FST Mulhouse.

Université de Haute Alsace

Licence 1 Mathématiques
Mathématiques : ALGEBRE LINEAIRE
Elisabeth REMM
Chapitre 5

Composantes d’un vecteur dans une base.

Changement de bases

Table des matières

1. Composantes d’un vecteur dans une base 2

1.1. Composantes d’un vecteur dans une base donnée 2
1.2. Matrice d’un système de vecteurs dans une base donnée 3
1.3. Comment reconnaître qu’une famille de vecteurs est une base 4
2. Matrices carrées 5
2.1. L’espace vectoriel des matrices carrées 5
2.2. Le déterminant d’une matrice carrée 6
2.3. Le calcul du déterminant en utilisant PYTHON 8
3. Changement de base 8
3.1. La matrice de passage 8
3.2. La matrice de passage inverse 9
3.3. Déterminant de la matrice de passage d’une base à une autre. 10
4. Formule du changement de composantes 11
4.1. Un peu de calcul matriciel 11
4.2. Formule du changement de composantes 12
4.3. Calcul de P −1 14

Dans tout ce chapitre, tous les espaces vectoriels considérés sont de dimension finie.
1
2 L1-Mathématiques. Chapitre 5

1. Composantes d’un vecteur dans une base

1.1. Composantes d’un vecteur dans une base donnée. Soit E un espace vectoriel de
dimension p et soit B = {→−e1 , →
−
e2 , · · · , →
−
ep } une base de E. Rappelons qu’une base est une famille
libre et génératrice. La donnée de cette base va permettre de ramener tous les calculs linéaires
sur les vecteurs de E en des calculs analogues à ceux que nous avons fait dans Rn
Soit →
−
v un vecteur quelconque de E. La famille {→ −v ,→
−
e1 , →
−
e2 , · · · , →
−
ep } est nécessairement liée
car une base est une famille libre maximale. Il existe donc une relation linéaire à coefficients
non tous nuls
α→
−v + α1 → −
e1 + α2 →
−
e2 + · · · + αp →−
ep = 0.
→
− →
−
Nécessairement α 6= 0, sinon comme les vecteurs e , · · · , e sont indépendants, tous les autres
1 p
coefficients αi seraient nuls. Divisons donc par α et posons
αi
xi = − .
α
On obtient
→
−v = x1 →
−
e1 + x2 →
−
e2 + · · · + xp →
−
ep
→
−
et v s’écrit bien comme une combinaison linéaire des vecteurs de la base B. Montrons à présent
que cette écriture est unique. Supposons que l’on ait aussi
→
−v = y1 →
−
e1 + y2 →
−
e2 + · · · + yp →
−
ep .
On en déduit
x1 →
−
e 1 + x2 →
−
e2 + · · · + xp →
−
ep = y1 →
−
e1 + y2 →
−
e2 + · · · + yp →
−
ep
soit
(x1 − y1 )→ −
e1 + (x2 − y2 )→
−
e2 + · · · + (xp − yp )→
−
ep = 0.
→
− →
− →
−
Comme les vecteurs e1 , e2 , · · · , ep sont linéairement indépendants, les coefficients de cette
combinaison linéaire nulle sont tous nuls, ce qui donne
x1 = y1 , x2 = y2 , · · · , xp = yp .
On a donc l’unicité de l’écriture de →
−
v dans la base B.
Théorème 1. Soit E un espace vectoriel de dimension p et soit B = {→
−
e1 , →
−
e2 , · · · , →
−
ep } une base
→
−
de E. Tout vecteur v de E s’écrit de manière unique
→
−
v =x → −e +x →−e + ··· + x →
−
e
1 1 2 2 p p

avec x1 , · · · , xp ∈ K

Les sacalaires x1 , x2 , · · · , xp s’appellent les composantes de →

−
v relatives à la base donnée B.
Bien entendu ces composantes dépendent du choix de la base B. On pourra écrire
→
−v = {x , x , · · · , x }
1 2 p B

ou, si aucune confusion n’est possible quant à la base

→
−
v = {x1 , x2 , · · · , xp }.
Mais, si l’on utilise cette dernière notation, ne jamais oublier que le choix de la base B est
sous-entendu.
 Elisabeth Remm 3

Exemple. Dans R3 , tout vecteur → −

v s’écrit →−v = (x, y, z) ce qui correspond aux composantes
→
− →
− → − → −
de v relatives à la base canonique { i , j , k } :
→
− →
− →
− →
−
v =x i +y j +zk.
Considérons à présent les trois vecteurs
→
−e = (1, 1, 0), →
−
e = (−1, 0, 1), →
−
e = (0, 1, −1).
1 2 3

Ces vecteurs sont linéairement indépendants. En effet la matrice de ces trois vecteurs est
 
1 −1 0
M = 1 0 1


0 1 −1
et on a det M = −2. Donc ces vecteurs sont linéairement indépendants. Comme dim R3 = 3,
trois vecteurs linéairement indépendants forment une famille libre maximale, c’est donc une
base. Le vecteur →−v = (x, y, z) admet une décomposition dans cette base
→
−
v = X→ −
e +Y→ −
e + Z→ −
e .
1 2 3

Nous pouvons calculer X, Y, Z en fonction de x, y, z. On a

→
−v = X→ −
e +Y→ −
e + Z→−
e = X(1, 1, 0) + Y (−1, 0, 1) + Z(0, 1, −1)
1 2 3

d’où
→
−
v = (X − Y, X + Z, Y − Z) = (x, y, z).
On obtient le système 

 X −Y =x
X +Z =y
 Y − Z = z.


