Algèbre linéaire : applications et algorithmes

Séances de cours associées (26)

Page 1 sur 3

Explique la construction de U, la vérification des résultats et l'interprétation de SVD dans la décomposition matricielle.

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

Couvre la méthode de factorisation QR appliquée à la résolution d'un système d'équations linéaires au sens des moindres carrés.

Couvre la construction d'une méthode itérative pour les systèmes linéaires, en mettant l'accent sur la décomposition matricielle et la convexité.

Explore la décomposition de la valeur singulaire, l'approximation de bas rang, les sous-espaces fondamentaux et les normes matricielles.

Couvre en détail la décomposition de la valeur singulière (SVD), y compris les propriétés des matrices et la linéarité du système.

Explore la méthode de factorisation Cholesky pour les matrices déterminées symétriques positives.

Couvre les méthodes directes pour résoudre des systèmes linéaires en analyse numérique.

Explore les décompositions spectrales et singulières des valeurs des matrices.

Couvre les systèmes linéaires, les matrices diagonales et triangulaires, et la factorisation de LU.