USTHB, Faculté de Mathématiques (2019/2020)

2eme Année Lic ST (Hydraulique). Sect A

Résolution des systèmes linéaires

1 Introduction

Soit n, p ≥ 1 des entiers. Un Système Linéaire n × p est un ensemble de n

équations linéaires à p inconnues de la forme



 a11 x1 + a12 x2 + · · · + a1p xp = b1
 a21 x1 + a22 x2 + · · · + a2p xp = b2

S: .


 · · · · · · · · · · · · · · · · · · · · · · · · · · · = ..
 a x + a x + ··· + a x = b
n1 1 n2 2 np p p

Les coefficients (ai,j )1≤i≤n,1≤j≤p et les secondes membres bj sont des éléments

donnés de R. Les inconnues x1 , x2 , · · · , xp sont à chercher dans R.

• (S) est appelée sysème homegène si bj = 0 pour tout j ∈ {1, · · · , p}.

• Résoudre (S) signifie chercher un p-uplet (x1 , · · · , xp ) qui vérifie simul-

tanément les n équations de (S).

• Un système est IMPOSSIBLE, ou incompatible, s’il n’admet pas de so-

lution. Un système est POSSIBLE, ou compatible, s’il admet une ou

plusieurs solutions.

On pose
    
a11 · · · a1p b1 x1
A =  ... · · · ..  , B =  ...  et X =  ... 
    
. 
an1 · · · anp bp xp

Le systéme (S) est équivalent à l’écriture matricielle

AX = B

1
avec A = (ai,j ) est une matrice de n colonne et p ligne, B = (b1 , · · · , bp )t est un

vecteur dans Rp . Résoudre le systéme (S) est equivante à chercher le vecteur

x dans Rp qui vérfie l’equation matricielle AX = B.

Dans tout ce qui suit, nous ne traiterons que des systémes linéaires carrés

d’ordre n à coefficients réels, c’est-á-dire A = (ai,j ) ∈ Rn×n qu’on supposera

inversible (ie detA 6= 0), B = (b1 , · · · , bn )n et X = (x1 , · · · , xn )t vecteur inconnue.

Comme la matrice A est inversible, alors le systéme (S) admet une solution

unique.

1.1 Méthode de Cramer

Le systéme a une solution unique qui est

det(A1 ) det(A2 ) det(An )

x1 = , x2 = , · · · , xn = ,
det(A) det(A) det(A)

avec Aj (1 ≤ j ≤ n) la matrice obtinue par remplacer la j eme colonne de A

par le vecteur B.

Exemple 1. Considérons le système linéaire


 4x1 + 2x2 + x3 = 4
S: −x1 + 2x2 + x3 = 2
2x1 + x2 + 4x3 = 9


Alors, On a    
4 2 1 4
A =  −1 2 1  B= 2 
2 1 4 9
     
4 2 1 4 4 1 4 2 4
A1 =  2 2 1 , A2 =
  −1 2 1  A3 =  −1 2 2 
9 1 4 2 9 4 2 1 9

de plus,

det(A) = 35, det(A1 ) = 14, det(A2 ) = 7, det(A3 ) = 70.

2
D’où
2 1
x1 = , x2 = , x3 = 2.
5 5

D’aprś cette exemple, cette formule est d’une utilité pratique limitée cause du

calcul des déterminants qui est trés couteux. Pour cette raison, des méthodes

numériques alternatives aux formules de CRAMER ont été dveloppées. Elles

sont dites directes si elles fournissent la solution du système en un nombre

fini d’ètapes.

2 L’élimination de Gauss

Dans tout ce qui suit on considèrera une matrice A = (ai,j )1≤i,j≤n carrée qu’on

supposera inversible, B = (bi )1≤i≤n un vecteur. On cherche résoudre le systme

linéaire

AX = B.

2.1 Résolution d’un système triangulaire

Définition 1. On dit que A est une matrice triangulaire inférieure (respectivement tri-

angulaire supérieur) si

ai,j = 0 pour j > i (respectevement) ai,j = 0 pour j < i.

Si la matrice est triangulaire inférieur (resp. triangulaire supérieur), on dira que le

système linéaire est un système triangulaire inférieur (resp. triangulaire supérieur).

