Professional Documents
Culture Documents
htm
Vous avez toute libert pour tlcharger, imprimer, photocopier ce cours et le diffuser gratuitement. Toute diffusion
titre onreux ou utilisation commerciale est interdite sans accord de l'auteur.
Si vous tes le gestionnaire d'un site sur Internet, vous avez le droit de crer un lien de votre site vers mon site,
condition que ce lien soit accessible librement et gratuitement. Vous ne pouvez pas tlcharger les fichiers de mon site
pour les installer sur le vtre.
MATRICES
PLAN
I : Matrice associe une application linaire
1) Dfinition
2) Somme de matrices
3) Produit par un scalaire
4) Produit de matrices
5) Rang d'une matrice
II : Anneau des matrices carres
1) Dfinition
2) Matrice identit
3) Matrices particulires
Matrices scalaires
Matrices diagonales
Matrices triangulaires
Matrices nilpotentes
Matrices inversibles
III : Transposition
1) Dfinition
2) Proprits
3) Matrices symtriques et antisymtriques
IV : Changement de bases
1) Dfinition
2) Expression d'un vecteur
3) Applications linaires
4) Annexe : composition des vitesses et des acclrations
V : Rsolution de systmes
1) Mthode de Gauss
2) Rang d'un systme
3) Ensemble des solutions
4) Inversion de matrices
Annexe : utilisation des matrices en physique
1) Matrice d'inertie
2) Rseaux de conducteurs lectriques
3) Quadriples
4) Electrostatique
5) Inductance mutuelle
6) Polarisation
7) Optique matricielle
8) Transformation de Lorentz
-1-
1 Dfinition
Soit E un espace vectoriel de dimension finie p et F un espace vectoriel de dimension finie n. On
choisit une base (ej)j=1..p de E et (i)i=1..n. Dans cette base, un vecteur x de E s'crit xjej. Son image
f(x) s'crit yii. f est dfinie si l'on connat les images des ej.
n n p p
Posons f(ej) = aiji. On a alors f(x) = aij xj i de sorte que yi = aij xj, ce qu'on note de la faon
i=1 i=1 j=1 j=1
suivante :
yy12 aa2111 aa2212 ... a2p x2 a21 x1 + a22 x2 + ... + a2p xp
... a1p x1 a11 x1 + a12 x2 + ...+ a1p xp
n ( ). On notera que les vecteurs sont en colonnes. Une ligne (a1 a2 ... ap) s'interprte comme la
p
matrice de la forme linaire x aixi.
i=1
2 Somme de matrices
On souhaite dfinir sur np( ) une somme de sorte que ( np( ),+) soit isomorphe (L(E,F),+).
Pour cela, il suffit de trouver quelle matrice associer f+g, f et g tant deux applications linaires de
matrices A et B. Notons aij et bij les termes gnraux des matrices M et N. On a :
n
f(ej) = aiji
i=1
n
g(ej) = biji
i=1
n
(f+g)(ej) = (aij + bij)i
i=1
Ainsi A+B = C avec cij = aij + bij. Autrement dit, on ajoute les coefficients de mme place.
-2-
n
f(ej) = aij i
i=1
ou encore ij(ek) = jk i o jk = 1 si j = k
= 0 sinon (symbole de Kronecker)
4 Produit de matrices
Soit E de dimension q de base (ei)i=1..q, F de dimension p de base (k)k=1..p, G de dimension n de base
(j)j=1..n. Soit f une application linaire de E dans F, de matrice B, lment de pq(
) ; Soit g une
application linaire de F dans G, de matrice A, lment de ( ). Soit C la matrice lment de
np
p
= bkj g(k)
k=1
p n
= bkj ( aik i )
k=1 i=1
n p
= aik bkj i
i=1 k=1
p
La ime composante de g o f(ej) est donc aik bkj . Or cette composante n'est autre que le terme (i,j)
k=1
p
de la matrice produit. Ainsi : (AB)ij = aik bkj
k=1
-3-
... ...
an1 an2 ... anp
Exemple : Soit f : E2 F3 et g : F3 G4
e1 21+2 1 1+2
e2 13 2 34
3 122+4
2 1
La matrice de f est 1 0
0 1
11 00 21
La matrice de g est 0 1 0
0 1 4
La matrice de g o f est :
2 1
1 0
0 1
11 00 21 22 03
0 1 0 1 0
0 1 4 1 4
Ainsi, g o f(e1) = 21 + 22 + 3 4
g o f(e2) = 32 44.
