École Nationale Supérieure des Sciences Appliqués

d’Alger

Cours d’Algébre 2

Chapitre VI: Matrice d’une applications linéaires

Sections G&H / Mars 2022
n:siad@g:essa alger:edu:dz

1 Espace des matrices

Dans ce qui suit, (|; +; :) est l’un des corps R ou C.
Dé…nition 1 Une matrice à coe¢ cients dans | est un tableau rectangulaire
d’éléments de | :
0 1
a11 a12 a1m
B a21 a22 a2m C
B C
A = (aij ) 1 i n = B . .. .. .. C
1 j m @ .. . . . A
an1 an2 anm
La matrice écrite possède n-lignes et m-colonnes, on dit qu’elle est de type
(n; m). Le coe¢ cient aij 2 | se trouve sur la iieme ligne et la j ieme colonne et
se note parfois aji . On note l’espace des matrices de type (n; m) à coe¢ cients
dans |: Mn;m (|)
La matrice est dite carré lorsque n = m. Une matrice ligne est une matrice
avec n = 1, une matrice colonne est telle que m = 1.
Comme pour les vecteurs, les matrices s’additionnent et se multiplient à
gauche par les scalaires: pour tout A = (aij ) 1 i n ; B = (bij ) 1 i n 2 Mn;m (|) :
1 j m 1 j m
0 1 0 1
a11 a12 a1m b11 b12 b1m
B a21 a22 a2m C B b21 b22 b2m C
B C B C
A+B = (aij + bij ) 1 i n =B . .. .. .. C + B .. .. .. .. C
1 j m @ .. . . . A @ . . . . A
an1 an2 anm bn1 bn2 bnm
0 1
a11 + b11 a12 + b12 a1m + b1m
B a21 + b21 a22 + b22 a2m + b2m C
B C
=B .. .. .. .. C
@ . . . . A
an1 + bn1 an2 + bn2 anm + bnm
0 1
:a11 :a12 :a1m
B :a21 :a22 :a2m C
B C
:A = ( :aij ) 1i n =B . .. .. .. C
1 j m @ .. . . . A
:an1 :an2 :anm

1
Ces opérations font de (Mn;m (|) ; +; :) un |-espace vectoriel de dimension:
dim Mn;m (|) = n:m:

2 Matrice d’une application linéaire

Dé…nition 2 Soient E; F deux |-espaces vectoriels de dimension …nie, E =
(e1 ; :::; em ) une base de E, F = (f1 ; :::; fn ) une base de F et u 2 L (E; F ) : La
matrice de u relativement aux bases E et F est la matrice de type (n; m) dont
la j ieme colonne est constituée par les coordonnées de u (ej ) dans la base F:

u0
(e1 ) ::: u (ej ) ::: u (e1
m)
f1 a11 ::: a1j ::: a1m
.. B .. .. .. .. .. C
. B . . . . . C
M (u; E; F) = B C
fi B ai1 ::: aij ::: aim C
B C
.. B . .. .. .. .. C
. @ .. . . . . A
fn an1 ::: anj ::: anm

Autrement dit, les coe¢ cients aij de cette matrice véri…ent

u (ej ) = a1j :f1 + ::: + aij :fi + ::: + anj :fn ; 1 j n

de sorte que si on les connait, on sait calculer toute valeur de u.

Exemple 1 Matrice d’une forme lineaire:

Dans le plan: on munit R2 de sa base canonique E = ~i; ~j et R de la

2
base F = (1), considérons une forme linéaire f : R ! R, en écrivant un
vecteur v = x:~i + y:~j = (x; y) dans la base canonique

f (v) = f (x; y) = f x:~i + y:~j = x:f ~i + y:f ~j = a:x + b:y

avec f ~i = a; f ~j = b, ces deux scalaires su¢ sent pour décrire f

M (f ) = a b

C’est une autre façon de dire que dim R2 = 2.

