MATHEMATIQUES POUR INGENIEURS

Abdelaziz Hilali
hilali@inpt.ac.ma

Institut National des Postes et Télécommunications

Année Académique : 2021/2022
 I: RAPPELS (Classes Prépas + DEUG)

1. Espace Vectoriel (Rappels)

2. Introduction Matrices (Rappels)

 Opérations sur les matrices
 Matrices Particulières
 Définitions et Notations
 Quelques propriétés des matrices
 Types de matrices et structures particulières

3. Produit scalaire vectoriels et normes

 Produits scalaires Normes de vecteurs Normes de matrices
 Sous espace et vecteurs orthogonaux
 Vecteurs orthogonaux

4. Introduction aux Systèmes Linéaires (Rappels)

 Méthode de Gauss/Gauss-Jordan

S1_Linear Algebra 2
11/10/2021
 II: REDUCTION DE MATRICES

1. Sous espaces Invariants de Matrices

 Valeurs propres et Vecteurs propres
 Théorème de Cayley Hamilton
 Diagonalisation
 Application à la résolution des Systèmes aux différences
 Application à la résolution des Systèmes Différentiels

2. Forme Canoniques
 Sous espaces caractéristiques
 Matrices trigonalisables
 Blocs de Jordan

 Applications

11/10/2021 3
S1_Linear Algebra
III: Méthodes Directes de base pour la résolution des Systèmes
Linéaires

1. Décomposition LU
 Matrices Élémentaires
 Décomposition LU
 Application à la résolution des Systèmes linéaires
 Exemples

2. Décomposition QR
 Projection Orthogonale
 Procédé d’orthnormalisation de SCHMIDT
 Décomposition de la forme : A = QR
 Transformation (élémentaire) de Householder:
 Exemples

11/10/2021 S1_Linear Algebra 4

 IV: Méthodes Itératives de base pour la résolution des Systèmes
linéaires

Méthodes Itératives : La solution est obtenue après un nombre fini d’opérations

Méthodes itératives : X(0) donné, X(1), X(2), …, X(n), X(n+1)

1. Résolution des Systèmes Linéaires AX = b, Méthodes Itératives

de base
 Méthode de Jacobi

 Méthode de Gauss-Seidel
 Méthode de relaxation ou SOR

 Méthode de relaxation symétrique ou SSOR

3. Convergence des méthodes itératives

 Méthode de Gauss/Gauss-Jordan

 Définitions et propriétés
 Matrices hermitiennes

11/10/2021 S1_Linear Algebra 5

 V: Concepts Mathématiques derrière le Deep Learning (IA)

4. Intelligence artificielle - Machine Learning – Deep Learning

5. Approximation des Moindres carrées

 Approximation des fonctions au sens des Moindres carrées

 Le polynôme de meilleur approximation

 Interpolation de Lagrange

4. Interpolation de Lagrange

5. Unicité de la meilleure approximation dans un espace préhilbertien

11/10/2021 S1_Linear Algebra 6

 Espace Vectoriel

Définition
Soit :
• E un ensemble dont les éléments son notés : X, Y , Z, : Vecteurs
• K est un corps commutatif (IR ou C) dont les éléments sont notés :  ;  ; appelés
scalaires.

On définit sur E deux opérations:

1. Une opération interne : Addition Vectorielle : +
2. Une opération externe : Produit externe : .

On dira que E est un espace vectoriel sur le corps K si les deux opérations
précédentes vérifient les huit propriétés.

