Matrice symétrique

du nuage déforme le moins possible le nuage intial. Dans la suite, nous identifions un vecteur x ∈ Rp avec la matrice colonne de ses coordonnées dans la base canonique, que nous notons x = (x1 , . . . , xp )t , où pour une matrice A, At désigne sa transposée. 1 Les données Les données sont sous la forme d’un tableau à n lignes et p colonnes, que l’on stocke sous la forme d’une matrice X de taille n × p : – chaque ligne (x1 , . . . , xp ) de X représente les valeurs prises par l’individu i sur

et relations de base On sait que le comportement dynamique des structures mécaniques conservatives peut être représenté par l’équation matricielle suivante : M y(t)+ K y(t) = f(t) (2) 1 où M et K sont respectivement les matrices réelles symétriques Masse et Raideur de dimension (n , n) ; M Supposée définie positives, K non négative. f(t) représente le vecteur des forces excitatrices. En régime harmonique, f(t)=f.e , où s=j , étant la pulsation de la force excitatrice, j = -1

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

dont la résolution est facile. Ces opérations sont : Permuter deux équations ; Ajouter à une équation une autre équation multipliée par un coefficient non nul. REPRESENTATION : Nous représenterons le système par la matrice (n, n + 1) A est donc la matrice obtenue en ajoutant à la matrice des coefficients du système une dernière colonne formée des seconds membres des équations. DESCRIPTION DE LA PREMIERE ETAPE : a1,0 … an -1,0 de la première colonne, celui dont la valeur absolue est la plus grande

les raisons des initiatives qu’il a été amené à prendre. *** QUELQUES APPLICATIONS DES MATRICES DE GRAM À LA GÉOMÉTRIE Dans tout le problème, E est un espace vectoriel euclidien de dimension n ≥ 2 et on note produit scalaire sur E et la norme associée. ( ) un Si x1 , x 2 , ..., x p sont p vecteurs de E, on appelle matrice de GRAM de x1 , x 2 , ..., x p , notée G ( x1 , x 2 , ..., x p ) , la matrice de M p ( ) de terme général ( xi  ( x1 x1 ) ( x1 x 2 ) ... x1 x p   ( x 2 x1 )

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 ∑  

euclidien ........................................................... 2 I-1 Définitions ...................................................................................................................................................... 2 I-2 Matrice d'un produit scalaire .......................................................................................................................... 3 I-3 Produit scalaire et norme euclidienne .........................................................

DIAGONALISATION DES MATRICES A-MATRICES PARTICULIERES I. Les matrices diagonales : Une matrice carrée d’ordre n est dite diagonale si tous ses termes sont nuls sauf ceux qui se trouvent sur la diagonale principale. Propriétés des matrices diagonales : 1) La somme de 2 matrices diagonales A et B est une matrice diagonale : ses termes diagonaux sont obtenus en faisant la somme des termes diagonaux homologues des matrices A et B. 2) Le produit d’une matrice diagonale A par un nombre

système : Algorithme de la méthode du pivot de Gauss : Triangularisation Soit la matrice échelonnée du système, on a alors Algorithme de la méthode du pivot de Gauss : Remontée et résolution À présent la matrice du système linéaire est échelonnée, on doit alors résoudre le système triangulaire : puisque rappelons le, est le second membre échelonné, il a subi les mêmes opérations que la matrice échelonnée . On utilise alors un algorithme de remontée pour le système  : Nous allons

claire rend possible l’utilisation des vecteurs et des matrices. Les lecteurs de ce livre devraient ˆtre assez familiers avec l’alg`bre matricielle. Cette annexe e e est destin´e ` aider ceux qui esp`rent se rafraˆ e a e ıchir la m´moire et r´unir les e e r´sultats avec une plus grande facilit´. Les lecteurs devraient noter que le e e Chapitre 1 contient aussi un nombre utile de r´sultats sur les matrices, en e particulier ceux concernant les matrices de projection. Dans cette annexe, des preuves seront