Une représenta
Bibliothèque
Tang e
L'caventure nte&t:hé?ne&t:ique
Tangente Hor�s-série n° 44
Les matrices
une représenta1tion du monde
ËDiTiONS
POLE
~r r, ,rrrrrr r ~
~DITIONS.
POLE
les Matrices
Sommaire
Matrix
L'histoire des matrices
Systèmes linéaires et
DOSSIER transformations géométriques
Les matrices, ce sont ces tableaux de nombres sur lesquels
on peut définir des opérations naturelles. Ces objets algé-
briques permettent de modéliser naturellement les sys-
tèmes d'équations linéaires. Plus surprenant est leur rôle
dans la description des transformations géométriques : les
matrices leur ouvrent des horizons inattendus !
Réduction de matrices
~·X·ti1i:J,I -
ne matrice existe généralement sous différentes formes,
ou plusieurs déguisements. Ainsi, pour pouvoir « lire »
directement les propriétés d 'une matrice, il est utile de
chercher la forme« la plus simple » qu'elle peut revêtir. Le
pivot de Gauss en est un bon exemple : la nouvelle forme de
la matrice (triangulaire) permet une résolution immédiate
d'un système linéaire.
En bref
De l'utérus
à la matrice
Du conducteur On doit à James Sylvester l'introduction en mathé-
Dans celui-ci, des humains sont pratiquer des tests in situ. Mais cette
enchaînés dans une caverne, de telle démarche a un coût ! L'idée alors est
sorte qu ' ils ne peuvent voir que la de le reconstituer sur une maquette
paroi de leur antre. Sur celle-ci, ils numérique. On le discrétise (on le
n'aperçoivent que l'ombre du monde, « découpe en petits morceaux » et on
qu'ils prennent pour le monde réel. On applique les lois de la physique sur ces
peut interpréter ce mythe en science petits morceaux, en résolvant la plupart
par l' utilisation du modèle. Un modèle, du temps des équations différentielles).
c'est une vision réduite du monde réel , Discrétisations et équations différen-
une projection. Il est régi par les lois de tielles se traduisent généralement par
la physique, il permet d'expliquer, et il des manipulations de matrices. Par
do it être prédictif. Les ingénieurs, les exemple, au lieu de crasher un avion, il
scientifiques contemplent les parois de est moins dangereux (et surtout moins
leur caverne ! Mais le monde réel est coûteux) de réaliser une simulation.
souvent trop complexe pour être ainsi Mais attention : une simulation, ce
appréhendé. n'est pas si facile ! La discrétisation,
Un mathématicien peut aussi déjà, n'est pas toujours simple (un
interpréter ce mythe par ! 'abstraction : avion possède des milliers de
croyant contempler des objets, il ne pièces ... ). Ensuite, il faut maîtriser les
contemple que l'ombre d'objets plus modèles physiques (mission quasi
abstraits. Cette montée en abstraction impossible en physique nucléaire ou en
s'avè re souvent riche . Dans The physique des plasmas). li faut enfin
Matrix, le mythe de la caverne maîtriser les mathématiques du calcul
s' incarne grâce à une simulation. matriciel , du calcul numérique et
L' idée de simulation numérique n' a pu disposer de pui ssances de calcul
prendre corps qu 'avec la montée en impressionnantes.
puissance des ordinateurs. Avant Dans un modèle discrétisé, plus le
l'avènement de ces machines, pour découpage est fin, plus la simulation
tester un objet, il fallait le construire et sera précise. Mais découper les
longueurs par un facteur dix, c'est miroirs : on nous présente la vie réelle
multiplier le nombre de mailles comme une simulation, mais c'est bien
volumiques par mille. Et après tout ce le film qui est une simulation ! The
travail, il faudra quand même disposer Matrix est d'ailleurs truffé de
d'expériences physiques pour recaler références à Lewis Carroll : le lapin
les modèles. Une simulation blanc tatoué sur l'épaule de Trinity, la
numérique s'appuie donc sur un chute interminable dans un tuyau, la
triptyque ( on retrouve Trinity) : des traversée du miroir. .. li est amusant de
modèles physiques, des moyens de se rappeler que, dans son traité sur les
calculs (aussi bien matériels que déterminants ( datant de 1867), le
logiciels) et des expériences physiques mathématicien Charles Dodgson (alias
pour recaler les modèles. Lewis Carroll) récusait ! 'utilisation du
terme « matrice », qui pour lui avait
De l'autre côté du miroir plutôt la signification d'un moule ; il
lui préférait le terme « bloc ».
0 0 0 1 0 0 5
0 0 0
0 0 0
La matrice nulle.
0
0 0
1 0
1
La matrice identité.
Gn 2
0
'
La genèse de la théorie des matrices est confuse, et passe par
la Grande-Bretagne, par la France, l'Allemagne, et même ... la
Chine ! De simples outils permettant de simplifier les
notations, les matrices deviennent ensuite un outil
incontournable pour l'algèbre linéaire.
' tème; c'est en quelque sorte une matri-
L
histoire de France commen-
ce-t-elle avec les Gaulois, le ce. Privilégiant l'aspect pragmatique de
baptême de Clovis ou l'ac- la résolution, on a d'abord introduit le
cession sur le trône d'Hugues Capet? calcul de déterminant, notion nécessaire
Les historiens ne sont pas tous d'ac- à justifier l'existence de solutions. Cet
cord. Pour les matrices, c'est un peu outil est apparu avec Gottfried Wilhelm
pareil : doit-on parler de matrices dès Leibniz dès la fin du xv11° siècle, cent
que certains e urent l'idée d'extraire un cinquante ans avant une définition for-
tableau de nombres d ' un système melle de la notion de matrice par James
d'équations linéaires, doit-on attendre Joseph Sylvester et Arthur Cayley.
que Cauchy note en tableau des déter-
minants, ou faut-il que Sylvester leur Des Han à Hanovre
donne un nom et Cayley définisse des-
sus des opérations, les traitant comme Les Neuf chapitres sur ! 'art mathéma-
des nombres munis d'une structure? tique sont un ouvrage compi lant les
principales méthodes mathématiques
Historiquement, la résolution de systè- connues dans l 'Antiqu ité chinoise. Il
me d'équations linéaires est très ancien- apparaît sous la dynastie des Han, au
ne. La donnée des coefficients devant tout début de notre ère. Le titre du hui-
chaque inconnue suffit à définir ce sys- tième chapitre, Fang sheng, signifie
« comparaison des dispositions». Il
présente des problèmes résolus par des
systèmes d'équations linéaires à deux
Du tableau de nombres à un outil ou trois inconnues. On disposait les
essentiel de l'algèbre linéaire. coefficients du système en tableau, en
Scalaire
La racine indo-euro péenne skand signifi ait « lever
le pied ». On la retrouve dans le grec skandalon , qui fldditionner
désignait un di spos itif fa isant trébucher, un piège.
Les Pères de l'Ég li se l' utili sent dans le sens d' in- des matrices
c itati on au péché. Devenu scandalum en latin , il
fo urnit à notre lang ue les mots « scanda le » e t Les tableaux de nombres, com me le tableau à deux
« escl andre ». 1 4 -2
lignes et tro is colonnes , sont fréquemment
Le latin scandere, « monter », est de même ori- 0 3 5
g ine . On le retrou ve dans les mots français « des- manipulés dans divers domaines (la co mptabil ité par
cendre», « ascension » et bien sûr « transcendant ». exemple), surtout depuis l' util isation des tab leurs. On
Par déri vati on , les Roma in s appe ll ent scala une peut e n parti c uli e r dé finir des opérati ons dess us.
marche, pui s par ex tension un escalier. Ce dernier L' usage es t alors, po ur les mathé mati c iens, de les
mot en provient par l' intermédi aire du provençal. représenter entre parenthèses, le tablea u précédent
Le mot « échelle » est de même 1 4 2
devenant ( - ).
racine. L'ajout du « é » initial est 0 3 5
un phénomène linguistique cou- L'addition de deux matrices de mêmes dimensions, c'est-
ra nt pour fac iliter la prononc ia- à-dire ayant le même nombre de lignes et de colonnes
tion d' un « s » initial devant une se fa it élément par élément. Ainsi :
consonne : penser à « éco le » et
« sco la ire », « étude » et « stu- 1 4 -2) + ( 2 - 1 3) = ( 3 3 16) .
dieux». (0 3 5 -3 5 1 -3 8
Le mot scalaris ex iste déjà en latin Muni de l'additi on, l' ense mbl e des matrices 2 x 3 a
et signifie « relatif à l'échelle ». Les déjà une structure intéressante , c'est un groupe com-
naturali stes l' utili sent au xrxe mutatif.
siècle pour désigner un poi sson. Si on y ajoute la multiplicati on par un scalaire, défi-
ni e de même é lément par élé ment :
Son e mploi en mathématiques
_ _,.,.,
,,, - ..... vi ent de l'a nalog ie e ntre les 2.(10 43 -2)5 = (20 86 -4)
10 '
nombres entiers et les barreaux
d ' une éche lle. Pour mesurer,
en effet, on utili se une gra- cet e nse mbl e pe ut a lors être considé ré comme un
'""t1-11"--......,,i.1 duati on que l' on rapporte à espace vectoriel.
des no mbres. L e m o t Sa dimension est égale au produi t du nombre de lignes
dev ient un substantif et se par le nombre de colonnes. Pour le prouver, il suffi t
gé né r a li se à t o u s les de re marquer qu' une base sera fo rmée , par exemple
r --.,_-JI no mbres réels . dans le cas des matrices 2 x 3 , des six matri ces pos-
sibles formées d' un « 1 » et de c inq « 0 ».
Une autre faço n de l'exprimer consiste à compter le
nombre de paramètres nécessaires à définir une matrice !
Le mot scalaris existe en latin Merveille de l'abstracti on, cette structure nous auto-
et signifie « relatif à l'échelle » . ri se à appeler « vecteur » ... un e matrice.
Espaces uectoriels
l'algèbre à l'assaut de la géométrie
La géométrie, longtemps considérée comme une science à
part, a subi deux assauts qui ont eu raison de son autonomie
par rapport aux autres domaines des mathématiques :
l'introduction par Descartes de la géométrie analytique et
l'apparition de l'algèbre linéaire.
eprésenter tous les points du plan À chaque bipoint, on associe un vecteur,
Transformer,
mais en conservant les propriétés
•
es ma r1ces
pour transformer
L'algèbre linéaire s'est fixé pour mission de théoriser les
transformations affines du plan et de l'espace. Les matrices
constituent l'indispensable outil qui permet de les mettre en
œuvre de manière pratique.
F
aire tourner un objet, en théorie
ou sur un écran, étirer une image,
la dépl acer, l' incli ner, la retour-
ner comme dans un mi roi r, autant d'ac-
tions usuelles en géométrie et aujourd ' hui Supposons maintenant que nous cho i-
en info rmatique graphique, derrière les- siss ions une autre base de E :
quelles il y a ... un endomorphi sme (voir B' =(e' 1, e' 2 , ... , e ',,) .
pages 16 à 19). Le même vecteur se décompose (toujours
de manière unique) dans la base B' :
Pour représenter ces endomorphi smes, et v = x' 1 e' 1 + x\ e' 2 +... + x' 11 e' 11 •
do nc les tra nsformati ons assoc iées du On le représente cette fois par une matrice
pl an ou de l'espace, on va se servir de colonne V':
matrices.
v· = li ;;\I
Des matrices colonnes
pour représenter des uecteurs .,\ ,,
vecteur n 'est autre que le produ it, au la matrice associée à la composée gof
se ns d es p ro duit s d e m a tri ces , sera le produit des matri ces defet de g .
(a c)tJ
b
( x\
=ax +by + cz.
l
(- 1 2 -3 -4 \
(31 -2-1 5)4 . 5 6 0 1
3 4 -5 -6
J = (4 10 -28
4 16
- 36)·
- 29 -37
Cette multiplication n'est possible que si le nombre de Comment l'avons-nous effectué? Tout simplement en mul-
lignes de la deuxième est égal au nombre de colonnes de tipli ant chaque ligne de la première matri ce par chaque
la première. Cette condition dev ra être vérifiée dans tous colonne de la seconde. L'élément obtenu dans la matri ce
les cas de multiplicati ons de matrices . résultat correspond à la ligne de la première et la colonne
Autre exe mple, numérique cette fo is : ( 1 2)(;) = 14. de la seconde. Ainsi, l'élément de la première ligne et la
troisième colonne du résultat est le produit de
En effet, 1 x 4 + 2x5 = 14.
Ai nsi, chaque ligne d' une matrice peut être multipliée par
chaque colonne d' une autre, à la condition qu 'elles aient
le même nombre d'éléments. soit I x (-3) + (-2) x O + 5 x (-5) = -28.
e sens
Le déterminant est souvent présenté à travers des formules ou
axiomes abstraits, qui semblent sans lien avec aucune réalité.
Pourtant, la question est très concrète : le déterminant mesure
une surface, un volume, ou un objet de dimension supérieure.
J: :J = det(U ,V).
car ils ont même base et même hauteur. soit positif ou négatif.
Détermination du déterminant
La propriété d'alternance du déterminant vient du fait que (U, V) et (V, U) sont de sens oppo-
sés. L'additivité de l'aire implique la linéarité par rapport à l'un des vecteurs.
En notant I et J les vecteurs de coor-
données (1, 0) et (0, 1), il vient :
1: :1 = det(al + bJ ,cl+ dJ).
On en déduit alors :
det (al+ bJ, cl+ dJ) det (al+ bJ, cl)
L' additivité de l'aire implique =
det (U, V+ W) = + det (al+ bJ,dJ)
det (U , V) + del (U, W). et, en utilisant la linéarité par rapport
au second vecteur :
u det (al+ bJ, cl+ dJ) =
c det (al+ bJ, 1) + d det (al+ bJ, J).
=
On obtient ensuite : det (al+ bJ, cl+ dJ) ac det (1, 1) + be det (J, 1) + ad det (1, J) + bd det (J, J).
De la propriété d'alternance, on déduit det (U, U) =0, d'où:
det (al+ bJ, cl+ dJ) = be det (J, 1) + ad det (1, J). Or, det (J, 1) =- det(I, J) d'après (1)
(À et µ sont des constantes) : aux systè mes linéa ires via la matrice
det (U,}.. V + µ W ) = À. det ( U , V) du systè me. Ain si , le détermin ant du
+ µ det (U , W), 4 1
système d 'équations { x - Y = est
4
_ 2x + 3y =5
11 soit 14.
12 3
:: : ·:::~:r~r
tion s ou non ? La question est liée au Le mathématicien suisse Gabriel Cra-
mer était spécialiste des courbes algé-
briques, c'est-à-dire ayant une
équation polynomiale, comme le
cercle et les coniques.
Chacune des deux équations représente C'est en étudiant le problème de l'exis-
une droite dans le pl an. Plu s préc isé- tence de courbes passant par des
ment , l'ensemble des points M de coor- points donnés qu'il introduisit la
données (x, y) vérifiant 4x - y = 1 est notion de déterminant (voir le dos-
une droite. sier « Mathématiques suisses » dans
Tangente 136).
det(U B)
y : y= ' . Ces deux formu les
det(U, V )
constituent les formules de Cramer.
Dans notre exemple :
1
I~ 1
-3 4 9
X = - - = - ety=--=-.
1: ~I u
14 7 14 7
La résolution des systèmes numériques Le déterminant de trois vecteurs U, V et West le volume
ne requiert pas vraiment la méthode de du parallélépipède qu'ils déterminent, affecté du signe -
Cramer. En effet, les méthodes consis- si (U, V, W) n'est pas dans le sens (majeur, index, pouce)
tant à combiner des équations (comme de la main gauche. Ainsi, le déterminant est changé
la méthode de Gauss) sont préférables. en son opposé si l'on échange deux des vecteurs U, V
La raison d 'ê tre de la méthode de et W.ont même base et même hauteur.
Cramer se trouve dans la discussion des
pouce
systèmes paramétriques , comme
m.x+y=l
. En fait, le problème est
{ x + my = 0
index
réso lu par le calcu l du déterminant :
17 ~11 m =
2
- 1.
l
en son opposé si l' on échange deux des
vecteurs, x - 3y + 2z = 0 car son déterminant est
• tri linéarité: le détermjnant est linéaire 2x - 2y + 3z =2
par rapport à chacun des vecteurs, nul. S ' il a une solution, elle n'est donc
l O O pas uruque. En frut, ce système est incom-
• 0 1 0 = 1. patible car, si (x, y, z) est une solution,
0 0 en ajoutant les deux premjères équations,
on obtient 2x- 2y + 3z = 1, ce qui contre-
On en déduit une formule dit la troi sième équation !
de calcul des déterminants
a a' d'ordre troi s appelée règle D1mens1ons superi ures
de Sarrus en hommage à
Pierre Sarrus ( 1798-1861 ). La noti on de détermin ant se généralise
b b' b" aux dimension s 4 et sui vantes. Sa défi-
Règle de Sarrus : nitio n comme mesure de mande cepen-
on recopie les deux dant de généra li ser les noti ons d 'a ire
c' c'' premières lignes du déter- et de volume , ce qui est pour le moin s
minant sous celui-ci, dé licat. C'est sans doute l' une des rai-
puis on additionne les fac- sons pour lesquelles on préfère une défi-
a a' a" teurs verts et soustrait les niti o n plus abstra ite, sui vant les tro is
facteurs rouges. propriétés que no us avons rencontrées
Autrement dit, le détermi- précéde mme nt. Malheure usement , la
b b' b" nant est égal à : règle de Sarru s n'y a pas d 'équi valent
ab' c" + be' a" + ca' b" - assez simple pour être utili sée dans ces
ch' a" + ac' b" + ha' c" . dimensions !
H.L.
V= l~
( x ,\
x,,
2
J pour exprimer que v = x 1e 1 + x2 e2 + ...+ x,, e,, et
On co ns idère alors une nouvelle base B' de E et
une nouvelle base C' de F. La matrice M', elle aussi
rectangul aire à p lignes et n colonnes, représen-
tera l dans les bases B' et C'.
( x, \ Le vecteur v de E de colonne V' dans B' a pour
Y= l]' J pour exprimer que v =x ' 1e' 1 + x '2 e' 2 +... + x ',,e',, ,
image w= l(v) qui, dans la base C, sera représenté
par la matrice colonne W' = M' V' .
, ,.
alors on aura la relation : V = P V' , où P, matrice carrée Si Pest la matrice de passage de B à B' (matrice
d' ordre n , est la matrice de changement de base, dont les carrée invers ible d'ordre n) et Q la matrice de
colonnes sont les coordonnées des vecteurs de B' exprimés passage de Cà C' (matrice carrée inversible d'ordre
dans la base B. p ),on aura les relations : V= PV' et W=QW'.
