Ce document est mis à disposition selon les termes de la licence

Creative Commons « Attribution – Partage dans les mêmes conditions

4.0 International ». https://www.immae.eu/cours/

Chapitre 12 : Déterminants
Ici, K désigne un sous corps de C (généralement R ou C), et n un entier naturel ě 2.

I Applications n-linéaires

A) Définition

Définition :
Soient E et F deux K-ev. Une application n-linéaire de E n dans F est une application :

ϕ: E ˆ E ˆ ¨ ¨ ¨ E ÝÑ F (12.1)
(u1 , u2 . . . un ) ÞÝÑ φ(u1 , u2 . . . un )

Telle que :
Pour tout U = (u1 , u2 . . . un ), les n applications partielles :
ϕU,i : E ÝÑ F , obtenues pour i P J1, nK, sont linéaires.
v ÞÝÑ φ(u1 , u2 . . . ui´1 , v, . . . un )

Exemple :
2-linéaire = bilinéaire
φ : E ˆ E Ñ F est bilinéaire lorsque :

@v P E, @(u, u1 ) P E ˆ E, @λ P K,φ(u + λu1 , v) = φ(u, v) + λφ(u1 , v)

(12.2)
et φ(v, u + λu1 ) = φ(v, u) + λφ(v, u1 )

Exemple :
R2 ÝÑ R est bilinéaire.
(x, y) ÞÝÑ x ˆ y

Proposition :
Si φ : E n Ñ F est n-linéaire et, pour (u1 , u2 . . . un ) P E n , si l’un des ui est nul, alors φ(u1 , u2 . . . un ) = 0

En effet : l’application v ÞÑ φ(u1 , u2 . . . ui´1 , v, . . . un ) est linéaire donc nulle en 0.

B) Application n-linéaire antisymétrique

Définition :
Soit ϕ : E n Ñ F n-linéaire. On dit que ϕ est antisymétrique lorsque

@(i, j) P J1, nK2 , i ‰ j ùñ ϕ(u1 . . . loou

moi on . . . loou
moj on . . . un ) = ´ϕ(u1 . . . loou
moj on . . . loou
moi on . . . un )
i j i j
(12.3)

MPSI Mathématiques 1 Ismaël Bouya

Algèbre et géométrie
I. APPLICATIONS N -LINÉAIRES CHAPITRE 12. DÉTERMINANTS

Proposition :
Soit ϕ : E n Ñ F antisymétrique. Alors, pour toute permutation σ P Sn , et tout (u1 , u2 . . . un ) P E n ,
ϕ(uσ(1) , uσ(2) . . . uσ(n) ) = ε(σ) ˆ ϕ(u1 , u2 . . . un ), où ε(σ) est la signature de σ.

Démonstration :
Montrons par récurrence que @k P N, « pour toute permutation σ P Sn se décomposant en produit de k
transpositions, et tout (u1 , u2 . . . un ) P E n , ϕ(uσ(1) , uσ(2) . . . uσ(n) ) = ε(σ) ˆ ϕ(u1 , u2 . . . un ) » (P(k)).

‚ P(0) ok (la seule transposition qui se décompose en produit de 0 transpositions est l’identité, de
signature 1)

‚ P(1) : c’est la définition de antisymétrique

‚ Soit k P N, supposons P(k). Soit alors σ P Sn s’écrivant τ1 ˝ τ2 ˝ ¨ ¨ ¨ ˝ τk ˝ τk+1 , où les τi sont des
transpositions. Soit σ 1 = τ1 ˝ τ2 ˝ ¨ ¨ ¨ ˝ τk et τ = τk+1 .
Soit (u1 , u2 . . . un ) P E n . Alors :

ϕ(uσ(1) , uσ(2) . . . uσ(n) ) = ϕ(uσ1 (τ (1)) , uσ1 (τ (2)) . . . uσ1 (τ (n)) )

= ϕ(u1τ (1) , u1τ (2) . . . u1τ (n) ) où on a noté u1i = uσ1 (i)
= ´ϕ(u11 , u12 . . . u1n )
(12.4)
= ´ϕ(uσ1 (1) , uσ1 (2) . . . uσ1 (n) )
= ´ε(σ 1 )ϕ(u1 , u2 . . . un )
= ε(σ)ϕ(u1 , u2 . . . un )

Exemple :
Le produit vectoriel :

E ÝÑ E (12.5)
(u, v) ÞÝÑ u ^ v

où E est un espace vectoriel euclidien orienté de dimension 3, est une application bilinéaire antisymé-
trique.