On remarquera que chercher l'image d'un vecteur de composantes X par l'application de matrice A
consiste exactement effectuer le produit AX lorsque X est considr comme matrice une colonne.
Lorsqu'on applique ce rsultat au jme vecteur de base, on retrouve videmment la jme colonne.
-4-
1 Dfinition
On note n( ) l'ensemble des matrices carres n lignes et n colonnes. Il s'agit des matrices
associes aux endomorphismes d'un espace vectoriel de dimension n, dans une base donne.
( n( ),+, ) est un anneau. On prendra garde que AB peut tre nul alors que ni A ni B n'est nul (on
dit que l'anneau n'est pas intgre), et que AB est en gnral diffrent de BA (on dit que l'anneau n'est
pas commutatif).
1 0 0 0 0 0
NON INTEGRITE : 0 0 0 1 = 0 0
1 1 0 2 1 3 0 2 1 1 4 6
NON COMMUTATIVITE : 2 3 1 1 = 3 7 mais 1 1 2 3 = 3 4
En particulier, (A+B)2 A2 + 2AB + B2 sauf si A et B commutent.
2 Matrice identit
Elle est associe l'application identique. Cette correspondance ne dpend pas de la base choisie. La
matrice identit est le neutre du produit des matrices et vaut :
10 01 00 ...
... 0
0
0 0 1 ... 0
... ...
0 0 0 ... 1
de terme gnral ij (symbole de Kronecker) et note I ou In si l'on veut prciser le nombre de lignes.
On pourra vrifier directement, en utilisant la dfinition du produit de matrices, que si A est lment
de np( ), alors :
InA = AIp = A
3 Matrices particulires
a) Matrices scalaires :
Ce sont les matrices de la forme I. Tous les termes sont nuls sauf sur la diagonale, o ils sont tous
gaux entre eux. Ce sont les matrices associes aux homothties. Elles forment un sous-anneau de
n( ), isomorphe .
b) Matrices diagonales :
Ce sont les matrices dont tous les termes sont nuls en dehors de la diagonale. Ceux de la diagonale
sont quelconques : i j aij = 0.
-5-
A = 0 0 a3 ... 0
... ...
0 0 0 ... an
Elles forment un sous-anneau de ! n ( " ) isomorphe # n
(o l'on dfinit alors un produit
composante par composante).
c) Matrices triangulaires :
On traitera des matrices triangulaires suprieures, le cas des matrices triangulaires infrieures se
traitant de manire analogue. Elles sont de la forme :
a011 aa1222 aa1323 ...
... a2n
a1n
i > k et bkj = 0 pour k > j. Comme i > j, pour chaque k, il existe l'un des deux termes aik ou bkj qui est
nul.
d) Matrices nilpotentes :
Une matrice M est dite nilpotente s'il existe un entier n tel que Mn = 0. L'ensemble des matrices
nilpotentes ne jouit d'aucune structure algbrique particulire.
e) Matrices inversibles :
Ce sont les matrices associes aux automorphismes. A priori, M est inversible si et seulement si il
existe N tel que MN = NM = I. On note alors N = M1. On dispose cependant de la proposition
suivante :
PROPOSITION :
Dans $ n( % ), il y a quivalence entre :
i) M est inversible
ii) N, MN = I
iii) N, NM = I
iv) rgM = n
Dmonstration :
Il est clair que i) entrane les trois autres. Soit f endomorphisme associ M dans une base donne.
iv) signifie que M est associe un endomorphisme de rang n, donc surjectif, donc bijectif puisque
l'on est en dimension finie.
ii) g L(E), f o g = Id f surjective f bijective.
iii) g L(E), g o f = Id f injective f bijective
-6-
S'il existe B tel que AB = I (ou BA = I) alors B = A1. Par exemple, une matrice A vrifiant la
relation A3 + 3A2 A + I = 0 est inversible puisque I = A3 3A2 + A = A (A2 3A + I) et
A1 = A2 3A + I.
