c Christophe Bertault - MPSI

Dterminant
Dans tout ce chapitre, K est lun des corps R ou C. Tous les rsultats prsents dans ce chapitre, sauf un ou deux, demeurent
vrais dans un contexte plus gnral, mais nous ne nous en proccuperons pas ici.
Les lettres n, p, q . . . dsignent des entiers naturels non nuls.

Groupe symtrique

1
1.1

Permutation

Dfinition

(Permutation, groupe symtrique)

On appelle permutation de J1, nK toute bijection de J1, nK dans lui-mme.

On note Sn (ou parfois Sn ) lensemble des permutations de J1, nK. Alors (Sn , ) est un groupe, appel le groupe
symtrique de degr n.

   En pratique
On peut reprsenter commodment
de plusieurs 
faons une permutation de J1, nK. La premire consiste crire sous

1
2

n
. Par exemple, si est la permutation de S4 dfinie par les galits :
la forme dune matrice
(1) (2) (n)


1 2 3 4
.
(1) = 2, (2) = 4, (3) = 1 et (4) = 3, alors peut tre reprsente par la matrice
2 4 1 3
Le produit de deux permutations est facile effectuer partir de cette reprsentation. Notez bien que produit signifie
ici composition , mais gnralement on omet le symbole . Par exemple, dans S5 :

 
 

1 2 3 4 5
1 2 3 4 5
1 2 3 4 5
.
=
4 1 5 3 2
2 1 4 5 3
1 4 2 5 3


1 2 3 4
dans S4 est
Linverse dune permutation est tout aussi facile calculer. Par exemple, linverse de =
3 4 2 1


1 2 3 4
. On dtermine 1 (1) en cherchant lantcdent unique de 1 par ; cest 4, car (4) = 1 ; etc.
1 =
4 3 1 2

1.2

Cycles et transpositions

Dfinition

(Cycle, transposition)

Soit p J2, nK. On appelle p-cycle de J1, nK ou cycle de longueur p de J1, nK toute permutation de J1, nK pour
laquelle il existe des lments deux deux distincts x1 , x2 , . . . , xp de J1, nK tels que :
(x1 ) = x2 ,
et

(x2 ) = x3 ,
(x) = x

(xp1 ) = xp

...

et

(xp ) = x1

si x nest aucun des lments x1 , x2 , . . . , xp .

Un tel p-cycle est alors not (x1 x2 . . . xp ), ou (x2 x3 . . . xp x1 ), ou (x3 x4 . . . xp x1 x2 ), etc.

Un 2-cycle de J1, nK est aussi appel une transposition de J1, nK.

   Explication
On peut composer les cycles pour obtenir de nouvelles permutations. On crira par exemple
(1 2 4 6)(2 5)(3 4 1) pour dsigner (1 2 4 6) (2 5) (3 4 1). A priori lordre compte, car la composition nest pas commutative.
Deux cycles (x1 x2 . . . xp ) et (y1 y2 . . . yq ) sont dits disjoints si aucun xi nest gal aucun yj . On peut montrer que deux
cycles disjoints commutent, car ils agissent sur des lments distincts. On peut montrer galement que toute permutation peut
tre dcompose comme un produit de cycles disjoints. Par exemple (1 2 4 6)(2 5)(3 4 1) est aussi gal (1 3 6)(2 5 4), o (1 3 6)
et (2 5 4) sont disjoints.

c Christophe Bertault - MPSI

Exemple

La permutation


1
5

2
2

3
6

4
1

5
4

6
3

est aussi gale (1 5 4)(3 6) = (3 6)(1 5 4).

En effet
La forme de gauche agit circulairement sur certains paquets dlments : elle envoie 1 sur 5, 5 sur
4 et 4 sur 1 ; elle fixe 2 ; et elle envoie 3 sur 6 et 6 sur 3. Cest exactement ce que fait aussi la permutation
(1 5 4)(3 6) = (3 6)(1 5 4) do lgalit.

4
.
3
h
i
h
i
h
i
En effet Par exemple :
(2 3) (4 3 1) (4 2 3) (1) = (2 3) (4 3 1) (1) = (2 3) (4) = 4
h
i
h
i
h
i
et :
(2 3) (4 3 1) (4 2 3) (2) = (2 3) (4 3 1) (3) = (2 3) (1) = 1.
Mme chose pour les autres valeurs.

Exemple

La permutation (2 3)(4 3 1)(4 2 3) de J1, 4K est aussi gale

Exemple

Quelques exemples sur lesquels vous pouvez vous entraner :

(1 3)(3 2 1 4)(3 1 4)(2 1 4) = (1 2)(3 4),


1
4

2
1

3
2

(1 2 3 4 5 6)(1 2 4 6)(1 3 5) = (1 4)(2 5 3 6),

(4 5 1 2)(3 4 1 6)(5 4 1 6)(4 2) = (1 3 5 2 6)

Thorme (Sn est engendr par ses transpositions) Toute permutation de J1, nK peut tre dcompose comme un
produit de transpositions.

$ $ $ Attention !

Une telle dcomposition nest en aucun cas unique. Par exemple :

(1 2 3) = (1 2)(2 3) = (1 3)(1 2).

Dmonstration

Raisonnons par rcurrence sur n.

n o
Initialisation : Pour n = 1, S1 = Id et Id est le produit de zro transposition.

Hrdit : Soit n N . On suppose que toute permutation de J1, nK peut tre dcompose comme un
produit de transpositions. Quen est-il au rang n + 1 ? Soit Sn+1 . Distinguons deux cas :
1) Premier cas :
(n + 1) = n + 1.
Alors 
est une permutation de J1, nK que nous notons . Par hypothse de rcurrence, est donc
J1,nK

un produit de transpositions dans Sn : = 1 2 . . . p ventuellement p = 0.

Pour tout k J1, pK, notons k la permutation de J1, n+1K gale k sur J1, nK et telle que k (n+1) = n+1.
Clairement, k est une transposition, tout comme k . La relation = 1 2 . . . p (dans Sn ) devient alors :
= 1 2 . . . p (dans Sn+1 ), et donc est un produit de transpositions.
2) Second cas :
(n + 1) 6= n + 1.

Notons 0 la transposition (n + 1) (n + 1) . Alors 0 (n + 1) = n + 1. On est donc ramen au cas
prcdent, 0 est un produit de transpositions : 0 = 1 2 . . . p . Multiplions par 0 gauche, en
remarquant que 02 = Id : = 0 1 . . . p . Bref, est un produit de transpositions.


