Rang en algèbre linéaire RANG EN ALGEBRE LINEAIRE (ON SE LIMITERA A DES E.V. DE DIMENSION FINIE) Soient E et F deux K espaces vectoriels de dimension finie. 1) Rang d'une famille de vecteurs, rang d'une application linéaire définition (rang d'une famille de vecteurs) Soit x = ( xi ) i∈I une famille d'éléments de E. La dimension du sous espace engendré par x est appelée rang de x, noté rg (x) . définition (rang d'une application linéaire) Soit u une application linéaire de E dans F. F étant de dimension finie, Im(u) l'est également. On appelle rang de u, noté rg (u ) , le nombre dim(Im(u )) . théorème du rang Soit u une application linéaire de E dans F. Alors dim( Ker (u )) + dim(Im(u )) = dim( E ) . démonstration Soit n = dim(E ) . Ker (u ) est de dimension finie p ( p ≤ n) . Notons (ei )1≤i≤ p une base de Ker (u ) . Alors (ei )1≤i≤ p est une famille libre de E. D'après le théorème de la base incomplète, il existe e p +1 , ..., en éléments de E tel que (ei )1≤i≤n soit une base de E. montrons que (u (ei ) ) p +1≤i≤n est une base de Im(u ) • C'est une famille libre : Soit (α i ) p +1≤i≤n des éléments de K tels que n ∑ α u (e ) = 0 . i = p +1 i i n Alors u ( ∑ α i ei ) = 0 i = p +1 n Donc ∑ α e ∈ Ker (u ) i = p +1 i i donc ∃ (α i )1≤i≤ p ∈ K p , p donc n ∑α e − ∑α e i =1 i i i = p +1 i i n p i = p +1 i =1 ∑ α i ei = ∑ α i ei =0 donc tous les α i sont nuls (car (ei )1≤i≤n est une base de E). donc (u (ei ) ) p +1≤i≤n est libre. • C'est une famille génératrice : Soit y ∈ F . Il existe x ∈ E tel que y = u (x) . © S. DUCHET - www.epsilon2000.fr.st 1/5 Rang en algèbre linéaire n ⎛ n ⎞ ∃ (α i )1≤i≤n ∈ K n , x = ∑ α i ei . Alors y = u⎜ ∑ α i ei ⎟ . i =1 ⎝ i =1 ⎠ n Donc y = ∑ α i u (ei ) (linéarité de u) i =1 p donc y = ∑ α i u (ei ) + i =1 donc y = n ∑ α u (e ) i = p +1 i i n ∑ α u (e ) car pour 1 ≤ i ≤ p, e ∈ Ker (u ) i = p +1 i i i donc (u (ei ) ) p +1≤i≤n est une famille génératrice. proposition E, F et G sont des K espaces vectoriels. u est une application linéaire de E dans F. v est une application linéaire de F dans G. Alors rg (u ) = rg (v D u ) − dim( Ker (v) ∩ Im(u )) . démonstration Soit f la restriction de v à Im(u). f est linéaire de Im(u) dans G donc, dim( Ker ( f )) + dim(Im( f )) = dim(Im(u )) . Or, dim(Im( f )) = rg (v D u ) car Im(v D u ) = v(Im(u )) . Donc : rg (u ) = rg (v D u ) − dim( Ker ( f )) = rg (v D u ) − dim( Ker (v) ∩ Im(u )) car Ker ( f ) = Ker (v) ∩ Im(u ) . d'après le théorème du rang, proposition E, F et G désignent des K espaces vectoriels, u une application linéaire de E dans F, v une application linéaire de F dans G. Alors : (i) rg (v D u ) ≤ min(rg (u ), rg (v)) (ii) Si u est bijective, alors rg (v D u ) = rg (v) (iii) Si v est bijective, alors rg (v D u ) = rg (u ) démonstration (i) Im(v D u ) ⊂ Im(v) donc rg (v D u ) ≤ rg (v) . D'après la proposition précédente, rg (v D u ) ≤ rg (u ) . Par conséquent, rg (v D u ) ≤ min(rg (u ), rg (v)) . (ii) Si u est bijective, Im(u ) = F donc Im(v D u ) = v( F ) = Im(v) donc rg (v D u ) = rg (v) . (iii) Si v est bijective, alors Ker (v) = {0} donc dim( Ker (v) ∩ Im(u )) = 0 donc rg (v D u ) = rg (u ) d'après la proposition précédente. © S. DUCHET - www.epsilon2000.fr.st 2/5 Rang en algèbre linéaire proposition Soit u une application linéaire de E dans F. (i) u est injective si et seulement si rg (u ) = dim( E ) . (ii) u est surjective si