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

Sans titre

Source officielle

https://switch-video-production.os.zhdk.cloud.switch.ch/transcoding/bf/a3/739f18020a7761de6f5568d35fb1/h264-1080p.mp4?X-Amz-Algorithm=AWS4-HMAC-SHA256&X-Amz-Credential=c70ce910fb73491f9933421af7a4fcee%2F20240725%2Fus-east-1%2Fs3%2Faws4_request&X-Amz-Date=20240725T145132Z&X-Amz-Expires=86400&X-Amz-SignedHeaders=host&X-Amz-Signature=f6accf3a0b829891d49d59310159136ea1e212ffc06454885f36d40010f65e9c

À propos de ce résultat

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.

Proximité ontologique

Mathématiques

Algèbre: Algèbre linéaire

Concepts associés (32)

Valeur propre, vecteur propre et espace propre

En mathématiques, et plus particulièrement en algèbre linéaire, le concept de vecteur propre est une notion algébrique s'appliquant à une application linéaire d'un espace dans lui-même. Il correspond à l'étude des axes privilégiés, selon lesquels l'application se comporte comme une dilatation, multipliant les vecteurs par une même constante. Ce rapport de dilatation est appelé valeur propre, les vecteurs auxquels il s'applique s'appellent vecteurs propres, réunis en un espace propre.

Jordan matrix

In the mathematical discipline of matrix theory, a Jordan matrix, named after Camille Jordan, is a block diagonal matrix over a ring R (whose identities are the zero 0 and one 1), where each block along the diagonal, called a Jordan block, has the following form: Every Jordan block is specified by its dimension n and its eigenvalue , and is denoted as Jλ,n. It is an matrix of zeroes everywhere except for the diagonal, which is filled with and for the superdiagonal, which is composed of ones.

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 ».

Defective matrix

In linear algebra, a defective matrix is a square matrix that does not have a complete basis of eigenvectors, and is therefore not diagonalizable. In particular, an n × n matrix is defective if and only if it does not have n linearly independent eigenvectors. A complete basis is formed by augmenting the eigenvectors with generalized eigenvectors, which are necessary for solving defective systems of ordinary differential equations and other problems.

Lausanne

Lausanne () est une ville suisse située sur la rive nord du lac Léman. Capitale du canton de Vaud, elle est également capitale olympique et chef-lieu du district de Lausanne. Elle est la quatrième ville du pays en nombre d'habitants après Zurich, Genève et Bâle. En , la commune de Lausanne compte , et l'agglomération lausannoise compte . En 2012, elle concentre 50 % de la population et 60 % des emplois du canton de Vaud.

Afficher plus

Séances de cours associées (29)

Multiplicité algébrique, Multiplicité géométrique MOOC: Algèbre Linéaire (Partie 2)

Explore la multiplicité algébrique et géométrique des valeurs propres dans l'algèbre linéaire.

Valeurs propres: trouver des méthodes MOOC: Algèbre Linéaire (Partie 2)

Explique les méthodes de recherche des valeurs propres dans l'algèbre linéaire à travers des exemples.

Diagonalisation des transformations linéaires

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

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 : étape par étape MOOC: Algèbre Linéaire (Partie 2)

Explique le processus étape par étape de diagonalisation pour les transformations linéaires sur les espaces vectoriels à dimension finie.

Afficher plus

Concepts associés (32)

Valeur propre, vecteur propre et espace propre

Jordan matrix

Décomposition d'une matrice en éléments propres

Defective matrix

Lausanne

Afficher plus