1.3

Signature

Lintgralit de ce chapitre repose sur le thorme suivant.

Thorme (Signature) Il existe un et un seul morphisme de groupes de Sn dans

la valeur 1 : on lappelle la signature et on le note .

o
1, 1 qui donne toute transposition

Dmonstration
n o
Notons P lensemble des paires i, j dentiers i, j J1, nK distincts, et pour toute permutation Sn ,
(
P
n P o n
o . Il est facile de vrifier que est bijective de rciproque
lapplication

i, j
7
(i), (j)
Y
Y
Y 

(j) (i) =
|j i| aprs le changement dindice
|v u| =
1 . Du coup :
{i,j}P

{i,j}P

{u,v}P

n
o
n o
u, v = i, j . Ce calcul prouve que le produit

{i,j}P

(j) (i)
vaut 1. Notons-le ().
ji

c Christophe Bertault - MPSI

Montrons que lapplication ainsi dfinie est un morphisme de groupes. Pour toutes permutations , Sn :
( ) =

{i,j}P

{u,v}P

(j) (i)
=
ji
(v) (u)
vu

{i,j}P

{i,j}P

(j) (i)
(j) (i)

(j) (i)
j i

{i,j}P

= ()( )

(j) (i)
j i
aprs le changement dindice

n
o
n o
u, v = i, j

Soit = (a b) Sn une transposition, o a, b J1, nK avec a < b. Tchons de montrer que ( ) = 1. Par
Y (j) (i)
. Passons simplement en revue les termes de ce produit.
dfinition en tout cas : ( ) =
ji
{i,j}P
n o
ji
(j) (i)
=
= 1.
1) Si i, j P ne contient ni a ni b, alors
ji
ji
n o
n o
2) Pour tout i J1, nK distinct de a et b, regroupons les termes dindices i, a et i, b . Leur
(a) (i)
(b) (i)
bi
ai

= 1.
ai
bi
ai
bi
n o
(b) (a)
ab
3) Pour finir, le terme dindice a, b vaut 1 car :
=
= 1.
ba
ba

contribution au produit vaut :

Conclusion :

( ) = 1

par produit.

n
Montrons
o enfin lunicit de la signature sur Sn . Soient et deux morphismes de groupes de Sn dans
1, 1 qui donnent toute transposition la valeur 1. Montrons qualors = . Soit Sn . Nous avons
vu que est un produit de transpositions 1 , 2 , . . . , p : = 1 2 . . . p . Comme voulu :

() = (1 2 . . . p ) = (1 )(2 ) . . . (p ) = (1)p = (1 ) (2 ) . . . (p ) = (1 2 . . . p ) = ().

Dfinition

(Parit/imparit) Soit Sn . On dit que est paire si () = 1, et que est impaire si () = 1.

En particulier, toute transposition est impaire.

Thorme

(Signature dun cycle) Soit p J2, nK. La signature dun p-cycle de J1, nK est (1)p1 .

Dmonstration

Soit (x1 x2 . . . xp ) un p-cycle de J1, nK. Alors

 (x1 x2 . . . xp ) = (x1 x2 )(x2 x3 ) . . . (xp1 xp ).
Cette dcomposition fait intervenir p 1 transpositions, donc (x1 x2 . . . xp ) = (1)p1 comme annonc. 
Exemple

(1 5 3)(2 4 6 1)(3 4) est une permutation paire.




 
 

En effet
(1 5 3)(2 4 6 1)(3 4) = (1 5 3) (2 4 6 1) (3 4) = (1)31 (1)41 (1)21 = 1.

Dfinition (Groupe altern) On appelle groupe altern de degr n, not An (ou parfois An ), le noyau de la signature
sur Sn , i.e. lensemble des permutations paires de J1, nK. Alors An est un sous-groupe de Sn .

Applications multilinaires

Dfinition (Application multilinaire) Soient E1 , E2 , . . . , En et F des K-espaces vectoriels et f une application de

E1 E2 . . . En dans F . On dit que f est n-linaire si :
pour tout k J1, nK et pour tous x1 E1 , x2 E2 , . . . , xk1 Ek1 , xk+1 Ek+1 , . . . , xn En fixs,

Ek
F
est linaire .
lapplication
x 7 f (x1 , x2 , . . . , xk1 , x, xk+1 , . . . , xn )

Si n = 2, on dit que f est bilinaire ; si n = 3, que f est trilinaire. Si enfin F = K, on dit que f est une forme n-linaire.

c Christophe Bertault - MPSI

   Explication
Bref, pour tout k J1, nK, f est linaire par rapport sa kme variable quand on fixe les n 1 autres.
Les notions dapplication 1-linaire et dapplication linaire concident.
Exemple
Dans le plan usuel R2 , le dterminant et le produit scalaire sont deux formes bilinaires. Dans lespace trois dimensions
usuel R3 , le dterminant est une forme trilinaire et le produit vectoriel est bilinaire.

K E E
est bilinaire.
Soit E un K-espace vectoriel. Lapplication
(, x) 7 x

Mp,q (K) Mq,r (K) Mp,r (K)
est bilinaire.
Lapplication produit
(A, B)
7
AB
 k

C (R, R) C k (R, R) C k (R, R)
est bilinaire pour tout k N .
Lapplication produit
(f, g)
7
fg

L(E, E ) L(E , E ) L(E, E )
est bilinaire.
Soient E, E , E trois K-espaces vectoriels. La composition
(f, g)
7
gf
Dfinition (Forme multilinaire alterne)
assertions suivantes sont quivalentes :

Soient E un K-espace vectoriel et f une forme n-linaire de E n . Les

(i)

f est nulle sur toute famille de vecteurs dont au moins deux sont gaux.

(ii)

Pour tous (x1 , x2 , . . . , xn ) E n et Sn :

f (x(1) , x(2) , . . . , x(n) ) = ()f (x1 , x2 , . . . , xn ).

On dit dans ces conditions que f est alterne (ou antisymtrique).

