Chapitre 6 - Matrices et applications linéaires
S. Gauthier
UE : Algèbre 2 pour les mathématiques
Semestre de printemps 2024-2025
Remarques préliminaires
• Ce document n’est ni un résumé du cours, ni un cours complet. Il
contient une sélection de certains résultats, définitions, . . . ou
autres vus dans le cours.
• La présence en cours et en TD est donc indispensable pour
couvrir l’ensemble du programme de l’UE.
2/30
Notations.
• K désigne R ou C.
• E et F des espaces vectoriels sur K de dimension finie.
• n = dim E ≥ 1 et p = dim F ≥ 1.
• BE = (e1 , . . . , en ) est une base de E.
• BF = ( f1 , . . . , fp ) est une base de F.
3/30
I. Matrices associées aux applications linéaires
I. Matrices associées aux applications linéaires
1. Matrice d’un vecteur dans une base
Matrice d’un vecteur dans une base
Définition 1
n
On appelle matrice du vecteur x =
P
xk ek ∈ E dans la base BE ,
k=1
la matrice colonne de Mn,1 (K),
x1
.
X = MatBE (x) = .. .
xn
➢ Exemple.
Dans la base (1, X, X2 ) de R2 [X], le polynôme P = 3X2 + 2X + 1 a pour
matrice :
Mat(P) = · · ·
4/30
I. Matrices associées aux applications linéaires
2. Matrice d’une application linéaire
Matrice d’une application linéaire
Définition 2
Soit u ∈ L (E, F), la matrice de u relativement aux bases BE et
BF est la matrice de Mp,n (K) dont les colonnes sont les matrices
des vecteurs u(e1 ), . . . , u(en ) dans la base BF = ( f1 , . . . , fp ).
On note :
MatBE ,BF (u) = MatBF (u(e1 )) . . . MatBF (u(en )) ∈ Mp,n (K).
5/30
Matrice d’une application linéaire
Définition 2
Soit u ∈ L (E, F), la matrice de u relativement aux bases BE et
BF est la matrice de Mp,n (K) dont les colonnes sont les matrices
des vecteurs u(e1 ), . . . , u(en ) dans la base BF = ( f1 , . . . , fp ).
On note :
MatBE ,BF (u) = MatBF (u(e1 )) . . . MatBF (u(en )) ∈ Mp,n (K).
➢ Remarques.
1. La taille de MatBE ,BF (u) ne dépend que des dimensions de E et F.
2. Si u ∈ L (E), sa matrice est carrée de taille n. On note MatB (u) si
on utilise la même base pour l’espace de départ et d’arrivée.
3. MatBE ,BF (u) dépend des bases choisies pour E et pour F.
5/30
Matrice d’une application linéaire
p
X
Si on note, pour tout j ∈ ⟦1, n⟧, u(e j ) = ai j fi , on a :
i=1
u(e1 ) u(e2 ) ... u(en )
↓ ↓ ↓
a11 a12 ... a1n → f1
a21 a22 ... a2n → f2
MatBE ,BF (u) = . .. .. ..
.. . . .
. .. .. ..
.. . . .
...
ap1 ap2 apn → fp
6/30
Matrice d’une application linéaire
➢ Exemples.
1. f : R2 → R2 , (x, y) 7→ (x + y, x − y), B = (e1 , e2 ) la base canonique
de R2 pour l’espace de départ et l’espace d’arrivée.
7/30
Matrice d’une application linéaire
➢ Exemples.
1. f : R2 → R2 , (x, y) 7→ (x + y, x − y), B = (e1 , e2 ) la base canonique
de R2 pour l’espace de départ et l’espace d’arrivée.
2. f : R2 → R2 , (x, y) 7→ (x + y, x − y), B = (e1 , e2 ) la base canonique
pour l’espace de départ et B′ = ( f1 , f2 ) (avec f1 = (1, 1) et
f2 = (0, 1)) pour l’espace d’arrivée.
7/30
Matrice d’une application linéaire
➢ Exemples.
1. f : R2 → R2 , (x, y) 7→ (x + y, x − y), B = (e1 , e2 ) la base canonique
de R2 pour l’espace de départ et l’espace d’arrivée.
