Ch.

1 : Résolution des systèmes linéaires par la méthode de

Gauss (1 séance)

Mouanis Hakima

Faculté des sciences Dhar Mahraz Fès

hmouanis@yahoo.fr
www.mouanis.wordpress.com

31 mars 2021

1/26
 Plan

1. Exemples
2. Définitions et notations
3. La résolution des systèmes linéaires par la méthode de Gauss
3.1 Opérations élémentaires
3.2 Systèmes échelonnés
3.3 L’ensemble des solutions d’un système linéaire

2/26
Dans tout ce chapitre K désigne R ou C

3/26
 Exemples

Exemple 1.1
i. le système (1) est un système linéaire de deux équations à deux inconnues ;
dont la forme générale peut s’écrire sous la forme suivante :

ax + by = c  0 0 0

0 0 0 avec a, b, c, a , b , c ∈ K6 .
a x+b y =c

et K = R ou C.
ii. le système (2) est un système linéaire de trois équations à trois inconnues,
dont la forme générale peut s’écrire sous la forme suivante :

 ax 0
+ by + cz
0 0
=d
0
a x+b y+c z =d
 00 00 00 00
a x+b y+c z =d
 0 0 0 0 00 00 00 00

avec a, b, c, d, a , b , c , d , a , b , c , d ∈ K12 .

4/26
 Exemples

iii. le système :

ax + by + cz = d  0 0 0 0

0 0 0 0 avec a, b, c, d, a , b , c , d ∈ K8 .
a x+b y+c z =d

est un système linéaire de deux équations à trois inconnues.

iv. 
 ax + by + cz + dt + el = f
0 0 0 0 0 0
a x+b y+c z+d t+e l =f
 00 00 00 00 00 00
a x+b y+c z+d t+e l =f
0 0 0 0 0 0 00 00 00 00 00 00
avec a, b, c, d, e, f, a , b , c , d , e , f , a , b , c , d , e et f sont des
éléments de K. est un système linéaire de trois équations à cinq inconnues. Et
2
d’une manière générale, pour tout (n, p) ∈ (N∗ ) , on a les définitions
suivantes :

5/26
 Définitions et notations

Définition 2.1
Soient n, p ∈ N∗ . On appelle système de p équations linéaires à n inconnues ( ou
un système linéaire) à coefficients dans K, un système de type

 a11 x1 + a12 x2 + . . . a1n xn =
 b1
 a21 x1 + a22 x2 + . . . a2n xp =

b2
Σ: .. .. .. ..


 . . . .
ap1 x1 + ap2 x2 + . . . apn xn = bp


où x1 , . . . , xn sont les inconnues et les nombres aij appartiennent à K, sont

appelés les coefficients du système Σ.
1 Si x1 , .., xn sont des solutions des p équations de ce système on dit que le
vecteur (x1 , .., xn ) de Kn est une solution du système Σ. L’ensemble de tous
les solutions est noté par S(Σ) ou tout simplement S.
2 Si Σ admet des solutions on dit que le système est résoluble. Sinon, on dit
qu’il n’est pas résoluble ou incompatible.
3 Le vecteur b = (b1 , b2 , ..., bp ) de Kp est appelé second membre de ce système.

6/26
 Définitions et notations

Suite de la Définition
Si b = (0, .., 0) on dit que Σ est homogène.

Remarque 2.1
Un système homogène admet au moins une solution, c’est la solution triviale
(0, 0, ..., 0) de Kn .

Exemple 2.1

 2x1 + 3x2 + −x3 + x4 = 4
−2x1 + x2 + 2x4 = −2
5x1 + x2 + x3 + 4x4 = 0

x1 , x2 , x3 , x4 sont les inconnues, (4, −2, 0) est le second membre

 2x1 + 3x2 + −x3 + x4 = 0
−2x1 + x2 + 2x4 = 0 est le système homogène
5x1 + x2 + x3 + 4x4 = 0

associé à ce système.

7/26
 La résolution des systèmes linéaires par la méthode de Gauss

Pour résoudre un système linéaire avec la méthode de Gauss on effectue

ce qu on appelle "des opérations élémentaires" (ou bien " les
transformations équivalentes" ou bien "les transformations de Gauss") sur
ce système pour se ramener à un système équivalent au système initial
qu’on peut résoudre facilement.

8/26
 La résolution des systèmes linéaires par la méthode de Gauss Opérations élémentaires

Définition 3.1
On dit que deux systèmes Σ1 et Σ2 sont équivalents si S(Σ1 ) = S(Σ2 ), et on
note Σ1 ⇔ Σ2 .

9/26
 La résolution des systèmes linéaires par la méthode de Gauss Opérations élémentaires

Proposition 3.1

Soit 

 a11 x1 + a12 x2 + ... a1n xn = b1 (L1 )
 a21 x1

+ a22 x2 + ... a2n xp = b2 (L2 )
Σ: .. .. .. ..


