Université Chouaïb Doukkali

Faculté des Sciences

MOHAMMED MOUÇOUF

Cours d’Algèbre 3

Année 2022-2023
Chapitre 4
Matrices

4.1 Généralités
Définition 1. Soient n et m deux entiers naturels non nuls. On appelle matrice
d’ordre (ou de type, ou de taille) n × m à coefficient dans K un tableau de scalaires
à n lignes et m colonnes de la forme

⎛ a11 a12 ⋯ a1m ⎞

⎜ ⎟
⎜ a21 a22 ⋯ a2m ⎟
A=⎜
⎜
⎟
⎟
⎜. . . . . . . . . . . . . . . . . . ⎟
⎜ ⎟
⎝an1 an2 ⋯ anm ⎠

où les aij ∈ K s’appellent les coefficients (ou les éléments) de la matrice A.

Si n = m on dit que A est une matrice carrée d’ordre n.

Notations .
1. On note par Mn,m (K) l’ensemble des matrices d’ordre n × m à coefficients dans
K.
2. On note par Mn (K) l’ensemble des matrices carrées d’ordre n à coefficients
dans K.
3. La matrice A pourra être écrite de façon abrégée :

A = (aij ) 1≤i≤n Si A est une matrice d’ordre n × m,

1≤j≤m

1
Université Chouaib Doukkali M. Mouçouf

A = (aij )1≤i,j≤n Si A est une matrice carrée d’ordre n,

ou tout simplement
A = (aij )
s’il n’y a pas de confusion sur l’ordre.
4. Pour une matrice A = (aij ) le premier indice i correspond au numéro de la ligne
et le second indice j au numéro de la colonne. Ainsi le coefficient aij est situé à
l’intersection de la ligne numéro i avec la colonne numéro j.
5. Parfois on note Aij le coefficient aij de la matrice A.
6. On note par Li (A) la ligne i de A et Cj (A) la colonne j de A. Avec ces notations
on a
⎛ L1 (A) ⎞
⎜ ⎟
⎜ L2 (A) ⎟
A=⎜
⎜
⎟
⎟
⎜ ⋮ ⎟
⎜ ⎟
⎝Ln (A)⎠
et
A = (C1 (A) C2 (A) . . . Cm (A))

Encore quelques définitions et notations :

• La diagonale d’une matrice carrée A = (aij )1≤i,j≤n est constituée des éléments
situés sur la diagonale de la matrice A. Les éléments a11 , . . . , ann de la dia-
gonale de A sont dits les coefficients diagonaux.
Soit
⎛1 0 2⎞
⎜ √ ⎟
A=⎜2 3 4⎟
⎜ ⎟
,
⎝−1 4 7⎠
√
les oefficients diagonaux de A sont 1, 3 et 7.
• On appelle matrice colonne toute matrice d’ordre n × 1. On dit aussi que
c’est un vecteur colonne et elle de la forme
⎛ a1 ⎞
⎜ ⎟
⎜ a2 ⎟
⎜ ⎟
⎜ ⎟
⎜⋮⎟
⎜ ⎟
⎝an ⎠

Faculté Des Sciences El Jadida 2 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

• On appelle matrice ligne toute matrice d’ordre 1 × n. On dit aussi que c’est
un vecteur ligne et elle de la forme

(a1 a2 . . . an )

• On dit que la matrice carrée A est diagonale si ∀i, j tels que i ≠ j on a

Aij = 0. Par suite une matrice diagonale est de la forme

⎛a1 0 ⋯ 0 ⎞
⎜ ⎟
⎜ 0 a2 ⋱ ⋮ ⎟
⎜
A=⎜ ⎟
⎟
⎜ ⋮ ⋱ ⋱ 0⎟
⎜ ⎟
⎝ 0 ⋯ 0 an ⎠

On la note A = diag(a1 , . . . , an ).

⎛1 0 0 ⎞
⎜ √ ⎟
A = ⎜0 2 0⎟
⎜ ⎟
,
⎝0 0 3 ⎠

est une matrice diagonale d’ordre 3.

• La matrice In = diag(1, . . . , 1) d’ordre n est appelée la matrice identité
d’ordre n.
⎛1 0 0 0⎞
⎜ ⎟
⎜0 1 0 0⎟
I4 = ⎜
⎜
⎟,
⎟
⎜0 0 1 0⎟
⎜ ⎟
⎝0 0 0 1⎠
est la matrice identité d’ordre 4.
• La matrice carrée diag(λ, . . . , λ) d’ordre n est appelée matrice scalaire.

⎛ i 0 0⎞
⎜ ⎟
A = ⎜0 i 0 ⎟ ,
⎜ ⎟
⎝0 0 i ⎠

est une matrice scalaire.

Faculté Des Sciences El Jadida 3 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

• La matrice d’ordre n × m dont tous les coefficients sont des zéros est appelée
la matrice nulle et est notée 0n,m . Donc la matrice 0n est la matrice scalaire
d’ordre n : 0n = diag(0, . . . , 0).

⎛0 0⎞
⎜ ⎟
03,2 = ⎜0 0⎟ ,
⎜ ⎟
⎝0 0⎠

⎛0 0 0⎞
⎜ ⎟
03 = ⎜0 0 0⎟ ,
⎜ ⎟
⎝0 0 0⎠
• Une matrice triangulaire supérieure est une matrice carrée A = (aij )1≤i,j≤n
telle que aij = 0 si i > j, donc A est de la forme

⎛a11 a12 ⋯ a1n ⎞

⎜ ⎟
⎜ 0 a22 ⋱ ⋮ ⎟
⎜ ⎟
⎜ ⎟
⎜ ⋮ ⋱ ⋱ ⎟
⎜ an−1n ⎟
⎝ 0 ⋯ 0 ann ⎠

⎛1 0 5⎞
⎜ √ ⎟
A = ⎜0 2 −1⎟
⎜ ⎟
,
⎝0 0 3⎠
est une matrice triangulaire supérieure.
• Une matrice triangulaire inférieure est une matrice carrée A = (aij )1≤i,j≤n
telle que aij = 0 si i < j, donc A est de la forme

⎛ a11 0 ⋯ 0 ⎞
⎜ ⎟
⎜ a21 a22 ⋱ ⋮ ⎟
⎜ ⎟
⎜ ⎟
⎜ ⋮ ⋱ ⋱ ⎟
⎜ 0 ⎟
⎝an1 ⋯ ann−1 ann ⎠

⎛1 0 0⎞
⎜ √ ⎟
A = ⎜2 2 0⎟
⎜ ⎟
,
⎝4 0 −7⎠
est une matrice triangulaire inférieure.

Faculté Des Sciences El Jadida 4 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

Définition 2. Soit A une matrice d’ordre n×m. La transposée de A est la matrice

notée AT dont les lignes sont les colonnes de A.

Remarques 3.
1. Si A = (aij ) 1≤i≤n alors AT = (bji )1≤j≤m avec bji = aij .
1≤j≤m
2. Si A est d’ordre n × m alors AT est d’ordre m × n.
1≤i≤n

3. Si A est une matrice carrée d’ordre n alors AT est aussi une matrice carrée
d’ordre n.
4. On a Li (A) = Ci(AT et Li (AT ) = Ci (A).
5. Le transposée d’une matrice triangulaire supérieure est une matrice triangulaire
inférieure.
6. Le transposée d’une matrice triangulaire inférieure est une matrice triangulaire
supérieure.

