Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Systèmes linéaires : méthodes directes

Dans cours

MATH-251(a): Numerical analysis

This course presents numerical methods to solve mathematical problems such as systems of linear and nonlinear equations, function approximation, integration and differentiation, and differential equations. ...

Description

Cette séance de cours couvre le sujet des systèmes linéaires et des méthodes directes, en se concentrant sur les systèmes triangulaires inférieurs et supérieurs, la substitution vers l'avant et vers l'arrière, l'élimination de Gauss et la décomposition de LU. L'instructeur explique la complexité informatique impliquée dans ces méthodes et fournit des exemples pour illustrer les concepts.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Enseignant·e·s (4)

Fabio Nobile

Espen Sande

Daniel Kressner

Pablo Antolin Sanchez

Source officielle

Proximité ontologique

Mathématiques

Algèbre: Algèbre linéaire

Concepts associés (25)

Factorisation de Cholesky

La factorisation de Cholesky, nommée d'après André-Louis Cholesky, consiste, pour une matrice symétrique définie positive , à déterminer une matrice triangulaire inférieure telle que : . La matrice est en quelque sorte une « racine carrée » de . Cette décomposition permet notamment de calculer la matrice inverse , de calculer le déterminant de A (égal au carré du produit des éléments diagonaux de ) ou encore de simuler une loi multinormale. Elle est aussi utilisée en chimie quantique pour accélérer les calculs (voir Décomposition de Cholesky (chimie quantique)).

Matrix decomposition

In the mathematical discipline of linear algebra, a matrix decomposition or matrix factorization is a factorization of a matrix into a product of matrices. There are many different matrix decompositions; each finds use among a particular class of problems. In numerical analysis, different decompositions are used to implement efficient matrix algorithms. For instance, when solving a system of linear equations , the matrix A can be decomposed via the LU decomposition.

Matrice triangulaire

vignette|algèbre linéaire En algèbre linéaire, une matrice triangulaire est une matrice carrée dont tous les coefficients sont nuls d’un côté ou de l’autre de la diagonale principale. C’est en particulier le cas si la matrice est diagonale. Une matrice est triangulaire stricte si elle est triangulaire et que tous ses coefficients diagonaux sont nuls. Dans ce qui suit, on considérera un anneau unitaire R non forcément commutatif, des R-modules à gauche et des R-modules à droite.

Computational complexity

In computer science, the computational complexity or simply complexity of an algorithm is the amount of resources required to run it. Particular focus is given to computation time (generally measured by the number of needed elementary operations) and memory storage requirements. The complexity of a problem is the complexity of the best algorithms that allow solving the problem. The study of the complexity of explicitly given algorithms is called analysis of algorithms, while the study of the complexity of problems is called computational complexity theory.

Décomposition LU

En algèbre linéaire, la décomposition LU est une méthode de décomposition d'une matrice comme produit d'une matrice triangulaire inférieure (comme lower, inférieure en anglais) par une matrice triangulaire supérieure (comme upper, supérieure). Cette décomposition est utilisée en analyse numérique pour résoudre des systèmes d'équations linéaires. Soit une matrice carrée. On dit que admet une décomposition LU s'il existe une matrice triangulaire inférieure formée de 1 sur la diagonale, notée , et une matrice triangulaire supérieure, notée , qui vérifient l'égalité Il n'est pas toujours vrai qu'une matrice admette une décomposition LU.

Afficher plus

Séances de cours associées (48)

Systèmes linéaires: convergence et méthodes

Explore les systèmes linéaires, la convergence et les méthodes de résolution en mettant l'accent sur les besoins en temps et en mémoire du processeur.

Méthodes directes pour les systèmes linéaires d'équations

Explore des méthodes directes pour résoudre des systèmes linéaires d'équations, y compris l'élimination de Gauss et la décomposition de LU.

Résolution des systèmes linéaires MOOC: Analyse Numérique pour Ingénieurs

Résume les méthodes de résolution des systèmes linéaires, y compris l'élimination gaussienne et la décomposition LU.

Analyse numérique : résoudre des systèmes linéaires dans des dimensions supérieures

Couvre l'analyse numérique et l'optimisation, en se concentrant sur la résolution de systèmes linéaires dans des dimensions supérieures à l'aide de méthodes à différences finies.

Systèmes linéaires : Factorisation LU avec pivot

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

Afficher plus

Concepts associés (25)

Factorisation de Cholesky

Matrix decomposition

Matrice triangulaire

Computational complexity

Décomposition LU

Afficher plus