11/10/2021 S1_Linear Algebra 7

 Définition d’un Espace Vectoriel

1. X + Y = Y+ X
2. X+(Y+Z) = (X+Y)+Z = X+Y+Z
(E,+) est un groupe
3. Existence d’un élément neutre commutatif
4. Existence d’un élément symétrique

5. (X + Y) = X+ Y
6. (+) X = X + X Propriétés de la loi
externe
7. (X) = (.)X
8. 1.X = X

11/10/2021 S1_Linear Algebra 8

 Exemple : Espace IRn

L’espace IRn est un cas particulier d’espace vectoriel.

 x1 
 
x 
IRn : l’ensemble des n-uplets de nombres réels : X   2  ou X  x 1 , x 2 , ..., x n 
..
 
x 
 n
X est appelé : Vecteur, on le notera X sans flèche, Les xi sont appelés les composantes du vecteur X

 x1   y1 
   
 x2   y2 
Soient X    , Y    , X  Y  x1  y1 , x2  y2 , , ..., x1  y1 ,
.. ..
   
x  y 
 n  n

Exemple dans IR4 : (a, b, c, d) = (-1, 0, 2, 33, 5)

11/10/2021 S1_Linear Algebra 9

 Espace IRn /Cn

n
On munit IR des deux opérations suivantes

 x1   y1   x1  y1 
     
x
 2 y
 2 x 
 2 2 y
1. Addition : X     IRn , Y     IRn alors: X  Y  
.. .. .. 
     
x  y  x  y 
 n  n  n n
Addition Vectorielle : La somme de deux vecteurs de IRn se fait en additionnant
les composantes entre elles. « Une Loi de Composition Interne »

 x1   x1 
   
2. Multiplication par Scalaire: x   x 
  IR, X   2   IRn , alors:  X   2 
.. ..
   
x  x 
 n  n
Produit Externe : Le produit d’un scalaire par un vecteur de IRn se fait en multipliant chaque
composante par le scalaire

11/10/2021 S1_Linear Algebra 10

 Espace IRn /Cn

Combinaison Linéaires de Vecteurs

 Une Combinaison linéaire de deux vecteurs U et V est une expression de la forme : U + V

 Une Combinaison linéaire de trois vecteurs U , V et W est une expression de la forme : U +
V + W
 Une Combinaison linéaire des vecteurs X1, X2, .., Xn est une expression de la forme:

1X1 + 2X2 + … + nXn

 Si X = 1X1 + 2X2 + … + nXn, on dit que X est une Combinaison linéaire des vecteurs X1, X2,
.., Xn

11/10/2021 S1_Linear Algebra 11

 Sous espaces Vectoriels

Définition
Soit E un espace vectoriel et F F
On dit que F est un sous espace Vectoriel (s.e.v) de E s’il vérifie les trois
propriétés suivantes :
i. F
ii. Pour tout (X , Y)  F  X + Y  F
iii. Pour tout X  F et   IR   X  F

Remarques

ii. Signifie que F est stable pour l’addition vectorielle

iii. Signifie que F est stable pour le produit externe

11/10/2021 S1_Linear Algebra 12

 Sous espaces Vectoriels

Remarques
Si F est un s.e.v alors le vecteur nul O  F
Exemples
i. {0} est un s.e.v de E
ii. E est un s.e.v de E
iii. Exemple dans IR2 (Droite, quart du plan…)
iv. F = {X  IR2 / x1 – 2x2 +3x3 = 1}
v. F = {X  IR2 / x1 – 2x2 +3x3 = 0}

vi. F = {X  IR3 / x1  0, x2  0}
vii. F = {X  IR4 / x1 = x2 et x3 = x4}
viii.F = {X  IR4 / x1 = x2 = x3}

11/10/2021 S1_Linear Algebra 13

 Exemples de S.EV

L’ensemble de toutes les CL d’une famille de p vecteurs : (X1, X2, …, Xp) est
un sous espace vectoriel de E.
On l’appelle espace engendré par la famille de vecteurs (X1, X2, …, Xp)

Notation F  Vect  X1 , X 2 , ..., X p 


F  X1 , X 2 , ..., X p 
Quel est l’ensemble de toutes les combinaisons linéaires des vecteurs :
1. e1 = (1 , 0)
2. e2 = (0 , 1)
3. X = (1 , 1)
4. e1 = (1 , 0) et e2 = (0 , 1)
5. e1 = (1 , 0 , 0) et e2 = (0 , 1, 0), e3 = (0 , 0, 1)
6. Généraliser
 Sous espace vectoriel engendré par un système de vecteurs