Exemples 1.
⎛1 5 ⎞
⎛1 2 3 ⎞ ⎜ ⎟
1.Soit A = alors AT = ⎜2 7 ⎟.
⎝5 7 6 ⎠ ⎜ ⎟
⎝3 6 ⎠
2. InT = In , 0Tn = 0n et 0Tn,m = 0m,n .
3 (αA)T = αAT .
4. Si A est une matrice scalaire alors AT = A.
5. On peut avoir AT = A sans que soit une matrice scalaire. En effet, considérons
la matrice
⎛1 2 3⎞
⎜ ⎟
A = ⎜2 7 6⎟
⎜ ⎟
⎝3 6 7⎠
Il est clair que AT = A. On dit que A est une matrice symétrique.
6. On peut avoir AT = −A. Par exemple

⎛ 0 2 −3⎞
⎜ ⎟
A = ⎜−2 0 6 ⎟
⎜ ⎟
⎝ 3 −6 0 ⎠

Faculté Des Sciences El Jadida 5 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

On a
⎛ 0 −2 3 ⎞ ⎛ 0 2 −3⎞
⎜ ⎟ ⎜ ⎟
AT = ⎜ 2 0 −6⎟ = − ⎜−2 0 6 ⎟ = −A
⎜ ⎟ ⎜ ⎟
⎝−3 6 0 ⎠ ⎝ 3 −6 0 ⎠
On dit que A est une matrice antisymétrique.
Définition 4. Soient A et B deux matrices de même ordre. On dit que A = B si
Aij = Bij pour tout i et j.

4.2 L’espace vectoriel Mn,m (K)

L’ensemble Mn,m (K) des matrices d’ordre n × m à coefficients dans K est un
K-espace vectoriel. Les lois sont définies par :

(ai,j ) + (bi,j ) = (ai,j + bi,j ) et λ(ai,j ) = (λai,j )

Exemples 2. Soient
√
⎛1 2 3⎞ ⎛−1 2 3⎞
A= et B =
⎝5 −2 6⎠ ⎝1 1
3 3⎠
alors √
⎛2 4 6⎞ ⎛0 2 + 2 6⎞
2A = et A + B =
⎝10 −4 12⎠ ⎝6 −5
3 9⎠
Cherchons une base et la dimension du K-ev Mn,m (K). Pour cela on considère
le cas où n = 2 et m = 3. Soit
⎛a11 a12 a13 ⎞
A= .
⎝a21 a22 a23 ⎠
Décomposans A sous la forme
⎛1 0 0⎞ ⎛0 1 0 ⎞ ⎛0 0 1 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
A = a11 ⎜0 0 0⎟ + a12 ⎜0 0 0⎟ + a13 ⎜0 0 0⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝0 0 0⎠ ⎝0 0 0 ⎠ ⎝0 0 0 ⎠

⎛0 0 0 ⎞ ⎛0 0 0⎞ ⎛0 0 0⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
+ a21 ⎜1 0 0⎟ + a22 ⎜0 1 0⎟ + a23 ⎜0 0 1⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝0 0 0 ⎠ ⎝0 0 0⎠ ⎝0 0 0⎠

Faculté Des Sciences El Jadida 6 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

Soit Eij la matrice d’ordre 2 × 3 dont tous les coefficients sont des zéro sauf celui
en position (i, j) qui vaut 1. On a montré alors que toute matrice de M2,3 (K)
s’écrit de manière unique comme combinaison linéaire des matrices Eij . Par suite
la famille
{Eij /1 ≤ i ≤ 2, 1 ≤ j ≤ 3}

est une base du K-ev M2,3 (K). On a alors dimK (M2,3 (K)) = 2 × 3 = 6.
De la même façon on montre toute matrice A = (aij ) 1≤i≤n de Mn,m (K) s’écrit de
1≤j≤m
manière unique comme combinaison linéaire des matrices Eij . Plus pécisement on
a
n m
A = ∑ ∑ aij Eij = ∑ aij Eij .
i=1 j=1 1≤i≤n
1≤j≤m

Donc la famille
{Eij /1 ≤ i ≤ n, 1 ≤ j ≤ m}

est une base du K-ev Mn,m (K) On a alors dimK (Mn,m (K)) = nm.

Définition 5. Les matrices Eij défini ci-dessus sont appelées matrices élémentaires
et la base qu’elles constituent est appelée la base canonique de l’espace vectoriel
Mn,m (K).

4.3 Produit matriciel

Soient A = (a1 . . . am ) ∈ M1,m (K) une matrice ligne qui a m colonnes et
⎛ b1 ⎞
⎜ ⎟
B = ⎜ ⋮ ⎟ ∈ Mm,1 (K) une matrice colonne qui a m lignes. On appelle produit AB
⎜ ⎟
⎝bm ⎠
la matrice (a1 b1 + ⋯ + am bm ) ∈ M1,1 (K) qui est constituée par un seul coefficient.
Par exemple
√
⎛ 5⎞
⎜ ⎟ √ √
(−4 2 3) ⎜ 4 ⎟ = ((−4 × 5) + (2 × 4) + (3 × 7)) = (29 − 4 5)
⎜ ⎟
⎝ 7 ⎠

Faculté Des Sciences El Jadida 7 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

Soient maintenant A ∈ Mn,m (K) et B ∈ Mm,p (K). On appelle produit AB la

matrice C ∈ Mn,p (K) dont les coefficients sont définis par Cij = Li (A)Cj (B). Par
suite
⎛ L1 (A)C1 (B) L1 (A)C2 (B) . . . L1 (A)Cp (B) ⎞
⎜ ⎟
⎜ L2 (A)C1 (B) L2 (A)C2 (B) . . . L2 (A)Cp (B) ⎟
AB = ⎜
⎜
⎟
⎟
⎜ ⋮ ⋮ ⋮ ⎟
⎜ ... ⎟
⎝Ln (A)C1 (B) Ln (A)C2 (B) . . . Ln (A)Cp (B)⎠
On utilisant les coefficients des deux matrices on obtient :
Si A = (aij ) 1≤i≤n et B = (Bij )1≤i≤m , alors C = (cij )1≤i≤n avec
1≤j≤m 1≤j≤p 1≤j≤p

⎛ b1j ⎞
⎜ ⎟
cij = (ai1 . . . aim ) ⎜
⎜ ⋮ ⎟
⎟
⎝bmj ⎠

=ai1 b1j + ⋯ + aik bkj + ⋯ + aim bmj

m
= ∑ aik bkj .
k=1

Remarques 6.
1. Le produit de deux matrice n’est défini que si le nombre de colonnes de la pre-
mière matrice est égal au nombre de lignes de la deuxième matrice et le produit
d’une matrice d’ordre n × m par une matrice d’ordre m × p est une matrice d’ordre
n × p.
2. En particulier :
● Si A est d’ordre n × m et B est d’ordre m × n, alors AB est une matrice carrée
d’ordre n.
● Si A est d’ordre n × m et B est une matrice colonne d’ordre m × 1, alors AB est
une matrice colonne d’ordre n × 1.
● Si A est une matrice ligne d’ordre 1 × m et B est d’ordre m × n, alors AB est
une matrice ligne d’ordre 1 × n.

Exemples 3.

