EdX

Algèbre Linéaire (Partie 2) (edX)

Algèbre Linéaire (Partie 2) (edX)

Un MOOC francophone d'algèbre linéaire accessible à tous, enseigné de manière rigoureuse et ne nécessitant aucun prérequis. Vous voulez apprendre l'algèbre linéaire, un précieux outil complémentaire à vos connaissances acquises durant vos études en économie, ingénierie, physique, ou statistique? Ou simplement pour la beauté de la matière? Alors ce cours est fait pour vous!

Class Deals by MOOC List - Click here and see EdX's Active Discounts, Deals, and Promo Codes.

Outre remplir le rôle d'outil dans les différentes branches mentionnées ci-dessus (permettant la résolution de problèmes concrets), l'algèbre linéaire, qui capture l'essence des mathématiques -à savoir, l'algèbre et la géométrie- vous introduira au monde plus abstrait des mathématiques.
Proposé comme complément de cours aux ingénieurs de première année à l'Ecole Polytechnique Fédérale de Lausanne, ce MOOC (composé de trois parties) n'en est pas moins un cours à part entière et peut être considéré comme une base solide d'algèbre linéaire pour tout étudiant intéressé par l'apprentissage de cette matière.
Bien que les vidéos constituent le coeur du cours, des exercices de type QCM (Questions à choix multiples) ainsi que des séries au format PDF seront disponibles chaque semaine, ainsi que des corrigés appropriés. Plus précisément, les séries d'exercices seront accompagnées d'un corrigé au format PDF et certains problèmes bénéficieront d'une correction détaillée en vidéo, dans laquelle l'un des enseignants présentera la solution, étape par étape. Finalement, chaque vidéo de cours sera suivie d'un quiz, dont le but est de tester le degré d’assimilation des connaissances acquises.
Le cours est organisé en dix chapitres dans lesquels une approche très détaillée des concepts théoriques est proposée, ainsi que de multiples exemples illustratifs :

  1. Systèmes d'équations linéaires.
  2. Algèbre matricielle.
  3. Espaces vectoriels.
  4. Bases et dimensions.
  5. Applications linéaires.
  6. Matrices et applications linéaires.
  7. Déterminants.
  8. Vecteurs propres, valeurs propres, diagonalisation.
  9. Produits scalaires et espaces euclidiens.
  10. Matrices orthogonales et matrices symétriques.

Cette deuxième partie du cours sera dévouée à l'étude des chapitres 5 à 8 cités plus haut. Une bonne connaissance de la matière enseignée dans le MOOC Algèbre Linéaire (Partie 1) est requise. Aussi, il est conseillé de travailler régulièrement et de manière assidue, de façon à ne pas prendre de retard lors de l'apprentissage de la matière.
A la fin du cours, l'étudiant sera capable:

  • de définir les concepts théoriques introduits en cours et d'en donner des exemples illustratifs ;
  • de reconnaître une application linéaire et de définir les notions de base associées à un tel objet (e.g. noyau, image) ;
  • d’étudier les applications linéaires d'espaces vectoriels de dimension finie à l'aide des représentations matricielles ;
  • de calculer le déterminant d'une matrice donnée et d'utiliser les propriétés de cet objet à bon escient ;
  • de maîtriser les notions relatives à la diagonalisation (e.g. valeurs/vecteurs/espaces propres, multiplicité algèbrique/géométrique, polynôme caractéristique) ;
  • de déterminer si un opérateur linéaire donné est diagonalisable ou non ;
  • d’appliquer la méthode de diagonalisation à un opérateur linéaire donné.
Go to Class
MOOC List is learner-supported. When you buy through links on our site, we may earn an affiliate commission.

Related Courses

Mathematical understanding of uncertainty (edX) EdX
Seoul National University,SNUx

Mathematical understanding of uncertainty (edX)

This lecture series discusses how the concept of probability can be used to handle, control, and exploit uncertainty in the real-world. It is an undergraduate-level lecture series on probability, but is entirely different from the usual courses on probability theory. The lectures cover the basics of probability theory including the relevant mathematics, but instead of focusing on mathematics, the lectures explain how probability theory can help understand real-world uncertainty using various examples.

