Compléments mathématiques#

Fonction atan2#

La fonction \(\text{atan2}(y, x)\) permet, par l’analyse du signe de ses deux arguments \(x\) et \(y\) de déterminer le quadrant solution à \(2 \pi\) près pour l’inversion de la fonction tangente :

\[\begin{split} \begin{align} \text{atan2}(y, x) = \begin{cases} \text{atan}(y/x) \quad & \text{si} \quad x > 0 \\ \text{atan}(y/x)+\pi \quad & \text{si} \quad y \geq 0, x < 0 \\ \text{atan}(y/x)-\pi \quad & \text{si} \quad y < 0, x < 0 \\ \pi/2 \quad & \text{si} \quad y > 0, x = 0 \\ -\pi/2 \quad & \text{si} \quad y < 0, x = 0 \\ 0 & \text{si} \quad y = 0, x = 0 \\ \end{cases} \end{align} \end{split}\]

Matrice orthogonale#

Une matrice \(\mathbf{A}\) \(n\times n\) est dite orthogonale si :

\[ \begin{equation} \mathbf{A} \mathbf{A}^t = \mathbf{A}^t \mathbf{A} = \mathbf{I}_d \end{equation} \]

alors

\[ \begin{equation} \mathbf{A}^t = \mathbf{A}^t \mathbf{A} \mathbf{A}^{-1} = \mathbf{I}_d \mathbf{A}^{-1} = \mathbf{A}^{-1} \end{equation} \]

Pour les matrices de changement de base, les vecteurs colonnes de \(\mathbf{A}\) sont orthogonaux et unitaires.

Pseudo inverse#

Cette matrice fut définie simultanément par Moore en 1920 et Penrose en 1955. Elle est connue sous le nom de matrice inverse généralisée ou matrice pseudo-inverse ou encore matrice inverse de Moore-Penrose. Pour une matrice \(\mathbf{A}\) de taille \(m \times n\), la matrice inverse généralisée de Moore-Penrose est une matrice « pseudo-inverse » unique de taille \(n \times m\) notée \(\mathbf{A}^{\dagger}\). Cette matrice est définie pour les matrices complexes, mais nous ne donnons ici que les relations dans le cas de matrices réelles.

La matrice pseudo-inverse satisfait les équations suivantes :

\[\begin{split} \begin{align} \mathbf{A} \mathbf{A}^{\dagger} \mathbf{A} &= \mathbf{A} \\ \Leftrightarrow \mathbf{A}^{\dagger} \mathbf{A} \mathbf{A}^{\dagger} &= \mathbf{A}^{\dagger} \\ \Leftrightarrow (\mathbf{A} \mathbf{A}^{\dagger})^t &= \mathbf{A} \mathbf{A}^{\dagger}\\ \Leftrightarrow (\mathbf{A}^{\dagger} \mathbf{A})^t &= \mathbf{A}^{\dagger} \mathbf{A} \end{align} \end{split}\]

Elle est notamment utilisée dans les problèmes de minimisation lorsque l’on a plus de données que d’inconnues. Par exemple, soit le système linéaire suivant, d’inconnue \(\mathbf{B}\) :

\[ \begin{equation} \mathbf{A} \mathbf{X} = \mathbf{B} \end{equation} \]

en multipliant à gauche par la transposée de \(\mathbf{B}\) :

\[ \begin{equation} \mathbf{A}^t \mathbf{A} \mathbf{X} = \mathbf{A}^t \mathbf{B} \end{equation} \]

si l’inverse de \(\mathbf{B}^t \mathbf{B})\) (matrice carrée) existe alors :

\[ \begin{equation} \mathbf{X} = (\mathbf{A}^t \mathbf{A} )^t \mathbf{A}^t \mathbf{B} \end{equation} \]

avec la définition de la pseudo inverse :

\[ \begin{equation} \mathbf{A}^{\dagger} = (\mathbf{A}^t \mathbf{A} )^t \mathbf{A}^t \end{equation} \]

la solution de l’équation initiale se réécrit :

\[ \begin{equation} \mathbf{X} = \mathbf{A}^{\dagger} \mathbf{B} \end{equation} \]

Cette solution particulière correspond au vecteur de norme minimale dans la formulation au sens des moindres carrés.

Matrice de pré-produit vectoriel#

Soit le produit vectoriel de \(\mathbf{u}\) par \(\mathbf{v}\) tel que :

\[\begin{split} \begin{equation} \mathbf{u} \wedge \mathbf{v} = \begin{bmatrix} u_x \\ u_y \\ u_z \end{bmatrix} - \begin{bmatrix} v_x \\ v_y \\ v_z \end{bmatrix} = \begin{bmatrix} u_y v_z - u_z v_y \\ u_z v_x - u_x v_z \\ u_x y_v - u_y v_x \end{bmatrix} \end{equation} \end{split}\]

Cette opération peut se mettre sous la forme linéaire suivante :

\[\begin{split} \begin{equation} \begin{bmatrix} 0 & -u_z & u_y \\ u_z & 0 & -u_x \\ -u_y & u_x & 0 \end{bmatrix} \begin{bmatrix} v_x \\ v_y \\ v_z \end{bmatrix} \end{equation} \end{split}\]

On définit ainsi l’opérateur de pré-produit vectoriel appliqué à \(\mathbf{u}\), la matrice anti-symétrique notée \(\mathbf{\hat{u}}\) :

\[\begin{split} \begin{equation} \mathbf{u} \wedge \mathbf{v} = \mathbf{\hat{u}} \mathbf{v} \quad \text{avec} \quad \mathbf{\hat{u}} = \begin{bmatrix} 0 & -u_z & u_y \\ u_z & 0 & -u_x \\ -u_y & u_x & 0 \end{bmatrix} \end{equation} \end{split}\]