Académique Documents
Professionnel Documents
Culture Documents
Matrices
Matrices
Plan du chapitre
1 Opérations sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 2
1.1 Définition d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 2
1.2 L’espace vectoriel (Mn,p (K), +, .) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 2
1.2.1 Définition l’addition et de la loi externe. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 2
1.2.2 Etude de la base canonique de Mn,p (K). Matrices élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .page 3
1.3 Produit de deux matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 3
1.3.1 Définition du produit matriciel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 3
1.3.2 Produit de deux matrices élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 6
1.3.3 L’anneau (Mn (K), +, ×) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 7
1.3.4 Matrices carrées inversibles. Le groupe (GLn (K), ×) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 8
1.3.5 Les pièges de la multiplication des matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 10
1.4 Transposée d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 11
1.5 Quelques grands types de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 12
1.5.1 Matrices scalaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 12
1.5.2 Matrices diagonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 12
1.5.3 Matrices triangulaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 13
1.5.4 Matrices symétriques, matrices antisymétriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 14
2 Matrice d’une application linéaire relativement à deux bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .page 15
2.1 Définition de la matrice d’une famille de vecteurs dans une base (rappel) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 15
2.2 Définition de la matrice d’une application linéaire relativement à deux bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 16
2.3 Ecriture matricielle d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 17
2.4 Isomorphisme entre Mp,n (K) et L(E, F) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 18
2.5 Matrice d’une composée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 19
3 Formules de changement de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 21
3.1 Matrices de passage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 21
3.2 La formule de changement de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 22
3.3 Applications linéaires et changement de bases . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 24
3.4 Matrices équivalentes. Matrices semblables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 27
4 Calculs par blocs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 28
5 Rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 30
5.1 Définition du rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 30
5.2 Lien avec le rang d’une famille de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .page 30
5.3 Lien avec le rang d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 31
5.4 Une caractérisation du rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 31
5.5 Transformations élémentaires ne modifiant pas le rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .page 32
5.5.1 Rappel. Codage des transformations élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 32
5.5.2 Interprétation en terme de calcul matriciel des opérations élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 35
5.5.3 Matrices de permutations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 37
5.5 Matrices extraites. Une autre caractérisation du rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 39
5.6.1 Définition dune matrice extraite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .page 39
5.6.2 Caractérisation du rang comme le format maximal d’une matrice extraite inversible . . . . . . . . . . . . . . . page 39
6 Trace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .page 40
6.1 Trace d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 40
6.2 Trace d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . page 41
λA = (λai,j )(i,j)∈J1,nK×J1,pK .
L’élément neutre pour l’addition est la matrice nulle notée 0 ou 0n,p . C’est la matrice rectangulaire de format (n, p)
dont tous les coefficients sont nuls.
L’opposé d’une matrice A = (ai,j )(i,j)∈J×J1,pK est la matrice −A = (−ai,j )(i,j)∈J×J1,pK .
ou aussi j
Ceci montre que la famille (Ei,j )(i,j)∈J1,nK×J1,pK est génératrice de Mn,p (K). D’autre part, si (ai,j )(i,j)∈J1,nK×J1,pK ∈ Knp
X
ai,j Ei,j = 0 ⇒ (ai,j )(i,j)∈J1,nK×J1,pK = (0)(i,j)∈J1,nK×J1,pK ⇒ ∀(i, j) ∈ J1, nK × J1, pK, ai,j = 0.
(i,j)∈J1,nK×J1,pK
Donc, la famille de matrices (Ei,j )(i,j)∈J1,nK×J1,pK est libre. Finalement, la famille (Ei,j )(i,j)∈J1,nK×J1,pK est une base de
Mn,p (K) : c’est la base canonique de l’espace vectoriel (Mn,p (K), +, .).
On en déduit que
Théorème 2. dim (Mn,p (K)) = np.
La famille (Ei,j )(i,j)∈J1,nK×J1,pK est une base de Mn,p (K)
X
L’égalité (ai,j )(i,j)∈J1,nK×J1,pK = ai,j Ei,j est fréquemment utilisée. Par exemple,
(i,j)∈J1,nK×J1,pK
1 0 3
= E1,1 + 3E1,3 − E2,1 + E2,2 .
−1 1 0
On note que dans le cas général, × n’est pas une loi interne car les matrices que l’on multiplie n’appartiennent pas au
même ensemble.
Ainsi, par exemple, le coefficient ligne 1 colonne 2, de la matrice AB est a1,1 b1,2 + a1,2 b2,2 + a1,3 b3,2 + . . . + a1,p bp,2 .
On dit que l’on a effectué le produit scalaire usuel du p-uplet (a1,1 , a1,2 , a1,3 , . . . , a1,p ) (constitué des coefficients de
la ligne 1) par le p-uplet (b1,2 , b2,2 , b3,2 . . . , bp,2 ) (constitué des coefficients de la colonne 2). Plus généralement, pour
Xp
obtenir le coefficient ligne i, colonne j, de la matrice A×B, on effectue le produit de la ligne i par la colonne j : ai,k bk,j .
k=1
3 −1 1
1 5 −2
Exemple. Si A = et B = −5 −2 1 , la matrice A est de format (2, 3) et la matrice B est de
1 3 2
2 3 2
format (3, 3). Donc, la matrice A × B est définie et de format (2, 3). De plus, son coefficient ligne 2, colonne 1, est obtenu
de la façon suivante :
3 −1 1
1 5 −2 • • • • • •
× −5 −2 1 = = ,
1 3 2 1 × 3 + 3 × (−5) + 2 × 2 • • −8 • •
2 3 2
et plus généralement,
3 −1 1
1 5 −2 −26 −17 2
× −5 −2 1 = .
1 3 2 −8 −1 8
2 3 2
❏
On donne maintenant les premières règles de calcul avec des produits de matrices.
Théorème 3. Soient n, p, q, r quatre entiers naturels non nuls.
∀(A, B, C) ∈ Mn,p (K) × Mp,q (K) × Mq,r (K), (AB)C = A(BC).
A ∈ Mn,p (K) et B ∈ Mp,q (K). Donc le produit A×B est défini et est élément de Mn,q (K). Ensuite, A×B ∈ Mn,q (K) et C ∈ Mq,r (K).
Donc, le produit (AB) × C est défini et est élément de Mn,r (K). De même, le produit A × (BC) est défini et est élément de Mn,r (K).
p
X
Pour (i, k) ∈ J1, nK × J1, qK, le coefficient ligne i, colonne k, de la matrice A × B est ai,l bl,k et donc, pour (i, j) ∈ J1, nK × J1, rK,
l=1
le coefficient ligne i, colonne j, de la matrice (A × B) × C est
q p
!
X X X X
ai,l bl,k ck,j = ai,l bl,k ck,j = ai,k ′ bk ′ ,l ′ cl ′ ,j .
k=1 l=1 16l6p 16k ′ 6p
16k6q 16l ′ 6q
De même, pour (i, j) ∈ J1, nK × J1, rK, le coefficient ligne i, colonne j, de la matrice A × (B × C) est
p p
!
X X X
ai,k bk,l cl,j = ai,k bk,l cl,j .
k=1 l=1 16k6p
16l6q
Les matrices (A × B) × C et A × (B × C) ont les mêmes coefficients. Ces matrices sont donc égales.
❏
On note In la matrice carrée de format n dont le coefficient ligne i, colonne j, 1 6 i, j 6 n, vaut 1 si i = j et 0 sinon. Donc,
1 0 ... 0
.
0 . . . . . . ..
In = (δi,j )16i,j6n = .
.
.. . . . . . . 0
0 ... 0 1
In ∈ Mn,n (K) et A ∈ Mn,p (K). Donc, le produit In × A est défini et est élément de Mn,p (K).
Soit (i, j) ∈ J1, nK × J1, pK. Le coefficient ligne i, colonne j, de la matrice In × A est
n
X
δi,k ak,j = ai,j (obtenu pour k = i).
k=1
Donc, In × A = A. De même, A × Ip = A.
❏
Théorème 5. ∀(A, B, C) ∈ Mn,p (K) × Mp,q (K) × Mp,q (K), A × (B + C) = AB + AC et ∀(B, C, A) ∈ Mn,p (K) ×
Mn,p (K) × Mp,q (K), (B + C) × A = BA + CA.
A est dans Mn,p (K) et B, C et B + C sont dans Mp,q (K). Donc, les produit A × B, A × C et A × (B + C) sont définis et sont éléments
de Mn,q (K).
p
X
Soit (i, j) ∈ J1, nK × J1, qK. Le coefficient ligne i, colonne j, de A × B est ai,k bk,j et le coefficient ligne i, colonne j, de A × C est
k=1
p
X
ai,k ck,j puis le coefficient ligne i, colonne j, de A × B + A × C est
k=1
p p p p
X X X X
ai,k bk,j + ai,k ck,j = (ai,k bk,j + ai,k ck,j ) = ai,k (bk,j + ck,j ) ,
k=1 k=1 k=1 k=1
n
X
Démonstration . Soit (i, j) ∈ J1, nK × J1, qK. Le coefficient ligne i, colonne j, de la matrice (λA) × B est (λai,k ) bk,j =
k=1
n
X n
X n
X
λ ai,k bk,j et celui de la matrice A × (λB) est ai,k (λbk,j ) = λ ai,k bk,j . Dans les deux cas, on a trouvé le coefficient ligne i,
k=1 k=1 k=1
colonne j, de la matrice λAB
❏
cos(θ) − sin(θ)
Exercice 1. Pour θ ∈ R, on pose M(θ) = .
sin(θ) cos(θ)
1) Calculer M(θ) × M(θ ′ ) pour tout (θ, θ ′ ) ∈ R2 .
n facteurs
z }| {
n ∗ n
2) Calculer (M(θ)) pour tout θ ∈ R et pour tout n ∈ N (où (M(θ)) = M(θ) × . . . × M(θ)).
Solution 1.
