Académique Documents
Professionnel Documents
Culture Documents
SYSTEMES LINEAIRES
3.1 Définition
Les variables sont habituellement les nombres xi ; les constantes sont les nombres aij et bj.
Le qualificatif "linéaire" est approprié car le système ci-haut s’écrit :
Ax = b,
où A=[aij] est une matrice de dimension m " n , x=[xi] est un vecteur de dimension n et
b=[bij] est un vecteur de dimension m.
Pour que le vecteur b soit un élément de Im(f), l’image de l'application linéaire f, il faut
au moins un vecteur x tel que f(x)=b; en termes de systèmes linéaires, il existe une
solution du système linéaire !
correspondant :
Ax=b.
Théorème.
Ax = b admet une solution x si et seulement si b est dans l'image de l'application
linéaire f.
Si une matrice A est singulière, ou bien le système admet une infinité de solutions, ou
bien il n'admet aucune solution, selon que le vecteur b est dans Im(f) ou non. Une
matrice est singulière si le déterminant est nul.
Théorème.
Ax = 0 admet la solution unique x=0 si et seulement si les colonnes de A sont
linéairement indépendantes.
Alternativement, si la matrice carrée A est singulière, au moins une colonne (ligne) est
une combinaison linéaire des autres colonnes (lignes).
1
3.3 Méthode algébrique de résolution
La première étape consiste à combiner les lignes (1) et (2) pour éliminer la variable x1 de
la ligne (2) et remplacer la ligne (2) par cette nouvelle équation. Plus précisément, on
remplace la ligne (2) par la somme de la ligne (1) multipliée par -2 avec la ligne (2):
x1 + x2 + x3 = 4
(-2+2 ) x1 + (-2+3) x2 +(-2+1) x3 = -2⋅4+9
3 x1 + x2 - x3 = 12,
et on obtient:
x1 + x2 + x3 = 4
x2 - x3 = 1
3 x1 + x2 - x3 = 4.
Ensuite, on élimine x1 de la ligne (3) de façon analogue: on remplace la ligne (3) par la
somme de la ligne (1) multipliée par -3 avec la ligne (3) :
x1 + x2 + x3 = 4
x2 - x3 = 1
(-3+3) x1 + (-3+1) x2 +(-3-1) x3 = -3⋅4+4,
et on obtient:
x1 + x2 + x3 = 4
x2 - x3 = 1
-2 x2 -4 x3 = -8.
Nous avons éliminé la variable x1 de deux des trois équations. Nous allons maintenant
éliminer la variable x2 la troisième équation. Comme plus haut, nous y arrivons en
remplaçant la ligne (3) par la somme de la ligne (2) multipliée par 2 avec la ligne (3):
x1 + x2 + x3 = 4
x2 - x3 = 1
(2 -2) x2+(2⋅-1 -4) x3 = 2 -8,
et on obtient:
2
x1 + x2 + x3 = 4
x2 - x3 = 1
-6 x3 = -6.
#1 1 1 & #1 1 1 &
% ( % (
%2 3 1 ( ∼ %0 1 "1( .
%$3 1 "1(' %$0 0 "6('
La notation "∼" indique que les matrices sont équivalentes, c'est-à-dire qu'on passe de
l'une à l'autre par le biais des opérations élémentaires de ligne : multiplier une ligne par
un scalaire, ! ! multiple d'une ligne à une autre ligne et échanger deux lignes.
additionner un
(Voir la section suivante pour plus de détails.)
Lorsque le système est mis sous forme triangulaire, le système linéaire est facile à
résoudre. En reprenant l’exemple, la dernière ligne donne immédiatement la valeur x3
qui d’après l’équation est égale à 1. On reporte cette valeur dans la deuxième équation
pour trouver x2- 1 = 1 et ceci permet de trouver x2 = 2. On reporte les deux valeurs dans
la première équation pour trouver x1+ 2 + 1 = 4 et ceci permet de trouver x1 = 1.
Une matrice triangulaire supérieure est une matrice dont toutes les entrées au-dessous
de la diagonale sont zéro : dénotant les entrées de A par aij, aij=0 pour tout i>j. (Une
matrice triangulaire inférieure comporte uniquement des zéros dans la partie au-dessus
de la diagonale.) Le procédé décrit dans l’exemple précédent produit une matrice
triangulaire supérieure.
Si tous les éléments de la diagonale d'une matrice triangulaire sont non nuls, la matrice de
départ est inversible et la procédure précédente permet de trouver la solution du système
linéaire en un nombre (fini) d’étapes.
Théorème.
Le déterminant d'une matrice triangulaire est égal au produit des éléments de la
diagonale.
Étant donnée une matrice triangulaire, si aucun des éléments de la diagonale n’est nul, le
déterminant est différent de zéro, ce qui est une propriété des matrices inversibles.
3
Si une matrice triangulaire a des éléments nuls dans la diagonale, elle n’est pas inversible
et on ne peut pas trouver directement la solution du système. Prenons par exemple la
matrice triangulaire suivante :
"2 3 1%
$ '
$0 0 3' .
$#0 0 2'&
Notons au passage que les vecteurs correspondant aux colonnes ne sont pas linéairement
indépendants. Par contre, les colonnes 1 et 3 forment un ensemble libre qui engendre les
!
même espace que les trois solonnes prises ensemble.
