1.1. RANG D’UNE MATRICE. RANG D’UN SYST `
EME LIN ´
EAIRE. 3
Lemme 1.1.7 Le rang des lignes du syst`eme homog`ene AX = 0 est ´egal au nombre de lignes
non nulles du syst`eme ´echelonn´e ´equivalent EX = 0 obtenu par la m´ethode du pivot de Gauss.
Preuve C’est le raisonnement du chapitre 3, mais appliqu´e aux lignes de la matrice A, not´ees
L1,...,Ln, consid´er´ees comme des vecteurs de Kp. On rappelle le principe : si λ2,...,λnsont des
scalaires, alors le sous-espace vectoriel de Kpengendr´e par les vecteurs L1,...,Lnest le mˆeme
que les sous-espace vectoriel engendr´e par les vecteurs L1,L2−λ2L1,...,Ln−λnL1. Donc les
lignes obtenues apr`es la premi`ere it´eration du pivot de Gauss ont le mˆeme rang que les lignes
L1,...,Ln. On r´eit`ere le proc´ed´e. Une fois termin´ee la m´ethode du pivot de Gauss le rang des n
lignes obtenues est ´egal au rang des lignes L1,...,Ln. Or, `a cause du caract`ere ´echelonn´e, le rang
des nlignes obtenues est le nombre, appel´e r, de lignes non nulles (car on montre facilement que
les rlignes non nulles, ´echelonn´ees, sont lin´eairement ind´ependantes) .
Lemme 1.1.8 Soit un syst`eme lin´eaire ´echelonn´e homog`ene de dimension r×p, dont les r
´equations sont non nulles. Alors la dimension de l’espace vectoriel Fdes solutions de ce syst`eme
est ´egal au nombre d’inconnues non principales, c’est p−r.
Preuve : Rappelons que dans un tel syst`eme, il y a rinconnues principales et p−rinconnues
non principales qu’on prend comme param`etres. Quitte `a r´eindexer les inconnues, appelons
x1,...,xrles inconnues principales et xr+1,..., xples p−rparam`etres. Pour chaque valeur du
(p−r)−uplet (xr+1, ..., xp) on trouve une unique solution du syst`eme par la m´ethode de la
remont´ee. Appelons ur+1 la solution (x1, ..., xp) trouv´ee pour (xr+1, ..., xp) = (1,0, ...0), ur+2 la
solution trouv´ee pour (xr+1, ..., xp) = (0,1,0...0),..., upla solution trouv´ee pour (xr+1, ..., xp) =
(0, ..., 0,1). Soit le vecteur ud´efini par u=xr+1ur+1 +... +xpup. Alors uest une solution du
syst`eme comme combinaison lin´eaire de solutions. Les p−rderni`eres composantes du vecteur
usont xr+1,...,xp. R´eciproquement, si u= (x1, ..., xp) est une solution du syst`eme, alors le
vecteur xr+1ur+1 +... +xpupest une solution du syst`eme pour les mˆemes valeurs xr+1,...,xpdes
param`etres, donc il est ´egal `a u. L’ensemble des solutions est donc
F={(x1, ..., xp) = xr+1ur+1 +... +xpup;xr+1 ∈K, ..., xp∈K}.
Les vecteurs ur+1,...,upengendrent donc F. De plus la d´ecomposition de toute solution ucomme
combinaison lin´eaire des vecteurs ur+1,...,upest unique, puisque les coefficients qui apparaissent
dans la d´ecomposition sont n´ecessairement les p−rderni`eres composantes de u. Les p−r
vecteurs ur+1,...,upforment donc une base de F.
Preuve de la proposition 1.1.6 Le rang rdes lignes de Ase calcule par la m´ethode
du pivot de Gauss appliqu´ee aux lignes de A. Il est ´egal au nombre d’´equations non nulles
dans le syst`eme ´echelonn´e qu’on trouve apr`es l’utilisation de l’algorithme du pivot de Gauss
pour r´esoudre le syst`eme AX = 0. Soit Fl’espace vectoriel des solutions du syst`eme homog`ene
AX = 0. C’est aussi l’ensemble des solutions du syst`eme ´echelonn´e `a rlignes non nulles EX = 0,
obtenu par la m´ethode du pivot de Gauss. Donc dim F=p−r.
Proposition 1.1.9 Pour toute matrice, le rang des lignes est ´egal au rang des colonnes.
Preuve : Soit A∈ Mn,p(K). Appelons rle rang des lignes de A,r0le rang de A(c’est `a dire le
rang des colonnes de A) et Fl’espace vectoriel des solutions du syst`eme homog`ene AX = 0. On
a vu que dim F=p−r. Soit Φ l’application lin´eaire de Kpdans Knassoci´ee canoniquement `a
A. Alors F= Ker Φ. Par ailleurs, r0= dim Im Φ. Par le th´eor`eme de la dimension on a
dim Kp= dim Ker Φ + dim Im Φ,
donc p= dim F+r0, d’o`u dim F=p−r0. Par cons´equent p−r0=p−r, donc r=r0.
Exemple : A=µ2−4 1
0−1 1 ¶.Le syst`eme AX = 0 est ½2x−4y+z= 0
−y+z= 0.Le rang des
lignes de Aest 2. On v´erifie que le rang des colonnes aussi : C3=−C2−3
2C1.L’espace vectoriel