Faculté Des Sciences El Jadida 8 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

1.
⎛ 1 3 −1⎞ ⎛ 2 ⎞ ⎛−5⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ 2 −2 0 ⎟ ⎜−1⎟ = ⎜ 6 ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎝−1 4 5 ⎠ ⎝ 4 ⎠ ⎝ 14 ⎠

2.
⎛ 1 3 −1⎞
⎜ ⎟
(2 −1 4) ⎜ 2 −2 0 ⎟ = (−4 24 18)
⎜ ⎟
⎝−1 4 5 ⎠

3.
⎛1 ⎞
⎜ ⎟
(2 −1 4) ⎜2⎟ = (12)
⎜ ⎟
⎝3 ⎠

4.
⎛1 ⎞ ⎛2 −1 4 ⎞
⎜ ⎟ ⎜ ⎟
⎜2⎟ (2 −1 4) = ⎜4 −2 8 ⎟
⎜ ⎟ ⎜ ⎟
⎝3 ⎠ ⎝6 −3 12⎠

5.
⎛ 1 3 −1⎞ ⎛1⎞ ⎛1 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
(2 −1 4) ⎜ 2 −2 0 ⎟ ⎜2⎟ = (−4 24 18) ⎜2⎟ = (106)
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎝−1 4 5 ⎠ ⎝3⎠ ⎝3 ⎠

6. Si A est une matrice d’ordre n × m, alors A × 0m,p = 0n,p et 0p,n × A = 0p,m .

7. Si A est une matrice carrée d’ordre n, alors A × 0n = 0n × A = 0n et A × In =
In × A = A.

Proposition 7. Pour toutes matrices A, B et C, si les opérations indiquées existent,

on a les égalités suivantes :
1. A(B + C) = AB + AC
2. (B + C)A = BA + CA
3. (AB)C = A(BC)

Faculté Des Sciences El Jadida 9 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

Démonstration.
1. Soient A ∈ Mn,m (K) et B, C ∈ Mm,p (K). On a

B + C = (Bij + Cij )

Posons D = A(B + C), U = AB et V = AC. Alors

m
Uij = ∑ Aik Bkj
k=1

m
Vij = ∑ Aik Ckj
k=1
m m m
Dij = ∑ Aik (Bkj + Ckj ) = ∑ Aik Bkj + ∑ Aik Ckj
k=1 k=1 k=1

Il est clair que Dij = Uij + Vij et donc A(B + C) = AB + AC.

2. Soient A ∈ Mm,n (K) et B, C ∈ Mn,m (K). On a

B + C = (Bij + Cij )

Posons D = (B + C)A, BA = U et CA = V . Alors

m
Uij = ∑ Bik Akj
k=1

m
Vij = ∑ Cik Akj
k=1
m m m
Dij = ∑ (Bik + Cik )Akj = ∑ Bik Akj + ∑ Cik Akj
k=1 k=1 k=1

Il est clair que Dij = Uij + Vij et donc (B + C)A = BA + CA.

3. Soient A ∈ Mn,m (K) et B ∈ Mm,p (K) et C ∈ Mp,q (K).
Posons D = AB ∈ Mn,p (K), U = DC ∈ Mn,q (K), V = BC ∈ Mm,q (K) et W = AV ∈
Mn,q (K). Alors
m
Dij = ∑ Aik Bkj
k=1
p
Uij = ∑ Dik Ckj
k=1
p
Vij = ∑ Bik Ckj
k=1

Faculté Des Sciences El Jadida 10 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

m
Wij = ∑ Aik Vkj
k=1

On veut montrer que U = W . On a Dik = ∑m

s=1 Ais Bsk , donc

p p m p m
Uij = ∑ Dik Ckj = ∑ (∑ Ais Bsk )Ckj = ∑ ∑ Ais Bsk Ckj
k=1 k=1 s=1 k=1 s=1

et p p
m m m
Wij = ∑ Ais Vsj = ∑ Ais ( ∑ Bsk Ckj ) = ∑ Ais ∑ Bsk Ckj
s=1 s=1 k=1 k=1 s=1

Donc p
m
Wij = ∑ ∑ Ais Bsk Ckj
k=1 s=1

Puisque les indices k et s sont indépendantes, alors on peut échanger l’ordre des
sommations ∑m
k=1 et ∑s=1 pour obtenir
p

p m
Wij = ∑ ∑ Ais Bsk Ckj = Uij
s=1 k=1

En conclusion U = W et donc (AB)C = A(BC).

Théorème 8. (Mn (K), +, ., ×) est une algèbre unitaire sur K (en général n’est
pas commutatif).

Démonstration. On a (Mn (K), +, .) est un K-ev.

D’après la proposition 7, (Mn (K), +, ×) est un anneau.
Mn (K) est unitaire et In son unité.
Soient α ∈ K et A, B ∈ Mn (K). On vérifie facilement que α(AB) = (αA)B =
A(αB).
En conclusion, (Mn (K), +, ., ×) est une algèbre unitaire sur K.

Remarque 9. La loi × n’est pas commutative. En effet considérons

⎛−1 3 ⎞ ⎛1 3 ⎞
A= et B =
⎝ 2 −2⎠ ⎝2 −2⎠

On a
⎛ 5 −9⎞
AB =
⎝−2 10 ⎠

Faculté Des Sciences El Jadida 11 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

⎛ 5 −3⎞
BA =
⎝−2 10 ⎠
On a alors AB ≠ BA.

Remarque 10. Le produit de deux matrices non nulles peut être nul, c’est-à-dire,

AB = 0 ⇏ A = 0 ou B = 0.

En effet considérons
⎛−1 1⎞ ⎛1 1 ⎞
A= et B =
⎝−1 1⎠ ⎝1 1 ⎠
On a
⎛0 0⎞
AB =
⎝0 0⎠
On a alors AB = 0.

Remarque 11. Soit A et B deux matrices carrées de même ordre. Alors

(A + B)2 = A2 + AB + BA + B 2

(A − B)2 = A2 − AB − BA + B 2

(A + B)(A − B) = A2 − AB + BA − B 2

En général on n’a pas (A + B)2 = A2 + 2AB + B 2 , mais d’après la remarque

précédente, si on suppose que A et B commutent, v’esr-à-dire, AB = BA, alors on
a l’identité (A + B)2 = A2 + 2AB + B 2 . D’une façon général on le Résultat suivant
dit formule de binôme de Newton :

Proposition 12. Soient A, B ∈ Mn (K) où K est un corps de caractéristique 0.

On suppose que AB = BA. Alors pour tout p ∈ N on a
m
m m m!
(A + B) = ∑ ( )Ak B p−k
p
où ( )= .
k=0 k k k!(m − k)!

Démonstration. Voir devoir N°2.

Faculté Des Sciences El Jadida 12 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

Rappels.
1. Soit R un anneau commutatif unitaire d’unité 1R et soit

IR = {n ∈ N⋆ /n1R = 0} où n1R = 1R + 1R + ⋯ + 1R .
´¹¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹¸¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¶
n fois

Si IR ≠ ∅, alors IR admet un plus petit élément q. L’entier q est appelé La carac-

téristique de R et se note car(R) = q.
Si IR ≠ ∅, alors on dit que La caractéristique de R est nulle, c’est-à-dire, car(R) =
0.
2. Si R est un anneau intègre et si car(R) ≠ 0, alors on montre facilement que
car(R) = p est un nombre premier. En particulier, si R = K est un corps, alors
car(K) = p est un nombre premier.
Exemples : car(Z) = car(Q) = car(R) = car(C) = 0 et car(Z/5Z) = 5.

Exercice 1.
1. On sait que si p est un nombre premier alors on a

p divise k! ⇐⇒ k ≥ p.

On suppose que K est un corps de carctéristique p (un nombre premier).

Dans ce cas si k ≥ p, alors k! est un multiple de p, donc k! = 0 et m!
k!(m−k)! n’est pas
défini. Cela signifie que le résultat de la proposition précédente n’est pas valide.
Cependant dans le cas où m < p, m!
k!(m−k)! est bien défini car k! ≠ 0 et (m − k)! ≠ 0
puisque k! ≤ m < p et (m−k)! ≤ m < p. Donc on peut dans ce cas utiliser la formule
du binôme.
2. Montrer que le résultat de la proposition précédente reste valide dans un corps
K quelconque à condition de définir les coefficients binomiaux par la relation de
récurrence suivante :
m m m
( ) = 1, ( ) = 1, ( ) = m
0 m 1
et
m m−1 m−1
( )=( )+( )
k k k−1
dite formule de Pascal.

