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 linéaires: Choleski Factorisation

Dans cours (2)

MATH-250: Advanced numerical analysis I

Construction and analysis of numerical methods for the solution of problems from linear algebra, integration, approximation, and differentiation. ...

MATH-251(c): Analyse numérique

Le cours présente des méthodes numériques pour la résolution de problèmes mathématiques comme des systèmes d'équations linéaires ou non linéaires, l'approximation de fonctions, l'intégration et la dérivation, et les équations différentielles. ...

Description

Cette séance de cours couvre la méthode de factorisation de Choleski pour résoudre des systèmes linéaires, en se concentrant sur des matrices définies symétriques et positives. Il explique le processus de factorisation d'une matrice en une matrice triangulaire inférieure avec des éléments diagonaux positifs, essentiels pour un calcul efficace. La séance de cours aborde également le critère de Sylvester pour la définition positive et l'importance de réorganiser les matrices pour réduire l'occupation de la mémoire.

Enseignant·e·s (3)

Simone Deparis

Daniel Kressner

Annalisa Buffa

Source officielle

Proximité ontologique

Mathématiques

Algèbre: Algèbre linéaire

Concepts associés (26)

Definite matrix

In mathematics, a symmetric matrix with real entries is positive-definite if the real number is positive for every nonzero real column vector where is the transpose of . More generally, a Hermitian matrix (that is, a complex matrix equal to its conjugate transpose) is positive-definite if the real number is positive for every nonzero complex column vector where denotes the conjugate transpose of Positive semi-definite matrices are defined similarly, except that the scalars and are required to be positive or zero (that is, nonnegative).

Matrice par blocs

vignette|Un matrice présente une structure par blocs si l'on peut isoler les termes non nuls dans des sous-matrices (ici la structure « diagonale par blocs » d'une réduite de Jordan). On appelle matrice par blocs une matrice divisée en blocs à partir d'un groupement quelconque de termes contigus de sa diagonale. Chaque bloc étant indexé comme on indicerait les éléments d'une matrice, la somme et le produit de deux matrices partitionnées suivant les mêmes tailles de bloc, s'obtiennent avec les mêmes règles formelles que celles des composantes (mais en veillant à l'ordre des facteurs dans les produits matriciels!).

Matrice antisymétrique

En mathématiques, et plus précisément en algèbre linéaire, une matrice antisymétrique est une matrice carrée opposée à sa transposée. Une matrice carrée A à coefficients dans un anneau quelconque est dite antisymétrique si sa transposée est égale à son opposée, c'est-à-dire si elle satisfait à l'équation : A = –A ou encore, en l'écrivant avec des coefficients sous la forme A = (ai,j), si : pour tout i et j, aj,i = –ai,j Les matrices suivantes sont antisymétriques : Le cas où la matrice est à coefficients dans un anneau de caractéristique 2 est très particulier.

Matrice de Toeplitz

En algèbre linéaire, une matrice de Toeplitz (d'après Otto Toeplitz) ou matrice à diagonales constantes est une matrice dont les coefficients sur une diagonale descendant de gauche à droite sont les mêmes. Par exemple, la matrice suivante est une matrice de Toeplitz : Toute matrice A à n lignes et n colonnes de la forme est une matrice de Toeplitz. Si l'élément situé à l’intersection des ligne i et colonne j de A est noté Ai,j, alors on a : En général, une équation matricielle correspond à un système de n équations linéaires à résoudre.

Matrice triangulaire

vignette|algèbre linéaire En algèbre linéaire, une matrice triangulaire est une matrice carrée dont tous les coefficients sont nuls d’un côté ou de l’autre de la diagonale principale. C’est en particulier le cas si la matrice est diagonale. Une matrice est triangulaire stricte si elle est triangulaire et que tous ses coefficients diagonaux sont nuls. Dans ce qui suit, on considérera un anneau unitaire R non forcément commutatif, des R-modules à gauche et des R-modules à droite.

Afficher plus

Séances de cours associées (34)

Algèbre linéaire

Couvre les bases de l'algèbre linéaire, y compris les opérations matricielles et la décomposition des valeurs singulières.

Méthodes directes pour les systèmes linéaires d'équations

Explore des méthodes directes pour résoudre des systèmes linéaires d'équations, y compris l'élimination de Gauss et la décomposition de LU.

Résolution des systèmes linéaires MOOC: Analyse Numérique pour Ingénieurs

Résume les méthodes de résolution des systèmes linéaires, y compris l'élimination gaussienne et la décomposition LU.

Résolution des systèmes linéaires

Couvre la résolution des systèmes linéaires et son lien avec les problèmes d'optimisation.

Systèmes linéaires: Chapitres 4, 5, 6

Explore le lien entre les systèmes linéaires et l'optimisation par élimination et décomposition de LU.

Afficher plus

Concepts associés (26)

Definite matrix

Matrice par blocs

Matrice antisymétrique

Matrice de Toeplitz

Matrice triangulaire

Afficher plus