Chapitre 1

Matrices

1.1 Opérations sur les matrices

1.1.1 Définitions
Soit p, n ∈ N? et K désigne R ou C. 1. On appelle matrice à n lignes et
p colonnes à coefficients dans K la donné d’une application
A : {1, . . . , n} × {1, . . . , n} −→ K
(i, j) 7−→ aij
qu’on peut représenter dans un tableau
 
a11 a12 . . . a1p
 a21 a22 . . . a2p 
A =  .. ..  = (aij ) 1≤i≤n
 
..
 . . .  1≤j≤p

an1 an2 . . . anp

i est l’indice de la ligne et j est l’indice de la colonne.

aij correspend au coéfficient qui se place à la ième ligne et jème colonne.
2. L’ensemble des matrices n lignes et p colonnes à coefficient dans K est
noté Mn,p (K).
Exemple :  
1 2 3
A= ∈ M2,3 (R).
−1 0 1
3. On appelle matrice carrée d’ordre n toute matrice ayant n lignes et n
colonnes. On note par Mn (K) = Mn,n (K) l’ensemble des matrices carrées.
Exemple :  
1 −1
∈ M2 (R).
0 7

1
4. Soit A = (ai,j )1≤i,j≤n ∈ Mn (K). Les coéfficients aii , pour 1 ≤ i ≤ n
s’appellent les coéfficients diagonaux de A.
1. (a11 , . . . , ann ) est dite diagonale de A.
2. Une matrice est dite diagonale si et seulement si
∀i 6= j, aij = 0. On note
 
λ1 0 ... 0
 0 λ2 ... 0
D = diag(λ1 , . . . , λn ) =  ..
 
.. .. .. 
. . . .
0 0 ... λn

3. La matrice A est dite triangulaire supérieure si et seulement si

∀i > j aij = 0 avec 1 ≤ i, j ≤ n.
 
? ... ... ?
 ... .. 
0 .
A = . . . .. 
 .. . .
0 ... 0 ?

4. A est dite triangulaire inférieure si et seulement si

∀i < j aij = 0 avec 1 ≤ i, j ≤ n.
 
? 0 ... 0
 .. . . . .. 
. .
A = . ... 
 .. 0
? ... ... ?

1.1.2 Addition des matrices

Soit A = (aij ) 1≤i≤n et B = (bij ) 1≤i≤n avec A, B ∈ Mn,p (K).
1≤j≤p 1≤j≤p
On appelle somme de A et B et on note A+B la matrice de Mn,p (K) donnée
par (aij + bij ) 1≤i≤n c.à.d
1≤j≤p

(aij ) 1≤i≤n + (bij ) 1≤i≤n = (aij + bij ) 1≤i≤n

1≤j≤p 1≤j≤p 1≤j≤p

Exemple : Pour
   
0 1 −3 1
A = 2 −1 et B =  5 1 ,
0 3 4 −2

2
on a
       
0 1 −3 1 0 + (−3) 1+1 −3 2
A + B = 2 −1 +  5 1 = 2+5 −1 + 1  =  7 0 .
0 3 4 −2 0+4 3 + (−2) 4 1

Proposition 1.1.1 (Mn,p (K), +) est un groupe abélien.

Preuve :
” + ” est une loi de composition interne.
” + ” est associative (A + B) + C = A + (B + C) = A + B + C.
” + ” est commutative A + B = B + A.
La matrice nulle (0) 1≤i≤n = 0 est l’élément neutre pour la loi ” + ”.
1≤j≤p
En effet
∀A ∈ Mn,p (K) A + 0 = 0 + A = A.
(−A) est le symétrique de A pour ” + ” où

−A = (−aij ) 1≤i≤n
1≤j≤p

puisque −A + A = 0.

1.1.3 Multiplication d’une matrice par un scalaire

Soit A ∈ Mn,p (K) et α ∈ K. On définit αA la matrice de Mn,p (K)
donnée par
αA = (α aij ) 1≤i≤n .
1≤j≤p

Exemple :    
1 −1 α −α
α =
2 0 2α 0

Proposition 1.1.2 (Mn,p (K), +, .) est un K espace vectoriel.

Preuve : (Mn,p (K), +) est un groupe abélien.

