Calculatrice de rang de matrice : comment trouver le rang avec la forme échelonnée
Une calculatrice de rang de matrice trouve le nombre de lignes ou de colonnes linéairement indépendantes d'une matrice en la réduisant à la forme échelonnée et en comptant les lignes pivots non nulles. Le rang indique si un système d'équations linéaires a une solution unique, une infinité de solutions, ou aucune solution, et il apparaît tout au long des cours d'algèbre linéaire, en infographie et dans la réduction de dimensionnalité en science des données. Ce guide détaille la méthode de réduction de lignes étape par étape avec le calcul complet, présente le raccourci du déterminant pour les matrices carrées, et propose des exemples résolus pour des matrices de rang plein et de rang déficient. Vous y trouverez également les erreurs courantes à éviter et des exercices pratiques avec réponses complètes.
Sommaire
- 01Qu'est-ce que le rang d'une matrice ?
- 02Comment une calculatrice de rang de matrice trouve-t-elle le rang à l'aide de la forme échelonnée ?
- 03Exemple résolu : trouver le rang d'une matrice 3×3 de rang plein
- 04Exemple résolu : trouver le rang d'une matrice de rang déficient
- 05Utiliser le raccourci du déterminant pour les matrices carrées
- 06Rang ligne vs rang colonne : pourquoi sont-ils toujours égaux ?
- 07Que révèle le rang sur un système d'équations ?
- 08Erreurs courantes lors du calcul du rang d'une matrice
- 09Exercices pratiques : testez votre compréhension du rang d'une matrice
- 10Pourquoi utiliser une calculatrice de rang de matrice pour s'entraîner étape par étape ?
Qu'est-ce que le rang d'une matrice ?
Le rang d'une matrice est le nombre maximal de lignes linéairement indépendantes qu'elle contient — de manière équivalente, le nombre maximal de colonnes linéairement indépendantes. Une matrice peut avoir de grandes dimensions (disons 5×5) tout en ayant un rang faible si beaucoup de ses lignes ou colonnes sont des combinaisons d'autres. Le rang est un nombre unique compris entre 0 et le plus petit des deux, entre le nombre de lignes et le nombre de colonnes : pour une matrice m×n, 0 ≤ rank(A) ≤ min(m, n). Une matrice dont le rang est égal à min(m, n) est dite de rang plein. Une matrice carrée n×n dont le rang est exactement n est inversible ; une matrice carrée dont le rang est inférieur à n est dite singulière et n'a pas d'inverse. Le rang n'est pas la même chose que la taille d'une matrice — une matrice 4×4 peut très bien avoir un rang de 2 si deux de ses lignes sont des multiples des deux autres.
Rang = le nombre de lignes linéairement indépendantes = le nombre de colonnes linéairement indépendantes = le nombre de positions de pivot une fois la matrice réduite à la forme échelonnée.
Exemple résolu : trouver le rang d'une matrice 3×3 de rang plein
Considérons A = [[1, 2, 3], [2, 5, 3], [1, 0, 8]]. C'est une matrice 3×3 classique utilisée pour illustrer la réduction de lignes d'une matrice de rang plein. Étant carrée, le rang plein ici signifie un rang de 3.
1. Étape 1 — Éliminer la colonne 1 sous le pivot
Le pivot est a₁₁ = 1. R2 = R2 - 2R1 : [2-2(1), 5-2(2), 3-2(3)] = [0, 1, -3] R3 = R3 - 1R1 : [1-1(1), 0-1(2), 8-1(3)] = [0, -2, 5] La matrice devient : [[1, 2, 3], [0, 1, -3], [0, -2, 5]]
2. Étape 2 — Éliminer la colonne 2 sous le pivot
Le pivot est maintenant l'élément 1 situé à la ligne 2, colonne 2. R3 = R3 + 2R2 : [0+2(0), -2+2(1), 5+2(-3)] = [0, 0, -1] La matrice devient : [[1, 2, 3], [0, 1, -3], [0, 0, -1]]
3. Étape 3 — Compter les pivots
Chaque ligne possède un premier élément non nul : 1, 1 et -1. Les trois lignes sont non nulles, donc rank(A) = 3. Puisque A est une matrice 3×3 de rang 3, elle est de rang plein et inversible. Cela correspond à det(A) = 1(5·8-3·0) - 2(2·8-3·1) + 3(2·0-5·1) = 40 - 26 - 15 = -1, qui est non nul — ce qui confirme le rang plein.
Résultat : rank(A) = 3 pour A = [[1,2,3],[2,5,3],[1,0,8]]. Trois lignes pivots non nulles, ce qui correspond à un déterminant non nul de -1.
