Matrice aléatoire

claire rend possible l’utilisation des vecteurs et des matrices. Les lecteurs de ce livre devraient ˆtre assez familiers avec l’alg`bre matricielle. Cette annexe e e est destin´e ` aider ceux qui esp`rent se rafraˆ e a e ıchir la m´moire et r´unir les e e r´sultats avec une plus grande facilit´. Les lecteurs devraient noter que le e e Chapitre 1 contient aussi un nombre utile de r´sultats sur les matrices, en e particulier ceux concernant les matrices de projection. Dans cette annexe, des preuves seront

Pour v´rifier qu’une matrice est sym´trique, il suffit de v´rifier que BT = B. Or, A est sym´trique, d’o` e e e e u A = AT , ce qui entraˆ ıne BT = (MAMT )T ￿ = (MT )T AT MT = MAMT = B. car (CD)T = DT CT ￿ Exercice A.6. a) Pour trouver l’angle de rotation, on peut utiliser l’´galit´ e e a−c cos 2θ = cot 2θ = . On a que b sin 2θ 3−3 cos 2θ =0= ⇐⇒ cos 2θ = 0 ⇐⇒ θ = 45◦ (puisqu’on suppose 2θ ∈ ]0◦ ,180◦ [ ). 2 sin 2θ √ ￿ ￿ 2 1 −1 La matrice de rotation est R45◦

candidat est effectivement solution, on introduit la matrice 2 hessienne (Dx L)(x1 , x2 , µ) du lagrangien relative aux variables x1 , x2 : ∂2L  ∂x2 (x1 , x2 , µ)  1  2 Dx L(x1 , x2 , µ) = ∂2L (x1 , x2 , µ) ∂xi ∂xj =  ∂2L ∂x2 ∂x1 ∂2L (x1 , x2 , µ) ∂x1 ∂x2   ,  ∂2L 2 (x1 , x2 , µ) ∂x2 (x1 , x2 , µ) qui est bien définie lorsque f est de classe C 2 et le sous-espace vectoriel Fh (x) dit noyau de la matrice jacobienne des contraintes au point x : Fh (x)

rangJp+1(p)=rangJp+1(p)⋮δ alors le système est compatible et donc dq=Jp+1,p(p)+.δ+Id-Jp+1,p(p)+.Jp+1,p(p).z Où A+ est la matrice pseudo inverse de A 5. Calcul de pseudo inverse 5.1. Prérequis A : m lignes, n colonnes r=rang(A) ≤ min(m,n) Exemple de calcul de r avec : A=1020234602122043 On barre ligne et colonne de chaque zéro non barré A=1020234602122043 Il ne reste plus qu’une matrice 2x2, r=min(m,n) r=min(2,2) r=2 5.2. Calcul de A+ * Si m≥n et r=n Alors A+=At.A-1.At * Si

−1 . e a Nous avons ensuite t U U = t S −1t ΓΓS −1 = S −1 HS −1 = P D−1 P −1 P D2 P −1 P DP −1 = I3 et U est bien orthogonale. Il reste ` calculer U : a   0 1 0 U = ΓP D−1t P =  −1 0 0  . 0 0 −1  3. On a, pour A = (ai,j ) et B = (bi,j ) matrices de Mn (R) : (A | B) = 1≤i,j≤n ai,j bi,j . L’application ( | ) est donc le produit scalaire canonique de Mn (R), pour lequel la base canonique est une base orthonormale. 4. M + tM M − tM M + tM M − tM + avec ∈ Sn (R) et ∈ An (R). Comme 2 2

) = 0E e a pour k ∈ [[1, n − 2]] et g(ek ) ∈ Im g = Vect en−1 , en pour tout k et, notamment pour k ∈ {n − 1, n}. O O Donc Mat(g, B) = avec B ∈ M2 (R). De plus, O B 2 = rg(g) = rg (Mat(g, B)) = rg donc B est inversible. Donc B est semblable ` une matrice de la forme a O O O B avec B ∈ GL2 (R) . O B = rg ( O t B ) = rg( tB ) = rg(B ) e) On a directement Tr(B) = 0, Tr(B 2 ) = 2. Soient λ et µ, les valeurs propres dans C de B (pas forc´ment distinctes). B est trigonalisable dans e λ c λ2 c(λ

. . . . . . . . . . . . . . . . . . . . . . e 1.2 Propri´t´s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ee 2 La diagonalisation d’une matrice 2.1 D´finition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 2.2 CNS pour qu’une matrice soit diagonalisable . . . . . . . . . . . . . . . . . . . . . . . . 3 Exemples 3.1 avec valeurs propres simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

calculer les composantes principales à la main… (armez vous de patience...) Analyses en composantes principales - 1 mars 2010 p.15/44 14.L’ACP en résumé i J Tableau des données J J Matrice diagonale des valeurs propres Matrice de Corrélation J Diagonalisation J Matrice des vecteurs propres J J J Histogramme des valeurs propres i Les composantes principales Analyses en composantes principales - 1 mars 2010 p.16/44 15.Préparation du tableau des

une cavité il faut qu’elle traverse un épithélium 1. Epithélium de revêtement (peau, estomac,…) 2. Epithélium sécréteur (glandulaire) Organisation de l’épithélium : 1. Couche simple ou multiple des cellules ancrées sur la lame basale (lame de matrice extracellulaire) 2. Lame basale = Glycoprotéine (prot. Liées à des chaînes de sucres polysaccharides) + Fibres protéiques (collagène, ancrent les cellules et donnent solidité au tissu) Connexion en cellule : 1. Jonction serrées : tissu étanche

maths.txt Propriétés des matrices triangulaires[modifier] Une matrice triangulaire à la fois inférieure et supérieure est une matrice diagonale. Le produit de deux matrices triangulaires inférieures (respectivement supérieures) est une matrice triangulaire inférieure (respectivement supérieure). Plus généralement l'ensemble des matrices triangulaires supérieures (resp inférieures) est une sous algèbre (non commutative) de Mn(K), ensemble des matrices de taille n a valeur dans le corps K. La transposée