C HAPITRE 4

M ATRICES ET APPLICATIONS LINÉAIRES

Sommaire
4.1 Matrice d’une application linéaire dans des bases . . . . . . . . . . . . . 91
4.2 Propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
4.3 Changement de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95

Dans tout le chapitre, K désigne R ou C et E, F sont des K-espaces vectoriels de dimen-

sions finies non nulles.

4.1 ) Matrice d’une application linéaire dans des bases

Soient E et F deux K-espaces vectoriels de dimension finie.

Soient p la dimension de E et B = (e1 , . . . , ep ) une base de E.
Soient n la dimension de F et B 0 = (e01 , . . . , e0n ) une base de F . Soit enfin f : E −→ F une
application linéaire.
Les propriétés des applications linéaires entre deux espaces de dimension finie permettent
d’affirmer que :

• L’application linéaire f est déterminée de façon unique par l’image d’une base de E, donc
par les vecteurs f (e1 ), f (e2 ), . . . , f (ep ).

• Pour j ∈ {1, . . . , p}, f (ej ) est un vecteur de F et s’écrit de manière unique comme com-
binaison linéaire des vecteurs de la base B 0 = (e01 , . . . , e0n ) de F .

Définition 4.1.1. (Matrice d’une application linéaire)

La matrice de l’application linéaire f par rapport aux bases B et B 0 est la matrice (ai,j ) ∈
Mn,p (K) dont la j-ème colonne est constituée par les coordonnées du vecteur f (ej ) dans la
base B 0 = (e01 , . . . , e0n ) :

91
 CHAPITRE 4. MATRICES ET APPLICATIONS LINÉAIRES
SECTION 4.1. MATRICE D’UNE APPLICATION LINÉAIRE DANS DES BASES

f (e1 ) f (e2 ) ··· f (ej ) ··· f (ep )

 
a1,1 a1,2 ··· a1,j ··· a1,p e01
 
 a a2,2 ··· a2,j ··· a2,p  e0
 2,1  2
Mat(f, B, B 0 ) =  . .. .. .. .. ..  .
 .. . . . . .  ..
 
an,1 an,2 ··· an,j ··· an,p e0n
En termes plus simples : c’est la matrice dont les vecteurs colonnes sont l’image par f des
vecteurs de la base de départ B, exprimée dans la base d’arrivée B 0 . On note cette matrice
0
MatB,B 0 (f ) ou Mat(f, B, B 0 ) ou MB
B (f ).

Notation. Mat(f, B, B) = Mat(f, B) = MatB (f ).

Exemples.

1) Soit f l’endomorphisme de R3 donné par : f (x, y, z) = (−y + z, x + 2y − 3z, x + y − 2z).

Déterminer la matrice M de f dans la base canonique de R3 .
Soit B = (e1 , e2 , e3 ) la base canonique de R3 , on a

∗ f (e1 ) = f (1, 0, 0) = (0, 1, 1) = e2 + e3

∗ f (e2 ) = f (0, 1, 0) = (−1, 2, 1) = −e1 + 2e2 + e3

∗ f (e3 ) = f (0, 0, 1) = (1, −3, −2) = e1 − 3e2 − 2e1

Ainsi
f (e1 ) f (e2 ) f (e3 )
 
0 −1 1 e1
 
M = MB (f ) = 
 1 2 −3 e2


1 1 −2 e3

2) On considère l’application linéaire f : R3 → R2 : f (x, y, z) = (y + z, x + 2y + z).

Soient B = (e1 , e2 , e3 ) la base canonique de R3 et B 0 = (e01 , e02 ) la base canonique de R2 .
On a

∗ f (e1 ) = f (1, 0, 0) = (0, 1) = e02

∗ f (e2 ) = f (0, 1, 0) = (1, 2) = e01 + 2e02

∗ f (e3 ) = f (0, 0, 1) = (1, 1) = e01 + e02 .

Ainsi,
f (e1 ) f (e2 ) f (e3 )
 
0 1 1 e0
Mat(f, B, B 0 ) =   1
1 2 1 e02

abdelhaktraikii@[Link] 92 ESSTHS
 CHAPITRE 4. MATRICES ET APPLICATIONS LINÉAIRES
SECTION 4.2. PROPRIÉTÉS

Remarque 4.1.1. On connaît tout d’une application linéaire quand on connaît la valeur qu’elle
prend sur une base, donc quand on connaît sa matrice dans deux bases donnée :
 
1 0 2
 
Exemple. On note f l’endomorphisme de R2 [X] de matrice  3 1 4 dans la base ca-


0 4 5
nonique. Il faut alors comprendre que : f (1) = 3X + 1, f (X) = 4X 2 + X et f (X 2 ) =
5X 2 + 4X + 2.
Par suite, pour tout P = aX 2 + bX + c ∈ R2 [X], on a

f (P ) = f (aX 2 + bX + c) = af (X 2 ) + bf (X) + cf (1).

Remarques 4.1.1.
• La taille de la matrice MatB,B 0 (f ) dépend uniquement de la dimension de E et de celle
de F .
• Par contre, les coefficients de la matrice dépendent du choix de la base B de E et de la base
B 0 de F .

4.2 ) Propriétés

Proposition 4.2.1. Soient f, g : E → F deux applications linéaires et soient B une base de

E et B 0 une base de F . Alors :
• MatB,B 0 (f + g) = MatB,B 0 (f ) + MatB,B 0 (g).
• MatB,B 0 (αf ) = α MatB,B 0 (f ) où α ∈ R.

Proposition 4.2.2. Soient f : E → F et g : F → G deux applications linéaires et soient B

une base de E, B 0 une base de F et B 00 une base de G. Alors :

MatB,B 00 (g ◦ f ) = MatB 0 ,B 00 (g) × MatB,B 0 (f )

Exercice. Soit f l’endomorphisme de R3 donné par :

f (x, y, z) = (−y + z, x + 2y − 3z, x + y − 2z).

1) Vérifier que B = {u = (1, 1, 1), v = (−1, 1, 0), w = (0, 1, 1)} est une base de R3 .

2) Déterminer la matrice M de f dans la base B.

3) En déduire la matrice N de f ◦ f dans la base B.

Solution :.

abdelhaktraikii@[Link] 93 ESSTHS
 CHAPITRE 4. MATRICES ET APPLICATIONS LINÉAIRES
SECTION 4.2. PROPRIÉTÉS

1) Soient α, β, γ ∈ R tels que αu + βv + γw = (0, 0, 0). On a

 
α − β = 0




 α=β

 

αu + βv + γw = (0, 0, 0) ⇔ α + β + γ = 0 ⇔ 2α + γ = 0 ⇔ α = β = γ = 0.

 


 

α + γ = 0 α + γ = 0

puis u, v et w sont libres. Puisque card{u, v, w} = 3 = dim(R3 ), d’où B = {u, v, w} est

une base de R3 .

2) On a
f (u) = f (1, 1, 1) = (0, 0, 0) = 0 × u + 0 × v + 0 × w.
f (v) = f (−1, 1, 0) = (−1, 1, 0) = v = 0 × u + 1 × v + 0 × w.
f (w) = f (0, 1, 1) = (0, −1, −1) = −w = 0 × u + 0 × v − 1 × w.

f (u) f (v) f (w)

 
0 0 0 u
 
Ainsi M = Mat(f, B, B) = 
 0 1 0 
v
0 0 −1 w

3) En appliquant la proposition précédente, on obtient :

    
0 0 0 0 0 0 0 0 0
    
N = Mat(f ◦ f, B, B) = M × M = 
 0 1 0   0 1 0  =  0 1 0 .
   
0 0 −1 0 0 −1 0 0 1

Théorème 4.2.1. (Rang d’une application linéaire, rang d’une matrice associée) Soient B une
base de E, B 0 une base de F et f ∈ L(E, F ). Alors :

rg(f ) = rg(Mat(f, B, B 0 )).

