4

CALCULS MATRICIELS
• • •

4.1 GÉNÉRALITÉS

4.1.1 Définitions
Une matrice A est un tableau rectangulaire d’éléments de ℝ (matrice réelle) ou ℂ
(matrice complexe).
Un tel tableau est représenté de la manière suivante :

⎡ 𝑎11 𝑎12 ⋯ 𝑎1𝑗 ⋯ 𝑎1𝑝 ⎤

⎢ 𝑎21 𝑎22 ⋯ 𝑎2𝑗 ⋯ 𝑎2𝑝 ⎥
⎢ ⎥
⋮ ⋮ ⋯ ⋮ ⋯ ⋮
A=⎢ ⎥, notation 𝐴 = (𝑎 ) 1≤𝑖≤𝑛 .
𝑖𝑗
⎢ 𝑎𝑖1 𝑎𝑖2 ⋯ 𝑎𝑖𝑗 ⋯ 𝑎𝑖𝑝 ⎥ 1≤𝑗≤𝑝
⎢ ⋮ ⋮ ⋯ ⋮ ⋯ ⋮ ⎥
⎢ ⎥
⎣ 𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑗 ⋯ 𝑎𝑛𝑝 ⎦

∙ Elle est dite de taille (𝑛, 𝑝) si le tableau possède 𝑛 lignes et 𝑝 colonnes.

∙ Les éléments du tableau sont appelés les coefficients de 𝐴.
∙ Le coefficient situé à la 𝑖-ème ligne et à la 𝑗-ème colonne est noté 𝑎𝑖𝑗 .
L’ensemble des matrices réelles de types (𝑛, 𝑝) est noté :𝑛,𝑝 (ℝ).

Exemple 4.1.1.
⎛8 1 6⎞ ⎡ 1 2 3 4⎤
Les matrices 𝐴 = ⎜3 5 7 et 𝐵 = 5 6 7 8 ⎥ sont respectivement de type
⎟ ⎢
⎜ ⎟ ⎢ ⎥
⎝4 9 2⎠ ⎣−4 −3 −2 −1⎦
(3, 3) et (3, 4) ; on a 𝑎32 = 9 et 𝑏33 = −2.

4.1.2 Différents types de matrices

a) Matrice carrée d’ordre 𝑛
C’est une matrice à 𝑛 lignes et 𝑛 colonnes ; les termes 𝑎𝑖𝑖 constituent la diagonale
principale. L’ensemble des matrices carrées réelles d’ordre 𝑛 est noté 𝑛 (ℝ).
 Exemple 4.1.2.
⎛𝑎11 𝑎12 𝑎13 𝑎14 ⎞
⎜𝑎 𝑎22 𝑎23 𝑎24 ⎟
Pour 𝑛 = 4, on a 𝐴 = ⎜ ⎟ ; les éléments de la diagonale principale sont :
21
⎜𝑎31 𝑎32 𝑎33 𝑎34 ⎟
⎜𝑎 𝑎42 𝑎43 𝑎44 ⎟⎠
⎝ 41
𝑎11 , 𝑎22 , 𝑎33 et 𝑎44 .
⎛8 1 6⎞
𝐵 = ⎜3 5 7⎟ est une matrice carrée d’ordre 3 dont les éléments de la diagonale
⎜ ⎟
⎝4 9 2⎠
principale sont : 8, 5, et 2.

b) Matrice diagonale
C’est une matrice carrée telle que, tous les termes qui ne sont pas sur la diagonale
principale sont nuls : (𝑎𝑖𝑗 = 0 si 𝑖 ≠ 𝑗).

Exemple 4.1.3.
⎛𝑎11 0 0 0⎞
⎜0 𝑎 0 0⎟ ⎛8 0 0 ⎞
Les matrices s𝐴 = et 𝐵 = ⎜0 0 0⎟ sont diagonales.
⎜ 22 ⎟
⎜0 0 𝑎33 0 ⎟ ⎜ ⎟
⎜0 ⎟ ⎝0 0 2 ⎠
⎝ 0 0 𝑎44 ⎠

c) Matrice unité d’ordre 𝑛

C’est la matrice diagonale d’ordre 𝑛 telle que tous les termes de la diagonale principale
valent 1 et les autres sont nuls.
{
1 si 𝑖 = 𝑗
0 si 𝑖 ≠ 𝑗
On note 𝐼𝑛 = (𝛿𝑖𝑗 )1≤𝑖,𝑗≤𝑛 avec 𝛿𝑖𝑗 = .

Exemple 4.1.4.
( ) ⎛1 0 0⎞
1 0
𝐼2 = et 𝐼3 = ⎜0 1 0⎟ sont les matrices unités respectivement d’ordre 2 et 3.
0 1 ⎜ ⎟
⎝0 0 1⎠

d) Matrice triangulaire supérieure

C’est une matrice carrée telle que tous les termes en dessous de la diagonale principale
sont nuls : (𝑎𝑖𝑗 = 0 si 𝑖 > 𝑗).

Exemple 4.1.5.
⎛𝑎11 𝑎12 𝑎13 𝑎14 ⎞
⎜0 𝑎 𝑎24 ⎟ ⎛8 1 0⎞
21 𝑎23 ⎟ et 𝐵 = ⎜0 5 7⎟ sont des matrices triangulaires supérieures.
𝐴=⎜
⎜0 0 𝑎33 𝑎34 ⎟ ⎜ ⎟
⎜0 ⎟ ⎝0 0 2⎠
⎝ 0 0 𝑎44 ⎠

15
 e) Matrice triangulaire inférieure
C’est une matrice carrée telle que tous les termes au-dessus de la diagonale principale
sont nuls : (𝑎𝑖𝑗 = 0 si 𝑖 < 𝑗).

Exemple 4.1.6.
⎛𝑎11 0 0 0⎞
⎜𝑎 𝑎22 0 0⎟ ⎛8 0 0⎞
𝐴=⎜
21 ⎟ et 𝐵 = ⎜0 5 0⎟ sont des matrices triangulaires inférieures.
⎜𝑎31 𝑎32 𝑎33 0 ⎟ ⎜ ⎟
⎜𝑎 ⎟ ⎝4 9 0⎠
⎝ 41 𝑎42 𝑎43 𝑎44 ⎠

f) Matrice ligne
( )
C’est une matrice de type (1, 𝑛), formée d’une seule ligne : 𝑎11 𝑎12 ⋯ 𝑎1𝑛 .
g) Matrice colonne
⎛𝑎11 ⎞
⎜𝑎 ⎟
C’est une matrice de type (𝑛, 1), formée d’une seule colonne : ⎜ 21 ⎟.
⋮
⎜ ⎟
⎝𝑎𝑛1 ⎠
• • •

4.2 OPÉRATIONS SUR LES MATRICES

4.2.1 Somme de deux ma matrices

Elle se fait entre matrices de même type et on fait l’addition composante par com-
posante de même position. Soient 𝐴 = (𝑎𝑖𝑗 ) 1≤𝑖≤𝑛 et 𝐵 = (𝑏𝑖𝑗 ) 1≤𝑖≤𝑛 deux matrices de
𝑛,𝑝 (ℝ).
1≤𝑗≤𝑝 1≤𝑗≤𝑝

