E.S.

I
2 C.P. :
Module : ALG 3.

Déterminants
Dans toute la suite, K désigne un corps commutatif (souvent R ou C) et E un K−e.v de
dimension n.
I/ Formes n−Linéaires Alternées
Définition 1 : Soit f une application de E n dans K. On dit que f est une forme
n−linéaire (ou une forme multilinéaire) sur E si f est linéaire par rapport à chaque
variable, en d’autres termes, si :
∀i ∈ [[1, n]], ∀(x1 , . . . , xn ) ∈ E n , ∀x0i ∈ E, ∀λ, η ∈ K, on a

f (x1 , . . . , xi−1 , λxi + ηx0i , xi+1 . . . , xn ) = λf (x1 , . . . , xi−1 , xi , xi+1 . . . , xn )+

ηf (x1 , . . . , xi−1 , x0i , xi+1 . . . , xn ).

On note Ln (E) l’ensemble des formes n-linéaire sur E.
Proposition 1 : L’ensemble Ln (E) muni de l’addition des applications à valeurs dans K
et de la multiplication par un scalaire est un espace vectoriel sur K.
Preuve : (Exercice)
Définition 2 : f ∈ Ln (E) est dite alternée si f (x1 , . . . , xn ) est nul dès que deux des
vecteurs sont égaux, i.e., si pour tout (x1 , . . . , xn ) ∈ E n et pour tout i 6= j ∈ [[1, n]] :

xi = xj =⇒ f (x1 , . . . , xn ) = 0.

Notation : L’ensemble des formes n-linéaires alternées sur E est noté An (E) ou Λn .
Exemples :
1. Une forme 1−linéaire (appelée forme linéaire) sur E, est une application f ∈
L (E, K) .
2. dans le cas : n = 2, l’application :

R2 × R2 −→ R
f:
((x1 , y1 ) , (x2 , y2 )) 7−→ x1 x2 + y1 y2

est une forme 2−linéaire (appelée forme bilinéaire) non alternée sur R2 .
3. L’application :
R2 × R2 −→ R
f:
((x1 , y1 ) , (x2 , y2 )) 7−→ x1 y2 − x2 y1
est une forme bilinéaire alternée sur R2 .
4. Une forme 3−linéaire sur E est appelée forme trilinéaire.
Définition 3 : f ∈ Ln (E) est dite symétrique si f (x1 , . . . , xn ) est invariant par échange
de deux vecteurs, i.e. : ∀(x1 , . . . , xn ), ∀i 6= j ∈ [[1, n]] :

f (x1 , . . . , xi , . . . , xj , . . . , xn ) = f (x1 , . . . , xj , . . . , xi , . . . , xn ),

ou bien : ∀(x1 , . . . , xn ) ∈ E n , ∀τ ∈ Sn (τ transposition) :

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

1
ce qui équivalent à : ∀(x1 , . . . , xn ) ∈ E n , ∀σ ∈ Sn (σ permutation) :

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

Définition 4 : f ∈ Ln (E) est dite antisymétrique si f (x1 , . . . , xn ) est changé en son

opposé par échange de deux vecteurs, i.e. : ∀(x1 , . . . , xn ), ∀i 6= j ∈ [[1, n]] :

f (x1 , . . . , xi , . . . , xj , . . . , xn ) = −f (x1 , . . . , xj , . . . , xi , . . . , xn ),

ou bien : ∀(x1 , . . . , xn ) ∈ E n , ∀τ ∈ Sn (τ transposition) :

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

ce qui équivalent à : ∀(x1 , . . . , xn ) ∈ E n , ∀σ ∈ Sn (σ permutation) :

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

Proposition 2 : Soit f ∈ Ln (E). Si f est alternée alors elle est antisymétrique.

Remarque 1 : La réciproque est vraie dans un corps où 2 6= 0 (il y a des corps où 2=0
comme Z/2Z). En effet, soit f : E n −→ K une forme n-linéaire sur E et supposons qu’elle
soit antisymétrique, alors : ∀(x1 , . . . , xn ), ∀i 6= j ∈ [[1, n]] :

f (x1 , . . . , xi , . . . , xj , . . . , xn ) = −f (x1 , . . . , xj , . . . , xi , . . . , xn ),

donc si xi = xj , on obtiens : 2f (x1 , . . . , xi , . . . , xi , . . . , xn ) = 0, puisque 2 6= 0, alors

f (x1 , . . . , xi , . . . , xi , . . . , xn ) = 0.
Définition 5 et Théorème 1 : L’ensemble Λn muni des lois usuelles est un K−e.v.
de dimension 1. Plus précisément, pour toute base B = (e1 , . . . , en ) de E, il existe une
unique forme n−linéaire alternée valant 1 pour la base B. Cette application s’appelle
déterminant dans la base B et on la note detB . De plus :
X
∀ (x1 , x2 , . . . , xn ) ∈ E n : detB (x1 , . . . , xn ) = ε (σ) a1σ(1) a2σ(2) . . . anσ(n)
σ∈Sn
n
X
où xj = aij ei , ∀j ∈ [[1, n]].
i=1

