Mathématiques pour l’informatique 1

Calcul matriciel

Émilie Charlier

Département de Mathématique
Université de Liège
Matrice complexe

Une matrice complexe est un tableau rectangulaire de nombres

complexes, qu’on place généralement entre de grandes parenthèses.
0 1
0 1 1
1 0 0 ✓ p ◆
@2 4 2 A B i C
B C ⇡ e2 2
@3 + i A 10
2 4+⇡ 2
3 9 5
i⇡
Lignes, colonnes, éléments, taille

Une matrice est de taille ` ⇥ c si ` est le nombre de ses lignes et c le

nombre de ses colonnes.
On note C`⇥c l’ensemble des matrices de taille ` ⇥ c.
Une matrice dans C1⇥c est appelée une matrice-ligne, tandis qu’une
matrice dans C`⇥1 est appelée une matrice-colonne.
L’élément à l’intersection de la i-ième ligne et de la j-ième colonne d’une
matrice A est noté Aij .
On écrit 0 1
A11 · · · A1c
B .. .. C .
A = (Aij ) 1i` =@ . . A
1jc
A`1 · · · A`c
Matrice carrée, diagonale, triangulaire

Une matrice est dite carrée si elle possède le même nombre de lignes et de
colonnes.
Si A est une matrice carrée de taille m ⇥ m, ses éléments diagonaux sont
A11 , . . . , Amm .
Une matrice carrée est diagonale si tous ses éléments non diagonaux sont
nuls.
Elle est dite triangulaire supérieure si tous les éléments situés en-dessous
de sa diagonale sont nuls, i.e. si Aij = 0 si i > j, et triangulaire inférieure
si tous les éléments situés au-dessus de sa diagonale sont nuls, i.e. si
Aij = 0 si i < j.
Exemples

0 1 0 1 0 1
1 0 0 1 0 0 1 0 0
@0 4 0A @0 4 2A @2 4 0A
0 0 5 0 0 5 0 9 5
Égalité de matrices

Deux matrices A et B de tailles différentes ne sont jamais égales !

Deux matrices A et B sont égales si et seulement si elles sont de même
taille ` ⇥ c et telles que Aij = Bij pour tous i 2 {1, . . . , `} et
j 2 {1, . . . , c}.
Matrice identité

La matrice identité de taille m est la matrice de taille m ⇥ m possédant

des 1 partout sur sa diagonale et des 0 ailleurs :
0 1
1 0 ··· 0
B .C
B0 1 . . . .. C
B
Im = B . . C
@ .. . . . . . 0C
A
0 ··· 0 1

Lorsqu’il n’y a pas de confusion possible concernant la taille de la matrice,

on s’autorise à la noter I et on parle simplement de matrice identité.
Matrices nulles

La matrice nulle de taille ` ⇥ c est la matrice de taille ` ⇥ c ne possédant

que des éléments nuls :
0 1
0 0 ··· 0
0`⇥c = @ ... ... .. C .
B
.A
0 0 ··· 0

Lorsqu’il n’y a pas de confusion possible concernant la taille de la matrice,

on s’autorise à la noter 0 et on parle de la matrice nulle.
Matrices associées : transposée, conjuguée et adjointe

La matrice transposée (ou simplement la transposée) d’une matrice A de

taille ` ⇥ c est la matrice de taille c ⇥ `, notée A| dont les lignes sont les
colonnes de A :
0 1
A11 A21 · · · A`1
BA12 A22 · · · A`2 C
B C
A| = (Aji )1jc = B . .. .. C .
1i` @ .. . . A
A1c A2c ··· A`c
Exemples

La transposée d’une matrice 3 ⇥ 2 est de taille 2 ⇥ 3 :

0 1|
1 2 ✓ ◆
@2 A 1 2 4
3 =
2 3 9
4 9

Remarquez que les éléments diagonaux ne changent pas lors de la

transposition d’une matrice carrée :
0 1| 0 1
1 0 1 1 2 3
@2 4 7 A = @0 4 0 A
3 0 32 1 7 32
Matrice symétrique

Une matrice carrée est dite symétrique lorsqu’elle est égale à sa

transposée.
0 1| 0 1
3 1 8 3 1 8
@ 1 32 7A = @ 1 32 7A
8 7 5 8 7 5
Matrice conjuguée

La matrice conjuguée d’une matrice complexe A est la matrice de même

taille, notée A, obtenue en remplaçant chacun des éléments de A par leur
conjugué :
pour A 2 C`⇥c , A = Aij 1i` .
1jc

Par exemple, on a
0 1 0 1
1 i 1 i
@⇡ + 3i 0 A @
= ⇡ 3i 0 A.
3 i 9i 3+i 9i

Remarquez que A = A () A a tous ses éléments dans R.

Matrice adjointe

La matrice adjointe d’une matrice complexe A est la matrice A| . On la

note A⇤ .
|
Remarquez qu’on a toujours A| = A .
Addition de matrices

Si A et B sont deux matrices de même taille ` ⇥ c, alors on définit leur

somme A + B comme étant la matrice de taille ` ⇥ c obtenue en
additionnant les éléments se correspondant :
0 1 0 1 0 1
A11 A12 ··· A1c B11 B12 ··· B1c A11 + B11 A12 + B12 ··· A1c + B1c
BA21 A22 ··· A2c C BB21 B22 ··· B2c C B A21 + B21 A22 + B22 ··· A2c + B2c C
B C B C B C
B . . C B
. C+B . . C
. C=BB . . . C.
B . . . A @ . . . A . . . C
@ . . . . . . @ . . . A
A`1 A`2 ··· A`c B`1 B`2 ··· B`c A`1 + Bm1 A`2 + B`2 ··· A`c + B`c
Propriétés de l’addition

Proposition
Si A, B, C sont des matrices de même taille, alors
1. (A + B) + C = A + (B + C ) associativité de la somme
2. A + B = B + A commutativité de la somme
3. A + 0 = 0 + A = A 0 est neutre pour la somme

Démonstration.
Ce découle du fait que la somme s’effectue “composante à composante”
et que nous travaillons dans C, où les mêmes propriétés de la somme sont
vérifiées.
Multiplication d’une matrice par un nombre

Soit A une matrice de taille ` ⇥ c et un nombre complexe. Le produit

de A par est la matrice ` ⇥ c obtenue en multipliant chaque élément de
A par : 0 1
A11 A12 · · · A1n
B A21 A22 · · · A2n C
B C
A=B . . .. C
@ . . .
. . A
A`1 A`2 · · · Amn
Distributivité et matrice opposée

Proposition
Si 2 C et A, B 2 C`⇥c , alors
1. (A + B) = A + B
2. A + ( 1) · A = ( 1) · A + A = 0.

Démonstration.
Ceci découle du fait que le produit d’une matrice par un nombre et la
somme de deux matrices s’effectuent “composante à composante” et que
nous travaillons dans C, où les mêmes propriétés de la somme et du
produit sont vérifiées.
Notations courtes

Comme d’habitude, on écrit l’opposé de A par A. Ceci donne sens aux

écritures ( 1) · A = A.
De plus, on écrit A pour désigner la matrice ( A) = ( )A.
Enfin, on écrit également A B au lieu de A + ( B).
L’associativité de la somme, quant à elle, permet de donner du sens à
l’écriture A + B + C .
Combinaison linéaire de matrices

Une combinaison linéaire de matrices A1 , . . . , Ak de même taille est une

expression de la forme
X k
i Ai
i=1

où 1, . . . , k 2 C.
Produit matriciel

0 0
On peut former le produit A · B de deux matrices A 2 C`⇥c et B 2 C` ⇥c
dans le cas où c = `0 .
La matrice AB est la matrice de taille ` ⇥ c 0 définie par
c
X
(AB)ij = Aik Bkj
k=1

pour tout i 2 {1, . . . , `} et tout j 2 {1, . . . , c 0 }.