1) Soit (θ, θ ′ ) ∈ R2 .
cos(θ ′ ) − sin(θ ′ )
cos(θ) − sin(θ)
M(θ) × M(θ ′ ) =
sin(θ) cos(θ) sin(θ ′ ) cos(θ ′ )
cos(θ) cos(θ ′ ) − sin(θ) sin(θ ′ ) − sin(θ) cos(θ ′ ) − cos(θ) sin(θ ′ ) cos(θ + θ ′ ) − sin(θ + θ ′ )
= =
sin(θ) cos(θ ′ ) + cos(θ) sin(θ ′ ) cos(θ) cos(θ ′ ) − sin(θ) sin(θ ′ ) sin(θ + θ ′ ) cos(θ + θ ′ )
= M(θ + θ ′ ).
Démonstration . Soit (u, v) ∈ J1, nK × J1, qK. Le coefficient ligne u, colonne v, de Ei,j × Ek,l est
p n
X X
(δu,i δw,j ) (δw,k δv,l ) = δu,i δv,l δw,j δw,k
w=1
| {z } | {z } w=1
coef. ligne u, coef. ligne w,
colonne w, colonne v,
de Ei,j de Ek,l
Ainsi, dans le cas de matrices carrées de format n > 2, E1,2 × E2,1 = E1,1 et E2,1 × E1,2 = E2,2 . En particulier,
E1,2 × E2,1 6= E2,1 × E1,2 . On note aussi que E1,2 × E1,1 = 0 et pourtant E2,1 6= 0 et E1,1 6= 0.
0 1 0
Exercice 2. Soit N = 0 0 1 . Calculer N2 et N3 .
0 0 0
N2 = (E1,2 + E2,3 ) (E1,2 + E2,3 ) = E1,2 E1,2 + E1,2 E2,3 + E2,3 E1,2 + E2,3 E2,3 = E1,3
0 0 1
= 0 0 0 ,
0 0 0
puis
➱ Commentaire .
⋄ Quand des matrices contiennent beaucoup de 0, on utilise fréquemment l’écriture de cette matrice à l’aide des matrices élémentaires
pour effectuer des produits.
⋄ La matrice N de l’exercice 2 vérifie N 6= 0, N2 6= 0 et N3 = 0. Une telle matrice est dite nilpotente d’indice 3. De manière
générale, si A ∈ Mn (K), A est nilpotente
si et seulement si il existe un entier naturel non nul k tel que Ak = 0. L’indice de
nilpotence de A est alors p = Min k ∈ N , Ak = 0 . Il existe une et une seule matrice nilpotente d’indice 1 à savoir la matrice
∗
nulle 0.
Théorème 8. Pour tout n > 1, (Mn (K), +, ×) est un anneau. Cet anneau est non commutatif pour n > 2.
On note que l’élément neutre de × est In . D’autre part, comme dans tout anneau, l’élément neutre pour +, à savoir la
matrice nulle 0n , est absorbant pour la multiplication : ∀A ∈ Mn (K), A × 0n = 0n × A = 0n .
Comme dans tout anneau, on peut définir les exposants : pour A ∈ Mn (K) et p ∈ N∗ , on pose Ap = |A × .{z
. . × A} et on
p facteurs
adopte la convention A0 = In (convention douteuse faisant parfois commettre quelques erreurs, la notation A0 n’étant
réellement cohérente que quand A est inversible pour ×).
On a alors les règles de calculs usuelles sur les exposants :
q
- ∀A ∈ Mn (K), ∀(p, q) ∈ N2 , Ap × Aq = Ap+q et (Ap ) = Apq .
2
- ∀(A, B) ∈ (Mn (K)) , ∀p ∈ N, si A et B commutent, alors (AB)p = Ap Bp .
Comme dans tout anneau, on a aussi la formule du binôme de Newton et l’identité Ap − Bp = . . . :
Théorème 10. Soit n > 1.
2
• (formule du binôme de Newton) ∀(A, B) ∈ (Mn (K)) , si A et B commutent
p
X
pp
∀p ∈ N, (A + B) = Ak Bp−k .
p
k=0
2
• ∀(A, B) ∈ (Mn (K)) , si A et B commutent
p−1
X
∀p ∈ N∗ , Ap − Bp = (A − B) Ak Bp−1−k .
k=0
Solution 3. Posons A = (ai,j )16i,j6n . Si A est solution du problème, alors ∀(i, j) ∈ J1, nK2 , AEi,j = Ei,j A. Or,
X n
X
AEi,j = ak,l Ek,l Ei,j = ak,i Ek,j
16k,l6n k=1
et
X n
X
Ei,j A = ak,l Ei,j Ek,l = aj,l Ei,l
16k,l6n l=1
Puisque la famille (Ei,j )16i,j6n est libre, on peut identifier les coefficients et on obtient : pour tout (i, k) ∈ J1, nK2 tel que
i 6= k, ai,k = 0 et pour tout (i, j) ∈ J1, nK2 , ai,i = aj,j .
λ 0 ... 0
.. .. .
. ..
0 .
Ainsi, si A commutent avec toutes les matrices, alors A est nécessairement de la forme A = .
= λIn
.. ..
. 0
0 ... 0 λ
où λ ∈ K. Réciproquement, pour λ ∈ K et B ∈ Mn (K), B × (λIn ) = λB = (λIn ) × B.
Les matrices qui commutent avec toutes les matrices carrées sont les matrices de la forme λIn , λ ∈ K.
Solution 4.
1) N0 = I3 et N1 = N. On a vu dans l’exercice no 2 que N2 = E1,3 puis N3 = 0. On en déduit que pour k > 3 (de sorte
que k − 3 > 0), Nk = Nk−3 × N3 = Nk−3 × 0 = 0.
2) A0 = I3 et A1 = A. Soit n > 2. A = 2I3 − N et puisque les matrices A et −2In commutent, la formule du binôme de
Newton permet d’écrire
n
X
n n n n−k k
A = (2I3 − N) = (2I3 ) (−N)
k
k=0
n n 0 n n−1 1 n n−2 2
= (2I3 ) (−N) + (2I3 ) (−N) + (2I3 ) (−N) (car pour k > 3, Nk = 0)
0 1 2
= 2n I3 − n2n−1 N + n(n − 1)2n−3 N2
n
−n2n−1 n(n − 1)2n−3
2
= 0 2n −n2n−1 ,
0 0 2n
n
!
X n
➱ Commentaire . Quand on écrit A = n
(2I3 )n−k (−N)k , on remplace le problème du calcul des puissances successives
k=0
k
de A par le calcul des puissances successives de la matrice 2I3 et de la matrice −N. Si l’on n’était pas capable de calculer ces
puissances, utiliser le binôme ne présente plus aucun intérêt. Cette mentalité est la même dans l’exercice suivant.
Exercice 5.
1 1 1
1) Soit J = 1 1 1 . Calculer J2 . En déduire Jk pour k ∈ N∗ .
1 1 1
2 1 1
2) Soit A = 1 2 1 . Calculer An pour n ∈ N.
1 1 2
Solution 5.
1 1 1 1 1 1 3 3 3
1) J2 = 1 1 1 1 1 1 = 3 3 3 = 3J. Montrons alors par récurrence que pour tout k ∈ N∗ ,
1 1 1 1 1 1 3 3 3
k k−1
J =3 J.
• 31−1 J = J = J1 et donc, la formule est vraie quand k = 1.
• Soit k > 1. Si Jk = 3k−1 J, alors
n
X n
X
n n n n
A = (I3 + J) = I3n−k Jk = I3 + I3n−k Jk
k k
k=0 k=1
n n
!
X n k−1 X n k−1
= I3 + 3 J = I3 + 3 J
k k
k=1 k=1
n
! n
!
1 X n k 1 X n k n−k
= I3 + 3 J = I3 + 3 1 −1 J
3 k 3 k
k=1 k=0
1 4n − 1
= I3 + ((3 + 1)n − 1) J = I3 + J
3 3 n
4 + 2 4n − 1 4n − 1
1 0 0 n 1 1 1
4 −1 1
= 0 1 0 + 1 1 1 = 4n − 1 4n + 2 4n − 1 ,
3 3
0 0 1 1 1 1 4n − 1 4n − 1 4n + 2
2 −1
En particulier, In ∈ GLn (K), si (A, B) ∈ (GLn (K)) , alors AB ∈ GLn (K) (et (AB) = B−1 A−1 ) et si A ∈ GLn (K), alors
−1
A−1 ∈ GLn (K) (et A−1 = A).
2
Théorème 12. Soit (n, p) ∈ (N∗ ) .
2
∀A ∈ GLn (K), ∀(B, C) (Mn,p (K) , AB = AC ⇒ B = C.
2
∀A ∈ GLn (K), ∀(B, C) (Mp,n (K)) , BA = CA ⇒ B = C.
AB = AC ⇒ A−1 AB = A−1 AC ⇒ In B = In C ⇒ B = C.
Et de même pour l’autre implication.
❏
p facteurs
z }| {
A × . . . × A si p > 1
p p
Si A ∈ GLn (K), on peut définir A pour p ∈ Z : ∀p ∈ Z, A = In si p = 0 . Avec cette définition, on
−1 −1
} si p 6 −1
A × ...× A
|
{z
−p facteurs
a les règles de calcul usuelles sur les exposants :
q
• ∀A ∈ GLn (K), ∀(p, q) ∈ Z2 , Ap × Aq = Ap+q et (Ap ) = Apq .
2
• ∀(A, B) ∈ (GLn (K)) , ∀p ∈ Z, si A et B commutent, (AB)p = Ap Bp .
Au fur et à mesure du cours, nous rencontrerons de nombreuses méthodes, à utiliser en fonction des circonstances, pour
montrer qu’une certaine matrice carrée est inversible et déterminer son inverse. La première méthode est fournie par la
définition de l’inversibilité et de l’inverse. Cette méthode est mise en œuvre dans les deux exercices qui suivent.
2 1 1 1 1 1
Exercice 7. Soient A = 1 2 1 et J = 1 1 1 .
1 1 2 1 1 1
1) Exprimer A en fonction de I3 et J.
2) Calculer J2 . En déduire une égalité du type αA2 + βA + γI2 où α, β et γ sont trois réels, α étant non nul.
3) En déduire que A ∈ GL3 (R) et préciser A−1 .
Solution 7.
1) A = I3 + J.