Notation : Soit (x1 , x2 , . . . , xn ) ∈ E n , B = (e1 , . . . , en ) une base de E, et :

n
X
xj = aij ei , ∀j ∈ [[1, n]] .
i=1

On convient d’écrire le nombre detB (x1 , . . . , xn ) sous forme d’un tableau carré limité par
deux barres verticales, la j ième colonne de ce tableau étant formé des coordonnées du
vecteur xj relativement à la base B. C’est à dire :

a11 a12 . . . a1n

a21 a22 . . . a2n
detB (x1 , . . . , xn ) = .. .. ... .. .
. . .
an1 an2 . . . ann

2
En particulier :
Si n = 2 : On a :
a11 a12 X
detB (x1 , x2 ) = = ε (σ) a1σ(1) a2σ(2) = a11 a22 − a12 a21 .
a21 a22
σ∈S2

Si n = 3 : On a :
a11 a12 a13 X
detB (x1 , x2 , x3 ) = a21 a22 a23 = ε (σ) a1σ(1) a2σ(2) a3σ(3)
a31 a32 a33 σ∈S3

= a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a33 a21 a12 − a32 a23 a11 − a31 a22 a13 .

Il existe un moyen facile de retenir cette formule, c’est la règle de Sarrus : on recopie les
deux premières colonnes à droite du déterminant (colonnes grisées), puis on additionne les
produits de trois termes en les regroupant selon la direction de la diagonale descendante,
et on soustrait ensuite les produits de trois termes regroupés selon la direction de la
diagonale montante.
− − −
a11Q a12Q 
Q Q
a13Q 
3
Q
a11 a
3 12
3
Q  Q  Q 
a21  aQ
22 aQ
23 aQ21 a22
Q Q  Q
a31a32 Qa33
s
Q
Qa31 Q
s
Q aQ
32
s
+ + +
Attention : La règle de Sarrus n’est applicable que pour n = 3.
II- Propriétés du Déterminant
Dans ce paragraphe, on suppose que B = (e1 , . . . , en ) est une base de E.
Proposition 3 : On a :
i/ detB (x1 , . . . , xn ) est nul dès qu’au moins un des vecteurs x1 , . . . , xn est nul.
ii/ detB (x1 , . . . , xn ) est nul dès que deux au moins des vecteurs x1 , . . . , xn sont égaux.
iii/ detB (x1 , . . . , xn ) ne change pas si on ajoute à l’un quelconque des vecteurs xi une
combinaison linéaire des autres.
iv/ Si l’on multiplie l’un des vecteurs xi par un scalaire λ alors detB (x1 , . . . , xn ) est
multiplié par λ.


v/ Si σ ∈ Sn , on a : detB xσ(1) , . . . , xσ(n) = ε (σ) detB (x1 , . . . , xn ).

Remarques 2 :
1/ La propriété (iii) est de grande utilité, car elle permet, à l’aide de combinaisons
astucieuses de faire apparaitre des zéros dans le tableau initial, ce qui facilitera le
calcul du déterminant.
2/ Cas particulier de (v) : Si on permute les places de deux vecteurs, detB (x1 , . . . , xn )
est changé en son opposé.
1 2 3
Exemple : Calculer 1 1 1 .
2 1 2
Proposition 4 : Soit (x1 , . . . , xn ) un n−uplet de vecteurs de E. Alors, (x1 , . . . , xn ) est
libre si et seulement si detB (x1 , . . . , xn ) 6= 0.
Remarque 3 : Cette proposition permet de caractériser de façon simple les familles de
vecteurs de E qui sont des bases.

3
II-1 Déterminant d’un endomorphisme
Remarque 4 : Soit u ∈ End (E) et f une forme n−linéaire alternée non nulle sur E. On
définit l’application g comme suit :
En −→ K
g:
(x1 , . . . , xn ) 7−→ g (x1 , . . . , xn ) = f (u (x1 ) , . . . , u (xn ))
On vérifie que g est une forme n−linéaire alternée sur E.
En appliquant cette remarque pour f = detB , alors :

∃!α ∈ K, ∀ (x1 , . . . , xn ) ∈ E n : detB (u (x1 ) , . . . , u (xn )) = α · detB (x1 , . . . , xn ) .

