Ebay Matrice

maths Niveau:MP 2009-2010 1. V´rifier que φ une forme lin´aire continue et calculer sa norme subordonn´e e e e 2. Montrer que |||φ||| n’est pas atteinte Exercice 7 : Soit A ∈ Mp (R). On suppose que la suite de matrices : An = I + A + A2 + · · · + An converge vers une matrice B. Montrer que I − A est inversible, et B = (I − A)−1 . Exercice 8 :On munit Mn (R) d’une norme subordonn´e||.|| , soit A, M ∈ (Mn (R))2 e 1 −1 1. Si||A|| < 1 alors In + A est inversible et ||(I + A) || 1 − ||A|| 1 2.

commutent si et seulement si a ∈ Kerψ et b ∈ Ker φ. En donner une caractérisation en fonction des hyperplans et des droites de t et de s. III Partie II 1. Soit u une involution de E. 1a. Montrer que Ker(u − id E ) ⊕ Ker(u + id E ) = E. 1b. Écrire la matrice de u dans une base adaptée à cette somme directe et en déduire det(u) en fonction de d = dim Ker(u − id). 1c. Montrer que Im(u + id E ) = Ker(u − id E ). On dit que u est une involution minimale si Ker(u − id E ) est de dimension 1. 2. 2a. Montrer

en analyse numérique Sébastien Charnoz & Adrian Daerr Université Paris 7 Denis Diderot CEA Saclay En analyse numérique, un certain nombre de calculs sont faits de manière répétitive. Exemple : Résoudre un système linéaire, Inverser une matrice, Calculer le déterminant, valeurs propres, vecteurs propres Interpoler une fonction Extrapoler une fonction Décomposer une fonction sur une base de fonctions (ex: TF) « fitter » des points de mesure avec des fonctions connues Etc… Des algorithmes

vectoriel On appelle la matrice dont les vecteurs colonnes sont formés par les composantes des vecteurs dans la base Par exemple si l'espace vectoriel est de dimension 3 et que l'on a La matrice sera égale à : Nous avons démontré l'an dernier que cette matrice est inversible si et seulement si la famille est une base de l'espace vectoriel. La matrice est alors appelée matrice de passage de la base à la base 2. Rôle de Reprenons l'exemple précédent. La matrice est inversible et l'on a

= f (p(x))f (q(y)) − f (p(y))f (q(x)) est une forme bilinéaire alternée sur E. Déterminant d’une matrice Exercice 5 [ 01414 ] [correction] ¯ Soit A = (ai,j ) ∈ Mn (C). On note A = (¯i,j ) ∈ Mn (C). a Former une relation liant det(A) et det A. Exercice 6 [ 01415 ] [correction] ¯ Soit A ∈ Mn (C) telle que t A = A. Montrer que det A ∈ R. Exercice 7 [ 01416 ] [correction] Soit A une matrice antisymétrique d’ordre 2n + 1. Montrer que det A = 0. Ce résultat est-il encore vrai lorsque A est d’ordre

x z y t AQ = QD ⇔ ⇔        z = λ1 x t = λ2 y x y . Le déterminant d’une telle matrice λ1 x λ 2 y est xy(λ2 − λ1 ). Puisque λ1 − λ2 = 0, ce déterminant est nul si et seulement si xy = 0. Par suite, Q est inversible si et seulement si x = 0 et y = 0. Les matrices Q telles que AQ = QD sont les matrices de la forme Les matrices Q ∈ G L n (C) telles que AQ = QD sont les matrices de la forme x λ1 x y λ2 y , (x, y) ∈ (C∗ )2 . http ://www.maths-france.fr 1 c Jean-Louis Rouget

u(P) = P(X + 1) − P. 1. Déterminer Keru et Imu. 0 1 0 ...  . .. .. ..  . . . .  .  .. 2. Déterminer explicitement une base dans laquelle la matrice de u est  .   . ..  . . . 0 ... ... 1   0 .  .  .   0 .   1  0 Correction [005602] Exercice 6 ***  1 cos(a) cos(2a) cos(3a)  cos(a) cos(2a) cos(3a) cos(4a)   Rang de la matrice   cos(2a) cos(3a) cos(4a) cos(5a) . cos(3a) cos(4a) cos(5a) cos(6a)  Correction [005603] Exercice 7 *** Soit A = (ai, j )1 i, j A−1 .

matriciel 3 1.1 Dénitions et propriétés . . . . . . . . . . . . . . . . 1.2 Opérations sur les matrices . . . . . . . . . . . . . . 1.2.1 Addition . . . . . . . . . . . . . . . . . . . . 1.2.2 Multiplication par un scalaire . . . . . . . . . 1.2.3 Multiplication des matrices . . . . . . . . . . 1.3 Matrices élémentaires . . . . . . . . . . . . . . . . . 1.3.1 Opérations élémentaires sur une matrice . . . 1.3.2 Application pour déterminer l'inverse d'une carrée . . . . . . . . . . . . . . .

( x + y)   6 x + 3y = 0  b) M admet trois vecteurs propres linéairement indépendants : elle est donc diagonalisable. ou dim E − 3 + dim E 3 = 2 + 1 = 3 = dim þ 3 ; M est diagonalisable. ou M est une matrice carrée réelle symétrique, donc elle est diagonalisable. Il existe alors une matrice carrée inversible P d’ordre 3 telle que M = P D P −1 , avec 0 0 1 2 − 1 − 3  1 0 5      1  −1 D =  0 − 3 0  , P =  0 1 − 2  et P =  2 2 2 . 6  0 −1 2 0 3 1 1     1 −2  c)

truc matriciel très utile. Ainsi, on peut représenter ce modèle à l’aide des vecteurs 2x1 et d’une matrice 2x2 (notez l’astuce d’introduire yt−1 ) yt yt−1 = φ1 φ2 1 0 yt−1 yt−2 + ǫt 0 (7.5) Yt = ΦYt−1 + εt . Pour ne pas alourdir la notation, nous allons tout simplement utiliser yt = Φyt−1 + ǫt (7.6) (7.7) en sachant que yt , yt−1 et ǫt sont des vecteurs de dimension (2x1) et Φ est une matrice (2x2). À l’aide de cette reformulation, le modèle scalaire AR(2) peut être représenté comme un modèle