Matrice Gde

  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)

SOUS-ESPACE ENGENDRE PAR UNE FAMILLE DE MATRICES Dans l’espace vectoriel Mn (R) des matrices carrées à coefficients réels, on considère différents sousensembles An de matrices et les sous-espaces V (An ) qu’ils engendrent. La base canonique (Eij )1≤i,j≤n de Mn (R) étant constituée de matrices non inversibles, il est évident que, pour n ≥ 2, le sous-espace engendré par les matrices non inversibles est Mn (R). On rappelle la règle d’opération sur les matrices de la base canonique : Eij Ekℓ = δjk Eiℓ

ASI 3 Méthodes numériques pour l’ingénieur Introduction : vecteurs, matrices et applications linéaires Opérations sur les vecteurs Vecteur x base (canonique) bi , i=1,n espace vectoriel V sur le corps des réels combinaison linéaire sous espace vectoriel base, dimension  x1      n     x = xi = ∑ xi bi   i =1   x   n  soient ( xi ∈ V )i = 1, k 0     bi =  1     0   k x ∈ Rn ∀x, y ∈ V , ∀λ , µ ∈ R λx + µy ∈ V i =1 k  α i xi α i ∈ R ∑  

GL2 (Z) Diagonalisation : résumé MOSE 1003 COMMENT DIAGONALISER UNE MATRICE 2 × 2 EN 6 ÉTAPES Petits rappels de théorie Étant donnée une matrice 2 × 2 A= 1. A est diagonale si A = a b , c d λ1 0 ; 0 λ2 2. A est diagonalisable s’il existe une matrice inversible P telle que P −1 AP = ∆, où ∆ est diagonale. 0 x 3. v = ,v= est un vecteur propre pour A, de valeur propre λ, si Av = λv. y 0 La recette Considérons par exemple A= 1 2 . 2 1 1. Polynôme caractéristique de A : c’est pA (x) = det(A −

retranche la réponse des répondants de la moyenne des réponses. Précisions qu’il n’est pas souhaitable de réduire. A=[pic]on forme la matrice transposée à AT à partir de A AT =[pic]on multiple AT par A pour obtenir la matrice C= [pic]*[pic]=[pic] [pic]la trace est de 36,4 On diagonalise la matrice C. Pour ce faire, on multiplie la matrice C par une matrice identité. [pic]*[pic]=[pic]=0 Pour calculer le déterminant, on va arrondir les chiffres. [pic] Une méthode simple consiste à