Théorème 4.2.2. Soit f une application linéaire de E dans F , soit B une base de E avec
dim(E) = p, soit B 0 une base de F avec dim(F ) = n, et soit A = Mat(f, B, B 0 ), on a :

1) rg(A) = n ⇐⇒ f est surjective.

2) rg(A) = p ⇐⇒ f est injective.

Corollaire 4.2.1. Soit f un endomorphisme de E, soit B une base de E avec dim(E) = n,

et soit A = MatB (f ), on a :

rg(A) = n ⇐⇒ f est bijective.

abdelhaktraikii@[Link] 94 ESSTHS
 CHAPITRE 4. MATRICES ET APPLICATIONS LINÉAIRES
SECTION 4.3. CHANGEMENT DE BASES

Exemples.

1) Soit l’application linéaire f : R3 → R2 définie par f (x, y, z) = (2x − 3y, z).

Base canonique de R3 : (e1 , e2 , e3 ) avec e1 = (1, 0, 0), e2 = (0, 1, 0) et e3 = (0, 0, 1).
Base canonique de R2 : (e01 , e02 ) avec e01 = (1, 0) et e02 = (0, 1) .
On a : f (e1 ) = (2, 0) = 2e01 , f (e2 ) = (−3, 0) = −3e01 et f (e3 ) = (0, 1) = e02 ,
donc la matrice de f par rapport aux bases canoniques de R3 et R2 est :
 
2 −3 0
A= .
0 0 1

On a : rg(A) = 2 donc f est une application surjective.

2) Soit l’application linéaire g : R2 → R3 définie par g(x, y) = (2x + y, y, 4x).

Base canonique de R2 : (e1 , e2 ) avec e1 = (1, 0) et e2 = (0, 1) .
Base canonique de R3 : (e01 , e02 , e03 ) avec e01 = (1, 0, 0), e02 = (0, 1, 0) et e03 = (0, 0, 1).
On a : g(e1 ) = (2, 0, 4) = 2e01 + 4e03 et g(e2 ) = (1, 1, 0) = e01 + e02 ,
donc la matrice de g par rapport aux bases canoniques de R2 et R3 est :
 
2 1
 
B=
0 1 .

4 0

On a : rg(B) = 2 donc g est une application injective.

3) Soit l’application linéaire h : R3 → R3 définie par h(x, y, z) = (x + y + z, y + 2z, z).

Base canonique de R3 : (e1 , e2 , e3 ) avec e1 = (1, 0, 0), e2 = (0, 1, 0) et e3 = (0, 0, 1).
On a : h(e1 ) = (1, 0, 0) = e1 , h(e2 ) = (1, 1, 0) = e1 + e2 et h(e3 ) = (1, 2, 1) = e02 ,
donc la matrice de h par rapport aux bases canoniques de R3 et R3 est :
 
1 1 1
 
C=
 0 1 2 .

0 0 1

On a : rg(C) = 3 donc f est une application bijective.

4.3 ) Changement de bases

Définition 4.3.1. (Matrice de passage)

Soient B = (e1 , e2 , · · · , ep ) et B 0 = (e01 , e02 , · · · , e0n ) deux bases de E.

abdelhaktraikii@[Link] 95 ESSTHS
 CHAPITRE 4. MATRICES ET APPLICATIONS LINÉAIRES
SECTION 4.3. CHANGEMENT DE BASES

On appelle matrice de passage de B à B 0 la matrice Mat(IdE , B 0 , B), souvent notée PB→B 0

e01 e02 ··· e0j ··· e0n

 
α1,1 α1,2 ··· α1,j ··· α1,p e1
 
··· ··· e2
α α2,2 α2,j α2,p 
0  2,1
PB→B 0 = M (IdE , B , B) =  . .. .. .. .. ..  ..
 .. . . . . . 
 .
αn,1 αn,2 ··· αn,j ··· αn,p ep

Autrement dit, la matrice de passage de B à B 0 est la matrice des nouveaux vecteurs de base
exprimés en fonction des anciens.

