MPSI · Représentation matricielle

Matrices équivalentes, rang et matrices extraites

Convention :

Sauf mention contraire, EE désigne un K\mathbb{K}-espace vectoriel de dimension nn et FF un K\mathbb{K}-espace vectoriel de dimension pp.

Une forme normale pour le rang

Question

Le rang d'une application linéaire ne dépend d'aucune base : c'est un invariant. Sa matrice, elle, change avec les bases — et l'on a vu à la leçon précédente qu'on pouvait la simplifier considérablement en choisissant bien. Jusqu'où peut-on aller ? Existe-t-il, parmi toutes les matrices représentant une même application, une matrice la plus simple possible, et qui ne dépendrait que du rang ?

Notation :

Soient (n,p)(N)2(n,p)\in(\mathbb{N}^*)^2 et r0,min(n,p)r\in\llbracket 0,\min(n,p)\rrbracket. On note Jr(n,p)J_r^{(n,p)} la matrice de Mn,p(K)\mathcal{M}_{n,p}(\mathbb{K}) définie par blocs :

Jr(n,p)=(Ir000)=(110),J_r^{(n,p)}= \left( \begin{array}{c|c} I_r & 0\\ \hline 0 & 0 \end{array} \right) = \begin{pmatrix} 1 & & & & \\ & \ddots & & & \\ & & 1 & & \\ & & & 0 & \\ & & & & \ddots \end{pmatrix},

IrI_r désigne la matrice identité de taille rr.

Remarque :

  1. rg(Jr(n,p))=r\operatorname{rg}\left(J_r^{(n,p)}\right)=r, car les rr premières colonnes forment une famille libre et les autres sont nulles.
  2. Lorsqu'il n'y a pas d'ambiguïté sur la taille, on note simplement JrJ_r.

Exemple :

Pour n=3n=3, p=4p=4 et r=2r=2 :

J2(3,4)=(100001000000).J_2^{(3,4)}=\begin{pmatrix} 1 & 0 & 0 & 0\\ 0 & 1 & 0 & 0\\ 0 & 0 & 0 & 0\end{pmatrix}.

Aux deux extrémités : J0(n,p)J_0^{(n,p)} est la matrice nulle et Jn(n,n)=InJ_n^{(n,n)}=I_n. Ces matrices sont les plus simples qu'on puisse imaginer à rang fixé. Toute matrice de rang 22 de M3,4(K)\mathcal{M}_{3,4}(\mathbb{K}) se ramène-t-elle vraiment à celle-là ?

Question

Reprenons le problème du côté des applications linéaires, où il est plus lisible. Si uu est de rang rr, son noyau est de dimension nrn-r et son image de dimension rr : l'espace de départ se scinde en une partie « écrasée » et une partie « transportée fidèlement ». Peut-on choisir les deux bases de sorte que uu envoie simplement les rr premiers vecteurs sur les rr premiers, et les autres sur 00 ?

Proposition 1 : Représentation canonique d'une application linéaire de rang r

Soient EE et FF deux K\mathbb{K}-espaces vectoriels de dimensions respectives nn et pp, et uL(E,F)u\in\mathcal{L}(E,F) de rang rr. Alors il existe une base B\mathcal{B} de EE et une base C\mathcal{C} de FF telles que

MatB,C(u)=Jr(p,n).\operatorname{Mat}_{\mathcal{B},\mathcal{C}}(u)=J_r^{(p,n)}.

Démonstration :

Puisque rg(u)=r\operatorname{rg}(u)=r, le théorème du rang donne dimKeru=nr\dim\operatorname{Ker} u=n-r. Soit (er+1,,en)(e_{r+1},\dots,e_n) une base de Keru\operatorname{Ker} u, que l'on complète en une base B=(e1,,er,er+1,,en)\mathcal{B}=(e_1,\dots,e_r,e_{r+1},\dots,e_n) de EE. On a alors

E=Vect(e1,,er)Keru.E=\operatorname{Vect}(e_1,\dots,e_r)\oplus\operatorname{Ker} u.

