Chapitre 3: SYSTÈMES LINÉAIRES

LAKHEL El Hassan

Filière: Cycle Préparatoire.

ENSA, 5 mars 2018.

LAKHEL El Hassan (ENSA-Safi) 1 / 30

 Théorie des systèmes linéaires Définitions

Définition 1.

On appelle équation linéaire dans les variables (ou inconnues) x1 , . . . , xn toute relation de la forme

a1 x1 + · · · + an xn = b, (1)

où a1 , . . . , an et b sont des nombres réels donnés.

Soit n > 1 un entier.

Définition 2.

Un système de p équations linéaires à n inconnues est une liste de p équations linéaires.

La forme générale d’un système linéaire de p équations à n inconnues est la suivante :

 a11 x1 +a12 x2 +a13 x3 + ··· +a1n xn = b1 (← équation 1)


 a21 x1 +a22 x2 +a23 x3 + ··· +a2n xn = b2 (← équation 2)

 . . . . .
 . . . . .
. . . . = .
ai1 x1 +ai2 x2 +ai3 x3 + ··· +ain xn = bi (← équation i)

 . . . . .
 . . . . .
. . . . = .


ap1 x1 +ap2 x2 +ap3 x3 + ··· +apn xn = bp (← équation p)

Les nombres aij , i = 1, . . . , p, j = 1, . . . , n, sont les coefficients du système. Ce sont des données. Les nombres bi ,
i = 1, . . . , p, constituent le second membre du système et sont également des données.

LAKHEL El Hassan (ENSA-Safi) Théorie des systèmes linéaires 2 / 30

 Théorie des systèmes linéaires Définitions

Remarque 1.
Une solution de (S) est un vecteur (x1 , ..., xn ) ∈ Kn vérifiant toutes
les équations de (S).
Discuter et résoudre (S) c’est trouver toutes les solutions de (S).
I Deux systèmes sont dits équivalents s’ils ont le même ensemble de
solutions.
(S) est dit compatible s’il admet au moins une solution. Dans le cas
contraire (S) est dit incompatible (ou impossible).
I Le système (S) s’écrit en abrégé :
n
X
(S) aij xj = bi , 1 6 i 6 p.
j=1

On peut aussi considérer des équations linéaires de nombres rationnels

ou de nombres complexes.

LAKHEL El Hassan (ENSA-Safi) Théorie des systèmes linéaires 3 / 30

 Théorie des systèmes linéaires Définitions

Considérons maintenant deux droites D1 et D2 et cherchons les points qui

sont simultanément sur ces deux droites. Un point (x , y ) est dans
l’intersection D1 ∩ D2 s’il est solution du système :
(
ax + by = e
(S)
cx + dy = f

Trois cas se présentent alors :

1 Les droites D1 et D2 se coupent en un seul point. Dans ce cas, illustré
par la figure de gauche, le système (S) a une seule solution.
2 Les droites D1 et D2 sont parallèles. Alors le système (S) n’a pas de
solution. La figure du centre illustre cette situation.
3 Les droites D1 et D2 sont confondues et, dans ce cas, le système (S)
a une infinité de solutions.

LAKHEL El Hassan (ENSA-Safi) Théorie des systèmes linéaires 4 / 30

 Théorie des systèmes linéaires Définitions

y y
D1
D1

D2
D2

x x

D1 = D2

Nous verrons plus loin que ces trois cas de figure (une seule solution, aucune solution, une infinité de solutions) sont les seuls cas
qui peuvent se présenter pour n’importe quel système d’équations linéaires.
LAKHEL El Hassan (ENSA-Safi) Théorie des systèmes linéaires 5 / 30
 Théorie des systèmes linéaires Résolution par substitution

Pour savoir s’il existe une ou plusieurs solutions à un système linéaire, et les calculer, une première méthode est la substitution.
Par exemple pour le système : n
3x + 2y = 1
(S)
2x − 7y = −2

