Applications linéaires et matrices

Cours de É. Bouchet  ECS1

7 mai 2021

Table des matières

1 Matrices et applications linéaires 2
1.1 Matrice d'une application linéaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Interprétations matricielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.3 Opérations sur les matrices d'applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 Rang d'une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2 Cas des endomorphismes et des matrices carrées 6
2.1 Matrice d'un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2 Automorphismes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.3 Polynômes d'endomorphismes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

1
Dans tout ce chapitre K désignera R ou C.
1 Matrices et applications linéaires
1.1 Matrice d'une application linéaire

Dénition (Matrice d'une application linéaire dans des bases).

Soit E un espace vectoriel de dimension p ∈ N , de base B = (e , . . . , e ) et F un espace vectoriel de
∗

dimension n ∈ N , de base B . Soit f une application linéaire de E dans F . On appelle matrice de

E 1 p
∗

l'application f dans les bases B et B , notée Mat (f ), la matrice de M (K) dont la j -ième
F

colonne est composée des coordonnées du vecteur f (e ) dans la base B .

E F BF ,BE n,p
j F

Remarque. Attention! La notation Mat peut être utilisée dans certains livres à la place de Mat . Le
programme impose les notations de la dénition.
BE ,BF BF ,BE

Exemple 1. On considère l'application linéaire f dénie de R dans R par : ∀(x, y, z) ∈ R , 3 4 3

f ((x, y, z)) = (2x + y, 4y, y + z, 6z).

On note B = (e , e , e ) la base canonique de R et B la base canonique de R .

3 1 2 3
3
4
4

1. Déterminer la matrice de l'application f dans les bases B et B . 3 4

2. B = (e , e + e , e − e ) est une autre base de R . Déterminer la matrice de l'application f dans les bases B
0 3 0

et B .
3 1 1 2 1 3 3
4

1. On remarque que f (e ) = (2, 0, 0, 0), f (e ) = (1, 4, 1, 0) et f (e ) = (0, 0, 1, 6). Donc :

1 2 3
 
2 1 0
 0 4 0 
MatB4 ,B3 (f ) = 
 0
.
1 1 
0 0 6

2. On remarque que f (e ) = (2, 0, 0, 0), f (e

1 1+ e2 ) = (3, 4, 1, 0) et f (e 1 . Donc :
− e3 ) = (2, 0, −1, −6)
 
2 3 2
 0 4 0 
MatB4 ,B30 (f ) =  .
 0 1 −1 
0 0 −6

Exemple 2. On considère l'endomorphisme g de R [X] qui à un polynôme P (X) associe son polynôme dérivé P (X). 0

On note B la base canonique de R [X]. Déterminer Mat (g).

3

On remarque que g(1) = 0, g(X) = 1, g(X ) = 2X et g(X ) = 3X . Donc :

3 B,B
2 3 2

 
0 1 0 0
 0 0 2 0 
MatB,B (g) = 
 0
.
0 0 3 
0 0 0 0

2
 Dénition (Application linéaire canoniquement associée à une matrice).
Soit (n, p) ∈ (N ) et A ∈ M (K). On note B et B les bases canoniques respectives de K et K .
∗ 2 p n

L'application linéaire f de K dans K qui vérie Mat (f ) = A est appelée application linéaire
n,p p n
p n

canoniquement associée à A et vérie : ∀(x , . . . , x ) ∈ K ,

Bn ,Bp
p
1 p

avec
p
X
f ((x1 , . . . , xp )) = (y1 , . . . , yn ) ∀i ∈ [[1, n]], yi = aik xk .
k=1

On considère la matrice . Donner son application linéaire canoniquement associée.

 
2 5 2
Exemple 3. 0 3 1
C'est l'application f de R dans R qui à
3 2 associe f ((x, y, z)) = (2x + 5y + 2z, 3y + z). On peut le lire
(x, y, z) ∈ R3
horizontalement sur la matrice, ou remarquer que la linéarité de f donne :
f ((x, y, z)) = xf ((1, 0, 0)) + yf ((0, 1, 0)) + zf ((0, 0, 1)) = x(2, 0) + y(5, 3) + z(2, 1) = (2x + 5y + 2z, 3y + z).

