You are on page 1of 9

Cours de Mathématiques - ASINSA-1

Les matrices
Frédéric STURM
Pôle de Mathématiques, INSA de Lyon
Année académique 2011-2012
Document téléchargé à l’URL suivante :
http://maths.insa-lyon.fr/~sturm/
Pour plus de compléments, voir les deux ouvrages suivants parus
aux Presses Polytechniques et Universitaires Romandes (PPUR)
dans la collection METIS LyonTech :
www.ppur.org
Algèbre et analyse, 2e édition revue et augmentée, Cours de
mathématiques de première année avec exercices corrigés,
S. Balac, F. Sturm, 1110 pages, paru en 2009.
Exercices d’algèbre et d’analyse, 154 exercices corrigés de
première année, S. Balac, F. Sturm, 448 pages, paru en 2011.
Les matrices 3
Plan du cours
1 Calcul matriciel
2 Matrices et applications linéaires
3 Rang d’une matrice
4 Matrices carrées inversibles
5 Matrices de passages
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 4
Définition d’une matrice
Soient n 1 et p 1 deux entiers.
Définition 1.1
Une matrice A de type (n, p) sur K est un tableau à n ligne(s)
et p colonne(s) constitué d’éléments appartenant au corps K :
A =
_
_
_
_
_
a
11
a
12
· · · a
1p
a
21
a
22
· · · a
2p
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
· · · a
np
_
_
_
_
_
.
On la note aussi : A
not.
= (a
ij
)
1i n, 1j p
et on écrit :
A ∈ M
n,p
(K).
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 5
Remarque
Au lieu de « A est une matrice de type (n, p) », on dit
parfois « A est une matrice n ×p ».
On appelle rangée de A toute ligne ou toute colonne de la
matrice A.
L’élément a
ij
∈ K s’appelle un terme (ou un coefficient) de
la matrice A.
colonne j

ligne i →
_
_
_
_
.
.
.
· · · a
ij
· · · · · ·
.
.
.
_
_
_
_
. ¸¸ .
p colonnes
_
¸
¸
_
¸
¸
_
n lignes
On dit que deux matrices A et B du même type (n, p) sont
égales, et on note A = B, si leurs coefficients sont égaux.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 6
Cas particuliers
Soit A une matrice de type (n, p) sur K.
Si n = p alors A est dite carrée d’ordre n et on note :
A ∈ M
n
(K). Par exemple,
_ √
2 2i
3 −i
_
∈ M
2
(C).
Si p = 1 alors on dit que A est une matrice-colonne et on
note : A ∈ M
n,1
(K). Par exemple,
_ √
2
−1
_
∈ M
2,1
(R).
Si n = 1 alors on dit que A est une matrice-ligne et on
note : A ∈ M
1,p
(K). Par exemple,
_
−2
1
2
3
_
∈ M
1,3
(R).
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 7
Soit A = (a
ij
)
1i ,j n
une matrice carrée d’ordre n. On dit
que A est diagonale si
A =
_
_
_
_
_
_
a
11
0 · · · 0
0 a
22
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 0
0 · · · 0 a
nn
_
_
_
_
_
_
.
On note alors : A = diag (a
11
, a
22
, . . . , a
nn
).
On appelle matrice identité d’ordre n la matrice carrée
d’ordre n définie par
I
n
déf.
=
_
_
_
_
_
_
1 0 · · · 0
0 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 0
0 · · · 0 1
_
_
_
_
_
_
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 8
On désigne par 0
n,p
la matrice de type (n, p) dont les
coefficients sont tous nuls. Autrement dit,
0
n,p
déf.
=
_
_
_
_
_
0 0 · · · 0
0 0 · · · 0
.
.
.
.
.
.
.
.
.
.
.
.
0 0 · · · 0
_
_
_
_
_
. ¸¸ .
p colonnes
_
¸
¸
_
¸
¸
_
n lignes
Le mot « matrice » a été introduit par James
Sylvester (1814, Londres - 1897, Londres).
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 9
Addition sur M
n,p
(K)
Définition 1.2
Soient A, B deux matrices de type (n, p) sur K :
A = (a
ij
)
1i n, 1j p
, B = (b
ij
)
1i n, 1j p
.
On appelle somme de A et B la matrice de type (n, p) sur K
définie par
A + B
déf.
=
_
a
ij
+
K
b
ij
_
1i n, 1j p
.
Les opérations algébriques que nous allons
définir sur l’ensemble des matrices sont
dues à Arthur Cayley (1821, Richmond -
1895, Cambridge).
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 10
Structure de groupe commutatif sur M
n,p
(K)
On vérifie les points suivants :
• Pour tous A, B, C dans M
n,p
(K), A+ (B+C) = (A+B) +C.
• Pour tout A ∈ M
n,p
(K), A + 0
n,p
= 0
n,p
+ A = A.
• Toute matrice A ∈ M
n,p
(K) admet un opposé qui est la
matrice −A
déf.
= (−a
ij
)
1i n, 1j p
. En effet, pour tout
A ∈ M
n,p
(K),
A + (−A) = (−A) + A = 0
n,p
.
• Pour tous A, B dans M
n,p
(K), A + B = B + A.
On dit alors que l’ensemble structuré (M
n,p
(K), +) possède une
structure de groupe commutatif.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 11
Multiplication par un scalaire
Définition 1.3
Soient A = (a
ij
)
1i n, 1j p
une matrice de type (n, p) sur K et
α ∈ K. On appelle produit de A par α la matrice de type (n, p)
sur K définie par
α · A
déf.
=
_
α×
K
a
ij
_
1i n, 1j p
.
Exemple 1.1
A =
_
_
2 1 0
−3 −1 1
1 0 −1
_
_
, d’où 3 · A =
_
_
6 3 0
−9 −3 3
3 0 −3
_
_
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 12
Structure de K-espace vectoriel sur M
n,p
(K)
Rappelons que M
n,p
(K) muni de l’addition (+) est un groupe
commutatif. De plus, la multiplication par un scalaire possède
les propriétés suivantes :
• Pour tout α ∈ K et pour tous A, B dans M
n,p
(K),
α · (A + B) = α · A + α · B.
• Pour tout (α, β) ∈ K
2
et pour tout A ∈ M
n,p
(K),
_
(α+
K
β) · A = α · A + β · A,
α · (β · A) = (α×
K
β) · A.
• Pour tout A ∈ M
n,p
(K), 1
K
· A = A.
Ainsi, M
n,p
(K) possède une structure de K-espace vectoriel.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 13
Multiplication de matrices
Définition 1.4
Considérons
A = (a
ij
)
1i n, 1j p
une matrice de type (n, p) sur K,
B = (b
ij
)
1i p, 1j q
une matrice de type (p, q) sur K.
On appelle produit de A et B la matrice de type (n, q) sur K
définie par A ×B =
_
c
ij
_
1i n, 1j q
avec
c
ij
déf.
=
p