2. f : R2 → R2 , (x, y) 7→ (x + y, x − y), B = (e1 , e2 ) la base canonique
pour l’espace de départ et B′ = ( f1 , f2 ) (avec f1 = (1, 1) et
f2 = (0, 1)) pour l’espace d’arrivée.
3. u : R3 → R2 , (x, y, z) 7→ (x + y, y + 2z), B1 = (e1 , e2 , e3 ) la base
canonique de R3 et B2 = ( f1 , f2 ) la base canonique de R2 .
7/30
Matrice d’une application linéaire
➢ Exemples.
1. f : R2 → R2 , (x, y) 7→ (x + y, x − y), B = (e1 , e2 ) la base canonique
de R2 pour l’espace de départ et l’espace d’arrivée.
2. f : R2 → R2 , (x, y) 7→ (x + y, x − y), B = (e1 , e2 ) la base canonique
pour l’espace de départ et B′ = ( f1 , f2 ) (avec f1 = (1, 1) et
f2 = (0, 1)) pour l’espace d’arrivée.
3. u : R3 → R2 , (x, y, z) 7→ (x + y, y + 2z), B1 = (e1 , e2 , e3 ) la base
canonique de R3 et B2 = ( f1 , f2 ) la base canonique de R2 .
4. idE : E → E avec la base BE = (e1 , . . . , en ) pour l’espace de départ
et d’arrivée.
7/30
Matrice d’une application linéaire
➢ Exemples.
1. f : R2 → R2 , (x, y) 7→ (x + y, x − y), B = (e1 , e2 ) la base canonique
de R2 pour l’espace de départ et l’espace d’arrivée.
2. f : R2 → R2 , (x, y) 7→ (x + y, x − y), B = (e1 , e2 ) la base canonique
pour l’espace de départ et B′ = ( f1 , f2 ) (avec f1 = (1, 1) et
f2 = (0, 1)) pour l’espace d’arrivée.
3. u : R3 → R2 , (x, y, z) 7→ (x + y, y + 2z), B1 = (e1 , e2 , e3 ) la base
canonique de R3 et B2 = ( f1 , f2 ) la base canonique de R2 .
4. idE : E → E avec la base BE = (e1 , . . . , en ) pour l’espace de départ
et d’arrivée.
5. D : R3 [X] → R2 [X], P 7→ P′ avec B1 = (1, X, X2 , X3 ) la base
canonique de R3 [X] et B2 = (1, X, X2 ) la base canonique de R2 [X].
7/30
Matrice d’une application linéaire
Proposition 1
Soit u ∈ L (E, F), on note A = MatBE ,BF (u) ∈ Mp,n (K), pour x ∈ E,
x1 y1
.. .
X = MatBE (x) = . et, pour y ∈ F, Y = MatBF (y) = .. . Alors :
xn yp
y = u(x) ⇐⇒ Y = AX.
Autrement dit,
MatBF (u(x)) = MatBE ,BF (u) MatBE (x).
8/30
Matrice d’une application linéaire
Démonstration.
On note A = (ai j )(i, j)∈⟦1,p⟧×⟦1,n⟧ , alors :
p
X n X n X n X
u(x) = u x j e j = x j u(e j ) = x j ai j fi
j=1 j=1 j=1 i=1
p p
Xn X X X n
= a i j x j fi = ai j x j fi .
j=1 i=1 i=1 j=1
On en déduit que la matrice de y = u(x) est :
P n
a x
1j j
x1
j=1
.. .
MatBF (u(x)) = . = A .. = MatBE ,BF (u) × MatBE (x).
n
xn
P
a x
p j j 9/30
j=1
➢ Exemple. Reprenons u : R3 → R2 , (x, y, z) 7→ (x + y, y + 2z), on a :
1 1 0
MatB1 ,B2 (u) = .
0 1 2
1
1 1 0 2
u(1, 1, 1) = (2, 3) ce qui correspond à 1 = .
0 1 2 3
1
10/30
➢ Exemple. Reprenons u : R3 → R2 , (x, y, z) 7→ (x + y, y + 2z), on a :
1 1 0
MatB1 ,B2 (u) = .
0 1 2
1
1 1 0 2
u(1, 1, 1) = (2, 3) ce qui correspond à 1 = .
0 1 2 3
1
Réciproquement, on peut associer à une matrice une application
linéaire dont elle est la matrice.