Nous réécrivons la première ligne 3x + 2y = 1 sous la forme y = 12 − 32 x . Et nous remplaçons (nous substituons) le y de la
seconde équation, par l’expression 12 − 32 x . Nous obtenons un système équivalent :

n 1 − 3x
y = 2 2
2x − 7( 12 − 32 x ) = −2

La seconde équation est maintenant une expression qui ne contient que des x , et on peut la résoudre :

n 1
n
y = − 32 x
2
y = 1 − 3x
2 2
3 )x ⇐⇒
(2 + 7 × 2
= −2 + 72 x = 3
25

Il ne reste plus qu’à remplacer dans la première ligne la valeur de x obtenue :

n 8
y = 25
x = 3
25

3 , 8 ). L’ensemble des solutions est donc

Le système (S) admet donc une solution unique ( 25 25

n o
3 8
S = , .
25 25

LAKHEL El Hassan (ENSA-Safi) Théorie des systèmes linéaires 6 / 30

 Théorie des systèmes linéaires Interprétation matricielle d’un système linéaire :

Interprétation matricielle d’un système linéaire

(aij ) ∈Mp,n (K), A est appelée la matrice du systéme (S).

Soit A = 
b1
 b2 
 
Soit b =  .   ∈ Mp,1 (K), b est appelé le vecteur second membre de

 .. 
bp
(S).  
x1

 x2 

Soit X =  ..  ∈ Mn,1 (K), X est appelé inconnue de (S).
.
 
 
xn
Résoudre (S), c’est trouver tous les vecteurs vérifiant (S).

LAKHEL El Hassan (ENSA-Safi) Théorie des systèmes linéaires 7 / 30

 Théorie des systèmes linéaires Interprétation matricielle d’un système linéaire :

Le système linéaire

 a11 x1 + a12 x2 + ··· + a1n xn = b1
a21 x1 + a22 x2 + ··· + a2n xn = b2
 ...
ap1 x1 + ap2 x2 + ··· + apn xn = bp

peut s’écrire sous forme matricielle :

 a ... a1n
  x   b 
11 1 1

 a21 ... a2n  x2   b2 

 ..  =  ..  .

 .. .. 
. . . .
ap1 ... apn xn bp
| {z } | {z } | {z }
A X B

On appelle A ∈ Mp,n (K) la matrice des coefficients du système. B ∈ Mp,1 (K) est le vecteur du
second membre. Le vecteur X ∈ Mn,1 (K) est une solution du système si et seulement si

AX = B.

LAKHEL El Hassan (ENSA-Safi) Théorie des systèmes linéaires 8 / 30

 Théorie des systèmes linéaires Matrices inversibles et systèmes linéaires

Considérons le cas où le nombre d’équations égale le nombre d’inconnues :

 a ... a1n
  x   b 
11 1 1

 a21 ... a2n  x2  b2 

=  . .
 
 .. ..   ..  .
. . . .
an1 ... ann xn bp
| {z } | {z } | {z }
A X B

Alors A ∈ Mn (K) est une matrice carrée et B un vecteur de Mn,1 (K). Pour tout second membre,
nous pouvons utiliser les matrices pour trouver la solution du système linéaire.

LAKHEL El Hassan (ENSA-Safi) Théorie des systèmes linéaires 9 / 30

 Théorie des systèmes linéaires Matrices inversibles et systèmes linéaires

Proposition 3.
Si la matrice A est inversible, alors la solution du système AX = B est unique et est :

X = A−1 B.

La preuve est juste de vérifier que si X = A−1 B, alors AX = A A−1 B = AA−1 B = I · B = B.
Réciproquement si AX = B, alors nécessairement X = A−1 B. Nous verrons bientôt que si la
matrice n’est pas inversible, alors soit il n’y a pas de solution, soit une infinité.

