Chapitre 2: MATRICES

LAKHEL El Hassan

Filière: Cycle Préparatoire.

ENSA, A. U. 2018-2019

Page Web: [Link]

LAKHEL El Hassan (ENSA-Safi) 1 / 36

 Définition

Dans ce chapitre, K désigne un corps. On peut penser à R ou C.

Définition 1.
Une matrice A est un tableau rectangulaire d’éléments de K.
Elle est dite de taille n × p si le tableau possède n lignes et p colonnes.
Les nombres du tableau sont appelés les coefficients de A.
Le coefficient situé à la i-ème ligne et à la j-ème colonne est noté ai,j .
L’ensemble des matrices à n lignes et p colonnes à coefficients dans K est noté Mn,p (K).
Les éléments de Mn,p (R) sont appelés matrices réelles.

Remarque 1.
Un tel tableau est représenté de la manière suivante :
a a1,2 ... a1,j ... a1,p

1,1
a2,1 a2,2 ... a2,j ... a2,p 
. . . ... ... ... ... ... 


A= ou A = ai,j 16i6n ou ai,j .
 ai,1 ai,2 ... ai,j ... ai,p 
 16j6p
... ... ... ... ... ...
an,1 an,2 ... an,j ... an,p

LAKHEL El Hassan (ENSA-Safi) 2 / 36

 Définition

Exemple
1 K = R, √ !
2 1
A= 1 ∈ M3,2 (R).
4
1
2 0, 7
2  
1 −2 5
B= ∈ M2,3 (C).
0 3 7i
B est une matrice 2 × 3 avec, par exemple, a1,1 = 1 et a2,3 = 7i.

LAKHEL El Hassan (ENSA-Safi) 3 / 36

 Définition

Définition 2.
Deux matrices sont égales lorsqu’elles ont la même taille et que les coefficients
correspondants sont égaux.

Voici quelques types de matrices intéressantes :

Une matrice qui n’a qu’une seule ligne (n = 1) est appelée matrice ligne ou vecteur ligne.
On la note

A = a1,1 a1,2 . . . a1,p .

De même, une matrice qui n’a qu’une seule colonne (p = 1) est appelée matrice colonne
ou vecteur colonne. On la note a 
1,1

a2,1 
A =  . .
..
an,1

La matrice (de taille n × p) dont tous les coefficients sont des zéros est appelée la matrice
nulle et est notée 0n,p ou plus simplement 0. Dans le calcul matriciel, la matrice nulle joue
le rôle du nombre 0 pour les réels.

LAKHEL El Hassan (ENSA-Safi) 4 / 36

 Définition

Si n = p, la (n, n)−matrice A = (ai,j ) ∈ Mn,n (K) est appelée matrice carrée d’ordre n. On note Mn (K) au lieu de
Mn,n (K).
Soit A ∈ Mn (K) :
a1,1 a1,2 ... a1,n
 
a2,1 a2,2 ... a2,n
A= . . . 
. . .
. . .
an,1 an,2 ... an,n

Les coefficients ai,i , 1 6 i 6 n sont appelés les coefficients diagonaux de la matrice carrée A. Ils constituent la
diagonale principale de A.
Une matrice carrée est dite triangulaire supérieure (resp. triangulaire inférieure) si tous ses coefficients situés au dessous
(resp. au dessus) de la diagonale principale sont nuls.
Une matrice triangulaire supérieure s’écrit :

a1,1 a1,2 ... a1,n

 
0 a2,2 ... a2,n
A=  . . 
. .
. 0 .
0 ... 0 an,n

Une matrice triangulaire inférieure s’écrit :

 a1,1 0 ... 0

.
 . 
a2,1 a2,2 0 .
A=  
 . . 
. .
. . 0
an,1 an,2 ... an,n

LAKHEL El Hassan (ENSA-Safi) 5 / 36

 Définition

Une matrice carrée est dite diagonale si tous ses coefficients autres que les coefficients diagonaux sont nuls, c’une
matrice de la forme :  
a1,1 0 ... 0
.
 . 
0 a2,2 0 .
A=  
 . 
.
. 0 0
0 ... 0 an,n

Définition 3.

Soit A = (ai,j ) ∈ Mp,n (K). On appelle transposée de la (p, n)-matrice A, et on note t A, la (n, p)−matrice (bi,j ) telle que
bi,j = aj,i , 1 6 i 6 n et 1 6 j 6 p.
En pratique, t A est déduite de A par échange des lignes et des colonnes.

Remarque 2.

- L’application A −→t A est une bijection de Mp,n (K) sur Mn,p (K).

Définition 4.

Une matrice carrée A = (ai,j ) ∈ Mn (K) est dite symétrique si t A = A.

Autrement dit,
ai,j = aj,i ∀1 6 i, j 6 n.

LAKHEL El Hassan (ENSA-Safi) 6 / 36

 Définition

Exemple
1
!T
15 2 31
4 5 −6 =
−7 8 9

LAKHEL El Hassan (ENSA-Safi) 7 / 36

 Définition

Exemple
1
!T !
15 2 31 15 4 −7
4 5 −6 = 2 5 8
−7 8 9 31 −6 9

2
!T
9 3
11 −5 =
−1 20

LAKHEL El Hassan (ENSA-Safi) 7 / 36

 Définition

Exemple
1
!T !
15 2 31 15 4 −7
4 5 −6 = 2 5 8
−7 8 9 31 −6 9

2
!T
9 3  
9 11 −1
11 −5 =
3 −5 20
−1 20

(10 −2 45)T =

LAKHEL El Hassan (ENSA-Safi) 7 / 36

 Définition

Exemple
1
!T !
15 2 31 15 4 −7
4 5 −6 = 2 5 8
−7 8 9 31 −6 9

2
!T
9 3  
9 11 −1
11 −5 =
3 −5 20
−1 20

3 !
10
T
(10 −2 45) = −2
45

LAKHEL El Hassan (ENSA-Safi) 7 / 36

 Opérations sur les matrices L’espace vectoriel Mp,n (K)