Faculté Des Sciences El Jadida 13 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

Exercice 2.
1. Montrer que (A + B)T = AT + B T et (αA)T = αAT . Par suite l’application

f ∶ Mn,m (K) Ð→ Mm,n (K)

A z→ AT

est linéaire. En particulier, l’application

g ∶ Mn (K) Ð→ Mn (K)
A z→ AT

est un endomorphisme.
3. Montrer que g est un automorphisme de ∶ Mn (K).
4. Montrer que (AT )T = A et en déduire que g −1 = g.
2. Montrer que (AB)T = B T AT .
3. Montrer que AAT et AT A sont des matrice carrées.
4. On dit que A est une matrice symétrique si AT = A.
(i) Montrer que si A est symétrique alors A est une matrice carrée.
(ii) Montrer que AAT et AT A sont deux matrices symétriques.

Définition 13. (puissance d’une matrice)

Soit A une matrice carrée d’ordre m et n un entier naturel non nul. La nième
puissance de A est donné par

An = A × A × ⋯ × A
´¹¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¸¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹ ¹¶
n fois

Remarque 14. Par convention on pose A0 = Im si A est une matrice carrée

quelconque d’ordre m.

Exercice 3. Montrer que (An )m = Anm et An Am = An+m .

Exercice 4.
1. Montrer que (An )T = (AT )n .
2. Montrer que si A est une matrice triangulaire (supérieure ou inférieure) d’ordre
m alors Am = 0.

Faculté Des Sciences El Jadida 14 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

3. Soit A = diag(a1 , . . . , am ) une matrice diagonale. Montrer An = diag(an1 , . . . , anm ).

⎛ 0 1⎞
4. Soit A = . Montrer par récurrence que pour tout n ∈ N :
⎝−2 3⎠

⎛ 2 − 2n 2n − 1 ⎞
An = .
⎝2 − 2n+1 2n+1 − 1⎠

⎛2 0 1⎞ ⎛0 0 1 ⎞
⎜ ⎟ ⎜ ⎟
5. Soient B = ⎜0 2 1⎟ et N = ⎜0 0 1⎟.
⎜ ⎟ ⎜ ⎟
⎝0 0 2⎠ ⎝0 0 0 ⎠
(i) Montrer que N 2 = 0 et que B − N = 2I3 .
(ii) Déterminer B n en remarquons que B = 2I3 + N et N × (2I3 ) = (2I3 ) × N.

Définition 15. Une matrice carrée A de Mn (K) est dite inversible, s’il existe
une matrice B ∈ Mn (K) telle que

AB = In et BA = In .

On dit que B est l’inverse de A et on la note A−1 .

L’ensemble des matrices inversibles de Mn (K) est noté GLn (K).

Remarque 16. Une matrice carrée non inversible est dite singulière.

Propriétés 17. Soient A, B ∈ Mn (K). Alors on a les

1. Montrer que l’inverse de A s’il existe elle est unique.
2. Montrer que (A−1 )−1 = A et que In−1 = In .
2. Montrer que AB = In ⇐⇒ BA = In .
3. Montrer que si A et B sont inversible alors la matrice AB est inversible et on
a (AB)−1 = B −1 A−1 .
4. Montrer que si A est inversible alors la matrice AT est inversible et on a
(AT )−1 = (A−1 )T .
5. Montrer que si A est inversible alors la matrice Am est inversible pour tout
m ∈ N et on a (Am )−1 = (A−1 )m .

Démonstration. Voir devoir N°2.

Faculté Des Sciences El Jadida 15 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

Proposition 18. L’ensemble GLn (K) muni de la multiplication est un groupe

appelé le groupe linéaire des matrices d’ordre n.

Démonstration.
In est l’élément neutre de GLn (K) car AIn = In A = A.
On a A(BC) = (AB)C donc × est associative.
tout élément A de GLn (K) est inversible. Par suite (GLn (K), ×) est un groupe.

4.4 Écriture matricielle d’un système d’équations

linéaires
Considérons le système d’équations linéaires suivant
⎧
⎪ a1,1 x1 + ⋯ + a1,n xn = b1
⎪
⎪
⎪
⎪
⎪
⎪
⎪ a2,1 x1 + ⋯ + a2,n xn = b2
⎪
⎪
⎪
⎪
⎪
⎪ . . . .
(S) ⎨
⎪
⎪
⎪
⎪
. . . .
⎪
⎪
⎪
⎪
⎪ . . . .
⎪
⎪
⎪
⎪
⎩ ap,1x1 + ⋯ + ap,n xn = bp
⎪

On vérifie facilement que que le système (S) peut être présenté sous la forme
matricielle suivante
AX = B
où
⎛a1,1 a1,2 ⋯ a1,n ⎞ ⎛ x1 ⎞ ⎛b1 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜a2,1 a2,2 ⋯ a2,n ⎟ ⎜ x2 ⎟ ⎜b2 ⎟
A=⎜
⎜
⎟,
⎟ X =⎜
⎜ ⎟
⎟ et B = ⎜
⎜ ⎟.
⎟
⎜ ⋮ ⋮ ⋯ ⋮ ⎟ ⎜ ⋮ ⎟ ⎜⋮⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ap,1 ap,2 ⋯ ap,n ⎠ ⎝xn ⎠ ⎝bb ⎠
On remarque que A est la matrice des coefficients du système (S) et B son second
membre.
Par exemple, considérons le système suivant
⎧
⎪ 2x − 3y + 5z = 1
⎪
(S) ⎨
⎪
⎪
⎩ 3x + 2z = 4

Faculté Des Sciences El Jadida 16 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

Posons
⎛x⎞
⎛2 −3 5⎞ ⎜ ⎟ ⎛1⎞
A= , X = ⎜y ⎟ et B =
⎝3 0 2 ⎠ ⎜ ⎟ ⎝4⎠
⎝z ⎠
On a
⎛2x − 3y + 5z ⎞
AX ==
⎝ 3x + 2z ⎠
et donc
⎧
⎪ 2x − 3y + 5z = 1
⎪
AX = B ⇐⇒ ⎨ ⇐⇒ (x, y, z) ∈ S.
⎪
⎪
⎩ 3x + 2z = 4

4.4.1 Calcul de l’inverse

Si A est une matrice inversible, alors l’équation AX = B admet une unique
solution X = A−1 B. En effet, on a AX = A(A−1 B) = AA−1 B = In B = B. Donc
X = A−1 B est une solution de l’équation AX = B. Supposons maintenat que X et
X ′ sont des solutions de l’équation AX = B. Alors AX = AX ′ , donc A − 1(AX) =
A−1 (AX ′ ), d’où A−1 AX = A−1 AX ′ , par suite In X = In X ′ et donc X = X ′ .
⎛ y1 ⎞
⎜ ⎟
⎜ y2 ⎟
Supposons maintenant que A est d’ordre n et soit Y = ⎜ ⎟
⎜ ⎟. Soit (S) le système
⎜⋮⎟
⎜ ⎟
⎝y n ⎠
d’équation dont l’écriture matricielle est AX = Y et le système (H) d’équation
dont l’écriture matricielle A−1 Y = X. On a évidemment

AX = Y ⇐⇒ X = A−1 Y

et donc
(x1 , . . . , xn ) ∈ S ⇐⇒ (y1 , . . . , yn ) ∈ H.
Comme application de ces résultats on a la proposition suivante

Proposition 19. Soit A une matrice inversible d’ordre n et soit (S) le système
d’équation dont l’écriture matricielle est AX = Y . La resolution du système (S)
donne naissance à une matrice carrée B d’ordre n telle que BY = X. La matrice
B ainsi obtenue est l’inverse de A, c’est-à-dire B = A−1 .

