Vous êtes sur la page 1sur 11

Alessandro Ambuehl 2002-2006 Algbre linaire 1/11

Produit matriciel: C
mn
=A
mr
B
r n
Rgles du calcul matriciel
(a) A+B=B+A (commutativit de la somme)
(b) A+( B+C)=( A+B)+C (associativit de la somme)
(c) A( BC)=( AB)C (associativit du produit)
(d) A( B+C)=AB+AC
(e) ( A+B)C=AC+BC
(f) a( B+C)=aB+aC
(g) (a+b)C=aC+bC
(h) abC=a(bC)
(i) a( BC)=(aB)C=B(aC)
Le produit matriciel n'est pas commutatif.
A: nn est inversible si AX =I et XA=I , avec X : nn . Pas des lignes de 0.
Matrice lmentaire: E: mm si elle rsulte d'une seule opration lmentaire sur I .
Inverse des matrices lmentaires: [ E
i
(a)]
1
=E
i
(1/ a) , [ E
ij
]
1
=E
ij
, [ E
ij
(c )]
1
=E
ij
(c) .
Factorisation:
A
1
: matrices lem. dans l'ordre inverse.
A : inverse des matrices lem. dans le bon ordre.
Rappel: E
ab
A travaille sur les lignes, A E
ab
travaille sur les colonnes.
Thorme: A: nn a) <=> b)
a) A est inversible
b) Le systme
Ax =

b
est compatible (possde au moins une solution) quelque soit
b : n1
Si AB est inversible, alors ( AB)
1
=B
1
A
1
Transposition: Symtrie p.r. la diagonale principale de A .
Rgles:
(a) ( A+B)
T
=A
T
+B
t
(b) (k A)
T
=kA
T
(c) ( AB)
T
=B
T
A
T
(d) ( A
T
)
T
=A
A
nn
est: symtrique si A=A
T
[
a b
b c
]
, antisymtrique si A=A
T
[
a b
b c
]
Toute matrice B: nn est gale la somme d'une matrice symtrique S et d'une matrice
antisymtrique A .
Espaces vectoriels
Espace vectoriel: ensemble V non vide muni des oprations:
somme vectorielle:

a ,

bV -

a+

b V
multiplication par un scalaire:

a V ,\-\

a V
axiomes
1.

a+

b=

b+

a
commutativit de la somme
2.

a+(

b+c )=(

a+

b )+c associativit
3. 0 V t.q. 0+

a=

a vecteur nul
4.

a V

a V t.q.

a+(

a )=0 vecteur oppos


5. \(j

a)=(\j)

a associativit*
6. (\+j)

a=\

a+j

a distributivit
Alessandro Ambuehl 2002-2006 Algbre linaire 2/11
7. \(

a+

b )=\

a+\

b distributivit*
8. 1

a=

a nombre 1
Espace
P
n
des polynmes
lments ou vecteurs de P
n
: q(t )=b
0
1+b
1
t +...+b
n
t
n
Somme vectorielle:
P(t )+q(t )=(a
0
+b
0
)1+(a
1
+b
1
) t+... +( a
n
+b
n
)t
n
Multiplication par scalaire:
\ p(t )=\a
0
1+\a
1
t +...+\a
n
t
n
M
mn
Espace des matrices mxn
axiomes:
-Somme matricielle
-Multiplication par scalaire
Sous- espaces vectoriels
W est un sous- espace vectoriel de l'espace vectoriel V , si:
W est un sous-ensemble non vide de V et
W est lui-mme un espace vectoriel p.r. aux mmes oprations que V .
Soit WV , alors a) <=> b)
a) W est un sous espace vectoriel de V
b) W et

a ,

bW

a +k

bW , k
Indpendance linaire:
Espace vectoriel V, ensemble S =v
1
, ... v
r
de vecteurs.
Si k
1