Exemple résolu : trouver le rang d'une matrice de rang déficient
Considérons maintenant B = [[1, 2, -1], [2, 4, 1], [3, 6, 3]]. Remarquez que la colonne 2 vaut exactement le double de la colonne 1 (2 = 2·1, 4 = 2·2, 6 = 2·3) — un indice fort que cette matrice ne sera pas de rang plein.
1. Étape 1 — Éliminer la colonne 1 sous le pivot
Le pivot est b₁₁ = 1. R2 = R2 - 2R1 : [2-2(1), 4-2(2), 1-2(-1)] = [0, 0, 3] R3 = R3 - 3R1 : [3-3(1), 6-3(2), 3-3(-1)] = [0, 0, 6] La matrice devient : [[1, 2, -1], [0, 0, 3], [0, 0, 6]]
2. Étape 2 — Éliminer la colonne 3 sous le pivot
La colonne 2 n'a pas de pivot disponible (les deux éléments sous la ligne 1 sont 0), on passe donc à la colonne 3, où la ligne 2 a pour pivot 3. R3 = R3 - 2R2 : [0-2(0), 0-2(0), 6-2(3)] = [0, 0, 0] La matrice devient : [[1, 2, -1], [0, 0, 3], [0, 0, 0]]
3. Étape 3 — Compter les pivots
Seules deux lignes sont non nulles : la ligne 1 (pivot en colonne 1) et la ligne 2 (pivot en colonne 3). La ligne 3 est entièrement nulle. Donc rank(B) = 2, même si B est une matrice 3×3. Cela correspond à la dépendance entre colonnes repérée au départ : colonne 2 = 2 × colonne 1, donc les trois colonnes n'engendrent qu'un espace de dimension 2.
Résultat : rank(B) = 2 pour une matrice 3×3 — il manque une dimension pour atteindre le rang plein car colonne 2 = 2 × colonne 1.
Utiliser le raccourci du déterminant pour les matrices carrées
Pour une matrice carrée n×n, il existe un raccourci : calculer le déterminant. Si det(A) ≠ 0, la matrice est automatiquement de rang plein, c'est-à-dire rank(A) = n — aucune réduction de lignes n'est nécessaire. Si det(A) = 0, vous savez que rank(A) < n, mais le déterminant seul ne vous indique pas le rang exact ; il faut alors procéder à une réduction de lignes (ou vérifier les déterminants de sous-matrices plus petites) pour déterminer de combien le rang est inférieur à n.
1. Étape 1 — Calculer le déterminant
Pour C = [[4, 2], [2, 1]] : det(C) = (4)(1) - (2)(2) = 4 - 4 = 0.
2. Étape 2 — Puisque det = 0, confirmer que le rang est inférieur à n par réduction de lignes
R2 = R2 - 0.5R1 : [2-0.5(4), 1-0.5(2)] = [0, 0] La matrice devient : [[4, 2], [0, 0]]. Une seule ligne non nulle, donc rank(C) = 1, et non 2.
Raccourci pour les matrices carrées : det ≠ 0 signifie immédiatement rank = n (rang plein). det = 0 indique seulement rank < n — la réduction de lignes permet de trouver la valeur exacte.
Rang ligne vs rang colonne : pourquoi sont-ils toujours égaux ?
Cela peut sembler surprenant, mais pour toute matrice — carrée ou non — le nombre maximal de lignes linéairement indépendantes est toujours égal au nombre maximal de colonnes linéairement indépendantes. Ce résultat est parfois appelé le théorème du rang, et c'est pourquoi les cours d'algèbre linéaire peuvent simplement parler « du rang » sans préciser rang ligne ou rang colonne. Une façon intuitive de le voir : la réduction de lignes ne fait que combiner et réordonner des lignes, et le nombre de colonnes pivots qu'elle produit correspond exactement au nombre de colonnes indépendantes dans la matrice d'origine, tandis que le nombre de lignes non nulles correspond au nombre de lignes indépendantes. Comme ces deux quantités proviennent du même ensemble de pivots, elles doivent coïncider. Pour B = [[1, 2, -1], [2, 4, 1], [3, 6, 3]] de l'exemple précédent, la forme réduite a des pivots dans les colonnes 1 et 3 — ce qui confirme qu'exactement 2 colonnes sont indépendantes, correspondant aux 2 lignes indépendantes.
Le rang ligne est toujours égal au rang colonne. Cette valeur commune est simplement appelée le rang de la matrice — il n'existe pas de « calculatrice de rang ligne » et de « calculatrice de rang colonne » distinctes.