Si maintenant u est un endomorphi sme de E qui admet la W = MY s' écritdoncQW ' = MPY 'soit ,en mul-
matrice M dans la base B et la matrice M' dans la base B', tipliant à gauche par Q- 1, W ' = Q- 1 M P V', à com-
quelle relation ex iste-t-il entre M et M '? Pour un vecteur v parer avec la relation W ' = M' V'.
de E, iv = u(v) aura pour matrice colonne W dans la base B Le fait que l'égalité soit vraie pour toute colonne
et W' dans la base B' , avec W = PW '. La définition de M V' entraîne la relation suivante : M' = Q- 1MP .
cond uit aux relations W = M V et W ' = M' V'. La première Deux matrices rectangulaires de mê mes dimen-
relation s'écrit aussi : P W' = M P V' , soit , en multipliant à sions Met M ' sont dites équivalentes quand elles
gauche par p- 1 , l' inverse de P, W ' = p- 1 M PY ' , à comparer représentent la même application linéaire dans
avec la relation W' = M ' V' . des bases différentes.
Le fai t que l'égalité soit vraie pour toute colonne V' entraîne Deux matrices rectangulaires Met M' de mêmes
la relation sui vante: M' = P- 1 M P. dimensions sont équivalentes si et seulement s' il
Deux matrices carrées M et M ' so nt dites semblables quand existe deux matrices carrées P et Q inversibles
elles représentent le même endomorphisme dans des bases telle que M ' = Q- 1 M P.
différentes.
Deux matrices carrées d' ordre II M et M ' sont semblables si Évidemment, deux matrices semblables sont en
et seu lement s' il ex iste une matrice carrée Pd 'ordre n inver- particulier équivalentes. Pour des matrices rec-
sible telle que M' = P- 1 M P. tangulaires de mêmes dimensions, « être équiva-
Pour des matrices carrées d' ordre n, « être semblables » est lentes » est une relation d'équivalence.
une relation d'équivalence.
Transformations affines
et points inuariants
L'application des théories de l'algèbre linéaire et de leur mise
en pratique via le calcul matriciel apporte à la géométrie un
outil puissant dont quelques applications sont entrevues ici.
besoin d'aucune autre démonstration. •Sile produit kk' est éga l à 1, ce sera
Ainsi, la composée de l'homothétie h une translation dont on trouvera le
de centre O et de rapport k ::f. 1 et de la vecteur en cherchant le transformé
translation t de vecteur v a pour endo- de n ' importe quel point. Ainsi, la
morphisme associé le composé de k IdE composée de deux symétries-points
et de ldE , soit k ldE. C'est donc une (une symétrie-point est une homo-
homothétie de rapport k. Le seul calcul thétie de rapport -1) est une transla-
consiste à trouver le centre de cette tion, dont nous vous laissons trou-
homothétie , à l'aide de sa caractérisa- ver le vecteur en fonction des
tion comme unique point invariant. centres de symétrie O et O'.
Ainsi, l'ensemble des homothéties-
Le centre de ! ' homothétie t o h est le translations d'un espace affine est
1 stable par la composition des applica-
point O' défini par OO' = - -~.
1- k tions, ce qui lui confère une structure
De même, le centre de l'homothétie hot de groupe.
est le point O " défini par OO" = __!5___ ~-
1- k Plus d'un point inuariant
La composée de deux homothéties h et
h ' de rapports k et k' aura pour endo- Si deux points distincts P et Q sont
morphisme associé ! 'endomorphisme invariants par une transformation f ,
scala ire k k' IdE. c'est que le vecteur V= PQ est inva-
riant par l'endomorphisme associé u.
• Si le produit kk' est différent de l, ce On dit aussi que V est un vecteur
sera une homothétie de rapport kk' propre pour la valeur propre À= 1, pour
dont on trouvera le centre en c her- exprimer que u(V) = ÀV. Mais alors,
chant le point invariant (sur la droite tout point M de la droite (PQ) vérifie
des centres d'homothéties de h et h '). une relation du type PM= kPQ. On en
déduit:
M, f(P)f(M) = u(PM) = ku(PQ) = kPQ,
soit :
Pf(M) = kPQ =PM, puisflM) = M.
Et donc tout point de la droite (PQ) est
M,
invariant.
Tout ce qui vient d'être dit sur les
homothéties, les translations et les
points invaria nts est valable dans toute
dimension. Par exemple, en dimension
2, l'espace affine A est un plan.
M
S'il y a, e n plus des points de la droite
O' (PQ), un autre point invariant (noté R),
f
P" u.u est don, r;dent;té, et comme
la transformation f assoc iée admet au
Projecteurs et projections
moi ns un po int in vari ant , c'est l' iden- Un endomorphisme p est appelé projecteur s'il vérifie la
ti té de A. relation p op = p. Pour tout vecteur Ü , p(p(Ü)I = p(Ü).
Dans le cas où les points de la dro ite Ainsi, tout élément de l'image de p est invariant par p.
(PQ) sont les seul s po ints invari ants de Si p n'est pas l'endomorphisme nul, il existe donc un vecteur
f , on peut montrer que l'endomorphi s- V non nul tel que p(V) =V.
me u admet une deuxiè me va le ur Sip n'est pas l'endomorphisme identité, il existe un vecteur
propre À, associée à un vecteur propre W non nul tel quep(W) # W.
W. Cela permet de défi nir complète- Alors, Ü = p(W)- W # 0
ment la tra nsformation/ de A , qui porte etp(Ü) =p(p(W)-W] =p(W)-p(W) = O.
le nom d'affinité. Ainsi, en dimension 2, la matrice P dans la base (Ü, V) d ' un
li suffit de se pl acer dans le repère projecteur p différent de l'identité et de l'endomorphisme
(P,V,W).
nul est de la forme P = (~ ~).
Pour tout point M , le vecteur PM peut
alors s'écri ra PM= av+ bW, et alors On peut alors se poser la question de savoir quelles sont
Pf(M) = f(P)f(M) = u( PM) les transformations affines/ associées à un projecteur p. Si
= au(V) + blt(W) =av+ bÀW. p est l'endomorphisme nul, ce n'est pas très intéressant:
L' image.f{M) est parfa itement défini e. f associe un point unique à tout point de l'espace de départ.
Sip est l'endomorphisme identique, on a vu que/est une
translation.
Mais dans le cas général ?
•Si/admet un point invariant 0 , pour tout point M, on peut
•M
poser OM = xÜ + yV. Alors j(O)j(M) = xj(Ü) + yf(V),
R
soit 0/(M) = yV. Ainsi,/ est la projection parallèlement à
, M'
Ü sur la droite (D) passant par O et de direction V.
(D)
p
Q
M'
Systèmes linéaires
x- y +2 z = 2,
2x+ y +3z = O.
!5x-y+6z = 6.
où il s'agit de trouver toutes les valeurs
y
X- y + 2z)
AxX = 2x+ y +3z .
(
5x - y +6z
l 4y -4z=-4.
Considérons à présent les équations à Cette équation s'écrit sous la forme du
partir de la deuxième. Elles ne contien- système de deux équations à deux
nent plus de termes en x, puisque les
X+ 2y = X,
opérations précédentes étaient desti- inconnues : y
{ 3 x +4y = .
nées à les supprimer. On recommence
sur elles, avec la deuxième inconnue. En retranchant deux fois la première
Ici , cela donne : équation à la seconde, nous obtenons
X- y + 2z = 2, x = Y - 2X. Il vient alors, en reportant
dans la première équation, 2y = 3X - Y.
3y-z=-4.
! -8z = 4.
Ce résultat s'écrit, sous forme matri-
cielle, de la manière suivante :
le théorème du rang
Une notion n'a guère d'intérêt quand
elle n' est pas au centre d ' un théorème
fondamental, aux applications nom-
breuses. Dans le cas du rang , le théorème
porte tout simplement le nom de ... théo-
rème du rang . Le voici : « Le noyau
Une symétrie par rapport à un plan, d 'une application linéaire est égal à la
comme suggérée sur cette photographie dimension de l'espace de départ dimi-
de colverts, transforme l'espace nuée de son rang. »
en lui-même ; elle est donc de rang 3. Par définition , le noyau est l'ensemble
En revanche, la photographie des vecteurs que l'application annule.
elle-même réalise une projection En particulier, il s'agit d'un sous-espace
de l'espace sur un plan. vectoriel de l 'es pace de départ .
Elle est donc de rang 2. Examinons la question dans le cas de
1 2 3)(x\ l (1)
(2 4 6 :Jsoit (x+ 2y + 3z) 2 ,
si l'on remarque que le vecteur de coor-
données (1 , - 2, 1) est so lution. En effet,
un te l vecteur constitue alors une base
ce qui correspond à la droite de vec- de la droite des so luti ons. Les autres
teur directeur de coordonnées ( 1, 2), solutions sont les vecteurs de la for me
qui est donc de dimension l , qui est t x ( 1, -2, 1), soit : x = t , y = -2t, z = t
ain si le rang de l'application . Sur cet où t est une con stante arbitraire .
exemple , la relation annoncée est bi en De façon générale, si un système homo-
vé rifi ée pui sque le noy au est de gène à n inconnues est de ra ng r , l' en-
dimension 2 , égal à la dimension de se mbl e des soluti o ns est un es pace
l'espace de départ (3) moin s le rang vectoriel de dimension n - r.
de l' application (1 ) (voir l'encadré
Démonstration du théorème du rang Équiualence des matrices
pour une démonstration générale).
Con sidéron s un systè me d 'équation s L'équi valence des matrices concerne des
homogènes, comme matrices de mê mes dimensions. Consi-
dérons A et B des matrices à deux lignes
x + y + z = O, et troi s colonnes pour fi xer les idées.
l x + 2y + 3z =0 ,
3x +4y +5 z = 0.
matrice lI 2 3J .
(1
3 4
1 1\
5
Il s' agit donc d ' un
montrent que deux matrices sont équi -
vale ntes si e lles représente nt la mê me
applicati on linéa ire.
espace vectorie l dont la dimension est
égale à 3 moins le rang de cette matri - Éc lairons la défi niti on et sa caractéri -
ce . Pour le calculer, on peut utili ser la sation par un exemple .
méthode de Gau ss ; on peut auss i opé- 1 2 3 1 0
Soient A= ( ) et B = ( O ).
rer directement sur les li gnes ou les 2 4 6 0 0 0
colonnes. Le rang est égal à 3 si les
vecteurs colonnes sont libres , c'est-à-
dire si le déterminant de la matrice est
Les matrices P= l
( 1
l
-1 0
o
1 0\
3 J et Q =
-2
( ~ ~)
l l~
(2\
vecteurs peuvent être ~ I J et
(3\
J , par
1
non incluse dans F, tout vecteur x de l'espace
=
se décompose en x y + z où y est sa projection
sur F parallèlement à G et z sa projection sur G
exemple, car il s sont indé pend ants et parallèlement à F.
é léments du noyau, puisqu ' il s vérifient
l'équati o n x + 2y + 3z = O. On choisi t On définit une application g de G dans H en posant
a lo rs un vec te ur j te l q ue {i , j, k} g (x ) = J(x) pour tout x appartenant à G. Cette applica-
so it une base de l'es pace de dé part. tion est linéaire car f l'est. Si g (x) = o, alors J(x) = o
donc x appartient à F, le noyau def. Comme x appar-
Ce vecteur peut être l~J
( 1\
par exe mple tient aussi à G, on en déduit que x = o, ce qui prouve
que l'application linéaire! est injective. Elle est d'autre
pu isque le détermin ant du systè me est part naturellement surjective puisque, si h est un vec-
2 1 3 teur de l'image H, il existe x dans l'espace de départ tel
alors -1 0 0 , qui vaut - 1 et est donc quef (x ) = h. En décomposant x sous la forme x = y+ z
0 0 -1 où y est dans F et z dans G et en appliquant!, on obtient
non nul. Dans cette base {i, j , k}, la f(x ) = j(y) + f(z) , donc g (z) = h puisquef(y) = o et
matrice de J est do nnée par les com- g (z) = f(z). L'application g est donc surjective, ce qui
posantes def(i),f(j) et f(k) écrite dans implique qu'elle est bijective. Ceci prouve que G et Hont
un e base de l'espace d 'a rri vée qu ' il même dimension 1. Le théorème est vérifié.
nous reste à cho isir. Les vecteurs f(i) Dans le cas où F est de dimension 1, on recommence en
et f(k) sont nul s. Il suffit de c ho is ir considérant G un plan ne contenant pas F. Le cas F de
dimension o est impossible car il signifierait que l'es-
1 2 3)( I\ = (1) comme
l~J
u=f(j),soit 2 4 6( 2
pace d'arrivée a même dimension que celui de départ,
ce qui est faux.
premier vecteur de base, et de compléter
Rang et zéros d'un déterminant par un vecteur v tel que {u, v} so it une
base de l'espace d'arrivée. Le vecteur
2
X X
2
(~)convie nt.Dans la base {i,j, k} de
Prenons l'exemple du déterminant D(x) = x x
l'espace de départ et la base {u, v} de
On peut facilement le calculer en utilisant la règle de Sar- l'espace d'arrivée, la matrice def est donc
S « mathématiques modernes »
n ' est pas pédagogique , elle est
pourtant très séduisante. Présentons-
un seu l de G),f transporte les opéra-
tions de IC sur ce lles de G. On appelle
ce phénomène un isomorphisme. Mathé-
la avant de réfléchir à sa philosophie . matiquement , les deux ensembles ont
Considérons les matrices carrées sui- exactement les mêmes propriétés. On
vantes d ' ordre 2 : peut donc les identifier. Il reste à com-
prendre pourquoi ceci « marche » bien .
M •.b = (: -:) , où a et b désignent des
nombres réels. Il est clair que cet ensemble les complexes et les rotations
G de matrices définit un sous-groupe
additif de l'ensemble Mi (!RI) des matrices On doit à Jean-Robert Argand la confi-
carrées à coefficients réels. Le produit guration plane des nombres complexes ,
des deux matrices Ma ,b et M c,d de ce mais cette vision s'est développée après
type est la matrice M ac-bd,ad+bc · 1820 (voir en encadré). L' un des inté-
On remarque l'analogie avec les com- rêts de cette représentation est de voir
plexes , pu isque le produit quel 'on peut assimi ler le plan euclidien ,
(a+ ib)(c +id)= ac - bd+ i(ad + be). muni d ' un repère orthonormé, à l'en-
C'est pourquoi, si l'on définit l'application semble des nombres complexes. Ainsi,
f de IC dans G par f(a + ib) = M a,b et si au point M de coordonnées (a, b) dans
l'on note z = a + ib et z' = c + id , on ce repère , on associe le nombre com-
obtientf(z + z') =f(z) + f(z') et plexe z = a+ ib appelé affixe de M. De
f( zz') = f(z)f(z'). Comme, de plus,f est nombreu ses propriétés en découlent.
bijective (c'est-à-dire qu 'à chaque nombre Ainsi, si z et z' sont les affixes de M et
Propriétés affines
et propriétés métriques
En géométrie, les notion s de droites, de plans, de
parall é li sme , d'intersection , peuvent se défi nir
sans faire appel à des longueurs ou à des angles :
on parle de propriétés affines. Lorsqu'on ajoute la
notion de di stance , qui entraîne celle d 'angles, on
traite de propriétés métriques.
Ainsi, la définition d ' un parallélogramme , obtenu
comme intersection de deux couples de parallèles,
André-Louis Cholesky
relève de l'affine . Celles de rectangle ou de carré
est du ressort de la métrique , pui squ 'on doit intro-
duire la notion d 'angle droit ou d 'égalité des côtés. Oui était CholeskY ?
La théorie des espaces vectoriels formalise la géo- Durant de nombreuses années, le monde mathéma-
métrie affine. Pour introduire les propriétés métriques, tique ignorait à qui l'on devait le nom de la « décom-
il faut lui ajouter la notion de produit scalaire. position de Cholesky » (voi r dans le dossier sui vant).
Au lycée, on définit le produit scalaire de deux Lors d ' un congrès mathématique au Japon , l' un des
vecteurs comme un nombre réel correspondant au participants s'écri a « Mais qui est donc Cholesky? »
produit de la longueur de l' un d 'entre eux par celle Personne ne sut lui répondre ...
de la projection orthogonale de l'autre si les deux Le compte rendu de la séance tomba sous les yeux
sont de même sens, par son opposé sinon. Réci- d ' un étudiant de l'Université de Bordeaux . Il recon-
proquement, si on connaît le produit scalaire, on nut le nom des voisins de ses parents à Montguyon ,
récupère la notion de longueur en prenant la racine en Charente-Maritime. Après une enquête, il décou-
carrée du produit scalaire par lui-même et le cosi- vrit que Pierre-Loui s Cholesky éta it bien en famille
nu s d ' un angle en divi sant le produit scalaire des avec ces gens- là.
deux vecteurs par le produit de leur longueur.
Fils de restaurateurs , Cholesky est entré à !' Éco le
Dans le cadre axiomatique de la théorie des espaces polytechnique en 1895 . À sa sortie, il intègre l'armée.
vectoriels introduite par Peano , on appelle produit Affecté à la section géodés ique du service géogra-
scalaire une fonction bilinéa ire f, qui associe à phique, ses aptitudes théoriques sont vite remarquées
deux vecteurs ü et v un nombre réel, de telle sorte et ses idées nouvell es très appréc iées. Pour amélio-
que s i le vecteur ü n'est pas nul,f(ü, ü) > O. rer les méthodes dans cette branche, il est amené à
On en déduit les notions d 'ang les et de longueur étudier des systèmes d 'équations linéa ires. Il met au
(on parle de norme d ' un vecteur) comme expliqué point un procédé de résolution, qui nécessite la décom-
précédemment. position matricielle qui porte désormais son nom. Il
On peut ainsi intégrer la géométrie métrique dans poursuit ses activités en Crète , en Afrique du Nord
le cadre des espaces vectoriels , qui , s' il s sont de pui s en Roumani e durant la Première Guerre mon-
dimen sion finie, sont alors bapti sés euclidiens en diale. Revenu en France, on l' envoie sur le front, où
l' honneur d 'Euclide qui , le premier, avait défini , il tombe deux mois avant l'armistice à l'âge de 43
troi s siècles avant Jésus Chri st , une axiomatique ans . Ses travaux sont publiés de manière posthume,
de la géométrie associant tant les propriétés affines en 1924, dans le Bulletin géodésique, sous le titre
que métriques. de Procédé du commandant Cholesky.
4 5\
Exemple: si M = ( ~ ! !) , ! ~J
(l 4\ est une matrice symétrique .
alors 'M = l ~ ~ J.
Le théorème spectral affirme que toute
matrice symétrique est diagonalisable, et, qui
Si la matrice est carrée, la transposition corres- plus est, à l'aide d ' une matrice de passage
pond à intervertir les termes symétriques par orthogonale.
rapport à la diagonale. L'opération qui trans- On peut l'exprimer matriciellement : étant
forme Men 'M est involutive, c ' est à dire que donné une matrice symétrique S , il existe une
la transposée de 'M n'est autre que ... M ! matrice orthogonale P et une matrice diago-
nale D telles que S = P D 'P, où 'P = P- 1.