v
1
+... +k
r

v
r
=0 aux inconnue k
1
,... k
r
ne possde que la solution triviale
k
1
=...=k
r
=0
ensemble S linarement indpendant ou libre
autrement, s est linarement dpendant
Dimension d'un espace vectoriel
dim(
n
)=n , dim( P
n
)=n+1 , dim( M
mn
)=mn
Espace des lignes et des colonnes d'une matrice
les lignes non-nulles de la MER sont l.i.
dim( L( A))=dim(C( A))=: rang( A)
C( A)=L( A
T
)
ler r colonnes de A correspondant aux colonnes directrices de MER( A) forment
une base de C( A)
S =v
1
, v
2
, ... v
n
une base ordonne de l'espace vectoriel V

v V s'exprime de manire unique sous la forme

v =c
1
v
1
+c
2
v
2
+...+c
n
v
n
Alessandro Ambuehl 2002-2006 Algbre linaire 3/11
Changement de base
B=

b
1
, ... ,

b
n
ancienne base
B' =

b '
1
, ... ,

b '
n
nouvelle base
[

x ]
B
vecteur

x par rapport a l'ancienne base


[

x]
B
' =P
B-B'
[

x]
B
P=P
B-B'
=[[

b
1
]
B
'...[

b
n
]
B
' ] ; P
B' -B
=Q=P
1
Cas particulier (Base Canonique): P
B-BC
=[[

b
1
]
BC
...[

b
n
]
BC
] , P
BC -B
=( P
B-BC
)
1
Soit la base ordonne B=

b
1
, ... ,

b
n
, alors on a
[ b
1
]
B
=
[
1
0

0
]
,... ,[ b
n
]
B
=
[
0

0
1
]
Matrice de passage: pas des lignes / colonnes nulles ou l.d., doi tre carre.
Proprits du rang d'une matrice (p. 214 + 250)
A: mn : dim( L( A))=dim(C( A))=: rang( A)
A: nn : A est inversible = rang A=n = dim L( A)=n = dimC( A)=n
A: mn , B: mn et D: np
Si C: mm inversible: rang CA=rang A
rang( A)min(m, n)
rang( A+B)rang A+rang B
rang ADmin(rang A, rang D)
(Espace contraint + espace engendr p. 256)
EVMPS (Espaces Vectoriels Munis d'un Produit Scalaire)
Produit scalaire gnraliss
x , y ,

z V , \

x ,

y =

y ,

x +

y ,

z =

x ,

z +

y ,

z
\

x ,

y=\

x ,

x ,

x 0 et

x ,

x =0

x=0
Trace: somme des lments sur la diagonale principale
Soit A: nn et B: nn , alors tr ( A+\ B)=tr A+\tr B et tr A
T
=tr A
Soit P: mn et R: mn , alors tr P R
T
=tr RP
T
=tr R
T
P=tr P
T
R
Ingalit de Cauchy Schwarz (p. 276)
V EVMPS . ,.

x ,

y
2

x ,

y ,

y
norme x:=.x , x
distance d (x , y ):=xy=.x y ,xy
angle dans un EVMPS (p. 282)
Alessandro Ambuehl 2002-2006 Algbre linaire 4/11
Soit un evmps V , . , . , l'angle ang =(

x ,

y ) est dfini par:


cos(ang )=

x ,

y
.

x ,

y ,

y
,
0angn
Orthogonalit p.r. un produit scalaire donn

x et

y sont orthogonaux si

x ,

y =0
pythagore gnralis: soient

x et

y orthogonaux

x+

y
2
=

x
2
+

y
2
BASES ORTHONORMEES (p. 293)
donn: evmps V , . , . , (espace vectoriel muni d'un produit scalaire)

b
, si

a ,

b =0

a norm si

a ,

a =1( =

a
2
)
L'ensemble S de vec. est orthonorm si pour toute paire

v
i
,

v
j
S :