Exemple.

1) Dans R2 , la matrice
 de passage de la base canonique à la base (u, v) avec u = (2, 3) et
2 4
v = (4, 5) est :  .
3 5
2) Considérons l’espace euclidien R3 muni de sa base canonique B = (e1 , e2 , e3 ).

3 Homothétie :
La nouvelle base B 0 = (e01 , e02 , e03 ) est obtenue par une homothétie de facteur k.
On a ainsi : 
e01 = ke1 ,




 e02 = ke2 ,


e0 = ke .

3 3

La matrice de passage s’écrit

 
k 0 0
 
PB→B 0 = 
0 k 0


0 0 k

3 Rotation de la base :
La nouvelle base B 0 = (e01 , e02 , e03 ) est obtenue par rotation d’un angle θ autour de
l’axe e3 . On a ainsi : 
e0 = cos(θ)e1 + sin(θ)e2 ,
 1




e02 = − sin(θ)e1 + cos(θ)e2 ,



e0 = e .

3 3

abdelhaktraikii@[Link] 96 ESSTHS
 CHAPITRE 4. MATRICES ET APPLICATIONS LINÉAIRES
SECTION 4.3. CHANGEMENT DE BASES

La matrice de passage s’écrit

 
cos(θ) − sin(θ) 0
 
PB→B 0 =
 sin(θ) cos(θ) 0 

0 0 1

Proposition 4.3.1. Soient B et B 0 deux bases de E. Si P = PB→B 0 alors P est inversible

d’inverse PB 0 →B .

Exemple.
Soient B = (ε1 , ε2 , ε3 ) une base avec (ε1 = (1, 0, −1), ε2 = (1, −1, −1) et ε3 = (0, −2, 1).
La matrice de passage P de la base canonique Bc à B = (ε1 , ε2 , ε3 ) est :

ε1 ε2 ε3
 
1 1 0 e1
 
P = PBc →B = 
 0 −1 −2 
e2
−1 −1 1 e3

Calcul de P −1 :  



ε1 = e1 − e3 


e2 = ε1 − ε2
 
ε2 = e1 − e2 − e3 ⇔ e3 = 2ε1 − 2ε2 + ε3

 

 
ε = −2e + e
 e = 3ε − 2ε + ε

3 2 3 1 1 2 3

Donc
e1 e2 e3
 
3 1 2ε1
P −1 = PB→Bc = 
 
 −2 −1 −2 
ε2
1 0 1 ε3

Proposition 4.3.2. Si B, B 0 et B 00 trois bases de E alors PB→B 00 = PB→B 0 PB 0 →B 00 .

Théorème 4.3.1. Soit

• E et F deux espaces vectoriels,

• B et B 0 deux bases de E,

• C et C 0 deux bases de F ,

• f : E −→ F une application linéaire de E dans F ,

alors
M (f, B 0 , C 0 ) = PC 0 →C M (f, B, C)PB→B 0 .

abdelhaktraikii@[Link] 97 ESSTHS
 CHAPITRE 4. MATRICES ET APPLICATIONS LINÉAIRES
SECTION 4.3. CHANGEMENT DE BASES

Les matrices M (f, B, C) et M (f, B 0 , C 0 ) sont dites équivalentes. Elles représentent la même
application linéaire dans des bases différentes.
Cas particulier : E = F . Si un endomorphisme f : E −→ E a pour matrice M (f, B, B) dans
la base B et M (f, B 0 , B 0 ) dans la base B 0 , on a

M (f, B 0 , B 0 ) = PB 0 →B M (f, B, B)PB→B 0

ou encore
M (f, B 0 , B 0 ) = (PB→B 0 )−1 M (f, B, B)PB→B 0 .

