En géométrie, la notion d'espace affine généralise la notion d'espace issue de la géométrie euclidienne en omettant les notions d'angle et de distance. Dans un espace affine, on peut parler d'alignement, de parallélisme, de barycentre. Sous la forme qui utilise des rapports de mesures algébriques, qui est une notion affine, le théorème de Thalès et le théorème de Ceva sont des exemples de théorèmes de géométrie affine plane réelle (c'est-à-dire n'utilisant que la structure d'espace affine du plan réel). Un espace affine peut aussi être vu comme un espace vectoriel « dont on a oublié l'origine ». Ainsi les translations de vecteur non nul sont des transformations affines (c'est-à-dire qu'elles conservent la structure d'espace affine), mais pas vectorielles. Les homothéties (de centre un point quelconque de l'espace), mais aussi par exemple les transvections ou les dilatations sont des applications affines. Il est possible d'axiomatiser les espaces affines directement, en termes de points, de droites et de la relation d'incidence (appartenance) d'un point à une droite, cependant les définitions les plus usuelles d'espace affine s'appuient sur celle d'espace vectoriel sur un corps, qui est le corps des nombres réels pour la géométrie affine « classique ». Les éléments de l'espace affine sont appelés points, ceux de l'espace vectoriel associé vecteurs, et ceux du corps associé scalaires. Une opération fondamentale des espaces affines associe à deux points A et B un vecteur noté . Dans ce contexte les couples de points sont souvent appelés bipoints, un bipoint (A,B) a pour origine A, pour extrémité B et définit donc un vecteur . Une autre opération fondamentale associe à un point A et un vecteur un autre point, appelé translaté de A par , et souvent noté A + (notation de Grassmann). Ces opérations sont liées, en effet B est le translaté de A par le vecteur défini par le bipoint (A, B), en fait on aura : si et seulement si , c'est-à-dire que chacune de ces deux opérations peut se définir en fonction de l'autre.

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.
Cours associés (32)
MATH-111(e): Linear Algebra
L'objectif du cours est d'introduire les notions de base de l'algèbre linéaire et ses applications.
MATH-115(b): Advanced linear algebra II
L'objectif du cours est d'introduire les notions de base de l'algèbre linéaire et de démontrer rigoureusement les résultats principaux du sujet.
MGT-418: Convex optimization
This course introduces the theory and application of modern convex optimization from an engineering perspective.
Afficher plus
Séances de cours associées (134)
Algèbre linéaire de base
Couvre les bases de l'algèbre linéaire, en mettant l'accent sur l'identification des sous-espaces à travers des propriétés clés.
Espaces vectoriaux : propriétés et opérations
Couvre les propriétés et les opérations des espaces vectoriels, y compris l'addition et la multiplication scalaire.
Augmentation des données : Deep Learning
Explore l'augmentation des données en tant que méthode de régularisation clé dans l'apprentissage en profondeur, couvrant des techniques telles que les traductions, les rotations et le transfert de style artistique.
Afficher plus
Publications associées (115)

Inverse design of metal-organic frameworks for direct air capture of CO2via deep reinforcement learning

Berend Smit, Xiaoqi Zhang, Sauradeep Majumdar, Hyunsoo Park

The combination of several interesting characteristics makes metal-organic frameworks (MOFs) a highly sought-after class of nanomaterials for a broad range of applications like gas storage and separation, catalysis, drug delivery, and so on. However, the e ...
Royal Soc Chemistry2024

Fast parametric analysis of trimmed multi-patch isogeometric Kirchhoff-Love shells using a local reduced basis method

Annalisa Buffa, Pablo Antolin Sanchez, Margarita Chasapi

This contribution presents a model order reduction framework for real-time efficient solution of trimmed, multi-patch isogeometric Kirchhoff-Love shells. In several scenarios, such as design and shape optimization, multiple simulations need to be performed ...
2023

Non-intrusive data-driven reduced-order modeling for time-dependent parametrized problems

Jan Sickmann Hesthaven, Junming Duan

Reduced-order models are indispensable for multi-query or real-time problems. However, there are still many challenges to constructing efficient ROMs for time-dependent parametrized problems. Using a linear reduced space is inefficient for time-dependent n ...
San Diego2023
Afficher plus
Concepts associés (42)
Géométrie
La géométrie est à l'origine la branche des mathématiques étudiant les figures du plan et de l'espace (géométrie euclidienne). Depuis la fin du , la géométrie étudie également les figures appartenant à d'autres types d'espaces (géométrie projective, géométrie non euclidienne ). Depuis le début du , certaines méthodes d'étude de figures de ces espaces se sont transformées en branches autonomes des mathématiques : topologie, géométrie différentielle et géométrie algébrique.
Sous-espace vectoriel engendré
Dans un espace vectoriel E, le sous-espace vectoriel engendré par une partie A de E est le plus petit sous-espace vectoriel de E contenant A. C'est aussi l'ensemble des combinaisons linéaires de vecteurs de A. Le sous-espace vectoriel engendré par une famille de vecteurs est le plus petit sous-espace contenant tous les vecteurs de cette famille. Une famille de vecteurs ou une partie est dite génératrice de E si le sous-espace qu'elle engendre est l'espace entier E.
Hyperplan
En mathématiques et plus particulièrement en algèbre linéaire et géométrie, les hyperplans d'un espace vectoriel E de dimension quelconque sont la généralisation des plans vectoriels d'un espace de dimension 3 : ce sont les sous-espaces vectoriels de codimension 1 dans E. Si E est de dimension finie n non nulle, ses hyperplans sont donc ses sous-espaces de dimension n – 1 : par exemple l'espace nul dans une droite vectorielle, une droite vectorielle dans un plan vectoriel Soient E un espace vectoriel et H un sous-espace.
Afficher plus
MOOCs associés (10)
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.
Afficher plus

Graph Chatbot

Chattez avec Graph Search

Posez n’importe quelle question sur les cours, conférences, exercices, recherches, actualités, etc. de l’EPFL ou essayez les exemples de questions ci-dessous.

AVERTISSEMENT : Le chatbot Graph n'est pas programmé pour fournir des réponses explicites ou catégoriques à vos questions. Il transforme plutôt vos questions en demandes API qui sont distribuées aux différents services informatiques officiellement administrés par l'EPFL. Son but est uniquement de collecter et de recommander des références pertinentes à des contenus que vous pouvez explorer pour vous aider à répondre à vos questions.