Réduction des Endomorphismes et Formes Quadratiques

i
 Table des matières

1 MATRICE D’UNE APPLICATION LINÉAIRE ET CHANGEMENT

DE BASES 1
1.1 Matrice de Passage . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Matrice d’une application linéaire . . . . . . . . . . . . . . . . . . . 4
1.2.1 Expression matricielle de f (x) = y . . . . . . . . . . . . . . 6
1.2.2 Cas d’un endomorphisme . . . . . . . . . . . . . . . . . . . . 7
1.2.3 Rang d’une application linéaire . . . . . . . . . . . . . . . . 8
1.2.4 Matrices associées et changement de bases . . . . . . . . . . 9
1.2.5 Matrices équivalentes, matrices semblables . . . . . . . . . . 10

Bibliographie 12

ii
 Chapitre 1

MATRICE D’UNE APPLICATION LINÉAIRE ET CHANGEMENT DE

BASES

1.1 Matrice de Passage

Soient E un K-espace
  vectoriel de dimension finie n et B = (e1 , ..., en ) une base de
x1
 .. 
E. Posons X =  .  la matrice colonne formée des coordonnées d’un vecteur
xn
x de E relativement à la base B. Il est naturelle de poser la question suivante :
Comment la représentation matricielle change-t-elle si nous choisissons une autre
0 0 0
base B = (e1 , . . . , en ) de E ?. Pour répondre à cette question nous avons besoin
de la définition suivante

0 0 0
Définition 1.1. Soient B = (e1 , . . . , en ) et B = (e1 , . . . , en ) deux bases d’un K-ev
0
E. Exprimons les vecteurs de B dans la base B :

0
e1 = a11 e1 + a21 e2 + . . . + an1 en
0
e2 = a12 e1 + a22 e2 + . . . + an2 en
.................................................
0
en = a1n e1 + a2n e2 + . . . + ann en

1
 2

La transposée P de la matrice des coefficients ci-dessus est appelée la matrice

0
de passage de la base B à la base B notée PBB 0

a11 a12 . . . a1n

 
 a21 a22 . . . a2n 
 
 . . ... . 
P =
 .
=P 0
BB
 . ... .  
 . . ... . 
an1 an2 . . . ann

Exemple 1.2. Dans l’espace vectoriel R2 , on considère les deux bases B = (e1 , e2 )
0 0 0 0 0
base canonique et B = (e1 , e2 ) avec e1 = (−1, 1) et e2 = (1, 1). Il est simple de
0
vérifier que B et aussi une base de R2 .
Questions : 1- déterminons les deux matrices PBB 0 et PB 0 B .
2- Calculons le produit PBB 0 PB 0 B puis retirons une conclusion.

Proposition 1.3. La matrice de passage d’une base B = (e1 , ..., en ) à une autre
0 0 0 0
base B = (e1 , ..., en ) est inversible et son inverse est la matrice de passage de B
−1
à B, c.à.d PBB 0 = PB 0 B .

0 0
Preuve. Posons P = PBB 0 = (aij )1≤i,j≤n et P = PB 0 B = (aij )1≤i,j≤n . Il suffit de
0 0
montrer que P P = P P = In . On a

n n n
X  n X
n 
0 0 0 0
X X X
es = ars er = ars akr ek = akr ars ek
r=1 r=1 k=1 k=1 r=1

Pn 0
puisque le nombre αk = r=1 akr ars = 1 si k = s et 0 si k 6= s, il s’ensuit que
0 0
(P P )ks = 1 si k = s et 0 sinon. Ce qui signifie que P P = In . Pour l’autre égalité
0 0
P P = In il suffit de faire une démonstration analogue que celle de P P = In .

Le théorème suivant montre comment les vecteurs coordonnées sont affectés par
un changement de base.

Théorème 1.4. Changement de base pour un vecteur

0 0 0
Soit P la matrice de passage de la base B = (e1 , . . . , en ) à la base B = (e1 , . . . , en )
 3

dans un espace vectoriel E. Pour un vecteur quelconque x de E, on a : P XB 0 = XB

et par suite XB 0 = P −1 XB .

Insistons sur le fait que, bien que la matrice P soit la matrice de passage de l’an-
0
cienne base B à la nouvelle base B , elle a pour effet de transformer les coordonnées
0
d’un vecteur de la nouvelle base B en les coordonnées de ce vecteur dans la base
B.

Exemple 1.5. Considèrons les deux bases suivantes de R2 :

0 0 0
B = {e1 = (1, 0) , e2 = (0, 1)} et B = {e1 = (1, 1) , e2 = (−1, 0)}
0
Alors e1 = (1, 1) = (1, 0) + (0, 1) = e1 + e2
0
e2 = (−1, 0) = −(1, 0) + 0(0, 1) = −e1 + 0e2
0
Donc la matrice de passage de la base B à la base B est
 
1 −1
PBB 0 =
1 0

0 0
Nous avons aussi e1 = (1, 0) = 0(1, 1) − (−1, 0) = 0e1 − e2
0 0
e2 = (0, 1) = (1, 1) + (−1, 0) = e1 + e2
0
Il en résulte que la matrice de passage de la base B à la base B est
 
0 1
PB 0 B =
−1 1

Observons que PBB 0 et PB 0 B sont inverses

    
1 −1 0 1 1 0
=
1 0 −1 1 0 1

0 0 0
Soit x = 2e1 + 3e2 . En exprimant x dans la base B on obtient x = αe1 + βe2 .
Ainsi d’après le théorème précédent on a
    
1 −1 α 2
PBB 0 XB 0 = = = XB
1 0 β 3
 4

Ce qui implique que

      
α −1 0 1 2 3
= PBB 0 XB = PB 0 B XB = =
β −1 1 3 1

0 0
il s’en suit alors que x = 3e1 + e2 .

1.2 Matrice d’une application linéaire

Définition 1.6. Soient E et F deux K espaces vectoriels, de bases respectives

0 0 0
B = (e1 , . . . , en ) et B = (e1 , . . . , em ), et f ∈ L (E, F ). On appelle matrice de f
0 0
relativement aux bases B et B la matrice notée M (f, B, B ) ∈ Mm,n (K) dont les
coefficients de sa ième colonne sont les coordonnées de f (ei ) dans la base B .
0

Cas particulier : Un endomorphisme de E est aussi une application linéaire de

E dans E, si B = (e1 , . . . , en ) est une base de E, alors la matrice M (f, B, B) est
dite la matrice de f dans la base B. Elle est notée tout simplement M (f, B).

Exemple 1.7. Considèrons les applications linéaires suivantes :

f : R2 → R3 et g : R2 → R2
(x, y) → (x, y, y) (x, y) → (x, x − 2y)

Soient B = {(1, 0), (0, 1)} et C = {(1, 0, 0), (0, 1, 0), (0, 0, 1)} les bases canoniques
respectivement de R2 et R3 . Il simple de vérifie que D = {(1, 0), (1, 1)} est une
base de R2 et proposons nous de déterminer M (f, B, C) et M (g, D).
1) La matrice M (f, B, C) associée à l’application linéaire f relativement aux bases
B et C est donnée par :

f (e1 ) = f (1, 0) = (1, 0, 0) = 1(1, 0, 0) + 0(0, 1, 0) + 0(0, 0, 1)

f (e2 ) = f (0, 1) = (0, 1, 1) = 0(1, 0, 0) + 1(0, 1, 0) + 1(0, 0, 1)

 5

D’où  
1 0
M (f, B, C) = 0 1 ∈ M3,2 (R).
0 1

2) g est un endomorphisme, sa matrice associée relativement à la base D est

donnée par :

g(e1 ) = g(1, 0) = (1, 1) = 0(1, 0) + 1(1, 1)

g(e2 ) = g(1, 1) = (1, −1) = 2(1, 0) − 1(1, 1)

Ainsi  
0 2
M (g, D) = .
1 −1

Proposition 1.8. Soient E, F et G trois K-espaces vectoriels de bases respectives

B = (e1 , . . . , en ), C = (c1 , . . . , cm ) et D = (d1 , . . . , dr ).
1) Si f et g sont deux homomorphismes de E dans F alors :

i) M (f + g, B, C) = M (f, B, C) + M (g, B, C).

ii) M (αf, B, C) = αM (f, B, C) pour tout α ∈ K.