k=1
a
ik
b
kj
pour tout i ∈ {1, 2, . . . , n} et tout j ∈ {1, 2, . . . , q}. On note aussi
AB au lieu de A ×B.
Règle des « dominos » : matrice (n, p) ×matrice (p, q) = matrice (n, q)
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 14
En pratique, on disposera les matrices A et B comme suit :
j -ième colonne de B

p lignes
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
_
_
_
_
_
_
b1j
.
.
. b2j
.
.
.
.
.
.
bpj
_
_
_
_
_
_
i -ième ligne de A →
p colonnes
¸ .. ¸
_
_
· · · · · ·
ai 1 ai 2 · · · aip
· · · · · ·
_
_
_
_
_
_
_
· · ·
.
.
.
p

k=1
aik bkj
.
.
.
· · ·
_
_
_
_
_
Exemple 1.2
_
_
2 i
1 2
−i 3
_
_
_
2 i
i 2
_
=
_
_
3 4i
2 + 2i i + 4
i 7
_
_
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 15
Exemple 1.3
_
1 4 3
_
_
_
2
2
1
_
_
= (13).
Proposition 1.1
1 Si A ∈ M
n,p
(K) et B, C ∈ M
p,q
(K)alors
A ×(B + C) = A ×B + A ×C.
2 Si B, C ∈ M
n,p
(K) et A ∈ M
p,q
(K) alors
(B + C) ×A = B ×A + C ×A.
3 Si A ∈ M
n,p
(K), B ∈ M
p,q
(K) et C ∈ M
q,m
(K) alors
A ×(B ×C) = (A ×B) ×C.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 16
Cas des matrices carrées
Définition 1.5 (Puissance d’une matrice)
Soient A une matrice carrée d’ordre n à coefficients dans K et
k ∈ N

. On appelle puissance k-ième de A la matrice carrée
d’ordre n sur K définie par
A
k
déf.
=
k fois
¸ .. ¸
A ×A ×. . . ×A.
Par convention : A
0
= I
n
.
Proposition 1.2
Soit A une matrice carrée à coefficients dans K.
1 ∀k ∈ N ∀k

∈ N A
k
×A
k

= A
k+k

;
2 ∀k ∈ N ∀k

∈ N
_
A
k
_
k

= A
k×k

;
3 ∀α ∈ K ∀k ∈ N
_
α · A
_
k
= α
k
· A
k
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 17
Exemple 1.4
Considérons la matrice carrée réelle suivante :
A =
_
_
2 1 0
−3 −1 1
1 0 −1
_
_
.
On vérifie facilement que l’on a :
A
0
=
_
_
1 0 0
0 1 0
0 0 1
_
_
, A
1
=
_
_
2 1 0
−3 −1 1
1 0 −1
_
_
,
A
2
=
_
_
1 1 1
−2 −2 −2
1 1 1
_
_
, A
3
=
_
_
0 0 0
0 0 0
0 0 0
_
_
.
Ainsi, A
k
= 0 pour tout entier k 3.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 18
ATTENTION Le calcul de la puissance k-ième d’une
matrice A = (a
ij
)
1i ,j n
d’ordre n ne se résume pas
à élever à la puissance k chacun des termes de la
matrice puisque, en général,
A
k
=
_
_
_
_
_
a
k
11
a
k
12
· · · a
k
1n
a
k
21
a
k
22
· · · a
k
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
k
n1
a
k
n2
· · · a
k
nn
_
_
_
_
_
.
En revanche, le cas des matrices diagonales est fortement
intéressant. En effet, on vérifie par récurrence sur k que si
A = diag(a
11
, a
22
, . . . , a
nn
)
alors
∀k ∈ N A
k
= diag
_
a
k
11
, a
k
22
, . . . , a
k
nn
_
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 19
ATTENTION Si n 2 alors le produit de matrices n’est
pas une opération commutative. Par exemple,
_
0 1
0 0
__
0 0
1 0
_
. ¸¸ .
=


1 0
0 0


=
_
0 0
1 0
__
0 1
0 0
_
. ¸¸ .
=


0 0
0 1


.
Par conséquent, si A et B désignent deux matrices
carrées du même ordre, alors, a priori, les matrices
(A ×B)
2
et A
2
×B
2
ne sont pas égales :
(A×B)
2
= (A×B)×(A×B) = A
2
×B
2
si A×B = B×A
et plus généralement, pour tout entier k 2,
(A ×B)
k
= A
k
×B
k
si A ×B = B ×A.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 20
Définition 1.6 (Matrice nilpotente)
Soit A une matrice d’ordre n sur K.
A est dite nilpotente s’il existe k ∈ N

tel que A
k
= 0
n
.
Si A est nilpotente alors son indice de nilpotence est
l’entier p (non nul) défini par
p
déf.
= min{k ∈ N

| A
k
= 0
n
}.
Exemple 1.5
La matrice carrée
_
_
2 1 0
−3 −1 1
1 0 −1
_
_
est nilpotente. Son indice de nilpotence est 3.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 21
Structure d’anneau sur M
n
(K)
En plus d’être un groupe commutatif pour +, M
n
(K) possède
les propriétés suivantes :
• Pour tous A, B, C dans M
n
(K), A ×(B ×C) = (A ×B) ×C.
• Pour tous A, B, C dans M
n
(K)
_
A ×(B + C) = A ×B + A ×C,
(B + C) ×A = B ×A + C ×A.
• Pour tout A ∈ M
n
(K), I
n
×A = A ×I
n
= A.
En résumé, on dit que
_
M
n
(K), +, ×
_
possède une structure
d’anneau.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 22
Remarque
Rappelons que si n 2, la multiplication n’est pas
commutative sur M
n
(K). Ainsi, (M
n
(K), +, ×) n’est pas un
anneau commutatif lorsque n 2.
Si n 2, le produit de deux matrices non nulles peut être
nul. Par exemple,
_
1 0
0 0
_
. ¸¸ .
= 0
_
0 0
0 1
_
. ¸¸ .
= 0
=
_
0 0
0 0
_
. ¸¸ .
= 0
.
On dit que (M
n
(K), +, ×) n’est pas un anneau intègre
lorsque n 2.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 23
Formule du binôme de Newton
On vérifie facilement :
(A + B)
2
= A×A+A×B+B×A+B×B = A
2
+AB+BA+B
2
.
Si AB = BA alors (A + B)
2
= A
2
+ 2AB + B
2
.
Plus généralement :
Proposition 1.3 (Formule du binôme de Newton)
Soient A, B deux matrices carrées d’ordre n. Si AB = BA alors,
pour tout m ∈ N,
(A + B)
m
=
m

