Calcul Matriciel PDF

Chapitre 10
Calcul matriciel
K dsigne R ou C et m, n, p, q, r dsigne des naturels.
E, F, G dsignent des K-espace vectoriel de dimensions nies.
On introduit le symbole de Kronecker dni par
i,j
=
_
0 si i = j
1 si i = j
Dans ce chapitre, on abandonne la notation che des vecteurs.
10.1 Oprations sur les matrices
10.1.1 Matrice
Dnition
On appelle matrice de type (n, p) (pour n lignes et p colonnes) coefcients dans K tout
famille A = (a
i,j
)
1in,1jp
dlments de K.
Une telle matrice est gnralement reprsente sous la forme dun tableau n lignes et p
colonnes :
A =
_
_
_
_
_
a
1,1
a
1,2
. . . a
1,p
a
2,1
a
2,2
. . . a
2,p
.
.
.
.
.
.
.
.
.
a
n,1
a
n,2
. . . a
n,p
_
_
_
_
_
Le terme a
i,j
est appel coefcient dindice (i, j) de la matrice A, il est positionn la i-me
ligne et j-me colonne dans le tableau reprsentant A.
Exemple Pour
A =
_
_
1 2 3 4
5 6 7 8
9 10 11 12
_
_
A = (a
i,j
)
1i3,1j4
avec a
1,1
= 1, a
2,3
= 7, a
3,1
= 9 et plus gnralement a
i,j
= 4(i 1) +j.
Dnition
On note M
n,p
(K) lensemble des matrices de type (n, p) coefcients dans K.
281
10.1. OPRATIONS SUR LES MATRICES
Remarque Deux matrices de M
n,p
(K) sont gales si, et seulement si, elles sont constitues des mmes
coefcients.
Remarque Le 1er indice est toujours lindice de ligne.
Le 2nd indice est toujours lindice de colonne.
Quand il ny a pas dambiguts sur les indices, il est frquent de prsenter une matrice en crivant
seulement A = (a
i,j
) M
n,p
. Il est alors entendu que le premier indice, ici i, varie entre 1 et n et le
second, j, varie entre 1 et p.
Sil y a ambigut sur le rle des indices, on peut crire A = (a
i,j
)
i,j
M
n,p
(K) pour signier que
lindice de ligne est i et celui de colonne est j.
Exemple Pour A = (ij
2
)
i,j
M
n,p
(K) on a
A =
_
_
_
_
_
_
_
1 4 9 . . . p
2
2 8 18 . . . 2p
2
3 12 27 . . . 3p
2
.
.
.
.
.
.
.
.
.
.
.
.
n 4n 9n . . . np
2
_
_
_
_
_
_
_
Exemple La matrice O
n,p
= (0)
i,j
M
n,p
(K) est appele matrice nulle de type (n, p).
O
n,p
=
_
_
_
0 . . . 0
.
.
.
.
.
.
0 . . . 0
_
_
_
Dnition
Pour n = p = 1, les matrices de M
1,1
(K) sont appeles matrices
(uni-) coefcient. Elles sont de la forme (x).
Il est usuel didentier cette matrice et son coefcient x lment de K.
10.1.2 Lignes et colonnes
Dnition
Pour n quelconque et p = 1, les matrices de M
n,1
(K) sont appeles matrices (uni-) colonnes.
Elles sont de la forme
_
_
_
a
1
.
.
.
a
n
_
_
_
Il est usuel didentier cette matrice colonne avec le n uplet (a
1
, . . . , a
n
) lment de K
n
.
Pour n = 1 et p quelconque, les matrices de M
1,p
(K) sont appeles matrices (uni-) lignes.
Elles sont de la forme
( a
1
a
p
)
http://mp.cpgedupuydelome.fr 282 cbna
CHAPITRE 10. CALCUL MATRICIEL
Dnition
Soit A = (a
i,j
) M
n,p
(K) (prsentation de labus de notation correspondant).
A =
_
_
_
_
_
a
1,1
a
1,2
. . . a
1,p
a
2,1
a
2,2
. . . a
2,p
.
.
.
.
.
.
.
.
.
a
n,1
a
n,2
. . . a
n,p
_
_
_
_
_
Pour 1 j p, la matrice
C
j
=
_
_
_
a
1,j
.
.
.
a
n,j
_
_
_
est appele j-me colonne de A.
Pour 1 i n, la matrice
L
i
=
_
a
i,1
. . . a
i,p
_
est appele i-me ligne de A.
10.1.3 Matrice carre
10.1.3.1 Dnition
Dnition
Les matrices de type (n, n) sont appeles matrices carres dordre n.
On note M
n
(K), au lieu de M
n,n
(K), lensemble de ces matrices.
Exemple Une matrice carre dordre n est de la forme
A = (a
i,j
)
1i,jn
=
_
_
_
a
1,1
a
1,n
.
.
.
.
.
.
a
n,1
a
n,n
_
_
_
Exemple Pour A = (min(i, j))
1i,jn
M
n
(K),
A =
_
_
_
_
_
_
_
1 1 1 . . . 1
1 2 2 . . . 2
1 2 3 . . . 3
.
.
.
.
.
.
.
.
.
.
.
.
1 2 3 . . . n
_
_
_
_
_
_
_
10.1.3.2 Matrice diagonale
Dnition
Soit A = (a
i,j
) M
n
(K).
Les coefcients dindice (i, i) de A sont appeles coefcients diagonaux de A.
La famille (a
1,1
, a
2,2
, . . . , a
n,n
) = (a
i,i
)
1in
est appele diagonale de la matrice A.
Dnition
Une matrice A M
n
(K) est dite diagonale si tous ses coefcients hors de la diagonale sont
nuls.
On note D
n
(K) lensemble de ces matrices.
Exemple Les matrices diagonales de taille sont de la forme
D =
_
_
_
a
1,1
0
.
.
.
0 a
n,n
_
_
_
Remarque Pour A = (a
i,j
) M
n
(K), on a
A D
n
(K) 1 i = j n, a
i,j
= 0
Dnition
Pour
1
, . . . ,
n
K, on note diag(
1
, . . . ,
n
) la matrice diagonale dont la diagonale est la
famille (
1
, ...,
n
) cest--dire la matrice
_
_
_
1
0
.
.
.
0
n
_
_
_
Exemple On note
I = I
n
= diag(1, 1, . . . , 1) =
_
_
_
1 0
.
.
.
0 1
_
_
_
appele matrice identit.
Remarque Le coefcient dindice (i, j) de la matrice I
n
est
i,j
.
Ainsi I
n
= (
i,j
)
1i,jn
10.1.3.3 Matrice triangulaire
Dnition
Une matrice A M
n
(K) est dite triangulaire suprieure (resp. infrieure) si tous les
coefcients en dessous (resp. au dessus) de la diagonale sont nuls.
On note T
+
n
(K) (resp. T
n
(K) ) lensemble de ces matrices.
Exemple Les matrices triangulaire suprieures de taille n sont de la forme
_
_
_
a
11

.
.
.
0 a
nn
_
_
_
Dans cette criture, ltoile signie des coefcients quelconques).
Les matrices triangulaires infrieures de taille n sont de la forme
_
_
_
a
11
0
.
.
.
a
nn
_
_
_
i,j
) M
n
(K), on a les quivalences
A T
+
n
(K) 1 j < i n, a
i,j
= 0 A T
n
(K) 1 i < j n, a
i,j
= 0
Proposition
D
n
(K) = T
+
n
(K) T
n
(K).
10.1.4 Espace vectoriel (M
n,p
(K), +, .)
10.1.4.1 Oprations
Dnition
Soit A = (a
i,j
) M
n,p
(K) et B = (b
i,j
) M
n,p
(K).
On dnit la matrice A+B M
n,p
(K) par A+B = (a
i,j
+b
i,j
)
1in,1jp
.
Ainsi
_
_
_
a
1,1
. . . a
1,p
.
.
.
.
.
.
a
n,1
. . . a
n,p
_
_
_+
_
_
_
b
1,1
. . . b
1,p
.
.
.
.
.
.
b
n,1
. . . b
n,p
_
_
_ =
_
_
_
a
1,1
+b
1,1
. . . a
1,p
+b
1,p
.
.
.
.
.
.
a
n,1
+b
n,1
. . . a
n,p
+b
n,p
_
_
_
Attention : On ne somme que des matrices de mme type.
Dnition
Soit A = (a
i,j
) M
n,p
(K) et K.
On dnit la matrice .A M
n,p
(K) par .A = (a
i,j
)
1in,1jp
.
Ainsi
.
_
_
_
a
1,1
. . . a
1,p
.
.
.
.
.
.
a
n,1
. . . a
n,p
_
_
_ =
_
_
_
a
1,1
. . . a
1,p
.
.
.
.
.
.
a
n,1
. . . a
n,p
_
_
_
Thorme
(M
n,p
(K), +, .) est un K-espace vectoriel dlment nul O = O
n,p
.
dm. :
En identiant une matrice A = (a
i,j
)
1in,1jp
M
n,p
(K) avec le multi-uplet
(a
1,1
, . . . , a
1,p
, a
2,1
, . . . , a
2,p
, . . . , a
n,1
, . . . , a
n,p
) K
np
correspondant une lecture continue des lignes, on observe que les oprations prcdemment dnies
correspondent aux oprations sur K
np
. Or (K
np
, +, .) est un K-espace vectoriel de vecteur nul le mutli-
uplet nul, donc (M
n,p
(K), +, .) est un K-espace vectoriel dlment nul O = O
n,p
.
Exemple On a
a.
_
1 0
0 1
_
+b.
_
0 1
1 0
_
+c.
_
1 1
1 1
_
=
_
a +c b +c
b c a c
_
10.1.4.2 Dimension
Dnition
Soient 1 k n et 1 p. On appelle matrice lmentaire dindice (k, ) de M
n,p
(K),
la matrice E
k,
dont tous les coefcients sont nuls sauf celui dindice (k, ) qui vaut 1. Ainsi
E
k,
=
_
_
0 0
1
0 0
_
_
M
n,p
(K)
Exemple Dans M
2
(K), les matrices lmentaires sont
E
1,1
=
_
1 0
0 0
_
, E
1,2
=
_
0 1
0 0
_
, E
2,1
=
_
0 0
1 0
_
et E
2,2
=
_
0 0
0 1
_
Exemple Dans M
n,1
(K), les colonnes lmentaires sont
E
1
=
_
_
_
_
_
1
0
.
.
.
0
_
_
_
_
_
,. . . , E
n
=
_
_
_
_
_
0
.
.
.
0
1
_
_
_
_
_
Remarque Le coefcient dindice (i, j) de la matrice lmentaire E
k,
M
n,p
(K) est
(i,j),(k,)
=
i,k
j,
.
Thorme
La famille B = (E
k,
)
1kn,1p
est une base de M
n,p
(K).
On lappelle base canonique de lespace M
n,p
(K).
dm. :
Pour toute matrice A = (a
i,j
)
1in,1jp
M
n,p
(K), on peut crire
A =
n
k=1
p
=1
a
k,
E
k,
La famille B est donc gnratrice.
Supposons
n
k=1
p
=1
k,
E
k,
= O
n,p
avec
k,
K.
On a alors
_
_
_
1,1

1,p
.
.
.
.
.
.
n,1

n,p
_
_
_ =
_
_
_
0 0
.
.
.
.
.
.
0 0
_
_
_
et par identication des coefcients dune matrice, on obtient
k,
= 0 pour tous indices k, .
Ainsi la famille B est libre.
Corollaire
dimM
n,p
(K) = np.
En particulier dimM
n
(K) = n
2
, dimM
n,1
(K) = n et dimM
1,p
(K) = p.
10.1.4.3 Sous-espaces des matrices diagonales et triangulaires
Proposition
D
n
(K) est un sous-espace vectoriel de M
n
(K) de dimension n.
dm. :
Par dnition
D
n
(K) = {diag(
1
, . . . ,
n
)/
i
K}
On a donc
D
n
(K) = {
1
E
1,1
+ +
n
E
n,n
/
i
K} = Vect(E
1,1
, . . . , E
n,n
)
D
n
(K) est donc un sous-espace vectoriel de M
n
(K) et la famille (E
1,1
, . . . , E
n,n
) en est une base.
Proposition
T
+
n
(K) et T
n
(K) sont des sous-espaces vectoriels de M
n
(K) de dimension
n(n + 1)
2
.
dm. :
On observe
T
+
n
(K) = Vect {E
i,j
/1 i j n} et T
n
(K) = Vect {E
i,j
/1 j i b}
ce qui permet de conclure.
10.1.4.4 Quelques exemples de manipulations vectorielles

Exemple Soient
A
1
=
_
1 0
0 1
_
, A
2
=
_
1 0
0 1
_
, A
3
=
_
1 1
1 1
_
, A
4
=
_
0 1
1 0
_
Montrons que la famille (A
i
)
1i4
est une base de lespace M
2
(R).
Les lments de la famille (A
i
)
1i4
sont des matrices lments de M
2
(R) et il y en a exactement
4 = dimM
2
(R). Pour conclure il suft, par exemple, dtudier la libert de cette famille.
Supposons
1
A
1
+
2
A
2
+
3
A
3
+
4
A
4
= O
2,2
.
Matriciellement
_

1
+
2
+
3

3

4
3
+
4

1
+
2
+
3
_
=
_
0 0
0 0
_
En identiant les coefcients et en rsolvant le systme obtenu par les quations formes, on obtient
1
=
2
=
3
=
4
= 0 ce qui permet de conclure.
Exemple Montrons que
F =
__
a +b a +b
2a +b a + 2b
_
/a, b K
_
est un sous-espace vectoriel de M
2
(K).
On a
F =
_
a
_
1 1
2 1
_
+b
_
1 1
1 2
_
/a, b K
_
donc
F = Vect
__
1 1
2 1
_
,
_
1 1
1 2
__
On en dduit que F est un sous-espace vectoriel de M
2
(K) et on peut mme prciser quil est de
dimension 2.
Exemple Soit
H =
__
a b
c d
_
M
2
(K)/a +b +c +d = 0
_
Montrons que H est un hyperplan de M
2
(K).
Considrons lapplication : M
2
(K) K dnie par
__
a b
c d
__
= a +b +c +d
On vrie aisment que est une forme linaire sur M
2
(K) et que celle-ci est non nulle. On en dduit
que H = ker est un hyperplan de M
2
(K).
10.1.5 Produit matriciel
Dnition
Soient A = (a
i,j
) M
n,p
(K) et B = (b
j,k
) M
p,q
(K).
On dnit la matrice C = AB = (c
i,k
) M
n,q
(K) par
1 i n, 1 k q, c
i,k
=
p
j=1
a
i,j
b
j,k
Remarque Pour calculer la matrice C il est usuel de disposer les matrices comme ci-dessous
B
A C
Pour dterminer le coefcient dindice (i, k) de la matrice C, on repre la ime ligne de A et la kme
colonne de B comme ci-dessous
q
..
_
_
_
b
1,k
.
.
.
b
p,k
_
_
_
n
_
_
_
_
_
a
i,1
. . . a
i,p
_
_
_
_
c
i,k
_
_
On peut alors valuer c
i,k
en procdant la somme des produits des coefcients respectifs.
Attention : Pour que cette multiplication matricielle soit possible, il est ncessaire que le nombre de
colonnes de A soit gal au nombre de lignes de B.
De plus, on peut retenir
type (n, p) type (p, q) = type (n, q).
Exemple Pour
A =
_
1 2
1 1
_
et B =
_
1 0 1
2 1 1
_
on obtient
AB =
_
5 2 1
1 1 2
_
Exemple Pour
A =
_
2 1 1
0 1 2
_
et B =
_
_
1 1
2 1
0 1
_
_
on obtient
AB =
_
4 2
2 3
_
Exemple Pour
A =
_
_
_
a
1,1
... a
1,p
.
.
.
.
.
.
a
n,1
... a
n,p
_
_
_ et X =
_
_
_
x
1
.
.
.
x
p
_
_
_
on obtient
AX =
_
_
_
a
1,1
x
1
+... +a
1,p
x
p
.
.
.
a
n,1
x
1
+... +a
n,p
x
p
_
_
_
10.1.6 Proprits du produit matriciel
Remarque Si les types de A et B permettent de calculer AB et BA alors, en gnral, AB = BA.
Par exemple
_
1 0
0 0
__
0 1
0 0
_
=
_
0 1
0 0
_
alors que
_
0 1
0 0
__
1 0
0 0
_
=
_
0 0
0 0
_
!
Proposition
Pour tout A M
n,p
(K), B M
p,q
(K), C M
q,r
(K), on a
(AB)C = A(BC)
dm. :
On introduit les coefcients des matrices A, B, C
A = (a
i,j
), B = (b
j,k
), C = (c
k,
)
en convenant de noter les indices en fonction du domaine o ceux-ci varient de sorte que 1 i n, 1
j p, 1 k q, 1 r
Posons D = AB = (d
i,k
) et E = (AB)C = DC = (e
i,
).
On a d
i,k
=
p
j=1
a
i,j
b
j,k
et e
i,
=
n
k=1
d
i,k
c
k,
=
p
j=1
q
k=1
a
i,j
b
j,k
c
k,
.
Posons F = BC = (f
j,
) et G = A(BC) = AF = (g
i,
).
On a f
j,
=
q
k=1
b
j,k
c
k,
et g
i,
=
p
j=1
a
i,j
f
j,
=
p
j=1
q
k=1
a
i,j
b
j,k
c
k,
.
En rorganisant lordre des sommes, on obtient g
i,
= e
i,
pour tous indices i, .
Prop :A M
n,p
(K), AI
p
= A et I
n
A = A.
dm. :
Notons a
i,j
le coefcient gnral de la matrice A.
Le produit AI
p
est possible et si lon note b
i,j
le coefcient dindice (i, j) de ce calcul, on a
b
i,j
=
p
k=1
a
i,k
k,j
= a
i,j
Ainsi AI
p
= A.
Ltude de I
n
A est similaire.
Proposition
A, B M
n,p
(K), C M
p,q
(K), (A+B)C = AC +BC.
A M
n,p
(K), B, C M
p,q
(K), A(B +C) = AB +AC.
dm. :
Soient A = (a
i,j
), B = (b
i,j
) M
n,p
(K) et C = (c
j,k
) M
p,q
(K).
Les produits (A+B)C, AC et BC sont possibles et
(A+B)C =
_
_
p
j=1
(a
i,j
+b
i,j
)c
j,k
_
_
i,k
, AC +BC =
_
_
p
j=1
a
i,j
c
j,k
+
p
j=1
b
i,j
c
j,k
_
_
i,k
Par galit des coefcients respectifs, on obtient (A+B)C = AC +BC.
Ltude de lidentit A(B +C) = AB +AC est similaire.
Proposition
A M
n,p
(K), B M
p,q
(K), K, (.A)B = .(AB) = A(.B).
dm. :
Soient A = (a
i,j
) M
n,p
(K) et B = (b
j,k
) M
p,q
(K).
Les coefcients dindice (i, k) des matrices (.A)B, .(AB) et A(.B) sont respectivement
p
j=1
(a
i,j
)b
j,k
,
p
j=1
a
i,j
b
j,k
et
p
j=1
a
i,j
(b
j,k
)
Ces coefcients sont gaux et donc (.A)B = .(AB) = A(.B)
10.1.7 Lanneau (M
n
(K), +, )
10.1.7.1 Prsentation
Remarque Le produit matriciel dnit une loi de composition interne sur M
n
(K).
Thorme
(M
n
(K), +, ) est un anneau, gnralement non commutatif, dlment nul O = O
n
et
dlment unit I = I
n
.
De plus, K, A, B M
n
(K) : (.A)B = .(AB) = A(.B).
dm. :
On sait dj que (M
n
(K), +) est un groupe ablien de neutre O
n
.
Par les proprits du produit matriciel ci-dessus tablies, on peut afrmer que la multiplication est associative,
que la matrice I
n
est neutre et que la multiplication est distributive sur laddition. On en dduit que
(M
n
(K), +, ) est un anneau.
Remarque Pour n = 1, lanneau (M

1
(K), +, ) sidentie avec (K, +, ), cest donc un corps.
Remarque Pour n 2, lanneau M
n
(K) nest pas commutatif.
Dnition
On dit que deux matrices A et B de M
n
(K) commutent si AB = BA.
Exemple Les matrices A M
n
(K) et I
n
commutent car AI
n
= A = I
n
A.
10.1.7.2 Puissances dune matrice
Dnition
Pour A M
n
(K), on note A
0
= I
n
, A
1
= A, A
2
= AA, . . . , A
m
= AA A ( m
termes)
Exemple Calculons les puissance de
A =
_
1 1
0 1
_
Par le calcul, on observer
A
2
=
_
1 2
0 1
_
, A
3
=
_
1 3
0 1
_
. . .
Par rcurrence, on montre aisment
A
m
=
_
1 m
0 1
_
Attention : (A+B)
2
= A
2
+AB +BA+B
2
.
(A+B)
3
= A
3
+A
2
B +ABA+BA
2
+AB
2
+BAB +B
2
A+B
3
.
Thorme
Si A et B commutent alors pour tout m N,
(AB)
m
= A
m
B
m
,
(A+B)
m
=
m
k=0
_
m
k
_
A
k
B
mk
et
A
m
B
m
= (AB)
m1
k=0
A
k
B
m1k
dm. :
En vertu des rgles de calculs dans un anneau. . .
Exemple Puisque les matrices A M

n
(K) et I
n
commutent, on a
(A+I
n
)
m
=
m
k=0
_
m
k
_
A
k
et A
m
I
n
= (AI
n
)
m1
k=0
A
k
Attention : Ne pas crire
m1
k=0
A
k
=
A
m
I
AI
il ny a pas de division matricielle !
Remarque Pour n 2, lanneau M
n
(K) possde des diviseurs de zro.
Ainsi : AB = 0 nimplique pas A = 0 ou B = 0.
En consquence, lquation A
2
= I
2
possde dans M
2
(K) dautres solutions que les matrices I
2
et I
2
comme par exemple :
_
1 0
0 1
_
,
_
1 0
0 1
_
,
_
1 2
0 1
_
, ...
Dnition
On dit quune matrice A M
n
(K) est idempotente si A
2
= A.
Exemple La matrice suivante est idempotente
A =
_
2 1
2 1
_
Dnition
n
(K) est nilpotente sil existe m N tel que A
m
= O
n
.
Exemple La matrice
B =
_
_
0 1 2
0 0 3
0 0 0
_
_
est nilpotente.
En effet
B
2
=
_
_
0 0 8
0 0 0
0 0 0
_
_
et B
3
=
_
_
0 0 0
0 0 0
0 0 0
_
_
Plus gnralement, on peut montrer quune matrice triangulaire suprieure de diagonale nulle est
nilpotente.
Exemple Calculons les puissances de
A =
_
_
1 a b
0 1 c
0 0 1
_
_
M
3
(R)
On peut crire A = I
3
+B avec
B =
_
_
0 a b
0 0 c
0 0 0
_
_
, B
2
=
_
_
0 0 b(a +c)
0 0 0
0 0 0
_
_
, B
3
=
_
_
0 0 0
0 0 0
0 0 0
_
_
Par la formule du binme
A
m
= (I
3
+B)
m
=
m
k=0
_
m
k
_
B
k
=
_
m
0
_
I
3
+
_
m
1
_
B +
_
m
2
_
B
2
car B
k
= O
3
pour tout k 3.
Ainsi
A
m
=
_
_
_
1 ma mb +
m(m1)
2
b(a +c)
0 1 mc
0 0 1
_
_
_
10.1.7.3 Matrices inversibles
Dnition
Une matrice A M
n
(K) est dite inversible sil existe B M
n
(K) vriant AB = BA = I
n
.
Cette matrice B est alors unique, cest linverse de A not A
1
.
Exemple La matrice I
n
est inversible et I
1
n
= I
n
.
Proposition
Soient A, B M
n
(K)
Si A et B sont inversibles alors AB lest aussi et (AB)
1
= B
1
A
1
.
Si A est inversible alors A
1
lest aussi et (A
1
)
1
= A.
dm. :
Ce sont des proprits relatives aux lments inversibles dun anneau.
Dnition
On note GL
n
(K) lensemble des matrices inversibles de M
n
(K).
Proposition
(GL
n
(K), ) est un groupe appel groupe linaire dordre n.
dm. :
Cest le groupe des lments inversibles de lanneau (M
n
(K), +, ).
Thorme
Pour A M
n
(K), on a quivalence entre
(i) A est inversible ;
(ii) A est inversible droite i.e. B M
n
(K), AB = I
n
;
(iii) A est inversible gauche i.e. C M
n
(K), CA = I
n
.
De plus si tel est le cas A
1
= B = C.
dm. :
(i) (ii) et (iii) immdiat.
(ii) (i) Supposons quil existe B M
n
(K) vriant AB = I
n
.
Soit : M
n
(K) M
n
(K) lapplication dnie par (M) = MA.
Il est immdiat de vrier que est un endomorphisme de M
n
(K).
Soit M ker . On a MA = O
n
donc MAB = O
n
B puis M = O
n
car AB = I
n
.
Par suite ker = {O
n
}.
Ainsi est un endomorphisme injectif de M
n
(K), or dimM
n
(K) < +, donc est un automorphisme
de M
n
(K). Par surjectivit, il existe C M
n
(K) vriant CA = I
n
et alors CAB = B do C = B
car AB = I
n
.
Finalement AB = BA = I
n
et donc A est inversible dinverse B.
(iii) (i) sobtient de faon semblable en introduisant lendomorphisme : M AM.
Exemple Soit
A =
_
1 2
3 4
_
On vrie par le calcul que
A
2
5A = 2I
2
Par suite
A
_
1
2
A
5
2
I
2
_
= I
2
Par le thorme dinversibilit, on peut conclure que A est inversible et
A
1
=
1
2
A
5
2
I
10.1.7.4 Dtermination pratique de linverse dune matrice carre inversible
Lemme
Soient A, B M
n,p
(K).
Si AX = BX pour toute colonne X M
p,1
(K) alors A = B
dm. :
Supposons AX = BX pour toute colonne X M
p,1
(K).
Pour X = E
j
colonne lmentaire, le produit AE
j
est gale la jme colonne de A. Or AE
j
= BE
j
donc A et B admettent la mme jme colonne. Ainsi, colonne par colonne, les matrices A et B sont
gales.
Comment tablir linversibilit et calculer linverse de A = (a
i,j
) M
n
(K) ?
On introduit
X =
_
_
_
x
1
.
.
.
x
n
_
_
_ M
n,1
(K) et Y =
_
_
_
y
1
.
.
.
y
n
_
_
_ = AX M
n,1
(K)
On a
_
_
y
1
= a
1,1
x
1
+ +a
1,n
x
n
.
.
.
y
n
= a
n,1
x
1
+ +a
n,n
x
n
Si cela est possible, on rsout ce systme en les inconnues x
1
, ..., x
n
et on obtient
_
_
x
1
= b
1,1
y
1
+ +b
1,n
y
n
.
.
.
x
n
= b
n,1
y
1
+ +b
n,n
y
n
Soit B la matrice dont les coefcients apparaissent dans ce systme cest--dire B = (b
i,j
) M
n
(K).
Le systme prcdent donne X = BY et ainsi X = BAX et ce pour tout X M
n,1
(K).
En vertu du lemme didentication matricielle, on peut afrmer BA = I
n
. Par le thorme dinversibilit,
on peut alors afrmer que A est inversible et que B est son inverse.
Remarque Si on ne parvient pas rsoudre le systme, cest que la matrice A nest pas inversible. . .
Exemple Etudions linversibilit de
A =
_
_
0 1 1
1 0 1
1 1 0
_
_
M
3
(R)
Soient
X =
_
_
x
1
x
2
x
3
_
_
et Y =
_
_
y
1
y
2
y
3
_
_
= AX
On a
_
_
y
1
= x
2
+x
3
y
2
= x
1
+x
3
y
3
= x
1
+x
2
En inversant ce systme on obtient
_
_
x
1
= (y
1
+y
2
+y
3
)/2
x
2
= (y
1
y
2
+y
3
)/2
x
3
= (y
1
+y
2
y
3
)/2
On en dduit que A est inversible et
A
1
=
1
2
_
_
1 1 1
1 1 1
1 1 1
_
_
Exemple Etudions linversibilit de
A =
_
_
_
_
_
_
1 a (0)
.
.
.
.
.
.
.
.
.
a
(0) 1
_
_
_
_
_
_
M
n
(K)
(avec a K)
Soient
X =
_
_
_
x
1
.
.
.
x
n
_
_
_ et Y =
_
_
_
y
1
.
.
.
y
n
_
_
_ = AX
On a
_
_
y
1
= x
1
ax
2
y
2
= x
2
ax
3
.
.
.
y
n
= x
n
En inversant ce systme on obtient
_
_
x
1
= y
1
+ay
2
+ +a
n1
y
n
.
.
.
x
n1
= y
n1
+ay
n
x
n
= y
n
A
1
=
_
_
_
_
_
_
_
_
_
1 a a
2
. . . a
n1
1
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
2
.
.
.
a
(0) 1
_
_
_
_
_
_
_
_
_
10.1.7.5 Anneau des matrices diagonales
Proposition
D
n
(K) est un sous-anneau commutatif de M
n
(K).
dm. :
D
n
(K) M
n
(K) et I
n
D
n
(K).
Soient
A =
_
_
_
1
.
.
.
n
_
_
_ et B =
_
_
_
1
.
.
.
n
_
_
_ D
n
(K)
On a
AB =
_
_
_
1

