Vous êtes sur la page 1sur 14

CHAPITRE 4

MATRICES ET APPLICATIONS LINÉAIRES

Contents
4.1 Matrice d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.1.1 Matrice associée à une application linéaire . . . . . . . . . . . . . . . . . . . . . . 37
4.1.2 Opérations sur les applications linéaires et les matrices . . . . . . . . . . . . . . . 38
4.1.3 Matrice d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
4.1.4 Matrice d’un isomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
4.1.5 Application linéaire, matrice, vecteur . . . . . . . . . . . . . . . . . . . . . . . . . 43
4.2 Changement de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
4.2.1 Matrice de passage d’une base à une autre . . . . . . . . . . . . . . . . . . . . . . 45
4.2.2 Propriétés de la Matrice de Passage . . . . . . . . . . . . . . . . . . . . . . . . . 46
4.2.3 Formule de changement de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
4.2.4 Matrices semblables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49

33
4.1. Matrice d’une application linéaire
Nous allons voir qu’il existe un lien étroit entre les matrices et les applications linéaires. À une matrice on
associe naturellement une application linéaire. Et réciproquement, étant donné une application linéaire,
et des bases pour les espaces vectoriels de départ et d’arrivée, on associe une matrice.
Dans cette section, tous les espaces vectoriels sont de dimension finie.

4.1.1. Matrice associée à une application linéaire

Définition 4.1.1.
Soient E et F deux K-espaces vectoriels de bases respectives B = (e1 , . . . , ep ) et B ′ = (e′1 , . . . , e′n ). Soit
f : E → F une application linéaire.
On appelle matrice de f par rapport aux bases B et B ′ , la matrice notée par MB,B′ (f ) appartenant
à Mn,p (K), dont la j-ème colonne est constituée par les coordonnées du vecteur f (ej ) dans la base
B ′ = (e′1 , e′2 , . . . , e′n ) :

f (e1 ) ... f (ej ) ... f (ep )


 
e′1 a11 a1j ... a1p
 
e′2  a21 a2j ... a2p 
MB,B′ (f ) = .  
.. 
..
.
..
.
..
.
..
.



en an1 anj ... anp

En termes plus simples : c’est la matrice dont les vecteurs colonnes sont l’image par f des vecteurs de la
base de départ B, exprimée dans la base d’arrivée B ′ . On note cette matrice MB,B′ (f ).

NB :
— Le nombre de lignes n est la dimension de l’espace d’arrivée ; le nombre de colonnes p est la
dimension de l’espace de départ.
— La taille de la matrice MB,B′ (f ) dépend uniquement de la dimension de E et de celle de F .
— Par contre, les coefficients de la matrice dépendent du choix de la base B de E et de la base B ′ de
F.

Exemple 4.1.1. Soit f l’application linéaire de R3 dans R2 définie par

f: R3 −→ R2
(x1 , x2 , x3 ) 7−→ (x1 + x2 − x3 , x1 − 2x2 + 3x3 )

Soient B = (e1 , e2 , e3 ) la base canonique de R3 et B ′ = (e′1 , e′2 ) la base canonique de R2 . C’est-à-dire :


( ) ( ) ( ) ( ) ( )
e1 = 1 0 0 e2 = 0 1 0 e3 = 0 0 1 e′1 = 1 0 e′2 = 0 1

1. Quelle est la matrice de f dans les bases B et B ′ ?


— On a f (e1 ) = f (1, 0, 0) = (1, 1) = e′1 + e′2 . La première colonne de la matrice MB,B′ (f ) est donc
( 11 ).
— De même f (e2 ) = f (0, 1, 0) = (1, −2) = e′1 − 2e′2 . La deuxième colonne de la matrice MB,B′ (f )
( 1 )
est donc −2 .

