Chapitre 25

Déterminants

Sommaire
I Le groupe symétrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 258
1) Décomposition des permutations . . . . . . . . . . . . . . . . . . . . . . . . . . 258
2) Signature . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 259
II Applications n-linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
1) Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 260
2) Développement suivant une base . . . . . . . . . . . . . . . . . . . . . . . . . . 261
III Déterminant dans une base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 261
1) Formes n-linéaires en dimension n . . . . . . . . . . . . . . . . . . . . . . . . . 261
2) Déterminants de n vecteurs dans une base . . . . . . . . . . . . . . . . . . . . . 262
3) Propriétés du déterminant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
IV Déterminant d’un endomorphisme . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
1) Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 263
2) Propriétés du déterminant . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
V Déterminant d’une matrice carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
1) Définition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 264
2) Propriétés du déterminant d’une matrice carrée . . . . . . . . . . . . . . . . . . 265
3) Développement suivant une ligne ou une colonne . . . . . . . . . . . . . . . . 265
4) Comatrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
VI Applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 267
1) Équation cartésienne d’un hyperplan dans une base . . . . . . . . . . . . . . . 267
2) Orientation d’un espace vectoriel réel . . . . . . . . . . . . . . . . . . . . . . . 267
3) Systèmes linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 268
VII Solution des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 269

I LE GROUPE SYMÉTRIQUE

1) Décomposition des permutations

Définition 25.1
Soit E𝑛 = J1 ; 𝑛K, avec 𝑛 ∈ ℕ∗ , on note 𝔖𝑛 l’ensemble des permutations de E𝑛 , c’est à dire
l’ensemble des bijections de E𝑛 vers lui-même. On rappelle que (𝔖𝑛 , ∘) est un groupe de cardinal
𝑛! (non abélien dès que 𝑛 ⩾ 3), ce groupe est appelé groupe symétrique de type 𝑛.

Représentation d’une permutation :

1 ⋯ 𝑛
On adoptera la notation suivante : soit σ ∈ 𝔖𝑛 , σ = ( ), la deuxième ligne étant les
σ(1) ⋯ σ(𝑛)
images de la première par σ (dans le même ordre).

MPSI2 (2022-23) Lycée Montaigne – 258 – ©Fradin Patrick – https://mpsi.tuxfamily.org

 Le groupe symétrique Chapitre 25 : Déterminants

Définition 25.2 (notion de cycle)

Soit σ ∈ 𝔖𝑛 , on dit que σ est un cycle lorsqu’il existe 𝑘 entiers distincts dans J1 ; 𝑛K ∶ 𝑖1 , … , 𝑖𝑘
(𝑘 > 1) tels que σ(𝑖1 ) = 𝑖2 , … , σ(𝑖𝑘−1 ) = 𝑖𝑘 , σ(𝑖𝑘 ) = 𝑖1 , les autres entiers de E𝑛 étant fixes par σ.
Dans ce cas, on notera σ = (𝑖1 𝑖2 … 𝑖𝑘 ). Le nombre 𝑘 est appelé longueur du cycle, et un cycle
de longueur 2 est appelé une transposition. L’ensemble {𝑖1 , … , 𝑖𝑘 } est appelé support du cycle
σ. On convient que l’identité de E𝑛 est un cycle de longueur nulle et à support vide.

★Exercice 25.1
1/ Décrire tous les cycles de 𝔖3 .
2/ Combien y-a-t’il de cycles de longueur 𝑘 dans 𝔖𝑛 ?
3/ Si σ est un cycle dans 𝔖𝑛 , déterminer σ−1 .
4/ Si σ est un cycle de longueur 𝑝 dans 𝔖𝑛 , montrer que σ𝑝 = id et que σ𝑖 ≠ id si 𝑖 < 𝑝. En déduire que si 𝑎 est un
élément du support de σ, alors σ = (𝑎 σ(𝑎) … σ𝑝−1 (𝑎)).

Théorème 25.1 (admis)

Toute permutation de E𝑛 est un produit (pour la loi ∘) de cycles à supports disjoints, cette
décomposition est unique à l’ordre près.

1 2 3 4 5 6
ZExemple : Soit σ = ( ), alors σ = (1 3) ∘ (4 6 5).
3 2 1 6 4 5

★Exercice 25.2 Montrer que deux cycles à supports disjoints commutent. Et si les supports sont non disjoints ?

Théorème 25.2
Toute permutation est un produit de transpositions.

Preuve : Il suffit de le prouver pour un cycle, soit σ = (𝑖1 … 𝑖𝑘 ), il est facile de vérifier que σ = (𝑖1 𝑖2 )(𝑖2 𝑖3 ) ⋯ (𝑖𝑘−1 𝑖𝑘 ).
On remarquera que les supports des transpositions ne sont pas disjoints deux à deux, et que le nombre de
transpositions dans la décomposition est égal à 𝑘 − 1. □

2) Signature

Définition 25.3 (inversion)

2
Soit σ ∈ 𝔖𝑛 , on appelle inversion de σ tout couple d’entiers (𝑖, 𝑗) ∈ J1 ; 𝑛K tel que 𝑖 < 𝑗 et
σ(𝑖) > σ(𝑗). Le nombre d’inversions de σ est noté Iσ .

Théorème 25.3 (Nombre d’inversions d’une transposition)

Soit σ = (𝑎 𝑏) une transposition de 𝔖𝑛 avec 𝑎 < 𝑏, alors Iσ = 2(𝑏 − 𝑎) − 1.

Preuve : En effet, soit 𝑖 < 𝑗 deux entiers de E𝑛 :

– Si 𝑖, 𝑗 ∉ {𝑎, 𝑏}, alors 𝑖 et 𝑗 sont fixes, donc (𝑖, 𝑗) n’est pas une inversion de σ.
– Si 𝑖 = 𝑎 et 𝑗 = 𝑏, alors (𝑖, 𝑗) est une inversion.
– Si 𝑖 = 𝑎 et 𝑗 ≠ 𝑏, alors (𝑖, 𝑗) est une inversion ssi 𝑗 ∈ J𝑎 + 1 ; 𝑏 − 1K.
– Si 𝑖 ≠ 𝑎 et 𝑗 = 𝑏, alors (𝑖, 𝑗) est une inversion ssi 𝑖 ∈ J𝑎 + 1 ; 𝑏 − 1K.
Ce qui nous fait au total 2(𝑏 − 𝑎) − 1 inversions pour la transposition (𝑎 𝑏). □

Définition 25.4 (signature d’une permutation)

Soit σ ∈ 𝔖𝑛 , on appelle signature de σ le nombre noté ε(σ) et défini par ε(σ) = (−1)Iσ .

σ(𝑖)−σ(𝑗)
On peut vérifier que ε(σ) = ∏ 𝑖−𝑗 .
1⩽𝑖<𝑗⩽𝑛
ZExemple : Signature d’une transposition, si σ = (𝑎 𝑏) avec 𝑎 < 𝑏 ∈ E𝑛 , alors Iσ = 2(𝑏 − 𝑎) − 1, donc
ε(σ) = −1.

MPSI2 (2022-23) Lycée Montaigne – 259 – ©Fradin Patrick – https://mpsi.tuxfamily.org

 Applications n-linéaires Chapitre 25 : Déterminants

Théorème 25.4 (admis)

L’application signature ε ∶ (𝔖𝑛 , ∘) → ({±1}, ×), est un morphisme de groupes, c’est à dire :
∀ σ, σ′ ∈ 𝔖𝑛 , ε(σ ∘ σ′ ) = ε(σ) × ε(σ′ ).

Application – Calcul de la signature d’une permutation. Pour calculer la signature d’une permutation σ, il suffit
de connaître sa décomposition en produit de transpositions : σ = τ1 ∘…∘τ𝑘 , on a alors ε(σ) = ε(τ1 )×… ε(τ𝑘 ) = (−1)𝑘 .
ZExemples :
– Calculer la signature d’un cycle de longueur 𝑝 ⩾ 1.
1 2 3 4 5 6 7 8 9 10
– Calculer la signature de σ = ( ).
3 10 4 6 9 7 1 5 8 2

II APPLICATIONS N-LINÉAIRES

1) Définition

Définition 25.5
Soient E et F deux 𝕂-espaces vectoriels et 𝑓 ∶ E𝑛 → F une application. On dit que 𝑓 est 𝑛-linéaire
lorsque 𝑓 est linéaire par rapport à chacune de ses variables (les autres étant fixes), c’est à
dire : ∀ 𝑥1 , … , 𝑥𝑛 ∈ E, ∀ 𝑖 ∈ J1 ; 𝑛K, l’application 𝑓𝑖 ∶ E → F définie par :

𝑓𝑖 (𝑥) = 𝑓(𝑥1 , … , 𝑥𝑖−1 , 𝑥, 𝑥𝑖+1 , … , 𝑥𝑛 ) est linéaire.

