Matrices (I)

Ici, K désigne un corps commutatif.

Tous les K-ev considérés sont supposés de dimension finie ¥1
I- Généralités
1- Définitions
Soit pn, pq P pN q2

Définitions - Notations :
On appelle matrice à n lignes, p colonnes et à éléments (ou coefficients) dans K toute
application de t1,    , nu  t1,    , pu dans K .

Une application A: t1,    , nu  t1,    , pu ÝÑ K

pi, j q ÞÝÑ aij

est notée sous la forme d’un tableau :

a11 a12 a13  a1p
 a21 a22 a23  a2p Æ
A  paij q 1 ¤ i ¤ n  paij q1¤i¤n,1¤j¤p  paij qij  paij q   Æ
 . .. .. .. Æ
 .. .
1¤j ¤p . .
an1 an2 an3    anp
Le couple pn, pq est appelé le format de la matrice A, n est le nombre de lignes de A, et p est le
nombre de colonnes de A.
Pour pi, j q P t1,    , nu  t1,    , pu , le terme aij située à la ième ligne et j ème colonne s’appelle le
pi, j qème terme (ou coefficient) de A .
On dit que :
A est une matrice carrée si et seulement si n  p , on dit alors que A est une matrice carrée
d’ordre n .
A est une matrice-colonne (ou matrice unicolonne) si et seulement si p  1 .
A est une matrice-ligne (ou matrice uniligne) si et seulement si n  1 .
Si A  paij qij est carré d’ordre n, les aii p1 ¤ i ¤ nq sont appelés les éléments diagonaux de A,
et pa11 ,    , ann q est appelé la diagonale de A .
On note Mn,p pKq l’ensemble des matrices à n lignes, p colonnes, et à éléments dans K .
On note Mn pKq l’ensemble Mn,n pKq des matrices carrées d’ordre n à éléments dans K .
Exemples :
 ?
1
5
3
A
1
2
8
7 ÆÆ est une matrice carré d’ordre 3 à coefficients réels, A P M3 pRq .
2

7
0
 2 
i 7 2i 0
1 Æ
B 2
i 8 j Æ est une matrice carré d’ordre 3 à coefficients dans C , B P M3 pCq .

2
59 0
 
1
 4 Æ
 Æ
C ?

5Æ est une matrice colonne de M5,1 pRq .
3 Æ
 Æ
 0



1

D  1 2i
79 i
j 0 est une matrice ligne de M1,5 pCq .

Fiche issue de http://www.ilemaths.net 1

 Définitions :
Soit A  paij q1¤i¤n,1¤j ¤p P Mn,p pKq .
Pour k P t1,    , nu : 
La matrice ligne pak,j q1¤j¤p  ak,1 ak,2    ak,p P M1,p pKq est appelée la kème ligne de A .
On appelle kème vecteur ligne de A le vecteur pak,1 ,    , ak,p q, c’est un élément de Kp .
Pour m P t1,    , pu :  
a1,m
 a2,m Æ
La matrice colonne pai,m q1¤i¤n   . Æ P Mn,1 pKq est appelée la mème colonne de A .
 ..
Æ

an,m
On appelle mème vecteur colonne de A le vecteur pa1,m ,    , an,m q, c’est un élément de Kn .

2- Opérations sur les matrices

a- Égalité entre deux matrices
L’égalité entre deux matrices est en fait l’égalité entre deux fonctions, par conséquent deux matrices sont
égales lorsqu’elles ont la même taille et les mêmes coefficients.

Définition :
Soient A, B P Mn,p pKq tels que A  pai,j q1¤i¤n,1¤j ¤p et B  pbi,j q1¤i¤n,1¤j ¤p
On dit que A et B sont égaux et on note A  B si et seulement si : pi, j q P t1,    , nu  t1,    , pu :
ai,j  bi,j

b- Addition

Définition :
On appelle addition dans Mn,p pKq la loi interne, notée , définie par :
pai,j q1¤i¤n,1¤j¤p P Mn,p pKq et pbi,j q1¤i¤n,1¤j¤p P Mn,p pKq : pai,j q1¤i¤n,1¤j¤p pbi,j q1¤i¤n,1¤j¤p 
pai,j bi,j q1¤i¤n,1¤j¤p
Remarque :
On ne somme que des matrices de même type.

Exemple
 :



1
5 0
1
1 8
7
1
1
4 0

6 0  2
2 2
0

7

Proporiétés :
La loi est :
Associative et commutative.
Admet un élément neutre qui est la matrice de Mn,p pKq dont tous les termes sont nuls, on la note
On,p ou plus simplement O et on la nomme la matrice nulle.
Tout A  paij q de Mn,p pKq admet un opposé noté
A défini par : pi, j q P t1,    , nu  t1,    , pu :

A  p
aij q
Remarque :
L’élément neutre de Mn pKq On,n sera noté On .