Prof. H. Jouhari 34 UEMF/EIDIA


— Enfin f (e3 ) = f (0, 0, 1) = (−1, 3) = −e′1 + 3e′2 . La troisième colonne de la matrice MB,B′ (f )
( )
est donc −1 3 .
Ainsi : ( )
1 1 −1
MB,B′ (f ) =
1 −2 3
2. On va maintenant changer la base de l’espace de départ et celle de l’espace d’arrivée. Soient les
vecteurs
( ) ( ) ( ) ( ) ( )
ϵ1 = 1 1 0 ϵ2 = 1 0 1 ϵ3 = 0 1 1 ϕ1 = 1 0 ϕ2 = 1 1

On montre facilement que B0 = (ϵ1 , ϵ2 , ϵ3 ) est une base de R3 et B0′ = (ϕ1 , ϕ2 ) est une base de R2 .
Quelle est la matrice de f dans les bases B0 et B0′ ?
f (ϵ1 ) = f (1, 1, 0) = (2, −1) = 3ϕ1 − ϕ2 , f (ϵ2 ) = f (1, 0, 1) = (0, 4) = −4ϕ1 + 4ϕ2 , f (ϵ3 ) =
f (0, 1, 1) = (0, 1) = −ϕ1 + ϕ2 , donc
( )
3 −4 −1
MB0 ,B0′ (f ) = .
−1 4 1

Cet exemple illustre bien le fait que la matrice dépend du choix des bases.

4.1.2. Opérations sur les applications linéaires et les matrices

Proposition 4.1.1.
Soient f, g : E → F deux applications linéaires et soient B une base de E et B ′ une base de F . Alors :
— MB,B′ (f + g) = MB,B′ (f ) + MB,B′ (g)
— MB,B′ (λf ) = λMB,B′ (f )

Démonstration.

 (f + g)(e ) ... (f + g)(ej ) ... (f + g)(ep ) 


1
e′1
 − − ... − 
 
e′2
 − − ... − 
MB,B′ (f + g) = ..  .. .. .. .. 

.′  . . . . 
en  − − ... − 

1.  f (e )
1 . . . f (ej ) ... f (ep )   g(e )
1 ... g(ej ) ... g(ep ) 
e′1  − − ... −  e′1  − − ... − 
   
e′2  − − ... −  e′2  − − ... − 
= ..   . .. .. ..  + ..   . .. .. ... 

. ′  .. . . .  . ′  .. . . 
en  − − ... −  en  − − ... − 

= MB,B′ (f ) + MB,B′ (g)

Prof. H. Jouhari 35 UEMF/EIDIA


2. De même

(λf )(e1 ) ... (λf )(ej ) ... (λf )(ep )


 
e′1 − − ... −
 
e′2
 − − ... − 
MB,B′ (λf ) = .   = λMB,B′ (f )
.. 

..
.
..
.
..
.
..
.


e′n − − ... −

Autrement dit : la matrice associée à la somme de deux applications linéaires est la somme des matrices
associées à chacune des applications (à condition de considérer la même base sur l’espace de départ pour
les deux applications et la même base sur l’espace d’arrivée). Idem avec le produit par un scalaire.

Proposition 4.1.2 (Matrice d’une composition).


Soient f : E → F et g : F → G deux applications linéaires et soient B une base de E, B ′ une base de
F et B ′′ une base de G. Alors :

MB,B′′ (g ◦ f ) = MB′ ,B′′ (g) × MB,B′ (f )

Démonstration.
Posons p = dim(E) et B = (e1 , . . . , ep ) une base de E ; n = dim F et B ′ = (f1 , . . . , fn ) une base de F ;
q = dim G et B ′′ = (g1 , . . . , gq ) une base de G.

Écrivons A = MB,B′ (f ) = (aij ) ∈ Mn,p (K), B = MB′ ,B′′ (g) = (bij ) ∈ Mq,n (K) et C = MB,B′′ (g ◦ f ) =
(cij ) ∈ Mq,p (K) la matrice de g ◦ f .
On a ( )
(g ◦ f )(e1 ) = g f (e1 )
= g(a11 f1 + · · · + an1 fn )
= a11 g(f1 ) + · · · + an1 g(fn )
( ) ( )
= a11 b11 g1 + · · · + bq1 gq + · · · + an1 b1n g1 + · · · + bqn gq

Ainsi, la première colonne de C = MB,B′′ (g ◦ f ) est


 
a11 b11 + · · · + an1 b1n
 
 a11 b21 + · · · + an1 b2n 
 .
 .. 
 . 
a11 bq1 + · · · + an1 bqn

qui est aussi la première colonne de la matrice BA. En faisant la même chose avec les autres colonnes,
on remarque que C = MB,B′′ (g ◦ f ) = BA. On a donc bien l’égalité cherchée.

Exemple 4.1.2. On considère deux applications linéaires :

f : R2 → R3 g : R3 → R2
et
(x, y) → (x, x + y, 2y) (x, y, z) → (2x − y, 3x + y + 2z)

Prof. H. Jouhari 36 UEMF/EIDIA


Calculons la matrice associée à g ◦ f , par rapport aux bases canoniques de R2 et R3 , C = MB (g ◦ f ) :

Pour le faire, nous allons calculer les deux matrices MB,B′ (f ) et MB′ ,B (g),
 
1 0 ( )
  2 −1 0
A = MB,B′ (f ) = 1 1 ∈ M3,2 et B = MB′ ,B (g) = ∈ M2,3
3 1 2
0 2
Utilisons le produit de matrices, on aura :
 
( 1 0 ) ( )
2 −1 0   1 −1
MB,B (g ◦ f ) = MB′ ,B (g) × MB,B′ (f ) = B × A = × 1 1 =
3 1 2 4 5
0 2

4.1.3. Matrice d’un endomorphisme


Dans cette section, on étudie le cas où f : E → E est un endomorphisme (l’espace de départ et l’espace
d’arrivée sont identiques). Si dim E = n, alors chaque matrice associée à f est une matrice carrée de taille
n × n.
Deux situations :
— Si on choisit la même base B au départ et à l’arrivée, alors on note simplement MB (f ) la matrice
associée à f .
— Mais on peut aussi choisir deux bases distinctes pour le même espace vectoriel E ; on note alors
comme précédemment MB,B′ (f ).

Exemple 4.1.3.
Soit f un endomorphisme définie par :
f : R2 → R2
(x, y) → (3x − y, x + 2y)
1. Calculer MB (f ), la matrice associée à f par rapport à la base canonique de R2 ,
2. Soit B = {e1 , e2 } et une base B ′ = {e′1 , e′2 }, tel que : e′1 = e1 + e2 et e′2 = e1 + 2e2 . Calculer
MB,B′ (f ).
Solution
1. On a f (e1 ) = f (1, 0) = (3, 1) = 3e1 + e2 et f (e2 ) = f (0, 1) = (−1, 2) = −e1 + 2e2 . Alors :
f (e1 ) f (e2 )
( )
e1 3 −1
MB (f ) =
e2 1 2
2. On remarque que e1 = 2e′1 − e′2 et que e2 = e′2 − e′1 . Ainsi :
f (e1 ) = 3e1 + e2 = 3(2e′1 − e′2 ) + (e′2 − e′1 ) = 5e′1 − 2e′2
f (e2 ) = −e1 + 2e2 = −(2e′1 − e′2 ) + 2(e′2 − e′1 ) = −4e′1 + 3e′2
Alors :
f (e1 ) f (e2 )
( )
e′1 5 −4
MB,B′ (f ) =
e′2 −2 3

Prof. H. Jouhari 37 UEMF/EIDIA


Théorème 4.1.1. Soit E un espace vectoriel de dimension finie et B une base de E. Soit l’application
linéaire identité définie par :
IdE : E → E
x → x
Alors, MB (IdE ) = In .

NB : Par contre ce n’est pas le cas si les bases de départ et d’arrivée sur E sont différentes.