1
.
.
.
n

n
_
_
_ D
n
(K) et AB =
_
_
_
1
.
.
.
n
_
_
_ D
n
(K)
Exemple Pour
A =
_
_
_
a
1
.
.
.
a
n
_
_
_ D
n
(K)
on a
A
2
=
_
_
_
a
2
1
.
.
.
a
2
n
_
_
_, A
3
=
_
_
_
a
3
1
.
.
.
a
3
n
_
_
_,. . . , A
m
=
_
_
_
a
m
1
.
.
.
a
m
n
_
_
_
Proposition
Pour
A =
_
_
_
a
1
.
.
.
a
n
_
_
_ D
n
(K)
on a quivalence entre :
(ii) 1 i n, a
i
= 0.
De plus si tel est le cas
A
1
=
_
_
_
1/a
1
.
.
.
1/a
n
_
_
_
dm. :
(i) (ii) Par contrapose :
Supposons quil existe i {1, . . . , n} tel que a
i
= 0.
Pour toute matrice B M
n
(K), la i me ligne du produit AB est nulle car la ime ligne de la matrice
A est nulle. Ainsi, il nexiste pas de matrice B M
n
(K) vriant AB = I
n
.
(ii) (i) Supposons que pour tout i {1, . . . , n}, a
i
= 0. Posons
B =
_
_
_
1/a
1
.
.
.
1/a
n
_
_
_
On a AB = I
n
donc A est inversible et B est son inverse.
10.1.7.6 Anneau des matrices triangulaires

Proposition
T
+
n
(K) est un sous-anneau de M
n
(K).
dm. :
T
+
n
(K) M
n
(K) et I
n
T
+
n
(K).
Soient A = (a
i,j
) et B = (b
i,j
) T
+
n
(K).
Pour tout i > j, a
i,j
= b
i,j
= 0 car A et B sont triangulaires suprieures.
On a AB = (a
i,j
b
i,j
) avec a
i,j
b
i,j
= 0 pour tout i > j donc AB T
+
n
(K).
Etudions maintenant C = AB = (c
i,j
). On a
c
i,j
=
n
k=1
a
i,k
b
k,j
Pour i > j, on peut crire
c
i,j
=
j
k=1
a
i,k
b
k,j
+
n
k=j+1
a
i,k
b
k,j
avec pour tout k {1, . . . , j}, k j < i et donc a
i,k
= 0
et pour tout k {j + 1, . . . , n}, k > j et donc b
k,j
= 0.
Ainsi c
i,j
= 0 pour tout i > j et donc AB T
+
n
(K).
Remarque Les coefcients diagonaux du produit de matrices triangulaires suprieures sont

remarquables
_
_
_
a
11

.
.
.
0 a
nn
_
_
_
_
_
_
b
11

.
.
.
0 b
nn
_
_
_ =
_
_
_
a
11
b
11

.
.
.
0 a
nn
b
nn
_
_
_
Proposition
Soit A T
+
n
(K). On a quivalence entre :
(ii) les coefcients diagonaux de A sont tous non nuls.
De plus, si tel est le cas, A
1
T
+
n
(K).
dm. :
(ii) (i) Supposons les coefcients diagonaux de A non nuls.
Soient X M
n,1
(K) et Y = AX M
n,1
(K).
On peut facilement inverser le systme correspondant lquation Y = AX car celui-ci est triangulaire
et car les coefcients diagonaux de A sont non nuls. On en dduit que A est inversible.
(i) (ii) Supposons Ainversible. Commenons par montrer que A
1
T
+
n
(K) en considrant lapplication
: T
+
n
(K) T
+
n
(K) dnie par (M) = AM. On vrie aisment que est un endomorphisme de
T
+
n
(K). Pour M ker , on a M = A
1
AM = A
1
(M) = O
n
donc ker = {O
n
}. Lendomorphisme
est injectif, or dimT
+
n
(K) < +donc est un automorphisme. Par surjectivit, il existe B T
+
n
(K)
vriant (B) = I
n
et alors B = (A
1
A)B = A
1
(AB) = A
1
. Ainsi linverse de A est une matrice
triangulaire suprieure.
Notons b
i,i
les coefcients diagonaux de A
1
.
Puisque AA
1
= I
n
, on a, par tude de la diagonale du produit de matrices triangulaires a
i,i
b
i,i
= 1
pour tout 1 i n. On en dduit a
i,i
= 0 pour tout 1 i n.
Remarque Les rsultats qui prcdent se transposent aux matrices triangulaires infrieures.
10.1.8 Transposition
10.1.8.1 Dnition
Dnition
On appelle matrice transpose de A = (a
i,j
) M
n,p
(K) la matrice
t
A = (a
j,i
) M
p,n
(K)
dnie par
1 i n, 1 j p, a
j,i
= a
i,j
Ainsi le coefcient dindice (j, i) de
t
A est gal au coefcient dindice (i, j) de A.
Remarque La transpose dune matrice de type (n, p) et une matrice de type (p, n).
Remarque Matriciellement, pour
A =
_
_
_
a
11
. . . a
1p
.
.
.
.
.
.
a
n1
. . . a
np
_
_
_
on a
t
A =
_
_
_
a
11
. . . a
n1
.
.
.
.
.
.
a
1p
. . . a
np
_
_
_
Remarque Les colonnes et lignes de
t
A correspondent respectivement aux lignes et colonnes de A.
Exemple Pour
A =
_
_
1 2
3 4
5 6
_
_
on a
t
A =
_
1 3 5
2 4 6
_
Exemple Pour
X =
_
_
_
x
1
.
.
.
x
n
_
_
_
on a
t
X =
_
x
1
. . . x
n
_
i,j
)
i,j
M
n,p
(K) on a
t
A = (a
i,j
)
j,i
M
p,n
(K).
La transposition correspond linversion du rle jou par les indices de lignes et de colonnes.
Proposition
A M
n,p
(K),
t
(
t
A) = A.
dm. :
Soit A = (a
i,j
) M
n,p
(K).
t
A = (a
j,i
) M
n,p
(K) avec a
j,i
= a
i,j
et
t
(
t
A) = (a
i,j
) M
n,p
(K) avec a
i,j
= a
j,i
.
Puisque a
i,j
= a
j,i
= a
i,j
pour tous indices i et j, on obtient
t
(
t
A) = A.

Proposition
A, B M
n,p
(K), , K,
t
(A+B) =
t
A+
t
B.
dm. :
Soient , K, A = (a
i,j
), B = (b
i,j
) M
n,p
(K) et C = A+B = (c
i,j
)
t
A = (a
j,i
) M
n,p
(K) avec a
j,i
= a
i,j
,
t
B = (b
j,i
) M
n,p
(K) avec b
j,i
= b
i,j
et
t
C = (c
j,i
)
M
n,p
(K) avec c
j,i
= c
i,j
.
Puisque c
j,i
= c
i,j
= a
i,j
+b
i,j
= a
j,i
+b
j,i
pour tous indices i et j, on a
t
C =
t
A+
t
B.
Remarque Lapplication T : M
n,p
(K) M
p,n
(K) dnie par T(M) =
t
M est un isomorphisme de
K-espace vectoriel.
Proposition
A M
n,p
(K), B M
p,q
(K),
t
(AB) =
t
B
t
A.
On dit que la transposition est inversive pour le produit matriciel.
dm. :
Soient A = (a
i,j
) M
n,p
(K) et B = (b
j,k
) M
p,q
(K)
On obverse que les produits matriciels proposs dans la relation
t
(AB) =
t
B
t
A sont possibles.
Posons C = AB = (c
i,k
) M
n,q
(K) avec c
i,k
=
n
k=1
a
i,j
b
j,k
.
Posons encore
t
A = (a
j,i
) M
p,n
(K) avec a
j,i
= a
i,j
,
t
B = (b
k,j
) M
q,p
(K) avec b
k,j
= b
j,k
,
t
C = (c
k,i
) M
q,n
(K) avec c
k,i
= c
i,k
.
Considrons D =
t
B
t
A = (d
k,i
) M
q,n
(K).
On a d
k,i
=
p
j=1
b
k,j
a
j,i
=
p
j=1
a
i,j
b
j,k
= c
i,k
= c
k,i
pour tous indices i et k donc
t
(AB) =
t
B
t
A
Proposition
Si A M
n
(K) est inversible alors
t
A lest aussi et (
t
A)
1
=
t
(A
1
).
dm. :
Si A est inversible alors on peut introduire son inverse A
1
.
Puisque AA
1
= I
n
on a
t
(AA
1
) =
t
I
n
cest--dire
t
(A
1
)
t
A = I
n
.
Par le thorme dinversibilit, on peut afrmer que
t
A est inversible et
t
(A
1
) est son inverse.
10.1.8.2 Matrices symtriques et antisymtriques

Dnition
n
(K) est symtrique si
t
A = A.
On dit que la matrice A est antisymtrique si
t
A = A.
On note S
n
(K) et A
n
(K) les ensembles forms des matrices symtriques et antisymtrique de
M
n
(K).
Exemple
_
_
1 2 3
2 4 5
3 5 6
_
_
S
3
(R) et
_
_
0 1 2
1 0 3
2 3 0
_
_
A
3
(R)
Proposition
Les matrices symtriques de M
n
(K) sont celles de la forme
A =
_
_
_
_
_
_
a
11
a
12
. . . a
1n
a
12
a
22
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1,n
a
1n
... a
n1,n
a
n,n
_
_
_
_
_
_
Par suite S
n
n
(K) de dimension
n(n + 1)
2
.
dm. :
Soit A = (a
i,j
) M
n
(K).
La matrice A est symtrique si, et seulement si, 1 i, j n, a
i,j
= a
j,i
.
Les matrices symtriques sont donc celles de la forme proposes.
En introduisant les matrices lmentaires de M
n
(K), on peut crire
S
n
(K) = Vect {E
i,i
/1 i n} {E
i,j
+E
j,i
/1 i < j n}
On en dduit que S
n
n
(K) et puisquil est facile dtablir que la
famille forme des E
i,i
pour 1 i n et des E
i,j
+E
j,i
pour 1 i < j n est libre, cest une base de
S
n
(K) ce qui permet den calculer la dimension.
Proposition
Les matrices antisymtriques de M
n
(K) sont celles de la forme
A =
_
_
_
_
_
_
0 a
12
. . . a
1n
a
12
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1,n
a
1n
. . . a
n1,n
0
_
_
_
_
_
_
Par suite A
n
n
(K) de dimension
n(n 1)
2
.
dm. :
On adapte la preuve prcdente et on obtient
A
n
(K) = Vect {E
i,j
E
j,i
/1 i < j n}
Thorme
Les espaces S
n
(K) et A
n
(K) sont supplmentaires dans M
n
(K).
dm. :
Soit A S
n
(K) A
n
(K).
On a
t
A = A et
t
A = A donc A = O
n
. Ainsi S
n
(K) A
n
(K) = {O
n
}.
Soit M M
n
(K).
On peut crire
M =
1
2
_
M +
t
M
_
+
1
2
_
M
t
M
_
avec
1
2
_
M +
t
M
_
S
n
(K) et
1
2
_
M
t
M
_
A
n
(K)
donc S
n
(K) +A
n
(K) = M
n
(K).
10.2 Reprsentations matricielles

10.2.1 Matrice colonne des composantes dun vecteur
Soit E un K-espace vectoriel muni dune base B = (e
1
, . . . , e
n
).
Pour tout x E, on peut crire de faon unique x =
1
e
1
+ +
n
e
n
avec (
1
, . . . ,
n
) K
n
.
Dnition
On appelle matrice des composantes dans B du vecteurs x la matrice colonne dont les
coefcients sont les composantes
1
, . . . ,
n
du vecteur x dans la base B. On note
Mat
B
(x) =
_
_
_
1
.
.
.
n
_
_
_ M
n,1
(K)
Remarque Puisque les composantes dun vecteur dpendent de la base choisie, il est ncessaire de
prciser celle-ci.
Exemple Puisque les composantes du vecteur e
i
dans la base B = (e
1
, . . . , e
n
) sont 0, . . . , 0, 1, 0, . . . , 0
on a
Mat
B
(e
i
) =
_
_
(0)
1
(0)
_
_
= E
i
Thorme
Lapplication M
B
: x Mat
B
x est un isomorphisme du K-espace vectoriel E vers M
n,1
(K).
dm. :
Lapplication M
B
est linaire car lapplication qui un vecteur associe lune des ses composantes dans B
est linaire.
Lapplication M
B
est bijective car pour toute colonne X de coefcients
1
, . . . ,
n
, il existe un unique
vecteur dans les composantes dans B sont
1
, . . . ,
n
savoir le vecteur x =
1
e
1
+ +
n
e
n
.
10.2.2 Matrice des composantes dune famille de vecteurs