C) Applications n-linéaires alternées

Définition :
Soit ϕ : E n Ñ F n-linéaire.
On dit que ϕ est alternée lorsque :

Pour tout (u1 , u2 . . . un ) P E n , si il existe i, j P J1, nK distincts tels que ui = uj , alors

ϕ(u1 , u2 . . . un ) = 0

Proposition :
Alternée ðñ antisymétrique

MPSI Mathématiques 2
Algèbre et géométrie
CHAPITRE 12. DÉTERMINANTS I. APPLICATIONS N -LINÉAIRES

Démonstration :
1. Supposons ϕ alternée.
Soit (u1 , u2 . . . un ) P E n , soient i, j P J1, nK distincts. On a :

ϕ(u1 , u2 . . . (u i + uj ) . . . (u
loooomoooon i + uj ) . . . u n ) = 0
loooomoooon
i j

= ϕ(u1 , u2 . . . (ui + uj ) . . . ui . . . un ) + ϕ(u1 , u2 . . . (ui + uj ) . . . uj . . . un )

= loooooooooooooooomoooooooooooooooon
ϕ(u1 , u2 . . . ui . . . ui . . . un ) +ϕ(u1 , u2 . . . uj . . . ui . . . un )
=0

+ ϕ(u1 , u2 . . . ui . . . uj . . . un ) + loooooooooooooooomoooooooooooooooon
ϕ(u1 , u2 . . . uj . . . uj . . . un )
=0
(12.6)

Donc ϕ(u1 , u2 . . . uj . . . ui . . . un ) = ´ϕ(u1 , u2 . . . ui . . . uj . . . un )

2. Supposons ϕ antisymétrique. Soit (u1 , u2 . . . un ) P E n , supposons qu’il existe i, j P J1, nK distincts

tels que ui = uj .
Alors ϕ(u1 , u2 . . . ui . . . ui . . . un ) = ´ϕ(u1 , u2 . . . ui . . . ui . . . un ).
Donc ϕ(u1 , u2 . . . ui . . . ui . . . un ) = 0 (car K est un sous corps de C donc 2 ‰ 0)
Remarque :
L’implication antisymétrique ùñ alternée est fausse lorsque K est par exemple Z/2Z, c’est-à-dire un
corps de caractéristique 2 (d’où l’intérêt d’avoir deux définitions)

D) Formes n-linéaires alternées en dimension n

On s’intéresse à ϕ : E n Ñ K, n-linéaire alternée lorsque E est un K-ev de dimension n. On dit alors

que ϕ est une forme n-linéaire alternée sur E (pas n )

Étude :
Soit B = (e1 , e2 , . . . en ) une base de E.
Soit (u1 , u2 . . . un ) P E n , et A = mat((u1 , u2 . . . un ), B)
řn
Ainsi, @j P J1, nK, uj = i=1 aij ei . On a :
!
n
ÿ
ϕ(u1 , u2 . . . un ) = ϕ ai1 ei , u2 . . . un
i=1
n
ÿ
= ai1 ϕ(ei , u2 . . . un )
i=1
!
n
ÿ n
ÿ
= ai11 ai2 2 ϕ(ei1 , ei2 . . . un )
i1 =1 i2 =1
(12.7)
ÿn n
ÿ
= ai1 1 ai2 2 ϕ(ei1 , ei2 . . . un )
i1 =1 i2 =1
ÿn ÿ n n
ÿ
= ai1 1 ai2 2 ai3 3 ϕ(ei1 , ei2 , ei3 . . . un )
i1 =1 i2 =1 i3 =1
ÿ
= ai1 1 ai2 2 . . . ain n ϕ(ei1 , ei2 . . . ein )
(i1 ,i2 ,...in )PJ1,nKn

(On a utilisé uniquement le fait que ϕ est n-linéaire)

MPSI Mathématiques 3
Algèbre et géométrie
II. DÉTERMINANT DANS UNE BASE D’UNE FAMILLE DE NCHAPITRE
VECTEURS12. DÉTERMINANTS

Ainsi :
ÿ
ϕ(u1 , u2 . . . un ) = af (1),1 af (2),2 . . . af (n),n looooooooooooomooooooooooooon
ϕ(ef (1) , ef (2) . . . ef (n) )
f PF (J1,nK,J1,nK)
=0 pour f non injective car
ϕ est alternée
ÿ
= aσ(1),1 aσ(2),2 . . . aσ(n),n ϕ(eσ(1) , eσ(2) . . . eσ(n) ) (12.8)
σPSn
!
ÿ
= ε(σ)aσ(1),1 aσ(2),2 . . . aσ(n),n ϕ(e1 , e2 . . . en )
σPSn

II Déterminant dans une base d’une famille de n vecteurs

Ici, E est un K-ev de dimension n.

Théorème :
Soit B = (e1 , e2 , . . . en ) une base de E.
Alors :

1. Il existe une et une seule forme n-linéaire alternée qui prend la valeur 1 sur B. Elle s’appelle detB
(déterminant dans la base B)

2. Pour toute forme n-linéaire alternée ϕ sur E, on a, pour tout (u1 , u2 . . . un ) P E n :

ϕ(u1 , u2 . . . un ) = detB (u1 , u2 . . . un )ϕ(e1 , e2 . . . en )

Démonstration :
1. Unicité : si ∆ est une forme n-linéaire alternée qui prend la valeur 1 sur B, alors, nécessairement :
@(u1 , u2 . . . un ) P E n , ∆(u1 , u2 . . . un ) = σPSn ε(σ)aσ(1),1 aσ(2),2 . . . aσ(n),n (d’après l’étude), où
ř

A = (aij ) = mat((u1 , u2 . . . un ), B). D’où l’unicité.