Exemple 4.1.4.
Soient B = {(1, 0); (0, 1)} la base canonique de R2 et B ′ = {(1, 1); (1, 2)} une autre base de R2 .
Calculons la matrice associée à l’identité MB,B′ (Id).

On a : e′1 = (1, 1) = e1 + e2 et e′2 = (1, 2) = e1 + 2e2 .


Exprimons Id(e1 ) et Id(e2 ) dans la base B ′ :

Id(e1 ) = e1 = 2e′1 − e′2


Id(e2 ) = e2 = −e′1 + e′2

Alors :
Id(e1 ) Id(e2 )
( )
e′ 2 −1
MB,B′ (Id) = 1′
e2 −1 1

Dans le cas de la puissance d’un endomorphisme de E, nous obtenons :

Corollaire 4.1.1.
Soient E un espace vectoriel de dimension finie et B une base de E. Soit f : E → E une application
linéaire. Alors, quel que soit p ∈ N :
( )p
MB (f p ) = MB (f )

Démonstration.
( )p
Posons la propriété de "P(p) : MB (f p ) = MB (f ) ". La démonstration est une récurrence sur p :
— Initialisation : Pour p = 0, on a : MB (f 0 ) = MB (IdE ) = In et MB (f )0 = In , d’où MB (f 0 ) =
MB (f )0
— Hérédité : Supposons que P(p) est vraie pour p, et montrons que P(p + 1) l’est aussi :
( )p ( )p+1
MB (f p+1 ) = MB (f p ◦ f ) = MB (f p )MB (f ) = MB (f ) MB (f ) = MB (f )

Exemple 4.1.5. Soit rθ : R2 → R2 la rotation d’angle θ, centrée à l’origine, dans R2 muni de la base
canonique B. Alors rθ (x, y) = (x cos θ − y sin θ, x sin θ + y cos θ). On a la matrice associée à rθ :
( )
cos θ − sin θ
MB (rθ ) =
sin θ cos θ

Prof. H. Jouhari 38 UEMF/EIDIA


( )p
( )p cos θ − sin θ
Donc : MB (rθp ) = MB (rθ ) =
sin θ cos θ
Un calcul par récurrence montre ensuite que
( )
cos(pθ) − sin(pθ)
MB (rθp ) = ,
sin(pθ) cos(pθ)

ce qui est bien la matrice de la rotation d’angle pθ : composer p fois la rotation d’angle θ revient à
effectuer une rotation d’angle pθ.

4.1.4. Matrice d’un isomorphisme

Théorème 4.1.2 (Caractérisation de la matrice d’un isomorphisme).


Soient E et F deux espaces vectoriels de même dimension n. Soient B une base de E, B ′ une base de
F . Soit f : E → F une application linéaire et A = MB,B′ (f ).

f est un isomorphisme ⇐⇒ MB,B′ (f ) est inversible.


( )−1
−1
Dans ce cas, MB′ ,B (f ) = MB,B′ (f )

Preuve du théorème. On note A = MB,B′ (f ).


— Si f est bijective, notons B = MB′ ,B (f −1 ). Alors par la proposition 4.1.2 on sait que

BA = MB′ ,B (f −1 ) × MB,B′ (f ) = MB,B (f −1 ◦ f ) = MB,B (IdE ) = I.

De même AB = I. Ainsi A = MB,B′ (f ) est inversible et son inverse est B = MB′ ,B (f −1 ).


— Réciproquement, si A = MB,B′ (f ) est une matrice inversible, notons B = A−1 . Soit g : F → E
l’application linéaire telle que B = MB′ ,B (g). Alors, toujours par la proposition 2 :

MB,B (g ◦ f ) = MB′ ,B (g) × MB,B′ (f ) = BA = I

Donc la matrice de g ◦ f est l’identité, ce qui implique g ◦ f = IdE . De même f ◦ g = IdF . Ainsi
f est bijective (et sa bijection réciproque est g).