Le cas général: soit u 2 E ; F = |, on choisit la base F = (f1 ) = (1) ;
pour tout x = x1 :e1 + ::: + xm :em 2 E

u (x) = u (x1 :e1 + ::: + xm :em ) = x1 :u (e1 ) + ::: + xm :u (em )

les scalaires u (e1 ) ; :::; u (en ) su¢ sent pour décrire u

M (u) = u (e1 ) ::: u (en ) :

2
Exemple 2 Droite vectorielle: L (|; E) ' E
soit l’application linéaire V : | ! E; alors en écrivant V (t) = t:V (1) =
t: (v1 :e1 + ::: + vm :em ) on obtient
0 1
v1
B .. C
M (V ) = @ . A :
vm
on assimile le vecteur V (1) 2 E et le vecteur colonne M (V ) :
Exemple 3 Rotation du plan:
la rotation R autour de l’origine d’angle est linéaire

R ~i = R (1; 0) = cos :~i + sin :~j

R ~j = R (0; 1) = cos + :~i + sin + :~j

2 2
= sin :~i + cos :~j
cos sin
M (R ) =
sin cos
Exemple 4 Transformation linéaire du plan:

Soient la transformation linéaire T : R2 ! R2 et T ~i = (a; c) ; T ~j =

(b; d) dans la base canonique, alors
a b
M (T ) =
c d
Théorème 1 Soient E; F deux |-espaces vectoriels, E = (e1 ; :::; em ) une base
de E et F = (f1 ; :::; fn ) une base de F: L’application
M : L (E; F ) ! Mn;m (|)
u 7! M (u) = M (u; E; F)
est un isomorphisme.
On peut donc dire que les applications linéaires sont repérées par leurs ma-
trices comme les vecteurs sont repérés par leurs coordonnées. Si on change de
bases, les scalaires décrivant la matrice de l’application linéaire peuvent changer.
Exemple 5 Dans la base E = (e1 ; e2 ) où e1 = (2; 0) et e2 = (0; 5), la rotation
R a pour matrice:
2
R (e1 ) = cos :e1 + : sin :e2
5
5
R (e2 ) = : sin :e1 + cos :e2
2
5
cos 2 : sin
M (R ; E; E) = 2
5 : sin cos

3
3 Produit de matrices
La composition des applications linéaires a un analogue pour les matrices:
Exemple 6 Ligne par colonne:
Considérons une forme linéaire u : Rn ! R et une application linéaire v :
R ! Rn de matrices dans les bases canoniques
0 1
v1
B .. C
M (u) = u (e1 ) ::: u (en ) ; M (V ) = @ . A
vm
alors u v : R ! R a une matrice de type (1; 1) dans la base (1):
(u v) (1) = u (v (t)) = u (v1 :e1 + ::: + vn :en ) = v1 :u (e1 ) + ::: + vn :u (en )
Exemple 7 Composition de transformations linéaires du plan:
Soient les transformations linéaires u; v : R2 ! R2 et les matrices M (u) =
a b
; M (v) = dans la base canonique:
c d
(u v) (1; 0) = u (v (1; 0)) = u ( ; ) = :u (1; 0) + :u (0; 1)
= : (a; c) + : (b; d) = ( :a + :b; :c + :d)

(u v) (0; 1) = u (v (0; 1)) = u ( ; ) = :u (1; 0) + :u (0; 1)

= : (a; c) + : (b; d) = ( :a + :b; :c + :d)
a: + b: a: + b:
M (u v) =
c: + d: c: + d:
Proposition 1 Soient E; F; G des |-espaces vectoriels et les bases respectives
E = (e1 ; :::; em ) ; F = (f1 ; :::; fn ) ; G = (g1 ; :::; gp ) : Soient v 2 L (E; F ),u 2
L (F; G) et les matrices dans les bases respectives: M (v) = (bij ) ; M (u) =
(aij ) ; M (u v) = (cij ) alors
P
n
cij = aik :bkj
k=1

