LES MATRICES

I- MATRICE D'UNE APPLICATION LINEAIRE :

1-Définition :

Soient E et F deux K e.v. avec B  e1 ,e2 ,...,e n  et B'  f 1 , f 2 ,..., f m  leurs bases
respectives, et soit f  £(E, F) .
On sait que f est définie par la donnée des vecteurs de F, f (ei ) i  1,...,n.
Donc pour définir f il faut se donner nxm scalaires (ij )1 i n tels que:
1 j m

f (e1 )   11 f 1   21 f 2 ...  m1 f m
f (e2 )   12 f 1   22 f 2 ... m 2 f m
:
f (ei )  1i f 1   2i f 2 ...  mi f m
:
f (en )   1n f 1   2n f 2 ... mn f m

m
On peut écrire : f (ei )    ji f j i  1,...,n
j 1

Par conséquent f est définie par le tableau suivant :

f (e1 ) f (ei ) f (en )

 11 1i  1n  f 1
  21  2i  2n  f 2
 
 
 
 m1  mi  mn  f m
Ce tableau s'appelle la matrice de f relativement aux bases B et B', on le note M(f,B,B').
M(f,B,B') est dite matrice d'ordre (m,n); m est le nombre de lignes et n est le nombre de colonnes.

- Si m=n la matrice est dite carrée d'ordre n.

- Si m=1 la matrice est dite matrice ligne.
- Si n=1 la matrice est dite matrice colonne.

2- Exemple :

2-1- On considère l'espace vectoriel réel E des vecteurs de la géométrie plane muni d'une base
B  e1 ,e2  orthonormée directe. Sur cet espace, la rotation d'angle  est une application linéaire,
que nous notons r, on a :
r(e1 )  cos  e1  sin  e2
r(e1 )   sin  e1  cos  e 2

1
 e2

r(e2)
r(e1)


e1
La matrice A de r dans la base B est :
cos   sin  
A  
sin  cos  

2-2- Soit E un K e.v. de dimension n.

Et soit :
EE
IdE
v  Id E (v)  v
La matrice de IdE dans une base B  e1 ,e2 ,...,e n  est :

id E (e1 ) IdE (ei ) IdE (en )

 1 0 .. 0  e1
 0 0 .. 0 e2
 : : : 
In 
 : 1 :  ei
 : : : 
 0 0 .. 1 em
In est appelé matrice identité d'ordre n.

2-3- Soit :
R3  R2
f:
f (x, y, z)  f (x, y,z )  (x  y, x  2y  z)
Soient Bc  e1  (1, 0,0),e2  (0,1,0),e3  (0,0,1) et Bc'  e1'  (1,0),e'2  (0,1) les bases
canoniques de R3 et R2.

f (e1 )  (1,1)  1(1,0)  1(0,1)  e1'  e'2

' '
f (e2 )  (1,2)  1(1,0)  2(0,1)  e1  2e2
f (e1 )  (0,1)  1(1,0)  e2'

f (e1 ) f (e2 ) f (e3 )

1 1 0 e'1
M( f , Bc , Bc )  
'
1 2 1 e '2

2
II- MATRICES

1- Définition :

On appelle matrice à m lignes et à n colonnes à coefficients dans K, tout tableau de la

forme :

11  12  1n 
 21  22  2n 
 
A
  ij 

 
 m1  m 2  mn 

où  ij est le scalaire situé à la ième ligne et à la jème colonne.

2- Notation :

Parfois on note A  ( ij )1i m

1 j  n

L'ensemble des matrices, à m lignes et n colonnes à coefficients dans K, est noté Mm,n( K).

3- Opération sur les matrices :

a- Egalité des matrices :

Deux matrices A  (aij )1i m et B  (bij )1i m sont égales si aij  bij i,j
1 j n 1 j  n

b- Matrice nulle :

Une matrice A  (aij )1i m est nulle si aij  0 i,j

1 j n

c- Somme de deux matrices :

Soient A et B deux éléments de Mm,n( K).

On appelle somme de A et B, qu'on note A+B, la matrice C  (cij )1i m élément de Mm,n( K)
1 j  n

définie par cij  aij  bij i,j .

d- Multiplication d'une matrice par un scalaire :

Soit   K et soit A  (aij )1i m .

1 j n

On définit A par la matrice C  (cij )1i m de Mm,n( K) où cij  aij i,j .

1 j  n

3
Exemple :

1 1 2   2 

   
4 2 0 4  2 0 

Théorème :

Mm,n( K) muni des deux lois + et . est un K e.v;

e- Produit de deux matrices :

Définition :

Soient A  (aij )1i m élément de Mm,n( K) et B  (bij )1i  n élément de Mn,p( K).
1 j n 1 j  p

On définit le produit de A par B, qu'on note A.B, par la matrice C  (cij )1i m élément de Mm,p(
1 j  n
n
K) où cij   aik bkj 1  i  m 1 j  p
k 1

Remarque
Le produit de 2 matrices n'est défini que si le nombre de colonnes de la 1ère est égale au
nombre de lignes de la 2ème.