Mini-Exercice 10.
Soient l’application linéaire définie par :

f : R2 → R2
(x, y) → (2x + y, x − y)

et B ′ = {e′1 , e′2 } une base de R2 , tel que : e′1 = (−1, 2), e′2 = (−1, 3).
1. Montrer que f est un isomorphisme de R2 .
2. Calculer la matrice associée à f , MB′ (f ).
3. Calculer la matrice associé à f −1 , MB′ (f −1 ).

Prof. H. Jouhari 39 UEMF/EIDIA


4.1.5. Application linéaire, matrice, vecteur
Soit E un espace vectoriel de dimension finie et soit B = (e1 , e2 , . . . , ep ) une base de E. Pour chaque
x ∈ E, il existe un p-uplet unique d’éléments de K (x1 , x2 , . . . , xp ) tel que

x = x1 e1 + x2 e2 + · · · + xp ep .
 x1 
x2
La matrice des coordonnées de x est un vecteur colonne, noté  ..  .
.
xp B

Soient E et F deux K-espaces vectoriels de dimension finie et f : E → F une application linéaire. Le but
de ce paragraphe est de traduire l’égalité vectorielle y = f (x) par une égalité matricielle.

Proposition 4.1.3. Soient B une base de E et B ′ une base de F .


— Soit A = MB,B′ (f ).   x1
x2
— Pour x ∈ E, notons X =  ..  .
.
 yx1p B
y2
— Pour y ∈ F , notons Y =  ..  .
.
yn B′
Alors,
y = f (x) ⇐⇒ Y = AX

Démonstration.  x1 
x2
— On pose B = (e1 , . . . , ep ), B ′ = (f1 , f2 , . . . , fn ), A = (ai,j ) = MB,B′ (f ) et X =  .. .
.
xp
— On a   ( n )

p ∑
p ∑
p ∑
f (x) = f  xj ej  = xj f (ej ) = xj ai,j fi .
j=1 j=1 j=1 i=1

En utilisant la commutativité de K, on a
   

p ∑
p
f (x) =  a1,j xj  f1 + · · · +  an,j xj  fn .
j=1 j=1

 ∑p 
a1,j xj
∑j=1
 p a2,j xj 
 j=1 
— La matrice colonne des coordonnées de y = f (x) dans la base (f1 , f2 , . . . , fn ) est  .. .
 
∑p .
a x
 ∑p
n,j j
 j=1

∑ j=1
a1,j xj  x1 
 p a2,j xj  x2
 j=1   .  = AX.
— Ainsi la matrice Y =  ..  n’est autre que A ..
 
∑p . xp
j=1
an,j xj

Prof. H. Jouhari 40 UEMF/EIDIA


Exemple 4.1.6. Soient E un K-espace vectoriel de dimension 3 et B = (e1 , e2 , e3 ) une base de E. Soit
f l’endomorphisme de E dont la matrice dans la base B est égale à
 
1 2 1
 
A = MB (f ) = 2 3 1 .
1 1 0

- Déterminer le noyau et l’image de f .


Solution :
Les éléments x de E sont des combinaisons linéaires de e1 , e2 et e3 : x = x1 e1 + x2 e2 + x3 e3 . On a
 
0
 
x ∈ Kerf ⇐⇒ f (x) = 0E ⇐⇒ AX = 0
0
   
x1 0
   
⇐⇒ A x2  = 0
x3 0


 x1 + 2x2 + x3 = 0
⇐⇒ 2x1 + 3x2 + x3 = 0


x1 + x2 = 0
{
x2 + x3 = 0
⇐⇒
x1 + x2 = 0
{
x2 = −x1
⇐⇒
x3 = −x1

Après la résolution de ce système, on trouve


{ }
Kerf = (x1 , x2 , x3 ) ∈ E | x2 = −x1 et x3 = −x1
{( t ) } (( ))
1
= −t | t ∈ K = V ect −1
−t −1

Le noyau est donc de dimension 1. Par le théorème de la dimension, l’image Imf est de dimension
2. Les deux ((
premiers
) ( 2 vecteurs
)) de la matrice A étant linéairement indépendants, ils engendrent Imf :
1
Imf = V ect 2 , 3 .
1 1

4.2. Changement de bases


4.2.1. Matrice de passage d’une base à une autre
Soit E un espace vectoriel de dimension finie n. On sait que toutes les bases de E ont n éléments.

