vignette|Le même vecteur peut être représenté dans deux bases différentes (flèches violettes et rouges).
En mathématiques, une base d'un espace vectoriel V est une famille de vecteurs de V linéairement indépendants et dont tout vecteur de V est combinaison linéaire. En d'autres termes, une base de V est une famille libre de vecteurs de V qui engendre V.
alt=|vignette|upright=2|.
La géométrie plane, celle d'Euclide, peut comporter une approche algébrique, celle de Descartes. En utilisant les coordonnées cartésiennes, on peut identifier un vecteur du plan à un couple de réels. Par exemple, la figure montre comment placer le vecteur . On se sert alors des deux vecteurs de référence (dessinés en violet et rouge) pour le dessiner. Ainsi, tous les vecteurs du plan peuvent être exprimés de manière unique en termes de nombres vis-à-vis de deux vecteurs de référence. Ces deux vecteurs sont appelés base canonique du plan. En les notant respectivement et , un vecteur quelconque du plan s'exprime comme combinaison linéaire de ces deux vecteurs :
où et sont des nombres réels. Par exemple,
Cette écriture permet d'effectuer des calculs simplement. Par exemple, on peut additionner deux vecteurs et (où , , et sont des réels) de la façon suivante :
Cette addition a une signification géométrique. Ainsi, il existe des connexions entre géométrie et calcul algébrique.
Cette base n'est pas unique. En fait, n'importe quel couple de vecteurs du plan choisi au hasard forme une base, à condition que les deux vecteurs ne soient pas colinéaires (c'est-à-dire qu'il s'agit d'une famille libre). Les deux vecteurs peuvent alors être utilisés pour exprimer tous les autres vecteurs (c'est-à-dire qu'il s'agit d'une famille génératrice). La décomposition selon ces deux vecteurs est alors unique. La figure ci-contre montre une autre base du plan. Travailler dans d'autres bases que la base canonique permet de simplifier grandement les calculs, si la base choisie est adaptée au problème.
Cette notion de base se généralise à toute structure vectorielle.
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.
vignette|Dans un espace vectoriel, on peut additionner deux vecteurs. Par exemple, la somme du vecteur v (en bleu) et w (en rouge) est v + w. On peut aussi multiplier un vecteur, comme le vecteur w que l'on peut multiplier par 2, on obtient alors 2w et la somme devient v + 2w. En mathématiques, plus précisément en algèbre linéaire, un espace vectoriel est un ensemble d'objets, appelés vecteurs, que l'on peut additionner entre eux, et que l'on peut multiplier par un scalaire (pour les étirer ou les rétrécir, les tourner, etc.
vignette|Richard Dedekind - 1870 En algèbre, un anneau est un ensemble muni de deux lois de composition interne appelées addition et multiplication, qui vérifient des propriétés analogues à celles de ces opérations sur les entiers relatifs. Plus précisément, deux définitions sont représentées dans la littérature mathématique, selon la considération d'un élément neutre : la majorité des sources récentes définissent un « anneau » comme un anneau unitaire, avec la multiplication ayant un élément neutre ; tandis que, selon de nombreux ouvrages, la présence d'une unité multiplicative n'est pas requise, et ce type d'anneau est ailleurs dénommé pseudo-anneau.
vignette|Une photographie de David Hilbert (1862 - 1943) qui a donné son nom aux espaces dont il est question dans cet article. En mathématiques, un espace de Hilbert est un espace vectoriel réel (resp. complexe) muni d'un produit scalaire euclidien (resp. hermitien), qui permet de mesurer des longueurs et des angles et de définir une orthogonalité. De plus, un espace de Hilbert est complet, ce qui permet d'y appliquer des techniques d'analyse. Ces espaces doivent leur nom au mathématicien allemand David Hilbert.
L'objectif du cours est d'introduire les notions de base de l'algèbre linéaire et ses applications.
L'objectif du cours est d'introduire les notions de base de l'algèbre linéaire et ses applications.
This course is an introduction to linear and discrete optimization.Warning: This is a mathematics course! While much of the course will be algorithmic in nature, you will still need to be able to p
Explore les bases de l'algèbre linéaire, en mettant l'accent sur les représentations matricielles des transformations et l'importance de choisir les bases appropriées.
Explore la diagonalisation des matrices à travers des valeurs propres et des vecteurs propres, en soulignant l'importance des bases et des sous-espaces.
Couvre les bases, les dimensions, les espaces vectoriels, les générateurs de listes, les espaces de solution, les sous-espaces et les propriétés matricielles.
For a high dimensional problem, a randomized Gram-Schmidt (RGS) algorithm is beneficial in computational costs as well as numerical stability. We apply this dimension reduction technique by random sketching to Krylov subspace methods, e.g. to the generaliz ...
By juxtaposing ideas from fractal geometry and dynamical systems, Furstenberg proposed a series of conjectures in the late 1960's that explore the relationship between digit expansions with respect to multiplicatively independent bases. In this work, we in ...
Given a family of nearly commuting symmetric matrices, we consider the task of computing an orthogonal matrix that nearly diagonalizes every matrix in the family. In this paper, we propose and analyze randomized joint diagonalization (RJD) for performing t ...