Mathématiques – fiche : Chap 24 : Déterminants

Chap 24 : Déterminants
Soit  un corps de caractéristique différente de 2

I. Formes n-linéaires alternées

Soit n ∈  * E1 ...En et F n + 1  − espaces vectoriels

n
f : ∏ E j → F est application n − linéaire si elle est linéaire par rapport à chacune de ses variables
j =1

 E j → F
càd : ∀j ∈ 1, n  , ∀(ak ) k ≠ j
 est linéaire
 x  f (a1 ,..., a j −1 , x, a j +1 ,..., an )
On dit que f est une forme n − linéaire si F = 

 n
∏ E j → 
 j =1
Exemple fondamental : ∀j ∈ 1, n  , ϕ j ∈ L ( E j ,  ) f n
est une forme n − linéaire
( x ...x )  ϕ ( x )
 1 n ∏
j =1
j j

On se place dans le cas où E1= E2= ...= En= E

f ∈ F ( E n ,  ) forme n − linéaire. f est alternée si ∀(a1 ...an ) ∈ E n , ∀j ≠ k , a j = ak ⇒ f (a1 ...an )= 0

f ∈ F ( E n ,  ) forme n − linéaire. f est antisymétrique si ∀σ ∈ S n , f (aσ (1) ...aσ ( n ) ) =ε (σ ) f (a1 ...an )

 E → 
n

Si f est une forme n − linéaire sur E , si σ ∈ S n , on note σ  f 

( x1 ...xn )  f ( xσ (1) ...xσ ( n ) )
σ  f est toujours n − linéaire, et f antisymétrique ssi ∀σ ∈ S n , σ  f = ε (σ ) f
f forme n − linéaire sur E , (σ ,τ ) ∈ S n 2 τ (σ  f ) = (τ  σ ) f
f forme n − linéaire f est antisymétrique ssi pour toute transposition τ ∈ S n , τ  f =
−f

f forme n − linéaire f est antisymétrique ssi f est alternée

Preuve : Si f antisym, on prend a j =

ak , on les permute, on a f (a1 ...an ) =
− f (a1 ...an ) ⇒ 0
Si f alternée, on prend ak + a j en k et en j , on développe (linéarité), on retrouve τ  f =
−f

L'espace des formes n − linéaires sur E est un sous espace vectoriel de F ( E n ,  )

 n ( E , ) =
{formes n − linéaires aternées sur E} est un sev de l'espace des formes n − linéaires

E n →

E de dim n et de base B0 det B0  n n engendre  n ( E ,  ) (de dim 1)
( v
 1 n ...v )  ∑ ε (σ )∏ aσ ( j) j ( v j = ∑ a e
ij i )
 σ ∈S n j =1 j= 1

1
Mathématiques – fiche : Chap 24 : Déterminants
n
Preuve : n − lin : f (v1 ...vn ) = ∑ ∏a
( i1 ...in )∈ n j =1
ij j f (ei1 ...ein ) i j = ik ⇒ f (ei1 ...ein ) = 0 ⇒ σ ∈ S n

 n   n 
f (v1 ...vn ) ∑
=  ∏ a
σ ∈S n  j 1 =
σ ( j) j  f ( eσ (1) ...eσ (n) )  ∑ ε (σ )∏ aσ ( j ) j  f (e1 ...en )
  σ ∈S n j 1 
n n
Mq det B0 ∈  n ( E ,  ) θ : (v1 ...vn )  ∏ aσ ( j ) j =
∏ϕσ ( j ) (v j ) n − lin d'après l'exemple fondamental
=j 1 =j 1

+ τ ∈ S n ,τ det B0 ⇒ avec le fait que σ et τ sont bij, on arrive à ce qu'on veut

Pour toute base B0 de E , det B0 ∈  n ( E ,  ) det B0 (B0 ) = 1

B0 base de E , f ∈  n ( E ,  ) f =
f (e1 ...en )det B0 = f (B0 )det B0
B et B0 bases de E det B = det B (B0 ) ⋅ det B0