Vérifions que ∆ défini par cette formule est n-linéaire alternée :

‚ ∆ est n-linéaire : ok. C’est une forme n-linéaire : ok

Par exemple : linéaire par rapport à la première variable :
Soient u1 , u2 . . . un de composantes données par la matrice A, u11 de composantes les a1i,1 et
λ P K. On a alors :
ÿ  
∆(u1 + λu11 , u2 . . . un ) = σ P Sn ε(σ) aσ(1),1 + λa1σ(1),1 aσ(2),2 . . . aσ(n),n
ÿ ÿ
= ε(σ)aσ(1),1 aσ(2),2 . . . aσ(n),n + λ ε(σ)a1σ(1),1 aσ(2),2 . . . aσ(n),n
σPSn σPSn

= ∆(u1 , u2 . . . un ) + λ∆(u11 , u2 . . . un )
(12.9)

‚ ∆ est alternée :
Soit (u1 , u2 . . . un ) P E n , supposons ui = uj avec i ă j. Soit τ = (i, j). On a :
ÿ
∆(u1 , u2 . . . un ) = ε(σ)aσ(1),1 aσ(2),2 . . . aσ(n),n
σPSn
ÿ ÿ (12.10)
= aσ(1),1 aσ(2),2 . . . aσ(n),n ´ aσ(1),1 aσ(2),2 . . . aσ(n),n
σPAn σPSn zAn

MPSI Mathématiques 4
Algèbre et géométrie
CHAPITRE 12. DÉTERMINANTS
II. DÉTERMINANT DANS UNE BASE D’UNE FAMILLE DE N VECTEURS

Or, l’application σ Ñ σ ˝ τ constitue une bijection de An vers Sn zAn . On a donc :

ÿ ÿ
∆(u1 , u2 . . . un ) = aσ(1),1 aσ(2),2 . . . aσ(n),n ´ aσ˝τ (1),1 aσ˝τ (2),2 . . . aσ˝τ (n),n (12.11)
σPAn σPAn

Mais, pour tout σ P An :

aσ˝τ (1),1 aσ˝τ (2),2 . . . aσ˝τ (i),i . . . aσ˝τ (j),j . . . aσ˝τ (n),n = aσ(1),1 aσ(2),2 . . . aσ(j),i . . . aσ(i),j . . . aσ(n),n
= aσ(1),1 aσ(2),2 . . . aσ(j),j . . . aσ(i),i . . . aσ(n),n

(car ui = uj donc @k P J1, nK, aki = akj )

= aσ(1),1 aσ(2),2 . . . aσ(i),i . . . aσ(j),j . . . aσ(n),n

(12.12)

‚ ∆(e1 , e2 , . . . en ) = 1 :
Si A = In (= mat(B, B)), les produits aσ(1),1 aσ(2),2 . . . aσ(i),i . . . aσ(j),j . . . aσ(n),n sont tous
nuls sauf pour σ = Id, où il vaut 1.

2. Découle du résultat de l’étude.

Exemple :
‚ Soit E de dimension 2, B = (e1 , e2 ) une base de E. Soient u1 , u2 deux vecteurs de E, de composantes
     
a11 a12 a11 a21
  et  . Alors A = mat((u1 , u2 ), B) =  . Ainsi, detB (u1 , u2 ) = a11 a22 ´
a21 a22 a12 a22
a21 a12 (S2 = tId, τ12 u).

‚ Soit E de dimension 3, B = (e1 , e2 , e3 ) une base de E. Soient u1 , u2 , u3 P E.

 
a11 a21 a31
 

A = mat((u1 , u2 , u3 ), B) = a12 a32 
a22 , S3 = tId, (1, 2, 3), (3, 2, 1), (1, 2), (2, 3), (3, 1)u
looooooooooomooooooooooon
a13 a23 a33 paires

(12.13)
Donc

detB (u1 , u2 , u3 ) = a11 a22 a33 + a21 a32 a13 + a31 a12 a23
(12.14)
´ a21 a12 a33 ´ a11 a32 a23 ´ a31 a22 a13

Théorème (Chasles) :
Soient B, B 1 deux bases de E. Alors, pour tout (u1 , u2 . . . un ) P E n :

detB1 (u1 , u2 . . . un ) = detB1 (B) ˆ detB (u1 , u2 . . . un ) (12.15)

Démonstration :
On applique le deuxième résultat du théorème avec ϕ = detB1 :

ϕ(u1 , u2 . . . un ) = detB (u1 , u2 . . . un ). ϕ(e

loooooooomoooooooon 1 , e2 . . . e n )
looooooomooooooon (12.16)
detB1 (u1 ,u2 ...un ) detB1 (B)

MPSI Mathématiques 5
Algèbre et géométrie
III. DÉTERMINANT D’UN ENDOMORPHISME CHAPITRE 12. DÉTERMINANTS

