Théorème du rang

En mathématiques, et plus précisément en algèbre linéaire, le théorème du rang lie le rang d'une application linéaire et la dimension de son noyau. C'est un corollaire d'un théorème d'isomorphisme. Il peut être interprété par la notion d'indice d'application linéaire.

En dimension finie, il permet notamment de caractériser l'inversibilité d'une application linéaire ou d'une matrice par son rang.

Le théorème du rang

Le théorème du rang.

Ce théorème résulte immédiatement du fait que pour tout sous-espace vectoriel V de E, on a dim E = dim E/V + dim V et du théorème de factorisation d'après lequel E/ker(f) est isomorphe à im(f).

Une autre démonstration, constructive, consiste à vérifier que pour toute base (uModèle:Ind)Modèle:Ind du noyau et toute base (f(uModèle:Ind))Modèle:Ind de l'image — indexées par des ensembles S et T disjoints —, (uModèle:Ind)Modèle:Ind est une base de E :

• cette famille est génératrice : pour tout vecteur x, en notant x_t les coordonnées de f(x) dans la base de l'image, et x_s celles de x – ∑xModèle:InduModèle:Ind dans la base du noyau, on obtient x = ∑xModèle:InduModèle:Ind ;
• elle est libre : si une combinaison linéaire ∑xModèle:InduModèle:Ind est nulle alors, en prenant l'image par f, 0 + ∑Modèle:Ind xModèle:Indf(uModèle:Ind) = 0, donc par indépendance des f(uModèle:Ind) les xModèle:Ind sont nuls, si bien que l'hypothèse de départ se simplifie en ∑Modèle:Ind xModèle:InduModèle:Ind = 0, dont on déduit, par indépendance des u_s, que les x_s sont nuls aussi.

Application à la caractérisation des isomorphismes

Lorsque les espaces vectoriels E et F sont de dimension finie et ont même dimension n, le théorème du rang permet d'établirModèle:, l'équivalence entre les propriétés suivantes :

1. l'application f est un isomorphisme de E sur F ;
2. l'application f est surjective ;
3. l'application f est injective ;
4. le rang de f est égal à n.

Cas particulier des endomorphismes

Soit Modèle:Math une application linéaire d'un espace vectoriel E de dimension finie dans lui-même. On a comme précédemment la relation :

$\mathrm{d}\mathrm{i}\mathrm{m}\mathrm{i}\mathrm{m}f+\mathrm{d}\mathrm{i}\mathrm{m}\ker f=\mathrm{r}\mathrm{g}(f)+\mathrm{d}\mathrm{i}\mathrm{m}\ker f=\dim E$,

d'où l'on déduit que Modèle:Math et Modèle:Math sont supplémentaires si et seulement si leur intersection est réduite au vecteur nul.

Cas des matrices

Le théorème du rang peut s'écrire pour les matrices. Si A est une matrice (m, n) sur un corps K, alors

$\mathrm{r}\mathrm{g}A+\mathrm{d}\mathrm{i}\mathrm{m}(\ker U)=n$

où U est l'application linéaire de KModèle:Exp dans KModèle:Exp canoniquement associée à la matrice A.

Certains définissent le noyau d'une matrice de la manière suivante :

$\ker A:=\{X\in {ℳ}_{n,1}(K)\mid AX=0\}$,

qui est un sous-espace vectoriel de ${ℳ}_{n,1}(K)$ de même dimension que Modèle:Math.

Le théorème du rang s'écrit alors

$\mathrm{r}\mathrm{g}A+\mathrm{d}\mathrm{i}\mathrm{m}(\ker A)=n$.

Autres formulations et généralisations

Généralisations

Ce théorème est une forme particulière du premier théorème d'isomorphisme de l'algèbre dans le cas des espaces vectoriels.

Dans un langage plus moderne, le théorème peut être énoncé de la manière suivante : si

$0\to D\to E\to F\to 0$

est une suite exacte courte d'espaces vectoriels, alors

$\mathrm{d}\mathrm{i}\mathrm{m}(D)+\mathrm{d}\mathrm{i}\mathrm{m}(F)=\mathrm{d}\mathrm{i}\mathrm{m}(E).$

Ici, F joue le rôle de Modèle:Math et D celui de Modèle:Math.

Cette formulation peut être généralisée à une suite exacte de longueur quelconque (éventuellement infinie) : si

$\dots \to E_{n-1}\to E_n\to E_{n+1}\to \dots$

est une suite exacte d'espaces vectoriels, alors

$\sum _{n\text{ pair}}\dim (E_n)=\sum _{n\text{ impair}}\dim (E_n),$

ce qui, lorsque les seuls Modèle:Math non nuls sont ceux tels que Modèle:Math et sont de dimensions finies, se réécrit :

$\sum _{n=p}^q(-1{)}^n\dim (E_n)=0.$

Interprétation par la notion d'indice

Le théorème du rang pour des espaces vectoriels de dimension finie peut aussi être formulé en termes d'indice d'application linéaire. L'indice d'une application linéaire Modèle:Math de E dans F, où E et F sont des espaces vectoriels de dimension finie, est défini par

$\mathrm{i}\mathrm{n}\mathrm{d}\mathrm{i}\mathrm{c}\mathrm{e}f=\mathrm{d}\mathrm{i}\mathrm{m}(\ker f)-\mathrm{d}\mathrm{i}\mathrm{m}(\mathrm{c}\mathrm{o}\mathrm{k}\mathrm{e}\mathrm{r}f)$ où coker désigne le conoyau de Modèle:Math.

Intuitivement, Modèle:Math est le nombre de solutions indépendantes x de l'équation Modèle:Math(x) = 0, et Modèle:Math est le nombre de restrictions indépendantes sur y ∈ F pour rendre l'équation Modèle:Math(x) = y résoluble. Le théorème du rang pour des espaces vectoriels de dimension finie est équivalent à la proposition

$\mathrm{i}\mathrm{n}\mathrm{d}\mathrm{i}\mathrm{c}\mathrm{e}f=\mathrm{d}\mathrm{i}\mathrm{m}(E)-\mathrm{d}\mathrm{i}\mathrm{m}(F)$

Cela signifie que l'indice est indépendant de la fonction Modèle:Math choisie dans L(E, F). Ce résultat est généralisé par le théorème de l'indice d'Atiyah-Singer, qui affirme que l'indice de certains opérateurs différentiels peut être obtenu à partir de la géométrie des espaces impliqués.