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

Jordanie Forme normale: Théorie et demandes

Dans cours

MATH-115(b): Algèbre linéaire avancée II

L'objectif du cours est d'introduire les notions de base de l'algèbre linéaire et de démontrer rigoureusement les résultats principaux du sujet. ...

Description

Cette séance de cours couvre la forme normale de la Jordanie, explorant ses propriétés et applications en algèbre linéaire. Il traite de la diagonalisation des matrices, des vecteurs propres et du concept de bases cycliques. L'instructeur explique comment décomposer les matrices en blocs de Jordanie et l'unicité de ces décompositions.

Enseignant·e

Marc Troyanov

Doctorat en mathématiques à l'Université de Genève (1987) - Postdoc à Paris et Salt-Lake City, puis professeur assistant à l'UQAM (Montréal). Venu en 1993 à l'EPFL comme professeur assistant, nommé MER en 1999 puis professeur titulaire en 2005. Domaine de recherche : géométrie différentielle, analyse sur les variétés et sur les espaces métriques.

Source officielle

Proximité ontologique

Mathématiques

Algèbre: Algèbre linéaire

Concepts associés (32)

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.

Décomposition d'une matrice en éléments propres

En algèbre linéaire, la décomposition d'une matrice en éléments propres est la factorisation de la matrice en une forme canonique où les coefficients matriciels sont obtenus à partir des valeurs propres et des vecteurs propres. Un vecteur non nul v à N lignes est un vecteur propre d'une matrice carrée A à N lignes et N colonnes si et seulement si il existe un scalaire λ tel que : où λ est appelé valeur propre associée à v. Cette dernière équation est appelée « équation aux valeurs propres ».

Matrice diagonale

En algèbre linéaire, une matrice diagonale est une matrice carrée dont les coefficients en dehors de la diagonale principale sont nuls. Les coefficients de la diagonale peuvent être ou ne pas être nuls. Une matrice diagonale est une matrice qui correspond à la représentation d'un endomorphisme diagonalisable dans une base de vecteurs propres. La matrice d'un endomorphisme diagonalisable est semblable à une matrice diagonale. Toute matrice diagonale est symétrique, normale et triangulaire.

Generalized eigenvector

In linear algebra, a generalized eigenvector of an matrix is a vector which satisfies certain criteria which are more relaxed than those for an (ordinary) eigenvector. Let be an -dimensional vector space and let be the matrix representation of a linear map from to with respect to some ordered basis. There may not always exist a full set of linearly independent eigenvectors of that form a complete basis for . That is, the matrix may not be diagonalizable.

Réduction de Jordan

La réduction de Jordan est la traduction matricielle de la réduction des endomorphismes introduite par Camille Jordan. Cette réduction est tellement employée, en particulier en analyse pour la résolution d'équations différentielles ou pour déterminer le terme général de certaines suites récurrentes, qu'on la nomme parfois « jordanisation des endomorphismes ». Elle consiste à exprimer la matrice d'un endomorphisme dans une base, dite base de Jordan, où l'expression de l'endomorphisme est réduite.

Afficher plus

Séances de cours associées (44)

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.

Diagonalisation des cartes linéaires

Explore la diagonalisation des cartes linéaires en trouvant une base formée par des vecteurs propres.

Algèbre linéaire : Diagonalisation

Explore la diagonalisation des matrices et les conditions de diagonalisation exacte, avec des exemples démontrant le processus.

Diagonalisation des transformations linéaires

Explique la diagonalisation des transformations linéaires en utilisant des vecteurs propres et des valeurs propres pour former une matrice diagonale.

Diagonalisation des transformations linéaires

Couvre la diagonalisation des transformations linéaires en R^3, explorant les propriétés et les exemples.

Afficher plus

Concepts associés (32)

Matrix decomposition

Décomposition d'une matrice en éléments propres

Matrice diagonale

Generalized eigenvector

Réduction de Jordan

Afficher plus