L’espace vectoriel Mp,n (K)

Définition 5.
On appelle somme des deux matrices A = (ai,j ) ∈ Mp,n (K) et B = (bi,j ) ∈ Mp,n (K), et on
note A + B, la matrice C = (ci,j ) ∈ Mp,n (K) telle que

ci,j = ai,j + bi,j , 1 6 i 6 p, 1 6 j 6 n

Exemple
 1 3 1
  
0 1 2
0 5 2 5 6 4
A= , B =  , A + B =
√2 6 5 7 4 0
2 i j 0 1 0

LAKHEL El Hassan (ENSA-Safi) Opérations sur les matrices 8 / 36

 Opérations sur les matrices L’espace vectoriel Mp,n (K)

L’espace vectoriel Mp,n (K)

Définition 5.
On appelle somme des deux matrices A = (ai,j ) ∈ Mp,n (K) et B = (bi,j ) ∈ Mp,n (K), et on
note A + B, la matrice C = (ci,j ) ∈ Mp,n (K) telle que

ci,j = ai,j + bi,j , 1 6 i 6 p, 1 6 j 6 n

Exemple
 1 3 1
    1 4 3

0 1 2
0 5 2 5 6 4 , A + B =  5 11 6
A= , B =  .
√2 6 5 7 4 0 9 √ 10 5
2 i j 0 1 0 2 i +1 j

LAKHEL El Hassan (ENSA-Safi) Opérations sur les matrices 8 / 36

 Opérations sur les matrices L’espace vectoriel Mp,n (K)

Définition 6.
On appelle produit de la matrice A = (ai,j ) ∈ Mp,n (K) par le scalaire λ ∈ K, et on note λA, la
matrice A0 = (ai,j
0 )∈M
p,n (K) telle que

0
ai,j = λai,j , 1 6 i 6 p, 1 6 j 6 n

Exemple

−5
 
1 0
Si A=
2 6 1  , et λ = 1 , alors λA =
3 9 4 3
−i 0 0

LAKHEL El Hassan (ENSA-Safi) Opérations sur les matrices 9 / 36

 Opérations sur les matrices L’espace vectoriel Mp,n (K)

Définition 6.
On appelle produit de la matrice A = (ai,j ) ∈ Mp,n (K) par le scalaire λ ∈ K, et on note λA, la
matrice A0 = (ai,j
0 )∈M
p,n (K) telle que

0
ai,j = λai,j , 1 6 i 6 p, 1 6 j 6 n

Exemple
−5
 1

−5 0
 
1 0 3 3
2 1
Si A=
2 6 1  , et λ = 1 , alors λA =  3
2 3
4 .

3 9 4 3
 1 3 3
−i 0 0 −i
3
0 0

Remarque 3.
La matrice (−1)A est l’opposée de A et est notée −A. La différence A − B est définie par
A + (−B).

Théorème 7.
L’ensemble Mp,n (K) muni de l’addition (A, B) −→ A + B et de la multiplication externe
(λ, A) −→ λA, ayant K comme corps des scalaires, est un K-e.v.

LAKHEL El Hassan (ENSA-Safi) Opérations sur les matrices 9 / 36

 Opérations sur les matrices L’espace vectoriel Mp,n (K)

Preuve. L’élément nul de Mp,n (K) est la matrice dont tous les coefficients sont nuls, appelée matrice nulle, et notée par 0.
L’opposé de A = (ai,j ) est la matrice −A = (−ai,j ). Les autres axiomes d’un K−e.v. sont laissés en exercice.

Remarque 4.

Soient A, B et C trois matrices appartenant à Mn,p (K). Soient α ∈ K et β ∈ K deux scalaires.

1 A + B = B + A : la somme est commutative,
2 A + (B + C ) = (A + B) + C : la somme est associative,
3 A + 0 = A : la matrice nulle est l’élément neutre de l’addition,
4 (α + β)A = αA + βA,
5 α(A + B) = αA + αB.

LAKHEL El Hassan (ENSA-Safi) Opérations sur les matrices 10 / 36

 Opérations sur les matrices L’espace vectoriel Mp,n (K)

Preuve. L’élément nul de Mp,n (K) est la matrice dont tous les coefficients sont nuls, appelée matrice nulle, et notée par 0.
L’opposé de A = (ai,j ) est la matrice −A = (−ai,j ). Les autres axiomes d’un K−e.v. sont laissés en exercice.

Remarque 4.

Soient A, B et C trois matrices appartenant à Mn,p (K). Soient α ∈ K et β ∈ K deux scalaires.

1 A + B = B + A : la somme est commutative,
2 A + (B + C ) = (A + B) + C : la somme est associative,
3 A + 0 = A : la matrice nulle est l’élément neutre de l’addition,
4 (α + β)A = αA + βA,
5 α(A + B) = αA + αB.
Prouvons par exemple le quatrième point. Le terme général de (α + β)A est égal à (α + β)aij . D’après les règles de calcul dans
K, (α + β)aij est égal à αaij + βaij qui est le terme général de la matrice αA + βA.

LAKHEL El Hassan (ENSA-Safi) Opérations sur les matrices 10 / 36

 Opérations sur les matrices L’espace vectoriel Mp,n (K)

pour 1 6 i 6 p, 1 6 j 6 n, la matrice élémentaire Ei,j ∈ Mp,n (K) est la (p, n)−matrice dont le
coefficient situé à l’intersection de la i eme ligne et de la j eme colonne est égal à 1 et dont tous les
autres coefficients sont nuls.

Proposition 8.
La suite (E1,1 , E1,2 , ..., E2,1 , ..., Ep,n ) est une base de Mp,n (K) appelée base canonique de
Mp,n (K).
dimMp,n (K) = np.

Preuve.