Théorème :
pMn,p pKq, q est un groupe abélien

Fiche issue de http://www.ilemaths.net 2

c- Multiplication par un scalaire

Définition :
On appelle multiplication par les scalaires la loi externe K  Mn,p pKq ÝÑ Mn,p pKq, notée par . ou
par absence de symbole, définie par :
λ P K , paij qij P Mn,p pKq : λ.paij qij  pλ.aij qij
Exemple
 :


1
2 0
8
4
1 0
1
 44 0
0

4
Propriétés :
Soient A, B P Mn,p pKq , soient λ, µ P K
1.A  A
λ.pA B q  λ.A λ.B
pλ µq.A  λ.A µ.A
pλµq.A  λ.pµ.Aq

Théorème :
pMn,p pKq, , .q est un K-espace vectoriel

Définition :
Pour pn, pq P pN q2 et pi, j q P t1,    , nu  t1,    , pu , on note Eij la matrice de Mn,p pKq dont
le pi, j qème terme vaut 1 et tous les autres sont nuls. Les matrices Eij sont appelées les matrices
élémentaires de Mn,p pKq

Exemple : 



Les matrices élémentaires de M2 pKq sont : E11  1 0

0 0
, E12  0
0
1
0
, E21  0
1
0
0
et E22 


0 0
0 1   
Les matrices élémentaires de M1,3 pKq sont : E11  1 0 0 , E12  0 1 0 et E13  0 0 1

Propostion :
pEij qpi,jqPt1, ,nut1, ,pu est une base de Mn,p pKq, appelée base canonique de Mn,p pKq .
dim Mn,p pKq  np, en particulier : dim Mn pKq  n2
Exemple demanipulation
 vectorielle

: 


0
1
Soient A1  , A2  , A3  , A1 
1 0 1 0 1 1
0 1 0
1 1 1 1 0
On se propose de montrer que la famille pAi q1¤i¤4 est une base de M2 pRq.
Il est clair que cardpAi q1¤i¤4  dim M2 pRq  4.
Il suffit donc de montrer que pAi q1¤i¤4 est libre .
Soient λ1 , λ2 , λ3 , λ4 P R tels que : λ1 A1 λ2 A2
λ3 A3 λ
4 A4  O2
λ3
λ4
Matriciellement :
λ1 λ2 λ3
λ3 λ4 λ1
λ2 λ3
 00 00
En résolvant le système, on obtient : λ1  λ2  λ3  λ4  0
Ce qui permet de conclure.

d- Produit

Fiche issue de http://www.ilemaths.net 3

 Définition :
Soient A  paij qij P Mn,p pKq, B  pbjk qjk P Mp,q pKq.
On appelle produit de A par B, et on note A  B ou encore par absence de symbole AB, la matrice
de Mn,q pKq définie par : AB  pcik qik où :
¸
p
pi, kq PP t1,    , nu  t1,    , qu : cik  aij bjk

j 1

Remarques :
Le produit AB n’est possible que si le nombre de colonnes de A est égal au nombre de lignes de B. Le
résultata alors autant de lignes que A et autant de colonnes que B.
En général AB  BA, il se peut même que AB soit défini, mais pas BA.
Exemples :
    
4
8 0 5 1
12 4
4 0
4 4 0   12
4
1 3
3 2 2 11
5
     

0 1 0 1 

2 1
1 2 



2 1 0 1 1 2 n’est pas défini, par contre 
1 2
1 2

2 1  
5 1
0 1 0 5

Proposition :
Pseudo-distributivité à gauche :
A P Mn,p pKq , B, C P Mp,q pKq : ApB C q  AB AC .
Pseudo-distributivité à droite :
A, B P Mn,p pKq, C P Mp,q pKq : pA B qC  AC BC .
λ P K , A P Mn,p pKq , B P Mp,q pKq : pλAqB  λpAB q  ApλB q .
Pseudo-associativité :
A P Mn,p pKq, B P Mp,q pKq, C P Mq,r pKq : pAB qC  ApBC q .

3- La K-algèbre pMn pKq, , ., q des matrices carrées

a- Présentation

Proposition-Définition :
Le produit matriciel  définit une loi de composition interne sur Mn pKq
pMn pKq, , ., q
 est une K-algèbre
 associative, unitaire.
1 O
On note In  
 ..
.
Æ
P p q
Mn K l’élément neutre du produit matriciel.
O 1

Remarque :
La K-algèbre pMn pKq, , ., q n’est commutative que pour n  1, dans ce cas, elle est identifiable à
pK, , ., q.

Définition :
On dit que deux matrices A et B de Mn pKq commutent ssi : AB  BA.

Remarque :
A P Mn pKq : A  In  In  A  A
Donc : In commute avec toute matrice de Mn pKq

b- Matrices diagonales et matrices triangulaires

Fiche issue de http://www.ilemaths.net 4

 Définition :
Une matrice carrée A  paij q1¤i,j¤n P Mn pKq est dite diagonale si et seulement si :pi, j q P
t1,    , nu2 : i  j ùñ aij  0
On note Dn pKq l’ensemble des matrices diagonales d’ordre n.
Exemples

:
0 7 P D2 pRq
2 0
 

6 0 0
 0
i 0 P D3 pCq
0 0 101

Notation :
On notera diag pαi q1¤i¤n la matrice diagonale de Dn pKq dont la diagonale est la famille pαi q1¤i¤n

Exemples
 : 

6 0 0
 0
i 0  diagp
6,
i, 101q P D3 pCq
0 0 101
In  diagp1, 1,    , 1q et On  diagp0, 0,    , 0q

Définition :
Soit la matrice carrée A  paij q1¤i,j ¤n P Mn pKq.
A est dite triangulaire supérieure (ou : trigonale supérieure) si et seulement si :pi, j q P
t1,    , nu2 : i ¡ j ùñ aij  0
On note Tn pKq l’ensemble des matrices triangulaires supérieures d’ordre n.
A est dite triangulaire inférieure (ou : trigonale inférieure) si et seulement si :pi, j q P
t1,    , nu2 : i   j ùñ aij  0
On note Tn
pKq l’ensemble des matrices triangulaires inférieures d’ordre n.