Remarque 2.1. Le déterminant d’une matrice triangulaire est égal au produit des éléments
n
Q
diagonaux, c’est-à-dire detA = aii . De pluse, A est inversible on a nécessairement
i=1

aii 6= 0 pour tout i ∈ {1, · · · , n}.

3
 Pour résoudre le système triangulaire AX = B,

b1
• si A est une matrice triangulaire inférieure, on a x1 = a1 1
et on déduit les

inconnues x2 , x3 , · · · , xn par la formule générale

i−1
!
1 X
xi = bi − aij xj pour i = 2, 3, · · · , n.
aii j=1

bn
• Dans le cas où la matrice A est triangulaire supérieure, on a xn = ann
et

le calcul donc des inconnues xn−1 , xn−2 , · · · x1 est donné

n
!
1 X
xi = bn − aij xj pour i = n − 1, n − 2, · · · , 1.
aii j=i+1

Exemple 2. Considérons le système linéaire


 4x1 = 4
S: −x1 + 2x2 = 2
2x1 + x2 + 4x3 = 9


Alors, On a    
4 0 0 4
A=  −1 2 0  B=  2 
2 1 4 9
Donc x1 = 1 et
i−1
!
1 X 3 11
xi = bi − aij xj pour i ∈ {2, 3} d’ou, x2 = , x3 = .
aii j=1
2 8

Exemple 3. Considérons le système linéaire



 x1 + 2x2 + 3x3 + 4x4 = 10
−x1 − 2x2 − 7x3 = −10

S:

 −4x1 + 4x2 = 0
40x4 = 40


Alors, On a    
1 2 3 4 10
 −1 −2 −7 0 
 B =  −10 
 
A=
 −4 4 0 0   0 
40 0 0 0 40
Donc x1 = 1 et
n
!
1 X
xi = bi − aij xj pour i ∈ {3, 2, 1} d’ou, x3 = 1, x3 = 1, x4 = 1.
aii j=i+1

4
2.2 Principe de la méthode de Gauss: (Méthode Direct)

Le principe de la méthode d’élimination de Gauss consiste alors à mettre le

système linéaire AX = B sous la forme

ÃX = B̃,

où la matrice à est triangulaire supérieure, la résolution de ce nouveau système

étant assez simple comme on vient de le voir précédemment. Le système

ÃX = B̃ est simplement équivalent au système AX = B d’où nous sommes

partis et la méthode consiste à éliminer successivement des inconnues entre

les équations.

Exemple 4. Considérons le système linéaire



 x1 + 2x2 + 3x3 + 4x4 =1
2x1 + 3x2 + 4x3 + x4 =2

S:

 3x1 + 4x2 + x3 + 2x4 =3
4x1 + x2 + 3x3 + 3x4 =4


Alors, On a    
1 2 3 4 1
 2 3 4 3 
  2 
A=
 3 B= 
4 1 2   3 
4 1 3 3 4
On a
L2 − 2L1
L3 − 3L1
     
1 2 3 4  1 1 2 3 4  1
L − 4L
 
 2 3 4 3 2   0 −1 −2 −7  0 
 4 −→ 1

(A|B) = 
 3
 
 0 −2 −8 −10
 
4 1 2 
 3   0 

4 1 3 3  4 0 −7 −10 −13  0
L3 − 2L2
  
1 2 3 4  1
L4 − 7L2  0 −1 −2 −7

 0 
−→   
 0 0 −4 4  0 

0 0 4 36  0
  
1 2 3 4  1
L4 + L3  0 −1 −2 −7

 0 
−→   
 0 0 −4 4  0 

0 0 0 40  0

5
 d’où    
1 2 3 4 1
 0 −1 −2 −7   0 
à =   B̃ =  
 0 0 −4 4   0 
0 0 0 40 0

2.3 Les étape de l’élimination de Gauss

On rappelle que B = (bi )1≤i≤n un vecteur et A = (ai,j )1≤i,j≤n est une matrice

carrée inversible. Supposons de pluse que a11 6= 0. Élimination de Gauss sans

échange pour résoudre le système

AX = B (2.1)

est donnée comme suite:

2.4 Première étape

Puisque a11 6= 0, alors on peut éliminer l’inconnue x1 des lignes 2 à n du

système en leur retranchant respectivement la première ligne multipliée par

ai1
le coefficient a11
avec i = 2, · · · , n. On part de
 

a11 a12 · · · a1j · · · a1n
 b1
 a21 a22 · · · a2j · · · a2n   b2 
..
 