On pose :
𝐴 + 𝐵 = (𝑎𝑖𝑗 + 𝑏𝑖𝑗 ) 1≤𝑖≤𝑛 .
1≤𝑗≤𝑝

Exemple (4.2.1. ) ( )
deux matrices de 2,3 (ℂ).
2 −1 1 − 𝑖 3 1 −1 + 𝑖
Soient 𝐴 = et 𝐵 =
−3 −1 + 𝑖 2 −3 1 𝑖
( ) ( )
2+3 −1 + 1 (1 − 𝑖) + (−1 + 𝑖) 5 0 0
𝐴+𝐵 = = .
−3 + (−3) (−1 + 𝑖) + 1 2+𝑖 −6 𝑖 2 + 𝑖

Propriété 4.2.1.
L’addition des( matrices est) commutative, associative et admet la matrice nulle pour élé-
ment neutre. 𝑛,𝑝 (ℝ), + et 𝑛,𝑝 (ℂ), + sont des groupes abéliens.
( )

16
4.2.2 Produit d’une matrices par un scalaire
Si 𝐴 = (𝑎𝑖𝑗 ) 1≤𝑖≤𝑛 est une matrice et 𝜆 ∈ ℝ ou ℂ, alors le produit de 𝐴 par 𝜆 est la
1≤𝑗≤𝑝
matrice 𝜆𝐴 = (𝜆𝑎𝑖𝑗 ) 1≤𝑖≤𝑛 .
1≤𝑗≤𝑝

Exemple( 4.2.2.
)
une matrice de 2 (ℝ). On a :
0 1
Soit 𝐴 =
2 2
( ) ( )
3×0 3×1 0 3
3𝐴 = = .
3×2 3×2 6 6

4.2.3 Produit de deux matrices

Soient 𝐴 = (𝑎𝑖𝑗 ) 1≤𝑖≤𝑛 une matrice de type (𝑛, 𝑝) et 𝐵 = (𝑏𝑖𝑗 ) 1≤𝑖≤𝑝 une matrice de type
1≤𝑗≤𝑝 1≤𝑗≤𝑞
(𝑝, 𝑞). Alors le produit 𝐶 = 𝐴 × 𝐵 est une matrice de type (𝑛, 𝑝) dont les coefficients
(𝑐𝑖𝑘 ) 1≤𝑖≤𝑛 sont donnés par la formule suivante :
1≤𝑘≤𝑞

∑
𝑝
( ) ⎛ 𝑏1𝑘 ⎞
𝑐𝑖𝑘 = 𝑎𝑖𝑗 𝑏𝑗𝑘 = 𝑎𝑖1 𝑏1𝑘 + 𝑎𝑖2 𝑏2𝑘 + ⋯ + 𝑎𝑖𝑝 𝑏𝑝𝑘 = 𝑎𝑖1 ⋯ 𝑎𝑖𝑝 × ⎜ ⋮ ⎟.
⎜ ⎟
𝑗=1 ⎝𝑏𝑝𝑘 .⎠

Il est commode de disposer les calculs de la façon suivante :

⎡ 𝑎11 𝑎12 ⋯ 𝑎1𝑗 ⋯ 𝑎1𝑝 ⎤ ⎡ 𝑎11 𝑎12 ⋯ 𝑎1𝑘 ⋯ 𝑎1𝑞 ⎤

⎢ 𝑎21 𝑎22 ⋯ 𝑎2𝑗 ⋯ 𝑎2𝑝 ⎥ ⎢ 𝑎21 𝑎22 ⋯ 𝑎2𝑘 ⋯ 𝑎2𝑞 ⎥
⎢ ⎥ ⎢ ⎥
⋮ ⋮ ⋯ ⋮ ⋯ ⋮ ⋮ ⋮ ⋯ ⋮ ⋯ ⋮
𝐴×𝐵 =⎢ ⎥×⎢ ⎥
⎢ 𝑎𝑖1 𝑎𝑖2 ⋯ 𝑎𝑖𝑗 ⋯ 𝑎𝑖𝑝 ⎥ ⎢ 𝑎𝑗1 𝑎𝑗2 ⋯ 𝑎𝑗𝑘 ⋯ 𝑎𝑗𝑞 ⎥
⎢ ⋮ ⋮ ⋯ ⋮ ⋯ ⋮ ⎥ ⎢ ⋮ ⋮ ⋯ ⋮ ⋯ ⋮ ⎥
⎢ ⎥ ⎢ ⎥
⎣ 𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑗 ⋯ 𝑎𝑛𝑝 ⎦ ⎣ 𝑎𝑝1 𝑎𝑝2 ⋯ 𝑎𝑝𝑘 ⋯ 𝑎𝑝𝑞 ⎦

Pour obtenir le terme 𝑐𝑖𝑘 de la matrice 𝐴×𝐵, on multiplie les composantes de la 𝑖𝑒𝑚𝑒 ligne
de 𝐴 par celles de la 𝑘𝑒𝑚𝑒 colonne de 𝐵 dans l’ordre et on fait la somme des produits. On
dit que l’on fait le produit : lignes par colonnes.

Exemple 4.2.3.
Soient 𝐴 et 𝐵 deux matrices. Dans chacun des cas suivants, calculons 𝐴 × 𝐵.
⎛𝑎 𝑏 𝑐 ⎞ ⎛ 𝑗 𝑘 𝑙⎞
a) 𝐴 = 𝑑 𝑒 𝑓 et 𝐵 = ⎜𝑚 𝑛 𝑜⎟.
⎜ ⎟
⎜ ⎟ ⎜ ⎟
⎝𝑔 ℎ 𝑖 ⎠ ⎝ 𝑝 𝑞 𝑟⎠

17
 On a :
⎛𝑎 𝑏 𝑐 ⎞ ⎛ 𝑗 𝑘 𝑙 ⎞
𝐴 × 𝐵 = ⎜𝑑 𝑒 𝑓 ⎟ × ⎜𝑚 𝑛 𝑜⎟
⎜ ⎟ ⎜ ⎟
⎝𝑔 ℎ 𝑖 ⎠ ⎝ 𝑝 𝑞 𝑟⎠
⎛𝑎 × 𝑗 + 𝑏 × 𝑚 + 𝑐 × 𝑝 𝑎 × 𝑘 + 𝑏 × 𝑛 + 𝑐 × 𝑞 𝑎 × 𝑙 + 𝑏 × 𝑜 + 𝑐 × 𝑟⎞
= ⎜𝑑 × 𝑗 + 𝑒 × 𝑚 + 𝑓 × 𝑝 𝑑 × 𝑘 + 𝑒 × 𝑛 + 𝑓 × 𝑞 𝑑 × 𝑙 + 𝑒 × 𝑜 + 𝑓 × 𝑟⎟
⎜ ⎟
⎝𝑔 × 𝑗 + ℎ × 𝑚 + 𝑖 × 𝑝 𝑔 × 𝑘 + ℎ × 𝑛 + 𝑖 × 𝑞 𝑔 × 𝑙 + ℎ × 𝑜 + 𝑖 × 𝑟⎠
⎛ 𝑎𝑗 + 𝑏𝑚 + 𝑐𝑝 𝑎𝑘 + 𝑏𝑛 + 𝑐𝑞 𝑎𝑙 + 𝑏𝑜 + 𝑐𝑟 ⎞
= ⎜𝑑𝑗 + 𝑒𝑚 + 𝑓 𝑝 𝑑𝑘 + 𝑒𝑛 + 𝑓 𝑞 𝑑𝑙 + 𝑒𝑜 + 𝑓 𝑟⎟ .
⎜ ⎟
⎝ 𝑔𝑗 + ℎ𝑚 + 𝑖𝑝 𝑔𝑘 + ℎ𝑛 + 𝑖𝑞 𝑔𝑙 + ℎ𝑜 + 𝑖𝑟 ⎠
( ) ( )
3 −1 1 0 −5
b) 𝐴 = et 𝐵 = .
1 5 0 1 3
On a :
( ) ( )
3 −1 1 0 −5
𝐴×𝐵 = ×
1 5 0 1 3
( )
3 × 1 + (−1) × 0 3 × 0 + (−1) × 1 3 × (−5) + (−1) × 3
=
1×1+5×0 1×0+5×1 1 × (−5) + 5 × 3
( )
3 −1 −18
= .
1 5 10

