© Laurent Garcin MPSI Lycée Jean-Baptiste Corot

D ÉTERMINANTS
Dans tout ce chapitre, n désigne un entier naturel non nul.

1 Groupe symétrique
1.1 Permutation

Définition 1.1 Permutation, groupe symétrique

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

On note Sn l’ensemble des permutations de J1, nK. (Sn , ◦) est un groupe appelé groupe symétrique de
degré n.

Notation 1.1

On représente généralement une permutation de J1, nK par un tableau dont la première ligne est consituée par
les entiers de 1 à n rangés par
!ordre croissant et dont la seconde ligne est constituée de leurs images respectives.
1 2 3 4 5
Par exemple, représente la permutation σ de S5 telle que :
2 5 3 1 4
σ(1) = 2, σ(2) = 5, σ(3) = 3, σ(4) = 1, σ(5) = 4.

Proposition 1.1

Montrer que le cardinal de Sn est n!.

1.2 Transpositions et cycles

Définition 1.2 Cycle

Soit p ∈ J2, nK. On appelle p-cycle ou cycle de longueur p toute permutation circulaire de p éléments de
J1, nK i.e. toute permutation σ telle qu’il existe p entiers distincts a1 , a2 . . . , ap de J1, nK vérifiant :

∀i ∈ J1, pK, σ(ai ) = (ai+1 ), σ(ap ) = a1

Un tel cycle est noté (a1 , a2 , . . . , ap ). L’ensemble {a1 , . . . , ap } est appelé le support du cycle.
Un 2-cycle est appelé une transposition.

Remarque. Le même cycle peut s’écrire de plusieurs manières. Par exemple, (1, 2, 3) = (2, 3, 1) = (3, 1, 2).

Remarque. Si c est un p-cycle, alors cp = IdJ1,nK . Notamment, si τ est une transposition, τ2 = IdJ1,nK i.e.
τ−1 = τ.

Remarque. Sn est non commutatif dès que n > 3. Par exemple, (1, 2, 3) ◦ (1, 2) 6= (1, 2) ◦ (1, 2, 3).

Proposition 1.2

Deux cycles à supports disjoints commutent.

[Link] 1
 © Laurent Garcin MPSI Lycée Jean-Baptiste Corot

Théorème 1.1

Toute permutation peut s’écrire comme une composée commutative de cycles de supports disjoints. De plus,
cette écriture est unique à l’ordre des cycles près.

Exemple 1.1

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

Exercice 1.1

Écrire sous la forme usuelle (tableau) et sous forme de composée de cycles disjoints la permutation (2, 3) ◦
(4, 3, 1) ◦ (5, 2, 3).

Théorème 1.2

Toute permutation J1, nK peut s’écrire comme une composée d’au plus n transpositions.

Remarque. On dit que le groupe Sn est engendré par les transpositions.

 Attention ! Cette décomposition n’est pas unique. Par exemple, (1, 2, 3) = (1, 2)(2, 3) = (3, 1)(1, 2).

Exemple 1.2

Décomposition d’un p-cycle en une composée de transpositions :

(a1 , a2 , . . . , ap ) = (a1 , a2 ) ◦ (a2 , a3 ) ◦ · · · ◦ (ap−1 , ap )

Exercice 1.2

Énumérer tous les éléments de S3 .

1.3 Signature

Théorème 1.3 Signature

Si n > 2, il existe un unique morphisme σ non trivial (i.e. non constant égal à 1) du groupe (Sn , ◦) dans le
groupe ({−1, +1}, ×).
On l’appelle la signature.

Remarque. Le noyau de la signature est appelé groupe alterné de degré n et noté An .

Une permutation de signature +1 est dite paire et une permutation de signature −1 est dite impaire.

Exercice 1.3

n!
Montrer que pour n > 2, le cardinal de An est 2 .

[Link] 2
© Laurent Garcin MPSI Lycée Jean-Baptiste Corot

Exercice 1.4

Montrer que An est engendré par les 3-cycles.

Proposition 1.3 Signature d’un cycle

La signature d’un p-cycle est (−1)p−1 . En particulier, la signature d’une transposition est −1.

Remarque. Il suffit donc de savoir décomposer une permutation en une composée de cycles disjoints pour
calculer sa signature.

Exemple 1.3 Calcul de signature

!
1 2 3 4 5
Soit σ = . Alors σ = (1, 3, 5) ◦ (2, 4) donc ε(σ) = (−1)2 × (−1) = −1.
3 4 5 2 1

Inversions
La signature d’une permutation peut se faire au moyen du nombre d’inversions. Soit σ ∈ Sn . On appelle
inversion de σ toute paire {i, j} d’éléments de J1, nK telle que i − j et σ(i) − σ(j) soient de signes opposés. Si
on note I(σ) le nombre d’inversions de σ, alors ε(σ) = (−1)I(σ) .

2 Applications multilinéaires

Définition 2.1 Application multilinéaire

Soient E1 , E2 , . . . , En et F des K-espaces vectoriels. On dit que f : E1 × E2 × En → F est une application

n-linéaire si elle est linéaire par rapport à chacune de ses variables.
Si F = K, on dit que f est une forme n-linéaire.

Remarque. L’ensemble des applications n-linéaires de E1 × · · · × En dans F est un K-espace vectoriel. Plus
˙ n
précisément, c’est un sous-espace vectoriel de FE1 ××E .

Remarque. Une application bilinéaire est une application 2-linéaire.

Une application trilinéaire est une application 3-linéaire.

Remarque. Si f : E1 × E2 × En → F est une application n-linéaire, elle est nulle sur tout n-uplet comportant
le vecteur nul.

Exemple 2.1

En géométrie :
I Dans le plan et l’espace, le produit scalaire est une forme bilinéaire.
I Dans le plan, le déterminant est une forme bilinéaire.
I Dans l’espace, le déterminant est une forme trilinéaire.
I Dans l’espace, le produit vectoriel est une application bilinéaire.

[Link] 3
© Laurent Garcin MPSI Lycée Jean-Baptiste Corot

Exemple 2.2

En algèbre :
I Le produit est une application bilinéaire de K2 dans K.
I La multiplication matricielle est une application bilinéaire de Mn,p (K) × Mp,q (K) dans Mn,q (K).
I La composition d’applications linéaires est une application bilinéaire de L(E, F) × L(F, G) dans L(E, G).

Exemple 2.3

En analyse :

2
I Le produit de fonctions d’un ensemble X à valeurs dans K est une application bilinéaire de KX dans
KX .
C 0 ([a, b], R)2 −→ R
I L’application Rb est une application bilinéaire.
(f, g) 7−→ a
f(t)g(t)dt

A partir de maintenant, on considère que E1 = E2 = · · · = En .

Définition 2.2 Application multilinéaire symétrique, anti-symétrique, alternée

Soit f : En → F une application n-linéaire.

(i) On dit que f est symétrique si :

∀σ ∈ Sn , ∀(x1 , x2 . . . , xn ), f(xσ(1) , xσ(2) , . . . , xσ(n) ) = f(x1 , x2 , . . . , xn )

(ii) On dit que f est antisymétrique si :

∀σ ∈ Sn , ∀(x1 , x2 . . . , xn ), f(xσ(1) , xσ(2) , . . . , xσ(n) ) = ε(σ)f(x1 , x2 , . . . , xn )

(iii) On dit que f est alternée si :

∀σ ∈ Sn , ∀(x1 , x2 . . . , xn ), ∀i 6= j, xi = xj ⇒ f(x1 , x2 , . . . , xn )) = 0

Remarque. L’ensemble des applications n-linéaires symétriques (resp. antisymétriques, alternées) est un sous-
espace vectoriel de l’espace vectoriel des applications n-linéaires de En dans F.

Proposition 2.1

Une application multilinéaire alternée est antisymétrique. La réciproque est vraie si K = R ou K = C.

Remarque. En ce qui nous concerne, il y aura donc équivalence parfaite ente « alternée » et « antisymé-
trique ».

Exemple 2.4

I Le produit scalaire est une forme bilinéaire symétrique.

