Matrice symétrique

Cours de mathématiques Les matrices 1. Les matrices 2 1.1. Définition 2 1.2. Somme de deux matrices 2 1.3. Produit d’une matrice par un scalaire 2 1.4. Produit de 2 matrices 3 1.5. Matrice identité [pic] 4 1.6. Transposée d’une matrice 4 1.7. Déterminant d’une matrice carrée 5 1.8. Déterminant mineur : 5 1.9. Cofacteur 5 1.10. Calcul du déterminant 5 1.11. Les opérations sur les déterminants 6 2. Matrice inverse 7 2.1. Définition 7 2.2. Propriété

volume du second degré à ? 60 degrés de liberté Dans le repère propre d'un élément de membrane, un noeud à ? 2 degrés de liberté Dans le repère structural, le noeud d'un élément de coque axisymétrique à ? 3 degrés de liberté La matrice de connexion relie ? A à q Dans SAMCEF, un manque de conditions aux limites: Se détecte numériquement par des pivots nuls Du point de vue des unités, un multiplicateur de Lagrange est homogène à ? Une force Laquelle de ces contraintes

mati`res e 1 Matrices 1.1 D´finition . . . . . . . . . . . . . . . . . . . . . . . . . . . e 1.2 Les diff´rents types de matrices . . . . . . . . . . . . . . . e 1.2.1 Les diff´rences de contenu . . . . . . . . . . . . . . e 1.2.2 Les diff´rences de forme . . . . . . . . . . . . . . . e 1.2.3 Les diff´rences d’orientation . . . . . . . . . . . . . e 1.3 Matrices particuli`res . . . . . . . . . . . . . . . . . . . . e 1.3.1 Transpos´e d’une matrice . . . . . . . . . . . . . . e 1.3.2 Matrice diagonale .

Documents III Matrice d’une application lin´aire e 28 III.1 D´finition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29 e III.2 Calculer avec une matrice . . . . . . . . . . . . . . . . . . . . . . . . 31 III.3 Influence de la base . . . . . . . . . . . . . . . . . . . . . . . . . . . 33 2 IV Calculs avec des matrices IV.1 D´terminant d’une matrice e IV.2 Transpos´e d’une matrice . e IV.3 Addition de matrices . . . . IV.4 Multiplication d’une matrice IV.5 Produit de matrices . . .

co-propre et que e−iθ/2 x est vecteur co-propre associ´. cqfd. c. Eµ est un espace vectoriel r´el mais n’est pas un espace vectoriel complexe. e d. Il vient imm´diatement que la compos´e de deux applications semi-lin´aires est lin´aire. e e e e I.2. Matrice associ´e a une application semi-lin´aire. e ` e a. Soit A = aij avec aij la ieme composante de u(ej ) sur la base B = (ek ). Soit x = n n k=1 £ ¢ n xk ek et y = u(x). k=1 Il vient y = k=1 xk u(ek ) donc yi = xk aik . Ainsi Y = AX

matriciel 3 1.1 Dénitions et propriétés . . . . . . . . . . . . . . . . 1.2 Opérations sur les matrices . . . . . . . . . . . . . . 1.2.1 Addition . . . . . . . . . . . . . . . . . . . . 1.2.2 Multiplication par un scalaire . . . . . . . . . 1.2.3 Multiplication des matrices . . . . . . . . . . 1.3 Matrices élémentaires . . . . . . . . . . . . . . . . . 1.3.1 Opérations élémentaires sur une matrice . . . 1.3.2 Application pour déterminer l'inverse d'une carrée . . . . . . . . . . . . . . .

SOUS-ESPACE ENGENDRE PAR UNE FAMILLE DE MATRICES Dans l’espace vectoriel Mn (R) des matrices carrées à coefficients réels, on considère différents sousensembles An de matrices et les sous-espaces V (An ) qu’ils engendrent. La base canonique (Eij )1≤i,j≤n de Mn (R) étant constituée de matrices non inversibles, il est évident que, pour n ≥ 2, le sous-espace engendré par les matrices non inversibles est Mn (R). On rappelle la règle d’opération sur les matrices de la base canonique : Eij Ekℓ = δjk Eiℓ

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 −

. . . . . . . . . . . . . . . . . . 1.2 REDUCTION DE JORDAN . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2.1 Surdiagonale de A . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2.2 Matrice élémentaire de Jordan . . . . . . . . . . . . . . . . . . . . . . . 1.2.3 Matrice de Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.2.4 Composition de la surdiagonale base associée à une réduite de Jordan 1.2.5 Exercices . . . . . . . . . . . . . . . . . . . . . . .

(¡1)n. 3) Il faut et il su¢t que le terme dominant de Q soit (¡1)nXn : ² Si A existe on sait par le cours que le terme dominant du polynôme caractéristique est (¡1)nXn ² Réciproquement si le coe¢cient est (¡1)nXn le calcul précédent donne une matrice compagnon qui admet Q comme polynôme caractéristique en partant de P = (¡1nQ a) Les valeurs propres sont les racines de  qui se calcule par un déterminant; or le déterminant est invariant par transposition: det(tCp ¡ In) = det (Cp ¡ ¸In) b) on