Le déterminant associe à une famille de $n$ vecteurs, à un endomorphisme ou à une matrice carrée un scalaire qui caractérise l'inversibilité. Il fournit des critères de base, une expression de l'inverse et des calculs explicites, utilisés ensuite en réduction des endomorphismes, en géométrie et en analyse.
Exercice 1 · Décomposition et signature d'une permutation de S_8
application●●●
Décomposer une permutation en cycles à supports disjointsCalculer une signatureÉcrire une permutation comme produit de transpositions
On considère
$$\sigma=\begin{pmatrix}1&2&3&4&5&6&7&8\\4&6&1&7&2&8&3&5\end{pmatrix}\in\mathcal S_8.$$
Décomposer $\sigma$ en produit de cycles à supports disjoints.
En déduire la signature de $\sigma$, puis écrire $\sigma$ comme produit de transpositions.
Donner le tableau de $\sigma^{-1}$ et sa décomposition en cycles à supports disjoints.
Calculer $\sigma^2$ et déterminer le plus petit entier $k\geqslant1$ tel que $\sigma^k=\mathrm{id}$.
En partant de $1$ : $\sigma(1)=4$, $\sigma(4)=7$, $\sigma(7)=3$, $\sigma(3)=1$. On obtient le cycle $(1\ 4\ 7\ 3)$. Le plus petit élément non rencontré est $2$ : $\sigma(2)=6$, $\sigma(6)=8$, $\sigma(8)=5$, $\sigma(5)=2$, d'où le cycle $(2\ 6\ 8\ 5)$. Les huit éléments ont été rencontrés, donc
$$\sigma=(1\ 4\ 7\ 3)(2\ 6\ 8\ 5),$$
les deux cycles commutant car leurs supports sont disjoints.
La signature est un morphisme et un cycle de longueur $p$ a pour signature $(-1)^{p-1}$, donc
$$\varepsilon(\sigma)=(-1)^3\times(-1)^3=1.$$
Avec $(a_1\ \cdots\ a_p)=(a_1\ a_2)(a_2\ a_3)\cdots(a_{p-1}\ a_p)$ :
$$\sigma=(1\ 4)(4\ 7)(7\ 3)(2\ 6)(6\ 8)(8\ 5).$$
On trouve six transpositions, nombre pair, ce qui est cohérent avec $\varepsilon(\sigma)=1$.
On a $\sigma^{-1}(k)=l$ si et seulement si $\sigma(l)=k$. On lit : $\sigma(3)=1$, $\sigma(5)=2$, $\sigma(7)=3$, $\sigma(1)=4$, $\sigma(8)=5$, $\sigma(2)=6$, $\sigma(4)=7$, $\sigma(6)=8$. D'où
$$\sigma^{-1}=\begin{pmatrix}1&2&3&4&5&6&7&8\\3&5&7&1&8&2&4&6\end{pmatrix}.$$
L'inverse d'un cycle s'obtient en parcourant ses éléments en sens inverse, et $(\gamma_1\gamma_2)^{-1}=\gamma_2^{-1}\gamma_1^{-1}=\gamma_1^{-1}\gamma_2^{-1}$ puisque les cycles disjoints commutent. Donc $\sigma^{-1}=(1\ 3\ 7\ 4)(2\ 5\ 8\ 6)$, ce que confirme le tableau.
Posons $\gamma_1=(1\ 4\ 7\ 3)$ et $\gamma_2=(2\ 6\ 8\ 5)$. Comme ils commutent, $\sigma^k=\gamma_1^k\gamma_2^k$ pour tout $k$. Le carré d'un cycle $(a\ b\ c\ d)$ envoie $a$ sur $c$, $b$ sur $d$, $c$ sur $a$, $d$ sur $b$ : c'est $(a\ c)(b\ d)$. Ainsi
$$\sigma^2=(1\ 7)(4\ 3)(2\ 8)(6\ 5).$$
Un cycle de longueur $4$ vérifie $\gamma^4=\mathrm{id}$, donc $\sigma^4=\mathrm{id}$. Par ailleurs $\sigma\neq\mathrm{id}$, $\sigma^2\neq\mathrm{id}$ d'après le calcul, et $\sigma^3(1)=\sigma(\sigma(4))=\sigma(7)=3\neq1$, donc $\sigma^3\neq\mathrm{id}$. Le plus petit entier cherché est $k=4$.
Le coefficient $1$ en position $(1,1)$ est un pivot commode : annuler le reste de la première colonne par des opérations $L_i\leftarrow L_i+\lambda L_1$.
Indice 2
Ces opérations ne changent pas le déterminant. Continuer jusqu'à obtenir une matrice triangulaire.