Dmonstration
(ii) = (i) Soit (x1 , x2 , . . . , xn ) E n . On suppose que deux des vecteurs de cette famille sont gaux, disons
xi et xj avec i < j. Notons la transposition (i j). Alors daprs (ii) :
f (x1 , x2 , . . . , xn ) = ( )f (x1 , x2 , . . . , xn ) = f (x (1) , x (2) , . . . , x (n) )
= f (x1 , . . . , xi1 , xj , xi+1 , . . . , xj1 , xi , xj+1 , . . . , xn ) = f (x1 , x2 , . . . , xn )
Conclusion :

f (x1 , x2 , . . . , xn ) = f (x1 , x2 , . . . , xn ),

i.e. :

f (x1 , x2 , . . . , xn ) = 0

car xi = xj .

comme voulu.

(i) = (ii) Fixons (x1 , x2 , . . . , xn ) E n .

1) Cas des transpositions : Soient i, j J1, nK tels que i < j. Notons la transposition (i j).
Dans le calcul qui suit napparaissent que les ime et j me variables. Par n-linarit :
f (. . . , xi +xj , . . . , xi +xj , . . .) = f (. . . , xi , . . . , xi , . . .)+f (. . . , xi , . . . , xj , . . .)+f (. . . , xj , . . . , xi , . . .)+f (. . . , xj , . . . , xj , . . .),
et donc daprs (i) : f (. . . , xi , . . . , xj , . . .) + f (. . . , xj , . . . , xi , . . .) = 0.
Finalement : f (x (1) , x (2) , . . . , x (n) ) = f (x1 , x2 , . . . , xn ) = ( )f (x1 , x2 , . . . , xn )

comme voulu.

2) Cas gnral : Soit Sn . Alors = r r1 . . . 1 est le produit dun certain nombre de

transpositions 1 , 2 , . . . , r . Soit (x1 , x2 , . . . , xn ) E n . Raisonnons par rcurrence.
Initialisation :

f (x1 (1) , . . . , x1 (n) ) = (1 )f (x1 , . . . , xn ).

Hrdit : Soit k J1, r 1K tel que f (xk k1 ...1 (1) , . . . , xk k1 ...1 (n) ) = (k k1 . . . 1 )f (x1 , . . . , xn ).
Il sagit de dmontrer la mme formule au rang k + 1.
1)

f (xk+1 k ...1 (1) , . . . , xk+1 k ...1 (n) ) = (k+1 )f (xk k1 ...1 (1) , . . . , xk k1 ...1 (n) )
HDR

(k+1 )(k k1 . . . 1 )f (x1 , . . . , xn )

= (k+1 k . . . 1 )f (x1 , . . . , xn )

car est un morphisme de groupes.

Fin de la rcurrence : la proprit dmontre pour k = r est notre rsultat, puisque = r r1 . . . 1 . 

Thorme (Proprits des formes multilinaires alternes) Soient E un K-espace vectoriel et f une forme n-linaire
alterne de E n .
(i) f est change en son oppose quand on permute deux de ses variables.
(ii) On ne change pas la valeur de f quand on ajoute lune de ses variables une combinaison linaire des autres.
(iii) f est nulle sur toute famille lie.

c Christophe Bertault - MPSI

Dmonstration
(i) Cest la dfinition du caractre altern de f applique au cas des transpositions.
(ii) Soient (x1 , x2 , . . . , xn ) E n et 1 , 2 , . . . , !
k1 , k+1 , . . . , n K. Dans le calcul qui suit napparat que la
X
X
kme variable : f . . . , xk +
i xi , . . . = f (. . . , xk , . . .) +
i f (. . . , xi , . . .) = f (. . . , xk , . . .).
|
{z
}
16i6n
16i6n
i6=k

=0 car xi apparat
deux fois.

i6=k

(iii) Soit (x1 , x2 , . . . , xn ) une famille lie de vecteurs de E. Alors pour un certain k J1, nK, xk est combinaison
linaire de x1 , x2 , . . . , xk1 , xk+1 , . . . , xn . Du coup, daprs (ii) et la linarit de f par rapport sa kme
variable : f (x1 , x2 , . . . , xn ) = f (x1 , x2 , . . . , xk1 , 0E , xk+1 , xn ) = 0.


Dterminant dune famille de vecteurs dans une base

Dfinition (Dterminant dune famille de vecteurs dans une base) Soient E un K-espace vectoriel de dimension
n et B = (e1 , e2 , . . . , en ) une base de E.
Il existe une et une seule forme n-linaire alterne de E n , note detB , qui donne B la valeur 1, i.e. telle que
detB (B) = 1. On lappelle dterminant dans la base B.
Toute autre forme n-linaire alterne f de E n est un multiple de detB :

f = f (B) detB .

Soient x1 , x2 , . . . , xn E. On note A la matrice de (x1 , x2 , . . . , xn ) dans B. Alors :

det B (x1 , x2 , . . . , xn ) =

()

Sn

n
Y

a(i)i =

i=1

Sn

()

n
Y

ai(i) .

i=1

$ $ $ Attention !
Seul le dterminant dune famille de n vecteurs dans un espace vectoriel de dimension n est ainsi dfini.
n
X
Y
Les formules
. . . ne sont jamais utilises en pratique pour calculer les dterminants, car il faudrait calculer
()
i=1

Sn

n! produit de n termes beaucoup de calculs. Nous verrons plus loin comment des calculs simples et rapides sont possibles.
Dmonstration

Le programme stipule que vous ntes pas obligs de savoir refaire cette dmonstration.

Analyse : Tchons de comprendre do sort la formule qui dfinit le dterminant. Soient f une forme
n-linaire alterne de E n et x1 , x2 , . . . , xn E. Notons A la matrice de (x1 , x2 , . . . , xn ) dans B.

n
n
n
X
X
X
X
n-linarit
a kn n e kn
a k2 2 e k2 , . . . ,
ak1 1 ak2 2 . . . akn n f (ek1 , ek2 , . . . , ekn ).
f (x1 , x2 , . . . , xn ) = f
a k1 1 e k1 ,
=
k1 =1

k2 =1

(k1 ,k2 ,...,kn )J1,nKn

kn =1

Dans cette somme, de nombreux termes sont nuls : parce que f est alterne, f (ek1 , ek2 , . . . , ekn ) = 0 ds
que deux vecteurs sont gaux. Nous pouvons donc ne conserver que les n-uplets (k1 , k2 , . . . , kn ) dlments
distincts. Or se donner un tel n-uplet (k1 , k2 , . . . , kn ), cest exactement se donner une application injective
de J1, nK dans lui-mme, avec (i) = ki pour tout i J1, nK. Les ensembles de dpart et darrive tant finis
avec le mme nombre dlments, cela revient en fait se donner une permutation de J1, nK.
!
!
!
n
n
n
X Y
X
X Y
Y
a(i)i f (e(1) , e(2) , . . . , e(n) ) =
f (x1 , x2 , . . . , xn ) =
a(i)i f (B).
a(i)i ()f (e1 , e2 , . . . , en ) =
()
Sn

i=1

Sn

i=1

Sn

Concusion : on obtient bien lgalit f = f (B) detB si lon pose det B (x1 , x2 , . . . , xn ) =