1 1 1 1 1 1 3 3 3 1 1 1
2) J2 = 1 1 1 1 1 1 = 3 3 3 = 3 1 1 1 = 3J, puis
1 1 1 1 1 1 3 3 3 1 1 1
2
J2 = 3J ⇒ (A − I3 ) = 3 (A − I3 ) ⇒ A2 − 5A + 4I3 = 0.
1
3) A2 − 5A + 4I3 = 0 ⇒ I3 = −A2 + 5A . Donc,
4
1 1
A × (−A + 5I3 ) = I3 = (−A + 5I3 ) × A.
4 4
Par suite, A ∈ GL3 (R) et
3 −1 −1
1 1
A−1 = (−A + 5I3 ) = −1 3 −1 .
4 4
−1 −1 3
Démonstration .
1) On pose A = (ai,j )(i,j)∈J1,nK×J1,pK . t A est la matrice de format (p, n) dont le coefficient ligne i, colonne j, (i, j) ∈ J1, pK × J1, nK,
. t t A est la matrice de format (n, p) dont coefficient ligne i, colonne j, (i, j) ∈ J1, nK × J1, pK, est ai,j
′
′′ ′
est ai,j = aj,i = aj,i = ai,j .
t t
Donc, A = A.
2) On pose A = (ai,j )(i,j)∈J1,nK×J1,pK et B = (bi,j )(i,j)∈J1,nK×J1,pK .
Soit (i, j) ∈ J1, nK × J1, pK. Le coefficient ligne i, colonne j, de la matrice t (λA + µB) est λaj,i + µbj,i et est aussi le coefficient ligne
i, colonne j, de la matrice λt A + µt B. Donc, t (λA + µB) = λt A + µt B.
3) On pose A = (ai,j )(i,j)∈J1,nK×J1,pK et B = (bi,j )(i,j)∈J1,pK×J1,qK puis t A = ai,j et t B = bi,j
′
′
(i,j)∈J1,pK×J1,nK (i,j)∈J1,qK×J1,pK
.
• AB est un élément de Mn,q (K) et donc t (AB) est un élément de Mq,n (K). Soit (i, j) ∈ J1, qK × J1, nK. Le coefficient ligne i, colonne
j, de la matrice t (AB) est encore le coefficient ligne j, colonne i, de la matrice AB c’est-à-dire
p
X
aj,k bk,i .
k=1
• t A est un élément de Mp,n (K) et t B est un élément de Mq,p (K). Donc, t Bt A est défini et est un élément de Mq,n (K). Soit
(i, j) ∈ J1, qK × J1, nK. Le coefficient ligne i, colonne j, de la matrice t Bt A est le « produit » de la ligne i de t B par la colonne j de
t
A c’est-à-dire
p p
X ′ ′
X
bi,k ak,j = aj,k bk,i .
k=1 k=1
Donc, t (AB) = t Bt A.
4) Si A ∈ GLn (K), alors t A × t A−1 = t A−1 A = t In = In et t A−1 × t A = t AA−1 = t In = In . Donc, t A ∈ GLn (K) et
−1
t
= t A−1 .
A
En appliquant ce résultat à la matrice t A, on obtient : si t A ∈ GLn (K), alors A = t t A ∈ GLn (K).
u1 v1
Exercice 6. Soient U = ... et V = .. deux éléments de M (K). Calculer t UV et Ut V.
. n,1
un vn
Solution 6.
vn
• U est une matrice de format (n, 1) et V est une matrice de format (1, n). Donc, Ut V est définie et de format (n, n). Si
(i, j) ∈ J1, nK2 , le coefficient ligne i, colonne j, est ui vj et donc
u1 v1 . . . u1 vj . . . u1 vn
.. .. ..
u1
. . .
Ut V = ... v1 . . . vn =
u v . . . u v . . . ui n = (ui vj )16i,j6n .
v
i 1 i j
. . .
un .. .. ..
un v1 . . . un vj . . . un vn
➱ Commentaire .
⋄ On a vu dans l’exercice 3, page 7, que les matrices carrées qui commutent avec toutes les matrices carrées sont exactement les
matrices scalaires.
⋄ L’ensemble des matrices scalaires de format n est un sous-espace vectoriel de Mn (K) de dimension 1. Une base de ce sous-espace
est (In ). L’espace des matrices scalaires étant de dimension 1, il est isomorphe à K1 = K l’espace des scalaires, un isomorphisme
étant λ 7→ λIn . Ceci motive la dénomination « matrices scalaires ».
Définition 4. Soit A = (ai,j )16i,j6n ∈ Mn (K). A est une matrice diagonale si et seulement si ∀i 6= j, ai,j = 0.
λ1 0 ... 0
.. .. .
. ..
0 . où (λ1 , . . . , λn ) ∈ Kn . Une telle
Une matrice diagonale est donc une matrice de la forme : D =
.
.. .. ..
. . 0
0 . . . 0 λn
matrice se note D = diag (λ1 , . . . , λn ) = diag (λi )16i6n .
L’ensemble des matrices diagonales se note Dn (K).
Théorème 14. Dn (K) est un sous-espace de Mn (K) de dimension n. Une base de Dn (K) est (Ei,i )16i6n .
n
X
Démonstration . Pour tout (λ1 , . . . , λn ) ∈ Kn , diag (λ1 , . . . , λn ) = λi Ei,i . Par suite, Dn (K) = Vect (Ei,i )16i6n et en
i=1
On donne maintenant les règles de calcul sur les matrices diagonales. Elles sont remarquablement simples :
3) a) ∀ (λi )16i6n ∈ Kn , diag (λi )16i6n ∈ GLn (K) ⇔ ∀i ∈ J1, nK, λi 6= 0 et dans ce cas
−1
1
diag (λi )16i6n = diag .
λi 16i6n
k
b) Pour (λi )16i6n ∈ Kn tel que pour tout i ∈ J1, nK, λi 6= 0, ∀k ∈ Z, diag (λi )16i6n = diag λki 16i6n .
Démonstration .
1) Immédiat.
n
! n
n
X X X X
2) a) diag (λi )16i6n × diag (µi )16i6n = λi Ei,i µj Ej,j = λi µj Ei,i Ej,j = λi µi Ei,i = diag (λi µi )16i6n .
i=1 j=1 16i,j6n i=1
..
.
..
. j>i
i=j .
. .
j<i .
..
.
On note que Tn,s (K) ∩ Tn,i (K) = Dn (K). On note aussi que la transposée d’une matrice triangulaire inférieure est une
matrice triangulaire supérieure et que la transposée d’une matrice triangulaire supérieure est une matrice triangulaire
inférieure
n(n + 1)
Théorème 16. Tn,s (K) et Tn,i (K) sont des sous-espaces de Mn (K) de dimension . Une base de Tn,s (K)
2
(resp. Tn,i (K)) est (Ei,j )16i6j6n (resp. (Ei,j )16j6i6n ).
Démonstration . Par la même démarche que pour Dn (K), il est clair que Tn,s (K) = Vect (Ei,j )16i6j6n (et donc Tn,s (K) est
un sous-espace de Mn (K)) puis que (Ei,j )16i6j6n est une base de Tn,s (K). Par suite,
n(n + 1)
dim (Tn,s (K)) = card (Ei,j )16i6j6n = n + (n − 1) + . . . + 2 + 1 = .
2
❏
Exercice 7. Montrer que le produit de deux matrices triangulaires supérieures est une matrice triangulaire supérieure.
Solution 7. Soient A = (ai,j )16i,j6n et B = (bi,j )16i,j6n deux matrices triangulaires supérieures. Donc, pour tout
(i, j) ∈ J1, nK2 , si i > j, alors ai,j = 0 et bi,j = 0.
Soit (i, j) ∈ J1, nK2 tel que i > j. Le coefficient ligne i, colonne j, de la matrice AB est
n
X
ai,k bk,j .
k=1
Dans cette somme, si k > j, alors bk,j = 0 puis ai,k bk,j = 0 et si k 6 j, alors i > j > k et en particulier i > k de sorte que
ai,k = 0 puis ai,k bk,j = 0. Finalement, tous les termes de la somme sont nuls puis la somme est nulle.
n
X
En résumé, pour tout (i, j) ∈ J1, nK2 tel que i > j, on a ai,k bk,j = 0. Ceci montre que la matrice AB est triangulaire
k=1
supérieure.
et de même
X n
X X
A= ai,j Ei,j = ai,i Ei,i + ai,j (Ei,j + Ej,i ) (∗).
16i,j6n i=1 16i<j6n
Ceci montre que toute matrice symétrique est combinaison linéaire de la famille (Ei,i )16i6n ∪ (Ei,j + Ej,i )16i<j6n . (∗) montre
aussi qu’une combinaison linéaire de la famille (Ei,i )16i6n ∪ (Ei,j + Ej,i )16i<j6n est une matrice symétrique et finalement Sn (K) =
Xn X
Vect (Ei,i )16i6n ∪ (Ei,j + Ej,i )16i<j6n . D’autre part, cette famille est libre car si λi,i Ei,i + λi,j (Ei,j + Ej,i ) = 0, alors
i=1 16i<j6n
X
λi,j Ei,j où on a posé λi,j = λj,i pour i > j, et donc tous les coefficients sont nuls.
16i,j6n
Finalement, (Ei,i )16i6n ∪ (Ei,j + Ej,i )16i<j6n est une base de Sn (K). Parmi ces n2 couples (i, j) de J1, nK2 , il y en a n tels que i = j
et il y a autant de couples (i, j) tels que i < j que de couples (i, j) tels que i > j. Le nombre de couples (i, j) tels que i < j est
n2 − n n(n − 1)
= puis
2 2
n(n − 1) n(n + 1)
dim (Sn (K)) = card (Ei,i )16i6n ∪ (Ei,j + Ej,i )16i<j6n = n + = .
2 2
❏
Pour chaque i, e∗i est une forme linéaire sur E : les n formes linéaires e∗1 , . . . , e∗n sont les formes coordonnées dans la
base (e1 , . . . , en ). Avec ces notations, on a alors
1 −1 1
Mat(X2 ,X,1) (P0 , P1 , P2 ) = 0 1 −2 .
0 0 1
Exercice 8. Soient n un entier naturel puis a0 , . . . , an , n + 1 nombres complexes deux à deux distincts. Pour
i ∈ J0, nK, on pose
Y X − aj
Li = .
ai − aj
j6=i
1) Montrer que la famille (Li )06i6n est une base de Cn [X] et déterminer les coordonnées d’un élément P ∈ Cn [X] dans
cette base.