D’où pour le n−uplet (e1 , . . . , en ) on a : detB (u (e1 ) , . . . , u (en )) = α

Définition 4 : Soit u ∈ End (E). On appelle déterminant de u et on note det u, l’unique
scalaire α défini précédemment. On a donc :

∀ (x1 , . . . , xn ) ∈ E n : detB (u (x1 ) , . . . , u (xn )) = (det u) · detB (x1 , . . . , xn )

det u = detB (u (e1 ) , . . . , u (en ))

Remarque 5 : det u
ne dépend pas de la base choisie, en d’autres termes : pour toute
0 0 0
base B = e1 , . . . , en de E, on a :
  0  0 
det u = detB u e1 , . . . , u en
0

Attention : Le déterminant d’une famille de vecteurs dépend de la base dans laquelle on

le calcule.
Proposition 5 : On a :
i/ det (IdE ) = 1.
ii/ ∀u, v ∈ End (E) : det (u ◦ v) = det u · det v.
iii/ ∀u ∈ End (E) : u inversible ssi det u 6= 0, et dans ce cas : det u−1 = (det u)−1 .
II-2 Déterminant d’une matrice carrée
Soit A = (aij )1≤i,j≤n ∈ Mn (K) . Les colonnes de A représentent des vecteurs c1 , c2 , . . . , cn
de Kn repérés relativement à sa base canonique Bc = (e1 , e2 , . . . , en ) . Soit u ∈ End (Kn )
tel que : u (ei ) = ci , ∀i ∈ [[1, n]], donc A = MBc (u) .
Définition 5 : Soit A ∈ Mn (K). On appelle déterminant de A, et on note det A, le
scalaire défini, avec les notations précédentes, par : det A = detB (c1 , c2 , . . . , cn ) = det u.
Proposition 6 : On a :
0
i/ Si la matrice A se déduit de la matrice A par addition à une colonne une combinaison
0
linéaire des autres colonnes, on a : det A = det A .
0
ii/ Si la matrice A se déduit de la matrice A par une permutation σ des colonnes de A,
0
on a : det(A ) = ε(σ) det A.
iii/ ∀A, B ∈ Mn (K) : det (AB) = det (A) · det (B).
iv/ Une matrice A ∈ Mn (K) est inversible ssi det A 6= 0 et dans ce cas : det A−1 =
(det A)−1 .
v/ det A = dett A, ∀A ∈ Mn (K) .
vi/ Si A = (aij )i,j ∈ Mn (K) est une matrice triangulaire, alors det A = a11 a22 · · · ann .
Remarque 6 : La propriéte v/ montre que toute propriété démontrée sur les colonnes
d’un déterminant est valable pour les lignes du déterminant.

4
Proposition 7 : Soient E un K-e.v. de dimension n et B une base de E.
1/ Soit (x1 , . . . , xn ) un n−uplet de vecteurs de E, (aij )i∈[[1,n]] la famille des coordonnées
du vecteur xj relativement à la base B et A = (aij )i,j∈[[1,n]] ∈ Mn (K). Alors :

detB (x1 , . . . , xn ) = det A.

2/ Soit u ∈ End (E) et A = MB (u), alors : det u = det A.

Corollaire 1 : Deux matrices semblables ont le même déterminant.

III/ Calcul d’un déterminant - Applications
III/ 1- Développement d’un déterminant
Cas n=3 : Soit

a11 a12 a13 X

∆ = a21 a22 a23 = ε (σ) a1σ(1) a2σ(2) a3σ(3)
a31 a32 a33 σ∈S3
= a11 a22 a33 + a12 a23 a31 + a13 a21 a32 − a33 a21 a12 − a32 a23 a11 − a31 a22 a13
= a11 (a22 a33 − a32 a23 ) − a12 (a21 a33 − a23 a31 ) + a13 (a21 a32 − a31 a22 )
a a a a a a
= (−1)1+1 a11 22 23 + (−1)1+2 a12 21 23 + (−1)1+3 a13 21 22 .
a32 a33 a31 a33 a31 a32

On remarque que le coefficient de a11 s’obtient en considérant le déterminant obtenu en

éliminant dans ∆ la 1ère ligne et la 1ère colonne. De même, le coefficient de a12 (au signe
près !) s’obtient en éliminant dans ∆ la 1ère ligne et la 2ème colonne. Enfin, le coefficient
de a13 s’obtient en éliminant dans ∆ la 1ère ligne et la 3ème colonne.
On dit alors que l’expression précédente constitue le développement de ∆ suivant la
1ère ligne.
On peut aussi écrire :

a21 a23 a11 a13 a11 a13

∆ = −a12 + a22 − a32 .
a31 a33 a31 a33 a21 a23
On dit dans ce cas que l’on a développé ∆ suivant la deuxième colonne.
Définition 8 : Soit A = (aij ) une matrice carrée d’ordre n. Soit αij la matrice obtenue
en supprimant dans A la ième ligne et la j ème colonne. On appelle cofacteur de aij dans
A et on note Aij le scalaire défini par : Aij = (−1)i+j det(αij ).
Le scalaire det(αij ) est souvent appelé mineur de aij dans A.
 