Soit F = (x
1
, x
2
, . . . , x
p
) une famille de vecteurs dun K-espace vectoriel E muni dune base B =
(e
1
, . . . , e
n
).
Pour tout 1 j p, notons C
j
la colonne des composantes dans B du vecteur x
j
.
10.2. REPRSENTATIONS MATRICIELLES
Dnition
On appelle matrice des composantes dans la base B de la famille F, la matrice de M
n,p
(K)
dont les colonnes sont les colonnes C
1
, C
2
, . . . , C
p
des composantes dans B des vecteurs
x
1
, . . . , x
p
. On note
A = Mat
B
F = Mat
B
(x
1
, . . . , x
p
) M
n,p
(K)
Remarque Dans le cas p = 1, on retrouve la notion de matrice des composantes dun vecteur.
Exemple Connaissant les composantes des vecteurs e
1
, . . . , e
n
dans la base B = (e
1
, . . . , e
n
), on
observe Mat
B
B = Mat
B
(e
1
, . . . , e
n
) = I
n
Exemple Considrons E = K
3
muni de sa base canonique B = (e
1
, e
2
, e
3
).
Soient x
1
= (1, 2, 3), x
2
= (2, 0, 1), x
3
= (1, 0, 1) et x
4
= (1, 1, 1) vecteurs de E.
Les composantes des vecteurs x
i
tant faciles dterminer dans la base canonique B, on obtient
Mat
B
(x
1
, x
2
, x
3
, x
4
) =
_
_
1 2 1 1
2 0 0 1
3 1 1 1
_
_
M
3,4
(R)
Exemple Considrons E = R
3
[X] muni de sa base canonique B = (1, X, X
2
, X
3
).
Formons la matrice des composantes dans B de la famille (P
k
)
0k3
avec P
k
= (X + 1)
k
.
Pour cela, on rcrit les polynmes de sorte den dterminer les composantes dans B.
P
0
= 1, P
1
= 1 +X, P
2
= 1 + 2X +X
2
et P
3
= 1 + 3X + 3X
2
+X
3
On en dduit
Mat
B
(P
0
, P
1
, P
2
, P
3
) =
_
_
_
_
1 1 1 1
0 1 2 3
0 0 1 3
0 0 0 1
_
_
_
_
M
4
(R)
10.2.3 Matrice dune application linaire
Soient E et F des K-espaces vectoriels de dimensions p et n et munis de bases B = (e
1
, . . . , e
p
) et
C = (f
1
, . . . , f
n
).
Dnition
On appelle matrice reprsentative dans les bases B et C dune application linaire u L(E, F)
la matrice des composantes dans C de la famille image u(B) = (u(e
1
), . . . , u(e
p
)). On note
Mat
B,C
u = Mat
C
u(B) = Mat
C
(u(e
1
), . . . , u(e
p
)) M
n,p
(K)
Remarque La matrice reprsentative de u dpend du choix des bases B et C, il est donc ncessaire de
prciser celles-ci.
Exemple Soit u : K
3
K
2
lapplication linaires dnie par u(x, y, z) = (x + 2y z, x y).
Formons la matrice de u relative aux bases canoniques B = (e
1
, e
2
, e
3
) et C = (f
1
, f
2
) des espaces K
3
et K
2
.
Pour cela on calcule les images des vecteurs de la base de dpart
u(e
1
) = u(1, 0, 0) = (1, 1),
u(e
2
) = u(0, 1, 0) = (2, 1),
u(e
3
) = u(0, 0, 1) = (1, 0).
On dtermine ensuite les composantes de ces images dans la base darrive ce qui est ici immdiat car la
base darrive est la base canonique de K
2
.
On en dduit
Mat
B,C
u =
_
1 2 1
1 1 0
_
Exemple Soient a, b, c K xs et u : K
3
[X] K
3
lapplication linaire dnie par
u(P) = (P(a), P(b), P(c)).
Formons la matrice de u relative aux bases canoniques B = (1, X, X
2
, X
3
) et C = (f
1
, f
2
, f
3
) des
espaces K
3
[X] et K
3
.
On commence par calculer les images des vecteurs de la base de dpart
u(1) = (1, 1, 1), u(X) = (a, b, c), u(X
2
) = (a
2
, b
2
, c
2
) et u(X
3
) = (a
3
, b
3
, c
3
)
puis on exprime les composantes de ces vecteurs dans la base darrive ce qui est ici immdiat.
On en dduit
Mat
B,C
=
_
_
1 a a
2
a
3
1 b b
2
b
3
1 c c
2
c
3
_
_
10.2.4 Matrice dun endomorphisme
Soit E un K-espace vectoriel de dimension n muni dune base B = (e
1
, . . . , e
n
).
Dnition
On appelle matrice reprsentative dans la base B dun endomorphisme u L(E) la matrice
reprsentative dans la base B au dpart et larrive de lapplication linaire u. Celle matrice
est note Mat
B
f de prfrence Mat
B,B
(f). Cest une matrice carre dordre n.
Exemple La matrice de lendomorphisme Id
E
dans la base B est
Mat
B
Id
E
= Mat
B
(Id
E
(e
1
), . . . , Id
E
(e
n
)) = Mat
B
(e
1
, . . . , e
n
) = I
n
Exemple Soit u : K
3
K
3
lendomorphisme dni par u(x, y, z) = (y +z, z +x, x +y).
Formons la matrice de u relative la base canonique B = (e
1
, e
2
, e
3
) de K
3
.
u(e
1
) = (0, 1, 1), u(e
2
) = (1, 0, 1) et u(e
3
) = (1, 1, 0).
La matrice de u dans B est
_
_
0 1 1
1 0 1
1 1 0
_
_
Considrons maintenant la famille de vecteurs C = (
1
,
2
,
3
) avec
1
= (1, 1, 1),
2
= (1, 1, 0) et
3
= (1, 0, 0). On vrie aisment que la famille C est une base de K
3
.
10.3. APPLICATION DU CALCUL MATRICIEL AUX APPLICATIONS LINAIRES
Formons la matrice de u relative la base C.
u(
1
) = (2, 2, 2), u(
2
) = (1, 1, 2) et u(
3
) = (0, 1, 1)
Pour former la matrice voulue, on dtermine les composantes des prcdents vecteurs dans la base C (et
non celles dans la base canonique).
u(
1
) = 2
1
+ 0.
2
+ 0.
3
, u(
2
) = 2
1

2
et u(
3
) =
1

3
La matrice de u dans C est
_
_
2 2 1
0 1 0
0 0 1
_
_
10.3 Application du calcul matriciel aux applications linaires
10.3.1 Image dun vecteur
Soient E et F deux K-espaces vectoriels munis de bases B = (e
1
, . . . , e
p
) et C = (f
1
, . . . , f
n
).
Pour x E et y F, on convient de noter X et Y les colonnes des composantes de x et y dans les bases
B et C.
Thorme
Pour u L(E, F), la matrice de u dans les bases B et C est lunique matrice A M
n,p
(K)
vriant
x E, y F, y = u(x) Y = AX
dm. :
Unicit : Soient A et A
deux matrices solutions.

Pour tout vecteur x de E, on a Y = AX = AX
.
On en dduit que pour toute colonne X, AX = A
X.
On en dduit A = A
en vertu du lemme didentication matricielle.

Convenance :
Posons A = (a
i,j
) = Mat
B,C
u.
Notons x
1
, . . . , x
p
les composantes de x dans B.
x =
p
j=1
x
j
e
j
donc u(x) =
p
j=1
x
j
u(e
j
)
Puisque les colonnes de A sont formes des composantes des vecteurs u(e
1
), . . . , u(e
p
) on a pour tout
1 j p, u(e
j
) =
n
i=1
a
i,j
f
i
.
On en dduit
u(x) =
p
j=1
n
i=1
a
i,j
x
j
f
i
En permutant les deux sommes
u(x) =
n
i=1
_
_
p
j=1
a
i,j
x
j
_
_
f
i
Notons y
1
, . . . , y
n
les composantes de y dans C, y =
n
i=1
y
i
f
i
Par identication des composantes, on a
y = u(x) i {1, . . . , n} , y
i
=
p
j=1
a
i,j
x
j
Paralllement
X =
_
_
_
_
x
1
.
.
.
x
n
_
_
_
_
, Y =
_
_
_
_
y
1
.
.
.
y
n
_
_
_
_
et AX =
_
_
_
_
a
1,1
x
1
+ +a
1,p
x
p
.
.
.
a
n,1
x
1
+ +a
n,p
x
p
_
_
_
_
donc
Y = AX i {1, . . . , n} , y
i
=
p
j=1
a
i,j
x
j
Ainsi
y = u(x) Y = AX
Exemple Soit E un R-espace vectoriel muni dune base B = (e

1
, e
2
, e
3
).
Soit u un endomorphisme de E dont la matrice dans B est
Mat
B
u =
_
_
1 1 2
1 1 0
1 0 1
_
_
= A
Soit x = x
1
e
1
+x
2
e
2
+x
3
e
3
E. On peut calculer le vecteur u(x) par produit matriciel.
Mat
B
u(x) = AX =
_
_
_
x
1
+x
2
+ 2x
3
x
1
x
2
x
1
+x
3
_
_
_
On peut alors tudier le noyau de u en rsolvant lquation matricielle AX = O
3,1
.
AX = O
3,1

_
_
x
1
+x
2
+ 2x
3
= 0
x
1
x
2
= 0
x
1
+x
3
= 0
_
x
2
= x
1
x
3
= x
1
Ainsi
ker u = {x
1
(e
1
+e
2
e
3
)/x
1
K} = Vect(e
1
+e
2
e
3
)
On peut aussi facilement dterminer limage de u.
En effet par le thorme du rang, on a dj rgu = dimE dimker u = 2. On peut donc dterminer une
base de limage de u en considrant deux vecteurs non colinaires de limage de u. Or les colonnes de A
sont formes des composantes de vecteurs images par u et dterminent donc des lments de limage de
u. Il est donc facile de dterminer deux vecteurs non colinaires dans Imu. Par exemple avec la premire
et la deuxime colonne de A, les vecteurs u(e
1
) = e
1
+e
2
+e
3
et u(e
2
) = e
1
e
2
forment une base
de Imu.
Exemple Soit E un K-espace vectoriel muni dune base B = (e
1
, . . . , e
n
).
Les formes linaires sur E sont les applications linaires valeurs dans F = K. Il est usuel de munir K
de sa base canonique (1) ce qui permet didentier un scalaire et sa composante dans cette base.
Pour une forme linaire sur E, la matrice de dans B est une matrice ligne
L =
_
a
1
a
n
_
M
1,n
(K)
Pour tout vecteur x E de composantes x
1
, . . . , x
n
dans B, on a
(x) = LX = a
1
x
1
+ +a
n
x
n
10.3.2 Lisomorphisme de reprsentation matricielle
Soient E et F deux K-espaces vectoriels munis de bases B = (e
1
, . . . , e
p
) et C = (f
1
, . . . , f
n
).
Thorme
Lapplication M
B,C
: L(E, F) M
n,p
(K) dnie par M
B,C
(u) = Mat
B,C
(u) est un
isomorphisme de K-espaces vectoriels.
dm. :
Soient , K et u, v L(E, F).
Posons A = Mat
B,C
u et B = Mat
B,C
v.
Pour x E, on a (u +v)(x) = u(x) +v(x).
Or les vecteurs u(x) et v(x) ont pour colonnes composantes AX et BX dans C.
On en dduit que le vecteur (u + v)(x) a pour colonne composante AX + BX = (A + B)X.
Or il y a unicit de la matrice permettant de calculer les composantes dun vecteur image par u +v et
celle-ci est Mat
B,C
(u +v).
On en dduit
Mat
B,C
(u +v) = A+B = Mat
B,C
u +Mat
B,C
v
i.e.
M
B,C
(u +v) = M
B,C
(u) +M
B,C
(v)
Ainsi lapplication M
B,C
est linaire.
Soit u ker M
B,C
. On a Mat
B,C
u = O
n
.
Pour tout x E de composantes X dans B, le vecteur u(x) a pour composantes O
n
X = O
n,1
et donc
cest le vecteur nul. On en dduit u =

0 puis ker M
B,C
=
_
0
_
. Ainsi lapplication linaire M
B,C
est
injective.
Soit A M
n,p
(K). Considrons ensuite lapplication u : E F qui envoie un vecteur x E de
composantes X dans B sur le vecteur y de composantes AX dans C. Vrions que lapplication u est
linaire de matrice A relatives aux bases B et C.
Soient
1
,
2
K et x
1
, x
2
E. Notons X
1
et X
2
les colonnes des composantes des vecteurs x
1
et x
2
dans B. Les vecteurs u(x
1
) et u(x
2
) ont pour colonnes composantes AX
1
et AX
2
dans B et puisque le
vecteur
1
x
1
+
2
x
2
a pour colonne composante
1
X
1
+
2
X
2
dans B, le vecteur u(
1
x
1
+
2
x
2
) a
pour colonne composante A(
1
X
1
+
2
X
2
) dans C.
Sachant A(
1
X
1
+
2
X
2
) =
1
AX
1
+
2
AX
2
, on a u(
1
x
1
+
2
x
2
) =
1
u(x
1
) +
2
u(x
2
). Ainsi
lapplication u est linaire. De plus, par construction, la matrice de u relatives aux bases B et C est la
matrice A.
Ainsi lapplication M
B,C
est surjective et nalement cest un isomorphisme.

Corollaire
Si E et F sont deux K-espaces vectoriels de dimensions nies alors lespace L(E, F) est un
K-espace vectoriel de dimension nie et dimL(E, F) = dimE dimF.
En particulier, dimL(E) = (dimE)
2
et dimE
= dimE.
dm. :
Par isomorphisme, dimL(E, F) = dimM
n,p
(K) = np avec p = dimE et n = dimF.
Remarque Par lisomorphisme de reprsentation matricielle, introduire une application linaire u de E

vers F quivaut introduire sa reprsentation matricielle relative des bases donnes de E et F. Cest
trs souvent ainsi que sont introduit des applications linaires en dimension nie.
10.3.3 Composition dapplications linaires
Soient E, F et G trois K-espaces vectoriels munis de bases B = (e
1
, . . . , e
p
), C = (f
1
, . . . , f
n
), D =
(g
1
, . . . , g
m
).
Thorme
Pour tout u L(E, F) et v L(F, G), on a
Mat
B,D
(v u) = Mat
C,D
v Mat
B,C
u
(bases organises en Chasles invers )
dm. :
Soient u L(E, F) et v L(F, G).
Posons A = Mat
B,C
(u) et B = Mat
C,D
(v).
Soit x E de colonne composante X dans la base B.
La colonne des composantes de y = u(x) dans C est Y = AX.
La colonne des composantes de z = v(y) dans D est Z = BY .
Ainsi la colonne des composantes de z = (v u)(x) dans D est Z = (BA)X.
Par unicit de la matrice permettant de calculer les composantes dun vecteur image, on a Mat
B,D
(vu) =
BA.
Corollaire
1
, . . . , e
n
)
Lapplication M
B
: L(E) M
n
(K) dni par M
B
(u) = Mat
B
u est un isomorphisme
danneaux.
En particulier, pour tout u, v L(E), on a
Mat
B
(u v) = Mat
B
u Mat
B
v
et
Mat
B
(u
m
) = [Mat
B
u]
m
pour tout m N.
dm. :
M
B
(Id
E
) = I
n
, M
B
(u v) = M
B
(u) M
B
(v) et par ce qui prcde M
B
(u v) = M
B
(u)M
B
(v).
Exemple Si A est la matrice de u L(E) dans une certaine base de E alors