ZExemples :
– L’application 𝑓 ∶ ℝ2 × ℝ2 → ℝ définie par 𝑓(𝑢, 𝑣) = 𝑢1 𝑣1 + 𝑢2 𝑣2 (avec 𝑢 = (𝑢1 , 𝑢2 , ) et 𝑣 = (𝑣1 , 𝑣2 )),
est bilinéaire, plus précisément, c’est une forme bilinéaire sur ℝ2 .
– L’application 𝑓 ∶ ℝ2 × ℝ2 → ℝ définie par 𝑓(𝑢, 𝑣) = 𝑢1 𝑣2 − 𝑢2 𝑣1 (avec 𝑢 = (𝑢1 , 𝑢2 , ) et 𝑣 = (𝑣1 , 𝑣2 )),
est une forme bilinéaire sur ℝ2 .
– Soit E = ℳ𝑛 (𝕂), l’application 𝑓 ∶ E3 → E définie par 𝑓(A, B, C) = A × B × C, est trilinéaire.
𝑏
– Soit E = 𝒞 0 ([𝑎; 𝑏], ℝ). L’application 𝑓 ∶ E2 → ℝ définie par 𝑓(𝑢, 𝑣) = ∫ 𝑢(𝑡)𝑣(𝑡) 𝑑𝑡, est une forme
𝑎
bilinéaire sur E.

Définition 25.6
Soit 𝑓 ∶ E𝑛 → F une application 𝑛-linéaire, on dit que 𝑓 est :
– symétrique : lorsque ∀ σ ∈ 𝔖𝑛 , ∀ 𝑥1 , … , 𝑥𝑛 ∈ E, 𝑓(𝑥σ(1) , … , 𝑥σ(𝑛) ) = 𝑓(𝑥1 , … , 𝑥𝑛 ), autrement dit,
changer l’ordre des vecteurs ne change pas le résultat.
– antisymétrique : lorsque ∀ σ ∈ 𝔖𝑛 , ∀ 𝑥1 , … , 𝑥𝑛 ∈ E, 𝑓(𝑥σ(1) , … , 𝑥σ(𝑛) ) = ε(σ).𝑓(𝑥1 , … , 𝑥𝑛 ),
autrement dit, échanger deux vecteurs change le signe du résultat.
– alternée : lorsque ∀ 𝑥1 , … , 𝑥𝑛 ∈ E, s’il existe 𝑖, 𝑗 ∈ J1 ; 𝑛K tels que 𝑖 ≠ 𝑗 et 𝑥𝑖 = 𝑥𝑗 , alors
𝑓(𝑥1 , … , 𝑥𝑛 ) = 0, autrement dit, si deux des vecteurs sont égaux alors le résultat est nul.

Notation : soit 𝑓 ∶ E𝑛 → F une application 𝑛-linéaire, pour σ ∈ 𝔖𝑛 on pose 𝑓σ ∶ E𝑛 → F définie par

𝑓σ (𝑥1 , … , 𝑥𝑛 ) = 𝑓(𝑥σ(1) , … , 𝑥σ(𝑛) ). On remarquera que 𝑓σ est également 𝑛-linéaire.
ZExemple : En reprenant les exemples ci-dessus, la première application et la quatrième sont symé-
triques, la deuxième est antisymétrique et alternée, la troisième est ni symétrique, ni antisymétrique,
ni alternée.
Théorème 25.5
Il y a équivalence entre antisymétrique et alternée.

Preuve : Si 𝑓 ∶ E𝑛 → F est 𝑛-linéaire alternée, soient 𝑥1 , … , 𝑥𝑛 ∈ E, soit τ = (𝑖 𝑗) avec 𝑖, 𝑗 ∈ J1 ; 𝑛K, posons

𝑥𝑖′ = 𝑥𝑗′ = 𝑥𝑖 + 𝑥𝑗 , et S = 𝑓(𝑥1 , … , 𝑥𝑖−1 , 𝑥𝑖′ , 𝑥𝑖+1 , … , 𝑥𝑗−1 , 𝑥𝑗′ , 𝑥𝑗+1 , … , 𝑥𝑛 ), comme 𝑓 est alternée, S = 0, mais S =
𝑓(𝑥1 , … , 𝑥𝑖−1 , 𝑥𝑖 , 𝑥𝑖+1 , … , 𝑥𝑗−1 , 𝑥𝑗 , 𝑥𝑗+1 , … , 𝑥𝑛 )+
𝑓(𝑥1 , … , 𝑥𝑖−1 , 𝑥𝑗 , 𝑥𝑖+1 , … , 𝑥𝑗−1 , 𝑥𝑖 , 𝑥𝑗+1 , … , 𝑥𝑛 ) (en développant par rapport à la 𝑖e variable puis par rapport à la 𝑗e),
ce qui donne 𝑓τ = −𝑓 = ε(τ).𝑓, mais comme toute permutation est un produit de transpositions, on en déduit
que ∀ σ ∈ 𝔖𝑛 , 𝑓σ = ε(σ).𝑓 c’est à dire 𝑓 est antisymétrique.
Si 𝑓 est antisymétrique : supposons 𝑥𝑖 = 𝑥𝑗 avec 𝑖 ≠ 𝑗, alors soit τ = (𝑖 𝑗), on a 𝑓(𝑥1 , … , 𝑥𝑛 ) = 𝑓τ (𝑥1 , … , 𝑥𝑛 ) =
−𝑓(𝑥1 , … , 𝑥𝑛 ), donc 𝑓(𝑥1 , … , 𝑥𝑛 ) = 0, i.e. 𝑓 est alternée. □

MPSI2 (2022-23) Lycée Montaigne – 260 – ©Fradin Patrick – https://mpsi.tuxfamily.org

Déterminant dans une base Chapitre 25 : Déterminants

Théorème 25.6
L’ensemble des applications 𝑛-linéaires de E𝑛 vers F est un 𝕂-espace vectoriel (s.e.v. de ℱ(E𝑛 , F)).
L’ensemble des applications 𝑛-linéaires alternées de E𝑛 vers F est un 𝕂-espace vectoriel (s.e.v.
de ℱ(E𝑛 , F)).

Preuve : Celle-ci est simple et laissée en exercice. □

2) Développement suivant une base

Soit E de dimension 𝑝, soit 𝔅 = (𝑒1 , … , 𝑒𝑝 ) une base de E, soit S = (𝑥1 , … , 𝑥𝑛 ) une famille de 𝑛
vecteurs de E et soit A = 𝒫𝔅,S ∈ ℳ𝑝,𝑛 (𝕂) la matrice de la famille S dans la base 𝔅. Soit 𝑢 = 𝑓(𝑥1 , … , 𝑥𝑛 ),
en développant par rapport à la première variable, on obtient :

𝑢 = ∑ 𝑎𝑗1,1 𝑓(𝑒𝑗1 , 𝑥2 , … , 𝑥𝑛 )
1⩽𝑗1 ⩽𝑝

Puis on développe chacun de ces termes par rapport à la deuxième variable 𝑥2 , ce qui donne

𝑢= ∑ 𝑎𝑗1,1 𝑎𝑗2,2 𝑓(𝑒𝑗1 , 𝑒𝑗2 , 𝑥3 , … , 𝑥𝑛 )

1⩽𝑗1 ,𝑗2 ⩽𝑝

etc..., ce qui donne à la fin :

𝑓(𝑥1 , … , 𝑥𝑛 ) = ∑ 𝑎𝑗1,1 ⋯ 𝑎𝑗𝑛,𝑛 𝑓(𝑒𝑗1 , … , 𝑒𝑗𝑛 )

1⩽𝑗1 ,…,𝑗𝑛 ⩽𝑝

C’est le développement de 𝑓(𝑥1 , … , 𝑥𝑛 ) dans la base 𝔅, on voit ainsi qu’une application 𝑛-linéaire
𝑓 ∶ E𝑛 → F est entièrement déterminée par la donnée des vecteurs 𝑓(𝑒𝑗1 , … , 𝑒𝑗𝑛 ).