On en déduit Y = X − x, Z = y − X, X − x − (y − X) = z soit
x+y+z −x + y + z −x + y − z
X= ,Y = ,Z = .
2 2 2
Ainsi
→
− x + y + z→− −x + y + z →
− −x + y − z →
−
v = e1 + e2 + e3
2 2 2
est la décomposition de →
−
v relative à la base {→
−
e ,→
−
e ,→
−e }. 1 2 3

1.2. Matrice d’un système de vecteurs dans une base donnée. Soit E un K-espace
vectoriel de dimension finie p et soit B = {→
−
e1 , →
−
e2 , · · · , →
−
ep } une base de E. Donnons nous une
famille (libre ou pas, génératrice ou pas) F = {v1 , · · · , vk } de vecteurs de E. Chacun de ces
vecteurs se décomposent de manière unique dans la base B :
v1 = a1,1 →−
e1 + a1,2 →
−e2 + · · · + a1,p →−

 ep
= a e + a e + ··· + a −
→
− →
− →

 v

e
2 2,1 1 2,2 2 2,p p
 ···
= ak,1 →
−
e1 + ak,2 →
−
e2 + · · · + ak,p →
−



vk ep
Notons que pour écrire toutes les composantes de ces vecteurs, nous utilisons deux indices ai,j ,
le premier étant lié à l’indice du vecteur vi , le deuxième correspondant à la composante de ce
vecteur sur le vecteur de base ej .
4 L1-Mathématiques. Chapitre 5

Définition 1. On appelle matrice du système de vecteurs {v1 , · · · , vk } relative à la base donnée

B = {→
−
e1 , →
−
e2 , · · · , →
−
ep }, le tableau rectangulaire de k lignes et p colonnes :
a1,1 a1,2 · · ·
 
a1,p
 2,1 a2,2 · · ·
a a2,p 

···
 

ak,1 ak,2 · · · ak,p

Notons que dans cette écriture matricielle, le premier indice des coefficients est celui de la
ligne, le deuxième est celui de la colonne dans lequel il est situé. On ne dérogera en aucune
manière à cette convention, sous peine d’une confusion totale dans les calculs qui
en dépendraient.
Notons également que cette matrice dépend fortement de la base B donnée. Ceci signifie que
si la famille F = {v1 , · · · , vk } de vecteurs de E est donnée et si l’on considère une autre base
B 0 = {→−
e1 0 , →
−
e2 0 , · · · , →
−
ep 0 } alors la matrice de F relative à B 0 sera en général totalement différente
de la matrice de F relative à B. Une grande partie de la suite de ce cours consistera à établir
une relation entre ces deux matrices.

1.3. Comment reconnaître qu’une famille de vecteurs est une base. Donnons nous
une famille F = {v1 , · · · , vk } de vecteurs de E. Supposons dim E = p. Comme toutes les bases
de E contiennent p éléments, une condition nécessaire pour que F soit une base de E est
k = p.
Si k 6= p, inutile de continuer, F n’est pas une base de E.
Supposons donc k = p et F = {v1 , · · · , vp }. Considérons une base B = {→
−
e1 , →
−
e2 , · · · , →
−
ep } de
E. (Notons que si on ne connaît pas à priori de base de E, pour vérifier que F est une base,
nous procèderons directement comme dans le chapitre précédent en vérifiant que cette famille
est libre. Toutefois, comme on suppose la dimension de E connue, cela laisse présager qu’une
base est déjà connue.) Considérons la matrice de F relative à la base B :
a1,1 a1,2 · · ·
 
a1,p
 2,1 a2,2 · · ·
a a2,p 

···
 

ap,1 ak,2 · · · ap,p
Cette matrice est un tableau carré (p-lignes et p-colonnes). Nous parlerons dans ce cas de
matrice carrée. A toute matrice carrée M on peut faire correspondre un scalaire, appelé le
déterminant de la matrice M et noté det M dont nous avons rappelé le calcul dans le deuxième
chapitre dans le cas où p = 2 ou 3. Avant de donner la formule générale permettant le calcul
de ce déterminant, énonçons le résultat central :
Théorème 2. La famille F = {v1 , · · · , vp } de p vecteurs dans un espace vectoriel de dimension
p est une base si et seulement si le déterminant de la matrice de F relative à une base B donnée
a un déterminant non nul :
a1,1 a1,2 · · · a1,p
 
a a · · · a2,p 
det  2,1 2,2  6= 0
 
··· 
ap,1 ak,2 · · · ap,p
 Elisabeth Remm 5

Nous allons écrire la formule générale du calcul de ce déterminant dans le paragraphe qui
suit.

2. Matrices carrées

2.1. L’espace vectoriel des matrices carrées. On appelle matrice carrée réelle, si K = R
ou complexe, si K = C, d’ordre p tout tableau carré p lignes et p colonnes dont les éléments
sont des scalaires de K. On écrira une telle matrice sous la forme
a1,1 a1,2 a1,3 · · · a1,p
 