Faculté Des Sciences El Jadida 17 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

Exemple 1. Soit la matrice

⎛ 1 2 −2⎞
⎜ ⎟
A = ⎜−1 3 0 ⎟
⎜ ⎟
⎝ 0 −2 1 ⎠
Montrer que A est inversible et calculer son inverse.
Soient
⎛x1 ⎞ ⎛y1 ⎞
⎜ ⎟ ⎜ ⎟
X = ⎜x2 ⎟ et Y = ⎜y2 ⎟
⎜ ⎟ ⎜ ⎟
⎝x3 ⎠ ⎝y3 ⎠
On a
⎛ 1 2 −2⎞ ⎛x1 ⎞ ⎛y1 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
AX = Y ⇐⇒ ⎜−1 3 0 ⎟ ⎜x2 ⎟ = ⎜y2 ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎝ 0 −2 1 ⎠ ⎝x3 ⎠ ⎝y3 ⎠
⎧
⎪
⎪
⎪ x1 + 2x2 −2x3 = y1
⎪
⎪
⇐⇒(S) ⎨ −x1 + 3x2 = y2
⎪
⎪
⎪
⎪
⎪
⎩ −2x2 +x3 = y3
On résout le système (S), on obtient que (S) est un système de Cramer et donc
A est une matrice inversible. On trouve x1 = 3y1 + 2y2 + 6y3, x2 = y1 + y2 + 2y3 et
x3 = 2y1 + 2y2 + 5y3 . On obtient alors le nouveau système suivant
⎧
⎪
⎪
⎪ 3y1 + 2y2 + 6y3 = x1
⎪
⎪
⎨ y1 + y2 + 2y3 = x2
⎪
⎪
⎪
⎩ 2y1 + 2y2 + 5y3 = x3
⎪
⎪
Ce dernier système peut s’écrire matriciellement
⎛3 2 6⎞ ⎛y1 ⎞ ⎛x1 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜1 1 2⎟ ⎜y2 ⎟ = ⎜x2 ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎝2 2 5⎠ ⎝y3 ⎠ ⎝x3 ⎠
La matrice inverse de A est donc
⎛3 2 6⎞
⎜ ⎟
A−1 = ⎜1 1 2⎟ .
⎜ ⎟
⎝2 2 5⎠

Faculté Des Sciences El Jadida 18 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

4.5 Matrices d’applications linéaires

4.5.1 Matrice d’une famille de vecteurs

Soit E une espace vectoriel et soit B = (u1 , . . . , un ) une base de E. Soit v un
vecteur de E et considérons les coordonnées de v dans la base B, vB = (a1 , . . . , an ).
On appelle matrice du vecteur v dans la base B, la matrice colonne MatB (v) = vBT ,
c’est-à-dire,
⎛ a1 ⎞
⎜ ⎟
MatB (v) = ⎜ ⋮ ⎟
⎜ ⎟
⎝an ⎠
Soit H = (v1 , . . . , vm ) une famille de vecteurs de E. On appelle matrice de H dans
la base B, la matrice colonne MatB (H) dont les colonnes sont Ci (MatB (H)) =
MatB (vi ). Donc si viB = (a1i , . . . , ani ), alors

⎛ a11 a12 ⋯ a1m ⎞

⎜ ⎟
⎜ a21 a22 ⋯ a2m ⎟
MatB (H) = ⎜
⎜
⎟
⎟
⎜ ⋮ ⋮ ⋯ ⋮ ⎟
⎜ ⎟
⎝an1 an2 ⋯ anm ⎠

Exemple 2. Soit B la base canonique de R2 [X].

Soient P1 = 6X 2 − 1, P2 = (X + 1)2 , P3 = 4 − X, P4 = 3X 2 + 5X, P5 = 0. Alors

⎛−1 1⎞ ⎛1 −1⎞ ⎛−1 −1⎞

⎜ ⎟ ⎜ ⎟ ⎜ ⎟
MatB (P1 , P2 ) = ⎜ 0 2⎟ , MatB (P2 , P1 ) = ⎜2 0 ⎟ MatB (P1 , P1 ) = ⎜ 0 0 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ 6 1⎠ ⎝1 6 ⎠ ⎝6 6⎠

⎛−1 0 4 0⎞
⎜ ⎟
MatB (P1 , P5 , P3 , P4 ) = ⎜ 0 0 −1 5⎟
⎜ ⎟
⎝ 6 0 0 3⎠

4.5.2 Matrice d’une application linéaire

Dans ce qui suit
● E et F désignent deux K-ev de dimensions finies, supposés non nuls.

Faculté Des Sciences El Jadida 19 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

● B = (u1 , . . . , un ) désigne une base de E et B ′ = (v1 , . . . , vm ) une base de F .

● f ∶ E Ð→ F une application linéaire.

Définition 20. La matrice de f dans les bases B et B ′ est la matrice de la famille

(f (u1 ), . . . , f (un )) dans la base B ′ . Cette matrice est notée

MatB,B′ (f ) ∈ Mm,n (K).

Par suite,
MatB,B′ (f ) = MatB′ (f (u1 ), . . . , f (un )).

Notation . Si E = F et B = B ′ , la matrice MatB,B (f ) est notée tout simplement

MatB (f ).

Proposition 21. Soit w un vecteur quelconque de E. Alors

MatB′ (f (w)) = MatB,B′ (f )MatB (w).

Donc la connaissance de la matrice MatB,B′ (f ) permet de de calculer f (w) pour

tout w ∈ E, c’est-à-dire, de retrouver f .

Démonstration. Posons

wB = (a1 , . . . , an ), c’est-à-dire, w = a1 u1 + ⋯ + an un

f (w)B′ = (b1 , . . . , bm ), c’est-à-dire, f (w) = b1 v1 + ⋯ + bm vm

MatB,B′ (f ) = (cij )1≤i≤m

1≤j≤n

On a alors
n
⎛ ⎞
⎛ c11 c12 ⋯ c1n ⎞ ⎛ a1 ⎞ ⎜ ∑ c1j aj ⎟
⎜ ⎟ ⎜ ⎟ ⎜ j=1 ⎟
⎜ c21 c22 ⋯ c2n ⎟ ⎜ a2 ⎟ ⎜ n ⎟
MatB,B′ (f )MatB (w) = ⎜ ⎟ ⎜ ⎟ = ⎜ ∑j=1 c2j aj ⎟ .
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜. . . . . . . . . . . . . . . . . . ⎟ ⎜ ⋮ ⎟ ⎜ ⎟
⎜ ⎟⎜ ⎟ ⎜
⎜ ⋮ ⎟
⎟
⎝cm1 cm2 ⋯ cmn ⎠ ⎝an ⎠
⎝∑nj=1 cmj aj ⎠

D’autre part, par défintion de la matrice MatB,B′ (f ), on a

m m m
f (u1 ) = ∑ ci1 vi , f (u2 ) = ∑ ci2 vi , ..., f (un ) = ∑ cin vi .
i=1 i=1 i=1

Faculté Des Sciences El Jadida 20 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

