Vous êtes sur la page 1sur 17

ASI 3

Mthodes numriques
pour lingnieur
Introduction :
vecteurs, matrices
et applications linaires
Oprations sur les vecteurs
Vecteur x
base (canonique)
b
i
, i=1,n
espace vectoriel V
sur le corps des rels
combinaison linaire
sous espace vectoriel
base, dimension
( )
)
`

= =
)
`

= =
=
+

]
]
]
]
]
]

'

= =
]
]
]
]
]
]

'

=
=
=
=
0 ) ker( : de noyau
de s.e.v. ,
, 1 soient
, , ,

0
1
0

1
1
1
1
1
k
i
i i
k
i
i i i
i
k
i
i i i
n
i
n
i
i i
n
i
x W y W W
V x y R V y W
R x k i V x
V y x R V y x
R x b b x
x
x
x
x




Oprations sur les vecteurs
Somme
multiplication ?
Vecteur transpos
Norme
produit scalaire,
vecteurs orthogonaux
( )
{ } 0 ) , (
' ) , ( ; ' ) , (
'
'

2
1
1
2
2
1
=
= = = =
= =
=
+ = + =

=
=
y x R y
x x x x x y x y x y x
x x x x
x x x x
y x z y x z
n
n
i
i i
n
i
i
n i
i i i

Normes et produit scalaire
( )
2 2
1
2
2
2
1
, 1 1
1
1 1
2
2
2
, : Schwartz de ingalit : proprit
e euclidienn ) , ( ; ) , ( ) , (
; exemple
) ( ) , (
) , ( ) , ( ) , (
) , ( ) , (
) , ( ) , (
vrifiant
) , ( ,
:
scalaire
produit
sup ; ; ) 1 ( ;
; exemples


) ( ) ( ) (
) ( ) (
0 0 ) (
positivit 0 ) (
iant vrif
) (
:
: norme
y x y x
x x x x y x y x y x p
R E
x n x x p
z y p z x p z y x p
y x p y x p
x y p y x p
y x p y x
R E E p
x x x x p x x x x
R E
y n x n y x n
x n x n
x x n
x n
x n x
R E n
n
i
i
n
i
i i
n
i
n i
n
i
i
n
i
p
i
p
p
n
i
i
n

= = = =
=

=
+ = +
=
=


= = = =
=

+ +
=
= =




= =
=

= = =
+

Matrices

=
nk nj n
ik ij i
k j
a a a
a a a
a a a
A





1
1
1 1 11
Tableau de n lignes et k colonnes
Remarque fondamentale :
on ne peu rien dmontrer sans faire rfrence
lapplication linaire que la matrice reprsente
Ay Ax y x A
Ax y x
R R A
n k
+ = +
=

) ( : linaire

:

Applications linaires
( ) ( ) de base une , 1 et , de base une , 1 soit F n i F f E k i E e
i i
= =

Noyau :
image :
Noyau et image sont des s.e.v. resp. de E et de F
image : s.e.v engendr par u(e
i
)
rang = dim(Im(u))
u injective (ker(u) = 0)
u surjective Im(u) = F
Par identification, on donne une signification aux colonnes de la matrice
{ }
{ } y x u E x F y u
x u E x u
= =
= =
) ( que tel ) Im(
0 ) ( ) ker(
Dfinition :
Proprits :
Soient E et F deux espaces vectoriels
) ( ) ( ) ( : ssi linaire est
) (
:
y u x u y x u u
x u y x
F E u
+ = +
=

) ( alors ) ( que tels s dfinisson


1
x u f a e u a
n
j
j ji i ji

=
=
Applications linaires et matrices
( )

+ +

+ +

= = =

=
=

= =
=


= =
= = = =
= =
=
nk
ik
k
k
nj
ij
j
j
n
i
i
i
i
k
j
j ij i j
k
j
j
n
i
i ij
k
j
j
n
i
i ij
k
j
j
j
k
j
j
k
j
j j
n
i
i ij j ij
a
a
a
x
a
a
a
x
a
a
a
x
y
y
y
x a y a x Ax y
f a x f a x
e u x e x u x u y
f a e u a

1
1
1
1
11
1
1 1
1 1 1 1
1 1
1
... ...
et

) (
alors ) ( que tels s dfinisson
Proprits des matrices
{ }
( )
{ }
{ } injective est associe linaire n applicatio l' , 0 ) ( ker si
de s.e.v. un est c'
0 ker(A)
surjective est associe linaire n applicatio l' , ) ( Rg si
tes indpendan nt linaireme de colonnes de nombre le est c'
) Im( dim ) ( Rg
) Im( ssi solution une admet
de colonnes les par engendr s.e.v. le est c'
que tel ) Im(
=
= =
=
=
=
= =
A
R
Ax R x
n A
A
A A
A b b Ax
A
y Ax R x R y A
k
k
k n
R
k
R
n
0
Ker(A)
Img(A)
u, A
Proprit des matrices
Noyau
Rang (nombre de colonnes linairement indpendantes)
variables quivalentes
quations quivalentes
systmes lis - systmes libres (matrices blocs)
vecteurs propres
( )
( ) ( ) 0 ) ker( dim ) ( Rg et ssi
unique solution une admet quation l'
donn, pour
Corolaire
) ker( dim ) ( Rg
= = =
=