u est nilpotent A est nilpotente.
u est un projecteur A
2
= A.
u est une symtrie A
2
= I
n
.
10.3.4 Isomorphisme et matrice inversible
Soient E et F deux K-espaces vectoriels de mme dimension n munis de bases B = (e
1
, . . . , e
n
) et
C = (f
1
, . . . , f
n
).
Thorme
Soient u L(E, F) et A = Mat
B,C
(u). On a quivalence entre :
(i) u est un isomorphisme ;
(ii) A est inversible.
De plus, si tel est le cas, Mat
C,B
(u
1
) = A
1
.
dm. :
(i) (ii) Supposons que u est un isomorphisme et introduisons son isomorphisme inverse u
1
. Puisque
u
1
u = Id
E
, on a Mat
B
(u
1
u) = Mat
B
Id
E
= I
n
. Or Mat
B
(u
1
u) = Mat
C,B
u
1
Mat
B,C
u.
Ainsi en posant B = Mat
C,B
u
1
, on a BA = I
n
. Par le thorme dinversibilit, on peut afrmer que A
est inversible et que B est son inverse.
(ii) (i) Supposons A inversible et introduisons sa matrice inverse A
1
. On peut aussi introduire
lapplication linaire v L(F, E) reprsente par A
1
relativement aux bases C et B. Puisque A
1
A =
I
n
, on a Mat
B
(v u) = Mat
B
(Id
E
) et donc v u = Id
E
. Par le thorme disomorphisme, on peut
afrmer que u est un isomorphisme et que v est son isomorphisme inverse.
Exemple Soit u : R
2
[X] R
3
lapplication linaire dnie par u(P) = (P(0), P(1), P(2)).
Introduisons B = (1, X, X
2
) la base canonique de R
2
[X] et C = (e
1
, e
2
, e
3
) celle de R
3
.
La matrice de u relative aux bases B et C est
A =
_
_
1 0 0
1 1 1
1 2 4
_
_
On vrie par le calcul que cette matrice est inversible et
A
1
=
_
_
1 0 0
3/2 2 1/2
1/2 1 1/2
_
_
On en dduit que lapplication linaire u est un isomorphisme et lon connat son isomorphisme
inversible par le biais dune reprsentation matricielle. Cet isomorphisme inverse rsout un problme
dinterpolation, savoir dterminer un polynme P R
2
[X] prenant des valeurs donne en 0, 1, 2.
Par exemple le polynme P R
2
[X] vriant P(0) = 1, P(1) = 0 et P(2) = 2 a pour composante
dans B
_
_
1 0 0
3/2 2 1/2
1/2 1 1/2
_
_
_
_
1
0
2
_
_
=
_
_
1
5/2
3/2
_
_
Cest le polynme
P(X) = 1
5
2
X +
3
2
X
2
Corollaire
1
, . . . , e
n
).
Pour u L(E) on a
u GL(E) Mat
B
u GL
n
(K)
De plus, si tel est le cas :
Mat
B
(u
1
) = [Mat
B
u]
1
10.3.5 Tableau des correspondances
Vecteur Matrice colonne
x E X M
p,1
(K)
0 O
p,1
x +y X +Y
Application linaire Matrice rectangle
u L(E, F) A M
n,p
(K)
o O
n,p
y = u(x) Y = AX
u +v A+B
v u BA
u isomorphisme, u
1
A inversible, A
1
Endomorphisme Matrice carre
u L(E) A M
n
(K)
Id
E
I
n
u
m
A
m
u GL(E), u
1
A GL
n
(K), A
1
Formes linaires Matrice ligne
E
L M
1,n
(K)
(x) LX
10.3.6 Diffrentes reprsentation dun endomorphisme
10.3.6.1 Matrice dune homothtie vectorielle
Soit E un K-espace vectoriel de dimension n.
Proposition
Dans toute base de E, la matrice de lhomothtie vectorielle de rapport K est I
n
.
dm. :
Notons h
lhomothtie vectorielle de rapport et considrons B = (e

1
, . . . , e
n
) une base de E.
Pour tout 1 i n, h(e
i
) = e
i
donc
Mat
B
h
=
_
_
_
(0)
.
.
.
(0)
_
_
_

Remarque On peut montrer que les homothties vectorielles sont les endomorphismes ayant la mme
matrice dans toute base.
10.3.6.2 Matrice dune projection, dune symtrie
Soient F et G deux sous-espaces vectoriels supplmentaires de E de dimensions r et n r.
Thorme
La matrice de la projection p sur F paralllement G dans une base B adapte la
supplmentarit de F et G est
Mat
B
p =
_
I
r
0
0 0
nr
_
dm. :
Notons e
1
, . . . , e
n
les vecteurs constituant la base B.
Puisque la base B est adapte la supplmentarit de F et G, on a e
1
, . . . , e
r
F et e
r+1
, . . . , e
n
G.
On en dduit
i {1, . . . , r} , p(e
i
) = e
i
et
i {r + 1, . . . , n} , p(e
i
) = 0
do la reprsentation matricielle annonce.
Thorme
La matrice de la symtrie s par rapport F et paralllement G dans une base B adapte la
supplmentarit de F et G est
Mat
B
s =
_
I
r
0
0 I
nr
_
dm. :
En reprenant les notations de la preuve prcdente, on a
i {1, . . . , r} , s(e
i
) = e
i
et
i {r + 1, . . . , n} , s(e
i
) = e
i
Remarque Ces reprsentations matricielles sont simples car relatives une base adapte au problme
tudi.
Dans une base quelconque, la matrice dune projection est plus complique. . .
Exemple Soit E un R-espace vectoriel de dimension 3 muni dune base B = (e
1
, e
2
, e
3
).
Soient P : x
1
+x
2
+x
3
= 0 et D = Vectu avec u = e
1
+e
2
e
3
.
Les espaces P et D sont supplmentaires dans E car P est un hyperplan de E et w est un vecteur ne lui
appartenant pas.
Formons la matrice A de la projection p sur P paralllement D.
Soient x = x
1
e
1
+x
2
e
2
+x
3
e
3
un vecteur de E et y = p(x) = y
1
e
1
+y
2
e
2
+y
3
e
3
son image.
Exprimons y
1
, y
2
, y
3
en fonction de x
1
, x
2
, x
3
.
Par dnition de laction de la projection p, on sait p(x) P et x p(x) D. Ces deux proprits
caractrisent le vecteur p(x) en fonction du vecteur x et on vont donc permettre dexpliciter y
1
, y
2
, y
3
en
fonction de x
1
, x
2
, x
3
.
p(x) P donne y
1
+y
2
+y
3
= 0.
x p(x) D assure lexistence dun scalaire vriant x p(x) = u i.e.
_
_
x
1
y
1
=
x
2
y
2
=
x
3
y
3
=
On est ainsi amen rsoudre le systme
_
_
y
1
+y
2
+y
3
= 0
y
1
+ = x
1
y
2
+ = x
2
y
3
= x
3
en les inconnues y
1
, y
2
, y
3
et .
Au terme de cette rsolution, on obtient les expressions de x
, y
, z
en fonction de x, y, z
_
_
y
1
= x
2
x
3
y
2
= x
1
x
3
y
3
= x
1
+x
2
+ 2x
3
Il est alors facile dexprimer la matrice A de p :
- soit en calculant les images des vecteurs de base e
1
, e
2
, e
3
;
- soit en dterminant lunique matrice A vriant Y = AX.
Finalement, on obtient
A =
_
_
0 1 1
1 0 1
1 1 2
_
_
Remarque On en dduit aisment la matrice de la symtrie s par rapport P et paralllement D car
s = 2p Id.
Mat
B
s = 2AI =
_
_
1 2 2
0 3 2
2 2 3
_
_
10.3.6.3 Rduction dune projection, dune symtrie
Soit f un endomorphisme dun K-espace vectoriel E connu par sa reprsentation matricielle A relative
une certaine base B de E.
Si A
2
= A alors f
2
= f et on sait :
- F = Imf et G = ker f sont supplmentaires ;
- f est la projection vectorielle sur F paralllement G.
Si A
2
= I alors f
2
= Id et on sait :
- F = ker(f Id) et G = ker(f + Id) sont supplmentaires ;
- f est la symtrie vectorielle par rapport F et paralllement G.
Exemple Soient E un R-espace vectoriel muni dune base B = (e
1
, e
2
, e
3
) et f lendomorphisme de E
dont la matrice dans B est
A =
_
_
0 1 1
1 2 1
1 1 0
_
_
On vrie par le calcul A
2
= A et on en dduit que f est une projection, plus prcisment, cest la
projection sur Imf et paralllement ker f.
Pour dterminer ker f, on rsout lquation matricielle AX = O
3,1
i.e. le systme
_
_
x
2
+x
3
= 0
x
1
+ 2x
2
+x
3
= 0
x
1
x
2
= 0
On obtient ker f = Vect(e
1
+e
2
e
3
)
Par la formule du rang, on en dduit que Imf est un hyperplan.
Les vecteurs f(e
1
) = e
2
+e
3
et f(e
2
) = e
1
+ 2e
2
e
3
appartiennent cet hyperplan et donc
x +y +z = 0 est une quation de limage de f.
Finalement f est la projection sur le plan P : x +y +z = 0 paralllement la droite
Vect(e
1
+e
2
e
3
).
1
, e
2
, e
3
A =
_
_
1 2 2
2 1 2
2 2 3
_
_
On vrie par le calcul A
2
= I
3
et on en dduit que f est une symtrie, plus prcisment, cest la
symtrie par rapport ker(f Id) et paralllement ker(f + Id).
Pour dterminer ker(f Id), on rsout lquation matricielle (AI
3
)X = O
3,1
, pour dterminer
ker(f + Id), cest lquation (A+I
3
)X = O
3,1
que lon rsout.
Au terme des calculs, on obtient que f est la symtrie par rapport la droite D = Vect(e
1
+e
2
e
3
) et
paralllement au plan P : x +y +z = 0.
10.3.6.4 Matrice dun endomorphisme dans une base bien choisie
1
, e
2
, e
3
A =
_
_
1 3 3
2 2 1
2 0 1
_
_
Considrons la famille B
= (
1
,
2
,
3
) avec
_
1
= e
1
+e
2
+e
3
2
= e
1
e
2
2e
3
3
= e
2
+e
3
On vrie aisment que B
est une base de E, par exemple en observant que cette une famille libre de
trois vecteurs en dimension 3.
Formons la matrice de f dans cette base B
.
Pour cela nous calculons les composantes dans B
des vecteurs f(
1
), f(
2
), f(
3
).
f(
1
) se dduit du calcul matriciel AX
1
avec X
1
=
_
_
_
1
1
1
_
_
_la colonne des composantes de
1
dans B.
On obtient f(
1
) = e
1
e
2
e
3
=
1
.
De mme, on obtient
f(
2
) = 2e
1
2e
2
4e
3
= 2
2
et f(
3
) = e
2
+e
3
=
3
La matrice de f dans B
est donc la matrice diagonale

_
_
1 0 0
0 2 0
0 0 1
_
_
Exemple Soit E un R-espace vectoriel de dimension 3 muni dune base B = (e
1
, e
2
, e
3
) et f
lendomorphisme E dont la matrice dans B est
A =
_
_
1 4 4
2 3 4
2 0 1
_
_
Montrons quil existe une base B
= (
1
,
2
,
3
) de E telle que la matrice de f dans B
soit la matrice
diagonale
_
_
1 0 0
0 1 0
0 0 3
_
_
Analyse : Supposons quune telle base existe.
On a f(
1
) =
1
, f(
2
) =
2
, f(
3
) = 3
3
.
Cherchons de tels vecteurs. . . .
Pour dterminer un vecteur
1
convenable, on cherche les vecteurs x = x
1
e
1
+x
2
e
2
+x
3
e
3
vriant
f(x) = x.
10.4. FORMULES DE CHANGEMENT DE BASE
Matriciellement, ce problme revient rsoudre lquation AX = X i.e. le systme
_
_
x
1
4x
2
4x
3
= x
1
2x
1
+ 3x
2
+ 4x
3
= x
2
2x
1
x
3
= x
3
Aprs rsolution, on parvient
_
x
1
= x
3
x
2
= x
3
Le vecteur
1
= e
1
e
2
+e
3
est un donc un vecteur vriant f(
1
) =
1
.
On procdant de mme avec les quations AX = X et AX = 3X, on obtient que les vecteurs
2
= e
2
e
3
et
3
= 2e
1
2e
2
+e
3
vrient f(
2
) =
2
et f(
3
) = 3
3
.
Synthse : Considrons la famille B
= (
1
,
2
,
3
) forme des vecteurs
_
1
= e
1
e
2
+e
3
2
= e
2
e
3
3
= 2e
1
2e
2
+e
3
Par ltude qui prcde, on peut dj afrmer que f(
1
) =
1
, f(
2
) =
2
et f(
3
) = 3
3
. Vrions
maintenant que la famille B
est libre.
Supposons
1
1
+
2
2
+
3
3
= 0.
On a (
1
+ 2
3
)e
1
+ (
1
+
2
2
3
)e
2
+ (
1

2
+
3
)e
3
= 0.
Puisque la famille (e
1
, e
2
, e
3
) est libre, on obtient le systme
_
1
+ 2
3
= 0
1
+
2
2
3
= 0
1

2
+
3
= 0
Aprs rsolution, on parvient
1
=
2
=
3
= 0.
La famille B
= (
1
,
2
,
3
) est une famille libre forme de 3 = dimE vecteurs de E, cest donc une
base de E. Par construction, la matrice de E est celle voulue
_
_
1 0 0
0 1 0
0 0 3
_
_
Remarque La reprsentation dun endomorphisme par une matrice diagonale nest pas toujours
possible et, quand elle a lieu, celle-ci se fait avec des coefcients diagonaux bien prcis. Cette
problmatique sera souleve et rsolue dans le cours de seconde anne.
10.4 Formules de changement de base
10.4.1 Matrice de passage
Soit E un K-espace vectoriel de dimension n muni de deux bases B = (e
1
, . . . , e
n
) et B
= (e
1
, . . . , e
n
).
Dnition
On appelle matrice de passage de la base B la base B
la matrice
P = Mat
B
(B
) = Mat
B
(e
1
, . . . , e
n
).
Exemple Soit E un K-espace vectoriel de dimension 3 muni dune base B = (e
1
, e
2
, e
3
)
Soit B
= (e
1
, e
2
, e
3
) la famille de vecteurs de E dnie par :
_
_
e
1
= e
1
e
2
+e
3
e
2
= e
2
e
3
e
3
= 2e
1
+ 2e
2
e
3
On vrie aisment que la famille B
est libre et cest donc une base de E.

