CHAPITRE : MATRICES

I-DEFINITIONS

Une matrice de type (n , m) est un tableau de nombres à n lignes et m colonnes. n et m sont

les dimensions de la matrice .

On note A=(𝒂𝒊𝒋 ) 𝟏 ≤ 𝒊 ≤ 𝒏 , 𝟏 ≤ 𝒋 ≤ 𝒎 la matrice de type (n , m) . 𝒂𝒊𝒋 est l’élément situé à

l’intersection de la ligne numéro 𝒊 et de la colonne numéro 𝒋
𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒎 𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒎
𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒎 𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒎 1
A=[ ⋮ ⋮ ⋱ ⋮ ] ou 𝑨 = ( ⋮ ⋮ ⋱ ⋮ )
𝒂𝒏𝟏 𝒂𝒏𝟐 ⋯ 𝒂𝒏𝒎 𝒂𝒏𝟏 𝒂𝒏𝟐 ⋯ 𝒂𝒏𝒎
𝒂𝟏
𝒂𝟐
Si 𝒎 = 𝟏 , la matrice est appelée vecteur colonne A=[ ⋮ ]
𝒂𝒏

Si 𝒏 = 𝟏 , la matrice est appelée vecteur ligne A=[𝒂𝟏 𝒂𝟐 ⋯ 𝒂𝒎 ]

Si 𝒏 = 𝒎 , la matrice est une matrice carrée d’ordre n .Tapez une équation ici.

Exemples

𝟏 𝟐 𝟔
A= [ ] est une matrice à 2 lignes et 3 colonnes
𝟒 𝟑 −𝟏
𝟑 𝟔
A= [−𝟏 𝟓] est une matrice à 3 lignes et 2 colonnes
𝟐 𝟒
𝒂𝟏𝟏 𝒂𝟏𝟐 𝒂𝟏𝟑 𝒂𝟏𝟒
𝒂 𝒂𝟐𝟐 𝒂𝟐𝟑 𝒂𝟐𝟒
A= [𝒂𝟐𝟏 𝒂𝟑𝟐 𝒂𝟑𝟑 𝒂𝟑𝟒 ] est une matrice carrée d’ordre 4
𝟑𝟏
𝒂𝟒𝟏 𝒂𝟒𝟐 𝒂𝟒𝟑 𝒂𝟒𝟒

Matrice unité

On désigne par 𝑰𝒏 la matrice unité d’ordre n

𝟏 𝟎 𝟎 𝟎
𝟏 𝟎 𝟎
𝟏 𝟎
𝑰𝟐 = [ ] 𝑰 𝟑 = [𝟎 𝟏 𝟎] 𝑰 𝟒 = [𝟎 𝟏 𝟎 𝟎]
𝟎 𝟏 𝟎 𝟎 𝟏 𝟎
𝟎 𝟎 𝟏 𝟎 𝟎 𝟎 𝟏
Matrice nulle 2

1
2
 𝟎 𝟎 𝟎 𝟎
𝟎 𝟎 𝟎
𝟎 𝟎
[ ] [𝟎 𝟎 𝟎] [𝟎 𝟎 𝟎 𝟎]
𝟎 𝟎 𝟎 𝟎 𝟎 𝟎
𝟎 𝟎 𝟎 𝟎 𝟎 𝟎 𝟎
Matrice diagonale

𝒅𝟏𝟏 𝟎 𝟎 𝟎
𝒅𝟏𝟏 𝟎 𝟎
𝒅𝟏𝟏 𝟎 𝟎 𝒅𝟐𝟐 𝟎 𝟎
D=[ ] D=[ 𝟎 𝒅𝟐𝟐 𝟎 ] D=[ ]
𝟎 𝒅𝟐𝟐 𝟎 𝟎 𝒅𝟑𝟑 𝟎
𝟎 𝟎 𝒅𝟑𝟑
𝟎 𝟎 𝟎 𝒅𝟒𝟒

Matrice triangulaire supérieure

𝒖𝟏𝟏 𝒖𝟏𝟐 𝒖𝟏𝟑 𝒖𝟏𝟒
𝒖𝟏𝟏 𝒖𝟏𝟐 𝒖𝟏𝟑
𝒖𝟏𝟏 𝒖𝟏𝟐 𝟎 𝒖𝟐𝟐 𝒖𝟐𝟑 𝒖𝟐𝟒
U=[ 𝟎 𝒖𝟐𝟐 ] U=[ 𝟎 𝒖𝟐𝟐 𝒖𝟐𝟑 ] U=[ 𝒖𝟑𝟑 𝒖𝟑𝟒 ]
𝟎 𝟎 𝒖𝟑𝟑 𝟎 𝟎
𝟎 𝟎 𝟎 𝒖𝟒𝟒

Matrice triangulaire inférieure

𝒍𝟏𝟏 𝟎 𝟎 𝟎
𝒍𝟏𝟏 𝟎 𝟎
𝒍 𝟎 𝒍 𝒍𝟐𝟐 𝟎 𝟎
L=[ 𝟏𝟏 ] L=[ 𝒍𝟐𝟏 𝒍𝟐𝟐 𝟎] L=[ 𝟐𝟏 ]
𝒍𝟐𝟏 𝒍𝟐𝟐 𝒍𝟑𝟏 𝒍𝟑𝟐 𝒍𝟑𝟑 𝟎
𝑳𝟑𝟏 𝒍𝟑𝟐 𝒍𝟑𝟑
𝒍𝟒𝟏 𝒍𝟒𝟐 𝒍𝟒𝟑 𝒍𝟒𝟒

II-OPERATIONS SUR LES MATRICES

II-1 Addition et soustraction

L’addition et la soustraction se font termes à termes. Les matrices doivent avoir les mêmes
dimensions .