2) Déterminer la matrice de la base (1, X, . . . , Xn ) dans la base (L0 , . . . , Ln ).
Solution 8.
1) Chaque Li , 0 6 i 6 n, est un polynôme de degré n et en particulier un élément de Cn [X]. Soit (λi )06i6n ∈ Cn+1 .
n
X n
X n
X
λi Li = 0 ⇒ ∀j ∈ J0, nK, λi Li (aj ) = 0 ⇒ ∀j ∈ J0, nK, λi δi,j = 0 ⇒ ∀j ∈ J0, nK, λj = 0.
i=0 i=0 i=0
Ainsi, la famille (Li )06i6n est une famille libre de l’espace Cn [X]. De plus,
Définition 7. Soient E et F deuxK-espaces vectoriels de dimensions finies non nulles n et p. Soient B = (e1 , . . . , en )
une base de E et B ′ = e1′ , . . . , ep′ une base de F. Soit f ∈ L(E, F).
′
La matrice de f relativement aux bases B et B , notée MatB,B ′ f, est la matrice de la famille f (B) = (f (e1 ) , . . . , f (en ))
′ ′ ′
dans la base B = e1 , . . . , ep :
Exemple. On note B = (e1 , e2 , e3 ) et B ′ = (e1′ , e2′ ) les bases canoniques respectives de R3 et R2 . Soit f l’élément de
L R3 , R2 défini par f (e1 ) = 2e1′ − e2′ , f (e2 ) = e2′ et f (e3 ) = −e1′ + e2′ . La matrice de f relativement aux bases B et B ′
est :
2 0 −1
MatB,B ′ f = .
−1 1 1
C’est un élément de M2,3 (R). ❏
Soit f ∈ L(E, F). Soit A = (ai,j ) 16i6p la matrice de f relativement aux bases B et B ′ . Par définition de A, on a
16i6n
p
X
∀j ∈ J1, nK, f (ej ) = ai,j ei′ .
i=1
n
X
Soit alors x = xj ej un élément de E.
j=1
p p
n n
! n
X X X X X
f(x) = xj f (ej ) = xj ai,j ei′ = ai,j xj ei′
j=1 j=1 i=1 i=1 j=1
p
X n
X
= ai,j xj ei′ .
i=1 j=1
p
X n
X
Ainsi, si on pose f(x) = yi ei′ , alors, ∀i ∈ J1, pK, yi = ai,j xj . Ces égalités peuvent encore s’écrire matriciellement
i=1 j=1
x1
.
..
a1,1 ... ... a1,n y1
.. ..
= ..
. . .
.
ap,1 ... . . . ap,n .. yp
xn
et on peut donc énoncer
yp
y = f(x) dans la base B ′ . Alors
Y = AX.
Démonstration . Soit f (resp. g) l’élément de L (Kp , Kn ) de matrice A (resp. B) relativement aux bases canoniques de Kp
et Kn .
∀X ∈ (Mp,1 (K))2 AX = BX ⇒ (∀x ∈ Kp , f(x) = g(x)) ⇒ f = g ⇒ A = B.
❏
Théorème 20. Soient E et F deux K-espaces de dimensions finies non nulles. Soient B une base de E et B ′ une base
de F.
1) a) ∀(f, g) ∈ (L(E, F))2 , MatB,B ′ (f + g) = MatB,B ′ (f) + MatB,B ′ (g).
b) ∀f ∈ L(E, F), MatB,B ′ (λf) = λ MatB,B ′ (f).
2) ∀(f, g) ∈ (L(E, F))2 , ∀(λ, µ) ∈ K2 , MatB,B ′ (λf + µg) = λMatB,B ′ (f) + µMatB,B ′ (g).
Démonstration . Notons B = (e1 , . . . , en ) une base de E et (e1′ , . . . , ep′ ) une base de F. Le coefficient line i, colonne j,
(i, j) ∈ J1, pK × J1, bK, de MatB,B ′ (λf + µg) est la i-ème coordonnée du vecteur λf (ej ) + µg (ej ) de même que le coefficient ligne i,
colonne j de la matrice λMatB,B ′ (f) + µMatB,B ′ (g). Les deux matrices sont donc égales.
❏
Démonstration . L’application ϕ est linéaire d’après le théorème précédent. Ensuite, si f est un élément de L(E, F) tel que
MatB,B ′ (f) = 0, alors l’application linéaire f s’annule sur la base B et donc f = 0. Puisque dim (L(E, F)) = np = dim (Mp,n (K)) < +∞,
on en déduit que ϕ est un isomorphisme.
❏
➱ Commentaire .
⋄ Une conséquence parmi d’autres du théorème 21 est le fait qu’une application linéaire est uniquement déterminée par la donnée
de sa matrice relativement à deux bases.
⋄ L’isomorphisme du théorème 21 n’est pas un isomorphisme canonique ou encore n’est pas un isomorphisme privilégié parmi tous
les isomorphismes car il dépend du choix de deux bases. Si on prend deux autres bases, on obtient un nouvel isomorphisme qui a le
même statut que le premier isomorphisme fourni.
Soit x ∈ E. Soient X, Y et Z les vecteurs colonnes, éléments de Mn,1 (K), Mp,1 (K) et Mq,1 (K) respectivement, dont les composantes
sont les coordonnées de x, f(x) et g(f(x)) dans les bases B, B ′ et B ′′ respectivement.
On a d’une part Z = CX et d’autre part Z = BY = BAX. Par suite, pour tout X de Mn,1 (K), on a CX = BAX. D’après le théorème
19, on en déduit que C = BA.
❏
Théorème 23. Soit E un K-espace de dimension finie non nulle notée n. Soit B une base de E.
Alors, MatB (IdE ) = In .
n
X
Démonstration . Posons B = (e1 , . . . , en ). Pour j ∈ J1, nK, IdE (ej ) = ej = δi,j ei . Donc, MatB (IdE ) = (δi,j )16i,j6n = In .
i=1
Théorème 24. Soient E et F deux K-espaces de même dimension finie non nulle notée n. Soient B une base de E et
B ′ une base de F. Soit f ∈ L(E, F).
Alors, f est un isomorphisme si et seulement si MatB,B ′ (f) est inversible. Dans ce cas,
Démonstration .
• Supposons MatB,B ′ (f) = A inversible. Notons g l’élément de L(F, E) de matrice A−1 relativement aux bases B ′ et B.
n−1
0 1 2 n
0 ...
0 0 0 0
0 1 2 n−1 n
1 1 1 1
0 2 n−1 n
0
Exercice 9. Soit A =
2 2 2 ∈ Mn+1 (K).
.. . .. .. ..
.
. .
.
.. . .. n−1 n
n−1 n −1
n
0 ... ... 0
n
Montrer que A ∈ GLn (R) et déterminer A−1 .
Solution 9. Soit f : Rn [X] → Rn [X] . f est un endomorphisme de Kn [X]. Pour j ∈ J0, kK, la formule du binôme
P(X) 7→ P(X + 1)
de Newton fournit
j
X
j
j j j
f X = (X + 1) = X.
i
i=0
Par suite, A est la matrice de l’endomorphisme f dans la base canonique B = (1, X, . . . , Xn ) de Rn [X].
Soit g : Rn [X] → Rn [X] . On a g ◦ f = IdRn [X] . Donc, f ∈ GL (Rn [X]) (car dim (Rn [X]) < +∞) et g = f−1 .
P(X) 7→ P(X − 1)
Mais alors, A ∈ GLn (K) et A−1 = MatB f−1 . Plus précisément,
0 1 2 n−1 n − 1 n n
0 − . . . (−1) (−1)
0 0 0 0
1 2 n − 1 n
(−1)n−2 (−1)n−1
0 −
1 1 1 1
2 n − 1 n
(−1)n−3 (−1)n−2
0 0
−1
A =
2 2 2 .
.. .. .. ..
.
. . .
. ..
n−1
n
..
. −
n−1 n − 1
n
0 ... ... 0
n
1) Si A est inversible à gauche, il existe B ∈ Mn (K) telle que B × A = In . Soit g l’endomorphisme de Kn de matrice B dans la base
canonique de Kn .
Exercice 10. (Théorème de Hadamard). Soient n > 2 puis A = (ai,j )16i,j6n ∈ Mn (C) telle que
X
∀i ∈ J1, nK, |ai,i | > |ai,j | .
j6=i
(A est dite « à diagonale strictement dominante »). Montrer que A ∈ GLn (C).
Solution 10. Montrons que Ker(A) = {0}. Soit X = (xi )16i6n ∈ Mn,1 (K).
n
X X
X ∈ Ker(A) ⇒ AX = 0 ⇒ ∀i ∈ J1, nK, ai,j xj = 0 ⇒ ∀i ∈ J1, nK, ai,i xi = − ai,j xj
j=1 j6=i
X
⇒ ∀i ∈ J1, nK, |ai,i | |xi | = − ai,j xj
j6=i
X
⇒ ∀i ∈ J1, nK, |ai,i | |xi | 6 |ai,j | |xj |
j6=i
X
⇒ ∀i ∈ J1, nK, |ai,i | |xi | 6 |ai,j | × Max {|xj | , j ∈ J1, nK} .
j6=i
Supposons de plus Ker(A) 6= {0}. Soit X un vecteur non nul de Ker(A). Soit i0 ∈ J1, nK tel que |xi0 | = Max {|xj | , j ∈ J1, nK}.
Puisque X 6= 0, |xi0 | > 0.
X X
D’après ce qui précède, |ai0 ,i0 | |xi0 | 6 |ai0 ,j | |xi0 | puis |ai0 ,i0 | 6 |ai0 ,j |.
j6=i0 j6=i0
X
En résumé, Ker(A) 6= {0} ⇒ ∃i0 ∈ J1, nK/ |ai0 ,i0 | 6 |ai0 ,j |. Par contraposition,
j6=i0
X
∀i ∈ J1, nK, |ai,i | > |ai,j | ⇒ Ker(A) = {0} ⇒ A ∈ GLn (C).
j6=i
Théorème 26. Soient E un K-espace de dimension finie non nulle n puis B une base de E. Soit f ∈ L(E).
p
1) ∀p ∈ N, MatB (fp ) = (MatB f) .
p
2) Si de plus f ∈ GL(E), alors ∀p ∈ Z, MatB (fp ) = (MatB f) .