Preuve. L’application linéaire u v : E ! G a pour matrice dans les bases

données M (u v) = (cij ) dont la j emme colonne est formée par les coé¢ cients
de u (v (ej )) dans la base G:
u (v (e10
)) ::: u (v (ej )) ::: u1(v (em ))
g1 c11 ::: c1j ::: c1m
.. B .. .. .. .. .. C
. B . . . . . C
M (u v; E; G) = B C
gi B ci1 ::: cij ::: cim C
B C
.. B . .. .. .. .. C
. @ .. . . . . A
gp cp1 ::: cpj ::: cpm

4
 P
n P
n P
n P
p P
p P
n
u (v (ej )) = u bkj :fk = bkj :u (fk ) = bkj : aik :gi = aik :bkj :gi
k=1 k=1 k=1 i=1 i=1 k=1

Remarque 1 M (u) est de type (p; n), M (v) est de type (n; m) et M (u v)
est de type (p; m).

Dé…nition 3 Le produit d’une matrice U = (uij ) de type (p; n) par une matrice
V = (vij ) de type (n; m) est la matrice U:V = (cij ) de type (p; m) dont le
coe¢ cient sur la ligne i et la colonne j est le produit de la iemme ligne de U par
la j emme colonne de V :
Pn
cij = uik :vkj
k=1

On note le produit

Mp;n (|) Mn;m (|) ! Mp;m (|)

(U; V ) 7! U:V

0 1 0 1
c11 ::: c1j ::: c1m u11 ::: ::: u1n 0 1
B .. .. .. .. .. C B .. .. .. .. C v11 ::: v1j ::: v1m
B . . . . . C B C B
. C B .. .. .. .. .. C
B C B . . .
. C
B ci1 ::: cij ::: cim C = B
C uin C B . . . . C
B B ui1 ::: ::: C:B . .. .. .. .. C
B . .. .. .. .. C B .. .. .. .. C @ .. . . . . A
@ .. . . . . A @ . . . . A
vn1 ::: vnj ::: vnm
cp1 ::: cpj ::: cpm up1 ::: ::: upn

de sorte que
M (u v) = M (u) :M (v)

Exemple 8 La composition de rotations:

cos sin cos sin cos : cos sin : sin cos : sin sin : cos
: =
sin cos sin cos sin : cos + cos : sin cos : cos sin : sin
cos ( + ) sin ( + )
=
sin ( + ) cos ( + )

Le produit de matrices est associatif et distributif à gauche et à droite:

U: (V:W ) = (U:V ) :W;

U: (V + W ) = U:V + U:W;
(U + V ) :W = U:W + V:W

pourvu que les expressions soient dé…nies.

5
 On a vu qu’une matrice est la représentation d’une application linéaire dans
des bases. Si on considère une matrice U = (uij ) 2 Mn;m (|), on lui associe
l’application linéaire u : |m ! |n
u (x1 ; :::; xm ) = (y1 ; :::; yn )
0 1 0 1 0 1
y1 u11 ::: u1m x1
B .. C B .. .
. .
. C B .. C
@ . A=@ . . . A:@ . A
yn un1 ::: unm xm
en considérant qu’une matrice colonne est la matrice d’un vecteur (exemple 2),
cette écriture correspond au produit de matrices
M (u (x)) = M (u) :M (x)

4 Matrices inversibles
Les matrices carrées à n lignes et n colonnes à coe¢ cients dans | forment un
anneau, cet anneau admet l’élément unité
0 1
1 0 0
B .. C
B0 1 .C
In = B
B. . .
C
C
@ .. .. .. 0A
0 0 0 1
Dé…nition 4 Une matrice U 2 Mn;n (|) est dite inversible s’il existe une ma-
trice V 2 Mn;n (|) telle que:
U:V = V:U = In :
1
On note V = U .
Exemple 9
1
cos sin cos sin cos sin
= =
sin cos sin cos sin cos
Théorème 2 Soit U 2 Mn;n (|), les conditions suivantes sont équivalentes:
1. U est inversible,
2. il existe V 2 Mn;n (|) telle que U:V = In ;
3. il existe W 2 Mn;n (|) telle que W:U = In ;
4. les lignes de U sont linéairement indépendantes,
5. les colonnes de U sont linéairement indépendantes,
6. l’application linéaire associée u : |m ! |n est de rang n.