Académique Documents
Professionnel Documents
Culture Documents
Soit n ∈ N∗ . Dans tout ce cours on se place dans Rn (espace euclidien canonique de dimen-
sion n) muni de la base canonique (ej )1≤j≤n . Dans cette base, pour x ∈ Rn , on utilisera souvent
la notation : x = (x1 , . . . , xn ) pour :
x1 n
.. X
x = . , i.e. x = xj ej = x1 e1 + · · · + xn en .
xn j=1
L’espace Rn est un espace vectoriel normé. Il existe de nombreuses normes sur Rn . On rap-
pelle les définitions des normes usuelles k k1 , k k2 et k k∞ : pour x ∈ Rn ,
v
n
u n 2
X uX
kxk1 = |xj |, kxk2 = t xj , kxk∞ = max |xj |.
j=1,...,n
j=1 j=1
Sauf mention du contraire, l’écriture “hx, yi” désignera toujours le produit scalaire usuel de
n
R à savoir : n
X
hx, yi = xj yj = x> y = y > x.
j=1
1
2 0.1. Rappels d’algèbre linéaire
Ces notions vont nous permettre de définir le rang d’une matrice. La notation A ∈ Rm×n
désigne une matrice A à coefficients réels à m lignes et n colonnes.
Définition 0.3 (Rang d’une matrice) Soit A ∈ Rm×n . Le rang de A, noté rg(A), est le
nombre maximum de colonnes (lignes) linéairement indépendantes. La matrice A est dite
de rang plein si : rg(A) = min(m, n).
Définition 0.4 (Valeurs propres d’une matrice carrée) Soit A ∈ Rn×n . Le scalaire λ ∈
C est valeur propre de A s’il existe un vecteur v 6= 0 tel que :
Av = λv.
Proposition 0.1 Les valeurs propres de A sont les racines du polynôme caractéristique
associé à A et défini par :
PA (λ) = det(A − λIn ).
Définition 0.5 (Matrice symétrique) Soit A une matrice carrée d’ordre n. La matrice A
est symétrique ssi A> = A.
On rappelle que les matrices symétriques réelles sont diagonalisables et présentent des pro-
priétés remarquables : soit A une matrice carrée symétrique d’ordre n. On note λ1 , . . . , λn les
valeurs propres de A :
1. Les valeurs propres λ1 , . . . , λn de A sont réelles.
2. Les vecteurs propres associés à des valeurs propres distinctes sont orthogonaux.
3. Une base orthogonale de Rn peut être formée à partir des vecteurs propres de A.
4. Si l’on normalise les vecteurs propres xi associés aux λi (i.e. kxi k = 1), alors :
n
X
A= λ i xi x>
i .
i=1
Définition 0.6 (Matrice symétrique (semi-) définie positive) Soit A ∈ Rn×n une ma-
trice carrée symétrique (A> = A).
• A est dite semi-définie positive si :
∀x ∈ Rn , hx, Axi ≥ 0
• La notation f (x) = o(xp ) signifie que f (x) tend vers 0 plus vite que xp , i.e. :
f (x)
lim = 0.
x→0 xp
• La notation f (x) = O(x) signifie que f (x) tend vers 0 au moins aussi vite que x, i.e.
qu’il existe K > 0 tel que :
f (x)
≤ K.
x
Notion de différentiabilité
La formule de différentiation des fonctions composées est donnée par la formule de Leibniz :
Un résultat facile à montrer mais surprenant est que la différentielle d’une application linéaire
est elle-même.
Exercice 0.2.1 Montrer que les applications suivantes sont différentiables sur Rn et calculer
leurs différentielles :
1. f : x ∈ Rn (x) 7→ Ax + b, A ∈ Rp×n , b ∈ Rp .
2. f : x ∈ Rn (x) 7→ kxk2 .
On a alors :
∀h ∈ Rn , df (x)(h) = Jf (x)h.
Remarque 0.1 Il est important de noter que la Jacobienne dépend du choix des bases et que des
choix différents entraînent des matrices différentes (avec les formules usuelles de changement de
base).
∂f
(x)
∂x1
∇f (x) = ..
.
.
∂f
(x)
∂x1
Remarque 0.2 Attention ! Il faut garder en mémoire que si on change le produit scalaire, alors
on change le gradient.
Remarquons que le gradient peut être vu comme une application, notée ∇f , définie de Rn
dans Rn . Si ∇f est différentiable en x alors on peut calculer sa matrice jacobienne. La matrice
jacobienne du gradient est appelée matrice hessienne de f et est définie de la façon suivante :
dans une base orthonormée (x1 , . . . , xn ) de Rn , on a
∂f
(Hf (x))ij =
∂xi xj
La Hessienne est donc une matrice symétrique. La formule de Taylor à l’ordre 2 est donnée par :
h2 00
f (x + h) = f (x) + hf 0 (x) + f (x) + O h2 .
(2)
2
∀x ∈ R, f 0 (x) = df (x)(1).
Si E admet un minorant (resp. majorant) fini alors il est dit minoré (resp. majoré).
Par définition, on autorise les minorants ou les majorants, à être infinis. Se pose la question
de savoir si l’infimum (resp. le supremum) est infini. La réponse à cette question est donnée par
la proposition suivante.
8 0.3. Notions de minimum, maximum, infimum, supremum
Nous avons parlé d’infimum et de supremum, nous les relions maintenant aux définitions
classiques de minimum et de maximum.
Exercice 0.3.1 Donner les infimum, supremum, minorants, majorants de E =]0, 1].