k=0
_
m
k
_
A
k
B
m−k
où, pour tout k ∈ {0, . . . , m},
_
m
k
_
déf.
=
m!
(m−k)! k!
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 24
Transposition de matrices
Définition 1.7
Soit A une matrice de type (n, p) sur K. On appelle matrice
transposée de A et on note A
T
(ou parfois
t
A) la matrice de
type (p, n) sur K obtenue à partir de A en échangeant les
lignes et les colonnes.
Exemple 1.6
Si A =
_
_
2

2
1
2
3i
4

3
_
_
alors A
T
=
_
2
1
2
4

2 3i

3
_
.
Si A est carrée d’ordre n alors A
T
est carrée d’ordre n.
Si A est une matrice-ligne alors A
T
est une
matrice-colonne.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 25
Propriétés
Proposition 1.4
1 Soit A une matrice de M
n,p
(K). Alors
(A
T
)
T
= A.
2 Soient A et B deux matrices de M
n,p
(K) et α ∈ K. Alors
_
(A + B)
T
= A
T
+ B
T
,
(α · A)
T
= α · A
T
.
3 Soient A ∈ M
n,q
(K) et B ∈ M
q,p
(K). Alors
(A ×B)
T
= B
T
×A
T
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 26
Matrices symétriques, antisymétriques
Définition 1.8
Soit A une matrice carrée sur K.
On dit que A est symétrique si A
T
= A.
On dit que A est antisymétrique si A
T
= −A.
Exemple 1.7
_
_
2 + 3i 3 −i
3

2 1
−i 1 0
_
_
est symétrique.
_
_
0 1 −i 0
−1 + i 0 −

3
0

3 0
_
_
est antisymétrique.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 27
Plan du cours
1 Calcul matriciel
2 Matrices et applications linéaires
3 Rang d’une matrice
4 Matrices carrées inversibles
5 Matrices de passages
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 28
On considère :
un K-e.v. E de dim. p muni de la base B
E
= (e
1
, . . . , e
p
) ;
un K-e.v. F de dim. n muni de la base B
F
= (

f
1
, . . . ,

f
n
) ;
une application linéaire ϕ de E dans F.
Rappel : l’application ϕ est entièrement déterminée dès que
l’on connaît les vecteurs ϕ(e
1
), ϕ(e
2
), . . . , ϕ(e
p
).
Conséquence : si on sait comment décomposer ces vecteurs :
_
¸
¸
¸
¸
¸
¸
¸
_
¸
¸
¸
¸
¸
¸
¸
_
ϕ
_
e
1
_
= a
11

f
1
+ a
21

f
2
+ . . . + a
n1

f
n
.
.
.
ϕ
_
e
j
_
= a
1j

f
1
+ a
2j

f
2
+ . . . + a
nj

f
n
.
.
.
ϕ
_
e
p
_
= a
1p

f
1
+ a
2p

f
2
+ . . . + a
np

f
n
alors on peut regrouper les coefficients dans un même tableau.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 29
Matrice associée à une application linéaire
Définition 2.1
On appelle matrice associée à ϕ relativement à B
E
et B
F
et on
note Mat
B
E
,B
F
(ϕ) ou Mat(ϕ, B
E
, B
F
) la matrice de type (n, p) :
Mat
B
E
,B
F
(ϕ)
déf.
=
ϕ(e
1
) · · · ϕ(e
j
) · · · ϕ(e
p
)
_
_
_
_
_
a
11
a
21
.
.
.
a
n1
· · ·
· · ·
.
.
.
· · ·
a
1j
a
2j
.
.
.
a
nj
· · ·
· · ·
.
.
.
· · ·
a
1p
a
2p
.
.
.
a
np
_
_
_
_
_

f
1

f
2
.
.
.

f
n
On dit que Mat
B
E
,B
F
(ϕ) représente ϕ dans les bases B
E
, B
F
.
On a : Mat
B
E
,B
F
(ϕ) ∈ M
n,p
(K). Schématiquement,
(E, B
E
)
Mat
B
E
,B
F
(ϕ)
−−−−−−−−→ (F, B
F
).
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 30
Exemple 2.1
Soient E un K-e.v. muni de la base B
E
= (e
1
, e
2
), F un K-e.v.
muni de la base B
F
= (

f
1
,

f
2
,

f
3
) et ϕ ∈ L
K
(E, F) définie par
_
ϕ
_
e
1
_
= 2

f
1
+ 3

f
2

f
3
,
ϕ
_
e
2
_
=

f
1

f
2
+ 4

f
3
.
La matrice associée à ϕ relativement à B
E
et B
F
s’écrit :
Mat
B
E
,B
F
(ϕ) =
ϕ(e
1
) ϕ(e
2
)
_
_
2
3
−1
1
−1
4
_
_

f
1

f
2

f
3
.
C’est une matrice de type (3, 2) à coefficients dans K. On note :
Mat
B
E
,B
F
(ϕ) ∈ M
3,2
(K).
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 31
Exemple 2.2
Reprenons l’exemple précédent et permutons les deux
vecteurs de la base B
E
. On obtient la nouvelle base
C
E
= (e
2
, e
1
).
La matrice associée à ϕ relativement à C
E
et B
F
s’écrit :
Mat
C
E
,B
F
(ϕ) =
ϕ(e
2
) ϕ(e
1
)
_
_
1
−1
4
2
3
−1
_
_

f
1

f
2

f
3
.
C’est encore une matrice de type (3, 2) sur K. On note :
Mat
C
E
,B
F
(ϕ) ∈ M
3,2
(K).
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 32
Cas particulier des endomorphismes
Si E = F alors on peut choisir B
E
= B
F
not.
= B.
La matrice associée à un endomorphisme ϕ : E −→ F
dans la base B est alors carrée.
On la note alors Mat
B
(ϕ) ou Mat(ϕ, B) au lieu de
Mat
B,B
(ϕ). Schématiquement,
(E, B)
Mat
B
(ϕ)
−−−−−−−−→(E, B).
Si p désigne la dimension de l’espace E alors :
Mat
B
(ϕ) ∈ M
p
(K).
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 33
Exemple 2.3
Soient K
n
[X] muni de B
Kn[X]
= (1, X, X
2
, . . . , X
n
) et
D : P ∈ K
n
[X] −→ P