Sn

i=1

()

n
Y

a(i)i .

i=1

En particulier, si f (B) = 1, alors f = detB , de sorte que detB est la seule forme n-linaire alterne de E n
qui donne B la valeur 1.
Synthse : On pose :

det B (x1 , x2 , . . . , xn ) =

Sn

()

n
Y

a(i)i pour toute famille (x1 , x2 , . . . , xn ) E n

i=1

de matrice A dans B. Vous vrifierez seuls la n-linarit de detB . Montrons que detB est alterne. Soient
(x1 , x2 , . . . , xn ) E n et Sn . Dans le calcul suivant, on effectue le changement dindice
 j = (i) associ
Sn
Sn
1
la permutation de J1, nK, puis le changement dindice = associ la bijection
.
7 1

c Christophe Bertault - MPSI

det B (x(1) , x(2) , . . . , x(n) ) =

()

a(i)(i)

()()

j=(i)

i=1

Sn

n
Y

n
Y

a(i)i = ()

n
Y

()

n
Y

a(j)j

a(i)i = () det B (x1 , x2 , . . . , xn ).

()

n
Y

n
Y

b(i)i = 0 pour toute

i=1

b(i)i = (Id)

i=1

Sn

Avec les notations prcdentes, il nous reste montrer la formule :

n
Y

j=1

Sn

Montrons enfin que detB (B) = 1. La matrice B de B dans B est In , donc

det(B) =

()

i=1

Sn

permutation Sn distincte de lidentit. Conclusion :

=1

a1 (j)j

j=1

Sn

i=1

Sn

()

n
Y

bId(i)i = 1.

i=1

det B (x1 , x2 , . . . , xn ) =

()

Sn

n
Y

ai(i) ,

i=1

o lon a chang i et (i) . Soit Sn . Parce que est une permutation de J1, nK, on peut se
Sn Sn
servir de pour effectuer un changement dindice j = (i). Par ailleurs, lapplication
7 1
est bijective (de rciproque elle-mme), donc on peut effectuer un changement dindice = 1 :
det B (x1 , x2 , . . . , xn ) =

()

j=(i)

a(i)i

i=1

Sn

n
Y

()

n
Y

Sn

j=1

n
Y

()

Sn

Sn

aj(j)

()

n
Y

aj 1 (j)

= 1

j=1

(puisque ()

Sn

n

Y

aj(j)

j=1

o


1, 1 , on a 1 = ()1 = ())

ai(i) .

i=1

Exemple Soient E un K-espace vectoriel de dimension 2, de base B = (e1 , e2 ). Si x, y E ont pour coordonnes respectives
(x1 , x2 ) et (y1 , y2 ), alors detB (x, y) = x1 y2 x2 y1 .
Nous retrouvons ici un rsultat connu de dbut danne, mais. . . nous avions dfini le dterminant laide de normes et de sinus
dun angle. Nous sommes prsent capables de le dfinir sans recourir ces notions.
X
En effet Par dfinition : det B (x, y) =
()x(1)y(2) . Or le groupe S2 possde seulement deux lments :
n
o
S2 = Id, ,

S2

o = (1 2). Par consquent :

det B (x, y) = (Id)xId(1) yId(2) + ( )x (1)y (2) = x1 y2 x2 y1 .

Exemple
Soient E un K-espace vectoriel de dimension 3, de base B = (e1 , e2 , e3 ). Si x, y, z E ont pour coordonnes
respectives (x1 , x2 , x3 ), (y1 , y2 , y3 ) et (z1 , z2 , z3 ), alors detB (x, y, z) = x1 y2 z3 + x2 y3 z1 + x3 y1 z2 x3 y2 z1 x2 y1 z3 x1 y3 z2 .
Cest comme en dbut danne, mais nous avions dfini le dterminant laide des produits scalaire et vectoriel, dfinis eux-mmes
partir de normes et de cosinus/sinus dun angle. Nous sommes prsent capables de le dfinir sans recourir ces notions.
n
o
X
()x(1) y(2) z(3) . Or S3 = Id, (1 2 3), (1 3 2), (1 3), (1 2), (2 3) .
En effet Par dfinition : det B (x, y, z) =
S3

Par consquent :

detB (x, y, z) = x1 y2 z3 + x2 y3 z1 + x3 y1 z2 x3 y2 z1 x2 y1 z3 x1 y3 z2 .
| {z } | {z } | {z } | {z } | {z } | {z }
(1 2 3)
(1 3 2)
(1 3)
(1 2)
(2 3)
Id

$ $ $ Attention !
Nous tions habitus lide quil ny a quun dterminant dans le plan, et quun dterminant dans
lespace. Cest faux : il y a autant de dterminants quil y a de bases. Cette fausse impression provenait notamment du fait que
nous avions fix une base de rfrence (~, ~) dans le plan et (~, ~, ~k) dans lespace, mais surtout au fait que cette base de rfrence
tait orthonormale directe nous reviendrons sur ce point dans un prochain chapitre.

Thorme (Proprits du dterminant dune famille de vecteurs dans une base) Soient E un K-espace vectoriel
de dimension n, B et B deux bases de E et F une famille de n vecteurs de E.
detB (F ) = detB (B ) detB (F ).

(i)

Formule de changement de base :

(ii)

F est une base de E si et seulement si detB (F ) 6= 0.

   Explication
en dimensions 2 et 3.

Dans ce cas :

detF (B) =

1
.
detB (F )

A quoi le dterminant dune famille de vecteurs sert-il ? A caractriser les bases, comme en dbut danne

Dmonstration
(i) Lapplication detB est n-linaire alterne. Le thorme prcdent affirme donc que detB = detB (B ) detB ,
ce qui est justement le rsultat attendu sorte de relation de Chasles pour les dterminants.

c Christophe Bertault - MPSI

(ii) Si F est une base de E, alors daprs (i) :

que detB (F ) est non nul dinverse detF (B).

1 = detB (B) = detB (F ) detF (B).

Ceci montre aussitt

Rciproquement, par contraposition, supposons que F nest pas une base de E. Alors F est lie, car consti
tue de n vecteurs en dimension n. Or detB est n-linaire alterne. Donc detB (F ) = 0.

Dterminant dun endomorphisme

Dfinition (Dterminant dun endomorphisme)

Soient E un K-espace vectoriel de dimension finie et f un endomor

phisme de E. Alors le scalaire detB f (B) ne dpend pas de la base B choisie. On lappelle le dterminant de f et on le
note det(f ).
$ $ $ Attention !
Pour commencer, seul le dterminant dun endomorphisme est ainsi dfini. Ensuite, le dterminant
dune famille de vecteurs tait relatif une base. A prsent, le dterminant dun endomorphisme ne dpend daucune base.




Soient B et B deux bases de E. Nous voulons montrer que detB f (B) = detB f (B ) .
(
En

K
 et montrons quelle est
Notons lapplication
(x1 , x2 , . . . , xn ) 7 detB f (x1 ), f (x2 ), . . . , f (xn )

Dmonstration

n-linaire. Soient k J1, nK, x1 , x2 , . . . , xk1 , xk+1 , . . . , xn E, x, x E fixs et , K. Dans le calcul

qui suit napparat que la kme variable :




(. . . , x + x , . . .) = det B . . . , f (x + x ), . . . = det B . . . , f (x) + f (x ), . . .




= det B . . . , f (x), . . . + det B . . . , f (x ), . . . = (. . . , x, . . .) + (. . . , x , . . .).

Par ailleurs est alterne : si on calcule (x1 , x2 , . . . , xn ) sous lhypothse que xi = xj pour certains
i, j J1, nK distincts, alors f (xi ) = f (xj ) et donc comme detB est altern, (x1 , x2 , . . . , xn ) = 0.
Ainsi est une forme n-linaire alterne de E n , et du coup = (B ) detB . Enfin :





Chasles
=
det B (B) det B f (B ) = det B (B) (B ) = (B) = det B f (B) .
det B f (B )

Thorme (Proprits du dterminant dun endomorphisme) Soient E un K-espace vectoriel de dimension n et f

et g deux endomorphismes de E.


(i)
Pour toute base B de E et pour toute famille F de n vecteurs de E : detB f (F ) = det(f ) detB (F ).
(ii)

det(g f ) = det(g) det(f ).

(iii)

f est un automorphisme de E si et seulement si det(f ) 6= 0.

Attention !

(iv)

Pour tout K :

   Explication
$ $ $ Attention !

Dans ce cas :

det f 1 =

1
.
det(f )

det(f ) = det(f ).

Daprs (ii) et (iii), le dterminant est un morphisme de groupes de GL(E) dans K .

Le dterminant nest pas linaire : en gnral, si , K,
Mditez notamment lassertion (iv).

Dmonstration

det(f + g) = det(f ) + det(g).

Fixons B une base de E.

(i) a t dmontre dans la preuve du thorme prcdent sous la forme = (B) detB avec (B) = det(f ).


 (i)


(ii) det(g f ) = detB g f (B) = det(g) detB f (B) = det(g) det(f ).

(iii) Lapplication f est un automorphisme de E si et seulement si f (B) est une base de E, i.e. si et seulement




1
.
si det(f ) = detB f (B) 6= 0. Dans ce cas, det tant un morphisme de groupes : det f 1 =
det(f )

(iv) rsulte immdiatement de la n-linarit du dterminant dune famille de vecteurs. Pour tout K :






det(f ) = det B (f )(B) = det B f (B) = n det B f (B) = n det(f ).
Chaque variable a permis, par linarit, la sortie dun .

c Christophe Bertault - MPSI

Dterminant dune matrice carre

5.1

Dfinition et premires proprits

Dfinition (Dterminant dune matrice carre) Soit A Mn (K). Le dterminant de A, vue comme endomorphisme
de Kn , est gal au dterminant de la famille des colonnes de A dans la base canonique de Kn .
On appelle dterminant de A la valeur commune de ces deux notions de dterminant ; ce dterminant est not det(A) ou :




 a11 a12 a1n 
 a11 a12 a1n 




n
n
 a21 a22 a2n 
 a21 a22 a2n 
X
X
Y
Y




ai(i) .
a(i)i =
et vaut : det(A) =
()
()
ou

 .

 .
.
.
.
.
.
.
..
.. 
..
..
.. 
..
 ..
 ..
i=1
i=1
Sn
Sn




an1 a22 ann 
an1 a22 ann 
[n]
Indication de la taille en indice

$ $ $ Attention !

Seul le dterminant dune matrice carre est ainsi dfini.

Dmonstration
Notons C1 , C2 , . . . , Cn les colonnes de A dans lordre naturel
et Bn = (ek )16k6n

la base
canonique de Kn . Alors : detBn (C1 , C2 , . . . , Cn ) = detBn A(e1 ), A(e2 ), . . . , A(en ) = det Bn A(Bn ) = det(A),
o det(A) est ici le dterminant de A comme endomorphisme de Kn . Cette galit est bien celle du thorme.
n
n
X
Y
X
Y
De plus, detBn (C1 , C2 , . . . , Cn ) est par dfinition
()
a(i)i ou encore
()
ai(i) .

i=1

Sn

Thorme

Sn

i=1

(Proprits du dterminant dune matrice carre) Soient A, B Mn (K).

(i)

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

(ii)

A est inversible si et seulement si det(A) 6= 0.

(iii)

Pour tout K :

(iv)

det(t A) = det(A).

Dans ce cas :

Attention !

   Explication
$ $ $ Attention !

det A1 =

1
.
det(A)

det(A) = n det(A).

Daprs (i) et (ii), le dterminant est un morphisme de groupes de GLn (K) dans K .
Le dterminant nest pas linaire : en gnral, si , K,
Mditez notamment lassertion (iii).

det(A + B) = det(A) + det(B).

Dmonstration

Les assertions (i) (iii) ont t prouves dans le cas des endomorphismes, donc dans le cas
n
n
Y
X
Y
X
des matrices. Pour (iv), quand on applique la formule det(A) =
()
a(i)i =
()
ai(i) la
Sn

matrice t A, on trouve. . . la mme chose do le rsultat.

i=1

Sn

i=1

Vous dmontrerez seuls le rsultat suivant :

Thorme (Relation entre les diffrentes notions de dterminant) Soient E un K-espace vectoriel de dimension
n et B une base de E.