III DÉTERMINANT DANS UNE BASE

1) Formes n-linéaires en dimension n

Avec les notations précédentes, supposons que la dimension de E soit égale à 𝑛, soit 𝔅 = (𝑒1 , … , 𝑒𝑛 )
une base de E, et 𝑓 une forme 𝑛-linéaire alternée sur E, d’après ce qui précède, on a :

𝑓(𝑥1 , … , 𝑥𝑛 ) = ∑ 𝑎𝑗1,1 ⋯ 𝑎𝑗𝑛,𝑛 𝑓(𝑒𝑗1 , … , 𝑒𝑗𝑛 )

1⩽𝑗1 ,…,𝑗𝑛 ⩽𝑛

comme 𝑓 est alternée, dès que deux indices sont égaux, le terme correspondant est nul, il reste donc :

𝑓(𝑥1 , … , 𝑥𝑛 ) = ∑ 𝑎𝑗1,1 ⋯ 𝑎𝑗𝑛,𝑛 𝑓(𝑒𝑗1 , … , 𝑒𝑗𝑛 )

1⩽𝑗1 ,…,𝑗𝑛 ⩽𝑛,distincts

Lorsque les indices sont distincts deux à deux, on a forcément, {𝑗1 , … , 𝑗𝑛 } = J1 ; 𝑛K, en posant σ(𝑘) = 𝑗𝑘
on définit une permutation des entiers de 1 à 𝑛 et on peut alors écrire :

𝑓(𝑥1 , … , 𝑥𝑛 ) = ∑ 𝑎σ(1),1 ⋯ 𝑎σ(𝑛),𝑛 𝑓(𝑒σ(1) , … , 𝑒σ(𝑛) )

σ∈𝔖𝑛

Or, 𝑓(𝑒σ(1) , … , 𝑒σ(𝑛) ) = ε(σ).𝑓(𝑒1 , … , 𝑒𝑛 ) (𝑓 est antisymétrique), finalement on a la formule :

⎛⎜ ⎞⎟
𝑓(𝑥1 , … , 𝑥𝑛 ) = ⎜⎜⎜ ∑ ε(σ)𝑎σ(1),1 ⋯ 𝑎σ(𝑛),𝑛 ⎟⎟⎟ 𝑓(𝑒1 , … , 𝑒𝑛 )
⎝σ∈𝔖𝑛 ⎠

Donc si 𝑓 est une forme 𝑛-linéaire alternée sur E, alors il existe un scalaire α tel que :

∀ 𝑥1 , … , 𝑥𝑛 ∈ E, 𝑓(𝑥1 , … , 𝑥𝑛 ) = α ∑ ε(σ)𝑎σ(1),1 𝑎σ(2),2 … 𝑎σ(𝑛),𝑛 .

σ∈𝔖𝑛

MPSI2 (2022-23) Lycée Montaigne – 261 – ©Fradin Patrick – https://mpsi.tuxfamily.org

 Déterminant dans une base Chapitre 25 : Déterminants
Avec α = 𝑓(𝑒1 , … , 𝑒𝑛 ) (ce qui détermine entièrement 𝑓), et les scalaires 𝑎𝑖,𝑗 étant les coefficients de la
matrice de la famille (𝑥1 , … , 𝑥𝑛 ) dans la base 𝔅.
Si σ parcourt 𝔖𝑛 , alors σ−1 aussi, on peut donc écrire :
∀𝑥1 , … , 𝑥𝑛 ∈ E, 𝑓(𝑥1 , … , 𝑥𝑛 ) = α ∑ ε(σ)𝑎1,σ−1(1) 𝑎2,σ−1(2) … 𝑎𝑛,σ−1(𝑛)
σ−1 ∈𝔖𝑛

= α ∑ ε(σ)𝑎1,σ(1) … 𝑎𝑛,σ(𝑛) .
σ∈𝔖𝑛

Théorème 25.7
On pose pour 𝑥1 , … , 𝑥𝑛 ∈ E, 𝑓1 (𝑥1 , … , 𝑥𝑛 ) = ∑ ε(σ)𝑎1,σ(1) … 𝑎𝑛,σ(𝑛) , alors 𝑓1 est une forme 𝑛-
σ∈𝔖𝑛
linéaire alternée sur E et 𝑓1 (𝑒1 , … , 𝑒𝑛 ) = 1 (en particulier 𝑓1 est non nulle).

Preuve : On note 𝑐𝑖 la forme linéaire qui à tout vecteur 𝑥 de E associe sa coordonnée sur 𝑒𝑖 .
On note alors 𝑓(𝑥1 , … , 𝑥𝑛 ) = 𝑐1 (𝑥1 )𝑐2 (𝑥2 ) ⋯ 𝑐𝑛 (𝑥𝑛 ), on vérifie que 𝑓 ainsi définie, est 𝑛-linéaire de E𝑛 vers
𝕂. On pose 𝑔 (𝑥1 , … , 𝑥𝑛 ) = ∑ ε(σ)𝑓(𝑥σ(1) , … , 𝑥σ(𝑛) ), on sait que 𝑔 est 𝑛-linéaire (combinaison linéaire de formes
σ∈𝔖𝑛
𝑛-linéaires), soit τ une transposition de E𝑛 , alors 𝑔 (𝑥τ(1) , … , 𝑥τ(𝑛) ) = ∑ ε(σ)𝑓(𝑥τ(σ(1)) , … , 𝑥τ(σ(𝑛)) ), on effectue un
σ∈𝔖𝑛
changement d’indice en posant σ′ = τ ∘σ (σ′ parcourt 𝔖𝑛 une et seule fois lorsque σ parcourt 𝔖𝑛 ), on a ε(σ′ ) = −ε(σ),
d’où 𝑔 (𝑥τ(1) , … , 𝑥τ(𝑛) ) = − ∑ ε(σ′ )𝑓(𝑥σ′(1) , … , 𝑥σ′(𝑛) ) = −𝑔 (𝑥1 , … , 𝑥𝑛 ), donc 𝑔 est alternée.
σ′ ∈𝔖𝑛
𝑛
En revenant à la définition de 𝑓, et en posant 𝑥𝑗 = ∑ 𝑎𝑖𝑗 𝑒𝑖 , on a :
𝑖=1

𝑔 (𝑥1 , … , 𝑥𝑛 ) = ∑ ε(σ)𝑎1σ(1) × ⋯ × 𝑎𝑛σ(𝑛) = 𝑓1 (𝑥1 , … , 𝑥𝑛 )

σ∈𝔖𝑛

Lorsqu’on calcule 𝑓1 (𝑒1 , … , 𝑒𝑛 ), tous les 𝑎𝑖𝑗 sont nuls sauf ceux de la diagonale qui valent 1, il reste seulement le
terme correspondant à l’identité de E𝑛 , ce qui donne 𝑓1 (𝑒1 , … , 𝑒𝑛 ) = 𝑎11 × ⋯ × 𝑎𝑛𝑛 = 1. □

Théorème 25.8
Si dim(E) = 𝑛, alors l’ensemble des formes 𝑛-linéaires alternées sur E est un 𝕂-espace vectoriel
de dimension 1 (droite vectorielle), dont une base est l’application 𝑓1 ci-dessus.

Preuve : D’après le début de ce paragraphe, toute forme 𝑓, 𝑛-linéaire alternée sur E, est du type 𝑓 = α𝑓1 avec
α ∈ 𝕂. □

2) Déterminants de n vecteurs dans une base

Définition 25.7
L’application 𝑓1 définie ci-dessus est appelée déterminant dans la base 𝔅, elle est notée det𝔅 .
C’est donc une forme 𝑛-linéaire alternée sur E, qui constitue une base de l’ensemble des formes
𝑛-linéaires alternées sur E, plus précisément, c’est l’unique forme 𝑛-linéaire alternée sur E qui
vérifie : det𝔅 (𝑒1 , … , 𝑒𝑛 ) = 1.

