21 - Algèbre linéaire, déterminants

Jeremy Daniel

1 Déterminant d’une famille de vecteurs

1.1 Aire d’un parallélogramme dans le plan
Dans R2 muni de sa base canonique e1 = (1, 0) et e2 = (0, 1), on considère les paral-
lélogrammes construits sur deux vecteurs u et v. On souhaite définir une notation d’aire
orientée pour ces parallélogrammes. Si on note A(u, v) l’aire orientée du parallélogramme
construit sur u et v, on veut que A(u, v) vérifie les axiomes suivants, pour tous vecteurs
u1 , u2 , v1 , v2 et scalaires λ et µ :
− A(u, λv1 + µv2 ) = λA(u, v1 ) + µA(u, v2 )
− A(λu1 + µu2 , v) = λA(u1 , v) + µA(u2 , v)
− A(u, v) = −A(v, u)
− A(e1 , e2 ) = 1

Remarque 1.1
Les deux premières propriétés sont des conditions de linéarité par rapport à la première/à
la deuxième variable. La troisième propriété vient de ce qu’on considère des aires orientées.
La quatrième propriété est une condition de normalisation.

Proposition 1.2 (Unicité de la notion d’aire orientée)

Il existe une unique application A : R2 × R2 →
R qui vérifie ces 4 axiomes. Si (a, b) et (c, d)
sont des vecteurs de R2 , on a A (a, b), (c, d) = ad − bc.

1.2 Forme multilinéaire

On désigne par K un corps et par E un K-espace vectoriel.

Définition 1.3 (Forme k-linéaire)

Soit k ≥ 1 un entier, soit f : E k → K une application. On dit que f est une forme k-linéaire
sur E si pour tout i ∈ J1, kK, ∀x1 , . . . , xi−1 , xi+1 , . . . , xk ∈ E, l’application fi : E → K,
définie par
fi : x 7→ f (x1 , . . . , xi−1 , x, xi+1 , . . . , xk )
est une forme linéaire sur E.

1
Exemple 1.4
Une forme 2-linéaire – ou bilinéaire – est une application b : E 2 → K telle que pour tous
x, x1 , x2 , y, y1 , y2 ∈ E et pour tous λ, µ ∈ K :

b(x, λy1 + µy2 ) = λb(x, y1 ) + µb(x, y2 )

b(λx1 + µx2 , y) = λb(x1 , y) + µb(x2 , y).

Attention !
Une forme k-linéaire sur E est définie sur E k , et non sur E. En tant qu’application de E k
dans K, elle n’est pas linéaire (sauf si elle est nulle ou si k = 1). En effet, si f est une forme
k-linéaire sur E, si λ ∈ K et si x1 , . . . , xk ∈ E, la multilinéarité de f implique que

f λ · (x1 , . . . , xk ) = f (λx1 , . . . , λxk ) = λk f (x1 , . . . , xk )

alors qu’une forme linéaire sur E k vérifie

f λ · (x1 , . . . , xk ) = λf (x1 , . . . , xk ).

Proposition 1.5 (Ensemble des formes k-linéaires)

L’ensemble des formes k-linéaires sur E est un sous-espace vectoriel de l’espace vectoriel
F(E k , K). Si E est de dimension finie, l’ensemble des formes k-linéaires sur E est de
dimension finie égale à (dim E)k .

Exemples 1.6
− Si E = Mn (K), l’application (A, B) 7→ Tr(AB) est une forme bilinéaire sur Mn (K).
− Dans E = R3 , supposons connues les notions de produit vectoriel, noté ∧, et de
produit scalaire, noté < · | · >. Alors l’application d : R3 × R3 × R3 → R définie par

d(u, v, w) =< u ∧ v | w >

est une forme 3-linéaire sur R3 . On appelle d(u, v, w) le produit mixte des vecteurs
u, v et w. En coordonnées dans une base orthonormée directe,

d(u, v, w) = w1 (u2 v3 − u3 v2 ) + w2 (u3 v1 − u1 v3 ) + w3 (u1 v2 − u2 v1 ).