Indice 3
Attention : $A$ est de taille $4$, donc $\det(\lambda A)=\lambda^4\det A$.
On n'utilise que des opérations $L_i\leftarrow L_i+\lambda L_j$ avec $j\neq i$, effectuées successivement : elles ne changent pas le déterminant.
$L_2\leftarrow L_2-2L_1$, $L_3\leftarrow L_3+L_1$, $L_4\leftarrow L_4-3L_1$ (chacune utilise $L_1$, qui n'est pas modifiée) :
$$\det A=\det\begin{pmatrix}1&2&0&1\\0&1&1&1\\0&2&3&2\\0&0&1&2\end{pmatrix}.$$
$L_3\leftarrow L_3-2L_2$ :
$$\det A=\det\begin{pmatrix}1&2&0&1\\0&1&1&1\\0&0&1&0\\0&0&1&2\end{pmatrix}.$$
$L_4\leftarrow L_4-L_3$ :
$$\det A=\det\begin{pmatrix}1&2&0&1\\0&1&1&1\\0&0&1&0\\0&0&0&2\end{pmatrix}.$$
La matrice est triangulaire supérieure, son déterminant est le produit des coefficients diagonaux : $\det A=1\times1\times1\times2=2$.
$\det(A^T)=\det A=2$. Comme $A\in\mathcal M_4(\mathbb R)$, $\det(-A)=(-1)^4\det A=2$. Par multiplicativité, $\det(A^3)=(\det A)^3=8$. Enfin $\det A=2\neq0$, donc $A$ est inversible et $\det(A^{-1})=\dfrac1{\det A}=\dfrac12$.
Pour $i<j$, on a $\sigma_n(i)=n+1-i>n+1-j=\sigma_n(j)$. Tous les couples $(i,j)$ avec $i<j$ sont des inversions ; il y en a $\binom n2=\dfrac{n(n-1)}2$. Donc
$$\varepsilon(\sigma_n)=(-1)^{n(n-1)/2}.$$
Pour $1\leqslant k\leqslant p$, on a $k<n+1-k$ (car $2k\leqslant 2p\leqslant n<n+1$). Les transpositions $(k\ \ n+1-k)$, $1\leqslant k\leqslant p$, ont des supports deux à deux disjoints, et leur produit envoie $k$ sur $n+1-k$ et $n+1-k$ sur $k$ ; si $n=2p+1$, l'élément $p+1$ vérifie $\sigma_n(p+1)=p+1$ et est fixé par toutes ces transpositions. Donc
$$\sigma_n=\prod_{k=1}^{p}(k\ \ n+1-k),\qquad \varepsilon(\sigma_n)=(-1)^p.$$
Cohérence : si $n=2p$, $\frac{n(n-1)}2=p(2p-1)$, de même parité que $p$ car $2p-1$ est impair ; si $n=2p+1$, $\frac{n(n-1)}2=(2p+1)p$, de même parité que $p$. Les deux calculs concordent.
Notons $(E_1,\dots,E_n)$ la base canonique $\mathcal B_c$ de $\mathbb R^n$. La $j$-ième colonne de $A_n$ a un unique coefficient non nul, égal à $1$, sur la ligne $i=n+1-j$ : c'est $E_{n+1-j}=E_{\sigma_n(j)}$. Par l'effet d'une permutation sur une forme $n$-linéaire alternée,
$$\det A_n=\det\nolimits_{\mathcal B_c}(E_{\sigma_n(1)},\dots,E_{\sigma_n(n)})=\varepsilon(\sigma_n)\det\nolimits_{\mathcal B_c}(E_1,\dots,E_n)=\varepsilon(\sigma_n).$$
$\det A_n=1$ si et seulement si $p$ est pair. Si $n=2p$ avec $p$ pair, $n\equiv0\pmod 4$ ; si $n=2p+1$ avec $p$ pair, $n\equiv1\pmod4$. Donc $\det A_n=1$ si et seulement si $n\equiv0$ ou $1\pmod4$, et $\det A_n=-1$ si $n\equiv2$ ou $3\pmod 4$.
Résultat :
$\varepsilon(\sigma_n)=\det A_n=(-1)^{n(n-1)/2}$ ; $\det A_n=1\iff n\equiv0$ ou $1\pmod4$
Exercice 6 · Matrices min et max
entrainement●●●
Calculer un déterminant de taille n par opérations élémentairesEffectuer des opérations successives dans un ordre correct
Soit $n\geqslant2$. On note $A_n=(\min(i,j))_{1\leqslant i,j\leqslant n}$ et $B_n=(\max(i,j))_{1\leqslant i,j\leqslant n}$.