LAKHEL El Hassan (ENSA-Safi) Théorie des systèmes linéaires 10 / 30

 Théorie des systèmes linéaires Rang d’un système linéaire

Définition 4.
On appelle rang du système (S), le rang r de la matrice A de (S) et on notre rg (S).

Exemple
Soit (S) le système linéaire de 4 équations à 3 inconnues x , y , z à coefficients réels :

 2x +2z = 3
x +2y −z = 1
(S)
 4x −y +5z = 7
7x +8y −z = 9

La matrice de (S) est

 
2 0 2
1 2 −1  ∈ M4,3 (R).
A=
4 −1 5
7 8 −1

On a la suite (c1 , c2 ) est libre et c3 = c1 − c2 .

Donc
rg(S) = rg(A) = 2.

LAKHEL El Hassan (ENSA-Safi) Théorie des systèmes linéaires 11 / 30

 Théorie des systèmes linéaires Rang d’un système linéaire

Définition 5.
Un système est dit de Cramer si n = p = r . Autrement dit, si sa matrice est carrée et inversible.
Un système de Cramer admet toujours une solution unique (X = A−1 b) car sa matrice A est
inversible.

Cas particulier : systèmes de Cramer triangulaires.

Soit un système (T ) de n équations à n inconnues dont la matrice est triangulaire supérieure
avec des coefficients diagonaux tous non nuls.
On montre facilement (exercice) que rg A = n. Donc (T ) est un système de Cramer et admet
une solution
 unique.
 a1,1 x1 +a1,2 x2 +... +a1,n xn = b1


 a2,2 x2 +... +a2,n xn = b2
..
(T ) .



 an−1,n−1 xn−1 +an−1,n xn = bn−1
an,n xn = bn
Le système (T ) est facile à résoudre. En effet, on calcule de la façon suivante :

Pn Pn
bn bn−1 − an−1,n xn bi − j=i+1
aij xj b1 − j=2
a1,j xj
xn = , xn−1 = , ..., xi = , ..., x1 =
an,n an−1,n−1 ai,i a1,1

LAKHEL El Hassan (ENSA-Safi) Théorie des systèmes linéaires 12 / 30

 Théorie des systèmes linéaires Systèmes homogènes

Définition 6.
Le système linéare (S) est dit homogène, si le second membre (b1 , b2 , ..., bp ) ∈ Kp est nul.

Remarque 2.
Un système linéaire homogène est toujours compatible, car il admet la solution trivale
(x1 , x2 , ...., xn ) = (0, 0, ..., 0).

Théorème 7.
L’ensemble des solutions d’un système homogène, à n inconnues, à coefficients dans K, et de
rang r est un sous-espace vectoriel de Kn de dimension n − r .

Preuve.
Si le système (S) est homogène, l’équation (S) s’écrit f (x ) = 0. Alors l’ensemble des solutions
de (S) est égal au Ker (f ).
D’après le théorème noyau-image :

dim(Ker (f )) = n − rg(f ) = n − r .

LAKHEL El Hassan (ENSA-Safi) Théorie des systèmes linéaires 13 / 30

 Théorie des systèmes linéaires Cas général : Compatibilité d’un système

Théorème 8.
Le système (S) est compatible si, et seulement si,

rg(A|b) = rg(A),
avec (A|b) la matrice de Mp,n+1 (K) constituée des colonnes de la matrice A suivies de la
colonne b.

LAKHEL El Hassan (ENSA-Safi) Théorie des systèmes linéaires 14 / 30

 Théorie des systèmes linéaires Cas général : Compatibilité d’un système

Preuve.
Notons C1 ..., Cp les colonnes de A. On a (x1 , ..., xn ) est solution de (S) ssi x1 C1 + ... + xn Cn = b.
=⇒) Si (S) est compatible, soit (x1 , ..., xn ) un n−uplet solution. Puisque b = x1 C1 + ... + xn Cn ,
on a
rg(A) = rg(C1 , ..., Cn ) = rg(C1 , ..., Cn , b) = rg(A|b).
⇐=) Si rg(A|b) = rg(A), alors rg(C1 , ..., Cn ) = rg(C1 , ..., Cn , b). Or

vect(C1 , ..., Cn ) ⊆ vect(C1 , ..., Cn , b).

