Matrice Porter

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 .

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 . . . . . . . . . . . . . . .

( x + y)   6 x + 3y = 0  b) M admet trois vecteurs propres linéairement indépendants : elle est donc diagonalisable. ou dim E − 3 + dim E 3 = 2 + 1 = 3 = dim þ 3 ; M est diagonalisable. ou M est une matrice carrée réelle symétrique, donc elle est diagonalisable. Il existe alors une matrice carrée inversible P d’ordre 3 telle que M = P D P −1 , avec 0 0 1 2 − 1 − 3  1 0 5      1  −1 D =  0 − 3 0  , P =  0 1 − 2  et P =  2 2 2 . 6  0 −1 2 0 3 1 1     1 −2  c)

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

Exo7 Matrices Á Á Á Á Á Á Les matrices sont des tableaux de nombres. La résolution d’un certain nombre de problèmes d’algèbre linéaire se ramène à des manipulations sur les matrices. Ceci est vrai en particulier pour la résolution des systèmes linéaires. Dans ce chapitre, K désigne un corps. On peut penser à Q, R ou C. 1. Définition 1.1. Définition Définition 1 – – – – Une matrice A est un tableau rectangulaire d’éléments de K. Elle est dite de taille n £ p si le tableau possède n lignes et p

= A où  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 1 Vérifier J.A.J = σ(A).J. 1 A= 0 0 Exercice 6 [ 03976 ] [correction] Soit A ∈ GLn (R) vérifiant 0 4 0  1 2  16 A + A−1 = In Pour k ∈ N, calculer Ak + A−k . Problèmes de commutation Exercice 2 [ 01248 ] [correction] Pour i, j, k, ∈ {1, . . . , n}, on note Ei,j et Ek, les matrices élémentaires de Mn (K) d’indices

. . . . 61 66 68 69 71 . . . . . . . . . . . . . . . . . . . . 6 Matrice densité 79 6.1 Propriétés de la matrice densité . . . . . . . . . . . . . . . . . 79 6.2 Matrice densité d’états mixtes . . . . . . . . . . . . . . . . . . 83 6.3 La décohérence . . . . . . . . . . . . . . . . . . . . . . . . . . 86 7 Circuits quantiques 7.1 Portes à 1 et 2 qu-bits . . . . . . . . . . . . . . 7.2 Opérations à plusieurs qu-bits . . . . . . . . . . 7.3 Processus

Repr´sentation matricielle e 20 3.1 Caract´risation d’une application lin´aire par l’image d’une base 20 e e 3.2 Matrices et applications lin´aires . . . . . . . . . . . . . . . . 20 e 3.2.1 Liens avec le calcul matriciel . . . . . . . . . . . . . . 22 3.2.2 Produit de matrices . . . . . . . . . . . . . . . . . . . . 22 3.2.3 Ecriture matricielle . . . . . . . . . . . . . . . . . . . 23 3.3 Rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . 23 3.4 Changement de base . . . . . . . . . . . . .