Vecteur aléatoire

pratique de matrices Exercice 1 - Diagonalisation - 1 - L1/L2/Math Sp´ e Diagonaliser les matrices suivantes : 0 3 2 0 2 −1     A =  3 −2 0  B =  −2 5 2  . 2 −3 0 −2 2 1 On donnera aussi la matrice de passage de la base canonique ` la base de vecteurs propres. a     Exercice 2 - Diagonalisation - 2 - L2/Math Sp´ e Expliquer sans calculs pourquoi la matrice suivante n’est pas diagonalisable : π 1 2   A =  0 π 3 . 0 0 π   Exercice 3 - Avec un param`tre - L2/Math Sp´ e e Soit

Z1 2 ) Var [Z1 1]Var [Z1 2 ] ait une valeur maximale sous la contrainte: Var [Z1 1] = Var [Z1 2 ] = 1: Remarques : * 1. Z1 1 est donc le premier vecteur propre de P1P2 Z1 2 est donc le premier vecteur propre de P2P1,où: * P1 désigne le projecteur orthogonal sur l'espace engendré par les colonnes de X1 P2 désigne le projecteur orthogonal sur l'espace engendré par les colonnes de X2. * 2. Z1 1

. . . . . . . . . 10.8.3 Théorème de Stockes . . . . . . . . . . . . . . . . 10.8.4 Théorème de Gauss-Ostrogradski (ou théorème de 11 Les équations de Maxwell dans le vide 11.1 Le champ électromagnétique . . . . . . 11.1.1 Champ électromoteur et vecteur 11.1.2 Le champ magnétique . . . . . 11.2 Le régime variable . . . . . . . . . . . 11.2.1 Le phénomène de propagation 11.2.2 Le phénomène d’induction . . . 11.2.3 Le phénomène de capacité . . 11.3 L’induction électromagnétique . . . . 11.3.1 Loi de

ligne), la matrice se r´duit e a ` un vecteur ligne de dimension n que l’on note (la signification de l’“exposant T” est r´v´l´e e ee ci-dessous) : AT = a1 a2 ... an Une matrice rectangulaire est verticale si m > n· Exemple de matrice verticale :   2 4  3 5     4 5     2 3  4 0 Cas particuliers de la matrice verticale : lorsque n = 1 (une seule colonne), la matrice se r´duit e a ` un vecteur colonne et le second indice n’est plus n´cessaire. Le vecteur (dit alors “de dimension e m”) s’´crit

les βj sont des entiers naturels non nuls. Une telle décomposition peut être obtenue en commençant par décomposer sur C puis en regroupant les facteurs conjugués. 2 2.1 Réduction des endomorphismes et des matrices carrées. Valeurs propres, vecteurs propres, sous-espaces propres Valeur propre. f ∈ L(E) et λ ∈ K, E de dimension quelconque. → → − → → λ est valeur propre de f si et seulement si il existe − = 0 tel que f(− ) = λ− x x x si et seulement si f − λIdE n’est pas injectif → − si et

est la matrice de g = f 2 dans la base {e} ? 2. Quels sont les vecteurs propres et les valeurs propres de g ? 3. Montrer que si λ est une valeur propre de f , alors µ = λ2 est valeur propre de g. 4. En déduire les seules valeurs propres possibles pour f. 5. Pour un vecteur x quelconque de E, montrer que : f(x) + 2 x ∈ Ker (f − 2 idE ) f(x) − 2 x ∈ Ker (f + 2 idE ) 6. Construire un système de générateurs de E formé de vecteurs propres de f. 7. Diagonaliser f , soit directement, soit en utilisant

coefficient associé. Nous allons chercher à trouver les visages propres ; tout d’abord, nous devons prendre un nombre M de visages d’apprentissage. Chacune de ces images, qui sont en pratique des matrices N x N sont alors transformées en un unique vecteur colonne de longueur N2. Matrice N x N initiale : transformée en : Nous devons par la suite déterminer le visage moyen, déduit des M visages d’apprentissages. Ce visage moyen va servir dans l’analyse d’images, on soustrait en effet ce visage

univ-paris5.fr/~ycart/MC2/node2.html Sous-sections • • • • • • Matrices diagonales Valeurs propres et vecteurs propres Polynôme caractéristique Exemples Illustration par MuPad QCM corrigé Matrices diagonales Nous nous plaçons dans ou , avec . Les éléments de ou sont les scalaires. Toutes les matrices considérées sont des matrices carrées à lignes et colonnes. Les vecteurs sont identifiés à des matrices à lignes et colonne. Une matrice est diagonale si tous ses coefficients en

des vecteurs vitesse : 1.1)Définition : Considérons un point B quelconque du solide (7), à un instant donné t (voir figure cidessous) : Nous pouvons définir le vecteur vitesse du point B élément de (7) par rapport au solide (1) (dont r r r le repère lié est repère R (O; x, y, z ) . Par r définition , V7B/ 1 =  dOB   dt R Ce vecteur est à chaque instant tangent à la trajectoire du point B appartenant à (7) par rapport à (1). Par définition, le champ des vecteurs vitesse

matrice quelconque ] Cette matrice a pour dimension 4×4 Elle comporte 4 lignes et 4 colonnes C'est une matrice carrée Cette matrice a pour dimension 1×5 Elle comporte 1 lignes et 5 colonnes C'est un vecteur ligne Cette matrice a pour dimension 5×1 Elle comporte 5 lignes et 1 colonnes C'est un vecteur colonne 1 / 10 Classe de Première ES, option Maths (603 – 605) b. Vocabulaire • • Les nombres dans les matrices se nomment : les coefficients de la matrice On note a ij le coefficient à l'intersection