Indépendance linéaire | EPFL Graph Search

Êtes-vous un étudiant de l'EPFL à la recherche d'un projet de semestre?

Travaillez avec nous sur des projets en science des données et en visualisation, et déployez votre projet sous forme d'application sur GraphSearch.

Découvrez-en plus sur les applications Graph.

En algèbre linéaire, étant donné une famille de vecteurs d'un même espace vectoriel, les vecteurs de la famille sont linéairement indépendants, ou forment une famille libre, si la seule combinaison linéaire de ces vecteurs qui soit égale au vecteur nul est celle dont tous les coefficients sont nuls. Cela revient à dire qu'aucun des vecteurs de la famille n'est combinaison linéaire des autres. Dans le cas où des vecteurs ne sont pas linéairement indépendants, on dit qu'ils sont linéairement dépendants, ou qu'ils forment une famille liée. Soient E un espace vectoriel et K son corps des scalaires. Une famille (finie ou infinie) de vecteurs de E est dite libre, ou encore, la famille est constituée de vecteurs , si la seule combinaison linéaire des vecteurs égale au vecteur nul 0 est celle dont tous les coefficients sont nuls (autrement dit : si toute combinaison linéaire des à coefficients non tous nuls est différente du vecteur nul). Lorsqu'il s'agit d'une famille finie , cette condition s'écrit : Lorsque la famille est quelconque (finie ou pas), la condition s'écrit :où un élément de K est une famille, indexée par I, de scalaires tous nuls sauf un nombre fini. Dans le cas contraire, les vecteurs sont dits linéairement dépendants, ou encore la famille est dite liée. Ainsi, est une famille de vecteurs liée s'il existe une famille d'éléments de K tous nuls sauf un nombre fini non nul, telle que À partir des notions de famille libre ou liée, on définit celles de partie libre ou liée : une partie A de E est dite libre (resp. liée) si la famille l'est. Dans l'espace vectoriel R, les trois vecteurs (2, –1, 1), (1, 0, 1) et (3, –1, 2) forment une famille liée car (2, –1, 1) + (1, 0, 1) – (3, –1, 2) = (0, 0, 0). Dans l'espace vectoriel R, les trois vecteurs (4, 2, 1, 3), (2, 0, 3, 0) et (6, 2, 4, –3) sont linéairement indépendants car leurs coordonnées, disposées en colonnes juxtaposées, forment une matrice dont le rang est égal au nombre de vecteurs. En effet le 3-mineur est non nul donc le rang de la matrice est 3.

À propos de ce résultat

Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.

Publications associées (3)

Personnes associées (1)

Concepts associés (35)

Cours associés (193)

Séances de cours associées (1 000)

MOOCs associés (21)

Scalaire (mathématiques)

En algèbre linéaire, les nombres réels qui multiplient les vecteurs dans un espace vectoriel sont appelés des scalaires. Cette multiplication par un scalaire, qui permet de multiplier un vecteur par un nombre pour produire un vecteur, correspond à la loi externe de l'espace vectoriel. Plus généralement, dans un K-espace vectoriel, les scalaires sont les éléments de K, où K peut être l'ensemble des nombres complexes ou n'importe quel autre corps.

Indépendance linéaire

Matrice (mathématiques)

thumb|upright=1.5 En mathématiques, les matrices sont des tableaux d'éléments (nombres, caractères) qui servent à interpréter en termes calculatoires, et donc opérationnels, les résultats théoriques de l'algèbre linéaire et même de l'algèbre bilinéaire. Toutes les disciplines étudiant des phénomènes linéaires utilisent les matrices. Quant aux phénomènes non linéaires, on en donne souvent des approximations linéaires, comme en optique géométrique avec les approximations de Gauss.

A counterexample to the local-global principle of linear dependence for Abelian varieties

Antonella Perucca

Let A be an Abelian variety defined over a number field k. Let P be a point in A(k) and let X be a subgroup of A(k). Gajda and Kowalski asked in 2002 whether it is true that the point P belongs to X i

2010

Un modèle factoriel dynamique pour séries temporelles

Andrei Zenide

This work deals with factorial models for multiple time series. Its core content puts it at the interface between statistics and finance. After a brief description of the historical link between the t

EPFL2004

Low computational cost illumination invariant change detection for video surveillance by linear independence

Emrullah Durucan

EPFL2002

Algèbre Linéaire (Partie 1)

Un MOOC francophone d'algèbre linéaire accessible à tous, enseigné de manière rigoureuse et ne nécessitant aucun prérequis.

Algèbre Linéaire (Partie 1)

Un MOOC francophone d'algèbre linéaire accessible à tous, enseigné de manière rigoureuse et ne nécessitant aucun prérequis.

Algèbre Linéaire (Partie 2)

Un MOOC francophone d'algèbre linéaire accessible à tous, enseigné de manière rigoureuse et ne nécessitant aucun prérequis.

Singular cohomology is defined by dualizing the singular chain complex for spaces. We will study its basic properties, see how it acquires a multiplicative structure and becomes a graded commutative a

L'objectif du cours est d'introduire les notions de base de l'algèbre linéaire et ses applications.

Explore la similarité de la matrice, la diagonalisation, les polynômes caractéristiques, les valeurs propres et les vecteurs propres dans l'algèbre linéaire.

Fondements linéaires de l'algèbre

Introduit des concepts fondamentaux d'algèbre linéaire tels que les équations, les matrices et les déterminants.

Diagonalisation des matrices

Explore la diagonalisation des matrices à travers des valeurs propres et des vecteurs propres, en soulignant l'importance des bases et des sous-espaces.