⎛𝑎 𝑏 𝑐 ⎞ ⎛1 0 0⎞
c) 𝐴 = 𝑑 𝑒 𝑓 et 𝐵 = 𝐼3 = ⎜0 1 0⎟.
⎜ ⎟
⎜ ⎟ ⎜ ⎟
⎝𝑔 ℎ 𝑖 ⎠ ⎝0 0 1⎠
On a :
⎛ 𝑎 𝑏 𝑐 ⎞ ⎛1 0 0⎞
𝐴 × 𝐵 = ⎜𝑑 𝑒 𝑓 ⎟ × ⎜0 1 0⎟
⎜ ⎟ ⎜ ⎟
⎝ 𝑔 ℎ 𝑖 ⎠ ⎝0 0 1⎠
⎛𝑎 × 1 + 𝑏 × 0 + 𝑐 × 0 𝑎 × 0 + 𝑏 × 1 + 𝑐 × 0 𝑎 × 0 + 𝑏 × 0 + 𝑐 × 1⎞
= ⎜𝑑 × 1 + 𝑒 × 0 + 𝑓 × 0 𝑑 × 0 + 𝑒 × 1 + 𝑓 × 0 𝑑 × 0 + 𝑒 × 0 + 𝑓 × 1⎟
⎜ ⎟
⎝𝑔 × 1 + ℎ × 0 + 𝑖 × 0 𝑔 × 0 + ℎ × 1 + 𝑖 × 0 𝑔 × 0 + ℎ × 0 + 𝑖 × 1⎠
⎛𝑎 𝑏 𝑐 ⎞
= ⎜𝑑 𝑒 𝑓 ⎟ .
⎜ ⎟
⎝𝑔 ℎ 𝑖 ⎠

Propriété 4.2.2.
Soient 𝐴, 𝐵 et 𝐶 trois matrices.
− La multiplication matricielle est associative : 𝐴 × (𝐵 × 𝐶) = (𝐴 × 𝐵) × 𝐶
− La multiplication matricielle est distributive par rapport à l’addition

𝐴 × (𝐵 + 𝐶) = 𝐴 × 𝐵 + 𝐴 × 𝐶 et (𝐵 + 𝐶) × 𝐴 = 𝐵 × 𝐴 + 𝐶 × 𝐴 .

18
 − La multiplication matricielle admet un élément neutre qui est 𝐼𝑛 (matrice unité
d’ordre 𝑛).
− 𝐴 × 𝐼𝑛 = 𝐼𝑛 × 𝐴 = 𝐴 si 𝐴 est une matrice carrée d’ordre 𝑛 .
⎧ 𝐴×𝐴×…×𝐴 si 𝑝 ∈ ℕ
⎪ ⏟⏞⏞⏞⏞⏞⏞⏞⏟⏞⏞⏞⏞⏞⏞⏞⏟
⎪ 𝑝 fois
− 𝐴𝑝 = ⎨ −1 , si 𝐴 est une matrice carrée d’ordre 𝑛
𝐴 × 𝐴 −1
× … × 𝐴 −1
⎪ ⏟⏞⏞⏞⏞⏞⏞⏞⏞⏞⏞⏞⏞⏞⏟⏞⏞⏞⏞⏞⏞⏞⏞⏞⏞⏞⏞⏞⏟ si − 𝑝 ∈ ℕ
⎪ 𝑝 fois
. ⎩

Propriété 4.2.3 (Binôme de Newton).

Si 𝐴 et 𝐵 sont deux matrices carrées d’ordre 𝑛 qui commutent, c’est-à-dire 𝐴×𝐵 = 𝐵×𝐴,
alors on a :
∑𝑚
(𝐴 + 𝐵) =
𝑚
𝐶𝑚𝑘 𝐴𝑘 × 𝐵 𝑚−𝑘 .
𝑘=1

Remarque 4.2.1.
Soient 𝐴, 𝐵 et 𝐶 trois matrices.
− 𝐴 × 𝐵 n’est définie que si nombre de colonnes de la matrice 𝐴 soit égale au nombre
de lignes de la matrice 𝐵.
− La multiplication est non commutative : 𝐴 × 𝐵 ≠ 𝐵 × 𝐴 en général.
− 𝐴 × 𝐵 = 0 n’implique pas 𝐴 = 0 ou 𝐵 = 0.
− 𝐴 × 𝐵 = 𝐴 × 𝐶 n’implique pas 𝐵 = 𝐶.

4.2.4 Transposée d’une matrice

On appelle transposée de la matrice 𝑀 la matrice notée 𝑡𝑀 dont les colonnes (respec-
tivement les lignes ) sont les lignes (respectivement sont les colonnes )de 𝑀.
Si 𝑀 = (𝑎𝑖𝑗 ) 1≤𝑖≤𝑛 alors 𝑡𝑀 = (𝑏𝑖𝑗 ) 1≤𝑖≤𝑝 avec 𝑏𝑖𝑗 = 𝑎𝑖𝑗 .
1≤𝑗≤𝑝 1≤𝑗≤𝑛

Exemple 4.2.4.
⎛𝑎 𝑏 𝑐 ⎞ ⎛1 2⎞
⎜3 4⎟
Soient 𝐴 = ⎜𝑑 𝑒 𝑓 ⎟ et 𝐵 = ⎜ deux matrices.
⎜ ⎟ 5 6⎟
⎝𝑔 ℎ 𝑖 ⎠ ⎜ ⎟
⎝7 8⎠
On a :
⎛𝑎 𝑑 𝑔 ⎞ ( )
1 3 5 7
𝑡
𝐴 = ⎜𝑏 𝑒 ℎ⎟ et 𝐵 =
𝑡
.
⎜ ⎟ 2 4 6 8
⎝𝑐 𝑓 𝑖 ⎠

Propriété 4.2.4.
Soient 𝐴 et 𝐵 deux matrices.
− 𝑡(𝐴 + 𝐵) = 𝑡𝐴 + 𝑡𝐵.
− 𝑡(𝐴 × 𝐵) = 𝑡𝐵 × 𝑡𝐴.

