Code linéaire

ESTIA 1eAnnée - Mathématiques Cours d’algèbre linéaire Edition 2008 Xavier Dussau, Jean Esterle, Fouad Zarouf et Rachid Zarouf 26 novembre 2008 1 1 I.Harlouchet-en eskuhartzearekin 2 i Introduction Ce cours d’algèbre linéaire se compose de 9 Chapitres. Dans le premier Chapitre on rappelle la définition et on donne sans démonstration les résultats classiques sur les espaces vectoriels et les applications linéaires (théorème de base incomplète, théorème de la dimension, etc. . .)

Chapitre 3 Liaison entre deux variables 3.1 Liaison linéaire entre deux variables quantitatives On considère un couple de variables (X, Y ). On dispose d’observations de ce couple de variables sur un échantillon de taille n : pour chaque individu on connaît le couple d’observations (xi , yi ). 3.1.1 Covariance n Définition 1. On définit la covariance de X et Y par : 1 Cov(X, Y ) = n [(xi − x)(yi − y )] . ¯ ¯ i=1 L’unité dans laquelle est exprimée la covariance est le produit des unités

Chapitre I. G´n´ralit´s sur les espaces vectoriels. e e e Marc de Crisenoy Convention: dans tout le cours, K d´signe un corps commutatif. (En pratique K = Q, R ou C). e § G´n´ralit´s. e e e D´f. 1. On appelle K-espace vectoriel un triplet (E, +, .) ayant les propri´t´s suivantes: e ee (E,+) est un groupe ab´lien e . est une application de K × E dans E (l’image de (λ, x) par cette application est not´e λ.x). e ∀λ ∈ K ∀x, y ∈ E λ.(x + y) = λ.x + λ.y ∀α, β ∈ K ∀x ∈ E (α + β).x = α.x + β.x ∀α, β ∈ K

question précédente, pour (α, β) ∈ R2 , matB (αp + βq) = diag(α, α, β). En particulier, matB (αp + βq) est une matrice diagonale. Si maintenant h est l’endomorphisme de matrice Y dans la base B, alors h2 = f car Y 2 = D mais h n’est pas une combinaison linéaire de p et q car Y n’est pas diagonale. 9) Puisque f est diagonalisable, R3 = E1 ⊕ E4 où E1 = Ker(f − id) et E4 = Ker(f − 4id). Soit h un endomorphisme de R3 tel que h2 = f. Alors h et f commutent et on sait que E1 et E4 sont stables par h ou encore

Dans ce genre de problèmes, les principales questions auxquelles nous voudrons répondre sont les suivantes : – Existe-il une relation ou une dépendance entre les variables statistiques? – Cette relation, si elle existe, est-elle linéaire ou non ? – Si une dépendance linéaire existe, de quelle façon peut-on la traduire par une équation mathématique ? – La corrélation, si elle existe, est-elle grande ou faible ? – Si l’équation mathématique de la relation entre les variables existe, comment prévoir les

Chapitre VII : Les statistiques I. Point moyen – Covariance Sur une population donnée, étudions deux caractères. Pour chacun des n individus de cette population, notons xi et yi les valeurs prises par chacun de ces caractères, et présentons les données à l’aide de la série statistique à deux variable suivante : Valeur xi x1 x2 … xn Valeur yi y1 y2 … yn a) Nuage de points - Point moyen Définition : Dans un repère orthogonal, l’ensemble des points Ai de coordonnées (xi ; yi) (avec 1  i  n) est appelé

|–0,5 | |yi |11 |9 |11 |12 |10 | Représenter le nuage de points Ai (xi ;yi). Un ajustement linéaire semble-t-il justifié ? Calculer les coordonnées du point moyen G de cette série. Donner l’équation de la droite de régression de y en x, la tracer… [pic] Exercice 1 : Sur le graphique ci-contre sont représentées les courbes

Exercices corrigés de statistiques Exercice n°1 Lors d'une période de sécheresse, un agriculteur relève la quantité totale (en m 3) utilisée par son exploitation depuis le premier jour et donne le résultat suivant : Nombre de jours écoulés xi Volume utilisé (en m3) yi 1 2,25 3 4,3 5 8 8 17,5 10 27 Le plan est muni d'un repère orthogonal. On prendra pour unité sur l'axe des abscisses 1 cm pour 1 jour et sur l'axe des ordonnées 0,5 cm pour 1 m3. 1) Représentez alors la série (xi;yi ). 2) Donnez

´ Exercices - 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

le projecteur orthogonal sur l'espace engendré par les colonnes de X2. * 2. Z1 1 est une combinaison linéaire des variables du tableau X1 Z1 2 est une combinaison linéaire des variables du tableau X2 Les valeurs des projecteurs P1 et P2 : Rappel d'algèbre linéaire * Définition : Le projecteur orthogonal sur l'espace E engendré par les colonnes de X est l'application linéaire qui fait correspondre à u sa projection orthogonale sur E. Ce projecteur s'écrit: