Vous êtes sur la page 1sur 18

Système d’équations linéaires

Chapitre 2 : Système d’équations linéaires

Définition
Système de Cramer
Système triangulaire supérieur
Méthode du Pivot de Gauss
Calcul de la matrice inverse

FSJES-Ain Sebaâ Algèbre linéaire–LF Eco/Ges S2–2019/2020 24 / 64


Système d’équations linéaires Définition

2.1 Définition

 Définition 2.1
Un système de m équations linéaires à n inconnues peut être écrit sous la forme suivante :

+ + ··· + =
 a x a1,2 x2 a1,n xn b1
1,1 1
+ + ··· + =

 a2,1 x1 a2,2 x2 a2,n xn b2
(SL) .. .. .. .. ..
 .
 + . + . + . = .
am,1 x1 + am,2 x2 + ··· + am,n xn = bm

où les inconnues sont les scalaires x1 , ..., xn ∈ R et où les données sont :


Les coefficients ai,j ∈ R, 1 ≤ i ≤ m, 1 ≤ j ≤ n.
Les seconds membres bi ∈ R , 1 ≤ i ≤ m.

 Exemples 2.1
n
x1 + 5x2 = 10
(SL1)
2x1 + 3x2 = 14
−1 −
® ®
3x1 + 5x2 = 2x1 + 5x2 7x3 = 0
(SL2) 2x1 + 6x2 = 7 (SL3) 3x1 + 10x2 − 6x3 = −22
x1 − 2x2 = 3 8x1 − x2 − 3x3 = 10

FSJES-Ain Sebaâ Algèbre linéaire–LF Eco/Ges S2–2019/2020 25 / 64


Système d’équations linéaires Définition

 Remarque 2.1
Les trois cas suivants sont possibles pour n’importe quel système (SL) :
Le système n’a pas de solution.
Le système a une solution unique (∃!(x1 , ..., xn ) ∈ R qui vérifie les m équations du système).
Le système a une infinité de solutions.

 Interprétation matricielle
Le système d’équations linéaires (SL) peut aussi s’écrire sous la forme matricielle :

Ax = b,

avec :
···
Öa a1,2 a1,n
è Öx è Öb è
1,1 1 1
a2,1 a2,2 ··· a2,n x2 b2
A= .. .. .. .. ; x= .. et b = ..
. . . . . .
am,1 am,2 ··· am,n xn bm

FSJES-Ain Sebaâ Algèbre linéaire–LF Eco/Ges S2–2019/2020 26 / 64


Système d’équations linéaires Système de Cramer

2.2 Système de Cramer

 Définition 2.2
Un système de m équations linéaires à n inconnues, est dit de Cramer s’il possède autant
d’équations que d’inconnues (m = n) et si la matrice A est inversible.

 Théorème 2.1
Un système de Cramer admet une solution unique .

 Proposition 2.1 (Formules de Cramer)


L’unique solution (x1 , ..., xn ) d’un système de Cramer d’équation matricielle AX = b sont :

det(Ai ) det(C1 , ..., Ci−1 , b, Ci+1 , ..., Cn )


xi = = ∀i ∈ 1, 2, ..., n
det(A) det(A)

où C1 , C2 , ..., Cn désignent les colonnes de la matrice A.

FSJES-Ain Sebaâ Algèbre linéaire–LF Eco/Ges S2–2019/2020 27 / 64


Système d’équations linéaires Système de Cramer

 Exemple 2.2
− −5
®
4x1 x2 + x3 =
Résoudre le système linéaire (S1 ) 2x1 + 2x2 + 3x3 = 10 ⇔ Ax = b
5x1 − 2x2 + 6x3 = 1
−1 −5
Ç å Ç å Ç å
4 1 x1
avec A = 2 2 3 , x= x2 et b = 10
5 −2 6 x3 1

4 −1 1
det(A) = 2 2 3 = 55 6= 0

5 −2 6
Alors le système (S1 ) est un système de Cramer d’où le système admet une solution unique

det(A1 ) det(A2 ) det(A3 )


x1 = ; x2 = ; x3 =
det(A) det(A) det(A)
avec
−5 −1 1 4 −5 1
det(A1 ) = 10 2 3 = −55; det(A2 ) = 2 10 3 = 165;

1 −2 6 5 1 6

4 −1 −5
det(A3 ) = 2 2 10 = 110. D’où x1 = −1; x2 = 3; x3 = 2.