1 −1 1 1
3 2 0 1
Exemple : Soit A la matrice définie par : A =  5 1 −1 0 .


2 0 1 −1
Pour calculer le cofacteur A13 de a13 dans A, on écrit d’abord  la matrice α
13 obtenue en
3 2 1
supprimant dans A la 1ère ligne et la 3ème colonne. Donc α13 = 5 1 0 . Ensuite, on
2 0 −1
calcule le cofacteur de a13 dans A :

3 2 1
1+3
A13 = (−1) det(α13 ) = 5 1 0 = −3 − 2 + 10 = 5.
2 0 −1

5
Théorème 2 : Soit A = (aij ) une matrice carrée d’ordre n. On a alors :
n
X
1. ∀i ∈ [[1, n]], det A = aij Aij .
j=1
On dit que l’on a développé det A suivant la ième ligne.
n
X
2. ∀j ∈ [[1, n]], det A = aij Aij .
i=1
On dit que l’on a développé det A suivant la j ème colonne.

Preuve : A admettre.
Exercice : En utilisant le théorème précédent :
1. Montrer que le déterminant d’une matrice triangulaire est égal au produit des éléments
de la diagonale principale. (Indication : par récurrence.)
2. Calculer les déterminants suivants :
2 0 0 1 2 3 λ 2 0
∆1 = 5 −1 2 , ∆2 = 1 4 5 , ∆3 = λ 1 1 , λ ∈ R.
3 0 1 1 6 9 2 λ−1 1

Proposition 8 :
1. Soit A une matrice carrée d’ordre n décomposée en quatre blocs de la façon suivante :

A1 A0
 
l n1
A= .
0 A2 l n2
↔ ↔ .
n1 n2

Alors det A = det A1 · det A2 .

2. Soit A une matrice carrée d’ordre n décomposée par blocs de la façon suivante :
 
A11 A12 . . . A1p l n1
 0 A22 . . . A2p  l n2
A =  .. .
 
.. . . ..  ..
 . . . .  .
0 0 . . . App l np
↔ ↔ ... ↔ .
n1 n2 . . . np

Alors det A = det A11 · det A22 · · · det App .

Preuve : A admettre.
Corollaire 2 : Le déterminant d’une matrice triangulaire est égale au produit des
éléments de la diagonale principale.
Exemple : Calculer le déterminant des matrices suivantes :
 
  2 1 3 2 1
2 1 1 2 0 3
3 1 7 5  2 1 0
A1 =  et A2 = 0 4 1 4 8.

0 0 5 8
0 0 0 5 2
0 0 2 1
0 0 0 1 1

6
III/ 2- Applications
III/ 2-1- Calcul de l’inverse d’une matrice
Définition 9 : Soit A = (aij )1≤i,j≤n une matrice carrée d’ordre n. On note com(A) la
matrice des cofacteurs de A, i.e., com(A) = (Aij )1≤i,j≤n . La matrice com(A) s’appelle
matrice des cofacteurs de A.
Proposition 9 : Soit A ∈ Mn (K). Si A est inversible, alors :

1 t
A−1 = (com(A)) .
det A

Preuve : A admettre.
 
1 a 0
Exemple : Soit A la matrice de M3 (R) définie par : A = 0 1 a. On a det A = 1,
0 0 1
donc A est inversible. En appliquant la proposition précédente, on obtient :
 
1 −a a2
A−1 =t (com(A)) =t (Aij ) = 0 1 −a .
0 0 1

III/ 2-2- Détermination du rang

Définition 10 : Soient n, m ∈ N et A ∈ Mn,m (K). On appelle matrice extraite de A
toute matrice obtenue en supprimant un certain nombre de lignes et un certain nombre
nombre de colonnes (éventuellement 0) de A. On appelle déterminant extrait de A,
tout déterminant d’une matrice carrée extraite de A.
Théorème 3 : Le rang d’une matrice A est égal au plus grand entier r tel que l’on puisse
extraire de A au moins un déterminant d’ordre r non nul.
Preuve : A admettre.
 
1 −1 0 −2
Exemple : Le rang de la matrice A = 3 1 4 −2 est 2. Tous les déterminants
2 0 2 −2
extraits d’ordre 3 sont nuls et on peut en extraire au moins un déterminant d’ordre 2 non
nul.