Faculté des Sciences Année : 2020-2021

et Techniques - Marrakech
LST - MIPC

Chapitre I : Matrices

Dans tout ce chapitre, IK = Q, IR ou C.

1 GENERALITES
1.1 Définitions
Soit deux entiers p ≥ 1, n ≥ 1, on appelle matrice de type (p, n) ou (p, n)-matrice à
coefficients dans IK, un tableau rectangulaire à p lignes, n colonnes et d’éléments dans
IK. On représente une (p, n)-matrice A comme suit :
 
a1,1 a1,2 ... a1,n
 a2,1 a2,2 ... a2,n 
 
A =  .. .. .. 
 . . . 
ap,1 ap,2 ... ap,n

Les éléments ai,j de IK, 1 ≤ i ≤ p et 1 ≤ j ≤ n, sont les coefficients de la matrice A.

Le coefficient ai,j est situé à l’intersection de la ième ligne et de la j ème colonne.
Pour simplifier la représentation de la matrice A, on utilise la notation (ai,j ) 1≤i≤p ou
1≤j≤n
plus simplement (ai,j ) lorsqu’il n’y a pas de confusion.
L’ensemble des (p, n)-matrice à coefficients dans IK est noté Mp,n (IK).
Exemple : IK = IR, p = 2 et n = 3
( √ )
2π 2 1
A= 1 ∈ M2,3 (IR)
2
5 0.5

Egalité de deux matrices : Soit A = (ai,j ) ∈ Mp,n (IK), B = (bi,j ) ∈ Mp′ ,n′ (IK). Par
définition :

A = B ⇐⇒ p = p′ , n = n′ et ai,j = bi,j , ∀1 ≤ i ≤ p, 1 ≤ j ≤ n.

Vecteurs lignes et vecteurs colonnes :

On appelle ième vecteur ligne de la matrice A = (ai,j ) ∈ Mp,n (IK), le vecteur

(ai,1 ai,2 ... ai,n ) de l’e.v. IKn .

1
On appelle j ème vecteur colonne de la matrice A = (ai,j ) ∈ Mp,n (IK), le vecteur
 
a1,j
 a2,j 
 
 ..  de l’e.v. IKp .
 . 
ap,j

Cas particuliers :
Si p = 1, la matrice
(a1,1 a1,2 ... a1,n ) ∈ M1,n (IK)
est une matrice ligne.
Si n = 1, la matrice  
a1,1
 a2,1 
 
 .. 
 . 
ap,1
est une matrice colonne.

Si p = n, la (n, n)-matrice A = (ai,j ) ∈ Mn,n (IK) est appelée matrice carrée d’ordre n.
On note Mn (IK) au lieu de Mn,n (IK).

Soit A ∈ Mn (IK),  
a1,1 a1,2 ... a1,n
 a2,1 a2,2 ... a2,n 
 
A= .. .. .. .. 
 . . . . 
an,1 an,2 ... an,n
Les coefficients ai,i , 1 ≤ i ≤ n, sont appelés les coefficients diagonaux de la matrice
carrée A. Ils constituent la diagonale principale de A.

1.2 Transposée d’une matrice

Soit A = (ai,j ) ∈ Mp,n (IK). On appelle transposée de la (p, n)-matrice A, et on note At
la (n, p)-matrice (bi,j ) ∈ Mn,p (IK) telle que bi,j = aj,i , 1 ≤ i ≤ n et 1 ≤ j ≤ p.

Dans la pratique, At est déduite de A par échange des lignes et des colonnes.

Une matrice carrée A = (ai,j ) ∈ Mn (IK) est dite symétrique si At = A, autrement dit si
ai,j = aj,i , ∀1 ≤ i, j ≤ n.

2
Une matrice carrée A = (ai,j ) ∈ Mn (IK) est dite anti-symétrique si At = −A, autrement
dit si ai,j = −aj,i , ∀1 ≤ i, j ≤ n.

Remarque 1 :

1. la transposée de la transposée de A ∈ Mp,n (IK) est égale à A : (At )t = A.