2) Si f ∈ L (E, F ) et g ∈ L (F, G) on a : M (g◦f, B, D) = M (g, C, D)M (f, B, C).

Preuve. X Pour (1), la démonstration est évidente.

X Pour (2), posons :
M (g ◦ f, B, D) = (ωij ), M (g, C, D) = (bij ) et M (f, B, C) = (aij )
(g ◦ f )(ej ) = rk=1 ωkj dk aussi
P
il s’ensuit alors que

m
X m


X
(g ◦ f )(ej ) = g f (ej ) = g alj cl = alj g(cl )
l=1 l=1
m
X r
X  m X
X r 
= alj bkl dk = alj bkl dk
l=1 k=1 l=1 k=1
r
X X  m 
= alj bkl dk .
k=1 l=1
 6

 
a1j
Ce qui implique que ωkj = m  ... , pour
P Pm
l=1 alj bkl = l=1 bkl alj = (bk1 , . . . , bkm )
amj
(1 ≤ k ≤ r, 1 ≤ j ≤ n). Par conséquent M (g ◦ f, B, D) = M (g, C, D)M (f, B, D).

1.2.1 Expression matricielle de f (x) = y

0 0 0
Soient f une application linéaire de E dans F et B = (e1 , . . . , en ), B = (e1 , . . . , em )
bases de E et F respectivement. Pour un vecteur x de E notons x1 , . . . , xn ses
coordonnées dans la base B et désignons par y1 , . . . , ym les coordonnées de f (x)
0
dans la base B . Posons


x1
XB =  ...  la matrice des coordonnées de x dans la base B.
xn

et
 
y1
=  ...  la matrice des coordonnées de f (x) dans la base B
0
YB 0
ym

alors on a :
0
M (f, B, B )XB = YB 0

Exemple 1.9. Considérons l’application R-linéaire f de R2 → R3 définie par sa

matrice  
0 1
0
M (f, B, B ) = 1 −1
1 0
0
avec B = {e1 = (1, 1), e2 = (1, −1)} et B = {(1, 1, 0), (0, 1, 1), (0, 0, 1).
Déterminons par exemple f (−1, 5), pour le faire, calculons d’abord la matrice XB
associée au vecteur x = (−1, 5) ; ( x donné dans la base canonique de R2 ). On a

(−1, 5) = x1 e1 + x2 e2 = x1 (1, 1) + x2 (1, −1) = (x1 + x2 , x1 − x2 )

 7

a pour solution  
2
x1 = 2, x2 = −3 donc XB =
−3
D’où      
y1 0 1   −3
2
YB 0 = y2 = 1 −1
    =  5 .
−3
y3 1 0 2

Ainsi f (−1, 5) = −3(1, 1, 0) + 5(0, 1, 1) + 2(0, 0, 1) = (−3, 2, 7).

1.2.2 Cas d’un endomorphisme

Soit B une base d’un K-ev E et f ∈ L (E, B).

Proposition 1.10. Si x est un vecteur de E et XB est la matrice de ses coor-

données dans la base B alors la matrice YB , matrice des coordonnées de f (x) dans
la base B, est donnée par YB = M (f, B)XB .

Remarque : D’après la définition 1.6, la donnée d’une application linéaire f ∈

0
L (E, F ) et d’une base B de E et d’une base B de F engendre une matrice
0
M (f, B, B ) ∈ Mm,n (K). Inversement, toute matrice A ∈ Mm,n (K) définie une
appliaction linéaire g : E → F comme suit : g(x) = AX avec X est la matrice
colonne formée par les coordonnées du vecteur x dans la base B.