Que révèle le rang sur un système d'équations ?
Pour un système d'équations linéaires Ax = b, le rang détermine exactement le type d'ensemble de solutions obtenu. Comparez rank(A), la matrice des coefficients, à rank([A|b]), la matrice augmentée avec les constantes ajoutées comme colonne supplémentaire : si rank(A) < rank([A|b]), le système est incompatible et n'a pas de solution. Si rank(A) = rank([A|b]) = n (le nombre d'inconnues), le système a exactement une solution. Si rank(A) = rank([A|b]) < n, le système a une infinité de solutions, avec n - rank variables libres.
1. Étape 1 — Construire la matrice augmentée
En utilisant la matrice des coefficients B = [[1, 2, -1], [2, 4, 1], [3, 6, 3]] avec les constantes b = (4, 7, 10) : [1, 2, -1 | 4] [2, 4, 1 | 7] [3, 6, 3 | 10]
2. Étape 2 — Réduire la matrice augmentée
R2 = R2 - 2R1 : [0, 0, 3 | -1] R3 = R3 - 3R1 : [0, 0, 6 | -2] R3 = R3 - 2R2 : [0, 0, 0 | 0] La dernière ligne devient 0 = 0, ce qui est toujours vrai — donc rank([A|b]) = 2, ce qui correspond à rank(A) = 2.
3. Étape 3 — Interpréter le résultat
Puisque rank(A) = rank([A|b]) = 2 < 3 inconnues, le système admet une infinité de solutions avec 1 variable libre (y). Comparez cela avec b = (4, 7, 9) : les mêmes étapes donnent une dernière ligne 0 = -1, une équation impossible. Dans ce cas, rank(A) = 2 mais rank([A|b]) = 3, donc le système n'a aucune solution.
Critère du rang pour les systèmes : aucune solution si rank(A) < rank([A|b]) ; une solution si les deux sont égaux à n ; une infinité si les deux sont égaux mais inférieurs à n.
Erreurs courantes lors du calcul du rang d'une matrice
Quelques erreurs reviennent fréquemment lorsque les élèves calculent le rang à la main.
1. Erreur 1 — Confondre le rang avec la taille de la matrice
Une matrice 4×4 n'a pas automatiquement un rang de 4. Le rang dépend de l'indépendance linéaire, et non du nombre de lignes ou de colonnes présentes.
2. Erreur 2 — Oublier d'échanger les lignes lorsqu'une position de pivot est nulle
Si l'élément nécessaire comme pivot est 0 mais qu'une ligne inférieure possède une valeur non nulle dans cette colonne, vous devez échanger les lignes avant de continuer — sauter cette étape produit une forme échelonnée incorrecte et un rang erroné.
3. Erreur 3 — Supposer que det = 0 signifie rang = 0
det(A) = 0 signifie seulement rank(A) < n pour une matrice carrée. Le rang réel peut être n-1, n-2, ou toute valeur inférieure — il faut toujours une réduction de lignes pour le déterminer précisément.
4. Erreur 4 — Arrêter la réduction de lignes trop tôt
Le rang doit être lu à partir d'une forme échelonnée entièrement réduite. Arrêter l'élimination à mi-chemin peut laisser des lignes qui semblent non nulles mais qui s'annuleraient avec une opération supplémentaire, ce qui conduit à surestimer le rang.
L'erreur la plus courante sur le rang : le lire avant que l'élimination ne soit terminée. Terminez toujours la réduction de lignes avant de compter les pivots.
Exercices pratiques : testez votre compréhension du rang d'une matrice
Résolvez ces trois problèmes, puis comparez votre réduction de lignes aux réponses ci-dessous.
1. Problème 1 — Trouver rank(D) pour D = [[2, 4], [1, 2]]
Réponse : det(D) = (2)(2) - (4)(1) = 0, donc rank < 2. R2 = R2 - 0.5R1 donne [0, 0]. Il ne reste qu'une seule ligne non nulle, donc rank(D) = 1.
2. Problème 2 — Trouver rank(E) pour E = [[1, 0, 2], [0, 1, 1], [1, 1, 3]]
Réponse : R3 = R3 - R1 - R2 donne [1-1-0, 1-0-1, 3-2-1] = [0, 0, 0]. Les lignes 1 et 2 restent non nulles et indépendantes (pivots dans les colonnes 1 et 2), donc rank(E) = 2.
3. Problème 3 — Le système x - y = 3 et 2x - 2y = 6 est-il compatible, et quel est le rang de sa matrice des coefficients ?