I Le produit vectoriel est une application bilinéaire antisymétrique ou alternée.
I Le déterminant dans le plan est une forme bilinéaire antisymétrique ou alternée.
I Le déterminant dans l’espace est une forme trilinéaire antisymétrique ou alternée.

Proposition 2.2

Soit f : En → F une application n-linéaire antisymétrique (ou alternée). Soit (u1 , . . . , un ) une famille liée de
E. Alors f(u1 , . . . , un ) = 0F .

[Link] 4
© Laurent Garcin MPSI Lycée Jean-Baptiste Corot

3 Déterminant d’une famille de vecteurs

Définition 3.1 Déterminant d’une famille de vecteurs dans une base

Soient E un K-espace vectoriel de dimension n et B = (e1 , . . . , en ) une base de E. On définit une application
detB : En → K appelée déterminant dans la base B par

X Y
n
∀(x1 , . . . , xn ) ∈ En , detB (x1 , . . . , xn ) = ε(σ) e∗σ(i) (xi )
σ∈Sn i=1

Remarque.
Pn Pour tout j ∈ J1, nK, notons (x1j , . . . , xnj ) ∈ Kn les coordonnées de xj dans la base B i.e.
xj = j=1 xij ei . Alors
X Y
n
detB (x1 , . . . , xn ) = ε(σ) xσ(i)i
σ∈Sn i=1

Lemme 3.1

Soient E un K-espace vectoriel de dimension n, B une base de E et ϕ : En → K une forme n-linéaire alternée.
Alors ϕ = ϕ(B) detB .

Théorème 3.1

Soient E un K-espace vectoriel de dimension n. Alors detB est l’unique forme n-linéaire alternée valant 1 en B.
L’ensemble des formes n-linéaires alternées sur En est vect(detB ).

Proposition 3.1 Changement de base

Soit E un K-espace vectoriel de dimension n. Soit B et B 0 deux bases de E. Soit F une famille de n vecteurs
de E. Alors
detB 0 (F) = detB 0 (B) detB (F)

Proposition 3.2 Caractérisation des bases

Soit E un K-espace vectoriel de dimension n. Soit B = (e1 , e2 , . . . , en ) une base de E. Soit (u1 , . . . , un ) une
famille de vecteurs de E. Alors (u1 , . . . , un ) est une base de E si et seulement si detB (u1 , . . . , un ) 6= 0.

Remarque. Réciproquement, la famille (u1 , . . . , un ) est liée si et seulement si detB (u1 , . . . , un ) = 0.

Proposition 3.3 Pivot de Gauss

Le déterminant d’une famille de vecteurs est :

I multiplié par −1 lorsqu’on échange deux vecteurs de la famille ;
I inchangé lorsqu’on ajoute à un vecteur une combinaison linéaire des autres vecteurs ;
I multiplié par α si on multiplie un vecteur de la famille par α ∈ K.

[Link] 5
 © Laurent Garcin MPSI Lycée Jean-Baptiste Corot

Interprétation géométrique d’un déterminant d’ordre 2

#– et #–
Si u v sont deux vecteurs de R2 , alors la valeur absolue de leur
déterminant dans la base canonique de R2 est l’aire du parallélogramme
#–
v porté par ces vecteurs.

#–
u

Interprétation géométrique d’un déterminant d’ordre 3

#– #–
Si u, v,w#– sont trois vecteurs de R3 , alors la valeur absolue de leur dé-
terminant dans la base canonique de R3 est le volume du parallélépipède
porté par ces vecteurs.

#–
#–
u
w
#–
v

Définition 3.2 Orientation d’un R-espace vectoriel

Soit E un R-espace vectoriel. Soient B1 et B2 deux bases de E. On dit que B2 a la même orientation que B1 si
detB1 (B2 ) > 0.
La relation binaire «avoir la même orientation que» est une relation d’équivalence sur l’ensemble des bases de
E pour laquelle il existe deux classes d’équivalence.
De manière arbitraire, on convient que l’une des classes d’équivalence sera formée des bases dites directes
tandis que l’autre sera formée des bases dites indirectes.

Orienter un R-espace vectoriel

Pour orienter concrètement un R-espace vectoriel, on choisit une base de référence B0 . Toutes les base de
même orientation que B0 seront dites directes tandis que les autres seront dites indirectes.
Il n’existe que deux orientations possibles d’un même espace vectoriel.

 Attention ! L’orientation n’a de sens que pour les espaces vectoriels réels puisqu’il y est question de signe
d’un déterminant.

4 Déterminant d’un endomorphisme

Définition 4.1 Déterminant d’un endomorphisme

Soit E un K-espace vectoriel de dimension n. Soient B une base de E et f ∈ L(E). Alors le scalaire detB (f(B))
ne dépend pas de la base B choisie. On l’appelle le déterminant de f noté det(f).

[Link] 6
© Laurent Garcin MPSI Lycée Jean-Baptiste Corot

Exemple 4.1

det(IdE ) = 1.

Exercice 4.1

Calculer le déterminant d’une symétrie, d’un projecteur.

Proposition 4.1 Propriétés du déterminant d’un endomorphisme

Soit E un K-espace vectoriel de dimension n. Soient B une base de E et F une famille de n vecteurs de E. Soit
λ ∈ K. Soient enfin f, g ∈ L(E).
(i) detB (f(F)) = det(f) detB (F) ;
(ii) det(f ◦ g) = det(f) det(g) ;
(iii) f est un automorphisme de E si et seulement si det(f) 6= 0 et dans ce cas, det(f−1 ) = det(f)−1 .
(iv) det(λf) = λn det(f)

5 Déterminant d’une matrice carrée

5.1 Définition et premières propriétés

Définition 5.1

Soit A ∈ Mn (K). On appelle déterminant de A, noté det(A), le déterminant des vecteurs colonnes de A
dans la base canonique de Mn,1 (K) ou, de manière équivalente, le déterminant de l’endomorphisme de Kn
canoniquement associé à A. Il s’ensuit que si A = (aij )16i,j6n

X Y
n
det(A) = ε(σ) aσ(i)i
σ∈Sn i=1

Notation 5.1

a1,1 a1,2 . . . a1,j . . . a1,p

a2,1 a2,2 . . . a2,j . . . a2,p
.. .. .. ..
. . . .
Soit A = (aij )16i,j6n . Le déterminant de A peut se noter .
ai,1 ai,2 . . . ai,j . . . ai,p
.. .. .. ..
. . . .
an,1 an,2 . . . an,j . . . an,n

Proposition 5.1 Lien entre les différentes notions de déterminant

Soit E un 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 B (F)).
(ii) Soit f ∈ L(E). Alors det(f) = det(mat B (f)).

[Link] 7
 © Laurent Garcin MPSI Lycée Jean-Baptiste Corot

Déterminant d’ordre 2 : règle du γ

a1,1 a1,2
= a1,1 a2,2 − a2,1 a1,2
−
a2,1 a2,2

Déterminant d’ordre 3 : règle de Sarrus

a1,1 a1,2 a1,3 a1,1 a1,2 a1,3 a1,1 a1,2 a1,3

a2,1 a2,2 a2,3 a2,1 a2,2 a2,3 a2,1 a2,2 a2,3

a3,1 a3,2 a3,3 a3,1 a3,2 a3,3 a3,1 a3,2 a3,3

a1,1 a1,2 a1,3 z }| { z }| { z }| {

+ a1,1 a2,2 a3,3 + a2,1 a3,2 a1,3 + a3,1 a1,2 a2,3
a2,1 a2,2 a2,3 =
− a3,1 a2,2 a1,3 − a a1,2 a3,3 − a a3,2 a2,3
a3,1 a3,2 a3,3 | {z } | 2,1 {z } | 1,1 {z }

a1,1 a1,2 a1,3 a1,1 a1,2 a1,3 a1,1 a1,2 a1,3

a2,1 a2,2 a2,3 a2,1 a2,2 a2,3 a2,1 a2,2 a2,3

a3,1 a3,2 a3,3 a3,1 a3,2 a3,3 a3,1 a3,2 a3,3

Exercice 5.1

Montrer que le déterminant d’une matrice à coefficients dans Z est un entier.

