Passer au contenu principal
Graph
Search
fr
|
en
Se Connecter
Recherche
Tous
Catégories
Concepts
Cours
Séances de cours
MOOCs
Personnes
Exercices
Publications
Start-ups
Unités
Afficher tous les résultats pour
Accueil
Catégorie
Algèbre linéaire
Science formelle
Mathématiques
Algèbre
Algèbre linéaire
Séances de cours associées (24)
Graph Chatbot
Précédent
Page 2 sur 3
Suivant
Équations matricielles : Trouver des variables libres
Explique comment trouver des variables libres dans les équations matricielles et analyser les polynômes caractéristiques.
Diagonalisation des matrices : Théorème spectral
Couvre le processus des matrices diagonales, en se concentrant sur les matrices symétriques et le théorème spectral.
Diagonalisation: Vecteurs et valeurs propres
Couvre la diagonalisation des matrices à l'aide de vecteurs propres et de valeurs propres.
Matrices et formes quadratiques: concepts clés de l'algèbre linéaire
Fournit un aperçu des matrices symétriques, des formes quadratiques et de leurs applications en algèbre linéaire et en analyse.
Équations linéaires : vecteurs et matrices
Couvre les équations linéaires, les vecteurs et les matrices, en explorant leurs concepts fondamentaux et leurs applications.
Diagonalisation des transformations linéaires
Couvre la diagonalisation des transformations linéaires en R^3, explorant les propriétés et les exemples.
Opérations matricielles : Systèmes linéaires et solutions
Explore les opérations matricielles, les systèmes linéaires, les solutions et la portée des vecteurs en algèbre linéaire.
Décomposition de la valeur singulière: principes fondamentaux et applications
Explore les principes fondamentaux de la décomposition de la valeur singulière, y compris les bases orthonormées et les applications pratiques.
Diagonalisation des matrices et des moindres carrés
Couvre la diagonalisation des matrices, des vecteurs propres, des cartes linéaires et de la méthode des moindres carrés.
Applications linéaires et vecteurs propres
Couvre les applications linéaires, les matrices diagonales, les vecteurs propres et les sous-espaces orthogonaux en R^n.