Soient A, B ∈ Mn,p (K) et α, β ∈ K, on a
1. α(A + B) = αA + αB.
2. (α + β)A = αA + βA.
3. α.(β.A) = (αβ).A.
4. 1.A = A.

3
Ce qui donne le résultat. 

On pose Eij la matrice dont tous les coéfficients sont nuls sauf celui de la i
ème ligne et de la j ème colonne qui prend la valeur 1.
 
0 ... 0 ... 0
 .. .. .. 
. . .
Eij = 0 . . . 1 . . . 0
 
. .. .. 
 .. . .
0 ... 0 ... 0

On a ∀A ∈ Mn,p (K)
 
a11 a12 . . . a1p
 a21 a22 . . . a2p  X
A =  .. = aij Eij .
 
.. .. 
 . . .  1≤i≤n
1≤j≤p
an1 an2 . . . app

Ainsi

B = {Eij ; 1 ≤ i ≤ n, 1 ≤ j ≤ p} est génératrice de Mn,p (K). (1)

Soient αij ∈ K tel que X

A= αij Eij = 0.
1≤i≤n
1≤j≤p

Alors    
α11 . . . α1p 0 ... 0
 α21 . . . α2p  0 . . . 0
..  =  .. ..  .
   
 ..
 . .  . .
αn1 . . . αpp 0 ... 0
Donc
αij = 0, ∀1 ≤ i ≤ n et ∀1 ≤ j ≤ p.
Ainsi B est libre. (2)
(1) et (2) donnent que B est une base de Mn,p (K). Elle est appeleé base
canonique de Mn,p (K). Par conséquent dim(Mn,p (K)) = Card(B) = np.

4
1.1.4 Multiplication des matrices ou multiplication ma-
tricielle
Soit A ∈ Mn,p (K) et B ∈ Mp,q (K), n, p et q ∈ N? . On définit le produit
de A et B par A.B = C ∈ Mn,q (K) tel que C = (cij ) 1≤i≤n avec
1≤j≤q

q
X
cij = aik bkj .
k=1

(Rq le coefficient ci,j est donné par le produit de la ième ligne de la 1ère
matrice par la jème colonne de la 2ème matrice.)
Exemple :
 
  0 −1 3  
1 2 −1  4 0 2
1. 2 1 0 =
0 1 0 2 1 0
0 1 1
 

−1
2. 1 2 3  1  = (1).
0
       
−1
−1 −2 −3 1
−1 1 0
3.  1  1 2 3 =  1 2 3 , 2 −1 1 0 = −2 2 0 .
0 0 0 0 3 −3 3 0
 
  1 0
1 2 
4. AB = 3 4 n’existe pas car A ∈ M2,2 (R) et B ∈
−1 4
−1 5
M3,2 (R).

Proposition 1.1.3 La multiplication de deux matrices est associative :

(A.B).C = A.(B.C).

Le cas des matrices carrées :

On pose  
1 0 ... 0
.. .. 
0
 . .
In =  . ...  = diag(1, . . . , 1).
 .. 0
0 ... 0 1
In ∈ Mn (K). In est l élément neutre de la multiplication. In s’appelle matrice
unité d’ordre n.
Proposition 1.1.4 (Mn (K), +, .) est un anneau non commutatif.

5
 Preuve :
1. (Mn (K), +) est un groupe abélien.
2. ”.” est associative
A(B.C) = (A.B).C
In est l’élément neutre pour .

In .A = A.In = A.

Exemple :
       
1 0 a b a b a b 1 0
= = .
0 1 c d c d c d 0 1

3. On a de plus
A.(B + C) = A.B + A.C
(B + C).A = B.A + C.A
4. ”.” est non commutative :
Contre exemple :
   
0 1 0 2
A= , B=
1 0 1 0
   
1 0 2 0
A.B = 6= B.A = .
0 2 0 1
(Mn (K), +, .) n’est pas intègre (A.B = 0 ; A = 0 ou B = 0.)
En effet, on a le contre exemple suivant :
   
0 1 0 2
A= 6= 0, B = 6 0
=
0 0 0 0

et     
0 1 0 2 0 0
A.B = = = 0.
0 0 0 0 0 0

Produit de matrices digonales

diag(λ1 , . . . , λn ).diag(α1 , . . . , αn ) = diag(λ1 α1 , . . . , λn αn ).