Théorème 1.11. Soient E et F deux K-espaces vectoriels de bases respectives

0 0
B(e1 , . . . , en ) et B(e1 , . . . , em ). Alors l’application

ϕ : L (E, F ) → Mm,n (K)

0
f → M (f, B, B )

est un isomorphisme d’espaces vectoriels, et par conséquent dimK L (E, F ) = mn.

Preuve. X La linéarité de ϕ résulte de la proposiotion 1.8.

X La surjectivité de ϕ : Soit A = (aij ) ∈ Mm,n (K), définissons f de E dans F par
0 0
f (ei ) = m
P
k=1 aki ek pour tout i = 1, . . . , n. Par construction, on a M (f, B, B ) = A.
 8

Donc ϕ est surjective.

X L’injectivité de ϕ : soient f, g ∈ L (E, F ) telles que ϕ(f ) = ϕ(g), c’est-à-dire
0 0
M (f, B, B ) = M (g, B, B ), alors f (ei )/B 0 = g(ei )/B 0 pour tout i = 1, . . . , n. Ce
qui nous permet de conclure que f = g. Par conséquent, les K-espaces vectoriels
L (E, F ) et Mm,n (K) sont isomorphes, donc ils ont la même dimension. Puisque
la dimension de Mm,n (K) est mn, alors dimL (E, F ) = mn.

1.2.3 Rang d’une application linéaire

Définition 1.12. Soit f une application linéaire d’un K-espace vectoriel E dans
un K-espace vectoriel F . On appelle rang de f l’entier naturel, noté rg(f ), défini
par rg(f ) = dim(Im(f )).

Exemple 1.13. Soit f l’application linéaire définie de R3 dans R2 par f (x, y, z) =

(x, 2y). Pour déterminer le rg(f ) à partir de la définition il faut déterminer la
dimension de Im(f ). Or f est surjective ( à vérifier) donc Im(f ) = R2 et alors
rg(f ) = dim(Im(f )) = 2.

Remarque : Si f ∈ L (E, F ), et B une base de E, du fait que f (B) engendre

Im(f ), alors rg(f ) = rg(f (B)).

Proposition 1.14. Si f ∈ L (E, F ) et P une matrice associée à f relativement

à deux bases quelconques de E et F , alors rg(f ) = rg(P ).

Preuve. Soit f : E → F une application linéaire de K-espaces vectoriels et soit

0 0
B (resp B ) une base de E (resp base de F ). Posons P = M (f, B, B ) la matrice
0
associée à f relativement aux bases B et B . D’après la remarque précédente et le
fait que rg(f (B)) = dimK (Im(f )) on conclut que rg(f ) = rg(P ).
 9

1.2.4 Matrices associées et changement de bases

Théorème 1.15. Si f est une application linéaire d’un K- espace vectoriel E dans
0 0
un K-espace vectoriel F et si B, B sont deux bases de E et S, S sont deux bases
de F alors
0 −1 0
M (f, B , S ) = PSS 0 M (f, B, S) PBB 0

Preuve. Représentons sur un diagramme les applications linéaires et leur matrice

dans les bases indiquées :

f
(E, B) −
−−−−−− →
M (f,B,S)
(F, S)
−1
PBB 0 ↑ IdE PSS 0 ↓ IdF

0 f 0
(E, B ) −−−−−−0−−→
0 (F, S )
M (f,B ,S )

On voit sur ce diagramme que IdF ne correspond pas au changement de base,

0
de S à S , mais à son inverse. C’est donc l’inverse de la matrice de passage qui
intervient à cet endroit. Pour ne pas faire d’erreur sur le sens des flèches on peut
préférer un diagramme en ligne.