Exemples
 : 

6 2 i 2
 0
i 3 P T3 pCq

0 0 j

6 0 0
 3
7 0 P T3
pRq

11 0 4

Proposition :
Dn pKq  Tn pKq X Tn
pKq

Théorème :
Dn pKq, Tn pKq et Tn
pKq sont des sous-espaces vectoriels de Mn pKq
Dn pKq, Tn pKq et Tn
pKq sont des sous-algèbres de la K-algèbre Mn pKq

c- Puissances d’une matrice carrée

Fiche issue de http://www.ilemaths.net 5

 Définition :
Soit A P Mn pKq
Partant de la définition du produit de matrices carrées, on peut considérer le cas particulier des
puissances d’une matrice tel que :
A0  In
A1  A
A2  A  A
A3  A  A2  A  A  A
..
.
An  A  An
1  looooooooomooooooooon
A  A    A
nf ois

Exemple : 

Soit A P M2 pRq tel que : A 

1 1
0 1
calculer An ( n P N)



Par calcul simple, A  , A3 

21 2 1 3

0 1
0 1
On en déduit que Ak  pour k P N
1 k
0 1 

Montrons maintenant par récurrence que n P N : A 

n 1 n
0 1
Pour n  0 : A0 I2 (vérifié) 


Supposons que pour n P N : An  

1 n 1 1 n 1
et montrons que An

0



1

0 1
An 1
 An  A  1
0
n
1
1 1
0 1
 1 n 1
0 1


Résultat : n P N : An  1 n
0 1

Remarque :
Attention : pA B q2  A2 AB BA B2

Théorème :
Soit pA, B q P pMn pKqq2 tel que A et B commutent, on a alors m P N
pAB qm  Am Bm̧m

m k m
k
pA B qm  k
A B (binôme de Newton)
k0
¸1
m

Am
B m  pA
B q Ak B m
1
k

k 0

Remarque :
AB  0 n’implique pas que A  0 ou B  0
 A 
I2 possède
dans M2 pRq d’autres solutions que I2 et
I2
2
Par conséquence,
1 0
1 0
0
1
Par exemple : ,
0 1

Définition :
On dit qu’une matrice A P Mn pKq est idempotente si A2  A.
On dit qu’une matrice A P Mn pKq est nilpotente s’il existe m P N tel que Am  On .
Exemples :

Fiche issue de http://www.ilemaths.net 6

 




A  22


1
1
est idempotente, en effet : A2 
2
1
2
1
2
1
2
1
 22


1
1
.
 
0 1 2
B  0 0 3 est nilpotente.
0 0 0         
0 1 2 0 1 2 0 0 3 0 1 2 0 0 3 0 0 0
En effet : B 2  0 0 3 0 0 3  0 0 0 et B 3  0 0 3 0 0 0  0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0

Proposition :
Soit A P Dn pKq tel que A  diag ppxi q1¤i¤n avec xi P K i P t1,    , nu
On a alors : k P N : Ak  diag ppxki q1¤i¤n

d- Matrices inversibles

Définition :
Une matrice A de Mn pKq est dite inversible si et seulement s’il existe A P 1
Mn pKq telle que
AA  A A  In
1 1

Si A est inversible, alors A est unique et appelée inverse de A, et notée A
1

1

On note GLn pKq l’ensemble des matrices inversibles de Mn pKq

Exemple :
La matrice In est inversible et : In
1  In

Proposition :
pGLn pKq, q est un groupe appelé groupe linéaire d’ordre n.

Théorème : (dit d’inversibilité)

Pour A P Mn pKq, les propositions suivantes sont équivalantes :
(i) A est inversible
(ii) A est inversible à droite, ie : DB P Mn pKq : AB  In
(iii) A est inversible à gauche ie : DC P Mn pKq : CA  In
De plus si tel est le cas A
1  B  C

Lemme :
Soient A, B P Mn,p pKq.
Si : X P Mp,1 pKq : AX  BX alors A  B

Remarques :  
x
Pour calculer l’inverse d’une matrice A P Mn pKq, on prend les deux matrices colonnes X  y P Mn,1 pKq
z
 1
x
et Y  y P Mn,1 pKq, et on résout le système AX  Y , où X est la matrice colonne inconnue (ie. On
1

1
z
cherche x, y et z en fonction de x , y et z )car :AX  Y ùñ X  A
1 Y .
1 1 1

Il existe aussi la méthode de ”pivot de Gauss” pour calculer l’inverse d’une matrice, on exposera cette
méthode plus tard.

Exemple:

Soit A 
1 2
1 3

Fiche issue de http://www.ilemaths.net 7

 
 1

Soit X  x
y
et Y  x
y
1 tels que : AX Y


 1
# # 

 1

1 2 x
 x
ðñ x
1
x 2y
ðñ x  3x
2y
1 1

ðñ x

31
12 x
ðñ
1 3 y y
1
y
1
x 3y y 
x y
1 1
y
1
y
X  A
1 Y 

Donc : A
1 
31
12

Proposition :
Soit pai q1¤i¤n une famille d’éléments dans K et soit la matrice A P Dn pKq telle que A  diagpai q1¤i¤n .
Les propositions suivantes sont équivalentes :
(i) A est inversible
(ii) i P t1,    , nu : ai  r 0
De plus, dans ce cas : A
1  diag p q1¤i¤n
1
ai
Soit la matrice A P Tn pKq (respectivement A P Tn
pKq). On a équivalence entre :
(i) A est inversible
(ii) Les coefficients diagonaux de A sont tous non nuls.
De plus, si tel est le cas, A
1 P Tn pKq (respectivement A
1 P Tn
pKq)

4- Transposition
a- Définition et propriétés :

Définition :
 
a11  a1p
Pour toute matrice A  paij q1¤i¤n,1¤j ¤p   .. .. Æ de M pKq, on appelle transposée de
 .
. n,p
an1    anp
Mp,n pKq définie par :
A la matrice notée t̂A de 
a11    an1
t̂A  paij q1¤j ¤p,1¤i¤n   .. .. Æ (Ainsi le coefficient d’indice pj, iq de t̂A est égal au coeffi-
 .
.
a1p  anp
cient d’indice pi, j q de A)

Remarque :
Les colonnes et lignes de t̂A correspondent respectivement aux lignes et colonnes de A.

