Algèbre linéaire et matrice Ce chapitre est destiné à introduire les notions de base d’algèbre linéaire afin de comprendre l’environnement (2D et 3D) nécessaire pour l’infographie I. L’espace vectoriel IRn, n ∈ IN* 1.Définition def : on définit IRn par : IR*IR*IR*…*IR on a IRn = {(x1,…xn) (x1 ∈ IR, …, xn ∈ IR)} exemple : 1) n = 2 IR² = {(x,y) tel que x et y appartiennent à IR} IR² : ensemble des vecteurs à 2 composantes donc IR² : plan vectoriel 2) n = 3 IR3 = {(x,y,z) tel que x, y et z appartiennent à IR} IR3 : ensemble des vecteurs à 3 composantes donc IR3 : espace 3D Remarque : - (0,0) ∈ IR² (0,0,0) ∈ IR3 (1,2,3) ∈ IR3 … On peut aussi noter les composantes des vecteurs en vertical. 0 1 (00) , 0, 2, … 0 3 def 2 : Un espace vectoriel est considéré comme un ensemble de vecterus (contenant le vecteur nul) muni de 2 lois : + et . IRn est un IR espace vectoriel tel que : 1) pour tout (x,y) appartenant à IRn * IRn, x+y appartient à IRn 2) pour tout (alpha, y) appartenant ) IRn*IRn, alpha.x appartient à IRn Ex : 1) x y x+y 2) Remarques : il existe d’autres espaces vectoriels =/= IRn tels que : 1) l’ensemble des applications de IR dans IR 2) l’ensemble des suites réelles (applications de IN dans IR) 3) l’ensemble des polynomes à coefficient réel … 2. Famille libre, génératrice. Bases def 1 : soit E un IR –ev (espace vectoriel) On dit que la famillle (a1, , an) de vecteurs de E, (avec a1 appartient E, …, an appartient à E) est une famille libre si : - il n’existe aucun lien linéaire entre tous les vecteurs a1, …, an exemple : 1) pour IR² ((12), (23) ) est-ce une famillle libre ? soit k ∈ IR le lien éventuel (12) = k (23) 1 = 2𝑘 { 2 = 3𝑘 𝑘 = 1/2 { 𝑘 = 2/3 absurde pas de lien libre La liberté dans le plan c’est la non colinéarité 2) ((−2 ), (−5 )) 5 10 soit k ∈ IR tel que : 2 (−5 ) = 𝑘 (−4 ) 10 𝑘 = 1/2 2 = −4𝑘 { { OK 𝑘 = −1/2 −5 = 10𝑘 1 2 donc (−5 ) = − 2 (−4 ) 10 colinéarité non