Lien avec le produit scalaire

Le produit scalaire de deux vecteurs (a1 , . . . , an ) et (b1 , . . . , bn ) est

(a1 , . . . , an ) • (b1 , . . . , bn ) = a1 b1 + a2 b2 + · · · an bn .

Donc (AB)ij est le produit scalaire de la i-ième ligne de A et de la j-ième

colonne de B :

(Ai1 , . . . , Aic ) • (B1j , . . . , Bcj ) = Ai1 B1j + · · · + Aic Bcj .

Nous avons donc
0 c c c
1
X X X
B A1k Bk1 A1k Bk2 · · · A1k Bkc 0 C
B C
Bk=1 k=1 k=1 C
BX c Xc Xc C
B C
B A2k Bk1 A2k Bk2 · · · A2k Bkc 0 C
A·B =B
B k=1 k=1 k=1
C.
C
B .. .. C
B C
B c . . C
BX Xc Xc C
@ A`k Bk1 A`k Bk2 · · · A B 0A
`k kc
k=1 k=1 k=1
Exemples

0 1
✓ ◆ B ✓ ◆
A11 A12 A13 @ 11 A A11 B11 + A12 B21 + A13 B31
I On a B21 = .
A21 A22 A23 A21 B11 + A22 B21 + A23 B31
B31
0 1
1
I Si A = 2 1 3 et B = @0A, alors
1
0 1
2 1 3
AB = 5 et BA = @0 0 0A .
2 1 3
Le produit matriciel n’est pas commutatif.

On a AB 6= BA en général !
Plusieurs raisons à cela :
1. Ce n’est pas parce qu’on peut former le produit AB qu’on peut aussi
former le produit BA.
2. Même dans le cas où l’on peut former les deux produits AB et BA,
les matrices AB et BA peuvent ne pas avoir la même taille.
3. Même si les deux produits AB et BA ont du sens et sont des matrices
de même taille (ceci se produit uniquement lorsque A et B sont des
matrices carrées), on n’a pas nécessairement AB = BA non plus !
✓ ◆✓ ◆ ✓ ◆ ✓ ◆✓ ◆ ✓ ◆
0 1 0 1 0 0 0 1 0 1 1 0
= =
1 0 0 0 0 1 0 0 1 0 0 0
Propriétés du produit matriciel

Proposition
Soient , µ des nombres complexes et A, B, C des matrices. Si les
opérations suivantes ont du sens, alors
1. (µA) = ( µ)A associativité des produits
( A)B = A( B) = (AB)
2. (AB)C = A(BC ) associativité du produit matriciel
3. A(B + C ) = AB + AC distributivité du produit matriciel sur la somme
(A + B)C = AC + BC
4. (AB)| = B | A| transposée d’un produit matriciel
5. AI = IA = A I est neutre pour le produit matriciel de matrices carrées
6. A0 = 0 et 0A = 0 0 est absorbant pour le produit matriciel
Démonstration

Démontrons l’associativité du produit matriciel.

0 0 ⇥c 00
Soient A 2 C`⇥c , B 2 Cc⇥c , C 2 Cc .
Soient i 2 {1, . . . , `} et j 2 {1, . . . , c 00 }.
D’une part, on a
c0
X
(AB)C ij
= (AB)ik Ckj
k=1
0
c ⇣X
X c ⌘
= Ain Bnk Ckj
k=1 n=1
0
c X
c
X
= Ain Bnk Ckj .
k=1 n=1
D’autre part,
c
X
A(BC ) ij
= Ain (BC )nj
n=1
c
X c0
⇣X ⌘
= Ain Bnk Ckj
n=1 k=1
c0
c X
X
= Ain Bnk Ckj
n=1 k=1
0
c X
c
X
= Ain Bnk Ckj .
k=1 n=1

On a donc bien (AB)C ij

= A(BC ) ij
comme souhaité.
Montrons également que si A 2 C`⇥c , alors AIc = A.
Par définition de la matrice identité, on a
(
1 si k = j
(Ic )kj =
0 si k 6= j.