v
i
,

v
j
=0 ,

v
i
,

v
j
=1
base orthonorme V, alors pour tout

v V :
x=

x ,

v
1

v
1
+...+

x ,

v
n

v
n
,
[x ]
S
=
[

x ,

v
1

x ,

v
n

]
Ensemble orthogonal S ne contenant pas le vecteur nul. Alors S est libre (l. i.).
dans un evmps V . , . soit S =v
1
, ... , v
r
un ensemble orthonorm. Soit W le sous-espace
de V engendr par S . Alors tout vecteur

x V se dcompose comme suit:

x=

w
1
+

w
2
o

w
1
W et

w
2
W , avec
w
1
=

x ,

v
1

v
1
+... +

x ,

v
r

v
r
,

w
2
=

w
1
.
PROJECTION ORTHOGONALE (p.304)

w
1
: projection orthogonale de

x sur W:
w
1
=proj
W
(

x )
Proced d'orthogonalistation de GRAM-SCHMIDT (p.309)
Soit evmps V . , . avec 1dimV , alors V possde une base orthonorme (bon).
Donne: B= u
1
,... , u
n
, Rsultat: bon=v
1
, ... , v
n

v
1
:=
1

u
1

u
1 ;
v
k
:=
1

w
k

w
k ,
W
k
=

u
k
proj
w
k1

u
k
,
proj
w
k1

u
k
:=

u
k
,

v
1

v
1
+...+

u
k
,

v
k 1


v
k1
Pour tout

x
4
, posant

y=proj
w
x on a
[

y ]
bon
=V
T

x=
[

v
1
T

x
v
2
T
x

v
3
T

x
]

y=V [

y ]
bon
=V V
T

x .
V V
T
est la matrice de projection orthogonale sur W.
THORME DA LA MEILLEURE APPROXIMATION (p. 320)
Dans un evmps V . , . , soit W un sous espace qlq.,

u un vecteur de V .
La meilleure approximation de

u par un vecteur de W est:



p:=proj
w
u
satisfait

w:

wW ,

p
Approximation de fonctions (p.323)
Alessandro Ambuehl 2002-2006 Algbre linaire 5/11
Donne: fonction
f :[ a , b]-
t - f (t )
, p.ex. polynme de degr trs lev, cherche: Meilleure
approximation de f (t ) dans [ a , b] par un polynme de petit degr.
Principe des moindres carrs (p. 324)
meilleure approximation: minimise la somme des carrs des carts

a
b
e (t )
2
dt=

a
b
( f (t )p(t ))
2
dt

a
b
( f (t )p(t ))
2
dt =( f (t )p(t )) , ( f (t )p(t ))=( f (t )p(t ))
2
( minimiser)
th. meilleure approx.:
p(t )=proj
P
m
f (t )
demarche: avec G-S determiner la bon de P
m
. La meilleure approximation est

p(t)=proj
P
m
f (t)= f (t ), v
0
(t ) v
0
(t)+...+ f (t) , v
m
(t)v
m
(t)
Soit un evmps V . , . et B=

b
1
, ... ,

b
n
une base quelconque de V , alors existe
Q: nn symtrique et dfinie positive t.q. pour tout

x et

y V avec vec de coordonnes

u et

v
n
donc tels que
u=[

x ]
B
et

v =[

y]
B
on a

x ,

y =

u
T
Q

v
.
Si la base B est orthonorme, alors Q est la matrice identit et le produit scalaire est alors le
produit scalaire euclidien.
Dans
n
soit une base quelconque (colonnes de B: nn ). Alors on peut munir
n
d'un
produit scalaire particulier, tel que la base soit orthonorme p.r. ce produit l.
- Q=( B
T
)
1
B
1
- Q est symtrique: ( BB
T
)
T
=B B
T
- Q est dfinie positive:

x
n
0 :

x
T
Q

x=

y
T

y >0
QUATIONS LINAIRES Ax =

b
Systmes incompatibles d'quations linaires (p. 343)
Les affirmations suivantes concernant le systme
Ax =

b
(
A: mn et

b : m1
) sont quivalents:
1. le sys est compatible (il possde au moins une solution)
2.
b
est dans l'espace de colonnes C( A)de A
3. rang A=rang A
b
, avec A
b
=[ A

b] mat. augmente du systme.