2 4 1
EXEMPLE 1 : Calculer l'inverse de 1 2 3
1 1 1/2
4 3 10
Donc la matrice inverse vaut 5/2 2 7
3 2 8
10 9 1
EXEMPLE 2 : Calculer l'inverse de 9 10 5
1 5 9
-7-
65 76 35
Donc la matrice inverse vaut 76 89 41
35 41 19
III : Transposition
1 Dfinition
*
On considre l'application :
np( + ) , pn( - )
t
A A appele transpose de A.
dfinie par : (tA)ij = Aji, 1 i p, 1 j n
Exemple :
t 2 3 2 1 6
1 0 =
3 0 5
6 5
2 Proprits
Il est ais de vrifier :
i) t(tA) = A
ii) t(A+B) = tA + tB
iii) t(A) = tA la transpose est donc linaire
iv) (AB) = B A pour A lment de . np( / ) et B lment de
t t t
0 pq(1 )
t 1 t 1
v) (A ) = ( A) pour A lment de (2 3 ( 4
n )
-8-
Si A est la fois symtrique et antisymtrique, tA = A = A donc A est nulle. La somme est donc
directe.
Toute matrice carre s'crit comme somme d'une matrice symtrique et antisymtrique :
M + tM M tM
M= +
2 2
7 5 7 2 0 3
Ainsi 1 5 = 2 5 + 3 0
n(n+1)
La dimension du sous-espace des matrices symtriques est , une base tant (Eij + Eji), i j ; la
2
n(n1)
dimension du sous-espace des matrices antisymtriques est , une base tant (Eij Eji), i < j.
2
IV : Changement de bases
1 Dfinition
Soit (e1, ..., en) une base d'un espace vectoriel E. On considre une nouvelle base (1, ..., n). On
appelle matrice de changement de base de l'ancienne base la nouvelle la matrice dont la colonne j
est constitue des composantes de j dans l'ancienne base (e1, ..., en). Cette matrice tant de rang n
est donc inversible.
n
avec j = aijei o aij est le terme gnral de Pe.
i=1
n n
V = xj' aijei
j=1 i=1
n n
V= aij xj' ei
i=1 j=1
-9-
Pour connatre (V), il faudra donc rsoudre un systme ou inverser une matrice.
Autre dmonstration :
Considrons l'application Id de E muni de la base (i) dans E muni de la base (ei). La matrice de cette
application linaire Id est la matrice Pe prcdemment dfinie. En effet, sa jme colonne est constitue
des composantes dans la base d'arrive (ei) des vecteurs de la base de dpart (j). La relation Y =
MX donnant les composantes de l'image d'un vecteur partir des composantes de ce vecteur et de la
matrice de l'application linaire donnera dans le cas prsent :
(V)e = Pe(V)
Inverse de Pe :
De (V)e = Pe(V), on tire (V) = Pe1(V)e. Mais par ailleurs, en reprenant la formule initiale en
inversant les rles de e et , on a aussi :
(V) = Pe(V)e
Ces formules tant vraies pour tout V, on en dduit que :
Pe1 = Pe
3 Applications linaires
Soit E muni de deux bases e et e', et F muni de deux bases et '. e et sont considres comme les
anciennes bases, e' et ' comme les nouvelles. Soit P la matrice de passage de e e', et Q la matrice
de passage de '. Soit f une application linaire de E dans F, de matrice M dans les anciennes
bases. Si dimE = p et dimF = n, alors :
M 7 np( 8 )
P 9(: ( ;p )
Q <(= ( >n )
On souhaite dterminer l'expression de la matrice de f dans les nouvelles bases. Notons W = f(V). On
a:
(W) = M(V)e
(W) = Q(W)'
(V)e = P(V)e'
- 10 -
Ainsi, la matrice de f dans la nouvelle base est M' = Q1MP. (On vrifiera la possibilit d'effectuer un
tel produit). On a galement M = QM'P1. Les matrices M et M' sont dites quivalentes.