et seulement si rg (u ) = dim( F ) . démonstration (i) Rappelons que u est injective si et seulement si Ker (u ) = {0}. Supposons u injective. Alors Ker (u ) = {0} donc dim( Ker (u )) = 0 . D'après le théorème du rang, dim(Im(u )) = dim( E ) . Supposons que rg (u ) = dim( E ) . D'après le théorème du rang, dim( Ker (u )) = 0 donc Ker (u ) = {0} donc u est injective. (ii) Rappelons que u est surjective si et seulement si Im(u ) = F . Si u est surjective, alors Im(u ) = F et donc rg (u ) = dim( F ) . Si rg (u ) = dim( F ) : Im(u ) ⊂ F et dim(Im(u )) = dim( F ) donc Im(u ) = F , c'est-à-dire u est surjective. 2) Rang d'une matrice définition (rang d'une matrice) On appelle rang d'une matrice M, noté rg (M ) , le rang du système de ses vecteurs colonnes. théorème Soit M = (mi j )1≤i≤n ∈ M n p ( K ) . Soit F un K espace vectoriel de dimension n, ( f1 ,..., f n ) une base de 1≤ j ≤ p n F. Alors rg ( M ) = rg (v1 ,..., v p ) où vk = ∑ mi k f i , 1 ≤ k ≤ p . i =1 démonstration Notons (e1 ,..., en ) la base canonique de K n . φ: K n → F ek 6 f k est un isomorphisme donc rg (v1 ,..., vn ) = rg (φ(v1 ),..., φ(vn )) = rg (u1 ,..., u n ) où n u k = ∑ mi k ei . i =1 théorème Soient E et F deux K espaces vectoriels de dimensions finies non nulles p et n, u une application linéaire de E dans F. Pour tout couple (e, f ) de bases de E et F, si M désigne la matrice de u relativement à ces bases, on a rg (u ) = rg ( M ) . démonstration Notons e = (e1 ,..., e p ) , f = ( f1 ,..., f n ) , © S. DUCHET - www.epsilon2000.fr.st M = (mi j )1≤i≤n . 1≤ j ≤ p 3/5 Rang en algèbre linéaire n On a u (ek ) = ∑ mi k f i , 1 ≤ k ≤ p . i =1 D'après le théorème précédent, rg ( M ) = rg (u (e1 ),..., u (e p )) donc rg ( M ) = rg (u ) car vect (u (e1 ),..., u (e p )) = Im(u ) par conséquent, rg (u (e1 ),..., u (e p )) = rg (u ) . proposition Une matrice et sa transposée sont de rangs égaux. démonstration Soit M ∈ M n p (K ) . Soit e la base canonique de K n , f celle de K p . Notons e * la base duale de e, f * celle de f. Soit u l'application linéaire canoniquement associée à M, u : K p → K n . D'après ce qui précède, rg ( M ) = rg (u ) . Soit t u : ( K n )* → ( K p ) * . rg ( t u ) = rg (u ) (voir chapitre concernant la dualité) Or rg ( t u ) = rg (mat ( t u; f * , e* )) et mat ( t u; f * , e* )= t M (voir dualité) Donc rg ( t u ) = rg ( t M ) et donc rg ( t M ) = rg ( t u ) = rg (u ) = rg ( M ) . conséquence : Le rang d'une matrice est égal à celui de ses vecteurs lignes. proposition Soient A ∈ M n p ( K ), B ∈ M m n ( K ) . (i) rg ( BA) ≤ min(rg ( A), rg ( B)) (ii) Si A est inversible, rg ( BA) = rg ( B) (iii) Si B est inversible, rg ( BA) = rg ( A) démonstration Soient u et v les applications u : K p → K n, v : K n → K m . linéaires canoniquement associées à A et B, (i) BA est la matrice canoniquement associée à v D u . rg ( BA) = rg (v D u ) . Or, rg (v D u ) ≤ min(rg (u ), rg (v)) et rg (u ) = rg ( A), rg (v) = rg ( B) , d'où le résultat. (ii) rg ( BA) = rg (v D u ) = rg (v) (car u est inversible car A l'est) = rg (B) (iii) rg ( BA) = rg (v D u ) = rg (u ) (car v est inversible car B l'est) = rg (A) © S. DUCHET - www.epsilon2000.fr.st 4/5 Rang en algèbre linéaire 3) Méthode pratique pour calculer le rang voir chapitre sur les opérations élémentaires sur les lignes et les colonnes d'une matrice. © S. DUCHET - www.epsilon2000.fr.st 5/5