En particulier D2 = diag(λ21 , . . . , λ2n ) et Dp = diag(λp1 , . . . , λpn ).

6
Définition 1.1.5 Une matrice A ∈ Mn (K) est dite inversible s’il existe
B ∈ Mn (K) tel que :
A.B = B.A = In .
Dans ce cas B est notée A−1 .
On note :
GLn (K) = {A ∈ Mn (K); A inversible}
et on l’appelle groupe liéaire.

On montre que (GLn (K), .) est un groupe (non commutatif).

• In lélément neutre, A.In = In .A = A.
• (A.B).C = A.(B.C)
• A−1 l’élément symétrique de A appartient à GLn (K) puisque

A.A−1 = A−1 .A = In

Remarques : La multiplication des matrices n’est pas commutative en

général mais A commute avec P (A) :

P (A).A = A.P (A)

où P est un Polynôme.
Exemple : Soit A ∈ Mn (K). On a

(In − A + 2A2 ).A = A.(In − A + 2A2 ).

Proposition 1.1.6 A est inversible ⇐⇒ A est inversible à droite ou à

gauche.

Application Si on trouve B tel que A.B = In alors A.B = B.A = In et

B = A−1 .
Preuve : On a ∃ B tel que AB = In . Montrons que A est inversible et que
A−1 = B c.à.d montrons que BA = In . On considère

ϕ : Mn (K) −→ Mn (K)
X 7−→ X.A

On a ϕ est linéaire de Mn (K) dans lui même. En effet

ϕ(αX + Y ) = (αX + Y ).A

= αX.A + .A
= αϕ(X) + ϕ(Y ).

7
On a

X ∈ Ker(ϕ) ⇔ ϕ(X) = 0 ⇐⇒ X.A = 0

⇒ X.A.B = 0.B = 0
⇒ X.In = 0
⇒ X = 0.

D’où Ker(ϕ) = {0}. Ce qui implique que ϕ est injective. Comme dimMn (K) =
n2 (finie), alors ϕ est bijective. Par suite ϕ est surjective. D’autre part

In ∈ Mn (K) ⇒ ∃ B 0 ∈ Mn (K) tel que ϕ(B 0 ) = In .

C.à.d B 0 .A = In or A.B = In = B 0 .A.

Montrons que B = B 0 . On a

(B 0 .A).B = B 0 (A.B) =⇒ In .B = B 0 .In =⇒ B = B 0 .

Ce qui prouve le resultat cherché.

1.1.5 Transposée d’une matrice

Définition
Soit A ∈ Mn,p (K), A = (ai,j ) 1≤i≤n . On appelle transposée de A la matrice
1≤j≤p
de Mp,n (K) notée t A = (aji ) 1≤j≤p .
1≤i≤n
Exemples :
 
  1 2
1 3 4
1. t = 3 0 
2 0 2
4 2
 
x1
t  .. 
2. (x1 . . . xn ) =  . 
xn
 
1 0 ... 0
 ... .. 
0 .
3. t In =  . ...  = In
 .. 0
0 ... 0 1
   
1 4 7 1 2 3
4. t 2 5 8 = 4 5 6
3 6 9 7 8 9

8
Propriétés : Soient A ∈ Mn,p (K) et α ∈ K.
P1 ) t In = In , t 0 = 0.
P2 ) t ( t A) = A.
P3 ) t (αA + B) = t (αaij + bij ) = α(aij ) + (bij ) = α t A + t B.
=⇒ la transposée est linéaire de Mn,p dans Mn,p .
P4 ) t A = 0 ⇐⇒ A = 0. (Car A et t A ont les mêmes coéfficients mais leur
position est inversée).
P5 ) Si A ∈ Mn,q (K), B ∈ Mq,p (K) alors t (A.B) = t B. t A.
En effet,
p
X
AB = C = (cij ) 1≤i≤n , avec cij = aik bkj
1≤j≤p
k=1
t t t
Pp
donc (A.B) = (cji ) et B. A = (dij ), avec dij = k=1 bki ajk = cij .
P6 ) Si A ∈ GLn (K) alors t A ∈ GLn (K) et on a t (A−1 ) = ( t A)−1 .
t
A. t (A−1 ) = t (A−1 .A) = t In = In
=⇒ t A est inversible et ( t A)−1 = t (A−1 ).

