Système d'équations linéaires

En mathématiques et particulièrement en algèbre linéaire, un système d'équations linéaires est un système d'équations constitué d'équations linéaires qui portent sur les mêmes inconnues. Par exemple : Le problème est de trouver les valeurs des inconnues , et qui satisfassent les trois équations simultanément. La résolution des systèmes d'équations linéaires appartient aux problèmes les plus anciens dans les mathématiques et ceux-ci apparaissent dans beaucoup de domaines, comme en traitement numérique du signal, en optimisation linéaire, ou dans l'approximation de problèmes non linéaires en analyse numérique. Un moyen efficace de résoudre un système d'équations linéaires est donné par l'élimination de Gauss-Jordan ou par la décomposition de Cholesky ou encore par la décomposition LU. Dans les cas simples, la règle de Cramer peut également être appliquée. En général, un système de m équations linéaires à n inconnues peut être écrit sous la forme suivante : Où sont les inconnues et les nombres sont les coefficients du système. Exemple Un système de 2 équations linéaires à 2 inconnues est un système de la forme Résoudre , c'est trouver toutes les valeurs qu'il faut donner à chaque inconnue en même temps pour que toutes les égalités soient vraies. Un système d'équations linéaires peut aussi s'écrire sous la forme matricielle : avec : Un système de la forme : est appelé système d'équations linéaires homogènes. Tous les systèmes homogènes admettent au moins une solution : Cette solution est la solution nulle ou triviale. Si le corps est infini (comme c'est le cas pour les nombres réels et pour les nombres complexes) alors seulement les trois cas suivants sont possibles pour n'importe quel système donné d'équations linéaires à n inconnues : le système n'a pas de solution (pour un système homogène, ce cas est impossible) ; le système a un unique n-uplet solution ; le système a une infinité de n-uplets solutions (pour un système homogène comportant strictement moins de n équations, on est toujours dans ce ).

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 (7)

Personnes associées (3)

Concepts associés (85)

Cours associés (152)

Séances de cours associées (1 000)

MOOCs associés (19)

Large Steps in Inverse Rendering of Geometry

Wenzel Alban Jakob, Baptiste Alexandre Marie Philippe Claude Nicolet

Inverse reconstruction from images is a central problem in many scientific and engineering disciplines. Recent progress on differentiable rendering has led to methods that can efficiently differentiat

ASSOC COMPUTING MACHINERY2021

MATHICSE Technical Report: Block Krylov subspace methods for functions of matrices II: Modified block FOM

Kathryn Dianne Lund

We analyze an expansion of the generalized block Krylov subspace framework of [Electron.\ Trans.\ Numer.\ Anal., 47 (2017), pp. 100-126]. This expansion allows the use of low-rank modifications of the

MATHICSE2019

Localization of inexpensive robots with low-bandwidth sensors

Francesco Mondada, Stéphane Magnenat, Ming Liu, Shiling Wang

Recent progress in electronics has allowed the construction of affordable mobile robots. This opens many new opportunities, in particular in the context of collective robotics. However, while several

SPRINGER INTERNATIONAL PUBLISHING AG2019

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

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.

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.

MATH-111(e): Linear Algebra

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

MATH-106(e): Analysis II

Étudier les concepts fondamentaux d'analyse et le calcul différentiel et intégral des fonctions réelles de plusieurs variables.

MATH-251(c): Numerical analysis

Le cours présente des méthodes numériques pour la résolution de problèmes mathématiques comme des systèmes d'équations linéaires ou non linéaires, approximation de fonctions, intégration et dérivation

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

Diagonalisation des matrices

Explore la diagonalisation des matrices à l'aide de vecteurs propres et de valeurs propres.

Analyse numérique des équations différentielles ordinaires

Couvre les méthodes numériques pour les ODE, la stabilité et les schémas de différences finies.