Démonstration . 1) se démontre par récurrence grâce aux théorèmes 22 et 23. Si p < 0, le théorème 24 fournit MatB (fp ) =
−1 −1
MatB f−P = MatB (f)−p = (MatB (f))p .
❏
3 Changement de bases
3.1 Matrices de passage
Théorème 27. Soient E un K-espace de dimension finie non nulle n puis B = (e1 , . . . , en ) une base de E. Soit
(u1 , . . . , un ) une famille de n vecteurs de E.
(u1 , . . . , un ) est une base de E si et seulement si MatB (u1 , . . . , un ) est inversible.
Démonstration . Posons A = MatB (u1 , . . . , un ). Soit f l’endomorphisme de E de matrice A dans la base B. Par définition
Définition 8. Soient E un K-espace de dimension finie non nulle n puis B et B ′ deux bases de E.
′
La matrice de passage de la base B à la base B ′ , notée PB ′
B , est la matrice de la base B dans la base B.
n n n
! n n
!
X X X X X
x= xj′ ej′ = xj′ pi,j ei = pi,j xj′ ei
j=1 j=1 i=1 j=1 i=1
n
X n
X n
X Xn
= pi,j xj′ ei = pi,j xj′ ei
i=1 j=1 i=1 j=1
et donc
n
X
∀i ∈ J1, nK, xi = pi,j xj′ .
j=1
n
X
Pour i ∈ J1, nK donné, pi,j xj′ est le produit de la i-ème ligne de la matrice P par le vecteur colonne X ′ et on a donc
j=1
montré que X = PX ′ . On peut énoncer :
Théorème 29. (la formule de changement de base)
Soit E un K-espace de dimension finie non nulle n. Soient B et B ′ deux bases de E. Soit P la matrice de passage de la
base B à la base B ′ .
Soit x ∈ E. Soit X (resp. X ′ ) le vecteur colonne dont les composantes sont les coordonnées du vecteur x dans la base
B (resp. la base B ′ ). Alors,
X = PX ′ .
➱ Commentaire . On doit noter que la formule X = PX ′ expriment les anciennes coordonnées de x (c’est-à-dire les coor-
données de x dans la base initiale B) en fonction des nouvelles coordonnées de x (c’est-à-dire les coordonnées de x dans la
nouvelle base B ′ ).
Exemple. Notons B = (e1 , e2 , e3 ) la base canonique de R3 . Posons u1 = (2, 0, 0) = 2e1 , u2 = (−1, 1, 0) = −e1 + e2 et
u3 = (3, 1, −1) = 3e1 + e2 − e3 . La matrice de la famille (u1 , u2 , u3 ) dans la base (e1 , e2 , e3 ) est
Soit v = (x, y, z) ∈ R3 . Les composantes x, y et z de ce triplet sont aussi ses coordonnées dans la base canonique de R3
(v = xe1 + ye2 + ze3 ). Si on note (x ′ , y ′ , z ′ ) les coordonnées de v dans la base (u1 , u2 , u3 ), les formules de changement de
bases fournissent :
′
2x ′ − y ′ + 3z ′
x 2 −1 3 x
y = 0 1 1 y′ = y′ + z′ .
z 0 0 −1 z′ −z ′
❏
Exercice 11. Dans R2 , on considère la courbe C d’équation x2 − y2 = 2 dans le repère R = (O, e1 , e2 ) = (O, B) où
e1 = (1, 0) et e2 = (0, 1).
1 1
On pose e1′ = √ (1, −1) et e2′ = √ (1, 1).
2 2
1) Montrer que (e1′ , e2′ ) est une base B ′ de R2 et préciser la matrice de passage de B à B ′ .
2) Ecrire les formules de changement de base (et donc de changement de repère).
3) Déterminer une équation de la courbe C dans le repère R ′ = (O, e1′ , e2′ ). Identifier la courbe C et la construire.
Solution 11. 1) e1′ et e2′ sont deux vecteurs non colinéaires de R2 . Donc, B ′ = (e1′ , e2′ ) est une base de R2 . La matrice
de passage de B à B ′ est
1 1
√ √
2 2
P= .
1 1
−√ √
2 2
3) Soit M un point du plan de coordonnées (x, y) dans le repère R = (O, e1 , e2 ) et (x ′ , y ′ ) dans le repère R ′ = (O, e1′ , e2′ ).
2 2
x′ + y′ x′ + y′
1 ′2 1 ′2
2 2
x + 2x ′ y ′ + y ′2 − x − 2x ′ y ′ + y ′2 = 2
M∈C⇔x −y =2⇔ √ − √ =2⇔
2 2 2 2
⇔ x ′ y ′ = 1.
1
On reconnaît l’hyperbole d’équation y ′ = dans le repère R ′ .
x′
C
′
2
e2
e
e1
e1
′
Démonstration .
1) Soit x ∈ E. Soit X (resp. X ′ , X ′′ ) le vecteur colonne dont les composantes sont les coordonnées de x dans B (resp. B ′ , B ′′ ).
′′ ′ ′ ′′
PB ′′ B ′ B B ′′
B X = X = PB X = PB × PB ′ X .
′′ ′ ′′ ′′ ′ ′′
Ainsi, pour tout élément X ′′ de Mn,1 (K), PB ′′ B B ′′ B B B
B X = PB × PB ′ X . On en déduit que PB = PB × PB ′ .
′
PB B B
B × PB ′ = PB = In
′ −1
et donc PB B
B ′ = PB .
❏
Soit f ∈ L(E, F). Soient A = MatB,B1 (f) ∈ Mp,n (K) et B = MatB ′ ,B1′ (f) ∈ Mp,n (K). Alors,
B = Q−1 AP.
Démonstration . Soit x ∈ E. Soit X (resp. X ′ ) le vecteur colonne dont les composantes sont les coordonnées de x dans B
(resp. B ′ ). Soit Y (resp. Y ′ ) le vecteur colonne dont les composantes sont les coordonnées de f(x) dans B1 (resp. B1′ ).
D’après les théorèmes 18 et 29,
QY ′ = Y = AX = APX ′
et donc Y ′ = Q−1 APX ′ . D’autre part, Y ′ = BX ′ . Ainsi, ∀X ′ ∈ Mn,1 (K), Q−1 APX ′ = BX ′ . D’après le théorème 19, B = Q−1 AP.
❏
Soit f ∈ L(E). Soient A = MatB (f) ∈ Mn (K) et B = MatB ′ (f) ∈ Mn (K). Alors,
B = P−1 AP.
Le théorème précédent est très utilisé, entre autres pour calculer des puissances de matrices et ceci en liaison avec le
théorème suivant :
′
Démonstration . Soient B la base canonique de Kn puis B ′ la base de Kn telle que PB n
B . Soit f l’endomorphisme de K tel
que MatB (f) = A. Alors, MatB ′ (f) = P−1 AP = B. Soit p ∈ N.
Bp = (MatB ′ (f))p = MatB ′ (fp ) = P−1 MatB (fp ) P = P−1 (MatB (f))p P = P−1 Ap P.
Si de plus, A est inversible, alors B = P−1 AP est inversible en tant que produit de matrices inversibles et si B est inversible alors
A = PBP−1 est inversible et dans ce cas, le calcul ci-dessus est valable pour p ∈ Z.
❏
1 −3/2 3/2
Exercice 12. Soit A = 3 5/2 −9/2 . Le but de l’exercice est de calculer An pour n ∈ Z.
3 −3/2 −1/2
On note f l’endomorphisme de R3 de matrice A dans la base canonique B = (e1 , e2 , e3 ) de R3 .
1) Déterminer une base (u1 ) de Ker (f − IdR3 ), une base (u2 ) de Ker (f + 2IdR3 ) et une base (u3 ) de Ker (f − 4IdR3 ).
2) a) Montrer que (u1 , u2 , u3 ) est une base de R3 . Ecrire la matrice de passage P de la base B = (e1 , e2 , e3 ) à la
base B ′ = (u1 , u2 , u3 ).
b) Déterminer P−1 .
c) Déterminer la matrice D de f dans la base (u1 , u2 , u3 ).
3) a) A l’aide des formules de changement de base, exprimer A en fonction de P et D.
b) En déduire An pour n ∈ Z (après en avoir justifié l’existence).
Solution 12.
x
1) • Soient u = (x, y, z) ∈ R3 puis X = y .
z
a+c=0 c = −a
au1 + bu2 + cu3 = 0 ⇒ a+b−c =0 ⇒ 2a + b = 0 ⇒ a = b = c = 0.
a+b+c =0 b=0
Donc, la famille (u1 , u2 , u3 ) est libre. De plus, card (u1 , u2 , u3 ) = 3 = dim R3 < +∞. Finalement, la famille (u1 , u2 , u3 )
1
e2 = (u1 − u3 ) (I) − (III)
u1 = e1 + e2 + e3 (I)
2
1
u2 = e2 + e3 (II) ⇔ u1 = e1 + (u1 − u3 ) + e3
u3 = e1 − e2 + e3 (III)
2
u2 = 1 (u1 − u3 ) + e3
2
1
e = (u − u3 ) (I) − (III)
2 2 1
1
⇔ e3 = (−u1 + 2u2 + u3 )
2
e = u − 1 (u − u ) − 1 (−u + 2u + u )
1 1 1 3 1 2 3
2 2
1
e2 = (u1 − u3 ) (I) − (III)
2
⇔ 1
e3 = (−u1 + 2u2 + u3 )
2
e1 = u1 − u2
2 1 −1
1
Finalement, P−1 = −2 0 2 .
2
0 −1 1
c) Par construction, f (u1 ) = u1 , f (u2 ) = −2u2 et f (u3 ) = 4u3 . Donc,
′
n −1
An = MatB (fn ) = PB n B
B MatB ′ (f ) PB ′ = PD P
1 0 1 1 0 0 2 1 −1
1
= 1 1 −1 0 (−2)n 0 −2 0 2
n 2
1 1 1 0 0 4 0 −1 1
n
1 0 4 2 1 −1
1
= 1 (−2)n −4n −2 0 2
2 n n
1 (−2) 4 0 −1 1
n
−1 + 4n
2 1−4
1
= 2 − 2(−2)n 1 + 4n −1 + 2(−2)n − 4n .
