Régularisation zêtaEn analyse fonctionnelle, la régularisation zêta est une méthode de régularisation des déterminants d'opérateurs qui apparaissent lors de calculs d'intégrales de chemins en théorie quantique des champs. Soit un domaine compact de à bord . Sur ce domaine, on considère l'opérateur positif , où est le Laplacien, muni de conditions aux limites sur le bord du domaine (Dirichlet, Neumann, mixtes) qui précisent complètement le problème.
Forme linéaireEn algèbre linéaire, une forme linéaire sur un espace vectoriel est une application linéaire sur son corps de base. En dimension finie, elle peut être représentée par une matrice ligne qui permet d’associer à son noyau une équation cartésienne. Dans le cadre du calcul tensoriel, une forme linéaire est aussi appelée covecteur, en lien avec l’action différente des matrices de changement de base.
Régression linéaireEn statistiques, en économétrie et en apprentissage automatique, un modèle de régression linéaire est un modèle de régression qui cherche à établir une relation linéaire entre une variable, dite expliquée, et une ou plusieurs variables, dites explicatives. On parle aussi de modèle linéaire ou de modèle de régression linéaire. Parmi les modèles de régression linéaire, le plus simple est l'ajustement affine. Celui-ci consiste à rechercher la droite permettant d'expliquer le comportement d'une variable statistique y comme étant une fonction affine d'une autre variable statistique x.
Modèle linéairevignette|Données aléatoires sous forme de points, et leur régression linéaire. Un modèle linéaire multivarié est un modèle statistique dans lequel on cherche à exprimer une variable aléatoire à expliquer en fonction de variables explicatives X sous forme d'un opérateur linéaire. Le modèle linéaire est donné selon la formule : où Y est une matrice d'observations multivariées, X est une matrice de variables explicatives, B est une matrice de paramètres inconnus à estimer et U est une matrice contenant des erreurs ou du bruit.
Série divergenteEn mathématiques, une série infinie est dite divergente si la suite de ses sommes partielles n'est pas convergente. En ce qui concerne les séries de nombres réels, ou de nombres complexes, une condition nécessaire de convergence est que le terme général de la série tende vers 0. Par contraposition, cela fournit de nombreux exemples de séries divergentes, par exemple celle dont tous les termes valent 1.
Sommation de CesàroEn analyse, la sommation de Cesàro est un procédé de sommation permettant d'assigner une somme à certaines séries divergentes au sens usuel. Si la série est convergente au sens usuel, elle l'est également au sens de Cesàro et sa somme de Cesàro est égale à sa somme « classique ». En revanche, une série divergente peut avoir une somme de Cesàro bien définie. La sommation de Cesàro porte le nom de l'analyste italien Ernesto Cesàro (1859–1906), à cause de l’utilisation de ce qu'on appelle aujourd’hui le lemme de Cesàro.
Fonction zêta de Riemannvignette|upright=2|La fonction zêta de Riemann ζ(s) dans le plan complexe. La couleur d'un point s code la valeur de ζ(s) : des couleurs vives indiquent des valeurs proches de 0 et la nuance indique l'argument de la valeur. Le point blanc pour s = 1 est le pôle ; les points noirs sur l'axe réel négatif (demi-droite horizontale) et sur la droite critique Re(s) = 1/2 (droite verticale) sont les zéros. vignette|upright=2|Carte des couleurs utilisées dans la figure du dessus.
Application linéaireEn mathématiques, une application linéaire (aussi appelée opérateur linéaire ou transformation linéaire) est une application entre deux espaces vectoriels qui respecte l'addition des vecteurs et la multiplication scalaire, et préserve ainsi plus généralement les combinaisons linéaires. L’expression peut s’utiliser aussi pour un morphisme entre deux modules sur un anneau, avec une présentation semblable en dehors des notions de base et de dimension. Cette notion étend celle de fonction linéaire en analyse réelle à des espaces vectoriels plus généraux.
Modèle linéaire généraliséEn statistiques, le modèle linéaire généralisé (MLG) souvent connu sous les initiales anglaises GLM est une généralisation souple de la régression linéaire. Le GLM généralise la régression linéaire en permettant au modèle linéaire d'être relié à la variable réponse via une fonction lien et en autorisant l'amplitude de la variance de chaque mesure d'être une fonction de sa valeur prévue, en fonction de la loi choisie.
1 + 1 + 1 + 1 + ⋯En mathématiques, 1 + 1 + 1 + 1 + ⋯, également écrit , ou simplement , est une série divergente, ce qui signifie que la suite de ses sommes partielles ne converge pas vers une limite dans les nombres réels. La suite (1n) est la suite géométrique de raison 1. La série géométrique de raison 1, à la différence de toutes les autres de raison rationnelle différente de −1, ne converge ni dans les réels, ni dans les nombres p-adiques pour certains p. Dans la droite réelle achevée, puisque la suite des sommes partielles est croissante et non majorée.