Si A=(𝒂𝒊𝒋 ) et B=(𝒃𝒊𝒋 ) alors A+B=(𝒂𝒊𝒋 + 𝒃𝒊𝒋 ) et A-B=(𝒂𝒊𝒋 − 𝒃𝒊𝒋 )

𝟏 𝟐 𝟎 𝟓 𝟐 𝟑 𝟔 𝟒 𝟑
Exemples [ ]+[ ]=[ ]
𝟒 𝟑 −𝟏 𝟏 𝟑 𝟒 𝟓 𝟔 𝟑
𝟏 −𝟐 𝟒 𝟏 𝟓 −𝟏
[𝟒 𝟎 ] + [−𝟓 𝟐] = [−𝟏 𝟐 ]
𝟑 𝟏 𝟐 𝟒 𝟓 𝟓
II-2 Multiplication par un scalaire

Si A=(𝒂𝒊𝒋 ) , ∀ 𝝀 ∈ ℝ , 𝝀. 𝑨 = (𝝀𝒂𝒊𝒋 )

𝟐 −𝟓 𝟑 𝟔 −𝟏𝟓 𝟗
Exemples : 3[𝟏 𝟒 −𝟏] = [ 𝟑 𝟏𝟐 −𝟑]
𝟒 −𝟐 𝟓 𝟏𝟐 −𝟔 𝟏𝟓
II-3 Transposition
Définition : La transposée 𝒕𝑨 de la matrice A est la matrice obtenue en échangeant les
lignes par les colonnes . Si A=(𝒂𝒊𝒋 ) alors 𝒕𝑨 = ( 𝒃𝒊𝒋 ) avec 𝒃𝒊𝒋 = 𝒂𝒋𝒊

𝟏 −𝟑 𝟏 𝟐
Exemples : Si A=[ ] alors 𝒕𝑨 = [ ]
𝟐 𝟓 −𝟑 𝟓
𝟐 𝟑 −𝟗 𝟐 −𝟏 𝟎
𝒕
Si A=[−𝟏 𝟒 𝟑 ] alors 𝑨 = [ 𝟑 𝟒 −𝟔]
𝟎 −𝟔 𝟓 −𝟗 𝟑 𝟓
𝟏 𝟒
𝟏 𝟐 𝟑
Si A=[𝟐 𝟎 ] alors 𝒕𝑨 = [ ]
𝟒 𝟎 −𝟏
𝟑 −𝟏
Propriétés

Soit A et B sont deux matrices de même dimension alors

𝒕(𝑨
+ 𝑩) = 𝒕𝑨 + 𝒕𝑩 et 𝒕
(𝝀𝑨) = 𝝀. 𝒕𝑨

Définition :

1) Une matrice A est symétrique si 𝒕𝑨 = 𝑨

2) Une matrice A est antisymétrique si 𝒕𝑨 = −𝑨

Remarques :

1) La transposée d’un vecteur -colonne est un vecteur-ligne .

2) La transformée d’un vecteur-ligne est un vecteur-colonne .

II-4 Multiplication des matrices

On définit d’abord le produit d’un vecteur-ligne par un vecteur -colonne

𝒃𝟏
[𝒂𝟏 𝒂𝟐 ⋯ 𝒂𝒏 ] [𝒃𝟐 ] = 𝒂𝟏 𝒃𝟏 + 𝒂𝟐 𝒃𝟐 + ⋯ + 𝒂𝒏 𝒃𝒏
⋮
𝒃𝒏

Le produit d’une matrice A=(𝒂𝒊𝒋 ) de type (n , m) par une matrice B=(𝒃𝒊𝒋 ) de type (m , p)
est une matrice de type (n , p).

A.B=(𝒄𝒊𝒋 ) est de type (n , p) avec 𝒄𝒊𝒋 = ∑𝒎

𝒌=𝟏 𝒂𝒊𝒌 𝒃𝒌𝒋

Remarque : Le produit de deux matrices n’est possible que lorsque le nombre de colonnes
de la 𝟏è𝒓𝒆 matrice est égale au nombre de lignes de la 𝟐è𝒎𝒆 matrice .

Exemples

𝟓 𝟏
𝟏 𝟐 𝟎 𝟓+𝟒+𝟎 𝟏+𝟔 𝟗 𝟕
[ ] [𝟐 𝟑] = [ ]=[ ]
𝟒 𝟑 −𝟏 𝟐𝟎 + 𝟔 − 𝟑 𝟒+𝟗−𝟒 𝟐𝟑 𝟗
𝟑 𝟒
 𝟏 𝟐 𝟓+𝟔 𝟏+𝟖 𝟐−𝟔 𝟏𝟏 𝟗 −𝟒
𝟓 𝟏 𝟐
[𝟒 𝟎 ][ ] = [𝟐𝟎 + 𝟎 𝟒+𝟎 𝟖 + 𝟎] = [𝟐𝟎 𝟒 𝟖]
𝟑 𝟒 −𝟑
𝟑 −𝟏 𝟏𝟓 − 𝟑 𝟑−𝟒 𝟔+𝟑 𝟏𝟐 −𝟏 𝟗
𝟏 −𝟑 −𝟐 𝟒 −𝟐 − 𝟗 𝟒 − 𝟑 −𝟏𝟏 𝟏
[ ][ ]=[ ]=[ ]
𝟐 𝟓 𝟑 𝟏 −𝟒 + 𝟏𝟓 𝟖 + 𝟓 𝟏𝟏 𝟏𝟑
𝟏 𝟑 −𝟐 𝟑 𝟏 𝟓 𝟑 + 𝟔 + 𝟏𝟎 𝟏 + 𝟏𝟖 − 𝟔 𝟓+𝟑−𝟒
[−𝟐 𝟓 𝟒 ][ 𝟐 𝟔 𝟏] = [−𝟔 + 𝟏𝟎 − 𝟐𝟎 −𝟐 + 𝟑𝟎 + 𝟏𝟐 −𝟏𝟎 + 𝟓 + 𝟖] =
𝟎 𝟔 𝟑 −𝟓 𝟑 𝟐 𝟎 + 𝟏𝟐 − 𝟏𝟓 𝟎 + 𝟑𝟔 + 𝟗 𝟎+𝟔+𝟔
𝟏𝟗 𝟏𝟑 𝟒
[−𝟏𝟔 𝟒𝟎 𝟑 ]
−𝟑 𝟒𝟓 𝟏𝟐
Propriétés

1) Le produit matriciel est associatif. Pour toutes matrices compatibles A ,B , C ,

A.B.C=A.(B.C)=(A.B).C

2) Le produit matriciel est distributif par rapport l’addition des matrices. Pour toutes
matrices compatibles A , B , C , D on a A.(B+C)=A.B + A.C et (B+C).D=B.D +C.D .

3) 𝑰𝒏 et 𝑰𝒎 étant des matrices unités, pour toute matrice de type (n , m)

A. 𝑰𝒎 =A et 𝑰𝒏 .A=A

4) Pour toutes matrices compatibles A et B 𝒕(𝑨. 𝑩) = 𝒕𝑩 . 𝒕𝑨

II-5 Déterminant d’une matrice carrée

Le déterminant d’une matrice A est noté det(A)

II-5-1 Matrice carrée d’ordre 2

𝒂 𝒄 𝒂 𝒄
Si A=[ ] alors det(A)=| |= 𝒂𝒅 − 𝒃𝒄
𝒃 𝒅 𝒃 𝒅
Exemple :

𝟏 𝟒 𝟏 𝟒
Si A=[ ] alors det(A)=| |= 3-8 = -5
𝟐 𝟑 𝟐 𝟑
II-5-2 Matrice carrée d’ordre supérieur ou égal à 3

•Règle de Sarrus :

Si on veut calculer le déterminant d’une matrice carrée d’ordre n , on ajoute en dessous les
(n-1) premières lignes ou on ajoute à droite les (n-1) premières colonnes .