Théorème :
Soit B une base de E. Soit (u1 , u2 . . . un ) P E n .
Alors (u1 , u2 . . . un ) est liée ðñ detB (u1 , u2 . . . un ) = 0

Démonstration :
‚ Si (u1 , u2 . . . un ) est liée, alors l’un des ui , disons uj est combinaison linéaire des autres : uj =
iPJ1,nKztju αi ui .
ř

Alors
ÿ ÿ
detB (u1 , u2 . . . un ) = detB (u1 , u2 , . . . α i ui , . . . u n ) = αi detB (u1 , u2 , . . . loou
moi on, . . . un ) = 0
iPJ1,nKztju i‰j j
(12.17)
‚ Si (u1 , u2 . . . un ) est libre, elle forme une base B 1 et alors :

det B1 (u1 , u2 . . . un ) = detB1 (B) ˆ detB (u1 , u2 . . . un )

looooooooooomooooooooooon (12.18)
=1‰0

Donc detB (u1 , u2 . . . un ) ‰ 0

III Déterminant d’un endomorphisme

Ici, E est un K-ev de dimension n.

Théorème, définition :
Soit φ P L (E), soit B = (e1 , e2 , . . . en ) une base de E.
Alors la valeur de detB (φ(e1 ), φ(e2 ) . . . φ(en )) ne dépend pas du choix de B. On l’appelle det(φ)

Démonstration :
Soit B 1 = (e11 , e12 , . . . e1n ) une autre base de E. Alors :

detB1 (φ(e11 ), φ(e12 ) . . . φ(e1n )) = detB (e11 , e12 . . . e1n ) ˆ detB1 (φ(e1 ), φ(e2 ) . . . φ(en ))

(selon la deuxième partie du premier théorème de la section précédente avec φ : (u1 , . . . un ) ÞÑ detB1 (φ(u1 ), . . . φ(un ))
appliqué en (e11 , e12 . . . e1n ))

= detB (φ(e1 ), φ(e2 ) . . . φ(en )) (Chasles)

(12.19)

Ainsi, si A = mat(φ, B), alors det(φ) = detB (φ(e1 ) . . . φ(en )) =

ř
σPSn ε(σ)aσ(1),1 . . . aσ(n),n

Théorème :
Soient φ, ψ P L (E). Alors :

1. det(φ ˝ ψ) = det(φ) ˆ det(ψ)

2. det(IdE ) = 1

3. φ P GL(E) ðñ det(φ) ‰ 0, et dans ce cas det(φ´1 ) = 1

det(φ)

MPSI Mathématiques 6
Algèbre et géométrie
CHAPITRE 12. DÉTERMINANTS IV. DÉTERMINANT D’UNE MATRICE CARRÉE

Démonstration :
Soit B = (e1 , e2 , . . . en ) une base de E.

1. det(φ ˝ ψ) = detB (φ ˝ ψ(e1 ), φ ˝ ψ(e2 ) . . . φ ˝ ψ(en ))

‚ Si la famille (ψ(e1 ), ψ(e2 ) . . . ψ(en )) est liée, alors det(ψ) = 0. D’autre part, la famille (φ ˝
ψ(e1 ), φ ˝ ψ(e2 ) . . . φ ˝ ψ(en )) est aussi liée. Donc det(φ ˝ ψ) = 0 aussi. Donc det(φ ˝ ψ) =
det(φ) ˆ det(ψ) (= 0).

‚ Si la famille des (ψ(e1 ), ψ(e2 ) . . . ψ(en )) est libre, elle constitue une base B 1 de E, et :

1
det B (φ ˝ ψ(e1 ), φ ˝ ψ(e2 ) . . . φ ˝ ψ(en )) = det
looooooooooooooooooooooooomooooooooooooooooooooooooon B (B ) ˆ det
loooomoooon B1 (φ ˝ ψ(e1 ), φ ˝ ψ(e2 ) . . . φ ˝ ψ(en ))
loooooooooooooooooooooooooomoooooooooooooooooooooooooon
det(φ˝ψ) det(ψ) det(φ)
(12.20)

2. Immédiat

3. Si φ P GL(E), on peut introduire φ´1 .

Alors 1 = det(IdE ) = det(φ ˝ φ´1 ) = det(φ) ˆ det(φ´1 )
1
Donc det(φ) ‰ 0 et det(φ´1 ) = det(φ)
Si φ R GL(E), alors (φ(e1 ), φ(e2 ) . . . φ(en )) est liée, donc det(φ) = 0.