Pour tout i1,ri\in\llbracket 1,r\rrbracket, on pose fi=u(ei)f_i=u(e_i). Montrons que la famille (f1,,fr)(f_1,\dots,f_r) est libre. Soient λ1,,λrK\lambda_1,\dots,\lambda_r\in\mathbb{K} tels que i=1rλifi=0\displaystyle\sum_{i=1}^{r}\lambda_i f_i=0. Alors

u ⁣(i=1rλiei)=0,u\!\left(\sum_{i=1}^{r}\lambda_i e_i\right)=0,

donc i=1rλieiKeruVect(e1,,er)={0}\displaystyle\sum_{i=1}^{r}\lambda_i e_i\in\operatorname{Ker} u\cap\operatorname{Vect}(e_1,\dots,e_r)=\{0\}. La famille (e1,,er)(e_1,\dots,e_r) étant libre, on en déduit λ1==λr=0\lambda_1=\dots=\lambda_r=0.

On complète alors (f1,,fr)(f_1,\dots,f_r) en une base C=(f1,,fp)\mathcal{C}=(f_1,\dots,f_p) de FF. Par construction :

u(ei)=fi  pour i1,retu(ei)=0  pour ir+1,n,u(e_i)=f_i\ \text{ pour }i\in\llbracket 1,r\rrbracket \qquad\text{et}\qquad u(e_i)=0\ \text{ pour }i\in\llbracket r+1,n\rrbracket,

donc MatB,C(u)=Jr(p,n)\operatorname{Mat}_{\mathcal{B},\mathcal{C}}(u)=J_r^{(p,n)}.

Test 1 : Une forme normale toujours atteignable

Toute application linéaire de rang rr entre deux espaces de dimensions finies admet une représentation matricielle égale à JrJ_r, pour un choix convenable des bases au départ et à l'arrivée.

Matrices équivalentes

Question

Deux matrices représentant une même application linéaire dans des couples de bases différents sont reliées par la formule A=Q1APA'=Q^{-1}AP. Cette relation entre matrices mérite un nom et une étude propre : quelles matrices peut-on relier ainsi, et que partagent-elles nécessairement ?

Définition 1 : Matrices équivalentes

Soient A,BMn,p(K)A,B\in\mathcal{M}_{n,p}(\mathbb{K}). On dit que BB est équivalente à AA s'il existe PGLp(K)P\in\mathrm{GL}_p(\mathbb{K}) et QGLn(K)Q\in\mathrm{GL}_n(\mathbb{K}) telles que

B=QAP.B=QAP.

Remarque :

La relation « être équivalente à » est une relation d'équivalence sur Mn,p(K)\mathcal{M}_{n,p}(\mathbb{K}).

Exemple :

Deux matrices représentant la même application linéaire uL(E,F)u\in\mathcal{L}(E,F) dans deux couples de bases sont équivalentes : c'est exactement la formule A=Q1APA'=Q^{-1}AP de la leçon précédente, avec Q1GLp(K)Q^{-1}\in\mathrm{GL}_p(\mathbb{K}) et PGLn(K)P\in\mathrm{GL}_n(\mathbb{K}). La réciproque est-elle vraie — deux matrices équivalentes représentent-elles toujours une même application ?

Exercice 1

Montrer que la relation « être équivalente à » est bien une relation d'équivalence sur Mn,p(K)\mathcal{M}_{n,p}(\mathbb{K}).

Solution :(cliquer pour afficher)

Réflexivité. Pour AMn,p(K)A\in\mathcal{M}_{n,p}(\mathbb{K}), on a A=InAIpA=I_n\,A\,I_p avec InGLn(K)I_n\in\mathrm{GL}_n(\mathbb{K}) et IpGLp(K)I_p\in\mathrm{GL}_p(\mathbb{K}), donc AA est équivalente à AA.

Symétrie. Supposons BB équivalente à AA : il existe PGLp(K)P\in\mathrm{GL}_p(\mathbb{K}) et QGLn(K)Q\in\mathrm{GL}_n(\mathbb{K}) telles que B=QAPB=QAP. En multipliant à gauche par Q1Q^{-1} et à droite par P1P^{-1} :

A=Q1BP1,A=Q^{-1}BP^{-1},

avec Q1GLn(K)Q^{-1}\in\mathrm{GL}_n(\mathbb{K}) et P1GLp(K)P^{-1}\in\mathrm{GL}_p(\mathbb{K}) : AA est équivalente à BB.

