deletions | additions       diff --git a/introduction.tex b/introduction.tex  index f90eb47..73b080f 100644  --- a/introduction.tex  +++ b/introduction.tex 
...
L'analyse en composante principale est une méthode statistiquement optimale de reduction de dimension, consistant à maximiser la variation (quantifiée le plus souvent par la variance) des données dans le sous-espace image de la projection.   En considérant des données sous la forme d'une matrice \textit{X}, on cherche alors à obtenir \textit{E} la matrice dont les colonnes sont les vecteurs propres de la matrice de covariance \textit{XX^T} \textit{XX^T}.   On a donc :   \verb|XX^T = E\Lamnda E^T|  PCA  Images et Textes