libre : la famille est lié 3) plus de deux vecteurs de IR² forment une famille liée u = mw + kv (lien linéaire) on dit aussi que 𝑢 ⃗ est combinaison linéaire de 𝑤 ⃗⃗ et 𝑣 4) dans IR3 1 0 ((2) , (1)) : libre 3 2 1 −2 1 ((−2) , ( 4 )) : liée : = -2 (−2) 3 6 3 1 3 1 ((2) , (4) , ( 0)) 3 6 1 soit (x,y) ∈ IR² 1 3 1 (2) = 𝑥 (4) + 𝑦 (0) 3 6 1 1 = 3𝑥 + 𝑦 { 2 = 4𝑥 3 = 6𝑥 + 𝑦 1 𝑥=2 {𝑦 = 1 − 3 = − 1 2 2 𝑦 = 3−3=0 donc famille libre plus de 3 vecteurs de IR3 forment une famille liée def 2 : autre définition de la lierté d’une famille de vecteurs. Soit E : IR –ev la famille (a1, .., an) est libre de E si pour tout (alpha1, …, alphan) ∈ IR n ∑𝑛𝑖=1 𝑎𝑙𝑝ℎ𝑎𝑖 𝑎𝑖 = 0 => alpha1 = …= alphan = 0 ex : 1 3 1) (( ) , ( )) 2 4 soit (alpha, beta) ∈ IR² tel que 1 3 0 alpha ( ) + 𝑏𝑒𝑡𝑎 ( ) = ( ) 2 4 0 𝑎𝑙𝑝ℎ𝑎 + 3𝑏𝑒𝑡𝑎 = 0 { 2𝑎𝑙𝑝ℎ𝑎 + 4𝑏𝑒𝑡𝑎 = 0 −2𝑏𝑒𝑡𝑎 = 0 { alpha = beta = 0 𝑎𝑙𝑝ℎ𝑎 = 0 donc c’est libre 2) 1 3 5 ((2) , (−4) , (0)) 3 1 7 soit (alpha, beta, gamma) ∈ IR3 tel que 1 3 0 5 𝑎𝑙𝑝ℎ𝑎 (2) + 𝑏𝑒𝑡𝑎 (−4) + 𝑔𝑎𝑚𝑚𝑎 (0) = (0) 3 1 0 7 𝑎𝑙𝑝ℎ𝑎 + 3𝑏𝑒𝑡𝑎 + 5𝑔𝑎𝑚𝑚𝑎 = 0 2𝑎𝑙𝑝ℎ𝑎 − 4 𝑏𝑒𝑡𝑎 = 0 { 3𝑎𝑙𝑝ℎ𝑎 + 𝑏𝑒𝑡𝑎 + 7𝑔𝑎𝑚𝑚𝑎 = 0 𝑎𝑙𝑝ℎ𝑎 = 2 𝑏𝑒𝑡𝑎 {5 𝑏𝑒𝑡𝑎 + 5 𝑔𝑎𝑚𝑚𝑎 = 0 7𝑏𝑒𝑡𝑎 + 7𝑔𝑎𝑚𝑚𝑎 = 0 { 𝑎𝑙𝑝ℎ𝑎 = 2 𝑏𝑒𝑡𝑎 𝑔𝑎𝑚𝑚𝑎 = −𝑏𝑒𝑡𝑎 Non libre car pour beta = 1 par ex, on a alpha = 2 et gamma = -1 definition 3 : combinaison linéaire de vecteurs Soit a1, …, an des vecteurs de E : IR –ev. On dit que x ∈ E est combinaison liéaire de a1, …, an si : x = ∑𝑛𝑖=1 𝑎𝑙𝑝ℎ𝑎𝑖 𝑎𝑖 , alpha1, …, alphan ∈ IR ex : −6 ( 2 ) 𝑒𝑠𝑡 𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑖𝑠𝑜𝑛 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 8 7 −2 1 de (2) 𝑒𝑡 ( 0 ) 7 1 2 7 − −6 1 2 ( 2 ) = (2) + 2 ( 0 ) 7 8 1 2 def4 : Famille génératrice Soit (a1, …, an) famille de vecteurs de E : IR –ev On dit que (a1, …, an) est génératrice de E si elle engendre tout vecteur de E. 𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑖𝑠𝑜𝑛 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 