Donc par inclusion et égalité des dimensions

vect(C1 , ..., Cn ) = vect(C1 , ..., Cn , b).

On en déduit que b ∈ vect(C1 , ..., Cn ), et donc il existe x1 , ..., xn dans K tel que
b = x1 C1 + ... + xn Cn .

Corollaire 9.
Tout système de rang r = p est compatible.

LAKHEL El Hassan (ENSA-Safi) Théorie des systèmes linéaires 15 / 30

 Théorie des systèmes linéaires Cas général : Compatibilité d’un système

Théorème 10.
1. Le système
n
X
(S) aij xj = bi , 1 6 i 6 p.
j=1

est compatible ssi b ∈ Im(f ) (avec f est l’application linéaire associe au système S)
2. Soit x0 ∈ Kn tel que f (x0 ) = b, alors l’ensemble des solutions de (S) est donné par

{x = x0 + z/z ∈ Ker (f )}.

Preuve. A faire.

Remarque 3.
Quelles que soient les dimensions (n, p ∈ N∗ ) d’un système AX = b . On a
1 Si b ∈
/ Im(f ) (image de l’application associée à la matrice A, le système a 0 solution
(incompatible).
2 Si b ∈ Im(f ) et si le noyau est réduit à {0}, le système a une solution unique.
3 Si b ∈ Im(f ) , et si le noyau n’est pas réduit à {0}, le système a une infinité de solutions.

LAKHEL El Hassan (ENSA-Safi) Théorie des systèmes linéaires 16 / 30

 Méthode de pivot de Gauss

Méthode de pivot de Gauss

Définition 11.
Un système linéaire
n
X
(S) aij xj = bi , 1 6 i 6 p,
j=1

est dit échelonné ou en échelon, s’il existe un entier q, 1 6 q 6 min(p, n), tel que :
pour tout q < i 6 p, 1 6 j 6 n,on a aij = 0.
pour tout 1 6 i 6 q, 1 6 j 6 i, on a ai,i 6= 0 et aij = 0.
Donc (S) est échelonné si la matrice de (S) a la forme suivante dite échelonnée :
 a
1,1 ∗ ... ∗ 
 0 a2,2 
 .. .. 
 . . 
A= 0 ... 0 aq,q ∗ ... ∗  chaque étoile est un coefficient quelconque.
 
 0 ... ... ... . . . ... 0 
 
 .. .. 
. .
0 ... ... ... . . . ... 0

LAKHEL El Hassan (ENSA-Safi) Méthode de pivot de Gauss 17 / 30

 Méthode de pivot de Gauss

Théorème 12.
Soit (S) un système linéaire échelonné :

n
X
(S) aij xj = bi , 1 6 i 6 p.
j=1

Avec les notations précédentes :

1 le rang de (S) est r=q.
2 Le système est compatible si, et seulement si bq+1 = . . . = bp = 0, et dans ce cas, les
solutions de (S) sont les vecteurs (x1 , ..., xq , xq+1 , ..., xn ) où xq+1 , . . . , xn sont des éléments
quelconques de K et (x1 , . . . , xq ) la solution du système de Cramer triangulaire :

q n
X X
(T ) aij xj = bi − aij xj 1 6 i 6 q.
j=1 j=i+1

x1 , ..., xq sont appelées les inconnues principales et xq+1 , ..., xn sont appelées les inconnues
non principales.

Preuve. ...

LAKHEL El Hassan (ENSA-Safi) Méthode de pivot de Gauss 18 / 30

 Méthode de pivot de Gauss

Preuve. Puisque les p − q dernières lignes de la matrice A sont nulles , on a rg A 6 q.

