Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
En mathématiques, le procédé d'algèbre linéaire de décomposition en valeurs singulières (ou SVD, de l'anglais singular value decomposition) d'une matrice est un outil important de factorisation des matrices rectangulaires réelles ou complexes. Ses applications s'étendent du traitement du signal aux statistiques, en passant par la météorologie. Le théorème spectral énonce qu'une matrice normale peut être diagonalisée par une base orthonormée de vecteurs propres.
In mathematics, in particular functional analysis, the singular values, or s-numbers of a compact operator acting between Hilbert spaces and , are the square roots of the (necessarily non-negative) eigenvalues of the self-adjoint operator (where denotes the adjoint of ). The singular values are non-negative real numbers, usually listed in decreasing order (σ1(T), σ2(T), ...). The largest singular value σ1(T) is equal to the operator norm of T (see Min-max theorem).
En mathématiques, une singularité est en général un point, une valeur ou un cas dans lequel un certain objet mathématique n'est pas bien défini ou bien subit une transition. Ce terme peut donc avoir des significations très différentes en fonction du contexte. Par exemple, dans l'analyse élémentaire, on dit que . En théorie des singularités, le terme prend un sens différent. On dit, par exemple, En algèbre linéaire, une matrice carrée est dite singulière si elle n'est pas inversible.
vignette|droite|Visualisation de la fonction (x, y) → x2 + y2 Dans l'acception que lui a donnée René Thom, la théorie des singularités consiste à étudier des objets et des familles d'objets suivant leur degré de généricité. Dans une famille, l'objet peut subir des changements d'états ce que l'on appelle une bifurcation. Un exemple simple est donné par les courbes de niveau de la fonction : La courbe de niveau pour une valeur positive est un cercle. La valeur 0 est singulière et pour les valeurs négatives, la courbe est vide.
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.