Mesure de l'erreur d'une solution (346)
Soit un sys. (*)
Ax =

b
, posons
r =

bAx
. On appelle

r le vecteur des carts associ

x .
Si (*) est un sys. compatible, et si

x en est une solution, on aura

r =0 .
Si (*) est un sys. incompatible, donc, si

b C( A) , on aura

r 0 , quel que soit



x .
Moindres carres (p. 347)

r
2
=

r
T

r =r
1
2
+r
2
2
+...+r
m
2
Alessandro Ambuehl 2002-2006 Algbre linaire 6/11
Formulation: On cherche

z C( A) minimisant

r
2
, avec
r =

z
.

z
opt
=proj
C ( A)

b
Premire dmarche:
1. Dterminer base orthonorme de C( A) , soit bon=v
1
,., v
r

2. Calculer la projection:

z
opt
=proj
C ( A)
=(

v
1
T

b)

v
1
+.+(

v
r
T

b )

v
r
3. Rsoudre la sys. compatible A

x =

z
opt
(qui peut avoir plusieurs solutions)
Deuxime dmarche:
On cherche

x de manire a ce que
r =

bAx
soit orthogonal C( A) . A

x sera la
projection orthogonale de
b
sur C( A) :

a
1
T

r =.

a
n
T

r =0 , ou A
T
r =A
T
(

b Ax )=

0
QUATIONS NORMALES (p. 358)
On obtient ainsi le systhme tjrs compatible d'q. normales
A
T
Ax=A
T

b
, dont les sol. sont les
approx cherches.
Si les q. norm. ont une solution

x * unique (<=>
A
T
A
est inversible), alors

x *=( A
T
A)
1
A
T
b .
Dans ce cas on a aussi

z
opt
=proj
C ( A)
b=A

x *=A( A
T
A)
1
A
T
b .
Approche gomtrique
On cherche un point dont la somme des carrs des distances aux 3 droites soit minimale.
q. d'une droite:
o
1
x
1
+o
2
x
2
=b
soit

a
T

x=b
Forme Hessienne:
o
1
x
1
+o
2
x
2
.
o
1
2
+o
2
2
=
b
.
o
1
2
+o
2
2
soit
(
1

a
)
T

x=
b

o
Pour un point quelconque X ( x
1
, x
2
) du plan on a que que la valeur absolue de
r =
b
.
o
1
2
+o
2
2

o
1
x
1
+o
2
x
2
.
o
1
2
+o
2
2
est la distance entre la droite et X .
PERMUTATIONS (p. 364)
Df 1: arrangement linaire, sans omissions ni rptitions, de N objets distincts (numrots de 1
N).
Une des notations utilises: c=(i
1
, i
2
,... ,i
n
)
Df. 2: bijection de l'ensemble 1 , 2 , ... , n sur lui mme, not
c=
(
1 2 . N
i
1
i
2
. i
N
)
La composition (ou produit) de deux permutations c
1
et c
2
(de N ) est la permutation
t=c
2
c
1
obtenue en faisant suivre
c
2
c
1
: t(i )=c
2
(c
1
(i )) (image de i sous t) .
Le produit ne commute pas:
c
2
c
1
c
1
c
2
Alessandro Ambuehl 2002-2006 Algbre linaire 7/11
Permutation identit (lment neutre p.r. la composition, produit):
t=
(
1 2 . N
1 2 . N
)
Permutation inverse (unique): not c
1
, telle que cc
1
=c
1
c=t
Le produit est associatif: c(t)=(ct)
Matrices des permutations (p. 372)
A chaque permutation
c=
(
1 2 . N
i
1
i
2
. i
N
)
=
(
1 2 . N
c(1) c(2) . c(N )
)
on associe une matrice
P
N N
avec
P
ij
=