Dans le cas d'un endomorphisme o l'on effectue le mme changement de base P dans le mme
espace de dpart et d'arrive, la formule se rduit M' = P1MP. Les matrices M et M' sont dites
semblables.
PROPOSITION :
Soit M, lment de ? np( @ ) une matrice de rang r. Alors M est de la forme QJrP1, avec P et Q
carres inversibles et Jr la matrice par bloc dfinie par :
Ir O1
Jr = O O
2 3
o Ir est la matrice identit de dimension r, O1 la matrice nulle r lignes et pr colonnes, O2 la
matrice nulle nr lignes et r colonnes, O3 la matrice nulle nr lignes et pr colonnes.
Dmonstration :
On considre que M est associe une application linaire f d'un espace vectoriel E de dimension p
A p et F = B n munis des bases canoniques). On construit alors une base (e ', ..., e ') de E et ( ', ', ...
dans un espace vectoriel F de dimension n dans des bases donnes (on peut prendre par exemple E =
1 p 1 2
n') de F dans lesquelles la matrice de f est donne par la matrice ci-dessus, savoir :
f(e1') = 1', f(e2') = 2', ..., f(er') = r', f(er+1') = 0, ..., f(ep') = 0
On remarque que, d'aprs le thorme du rang, dim Kerf = p r. On choisit donc er+1', ..., ep' base de
Kerf, que l'on complte en e1', ..., er', er+1', ..., ep' base de E. On pose 1' = f(e1'), ..., r' = f(er'). Dans la
dmonstration du thorme du rang, nous avons montr que cette famille constitue une base de Imf.
On la complte en 1', ..., r', r+1', ..., n' base de F. P et Q sont alors les matrices de changement de
bases ainsi dfinies.
Cela signifie que ce qui caractrise une application linaire, c'est son rang. On peut classifier les
applications linaires au moyen de leur rang. Par exemple, il existe trois types d'applications linaires
d'un espace vectoriel de dimension 3 dans un espace vectoriel de dimension 2, savoir, les
applications dont la matrice est, dans des bases bien choisies :
0 0 0 1 0 0 1 0 0
0 0 0 0 0 0 0 1 0
COROLLAIRE :
rgtA = rgA
Dmonstration :
Soit A de rang r. Alors A est quivalente Jr dfinie plus haut. Donc il existe P, lment de CED ( F
p )
et Q lment de (G H n ( I ) tels que :
1
A = QJrP
- 11 -
Soit E un espace euclidien orient de dimension 3 muni de deux bases orthonormes directes, (e1, e2,
e3) et (1, 2, 3). Ces deux bases sont susceptibles de varier au cours du temps. Il est d'usage de
considrer une base fixe (la premire) et une base variable (la deuxime), mais nous nous y refusons,
car la seule chose qui importe, c'est la relation d'une base par rapport l'autre. La matrice de
changement de base Pe (ou son inverse Pe) sera donc une matrice dpendant du temps t sans que la
connaissance de cette matrice puisse en aucune faon dfinir s'il y a une base fixe ou non. Le
caractre variable de la matrice de passage exprime seulement comment une base varie par rapport
l'autre.
d(U)e
Interprtons cette galit. Considrons . Si U = x1e1 + x2e2 + x3e3 avec x1, x2, x3 dpendant du
dt
x1 x1'
x
temps, alors (U)e = 2 , et
d(U)e x '
= 2 . Ces composantes reprsentent un vecteur dans la base
x3 dt x3'
(e), savoir x1'e1 + x2'e2 + x3'e3. IL NE S'AGIT PAS DE LA DERIVEE DE U, puisque la drive de
U ferait intervenir les drives des vecteurs ei. Or, on s'est content de driver les composantes.