Puisque w = a1 u1 + a2 u2 + ⋯ + an un , alors

f (w) =a1 f (u1 ) + a2 f (u2 ) + ⋯ + an f (un )

m m m
=a1 ∑ ci1 vi + a2 ∑ ci2 vi + ⋯ + an ∑ cin vi
i=1 i=1 i=1
m m m
= ∑ ci1 a1 vi + ∑ ci2 a2 vi + ⋯ + ∑ cin an vi
i=1 i=1 i=1

=(c11 a1 v1 + c12 a2 v1 + ⋯ + c1n an v1 ) + (c21 a1 v2 + c22 a2 v2 + ⋯ + c2n an v2 )+

⋯⋯ + (cm1 a1 vm + cm2 a2 vm + ⋯ + cmn an vm )
=(c11 a1 + c12 a2 + ⋯ + c1n an )v1 + (c21 a1 + c22 a2 + ⋯ + c2n an )v2 +
⋯⋯ + (cm1 a1 + cm2 a2 + ⋯ + cmn an )vm
n n n
=(∑ c1j aj )v1 + (∑ c2j aj )v2 + ⋯ + (∑ cmj aj )vm
j=1 j=1 j=1

Par suite
n n n
f (w)B′ = (∑ c1j aj , ∑ c2j aj , . . . , ∑ cmj aj )
j=1 j=1 j=1

En conclusion,
MatB′ (f (w)) = MatB,B′ (f )MatB (w)

Remarque 22.
1. Soit Ci (MatB,B′ (f )) la i-ième colonne de la matrice MatB,B′ (f ).
On a Ci (MatB,B′ (f )) = MatB′ (f (ui )). Puisque MatB′ (f (ui )) = MatB,B′ (f )MatB (ui ),
alors
MatB,B′ (f )MatB (ui ) = Ci (MatB,B′ (f )).

2. On a u1 = 1 × u1 + 0u2 + ⋯ + 0u0 , u2 = 0u1 + 1 × u2 + ⋯ + 0un , . . ..

Donc u1B = (1, 0, . . . , 0), u2 = (0, 1, 0, . . . , 0), . . . , unB = (0, . . . , 0, 1).

Faculté Des Sciences El Jadida 21 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

Par suite

MatB′ (f (u1 )) =MatB,B′ (f )MatB (u1 )

⎛ c11 c12 ⋯ c1n ⎞ ⎛1⎞ ⎛ c11 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ c21 c22 ⋯ c2n ⎟ ⎜0⎟ ⎜ c21 ⎟
=⎜
⎜
⎟ ⎜ ⎟ = ⎜ ⎟ = C1 (MatB,B′ (f ))
⎟⎜ ⎟ ⎜ ⎟
⎜. . . . . . . . . . . . . . . . . . ⎟ ⎜ ⋮ ⎟ ⎜ ⋮ ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎝cm1 cm2 ⋯ cmn ⎠ ⎝0⎠ ⎝cm1 ⎠

MatB′ (f (u2 )) =MatB,B′ (f )MatB (u2 )

⎛0⎞
⎛ c11 c12 ⋯ c1n ⎞ ⎜ ⎟ ⎛ c12 ⎞
⎜ ⎟ ⎜1⎟
⎟ ⎜ ⎟
⎜ c21 c22 ⋯ c2n ⎟ ⎜ ⎟ ⎜ c22 ⎟
=⎜ ⎟⎜ ⎜ ⎟
⎜ ⎟ 0⎟ ⎜ ⎟ = C2 (MatB,B′ (f ))
⎜ ⎟ =
⎜. . . . . . . . . . . . . . . . . . ⎟ ⎜
⎜ ⎟ ⎜ ⋮ ⎟
⎜ ⎟⎜⋮⎟ ⎜ ⎟
⎝cm1 cm2 ⋯ cmn ⎠ ⎜ ⎟ ⎝cm2 ⎠
⎝0⎠

Plus généralement on a

MatB′ (f (ui )) =MatB,B′ (f )MatB (ui )

⎛0 ⎞
⎜ ⎟
⎜⋮⎟
⎛ c11 c12 ⋯ c1n ⎞ ⎜ ⎟
⎜ ⎟ ⎛ c1i ⎞
⎜ ⎜
⎟ ⎟ 0 ⎟ ⎜ c2i ⎟
⎜ c21 c22 ⋯ c2n ⎟ ⎜ ⎜ ⎟ ⎜ ⎟
⎜
=⎜ ⎟ =⎜ ⎟
⎟⎜⎜ 1⎟⎟ ⎜ ⎟ = Ci (MatB,B′ (f ))
⎜. . . . . . . . . . . . . . . . . .⎟ ⎜ ⎟ ⎜ ⋮ ⎟
⎜ ⎟ ⎜0 ⎟ ⎜ ⎟
⎝cm1 cm2 ⋯ cmn ⎠ ⎜ ⎟
⎜ ⎟ ⎝cmi ⎠
⎜⋮⎟
⎜ ⎟
⎝0 ⎠

On retrouve alors le résultat de 1.

Exemple 3.
1. On considère l’application identique de E. On a

idE (u1 )B = (1, 0 . . . , 0), idE (u2 )B = (0, 1, 0 . . . , 0), . . . , idE (un )B = (0, . . . , 0, 1).

Donc MatB (idE ) = In .

Faculté Des Sciences El Jadida 22 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

2. si f = 0 est l’application nulle, alors MatB (f ) = 0m,n .

3. Soient E = K 3 , F = K 2 et soient B et B ′ les bases canoniques de E et de F .
Soit f ∶ E Ð→ F l’application linéaire définie par f (x, y, z) = (x − 2y, x + y − 3z).
on a f (1, 0, 0) = (1, 1), f (0, 1, 0) = (−2, 1) et f (0, 0, 1) = (0, −3), alors

⎛1 −2 0 ⎞
MatB,B′ (f ) =
⎝1 1 −3⎠

⎛x ⎞
⎛1 −2 0 ⎞ ⎜ ⎟ ⎛ x − 2y ⎞
On a ⎜y ⎟ = .
⎝1 1 −3⎠ ⎜ ⎟ ⎝x + y − 3z ⎠
⎝z ⎠
Pousons u = (x, y), alors MatB′ (f (u)) = MatB,B′ (f )MatB (u).
3. Soient E = K4 [X] et F = K2 [X] et soient B et B ′ les bases canoniques de E et
de F . Soit f ∶ E Ð→ F l’application linéaire définie par (f (P ) = P ′′ .
on a f (1) = 0, f (X) = 0, f (X 2 ) = 2, f (X 3 ) = 6X, f (X 4 ) = 12X 2 ,
donc f (1)B′ = (0, 0, 0), f (X)B′ = (0, 0, 0), f (X 2 )B′ = (2, 0, 0), f (X 3 )B′ = (0, 6, 0),
f (X 4 )B′ = (0, 0, 12).
⎛0 0 2 0 0 ⎞
⎜ ⎟
MatB,B′ (f ) = ⎜0 0 0 6 0 ⎟
⎜ ⎟
⎝0 0 0 0 12⎠
Considérons P = 2X 4 + X 3 − X 2 + 3X + 5 Déterminer P ′′ .
On a PB = (5, 3, −1, 1, 2). Alors

⎛5⎞
⎜ ⎟
⎜ 3 ⎟ ⎛−2⎞
⎛0 0 2 0 0 ⎞ ⎜ ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
MatB′ (P ”) = MatB′ (f (P )) = ⎜0 0 0 6 0 ⎟ ⎜−1⎟ = ⎜ 6 ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ ⎟
⎝0 0 0 0 12⎠ ⎜ 1 ⎟ ⎝ 24 ⎠
⎜ ⎟
⎝2⎠

Donc P ′′ (X) = −2 + 6X + 24X 2 .