LAKHEL El Hassan (ENSA-Safi) Opérations sur les matrices 11 / 36

 Opérations sur les matrices L’espace vectoriel Mp,n (K)

pour 1 6 i 6 p, 1 6 j 6 n, la matrice élémentaire Ei,j ∈ Mp,n (K) est la (p, n)−matrice dont le
coefficient situé à l’intersection de la i eme ligne et de la j eme colonne est égal à 1 et dont tous les
autres coefficients sont nuls.

Proposition 8.
La suite (E1,1 , E1,2 , ..., E2,1 , ..., Ep,n ) est une base de Mp,n (K) appelée base canonique de
Mp,n (K).
dimMp,n (K) = np.

Preuve. Elle est claire.

LAKHEL El Hassan (ENSA-Safi) Opérations sur les matrices 11 / 36

 Multiplication de matrices

Le produit AB de deux matrices A et B est défini si et seulement si le nombre de colonnes de A

est égal au nombre de lignes de B.

Définition 9 (Produit de deux matrices).

Soient A = (aij ) une matrice n × p et B = (bij ) une matrice p × q. Alors le produit C = AB est
une matrice n × q dont les coefficients cij sont définis par :

p
X
cij = aik bkj
k=1

On peut écrire le coefficient de façon plus développée, à savoir :

cij = ai1 b1j + ai2 b2j + · · · + aik bkj + · · · + aip bpj .
Il est commode de disposer les calculs de la façon suivante.

×
 
×
  ←B
×
×
|
   
|
A→    ← AB
× × × × − − − cij

LAKHEL El Hassan (ENSA-Safi) Multiplication de matrices 12 / 36

 Multiplication de matrices

Remarque 5.

1 Le produit de matrices n’est pas commutatif en général.

En effet, il se peut que AB soit défini mais pas BA, ou que AB et BA soient tous deux définis mais pas de la même
taille. Mais même dans le cas où AB et BA sont définis et de la même taille, on a en général AB 6= BA.

Exemple
         
5 1 2 0 14 3 2 0 5 1 10 2
= mais = .
3 −2 4 3 −2 −6 4 3 3 −2 29 −2

2 AB = 0 n’implique pas A = 0 ou B = 0. Il peut arriver que le produit de deux matrices non nulles soit nul. En d’autres
termes, on peut avoir A 6= 0 et B 6= 0 mais AB = 0.

Exemple
   
0 −1 2 −3
A= B = et AB =
0 5 0 0

LAKHEL El Hassan (ENSA-Safi) Multiplication de matrices 13 / 36

 Multiplication de matrices

Remarque 5.

1 Le produit de matrices n’est pas commutatif en général.

En effet, il se peut que AB soit défini mais pas BA, ou que AB et BA soient tous deux définis mais pas de la même
taille. Mais même dans le cas où AB et BA sont définis et de la même taille, on a en général AB 6= BA.

Exemple
         
5 1 2 0 14 3 2 0 5 1 10 2
= mais = .
3 −2 4 3 −2 −6 4 3 3 −2 29 −2

2 AB = 0 n’implique pas A = 0 ou B = 0. Il peut arriver que le produit de deux matrices non nulles soit nul. En d’autres
termes, on peut avoir A 6= 0 et B 6= 0 mais AB = 0.

Exemple
     
0 −1 2 −3 0 0
A= B = et AB = .
0 5 0 0 0 0

3 AB = AC n’implique pas B = C . On peut avoir AB = AC et B 6= C .

Exemple
     
0 −1 4 −1 2 5
A= B = C = et
0 3 5 4 5 4

LAKHEL El Hassan (ENSA-Safi) Multiplication de matrices 13 / 36

 Multiplication de matrices

Remarque 5.

1 Le produit de matrices n’est pas commutatif en général.

En effet, il se peut que AB soit défini mais pas BA, ou que AB et BA soient tous deux définis mais pas de la même
taille. Mais même dans le cas où AB et BA sont définis et de la même taille, on a en général AB 6= BA.

Exemple
         
5 1 2 0 14 3 2 0 5 1 10 2
= mais = .
3 −2 4 3 −2 −6 4 3 3 −2 29 −2

2 AB = 0 n’implique pas A = 0 ou B = 0. Il peut arriver que le produit de deux matrices non nulles soit nul. En d’autres
termes, on peut avoir A 6= 0 et B 6= 0 mais AB = 0.

Exemple
     
0 −1 2 −3 0 0
A= B = et AB = .
0 5 0 0 0 0

3 AB = AC n’implique pas B = C . On peut avoir AB = AC et B 6= C .

Exemple
       
0 −1 4 −1 2 5 −5 −4
A= B = C = et AB = AC = .
0 3 5 4 5 4 15 12

LAKHEL El Hassan (ENSA-Safi) Multiplication de matrices 13 / 36

 Multiplication de matrices Propriétés du produit de matrices

Exercice 1.
Montrer que
1 A(BC ) = (AB)C : associativité du produit,
2 A(B + C ) = AB + AC et (B + C )A = BA + CA : distributivité du produit par rapport
à la somme,
3 A·0=0 et 0 · A = 0.
Preuve.

LAKHEL El Hassan (ENSA-Safi) Multiplication de matrices 14 / 36

 Multiplication de matrices Propriétés du produit de matrices

Exercice 1.
Montrer que
1 A(BC ) = (AB)C : associativité du produit,
2 A(B + C ) = AB + AC et (B + C )A = BA + CA : distributivité du produit par rapport
à la somme,
3 A·0=0 et 0 · A = 0.
Preuve. Posons A = (aij ) ∈ Mn,p (K), B = (bij ) ∈ Mp,q (K) et C = (cij ) ∈ Mq,r (K). Prouvons que A(BC ) = (AB)C en
montrant que les matrices A(BC ) et (AB)C ont les mêmes coefficients.
p
X
Le terme d’indice (i, k) de la matrice AB est xik = ai` b`k . Le terme d’indice (i, j) de la matrice (AB)C est donc

`=1

q q p
!
X X X
xik ckj = ai` b`k ckj .

k=1 k=1 `=1

q
X
Le terme d’indice (`, j) de la matrice BC est y`j = b`k ckj . Le terme d’indice (i, j) de la matrice A(BC ) est donc

k=1

p q
!
X X
ai` b`k ckj .