Matrices symétriques-antisymétriques :
• Soit A ∈ Mn (K). A est dite symétrique si et seulement si t A = A.

Exemples :
1. t In = In ⇒ In est symétrique.

2. t 0 = 0 ⇒ 0 est symétrique.
3. D = diag(λ1 , . . . , λn )
 
λ1 0 . . . 0
 0 λ2 . . . 0 
D =  ..
 
.. . . .. 
. . . .
0 0 . . . λn
t
D = D ⇒ D est symétrique.
 
1 1 2
4. A = 1 −2 3
2 3 0
t
A = A ⇒ A est symétrique.
• Soit A ∈ Mn (K). A est dite antisymétrique si et seulement si t A = −A.

Exemples :

9
 t
1. 0 = 0 = −0 ⇒ 0 est antisymétrique.
t
2. I = I 6= −In ⇒ In n’est pas antisymétrique.
 n n
1 2
3. n’est pas antisymétriques et n’est pas symétrique.
3 4
 
0 1 2
4. A = −1 0 3 est antisymétrique. En effet
−2 −3 0
 
0 −1 −2
t
A = 1 0 −3 = −A
2 3 0

Proposition 1.1.7 Si A est antisymétrique alors la diagonale de A est

nulle.
t
A = −A =⇒ aii = −aii , ∀ 1 ≤ i ≤ n
=⇒ aii = 0, ∀ 1 ≤ i ≤ n.

Trace d’une matrice :

Soit A ∈ Mn (K). On appelle trace l’application
tr : Mn (K) −→ K
n
X
A 7−→ tr(A) = aii
i=1

Exemples :
1. tr(In ) = n.
2. tr(0) = 0.

Proposition 1.1.8 tr est une forme linéaire.

Preuve : Soit A, B ∈ Mn (K), α ∈ K

n
X
tr(A + αB) = aii + αbii
i=1
Xn n
X
= aii + α bii
i=1 i=1
= tr(A) + α tr(B).
⇒ tr est une forme linéaire.

10
Proposition 1.1.9 Pour tous A ∈ Mn,p (K) et B ∈ Mp,n (K), on a

tr(AB) = tr(BA)

Preuve : Soit AB = (cij ), avec cij = pk=1 aik bkj . Donc

P

n
X X
tr(AB) = cii = aik bki .
i=1 1≤i≤n
1≤k≤p

Pn
De plus, BA = (dij ), avec dij = k=1 bik akj . Donc
p
n X
X X
tr(BA) = bik aki = aik bki = tr(AB).
i=1 k=1 1≤i≤n
1≤k≤p

Remarques :
• Ona : tr(A.B − B.A) = tr(A.B) − tr(B.A) = 0 et A.B 6= B.A.
• tr(A) = 0 ; A = 0.

11
Matrices : Partie 2

Auteur : Selma Negzaoui

1.2 Matrices d’une applictaion linéaire

1.2.1 Définitions :
Définition 1.2.1 Soit E un K e.v tel que dim(E) = n ∈ N? . Soit B =
(e1 , . . . , en ) une base de E,
n
X
x∈E⇒x= xi e i .
i=1

On définit la matrice colonne des composants de x dans B qu’on note M atB (x)
ou MB (x) par  
x1
 x2 
MB (x) =  ..  = X.
 
.
xn

Définition 1.2.2 Soit E un K e.v, dim(E) = n ∈ N? . soit B = (e1 , . . . , en )

une base de E. On considre v1 , . . . , vp des vecteurs de E,
n
X
∀ 1 ≤ k ≤ p, vk = αik ei .
i=1

On définit la matrice de la famille (v1 , . . . , vp ) relativemment à la basoe B et

on note  
α11 . . . α1p
MB (V1 , . . . , Vp ) =  ... .. 

. 
αn1 . . . αnp
Matrices : Partie 2 Selma Negzaoui

Remarque : Chaque colonne cj représente les cordonnées de Vj ordonnées

dans la base B.

Exemples :
 
1
3
1. x = (1, 2, 3) ∈ R , MB (x) = 2.

3
2. P1 = 1 − 2X + X 3 , P2 = 2 + X − 3X 2 .
 