Proposition (Matrices lignes et formes linéaires).

 Soit E un espace vectoriel de dimension p ∈ N et de base B et f une forme linéaire sur E. Alors
∗

(f ) est une matrice ligne (à p colonnes).

E
Mat
 Réciproquement, l'application linéaire canoniquement associée à une matrice ligne de M (K) est
1,BE

une forme linéaire sur K .

1,p
p

 Si f est une forme linéaire de E, f va d'un espace de dimension p dans un espace de dimension 1 et par dénition
Démonstration.

de la matrice d'une application linéaire, sa matrice sera (quelles que soient les bases choisies, seul le cardinal
de ces bases est important pour la taille de la matrice) dans M (K).
 Réciproquement, si A est une matrice ligne à p colonnes, son application linéaire canoniquement associée va de
1,p

K dans K, et est donc une forme linéaire.

p

1.2 Interprétations matricielles

Dénition (Vecteur colonne des coordonnées dans une base BE ).

Soit E un espace vectoriel de dimension p ∈ N , de base B , et x ∈ E. On appelle vecteur colonne des
∗

coordonnées de x dans la base B le vecteur colonne X ∈ M (K) formé des coordonnées de x dans la
E

base B .
E p,1
E

Exemple 4. On considèrele polynôme

 P (X) = 1 + X 2 + 3X 3 ∈ R3 [X] . Le vecteur colonne de ses coordonnées dans
1
la base (1, X, X , X ) est
2 3
 0 
 
 1  .
3

3
 Théorème (Interprétation matricielle de l'image d'un vecteur).
Soit E un espace vectoriel de dimension p ∈ N , de base B , et F un espace vectoriel de dimension n ∈ N ,
∗ ∗

de base B . Soit f une application linéaire de E dans F et A = Mat (f ). Soit x ∈ E, y ∈ F et X et

E

Y les vecteurs colonnes de leurs coordonnées dans les bases B et B . On a :

F BF ,BE
E F

y = f (x) ⇐⇒ Y = AX.

(démonstration à connaître) On pose B = (e , . . . , e ) et B = (f , . . . , f ). Comme x ∈ E et y ∈ F ,

il existe des scalaires x et y tels que x = P x e et y = P y f . On pose A = (a ) . Par linéarité de
Démonstration. E 1 p F 1 n
p n

f , dénition de A, puis interversion des sommes :

j i j=1 j j i=1 i i ij 16i6n,16j6p

 
p p n n p
!
X X X X X
f (x) = xj f (ej ) = xj aij fi =  aij xj  fi .
j=1 j=1 i=1 i=1 j=1

Ce qui nous donne, par identication des coecients dans la base F puis par dénition du produit matriciel :
p
X
y = f (x) ⇐⇒ ∀i ∈ [[1, n]], yi = aij xj ⇐⇒ Y = AX.
j=1

Exemple 5. On réutilise l'application g de l'exemple 2 et le polynôme P (X) = 1 + X 2 + 3X 3 de l'exemple 4. Alors,

    
0 1 0 0 1 0
 0 0 2 0   0   2 
   =  .
 0 0 0 3  1   9 
0 0 0 0 3 0

On en déduit que g(P (X)) = 0 + 2X + 9X 2 + 0X 3 = 2X + 9X 2 . On retrouve ainsi bien l'expression du polynôme

dérivé .
1.3 Opérations sur les matrices d'applications linéaires

Proposition (Matrice d'une combinaison linéaire).

Soit E un espace vectoriel de dimension p ∈ N , de base B , et F un espace vectoriel de dimension n ∈ N ,
∗ ∗

de base B . Soit f et g deux applications linéaires de E dans F et λ ∈ K. Alors :

E
F

MatBF ,BE (λf + g) = λ MatBF ,BE (f ) + MatBF ,BE (g).