2. Si la matrice A = (ai,j ) ∈ Mn (IK) est anti-symétrique alors ai,i = 0, ∀1 ≤ i ≤ n.

2 MATRICE D’UNE APPLICATION LINEAIRE

Soit E et F deux IK−e.v. non nuls de dimensions respectives n et p. Soit B = (e1 , ..., en )
une base de E, B ′ = (f1 , ..., fp ) une base de F et φ une application linéaire de E dans
F . On sait que φ est déterminée par les images des vecteurs de la base B. Posons, pour
∑ p
1 ≤ j ≤ n, φ(ej ) = ai,j fi .
i=1

Définition 1 : On appelle matrice de l’application linéaire φ ∈ L(E, F ) dans les bases

B = (e1 , ..., en ) de E et B ′ = (f1 , ..., fp ) de F , la (p,n)-matrice A = (ai,j ), dont la
j ème colonne :  
a1,j
 a2,j 
 
 .. 
 . 
ap,j
est constituée par les coordonnées du vecteur φ(ej ) dans la base B ′ = (f1 , ..., fp ).

Avec les notations ci-dessus, on a :

φ(e1 ) φ(e2 ) ... φ(en )

 
a1,1 a1,2 ... a1,n f1
A=  a2,1 a2,2 ... a2,n  f2
 
 .. .. ..  ..
 . . .  .
ap,1 ap,2 ... ap,n fp

La matrice A ci-dessus est dite matrice de l’application φ ∈ L(E, F ) dans les bases B et
B ′ . Elle est notée A = Mφ,B,B′ .
L’application linéaire φ : E −→ F est déterminée par sa matrice A dans les bases B

3
et B ′ . Plus précisement, on a :
pour tout vecteur x ∈ E, on pose la matrice
 
x1
 
X =  ...  ∈ Mn,1 (IK).
xn

constituée des coordonnées du vecteur x dans la base B et pour tout vecteur y ∈ F , on

pose la matrice  
y1
 
Y =  ...  ∈ Mp,1 (IK).
xp
constituée des coordonnées du vecteur y dans la base B ′ . Alors, on a :

y = φ(x) ⇐⇒ Y = AX

En effet, on a :
( )
∑
p
∑
n ∑
n
y = φ(x) ⇐⇒ y i fi = φ xj e j = xj φ(ej )
i=1 j=1 ( n j=1 )
∑n ∑
p
∑p
∑
= xj ai,j fi = ai,j xj fi
j=1 i=1 i=1 j=1

Donc
∑
n
y = φ(x) ⇐⇒ yi = ai,j xj , ∀ 1 ≤ i ≤ p
j=1  n 
∑
   a1,j xj , 
y1  j=1 
 
   
⇐⇒ Y =  ...  =  ..
 = AX
 n . 
yp  ∑ 
 ap,j xj , 
j=1

Exemple : soit n ∈ IN, soit le C-espace-vectoriel :

En = {P ∈ C[X]/P = 0 ou do P ≤ n}.

1. Soit φ ∈ L(E3 , E2 ) définie par φ(P ) = P ′ si P ∈ E3 . Alors la matrice de φ dans les

bases canoniques de E3 et de E2 est :
 
0 1 0 0
Mφ =  0 0 2 0  ∈ M3,4 (C).
0 0 0 3

4
2. Soit φ ∈ L(E3 , E3 ) définie par φ(P ) = P ′ . Alors la matrice de φ dans la base
canonique de E3 est :  
0 1 0 0
 0 0 2 0 
Mφ =   0 0
 ∈ M4 (C).
0 3 
0 0 0 0
Remarque 2 : la matrice d’une application linéaire φ : E −→ F dans les bases B
de E et B ′ de F , dépend évidemment des bases B et B ′ choisies dans E et F .

Proposition 1 : Les bases B = (e1 , ..., en ) et B ′ = (f1 , ..., fp ) des IK-e..v. E et F

étant fixées. Désignons par Mφ,B,B′ la matrice de φ ∈ L(E, F ) dans les bases B et B ′ .
Alors l’application :
U : L(E, F ) −→ Mp,n (IK)
φ 7−→ Mφ,B,B′
est une bijection.

Remarque 3 : En particulier, toute (p,n)-matrice à coefficients dans IK est la matrice

d’une application linéaire φ : IKn −→ IKp dans les bases canoniques de IKn et IKp .

