Professional Documents
Culture Documents
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)=(\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 =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]
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 ,
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
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
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
, posons
r =
bAx
. On appelle
r le vecteur des carts associ
x .
Si (*) est un sys. compatible, et si
r =0 .
Si (*) est un sys. incompatible, donc, si
b C( A) , on aura
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
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
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/)