2
2 − 2(−2)n 1 − 4n −1 + 2(−2)n + 4n
Définition 9.
Soit (A, B) ∈ (Mn,p (K))2 . B est équivalente à A si et seulement si il existe (P, Q) ∈ GLp (K) × GLn (K) tel que
B = QAP.
2
Soit (A, B) ∈ (Mn (K)) . B est semblable à A si et seulement si il existe P ∈ GLn (K) tel que B = P−1 AP.
Un premier théorème immédiat est :
➱ Commentaire . Dorénavant, on peut dire que les matrices A et B sont équivalentes (ou pas) à la place de B est équivalente
à A. De même pour A et B sont semblables (ou pas).
Soit (A, B) ∈ (Mn (K))2 . A et B sont semblables si et seulement si il existe E espace de dimension n, B et B ′ bases de
E, f ∈ L(E) tels que A = MatB (f) et B = MatB ′ (f).
Démonstration . Supposons qu’il existe E et F espaces de dimensions respectives p et n, B et B ′ bases de E, B1 et B1′ base
′ B′
de F, f ∈ L(E, F) tels que A = MatB,B1 (f) et B = MatB ′ ,B1′ (f). Si on pose P = PB
B et Q = PB1 , les formules de changement de base
1
−1 −1
fournissent B = Q AP où Q ∈ GLp (K) et P ∈ GLn (K). Les matrices A et B sont donc équivalentes.
Réciproquement, supposons A et B équivalentes. Il existe (P, Q) ∈ GLn (K) × GLp (K) tel que B = QAP.
Soient B et B1 les bases canoniques de Kp et Kn respectivement. Soient B ′ et B1′ les bases de Kp et Kn respectivement définies par
′
′ B1 −1
PB
B = P et PB1 = Q . Soit enfin f l’élément de L (Kp , Kn ) tel que A = MatB,B1 (f). D’après les formules de changement de base,
on a B = MatB ′ ,B1′ (f).
❏
Ainsi, deux matrices rectangulaires équivalentes peuvent être interprétées comme les matrices d’une même application
linéaire relativement à deux couples de bases éventuellement différents. De même, deux matrices carrées semblables peuvent
être interprétées comme les matrices d’un même endomorphisme relativement à deux bases éventuellement différentes.
p q
On dispose d’une manière beaucoup plus synthétique de décrire cette matrice, une description par blocs :
Ip 0q,p
MatB (f) = ,
0p,q 0q,q
où Ip est la matrice unité de format p et 0u,v est la matrice nulle de format (u, v). Les termes écrits dans la matrice ne
sont plus des nombres mais des matrices rectangulaires.
De même, si s est la symétrie par rapport à F parallèlement à G et B est la base définie plus haut,
Ip 0q,p
MatB (s) = .
0p,q −Iq
A1 A3
De manière générale, une matrice A ∈ Mn,p (K) pourra être décrite par blocs : A = ou plus généralement
A2 A4
A1,1 . . . A1,j . . . A1,l
.. .. ..
. . .
A = Ai,1 . . . Ai,j . . . Ai,l
. .. ..
. . . .
Ak,1 . . . Ak,j . . . Ak,l
les Ai,j sont des matrices de format (ni , pj ) où n1 , . . . , nk , p1 , . . . , pl sont des entiers naturels non nuls tels que
n1 + . . . + nk = n et p1 + . . . + pl = p.
p1 p2 q1 q2
n1 A1,1 A1,2 p1 B1,1 B1,2
A= et B =
n2 A2,1 A2,2 p2 B2,1 B2,2
On a alors
A1,1 B1,1 + A1,2 B2,1 A1,1 B1,2 + A1,2 B2,2
AB = .
A2,1 B1,1 + A2,2 B2,1 A2,1 B1,2 + A2,2 B2,2
Vérifions-le en analysant par exemple le bloc en haut à gauche. A1,1 B1,1 est défini et de format (n1 , q1 ) de même que
A1,2 B2,1 . Donc, A1,1 B1,1 + A1,2 B2,1 est défini et de format (n1 , q1 ). On pose alors A = (ai,j )16i6n , B = (bi,j )16i6p ,
16j6p 16j6q
′ ′
A1,1 = (αi,j )16i6n1 , A1,2 = αi,j 16i6n1 , B1,1 = (βi,j )16i6p1 et B2,1 = βi,j 16i6p2 .
16j6p1 16j6p2 16j6q1 16j6q1
Soit (i, j) ∈ J1, n1 K × J1, q1 K. Le coefficient ligne i, colonne j, de la matrice AB est
p
X p1
X p
X p1
X p
X
′ ′
ai,k bk,j = ai,k bk,j + ai,k bk,j = αi,k βk,j + αi,k−p1
βk−p1 ,j
k=1 k=1 k=p1 +1 k=1 k=p1 +1
p1
X p2
X
′ ′
= αi,k βk,j + αi,l βl,j
k=1 l=1
qui est bien le coefficient ligne i, colonne j, de la matrice A1,1 B1,1 + A1,2 B2,1 .
Plus généralement, si on découpe la matrice A en blocs Ai,k et la matrice B en blocs Bk,j , de sorte que le découpage en
colonne de A soit le même que le découpage en ligne de B (n = n1 + . . . + ns , p = p1 + . . . + pt , q = q1 + . . . + qu ), alors
t
X
on peut effectuer le calcul de AB par blocs, le bloc no (i, j) étant Ai,k Bk,j .
k=1
0 1 0 0
1 0 0 0
Exemple. Soit A = . A peut s’écrire
0 0 −1 0
0 0 0 2
S 0
A= ,
0 D
0 1 −1 0
où S = et D = = diag(−1, 2). On a S2 = I2 (si s est l’endomorphisme de R2 de matrice S dans la
1 0 0 2
base canonique (e1 , e2 ) de R2 , alors s (e1 ) = e2 et s (e2 ) = e1 puis s2 (e1 ) = e1 et s2 (e2 ) = e2 puis s2 = Id). On peut
alors calculer A2 et plus généralement les puissances de A par blocs :
Définition 10. Soit A ∈ Mn,p (K). Le rang de A, noté rg(A), est le rang de la famille de ses vecteurs colonnes dans
Mn,1 (K).
0 0 1 0 1 0
Par exemple, rg = 0, rg = 1 et rg = 2.
0 0 0 0 0 1
Démonstration . Posons B = (e1 , . . . , en ). Soit ϕ : M (K) → E . ϕ est linéaire et l’image par ϕ de la base
n,1
x1 n
.. X
. 7→ xi ei
i=1
xn
canonique de Mn,1 (K) est la base (e1 , . . . , en ) de E. Donc, ϕ est un isomorphisme.
Par suite, en notant C1 , . . . , Cp , les colonnes de A
rg(A) = rg (C1 , . . . , Cp ) = dim (Vect (C1 , . . . , Cp )) = dim (ϕ (Vect (C1 , . . . , Cp ))) = dim (Vect (ϕ (C1 ) , . . . , ϕ (Cp )))
= dim (Vect (u1 , . . . , up )) = rg (u1 , . . . , up ) .
En reprenant les premières propriétés du rang d’une famille de vecteurs, on en déduit immédiatement
Théorème 38. Soit A ∈ Mn,p (K). Alors, rg(A) 6 Min{n, p}.
De plus,
rg(A) = n ⇔ les colonnes de A forment une famille génératrice de Mn,1 (K).
rg(A) = p ⇔ les colonnes de A forment une famille libre de Mn,1 (K).
et en particulier
Théorème 39. Soit A ∈ Mn (K). Alors, rg(A) 6 n.
De plus, rg(A) = n ⇔ les colonnes de A forment une base de Mn,1 (K) ⇔ A ∈ GLn (K).
Démonstration . Posons B = (e1 , . . . , en ) de sorte que A = MatB ′ (f (e1 ) , . . . , f (en )). Alors,
En appliquant les propriétés déjà connues du rang d’une application linéaire (voir la fin du chapitre « Dimension d’un
espace vectoriel »), on obtient :
Théorème 41.
2
• ∀(A, B) ∈ (Mn,p (K)) , rg(A + B) 6 rg(A) + rg(B).
rg(A) si λ 6= 0
• ∀A ∈ Mn,p (K), ∀λ ∈ K, rg(λA) = 6 rg(A).
0 si λ = 0
• ∀(A, B) ∈ (Mn,p (K))2 , ∀(λ, µ) ∈ K2 , rg(λA + λB) 6 rg(A) + rg(B).
De même,
Théorème 42.
• ∀(A, B) ∈ Mn,p (K) × Mp,q (K), rg(A × B) 6 Min{rg(A), rg(B)} ou encore rg(A × B) 6 rg(A) et rg(A × B) 6 rg(B).
• ∀A ∈ Mn,p (K), ∀(P, Q) ∈ GLn (K) × GLp (K), rg(AP) = rg(A) et rg(QA) = rg(A).
Démonstration . L’inégalité rg(A × B) 6 Min{rg(A), rg(B)} est la traduction en termes de matrices de l’inégalité déjà connue
rg(f ◦ g) 6 Min{rg(f), rg(g)}.
Etudions alors les deux cas d’égalité. Soit P ∈ GLn (K). On a déjà rg(AP) 6 rg(A). Mais d’autre part, rg(A) = rg (AP)P−1 6 rg(AP).
On en déduit encore :
Théorème 43. Deux matrices équivalentes ont même rang. Deux matrices semblables ont même rang.
• Supposons A équivalente à Jr . Alors rg(A) = rg (Jr ), puisque deux matrices équivalentes ont même rang, et donc rg(A) = r (d’après
le travail effectué sur le calcul du rang d’une famille de vecteurs dans le chapitre « Dimension d’un espace vectoriel »).
• Inversement, soit A ∈ Mn,p (K) de rang r ∈ J0, Min{n, p}K. Il s’agit de montrer que A est équivalente à Jr .