`=1 k=1

Comme dans K la multiplication est distributive et associative, les coefficients de (AB)C et A(BC ) coïncident. Les autres
démonstrations se font comme celle de l’associativité.
LAKHEL El Hassan (ENSA-Safi) Multiplication de matrices 14 / 36
 Rang d’une matrice

Définition 10.

Soit A = (ai,j ) ∈ Mp,n (K). On appelle rang de la matrice A, et on note rg(A), le rang de la suite de ses vecteurs colonnes.
D’une part, on a rgA 6 n. D’autre part, les vecteurs colonnes de A sont dans Kp , donc rgA 6 p.
D’où :
rgA 6 min(n, p).

Exemple

Soit la matrice  
2 1 8 0
A= 0 5 0 1 .
0 0 7 0
       
2 1 8 0
On a : c1 = 0 , c2 = 5 , c3 = 0 , c4 = 1 ,
0 0 7 0

LAKHEL El Hassan (ENSA-Safi) Rang d’une matrice 15 / 36

 Rang d’une matrice

Définition 10.

Soit A = (ai,j ) ∈ Mp,n (K). On appelle rang de la matrice A, et on note rg(A), le rang de la suite de ses vecteurs colonnes.
D’une part, on a rgA 6 n. D’autre part, les vecteurs colonnes de A sont dans Kp , donc rgA 6 p.
D’où :
rgA 6 min(n, p).

Exemple

Soit la matrice  
2 1 8 0
A= 0 5 0 1 .
0 0 7 0
       
2 1 8 0
On a : c1 = 0 , c2 = 5 , c3 = 0 , c4 = 1 , D’une part, on a rg(A) 6 min(3, 4) = 3.
0 0 7 0
D’autre part, la suite (c1 , c2 , c3 ) est libre, donc rg(A) > 3.
Donc rg(A) = 3.

Remarque 6.
Pp
Soit E un K−espace vectoriel de dimension p > 0. B = (e1 , ..., ep ) une base de E et soit les n vecteurs xj = ai,j ei ,
i=1
1 6 j 6 n. Alors le rang de la suite (x1 , ..., xn ) est égal au rang de la (p, n)−matrice A = (ai,j ) ∈ Mp,n (K) (dont la jeme )
vecteur colonne est constituée par les coordonnées de xj dans la base B.

LAKHEL El Hassan (ENSA-Safi) Rang d’une matrice 15 / 36

 Matrice d’une application linéaire

Matrice d’une application linéaire

Soit E et F deux K-e.v. non nuls de dimensions respectives n et p. Soit B = (e1 , ..., en ) une base
de E et B0 = (f1 , ..., fp ) une base de F et soit ϕ une application linéaire de E dans F . On sait
que ϕ est déterminée par les images des vecteurs de la base B.
Posons :
p
X
ϕ(ej ) = ai,j fi , 1 6 j 6 n.
i=1

Définition 11.
On appelle matrice de l’application linéaire ϕ ∈ L(E , F ) dans les bases B = (e1 , ..., en ) de E et
B0 = (f1 , ..., fp ) de F , la (p, n)−matrice A = (ai,j ) dont la jeme colonne :

 a 
1,j

 a2,j 
 .. 
.
ap,j

est constituée par les coordonnées du vecteur ϕ(ej ) dans la base B0 = (f1 , ..., fp ).

LAKHEL El Hassan (ENSA-Safi) Matrice d’une application linéaire 16 / 36

 Matrice d’une application linéaire

Autrement dit :
ϕ(e1 ) ϕ(e2 ) ... ϕ(en )
 a a1,2 ... a1,n
 f
1,1 1

 a2,1 a2,2 ... a2,n  f2

A= . .. ..  ..
. . . . .
ap,1 ap,2 ... ap,n fp

L’application ϕ : E −→ F est déterminée par sa matrice A dans les bases B et B0 .

LAKHEL El Hassan (ENSA-Safi) Matrice d’une application linéaire 17 / 36

 Matrice d’une application linéaire

Exemple

Soit n ∈ N et soit le R−espace vectoriel En = {P ∈ R[X ]/P = 0 ou degP 6 n}.

1. Soit ϕ ∈ L(E3 , E2 ) définie par ϕ(P) = P 0 . Alors la matrice de ϕ dans les bases canoniques de E3 et de E2 est :

LAKHEL El Hassan (ENSA-Safi) Matrice d’une application linéaire 18 / 36

 Matrice d’une application linéaire

Exemple

Soit n ∈ N et soit le R−espace vectoriel En = {P ∈ R[X ]/P = 0 ou degP 6 n}.

1. Soit ϕ ∈ L(E3 , E2 ) définie par ϕ(P) = P 0 . Alors la matrice de ϕ dans les bases canoniques de E3 et de E2 est :

 
0 1 0 0
Mϕ = 0 0 2 0 ∈ M3,4 (R).
0 0 0 3

2. Soit ϕ ∈ L(E3 , E3 ) définie par ϕ(P) = P 0 . Alors la matrice de ϕ dans la base canoniques de E3 est :

LAKHEL El Hassan (ENSA-Safi) Matrice d’une application linéaire 18 / 36

 Matrice d’une application linéaire

Exemple

Soit n ∈ N et soit le R−espace vectoriel En = {P ∈ R[X ]/P = 0 ou degP 6 n}.

1. Soit ϕ ∈ L(E3 , E2 ) définie par ϕ(P) = P 0 . Alors la matrice de ϕ dans les bases canoniques de E3 et de E2 est :

 
0 1 0 0
Mϕ = 0 0 2 0 ∈ M3,4 (R).
0 0 0 3

2. Soit ϕ ∈ L(E3 , E3 ) définie par ϕ(P) = P 0 . Alors la matrice de ϕ dans la base canoniques de E3 est :

!
0 1 0 0
0 0 2 0
Mϕ = ∈ M4 (R).
0 0 0 3
0 0 0 0

3. Soit f ∈ L(R3 ) définie par : 

f (e1 ) = e1 + 3e2
f (e2 ) = e2
f (e3 ) = e3

avec B = (e1 , e2 , e3 ) est la base canonique de R3 .

