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

Applications linéaires et vecteurs propres

Description

Cette séance de cours couvre les concepts d'applications linéaires, de matrices diagonales, de vecteurs propres et de sous-espaces orthogonaux en R^n. Il explique comment interpréter les matrices comme des applications linéaires, trouver des vecteurs propres et déterminer si les vecteurs sont orthogonaux. La séance de cours traite également du concept d'ensembles orthogonaux de vecteurs et du calcul des produits scalaires en R^n.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Source officielle

Proximité ontologique

Mathématiques

Algèbre: Algèbre linéaire

Concepts associés (32)

Matrice orthogonale

Une matrice carrée A (n lignes, n colonnes) à coefficients réels est dite orthogonale si A A = I, où A est la matrice transposée de A et I est la matrice identité. Des exemples de matrices orthogonales sont les matrices de rotation, comme la matrice de rotation plane d'angle θ ou les matrices de permutation, comme Une matrice réelle A est orthogonale si et seulement si elle est inversible et son inverse est égale à sa transposée : A = A. Une matrice carrée est orthogonale si et seulement si ses vecteurs colonnes sont orthogonaux deux à deux et de norme 1.

Espace préhilbertien

En mathématiques, un espace préhilbertien est défini comme un espace vectoriel réel ou complexe muni d'un produit scalaire. Cette notion généralise celles d'espace euclidien ou hermitien dans le cas d'une dimension quelconque, tout en conservant certaines bonnes propriétés géométriques des espaces de dimension finie grâce aux propriétés du produit scalaire, mais en perdant un atout de taille : un espace préhilbertien de dimension infinie n'est pas nécessairement complet. On peut cependant le compléter, pour obtenir un espace de Hilbert.

Complément orthogonal

En mathématiques, plus précisément en algèbre linéaire et en analyse fonctionnelle, le complément orthogonal W d'un sous-espace vectoriel W d'un espace préhilbertien V est l'ensemble des vecteurs de V qui sont orthogonaux à tout vecteur de W, c'est-à-dire Le complément orthogonal est toujours un sous-espace vectoriel fermé. Pour un espace de Hilbert, d'après le théorème du supplémentaire orthogonal, le complément orthogonal du complément orthogonal de W est l'adhérence de W, soit File:Orthogonal1.

Sous-espace vectoriel

En algèbre linéaire, un sous-espace vectoriel d'un espace vectoriel E, est une partie non vide F, de E, stable par combinaisons linéaires. Cette stabilité s'exprime par : la somme de deux vecteurs de F appartient à F ; le produit d'un vecteur de F par un scalaire appartient à F. Muni des lois induites, F est alors un espace vectoriel. L'intersection d'une famille non vide de sous-espaces de E est un sous-espace de E. La réunion d'une famille non vide de sous-espaces n'en est généralement pas un ; le sous-espace engendré par cette réunion est la somme de cette famille.

Produit scalaire

En mathématiques, et plus précisément en algèbre et en géométrie vectorielle, le produit scalaire est une opération algébrique s'ajoutant aux lois s'appliquant aux vecteurs. C'est une forme bilinéaire, symétrique, définie positive. À deux vecteurs, elle associe un scalaire, c'est-à-dire un nombre tel que ceux qui définissent cet espace vectoriel — réel pour un espace vectoriel réel. Si et sont deux vecteurs d'un espace vectoriel E sur le corps R des nombres réels, alors le produit scalaire de u par v est un scalaire (c'est-à-dire un élément de R), noté ∙ , , , ou .

Afficher plus

Séances de cours associées (26)

Calcul vectorielle en 3D

Couvre le concept d'espace vectoriel 3D, produit scalaire, bases, orthogonalité et projections.

Matrices et transformations orthogonales MOOC: Algèbre Linéaire (Partie 3)

Explore les matrices et transformations orthogonales, en mettant l'accent sur la préservation des normes et des angles.

Opérateurs linéaires : Transformation de base et valeurs propres

Explore la transformation de base, les valeurs propres et les opérateurs linéaires dans les espaces intérieurs des produits, en soulignant leur importance dans la mécanique quantique.

Diagonalisation des transformations linéaires

Explique la diagonalisation des transformations linéaires en utilisant des vecteurs propres et des valeurs propres pour former une matrice diagonale.

Vecteurs et projections orthogonaux Connectez-vous à Mediaspace pour regarder cette vidéo

Couvre les produits scalaires, les vecteurs orthogonaux, les normes et les projections dans les espaces vectoriels, en mettant l'accent sur les familles orthonormales de vecteurs.

Afficher plus

Concepts associés (32)

Matrice orthogonale

Espace préhilbertien

Complément orthogonal

Sous-espace vectoriel

Produit scalaire

Afficher plus