Rang en algèbre linéaire dans les espaces vectoriels de
Transcription
Rang en algèbre linéaire dans les espaces vectoriels de
Rang en algèbre linéaire dans les espaces vectoriels de dimension finie, cours de premier cycle universitaire. F.Gaudon 2 août 2005 Table des matières 1 Rang d’une famille de vecteurs 2 2 Rang d’une application linéaire 3 3 Rang d’une matrice 4 1 On considère deux espaces vectoriels E et F sur un corps K de dimensions finies n et m respectivement. 1 Rang d’une famille de vecteurs Définition : On appelle rang d’une famille {u1 ; u2 ; . . . ; up } de vecteurs de E et on note rg({u1 ; u2 ; . . . ; up }), la dimension du sous espace vectoriel engendré par cette famille. Propriétés : • rg({u1 ; . . . ; up }) ≤ p avec égalité ssi {u1 ; . . . ; up } est libre. • rg({u1 ; . . . ; up }) ≤ n avec égalité ssi {u1 ; . . . ; up } est génératrice. Preuve : • {u1 ; . . . ; up } est génératrice de < {u1 ; . . . ; up } donc rg({u1 ; . . . ; up }) = dim(< {u1 ; . . . ; up } >) ≤ p. Si {u1 ; . . . ; up } est libre, c’est une base de < {u1 ; ldots; up } > donc rg({u1 ; . . . ; up }) = p sinon on peut en extraire une base de < {u1 ; . . . ; up } donc rg({u1 ; . . . ; up }) < p. • On a clairement dim(< {u1 ; . . . ; up } >) ≤ dim(E) donc rg(< {u1 ; . . . ; up } >) ≤ n. {u1 ; . . . ; up } est génératrice de E ssi < {u1 ; . . . ; up } >= E ssi rg(< {u1 ; . . . ; up }) = dim(E). Proposition : Soit f une application linéaire de E dans F . Soit {u1 ; . . . ; up } ⊂ E. Alors rg({f (u1 ); f (u2 ); . . . ; f (up )}) ≤ rg({u1 ; . . . ; up }). En particulier, si f est bijective, l’égalité est vraie. Preuve : Soit {u1 ; . . . ; uq } avec q ≤ p une base de < {u1 ; . . . ; up } >, alors {f (u1 ); . . . ; f (uq )} est génératrice de < {f (u1 ); . . . ; f (up )} > donc rg(< f (u1 ); . . . ; f (up ) >) ≤ rg({u1 ; . . . ; up }) avec égalité ssi (< {f (u1 ); . . . ; f (up )} > est libre, ce qui est le cas si f est bijective puisqu’elle transforme toute famille libre en une famille libre. 2 2 Rang d’une application linéaire Définition : On appelle rang d’une application linéaire f la dimension de Im(f ). Téorème du rang : Soit f une application dim(E)=dim(ker(f ))+rg(f ). linéaire de E dans F. Alors preuve : Soit {u1 ; . . . ; ur } une base de ker(f ) que l’on complète en une base {u1 ; . . . ; un } de E. Alors {f (u1 ); . . . ; f (un )} engendre Im(f ) donc {f (ur+1 ); . . . ; f (un )} engendre Im(f ). En outre, {f (ur+1 ); . . . ; f (un )} est libre. P EnP effet, soit λi , i ∈ {r + P 1; . . . ; n} tels que ni=r+1 λi f (ui ) = 0. On a = 0 donc ni=r+1 f ( ni=r+1 λi ui ) P Pn λi ui ∈ ker(f ). r β u = D’où ∃βi ∈ K, i=r+1 λi ui . i=1 i i Si ∃i ∈ {r + 1; . . . ; n} / λi 6= 0, on peut supposer qu’il r+1 et on a Pr s’agit de λ−1 −1 −1 alors ur+1 = −λr+1 λr+2 ur+2 − . . . − λn+1 λn un + i=1 βi λr + 1 ui ce qui est absurde car la famille {u1 ; . . . ; un } est libre. Par conséquent, {f (ur+1 ); . . . ; f (un )} est une base de Im(f ) et le résultat s’en déduit. Propriété : • rg(f ) ≤ n avec égalité ssi f est injective. • rg(f ) ≤ m avec égalité ssi f est surjective. • Soit λ ∈ K∗ , rg(λf ) = λrg(f ). Preuve : • Conséquence immédiate du théorème précédent. • im(f ) est un sous espace vectoriel de F donc rg(f ) ≤ dim(F ) = n. En outre, rg(f ) = n ssi dim(im(f )) = dim(F ) ssi Im(f ) = F ssi f est surjective. Propriété : Soient f et g deux endomorphismes de E. • |rg(f ) − rg(g)| ≤ rg(f + g) ≤ rg(f ) + rg(g) • rg(f ◦g) ≤ min(rg(f ); rg(g)). En outre, si g est surjectif alors rg(f ◦g)) = rg(f ) et si f est injectif rg(f ◦ g) = rg(g). 3 Preuve : • Comme Im(f + g) ⊂ Im(f ) + Im(g), on a rg(f + g) ≤ rg(f ) + rg(g). Ecrivant f=(f+g)-g on a alors : rg(f ) ≤ rg(f + g) + rg(−g) = rg(f + g) + rg(g) d’où rg(f ) − rg(g) ≤ rg(f + g) et le résultat en échangeant f et g. • Si g est surjectif, g(E) = E donc Im(f ◦ g) = Im(f ) et rg(f ◦ g) = rg(f ) Si f est injectif, Im(g) et f (Im(g)) sont isomorphes donc rg(f ◦ g) ≤ rg(f ). L’inégalité est claire. 3 Rang d’une matrice Définition : On appelle rang d’une matrice A ∈ Mm,n (K) et on note rg(A), la dimension du sous espace vectoriel de Km engendré par les colonnes de A. Autrement dit, si A = (aij )ij , Ci = (a1i a2i . . . ; ani ) est le i-ème vecteur colonne de A et rg(A) = vect({C1 ; C2 ; . . . ; Cn }. Théorème : rg(A) = rg(t A), c’est à dire si Li = (ai1 ai2 . . . aim ) est le i-ème vecteur ligne de A, alors rg(A) = vect({L1 ; . . . ; Lm }). Propriété : Soit A ∈ Mm,n (K). Soient r ≤ min(m; n) et Jr = (λij )ij la matrice définie par λii = 1 si i ∈ {1; 2; . . . ; r} et λij = 0 sinon. Alors il y équivalence entre : • ∃P ∈ GLn (K), ∃Q ∈ GLn (K) / A = P Jr Q • rg(A) = r Propriété : Soient A, B ∈ Mm,n (K). Alors rg(A) = rg(B) ssi ∃P ∈ Gln (K) ∃Q ∈ GLn K) / B = P AQ . Théorème : Soit A ∈ Mm,n (K). Si A contient une sous matrice B ∈ Mr (K) telle que B soit inversible et telle que toute sous matrice de A appartenant à Mr+1 (K) et contenant B ne soit pas inversible, alors rg(A) = r. 4