REPRÉSENTATION MATRICIELLE DES

APPLICATIONS LINÉAIRES

[Link]

LM6E

2024

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES 2024 1 / 27

Dans toute cette leçon K désigne R ou C.

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES 2024 2 / 27

1. Matrices d’une application linéaires dans des bases

Dans cette partie, on considère deux K -espaces vectoriels E et F de

dimension finie, et sauf mention explicite du contraire, on note p = dim E
et n = dim F .
1.1 Définition
Définition
Soit B = (e1 , . . . , ep ) une base de E , soit C = (x1 , . . . , xn ) une base de F ,
et soit f ∈ L(E , F ) On appelle matrice de f relativement aux bases B et C
(plus souvent appelée matrice de f dans les bases B et C) la matrice
MatB,C (f ) = (ai,j ) 16i6n telle que
16j6p

n
X
∀j ∈ {1, · · · , p}, f (ej ) = ai,j xi
i=1

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES 2024 3 / 27

1. Matrices d’une application linéaires dans des bases

 
a1,1 a1,2 . . . a1,p
 a2,1 a2,2 . . . a2,p 
MatB,C (f ) = 
 
.. .. .. 
 . . . 
an,1 an,2 . . . an,p
Dans le cas où E = F , et B = C on note MatB (f ) au lieu de MatB,B (f ).
Il s’agit alors d’une matrice carrée de Mn (K), où n = dim E

Exemples :
Soit
f : R3 −→ R2
.
(x, y , z) 7−→ (x + 2y − z, y − 3z)
Alors notons B3 et B2 les bases canoniques de R3 et R2 . Calculer
MatB3 ,B2 (f )

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES 2024 4 / 27

1. Matrices d’une application linéaires dans des bases

Soit B base de E . Calculer MatB (idE )

Soient x1 , . . . , xn des scalaires deux à deux distincts, et soit

ϕ : Kn−1 [X ] −→ Kn
P 7−→ (P (x1 ) , . . . , P (xn ))

Notons B = (E1 , E2 , . . . , En ) la base canonique de Kn . Alors la

matrice de ϕ dans les bases canoniques de Kn−1 [X ] et Kn est

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES 2024 5 / 27

1. Matrices d’une application linéaires dans des bases

Définition
Soit B = (e1 , . . . , en ) une base de E , et soient x1 , . . . , xp des vecteurs de
E . On appelle matrice de la famille (x1 , . . . , xp ) dans la base B, et on note
Matβ (x1 , . . . , xp ) la matrice (ai,j ) 16i6n où
16j6p

n
X
∀j ∈ {1, · · · , p}, xj = ai,j ei
i=1

Autrement dit, la j ème colonne de MatB (x1 , . . . , xp ) est le vecteur des

coordonnées de xj dans la base B.

Exemple :
Dans R3 , si u1 = (1, −2, 1), u2 = (2, −1, 3), u3 = (0, 1, 1) et si on pose
Bcan la base canonique de R3 donner MatBcan (u1 , u2 , u3 )

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES 2024 6 / 27

1. Matrices d’une application linéaires dans des bases

Proposition
Soient B = (e1 , . . . , ep ) une base de E , soit C = (x1 , . . . , xn ) une base de
F , et soit f ∈ L(E , F ). Alors MatB,C (f ) = MatC (f (e1 ) , . . . , f (ep ))

Application(s) canoniquement associée(s) à une matrice

Si E est un K-espace vectoriel de dimension p, de base B, F un K-espace
vectoriel de dimension n, de base C, et si A ∈ Mn,p (K), alors il existe une
et une seule application linéaire f ∈ L(E , F ) tel que MatB,C (f ) = A.