(i) Soit F une famille de n vecteurs de E. Alors : detB (F ) = det Mat(F ) .
B

(ii) Soit f un endomorphisme de E. Alors :

det(f ) = det Mat(f ) .

B

   En pratique
Ce thorme est trs pratique, car il montre que tout dterminant (famille de vecteurs ou endomorphisme) peut tre calcul comme le dterminant dune matrice carre, et nous saurons bientt calculer rapidement ces
dterminants.

c Christophe Bertault - MPSI

Et justement, enfin, voici un premier thorme de calcul simple des dterminants.

Thorme

Alors :

(Dterminant dune matrice triangulaire par blocs) Soient A Mp (K) et B Mnp (K).
















 = det(A) det(B).
 = 










A 0

0 B

Dmonstration

Nous nous contenterons du cas des matrices triangulaires suprieures.




 
 

 Ip
 A   Ip
0 

0   A

 

 = det(B) et que
, il nous suffit de montrer que 

=
Dans la mesure o 



 
 






 0
0
B 
0 Inp
0
B
B


A



 = det(A). Pour aller vite, nous prouverons seulement la seconde galit.


 0 Inp 

n
A

X
Y
. Alors par dfinition : det(M ) =
mi(i) . Analysons dans
()
A cette fin, posons M =
i=1
Sn
0 Inp
cette grande somme les permutations pour lesquelles le terme associ est non nul. Si fixe est une telle
permutation, alors mi(i) est forcment non nul pour tout i J1, nK, et tant donne la forme de M , cela veut dire
que (i) = i pour tout i Jp + 1, nK. A fortiori, par injectivit, les autres valeurs de , savoir (1), (2), . . . , (p),
sont forcment infrieures ou gales p. Pour cette raison, induit par restriction une permutation de J1, pK.
Si est le produit dans Sp de r transpositions, alors a fortiori est le produit dans Sn des mmes r transpositions,
puisque (i) = i pour tout i Jp + 1, nK. Ceci prouve que () = (1)r = ().
Mais que vaut en retour le terme de det(M ) associ ? Il vaut :
()

n
Y

mi(i) = ()

i=1

p
Y

mi(i)

i=1

n
Y

mi(i) = ()

{z

{z

Ici (i)=i

n
Y

ai(i)

i=1

i=p+1

Ici (i)6p

p
Y

i=p+1

{z

| {z }

Matrice A

= ()

p
Y

ai(i) .

i=1

Matrice Inp

Aprs une tude fine des termes ventuellement non nuls de la somme det(M ), nous avons bien obtenu le rsultat
p
X
Y
voulu : det(M ) =

()
ai(i) = det(A).
Sp

i=1

Corollaire (Dterminant dune matrice triangulaire) Le dterminant dune matrice triangulaire est gal au produit
de ses coefficients diagonaux.

Exemple

5.2


2

3

0

0

4
1
0
0

2
2
4
1


3 
5 2
=
1 3

0

 
4  4

1 1


1
= (14) (1) = 14
0

et


2

0

0

4
1
0


7 
3  = 2 1 (1) = 2.
1

Mthode du pivot de Gauss pour le calcul du dterminant

Thorme

(Dterminant dune matrice et oprations lmentaires)

(i) Quand on ajoute une ligne (resp. colonne) un multiple dune autre ligne (resp. colonne) dun dterminant, celui-ci
nest pas modifi.
(ii) Soit K. Quand on multiplie par une ligne (resp. colonne) dun dterminant, celui-ci est multipli par .
(iii) Quand on permute deux lignes (resp. colonnes) dun dterminant, celui-ci est multipli par 1.

Dmonstration
Nous savons dj que les oprations lmentaires sont des multiplications par des matrices
inversibles. Du coup, en vertu de la relation det(AB) = det(A) det(B) , effectuer une opration lmentaire de
matrice P sur un dterminant revient le multiplier par det(P ). Mais que vaut det(P ) dans les cas (i), (ii) et (iii) ?

c Christophe Bertault - MPSI

(ii) Multiplication dune ligne

(resp. colonne) par :



 1

 .
..






1


 = .






1

.
. . 




1 

(i) Ajout dun multiple dune ligne (resp.

colonne) une autre ligne (resp. colonne) :



 1

 .
..






1


.
 = 1.

..




1



..


. 



1

(iii) Permutation de deux lignes (resp. colonnes) : En ralit, on peut simuler la permutation des lignes
i et j en effectuant successivement les oprations lmentaires suivantes :
Li Li + Lj ,

Lj Lj Li ,

et

Li Li + Lj

Lj Lj .

Daprs (i) , les trois premires oprations ne modifient pas le dterminant de la matrice ; daprs (ii), le
dterminant est multipli par 1. Au total, la permutation des lignes i et j a cot un facteur 1. Mme
raisonnement avec les colonnes.

   En pratique Mme pour calculer un dterminant, la mthode du pivot de Gauss est la mthode reine. Comment
fait-on ? On rend triangulaire le dterminant tudi par des oprations lmentaires, puis on calcule le produit des lments
diagonaux, tout simplement.

Exemple


1

4

3

2

5
4
9
0

0
2
4
1


1
1 
0 
1

Exemple

5.3

Pour tous a, b C :


5
0 1
16 2
5  L2 L2 4L1
6 4
3  L3 L3 3L1
10 1
3  L4 L4 2L1


1 10 3


(1)2 4 6 3 C1 C2 , L1 L3
2 16 5


34 9
 = (34 + 36) = 2.

1
4 1

1

0

0

0


a

b

b

b
a
b


b 
b 
a


16

1  6
10


1

0

0

10
34
4



 a
b
b 

0  L2 L2 L1
= b a a b
b a
0
a b L3 L3 L1


a + 2b
0
0 

2
1
0  L1 L1 + bL2 + bL3
(b a)  1
 1
0
1

2
4
1


5
3
3


3 
9 L2 L2 4L1
1 L3 L3 2L1

a

(b a)2 1
1

b
1
0


b 
0 
1

= (b a)2 (a + 2b).