1 si i =c(i )
0 autrement
Remarque: La i
me
ligne de la matrice identit devient ainsi la c (i)
me
ligne de P
Composition: la matrice associe au produit
c
2
c
1
est le produit P
2
P
1
.
Thorme: soit P la matrice de la permutation c . Alors c
1
a comme matrice P
1
et on a
P
1
=P
T
. Ainsi
P P
T
=I
et
P
T
P=I
Dnombrement des permutations
Il existe N ! permutations de N .
Inversions
Nombre d'inversions de c = nombre de paires (i
j
, i
k
) avec jk et i
j
>i
k
.
#(inversions) = #(croisements)
Parit
Une permutation est paire, si elle a un nombre paire de inversions, autrement elle est impaire.
Le signe d'une permutation:
sign(c)=

+1 si cest paire
1 si cest impaire
sign(ct)=sign(tc)=sign(c) sign(t) , sign(c)=sign(c
1
)
DTERMINANT (p. 386)
det ( A),A = somme de tous les produits lmentaires signs de A .
Proprits du dterminant(p. 393)
Si A
nn
possde une ligne/colonne nulle, alors A=0
Si A
nn
triangulaire sup/inf, alors A=a
11
a
22
.a
nn
A=A
T

det (E
i
(o) A)=odet ( A) , det (E
ij
A)=det ( A) , det (E
ij
(\) A)=det ( A)
det (E
i
(o))=o , det (E
ij
)=1 , det (E
ij
(\))=1
A
nn
quelconque et E
nn
lmentaire, alors det (E A)=det (E) det ( A)
Calcule efficace du dterminant (p. 402)
chelonner (avec Gauss) et rpertorie les matrices lmentaires utilises D=E
k
.E
2
E
1
A
Alessandro Ambuehl 2002-2006 Algbre linaire 8/11
D : matrice chlonne correspondant A , E
l
matrice lmentaire.
A=E
1
1
.E
k1
1
E
k
1
D , donc det ( A)=det ( E
1
1
).det (E
k1
1
)det (E
k
1
) det ( D)
La matrice A: nn est inversible ssi det ( A)0
Quelle que soit la matrice A: nn , les affirmations suivantes sont quivalentes:
le sys. homogne A

x =0 possde des solutions non-triviales;


A n'est pas inversible;
det ( A)=0 .
A: nn et B: nn alors det AB=det Adet B
Interprtation gomtrique du dterminant + appl(p. 412)
Le repre ordonn (

e
1
,

e
2
) est droit, si on aligne

e
1
avec

e
2
en tournant

e
1
d'un angle
n dans le sens contraire aux aiguilles d'une montre, autrement il est gauche.
Df: La paire ordonne (

a
1
,

a
2
) a l'orientation positive p.r. au repre (

e
1
,

e
2
) , si elle est
oriente comme ce repre. air := aire du paralllogramme dfini par (

a
1
,

a
2
) .
Si (

a
1
,

a
2
) a l'orientation positive, alors det [

a
1

a
2
]=+air , sinon det [

a
1

a
2
]=air .
Position d'un point p.r. une droite.

a
1
:directeur de la droite,

a
2
vecteur droite-point.
det [

a
1
a
2
]

> a gauche de
= sur
< droite de

la droite oriente
quation de la droite par le points A et B:
OX=x ,

OA=

a ,

OB=

b
, eq.: det [x

a ]=0 .
quation du plan:
OX=x ,

OA=

a ,

OB=

b ,

OC=c
, det [x

a ]=0
Mineurs et cofacteurs (p. 419)
Df.: le mineur m
ij
associ l'lment a
ij
de A est le dterminant de la sous matrice obtenue
en biffant la i-me ligne et la j-me colonne de A .
Df.: le cofacteur c
ij
associ l'lment a
ij
de A est c
ij
=(1)
i +j
m
ij
M=
[
m
11
m
12
m
13
m
21
m
22
m
23
m
31
m
32
m
33
]
C=
[
+m
11
m
12
+m
13
m
21
+m
22
m
23
+m
31
m
32
+m
33
]
Formule pour l'inverse: Pour toute matrice A: nn : AC
T
=C
T
A=(det A) I .
Th. pour A: nn inversible, on a
A
1
=
1
det( A)
C
T
Rgle de Cramer (p. 426)
Soit
Ax =

b
avec A=[

a
1

a
2
.