Soit f l’élément de L (Kp , Kn ) de matrice A relativement aux bases canoniques B et B1 de Kp et Kn respectivement. D’après le
théorème du rang,
−1
formules de changement de base fournissent Jr = Q AP. Ceci montre que A et Jr sont équivalentes.
❏
On déduit du théorème 44 :
Théorème 45. Soit (A, B) ∈ (Mn,p (K))2 . A et B sont équivalentes si et seulement si rg(A) = rg(B).
Démonstration . On sait déjà que deux matrices équivalentes ont même rang.
Inversement, si rg(A) = rg(B) = r, alors A et B sont toutes deux équivalentes à Jr et donc, par transitivité, A et B sont équivalentes.
❏
Démonstration . Soit r le rang de A. La matrice A est équivalente à la matrice Jr et donc il existe P ∈ GLn (K) et Q ∈ GLp (K
telles que A = QJr P. Mais alors, t A = t PtJr t Q avec t P ∈ GLn (K) et t Q ∈ GLp (K). Maintenant, la matrice t Jr est la matrice Jr de
Ir 0r,n−r
format (p, n) : t Jr = . Ceci montre que t A est de rang r. ❏
0r,p−r 0p−r,n−r
➱ Commentaire .
⋄ Une conséquence de ce résultat est que tout résultat concernant le rang d’une matrice, énoncé en termes de colonnes de cette
matrice, peut aussi être énoncé en termes de lignes. Par exemple, pour A ∈ Mn,p (K),
rg(A) est la dimension du sous-espace de Mn,1 (K) engendré par les colonnes de A
rg(A) est la dimension du sous-espace de M1,p (K) engendré par les lignes de A
et si de plus A ∈ Mn (K),
colonnes non colinéaires puis en mettant en troisième colonne la somme des deux autres :
−1 3 2
A= 2 2 4 .
5 7 12
La famille des lignes de cette matrice doit aussi être de rang 2 et donc, puisque les deux premières lignes sont non colinéaires, et bien
1 11
que nous n’ayons rien fait pour ça, la troisième ligne doit être une combinaison linéaire des deux premières. De fait, L3 = L1 + L2
2 4
(nous n’avons vraiment pas fait exprès).
• On supprime une colonne (ou une ligne) qui est combinaison linéaire d’autres colonnes (ou d’autres lignes).
a 0 ... ... 0 b
. ..
0 ..
.
.
.
0
..
..
.. . . . . ..
.
.
. . . 0 0 .
..
..
0 a b 0
Exercice 13. Soit p > 2. Soit A =
∈ M2p (C).
0 b a 0
. ..
.. .. ..
0 0 . . .
. .
. .
.. ..
.. ..
. . . .
0 . . 0
b 0 ... ... 0 a
Déterminer rg(A) en fonction de a et b.
.
.
0 0
..
..
.. ..
.. ..
.
.
. . . 0 0 .
..
..
0 a+b b 0
rg(A) = rg
0 a+b a 0
.. .. .. ..
. 0 0 . . .
. .
. .
.. ..
.. ..
.. ..
0 . . 0
a+b 0 ... ... 0 a
• Si a + b = 0 ou encore si b = −a, en supprimant les colonnes de 0 puis en supprimant les p premières lignes, chacune
étant colinéaire à l’une des p dernières, on a
−a
0 ... 0
..
.
.
. 0
..
..
..
a 0 ... 0
.
.
0 .. .
..
.
.. ..
. ..
−a 0 0 .
rg(A) = rg = rg
..
= rg (aIp ).
a 0 .. ..
..
. . . 0
. .. ...
0
.
0 ... 0 a
. .. ..
..
. . 0
0 ... 0 a
Si b = −a 6= 0, rg(A) = p et si a = b = 0, rg(A) = 0.
• Si a + b 6= 0 ou encore si b 6= −a,
1 0 ... ... 0 b
.. ..
.
0 . . . 0
..
..
.. ..
.. ..
.
.
. . . 0 0 .
..
..
0 1 b 0
rg(A) = rg
0 1 a 0
.. ..
.. ..
. 0 0 . . .
. .
. .
.. ..
.. ..
.. ..
0 . . 0
1 0 ... ... 0 a
.
0
..
..
.. . . ..
..
.
.
. . . 0 0 .
..
..
1 b 0
rg(A) = rg
0 a−b 0
..
.. ..
. . .
. .. ..
..
. . 0
0 ... ... 0 a−b
Si b 6= a (et b 6= −a), rg(A) = 2p (matrice triangulaire à coefficients diagonaux tous non nuls). Si a = b 6= 0, en
supprimant les p dernières lignes qui sont nulles puis les p dernières colonnes, chacune colinéaire à l’une des p premières,
on obtient rg(A) = rg (Ip ) = p.
En résumé,
• Si b 6= a et b 6= −a, rg(A) = 2p et en particulier, A est inversible.
• Si b = a 6= 0 ou b = −a 6= 0, rg(A) = p.
• Si a = b = 0, rg(A) = 0.
0n . . . 0n Ir
ce qui reste vrai quand r = 0.
On a montré que rg(B) = p rg(A).
Théorème 47. Soit A ∈ Mn,p (K). On note L1 , . . . , Ln les lignes de A et C1 , . . . , Cp les colonnes de A.
• Soient (i, j) ∈ J1, pK2 puis Ei,j = (δk,i δl,j )16k,l6p ∈ Mp (K). j
AEi,j = 0 ... 0 Ci 0 ... 0
• Soient (i, j) ∈ J1, nK2 puis Ei,j = (δk,i δl,j )16k,l6n ∈ Mn (K).
0
..
.
0
Ei,j A =
Lj
i
0
.
..
0
• Soit A = (ak,l )16k6n ∈ Mn,p (K). Soient (i, j) ∈ J1, pK2 puis Ei,j = (δk,i δl,j )16k,l6p ∈ Mp (K).
16l6p
X X X
AEi,j = ak,l Ek,l Ei,j = ak,l Ek,l Ei,j = ak,l δl,i Ek,j
16k6n, 16l6p 16k6n, 16l6p 16k6n, 16l6p
p
X
= ak,i Ek,j .
k=1
0 ... 0 a1,i 0 ... 0
.. .. .. .. .. ou encore AE est la matrice définie en colonnes par
Donc, AEi,j = . . . . . i,j
j
0 ... 0 an,i 0 ... 0
AEi,j = 0 ... 0 Ci 0 ... 0 .
• Soit A = (ak,l )16k6n ∈ Mn,p (K). Soient (i, j) ∈ J1, nK2 puis Ei,j = (δk,i δl,j )16k,l6n ∈ Mn (K).
16l6p
X X X
Ei,j A = Ei,j ak,l Ek,l = ak,l Ei,j Ek,l = ak,l δk,j Ei,l
16k6n, 16l6p 16k6n, 16l6p 16k6n, 16l6p
n
X
= aj,l Ei,l .
l=1
0 ... ... 0
.. ..
. .
0 ... ... 0
Donc, Ei,j A = aj,1 ... ... aj,p ou encore Ei,j A est la matrice définie en lignes par
0 ... ... 0
.. ..
. .
0 ... ... 0
0
...
0
Ei,j A =
Lj
i
0
...
0
On sert maintenant du résultat précédent pour interpréter en terme de calcul matriciel les deux transformations Cj ←
Cj + Ci (ou Li ← Li + Lj ) et Cj ← λCj (ou Li ← λLi ) dans une matrice A ∈ Mn,p (K).
• Pour remplacer Cj par λCj , il suffit d’ajouter (λ − 1)Cj à Cj . D’après le théorème 47, ceci s’obtient en remplaçant la
matrice A par la matrice A + (λ − 1)AEj,j = A (Ip + (λ − 1)Ej,j ). On pose ∆j (λ) = Ip + (λ − 1)Ej,j . On a explicitement
1 0 ... ... 0
. .. ..
0 .. .
.
.. . .
.
. 1
∆j (λ) =
λ = diag(1, . . . , 1, λ, 1, . . . , 1),
.
.. ..
1 .
. .. ..
..
. . 0
0 ... ... 0 1
où λ a été placé en j-ème colonne. ∆j (λ) s’appelle une matrice de dilatation. En résumant les calculs précédents, on a
si A = C1 . . . Cj . . . Cp , alors A∆j (λ) = C1 . . . λCj . . . Cp .
De même,
On note que si λ 6= 0, ∆j (λ) est une matrice carrée inversible en tant que matrice diagonale à coefficients diagonaux
tous non nuls. Dans ce cas, l’égalité
rg(A) = rg (A∆j (λ)) fournit de nouveau le fait que rg C1 . . . Cj . . . Cp =
rg C1 . . . λCj . . . Cp . Et de même, si on multiplie la ligne Li par λ 6= 0.
• Pour remplacer Cj par Cj + Ci (i 6= j), il suffit d’ajouter Ci à Cj . D’après le théorème 47, ceci s’obtient en remplaçant la
matrice A par la matrice A+AEi,j = A (Ip + Ei,j ). On pose Λi,j = Ip +Ei,j . Λi,j s’appelle une matrice de transvection.
Explicitement,
1 0 ... ... 0
.. .. ..
. .
0 .
..
..
. . 1
Λi,j = Ip + Ei,j =
.. ..
. .
.. .
. ..
1 1
.. .. ..
. . . 0
0 ... ... 0 1
où le 1 non situé sur la diagonale, est situé ligne i, colonne j (i 6= j). En résumant les calculs précédents, on a
si A = C1 . . . Ci . . . Cj . . . Cp , alors AΛi,j = C1 . . . Ci . . . Cj + Ci . . . Cp .
De même,
L1 L1
.. ..
. .
Li Li + Lj
si A = ... , alors Λi,j A = ..
.
.
Lj L j
. ..
..
.
Ln Ln
On note que Λi,j est une matrice carrée de rang son format, et donc est
inversible. Dans ce cas, l’égalité rg(A) = rg (AΛ
i,j )
fournit de nouveau le fait que rg C1 . . . Ci . . . Cj . . . Cp = rg C1 . . . Ci . . . Cj + Ci . . . Cp . Et
de même, si on remplace la ligne Li par Li + Lj (i 6= j).