19
 • • •

4.3 DÉTERMINANTS
Définition 4.3.1.
Soit 𝑀 = (𝑎𝑖𝑗 ) 1≤𝑖≤𝑛 une matrice carrée d’ordre 𝑛. On appelle déterminant de 𝑀 le
1≤𝑗≤𝑝
nombre noté :
∑ ∏
𝑛
𝑑𝑒𝑡(𝑀) = 𝜖(𝜎) 𝑎𝑖𝜎(𝑖) .
𝜎∈𝑆𝑛 𝑖=1

Exercice 1
Calculer la somme de la formule du déterminant pour 𝑛 = 2. On rappelle
que, pour 𝑛 = 2 :
( ) { ( ) ( )}
1 2 1 2
et 𝑆𝑛 = 𝜎0 =
𝑎11 𝑎12
𝑀= , 𝜎1 = .
𝑎21 𝑎22 1 2 2 1

4.3.1 Déterminants d’ordre 2

( )
|𝑎 𝑎 |
Si 𝑀 = alors 𝑑𝑒𝑡(𝐴) = || 11 12 || = 𝑎11 𝑎22 − 𝑎21 𝑎12 .
𝑎11 𝑎12
𝑎21 𝑎22 |𝑎21 𝑎22 |

4.3.2 Déterminants d’ordre 3

⎛𝑎11 𝑎12 𝑎13 ⎞
Soit 𝐴 = ⎜𝑎21 𝑎22 𝑎23 ⎟.
⎜ ⎟
⎝𝑎31 𝑎32 𝑎33 ⎠
1) Par la méthode de SARRUS
On complète par les deux premières colonnes à droite (ou par les 2 premières lignes
en bas).

𝑎11 𝑎12 𝑎13 𝑎11 𝑎12

𝑑𝑒𝑡(𝐴) = 𝑎21 𝑎22 𝑎23 𝑎21 𝑎22

𝑎31 𝑎32 𝑎33 𝑎31 𝑎32

( ) ( )
= 𝑎11 𝑎22 𝑎33 + 𝑎12 𝑎23 𝑎31 + 𝑎13 𝑎21 𝑎32 − 𝑎13 𝑎22 𝑎31 + 𝑎11 𝑎23 𝑎32 + 𝑎12 𝑎21 𝑎33 .

Exemple 4.3.1.
⎛−1 −2 3⎞
Calculons le déterminant de la matrice suivante : 𝐴 = ⎜ 3 0 1⎟ .
⎜ ⎟
⎝−1 4 5⎠

20
 −1 −2 3 −1 −2

𝑑𝑒𝑡(𝐴) = 3 0 1 3 0

−1 4 5 −1 4

= [(−1) × 0 × 5 + (−2) × 1 × (−1) + 3 × 3 × 4] − [(−1) × 0 × 3 + 4 × 1 × (−1) + 5 × 3 × (−2)]

= 38 − (−34)

= 72.

2) Par développement suivant une ligne ou une colonne (Méthode des cofacteurs)

⎡ 𝑎11 𝑎12 ⋯ 𝑎1𝑗 ⋯ 𝑎1𝑛 ⎤

⎢ 𝑎21 𝑎22 ⋯ 𝑎2𝑗 ⋯ 𝑎2𝑛 ⎥
⎥, aven 𝑛 ≥ 2 .
⎢ ⎥
⋮ ⋮ ⋯ ⋮ ⋯ ⋮
A=⎢
⎢ 𝑎𝑖1 𝑎𝑖2 ⋯ 𝑎𝑖𝑗 ⋯ 𝑎𝑖𝑛 ⎥
⎢ ⋮ ⋮ ⋯ ⋮ ⋯ ⋮ ⎥
⎢ ⎥
⎣ 𝑎𝑛1 𝑎𝑛2 ⋯ 𝑎𝑛𝑗 ⋯ 𝑎𝑛𝑛 ⎦
− On note 𝐴𝑖𝑗 la matrice déduite de 𝐴 par suppression de la ligne 𝑖 et de la colonne 𝑗.
− On appelle cofacteur de l’élément 𝑎𝑖𝑗 le nombre (−1)𝑖+𝑗 𝑑𝑒𝑡(𝐴𝑖𝑗 ).
∑ 𝑛
Alors 𝑑𝑒𝑡(𝐴) = (−1)𝑖+𝑗 𝑎𝑖𝑗 𝑑𝑒𝑡(𝐴𝑖𝑗 ) (développement suivant la colonne 𝑗 qui est fixée)
𝑖=1
∑
𝑛
ou encore 𝑑𝑒𝑡(𝐴) = (−1)𝑖+𝑗 𝑎𝑖𝑗 𝑑𝑒𝑡(𝐴𝑖𝑗 ) (développement suivant la colonne 𝑖 qui est
𝑗=1
fixée).

Détermination pratique des signes (−1)𝑖+𝑗

On attribue à chacun des éléments 𝑎𝑖𝑗 un signe + ou − en procédant comme suit : on

associe un signe positif (+) à la position 𝑎11 , puis on alterne les signes en se déplaçant
horizontalement ou verticalement.

Exemple 4.3.2 (Cas 𝑛 = 3).

⎛𝑎11 𝑎12 𝑎13 ⎞ ⎛𝑎+11 𝑎−12 𝑎+13 ⎞
Soit 𝐴 = ⎜𝑎21 𝑎22 𝑎23 ⎟. Alors on a : 𝐴 = ⎜𝑎−21 𝑎+22 𝑎−23 ⎟.
⎜ ⎟ ⎜ + − +⎟
⎝𝑎31 𝑎32 𝑎33 ⎠ ⎝𝑎31 𝑎32 𝑎33 ⎠
La formule du déterminant par le développement suivant la première ligne est :

|𝑎11 𝑎12 𝑎13 |

| | |𝑎 𝑎 | |𝑎 𝑎 | |𝑎 𝑎 |
𝑑𝑒𝑡(𝐴) = ||𝑎21 𝑎22 𝑎23 || = 𝑎11 || 22 23 || − 𝑎12 || 21 23 || + 𝑎13 || 21 22 || .
|𝑎 | |𝑎32 𝑎33 | |𝑎31 𝑎33 | |𝑎31 𝑎32 |
| 31 𝑎32 𝑎33 |

21
 La formule du déterminant par le développement suivant la deuxième colonne est :

|𝑎11 𝑎12 𝑎13 |

| | |𝑎 𝑎 | |𝑎 𝑎 | |𝑎 𝑎 |
𝑑𝑒𝑡(𝐴) = ||𝑎21 𝑎22 𝑎23 || = −𝑎21 || 21 23 || + 𝑎22 || 11 13 || + 𝑎32 || 11 13 || .
|𝑎 | |𝑎31 𝑎33 | |𝑎31 𝑎33 | |𝑎21 𝑎23 |
| 31 𝑎32 𝑎33 |

⎛−1 −2 3⎞
Exercice 2
Calculer le déterminant de la matrice 𝐴 = ⎜ 3 0 1⎟ par le développe-
⎜ ⎟
⎝−1 4 5⎠
ment suivant la troisième ligne.