 2,1 a2,2 a2,3 · · · a2,p 

a 
A=

a a3,2 a3,3 · · · a3,p 
 3,1

· · · · · · · · · · · · · · · 


ap,1 ap,2 ap,3 · · · ap,p

Les coefficients ai,j sont indexés par deux indices i, j, le premier désigne la ligne qui le contient
et le deuxième la colonne qui le contient. Ainsi ai,j est sur la ligne numéro i et sur la colonne
numéro j. Nous noterons par M(p, K) l’ensemble des matrices carrées d’ordre p à coefficients
dans K. Pour simplifier, nous noterons également A = (ai,j ) une telle matrice.
Nous pouvons définir dans M(p, K)
(1) Une addition : si
a1,1 a1,2 a1,3 · · · a1,p b1,1 b1,2 b1,3 ··· b1,p
   
a
 2,1 a2,2 a2,3 · · · a2,p 

b
 2,1 b2,2 b2,3 ··· b2,p 

A = a3,1

a3,2 a3,3 · · · a3,p 
 , B = b3,1

b3,2 b3,3 ··· b3,p 

· · · ··· ··· ··· ··· · · · ··· ··· ··· · · ·
   

ap,1 ap,2 ap,3 · · · ap,p bp,1 bp,2 bp,3 ··· bp,p

alors A + B est la matrice carrée d’ordre p
a1,1 + b1,1 a1,2 + b1,2 a1,3 + b1,3 ··· a1,p + b1,p
 
a + b
 2,1 2,1 a2,2 + b2,2 a2,3 + b2,3 ··· a2,p + b2,p 

A + B = a3,1 + b3,1

a3,2 + b3,2 a3,3 + b3,3 ··· a3,p + b3,p 

··· ··· ··· ··· ··· 
 

ap,1 + bp,1 ap,2 + bp,2 ap,3 + bp,3 ··· ap,p + bp,p
(2) Une multiplication externe : si λ ∈ K et
a1,1 a1,2 a1,3 · · · a1,p
 
a
 2,1 a2,2 a2,3 · · · a2,p 

a3,1
A= a3,2 a3,3 · · · a3,p 
 ∈ M(p, K),
· · · ··· ··· ··· ···
 

ap,1 ap,2 ap,3 · · · ap,p

alors
λa1,1 λa1,2 λa1,3 · · · λa1,p
 
λa
 2,1 λa2,2 λa2,3 · · · λa2,p 

λA = λa3,1

λa3,2 λa3,3 · · · λa3,p 

 ··· ··· ··· ··· ··· 
 

λap,1 λap,2 λap,3 · · · λap,p

6 L1-Mathématiques. Chapitre 5

Muni de ces deux opérations, M(p, K) est un espace vectoriel de dimension p2 , une base étant
donnée par les p2 matrices distinctes dont tous les coefficients sont nuls exceptés un seul qui
vaut 1. Plus précisément, si on note par mi,j la matrice carrée dont tous les coefficients sont
nuls exceptés celui d’indice (i, j) qui vaut 1, alors la famille {mi,j , 1 ≤ i ≤ p, 1 ≤ j ≤ p} est
une base de M(p, K).
2.2. Le déterminant d’une matrice carrée. Nous avons déjà défini cette notion pour les
matrices d’ordre 2 et 3 :
(1) Si !
a c
A=
b d
alors
det A = ad − bc.
(2) Si  
a1 a2 a3
A =  b1 b2 b3 


c1 c2 c3
alors
det A = a1 b2 c3 + a2 b3 c1 + a3 b1 c2 − a3 b2 c3 − a2 b1 c3 − a1 b3 c2
calculé avec la règle de Sarrus, ou bien
! ! !
b b b b b b
det A = a1 (det 2 3 ) − a2 (det 1 3 ) + a3 (det 1 2 )
c2 c3 c1 c3 c1 c2
calculé avec la règle de Cramer.
C’est cette dernière formule qui va nous permettre d’écrire la définition dans le cas quel-
conque.
Soit A = (ai,j ) ∈ M(p, K).
Définition 2. Pour chacun des coefficients ai,j de la matrice A, le mineur Ai,j de ai,j est le
déterminant de la matrice carrée d’ordre p − 1 obtenue en enlevant à A la ligne et la colonne
contenant le coefficient ai,j , c’est-à-dire la ligne i et la colonne j.
Exemple : p = 3. Si  
a1,1 a1,2 a1,3
A = a2,1 a2,2 a2,3 
 
a3,1 a3,2 a3,3
alors,
! !
a a a a
A1,1 = det 2,2 2,3 = a2,2 a3,3 − a2,3 a3,2 , A1,2 = det 2,1 2,3 = a2,1 a3,3 − a2,3 a3,1
a3,2 a3,3 a3,1 a3,3
!
a a
A1,3 = det 2,1 2,2 = a2,1 a3,2 − a2,2 a3,1 ,
a3,1 a3,2
De la même façon on calcule tous les autres mineurs Ai,j . La formule de Cramer donnant le
déterminant se résume alors à
det A = a1,1 A1,1 − a1,2 A1,2 + a1,3 A1,3 .
 Elisabeth Remm 7

D’où en développant
det A = a1,1 (a2,2 a3,3 − a2,3 a3,2 ) − a1,2 (a2,1 a3,3 − a2,3 a3,1 ) + a1,3 (a2,1 a3,2 − a2,2 a3,1 ).
Définition 3. Soit
a1,1 a1,2 a1,3 ··· a1,p
 
a
 2,1 a2,2 a2,3 ··· a2,p 

A = a3,1

a3,2 a3,3 ··· a3,p 

· · · ··· ··· ··· ···
 

ap,1 ap,2 ap,3 ··· ap,p

une matrice carrée d’ordre p. Choisissons une ligne, par exemple la ligne numéro i. Alors
det A = (−1)i+1j ai,1 Ai,1 + (−1)i+2 ai,2 Ai,2 + (−1)i+3 ai,3 Ai,3 + · · · + (−1)i+p ai,p Ai,p .