Mat(f , B) =

LAKHEL El Hassan (ENSA-Safi) Matrice d’une application linéaire 18 / 36

 Matrice d’une application linéaire

Exemple

Soit n ∈ N et soit le R−espace vectoriel En = {P ∈ R[X ]/P = 0 ou degP 6 n}.

1. Soit ϕ ∈ L(E3 , E2 ) définie par ϕ(P) = P 0 . Alors la matrice de ϕ dans les bases canoniques de E3 et de E2 est :

 
0 1 0 0
Mϕ = 0 0 2 0 ∈ M3,4 (R).
0 0 0 3

2. Soit ϕ ∈ L(E3 , E3 ) définie par ϕ(P) = P 0 . Alors la matrice de ϕ dans la base canoniques de E3 est :

!
0 1 0 0
0 0 2 0
Mϕ = ∈ M4 (R).
0 0 0 3
0 0 0 0

3. Soit f ∈ L(R3 ) définie par : 

f (e1 ) = e1 + 3e2
f (e2 ) = e2
f (e3 ) = e3

avec B = (e1 , e2 , e3 ) est la base canonique de R3 .

 
1 0 0
Mat(f , B) = 3 1 0 ∈ M3 (R).
0 0 1

LAKHEL El Hassan (ENSA-Safi) Matrice d’une application linéaire 18 / 36

 Matrice d’une application linéaire

Remarque 7.
1. La matrice d’une application linéaire ϕ : E −→ F dans les bases B de E et B0 de F
dépend évidemment des bases choisies dans E et F .

2. Si A et B sont les matrices respectives des applications ϕ ∈ L(E , F ) et ψ ∈ L(E , F ),

dans les bases B et B0 , la matrice de ϕ + ψ dans les bases B et B0 est A + B.

3. Si A est la matrice de ϕ ∈ L(E , F ) dans les bases B et B0 , et si λ ∈ K, alors la matrice

de l’application linéaire λϕ est λA.

LAKHEL El Hassan (ENSA-Safi) Matrice d’une application linéaire 19 / 36

 Matrice d’une application linéaire

Exercice
Montrer que si B est la matrice de l’application linéaire ϕ ∈ L(E , F ) dans les bases
B = (e1 , ..., eq ) et B0 = (f1 , ..., fn ), et si A est la matrice de l’application linéaire ψ ∈ L(F , G),
dans les bases B0 et B00 = (g1 , ..., gp ), alors la matrice de ψoϕ dans les bases B et B00 est le
produit AB.

LAKHEL El Hassan (ENSA-Safi) Matrice d’une application linéaire 20 / 36

 Matrice d’une application linéaire

Exercice
Montrer que si B est la matrice de l’application linéaire ϕ ∈ L(E , F ) dans les bases
B = (e1 , ..., eq ) et B0 = (f1 , ..., fn ), et si A est la matrice de l’application linéaire ψ ∈ L(F , G),
dans les bases B0 et B00 = (g1 , ..., gp ), alors la matrice de ψoϕ dans les bases B et B00 est le
produit AB.
On a
n
X
ϕ(ej ) = bk,j fk , 1 6 j 6 q.
k=1

p
X
ψ(fk ) = ai,k gi , 1 6 k 6 n.
i=1

Donc, pour 1 6 j 6 q, on a
Pn Pn Pp Pn Pp
ψoϕ(ej ) = k=1
bk,j ψ(fk ) = k=1
bk,j ( i=1
ai,k gi ) = k=1 i=1
(bk,j ai,k )gi
Pp Pn Pp
= i=1
( k=1
ai,k bk,j )gi = c g
i=1 i,j i

Pn
avec ci,j = a b pour 1 6 i 6 p et 1 6 j 6 q. Donc la matrice C de l’application
k=1 i,k k,j
linéaire ψoϕ est égale à AB.

LAKHEL El Hassan (ENSA-Safi) Matrice d’une application linéaire 20 / 36

 Matrice d’une application linéaire

Proposition 12.
Les bases B = (e1 , ..., en ) et B0 = (f1 , ..., fp ) étant fixées. Désignons par Mϕ la matrice de
ϕ ∈ L(E , F ) dans les bases B et B0 . Alors l’application :

J : L(E , F ) −→ Mp,n (K)

ϕ −→ Mϕ

est un isomorphisme.

LAKHEL El Hassan (ENSA-Safi) Matrice d’une application linéaire 21 / 36

 Matrice d’une application linéaire

Proposition 12.
Les bases B = (e1 , ..., en ) et B0 = (f1 , ..., fp ) étant fixées. Désignons par Mϕ la matrice de
ϕ ∈ L(E , F ) dans les bases B et B0 . Alors l’application :

J : L(E , F ) −→ Mp,n (K)

ϕ −→ Mϕ

est un isomorphisme.

Preuve.
1 J est injective : car Mϕ = Mψ implique ϕ(ej ) = ψ(ej ) pour 1 6 j 6 n et donc ϕ = ψ.
2 J est surjective : car si A = (ai,j ) ∈ Mp,n (K), soit ϕ ∈ L(E , F ) définie par

p
X
ϕ(ej ) = ai,j fi , 1 6 j 6 n.
i=1

Alors J(ϕ) = Mϕ = A.
Donc J est surjective.
De plus, J est clairement linéaire d’après la remarque précédente.

LAKHEL El Hassan (ENSA-Safi) Matrice d’une application linéaire 21 / 36

 Matrice d’une application linéaire

Théorème 13.
Soit E et F deux K−e.v. non nuls, de dimensions respectives n et p et soit ϕ ∈ L(E , F ). Si A
est la matrice de ϕ dans les bases B = (e1 , ..., en )de E et B0 = (f1 , ..., fp ) de F , le rang de ϕ est
égal au rang de A.