Propriété 4.3.1.
Soient 𝐴 et 𝐵 deux matrices carrées d’ordre 𝑛. On a les résultats et les règles de calcul
suivants :
∙ 𝑑𝑒𝑡(𝐴) = 0 si deux colonnes (respectivement deux lignes) sont égales ou proportion-
nelles ou si une colonne (respectivement une ligne) est nulle ;
∙ 𝑑𝑒𝑡(𝐴) change de signe si on permute deux colonnes ;
∙ 𝑑𝑒𝑡(𝐴) ne change pas de valeur si on ajoute à une colonne (respectivement à une
ligne) une combinaison linaire des autres colonnes(respectivement des autre lignes)

𝐿𝑖 ← 𝐿𝑖 + 𝜆𝐿𝑗 ou 𝐶𝑖 ← 𝐶𝑖 + 𝜆𝐶𝑗 avec 𝜆 ∈ ℝ ou ℂ ;

∙ 𝑑𝑒𝑡(𝐴) est multiplié par 𝜆 si on remplace la colonne 𝑗 par 𝜆𝑗 ;

∙ 𝑑𝑒𝑡(𝐴 × 𝐵) = 𝑑𝑒𝑡(𝐴) × 𝑑𝑒𝑡(𝐵) ;
∙ 𝑑𝑒𝑡(𝜆𝐴) = 𝜆𝑛 𝑑𝑒𝑡(𝐴)), 𝜆 ∈ ℝ ;
∙ Le déterminant d’une matrice triangulaire, en particulier celui d’une matrice diago-
nale, est égal au produit des éléments de la diagonale principale.
∙ Le déterminant est factorisable suivant une ligne ou une colonne.
∙ Le déterminant d’une matrice est égal à celui de sa transposée : 𝑑𝑒𝑡(𝐴) = 𝑑𝑒𝑡(𝑡𝐴).

Exemple 4.3.3 (déterminant factorisable suivant une ligne ou une colonne).

⎛𝜆𝑎 𝜆𝑏 𝜆𝑐 ⎞ ⎛ 𝑎 𝜃𝑏 𝑐 ⎞
Calculons le déterminant des matrices 𝐴 = 𝑑 𝑒 𝑓 et 𝐵 = ⎜𝑑 𝜃𝑒 𝑓 ⎟ .
⎜ ⎟
⎜ ⎟ ⎜ ⎟
⎝𝑔 ℎ 𝑖 ⎠ ⎝𝑔 𝜃ℎ 𝑖 ⎠
On a :

|𝜆𝑎 𝜆𝑏 𝜆𝑐 | |𝑎 𝑏 𝑐 |
| | | |
𝑑𝑒𝑡(𝐴) = || 𝑑 𝑒 𝑓 || = 𝜆 ||𝑑 𝑒 𝑓 ||
|𝑔 ℎ 𝑖 | |𝑔 ℎ 𝑖 |
| | | |
et
| 𝑎 𝜃𝑏 𝑐 | |𝑎 𝑏 𝑐 |
| | | |
𝑑𝑒𝑡(𝐵) = ||𝑑 𝜃𝑒 𝑓 || = 𝜃 ||𝑑 𝑒 𝑓 || .
| 𝑔 𝜃ℎ 𝑖 | |𝑔 ℎ 𝑖 |
| | | |

22
Exercice 3
Calculer le déterminant des matrices suivantes :

⎛1 1 1⎞ ⎛1 2 3 ⎞ ⎛ 1 2 1 0⎞
⎜ 0 3 1 1⎟
𝐴 = ⎜𝑎 𝑏 𝑐 ⎟, 𝐵 = ⎜0 3 −1⎟ , et 𝐶=⎜ .
⎜ 2 2 2⎟ ⎜ ⎟ −1 0 3 1⎟
⎝𝑎 𝑏 𝑐 ⎠ ⎝0 0 −2⎠ ⎜ ⎟
⎝ 3 1 2 0⎠
• • •

4.4 RANG D’UNE MATRICE

Définition 4.4.1.
Le rang d’une matrice 𝐴 (quelconque) est l’ordre maximum des matrices carrées de dé-
terminant non nul qu’on peut extraire de 𝐴.

Exemple 4.4.1.
⎛1 2 3 ⎞
Déterminons le rang de la matrice suivante 𝐴 = ⎜0 3 −1⎟.
⎜ ⎟
⎝0 0 0 ⎠
𝑑𝑒𝑡(𝐴) = 0, donc 𝑟𝑎𝑛𝑔(𝐴) < 3 ; alors 𝑟𝑎𝑛𝑔(𝐴) ≤ 2. On cherche alors une matrice
| = 11 ≠ 0, donc 𝑟𝑎𝑛𝑔(𝐴) = 2.
|2 3|
carrée d’ordre 2 de determinant non nul. Ici : || |
|3 1 |
Calcul du Rang (par le Pivot de Gauss )

Définition 4.4.2 (Opérations élémentaires).

Soit 𝜆 ∈ ℝ ou ℂ. Les opérations suivantes sur une matrice sont appelées opérations
élémentaires de Gauss :
− Échange de position entre une ligne 𝑖 et une ligne 𝑗, on note : 𝐿𝑖 ⟷ 𝐿𝑗 ;
− Multiplication d’une ligne par un scalaire non nul : 𝐿𝑖 ⟵ 𝜆𝐿𝑖 ;
− Ajout d’une combinaison linéaire à une ligne : 𝐿𝑖 ⟵ 𝐿𝑖 + 𝜆𝐿𝑗 .
− Échange de position entre une colonne 𝑖 et une colonne 𝑗, on note : 𝐶𝑖 ⟷ 𝐶𝑗 ;
− Multiplication d’une colonne par un scalaire non nul : 𝐶𝑖 ⟵ 𝜆𝐶𝑖 ;
− Ajout d’une combinaison linéaire à une colonne : 𝐶𝑖 ⟵ 𝐶𝑖 + 𝜆𝐶𝑗 .

Méthode : À l’aide des opérations élémentaires de Gauss on transforme la matrice de

départ en une matrice triangulaire supérieure de la manière suivante :
1. Si le coefficient 𝑎11 ≠ 0, alors on l’utilise pour éliminer tous les autres coefficients
non nuls de sa colonne. Sinon (𝑎11 = 0, on échange sa ligne avec celle d’un coefficient
non nul de sa colonne, puis on élimine tous les coefficients en dessous de 𝑎11 .
2. On procède de la même manière en utilisant 𝑎22 sur la colonne 2 de la nouvelle
matrice obtenue après l’étape 1 et ainsi de suite jusqu’à la dernière colonne, alors le
nombre de lignes non nulles est le rang de la matrice initiale.
NB :Nous pouvons cependant, remplacer 𝑎11 de l’étape 1 lorsque 𝑎11 ≠ 0 et 𝑎11 ≠ 1,
par la ligne d’un coefficient de valeur 1 de sa colonne s’il existe, ou carrément ramener
𝑎11 à 1 par une opération élémentaire afin de simplifier les calculs. On peut faire de même
avec 𝑎22 de l’étape 2, ainsi de suite.

