Matrice Ka

probabilit´ (cas discret) e 1 Matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.1 D´ finition . . . . . . . . . . . . . . . . . . . . . . . . . e 1.2 Op´ rations sur les matrices . . . . . . . . . . . . . . . . e 1.3 Matrice identit´ . . . . . . . . . . . . . . . . . . . . . . e 1.4 Matrice inverse . . . . . . . . . . . . . . . . . . . . . . 1.5 Matrice diagonalisable . . . . . . . . . . . . . . . . . . 1.6 Puissance et exponentielle d’une matrice . . . . . . . . 2 Probabilit´

Cours de mathématiques Les matrices 1. Les matrices 2 1.1. Définition 2 1.2. Somme de deux matrices 2 1.3. Produit d’une matrice par un scalaire 2 1.4. Produit de 2 matrices 3 1.5. Matrice identité [pic] 4 1.6. Transposée d’une matrice 4 1.7. Déterminant d’une matrice carrée 5 1.8. Déterminant mineur : 5 1.9. Cofacteur 5 1.10. Calcul du déterminant 5 1.11. Les opérations sur les déterminants 6 2. Matrice inverse 7 2.1. Définition 7 2.2. Propriété

dont la résolution est facile. Ces opérations sont : Permuter deux équations ; Ajouter à une équation une autre équation multipliée par un coefficient non nul. REPRESENTATION : Nous représenterons le système par la matrice (n, n + 1) A est donc la matrice obtenue en ajoutant à la matrice des coefficients du système une dernière colonne formée des seconds membres des équations. DESCRIPTION DE LA PREMIERE ETAPE : a1,0 … an -1,0 de la première colonne, celui dont la valeur absolue est la plus grande

Calcul matriciel Opérations sur les matrices 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 Vérifier J.A.J = σ(A).J. ··· 1 Calcul des puissances d’une matrice Exercice 6 [ 01251 ] [correction] Calculer An pour n ∈ N et les matrices A suivantes : 1 1 a b cos θ − sin θ a) A = b) A = c) A = 0 2 0 a sin θ cos θ Exercice 7 [ 01252 ] [correction] On considère la matrice  1 1 1 A= 0 1 1  0 0 1  et

mati`res e 1 Matrices 1.1 D´finition . . . . . . . . . . . . . . . . . . . . . . . . . . . e 1.2 Les diff´rents types de matrices . . . . . . . . . . . . . . . e 1.2.1 Les diff´rences de contenu . . . . . . . . . . . . . . e 1.2.2 Les diff´rences de forme . . . . . . . . . . . . . . . e 1.2.3 Les diff´rences d’orientation . . . . . . . . . . . . . e 1.3 Matrices particuli`res . . . . . . . . . . . . . . . . . . . . e 1.3.1 Transpos´e d’une matrice . . . . . . . . . . . . . . e 1.3.2 Matrice diagonale .

Documents III Matrice d’une application lin´aire e 28 III.1 D´finition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 e III.2 Calculer avec une matrice . . . . . . . . . . . . . . . . . . . . . . . . 31 III.3 Influence de la base . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 2 IV Calculs avec des matrices IV.1 D´terminant d’une matrice e IV.2 Transpos´e d’une matrice . e IV.3 Addition de matrices . . . . IV.4 Multiplication d’une matrice IV.5 Produit de matrices . . .

  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)