(démonstration à connaître) On pose B = (e , . . . , e ) et B = (f , . . . , f ). On pose (a ) =

(f ) et (b ) (g). Mat (λf + g) est la matrice dont les vecteurs colonnes sont les
Démonstration. E 1 p F 1 n ij i∈[[1,n]],j∈[[1,p]]
Mat = Mat
coordonnées des vecteurs (λf +g)(e ) dans la base B , on va donc commencer par calculer ces vecteurs. Soit j ∈ [[1, p]],
BF ,BE ij i∈[[1,n]],j∈[[1,p]] BF ,BE BF ,BE
j F

n
X n
X n
X
(λf + g)(ej ) = λf (ej ) + g(ej ) = λ aij fi + bij fi = (λaij + bij ) fi .
i=1 i=1 i=1

D'où Mat BF ,BE (λf + g) = (λaij + bij )i∈[[1,n]],j∈[[1,p]] = λ MatBF ,BE (f ) + MatBF ,BE (g) .
4
 Théorème (Matrice d'une composée d'applications linéaires).
Soit E, F et G trois espaces vectoriels de dimension nie, de bases respectives B , B et B . Soit f une
application linéaire de E dans F et g une application linéaire de F dans G. Alors :
E F G

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

On pose B = (e , . . . , e ), B = (f , . . . , f ) et B = (g , . . . , g ). On pose (a ) =
et (b ) (g). Mat (g ◦ f ) est la matrice dont les vecteurs colonnes sont les
Démonstration. E 1 p F 1 n G 1 m ij i∈[[1,n]],j∈[[1,p]]
MatBF ,BE (f ) = Mat
coordonnées des vecteurs g ◦ f (e ) dans la base B , on va donc commencer par calculer ces vecteurs. Soit j ∈ [[1, p]],
ij i∈[[1,m]],j∈[[1,n]] BG ,BF BG ,BE
j G

n n n m m n
! ! !
X X X X X X
g ◦ f (ej ) = g (f (ej )) = g aij fi = aij g(fi ) = aij bki gk = bki aij gk .
i=1 i=1 i=1 k=1 k=1 i=1

Or X b a correspond au terme de la k-ième ligne et j-ième colonne de la matrice Mat , par

n
ki ij BG ,BF (g) MatBF ,BE (f )

formule du produit matriciel. D'où le résultat.

i=1

1.4 Rang d'une matrice

Dénition (Rang d'une matrice).

Soit (n, p) ∈ (N ) et A une matrice de M
∗ 2
n,p (K) . On appelle rang de A et on note rg(A) le rang de la
famille des vecteurs colonnes de A dans M n,1 (K) .
 
1 2 3
Exemple 6. Quel est le rang de la matrice A = 2 3 5 ?
1 3 4
   
1 2
La troisième colonne de A est la somme des deux précédentes, donc rg(A) = rg 2 , 3 = 2 car ces deux
1 3
vecteurs forment une famille libre de M (R). 3,1

Proposition (Matrice de rang nul).

Soit (n, p) ∈ (N ) et A ∈ M (K). On a :
∗ 2
n,p

rg(A) = 0 ⇐⇒ A = 0.

Les seules familles de M n,1 (K) de rang 0 sont celles qui ne contiennent que des vecteurs colonnes nuls,
d'où le résultat.
Démonstration.

5
 Théorème (Lien entre rang d'une application linéaire et de sa matrice).
Soit E un espace vectoriel de dimension p ∈ N , F un espace vectoriel de dimension n ∈ N et f une
∗ ∗

application linéaire de E dans F . Soit A la matrice de l'application f dans les bases B et B . On a :

E F

rg(f ) = rg(A).