E IdE E f F IdF F
0 −−−−−−−−−0
−→ −
−−−−−− → −−−−−−−−−→ 0 0
(B ) M (IdE ,B ,B) (B) M (f,B,S) (S) M (IdF ,S,S ) (S )

Pour obtenir la relation entre les matrices il suffit d’écrire les relations entre les
applications linéaires et d’appliquer la proposition 1.8(2) il s’ensuit que

f = IdF ◦ f ◦ IdE

D’où
0 0 0 0
M (f, B , S ) = M (IdF , S, S ) M (f, B, S) M (IdE , B , B)

0 −1 0
Or M (IdE , B , B) = PBB 0 et M (IdF , S, S ) = PS 0 S = PSS 0 , alors

0 −1 0
M (f, B , S ) = PSS 0 M (f, B, S) PBB 0 .
 10

0 0 0
Notation : si on note M = M (f, B , S ), M = M (f, B, S), P = PBB 0 , Q = PSS 0
alors l’équation précédente se réduit à

0
M = Q−1 M P

Cas d’un endomorphisme : il est facile de particulariser le diagramme précédent

au cas E = F et f : E → E. Il suffit de retenir le schéma et la formule qui en
découle.
0
Proposition 1.16. Soient B et B deux bases d’un K- espace vectoriel E et f
0
un endomorphisme de E alors les matrices M (f, B) et M (f, B ) sont liées par la
relation suivante :
0 −1
M (f, B ) = PBB 0 M (f, B) PBB 0

Exemple 1.17. Soit E = R3 , on considère l’application f : R3 → R3 definie par

f (x, y, z) = (x − z, 2x − 3y + z, y − 2z).
1- Vérifier que f est linéaire.
0
2- Posons B = (1 , 2 , 2 ) avec 1 = (1, 1, 0), 2 = (0, −1, 0) et 3 = (3, 2, −1).
0
Montrer que B est aussi une base de R3 .
3- Donner la matrice de f relativement à la base canonique B de R3 .
−1
4- Déterminer les deux matrices PBB 0 et PBB 0 puis déduire la matrice de f dans

0
la base B .

1.2.5 Matrices équivalentes, matrices semblables

Définition 1.18. Soient A et B deux matrices de Mn,m (K). On dit que A et

B sont équivalentes s’il existe deux matrices inversibles P et Q d’ordre m et n
respectivement telles que A = Q−1 BP .

Remarques :
i) On peut vérifier que cette relation sur les matrices est une relation d’équivalence.
ii) Deux matrices de Mn,m (K) sont équivalentes ssi elles ont le même rang.
 11

Définition 1.19. Soient A et B deux matrices de Mn (K). On dit que A et B sont

semblables s’il existe une matrice inversible P d’ordre n telle que A = P −1 BP .

Remarques :
i) Deux matrices semblables ont le même rang.
Attention, la réciproque est fausse en générale : 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.
ii) Attention : deux matrices carrées semblables ont méme rang, donc sont équivalentes.
Par contre, il existe des matrices carrées équivalentes mais qui ne sont pas sem-
blables :    
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.
 Bibliographie

[1] L. Oukhtite, Cours d’Algèbre 2 (MIP, Module M122), Département de

Mathématiques, FST-Fès.

[2] M. Boulagouaz, Cours d’Algèbre 2 (MIP, Module M122), Département de

Mathématiques, FST-Fès.

[3] X. Gourdon, les maths en tête, Algèbre.

[4] Institut Galilée, Licence 2ème année, LSI-ATS, Algèbre 2, 2010-2011

[5] R. Khir, Module d’Algèbre 2, (Formation MIPC), Département de

Mathématiques, FST-Marrakech.

[6] S. Lipschutz, Algèbre linéaire cours et probmèmes, traduit de Theory and

problems of linear algebra, 1973.

[7] Luc Rozoy et Bernard Ycart, Cours Réduction des endomorphismes, Uni-
versité Joseph Fourier, Grenoble.

[8] UFR maths, Université de Rennes I, Préparation à l’agrégation interne.

[9] http ://www.math.jussieu.fr/ alp.

12