Proposition 2
Soit A ∈ Mp,n (K), alors u : Kn → Kp , X 7→ AX est une application
linéaire dont la matrice dans les bases canoniques de Kn et Kp
est A.
10/30
I. Matrices associées aux applications linéaires
3. Isomorphisme entre L (E, F) et Mp,n (K)
Isomorphisme entre L (E, F) et Mp,n (K)
Proposition 3
Pour tout (u, v) ∈ L (E, F)2 et pour tout α ∈ K, on a :
MatBE ,BF (αu + v) = α MatBE ,BF (u) + MatBE ,BF (v).
Démonstration.
Soit (u, v) ∈ L (E, F)2 et α ∈ K. Pour tout i ∈ ⟦1, n⟧,
(αu + v)(ei ) = (αu)(ei ) + v(ei ) = αu(ei ) + v(ei ) . . .
11/30
Isomorphisme entre L (E, F) et Mp,n (K)
Proposition 3
Pour tout (u, v) ∈ L (E, F)2 et pour tout α ∈ K, on a :
MatBE ,BF (αu + v) = α MatBE ,BF (u) + MatBE ,BF (v).
Démonstration.
Soit (u, v) ∈ L (E, F)2 et α ∈ K. Pour tout i ∈ ⟦1, n⟧,
(αu + v)(ei ) = (αu)(ei ) + v(ei ) = αu(ei ) + v(ei ) . . .
□
Corollaire 1
L (E, F) −→ Mp,n (K)
L’application Ψ : est un
u 7−→ MatBE ,BF (u)
isomorphisme d’espaces vectoriels. 11/30
I. Matrices associées aux applications linéaires
4. Matrice de la composée d’applications linéaires
Matrice de la composée d’applications linéaires
On note dans la suite G un espace vectoriel de dimension finie r ≥ 1 et
BG = (g1 , . . . , gr ) une base de G.
Proposition 4
Soit u ∈ L (E, F) et v ∈ L (F, G), alors v ◦ u ∈ L (E, G) et on a :
MatBE ,BG (v ◦ u) = MatBF ,BG (v) × MatBE ,BF (u).
12/30
Matrice de la composée d’applications linéaires
On note dans la suite G un espace vectoriel de dimension finie r ≥ 1 et
BG = (g1 , . . . , gr ) une base de G.
Proposition 4
Soit u ∈ L (E, F) et v ∈ L (F, G), alors v ◦ u ∈ L (E, G) et on a :
MatBE ,BG (v ◦ u) = MatBF ,BG (v) × MatBE ,BF (u).
➢ Exemple. On considère u : R2 → R2 et v : R2 → R3 définies par les
matrices suivantes (dans les bases canoniques) :
3 1
1 −1
MatBR2 (u) = MatBR2 ,BR3 (v) = −1 0 .
et
2 0
0 2
La matrice de v ◦ u : R2 → R3 est MatBR2 ,BR3 (v ◦ u) = · · · 12/30
I. Matrices associées aux applications linéaires
5. Matrice d’un isomorphisme
Matrice d’un isomorphisme
Proposition 5
On suppose que dim E = dim F. Soit u ∈ L (E, F), alors :
u est un isomorphisme ⇐⇒ MatBE ,BF (u) est inversible,
et, dans ce cas, on a :
MatBF ,BE (u−1 ) = (MatBE ,BF (u))−1 .
13/30
II. Changement de bases
Notations
On note dans la suite :
• B′E = (e′1 , . . . , e′n ) une autre base de E ;
• B′F = ( f1′ , . . . , fp′ ) une autre base de F.
14/30
II. Changement de bases
1. Matrice de passage
Matrice de passage
Définition 3
On appelle matrice de passage de la base BE à B′E la matrice, notée
PBE →B′E ∈ Mn (K), dont la ie colonne contient les coordonnées de e′i
exprimées dans la base BE :
e′1 e′2 . . . e′n
↓ ↓ ... ↓
a a12 . . . a1n → e1
11
a21 a22 . . . a2n → e2
PBE →B′E = .. .. .. .. .
. . . .
. .. .. ..
.
. . . .
an1 an2 . . . ann → en
PBE →B′E est donc la matrice de idE dans les bases B′E et BE :
PBE →B′E = MatB′E ,BE (idE ).
