🐍 Python 📐 Algèbre linéaire Open source

NumAnalysis

Bibliothèque Python pour le calcul numérique et l'algèbre linéaire — conçue pour être lisible, pédagogique et sans dépendances lourdes.

GitHub Documentation ↓
example.py 
from numanalysis import Matrix

A = Matrix([
    [4, 2, 2],
    [2, 5, 3],
    [2, 3, 6]
])

# Vérification propriétés
A.is_symmetric()    # True
A.is_pos_definite() # True

# Décompositions
L, U = A.lu()
L_chol = A.cholesky()

Fonctionnalités

🔍

Vérifications matricielles

Teste si une matrice est carrée, symétrique ou définie positive — avec messages d'erreur explicites.

Voir la doc →
🔢

Décomposition LU

Factorisation A = LU avec L triangulaire inférieure à diagonale unité et U triangulaire supérieure. Pivot partiel inclus.

Voir la doc →
⬛

Décomposition Cholesky

Factorisation A = LL᷊ pour les matrices symétriques définies positives — plus efficace que LU dans ce cas.

Voir la doc →
📖

Code pédagogique

Chaque algorithme est implémenté de façon lisible et commentée, conçu pour accompagner l'apprentissage du calcul numérique.

Documentation

📋

Vérifications de matrices

Fonctions is_square(), is_symmetric(), is_pos_definite()

→
🔢

Module LU

Décomposition A = LU avec diagonale unité sur L

→
⬛

Module Cholesky

Décomposition A = LL᷊ pour matrices SDP

→

Installation

terminal 
# Cloner le dépôt
git clone https://github.com/1030minouche/numanalysis

# Utiliser directement
from numanalysis import Matrix