Matrice orthogonale

Calculs à l’intérieur d’une sous algèbre matricielle (M 3 (ℝ), +,×,.) désigne la ℝ algèbre des matrices carrées d’ordre 3 à coefficients réels. a  b c       Pour tout triplet (a, b, c ) de nombres réels, on note T (a, b, c) la matrice b a + c b  .       c   b a     On considère l’ensemble F = {T (a, b, c ) | (a, b, c ) ∈ ℝ 3 } . 1 0 0 0 1 0  0 0 1                   0 1 0 , A = 1 0 1 et B = 0 1 0 .      On pose I =         

(j) = δi,j pour tout (i, j) ∈ {0, 1, ..., n}2 . Vérifier que la famille B = (L0 , ..., Ln ) est une base orthonormée de E. Que peut-on dire du degré du polynôme X n + (−1)n+1 n!L0 ? 3. Déterminer les coordonnées dans la base B d’un vecteur N de E orthogonal à l’hyperplan H de E formé des polynômes de degré ≤ n − 1. Si P ∈ E, on note d(P, H) = inf Q∈H P − Q 2 la distance de P à l’hyperplan H. Montrer que d(X n , H) = n!d(L0 , H). n 4. En remarquant que (1 + X)2n = (1 + X)n (1 + X)n , exprimer p=0

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◦

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 2 2 An (R) ∩ Sn (R) = {0}, les deux espaces sont suppl´mentaires. Ils sont ´galement orthogonaux car, pour

Corrigé du TD 1 1 Interférence entre symboles 1. – Signal émis décrit par l’espace vect{g(t), g(t − T )}. – Signal reçu décrit par l’espace vect{f (t), f (t − T )} avec f (t) = g(t) + ρg(t − T ). – Comme la base {f (t), f (t − T )} n’est pas orthogonale, la transmission est avec IES. 2. Soit rn = f (−t) ⋆ y(t)|t=nT Alors r0 = (1 + ρ2 )a0 + ρa1 et r1 = ρa0 + (1 + ρ2 )a1 pour n = 0, 1 2 Multiplexage par codes 1. Il suffit de calculer CC T où T désigne l’opération de transposition. 2. Le débit

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Approximation Polynomiale 2.1 Formule(s) de Taylor . . . . . . . . 2.2 Interpolation de Lagrange . . . . . . 2.3 Forme de Newton . . . . . . . . . . 2.4 Polynômes orthogonaux . . . . . . 2.4.1 Polynômes de Legendre . . 2.4.2 Polynômes de Tchebychev . 2.5 Approximation par Moindres Carrés 2.6 Meilleure Approximation . . . . . . 2.7 Oscillations de Gibbs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

Support du cours de Dr. Lara Thomas Polycopié initial élaboré par Prof. Eva Bayer Fluckiger Dr. Philippe Chabloz Septembre 2009 2 Table des matières 1 Systèmes d’équations linéaires et matrices 1.1 Introduction aux systèmes d’équations linéaires . . . . . . . . . . 1.2 Systèmes linéaires et matrices . . . . . . . . . . . . . . . . . . . . 1.3 Elimination Gaussienne . . . . . . . . . . . . . . . . . . . . . . . 1.3.1 Algorithme d’élimination de Gauss . . . . . . . . . . . . . 1.3.2 Méthode

l’indice répété, etc. . .). Au Chapitre 4 on introduit le polynôme caractéristique pA d’une matrice carrée A, et on étudie la diagonalisation des matrices et des endomorphismes. On démontre directement au Chapitre 5 que pA (A) = 0 (théorème de CayleyHamilton) par la méthode des déterminants, on introduit le polynôme minimal qA d’une matrice carrée A, et on démontre le théorème de décomposition de Jordan : toute matrice carrée A dont le polynôme caractéristique est scindé s’écrit de manière unique sous la

Contents 1 G´n´ralit´s e e e 1.1 Matrices et applications lin´aires . . . . . . . . . . . . . e 1.2 Le calcul matriciel par blocs . . . . . . . . . . . . . . . . 1.3 Le compl´ment de Schur ; ses factorisations associ´es e e 1.4 Les matrices triangulaires . . . . . . . . . . . . . . . . . . 1.5 Noyaux, images et rang . . . . . . . . . . . . . . . . . . . 1.6 Quelques aspects euclidiens . . . . . . . . . . . . . . . . . 1.7 Les matrices d´finies-positives (>>0) . . . . . . . . . . . e . . . . . .

Table des matières 1 Systèmes d'équations linéaires et matrices 1.1 1.2 Introduction aux systèmes d'équations linéaires . . . . . . . . . . . . . . . . . . . . . 1.1.1 1.2.1 1.2.2 1.3 Systèmes linéaires et matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . Algorithme d'élimination de Gauss . . . . . . . . . . . . . . . . . . . . . . . . Méthode de résolution d'un système d'équations linéaires