Self Paced
Self-Paced
Calculus II: Multivariable Functions (edX) EdX
Delft University of Technology,DelftX

Calculus II: Multivariable Functions (edX)

This course provides an overview of bachelor-level calculus of multivariable functions (Calculus II). You will review many basic concepts related to differentiation and integration of multivariable functions. A strong foundation in mathematics is critical for success in all science and engineering disciplines. Whether you want to make a strong start to a master’s degree, prepare for more advanced courses, solidify your knowledge in a professional context or simply brush up on fundamentals, this course will get you up to speed.

Self Paced
Self-Paced
Linear Algebra I: Vectors and Linear Equations (edX) EdX
Delft University of Technology,DelftX

Linear Algebra I: Vectors and Linear Equations (edX)

This course provides an overview of bachelor-level linear algebra. You will review all the concepts and practice and refresh the skills related to vectors and linear equations. A strong foundation in mathematics is critical for success in all science and engineering disciplines. Whether you want to make a strong start to a master’s degree, prepare for more advanced courses, solidify your knowledge in a professional context or simply brush up on fundamentals, this course will get you up to speed.

Self Paced
Self-Paced
Advanced Linear Algebra: Foundations to Frontiers (edX) EdX
University of Texas at Austin,UTAustinX

Advanced Linear Algebra: Foundations to Frontiers (edX)

Learn advanced linear algebra for computing. Linear algebra is one of the fundamental tools for computational and data scientists. In Advanced Linear Algebra: Foundations to Frontiers (ALAFF), you will build your knowledge, understanding, and skills in linear algebra, practical algorithms for matrix computations, and the analysis of the effects of floating-point arithmetic as performed by computers.

Self Paced
Self-Paced
Aplicaciones de la Teoría de Grafos a la vida real (I) (edX) EdX
Universitat Politècnica de València,UPValenciaX

Aplicaciones de la Teoría de Grafos a la vida real (I) (edX)

Aprenderemos a modelizar problemas del mundo real mediante su representación con grafos y a resolverlos mediante sus algoritmos asociados. Este curso trata la Teoría de Grafos desde el punto de vista de la modelización, lo que nos permitirá con posterioridad resolver muchos problemas de diversa índole. Presentaremos ejemplos de los distintos problemas en un contexto real, analizaremos la representación de éstos mediante grafos y veremos los algoritmos necesarios para resolverlos.

Self Paced
Self-Paced
MathTrackX: Differential Calculus (edX) EdX
University of Adelaide,AdelaideX

MathTrackX: Differential Calculus (edX)

Discover concepts and techniques relating to differentiation and how they can be applied to solve real world problems. This course will cover basic concepts and techniques relating to differentiation; a fundamental tool of calculus. Derivatives are key to the understanding of rates of change, that is the extent to which a function responds to changes in a dependent variable.

Self Paced
Self-Paced
Métodos numéricos para matemáticas con Octave (edX) EdX
Universitat Politècnica de València,UPValenciaX

Métodos numéricos para matemáticas con Octave (edX)

En este curso en línea se hace una introducción a diferentes temas relacionados con la resolución numérica de ecuaciones diferenciales ordinarias. En este curso de matemáticas se desarrollaran aspectos básicos relacionados con la resolución numérica de problemas de valor inicial asociados a ecuaciones diferenciales ordinarias, tanto desde un punto de vista teórico como práctico, haciendo uso del programa Octave para resolver distintos ejercicios relacionados.

Self Paced
Self-Paced
MathTrackX: Probability (edX) EdX
University of Adelaide,AdelaideX

MathTrackX: Probability (edX)

Understand probability and how it manifests in the world around us. This course introduces probability and how it manifests in the world around us. Beginning with discrete random variables, together with their uses in modelling random processes involving chance and variation, you will start to uncover the framework for statistical inference.

Self Paced
Self-Paced