Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.
AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.
En algèbre linéaire, lespace colonne (aussi appelé espace des colonnes ou ) d'une matrice A est l'espace engendré par toutes les combinaisons linéaires de ses vecteurs colonne. L'espace colonne d'une matrice est l'image de lapplication linéaire correspondante. Soit un corps. L'espace colonne d'une matrice de taille à éléments dans est un sous-espace vectoriel de . La dimension d'un espace colonne est appelé le rang d'une matrice et est au plus égal au minimum de et . Une définition des matrices sur un anneau est également possible. Lespace ligne (ou espace des rangées) est défini de façon similaire. Cet article ne traite que le cas de matrices réelles. Les espaces colonne et ligne sont donc des sous-espaces des espaces réels et respectivement. Soit A une matrice de taille m×n. Alors rg(A) = dim(Vect(Col(A))) = dim(Vect(L(A))), rg(A) = nombre de pivots dans toute forme échelonnée de A, rg(A) = nombre maximum d'éléments linéairement indépendants parmi les colonnes et les lignes de A. En considérant la matrice comme une application linéaire de et , l'espace colonne de la matrice correspond à l' de cette application linéaire. L'espace colonne d'une matrice A est l'ensemble de toutes les combinaisons linéaires des colonnes de A. Si A = [a1, ..., an], alors Vect(Col(A) = Vect{a1, ...., an} . Le concept d'espace des rangées s'étend aux matrices complexes, ou pour tout corps. Intuitivement, pour une matrice donnée A, l'action d'une matrice A sur un vecteur x va renvoyer une combinaison linéaire des colonnes de A pondérées par les coordonnées de x comme coefficients. Soit la matrice J : les lignes sont donc r1 = (2,4,1,3,2), r2 = (−1,−2,1,0,5), r3 = (1,6,2,2,2), r4 = (3,6,2,5,1). Ainsi, l'espace ligne de J est le sous-espace de R5 engendré par { r1, r2, r3, r4 }. Ces quatre vecteurs lignes sont linéairement indépendants, donc l'espace ligne est de dimension 4. On peut aller plus loin en remarquant que les quatre vecteurs sont orthogonaux au vecteur ligne n = (6,−1,4,−4,0), donc l'espace ligne de J peut être défini comme le sous-espace des vecteurs de à n.
[2]Paolo Prandoni, [3]LCAV, EPFL
The concept of "basis" for a vector space is one of the most profound
and fruitful ideas in linear algebra. Basis vectors are the "building
blocks" that all other vectors are built from; by "disassembling" a
vector into a linear combination of basis elements we are able to "look
inside" the vector and highlight many of its relevant features.
A vector space has an infinite number o [2]Paolo Prandoni, [3]LCAV, EPFL
The Parks-McClellan (PM) algorithm is a clever application of advanced
polynomial fitting techniques to the problem of FIR filter design. In
this notebook we will explore the key ideas behind the method by
considering the design of a simple Type-I lowpass filter.
NOTE: This notebook uses interactive widgets. If the interactive
controls do not work or show up, please fo