Matrice aléatoire

  et  vecteurs  propres   E.  Calzavarini       Polytech’Lille  CM3   Définiton  du  problème   Calcul  mathéma8que  des  valeurs  propres   Pra8cable  pour  une  grande  matrice?   Quelque  propriété  des  valeurs  propres   La  diagonalisa:on  préserve  la  trace  et  le  déterminant   La  méthode  de  la  puissance  itérée   1.   La  méthode

Montpellier I L3 Math Stat 1 Module 1 – Notion de base sur les matrices M1 Module 1 : Notions de base sur les matrices Unité 1 Définitions 1.1 Définition d’une matrice : On appelle matrice un tableau rectangulaire de nombres écrits entre crochets et soumis à certaines règles d’opérations (que l’on verra ultérieurement). Par exemple soit le système linéaire homogène suivant :  2x + 3 y + 7z = 0  x − y + 5z = 0 La matrice associée à ce système est la suivante :  3 7 2   1 −

co-propre et que e−iθ/2 x est vecteur co-propre associ´. cqfd. c. Eµ est un espace vectoriel r´el mais n’est pas un espace vectoriel complexe. e d. Il vient imm´diatement que la compos´e de deux applications semi-lin´aires est lin´aire. e e e e I.2. Matrice associ´e a une application semi-lin´aire. e ` e a. Soit A = aij avec aij la ieme composante de u(ej ) sur la base B = (ek ). Soit x = n n k=1 £ ¢ n xk ek et y = u(x). k=1 Il vient y = k=1 xk u(ek ) donc yi = xk aik . Ainsi Y = AX

hypothèses ne permettent pas de conclure quant à l’existence d’un extremum local de[pic]en [pic] Définition ( matrice hessienne) : Soient U un ouvert de (p, [pic]: U[pic]( de classe C² sur U, [pic]U, Q la forme quadratique : Q : (h1,…,hp)[pic] [pic]hi.hj.[pic]. La matrice H de Q dans la base canonique de (p, H=[pic] est appelée la hessienne de [pic]en [pic] La matrice H est symétrique réelle, par le théorème de Schwarz, donc H est diagonalisable dans Mn((). En notant Sp((H)

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 . . . . . . . . . . . . . . .

1 Calcul matriciel Calcul des puissances d’une matrice Opérations sur les matrices Exercice 6 [ 01251 ] [correction] Calculer An pour n ∈ N et les matrices A suivantes : Exercice 1 [ 01247 ] [correction] Pour A ∈ Mn (K), on note σ (A) la somme des termes de A. On pose   1 ··· 1  . .  J =  . (1) .  . . ··· 1 a) A = 1 0 1 2 b) A = Exercice 7 [ 01252 ] [correction] On considère la matrice b a  1 A= 0 0 1 Vérifier J.A.J = σ(A)

autorisée. L'utilisation de toute calculatrice et de tout matériel électronique est interdite. Exercice 1 Soit f l’endomorphisme de IR3 dont la matrice dans la base canonique B de IR3 est :  2 10 7    A=  1 4 3.    −2 −8 −6 On note I la matrice unité de M 3(IR) et on pose u = (2, 1, –2). 1) a) Montrer que Ker f = vect(u). b) La matrice A est-elle inversible ? 2) a) Déterminer le vecteur v de IR3, dont la 2ème coordonnée dans B vaut 1, et tel que f (v) = u. b) Démontrer que le vecteur

1 Quelques motivations 1.1 La sentinelle de la tour carrée Lors d’une ronde, une méthode simple pour “tromper l’ennemi” est d’avancer ou reculer de manière aléatoire, en tirant à pile ou face. Comme précédement, si Xn désigne la position du garde à l’instant n, l’évolution peut se modéliser à l’aide d’une matrice de transition, /N/ /E/ /S/ /O/ 0 1/2 0 1/2 N  P = E  1/2 0 1/2 0   S  0 1/2 0 1/2  1/2 0 1/2 0 O 1.2 Le système bonus-malus en assurance auto A

Processus Stochastique Probabilité et matrices de transition Soit {X (t), t ≥ 0} une chaîne de Markov à temps continu homogène. La probabilité de transition de i à j au temps t est pij (t) = P[Xt = j|X0 = i]. La matrice de transition au temps t est P(t) = (pij (t))i,j . Par convention on pose P(0) = I . Abdeslam Kadrani, INSEA–Rabat Processus Stochastique Propriétés des matrices de transition Soit {P(t), t ≥ 0} la famille de matrices décrivant les lois d’évolution d’une chaîne

. . . . . . . . . . . . . . . . .. .. .. ..  Propriétés algébriques des chaînes de Markov à espace d’états fini Exercices Bibliographie     Définitions et exemples Définition . Soit (X n )n∈N une suite de variables aléatoires de (Ω, A , P) dans un espace E fini ou dénombrable appelé espace des états. ) On dit que (X n )n∈N est une chaîne de Markov si et seulement si P(X n+1 = j | X n = i , X n−1 = i n−1 , . . . , X 1 = i 1 , X 0 = i 0 ) = P(X n+1 = j | X n = i ) pour