IV Déterminant d’une matrice carrée

A) Définition et propriété

Définition :
Soit A = (aij ) P Mn (K)
On note
ÿ
det(A) = ε(σ)aσ(1),1 aσ(2),2 . . . aσ(n),n (12.21)
déf
σPSn

Proposition :
Soit E un K-ev de dimension n, et B = (e1 , e2 , . . . en ) une base de E.
Soit (u1 , u2 . . . un ) P E n tel que mat((u1 , u2 . . . un ), B) = A.
Soit φ P L (E) tel que mat(φ, B) = A
Alors :
det(A) = det(φ) = detB (u1 , u2 , . . . un ) (12.22)

Propriétés :
Soient A, B P Mn (K). Alors :

‚ det(AB) = det(A) ˆ det(B)

‚ det(In ) = 1
1
‚ A est inversible si et seulement si det(A) ‰ 0, et dans ce cas det(A´1 ) = det(A)

‚ det(tA) = det(A)

MPSI Mathématiques 7
Algèbre et géométrie
IV. DÉTERMINANT D’UNE MATRICE CARRÉE CHAPITRE 12. DÉTERMINANTS

Démonstration :
Les trois premiers sont immédiats en passant par les endomorphismes.
On note tA = (bij ), où @(i, j) P J1, nK2 , bij = aji .
On a donc :
ÿ
det(tA) = ε(σ)bσ(1),1 bσ(2),2 . . . bσ(n),n
σPSn
ÿ (12.23)
= ε(σ)a1,σ(1) a2,σ(2) . . . an,σ(n)
σPSn

Soit σ P Sn . Pour tout ρ P Sn , on a :

aρ(1),σ(ρ(1)) aρ(2),σ(ρ(2)) . . . aρ(n),σ(ρ(n)) = a1,σ(1) a2,σ(2) . . . an,σ(n) (12.24)

(simple permutation de l’ordre des termes du produit)

Donc det(tA) = σPSn ε(σ)aσ´1 (1),1 aσ´1 (2),2 . . . aσ´1 (n),n .
ř

De plus, 1 = ε(σ ´1 ˝ σ) = ε(σ ´1 ) ˆ ε(σ).

1
Donc ε(σ ´1 ) = ε(σ) = ε(σ). Donc

ÿ
det(tA) = ε(σ ´1 )aσ´1 (1),1 aσ´1 (2),2 . . . aσ´1 (n),n
σPSn
ÿ
= ε(σ 1 )aσ1 (1),1 aσ1 (2),2 . . . aσ1 (n),n (12.25)
σ 1 PSn

= det(A)

B) Propriétés portant sur les colonnes et les lignes

1) Sur les colonnes

Notation :
C1 , C2 . . . Cn étant les colonnes de A P Mn (K), on notera A = [C1 , C2 . . . Cn ].

Résultat essentiel : det(A) = detB (C1 , C2 . . . Cn ), où B est la base naturelle de Mn,1 (K).
Donc les déterminants d’une matrice est une forme n-linéaire alternée de ses colonnes. Ainsi, le détermi-
nant est linéaire par rapport à chaque colonne :

det[C1 , C2 . . . Cj + λCj1 . . . Cn ] = det[C1 , C2 . . . Cj . . . Cn ] + λ det[C1 , C2 . . . Cj1 . . . Cn ] (12.26)

Et c’est une forme linéaire alternée :

‚ det[C1 , C2 . . . Ci . . . Ci . . . Cn ] = 0

‚ et det[C1 , C2 . . . Ci . . . Cj . . . Cn ] = ´ det[C1 , C2 . . . Cj . . . Ci . . . Cn ]

‚ et det[Cσ(1) , Cσ(2) . . . Cσ(n) ] = ε(σ) det[C1 , C2 . . . Cn ]

ÿ
‚ et aussi det[C1 , C2 . . . αi Ci . . . C n ] = 0
i‰j
looomooon
j

MPSI Mathématiques 8
Algèbre et géométrie
CHAPITRE 12. DÉTERMINANTS IV. DÉTERMINANT D’UNE MATRICE CARRÉE

Du coup, pour les transformations :

‚ Ci Ð Ci + λCj ne modifie pas le déterminant :

det[C1 , C2 . . . Ci + λCj . . . Cn ] = det[C1 , C2 . . . Ci . . . Cn ] + λ det[C1 , C2 . . . looC

moj on . . . Cn ] (12.27)

i
loooooooooooooooomoooooooooooooooon
=0

‚ Ci Ð αCi « multiplie le déterminant par α »

‚ Ci Ø Cj « multiplie le déterminant par -1 »

2) Sur les lignes

Mêmes résultats obtenus par transposition

C) Déterminant d’une matrice triangulaire

 
λ1 0 0...
 .. 
 ..
 0 λ2 . .
Cas d’une matrice diagonale : A =  .  .

 .. . . . ..
0 .
 
0 . . . 0 λn
On a alors det(A) = λ1 λ2 . . . λn (si σ ‰ Id, alors aσ(1),1 aσ(2),2 . . . aσ(n),n = 0).
 
a1,1 ´´ ´´ ´´
 
 0 a2,2 ´´ ´´ 
 
Cas d’une matrice triangulaire : A =  . .. .. .
 .. . . ´´ 
 
0 ... 0 an,n
Soit σ P Sn
Supposons que aσ(1),1 aσ(2),2 . . . aσ(n),n ‰ 0.
Alors :

‚ σ(1) = 1 (sinon σ(1) ą 1 et aσ(1),1 = 0)

‚ σ(2) ď 2 et σ(2) ‰ 1 donc σ(2) = 2

..
.

