Lycée Lalande, PCSI

Maths chap 22

Chapitre 22 : Matrices et applications linéaires

Table des matières

I/ Matrice d’une application linéaire 1
1) Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
2) Image d’un vecteur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
3) Combinaison linéaire, composition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
4) Matrices inversibles et isomorphismes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

II/ Noyau, image et rang d’une matrice 4

1) Application linéaire canoniquement associée à une matrice . . . . . . . . . . . . . . . . . . . . . 4
2) Rang d’une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3) Matrices et systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6

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 :

dim E = p ∈ N∗ , BE une base de E

∗
dim F = n ∈ N , BF une base de F.

I/ Matrice d’une application linéaire

1) Définition

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

Définition 2 (Matrice d’une application linéaire). Soient BE = (e1 , . . . , ep ) une base de E, BF =

(ε1 , . . . , εn ) une base de F et f ∈ L(E, F ).
La matrice de f dans les bases BE , BF est la matrice dont les colonnes sont les coordonnées des vecteurs
f (ej ), j = 1, . . . , p, dans la base BF . On note :

f (e1 ) ... f (ej ) ... f (ep )

a ... a1,j ... a1,p  ε1
1,1
 .. .. ..  ..
 . . .  .
MatBF ,BE (f ) =
 ai,1 ··· ai,j ··· ai,p 

εi
 . .. ..  ..
 .
. . . .

an,1 ··· an,j ··· an,p εn

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

1. Montrer que f est un endomorphisme de R2 [X] :

2. Déterminer la matrice de f dans la base canonique de E = R2 [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

2) Image d’un vecteur

Proposition 1. Soit f ∈ L(E, F ) et A =MatBF ,BE (f
) ∈Mn,p (K).
p x1
X  .. 
Soit x ∈ E, x = xj ej , on note X = MatBE (x) =  .  le vecteur colonne formé des coordonnées de x dans
j=1 xp
la base BE .  
n y1
yi εi , et on note Y = MatBF (y) =  ...  le vecteur colonne formé des
X
On note y = f (x) ∈ F , y =
 
i=1 yn
coordonnées de y dans la base BF . Alors on a : Y = AX .
Exemple 5. On reprend l’exemple 2 :
f: R3 −→ R3
u = (x, y, z) 7−→ f (u) = f ((x, y, z)) = (z, y, x + y + z)
La matrice de f dans la base canonique de R3 est :

L’image de (1, 1, 1) par f est donc :

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

former la matrice à partir de l’expression de f ((x, y, z))).

Proposition 2. Si A ∈ Mn,p (K), l’application f : E → F définie telle que Y = AX (avec les notations de la
proposition précédente) est linéaire et MatBF ,BE (f ) = A.

3) Combinaison linéaire, composition

Proposition 3 (Combinaison linéaire). Soient f, g ∈ L(E, F ). Pour tout (λ, µ) ∈ K2 , λf + µg ∈ L(E, F )
et :
MatBF ,BE (λf + µg) = λMatBF ,BE (f ) + µMatBF ,BE (g)

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 ")

Corollaire 1 (Dimension de L(E, F )). dim L(E, F ) = np = dim E × dim F .

Proposition 5 (Composition). Soient E, F et G trois espaces vectoriels de dimension finie et BE , BF , BG

respectivement des bases de E, F et G.
Soient f ∈ L(E, F ), g ∈ L(F, G), on a g ◦ f ∈ L(E, G) et

MatBG ,BE (g ◦ f ) = MatBG ,BF (g) × MatBF ,BE (f ) .

(La composition de deux applications linéaires se traduit par un produit au niveau matriciel)

3
Lycée Lalande, PCSI
Maths chap 22

Corollaire 2 (Composition d’endomorphismes). Si f ∈ L(E) (endomorphisme de E), pour tout k ∈ N,

k
MatBE (f k ) = (MatBE (f )) .

4) Matrices inversibles et isomorphismes

Dans ce paragraphe : E, F deux K-espaces vectoriels de dimension finie avec dim E = dim F = n.
Proposition 6. Soit f ∈ L(E, F ).
L’application f est un isomorphisme ssi MatBF ,BE (f ) est inversible et dans ce cas, on a,

−1
MatBE ,BF (f −1 ) = (MatBF ,BE (f ))

("La matrice de la réciproque de f est l’inverse de la matrice de f ")

Corollaire 3. f ∈ L(E) est un automorphisme ssi MatBE (f ) est inversible.

II/ Noyau, image et rang d’une matrice

1) Application linéaire canoniquement associée à une matrice

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.

Remarque. D’après la proposition 4, f est bien définie et unique.

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 .

Exemple 7. En reprenant l’exemple 6, déterminer Ker A et Im A.

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).

Proposition 7 (Matrices inversibles). Soit A ∈ Mn (K) une matrice carrée.

A est inversible ssi Ker A = {0Kn } ssi Im A = Kn .

Proposition 8 (Inverse à gauche et à droite d’une matrice). Soient A, B ∈ Mn (R).

