Matrice hessienne

- Dérivée o Matrices - Somme et produit de matrices - Déterminant d’une matrice carrée - Inversion d’une matrice carrée inversible ( 2 méthodes : matrice adjointe et matrice compagnon ) - Écriture matricielle d’un système linéaire o Équations linéaires Systèmes d’équations linéaires - Résolution d’un système linéaire par la méthode de Gauss-Jordan (attention : exprimer des variables en fonction d’autres …) - Résolution d’un système linéaire par inversion de matrice - Résolution d’un

tn−1 2 . . .     ,    b=  tn−1 m b1 b2 . . . bm         et x =   α0 α1 . . .    .  αn−1 Le polynome de moindres carrés est unique parce que Am×n est une matrice de Vandermonde avec n ≤ m, et donc rank(A) = n. 3 1.3 Résolution numérique des équations normales – instabilités d’une résolution directe par élimination de Gauss et même par factorisation de Cholesky – QR (Householder) et SVD factorisations

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

3 juillet 1995, sur la protection des droits d’auteur. Annexe A Exercice 1 ⎡ 1 3 3⎤ Pour les matrices A = ⎢ ⎥ et B = ⎣ 2 4 1⎦ ⎡2 4⎤ ⎢1 5 ⎥ , calculer AB, A′B′, et BA. ⎢ ⎥ ⎢6 2 ⎥ ⎣ ⎦ ⎡10 22 10 ⎤ ⎡ 23 25⎤ ⎢ ⎥ AB = ⎢ ⎥ , BA = ⎢11 23 8 ⎥ ⎣14 30 ⎦ ⎢10 26 20 ⎥ ⎣ ⎦ ⎡10 11 10 ⎤ A′B′ = (BA)′ = ⎢ 22 23 26 ⎥ . ⎢ ⎥ ⎢10 8 20 ⎥ ⎣ ⎦ Exercice 2 Prouver que tr(AB) = tr(BA) avec A et B deux matrices quelconques, non nécessairement carrées, pouvant être multipliées. Le i-ième élément de la diagonale

0,5 ; t=(1:0.5:10)’; 2. Créer une matrice A dont les colonnes sont t, t2 , t3 et t4 ; A=[t t.^2 t.^3 t.^4]; 3. Ajouter une colonne qui vaut 1 lorsque t > 5, 0 le reste du temps ; A(:,5)=t>5; 4. Ajouter une colonne qui vaut 5 lorsque t est entier, 0 le reste du temps. % l’une des trois lignes au choix A(:,6)=(fix(t)==t)*5; A(:,6)=(rem(t,1)==0)*5; A(:,6)=(mod(t,1)==0)*5; 3 Exercice 4 : 1. Créer une fonction t=matrace(A) : – qui calcule la trace d’une matrice A si A est carré ; – qui sort la valeur

Diagonalisation des matrices http://www.math-info.univ-paris5.fr/~ycart/MC2/node2.html Sous-sections • • • • • • Matrices diagonales Valeurs propres et vecteurs propres Polynôme caractéristique Exemples Illustration par MuPad QCM corrigé Matrices diagonales Nous nous plaçons dans ou , avec . Les éléments de ou sont les scalaires. Toutes les matrices considérées sont des matrices carrées à lignes et colonnes. Les vecteurs sont identifiés à des matrices à lignes et colonne

maths Niveau:MP 2009-2010 1. V´rifier que φ une forme lin´aire continue et calculer sa norme subordonn´e e e e 2. Montrer que |||φ||| n’est pas atteinte Exercice 7 : Soit A ∈ Mp (R). On suppose que la suite de matrices : An = I + A + A2 + · · · + An converge vers une matrice B. Montrer que I − A est inversible, et B = (I − A)−1 . Exercice 8 :On munit Mn (R) d’une norme subordonn´e||.|| , soit A, M ∈ (Mn (R))2 e 1 −1 1. Si||A|| < 1 alors In + A est inversible et ||(I + A) || 1 − ||A|| 1 2.

commutent si et seulement si a ∈ Kerψ et b ∈ Ker φ. En donner une caractérisation en fonction des hyperplans et des droites de t et de s. III Partie II 1. Soit u une involution de E. 1a. Montrer que Ker(u − id E ) ⊕ Ker(u + id E ) = E. 1b. Écrire la matrice de u dans une base adaptée à cette somme directe et en déduire det(u) en fonction de d = dim Ker(u − id). 1c. Montrer que Im(u + id E ) = Ker(u − id E ). On dit que u est une involution minimale si Ker(u − id E ) est de dimension 1. 2. 2a. Montrer

en analyse numérique Sébastien Charnoz & Adrian Daerr Université Paris 7 Denis Diderot CEA Saclay En analyse numérique, un certain nombre de calculs sont faits de manière répétitive. Exemple : Résoudre un système linéaire, Inverser une matrice, Calculer le déterminant, valeurs propres, vecteurs propres Interpoler une fonction Extrapoler une fonction Décomposer une fonction sur une base de fonctions (ex: TF) « fitter » des points de mesure avec des fonctions connues Etc… Des algorithmes

vectoriel On appelle la matrice dont les vecteurs colonnes sont formés par les composantes des vecteurs dans la base Par exemple si l'espace vectoriel est de dimension 3 et que l'on a La matrice sera égale à : Nous avons démontré l'an dernier que cette matrice est inversible si et seulement si la famille est une base de l'espace vectoriel. La matrice est alors appelée matrice de passage de la base à la base 2. Rôle de Reprenons l'exemple précédent. La matrice est inversible et l'on a