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES 2024 7 / 27

1. Matrices d’une application linéaires dans des bases

Proposition
Soient B = (e1 , . . . , ep ) une base de E , soit C = (x1 , . . . , xn ) une base de
F , et soit f ∈ L(E , F ). Alors MatB,C (f ) = MatC (f (e1 ) , . . . , f (ep ))

Application(s) canoniquement associée(s) à une matrice

Si E est un K-espace vectoriel de dimension p, de base B, F un K-espace
vectoriel de dimension n, de base C, et si A ∈ Mn,p (K), alors il existe une
et une seule application linéaire f ∈ L(E , F ) tel que MatB,C (f ) = A.
En particulier, si E = Kp et F = Kn ( resp. E = Mp,1 (K) et
F = Mn,1 (K)), munis de leurs bases canoniques, alors l’unique
f ∈ L (Kp , Kn ) (resp. f ∈ L (Mp,1 (K), Mn,1 (K)) dont la matrice dans les
bases canoniques est A est appelée application canoniquement associée à
A.

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES 2024 7 / 27

1. Matrices d’une application linéaires dans des bases

2. Compatibilité des opérations

Proposition (Coordonnées de l’image d’un vecteur):

Soient B et C des bases respectives de E et F , soit f ∈ L (E , F ), et soit
x ∈ E . Alors
MatC (f (x)) = MatB,C (f ) × MatB (x)

Proposition
Soient B une base de E et C une base de F . Alors pour f , g ∈ L(E , F ), et
λ ∈ K, on a

MatB,C (λf + g ) = λ MatB,C (f ) + MatB,C (g )

aussi l’application f 7→ MatB,C (f ) est bijective,autrement dit un

isomorphisme de L(E , F ) sur Mn,p (K)

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES 2024 8 / 27

1. Matrices d’une application linéaires dans des bases

Proposition
Soient E , F , G trois espaces vectoriels de dimension finie, de bases
respectives BE , BF et BG . Alors pour f ∈ L(E , F ) et g ∈ L(F , G ), on a

MatBE ,BG (g ◦ f ) = MatBF ,BG (g ) × MatBE ,BF (f )

Exemple :
Soit f l’endomorphisme
 de R
2 [X ] dont la matrice dans la base canonique
−1 −2 1
B est A =  2 3 −1 
2 2 0

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES 2024 9 / 27

1. Matrices d’une application linéaires dans des bases

3. Retour sur les matrices inversibles

Proposition
Soient E et F deux espaces vectoriels de même dimension n, de bases
respectives B et C, et soit f ∈ L (E , F ) Alors f est un isomorphisme si et
seulement si MatB,C (f ) est inversible. Et dans ce cas,

MatC,B f −1 = (MatB,C (f ))−1

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 10 / 27

1. Matrices d’une application linéaires dans des bases

Proposition
Soit A ∈ Mn (K). Alors il y a équivalence entre
1 A est inversible à gauche (il existe B ∈ Mn (K) telle que BA = In ).
2 A est inversible à droite.
3 A est inversible.

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 11 / 27

2. Rang d’une matrice

Définition
Soit A ∈ Mn,p (K), et soient C1 , . . . , Cp ses colonnes, qui sont donc dans
Mn,1 (K). On appelle rang de A et on note rg(A) le rang de la famille
(C1 , . . . , Cp ) Autrement dit, rg(A) = dim Vect (C1 , . . . , Cp )

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 12 / 27

2. Rang d’une matrice

Définition
Soit A ∈ Mn,p (K), et soient C1 , . . . , Cp ses colonnes, qui sont donc dans
Mn,1 (K). On appelle rang de A et on note rg(A) le rang de la famille
(C1 , . . . , Cp ) Autrement dit, rg(A) = dim Vect (C1 , . . . , Cp )

Exemples : Donner le rang des matrices suivantes.