∈ K
n
[X].
La matrice associée à D relativement à la base B
Kn[X]
s’écrit :
Mat(D, B
Kn[X]
) =
D(1) D(X) D(X
2
) · · · D(X
n
)
_
_
_
_
_
_
_
0
0
.
.
.
0
0
1
0
.
.
.
0
0
0
2
.
.
.
0
0
· · ·
· · ·
.
.
.
.
.
.
· · ·
0
0
.
.
.
n
0
_
_
_
_
_
_
_
1
X
.
.
.
X
n−1
X
n
.
C’est une matrice d’ordre n + 1 : Mat(D, B
Kn[X]
) ∈ M
n+1
(K).
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 34
Exemple 2.4
Soit E un K-espace vectoriel de dimension n muni d’une base
B = (e
1
, e
2
, . . . , e
n
). Écrivons la matrice associée à l’identité
(de E) relativement à B. On a :
Mat
B
(id
E
) =
id
E
(e
1
) id
E
(e
2
) · · · id
E
(e
n
)
_
_
_
_
_
1
0
.
.
.
0
0
1
.
.
.
0
· · ·
· · ·
.
.
.
· · ·
0
0
.
.
.
1
_
_
_
_
_
e
1
e
2
.
.
.
e
n
.
On obtient la matrice identité d’ordre n. Ainsi,
I
n
= Mat
B
(id
E
).
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 35
Écriture matricielle d’une égalité vectorielle
Soient E un K-espace de dimension p muni d’une base B
E
, F
un K-espace de dimension n muni d’une base B
F
et ϕ une
application linéaire de E dans F. Nous nous intéressons ici à
l’égalité vectorielle : y = ϕ(x).
Décomposons x dans B
E
= (e
1
, e
2
, . . . , e
p
) :
x =
p

j =1
x
j
e
j
.
Décomposons son image par ϕ dans B
F
= (

f
1
,

f
2
, . . . ,

f
n
) :
y =
n

i =1
y
i

f
i
.
On cherche à exprimer chacune des coordonnées y
1
, y
2
,. . . , y
n
de y en fonction des coordonnées x
1
, x
2
, . . . , x
p
de x.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 36
Désignons par A = (a
ij
)
1i n, 1j p
la matrice associée à ϕ
relativement à B
E
et B
F
.
Utilisant la définition de la matrice A, on peut écrire :
ϕ(x) = ϕ
_
p

j =1
x
j
e
j
_
=
p

j =1
x
j
ϕ
_
e
j
_
=
p

j =1
_
x
j
_
n

i =1
a
ij

f
i
__
.
Manipulons cette double-sommation :
p

j =1
_
x
j
_
n

i =1
a
ij

f
i
__
=
p

j =1
_
n

i =1
x
j
a
ij

f
i
_
=
n

i =1
_
p

j =1
x
j
a
ij

f
i
_
=
n

i =1
__
p

j =1
a
ij
x
j
_

f
i
_
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 37
Or, y = ϕ(x). On a ainsi obtenu :
n

i =1
y
i

f
i
=
n

i =1
__
p

j =1
a
ij
x
j
_

f
i
_
.
D’où, en identifiant les coordonnées, on obtient :
∀i ∈ {1, 2, . . . , n} y
i
=
p

j =1
a
ij
x
j
c’est-à-dire :
_
¸
¸
¸
_
¸
¸
¸
_
y
1
= a
11
x
1
+ a
12
x
2
+ . . . + a
1p
x
p
y
2
= a
21
x
1
+ a
22
x
2
+ . . . + a
2p
x
p
.
.
.
y
n
= a
n1
x
1
+ a
n2
x
2
+ . . . + a
np
x
p
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 38
Proposition 2.1 (Écriture matricielle d’une égalité vectorielle)
Soient E un K-espace de dimension p de base B
E
, F un
K-espace de dimension n de base B
F
et ϕ une application
linéaire de E dans F. Si A = Mat
B
E
,B
F
(ϕ) alors l’égalité
y = ϕ(x)
s’écrit, relativement à B
E
et B
F
, sous la forme matricielle :
Y = AX
où les matrices-colonnes X et Y sont définies comme suit :
X est constituée des coordonnées x
1
, . . . , x
p
de x dans
B
E
, ce que l’on note X = Mat
B
E
(x)
Y est constituée des coordonnées y
1
, . . . , y
n
de y dans
B
F
, ce que l’on note Y = Mat
B
F
(y).
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 39
Exemple 2.5
Soient E un K-e.v. muni de la base B
E
= (e
1
, e
2
), F un K-e.v.
muni de la base B
F
= (

f
1
,

f
2
,

f
3
) et ϕ ∈ L
K
(E, F) définie par
_
ϕ
_
e
1
_
= 2

f
1
+ 3

f
2

f
3
,
ϕ
_
e
2
_
=

f
1

f
2
+ 4

f
3
.
Alors l’égalité vectorielle y = ϕ(x) s’écrit relativement à B
E
et
B
F
sous la forme matricielle
_
_
y
1
y
2
y
3
_
_
=
_
_
2 1
3 −1
−1 4
_
_
_
x
1
x
2
_

x = x
1
e
1
+ x
2
e
2
et y = y
1

f
1
+ y
2

f
2
+ y
3

f
3
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 40
Application canoniquement associée à une matrice
Proposition 2.2
Soit A ∈ M
n,p
(K). Il existe une unique application linéaire de K
p
dans K
n
admettant A pour matrice associée relativement aux
bases canoniques B
c
K
p et B
c
K
n . C’est l’application suivante :
ϕ
c
: (x
1
, x
2
, . . . , x
p
) ∈ K
p
−→ (y
1
, y
2
, . . . , y
n
) ∈ K
n
avec
_
¸
¸
¸
_
¸
¸
¸
_
y
1
= a
11
x
1
+ a
12
x
2
+ . . . + a
1p
x
p
y
2
= a
21
x
1
+ a
22
x
2
+ . . . + a
2p
x
p
.
.
.
y
n
= a
n1
x
1
+ a
n2
x
2
+ . . . + a
np
x
p
.
L’application ϕ
c
est dite canoniquement associée à A.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 41
En effet, si B
c
K
p = (e
1
, . . . , e
p
) et B
c
K
n = (