Puisque les q premières colonnes de A forment une suite libre on a rgA > q.
Donc
r = rgA = q.

S’il exsiste i, q + 1 6 i 6 p tel que bi 6= 0 alors la i eme équation de (S) s’écrit :

0x1 + . . . + 0xn = bi = 0,

impossible et le système est donc incompatible.

Soit bq+1 = . . . = bp = 0. Le sysème (S) est équivalente au système :

q n
X X
(T ) aij xj = bi − aij xj 1 6 i 6 q.
j=1 j=i+1

avec xq+1 , ..., xn sont des éléments quelconques fixés dans K.

le système (T) est de Cramer , donc il admet une solution unique (x1 , ..., xq ).
D’où pour tout xq+1 , ..., xn quelconques (mais fixés) dans K, (x1 , ..., xq , xq+1 ..., xn ) est une
solution du système (S).

LAKHEL El Hassan (ENSA-Safi) Méthode de pivot de Gauss 19 / 30

 Méthode de pivot de Gauss

L’idée de la méthode de Gauss est de transformer par étapes, le système à résoudre en des
systèmes plus simples, tous équivalents au système initial, jusqu’à un système dit résolu, sur
lequel on lit directement la solution. Pour annuler des termes, la méthode de Gauss combine les
transformations de la définition suivante.

LAKHEL El Hassan (ENSA-Safi) Méthode de pivot de Gauss 20 / 30

 Opérations élémentaires

Définition 13.
On appelle opération élémentaire sur (S) chacune des opérations suivantes :
1 permuter deux colonnes de (S).

2 permuter deux équations de (S).

3 ajouter membre à membre à une équation, une combinaison linéaire des autres équations.

4 multiplier les deux membres d’une équation par un même scalaire non nul.

On rappelle que deux systèmes linéaires sont dits équivalents, s’ils ont le même ensemble de
solutions.

Théorème 14.
(S) étant un système linéaire , toute opération élémentaire sur (S) transforme (S) en un système
linéaire équivalent et de même rang.

LAKHEL El Hassan (ENSA-Safi) Opérations élémentaires 21 / 30

 Opérations élémentaires

Preuve.
1 L’addition dans K est commutative, l’opération (1) transforme (S) en un système équivalent.

2 L’ordre des équations n’intervient pas dans l’ensemble des solutions : l’opération (2) transforme (S) en un système
équivalent.

3 Soit λ ∈ K, h et k ∈ {1, ..., p}, h 6= k, et soit (S 0 )le système suivant déduit de (S) :

 Pn
aij xj = bi , 1 6 i 6 p, i 6= k,
0 Pj=1
(S ) n
(akj + λahj )xj = bk + λbh .
j=1

Il est clair que si (x1 , ..., xn ) est solution de (S), (x1 , ..., xn ) est aussi solution de (S 0 ). Comme on transforme (S 0 ) en
(S) par une opération de même type que celle qui nous fait passer de (S) à (S 0 ), toute solution de (S 0 ) est aussi
solution de (S).
L’opération qui consiste à ajouter membre à membre à la k eme équation, une combinaison linéaire des autres équations,
est une suite finie d’opérations du type précédent, donc elle transforme (S) en un système linéaire équivalent.

4 Enfin il est évident que l’opération (4) transforme (S) en un système linéaire équivalent.

En particulier, toute opération élémentaire transforme le système homogène (H) en un système (H 0 ) équivalent à (H). Donc, ils
ont le même espace vectoriel de solutions. D’où le résultat, puisque rg(S) = rg(H) = rg(H 0 ) = rg(S 0 ).

LAKHEL El Hassan (ENSA-Safi) Opérations élémentaires 22 / 30

 Opérations élémentaires Algorithme du pivot de Gauss

Théorème 15.
Soit (S) un système linéaire de p équations à n inconnues

n
X
(S) aij xj = bi , 1 6 i 6 p.
j=1

Soit A la matrice du système (S), si A 6= 0, il existe une suite finie d’opérations élémentaires qui
transforment (S) en un système échelonné.