3 OPERATIONS SUR LES MATRICES

Définition 2 : On appelle somme des matrices A = (ai,j ) ∈ Mp,n (IK) et B = (bi,j ) ∈
Mp,n (IK), et on note A + B, la matrice C = (ci,j ) ∈ Mp,n (IK) telle que ci,j = ai,j +
bi,j , ∀ 1 ≤ i ≤ p, ∀ 1 ≤ j ≤ n.

Exemple :    
π −1 √4 3 0 4
A= 0 2 2  , B= 1 1 3 
1 3 1 −1 2 0
 
(π + 3) −1 √ 8
A+B = 1 3 ( 2 + 3) 
0 5 1
Proposition 2 : Soient E et F deux IK−e.v de dimensions respectives n et p. On pose
B = (e1 , ..., en ) une base de E et B ′ = (f1 , ..., fp ) une base de F . Soient φ, ψ ∈ L(E, F ),
on a :
Mφ+ψ,B,B′ = Mφ,B,B′ + Mψ,B,B′ .

5
Preuve : Posons Mφ,B,B′ = (ai,j ), Mψ,B,B′ = (bi,j ) et Mφ+ψ,B,B′ = (ci,j ). On a :

∑
p
(φ + ψ)(ej ) = ci,j fi
i=1
= φ(ej ) + ψ(ej )
∑p
∑p
= ai,j fi + bi,j fi
i=1 i=1
∑
p
= (ai,j + bi,j )fi
i=1

Donc ci,j = ai,j + bi,j , ∀ 1 ≤ i ≤ n et 1 ≤ j ≤ p.

Définition 3 : On appelle produit de la matrice A = (ai,j ) ∈ Mp,n (IK) par le scalaire

λ ∈ IK, et on note λA, la matrice A′ = (a′i,j ) ∈ Mp,n (IK) telle que a′i,j = λai,j ∀1 ≤ i ≤
p, ∀1 ≤ j ≤ n.

Exemple :  
4
3
0
A =  0 −6  ∈ M3,2 (IR)
−2 1
 1 
0
1 3
A =  0 − 23 
4
− 12 14

Théorème 1 : L’ensemble Mp,n (IK) muni de l’addition (A, B) −→ A + B et de la

multiplication externe (λ, A) −→ λA, ayant IK pour corps des scalaires, est un IK-e.v.

Preuve : L’élément nul de Mp,n (IK) est la matrice dont tous les coefficients sont nuls,
appelée matrice nulle, et notée par 0. C’est la matrice associée à l’application nulle de
E dans F dans les bases B et B ′ .
L’opposé de A = (ai,j ) est la matrice −A = (−ai,j ). Les autres axiomes d’un e.v. sont
laissés en exercice.

Proposition 3 : Soient E et F deux IK − e.v de dimensions respectives n et p. On

pose B = (e1 , ..., en ) une base de E et B ′ = (f1 , ..., fp ) une base de F . Soient λ ∈ IK et
φ ∈ L(E, F ), on a :
Mλφ,B,B′ = λMφ,B,B′ .

6
Preuve : Posons Mφ,B,B′ = (ai,j ) et Mλφ,B,B′ = (ci,j ). On a :

∑
p
(λφ)(ej ) = ci,j fi
i=1
= λφ(ej )
∑
p
= λ ai,j fi
i=1
∑
p
= (λai,j )fi
i=1

Donc ci,j = λai,j , ∀ 1 ≤ i ≤ n et 1 ≤ j ≤ p.

Définition 4 : On appelle produit de la (p,n)-matrice A = (ai,k ) ∈ Mp,n (IK) par la

(n,q)-matrice B = (bk,j ) ∈ Mn,q (IK), et on note AB, la (p,q)-matrice C = (ci,j ) ∈
∑
n
Mp,q (IK) telle que ci,j = ai,k bk,j ∀1 ≤ i ≤ p, ∀1 ≤ j ≤ q.
k=1

Exemple :
 
  1 0
1 3 2 0  −2 −1 
A=  0 −1 −3 −1  ∈ M3,4 (IR), B = 
 0
 ∈ M4,2 (IR)
2 
−2 0 1 2
1 3
 
−5 1
AB =  1 −8  ∈ M3,2 (IR)
0 8

Remarque 4 : 1. La multiplication est associative et distributive par rapport à l’addition.