Prof. H. Jouhari 41 UEMF/EIDIA


Définition 4.2.1 (Matrice de passage). Soit B et B ′ deux bases du même espace vectoriel E.

On appelle matrice de passage de la base B vers la base B ′ , et on note PB,B′ , la matrice carrée de
taille n × n dont la j-ème colonne est formée des coordonnées du j-ème vecteur de la base B ′ , par
rapport à la base B.
e′1 · · · e′n
 
e1 × ··· ×
.  .. .. 
PB,B′ = .. 
 . ··· . 
en × ··· ×

NB :
— La matrice de passage PB,B′ contient - en colonnes - les coordonnées des vecteurs de la nouvelle
base B ′ exprimés dans l’ancienne base B.

Exemple 4.2.1. Soit l’espace vectoriel réel R2 . On considère

e1 = (1, 0) e2 = (1, 1) ϵ1 = (1, 2) ϵ2 = (5, 4).

On considère la base B = (e1 , e2 ) et la base B ′ = (ϵ1 , ϵ2 ).


Quelle est la matrice de passage de la base B vers la base B ′ ?
Solution :
Il faut exprimer ϵ1 et ϵ2 en fonction de (e1 , e2 ). On calcule que :


 (α, 0) + (β, β) = (1, 2)


 ⇔ {
ϵ1 = (1, 2) = αe1 + βe2 = −e1 + 2e2 ; {

 α+β =1 α = −1

 −→
 β =2 β =2

De même
{ {
′ ′ α′ + β ′ = 5 α′ = 5 − 4 = 1
ϵ2 = (5, 4) = α e1 + β e2 = e1 + 4e2 ; ⇔
β′ =4 β′ =4

La matrice de passage est donc :


ϵ1 ϵ2
( )
e1 −1 1
PB,B′ =
e2 2 4

Proposition 4.2.1.
La matrice de passage PB,B′ de la base B vers la base B ′ est la matrice associée à l’identité IdE :
(E, B ′ ) → (E, B) où E est l’espace de départ muni de la base B ′ , et E est aussi l’espace d’arrivée, mais
muni de la base B :
PB,B′ = MB′ ,B (IdE )

Faites bien attention à l’inversion de l’ordre des bases !

Prof. H. Jouhari 42 UEMF/EIDIA


Démonstration. On pose B = (e1 , e2 , . . . , en ) et B ′ = (e′1 , e′2 , . . . , e′n ). On considère

IdE : (E, B ′ ) −→ (E, B)


x 7−→ x


n
On a IdE (e′j ) = e′j = ai,j ei et MB′ ,B (IdE ) est la matrice dont la j-ème colonne est formée des
i=1  a1,j 
a2,j
coordonnées de e′j par rapport à B, soit  .. . Cette colonne est la j-ème colonne de PB,B′ .
.
an,j

4.2.2. Propriétés de la Matrice de Passage

Proposition 4.2.2.
1. La matrice de passage d’une base B vers une base B ′ est inversible et son inverse est égale à la
( )−1
matrice de passage de la base B ′ vers la base B : PB′ ,B = PB,B′
2. Si B, B ′ et B ′′ sont trois bases, alors

PB,B′′ = PB,B′ × PB′ ,B′′

Démonstration.
( )
1. On a PB,B′ = MB′ ,B IdE . Donc, d’après le théorème 4.1.2 caractérisant la matrice d’un isomor-
−1 ( ( ))−1 ( ) ( )
phisme, PB,B ′ = MB′ ,B IdE = MB,B′ Id−1 −1 −1
E . Or IdE = IdE , donc PB,B′ = MB,B′ IdE =
PB′ ,B .
2. IdE : (E, B ′′ ) → (E, B) se factorise de la façon suivante :

(E, B ′′ ) −→ (E, B ′ ) −→
Id Id
E E
(E, B).