1 2
−2 1 
MB (P1 , P2 ) =  
 0 −3
1 0
avec B = (1, X, X 2 , X 3 ) la base canonique de R3 [X].
Définition 1.2.3 Soient E et F deux K e.v. dim(E) = n, dim(F ) = p, où
n, p ∈ N? . Soient f ∈ L(E, F ), B = (e1 , . . . , en ) base de E. C = (v1 , . . . , vp )
base de F . On a p
X
∀ 1 ≤ j ≤ p, f (ej ) = αij vi
i=1
On définit la matrice de f relativement aux bases B et C et note MB,C (f ),
la matrice de Mp,n (K) donnée par
 
α11 . . . α1n
MB,C (f ) = MC (f (e1 ), . . . , f (ep )) =  ... .. 

. 
αp1 . . . αpn
Remarquons bien que
• p = dimE : nombres de colonnes.
n = dimF : nombres de lignes.
• Si E = F et B = C. On note MB (f ) = MB,B (f ).
Exemples :
1. Soit
f: R3 −→ R3
(x, y, z) 7−→ (2x − y + 4z, x − z, y − 3z)
Si B est la base canonique de R3 alors f (e1 ) = f (1, 0, 0) = (2, 1, 0),
f (e2 ) = f (0, 1, 0) = (−1, 0, 1) et f (e3 ) = f (0, 0, 1) = (4, −1, −3).
Donc  
2 −1 4
MB (f ) = 1 0 −1 .
0 1 −3

13
Matrices : Partie 2 Selma Negzaoui

2. Soit
IdE : E −→ E
x 7−→ x
avec dimE = n. Soit B une base quelconque de E.
 
1 0 ... 0
0 1 . . . 0
MB (IdE ) =  .. .. . . ..  = In .
 
. . . .
0 0 ... 1

3. Pour 0 : E −→ F on a MB (0) = 0.
x 7−→ 0F
4. Soit
f : R3 [X] −→ R3 [X]
P 7−→ P 0
B base de canonique de R3 [X].
 
0 1 0 0
0 0 2 0
MB (f ) = 
0

0 0 3
0 0 0 0

car f (1) = 0, f (X) = 1, f (X 2 ) = 2X, f (X 3 ) = 3X 2 .

Théorème 1.2.4 Soient E et F deux K e.v tels que dim(E) = n et dim(F ) =

p. Posons B = (e1 , . . . , ep ) base de E et C = (v1 , . . . , vn ) base de F . Consi-
p
X
dérons f ∈ L(E, F ). On a pour tout x ∈ E, x s’écrit x = xi ei . Posons
  i=1  
x1 n y1
 ..  X  .. 
X =  .  . Pour tout y ∈ F , y s’écrit y = yi vi . Posons Y =  . .
xp i=1 yn
Alors
f (x) = y ⇐⇒ AX = Y, avec A = MB,C (f ).

Exemple : Soit f ∈ L(R3 ) telle que

 
2 −1 4
MB (f ) = A = 1 0
 −1 sa matrice dans la base canonique.
0 1 −3

14
Matrices : Partie 2 Selma Negzaoui

Determiner f .  
x
Réponse : Soit (x, y, z) ∈ R3 . Posons X = y . On a
z
    
2 −1 4 x 2x − y + 2z
AX = 1 0 −1 y  =  x − z  .
0 1 −3 z y − 3z
Donc f (x, y, z) = (2x − y + 2z, x − z, y − 3z).
Remarque : On peut définir d’une façon analogue le noyau d’une matrice
A Ker(A) et l’image de A Im(A).
On a

 2x − y + 2z = 0
x ∈ Ker(f ) ⇔ f (x) = 0 ⇔ A.X = 0 ⇔ x−z =0 ⇔ X ∈ Ker(A)
y − 3z = 0


et
 
x1
 .. 
Y ∈ Im(A) ⇔ ∃ X =  .  tel que AX = Y
xp
⇔ ∃ x = (x1 e1 + ... + xp ep ) ∈ E tel que f (x) = y
⇔ y ∈ Im(A)

1.2.2 Matrice de la somme :

Soient f, g ∈ L(E, F ), α ∈ K, B une base de E et C une base de F .
Alors
MB,C (αf + g) = αMB,C (f ) + MB,C (g).
Proposition 1.2.5 B, C finies.
φ : L(E, F ) −→ Mn,p (K)
f 7−→ MB,c (f )
φ est linéaire et bijective =⇒ φ est un isomorphisme d’espaces vectoriels.