2. Si A ∈ Mp,n (IK) et B ∈ Mn,q (IK), alors (AB)t = B t At (attention à l’ordre).

Proposition 4 : Soient E, F et G trois IK − e.v de dimensions respectives n, q et p.

On pose B = (e1 , ..., en ) une base de E, B ′ = (f1 , ..., fq ) une base de F et B” = (g1 , ..., gp )
une base de G. Soient φ ∈ L(E, F ) et ψ ∈ L(F, G) , on a :

Mψ◦φ,B,B” = Mψ,B′ ,B” Mφ,B,B′ .

7
Preuve : Posons Mφ,B,B′ = (ai,j ), Mψ,B′ ,B” = (bi,j ) et Mψ◦φ,B,B” = (ci,j ). On a, pour
tout 1 ≤ j ≤ n
∑ p
(ψ ◦ φ)(ej ) = ci,j gi
i=1
= ψ(φ(e
( q j )) )
∑
= ψ ak,j fk
k=1
∑
q
= ak,j ψ(fk )
k=1
∑
q
∑
p
= ak,j bi,k gi
k=1 ( i=1 )
∑p
∑ q
= bi,k ak,j gi
i=1 k=1

∑q
Donc ci,j = bi,k ak,j , ∀ 1 ≤ i ≤ p et 1 ≤ j ≤ n.
k=1

4 MATRICES CARREES
Une matrice carrée est dite triangulaire supérieure si tous les coefficients situés au dessous
de la diagonale principale sont nuls. Une matrice triangulaire supérieure s’écrit :
 
a1,1 a1,2 . . . a1,n−1 a1,n
 0 a2,2 a2,n−1 a2,n 
 . .. 
 . .. .. 
A= . . . .  = (ai,j ) avec ai,j = 0 si 1 ≤ j < i ≤ n.
 . .. 
 .. ..
.
..
. . 
0 ... ... 0 an,n

Une matrice carrée est dite triangulaire inférieure si tous les coefficients situés au dessus
de la diagonale principale sont nuls. Une matrice triangulaire inférieure s’écrit :
 
a1,1 0 . . . . . . 0
 . .. 
 a2,1 a2,2 . . . 
 . .. 
A=  .
.
... ...
. 
 = (ai,j ) avec ai,j = 0 si 1 ≤ i < j ≤ n.
 . .. 
 .. . 0 
an,1 . . . . . . . . . an,n

8
Une matrice carrée est dite diagonale si tous ses coefficients autres que les coefficients
diagonaux sont nuls, c’est une matrice de la forme :
 
a1,1 0 ... 0
 . .. 
 0 a2,2 . . . 
A= . . .  = (ai,j ) avec ai,j = 0 si i ̸= j.
 .. .. .. 0 
0 ... 0 an,n
Notation : On note par In la matrice carrée d’ordre n diagonale, dont tous les éléments
digonaux sont égaux à 1.

Remarque 5 : 1. La multiplication n’est pas commutative. En effet,

( ) ( )
0 1 1 0
A= , B=
0 0 0 0
( ) ( )
0 0 0 1
AB = , BA =
0 0 0 0
2. Si A ∈ Mn (IK), B ∈ Mn (IK) alors AB = 0 n’implique pas A = 0 ou B = 0.
( ) ( ) ( )
0 1 1 0 0 0
A= B= AB =
0 0 0 0 0 0

4.1 Matrices carrées inversibles

Définition 5 : Une matrice A ∈ Mn (IK) est dite inversible s’il existe une matrice
B ∈ Mn (IK) telle que AB = BA = In (matrice diagonale, d’ordre n, dont tous les
coefficients diagonaux sont égaux à 1).
Une telle matrice B si elle existe est unique. B est alors appelée l’inverse de A et notée
A−1 .

