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 de n ODE linéaires à matrice de couplage A constante

Dans cours

PHYS-216: Méthodes mathématiques (pour SPH)

Ce cours est un complément aux cours d'analyse et d'algèbre linéaire qui apporte des méthodes et des techniques mathématiques supplémentaires requises pour les cours de physique de 3e année, notamment l'électrodynamique et la mécanique quantique. ...

Description

Cette séance de cours couvre les systèmes de n ODE linéaires de premier ordre à matrice de couplage A constante, discutant des propriétés des solutions, du principe de superposition et des ODE linéaires scalaires. Il explore également la relation entre le système général des ODE, la superposition des solutions et la solution au problème inhomogène. La séance de cours se termine par des exemples de systèmes d'ODE linéaires avec des matrices constantes et la décomposition des conditions initiales sur des vecteurs propres.

Enseignant·e·s (3)

Jonathan Graves

Prof. Jonathan P. Graves is a Senior Scientist at EPFL and Honorary Visiting Professor at the University of York, UK. He achieved first class joint honours in Electronic Engineering and Mathematics from the University of Nottingham, UK in 1996. He completed his Ph.D. in Theoretical Mechanics from the University of Nottingham, UK, three years later in 1999. During his Ph.D. he was based in the Culham theory group of the United Kingdom Atomic Energy Authority, developing kinetic descriptions of the internal kink instability, and participating in deuterium-tritium experimental analysis in the Joint European Torus. After a short time in industry, and a postdoc at Nottingham University, he took a position at the Swiss Plasma Center at EPFL, becoming a Senior Scientist in 2014, and became an Honorary Visiting Professor at the University of York, UK, in 2020. In 2015 he became a member of the EUROfusion Scientific and Technical Advisory Committee (STAC) and a member of the EUROfusion DEMO Technical Advisory Group. He is on the editorial board for the journal Plasma Physics and Controlled Fusion, and in 2020 became Scientific Secretary of the Varenna-Lausanne International Workshop in Theory of Fusion Plasmas.

Stephan Brunner

Sylvain Bréchet

Sylvain Bréchet est né le 13 octobre 1981 à Moudon (lieu d'origine Epesses, VD). Il a obtenu un Master de physique à l'EPFL en 2005. Il est allé à Cambridge pour y effectuer une thèse en cosmologie théorique de 2005 à 2009 sous la direction du Prof. Anthony Lasenby (FRS) et du Prof. Michael Hobson au Cavendish Laboratory de l'Université de Cambridge. Il est revenu à l'EPFL où il est depuis 2010 chargé de cours et collaborateur scientifique à l'institut de physique de la matière condensée. Il a enseigné la mécanique classique, la relativité restreinte et la thermodynamique à des étudiants en génie mécanique, en génie électrique et en physique. Il rédige actuellement un ouvrage de thermodynamique.

Source officielle

Proximité ontologique

Mathématiques

Algèbre: Algèbre linéaire

Concepts associés (32)

Exponentielle d'une matrice

En mathématiques, et plus particulièrement en analyse, l'exponentielle d'une matrice est une fonction généralisant la fonction exponentielle aux matrices et aux endomorphismes par le calcul fonctionnel. Elle fait en particulier le pont entre un groupe de Lie et son algèbre de Lie. Pour n = 1, on retrouve la définition de l'exponentielle complexe. Sauf indication contraire, X, Y désignent des matrices n × n complexes (à coefficients complexes).

Valeur propre, vecteur propre et espace propre

En mathématiques, et plus particulièrement en algèbre linéaire, le concept de vecteur propre est une notion algébrique s'appliquant à une application linéaire d'un espace dans lui-même. Il correspond à l'étude des axes privilégiés, selon lesquels l'application se comporte comme une dilatation, multipliant les vecteurs par une même constante. Ce rapport de dilatation est appelé valeur propre, les vecteurs auxquels il s'applique s'appellent vecteurs propres, réunis en un espace propre.

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.

Matrice diagonalisable

En mathématiques, une matrice diagonalisable est une matrice carrée semblable à une matrice diagonale. Cette propriété est équivalente à l'existence d'une base de vecteurs propres, ce qui permet de définir de manière analogue un endomorphisme diagonalisable d'un espace vectoriel. Le fait qu'une matrice soit diagonalisable dépend du corps dans lequel sont cherchées les valeurs propres, ce que confirme la caractérisation par le fait que le polynôme minimal soit scindé à racines simples.

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 ».

Afficher plus

Séances de cours associées (46)

Diagonalisation des transformations linéaires

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

Opérateurs linéaires : Transformation de base et valeurs propres

Explore la transformation de base, les valeurs propres et les opérateurs linéaires dans les espaces intérieurs des produits, en soulignant leur importance dans la mécanique quantique.

Algèbre linéaire: réduction de l'application linéaire

Couvre la réduction d'une application linéaire et la recherche de formes et de bases réduites correspondantes.

Cas non-diagonisables : Deux valeurs propres (théorie)

Couvre la réduction des matrices non diagonisables et leurs interprétations géométriques.

Diagonalisation des transformations linéaires

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

Afficher plus

Concepts associés (32)

Exponentielle d'une matrice

Valeur propre, vecteur propre et espace propre

Matrice diagonale

Matrice diagonalisable

Décomposition d'une matrice en éléments propres

Afficher plus