Mamouni, CPGE Rabat Résumé de cours [Link]@gmail.

com
MPSI-Maths Matrices & applications linéaires. [Link]/myismail

CPGE My Youssef, Rabat 

Õæ k QË @ áÔ
g
QË @ é<Ë @ Õæ„
.

 
« Q «
ð éËñƒP ð ÕºÊÔ é<Ë @ ø ‚¯ @ñÊÔ @ ɯ ð

à ñJÓ ñÜÏ @

 

Õæ ¢ªË @ é<Ë @ † Y“

Résumé de cours: Matrices et

applications linéaires.
7 juin 2009

Blague du jour :
Salon de l’auto : Comment reconnaı̂tre les nationalités des visiteurs du Mondial de l’Auto-
mobile ?
- Le Portugais examine la peinture
- L’Americain examine la longueur
- Le Suisse examine le coffre
- Le Chinois examine tout
- Le Belge examine rien

Personnalité du jour Cholesky

André-Louis Cholesky (1875-1918) était un mathématicien et officier po-
lytechnicien français. Il effectue sa carrière dans les services géographiques
et topographiques de l’armée. Il est mort de ses blessures à la fin de la
Première Guerre mondiale.
On lui doit une méthode célèbre pour la résolution des systèmes
d’équations linéaires, en décomposant une matrcie symétrique définie posi-
tive M sous la forme M = Lt L, où L est une matrice triangulaire inférieure.
Elle est utilisée en chimie quantique pour accélérer les calculs.

Définition 1 . Matrice, du mot latin matrix (matricis), lui-même dérivé de mater,

qui signifie « mère » est un élément qui fournit un appui ou une structure, et qui
sert à entourer, à reproduire ou à construire.

Dans tout ce résumé K = R ou C

1 Matrices en tant qu’applications linéaires.

Remarque 1 . Soit M ∈ Mn,p (K), alors l’application

M : Kp −→ Kn
X 7−→ M X

est linéaire. Ainsi toute matrice peut être vue comme une apllication linéaire, avec :
1) X ∈ ker M ⇐⇒ X ∈ KP et M X = 0.
2) Y ∈ Im M ⇐⇒ Y ∈ Kn et ∃X ∈ Kp tel que Y = M X.
3) rg(M ) + dim ker M = p (nombre de colonnes de M ).
Où rg(M ) = dim Im M = rgVect(colonnes de )M .

Page 1 / 4
Mamouni, CPGE Rabat Résumé de cours [Link]@[Link]
MPSI-Maths Matrices & applications linéaires. [Link]/myismail

Proposition 1 . Soit M ∈ Mn (K), alors : M est inversible ⇐⇒ ker M = {0}

⇐⇒ rg(M ) = n

Définition 2 . Soit M ∈ Mn (K) et λ ∈ K.

1) On dit que λ est une valeur propre de M si et seulement si ∃X ∈ Kn tel que
X 6= 0 et M X = λX.
2) X s’appelle vecteur propre de M associé à λ.
3) Eλ = ker(M − λIn ) s’appelle le sous-espace propre de M associé à λ.
4) On dira que M est diagonalisable si et seulement si il existe une base
{X1 , . . . , Xn } de Kn formée uniquement par des vecteurs propres de M .

Proposition 2 . Soit M ∈ Mn (K) et λ ∈ K, alors λ est une valeur propre de M

si et seulement si M − λIn est non inversible.
En particulier M est inversible si et seulement si 0 n’est pas une valeur propre de
M.

Théorème 1 . Soit M ∈ Mn (K), alors M est diagonalisable si et seulement si elles

existent deux matrices P inversible et D diagonale telles que :

M = P DP −1 On dit que M et P sont semblables.

où les coéfficients diagonaux de D sont formés par les valeurs propres de M et les
colonnes de P formées par les vecteurs propres de M écrites dans P dans le même
que celui dans lequel sont écrits les valeurs propres pour lesquelles ils sont associés.

Remarque 2 . Toute matrice carré symétrique est diagonalisable, avec P −1 = t P .

X
m
Définition 3 . Soit M ∈ Mn (K) et P (X) = ak X k . On pose alors
k=0

X
m
P (M ) = ak X k avec M 0 = In
k=0

On dira que P est un polynôme annulateur de M quand P (M ) = 0.