5 CHANGEMENT DE BASE
Soit E un IK − e.v. non nul de dimension n, soit B = (e1 , ..., en ) une base de E et
∑
n
′ ′ ′ ′
B = (e1 , ..., en ) une autre base de E. On a : ej = pi,j ei , 1 ≤ j ≤ n. On pose
i=1
e′1 e′2 ... e′n
 
p1,1 p1,2 ... p1,n e1
A=  p2,1 p2,2 ... p2,n  e2
 
 .. ... ...  ..
 .  .
pn,1 pn,2 ... pn,n en

9
Définition 6 : La matrice P = (pi,j ) ∈ Mn (IK) dont la j ème colonne est constituée
par les coordonnées de e′j dans la base B = (e1 , ..., en ) est appelée matrice de passage
de la base B = (e1 , ..., en ) à la base B ′ = (e′1 , ..., e′n ). C’est une matrice inversible.

Remarque 6 : Soit B = (e1 , ..., en ) et B ′ = (e′1 , ..., e′n ) deux bases de E et P la

matrice de passage de B à B ′ . Alors la matrice de passage de B ′ à B est la matrice P −1 .

5.1 Action d’un changement de base sur les coordonnées d’un

vecteur
Soit B = (e1 , ..., en ) et B ′ = (e′1 , ..., e′n ) deux bases d’un IK-e.v. E de dimension n.
Soit x ∈ E, on a :
∑ n ∑n
x= xi e i = x′j e′j .
i=1 j=1

Associons à ces deux décompositions les matrices colonnes

   
x1 x′1
 x2   x′ 
   2 
X = (x)B =  ..  et X ′ = (x)B′ =  ..  ∈ Mn,1 (IK)
 .   . 
xn x′n
∑
n
′
Soit P = (pi,j ) ∈ Mn (IK) la matrice de passage de B à B . On a : e′j = pi,j ei , 1 ≤
i=1
j ≤ n.
( n )
∑
n ∑
n ∑
n ∑
n ∑ ∑
n
Donc x = x′j e′j = x′j pi,j ei = x′j pi,j ei = xi e i .
j=1 j=1 i=1 i=1 j=1 i=1

∑
n
D’où, pour tout ∀1 ≤ i ≤ n, on a : xi = pi,j x′j . On écrit alors sous forme matriciel :
j=1
 
∑
n

 p1,j x′j 
 
  j=1    

x1  ∑n  p p ... p1,n x′1
   p2,j x′j
  1,1 1,2  x′2 
 x2   
  p2,1 p2,2 ... p2,n
= .  
X= ..  =  j=1   .. .. ..  ..  = P X′
 .   ..  . .  . 
  x′n
xn  n .  p n,1 p n,2 ... p n,n
 ∑ 
 pn,j x′j 
j=1

Donc X = P X ′ .

10
5.2 Action d’un changement de base sur la matrice d’une ap-
plication linéaire
Proposition 5 : Soit E et F deux IK − e.v., non nuls, de dimensions respectives n et
p. Soit φ ∈ L(E, F ). Soit A la matrice de φ dans les bases B de E et B1 de F . Soit A′
la matrice de φ dans les bases B ′ de E et B1′ de F . Si P est la matrice de passage de B
à B ′ et Q est la matrice de passage de B1 à B1′ alors, on a :

A′ = Q−1 AP

Preuve : Soit x ∈ E et y = φ(x), posons X = (x)B , X ′ = (x)B′ , Y = (y)B1 et

Y ′ = (y)B1′ . D’une part, on a :

Y = AX et Y ′ = A′ X ′ .

D’autre part, d’après l’action d’un changement de base sur les coordonnées d’un vecteur,
on a
Y = QY ′ et X = P X ′ .
Donc
Y ′ = Q−1 Y = Q−1 AX = Q−1 AP X ′ = A′ X ′ .
Puisque le vecteur x est quelconque, on déduit de l’égalité Q−1 AP X ′ = A′ X ′ que :

A′ = Q−1 AP

Définition 7 : Deux (p,n)-matrices A ∈ Mp,n (IK) et B ∈ Mp,n (IK) sont équivalentes

s’il existe deux matrices carrées Q ∈ Mp (IK) et P ∈ Mn (IK) telles que :

B = QAP.

Définition 8 : Deux matrices carrées, d’ordre n, A ∈ Mn (IK) et B ∈ Mn (IK) sont

dites semblables s’il existe une matrice carrée inversible P ∈ Mn (IK) telle que :

B = P −1 AP.

11