La règle de Cramer (ou méthode de Cramer) est un théorème en algèbre linéaire qui donne la solution d'un système de Cramer, c'est-à-dire un système d'équations linéaires avec autant d'équations que d'inconnues et dont le déterminant de la matrice de coefficients est non nul, sous forme de quotients de déterminants.
En calcul, la méthode est moins efficace que la méthode de résolution de Gauss pour des grands systèmes (à partir de quatre équations) dont les coefficients dans le premier membre sont explicitement donnés. Cependant, elle est d'importance théorique, car elle donne une expression explicite pour la solution du système, et elle s'applique dans des systèmes où par exemple les coefficients du premier membre dépendent de paramètres, ce qui peut rendre la méthode de Gauss inapplicable.
Elle est nommée d'après le mathématicien suisse Gabriel Cramer (1704-1752).
Le système de n équations à n inconnues, de forme générale :
est représenté sous la forme d'un produit matriciel :
où la matrice , carrée, contient les coefficients des inconnues, le vecteur colonne contient ces inconnues et le vecteur colonne contient les membres de droite des équations du système ; les coefficients et les inconnues font partie d'un même corps commutatif.
Le théorème affirme alors que le système admet une unique solution si et seulement si sa matrice est inversible (déterminant non nul), et cette solution est alors donnée par :
où est la matrice carrée formée en remplaçant la k-ième colonne de par le vecteur colonne .
Un système carré (i.e. avec autant d'équations que d'inconnues) est dit de Cramer si le déterminant de sa matrice est non nul.
Lorsque le système (toujours carré) n'est pas de Cramer (i.e. lorsque le déterminant de A est nul) :
si le déterminant d'une des matrices est non nul, alors le système n'a pas de solution ;
la réciproque est fausse : il peut arriver que le système n'ait pas de solution bien que les déterminants soient tous nuls. Un exemple en est donné par :
Pour plus de précisions, voir Théorème de Rouché-Fontené.
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.
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.
In mathematics, a square matrix is a matrix with the same number of rows and columns. An n-by-n matrix is known as a square matrix of order . Any two square matrices of the same order can be added and multiplied. Square matrices are often used to represent simple linear transformations, such as shearing or rotation. For example, if is a square matrix representing a rotation (rotation matrix) and is a column vector describing the position of a point in space, the product yields another column vector describing the position of that point after that rotation.
vignette|Il est possible d'utiliser les mineurs d'ordre 2 d'une matrice de dimension 3 pour calculer son déterminant. En algèbre linéaire, les mineurs d'une matrice sont les déterminants de ses sous-matrices carrées. Ainsi si A est une matrice de taille m par n, on appelle mineur d'ordre k le déterminant d'une sous-matrice carrée de taille k obtenue en supprimant m – k lignes et n – k colonnes de la matrice initiale, ce que l'on peut noter det A, où I ( J) est une partie à k éléments de {1, ..., m ( n)}.
In urban air mobility (UAM) networks, takeoff and landing sites, called vertiports, are likely to experience intermittent closures due to, e.g., adverse weather. To ensure safety, all in-flight urban air vehicles (UAVs) in a UAM network must therefore have ...
Automatically extracting linear structures from images is a fundamental low-level vision problem with numerous applications in different domains. Centerline detection and radial estimation are the first crucial steps in most Computer Vision pipelines aimin ...
Couvre les théorèmes d'expansion pour les déterminants et introduit la formule de Cramer.
Couvre la règle de Cramer pour résoudre des équations linéaires en utilisant des déterminants.
Explore les déterminants, l'invariance de similarité, la formule de Cramer et les interprétations géométriques dans les matrices.
The paper proposes a variant of sesqui-pushout rewriting (SqPO) that allows one to develop the theory of nested application conditions (NACs) for arbitrary rule spans; this is a considerable generalisation compared with existing results for NACs, which onl ...