𝟏 −𝟏 𝟐
Exemple :Soit à calculer le déterminant de la matrice A=[ 𝟐 𝟑 𝟓]
−𝟏 𝟒 𝟑
 𝟏 −𝟏 𝟐 𝟏 −𝟏 𝟐 𝟏 −𝟏
det(A)=| 𝟐 𝟑 𝟓| =| 𝟐 𝟑 𝟓| 𝟐 𝟑 =9+5+16-(-6+20-6)=30 -8 =22
−𝟏 𝟒 𝟑 −𝟏 𝟒 𝟑 −𝟏 𝟒
•Développement d’un déterminant suivant une ligne ou colonne :

Soit ( 𝒂𝒊𝒋 ) une matrice carrée d’ordre n .On note 𝑨𝒊𝒋 la matrice obtenue en supprimant la
ligne numéro 𝒊 et la colonne numéro 𝒋 .

Le déterminant de 𝑨𝒊𝒋 est appelé mineur de (𝒂𝒊𝒋 ) et noté mineur(𝒂𝒊𝒋 ) .

Propriétés

1) Pour 𝒊 fixé on a det(A)= ∑𝒏𝒋=𝟏 (−𝟏)𝒊+𝒋 𝒂𝒊𝒋 mineur(𝒂𝒊𝒋 )

2) Pour 𝐣 fixé on a det(A)= ∑𝐧𝐢=𝟏 (−𝟏)𝐢+𝐣 𝐚𝐢𝐣 mineur(𝐚𝐢𝐣 )

𝟏 −𝟏 𝟐
Exemple : Reprenons la matrice A=[ 𝟐 𝟑 𝟓]
−𝟏 𝟒 𝟑
Suivant la première ligne , on a :

𝟏 −𝟏 𝟐
𝟑 𝟓 𝟐 𝟓
det(A)=| 𝟐 𝟑 𝟓| = (−𝟏)𝟏+𝟏 . 𝟏. | | +(−𝟏)𝟏+𝟐 . (−𝟏) | |+
𝟒 𝟑 −𝟏 𝟑
−𝟏 𝟒 𝟑
𝟐 𝟑
(−𝟏)𝟏+𝟑 . 𝟐 | |
−𝟏 𝟒
= 𝟏. (𝟗 − 𝟐𝟎) + 𝟏(𝟔 + 𝟓) + 𝟐(𝟖 + 𝟑) = −𝟏𝟏 + 𝟏𝟏 + 𝟐𝟐 = 𝟐𝟐

Suivant la première colonne , on a

𝟏 −𝟏 𝟐
𝟑 𝟓 −𝟏 𝟐 −𝟏 𝟐
det(A)= | 𝟐 𝟑 𝟓| = (−𝟏)𝟏+𝟏 . 𝟏. | | +(−𝟏)𝟐+𝟏 𝟐 | |+(−𝟏)𝟑+𝟏 (−𝟏) | |
𝟒 𝟑 𝟒 𝟑 𝟑 𝟓
−𝟏 𝟒 𝟑
= 𝟏. (𝟗 − 𝟐𝟎) − 𝟐(−𝟑 − 𝟖) − 𝟏(−𝟓 − 𝟔) = −𝟏𝟏 + 𝟐𝟐 + 𝟏𝟏 = 𝟐𝟐

Remarques :

1) Dans la pratique, on choisit la ligne ou la colonne qui a le maximum de zéros. Cela

réduit le nombre d’opérations .
2) Lorsque n est assez grand, on essaie de simplifier le calcul de 𝒅𝒆𝒕(𝑨) à l’aide de
quelques propriétés : Si A est une matrice diagonale ou une matrice triangulaire,le
déterminant de A est égal au produit des coefficients diagonaux .

Propriétés :

1) d𝒆𝒕( 𝒕𝑨) = 𝐝𝐞𝐭(𝑨)

2) 𝐝𝐞𝐭(𝑨. 𝑩) = 𝐝𝐞𝐭(𝑨) . 𝐝𝐞𝐭(𝑩)

II-6 Inversion des matrices

II-6-1 Définition :

- Une matrice carrée 𝑨 est inversible ou régulière si et seulement si 𝒅𝒆𝒕(𝑨) ≠ 𝟎

- Une matrice carrée 𝑨 est singulière si et seulement si 𝒅𝒆𝒕(𝑨) = 𝟎

Propriété : Si la matrice carrée 𝑨 est inversible alors il existe une matrice notée 𝑨−𝟏 telle
que 𝑨. 𝑨−𝟏 = 𝑨−𝟏 . 𝑨 .La matrice 𝑨−𝟏 est la matrice inverse de 𝑨 .

Propriétés

1) (𝑨−𝟏 )−𝟏 = 𝑨
2) ( 𝒕𝑨)−𝟏 = 𝒕𝑨−𝟏
3) (𝑨𝑩)−𝟏 = 𝑩−𝟏 𝑨−𝟏
𝟏
4) 𝐝𝐞𝐭(𝑨−𝟏 ) = 𝐝𝐞𝐭(𝑨)

II-6-2 Calcul de l’inverse d’une matrice

1) Matrice carrée d’ordre 2

𝒂 𝒄 𝟏 𝒅 −𝒄
Si 𝑨 = [ ] est inversible alors 𝑨−𝟏 = 𝐝𝐞𝐭(𝑨) [ ]
𝒃 𝒅 −𝒃 𝒂
2) Matrice carrée d’ordre n≥ 𝟑
Soit 𝑨 = (𝒂𝒊𝒋 ) 𝟏 ≤ 𝒊 ≤ 𝒏 , 𝟏 ≤ 𝒊 ≤ 𝒏 une matrice carrée d’ordre n .
Le réel 𝒃𝒊𝒋 = (−𝟏)𝒊+𝒋mineur(𝒂𝒊𝒋 ) est appelé cofacteur de (𝒂𝒊𝒋 ).La matrice
𝑩 = 𝒄𝒐𝒇𝒂𝒄𝒕(𝑨) = (𝒃𝒊𝒋 ) est la matrice des cofacteurs de 𝑨 .La
matrice 𝒕𝑩 transposée de la matrice 𝒄𝒐𝒇𝒂𝒄𝒕(𝑨) est appelée comatrice de 𝑨.
𝟏
𝑨−𝟏 = 𝐝𝐞𝐭(𝑨) 𝒄𝒐𝒎𝒂𝒕𝒓𝒊𝒄𝒆(𝑨) avec 𝒄𝒐𝒎𝒂𝒕𝒓𝒊𝒄𝒆(𝑨) = 𝒕𝒄𝒐𝒇𝒂𝒄𝒕(𝑨)