1.3 Forme multilinéaire alternée

Définition 1.7 (Forme k-linéaire alternée)
Soit k ≥ 1 un entier et soit f une forme k-linéaire sur E. On dit que f est alternée si pour
tous x1 , . . . , xk ∈ E, pour tous indices i ̸= j ∈ J1, nK :

xi = xj =⇒ f (x1 , . . . , xk ) = 0.

Remarque 1.8
Si k = 1, la condition est vide, de sorte que toute forme linéaire est alternée.

2
Exemple 1.9
Le produit mixte est une forme 3-linéaire alternée sur R3 . Géométriquement, cela vient de
u ∧ u = 0 et du fait que u ∧ v est orthogonal à u et v.

Définition 1.10 (Forme k-linéaire antisymétrique)

Soit f une forme k-linéaire sur E. On dit que f est antisymétrique si pour tous x1 , . . . , xk ∈
E, pour tous indices i ̸= j ∈ J1, nK :
f (x1 , . . . , xi−1 , xi , xi+1 , . . . , xj−1 , xj , xj+1 , . . . , xk )
= −f (x1 , . . . , xi−1 , xj , xi+1 , . . . , xj−1 , xi , xj+1 , . . . , xk ).

Proposition 1.11 (Formes alternée et antisymétriques)

On suppose car K ̸= 2. Une forme k-linéaire sur E est alternée ssi elle est antisymétrique.

Proposition 1.12 (Ensemble des formes k-linéaires alternées)

L’ensemble des formes k-linéaires alternées sur E est un sous-espace vectoriel de l’espace
des formes k-linéaires sur E.

Remarque 1.13  
n
Si dim E = n, on peut montrer que cet espace est de dimension .
k

Théorème 1.14 (Espace des formes n-linéaires alternées)

On suppose que dim E = n. Alors l’espace vectoriel des formes n-linéaires alternées sur E
est de dimension 1. Si (e1 , . . . , en ) est une base de E, une forme n-linéaire alternée ϕ sur
E est entièrement déterminée par ϕ(e1 , . . . , en ).

Lemme 1.15
Soit ϕ une forme k-linéaire alternée sur un espace vectoriel E. Si σ est une permutation
de J1, kK et si x1 , . . . , xk sont des vecteurs de E, on a
ϕ(xσ(1) , . . . , xσ(k) ) = ε(σ)ϕ(x1 , . . . , xk ).

Remarque 1.16
Considérons ϕ une forme n-linéaire alternée sur E de dimension n, (e1 , . . . , en ) une base de
n
X
E et u1 , . . . , un des vecteurs de E. Pour tout j ∈ J1, nK, on écrit uj = ai,j ei . On a alors
i=1
X
ϕ(u1 , . . . , un ) = ε(σ)aσ(1),1 . . . aσ(n),n ϕ(e1 , . . . , en ).
σ∈Sn

1.4 Déterminant d’une famille de vecteurs

Dans la suite, dim E = n.

3
Proposition 1.17 (Forme déterminant par rapport à une base)
Soit e = (e1 , . . . , en ) une base de E. Il existe une unique forme n-linéaire alternée, notée
dete telle que dete (e1 , . . . , en ) = 1.

Définition 1.18 (Déterminant d’une famille de vecteurs par rapport à une base)
Si (u1 , . . . , un ) est une famille de n vecteurs dans E et si e est une base de E, le scalaire
dete (u1 , . . . , un ) est le déterminant de la famille (u1 , . . . , un ) dans la base e.

Remarque 1.19 X
Avec les notations précédentes, dete (u1 , . . . , un ) = ε(σ)aσ(1),1 . . . aσ(n),n .
σ∈Sn

Exemples 1.20
− Cas n = 2. Si u1 = a1,1 e1 + a2,1 e2 et u2 = a1,2 e1 + a2,2 e2 , on a

dete (u1 , u2 ) = a1,1 a2,2 − a2,1 a1,2 .

