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
Concept
Décomposition en valeurs singulières
Science formelle
Mathématiques
Algèbre
Algèbre linéaire
Séances de cours associées (28)
Graph Chatbot
Connectez-vous pour filtrer par séance de cours
Connectez-vous pour filtrer par séance de cours
Réinitialiser
Précédent
Page 2 sur 3
Suivant
Projections et réflexions orthogonales
Couvre l'expression analytique des projections orthogonales et des réflexions dans l'espace 2D.
Valeurs singulaires : Définitions et propriétés
Couvre le concept de valeurs singulières dans l'algèbre linéaire et leurs propriétés, y compris la diagonalisation et des exemples pratiques.
Algèbre linéaire
Couvre les bases de l'algèbre linéaire, y compris les opérations matricielles et la décomposition des valeurs singulières.
Décomposition spectrale
Explore les décompositions spectrales et singulières des valeurs des matrices.
Représentations du signal
Couvre la norme d'une matrice, d'un opérateur, de valeurs singulières et de matrices unitaires en algèbre linéaire.
Décomposition de valeur singulière: vecteurs orthogonaux et décomposition matricielle
Explique la décomposition de la valeur singulière, en se concentrant sur les vecteurs orthogonaux et la décomposition matricielle.
Transformations architecturales : Exploration spatiale
Explore les transformations architecturales optimisant la zone, le temps et le produit dans la conception de systèmes numériques.
Décomposition de la valeur singulaire
Couvre la Décomposition de la Valeur Singulière (SVD) d'une matrice et de ses applications.
Décomposition de la valeur singulière : Exemple
Explique le processus étape par étape pour trouver la décomposition de valeur singulière d'une matrice.
Décomposition de la valeur singulière : théorie et applications
Explorer la théorie de la décomposition de la valeur singulaire, les propriétés, l'unicité, l'approximation matricielle et les applications de réduction de dimensionnalité.