On pose B = (e , . . . , e ). Les colonnes de A sont formées des coordonnées des vecteurs f (e ) dans
la base B . Donc par dénition du rang d'une matrice, le rang de A est égal au rang de la famille (f (e ), . . . , f (e )).
Démonstration. E 1 p i

Par ailleurs, comme B est une base de E, on sait que la famille (f (e ), . . . , f (e )) engendre Im(f ). D'où rg(A) =
F 1 p

dim(Im(f )) = rg(f ).
E 1 p

Remarque. Le rang d'une application linéaire est donc le rang de n'importe laquelle de ses matrices associées : le
choix des bases n'importe pas.
Proposition (Rang de la transposée).
Soit (n, p) ∈ (N ) et A ∈ M (K). On a :
∗ 2
n,p

rg(A) = rg(t A).

Démonstration. Résultat admis.

2 Cas des endomorphismes et des matrices carrées
2.1 Matrice d'un endomorphisme

Dénition (Matrice d'un endomorphisme dans une base).

Soit E un espace vectoriel de dimension p ∈ N , de base B = (e , . . . , e ) et f un endomorphisme de E.
∗

On appelle matrice de l'application f dans la base B, notée Mat (f ), la matrice carrée de M (K)
1 p

dont la j-ième colonne est composée des coordonnées du vecteur f (e ) dans la base B.
B p
j

Remarque. Si E est un espace vectoriel de base B = (e , . . . , e ), on remarque que pour tout i ∈ [[1, p]], Id (e ) = e .
Donc la matrice associée à l'endomorphisme identité est I et ne dépend pas de la base de E choisie.
1 p E i i
p

Proposition (Formule du binôme de Newton pour deux endomorphismes, rappel).

Soit E un espace vectoriel et f et g deux endomorphismes de E tels que f ◦ g = g ◦ f . Alors pour tout
n ∈ N,
n
 
X n k
(f + g)n = f ◦ g n−k .
k
k=0

6
 Proposition (Formule du binôme de Newton pour deux matrices, rappel).

Soit p ∈ N . Pour tous (A, B) ∈ (M (K)) tels que AB = BA et pour tout n ∈ N,

∗
p
2

n  
X n k n−k
n
(A + B) = A B .
k
k=0

2.2 Automorphismes

Dénition (Automorphisme).
Soit E un espace vectoriel sur K. On appelle automorphisme de E tout endomorphisme bijectif de E.
On note GL(E) l'ensemble des automorphismes de E.

Remarque. Les automorphismes de E sont donc les applications qui sont à la fois un endomorphisme de E et un
isomorphisme de E dans E.
Dénition (Matrice inversible, rappel).
Soit n ∈ N et A ∈ M (K). On dit que A est inversible quand il existe une matrice B de M (K) telle
∗

que AB = BA = I . Cette matrice est alors unique et notée A . L'ensemble des matrices inversibles de
n n
−1

M (K) est noté GL (K).

n
n n

Théorème (Automorphismes et inverse d'une matrice).

Soit E un espace vectoriel de dimension nie et B une base de E. Soit f un endomorphisme de E.
Alors f est un automorphisme si et seulement si Mat (f ) est inversible et on a alors Mat (f ) =
E
−1

(Mat (f )) .
BE BE
−1
BE

(démonstration à connaître) On note n ∈ N la dimension de E et B = (e , . . . , e ) une base de E.

∗

 Supposons que f est bijective. Alors elle admet une réciproque f et f ◦ f = Id . En passant aux matrices
Démonstration. E 1 n
−1 −1

associées, on trouve :
E

MatBE (f ) MatBE (f −1 ) = MatBE (f ◦ f −1 ) = MatBE (IdE ) = In .