Proposition 3 . Toute matrice carré qui admet un polynôme annulateur à racines

simples est diagonalisable

Proposition 4 . Toute matrice carré dont le nombre de valeurs propres est égal à
celui des ses lignes (ou colonnes) est diagonalisable

2 Matrice d’une application linéaire.

Définition 4 .
Soient E et F deux K-ev de dimensions respectives n et p,
B = (ei )1≤i≤n et B 0 = (e0i )1≤i≤p bases respectives de E et F et u : E → F linéaire, la
matrice de u relativement aux bases B et B 0 est la matrice de type (p, n) notée MB,B0 (u)
dont la j–ème colonne est formée par les coordonnées de u(e0j ) dans la base B 0 .
Dans le cas où B = B 0 on note tout simplement MB (u).

Propriétés.

Page 2 / 4
Mamouni, CPGE Rabat Résumé de cours [Link]@[Link]
MPSI-Maths Matrices & applications linéaires. [Link]/myismail

P
p
– Si MB,B0 (u) = (ai,j )1≤i≤p,1≤j≤n alors u(ej ) = ai,j e0i .
i=1
– MB,B0 (u + λv) = MB,B0 (u) + λMB,B0 (v).
– MB,B0 (u) = 0 si et seulement si u = 0.
En particulier deux applications linéaires sont égales si et seulement si leurs matrices as-
sociées dans les mêmes bases sont égales.
– Ainsi on définit un isomorphisme entre

M : LK (E, F ) −→ Mp,n (K)

u 7−→ MB,B0 (u)
u
– Soient E, F des espaces vectoriels de bases respectives B1 , B2 et E → F une application
linéaire. Soit x ∈ E, et [x]B1 la matrice colonne formée par les coordonnés de x dans B1 et
[u(x)]B2 celle formée par les coordonnés de y = u(x) dans B2 alors l’équation linéaire y = u(x)
s’écrit sous la forme matricielle

[u(x)]B2 = MB1 ,B2 (u)[x]B1

u v
– Si E, F, G des espaces vectoriels de bases respectives B1 , B2 , B3 et E → F → G applications
linéaires alors :
MB1 ,B3 (v ◦ u) = MB2 ,B3 (v) × MB1 ,B2 (u)
u
– Si E, F des espaces vectoriels de bases respectives B1 , B2 et E → F application linéaire alors :
MB1 ,B2 (u) est inversible si et seulement si u est un isomorphisme et dans ce cas

MB1 ,B2 (u)−1 = MB2 ,B1 (u−1 )

3 Matrice de passage entre deux bases.

3.1 Matrice d’une famille de vecteurs dans une base
Définition 5 . Soit B une base d’un espace vectoriel de dimension n et C une famille
de p vecteurs de E, la matrice de la famille C dans la base B est la matrice à n lignes
et p colonnes notée MB (C) dont les colonnes sont formées par les coordonnés des
éléments de C dans B.

Proposition 5 . Avec les notations de la définition précèdente on a :

rg (MB (C)) = dim Vect(C)

En particulier C est libre si et seulement si MB (C) est inversible.

3.2 Matrice de passage entre deux bases

Définition 6 . Soit B1 , B2 deux base d’un espace vectoriel de dimension n, la matrice
de passage de B1 vers B2 est la la matrice carrée d’ordre n notée PB1 →B2 définie par :

PB1 →B2 = MB1 (B2 )

Propriétés.
Soit B1 , B2 deux bases d’un espace vectoriel ,E de dimension n, on a les résultats suivants :
– PB1 →B2 = MB2 ,B1 (idE )
– Soit x ∈ E, [x]B1 la matrice colonne formée par les coordonnés de x dans B1 et [x]B2 celle
formée par ses coordonnés dans B2 alors :

[x]B1 = PB1 →B2 × [x]B2

Page 3 / 4
Mamouni, CPGE Rabat Résumé de cours [Link]@[Link]
MPSI-Maths Matrices & applications linéaires. [Link]/myismail

– B10 , B20 deux bases d’un espace vectoriel ,F de dimension p et u : E → F linéaire, alors

MB2 ,B20 (u) = PB20 →B10 × MB1 ,B10 (u) × PB1 →B2

On dit que les matrices MB2 ,B20 (u) et MB1 ,B10 (u) sont équivalentes.
– Soit u un endomorphisme de E, alors

MB2 (u) = PB−1

1 →B2
× MB1 (u) × PB1 →B2

On dit que les matrices MB2 (u) et MB1 (u) sont semblables.

Fin
à la prochaine

Page 4 / 4