Les matrices M (f, B, B) et M (f, B 0 , B 0 ) sont dites semblables.

abdelhaktraikii@[Link] 98 ESSTHS
 CHAPITRE 4. MATRICES ET APPLICATIONS LINÉAIRES
SECTION 4.3. CHANGEMENT DE BASES

Exercice. On considère l’application

f : R2 [X] → R2 [X]

P 7→ (X + 1)P 0

1) Montrer que f est linéaire.

2) Trouver une base de l’image de f .

3) Trouver une base de noyau de f .

4) Déterminer la matrice A de f par rapport aux bases canoniques de R2 [X].

5) Déterminer le rang de A.

6) Montrer que B 0 = {1, X + 1, (X + 1)2 } est une base de R2 [X].

7) Trouver la matrice D de f par rapport aux bases B 0 et B 0 .

8) Calculer D n pour tout n ∈ N∗ .

 
1 1 1
−1 par deux méthodes.
 
9) Soit la matrice P = 
0 1 2. Calculer P
0 0 1
10) Montrer que A = P DP −1

11) Calculer An pour tout n ∈ N∗ .

Solution :.

f : R2 [X] → R2 [X]

P 7→ (X + 1)P 0

1) Soient α ∈ R et P, Q ∈ R2 [X]. On a

f (αP + Q) = (X + 1)(αP + Q)0 = α(X + 1)P 0 + (X + 1)Q0 = αf (P ) + f (Q).

Donc f est un endomorphisme de R2 [X].

2) Im(f ) = Vect{f (1), f (X), f (X 2 )} = Vect(0, 1+X, 2X +2X 2 } = Vect(1+X, 2X +2X 2 }

cette famille constitue une base de Im(f ).

3) D’après le théorème de rang, la dimension de noyau de f est 1, Or f (1) = 0 donc 1 ∈

ker(f ), puis ker(f ) est engendré par le vecteur 1.

abdelhaktraikii@[Link] 99 ESSTHS
 CHAPITRE 4. MATRICES ET APPLICATIONS LINÉAIRES
SECTION 4.3. CHANGEMENT DE BASES

4) On a f (1) = (X + 1) × 0 = 0 = 0 × 1 + 0 × X + 0 × X 2 .
f (X) = (X + 1) × 1 = X + 1 = 1 × 1 + 1 × X + 0 × X 2 .
f (X 2 ) = (X + 1) × 2X = 2X 2 + 2X = 0 × 1 + 2 × X + 2 × X 2 . Ainsi
 
0 1 0
 
A=
0 1 2 


0 0 2

5) rg(A) = rg(f ) = dim(Im(f )) = 2.

Autrement :
   
0 1 0 1 0
   
rg(A) = rg 
0 1 2 = rg 1 2 = 2.
  

0 0 2 0 2

6) Soient α, β et γ trois réels tels que α + β(X + 1) + γ(X + 1)2 = 0. On a

α + β(X + 1) + γ(X + 1)2 = 0 ⇔ γX 2 + (β + 2γ)X + α + β + γ = 0

 
γ = 0




 γ=0

 

⇔ β + 2γ = 0 ⇔ β=0

 


 

α + β + γ = 0 α = 0

Donc B 0 est une famille libre de trois vecteurs dans un espace de dimension 3 donc c’est
une base de R2 [X].

7) On a f (1) = 0, f (X + 1) = X + 1 et f ((X + 1)2 ) = 2(X + 1)2 .

Ainsi  
0 0 0
D = M at(f, B 0 , B 0 ) = 
 
 0 1 0 

0 0 2
 
0 0 0
 
8) Montrons que D n = 
0 1 0  .


0 0 2n
Démonstration par récurrence :
 
0 0 0
 
• Initialisation : La démonstration est triviale pour n = 1 : D = 
0 1 0 .


0 0 2
• Hérédité : Hypothèse de récurrence :

abdelhaktraikii@[Link] 100 ESSTHS

 CHAPITRE 4. MATRICES ET APPLICATIONS LINÉAIRES
SECTION 4.3. CHANGEMENT DE BASES

 
0 0 0
 
Supposons qu’il existe un entier n > 2 tel que la propriété soit vraie D n =0 1 0 .