Transitivité. Supposons B=QAPB=QAP et C=QBPC=Q'BP' avec P,PGLp(K)P,P'\in\mathrm{GL}_p(\mathbb{K}) et Q,QGLn(K)Q,Q'\in\mathrm{GL}_n(\mathbb{K}). Alors

C=Q(QAP)P=(QQ)A(PP),C=Q'(QAP)P'=(Q'Q)\,A\,(PP'),

et QQGLn(K)Q'Q\in\mathrm{GL}_n(\mathbb{K}), PPGLp(K)PP'\in\mathrm{GL}_p(\mathbb{K}) comme produits de matrices inversibles : CC est équivalente à AA.

La relation est donc réflexive, symétrique et transitive.

Question

Le rang est visiblement préservé par équivalence, puisque multiplier par des matrices inversibles ne le change pas. Mais la question intéressante est la réciproque : le rang suffit-il à décider si deux matrices sont équivalentes ? Autrement dit, le rang est-il un invariant complet — un seul nombre qui classe toutes les matrices d'une taille donnée ?

Proposition 2 : Caractérisation du rang par équivalence

Soit AMn,p(K)A\in\mathcal{M}_{n,p}(\mathbb{K}).

  1. AA est de rang rr si et seulement si AA est équivalente à Jr(n,p)J_r^{(n,p)}.
  2. Deux matrices de Mn,p(K)\mathcal{M}_{n,p}(\mathbb{K}) sont équivalentes si et seulement si elles ont le même rang.

Démonstration :

Montrons le premier point.

  • Supposons rgA=r\operatorname{rg} A=r. Soit u:KpKnu:\mathbb{K}^p\to\mathbb{K}^n l'application linéaire canoniquement associée à AA, de sorte que rgu=rgA=r\operatorname{rg} u=\operatorname{rg} A=r. D'après la proposition précédente, il existe une base B\mathcal{B} de Kp\mathbb{K}^p et une base C\mathcal{C} de Kn\mathbb{K}^n telles que MatB,C(u)=Jr(n,p)\operatorname{Mat}_{\mathcal{B},\mathcal{C}}(u)=J_r^{(n,p)}. En notant Bp\mathcal{B}_p et Bn\mathcal{B}_n les bases canoniques de Kp\mathbb{K}^p et Kn\mathbb{K}^n, la formule de changement de bases donne
MatBp,Bn(u)=(PCBn)1MatB,C(u)PBBp,\operatorname{Mat}_{\mathcal{B}_p,\mathcal{B}_n}(u)=\left(P_{\mathcal{C}\to\mathcal{B}_n}\right)^{-1}\cdot\operatorname{Mat}_{\mathcal{B},\mathcal{C}}(u)\cdot P_{\mathcal{B}\to\mathcal{B}_p},

c'est-à-dire A=QJr(n,p)PA=Q\,J_r^{(n,p)}P avec Q=(PCBn)1GLn(K)Q=\left(P_{\mathcal{C}\to\mathcal{B}_n}\right)^{-1}\in\mathrm{GL}_n(\mathbb{K}) et P=PBBpGLp(K)P=P_{\mathcal{B}\to\mathcal{B}_p}\in\mathrm{GL}_p(\mathbb{K}). Donc AA est équivalente à Jr(n,p)J_r^{(n,p)}.

  • Réciproquement, supposons qu'il existe PGLp(K)P\in\mathrm{GL}_p(\mathbb{K}) et QGLn(K)Q\in\mathrm{GL}_n(\mathbb{K}) telles que A=QJr(n,p)PA=Q\,J_r^{(n,p)}P. La multiplication à gauche et à droite par des matrices inversibles conservant le rang, on obtient
rgA=rg(Jr(n,p))=r.\operatorname{rg} A=\operatorname{rg}\left(J_r^{(n,p)}\right)=r.

Montrons le second point. Soient A,BMn,p(K)A,B\in\mathcal{M}_{n,p}(\mathbb{K}).

  • Supposons BB équivalente à AA : B=QAPB=QAP avec PGLp(K)P\in\mathrm{GL}_p(\mathbb{K}) et QGLn(K)Q\in\mathrm{GL}_n(\mathbb{K}). La multiplication par des matrices inversibles conservant le rang, rgB=rgA\operatorname{rg} B=\operatorname{rg} A.