Expression du déterminant : soit 𝔅 = (𝑒1 , … , 𝑒𝑛 ) une base de E et soit (𝑥1 , … , 𝑥𝑛 ) une famille de 𝑛
vecteurs de E, et soit A = (𝑎𝑖,𝑗 ) ∈ ℳ𝑛 (𝕂) la matrice de cette famille dans la base 𝔅, on a l’expression
suivante :
det(𝑥1 , … , 𝑥𝑛 ) = ∑ ε(σ)𝑎1,σ(1) … 𝑎𝑛,σ(𝑛)
𝔅
σ∈𝔖𝑛

ZExemples :
– Soit E = 𝕂2 , 𝔅 = (𝑖, 𝑗), la base canonique, soient 𝑢 = (𝑢1 , 𝑢2 ), 𝑣 = (𝑣1 , 𝑣2 ) ∈ E, alors det𝔅 (𝑢, 𝑣) =
𝑎1,1 𝑎2,2 − 𝑎1,2 𝑎2,1 = 𝑢1 𝑣2 − 𝑢2 𝑣1 .
– Soit E = 𝕂3 , 𝔅 = (𝑖, 𝑗, 𝑘), la base canonique, soient 𝑢 = (𝑢1 , 𝑢2 , 𝑢3 ), 𝑣 = (𝑣1 , 𝑣2 , 𝑣3 ) et 𝑤 =
(𝑤1 , 𝑤2 , 𝑤3 ) ∈ E, alors det𝔅 (𝑢, 𝑣, 𝑤) = 𝑢1 𝑣2 𝑤3 − 𝑢2 𝑣1 𝑤3 − 𝑢3 𝑣2 𝑤1 − 𝑢1 𝑣3 𝑤2 + 𝑢3 𝑣1 𝑤2 + 𝑢2 𝑣3 𝑤1 .
– Si dim(E) = 𝑛, 𝔅 = (𝑒1 , … , 𝑒𝑛 ) une base de E, (𝑥1 , … , 𝑥𝑛 ) une famille de E telle que la matrice
A du système dans la base 𝔅 soit triangulaire supérieure, alors : det𝔅 (𝑥1 , … , 𝑥𝑛 ) = 𝑎1,1 … 𝑎𝑛,𝑛 ,
produit des coefficients diagonaux de la matrice.
En effet, pour que 𝑎1,σ(1) … 𝑎𝑛,σ(𝑛) ait une chance d’être non nul, il faut que 1 ⩽ σ(1), … , 𝑛 ⩽ σ(𝑛),
ce qui ne donne qu’une seule possibilité : σ = id.

MPSI2 (2022-23) Lycée Montaigne – 262 – ©Fradin Patrick – https://mpsi.tuxfamily.org

 Déterminant d’un endomorphisme Chapitre 25 : Déterminants
3) Propriétés du déterminant
Soit E un 𝕂-espace vectoriel de dimension 𝑛 et 𝔅 = (𝑒1 , … , 𝑒𝑛 ) une base de E.
– L’application det𝔅 est une forme 𝑛-linéaire alternée , donc :
• elle est linéaire par rapport à chaque variable, par exemple :
det𝔅 (α𝑥1 + β𝑥1′ , 𝑥2 , … , 𝑥𝑛 ) = α det𝔅 (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) + β det𝔅 (𝑥1′ , 𝑥2 , … , 𝑥𝑛 ).
• si on échange deux vecteurs dans le déterminant, alors le résultat change de signe. Par exemple :
det𝔅 (𝑥2 , 𝑥1 , 𝑥3 , … , 𝑥𝑛 ) = − det𝔅 (𝑥1 , 𝑥2 , 𝑥3 , … , 𝑥𝑛 ). Plus généralement :

∀ σ ∈ 𝔖𝑛 , det(𝑥σ(1) , … , 𝑥σ(𝑛) ) = ε(σ) det(𝑥1 , … , 𝑥𝑛 ).

𝔅 𝔅

• Si deux des vecteurs de la famille (𝑥1 , … , 𝑥𝑛 ) sont égaux, alors det𝔅 (𝑥1 , … , 𝑥𝑛 ) = 0. On en
déduit si l’un des vecteurs de la famille est combinaison linéaire des autres (i.e. la famille
est liée), alors le déterminant est nul, on en déduit également qu’ajouter à l’un des vecteurs
une combinaison linéaire des autres, ne change pas le déterminant, par conséquent on peut
calculer un déterminant avec la méthode de Gauss (pour obtenir un système de vecteurs dont
la matrice dans la base 𝔅 est triangulaire supérieure).
– det(𝑒1 , … , 𝑒𝑛 ) = 1 , ce que l’on note det𝔅 (𝔅) = 1, c’est l’unique forme 𝑛-linéaire alternée sur E
𝔅
qui vérifie cette égalité.
– Si 𝔅′ est une autre base de E, alors det
′
= det
′
(𝔅). det . On en déduit que det𝔅′ (𝔅) det𝔅 (𝔅′ ) = 1.
𝔅 𝔅 𝔅
Preuve : L’ensemble des formes 𝑛-linéaires alternées est une droite vectorielle engendrée par
det𝔅 , donc il existe un scalaire α tel que det𝔅′ = α. det𝔅 , pour obtenir α, il suffit d’appliquer
cette égalité sur les vecteurs de 𝔅. □
– La famille (𝑥1 , … , 𝑥𝑛 ) est une base de E ssi det𝔅 (𝑥1 , … , 𝑥𝑛 ) ≠ 0 .
Preuve : Soit 𝔅′ = (𝑥1 , … , 𝑥𝑛 ), si 𝔅′ est une base de E, alors l’ensemble des formes 𝑛-linéaires
alternées sur E est une droite engendrée par det𝔅′ et det𝔅 = det𝔅 (𝔅′ ). det𝔅′ , or det𝔅 n’est pas
l’application nulle, donc det𝔅 (𝔅′ ) ≠ 0.
Réciproquement, si det𝔅 (𝔅′ ) ≠ 0, alors la famille 𝔅′ est libre, car si elle était liée, l’un de ses
vecteurs serait combinaison linéaire des autres et donc le déterminant dans la base 𝔅 serait nul,
ce qui est absurde. Donc 𝔅′ est une famille libre de 𝑛 vecteurs en dimension 𝑛, c’est donc une
base de E. □

IV DÉTERMINANT D’UN ENDOMORPHISME

1) Définition
Soit E un 𝕂-espace vectoriel, soient 𝔅 = (𝑒1 , … , 𝑒𝑛 ) et 𝔅′ = (𝑒1′ , … , 𝑒𝑛′ ) deux bases de E, et soit
𝑢 ∈ ℒ(E), on note 𝑓 la forme 𝑛-linéaire alternée définie par :

𝑓(𝑥1 , … , 𝑥𝑛 ) = det(𝑢(𝑥1 ), … , 𝑢(𝑥𝑛 ))

𝔅

On sait qu’il existe un scalaire α tel que 𝑓 = α det𝔅′ , avec α = 𝑓(𝑒1′ , … , 𝑒𝑛′ ), or det𝔅 = det𝔅 (𝔅′ ) det𝔅′ ,
d’où α = det𝔅 (𝔅′ ) det𝔅′ (𝑢(𝑒1′ ), … , 𝑢(𝑒𝑛′ )). En calculant 𝑓(𝑒1 , … , 𝑒𝑛 ), on obtient :

det(𝑢(𝑒1 ), … , 𝑢(𝑒𝑛 )) = α det

′
(𝔅) = det
′
(𝑢(𝑒1′ ), … , 𝑢(𝑒𝑛′ ))
𝔅 𝔅 𝔅

car det𝔅′ (𝔅) det𝔅 (𝔅′ ) = 1.

Définition 25.8
Soit E un 𝕂-espace vectoriel et soit 𝔅 = (𝑒1 , … , 𝑒𝑛 ) une base de E, soit 𝑢 ∈ ℒ(E), on appelle
déterminant de 𝑢 le scalaire, noté det(𝑢) et défini par : det(𝑢) = det𝔅 (𝑢(𝑒1 ), … , 𝑢(𝑒𝑛 )). Ce scalaire
est indépendant de la base 𝔅 choisie.

ZExemple : Soit 𝑢 ∈ ℒ(ℝ2 ) défini par 𝑢(𝑥, 𝑦) = (𝑥 + 𝑦; 2𝑥 − 𝑦), notons 𝔅 = (𝑖, 𝑗) la base canonique de ℝ2 ,
alors det(𝑢) = det𝔅 (𝑖 + 2𝑗, 𝑖 − 𝑗) = det𝔅 (3𝑖, 𝑖 − 𝑗) = det𝔅 (3𝑖, −𝑗) = −3 det𝔅 (𝑖, 𝑗) = −3.