15/30
Matrice de passage
Proposition 6
Une matrice de passage entre deux bases de E, BE et B′E , est
inversible, de plus, P−1
B →B′
= PB′E →BE .
E E
16/30
Matrice de passage
Proposition 6
Une matrice de passage entre deux bases de E, BE et B′E , est
inversible, de plus, P−1
B →B′
= PB′E →BE .
E E
➢ Exemple.
Dans R3 , on considère la base canonique Bc et la base B = (u1 , u2 , u3 )
avec u1 = (−1, 0, 0), u2 = (1, 1, 0) et u3 = (1, 1, 1).
Alors la matrice de passage de Bc à B est :
PBc →B = · · ·
16/30
II. Changement de bases
2. Changement de base pour les coordonnées d’un
vecteur
Changement de base pour les coordonnées d’un vecteur
Proposition 7
Pour tout x ∈ E, MatBE (x) = PBE →B′E × MatB′E (x).
17/30
Changement de base pour les coordonnées d’un vecteur
Proposition 7
Pour tout x ∈ E, MatBE (x) = PBE →B′E × MatB′E (x).
➢ Exemple. Considérons dans R3 le vecteur w dont
la matrice dans
1
la base canonique Bc = (e1 , e2 , e3 ) est MatBc (w) = 2.
3
Quelles sont les coordonnées de w dans la base B = (u1 , u2 , u3 ) de
−1 1 1
l’exemple précédent ? On a vu que PBc →B = 0 1 1, donc :
0 0 1
MatB (w) = · · ·
17/30
II. Changement de bases
3. Action d’un changement de base sur la matrice d’une
application linéaire
Action d’un changement de base sur la matrice d’une
application linéaire
Proposition 8
Soit u ∈ L (E, F), on note A = MatBE ,BF (u), A′ = MatB′E ,B′F (u),
P = PBE →B′E et Q = PBF →B′F . Alors :
A′ = Q−1 AP.
18/30
Action d’un changement de base sur la matrice d’une
application linéaire
Proposition 8
Soit u ∈ L (E, F), on note A = MatBE ,BF (u), A′ = MatB′E ,B′F (u),
P = PBE →B′E et Q = PBF →B′F . Alors :
A′ = Q−1 AP.
Corollaire 2
Soit u ∈ L (E) un endomorphisme de E, on note A = MatBE (u),
A′ = MatB′E (u) et P = PBE →B′E . Alors :
A′ = P−1 AP.
18/30
Action d’un changement de base sur la matrice d’une
application linéaire
➢ Exemple. On considère l’endomorphisme u de R3 dont la matrice
dans la base canonique Bc = (e1 , e2 , e3 ) est :
3 −1 1
A = MatBc (u) = 0 2 0 .
1 −1 3
On pose : e′1 = (1, 0, −1), e′2 = (0, 1, 1) et e′3 = (1, 0, 1). Alors
B′ = (e′1 , e′2 , e′3 ) est une base de R3 . On cherche la matrice A′ de u dans
cette nouvelle base.
La matrice de passage de Bc à B′ est :
P = PBc →B′ = · · ·
On en déduit :
A′ = · · ·
19/30
II. Changement de bases
4. Matrices équivalentes
Matrices équivalentes
Définition 4
Soit A et B des matrices de Mn,p (K), on dit que A est équivalente à B,
s’il existe P ∈ GLp (K) et Q ∈ GLn (K) telles que B = QAP.
On note A ∼ B si A est équivalente à B.
➢ Remarque. Des matrices sont équivalentes si, et seulement si, elles
représentent la même application linéaire dans des bases différentes.
20/30
Matrices équivalentes
Définition 4
Soit A et B des matrices de Mn,p (K), on dit que A est équivalente à B,
s’il existe P ∈ GLp (K) et Q ∈ GLn (K) telles que B = QAP.
On note A ∼ B si A est équivalente à B.
➢ Remarque. Des matrices sont équivalentes si, et seulement si, elles
représentent la même application linéaire dans des bases différentes.