  • Réciproquement, supposons rgA=rgB=r\operatorname{rg} A=\operatorname{rg} B=r. D'après le premier point, il existe P1,P2GLp(K)P_1,P_2\in\mathrm{GL}_p(\mathbb{K}) et Q1,Q2GLn(K)Q_1,Q_2\in\mathrm{GL}_n(\mathbb{K}) telles que

A=Q1Jr(n,p)P1etB=Q2Jr(n,p)P2.A=Q_1\,J_r^{(n,p)}\,P_1 \qquad\text{et}\qquad B=Q_2\,J_r^{(n,p)}\,P_2.

De la première égalité on tire Jr(n,p)=Q11AP11J_r^{(n,p)}=Q_1^{-1}A\,P_1^{-1}, d'où

B=Q2Q11AP11P2=(Q2Q11)A(P11P2),B=Q_2\,Q_1^{-1}\,A\,P_1^{-1}\,P_2=\left(Q_2Q_1^{-1}\right)A\left(P_1^{-1}P_2\right),

avec Q2Q11GLn(K)Q_2Q_1^{-1}\in\mathrm{GL}_n(\mathbb{K}) et P11P2GLp(K)P_1^{-1}P_2\in\mathrm{GL}_p(\mathbb{K}). Donc BB est équivalente à AA.

Remarque :

Le rang est donc un invariant complet de la relation d'équivalence : à taille fixée, les classes d'équivalence sont exactement les ensembles de matrices de rang donné, et il y en a min(n,p)+1\min(n,p)+1, indexées par r0,min(n,p)r\in\llbracket 0,\min(n,p)\rrbracket. La matrice Jr(n,p)J_r^{(n,p)} est le représentant privilégié de sa classe.

Test 2 : Un seul facteur inversible suffit-il ?

Soient A,BMn,p(K)A,B\in\mathcal{M}_{n,p}(\mathbb{K}) de même rang. Alors il existe PGLp(K)P\in\mathrm{GL}_p(\mathbb{K}) telle que B=APB=AP.

Exercice 2

Soit AMn,p(K)A\in\mathcal{M}_{n,p}(\mathbb{K}) de rang r1r\geqslant 1.

Montrer qu'il existe BMn,r(K)B\in\mathcal{M}_{n,r}(\mathbb{K}) et CMr,p(K)C\in\mathcal{M}_{r,p}(\mathbb{K}), toutes deux de rang rr, telles que A=BCA=BC.

Solution :(cliquer pour afficher)

D'après la caractérisation du rang par équivalence, il existe QGLn(K)Q\in\mathrm{GL}_n(\mathbb{K}) et PGLp(K)P\in\mathrm{GL}_p(\mathbb{K}) telles que

A=QJr(n,p)P.A=Q\,J_r^{(n,p)}\,P.

Il suffit donc de factoriser Jr(n,p)J_r^{(n,p)}. Posons

K=(Ir0)Mn,r(K)etL=(Ir0)Mr,p(K).K=\left(\begin{array}{c} I_r\\ \hline 0\end{array}\right)\in\mathcal{M}_{n,r}(\mathbb{K}) \qquad\text{et}\qquad L=\left(\begin{array}{c|c} I_r & 0\end{array}\right)\in\mathcal{M}_{r,p}(\mathbb{K}).

Le produit par blocs donne

KL=(Ir000)=Jr(n,p).KL=\left(\begin{array}{c|c} I_r & 0\\ \hline 0 & 0\end{array}\right)=J_r^{(n,p)}.

Posons alors B=QKMn,r(K)B=QK\in\mathcal{M}_{n,r}(\mathbb{K}) et C=LPMr,p(K)C=LP\in\mathcal{M}_{r,p}(\mathbb{K}). On a

BC=QKLP=QJr(n,p)P=A.BC=QKLP=Q\,J_r^{(n,p)}\,P=A.

Il reste à calculer les rangs. Les colonnes de KK sont les rr premières colonnes de InI_n, donc libres : rgK=r\operatorname{rg} K=r. Comme QQ est inversible, la multiplication à gauche conserve le rang, d'où rgB=rg(QK)=r\operatorname{rg} B=\operatorname{rg}(QK)=r. De même les colonnes de LL engendrent Kr\mathbb{K}^r, donc rgL=r\operatorname{rg} L=r, et la multiplication à droite par PP inversible conserve le rang : rgC=rg(LP)=r\operatorname{rg} C=\operatorname{rg}(LP)=r.