Nous dirons qu'il s'agit de la drive de U par rapport la base (e). Elle correspond la drive de U
pour un observateur li la base (e) et qui observe l'volution de U dans cette base. Nous la noterons
U ' |(e).
d(U)
De mme, reprsente, dans la base () les composantes de la drive de U par rapport la
dt
d(U)
base (), note U ' |() . Quant P , en vertu de la formule de changement de base, ce sont les
dt
composantes, dans la base (e) cette fois-ci, du mme vecteur U ' |().
dP dP 1
Reste la dernire partie, (U) = P (U)e. Dans la base (e), il s'agit des composantes de
dt dt
dP 1
l'image de U par une application linaire de matrice P . La relation trouve s'crit donc :
dt
U ' |(e) = U ' |() + (U)
- 12 -
dV |() d dOO'
= |() + V |() + ( |(e) + O'M) |(e)
dt dt dt
d2OO'
d dO'M
= a |() + V |() + |(e) + O'M + |(e)
dt2 dt dt
d2OO'
d dO'M
= a |() + V |() + |(e) + O'M + ( |() + O'M)
dt2 dt dt
d2OO' d
= a |() + 2 V |() + 2 |(e) + O'M + ( O'M)
dt dt
Si on considre un point fixe dans le rfrentiel (O', 1, 2, 3), concidant avec M l'instant
considr, sa vitesse et son acclration dans ce rfrentiel seraient nulles, de sorte que son
acclration dans le rfrentiel (O, e1, e2, e3) serait gale au vecteur suivant, appel acclration
d'entranement :
d2OO'
d
aentr. = |(e) + |(e) O'M + ( O'M)
dt2 dt
Il reste enfin un terme supplmentaire, savoir 2 V |(), qualifi d'acclration de Coriolis aCor..
La formule de composition des acclrations s'crit donc :
a |(e) = a |() + aentr. + aCor.
EXEMPLE :
= Vt V
Considrons une spirale d'Archimde d'quation polaire , soit = .
= t
O x
Il s'agit de la trajectoire dans le repre Oxy d'un point M se dplaant vitesse constante V sur une
droite passant par O, qui elle-mme tourne vitesse constante de autour de O. Dans un repre li
la droite, on voit ce point s'loigner la vitesse constante V de O, et donc avec une acclration
- 14 -
= 2v 2 OM
acclration de acclration
Coriolis d'entranement
centripte
V : Rsolution de systmes
1 Mthode de Gauss
Cette mthode ressemble celle utilise pour le calcul du rang d'un systme de vecteurs ; soit un
systme :
aa1121xx12 ++ aa1222xx22 ++ ... + a1pxp = b1
...
... + a2pxp = b2
EXEMPLE :
2x + 4y z + t = 2
x 2y + 3z t = 1
x + y + z/2 + t/2 = 0
2x + 4y z + t = 2
8y 7z + 3t = 0 L1 2L2 L2
2y 2z = 2 L1 2L3 L3
x = 4z/3 + 1/3
t = z/3 8/3
y = z + 1
Ce systme admet une infinit de solution.
- 15 -
On voit que l'existence des solutions est li au fait que B appartient l'image ou non. En particulier,
si r = n (rang gal au nombre d'quations), alors f est surjective et il y a toujours une solution.
L'unicit de la solution, si elle existe, est lie l'injectivit de f, donc son noyau. La dimension du
noyau est, d'aprs le thorme du rang, gal pr. En particulier, si p = r (rang gal au nombre
d'inconnues), il y a unicit de la solution, si elle existe.
Le cas r = n = p (autant d'inconnues que d'quations, ce nombre tant gal au rang) permet de
conclure l'existence et l'unicit de la solution. On dit que le systme est de Cramer. On voit qu'il
ne suffit pas d'avoir n = p pour conclure ainsi. Le rang du systme joue un rle essentiel. r = n = p
signifie qu'on dispose d'une matrice carre inversible, donc que f est bijective.
Dans le cas gnral d'un systme de rang r homogne (dont les seconds membres sont nuls),
l'ensemble des solutions est un sous-espace vectoriel de dimension pr. Il s'agit du noyau de f. Dans
la pratique, la mthode de Gauss conduit nr quations du type 0 = 0. On les limine du systme.