Par conséquent, pour tous i 2 {1, . . . , `} et j 2 {1, . . . , c}, nous avons

c
X
(AIc )ij = Aik (Ic )kj = Aij .
k=1
Notations courtes

Ces propriétés permettent de donner du sens aux écritures µA, AB et

ABC .
Inverse d’une matrice

Lemme
Si A, B, C sont des matrices carrées de même taille telles que
BA = AC = I , alors B = C .

Démonstration.
Supposons que BA = AC = I . Alors B = BI = BAC = IC = C .

Cette propriété s’énonce également comme suit : si A admet un inverse à

gauche et un inverse à droite, alors ces inverses sont égaux.

Une matrice carrée A est dite inversible s’il existe une matrice carrée B de
même taille que A telle que AB = BA = I .
Au vu du lemme, il ne peut exister qu’une seule telle matrice B et celle-ci
est appelée la matrice inverse de A. Lorsqu’elle existe, la matrice inverse
de A est notée A 1 .
Exemple

On a ✓ ◆ ✓ ◆
1
1 2 1 1 2
=
3 1 5 3 1
car
✓ ◆ ✓ ◆ ✓ ◆ ✓ ◆ ✓ ◆
1 2 1 1 2 1 1 2 1 2 1 0
· = · = .
3 1 5 3 1 5 3 1 3 1 0 1
L’inverse d’une matrice n’existe pas toujours.

Nous allons déterminer dans quelles conditions une matrice admet un

inverse.
Pour cela, nous avons besoin de définir une notion importante : le
déterminant.
Déterminant

Soit A une matrice carrée de taille m ⇥ m.

Definition
Le déterminant de A est un nombre, noté det(A) ou |A|, que l’on définit
récursivement comme suit :
1. Si m = 1, alors det(A) = A11 .
2. Si m > 1, alors
m
X
det(A) = A1k C1k ,
k=1

où C1k := ( 1)1+kdet(M1k ), avec M1k la matrice de taille

(m 1) ⇥ (m 1) obtenue en supprimant la première ligne et la
k-ième colonne de A.
On appelle ce procédé le calcul du déterminant par développement
suivant la première ligne.
Exemple

Définition récursive :
I calcul d’un déterminant m ⇥ m ! calcul de m déterminants
(m 1) ⇥ (m 1).
I calcul d’un déterminant 3 ⇥ 3 ! calcul de 3 déterminants 2 ⇥ 2.

En appliquant la définition, on trouve que le déterminant

4 5 6
7 8 9
10 11 12

vaut
8 9 7 9 7 8
4 · ( 1)1+1 · + 5 · ( 1)1+2 · + 6 · ( 1)1+3 · .
11 12 10 12 10 11
Mineurs

Definition
On note Mij (A) la matrice de taille (m 1) ⇥ (m 1) obtenue en
supprimant de A la i-ième ligne et la j-ième colonne.
Le mineur de l’élément Aij est le déterminant de Mij (A).
Le nombre Cij (A) := ( 1)i+j det(Mij (A)) est appelé le cofacteur de
l’élément Aij .
Si la matrice A est clairement identifiée, on s’autorise à écrire simplement
Mij et Cij .
Première loi des mineurs

En réalité, la définition du déterminant est indépendante de la ligne

choisie. Nous admettons l’important résultat suivant.

