Académique Documents
Professionnel Documents
Culture Documents
Rappels
Proposition 1.2. Muni de l’addition matricielle et de la multiplication par un scalaire, Mnp (K) est un K–espace
vectoriel.
Définition 1.3 (Matrice transposée). Si A ∈ Mnp (K) on définit la matrice transposée de A, notée A ⊤ , matrice
appartenant à Mpn (K) avec (A ⊤ )i j = a j i pour 1 ≤ i ≤ p et 1 ≤ j ≤ n.
∑
p
(Ax)i = ai j x j ,
j =1
pour tout 1 ≤ i ≤ n,
Remarque 1.6. Attention à la compatibilité des dimensions, p colonnes pour la matrice et x vecteur de Kp .
x : vecteur p lignes
x1
x2
x1
×
1 + ..
a 2 .
x2
×
a2
2
xp
+
..
.+
p
x
×
2p
a
a 11 a 12 ... a 1p y1
a 21 a 22 ... a 2p y2
.. .. .. ..
..
. . . . .
.. .. .. .. ..
. . . . .
a n1 a n2 ... a np yn
1
Produit matrice × matrice
Définition 1.7. Soit A ∈ Mnp (K) et B ∈ Mpm (K) deux matrices. Le produit C = AB est une matrice ∈ Mnm (K).
Si on note C = (c i j ) 1≤i ≤n les coefficients de C sont définis par
1≤ j ≤m
∑
p
ci j = ai k bk j
k=1
pour tout 1 ≤ i ≤ n, 1 ≤ j ≤ m.
Remarque 1.8. Attention à la compatibilité des dimensions, pour pouvoir faire le produit A × B , il faut que le
nombre de colonnes de A soit égal au nombre de lignes de B .
B : p lignes m colonnes
b 11 b 12 ... ... b 1m
b 21 b 22 ... ... b 2m
12
b
.. .. ..
×
. . ... .
21
+
22
a
b
×
22
a
b p1 b p2 ... ... b pm
+
..
.+
p2
b
×
2p
a
a 11 a 12 ... a 1p c 11 c 12 ... ... c 1m
a 21 a 22 ... a 2p c 21 c 22 ... ... c 2m
.. .. ..
.. .. .. ..
. . . . . . ··· .
a n1 a n2 ... a np
c n1 c n2 ... ... c nm
Rappels
Proposition 1.9 (Règle de calculs). — ∀A ∈ Mnp (K), ∀B ∈ Mpm (K), ∀λ ∈ K : λ(AB ) = (λA)B = A(λB ).
— ∀A ∈ Mnp (K), ∀B,C ∈ Mpm (K) : A(B +C ) = AB + AC .
— ∀A ∈ Mpm (K), ∀B,C ∈ Mnp (K) : (B +C )A = B A +C A.
— ∀A ∈ Mnp (K), ∀B ∈ Mpm (K), ∀C ∈ Mml (K) : A(BC ) = (AB )C .
— ∀A ∈ Mnp (K), ∀B ∈ Mpm (K) : (AB )⊤ = B ⊤ A ⊤ .
Remarque 1.10. Si on identifie un vecteur de Kn avec une matrice n lignes et 1 colonne, on retrouve (AB )x =
A(B x).
Proposition 1.12. Soit n ≥ 2. L’ensemble des matrices carrées de taille n muni de l’addition matricielle et du
produit matriciel est un anneau unitaire non commutatif. L’élément unité pour la multiplication est la matrice
identité, notée I n , dont les coefficients diagonaux sont égaux à 1 et dont tous les autres coefficients sont nuls.
2
Rappels – matrices carrées
Définition 1.14. Comme (Mn (K), +, ·) est un anneau unitaire, on retrouve (évidemment) la notion d’élément
symétrisable. Une matrice carrée A ∈ Mn (K) est inversible si et seulement si il existe une matrice carrée A ′ ∈
Mn (K) tel A ′ A = A A ′ = I n . On note A −1 l’inverse de A.
Remarque 1.15. On retrouve aussi le fait que si A et B sont inversibles alors AB est inversible et (AB )−1 =
B −1 A −1 .
Rappels
Si A ∈ Mn (K) on définit les puissances de A, A n , pour n ≥ 1. Par extension si A non nul on pose A 0 = I n .
Il n’y a pas, en général, de formule du binôme.
f (e 1 ) f (e 2 ) ··· f (e p )
a 11 a 12 ··· a 1p h1
a 21 a 22 ··· a 2p
Mat( f , B, B ′ ) = h2
. .. .. .. ..
.. . . . .
a n1 a n2 ... a np hn
Remarque 2.3 (Exercice). Si E est de dimension n et B une base (quelconque) de E alors I n = Mat(IdE , B, B).
Remarque 2.4. Soit E et F deux K–espaces vectoriels de dimension finie, p = dim(E ) et n = dim(F ). Soit B =
(e 1 , . . . , e p ) une base de E et soit B ′ = (h 1 , . . . , h n ) une base de F . Soit A une matrice dans Mnp .
Pour définir une application linéaire de E dans F il suffit de donner les images des éléments de la base B de
E . Ainsi à la matrice A on associe l’application linéaire f de E dans F définie par, pour tout 1 ≤ j ≤ p,
∑
n
f (e j ) = ai j hi .
i =1
La matrice associée à l’application linéaire f ainsi définie, dans les bases (de départ) B = (e 1 , . . . , e n ) et (d’arri-
vée) B ′ = (h 1 , . . . , h p ), est égale à A.
3
Exemples
Exemple 2.5. Soit E de dimension 4, muni de la base B = (e 1 , e 2 , e 3 , e 4 ) et F de dimension 3, muni de la base
B ′ = (g 1 , g 2 , g 3 ). Soit f définie par
f (e 1 ) = g 1 − 2g 2 + 6g 3
f (e 2 ) = 3g 1 + g 3
f (e 3 ) = g 2 − g 3
f (e 4 ) = g 1 + g 2 + g 3 .
Alors
1 3 0 1
Mat( f , B, B ′ ) = −2 0 1 1
6 1 −1 1
Exemple 2.6. Soit f : R2 7→ R4 définie par f (x, y) = (x + y, −x + 4y, y, x + 3y), f est une application linéaire et la
matrice de f dans les bases canoniques de R2 et R4 est
1 1
−1 4
0 1
1 3
Exemple 2.7. Soit f définie de R3 [X ] dans R2 [X ] par f (P ) = P (X + 1) − P (X ). La matrice de f dans les bases
(1, X , X 2 , X 3 ) et (1, X , X 2 ) est
0 1 1 1
0 0 2 3
0 0 0 3
Quel est le lien entre une application linéaire f et sa matrice associée ?
Proposition 2.8. Soit E et F deux K–espaces vectoriels de dimension finie et f ∈ L (E , F ). Soit B (resp. B ′ ) une
base de E (resp. F ). Notons A = Mat( f , B, B ′ ). Soit x dans E et y = f (x). Notons les vecteurs coordonnées de x et
y dans leurs bases respectives B et B ′
x1 y1
2
x y2
X = .
. , Y = . .
.
. .
xp yn
Alors
Y = AX .
Proposition 2.9. Soit E et F deux K–espaces vectoriels de dimension finie et B (resp. B ′ ) une base de E (resp.
F ). Soit f et g deux éléments de L (E , F ) et λ ∈ K . Alors
4
Changement de bases
Les coordonnées d’une base à une autre
Considérons R3 , B la base canonique (e 1 , e 2 , e 3 ) et B ′ la base constituée des vecteurs (en notation ligne) v 1 =
(1, 0, 2), v 2 = (1, 1, 2), v 3 = (2, 1, 5). On vérifie (exercice) que B ′ = (v 1 , v 2 , v 3 ) est bien une base.