MPSI2 (2022-23) Lycée Montaigne – 263 – ©Fradin Patrick – https://mpsi.tuxfamily.org

 Déterminant d’une matrice carrée Chapitre 25 : Déterminants
Expression du déterminant : soit 𝑢 ∈ ℒ(E) et soit 𝔅 = (𝑒1 , … , 𝑒𝑛 ) une base de E, la matrice du système
(𝑢(𝑒1 ), … , 𝑢(𝑒𝑛 )) est en fait la matrice de 𝑢 dans la base 𝔅, posons A = (𝑎𝑖,𝑗 ) = mat(𝑢), alors on peut
𝔅
écrire :
det(𝑢) = ∑ ε(σ)𝑎1σ(1) ⋯ 𝑎𝑛σ(𝑛)
σ∈𝔖𝑛

2) Propriétés du déterminant
– Soit 𝑢 ∈ ℒ(E), soit 𝔅 une base de E, alors :

∀ 𝑥1 , … , 𝑥𝑛 ∈ E, det(𝑢(𝑥1 ), … , 𝑢(𝑥𝑛 )) = det(𝑢) det(𝑥1 , … , 𝑥𝑛 )

𝔅 𝔅

Preuve : L’application 𝑓 définie par 𝑓(𝑥1 , … , 𝑥𝑛 ) = det𝔅 (𝑢(𝑥1 ), … , 𝑢(𝑥𝑛 )) est 𝑛-linéaire alternée, donc il
existe un scalaire α tel que 𝑓 = α det𝔅 , ce scalaire vaut α = 𝑓(𝑒1 , … , 𝑒𝑛 ) (en posant 𝔅 = (𝑒1 , … , 𝑒𝑛 )), donc
α = det(𝑢) d’après la définition. □
– Soient 𝑢, 𝑣 ∈ ℒ(E), on a det(𝑢 ∘ 𝑣) = det(𝑣 ∘ 𝑢) = det(𝑢) det(𝑣) .
Preuve : Soit 𝔅 = (𝑒1 , … , 𝑒𝑛 ) une base de E, alors :

det(𝑢 ∘ 𝑣) = det(𝑢(𝑣(𝑒1 )), … , 𝑢(𝑣(𝑒𝑛 ))) = det(𝑢) det(𝑣(𝑒1 ), … , 𝑣(𝑒𝑛 )) = det(𝑢) det(𝑣),
𝔅 𝔅

de même, on obtient det(𝑣 ∘ 𝑢) = det(𝑣) det(𝑢), ce qui donne l’égalité. □

– Soit 𝑢 ∈ ℒ(E) et soit 𝔅 une base de E, alors 𝑢 ∈ GL(E) ssi det(𝑢) ≠ 0 , et si c’est le cas, alors
det(𝑢−1 ) = det(𝑢)
1
.
Preuve : Si 𝑢 ∈ GL(E), alors det(𝑢) det(𝑢−1 ) = det(𝑢 ∘ 𝑢−1 ) = det(idE ) = 1, donc det(𝑢) ≠ 0, et on
a la formule.
Réciproquement, si det(𝑢) ≠ 0, alors la famille (𝑢(𝑒1 ), … , 𝑢(𝑒𝑛 )) est libre, donc 𝑢 est bien un
automorphisme de E. □

V DÉTERMINANT D’UNE MATRICE CARRÉE

1) Définition

Définition 25.9
Soit A = (𝑎𝑖,𝑗 ) ∈ ℳ𝑛 (𝕂), et soit 𝑢 l’endomorphisme de 𝕂𝑛 canoniquement associé à A, on appelle
déterminant de A le déterminant de 𝑢 et on pose :

det(A) = det(𝑢) = det(C1 (A), … , C𝑛 (A)),

𝔅

où 𝔅 désigne la base canonique de 𝕂𝑛 .

Expression du déterminant : A est la matrice de 𝑢 dans la base canonique de 𝕂𝑛 , donc d’après le

paragraphe précédent, on a :
det(A) = ∑ ε(σ)𝑎1,σ(1) ⋯ 𝑎𝑛,σ(𝑛)
σ∈𝔖𝑛

||𝑎1,1 ⋯ 𝑎1,𝑛 ||
| |
Notation : on écrit det(A) = || ⋮ ⋮ ||
|𝑎𝑛,1 ⋯ 𝑎𝑛,𝑛 |
ZExemples :
||𝑎 𝑏||
– Cas d’une matrice carrée de taille 2 : | | = 𝑎𝑑 − 𝑏𝑐.
| 𝑐 𝑑|
𝑛
– Cas d’une matrice triangulaire : si A est triangulaire, alors det(A) = ∏ 𝑎𝑖,𝑖 (produit des éléments
𝑖=1
diagonaux).

MPSI2 (2022-23) Lycée Montaigne – 264 – ©Fradin Patrick – https://mpsi.tuxfamily.org

 Déterminant d’une matrice carrée Chapitre 25 : Déterminants
2) Propriétés du déterminant d’une matrice carrée
– Une matrice carrée A et sa transposée, ont le même déterminant. On en déduit que si 𝔅 est la
base canonique de 𝕂𝑛 , alors det(A) = det𝔅 (C1 (A), … , C𝑛 (A)) = det𝔅 (L1 (A), … , L𝑛 (A)).
Preuve : En effet, on a det(A) = ∑ ε(σ)𝑎1,σ(1) ⋯ 𝑎𝑛,σ(𝑛) = ∑ ε(σ)𝑎σ(1),1 ⋯ 𝑎σ(𝑛),𝑛 = det(AT ). □
σ∈𝔖𝑛 σ∈𝔖𝑛
– Soit 𝑢 ∈ ℒ(E), et soit 𝔅 une base quelconque de E, si mat(𝑢) = A ∈ ℳ𝑛 (𝕂), alors det(𝑢) = det(A).
𝔅
On en déduit en particulier que si P ∈ GL𝑛 (𝕂), alors det(P−1 × A × P) = det(A).
– Si A, B ∈ ℳ𝑛 (𝕂), alors det(A × B) = det(A) det(B), en particulier, on a det(A × B) = det(B × A).
– Une matrice carrée est inversible ssi son déterminant est non nul, si c’est le cas, alors det(A−1 ) =
det(A)−1 .
– Utilisation de la méthode de Gauss : on utilise celle-ci pour se ramener au calcul du déterminant
d’une matrice triangulaire, plus précisément :
• L’opération L𝑖 ↔ L𝑗 , change le signe du déterminant (idem avec les colonnes).
• L’opération L𝑖 ← αL𝑖 (α ≠ 0), multiplie le déterminant par α (idem avec les colonnes).
• L’opération L𝑖 ← L𝑖 + αL𝑗 , ne change pas le déterminant (idem avec les colonnes).
⎛⎜ 1 1 1⎞⎟
ZExemple : Avec A = ⎜⎜⎜⎜−1 2 0⎟⎟⎟⎟.
⎜ ⎟
⎝ 2 3 1⎠

||1 1 1 || |1 1 1 || |1 1 1 ||
C1 ↔C3 || || L3←L3−L1 ||| || L3←L3−L2 ||| |
det(A) = − |0 2 −1| = − |0 2 −1| = − |0 2 −1|| = −4.
|1 3 2 | |0 2 1 | |0 0 2 |

★Exercice 25.3 Soit A ∈ ℳ𝑛 (𝕂) et λ ∈ 𝕂, montrer que det(λA) = λ𝑛 det(A).

3) Développement suivant une ligne ou une colonne

Soit A = (𝑎𝑖,𝑗 ) ∈ ℳ𝑛 (𝕂), soit 𝔅 = (𝑒1 , … , 𝑒𝑛 ) la base canonique de 𝕂𝑛 , notons C1 , … , C𝑛 les vecteurs
𝑛
colonnes de A, pour 𝑗 ∈ J1 ; 𝑛K, on a C𝑗 = ∑ 𝑎𝑖,𝑗 𝑒𝑖 , par linéarité par rapport à la 𝑗e variable, on peut
𝑖=1
écrire : 𝑛
det(A) = ∑ 𝑎𝑖,𝑗 det(C1 , … , C𝑗−1 , 𝑒𝑖 , C𝑗+1 , … , C𝑛 ).
𝔅
𝑖=1
𝑛
En posant γ𝑖,𝑗 (A) = det𝔅 (C1 , … , C𝑗−1 , 𝑒𝑖 , C𝑗+1 , … , C𝑛 ), on a alors det(A) = ∑ 𝑎𝑖,𝑗 γ𝑖,𝑗 (A), c’est le dévelop-
𝑖=1
pement de det(A) suivant la colonne 𝑗.