Si AB = In alors la matrice A est inversible et A−1 = B.

cf. proposition 11 chap 21 (inversibilité à gauche ou à droite d’un endomorphisme).

Remarque. Nous avions admis cette propriété dans le chapitre 14 i-e que l’on n’a pas besoin de vérifier AB = In
et BA = In pour prouver que A est inversible et A−1 = B (comme le demande la définition).

4
Lycée Lalande, PCSI
Maths chap 22

2) Rang d’une matrice

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 9. rg (A) = rg (AT ) .

Le rang d’une matrice est donc égal au rang de ses vecteurs colonnes (def) et au rang de ses vecteurs lignes.
Ainsi rg (A) 6 min(n, p).

Théorème 1 (Théorème du rang pour les matrices). Soit A ∈ Mn,p (K).

dim Ker A + rg (A) = p.

Proposition 10. A ∈ Mn (K) est inversible ssi rg (A) = n .

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 ).

Méthodes pour déterminer le rang d’une matrice

Proposition 12. Le rang d’une A ∈ Mn,p (K) est conservé par la multiplcation à gauche ou à droite par une
matrice inversible.

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.

On dispose de deux méthodes pour déterminer le rang d’une matrice A :

— Déterminer Ker A (résoudre le système linéaire homogène associé à A) et utiliser le théorème du rang
pour déterminer rg A.
— le rang d’une matrice est égal au nombre pivots non nuls d’une réduite de Gauss.
 
1 3 −1
Exemple 9 (en utilisant le théorème du rang). A =  2 1 3 
−1 1 −3

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

3) Matrices et systèmes linéaires

On considère un système linéaire :


 a1,1 x1 + a1,2 x2 + · · · + a1,p xp = b1
a2,1 x1 + a2,2 x2 + · · · + a2,p xp = b2


(S) .. ..


 . .
an,1 x1 + an,2 x2 + · · · + an,p xp = bn


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 .

Définition 6. Le rang du système linéaire (S) est égal au rang de la matrice A.

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.

III/ Changement de base

On a vu qu’un espace vectoriel de dimension finie possède au moins une base, on peut même en trouver
autant que l’on veut.

1) Matrice de passage

Définition 7. Soient B et B 0 deux bases de E avec ici dim E = n.

0
La matrice de passage de la base B vers la base B 0 , notée PBB , est la matrice dont les colonnes sont for-
mées des coordonnées des vecteurs de la base B 0 exprimées dans la base B i-e :
0
PBB = MatB (e01 , . . . , e0n )

Si B = (e1 , . . . , en ) et B 0 = (e01 , . . . , e0n ) :

e01 ... e0j ... e0n

p p1,n  e1
1,1
 .. .. ..  ..
 . . .  . n
0 X
PBB = pi,1 pi,j ei ∈ Mn (K), ∀j ∈ J1, nK, e0j =
 
 pi,j ei .
 . .. ..  ..
 . i=1
 . . .  .

..
pn,1 . pn,n en

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 11. On considère E = R3 et B = (e1 , e2 , e3 ) sa base canonique. On pose :

e01 = e1 + e2 = (1, 1, 0) e02 = e1 − e3 = (1, 0, −1) e03 = e1 + e2 + e3 = (1, 1, 1)
1. Montrer B 0 = (e01 , e02 , e03 ) est une base de E = R3 .
2. Déterminer la matrice de passage de la base B vers la base B 0 .

Proposition 15. (avec les notations de la définition)

0
La matrice de passage de B vers B 0 , PBB , est inversible et son inverse est la matrice de passage de la base
0
B vers la base B i-e :
 0 −1
PBB = PBB0 .

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).

2) Effet d’un changement de base

a) Sur un vecteur
0
Proposition 16. Soient B et B 0 deux bases de E et P = PBB la matrice de passage de la base B vers la base
B 0 . Soit x ∈ E, on pose :
X = MatB (x) vecteur colonne constitué des coordonnées de x dans la base B
X 0 = MatB0 (x) vecteur colonne constitué des coordonnées de x dans la base B 0

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 .

b) Sur la matrice d’une application linéaire

Cette fois, on peut changer la base de départ et aussi celle d’arivée : on a deux matrices de passage.
0
Proposition 17. Soit f ∈ L(E, F ) (une application linéaire de E dans F ) et soient BE et BE deux bases de
0
BE 0 0
E : on note P = PBE ∈ Mp (K) la matrice de passage de BE vers BE ; ; et soient BF et BF deux bases de F :
B0
on note Q = PBFF ∈ Mn (K) la matrice de passage de BF vers BF0 .
Si on note A = MatBF ,BE (f ) et A0 = MatBF0 ,BE0 (f ), on a :

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 ...

Exemple 14. On considère :

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

1. Montrer que f est linéaire et donner A =MatBF ,BE (f ).

2. Ecrire la matrice de passage de BE vers BE 0 . Comment vérifier à l’aide de cette matrice que BE 0 est bien
une base de E ?
0
3. Déterminer la matrice de f dans les bases BE , BF0 .

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 .