L’idée générale consiste à utiliser des substitutions de lignes pour placer des zéros là où il faut de
façon à créer une forme échelonnée.

LAKHEL El Hassan (ENSA-Safi) Opérations élémentaires 23 / 30

 Opérations élémentaires Algorithme du pivot de Gauss

Algorithme du pivot de Gauss

Les coefficients a11 , a22 , ..., aqq , que l’on appelle les pivots, jouent un rôle important.
Le principe général consiste à utiliser une équation à pivot non nul pour annuler les termes
au-dessous du pivot dans les équations suivantes du système. Décrire formellement l’algorithme
dans le cas général, conduirait à des notations compliquées. Le mieux est de comprendre son
fonctionnement sur des exemples.

Nous allons utiliser trois opérations élémentaires sur les équations (c’est-à-dire sur les lignes) qui
sont :
1 Li ← λLi avec λ 6= 0 : on peut multiplier une équation par un réel non nul.
2 Li ← Li + λLj avec λ ∈ R (et j 6= i) : on peut ajouter à l’équation Li un multiple d’une
autre équation Lj .
3 Li ↔ Lj : on peut échanger deux équations.

Ces trois opérations élémentaires ne changent pas les solutions d’un système linéaire ; autrement
dit ces opérations transforment un système linéaire en un système linéaire équivalent.

LAKHEL El Hassan (ENSA-Safi) Opérations élémentaires 24 / 30

 Exemples

Exemple
(
x −y = −1
3x + 3z = 3
2x + y + 3z = 4

L’écriture matricielle du système est :

! ! !
1 −1 0 x −1
3 0 3 y = 3 .
2 1 3 z 4

On utilise la méthode de pivot de Gauss en n’oubliant pas de traîter b.

! !
1 −1 0 −1 (L1 ) 1 −1 0 −1 ←− (L1 )
(L1 )
3 0 3 | 3 (L2 ) =⇒ 0 3 3 | 6 (L2 ) ←− (L2 )−3(L1 )
2 1 3 4 (L3 ) 0 3 3 6 (L3 ) ←− (L3 )−2(L1 )

!
1 −1 0 −1 ←− (L1 )
(L1 )
0 3 3 | 6 ←− (L2 )
(L2 )
0 0 0 0 (L3 ) ←− (L3 )−(L2 )

Le rang de (S) est égal à r = 2(= q).

On prend x et y comme inconnues principales et z comme inconnue non principale.

LAKHEL El Hassan (ENSA-Safi) S = {(x , y , z) = Exemples

(1 − z, 2 − z, z)/z ∈ R} 25 / 30
 Exemples

Il se trouve que les systèmes linéaires sous une forme échelonnée sont particulièrement simples à
résoudre.

Exemple

Le système linéaire suivant à 3 équations et 4 inconnues est échelonné.

(
x1 +2x3 = 25
x2 −2x3 = 16
x4 = 1

Ce système se résout trivialement en

(
x1 = 25 − 2x3
x2 = 16 + 2x3
x4 = 1.

En d’autres termes, pour toute valeur de x3 réelle, les valeurs de x1 , x2 et x4 calculées ci-dessus
fournissent une solution du système, et on les a ainsi toutes obtenues. On peut donc décrire
entièrement l’ensemble des solutions :

S= (25 − 2x3 , 16 + 2x3 , x3 , 1) | x3 ∈ R .

