Agrégation interne

UFR MATHÉMATIQUES

Matrices
On note K un corps commutatif. n et p représentent deux entiers naturels non nuls.

1. Notion de matrice

1.1. Définitions
Définition 1 – On appelle matrice d’ordre (n, p) à coefficients dans K une famille d’éléments
de K indexée par Nn × Np .
Soit M une matrice d’ordre (n, p) à éléments dans K. On note mij l’élément de K indexé
par (i, j). La matrice M = (mij )1≤i≤n,1≤j≤p est représentée par un tableau rectangulaire :
m m ... m 
11 12 1p
 m21 m22 ... m2p 
M =
 .. .. .. 
. . .

mn1 mn2 . . . mnp
avec la convention que l’élément mij est situé sur la ième ligne et la jème colonne.
L’ensemble des matrices d’ordre (n, p) à coefficients dans K est noté Mn,p (K).
Définition 2 –
1 – On appelle matrice-colonne une matrice d’ordre (n, 1).
2 – On appelle matrice-ligne une matrice d’ordre (1, p).
3 – On appelle matrice carrée d’odre n une matrice d’ordre (n, n).
4 – On appelle sous-matrice (ou matrice extraite) de M toute matrice obtenue en supprimant
dans M un certain nombre de lignes ou de colonnes.
5 – On appelle matrice triangulaire supérieure toute matrice carrée d’ordre n telle que, si
j < i, alors mij = 0.
6 – On appelle matrice triangulaire inférieure toute matrice carrée d’ordre n telle que, si
j > i, alors mij = 0.
7 – On appelle matrice diagonale une matrice à la fois triangulaire inférieure et triangulaire
supérieure.

1.2. Addition et multiplication par un scalaire

Soient A et B deux matrices d’ordre (n, p) et λ un scalaire (c’est-à-dire un élément de K).
On définit une loi de composition interne sur Mn,p (K), appelée addition des matrices, par
A + B = (aij + bij )1≤i≤n,1≤j≤p
et une loi de composition externe, appelée multiplication par un scalaire, par
λA = (λaij )1≤i≤n,1≤j≤p
Muni de ces deux lois, Mn,p (K) est un espace vectoriel sur K.
Important - Ces deux lois sont en fait définies
Préparation à l’agrégation interne UFR maths, Université de Rennes I

− pour que la matrice représentant l’addition de deux applications linéaires de E (avec

dim E = p) dans F (avec dim F = n) soit la somme des deux matrices représentant ces
applications, les bases respectives de E et F étant fixées
− et que la matrice représentant la multiplication par un scalaire d’une application linéaire
de E dans F soit le produit de ce scalaire par la matrice représentant l’application
linéaire. Mn,p (K) est alors un espace vectoriel isomorphe à L (E, F ) et donc de dimen-
sion np.

1.3. Produit de matrices

Définition 3 – Soient A ∈ Mm,n (K) et B ∈ Mn,p (K). On appelle produit de A par B la
matrice C = AB de Mm,p (K) définie par
n
X
cij = aik bkj pour 1 ≤ i ≤ m et 1 ≤ j ≤ p.
k=1

Remarque - Le produit de matrices n’est pas commutatif.

Important - E est un espace vectoriel de dimension p, F un espace vectoriel de dimension
n et G un espace vectoriel de dimension m. On note (e) une base de E, (f ) une base de
F et (g) une base de G. Soient u ∈ L (E, F ) et v ∈ L (F, G). La définition précédente
permet d’écrire :

Mat(v ◦ u; (e), (g)) = Mat(v; (f ), (g))Mat(u; (e), (f )).

On retrouve donc, pour le produit de matrices, les propriétés de la composition des

applications linéaires : associativité, distributivité . . .

2. Algèbre des matrices carrées

Le produit de matrices est parfaitement défini sur Mn (K). Cette loi de composition interne
est associative et distributive par rapport à l’addition et on a

∀λ ∈ K, ∀(A, B) ∈ Mn (K)2 , λ(BC) = (λB)C = B(λC).

L’élément neutre pour le produit est la matrice, appelée identité et notée In , dont tous les
éléments sont nuls sauf les éléments diagonaux qui valent 1.

Proposition 4 – Mn (K) est une algèbre sur K.

On pourra également vérifier que l’ensemble des matrices diagonales et l’ensemble des
matrices triangulaires supérieures (respectivement inférieures) sont des sous-algèbres de
Mn (K) (Il suffit en fait de vérifier que le produit de deux matrices diagonales ou triangulaires
supérieures est respectivement diagonal ou triangulaire supérieur).
Définition 5 – On appelle groupe linéaire d’ordre n sur le corps K le groupe multiplicatif
des éléments inversibles de Mn (K). On le note GLK (n).

3. Transposition et matrices

3.1. Définition
Définition 6 – Soit M ∈ Mn,p (K). On appelle matrice transposée de M et on note tM la
matrice de Mp,n (K) définie par
(tM )ij = (M )ji .

Proposition 7 –

–2–
 MATRICES

1) Si le produit BA est défini, alors le produit t At B aussi et t (BA) =

t t
A B.
2) Si A est une matrice carrée inversible, alors la matrice t A est inversible
et son inverse est (t A)−1 = t (A−1 ).

