Total least squaresIn applied statistics, total least squares is a type of errors-in-variables regression, a least squares data modeling technique in which observational errors on both dependent and independent variables are taken into account. It is a generalization of Deming regression and also of orthogonal regression, and can be applied to both linear and non-linear models. The total least squares approximation of the data is generically equivalent to the best, in the Frobenius norm, low-rank approximation of the data matrix.
Steiner conicThe Steiner conic or more precisely Steiner's generation of a conic, named after the Swiss mathematician Jakob Steiner, is an alternative method to define a non-degenerate projective conic section in a projective plane over a field. The usual definition of a conic uses a quadratic form (see Quadric (projective geometry)). Another alternative definition of a conic uses a hyperbolic polarity. It is due to K. G. C. von Staudt and sometimes called a von Staudt conic.
Fonction convexevignette|upright=1.5|droite|Fonction convexe. En mathématiques, une fonction réelle d'une variable réelle est dite convexe : si quels que soient deux points et du graphe de la fonction, le segment est entièrement situé au-dessus du graphe, c’est-à-dire que la courbe représentative de la fonction se situe toujours en dessous de ses cordes ; ou si l'épigraphe de la fonction (l'ensemble des points qui sont au-dessus de son graphe) est un ensemble convexe ; ou si vu d'en dessous, le graphe de la fonction est en bosse.
Regularized least squaresRegularized least squares (RLS) is a family of methods for solving the least-squares problem while using regularization to further constrain the resulting solution. RLS is used for two main reasons. The first comes up when the number of variables in the linear system exceeds the number of observations. In such settings, the ordinary least-squares problem is ill-posed and is therefore impossible to fit because the associated optimization problem has infinitely many solutions.
Algorithme de rechercheEn informatique, un algorithme de recherche est un type d'algorithme qui, pour un domaine, un problème de ce domaine et des critères donnés, retourne en résultat un ensemble de solutions répondant au problème. Supposons que l'ensemble de ses entrées soit divisible en sous-ensemble, par rapport à un critère donné, qui peut être, par exemple, une relation d'ordre. De façon générale, un tel algorithme vérifie un certain nombre de ces entrées et retourne en sortie une ou plusieurs des entrées visées.
Optimisation non linéaireEn optimisation, vue comme branche des mathématiques, l'optimisation non linéaire (en anglais : nonlinear programming – NLP) s'occupe principalement des problèmes d'optimisation dont les données, i.e., les fonctions et ensembles définissant ces problèmes, sont non linéaires, mais sont aussi différentiables autant de fois que nécessaire pour l'établissement des outils théoriques, comme les conditions d'optimalité, ou pour la bonne marche des algorithmes de résolution qui y sont introduits et analysés.
Dualité (géométrie projective)La dualité projective, découverte par Jean-Victor Poncelet, est une généralisation de l'analogie entre le fait que par deux points distincts passe une droite et une seule, et le fait que deux droites distinctes se coupent en un point et un seul (à condition de se placer en géométrie projective, de sorte que deux droites parallèles se rencontrent en un point à l'infini).
Parabolevignette|Une parabole représentée par la fonction f(x)=x. La parabole est une courbe plane, symétrique par rapport à un axe, ayant approximativement la forme d'un U dont les branches s'écarteraient indéfiniment. Cette courbe intervient dans les problèmes les plus élémentaires de mécanique ou de mathématiques. En effet la trajectoire d'un projectile qui n'est soumis qu'à la pesanteur est une parabole, ou encore, en mathématiques, la représentation graphique des polynômes de degré 2 est une parabole.
Théorème des cinq pointsEn géométrie, le théorème des cinq points est un énoncé sur les coniques du plan, démontré initialement par Blaise Pascal. Il assure que par cinq points trois à trois non alignés passe une unique conique propre. Ce théorème admet des versions dégénérées, par exemple, avec quatre conditions d'incidence et une de tangence : il existe une unique conique propre passant par quatre points trois à trois non alignés, et tangente en l'un de ces points à une droite prescrite ne contenant aucun des trois autres points ; ou encore, avec trois conditions d'incidence et deux de tangence : il existe une unique conique propre passant par trois points non alignés prescrits, et tangente en chacun des deux premiers points à une droite prescrite qui ne contient qu'un seul des trois points.
Matrice hessienneEn mathématiques, la matrice hessienne (ou simplement le hessien ou la hessienne) d'une fonction numérique est la matrice carrée, notée , de ses dérivées partielles secondes. Etant donnée une fonction à valeurs réelles dont toutes les dérivées partielles secondes existent, le coefficient d'indice de la matrice hessienne vaut . Autrement dit, On appelle discriminant hessien (ou simplement hessien) le déterminant de cette matrice. Le terme « hessien » a été introduit par James Joseph Sylvester, en hommage au mathématicien allemand Ludwig Otto Hesse.
Géométrie projectiveEn mathématiques, la géométrie projective est le domaine de la géométrie qui modélise les notions intuitives de perspective et d'horizon. Elle étudie les propriétés inchangées des figures par projection centrale. Le mathématicien et architecte Girard Desargues fonde la géométrie projective dans son Brouillon project d’une Atteinte aux evenemens des rencontres du cone avec un plan publié en 1639, où il l'utilise pour une théorie unifiée des coniques.
Definite matrixIn mathematics, a symmetric matrix with real entries is positive-definite if the real number is positive for every nonzero real column vector where is the transpose of . More generally, a Hermitian matrix (that is, a complex matrix equal to its conjugate transpose) is positive-definite if the real number is positive for every nonzero complex column vector where denotes the conjugate transpose of Positive semi-definite matrices are defined similarly, except that the scalars and are required to be positive or zero (that is, nonnegative).
