Académique Documents
Professionnel Documents
Culture Documents
Cours Chap 22 Matrices Et Applications Lineaires
Cours Chap 22 Matrices Et Applications Lineaires
Maths chap 22
III/Changement de base 6
1) Matrice de passage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2) Effet d’un changement de base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
a) Sur un vecteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
b) Sur la matrice d’une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
K = R ou C
E, F désignent des K-espaces vectoriels de dimension finie, on pose :
Définition 1 (Matrice d’un vecteur, d’une famille de vecteurs). Soit BE = (e1 , . . . , ep ) une base
de E.
La matrice du vecteur x ∈ E est une matrice colonne formée des coordonnées de x dans la base BE , on
note :
x1 p
X = MatBE (x) = ... où x =
X
xi ei .
xp i=1
La matrice d’une famille de vecteurs (u1 , . . . , ur ) ∈ E r est une matrice de Mp,r (K) dont les colonnes
sont formées des coordonnées de uj dans la base BE , on note :
u1 ... uj ... ur
x ... x1,j ... x1,r e1
1,1
.. .. .. ..
p
. . . . X
MatBE (u1 , . . . , ur ) =
xi,1 ··· xi,j ··· xi,r
ei où uj = xi,j ei .
. .. .. .. i=1
.
. . . .
xp,1 ··· xp,j ··· xp,r ep
1
Lycée Lalande, PCSI
Maths chap 22
n
X
où pour tout j ∈ J1, pK, f (ej ) = ai,j εi .
i=1
Remarque. Les données f (e1 ), . . . , f (ep ) au dessus de chaque colonne et ε1 , . . . , εn en face de chaque ligne,
servent seulement à indiquer que les colonnes sont les coordonnées dans la base d’arrivée (ε1 , . . . , εn ) des images
par f des vecteurs de la base de départ (e1 , . . . , ep ).
L’ensemble de départ (E) donne le nombre de colonnes et l’ensemble d’arrivée (F ) donne le nombre de lignes
de la matrice.
Exemple 1. Soit
f: R2 −→ R3
u = (x, y) 7−→ f (u) = f ((x, y)) = (2x + y, y, x − y)
Remarque. Pour un endomorphisme, en général (mais ce n’est pas obligatoire), on choisit la même base au
départ et à l’arrivée.
La matrice d’un endomorphisme f ∈ L(E) dans une base de E (même base au départ et à l’arrivée) est une
matrice carrée, on note MatBE (f ).
La matrice de l’application identité IdE : u 7→ u est toujours MatBE (IdE ) = Ip , quelque soit la base choisie.
Exemple 2. Soit
f: R3 −→ R3
u = (x, y, z) 7−→ f (u) = f ((x, y, z)) = (z, y, x + y + z)
cos(θ) − sin(θ)
Exemple 3. La matrice d’une rotation de R2 d’angle θ ∈ R est .
sin(θ) cos(θ)
Exemple 4. Soit
f: R2 [X] −→ R2 [X]
P (X) 7−→ f (P ) = P 0 (X)X
Remarque. Si ϕ est une forme linéaire i-e une application linéaire ϕ : E → K alors elle sera représentée par
une matrice ligne. Par exemple ϕ : R3 → R, (x, y, z) 7→ x + y + z, sa matrice dans la base canonique de R3 (avec
(1) base de R) est :
2
Lycée Lalande, PCSI
Maths chap 22
Ainsi f ((1, 1, 1)) = . . . (ce qu’on peut vérifier immédiatement avec l’expression de f ).
Plus généralement, l’image de (x, y, z) par f est donc : (ce qui permet de voir d’une autre manière comment
Proposition 4 (Isomorphisme de L(E, F ) sur Mn,p (K) induit par le choix d’un couple de bases.).
L’application
ϕ: L(E, F ) −→ Mn,p (K)
f 7→ MatBF ,BE (f )
est un isomorphisme.