Cette matrice correspond au système linéaire suivant en reprenant le même vecteur b que
dans l’exemple précédent :
2 x1 + 3 x2 + x3 = 4
0 ⋅x2 +3 x3 = 9
2 x3 = 4.
D’après l’équation (3), x3 = 2 et d’après l’équation (2), x3 = 3; ces deux solutions sont
contradictoires et il s’ensuit que le système n’a pas de solution.
"9%
$'
Si l’on choisit comme membre de droite le vecteur b = $3', le système s’écrit :
$#2'&
2 x1 + 3 x2 + x3 = 9
3 x3 = 3
! 2 x3 = 2.
C’est une équation à deux inconnues qui a une infinité de solutions comme par exemple :
x1 = 4; x2 = 0;
x1 = 0; x2 = 8/3;
x1 = 1; x2 = 2.
L’ensemble des solutions est de la forme générale :
x1 = t
x2 = (8 – 2t)/3
x3 = 1,
4
où la variable t est un nombre réel arbitraire. Cet ensemble de solutions dépend d’un seul
paramètre t; il est équivalent à un sous-espace vectoriel de dimension 1; il peut se mettre
& x1 # &0# &1 #
$ !
sous la forme x2 = 8 + t ' 2 / 3! .
$ ! $
$ ! $ ! $ !
$% x3 !" %$1 "! %$0 "!
Il peut s’écrire sous une forme plus compacte Ax = b où A est la matrice dont les
"x1 % "b1 %
$ ' $ '
coefficients sont les différents ai,j, x est égal au vecteur $M ' et b est égal au vecteur $M ' .
$#x n '& $#bn '&
Lorsque le système est de grande taille, on doit utiliser des méthodes matricielles qui sont
implantées sur ordinateur.
!
La méthode de Gauss-Jordan consiste à transformer !
la matrice A en une matrice identité,
via une série d'opérations élémentaires de ligne correspondant à l'élimination des
variables décrite plus haut. Nous allons la détailler sur un modèle d’un système de quatre
équations à quatre inconnues:
5
"1 a' 12 a'13 a'14 b'1%
$ '
$a21 a22 a23 a24 b2 '
,
$a31 a32 a33 a34 b3 '
$ '
#a41 a42 a43 a44 b4 &
avec a’12 = a12 / a11 ; a’13 = a13 / a11, a’14 = a14 / a11 ; b’1 = b1 / a11 .
!
Puis, on élimine le 1er terme, ai1, des trois autres lignes : à la ligne (2), on retranche la
ligne (1) multipliée par a21; à la ligne (3), on retranche la ligne (1) multipliée par a31, à la
ligne (4), on retranche la ligne (1) multipliée par a41.
On élimine x2 des lignes (3) et (4) : à la ligne (3), on retranche la ligne (2) multipliée par
a’32 ; à la ligne (4), on retranche la ligne (2) multipliée par a’42 . Après ces opérations, on
!
obtient :
6
"1 a' 12 a'13 a'14 b'1 %
$ '
$0 1 a''23 a''24 b''2 '
,
$0 0 1 a(3)34 b(3)3 '
$ '
#0 0 0 1 b(3)4 &
ce qui correspond à:
!
x1 + a’12 x2 + a’13x3 + a’14 x4 = b’1
x2 + a’’23 x3 + a’’24 x4 = b’’2
x3 + a(3)34 x4 = b(3) 3
(4)
x4 =b 4.
De la même façon, nous éliminons x3 des lignes (2) et (1), et enfin, x2 de la ligne (2), pour
en arriver à :
!
x1 = b(7)1
x2 = b(6)2
x3 = b(5) 3
(4)
x4 = b 4 .
7
Exemple. Résoudre à l'aide de Gauss-Jordan.
x1 + 3 x2 + 3 x3 = 0
2 x1 + 2 x2 + 0 x3 = 2
3 x1 + 3 x2 + 6 x3 = 11 .
Matriciellement:
"1 3 3 0 %
$ '
$2 2 0 2 '.
$#3 3 6 11'&
8
#1 3 0 "4 &
% (
%0 1 0 "5 /2(.
%$0 0 1 4 /3 ('
Remarque. Si on cherche à trouver une base pour l’espace vectoriel engendré par les
colonnes d’une matrice A, on n’a qu’à prendre les colonnes de A qui contiendront un
pivot après avoir mis A sous forme échelonnée. Ceci peut se faire avec un logiciel.
9
La méthode consiste à isoler x1 à partir de l’équation 1, isoler x2 à partir de l’équation 2 et
isoler x3 à partir de l’équation 3:
Le processus est arrêté lorsque les valeurs de x ne varient plus beaucoup entre deux
itérations. Les tests d’arrêt ont la forme suivante :
Test sur la variation absolue
(k+1) (k)
|x i - x i | < ε (nombre réel petit comme 0.00001)
Test sur la variation relative
(k+1) (k) (k)
|x i - x i | / | x i | < ε (nombre réel petit comme 0.00001).
Pour les deux méthodes itératives, plus l’estimé de départ est près de la solution, plus la
convergence est rapide. La propriété de convergence dépend des propriétés de la matrice
du système linéaire et de son conditionnement.
10