f
1
, . . . ,

f
n
) alors
_
¸
¸
¸
¸
_
¸
¸
¸
¸
_
ϕ
c
(e
1
) = (a
11
, a
21
, . . . , a
n1
) = a
11

f
1
+ a
21

f
2
+ . . . + a
n1

f
n
,
ϕ
c
(e
2
) = (a
12
, a
22
, . . . , a
n2
) = a
12

f
1
+ a
22

f
2
+ . . . + a
n2

f
n
,
.
.
.
ϕ
c
(e
p
) = (a
1p
, a
2p
, . . . , a
np
) = a
1p

f
1
+ a
2p

f
2
+ . . . + a
np

f
n
.
La matrice associée à ϕ
c
relativement à B
c
K
p et B
c
K
n s’écrit :
Mat(ϕ
c
, B
c
K
p , B
c
K
n ) =
ϕ
c
(e
1
) ϕ
c
(e
2
) · · · ϕ
c
(e
p
)
_
_
_
_
_
a
11
a
21
.
.
.
a
n1
a
12
a
22
.
.
.
a
n2
· · ·
· · ·
.
.
.
· · ·
a
1p
a
2p
.
.
.
a
np
_
_
_
_
_

f
1

f
2
.
.
.

f
n
.
On reconnaît la matrice A.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 42
Propriétés
Proposition 2.3
Soient E, F deux K-espaces de dimensions finies avec B
E
une
base de E et B
F
une base de F. Si ϕ
1
et ϕ
2
sont des
applications linéaires de E vers F et (α, β) ∈ K
2
alors
Mat
B
E
,B
F
(αϕ
1
+ βϕ
2
) = α · Mat
B
E
,B
F

1
) + β · Mat
B
E
,B
F

2
).
En particulier, si E = F et B
E
= B
F
not.
= B alors :
Corollaire 2.1
Soit E un K-espace de dimension finie muni d’une base B. Si
ϕ
1
et ϕ
2
sont deux endomorphismes de E et (α, β) ∈ K
2
alors
Mat
B
(αϕ
1
+ βϕ
2
) = α · Mat
B

1
) + β · Mat
B

2
).
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 43
Correspondance entre L
K
(E, F) et M
n,p
(K)
Soient E un K-espace de dimension p muni d’une base B
E
et
F un K-espace de dimension n muni d’une base B
F
. Il existe
une bijection entre L
K
(E, F) et M
n,p
(K). C’est l’application :
Mat
B
E
,B
F
: L
K
(E, F) −→ M
n,p
(K)
ϕ −→ Mat
B
E
,B
F
(ϕ)
.
De plus, cette application est linéaire puisque
Mat
B
E
,B
F
(αϕ
1
+ βϕ
2
) = α · Mat
B
E
,B
F

1
) + β · Mat
B
E
,B
F

2
)
pour tous α, β dans K et pour tous ϕ
1
, ϕ
2
dans L
K
(E, F).
C’est donc un isomorphisme de L
K
(E, F) dans M
n,p
(K).
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 44
Propriétés
Proposition 2.4
Soient E, F, G trois K-espaces vectoriels de dimensions finies.
Soient B
E
une base de E, B
F
une base de F et B
G
une base
de G. Si ϕ est une application linéaire de E vers F et ψ une
application linéaire de F vers G alors
Mat
B
E
,B
G
(ψ ◦ ϕ) = Mat
B
F
,B
G
(ψ) ×Mat
B
E
,B
F
(ϕ).
Schématiquement, si
(E, B
E
)
Mat
B
E
,B
F
(ϕ)
−−−−−−−−→ (F, B
F
)
Mat
B
F
,B
G
(ψ)
−−−−−−−−→ (G, B
G
)
alors
(E, B
E
)
Mat
B
E
,B
G
(ψ ◦ ϕ)
−−−−−−−−−−−−→(G, B
G
)
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 45
En particulier, si E = F = G et B
E
= B
F
= B
G
not.
= B alors :
Corollaire 2.2
Soit E un K-espace de dimension finie muni d’une base B. Si ϕ
et ψ sont deux endomorphismes de E alors
Mat
B
(ψ ◦ ϕ) = Mat
B
(ψ) ×Mat
B
(ϕ).
Conséquence : Soient E un K-espace de dimension n muni
d’une base B et ϕ un endomorphisme de E. Si
A = Mat
B
(ϕ)
alors, pour tout k ∈ N,
A ×A. . . ×A
. ¸¸ .
k fois
= Mat
B
(ϕ ◦ ϕ ◦ . . . ◦ ϕ
. ¸¸ .
k fois
).
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 46
Plan du cours
1 Calcul matriciel
2 Matrices et applications linéaires
3 Rang d’une matrice
4 Matrices carrées inversibles
5 Matrices de passages
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 47
Définition
Définition 3.1 (Rang d’une matrice rectangulaire)
Soit A ∈ M
n,p
(K). On appelle rang de A le rang de la famille
des p vecteurs correspondant aux colonnes de A, dans
l’espace vectoriel K
n
. En d’autres termes,
rg A
déf.
= rg
_
c
1
, c
2
, . . . , c
p
_
où c
j
∈ K
n
est le vecteur dont les coordonnées dans la base
canonique sont rangées dans la j -ième colonne de A.
De manière équivalente, si
A =
_
_
| | · · · |
C
1
C
2
· · · C
p
| | · · · |
_
_
alors rg A = rg (C
1
, C
2
, . . . , C
p
).
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 48
Exemple 3.1
Si A =
_
_
2 2
4 0
0 1
_
_
∈ M
3,2
(K) alors rg A = 2.
Proposition 3.1
Soit A une matrice de type (n, p). Alors
1 rg A min{n, p}.
2 rg A = rg A
T
.
Ainsi, pour calculer le rang de A de type (n, p), on peut :
soit calculer le rang des p vecteurs-colonnes C
1
, . . . , C
p
,
soit calculer le rang des n vecteurs-lignes L
1
, . . . , L
n
.
Ce qu’on écrit :
rg A = rg (C
1
, . . . , C
p
) = rg (L
1
, . . . , L
n
) .
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 49
Lien avec le rang d’une application linéaire associée
Proposition 3.2
Considérons :
un K-espace E de dimension finie muni de la base B
E
,
un K-espace F de dimension finie muni de la base B
F
,
une application linéaire ϕ de E dans F.
Soit A une matrice rectangulaire. Si A = Mat
B
E
,B
F
(ϕ) alors
rg A = rg ϕ.
Remarque
Ainsi, le rang de ϕ ne dépend pas du choix des deux bases B
E
et B
F
définissant A.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 50
Plan du cours
1 Calcul matriciel
2 Matrices et applications linéaires
3 Rang d’une matrice
4 Matrices carrées inversibles
5 Matrices de passages
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 51
Définition 4.1 (Matrice inversible)
Une matrice carrée A ∈ M
n
(K) est dite inversible s’il existe une
matrice carrée d’ordre n sur K, notée A
−1
, appelée matrice
inverse de A, telle que
A ×A
−1
= I
n
et A
−1
×A = I
n
.
On note GL
n
(K) l’ensemble des matrices inversibles d’ordre n.
Dire que (a
ij
)
1i ,j n
est inversible signifie qu’il existe n ×n
scalaires a