Diverses propriétés se conservent par transposition ;
c'est le cas du rang pour toutes les matrices, On appelle matrice antisymétrique une matrice
rectangu laires ou carrées : rappelons que le rang carrée égale à l'opposée de sa transposée.
d'une matrice est la dimension de l'espace vec- Une conséquence est qu'elle ne comporte que
toriel engendré par les colon nes de la matrice, des « 0 » sur la diagonale.
c ' est-à-dire le nombre maximum de vecteurs
libres que l'on peut trouver parmi ces co lonnes. ( 0 4 -5\
M = (M + 'M)/2 + (M-'M)/2.
le théorème de
Cayley-Hamilton
Pivot de la réduction des endomorphismes, le théorème de
Cayley-Hamilton porte le nom de l'astronome et mathématicien
William Hamilton et de l'algébriste Arthur Cayley. Pourtant, la
première démonstration générale est due à l'Allemand Georg
Frobenius en 1878.
n endomorphisme est une appli- où P désigne le plan de la sy métrie et D
avec son épouse ce 16 octobre 1843 , il On sent bien Cayley mal à l'aise pour
court soudain graver sur le Brougham énoncer ce résu ltat. En effet , au lieu de
Bridge la notion de produit qu ' il vient ca lculer le déterminant de M -À. I , pui s
d ' inventer : les quaternions étaient nés ! de remplacer À. par M , comme nous le
Dix ans plus tard, Hamilton fait paraître faisons de nos jours, il pl ace directe-
un ouvrage, Lectures on Quaternions, dans ment M dans la matrice en la considé-
lequel il étudie les propri étés de ces rant comme une « quantité si mple » (« a
nombres et leur utili sation pour la des- single quantity ») c ' est-à-d ire comme
cription des transformations de l'espace. un nombre .
C'est dans ce cadre, e n recherchant Dans son énoncé , Cayley ne fai t auc une
l'ex press ion de l' inverse d ' un quater- référence à la taille n de la matrice. Pour
les fonctions
homographiques
Fonction clef de la géométrie projective, la fonction
homographique reste étudiée au lycée sous une forme
cachée, sans jamais en montrer le lien avec les matrices.
Elle suscite pourtant un intérêt nouveau et est au cœur de
recherches mathématiques modernes.
e la désintégration des pro- second degré ax2 + b.xy + cy2, qui sont
subsiste nt que des notio ns parcella ires directio n p dans laque lle un po int peut
de constructio ns mathé matiques cl as- « partir à l' infini » do it alors être solu-
siques. Des ruines de ces monume nts tio n de l' équati on du second degré
é merge la fo nction homographique , o u a + bp + cp 2 = O. Son di scrimina nt
fo nction de Mobius, qui n 'est rie n ~ = b2 - 4ac caracté ri se le type de
d 'a utre , d ans la m ajorité des cas , conique:
qu ' une .. . hyperbo le camo uflée . • si~ < 0 , pas de d irection à l' infi ni, la
conique est une e llipse ;
Hyperboles cachées • s i~= 0 une seule d irectio n à l' infi ni,
la conique est une parabole d ' axe
Rappe lo ns que lques propriétés ana ly- parallè le à cette direction ;
tiques des équation s de coniques. Une • s i ~ > 0 de ux directi o ns sont pos-
co nique est une courbe pla ne do nt s ibl es à l' in fi ni , qui re prése nte nt
l'équatio n générale , dans un repè re ce ll es des asy mpto tes d ' une hy per-
R(O , x , y ), est du second degré: bo le .
a x 2 + b x y + c y2 + d x + e y + f = 0 . Cons idérons la plus simple des équa-
Si un po int (x, y) de cette courbe peut ti o ns d ' une hy pe rbo le , celle d ' une
s'élo ig ne r à l' infini , les te rmes du hy pe rb o le équil atè re : x y = 1. Ses
l(
=
que nous allons retrouver dans l' article), nous avons:
e(a +d) d 2 + be
Y a b \ ( x \ [ ax+b ] ax+b po ur tr(A) = a + d = 0, no us obte no ns:
y= [ 1 =~ e d Hl)= ex+d =ex+d ·
A2) 2
a +be O \
Nous allégeons encore cette écriture en assimilant y et
l O 2
a + be ) '
y= a b ] X=
ax+b
--
qui est bie n une matrice associée à
l' ide ntité! Po ur qu ' une ho mographie
so it son pro pre inverse, il suffit do nc
[ e d ex+d·
que la trace de sa re présentation matri-
2 x --3
c1.e Il e so .it nu Il e. A 'ms,,
. s,. y = - ,
Sx-2
par la matrice ( l a \ et l' inve r- no us po uvons directe ment écrire:
O ) l
x =
2Y - 3 ! Si jamais les te rmes dia-
s ion x ~ l / x par J = ( O ~ ). 5y - 2
go naux sont égaux, le calcul pe ut aussi
l'écriture matricielle de cette homogra- être s implifié. Par exemple, si
phie est alors :
2x-3 . .
2
y = - - , no us po uvons ecnre
( 1 a/e \ 0 \ Sx - 2
y =~ 0 ,r (l -( ad - be)/ e
a ) -2x + 3 . . .
( - y ) = - - - , qu, est mvo 1ut, ve ,
Sx + 2
( 0 1 \ ( 1 d ie\ et do nc x = - 2(-y)x + 3 = - 2Y+ 3 _
X~ )
a r ~a 1 J 5(- y) + 2 Sy - 2
1( a b \
= ~~ e d r· Pour a ll éger les calcul s, pre no ns
que lques exemples avec des matrices
( 0 -1 \
L' ide ntité est associée aux matrices a l , de la fo rme A= ~ a ) . Cette
1
multipl es de la ma tri ce ide ntité
matrice e t ses pui ssances sont de déter-
I = ( ~ ~ ) , et l' hyperbole équilatè re minant égal à 1. No us allo ns étudie r les
n - 1 vale urs du para mètre a telles que
d 'équation y = f (x) =1/ x est liée à la A" = 1 po ur diffé re ntes vale urs e ntières
den .
. J ( 0 1 \ p . 2 I
matnce = ~ ) . UISque 1 = ,
1 0
, ( _,
Pour n = 2, A- = l a
-a
a 2 -1 ) '
\
venons de le montrer, est d ' ordre 5 ,
c' est-à-dire telle que h 5(x) = x . Si on
a = 0 et y = - 1 / x. Pour 11 = 3, note M; = h (M; _ 1) l' image du point
M ; _ 1, nous constatons que M 5 = M 0 ,
-a quel que so it le point de départ M 0 .
a 2 -I Si on veut établir une bijection , c'est-à-
a 2 = 1 et y = --=..!___ Pour 11 = 4,
X ± J
l- a 2 - a (a 2 - 2) \ Fraction continue
2 4 2
a(a - 2) a - 3a + 1 ) ' Utilisons le nombre d ' or pour illustrer le lien entre les
fractions continues et les homographjes (donc les
Œ
2
=2 et y = --- 1-
x ± .fi.
matrices). Rappelons que la décomposition en fraction
continue du nombre x est la détermination des entiers X ;
Nous avons exclu la valeur a = 0 , qui tels que
n' est pas caractéri stique de la pui ssan- X= X1 + 1 .
ce qu atri è me . Pui sque A2"=(A2 )", X2 + - -
X3 + ...
toutes les pui ssances paires accepte-
ro nt év idemment a= 0 comme solu- On note x = [x 1, x2 ••• x,, .. . ] et x(n) = [x 1, x 2 • • •x,,] la rédui-
tion. Enfin , pour n = 5, te d ' ordre n de x , c' est-à-dire la fraction obtenue en pre-
nant les n premiers termes de la décomposition de x en
( - a (a 2 - 2) - (a 4 - 3a 2 + 1) \
fraction continue. Si h/x) = a + 1 / x est
As=l a 4
- 3a 2 +1 a (a 2 - 1)(a 2 -3) J·
l' homographje de matrice ( ~ ~ ) , le calcul de la
et les quatre so luti ons sont a = ± <!> ± 1
où <!> = ( 1 + Js) /2 est le nombre d 'or. réduite d'ordre n est facilité, avec les notations de l'en-
cadré Notation, en utilisant l' expression matricielle:
Nous avons représenté, sur le schéma
ci-dessous! la fo ncti on homographique
h( x )=--- qui , comme nou s
x (n) = l( x1
1
1 \
0 ) X •• • X l( x.1 1 \
0 ) X 1.
x +<j>
Puisque <!> = 1 + 1 / <!> , on en déduit que
1 <!> = {l, 1... 1...}. Une réduite d'ordre n du
!~ r
h(x)=---
! x+ </J
1
1
nombre d'or est donc <l>(n) = ( .1, c'est-à-dire:
1
1
- · - · - · - · - · - • . • . .l . • . • . •.• . • .
M(x,y)
Droite 1
projective.
z=x/y
1
= -
1
-+ C' Si nous avons f ( az + b) = ( cz + dYf (z),
h( z)-a z -{3 · cz +d
à étudier une suite récurrente du type pour des coefficients entiers et la condi-
= h(u 11 ), une méthode « astu-
u11 + 1 tion ad - b c = 1. Mais là , nous sortons
cieuse» consiste alors à utiliser la suite de notre domaine de compétence !
u,, -a
la suite intermédiaire V=-- F.L.
II un - /3 '
matrices
orthogonales
En omorphismes On appe ll e orthogonales les matrices in versibles
te lles que le ur transposée est égale à leur in verse.
Elles vé rifie nt donc 'M = M-1 ou , si l' on préfère,
orthogonauK 'M M = l o ù 1 dés ig ne la matri ce identité. Les
col onnes de ces matrices form ent une base ortho-
Les isométries, c'est à dire les transforma- normée. Ell es sont do nc les matri ces de passage
tions de l'espace affine euclidien A qui conser- d ' une base orthonormée à une autre; ma is e ll es
vent les distances, sont fondamentales, représentent donc auss i les endomorphismes ortho-
puisqu'elles peuvent décrire les transforma- gonaux, ce qui ex plique leur importance. Comme
tions d'un solide indéformable. On peut citer on l'a vu, o n peut affirm er que le ur déterminant
parmi elles les translations, les rotations, les vaut so it 1, so it - 1.
symétries orthogonales ...
Les endomorphismes associés à ces isomé- L'ensemble des matrices orthogonales étant stable
tries, qui agissent sur l'espace vectoriel eucli- par produit et par in verse, il fo rme un groupe pour
dien E associé à A, sont caractérisés par le fait la multipli cati on : c'est le groupe orthogonal.
qu'ils conservent les longueurs (les normes)
des vecteurs. En dime ns ion 2, une matrice o rthogonale est
C'est ce qu'on appelle des endomorphismes soit de la form e
orthogonaux. Ils sont aussi caractérisés par le
cosa - sin a)
fait de conserver les bases orthonormées. On
( sma cos a
montre que la matrice dans une base ortho-
normée d'un endomorphisme orthogonal est auque l cas e lle re présente la rotati on d 'a ngle a,
une matrice orthogonale (voir dans cette page).
Réciproquement, toute transformation de l'es- soit de la forme
pace affine A associée à un endomorphisme
c~sa sin a )
orthogonal est une isométrie. Certaines iso- ( sma - cos a
métries, comme les rotations ou les symétries
orthogonales, possèdent un (ou plusieurs) point où elle est associée à une symétrie orthogonale par
fixes. Toute isométrie peut se décomposer en rapport à une droite.
une transformation qui laisse un point fixe et
une translation. Dans une base bien choi sie, la matrice d ' une te ll e
symétri e sera (
1 O).
Le déterminant d'un endomorphisme ortho- 0 -1
gonal (ou de sa matrice) vaut 1 s'il conserve
l'orientation ou -1 dans le cas contraire. En En dimension 3, une matrice orthogonale est sem-
effet, c'est le coefficient multiplicateur de l'aire blable à l' une des deux matri ces
orientée d'un parallélogramme (ou du volume
orienté d'un parallélépipède en dimension 3)
lorsqu'on applique cet endomorphisme.
(l
l o c~sa
O sma
O O \
-sin a J ou
ca sa
l
(- 1
O
O
0
cos a
sin a
0 \
- sin a J .
cos a
Diagonaliser
pour calculer les puissances d'une matrice
Une matrice peut souvent être « réduite » , c'est-à-dire être
exprimée sous la forme , plus simple, d 'une matrice diagonale
ou d'une matrice triangulaire. Cette propriété permet alors de
réaliser de nombreux calculs, parmi lesquels celui des
puissances successives de la matrice.
).
Par itération immédiate, il en résulte que
A" = PD" P- 1• Or, on sait calculer D".
d" Ainsi, si nous sommes capables de trou-
De fait, cette formule est correcte et se démontre faci- ver une base de diagonalisation , alors
lement par r écurrence. É lever à la puissance n une de facto nous serons capables de calcu-
matrice diagonale revient à élever à la puissance n ler A" . C'est encore le cas si la matrice
chaque élément de la diagonale. semblable est triangulaire, sous forme de
Jordan (voir en encadré).
Le mathématicien
Camille Jordan (1838-1922). 3-À -1 1
det(A-Àl) =
1
1 1-À
2
=(3-À)( t -À)+ 1=(À-2) •
n { a" na·-· \
A = 1\ 0 a" J· Et si le polynôme caractéristique n'ad-
met pas de racine réelle ? Il n' y a plus
Là encore, la formule se démontre par récurrence sur n. de diagonalisation ni de trigonalisation
dans IR , mais le passage aux complexes
permet de retrouver des formes plus
C'est une matrice triangulaire. On dit (de simples .
manière quelque peu familière) que l'on N.V.
a trigonalisé la matrice, sous une forme
particulière appelée forme (ou réduite)
de Jordan. Le calcul de J" ne pose pas
de problèmes (voir en encadré) . Le cal-
cul de A" se déduit ensuite de la for-
mule A" = P J" p- l .
matrices en décomposition :
la factorisation LU
La « décomposition LU » correspond à la décom-
position d ' une matrice inversible en produit d'une
matrice triangulaire inférieure 1 (ou L pour « Low »,
« bas» en anglais), et d' une matrice triangulaire supé-
rieure S (o u U pour « Up »,« haut ») . Cherchons
(1 2 31
à décomposer ainsi la matrice A= l2 8 14).
3 14 34
On soustrait un multiple de la première ligne aux
li gnes suivantes pour faire di sparaître le terme de
la première colonne.
On obtient la matrice A
11
' = l~ ;
( 1 2 31
s J.
25
Les coefficients multiplicateurs utilisés, 2 et 3 ici,
complètent la première colonne de la matrice L ,
la factorisation QU
sac hant que la diago nale de cette matrice n 'est
constituée que de chiffres 1 . On continue avec la La « décomposition QU » est de la forme
deuxième li gne , et un coefficient 2 pour obtenir la A = QU, où Q est une matrice orthogo-
(1 2 31 nale , ses vecteurs colonnes constituent
matrice Am = lo 8J =
4 u. une base orthonormée et donc 1QQ = 1,
0 0 9 et U est une matrice triangulaire supé-
Nous avons effectué la factorisation rieure . On note souvent cette décompo-
( 1 0 01( 1 2 31 sition QR . Il existe des décompositions
A=LxU=l! ~ ~Jl~ ~ :J
RQ, mais aussi QL et LQ, où Lest une
matrice triangulaire inférieure. Ces décom-
qui permet de résoudre « économiquement » un positions sont souvent utilisées pour déter-
système d 'équations linéaires où le second me mbre miner l' inverse généralisé d'une matrice
pe ut c hanger. rectangulaire (décomposition SVD , voir
en page 75) .
Soit par exemple à résoudre l'équation matriciel le
AX =LUX= B. Le vecteur Y= UX est solution du
système tri angul a ire infé rie ur LY = B , qui se résout
rapideme nt par récurre nce ascendante (o n calcule
les termes un par un ,« de y 1 à y 3 »). On détermine
alors X comme solution du systè me tri ang ulaire
supérieur UX = Y, qui se résout par récurrence des-
cendante(« de x 3 à x 1 »). La complex ité algorith-
mique de cette méthode, inqépendante du second
membre B, est inférieure à celle de l' inversion par
le pivot de Gauss.
•
e PIUO
auss
Pour résoudre de petits systèmes d'équations, la méthode de
Gauss a l'avantage d'être simple. Mais gare aux résultats
obtenus si le système contient des paramètres ! En fait, la
méthode du pivot présente surtout un intérêt historique.
l
x + 2y +2z- 1,
pour détruire les coefficients de x dans 3y + 2z = 1,
les autres éq uations, au moyen de com- 4y +3z = 2.
binaisons linéaires. À partir de la deuxième, le équations ne
contiennent pas de termes en x . On
Déroulement des calculs recommence sur elles, avec la deuxième
inconnue, autrement dit on considère
Pour préciser le procédé, considérons le (3") = 3 x (3')- 4 x (2') , soit z = 2.
système su ivant : Nous obtenons un système triangulaire
équiva lent au précédent , donc au pre-
l
x+2y +2z = 1,
2x+ y + 2z = 1, mier également :
3x +2 y +3z = 1.
l
x + 2y + 2z =I ,
Nous notons les trois équations (1), (2) 3y +2 z =I ,
et (3) respectivement pour simp lifier == 2.
l' écriture. L'équation (2') =2 x (1 )-(2) , Ce système peut se résoudre en com-
soit 3y + 2z = 1, ne contient plus de terme mençant par la dernière équation et en
en xet de même pour (3') = 3 x (l)-(3), remontant jusqu'à la première. On peut
l
x+ 2y = -3,
3y = -3, donc A2 = SU + l = 4A + 51. Cette égalité peut être
z = 2. écrite en mettant A en facteur: A(A- 41) = 51, c'est-
En div isant la deuxième équ ati on par à-dire AB= l où B = (1/ 5)(A- 41). On en déduit que
3 pui s en la combinant à la pre mière, A est inversible et que A- 1 = B, ce qui donne bien
;:l l
le rés ultat s'ex prim e so us la fo rme ( -3 2 2\
A- 1 = S
I 2 -3 2 . J
=:: qui est donc la so luti on du 2 2 -3
z = 2,
système in itial.
l'article Systèmes linéaires et matrices.
méthodes modernes Ce sys tè me pe ut ê tre réso lu pa r la
méthode de Gauss. Il est également pos-
Cette méthode n'a plus qu ' un intérêt sible de résoudre n systèmes do nt les
histori que. Elle n'est pas la plu s pra- seco nd s me mb res so nt nul s sauf un
tiq ue dans un usage « à la mai n » car elle terme qui est égal à 1. Précisons cela avec
peut int rod uire des coeffic ie nts plu s une matrice carrée d 'ordre 3.
compliqués que la méthode usuelle par ( 1 2 2\
comb inaisons linéa ires, vue dans l'ar- La matri ce A= l2 1 2J est in versibl e
ticle sur les systèmes linéa ires. D 'autre 2 2 1
part, elle n'est pas adaptée aux systèmes pui squ e, d 'a près la règ le de Sar ru s,
avec paramètres. Dans ce cas, mie ux son déterminant est égal à
vaut util iser la méthode de Cramer vue 1 + 8 + 8 - 4- 4- 4 = 5 ;t: O.
dans l'art icle sur le sens du détermi- Considérons le système d 'équatio n
nant , au moi ns pour savoir dans que ls
cas le système a une et une seule so lu-
tio n. En ce qui co ncerne l' utili sati o n
l; l
(x\ ( 1\
Ax J ~J. En multipliant à gauche par
=
(1 2 2 1 0 0\
l~ 1 2
2 1 ~ ~ ~J
et, comme vu précédemment, on retranche
deux fois la première à la deuxiè me et
à la troi siè me .