Première loi des mineurs pour les lignes

Pour tout i 2 {1, . . . , m}, on a
m
X
Aik Cik = det(A).
k=1

On appelle ce procédé le calcul du déterminant par développement

suivant la i-ème ligne.
On peut également calculer le déterminant en calculant les mineurs relatifs
aux éléments d’une colonne. À nouveau, nous admettons ce résultat.
Première loi des mineurs pour les colonnes
Pour tout j 2 {1, . . . , m}, on a
m
X
Akj Ckj = det(A).
k=1

On appelle ce procédé le calcul du déterminant par développement

suivant la j-ème colonne.
Deuxième loi des mineurs

Et si on se trompait de ligne pour calculer les cofacteurs ? Et bien, cela

change tout ! Dans ce cas, on obtient toujours la même réponse : 0.
En effet, on a également l’important résultat suivant, que nous
démontrons pas non plus.

Deuxième loi des mineurs pour les lignes

Pour tous i, i 0 2 {1, . . . , m} tels que i 6= i 0 , on a
m
X
Aik Ci 0 k = 0.
k=1
On a également un résultat analogue dans le cas des colonnes.

Deuxième loi des mineurs pour les colonnes

Pour tous j, j 0 2 {1, . . . , m} tels que j 6= j 0 , on a
m
X
Akj Ckj 0 = 0.
k=1
Propriétés du déterminant

Proposition 1
Si A possède deux lignes ou deux colonnes identiques, alors det(A) = 0.

Démonstration.
Nous faisons la démonstration dans le cas des lignes, celle sur les colonnes
se faisant de façon similaire.
Supposons que les lignes i et i 0 de A soient identiques, avec i 6= i 0 .
Cela signifie que pour tout k 2 {1, . . . , m}, on a Aik = Ai 0 k .
Au vu des lois des mineurs sur les lignes, on a
m
X m
X
det(A) = Aik Cik = Ai 0 k Cik = 0.
k=1 k=1
Proposition 2
On a det(A) = det(A| ).

Démonstration
On procède par récurrence sur la taille des matrices.
Le résultat est évident pour les matrices de taille 1 ⇥ 1.
Supposons à présent que n > 1 et que le résultat soit vrai pour toutes les
matrices de taille m ⇥ m avec m < n. Soit A une matrice de taille n ⇥ n.
Remarquez que si Mij désigne la matrice obtenue en supprimant la i-ième
ligne et la j-ième colonne de A, alors (Mij )| désigne la matrice obtenue en
supprimant la j-ième ligne et la i-ième colonne de A| .
Autrement dit, on a (Mij (A))| = Mji (A| ).
Ainsi, pour tous i, j 2 {1, . . . , n}, on a

Cij (A) = ( 1)i+j det(Mij (A))

= ( 1)i+j det((Mij (A))| )
= ( 1)i+j det(Mji (A| ))
= Cji (A| ).

On obtient
n
X X
|
det(A ) = (A| )1k C1k (A| ) = Ak1 Ck1 (A) = det(A)
k=1 k=1

comme annoncé.
Conséquence

Toute propriété du déterminant sur les lignes d’une matrice est également
valable pour les colonnes, et vice-versa.
Multilinéarité du déterminant sur les lignes et les colonnes
Proposition 3
1. Pour tous i 2 {1, . . . , m}, L1 , . . . , Li 1 , Li+1 , . . . , Lm ,
M, N, 2 C1⇥m et a, b 2 C, on a
0 L1
1 1 0 0 L 1
L1 1
.. .
. .
.
B C . B . C B . C
B Li 1 C B Li 1 C B Li 1 C
B C B C B C
det B aM+bN C = a · det B M C + b · det B N C .
B Li+1 C B Li+1 C B Li+1 C
@ . A @ . A @ . A
.. .. ..
Lm Lm Lm

2. Pour tous j 2 {1, . . . , m}, C1 , . . . , Cj 1 , Cj+1 , . . . , Cm ,

m⇥1
D, E 2 C et a, b 2 C, on a

det ( C1 ··· Cj 1 aD+bE Cj+1 ··· Cm )

=a· det ( C1 ··· Cj 1 D Cj+1 ··· Cm ) + b · det ( C1 ··· Cj 1 E Cj+1 ··· Cm ).
Exemple

On a toujours

a b+c d a b d a c d
e f +g h = e f h + e g h .
i j +k ` i j ` i k `

et
a b c a b c a b c
d +e f +g h+i = d f h + e g i .
j k ` j k ` j k `
Corollaire
Pour tout 2 C, on a
m
det( A) = det(A).