La matrice de passage P de B B
est
P =
_
_
1 0 2
1 1 2
1 1 1
_
_
Proposition
Si P est la matrice de passage de la base B la base B
alors P = Mat
B
,B
(Id
E
).
dm. :
Par dnition
Mat
B
,B
(Id
E
) = Mat
B
(Id
E
(B
)) = Mat
B
(e
1
, . . . , e
n
) = P
Attention : Ici la matrice de lendomorphisme Id

E
nest pas la matrice de lidentit car la
reprsentation matricielle de lidentit est forme en choisissant une base larrive qui nest pas a
priori la mme que la base au dpart.
Proposition
Si P est la matrice de passage de la base B la base B
alors P est inversible et son inverse

P
1
est la matrice de passage de B
B.
dm. :
Notons Q = Mat
B
B la matrice de passage de B
B.
On a P = Mat
B,B
(Id
E
) et Q = Mat
B,B
(Id
E
) donc PQ = Mat
B,B
(Id
E
Id
E
) = Mat
B
(Id
E
) = I
n
En vertu du thorme dinversibilit, P est inversible et Q est son inverse.
Exemple Reprenons les notations de lexemple prcdent

_
_
e
1
= e
1
e
2
+e
3
e
2
= e
2
e
3
e
3
= 2e
1
+ 2e
2
e
3
et P = Mat
B
B
=
_
_
1 0 2
1 1 2
1 1 1
_
_
Pour former la matrice de passage inverse P
1
, il suft dexprimer les vecteurs de la base B en fonction
de ceux de la base B
. A laide du systme prcdent, et aprs calculs, on obtient

_
_
e
1
= e
1
+e
2
e
2
= 2e
1
+e
2
+e
3
e
3
= 2e
1
+e
3
et donc P
1
=
_
_
1 2 2
1 1 0
0 1 1
_
_
Remarque Cette mthode est la mthode usuelle pour inverser une matrice de passage.
10.4.2 Nouvelles composantes dun vecteur
Thorme
Soient B et B
deux bases dun K-espace vectoriel E de dimension n.

Si x est un vecteur de E dont on note X et X
les colonnes des composantes dans B et B
alors
on a X = PX
en notant P la matrice de passage de B B
.
dm. :
X = Mat
B
(x) = Mat
B
(Id
E
(x)) = Mat
B
,B
(Id
E
)Mat
B
(x) = PX
Remarque On retient Mat

B
(x) = Mat
B
B
Mat
B
(x).
Corollaire
On a aussi X
= P
1
X
10.4.3 Nouvelle reprsentation dune application linaire
Thorme
Soient B et B
deux bases dun K-espace vectoriel E et C et C
deux bases dun K-espace

vectoriel F.
Si u est une application linaire de E vers F dont on note A la matrice relative aux bases B et
C, et A
celle relative aux bases B
et C
alors on a
A
= Q
1
AP
en notant P la matrice de passage de B B
et Q celle de C C
.
dm. :
Soit x E de colonnes composantes X et X
dans les bases B et B
, et soit y F de colonnes
composantes Y et Y
dans les bases C et C
. On a X = PX
et Y = QY
.
On a alors la chane dquivalences
y = u(x) Y = AX QY
= APX
= Q
1
APX
Or la matrice A
est lunique matrice telle que

y = u(x) Y
= A
et donc
A
= Q
1
AP
Remarque On retient A
= Mat
B
,C
(u) = Mat
C
C.Mat
B,C
(u).Mat
B
B
.
10.4.4 Nouvelle reprsentation dun endomorphisme
Thorme
Soient B et B
deux bases dun K-espace vectoriel E.

Si f est un endomorphisme de E dont on note A la matrice dans B et A
celle dans B
alors on
a
A
= P
1
AP
avec P la matrice de passage de B B
.
dm. :
Cest un cas particulier de la formule de changement de base relative une application linaire.
Remarque On retient Ainsi Mat

B
(f) = Mat
B
B.Mat
B
(f).Mat
B
B
.
Attention : Erreur courante : ncrire A = PA
ce qui correspond une transformation incomplte !

Exemple Soit
A =
_
_
2 1 1
3 2 1
3 5 4
_
_
Nous allons calculer les puissances A
n
pour tout n N en procdant une transformation de la
matrice A.
Soient E un R-espace vectoriel muni dune base B = (e
1
, e
2
, e
3
) et f lendomorphisme de E dtermin
par
Mat
B
(f) =
_
_
2 1 1
3 2 1
3 5 4
_
_
= A
Considrons la base B
= (
1
,
2
,
3
) dnie par
_
_
e
1
= e
2
+e
3
e
2
= e
1
e
2
+e
3
e
3
= e
1
+e
2
2e
3
On vrie aisment que la famille B
est libre est cest donc une base de E.

On forme la matrice D de f dans la base B
en calculant f(e
1
), f(e
2
) et f(e
3
).
En procdant au calcul matriciel Y = AX, on obtient f(e
1
) = e
1
, f(e
2
) = 2e
2
et f(e
3
) = 3e
3
.
On en dduit D = Mat
B
f = diag(1, 2, 3)
Par formule de changement de base, on a A = PDP
1
avec P la matrice de passage de B B
.
P =
_
_
0 1 1
1 1 1
1 1 2
_
_
En exprimant les vecteurs de B en fonction de ceux de B
, on obtient
_
_
e
1
= e
1
+e
2
e
2
= e
1
e
2
e
3
e
3
= e
2
e
3
et on en dduit la matrice de passage inverse
P
1
=
_
_
1 1 0
1 1 1
0 1 1
_
_
On peut alors calculer les puissances de A.
Pour tout n N,
A
n
= (PDP
1
)
n
= (PDP
1
)(PDP
1
) . . . (PDP
1
) = PD
n
P
1
avec
D
n
= diag ((1)
n
, 2
n
, 3
n
)
Au terme des calculs, on obtient
A
n
= (1)
n
_
_
0 0 0
1 1 0
1 1 0
_
_
+ 2
n
_
_
1 1 1
1 1 1
1 1 1
_
_
+ 3
n
_
_
0 1 1
0 1 1
0 2 2
_
_
10.4.5 Application : la trace
10.4.5.1 Trace dune matrice carre
Dnition
On appelle trace dune matrice carre A = (a
i,j
) M
n
(K) le scalaire tr(A) =
n
i=1
a
i,i
.
Proposition
Lapplication tr : M
n
(K) K est une forme linaire.
dm. :
On vrie immdiatement que tr(A+B) = trA+trB.
Thorme
A M
n,p
(K), B M
p,n
(K), tr(AB) = tr(BA).
dm. :
Introduisons les coefcients des matrices A et B : A = (a
i,j
) M
n,p
(K) et B = (b
j,i
) M
p,n
(K).
Les matrices AB et BA sont carres donc on peut calculer leur trace et on a
tr(AB) =
n
i=1
[AB]
i,i
=
n
i=1
p
j=1
a
i,j
b
j,i
et
tr(BA) =
p
j=1
[BA]
j,j
=
p
j=1
n
i=1
b
j,i
a
i,j
En permutant les deux sommes, on obtient tr(BA) = tr(AB).

10.4.5.2 Trace dun endomorphisme
Soient f un endomorphisme dun K-espace vectoriel E de dimension nie et B, B
deux bases de E
Notons P = Mat
B
B
, A = Mat
B
(f), A
= Mat
B
(f).
La relation de changement de base permet dcrire : A = PA
P
1
.
On a alors
tr(A) = tr(P(A
P
1
)) = tr((A
P
1
)P = tr(A
)
Par suite, la trace de la matrice reprsentative de lendomorphisme f est indpendante de la base choisie.
Dnition
Cette quantit est appele trace de lendomorphisme f et est note trf.
Exemple tr(Id
E
) = n
Thorme
La trace dnit une forme linaire sur L(E) vriant
f, g L(E), tr(f g) = tr(g f)
10.5 Rang dune matrice
Rappel Si F = (x
1
, . . . , x
p
) est une famille de vecteurs dun K-espace vectoriel E alors on appelle
rang de la famille F la dimension de lespace engendre par F
rgF = dimVect(x
1
, . . . , x
p
).
Si E et F sont deux K-espace vectoriels de dimensions nies et u L(E, F) alors on appelle rang de
lapplication linaire u la dimension de limage de u
rgu = dimImu.
Ces deux concepts sont lis puisque si B = (e
1
, ..., e
p
) est une base de E alors
rg(u) = rg(u(e
1
), ..., u(e
p
)).
10.5.1 Dnition
Soit A = (a
i,j
) M
n,p
(K) de colonnes C
1
, C
2
, . . . , C
p
.
Les C
j
sont des vecteurs du K-espace vectoriel M
n,1
(K), on peut donc considrer le rang de la famille
de vecteurs (C
1
, C
2
, . . . , C
p
).
Dnition
On appelle rang dune matrice A M
n,p
(K) le rang de la famille (C
1
, C
2
, . . . , C
p
) des
colonnes de A. On note
rgA = rg(C
1
, C
2
, . . . , C
p
)
10.5. RANG DUNE MATRICE
Thorme
Si F = (x
1
, x
2
, . . . , x
p
) une famille de vecteurs de dun K-espace vectoriel E et si A est la
matrice de la famille F dans une certaine base B de E alors
rgA = rg(x
1
, x
2
, . . . , x
p
)
dm. :
Soit : E M
n,1
(K) dnie par (x) = Mat
B
(x).
est un isomorphisme de K-espace vectoriel.
Puisque les colonnes de A sont les C
j
= (x
j
), on a
rgA = rg((x
1
), . . . , (x
p
)) = dimVect((x
1
), . . . , (x
p
))
Or puisque est une application linaire injective on a
dimVect((x
1
), . . . , (x
p
)) = dimVect(x
1
, . . . , x
p
) = rg(x
1
, . . . , x
p
)
Ainsi
rg(A) = rg(x
1
, x
2
, . . . , x
p
)
Thorme
Si u est une application dun K-espace vectoriel E vers un K-espace vectoriel F et si A est la
matrice de u relative des bases B et C de E et F alors
rgA = rgu.
dm. :
Si lon note e
1
, . . . , e
p
les vecteurs constituant la base B alors Aest la matrice de la famille (u(e
1
), . . . , u(e
p
))
dans la base C et par suite rgA = rg(u(e
1
), . . . , rg(u(e
p
)) = rgu.
10.5.2 Proprits du rang dune matrice

Soient A M
n,p
(K) et u L(K
p
, K
n
) lapplication linaire canoniquement associe la matrice A
cest--dire lapplication linaire reprsente par la matrice A relativement aux base canoniques de K
p
et K
n
.
Puisque rgA = rgu, les proprits relatives au rang dapplications linaires se transposent aux matrices.
Proposition
A M
n,p
(K), rg(A) min(n, p).
dm. :
Car rgu min(dimE, dimF) pour u L(E, F).
Proposition
A M
n,p
(K), B M
p,q
(K), rg(AB) min(rg(A), rg(B)).
De plus :
Si A est une matrice carre inversible alors rg(AB) = rg(B)
Si B est une matrice carre inversible alors rg(AB) = rg(A).
dm. :
Car rg(u v) min(rgu, rgv).
De plus rg(u v) = rgu si v surjective et rg(u v) = rgv si u injective.
Remarque On ne modie par le rang dune matrice en multipliant celle-ci par une matrice inversible.
Thorme
Soit A M
n
(K). On a quivalence entre :
(ii) rg(A) = n.
dm. :
A est inversible si, et seulement si, u est automorphisme de K
n
i.e. si, et seulement si, rgu = n
10.5.3 Caractrisation thorique du rang

Pour 0 r min(n, p), on note J
r
la matrice de M
n,p
(K) dnie par
J
r
=
_
_
_
_
_
1 0
.
.
.
0 1
0
0 0
_
_
_
_
_
Prcisment, les coefcients de J
r
M
n,p
(K) sont nuls sauf le coefcient dindice (i, i) est gal 1
pour i {1, . . . , r}.
Exemple Si r = 0 alors J
r
= O
n,p
.
Si r = n p alors
J
r
=
_
_
_
1 0
.
.
.
0 1
0
_
_
_
Si r = p n alors
J
r
=
_
_
_
_
_
1 0
.
.
.
0 1
0
_
_
_
_
_
Si r = p = n alors J
r
= I
r
.
Proposition
rg(J
r
) = r.
dm. :
Si B = (e
1
, . . . , e
n
) dsigne la base canonique de K
n
alors la matrice J
r
peut se voir comme la matrice
dans B de la famille (e
1
, . . . , e
r
, 0, . . . , 0) forme de p vecteurs. Cette dernire est de rang r car la sous-
famille (e
1
, . . . , e
r
) est libre et donc rgJ
r
= r.

Thorme
Soient A M
n,p
(K) et r N tel que 0 r min(n, p).
On a quivalence entre :
(i) rg(A) = r ;
(ii) P GL
p
(K), Q GL
n
(K), A = QJ
r
P.
dm. :
(ii) (i) : Cest immdiat car rgJ
r
= r et on sait quon ne modie pas le rang en multipliant par une
matrice inversible.
(i) (ii) Soient E et F deux K-espaces vectoriels de dimensions p et n munis de bases B et C et u
L(E, F) lapplication linaire dtermine par Mat
B,C
u = A. Puisque r = rgA = rgu, on a dimker u =
p r en vertu de la formule du rang.
Soit H un supplmentaire de ker u dans E et B
= (e
1
, . . . , e
r
, e
r+1
, . . . , e
p
) une base adapte la
supplmentarit de H et ker u dans E..
Posons f
1
= u(e
1
), . . . , f
r
= u(e
r
).
Supposons
1
f
1
+ +
r
f
r
= 0.
On a u(
1
e
1
+ +
r
e
r
) = 0 donc
1
e
1
+ +
r
e
r
ker u.
Or
1
e
1
+ +
r
e
r
H et ker u H = {0} donc
1
e
1
+ +
r
e
r
= 0.
Puisque la famille (e
1
, . . . , e
r
) est libre, on obtient
1
= . . . =
r
= 0.
Ainsi la famille (f
1
, . . . , f
r
) est libre. Compltons-la en une base de F de la forme C
= (f
1
, . . . , f
n
).
Par construction, la matrice de u relative aux bases B
et C
est la matrice J
r
et par formule de changement
de base, on obtient A = QJ
r
P avec P = Mat
B
B
GL
p
(K) et Q = Mat
C
C GL
n
(K).
Corollaire
A M
n,p
(K), rg(
t
A) = rgA.
dm. :
Soit A M
n,p
(K). On peut crire A = QJ
r
P avec P, Q inversibles et r = rgA.
On a alors
t
A =
t
P
t
J
r
t
Q avec
t
P,
t
Q inversibles donc rg
t
A = rg
t
J
r
= r puisque la matrice
t
J
r
est
analogue la matrice J
r
sauf quelle est de type (p, n) au lieu dtre de type (n, p).
PropSoit A M
n,p
(K) dont on note C
1
, . . . , C
p
les colonnes et L
1
, . . . , L
n
les lignes.
On a rg(A) = rg(C
1
, . . . , C
p
) = rg(L
1
, . . . , L
n
).
dm. :
Par dnition, on a rg(A) = rg(C
1
, . . . , C
p
)
Les lignes L
1
, . . . , L
n
sont des vecteurs de lespace M
1,p
(K).
Notons B = (E
1
, . . . , E
p
) la base canonique de lespace M
1,p
(K).
Si L est une ligne
_

1
. . .
p
_
de M
1,p
(K) alors la colonne des composantes de L dans B est
Mat
B
(L) =
_
_
_
1
.
.
.
p
_
_
_ =
t
L
Par suite la matrice reprsentative de la famille de vecteurs (L
1
, . . . , L
n
) dans la base B est
Mat
B
(L
1
, . . . , L
n
) =
t
A
On en dduit rg(L
1
, . . . , L
n
) = rg(
t
A) = rgA.

