Matrice diagonale

Valeurs propres et vecteurs propres des matrices L'objet "matrice 2x2"(rappel) 2 Valeurs propres et vecteurs propres d’une matrice 2x2 3 Vecteur propre associé à une valeur propre 4 Valeurs propres de matrices particulières 5 Vecteurs propres associés à une matrice diagonale 6 Matrice de passage d’une matrice à 2 valeurs propres 7 Matrice inversible (rappel) 8 La matrice de passage est inversible 9 La puissance d’une matrice à deux valeurs propres 10 Objectif Les

; 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

x3 . 1. Montrer que q est une forme quadratique sur R3 . 2. D´eterminer le rang et la signature de la forme q par la m´ethode de Gauss. Exercice 2 1. D´eterminer les valeurs propres et vecteurs propres de la matrice   1 0 1 A= 0 1 0  1 0 2 2. En d´eduire une diagonalisation de la matrice A dans une base orthonorm´ee. Exercice 3 Soit E un espace euclidien de dimension n muni du produit scalaire not´e < ·, · > et f un endomorphisme non nul de E qu’on suppose antisym´etrique, c’est-`a-dire tel

Un rappel sur les matrices Patrice Wira Université de Haute-Alsace Faculté des Sciences et Techniques 2000 - 2001 Sommaire Calculs matriciels (matrix algebra) ........................................................................................ 1 1. 2. Représentation matricielle et notations................................................................................................. 1 L’addition .....................................................................................

égale à la trace de la matrice de variance-covariance des données X définie par : V = (X— —l x) Où I désigne la matrice unite. L'inertie étant invariante par translation, on petit centrer les données par X = , et obtenir une relati simple entre I 'inertie et la matrice de variance-covariance sur les nouvelles donngcs centrées X : In Trace(XTX). Pour des données centrées et réduites Trace(XTX) = n. En considérant le sous-espace de dimension q < n et en notant v n la matrice associée au projecteur

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 −

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

(λ ai , j )1 ≤ i ≤ n , 1 ≤ j ≤ p j ≤ p 2) Matrices particulières • Une matrice carrée de format (n,n) est notée : Mn(K) • La matrice nulle de format (n,p) est notée : 0(n,p) = (ai,j) avec ai,j = 0 pour tout i et j de [|1, n|] x [|1, p|] • La matrice élémentaire de format (n,p). Soit (i, j) ∈ [|1, n|] x [|1, p|] fixé alors : 0 Ei , j = 0 0 0 0 1 0 ∈ Mn , p ( K ) 0 Dans Mn, p(K), il y a n.p matrices élémentaires. Famille des matrices élémentaires : (E1,1 ; E1,2 ; … ; E1,p ; E2,1 ;

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 ∑  

Vendredi, 30 Mars 2012 3 / 25 Matrices Diagonales Rappel: Une matrice diagonale est une matrice carr´e dont dont les ´l´ments e ee non diagonaux sont nuls. Exemples  −1 0 0 3  0 0  0 0  1 4   2 0 0 0 0 −8 0 0   0 0 −5 0 0 0 0 6 Il est tr`s simple et utile de travailler avec les matrices diagonales pour e plusieurs raisons: Elles sont triangulaires inf´rieures et sup´rieures ` la fois. e e a Leurs valeurs propres sont les entr´es de la diagonale. e Leur d´terminant est simplement