Autrement dit, on écrit IdE = IdE ◦ IdE . Cette factorisation permet d’écrire l’égalité suivante :
( ) ( ) ( )
MB′′ ,B IdE = MB′ ,B IdE × MB′′ ,B′ IdE , soit PB,B′′ = PB,B′ × PB′ ,B′′ .

Exemple 4.2.2. Soit E = R3 muni de sa base canonique B. Définissons

B1 = {(1, 1, 0), (0, −1, 0), (3, 2, −1)} et B2 = {(1, −1, 0), (0, 1, 0), (0, 0, −1)} .

Quelle est la matrice de passage de B1 vers B2 , PB1 ,B2 ?

Solution : On a d’abord :
   
1 0 3 1 0 0
   
PB,B1 = 1 −1 2  et PB,B2 = −1 1 0  .
0 0 −1 0 0 −1

Prof. H. Jouhari 43 UEMF/EIDIA


La proposition 4.2.2 implique que PB1 ,B2 = PB1 ,B × PB,B2 = (PB,B1 )−1 × PB,B2 . En calculant l’inverse de
PB,B1 , on trouve alors :
 −1  
1 0 3 1 0 0
   
PB1 ,B2 = 1 −1 2  × −1 1 0 
0 0 −1 0 0 −1
     
1 0 3 1 0 0 1 0 −3
     
= 1 −1 1  × −1 1 0  = 2 −1 −1 .
0 0 −1 0 0 −1 0 0 1

NB :
En bref, les matrices de passage permettent de passer d’une écriture sur une base à une écriture sur
une autre base. C’est donc tout naturellement qu’elles interviennent dans les formules de changement de
bases pour une application linéaire.

4.2.3. Formule de changement de base

Proposition 4.2.3.
Soient f : E → E un endomorphisme et B, B ′ deux bases de E. Alors la matrices de f dans les bases
B et B ′ sont reliées par :
( )−1
MB′ (f ) = PB′ ,B × MB (f ) × PB,B′ = PB,B′ × MB (f ) × PB,B′

Démonstration. On a :
PB′ ,B × MB (f ) × PB,B′ = MB,B′ (IdE ) × MB (f ) × MB′ ,B (IdE ) = MB′ ,B′ (IdE ◦ f ◦ IdE ) = MB′ (f ).

Exemple 4.2.3.
( )
1 2
Soient f : R → R une application linéaire définie par MB (f ) =
2 2
dans la base canonique
−1 3
B = {e1 , e2 } = {(1, 0), (0, 1)} Considérons la base B ′ = {e′1 , e′2 } = {(1, 2), (−1, 3)} de R2 :

Calculer la matrice associée à f dans la base B ′ .


Solution :

on a : MB′ (f ) = PB′ ,B × MB (f ) × PB,B′



e e′2
{ ( 1 )
e′1 = e1 + 2e2 e1 1 −1
1). ⇔ PB,B′ =
e′2 = −e1 + 3e2 e2 2 3

{ {  3 ′ 2 ′
e′1 = e1 + 2e2 e′1 = e1 + 2e2 e1 = e − e
2). ⇔ ⇔ 5 1 5 2
e′2 = −e1 + 3e2 e′1 + e′2 = 5e2 
e2 =
1 ′
e +
1 ′
e
5 1 5 2

Prof. H. Jouhari 44 UEMF/EIDIA


e1 e2
 3 1
e′1
 5 5
⇔ PB′ ,B =  2 1  D’où :
e′2 −
5 5
 
3 1 ( ) ( ) ( )
 5 
5 × 1 2 1 −1 4 5
MB′ (f ) =  2 1 × =
− −1 3 2 3 −1 0
5 5
Exemple 4.2.4. Reprenons les deux bases de R3 de l’exemple 4.2.2 :

B1 = {(1, 1, 0), (0, −1, 0), (3, 2, −1)} et B2 = {(1, −1, 0), (0, 1, 0), (0, 0, −1)} .

