Calculateur de Rang de Matrice

Bienvenue sur le Calculateur de rang de matrice, un outil complet d'algèbre linéaire qui détermine le rang de toute matrice en utilisant l'élimination de Gauss. Le rang d'une matrice est le nombre maximum de vecteurs lignes ou colonnes linéairement indépendants — un concept fondamental qui détermine si les systèmes d'équations ont des solutions, si les transformations sont inversibles et comment les données peuvent être compressées. Ce calculateur propose une réduction par lignes étape par étape, une analyse des pivots, le calcul du noyau, des cartes de chaleur visuelles et une vérification via le théorème du rang.

Qu'est-ce que le rang d'une matrice ?

Le rang d'une matrice A est défini comme :

De manière équivalente, le rang est :

• Le nombre de positions de pivots dans la forme échelonnée par lignes de A
• La dimension de l'espace des colonnes (image) de A
• La dimension de l'espace des lignes de A
• Le nombre de valeurs singulières non nulles de A
• La taille du plus grand mineur non nul (déterminant d'une sous-matrice carrée)

Pour une matrice m×n, le rang satisfait \(0 \leq \text{rang}(A) \leq \min(m, n)\).

Comment l'élimination de Gauss détermine le rang

L'élimination de Gauss (également appelée réduction par lignes) transforme une matrice en forme échelonnée par lignes (REF) en utilisant trois opérations élémentaires sur les lignes :

1. Échange de lignes : Échanger deux lignes (\(R_i \leftrightarrow R_j\))
2. Mise à l'échelle d'une ligne : Multiplier une ligne par un scalaire non nul (\(R_i \leftarrow c \cdot R_i\))
3. Addition de lignes : Ajouter un multiple d'une ligne à une autre (\(R_i \leftarrow R_i + c \cdot R_j\))

Dans la forme échelonnée par lignes :

• Toutes les lignes nulles se trouvent en bas
• L'élément de tête (pivot) de chaque ligne non nulle est situé à droite du pivot au-dessus de lui
• Le rang est égal au nombre de lignes non nulles (pivots) dans la forme REF

Ce calculateur utilise le pivotage partiel — sélection de la plus grande valeur absolue dans chaque colonne comme pivot — pour une meilleure stabilité numérique.

Le théorème du rang

Où n est le nombre de colonnes de A. La nullité est la dimension du noyau (kernel) — l'ensemble de toutes les solutions de Ax = 0. Ce théorème signifie que les colonnes sont soit des colonnes pivots (contribuant au rang), soit des colonnes libres (contribuant à la nullité), et chaque colonne appartient à l'une ou l'autre catégorie.

Le rang et les systèmes d'équations linéaires

Le rang d'une matrice détermine directement la résolubilité d'un système linéaire Ax = b :

Cas particuliers et propriétés

Plein rang

Une matrice est de plein rang quand rang(A) = min(m, n) :

• Pour les matrices carrées n×n : le plein rang signifie inversible (det ≠ 0), noyau trivial
• Pour les matrices hautes (m > n) : le plein rang de colonne signifie injective (un pour un)
• Pour les matrices larges (m < n) : le plein rang de ligne signifie surjective (sur)

Matrices de rang déficient

Si rang(A) < min(m, n), la matrice est dite de rang déficient (singulière pour les matrices carrées). Cela se produit lorsque les lignes ou les colonnes sont linéairement dépendantes — certaines lignes peuvent être exprimées comme des combinaisons d'autres.

Identités clés sur le rang

• rang(A) = rang(A^T) — le rang des lignes est égal au rang des colonnes
• rang(AB) ≤ min(rang(A), rang(B)) — limite du rang du produit
• rang(A + B) ≤ rang(A) + rang(B) — sous-additivité
• rang(A^TA) = rang(AA^T) = rang(A)

Le rang de matrice dans différents domaines

Foire aux questions

Qu'est-ce que le rang d'une matrice ?

Le rang d'une matrice est le nombre maximum de vecteurs lignes linéairement indépendants (ou de manière équivalente, de vecteurs colonnes) dans la matrice. Il indique la dimension de l'espace des colonnes (ou de l'espace des lignes). Pour une matrice m×n, le rang est au plus min(m, n). Une matrice dont le rang est égal à min(m, n) est dite de plein rang.

Comment le rang d'une matrice est-il calculé avec l'élimination de Gauss ?

L'élimination de Gauss transforme une matrice en forme échelonnée par lignes (REF) en effectuant des opérations élémentaires sur les lignes : échange de lignes, multiplication d'une ligne par un scalaire non nul, et ajout d'un multiple d'une ligne à une autre. Le rang est égal au nombre de lignes non nulles (ou au nombre de positions de pivots) dans la forme REF. Cette méthode est l'approche algorithmique standard enseignée dans les cours d'algèbre linéaire.

Qu'est-ce que le théorème du rang ?

Le théorème du rang stipule que pour toute matrice A de dimension m×n, rang(A) + nullité(A) = n, où n est le nombre de colonnes. La nullité est la dimension du noyau (l'ensemble de tous les vecteurs x tels que Ax = 0). Ce théorème fondamental relie les dimensions de l'espace des colonnes et du noyau.

Quand une matrice est-elle de plein rang ?

Une matrice est de plein rang lorsque son rang est égal à min(m, n), le plus petit nombre entre ses lignes et ses colonnes. Pour une matrice carrée n×n, le plein rang signifie que le rang = n, ce qui implique que la matrice est inversible (non singulière) avec un déterminant non nul. Les matrices de plein rang ont des noyaux triviaux (uniquement le vecteur nul) et leurs colonnes sont linéairement indépendantes.

Quelle est la différence entre le rang des lignes et le rang des colonnes ?

Un théorème fondamental de l'algèbre linéaire prouve que le rang des lignes (dimension de l'espace des lignes) est toujours égal au rang des colonnes (dimension de l'espace des colonnes) pour n'importe quelle matrice. Cette valeur commune est simplement appelée le rang de la matrice. L'élimination de Gauss révèle directement le rang des lignes en comptant les lignes pivots, mais ce même nombre donne aussi le rang des colonnes.

Quel est le lien entre le rang d'une matrice et les systèmes d'équations linéaires ?

Pour un système Ax = b, le rang détermine la résolubilité : si rang(A) = rang([A|b]), le système est cohérent (possède des solutions). Si, en plus, rang(A) = n (nombre d'inconnues), la solution est unique. Si rang(A) < n, il existe une infinité de solutions paramétrées par n - rang(A) variables libres. Le théorème de Rouché-Capelli formalise ces conditions.