Exemple :
 1 1 

2 4 
A B  
1 1

0 1
 0 2 
Le produit A.B n'est pas défini, par contre le produit B.A est possible; et on a :

 2 3 
BA  
2 3

 0 2

4- Théorème :

Soient E et F 2 K e.v. de dimensions n et m respectivement; et soient B et B' deux bases de

E et F.
£(E,F)  Mm, n (K)
L'application : :
f   ( f )  M( f , B,B' )

4
est un isomorphisme.
Démonstration :

Soient B  e1 ,e2 ,...,e n  et B'  u1 ,u2 ,...,um 

Considérons f  £(E, F) et g £(E, F) /  ( f )  (aij )1i m et  (g)  (bij )1i m
1 j n 1 j  n

montrons que (f+g)=(f)+(g)

 ( f  g)  (cij )1 i m
1 j n
m
 ( f )  (aij )1 i m  f (ei )   a jiu j
1 j n j 1
m
 (g)  (bij )1i m  g(ei )   b jiu j
1 j  n j 1
m m m
( f  g)(ei )   a jiu j   b jiu j   (a ji  bji )u j
j 1 j 1 j 1
m
  c jiu j
j 1

d'où cij  aij  bij

Donc f+g)=(f)+(g)
De même, on montre que  ( f )   ( f )   R
Montrons que  est bijective.
Ker   f  £(E,F) /  ( f )  0
soit f  Ker   ( f )  (aij )1i n avec aij  0 i,j
1 j  m
m
f (ei )   a jiu j  0  f  0 i
j 1

D'où Ker  0

Donc  est injective.

A  (aij )  Mm ,n (K ) existe  t  il f £(E,F) tel que  ( f )  A.

m
Soit f £(E, F) / f (ei )   a jiu j i
j 1

d'où (f)=A
Donc  est surjective
Par conséquent  est un isomorphisme.

Conclusion :

Si on se fixe une base de E et une base de F, alors se donner une application linéaire de
£(E,F) est équivalent à se donner une matrice de Mm,p( K).
5
 5- Proposition :

Soient E F et G trois K e.v. avec B  e1 ,e2 ,...,e n , B'  f 1 , f 2 ,..., f m  et

B" u1 ,u2 ,...,u p leurs bases respectives, et soient . f  £(E,F) et g £(F,G) on a :

M(gof , B, B" )  M(g, B', B").M( f ,B, B' )

Démonstration :

M( f , B, B' )  A  (aij )  Mm, n (K)

M(g, B', B")  B  (bij ) M p,m (K )
On a :
m
gof (ei )  g( f (ei ))  g(  aki f k )
k 1
m
  aki g( f k )
k 1
m p
  aki (  blk ul )
k 1 l 1
p m
  ( aki blk )ul
l 1 k 1
p m
  ( blk aki )ul
l 1 k 1
p

  cliul i
l 1

m
où cli   blk aki
k 1

d'où M(gof , B, B" )  B.A

Détermination de f(x) :

Soient E et F deux K e.v. avec B  e1 ,e2 ,...,e n  et B'  v1 ,v2 ,...,vm  leurs bases
respectives, et soit . f  £(E,F) .
 x1   x1 
 :   : 
soient x    E , avec  la matrice colonne des composantes de x dans B, et
:  : 
   
x nn  x nn 
M(f, B,B' )  (a ij )1 i m .
1 j n

6
 n n
f (x)  f ( x iei )   x i f (ei )
i 1 i 1
n m
  x i (  a jiv j )
i 1 j1
m n
  ( xi a ji )v j
j 1 i1

m n
  ( a ji x i )v j
j 1 i1

n m
On pose : c j   aji x i  f (x)   c jv j
i 1 j 1

Donc M( f ( x), B' )  M( f ,B, B' ).X

Exemple :

Soit Bc  e1 ,e2  la base canonique de R2 et soit f  £(R ) ayant pour matrice
2

 1 0 
M( f , Bc )   .
1 2 
 1 0
 1   
x x1 
Si x  x1e1  x 2 e2  R2 , alors f(x) a pour composantes dans Bc :  
1 2x2   x1  2x2 
III- MATRICES CARREES D'ORDRE n :

1- Matrice inversible :

a- Définition :

Soit A M n (K) , A est dite inversible s'il existe B M n (K) telle que A.B=B.A=In.
B est appelé l'inverse de A et elle est notée A-1.

Remarque :

Si une telle matrice existe alors elle est unique.

Preuve :

Supposant qu'il existe une autre matrice B' / A.B'=B'.A=In.