ij
, 1 i , j n tels que
_
_
_
_
_
a
11
a
12
· · · a
1n
a
21
a
22
· · · a
2n
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
· · · a
nn
_
_
_
_
_
_
_
_
_
_
a

11
a

12
· · · a

1n
a

21
a

22
· · · a

2n
.
.
.
.
.
.
.
.
.
.
.
.
a

n1
a

n2
· · · a

nn
_
_
_
_
_
=
_
_
_
_
_
1 0 · · · 0
0 1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 0
0 · · · 0 1
_
_
_
_
_
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 52
Exemple 4.1
La matrice A =
_
_
1 1 1
0 −1 1
−1 0 1
_
_
est inversible et
A
−1
=
1
3
_
_
1 1 −2
1 −2 1
1 1 1
_
_
.
car on a l’égalité matricielle :
_
_
1 1 1
0 −1 1
−1 0 1
_
_
_
_
1/3 1/3 −2/3
1/3 −2/3 1/3
1/3 1/3 1/3
_
_
=
_
_
1 0 0
0 1 0
0 0 1
_
_
.
La matrice
_
1 1
1 1
_
n’est pas inversible.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 53
Exemple 4.2
Clairement, pour tout n ∈ N

, I
−1
n
= I
n
.
ATTENTION Cela n’a pas de sens de parler de matrice
inversible pour des matrices non carrées.
Le calcul de l’inverse d’une matrice carrée (inversible
bien sûr !) ne se résume pas à inverser chacun des
termes de la matrice.
En revanche, le cas des matrices diagonales est intéressant.
En effet, une matrice diagonale est inversible si, et seulement
si, tous ses coefficients diagonaux sont non nuls. De plus, si
A = diag (a
11
, a
22
, . . . , a
nn
)
avec a
ii
= 0 pour tout i ∈ {1, 2, . . . , n} alors
A
−1
= diag
_
a
−1
11
, a
−1
22
, . . . , a
−1
nn
_
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 54
Propriétés
Proposition 4.1
Soit n un entier naturel non nul.
1 Si A ∈ GL
n
(K) alors A
−1
∈ GL
n
(K) et
(A
−1
)
−1
= A.
2 Si A, B ∈ GL
n
(K) alors A ×B ∈ GL
n
(K) et
(A ×B)
−1
= B
−1
×A
−1
.
3 Si A ∈ GL
n
(K) alors A
T
∈ GL
n
(K) et
_
A
T
_
−1
=
_
A
−1
_
T
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 55
Structure de groupe pour
_
GL
n
(K), ×
_
On vérifie les points suivants :
• Pour tous A, B, C dans GL
n
(K), A×(B ×C) = (A×B) ×C.
• Pour tout A ∈ GL
n
(K), A ×I
n
= I
n
×A = A.
• Toute matrice A ∈ GL
n
(K) admet un inverse qui est la
matrice A
−1
. En effet, pour tout A ∈ GL
n
(K),
A ×A
−1
= A
−1
×A = I
n
.
On dit alors que (GL
n
(K), ×) possède une structure de groupe
(non commutatif).
On l’appelle Groupe Linéaire d’ordre n sur K. D’où les initiales !
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 56
La matrice associée à une application linéaire bijective est-elle
inversible? La réponse est « oui ».
Proposition 4.2
Soient E un K-espace muni d’une base B
E
, F un K-espace
muni d’une base B
F
et ϕ une application linéaire de E dans F.
Supposons dim
K
(E) = dim
K
(F). On a alors la caractérisation :
ϕ est bijective ⇐⇒ Mat
B
E
,B
F
(ϕ) est inversible.
Si ϕ est bijective alors on a le résultat suivant :
_
Mat
B
E
,B
F
(ϕ)
_
−1
= Mat
B
F
,B
E

−1
).
Schématiquement, on retiendra :
(E, B
E
)
Mat
B
E
,B
F
(ϕ)
−−−−−−−−−−−−→
←−−−−−−−−−−−−
Mat
B
F
,B
E

