En algèbre linéaire :
le rang d'une famille de vecteurs est la dimension du sous-espace vectoriel engendré par cette famille. Par exemple, pour une famille de vecteurs linéairement indépendants, son rang est le nombre de vecteurs ;
le rang d'une application linéaire de dans est la dimension de son , qui est un sous-espace vectoriel de . Le théorème du rang relie la dimension de , la dimension du noyau de et le rang de ;
le rang d'une matrice est le rang de l'application linéaire qu'elle représente, ou encore le rang de la famille de ses vecteurs colonnes ;
le rang d'un système d'équations linéaires est le nombre d'équations que compte tout système échelonné équivalent. Il est égal au rang de la matrice des coefficients du système.
Le rang d'une matrice (dont les coefficients appartiennent à un corps commutatif de scalaires, ), noté , est :
le nombre maximal de vecteurs lignes (ou colonnes) linéairement indépendants ;
la dimension du sous-espace vectoriel engendré par les vecteurs lignes (ou colonnes) de ;
le plus grand des ordres des matrices carrées inversibles extraites de ;
le plus grand des ordres des mineurs non nuls de ;
la plus petite des tailles des matrices et dont le produit est égal à .
Tous ces nombres sont bien égaux.
On peut déterminer le rang en procédant à une élimination via la méthode de Gauss-Jordan et en examinant la forme échelonnée obtenue de cette manière.
Soit la matrice suivante :
On appelle les vecteurs formés par les quatre lignes de .
On voit que la est le double de la première ligne, donc le rang de est égal à celui de la famille .
On remarque aussi que la peut être formée en additionnant les lignes 1 et 3 (c'est-à-dire ). Donc le rang de est égal à celui de .
Les lignes 1 et 3 sont linéairement indépendantes (c'est-à-dire non proportionnelles). Donc est de rang 2.
Finalement, le rang de est 2.
Une autre manière est de calculer une forme échelonnée de cette matrice. Cette nouvelle matrice a le même rang que la matrice originale, et le rang correspond au nombre de ses lignes qui sont non nulles.
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.
We prove an identity relating the permanent of a rank 2 matrix and the determinants of its Hadamard powers. When viewed in the right way, the resulting formula looks strikingly similar to an identity
In the present thesis we study the geometry of the moduli spaces of Bradlow-Higgs triples on a smooth projective curve C. There is a family of stability conditions for triples that depends on a positi
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 : le rang d'une famille de vecteurs est la dimension du sous-espace vectoriel engendré par cette famille. Par exemple, pour une famille de vecteurs linéairement indépendants, son rang est le nombre de vecteurs ; le rang d'une application linéaire de dans est la dimension de son , qui est un sous-espace vectoriel de . Le théorème du rang relie la dimension de , la dimension du noyau de et le rang de ; le rang d'une matrice est le rang de l'application linéaire qu'elle représente, ou encore le rang de la famille de ses vecteurs colonnes ; le rang d'un système d'équations linéaires est le nombre d'équations que compte tout système échelonné équivalent.
En mathématiques et plus particulièrement en algèbre linéaire, une matrice inversible (ou régulière ou encore non singulière) est une matrice carrée A pour laquelle il existe une matrice B de même taille n avec laquelle les produits AB et BA sont égaux à la matrice identité. Dans ce cas la matrice B est unique, appelée matrice inverse de A et notée B = A. Cette définition correspond à celle d’élément inversible pour la multiplication dans l’anneau des matrices carrées associé.
Machine learning and data analysis are becoming increasingly central in many sciences and applications. In this course, fundamental principles and methods of machine learning will be introduced, analy
Explore la similarité de la matrice, la diagonalisation, les polynômes caractéristiques, les valeurs propres et les vecteurs propres dans l'algèbre linéaire.
Couvre les bases, les dimensions, les espaces vectoriels, les générateurs de listes, les espaces de solution, les sous-espaces et les propriétés matricielles.