Régression linéaire (STT-2400)

Slides:



Advertisements
Présentations similaires
COUPE. I. PRINCIPE:. COUPE. La vue en coupe permet une représentation plus claire de l’intérieur d’une pièce ou d’un ensemble.
Advertisements

Régression linéaire (STT-2400) Section 3 Préliminaires, Partie II, La loi multinormale Version: 8 février 2007.
Géométrie Différentielle – Cubiques d'Hermite Introduction aux courbes paramétriques et à la géométrie différentielle.
Règles de nommages Eric Bleuzet Philippe Terme.
 Qu’est ce qu’une matrice diagonale ? Une matrice diagonale est une matrice carrée dont les coefficients en dehors de la diagonale principale sont nuls.
Cours COMPOSANTES DES VECTEURS Dimitri Zuchowski et Marc-Élie Lapointe.
Cours PRODUIT SCALAIRE ET CALCUL D’ANGLES Dimitri Zuchowski et Marc-Élie Lapointe.
Les PREF, DEC, et jauges outils En tournage, puis en fraisage En fraisage directement P roductique M écanique U sinage Tâche principale : La mise en œuvre.
Pierre Joli Cours de Mathématique Pierre Joli
Dimitri Zuchowski et Marc-Élie Lapointe
République Algérienne Démocratique et Populaire
Les Tableaux Mme DJEBOURI. D.
1.3 COORDONNÉES DES POINTS
Dimitri Zuchowski et Marc-Élie Lapointe
Mathématiques Mise à niveau
Lois fondamentales de l'algèbre de Boole
CHAPITRE III Hypothèses de la Résistance des Matériaux
I Définition chapitre 1 Les Matrices.
Géométrie épipolaire et reconstruction 3D
4ème cours de physique.
Etalonnage d’une caméra (on parle aussi de calibrage)
Dimitri Zuchowski et Marc-Élie Lapointe
Principes de programmation (suite)
II La colinéarité en Géométrie analytique
Chapitre 9 : Les fonctions (2)
Chapitre 7: L’algèbre des vecteurs
Racines carrées Racine carrée.
2.2 PRODUIT SCALAIRE ET CALCUL D’ANGLES
Informatique quantique
8/23/2018 2:32 AM Cinématique But :
Prof Realize par: M.R.KAFI -BAZZINE SLIMANE -AMARA AISSA -OUMAYA HAMZA
Régularité et algèbre 3.1 L’élève doit pouvoir explorer des relations : a) à partir de suites non numériques à motif croissant impliquant les notions d’aire.
3.5 Lois continues 1 cours 16.
POL1803: Analyse des techniques quantitatives
Chapitre 3 : Caractéristiques de tendance centrale
Programme financé par l’Union européenne
« Dessine-moi un vecteur »
Généralités sur les fonctions
Modélisation objet avec UML
Présentation du projet
Cycle, Cocycle, Arbre et Arborescence
Transformation linéaires
Lois de Probabilité Discrètes
Lois de Probabilité Discrètes
Produit scalaire dans le plan
Université de la méditerranée
Présentation chant: Ô Père, je suis ton enfant(Version II)
Les nombres complexes Saison 1 - Épisode 2. Les nombres complexes Saison 1 - Épisode 2.
Sera vu dans le prochain cours.
Cinématique : concepts de base
Chapitre 16 : Les fractions
chapitre 7 La colinéarité des vecteurs.
II La colinéarité en Géométrie analytique
Construire et utiliser un banc de filtres
Régimes triphasés Nikola TESLA.
Elles contiennent des informations autre que géométriques
Chapitre 3 : Notions de géométrie
GEOMETRIE VECTORIELLE
Consultance et Rationalisation
Codes cycliques Hypothèse sur V = vocabulaire source
PROGRAMMATION SCIENTIFIQUE EN C
chapitre 10 : La Géométrie dans l’Espace.
LE TORSEUR STATIQUE 1) Définition 2) Notation 3) Deux cas particuliers
Présentation des nouveaux programmes de mathématiques de première des séries technologiques Jessica Parsis.
GEOMETRIE VECTORIELLE
Les séquences au 2e cycle du secondaire
Agrandissement et réduction
Le modèle particulaire
spécialité mathématiques Première
Dérivation – Fonctions cosinus et sinus
Transcription de la présentation:

Régression linéaire (STT-2400) Section 3 Préliminaires, Partie III, Projection orthogonale et espace-colonne d’une matrice Version: 8 février 2007

STT-2400; Régression linéaire Introduction Les concepts d’algèbre linéaire présentés ici auront pour objectifs premiers la visualisation géométrique de l’analyse de régression. Soit M un sous-espace linéaire de Rn, où la dimension de M est STT-2400; Régression linéaire

Base orthonormale de Rn Soit une base orthonormale de Rn. Cette base existe et on s’arrange pour que les m premiers vecteurs forment une base de l’espace M. On note l’espace engendré par span. On a: STT-2400; Régression linéaire

STT-2400; Régression linéaire Propriété 1 (i) Si On note En effet: STT-2400; Régression linéaire

STT-2400; Régression linéaire Propriété 2 On a que: En effet, On remarque que les vecteurs de la base sont linéairement indépendants: linéairement indépendants ssi STT-2400; Régression linéaire

STT-2400; Régression linéaire Propriété 3 Tout vecteur admet une représentation unique de la forme Supposons Ainsi Or STT-2400; Régression linéaire

Projection orthogonale Définition: La projection orthogonale de sur le sous-espace M est définie par: On a que STT-2400; Régression linéaire

Projection orthogonale Définition: La projection orthogonale de sur le sous-espace est définie par: On a que STT-2400; Régression linéaire

STT-2400; Régression linéaire Propriété 3.7 (i) L’opérateur est un opérateur linéaire. (ii) L’opérateur est un opérateur idempotent: (iii) Quelque soit : STT-2400; Régression linéaire

Visuellement, on a la représentation suivante:

Définition: espace-colonne d’une matrice Définition: Soit une matrice une matrice de rang-colonne complet (c’est-à-dire que le rang(X) = p, donc que les p colonnes sont linéairement indépendantes. Posons: On définit l’espace-colonne de X, que l’on note L(X), de la manière suivante: STT-2400; Régression linéaire

STT-2400; Régression linéaire Espace-colonne On remarque que: L(X) est l’espace engendré par les colonnes de X. Une base possible de l’espace est et en fait cet espace est un sous-espace linéaire: STT-2400; Régression linéaire