Séance de cours

Valeurs propres et vecteurs propres

Graph Chat

Chattez avec Graph Search

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.

Dans cours

MATH-251(a): Analyse numérique

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 concept de valeurs propres et de vecteurs propres, en expliquant comment ils sont utilisés pour analyser les systèmes linéaires. L'instructeur discute des propriétés des vecteurs propres, du calcul des valeurs propres et de l'application de ces concepts à la résolution de systèmes linéaires. Diverses méthodes, telles que la factorisation LU et les méthodes itératives comme Jacobi et Gauss-Seidel, sont présentées pour résoudre les systèmes linéaires. La séance de cours aborde également l'impact des erreurs d'arrondi sur les solutions des systèmes linéaires et l'importance des matrices de préconditionnement dans les calculs numériques.

Enseignant·e·s (4)

Fabio Nobile

Enseignement et PhD Doctorant·es actuel·les Veronica Montanaro, Matteo Raviola, Francesca Bettinelli, Eliott Van Dieren, Riccardo Saporiti, Giacomo Mossinelli, Noé Stauffer, Fabio Zoccolan A dirigé les thèses EPFL de Diane Sylvie Guignard, Francesco Tesei, Eleonora Musharbash, Matthieu Claude Martin, Davide Pradovera, Sundar Subramaniam Ganesh, Eva Vidlicková, Juan Pablo Madrigal Cianci, Andrea Zanoni, Thomas Simon Spencer Trigo Trindade A co-dirigé les thèses EPFL de Michele Pisaroni Cours Analyse avan

Daniel Kressner

Pablo Antolin Sanchez

Enseignement et PhD Doctorant·es actuel·les Philipp Christoph Weder, Davor Dobrota A co-dirigé les thèses EPFL de Ondine Chanon Cours Analysis III MATH-202(c) Le cours étudie les concepts fondamentaux de l'analyse vectorielle et de l'analyse de Fourier-Laplace en vue de leur utilisation pour résoudre des problèmes pluridisciplinaires d'ingénierie scientifique. Analysis III (for IC) MATH-203(d) Le cours étudie les concepts fondamentaux de l'analyse vectorielle et de l'analys

Espen Sande

Source officielle

Proximité ontologique

Mathématiques

Analyse (mathématiques): Analyse numérique

Algèbre: Algèbre linéaire

Concepts associés (32)

Méthode itérative

En analyse numérique, une méthode itérative est un procédé algorithmique utilisé pour résoudre un problème, par exemple la recherche d’une solution d’un système d'équations ou d’un problème d’optimisation. En débutant par le choix d’un point initial considéré comme une première ébauche de solution, la méthode procède par itérations au cours desquelles elle détermine une succession de solutions approximatives raffinées qui se rapprochent graduellement de la solution cherchée. Les points générés sont appelés des itérés.

Méthode de Jacobi

La méthode de Jacobi, due au mathématicien allemand Karl Jacobi, est une méthode itérative de résolution d'un système matriciel de la forme Ax = b. Pour cela, on utilise une suite x qui converge vers un point fixe x, solution du système d'équations linéaires. On cherche à construire, pour x donné, la suite x = F(x) avec . où est une matrice inversible. où F est une fonction affine. La matrice B = MN est alors appelée matrice de Jacobi.

Numerical linear algebra

Numerical linear algebra, sometimes called applied linear algebra, is the study of how matrix operations can be used to create computer algorithms which efficiently and accurately provide approximate answers to questions in continuous mathematics. It is a subfield of numerical analysis, and a type of linear algebra. Computers use floating-point arithmetic and cannot exactly represent irrational data, so when a computer algorithm is applied to a matrix of data, it can sometimes increase the difference between a number stored in the computer and the true number that it is an approximation of.

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.

Algèbre linéaire

vignette|R3 est un espace vectoriel de dimension 3. Droites et plans qui passent par l'origine sont des sous-espaces vectoriels. L’algèbre linéaire est la branche des mathématiques qui s'intéresse aux espaces vectoriels et aux transformations linéaires, formalisation générale des théories des systèmes d'équations linéaires. L'algèbre linéaire est initiée dans son principe par le mathématicien perse Al-Khwârizmî qui s'est inspiré des textes de mathématiques indiens et qui a complété les travaux de l'école grecque, laquelle continuera de se développer des siècles durant.

Afficher plus

Séances de cours associées (64)

Décomposition des valeurs propres et des vecteurs propres

Couvre la décomposition d'une matrice dans ses valeurs propres et ses vecteurs propres, l'orthogonalité des vecteurs propres et la normalisation des vecteurs.

Effet des erreurs d'arrondi dans les systèmes linéaires

Explore l'effet des erreurs d'arrondi dans la résolution des systèmes linéaires à l'aide de la méthode de factorisation LU.

Diagonalisation des matrices : théorie et exemples

Couvre la théorie et les exemples de matrices de diagonalisation, en se concentrant sur les valeurs propres, les vecteurs propres et lindépendance linéaire.

Polynômes caractéristiques et matrices similaires

Explore les polynômes caractéristiques, la similarité des matrices et les valeurs propres dans les transformations linéaires.

Calcul de valeurs propres

Couvre le calcul des valeurs propres et des vecteurs propres, en mettant l'accent sur leur importance et leurs applications.

Afficher plus

Concepts associés (32)

Méthode itérative

Méthode de Jacobi

Numerical linear algebra

Valeur propre, vecteur propre et espace propre

Algèbre linéaire

Afficher plus