(A.B)B'=In.B'=B'=(B.A)B'=B(A.B')=B.In=B.
Donc B=B'.

2- Théorème :

Soient E et F deux K e.v. tels que dimE=dimF=n, et B et B' leurs bases respectives. Soit
f  £(E,F) on a :
1 1
f bijective  M( f ,B, B' ) est inversible et (M( f , B, B' ))  M( f ,B' ,B)
7
Démonstration :

f bijective  g £(E, F) / fog  IdF et gof  IdE

fog  IdF et gof  IdE  M( fog, B' )  M(gof ,B)  In
 M( f , B, B' ). M(g, B' , B)  M(g,B' , B).M( f ,B, B' )  In
 M( f , B, B' ) est inversible et (M( f ,B, B' )) 1  M( f 1 , B' , B)

IV- TRANSPOSITION :

1- Définition :

Une matrice A  (aij )1i m  M` m,n (K) . On appelle transposée de A la matrice

1 j  n

B  (bij )1i  n M`n,m (K) / bij  a ji i j . On la note tA.

1 j  m

2- Propriétés :

i- t(AB)=tB.tA
ii- t(A+B)=tA+tB
iii- t(A)=tA   K
iv- A M`m ,n (K) est inversible  tA est inversible et on a: (tA)1  t(A 1 )

3- Définition :

A M`n (K) est symétrique si tA=A.

A M (K) est antisymétrique si tA=-A.
`n

V- MATRICE DE PASSAGE

1- Définition :

Soit E un K e.v. avec B  e1 ,e2 ,...,e n  et B'  f 1 , f 2 ,..., f n  deux bases de E/
f 1   11e1 ...  n1en
:
n
f j   1j e1 ...  nj en   ij ei 1 j n
i 1
:
f n   1ne1 ...  nnen
où  ij K
On appelle matrice de passage de B à B' la matrice P  ( ij )1i n
1 j  n

8
 Exemple :

La matrice de passage de la base canonique de R3 à

B  (1,2,0);(1,0,0);(1,2,1)  v1 ,v2 ,v3 .
On a :
(1,2,0)  1(1,0,0)  2(0,1,0)  0(0,0,1)
(1,0,0)  1(1,0,0)  0(0,1, 0)  0(0,0,1)
(1,2,1)  1(1,0,0)  2(0,1,0)  1(0,0,1)
Donc
v1 v 2 v3
1 1 1 e1
P  
2 0 2
e2
0 0 1e3

2- Coordonnées d'un vecteur relativement à deux bases différentes :

Soit E un K e.v. de dimension n avec B  e1 ,e2 ,...,e n  et B'  f 1 , f 2 ,..., f n  deux bases de
x1  x1' 
 :   : 
E, soit x  E de coordonnées X   et X'   dans B et B' respectivement c à d:
: 
  : 
 
x n  xn' 
n n
x   x iei   xi' f i on a : X=PX' où P est la matrice de passage de B à B'.
i 1 i 1

Exemple :

Dans le plan de la géométrie élémentaire, on considère les bases orthonormées :

B  i, j  et B'  e r ,e 

j
e

er


i
er  cos  i  sin  j
e   sin  i  cos  j

9
 La matrice de passage de B à B' est :

cos   sin  
P  
sin  cos  

x1 
Si  les coordonnées d'un vecteur X dans la base B alors les coordonnées de X dans la base B'
x2 
sont données par la relation :

x1'  x
   P 1  1 
x2 
'
x 2 
x1  x1 cos   x 2 sin 
'

x2'   x1 sin   x cos 

3- Matrice d'une application linéaire relativement à des bases différentes :

Soient E et F deux K e.v. et soient B et B' deux bases de E, S et S' deux bases de F,

Soient P la matrice de passage de B à B'.

Q la matrice de passage de S à S'.
1
On a : M( f , B' ,S' )  Q M( f ,B, S)P
Cas particulier : Si E  F alors M( f ,B' )  P 1 M( f ,B)P

VI- MATRICES PARTICULIERES

1- Matrices diagonales :

 si i  j
Soit A  (aij ) M` n (K) . A est dite diagonale si aij   i
0 si i  j
L'ensemble des matrices diagonales est un s.e.v. de M`n (K) , de plus le produit de deux matrices
diagonales est une matrice diagonale et ce produit est commutatif.

2- Matrices triangulaires :

Soit A  (aij ) M` n (K) . A est dite triangulaire supérieure (resp. Inférieure) si
aij  0 si i  j (resp. si aij  0 si i  j )
L'ensemble des matrices triangulaires supérieures (resp. Inférieures) est un s.e.v. de M`n (K) , de
plus le produit de deux matrices triangulaires supérieures (resp. Inférieures) est une matrice
triangulaire supérieure (resp. inférieure).

10