Matrice transposée

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

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 ∑  

 CALCUL MATRICIEL I- Matrices et déterminants I-1- Matrices Définition : On appelle matrice, toute suite finie de nombres disposés en tableau rectangulaire de n  p nombres réels. Les nombres réels sont aussi appelés coefficients (i pour la ligne et j pour la colonne). Exemple : n=2 lignes p= 3colonnes A est une matrice (2 ;3) Si n=p la matrice est dite carrée. n=p=3 B est une matrice (3 ;3) Plus généralement, on écrit la matrice sous cette forme : C= La

Chapitre 1 La définition d'une matrice: (i) Une matrice A de dimension (ou type) m X n est un tableau rectangulaire à m lignes et n colonnes. (ii) Les éléments de A seront appelés entrées, notés aij où i désigne le numéro de la ligne et j celui de la colonne. (iii) L'ensemble de toutes les matrices de dimension m X n sera noté M m,n. m (lignes) X n (colonne) : Am X n Type de matrices particulières : Nulle ; tout 0 Matrice (ou vecteur) ligne ou colonne Matrice carrée Matrice triangulaire supérieur :

3)(X − 5) ⎪ 1 ⎪ 8 ⎪ ⎪ ⎪ −1 ⎪ (X − 1)(X − 5) ⎨P2 (X ) = ⎪ 4 ⎪ ⎪ ⎪ ⎪P3 (X ) = 1 (X − 1)(X − 3) ⎪ ⎪ 8 ⎪ ⎩ Calculer Pi (1), Pi (3) et Pi (5) pour i ∈ {1,2, 3} . 20. En déduire que P = (P1, P2, P3 ) est une base de 2 [X ] . 21. Déterminer la matrice A de passage de la base 23. On pose P0 (X ) = (X − 1)(X − 3)(X − 5) . Pour tout polynôme P (X ) de Démontrer que f est linéaire. 24. Déterminer l’image de f. 25. Déterminer le noyau de f. B à la base P . 22. Démontrer que A est inversible et

Analyse de données Course plan Louvain School of Statistics, Biostatistics and Actuarial Science Université catholique de Louvain 2011–2012 LSBA (UCL) LSTAT2110 - Course plan 2011–2012 1/7 Equipe Cours magistraux Johan Segers ISBA, Voie du Roman Pays 20, 1348 LLN, d.118 johan.segers@uclouvain.be Réception sur rendez-vous Sarah Gengler Cédric Taverne TP AGRO TP STAT/ACTU LSBA (UCL) LSTAT2110 - Course plan 2011–2012 2/7 Ressources Volume horaire:

= , p ( X = 6) = , p ( X = 10) = . 3 4 4 Nous allons placer les éléments définissant cette variable aléatoire dans une matrice x. La première colonne contiendra les valeurs xi , la seconde les probabilités pi . L’utilisation de sum (b635) faite dans le deuxième écran montre que la somme des probabilités est égale à 1. Jusque-là, tout va bien. Construisons à présent la matrice contenant également la colonne formée par les pi xi et celle formée par les pi xi2 . Pour cela on peut utiliser une fonction

× 0,2) P’’ = 4 × 7,5 + 2 × 16,1 + 3 × 15,8 P’’ = 30 + 32,2 + 47,4 P’’ = 109,6 Donc le client devra payer 109,60 € avec les tarifs les plus avantageux. Exercice 2 : Pour les candidats ayant suivi l’enseignement au choix 5 points 1. On considère la matrice carrée M d’ordre 3, où les lignes représentent les types de bulbes et les colonnes représentent les différents lots. 6 18 9  Donc M = 6 4 20 Un lot A comprend 6 bulbes de tulipes, 6 de crocus et 3 de muscaris. 3 5 8  2. a) On considère le vecteur

4) ? L’objectif de l’ACP est de revenir à un espace de dimension réduite (plan 2D) en déformant le moins possible la réalité. Il s’agit de résumer de la manière la plus pertinente possible des données initiales : matrice des corrélations (analyse de la dispersion des données). Matrice de corrélation : - Extraction des facteurs (en petit nombre) - Interprétation des graphiques pour comprendre la structure des données analysées avec l’aide d’indicateurs numériques pouvant aider l’interprétation

aux éléments propres d’une matrice carrée III-1 Définitions d’une valeur propre et d’un vecteur propre associé III-1 Propriétés d’une valeur propre et du sous espace propre associé Chapitre 3 : Projection orthogonale I- Projection - Projection orthogonale I-1 Définitions I-2 Détermination de la projection orthogonale I-1 Caractérisation et propriétés Chapitre 2 : Produit scalaire-orthogonalité I- Produit scalaire et Norme euclidienne I-1 Définitions I-2 Matrice d'un produit scalaire I-3 Produit