B0 base de E  = (v1 ...vn ) famille de E

det B0 (=
v1 ...vn ) 0=
ssi  (v1 ...vn ) est liée
det B0 ≠ 0 ssi  =
(v1 ...vn ) est une base

Preuve : Supp  liée : vk = ∑α v

j ≠k
j j On dvp par n-lin., on trouve =0 par antisym

n
a11  a1n
B (e1 ...en ) (v j ) j∈=
1, n 
∈ E , vj
n
∑a i =1
ij i e On=
note det B0  
an1  an n

II. Déterminants de matrice et d’endomorphisme

a11  a1n n
A ∈ Mn ( ) A = (ai j )(i , j )∈ 1,n 2
 
det( A) =   = ∑ ε (σ )∏ aσ ( j ) j
σ ∈S n j =1
an1  ann
ϕ ∈ L (E) B0 (=
e1 ...en ) base de E det B0 (ϕ ) det B0 (ϕ (e1 )...ϕ (en ))

B0 base de E de dim=
n A MatB0 (v1 ...vn ) ⇒ det( A) = det B0 (v1 ...vn )
A = MatB0 (ϕ ) ⇒ det( A) =
det B0 (ϕ )

E  − ev de dim n f ∈ L (E) d teB ( f ) dans une base B ne dépend pas de la base choisie.
On le note det( f )

 E
n
→
=
Preuve : Deux bases, det B( f ) det B (B0 ) ⋅ det B0 ( f ) ϕ n lin, alter
(v1 ...vn )  det B0 ( f (v1 )... f (vn ))
ϕ=
ϕ (B0 ) ⋅ det B 0
=
det B ( f ) =det B (B0 ) ⋅ ϕ (B) de
=t B (B0 ) ⋅ det B0 (B) ⋅ ϕ (e1 ...en ) det B0 ( f )

Deux matrices semblables ont le même déterminant

2
Mathématiques – fiche : Chap 24 : Déterminants

det( f  g ) =
det( f ) × det( g ) det( AB) =
det( A) × det( B)

Preuve : Soit un des deux n’est pas bijectif  0, soit les deux sont bijectifs  base sur base

1
A ∈ Mn ( ) est inversible ssi det( A) ≠ 0 det \ Gln (  ) est un morphisme de groupes : det( A−1 ) =
det A

n
det(diag (α1 ...α n ))
det( I n ) 1= ∏α
j =1
j

III. Résultats utiles pour le calcul de déterminants

A = (C1 ...Cn ) Opérations usuelles :

− Ci ↔ C j (i ≠ j ) det(C1 ... C j ... Ci ...Cn ) =
− det( A) (ε (τ ) =
−1)
i ème pos j ème pos

n n
− Ci ← Ci + ∑ α k Ck det(C1 ...Ci + ∑ α k Ck ...Cn ) =
d t ( A) e (det n-lin et alterné)
=k 1= k 1
k ≠i k ≠i

det(C1 ...α Ci ...Cn ) α det( A)

− Ci ← α Ci = (n − lin)
(Aussi valable pour les lignes)
ε (σ )det( A)
− det(Cσ (1) ...Cσ ( n ) ) =
− det( t A) =
det( A)

n n n
=
Preuve : d t(et A)
σ ∈S n
=
∑
= ε (σ )∏ a j σ ( j )
σ ∈S n
j 1= j 1
∑ ε (σ=
)∏ aσ (σ ( j )) σ ( j )
−1
σ ∈S n
=
∑ ε (σ )∏ aσ
k 1
−1
(k ) k
+ bij

∏aj j
A ∈ Mn ( ) triangulaire : det( A) = (preuve : par l'absurde)
j =1

 A Bp
=
M   q =
det( M ) det( A) × det(C )
0 C
p q

Preuve : Nécessairement, pour qu'il n'y ait pas de zéro, σ \1, p  ∈S p , donc σ \ p +1,n bij aussi...