Définition
On dit que les vecteurs X1, X2, …, Xp forment une partie génératrice de F.
Trouver une partie génératrice de
• F = IR2
• F = {X  IR3 / x1 – 2x2 +3x3 = 0}
• F = {X  IR4 / x1 = x2 et x3 = x4}

1 1  3 0 1

         
X1   2  , X2   2  , X 3   6  , Y1   0  , Y2   2    
Soit : F  X1 , X 2 , X 3 et G  Y1 , Y2 
1 3  5 1  5
         

Montrer que F = G Remarquons que X3 = 2X1 + X2

X1  4Y1  Y2


F  X1 , X 2 , X 3   X , X  1 2
X2  2Y1  Y2

Y1  
1 1
X1  X 2
2 2
Y2   X1  2 X2
Solution:

https://www.youtube.com/watch?v=qYatar3sBGs&t=1s
 Sous espaces Vectoriels et SL Homogènes

  a1x  b1y  c1z  0 

  
F   X  IR 3 / (S) a2 x  b2 y  c2z  0 
 a x  b y  c z  0 
  3 3 3


 Un système linéaire Homogène admet toujours une solution : X=0

 Un SLH admet soit une solution unique (X=0), soit une infinité de
solution.
 L’ensemble des solutions d’un SL Homogène est un s.e.v

Remarque
F  X  E / AX  0   Ker ( A)
Théorème 1:  
Ker ( A)  X  C n / AX  0 est un s.e.v de C n
Théorème 2: Im( A)  AX 
/ X  C n est un s.e.v de C n
Théorème 3: C n  Im( A)  Ker ( A T )
16
 Familles libres – Familles liées

Définition 1
Les Vecteurs : {U1, U2 , … , Up} sont dits linéairement dépendants, si il existe
1 , 2 , … , p non tous nuls tels que : 1U1 + 2 U2 + … + pUp= 0

 l’un des vecteurs Ui s’écrit comme CL des autres : Ui = 1U1 + 2 U2 , … , pUp

Définition 2
On dit aussi que la famille {U1, U2 , … , Up} est libre ssi le Système linéaire Homogène
1U1+2U2 + …+pUp= 0 , admet comme unique solution la solution : 1= 2 = … = p = 0

Remarque
Le SL: 1U1 + 2 U2 + … + pUp= 0
Représente un Système linéaire Homogène

11/10/2021 S1_Linear Algebra 17

 Familles libres – Familles liées

1U1 + 2 U2 + … + pUp= 0

Une solution Une solution unique :

1, 2 , … , p non nulle  1=  2 = … =  p = 0

la famille {U1, U2 , … , Up} la famille {U1, U2 , … , Up}

est liée est libre

11/10/2021 S1_Linear Algebra 18

Exemple
1 1  3 1 1  3  0
             
X1   2 , X2   2 , X 3   6  1  2    2  2    3  6    0 
1  3 5 1 3 5  0
             

 1   2  3 3  0  Une infinité de solutions

2 1  2 2  6  3  0  Une solution
 1  3 2  5 3  0 1, 2 , … , p non nulle

Les trois vecteurs X1, X2, X3 sont linéairement dépendants

X3 = 2X1 + X2

La famille {X1, X2, X3} est liée   

F  X1 , X 2 , X 3  X1 , X 2 

11/10/2021 S1_Linear Algebra 19

 Familles libres – Familles liées

Propriétés
 Un vecteur { U } est il lié ou libre?