LAKHEL El Hassan (ENSA-Safi) Matrice d’une application linéaire 22 / 36

 Matrice d’une application linéaire

Théorème 13.
Soit E et F deux K−e.v. non nuls, de dimensions respectives n et p et soit ϕ ∈ L(E , F ). Si A
est la matrice de ϕ dans les bases B = (e1 , ..., en )de E et B0 = (f1 , ..., fp ) de F , le rang de ϕ est
égal au rang de A.

Preuve. On a rgϕ = dimϕ(E ) = dim vect(ϕ(e1 ), ..., ϕ(en )).

Donc
rgϕ = rg(ϕ(e1 ), ..., ϕ(en )) = rgA.
D’où
rgϕ = rgA.

LAKHEL El Hassan (ENSA-Safi) Matrice d’une application linéaire 22 / 36

 Matrice d’une application linéaire Equation matricielle d’une application linéaire
Soient E un K−e.v. non nul de dimension n. Soit B = (e1 , ..., en ) une base de E et F un K−e.v. non nul de dimension p et
soit B0 = (f1 , ..., fp ) une base de F .
Soit f ∈ L(E , F ) et A = mat(f , B, B0 ).
P n
Soit x = xj ej un vecteur de E . Calculons les coordonnées de y = f (x ) dans la base B0 .
j=0

LAKHEL El Hassan (ENSA-Safi) Matrice d’une application linéaire 23 / 36

 Matrice d’une application linéaire Equation matricielle d’une application linéaire
Soient E un K−e.v. non nul de dimension n. Soit B = (e1 , ..., en ) une base de E et F un K−e.v. non nul de dimension p et
soit B0 = (f1 , ..., fp ) une base de F .
Soit f ∈ L(E , F ) et A = mat(f , B, B0 ).
P n
Soit x = xj ej un vecteur de E . Calculons les coordonnées de y = f (x ) dans la base B0 . On a :
j=0

Pn
f (x ) = xj f (ej )
j=1
Pn Pp
= xj ( aij fi )
j=1 i=1
Pp Pn
= ( aij xj )fi .
i=1 j=1

Pn
D’où si y = yi fi , on a :
i=1
n
X
yi = aij xj , 1 6 i 6 p.

j=1

Ces dernières équations sont appelées les équations de l’application linéaire f dans les bases B et B0 . Aux vecteurs
P n Pp
x = xj ej et y = yi fi associons les matrices
j=1 i=1

x1
! y1
!
. .
X = . , Y = . .
. .
xn yp

On a, donc
Y = AX .

Cette dernière équation s’appelle équation matricelle de l’application linéare f dans les bases B et B0 .
LAKHEL El Hassan (ENSA-Safi) Matrice d’une application linéaire 23 / 36
 Matrice d’une application linéaire Equation matricielle d’une application linéaire

Exemple
Soit f ∈ L(R4 , R3 ) dont la matrice dans les bases canoniques est donnée par
!
1 2 3 7
A= 5 −2 −1 0 .
−8 −3 0 0

Soit x = (x1 , x2 , x3 , x4 ) ∈ R4 et f (x ) = y = (y1 , y2 , y3 ) ∈ R3 .

LAKHEL El Hassan (ENSA-Safi) Matrice d’une application linéaire 24 / 36

 Matrice d’une application linéaire Equation matricielle d’une application linéaire

Exemple
Soit f ∈ L(R4 , R3 ) dont la matrice dans les bases canoniques est donnée par
!
1 2 3 7
A= 5 −2 −1 0 .
−8 −3 0 0

Soit x = (x1 , x2 , x3 , x4 ) ∈ R4 et f (x ) = y = (y1 , y2 , y3 ) ∈ R3 .

On a  
! x1
y1
x
y2 = A 2 .
x3
y3
x4
Ainsi, (
y1 = x1 + 2x2 + 3x3 + 7x4
y2 = 5x1 − 2x2 − x3
y3 = −8x1 − 3x2 .

LAKHEL El Hassan (ENSA-Safi) Matrice d’une application linéaire 24 / 36

 Matrice d’une application linéaire La matrice identité

La matrice carrée suivante s’appelle la matrice identité :

 1 0 ... 0

 0
In =  .
1 ... 0 
. .. .. .. 
. . . .
0 0 ... 1

Ses éléments diagonaux sont égaux à 1 et tous ses autres éléments sont égaux à 0. Elle se note
In ou simplement I. Dans le calcul matriciel, la matrice identité joue un rôle analogue à celui du
nombre 1 pour les réels. C’est l’élément neutre pour la multiplication.

LAKHEL El Hassan (ENSA-Safi) Matrice d’une application linéaire 25 / 36

 Matrices carrées inversibles

Définition 14.

Une matrice A ∈ Mn (K) est dite inversible s’il existe B ∈ Mn (K) telle que AB = BA = In (In est la matrice unité d’ordre n ).
Une telle matrice B si elle existe est unique. B est alors appelée l’inverse de A et notée A−1 .

Proposition 15.

1. Si A ∈ Mn (K) et B ∈ Mn (K) sont inversibles, alors AB est inversible et on (AB)−1 = B −1 A−1 .

2. Si A est inversible, alors t A est inversible et on a (t A)−1 = t (A−1 ).

LAKHEL El Hassan (ENSA-Safi) Matrices carrées inversibles 26 / 36

 Matrices carrées inversibles

Définition 14.

Une matrice A ∈ Mn (K) est dite inversible s’il existe B ∈ Mn (K) telle que AB = BA = In (In est la matrice unité d’ordre n ).
Une telle matrice B si elle existe est unique. B est alors appelée l’inverse de A et notée A−1 .

Proposition 15.