Proposition 9
L’équivalence entre les matrices est une relation d’équivalence sur
Mn,p (K), c’est-à-dire :
(i) Pour tout A ∈ Mn,p (K), A ∼ A (réflexivité) ;
(ii) Pour tout (A, B) ∈ Mn,p (K)2 , si A ∼ B alors B ∼ A (symétrie) ;
(iii) Pour tout (A, B, C) ∈ Mn,p (K)3 , si A ∼ B et B ∼ C alors A ∼ C
(transitivité). 20/30
II. Changement de bases
5. Matrices semblables
Matrices semblables
Définition 5
Soit A et B des matrices de Mn (K), on dit que A est semblable à B s’il
existe P ∈ GLn (K) telle que B = P−1 AP.
On note alors A ≡ B.
➢ Remarque. Deux matrices sont semblables si, et seulement si, elles
représentent le même endomorphisme dans deux bases différentes.
21/30
Matrices semblables
Définition 5
Soit A et B des matrices de Mn (K), on dit que A est semblable à B s’il
existe P ∈ GLn (K) telle que B = P−1 AP.
On note alors A ≡ B.
➢ Remarque. Deux matrices sont semblables si, et seulement si, elles
représentent le même endomorphisme dans deux bases différentes.
Proposition 10
La relation de similitude entre matrices est une relation d’équivalence
sur Mn (K), c’est-à-dire :
(i) Pour tout A ∈ Mn (K), A ≡ A (réflexivité) ;
(ii) Pour tout (A, B) ∈ Mn (K)2 , si A ≡ B, alors B ≡ A (symétrie) ;
(iii) Pour tout (A, B, C) ∈ Mn (K)3 , si A ≡ B et B ≡ C, alors A ≡ C
(transitivité). 21/30
Matrices semblables
➢ Exemple.
On a vu dans l’exemple précédent que les matrices
3 −1 1 2 0 0
A = 0 2 0 et A = 0 2 0 sont semblables.
′
1 −1 3 0 0 4
22/30
Matrices semblables
➢ Exemple.
On a vu dans l’exemple précédent que les matrices
3 −1 1 2 0 0
A = 0 2 0 et A = 0 2 0 sont semblables.
′
1 −1 3 0 0 4
Proposition 11
Soit (A, B) ∈ Mn (K)2 , si A et B sont semblables, alors :
Tr(A) = Tr(B).
Démonstration.
Soit (A, B) ∈ Mn (K)2 tel que A et B sont semblables, alors il
existe. . . □
22/30
III. Rang et noyau d’une matrice
Notations
Pour une matrice A, on note :
• Ci (A) la ie colonne de A ;
• Li (A) la ie ligne de A.
23/30
III. Rang et noyau d’une matrice
1. Définitions
Définitions
Définition 6
(i) Le noyau d’une matrice A ∈ Mp,n (K) est le sous-espace
vectoriel de Mn,1 (K)
ker A = {X ∈ Mn,1 (K) : AX = 0p,1 }.
(ii) L’image d’une matrice A ∈ Mp,n (K) est le sous-espace
vectoriel de Mp,1 (K) engendré par les colonnes de A :
Im A = Vect(C1 (A), C2 (A), . . . , Cn (A)).
Le rang de A est la dimension de Im A. Autrement dit, le
rang de A est le nombre maximal de colonnes de A
linéairement indépendantes.
24/30
III. Rang et noyau d’une matrice
2. Lien avec le noyau et l’image d’une application linéaire
Lien avec le noyau et l’image d’une application linéaire
Proposition 12
Soit u ∈ L (E, F), on note A = MatBE ,BF (u) et, pour tout x ∈ E,
X = MatBE (x). Alors, pour tout x ∈ E :
x ∈ ker u ⇐⇒ X ∈ ker A.
25/30
Lien avec le noyau et l’image d’une application linéaire
Proposition 12
Soit u ∈ L (E, F), on note A = MatBE ,BF (u) et, pour tout x ∈ E,
X = MatBE (x). Alors, pour tout x ∈ E :
x ∈ ker u ⇐⇒ X ∈ ker A.
Proposition 13
Soit u ∈ L (E, F), on note A = MatBE ,BF (u), alors :
rg (u) = rg (A).
En particulier, deux matrices qui représentent la même applica-
tion linéaire dans des bases différentes ont le même rang.
25/30
III. Rang et noyau d’une matrice
3. Propriétés du rang et du noyau d’une matrice
Propriétés du rang et du noyau d’une matrice
On peut traduire des propriétés des applications linéaires sur les
matrices.