Rang des lignes, rang des colonnes

Question

Tout ce qu'on a construit privilégie les colonnes : l'image est engendrée par les colonnes, le rang est le rang de la famille des colonnes. Ce choix vient de la convention d'écriture u(x)=Axu(x)=Ax, pas des mathématiques. Que se passe-t-il si l'on regarde les lignes — obtient-on un second nombre, en général différent, ou le même ?

Corollaire 1 : Rang de la transposée

Pour toute matrice AMn,p(K)A\in\mathcal{M}_{n,p}(\mathbb{K}), on a

rg(AT)=rg(A).\operatorname{rg}\left(A^{\mathsf{T}}\right)=\operatorname{rg}(A).

Démonstration :

Posons r=rgAr=\operatorname{rg} A. Il existe PGLp(K)P\in\mathrm{GL}_p(\mathbb{K}) et QGLn(K)Q\in\mathrm{GL}_n(\mathbb{K}) telles que A=QJr(n,p)PA=Q\,J_r^{(n,p)}P. Par transposition :

AT=PT(Jr(n,p))TQT=PTJr(p,n)QT,A^{\mathsf{T}}=P^{\mathsf{T}}\left(J_r^{(n,p)}\right)^{\mathsf{T}}Q^{\mathsf{T}}=P^{\mathsf{T}}\,J_r^{(p,n)}\,Q^{\mathsf{T}},

avec PTGLp(K)P^{\mathsf{T}}\in\mathrm{GL}_p(\mathbb{K}) et QTGLn(K)Q^{\mathsf{T}}\in\mathrm{GL}_n(\mathbb{K}). Donc ATA^{\mathsf{T}} est équivalente à Jr(p,n)J_r^{(p,n)}, d'où rg(AT)=r=rg(A)\operatorname{rg}\left(A^{\mathsf{T}}\right)=r=\operatorname{rg}(A).

Remarque :

Le rang d'une matrice est égal au rang de la famille de ses vecteurs colonnes, et aussi au rang de la famille de ses vecteurs lignes.

Remarque :

Ce résultat est loin d'être évident : les colonnes vivent dans Kn\mathbb{K}^n et les lignes dans Kp\mathbb{K}^p, deux espaces qui n'ont a priori rien à voir, et qui n'ont même pas la même dimension en général. Que deux familles de vecteurs logées dans des espaces différents engendrent des sous-espaces de même dimension est un fait remarquable — et c'est la forme normale JrJ_r qui l'explique, puisqu'elle est manifestement symétrique par transposition.

Conséquence pratique immédiate : pour calculer un rang, on peut échelonner au choix par lignes ou par colonnes, et travailler dans le sens le plus commode.

Test 3 : Lignes et colonnes à égalité

Le rang d'une matrice AA est égal au rang de la famille de ses vecteurs lignes.

Exercice 3

Déterminer le rang de

A=(123246111012)M4,3(R).A=\begin{pmatrix} 1 & 2 & 3\\ 2 & 4 & 6\\ 1 & 1 & 1\\ 0 & 1 & 2 \end{pmatrix}\in\mathcal{M}_{4,3}(\mathbb{R}).
Solution :(cliquer pour afficher)

Ici les lignes se lisent mieux que les colonnes : ce sont quatre vecteurs de R3\mathbb{R}^3, et deux relations sautent aux yeux. Notons L1,L2,L3,L4L_1,L_2,L_3,L_4 les lignes.

L2=2L1etL4=(0,1,2)=(1,2,3)(1,1,1)=L1L3.L_2=2L_1 \qquad\text{et}\qquad L_4=(0,1,2)=(1,2,3)-(1,1,1)=L_1-L_3.

Donc

Vect(L1,L2,L3,L4)=Vect(L1,L3).\operatorname{Vect}(L_1,L_2,L_3,L_4)=\operatorname{Vect}(L_1,L_3).

Les vecteurs L1=(1,2,3)L_1=(1,2,3) et L3=(1,1,1)L_3=(1,1,1) ne sont pas colinéaires, donc (L1,L3)(L_1,L_3) est libre et le rang de la famille des lignes vaut 22.