23
 Exemple 4.4.2.
⎛ 2 5 1 ⎞ 𝐿1
⎜ 3 0 −6 ⎟ 𝐿2
Déterminons le rang de la matrice suivante : 𝐴 = ⎜
−1 4 6 ⎟ 𝐿3
⎜ ⎟
Ici 𝑎11 = 2 ≠ 0, pour simplifier les calculs, nous allons permuter 𝐿1 et 𝐿4 car il y a
⎝ 1 2 0 ⎠ 𝐿4

un "1" dans sa colonne à la quatrième ligne. On obtiendra une nouvelle matrice notée 𝐴1
avec 𝑎11 = 1 ≠ 0.
On a donc

⎛ 2 5 1 ⎞ 𝐿1 ⎛ 1 2 0 ⎞ 𝐿1
⎜ 3 0 −6 ⎟ 𝐿2 𝐿1 ⟷𝐿4 ⎜ 3 0 −6 ⎟ 𝐿2
𝐴= ⎜ ⟺ 𝐴1 = ⎜ .
−1 4 6 ⎟ 𝐿3 −1 4 6 ⎟ 𝐿3
⎜ ⎟ ⎜ ⎟
⎝ 1 2 0 ⎠ 𝐿4 ⎝ 2 5 1 ⎠ 𝐿4

Puis on élimine tous les coefficients en dessous de 𝑎11 par les opérations suivantes pour
obtenir une nouvelle matrice notée 𝐴2 :

𝐿2 ⟵ 𝐿2 − 3𝐿1 ; 𝐿3 ⟵ 𝐿3 + 𝐿1 ; 𝐿4 ⟵ 𝐿4 − 2𝐿1 .

On a donc

⎛ 1 2 0 ⎞ 𝐿1 𝐿2 ⟵ 𝐿2 − 3𝐿1
𝐿3 ⟵ 𝐿3 + 𝐿1 ⎛ 1 2 0 ⎞ 𝐿1
⎜ 3 0 −6 ⎟ 𝐿2 𝐿4 ⟵ 𝐿4 − 2𝐿1 ⎜ 0 −6 −6 ⎟ 𝐿2
𝐴1 = ⎜ ⟺ 𝐴2 = ⎜ .
−1 4 6 ⎟ 𝐿3 0 6 6 ⎟ 𝐿3
⎜ ⎟ ⎜ ⎟
⎝ 2 5 1 ⎠ 𝐿4 ⎝ 0 1 1 ⎠ 𝐿4

On passe maintenant à la deuxième étape avec 𝑎22 = −6 ≠ 0. Pour simplifier les calculs,
nous allons permuter 𝐿2 et 𝐿4 car il y a un "1" dans sa colonne à la quatrième ligne. On
obtiendra une nouvelle matrice notée 𝐴3 avec 𝑎22 = 1 ≠ 0.
On a donc

⎛ 1 2 0 ⎞ 𝐿1 ⎛ 1 2 0 ⎞ 𝐿1
⎜ 0 −6 −6 ⎟ 𝐿2 𝐿2 ⟷𝐿4 ⎜ 0 1 1 ⎟ 𝐿2
𝐴2 = ⎜ ⟺ 𝐴3 = ⎜ .
0 6 6 ⎟ 𝐿3 0 6 6 ⎟ 𝐿3
⎜ ⎟ ⎜ ⎟
⎝ 0 1 1 ⎠ 𝐿4 ⎝ 0 −6 −6 ⎠ 𝐿4

Puis on élimine tous les coefficients en dessous de 𝑎22 par les opérations suivantes pour
obtenir une nouvelle matrice notée 𝐴4 :

𝐿3 ⟵ 𝐿3 − 6𝐿2 ; 𝐿4 ⟵ 𝐿4 + 6𝐿1 .

On a donc

⎛ 1 2 0 ⎞ 𝐿1 𝐿3 ⟵ 𝐿3 − 6𝐿2 ⎛ 1 2 0 ⎞ 𝐿1
⎜ 0 1 1 ⎟ 𝐿2 𝐿4 ⟵ 𝐿4 + 6𝐿1 ⎜ 0 1 1 ⎟ 𝐿2
𝐴3 = ⎜ ⎟ ⟺ 𝐴4 = ⎜ ⎟ .
0 6 6 𝐿3 0 0 0 𝐿3
⎜ ⎟ ⎜ ⎟
⎝ 0 −6 −6 ⎠ 𝐿4 ⎝ 0 0 0 ⎠ 𝐿4

24
Comme en dessous de 𝑎22 les lignes sont nulles , on a 𝑟𝑎𝑛𝑔(𝐴4 ) = 2 (puisqu’on a exac-
tement 2 lignes nulles en dessous de 𝑎22 ).
On a donc :

𝑟𝑎𝑛𝑔(𝐴) = 𝑟𝑎𝑛𝑔(𝐴1 ) = 𝑟𝑎𝑛𝑔(𝐴2 ) = 𝑟𝑎𝑛𝑔(𝐴3 ) = 𝑟𝑎𝑛𝑔(𝐴4 ) = 2 .

⎛ 1 2 1 0⎞
Exercice 4 ⎜ 0 3 1 1⎟
Déterminer le rang de la matrice 𝐵 = ⎜ .
−1 0 3 1⎟
⎜ ⎟
⎝ 3 1 2 0⎠
⎛ 1 0 𝑥⎞
Exercice 5
Soit la matrice 𝐷 = ⎜ 2 3 𝑦⎟, où 𝑥, 𝑦 ∈ ℝ. Déterminer les conditions
⎜ ⎟
⎝−1 2 𝑥⎠
sur 𝑥 et 𝑦 pour que 𝑟𝑎𝑛𝑔(𝐷) = 2.

Correction
⎛ 1 0 𝑥⎞ 𝐿1
Voyons la procédure de détermination du rang de la matrice 𝐷 = ⎜ 2 3 𝑦 ⎟ 𝐿2
⎜ ⎟
. ⎝ −1 2 𝑥 ⎠ 𝐿3
Ici 𝑎11 = 1 ≠ 0, éliminons tous les coefficients en dessous de 𝑎11 par les opérations
suivantes pour obtenir une nouvelle matrice notée 𝐷1 :

𝐿2 ⟵ 𝐿2 − 2𝐿1 ; 𝐿3 ⟵ 𝐿3 + 𝐿1 .

On a donc

⎛ 1 0 𝑥⎞ 𝐿1 𝐿2 ⟵ 𝐿2 − 2𝐿1
𝐿3 ⟵ 𝐿3 + 𝐿1
⎛1 0 𝑥 ⎞ 𝐿1
𝐷= ⎜ 2 3 𝑦 ⎟ 𝐿2 ⟺ 𝐷1 = ⎜ 0 3 𝑦 − 2𝑥 ⎟ 𝐿2 .
⎜ ⎟ ⎜ ⎟
⎝ −1 2 𝑥 ⎠ 𝐿3 ⎝0 2 2𝑥 ⎠ 𝐿3

On passe maintenant à la deuxième étape avec 𝑎22 = 3 ≠ 0. Il n’y a pas de coefficient de

valeur "1" dans sa colonne. On élimine le seul coefficient en dessous de 𝑎22 par l’opération
suivante pour obtenir une nouvelle matrice notée 𝐷2 :

𝐿3 ⟵ 3𝐿3 − 2𝐿2 .