Proposition 14 – Théorème du rang
Pour toute matrice A ∈ Mp,n (K), alors dim(ker A) + rg (A) = n.
En particulier, rg (A) ≤ min{p, n}.
26/30
Propriétés du rang et du noyau d’une matrice
On peut traduire des propriétés des applications linéaires sur les
matrices.
Proposition 14 – Théorème du rang
Pour toute matrice A ∈ Mp,n (K), alors dim(ker A) + rg (A) = n.
En particulier, rg (A) ≤ min{p, n}.
Proposition 15
Soit A ∈ Mn (K), les propriétés suivantes sont équivalentes :
(i) A ∈ GLn (K) (A est inversible) ;
(ii) rg A = n ;
(iii) ker A = {0n,1 } ;
(iv) Les colonnes de A forment une base de Kn . 26/30
III. Rang et noyau d’une matrice
4. Rang et matrices équivalentes
Rang et matrices équivalentes
Proposition 16
Le rang d’une matrice ne change pas si on la multiplie par
des matrices inversibles. Plus précisément, si A ∈ Mp,n (K),
Q ∈ GLp (K) et P ∈ GLn (K), alors :
rg (QAP) = rg (A).
27/30
Rang et matrices équivalentes
Proposition 16
Le rang d’une matrice ne change pas si on la multiplie par
des matrices inversibles. Plus précisément, si A ∈ Mp,n (K),
Q ∈ GLp (K) et P ∈ GLn (K), alors :
rg (QAP) = rg (A).
Théorème 1 – Décomposition par rapport au rang
Soit A ∈ Mp,n (K), on note r = rg A. Alors, il existe Q ∈ GLp (K) et
P ∈ GLn (K) telles que :
Ir 0 r,n−r
QAP = Jr = .
0p−r,r 0p−r,n−r
27/30
Rang et matrices équivalentes
Proposition 17
Pour toute matrice A ∈ Mp,n (K), on a rg (A⊤ ) = rg (A).
28/30
Rang et matrices équivalentes
Proposition 17
Pour toute matrice A ∈ Mp,n (K), on a rg (A⊤ ) = rg (A).
Corollaire 3
Soit A ∈ Mp,n (K), alors rg A est la dimension du sous-espace
vectoriel de M1,n (K) engendré par les lignes de A, c’est-à-dire :
rg A = dim Vect(L1 (A), . . . , Lp (A)).
28/30
Rang et matrices équivalentes
Proposition 17
Pour toute matrice A ∈ Mp,n (K), on a rg (A⊤ ) = rg (A).
Corollaire 3
Soit A ∈ Mp,n (K), alors rg A est la dimension du sous-espace
vectoriel de M1,n (K) engendré par les lignes de A, c’est-à-dire :
rg A = dim Vect(L1 (A), . . . , Lp (A)).
Théorème 2 – Caractérisation des matrices équivalentes
Deux matrices sont équivalentes si, et seulement si, elles ont le
même rang.
28/30
III. Rang et noyau d’une matrice
5. Calcul du rang et conséquences pratiques
Calcul du rang et conséquences pratiques
Proposition 18
Le rang d’une matrice est le nombre de lignes non nulles d’une
de ses formes échelonnées en lignes.
29/30
Calcul du rang et conséquences pratiques
Proposition 18
Le rang d’une matrice est le nombre de lignes non nulles d’une
de ses formes échelonnées en lignes.
➢ Exemples.
1 −1 3 5 1
1. A = 2 0 −1 3 1.
3 −1 2 8 2
1 2 3
4 5 6
2. B =
.
1 −2 3
3 3 6
29/30
Calcul du rang et conséquences pratiques
Proposition 19
Soit A ∈ Mp,n (K), alors (C1 (A), . . . , Cn (A)) est libre si, et seule-
ment si, rg (A) = n.
30/30
Calcul du rang et conséquences pratiques
Proposition 19
Soit A ∈ Mp,n (K), alors (C1 (A), . . . , Cn (A)) est libre si, et seule-
ment si, rg (A) = n.
➢ Exemple.
Dans R4 , considérons les vecteurs u1 = (1, −1, 0, 1), u2 = (2, 1, 3, −1),
u3 = (−1, 0, 2, 3) et u4 = (0, 3, 1, 5).
La famille (u1 , u2 , u3 , u4 ) est-elle libre ?
30/30