Définition 25.10
Le scalaire γ𝑖,𝑗 (A) est appelé cofacteur (𝑖 𝑗) de la matrice A, c’est le déterminant de la matrice A
dans laquelle la colonne 𝑗 a été remplacée par le 𝑖e vecteur de la base canonique de 𝕂𝑛 .

Calcul de γ𝑖,𝑗 (A) :

|| 𝑎1,1 ⋯ 𝑎1,𝑗−1 0 𝑎1,𝑗+1 ⋯ 𝑎1,𝑛 ||

|| |
|| ⋮ ⋮ ⋮ ⋮ ⋮ ||
||𝑎𝑖−1,1 ⋯ 𝑎𝑖−1,𝑗−1 0 𝑎𝑖−1,𝑗+1 ⋯ 𝑎𝑖−1,𝑛 |||
On a γ𝑖,𝑗 (A) = || 𝑎𝑖,1 ⋯ 𝑎𝑖,𝑗−1 1 𝑎𝑖,𝑗+1 ⋯ 𝑎𝑖,𝑛 ||, on échange les colonnes C𝑗+1 et C𝑗 , puis
|| |
||𝑎𝑖+1,1 ⋯ 𝑎𝑖+1,𝑗−1 0 𝑎𝑖+1,𝑗+1 ⋯ 𝑎𝑖+1,𝑛 |||
|| ⋮ ⋮ ⋮ ⋮ ⋮ ||
| 𝑎𝑛,1 ⋯ 𝑎𝑛,𝑗−1 0 𝑎𝑛,𝑗+1 ⋯ 𝑎𝑛,𝑛 |
C𝑗+1 et C𝑗+2 , …etc, pour amener la colonne 𝑗 en dernière position, sans changer l’ordre sur les autres
colonnes, le déterminant est multiplié par (−1)𝑛−𝑗 . De le même façon, on amène la ligne 𝑖 en dernière
position sans changer l’ordre des autres lignes, le déterminant est multiplié par (−1)𝑛−𝑖 . On obtient

MPSI2 (2022-23) Lycée Montaigne – 265 – ©Fradin Patrick – https://mpsi.tuxfamily.org

 Déterminant d’une matrice carrée Chapitre 25 : Déterminants
alors :
|| 𝑎1,1 ⋯ 𝑎1,𝑗−1 𝑎1,𝑗+1 ⋯ 𝑎1,𝑛 0 ||
|| |
|| ⋮ ⋮ ⋮ ⋮ ⋮||
||𝑎𝑖−1,1 ⋯ 𝑎𝑖−1,𝑗−1 𝑎𝑖−1,𝑗+1 ⋯ 𝑎𝑖−1,𝑛 0 |||
γ𝑖,𝑗 (A) = (−1)𝑖+𝑗 ||𝑎𝑖+1,1 ⋯ 𝑎𝑖+1,𝑗−1 𝑎𝑖+1,𝑗+1 ⋯ 𝑎𝑖+1,𝑛 0 || ,
|| |
|| ⋮ ⋮ ⋮ ⋮ ⋮||
|| 𝑎𝑛,1 |
⋯ 𝑎𝑛,𝑗−1 𝑎𝑛,𝑗+1 ⋯ 𝑎𝑛,𝑛 0 ||
| 𝑎𝑖,1 ⋯ 𝑎𝑖,𝑗−1 𝑎𝑖,𝑗+1 ⋯ 𝑎𝑖,𝑛 1|
notons 𝑏𝑖,𝑗 les coefficients de la matrice à l’intérieur de ce déterminant, on a

γ𝑖,𝑗 (A) = (−1)𝑖+𝑗 ∑ ε(σ)𝑏σ(1),1 ⋯ 𝑏σ(𝑛),𝑛 ,

σ∈𝔖𝑛

on remarque que lorsque σ(𝑛) ≠ 𝑛, alors 𝑏σ(𝑛),𝑛 = 0, on peut donc ne retenir que les permutations ayant
𝑛 comme point fixe, c’est à dire en fait les éléments de 𝔖𝑛−1 , et comme 𝑏𝑛,𝑛 = 1, on a alors :
γ𝑖,𝑗 (A) = (−1)𝑖+𝑗 ∑ ε(σ)𝑏σ(1),1 ⋯ 𝑏σ(𝑛−1),𝑛−1 .
σ∈𝔖𝑛−1

C’est le déterminant de la matrice extraite de A par suppression de la ligne 𝑖 et de la colonne 𝑗,

multiplié par (−1)𝑖+𝑗 .

Définition 25.11
Soit A ∈ ℳ𝑛 (𝕂), on appelle mineur (𝑖 𝑗) de la matrice A, le déterminant Δ𝑖,𝑗 (A) de la matrice
A𝑖,𝑗 obtenue par suppression de ligne 𝑖 et de la colonne 𝑗 de A. Le lien entre cofacteur et mineur
est : γ𝑖,𝑗 (A) = (−1)𝑖+𝑗 Δ𝑖,𝑗 (A).

Le développement de det(A) suivant la colonne 𝑗 s’écrit donc :

𝑛 Δ𝑖,𝑗 (A) est un déterminant d’ordre
det(A) = ∑ 𝑎𝑖,𝑗 (−1)𝑖+𝑗 Δ𝑖,𝑗 (A).
𝑖=1

𝑛 − 1, c’est donc une formule récurrente.

ZExemple : En développant suivant la deuxième colonne :

|| 1 2 1||
|| | ||−1 2|| || 1 1||
|−1 0 2|| = −2 || 1 1|| − 3 ||−1 2|| = (−2)(−3) − 9 = −3.
| 1 3 1|
Développement suivant la ligne 𝑗 : comme une matrice A ∈ ℳ𝑛 (𝕂) a le même déterminant que sa
transposée, développer det(A) suivant la ligne 𝑗 revient à développer det(AT ) suivant la colonne 𝑗, ce
𝑛
qui donne det(A) = ∑ (AT )𝑖,𝑗 (−1)𝑖+𝑗 Δ𝑖,𝑗 (AT ), mais Δ𝑖,𝑗 (AT ) = Δ𝑗,𝑖 (A), ce qui donne finalement :
𝑖=1
𝑛
det(A) = ∑ 𝑎𝑗,𝑖 (−1)𝑖+𝑗 Δ𝑗,𝑖 (A)
𝑖=1
Un exemple classique : le déterminant de Vandermonde ¹
⎛⎜ 1 α0 ⋯ α𝑛0 ⎞⎟
Soit A = ⎜⎜⎜⎜⋮ ⋮ ⋮⎟⎟⎟⎟, où α0 , … , α𝑛 ∈ 𝕂, soit V𝑛 = det(A), alors on a le résultat suivant :
⎜ ⎟
⎝ 1 α𝑛 ⋯ α𝑛𝑛 ⎠

V𝑛 = ∏ (α𝑗 − α𝑖 )
0⩽𝑖<𝑗⩽𝑛

Preuve : Si deux des scalaires sont égaux, le résultat est évident. Supposons les α𝑖 distincts deux à deux. On peut
vérifier que pour 𝑛 = 2 le résultat est vrai. Supposons le vrai au rang 𝑛, et remplaçons dans V𝑛+1 la dernière
ligne par (1 X X2 … X𝑛+1 ), le déterminant obtenu en développant suivant la dernière ligne, est un polynôme P(X)
de degré au plus 𝑛 + 1, dont les racines sont α0 , … , α𝑛 , de plus son coefficient dominant est V𝑛 , par conséquent
𝑛 𝑛
on a P(X) = V𝑛 ∏ (X − α𝑖 ), d’où V𝑛+1 = V𝑛 ∏ (α𝑛+1 − α𝑖 ) = ∏ (α𝑗 − α𝑖 ). □
𝑖=0 𝑖=0 0⩽𝑖<𝑗⩽𝑛+1

1. VANDERMONDE Alexandre (1735 – 1796) : mathématicien français qui fut le premier à étudier les déterminants.

MPSI2 (2022-23) Lycée Montaigne – 266 – ©Fradin Patrick – https://mpsi.tuxfamily.org

 Applications Chapitre 25 : Déterminants
4) Comatrice

Définition 25.12
Soit A ∈ ℳ𝑛 (𝕂), on appelle comatrice de A la matrice de ℳ𝑛 (𝕂) dont les coefficients sont les
cofacteurs γ𝑖,𝑗 (A). Notation Com(A) = (γ𝑖,𝑗 (A))1⩽𝑖,𝑗⩽𝑛 .