Exemples :

𝟐 −𝟒
1) Soit à calculer 𝑨−𝟏 avec 𝑨 = [ ]
−𝟑 𝟏
𝟐 −𝟒
𝐝𝐞𝐭(𝑨) = | | =𝟐 − 𝟏𝟐 = −𝟏𝟎 ⟹ 𝑨 est inversible car 𝐝𝐞𝐭(𝑨) ≠ 𝟎 d’où
−𝟑 𝟏
−𝟏 𝟒
𝟏 𝟏 𝟒 −𝟏 𝟏 𝟒
𝑨−𝟏 = 𝐝𝐞𝐭(𝑨) [ ] = 𝟏𝟎 [ ] = [ 𝟏𝟎
𝟑
𝟏𝟎
𝟐]
𝟑 𝟐 𝟑 𝟐
𝟏𝟎 𝟏𝟎
𝟏 𝟐 𝟑
2) Soit à calculer 𝑩−𝟏 avec 𝑩 = [ 𝟎 𝟏 𝟐]
−𝟏 −𝟒 −𝟏
𝟏 𝟐 𝟑
𝟏 𝟑 𝟏 𝟐
𝐝𝐞𝐭(𝑩) = | 𝟎 𝟏 𝟐 | = 𝟏| |−𝟐| | (on a choisi la 𝟐è ligne )
−𝟏 −𝟏 −𝟏 −𝟒
−𝟏 −𝟒 −𝟏
= 𝟏(−𝟏 + 𝟑) − 𝟐(−𝟒 + 𝟐)
=𝟐+𝟒=𝟔

𝐝𝐞𝐭(𝑩) ≠ 𝟎 ⟹ 𝑩 est inversible

 𝟏 𝟐 𝟎 𝟐 𝟎 𝟏
| | −| | | |
−𝟒 −𝟏 −𝟏 −𝟏 −𝟏 −𝟒 𝟕 −𝟐 𝟏
𝟐 𝟑 𝟏 𝟑 𝟏 𝟐
𝒄𝒐𝒇𝒂𝒄𝒕(𝑩) = − | | | | −| | = [−𝟏𝟎 𝟐 𝟐]
−𝟒 −𝟏 −𝟏 −𝟏 −𝟏 −𝟒
𝟐 𝟑 𝟏 𝟑 𝟏 𝟐 𝟏 −𝟐 𝟏
[ |𝟏 𝟐
| −|
𝟎 𝟐
| |
𝟎 𝟏
| ]

𝟕 −𝟏𝟎 𝟏
𝒄𝒐𝒎𝒂𝒕𝒓𝒊𝒄𝒆(𝑩) = 𝒕𝒄𝒐𝒇𝒂𝒄𝒕(𝑩) = [−𝟐 𝟐 −𝟐]
𝟏 𝟐 𝟏
𝟕 −𝟏𝟎 𝟏 𝟕 −𝟓 𝟏
𝟕 −𝟏𝟎 𝟏 𝟔 𝟔 𝟔 𝟔 𝟑 𝟔
−𝟏 𝟏 𝟏 −𝟐 𝟐 −𝟐 −𝟏 𝟏 −𝟏
𝑩 = 𝐝𝐞𝐭(𝑩) 𝒄𝒐𝒎𝒂𝒕𝒓𝒊𝒄𝒆(𝑩) = 𝟔 [−𝟐 𝟐 −𝟐] = 𝟔 𝟔 𝟔
= 𝟑 𝟑 𝟑
𝟏 𝟐 𝟏 𝟏 𝟐 𝟏 𝟏 𝟏 𝟏
[𝟔 𝟔 𝟔 ] [𝟔 𝟑 𝟔 ]

3) Inversion d’une matrice carrée régulière par la méthode d’élimination de GAUSS

Soit 𝑨 une matrice carrée régulière d’ordre n . Pour déterminer la matrice inverse
𝑨−𝟏 , on considère la matrice augmentée (𝑨|𝑰𝒏 ) où 𝑰𝒏 est la matrice unité d’ordre n.
On effectue des opérations élémentaires sur des de sorte à obtenir la matr .ice 𝑰𝒏
dans le premier bloc .Au terme de la transformation, la matrice obtenue au deuxième
bloc est 𝑨−𝟏 . A la fin , on obtient une matrice augmentée de la forme (𝑰𝒏 |𝑨−𝟏 )
Exemple : Calculons l’inverse de la matrice B précédente par cette méthode .
𝒍𝟏 𝟏 𝟐 𝟑 𝟏 𝟎 𝟎
(𝒍𝟐 ) = ( 𝟎 𝟏 𝟐 |𝟎 𝟏 𝟎) ⇔
𝒍𝟑 −𝟏 −𝟒 −𝟏 𝟎 𝟎 𝟏

𝒍𝟏 𝟏 𝟐 𝟑𝟏 𝟎 𝟎
( 𝒍𝟐 ) = (𝟎 𝟏 𝟐|𝟎 𝟏 𝟎) ⇔
𝒍𝟑 ← 𝒍𝟏 + 𝒍𝟑 𝟎 −𝟐 𝟐 𝟏 𝟎 𝟎

𝒍𝟏 ← 𝒍𝟏 − 𝟐𝒍𝟐 𝟏 𝟎 −𝟏 𝟏 −𝟐 𝟎
( 𝒍𝟐 ) = (𝟎 𝟏 𝟐 |𝟎 𝟏 𝟎) ⇔
𝒍𝟑 ← 𝟐𝒍𝟐 + 𝒍𝟑 𝟎 𝟎 𝟔 𝟏 𝟐 𝟏

𝒍𝟏 ← 𝟔𝒍𝟏 + 𝒍𝟑 𝟔 𝟎 𝟎 𝟕 −𝟏𝟎 𝟏
(𝒍𝟐 ← 𝟑𝒍𝟐 − 𝒍𝟑 ) = (𝟎 𝟑 𝟎|−𝟏 𝟏 −𝟏) ⇔
𝒍𝟑 𝟎 𝟎 𝟔 𝟏 𝟐 𝟏

𝒍𝟏 𝟕 −𝟓 𝟏 𝟕 −𝟓 𝟏
𝒍𝟏 ← 𝟔 𝟏 𝟎 𝟎 𝟔 𝟑 𝟔 𝟔 𝟑 𝟔
𝒍𝟐 −𝟏 𝟏 𝟏 −𝟏 𝟏 −𝟏
𝒍𝟐 ← 𝟑
= 𝟎 𝟏 𝟎|| 𝟔 𝟔 𝟔
d’où 𝑩 −𝟏
= 𝟑 𝟑 𝟑
𝒍𝟑 𝟎 𝟎 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏 𝟏
𝒍𝟑 ← [𝟔 ]
( 𝟔) ( 𝟔 𝟑 𝟑) 𝟑 𝟔