LAKHEL El Hassan (ENSA-Safi) Exemples 26 / 30

 Exemples

Exemple
Voici un autre système
(
x +y +7z = −1 (L1 )
2x −y +5z = −5 (L2 )
−x −3y −9z = −5 (L3 )

LAKHEL El Hassan (ENSA-Safi) Exemples 27 / 30

 Exemples

Commençons par l’opération L2 ← L2 − 2L1 : on soustrait à la deuxième équation deux fois la

première équation. On obtient un système équivalent avec une nouvelle deuxième ligne (plus
simple) :
(
x +y +7z = −1
−3y −9z = −3 L2 ←L2 −2L1
−x −3y −9z = −5
Puis L3 ← L3 + L1 : (
x +y +7z = −1
−3y −9z = −3
−2y −2z = −6 L3 ←L3 +L1

On continue pour faire apparaître un coefficient 1 en tête de la deuxième ligne ; pour cela on
divise la ligne L2 par −3 :
(
x +y +7z = −1
y +3z = 1 L2 ← − 31 L2
−2y −2z = −6

On continue ainsi
( (
x +y +7z = −1 x +y +7z = −1
y +3z = 1 y +3z = 1
4z = −4 L3 ←L3 +2L2 z = −1 L3 ← 41 L3

On obtient ainsi x = 2, y = 4 et z = −1 et l’unique solution du système est (2, 4, −1).

LAKHEL El Hassan (ENSA-Safi) Exemples 28 / 30
 Exemples

Exemple
Utilisons les opérations élémentaires pour résoudre le système suivant
(
−x2 +2x3 +13x4 = 5
x1 −2x2 +3x3 +17x4 = 4
−x1 +3x2 −3x3 −20x4 = −1

Pour appliquer la méthode du pivot de Gauss, il faut d’abord que le premier coefficient de la
première ligne soit non nul. Comme ce n’est pas le cas ici, on échange les deux premières lignes
par l’opération élémentaire L1 ↔ L2 :
(
x1 −2x2 +3x3 +17x4 = 4 L1 ↔L2
−x2 +2x3 +13x4 = 5
−x1 +3x2 −3x3 −20x4 = −1

Nous avons déjà un coefficient 1 devant le x1 de la première ligne. On dit que nous avons un
pivot en position (1, 1) (première ligne, première colonne). Ce pivot sert de base pour éliminer
tous les autres termes sur la même colonne.

LAKHEL El Hassan (ENSA-Safi) Exemples 29 / 30

 Exemples
Il n’y a pas de terme x1 sur le deuxième ligne. Faisons disparaître le terme x1 de la troisième ligne ; pour cela on fait l’opération
élémentaire L3 ← L3 + L1 :

x1 −2x2 +3x3 +17x4 = 4
−x2 +2x3 +13x4 = 5
x2 −3x4 = 3 L3 ←L3 +L1

On change le signe de la seconde ligne (L2 ← −L2 ) pour faire apparaître 1 au coefficient du pivot (2, 2) (deuxième ligne,
deuxième colonne) : 
x1 −2x2 +3x3 +17x4 = 4
x2 −2x3 −13x4 = −5 L2 ← −L2
x2 −3x4 = 3

On fait disparaître le terme x2 de la troisième ligne, puis on fait apparaître un coefficient 1 pour le pivot de la position (3, 3) :

 
x1 −2x2 +3x3 +17x4 = 4 x1 −2x2 +3x3 +17x4 = 4
x2 −2x3 −13x4 = −5 x2 −2x3 −13x4 = −5
2x3 +10x4 = 8 L3 ←L3 −L2 x3 +5x4 = 4

Le système est maintenant sous forme échelonnée.

Le système est maintenant très simple à résoudre. En choisissant x4 comme inconnue non principale (variable libre), on peut
exprimer x1 , x2 , x3 en fonction de x4 :

x1 = 4x4 − 2, x2 = 3x4 + 3, x3 = −5x4 + 4.

Ce qui permet d’obtenir toutes les solutions du système :


S = (4x4 − 2, 3x4 + 3, −5x4 + 4, x4 ) | x4 ∈ R .

LAKHEL El Hassan (ENSA-Safi) Exemples 30 / 30