Introduction à l'algèbre linéaire
Un manuel complet offrant une introduction moderne à l'algèbre linéaire, couvrant les vecteurs, les matrices, les équations linéaires, les espaces vectoriels, l'orthogonalité, les déterminants et les valeurs propres, avec un accent tant sur la théorie que sur les applications.
Aperçu du cours
📚 Résumé du contenu
Un manuel complet offrant une introduction moderne à l'algèbre linéaire, couvrant les vecteurs, les matrices, les systèmes d'équations linéaires, les espaces vectoriels, l'orthogonalité, les déterminants et les valeurs propres, avec un accent tant sur la théorie que sur les applications.
Maîtrisez les fondamentaux et les applications de l'algèbre linéaire grâce au cadre intuitif et rigoureux de Gilbert Strang.
Auteur : Gilbert Strang
Remerciements : Massachusetts Institute of Technology ; Wellesley-Cambridge Press
🎯 Objectifs d'apprentissage
- Calculer des combinaisons linéaires, des produits scalaires, des longueurs de vecteurs et des angles entre vecteurs.
- Décrire les configurations géométriques (droites, plans ou volumes) formées par des ensembles de vecteurs.
- Résoudre des équations linéaires à l’aide de produits matrice-vecteur et interpréter le rôle des matrices inverses et singulières.
- Différencier la représentation par lignes (plans sécants) et la représentation par colonnes (combinaisons linéaires de vecteurs) d’un système.
- Exécuter l’élimination de Gauss pour transformer un système en forme triangulaire supérieure (U) et résoudre par substitution arrière.
- Formaliser les étapes d’élimination à l’aide de matrices élémentaires (E_{ij}) et de permutations (P_{ij}).
- Déterminer si un sous-ensemble de vecteurs satisfait les conditions d’un sous-espace.
- Effectuer une réduction par lignes pour atteindre la forme échelonnée réduite (R) et identifier le rang, les colonnes pivot et les variables libres.
- Construire la matrice du noyau N à partir des solutions spéciales et décrire la solution complète des systèmes linéaires.
- Identifier et prouver l’orthogonalité des quatre sous-espaces fondamentaux et déterminer leurs compléments orthogonaux.
Leçons 共 10 课时 · 预计 30.0h
Leçons
Lesson
This lesson introduces the fundamentals of linear algebra by defining vectors as column components and exploring how scalar multiplication and vector addition create linear combinations. Students learn how these operations form the basis for solving systems of equations and how the concept of span determines the geometric dimensions reachable by a set of vectors.
This lesson explores the dual perspectives of linear systems, contrasting the row-based geometric intersection of planes with the column-based linear combination of vectors. Students will learn to solve $Ax=b$ by interpreting matrices as linear transformations and applying elimination techniques to identify singular matrices and unique solutions.
This lesson introduces vector spaces as collections of objects that satisfy eight fundamental axioms, emphasizing the importance of the zero vector and closure under addition and scalar multiplication. It further explores the column space of a matrix, defining it as the span of its columns and explaining that a system $Ax = b$ is solvable if and only if $b$ lies within that space.
This lesson explores the geometric relationship between the four fundamental subspaces of a matrix, defining them as pairs of orthogonal complements. It further introduces the concept of least squares approximations and projections, explaining how to find the best possible solution to inconsistent systems by minimizing error.
This lesson explores the fundamental properties of determinants, focusing on the product rule, the impact of transposes, and the behavior of orthogonal matrices. It also introduces efficient computation techniques, demonstrating how Gaussian elimination and pivot products simplify the process of finding determinants for complex matrices.
This lesson explores the geometry and algebra of eigenvalues and eigenvectors, explaining how they represent the principal axes of linear transformations where a matrix acts only by scaling. Students will learn to calculate these values using the characteristic equation $\det(A - \lambda I) = 0$ and apply properties like the trace and determinant to analyze matrix behavior and system stability.
This lesson defines linear transformations as mappings that preserve vector addition and scalar multiplication, governed by the principles of additivity and homogeneity. Students learn to identify linear transformations using the "origin test," construct matrices based on how transformations affect basis vectors, and apply these concepts to geometric and algebraic problems.
This lesson explores the pseudoinverse $A^+$ as a powerful tool for solving singular or overdetermined systems, acting as a bridge between the four fundamental subspaces. It further examines the $A^TCA$ framework, demonstrating how this structure models physical equilibrium and statistical least squares by projecting vectors onto the column and row spaces of a matrix.
This lesson explores how Numerical Linear Algebra optimizes computational performance by using homogeneous coordinates to convert affine translations into matrix-vector multiplications. By unifying these operations, developers can leverage hardware-accelerated BLAS routines to process complex geometric transformations with maximum efficiency and structural integrity.
This lesson introduces complex numbers as a foundational extension of the real number system, defined by the identity $i^2 = -1$. By visualizing these numbers as vectors in the complex plane, students learn to perform algebraic operations and interpret complex values as tools for modeling physical phenomena like oscillation and rotation.