EXEMPLE :
2x + y z = 0
x + 3y + z = 0
4x + 7y + z = 0
x + 3y + z = 0 L2 L1
5y + 3z = 0 2L2 L1 L2
5y + 3z = 0 4L2 L3 L3
x = 4z/5
y = 3z/5
Dans le cas d'un systme avec second membre de rang r, si B appartient Imf, on obtient l aussi nr
quations du type 0 = 0. Le systme est dit compatible. Par contre, si B n'appartient pas Imf, la
mthode du pivot de Gauss conduit des quations incompatibles, du type 0 = 1.Dans ce cas, il n'y a
pas de solution.
EXEMPLE :
2x + y z = 1
x + 3y + z = 3
4x + 7y + z = 7
x + 3y + z = 3 L2 L1
5y + 3z = 5 2L2 L1 L2
5y + 3z = 5 4L2 L3 L3
x = 4z/5
y = 3z/5 + 1
Mais :
- 16 -
Une partie d'un espace vectoriel E de la forme {V0 + W | W F} avec F sous-espace vectoriel de E
s'appelle sous-espace affine de E passant par V0 de direction F.
EXEMPLE :
a1x1 + ... + anxn = 0 avec l'un des ai non nul est l'quation d'un hyperplan vectoriel de L n
, sous-
espace vectoriel de dimension n1.
a1x1 + ... + anxn = b est l'quation d'un hyperplan affine.
4 Inversion de matrices
Nous avons dj donn une mthode pour inverser une matrice M, savoir la rsolution du systme
Y = MX. En voici une deuxime. Considrons une matrice A n n constitue des colonnes C1, C2,
..., Cn. On vrifiera que :
Multiplier la jme colonne de A par est quivalent multiplier A droite par la matrice :
j
1 0 ... 0
0 1 ... 0
... ...
0 0 ... ... 0 j (matrice de dilatation)
... ...
0 0 ... 1
Retrancher la colonne i la colonne j est quivalent multiplier A droite par la matrice :
j
1 0 ... 0
i
... 1 ...
... ... 0
0 0 ... 1 ... 0 j (matrice de transvection tij(1))
... ...
0 0 ... 1
- 17 -
1 0 ... 0
i
... 0 ... 1
... ... ...
... 1 ... 0 ... j
0 0
... ...
... 1
Ainsi, toutes les oprations lmentaires sur les colonnes de A sont quivalentes des produits de
matrices droite de A. (On vrifiera que les produits gauche donne les oprations lmentaires sur
les lignes de A). On peut alors inverser une matrice de la faon suivante : on choisit une fois pour
toutes d'effectuer les mmes oprations sur les lignes, ou (strictement) sur les colonnes, et ceci la
fois sur A et sur la matrice Identit. Cela revient multiplier A et I par la mme matrice B. En cours
de calcul, on dispose des matrices AB et IB = B. Si l'on parvient finalement AC et IC avec AC = I,
alors ncessairement IC = C = A1.
2 4 1
EXEMPLE 1 : Calculer l'inverse de 1 2 3
1 1 1/2
2 4 1 1 0 0
1 2 3 0 1 0
1 1 1/2 0 0 1
C2 2C1 C2
C3 C1 + 2C3
2 0 0 1 2 1
1 4 7 0 1 0
1 1 2 0 0 2
C3 4C3 7C2
2 0 0 1 2 10
1 4 0 0 1 7
1 1 1 0 0 8
C2 C2 C3
2 0 0 1 12 10
1 4 0 0 8 7
1 0 1 0 8 8
C2 C2/4
2 0 0 1 3 10
1 1 0 0 2 7
1 0 1 0 2 8
C1 (C1 C2 C3)/2
- 18 -
4 3 10
Donc la matrice inverse vaut 5/2 2 7
3 2 8
10 9 1
EXEMPLE 2 : Calculer l'inverse de 9 10 5
1 5 9
10 9 1 1 0 0
9 10 5 0 1 0
1 5 9 0 0 1
C2 10C2 9C1
C3 10C3 C1
10 0 0 1 9 1
9 19 41 0 10 0
1 41 89 0 0 10
C3 41C2 + 19C3
10 0 0 1 9 350
9 19 0 0 10 410
1 41 10 0 0 190
C3 C3/10
10 0 0 1 9 35
9 19 0 0 10 41
1 41 1 0 0 19
C2 C2 41C3
10 0 0 1 1444 35
9 19 0 0 1691 41
1 0 1 0 779 19
C2 C2/19
10 0 0 1 76 35
9 1 0 0 89 41
1 0 1 0 41 19
- 19 -
11 01 00 00 ... 0
... 0
1 Matrice d'inertie
Soit M un point de masse m se dplaant la vitesse V par rapport un rfrentiel et O un point de
ce rfrentiel. On appelle moment cintique de M par rapport O le vecteur :
LO = OM mV
L'intrt du moment cintique tient dans le fait que sa drive est gale aux moments des forces
appliques en M par rapport O (y compris les forces d'inertie si le rfrentiel n'est pas galilen),
lorsque O est fixe dans le rfrentiel considr.