C'est-à-dire E = { 𝑑𝑒𝑠 𝑣𝑒𝑐𝑡𝑒𝑢𝑟𝑠 (a1, … , an) = ∑𝑛𝑖=1 𝑎𝑙𝑝ℎ𝑎𝑖 𝑎𝑖 , alpha1 ∈ IR, …, alphan ∈ IR = vect {a1, …, an} 1 0 ex : (( ) , ( )) famille génératrice de IR² 0 1 𝑥 soit (𝑦) ∈ 𝐼𝑅² quelconque 𝑥 1 0 on a (𝑦) = 𝑥 ( ) + 𝑦 ( ) 0 1 1 0 IR² = vert{( ) , ( )} 0 1 1 2 2) (( ) , ( )) 2 3 𝑥 soit (𝑦) ∈ 𝐼𝑅² 𝑞𝑢𝑒𝑙𝑐𝑜𝑛𝑞𝑢𝑒 on pose (alpha, beta) ∈ IR² tel que 𝑥 1 2 (𝑦) = 𝑎𝑙𝑝ℎ𝑎 ( ) + 𝑏𝑒𝑡𝑎 ( ) 2 3 𝑥 = 𝑎𝑙𝑝ℎ𝑎 + 2𝑏𝑒𝑡𝑎 { 𝑦 = 2𝑎𝑙𝑝ℎ𝑎 + 3𝑏𝑒𝑡𝑎 𝑦 − 2𝑥 = −𝑏𝑒𝑡𝑎 { 𝑎𝑙𝑝ℎ𝑎 = 𝑥 𝑏𝑒𝑡𝑎 = 2𝑥 − 𝑦 { 𝑎𝑙𝑝ℎ𝑎 = 𝑥 − 2(2𝑥 − 𝑦) = −3𝑥 + 2𝑦 on a 𝑥 1 2 (𝑦) = (−3𝑥 + 2𝑦) ( ) + (2𝑥 − 𝑦) ( ) 2 3 =( −3𝑥 + 2𝑦 + 4𝑥 − 2𝑦 ) −6𝑥 + 4𝑦 + 6𝑥 − 3𝑦 3) IR² ne peut être engendrée par un vecteur 4) IR3 ne peut être engendrée par 2 vecteurs def 5 : Bases Une base d’un IR –ev est un famille libre et génératrice 3. Dimension d’un espace vectoriel def : soit E un IR ev muni d’une base finie B . la dimension de E est le nombre de vecteurs de B à savoir : dimension de E = card B ex : 1) dim IR² = 2 2) dim IR = 1 3) dim IR n = n 𝑥 4) soit P = { (𝑦) , 𝑥 ∈ 𝐼𝑅, 𝑦 ∈ 𝐼𝑅 } 0 P : le plan de z=0 de IR3 c’est un sous-espace vectoriel de IR3 1 0 dim P = 2 car ((0) , (1)) base de P 0 0 𝑥 5) soit D = {(0) , 𝑥 ∈ 𝐼𝑅} 𝑥 1 dim D = 1 car ((0)) base de D . 1 𝑥 𝑦 ex : Q = {( ) ∈ 𝐼𝑅 4 𝑡𝑒𝑙 𝑞𝑢𝑒 𝑥 = 𝑧 𝑒𝑡 𝑦 = −𝑡 𝑧 𝑡 𝑥 −𝑡 = {( ) ∈ 𝐼𝑅 4 , 𝑥 ∈ 𝐼𝑅, 𝑡 ∈ 𝐼𝑅 𝑥 𝑡 1 0 0 −1 = {𝑥 ( ) + 𝑡 ( ) 1 0 0 1 1 1 0 0 0 −1 0 −1 = vect {( ) , ( ) {( ) , ( ) est génératrice de Q 1 0 1 0 0 1 0 1 1 1 0 0 0 −1 0 −1 ( ) 𝑒𝑡 ( ) sont non colinéraires, donc {( ) , ( ) libre 1 0 1 0 0 1 0 1 1 0 0 −1 condition ( ) , ( ) base de Q 1 0 0 1 donc dim Q = 2 propriété : Soit (a1, …, an) famille de vecteurs de E : Irev On fixe dim E = n = card (a1,…, an) Alors il y a équivalence de : 1 (a1,…, an) libre de E 2 (a1,…, an) génératrice de E 3 (a1,…, an) base de E ex : 𝑥 Q = {𝑦 ∈ 𝐼𝑅 3 𝑡𝑒𝑙 𝑞𝑢𝑒 𝑥 + 𝑦 + 𝑧 = 0 𝑧 𝑥 = {𝑦 ∈ 𝐼𝑅 3 𝑧 = −𝑥 − 𝑦 𝑧 𝑥 = {𝑦 ∈ 𝐼𝑅 3 𝑥 ∈ 𝐼𝑅, 𝑦 ∈ 𝐼𝑅 𝑧 1 0 Q = {𝑥 ( 0 ) + 𝑦 ( 1 ) , 𝑥 ∈ 𝐼𝑅, 𝑦 ∈ 𝐼𝑅 −1 −1 1 0 =vect {( 0 ) , ( 1 ) , −1 −1 1 0 (( 0 ) , ( 1 )) génératrice de Q −1 −1 1 0 donc (( 0 ) , ( 1 )) base de Q −1 −1 II. Les matrices : définitions + opérateurs 1.Définitions Def : On appelle matrice n lignes p colonnes à coefficients dans IR toute application IRn * IRp IR qui se note (aij) 1≤𝑖≤𝑛 , 𝑎𝑖𝑗 ∈ 𝐼𝑅 1≤𝑗≤𝑝 on note la matrice A par : A = (aij) 1≤𝑖≤𝑛 1≤𝑗≤𝑝 𝑎1 = (𝑎𝑛 1 𝑎1𝑝 𝑎𝑛𝑝 ) remarque : 1) Dans la notation (aij) 1≤𝑖≤𝑛 1≤𝑗≤𝑝 i : indice des lignes j : indice des colonnes 𝑎1𝑗 2) pour 𝑗 ∈ [[1, 𝑝]], ( ⋮ ) 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑒 𝑎𝑛𝑗 le jième vecteur colonne de A pour i ∈ [[1, 𝑛]], (ai1, …, aip) représente le iième vecteur ligne de A. [[𝑎, 𝑏]] = { 𝑥 ∈ 𝑍𝑍 𝑡𝑒𝑙 𝑞𝑢𝑒 𝑎 ≤ 𝑥 ≤ 𝑏} 3) Si n =p, on dit que le matrice A est carrée 4) Une matrice possède n lignes et p colonne se nomme aussi matrice nxp ou matrice typ (n,p). 5) l’ensemble des matrices nxp à coefficients dans IR se note Mn1p(IR) si n=p, il se note Mn(IR) ex : 1 2 3 1) A = (5 −7 10) ∈ 𝑀3 (𝐼𝑅) 1 −1 2 2 1 2) B = (0 −1) ∈ 𝑀3,2 (𝐼𝑅) 2 1 3) 𝐶 = (1 0 −1 4) ∈ 𝑀1,4 (𝐼𝑅) 1 0 2 4 4) D= (0 1 −1 0) ∈ 𝑀3,4 (𝐼𝑅) 1 −1 3. 4 = (dij) 1≤𝑖≤3 d12 = 0, d32 = -1 1≤𝑗≤4 propriété : L’ensemble Mn,p (IR) est sur IR –ev de dimensions n*p En effet 𝑎11 soit A = ( ⋮ 𝑎𝑛1 ⋯ ⋯ 𝑎1𝑝 ⋮ ) ∈ 𝑀n,p (IR) 𝑎𝑛𝑝 donc Mn,p (IR) = vect {E11, E12, …, E21, …, Enp} de plus , (E11, E12, …, E21, …, Enp) libre donc (E11, E12, …, E21, …, Enp) base de Mn,p (IR) conclusion dim Mn,p (IR) = n*p 2. Opérations élémentaires a.Somme La somme de 2 matrices n’est possible que si elles ont le même nimlbre de lignes et le même nombre de colonnes. A = (aij) 1≤𝑖≤𝑛 ∈ Mnp(IR) 1≤𝑗≤𝑝 B = (bij) 1≤𝑖≤𝑛 ∈ Mnp(IR) 1≤𝑗≤𝑝 Alors A+B = (aij + bij) 1≤𝑖≤𝑛 1≤𝑗≤𝑝 1 2 ex : ( −1 0 3 0 1 )+( 1 −3 1 2 1 3 )=( −4 −4 1 5 ) −3 1 2 3 1 2 ( )+ ( ) , 𝑎𝑏𝑠𝑢𝑟𝑑𝑒 −1 1 0 −1 0 1 2 1+( ) , 𝑎𝑏𝑢𝑟𝑑𝑒 3 4 b. Produit matrices / scalaires principe : multiplier chacune des composants de la matrice