− Cas n = 3. On considère trois vecteurs u, v et w dans R3 , dont les coordonnées dans

la base e choisies sont (u1 , u2 , u3 ), (v1 , v2 , v3 ) et (w1 , w2 , w3 ). On calcule

dete (u, v, w) = u1 v2 w3 − u1 v3 w2 + u2 v3 w1 − u2 v1 w3 + u3 v1 w2 − u3 v2 w1 .

Ainsi, le produit mixte [u, v, w] =< u ∧ v | w > est le déterminant de la famille

(u, v, w) dans la base canonique de R3 .

Proposition 1.21 (Changement de base)

Soient e et e’ deux bases de E. Soit (u1 , . . . , un ) une famille de vecteurs. Alors

dete’ (u1 , . . . , un ) = dete’ (e)dete (u1 , . . . , un ).

Corollaire 1.22 (Caractérisation des bases par le déterminant)

Soit e une base de E. La famille (u1 , . . . , un ) est une base de E ssi dete (u1 , . . . , un ) ̸= 0.

2 Déterminants d’un endomorphisme, d’une matrice car-

rée
2.1 Déterminant d’un endomorphisme
Proposition 2.1 (Déterminant d’un endormorphisme)
Soit f un endomorphisme de E. Il existe un unique scalaire – noté det(f ) tel que, pour
toute base e de E et tous vecteurs u1 , . . . , un :


dete f (u1 ), . . . , f (un ) = det(f )dete (u1 , . . . , un ).

4
Définition 2.2 (Déterminant d’un endomorphisme)
Ce scalaire det(f ) est le déterminant de l’endomorphisme f .

Remarque 2.3

Pour toute base e = (e1 , . . . , en ) de E, on a donc det(f ) = dete f (e1 ), . . . , f (en ) .

Proposition 2.4 (Caractérisation des automorphismes par le déterminant)

Un endomorphisme f de E est un automorphisme ssi son déterminant est non nul.

Proposition 2.5 (Propriétés du déterminant)

Soient f et g deux endomorphismes de E. Soit λ un scalaire. Alors,
− det(g ◦ f ) = det(g) × det(f ) ;
− det(λf ) = λn det(f ) ;
− Si f est un automorphisme de E, det(f −1 ) = det(f )−1 .

Exercice 2.6
Soit E = F ⊕ G une décomposition en sous-espaces supplémentaires. On note s la symétrie
sur F parallèlement à G. Calculer det(s).

Exercice 2.7
Soit f un endomorphisme de E admettant une base de vecteurs propres (e1 , . . . , en ), de
valeurs propres associées (λ1 , . . . , λn ). Déterminer det(f ).

2.2 Déterminant d’une matrice carrée

Définition 2.8 (Déterminant d’une matrice carrée)
Soit A ∈ Mn (K). Le déterminant de A est le déterminant de la famille de ses vecteurs
colonnes dans la base canonique de Kn .

Notation 2.9
Si A = (ai,j )i,j∈J1,nK , on note le déterminant :

a1,1 . . . a1,j . . . a1,n

.. .. ..
. . .
detA = ai,1 . . . ai,j ... ai,n .
.. .. ..
. . .
an,1 . . . an,j . . . an,n

Exemples 2.10
a c
− n=2: = ad − bc ;
b d

5
 − n=3:

a1,1 a1,2 a1,3

a2,1 a2,2 a2,3 = a1,1 a2,2 a3,3 + a1,2 a2,3 a3,1 + a1,3 a2,1 a3,2
a3,1 a3,2 a3,3
− a1,1 a3,2 a2,3 − a2,1 a1,2 a3,3 − a3,1 a2,2 a1,3 .

Méthode 2.11 (Méthode de Sarrus)

On obtient de la façon suivante la formule pour le déterminant d’une matrice 3 × 3 :
− On fait les produits des 3 facteurs sur chaque diagonale descendante de la matrice,
en prolongeant virtuellement la matrice sur les côtés.
− On procède de même avec les diagonales montantes.
− On fait la somme des 6 termes obtenus, avec un coefficient + pour les diagonales
descendantes et un coefficient − pour les diagonales montantes.