1.2.3 Matrice de la composée :

Considérons :
f g g◦f
E −→ F −→ G E −→ G
B C D B D

15
Matrices : Partie 2 Selma Negzaoui

Soient E, F, G trois K e.v, dim(E) = p, dim(F ) = p, dim(G) = m,

n, p, m ∈ N? . B base de E. C base de F . D base de G. Si f ∈ L(E, F ) et
g ∈ L(F, G) alors

MB,D (g ◦ f ) = MC,D (g)MB,C (f ).

Preuve : y = g ◦ f (x) ⇔ y = g(f (x)). Posons X = MB (x), A1 = MB,C (f )

et A2 = MC,D (g) alors

Y = MB,D (g ◦ f )X ⇔ Y = A2 A1 X.

Donc MB,D (g ◦ f ) = A2 A1 .

1.2.4 Matrice de l’inverse :

Proposition 1.2.6 Soient E et F deux K e.v, B une base de E et C une
base de F . Soit f ∈ L(E, F ) telle que f est inversible et dimE = dimF .
Alors A = MB,C (f ) est inversible et on a A−1 = MC,B (f −1 ).

Preuve : A = MB,C (f ). On sait que

f (x) = y ⇔ x = f −1 (y).

En terme de matrice on a

AX = Y ⇔ X = M atC,B (f −1 )Y.

Par suite A est inversible et A−1 = MC,B (f −1 ).

1.3 Changement de bases :

1.3.1 Sur un vecteur :
Soit E un K e.v, dim(E) = n ∈ N? . B = (e1 , . . . , en ) et C = (u1 , . . . , un )
deux bases de E. On a
n
X n
X
∀x ∈ E, x = xi e i = x0i ui .
i=1 i=1

On pose    
x1 x01
X =  ...  = MB (x) X 0 =  ...  = MB (x0 ).
   
xn x0n

16
Matrices : Partie 2 Selma Negzaoui

IdE
On a x = IdE (x). Le shéma E −→ E entraine que M atC (x) = MB,C (IdE )MB (x)
B C
0
c.à.d X = P X entraine que P = MB,C (Id). P s’appelle matrice de passage
de la base C à la base B

e1 ... en
u1
 
.
P = ..   = MB,C (IdE )
un
Comme IdE est inversible alors cette matrice est inversible. Donc ∃ P −1 ∈
GLn (K) tel que P P −1 = In . De plus on a

u1 ... un
e1
 
.
P −1 = MC,B (IdE ) = ..  .
en

Exemple : Soit B = (e1 , e2 , e3 ) et C = (v1 , v2 , v3 ) tel que


 v1 = e1 + e3
v2 = e2 + e3
v3 = e1 + e2


1. Montrer que C est une base de R3 .

2. Trouver P la matrice de passage de B à C ainsi que celle de C à B.
3. Soit x = 2e1 − e2 + e3 . Déterminer les cordonnées de x dans la base
C.
Réponse :
1. Soient α1 , α2 , α3 ∈ R tel que α1 v1 + α2 v2 + α3 + v3 = 0. Montrons que
α1 = α2 = α3 = 0. On a

α1 v1 + α2 v2 + α3 v3 = 0 ⇔ α1 e1 + α1 e3 + α3 e2 + α2 e1 + α3 e1 + α3 e2 = 0.

 α1 + α3 = 0 (1)
3
Comme B est une base de R alors α2 + α3 = 0 (2)
α1 + α2 = 0 (3)

(1) − (2) ⇒ α3 − α2 = 0. Donc α3 − α2 = α2 + α3 ⇒ α2 = 0.
(3) ⇒ α1 = 0 et (2) ⇒ α3 = 0.
D’où C est une famille libre R3 et comme Card(C) = 3 = dim R3 ,
alors C est une base de R3 .