Remarque : sur le choix de la ligne La formule donnant le déterminant donne le même

résultat quelle que soit la ligne choisie (heureusement !). On aura donc intérêt à choisir la ligne
comportant le maximum de 0. En particulier si A contient une ligne n’ayant que des 0, son
déterminant est nul.
La définition ci-dessus s’interprète comme un développement du déterminant suivant une
ligne. On peut donner une définition analogue mais liée à un développement suivant une co-
lonne.
Définition 4. Soit
a1,1 a1,2 a1,3 · · · a1,p
 
a
 2,1 a2,2 a2,3 · · · a2,p 

A=

a a3,2 a3,3 · · · a3,p 
 3,1

· · · ··· ··· ··· ···


ap,1 ap,2 ap,3 · · · ap,p

une matrice carrée d’ordre p. Choisissons une colonne, par exemple la ligne numéro j. Alors
det A = (−1)1+j a1,j A1,j + (−1)i2+j a2,j A2,j + (−1)3+j a3,j A3,j + · · · + (−1)p+j ap,j Ap,j .

Bien entendu, on trouve le même résultat dans les deux cas, on peut donc calculer le dé-
terminant après un choix judicieux d’une ligne ou d’une colonne. Comme nous l’avons signalé
plus haut on a le cas particulier
Proposition 1. Soit A une matrice carrée d’ordre p. Si une ligne ou une colonne ne contient
que des 0, alors son déterminant est nul.

Exemple. Calcul du déterminant de la matrice carrée

0 −2 2
 
1
−3 −3 6 5
A=
 
 5 1 −10 −4


−4 2 8 1
Développons par rapport à la première ligne (elle contient un 0) :
     
−3 6 5 −3 −3 5 −3 −3 6
det A = 1 det  1 −10 −4 − 0 + (−2) det  5
  
1 −4 − 2 det  5
 
1 −10

2 8 1 −4 2 1 −4 2 8
8 L1-Mathématiques. Chapitre 5

Calculons les déterminants d’ordre 3 par la règle de Sarrus :

 
−3 6 5
det  1 −10 −4 = 30 − 48 + 40 + 100 − 96 − 6 = 20
 
2 8 1
 
−3 −3 5
det  5

1 −4 = −3 − 48 + 50 + 20 − 24 + 15 = 10
−4 2 1
 
−3 −3 6
det  5

1 −10
 = −24 − 120 + 60 + 24 + 120 − 60 = 0.
−4 2 8
Ainsi
det A = 20 − 20 + 0 = 0.
On peut déduire que les vecteurs de R4 correspondant aux quatre colonnes sont liés.

2.3. Le calcul du déterminant en utilisant PYTHON. Dans PYTHON appeler le module

NUMPY qui est une librairie permettant de faire du calcul matriciel et utiliser la fonction "det"
pour calculer le déterminant de la matrice. > > > import numpy as np
> > > x = [Link]([1, 2, 3], [3, 4, 5], [5, 6,7])
>>>x
array([1, 2, 3],[3, 4, 5], [5, 6,7])
Pour calculer le déterminant, on rajoute la commande
> > > [Link](a)

3. Changement de base

Dans l’exemple précédent, nous avons présenté un premier exemple de changement de base.
Soit E un espace vectoriel de dimension finie p. Etant donnée une base de E, chaque vecteur
de E s’écrit comme sous forme de p composantes. Mais ces composantes dépendent de la base
choisie. Le but de cette section est de voir comment relier les composantes d’un vecteur dans
une base donnée aux composantes de ce même vecteur dans une autre base.
3.1. La matrice de passage. Soit B = {→ −
e1 , →
−
e2 , · · · , →
−
ep } une base de E. Tout vecteur se dé-
→
− → − →
−
compose de façon unique dans cette base. Considérons une nouvelle base B 0 = { f1 , f2 , · · · , fp }.
→
−
Chacun de vecteurs fj de cette nouvelle base se décompose dans la première base donnée :
 →−
 f1 = α1,1 →
−
e1 + α2,1 →−
e2 + · · · + αp,1 → −
ep
 →−

→
− →
− →
−


f = α e + α e + ··· + α e
2 1,2 1 2,2 2 p,2 p
 ···
→
−

fp = α1,p →
−
e1 + α2,p →
−
e2 + · · · + αp,p →
−


ep


→
−
Ainsi (α1,1 , α2,1 , · · · , αp,1 ) sont les composantes du vecteurs f1 relatives à la première base B,
→
−
(α1,2 , α2,2 , · · · , αp,2 ) sont les composantes du vecteurs f2 relative à la base B, ainsi de suite
pour chacun des vecteurs de la base B 0 . Comme nous l’avons déjà signalé, nous avons besoin
de deux indices pour numéroter chacune des composantes, le premier est relatif au numéro de
la composante, le deuxième est lié à l’indice du vecteur.
 Elisabeth Remm 9

Construction de la matrice de passage. Nous allons écrire toutes ces composantes sous la
forme d’une matrice carrée en respectant l’ordre suivant
→
−
— la première colonne du tableau est formée des composantes du premier vecteur f1 de la
nouvelle base,
→
−
— la deuxième colonne du tableau est formée des composantes du deuxième vecteur f2 de
la nouvelle base,
— etc... →
−
— la dernière colonne (la p-ième) est formée des composantes du dernier vecteur fp de la
nouvelle base,
On obtient donc la matrice suivante :
α1,1 α1,2 α1,3 · · · α1,p
 

 2,1 α2,2 α2,3 · · · α2,p 

α 
P = α3,1 α3,2 α3,3 · · · α3,p 


· · · · · · · · · · · · · · · 
 

αp,1 αp,2 αp,3 · · · αp,p

Bien se rappeler, la matrice de passage de la base B à la base B 0 se construit en

mettant en colonne les composantes des vecteurs de la nouvelle base B 0 relative à
la première base B.
Définition 5. La matrice P est appelée la matrice de passage de la base B à la base B 0 .
3.2. La matrice de passage inverse. Considérons toujours nos deux bases B et B 0 mais cette
fois décomposons les vecteurs de la première base dans la deuxième. Si B = {→ −
e1 , →
−
e2 , · · · , →
−ep }
0 →
− →
− →
− →
− 0
et B = { f1 , f2 , · · · , fp }, chacun des vecteurs ei de B se décompose dans la base B =
→
− → − →
−
{ f1 , f2 , · · · , fp } :