= +
A n A n k
b Ax
b A
k A A
Thorme
Soit A une matrice associe une application linaire u de E dans F
soit k = dim(E) et n=dim(F)
Question fondamentale
A quelles conditions lquation Ax = b admet-elle une solution unique ?
Thorme
Dim(Im u)+dim(ker u) = dim(F)
rang(u)+dim(ker u) = dim(F)
corollaire
Oprations sur les matrices
Somme :
somme des applications linaires
produit :
composition
des
applications
linaires
B A C
b a c AB C
n B A
B A
b a c B A C
B A
n
k
kj ik ij
ij ij ij
que colonnes de autent et que lignes de autant a
;
de lignes de nombre de colonnes de nombre
avec matrices deux et soient
e.v. un est taille mme de matrices des ensemble l' : remarque
;
taille mme de matrices deux et soient
1

=
= =
= =
+ = + =
A
B
n
n
p
q p
AB C v u w
q
p
A u
n
B v
q
R G R E
R G R F R E
= =
= = =
= = ,
, ,

AB nest pas BA (non commutatif)


Complexit algorithmique
Quel est lalgorithme qui calcule C=AB le plus vite ?
Dfinitions
grand O
petit o
quivalence
asymptotique
( )
( )
( ) 1
) (
) (
lim lorsque ) ( ) (
0
) (
) (
lim lorsque ) ( ) (
infini l' born tant ) ( ), ( ) ( ) ( lorsque ) ( ) (
= =
= =
= =


x g
x f
x x g x f
x g
x f
x x g o x f
x H x H x g x f x x g x f
x
x


O
O(n
2
) < Algorithme < O(n
3
)

22 21
21 11
22 21
21 11
22 21
21 11
c c
c c
b b
b b
a a
a a
A, B et C sont des matrices carres de taille n
Exemple, n=2
2
3
= 8 multiplications
Comme Strassen, 1969
sauriez vous faire mieux ?
22 22 12 21 22
21 22 11 21 21
22 12 12 11 12
21 12 11 11 11
b a b a c
b a b a c
b a b a c
b a b a c
+ =
+ =
+ =
+ =
Complexit algorithmique
Quel est lalgorithme qui calcule C=AB le plus vite ?

22 21
21 11
22 21
21 11
22 21
21 11
c c
c c
b b
b b
a a
a a
Exemple, n=2
o(n
2
) < Algorithme < O(n
log
2
7
)
log
10
(n) n
3
/n
(log
2
(7))
1 1.5
2 2.4
3 3.7
4 5.8
5 9.1
6 14.3
7 22.3
8 34.7
9 54.1
10 84.4
Strassen, 1969
( ) ( )
( )
( )
( )
( )
( ) ( )
( ) ( )
22 21 22 12 7
12 11 11 21 6
22 12 11 5
21 11 22 4
22 12 11 3
11 22 21 2
22 11 22 11 1




b b a a Q
b b a a Q
b a a Q
b b a Q
b b a Q
b a a Q
b b a a Q
+ =
+ =
+ =
+ =
=
+ =
+ + =
6 2 3 1 22
5 3 21
4 2 12
7 5 4 1 11


Q Q Q Q c
Q Q c
Q Q c
Q Q Q Q c
+ + =
+ =
+ =
+ + =
2,807
Oprations sur les matrices
Inverse
(a.l. bijective <=> matrice carre)
matrice identit I
Transpose (adjointe pour les complexes)
A est symtrique ssi A=A
Permutation p associ la matrice P (changement de base de e
i
e
p(i)
)
I AA A A = =
1 1

=
1 0 0
0 1
1 0
0 0 1





n
I
( )
( ) ( )
1
'
1
' : carre est si
; ' )' ( ; ' ' )' ( ; ' ' )' ( ; ' ' Proprits
' : ' Dfinition

=
= = + = + =
=
A A A
kA kA A B AB B A B A A A
a a A
ji ij
AP P A P P P
i p
i
1 1
' ; '
0 1 0 0
0 0 0 1
0 0 1 0
1 0 0 0
;
1 4 2 3 ) (
4 3 2 1

= =

=
Oprations sur les matrices
Changement de base
dterminant dune matrice carre
1
~
,
~
1
,
~
:
~
,
~

~
,
~
, ,
-
i
A u
i
i
A u
i
PAP A
e E e E
P P
e E e E
=


passage de matrice :
~
P Pe e
i i
=
sinon) (-1 tion transposi de pair nombre un en
dcomposer peut on si 1
possibles ns permutatio des ensemble l' dsigne
... ... ) ( ) det(
taille de carre matrice
) ( ) ( 2 ) 2 ( 1 ) 1 (
p sign(p)
P
a a a a p sign A
n A
P p
n n p i i p p p
=
=

Quelques matrices particulires


Matrices carres
Matrices diagonales
Matrices triangulaires (infrieure et suprieure)
Matrices par bandes
Matrice diagonale (strictement) dominante
Matrice symtrique
Matrice de Vandermonde (dj vu en introduction)
Matrice de Toeplitz
Matrice de Hankel
ii ij
a a n i ) ( , 1 , carre matrice une pour
n
i j 1, j
<

=

=

= =
n
i
i j j i
n i y x a
1
, 1 ,
4 principes fondamentaux
On ne change pas la solution lorsque lon :
1. permute 2 lignes
2. permute 2 colonnes
3. divise par un mme terme non nul les lments dune ligne
4. ajoute ou retranche une ligne un certain nombre
de fois une autre ligne