17
Matrices : Partie 2 Selma Negzaoui

  
1 0 1  v1 = e1 + e3
2. MC,B (IdR3 ) = 0 1 1 = P . On a S = v2 = e2 + e3 alors
1 1 0 v3 = e1 + e2


v1 − v3 + v2 = e1 + e3 − (e1 + e2 ) + e2 + e3 ⇒ 2e3 = v1 − v3 + v2
v1 v3 v2
⇒ e3 = − +
2 2 2
et
−1 1 1
v3 − v1 = e2 − e3 ⇒ e2 = v1 + v2 + v3 .
2 2 2
D’où e1 = v3 + 2 v1 − 2 v2 − 2 v3 alors e1 = 2 v1 − 2 v2 + 12 v3 . Par suite
1 1 1 1 1

 1
− 12 12
  
1 −1 1
2 1
P −1 = MC,B (Id) = − 12 12 1 
2
= −1 1 1
1 1 1 2
2 2
−2 1 1 −1

3. Soit x = 2e1 − e2 + e3 . Déterminer les cordonnées de x dans la base

C.      0
2 x1 x1
Soit X = −1 ou x2 . Cherchons X 0 = x02 . On a
1 x3 x03

X 0 = MB,C (IdR3 ).X = P −1 X

  
1 −1 1 2
1
= −1 1 1   −1
2
1 1 −1 1
 
2
= −1 .
0

Ainsi on a x = 2v1 − v2 .

Changement de bases sur une applictaion linéaire :

Considérons le shéma
IdE f IdF
E −→ E −→ F −→ G qui représente f = IdF ◦ f ◦ IdE .
B0 B C C0

En terme de matrices, on a

MB 0 ,C 0 (f ) = MC,C 0 (IdF )MB,C (f )MB 0 ,B (IdE ).

18
Matrices : Partie 2 Selma Negzaoui

Si on note A = M atB,C (f ), A0 = M atB 0 ,C 0 (f ), P matrice de passage de B à

B 0 et Q matrice de passage de C à C 0 , alors on a

A0 = Q−1 AP.

On dit que A et A0 sont équivalentes. Remarquons qu’on peut aussi écrire

A = QA0 P −1 .

Cas particulier : Si f ∈ L(E) alors on a le shéma suivant :

IdE f IdE
E −→ E −→ E −→ E
B0 B B B0

Posons A = MB (f ) et A0 = MB 0 (f ). Soit P = MB 0 ,B (IdE ) la matrice de

passage de B à B 0 . Alors on a

A0 = P −1 AP et A = P A0 P −1 .

On dit que A et A0 sont semblables.

Remarque : Si A et A0 sont semblables alors

A2 = (P A0 P −1 )(P A0 P −1 )
= P A0 (P P −1 )A0 P −1
= P (A0 )2 P −1 .

Plus généralement, on a pour tout n ∈ N? ,

An = P (A0 )n P −1 .

Execice d’application : Exercice 10 de la série.

Enoncé : Soient B = (e1 , e2 , e3 ) la base canonique de R3 et f ∈ L(R3 ) de

matrice A  
1 −1 1
A = MB (f ) = −1 1 1
−1 1 1
1. Déterminer une base de Ker(f − Id), Ker(f − 2Id) et Ker(f ).
2. Donner une autre base B 0 de R3 . Déduire que

R3 = Ker(f − Id) ⊕ Ker(f − 2Id) ⊕ Ker(f ).

19
Matrices : Partie 2 Selma Negzaoui

3. Déterminer la matrice de f dans la base B 0 .

4. Déterminer la matrice de passage entre les bases B et B 0 .
5. Calculer An , n ∈ N? .
Réponse :
1. • Base de Ker(f − Id) :
 
0 −1 1
A − I3 = −1 0 1
−1 1 0
    
x 0  −y + z = 0
(A − I3 ) y  = 0 ⇔ −x + z = 0 ⇒ x = y = z.
z 0 −x + y = 0


Ker(f − Id) = {x(e1 + e2 + e3 ); x ∈ R} = V ect(e1 + e2 + e3 ).