Donc σ = Id
Donc det(A) = a1,1 a2,2 . . . an,n . On retrouve le fait que A est inversible si et seulement si ses coefficients
de la diagonale sont tout non nuls.
Notation :

a1,1 a1,2 ... a1,n

a2,1 a2,2 ... a2,n
det A = .. .. .. (12.28)
. . .
an,1 ... ... an,n

Conséquence :
Méthode pratique : le pivot de Gauss pour calculer le déterminant.

MPSI Mathématiques 9
Algèbre et géométrie
V. DÉVELOPPEMENT SELON UNE RANGÉE CHAPITRE 12. DÉTERMINANTS

Exemple :
On considère le déterminant :
2 1 1 3
1 ´1 3 8
(12.29)
1 2 ´1 ´3
1 1 2 ´1
première méthode exclue : formule développée…

2 1 1 3 0 ´1 ´3 5 0 0 ´6 3
1 ´1 3 8 0 ´2 1 9 0 0 ´5 5
= =
1 2 ´1 ´3 L3 Ð L3 ´L4 0 1 ´3 ´2 L2 Ð L2 +2L3 0 1 ´3 ´2
L2 Ð L2 ´L4 L1 Ð L1 +L3
L1 Ð L1 ´2L4
1 1 2 ´1 1 1 2 ´1 1 1 2 ´1
(12.30)
0 0 ´3 3 1 1 1 ´1
0 0 0 5 0 1 ´5 ´2
= = (´1)3 = 15
C3 Ð C3 +C4 0 1 ´5 ´2 L4 Ø L1 0 0 ´3 3
L3 Ø L4
L2 Ø L4
1 1 1 ´1 0 0 0 5

V Développement selon une rangée

A) Petit lemme
 
a1,1 ... a1,n´1 0
Lemme : 
 a2,1 ... a2,n´1 0
 
Soit A =  . .. ..  .
 .. . .
 
an,1 ... an,n´1 1
Alors :
ÿ
det(A) = ε(σ)aσ(1),1 aσ(2),2 . . . aσ(n),n
σPSn
ÿ
= ε(σ)aσ(1),1 aσ(2),2 . . . aσ(n),n
σPSn ,
σ(n)=n (12.31)
ÿ
= ε(σ)aσ(1),1 aσ(2),2 . . . aσ(n´1),n´1 ˆ 1
σPSn´1

= det(B)
Où B est la matrice extraite de A en enlevant la dernière ligne et la dernière colonne.

B) Développement selon une colonne

Soient A = (aij ) P Mn (K) et k P J1, nK.

La colonne Ck s’écrit :
     
1 0 0
     
0 1 0 n
      ÿ
Ck = a1,k  .  +a2,k  .  + ¨ ¨ ¨ + an,k  .  = ai,k Ei (12.32)
 ..   ..   .. 
      i=1

0 0 1
loomoon loomoon loomoon
=E1 =E2 =En

MPSI Mathématiques 10
Algèbre et géométrie
CHAPITRE 12. DÉTERMINANTS V. DÉVELOPPEMENT SELON UNE RANGÉE

Donc
n
ÿ
det A = det[C1 , C2 . . . Cn ] = ai,k det[C1 , C2 . . . looE
moi on . . . Cn ] (12.33)
i=1
k
loooooooooooooooomoooooooooooooooon
µi,k

n
ÿ
Ainsi, @k P J1, nK, det A = ai,k µi,k
i=1

_ _ 0 _ _ _ _ 0
.. ..
_ _ . _ _ _ _ .
µi,k = = (´1)n´k
iÑ _ _ 1 _ Ck ,Ck+1 ,...Cn _ _ _ 1 Ði
permutés
_ _ 0 _ circulairement _ _ _ 0
Ò
k
(12.34)

_ _ _ 0
..
_ _ _ .
= (´1)n´k ˆ (´1)n´i .. = (´1)
i+k
det(Ai,k )
_ _ _ .
_ _ _ 1

où Ai,k est extraite de A en « barrant » la i-ème ligne et la k-ième colonne.

Vocabulaire :
µi,k est le cofacteur du terme d’indice i, k

Exemple :
On considère la matrice :
 
a a1 a2
 
A=
b b1 b2 
 (12.35)
c c1 c2

Alors :
b1 b2 a1 a2 a1 a2
det A = a ˆ (´1)2 ˆ ´bˆ +cˆ (12.36)
c1 c2 c1 c2 b1 b2
 
+ ´ +
 
(Pour les signes : forme de damier avec un + en haut à gauche :  
´ + ´).
+ ´ +
b b2 a a2 a a2
ou det A = ´a1 ˆ + b1 ˆ ´ c1 ˆ |
c c2 c c2 b b2

C) Développement selon une ligne

řn
Avec les mêmes notations : det A = j=1 ak,j µk,j .

