Aller au contenu
Apprendre.
  • M1 · toutes les matières15 matières : Préparation de données, API & sécurité, CI/CD, Docker, Merise, Dataviz, KNIME, ML appliqué : projet LoL, SQL & UML, SQL avancé, Machine Learning, Git, IA frugale & responsable, Qualité des données, MathématiquesAnnée
  • M2 · toutes les matières4 matières : Deep Learning, AI Act, Comex & Fundraising, Gouvernance & DataMeshAnnée
  • Deep LearningM2 · 4 modules · Réseaux de neurones, CNN, texte, modèles génératifs.Matière
  • Préparation de donnéesM1 · 3 modules · Nettoyer, transformer et fusionner des données avec Python.Matière
  • API & sécuritéM1 · 2 modules · Consommer, concevoir et sécuriser des API.Matière
  • CI/CDM1 · 1 module · Intégration et livraison continues.Matière
  • DockerM1 · 3 modules · Conteneurs, images, volumes, réseaux, Compose.Matière
  • MeriseM1 · 2 modules · Modéliser une base : MCD, MLD, MPD.Matière
  • DatavizM1 · 2 modules · Visualiser pour comprendre et décider.Matière
  • KNIMEM1 · 1 module · Explorer et nettoyer des données en workflow.Matière
  • ML appliqué : projet LoLM1 · 2 modules · Du besoin métier au POC de vision par ordinateur.Matière
  • SQL & UMLM1 · 3 modules · Modèles UML et requêtes SQL.Matière
  • SQL avancéM1 · 3 modules · Jointures, fenêtres, CTE, optimisation.Matière
  • Machine LearningM1 · 3 modules · Régression, classification, segmentation, projet.Matière

↑↓ naviguer↵ ouvre le résultat en surbrillanceesc fermer

Partie 2 · Matrices

Transformations, transposée et matrices symétriques

III. Transformations linéaires

Une matrice carrée représente une transformation linéaire de l'espace vers lui-même. Les quatre transformations fondamentales du cours :

TransformationMatriceEffet
Étirement(3001)\begin{pmatrix} 3 & 0 \\ 0 & 1 \end{pmatrix}multiplie xx par 3, laisse yy inchangé
Compression(0,5000,5)\begin{pmatrix} 0{,}5 & 0 \\ 0 & 0{,}5 \end{pmatrix}réduit toutes les directions d'un facteur 2
Réflexion(100−1)\begin{pmatrix} 1 & 0 \\ 0 & -1 \end{pmatrix}symétrie par rapport à l'axe xx
Rotation(cos⁡θ−sin⁡θsin⁡θcos⁡θ)\begin{pmatrix} \cos\theta & -\sin\theta \\ \sin\theta & \cos\theta \end{pmatrix}rotation de tout l'espace d'un angle θ\theta

Lire une matrice diagonale. Pour diag⁡(a,d)\operatorname{diag}(a,d), le point (x,y)(x,y) devient (ax,dy)(ax, dy). Ainsi (−2001)\begin{pmatrix}-2&0\\0&1\end{pmatrix} envoie (1,1)(1,1) sur (−2,1)(-2,1) : une symétrie (signe moins sur xx) combinée à un étirement (facteur 2), calcul ajouté.

Rotation de 90°. Avec cos⁡90°=0\cos 90° = 0 et sin⁡90°=1\sin 90° = 1, la matrice vaut (0−110)\begin{pmatrix} 0 & -1 \\ 1 & 0 \end{pmatrix} et envoie (1,0)(1,0) sur (0,1)(0,1) (exemple ajouté).

Vérifie que tu as compris

Quel est l'effet de (3001)\begin{pmatrix}3&0\\0&1\end{pmatrix} sur le point (x,y)(x,y) ?

Vérifie que tu as compris

La matrice (100−1)\begin{pmatrix}1&0\\0&-1\end{pmatrix} représente…

IV. Transposée et matrices symétriques

La transposée ATA^T échange lignes et colonnes : le coefficient (i,j)(i,j) de ATA^T est ajia_{ji}. Pour A=(132−1)A = \begin{pmatrix} 1 & 3 \\ 2 & -1 \end{pmatrix} : AT=(123−1)A^T = \begin{pmatrix} 1 & 2 \\ 3 & -1 \end{pmatrix}. Une matrice 2×32\times3 a une transposée 3×23\times2.

Une matrice est symétrique si A=ATA = A^T, c'est-à-dire aij=ajia_{ij} = a_{ji}. Exemple :

S=(2113)S = \begin{pmatrix} 2 & 1 \\ 1 & 3 \end{pmatrix}

Les matrices symétriques ont des propriétés géométriques fortes : toute matrice symétrique réelle admet une famille complète de vecteurs propres réels, mutuellement orthogonaux, qui forment une base (théorème du cours, voir la leçon 5).

Vérifie que tu as compris

Quelle matrice est symétrique ?