Séance de cours

Décomposition de la valeur singulière : applications et théorèmes

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-111(d): Algèbre linéaire

L'objectif du cours est d'introduire les notions de base de l'algèbre linéaire et ses applications. ...

Description

Cette séance de cours couvre la Décomposition de la Valeur Singulière (SVD) dans l'algèbre linéaire, en mettant l'accent sur ses applications et ses théorèmes. Il explique le concept de SVD, la décomposition en valeurs singulières, et les propriétés des matrices résultantes. L'instructeur discute de l'utilisation de SVD dans le traitement d'images, la rotation matricielle et la symétrie. La séance de cours s'inscrit également dans le théorème de Perron-Frobenius, la stabilité des eigenvectors, et l'algorithme de PageRank. De plus, il explore l'application de SVD pour prédire les modèles météorologiques et analyser les probabilités de transition dans la popularité des pages Web. La séance de cours se termine par des exemples pratiques et des applications réelles de SVD dans différents domaines.

Enseignant·e·s (2)

Giordano Favi

Expertise Research: Non associative Algebra, Category Theory, Triangulated Category Theory, Balmer-Witt Theory, Quadratic Forms in Characteristic 2, Galois Theory, Essential dimension, Tensor Triangular GeometryTeaching: Algebra (Associative, Linear, Commutative or not), Differential Calculus , Algebraic Geometry/Topology, etc. Travail en cours Teaching: My current work at EPFL is half time dedicated to teaching mathematics for 1st year students. It is very important to give satisfactory introductory cou

Donna Testerman

Enseignement et PhD A dirigé les thèses EPFL de Soumaïa Nadia Ghandour, Iulian Ion Simion, Mikaël Cavallin, Mikko Tapani Korhonen, Nathan Scheinmann, Ana Retegan, Jonathan Gruber

Source officielle

Proximité ontologique

Mathématiques

Algèbre: Algèbre linéaire

Concepts associés (30)

Décomposition en valeurs singulières

En 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.

Matrice de rotation

En mathématiques, et plus précisément en algèbre linéaire, une matrice de rotation Q est une matrice orthogonale de déterminant 1, ce qui peut s'exprimer par les équations suivantes : QtQ = I = QQt et det Q = 1, où Qt est la matrice transposée de Q, et I est la matrice identité. Ces matrices sont exactement celles qui, dans un espace euclidien, représentent les isométries (vectorielles) directes.

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.

Décomposition QR

En algèbre linéaire, la décomposition QR (appelée aussi, factorisation QR ou décomposition QU) d'une matrice A est une décomposition de la forme où Q est une matrice orthogonale (QQ=I), et R une matrice triangulaire supérieure. Ce type de décomposition est souvent utilisé pour le calcul de solutions de systèmes linéaires non carrés, notamment pour déterminer la pseudo-inverse d'une matrice. En effet, les systèmes linéaires AX = Y peuvent alors s'écrire : QRX = Y ou RX = QY.

Singular value

In mathematics, in particular functional analysis, the singular values, or s-numbers of a compact operator acting between Hilbert spaces and , are the square roots of the (necessarily non-negative) eigenvalues of the self-adjoint operator (where denotes the adjoint of ). The singular values are non-negative real numbers, usually listed in decreasing order (σ1(T), σ2(T), ...). The largest singular value σ1(T) is equal to the operator norm of T (see Min-max theorem).

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.

Analyse de corrélation canonique: Vue d'ensemble

Couvre l'analyse canonique de corrélation, une méthode pour trouver des relations entre deux ensembles de variables.

Décomposition de la valeur singulière : Exemple MOOC: Algèbre Linéaire (Partie 3)

Explique le processus étape par étape pour trouver la décomposition de valeur singulière d'une matrice.

Transformations formelles : Partie 1

Couvre le sujet des transformations conformes, y compris les traductions, les dilatations, les rotations et l'algèbre conforme.

Valeurs singulaires : Définitions et propriétés MOOC: Algèbre Linéaire (Partie 3)

Couvre le concept de valeurs singulières dans l'algèbre linéaire et leurs propriétés, y compris la diagonalisation et des exemples pratiques.

Afficher plus

Concepts associés (30)

Décomposition en valeurs singulières

Matrice de rotation

Valeur propre, vecteur propre et espace propre

Décomposition QR

Singular value

Afficher plus