5 −2 1

FSJES-Ain Sebaâ Algèbre linéaire–LF Eco/Ges S2–2019/2020 28 / 64


Système d’équations linéaires Système de Cramer

 Exemple 2.3
−1
®
x1 + x2 + 2x3 =
Résoudre le système linéaire (S2 ) 2x1 − x2 + 2x3 = −4 ⇔ Ax = b
4x1 + x2 + 4x3 = −2
−1
Ç å Ç å Ç å
1 1 2 x1
avec A = 2 −1 2 , x= x2 et b = −4 .
4 1 4 x3 −2

1 1 2
det(A) = 2 −1 2 = 6 6= 0

4 1 4
Alors le système (S2 ) est un système de Cramer, d’où le système admet une solution unique

det(A1 ) det(A2 ) det(A3 )


x1 = ; x2 = ; x3 =
det(A) det(A) det(A)
avec
−1 1 2 1 −1 2 1 1 −1
det(A1 ) = −4 −1 2 = 6; det(A2 ) = 2 −4 2 = 12; det(A3 ) = 2 −1 −4 = −12.

−2 1 4 4 −2 4 4 1 −2
D’où x1 = 1; x2 = 2; x3 = −2.

FSJES-Ain Sebaâ Algèbre linéaire–LF Eco/Ges S2–2019/2020 29 / 64


Système d’équations linéaires Système triangulaire supérieur

2.3 Système triangulaire supérieur

 Définition 2.3
Un système linéaire (SL) à m équations et n inconnues est dit système triangulaire supérieur si
aij = 0 pour tout i > j.

 Exemple 2.4
− −2 −1
® Ç å
2x1 x2 + x3 = 2 1
(SL1) 2x2 + x3 = 5 ⇒ A= 0 2 1
6x3 = 1 0 0 6
n  
x1 − 2x2 − 3x3 = −1 1 −2 3
(SL2) ⇒ A=
6x2 − 3x3 = 15 0 6 −3
−1
® Ç å
2x1 + x2 + 3x3 + x4 = 2 1 3 1
(SL3) 6x2 + 3x3 + 2x4 = 15 ⇒ A= 0 6 3 2
8x3 + 3x4 = 4 0 0 8 3

FSJES-Ain Sebaâ Algèbre linéaire–LF Eco/Ges S2–2019/2020 30 / 64


Système d’équations linéaires Système triangulaire supérieur

Examinons les deux systèmes linéaires ci-dessous :


®
3x1 + 5x2 + 7x3 = 101
(A) 2x1 + 10x2 + 6x3 = 134
x1 + 2x2 + 3x3 = 40
®
2x1 + 5x2 + 3x3 = 49 (L1)
(B) 4x2 + 2x3 = 30 (L2)
7x3 = 21 (L3)
Le système (A) n’est pas très simple à résoudre car les 3 inconnues sont présentes dans les 3
équations.
Le système (B) est très simple à résoudre :
(L3) donne : x3 = 3.
Puis dans (L2) : 4x2 + 6 = 30 donc x2 = (30 − 6)/4 = 6.
Enfin dans (L1) : 2x1 + 30 + 9 = 49 donc x1 = (49 − 30 − 9)/2 = 5.
Conclusion : pour résoudre le système (A), on le transforme en un système triangulaire supérieur
équivalent comme le système (B).

FSJES-Ain Sebaâ Algèbre linéaire–LF Eco/Ges S2–2019/2020 31 / 64


Système d’équations linéaires Méthode du Pivot de Gauss

2.4 Méthode du Pivot de Gauss


 Définition 2.4
On dit que deux systèmes linéaires sont équivalents si ils ont la même solution.