 Toute sur - famille d’une famille liée est liée

 Toute sous - famille d’une famille libre est libre

 Une famille contenant le vecteur nul est nécessairement liée

Remarques
 3   4  2 
 1   0   0 
     
 0   2  0 
Les vecteurs : X 1    , X2    , X3    sont linéaireme nt indépendan ts
 0   1   0 
 0   0   1 
     
 0   0   0 

11/10/2021 S1_Linear Algebra 20

 Bases - Dimensions

Définition d’une base

Soit E un espace vectoriel
On dit aussi que B ={e1, e2 , … , ep} est une base de E si:
1. {e1, e2 , … , ep} est une famille génératrice dans E
2. {e1, e2 , … , ep} est une famille libre dans E

Lorsqu’un espace vectoriel admet deux bases, ces deux bases ont le même nombre d’éléments.
Ce nombre s’appelle : La dimension de E. On écrit dimE = n

Exercices
Trouver une BASE de
 F = IR2
 F = {X  IR2 / x1 – x2 = 0}
 F = {X  IR3 / x1 – 2x2 +3x3 = 0}
 F = {X  IR4 / x1 = x2 et x3 = x4}
 F = {X  IR2 / x1 - x3 = 0}

11/10/2021 S1_Linear Algebra 21

 Propriétés

Propriété 1
Tout espace vectoriel de dimension finie non réduit à {0}
admet une base,

Propriété 2
Soit E un e.v et F  E un s.e.v alors on a dimF ≤ dimE
et si dimF = dimE  E = F

Propriété 3
On suppose cette fois connue la dimension de E : dimE = n
 Les familles libres ont au plus n éléments,
 Les parties génératrices ont au moins n éléments,
 Les bases ont exactement n éléments.

11/10/2021 S1_Linear Algebra 22

 Somme de deux sous espaces vectoriels

Définition
Soient F et G deux sous espaces vectoriels de E, on définit la somme de F et G par :
F + G = { X  E / X = U + V, avec X  F et Y  G }

X= U + V

F

G
On définit de la même manière l’intersection de F et G par :
F  G = { X  E / avec X  F et X  G}

Théorème

 F + G est un s.e.v de E
 F  G est un s.e.v de E
 dim(E+F) = dimE + dimG – dim F  G

11/10/2021 S1_Linear Algebra 23

 Somme de deux sous espaces vectoriels

Somme directe de deux s.e.v

 On dit que la somme de F et G est directe si :

 FG={0}
 Dans ce cas on note la somme : F  G

Sous espaces supplémentaires

 On dit que F et G sont supplémentaires si :

 FG  E
 
F  G  0 
 FG  E
11/10/2021 S1_Linear Algebra 24
 Partie Génératrice de F + G

Si F  Vect  X 1 , X 2 , ..., X p 
G  Vect Y1 , Y2 , ..., Yq 
Alors
F  G  Vect X 1 , X 2 , ..., X p , Y1 , Y2 , ..., Yq 

Théorème
 dim(E+G) = dimE + dimG – dim F  G

11/10/2021 S1_Linear Algebra 25

 Somme de deux sous espaces vectoriels

Exercice  1   1  2    2  1 
         
X 1   1  , X 2   2  , X 3   1  , Y1   0  , Y2   0 
  1  1   4  1    3
         

F  Vect X 1 , X 2 , X 3 
G  Vect Y1 , Y2 

F et G sont ils supplémentaires ?

F + G Somme Directe ?

Solution:

https://www.youtube.com/watch?v=qYatar3sBGs&t=6s

11/10/2021 S1_Linear Algebra 26

Exercice I. On Considère les vecteurs suivants :
X1 = (1, 2, 1), X2 = (1, 2, 3), X3 = (3, 6, 5) , Y1 = (0, 0, 1), Y2 = (1, 2, 5)
On désigne par F et G les sous espace vectoriels de IR3 engendré respectivement par {X1 , X2 , X3 }
et {Y1 , Y2 }.

a) Trouver une base et la dimension de sous espaces vectoriels suivants F, G, F + G, FG, A-t-on F + G
= IR3? A-t-on F  G = IR3?
b) Montrer que F= G

Solution:

https://www.youtube.com/watch?v=qYatar3sBGs&t=6s

11/10/2021 S1_Linear Algebra 27