• Soit (σ, σ ′ ) ∈ (Sn )2 . Soit (i, j) ∈ J1, nK2 . Le coefficient ligne i, colonne j, de Pσ × Pσ ′ est
n
X
δi,σ(k) δk,σ ′ (j) = δi,σ(σ ′ (j)) (obtenu pour k = σ ′ (j))
k=1
qui est aussi le coefficient ligne i, colonne j, de Pσ◦σ ′ . Ceci montre que Pσ × Pσ ′ = Pσ◦σ ′ .
• PIdJ1,nK = δi,σ(i) 16i,j6n = In
Analysons maintenant le produit d’une matrice A ∈ Mn,p (K) par une matrice de permutation Pσ , à droite ou à gauche.
Soient A ∈ Mn,p (K) et σ ∈ Sp . Soit (i, j) ∈ J1, nK × J1, pK. Le coefficient ligne i, colonne j, de APσ est
p
X
ai,k δk,σ(j) = ai,σ(j) (obtenu quand k = σ(j).
k=1
a1,σ(1) ... a1,σ(j) ... a1,σ(p)
La matrice APσ est donc .. .. ..
. Cette nouvelle matrice est plus agréablement décrite
. . .
an,σ(1) . . . an,σ(j) . . . an,σ(p)
en colonnes :
Si A = C1 . . . Cj . . . Cn , alors APσ = Cσ(1) . . . Cσ(j) . . . Cσ(n) .
Ainsi, multiplier A par Pσ à droite consiste à appliquer aux colonnes de A la permutation σ. Par exemple, si
3 0 −1 1 0 0 3 −1 0
2 4 7 0 0 1 = 2 7 4 .
−3 −2 0 0 1 0 −3 0 −2
Analysons de même le produit d’une matrice A ∈ Mn,p (K) par une matrice de permutation Pσ , à gauche. Soient A ∈
Mn,p (K) et σ ∈ Sn . Soit (i, j) ∈ J1, nK × J1, pK. Le coefficient ligne i, colonne j, de Pσ A est
p
X
δi,σ(k) ak,j = aσ−1 (i),j (obtenu quand k = σ−1 (i)).
k=1
aσ−1 (1),1 . . . aσ−1 (1),p Lσ−1 (1)
.. .. ..
. .
.
La matrice Pσ A est donc aσ−1 (i),1 . . . aσ−1 (i),p
= Lσ−1 (i) . Multiplier A par Pσ à gauche consiste à
.. .. ..
. . .
aσ−1 (n),1 . . . aσ−1 (n),p Lσ−1 (n)
appliquer aux lignes de A la permutation σ−1 .
On note enfin que, puisque Pσ est inversible, on retrouve le fait que permuter les lignes ou les colonnes d’une matrice ne
modifie pas son rang.
5.6.2 Caractérisation du rang comme le format maximal d’une matrice extraite inversible
• Soit r ∈ J1, Min{n, p}K. On suppose qu’il existe une matrice carrée de format r, extraite de A et inversible. Quite à permuter les
colonnes de A puis les lignes de A, ce qui ne modifie pas le rang de A, on peut supposer que la matrice extraite A ′ = (ai,j )16i,j6r
est inversible. Montrons que la famille (C1 , . . . , Cr ) est une famille libre de Mn,1 (K).
Soient C1′ , . . . , Cr′ , les vecteurs C1 , . . . , Cr tronqués à la r-ème composante (si pour j ∈ J1, rK, Cj = (ai,j )16i6n , alors Cj′ = (ai,j )16i6r ).
La matrice A ′ = C1′ . . . Cr′ est une matrice carrée inversible. Donc, (C1′ , . . . , Cr′ ) est une base de Mr,1 (K) et en particulier
une famille libre de Mr,1 (K). Mais alors, pour (λ1 , . . . , λr ) ∈ Kr ,
r
X r
X
λj Cj = 0 ⇒ λj Cj′ = 0 ⇒ ∀j ∈ J1, rK, λj = 0.
j=1 j=1
La famille (C1 , . . . , Cr ) est donc une famille libre de Mn,1 (K). On en déduit que rg(A) > r.
• Réciproquement, supposons que rg(A) > r. Il existe r colonnes de A constituant une famille libre de Mn,1 (K). Quite à permuter
les colonnes de A, ce qui ne modifie pas le rang de A, on peut supposer que (C1 , . . . , Cr ) est une famille libre de Mn,1 (K).
Soit A1 = C1 . . . Cr ∈ Mn,p (K). rg (A1 ) = r et donc, on peut trouver r lignes de A1 constituant une famille libre de M1,r (K).
Soit A ′ la matrice carrée de format r constituée de ces r lignes. A ′ est une matrice carrée de format r, extraite de A et de plus A ′
est inversible car de rang r.
On a montré que rg(A) > r si et seulement si il existe une matrice carrée de format r, extraite de A et inversible.
Puisque, rg(A) = r si et seulement si rg(A) > r et rg(A) 6> r + 1, on en déduit que rg(A) = r si et seulement si il existe une matrice
carrée de format r, extraite de A et inversible et toute matrice carrée de format strictement supérieur à r, extraite de A, est non
inversible.
❏
Inversement, supposons qu’il existe une matrice carrée de format r extraite de A et inversible et que toute matrice carrée extraite
de A de format r + 1 est non inversible. Puisqu’il existe une matrice carrée de format r extraite de A et inversible, on a rg(A) > r.
Mais on ne peut avoir rg(A) > r + 1, car sinon il existe une matrice carrée de format r + 1 extraite de A et inversible. Ceci montre
que rg(A) = r.
❏
n
X n
X n
X
Tr(λA + µB) = (λai,i + µbi,i ) = λ ai,i + µ bi,i = λTr(A) + µTr(B).
i=1 i=1 i=1
2
Théorème 52. ∀(A, B) ∈ (Mn (K)) , Tr(AB) = Tr(BA).
n
X
Démonstration . Posons A = (ai,j )16i,j6n et B = (bi,j )16i,j6n . Le coefficient ligne i, colonne i, de AB est ai,j bj,i et le
j=1
n
X
coefficient ligne j, colonne j, de BA est bj,i ai,j . Donc
i=1
!
n
X Xn n
X n
X
Tr(AB) = ai,j bj,i =
bj,i ai,j = Tr(BA).
i=1 j=1 j=1 i=1
2
Exercice 15. Existe-t-il (A, B) ∈ (Mn (K)) tel que AB − BA = In ?
2
Solution 15. Non, car pour tout (A, B) ∈ (Mn (K)) , Tr(AB − BA) = Tr(AB) − Tr(BA) = 0 6= n = Tr (In ).
Si A, B et C sont trois matrices carrées, on a Tr(ABC) = Tr(CAB) = Tr(BCA) car par exemple
Tr(ABC) = Tr((AB)C) = Tr(C(AB)) = Tr(CAB). Mais en général, Tr(ABC) 6= Tr(ACB).
Par exemple, prenons A = E1,2 , B = E2,2 , C = E2,1 . Alors, ABC = E1,1 et donc Tr(ABC) = 1 et ACB = 0 et donc
Tr(ACB) = 0.
Exercice 16.
1 0 −1 −2 4 7
1) Les matrices A = 2 2 1 et B = 0 1 0 sont -elles semblables dans M3 (C) ?
3 −1 4 −5 2 2
1 0 0 1 1 0
2) Les matrices I3 = 0 1 0 et A = −1 4 7 sont -elles semblables dans M3 (C) ?
0 0 1 6 5 −2
Ainsi, deux matrices carrées peuvent avoir mettre trace sans être semblables. La réciproque du théorème 53 est fausse.
Théorème 54. Soit E un K-espace vectoriel de dimension finie non nulle n. Soit f ∈ L(E).
Soient B et B ′ deux bases de E. Soient A = MatB (f) et A ′ = MatB ′ (f).
Alors, Tr(A) = Tr(A ′ ).
Démonstration . Soit P la matrice de passage de B à B ′ . Les formules de changement de base fournissent A ′ = P−1 AP. Les
matrices A et A ′ sont semblables et on en déduit que ces matrices ont même trace.
❏
Ainsi, le nombre Tr (MatB (f)) ne dépend pas de la base B (ce nombre ne dépend que de f). Ceci motive la définition
suivante :
Définition 12. Soit E un K-espace vectoriel de dimension finie non nulle n. Soit f ∈ L(E).
La trace de f, notée Tr(f), est la trace de sa matrice dans une base donnée B de E.
Le théorème qui suit montre que la trace peut avoir une signification très concrète.
Théorème 55. Soit E un K-espace vectoriel de dimension finie non nulle n. Soit p une projection.
Alors, Tr(p) = rg(p).
Démonstration . Si rg(p) = 0, alors p = 0 puis Tr(p) = 0 = rg(p). Si rg(p) = n, alors p = IdE (car par exemple,
rg(p) = n ⇒ p ∈ GL(E) puis p2 = p ⇒ p = IdE ). Dans ce cas, Tr(p) = n = rg(p).
On supposedorénavant que rg(p)= r ∈ J1, n − 1K. Dans une base B de E adaptée à la décomposition E = Im(p) ⊕ Ker(p), la matrice
Ir 0r,n−r
A de p est . Mais alors, Tr(p) = Tr(A) = r = rg(p).
0n−r,r 0n−r,n−r
❏
1 2 2
1
Exemple. Soit f l’endomorphisme de R3 de matrice A= 2 4 4 dans la base canonique B = (e1 , e2 , e3 ) de R3 .
9
2 4 4
1 2 2 1 2 2 9 18 18 1 2 2
1 1 1
A2 = 2 4 4 2 4 4 = 18 36 36 = 2 4 4 = A. Donc, f2 = f et f est une
81 81 9
2 4 4 2 4 4 18 36 36 2 4 4
projection.
1
rg(f) = Tr(f) = (1 + 4 + 4) = 1,
9
(ce qui est encore plus immédiat ici à partir de la matrice mais dans le cas général, la trace est certainement plus facile à
calculer que le rang). Ainsi, f est une projection sur une droite parallèlement à un plan.
Plus explicitement, f est la projection sur Vect(u) où u = e1 + 2e2 + 2e3 (obtenu à partir des colonnes de la matrice et
en particulier de la première) parallèlement au plan d’équation x + 2y + 2z = 0 (obtenu à partir des lignes de la matrice
et en particulier de la première).
❏