Méthodes directes pour résoudre les équations linéaires

Séances de cours associées (41)

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

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

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

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

Explore les nombres à virgule flottante, la décomposition LU, les erreurs et les propriétés de la matrice.

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

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

Couvre la décomposition Cholesky d'une matrice symétrique positive définie et de ses applications.

Discute des valeurs propres, de leurs méthodes de calcul et de leurs applications en optimisation et en analyse numérique.

Couvre la méthode de factorisation Choleski pour résoudre efficacement les systèmes linéaires.

Couvre le concept de Décomposition de Valeur Singulaire (SVD) pour compresser l'information dans les matrices et les images.

Explore les conditions de la factorisation LU sans permutation et dominance diagonale dans les matrices.

Couvre les systèmes linéaires, les matrices diagonales et triangulaires, et la factorisation de LU.

Explore la méthode de factorisation Cholesky pour les matrices déterminées symétriques positives.

Explore l'algorithme Thomas pour les systèmes tridiagonaux et la précision des méthodes directes dans les calculs numériques.

Couvre la décomposition des matrices en blocs triangulaires et la décomposition spectrale.

Couvre la décomposition des matrices symétriques en valeurs propres et en vecteurs propres.

Explore les propriétés des matrices invertibles, y compris les solutions uniques et l'indépendance linéaire.

Explore les matrices symétriques, leur diagonalisation et leurs propriétés comme les valeurs propres et les vecteurs propres.

Page 1 sur 3