par le scalaire. Soit A ∈ Mn,p (IR) et 𝜆 ∈ IR On pose A = (aij) 1≤𝑖≤𝑛 1≤𝑗≤𝑝 𝜆𝐴 = (𝜆aij) 1≤𝑖≤𝑛 1≤𝑗≤𝑝 1 −1 2 −3 3 −6 ex : -3( )=( ) 1 4 −1 −3 −12 3 c.Produit de matrices Soit A∈ M n,p (IR) , B ∈ Mq,m (IR) Le produit A × B existe ssi p = q principe : on distribue les lignes de A avec les colonnes de B On pose A = (aij) 1≤𝑖≤𝑛 , B = (bij) 1≤𝑖≤𝑝 1≤𝑗≤𝑝 𝑏11 ( ⋮ 𝑏𝑝1 ⋯ 𝑎11 ⋮ 𝑎𝑖1 ⋮ (𝑎𝑛1 ⋯ … … ⋯ 𝑏1𝑗 … ⋮ 𝑏𝑝𝑗 … 1≤𝑗≤𝑛 𝑏1𝑛 ⋮ ) 𝑏𝑝𝑛 𝑎1𝑝 ⋮ 𝑎𝑖𝑝 ⋮ 𝑎𝑛𝑝) 𝑝 (∑ 𝑎𝑖𝑘 − 𝑏𝑘𝑗 ) 𝑘=1 Ex : Calculer A * B 1 2 0 1) A = (−1 2 1) 1 1 1 1 −2 B = (2 1 ) 3 0 5 = (6 6 0 4) −1 1*1+2*2+3*0 1 2 2) 𝐴 = ( −1 2 3 ) 1 1 𝐵 = (2) 0 5 =( ) 3 3) A = (1 2 1 0 3 4) B = ( ) = (5) 0 1 1 4) A = (2) B = (1 3 1 0 AB = (2 0 3 0 0 1 0 2) 0 3 0 0 1) 5) Absurde car A a 3 colonnes B a 2 lignes Propriété 1 : Soit 𝐴 ∈ Mn,p (IR) B ∈ Mn,p (IR) C ∈ Mn,p (IR) Alors A*(B*C) = (A*B)*C le produit est associatif Propriété 2 : Soit 𝐴 ∈ Mn,p (IR) 𝐵 ∈ Mp,q (IR) Alors A(B+C) = AB + BC Le produit est distributif sur l’addition Attention : Le produit n’est pas, général, commutatif c'est-à-dire si A,B ∈ Mn (IR) 1 1 0 1 En effet, avec A = ( ), B = ( ) 2 1 −1 −1 −1 0 AB = ( ) −1 1 2 1 BA = ( ) −3 2 Autre ex : A, B ∈ Mn (IR) (A+B) ² =/= A² + 2AB + B² (A+B)(A+B) = A² + AB + BA + B² 3. Tranposée de matrices def : Soit A = (aij) 1≤𝑖≤𝑛 ∈ Mn,p (IR) 1≤𝑗≤𝑝 On définit la transposée de A par tA telle que : t A = (bij) 1≤𝑖≤𝑛 , bij = aij 1≤𝑗≤𝑝 Elle est obtenue en échangeant les lignes avec les colonnes de A ex : Calcul tA avec 1 0 3 t ), A = (2 1) 0 3 0 1 2 1) A = ( 0 1 1 2) A = (2), tA = (1 3 2 3) Propriété : Soit A,B ∈ Mnp (IR) 1) t(A+B) = tA + tB 2) t(alpha A) = alpha tA 3) t(tA) = A Propriété : Soit A ∈ Mnp (IR) , B ∈ Mpq (IR) t (AB) = tA . tB 0 ex : Soit A = ( 2 1 ), B ∈ M2 (IR) 3 1 −1 Donner B tel que t(AB) = ( ) 2 1 𝑎 On pose B = ( 𝑐 1 or t(AB) = ( 2 1 AB = t( 2 𝑏 ) 𝑑 −1 ) 1 −1 ) 1 1 2 AB = ( ) −1 1 0 1 𝑎 ( ) *( 2 3 𝑐 𝑐 =( 2𝑎 + 3𝑐 𝑏 ) 𝑑 𝑑 ) 2𝑏 + 3𝑑 𝑐 = 1, 