Soit f : R3 → R3 l’application linéaire dont la matrice dans la base B1 est :


 
1 0 −6
 
A = MB1 (f ) = −2 2 −7
0 0 3

Que vaut la matrice de f dans la base B2 , B = MB2 (f ) ?


Solution :
1. Nous avons déjà calculé la matrice de passage de B1 vers B2 qui était
 
1 0 −3
 
P = PB1 ,B2 = 2 −1 −1 .
0 0 1
 
1 0 3
 
2. On calcule aussi P −1 = 2 −1 5 .
0 0 1
3. On applique la formule du changement de base de la proposition 4.2.3 :
       
1 0 3 1 0 −6 1 0 −3 1 0 0
−1        
B = P AP = 2 −1 5 × −2 2 −7 × 2 −1 −1 = 0 2 0
0 0 1 0 0 3 0 0 1 0 0 3

Plus généralement :

Théorème 4.2.1 (Formule de changement de base).



Soit f : E → F une application linéaire. Soient BE , BE deux bases de E et BF , BF′ deux bases de F .
Alors :
MBE′ ,BF′ (f ) = PBF′ ,BF × MBE ,BF (f ) × PBE ,BE′


Démonstration. L’application f : (E, BE ) → (F, BF′ ) se factorise de la façon suivante :

′ f
(F, BF′ ),
Id Id
(E, BE ) −→
E
(E, BE ) −→ (F, BF ) −→
F

Prof. H. Jouhari 45 UEMF/EIDIA


c’est-à-dire que f = IdF ◦ f ◦ IdE .
On a donc l’égalité de matrices suivante :

MBE′ ,BF′ (f ) = MBF ,BF′ (IdF ) × MBE ,BF (f ) × MBE′ ,BE (IdE )
= PBF′ ,BF × MBE ,BF (f ) × PBE ,BE′

4.2.4. Matrices semblables


Les matrices considérées dans ce paragraphe sont des matrices carrées, éléments de Mn (K).

Définition 4.2.2.
Soient A et B deux matrices de Mn (K). On dit que la matrice B est semblable à la matrice A s’il
existe une matrice inversible P ∈ Mn (K) telle que B = P −1 AP .

C’est un bon exercice de montrer que la relation « être semblable » est une relation d’équivalence dans
l’ensemble Mn (K) :

Proposition 4.2.4.
— La relation est réflexive : une matrice A est semblable à elle-même.
— La relation est symétrique : si A est semblable à B, alors B est semblable à A.
— La relation est transitive : si A est semblable à B, et B est semblable à C, alors A est semblable
à C.

Vocabulaire :
Compte tenu de ces propriétés, on peut dire indifféremment que la matrice A est semblable à la matrice
B ou que les matrices A et B sont semblables.

Corollaire 4.2.1. Deux matrices semblables représentent le même endomorphisme, mais exprimé
dans des bases différentes.

Mini-Exercice 11.
Soit f : R2 → R2 définie par f (x, y) = (2x + y, 3x − 2y), Soit v = (3, −4) ∈ R2 avec ses coordonnées
dans la base canonique B0 de R2 . Soit B1 = {(3, 2), (2, 2)} une autre base de R2 .

1. Calculer la matrice de f dans la base canonique.


2. Calculer les coordonnées de f (v) dans la base canonique.
3. Calculer la matrice de passage de B0 à B1 .
4. En déduire les coordonnées de v dans la base B1 , et de f (v) dans la base B1 .
5. Calculer la matrice de f dans la base B1 .

Prof. H. Jouhari 46 UEMF/EIDIA

Vous aimerez peut-être aussi