B1 = {e1 + e2 + e3 } est base de Ker(f − Id).
• Base de Ker(f − 2Id) :
 
−1 −1 1
A − 2I3 = −1 −1 1 
−1 1 −1
    
x 0  −x − y + z = 0
(A − 2I3 ) y = 0 ⇔
    −x − y + z = 0 (1)
z 0 −x + y − z = 0 (2)


(1) + (2) = −2x = 0 ⇒ x = 0

(2) ⇒ y = z. D’où
Ker(f − 2Id) = {y(e2 + e3 ); y ∈ R} = V ect(e2 + e3 ).
B2 = {e2 + e3 } est une base de Ker(f − 2Id).
•  
−2 −1 1
A − 3I3 = −1 −2 1 
−1 1 −2
    
x 0  −2x − y + z = 0 (1)
(A − 3I3 ) y = 0 ⇔
    −x − 2y + z = 0 (2)
z 0 −x + y − 2z = 0 (3)


(1) + (2) + (3) ⇒ −4x − 2y = 0 ⇒ y = −2x

(1) ⇒ −2x − y + z = 0 ⇒ z = 0
(3) ⇒ y = x ⇒ −2x = x. D’où x = y = 0.
Ainsi Ker(f − 3Id) = {0} = V ect(0) c.à.d Ker(f − 3Id) n’a pas
de base.

20
Matrices : Partie 2 Selma Negzaoui

• Calculer Ker(f )  
1 −1 1
A = −1 1 1 .
−1 1 1
    
x 0  x−y+z =0 (1)
A y  = 0 ⇔ −x + y + z = 0 (2)
z 0 −x + y + z = 0

(1) + (2) ⇒ 2z = 0 ⇒ z = 0.
(1) ⇒ x = y.
D’où Ker(f ) = {xe1 + xe2 ; x ∈ R} = V ect(e1 + e2 ).
B3 = {e1 + e2 } est une base de Ker(f ).
2. Posons B 0 = B1 ∪ B2 ∪ B3 = {v1 , v2 , v3 }, avec v1 = e1 + e2 + e3 ,
v2 = e2 + e3 et v3 = e1 + e1 . Montrons que B 0 est libre.
Soit α1 , α2 , α3 ∈ R tel que α1 v1 + α2 v2 + α3 v3 = 0. Montrons que
α1 = α2 = α3 = 0. On a
(α1+ α2 )e1 + (α1 + α3 )e2 + (α1 + α2 + α3 )e3 = 0
 α1 + α2 = 0  α1 = α2
⇒ α1 + α3 = 0 ⇒ α1 = α3 ⇒ α1 = α2 = α3 = 0.
α1 + α2 + α3 = 0 3α1 = 0
 
D’où B est libre. comme Card(B 0 ) = 3 = dim(E) alors B 0 est une
0

base de E. Donc

R3 = Ker(f − Id) ⊕ Ker(f − 2Id) ⊕ Ker(f ).

3. B 0 = (v1 , v2 , v3 ).
v1 ∈ Ker(f − Id) ⇒ f (v1 ) − v1 = 0 ⇒ f (v1 ) = v1 .
v2 ∈ Ker(f − 2Id) ⇒ f (v2 ) − 2v2 = 0 ⇒ f (v2 ) = 2v2 .
v3 ∈ Ker(f ) ⇒ f (v3 ) = 0.
Donc
f (v1 ) f (v2 ) f (v3 )
 
v1 1 0 0
MB 0 (f ) = v2  0 2 0  = D.
v3 0 0 0
4. On a 
 v1 = e1 + e2 + e3
v2 = e1 + e3
v3 = e1 + e2


21
Matrices : Partie 2 Selma Negzaoui

La matrice de passage de B à B 0 est donnée par

v1 v2 v3
 
e1 1 1 1
P = MB 0 ,B (Id) = e2  1 0 1 .
e3 1 1 0

5. On a A = P DP −1 ⇒ An = P Dn P −1 , avec
 
1 0 0
Dn = 0 2n 0
0 0 0

Cherchons P −1
  
 v1 = e1 + e2 + e3  e2 = v1 − v2  e1 = −v1 + v2 + v3
v2 = e1 + e3 ⇒ e1 = v3 − e2 ⇒ e2 = v1 − v2
v3 = e1 + e2 e3 = v2 − 2e1 e3 = v1 − v3
  

D’où  
1 −1 1
P −1 = −1 1 0 .
0 1 −1
Par suite
   
1 0 1 1 0 0 1 −1 1
An = 1 1 1 0 2n 0 −1 1 0
1 1 0 0 0 0 0 1 −1
  
1 0 0 1 −1 1
n
= 1 2 0   −1 1 0
n
1 2 0 0 1 −1
 
1 −1 1
= 1 − 2 −1 + 2n
n
1 .
1 − 2n −1 + 2n 1

22