On a donc

⎛1 0 𝑥 ⎞ 𝐿1 𝐿3 ⟵3𝐿3 −2𝐿2
⎛1 0 𝑥 ⎞ 𝐿1
⎜
𝐷1 = 0 3 𝑦 − 2𝑥 ⎟ 𝐿2 ⟺ ⎜
𝐷2 = 0 3 𝑦 − 2𝑥 ⎟ 𝐿2 .
⎜ ⎟ ⎜ ⎟
⎝0 2 2𝑥 ⎠ 𝐿3 ⎝ 0 0 10𝑥 − 2𝑦 ⎠ 𝐿3

Comme 𝑟𝑎𝑛𝑔(𝐷) = 𝑟𝑎𝑛𝑔(𝐷1 ) = 𝑟𝑎𝑛𝑔(𝐷2 ) = 2, on devrait la ligne en dessous de 𝑎22

nulle, donc 10𝑥 − 2𝑦 = 0.

25
 Donc, on a :

𝑟𝑎𝑛𝑔(𝐷) = 2 ⟺ 10𝑥 − 2𝑦 = 0
⟺ 𝑦 = 5𝑥 .

Exercice 6
⎛ 𝑛 1 1⎞
Déterminer en fonction 𝑛 le rang de la matrice 𝑀𝑛 = ⎜1 𝑛 1⎟.
⎜ ⎟
⎝1 1 𝑛 ⎠
Correction
⎛ 𝑛 1 1 ⎞ 𝐿1
Déterminons le rang de la matrice suivante : 𝑀𝑛 = ⎜ 1 𝑛 1 ⎟ 𝐿2
⎜ ⎟
⎝ 1 1 𝑛 ⎠ 𝐿3
Ici 𝑎11 = 𝑛 ≠ 0, pour simplifier les calculs, nous allons permuter 𝐿1 et 𝐿3 car il y a
un "1" dans sa colonne à la troisième ligne. On obtiendra une nouvelle matrice notée 𝑀𝑛
′

avec 𝑎11 = 1 ≠ 0.
On a donc
⎛𝑛 1 1 ⎞ 𝐿1 𝐿1 ⟷𝐿3
⎛1 1 𝑛 ⎞ 𝐿1
𝑀𝑛 = ⎜ 1 𝑛 1 ⎟ ⟺ 𝑀𝑛 = ⎜ 1 𝑛 1 ⎟
′
𝐿2 𝐿2 .
⎜ ⎟ ⎜ ⎟
⎝1 1 𝑛 ⎠ 𝐿3 ⎝𝑛 1 1 ⎠ 𝐿3

Puis on élimine tous les coefficients en dessous de 𝑎11 par les opérations suivantes pour
obtenir une nouvelle matrice notée 𝑀𝑛 :
′′

𝐿2 ⟵ 𝐿2 − 𝐿1 ; 𝐿3 ⟵ 𝐿3 − 𝑛𝐿1 .

On a donc
⎛1 1 𝑛⎞ 𝐿1 𝐿2 ⟵ 𝐿2 − 𝐿1
𝐿3 ⟵ 𝐿3 − 𝑛𝐿1
⎛1 1 𝑛 ⎞ 𝐿1
𝑀𝑛 = ⎜ 1 𝑛 1 ⎟ ⎜ ⎟
′ ′′
𝐿2 ⟺ 𝑀𝑛 = 0 𝑛 − 1 1 − 𝑛 𝐿2 .
⎜ ⎟ ⎜ 2 ⎟
⎝𝑛 1 1⎠ 𝐿3 ⎝ 0 1−𝑛 1−𝑛 ⎠ 𝐿3

On passe maintenant à la deuxième étape avec 𝑎22 = 𝑛 − 1. Puisque le coefficient qui lui
est en dessous dépend de 𝑛, il sera donc pas utile d’échanger leurs lignes.
Si donc 𝑎22 = 𝑛 − 1 ≠ 𝑂, c’est-à-dire 𝑛 ≠ 1, alors on élimine le coefficient en dessous
de 𝑎22 par l’opération suivante pour obtenir une nouvelle matrice notée 𝑀𝑛 :
′′′

𝐿3 ⟵ 𝐿3 + 𝐿2 .

On a donc
⎛1 1 𝑛 ⎞ 𝐿1 𝐿3 ⟵𝐿3 +𝐿2
⎛1 1 𝑛 ⎞ 𝐿1
′′
⎜
𝑀𝑛 = 0 𝑛 − 1 1 − 𝑛 ⎟ 𝐿2 ⟺ ⎜′′′
𝑀𝑛 = 0 𝑛 − 1 1−𝑛 ⎟ 𝐿2 .
⎜ 2 ⎟ ⎜ ⎟
⎝ 0 1−𝑛 1−𝑛 ⎠ 𝐿3 ⎝0 0 2 − 𝑛 − 𝑛2 ⎠ 𝐿3

26
 On a donc

𝑟𝑎𝑛𝑔(𝑀𝑛 ) = 𝑟𝑎𝑛𝑔(𝑀𝑛 ) = 𝑟𝑎𝑛𝑔(𝑀𝑛 ) = 𝑟𝑎𝑛𝑔(𝑀𝑛 ) = 3 ⟺ 2 − 𝑛 − 𝑛2 ≠ 0 et 𝑛 ≠ 1

′ ′′ ′′′

⟺ 𝑛 ≠ 1 et 𝑛 ≠ −2 .

⎛1 1 1⎞
Si 𝑛 = 1, alors 𝑀𝑛 = ⎜0 0 0⎟ et on a :
′′′

⎜ ⎟
⎝0 0 0⎠
′ ′′ ′′′
𝑟𝑎𝑛𝑔(𝑀𝑛 ) = 𝑟𝑎𝑛𝑔(𝑀𝑛 ) = 𝑟𝑎𝑛𝑔(𝑀𝑛 ) = 𝑟𝑎𝑛𝑔(𝑀𝑛 ) = 1 .

⎛1 1 −1⎞
Si 𝑛 = −2, alors 𝑀𝑛 = ⎜0 0 1 ⎟ et on a :
′′′

⎜ ⎟
⎝0 0 0 ⎠
′ ′′ ′′′
𝑟𝑎𝑛𝑔(𝑀𝑛 ) = 𝑟𝑎𝑛𝑔(𝑀𝑛 ) = 𝑟𝑎𝑛𝑔(𝑀𝑛 ) = 𝑟𝑎𝑛𝑔(𝑀𝑛 ) = 2 .

Définition 4.4.3 (comatrice).

Soit 𝐴 une matrice carrée d’ordre 𝑛 de terme général 𝑎𝑖𝑗 . On appelle comatrice de 𝐴
et on note 𝑐𝑜𝑚(𝐴) la matrice obtenue en remplaçant chaque terme par son cofacteur :
𝑐𝑜𝑚(𝐴) = (𝑏𝑖𝑗 )1≤𝑖,𝑗≤𝑛 , avec 𝑏𝑖𝑗 = (−1)𝑖+𝑗 𝑑𝑒𝑡(𝐴𝑖𝑗 ). On rappelle que 𝐴𝑖𝑗 est la matrice
obtenue par suppression de la 𝑖𝑒𝑚𝑒 ligne et de la 𝑗 𝑒𝑚𝑒 colonne de 𝐴.

