Séances de cours associées à Algèbre linéaire : applications et algorithmes

Décomposition de la valeur singulière : applications et interprétation

Explique la construction de U, la vérification des résultats et l'interprétation de SVD dans la décomposition matricielle.

SVD: Décomposition de la valeur singulaire

Couvre le concept de Décomposition de Valeur Singulaire (SVD) pour compresser l'information dans les matrices et les images.

Factorisation QR : Résolution du système des moindres carrés

Couvre la méthode de factorisation QR appliquée à la résolution d'un système d'équations linéaires au sens des moindres carrés.

Construction d'une méthode itérative

Couvre la construction d'une méthode itérative pour les systèmes linéaires, en mettant l'accent sur la décomposition matricielle et la convexité.

Décomposition de la valeur singulaire

Explore la décomposition de la valeur singulaire, l'approximation de bas rang, les sous-espaces fondamentaux et les normes matricielles.

Décomposition de la valeur singulaire (SVD)

Couvre en détail la décomposition de la valeur singulière (SVD), y compris les propriétés des matrices et la linéarité du système.

Factorisation Cholesky: Théorie et Algorithme

Explore la méthode de factorisation Cholesky pour les matrices déterminées symétriques positives.

Analyse numérique : méthodes directes pour les systèmes linéaires

Couvre les méthodes directes pour résoudre des systèmes linéaires en analyse numérique.

Décomposition spectrale

Explore les décompositions spectrales et singulières des valeurs des matrices.

Systèmes linéaires : matrices diagonales et triangulaires, factorisation de l'U.

Couvre les systèmes linéaires, les matrices diagonales et triangulaires, et la factorisation de LU.

Décomposition de la valeur singulaire

Couvre le théorème de la valeur singulaire et son application dans les matrices de décomposition.

Systèmes linéaires : Factorisation LU avec pivot

Explique l'algorithme d'élimination gaussien avec le pivotement et la factorisation LU pour les systèmes linéaires.

Décomposition des valeurs propres et des vecteurs propres

Couvre la décomposition d'une matrice dans ses valeurs propres et ses vecteurs propres, l'orthogonalité des vecteurs propres et la normalisation des vecteurs.

Décomposition de la valeur singulaire

Couvre la Décomposition de la Valeur Singulière (SVD) d'une matrice et de ses applications.

Systèmes linéaires : méthodes directes

Couvre la formulation des systèmes linéaires, les méthodes directes et itératives pour les résoudre, et le coût de la factorisation LU.

Décomposition de la valeur singulaire

Introduit Singular Value Decomposition (SVD) en algèbre linéaire, couvrant la factorisation matricielle et les propriétés avec des exemples pratiques.

Décomposition de la matrice: Triangulaire et Spectral

Couvre la décomposition des matrices en blocs triangulaires et la décomposition spectrale.

Construction d'une méthode itérative

Couvre la construction d'une méthode itérative pour des systèmes linéaires en décomposant une matrice A en P, T et P_A.

Décomposition de valeur singulière: vecteurs orthogonaux et décomposition matricielle

Explique la décomposition de la valeur singulière, en se concentrant sur les vecteurs orthogonaux et la décomposition matricielle.

Algèbre linéaire

Couvre les bases de l'algèbre linéaire, y compris les opérations matricielles et la décomposition des valeurs singulières.