𝑎 𝑏 𝑑 −𝑐
ZExemple : Si A = ( ), alors Com(A) = ( ).
𝑐 𝑑 −𝑏 𝑎

Théorème 25.9 (relation fondamentale)

T T
∀ A ∈ ℳ𝑛 (𝕂), A × Com(A) = Com(A) × A = det(A)I𝑛
𝑛
T
Preuve : Soit B = A × Com(A) , alors 𝑏𝑖,𝑗 = ∑ 𝑎𝑖,𝑘 (−1)𝑗+𝑘 Δ𝑗𝑘 (A), qui est le déterminant de la matrice obtenue en
𝑘=1
remplaçant dans A, la ligne 𝑗 par la ligne 𝑖, d’où 𝑏𝑖,𝑗 = det(A)δ𝑖,𝑗 .
𝑛
T
Posons C = Com(A) × A, alors 𝑐𝑖,𝑗 = ∑ 𝑎𝑘,𝑗 (−1)𝑖+𝑘 Δ𝑘,𝑖 (A), qui est le déterminant de la matrice obtenue en
𝑘=1
remplaçant dans A, la colonne 𝑖 par la colonne 𝑗, on a donc 𝑐𝑖,𝑗 = det(A)δ𝑖,𝑗 . □
Application – Si A ∈ ℳ𝑛 (𝕂) est inversible, alors :

1 T
A−1 = Com(A)
det(A)

VI APPLICATIONS

1) Équation cartésienne d’un hyperplan dans une base

Soit E un espace de dimension 𝑛 et 𝔅 = (𝑒1 , … , 𝑒𝑛 ) une base de E, soit H un hyperplan de E et
(𝑢1 , … , 𝑢𝑛−1 ) une base de H. On a alors :

⎛⎜ 𝑥1 ⎞⎟
𝑣 ⎜⎜⎜⎜⋮⎟⎟⎟⎟ ∈ H ⟺ (𝑢1 , … , 𝑢𝑛−1 , 𝑣) est liée [car (𝑢1 , … , 𝑢𝑛−1 ) est libre]
⎜ ⎟
⎝ 𝑥𝑛 ⎠𝔅
⟺ det(𝑢1 , … , 𝑢𝑛−1 , 𝑣) = 0 (on est en dimension 𝑛)
𝔅
||𝑎11 ⋯ 𝑎1𝑛−1 𝑥1 ||
| |
⟺ || ⋮ ⋮ ⋮|| = 0 (𝑎𝑖,𝑗 est la coordonnée sur 𝑒𝑖 de 𝑢𝑗 )
|𝑎𝑛1 ⋯ 𝑎𝑛𝑛−1 𝑥𝑛 |
⟺ (−1)𝑛+1 Δ1𝑛 𝑥1 + ⋯ + (−1)𝑛+𝑛 Δ𝑛𝑛 𝑥𝑛 = 0 (développement suivant la colonne 𝑛)
⟺ α1 𝑥1 + ⋯ + α𝑛 𝑥𝑛 = 0 c’est une équation cartésienne de H dans la base 𝔅,

en posant α𝑖 = (−1)𝑛+𝑖 Δ𝑖,𝑛 . Les coefficients α𝑖 ne sont pas tous nuls, en effet, s’ils l’étaient alors
pour tout vecteur 𝑣 de E le déterminant ci-dessus serait nul, or il existe un vecteur 𝑣 tel que la
famille (𝑢1 , … , 𝑢𝑛−1 , 𝑣) soit une base de E (théorème de la base incomplète), pour ce vecteur 𝑣 on a
det𝔅 (𝑢1 , … , 𝑢𝑛−1 , 𝑣) ≠ 0 : contradiction, donc au moins un des coefficients α𝑖 est non nul.

2) Orientation d’un espace vectoriel réel

Soient 𝔅 et 𝔅′ deux bases d’un espace vectoriel sur ℝ, de dimension finie, E, soit P la matrice de
passage de 𝔅 à 𝔅′ , alors P est une matrice inversible, donc det(P) ≠ 0, on a alors soit det(P) > 0, soit
det(P) < 0 (les coefficients de cette matrice sont des réels).

Définition 25.13
On dit que la base 𝔅 est en relation avec la base 𝔅′ lorsque la matrice de passage P𝔅,𝔅′ a un
déterminant strictement positif, on note alors 𝔅ℛ𝔅′ .

MPSI2 (2022-23) Lycée Montaigne – 267 – ©Fradin Patrick – https://mpsi.tuxfamily.org

 Applications Chapitre 25 : Déterminants
ZExemple : Une base 𝔅 = (𝑒1 , … , 𝑒𝑛 ) est en relation avec elle-même (car P𝔅,𝔅 = I𝑛 ), mais pas avec
𝔅′ = (−𝑒1 , 𝑒2 , … , 𝑒𝑛 ) (car det(P𝔅,𝔅′ ) = − det(I𝑛 ) par linéarité sur la colonne 1).

Théorème 25.10
La relation ℛ est une relation d’équivalence dans l’ensemble des bases de E, et il n’y a que deux
classes d’équivalence.

Preuve : La réflexivité est évidente (car P𝔅,𝔅 = I𝑛 ). La symétrie découle de la formule P𝔅′,𝔅 = P−1 𝔅,𝔅′ , donc
det(P𝔅′,𝔅 ) = det(P1𝔅,𝔅′ ) , les deux déterminants ont donc le même signe. La transitivité découle de la formule :
P𝔅,𝔅′′ = P𝔅,𝔅′ × P𝔅′,𝔅′′ , donc det(P𝔅,𝔅′′ ) = det(P𝔅,𝔅′ ) det(P𝔅′,𝔅′′ ).
On reprend l’exemple ci-dessus : 𝔅 = (𝑒1 , … , 𝑒𝑛 ) une base de E et 𝔅′ = (−𝑒1 , 𝑒2 , … , 𝑒𝑛 ), 𝔅 et 𝔅′ ne sont pas
en relation, donc il y a au moins deux classes d’équivalence (celle de 𝔅 et celle de 𝔅′ ), soit 𝔅′′ une troisième
base, supposons que 𝔅 ne soit pas en relation avec 𝔅′′ , alors P𝔅′,𝔅′′ = P𝔅′,𝔅 × P𝔅,𝔅′′ , d’où det(P𝔅′,𝔅′′ ) = det(P𝔅′,𝔅 ) ×
det(P𝔅,𝔅′′ ) > 0, car ces deux déterminants sont négatifs, par conséquent 𝔅′′ ℛ𝔅′ , et donc la classe de 𝔅′′ et égale
à celle de 𝔅′ , il n’y a pas d’autres classe d’équivalence que celles de 𝔅 et de 𝔅′ . □

Définition 25.14
Orienter l’espace vectoriel E c’est choisir une des deux classes d’équivalence, que l’on appelle
classe des bases directes, l’autre étant alors appelée classe des bases indirectes. Comme il n’y
a que deux choix, il n’y a donc que deux orientations possibles. Dans la pratique, on choisit une
base de E, et on décrète que celle-ci est directe.

À retenir
Le déterminant de la matrice de passage entre deux bases directes (ou deux bases indirectes)
est strictement positif. Le déterminant de la matrice de passage entre une base directe et une
base indirecte est strictement négatif.