Attention !
La méthode de Sarrus n’a pas d’équivalents en dimension supérieure. Le calcul du déter-
minant est une somme de n! quantités, alors qu’il n’y a que 2n diagonales.

Théorème 2.12 (Formule pour le déterminant) X

Si A = (ai,j )i,j∈J1,nK ∈ Mn (K), on a det(A) = ε(σ)aσ(1),1 . . . aσ(n),n .
σ∈Sn

Remarque 2.13
Cette formule est inexploitable en pratique, en raison des n! termes. Elle a cependant des
conséquences théoriques importantes.

Proposition 2.14 (Caractérisation des matrices inversibles par le déterminant)

Une matrice carrée A est inversible ssi son déterminant est non nul.

Exercice 2.15
Soit A ∈ Mn (K). Montrer que l’application χA : K → K, définie par

χA (x) = det(A − xIn )

est une application polynomiale de degré n. Déterminer les racines de χA .

Proposition 2.16 (Compatibilité des déterminants)

Soient E un espace vectoriel de dimension n, e une base de E, f un endomorphisme de
E. On note A = Mate (f ). Alors det(A) = det(f ).

Corollaire 2.17 (Le déterminant est un invariant de similitude)

Deux matrices semblables ont même déterminant.

6
Proposition 2.18 (Propriétés du déterminant des matrices)
Soient A, B ∈ Mn (K), soit λ ∈ K.
− det(AB) = det(A)det(B) ;
− det(λA) = λn det(A) ;

−1
− Si A est inversible, det(A−1 ) = det(A) .

Proposition 2.19 (Déterminant d’une matrice triangulaire)

n
Y
Soit A = (ai,j )i,j∈J1,nK ∈ Mn (K) une matrice triangulaire. Alors, det(A) = ai,i .
i=1

2.3 Propriétés par rapport aux colonnes et aux lignes

Remarque 2.20
Par définition, le déterminant, vue comme application sur Mn (K) est une forme n-linéaire
alternée sur les colonnes des matrices.

Corollaire 2.21 (Déterminant après opération élémentaire sur les colonnes)

Soit A ∈ Mn (K). On note A e la matrice obtenue à partir de A par une opération élémentaire
sur les colonnes. Si A
e est obtenu :
− en échangeant deux colonnes, det(A) e = −det(A) ;
− en ajoutant à une colonne un multiple d’une autre colonne, det(A) e = det(A) ;
− en multipliant une colonne par λ ̸= 0, det(A)e = λdet(A).

Théorème 2.22 (Déterminant de la transposée)

Soit A ∈ Mn (K). On a det(A) = det(AT ).

Corollaire 2.23 (Le déterminant comme forme n-linéaire alternée sur les lignes)
Le déterminant, vue comme application de Mn (K) de K est une forme n-linéaire alternée
sur les lignes d’une matrice.

Corollaire 2.24 (Déterminant après opérations élémentaires sur les lignes)

Le résultat énoncé sur les opérations élémentaires sur les colonnes s’adapte mutatis mu-
tandis aux opérations élémentaires sur les lignes.

3 Aspects calculatoires
3.1 Matrice triangulaire par blocs
Proposition 3.1 (Déterminant d’une matrice triangulaire
 par blocs)
A C
Soit M ∈ Mn (K), s’écrivant par blocs M = , avec A ∈ Mn1 (K), C ∈ Mn1 ,n2 (K)
0 D
et D ∈ Mn2 (K). Alors det(M ) = det(A) × det(D).

7
Attention !
Dans une écriture par blocs du type
 
A C
M= ,
B D

on n’a pas en général det(M ) = det(A)det(D) − det(B)det(C).

Corollaire 3.2 (Déterminant d’une matrice triangulaire par blocs – cas général)
Soit M ∈ Mn (K) une matrice ayant une écriture par blocs du type
 
M1,1 M1,2 . . . M1,k
 0 M2,2 . . . M2,k 
M =  .. ..  ,
 
.. . .
 . . . . 
0 0 . . . Mk,k

k
Y
où les Mi,i sont des blocs carrés. Alors det(M ) = det(Mi,i ).
i=1

3.2 Développement selon une ligne ou une colonne

Définition 3.3 (Mineurs de A)
Soit A ∈ Mn (K). Soit (i, j) ∈ J1, nK2 . Le mineur de A, en position (i, j), est le déterminant
∆i,j de la matrice extraite de A en supprimant la ligne i et la colonne j.