 Définition 2.5
Les trois modifications suivantes d’un système linéaire sont appelées opération élémentaire sur
les lignes :
Nature de l’opération Codage
Permutation de 2 lignes Li ←→ Lj
Multiplication de Li par un scalaire non nul Li ←− λLi
Addition à Li du produit de Lj par un scalaire Li ←− Li + λLj

 Théorème 2.2
Les opérations élémentaires transforment un système linéaire en un système linéaire équivalent.

 Méthode du Pivot de Gauss


La méthode du pivot permet d’associer à tout système linéaire un système triangulaire supérieur
équivalent.

FSJES-Ain Sebaâ Algèbre linéaire–LF Eco/Ges S2–2019/2020 32 / 64


Système d’équations linéaires Méthode du Pivot de Gauss

 Algorithme général
Soit un système linéaire à résoudre
 a x + a1,2 x2 + ... + a1,n xn = b1
1,1 1
 a2,1 x1 +
 a2,2 x2 + ... + a2,n xn = b2
(SL) .. .. .. .. ..
 .
 + . + . + . = .
am,1 x1 + am,2 x2 + ... + am,n xn = bm

Étape 1 : On se ramène à un système équivalant tel que a11 6= 0 en changeant


éventuellement l’ordre des inconnues ou en permutant deux lignes.
ai1
Étape 2 : Pour chaque i 6= 1, on utilise l’opération élémentaire Li ← Li − L1 de façon a
a11
éliminer l’inconnue x1 de chacune des lignes autres que à première. On dit que l’on a utilisé
a11 comme pivot.
On obtient le système :

 a1,1 x1 + a1,2 x2 + ... + a1,n xn = b1
a02,2 x2 + ... + a02,n xn = b02



a03,2 x2 a03,n xn b03

+ ... + =
(SL)
 .. .. .. ..
. + . + . = .



a0m,2 x2 + ... + a0m,n xn = b0m

Étape 3 : On réitère ces deux opérations de l’étape 1 et 2 sur le système à n − 1 inconnues


formé par les m − 1 dernières lignes. Et ainsi de suite.
FSJES-Ain Sebaâ Algèbre linéaire–LF Eco/Ges S2–2019/2020 33 / 64
Système d’équations linéaires Méthode du Pivot de Gauss

 Algorithme général
Au bout d’un nombre fini d’opérations. On obtient un système équivalent de la forme suivante
 00
 a1,1 x1 + a00
1,2 x2 + ... + a001,r xr + ... + a00 1,n xn = b00 1
a00
2,2 x2 + ... + a002,r xr + ... + a00 2,n xn = b00



 2

 .. .. .. ..

 . . + ... + . = .
a00
r,r xr + ... + a00r,n xn = b00r


 0 = b00r+1
.. ..





 . = .
0 = b00
m
avec a00
ii 6= 0 pour tout i = 1, ..., r.
L’entier r ≤ min(m, n) est appelé le rang du système linéaire.
Les équations 0 = b00 j (r < j ≤ m) sont appelées les conditions de compatibilité du système.
(Il y a m − r conditions de compatibilité)
Les inconnues x1 , x2 , ..., xr sont appelées les inconnues principales.
Les inconnues xr+1 , xr+2 , ..., xn sont appelées les inconnues secondaires.

FSJES-Ain Sebaâ Algèbre linéaire–LF Eco/Ges S2–2019/2020 34 / 64


Système d’équations linéaires Méthode du Pivot de Gauss

 Algorithme général
Deux cas peuvent se produire :
1 S’il existe k ∈ [r + 1, m] tel que b00
k 6= 0, alors le système n’a pas de solution (système
incompatible).
S = {∅}
2 Si on n’a pas des conditions de compatibilité où pour tout k ∈ [r + 1, m] tel que b00
k = 0, alors
le système est compatible (S 6= ∅) : il existe au moins une solution (c’est un vecteur de Rn ) qui
dépend de n − r paramètres.
I Si r = n, cette solution est unique.
Alors la ligne Ln donne ann xn = bn , c’est-à-dire xn = bn /ann . En suite en remplaçant dans la ligne Li ,
on a
n
1
X
xi = (bi − aij xj ), ∀i = n − 1, ..., 1.
aii
j=i+1
I Si r < n, on a une infinité de solutions.
on exprime alors les r premières inconnues (les inconnues principales) en fonction de n − r dernière
inconnues (les inconnues secondaires), puis le résoudre comme dans le cas r = n. On obtient alors
une infinité de solutions.