Démonstration.
C’est une conséquence directe de la multilinéarité du déterminant.
Exemple

On a
0 1
a b c 3a 3b 3c
@
3· d e f A = 3d 3e 3f
g h i 3g 3h 3i
a b c
= 3 · 3d 3e 3f
3g 3h 3i
a b c
=9· d e f
3g 3h 3i
a b c
= 27 · d e f .
g h i
Proposition 4
1. Le déterminant d’une matrice carrée vaut 0 si une ligne est une
combinaison linéaire des autres lignes.
2. Le déterminant d’une matrice carrée vaut 0 si une colonne est une
combinaison linéaire des autres colonnes.

Démonstration.
Nous savons que le déterminant d’une matrice qui possède deux lignes ou
deux colonnes identiques vaut 0.
Le résultat découle alors de la multilinéarité du déterminant sur les lignes
et les colonnes.
Exemple

Au vu de la proposition précédente, on a toujours

a b c
3a + 2d 3b + 2e 3c + 2f = 0.
d e f

Le calcul suivant illustre la preuve de cette proposition :

a b c a b c a b c
3a + 2d 3b + 2e 3c + 2f = 3 a b c +2 d e f = 0.
d e f d e f d e f
| {z } | {z }
=0 =0
Corollaire
1. Le déterminant d’une matrice carrée est inchangé si l’on ajoute à une
ligne une combinaison linéaire des autres lignes.
2. Le déterminant d’une matrice carrée est inchangé si l’on ajoute à une
colonne une combinaison linéaire des autres colonnes.

Démonstration.
Ceci découle des deux propositions précédentes.
Critère d’annulation du déterminant

En fait, nous avons même le critère suivant (que nous admettons pour
moitié, donc).
Fait
Soit A 2 Cm⇥m . Les assertions suivantes sont équivalentes.
1. Le déterminant de A vaut 0.
2. Une ligne de A est combinaison linéaire des autres.
3. Une colonne de A est combinaison linéaire des autres.
Remarques pratiques concernant le calcul du déterminant
1. L’expression ( 1)i+j vaut +1 ou 1 selon que la puissance i + j est paire
ou impaire.
En particulier quand on passe du coefficient Aij au coefficient suivant
Ai,j+1 , le signe change.
Cela donne une répartition des coefficients ( 1)i+j dans une matrice en
damier. 0 1
+1 1 +1 ···
B 1 +1 1 · · ·C
B C
B+1 1 +1 · · ·C
@ A
.. .. ..
. . .

2. On a intérêt à développer le déterminant selon, si possible, une ligne ou

une colonne avec un grand nombre de 0.
3. On a intérêt à d’abord regarder si on peut se servir des propositions 3 et 4,
et du corollaire qui suit la proposition 4.
Lorsque c’est le cas, les calculs du déterminant sont grandement facilités.
Quelques cas particuliers où le calcul du déterminant est
facilité

1. Matrices 2 ⇥ 2.
On a
✓ ◆
A11 A12
det = ( 1)1+1 A11 A22 + ( 1)1+2 A12 A21
A21 A22
= A11 A22 A12 A21 .

On parle de produit "en croix".

2. Matrices 3 ⇥ 3.
En développant suivant la première ligne, on trouve
0 1
A11 A12 A13
det @A21 A22 A23 A
A31 A32 A33
A22 A23 A A23 A A22
= ( 1)1+1 A11 + ( 1)1+2 A12 21 + ( 1)1+3 A13 21
A32 A33 A31 A33 A31 A32
= A11 (A22 A33 A23 A32 ) A12 (A21 A33 A23 A31 ) + A13 (A21 A32 A22 A31 )
= A11 A22 A33 + A12 A23 A31 + A13 A21 A32 A11 A23 A32 A12 A21 A33 A13 A22 A31 .