Réponse : la matrice des coefficients [[1, -1], [2, -2]] a la ligne 2 = 2 × ligne 1, donc rang = 1. La matrice augmentée [[1, -1 | 3], [2, -2 | 6]] a également la ligne 2 = 2 × ligne 1 (colonne des constantes incluse), donc son rang est aussi 1. Comme les deux rangs sont égaux à 1, ce qui est inférieur aux 2 inconnues, le système est compatible avec une infinité de solutions — les deux équations décrivent la même droite.
Vérifiez votre travail : chaque fois qu'un rang calculé semble trop élevé, revérifiez en réduisant entièrement à la forme échelonnée et en confirmant que chaque ligne « non nulle » possède réellement un pivot non nul.
Pourquoi utiliser une calculatrice de rang de matrice pour s'entraîner étape par étape ?
La réduction de lignes à la main est facile à rater au milieu d'une longue matrice — une erreur d'arithmétique dans la ligne 2 se propage à toutes les lignes suivantes. Une calculatrice de rang de matrice qui affiche chaque étape d'élimination vous permet de vérifier votre propre travail ligne par ligne et de repérer exactement où une erreur s'est glissée, plutôt que de simplement voir si le rang final correspond. Le solveur étape par étape et le tuteur de mathématiques IA de Solvify parcourent la réduction de lignes, les raccourcis avec le déterminant et les problèmes de rang de la même manière que ce guide, afin que vous puissiez vérifier vos devoirs, vous entraîner pour les examens, ou débloquer une matrice spécifique sans perdre le raisonnement derrière chaque étape.
Articles connexes
Calculatrice de matrice étape par étape : opérations, déterminants et inverses
Étendez le rang à l'ensemble des opérations matricielles — addition, multiplication, déterminants et inverses — avec la même approche par exemples résolus.
Calculatrice de système d'équations avec étapes
Découvrez comment le rang détermine si un système linéaire a une, aucune ou une infinité de solutions, expliqué en détail.
Calculatrice de résolution d'équations linéaires
La résolution d'équations à une variable est le fondement que la réduction de lignes et le rang généralisent sous forme matricielle.
Solveurs mathématiques
Solutions étape par étape
Obtenez des explications détaillées pour chaque étape, pas seulement la réponse finale.
Solveur Smart Scan
Prenez une photo de n'importe quel problème de mathématiques et obtenez une solution instantanée étape par étape.
Tuteur de mathématiques IA
Posez des questions complémentaires et obtenez des explications personnalisées 24h/24 et 7j/7.
Comment une calculatrice de rang de matrice trouve-t-elle le rang à l'aide de la forme échelonnée ?
Une calculatrice de rang de matrice fonctionne en appliquant l'élimination de Gauss pour transformer la matrice en forme échelonnée (REF) — une disposition de type triangulaire où le premier élément non nul de chaque ligne (son pivot) se situe strictement à droite du pivot de la ligne au-dessus, et où les lignes entièrement nulles se trouvent en bas. Une fois la matrice en forme échelonnée, le rang correspond simplement au nombre de lignes non nulles, ce qui équivaut au nombre de pivots. Le processus d'élimination utilise trois opérations élémentaires sur les lignes qui ne modifient jamais le rang : échanger deux lignes, multiplier une ligne par une constante non nulle, et ajouter un multiple d'une ligne à une autre. Comme ces opérations préservent les relations de dépendance linéaire, le rang de la matrice réduite est toujours égal au rang de la matrice d'origine.
1. Étape 1 — Trouver le premier pivot
Parcourez la colonne 1 de haut en bas pour trouver le premier élément non nul. Si l'élément de la ligne 1 est nul mais qu'une ligne inférieure possède un élément non nul dans la colonne 1, échangez les lignes afin que la valeur non nulle devienne le pivot.
2. Étape 2 — Éliminer sous le pivot
Pour chaque ligne située sous la ligne du pivot, soustrayez un multiple de la ligne du pivot de manière à ce que l'élément dans la colonne du pivot devienne 0. Répétez l'opération jusqu'à ce que tous les éléments sous le pivot dans cette colonne soient 0.
3. Étape 3 — Passer à la colonne suivante et répéter
Descendez d'une ligne et déplacez-vous d'une colonne vers la droite, puis répétez la recherche d'un pivot non nul dans la sous-matrice restante. Continuez jusqu'à ce qu'il n'y ait plus de lignes ou de colonnes.
4. Étape 4 — Compter les lignes non nulles
Une fois qu'aucun autre pivot ne peut être trouvé, comptez les lignes qui ne sont pas entièrement nulles. Ce nombre correspond au rang de la matrice.