(" L’image d’une application linéaire de E dans F par ϕ est sa matrice dans les bases BE , BF ")
(La composition de deux applications linéaires se traduit par un produit au niveau matriciel)
3
Lycée Lalande, PCSI
Maths chap 22
k
MatBE (f k ) = (MatBE (f )) .
−1
MatBE ,BF (f −1 ) = (MatBF ,BE (f ))
Définition 3. Soit une matrice A ∈ Mn,p (K). L’application f : Kp → Kn dont A est la matrice dans les
bases canoniques de Kp et Kn est appelée l’application linéaire canoniquement associée à A.
Exemple 6. Soit
1 −1 3
A=
0 2 1
Déterminer l’application linéaire canoniquement associée à A.
Définition 4. Soit une matrice A ∈ Mn,p (K) et f : Kp → Kn l’application linéaire canoniquement associée
à A.
• Le noyau de A, noté Ker A, est le noyau de f : Ker A = Ker f sous-espace vectoriel de Kp .
• L’image de A, noté Im A, est l’image de f : Im A = Im f sous-espace vectoriel de Kn .
Remarque. De manière générale, les lignes de A donne les lignes du système linéaire associé à Ker A. Ker A
est l’ensemble des solutions du système linéaire homogène de matrice A.
L’image de A est engendrée par les vecteurs colonnes de A (cf chap 21, application linéaire définie par l’image
d’une base).
4
Lycée Lalande, PCSI
Maths chap 22
Définition 5. Si A ∈ Mn,p (K), on appelle rang de A, et on note rg (A), le rang de la famille des vecteurs
colonnes de A ou de manière équivalente, le rang de l’application linéaire canoniquement associée à A.
Remarque. Dans le chapitre 19, on a vu que le rang d’une famille de vecteur (u1 , . . . , up ) est défini par
rg (u1 , . . . , up ) = dim Vect(u1 , . . . , up ). Ce rang vaut p si la famille est libre et réciproquement.
Ici, en notant B = (e1 , . . . , ep ) la base canonique de Kp , les vecteurs colonnes de A sont donc en transposant
f (e1 ), . . . , f (ep ) (car par définition f (ei ) est un vecteur de Kn donc un vecteur ligne, ceci ne change pas le rang),
on a :
rg (A) = rg (f (e1 ), . . . , f (ep )) = dim Vect(f (e1 ), . . . , f (ep )). Or, Im f = Vect(f (e1 ), . . . , f (ep )) (cf chap 21)
donc rg (A) = dim Im f = rg (f ).
1 −1
Exemple 8. Déterminer le rang de la matrice suivante : A = 2 −2.
1 −1
Proposition 11 (Rang d’une matrice et d’une famille de vecteurs). (i) Le rang de la famille de vec-
teurs (u1 , . . . , um ) de E est égal au rang de la matrice dont les colonnes sont les coordonnées des vecteurs
(u1 , . . . , um ) dans la base BE .
(ii) Le rang d’une application linéaire f ∈ L(E, F ) est égal au rang de sa matrice MatBF ,BE (f ).
Théorème 2. Les opérations élémentaires sur les colonnes (resp. sur les lignes) conservent l’image (resp.
le noyau) d’une matrice.
Les opérations élémentaires conservent le rang.
Exemple 10 (à l’aide d’un pivot de Gauss). On réduit la matrice à l’aide d’un pivot de Gauss .
5
Lycée Lalande, PCSI
Maths chap 22
où x1 , . . . , xp sont les inconnues, les coefficients ai,j ∈ K et (b1 , . . . , bn ) ∈ Kn est le second membre.
x1
La matrice A = (ai,j ) ∈ Mn,p (K) est la matrice associée au système. On pose X = ... ∈ Mp,1 (K)
xp
b1
..
