Chapitre 00 : Rappel Mathématiques

1- Les vecteurs
Un vecteur est une quantité orientée, caractérisé par :
- Un support
- Sens
- Module
- (Point d’application)

⃗⃗, s’écrit en fonction de ses

Dans un repère orthonormé(𝑂, 𝑒⃗1 , 𝑒⃗2 , 𝑒⃗3 ), un vecteur donné 𝑉
composantes comme suit :
𝒙𝟑
⃗⃗ = 𝑉1 𝑒⃗1 + 𝑉2 𝑒⃗2 + 𝑉3 𝑒⃗3 = ∑3𝑖=1 𝑉𝑖 𝑒⃗𝑖
𝑉

Ou en notation indicielle : ⃗⃗
𝑽

⃗⃗ = 𝑉𝑖 𝑒⃗𝑖
𝑉 (Indice répété) ⃗⃗𝟑
𝒆

1.2 Opérations sur les vecteurs 𝑥2

O 𝒆
⃗⃗𝟐
 Somme de deux vecteurs ⃗𝒆⃗𝟏
𝒙𝟏
⃗⃗ et 𝑉
Soient 𝑈 ⃗⃗ deux vecteurs tels que

⃗⃗ = ∑3𝑖=1 𝑈𝑖 𝑒⃗𝑖 = 𝑈1 𝑒⃗1 + 𝑈2 𝑒⃗2 + 𝑈3 𝑒⃗3 = 𝑈𝑖 𝑒⃗𝑖

𝑈 et ⃗⃗ = ∑3𝑖=1 𝑉𝑖 𝑒⃗𝑖 = 𝑉1 𝑒⃗1 + 𝑉2 𝑒⃗2 +
𝑉
𝑉3 𝑒⃗3 = 𝑉𝑖 𝑒⃗𝑖

⃗⃗ et 𝑉
La somme des deux vecteurs 𝑈 ⃗⃗ est le vecteur 𝑊
⃗⃗⃗⃗, tel que

⃗⃗⃗⃗ = 𝑈
𝑊 ⃗⃗ + 𝑉
⃗⃗ = ∑3𝑖=1 𝑊𝑖 𝑒⃗𝑖 = 𝑊𝑖 𝑒⃗𝑖

𝑊𝑖 = 𝑈𝑖 + 𝑉𝑖

 Multiplication par un scalaire

⃗⃗ un vecteur défini par :
Soit 𝑉
⃗⃗ = 𝑉1 𝑒⃗1 + 𝑉2 𝑒⃗2 + 𝑉3 𝑒⃗3 = ∑3𝑖=1 𝑉𝑖 𝑒⃗𝑖
𝑉 et soit  un scalaire réel
La multiplication de  par 𝑉 ⃗⃗ est le vecteur 𝑊
⃗⃗⃗⃗ tel que
⃗⃗⃗⃗ = 𝜆𝑉
𝑊 ⃗⃗ = 𝜆(𝑉1 𝑒⃗1 + 𝑉2 𝑒⃗2 + 𝑉3 𝑒⃗3 )
𝑊𝑖 = 𝜆𝑉𝑖

 Produit scalaire
⃗⃗ et 𝑉
Le produit scalaire de deux vecteurs 𝑈 ⃗⃗ est le scalaire a défini par :
𝑎=𝑈 ⃗⃗. 𝑉
⃗⃗
⃗⃗, 𝑉
𝑎 = |𝑈 |. |𝑉|. cos⁡(𝑈 ⃗⃗)
⃗⃗ = 𝑈1 𝑒⃗1 + 𝑈2 𝑒⃗2 + 𝑈3 𝑒⃗3
𝑈
⃗⃗ = 𝑉1 𝑒⃗1 + 𝑉2 𝑒⃗2 + 𝑉3 𝑒⃗3
𝑉
𝑎 = ∑3𝑖=1 𝑈𝑖 . 𝑉𝑖 = 𝑈1 . 𝑉1 + 𝑈2 . 𝑉2 + 𝑈3 . 𝑉3