FSJES-Ain Sebaâ Algèbre linéaire–LF Eco/Ges S2–2019/2020 35 / 64


Système d’équations linéaires Méthode du Pivot de Gauss

 Exemple 2.5
®
x1 + 2x2 + 2x3 = 2 L1
Résoudre le système (S1) x1 + 3x2 − 2x3 = −1 L2
3x1 + 5x2 + 8x3 = 8 L3
On a
! !
1 2 2 2 L1 1 2 2 2 L1
1 3 −2 −1 L2 ⇒ 0 1 −4 −3 L2 ← L2 − L1
3 5 8 8 L3 0 −1 2 2 L3 ← L3 − 3L1
Ç å
1 2 2 2 L1
⇒ 0 1 −4 −3 L2
0 0 −2 −1 L3 ← L3 + L2
D’où ®
x1 + 2x2
2x3 = 2+
(S1) ⇔ 4x3
x2 = −3−
−2x3 = −1
On n’a pas des conditions de compatibilité, alors le système est compatible. Il y a au moins une
solution ; et on a r = 3 (r = n). Alors la solution est unique :

 x1 = 2 − 2x2 − 2x3 = 3
x2 = −3 + 4x3 = −1
1
 x3 =
2
1
S = {(x1 , x2 , x3 ) = (3, −1, )}
2
FSJES-Ain Sebaâ Algèbre linéaire–LF Eco/Ges S2–2019/2020 36 / 64
Système d’équations linéaires Méthode du Pivot de Gauss

 Exemple 2.6
− −3
®
x1 + 2x2 3x3 + x4 = L1
Résoudre le système (S2) 2x1 + 5x2 − 5x3 + 5x4 = 2 L2
−3x1 − 5x2 + 12x3 − x4 = 16 L3
−3 −3
! !
1 2 −3 1 −3 L1 1 2 1 L1
2 5 −5 5 2 L2 ⇒ 0 1 1 3 8 L2 ← L2 − 2L1
−3 −5 12 −1 16 L3 0 1 3 2 7 L3 ← L3 + 3L1
−3 −3
Ç å
1 2 1 L1
⇒ 0 1 1 3 8 L2
0 0 2 −1 −1 L3 ← L3 − L2
D’où
− = −3
®
x1 + 3x3 +
2x2 x4
(S2) ⇔ x2
x3 +
+ 3x4 = 8
2x3 − x4 = −1
On n’a pas des conditions de compatibilité, alors le système est compatible. Il y a au moins une
solution ; et on a r = 3 (r < n = 4). Donc, il y a une infinité de solutions qui dépend de n − r = 1
paramètre :
 15 43
x = −3 − 2x2 + 3x3 − x4 = x4 −
 1

 2 2
17 17
x2 = 8 − x3 − 3x4 = − x4 −
 2 2
 x = 1 (x − 1)

3 4
n 2  o
15 43 17 17 1
S= x4 − , − x4 − , (x4 − 1) , x4 , x4 ∈ R
2 2 2 2 2
FSJES-Ain Sebaâ Algèbre linéaire–LF Eco/Ges S2–2019/2020 37 / 64
Système d’équations linéaires Méthode du Pivot de Gauss

 Exemple 2.7
−x1 −
®
+ 3x2 x3 = 2 L1
Résoudre le système (S3) 4x1 − 2x2 + 20x3 = m L2
−x1 + 8x2 + 7x3 = 6 L3