 
−1 1 −2
1  −1 0 1 
0 1 −2
 
1 2 ... n
 2 4 . . . 2n 
 
2  3 6 . . . 3n  ∈ Mn (R)

 .. .. .. 
 . . . 
n 2n . . . n2

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 12 / 27

2. Rang d’une matrice.

Proposition
Soit E un espace vectoriel de dimension finie n, soit B une base de E et
soient x1 , . . . , xp des vecteurs de E . Alors
rg (x1 , . . . , xp ) = rg MatB (x1 , . . . , xp )

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 13 / 27

2. Rang d’une matrice.

Proposition
Soit E un espace vectoriel de dimension finie n, soit B une base de E et
soient x1 , . . . , xp des vecteurs de E . Alors
rg (x1 , . . . , xp ) = rg MatB (x1 , . . . , xp )

Corollaire
Soit f ∈ L(E , F ), et soient B et C des bases respectives de E et F . Alors
rg(f ) = rg (MatB,C (f ))

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 13 / 27

2. Rang d’une matrice.

Proposition
Soit E un espace vectoriel de dimension finie n, soit B une base de E et
soient x1 , . . . , xp des vecteurs de E . Alors
rg (x1 , . . . , xp ) = rg MatB (x1 , . . . , xp )

Corollaire
Soit f ∈ L(E , F ), et soient B et C des bases respectives de E et F . Alors
rg(f ) = rg (MatB,C (f ))

Proposition.
Soit A ∈ Mn (K). Alors A est inversible si et seulement si rg(A) = n

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 13 / 27

3. Changement de base, similitude, équivalence.

3.1 Matrice de passage

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 14 / 27

3. Changement de base, similitude, équivalence.

3.1 Matrice de passage

Définition-théorème (Matrice de passage d’une base à une autre)

Soient E 6= {0E } un K -espace vectoriel de dimension finie et B, B 0 et B 00
trois bases de E . On appelle matrice de passage de B à B 0 la matrice :
0
Mat B (B 0 ) = MatB0 ,B (IdE ) , souvent notée PBB . Alors:
0
1 PBB est inversible d’inverse PBB0 .
0 00 00
2 PBB PBB0 = PBB

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 14 / 27

3. Changement de base, similitude, équivalence.

3.1 Matrice de passage

Définition-théorème (Matrice de passage d’une base à une autre)

Soient E 6= {0E } un K -espace vectoriel de dimension finie et B, B 0 et B 00
trois bases de E . On appelle matrice de passage de B à B 0 la matrice :
0
Mat B (B 0 ) = MatB0 ,B (IdE ) , souvent notée PBB . Alors:
0
1 PBB est inversible d’inverse PBB0 .
0 00 00
2 PBB PBB0 = PBB

Exemple :

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 14 / 27

3. Changement de base, similitude, équivalence.

3.1 Matrice de passage

Définition-théorème (Matrice de passage d’une base à une autre)

Soient E 6= {0E } un K -espace vectoriel de dimension finie et B, B 0 et B 00
trois bases de E . On appelle matrice de passage de B à B 0 la matrice :
0
Mat B (B 0 ) = MatB0 ,B (IdE ) , souvent notée PBB . Alors:
0
1 PBB est inversible d’inverse PBB0 .
0 00 00
2 PBB PBB0 = PBB

Exemple :

Théorème (Changement de base pour un vecteur)

Soient E 6= {0E } un K -ev de dimension finie et B et B 0 deux bases de E .
0
On pose : P = PBB . Pour tout x ∈ E de coordonnées X (X vecteur
colonne) dans B et X 0 dans B 0 : X = PX 0 .

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 14 / 27

3. Changement de base, similitude, équivalence.

Théorème (Formule de changement de base):

Soient E , F deux espaces vectoriels de dimensions finies, soient B, B 0 deux
bases de E et C, C 0 deux bases de F . Alors pour f ∈ L(E , F ), on a
0
MatB0 ,C 0 (f ) = PCC0 , MatB,C (f )PBB

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 15 / 27

3. Changement de base, similitude, équivalence.

Théorème (Formule de changement de base):

Soient E , F deux espaces vectoriels de dimensions finies, soient B, B 0 deux
bases de E et C, C 0 deux bases de F . Alors pour f ∈ L(E , F ), on a
0
MatB0 ,C 0 (f ) = PCC0 , MatB,C (f )PBB