𝑑 = 2 { 2𝑎 + 3𝑐 = −1, 2𝑏 + 3𝑑 = 1 { 𝑐 = 1, 𝑑 = 2 5 𝑎 = −2, 𝑏 = − 2 5 Donc B = (−2 − 2) 1 2 4. Inversion de matrices prop : Soit A,B ∈ Mn(IR) A et B inversibles Alors A.B inversibles ou a (AB)-1 = B-1A-1 propriété2 : Soit A ∈ Mn (IR) A inversible (tA) -1 = t(A-1) (A-1) -1 = A Cela n’est possible que pour les matrices carrées définition : Soit A ∈ Mn (IR) On dit que A est inversible si : il existe B ∈ Mn (IR) A.B = B.A = In 1 On note In = ( 0 ) : matrice identitée n * n ⋱ 0 1 Dans ce cas, on note B par A-1 l’inverse de A Utilité en infographie : permet de revenir à la position initiale Méthode de calcul : 1ère version A ∈ Mn (IR) 𝑦1 On fixe Y ∈ IR un vecteur quelconque Y = ( ⋮ ) 𝑦𝑛 n On dit que A est irreversible so 𝑥1 il existe un X = ( ⋮ ) ∈ 𝐼𝑅 n unique solution 𝑥𝑛 du système : 𝑦1 = 𝑎11 𝑥1 + ⋯ + 𝑎1𝑛 𝑥𝑛 ⋮ S:{ 𝑦𝑛 = 𝑎𝑛1 𝑥1 + ⋯ + 𝑎𝑛𝑛 𝑥𝑛 𝑎11 𝑦1 (S) ( ⋮ ) = ( ⋮ 𝑦𝑛 𝑎𝑛1 ⋯ ⋯ 𝑎1𝑛 𝑥1 ⋮ )( ⋮ ) 𝑎𝑛𝑛 𝑥𝑛 X unique A-1Y= X Ex : Inversement A 1 1 1) A = ( ) −1 2 1) 𝑦1 Soit Y = (𝑦 ) ∈ 𝐼𝑅² 2 𝑥1 On cherche X = (𝑥 ) ∈ 𝐼𝑅² 2 (en fonction de Y) tant que Y = AX 𝑦1 1 1 𝑥1 (𝑦 ) = ( )( ) −1 2 𝑥2 2 { 𝑦1 = 𝑥1 + 𝑥2 𝑦1 + 𝑦2 = 3𝑥2 2 1 𝑥1 = 𝑦1 − 𝑥2 = 3 𝑦1 − 3 𝑦2 { 1 1 𝑥2 = 𝑦1 + 𝑦2 3 3 donc A est inversible, on a : 2 1 3 1 3 2 𝑦1 − 3 𝑦2 𝑥1 (𝑥 ) = (31 ) 1 2 𝑦 + 𝑦 𝑦1 1 2 −1 = 3( ) (𝑦 ) 1 1 2 X = A-1 Y Vérification 1 2 2) A = (1 1 0 1 −1 1) 1 𝑦1 Soit Y = (𝑦2 ) ∈ 𝐼𝑅 3 𝑦3 𝑥1 On cherche X 𝑋 = (𝑥2 ) ∈ IR3 𝑥3 Y = AX 𝑦1 = 𝑥1 + 2𝑥2 − 𝑥3 { 𝑦2 = 𝑥1 + 𝑥2 + 𝑥3 𝑦3 = 𝑥2 + 𝑥3 𝑦2 − 𝑦3 = 𝑥1 {𝑦1 + 𝑦2 = 2𝑥1 + 3𝑥2 𝑦3 = 𝑥2 + 𝑥3 𝑥1 = 𝑦2 − 𝑦3 {3𝑥2 = 𝑦1 + 𝑦2 − 2(𝑦2 − 𝑦3) 𝑥3 = 𝑦3 − 𝑥2 𝑥1 = 𝑦2 − 𝑦3 1 { 𝑥2 = 3 (𝑦1 − 𝑦2 + 2𝑦3) 1 𝑥3 = 3 (−𝑦1 + 𝑦2 + 𝑦3) 0 1 −1 𝑦1 𝑥1 1 1 2 − (𝑥2) = ( 3 3 3 ) (𝑦2) 1 1 1 𝑦3 𝑥3 −3 3 3 0 3 −3 1 A-1 = ( 1 −1 2 ) 3 −1 1 1 Vérification 0 3 −3 ( 1 −1 2 ) −1 1 1 1 1 𝐴. 