Vecteur position

Variables aléatoires. Couples de variables aléatoires. Sommes de variables aléatoires indépendantes. Variables aléatoires Généralités - Espérance, variance, indépendance dans le cas des variables discrètes A. Claeys GEA - IUT A - Lille 1 Février 2012 Variables aléatoires. Couples de variables aléatoires. Sommes de variables aléatoires indépendantes. Plan 1 Variables aléatoires. Un exemple pour comprendre. Variable aléatoire : définition. Fonction de répartition

khvk ASR GSITR NOV Valeurs propres et vecteurs propres des matrices L'objet "matrice 2x2"(rappel) 2 Valeurs propres et vecteurs propres d’une matrice 2x2 3 Vecteur propre associé à une valeur propre 4 Valeurs propres de matrices particulières 5 Vecteurs propres associés à une matrice diagonale 6 Matrice de passage d’une matrice à 2 valeurs propres 7 Matrice inversible (rappel) 8 La matrice de passage est inversible 9 La puissance d’une matrice à deux valeurs propres

d'un Vecteur. Calcul de l'Image d'un Vecteur . . . . Matrice de l'Inverse d'une Application . . . . . . . . . . . . . Changement de Bases . . . . . . . . . . . . . . . . . . . . . . Rang d'une Matrice . . . . . . . . . . . . . . . . . . . . . . . Matrices Remarquables . . . . . . . . . . . . . . . . . . . . . Application des Déterminants à la Théorie du Rang . . . . . 4.9.1 Caractérisation des Bases . . . . . . . . . . . . . . . . 4.9.2 Comment reconnaître si une famille de vecteurs est libre

est le vecteur e u de consigne. La synth`se d’une commande modale simple n’a pas ´t´ vue en cours. Cette m´thode est e ee e expos´e ci-dessous. e M´thode de synth`se par commande modale simple : e e On commence par effectuer le changement de variable x = T x de fa¸on ` exprimer le syst`me en c a e boucle ouverte sous la forme : ˙ x = A x + B u(t) y(t) = C x (1) o` la matrice A est diagonale. On peut montrer que la matrice T est de la forme T = v1 v2 v3 u o` v1 , v2 et v3 sont les vecteurs propres

1 ERE S PROBABILITE feuille21 119 Asie juin 2001 Pour rejoindre le sommet S d’une montagne des Alpes à partir d’un point de départ D, les randonneurs ont la possibilité d’emprunter plusieurs parcours. La course n’étant pas faisable en une journée, ils doivent passer une nuit dans l’un des deux refuges se trouvant à la même altitude de 1 400 mètres sur les parcours existants ; les deux refuges ne sont pas situés au même endroit. On les appelle R1 et R2 . Le lendemain matin, pour atteindre le sommet

drdθ = 2π 4 2 0 2 D 0 0 0 0 0 Notons S le bord de D orient´e suivant le vecteur normal ext´erieur. Notons S1 la partie de S contenue dans le cylindre. et S2 = S \ S1 (le complementaire de S1 → − dans S). Soit V le champ de vecteurs de composantes (P, Q, R) = (x, y, z 2 ). → − 3. Calculer le flux de V a` travers S1 . La surface S1 est un cylindre de hauteur 2 sur un cercle de rayon 1. Le vecteur normal `a la surface S1 est n = √ 21 2 (x, y, 0). Le flux est alors x +y ��

de variables aléatoires quelconques. 2 - Vecteurs gaussiens a) - Définition Soit n IN* et X = (X1 , X2 , ... , Xn) un n-uplet de variables aléatoires. n X est un vecteur aléatoire normal ou gaussien si pour tout n-uplets de réels ( 1, 2 , ... , n), i Xi est une i=1 variable aléatoire normale. Statistique inférentielle en BTSA - B. Chaput - ENFA - Lois normales et autres lois dérivées 1 b) - Propriété Soit X = (X1 , X2 , ... , Xn) un vecteur aléatoire normal, chacune des Xi est une variable

propres et vecteurs propres d’endomorphisme a. Droite stable Problème : Soit une droite, on cherche une CNS pour que D soit stable par . b. Valeurs propres Définition : Soit , est dite valeur propre de si \ Définition : {Valeur propre de } s’appelle le spectre de f et il est notée c. Vecteurs propres – sous espaces propres Définition : , est dit vecteur propre de f si , \ Lemme : Dans ces conditions, le est unique. Définition : On dit alors que est la valeur propres associé au vecteur propre

TP multidisciplinaire Vecteurs gaussiens et ACP Vecteurs gaussiens Question 1 Il faut que Σ soit définie positive, donc ac-b2>0 et a>0. Donc c>0. Question 2 On pose R=Σ12(possible vu les hypothèses sur a, b, c) On simule Y vecteur gaussien centré réduit de dimension 2. On obtient alors une simulation de X par la formule : X=RY+m Question 3 mahalanobis<-function(m1,m2,a,b,c,n){ Y<-matrix(rnorm(2*n,0,1),nrow=2) m<-c(m1,m2) sigma<-matrix(c(a,b,b,c),2,2) R<-chol(sigma)

d'un Vecteur. Calcul de l'Image d'un Vecteur . . . . Matrice de l'Inverse d'une Application . . . . . . . . . . . . . Changement de Bases . . . . . . . . . . . . . . . . . . . . . . Rang d'une Matrice . . . . . . . . . . . . . . . . . . . . . . . Matrices Remarquables . . . . . . . . . . . . . . . . . . . . . Application des Déterminants à la Théorie du Rang . . . . . 4.9.1 Caractérisation des Bases . . . . . . . . . . . . . . . . 4.9.2 Comment reconnaître si une famille de vecteurs est libre