Le Déterminant d'une Matrice
1. Définition du Déterminant
Le déterminant d’une matrice carrée A est noté det(A) ou |A|. Il permet de caractériser
certaines propriétés de la matrice, comme son inversibilité.
Cas de la matrice 2×2
Pour une matrice de taille 2 × 2 :
[a b]
[c d]
Son déterminant est donné par la formule : det(A) = ad - bc
Exemple 1 : Calcul du déterminant d'une matrice 2×2
Soit la matrice :
[3 5]
[2 7]
Son déterminant est : det(B) = (3 × 7) - (5 × 2) = 21 - 10 = 11
2. Calcul du Déterminant pour une Matrice 3×3
Pour une matrice de taille 3 × 3 :
[a b c]
[d e f]
[g h i]
Le déterminant se calcule par la règle de Sarrus :
det(C) = aei + bfg + cdh - ceg - afh - bdi
Exemple 2 : Calcul du déterminant d'une matrice 3×3
Soit la matrice :
[1 2 3]
[4 5 6]
[7 8 9]
Son déterminant est : det(D) = (1 × 5 × 9) + (2 × 6 × 7) + (3 × 4 × 8) - (3 × 5 × 7) - (1 × 6 × 8) -
(2 × 4 × 9)
= (45 + 84 + 96) - (105 + 48 + 72) = 225 - 225 = 0
3. Propriétés du Déterminant
1. Une matrice est inversible si et seulement si son déterminant est non nul.
2. Le déterminant d’une matrice triangulaire (supérieure ou inférieure) est le produit de ses
éléments diagonaux.
3. L’échange de deux lignes ou colonnes change le signe du déterminant.
4. Multiplier une ligne ou une colonne par un scalaire multiplie le déterminant par ce même
scalaire.
5. Si deux lignes ou colonnes d’une matrice sont identiques, son déterminant est nul.
6. Le déterminant d’un produit de matrices est le produit de leurs déterminants : det(AB) =
det(A) × det(B)
4. Applications du Déterminant
- Résolution de systèmes d'équations linéaires avec la règle de Cramer.
- Calcul de l’inverse d’une matrice grâce à la formule : A⁻¹ = (1/det(A)) × Adj(A)
- Détermination de la colinéarité ou coplanarité de vecteurs en géométrie.
Conclusion
Le déterminant est un outil essentiel en mathématiques et en physique. Il permet de
caractériser l'inversibilité d'une matrice, de résoudre des systèmes d’équations et
d'analyser des transformations géométriques. Son calcul, bien que simple pour les petites
matrices, devient plus complexe pour les grandes tailles, nécessitant des méthodes
avancées comme le développement par les cofacteurs.