Proposition 5.2 Propriétés du déterminant d’une matrice carrée

Soit λ ∈ K. Soient A, B ∈ L(E).

(i) det(AB) = det(A) det(B) ;
(ii) A est inversible si et seulement si det(A) 6= 0 et dans ce cas, det(A−1 ) = det(A)−1 ;
(iii) det(λA) = λn det(A) ;

 Attention ! Le déterminant n’est pas linéaire ! En général, det(λA + µB) 6= λ det(A) + µ det(B).

Proposition 5.3 Déterminant d’une transposée

Soit A = (aij )16i,j6n ∈ Mn (K). Alors

X Y
n X Y
n
ε(σ) aiσ(i) = ε(σ) aσ(i)i
σ∈Sn i=1 σ∈Sn i=1

Autrement dit, det(t A) = det(A).

Exercice 5.2

Montrer qu’une matrice antisymétrique de taille impaire est non inversible.

[Link] 8
© Laurent Garcin MPSI Lycée Jean-Baptiste Corot

Factorisation
Le déterminant d’une matrice est linéaire en chaque colonne (par définition) ou ligne (puisque le déterminant
d’une matrice est égal au déterminant de sa transposée). Ceci permet de factoriser des déterminants.

Exemple 5.1

λ 2 0 1 2 0 1 2 0 1 2 0
2λ −1 3 = λ 2 −1 3 2λ −λ 3λ = λ 2 −1 3
−λ 2 1 −1 2 1 −1 2 1 −1 2 1

5.2 Opérations sur les lignes et les colonnes d’une matrice

L’objectif est de se ramener au calcul du déterminant d’une matrice triangulaire dont on verra qu’il est simple
à calculer.

Proposition 5.4

Notons (Ci )16i6n la famille des vecteurs colonnes d’une matrice A. Soient i, j ∈ J1, nK avec i 6= j. Soit α ∈ K.
(i) L’opération Ci ↔ Cj multiplie le déterminant par −1.
(ii) L’opération Ci ← Ci + αCj laisse le déterminant invariant.
(iii) L’opération Ci ← αCi multiplie le déterminant par α.
De même, si on note (Li )16i6n la famille des vecteurs lignes d’une matrice A :
(i) L’opération Li ↔ Lj multiplie le déterminant par −1.
(ii) L’opération Li ← Li + αLj laisse le déterminant invariant.
(iii) L’opération Li ← αLi multiplie le déterminant par α.

5.3 Développement par rapport à une ligne ou une colonne

Définition 5.2 Mineur, cofacteur

Soient A = (aij )16i,j6n ∈ Mn (K) et i, j ∈ J1, nK.

I On appelle mineur de aij le déterminant ∆ij de la matrice obtenue en supprimant la ième ligne et la
jème colonne de A.
I On appelle cofacteur de aij le scalaire (−1)i+j ∆ij .

Proposition 5.5

Soit A = (aij )16i,j6n ∈ Mn (K).

I Développement par rapport à une ligne : soit i ∈ J1, nK ;

X
n
det(A) = (−1)i+j aij ∆ij
j=1

I Développement par rapport à une colonne : soit j ∈ J1, nK ;

X
n
det(A) = (−1)i+j aij ∆ij
i=1

[Link] 9
© Laurent Garcin MPSI Lycée Jean-Baptiste Corot

Exemple 5.2

En développant par rapport à la première colonne :

1 4 7
5 8 4 7 4 7
2 5 8 = +1 −2 +3 =0
6 9 6 9 5 8
3 6 9

En développant par rapport à la deuxième ligne :

1 4 7
4 7 1 7 1 4
2 5 8 = −2 +5 −8 =0
6 9 3 9 3 6
3 6 9

Remarque. Cette technique de calcul de déterminant révèle tout son intérêt lorsque l’on développe par rapport
à une ligne ou une colonne qui comporte beaucoup de zéros.