II-7 Rang d’une matrice

1) Définition : Le rang d’une matrice 𝑨 notée rang(𝑨) est le rang de ses vecteurs-
colonnes .
2) Remarque : Le rang d’une matrice est aussi le rang de ses vecteurs-lignes .
 𝟏 𝟐 𝟑 𝟏 𝟐 𝟑
Exemple : 𝑨 = [ 𝟎 𝟒 𝟐 ] on pose ⃗⃗⃗⃗
𝒄𝟏 = ( 𝟎 ) ⃗⃗⃗⃗
𝒄𝟐 = (𝟒) ⃗⃗⃗⃗
𝒄𝟑 = ( 𝟐 )
−𝟏 𝟐 −𝟓 −𝟏 𝟐 −𝟓

⃗⃗⃗⃗𝟏 , ⃗⃗⃗⃗
rang (𝑨) =rang (𝒄 𝒄𝟐 , ⃗⃗⃗⃗
𝒄𝟑 )

III- Matrices semblables :

1) Définition : Deux matrices 𝑨 et 𝑩 sont semblables s’il existe une matrice régulière
𝑷 telle que 𝑩 = 𝑷−𝟏 𝑨𝑷
2) Propriétés :
Soient 𝑨 et 𝑩 deux matrices semblables alors
a) 𝒕𝑨 et 𝒕𝑩 sont semblables
b) ∀𝒏 ∈ ℕ , 𝑨𝒏 et 𝑩𝒏 sont semblables
c) 𝑨 est inversible si et seulement si 𝑩 est inversible

IV- Matrice d’une application linéaire :

Soient 𝑬 et 𝑭 deux ℝ-espaces vectoriels de dimensions 𝒏 et 𝒎 respectivement. Soit

𝓑 = (𝒆⃗⃗⃗⃗𝟏 , ⃗⃗⃗⃗
𝒆𝟐 , ⋯ , ⃗⃗⃗⃗ ⃗⃗⃗⃗⃗𝟏 , ⃗⃗⃗
𝒆𝒏 ) une base de 𝑬 et 𝓑′ = (𝒆′ 𝒆′𝟐 , ⋯ , ⃗⃗⃗⃗⃗⃗
𝒆′𝒎 ) une base de 𝑭 .

Soit 𝝋 une application linéaire de 𝑬 vers 𝑭. On peut calculer l’image par 𝝋 de chaque
vecteur de la base 𝓑 dans la base 𝓑′ .

⃗⃗⃗⃗𝟏 ) = 𝒂𝟏𝟏 ⃗⃗⃗⃗⃗

𝝋(𝒆 ⃗⃗⃗⃗⃗𝟏 + ⋯ + 𝒂𝒎𝟏 ⃗⃗⃗⃗⃗⃗
𝒆′𝟏 +𝒂𝟐𝟏 𝒆′ 𝒆′𝒎

⃗⃗⃗⃗𝟐 ) = 𝒂𝟏𝟐 ⃗⃗⃗⃗⃗

𝝋(𝒆 ⃗⃗⃗⃗⃗𝟏 + ⋯ + 𝒂𝒎𝟐 ⃗⃗⃗⃗⃗⃗
𝒆′𝟏 +𝒂𝟐𝟐 𝒆′ 𝒆′𝒎

⋮ ⋮ ⋮ ⋯ ⋮

⃗⃗⃗⃗𝒏 ) = 𝒂𝟏𝒏 ⃗⃗⃗⃗⃗

𝝋(𝒆 𝒆′𝟏 +𝒂𝟐𝒏 ⃗⃗⃗⃗⃗
𝒆′𝟏 + ⋯ + 𝒂𝒎𝒏 ⃗⃗⃗⃗⃗⃗
𝒆′𝒎

La matrice notée 𝑴(𝝋,𝓑,𝓑′ ) = (𝒂𝒊𝒋 ) 1≤ 𝒊 ≤ 𝒎 ; 𝟏 ≤ 𝒋 ≤ 𝒏 est la matrice de l’application

linéaire 𝝋 dans les bases 𝓑 et 𝓑′ .

⃗⃗⃗⃗𝟏 ) 𝝋(𝒆
𝝋(𝒆 ⃗⃗⃗⃗𝟐 ) ⋯ 𝝋(𝒆
⃗⃗⃗⃗𝒏 )
𝒂𝟏𝟏 𝒂𝟏𝟐 ⋯ 𝒂𝟏𝒏
𝒂𝟐𝟏 𝒂𝟐𝟐 ⋯ 𝒂𝟐𝒏
𝑴(𝝋,𝓑,𝓑′ ) =[ ⋮ ⋮ ⋱ ⋮ ]
𝒂𝒎𝟏 𝒂𝒎𝟐 ⋯ 𝒂𝒎𝒏

Exemples

Exemple 1 :Soit f une application linéaire de ℝ𝟐 vers ℝ𝟑 définie par

𝒇(𝒙, 𝒚) = (𝒙 + 𝟐𝒚 , 𝟐𝒙 + 𝟑𝒚 , 𝟒𝒙) . Soient 𝓑 = (𝒆 ⃗⃗⃗⃗𝟏 , ⃗⃗⃗⃗ ⃗⃗⃗⃗⃗′ 𝟏 , ⃗⃗⃗
𝒆𝟐 ) et 𝓑′ = (𝒆 𝒆′ 𝟐 , ⃗⃗⃗⃗⃗
𝒆′ 𝟑 ) les bases
canoniques ℝ𝟐 𝒆𝒕 ℝ𝟑 . Déterminons la matrice de f dans les bases 𝓑 et 𝓑′
 ⃗⃗⃗⃗𝟏 ) = (𝟏 , 𝟐 , 𝟒) = ⃗⃗⃗⃗⃗
𝒇(𝒆 ⃗⃗⃗⃗⃗𝟐 + 𝟒𝒆′
𝒆′𝟏 + 𝟐𝒆′ ⃗⃗⃗⃗⃗𝟑 et 𝒇(𝒆 ⃗⃗⃗⃗⃗⃗⃗⃗𝟏 + 𝟑𝒆′
⃗⃗⃗⃗𝟐 ) = (𝟐 , 𝟑 , 𝟎) = 𝟐𝒆′ ⃗⃗⃗⃗⃗𝟐

