Matrice (mathématiques) | EPFL Graph Search

Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?

Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur GraphSearch.

Découvrez-en plus sur les applications Graph.

thumb|upright=1.5 En mathématiques, les matrices sont des tableaux d'éléments (nombres, caractères) qui servent à interpréter en termes calculatoires, et donc opérationnels, les résultats théoriques de l'algèbre linéaire et même de l'algèbre bilinéaire. Toutes les disciplines étudiant des phénomènes linéaires utilisent les matrices. Quant aux phénomènes non linéaires, on en donne souvent des approximations linéaires, comme en optique géométrique avec les approximations de Gauss. Bien que le calcul matriciel proprement dit n'apparaisse qu'au début du , les matrices, en tant que tableaux de nombres, ont une longue histoire d'applications à la résolution d'équations linéaires. Le texte chinois Les Neuf Chapitres sur l'art mathématique, écrit vers le , est le premier exemple connu de l'utilisation de tableaux pour résoudre des systèmes d'équations, introduisant même le concept de déterminant. En 1545, Jérôme Cardan fait connaître cette méthode en Europe en publiant son Ars Magna. Le mathématicien japonais Seki Kōwa utilise indépendamment les mêmes techniques pour résoudre des systèmes d'équations en 1683. Aux Pays-Bas, Johan de Witt représente des transformations géométriques à l'aide de tableaux dans son livre de 1659, Elementa curvarum linearum. Entre 1700 et 1710, Leibniz montre comment utiliser les tableaux pour noter des données ou des solutions, et expérimente plus de 50 systèmes de tableaux à cet effet. En 1750, Gabriel Cramer publie la règle qui porte son nom. En 1850, le terme de « matrix » (qui sera traduit par matrice) est forgé (sur la racine latine mater) par James Joseph Sylvester, qui le voit comme un objet donnant naissance à la famille de déterminants actuellement appelés mineurs, c'est-à-dire les déterminants des sous-matrices obtenues en retirant des lignes et des colonnes. Dans un article de 1851, Sylvester précise : « Dans des articles antérieurs, j'ai appelé matrix un tableau rectangulaire de termes à partir desquels plusieurs systèmes de déterminants peuvent être engendrés, comme issus des entrailles d'un parent commun ».

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.

Publications associées (36)

Personnes associées (57)

Unités associées (1)

Concepts associés (505)

Cours associés (259)

Séances de cours associées (1 000)

MOOCs associés (24)

Iterative refinement of Schur decompositions

Daniel Kressner, Zvonimir Bujanovic

The Schur decomposition of a square matrix A is an important intermediate step of state-of-the-art numerical algorithms for addressing eigenvalue problems, matrix functions, and matrix equations. This

SPRINGER2022

Fast deterministic and randomized algorithms for low-rank approximation, matrix functions, and trace estimation

Alice Cortinovis

In this thesis we propose and analyze algorithms for some numerical linear algebra tasks: finding low-rank approximations of matrices, computing matrix functions, and estimating the trace of matrices.

EPFL2022

Functionalization of polymer optical fibers for medical application

Jialuo Luo

The increasing challenges caused by the growing and aging population and the fast pace of life are calling for a change of our current medical care system towards being rapid, easy, and on-demand self

EPFL2022

Algèbre Linéaire (Partie 1)

Un MOOC francophone d'algèbre linéaire accessible à tous, enseigné de manière rigoureuse et ne nécessitant aucun prérequis.

Algèbre Linéaire (Partie 1)

Un MOOC francophone d'algèbre linéaire accessible à tous, enseigné de manière rigoureuse et ne nécessitant aucun prérequis.

Algèbre Linéaire (Partie 2)

Un MOOC francophone d'algèbre linéaire accessible à tous, enseigné de manière rigoureuse et ne nécessitant aucun prérequis.

Involution (mathématiques)

En mathématiques, une involution est une application bijective qui est sa propre réciproque, c'est-à-dire par laquelle chaque élément est l'image de son image. C'est le cas par exemple du changement de signe dans l'ensemble des nombres réels, ou des symétries du plan ou de l'espace en géométrie euclidienne. En algèbre linéaire, les endomorphismes involutifs sont d'ailleurs appelés symétries. Des involutions apparaissent dans de nombreux domaines des mathématiques, notamment en combinatoire et en topologie.

Espace vectoriel

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.

Arthur Cayley

Arthur Cayley ( - ) est un mathématicien britannique. Il fait partie des fondateurs de l'école britannique moderne de mathématiques pures. C'est à la faveur d'une visite estivale de ses parents, Henry Cayley (1768-1850) et Maria Antonia Doughty (1794-1875), qui résident alors en Russie, à Saint-Pétersbourg, qu'Arthur Cayley naît en Angleterre, à Richmond, comté de Surrey, plus précisément. La famille paternelle d'Arthur est originaire de Normandie, un aïeul , Osborne de Cailly, ayant été l'un des seigneurs engagés dans l'invasion normande de l'Angleterre en 1066.

CIVIL-210: Fluids mechanics (For GC)

Ce cours est une première introduction à la mécanique des fluides. On aborde tout d'abord les propriétés physiques des fluides et quelques principes fondamentaux de la physique, dont ceux de conservat

CS-439: Optimization for machine learning

This course teaches an overview of modern optimization methods, for applications in machine learning and data science. In particular, scalability of algorithms to large datasets will be discussed in t

MATH-206: Analysis IV

Donner une introduction aux concepts, méthodes et techniques de l'intégrale de Lebesgue, de l'analyse dans des espaces vectoriels de dimension infinie et de la théorie des opérateurs.

Matrices diagonalizables et décomposition spectrale

Couvre les matrices diagonales, les matrices symétriques et la décomposition spectrale.

SVD: Décomposition de la valeur singulaire MATH-212: Analyse numérique et optimisation

Couvre le concept de Décomposition de Valeur Singulaire (SVD) pour compresser l'information dans les matrices et les images.

Dynamique des systèmes de puissance EE-470: Power systems dynamics

Couvre la stabilité transitoire, l'analyse du flux de puissance et les méthodes de flux de charge dans les systèmes électriques.