0 0 2n
 
0 0 0
 
Démontrons que : la propriété soit vraie au rang n + 1 : D n+1 =
0 1 0 .
0 0 2n+1
On a      
0 0 0 0 0 0 0 0 0
D n+1 = D n .D = 
     
0 1 0  . 0 1 0 = 0 1 0 .
     
0 0 2 n 0 0 2 0 0 2 n+1

 
0 0 0
∗ n
 
Ainsi, pour tout n ∈ N on a : D = 0 1 0 

.
0 0 2n
9) 1er méthode : calcule de P −1 par la méthode de Gauss-Jordan :
   
1 1 1 1 0 0
   
P =0 1 2 
 L1 ← L1 − L3 et L2 ← L2 − 2L3 I3 = 
0 1 0


0 0 1 0 0 1
   
1 1 0 1 0 −1
   
0 1 0 
  L1 ← L1 − L 2 0 1 −2
 
0 0 1 0 0 1
   
1 0 0 1 −1 1
   
0 1 0 0 1 −2
   
0 0 1 0 0 1
 
1 −1 1
Ainsi P −1 = 
 
 0 1 −2 

0 0 1
2ème méthode :  
1 0 0
1
On sait que P −1 =
 
(com(P ))T . Or det(P ) = 1 et com(P ) =  −1 1 0 .
det(P )  
1 −2 1
Donc
 T  
1 0 0 1 −1 1
P −1 = 
   
−1 0 0  = 0 1 −2
   
1 −2 1 0 0 1

abdelhaktraikii@[Link] 101 ESSTHS

 CHAPITRE 4. MATRICES ET APPLICATIONS LINÉAIRES
SECTION 4.3. CHANGEMENT DE BASES

10) On a
   
1 1 1 0 0 0 1 −1 1
P DP −1 = 
   
0 1 2 0
 1 0 0
 1 −2

0 0 1 0 0 2 0 0 1
    
1 1 1 0 0 0 0 1 0
    
= 0
 1 2  0
  1 −2=
0 1 2 = A.
 
0 0 1 0 0 2 0 0 2

Autrement :

A = Mat(f, Bc , Bc ) = PBc →B 0 Mat(f, B 0 , B 0 )PB 0 →B

= P DP −1

11) Démonstration par récurrence :

• Initialisation : La démonstration est triviale pour n = 1, 2,
On a A = P · D · P −1 et

A2 = A · A

= (P · D · P −1 ) · (P · D · P −1 )

= P · D · P −1 · P · D · P −1

= P · D · I3 · D · P −1

= P · D · D · P −1

= P · D 2 · P −1

• Hérédité : Hypothèse de récurrence :

supposons qu’il existe un entier n > 3 tel que la propriété soit vraie An = P.D n .P −1 et
montrons que la propriété est vraie au rang n + 1 c’est-à-dire An+1 = P.D n+1 .P −1 .
On a

An+1 = An · A

= (P · D n · P −1 ) · (P · D · P −1 )

= P · D n · P −1 · P · D · P −1

= P · D n · I3 · D · P −1

= P · D n · D · P −1

= P · D n+1 · P −1

abdelhaktraikii@[Link] 102 ESSTHS

 CHAPITRE 4. MATRICES ET APPLICATIONS LINÉAIRES
SECTION 4.3. CHANGEMENT DE BASES

La propriété est vraie pour n = 1, 2 et héréditaire à partir de ce rang.

D’après le principe de récurrence, elle est vraie pour tout entier naturel n ∈ N∗ .
Finalement :
     
1 1 1 0 0 0 1 0 −1 0 1 −2 + 2n
An = P.D n .P −1 = 
     
0 1 2  0 1 0  0 1 −2 = 0 1 −2 + 2n+1  .
     
0 0 1 0 0 2 n 0 0 1 0 0 2n

abdelhaktraikii@[Link] 103 ESSTHS