Matrice

équations et les systèmes d’équations. Il est possible d’entrer certaines fonctions ou certaines expressions à partir de modèles (/r) comme nous allons le voir pour les systèmes d’équations, mais également plus loin pour les intégrales, les dérivées, les matrices… Résolution d’une équation - dans le corps des réels solve(eq, - dans le corps des complexes cSolve(eq, var) var) La fonction solve retourne un résultat sous forme d’une, ou plusieurs égalités séparées par or. Elle retourne false s’il n’y a

. 16 E Principe de dualité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 Feuille d’exercices n◦ 2 – calcul des propositions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 III Matrices I 19 Notion de matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 A Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 B Définition générale . . . . . . . . .

Printemps des Sciences 2008 Google, graphes et matrices. . . La matrice cach´e de Google (Michel Rigo, ULg) e Dossier p´dagogique, 5`me – 6`me secondaire e e e Inutile de le pr´senter : Google est le moteur de recherche le plus connu et e le plus utilis´ au monde. Mais comment les concepteurs de Google font-ils pour e classer les milliers de pages se rapportant a un mot-cl´ donn´, de fa¸on telle ` e e c que les pages les plus repr´sentatives occupent toujours les premi`res positions

graphique de la fonction, c’est-à-dire l’ensemble G = {(x, y, z = f (x, y)) : (x, y) ∈ Ê2 } est le plan d’équation z = 1, parallèle au plan de base (Oxy) (figure 1.1). Applications linéaires Soit une matrice A à p lignes et n colonnes et à coefficients réels (on note Mp,n (Ê) l’ensemble de ces matrices). On peut lui associer l’application dite linéaire, ou endomorphisme, définie dans les 1 2 z Chapitre 1. Fonctions de plusieurs variables y x Fig. 1.1 – Plan d’équation z = 1. bases

25 0.30 0.35 ˆ matrice de corr´lation e actif1 actif2 actif3 actif4 actif1 actif2 actif3 actif4 1.0 0.1 0.4 0.5 0.1 1.0 0.3 0.7 0.4 0.3 1.0 0.8 0.5 0.7 0.8 1.0 D´marche : e Daniel Herlemont 2 ` 2 FRONTIERE EFFICIENTE AVEC EXCEL ˆ V´rifier que la matrice de corr´lation est bien Sym´trique, D´finie, Positive (on pourra e e e e utiliser la condition de Sylvester, a savoir que tous les d´terminants mineurs det(Ck ) ` e sont strictement positifs, avec Ck la matrice extraite d’ordre

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

Déterminant d'un endomorphisme 45 2.5 Déterminant d'une matrice carrée 46 III Table des matières 2.6 2.7 2.8 2.9 Développement par rapport à une rangée 49 2.6.1 2.6.2 49 53 Cofacteurs et mineurs Comatrice Calcul des déterminants 55 2.7.1 2.7.2 2.7.3 2.7.4 2.7.5 55 55 58 59 60 Déterminant d'une matrice triangulaire Manipulation de lignes et de colonnes Cas n = 2, n = 3 Déterminant de Vandermonde Déterminant d’une matrice triangulaire par blocs Orientation d'un espace vectoriel réel

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

. 16 Principe de dualité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16 Feuille d’exercices n◦ 2 – calcul des propositions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17 III I A B C II A B C Matrices 19 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 Définition générale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20 Égalité matricielle . . . . . . . . . . .

= , 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