MPSI Mathématiques 11
Algèbre et géométrie
VI. APPLICATION À L’INVERSE D’UNE MATRICE CARRÉECHAPITRE
(SI INVERSIBLE)
12. DÉTERMINANTS

Démonstration :

det(A) = det(tA) avec tA = (a1i,j )

n
ÿ n
ÿ
= a1i,k µ1i,k = a1i,k (´1)i+k det(A1i,k )
i=1 i=1
ÿn n
ÿ (12.37)
= ak,i (´1)k+i det(tAk,i ) = ak,i (´1)k+i det(Ak,i )
i=1 i=1
ÿn
= ak,i µk,i
i=1

VI Application à l’inverse d’une matrice carrée (si inversible)

Soit A P Mn (K).

Proposition :
Pour tous i, j P J1, nK, on a :
$
n
ÿ &0
’
si i ‰ j
ai,k µj,k =
k=1 % det(A)
’
si i = j
$ (12.38)
n
ÿ &0
’
si i ‰ j
ak,i µk,j =
k=1 % det(A)
’
si i = j

Démonstration :
1. Si i = j, on reconnaît le développement selon la i-ème ligne du déterminant de A.
Si i ‰ j, on reconnaît le déterminant, développé selon la j-ème ligne, de :
 
_ _ ... _
 
ai,1 ai,2 ... ai,n 
 Ði
 
A =
1

_ _ ... _ 
 (12.39)
 
ai,1 ai,2 ... ai,n  Ð j
_ _ ... _

Obtenue à partir de A en faisant la transformation Li Ð Lj (non élémentaire !)

En effet, les cofacteurs des termes de la j-ème ligne de A1 sont les mêmes que les cofacteurs des
termes de la j-ième ligne de A.

2. On le démontre de la même manière avec la matrice A1 déduite de A en faisant la transformation

Ci Ð Cj
Conséquence :
Notons M = (µi,j ) P Mn (K) (M s’appelle la comatrice de A, notée com(A)).
Les formules précédentes disent : A ˆ tM = det(A)In et tM ˆ A = det(A)In
1 t 1 t
Ainsi, si A R GLn (K), tM ˆA = AˆtM = 0Mn (K) . Et, si A est inversible : A´1 = M= (com(A)) .
det(A) det(A)

MPSI Mathématiques 12
Algèbre et géométrie
CHAPITRE 12. DÉTERMINANTS VII. FORMULES DE CRAMER

 
Exemple : 1 2 1
 
On considère la matrice A = 
´1 1 2
. A est-elle inversible, si oui quel est son inverse ?
1 ´1 2
 
4
 

com(A) = ´5 . Déjà, det(A) = 1 ˆ 4 + (´1) ˆ 5 + 1 ˆ 3 = 12 ‰ 0. Donc A est inversible. On

3
continue :
 
4 4 0
 
com(A) = 
´5 1 3
 (12.40)
3 ´3 3
 
4 ´5 3

1 

Donc A´1 = 12 4 1 ´3
.
0 3 3


Cas particulier (à connaître) :  
a c d ´b
Si A =  , det(A) = ad ´ bc ; com A =  .
b d ´c a
 
d ´c
Si det(A) ‰ 0, A´1 = ad´bc1   (correspond en fait à un échange entre a et d, et une multipli-
´b a
cation de b et c par ´1).

VII Formules de Cramer

Soit A P Mn (K), inversible.
      
x1 b1 x1 b1
       
 x 2   b2   x2   b2 
       
On s’intéresse au système : A  .  =  . , de solution  .  = A´1  . .
 ..   ..   ..   .. 
       
xn bn xn bn
1 t
Or, A´1 = det(A) (com(A)).
Ainsi,
la matrice obtenue à partir de A
!
n
1 ÿ 1 en remplaçant sa p-ième colonne
@p P J1, nK, xp = µk,p bk = det (c-à-d celle des coefficients de xp (12.41)
det A k=1 loomoon det A par la colonne du second membre
transposée !

Exemple :
On considère le système
$
’
’
’
’ 6x + 3y + 4z =1
&
5x ´ 7y + 5z =2 (S)
’
’
’
% 5x + 3y + 3z
’
=0
 
6 3 4
 
Matrice du système : A = 
5 ´7 5
. det(A) = 14.
5 3 3

MPSI Mathématiques 13
Algèbre et géométrie
VIII. COMPLÉMENT : POLYNÔME CARACTÉRISTIQUE D’UNE
CHAPITRE
MATRICE
12. CARRÉE
DÉTERMINANTS

Donc (S) est de Cramer, et :

1 3 4
1 1 30 15
x= 2 ´7 5 = (´7 ˆ 3 ´ 5 ˆ 3 ´ 2(9 ´ 12)) = ´ =´ (12.42)
14 14 14 7
0 3 3

6 1 4 6 3 1
1 1 6 3 1 1
y= 5 2 5 = (´(5 ˆ 3 ´ 5 ˆ 5) + 2(6 ˆ 3 ´ 5 ˆ 4)) = = z = 5 ´7 2 = (15 + 35 ´ 2(18 ´ 15)) =
14 14 14 7 14 14
5 0 3 5 3 0
(12.43)

VIII Complément : polynôme caractéristique d’une matrice carrée

Soit A = (aij ) P Mn (K). On note I = In .
Pour tout λ P K, on pose P (λ) = det(A ´ λI). Alors la fonction λ ÞÑ P (λ) est polynomiale en λ, de
degré n :

a1,1 ´ λ a1,2 ... a1,n

a2,1 a2,2 ´ λ ... a2,n
P (λ) = .. .. ..
. . . (12.44)
an,1 ... ... an,n ´ λ
ÿ
= (a1,1 ´ λ)(a2,2 ´ λ) . . . (an,n ´ λ) + ε(σ)a1σ(1),1 a1σ(2),2 . . . a1σ(n),n
σPSn ztIdu

où a1i,j = ai,j si i ‰ j et a1i,j = ai,j ´ λ sinon.