3.2. Matrices symétriques et antisymétriques

Définition 8 –
1 – Dire que la matrice M est symétrique signifie que t M = M .
2 – Dire que la matrice M est antisymétrique signifie que t M = −M .
Proposition 9 – Les sous-ensembles Sn (K) et An (K) des matrices symétriques et des
matrices antisymétriques sont des sous-espaces vectoriels de Mn (K). Si
le corps K n’est pas de caractéristique 2, ils sont supplémentaires de
dimensions respectives n(n+1)
2 et n(n−1)
2 .
Démonstration : Sn (K) et An (K) sont respectivement les noyaux des endomorphismes de
Mn (K) définis par M 7→ M − t M et M 7→ M + t M . Ce sont donc des espaces vectoriels
sur K.
Leur intersection est réduite à la matrice nulle (car le corps n’est pas de caractéristique 2)
et toute matrice M de Mn (K) s’écrit comme la somme d’une matrice symétrique et d’une
matrice antisymétrique : M = (M − t M )/2 + (M + t M )/2.

4. Rang d’une matrice

Définition 10 – On appelle rang d’une matrice M le rang du système de ses vecteurs-
colonnes.
Soient E et F deux espaces vectoriels de dimensions respectives p et n et u ∈ L (E, F ).
On note (e) une base de E et (f ) une base de F .
Si M est la matrice de u par rapport aux bases (e) et (f ), alors les vecteurs-colonnes de M
sont les homologues des images par u des vecteurs de la base (e) écrits dans la base (f ).
On a donc rang(u)=rang(M ).
Théorème 11 – Soit M une matrice carrée d’ordre n. Les propositions suivantes sont
équivalentes :
i) M est inversible ;
ii) M est de rang n ;
iii) M est inversible à droite ;
iv) M est inversible à gauche.

Ce théorème correspond au théorème sur les endomorphismes d’un espace vectoriel de

dimension n : u est bijectif si et seulement si il est de rang n et il est bijectif si et seulement
si il est injectif (respectivement surjectif).
Soient E et F deux espaces vectoriels de dimensions finies respectives n et p et
ϕ ∈ L (E, F ). Soient {e1 , . . . , en } une base de E et {f1 , . . . , fp } une base de
F . On note {e∗1 , . . . , e∗n } et {f1∗ , . . . , fp∗ } les bases duales correspondantes. On a



M ϕ, (ei ), (fj ) = t M t ϕ, (fj∗ ), (e∗i ) .

Or rang(ϕ)=rang(t ϕ). On en déduit que

Lemme 12 – Pour toute matrice de Mn,p (K), rang(M )=rang(t M ).
Le rang d’une matrice M est également égal au rang du système de ses vecteurs-lignes.

–3–
Préparation à l’agrégation interne UFR maths, Université de Rennes I

5. Changement de bases

5.1. Matrice de passage

Soit E un K-espace vectoriel de dimension n muni d’une base B = (e1 , . . . , en ). Soit
B ′ = (e′1 , . . . , e′n ) une base de E.
′
B
Définition 13 – On appelle matrice de passage de la base B à la base B ′ et on note PB
′
la matrice carrée d’ordre n dont la jème colonne est constituée des coordonnées de ej dans
la base B.
Cette matrice peut être considérée de deux manières :
− c’est la matrice de l’application f : E → E définie par f (ej ) = e′j pour tout
j ∈ {1, . . . , n}, E étant rapporté à la base B
− c’est la matrice de Id, E étant rapporté à la base B ′ au départ et à la base B à l’arrivée

B′

−1 B
Une matrice de passage est nécessairement inversible et PB = PB ′.

Soit x ∈ E. On note X (respectivement X ′ ) la matrice-colonne des coordonnées de x dans

la base B (respectivement B ′ ). Alors on a
′
B
X = PB X′

5.2. Changement de bases sur la matrice d’une application linéaire

′
B
Soient E un espace vectoriel de dimension p et B et B ′ deux bases de E. On note T = PB
′
la matrice de passage de la base B à la base B .
Soient F un espace vectoriel de dimension n et B1 et B1′ deux bases de F . On note
B′
U = PB11 la matrice de passage de la base 1 à la base B1′ .
Soit f une application linéaire de E dans F de matrice A, l’espace E étant rapporté à la
base B et l’espace F à la base B1 . Or

y = f (x) ⇐⇒ Y = AX
⇐⇒ U Y ′ = AT X car Y = U Y ′ et X = T X ′
⇐⇒ Y ′ = (U −1 AT )X ′

La matrice A′ représentant l’application f (l’espace E étant rapporté à la base B ′ et F à

B1′ ) est donc A′ = U −1 AT .
Ce que l’on peut retrouver par le schéma suivant :

f
(E, B) → (F, B1 )

T ↑ ↓ U −1

(E, B ′ ) → (F, B1′ )

f

5.3. Matrices équivalentes

Définition 14 – On dit que deux matrices d’ordre (n, p) A et A′ sont équivalentes s’il existe
deux matrices inversibles U et T d’ordre n et p respectivement telles que A′ = U −1 AT .
On peut vérifier que cette relation sur les matrices est une relation d’équivalence.