Donc Mat (f ) est inversible et Mat (f ) = (Mat (f )) . −1 −1

 Réciproquement, supposons que A = Mat (f ) est inversible. Soit g l'endomorphisme de E tel que les coor-
BE BE BE

données de g(e ) dans la base B sont les vecteurs colonne de A . On a alors, en notant E la matrice des
BE
−1

coordonnées de e dans la base B , ∀i ∈ [[1, n]],

i E i
i E

g ◦ f (e ) = e , car Mat (g ◦ f )E = A AE = I E = E .
i i BE i
−1
i n i i

d'où g ◦ f = Id . Puisque f est un endomorphisme, elle est bijective et d'inverse g. Par construction de g, on
a de plus Mat (f ) = Mat (g) = (Mat (f )) .
E
−1 −1
BE BE BE

7
Exemple 7. Soit f l'endomorphisme de R déni pour tout (x, y) ∈ R par f ((x, y)) = (x + 2y, 2x + 2y). Montrer
2 2

qu'il s'agit d'un automorphisme de R et donner

 l'expression
2 de sa réciproque.
La matrice de f dans la base canonique est 2 2 . Comme 2 − 4 = −2 6= 0, cette matrice est inversible, d'inverse

1 2

. Donc f est bijective et ∀(x, y) ∈ R , f ((x, y)) = (y − x, ).

   
1 2 −2 −1 1 2 −1 2x−y
−2 = 1 2
−2 1 1 − 2

Proposition (Matrice de rang n).

Soit n ∈ N et A ∈ M (K). On a :
∗
n

rg(A) = n ⇐⇒ A est inversible.

On pose f l'application linéaire canoniquement associée à la matrice A. D'après la proposition pré-

cédente, A est inversible si et seulement si f est bijective. Or on a vu dans le chapitre sur les applications linéaire en
Démonstration.

dimension nie qu'un endomorphisme f de K est bijectif si et seulement si son rang est égal à n. Comme le rang
n

d'une matrice est égal au rang de toute application linéaire qui lui est associée, on en déduit :
rg(A) = n ⇐⇒ rg(f ) = n ⇐⇒ f est bijective ⇐⇒ A est inversible .

2.3 Polynômes d'endomorphismes

Dénition (Polynôme d'endomorphisme).

Soit E un espace vectoriel de dimension n ∈ N et f un endomorphisme de E. Soit r ∈ N et P (X) =
∗

a X un polynôme de K[X]. On appelle P (f ) l'endomorphisme de E déni par P (f ) = af .

Xr X r
i i
i i
i=0 i=0

Exemple 8. Soit P (X) = 2X + 3X + 3 et f un endomorphisme de E. Alors P (f ) = 2f ◦ f + 3f + 3Id .

2
E

Dénition (Polynôme de matrice carrée).

Soit n ∈ , A ∈ M (K), r ∈ N et P (X) = un polynôme de K[X]. On appelle P (A) la matrice

r
X
N∗ n ai X i
i=0

de M (K) dénie par P (A) = X a A .

r
i
n i
i=0

Exemple 9. Soit P (X) = 2X 2 + 3X + 3 et A une matrice de M (K). Alors P (A) = 2A

n
2 + 3A + 3In .

8
 Proposition (Règles de calcul).
Soit P et Q deux polynômes de K[X] et λ ∈ K. Soit f un endomorphisme d'un espace vectoriel E de
dimension nie n ∈ N . Alors,
∗

(λP + Q) (f ) = λP (f ) + Q(f ) et (P Q)(f ) = P (f ) ◦ Q(f ).

De même, soit A ∈ M (K), alors

n

(λP + Q) (A) = λP (A) + Q(A) et (P Q)(A) = P (A)Q(A).

Démonstration. On va montrer le résultat sur les polynômes d'endomorphisme, celui sur les polynômes de matrice
s'en déduit ensuite directement. On pose P (X) = X a X et Q(X) = X b X .
r r
i i
i i
i=0 i=0

 (λP + Q)(X) = , d'où :

r
X
(λai + bi ) X i
i=0
r
X r
X r
X
(λP + Q) (f ) = (λai + bi ) f i = λ ai f i + bi f i = λP (f ) + Q(f ).
i=0 i=0 i=0

 Soit k ∈ N. P (X) × X et on a : .
r r r r
!
X X X X
k = ai X i+k ai f i+k = ai f i ◦ f k = ai f i ◦ f k = P (f ) ◦ f k
i=0 i=0 i=0 i=0

Or (P Q)(X) = X b (P (X)X ) par linéarité de la somme. On obtient alors :

r
i
i
i=0
r
X r
X
(P Q)(f ) = bi P (f ) ◦ f i = P (f ) ◦ bi f i = P (f ) ◦ Q(f ).
i=0 i=0

Dénition (Polynôme annulateur).