Corollaire (Formule de changement de base pour les endomorphismes)

:
Soit E un espace vectoriel de dimension finie, B et B 0 deux bases de E .
Alors pour f ∈ L(E ),
0
MatB0 (f ) = PBB0 , MatB (f )PBB
 0 −1 0
= PBB MatB (f )PBB

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 15 / 27

3. Changement de base, similitude, équivalence.

Exemple :
Soit f l’endomorphisme de R2 [X ] défini par f (P) = P + P 0 , on pose Bcan
la base canonique de R2 [X ] et B = (1, X − 1, X 2 + 1) donner
PBBcan et MatBcan (f ) et PBBcan et déduire MatB (f )

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 16 / 27

3. Changement de base, similitude, équivalence.

Exemple :
Soit f l’endomorphisme de R2 [X ] défini par f (P) = P + P 0 , on pose Bcan
la base canonique de R2 [X ] et B = (1, X − 1, X 2 + 1) donner
PBBcan et MatBcan (f ) et PBBcan et déduire MatB (f )

Théorème (Changement de bases et matrice Jr )

Soient E et F deux K -ev de dimensions respectives p et n et u ∈ L(E , F )
de rang r . Alors pour une certaine base B de E et une certaine base C de
 = Jr , où Jr est la matrice de taille n × p suivante :
F : Mat B,C (u)
Ir 0
Jr = .
0 0

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 16 / 27

3. Changement de base, similitude, équivalence.

Exemple :
Soit f l’endomorphisme de R2 [X ] défini par f (P) = P + P 0 , on pose Bcan
la base canonique de R2 [X ] et B = (1, X − 1, X 2 + 1) donner
PBBcan et MatBcan (f ) et PBBcan et déduire MatB (f )

Théorème (Changement de bases et matrice Jr )

Soient E et F deux K -ev de dimensions respectives p et n et u ∈ L(E , F )
de rang r . Alors pour une certaine base B de E et une certaine base C de
 = Jr , où Jr est la matrice de taille n × p suivante :
F : Mat B,C (u)
Ir 0
Jr = .
0 0

Remarque
Sous les mêmes notations que le théorème rg(u) = r

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 16 / 27

4. Matrices équivalentes
Définition
On dit que deux matrices A, B ∈ Mn,p (K) sont équivalentes si il existe
P ∈ GLn (K), Q ∈ GLp (K) telles que A = P −1 BQ (ou A = PBQ).

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 17 / 27

4. Matrices équivalentes
Définition
On dit que deux matrices A, B ∈ Mn,p (K) sont équivalentes si il existe
P ∈ GLn (K), Q ∈ GLp (K) telles que A = P −1 BQ (ou A = PBQ).

Exemple fondamental
Soient E 6= {0E } et F 6= {0F } deux K -espaces vectoriels de dimension
finie, B et B 0 deux bases de E , C et C 0 deux bases de F et u ∈ L(E , F ). La
matrice Mat B0 ,C 0 (u) est équivalente à la matrice Mat B,G (u).

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 17 / 27

4. Matrices équivalentes
Définition
On dit que deux matrices A, B ∈ Mn,p (K) sont équivalentes si il existe
P ∈ GLn (K), Q ∈ GLp (K) telles que A = P −1 BQ (ou A = PBQ).

Exemple fondamental
Soient E 6= {0E } et F 6= {0F } deux K -espaces vectoriels de dimension
finie, B et B 0 deux bases de E , C et C 0 deux bases de F et u ∈ L(E , F ). La
matrice Mat B0 ,C 0 (u) est équivalente à la matrice Mat B,G (u).
Théorème (Propriétés de la relation d’équivalence)
1 Relation d’équivalence : La relation d’équivalence sur Mn,p (K) est
une... relation d’équivalence !
2 Caractérisation par le rang : Deux matrices de Mn,p (K) sont
équivalentes si et seulement si elles ont le même rang. Cela revient
aussi à dire que toute matrice de Mn,p (K) de rang r est équivalente
à Jr .
[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 17 / 27
4. Matrices équivalentes

Corollaire
Soit A ∈ Mn,p (K). Alors rg(A) = rg (t A).