On effectue successivement $L_n\leftarrow L_n-L_{n-1}$, puis $L_{n-1}\leftarrow L_{n-1}-L_{n-2}$, …, puis $L_2\leftarrow L_2-L_1$. À chaque étape, on retranche une ligne qui n'a pas encore été modifiée, donc la ligne $i$ devient exactement « ancienne $L_i$ moins ancienne $L_{i-1}$ », et le déterminant ne change pas. Pour $i\geqslant2$ :
si $j\leqslant i-1$ : $\min(i,j)-\min(i-1,j)=j-j=0$ ;
si $j\geqslant i$ : $\min(i,j)-\min(i-1,j)=i-(i-1)=1$.
La ligne $1$ vaut $(1,1,\dots,1)$. La matrice obtenue est triangulaire supérieure, avec des $1$ sur la diagonale. Donc $\det A_n=1$.
On effectue successivement $L_1\leftarrow L_1-L_2$, puis $L_2\leftarrow L_2-L_3$, …, puis $L_{n-1}\leftarrow L_{n-1}-L_n$. À l'étape $i$, la ligne $L_{i+1}$ n'a pas encore été modifiée ; le déterminant est inchangé. Pour $i\leqslant n-1$ :
si $j\leqslant i$ : $\max(i,j)-\max(i+1,j)=i-(i+1)=-1$ ;
si $j\geqslant i+1$ : $\max(i,j)-\max(i+1,j)=j-j=0$.
La ligne $n$ reste $(n,n,\dots,n)$. La matrice obtenue est triangulaire inférieure : ses coefficients au-dessus de la diagonale sont nuls (lignes $i\leqslant n-1$ et $j\geqslant i+1$). Sa diagonale est formée de $n-1$ coefficients $-1$ et du coefficient $n$ en position $(n,n)$. Donc
$$\det B_n=(-1)^{n-1}n.$$
Contrôle : $\det B_2=2-4=-2$ et, en développant $B_3$ selon la première ligne, $1(6-9)-2(6-9)+3(6-6)=3$.
Résultat :
$\det A_n=1$ ; $\det B_n=(-1)^{n-1}n$
Exercice 7 · Déterminant tridiagonal et récurrence linéaire d'ordre 2
entrainement●●●
Établir une relation de récurrence par développementRésoudre une récurrence linéaire d'ordre 2
Pour $n\geqslant1$, on note $D_n$ le déterminant de la matrice de taille $n$ ayant des $5$ sur la diagonale, des $2$ juste au-dessus et juste au-dessous de la diagonale, et des $0$ ailleurs. Par exemple, pour $n=4$ :
$$D_4=\det\begin{pmatrix}5&2&0&0\\2&5&2&0\\0&2&5&2\\0&0&2&5\end{pmatrix}.$$
Calculer $D_1$ et $D_2$.
Montrer que $D_n=5D_{n-1}-4D_{n-2}$ pour tout $n\geqslant3$.
$D_1=5$ et $D_2=\det\begin{pmatrix}5&2\\2&5\end{pmatrix}=25-4=21$.
Soit $n\geqslant3$ et $M_n$ la matrice de l'énoncé. On développe selon la première ligne, dont les seuls coefficients non nuls sont $5$ en position $(1,1)$ et $2$ en position $(1,2)$ :
$$D_n=5\,\Delta_{11}-2\,\Delta_{12}.$$
En supprimant la ligne $1$ et la colonne $1$, on obtient la matrice de même forme de taille $n-1$ : $\Delta_{11}=D_{n-1}$.
En supprimant la ligne $1$ et la colonne $2$, on obtient une matrice dont la première colonne est formée des coefficients $m_{21},\dots,m_{n1}$ de $M_n$, soit $(2,0,\dots,0)^T$. En la développant selon cette colonne (signe $+$ en position $(1,1)$), on obtient $2$ fois le déterminant de la matrice formée des lignes et colonnes $3$ à $n$ de $M_n$, qui est la matrice de même forme de taille $n-2$. Donc $\Delta_{12}=2D_{n-2}$.
Ainsi $D_n=5D_{n-1}-4D_{n-2}$.
La suite $(D_n)_{n\geqslant1}$ vérifie une récurrence linéaire d'ordre $2$ d'équation caractéristique $r^2-5r+4=0$, soit $(r-1)(r-4)=0$, de racines distinctes $1$ et $4$. Il existe donc $\alpha,\beta\in\mathbb R$ tels que $D_n=\alpha+\beta\,4^n$ pour tout $n\geqslant1$. Les conditions initiales donnent
$$\begin{cases}\alpha+4\beta=5\\ \alpha+16\beta=21\end{cases}$$
d'où $12\beta=16$, $\beta=\frac43$ et $\alpha=5-\frac{16}3=-\frac13$. Donc
$$D_n=\frac{4^{n+1}-1}{3}.$$
Contrôle : la récurrence donne $D_3=5\times21-4\times5=85$ et la formule $\frac{256-1}3=85$.