−1
)
(F, B
F
)
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 57
Rappel : si ϕ est un endomorphisme de E alors
ϕ est bijective ⇐⇒ rg ϕ = dim
K
(E).
On a un résultat semblable pour les matrices :
Proposition 4.3
Soit A une matrice carrée d’ordre n. On a la caractérisation :
A est inversible ⇐⇒ rg A = n.
Exemple 4.3
A =
_
_
1 1 1
0 −1 1
−1 0 1
_
_
est inversible car rg A = 3.
B =
_
1 1
1 1
_
n’est pas inversible car rg B = 1.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 58
Plan du cours
1 Calcul matriciel
2 Matrices et applications linéaires
3 Rang d’une matrice
4 Matrices carrées inversibles
5 Matrices de passages
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 59
Motivation
Considérons l’endomorphisme ϕ : x ∈ R
3
−→ y ∈ R
3
avec
x = (x
1
, x
2
, x
3
) et y = (y
1
, y
2
, y
3
) et
_
_
_
y
1
= 2x
1
+ x
2
+ x
3
y
2
= x
1
+ 2x
2
+ x
3
y
3
= x
1
+ x
2
+ 2x
3
.
On peut choisir de représenter l’endomorphisme ϕ relativement
à chacune des bases suivantes :
• B
R
3 = (e
1
, e
2
, e
3
) avec
e
1
= (1, 0, 0), e
2
= (0, 1, 0), e
3
= (0, 0, 1).
• C
R
3 = ( u
1
, u
2
, u
3
) avec
u
1
= (1, 0, −1), u
2
= (1, −1, 0), u
3
= (1, 1, 1).
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 60
On a alors les deux représentations matricielles suivantes :
• relativement à la base B
R
3 :
Mat
B
R
3
(ϕ) =
ϕ(e
1
) ϕ(e
2
) ϕ(e
3
)
_
_
2
1
1
1
2
1
1
1
2
_
_
e
1
e
2
e
3
• relativement à la base C
R
3 :
Mat
C
R
3
(ϕ) =
ϕ( u
1
) ϕ( u
2
) ϕ( u
3
)
_
_
1
0
0
0
1
0
0
0
4
_
_
u
1
u
2
u
3
Nous allons montrer qu’il existe en fait une relation matricielle
entre les deux matrices Mat
B
R
3
(ϕ) et Mat
C
R
3
(ϕ) associées à ϕ.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 61
Définition d’une matrice de passage
Soit E un K-espace de dimension n muni des deux bases :
B
E
= (e
1
, e
2
, . . . , e
n
) (qualifiée d’« ancienne base »)
C
E
= ( u
1
, u
2
, . . . , u
n
) (qualifiée de « nouvelle base »).
Décomposons à présent chacun des vecteurs u
1
, . . . , u
n
dans
la base B
E
:
_
¸
¸
¸
_
¸
¸
¸
_
u
1
= p
11
e
1
+ p
21
e
2
+ . . . + p
n1
e
n
u
2
= p
12
e
1
+ p
22
e
2
+ . . . + p
n2
e
n
.
.
.
u
n
= p
1n
e
1
+ p
2n
e
2
+ . . . + p
nn
e
n
Ranger les coefficients dans un tableau revient à définir la
matrice de passage de B
E
à C
E
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 62
Définition 5.1 (Matrice de passage)
Soient E un K-espace vectoriel de dimension n et B
E
, C
E
deux
bases de E. On appelle matrice de passage de B
E
à C
E
la
matrice carrée P d’ordre n dont la j -ième colonne est formée
des coordonnées dans B
E
du j -ième vecteur de C
E
:
P =
u
1
u
2
· · · u
n
_
_
_
_
_
p
11
p
21
.
.
.
p
n1
p
12
p
22
.
.
.
p
n2
· · ·
· · ·
.
.
.
· · ·
p
1n
p
2n
.
.
.
p
nn
_
_
_
_
_
e
1
e
2
.
.
.
e
n
.
Ainsi, dire que P = (p
ij
)
1i ,j n
est la matrice de passage de
B
E
= (e
1
, . . . , e
n
) à C
E
= ( u
1
, . . . , u
n
) signifie que :
∀j ∈ {1, 2, . . . , n} u
j
=
n

i =1
p
ij
e
i
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 63
Exemple 5.1
On munit l’espace R
3
des bases
B
R
3 = (e
1
, e
2
, e
3
) avec e
1
= (1, 0, 0), e
2
= (0, 1, 0),
e
3
= (0, 0, 1).
C
R
3 = ( u
1
, u
2
, u
3
) avec u
1
= (1, 0, −1), u
2
= (1, −1, 0),
u
3
= (1, 1, 1).
On a immédiatement :
u
1
= e
1
−e
3
, u
2
= e
1
−e
2
, u
3
= e
1
+e
2
+e
3
.
Alors la matrice P de passage de B
R
3 à C
R
3 est
P =
u
1
u
2
u
3
_
_
1
0
−1
1
−1
0
1
1
1
_
_
e
1
e
2
e
3
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 64
Propriétés des matrices de passage
Remarque
Si P est une matrice de passage alors P est inversible.
Réciproquement, toute matrice inversible peut s’interpréter
comme une matrice de passage. Cela nous sera très utile pour
déterminer l’inverse d’une matrice (voir en TD).
Connaissant la matrice de passage de B
E
à C
E
, pouvons-nous
en déduire la matrice de passage de C
E
à B
E
? La réponse est
« oui ». En effet, on a :
Proposition 5.1
Soient E un K-espace de dimension n muni des bases B
E
et
C
E
. Soit P une matrice inversible d’ordre n. Si P est la matrice
de passage de B
E
à C
E
alors son inverse, la matrice P
−1
, est la
matrice de passage de C
E
à B
E
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 65
Exemple 5.2
Reprenons l’exemple de R
3
muni de la base canonique
B
R
3 = (e
1
, e
2
, e
3
) et de la base C
R
3 = ( u
1
, u
2
, u
3
) avec
_
_
_
u
1
= e
1
−e
3
u
2
= e
1
−e
2
u
3
= e
1
+e
2
+e
3
.
La matrice de passage de C
R
3 à B
R
3 est :
Q=
1
3
e
1
e
2
e
3
_
_
1
1
1
1
−2
1
−2
1
1
_
_
u
1
u
2
u
3
car
_
¸
¸
_
¸
¸
_
e
1
=
1
3
( u
1
+ u
2
+ u
3
)
e
2
=
1
3
( u
1
−2 u
2
+ u
3
)
e
3
=
1
3
(−2 u
1
+ u
2
+ u
3
)
On vérifie que Q est bien l’inverse de P (c’est-à-dire : Q = P
−1
).
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 66
Changement de bases pour un vecteur
Soient E un K-espace de dimension n et x un vecteur de E.
Décomposons x par rapport aux deux bases B
E
et C
E
.
Dans l’« ancienne base » B
E
= (e
1
, . . . , e
n
),
x =
n

i =1
x
i
e
i
avec x
1
, . . . , x
n
qualifiées d’« anciennes coordonnées ».
Dans la « nouvelle base » C
E
= ( u
1
, . . . , u
n
),
x =
n

j =1
x

j
u
j
avec x

1
, . . . , x

n
qualifiées de « nouvelles coordonnées ».
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 67
On cherche les relations liant « anciennes » et « nouvelles »
coordonnées du vecteur x.
Utilisant la définition de la matrice P, on peut écrire :
n

j =1
x

j
u
j
=
n

j =1
_
x

j
_
n

i =1
p
ij
e
i
__
.
Manipulons cette double-sommation :
n

j =1
_
x

j
_
n

i =1
p
ij
e
i
__
=
n

j =1
_
n

i =1
x

j
p
ij
e
i
_
=
n

i =1
_
n

j =1
p
ij
x

j
e
i
_
=
n

i =1
__
n

j =1
p
ij
x

j
_
e
i
_
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 68
On a ainsi obtenu :
n