D'après le corollaire, le rang d'une matrice est le rang de la famille de ses lignes, donc

rgA=2.\operatorname{rg} A=2.

Passer par les colonnes aurait demandé d'échelonner trois vecteurs de R4\mathbb{R}^4 : nettement plus long pour la même conclusion.

Matrices extraites

Vocabulaire :

Soit AMn,p(K)A\in\mathcal{M}_{n,p}(\mathbb{K}). On appelle sous-matrice (ou matrice extraite) de AA toute matrice obtenue à partir de AA en supprimant certaines lignes et certaines colonnes.

Question

Une matrice extraite ne retient qu'un fragment de l'information contenue dans AA. Il paraît raisonnable qu'elle ne puisse pas être « plus riche » que AA elle-même. Mais comment le démontrer proprement, alors que supprimer des lignes et des colonnes en même temps détruit à la fois la structure des colonnes et celle des lignes ?

Proposition 3 : Rang d'une sous-matrice

Soient AMn,p(K)A\in\mathcal{M}_{n,p}(\mathbb{K}) et A~\widetilde{A} une sous-matrice de AA. Alors

rg(A~)rg(A).\operatorname{rg}\bigl(\widetilde{A}\bigr)\leqslant\operatorname{rg}(A).

Démonstration :

Commençons par le cas de la suppression d'une seule ligne ou d'une seule colonne.

  • Si A~\widetilde{A} est obtenue en supprimant une colonne de AA, alors les colonnes de A~\widetilde{A} forment une sous-famille des colonnes de AA, donc
rg(A~)rg(A).\operatorname{rg}\bigl(\widetilde{A}\bigr)\leqslant\operatorname{rg}(A).
  • Si A~\widetilde{A} est obtenue en supprimant une ligne de AA, alors les lignes de A~\widetilde{A} forment une sous-famille des lignes de AA ; le rang d'une matrice étant égal au rang de ses lignes, on a encore rg(A~)rg(A)\operatorname{rg}\bigl(\widetilde{A}\bigr)\leqslant\operatorname{rg}(A).

Pour le cas général, on raisonne par récurrence sur N=n+pN=n+p. Pour NNN\in\mathbb{N}, N3N\geqslant 3, on note HNH_N la propriété : « pour toute matrice AMn,p(K)A\in\mathcal{M}_{n,p}(\mathbb{K}) avec n+pNn+p\leqslant N, toute sous-matrice A~\widetilde{A} de AA vérifie rg(A~)rg(A)\operatorname{rg}\bigl(\widetilde{A}\bigr)\leqslant\operatorname{rg}(A) ».

  • Initialisation. Pour N=3N=3, les matrices concernées sont de taille 1×21\times 2 ou 2×12\times 1 ; toute sous-matrice s'obtient en supprimant une seule ligne ou une seule colonne, cas déjà traité.
  • Hérédité. Supposons HNH_N vraie et soit AMn,p(K)A\in\mathcal{M}_{n,p}(\mathbb{K}) avec n+p=N+1n+p=N+1. Soit A~\widetilde{A} une sous-matrice de AA. Si A~\widetilde{A} s'obtient en supprimant une seule ligne ou une seule colonne, le résultat est acquis. Sinon, A~\widetilde{A} est une sous-matrice d'une matrice intermédiaire A1A_1, obtenue à partir de AA en supprimant une seule ligne ou une seule colonne. La matrice A1A_1 vérifie alors la condition de HNH_N, donc
rg(A~)rg(A1)rg(A).\operatorname{rg}\bigl(\widetilde{A}\bigr)\leqslant\operatorname{rg}(A_1)\leqslant\operatorname{rg}(A).

La propriété est ainsi établie pour toute matrice.

Test 4 : Supprimer une ligne est-il anodin ?

Supprimer une ligne d'une matrice ne modifie pas son rang.

Test 5 : Minorer un rang par une extraction

Si AMn,p(K)A\in\mathcal{M}_{n,p}(\mathbb{K}) admet une sous-matrice carrée inversible de taille qq, alors rgAq\operatorname{rg} A\geqslant q.

Question

On sait maintenant minorer le rang en exhibant une sous-matrice inversible. Cette minoration est-elle optimale ? Autrement dit, peut-on toujours trouver une sous-matrice inversible dont la taille atteigne exactement le rang — auquel cas le rang se lirait entièrement sur les matrices extraites.

