Couvre les valeurs propres, les vecteurs propres et la séquence de Fibonacci, en explorant leurs propriétés mathématiques et leurs applications pratiques.
Couvre la décomposition d'une matrice dans ses valeurs propres et ses vecteurs propres, l'orthogonalité des vecteurs propres et la normalisation des vecteurs.
Explore les valeurs propres, les vecteurs propres et les méthodes de résolution de systèmes linéaires en mettant l'accent sur les erreurs d'arrondi et les matrices de préconditionnement.
Explore le cluster spectral, la décomposition des valeurs propres, les matrices laplaciennes et l'identification des clusters au moyen de projections de vecteurs propres.
Couvre la représentation des applications linéaires à travers des matrices, des matrices diagonalisables, des bases, des produits de points, de l'orthogonalité et des vecteurs orthogonaux.