Linear least squaresLinear least squares (LLS) is the least squares approximation of linear functions to data. It is a set of formulations for solving statistical problems involved in linear regression, including variants for ordinary (unweighted), weighted, and generalized (correlated) residuals. Numerical methods for linear least squares include inverting the matrix of the normal equations and orthogonal decomposition methods. The three main linear least squares formulations are: Ordinary least squares (OLS) is the most common estimator.
1 + 2 + 3 + 4 + ⋯1 + 2 + 3 + 4 + ⋯, la série des entiers strictement positifs pris dans l'ordre croissant, est en analyse une série divergente. La n-ième somme partielle de cette série est le nombre triangulaire : La suite de ces sommes partielles est croissante et non majorée donc tend vers l'infini. Bien que cette série ne possède donc a priori pas de valeur significative, elle peut être manipulée pour produire un certain nombre de résultats mathématiquement intéressants (en particulier, diverses méthodes de sommation lui donnent la valeur -1/12), dont certains ont des applications dans d'autres domaines, comme l'analyse complexe, la théorie quantique des champs, la théorie des cordes ou encore l'effet Casimir.
Dimensional regularizationNOTOC In theoretical physics, dimensional regularization is a method introduced by Giambiagi and Bollini as well as – independently and more comprehensively – by 't Hooft and Veltman for regularizing integrals in the evaluation of Feynman diagrams; in other words, assigning values to them that are meromorphic functions of a complex parameter d, the analytic continuation of the number of spacetime dimensions. Dimensional regularization writes a Feynman integral as an integral depending on the spacetime dimension d and the squared distances (xi−xj)2 of the spacetime points xi, .
LinéaritéLe concept de linéarité est utilisé dans le domaine des mathématiques et dans le domaine de la physique, et par extension dans le langage courant. Les premiers exemples de situations où intervient la linéarité sont les situations de proportionnalité constante entre deux variables : le graphe représentant une variable en fonction de l'autre forme alors une ligne droite qui passe par l'origine. Il ne faut cependant pas confondre linéarité et proportionnalité, car la proportionnalité n'est qu'un cas particulier de la linéarité.
Indépendance linéaireEn algèbre linéaire, étant donné une famille de vecteurs d'un même espace vectoriel, les vecteurs de la famille sont linéairement indépendants, ou forment une famille libre, si la seule combinaison linéaire de ces vecteurs qui soit égale au vecteur nul est celle dont tous les coefficients sont nuls. Cela revient à dire qu'aucun des vecteurs de la famille n'est combinaison linéaire des autres. Dans le cas où des vecteurs ne sont pas linéairement indépendants, on dit qu'ils sont linéairement dépendants, ou qu'ils forment une famille liée.
Combinaison linéaireEn mathématiques, une combinaison linéaire est une expression construite à partir d'un ensemble de termes en multipliant chaque terme par une constante et en ajoutant le résultat. Par exemple, une combinaison linéaire de x et y serait une expression de la forme ax + by, où a et b sont des constantes. Le concept de combinaison linéaire est central en algèbre linéaire et dans des domaines connexes des mathématiques. La majeure partie de cet article traite des combinaisons linéaires dans le contexte d'espace vectoriel sur un corps commutatif, et indique quelques généralisations à la fin de l'article.
Sommation de Ramanujanvignette|redresse=2|alt=Photographie noir et blanc d'un texte manuscrit, formant une démonstration mathématique.|Une sommation de Ramanujan, dans son premier cahier, montrant pourquoi la somme de tous les entiers est égale à -1/12. En analyse, la sommation de Ramanujan est une technique inventée par le mathématicien Srinivasa Ramanujan pour donner une valeur aux séries infinies divergentes.
Partition function (number theory)In number theory, the partition function p(n) represents the number of possible partitions of a non-negative integer n. For instance, p(4) = 5 because the integer 4 has the five partitions 1 + 1 + 1 + 1, 1 + 1 + 2, 1 + 3, 2 + 2, and 4. No closed-form expression for the partition function is known, but it has both asymptotic expansions that accurately approximate it and recurrence relations by which it can be calculated exactly. It grows as an exponential function of the square root of its argument.
Régularisation (physique)En physique théorique, la régularisation est une procédure ad-hoc qui consiste à modifier une grandeur physique qui présente une singularité afin de la rendre régulière. La régularisation est par exemple abondamment utilisée en théorie quantique des champs en relation avec la procédure de renormalisation, ainsi qu'en relativité générale pour le calcul du problème à deux corps en paramétrisation post-newtonienne. Le potentiel newtonien en coordonnées sphériques s'écrit : où k est une constante.
Sous-espace vectoriel engendréDans un espace vectoriel E, le sous-espace vectoriel engendré par une partie A de E est le plus petit sous-espace vectoriel de E contenant A. C'est aussi l'ensemble des combinaisons linéaires de vecteurs de A. Le sous-espace vectoriel engendré par une famille de vecteurs est le plus petit sous-espace contenant tous les vecteurs de cette famille. Une famille de vecteurs ou une partie est dite génératrice de E si le sous-espace qu'elle engendre est l'espace entier E.
