Matrice triangulaire

l’endomorphisme de matrice M dans cette base :  1 −1 1    M =  −2 0 −1    1   −2 −2 1. 2. 3. 4. 5. 6. Déterminer son polynôme caractéristique. Calculer ses valeurs propres. Donner une base des sous-espaces propres. Décider si f est diagonalisable. Donner éventuellement l’expression diagonalisée. Vérifier en utilisant les matrices de changement de base. EXERCICE 2. Faire, pour la matrice A suivante, une étude semblable à celle de l’exercice 1 pour la matrice M :  3

. . . . . . . . . . . . . . . . . . . . . . e 1.2 Propri´t´s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . ee 2 La diagonalisation d’une matrice 2.1 D´finition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . e 2.2 CNS pour qu’une matrice soit diagonalisable . . . . . . . . . . . . . . . . . . . . . . . . 3 Exemples 3.1 avec valeurs propres simples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

u(P) = P(X + 1) − P. 1. Déterminer Keru et Imu. 0 1 0 ...  . .. .. ..  . . . .  .  .. 2. Déterminer explicitement une base dans laquelle la matrice de u est  .   . ..  . . . 0 ... ... 1   0 .  .  .   0 .   1  0 Correction [005602] Exercice 6 ***  1 cos(a) cos(2a) cos(3a)  cos(a) cos(2a) cos(3a) cos(4a)   Rang de la matrice   cos(2a) cos(3a) cos(4a) cos(5a) . cos(3a) cos(4a) cos(5a) cos(6a)  Correction [005603] Exercice 7 *** Soit A = (ai, j )1 i, j A−1 .

( x + y)   6 x + 3y = 0  b) M admet trois vecteurs propres linéairement indépendants : elle est donc diagonalisable. ou dim E − 3 + dim E 3 = 2 + 1 = 3 = dim þ 3 ; M est diagonalisable. ou M est une matrice carrée réelle symétrique, donc elle est diagonalisable. Il existe alors une matrice carrée inversible P d’ordre 3 telle que M = P D P −1 , avec 0 0 1 2 − 1 − 3  1 0 5      1  −1 D =  0 − 3 0  , P =  0 1 − 2  et P =  2 2 2 . 6  0 −1 2 0 3 1 1     1 −2  c)

truc matriciel très utile. Ainsi, on peut représenter ce modèle à l’aide des vecteurs 2x1 et d’une matrice 2x2 (notez l’astuce d’introduire yt−1 ) yt yt−1 = φ1 φ2 1 0 yt−1 yt−2 + ǫt 0 (7.5) Yt = ΦYt−1 + εt . Pour ne pas alourdir la notation, nous allons tout simplement utiliser yt = Φyt−1 + ǫt (7.6) (7.7) en sachant que yt , yt−1 et ǫt sont des vecteurs de dimension (2x1) et Φ est une matrice (2x2). À l’aide de cette reformulation, le modèle scalaire AR(2) peut être représenté comme un modèle

Nationale LICENCE D’ÉCONOMIE ET DE GESTION Travaux Dirigés L2/S4 Année 2009/2010 Concepts mathématiques Matrice : On entend par matrice de format m x n à coefficients réels toute application : A : {1,2, …, m} x {1,2,…, n} → R Une matrice est donc une application dont le domaine de définition est très particulier. Pour cette raison et aussi pour des raisons de commodité d’écriture, on note aij l’image du couple i,j

------------------------------------------------------------------------------------------------------------- Cours Modle diffrentiel matrice jacobienne singularits Cours trajectoires libres de A B dans lespace oprationnel ------------------------------------------------------------------------------------------------------------- TD n3 modle diffrentiel matrice jacobienne singularits modle cinmatique interpolation linaire de trajectoires fonction Matlab bangbang interface de dplacement libre du

E sont isolés. On considère la tribu E = P(E). Matrices stochastiques Définition 9.3 Une matrice P = (P (x, y))x,y∈E est dite matrice stochastique si ses coefficients sont positifs et la somme sur une ligne des coefficients est égale à 1 : a. P (x, y) ≥ 0 ; � b. z∈E P (x, z) = 1 ; pour tous x, y ∈ E. On donne une nouvelle définition des chaînes de Markov basée sur les probabilités. Chaîne de Markov II Définition 9.4 Soit P une matrice stochastique sur E. Une suite de variables aléatoires

(¡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

Enoncés et corrections : Sandra Delaunay Exo7 Sujets de l’année 2005-2006 1 Devoir à la maison Exercice 1 Soient a, b, c des réels vérifiant a2 + b2 + c2 = 1 et P la matrice réelle 3 × 3 suivante :   2 a ab ac P = ab b2 bc ac bc c2 1. Calculer le déterminant de P. 2. Déterminer les sous-espaces vectoriels de R3 , ker P et Im P. 3. Soit Q = I − P, calculer P2 , PQ, QP et Q2 . 4. Caractériser géométriquement P et Q. Correction [002578] Exercice 2 Soit E un espace