Résultat :
$D_n=\dfrac{4^{n+1}-1}{3}$
Exercice 8 · Déterminant de la multiplication à gauche
entrainement●●●
Calculer le déterminant d'un endomorphismeUtiliser l'indépendance vis-à-vis de la baseDéterminant triangulaire par blocsMultiplicativité du déterminant des endomorphismes
Pour $A\in\mathcal M_n(\mathbb K)$, on note $u_A:\mathcal M_n(\mathbb K)\to\mathcal M_n(\mathbb K)$, $M\mapsto AM$. On note $E_{kl}$ les matrices élémentaires (coefficient $1$ en position $(k,l)$, $0$ ailleurs).
Dans cette question, $n=2$ et $A=\begin{pmatrix}1&2\\3&4\end{pmatrix}$. Écrire la matrice de $u_A$ dans la base $(E_{11},E_{21},E_{12},E_{22})$ et en déduire $\det u_A$.
Dans le cas général, montrer que $\det u_A=(\det A)^n$.
Soit $B\in\mathcal M_n(\mathbb K)$ et $v:M\mapsto AMB$. Montrer que $\det v=(\det A\,\det B)^n$.
La suite est réservée aux abonnés. L'abonnement arrive bientôt ; crée ton compte dès maintenant depuis Mon espace.
Exercice 10 · Vandermonde et une variante
entrainement●●●
Appliquer la formule de VandermondeFactoriser un déterminant par opérations élémentaires et linéarité
Calculer $V(1,2,4,8)=\det\big(x_i^{\,j-1}\big)_{1\leqslant i,j\leqslant4}$ avec $(x_1,x_2,x_3,x_4)=(1,2,4,8)$.
Pour $a,b,c\in\mathbb R$, on pose
$$D(a,b,c)=\det\begin{pmatrix}1&a&a^3\\1&b&b^3\\1&c&c^3\end{pmatrix}.$$
Montrer que $D(a,b,c)=(a+b+c)(b-a)(c-a)(c-b)$.
À quelle condition sur $a,b,c$ a-t-on $D(a,b,c)=0$ ? Donner un exemple avec $a,b,c$ deux à deux distincts.
$D_2=\det\begin{pmatrix}0&1\\1&0\end{pmatrix}=-1$. En développant selon la première ligne,
$$D_3=\det\begin{pmatrix}0&1&2\\1&0&1\\2&1&0\end{pmatrix}=0-1\cdot(0-2)+2\cdot(1-0)=4.$$
Chaque opération retranche à $L_i$ la ligne $L_{i-1}$, pas encore modifiée : le déterminant ne change pas et la nouvelle ligne $i$ est l'ancienne $L_i$ moins l'ancienne $L_{i-1}$. Pour $i\geqslant2$ :
si $j\leqslant i-1$ : $|i-j|-|i-1-j|=(i-j)-(i-1-j)=1$ ;
si $j\geqslant i$ : $|i-j|-|i-1-j|=(j-i)-(j-i+1)=-1$.
La ligne $1$ reste $(0,1,2,\dots,n-1)$ ; pour $i\geqslant2$, la ligne $i$ est formée de $i-1$ coefficients $1$ suivis de $n-i+1$ coefficients $-1$.
Les opérations $C_j\leftarrow C_j+C_1$ utilisent toutes $C_1$, qui n'est pas modifiée : le déterminant ne change pas. La colonne $C_1$ vaut $(0,1,\dots,1)^T$.
Ligne $1$ : son premier coefficient est $0$, elle reste $(0,1,2,\dots,n-1)$.
Ligne $i\geqslant2$, colonne $j\geqslant2$ : le coefficient devient $1+1=2$ si $j\leqslant i-1$ et $-1+1=0$ si $j\geqslant i$. Le premier coefficient reste $1$.
Ainsi, pour $i\geqslant2$, la ligne $i$ est $(1,2,\dots,2,0,\dots,0)$, avec des $2$ en colonnes $2$ à $i-1$ et des $0$ en colonnes $i$ à $n$.
Dans la dernière colonne, seul le coefficient $(1,n)$ est non nul (pour $i\geqslant2$, on a $n\geqslant i$, donc le coefficient $(i,n)$ est nul) ; il vaut $n-1$, avec le signe $(-1)^{1+n}$. Le mineur associé s'obtient en supprimant la ligne $1$ et la colonne $n$ : ses lignes sont les lignes $i=2,\dots,n$ restreintes aux colonnes $1$ à $n-1$. La ligne d'indice $i$ y occupe le rang $i-1$ et a des zéros dans les colonnes $j\geqslant i$ : cette matrice est triangulaire inférieure. Son coefficient diagonal en position $(i-1,i-1)$ vaut $1$ si $i=2$ et $2$ si $i\geqslant3$. Son déterminant est $2^{n-2}$. Donc
$$D_n=(-1)^{n+1}(n-1)\,2^{n-2}=(-1)^{n-1}(n-1)\,2^{n-2}.$$
Contrôle : $n=2$ donne $-1$ et $n=3$ donne $2\times2=4$, conformément à la question 1.
Résultat :
$D_n=(-1)^{n-1}(n-1)\,2^{n-2}$
Exercice 12 · Formes alternées et trace
approfondissement●●●
Manipuler les formes n-linéaires alternéesUtiliser la structure de droite de Λ_n(E)Calculer avec det_B dans une base
Soit $E$ un $\mathbb K$-espace vectoriel de dimension $n\geqslant1$, $u\in\mathcal L(E)$ et $f\in\Lambda_n(E)$. On définit $g_f:E^n\to\mathbb K$ par
$$g_f(x_1,\dots,x_n)=\sum_{i=1}^nf(x_1,\dots,x_{i-1},u(x_i),x_{i+1},\dots,x_n).$$
Montrer que $g_f\in\Lambda_n(E)$.
Montrer qu'il existe un unique scalaire $c(u)$, ne dépendant pas de $f$, tel que $g_f=c(u)\,f$ pour toute $f\in\Lambda_n(E)$.
Soit $\mathcal B=(e_1,\dots,e_n)$ une base de $E$ et $A=\mathrm{Mat}_{\mathcal B}(u)$. Montrer que $c(u)=\mathrm{tr}(A)$.
En déduire que la trace de la matrice de $u$ ne dépend pas de la base choisie.
Multilinéarité. Fixons $i$. Le terme $f(x_1,\dots,u(x_i),\dots,x_n)$ est linéaire en $x_k$ pour $k\neq i$ (linéarité de $f$ en la $k$-ième variable) et linéaire en $x_i$ (composée de l'application linéaire $u$ et de la linéarité de $f$ en la $i$-ième variable). Une somme de formes $n$-linéaires est $n$-linéaire.
Caractère alterné. Si $n=1$, il n'y a rien à vérifier. Sinon, supposons $x_k=x_l=y$ avec $k<l$. Pour $i\notin\{k,l\}$, le $i$-ième terme contient $y$ en positions $k$ et $l$ : il est nul car $f$ est alternée. Restent
$$T_k=f(\dots,\underbrace{u(y)}_{k},\dots,\underbrace{y}_{l},\dots),\qquad T_l=f(\dots,\underbrace{y}_{k},\dots,\underbrace{u(y)}_{l},\dots),$$
les autres positions étant identiques. $T_l$ s'obtient à partir de $T_k$ en échangeant les vecteurs des positions $k$ et $l$ ; par antisymétrie, $T_l=-T_k$. Donc $g_f(x_1,\dots,x_n)=0$ et $g_f\in\Lambda_n(E)$.
Soit $\mathcal B$ une base de $E$. D'après la question 1 et le théorème de structure, $g_{\det_{\mathcal B}}=c\,\det_{\mathcal B}$ avec $c=g_{\det_{\mathcal B}}(\mathcal B)$. Toute $f\in\Lambda_n(E)$ s'écrit $f=\lambda\det_{\mathcal B}$, et la définition montre que $g_{\lambda h}=\lambda g_h$. Donc $g_f=\lambda\,c\det_{\mathcal B}=c\,f$ : le scalaire $c$ convient pour toute $f$. Unicité : si $c'$ convient aussi, on prend $f=\det_{\mathcal B}$ et on évalue en $\mathcal B$ : $c=c'\det_{\mathcal B}(\mathcal B)=c'$. Ce scalaire, caractérisé sans référence à une base, est noté $c(u)$.
On a $c(u)=g_{\det_{\mathcal B}}(e_1,\dots,e_n)=\sum_{i=1}^n\det_{\mathcal B}(e_1,\dots,e_{i-1},u(e_i),e_{i+1},\dots,e_n)$. Avec $u(e_i)=\sum_{k=1}^na_{ki}e_k$ et la linéarité en la $i$-ième variable :
$$\det\nolimits_{\mathcal B}(e_1,\dots,u(e_i),\dots,e_n)=\sum_{k=1}^na_{ki}\det\nolimits_{\mathcal B}(e_1,\dots,\underbrace{e_k}_{i},\dots,e_n).$$
Pour $k\neq i$, le vecteur $e_k$ apparaît deux fois (en position $i$ et en position $k$) : le terme est nul. Pour $k=i$, on obtient $\det_{\mathcal B}(\mathcal B)=1$. Le $i$-ième terme vaut donc $a_{ii}$ et
$$c(u)=\sum_{i=1}^na_{ii}=\mathrm{tr}(A).$$
Le scalaire $c(u)$ est défini de façon unique par la question 2, sans choix de base. La question 3 montre que $\mathrm{tr}(\mathrm{Mat}_{\mathcal B}(u))=c(u)$ pour toute base $\mathcal B$ : cette trace ne dépend pas de $\mathcal B$. On peut donc définir $\mathrm{tr}(u)=c(u)$.