(1 2 2 1 0 0\
On obtient l ~ =~ =~ -2
-2 0
1 oJ
1
l o -3
0 0 -5/3
-2 -2
-2/ 3 -2/ 3
1 o,J· Portrait de Carl Friedrich Gauss
(1777-1855) réalisé en 1840
par Christian Albrecht Jensen
On multiplie alors la dernière ligne par (1792-1870).
-3/ 5, d ' où:
(1 2 2 1 0 0 \ La mê me méthode est utili sable pour
l o
0
-3 -2
0 1
-2 1
2/ 5 2/ 5 -3/5
0 J. calculer le rang d ' une matrice car les
opérations considérées conservent le
rang.
On reprend ensuite dans l'autre sens : ( 2 5 4\
on obtient Appliquons-le sur la matrice l }
2
! -52J.
(1 2 0 1/ 5 -4/5 6/5 \ ( 1 2 0 1/ 5 -4/ 5 6/5 \
-3 0 -6/5 9/ 5 -6/ 5J·l0 1 0 2/ 5 -3/ 5 2/ 5 J
l~ 0 1 2/5 2/5 -3/ 5 0 0 1 2/ 5 2/5 -3/ 5 La suite des transformations donne
(1 1 0 -3/ 5 2/ 5 2/ 5 \ (2 4\ (2 5 4\
et enfin l ~ 1 0 -~8 J pui s l ~
2/ 5 -3/5 2/ 5 J ,ce qui signifie que -18 - 18
-~8 J '
0 1 2/ 5 2/5 -3/ 5 l~ 9 0
Décomposition
de Crout-Cholesky lanczos
La « décomposition de Crout » complète la décom-
position LU (voir en page 63) pour le cas d ' une
matrice symétrique .
Considérons la décomposition LU de la matrice
2 3\
8 14J ,
14 34
Invariance de la trace
La trace d'une matrice carrée est la
somme des éléments de sa diagonale.
La trace de A = (: !)
est donc égale à tr(A) = a + d.
H.L.
Diagonalisation,
géométrie et algèbre
Les matrices carrées peuvent être diagonalisables ou ne pas
l'être. La question est liée à la dimension des espaces propres,
une question de nature géométrique. Elle est également liée à
l'annulation de polynômes, une question de nature algébrique.
L' inclusion annoncée plus haut implique donc l' inégalité : Excluons donc ce dernier cas . Le nombre
3 - dim [Ker(A- hl)] ~ dim [Ker(A- al)], -(a + b + c) est valeur propre, et l'espace
que l' on peut écrire : propre qui lui est associé est un pl an. La
dim [Ker(A- al)]+ dim [Ker(A- hl)] i!:: 3. trace de A est égale à -(a + b + c), donc
a + b + c est auss i valeur propre .
Si a et b sont valeurs propres de A , les deux noyaux ci-
dessus sont les espaces propres associés. Pour conclure, il suffi t de calculer le pro-
La caractérisation géométrique vue plus haut implique alors duit [A+ (a + b + c) I] [A-(a + b + c) I],
que A est diagonalisable . c'est-à-dire A 2 .
Si a n' est pas valeur propre , alors dim [Ker(A - al)]= 0 et Nous tro uvons: A 2 =(a + b + c)2 l ,
donc dim [Ker(A - bl)] ~ 3, ce qui implique A= bl. A est
donc diagonalisable, et de même si b n'est pas valeur propre. ce qui montre que le produit ci-dessus est
nul. La matrice annule donc le polynôme
x2-(a + b + c) 2 , qui n'a que des raci nes
de degré 2 ( voi r l'encadré Polynôme simples à la cond ition que a + b + c so it
annulateur et diagonalisation). Dans le diffé rent de O. Dans ce cas, A est d iago-
cas de la matrice A précédente, le simple nalisable. Si a + b + c = 0, la seule valeur
constat (A+ 31) (A - 31) = 0 suffit donc propre de A est 0, A n'est donc diago-
pour affirmer qu 'elle est diagonali sable. na li sabl e qu 'au cas où e ll e est null e,
Considérons la matrice c'est-à-d ire si a= b = c = O.
l
(a-b-c 2a En résumé, la matri ce donnée est dia-
A= 2b b-a - c gonalisable si et seulement si a + b + c "# 0
2c 2c ou a = b = c =O.
H.L.
o ù les coeffic ie nts a , b e t c sont des
nombres réels. Est-elle di agonalisable?
La décomposition d'une matrice en valeurs singulières (ou SVD pour singular value
decomposition) est un outil de factorisation de matrices rectangulaires très utilisé en
théorie du signal.
Pour une matrice rectangulaire A possédant m lignes et n colonnes, la décomposition
en valeurs singulières correspond à la factorisation A= M X I X tN, où M est une
matrice carré de taille m, N est une matrice carrée de taille n, M et N sont unitaires
(M tM = l m et N tN = In) et I est une matrice rectangulaire (de même taille que A)
dont les seuls éléments non nuls sont « diagonaux » (à savoir les termes I; i pour
i = 1.. . min(m, n)) et positifs. Les valeurs « diagonales » de I sont appelées les
valeurs singulières.
Il arrive souvent qu'un problème soit mal posé, c'est-à-dire que l'inverse, ou l'inverse
généralisé, même s'ils existent, amplifient le bruit. Ceci est dû à une valeur singulière
proche de zéro dont l'inverse devient très (trop) grand. Il suffit alors, dans I +, de
rendre nulle la valeur correspondante, ce qui revient à annuler cette valeur singulière
dans I. On pourrait aussi translater cette valeur d'une quantité qui rende son inverse
« acceptable » . Il s'agit là d'un filtrage , ce qui nous conduit à la théorie spectrale,
domaine bien trop vaste pour être abordé ici.
la trigonalisation
Quand une matrice n'est pas diagonalisable, c'est-à-dire
semblable à une matrice diagonale, peut-on encore la réduire
à une matrice « simple » ? La réponse tient dans l'utilisation
du corps des complexes et dans la trigonalisation.
o ns idé ro ns une matrice com- du plan, association qui sera systémati-
Considérons la matrice A= ( ~ =~) etf qui est bien égal à 1. Cette matrice per-
met de trou ver un vecteur propre de/:
l'endomorphisme associé dans une base le vecteur i de coordonnées ( 1, 1). Autre-
ment dit,f(i) = i.
Considérons alors un vecteur j non coli-
néaire à i, celu i de coordonnées ( 1, 0)
Fleurs trigonales dans le po ur fi xer les idées. Le système (i, j)
désert du Namib. définit une base du plan. Pour détermi-
ner la matrice defdans cette base, il suf-
fit de calculer f(J) dans la base (i ,J). Dans
la base initiale, les coordonnées de f(J)
des vecteurs, c'est-à-dire si on écrit la en transposant, tyA= Atv. Soit M un point de coordonnées
matrice de f dans la base U, i) , on obtient (x, y, z) appartenant au plan Q d'équation ax + by + cz = o,
« simple » : D = ( ~ :) , qui est également 0 2=(~ ~),03=(~ ~), ... IY'=(~ ~)·
la matrice def dans la base (i,j/2). On en déduit que
Ce résultat se traduit de manière matri-
cielle par: A= PD P- 1, où Pest la matrice
An=('1 1/ 2)(1
0 0
n)(O
1 2 -2 'p
1)
uis ueAn=(2n+I
q 2n
-2n)
1- 2n ·
de passage de la base initiale à (i,j/2),
. :p=
soit (0 1) . La matnce
. .inverse est Considérons maintenant une matrice
2 -2 A carrée complexe d ' ordre 3 et f son
0 1 endomorphisme associé dans une base
P- 1 = ( ) , ce qui permet de vérifier
2 -2 de l' espace . En utilisant la notion de
l'égalité précédente. valeur propre sur la matrice transposée,
Ce cas est général. Autrement dit, toute on montre qu ' il existe un plan Q stable
matrice carrée d ' ordre deux non diago- par f, c'est-à-dire tel quef (Q) soit inclus
nalisable, de valeur propre À. , est semblable dans Q (voir l'encadré Vecteur propre
(où À etµ peuvent être égaux) et tel que f(k) = k + j , ce qui revient à
2x+ y= 3
résoudre le système .
{ 4x-8y-3z =20
Camille Jordan
de f est l
(À
O µ
Ü
E
Ü
p\
aJ . En calculant son
V
Le second cas est plus délicat.
Prenons l'exemple de la matrice
( 2 0 1\
(1838-1922)
est à l'origine des
matrices portant
polynôme caractéristique, on montre que
les éléments de la diagonale sont les
valeurs propres de A comptées avec leurs
l-1 1-IJ .
1 2 0
La seule va leur propre est
Il possède deux racines distinctes, donc A est diagonalisable; B l'est aussi puisqu'elle est dia-
gonale!
C=A+B = (~ ~) n'admet que o pour valeur propre. Si elle était diagonalisable, elle serait
Le théorème spectral affirme que toute matrice réelle symétrique est diagonalisable dans
une base orthonormée. Cette propriété est spécifique au corps des réels. Sur deux
exemples, nous allons voir que ceci devient faux si le corps de base est l'ensemble des
rationnels ou des complexes.
Le polynôme caractéristique de la matrice complexe A = G~)
est (X - 1)2. L'unique
valeur propre étant 1, si A était diagonalisable, elle serait semblable à la matrice unité et
représenterait donc l'identité. Ce n'est clairement pas le cas ...
1 1
Posons enfin B= ( ) considérée comme matrice à coefficients rationnels. Son polynô-
1 -1
me caractéristique, X2 - 2, ne possède aucune racine rationnelle. En effet, .Jiest un nombre
irrationnel, et donc B ne possède aucune valeur propre rationnelle.
contre-exemple à méditer
A et B étant deux matrices carrées de même taille, les produits AB et BA ont le même poly-
nôme caractéristique. Donc ces deux matrices ont les mêmes valeurs propres. Cependant,
leurs polynômes minimaux peuvent être distincts !
Posons A=(~ ~) et B= (~ ~) . Un calcul facile montre que AB est la matrice nulle et que
BA= B. Comme B2 est aussi la matrice nulle et que B n'est pas nulle, le polynôme minimal de
AB est X alors que celui de BA est X2 • Ainsi AB est diagonalisable, tandis que BA ne l'est pas.
matrices doivent être tapées sous Pour plus de clarté, il est souve nt utile
forme matric ie lle, en validant avec de nommer les cellules et les plages.
Ctrl- Maj-Entrée. Une fo is saisie, la Le calcul matriciel ne fait pas excep-
formule matricielle apparaît égale ment tion à cette règle . Attribuons le nom A
dans la barre de formule, encadrée par à la plage (B 1:D3), en cherchant dans
des accolades. l' onglet Formules la fo nction Définir
un nom .
. ( i •. )
:i i ~·- i1
. ,vtll\l.\UT,ll
~ l. ~ .;! l-1
'
',., Nom : Al Nommer un
Zont : ,@
o--.s-----__B-.-
-.. ..,..,
L'inverse de la même matrice. ensemble de
C&!rrmentaire :
cellules.
Multiplions à présent la matrice carrée
(H l:1 3) par la matrice colonne
(M 1:M3). Le résultat sera bien entendu F• n!f6rence à : -Feull 1$8$1 :$0$3
une matrice colonne, que nous faisons ()1( 1 [ Arruer
calculer en (Q 1:Q3) . Il suffit d ' utiliser
la fonction Produitmat, en procédant
comme suit : sélectionner la plage de Si l' on nomme successivement InvA la
cellules résultats (Q 1:Q3), tape r plage (HI:J3), B la plage (Ml:M3), M
=PRODUITMAT(H 1:J3 ;M 1:M3), puis la plage (B6:C8), N la plage (G6:H8)
valider. et k la cellule A 10, les formules ci-des-
sus deviennent respecti vement
•
f
0
" 1 •
r;.."ll tlC'n41.M'•
C:,C:l-C:.U"C ••t,
_. 1 , c;11; -e..-
l
C
=DETERMAT(A),
c:te._
=INVERSEMAT(A),
La multiplication de la matrice par =PRODUITMAT(InvA ;B),
un vecteur. =M+N , =3*M et =k*M.
Les possibilités d 'application des
On peut évidemment additionner deux tableurs sont nombreuses ! Outre les
matrices, pour autant qu 'elles soient de calculs de déterminants ou d ' inverses
tailles identiques. Sur l'exemple c i- de matrices, on peut effectuer des
dessous, on sélectionne la plage résul- simulations ou des calculs à la chaîne .
tat (L6: M8), on saisit la formule (ic i Voici deux idées d ' applications relati-
tout simplement =B6:C8+G6: H8), puis vement simples et utilisables dans un
on valide . cadre scolaire.
La résolution d ' un système de n équa-
tions linéaires à n inconnues se résout
'.
l .
' . l [. ... l [[G ]
• •
c~
•
•
•
~ '
z.
• aisément, pour autant que ce dernier soit
de Cramer (c'est-à-dire que le détermi-
L'addition de deux matrices nant de la matrice des coefficients est
rectangulaires. non nul). Regardons le système
3x, - 2x2 + x 4 + l ,4x5 = 3
Il est possible de multiplier une matri-
6x, + 2x2 + 0 ,5x3 + 3x4 + 2x5 = 2
ce par une constante, ou par la valeur
Sx, + 2x3 - x4 - x5 = 1
d' une cellule, en utilisant respective-
x, + 2x2 + 6x3 + 2x4 + 3x5 = -4
ment dans la cellule résultat =3*B6:C8
ou =A 10*B6:C8. - 3x2 + l,5x3 - x 4 + l,2x5 = 5
"-•
12 -4 -5
13 -1,19 0,883 -0,29 -0,28 1,198 5 J 5 J Les procédures de simulation utilisent
"--- =INVERSEMAT(A)
.S U
'
!120000 &)6000 804800 763840 731071 7t14151 68
S10000 644000 595200 736160 761921 79'14:Z Il
Prenons une matrice diagonale D, avec A.1' A. 2 ... ÀP sur la diagonale. Notons
Qn = In + D + D2 /2! + ... + on/n!. Un calcul facile montre que le produit de deux matrices
diagonales l'est aussi, et qu'on l'obtient en multipliant les termes correspondants. On en
déduit que les termes diagonaux de Qn sont 1 + Ài + A.N2! + ... + A.tfn!, suite qui conver-
ge vers exp(A.J La matrice exp(D) est donc la matrice diagonale ayant, sur sa diagonale,
l'exponentielle des termes correspondants de D.
Si A est diagonalisable, il existe une matrice diagonale D et une matrice inversible P
telles que A= PD p- 1• Par distributivité du produit, on a encore Sn= P Qn p- 1 • Il est ten-
tant d'affirmer qu'à la limite on a encore exp(A) = P exp(D) p- 1 • Encore faut-il le justi-
fier. On utilise alors la notion de continuité, la norme jouant le rôle de la valeur absolue
dans la définition. On montre alors que la fonction tf, qui, à la matrice M, associe la
matrice PM p- 1, est continue (attention, la variable est une matrice, de même que son
image). On utilise une propriété classique des fonctions continues Oa limite de l'image
est l'image de la limite). Comme exp(D) est la limite de la suite (Qn)n, on en déduit que
tf,(Qn) = Sn tend vers tf,(exp(D)) = P exp(D) p- 1 •
Dans le cas où A est seulement trigonalisable, on opère de même. Le seul inconvénient pro-
vient de la difficulté de calculer la puissance d'une matrice triangulaire.
Les exponentielles de matrices sont d'une grande utilité. Considérons par exemple le systè-
me différentiel x = 2X + y, y' = x + 2y. Les solutions sont les fonctions de IR dans IR 2 de la
Ev idemment , il ne fa it appe l qu 'à des Un exemple de nuancier RVB, ici, les composantes
matrices ! C'est cette om niprése nce de sont exprimées en pourcentage.
ces noti o ns algé bri q ues importa ntes Non,.
do nt no us do nn ero ns ic i qu e lqu es
exemples. Modèle . ~-~---==m
-~·
Images matricielles
tement. Les opérations sur les matrices raîtra avec un contraste accentué. Le
vont prendre place lors de l'opération calcul matriciel aura , là encore, prouvé
« convolution ». L'opération consiste à sa capacité d'économie opératoire lors
transformer les éléments de la matrice du traitement d' image.
d ' image A , généralement de très grand
format , par une matrice F dite de convo- Images uectorielles
lution, plus petite, appelée encore noyau.
On modifiera par exemple chaque pixel Image Image
de A grâce à ses huit voisins , par l' in- bitmap vectoriel le
termédiaire de la matrice F, qui sera
donc une matrice 3 x 3. Si vous voulez
par exemple renforcer la brillance d ' un
point sur un fond uniforme, comme celui
que décrit la matrice A, vous utiliserez
le noyau F ci-dessous :
(. .. ...\
rt Jt
Différence entre une image bitmap
50 50 50 50 50 et une image vectorielle.
50 50 50 50 50
L' imagerie matric ielle a certes l'avan-
A= 50 50 100 50 50
tage de pouvoir être traitée par un cal-
50 50 50 50 50
cul algébrique simple, mais e lle résiste
50 50 50 50 50
mal au grossissement , donnant très vite
un effet d 'escalier.
li ex iste une autre catégorie d ' images
numériques, plus « résistantes» au gros-
sissement, moins lourdes en taille, mais
pour la quelle le vocabulaire de
On calcule alors la valeur de chaque l'algèbre linéaire intervient encore: le
pixel de la matrice transformée A' en images vectorielles. Ce sont des repré-
multipliant sa valeur par celle du pixel sentations d'objets géométriques simples,
central du noyau et en additionnant la lignes, points , polygones , courbes défi-
valeur des produits des pixels environ- nis, selon des tableaux d' octets appelés
nants point par point. Le coefficient vecteurs, par leur forme, leur position , leur
« 1OO » central devient ainsi couleur. Un cercle sera par exemple défini
5 x IOO - 1 x 50 - 1 x 50 - 1 x 50 par son centre et son rayon, un carré par
- 1 x 50 =300, et la matrice image sera: deux sommets opposés, une courbe par
(.. . . . ·\ plusieurs points et son équation.