Exercice 5.3

a b b
Calcul de b a b .
b b a

Corollaire 5.1 Déterminant d’une matrice triangulaire

Le déterminant d’une matrice triangulaire (supérieure ou inférieure) est égal au produit de ses coefficients
diagonaux.

Remarque. On retrouve le fait qu’une matrice triangulaire est inversible si et seulement si ses coefficients
diagonaux sont non nuls.

[Link] 10
 © Laurent Garcin MPSI Lycée Jean-Baptiste Corot

Méthode Calcul du déterminant par pivot de Gauss et développement

On a tout intérêt à développer par rapport à une ligne ou une colonne comportant beaucoup de zéros. On
utilise donc le pivot de Gauss pour faire apparaître des zéros.

1 2 −2 3 1 2 −2 3
−3 2 4 1 0 8 −2 10 L2 ← L2 + 3L1
= L3 ← L3 − 2L1
2 2 1 0 0 −2 5 −6 L4 ← L4 − L1
1 −2 −3 −4 0 −4 −1 −7
8 −2 10
= −2 5 −6 en développant par rapport à la première colonne
−4 −1 −7
−4 −2 10
= −2 1 5 −6 en factorisant par −2 la première colonne
2 −1 −7
1 5 −6
= 2 −4 −2 10 L1 ↔ L2
2 −1 −7
1 5 −6
L2 ← L2 + 4L1
= 2 0 18 −14
L3 ← L3 − 2L1
0 −11 5
18 −14
=2 en développant par rapport à la première colonne
−11 5
= 2(18 × 5 − 14 × 11) = −128

Proposition 5.6 Déterminants de Vandermonde

Soient x0 , . . . , xn n + 1 complexes.

1 1 ... 1
x0 x1 . . . xn
Y
x20 x21 . . . x2n = (xj − xi )
.. .. .. 06i<j6n
. . .
xn n n
0 x1 . . . xn

Proposition 5.7 Déterminants par blocs

Le déterminant d’une matrice triangulaire par blocs (et a fortiori diagonale par blocs) est le produit des
déterminants des blocs diagonaux.

 Attention ! En général
A
C
B
D
6= det(A) det(D) − det(B) det(C).

[Link] 11
 © Laurent Garcin MPSI Lycée Jean-Baptiste Corot

5.4 Comatrice

Définition 5.3 Comatrice

Soit A ∈ Mn (K). On appelle comatrice de A la matrice des cofacteurs de A i.e. com(A) =

((−1)i+j ∆ij )16i,j6n .

Proposition 5.8

Soit A ∈ Mn (K). Alors t com(A)A = At com(A) = det(A)In .

1 t
En particulier, si A est inversible : A−1 = com(A).
det(A)

Remarque. Cette formule est souvent inutilisable en pratique. Néanmoins pour n = 2, il convient de retenir
la formule suivante.
! !
a c −1 1 d −c
Si A = est inversible (i.e. si ad − bc 6= 0) alors A = ad−bc .
b d −b a

Exercice 5.4

Montrer que A ∈ GLn (Z) ⇐⇒ det(A) = ±1.

6 Systèmes linéaires (hors programme)

Proposition 6.1 Formules de Cramer

Soient A ∈ GLn (K) et B ∈ Kn . Pour j ∈ J1, nK, on note Aj la matrice obtenue en remplaçant la jème colonne
Ü ê
x1
..
de A par B. L’unique solution X = . du système AX = B est donnée par :
xn

det Aj
∀j ∈ J1, nK, xj =
det A

 Attention ! Ce résultat a un intérêt purement théorique. Il est hors de question d’utiliser cette méthode
pour résoudre en pratique un système linéaire dès que n > 4. En effet, cela nécessiterait le calcul de n + 1
déterminants de taille n, ce qui est bien plus long que notre bon vieux pivot de Gauss !

Néanmoins, pour n = 2, on peut retenir les formules suivantes.

Résolution d’un système de deux équations à deux inconnues

ax + by = e
Le système admet une unique solution si et seulement si ad − bc 6= 0 et dans ce cas :
cx + dy = f

e b a e
f d ed − fb c f af − ce
x= = y= =
a b ad − bc a b ad − bc
c d c d

[Link] 12