3) Systèmes linéaires
⎧
⎪ 𝑎 𝑥 + … + 𝑎1𝑝 𝑥𝑝 = 𝑏1
⎪ 11 1
C’est un système de la forme (S) ⎨ ⎪ ⋮ , où les scalaires 𝑥1 , … , 𝑥𝑝 sont les
⎪
⎩ 𝑎𝑛1 𝑥1 + … + 𝑎𝑛𝑝 𝑥𝑝 = 𝑏𝑛
inconnues.
Le système (S) peut s’interpréter de plusieurs façons :
– Interprétation géométrique : chaque équation de (S) peut être vue comme l’équation d’un
hyperplan de 𝕂𝑝 lorsque les coefficients ne sont pas tous nuls. Les solutions de (S) sont les
coordonnées des points de l’intersection de 𝑛 hyperplans.
⎛⎜ 𝑥1 ⎞⎟ ⎛⎜ 𝑏1 ⎞⎟ ⎛⎜𝑎11 ⋯ 𝑎1𝑝 ⎞⎟
– Sous forme matricielle : (S) ⟺ AX = B où X = ⎜⎜⎜⎜⋮⎟⎟⎟⎟, B = ⎜⎜⎜⎜⋮⎟⎟⎟⎟, et A = ⎜⎜⎜⎜ ⋮ ⋮ ⎟⎟⎟⎟, A est la
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ 𝑥𝑝 ⎠ ⎝ 𝑏𝑛 ⎠ ⎝𝑎𝑛1 ⋯ 𝑎𝑛𝑝 ⎠
matrice du système. Le rang de la matrice A est appelé le rang du système S, il peut être vu
comme le nombre maximal d’équations indépendantes du système.
– Sous forme linéaire : soit 𝑢 ∈ ℒ(𝕂𝑝 , 𝕂𝑛 ) l’application linéaire canoniquement associée à A, soit
𝑥 = (𝑥1 , … , 𝑥𝑝 ) ∈ 𝕂𝑝 , et soit 𝑏 = (𝑏1 , … , 𝑏𝑛 ) ∈ 𝕂𝑛 , on a alors (S) ⟺ 𝑢(𝑥) = 𝑏.
– Sous forme vectorielle : soient 𝑐1 (A), … , 𝑐𝑝 (A) les vecteurs colonnes de A, on a (S) ⟺ 𝑥1 𝑐1 (A) +
… + 𝑥𝑝 𝑐𝑝 (A) = 𝑏, c’est une équation vectorielle dans 𝕂𝑛 (on cherche toutes les combinaisons
linéaires des vecteurs colonnes de 𝑎 égales à 𝑏).

Définition 25.15 (Systèmes de Cramer)

C’est un système linéaire carré possédant une unique solution, ce qui revient à dire que la
matrice du système est carrée inversible.

Formules de Cramer ² : on a ici 𝑛 = 𝑝, notons C1 , … , C𝑛 les colonnes de A ,on a B = 𝑥1 C1 + … + 𝑥𝑛 C𝑛 ,

2. CRAMER Gabriel (1704 – 1752) : mathématicien français qui s’est intéressé aux systèmes linéaires et à la théorie des
déterminants.

MPSI2 (2022-23) Lycée Montaigne – 268 – ©Fradin Patrick – https://mpsi.tuxfamily.org

 Solution des exercices Chapitre 25 : Déterminants
soit D𝑖 la matrice obtenue en remplaçant dans A la colonne 𝑖 par la colonne B, on a :
𝑛
det(D𝑖 ) = ∑ 𝑥𝑘 det(C1 , … , C𝑖−1 , C𝑘 , C𝑖+1 , … , C𝑛 )
𝑘=1

ce qui donne det(D𝑖 ) = 𝑥𝑖 det(A) par linéarité sur la variable 𝑖, d’où les formules :

det(C1 , … , C𝑖−1 , B, C𝑖+1 , … , C𝑛 )

∀ 𝑖 ∈ J1 ; 𝑛K, 𝑥𝑖 = (formules de Cramer)
det(A)

pour avoir 𝑥𝑖 : on remplace la colonne 𝑖 de A par le second membre B, on en calcule le déterminant,

puis son divise par celui de A.
⎧
⎪𝑎𝑥 + 𝑏𝑦 = 𝑢
ZExemple : Si 𝑎𝑑 − 𝑏𝑐 ≠ 0, alors le système (S) ⎨
⎪𝑐𝑥 + 𝑑𝑦 = 𝑣 , d’inconnues 𝑥 et 𝑦, possède une unique
⎩
solution :
|| |
⎧
⎪ ||𝑢 𝑏|||
⎪
⎪ | ||
⎪
⎪ |
| 𝑣 𝑑|
⎪
⎪
⎪𝑥 = 𝑎𝑑−𝑏𝑐 = 𝑢𝑑−𝑣𝑏 𝑎𝑑−𝑏𝑐
⎨
⎪ || ||
⎪
⎪ ||𝑎 𝑢||
⎪
⎪ || ||
⎪
⎪
⎪𝑦 = | 𝑐 𝑣 | = 𝑎𝑣−𝑐𝑢
⎩ 𝑎𝑑−𝑏𝑐 𝑎𝑑−𝑏𝑐

À partir de la taille 𝑛 = 3 ces formules ne sont pas très efficaces en terme de complexité (𝑛 + 1
déterminants à calculer...).

VII SOLUTION DES EXERCICES

Solution 25.1
1/ Cycles de 𝔖3 : idE3 , (1 2), (1 3), (2 3), (1 2 3) et (1 3 2).
2/ Pour faire un cycle de longueur 𝑘, on prend 𝑘 entiers parmi 𝑛 pour faire le support, (𝑛𝑘) choix, puis il faut faire un
cycle avec ces 𝑘 entiers, c’est comme placer 𝑘 convives autour d’un table ronde, il y a (𝑘 − 1)! façons de faire. Soit
au total (𝑘 − 1)!(𝑛𝑘) = (𝑛−𝑘)!𝑘
𝑛!
cycles de longueur 𝑘.
3/ Si σ = (𝑖1 𝑖2 … 𝑖𝑝 ) alors σ−1 = (𝑖𝑝 𝑖𝑝−1 ⋯ 𝑖1 ).
4/ Si σ = (𝑗0 𝑗1 … 𝑗𝑝−1 ), alors on peut vérifier que σ(𝑗𝑘 ) = 𝑗𝑘+1 (mod 𝑝) , on en déduit que σ𝑖 (𝑗𝑘 ) = 𝑗𝑘+𝑖 (mod 𝑝) (les autres
entiers étant fixes). On a donc bien σ𝑝 = id et si 𝑖 < 𝑝 alors σ𝑖 (𝑗𝑘 ) = 𝑗𝑘+𝑖 (mod 𝑝) ≠ 𝑗𝑘 donc σ𝑖 ≠ id. Si 𝑎 est un
élément du support de σ, alors on a 𝑎 = 𝑗𝑘 , si σ𝑖 (𝑎) = σ𝑠 (𝑎) alors 𝑗𝑘+𝑖 (mod 𝑝) = 𝑗𝑘+𝑠 (mod 𝑝) et donc 𝑖 ≡ 𝑠 (mod 𝑝),
donc les entiers 𝑎, σ(𝑎), …, σ𝑝−1 (𝑎) sont distincts et σ𝑝 (𝑎) = 𝑎, d’où σ = (𝑎 σ(𝑎) … σ𝑝−1 (𝑎)).

Solution 25.2
1/ Si 𝑐 = (𝑖1 𝑖2 … 𝑖𝑝 ) et 𝑐 ′ = (𝑗1 𝑗2 … 𝑗𝑘 ) deux cycles à support disjoints, si 𝑘 est un entier, en distinguant trois cas :
𝑘 ∈ {𝑖1 , … , 𝑖𝑝 }, 𝑘 ∈ {𝑗1 , … , 𝑗𝑘 } et 𝑘 ∉ {𝑖1 , … , 𝑖𝑝 } ∪ {𝑗1 , … , 𝑗𝑘 }, on vérifie que 𝑐 ∘ 𝑐 ′ (𝑘) = 𝑐 ′ ∘ 𝑐(𝑘).
2/ Les cycles à support non disjoints ne commutent pas, par exemple : (1 2) ∘ (2 3) = (1 2 3) alors que (2 3) ∘ (1 2) =
(1 3 2).

Solution 25.3 Par linéarité sur chaque vecteur colonne, on peut sortir le coefficient λ de chaque colonne.

MPSI2 (2022-23) Lycée Montaigne – 269 – ©Fradin Patrick – https://mpsi.tuxfamily.org