50 50 50 50 50 Décrites avec peu d'informations , les
50 50 0 50 50 do nnées, représentées par des entités
A' = 50 0 300 0 50 mathématiques, seront aussi moins sen-
50 50 0 50 50 sibles aux transformation , et le images
resteront nettes après grossissement.
50 50 50 50 50
Le mot « vecteur» intervient à double
titre dans ces images : dans la qualifi-
Il restera à multiplier tous les é léme nts cation « vectorielle », mais en plus dans
par un facteur convenable pour reste r le rôle important des tangentes aux points
entre Oet 255 , et le pixel central appa- d 'ancrage des courbes, autre ment dit
Partout en physique,
des matrices
L'étude dynamique d 'un système physique consiste à
transcrire des relations entre forces en un système
d'équations. La résolution numérique amène à réécrire les
équations sous forme matricielle. De fait, plus de la moitié du
temps de calcul de tous les ordinateurs se passe à manipuler
des matrices !
( ~: )=(Q,)x( ~. l
Une mi se en série de n quadripô les de
Dans la « matrice résistance » , les éléments diagonaux
correspondent à la somme des résistances des mailles et
les autres éléments à l'opposé des résistances com-
munes à deux mailles. L'inversion de l'équation
matrice (Q); = 1.. . 11 est alors équi valen- (E) = (R) (1) nous donne :
te à un seul quad ripôle de matrice
(Q) = (Q 11 ) X (Q 11 _ 1) X ... X (Q 1), et
nous avons toujours :
( ~: )=(Q{ ~· l
Une méthode similaire est utili sée pour
On constate en particulier que 12 = 13 , et donc que
i = 13 - 12 = O. Ce résultat pouvait être établi par des
une success ion de systèmes optiques arguments de symétrie, en remarquant par exemple que
centrés. Dans le cas de fa ibles ang les le schéma proposé est topologiquement équivalent à un
avec l'axe optique, l' approx imation de tétraèdre.
Gauss linéari se la lo i de Descartes
n 1 sin (a 1) = n2 sin (a 2) , qu i re lie la
variation de direction d ' un rayon à la
variation de l' ind ice, pour la transfor- E
,i - 1
con stants d ' ordre 2 de la form e
m x< 2l(t) + f x(l >(t) + k x(t) = O. Pui sque
)"l + I, ak)kl
k=O
l'exponentielle est invariante par déri - = y(") + a11- I y(,,- 1) + • • • + a y (i) + a0 y= 0 '
vation, nous avons (eA1)<11> = A"eA 1• La 1
fonction x(t) = x(O)eAr est alors solution le po lynôme à résoudre est de degré n.
de cette équation , à la condition que A Ma is nous pouvons réduire l' ordre de
soit solution du pol ynô me du second cette équation au pri x d ' une augmenta-
degré mA 2 + JA + k = O. tion de dimension, en passa nt d' une
Dans le cas généra l d ' une équation di f- équati on différentie lle d ' ordre 11 sur un
férentie lle linéaire d ' ordre n, espace de dimension 1 (les réels) à une
équation di ffé rentielle d'ord re I sur un
l
En notant Ll 11 = </>" - ( - cp- 1)" , cette expression
(A - AI)X = O. La condition nécessaire pour
qu'il existe d'autres solutions que le vecteur nul .
devient A ,' = - J [ Ll,,+1 il,, et est encore
est det(A - AI)= O. Les solutions de cette équa- Lli li,, ll,,_1
tion polynomiale caractéristique sont les valeurs valable pour des valeurs négatives de l'expo-
propres. Pour norre exemple : sant.
det ( A - ÀI) = I - À I = À2 - À- 1 = 0. En appliquant l'écriture A"= P 0 11 P- 1 dans
1 -À 1
- 1
Ses solutions sont A1 = <1> et A2 = -1 / <J>, où l'expression exp(A)= I,-A" , nous pouvons
k=O n!
t"
Y= de dimension n admet exp(At)=I,A"- (voirenencadré)
n~O n!
et Y(O) le vecteur des conditions ini-
tiales déterminé par n données.
pour dérivée y (i) = , et est
Prenons le cas de l'équation
y< 2l = y< 1l + y ,avec y(O) = 0 et
y<' l(O) = 1. Elle s'écrit y ( I ) = AY, en
donc solution de l'équation du premier
ordre y ( I l = AY, où la matrice A est la posaet Y=[ y:I } Y(O)=( ~) et
matrice compagnon de l'équation ini-
tiale:
A= [ T O -a, -f J
A=( : ~}
Discrète dériue
La généralisation à deux dimensions est le laplacien
Tous les opérateurs intégro-différen-
N(x,y)= [ -il2 +a-2 ] J(x,y). En notantJ;J=f(x;,Y),
2
tiels linéaires sont représentés , après
âx ây discrétisation, par une matrice.
Prenons l' exemple de la dérivée .
nous avons '-'A..f.. -__
I .J h4[
2
J+:i.J-
. 1++: . 1++:1
Ji .J+
4
Ji -.). ++:1
J ;+ ,}.
t].l ,J
Comment exprimer la dérivée d ' une
fonction f dont on connaît les valeurs
Le laplacien mesure donc l'écart de la valeur en un point if;); =, ...11 en n points, régulièrement
à la moyenne des points environnants , ce qui justifie espacés, d' abscisses X;= h X i , pour i
qu'il soit l' opérateur fondamental des processus de dif- variant de l à n ? Nous noterons [!] le
fusion , qui tendent à uniformiser les densités des corps vecteur colonne constitué des valeurs
en présence ... if;);= 1. .. 11 • En prenant le cas particulier
d' une fonction nulle à l' origine , une
approximation de la dérivée est donnée
récurrence u,, = u,,_1 + u11 _ 2 avec u0 = 0 par df; = if; - J;_1) / h pour i > 1 et
df1 = f, / h. L'écriture matricielle de ce
et u 1 = 1. En posant U,, =( u,, ],
u,,_1 système est ( df) = D 1[!] = _!_ D[f]
avec u1 =( ~ } cette équation
0 0
h
0 0
s'écrit U ' 1 = AU IJ- 1 = A"- 1 U 1 • En utili- -1 0 0 0
sant la formulation de A" calculée en avec D = 0 -1
encadré, nous déduisons l'expression 0
du terme général de la suite de 0 0 -1
Fibonacci : u,, = 6.,, / 6. 1 avec :
matrice de dimension n . Remarquons
6.,, = <!>" - ( - <f,- 1t et </> = .Js + l . que nou s pouvon s écrire D = I - N, où
2
1 = 2
1 0 2, avec Son inversion [F] = hD- [!] = hS[f] 1
h donne, en utilisant l'expression de la
0 2 = l-2N+N 2 ;
En notant (d,j) = 0 2[!] , nous avons Riemann aux points (xk)k = 1. . .11 , espacés
2 d ' un pas constant h.
J/
(d2f ); = ~2(J;- 2.f -i + k 2) = ) -h.{;(J)
On retrouve abondamment la représen-
pour i > 1 (des développements sont tation matricielle de toutes sortes
proposés en encadré). Pour h suffisam- d ' opérateurs intégro-différentiels en
ment petit, nous obtenons bien une traitement d ' images ou de photos et
approx imation de la dérivée seconde . dans vos jeux vidéo. Alors , cher lec-
Bien sûr, les schémas numériques utili- teur, apprécie les matrices que les
sés dans les codes sont plus raffinés maths risquent et sache que celui qui
que ces exemples é lémenta ires ! dit faire des maths tristement avec les
D' une façon générale, en notant F et G matrices te ment !
les matrices associées respectivement
aux opérateurs f et g, la matrice F X G F.L.
correspond à la composition f O g.
Ainsi , si f et g sont des opérateurs
inver es l'un de l'autre, nous avons
f a g = id et les matrices associées sont
inverses l' une de l' autre : F=G- 1•
Vérifions que la matrice
S = 0 - 1 = (l - N) _ , correspond à
! ' opérateur d ' intégratio n. Pour une
matrice N nilpotente d'ordre n (c'est-à-
dire telle que N" = 0) , nous avons
La trilatération
La trilatération, technique courante pour les systèmes GPS,
en cinématique, cristallographie et robotique, donne la
localisation d'un point de l'espace en fonction de ses distances
à trois points fixes. Elle permet de s'affranchir de l'arbitraire
d'un repère.
de la tril atérati on p 2 ,p 3 et de rayons Xi, x 2 ,x 3 . La fig ure ci-
con s iste à locali ser un po int q après présente une construction géomé-
dans l'espace en fo nction de ses trique de la projection p du point q cherché
di stancesx 1,x2 et x 3 à troi s points fi xes dans le pl an du tri angle tlp 1piP 3 •
p 1, p 2 et p 3 . Les pre mi ers traiteme nts,
dans les années 1980 , simplifi aie nt les
calcul s e n utili sant des repères pri vi-
lég iés, ce qui rompait la sy métrie natu-
re lle du problè me. On développa alors,
à partir de techniques d'algèbre linéaire,
des fo rmul ations « sans coordonnées »
de ces systèmes vers la fin du siècle der-
ni er. Une technique récente utili se des
, ,,
coordonnées barycentriques e t fo urnit
, ,,
une fo rmule composée de déterminants ,,
de Cay ley-Me nger, qui o nt tou s une ,,
in te rprétati o n géo mé trique, e n terme
de lo ng ue urs, surfaces o u vo lum es .
Cette fo rmul ati o n a de plu s le mérite Trace de l' axe radical
de permettre, pour ce pro blè me d ' ori - de trois sphères.
gine phys ique, une plus simple ex pres-
sio n de l'erreur. Analytiqueme nt , le pro blème consiste
à résoudre un système de trois équa-
Les déterminants de Cayleq-menger ti ons quadratiques. Par si mples com-
binaisons de ces équations, on se
Le problè me peut être présenté comme ra mè ne à l'étude de l'i ntersecti on
la détermination de l' intersection de trois d' une sphè re et d ' une d ro ite, qui n' est
sphères, respecti vement de centres p 1 , autre que l' axe rad ica l des trois
-
(avec s < n). Le vo lume de tout poly-
tope convexe peut donc s'exprimer en
fo nction de la longueur de ses arêtes
et de ses di agonales !
Héron et tridngle
U ÂV
-
W
-- ,, ,
---- I
~:----.,!.-------------.,---
,
, ,,
--
,
__ .,,,.-;
,,,
'
,
,, ,,'
-+- ,' ,'
V, ,'
Voyons ce que donnent les fo rmules
vectorielles et matricielles données en
..;;;.________________
-'!'"~--,' ----
-------------;'----::~'
encadré pour les dimensions « cou-
ra ntes » . En dimension un , le simplexe
u
est un segment.
Pour un triangle, n = 3
et D3(p) = IIP,P 2 "p,p31!2. La surface du
triangle S a donc pour expression
S = V3(p) = ~IIP,P2 "P,P311, qui est bien la
'l'
b'2J .
Dl p)=-
4 1 c2 0 a cône, ensemble de droites passant par
1 b2 ai 0 un point et s'appuyant sur une surfa-
Son développement donne ce . Son volume sera donc éga l au
( ai - b2 - c2 \ i tiers du produit de sa surface de base
D i (P) = b2c2 - l 2 ) . par sa hauteur. Si S est la surface du
triangle b.p 1p,p 3 , nous avon s alors
Puisque 4S2 = Dlp) nous obtenons , V4 (p') =.!. Sx h . En utili sant la formule
avec un peu de calcul élémentaire , la 3
célèbre formu le de Héron d'Alexandrie: du volume pour les simplexes p et p' ,
S2 = s (s - a) (s - b) (s - c) , 3V ( ')
nous obtenons h = _ . _P_ = ~ .
D ( ')
où s =(a+ b + c) / 2 est le demj-péri- S Dl p)
mètre du triangle. Le vecteur ;:;; = p1p2 "p ,p3 est perpendi-
La formule du simplexe nous donne culaire au plan de référence , est indé-
pour le volume d ' un tétraèdre pendant de l' origine choisie , et a pour
v. (p) = '·\10
~ .
(p) , express ton que nous norme 11;:;;II = ~0 3 ( ~_).
6 4
- w
En notant n = E ll;:;;II un vecteur normal
allons exploiter pour la géolocalisation.
les matrices
actuarielles
Les contrats d'assurance-vie peuvent garantir le paiement
d'un capital déterminé en cas de survie d'un assuré à un âge
donné (capital différé), ou le paiement de ce capital aux ayant-
droit au moment du décès de l'assuré (assurance décès).
L'actuariat, tant «vie» que « accident », a aussi recours au
calcul matriciel.
M=( ~ l~p J
On constate hélas que la limite pour n
tendant vers l' infini de cette matrice
prend la forme suivante :
=( ~ ~ J
La première ligne décrit les probabili-
tés de transition vers les deux états vie M-
et mort d ' un individu vivant. La secon-
de ligne correspond aux probabilités de qui exprime que le seul état final attei-
transition à partir de l'état décédé. Cet gnable, quel que soit l'état initial, est
état est qualifié d'absorbant pour des celui de décédé. Apparaît ici la notion
raisons évidente dans notre contexte très claire d'état transitoire (être
(voir l'encadré consacré aux chaînes vivant) et d'état persistant (être mort).
de Markov). On peut à présent s'inté- Toutes ces notions sont formalisées
resser à l'état de l'assuré après deux dans le cadre de la théorie des chaînes
ans. En supposant les transitions suc- de Markov.
cessives indépendantes, on sait que la
probabilité de survie après deux ans La réalité est un peu différente : les
doit valoir p2. La probabilité de décès, probabilités de transitions dépendent
complémentaire, doit être égale à de l'état du système (la probabilité de
1 - p 2. En effet, ce décès a pu survenir survie varie avec l'âge). Les matrices
pendant la première année (probabilité décrivant les probabilités de transition
1 - p), ou durant la seconde, auquel cas deviennent :
l' assuré a du survivre un an puis décé-
der l' année suivante. Ces événements
étant indépendants par hypothèse, leur
M
x=[~ 1-t-' }
probabilité de réalisation simultanée où x désigne l'âge de l'assuré. Après
est égale au produit des probabilités deux ans, on retrouve la multiplication
soit p X (! - p). Les deux événements matricielle classique :
(décès la première ou la seconde
année) étant disjoints, la probabilité de
MM
x x+ I
=( P.,
Û
1-p,
i
J( p_.. ,
Û
1-p_.. , )
i
réalisation de l'un ou l'autre des évé-
nements est la somme des probabilités,
soit [1 - p] + [p (1 - p)] = l - p 2 . On a
vérifié ainsi que la matrice de transi-
tion d 'états en deux ans correspondait avec les mêmes conclusions sinistres à
exactement à la matrice M 2, et égale- long terme ...
ment que la procédure de calcul mise
en place était celle du produit matri- maladie et inualidité
ciel:
mort en tant qu ' invalide. Les deux der- re (qui survient après deux change-
niers états sont considérés comme dif- ments d' état et se traduit donc généra-
férents, les prestations de ('assureur lement par deux débours de la part de
étant le plus souvent significativement l'organisme assureur). Reprenons une
supérieures dans le second cas de figu- description des probabilités de transi-
l
[ p"'
p "' p jj q i.a q jj
0 0 1 0
0 0 0 1
l
tions de critères plus ou moins arbi-
qi
/ 0 traires, et le mode a posteriori, en
0 1 0 fonction du comportement de chaque
0 0 conducteur. Parmi les critères a priori
figurent le type de véhicule et sa puis-
Pour traduire cette hypothèse selon la sance, l'âge du conducteur, son lieu de
terminologie des chaînes de Markov, résidence, sa profession , la date
on dit que l' ensemble des états d'inva- d ' émission de son permis de condui-
lidité est un ensemble f ermé. re . .. Le critère a posteriori paraît plus
Il faut alors particulariser toutes ces objectif puisqu'il consiste à comptabi-
probabilités de transition en fonction liser chaque année le nombre d'acci-
de l' âge des assurés. Par matrice, donc dents en tort à mettre au crédit (ou plu-
par catégorie d'âge, on doit calibrer six tôt au débit !) de chaque assuré. Le
paramètres. Ces paramètres sont liés : nombre d'accidents en droit pourrait
les transitions d ' états sont des distribu- également être pris en compte, ce ren-
Un peu d'histoire
En cherchant à résoudre les mouvements d' une corde
vibrante, d'Alembert se ramène à une équation
u
~
différentielle aux dérivées partielles . Pour la
go
:,: résoudre, Lagrange aboutit à un système avec des
Q
coefficients « en miroir » ; c'est en fait une matrice
L' IUT de Cachan fo rme des techniciens et ingénieurs
symétrique. Par une méthode fort habile il par-
électroniciens qui contribuent à concevoir le monde
de demai n, un monde qui se nourrit de matrices ... vient alors à un polynôme , en fait, le polynôme
caractéristique ; il sait résoudre l'équation de
électronique consomme ... départ si ses racines sont distinctes . Lagrange
généralise cette méthode pour étudier les pertur-
des matrices ! bations des trajectoires des planètes et la stabilité
du système solaire.
S' il est un secteur grand consommateur de matri ces, c'est
Dans les années 1820, en étudiant les quadriques,
bien l' électroniqu e . Les é lectro nic ie ns aiment à ex traire
surfaces d 'équationflx,y,z) = 0 oùf est une fonc-
de leurs montages de fi ls des opé rateurs leur perm ettant
tion polynomiale de degré 2, Cauchy annule les
d'a nalyser un circuit é lectrique. Il s servent à modéliser
dérivées partielles secondes de f et se retrouve
les relations uni ssant des grande urs de so rtie en fo nction devant le même problème que Lagrange. En termes
de gra nde urs d ' e ntrée (co urants, te nsions, intensités . .. ). modernes, il montre que les axes correspondent
-~
1
,, aux vecteurs propres de la matrice de la quadrique
::;:
+-- -::;: et que les valeurs propres sont les racines de ce
Sur ce quadripôle, qu'il appelle l'équation caractéristique. Il fait
v, les entrées et les sor ties v, alors le lien avec la recherche des axes d'inertie
sont des intensités. d'un solide en rotation .