Dveloppement par rapport une ligne ou une colonne

et formule dinversion

Dfinition

(Mineurs, cofacteurs, comatrice) Soit A Mn (K) et (i, j) J1, nK2 .

On appelle mineur de A de position (i, j) le dterminant ij de la matrice obtenue partir de A par suppression
de la ime ligne et de la j me colonne.
On appelle cofacteur de A de position (i, j) le scalaire (1)i+j ij .
On appelle comatrice de A, note com(A), la matrice des cofacteurs de A :



com(A) = (1)i+j ij

   Explication
Le cofacteur de position (i, j) est gal au mineur de mme position, au signe prs. Mais comment ces
signes sont-ils distribus ? La matrice ci-contre schmatise leur distribution.

Exemple

1
La comatrice de 1
2

0
1
0

1
0
1 est la matrice 0
0
1

10

3
1
1

2
0.
1

..
.

16i,j6n

..
.

+
..
.

...
. . .

. . .

..
.

c Christophe Bertault - MPSI

Thorme (Dveloppement par rapport une ligne ou une colonne) Soit A Mn (K). Pour tout (i, j) J1, nK2 ,
on note ij le mineur de A de position (i, j).
n
X
(i) Dveloppement par rapport une ligne : Soit i J1, nK.
det(A) =
(1)i+j aij ij .
j=1

(ii) Dveloppement par rapport une colonne : Soit j J1, nK.

det(A) =

n
X

(1)i+j aij ij .

i=1

   Explication
Ces formules ne sapprennent pas par cur. Elles se comprennent sur des exemples simples. En voici
un, o lon dveloppe par rapport la premire colonne :
Ceci ne doit pas figurer sur vos copies, cest juste pour vous expliquer.


 1

 2

 3

4
5
6


7 
8 
9 


 1

+ 1  2
 3

4
5
6

7
8
9

 }|

 1 4



 2  2 5


 3 6


7
8
9



 1



 + 3  2


 3


4
5
6

7
8
9

Ici, la nullit du dterminant montre que la matrice 3 3 considre nest pas inversible.


5

6



4
8


2
6
9



4
7

+
3
5
9


7
8

0.

Dmonstration Soit i J1, nK. Par transposition, nous pouvons nous contenter de dmontrer le rsultat dans
le cas dun dveloppement par rapport la ime ligne.




 0
 a11

a1j

a1n 


 a11
 .
..
.. 

a1j

a1n 

 .
.
. 
 .

 .

.
.. 
 .

 a11 a1n 

..
n
n
. 
 .

ai1,1 ai1,j ai1,n 

X
X





..  =

0  =
(1)i1 aij ai1,1 ai1,j ai1,n 
det(A) =  ...
aij  0

.






j=1
j=1
ai+1,1 ai+1,j ai+1,n 
an1 ann 
ai+1,1 ai+1,j ai+1,n 




[n]
.. 
..
.. 
..
 ..
 ..

 .

 .
.
.
.
.






 an1
an1

anj

ann [n]

anj

ann [n]

On change la ime ligne avec la (i 1)me ,

puis la (i 1)me avec la (i 2)me , etc.
Au total, i 1 changes de lignes, do le (1)i1 .

Le dterminant est linaire

par rapport sa ime variable-ligne.


 1

 a1j

 .
 .
n
 .
X

i1
j1
=
(1) (1) aij ai1,j

j=1
ai+1,j

 ..
 .

 anj

 a11

 ..
 .

n
X
ai1,1
=
(1)i+j aij 
ai+1,1
j=1
 .
 ..

 a
n1

0
a11
..
.

ai1,1
ai+1,1
..
.
an1

a1,j1
..
.
ai1,j1
ai+1,j1
..
.
an,j1

a2,j+1
..
.
ai1,j+1
ai+1,j+1
..
.
an,j+1

Mme chose sur les colonnes.

a1,j1
..
.
ai1,j1
ai+1,j1
..
.
an,j1

a2,j+1
..
.
ai1,j+1
ai+1,j+1
..
.
an,j+1










ai1,n 

ai+1,n 

.. 
. 
ann 
0
a1n
..
.

A prsent, la matrice est

triangulaire par blocs.

[n]







n
X
ai1,n 
=
(1)i+j aij ij .
ai+1,n 
j=1
.. 
. 
ann [n1]
a1n
..
.

   En pratique Le dveloppement par rapport une ligne/colonne est souvent utile, mais dans la mesure du possible,
il faut choisir de dvelopper par rapport une ligne/colonne contenant beaucoup de 0 : les calculs en sont grandement simplifis.
Cela dit je vous conseille de privilgier le pivot de Gauss, qui fournit gnralement des rsultats sous forme factorise. Aprs
tout, ce que lon aime savoir dun dterminant, cest sil est nul ou non.

Exemple


0

1

2

0

2
0
2
1

1
0
1
0



1 
1

2 
2
=
(1)


1
0
2

0
2
1

 
2   0
1+1
2  0

2
0
1

(3me colonne)

11



1
2
2 = (1) (1) 
1
2



0
1

2
1

2

(1re colonne)


!
2
2

+
(1)
1

2

!
1
= 4.
2

(1re colonne)

c Christophe Bertault - MPSI

Corollaire

A t com(A) = t com(A) A = det(A) In .

(Formule dinversion) Soit A Mn (K). Alors :

En particulier, si A est inversible :

A1 =

1
t
com(A).
det(A)

Dmonstration

Pour
 tous i, j J1, nK, notons ij le mineur de A de position (i, j). Par dfinition de la
. Contentons-nous de montrer que A t com(A) = det(A) In , i.e. que
comatrice : com(A) = (1)i+j ij
16i,j6n

n
X
1 si i = j
Fixons donc i, j J1, nK.
aik (1)j+k jk = det(A)ij pour tous i, j J1, nK, o ij =
0 sinon.
k=1

Supposons dabord que i = j et montrons que

dveloppement par rapport la ime ligne.
Supposons ensuite que i 6= j et montrons que

n
X

aik (1)i+k ik = det(A). Or cest dj fait, cest juste un

k=1

n
X

aik (1)j+k jk = 0. Remplaons dans A la j me ligne par

k=1

la ime et notons B la matrice obtenue. Alors det(B) = 0 car les ime et j me lignes de B sont gales. Mais
par ailleurs, dveloppons det(B) par rapport sa j me ligne. Les mineurs de A et B associs cette ligne
n
n
X
X
aik (1)j+k jk . Cest le rsultat voulu.
(1)j+k bjk jk =
tant gaux : 0 = det(B) =

k=1

k=1



1
1
a c
d
t
M2 (K). Si det(A) = ad bc 6= 0, alors A1 =
com(A) =
b d
det(A)
ad bc b
Nous retrouvons ainsi un rsultat bien connu.
Exemple

Soit A =


c
.
a

$ $ $ Attention !
La formule dinversion prcdente est trs importante, mais seulement quand dans des contextes
thoriques. En tout cas, il ne faut surtout pas sen servir pour inverser une matrice concrte. Alors que la mthode du pivot de
Gauss est rapide et simple, la formule dinversion ramne le calcul de A1 au calcul de det(A) et com(A). Or chaque coefficient
de com(A) est lui-mme un dterminant. Cela nous fait un dterminant de taille n calculer, puis n2 dterminants de taille
n 1. Beaucoup de calculs, donc.