4. Soient E = F = K 3 et soit B = (e1 , e2 , e3 ) sa base canonique. Posons B ′ =
(v1 , v2 , v3 ) où v1 = (1, 1, 1), v2 = (1, 1, 0), v3 = (1, 0, 0). I4l est clair que B ′ est
une famille échelonnée qui ne contient pas (0, 0, 0), donc B ′ est libre. Comme
card(B ′ ) = 3 = dim(E), alors B ′ est une base de E. Soit f ∶ E Ð→ F l’application

Faculté Des Sciences El Jadida 23 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

linéaire définie par f (x, y, z) = (x − 2y + z, y − 3z, 2x + y + z).

on a f (e1 ) = (1, 0, 2), f (e2 ) = (−2, 1, 1) et f (e3 ) = (1, −3, 1), alors

⎛1 −2 1 ⎞
⎜ ⎟
MatB (f ) = ⎜0 1 −3⎟ .
⎜ ⎟
⎝2 1 1 ⎠

On a
v1 = e1 +e2 +e3 , donc f (v1 ) = f (e1 )+f (e2 )+f (e3 ) = (1, 0, 2)+(−2, 1, 1)+(1, −3, 1) =
(0, −2, 4)
v2 = e1 + e2 , donc f (v1 ) = f (e1 ) + f (e2 ) = (1, 0, 2) + (−2, 1, 1) = (−1, 1, 3)
v3 = e1 , donc f (v3 ) = (1, 0, 2), alors

⎛ 0 −1 1⎞
⎜ ⎟
MatB′ ,B (f ) = ⎜−2 1 0⎟ .
⎜ ⎟
⎝ 4 3 2⎠

On a

(0, −2, 4) = av1 + bv2 + cv3 ⇐⇒ (a + b + c, a + b, a) = (0, −2, 4) ⇐⇒ a = 4, b = −6, c = 2

⇐⇒ f (v1 )B′ = (4, −6, 2)

(−1, 1, 3) = av1 + bv2 + cv3 ⇐⇒ (a + b + c, a + b, a) = (−1, 1, 3) ⇐⇒ a = 3, b = −2, c = −2

⇐⇒ f (v1 )B′ = (3, −2, −2)

(1, 0, 2) = av1 + bv2 + cv3 ⇐⇒ (a + b + c, a + b, a) = (1, 0, 2) ⇐⇒ a = 2, b = −2, c = 1

⇐⇒ f (v1 )B′ = (2, −2, 1)

Donc
⎛4 3 2⎞
⎜ ⎟
MatB′ (f ) = ⎜−6 −2 −2⎟ .
⎜ ⎟
⎝ 2 −2 1 ⎠

Faculté Des Sciences El Jadida 24 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

On a e1 = v3 , donc f (e1 )B′ = f (v3 )B′ = (2, −2, 1)

(−2, 1, 1) = av1 + bv2 + cv3 ⇐⇒ (a + b + c, a + b, a) = (−2, 1, 1) ⇐⇒ a = 1, b = 0, c = −3

⇐⇒ f (e2 )B′ = (1, 0, −3)

(1, −3, 1) = av1 + bv2 + cv3 ⇐⇒ (a + b + c, a + b, a) = (1, −3, 1) ⇐⇒ a = 1, b = −4, c = 4

⇐⇒ f (e3 )B′ = (1, −4, 4)

Donc
⎛2 1 1⎞
⎜ ⎟
MatB,B′ (f ) = ⎜−2 0 −4⎟ .
⎜ ⎟
⎝ 1 −3 4 ⎠
Proposition 23. L’application

Mat ∶ L (E, F ) Ð→ Mm,n (K)

f z→ MatB,B′ (f )

est un isomorphisme de K-espaces vectoriels. En particuler, dim(Mm,n (K)) = mn.

Démonstration. Voir TD

Remarque 24. Prenons E = K n et F = K m et B et B ′ les bases canoniques de

E et F . Alors pour toute matrice A ∈ Mm,n (K) il existe une unique application
lineaire f ∶ K n Ð→ K m telle que MatB,B′ (f ) = A. On dit que f est canoniquement
associée à la matrice A.

Remarque 25. Soit g un endomorphisme de E. Alors

1.
MatB,B′ (f ) = 0m,n ⇐⇒ f = 0 l’application nulle

2.
MatB (g) = In ⇐⇒ g = idE

Faculté Des Sciences El Jadida 25 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

Remarque 26. On a dim(Mm,n (K)) = mn et dim(Mn,m (K)) = nm, donc dim(Mm,n (K)) =
dim(Mnm (K)), alors Mm,n (K) ≃ Mm,n (K).
Il est facile de montrer que l’application

Mm,n (K) Ð→ Mn,m (K)

M z→ M T

est un isomorphisme de K-espaces vectoriels.

Proposition 27. Soient G un K-ev et B ′′ = (w1 , . . . , wq ) une base de G. Soit

g ∶ F Ð→ G une application linéaire. Alors

MatB,B′′ (g ○ f ) = MatB′ ,B′′ (g) × MatB,B′ (f )

Démonstration. Posons A = MatB′ ,B′′ (g) × MatB,B′ (f ) et B = MatB,B′′ (g ○ f ) et

montrons que Cj (A) = Cj (B) ∀j ∈ {1, . . . , n}. On a

Cj (A) =MatB′ ,B′′ (g) × MatB,B′ (f ) × MatB (uj )

=MatB′ ,B′′ (g) × MatB′ (f (uj ))
=MatB′′ (g(f (uj )))
=MatB′′ ((g ○ f )(uj ))
=Cj (B)

En conclusion, les matrices A et B ont les mêmes colonnes, donc A = B.

Proposition 28. On suppose que n = m, c’est-à-dire, dim(E) = dim(F ). Alors

L’application f est bijective si et seulement si MatB,B′ (f ) est inversible. Dans ce
cas on
MatB,B′ (f −1 ) = MatB,B′ (f )−1 .

Démonstration. Si f est bijective, alors on a f ○ f −1 = idE ′ et f −1 ○ f = idE , donc

MatB′ (f ○ f −1 ) = In et MatB (f −1 ○ f ) = In . Par suite MatB,B′ (f ) × MatB′ ,B (f −1 ) =
MatB′ ,B (f −1 ) × MatB,B′ (f ) = In . Donc MatB,B′ (f ) est inversible et on a
MatB′ ,B (f −1 ) = MatB,B′ (f )−1 .
Réciproquement, supposons que la matrice MatB,B′ (f ) est inversible. Puisque

Faculté Des Sciences El Jadida 26 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

MatB,B′ (f )−1 ∈ Mn,m (K), alors d’après la proposition 23, ∃g ∈ L (F, E) telle que
MatB′ ,B (g) = MatB,B′ (f )−1 . On a

MatB′ ,B (g) × MatB,B′ (f ) = MatB,B′ (f )−1 × MatB,B′ (f ) = In

donc
MatB (g ○ f ) = In

alors g ○ f = idE . De la même façon on montre que f ○ g = idE ′ . En conclusion,

g = f −1 et donc f est inversible.

Corollaire 29. Soient g et f deux endomorphismes de E. Alors

1.
MatB (g ○ f ) = MatB (g) × MatB (f )

2. g est bijective si et seulement si MatB (g) est inversible. Dans ce cas on a

MatB (g −1 ) = MatB (g)−1

4.6 Changement de bases

4.6.1 Matrices de passage

Soient B = (u1 , . . . , un ) et B ′ = (v1 , . . . , vn ) deux bases de E.

Définition 30. On appelle matrice de passage de B à B ′ la matrice MatB (B ′ ) de

la famille B ′ dans la base B.

