Matrice aléatoire

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

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

MathWorks renvoie une réponse aléatoire non 'neutre' affiche les variables courantes sauve l'espace de travail sur disque restaure l'espace de travail à partir du disque whatsnew affiche les fichiers README de la toolbox Gestion des variables et de l'espace de travail whos affiche les variables courantes, format long clear efface les variables et fonctions de la mémoire pack réorganise la mémoire size disp cd pwd renvoie la taille d'une matrice affiche une matrice de texte change le directory

de Markov est une suite de variables aléatoires (Xn, n ∈ N) qui modélise l’évolution dynamique d’un système aléatoire. La v.a Xn représente l’état du système à l’instant n. La propriété fondamentale des chaînes de Markov, dite propriété de Markov, est que son évolution future ne dépend du passé qu’à travers sa valeur présente. Définitions : Soient (Ω,a,P) un espace de proba et E l’espace des états. 1) Une matrice π = (π (x, y), x, y ∈ E) est une matrice stochastique si : π (x,

. . . . . . . . . . . . . . . . . . . . . . . . . . . . 61 66 68 69 71 . . . . . . . . . . . . . . . . . . . . 6 Matrice densité 79 6.1 Propriétés de la matrice densité . . . . . . . . . . . . . . . . . 79 6.2 Matrice densité d’états mixtes . . . . . . . . . . . . . . . . . . 83 6.3 La décohérence . . . . . . . . . . . . . . . . . . . . . . . . . . 86 7 Circuits quantiques 7.1 Portes à 1 et 2 qu-bits . . . .

Estimation des composants du vecteur A lM ®E IV.- Espérance mathématique et matrices des variances covariances des estimateurs …à suivre… I.- Position du problème : Le modèle de régression linéaire multiple est de la forme : ero Y = a1 X 1 + a2 X 2 + L + ak X k + ε , où Y est la variable à expliquer,. ua X1,X2,…,Xk ce sont les variables explicatives. a1,a2,…,ak ce sont les paramètres du modèle. ni ε est l’erreur aléatoire, inconnue et centrée. Les variables Y, X1,X2,…,Xk et ε sont des vecteurs

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 .