-= -=
Pierre de Fermat avait au xvn• siècle posé le pro-
blème de la décomposition d'un entier en somme
Souvent, les grandeurs d'entrée, notées (x, y), et les gran -
de deux carrés, par exemple 13 = 32 + 22 . Ceci cor-
deurs de sorti e, notées (x', y'), sont liées par une relation
respond à chercher les valeurs entières de x2 + y2.
du type x' = a x + b y et y' = c x + d y, où a, b , c et d sont
Legendre généralise ce problème en l'étendant à la
des constantes. Le système pe ut alors être modélisé par recherche des valeurs entières prises par une forme
S = A x E, où S désigne le vecteur des sorties , E le vecteur quadratique. Gauss se retrouve devant le même
des entrées et A représente la matrice (: !) . problème, en introduisant la méthode des moindres
carrés pour trouver l'orbite de l'astéroïde Cérès. La
L'électroni cie n aime à ité rer. Si l'on acco le un deuxiè me solution revient à classifier les formes quadra-
quadripôle au pre mier, pui s un tro isiè me qu adripôle, et tiques, c'est-à-dire les exprimer comme combi-
plus, comment ex primer les « no uve lles» sorties en fo nc- naison linéaire de carrés des coordonnées après
tio ns des entrées initi ales ? La modélisati o n matri cielle avoir fait subir à celles-ci une transformation
linéaire. Gustav Jacobi démontre en 1841 qu ' une
saute aux ye ux ! En appelant E0 les e ntrées initiales et E,,
telle forme peut se mettre comme somme et diffé-
les e ntrées rés ultant de l'adj oncti o n de n qu adripô les,
rences de carrés. Ce résultat est connu sous le nom
nous auro ns simple ment E,, = A" E0 . Il suffit de savoir
de théorème d' inertie de Sylvester, le savant anglais
éleve r une mat ri ce à la pui ssance n pour avo ir immédi a- l'ayant démontré indépendamment peu après. En
teme nt les paramètres de so rti e e n fo ncti o n des para- 1858, Weierstrass aboutit au résultat en restant dans
mètres d'entrées . L' itérati on des qu adripôles se réduit à le cadre des bases orthonormées. Les matrices des
un calcul matri cie l ! Mais comme no us ! 'avons vu dans formes quadratiques étant symétriques, il démon-
l' arti cle précédent , élever une matri ce , c'est du trava il ... trait en fait le théorème spectral.
en econom1e
Wassily Leontief est un célèbre économiste américain, d'origine
russe. Il a reçu le prix Nobel d'économie en 1973. Il est
principalement connu pour des travaux qui portent sur des
tableaux d'échanges interindustriels, encore appelés tableaux
d'entrées-sorties (ou input-output).
Les biens produits par les différents sec-
teurs ne sont pas nécessairement homo-
gènes, de sorte que leurs quantités
physiques peuvent parfois ne pas être
comparab les. Comment , par exemple ,
additionner le nombre de tonnes de fruits
récoltés avec le nombre d ' heures récla-
mées par un service à la personne ? En
conséquence , en vue de calculer la pro-
duction globale et l'entrée globale d ' un
Wassily Leontief (1905-1999) . secteur, il faut être capable d ' exprimer
les X; J en valeurs monétaires , de manière
à pouvoir notamment les ajouter les uns
ne économie aujourd'hui com- aux autres . Par exemple , si le secteur S 1
Trauail et capital
ü<) s,, X n.l x n.2 ... X d,, fiées, on constate quel':. X correspond précisément à la/'me
[/'J "·" colonne de E.
Synthèse des livraisons intermédiaires Autrement dit, les éléments de la/'me colonne de
et des demandes finales, le tout étant E = (I - A)- 1 représentent les quantités supplémentaires que
exprimé en unités monétaires. les différents secteurs auront à produire pour répondre à un
accroissement d'une unité de la demande finale du secteur}.
La somme des éléments dans chacune
des li gnes donne la production globale Plus précisément, (L':. X); = e;J représente la quantité sup-
de chaque secteur (exprimée en unités plémentaire que doit produire le secteur S;lorsque la demande
monétaires) . Celle du secteur S; est dès finale du secteur s1 augmente d'une unité.
lors donnée par la somme
x ;, 1 + x;.2 + . ;, . + X ; 1, + d;, ce qui s'écrit
(somme des éléments de la colonne i du
égaleme nt 2:X;.j + d; et que l'on note
tableau des échanges), et augmente la
J-1
plus simple ment x, valeur des biens achetés par l' intermé-
La somme des éléments de chacune des diaire des facteurs « travail » et « capi -
co lonnes fo urnit l'entrée g lobale de tal » de manière à produire un bien de
chaque secteur (également exprimée en valeur X; (somme des éléments de la ligne
unités monétaires). Celle du secteur S; est i du tableau). La différence entre la valeur
donc donnée par x 1.,. + x2 .l. + .. . +" xll ,l·, de la production globale et la valeur de
l'entrée globale du secteur S; est appe-
soit , en notation plus condensée , 2 xj.;.
j-1 lée sa valeur ajoutée, notée v;. La valeur
Enfi n, chaque secteur S; consomn~.e des ajoutée V; vaut
n
biens intermédiaires à raison de 2x 1 .,. v, = x, - 2 xjJ'
j- 1 J-1
a 1_1 = 12 / 20 = 0,6,
a 1,2 =3 / 15=0,2,
G1,3 = 4 / 20 = 0,2 et
a 1,4 = 6 I 15 = 0 ,4.
A .InSI. , A= (0,6
0,2
0,2)
0,4
.
Imaginons à présent que les demandes
finales deviennent 6 unités monétaires
(au lieu de 5) pour les deux secteurs.
5
Lor sque le vecteur D = ( ) devient
D'=(!), 5
X=(~~) devient
le vecteur
La part de la valeur ajoutée de l'agriculture ne cesse de décroître
Exemples élémentaires de
matrices en économie
Les économistes sont souvent amenés à manipuler des
tableaux de nombres qui sont les résultats d'observations
empiriques ou qui sont construits à partir de règles précises .
Illustrons les opérations matricielles de base par des exemples
variés et très simples rencontrés dans l'univers économique.
Pour fixer les idées, considérons le cas Admettons que cette matrice M ras-
de trois clients, a, b etc, qui peuvent semble les commandes effectuées par
acheter quatre produits A , B , Cet D . Par nos clients au cours de de ux jours suc-
exemple, le premier c lient , a, com- cessifs. Au total sur ces deux journées,
mande cinq unités de A , deux unités les troi s personnes achèteront évide m-
de B, quatre unités de Cet une unité de ment les quatre produits conformément
D. Le d e uxiè me c lient , b, porte son à ces calculs simples :
choix sur trois unités de A, de ux uni-
tés de C et trois unités de D , mais ne
désire pas acquérir de produit B . Enfin ,
la troisième personne, c, souhaite obte-
nir deux unités de A et cinq unités de
C , et n 'est inté ressée par aucun des Ainsi, on a « ajouté» la matrice M à elle-
deux produits B et D . mê me, ce qui revient au même que de
Ces données, écrites sous forme d ' un l'avoir « multipliée» par le nombre 2.
tableau comprenant trois lignes et quatre Plus généralement , si E = (e;) est une
colonnes, forment une matrice M de matrice quelconque et a un scalaire, le
format 3 x 4, à savoir : produit aE est, par définition , la matrice
de même taille que E et dont l'élément F2 et six unités de F 3 , tandis que la pro-
situé sur la ième ligne et la /me colonne duction d ' une unité de S 2 fait appel à
vaut ae;J· Quant à la so mme de deux quinze unités de Fi, cinq unités de F 2
matrices E = (e;) et F =(!;)de même et quatre unités de F 3 .
tai lle , e lle n 'est autre que la matrice Par ailleurs, les deux produits semi-
obtenue en additionnant les éléments fini s S I et S 2 servent à leur tour pour
correspondants. fabriquer deux produits finis P 1 et P 2 •
Plu s préci sé ment , pour obtenir une
Nous allons considérer la fabrication unité du produit fini P;, il faut employer
de différents produits en admettant que : la quantité b ;J de SF Les nombres b;J
forment une nouvelle matrice N = (b;).
• la production de k unités d ' un pro- Par exemple, on di s pose des informa-
duit réc lame k fois les quantités de tions suivantes: il faut cinq unités de
facteurs utili sées pour une seule unité S I et s ix unités de S 2 pour produire
de ce produit ; une unité de P 1 et, de même , il faut
deux unités de S 1 et trois unités de S 2
• la production simultanée d ' une unité pour produire une unité de P 2 , ce qui
d'un produit A et d ' une unité d ' un fournit la matrice
produit B nécessite des quantités de
facteurs égales à la somme des quan- N = (~ ~) .
tités nécessa ires pour fabriquer une
unité de A et une unité de B. Les quantités de chaque facteur pri-
maire intervenant dans la fabrication
Ces deux hypothèses, somme toute de chaque produit fini peuvent être
assez naturelles, confèrent un carac- aisément calculées en utilisant nos
tère « linéaire » à la production et per- hypothèses initiales. Elles peuvent
mettent d ' illustrer aisément le produit être rassemblées dans une matrice P,
matriciel . En effet, en guise d'exemple de format 2 x 3, dont les lignes se rap-
élémentaire , intéressons-nous à la fabri- portent aux produits finis et les
cation de deux produits semi-finis S I et colonnes aux facteurs primaires. De
S 2 au moyen de trois facteurs primaires fait, on obtient sans peine :
de production , F 1 , F2 et F 3 (qui pour-
raient être, pour fixer les idées , le tra- P=(5x10+6x15 5x3+6x5 5x6+6x4)=(140 45 54)
vail, le capital et ('énergie) . La quantité 2 X JÜ + 3 X J 5 2 X 3 + 3 X 5 2 X6+3X4 65 2J 24
du facteur Fj nécessaire pour une unité
de produit S; est donnée par ('élément En réalité, la matrice Pest obtenue en
a1,1.. de la matrice M = (a,.J). Les élé- « multipliant » N par M, ce produit
ments de M seront supposés fixes, aussi s'effectuant « 1igne par colonne » et
lon gtemp s que la technique de pro- s'écrivant P = N M
duction reste inchangée .
Comme exemple numérique , considé- Plus généralement, le produit E F de
rons la matrice de fabrication suivante: deux matrices E et F ne peut être exé-
cuté que lorsque le nombre de colonnes
M = ( JO 3 6). de E est égal au nombre de lignes de F ,
15 5 4
comme le suggère l'exe mple ci-des-
Ainsi, la production d ' une unité de S 1 sus. Si donc E = (e;) est de format
réclame dix unités de F 1, trois unités de mxn et F =(!;)est de format nxp,
•
a r1ces
et codes secrets
Tout ce qui se prête à des calculs compliqués peut être utilisé
pour coder, les matrices ne font pas exception. Ces codes,
nommés chiffres de Hill du nom de leur inventeur, ne sont
guère utilisés de nos jours. Pourquoi ? Tout simplement parce
qu'ils ont un talon d'Achille ... Dans cet article, nous montrons
lequel, et comment y remédier.
o mmençons en restant dans le Chiffrement par multiplication
C classicisme cryptographique. Les
messages sont co nstitués des
lettres de l' alphabet (de A à Z) , sans
Pour coder un tel message, il suffit de
savoir coder chaque nombre entre O et
espace ni accent ou signe de ponctua- 25. Une idée pour ce faire est d'utiliser
tion. Ainsi, le message « Tangente est la multiplication dans "1l../ 26"1l.. (l ' en-
mon magazine préféré » devient TANGE semble des nombres entre O et 25, voir
NTEES TMONM AGAZI NEPRE FERE l'encadré Calculs dans "1l.. /26"1l.. ), qui
où nous avons groupé les lettres par cinq consiste en la multiplication ordinaire
pour que cela reste lisib le. Ces vingt-six dont on ne garde que le reste dans la
lettres peuvent être codées numérique- division par 26. Ainsi , 12 fois 7 vaut 84
ment de Oà 25, par exemple en utilisant normalement , donc 6 dans "1l.. / 26"1l..
le tableau suivant : puisque 84 = 3 x 26 + 6.
Un tel multiplicande constitue la clef
ABCDEFGH I J KLM du chiffrement. Si nous utilisons 7
0 2 3 4 5 6 7 8 9101112 comme clef, notre message commence
par 19 fois 7, soit 3 puisque 19 fois 7
NO P Q R ST UV W X Y Z vaut 133 qui a pour reste 3 dans la divi-
13 14 15 16 17 18 19 20 21 22 23 24 25 sion par 26. Nous continuons ainsi
pour obtenir: 3, 0, 13 , 16 , 2, 13 , 3, 2,
Codage des lettres de Notre message devient alors une suite 2,22,3,6,20, 13 , 6,0, 16,0, 19 , 4, 13 ,
l'alphabetpardes de chiffres: 19,0, 13,6,4, 13, 19,4,4, 2, 1, 15,2,9, 2, 15,2.Cettesuitepeut
nombres de0à25. 18, 19, 12, 14, 13, 12,0,6,0,25,8, 13, alors être convertie en lettres en utili-
4, 15, 17,4,5,4, 17,4. sant le tableau précédent à l'envers , ce
qui donne:
DANQC NDBBW DGUNG AQATE
Calculs dans z / 2&z
NCBPC JCPC . Traditionnellement, nous notons "l!../26"1!.. (ou "l!.. /26) l'en-
semble des nombres de O à 25. Les résultats des trois opé-
Déchiffrement, décryptement rations (addition , soustraction et multiplication) sont
ramenés à Z/26"1!.. en prenant leur reste dans la division
Pour déchi ffrer, nous de vons déte rmi- par 26. Ainsi , dans ce contexte, 13 + 14 = 1 puisque le
ner l'opération inverse du chiffrement. reste de 27 dans la division par 26 est 1. De même,
Po ur ce la, no us c he rc ho ns s i 7 a un 2 x 13 = 0 et 7 x 11 = 25. Le premier résultat montre que
inverse dans Z/26"1!... C'est bi en le cas 2 et 13 ne sont pas inversibles. De façon générale , un
et nous trouvons qu ' iI est égal à l 5 ( voir nombre non nul de Z/26"1!.. n'est pas forcément inversible.
l'encadré Calculs dans "l!../26"1!..) . Il est
diffic ile de trouver ce nombre ( 15) mais Claude Gaspard Bachet de
fac il e de vé rifi e r a p osterio ri qu ' il Méziriac (1581-1638) est l'au-
convient pui sque 7 fo is 15 vaut 105 , teur de la traduction latine de
dont le reste dans la divi sion par 26 est l'Arithmétique de Diophante
1... Il suffit donc de multipli er par 15 dans les marges de laquelle
pour déchiffrer. Remarquons à ce ni veau Fermat nota l'énoncé de son
qu e to ute clef ne do nne pas un code fameux théorème. On doit de
déchiffrable. Pour cela, il est nécessaire plus à Bachet la première preu-
d' utili se r un é lé me nt in ve rs ibl e de ve connue du théorème qui
"l!../26"1!..,c'est-à-dire un nombre premier porte aujourd'hui son nom.
avec 26 ( voir l'encadré).
Si on ne connaît pas la clef, nous disposons Le calcul des inverses dans un anneau modulaire comme
de deux méthodes pour casser le code. Z/26"1!.. est une application du théorème de Bachet selon
Premiè reme nt , nous pouvons essayer lequel l'équation au + bv = pgcd (a, b) où a et b sont
les onze clefs possibles. Deuxièmement, connus a toujours une solution en u, v. De plus, on peut
nous pouvons utili ser la méthode des en trouver une en utilisant l'algorithme d'Euclide .
fréquences pui sque notre méthode cor- À titre d ' exemple, appliquons-le aux nombres 26 et 7 en
respond à une simple substitution alpha- commençant par diviser 26 par 7. Le quotient est 3 et le
bétique. Nous ne rev iendrons pas sur la reste 5. Celui-ci peut donc être écrit sous la forme
question : e ll e est dévelo ppée dans le 26 u + 7 v, en l'occurrence : 5 = 26 - 3 x 7. Nous recom-
hors-série 26 de Tangente, Cryptogra- mençons avec 7 et 5, le reste (2) peut encore être écrit
phie et codes secrets. L'art de cacher , sous la forme 26 u + 7 v puisque 2 = 7 - 5 , soit :
comme dans notre li vre sur l 'Uni vers 2 = -26 + 4 x 7. Nous divisons alors 5 par 2 et il en est
des codes secrets. de même du reste (1) : 1 = 5 - 2 x 2, soit
l = 3 x 26 - 11 x 7 . Nous avons donc trouvé une solu-
lnteruention des matrices tion à l'équation de Bachet . .. et il en est toujours ainsi.
En remarquant que 11 + 15 = 26 , nous en déduisons :
En 1929, I'A méri ca in Lester Hill e ut 15 x 7 = 1 + 4 x 26. Donc, 7 est inversible dans "l!.. /26"1!..
l' idée de généraliser cette méthode en rem- et son inverse est égal à 15. Il en est de même de tous les
pl açant les éléments de "l!../26"1!.. par des nombres dont le pgcd avec 26 est égal à 1, c'est-à-dire des
matrices carrées d 'ordre 2 sur ce même nombres impairs non divisibles par 13.
ensembl e. Bien entendu , comme pré-
céde mment , les matrices do ivent être
in versibl es dans "l!../26"1!.., c'est-à-dire
Les codes de Hill sont attaquables
qu e le ur d é te rmin a nt d o it l 'ê tre . par la méthode du mot probable.
Autrement dit, nous utilisons une matrice On continue a insi, mais comme le
(: !) où le nombre ad - be est impair nombre de chiffres est impair, on ajou-
te un O à la fi n . On obtient : 12, 19, 4 ,
et non multiple de 13. Cette matrice sera 21, 21, 4, 6, 7, 20, 2, 20, 9, 15 , 14, 24 ,
la clef de chiffrement. Un calcul fasticlieux 12, 12, 6, 12, 1 , 20, 1, 11 , 3, 7, 2, 15,
mais simple montre que le nombre de 18, 8, 4. En lettres, cela donne:
clefs possibles est égal à 157 248, ce qui MTEVV EGHUC UJPOY MMGMB
n'est guère important pour une attaque UBLDH CPS IE .
par fo rce brute, c'est-à-dire en essayant Pour déchiffrer, il suffit de multipl ier
toutes les possibilités. Cependant , il est par la matrice in verse. Comme le chif-
fac ile de généraliser la méthode à des fre ment se fa it par groupe de deux
matrices d'ordre 3, 4 ou 5. Le nombre de lettres, la méthode des fréquences ne
clefs y est autrement plus important , ce suffit plus pour décrypter, c'est-à-dire
qui la prémunit d ' une attaque par fo rce déchiffrer sans connaître la clef. En
brute. Cependant , même s' il vaut mieux effet, le nombre de digrammes est de
l' appliquer avec des matrices d 'ordre 5 , 26 x 26, soit 676. De ce point de vue ,
no us la décriron s compl ète ment uni- la méthode peut être rapprochée de
quement dans le cas d 'ordre 2 pour ne celle de Pl ayfair, rendue célèbre par
pas compliquer inutilement les calcul s. son utili sati on par John Fitzgerald
Kennedy pendant la Seconde Guerre
Prenons par exemple la matrice mo ndi ale . Co mme dans ce cas, la
méthode du mot probable reste adap-
A=( ~ } ), dont le déterminant vaut
0 tée. Pour montrer comment elle fo nc-
35 , qui est bien inversible. Son inverse tionne, imag inons un autre message
dans ~ se calcule fac ilement, il s'agit codé par la même méthode, mais en
de I._( 20 5
35 - 1
- ). Dans "ll../26"ll.., l' inverse
2
changeant la clef.