→
− →
− →
− →
−
 e1 = β1,1 f1 + β2,1 f2 + · · · + βp,1 fp
→
− →
− →
−

 →
−


e2 = β1,2 f1 + β2,2 f2 + · · · + βp,2 fp
 ···

→
− →
− →
−

 →

−
ep = β1,p f1 + β2,p f2 + · · · + βp,p fp
On construit comme précédemment une matrice en mettant en colonne les composantes des
vecteurs → −
e1 , →
−e2 , · · · , →
−
ep : on obtient donc la matrice suivante :
β1,1 β1,2 β1,3 · · · β1,p
 
β
 2,1 β2,2 β2,3 · · · β2,p 

Q=

β β3,2 β3,3 · · · β3,p 
 3,1

· · · ··· ··· ··· ···


βp,1 βp,2 βp,3 · · · βp,p

Définition 6. La matrice Q de passage de la base B 0 à la base B est appelée la matrice inverse
de la matrice de passage P de la base B à la base B 0 . On la note aussi Q = P −1 .

Remarque : Cas de la dimension 3. Etant donnés trois vecteurs → −

v1 , →
−
v2 , →
−
v3 de R3 , nous
avons construit au premier chapitre la matrice (carrée) de ces trois vecteurs. La propriété
fondamentale de cette matrice était la suivante, si le déterminant est non nul, alors les trois
vecteurs sont linéairement indépendants. Ils forment donc une nouvelle base de R3 et la matrice
→
− →− → −
est donc la matrice de passage de la base canonique { i , j , k } de R3 à la nouvelle base
10 L1-Mathématiques. Chapitre 5

{→
−
v1 , →
−
v2 , →
−
v3 }. On en déduit donc que le déterminant de cette matrice est non nul. Nous allons
généraliser cette propriété pour une dimension quelconque. mais pour cela il faut définir le
déterminant d’une matrice carrée quelconque.

3.3. Déterminant de la matrice de passage d’une base à une autre. Soit E un espace
vectoriel de dimension finie et soit B = {→ −
e1 , →
−
e2 , · · · , →
−
ep } une base de E. Considérons une
0 →
− →
− →
−
nouvelle base B = { f1 , f2 , · · · , fp } et soit P la matrice de changement de base, de la base B
à la base B 0 . Rappelons que cette matrice est construite en mettant en colonne successivement
→
− →
−
les composantes du vecteurs f1 relatives à la base B, puis celles de f2 , etc pour finir par celles
→
−
de fp . Soit
α1,1 α1,2 α1,3 · · · α1,p
 

 2,1 α2,2 α2,3 · · · α2,p 

α 
P =

α α3,2 α3,3 · · · α3,p 
 3,1

· · · · · · · · · · · · · · · 


αp,1 αp,2 αp,3 · · · αp,p

cette matrice. Comme cette matrice peut être vue comme la matrice des composantes des
→
− →
−
vecteurs f1 , · · · , fp dans la base B, et comme ces vecteurs sont linéairement indépendants,
cette matrice a un déterminant non nul. On a donc
det P 6= 0.
Théorème 3. Soient E un espace vectoriel de dimension p, B et B 0 deux bases de E. Alors la
matrice de passage P de la base B à la base B 0 vérifie
det P 6= 0.

Etudions la réciproque. Soit B = {→ −e1 , →

−
e2 , · · · , →
−
ep } une base de E. Considérons une famille
F = {→ −
v1 , →
−
v2 , · · · , →
−
vp } de p vecteurs (p = dim E). Déterminons les composantes de chacun de
ces vecteurs :  →

−
v1 = a1,1 →
−
e1 + a2,1 → −
e2 + · · · + ap,1 →
−ep
 →
− →
− →
− →
−

v2 = a1,2 e1 + a2,2 e2 + · · · + ap,2 ep


 · ··
 −
vP = a1,p →
→ −
e1 + a2,p → −e2 + · · · + ap,p →
−


ep
et écrivons ces composantes en colonnes. On obtient la matrice de ces p vecteurs relative à la
base B :
a1,1 a1,2 a1,3 · · · a1,p
 
a
 2,1 a2,2 a2,3 · · · a2,p 

M = a3,1 a3,2 a3,3 · · · a3,p 

· · · ··· ··· ··· ···
 

ap,1 ap,2 ap,3 · · · ap,p

Théorème 4. La famille F = {→
−
v1 , →
−
v2 , · · · , →
−
vp } est une nouvelle base de E si et seulement si
det M 6= 0.

On a donc une procédé assez simple pour vérifier si p vecteurs dans un espace vectoriel de
dimension p sont linéairement indépendants et constituent une base de cet espace.
 Elisabeth Remm 11

4. Formule du changement de composantes

L’objectif de ce paragraphe est de relier les composantes d’un même vecteur mais relatives à
deux bases différentes. Pour synthétiser tous ces résultats nous allons utilser le calcul matriciel
que nous allons survoler dans ce qui suit.
4.1. Un peu de calcul matriciel. On appelle matrice p-lignes et q-colonnes tout tableau
rectangulaire du type
a1,1 a1,2 a1,3 · · · a1,q
 

 2,1 a2,2 a2,3 · · · a2,q 

a 
M = a3,1 a3,2 a3,3 · · · a3,q 
 
· · · · · · · · · · · · · · · 
 

ap,1 ap,2 ap,3 · · · ap,q

que l’on notera également M = (ai,j ) et dans cette présentation, le premier indice du coefficient
ai,j est celui de la ligne dans laquelle il est écrit et le deuxième celui de la colonne. On dira
qu’une telle matrice est une matrice de type p × q.