Angle entre les deux vecteurs

 ⃗⃗) = 𝑈1 .𝑉1+𝑈2 .𝑉2+𝑈3 .𝑉3
⃗⃗, 𝑉
cos(𝑈 |𝑈|.|𝑉|

|𝑈| = √𝑈12 + 𝑈22 + 𝑈32

|𝑉| = √𝑉12 + 𝑉22 + 𝑉32

Les vecteurs unités de la base

𝑒⃗𝑖 . 𝑒⃗𝑗 = 𝛿𝑖𝑗
𝛿𝑖𝑗 = 1 (𝑝𝑜𝑢𝑟⁡𝑖 = 𝑗)
𝛿𝑖𝑗 = 0 (𝑝𝑜𝑢𝑟⁡𝑖 ≠ 𝑗)
Car les vecteurs sont orthogonaux
- Exemple physique du produit scalaire :
Travail des forces

 Projection d’un vecteur sur un axe ou une droite est égal au produit scalaire de ce
vecteur par le vecteur unitaire porté par cette droite.
⃗⃗⃗⃗ un vecteur quelconques et 𝑛⃗⃗ est un vecteur unitaire
Soit 𝑉⁡
⃗⃗ sur la droite (Δ) est égale à :
La projection de 𝑉
⃗⃗
𝑽

⃗⃗. 𝑛⃗⃗
𝑉𝑛 = 𝑉
⃗⃗
𝒏 (𝚫)
Avec 𝑽𝒏 la projection de ⃗𝑽⃗ sur la droite Δ)

 Produit vectoriel
⃗⃗ et 𝑉
Le produit vectoriel de deux vecteurs 𝑈 ⃗⃗ est le vecteur 𝑊
⃗⃗⃗⃗ défini par :
⃗⃗⃗⃗ = 𝑈
𝑊 ⃗⃗ × 𝑉
⃗⃗ = 𝐴. 𝑛⃗⃗

⃗𝑾
⃗⃗⃗⃗
Le module de 𝑊⃗⃗⃗⃗ est l’aire du parallélogramme
⃗⃗
𝑽
engendré par les deux vecteurs 𝑈 ⃗⃗ et 𝑉
⃗⃗

|𝑊 | = |𝑈|. |𝑉|. sin⁡(𝑈 ⃗⃗, 𝑉

⃗⃗) A
⃗⃗
𝒏
⃗⃗ ⁡ × ⁡⁡ 𝑈
𝑉 ⃗⃗ = −𝑊 ⃗⃗⃗⃗
Si 𝑈 ⃗⃗⁡//𝑉
⃗⃗ ⇔ 𝑈⃗⃗ × 𝑉 ⃗⃗ = 𝑉⃗⃗ ⁡ × ⁡⁡ 𝑈
⃗⃗ = ⁡0⁡
⃗𝑼
⃗⃗
Si

⃗⃗ = 𝑈1 𝑒⃗1 + 𝑈2 𝑒⃗2 + 𝑈3 𝑒⃗3

𝑈 ⃗⃗ = 𝑉1 𝑒⃗1 + 𝑉2 𝑒⃗2 + 𝑉3 𝑒⃗3
et 𝑉

Alors :