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 18 / 27

4. Matrices équivalentes

Corollaire
Soit A ∈ Mn,p (K). Alors rg(A) = rg (t A).

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 18 / 27

5. Matrices semblables, trace d’un endomorphisme

Définition (Matrices semblables)

Soient A, B ∈ Mn (K). On dit que B est semblable à A(sur K) s’il existe
une matrice P ∈ GLn (K) inversible pour laquelle: B = P −1 AP

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 19 / 27

5. Matrices semblables, trace d’un endomorphisme

Définition (Matrices semblables)

Soient A, B ∈ Mn (K). On dit que B est semblable à A(sur K) s’il existe
une matrice P ∈ GLn (K) inversible pour laquelle: B = P −1 AP

Exemple fondamental :
Soient E un K -espace vectoriel de dimension finie, u ∈ L(E ) et B et B 0
deux bases de E . Les matrices Mat B (u) et MatB0 (u) sont alors
semblables.

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 19 / 27

5. Matrices semblables, trace d’un endomorphisme

Théorème (Propriétés de la relation de similitude)

1 Relation d’équivalence : La relation de similitude sur Mn (K) est
une relation d’équivalence.
2 Invariance du rang et de la trace par similitude : Deux matrices
semblables de Mn (K) ont même trace et même rang.

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 20 / 27

5. Matrices semblables, trace d’un endomorphisme

Théorème (Propriétés de la relation de similitude)

1 Relation d’équivalence : La relation de similitude sur Mn (K) est
une relation d’équivalence.
2 Invariance du rang et de la trace par similitude : Deux matrices
semblables de Mn (K) ont même trace et même rang.

Attention !!
Deux matrice en la même trace et le même rang ne sont pas forcément
semblable.
Contre exemple :

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 20 / 27

5. Matrices semblables, trace d’un endomorphisme

Théorème (Propriétés de la relation de similitude)

1 Relation d’équivalence : La relation de similitude sur Mn (K) est
une relation d’équivalence.
2 Invariance du rang et de la trace par similitude : Deux matrices
semblables de Mn (K) ont même trace et même rang.

Attention !!
Deux matrice en la même trace et le même rang ne sont pas forcément
semblable.
Contre exemple :

Exemple :    
1 2 3 1 2 3
Les matrices  1 1 3  et  2 2 0  ne sont pas semblables car
2 2 0 1 1 3
elles n’ont pas la même trace.
[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 20 / 27
5. Matrices semblables, trace d’un endomorphisme

Définition-proposition (Trace d’un endomorphisme en dimension finie)

Soit E 6= {0E } un K -espace vectoriel de dimension finie.
Définition : Soit u ∈ L(E ). La trace de la matrice Mat B (u) ne
dépend pas du choix de la base B de E choisie. On l’appelle trace de
u, notée tr(u) ou Tr(u).

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 21 / 27

5. Matrices semblables, trace d’un endomorphisme

Définition-proposition (Trace d’un endomorphisme en dimension finie)

Soit E 6= {0E } un K -espace vectoriel de dimension finie.
Définition : Soit u ∈ L(E ). La trace de la matrice Mat B (u) ne
dépend pas du choix de la base B de E choisie. On l’appelle trace de
u, notée tr(u) ou Tr(u).
Linéarité : Pour tous u, v ∈ L(E ) et
λ, µ ∈ K : tr(λu + µv ) = λ tr(u) + µ tr(v ).