4.1.1. Addition et multiplication externe. En généralisant ce que nous avons vu précédemment

pour les matrices carrées, nous pouvons dire que l’ensemble M(p, q, K) des matrices de type
p × q à coefficients dans K est un espace vectoriel sur /K de dimension pq dont une base est
donnée par le famille
{Ei,j , 1 ≤ i ≤ p, 1 ≤ j ≤ q}
où Ei,j est la matrice dont les coefficients vérifient ei,j = 1 et ek,l = 0 si k 6= i et l 6= j.

4.1.2. Multiplication d’une matrice de M(p, q, K) par une matrice de M(q, r, K). Notons dès
à présent qu’en général le produit d’une matrice quelconque rectangulaire par un autre est
impossible. Pour pouvoir effectuer le produit d’une matrice A par une matrice B, noté A · B,
il faut que
le nombre de colonnes de A= nombres de lignes de B
Dans ce cas si A est une matrice de type p × q et B de type q × r alors A · B est une matrice
de type p × r (p=nombres de lignes de A et r nombre de colonnes de B.
On peut remarquer que si cette condition est remplie, alors A·B existe, mais pas nécessairement
B · A.
La technique de la multiplication est ainsi définie : Posons C = A · B. Le coefficient ci,j de
la matrice C est en quelque sorte le produit scalaire de la ligne i de A par la colonne j de B
(ce qui explique l’hypothèse A ∈ M(p, q, K) et B ∈ M(q, r, K)) :
ci,j = ai,1 b1,j + ai,2 b2,j + · · · + ai,q−1 bq−1,j + ai,q bq,j .

Exemple. Soient les matrices

   
2 1 0 1 2
A = 0 −1 3  , B = −1 1 .
   
1 2 −2 3 1
Comme A ∈ M(3, 3, R) et B ∈ M(3, 2, R), le nombre de colonnes de A est égal au nombre
de ligne de B, la multiplication A · B est donc possible. Posons C = A · B. Alors C = (ci,j ) ∈
12 L1-Mathématiques. Chapitre 5

M(3, 2, R) et
c1,1 = 2 × 1 + 1 × (−1) + 0 × 3 = 2 − 1 = 1
c1,2 =2×2+1×1+0×1=4−1=5
c2,1 = 0 × 1 + (−1) × (−1) + 3 × 3 = 1 + 9 = 10
c2,2 = 0 × 2 + (−1) × 1 + 3 × 1 = −1 + 3 = 2
c3,1 = 1 × 1 + 2 × (−1) + (−2) × 3 = 1 − 2 − 6 = −7
c3,1 = 1 × 2 + 2 × 1 + (−2) × 1 = 2 + 2 − 2 = 2
Ainsi  
 1 5
A·B =
 
 10 2


−7 2

4.1.3. Matrice des composantes d’un vecteur. Soient E un espace vectoriel de dimension finie
et B = {→
−
e1 , →
−
e2 , · · · , →
−
ep } une base de E. Soit →
−
v un vecteur de E et soit
→
−v =x →−e +x → −
e + ··· + x →
−
e
1 1 2 2 p p

sa décomposition relative à la base B. Cette base B étant sous-entendue, nous avons convenu
d’écrire le vecteur →
−
v sous la forme
→
−
v = (x1 , x2 , · · · , xp )
ce qui montre, une fois la base B fixée, le lien étroit entre E et l’espace vectoriel Kn .
Définition 7. On appelle matrice des composantes de → −v relatives à la base B la matrice
n-lignes et 1-colonne
x1
 
 x 
 2 
V =  ··· 
 
xn−1 
 

xn

4.2. Formule du changement de composantes. Soient E un espace vectoriel de dimension

→
− → − →
−
finie , B = {→
−
e1 , →
−
e2 , · · · , →
−
ep } une base de E et B 0 = { f1 , f2 , · · · , fp } une nouvelle base. Soit
P la matrice de passage de la base B à la base B 0 . Soit → −
v un vecteur de E. Il admet une
décomposition unique relative à la base B :
→
−v =x →−
e +x → −
e + ··· + x → −
e .
1 1 2 2 p p

Ainsi (x1 , x2 , · · · , xp ) sont les composantes de →

−v relatives à la base B. De même, ce même
vecteur admet une décomposition unique relative à la base B 0 :
→
− →
− →
− →
−
v = y f + y f + ··· + y f .
1 1 2 2 p p

Ainsi (y1 , y2 , · · · , yp ) sont les composantes de → −

v relatives à la base B 0 .. Le théorème suivant
décrit les relations entre les composantes relatives à la base B et celles relatives à la base B 0 :
Théorème 5. Soient E un espace vectoriel de dimension finie , B = {→ −
e1 , →
−
e2 , · · · , →
−
ep } et
0 →
− →− →
−
B = { f1 , f2 , · · · , fp } deux bases de E et soit P la matrice de passage de la base B à la base
B 0 . Soit →
−
v un vecteur de E et soient
→
− →
− →
− →
−
v = x1 → −
e1 + x2 →
−
e2 + · · · + xp →
−
ep , →−
v = y1 f1 + y2 f2 + · · · + yp fp
 Elisabeth Remm 13

ses décompositions relatives aux bases B et B 0 . On a alors

   
x1 y1
x  y 
 2  2
 =P
· · ·  · · ·
 

xp yp

Démonstration. Soit P = (αi,j ) la matrice de passage de B à B 0 . Ceci signifie que

n
→
−
αi,j →
−
X
fj = ei .
i=1

Comme
n
→
− →
− →
− →
− X →
−
v = y1 f1 + y2 f2 + · · · + yp fp = y j fj
j=1

on en déduit
n n n n
n X n
n X
→
− →
−
αi,j →
− yj αi,j →
− yj αi,j →
−
X X X X X
v = y j fj = yj ei = ei = ei .
j=1 j=1 i=1 j=1 i=1 i=1 j=1