1. Si A ∈ Mn (K) et B ∈ Mn (K) sont inversibles, alors AB est inversible et on (AB)−1 = B −1 A−1 .

2. Si A est inversible, alors t A est inversible et on a (t A)−1 = t (A−1 ).

Preuve.
1 A inversible =⇒ ∃ A−1 telle que AA−1 = A−1 A = In .
B inversible =⇒ ∃ B −1 telle que BB −1 = B −1 B = In .
(AB)(B −1 A−1 ) = A(BB −1 )A−1 = AIn A−1 = AA−1 = In .
(B −1 A−1 )(AB) = B −1 (A−1 A)B = B −1 In B = B −1 B = In .
Donc AB est inversible et (AB)−1 = B −1 A−1 .
2 A inversible =⇒ ∃ A−1 telle que AA−1 = A−1 A = In .
(t A)t (A−1 ) = t (A−1 A) = t In = In .
( t A−1 t A) = t (AA−1 ) = t In = In .
Donc t A est inversible et on a (t A)−1 = t (A−1 ).

LAKHEL El Hassan (ENSA-Safi) Matrices carrées inversibles 26 / 36

 Matrices carrées inversibles

Théorème 16.
Soit A ∈ Mn (K), E et F deux K−e. v. non nuls de dimension n. B une base de E et B0 une
base de F . Soit ϕ ∈ L(E , F ), de matrice A dans les bases B et B0 . Les propositions suivantes
sont équivalentes :
1. Il existe B ∈ Mn (K) telle que BA = In .
2. Il existe C ∈ Mn (K) telle que AC = In
3. ϕ est un isomorphisme de E sur F .
4. A est inversible.

Idée de la démonstration : On montre que

1 1.) =⇒ 3.) et 2.) =⇒ 3.)
2 3.) =⇒ 4.)
3 4.) =⇒ 1.) et 4.) =⇒ 2.)

LAKHEL El Hassan (ENSA-Safi) Matrices carrées inversibles 27 / 36

 Matrices carrées inversibles

Preuve. (1) =⇒ (3) Soit g ∈ L(F , E ) de matrice B dans les bases B0 et B.

goϕ ∈ L(E ) et Mgoϕ = BA = In .
Donc goϕ = IdE .
Soit x ∈ Ker ϕ, x = goϕ(x ) = g(ϕ(x )) = g(0) = 0.
Donc
Ker ϕ = {0}.
D’où ϕ est injective.
D’où ϕ est un isomorphisme de E sur F .
(2) =⇒ (3) Soit h ∈ L(F , E ) de matrice C dans B0 et B. ϕoh ∈ L(F ) et Mϕoh = AC = In . Donc
ϕoh = IdF .
Soit y ∈ F , on a y = (ϕoh)(y ) = ϕ(h(y ).) Donc F ⊆ Imϕ, ce qui implique que ϕ est surjective.
D’où ϕ est un isomorphisme de E sur F .
(3) =⇒ (4). Soit A0 la matrice de ϕ−1 dans les bases B0 et B. On a :

ϕ−1 oϕ = IdE , et Mϕ−1 oϕ = A0 A = In .

De même
ϕoϕ−1 = IdF et Mϕoϕ−1 = AA0 = In .
Donc A est inversible.
(4) =⇒ (1) et (4) =⇒ (2) sont évidentes.

LAKHEL El Hassan (ENSA-Safi) Matrices carrées inversibles 28 / 36

 Matrices carrées inversibles

Corollaire 17.
Soit A ∈ Mn (K). Les propositions suivantes sont équivalentes :
1. A est inversible.
2. rgA = n.
3. Les vecteurs colonnes de A constituent une base de Kn .

LAKHEL El Hassan (ENSA-Safi) Matrices carrées inversibles 29 / 36

 Matrices carrées inversibles

Corollaire 17.
Soit A ∈ Mn (K). Les propositions suivantes sont équivalentes :
1. A est inversible.
2. rgA = n.
3. Les vecteurs colonnes de A constituent une base de Kn .

Preuve. Soit ϕ ∈ L(Kn ) de matrice A dans la base canonique de Kn .

(1) =⇒ (2)) On a :

rgA = rg(ϕ) = dim vect(ϕ(e1 ), ..., ϕ(en )) = dimF = n.

(2) =⇒ (3)) La suite (ϕ(e1 ), ..., ϕ(en )) est libre et dimF = n, donc (ϕ(e1 ), ..., ϕ(en )) est une
base de F .
(3) =⇒ (1) L’image d’une base par ϕ est une base.
Donc ϕ est un isomorphisme.
Par suite A est inversible.

LAKHEL El Hassan (ENSA-Safi) Matrices carrées inversibles 29 / 36

 Changement de base

Soit E un K−e.v. non nul de dimension n. Soit B = (e1 , ..., en ) une base de E et
B0 = (e10 , ..., en0 ) une autre base de E . On a

n
X
ej0 = pi,j ei , 1 6 j 6 n.
i=1

Posons  p p1,2 ... p1,n


1,1
p2,1 p2,2 ... p2,n
P= .  ∈ Mn (K).
 
. .. ..
. . .
pn,1 pn,2 ... pn,n

Le rang de la matrice P = (pi,j ) ∈ Mn (K) est égal au rang de la suite (e10 , ..., en0 ). Donc rgP = n
et P est inversible.

Définition 18.
La matrice P = (pi,j ) ∈ Mn (K) dont la j eme colonne est constituée par les coordonnées de ej0
dans la base B = (e1 , ..., en ) est appelée matrice de passage de la base B = (e1 , ..., en ) à la
base B0 = (e10 , ..., en0 ). C’est une matrice inversible.

LAKHEL El Hassan (ENSA-Safi) Changement de base 30 / 36

 Changement de base Action d’un changement de base sur les coordonnées d’un vecteur
Soient B = (e1 , ..., en ) et B0 = (e10 , ..., en0 ) deux bases d’un K−e.v. E de dimension n. Soit x ∈ E , on a :
n n
X X
0 0
x = xi ei = xj ej .

i=1 j=1

Associons à ces deux décompositions les matrices colonnes :

x1 x10
   
x2 x20
0  ∈ Mn,1 (K).
X = (x )B =  .  et X = (x )B0 =  .
. .
. .
xn xn0

Soit P = (pi,j ) ∈ Mn (K) la matrice de passage de B à B0 .