Soit x ∈ R3 et notons x 1 , x 2 , x 3 les coordonnées de x dans la base canonique et y 1 , y 2 , y 3 les coordonnées de
x dans la (nouvelle) base B ′ :
x = x1 e 1 + x2 e 2 + x3 e 3 , x = y1 v1 + y2 v2 + y3 v3. (1)
x = y 1 (e 1 + 2e 3 ) + y 2 (e 1 + e 2 + 2e 3 ) + y 3 (2e 1 + e 2 + 5e 3 )
(2)
= (y 1 + y 2 + 2y 3 )e 1 + (y 2 + y 3 )e 2 + (2y 1 + 2y 2 + 5y 3 )e 3
Changement de bases
Les coordonnées d’une base à une autre (suite)
x = (y 1 + y 2 + 2y 3 )e 1 + (y 2 + y 3 )e 2 + (2y 1 + 2y 2 + 5y 3 )e 3 (3)
x 1 = y 1 + y 2 + 2y 3 , x2 = y 2 + y 3 , x 3 = 2y 1 + 2y 2 + 5y 3 ,
Changement de bases
Les coordonnées d’une base à une autre (suite)
La matrice P s’interprète naturellement comme la matrice de l’application linéaire IdR3 avec une base diffé-
rente au départ et à l’arrivée !
Quelle est la matrice de l’application IdR3 avec B ′ comme base de départ et B comme base d’arrivée ?
Par définition IdE (v i ) = v i (1 ≤ i ≤ 3). Pour déterminer la matrice il faut décomposer l’image des v i dans
base B, donc l’expression des v i en fonction des e i donne la matrice et on retrouve le fait que les colonnes de
P sont les coordonnées des v i dans e i .
Comme IdE est un automorphisme, la matrice P est inversible et
y1 x1
y 2 = P −1 x 2 (5)
y3 x3
On a donc
P B,B ′ = P = Mat(Id, B ′ , B) P B ′ ,B = P −1 = Mat(Id, B, B ′ )
5
Définition 2.12. Soit E un K–espace vectoriel de dimension n. Soit B = (e i )1≤i ≤n et B ′ = (e i′ )1≤i ≤n deux bases
de E . On appelle matrice de passage de la base B à la base B ′ la matrice carrée n × n dont la j -ème colonne
est constituée des coordonnées de e ′j dans la base B = (e i )1≤i ≤n . Autrement dit si pour tout 1 ≤ j ≤ n
∑
n
e ′j = pi j ei alors
i =1
e 1′ e 2′ ··· e n′
p 11 p 12 ··· p 1n e1
p 21 p 22 ··· p 2n e2
P =
. .. .. ..
..
.. . . . .
p n1 p n2 ... p nn en
Formellement P est la matrice de l’identité sur E avec B ′ comme base de départ et B comme base d’arrivée,
B′
on note cette matrice P B,B ′ ou encore P B :
IdE
(E , B ′ ) 7−→ (E , B), P B,B ′ = Mat(IdE , B ′ , B)
Proposition 2.13. Soit E un K–espace vectoriel de dimension n. Soit B = (e i )1≤i ≤n et B ′ = (e i′ )1≤i ≤n deux bases
de E . La matrice de passage de B à B ′ est inversible ; de plus son inverse est égal à la matrice de passage de la
base B ′ à la base B.
Mat(Id, B ′ , B)−1 = P B,B
−1 ′
′ = P B ′ ,B = Mat(Id, B, B )
Proposition 2.14. Soit E et F deux K–espaces vectoriels de dimension finie et soit f une application linéaire de
E dans F . Soit B1 , B2 deux bases de E et C 1 , C 2 deux bases de F . Alors
Proposition 2.15. Soit E un K–espace vectoriel de dimension finie et soit f un endomorphisme de E . Soit B et
B ′ deux bases de E . Alors
M at ( f , B ′ ) = P B,B
−1
′ Mat( f , B)P B,B ′ .
Définition 3.2. Deux matrices A et B de Mn,p (K) sont dites équivalentes si et seulement si il existe deux ma-
trices P ∈ Mp (K) et Q ∈ Mn (K) inversibles telles que
B = Q −1 AP.
Autrement dit, A et B représentent la même application linéaire (de Kp dans Kn ) à un changement de base
près dans les espaces vectoriels de départ et d’arrivée.
6
Par exemple si A et B sont deux matrices carrées inversibles il n’y a aucune raison qu’elles soient semblables.
En revanche elles sont équivalentes car B = B A A −1 .
La propriété « être équivalentes » est assez faible et ne dépend en réalité que du rang.
Proposition 3.3. Soit A et B deux matrices de Mn,p (K). Les matrices A et B sont équivalentes si et seulement si
elles ont même rang.