𝟏 𝟐
𝑴(𝒇,𝓑,𝓑′ ) = [𝟐 𝟑]
𝟒 𝟎

Exemple 2 :Soit g une application linéaire de ℝ𝟑 vers ℝ𝟐 définie par

𝒈(𝒙 , 𝒚 , 𝒛) = (𝟐𝒙 − 𝒚 − 𝒛 , −𝟑𝒙 + 𝟐𝒚 + 𝒛) . Déterminons la matrice de 𝒈 dans les bases 𝓑′
et 𝓑 .On peut faire avec la méthode précédente ou bien on peut procéder comme suit :

𝒈(𝒙 , 𝒚 , 𝒛) = (𝟐𝒙 − 𝒚 − 𝒛 , −𝟑𝒙 + 𝟐𝒚 + 𝒛) = (𝟐𝒙 , −𝟑𝒙) + (−𝒚 , 𝟐𝒚) + (−𝒛 , 𝒛)

⃗⃗⃗⃗⃗𝟏 )+𝒚𝒈 (𝒆′

= 𝒙(𝟐 , −𝟑) + 𝒚(−𝟏 , 𝟐) + 𝒛(−𝟏 , 𝟏) = 𝒙𝒈(𝒆′ ⃗⃗⃗⃗⃗𝟐 ) + 𝒛𝒈(𝒆′
⃗⃗⃗⃗⃗𝟑 ) ⟹
⃗⃗⃗⃗⃗𝟏 )= (𝟐 , − 𝟑) ; 𝒈 (𝒆′
𝒈(𝒆′ ⃗⃗⃗⃗⃗𝟐 ) = (−𝟏 , 𝟐) et 𝒈(𝒆
⃗⃗⃗⃗⃗′ 𝟑 ) = (−𝟏 , 𝟏) ⇒
⃗⃗⃗⃗⃗𝟏)= 𝟐𝒆
𝒈(𝒆′ ⃗⃗⃗⃗⃗⃗⃗⃗⃗
𝟏 − 𝟑𝒆
⃗⃗⃗⃗⃗𝟐 ) = −𝟏𝒆
⃗⃗⃗⃗𝟐 ; 𝒈 (𝒆′ ⃗⃗⃗⃗𝟏 + 𝟐𝒆 ⃗⃗⃗⃗⃗′ 𝟑 ) = −𝟏𝒆
⃗⃗⃗⃗𝟐 et 𝒈(𝒆 ⃗⃗⃗⃗𝟏 + 𝟏𝒆
⃗⃗⃗⃗𝟐

𝟐 −𝟏 −𝟏
𝑴(𝒈,𝓑,𝓑′ )= [ ]
−𝟑 𝟐 𝟏

Exemple 3 : Soit 𝒉 un endomorphisme de ℝ𝟑 qui à 𝒖 ⃗ =(𝒙 , 𝒚 , 𝒛) associe le vecteur

⃗ ) = (−𝒙 + 𝟐𝒚 − 𝟑𝒛 , 𝒙 − 𝒚 + 𝒛 , −𝟓𝒙 + 𝟑𝒚 + 𝟒𝒛) . Déterminons la matrice de 𝒉
𝒉(𝒖
⃗⃗⃗⃗⃗𝟏 ) = −𝒆′
𝒉 (𝒆′ ⃗⃗⃗⃗⃗𝟏 + 𝒆′
⃗⃗⃗⃗⃗𝟐 − 𝟓𝒆′
⃗⃗⃗⃗⃗𝟑

⃗⃗⃗⃗⃗′ 𝟏 , ⃗⃗⃗
dans la base 𝓑′ = (𝒆 𝒆′ 𝟐 , ⃗⃗⃗⃗⃗
𝒆′ 𝟑 ) .On a ⃗⃗⃗⃗⃗𝟐 ) = 𝟐𝒆′
𝒉 (𝒆′ ⃗⃗⃗⃗⃗𝟏 − 𝒆′
⃗⃗⃗⃗⃗𝟐 + 𝟑𝒆′
⃗⃗⃗⃗⃗𝟑
⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗
{𝒉 (𝒆′𝟑 ) = −𝟑𝒆′𝟏 + 𝒆′𝟐 + 𝟒𝒆′𝟑
−𝟏 𝟐 −𝟑
𝑴(𝒈,𝓑′ )= ( 𝟏 −𝟏 𝟏)
−𝟓 𝟑 𝟒
V-Matrice d’un endomorphisme

V-1 Définition Soit 𝑬 un ℝ-espace vectoriel de dimension n et 𝓑 = (𝒆 ⃗⃗⃗⃗𝟏 , ⃗⃗⃗⃗

𝒆𝟐 , ⋯ , ⃗⃗⃗⃗
𝒆𝒏 ) une
base de 𝑬 . Pour déterminer la matrice d’un endomorphisme de 𝑬 dans la base
𝓑 = (𝒆⃗⃗⃗⃗𝟏 , ⃗⃗⃗⃗
𝒆𝟐 , ⋯ , ⃗⃗⃗⃗ ⃗⃗⃗⃗𝟏 ) , 𝒇(𝒆
𝒆𝒏 ) , on calcule 𝒇(𝒆 ⃗⃗⃗⃗𝟐 ) , ⋯ , 𝒇(𝒆
⃗⃗⃗⃗𝒏 ) dans la base 𝓑 = (𝒆 ⃗⃗⃗⃗𝟏 , ⃗⃗⃗⃗
𝒆𝟐 , ⋯ , ⃗⃗⃗⃗
𝒆𝒏 ) .
Cette matrice se note 𝑴(𝒇,𝓑) .