Exemple 4.4.3.
⎛2 1 3 ⎞
Calculons la comatrice de la matrice 𝐴 = ⎜1 0 2 ⎟.
⎜ ⎟
⎝2 0 −2⎠
On a :

⎛ ||0 2 || |1 2 |
|
| |
| + |1 0|⎞
+
⎜ |0 −2| − |2 −2| |2 0|⎟
⎛+𝑑𝑒𝑡(𝐴11 ) −𝑑𝑒𝑡(𝐴12 ) +𝑑𝑒𝑡(𝐴13 )⎞ ⎜ || |
|
| |
|2 3 |
| |
|2 1|⎟
1 3
𝑐𝑜𝑚(𝐴) = ⎜−𝑑𝑒𝑡(𝐴21 ) +𝑑𝑒𝑡(𝐴22 ) −𝑑𝑒𝑡(𝐴23 )⎟ = ⎜− || | +| | | |⎟
|2 −2| − |2 0|⎟
⎜ ⎟ ⎜ |0 −2|| | | | |
⎝+𝑑𝑒𝑡(𝐴31 ) −𝑑𝑒𝑡(𝐴32 ) +𝑑𝑒𝑡(𝐴33 )⎠ ⎜ |1 3| |2 3| |2 1|⎟
⎜ + || | −| | | |
|1 2| + |1 0|⎟⎠
⎝ |0 2|| | | | |
⎛0 6 0⎞
= 2 −10 2 ⎟ .
⎜
⎜ ⎟
⎝2 −1 −1⎠

⎛ 1 2 1 0⎞
Exercice 7 ⎜ 0 3 1 1⎟
Calculer la comatrice de la matrice 𝐵 = ⎜ .
−1 0 3 1⎟
⎜ ⎟
⎝ 3 1 2 0⎠

27
 • • •

4.5 INVERSE D’UNE MATRICE

Définition 4.5.1.
Une matrice carrée 𝐴 d’ordre 𝑛 est dite inversible s’il existe une matrice 𝐵 telle que
𝐴 × 𝐵 = 𝐼𝑛 = 𝐵 × 𝐴. 𝐵 est alors appelée inverse de la matrice 𝐴 et se note 𝐴−1 .

Théorème 4.5.1.
𝐴 est inversible si et seulement si son déterminant est non nul : 𝑑𝑒𝑡(𝐴) ≠ 0. Si 𝐴 est
inversible son inverse 𝐴−1 est unique et
1 𝑡 1
𝐴−1 = 𝑐𝑜𝑚(𝐴) = 𝑐𝑜𝑚(𝑡𝐴) .
𝑑𝑒𝑡(𝐴) 𝑑𝑒𝑡(𝐴)
Exemple 4.5.1.
⎛2 1 3 ⎞
Calculons l’inverse de la matrice 𝐴 = ⎜1 0 2 ⎟, s’il existe.
⎜ ⎟
⎝2 0 −2⎠
La matrice 𝐴 est inversible car par le développement suivant la deuxième colonne, on
a:
|2 1 3 |
| | |1 2 | | | | 3||
𝑑𝑒𝑡(𝐴) = ||1 0 2 || = −1 × || | + 0 × |2 3 | + 0 × |2
| | | |1 2||
|2 0 −2| |2 −2| |2 −2| |
| |
|1 2 |
= − || |
|
|2 −2 |
𝑑𝑒𝑡(𝐴) = 6 ≠ 0 .

L’inverse de 𝐴 existe et a pour formule 𝐴−1 = 1 𝑡

𝑑𝑒𝑡(𝐴)
𝑐𝑜𝑚(𝐴). On sait d’après l’exemple
⎛0 6 0⎞
6.4.3, que 𝑐𝑜𝑚(𝐴) = 2 −10 2 ⎟. Donc on a :
⎜
⎜ ⎟
⎝2 −1 −1⎠
1 1⎞
⎛0 2 2⎞ ⎛0 2 2 ⎞ ⎛0 3 3⎟
1 ⎜
𝑐𝑜𝑚(𝐴) = ⎜6 −10 −1⎟ et 𝐴−1 = ⎜6 −10 −1⎟ = ⎜1 − 35 − 16 ⎟ .
𝑡
⎜ ⎟ 6 ⎜0 ⎟
2 −1⎠ ⎜0 1 − 1 ⎟
⎝0 2 −1⎠ ⎝ ⎝ 3 6⎠

Vérification :
1 1⎞
⎛2 1 3 ⎞ ⎛0 3 3⎟ ⎛1 0 0⎞
⎜
𝐴 × 𝐴−1 = 1 0 2 ⎜1 − 3 − 6 ⎟ = ⎜0 1 0⎟ = 𝐼3 .
⎜ ⎟ 5 1
⎜ ⎟ ⎜ ⎟
⎝2 0 −2⎠ ⎜⎝0 1 − 1 ⎟⎠ ⎝0 0 1⎠
3 6

Calcul de l’inverse par le pivot de Gauss

28
Soit A une matrice carrée d’ordre 𝑛. On complète la matrice à droite par la matrice unité
de même ordre. On obtient une matrice dite matrice augmentée notée 𝐴. ̃
( )
𝐴̃ = 𝐴 ∣ 𝐼𝑛 .

À l’aide des opérations élémentaires on fait apparaitre la matrice unité à gauche,(à la fin
du pivot ) la matrice de droite est alors l’inverse de 𝐴. On obtient :
( )
𝐴̃ = 𝐼𝑛 ∣ 𝐴−1 .

Exemple 4.5.2.
⎛2 1 3 ⎞
Déterminer l’inverse de la matrice ⎜1 0 2 ⎟ par le pivot de Gauss.
⎜ ⎟
⎝2 0 −2⎠

⎛1 2 −2 4 ⎞
Exercice 8 ⎜0 1 3 −4⎟
Déterminer l’inverse de la matrice ⎜ par le pivot de Gauss.
0 0 1 −2⎟
⎜ ⎟
⎝1 1 −1 2 ⎠

Calcul de l’inverse par un polynôme annulateur

∑
𝑑
Soient A une matrice carrée d’ordre 𝑛 et 𝑃 (𝑋) = 𝑎𝑖 𝑋 𝑖 .
On pose :
𝑖=1

∑
𝑑
𝑃 (𝐴) = 𝑎𝑖 𝐴𝑖 avec 𝐴0 = 𝐼𝑛 .
𝑖=1

On dira que 𝑃 est un polynôme annulateur de 𝐴 si 𝑃 (𝐴) = 0. Si 𝑃 est un polynôme

annulateur de 𝐴 avec 𝑎0 ≠ 0, alors 𝐴 est inversible et on a :

1∑
𝑑
−1
𝐴 =− 𝑎 𝐴𝑖−1 .
𝑎0 𝑖=1 𝑖

29