a
n
] inversible, alors

x=A
1
b=
C
T

b
det ( A)
=
1
det ( A)
[
det ( A
1
)
det ( A
2
)

det ( A
n
)
]
avec
A
1
=[

a
2
.

a
n
] , A
2
=[

a
1

b.

a
n
] ,., A
n
=[

a
1

a
2
.
b ]
Alessandro Ambuehl 2002-2006 Algbre linaire 9/11
APPLICATIONS LINAIRES (p. 427)
Soit V et W des espaces vectoriels. L'application
F : V -W

x -F(

x )
est linaire, si pour tout

u et

v dans V et pour tout \ on a: F(

u+\

v )=F(

u )+\ F(

v ) .
En particulier: F( 0
V
)= 0
W
et F(

u )=F (

u ) .
Valeurs propres et vecteurs propres (p. 429)
quation caractristique: det ( A\ I )=0
Polynme caractristique de A : det ( A\ I )
Vecteurs propres: insrer, un par un, les val. propres dans ( A\ I )

x=0 et rsoudre.
matrice des vec. propres: P=[

p
1

p
2
]
Rotation d'un plan d'un angle (p. 438)
A=
[
cos sin
sin cos
]
;
A

e
1
=
[
cos
sin
]
,
A

e
2
=
[
sin
cos
]
. Antiorario!
Diagonalisation (p. 441)
Df.: la matrice A: nn est diagonalisable, s'il existe une matrice inversible P: nn et une
matrice diagonale A: nn avec P
1
A P=A .
A peut tre vue comme matrice de la transf. lin. donne dans la base canonique
F :
n
-
n

x -F (

x )=A

x
.
P:=P
B-BC
, A P

x
B
=P F
B

P
1
AP

x
B
_
Ax
B
=P
1
P F
B
_
F
B
[ F (

x )]
B
=A[

x ]
B
.
Transformation linaire:
Dilatation/contraction de l'espace le long des vecteurs propres, selon si la valeur absolue des
vecteurs propres associe est >1 ou<1, suivie d'une
symtrie au cas o le signe de la valeur propre est ngatif.
Pour toute A: nn les aff. suiv. sont quiv.:
(a) A est diagonalisable
(b) A possde n vecteurs propres l.i.
Les vec. propres correspondant des valeurs propres distincts sont l.i.
Diagonalisation orthogonale (p. 450)
La matrice P: nn est orthogonale, si ses colonnes forment une base orthonorme de
n
muni du prod. scalaire euclidien, c..d. si:
P
T
P=I
, on a donc
P
1
=P
T
et
det P=det P
T
=!1
.
det P=+1 : P est la matrice d'une rotation.
det P=1 :P est la matrice d'une rotation suivie d'une symtrie.
La matrice A: nn est orthogonalement diagonalisable, s'il existe une matrice orthogonale qui
Alessandro Ambuehl 2002-2006 Algbre linaire 10/11
la diagonalise: P
T
A P=A avec P
T
P=I et A diagonale.
Pour toute A: nn les aff. suiv. sont quiv.:
(a) A est orthogonalement diagonalisable
(b) A est symtrique
Lemme 1: Soit A: nn symtrique, alors les valeurs propres de A sont relles
Lemme 2: Soit A symtrique, soit
\
1
\
2
deux des val. propres de A et

p
1
,

p
2
des
vecteurs propres associs as chacune. Alors

p
1

p
2
, c..d

p
1
T
,

p
2
=0 .
Applications de la diagonalisation (p. 462)
Soit A: nn diagonalisable, avec A=p
1
AP
On a A=PAP
1
et pour tout t >1 : A
t
=P A
t
P
1
Rsolution de systmes homognes linaires aux diffrences (463)???
NOYAU ET IMAGE (KER ET IM) (p. 475)
Soit l'application linaire F : V -W , de l'espace vectoriel V de dimension n, dans l'espace
W de dimension m. On appelle noyau de F l'ensemble ker F=