𝐴-1 = 3 (1 0 2 −1 1 0 1 1 ) (0 1 1 1 0 0 0 0) 1 5. Déterminant de matrices Valable uniquement pour les matrices carrés Soit A ∈ Mn (IR) , A = (aij) 1≤𝑖≤𝑛 def 1 : développement suivant une colonne j ∈ [[1, 𝑛]] det A = ∑𝑛𝑖=1(−1)i+j . aij . ∆i,j def2 : développement suivant une ligne i ∈ [[1,n]] det A = ∑𝑛𝑗=1(−1)i+j aij ∆ij on définit ∆ij : déterminant dela sous-matrice de A obtenue en supprimant la ième ligne et la jième colonne. def 1 et 2 : Calcul récursif du déterminant qui devient vite couteux. (d’autres méthodes existent pour l’analyse matricielle). La condition d’arrêt de ce traitement est le calcul du déterminant d’une matrice 2x2 𝑎 ( 𝑐 𝑏 ) = 𝑎𝑑 − 𝑏𝑐 𝑑 Ex : Calcul de |A| 1 0 1) A = (2 1 0 1 −1 1) 1 0 1 2) A = (4 1 6 0 −1 1) 3 1 0 1) |A| = |2 1 0 1 1 1 0 = 1.| | -2 | 1 1 1 −1 1| 1 −1 |+0 1 = 0 – 2 + 0 = -2 3) Calculer 1 2 3 |A| = |−2 4 5| −1 1 3 |A| = 1 . | 2 4 5 | - (-2) | 1 1 3 3 2 |+ (-1) | 3 4 3 | 5 = 3*4 – 5+2(2*3 – 3) – (2*5 – 4*3) =7+6+2 = 15 Utilité : 2D : 𝑎 𝑐 soit 𝑢 ⃗ ( ) 𝑣( ),𝑢 ⃗ 𝑛𝑜𝑛 𝑝𝑎𝑟𝑎𝑙𝑙è𝑙𝑒𝑠 𝑏 𝑑 det (𝑢 ⃗ 𝑣 ) = aire algébrique du parallélogramme défini par 𝑢 ⃗ 𝑒𝑡 𝑣 |det (𝑢 ⃗ 𝑣 )| = aire du parallélogramme 𝑎 𝑐 | | = ad – bc 𝑏 𝑑 si 𝑢 ⃗ // 𝑣 n’existe pas det (𝑢 ⃗ 𝑣) = 0 en 3D : 𝑥3 𝑥1 𝑥2 soit 𝑢 ⃗ (𝑦1) 𝑣 (𝑦2) 𝑤 ⃗⃗ (𝑦3) 𝑧3 𝑧1 𝑧2 𝑢 ⃗ , 𝑣, 𝑤 ⃗⃗ non coplanaires det (𝑢 ⃗ , 𝑣, 𝑤 ⃗⃗ ) = volume algébrique du parallélépipède engendré par 𝑢 ⃗ , 𝑣, 𝑤 ⃗⃗ |𝑑𝑑(𝑢 ⃗ 𝑣𝑤 ⃗⃗ )| = 𝑣𝑜𝑙𝑢𝑚𝑒 𝑑𝑢 𝑝𝑎𝑟𝑎𝑙𝑙é𝑙é𝑝𝑖𝑝è𝑑𝑒 Si 𝑢 ⃗ , 𝑣, 𝑤 ⃗⃗ sont co-planaires alors le parallélépipède n’existe pas. det (𝑢 ⃗ 𝑣𝑤 ⃗⃗ ) = 0 Conclusion : le calcul du déterminant de plusieurs vecteurs permet de savoir si la famille constituée de ces vecteurs est libre ou liée Cad : 𝑎1𝑖 si (a1, …, an) famille de vecteurs de IR ai = ( ⋮ ) 𝑎𝑛𝑖 (a1, …, an) libre de IRn (a1, …, an) base de IRn 𝑎11 | ⋮ 𝑎𝑛1 … ⋯ 𝑎1𝑛 ⋮ | 𝑎𝑛𝑛 propriété : 𝑎11 soit A = ( ⋮ 𝑎𝑛1 𝜆 ∈ 𝐼𝑅 … ⋯ 𝑎1𝑛 ⋮ ) ∈ 𝑀𝑛 (𝐼𝑅) 𝑎𝑛𝑛 on a : 1) |𝐶1 … 𝜆𝐶𝑖 … 𝐶𝑛| = 𝜆|𝐶1 … 𝐶𝑛| 2) |𝐶1 … 𝐶𝑖 + 𝐶𝑖 ′ … 𝐶𝑛| = |𝐶1 … 𝐶𝑖 … 𝐶𝑛| + |𝐶1 … 𝐶𝑖 ′ … 𝐶𝑛| ex : 1 |4 6 2 3 1 4 5| = 2 |4 6 7 6 1 |4 7 2 3 1 5 6| = |4 8 9 7 1 3 2 1 2 5| = | 8 2 3 7 