Or
→
−
v = x1 →
−
e1 + x2 →
−
e2 + · · · + xp →
−
ep
et cette décomposition sur la base B est unique. En comparant les deux décompositions sur B
on en déduit
n
X
xi = yj αi,j
j=1

et ceci donne la relation matricielle voulue.

Remarque. Cette relation matricielle qui relie les deux matrices des composantes du vecteur
→
−v relatives a deux bases ne donne pas directement l’expression des nouvelles composantes
par rapport aux anciennes. C’est pourtant ce que l’on souhaiterait dans des problèmes de
mécanique physique lors de changement de repère. Pour établir la relation matricielle donnant
les nouvelles composantes en fonction des anciennes, nous devons donc utiliser la matrice de
passage de la base B 0 à la base B. Il est donc nécessaire d’exprimer les vecteurs →
−
ei en fonction
→
−
des vecteurs fj :
n
→
− X →
−
ei = βj,i fj .
j=1

La matrice de passage, que nous avons notée P −1 , vérifie

P · P −1 = P −1 · P = Ip
où Ip est la matrice, appelée matrice identité d’ordre p,
 
1 0 0 ··· 0 0
 0

1 0 ··· 0 0
 0 0 1 ··· 0 0
 
In = 
· · ·


 
 0

0 0 ··· 1 0

0 0 0 ··· 0 1
14 L1-Mathématiques. Chapitre 5

→
−
Elle se calcule en établissant les relations →−
ei = nj=1 βj,i fj . Le calcul, dès que p ≥ 4 peut
P

s’avérer long et délicat. Il existe toutefois une formule directe permettant ce calcul de P −1 ,
mais qui n’abroge pas les difficultés et les sources d’erreurs que nous présentons ci-dessous. Il
permet également de programmer par exemple sur Python un tel calcul.

4.3. Calcul de P −1 . Soit P la matrice de changement de base. On sait que son déterminant
est non nul. Posons
α1,1 α1,2 α1,3 · · · α1,p
 

 2,1 α2,2 α2,3 · · · α2,p 

α 
P = α3,1 α3,2 α3,3 · · · α3,p 
 
· · · · · · · · · · · · · · · 
 

αp,1 αp,2 αp,3 · · · αp,p

. Rappelons que le mineur du coefficient αi,j est le déterminant de la matrice obtenue à partir
de P en enlevant la ligne et la colonne contenat αi,j . Notons le Ai,j .
Définition 8. Le cofacteur du coefficient αi,j est
Cof (αi,j ) = (−1)i+j Ai,j .
La comatrice de la matrice P , notée Cof (P ) est la matrice de coefficients Cof (αi,j ) :
Cof (P ) = (Cof (αi,j )).

Afin de présenter la formule générale donnant P −1 , nous avons encore besoin d’une définition :
Définition 9. Soit M = (ai,j ) une matrice d’ordre p × q. Alors la matrice transposée de M ,
notée t M est la matrice d’ordre q × p obtenue en condérant que la première ligne de t M est la
première colonne de M , la deuxième ligne de t M est la deuxième colonne de M etc. Autrement
dit, si t M = (bi,j ), alors
bi,j = aj,i .

Ceci nous permet d’affirmer

Théorème 6.
1 t
P −1 = Cof (P ).
det P
On ne peut se familiariser avec cette formule qu’en faisant beaucoup, beaucoup, beaucoup
d’exercices.

Corollaire 1. Soient E un espace vectoriel de dimension finie , B = {→ −

e1 , →
−
e2 , · · · , →
−
ep } et
0 →
− →
− →
−
B = { f1 , f2 , · · · , fp } deux bases de E et soit P la matrice de passage de la base B à la base
B 0 . Soit →
−
v un vecteur de E et soient
→
− →
− →
− →
−
v =x →
1 1
−
e +x →
2 2
−
e + ··· + x →
−
e , →
p p
−v = y f + y f + ··· + y f
1 1 2 2 p p

ses décompositions relatives aux bases B et B 0 . On a alors

   
y1 x1
y  x 
  = P −1  
 2  2
· · · · · ·
yp xp
 Elisabeth Remm 15

→
− →− → −
Exercice corrigé. Soit E un R-espace vectoriel de dimension 3 de base B = { i , j , k }. Soit
→
− →
− → − →
− − →
− − →
→ − − →
− → − → −
e1 = i − j + 2 k , →e2 = 2 i + 3 j + k , → e3 = i + j + k .
(1) Montrer que B 0 = {→
−
e1 , →
−
e2 , →
−
e3 } est une base de E et donner la matrice de passage de B à
B0 .
− →
→ −
(2) Donner les coordonnées de → −
u = i + k dans la nouvelle base B 0 .
Solution.
→
− → − → −
(1) La matrice des vecteurs →
−
e1 , →
−
e2 , →
−
e3 décomposés dans la base B = { i , j , k } est
 