Exemple 𝑬 un ℝ-espace vectoriel de dimension 3 . 𝓑 = (𝒊⃗ , 𝒋⃗ , 𝒌 ⃗ ) est une base de . Soit 𝒇

l’endomorphisme de E de matrice qui à 𝒖 ⃗ = (𝒙 , 𝒚 , 𝒛) associe le vecteur
𝒇(𝒖⃗ ) = (𝟐𝒙 + 𝟑𝒚 − 𝒛 )𝒊⃗ + (−𝒙 + 𝒚 + 𝟐𝒛)𝒋⃗ + (𝟓𝒙 − 𝟒𝒚 + 𝒛)𝒌 ⃗ .Détermino la
matrice de 𝒇 dans la base 𝓑 = (𝒊⃗ , 𝒋⃗ , ⃗𝒌). 𝒇(𝒊) = 𝟐𝒊⃗ − 𝒋⃗ + 𝟓𝒌 ⃗ ; 𝒇(𝒋) = 𝟑𝒊⃗ + 𝒋⃗ − 𝟒𝒌 ⃗ ;
𝟐 𝟑 −𝟏
𝒇(𝒌⃗ ) = −𝒊⃗ + 𝟐𝒋⃗ + 𝒌
⃗ . 𝑴(𝒇,𝓑′) (−𝟏 𝟏 𝟐)
𝟓 −𝟒 𝟏
V-2 Changement de base
Soit 𝑬 un espace vectoriel sur ℝ de dimension 𝒏 et 𝓑 = (𝒆⃗⃗⃗⃗𝟏 , ⃗⃗⃗⃗ 𝒆𝒏 ) une base de 𝑬 .
𝒆𝟐 , ⋯ , ⃗⃗⃗⃗
Soit f un endomorphisme de de matrice 𝑴(𝒇,𝓑) dans la base 𝓑 . Soit 𝓑′ = (𝒆′ ⃗⃗⃗⃗⃗𝟏 , ⃗⃗⃗⃗⃗
𝒆′𝟐 , ⋯ , ⃗⃗⃗⃗⃗
𝒆′𝒏 )
une autre base de 𝑬 . La matrice 𝑷 formée des cordonnées des vecteurs
⃗⃗⃗⃗⃗ ⃗⃗⃗⃗⃗𝟐 , ⋯ , ⃗⃗⃗⃗⃗
𝒆′𝟏 , 𝒆′ 𝒆′ 𝒏 dans la base 𝓑 = (𝒆
⃗⃗⃗⃗𝟏 , ⃗⃗⃗⃗ 𝒆𝒏 ) est appelée matrice de passage de la base
𝒆𝟐 , ⋯ , ⃗⃗⃗⃗
𝓑 à la base 𝓑′ . 𝑷 est une matrice régulière . La matrice de f dans la base 𝓑′ est
𝑴(𝒇,𝓑′)

tel 𝒒𝒖𝒆 𝑴(𝒇,𝓑′) = 𝑷−𝟏 . 𝑴(𝒇,𝓑) . 𝑷

Remarque : Si 𝑷 est la matrice de passage de la base 𝓑 à la base 𝓑′ alors 𝑷−𝟏 la matrice

de passage de la base 𝓑′ à la base 𝓑 .

Exemple 1 : 𝑬𝟐 est un ℝ-espace vectoriel de dimension 2 et 𝓑 = (𝒊 , 𝒋) une base de 𝑬𝟐 . Soit

𝒇 l’endomorphisme de 𝑬𝟐 défini par 𝒇(𝒊) = 𝟒𝒊 − 𝒋 et 𝒇(𝒋) = 𝟐𝒊 + 𝒋

1) Déterminer la matrice de 𝒇 dans la base 𝓑

2) Soient ⃗⃗⃗⃗
𝒆𝟏 = 𝒊 − 𝒋 et ⃗⃗⃗⃗ 𝒆𝟐 = −𝟐𝒊 + 𝒋 deux vecteurs de 𝑬𝟐
′
a) Démontrer que 𝓑 = (𝒆 ⃗⃗⃗⃗𝟏 , ⃗⃗⃗⃗
𝒆𝟐 ) est une base de 𝑬𝟐
b) Déterminer la matrice de 𝒇 dans la base 𝓑′ = (𝒆 ⃗⃗⃗⃗𝟏 , ⃗⃗⃗⃗
𝒆𝟐 ) .
Solution :
𝟒 𝟐
1) 𝑴(𝒇,𝓑) = ( )
−𝟏 𝟏
𝟏 −𝟐
2) a) 𝐝𝐞𝐭(𝒆 𝒆𝟐 ) = |
⃗⃗⃗⃗𝟏 , ⃗⃗⃗⃗ | = 𝟏 − 𝟐 = −𝟏 .𝐝𝐞𝐭(𝒆 𝒆𝟐 ) ≠ 𝟎 ⟹ 𝓑′ = (𝒆
⃗⃗⃗⃗𝟏 , ⃗⃗⃗⃗ 𝒆𝟐 ) est
⃗⃗⃗⃗𝟏 , ⃗⃗⃗⃗
−𝟏 𝟏
une base de 𝑬𝟐
𝟏 −𝟐
𝒃) Déterminons la matrice de 𝒇 dans la base 𝓑′ = (𝒆 𝒆𝟐 ) . 𝑷 = (
⃗⃗⃗⃗𝟏 , ⃗⃗⃗⃗ ) est la
−𝟏 𝟏
−𝟏 −𝟐
matrice de passage de la base 𝓑 = (𝒊 , 𝒋) à la base 𝓑′ = (𝒆 𝒆𝟐 ) . 𝑷−𝟏 = (
⃗⃗⃗⃗𝟏 , ⃗⃗⃗⃗ )
−𝟏 −𝟏
𝑴(𝒇,𝓑′) = 𝑷−𝟏 . 𝑴(𝒇,𝓑) . 𝑷
−𝟏 −𝟐 𝟒 𝟐 𝟏 −𝟐
=( )( )( )
−𝟏 −𝟏 −𝟏 𝟏 −𝟏 𝟏

−𝟏 −𝟐 𝟐 −𝟔
=( )( )
−𝟏 −𝟏 −𝟐 𝟑
𝟐 𝟎
=( )
𝟎 𝟑
Remarque : On pouvait aussi déterminer la matrice de 𝒇 dans la base 𝓑′ = (𝒆 ⃗⃗⃗⃗𝟏 , ⃗⃗⃗⃗
𝒆𝟐 )
en calculant directement 𝒇(𝒆 ⃗⃗⃗⃗𝟐 ) en fonction de ⃗⃗⃗⃗
⃗⃗⃗⃗𝟏 ) et 𝒇(𝒆 𝒆𝟏 𝒆𝒕 ⃗⃗⃗⃗
𝒆𝟐
)
⃗⃗⃗⃗𝟏 = 𝒇(𝒊 − 𝒋)
𝒇(𝒆
= 𝒇(𝒊 ) − 𝒇( 𝒋) car f est linéaire
= 𝟒𝒊 − 𝒋 − 𝟐𝒊 − 𝒋
= 𝟐𝒊 − 𝟐𝒋
= 𝟐(𝒊 − 𝒋)
⃗⃗⃗⃗𝟏
= 𝟐𝒆
⃗⃗⃗⃗𝟐 ) = 𝒇(−𝟐𝒊 + 𝒋)
𝒇(𝒆
= −𝟐 𝒇(𝒊 ) + 𝒇( 𝒋)
= −𝟐( 𝟒𝒊 − 𝒋) + 𝟐𝒊 + 𝒋
= −8𝒊 + 𝟐𝒋 + 𝟐𝒊 + 𝒋
= −𝟔𝒊 + 𝟑𝒋
 = 𝟑(−𝟐𝒊 + 𝒋)
⃗⃗⃗⃗𝟐
= 𝟑𝒆
𝟐 𝟎
D’où 𝑴(𝒇,𝓑′) = ( )
𝟎 𝟑