Exemple 4. Si B = (u1 , u2 ) et B ′ = (2u1 − u2 , u1 + u2 ), alors

⎛2 1⎞
MatB (B ′ ) =
⎝−1 1⎠

Théorème 31. On a les résultats suivants :

1. MatB (B ′ ) est une matrice carrée d’ordre n.
2. MatB (B ′ ) = MatB′ ,B (idE ).
3. MatB (B ′ ) est inversible et on a MatB (B ′ )−1 = MatB′ (B).

Faculté Des Sciences El Jadida 27 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

Démonstration.
1. On sait que MatB (B ′ ) est une matrice d’ordre s × t où s = card(B) et t =
card(B ′ ). Puisque card(B) = card(B ′ ) = n, alors MatB (B ′ ) est une matrice carrée
d’ordre n.
2. On considère idE de E muni de B ′ dans E muni de B :

idE ∶ (E, B ′ ) Ð→ (E, B)

Pour tout vj ∈ B ′ on a idE (vj ) = vj , donc la jième colonne de la matrice MatB′ ,B (idE )
est la même que la jième colonne de la matrice MatB (B ′ ). Par suite, MatB (B ′ ) =
MatB′ ,B (idE ).
3. L’application
idE ∶ (E, B ′ ) Ð→ (E, B)

est bijective et on a
E = idE ∶ (E, B) Ð→ (E, B ).
id−1 ′

Donc MatB′ ,B (idE ) est inversible et on a MatB′ ,B (idE )−1 = MatB,B′ (id−1
E ) = MatB,B ′ (idE ).

D’où le résultat.

Proposition 32. Soit w ∈ E. Soient MatB (w) la matrice colonne des coordonnées
de w dans la base B et MatB′ (w) la matrice colonne des coordonnées de w dans
la base B ′ . Alors
MatB′ (w) = MatB′ (B)MatB (w).

Démonstration. Considérons l’application

idE ∶ (E, B) Ð→ (E, B ′ )

On a
MatB,B′ (idE )MatB (w) = MatB′ (idE (w)).

Donc
MatB′ (B)MatB (w) = MatB′ (w).

Faculté Des Sciences El Jadida 28 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

Exemple 5. Dans E = R2 soit B = (e1 , e2 ) la base canonique. Considérons la

base B ′ = (v1 , v2 ) où v1 = e1 − 2e2 , v2 = 3e1 + e2 .
1. On a
⎛ 1 3⎞
MatB (B ′ ) = .
⎝−2 1⎠

2. On a e1 = 71 v1 + 72 v2 et e2 = −3
7 v1 + 17 v2 . Donc

1 ⎛1 −3⎞
MatB′ (B) = .
7 ⎝2 1 ⎠

3. Soit W = (3, 5). On a MatB (w) = (3, 5)T . On a

MatB′ (w) = MatB′ (B)MatB (w).

Alors
1 ⎛1 −3⎞ ⎛3⎞ 1 ⎛−12⎞
MatB′ (w) = = .
7 ⎝2 1 ⎠ ⎝5⎠ 7 ⎝ 11 ⎠
Par suite, w = −12
7 v1 + 11
7 v2 .

Théorème 33. Soient E et F deux K-ev de dimensions finies et f ∶ E Ð→ F une

application linéaire. Soient B, C deux bases de E et B ′ , C ′ deux bases de F . Alors

MatC,C ′ (f ) = MatB′ (C ′ )−1 × MatB,B′ (f ) × MatB (C).

Démonstration. Cosidérons le diagramme commutatif suivant

f
(E, B) / (F, B ′ )
idE ↺ idE ′
 f

(E, C) / (F, C ′ )

Ce diagramme est commutatif car f ○ idE = idE ′ ○ f . On a

MatB,C ′ (f ○ idE ) = MatC,C ′ (f ) × MatB,C (idE ) = MatC,C ′ (f ) × MatC (B)

et

MatB,C ′ (idE ′ ○ f ) = MatB′ ,C ′ (idE ′ ) × MatB,B′ (f ) = MatC ′ (B ′ ) × MatB,B′ (f ).

Faculté Des Sciences El Jadida 29 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

Donc
MatC,C ′ (f ) × MatC (B) = MatC ′ (B ′ ) × MatB,B′ (f )

alors
MatC,C ′ (f ) = MatC ′ (B ′ ) × MatB,B′ (f ) × MatC (B)−1

ou
MatC,C ′ (f ) = MatB′ (C ′ )−1 × MatB,B′ (f ) × MatB (C).

Corollaire 34. Soit f ∶ E Ð→ E un endomorphisme de E, B et B ′ deux bases de

E. Alors
MatB′ (f ) = MatB (B ′ )−1 × MatB (f ) × MatB (B ′ ).

Démonstration. Dans le théorème 33, on remplace C et C ′ par B ′ et on remplace

B et B ′ par B.

Exemple 6. Soit B = (e1 , e2 ) la base canonique de R2 et soit B ′ = (v1 , v2 ) où

v1 = e1 − 2e2 , v2 = 3e1 + e2 . B ′ est une base de R2 .
Soit f ∶ R2 Ð→ R2 l’application linéaire telle que

⎛3 1⎞
MatB (f ) = .
⎝2 0⎠

On a
⎛ 1 3⎞
MatB (B ′ ) =
⎝−2 1⎠
et
1 ⎛1 −3⎞
MatB′ (B) = .
7 ⎝2 1 ⎠
On a
1 ⎛1 −3⎞ ⎛3 1⎞ ⎛ 1 3⎞
MatB′ (f ) = .
7 ⎝2 1 ⎠ ⎝2 0⎠ ⎝−2 1⎠

Faculté Des Sciences El Jadida 30 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

4.6.2 Rang d’une matrice

Définition 35. Soit A = (C1 (A) . . . Cm (A)) une matrice de Matn,m (K). On
appelle rang de A, noté rg(A), le rang de la famille constituée par les vecteurs
colonnes C1 (A), . . . , Cm (A). On écrit

rg(A) = rg(C1 (A), . . . , Cm (A)).

Proposition 36. Soient E de dimension n et de base B et F de dimension m et

de base B ′ . Soit f ∶ E Ð→ F une application linéaire. Posons A = MatB,B′ (f ) ∈
Matm,n (K). Alors rg(A) = rg(f ).

Démonstration. L’application

MatB′ ∶ F Ð→ Matm,1 (K)

w z→ MatB′ (w)

est un isomorphisme. Donc rg(w1 , . . . , wq ) = rg(MatB′ (w1 ), . . . , MatB′ (wq )).

Posons B = (u1 , . . . , un ). On a MatB′ (f (ui )) = Ci (A). Donc

rg(A) =rg(C1 (A), . . . , Cn (A))

=rg(MatB′ (f (u1 )), . . . , MatB′ (f (un )))
=rg(f (u1 ), . . . , f (un ))
=rg(f )

car sev⟨f (u1 ), . . . , f (un )⟩ = Im(f ).

Proposition 37. Le rang d’une matrice A est égal à celui du système homogène
associé.

Démonstration. Voir devoir.

Remarque 38. La proposition37 montre que le rang d’une matrice peut être cal-
culer en utilisant la méthode de Gauss utilisée pour la résolution des systèmes
d’équations linéaires.

Faculté Des Sciences El Jadida 31 Année 2022-2023

Université Chouaib Doukkali M. Mouçouf

Corollaire 39. Soit A ∈ Matn,m (K). Alors

rg(A) = rg(L1 (A), . . . , L(n)(A)),

c’est-à-dire, rg(A) = rg(AT ).

Démonstration. Voir devoir.

Faculté Des Sciences El Jadida 32 Année 2022-2023