−1 −1 −1 −1
Ç å Ç å
3 2 L1 3 2
4 −2 20 m L2 ⇒ 0 10 16 m+8 L2 + 4L1
−1 8 7 6 L3 0 5 8 4 L3 − L1
Ñ é
Ç
−1 3 −1 2
å
L1 −1 3 −1 2
4 −2 20 m L2 ⇒ 0 10 16 m+8
m 1
−1 8 7 6 L3 0 0 0 − L3 − L2
2 2
On a deux cas :
Si m 6= 0, le système est incompatible et S = ∅.
Si m = 0, on a r = 2 et n = 3 (r < n), alors le système est compatible. Il y a au moins une
solution qui dépend de n − r = 1 paramètre. Il y a donc une infinité de solutions.

n ®
x 1 = 3x 2 − x 3 + 2  x1 = 2 − 37 x3
−x1 + 3x2 − x3 = 2 5 5
(S3) ⇔ ⇒ 4 8 ⇒
10x2 + 16x3 = 8 x2 = − x3
5 5
 x2 = 4 − 8 x3
n  o 5 5
2 37 4 8
S= − x3 , − x3 , x3 , x3 ∈ R
5 5 5 5

FSJES-Ain Sebaâ Algèbre linéaire–LF Eco/Ges S2–2019/2020 38 / 64


Système d’équations linéaires Calcul de la matrice inverse

2.5 Calcul de la matrice inverse

La méthode du pivot de Gauss peut être utilisée pour inverser une matrice.
On veut calculer l’inverse de la matrice suivante :
Ç å
1 1 2
A= 1 2 1
2 1 1

On commence par présenter les choses sous la forme "Gauss".


Ç å
 1 1 2 1 0 0 L1
A I3 = 1 2 1 0 1 0 L2
2 1 1 0 0 1 L3

Au lieu de mettre à droite de la matrice A le seul vecteur b comme pour les systèmes linéaires de
la section précédente, on a mis cette fois, la matrice d’identité (dont on cherche les antécédents).

FSJES-Ain Sebaâ Algèbre linéaire–LF Eco/Ges S2–2019/2020 39 / 64


Système d’équations linéaires Calcul de la matrice inverse

Premièrement : On effectue la méthode du pivot de Gauss pour obtenir une matrice triangulaire
supérieure avec des 1 sur la diagonale.

Ç å
 1 1 2 1 0 0 L1
A I3 ⇔ 1 2 1 0 1 0 L2
2 1 1 0 0 1 L3
Ç å
1 1 2 1 0 0
⇔ 0 1 −1 −1 1 0 L2 − L1
0 −1 −3 −2 0 1 L3 − 2L1
Ç å
1 1 2 1 0 0
⇔ 0 1 −1 −1 1 0
0 0 −4 −3 1 1 L3 + L2
Ç å
1 1 2 1 0 0
⇔ 0 1 −1 −1 1 0
1
0 0 1 3/4 −1/4 −1/4 − L3
4

FSJES-Ain Sebaâ Algèbre linéaire–LF Eco/Ges S2–2019/2020 40 / 64


Système d’équations linéaires Calcul de la matrice inverse

Deuxièmement : On effectue la méthode du pivot de Gauss « inverse », de manière à obtenir la


matrice identité.
Ç å
 1 1 2 1 0 0
A I3 ⇔ 0 1 −1 −1 1 0
0 0 1 3/4 −1/4 −1/4

−1/2 L1 − 2L3
Ç å
1 1 0 1/2 1/2
⇔ 0 1 0 −1/4 3/4 −1/4 L2 + L3
0 0 1 3/4 −1/4 −1/4

−1/4 −1/4 L1 − L2
Ç å
1 0 0 3/4
⇔ 0 1 0 −1/4 3/4 −1/4
0 0 1 3/4 −1/4 −1/4

⇔ I3 A−1

−1/4 −1/4
Ç å
3/4
−1
A = −1/4 3/4 −1/4
3/4 −1/4 −1/4

FSJES-Ain Sebaâ Algèbre linéaire–LF Eco/Ges S2–2019/2020 41 / 64

Vous aimerez peut-être aussi