Exemple :  

0 0
A , donc : t̂A  1 0
0 1 2
0 0 3
2 3

Proposition :
T : Mn,p pKq ÝÑ Mp,n pKq
M ÞÝÑt M
L’application est un isomorphisme de K-espaces vectoriels.

Fiche issue de http://www.ilemaths.net 8

 Proposition : (Propriétés)
A P Mn,p pKq : t̂pt Aq  A
pα, β q P K2 , pA, B q P pMn,p pKqq2 : t̂pαA βB q  αt A βtB
A P Mn,p pKq , B P Mp,n pKq : t̂pAB q t B t A
A P GLn pKq : t̂A P GLn pKq et pt Aq
1 t pA
1 q

b- Matrices carrées symétriques et antisymétriques

Définitions :
i)
Une matrice A de Mn pKq est dite symétrique si et seulement si : t̂A  A
On note Sn pKq l’ensemble des matrices symétriques d’ordre n à coefficients dans K
ii)
Une matrice A de Mn pKq est dite antisymétrique si et seulement si : t̂A 
A
On note An pKq l’ensemble des matrices antisymétriques d’ordre n à coefficients dans K

Proposition :
Sn pKq est un sous-espace vectoriel de Mn pKq de dimension npn2 1q
An pKq est un sous-espace vectoriel de Mn pKq de dimension npn2
1q

Proposition :
pA, B q P pSn pKqq2 : AB P Sn pKq ðñ AB  BA (ie. A et B commutent)
A P Sn pKq X GLn pKq : A
1 P Sn pKq

Théorème :
Les sous-espaces vectoriels Sn pKq et An pKq sont supplémentaires dans Mn pKq

5- Matrices semblables et matrices équivalentes

Définitions :
.

Soient A, B P Mn,p pKq, A et B sont dites équivalentes et on note AeqB si et seulement s’il existe
deux matrices inversibles P P Mn pKq et Q P Mp pKq telles que : A  P BQ.
Soient A, B P Mn pKq, A et B sont dites semblables et on note A  B si et seulement s’il existe
P P Mn pKq inversible telle que : A  P BP
1

Proposition :
Les relations eq et  sont des relations d’équivalence respectivement dans Mn,p pKq et Mn pKq

II- Matrices et applications linéaires

1- Représentations matricielles
a- Matrice colonne des composantes d’un vecteur

Fiche issue de http://www.ilemaths.net 9

 Définition :
Soient E un K-ev , n  dim pE q , B  pe1 ,    , en q une base de E , x P E , px1 ,    , xn q les composantes
ņ
de x dans la base B : x  x k ek
  
k 1
x1
 x2 Æ
 Æ
La matrice colonne  . Æ s’appelle la matrice-colonne des composantes de x dans B, on la note :
 ..
xn
M atB pxq

Remarques :
Puisque les composantes d’un vecteur dépendent de la base choisie, il est nécessaire de préciser celle-ci.
Toutes les matrices des composantes d’un vecteur appartiennent à Mn,1 pKq .
Exemples :
Soit dans R3 rX s , le polynôme P  2X 3
8X  3, la matrice-colonne des composantes de P dans la base
3
8Æ
canonique B  p1, X, X 2 , X 3 q est : M atB pP q   0
Æ


2

Soit dans M2,3 pRq, la matrice A  22
1 1

3 5 , la matrice-colonne de A dans la base canonique
2

1Æ
 Æ
 1 Æ
B  pE11 , E12 , E13 , E21 , E22 , E23 q est : M atB pAq   2 Æ
Æ
 Æ

3
5

Théorème :
MB : E ÝÑ Mn,1 pKq
x ÞÝÑ M atB pxq
En conservant les notations de la définition ; L’application est un isomorphisme
de K-espace vectoriel.

b- Matrice des composantes d’une famille de vecteurs

Définition :
Soient E un K-ev , n  dim pE q , B  pe1 ,    , en q une base de E, p P N , F  pV1 ,    , Vp q une famille
finie de p éléments de E, et, pour chaque j de t1,    , pu, pa1j ,    , anj q les composantes de Vj dans
ņ
B : j P t1,    , pu , Vj  akj ek

k 1  
a11  a1p
La matrice paij q1¤i¤n,1¤j ¤p  .. Æ de M pKq s’appelle la matrice de la famille F
 .
 .. . n,p
an1    anp
relativement à la base B et est notée M atB pF q ou M atB pV1 ,    , Vp q

Remarque :
Dans le cas p  1, on retrouve la notion de matrice des composantes d’un vecteur.

Exemples :
Considérons l’espace vectoriel R3 muni de sa base canonique B  pp1, 0, 0q, p0, 1, 0q, p0, 0, 1qq
Soient x1  p1, 2, 3q, x2  p2, 0, 1q, x3  p1, 0,
1q et x4  p
1, 1, 1q quatre vecteurs de R3

Fiche issue de http://www.ilemaths.net 10

  
1 2 1
1
On a : M atB px1 , x2 , x3 , x4 q  2 0 0 1 P M3,4 pRq
3 1
1 1
Soit E un K-ev de dimension n muni d’une base B connue, il est clair que : M atB pBq  In
c- Matrice d’une application linéaire

Définition :
$
'
&E, F deuxK
ev, p  dim pE q, n  dim pF q
Soient B  pe1 ,    , ep qune base de E, C  pf1 ,    , fn qune base de F .
'
f P LpE, F q
%
ņ
Pour chaque j de t1,    , pu , notons pa1j ,    , anj q les composantes de f pej q dans C : f pej q  akj fk

k 1

On appelle matrice de f relativement aux bases   M atB,C pf q, la matrice de

B et C, et on note
a11    a1p
Mn,p pKq définie par : M atB,C pf q  paij q1¤i¤n,1¤j ¤p   ...
 .. Æ
.
an1    anp

Remarque :
Lorsque A  M atB,C pf q, on dit que f est représentée par A dans les bases B et C, ou que A représente
f dans B et C
La matrice représentative de f dépend du choix des bases B et C, il est donc nécessaire de préciser celles-ci.

Théorème :
Soient E et F deux K-espaces vectoriels munis respectivement des bases B et C
MB,C : LpE, F q ÝÑ Mn,p pKq
u ÞÝÑ M atB,C puq
L’application est un isomorphisme de K-espaces vectoriels.

Définition : (Cas Endomorphisme)

Soient E un K-ev, n  dim pE q, B  pe1 ,    , en q une base de E, f P LpE q.
On appelle matrice de f relativement à la base B, et on note M atB pf q, la matrice de Mn pKq
définie par : M atB pf q  M atB,B pf q

Exemples :
Soit f : R3 ÝÑ R2 l’application linéaire définie par : f px, y, zq  px 2y
z, x
yq
Formons la matrice de f relativement aux bases canoniques B  pe1 , e2 , e3 q et B  pu1 , u2 q respectivement
1

de R3 et R2
On a :
f pe1 q  f p1, 0, 0q  p1, 1q  u1 u2
f pe2 q  f p0, 1, 0q  p2,
1q  2u1
u2
f pe3 q  f p0, 0, 1q  p
1, 0q 
u1
On en déduit :

1 2
1
M atB,B pf q  P M2,3 pRq
1
1 0
1

Soit f P LpR3 q tel que : f px, y, zq  py z; z x, x yq et B  pe1 , e2 , e3 q la base canonique de R3

On a : f pe1 q  p0, 1, 1q , f pe2 q  p1, 0, 1q , f pe3 q  p1, 1, 0q

Fiche issue de http://www.ilemaths.net 11

  
0 1 1
Donc : M atB pf q  1 0 1 P M3 pRq
1 1 0
2- Utilisation du calcul matriciel pour quelques problèmes relatifs aux applications linéaires
a- Image d’un vecteur par une application linéaire - Noyau et image

Théorème :
Soient E et F deux K-espaces vectoriels munis respectivement des bases B et C, u P LpE, F q
La matrice de u dans les bases B et C est l’unique matrice A P Mn,p pKq vérifiant :
x P E y P F : y  upxq ðñ Y  AX avec X  M atB pxq et Y  M atC pyq

Définitions :
Soit A P Mn,p pKq
On appelle noyau de A le sev de Mp,1 pKq noté KerpAq, défini par : KerpAq  tX P Mp,1 pKq, AX 
0u
On appelle image de A le sev de Mn,1 pKq noté ImpAq, défini par : ImpAq  tY P Mn,1 pKq, DX P
Mp,1 pKq, Y  AX u  tAX, X P Mp,1 pKqu

Théorème : (dit de correspondance)

Soient E et F deux K-espaces vectoriels munis respectivement des bases B et C, u P LpE, F q, A 
M atB,C puq
Il y a correspondance entre Kerpuq et KerpAq et entre ImpAq et Impuq

Cela veut dire que les éléments de KerpAq sont les représentations matricielles des éléments de Kerpuq et
que les éléments de ImpAq sont les représentations matricielles de Impuq (relativement aux bases B et C)

Exemple :
Soit E un R-ev muni d’une base B  pe1 , e2 , e3 q  
1 1 2
Soit u un endomorphisme de LpE q dont la matrice dans B est : A  M atB puq  1
1 0
1 0 1
Soit x  x1 e1 x2 e2 x3 e3 PE 
x1 x2 2x3
On a : M atB pupxqq  AX   x1
x2
x1 x3
On peut étudier$Kerpuq en étudiant KerpAq, c’est-à-dire en résolvant l’équation matricielle AX  03,1
&x1 x2 2x3  0
' #
AX  03,1 ðñ x1
x2  0
'
ðñ xx1  
x2

x3
x1 x3  0
% 1
 
1
KerpAq  tα  1 {α P Ru

1
Ainsi, Kerpuq  tαpe1 e2
e3 q{α P Ru
Donc : Kerpuq  V ectpe1 e2
e3 q

b- Compositions d’applications linéaires

Proposition :
$
'
&E, F, GtroisK
ev
Soient B, C, Ddes bases deE, F, Grespectivement
'
f P LpE, F q, g P LpF, Gq
%
On a : M atB,D pgof q  pM atC,D pg qqpM atB,C pf qq

Fiche issue de http://www.ilemaths.net 12

 Corollaire :
Soit E un K-ev muni d’une base B, on a :
f, g P LpE q : M atB pf ogq  pM atB pf qqpM atB pgqq
f P LpE q : M atB pf m q  pM atB pf qqm pour tout m P N

Proposition :
Soient E un K-ev de dimension n muni d’une certaine base B, f P LpE q, A la représentation matricielle
de f dans la base B, on a :
f est nilpotant ðñ A est nilpotante
f est un projecteur ðñ A2  A
f est une symétrie ðñ A2  In

c- Bijection et inversibilité

Théorème :
Soient E et F deux K-espaces vectoriels de même dimension munis respectivement des bases B et C,
f P LpE, F q, A  M atB,C pf q. Les propositions suiventes sont équivalantes :
i- f est un isomorphisme.
ii- A est inversible.
De plus, dans ce cas : M atC,B pf
1 q  A
1

Corollaire :
Soient E un K-espace vectoriel de dimension n muni d’une base B, f P LpE q. les propositions suivantes
sont équivalantes :
i- f est un automorphisme
ii- M atB pf q P GLn pKq
De plus, si tel est le cas : M atB pf
1 q  rM atB pf qs
1

Exemple :
Soit E un R-espace vectoriel muni de la base B  pe1 , e2 , e3 q et soit F un R-espace vectoriel muni de la base
C  p u 1 , u 2 , u 3 q.
Soit f : E Ñ F  l’application linéaire définie par sa représentation matricielle :
1 0
1
M atB,C pf q  0 0 2
1
1
1
Montrons que   f est un isomorphisme,
  pour cela, on montre que M atB,C pf q est inversible.
x1 y1
Soient X  x2 et Y  y2 de M3,1 pRq telles que : AX  Y
x3 y3 $
$
&x3  2
    
1 0
1 x1 y1 '
& x 1
x 3  y 1
'
'
y2

M atB,C pf qX  Y ðñ 0 0 2 x2  y2 ðñ 2x3  y2 ðñ 'x1
x3  y1 ðñ

1
1
1
'
x 1
x 2
x 3  y3
x3 y3 % '
%x
x
x  y
1 2 3 3
$
x3 
'
y 2
'
'
& 2 y
x 1  y1
2
'
' 2
%x2 
y3 y1

' y2 y2
2 2
$
'
'
& 1
x  y 1
y2
2
ðñ 'x2  y1
y3
'
%x  y2
3
2

Fiche issue de http://www.ilemaths.net 13

  1 
1 0
 2 Æ
Donc : rM atB,C pf qs
1  1 0
1
Æ
1
0 0
2
On en déduit que M atB,C pf q est inversible, donc f est bijective.
Déterminons f
1 :
On a : rM atB,C pf qs
1  M atC,B pf
1 q
 1 
1 0
 2 Æ
Donc : M atC,B pf
1 q  
1 0
1
Æ
1
0 0
2
Soit px, y, z q P F :
 1   1 
 
x 1 0 x x y
 2 Æ  2 Æ


M atC,B pf q y   1 0
1 y   x
z
1  Æ  Æ
z 1 z 1
0 0 y
2 2
Enfin : f
1 : F Ñ E telle que f
1 px, y, z q  px y, x
z, y q
1 1
2 2
Remarquons que pour montrer que f est bijective, il suffit de montrer que l’équation matrcielle M atB,C pf q. X 
0 n’admet que X  0 comme solution, donc le noyau de f est se réduit au vecteur nul, donc f est injective,
et par raison de dimension ( dimpE q  dimpF q ), f est bijective. La méthode présentée ci-dessus permet en
plus de ça de déterminer f
1 .

d- Quelques endomorphismes particuliers

Proposition : (Homothétie vectorielle)

Soit E un K-ev de dimension n .
Dans toute base de E, la matrice de l’homothétie vectorielle de rapport a P K est aIn .

Proposition : (Symétrie et projection)

Soit E un K-ev de dimension n, soient F et G deux sev supplémentaires de E respectivement de
dimensions r et n
r.
La matrice de la projection
 p sur F parallèlement

à G dans une base B adaptée à la supplémentarité
de F et G est :M atB ppq 
Ir O
O On
r
La matrice de la symétries sur F parallèlement

à G dans une base B adaptée à la supplémentarité
de F et G est :M atB psq 
Ir O
O
In
r

III- Changement de base

1- Matrice de passage

Définition :
Soit E un K-espace vectoriel de dimension n muni de deux bases B  pe1 ,    , en q et B  pe1 ,    , en q.
1 1 1

On appelle matrice de passage de la base B à la base B la matrice de Mn pKq notée PBB ou plus
1
1

simplement P telle que : PBB  M atB pB q  M atB pe1 ,    , en q

1 1 1
1

Exemple :
Soit E  R3 rX s muni de sa base canonique B  p1, X, X 2 , X 3 q
La famille C  p1, 1 X, p1 X q2 , p1 X q3 q est une base de E (démonstration simple et laissée en exercice)
Ecrivons la matrice de passage PB,C :
On sait que :1  1 0X 0X 2 0X 3
1 X  1 1X 0X 2 0X 3

Fiche issue de http://www.ilemaths.net 14

p1 X q2 1 2X 1X 2 0X 3
p1 X q3 1 3X 3X 2  1X 3 
1 1 1 1
0 1 3Æ
Donc : PBC  M atB pC q  0 0
 2
1
Æ
3
0 0 0 1

Proposition :
Soit E un K-espace vectoriel.
Pour toutes bases B, B de E : PBB
1
1  M atB B pIdE q
1

Théorème : (Caractérisation des bases)

1
Soit E un K-espace vectoriel de dimension n muni d’une base B, et soit B une famille de n vecteurs
de E.
Alors B est une base de E si et seulement si PBB P GLn pKq
1
1

Proposition :
1 2
Soit E un K-espace vectoriel de dimension n, B, B , B des bases de E. On a :
PBB  PBB PB B
2 1 1 2

PBB  In
PBB est inversible et rPBB s
1  PB B
1 1 1

2- Nouvelles représentations par changement de base

Théorème : (Nouvelles composantes d’un vecteur)

Soient E un K-espace vectoriel de dimension n, B, B deux bases de E, x
1
P E, X  M atB pxq, X  1

M atB pxq et P  X  M atB pB q.

1
1

On a : X  P X et X  P X
1 1

Théorème : (Nouvelle représentation d’une application linéaire)

Soient E et F deux K-espaces vectoriels, B, B deux bases de E, C, C deux bases de F , u
1 1
P LpE, F q,
A  M atB,C puq, A  M atB ,C puq, P  M atB pB q et Q  M atC pC q.
1 1 1
1 1

On a : A  Q
1 AP
1

Théorème : (Nouvelle représentation d’un endomorphisme)

Soient E un K-espace vectoriel, B, B deux bases de E, u
1
P LpE q, A  M atB puq, A  M atB puq et
1
1

P  M atB pB q.
1

On a : A  P
1 AP
1

Exemple :
E un R
ev muni
Soit   d’une base B  pe1 , e2 , e3 q et soit f P L pE q définie par : M atB pf q  A avec
2 1 1
A  
3
2
1 .
3 5 4
$

e2 e3 '
&u1
Soit C  pu1 , u2 , u3 q une famille d’éléments dans E définie par : u2  e1
e2 e3 .
'
u3 
e1 e2
2e3
%
Il est simple de vérifier que C est libre (laissé en exercice), donc
 C est une autre
 base de E.
0 1
1
La matrice de passage P de B à C est donc : P  M atB pC q  
1
1 1 .
1 1
2

Fiche issue de http://www.ilemaths.net 15

Son$inverse P
1 peut etre calculé en écrivant les éléments de la base B en fonction des éléments de la base
 
&e1 
u1 u2
'
1
1 0
C : e2 
u1
u2
u3 , on a alors : P
1   1
1
1 .
0
1
1
'
e3 
u2
u3
%
Formons maintenant la matrice de f dans la base C en calculant f pu1 q , f pu2 q et f pu3 q
On obtient aisément que : f pu1 q 
u1 , f pu2 q  2u2 et f pu3 q  3u3 (en utilisant le calcul matriciel Y  AX :
laissé en exercice)
la matrice de f dans la base C qu’on notera D est alors : D  M atC pf q  diag p
1, 2, 3q
On a, par formule de changement de base : A  P DP
1 , ce qui permet le calcul des puissances de la matrice
A car :
n P N,
P DP
1 .P DP
1 .P DP
1    P DP
1  P DIn DIn DIn    In DP
1  P Dn P
1
An  pP DP
1 qn  loooooooooooooooooooooooomoooooooooooooooooooooooon

Or, Dn  pdiag p
1, 2, 3qqn  diag pp
1qn , 2n , 3n q.

n fois

On obtient enfin
:       
0 1
1 p
1qn 0 0
1
1 0 0 0 0 1
1
1
n P N : An  
1
1 1  0 2n 0  1
1
1  p
1qn  1 1 0 2n 
1 1 1
 
1 1
2 0 0 3n 0
1
1
1
1 0 1
1
1
0 1 1
3n 0
1
1
0 2 2
3- La trace
a- Trace d’une matrice carrée

Définition :
ņ
On appelle trace d’une matrice carrée A  paij q P Mn pKq le scalaire : trpAq  aii

i 1

Exemples :
n P N :trpIn q  n 
2 1
1
Soit A  
1 3 1 , trpAq  3
1 0
2

Proposition :
Pour toutes matrices carrées A et B de même ordre et pour tous scalaires a, b P K :
trpaA bB q  atrpAq btrpB q
trpt Aq  trpAq
Autrement dit, l’application tr : Mn pKq ÝÑ K est une forme linéaire invariante par transposition.

Théorème :
A P Mn,p pKq , Mp,n pKq : trpAB q  trpBAq

Proposition :
pA, B q P pMn pKqq2 : A  B ùñ trpAq  trpB q
b- Trace d’un endomorphisme

Fiche issue de http://www.ilemaths.net 16

 Définition :
Soient E un K-ev de dimension finie et f P LpE q
La trace de f est la trace d’une matrice représentative de f dans une base quelconque de E

1
En effet, Soient B et B deux bases de E.
Notons, P  M atB pB q , A  M atB pf q et A  M atB pf q
1 1
1

On sait que : A  P A P
1
1

On a alors : trpAq  trpP A P
1 q  trpP pA P
1 qq  trppA P
1 qP q  trpA q

1 1 1 1

Donc, la trace de la matrice représentative de l’endomorphisme f est indépendante de la base choisie.

Théorème :
La trace définit une forme linéaire sur LpE q, vérifiant : pf, gq P pLpE qq2 : trpf ogq  trpgof q

IV- Rang d’une matrice

1- Définition et propriétés

Définition :
Soit A P Mn,p pKq. On appelle rang de A, et on note rg pAq le rang de la famille des colonnes de A
dans Mn,1 pKq

Théorème :
Si F  px1 ,    , xp q une famille de vecteurs d’un K-ev E et si A est la matrice de F dans une certaine
base B de E alors : rgF  rg pAq

Théorème :
Si u est une application linéaire d’un K-ev E vers un K-ev F et si A est la matrice de u relative à des
bases B et C respectivement de E et F alors : rg pAq  rg puq.

Proposition :
A P Mn,p pKq : rgpAq ¤ M inpn, pq
A P Mn pKq : rg#pAq  n ðñ A P GLn pKq
A P Mn,p pKq : PQ PP GL p pKq, rg pAP q  rg pAq
GL pKq, rg pQAq  rg pAq
n

Proposition :
Soient AP Mn,p pKq , r  rg
pAq. Alors A est équivalente à la matrice Jn,p,r définie par :
Or,p
r
Jn,p,r 
Ir
On
r,r On
r,p
r

Remarque :
Jn,p,0  0

Proposition :
pA, B q P pMn,p pKqq2 : AeqB ðñ rgpAq  rgpB q

Fiche issue de http://www.ilemaths.net 17

 Proposition :
A P Mn,p pKq : rgpt Aq  rgpAq

2- Opérations élémentaires sur les matrices

Soient pn, pq P pN
t0, 1uq2 , A  paij q P Mn,p pKq
On appelle opérations élémentaires sur les colonnes de A les transformations suivantes (où Cj désigne
la j ème colonne de A, 1 ¤ j ¤ p) :
Échange de deux colonnes de A entres elles.
Remplacement d’une colonne Cj de A par aCj où a P K .
Remplacement d’une colonne Cj de A par Cj aCk où a P K et k P t1,    , pu
tj u.
On définit de manière analogue les opérations élémentaires sur les lignes de A( qui sont les opérations
élémentaires sur les colonnes de la transposée de A).

Proposition :
Soit A P Mn,p pKq.
Les opérations élémentaires sur les colonnes et sur les lignes de A conservent le rang de A

Exemples
 : 
1 2 1
A  1 3 2
1 1 0
     
1 2 1 1 2 1 1 2 1
rg pAq  rg 1 3 2  rg 0 0 1  rg 0 0 1  2
1 1 0 0
1
1 0 0 0
Opérations effectuées :

Opération 1 : L2 ÝÑ L2
L1 et L3 ÝÑ L3
L1
Opération 2 : L3 ÝÑ L3 L2
 
1 1 1

1 1
1Æ
B  2 1 1
Æ

1  2
1   
1 1 1 1 0 0

1 1
1Æ 
1 0Æ
rg pB q  rg  Æ  rg 

1  3
2 Æ
 2 1 1  2
1
1 2
1 1 1
2
Opération effectuée :

C2 ÝÑ C2
C1 et C3 ÝÑ C3
C1
Remarque :
Les opérations élémentaires doivent être effectuées successivement et non simultanément.

Contre-exemple

:
I2  ÝÑ L1 ÝÑ L2
1 0
devient, en effectuant L1 L2 et L2 L1 :
0 1 

Simultanément : 1 1 (Faux)
1 1


Successivement : 1 1
2 1

Fiche issue de http://www.ilemaths.net 18

3- Méthode de Gauss
Soit A P Mn,p pKq.
Si la 1ère ligne de A est nulle, la matrice de Mn
1,p pKq obtenue en supprimant dans A la 1ère ligne a le
même rang que A. On peut donc supposer que la 1ère ligne de A est non nulle.
Par permutation de colonnes, on se ramène à une matrice de même rang que A, et dont le p1, 1qème terme est
non nul. En multipliant la 1ère colonne par l’inverse de cet élément, on se ramène à une matrice A1  paij qij
telle que a11  1.
Pour chaque j de t2,    , pu, le remplacement de la colonne Cj par Cj
a1j C1 fait apparaı̂tre une matrice
A2 , demême rang que A, et dontla 1ère ligneest p1, 0,    , 0q : 
1 a12 a13    a1p 1 0 0  0
 a21 a22 a23    a2p Æ  a21 a22
a12 a21 a23
a13 a21    a2p
a1p a21 Æ
A1   . Æ ÝÑ A2   .
 Æ  Æ
. . . .. .. .. Æ
 .. .
. .
. .
.  . . . . .
an1 an2 an3  anp an1 an2
a12 an1 an3
a13 an1  anp
a1p an1
En réitérant le procédé sur la matrice à n
1 lignes et p
1 colonnes située en bas à droite dans A2 , on
arrive, au bout d’un nombre fini d’opérations élémentaires sur les colonnes de A et suppressions d’éventuelles
lignes ou colonnes nulles, à une matrice R (qui a donc le même rang que A) de la forme :
 
1 O
 .. Æ
R
 . Æ
Æ
 1

Il est clair que, puisque les colonnes de R forment une famille libre, le rang de R est le nombre de colonnes
de R (qui n’est pas nécessairement le nombre de colonnes de A)

Utilisation : (Calcul de l’inverse)

Soit A P GLn pKq. On cherche à calculer A
1 . On effectue pour cela, en suivant la méthode de Gauss :

[puce ]Des opérations élémentaires uniquement sur les lignes ( ou uniquement les colonnes) de A qui
transforme A en In .
Ces mêmes opérations à In , la matrice obtenue est A
1 .
Exemple
 : 
1 1
1
A  1 1 0
2 1 1
 
1 1
1 1 0 0
 1 1 0 0 1 0
2 1 1 0 0 1
 
1 1
1 1 0 0
 0 0 1
1 1 0
0
1 3
2 0 1
 
1 1
1 1 0 0
 0
1 3
2 0 1
0 0 1
1 1 0
 
1 1
1 1 0 0
 0 1
3 2 0
1
0 0 1
1 1 0
 
1 1 0 0 1 0
 0 1 0
1 3
1
0 0 1
1 1 0
 
1 0 0 1
2 1
 0 1 0
1 3
1
0 0 1
1 1 0

Fiche issue de http://www.ilemaths.net 19

  
1
2 1
On en déduit que : A
1  
1 3
1

1 1 0

Fiche issue de http://www.ilemaths.net 20