Exemple 2 𝑬𝟑 est un ℝ-espace vectoriel de dimension 3 et 𝓑 = (𝒊 , 𝒋 , ⃗𝒌) une base de

𝟏 𝟏 𝟐
𝑬𝟑 . Soit 𝒈 un endomorphisme de 𝑬𝟑 de matrice 𝑨 = (−𝟏 −𝟏 −𝟐) dans la base 𝓑 .
𝟑 𝟑 −𝟐
⃗ ⃗ ⃗
⃗⃗
On considère les vecteurs 𝑰 = 𝟐𝒊 + 𝒋 − 𝟑𝒌 , 𝑱 = 𝒊 − 𝒌 , 𝑲 = 𝟐𝒊 + 𝒋

1) Montrer que 𝓑′ = (𝑰 , 𝑱 , ⃗𝑲 ⃗ ) est une base de 𝑬𝟑 .

2) Déterminer la matrice de 𝒈 dans la base 𝓑′ = (𝑰 , 𝑱 , ⃗𝑲 ⃗) .
Solution :
𝟐 𝟏 𝟐
⃗⃗⃗ ) = | 𝟏 𝟏 𝟐 𝟐 𝟏
1) 𝐝𝐞𝐭(𝑰 , 𝑱 , 𝑲 𝟎 𝟏| = −𝟏 | | − 𝟏| | = −𝟑
−𝟏 𝟎 −𝟑 −𝟏
−𝟑 −𝟏 𝟎
⃗⃗⃗ ) ≠ 𝟎 ⟹ 𝓑′ = (𝑰 , 𝑱 , 𝑲
𝐝𝐞𝐭(𝑰 , 𝑱 , 𝑲 ⃗⃗ ) est une base de 𝑬𝟑
𝟐 𝟏 𝟐
2) 𝑷 = ( 𝟏 𝟎 𝟏) est la matrice de passage de la base 𝓑 = (𝒊 , 𝒋 , ⃗𝒌) à la base
−𝟑 −𝟏 𝟎
𝓑′ = (𝑰 , 𝑱 , 𝑲⃗⃗ ) et 𝐝𝐞𝐭(𝑷) = −𝟑
𝟎 𝟏 𝟏 𝟏 𝟏 𝟎
| | −| | | |
−𝟏 𝟎 −𝟑 𝟎 −𝟑 −𝟏
𝟏 𝟏 𝟐 𝟐 𝟐 𝟏
𝒄𝒐𝒇𝒂𝒄𝒕(𝑷) = −| | | | −| |
−𝟏 𝟎 −𝟑 𝟎 −𝟑 −𝟏
𝟏 𝟐 𝟐 𝟐 𝟐 𝟏
( |𝟎 𝟏| −|
𝟏 𝟏
| |
𝟏 𝟎
| )

𝟏 −𝟑 −𝟏
= (−𝟐 𝟔 −𝟏)
𝟏 𝟎 −𝟏

𝟏 −𝟐 𝟏
𝒄𝒐𝒎𝒂𝒕𝒓𝒊𝒄𝒆(𝑷) = 𝒕𝒄𝒐𝒇𝒂𝒄𝒕(𝑷) = (−𝟑 𝟔 𝟎)
−𝟏 −𝟏 −𝟏
−𝟏 𝟐 −𝟏
𝟑 𝟑 𝟑
𝟏
𝑷−𝟏 = 𝒄𝒐𝒎𝒂𝒕𝒓𝒊𝒄𝒆(𝑷) = ( 𝟏 −𝟐 𝟎)
𝐝𝐞𝐭(𝑷) 𝟏 𝟏 𝟏
𝟑 𝟑 𝟑

La matrice 𝑩 de g dans la base 𝓑′ = (𝑰 , 𝑱 , ⃗𝑲

⃗ ) est définie par

−𝟏 𝟐 −𝟏
𝟑 𝟑 𝟑 𝟏 𝟏 𝟐 𝟐 𝟏 𝟐
−𝟏
𝑩 = 𝑷 𝑨𝑷 = ( 𝟏 −𝟐 𝟎 ) (−𝟏 −𝟏 −𝟐) ( 𝟏 𝟎 𝟏)
𝟏 𝟏 𝟏
𝟑 𝟑 −𝟐 −𝟑 −𝟏 𝟎
𝟑 𝟑 𝟑
 −𝟏 𝟐 −𝟏 −𝟐
−𝟑 −𝟏 𝟑 −𝟐 𝟑 −𝟔
𝟑 𝟑 𝟑
= (𝟏 −𝟐 𝟎)( 𝟑 𝟏 −𝟑) = (−𝟗 −𝟑 𝟗)
𝟏 𝟏 𝟏 𝟓
𝟏𝟓 𝟓 𝟗 𝟓 𝟑
𝟑 𝟑 𝟑 𝟑

V-3 Propriétés :

1) Soit 𝒇 un endomorphisme d’un espace vectoriel E de dimension finie . 𝒇 est bijective

si et seulement si 𝐝𝐞𝐭(𝑴(𝒇,𝓑) ) ≠ 𝟎 où 𝓑 est une base de E .
2) Si 𝒇 est bijective et de matrice 𝑨 dans une base 𝓑 alors 𝑨−𝟏 est la matrice de
𝒇−𝟏 dans la base 𝓑 .
3) Si 𝒇 et 𝒈 sont deux endomorphismes d’un espace vectoriel E de dimension finie alors
𝑴(𝒈𝒐𝒇,𝓑) = 𝑴(𝒈,𝓑) × 𝑴(𝒇,𝓑) .
4) Soit E un espace vectoriel de dimension finie et 𝑨 la matrice d’un endomorphisme
𝒇 de E dans la base 𝓑 .
Pour calculer les coordonnées du vecteur 𝒇(𝒖 ⃗ ) dans la base 𝓑 où 𝒖 ⃗ est un vecteur
⃗
dont les coordonnées sont dans la base 𝓑 ,il suffit de calculer 𝑨. 𝒖 .