𝑒⃗1 𝑒⃗2 𝑒⃗3

⃗⃗⃗⃗ = |𝑈1
𝑊 𝑈2 𝑈3 | = 𝑒⃗1 (𝑈2 𝑉3 − 𝑈3 𝑉2 ) + 𝑒⃗2 (𝑈3 𝑉1 − 𝑈1 𝑉3 ) + 𝑒⃗3 (𝑈1 𝑉2 − 𝑈2 𝑉1 )
𝑉1 𝑉2 𝑉3

- Exemple physique de produit vectoriel

Moment d’une force
  Produit mixte
Le produit mixte de trois vecteurs donnés 𝑈 ⃗⃗, 𝑉
⃗⃗, 𝑒𝑡⁡𝑊
⃗⃗⃗⃗ ,est le scalaire défini par :
𝑎=𝑈 ⃗⃗. (𝑉
⃗⃗ × 𝑊
⃗⃗⃗⃗ )
Le produit mixte des trois vecteurs est le volume du parallélépipède engendré par ces
3 vecteurs.
𝑎=𝑈 ⃗⃗. (𝑉
⃗⃗ × 𝑊
⃗⃗⃗⃗ ) = (𝑈
⃗⃗ × 𝑉
⃗⃗ ). 𝑊
⃗⃗⃗⃗
Si
⃗⃗ = ∑3𝑖=1 𝑈𝑖 𝑒⃗𝑖
𝑈 ⃗⃗ = ∑3𝑖=1 𝑉𝑖 𝑒⃗𝑖 , 𝑊
,𝑉 ⃗⃗⃗⃗ = ∑3𝑖=1 𝑊𝑖 𝑒⃗𝑖

Alors

𝑈1 𝑈2 𝑈3
𝑎 = | 𝑉1 𝑉2 𝑉3 |
𝑊1 𝑊2 𝑊3

2- Les matrices
Soient m et n deux entiers strictement positifs, une matrice à m ligne et n colonnes est
un tableau rectangulaire de réels de coefficients 𝑎𝑖𝑗 .
𝑎11 … 𝑎1𝑗 … . 𝑎1𝑛
𝑎 … 𝑎𝑖𝑗 … . 𝑎𝑖𝑛
Soit [𝐴] = [ .𝑖1 . . ]
𝑎𝑚1 … 𝑎 𝑚𝑗 𝑎𝑚𝑛
m et n sont les dimensions de la matrice [𝐴]
2.1 Opérations sur les matrices
 Addition de deux matrices
Si [𝐴]⁡𝑒𝑡⁡[𝐵] sont deux matrices de même dimensions , la somme de [𝐴] et [𝐵] est la
matrice [𝐶] de même dimension telle que :
[𝐶] = [𝐴] + [𝐵], dont les coefficients 𝑐𝑖𝑗 = 𝑎𝑖𝑗 + 𝑏𝑖𝑗

 Multiplication par un scalaire

Soit [𝐴] une matrice de dimension m,n de coefficient 𝑎𝑖𝑗 et soit  un réél.
Le produit 𝜆. [𝐴] est la matrice [𝐵] tel que
[𝐵] = 𝜆. [𝐴] de coefficient 𝑏𝑖𝑗 = 𝜆. 𝑎𝑖𝑗

- Exemple
[𝐴] = [1 5 3] et 𝜆 = 2
3 7 2
2 10 6
[𝐵] = 2[𝐴] = 2 [1 5 3] = [ ]
3 7 2 6 14 4
 Produit matricielle
Soient m,n et p trois entiers strictement positifs, et soient [𝐴] = (𝑎𝑖𝑗 ) et [𝐵] = (𝑏𝑗𝑘 )
Le produit matriciel de [𝐴] et [𝐵], est la matrice [𝐶] de coefficient 𝑐𝑖𝑘 , défini pour
tout 𝑖 = 1, 𝑚 et k=1,p
𝑐𝑖𝑘 = ∑𝑛𝑗=1 𝑎𝑖𝑗 . 𝑏𝑗𝑘

Le produit des deux matrices A et B n’est défini que si le nombre de colonne de la

matrice [𝐴] est égal au nombre de lignes de la matrice [𝐵].
 - Exemple
1 1
0 1 −1 −2
[𝐴] = [2 3 ] [𝐵] = [ ]
−3 −2 0 ⁡⁡⁡⁡1
1 −1
[𝐶] = [𝐴]. [𝐵]
−3 −1 −1 −1
[𝐶] = [−9 −4 −2 −1]
3 3 −1 −3