A  *  n

∏ det( A )
 1 
M =
    

det( M )
 j
0  A  j =1
 n

A ∈ Mn ( ) On note Ai j la matrice extraite de A en éliminant la i e ligne et la j e colonne.

n n

∑ (−1)i+ j ai j det( Ai j ) =
det( A) =
i 1 =j 1
∑ (−1)i+ j ai j det( Ai j ) (si on fixe i ∈  n ou j ∈  n )

Preuve : Utiliser n − lin pour développer par rapport à chaque Ei de la colonne j

Effacer toute la ligne du Ei correspondant. Permuter lignes et colonnes : (−1)i + j

3
Mathématiques – fiche : Chap 24 : Déterminants

Quand une ligne ou colonne a beaucoup de 0, on développe par rapport à cette ligne / colonne

On appelle comatrice de A ∈ Mn ( ) : com( A) =

((−1)i + j det( Ai j ))(i , j )∈ 1,n 2
 
t
(com( A)) × A = A × ( t com( A)) = (det( A)) × I n

n n
Preuve : Diagonale : ∑ ( t com( A)) j i ai j =
∑ (−1) j +i det( Ai j )ai j =
det A Sinon, 0 par antisym
=i 1 =j 1

1
A ∈ Gln ( ) ⇒ A−1 = ( t com( A))
det( A)
a c  −1 1  d −c 
A =  A  
b d  ad − bc  −b a 

=
Matrice de permutation : σ ∈Sn Pσ (δσ ( j ) i )(i , j )∈ 1,= det( Pσ ) ε (σ )
n
2
 
1 x1 x12  x1n−1
=
Déterminant de Van der Monde : VdM ( x1 ...xn )     = ∏ ( xk − x j )
n −1 j <k
1 xn xn  xn
2

Preuve : On en fait un polynôme en mettant des X dans la dernière ligne, nécessairement les x j sont racines…

rg( A) = 1 ssi les colonnes sont toutes colinéaires

I ⊂ 1, n  , J ⊂ 1, n  Matrice extraite de A ∈Mn ( ) AI J :

matrice obtenue en conservant les lignes de I et colonnes de J
rg( A) est la taille du plus grand déterminant extrait non nul

 ⊂  ( A, B) ∈ Mn ( ) 2 A est semblable à B dans Mn () ⇒ A est semblable à B dans Mn ( )

IV. Polynômes caractéristiques

La suite est au programme de spé

Pour tout λ ∈ , on définit PA (λ ) =

det( A − λ I n )
=
PA est de degré n , a pour coefficient dominant (−1) n , PA (0) det( A), son terme en X n−1 est (−1) n+1 tr( A)
Les valeurs propres de A sont les racines du poynôme caractérique : λ est valeur propre de A ⇔ PA (λ ) =
0

Q∆Q −1 où ∆ est diag ⇒ A − λ I n= Q(∆ − λ I n )Q −1 ⇒ PA= P∆

A = Mat ( f A ) est diagonalisable ssi A =

n p
Si A est diagonalisable, P= P= ∏ (µ − X= ∏ (α − X)
kj
A ∆ j ) j
=j 1 =j 1

dim( Eα j ) = mult P∆ (α j ) où α j valeur propre et Eα j espace propre associé

4
Mathématiques – fiche : Chap 24 : Déterminants

ϕ ∈ L (E) a j valeur propre ker(ϕ − α j Id ) Les ( Eα j ) sont en somme directe

Eα j =

n n
Preuve : v ∈ Eα k ∩ ( ∑ Eα ),=v ∑ v=
j ≠k
j
−v , =
j k
j ≠ k =j 1
w ∑ v= j 0 E ⇒ ϕ l ( w=
=j 1
) 0=
E ∑α j
l
v j VdM ≠ 0 ⇒=
v 0E

⊕ Eα
j =1 j
= E ssi ϕ est diagonalisable

0   0 a 
 0 
 1 0  0 a1  n −1
Matrice compagnon : (a0 ...an−1 ) ∈  n A= 
0 1    

(−1) n ( X n − ∑ a j X j )
PA =
   0 a  j =0
n−2
 
 0  0 1 an −1 

ϕ ∈ L (E) Si ϕ a un vecteur totalisateur w alors B =

( w,ϕ ( w)...ϕ n−1 ( w)) est base de E
f ∈ L (E) Si P( f ) =
0L ( E ) , toute valeur propre de f est nécessairement racine de P