(inconnu), B = . ∈ Mn,1 (K) (second membre) alors : (S) ⇔ AX = B.
bn
L’ensemble des solutions du système homogène AX = 0 est égal à Ker A donc c’est un sous-espace vectoriel
de Kp .
Le rang du système linéaire correspond donc au nombre de pivots non nuls lorsqu’il a été échelonné.
D’après le théorème du rang, l’ensemble des solutions du système homogène AX = 0 est de dimension
p − rg (A), autrement dit, le nombre de paramètres dans l’ensemble des solutions est égal à la différence entre
le nombre d’inconnues et le rang.
Proposition 13. Le système linéaire AX = B est compatible ssi B ∈ Im (A).
Proposition 14 (Système de Cramer). Si A est une matrice carrée et inversible alors le système AX = B
possède une unique solution.
1) Matrice de passage
6
Lycée Lalande, PCSI
Maths chap 22
0
Remarque. La matrice de passage PBB est donc la matrice de l’application identité IdE dans les bases B 0 , B :
0
PBB = MatB,B0 (IdE ).
(cela signifie que la base de départ est B 0 et celle d’arrivée est B).
On note : 0
PB
IdE : E, B 0 −→
B
E, B
E est l’espace de départ, on note E, B 0 pour dire qu’on le munit de la base B 0 et E est aussi l’espace d’arrivée mais
on le munit de la base B à l’arrivée. Au dessus de la flèche, on indique la matrice correspondante à l’application
linéaire et aux bases choisies au départ et à l’arrivée.
Exemple 12. Reprenons la matrice de passage de l’exemple précédent, c’est une matrice de passage donc elle
est inversible.
En déterminant son inverse par la méthode du pivot de Gauss, déterminer les coordonnées des vecteurs de
la base canonique dans la base (e01 , e02 , e03 ).
(On peut retouver ce résultat en résolvant 3 systèmes linéaires comme on le faisait avant, cet outil est
maintenant plus intéressant).
On a X = P X 0 .
Remarque. La formule X = P X 0 donne les anciennes coordonnées en fonction des nouvelles. Mais souvent en
pratique, on a besoin des nouvelles coordonnées en fonction des anciennes : X 0 = P −1 X.
Exemple 13. Suite des exemples 11 et 12.
1. Déterminer les coordonnées de u = 2e01 + e02 dans la base canonique.
2. Soit v = (1, −2, −1) ∈ R3 (ce qui correspond aux coordonnées dans la base canonique). Déterminer ses
coordonnées dans la base B 0 .
A0 = Q−1 AP .
7
Lycée Lalande, PCSI
Maths chap 22
Remarque. Il est dangereux d’apprendre cette formule par cœur car on ne l’utilise pas toujours dans ce sens
0
et il faut bien répérer quelles bases correspondent à BE , BE ...
f: R2 −→ R3
(x, y) 7−→ f ((x, y)) = (y, 0, x)
0
On a E = R2 . On pose BE = (e1 , e2 ) la base canonique de R2 et BE = (e01 , e02 ) avec e01 = (1, 1) et e02 = (−1, 1).
Et F = R . On pose BF = (ε1 , ε2 , ε3 ) la base canonique de R3 et on reprend l’exemple 11 avec BF0 =
3
(ε1 , ε02 , ε03 ) avec ε01 = (1, 1, 0), ε02 = (1, 0, −1) et ε03 = (1, 1, 1).
0
Corollaire 4 (cas particulier d’un endomorphisme). Soit f ∈ L(E) (un endomorphisme de E) et soient
0 B0 0
BE et BE deux bases de E : on note P = PBEE ∈ Mp (K) la matrice de passage de BE vers BE .
0
Si on note A = MatBE (f ) et A = MatBE0 (f ), on a :
A0 = P −1 AP .
Définition 8. Deux matrices A, A0 ∈ Mn (K) sont semblables s’il existe une matrice inversible P ∈ GLn (K)
telle que A0 = P −1 AP .