Matrice diagonalisable

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

du nuage déforme le moins possible le nuage intial. Dans la suite, nous identifions un vecteur x ∈ Rp avec la matrice colonne de ses coordonnées dans la base canonique, que nous notons x = (x1 , . . . , xp )t , où pour une matrice A, At désigne sa transposée. 1 Les données Les données sont sous la forme d’un tableau à n lignes et p colonnes, que l’on stocke sous la forme d’une matrice X de taille n × p : – chaque ligne (x1 , . . . , xp ) de X représente les valeurs prises par l’individu i sur

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 .

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

ALGEBRE LINEAIRE Fiche synthèse n°1 Matrices - Opérations * Nous rencontrons le calcul matriciel et les systèmes linéaires dans différentes disciplines : gestion, économie, recherche opérationnelle, statistique, programmation, optimisation, informatique, logistique, modélisation de situations économiques réelles etc.… * Une matrice peut être définie comme étant un tableau contenant n lignes et p colonnes. On repère généralement un élément d’une matrice par deux nombres donnés dans cet ordre :

------------------------------------------------------------------------------------------------------------- Cours Modle diffrentiel matrice jacobienne singularits Cours trajectoires libres de A B dans lespace oprationnel ------------------------------------------------------------------------------------------------------------- TD n3 modle diffrentiel matrice jacobienne singularits modle cinmatique interpolation linaire de trajectoires fonction Matlab bangbang interface de dplacement libre du