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 21 / 27

5. Matrices semblables, trace d’un endomorphisme

Définition-proposition (Trace d’un endomorphisme en dimension finie)

Soit E 6= {0E } un K -espace vectoriel de dimension finie.
Définition : Soit u ∈ L(E ). La trace de la matrice Mat B (u) ne
dépend pas du choix de la base B de E choisie. On l’appelle trace de
u, notée tr(u) ou Tr(u).
Linéarité : Pour tous u, v ∈ L(E ) et
λ, µ ∈ K : tr(λu + µv ) = λ tr(u) + µ tr(v ).
Effet sur une composée : Pour tous
u, v ∈ L(E ) : tr(u ◦ v ) = tr(v ◦ u).

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 21 / 27

5. Matrices semblables, trace d’un endomorphisme

Définition-proposition (Trace d’un endomorphisme en dimension finie)

Soit E 6= {0E } un K -espace vectoriel de dimension finie.
Définition : Soit u ∈ L(E ). La trace de la matrice Mat B (u) ne
dépend pas du choix de la base B de E choisie. On l’appelle trace de
u, notée tr(u) ou Tr(u).
Linéarité : Pour tous u, v ∈ L(E ) et
λ, µ ∈ K : tr(λu + µv ) = λ tr(u) + µ tr(v ).
Effet sur une composée : Pour tous
u, v ∈ L(E ) : tr(u ◦ v ) = tr(v ◦ u).

Exemple : Soient E un K -ev de dimension finie et p un projecteur de E .

Alors: tr(p) = rg(p).

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 21 / 27

6. Calcul pratique du rang d’une matrice.
6.1 Caractérisation du rang par les matrices carrées extraites.
Définition-théorème (Matrices extraites)
Soient A ∈ Mn,p (K).
1 Définition: On appelle matrice extraite de A toute matrice de la
forme  
ai1 j1 · · · ai1 jp0
 .. .. 
 . . 
ain0 j1 · · · ain0 jp0
où i1 , . . . , in0 , j1 , . . . , jp0 sont tels que : 1 6 i1 < . . . < in0 6 n et
1 6 j1 < . . . < jp0 6 p.

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 22 / 27

6. Calcul pratique du rang d’une matrice.
6.1 Caractérisation du rang par les matrices carrées extraites.
Définition-théorème (Matrices extraites)
Soient A ∈ Mn,p (K).
1 Définition: On appelle matrice extraite de A toute matrice de la
forme  
ai1 j1 · · · ai1 jp0
 .. .. 
 . . 
ain0 j1 · · · ain0 jp0
où i1 , . . . , in0 , j1 , . . . , jp0 sont tels que : 1 6 i1 < . . . < in0 6 n et
1 6 j1 < . . . < jp0 6 p.
2 Rang d’une matrice extraite : Pour toute matrice B extraite de A
rg(B) 6 rg(A).

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 22 / 27

6. Calcul pratique du rang d’une matrice.
6.1 Caractérisation du rang par les matrices carrées extraites.
Définition-théorème (Matrices extraites)
Soient A ∈ Mn,p (K).
1 Définition: On appelle matrice extraite de A toute matrice de la
forme  
ai1 j1 · · · ai1 jp0
 .. .. 
 . . 
ain0 j1 · · · ain0 jp0
où i1 , . . . , in0 , j1 , . . . , jp0 sont tels que : 1 6 i1 < . . . < in0 6 n et
1 6 j1 < . . . < jp0 6 p.
2 Rang d’une matrice extraite : Pour toute matrice B extraite de A
rg(B) 6 rg(A).
3 Caractérisation du rang par les matrices carrées extraites : Le
rang de A est la taille maximale des matrices inversibles qu’on peut
extraire de A.
[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 22 / 27
6. Calcul pratique du rang d’une matrice.

Exemple :
 
  1 4 7 10
4 10
La matrice est extraite de  2 5 8 11  − on a
5 11
3 6 9 12
retenu les lignes 1 et 2 et les colonnes 2 et 4.
 
1 1 2 0  
 2 3 1 0  3 1 0
rg   0 3 1  est
 1 0 3 1  > 3 car la matrice extraite

0 0 2
3 0 0 2
inversible − pourquoi, d’ailleurs ?