Supposons que M effectue un mouvement de rotation autour d'un axe passant par O. La vitesse V
est alors de la forme V = OM, o est un vecteur appel vecteur instantan de rotation. L'axe
(O,) est l'axe de rotation. On a alors :
LO = m OM (
OM)
On introduit alors un oprateur, appel oprateur d'inertie, qui, tout vecteur u, associe le vecteur
J(u) = m OM (u OM) = m OM2u m <u,OM> OM = m (OM u) OM, de sorte que
).
LO = J(
En ce qui concerne un solide, on opre de mme en sommant au moyen d'une intgrale triple sur tous
les points du solide. L'oprateur d'inertie prend alors la forme :
J(u) = OM (u OM) dm
V
=
OM2u <u,OM> OM dm
V
J est clairement linaire et est donc reprsent par une matrice 3 3 dont on montre qu'elle est
A F E
symtrique. La matrice de J s'crit donc F B D avec :
E D C
- 20 -
3 Quadriples
On considre le systme lectrique suivant, appel quadriple :
I1 I2
U1 U2
Le cadre contient un rseau lectrique purement passif. Dans ce cas, les courants I1 et I2 dpendent
linairement de U1 et U2. En effet, on peut les considrer comme les courants des mailles extrieures
de sorte que l'on a :
- 21 -
... ...
avec (R)1 inverse de la matrice (R) dfinie au paragraphe prcdent. Le signe de U2 provient de
l'orientation positive choisie pour U2 ici, en sens contraire du courant. (R)1 est symtrique. On
obtient donc, en introduisant le signe de U2 dans la matrice :
I1 a b U1
I2 = b c U2
(Si le rseau n'est pas passif, la dpendance est affine.)
dont on peut vrifier, en l'exprimant partir de a, b, c que le dterminant est gal 1. La dernire
matrice utilise s'appelle matrice de transfert. Cette disposition permet le calcul ais d'une suite de
quadriples en sries. Il apparat alors un produit de matrices.
4 Electrostatique
On considre n conducteurs lectriques de charges Q1, Q2, ..., Qn. Ces conducteurs sont ports aux
potentiels V1, V2, ..., Vn. L'exprience prouve que la dpendance des charges en fonction des
potentiels est linaire, et donc qu'il existe une matrice (C) telle que :
(Q) = (C)(V)
o (Q) est la matrice colonne de composantes Qi et (V) la matrice colonne de composantes Vi.
Les lments diagonaux valent Cii, capacit du conducteur i, en prsence des autres conducteurs, et
sont positifs. Les lments Cij, pour i diffrent de j, s'appellent coefficient d'influence du conducteur i
sur le conducteur j. Ils sont ngatifs. Cette matrice est par ailleurs symtrique. Cette proprit repose
sur le principe de conservation de l'nergie. En effet, on montre que, si l'on charge d'abord le
conducteur j d'une charge Qj, puis le conducteur i d'une charge Qi, l'nergie ncessaire vaut
1
(C1)ijQii2 + (C1)ijQjQi + (C1)jjQj2. Si l'on commence d'abord par le conducteur i puis par le
2
1
conducteur j, l'nergie vaut (C1)ijQii2 + (C1)jiQjQi + (C1)jjQj2. On a donc (C1)ij = (C1)ji. La
2
1
matrice C et donc la matrice C est symtrique. Indiquons enfin que l'nergie lectrostatique
ncessaire pour charger les conducteurs i la charge Qi vaut :
1
E = tQ C1 Q o Q est la matrice colonne de composantes Qi
2
1
= tV C V o V est la matrice colonne de composantes Vi.