Proposition 3.4 (Développement selon une colonne)

n
X
Soit A ∈ Mn (K). Pour tout j ∈ J1, nK : det(A) = (−1)i+j ai,j ∆i,j .
i=1

Proposition 3.5 (Développement selon une ligne)

n
X
Soit A ∈ Mn (K). Alors, pour tout i ∈ J1, nK : det(A) = (−1)i+j ai,j ∆i,j .
j=1

Exemple 3.6
On peut utiliser ces propositions pour calculer rapidement des déterminants de matrices
ayant beaucoup de 0. Considérons ainsi

0 2 3 0
1 0 0 1
D= .
1 5 0 3
2 4 1 0

8
 En développant selon la première ligne,

1 0 1 1 0 1
D = −2 1 0 3 + 3 1 5 3 .
2 1 0 2 4 0

A ce stade, on peut utiliser la méthode de Sarrus, ou bien développer selon la deuxième

colonne le déterminant de gauche et selon la première ligne celui de droite. On trouve :
 1 1   5 3 1 5 
D = −2 − 1 +3 1 +1 .
1 3 4 0 2 4

Et donc
D = −2(−2) + 3(−12 + (−6)) = −50.

Définition 3.7 (Cofacteurs)

Soit A ∈ Mn (K). Soient (i, j) ∈ J1, nK2 . Le cofacteur de A, en position (i, j), est le nombre
(−1)i+j ∆i,j , où ∆i,j est le mineur de A en position (i, j).

Définition 3.8 (Comatrice)

La comatrice de A ∈ Mn (K) est la matrice Com(A) ∈ Mn (K) dont le coefficient en position
(i, j) est le cofacteur de A en position (i, j).

Théorème 3.9 (Formule de Cramer)

On a l’identité A Com(A)T = (detA)In .

Corollaire 3.10 (Formule de Cramer – cas d’une matrice inversible)

1
T
Si A est inversible, A−1 = Com(A) .
det(A)

Exercice 3.11
On note Mn (Z) l’ensemble des matrices carrées de taille n dont les coefficients sont des
entiers relatifs.
1. Montrer que Mn (Z) est un sous-anneau de Mn (R).
2. Montrer que si M ∈ Mn (Z), alors det(M ) ∈ Z.
3. Montrer que M ∈ Mn (Z) est inversible dans Mn (Z) ssi det(M ) = ±1.

9
3.3 Déterminant de Vandermonde
Proposition 3.12
Soient x0 , . . . , xn des scalaires. On note V (x0 , . . . , xn ) le déterminant

1 1 ... 1
x0 x1 . . . xn
2 2
V (x0 , . . . , xn ) = x0 x1 . . . x2n
.. .. ..
. . .
xn0 xn1 ... xnn
Y
Alors, V (x0 , . . . , xn ) = (xi − xj ).
0≤j<i≤n

Corollaire  3.13 
1 1 ... 1
 x 0 x1 . . . xn 
 
 2 2
. . . x2n 
La matrice  x0 x1  est inversible ssi les xi sont deux à deux distincts.
 .. .. .. 
. . .
x0 xn1
n
. . . xnn

Proposition 3.14 (Interpolation de Lagrange – par déterminant de Vandermonde)

Soient x0 , . . . , xn deux à deux distincts dans K et soient y0 , . . . , yn quelconques dans K. Il
existe un unique polynôme P ∈ Kn [X] tel que, pour tout i ∈ J0, nK : P (xi ) = yi .

Proposition 3.15 (Base formée par les (X + xi )n – HP)

Soient x0 , . . . , xn des éléments distincts de K. Alors la famille de polynômes (P0 , . . . , Pn )
définie par Pi = (X + xi )n est une base de Kn [X].

10