Matrice Unilever

⇔ . Donc E1 = Vect(v2 ) où v2 = (1, 0, 1). −8x − 5y + 8z = 0 x=z   x − z = −5y 8   4x + 4y − 7z = 0 z=0 −8x − 8y + 8z = 0 ⇔ • v ∈ E4 = Ker(f − 4Id) ⇔ . Donc E4 = Vect(v3 ) où v3 = (1, −1, 0). y = −x  z=0 Dans la base B = (v1 , v2 , v3 ), la matrice de f est D = diag(0, 1, 4). 1 où P =  −2 0   1 1 0 −1  et donc 1 0 3) Soit m 1. Les formules de changement de bases permettent d’écrire A = PDP−1 en notant B0 = (e1 , e2 , e3 ) la base canonique de R3 , Am = matB (fm ) = P × matB0

; ce qui nécessite le calcul de la matrice de passage de la base (A, B, C) à la base (P1, P2, P3). II.1 Matrice de passage et matrice de covariance La matrice de passage s’obtient par diagonalisation de la matrice de covariance C associée aux Np points [Escofier, 1990]. En effet, calculer la matrice de covariance revient à faire l’approximation que les Np points font partie d’un ellipsoïde à trois dimensions (Figure 3) ; en diagonalisant cette matrice, on obtient : les axes de cet ellipsoïde

- Reduction des endomorphismes : ´nonc´ e e ´ Reduction pratique de matrices Exercice 1 - Diagonalisation - 1 - L1/L2/Math Sp´ e Diagonaliser les matrices suivantes : 0 3 2 0 2 −1     A =  3 −2 0  B =  −2 5 2  . 2 −3 0 −2 2 1 On donnera aussi la matrice de passage de la base canonique ` la base de vecteurs propres. a     Exercice 2 - Diagonalisation - 2 - L2/Math Sp´ e Expliquer sans calculs pourquoi la matrice suivante n’est pas diagonalisable : π 1 2   A =  0 π 3 . 0 0 π

vectoriel de F dont les ´el´ements ont tous des composantes mutuellement ind´ependantes, H l’espace des matrices r´eelles de taille (P×P), H•S le sous-espace de F des vecteurs al´eatoires obtenus par une transformation affine issue de H d’un vecteur de S, IP la matrice identit´e de H, et T le sous-espace de H des matrices triviales (i.e. de la forme D_ o`u D est une matrice diagonale de H et _ une matrice de permutation de H

preliminaires . . . . . . . . . . . . . . . . . . . . . . 54 2.5.1 Determinant d' une matrice . . . . . . . . . . . . . . . . 54 2.5.2 Mineurs principaux d' une matrice . . . . . . . . . . . . 55 2.5.3 Matrice hessienne . . . . . . . . . . . . . . . . . . . . . . 56 2.5.4 Matrice hessienne bordee . . . . . . . . . . . . . . . . . . 56 2.5.5 Matrices denie positive et semi denie positive . . . . . 57 2.5.6 Matrices denie negative et semi denie negative . . . . 57 2.5.7 Caraterisation .

multiple de M. Les multiples communs à A et B sont les multiples de M. Théorème. Si A et B sont unitaires, MD = AB. http ://www.maths-france.fr 1 c Jean-Louis Rouget, 2007. Tous droits réservés. 2 RÉDUCTION DES ENDOMORPHISMES ET DES MATRICES CARRÉES. 5) Polynômes irreductibles. Décomposition en produit de facteurs irréductibles Définition. Un polynôme P de degré au moins 1 est irréductible sur K = R ou K = C si et seulement si il n’existe pas un diviseur Q de P tel que 1 < degQ < degP

l’endomorphisme de matrice M dans cette base :  1 −1 1    M =  −2 0 −1    1   −2 −2 1. 2. 3. 4. 5. 6. Déterminer son polynôme caractéristique. Calculer ses valeurs propres. Donner une base des sous-espaces propres. Décider si f est diagonalisable. Donner éventuellement l’expression diagonalisée. Vérifier en utilisant les matrices de changement de base. EXERCICE 2. Faire, pour la matrice A suivante, une étude semblable à celle de l’exercice 1 pour la matrice M :  3

Montrer que l’on peut écrire les équations de Galerkin sous la forme matricielle : [K]{U} = {F} et donner la définition des termes de la matrice [K] et du vecteur {F}. Question 5) Le domaine Ω est maillé avec un maillage M d’éléments finis triangulaires à trois nœuds. Quelle est la dimension de la matrice de rigidité élémentaire ? Donner la dimension de la matrice [K], sachant que : • il y a N nœuds au total dans le maillage ; • sur la frontière Γ1, il y a N1 nœuds ; • sur la frontière

 i  h  i 2 i j 1 2 ij 2 i Communauté + spécificité ' Σ = ΛΛ + Ψ M2S3, 24 novembre 2009 9 Indépendance conditionnelle • Matrice de variance des manifestes et des facteurs  Σ Λ   Λ' I    Σ11   Σ 21 Σ12   Σ 22  Σ11/ 2  Σ11  Σ12  Σ 22  Σ 21 1 Σ x/f  Σ  ΛΛ '  Ψ Matrice diagonale: l’AF explique les corrélations M2S3, 24 novembre 2009 10 Indétermination des facteurs • Modèle surparamétré • Invariance par transformation

Gram(u, v) la matrice définie par : u·u u·v et G(u, v) = det[ Gram(u, v) ] Gram(u, v) = v·u v·v I.A.1) I.A.2) I.A.3) Montrer que : G(u, v) ≥ 0. On note P un sous-espace vectoriel de dimension 2 de E contenant u et v et B une base orthonormale de P . Vérifier que : G(u, v) = [ detB (u, v) ]2 À quelle condition a-t-on G(u, v) = 0 ? I.B - Dans toute la suite de la partie I, n est égal à 3 et E est orienté. Si u, v, w sont trois vecteurs quelconques de E , on note Gram(u, v, w) la matrice définie par :