Résultat :
$g_f=\mathrm{tr}(u)\,f$, avec $\mathrm{tr}(u)=\mathrm{tr}(\mathrm{Mat}_{\mathcal B}(u))$ indépendant de $\mathcal B$
Exercice 13 · Perturbation par la matrice Attila
approfondissement●●●
Voir un déterminant comme fonction polynomiale d'un paramètreUtiliser la linéarité par rapport à une colonneExploiter des cas triangulaires
Soit $n\geqslant2$, $\lambda_1,\dots,\lambda_n\in\mathbb K$ et $a,b\in\mathbb K$ avec $a\neq b$. On note $M\in\mathcal M_n(\mathbb K)$ la matrice de coefficients $m_{ii}=\lambda_i$, $m_{ij}=a$ si $i<j$, $m_{ij}=b$ si $i>j$. On note $J\in\mathcal M_n(\mathbb K)$ la matrice dont tous les coefficients valent $1$, et on pose, pour $x\in\mathbb K$,
$$D(x)=\det(M+xJ),\qquad P(x)=\prod_{i=1}^n(\lambda_i-x).$$
Montrer qu'il existe $\alpha,\beta\in\mathbb K$ tels que $D(x)=\alpha+\beta x$ pour tout $x\in\mathbb K$.
Calculer $D(-a)$ et $D(-b)$ en fonction de $P$.
En déduire que $$\det M=\frac{b\,P(a)-a\,P(b)}{b-a}.$$
Application : calculer $\det\begin{pmatrix}1&-1&-1\\1&2&-1\\1&1&3\end{pmatrix}$, puis vérifier par un calcul direct.
La suite est réservée aux abonnés. L'abonnement arrive bientôt ; crée ton compte dès maintenant depuis Mon espace.
Exercice 14 · Matrices de permutation (type CCINP)
examen●●●
Lien entre permutations et déterminantCalcul matriciel avec les symboles de KroneckerEffet d'une permutation sur une forme alternéeCritère d'inversibilité
On note $(E_1,\dots,E_n)$ la base canonique $\mathcal B_c$ de $\mathbb R^n$. Pour $\sigma\in\mathcal S_n$, on note $P_\sigma\in\mathcal M_n(\mathbb R)$ la matrice de colonnes $E_{\sigma(1)},\dots,E_{\sigma(n)}$, c'est-à-dire $(P_\sigma)_{ij}=\delta_{i,\sigma(j)}$.
Montrer que $P_\sigma E_k=E_{\sigma(k)}$ pour tout $k$, puis que $P_\sigma P_{\sigma'}=P_{\sigma\sigma'}$. En déduire que $P_\sigma$ est inversible d'inverse $P_{\sigma^{-1}}$.
Montrer que $\det P_\sigma=\varepsilon(\sigma)$.
Montrer que $P_\sigma^T=P_{\sigma^{-1}}$.
Soit $A=(a_{ij})\in\mathcal M_n(\mathbb R)$. Montrer que $P_\sigma^TAP_\sigma=(a_{\sigma(i)\sigma(j)})_{1\leqslant i,j\leqslant n}$, puis que $\det(a_{\sigma(i)\sigma(j)})=\det A$.
a) Pour $\sigma=(1\ 2\ 3)\in\mathcal S_3$, écrire $P_\sigma$ et calculer $\det(I_3+P_\sigma)$.
b) Pour $\tau=(1\ 2\ 3\ 4)\in\mathcal S_4$, calculer $P_\tau X$ pour $X=E_1-E_2+E_3-E_4$ et en déduire $\det(I_4+P_\tau)$.
Le produit $ME_k$ est la $k$-ième colonne de $M$ ; la $j$-ième colonne de $P_\sigma P_{\sigma'}$ est $P_\sigma$ appliquée à la $j$-ième colonne de $P_{\sigma'}$.
Indice 2
Le déterminant de $P_\sigma$ est $\det_{\mathcal B_c}(E_{\sigma(1)},\dots,E_{\sigma(n)})$.