 .. .. .. ..  
.

. . . .
   
A(1) =A= et B (1) =
 
ai1 ai2 · · · aij · · · ain 
 .. 
  . 
.. .. .. .. 
 
..
  
 . . . .   . 
an1 an2 · · · anj · · · ann bn

En notant A(2) et B (2) la matrice et le vecteur second membre résultant de

ces opérations, on a alors

(2) ai1 (2) ai1

aij = aij − a1j et bi = bi − b1 , i = 2, · · · , n j = 2, · · · , n.
a11 a11

6
ie    
a11 a12 · · · a1j · · · a1n b1
(2) (2) (2) (2)

 0 a22 · · · a2j · · · a2n  

 b2 

 .. .. .. ..   .. 
 . . . .   . 
A(2) = et B (2) =
   
(2) (2) ..  .. 
 0 a2j · · · aij · · · .   . 
.. .. .. ..  ..
   
.
  
 . . . .   
(2) (2) (2) (2)
0 an2 · · · anj · · · ann bn
Don on vient de réaliser la première étape de l’élimination de Gauss, ce qui

a consisté à faire apparatre des 0 sur la première colonne en dessous de la

diagonale.

2.5 Deuxième étape

La deuxème étape consiste à éliminer la deuxième inconnue x2 des lignes 3 à

n du système en leur retranchant respectivement la première ligne multipliée

(2)
ai1
par le coefficient (2) avec i = 3, · · · , n.Ansi, si note par A(3) et b(3) la matrice et
a22

le vecteur second membre résultant de ces opérations, on a alors

(2) (2)
(3) (2) ai1 (2) (3) (2) ai1 (2)
aij = aij − a
(2) 1j
et bi = bi − b ,
(2) 2
i = 3, · · · , n j = 3, · · · , n.
a22 a22

Donc
a11 a12 a13 · · · a1j · · · a1n
 
 
 (2) (2) (2) (2)
0 a22 a23 · · · a2j · · · a2n  b1

(3) (3) (3)
  b(2) 

 0 0 a33 · · · a3j · · · a3n    2 
 b(3) 
 .. .. .. .. ..   3 
A(3) = . . . . .  et B (3) =  . 
 
..   .. 
(3) (3)

0 0 ai3 · · · aij · · · . 
 
  .. 
. 
 
 .. .. .. .. ..  
. . . . .  (3)
bn

(3) (3) (3)
0 0 an3 · · · anj · · · ann

7
2.6 Étape générale

En supposant qu’on a effectué k − 1 étapes de l’élimination de Gauss, et on a

un système qui s’écrit A(k) X = B (k) , avec A(k) et B (k) donnés par
   
a11 a12 a13 · · · a1k · · · a1n b1
 0 a(2) a(2) · · · a(2) · · · a(2)   (2)
b2 
 22 23 2k 2n   
(3) (3) (3) (3)
0 a33 · · · a3k · · · a3n
   
 0   b3 
 . .. .. . . .. ..   .. 
(k)  .
A = . . . . . . et B (k) = .
  
 
 (k) (k)   (k) 
 0 0 0 · · · akk · · · akn   bkk 
 .. .. .. .. .. .. 
   
 . . . . . . 
 
 
(k) (k) (k)
0 0 0 · · · ank · · · ann bn

(k)
Les quantités akk , k = 1, · · · , n..1 sont appelées pivots et l’on a supposé qu’elles

étaient non nulles à chaque étape. Donc, L’étape k consiste à faire l’élimination

de la variable xk dans les équations k +1, k +2, · · · , n. Ceci conduit aux formules

suivantes,

(k) (k)
(k+1) (k) aik (k) (k+1) (k) aik (k)
aij = aij − a
(k) kj
et bi = bi − b
(k) k
avec i = k+1, k+2, · · · n, j = k+1, k+2, · · · n.
akk akk

Remarque 2.2.

det A = det A(k) .