Proposition 4 : Rang et sous-matrices inversibles

Soit AMn,p(K)A\in\mathcal{M}_{n,p}(\mathbb{K}) non nulle. Le rang de AA est la taille maximale des sous-matrices carrées inversibles extraites de AA.

Démonstration :

Posons r=rgAr=\operatorname{rg} A.

  • Montrons qu'il existe une sous-matrice carrée inversible de taille rr. Les colonnes C1,,CpC_1,\dots,C_p de AA engendrent ImA\operatorname{Im} A, qui est de dimension rr ; d'après le théorème de la base extraite, on peut en extraire une famille libre (Cj1,,Cjr)\left(C_{j_1},\dots,C_{j_r}\right). La matrice AA' formée de ces rr colonnes est de rang rr. Le rang de AA' étant aussi le rang de ses lignes, on peut de même extraire de AA' une famille libre de rr lignes, ce qui fournit une sous-matrice A~\widetilde{A} de AA, carrée de taille rr et de rang rr, donc inversible.
  • Soit maintenant BB une sous-matrice carrée inversible de AA, de taille qq. D'après la proposition précédente,
q=rg(B)rg(A)=r.q=\operatorname{rg}(B)\leqslant\operatorname{rg}(A)=r.

Le rang de AA est donc bien la taille maximale des sous-matrices carrées inversibles de AA.

Test 6 : Et si la matrice est nulle ?

Pour toute matrice AMn,p(K)A\in\mathcal{M}_{n,p}(\mathbb{K}), le rang de AA est la taille maximale des sous-matrices carrées inversibles extraites de AA.

Test 7 : Une extraction optimale existe

Soit AMn,p(K)A\in\mathcal{M}_{n,p}(\mathbb{K}) non nulle de rang rr. Alors il existe au moins une sous-matrice carrée de taille rr extraite de AA qui est inversible.

Rédaction — Encadrer le rang par les matrices extraites :

Pour déterminer rgA\operatorname{rg} A sans échelonner, on procède par double inégalité.

Étape 1 — minorer. Exhiber une sous-matrice carrée inversible de taille qq (choisir des lignes et des colonnes où le calcul est simple). On obtient rgAq\operatorname{rg} A\geqslant q.

Étape 2 — majorer. Exhiber des relations linéaires entre les lignes (ou entre les colonnes) : si toutes les lignes sont combinaisons de qq d'entre elles, alors rgAq\operatorname{rg} A\leqslant q.

Étape 3 — conclure. Si les deux étapes donnent le même qq, alors rgA=q\operatorname{rg} A=q.

Cette méthode est particulièrement efficace quand la matrice contient des paramètres : les relations entre lignes se lisent souvent à vue, et il suffit d'une petite sous-matrice inversible pour verrouiller la minoration.

Exercice 4

Déterminer le rang de

A=(123246101)M3(R),A=\begin{pmatrix} 1 & 2 & 3\\ 2 & 4 & 6\\ 1 & 0 & 1 \end{pmatrix}\in\mathcal{M}_3(\mathbb{R}),

puis en déduire si AA est inversible.

Solution :(cliquer pour afficher)

Minoration. Gardons les lignes 11 et 33 et les colonnes 11 et 22 : on extrait

B=(1210).B=\begin{pmatrix} 1 & 2\\ 1 & 0 \end{pmatrix}.

Ses deux colonnes (1,1)(1,1) et (2,0)(2,0) ne sont pas colinéaires, donc BB est de rang 22 et par conséquent inversible. D'après la proposition, rgA2\operatorname{rg} A\geqslant 2.

Majoration. Notons L1,L2,L3L_1,L_2,L_3 les lignes de AA. On a L2=2L1L_2=2L_1, donc

Vect(L1,L2,L3)=Vect(L1,L3),\operatorname{Vect}(L_1,L_2,L_3)=\operatorname{Vect}(L_1,L_3),

et le rang de la famille des lignes est au plus 22. Le rang d'une matrice étant celui de ses lignes, rgA2\operatorname{rg} A\leqslant 2.

Conclusion. rgA=2\operatorname{rg} A=2.

En particulier rgA=2<3\operatorname{rg} A=2<3, donc AA n'est pas inversible d'après la caractérisation de l'inversibilité par le rang.