Supposons que nous interceptions un
de 35 est égal à 3 pui sque 3 fo is 35 message chi ffré de cette manière, donc
vaut 105 , dont le reste dans la di vision avec une matrice 2 X 2 : NCPDN
par 26 est 1. L' inverse de la matrice A IFMGD YWDKJ GZYGF TSGM , et
20 5 60 15 que nous soupçonnions qu ' il commen-
est donc 3 x ( - ) = ( - ),
-1 2 -3 6 ce par le mot « ordre » . Dans ce cas ,
. A- ' = ( 8
soit
23
11) . 0 n peut ven
6
, .f.1er ce notons A = (: !) la matrice de chif-
résultat en effectuant la multiplication frement. Dans celui -ci, OR dev ient NC
1
de A par A- 1 ; on trou ve 131 52) qui. donc A X ( )~) = ( :) et de même :
( 468 13 1
Renforcement du chiffre
matrices
Matrix computations: contrairement à ce que ce nom laisse
entendre, nous ne sommes pas en présence d'un nouvel opus
de la série Matrix. Il s'agit d'un ouvrage, d'ailleurs plus connu
pour les numériciens que le film ! L'histoire de l'analyse
numérique est indissociable de celle de l'un des auteurs de cet
ouvrage, Gene Golub.
i vous cherchez à inverser ou dia- ciel pratique. Car il ne fa ut pas s'y trom-
les débuts
Calculs matriciels
en statistique multiuariée
Les bases de données statistiques sont comme de grands
tableaux de nombres. L'usage des notations matricielles
simplifie alors le formalisme. La collecte des données se fait
progressivement, relativement à chaque unité statistique
interrogée, et en notant les observations ligne par ligne.
vations dans l'espace à k dimensions
L
'obs:rvati~n quan~ifiée de p~é-
nomenes econom1ques , soc10- (k > 3) sont en effet difficiles à visua-
log iques ou autres vise li ser par notre cerveau formaté pour un
essentiellement à la construction de espace à deux ou trois dimensions. Le
modèles uti lisables soit par leurs aspects cadre est ce lui de la construction de
prédictifs , soit en vertu de leur puis- composantes.
sance explicative. Deux optiques peu-
vent être développées . Collecte de l'information, régression
On peut s'intéresser à une variable par-
ticul ière, notée Y, que l'o n suppose La collecte d'observations statistiques
dépendante de k variables X 1, ~ , ••• , Xk multivariées se fait à partir d'indivi-
indépendantes entre elles et qualifiées dus, encore appelés unités statistiques
d'explicatives . La relation s'écrit for- et désignant toute entité abstraite ou
mellement Y= f(X 1 , X 2 , ... , Xk), et on concrète à laquelle ! 'observateur est
se place dans le cadre de la régression , susceptible d 'assoc ier une valeur à Y et
qu i tend à paramétrer « au mieux » un vecteur de valeurs à (X 1, X2 , •.. , Xk).
(dans un sens à définir) la fonction f Supposons que nous disposions de n
en tenant compte des observations. unités statistiques. Afin de particulari-
On peut aussi étudier directement les ser chaque observation du vecteur, on
k variables X" X 2 , ... , Xk en tentant utilise une notation doublement indicée.
de mesurer et d'utiliser « optimale- Le premier indice va être relatif à la
ment » leur niveau de dépendance . Le variable, le second au numéro de l' unité
but de la démarche consiste à donner statistique. Comme les observations
du système observé une représentation sont notées ligne par ligne (chaque ligne
conviviale et interprétable en réduisant correspondant aux valeurs associées
sa dimension à une ou deux : des obser- pour chaque variable à un individu) ,
les matrices de
La qualité des communications modernes repose sur la capacité
à s'affranchir du bruit et des interférences dans un signal.
Parmi les nombreuses structures mathématiques utilisées en
théorie des codes correcteurs d'erreurs apparaissent les
matrices de Hadamard.
es matrice~ de Hadamard pos-
de la sorte + +
r::\J r l : : : \ J lr;::;:\J
c'
=
c+d
, on obtient notre résultat w' =
a' - c'
trous . Ces trous constituent un masque
codé dont la structure s'i nsp ire des
matrices de Hadamard . On obtient alors
ld' c-d b' -d' une image complexe constituée de la
en huit opérations seulement ! superposition de plusieurs images de
On montre qu 'en général n logz n opérations suffisent. la source , et un algorithme d 'i nver-
Le facteur de réduction est environ (l / n) logz n , soit 1 % sion, lié à la structure de l'ouverture
pour n = 2 10 = 1024. codée, est néces sai re pour extraire
l'i mage de l'objet observé.
l
rées dans l' article sont normalisées , ( 13 7 3\ à diagonale dominate car :
c'est-à-dire que le ur pre mière li gne - 11 1131?;;171+131,
et première colonne ne contie nne nt
que des + 1. En notant les valeurs
A= 5
-1 0 ~J l-111?;;151+121,
111?;;1-11+101.
par leur signe, pour n = 2, la seule
On assoc ie parfo is le nom d ' Hadamard à
H-matrice est H2 = (: : ) .
la c lasse des matrices qui ont la diagonale
Pour n supérieur à 3, prenon s le pre- princ ipa le stricte ment do minante, c'est-
mi er vecteur co lonne et deux autres à-dire te lles que la vale ur abso lue d ' un
que lconques . Nou s n'avons que les terme de la diagonale est strictement supé-
qu atre co mbina iso ns sui vantes de rieure à la somme des valeurs absolues des
signes poss ibles par li gne : aut res te rmes de sa li g ne : la; I> I laJ
a li gnes +++ Hadamard a effecti vement montré qu ' une
b lignes + + - telle matrice a un déterminant non nul , et
c lignes + - + est donc inversible .
d li gnes + - - So it A une matri ce te lle que chac un de
ses éléments diagon aux so it stricte me nt
où nous avons noté a, b, c, d le nombre do min ant dans sa lig ne : laJ > 4la;.J
de lignes de chaque combina ison . 1• 1
Le nombre total de lignes nous donne pour tout indice i. So it X un vecteur solu-
la re lation a + b + c + d = n, et l' o r- tion du systè me linéa ire A X = 0 et so it
thogonalité des vecteurs se traduit X; sa plu s grande composante en vale ur
par les re lati ons complé me ntaires : absolue : lx; 1~ lx) que l que so it l' indice
a + b - c + d = 0, j . Pui sque AX = 0 , nous avon s
a - b + c - d = 0,
a - b - c + d = O. "
~ a/,).x . = 0 et do nc - a .. x . = ~
LJ j 1,1LJ a1.J
1
.. x . j
~ I ~-
J .. I
L'additi o n de ces quatre éga lités No us en ti ro ns laull x;Is L ja;. l xIslx;I 2 la;J
1 1
donne 4a = n . L' ordre d ' une matr ice
de Hadamard est donc nécessa ire-
ment un multiple de 4 . La réciproque
est-elle vraie ?
que no us pouvon s éc rire laul- .l la;. 111x;IsO.
IS)'J.n
1
j .. 1
'
I
emes •
eo ma r1ces
De nombreux problèmes de géométrie font appel à des
transformations admettant une représentation matricielle.
Nous allons donner pour illustration deux problèmes de
géométrie classique dont la résolution est simplifiée par
l'utilisation de matrices associées à des homographies.
a représentation matricielle des A , B, C choisis quelconques dans le
L fonctions homographiques
(décrite dans l'article les Fonc-
tions homographiq ues dans le dos-
plan : « Dans ma jeunesse, un vieux
géomètre, pour essayer mes forces en
ce genre, me proposa le problème que
sier précédent) peut être exploitée je vous proposai ; tente z de le
pour résoudre une généralisation du résoudre et vous verrez combien il est
problème de Pappus, puis, e n consé- difficile. » Tous les mathématiciens de
quence directe , un problème ... de l 'époque, dont Leonhard Euler, s'y
bi ll ard e lliptique . intéressent. C'est ]'Italien Giovanni
Francesco Salvemini da Castiglione
Problème de Castillon (1704--1791), dont le nom est francisé
en Casti llon, qui résout le problème en
Le problème de Cramer-Castillon 1776. Il raconte que, le lendemain de
s'énonce ainsi : « Étant donnés un cer- la lecture de sa solution à l'Académie
cle et trois points A, B et C, construire des sciences, il reçut une solution ana-
à la règle et au compas un triangle lytique de Lagrange !
inscrit dans le cercle dont les côtés Pierre-Simon de Laplace ( 1749-
passent respectivement par les points 1827) s'intéresse au problème dans sa
A, B et C. » Au quatrième siècle de généralité, avec n points et un n-
notre ère, Pappus d'Alexandrie avait gone. Et Lazare Carnot (17 5 3-1823)
déjà résolu le prob lème dans le cas trouve en 1803 la solution particuliè-
particulier où les trois points A , B et C rement élégante que nous allons pré-
sont alignés. En 1742, Gabriel Cramer senter. Elle s'effectue à l' aide des
(1704--1752) propose de généraliser la transformations homographiques, ou
construction en supposant les points transformations de Mi:ibius.
'd . x+c • x- c
N ous en de u1sons: cos 8, = - - . Oe meme, cose2 = --. Pour une telle disposition de points, si
a+ex a-ex
les points P et Q appartiennent à une
Il s'agit de deux transformations de ellipse de foyers A et B, alors il en est
Mobius, ce qui nous permet d'éliminer de même des points R et S. Une bille
fac ilement la variab le x entre ces deux doit donc pouvoir suivre la trajectoire
expressions. APBRA ou la trajectoire ASBQA avec
les mêmes ang les . En notant T(a) et
T(/3) les matrices assoc iées à chaque
ellipse, T(a)T(/3) = ( 1+ P -S )
-S 1+ P
avec S = sin a+ si n/3 et P = sin a si nf3.
-2e / (1 + e2 )\
Ces deux matrices commutent donc, et
)"
la matrice de la transformation reliant
Nous constatons fort heureusement les angles 8 1 et 8 3 est bien la même
que la solution ne dépend que de la pour les deux trajectoires !
nature de l'ellipse , à savoir son excen- F.L.
tricité e. Poson s e = tan(a /2). Pour
une ellipse, nous avons O :S e < 1,
c'est-à-dire aE [O, .n/2[. La matrice de
la transformation de Mobius qui relie
Q p
effectue r avec des carrés
mag iques ? Avant de tenter de
à cette question, il fa ut don-
ner une définiti on de ce que l'on appel-
le un « carré mag ique ».
Déj à, un carré semi-magique est une
matrice carrée de dimension n telle que
la somme des termes d ' une ligne et la
somme des termes d' une co lonne soit
toujours la même (on appe lle générale-
ment cette somme la somme magique).
Si , de plus, les sommes des termes de
chacune des deux grandes diagonales
sont aussi égales à la somme magique,
le carré est dit magique. Ensuite, si la
somme des termes de n' importe quelle
di agonale bri sée (le tabl eau étant
considéré comme un tore) vaut égale-
ment la somme magique, on dit que le
carré est pandiagonal. Dans la littéra-
ture anglo-saxonne, les carrés
mag iques pandi ago naux sont parfois
dés ig nés sous l'appe ll ati on nasik-
squares. Ce nom leur a été donné par le
la multiplication
des carrés magiques
Le produit matriciel appliqué aux carrés magiques ne
conserve évidemment pas la magie arithmétique (le pro-
duit tensoriel la conserve, mais il ne conserve pas le
caractère normal). Des mathématiciens ont néanmoins
essayé de définir une « multiplication » des carrés
magiques.
Le premier à tenter une telle opération a été le mathé-
le révérend maticien belge Maurice Kraitchik (1882-1957) dans son
Andrew Hollingsworth Frost. livre la Mathématique des jeux (1930). Cette multiplica-
tion permet de former un carré magique normal de
révérend Andrew Hollingsworth Frost dimension m X n à partir de deux carrés magiques nor-
( 18 19- 1907) , pass ionné de mag ie maux, le premier de dimension met le second de dimen-
arithmétique, qui fut missionnaire dans sion n.
la ville indienne de Nasik. Enfin , si les
2
11 te rmes d ' un carré mag ique de
Le produit de deux carrés magiques selon Maurice
dimension n sont tous les entiers de I à
Kraitchik. Les n 2 termes du second carré sont rempla-
n 2 , on dit que le carré est normal.
cés par n 2 blocs images du premier carré. À chaque
Des espaces uectoriels bloc image, on a ajouté (k - 1) m2 , où k est la valeur
correspondant au bloc dans le second carré.
Imaginons que l'on n' impose pas que
8 1 6 107 100 105 625560 125 118 123
les carrés magiques soient normaux. 3 5 7 102 104 10657596 1120 122 124
Les carrés magiques d 'ordre n compo- 4 9 2 !03 108 101 58 63 56 121126 119
7 1 6469 116109114 17 10 15 98 9 1 96
sés de nombres réels, munis de l'addi- 66 68 70 11 1113 115 12 14 16 93 95 97
1 12 7 14)
tion vectorielle et de la multiplication 8 13 2 11 677265 112 117 110 1318 11 949992
[!H]
(qui en outre est normal) peut écrire
tion, en prouvant que les carrés
magiques d'ordre 4 sont au nombre de
880 (hors rotations et sy métries). Plus
tard , le ludologue britannique Henry
51 + 3J - K. Ernest Dudeney classa ces carrés en
On montre plus généralement que l'es- douze types, selon leur configuration
pace des carrés magiques d 'ordre n est par paires complémentaires de somme
un espace vectoriel de dimension 17 (la moitié de la somme magique,
n(n - 2). Des auteurs se sont également égale à 34) .
intéressés aux déterminants des carrés Dans un article de 1948 , le mathémati-
X S imple 136 (A - E) (B - F) (C - J)
XI S imple 136 (A - 1) (B - D) (C - A)
XII S imple 136 (A - E) (B - A) (C - D)
R ÉFÉ R ENCES
• A11111se111e11ts i11 Mathematics. Henri Ernest Dudcncy, 1917.
• Detem1i11m1ts of Fourth Order Magic Squares. Charles W. Trigg, The
American Mathcmatical Monthly, novembre 1948.
• Les carrés magiques. l3crnar<l Belouzc, Maurice Glaymann. Paul-Jean
Haug et Jean-Claude Herz, APMEP, 1975.
• L 'a/gèhre des rnrrés magique. Jean-Michel Groizard. APMEP, 1984.
Diuertissements
littéraires
Les matrices se trouvent tout naturellement en littérature,
dans l'écriture sous contraintes. Les diagonnets , par
exemple, sont des poèmes oulipiens de n vers ( chacun de n
syllabes) phonétiquement symétriques en suivant une
diagonale.
des mots de la phrase est lui-même est Lorsque la netteté fr êle quimpe,
lui-même un acrostiche et un palindro- excédée,
me vertical et horizontal. Une traduc- Que cryptent dans le tas mille
tion possible est « le laboureur Arepo opportuns rameaux,
utilise une charrue comme force de Lattes-tu leur hublot, soûl de harpe
travail ». Mai s ce carré de taille 5 accordée,
nous éloigne du diagonnet. N'a idant le rainé gris d'indices
lacrymaux ?
Le poète Robert Rapilly, compagnon Te leurre une aigre faune, et l 'eau
de route de l'Oulipo, a lui aussi com- les vaut, codée,
posé des diagonnets, comme Qui Tes tableaux griffonnés : korê par
s'étonne?. animaux!
Frémit soudain Écho, parallèle,
Quis 'étonne ? Ouverts s'ennuient entraidée,
Sept paravents qui volaient. Le lot de dits laurés, ramollis, tout
primaux.
Ô rage, ô dent ! L'eau bout froide. Qu 'importe, harcelé par les lyriques
Nous vendangeons mes tricots. mandchoues,
Et qu 'un pâle avocat hante ou que
Vert kilomètre et pot vide, tu échoues
Sans vos bourricots on part. Ces raccords, cris honnis,
réprimandés, guindés,
Nuit ... L 'effroi d 'Ovide arrive! Démodés : Maud aime ode et mots
chouchous des bardes.
Un autre ami de l' Oulipo, l'astrophysi- L 'or scripturaire n'est pas mort !
cien Gilles Esposito-Farèse, a rédigé le Ris-tu, guimbarde,
diagonnet suivant, intitulé Hommage à Des rapaces locaux, colosses
Borgès (bien évidemment, la com- paradés?
plexité de ! 'exercice croît avec le
nombre de vers) : Le lecteur pourra avec intérêt placer
chaque syllabe dans une matrice pour
Lentement la couleur pâlit vérifier la qualité de la composition.
Te plongeant dans la cécité Enfin, Robert Rapilly a composé un
Mangeant tout ce palais floral texte sur-contraint, dans une matrice à
La danse des ombres d 'effroi vingt et une lignes et seize colonnes,
Coule à pas ondulant d'oubli contenant donc trois cent trente-six
Leur célèbre langueur sans art lettres. Se lisant indifféremment dans
Passif lot des doux sanglots d'or les deux sens, le « poème matriciel »
Littéral froid blizzard dormant. révèle deux poèmes, Ô banalité (lectu-
re horizontale) et Orage désiré (lecture
Il a également écrit le sonnet sui vant, verticale). Ce dernier poème alterne en
qui n 'est pas exactement un diagonnet outre de manière systématique
(quatorze vers de douze syll abes 1' in- voyelles et consonnes. Un travail
terdisent !), mai s presque : monstrueux !
O B A N A L I T E D E P A L E G
R A V U R E ~ A N A L A L O C E
ANENO D 1E CANE .MONO R
G A N E M U R I R A S A T Y P E
EMILECUSENOS.AVEC
DARI DITE LEC O L OM U
E T E X O D E .L A M I R E L A P
S U N I R A ~ A R A D O X A L A
I R E R I L A S U .L E C A L E R
REPAGAYERAMEMORU
E GAG AL A F A ' Y OTE PEN
·s IVE~ EDE LA LU NI PO
ETE.DA Z URE LED IN ER
LADOS A.NA LAVE LER I
EN ORIN ADAM AS .ALI G
NERÀLEDEMIGALET.A
E D E H E L I C E L I B I T UM
LECUMERABATETANI
E .LEM UV ET U FUT AL AB
R E G E .T E T I R E M A S O .D E
U X I R J S O R I T E F I N A L
HORIZONTALEMENT
-" VERTICALEMENT
Q banalité de pâle g ra vure I
Ô rite final I
3 5 4 7 1
2 4 5 7 8 1 2 5
5 2 3 5 6 4 7 8
4 4 9 7 8 1 2 3
8 1 2 3 5 6 4
5 6 9 8
9 3
lîJ lw wl lw wl 1
w w[w w w
~ wwww
rw w w w w
w wIW w w Numérotation des cases de la matrice
(cas où les vingt-cinq boutons
sont tous éteints).