Coefficient de X n : (´1)n
Coefficient de X 0 : P (0) = det(A)
Coefficient de X n´1 :
1 1 1
σPSn ztIdu ε(σ)aσ(1),1 aσ(2),2 . . . aσ(n),n est polynomial en λ, mais de degré ď n ´ 2 : si une permutation
ř

σ fixe n ´ 1 éléments, alors elle fixe le n-ième aussi et donc σ = Id.

řn
Donc le coefficient de X n´1 vaut : (´1)n´1 i=1 ai,i = (´1)n´1 ˆ Tr(A)
Soit f P L (E) où E est un K-ev de dimension finie n, B une base de E, A = mat(f, B).
Alors le polynôme P caractéristique de A ne dépend pas du choix de B (on l’appelle le polynôme
caractéristique de f ). En effet, pour tout λ P K, P (λ) = det(A ´ λI) = det(f ´ λ Id).
On a les équivalences :

λ est racine de P ðñ det(f ´ λ Id) = 0

ðñ f ´ λ Id est non bijective
ðñ f ´ λ Id est non injective
(12.45)
ðñ ker(f ´ λ Id) ‰ t0u
ðñ Du P Ez t0u , f (u) = λu
ðñ λ est valeur propre de f
déf

Si P admet n racines distinctes deux à deux, alors il existe une base B 1 de E dans laquelle la matrice
de f est diagonale :
Notons λ1 , λ2 , . . . λn ces racines.

MPSI Mathématiques 14
Algèbre et géométrie
CHAPITRE
VIII.
12. COMPLÉMENT
DÉTERMINANTS
: POLYNÔME CARACTÉRISTIQUE D’UNE MATRICE CARRÉE

On peut introduire u1 , u2 , . . . un P Eiz t0u tels que @k P J1, nK, f (uk ) = λk uk .

Montrons que (u1 , u2 , . . . un ) est libre.
Pour cela, montrons par récurrence que @k P J1, nK, (u1 , u2 , . . . uk ) est libre.

‚ pour k = 1, ok car u1 ‰ 0

‚ soit k P J1, n ´ 1K, supposons que (u1 , u2 , . . . uk ) est libre.

Soit (µ1 , µ2 , . . . µk+1 ) P Kn , supposons que

µ1 u1 + µ2 u2 + ¨ ¨ ¨ + µk+1 uk+1 = 0 (12.46)

Alors, en appliquant f , on a

µ1 λ1 u1 + µ2 λ2 u2 + ¨ ¨ ¨ + µk+1 λk+1 uk+1 = 0 (12.47)

Puis en faisant λk+1 (12.46) ´ (12.47) :

µ1 (λk+1 ´ λ1 )u1 + µ2 (λk+1 ´ λ2 )u2 + ¨ ¨ ¨ + µk (λk+1 ´ λk )uk = 0 (12.48)

Donc @i P J1, kK, µi = 0, car les λi sont distincts deux à deux, et (u1 , u2 , . . . uk ) est libre.
Enfin, µk+1 = 0 car uk+1 ‰ 0.
Donc (u1 , u2 , . . . uk+1 ) est libre, ce qui achève la récurrence.

Donc (u1 , u2 , . . . un ) est libre, de cardinal n. c’est donc une base de E.

De plus, par construction, la matrice de f dans cette base est diagonale :
 
λ1 0 . . . 0
 . 
 .. 
 0 λ2 . .. 
A= .  (12.49)

 .. . . . . . . 0 
 
0 . . . 0 λn

Exemple où P a n racines
 non distincteset f n’est pas diagonalisable :
1 1 ... 0
 .. 
 .. 
 0 1 . .

Pour n P N , on note An =  .
˚  P Mn (K).

 .. . . . . . . 1
 
0 ... 0 1
Alors P (λ) = det(An ´ λIn ) = (1 ´ λ)n . (matrice triangulaire supérieure)
On doit donc trouver B 1 = (e1 , e2 , . . . en ) tel que :
 
λ1 0 ... 0
 .. 
 .. 
0 λ2 . . 
mat(f, B 1 ) =  .

 (12.50)
 .. .. ..
 . . 0 
0 ... 0 λn

Mais alors, pour tout k P J1, nK : f (ek ) = λk ek .

Comme ek ‰ 0, λk est racine de P , donc λk = 1.
Donc mat(f, B 1 ) = In , ce qui est impossible.

MPSI Mathématiques 15
Algèbre et géométrie