On parle de la règle de Sarrus.

Attention que celle-ci n’est pas valide en dimension supérieure !
3. Matrices triangulaires (inférieures ou supérieures).
On a
0 1
A11 0 ··· 0
B .. .. C
B A21 A22 . . C
det B
B .. ..
C = A11 · A22 · · · Amm .
C
@ . . 0 A
Am1 Am2 · · · Amm

et 0 1
A11 A12 · · · A1m
B 0 A22 A2m C
B C
det B . .. .. .. C = A11 · A22 · · · Amm .
@ .. . . . A
0 ··· 0 Amm

En particulier, on a det(Im ) = 1.
Exemple
Considérons la matrice
0 1
1 0 0 4
B0 5 6 0C
A=B
@0
C.
0 3 0A
2 0 0 7
Comme la troisième ligne ne comprend qu’un seul coefficient non nul, il
est judicieux de choisir de développer le déterminant selon celle-ci (on
aurait pu tout aussi bien choisir la deuxième colonne pour la même
raison).
On obtient
1 0 4
det(A) = ( 1)3+3 · 3 · 0 5 0 .
2 0 7
On développe à présent suivant la deuxième ligne (ou colonne) :
1 4
det(A) = 3 · 5 · ( 1)2+2 · = 15(1 · 7 4 · 2) = 15 · ( 1) = 15.
2 7
Déterminant d’un produit de matrices carrées

Pour terminer cette section sur le déterminant, nous admettons

l’important résultat suivant.

Déterminant d’un produit de matrices carrées

Si A et B sont des matrices carrées de même taille, alors

det(AB) = det(A) det(B).

Lien entre déterminant et inverse

Le théorème suivant donne une caractérisation des matrices inversibles en

fonction de leurs déterminants, ainsi qu’une formule de calcul de l’inverse.

Théorème
La matrice A est inversible si et seulement si det(A) 6= 0.
De plus, lorsque A est inversible, son inverse est donné par
0 1|
C11 C12 · · · C1m
1 B B C21 C22 · · · C2m C
C
M= B . .. C .
det(A) @ .. . A
Cm1 Cm2 · · · Cmm
Démonstration de la condition nécessaire
Supposons que A est inversible.
Il existe donc une matrice B de même taille telle que AB = BA = Im .
On a donc det(A) det(B) = det(AB) = det(Im ) = 1.
On obtient ainsi que det(A) 6= 0.
Démonstration de la condition suffisante et de la formule de l’inverse
Supposons que det(A) 6= 0.
But : montrer que dans ce cas, la matrice M de l’énoncé est telle que
AM = MA = Im .
Pour tous i, j 2 {1, . . . , m}, on a
m
X m
X
1
(AM)ij = Aik Mkj = Aik Cjk .
det(A)
k=1 k=1

Par les lois des mineurs pour les lignes, on obtient que
(
1 lorsque i = j
(AM)ij =
0 lorsque i 6= j.

On a donc obtenu que AM = Im .

De la même façon, en utilisant les lois des mineurs pour les colonnes, on obtient
que MA = Im . À faire par vous-même !
D’où A est inversible et la matrice M de l’énoncé est son inverse.
Exemple
Considérons la matrice
0 1
1 0 2
@
A= 3 1 4 A.
0 5 1

Alors on a

det(A) = 1 · (1 · ( 1) 4 · 5) + 2 · (3 · 5) = 9.

Donc A est inversible et son inverse est donné par

0 1| 0 21 10
1
2
21 3 15
1 9 9 9
A 1 = @ 10 1 5A = @ 39 9
1 2 A
9 .
9 15 5 1
2 2 1 9 9 9

On peut vérifier qu’on a bien AA 1 = I3 et A 1A = I3 .