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

Approximations basées sur les sous-espaces

Description

Cette séance de cours couvre le concept des sous-espaces dans les fonctions symétriques sur L2[-1, 1], les vecteurs de base pour les sous-espaces dans R3 et le problème d'approximation de trouver la meilleure approximation pour un vecteur x dans un sous-espace. Il s'inscrit également dans la méthode d'approximation des moindres carrés, en discutant des projections orthogonales, de l'erreur minimale-norme, et de l'orthogonalité de l'erreur à l'approximation.

Source officielle

Concepts associés (32)

Méthode des moindres carrés

La méthode des moindres carrés, indépendamment élaborée par Legendre et Gauss au début du , permet de comparer des données expérimentales, généralement entachées d’erreurs de mesure, à un modèle mathématique censé décrire ces données. Ce modèle peut prendre diverses formes. Il peut s’agir de lois de conservation que les quantités mesurées doivent respecter. La méthode des moindres carrés permet alors de minimiser l’impact des erreurs expérimentales en « ajoutant de l’information » dans le processus de mesure.

Linear least squares

Linear least squares (LLS) is the least squares approximation of linear functions to data. It is a set of formulations for solving statistical problems involved in linear regression, including variants for ordinary (unweighted), weighted, and generalized (correlated) residuals. Numerical methods for linear least squares include inverting the matrix of the normal equations and orthogonal decomposition methods. The three main linear least squares formulations are: Ordinary least squares (OLS) is the most common estimator.

Ring of symmetric functions

In algebra and in particular in algebraic combinatorics, the ring of symmetric functions is a specific limit of the rings of symmetric polynomials in n indeterminates, as n goes to infinity. This ring serves as universal structure in which relations between symmetric polynomials can be expressed in a way independent of the number n of indeterminates (but its elements are neither polynomials nor functions). Among other things, this ring plays an important role in the representation theory of the symmetric group.

Moindres carrés non linéaires

Les moindres carrés non linéaires est une forme des moindres carrés adaptée pour l'estimation d'un modèle non linéaire en n paramètres à partir de m observations (m > n). Une façon d'estimer ce genre de problème est de considérer des itérations successives se basant sur une version linéarisée du modèle initial. Méthode des moindres carrés Considérons un jeu de m couples d'observations, (x, y), (x, y),...,(x, y), et une fonction de régression du type y = f (x, β).

Stanley symmetric function

In mathematics and especially in algebraic combinatorics, the Stanley symmetric functions are a family of symmetric functions introduced by in his study of the symmetric group of permutations. Formally, the Stanley symmetric function Fw(x1, x2, ...) indexed by a permutation w is defined as a sum of certain fundamental quasisymmetric functions. Each summand corresponds to a reduced decomposition of w, that is, to a way of writing w as a product of a minimal possible number of adjacent transpositions.

Afficher plus

Séances de cours associées (33)

Essai de régression linéaire

Explorer les moindres carrés dans la régression linéaire, les essais d'hypothèses, les aberrations et les hypothèses du modèle.

Projection orthogonale sur le sous-espace vectoriel MOOC: Algèbre Linéaire (Partie 3)

Explique la projection orthogonale sur un sous-espace vectoriel dans l'espace euclidien.

Algèbre linéaire : projection orthogonale et factorisation QR

Explore le processus Gram-Schmidt, la projection orthogonale, la factorisation QR et les solutions de moindres carrés pour les systèmes linéaires.

Factorisation QR : Résolution du système des moindres carrés MOOC: Algèbre Linéaire (Partie 3)

Couvre la méthode de factorisation QR appliquée à la résolution d'un système d'équations linéaires au sens des moindres carrés.

Projection orthogonale: Décomposition vectorielle

Explique la projection orthogonale et la décomposition vectorielle avec des exemples dans l'analyse de trajectoire des particules.

Afficher plus

Concepts associés (32)

Méthode des moindres carrés

Linear least squares

Ring of symmetric functions

Moindres carrés non linéaires

Stanley symmetric function

Afficher plus