10.5.4 Oprations lmentaires sur les matrices
10.5.4.1 Prliminaire
Proposition
Les matrices de M
n
(K) suivantes sont inversibles :
1) C = I
n
+E
i,j
avec K et 1 i = j n;
2) D = I
n
E
i,i
+E
i,i
avec K
et 1 i n;
3) E = I
n
E
i,i
E
j,j
+E
i,j
+E
j,i
avec 1 i = j n.
dm. :
1) La matrice C est triangulaire suprieure si i < j et triangulaire infrieure si i > j. Dans les deux cas,
ses coefcients diagonaux sont tous non nuls car gaux 1, cette matrice est donc inversible.
2) La matrice D est diagonale et ses coefcients diagonaux sont non nuls car valent 1 ou . La matrice D
est donc inversible.
3) La matrice E vrie E
2
= I
n
, elle est donc inversible et son inverse lui est gale.
10.5.4.2 Oprations lmentaires sur les lignes

Soit A = (a
i,j
) M
n,p
(K).
Pour E
i,j
la matrice lmentaire dindice (i, j) de M
n
(K), on a
E
i,j
A =
_
_
0
a
j,1
a
j,p
0
_
_
=
_
_
0
L
j
0
_
_
avec la ligne L
j
positionne en i me ligne.
1) Soit C = I
n
+E
i,j
avec K et 1 i = j n.
CA = A+E
i,j
A est la matrice obtenue en ajoutant fois la jme colonne de A sa ime ligne.
Cette manipulation est note L
i
L
i
+.L
j
.
2) Soit D = I
n
E
i,i
+E
i,i
avec K
et 1 i n.
DA = AE
i,i
A+E
i,i
A est la matrice obtenue en multipliant par = 0 la ime ligne de A.
i
.L
i
.
3) Soit E = I
n
E
i,i
E
j,j
+E
i,j
+E
j,i
avec 1 i = j n.
EA = AE
i,i
AE
j,j
A+E
i,j
A+E
j,i
A est la matrice obtenue en changeant les ime et jme lignes
de A.
i
L
j
.
Dnition
Les manipulations L
i
L
i
+ .L
j
, L
i
.L
i
et L
i
L
j
sont appeles oprations
lmentaires sur les lignes de A.
Proposition
Ces manipulations conservent le rang de A.
dm. :
Ces manipulations correspondent des multiplications par des matrices inversibles et multiplier par une
matrice inversible conserve le rang.
10.5.4.3 Oprations lmentaires sur les colonnes

Soit A = (a
i,j
) M
n,p
(K).
Pour E
i,j
la matrice lmentaire dindice (i, j) de M
p
(K), on a
AE
i,j
=
_
_
_
a
1,i
0
.
.
. 0
a
n,i
_
_
_ =
_
0 C
i
0
_
avec la colonne C
i
positionne en jme colonne.
1) Soit C = I
p
+E
i,j
avec K et 1 i = j p.
AC = A+AE
i,j
est la matrice obtenue en ajoutant fois la ime colonne de A sa jme colonne.
Cette manipulation est note C
j
C
j
+.C
i
2) Soit D = I
p
E
i,i
+E
i,i
avec K
et 1 i p.
AD = AAE
i,i
+AE
i,i
est la matrice obtenue en multipliant par = 0 la ime colonne de A.
i
.C
i
3) Soit E = I
p
E
i,i
E
j,j
+E
i,j
+E
j,i
avec 1 i = j p.
AE = A AE
i,i
AE
j,j
+ AE
i,j
+ AE
j,i
est la matrice obtenue en changeant les ime et jme
colonnes de A.
i
C
j
Dnition
Les manipulations C
j
C
j
+ .C
i
, C
i
.C
i
et C
i
C
j
sont appeles oprations
lmentaires sur les colonnes de A.
Proposition
Ces manipulation conservent le rang de A.
Remarque On peut observer que lorsquon multiplie A
- par la droite, on opre sur les lignes de A;
- par la gauche, on opre sur les colonnes de A.
Exemple Soient A = (a
i,j
) M
n
(K) et D = diag(
1
, ...,
n
). On a
DA =
_
_
_
1
a
1,1

1
a
1,n
.
.
.
.
.
.
n
a
n,1

n
a
n,n
_
_
_ = (
i
a
i,j
)
et
AD =
_
_
_
1
a
1,1

n
a
1,n
.
.
.
.
.
.
1
a
n,1

n
a
n,n
_
_
_ = (
j
a
i,j
)
10.5.5 Mthode du pivot de Gauss
Soit A = (a
i,j
) M
n,p
(K). On dsire calculer le rang de A de faon algorithmique.
Si A = O
n,p
alors rgA = 0.
Sinon A possde un coefcient non nul p
1
= a
i,j
.
Par les oprations L
i
L
1
et C
j
C
1
on amne le coefcient p
1
en position (1, 1) et on dispose alors
dune matrice de la matrice de la forme :
_
_
_
_
_
p
1

2
.
.
.
_
_
_
_
_
avec p
1
= 0 appel 1er pivot
On annule les coefcients en dessous de p
1
par des oprations lmentaires L
i
L
i

i
p
1
L
1
avec
2 i n. On parvient alors une matrice de la forme
_
_
_
_
_
p
1

0
.
.
.
0
B
_
_
_
_
_
avec p
1
= 0
On recommence ce processus avec la matrice B tant que la matrice obtenue est non nulle. A terme, on
obtient :
_
_
_
_
_
p
1

.
.
.
0 p
r
O
nr,pr
_
_
_
_
_
avec p
1
, . . . , p
r
= 0
On peut alors conclure que la matrice A est de rang r.
En effet, en suivant le principe qui prcdent, on peut, en oprant sur les colonnes transformer A en
_
_
_
_
_
p
1
0
.
.
.
0 p
r
0
0 O
nr,pr
_
_
_
_
_
puis en
_
_
_
_
_
1 0
.
.
.
0 1
0
0 O
nr,pr
_
_
_
_
_
= J
r
qui est de rang r
Remarque En oprant essentiellement sur les lignes, ce processus a transform la matrice A en
_
_
_
_
_
p
1

.
.
.
0 p
r
0 O
nr,pr
_
_
_
_
_
De manire symtrique, mais en oprant essentiellement sur les colonnes, on peut aussi transformer la
matrice A en
_
_
_
_
_
p
1
0
.
.
.
p
r
0
O
nr,pr
_
_
_
_
_
10.5.6 Calculs de rang
10.5.6.1 Rang dune matrice
Exemple Calculons le rang de la matrice
_
_
1 2 1
1 3 2
1 1 0
_
_
On a
rg
_
_
1 2 1
1 3 2
1 1 0
_
_
= rg
_
_
1 2 1
0 1 1
0 1 1
_
_
= rg
_
_
1 2 1
0 1 1
0 0 0
_
_
= 2
Exemple Calculons le rang de
_
_
_
_
1 1 1
1 1 1
2 1 1
1 2 1
_
_
_
_
En oprant par les lignes
rg
_
_
_
_
1 1 1
1 1 1
2 1 1
1 2 1
_
_
_
_
= rg
_
_
_
_
1 1 1
0 2 0
0 1 1
0 1 2
_
_
_
_
= rg
_
_
_
_
1 1 1
0 2 0
0 0 1
0 0 2
_
_
_
_
= rg
_
_
_
_
1 1 1
0 2 0
0 0 1
0 0 0
_
_
_
_
= 3
En oprant pas les colonnes
rg
_
_
_
_
1 1 1
1 1 1
2 1 1
1 2 1
_
_
_
_
= rg
_
_
_
_
1 0 0
1 2 0
2 1 1
1 1 2
_
_
_
_
= 3
Attention : On prend garde effectuer les oprations lmentaires successivement et non
simultanment :
Exemple Via
_
L
2
L
2
+L
1
L
1
L
1
+L
2
la matrice
_
1 0
0 1
_
devient
_
2 1
1 1
_
et non
_
1 1
1 1
_
!
10.5.6.2 Rang dune famille de vecteurs
Rappel Soient E un K-espace vectoriel de dimension n et F une famille de p vecteurs de E. On a :
F est libre si, et seulement si, rg(F) = p,
F est gnratrice si, et seulement si, rg(F) = n,
F est une base si, et seulement si, rg(F) = n = p.
Exemple Soient B = (e
1
, e
2
, e
3
) la base canonique de R
3
et B
= (e
1
, e
2
, e
3
) avec
e
1
= e
2
+e
3
, e
2
= e
1
+e
2
+ 2e
3
et e
3
= e
1
+ 2e
3
.
rgB
= rg(Mat
B
B
) = rg
_
_
0 1 1
1 1 0
1 2 2
_
_
En changeant les deux premires lignes
rg
_
_
0 1 1
1 1 0
1 2 2
_
_
= rg
_
_
1 1 0
0 1 1
1 2 2
_
_
= rg
_
_
1 1 0
0 1 1
0 1 2
_
_
= rg
_
_
1 1 0
0 1 1
0 0 1
_
_
= 3
Puisque la famille B
est de rang 3, cest une base de R

3
.
10.5.6.3 Rang dune application linaire
Rappel Soient E un K-espace vectoriel de dimension p, F un K-espace vectoriel de dimension n et
u L(E, F). On a :
u injective si, et seulement si, rg(u) = p
u surjective si, et seulement si, rg(u) = n
u isomorphisme si, et seulement si, rg(u) = n = p.
Exemple Soit f lendomorphisme de R
3
dont la matrice dans la base canonique est
_
_
1 1 2
0 2 1
2 1 1
_
_
On a
rgf = rg
_
_
1 1 2
0 2 1
2 1 1
_
_
= rg
_
_
1 1 2
0 2 1
0 1 5
_
_
= rg
_
_
1 1 2
0 2 1
0 0 9/2
_
_
= 3
Lendomorphisme f est un automorphisme de R
3
10.5.6.4 Rang dpendant dun paramtre
Pour dterminer le rang dune matrice dpendant dun paramtre, on cherche calculer celui-ci de la
faon la plus gnrale possible avant de traiter les valeurs particulires des paramtres.
Exemple Dterminons le rang de
M =
_
_
1 2 1
1 m 2
m 1 2
_
_
en fonction de m R.
rg
_
_
1 2 1
1 m 2
m 1 2
_
_
= rg
_
_
1 2 1
0 m2 1
0 1 2m 2 m
_
_
En changeant les deux dernires colonnes
rg
_
_
1 2 1
1 m 2
m 1 2
_
_
= rg
_
_
1 1 2
0 1 m2
0 2 m 1 2m
_
_
= rg
_
_
1 1 2
0 1 m2
0 0 x
_
_
avec x = (1 2m) + (m2)(m2) = (m1)(m5)
On en dduit
rgM =
_
3 si m = 1, 5
2 si m = 1 ou 5
Exemple Soient a, b, c R.
On considre les vecteurs de R
3
suivant u = (1, a, a
2
), v = (1, b, b
2
) et w = (1, c, c
2
).
A quelle condition la famille (u, v, w) forme-t-elle une base de R
3
?
rg(u, v, w) = rg
_
_
1 1 1
a b c
a
2
b
2
c
2
_
_
= rg
_
_
1 1 1
0 b a c a
0 b
2
a
2
c
2
a
2
_
_
= rg
_
_
1 1 1
0 b a c a
0 0 x
_
_
avec x = c
2
a
2
(a +b)(c a) = (c a)(c b).
On en dduit rg(u, v, w) = 3 a, b, c deux deux distincts.
Ainsi la famille (u, v, w) est une base de R
3
si, et seulement si, a, b, c sont deux deux distincts.
Exemple Soit f lendomorphisme de R
3
dni par f(x, y, z) = (y +z, z +x, x +y).
Pour quelles valeurs R, lquation vectorielle f(u) = .u possde-t-elle une solution autre que le
vecteur nul ?
Les solutions de lquation f(u) = .u sont les vecteurs u vriant (f Id)(u) = 0.
Par suite, lensemble des solutions de lquation f(u) = .u est lespace ker(f Id)
Dterminer les K tels que lquation f(u) = .u possde dautres solutions que le vecteur nul
revient chercher les K vriant ker(f Id) = {0} i.e. f Id non injectif. Nous dterminons
ceux-ci en recherchant les K tels que rg(f Id) < 3
rg(f Id) = rg
_
_
1 1
1 1
1 1
_
_
En changeant la premire et la dernire colonne
rg(fId) = rg
_
_
1 1
1 1
1 1
_
_
= rg
_
_
1 1
0 1 1 +
0 1 + 1
2
_
_
= rg
_
_
1 1
0 1 1 +
0 0 x
_
_
avec x = (1
2
) + (1 +) = (1 +)(2 )
On en dduit rg(f Id) < 3 = 1 ou 2.
10.5.7 Inversion de matrice
On dsire calculer linverse de A GL
n
(K).
En suivant la mthode du pivot de Gauss, il est possible en oprant uniquement sur les lignes de transformer
la matrice A en une matrice triangulaire suprieure
_
_
_
p
1