x VF(

x )= 0
W
et image de (
V sous) F l'ensemble im F=y Wx V : F (x )=y .
Ker et im sont des sous-espaces vectoriels de V et W .
Application matricielle (p. 477)
Considrons l'application matricielle
F :
n
-
m

x -F(

x )=A

x
, il vient
ker F=

x
n
A

x
_
F( x )
=0
.
kerF est donc l'espace nul de A, c..d l'espace A

orthogonal aux lignes de A.
D'autre part,
im F=

y
m

x
n
: A

x
_
F
(

x )=

y
est l'espace des colonnes de la matrice A C( A) .
Rang d'une application linaire (p. 479)
nullit F :=dimker F
rang F :=dimimF
application linaire F : V -W alors nullit F+rang F=dimV
Soit l'application linaire F : V -W , soit A la matrice de F associe aux bases B et
B' de V et W .
Base de ker F : rsoudre A

x =0
Base de im F :la base de C( A) (dtermine avec Gauss lors de la rsolution de A

x =0 )
L'appl. lin. F : V -W est injective ssi dimker F=0 , donc ssi dimV=dimim F
Si de plus dimV=dimW alors F est une bijection.
Oprateur linaire ou endomorphisme: application linaire du type F : V -V
Soit l' endomorphisme F : V -V , avec dimV=n . Toutes les matrices reprsentant F ont
les mmes valeurs propres, quelque soit la base de V utilise
Matrices semblables (p.491)
Alessandro Ambuehl 2002-2006 Algbre linaire 11/11
Aet A' sont semblables si A' =P
1
AP
Deux matrices semblables ont exactement les mmes valeurs propres.
Formes quadratiques
Soit Q: nn une matrice symtrique.
f : R
n
-R

x - f (

x)=

x
T
Q

x
est la forme quad. associe avec Q .
Dfinition:
La forme quadratique f (

x )=

x
T
Q

x est
dfinie positive f (

x )>0:

x
n
0
semi-dfinie positive f (

x )0:

x
n
dfinie ngative f (

x )0:

x
n
0
semi-dfinie ngative f (

x )0:

x
n
indfinie

x : f (

x )>0 et

x : f (

x )0
Thorme
La forme quadratique
f (

x )=

x
T
Q

x
est ssi les valeurs propres de Q sont
dfinie positive positives
semi-dfinie positive non-ngatives
dfinie ngative ngatives
semi-dfinie ngative non-positive
indfinie positives & ngatives
Coniques:
Df.: une conique est l'ensemble des points de
2
satisfaisant l'quation
x
T
Qx
_
forme
quadrat.
+

b
T
_
forme
linaire
+c=0
,o Q: 22 symtrique,
b : 21
et c . Sont l'intersection d'un cne avec un plan.
Coniques canoniques:
cercle
( x/ a )
2
+( y / a)
2
=1
point
( x/ a )
2
+( y / b)
2
=0
ellipse
( x/ a )
2
+( y / b)
2
=1
2 droites parallles
( x/ a )
2
=1
hyperbole
( x/ a )
2
( y / b)
2
=1
droite
( x/ a )
2
=0
parabole
( x/ a )
2
y=0
ensemble vide
( x / a)
2
( y / b)
2
=1 , ( x / a)
2
=1
Quadratiques
Exemples
Base de
L( A)

(espace orthogonal aux lignes de A): espace vectoriel des sol. du sys.
A

x =0
Version 1, 25.5.2006
Alessandro Ambuehl, , www.atarico.ch.vu
crit et converti en PDF avec OpenOffice.org
Copyleft (http://creativecommons.org/licenses/by-nc-sa/2.5/)

Vous aimerez peut-être aussi