Applications des dterminants

6.1

Systmes de Cramer

On rappelle quun systme de Cramer est un systme linaire dont la matrice est (carre) inversible.

Thorme (Expression de la solution dun systme de Cramer laide de dterminants) Soient A GLn (K)
et B Kn . Pour tout j J1, nK, on note Aj la matrice obtenue en remplaant la j me colonne de A par B, et X Kn la
det(Aj )
solution unique du systme de Cramer AX = B. Alors pour tout j J1, nK : xj =
.
det(A)

   Explication
Ce rsultat a assez peu dintrt, mme sil est au programme. Grce lui on dispose dune formule
gnrale de rsolution des systmes de Cramer, mais cette formule est inutilisable en pratique tant elle occasionne de calculs. Le
pivot de Gauss nest pas facile dtrner.
Notons C1 , C2 , . . . , Cn les colonnes de A et Bn la base canonique de Kn . Affirmer que AX = B
n
X
xk Ck = B. Du coup, pour tout j J1, nK on ncrit ci-aprs que la j me variable :
revient affirmer que
k=1
!
n
n
X
X
xk det Bn (. . . , Ck , . . .) = xj det Bn (. . . , Cj , . . .) = xj det(A).
x k Ck , . . . =
det(Aj ) = det Bn (. . . , B, . . .) = det Bn . . . ,

|
{z
}
k=1
k=1
Dmonstration

=0 si k6=j

12

c Christophe Bertault - MPSI

Exemple Soient a, b, c, a , b , c C tels que ab a b 6= 0. La solution (x, y) C2 du systme de Cramer

est donne par les expressions suivantes :

6.2

x=



c


c


a


a


b 
b 

b 
b 

cb c b
ab a b

et

y=



a


a


a


a


c 
c 

b 
b 

ac a c
.
ab a b

ax
a x

+
+

by
b y

=
=

c
c

A connatre !

Orientation dun R-espace vectoriel de dimension finie

$ $ $ Attention !

Dans ce paragraphe, on travaille seulement avec le corps K = R.

Dfinition (Orientation dun R-espace vectoriel rel de dimension finie) Soit E un R-espace vectoriel de dimension
finie non nulle.
On dfinit sur lensemble des bases de E une relation avoir la mme orientation que de la faon suivante :
une base B de E a la mme orientation quune base B de E si det B (B ) > 0.
La relation avoir la mme orientation que est une relation dquivalence sur lensemble des bases de E. Il y a
exactement deux orientations possibles : si B na pas la mme orientation que B et B , alors B et B ont la mme
orientation.
Orienter E, cest par dfinition dcrter arbitrairement quune certaine base fixe B de E est directe. Toutes les
bases de E de mme orientation que B sont alors aussi qualifies de directes ; les autres sont qualifies dindirectes.

   Explication
Nous avions dj observ en dbut danne que lorientation pouvait se tester laide dun dterminant. Nous ne faisons
que gnraliser ce rsultat, ceci prs quici nous nnonons pas un rsultat, mais une dfinition de lorientation.
Jusquici, nous avons fait comme si le plan et lespace taient munis dune orientation naturelle. Mais nous navons jamais
dfini proprement ce que nous entendions par l. Comme lexplique la dfinition ci-dessus, la notion dorientation dun Respace vectoriel E repose sur lide quon peut regrouper les bases de E en deux paquets disjoints au moyen du dterminant ;
les unes sont qualifies de directes, les autres dindirectes. Mais comment savoir lesquelles sont directes, lesquelles sont
indirectes ? La question na pas de sens en fait. Lorientation dun espace vectoriel rsulte dun choix arbitraire : on choisit
dappeler directes les bases dun paquet, indirectes les bases de lautre. Une foix quon a effectu un tel choix, on le conserve
pendant toute la dure du travail que lon veut effectuer.
Le caractre arbitraire dune orientation nest pas vraiment surprenant. Vous napprciez pas lorientation dun plan de
la mme faon selon que vous vous placez au-dessus ou au-dessous de lui : les bases qui paraissent directes dun ct
paraissent indirectes de lautre. La notion dorientation ne sen trouve pas ruine car lessentiel cest ceci : deux bases qui
ont la mme orientation quand on regarde le plan den haut ont aussi la mme orientation quand on le regarde den bas.
Dmonstration

Soient B, B et B trois bases de E.

Montrons que la relation avoir la mme orientation que est rflexive. Cest facile :

detB (B) = 1 > 0.

Montrons que la relation avoir la mme orientation que est symtrique. Supposons donc que B a la
1
mme orientation que B ; cela veut dire que detB (B ) > 0. Alors detB (B) =
> 0, et ainsi B a
detB (B )
bien la mme orientation que B .
Montrons que la relation avoir la mme orientation que est transitive. Supposons donc que B a la
mme orientation que B et que B a la mme orientation que B ; cela veut dire que detB (B ) > 0 et que
detB (B ) > 0. Alors detB (B ) = detB (B ) detB (B ) > 0, et donc B a la mme orientation que B.
Montrons quil existe exactement deux orientations possibles de E. Il suffit pour cela de montrer le rsultat
suivant : si B na pas la mme orientation que B et B , alors B et B ont la mme orientation. Plaonsnous dans ce contexte, de sorte que detB (B ) < 0 et detB (B ) < 0. Alors :
det B (B ) = det B (B) det B (B ) =
ce qui montre bien que B et B ont la mme orientation.

13

detB (B )
> 0,
detB (B )