- Propriété du produit matriciel

o Associativité
Si les produit [𝐴]. [𝐵] et [𝐵]. [𝐶] sont définis, alors le produit
[𝐴]([𝐵]. [𝐶]) = ([𝐴]. [𝐵]). [𝐶]
o Le produit matriciel n’est pas commutatif
[𝐴]. [𝐵] ≠ [𝐵]. [𝐴]

o Transposé d’une matrice

Le transposé d’une matrice donnée [𝐴]⁡est la matrice [𝐵] dont les lignes sont
les colonnes de [𝐴] et les colonnes sont lignes de [𝐴]. Elle est donc notée :
[𝐵] = [𝐴]𝑇
Et les coefficients 𝑏𝑖𝑗 = 𝑎𝑗𝑖
Le transposé du produit matriciel ([𝐴]. [𝐵])𝑇 est égal au produit des transposé
de la matrice [𝐵] par le transposé de la matrice [𝐴].
([𝐴]. [𝐵])𝑇 = [𝐵]𝑇 [𝐴]𝑇
3- Matrices carrées
Les matrices carrées sont des matrices dont le nombre de lignes est égal au nombre de
colonnes.
 Matrice identité
La matrice identité notée [𝐼𝑛 ] est la matrice définie par :
1 0 . . 0
0 1 0 . .
[𝐼𝑛 ] = . 0 . . 0
. . . 1 0
[0 0 0 0 1]
La matrice identité est une matrice neutre. C'est-à-dire que si [𝐴] est une matrice
carrée de dimension n
Alors [𝐴] = [𝐴]. [𝐼𝑛 ] = [𝐼𝑛 ]. [𝐴]
 Inverse d’une matrice.
Soit [𝐴]une matrice carrée 𝑛 × 𝑛 L’inverse de la matrice [𝐴]⁡notée [𝐴]−1 , s’il existe,
est la matrice qui satisfait la condition :
[𝐴][𝐴]−1 = [𝐴]−1 [𝐴] = [𝐽𝑛 ]

La matrice carrée [𝐴] est inversible si det[𝐴] ≠ 0,

Si det[𝐴] = 0, alors la matrice est dite singulière.

 Déterminant d’une matrice carrée

- Matrice 2x2
𝑎11 𝑎12
[𝐴] = [𝑎 ]
21 𝑎22
 𝑑𝑒𝑡[𝐴] = 𝑎11 . 𝑎22 − 𝑎12 . 𝑎21

Pour le cas des matrices ou 𝑛 ≥ 3

Le déterminant est égal à la somme des produits obtenus en multipliant les éléments d’une
ligne quelconque (ou d’une colonne) par leur cofacteurs respectifs

Cofacteur :

𝐴𝑖𝑗 = (−1) 𝑗+1 𝑑𝑒𝑡[𝑀]

[𝑀] : est la sous matrice carrée obtenue en supprimant la IIème ligne et la Jaime colonne de la
matrice [𝐴].

 Matrice définie positive

⃗⃗ (𝑛 ×
Une matrice carrée [𝐴] de dimension n est définie positive si pour tout vecteur 𝑉
𝑇
1) , le produit {𝑉} [𝐴]{𝑉} > 0
Et la matrice [𝐴] est définie négative si {𝑉}𝑇 [𝐴]{𝑉} < 0

 Valeurs propres et vecteurs propres d’une matrice carrée

Un vecteur {𝑈} est un vecteur propre d’une matrice carrée [𝐴] de dimension (𝑛 × 𝑛)
si [𝐴]{𝑈} = 𝜆{𝑈} avec  une valeur propre de [𝐴]
On dit que  est une valeur propre de [𝐴] s’il y’a une solution non triviale ({𝑈} = 0)
de l’équation [𝐴]{𝑈} = 𝜆{𝑈}
Cette solution est appelée vecteur propre associé à 

 Polynôme caractéristique
[𝐴]{𝑈} = 𝜆{𝑈}
Cette équation peut être écrite de la manière suivante :
([𝐴] − 𝜆[𝐼]){𝑈} = 0
Solution triviale {𝑈} = 0
Ou
𝑃 (𝜆) = 𝑑𝑒𝑡([𝐴] − 𝜆[𝐼]) = 0
La résolution de 𝑃 (𝜆) = 0 permet d’obtenir les valeurs propres de la matrice [𝐴]
𝑃 (𝜆) est appelé polynôme caractéristique de la matrice [𝐴]

Les racines de 𝑃(𝜆) sont soient réelles ou complexe

Dans le cas des matrices symétriques, les raines sont toujours réelles.