Indice 3
Pour 4, écrire le coefficient $(i,j)$ comme une double somme de symboles de Kronecker. Pour 5b, un vecteur non nul du noyau suffit.
$P_\sigma E_k$ est la $k$-ième colonne de $P_\sigma$, soit $E_{\sigma(k)}$. La $j$-ième colonne de $P_\sigma P_{\sigma'}$ est $P_\sigma E_{\sigma'(j)}=E_{\sigma(\sigma'(j))}$, qui est la $j$-ième colonne de $P_{\sigma\sigma'}$. Donc $P_\sigma P_{\sigma'}=P_{\sigma\sigma'}$. Comme $P_{\mathrm{id}}=I_n$, on obtient $P_\sigma P_{\sigma^{-1}}=P_{\sigma^{-1}}P_\sigma=P_{\mathrm{id}}=I_n$ : $P_\sigma$ est inversible d'inverse $P_{\sigma^{-1}}$.
Par définition du déterminant d'une matrice et par l'effet d'une permutation sur la forme alternée $\det_{\mathcal B_c}$ :
$$\det P_\sigma=\det\nolimits_{\mathcal B_c}(E_{\sigma(1)},\dots,E_{\sigma(n)})=\varepsilon(\sigma)\det\nolimits_{\mathcal B_c}(E_1,\dots,E_n)=\varepsilon(\sigma).$$
$(P_\sigma^T)_{ij}=(P_\sigma)_{ji}=\delta_{j,\sigma(i)}$ et $(P_{\sigma^{-1}})_{ij}=\delta_{i,\sigma^{-1}(j)}$. Or $j=\sigma(i)$ si et seulement si $i=\sigma^{-1}(j)$ : les coefficients sont égaux, donc $P_\sigma^T=P_{\sigma^{-1}}$.
Le coefficient $(i,j)$ de $P_\sigma^TAP_\sigma$ est
$$\sum_{k=1}^n\sum_{l=1}^n(P_\sigma^T)_{ik}\,a_{kl}\,(P_\sigma)_{lj}=\sum_{k=1}^n\sum_{l=1}^n\delta_{k,\sigma(i)}\,a_{kl}\,\delta_{l,\sigma(j)}=a_{\sigma(i)\sigma(j)}.$$
Par multiplicativité, et avec $\det(P_\sigma^T)=\det P_\sigma=\varepsilon(\sigma)$ :
$$\det(a_{\sigma(i)\sigma(j)})=\varepsilon(\sigma)\det A\,\varepsilon(\sigma)=\varepsilon(\sigma)^2\det A=\det A.$$
a) $\sigma(1)=2$, $\sigma(2)=3$, $\sigma(3)=1$, donc $P_\sigma$ a pour colonnes $E_2,E_3,E_1$ :
$$P_\sigma=\begin{pmatrix}0&0&1\\1&0&0\\0&1&0\end{pmatrix},\qquad I_3+P_\sigma=\begin{pmatrix}1&0&1\\1&1&0\\0&1&1\end{pmatrix}.$$
En développant selon la première ligne : $\det(I_3+P_\sigma)=1\cdot(1-0)-0+1\cdot(1-0)=2$.
b) Par linéarité et la question 1 :
$$P_\tau X=E_{\tau(1)}-E_{\tau(2)}+E_{\tau(3)}-E_{\tau(4)}=E_2-E_3+E_4-E_1=-X.$$
Donc $(I_4+P_\tau)X=0$ avec $X\neq0$ : la matrice $I_4+P_\tau$ n'est pas inversible, et $\det(I_4+P_\tau)=0$.
Exercice 15 · Vandermonde généralisé et coefficients binomiaux (type CCINP)
examen●●●
Utiliser le déterminant de VandermondeOpérations sur les colonnes effectuées dans le bon ordreLinéarité par rapport à une colonneComatrice et coefficients entiers
Soit $n\geqslant2$ et $x_1,\dots,x_n\in\mathbb K$. On note $V(x_1,\dots,x_n)$ le déterminant de Vandermonde.
Soit $P_0,\dots,P_{n-1}\in\mathbb K[X]$ tels que, pour tout $k$, $P_k$ soit unitaire de degré $k$. Montrer que
$$\det\big(P_{j-1}(x_i)\big)_{1\leqslant i,j\leqslant n}=V(x_1,\dots,x_n).$$
On pose $H_0=1$ et, pour $k\geqslant1$, $H_k=\dfrac{X(X-1)\cdots(X-k+1)}{k!}$. Montrer que $H_k(m)=\binom mk$ pour tous entiers $m,k\geqslant0$ (avec $\binom mk=0$ si $k>m$).