Corollaire 15 – Deux matrices équivalentes ont le même rang.

–4–
 MATRICES

En effet, la composée d’une application g par une application bijective f a le même rang
que g.
Théorème 16 – Soit A une matrice d’ordre (n, p) et de rang r. Alors A est équivalente
à la matrice  
Ir Or,p−r
On−r,r Op−r,p−r
où 0i,j représente la matrice d’ordre (i, j) dont tous les coefficients sont
nuls.
Démonstration : la matrice A représente une application linéaire f de Kp à valeurs dans
Kn , les deux espaces étant rapportés à leurs
bases canoniques respectives (e1 , . . . , ep ) et
(f1 , . . . , fn ). Le système f (e1 ), . . . , f (ep ) étant de rang r, on peut en extraire un système

libre de r vecteurs. Supposons, pour simplifier l’écriture
que ce soit f (e1 ), . . . , f (er ) . On
complète en une base f (e1 ), . . . , f (er ), fr+1 ′
, . . . , fn′ de Kn .
Vect(e1 , . .P . , er ) est en somme directe avec Pr Ker f . En effet, si x ∈ Ker f ∩
Vect(e1 , . . . , er ),
r
alors x = i=1 λi ei . Donc f (x) = 0 = i=1 λi f (ei ) et f (e1 ), . . . , f (er ) est un système
libre. De plus dim Vect(e1 , . . . , er ) = dim Im(f ) = dim E − dim Ker(f ).
On complète donc le système (e1 , . . . , er ) avec une base (e′r+1 , . . . , e′p ) de Ker f et on
obtient une base de Kp .
La matrice de f dans ces deux nouvelles bases a bien la forme annoncée.
Corollaire 17 – Il y a inf(p, n) + 1 classes d’équivalence dans Mn,p (K) pour la relation
définie précédemment.

Corollaire 18 – Deux matrices de Mn,p (K) sont équivalentes si et seulement si elles ont
le même rang.
Deux matrices rectangulaires sont équivalentes si elles peuvent représenter la même appli-
cation linéaire.

5.4. Matrices semblables

Définition 19 – On dit que deux matrices d’ordre n A et A′ sont semblables s’il existe une
matrice inversible P d’ordre n telle que A′ = P −1 AP .
On peut vérifier que cette relation sur les matrices est une relation d’équivalence.
Corollaire 20 – Deux matrices semblables ont le même rang.
Attention, la réciproque est fausse : par exemple, les matrices
   
1 0 1 1
A= et B =
0 1 0 1

ont le même rang (2), mais elles ne sont pas semblables car la matrice P −1 AP est toujours
égale à A et ne peut donc pas être égale à B.
Attention : deux matrices carrées semblables ont même rang, donc sont équivalentes. Par
contre, il existe des matrices carrées équivalentes mais qui ne sont pas semblables :
   
1 0 0 1
A= et B = .
0 0 0 0
Elles sont équivalentes puisqu’elles sont toutes les deux de rang 1. Supposons qu’elles soient
semblables. Alors A = P −1 BP , donc A2 = P −1 B 2 P . Or un calcul direct donne A2 = A et
B 2 = 0. Contradiction.
Deux matrices carrées sont semblables si elles peuvent représenter le même endomorphisme.

–5–
Préparation à l’agrégation interne UFR maths, Université de Rennes I

5.5. Matrices congruentes

Définition 21 – On dit que deux matrices symétriques d’ordre n A et A′ sont congruentes
s’il existe une matrice inversible P d’ordre n telle que A′ = t P AP .

Proposition 22 – Si K = C, toute matrice symétrique A d’ordre n est congruente à une

matrice de la forme
 
Ir 0
0 0n−r

où r est le rang de la matrice A.

Théorème 23 – Deux matrices symétriques de Mn (C) sont congruentes si et seulement

si elles ont même rang. Il y a n + 1 classes de congruence.

Proposition 24 – Si K = R, toute matrice symétrique d’ordre n est congruente à une

matrice de la forme
 
Is 0 0
 0 −It 0 
0 0 0

Le couple d’entiers (s, t) est appelé signature de A.

Deux matrices symétriques sont congruentes si elles peuvent représenter la même forme
quadratique.
Les résultats liés à cette relation sont démontrés dans le chapitre sur les formes quadratiques.

–6–
 MATRICES
1. Notion de matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1. Définitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2. Addition et multiplication par un scalaire . . . . . . . . . . . . . . . . . . . . . . . . 1
1.3. Produit de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
2. Algèbre des matrices carrées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3. Transposition et matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3.1. Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
3.2. Matrices symétriques et antisymétriques . . . . . . . . . . . . . . . . . . . . . . . . . 3
4. Rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
5. Changement de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
5.1. Matrice de passage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
5.2. Changement de bases sur la matrice d’une application linéaire . . . . . . . . . 4
5.3. Matrices équivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
5.4. Matrices semblables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
5.5. Matrices congruentes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

–i–