1 2 1
P = −1 3 1
 
2 1 1
qui s’écrit en mettant en colonne les composantes de →
−
e1 dans la base B, puis celles de →
−
e2
→
−
et enfin celles de e3 . On a
det P = 3 + 4 − 1 − 6 + 2 − 1 = 1 6= 0
ce qui implique que les trois vecteurs →
−
e1 , →
−
e2 , →
−
e3 sont linéairement indépendants. Comme
dim E = 3, ces trois vecteurs indépendants forment une base de E. La matrice de passage
de B à cette nouvelle base B 0 est donc la matrice P .
(2) Le vecteur →−
u a pour composantes dans la base B → −u = (1, 0, 1). Soient y1 , y2 , y3 les
composantes de ce même vecteur dans la nouvelle base B 0 :
→
−u =y → −
e +y → −
e +y → −
e .
1 1 2 2 3 3

Les relations entre ces nouvelles composantes et les anciennes sont décrites par la formule
matricielle      
1 1 2 1 y1
0 = −1 3 1 · y2  .
     
1 2 1 1 y3
Développons cette relation matricielle en effectuant le produit des deux matrices comme
décrit ci-dessus : 
 1 = y1 + 2y2 + y3

0 = −y1 + 3y2 + y3
 1 = 2y + y + y

1 2 3

Pour résoudre un tel système, nous savons que nous pouvons remplacer une ligne par cette
ligne plus une combinaison linéaire des autres lignes. Cette remarque permet de trouver
les solutions en se basant sur le pivot de Gauss qui consiste à éliminer la première variable
dans les équations 2 et 3 puis la deuxième dans la troisième équation, on en déduira la
valeur de la dernière variable les autres s’en déduisent :
— On garde la première équation L1 et on remplace la deuxième L2 par L2 + L1 et la
troisième par L3 − 2L1 :


 L1 1 = y1 +2y2 +y3
L2 + L1 1 = 0 +5y2 +2y3
 L − 2L −1 = 0 −3y −y

3 1 2 3
16 L1-Mathématiques. Chapitre 5

— On garde, dans le nouveau système L1 , L2 et on remplace L3 par 5L3 + L2 :



 L1 1 = y1 +2y2 +y3
L2 1 = 0 +5y2 +2y3
 5L + 3L −2 = 0 0

+y3
3 2

On en déduit
y3 = −2
puis L2 s’écrit 1 = 5y2 − 4 soit
y2 = 1
et enfin L1 donne 1 = y1 + 2 − 2 soit
y1 = 1.
Ainsi les composantes de →
−
u relatives à la base {→
−
e1 , →
−
e2 , →
−
e2 } sont (1, 1, −2).
(3) Remarquons que l’équation matricielle ne permet pas d’écrire directement les nouvelles
composantes. Si P −1 est la matrice de passage de la base B 0 à la base B, on aura alors
   
y1 1
−1  
y = P 0
 
 2
y3 1
Nous devons calculer la matrice P −1 dont les colonnes sont les composantes des vecteurs
→
− →− → −
i , j , k relatives à la base B 0 = {→−
e1 , →
−
e2 , →
−
e3 }. On a

→
− →
− →
− →
−
 e1 = i − j + 2 k


→
− →
− − →
→ −
e2 = 2 i + 3 j + k
 →

 − →
− → − → −
e3 = i + j + k
On en déduit →
−

→
− →
− → −
 e1 = i − j + 2 k
→
− →
−

→
−
e2 − 2→
−

e1 = 5 j − 3 k
 →
− − →
→ −
e −→ −


e =2j − k
3 1
ensuite →
−

→
− →
− → −
 e1 = i − j + 2 k
→
− →
−

→
−
e2 − 2→
−

e1 = 5 j − 3 k
→
−
5(→
−
e −→ −
e ) − 2(→
−
e − 2→−


e )= k

3 1 2 1
Ainsi
→
−
k = −→−
e1 − 2→
−
e 2 + 5→
−
e3
et la deuxième équation donne
→
− →
−
e − 2→
2
−
e = 5 j − 3(−→
1
−e − 2→−e + 5→
−
e ) 1 2 3

soit
→
−
5 j = −5→
−
e1 − 5→
−
e2 + 15→
−
e3
c’est-à-dire
→
−
j = −→
−
e1 − →
−
e2 + 3→
−
e3 .
Enfin la première équation donne
→
− →
−
e = i − (−→
1
−
e −→−
e + 3→
1
−
e ) + 2(−→
2
−e − 2→
3
−
e + 5→
−
e ) 1 2 3
 Elisabeth Remm 17

soit
→
−
i = 2→−
e1 + 3→−
e2 − 7→
−
e3
Ecrivons les composantes de ces trois vecteurs en colonne, on trouve
 
2 1 −1
P −1 =  3 −1 −2
 
−7 3 5
et donc    
y1 1
−1  
 2  = P 0
y
 
y3 1
soit      
y1 2 1 −1 1
y2  =  3 −1 −2 · 0
     
y3 −7 3 5 1
et donc    
y1 1
y2  =  1 
   
y3 −2
On retrouve le résultat.
Remarque Calculons P −1 en utilisant la comatrice de P . Tout d’abord
det P = 1.
Les mineurs des coefficients deP sont
 
2 −3 −7
 1 −1 −3
 
−1 2 5
On en déduit  
2 3 −7
−1 −1 3 
Cof (P ) =  
−1 −2 5
et donc  
2 −1 −1
−1
P =  3 −1 −2
 
−7 3 5
−1
La relation Y = P X où X (respectivement Y ) est la matrice des composantes xi (resp.
yi ) de →
−
u , donne 
 y1 = 2x1 − x2 − x3 = 1

y2 = 3x1 − x2 − 2x3 = 1
 y = −7x + 3x + 5x = −2

3 1 2 3