Montrer que $\det\big(H_{j-1}(x_i)\big)_{1\leqslant i,j\leqslant n}=\dfrac{V(x_1,\dots,x_n)}{\prod_{k=0}^{n-1}k!}$.
Calculer $V(1,2,\dots,n)$ et en déduire que $\det\Big(\binom i{j-1}\Big)_{1\leqslant i,j\leqslant n}=1$.
En déduire que la matrice $B_n=\Big(\binom i{j-1}\Big)_{1\leqslant i,j\leqslant n}$ est inversible et que $B_n^{-1}$ est à coefficients entiers.
Écrire $P_{j-1}=X^{j-1}+\sum_{k<j-1}c_{j,k}X^k$ et transformer les colonnes de gauche à droite, pour que les colonnes utilisées soient déjà des colonnes de puissances.
Indice 2
Pour $k>m$, l'un des facteurs $m,m-1,\dots,m-k+1$ est nul.
Indice 3
Le polynôme $k!\,H_k$ est unitaire de degré $k$ ; pour $V(1,\dots,n)$, regrouper les facteurs selon $j$.
Notons $C_j$ la colonne $(P_{j-1}(x_i))_{1\leqslant i\leqslant n}$ et $W_k=(x_i^{\,k})_{1\leqslant i\leqslant n}$. On écrit $P_{j-1}=X^{j-1}+\sum_{k=0}^{j-2}c_{j,k}X^k$, donc $C_j=W_{j-1}+\sum_{k=0}^{j-2}c_{j,k}W_k$. Comme $P_0=1$, $C_1=W_0$.
On effectue successivement, pour $j=2,3,\dots,n$ :
$$C_j\leftarrow C_j-\sum_{k=0}^{j-2}c_{j,k}C_{k+1}.$$
Montrons par récurrence qu'avant l'étape $j$, les colonnes $1$ à $j-1$ valent $W_0,\dots,W_{j-2}$. C'est vrai pour $j=2$. À l'étape $j$, on obtient $C_j-\sum_{k}c_{j,k}W_k=W_{j-1}$, ce qui propage la propriété. Chaque opération ajoute à $C_j$ une combinaison linéaire des autres colonnes : le déterminant ne change pas. La matrice finale est $(x_i^{\,j-1})$, donc le déterminant vaut $V(x_1,\dots,x_n)$.
Pour $k=0$, $H_0(m)=1=\binom m0$. Pour $k\geqslant1$ et $k\leqslant m$ : $H_k(m)=\dfrac{m(m-1)\cdots(m-k+1)}{k!}=\dfrac{m!}{k!\,(m-k)!}=\binom mk$. Pour $k>m$ : $m-k+1\leqslant0\leqslant m$, donc l'entier $0$ figure parmi les facteurs $m,m-1,\dots,m-k+1$ et $H_k(m)=0=\binom mk$.
Posons $Q_0=1$ et $Q_k=X(X-1)\cdots(X-k+1)=k!\,H_k$ pour $k\geqslant1$ : $Q_k$ est unitaire de degré $k$. La colonne $j$ de $(H_{j-1}(x_i))$ est $\frac1{(j-1)!}$ fois la colonne $j$ de $(Q_{j-1}(x_i))$. Par linéarité par rapport à chaque colonne, puis par la question 1 :
$$\det\big(H_{j-1}(x_i)\big)=\prod_{j=1}^n\frac1{(j-1)!}\det\big(Q_{j-1}(x_i)\big)=\frac{V(x_1,\dots,x_n)}{\prod_{k=0}^{n-1}k!}.$$
Avec $x_i=i$ :
$$V(1,\dots,n)=\prod_{1\leqslant i<j\leqslant n}(j-i)=\prod_{j=2}^n\ \prod_{i=1}^{j-1}(j-i)=\prod_{j=2}^n(j-1)!=\prod_{k=1}^{n-1}k!=\prod_{k=0}^{n-1}k!.$$
D'après la question 2, $H_{j-1}(i)=\binom i{j-1}$. La question 3 donne alors $\det\Big(\binom i{j-1}\Big)=1$. Contrôle pour $n=3$ : $\det\begin{pmatrix}1&1&0\\1&2&1\\1&3&3\end{pmatrix}=1\cdot(6-3)-1\cdot(3-1)+0=1$.
$\det B_n=1\neq0$, donc $B_n$ est inversible et $B_n^{-1}=\frac1{\det B_n}\mathrm{Com}(B_n)^T=\mathrm{Com}(B_n)^T$. Les coefficients de $B_n$ sont des entiers ; les cofacteurs, déterminants de matrices extraites au signe près, sont des sommes de produits d'entiers, donc des entiers. Ainsi $B_n^{-1}\in\mathcal M_n(\mathbb Z)$.