12 3 1 3 1 1 1 6| + |4 4 1 9 7 7 3 5| 7 3 6| 9 Propriété : 1) Le déterminant d’une matrice constituée d’une ligne (ou d’une colonne) de 0 est nul 2) Si l’on échange lignes (ou 2 colonnes) d’une matrice, son déterminant est multiplié par -1 ex : 1 |4 7 2 3 4 5 = − | | 5 6 1 2 8 9 7 8 7 8 6 = | | 1 2 3 4 5 9 9 3| 6 3) Si l’une des lignes (ou l’une des colonnes) est combinaison linéaire des autres lignes (ou autres colonnes) . Alors la famille de vecteurs lignes (ou colonnes) constituant la matrice est liée, donc son déterminant est nul. 4) On ne change pas le déterminant d’une matrice en ajoutant à une ligne (ou une colonne) une combinaison linéaire des autres lignes (ou des autres colonnes) prop : Soit A ∈ Mn (IR), 𝜆 ∈ 𝐼𝑅 1) |A| = |tA| 2) | 𝜆𝐴| = 𝜆n|A| 3) A inversible |A| =/= 0 1 dans ce cas, on a : |A-1| = |𝐴| prop : Soit 𝐴 ∈ Mn (IR) Si A est inversible, 1 on a A-1 = |𝐴| ∗ tcom(A) explication : com(A) = co-matrice de A = matrice des co-facteurs de A com(A) = (𝐶𝑖𝑗)1≤𝑖,𝑗≤𝑛 Cij : co-facteurs tant que : Cij = (-1)i+j.∆ij Ex : Inverser A : 1 −1 2 1) A = (1 1 −1) 2 1 −1 1 −1 −1 2 −1 2 |A| = | |− | |+ 2| | 1 −1 1 −1 1 −1 = 0 + 1 – 2 = -1 ≠ 0 donc A inversible 1 −1 1 −| | | 1 −1 2 −1 2 1 com A = − | | | 1 −1 2 −1 2 1 ( | 1 −1| − |1 −1 1 1 | | | −1 2 1 2 1 −1 | −| | −1 2 1 2 1 −1 | | | −1 1 1 ) 0 −1 −1 = ( 1 −5 −3) −1 3 2 0 −1 −1 0 −1 1 conclusion : A-1 = -1 * t( 1 −5 −3) = (1 5 −3) −1 3 2 1 3 −2 Vérification : 0 −1 1 (1 5 −3) 1 3 −2 1 −1 2 1 0 A.A-1 = (1 1 −1) (0 1 2 1 −1 0 0 0 0) 1 −1 1 2 2) A = ( 2 0 1) 1 −1 1 0 1 1 2 1 |A| = -1| | − 2| |+ | −1 1 −1 1 0 2 | = 1 – 6 + 1 = -6 =/= 0 => A inv 1 0 1 2 −1 2 0 | | −| | | | −1 1 1 1 1 −1 1 2 −1 2 −1 1 com A = − | | | | −| | −1 1 1 1 1 −1 1 2 −1 2 −1 1 −| | | | ( |0 1| 2 1 2 0) 1 −1 −2 = (−3 −3 0 ) 1 5 −2 1 −3 1 1 Donc A-1 = − 6 (−1 −3 5 ) −2 0 −2 Vérif : 1 −3 1 (−1 −3 5 ) −2 0 −2 −1 1 2 1 0 0 1 AA-1 = - 6 ( 2 0 1) ( 0 1 0) 1 −1 1 0 0 1