Soit E un espace vectoriel de dimension n ∈ N et f un endomorphisme de E. Soit P (X) ∈ K[X]. On dit
∗

que le polynôme P est annulateur de f lorsque P (f ) = 0.

Remarque. On peut de même parler de polynôme annulateur d'une matrice A si P (A) = 0.
Exemple 10. Dans le cas d'un projecteur p, on a p ◦ p = p, donc p ◦ p − p = 0 et X 2 − X est un polynôme annulateur
de p.
Remarque. Il est possible de déterminer la réciproque d'un endomorphisme en utilisant un polynôme annulateur
(qui doit alors avoir un terme constant non nul).
Exemple 11. Soit f un endomorphisme d'un espace vectoriel de dimension nie E et P (X) = 2X + X + 3. On 3

suppose que P est un polynôme annulateur de f . Montrer que f est bijective et déterminer une expression
de f . −1

Les hypothèses nous donnent 2f + f+ 3Id = 0, c'est-à-dire 2f ◦ f ◦ f + f + 3Id = 0. Donc f ◦ 2f + Id = −3Id
3
E E
2
E E
et par linéarité de f , f ◦ − = Id . Comme f est un endomorphisme, on en déduit que f est bijective et on
2f 2 +Id E

trouve :
3 E

2f + Id 2
E
f −1 = − .
3

9
Exemple 12. Soit A ∈ M (R) et P (X) = X + 5X + 2. On suppose que P est un polynôme annulateur de A. En
2

déduire que A est inversible et donner une expression de A .

3
−1

Les hypothèses nous donnent A + 5A + 2I = 0. On en déduit que A (A + 5I ) = −2I et donc A −
= I .

2 A+5I3

Donc A est inversible et

3 3 3 2 3

A + 5I 3
A−1 = − .
2

Remarque. Les polynômes annulateurs permettent aussi de calculer les puissances d'une matrice.
Exemple 13. Soit A ∈ M (R) et P (X) = X − 5X + 6. On suppose que P est un polynôme annulateur de A. En
2

déduire une expression de A , pour k ∈ N.

3
k

Les hypothèses nous donnent :

A2 − 5A + 6I3 = 0.
On en déduit que A = 5A − 6I . Donc, par multiplication par A, A = 5A − 6A = 25A − 30I − 6A = 19A − 30I .
2 3 2

On pourrait tenter de conjecturer ainsi l'expression cherchée, puis la montrer par récurrence. Mais ce serait long.
3 3 3

On va plutôt se servir de la division euclidienne des polynômes : soit k ∈ N , divisons X par P (X) : il existe des
∗ k

uniques Q(X) et R(X) = aX + b ∈ R [X] tels que :

1

X k = P (X)Q(X) + aX + b.

En particulier, A = aA + bI puisque P (A) = 0. Il sut donc de déterminer a et b pour obtenir les puissances de A.
k

Pour cela on recherche les racines de P : ∆ = 25 − 24 = 1 > 0, donc P admet deux racines réelles distinctes : 3 et 2.
3

On en déduit le système :
3 = 3a + b et 2 = 2a + b.
k k

Donc a = 3 − 2 et b = 3 × 2 − 2 × 3 . D'où ∀k ∈ N ,
k k k k ∗

Ak = (3k − 2k )A + (3 × 2k − 2 × 3k )I3 .

Ce qu'on peut maintenant simplier en remplaçant A par sa valeur si on la connaît.

10