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

Décompositions matricielles : LU, Cholesky, QR, Eigendecomposition

Dans cours

PHYS-332: Computational physics III

This course teaches the students practical skills needed for solving modern physics problems by means of computation. A number of examples illustrate the utility of numerical computations in various domains of physics. ...

Description

Cette séance de cours couvre l'algèbre linéaire numérique moderne en se concentrant sur les opérations matricielles et vectorielles, la décomposition LU, la décomposition Cholesky, la décomposition QR et la décomposition Eigen. L'objectif est d'utiliser les propriétés de la matrice pour la résolution de problèmes. L'instructeur explique les algorithmes de décomposition LU, la substitution avant / arrière, et la complexité de calcul impliqués. En outre, la séance de cours présente les équations de Lotka-Volterra pour les interactions prédateur-proie et leur simulation. La session se termine par une discussion sur les cycles Prey-Predator et l'analyse des données réelles.

Source officielle

Proximité ontologique

Mathématiques

Algèbre: Algèbre linéaire

Concepts associés (32)

Décomposition LU

En algèbre linéaire, la décomposition LU est une méthode de décomposition d'une matrice comme produit d'une matrice triangulaire inférieure (comme lower, inférieure en anglais) par une matrice triangulaire supérieure (comme upper, supérieure). Cette décomposition est utilisée en analyse numérique pour résoudre des systèmes d'équations linéaires. Soit une matrice carrée. On dit que admet une décomposition LU s'il existe une matrice triangulaire inférieure formée de 1 sur la diagonale, notée , et une matrice triangulaire supérieure, notée , qui vérifient l'égalité Il n'est pas toujours vrai qu'une matrice admette une décomposition LU.

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.

Matrix decomposition

In the mathematical discipline of linear algebra, a matrix decomposition or matrix factorization is a factorization of a matrix into a product of matrices. There are many different matrix decompositions; each finds use among a particular class of problems. In numerical analysis, different decompositions are used to implement efficient matrix algorithms. For instance, when solving a system of linear equations , the matrix A can be decomposed via the LU decomposition.

Factorisation de Cholesky

La factorisation de Cholesky, nommée d'après André-Louis Cholesky, consiste, pour une matrice symétrique définie positive , à déterminer une matrice triangulaire inférieure telle que : . La matrice est en quelque sorte une « racine carrée » de . Cette décomposition permet notamment de calculer la matrice inverse , de calculer le déterminant de A (égal au carré du produit des éléments diagonaux de ) ou encore de simuler une loi multinormale. Elle est aussi utilisée en chimie quantique pour accélérer les calculs (voir Décomposition de Cholesky (chimie quantique)).

Décomposition d'une matrice en éléments propres

En 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 ».

Afficher plus

Séances de cours associées (28)

Décompositions matricielles : LU, Cholesky, QR, Eigendecomposition

Explore les décompositions matricielles pour résoudre des systèmes linéaires et simuler des dynamiques.

QR Factorisation MOOC: Algèbre Linéaire (Partie 3)

Explique le théorème de factorisation QR et démontre la procédure Gram-Schmidt avec un exemple.

Décomposition de la valeur singulaire

Explore la décomposition de la valeur singulaire, l'approximation de bas rang, les sous-espaces fondamentaux et les normes matricielles.

Factorisation QR : Résolution du système des moindres carrés MOOC: Algèbre Linéaire (Partie 3)

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

LU Décomposition Algorithme MOOC: Algèbre Linéaire (Partie 1)

Couvre l'algorithme de décomposition de LU, transformant une matrice en L et U.

Afficher plus

Concepts associés (32)

Décomposition LU

Décomposition QR

Matrix decomposition

Factorisation de Cholesky

Décomposition d'une matrice en éléments propres

Afficher plus