Concept

Mineur (algèbre linéaire)

Résumé
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)}. On dit que le mineur est principal s'il est de la forme det A, c'est-à-dire si c'est le déterminant d'une sous-matrice de A obtenue en extrayant les lignes et colonnes de mêmes indices. Les mineurs principaux dominants ou mineurs fondamentaux (parfois simplement appelés les mineurs principaux, ce qui prête plus à confusion qu'une expression telle que « le k-ième » mineur principal) sont ceux correspondant aux parties I de la forme {1, ... , k}. Si A est une matrice carrée de taille n, les mineurs d'ordre n – 1 permettent le calcul du déterminant de A, selon la formule de Laplace. Ils sont au signe près égaux aux cofacteurs. Le rang d'une matrice est égal au plus grand ordre d'un mineur non nul de cette matrice, c'est-à-dire à l'entier r tel qu'il existe un mineur non nul d'ordre r et que tout mineur d'ordre strictement supérieur à r soit nul. Soit A une matrice inversible. Pour qu'il existe deux matrices triangulaires L (inférieure) et U (supérieure) telles que A=LU, il faut et il suffit que les mineurs principaux dominants de A soient non nuls. Si l'on impose de plus que la diagonale de L soit composée de 1 uniquement, alors cette factorisation est unique. Soit S une matrice symétrique réelle (on peut, dans le cas complexe, considérer une matrice hermitienne). Pour que S soit définie positive, il faut et il suffit que ses mineurs principaux dominants soient strictement positifs (critère de Sylvester). Les mineurs de taille m du produit AB de deux matrices se calculent au moyen des mineurs de A et ceux de B, de même taille m.
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.
Cours associés (9)
MATH-111(a): Linear Algebra
L'objectif du cours est d'introduire les notions de base de l'algèbre linéaire et ses applications.
MATH-111(e): Linear Algebra
L'objectif du cours est d'introduire les notions de base de l'algèbre linéaire et ses applications.
MATH-111(en): Linear algebra (english)
The purpose of the course is to introduce the basic notions of linear algebra and its applications.
Afficher plus
Séances de cours associées (55)
Décomposition de la valeur singulière : théorie et applications
Couvre la théorie et les applications de la décomposition de la valeur singulaire (SVD) dans l'algèbre linéaire, expliquant le concept de valeurs singulières et leur calcul.
Algèbre linéaire: opérations matricielles et bases
Explore les opérations matricielles, la détermination des rangs, les dimensions du noyau et les concepts de base en algèbre linéaire.
Changement de théorème des variables
Explore le changement de formule des variables dans les dimensions supérieures et son application à travers l'algèbre déterminante et un exemple pratique.
Afficher plus
Publications associées (20)

On maximum volume submatrices and cross approximation for symmetric semidefinite and diagonally dominant matrices

Daniel Kressner, Stefano Massei, Alice Cortinovis

The problem of finding a k x k submatrix of maximum volume of a matrix A is of interest in a variety of applications. For example, it yields a quasi-best low-rank approximation constructed from the rows and columns of A. We show that such a submatrix can a ...
ELSEVIER SCIENCE INC2020

MATHICSE Technical Report : On maximum volume submatrices and cross approximation for symmetric semidefinite and diagonally dominant matrices

Daniel Kressner, Stefano Massei, Alice Cortinovis

The problem of finding a k×kk\times k submatrix of maximum volume of a matrix A is of interest in a variety of applications. For example, it yields a quasi-best low-rank approximation constructed from the rows and columns of A. We show that such a submatrix ...
MATHICSE2019

Daylighting simulation for external Venetian blinds based on HDR sky luminance monitoring with matrix algebraic approach

Jean-Louis Scartezzini, Jérôme Henri Kämpf, Yujie Wu

An accurate daylighting simulation can potentially improve the quality of pre-planing buildings and regulating daylighting to achieve the goal of green buildings. However, standard sky models can hardly reproduce real skies in real-time for a specific loca ...
Elsevier2019
Afficher plus
Concepts associés (16)
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.
Adjugate matrix
In linear algebra, the adjugate or classical adjoint of a square matrix A is the transpose of its cofactor matrix and is denoted by adj(A). It is also occasionally known as adjunct matrix, or "adjoint", though the latter term today normally refers to a different concept, the adjoint operator which for a matrix is the conjugate transpose. The product of a matrix with its adjugate gives a diagonal matrix (entries not on the main diagonal are zero) whose diagonal entries are the determinant of the original matrix: where I is the identity matrix of the same size as A.
Règle de Cramer
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.
Afficher plus
MOOCs associés (9)
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.
Afficher plus