 . . . .
ap1 x1 + ap2 x2 + ... apn xn = bp (Lp )


un système linéaire à coefficients dans K , de p équations linéaires l1 , ..., lp , à n

0
inconnues x1 , x2 , ..., xn , avec p > 2 et n ∈ N∗ . Σ est équivalent au système Σ
dans les cas suivants :

10/26
 La résolution des systèmes linéaires par la méthode de Gauss Opérations élémentaires

Suite de proposition 3.1

0
1 Σ obtenu en échangeant li par lj , avec i, j ∈ {1, .., p}.
0
2 Σ formé par les équations l1 , l2 , ..., λli , ..., lp , avec λ ∈ K∗ et i ∈ {1, ..., p}.
0 0
X
3 Σ obtenu en remplaçant li par l’équation li = li − λj lj avec
16j6=i6p
(λ1 , .., λp ) ∈ Kp et i ∈ {1, .., p}.
0 0
X
4 Σ obtenu en remplaçant li par l’équation li = αli − λj lj avec
16j6=i6p
α ∈ K∗ et (λ1 , .., λp ) ∈ Kp et i ∈ {1, .., p}.

11/26
 La résolution des systèmes linéaires par la méthode de Gauss Opérations élémentaires

Preuve.
1 évident
2 Soit λ ∈ K∗ . Si (x1 , x2 , ..., xn ) est une solution de li alors il est solution aussi
0
de λli , donc S(Σ) ⊆ S(Σ ). Inversement, s’il est solution de λli alors il est
0
solution de λ1 λli qui est li , donc S(Σ ) ⊆ S(Σ), ce qui donne le résultat.
3 On trouve le résultat en appliquant le même raisonnement de (2).
4 Il suffit d’appliquer (2) et (3).

12/26
 La résolution des systèmes linéaires par la méthode de Gauss Systèmes échelonnés

Définition 3.2
Soit Σ le système linéaire suivant :


 a11 x1 + a12 x2 + ... + a1n xn = b1 (l1 )
 a21 x1 + a22 x2 + ... + a2n xn = b2

(l2 )
Σ: ..


 .
ap1 x1 + ap2 x2 + ... + apn xn = bp (lp )


Pour tout i ∈ {1, .., p} tel que les coefficients de li ne sont pas tous nuls, posons
li : aiji xji + ... + ain xn = bi avec aiji 6= 0, c’est à dire ji est l’indice du premier
coefficient non nul de l’équation li .
Σ est dit échelonné s’il existe un entier 1 ≤ r ≤ p tel que
1 Pour tout 1 ≤ i ≤ r, la suite j1 , .., jr est strictement croissante.
2 Si r < p, alors ai,j = 0 pour tout i ∈ {r, .., p} et tout j ∈ {1, ..n}

13/26
 La résolution des systèmes linéaires par la méthode de Gauss Systèmes échelonnés

Suite De la définition
1 Dans ce cas, pour tout 1 ≤ i ≤ r, ai,ji est appelé le pivot de Σ.
2 Les inconnues associées aux pivots sont appelés les inconnues principales
3 Les autres inconnues sont appelés les inconnues arbitraires.
4 Si, en plus, le premier coefficient non nul de chaque ligne ( le pivot) est égal
à 1 on dit que le système Σ est échelonné réduit.

14/26
 La résolution des systèmes linéaires par la méthode de Gauss Systèmes échelonnés

Exemple 3.1

Le système
 √

 x1 −x2 −5x3 +x4 +7x5 − 5x6 = −4
2x2 +x3 +3x4 −x6 = 2




x4 +8x5 +x6 = 3

Σ

 −3x6 = −5
0 = b




0 = c


est échelonné.

15/26
 La résolution des systèmes linéaires par la méthode de Gauss Systèmes échelonnés

Exemple 3.2
Le système
 √

 x1 −x2 −5x3 +x4 + 7x5 − 5x6 = 1
x2 +x3 +3x4 −x6 = √8




x4 8 + x5 +x6 = 7


0

Σ x5 −3x6 = 2
0 = b




0 = c




0 = d


est échelonné réduit.

16/26
 La résolution des systèmes linéaires par la méthode de Gauss Systèmes échelonnés

Théorème 3.1
Tout système linéaire est équivalent à un système échelonné

Preuve. Si tous les coefficients aij sont nuls il n y a rien à montrer.

Supposons qu’il existe au moins un coefficient non nul. Montrons par récurrence
sur p ( le nombre d’équations) qu’un système linéaire à n inconnues est équivalent
à un système linéaire échelonné.
Le résultat est vrai pour p = 1.
Supposons que le résultat est vrai pour p où p ∈ N∗ , et soit Σ un système linéaire
de p + 1 équations à n inconnues. Les équations dont tous les coefficients nuls,
c’est à dire les équations de la forme 0.x1 + ... + 0.xn = b, n’ont aucun intérêt
dans la démonstration, donc on peut supposer que pour tout i ∈ {1, ..., p + 1}
∃j ∈ {1, ..., n} tel que aij 6= 0.