Présentation du Lights Out.
Une configuration de jeu devient alors
Chaqu e bouton possède deux é tats, une matrice co lo nn e : 1(a 1 , a 2 , a 3 ...
allumé ou éteint , que l'on peut modéli - a24 , a 25 ), où le symbo le I désigne la
se r pa r O (éte int) et 1 (a llumé) . Au transposition. Par convent ion, dans le
début du jeu , un motif de boutons allu- Lights Out, les touches enfoncées sont
més est choi si par la machine. On peut dessinées en ro uge , et les touche s
144
- ~ ..,. T •
allumées sont en jaune. Par exemple, Le but du jeu est d 'éteindre tous les
la configuration de la figure suivante boutons (lights out) en un minimum
(à gauche) est : de coups. Face à un tel problème, plu-
c 1 = 1( 1, 1,0,0,0, ],0,0,0,0,0,0,0, sieurs questions sont naturelles : Est-
0,0,0,0,0,0,0,0,0,0,0,0), ce toujours possible ? Si oui, y-a-t-il
alors que la configuration de la figure une seule solution ? Si oui, comment
de droite est : l'obtenir ?
c 13 =1(0,0,0,0,0,0,0, 1,0,0,0, 1, l ,
1,0,0,0, l ,0,0,0,0,0,0,0). Déjà, point beso in de s'acharner sur
En appuyant sur l' un quelconque des chaque bouton, il suffit d'appuyer zéro
boutons, on modifie l'état de ce bou- ou une fois au plus sur chaque bouton.
ton et celui de ses voisins, suivant une Car deux appuis correspondent à pas
règ le du jeu fixe. Ici, cet effet est de d'appui du tout , un appui annulant
basculer l'état du bouton choisi et des l'effet du précédent. Cette remarque
ses voisins hori zontaux et verticaux va nous permettre de raisonner sur
immédiats, si ceux-ci existent. l 'e nse mble {O, l} pour chacun des
vingt-cinq boutons. Ensuite, l 'éta t
d'un bouton ne résultant que du
nombre d'appuis sur ce bouton ou sur
ses voisins horizontaux et verticaux
immédiats, il ne dépend pas de l'ordre
d 'ac tivation de ces boutons. On en
déduit que l'on peut modéliser une
séquence d 'appuis par une matrice
colonne. Par définition, on appellera
stratégie cette suite finie. Par exemple ,
les stratégies impliquant uniquement
un bouton s'expriment par les vingt-
cinq matrices colonnes suivantes :
bi = 1(1 , 0 , 0 , 0,0,0 , 0,0 , 0 , 0,0,0,0,
0,0,0,0,0,0,0,0,0,0,0,0),
1
b2 = (0, 1, 0 , 0, 0, 0 , 0 , 0 , 0 , 0 , 0, 0 , 0 ,
0 , 0 , 0 , 0 , 0 , 0,0 , 0 , 0 , 0,0,0),
b25 = (0, 0 , 0, 0 , 0 , 0 , 0 , 0 , 0, 0 , 0, 0 , 0 ,
1
0, 0, 0 , 0 , 0, 0 , 0 , 0 , 0 , 0, 0, 1).
n 4. 1ce a 9 n 145
colonne sont les configurations matrices colonnes, qui sont les vingt-
induites par l'appui sur le bouton i, ce cinq configurations C; ré s ultats des
qui fournit donc J. La matrice J peut vingt-cinq s tratég ies n ' impliquant
s'exprimer de façon condensée à l'ai- qu ' un bouton (à savoi r le bouton
de de matrices blocs : numéro i). Dire que le déterminant est
nul , c'est dire qu ' il existe au moin s
( K5 15 0 5 0 5 0 5' (1 0 0 o,
une colonne qui est une combinaison
1, K5 15 0 5 0 5 1 0 0
linéaire de s autres colonnes ; en
l= 0 5 15 K5 15 05 avec K 5 = 0 1 0
d'autres termes, toutes les colonnes ne
o, o, 1, K, 1, 0 0 1
sont pas linéairement indépendantes. Il
05 05 o, l5 K5 0 0 0
se trouve que la colonne numéro 24
(1 0 0 0 o, (0 0 0 0 o, est la somme des co lonnes numéros 2,
0 1 0 0 0 0 0 0 0 0 3, 4, 6, 8, 10 , 11 , 12 , 14, 15 , 16 , 18 ,
1, = 0 0 1 0 0 et 1, = 0 0 0 0 0 20, 22, 23 modulo 2, alors que la
0 0 0 1 0 0 0 0 0 0 colonne 25 est la somme des colonnes
0 0 0 0 0 0 0 0 0 1 , 3, 5, 6, 8, 10 , 16 18 , 20, 21, 23
modulo 2.
La matrice carrée symétrique J est la Par définition , le rang d ' une matrice
matrice caractéristique du jeu Lights carrée est le nombre de colonnes
Out. indépendante s. Dan s notre cas, le
Dire qu'une stratégie donne la confi- rang de la matrice caractéristique du
guration c, c'est dire que J b = c. Lights Out est 23 (merci aux logiciel s
Voyons maintenant le problème de calcul formel ... ). L'es pace de s
inverse : dire qu'une configuration configurations que l'on peut obtenir
donnée c est réalisée par une stratégie est donc une combinaison linéaire de
b , c'est toujours écrire J b = c. Si la vingt-trois éléments, so it un espace
matrice J était invers ible , il suffirait qui contient 2 23 co nfi g uration s. Ce
de multiplier à gauche par r' : nous jeu fourni donc 2 23 probl è mes qu e
aurions b = r' c et l 'affa ire serai t ! 'o n peut réso udre , c'est-à-dire
entendue (en outre, pui sque nou s 8 388 608 problèmes. Mê me si c'est
aurions une méthode explicite pour quatre fois moin s (2 25 ) que l 'e n-
calculer b , nou s pourrion s même semble des configurations poss ibles,
affirmer que la solution serait unique , cela devrait occuper quelques-unes de
e t un bon logiciel de calcul formel vos long ues soirées d ' hiver ... En pas-
nou s la trouverait). sant , nous venons de calculer que, si
Mais.. . La m a trice J est-elle l 'o n affiche une configuration au
invers ible ? Nous savo n s qu ' une hasard , il y a une chance sur quatre
matrice est inversible si, et seulement qu'elle soit résoluble.
s i, so n déterminant est non nul .
Calculons le déterminant de J (à la Le noyau, ou l'ensemble
main pour les courageux, avec un logi- des stratégies silencieuses
ciel de calcul formel pour les autres).
Le résultat est sans appel : det(J) = O. Nous venons de découvrir la notion
d'image de A: lm(A) est l'espace vec-
Quelle est la signification profonde de toriel des configurat ions que l'on peut
la nullité d'un déterminant? La matri- obtenir. Un autre espace est souvent
ce J est constituée de v in gt-cinq rencontré en a lgèbre linéaire : le
148 q n n 4
Boutons à enfoncer
Configuration de la dernière ligne
sur la ligne du haut
~~~~Il~~
~~. . . . . . . .11~~
~---...a.li~-
~~~Il~
~~~ll~w~
~:w>~II~_
~~1!~
~-~~
courageux pourront implémenter ces Références
variations en programmant un micro- • Turning Lights Out with Linear Algebra .
contrôleur et ainsi vérifier que l'al- Marlow Anderson et Todd Feil, Mathematics Magazine 71
gèbre linéaire est source de nom- (4), 1998.
breuses applications ludiques ! • Pour une analyse beaucoup plus rigoureuse
et théorique du jeu :
J.-J. D. Jeux d'ampoules ou comment év iter la crise de nerfs
à un é lectric ien dépressif à coup d'algèbre linéaire sur F2 .
Grégory Berhuy, Quadrature 79, 2011.
149
JEUX & PROBLÈMES ..
Niveau de difficullé
i) très facile
Il facile
IIV pas facile
111111 difficile
Problèmes
t.1111111 très difficile
2 3
11+1 11+ 2 n+3
c!(n)= 2n+I 211+ 2 2n+3
Ci-dessous figure le plus petit des carrés magiques, le carré magique de taille 3 : la somme
des trois chiffres de chaque ligne, de chaque colonne et des deux diagonales est égale à
une constante, 15.
Imaginons que des équipes d'échecs à trois joueurs s'opposent
et que l'on évalue la force des joueurs par le nombre inscrit dans
6 1 8 une case. La première équipe est celle de la première colonne,
avec des joueurs de forces respectives 6, 1, 8. La deuxième équi-
pe a des joueurs de forces 7, 5 et 3, et la troisième les forces 2, 9
et 4. La « force moyenne » des trois équipes est la même : 5.
7 5 3 Et pourtant, la première équipe est battue par la deuxième par
deux matchs à 1, la deuxième par la troisième (deux victoires à
une), mais la troisième est battue par la première deux victoires
2 9 4 à une. La non transitivité est toujours étonnante ...
Il a par ailleurs été démontré que ce type de scores intransi-
tifs par deux victoires à une est un maximum.
• Un carré semi-magique est un carré dans lequel il n'y a pas de condition sur les diago-
nales (seules les lignes et les colonnes doivent présenter des sommes égales) . On connaît
un carré semi-magique de taille 4 constitué de nombres élevés au cube (voir ci-dessous).
Ce carré a été trouvé en 2006 par Lee Morgenstern.
Construire un carré semi-magique de taille 3 consti-
163 20 3 18 3 192 3 tué de nombres entiers positifs distincts élevés au
cube, ou prouver qu'il n'en existe pas. Mise à prix :
180 3 81 3 903 153 1 ooo euros et une bouteille de champagne.
• Ce défi porte sur les carrés magiques additifs-
108 3 135 3 150 3 93 multiplicatifs, qui présentent à la fois des sommes
égales et des produits égaux (sur les lignes, les
23 160 3 144 3 24 3 colonnes et les diagonales). Le plus petit exemple
connu d'un tel carré est de taille 8. Il a été trouvé
en 1955 par Walter Homer. Le défi consiste à construire un carré magique additif-multi-
plicatif de taille 5 utilisant des entiers distincts, ou à prouver que c'est impossible. Mise à
prix : 1000 euros et une bouteille de champagne.
Construire un carré magique additif-multiplicatif de taille 6 utilisant des entiers distincts, ou
prouver que c'est impossible. Mise à prix: 500 euros et une bouteille de champagne.
Construire un carré magique additif-multiplicatif de taille 7 utilisant des entiers distincts, ou
prouver que c'est impossible. Mise à prix: 200 euros et une bouteille de champagne.
HS4406 • l1:e premier terme de la matrice M(n) comme ci-contre. Des valeurs peuvent être
est égal à la somme des n - 1 premiers carrés attribuées à a , [3, 'Y, ô, de six façons diffé-
des entiers non nuls augmentée de 1, à savoir rentes, et dans chaque cas, les deux valeurs
l + 11(11 - 1)(211 - 1) / 6. Les termes de la dia- possibles pour e donnent deux matrices. On
gonale principale de M(n) forment une pro- obtient ainsi 6 X 2 = 12 autres matrices.
gression arithmétique de raison 11 + 1. La Troisième cas : les lignes a et A ne sont ni
somme demandée est donc : égales, ni opposées.
n (n + 1)(2n 2 - 2n + 3) / 6. On peut remplir la ligne a de six façons, et la
ligne A de quatre façons (puisque l'on a exclu
HS4407 · Désignons les places par A, B, C, a, b, les deux cas précédents). On obtient ainsi
et c, deux lettres associées (majuscule et vingt-quatre combinaisons, et chacune conduit
i:ninuscule) correspondant à deux places qui ne à une solution unique. Le nombre total de
sont pas directement reliées. plans réalisables est donc égal à
Dans cette matrice, aiJ = 0 s'il n'existe pas de 2 + 12 + 24 = 38 plans différents.
route reliant i àj (c ' est notamment le cas si i = j),
aiJ = l si la route reliant i àj est orientée dei vers HS4408 • On cherche un carré de la forme
j , et aiJ = - 1 si la route reliant i àj est orientée
de) vers i. D'après les conditions imposées par
l'énoncé, chaque ligne et chaque colonne de
cette matrice doit compter exactement deux fois
le nombre l et deux fois le nombre - 1.
Pour remplir cette matrice, on peut distinguer tel que a, b, c, d, e,f, g, h, i, a + 2, b + 2, c + 2,
trois cas: d + 2, e + 2, f + 2, g + 2, h + 2 et i + 2 soient
Premier cas : ligne a = ligne A. tous des nombres premiers. Ceci implique que
A B c a b c Ce cas est celui de la les chiffres des unités des nombres a, b, c, d, e,
A o -a -~ O -'Y -li matrice correspondant f, g, h eti appartiennent à l'ensemble {1 ; 7 ; 9}.
B a O -a a O -a au dessin de l'énoncé. Soit ces chiffres des unités sont tous identiques,
c ~ -~ o ~ -~ O Remplissons les soit ils sont dans la configuration suivante,
a o -a -~ o -y -li colonnes A et a avec à une rotation ou à une réflexion près :
b y o -y y o -y les nombres a, p, y, ô,
c li -li o li -li o puis complétons les
lignes en fonction de ces nombres. L'examen [; ~ !]
l[ l
des colonnes et l'antisymétrie imposent alors
a = - p= y = - ô. On n'obtient donc que deux La plus petite solution est la suivante :
matrices de ce type, avec a = l, p = - 1, y = 1,
191 17 239 193 19 241
ô = - 1, ou bien a = - l, p = 1, y = - 1, ô = 1. 197 149 101 , 199 151 103 .
Deux ièmc cas : ligne a = opposé de la ligne A . [
59 281 107 61 283 109
A B C a b c En respectant les
A 0 -a -~ 0 -y -ô conditions de l'énoncé
B a 0 - E -a 0 E (antisymétrie, deux
C ~ E 0 -~ - E 0 nombres 1 et deux
a 0 a ~ 0 y ô nombres - 1 par ligne
b y 0 E - y 0 -E et par colonne , la
ô - E 0 - ô E 0 matrice se remplit
2 2 3
On a aussi 5 6 8 =0 HS4412 • Selon la notation A B c D
3m+2 4m+2 5m+3 de Maurice Kraitchik, on E F G H
peut noter un tel carré de I J K L
pour tout m supérieur ou égal à 2. la façon suivante : M N 0 p
HS4410 • On suppose que les entiers sont choi- Désignons par S la somme magique. On a :
sis de façon que leurs résidus modulo 7 soient ~+B+C+D=E+F+G+H=I+J+K+
équirépartis. L = M + N + O + P =A+E+ I + M = B + F
On remplace alors les entiers choisis par leurs + J +N=C+ G + K + O = D + H +L+ P =
résidus modulo 7. Le déterminant de la matri- M + B + G + L = I + N +C+ H =E+ J + O +
ce obtenue est divisible par 7 si, et seulement D = A + F + K + P = A + N + K + H =E+ B
si, cette matrice n'est pas inversible. Le + 0 + L = 1 + + C + P = M + J + G + D = S.
nombre de matrices non 3 X 3 inversibles sur Ces égalités entraînent que l'on peut écrire ce
le corps des entiers modulo 7 est égal à carré sous la forme suivan e :
(7 3 - 1) (7 3 - 7) (7 3 - 7 2) , sur un total de 79
A B c S - A-B-C
matrices . La probabilité demandée est donc E S-A-B-E A-C+E B+ C-E
égale à: S / 2-C A+ B+C -S / 2 S/2-A S / 2-B
S/2-A+C-E S/2-B-C+E S/2-E A+B+E - S / 2
HS4411 · Soit
[
dag b: 1c. J un carré magique HS4413 · Contre-exemple :
1
10 18 14 22
,~
4 12 25 8 16
quelconque. On a alors S = 9e et la somme
magique est égale à S / 3, soit à 3e. 23 6 19 2 =-4680000.
En additionnant lignes et colonnes, on 5 13 21
obtient: 24 7 20
,;/
·r ••
Ou i, je m 'abonne à
1 AN
FRANCE
2 ANS
1 HORS MÉTROPOLE 1
TANGENTE . 35 € . 65 € • + 12 € par an
TANGENTE PLUS • 55 € • 105 € • + 20 € par an
TANGENTE SUPERPLUS • s5 € • 165 € • + 24 € par an
TANGENTE SUP • 24 € . 46 € • +6 € par an
TANGENTE ÉDUCATION • 10 € • 1s € • + 2 € par an
SPÉCIAL LOGIQUE • 19,50 € • 37 € • + 6 € par an
ABONNEMENT MATH+ * • 100 € • 190 € • + 30 € par an
ABONNEMENT MATH++ ** • 130 € • 250 € • + 30 € par an
ABONNEMENT SOUTIEN *** • 150 € . 300 € • + 30 € par an
• Tous les titres avec les HS Thématiques. •• Tous les titres avec les HS Bibliothèques. ••• Tous les titres avec les deux HS.
Total à payer
~~~~~~~~~~--'
Je joins mon paiement par (établissements scolaires, joindre bon de commande administratif):
Ta.ngent e
Publié par les Éditions POLE
SHS au capital de 42 000 euros
Siège social
80 bd Saint-michel - 75006 Paris
Commission paritaire : 1011 K 80883
Dépôt légal à parution
Directeur de Publication et de la Rédaction
Gilles COHEn
Rédacteur en chef adjoint
Herué LEHnmG
Secrétaire de rédaction
Édouard THOmHS
Ont collaboré à ce numéro
Jacques BHIR, Philippe BOULHnGER, Élisabeth BUSSER,
michel CRITOn, Jean-Jacques DUPHS,
Bertrand HHUCHECORnE, Daniel JUSTEns,
Philippe LHnGEnHKEn, François LHUHLLOU,
Herué LEHnmG, Hlexandre moHTTI, Jean-Hlain RODDIER,
norbert UERDIER, Hlain ZHLmHnSKI
maquette
Thibaud Dl DOmEmco, Guillaume GHIDOT,
natacha LHUGIER, Claude lUCCHlnl
Photos : droits réserués
Photo couverture : Édouard Thomas
[exposition mathématiques, un dépaysement soudain
à la fondation Cartier pour l'art contemporain)
Publicité, abonnements
marie DURHnD md@poleditions.com
01 47 07 51 15 - fax : 01 47 07 88 13
Achevé d'imprimer
pour le compte des Éditions POLE
sur les presses de l'imprimerie SPEI à Pulnoy
Imprimé en France
Dépôt légal - Août 2012
!;OITIONS ~