.
.
.
0 p
n
_
_
_ avec p
1
, . . . , p
n
= 0
En oprant nouveau sur ces lignes on peut poursuivre la transformation de A en
_
_
_
1
.
.
.
0 1
_
_
_
puis en la matrice identit
_
_
_
1 0
.
.
.
0 1
_
_
_
Effectuer les oprations lmentaires sur les lignes transformant la matrice A en lidentit, revient
multiplier la matrice A gauche par des matrices T
1
, . . . , T
m
. Ainsi la transformation de la matrice A en
lidentit correspond crire T
m
. . . T
1
.A = I
n
.
En multipliant droite par A
1
, on en dduit T
m
. . . T
1
.I
n
= A
1
Ainsi la srie doprations lmentaires sur les ligne qui transforme la matrice A en I
n
transforme
paralllement la matrice I
n
en A
1
.
Nous pouvons exploiter cette ide pour calculer A
1
de faon algorithmique.
Exemple Etudions lventuel inverse de A =
_
_
1 1 1
1 1 0
2 1 1
_
_
_
_
1 1 1
1 1 0
2 1 1
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
1 1 1
0 0 1
0 1 3
_
_
_
_
1 0 0
1 1 0
2 0 1
_
_
10.6. SYSTMES DQUATIONS LINAIRES
_
_
1 1 1
0 1 3
0 0 1
_
_
_
_
1 0 0
2 0 1
1 1 0
_
_
_
_
1 1 1
0 1 3
0 0 1
_
_
_
_
1 0 0
2 0 1
1 1 0
_
_
_
_
1 1 0
0 1 0
0 0 1
_
_
_
_
0 1 0
1 3 1
1 1 0
_
_
_
_
1 0 0
0 1 0
0 0 1
_
_
_
_
1 2 1
1 3 1
1 1 0
_
_
A
1
=
_
_
1 2 1
1 3 1
1 1 0
_
_
Remarque On peut aussi transformer A en I
n
, en ne manipulant que les colonnes de A, les oprations
correspondantes transforme alors aussi I
n
en A
1
.
Attention : On manipule lignes ou colonnes mais jamais les deux !
10.6 Systmes dquations linaires
10.6.1 Positionnement du problme.
Soient a
i,j
K et b
i
K pour tous i {1, . . . , n}, j {1, . . . , p}.
On cherche tous les p uplets (x
1
, . . . , x
p
) K
p
solutions du systme :
:
_
_
a
11
x
1
+ +a
1p
x
p
= b
1
.
.
.
a
n1
x
1
+ +a
np
x
p
= b
n
Dnition
est appel systme dquations linaires n quations et p inconnues.
On note S
K
p
lensemble des solutions du systme .
Posons x = (x
1
, . . . , x
p
) K
p
, b = (b
1
, . . . , b
n
) K
n
et considrons lapplication linaire
u : (x
1
, . . . , x
p
) (a
1,1
x
1
+ +a
1,p
x
p
, . . . , a
n,1
x
1
+ +a
n,p
x
p
)
Le systme quivaut lquation u(x) = b.
Dnition
Lquation u(x) = b est appele quation vectorielle du systme .
Posons A = (a
i,j
) M
n,p
(K), B = (b
i
) M
n,1
(K) et X = (x
j
) M
p,1
(K).
Le systme quivaut lquation AX = B.
Dnition
Lquation AX = B est appele quation matricielle du systme .
Dnition
On appelle rang du systme le naturel rg = rgA = rgu.
10.6.2 Compatibilit dun systme
Dnition
On dit que le systme est compatible si S
= .
Exemple Le systme
_
x +y = 0
x +y = 1
est visiblement un systme incompatible.
Considrons le systme
:
_
_
a
11
x
1
+ +a
1p
x
p
= b
1
.
.
.
a
n1
x
1
+ +a
np
x
p
= b
n
dquation matricielle AX = B.
Dnition
On note
_
A B
_
la matrice de M
n,p+1
(K) constitue des colonnes de la matrice A suivies
de la colonne B.
Thorme
Le systme est compatible si, et seulement si, rg
_
A B
_
= rgA.
dm. :
Notons C
1
, . . . , C
p
les colonnes de A.
(x
1
, . . . , x
p
) S
x
1
C
1
+ +x
p
C
p
= B
On a rgA = rg(C
1
, . . . , C
p
) et rg( A B ) = rg(C
1
, . . . , C
p
, B).
Si est compatible, soit (x
1
, . . . , x
p
) un p uplet solution.
Puisque B = x
1
C
1
+ +x
p
C
p
, on a rg(C
1
, . . . , C
p
, B) = rg(C
1
, . . . , C
p
) et donc rg
_
A B
_
= rgA
Si rg
_
A B
_
= rg(A) alors rg(C
1
, . . . , C
p
, B) = rg(C
1
, . . . , C
p
). Or
Vect(C
1
, . . . , C
p
) Vect(C
1
, . . . , C
p
, B)
donc par inclusion et galit des dimensions
Vect(C
1
, . . . , C
p
) = Vect(C
1
, . . . , C
p
, B)
On en dduit B Vect(C
1
, . . . , C
p
) et donc il existe x
1
, . . . , x
p
K vriant B = x
1
C
1
+ +x
p
C
p
.
Corollaire
Tout systme de rang r = n est compatible.
Exemple Etudions la compatibilit du systme
_
_
2x
1
+x
2
+x
3
= 1
x
1
2x
2
+x
3
= 2
x
1
+x
2
2x
3
= 3
En changeant la premire et la dernire ligne
rg
_
_
2 1 1 1
1 2 1 2
1 1 2 3
_
_
= rg
_
_
1 1 2 3
1 2 1 2
2 1 1 1
_
_
rg
_
_
1 1 2 3
1 2 1 2
2 1 1 1
_
_
= rg
_
_
1 1 2 3
0 3 3 1
0 3 3 7
_
_
= rg
_
_
1 1 2 3
0 3 3 1
0 0 0 6
_
_
On en dduit rg (A | B) = 3 et rgA = 2.
Le systme tudi est incompatible.
10.6.3 Description de lensemble solution
:
_
_
a
11
x
1
+ +a
1p
x
p
= b
1
.
.
.
a
n1
x
1
+ +a
np
x
p
= b
n
dquation vectorielle u(x) = b.
Dnition
On appelle systme homogne (ou sans second membre) associ au systme le systme :
0
:
_
_
a
11
x
1
+ +a
1p
x
p
= 0
.
.
.
a
n1
x
1
+ +a
np
x
p
= 0
Proposition
Lensemble solution du systme
0
est un sous-espace vectoriel de K
p
de dimension p r
avec r = rg.
dm. :
Lensemble solution du systme
0
est le noyau de lapplication linaire u et celui-ci est un sous-espace
vectoriel de K
p
de dimension p r avec r = rgu = rg en vertu de la formule du rang.

Thorme
Si le systme est compatible alors son ensemble solution S
est un sous-espace afne de K

p
de direction S
0
.
dm. :
dm. :
Soit x solution particulire du systme .
x S
u(x) = u( x) x x ker u.
Par suite S
est le sous-espace afne donc x +S
0
.
Corollaire
Tout systme de rang r = p possde au plus une solution.
10.6.4 Rsolution pratique
:
_
_
a
11
x
1
+ +a
1p
x
p
= b
1
.
.
.
a
n1
x
1
+ +a
np
x
p
= b
n
dquation matricielle AX = B.
Par la mthode du pivot de Gauss, on peut en oprant sur les lignes et en permutant ventuellement les
colonnes, transformer la matrice A en
_
_
_
_
_
p
1

.
.
.
0 p
r
0 0
_
_
_
_
_
avec p
1
, ..., p
r
= 0.
En suivant ce procd, mais en oprant sur les quations au lieu des lignes et en permutant les inconnues
au lieu des colonnes, on peut transformer en le systme quivalent
suivant :
_
_
p
1
x
1
+ +x
r
+x
r+1
+. . . +x
p
= b
1
(1)
.
.
.
p
r
x
r
+x
r+1
+ +x
p
= b
r
(r)
0 = b
r+1
(r + 1)
.
.
.
0 = b
n
(n)
Dnition
Les quations (1)
, . . . , (r)
sont appeles quations principales.

Les quations (r + 1)
, . . . , (n)
sont appeles quations de compatibilit.

Si lune des quations de compatibilit est fausse, le systme est incompatible.
Si les quations de compatibilit sont vries, le systme est quivalent :
_
_
p
1
x
1
+ +x
r
= b
1
(x
r+1
+ +x
p
)
. . .
p
r
x
r
= b
r
(x
r+1
+ +x
p
)
Ce systme triangulaire se rsout en cascade et permet dexprimer les inconnues x
1
, . . . , x
r
en fonction
des inconnues x
r+1
, . . . , x
p
.
Dnition
Les inconnues x
1
, . . . , x
r
sont appeles inconnues principales, cest en exprimant celles-ci
quon achve la rsolution du systme.
Les inconnues x
r+1
, . . . , x
p
sont appele inconnues paramtres, ce sont elles qui permettent la
description de lensemble solution S
.
Remarque Cette dmarche, appele mthode du pivot, est une rsolution par quivalence du systme .
La mthode par substitution en est une variante dans la mise en forme.
Exemple Etudions
_
_
x +y z +t = 1
x + 2y + 2t = 2
x + 2z +t = 3
On a successivement les systmes quivalents
_
_
x +y z +t = 1
y +z +t = 1
y +z + 2t = 4
(1)
(2) (1)
(3 + 1)
_
_
x +y z +t = 1
y +z +t = 1
t = 3
(1)
(2)
(3) (2)
_
_
x +y +t = 1 +z
y +t = 1 z
t = 3
_
_
x = 2z
y = 2 z
t = 3
On peut alors dcrire lensemble des solutions
S = {(2z, 2 z, z, 3)/z K}
Exemple Etudions
_
_
x +y +z = 2
x +y + 2z = 3
2x + 2y +z = 3
_
_
x +y +z = 2
z = 1
z = 1
(1)
(2) (1)
(3) 2 (1)
_
_
x +y +z = 2
z = 1
0 = 0
(1)
(2)
(3) (2)
_
_
x = 1 y
z = 1
0 = 0
Et lensemble solution est donc
S = {(1 y, y, 1)/y K}
Exemple Etudions
_
_
x +y +z = 1
x + 2y = a
x + 2z = 0
_
_
x +y +z = 1
y z = a 1
y +z = 1
(1)
(2) (1)
(3) (1)
_
_
x +y +z = 1
y z = a 1
0 = a 2
(1)
(2)
(3) + (2)
Si a = 2 alors S = .
Si a = 2 alors on obtient
_
x = 2z
y = z + 1
puis
S = {(2z, 1 +z, z)/z R}
Exemple Etudions
_
_
x +y +mz = m
x +my z = 1
x +y z = 1
_
_
x +y +mz = m
(m1)y (m+ 1)z = 1 m
(m+ 1)z = 1 m
(1)
(2) (1)
(3) (1)
Si m = 1 et m = 1 alors
S =
_
(
2m
m+ 1
, 0,
m1
m+ 1
)
_
Si m = 1 alors on obtient
_
_
x +y +z = 1
2z = 0
2z = 0
et on en dduit
S = {(1 y, y, 0)/y R}
Si m = 1 alors on obtient
_
_
x +y z = 1
2y = 2
0 = 2
donc
S =
10.6.5 Systme de Cramer
Dnition
On appelle systme de Cramer dordre n tout systme n quations, n inconnues et de rang n.
Remarque La matrice associe un systme de Cramer est une matrice carre inversible.
Thorme
Un systme de Cramer possde une et une seule solution.
dm. :
Lquation matricielle associe un systme de Cramer dordre n est de la forme AX = B avec A
GL
n
(R) et B M
n,1
(R). Cette quation possde une unique solution X = A
1
B.
Remarque La mthode du pivot sapplique aux systmes de Cramer et permet de dterminer lunique
solution. Cependant, si on sait pralablement que le systme tudi est de Cramer, on peut le rsoudre
plus efcacement :
- en dterminant une solution vidente ;
- ou en dterminant sa solution par des combinaisons judicieuses dquations.
Exemple Si est un systme de Cramer homogne alors S = {(0, . . . , 0)}.
Exemple Considrons le systme
_
x +y = 1
x 2y = 2
Puisque rg
_
1 1
1 2
_
= 2, ce systme est de Cramer
(1) (2) donne y = 1/3
2 (1) + (2) donne x = 4/3.
Lunique solution de ce systme est donc (4/3, 1/3).
Exemple Soient , R. Rsolvons le systme
_
cos x + sin y = cos
sin x + cos y = sin
La matrice
_
cos sin
sin cos
_
est inversible dinverse
_
cos sin
sin cos
_
cos (1) sin (2) donne x = cos cos sin sin = cos( +).
sin (1) + cos (2) donne y = sin cos + cos sin = sin( +).
Lunique solution de ce systme est donc (cos( +), sin( +)).
Exemple Rsolvons le systme
_
_
x +y +z = a
x +jy +j
2
z = b
x +j
2
y +jz = c
Ce systme est de Cramer car
rg
_
_
1 1 1
1 j j
2
1 j
2
j
_
_
= rg
_
_
1 1 1
0 j 1 j
2
1
0 j
2
1 j 1
_
_
= rg
_
_
1 1 1
0 j 1 j
2
1
0 0 (j 1)
2
_
_
= 3
(1) + (2) + (3) donne 3x = a +b +c.
(1) +j
2
(2) +j (3) donne 3y = a +bj
2
+cj.
(1) +j
2
(2) +j (3) donne 3z = a +bj +cj
2
Lunique solution du systme est donc
_
a +b +c
3
,
a +bj
2
+cj
3
,
a +bj +cj
2
3
_

Calcul Matriciel PDF

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Calcul Matriciel PDF

Încărcat de

Drepturi de autor:

Formate disponibile

Chapitre 10

10.1.4.4 Quelques exemples de manipulations vectorielles

Remarque Pour n = 1, lanneau (M

Exemple Puisque les matrices A M

10.1.7.6 Anneau des matrices triangulaires

Remarque Les coefcients diagonaux du produit de matrices triangulaires suprieures sont

http://mp.cpgedupuydelome.fr 300 cbna

10.1.8.2 Matrices symtriques et antisymtriques

10.2 Reprsentations matricielles

10.2.2 Matrice des composantes dune famille de vecteurs

deux matrices solutions.

en vertu du lemme didentication matricielle.

Exemple Soit E un R-espace vectoriel muni dune base B = (e

http://mp.cpgedupuydelome.fr 308 cbna

Remarque Par lisomorphisme de reprsentation matricielle, introduire une application linaire u de E

Exemple Si A est la matrice de u L(E) dans une certaine base de E alors

lhomothtie vectorielle de rapport et considrons B = (e

http://mp.cpgedupuydelome.fr 311 cbna

est donc la matrice diagonale

est libre et cest donc une base de E.

Attention : Ici la matrice de lendomorphisme Id

alors P est inversible et son inverse

Exemple Reprenons les notations de lexemple prcdent

. A laide du systme prcdent, et aprs calculs, on obtient

deux bases dun K-espace vectoriel E de dimension n.

les colonnes des composantes dans B et B

en notant P la matrice de passage de B B

Remarque On retient Mat

deux bases dun K-espace vectoriel E et C et C

deux bases dun K-espace

celle relative aux bases B

dans les bases B et B

dans les bases C et C

est lunique matrice telle que

deux bases dun K-espace vectoriel E.

Remarque On retient Ainsi Mat

ce qui correspond une transformation incomplte !

est libre est cest donc une base de E.

http://mp.cpgedupuydelome.fr 320 cbna

10.5.2 Proprits du rang dune matrice

10.5.3 Caractrisation thorique du rang

http://mp.cpgedupuydelome.fr 323 cbna

http://mp.cpgedupuydelome.fr 324 cbna

10.5.4.2 Oprations lmentaires sur les lignes

10.5.4.3 Oprations lmentaires sur les colonnes

est de rang 3, cest une base de R

http://mp.cpgedupuydelome.fr 334 cbna

est un sous-espace afne de K

est le sous-espace afne donc x +S

sont appeles quations principales.

sont appeles quations de compatibilit.

S-ar putea să vă placă și