i =1
x
i
e
i
=
n

i =1
__
n

j =1
p
ij
x

j
_
e
i
_
.
D’où, en identifiant les coordonnées, on obtient :
∀i ∈ {1, 2, . . . , n} x
i
=
n

j =1
p
ij
x

j
c’est-à-dire :
_
¸
¸
¸
_
¸
¸
¸
_
x
1
= p
11
x

1
+ p
12
x

2
+ . . . + p
1n
x

n
x
2
= p
21
x

1
+ p
22
x

2
+ . . . + p
2n
x

n
.
.
.
x
n
= p
n1
x

1
+ p
n2
x

2
+ . . . + p
nn
x

n
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 69
Autrement dit, on a obtenu :
_
_
_
_
_
x
1
x
2
.
.
.
x
n
_
_
_
_
_
=
_
_
_
_
_
p
11
p
12
· · · p
1n
p
21
p
22
· · · p
2n
.
.
.
.
.
.
.
.
.
.
.
.
p
n1
p
n2
· · · p
nn
_
_
_
_
_
_
_
_
_
_
x

1
x

2
.
.
.
x

n
_
_
_
_
_
.
Proposition 5.2
Soit E un K-espace muni des bases B
E
et C
E
. Si P est la
matrice de passage de B
E
à C
E
alors
X = PX

où les matrices-colonnes X et X

sont définies comme suit :
X est constituée des coordonnées de x dans B
E
,
X

est constituée des coordonnées de x dans C
E
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 70
ATTENTION Pour exprimer les « nouvelles coordon-
nées » du vecteur x en fonction de ses « anciennes
coordonnées », il suffit de multiplier l’égalité matricielle
X = PX

par la matrice P
−1
.
En effet, on a :
X = PX

⇐⇒ P
−1
X = P
−1
PX

.
Puisque P
−1
P = I
n
, on obtient :
X

= P
−1
X.
Mais cela nécessite le calcul de P
−1
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 71
Exemple 5.3
Reprenons l’exemple précédent avec x = (3, 6, 9). On a :
x = 3e
1
+ 6e
2
+ 9e
3
= x

1
u
1
+ x

2
u
2
+ x

3
u
3
.
On a donc :
_
_
3
6
9
_
_
=
_
_
1 1 1
0 −1 1
−1 0 1
_
_
_
_
x

1
x

2
x

3
_
_
ou encore, de manière équivalente :
1
3
_
_
1 1 −2
1 −2 1
1 1 1
_
_
_
_
3
6
9
_
_
=
_
_
x

1
x

2
x

3
_
_
.
D’où x

1
= −3, x

2
= 0 et x

3
= 6, c’est-à-dire : x = −3 u
1
+ 6 u
3
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 72
Changement de bases pour une application linéaire
Considérons deux K-espaces vectoriels E et F.
Supposons l’espace E de dimension p. Munissons-le des
bases B
E
et C
E
. Soit x ∈ E. Alors
X = PX

avec P ∈ GL
p
(K),
avec X et X

les matrices-colonnes des coordonnées de x
dans B
E
et C
E
, et P la matrice de passage de B
E
à C
E
.
Supposons l’espace F de dimension n. Munissons-le des
bases B
F
et C
F
. Soit y ∈ F. Alors
Y = QY

avec Q ∈ GL
n
(K),
avec Y et Y

les matrices-colonnes des coordonnées de y
dans B
F
et C
F
, et Q la matrice de passage de B
F
à C
F
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 73
Considérons à présent une application linéaire ϕ de E dans F.
Désignons par A la matrice associée à ϕ relativement aux
« anciennes bases » B
E
et B
F
. On a : A ∈ M
n,p
(K).
L’égalité y = ϕ(x) s’écrit alors sous la forme matricielle :
Y = AX.
Désignons par B la matrice associée à ϕ relativement aux
« nouvelles bases » C
E
et C
F
. On a : B ∈ M
n,p
(K). L’égalité
y = ϕ(x) s’écrit alors sous la forme matricielle :
Y

= BX

.
On cherche une relation liant les deux matrices A et B.
On a : Y = AX ⇐⇒ Q
−1
Y = Q
−1
AX ⇐⇒ Y

= Q
−1
APX

.
Or, Y

= BX

. D’où, par identification, B = Q
−1
AP.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 74
Théorème 5.1
Considérons :
un K-espace E muni des bases B
E
et C
E
,
un K-espace F muni des bases B
F
et C
F
,
une application linéaire ϕ de E dans F.
Alors les deux matrices rectangulaires A = Mat
B
E
,B
F
(ϕ) et
B = Mat
C
E
,C
F
(ϕ) satisfont l’égalité matricielle suivante :
B = Q
−1
AP
où P est la matrice de passage de B
E
à C
E
et Q est la matrice
de passage de B
F
à C
F
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 75
Cas particulier des endomorphismes
Si E = F alors on peut choisir B
E
= B
F
not.
= B et C
E
= C
F
not.
= C.
Corollaire 5.1
Considérons un K-espace E muni des bases B et C et un
endomorphisme ϕ de E. Alors les deux matrices carrées
A = Mat
B
(ϕ) et B = Mat
C
(ϕ) vérifient l’égalité matricielle :
B = P
−1
AP
où P désigne la matrice de passage de B à C.
Exemple 5.4
Reprenons l’exemple précédent. On a :
_
_
1 0 0
0 1 0
0 0 4
_
_
=
1
3
_
_
1 1 −2
1 −2 1
1 1 1
_
_
_
_
2 1 1
1 2 1
1 1 2
_
_
_
_
1 1 1
0 −1 1
−1 0 1
_
_
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Les matrices 76
Définition 5.2 (Matrices équivalentes et matrices semblables)
Deux matrices rectangulaires A et B de même type (n, p)
sont dites équivalentes si
∃P ∈ GL
p
(K) ∃Q ∈ GL
n
(K) B = Q
−1
AP.
Deux matrices carrées A et B de même ordre p sont dites
semblables si
∃P ∈ GL
p
(K) B = P
−1
AP.
Exemple 5.5
Les deux matrices suivantes sont semblables :
_
_
1 0 0
0 1 0
0 0 4
_
_
et
_
_
2 1 1
1 2 1
1 1 2
_
_
.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA