1 Les matrices au 1er semestre

Les matrices du 1er semestre

K est toujours notre corps de base (R, C ou un sous-corps de C).
Définition 1.1. Pour n ≥ 1 et p ≥ 1 on définit les matrices de taille n × p, (n lignes et p colonnes) à coefficients
dans K. L’ensemble des matrices est noté Mnp (K) et en général on note A ∈ Mnp (K) par A = (a i j ) 1≤i ≤n . Les
1≤ j ≤p
coefficients de A sont notés a i j (i premier indice celui de la ligne, j deuxième indice celui de la colonne).
Si n = p la matrice est dite carrée et on note Mn (K) l’ensemble des matrices carrées.
On définit la somme de deux matrices de Mnp (K), c’est la somme terme à terme,

si A = (a i j ) 1≤i ≤n et B = (b i j ) 1≤i ≤n alors (A + B ) = (a i j + b i j ) 1≤i ≤n .

1≤ j ≤p 1≤ j ≤p 1≤ j ≤p

On définit aussi le produit par un scalaire (λ ∈ K) : la matrice λA est définie par

(λA) = (λa i j ) 1≤i ≤n .

1≤ j ≤p

Rappels
Proposition 1.2. Muni de l’addition matricielle et de la multiplication par un scalaire, Mnp (K) est un K–espace
vectoriel.

Définition 1.3 (Matrice transposée). Si A ∈ Mnp (K) on définit la matrice transposée de A, notée A ⊤ , matrice
appartenant à Mpn (K) avec (A ⊤ )i j = a j i pour 1 ≤ i ≤ p et 1 ≤ j ≤ n.

Remarque 1.4. Il est clair que (A ⊤ )⊤ = A.

Si A est une matrice carrée, A ⊤ l’est aussi.

Produit matrice × vecteur

Définition 1.5. Soit A ∈ Mnp (K) et x ∈ Kp . Le produit Ax est un vecteur de Kn défini par

∑
p
(Ax)i = ai j x j ,
j =1

pour tout 1 ≤ i ≤ n,

Remarque 1.6. Attention à la compatibilité des dimensions, p colonnes pour la matrice et x vecteur de Kp .
x : vecteur p lignes
 
 x1 
 
 
 
 
 x2 
 
x1  
×  
1 +  .. 
a 2  . 
x2  
×  
a2
2  
 xp 
+
..
.+

p
x
×
2p
a

   
 a 11 a 12 ... a 1p   y1 
   
   
   
   
 a 21 a 22 ... a 2p   y2 
   
   
   
 .. .. ..   .. 
 ..   
 . . . .   . 
   
   
 .. .. .. ..   .. 
 . . . .   . 
   
   
   
 a n1 a n2 ... a np  yn

A : n lignes p colonnes y = Ax : vecteur n lignes

1
Produit matrice × matrice

Définition 1.7. Soit A ∈ Mnp (K) et B ∈ Mpm (K) deux matrices. Le produit C = AB est une matrice ∈ Mnm (K).
Si on note C = (c i j ) 1≤i ≤n les coefficients de C sont définis par
1≤ j ≤m

∑
p
ci j = ai k bk j
k=1

pour tout 1 ≤ i ≤ n, 1 ≤ j ≤ m.

Remarque 1.8. Attention à la compatibilité des dimensions, pour pouvoir faire le produit A × B , il faut que le
nombre de colonnes de A soit égal au nombre de lignes de B .
B : p lignes m colonnes
 
 b 11 b 12 ... ... b 1m 
 
 
 
 
 b 21 b 22 ... ... b 2m 
 
 
 
 
12
b

 .. .. .. 
×

 . . ... . 
 
21
+

22
a

 
b

 
×

 
22

 
a

b p1 b p2 ... ... b pm
+
..
.+

p2
b
×
2p
a

   
 a 11 a 12 ... a 1p   c 11 c 12 ... ... c 1m 
   
   
   
   
 a 21 a 22 ... a 2p   c 21 c 22 ... ... c 2m 
   
   
   
 .. .. ..   
 ..   .. .. .. 
 . . . .   . . ··· . 
   
   
 a n1 a n2 ... a np   
 c n1 c n2 ... ... c nm 

A : n lignes p colonnes C = A × B : n lignes m colonnes

Rappels

Proposition 1.9 (Règle de calculs). — ∀A ∈ Mnp (K), ∀B ∈ Mpm (K), ∀λ ∈ K : λ(AB ) = (λA)B = A(λB ).
— ∀A ∈ Mnp (K), ∀B,C ∈ Mpm (K) : A(B +C ) = AB + AC .
— ∀A ∈ Mpm (K), ∀B,C ∈ Mnp (K) : (B +C )A = B A +C A.
— ∀A ∈ Mnp (K), ∀B ∈ Mpm (K), ∀C ∈ Mml (K) : A(BC ) = (AB )C .
— ∀A ∈ Mnp (K), ∀B ∈ Mpm (K) : (AB )⊤ = B ⊤ A ⊤ .

Remarque 1.10. Si on identifie un vecteur de Kn avec une matrice n lignes et 1 colonne, on retrouve (AB )x =
A(B x).

Rappels – matrices carrées

Remarque 1.11. Le produit matriciel n’est pas commutatif (n ≥ 2) ! Par exemple

( ) ( ) ( ) ( ) ( ) ( )
1 0 0 3 0 3 6 9 0 3 1 0
× = ̸ = = ×
2 3 −1 0 −3 6 −1 0 −1 0 2 3

Proposition 1.12. Soit n ≥ 2. L’ensemble des matrices carrées de taille n muni de l’addition matricielle et du
produit matriciel est un anneau unitaire non commutatif. L’élément unité pour la multiplication est la matrice
identité, notée I n , dont les coefficients diagonaux sont égaux à 1 et dont tous les autres coefficients sont nuls.

Remarque 1.13. Si n = 1 on identifie M1 (K) et K !

2
Rappels – matrices carrées
Définition 1.14. Comme (Mn (K), +, ·) est un anneau unitaire, on retrouve (évidemment) la notion d’élément
symétrisable. Une matrice carrée A ∈ Mn (K) est inversible si et seulement si il existe une matrice carrée A ′ ∈
Mn (K) tel A ′ A = A A ′ = I n . On note A −1 l’inverse de A.

Remarque 1.15. On retrouve aussi le fait que si A et B sont inversibles alors AB est inversible et (AB )−1 =
B −1 A −1 .

Rappels
Si A ∈ Mn (K) on définit les puissances de A, A n , pour n ≥ 1. Par extension si A non nul on pose A 0 = I n .
Il n’y a pas, en général, de formule du binôme.

2 Applications linéaires et matrices

Le lien entre applications linéaires et matrices
Définition 2.1. Soit E et F deux K–espaces vectoriels de dimension finie, p = dim(E ) et n = dim(F ) et soit f
une application linéaire de E dans F . Soit B = (e 1 , . . . , e p ) une base de E et soit B ′ = (h 1 , . . . , h n ) une base de
F . Pour tout 1 ≤ j ≤ p, le vecteur f (e j ), élément de F , se décompose de façon unique dans la base (h 1 , . . . , h p ),
c.-à-d., soit a i j ∈ K, pour 1 ≤ i ≤ n tel que
∑
n
f (e j ) = ai j hi .
i =1
On définit ainsi la matrice A, n lignes, p colonnes. La colonne d’indice j correspond aux coordonnées du
vecteur f (e j ) dans la base B ′ de F .
La matrice A est appelée matrice de f dans les bases (de départ) B = (e 1 , . . . , e p ) et (d’arrivée) B ′ = (h 1 , . . . , h n ).
On note
A = Mat( f , B, B ′ ) ou matB,B ′ ( f ).

Le lien entre applications linéaires et matrices

Avec les notations précédentes, B = (e 1 , . . . , e p ) base de E et B ′ = (h 1 , . . . , h n ) base de F ,

f (e 1 ) f (e 2 ) ··· f (e p )
 
a 11 a 12 ··· a 1p h1
 a 21 a 22 ··· a 2p 
Mat( f , B, B ′ ) =   h2
 . .. .. ..  ..
 .. . . .  .
a n1 a n2 ... a np hn

Remarque 2.2. Quand E = F , si f est un endomorphisme de E et si B = (e 1 , . . . , e n ) est une base, on définit la

matrice A associée à f dans la base B comme la matrice de l’application linéaire f dans les bases (de départ)
B et (d’arrivée) B. Sans aucune précision supplémentaire, on prend la même base au départ et à l’arrivée, et
on notera
A = Mat( f , B, B) = Mat( f , B) ou matB ( f ) = matB,B ( f ).

Remarque 2.3 (Exercice). Si E est de dimension n et B une base (quelconque) de E alors I n = Mat(IdE , B, B).

Remarque 2.4. Soit E et F deux K–espaces vectoriels de dimension finie, p = dim(E ) et n = dim(F ). Soit B =
(e 1 , . . . , e p ) une base de E et soit B ′ = (h 1 , . . . , h n ) une base de F . Soit A une matrice dans Mnp .
Pour définir une application linéaire de E dans F il suffit de donner les images des éléments de la base B de
E . Ainsi à la matrice A on associe l’application linéaire f de E dans F définie par, pour tout 1 ≤ j ≤ p,
∑
n
f (e j ) = ai j hi .
i =1

La matrice associée à l’application linéaire f ainsi définie, dans les bases (de départ) B = (e 1 , . . . , e n ) et (d’arri-
vée) B ′ = (h 1 , . . . , h p ), est égale à A.

3
Exemples
Exemple 2.5. Soit E de dimension 4, muni de la base B = (e 1 , e 2 , e 3 , e 4 ) et F de dimension 3, muni de la base
B ′ = (g 1 , g 2 , g 3 ). Soit f définie par

f (e 1 ) = g 1 − 2g 2 + 6g 3
f (e 2 ) = 3g 1 + g 3
f (e 3 ) = g 2 − g 3
f (e 4 ) = g 1 + g 2 + g 3 .

Alors  
1 3 0 1
Mat( f , B, B ′ ) = −2 0 1 1
6 1 −1 1
Exemple 2.6. Soit f : R2 7→ R4 définie par f (x, y) = (x + y, −x + 4y, y, x + 3y), f est une application linéaire et la
matrice de f dans les bases canoniques de R2 et R4 est
 
1 1
−1 4
 
 
 0 1
1 3
Exemple 2.7. Soit f définie de R3 [X ] dans R2 [X ] par f (P ) = P (X + 1) − P (X ). La matrice de f dans les bases
(1, X , X 2 , X 3 ) et (1, X , X 2 ) est
 
0 1 1 1
0 0 2 3
0 0 0 3
Quel est le lien entre une application linéaire f et sa matrice associée ?
Proposition 2.8. Soit E et F deux K–espaces vectoriels de dimension finie et f ∈ L (E , F ). Soit B (resp. B ′ ) une
base de E (resp. F ). Notons A = Mat( f , B, B ′ ). Soit x dans E et y = f (x). Notons les vecteurs coordonnées de x et
y dans leurs bases respectives B et B ′    
x1 y1
   
 2
x  y2 
X =  . 
. , Y =  . .
 . 
 .   . 
xp yn
Alors
Y = AX .
Proposition 2.9. Soit E et F deux K–espaces vectoriels de dimension finie et B (resp. B ′ ) une base de E (resp.
F ). Soit f et g deux éléments de L (E , F ) et λ ∈ K . Alors

Mat( f + g , B, B ′ ) = Mat( f , B, B ′ ) + Mat(g , B, B ′ ),

Mat(λ f , B, B ′ ) = λ Mat( f , B, B ′ ).

Proposition 2.10. Soit E , F , G trois K–espaces vectoriels de dimension finie, f ∈ L (E , F ) et g ∈ L (F,G).

Ainsi g ◦ f est une application linéaire de E dans G.
Soit B une base de E , B ′ une base de F et B ′′ une base de G.
Le lien entre les matrices des applications linéaires f , g , g ◦ f est le suivant

Mat(g ◦ f , B, B ′′ ) = Mat(g , B ′ , B ′′ ) × Mat( f , B, B ′ )

Automorphisme et matrice inversible

Proposition 2.11. Soit E un K–espace vectoriel de dimension n et f un endomorphisme de E . Soit B = (e 1 , . . . , e n )
une base de E . L’application f est un automorphisme si et seulement si Mat( f , B) (la matrice de f dans la base
B) est inversible. Dans le cas où f est automorphisme on a

Mat( f −1 , B) = Mat( f , B)−1 .

4
Changement de bases
Les coordonnées d’une base à une autre
Considérons R3 , B la base canonique (e 1 , e 2 , e 3 ) et B ′ la base constituée des vecteurs (en notation ligne) v 1 =
(1, 0, 2), v 2 = (1, 1, 2), v 3 = (2, 1, 5). On vérifie (exercice) que B ′ = (v 1 , v 2 , v 3 ) est bien une base.
Soit x ∈ R3 et notons x 1 , x 2 , x 3 les coordonnées de x dans la base canonique et y 1 , y 2 , y 3 les coordonnées de
x dans la (nouvelle) base B ′ :

x = x1 e 1 + x2 e 2 + x3 e 3 , x = y1 v1 + y2 v2 + y3 v3. (1)

Quel est le lien entre les x i et les y i ?

Remplaçons dans la 2nde expression de x, les vecteurs v i par leur coordonnées dans la base B :

x = y 1 (e 1 + 2e 3 ) + y 2 (e 1 + e 2 + 2e 3 ) + y 3 (2e 1 + e 2 + 5e 3 )
(2)
= (y 1 + y 2 + 2y 3 )e 1 + (y 2 + y 3 )e 2 + (2y 1 + 2y 2 + 5y 3 )e 3

Changement de bases
Les coordonnées d’une base à une autre (suite)
x = (y 1 + y 2 + 2y 3 )e 1 + (y 2 + y 3 )e 2 + (2y 1 + 2y 2 + 5y 3 )e 3 (3)

Par unicité de la décomposition dans la base canonique B, on a

x 1 = y 1 + y 2 + 2y 3 , x2 = y 2 + y 3 , x 3 = 2y 1 + 2y 2 + 5y 3 ,

où sous forme matricielle     

x1 1 1 2 y1
x 2  = 0 1 1  y 2  (4)
x3 2 2 5 y3
 
1 1 2
La matrice P = 0 1 1 est appelée matrice de passage de la base B à la base B ′ . Les colonnes de P sont
2 2 5
constituées des coordonnées des éléments de B ′ dans la base B.

Changement de bases
Les coordonnées d’une base à une autre (suite)
La matrice P s’interprète naturellement comme la matrice de l’application linéaire IdR3 avec une base diffé-
rente au départ et à l’arrivée !
Quelle est la matrice de l’application IdR3 avec B ′ comme base de départ et B comme base d’arrivée ?
Par définition IdE (v i ) = v i (1 ≤ i ≤ 3). Pour déterminer la matrice il faut décomposer l’image des v i dans
base B, donc l’expression des v i en fonction des e i donne la matrice et on retrouve le fait que les colonnes de
P sont les coordonnées des v i dans e i .
Comme IdE est un automorphisme, la matrice P est inversible et
   
y1 x1
 y 2  = P −1 x 2  (5)
y3 x3

On a donc
P B,B ′ = P = Mat(Id, B ′ , B) P B ′ ,B = P −1 = Mat(Id, B, B ′ )

5
Définition 2.12. Soit E un K–espace vectoriel de dimension n. Soit B = (e i )1≤i ≤n et B ′ = (e i′ )1≤i ≤n deux bases
de E . On appelle matrice de passage de la base B à la base B ′ la matrice carrée n × n dont la j -ème colonne
est constituée des coordonnées de e ′j dans la base B = (e i )1≤i ≤n . Autrement dit si pour tout 1 ≤ j ≤ n

∑
n
e ′j = pi j ei alors
i =1
e 1′ e 2′ ··· e n′
 
p 11 p 12 ··· p 1n e1
 p 21 p 22 ··· p 2n  e2
P =
 . .. .. .. 

..
 .. . . .  .
p n1 p n2 ... p nn en

Formellement P est la matrice de l’identité sur E avec B ′ comme base de départ et B comme base d’arrivée,
B′
on note cette matrice P B,B ′ ou encore P B :

IdE
(E , B ′ ) 7−→ (E , B), P B,B ′ = Mat(IdE , B ′ , B)

Proposition 2.13. Soit E un K–espace vectoriel de dimension n. Soit B = (e i )1≤i ≤n et B ′ = (e i′ )1≤i ≤n deux bases
de E . La matrice de passage de B à B ′ est inversible ; de plus son inverse est égal à la matrice de passage de la
base B ′ à la base B.
Mat(Id, B ′ , B)−1 = P B,B
−1 ′
′ = P B ′ ,B = Mat(Id, B, B )

Proposition 2.14. Soit E et F deux K–espaces vectoriels de dimension finie et soit f une application linéaire de
E dans F . Soit B1 , B2 deux bases de E et C 1 , C 2 deux bases de F . Alors

Mat( f , B2 , C 2 ) = P C−11 ,C 2 Mat( f , B1 , C 1 )P B1 ,B2 .

Proposition 2.15. Soit E un K–espace vectoriel de dimension finie et soit f un endomorphisme de E . Soit B et
B ′ deux bases de E . Alors
M at ( f , B ′ ) = P B,B
−1
′ Mat( f , B)P B,B ′ .

3 Matrices semblables, équivalentes

Matrices semblables, équivalentes
Définition 3.1. Deux matrices A et B de Mn (K) sont dites semblables si et seulement si il existe une matrice
P inversible telle que
B = P −1 AP.
Autrement dit, A et B représentent le même endomorphisme dans deux bases différentes.

Définition 3.2. Deux matrices A et B de Mn,p (K) sont dites équivalentes si et seulement si il existe deux ma-
trices P ∈ Mp (K) et Q ∈ Mn (K) inversibles telles que

B = Q −1 AP.

Autrement dit, A et B représentent la même application linéaire (de Kp dans Kn ) à un changement de base
près dans les espaces vectoriels de départ et d’arrivée.

Matrices semblables, équivalentes

Attention
Si deux matrices carrées A et B sont semblables alors elles sont équivalentes mais la réciproque est fausse en
général.
En effet pour que A et B soient semblables il n’y a qu’un seul changement de base. Pour que A et B soient
équivalentes il y a deux changements de bases permis.

6
 Par exemple si A et B sont deux matrices carrées inversibles il n’y a aucune raison qu’elles soient semblables.
En revanche elles sont équivalentes car B = B A A −1 .
La propriété « être équivalentes » est assez faible et ne dépend en réalité que du rang.

Proposition 3.3. Soit A et B deux matrices de Mn,p (K). Les matrices A et B sont équivalentes si et seulement si
elles ont même rang.