Valeur propre, vecteur propre et espace propreEn 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.
Linéaire ALe « linéaire A » est une écriture, encore non décryptée, qui fut utilisée dans la Crète ancienne. Cette écriture était composée d'environ quatre-vingt-dix signes et idéogrammes. On suppose qu'il transcrit la langue des Minoens. C'est Arthur Evans au début du qui découvrit en Crète les vestiges de cette écriture, ainsi que d'autres écritures anciennes. Il les nomma « hiéroglyphes crétois », « linéaire A » et « linéaire B », selon leur apparence et leur ancienneté.
Generalized eigenvectorIn 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.
Théorème spectralEn mathématiques, et plus particulièrement en algèbre linéaire et en analyse fonctionnelle, on désigne par théorème spectral plusieurs énoncés affirmant, pour certains endomorphismes, l'existence de décompositions privilégiées, utilisant en particulier l'existence de sous-espaces propres. vignette|Une illustration du théorème spectral dans le cas fini : un ellipsoïde possède (en général) trois axes de symétrie orthogonaux (notés ici x, y et z).
Décomposition d'une matrice en éléments propresEn 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 ».
Linéaire BLe linéaire B est un syllabaire utilisé pour l'écriture du mycénien, une forme archaïque du grec ancien. Il se compose d'environ 87 signes. Les nombres sont décimaux, les poids et mesures sont d'inspiration babylonienne. Le linéaire B est complètement oublié dès le début du premier millénaire avant notre ère ; il sera par la suite remplacé par l'alphabet grec, avec lequel il n'a aucun lien. Le linéaire B apparaît en Crète à Cnossos aux environs de 1375 av. J.-C.
Décomposition en valeurs singulièresEn mathématiques, le procédé d'algèbre linéaire de décomposition en valeurs singulières (ou SVD, de l'anglais singular value decomposition) d'une matrice est un outil important de factorisation des matrices rectangulaires réelles ou complexes. Ses applications s'étendent du traitement du signal aux statistiques, en passant par la météorologie. Le théorème spectral énonce qu'une matrice normale peut être diagonalisée par une base orthonormée de vecteurs propres.
Algèbre linéairevignette|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.
Application linéaireEn mathématiques, une application linéaire (aussi appelée opérateur linéaire ou transformation linéaire) est une application entre deux espaces vectoriels qui respecte l'addition des vecteurs et la multiplication scalaire, et préserve ainsi plus généralement les combinaisons linéaires. L’expression peut s’utiliser aussi pour un morphisme entre deux modules sur un anneau, avec une présentation semblable en dehors des notions de base et de dimension. Cette notion étend celle de fonction linéaire en analyse réelle à des espaces vectoriels plus généraux.
Matrice modaleEn algèbre linéaire, la matrice modale est utilisée dans le processus de diagonalisation impliquant des valeurs propres et des vecteurs propres. Plus précisément la matrice modale pour la matrice est la matrice n × n formée avec les vecteurs propres de sous forme de colonnes. Elle est utilisée en diagonalisation où est une matrice diagonale n × n avec les valeurs propres de sur la diagonale principale de et des zéros ailleurs. La matrice s'appelle la matrice spectrale pour .
Defective matrixIn linear algebra, a defective matrix is a square matrix that does not have a complete basis of eigenvectors, and is therefore not diagonalizable. In particular, an n × n matrix is defective if and only if it does not have n linearly independent eigenvectors. A complete basis is formed by augmenting the eigenvectors with generalized eigenvectors, which are necessary for solving defective systems of ordinary differential equations and other problems.
Base canoniqueEn mathématiques, plus précisément en algèbre linéaire, certains espaces vectoriels possèdent une base qualifiée de canonique ; il s'agit d'une base qui se présente de manière naturelle d'après la manière dont l'espace vectoriel est présenté. C'est ainsi que l'on parle de la base canonique de R, de la base canonique de l'espace vectoriel des matrices ou de celui des polynômes. En revanche sur un espace vectoriel quelconque, la notion n'a pas de sens : il n'y a pas de choix de base privilégiée.
Sous-espace stableEn algèbre linéaire, un endomorphisme laisse stable un sous-espace vectoriel F quand les éléments de F ont pour image un élément de F. La recherche de sous-espaces stables est étroitement liée à la théorie de la réduction des endomorphismes. Soient E un espace vectoriel et u un endomorphisme de E. Un sous-espace vectoriel F de E est dit stable par u quand , c'est-à-dire : . Dans ce cas, u induit sur F un endomorphisme L'endomorphisme induit est la double restriction de l'endomorphisme initial avec à la fois un nouvel ensemble de départ et un nouvel ensemble d'arrivée.
Endomorphismevignette|Projection orthogonale sur une droite. Ceci est un exemple d'endomorphisme qui n'est pas un automorphisme. En mathématiques, un endomorphisme est un morphisme (ou homomorphisme) d'un objet mathématique dans lui-même. Ainsi, par exemple, un endomorphisme d'espace vectoriel E est une application linéaire f : E → E, et un endomorphisme de groupe G est un morphisme de groupes f : G → G, etc. En général, nous pouvons parler d'endomorphisme de n'importe quelle catégorie.
Numerical linear algebraNumerical 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.
Matrice nilpotenteUne matrice nilpotente est une matrice dont il existe une puissance égale à la matrice nulle. Elle correspond à la notion d'endomorphisme nilpotent sur un espace vectoriel de dimension finie. Cette notion facilite souvent le calcul matriciel. En effet, si le polynôme caractéristique d'une matrice est scindé (c'est-à-dire décomposable en produit de facteurs du premier degré, ce qui est le cas par exemple si le corps des coefficients est algébriquement clos), alors l'endomorphisme associé possède une décomposition de Dunford.
Polynôme de TchebychevEn mathématiques, un polynôme de Tchebychev est un terme de l'une des deux suites de polynômes orthogonaux particulières reliées à la formule de Moivre. Les polynômes de Tchebychev sont nommés ainsi en l'honneur du mathématicien russe Pafnouti Lvovitch Tchebychev. Il existe deux suites de polynômes de Tchebychev, l'une nommée polynômes de Tchebychev de première espèce et notée T et l'autre nommée polynômes de Tchebychev de seconde espèce et notée U (dans les deux cas, l'entier naturel n correspond au degré).
Invariant subspace problemIn the field of mathematics known as functional analysis, the invariant subspace problem is a partially unresolved problem asking whether every bounded operator on a complex Banach space sends some non-trivial closed subspace to itself. Many variants of the problem have been solved, by restricting the class of bounded operators considered or by specifying a particular class of Banach spaces.
Endomorphism ringIn mathematics, the endomorphisms of an abelian group X form a ring. This ring is called the endomorphism ring of X, denoted by End(X); the set of all homomorphisms of X into itself. Addition of endomorphisms arises naturally in a pointwise manner and multiplication via endomorphism composition. Using these operations, the set of endomorphisms of an abelian group forms a (unital) ring, with the zero map as additive identity and the identity map as multiplicative identity.
Algorithme de recherche de valeur propreUn problème important en analyse numérique consiste à développer des algorithmes efficaces et stables pour trouver les valeurs propres d'une matrice. Ces algorithmes de recherche de valeurs propres peuvent être étendus pour donner les vecteurs propres associés. Valeur propre, vecteur propre et espace propre Pour une matrice carrée A de taille n × n réelle ou complexe, une valeur propre λ et son vecteur propre généralisé associé v sont un couple vérifiant la relation où v est un vecteur colonne n × 1 non nul, I la matrice identité de taille n × n, k un entier positif.