2
1
= tQ V
2
5 Inductance mutuelle
De mme, considrons n circuits lectriques parcourus par les courants Ii. Ils crent un champ
magntique B dont le flux travers le circuit i est i. On a une relation du type :
() = (L)(I)
- 22 -
6 Polarisation
Considrons un corps, par exemple, un cristal plong dans un champ lectrique E. Les atomes de ce
corps subissent en gnral une polarisation. Il en rsulte une polarisation globale P, qui n'est pas en
gnral colinaire E. Il existe une transformation linaire M telle que :
P = M.E
En considrant l'nergie ncessaire une polarisation d'abord suivant l'axe des x, puis suivant l'axe
des y, ou d'abord suivant l'axe des y puis suivant l'axe des x, on peut montrer l aussi que M est
symtrique. Le fait qu'une matrice symtrique soit diagonalisable dans une base orthonorme signifie
qu'il existe trois directions de polarisation privilgie, pour lesquelles P est colinaire E. L'nergie
1
de polarisation est tE.M.E
2
7 Optique matricielle
On dfinit en chaque point de l'axe optique le couple (y,u) o y est la distance du rayon l'axe et u
l'angle du rayon lumineux et de l'axe.
u
y
y' u'
Entre deux points, on a une transformation linaire de (y,u) en (y',u'), obtenue en confondant u, sinu
et tanu (autrement dit, on considre que la direction du rayon lumineux est trs proche de celle de
l'axe [approximation de Gauss]). La matrice de cette transformation est dite matrice de transfert. Par
exemple, les matrices sont :
milieu transparent de longueur L : u est invariant, mais y augmente de Lu
1 L
0 1
dioptre sphrique de rayon R, du milieu d'indice n au milieu d'indice n' : y est invariant, mais le
rayon change de direction :
- 23 -
Disposer successivement plusieurs dioptres ou miroirs spars les uns des autres revient construire
un systme optique dont la matrice est le produit des matrices de ses lments.
Deux plans sont conjugus lorsque y = 0 correspond y' = 0 et ceci, quel que soit u. Cela signifie
qu'un objet dispos sur l'axe dans le premier plan aura son image sur l'axe dans le second plan. On a
alors ncessairement a12 = 0. Si la matrice est b c , on a y' = ay de sorte que a est l'agrandissement
a0
transversal. Si y = 0, on a u' = cu et c est l'agrandissement angulaire. Les plans conjugus sont dits
principaux lorsque l'agrandissement vaut a = 1.
Le foyer objet est atteint lorsque a22 = 0, le foyer image, lorsque a11 = 0. Dans le premier cas, y = 0
u' = 0, autrement dit les rayons issus d'un objet plac sur l'axe au foyer objet ressorte parallle
l'axe. Dans le second cas, u = 0 y' = 0, autrement dit des rayons incidents parallles l'axe se
0 f
concentre sur l'axe au foyer image. La matrice entre les deux foyers vaut 1 0 .
f'
8 Transformation de Lorentz
En relativit restreinte, on suppose qu'un repre O' se dplace la vitesse V par rapport O. Alors le
quadrivecteur (x',y',z',ct') se dduit du quadrivecteur (x,y,z,ct) par une tranformation linaire. En
particulier, si les axes sont aligns, et si le dplacement se fait suivant Ox, on a :
1 2 2
x' = 1 1 x
ct' ct
1
1 2 1 2
V E
o = , c vitesse de la lumire. De mme, le quadrivecteur impulsion-energie (P, ) se transforme
c c
1 E 1
avec le mme oprateur, avec P = m0V et = m0c
1 2 c 1 2
- 24 -
- 25 -