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 23 / 27

6. Calcul pratique du rang d’une matrice.

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 24 / 27

6. Calcul pratique du rang d’une matrice.

Proposition.
Réaliser des opérations sur les lignes (resp. colonnes) d’une matrice ne
change pas son rang.

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 24 / 27

6. Calcul pratique du rang d’une matrice.

Proposition.
Réaliser des opérations sur les lignes (resp. colonnes) d’une matrice ne
change pas son rang.

THéorème (formulation matricielle de l’algorithme de GAUSS

JORDAN)
pour toute matrice M ∈ Mn,p (K), il existe une matrice échelonnée réduite
par lignes E ∈ Mn,p (K), uniquement déterminée, et une suite finie de
matrices élémentaires P1 , . . . , PN dans Mn (K) telles que E = PN · · · P1 M

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 24 / 27

6. Calcul pratique du rang d’une matrice.

Théorème
Le rang d’une matrice est le nombre de pivot après échelonnement.

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 25 / 27

7. Retour sur les système linéaire.

7.1 Image et noyau d’une matrice

Définition
Soit A ∈ Mn,p (K). On appelle alors
noyau de A l’ensemble Ker A = {X ∈ Mp,1 (K) | AX = 0}
image de A l’ensemble Im A = {AX , X ∈ Mp,1 (K)} ⊂ Mn,1 (K)

Proposition (Théorème du rang matriciel) :

Soit A ∈ Mn,p (K). Alors dim Ker A + rg A = p

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 26 / 27

7. Retour sur les système linéaire.

7.2 Systèmes linéaires

Rappelons qu’un système linéaire de n équations à p inconnues peut
s’écrire matriciellement sous la forme AX = B, avec
A ∈ Mn,p (K), X ∈ Mp,1 (K) l’inconnue, et B ∈ Mn,1 (K) le vecteur
colonne des seconds membres.

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 27 / 27

7. Retour sur les système linéaire.

7.2 Systèmes linéaires

Rappelons qu’un système linéaire de n équations à p inconnues peut
s’écrire matriciellement sous la forme AX = B, avec
A ∈ Mn,p (K), X ∈ Mp,1 (K) l’inconnue, et B ∈ Mn,1 (K) le vecteur
colonne des seconds membres.
Proposition
L’ensemble des solutions d’un système homogène AX = 0 est un
sous-espace vectoriel de Mp,1 (K), de dimension p − rg(A).

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 27 / 27

7. Retour sur les système linéaire.

7.2 Systèmes linéaires

Rappelons qu’un système linéaire de n équations à p inconnues peut
s’écrire matriciellement sous la forme AX = B, avec
A ∈ Mn,p (K), X ∈ Mp,1 (K) l’inconnue, et B ∈ Mn,1 (K) le vecteur
colonne des seconds membres.
Proposition
L’ensemble des solutions d’un système homogène AX = 0 est un
sous-espace vectoriel de Mp,1 (K), de dimension p − rg(A).

Définition -Proposition
Un système est dite de Cramer s’il possède une unique solution.

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 27 / 27

7. Retour sur les système linéaire.

7.2 Systèmes linéaires

Rappelons qu’un système linéaire de n équations à p inconnues peut
s’écrire matriciellement sous la forme AX = B, avec
A ∈ Mn,p (K), X ∈ Mp,1 (K) l’inconnue, et B ∈ Mn,1 (K) le vecteur
colonne des seconds membres.
Proposition
L’ensemble des solutions d’un système homogène AX = 0 est un
sous-espace vectoriel de Mp,1 (K), de dimension p − rg(A).

Définition -Proposition
Un système est dite de Cramer s’il possède une unique solution.
Soit A ∈ Mn (K), et soit B ∈ Mn,1 (K). Alors AX = B est un système
de Cramer si et seulement si A est inversible.

[Link] (LM6E) REPRÉSENTATION MATRICIELLE DES APPLICATIONS LINÉAIRES2024 27 / 27