17/26
 La résolution des systèmes linéaires par la méthode de Gauss Systèmes échelonnés

Suite de la preuve

On peut supposer que a1,1 6= 0 (sinon on permute la première ligne par une ligne
dont le premier coefficient est non nul, alors les deux systèmes seront équivalents).
0 0 0
Le système Σ est équivalent au système Σ 0 formé par les équations l1 , l2 , .., lp+1
0 0 0
avec l1 = l1 et, pour 2 6 i 6 p + 1, li = li − aa11i1
l1 . Alors, Σ a la forme suivante :


 a x
11 1 + a x
12 2 + ... + a x
1n n = b 1 (l
1 )0 
 0 0 0
a22 x2 + ... + a2n xn = b2 l2


0

Σ ..


 . 0 
 0 0 0
ap+1 2 x2 + ... + ap+1 n xn = bp+1 lp+1



18/26
 La résolution des systèmes linéaires par la méthode de Gauss Systèmes échelonnés

Suite de la preuve

 0 0 0
 0.x1 + a22 x2 + ... + a2n xn = b2
..
00

Le système : Σ .
 0 0 0
0.x1 + a(p+1)2 x2 + ... + a(p+1)n xn = bp+1

est un système linéaire de p équations à n inconnues donc, d’après l’hypothèse de
récurrence, il est équivalent à un système linéaire échelonné. Alors, puisque
0
a11 6= 0, le système Σ est équivalent à un système linéaire échelonné. Par suite,
Σ est équivalent à un système linéaire échelonné. Ce qui donne le résultat.

19/26
 La résolution des systèmes linéaires par la méthode de Gauss L’ensemble des solutions d’un système linéaire

Théorème 3.2
Soit Σ un système linéaire. Alors, il y a trois cas
1 Σ n’admet pas de solution et on dit qu ’il est incompatible,
2 Σ admet une infinité de solution,
3 Σ admet une solution unique.

20/26
 La résolution des systèmes linéaires par la méthode de Gauss L’ensemble des solutions d’un système linéaire

Preuve. Si tous les coefficients de Σ sont nuls alors S(Σ) = Kn . Sinon, on peut
supposer que Σ à la forme échelonnée suivante :


 a11 x1 +a12 x2 + ... + a1n xn = b1 (l1 )
a x + ... + a x = b (l2 )

2j j 2n n 2

 2 2

. . . . . . . . .




Σ arjr xjr +... +arn xn = br (lr )

 0 = b r+1 (lr+1 )
.. ..



. .




0 = bp (lp )


où les aiji , 1 6 i 6 r, sont les pivots.

F S’il existe i ∈ {r + 1, .., p} tel que bi 6= 0 alors le système est incompatible et
S(Σ) = ∅.

21/26
 La résolution des systèmes linéaires par la méthode de Gauss L’ensemble des solutions d’un système linéaire

Suite de la preuve

F Sinon, en calculant xjr en fonction de inconnues arbitraires xjr +1 , ..., xn et en

remplaçant cette valeur dans la ligne lr−1 on peut calculer xjr−1 en fonction de
inconnues arbitraires qui restent et , de même, en remplaçant cette valeur dans la
ligne lr−2 on peut calculer xjr−2 en fonction de valeurs arbitraires qui restent et
en répétant ce procédé r fois, on calcule les inconnues principales en fonction des
inconnues arbitraires
F Si r = n,, c’est à dire tous les inconnues sont principales, alors le système
admet une unique solution.
F Sinon il y a une infinité des solutions (en fonctions des inconnues
arbitraires).

22/26
 La résolution des systèmes linéaires par la méthode de Gauss L’ensemble des solutions d’un système linéaire

Exercice 3.1
Résoudre
 le système suivant :

 x + 2y − 3z = 4
x + 3y − z = 11

1) Σ1

 2x + 5y − 4t = 13
x + 4y + z = 18


23/26
 La résolution des systèmes linéaires par la méthode de Gauss L’ensemble des solutions d’un système linéaire



 x +2y −3z =4
x +3y −z = 11

Σ1 ⇔

 2x +5y −4t = 13
x +4y +z = 18



x +2y −3z =4
L2 → L2 − L1


y +2z =7

⇔ L3 → L3 − 2l1
y +6z −4t = 5
L4 → L4 − L1


2y+ 4z = 14




 x +2y −3z =4
L3 → L3 − L2 y +z =7

⇔
L4 → L4 − 2L2 
 4z −4t = −2
0 =0


Alors il y a une infinité de solution qu’on va calculer

24/26
 La résolution des systèmes linéaires par la méthode de Gauss L’ensemble des solutions d’un système linéaire

Suite de l’exercice

On utilisant les résultats précédents on a σ est équivalent à

 

 x = 4 − 2y + 3z 
 x = 7t − 27 2
y = 7 − 2z y = −2t + 8
 
⇔

 4z = −2 + 4t 
 z = t − 12
0 =0 0 =0
 

Donc
27 1
S = {(7t − , −2t + 8, t − , t) / t ∈ IR}
2 2

25/26
 La résolution des systèmes linéaires par la méthode de Gauss L’ensemble des solutions d’un système linéaire

Exemple 3.3

 x − 4y + z − t
 =1
x+y−z−t =2

2) Σ2

 x+y+z−t =0
x−y−z+t =2




 y+z =5
x+z =4

3) Σ3

 x + y + 2z =9
−x + y =1


26/26