Pn
On a ej0 = pi,j ei , 1 6 j 6 n.
i=1
On a
n n n n n n
X X X X X X
0 0 0 0
x = xj ej = xj pi,j ei = ( xj pi,j )ei = xi ei

j=1 j=1 i=1 i=1 j=1 i=1

Pn
D’où, ∀1 6 i 6 n, on xi = pi,j xj0 . Soit sous forme matricielle :
j=1
 Pn p x 0 
1,j j
x1 Pj=1 p1,1 p1,2 ... p1,n x10
    
n
x2 p2,j xj0 p2,1 p2,2 ... p2,n x20
 j=1 
X =  . = .
= . . .  .  = PX 0 .
. . . . . .
. . . .
  .
xn Pn . 0 pn,1 pn,2 ... pn,n xn0
pn,j xj
j=1

Donc (x )B = P(x )B0 .

LAKHEL El Hassan (ENSA-Safi) Changement de base 31 / 36

 Changement de base Action d’un changement de base sur les coordonnées d’un vecteur

Proposition 19.
Soient B = (e1 , ..., en ) et B0 = (e10 , ..., en0 ) deux bases d’un K−e.v. E et P la matrice de passage
de B à B0 . Alors la matrice de passage de B0 à B est la matrice P −1 .

Preuve. Pour tout x ∈ E , (x )B = P(x )B0 . P étant inversible, donc (x )B0 = P −1 (x )B . Par suite
P −1 est la matrice de passage de B0 à B.

LAKHEL El Hassan (ENSA-Safi) Changement de base 32 / 36

 Changement de base

Action d’un changement de base sur la matrice d’une application linéaire

Proposition 20.
Soit E et F deux K−e.v., non nuls, de dimensions respectives n et p. Soit ϕ ∈ L(E , F ). Soit A la
matrice de ϕ dans les bases B de E et B1 de F . Soit A0 la matrice de ϕ dans les bases B0 de E
et B10 de F . Soit P la matrice de passage de B à B0 et Q la matrice de passage de B1 à B10 , on a

A0 = Q −1 AP.

LAKHEL El Hassan (ENSA-Safi) Changement de base 33 / 36

 Changement de base

Action d’un changement de base sur la matrice d’une application linéaire

Proposition 20.
Soit E et F deux K−e.v., non nuls, de dimensions respectives n et p. Soit ϕ ∈ L(E , F ). Soit A la
matrice de ϕ dans les bases B de E et B1 de F . Soit A0 la matrice de ϕ dans les bases B0 de E
et B10 de F . Soit P la matrice de passage de B à B0 et Q la matrice de passage de B1 à B10 , on a

A0 = Q −1 AP.

Preuve.
Soit x ∈ E et y = ϕ(x ). On a (y )B1 = A(x )B et (y )B0 = A0 (x )B0 .
1
Or (y )B1 = Q(y )B0 et (x )B = P(x )B0 .
1
Donc :
(y )B0 = Q −1 (y )B1 = Q −1 A(x )B = Q −1 AP(x )B0 = A0 (x )B0
1

D’où :
A0 = Q −1 AP.

LAKHEL El Hassan (ENSA-Safi) Changement de base 33 / 36

 Changement de base

Définition 21.
Deux (p, n)−matrices , A ∈ Mp,n (K) et B ∈ Mp,n (K) sont dites équivalentes s’il existe
deux matrices carrées inversibles R ∈ Mp (K) et S ∈ Mn (K) telles que :

B = RAS.

Deux matrices carrées, d’ordre n, A ∈ Mn (K) et B ∈ Mn (K) sont dites semblables s’il
existe une matrice carrée inversible P ∈ Mn (K) telle que

B = P −1 AP.

Exercice 2.
1- Montrer qu’une matrice triangulaire supérieure est inversible si et seulement si ses
coefficients diagonaux sont tous non nuls.

2- Montrer que toute matrice triangulaire supérieure est semblable à une matirce triangulaire
inférieure.

LAKHEL El Hassan (ENSA-Safi) Changement de base 34 / 36

 Changement de base

Exercice 3.
On considère l’application f de R3 dans R2 définie par :
!
x  
2x − y − z
f y = .
−x + 2y − z
z

1 Montrer que f est linéaire et écrire sa matrice A dans les bases canoniques.
2 Déterminer le rang de f et les dimensions de Im f et Ker f . L’application f est-elle
injective, surjective, bijective ?
3 Déterminer un vecteur V qui engendre Ker f et dont la première coordonnée vaut 1.
4 (e1 , e2 , e3 ) désignant la base canonique de R3 , montrer que B1 = (e1 , e2 , V ) est une base
de R3 et écrire la matrice de passage Q de la base canonique à B1 .
5 On note U1 = f (e1 ), U2 = f (e2 ). Montrer que B2 = (U1 , U2 ) est une base de R2 et écrire
la matrice de passage P de la base canonique à B2 .
0
6 Écrire la matrice A de l’application linéaire f dans les bases B1 et B2 (sans utiliser P et
Q).
0
7 Vérifier en utilisant la formule du changement de base reliant A, A , P et Q.

LAKHEL El Hassan (ENSA-Safi) Changement de base 35 / 36

 Changement de base

8. Ecrire la matrice transposée t A de A. On note désormais g : R2 → R3 l’application linéaire

définie par g(X ) = t AX .
9. Déterminer le rang de g et les dimensions de Im g et Ker g. L’application g est-elle
injective, surjective, bijective ?
10. Déterminer pour fog, puis pour gof , le rang, la dimension de l’image et la dimension du
noyau. L’application fog est-elle injective, surjective, bijective ?

LAKHEL El Hassan (ENSA-Safi) Changement de base 36 / 36