Calcul Matriciel

I Produit de matrices
 
2
Exemple 1 A = 1 2 3 ∈ M1,3 (R), B =  0 

3
Calculer AB , puisque de colonnes est égal à 3 qui est égal au nombre de lignes, donc on
peut calculer AB qui est une matrice dont le nombre de lignes est le nombre de lignes de A
et le nombre de colonnes le nombre de colonnes de B , donc AB = (a11 b11 + a12 b21 + a13 b31 ) =
(1 ∗ 2 + 2 ∗ 0 + 3 ∗ 3) = (2 + 9) = (11) ∈ M1,1 (R).
 
  1 1 1
1 2 3
A= ,B= 2 1 3 
1 −2 1
1 −2 1
Calculer AB , puisque de colonnes est égal à 3 qui est égal au nombre de lignes, donc on
peut calculer AB qui est une matrice dont le nombre de lignes est le nombre de lignes de A
et le nombre de colonnes le nombre
 de colonnes  de B ,
  1 1 1  
1 2 3  2 1 3  = c11 c12 c13 .
donc C = AB =
1 −2 1 c21 c22 c23
1 −2 1
pour calculer c11 , on xe la 1ère ligne de A et la 1ère colonne de B
et on aura c11 = a11 b11 + a12 b21 + a13 b31 = 1 ∗ 1 + 2 ∗ 2 + 3 ∗ 1 = 1 + 4 + 3 = 8.

pour calculer c12 , on xe la 1ère ligne de A et la 2ème colonne de B

et on aura c12 = a11 b12 + a12 b22 + a13 b32 = 1 ∗ 1 + 2 ∗ 1 + 3 ∗ (−2) = 1 + 2 − 6 = −3.

pour calculer c13 , on xe la 1ère ligne de A et la 3ème colonne de B

et on aura c13 = a11 b13 + a12 b23 + a13 b33 = 1 ∗ 1 + 2 ∗ 3 + 3 ∗ 1 = 1 + 6 + 3 = 10.

pour calculer c21 , on xe la 2ème ligne de A et la 1ère colonne de B

et on aura c21 = a21 b11 + a22 b21 + a23 b31 = 1 ∗ 1 + (−2) ∗ 2 + 1 ∗ 1 = 1 − 4 + 1 = −2.

pour calculer c22 , on xe la 2ème ligne de A et la 2ère colonne de B

et on aura c22 = a21 b12 + a22 b22 + a23 b32 = 1 ∗ 1 + (−2) ∗ 1 + 1 ∗ (−2) = 1 − 2 − 2 = −3.

pour calculer c23 , on xe la 2ème ligne de A et la 3ère colonne de B

1
et on aura c23 = a21 b13 + a22 b23 + a23 b33 = 1 ∗ 1 + (−2) ∗ 3 + 1 ∗ 1 = 1 − 6 + 1 = −4.
 
  1 1 1  
1 2 3 8 −3 10
C = AB =  2 1 3 = ∈ M2,3 (R).
1 −2 1 −2 −3 −4
1 −2 1

 
    0 1
0 2 3 6 1 0
Exercice1 : A = 1 −1 5
,B=
0 1 −2
, C =  2 1 .
−1 1
Calculer AB , BC , CB , AC et CA.

Transposée d'une matrice Soit A ∈ Mn,p (R), la transposée de A est la matrice à p

lignes et n colonnes dont les lignes sont les colonnes de A et les colonnes sont les lignes de
A, on la note par t A.
 
  1 1
1 2 3
Exemple 2 A = 1 −2 1
∈ M2,3 (R), donc t A =  2 −2  ∈ M3,2 (R)
3 1
 
    2 1
1 2 3 2 1 0
Exercice A = 1 −2 1
, B=
0 1 0
, C =  0 1 .
1 1
Déterminer les transposées de A, B et C .

Propriétés 1)t (A + B) =t A +t B , ∀ A, B ∈ Mn,p (R).

2)t (AB) =t B t A, ∀A ∈ Mn,p (R) , B ∈ Mp,q (R).
   
0 2 6 1
Exercice2 : 1.A = 1 −1
,B=
0 1
.
 
0 2 1  
2 0 1
2. A =  1 1 0  et B = .
−1 1 2
−1 −2 −1
 
1 2  
−1 1 0 1
3. A = 1 1 et B =
  .
2 1 0 0
0 3
Calculer AB et BA
 
−1 1 1
Exercice3 : Soit A =  1 −1 1 .
1 1 −1
1.Calculer A2 .

2.Montrer que A2 + A − 2I3 = 03 .

2
2.En déduire que A est inversible et donner son inverse.

Correction :
    
3 −1 −1 −1 1 1 −1 2 2
1.A2 = AA = A =  −1 3 −1   1 −1 1  =  2 −1 2 
−1 −1 3 1 1 −1 2 2 −1
     
3 −1 −1 −1 1 1 1 0 0
2. A2 + A − 2I3 =  −1 3 −1  +  1 −1 1  − 2  0 1 0  =
   −1 −1 3  1 1 −1  0 0 1
3 −1 −1 −1 1 1 2 0 0 0 0 0
 −1 3 −1  +  1 −1 1  −  0 2 0  =  0 0 0 .
−1 −1 3 1 1 −1 0 0 2 0 0 0
3.Puisque A2 + A − 2I3 = 03

⇒ A2 + A = 2I3

⇒ 12 (A2 + A) = I3

⇒ 21 A(A + I3 ) = I3 car AI3 = I3 A = A

⇒ A( 12 (A + I3 )) = I3 .
   
−1 1 1 1 0 0
D'où A est inversible d'inverse A−1 = 12 (A + I3 ) = 12 ( 1 −1 1  +  0 1 0 ) =
1 1 −1 0 0 1
0 12 21
   
0 1 1
1
2
1 0 1  =  12 0 12 .
1 1
1 1 0 2 2
0

0 1 −1
Exercice4 : Soit A =  −1 2 −1 .
1 −1 2
1.Calculer A2 .

2.Montrer que A2 − 3A + 2I3 = 03 .

2.En déduire que A est inversible et donner son inverse.

 
1 0 2
Exercice5 : Soit A =  0 −1 1 .
1 −2 0
1.Calculer A2 et A3 .

3
2.Montrer que A3 − A − 4I3 = 03 .

2.En déduire que A est inversible et donner son inverse.

II Déterminant d'une matrice carrée

Dénition II.1 À toute A ∈ Mn (R) on associe un unique réel ce réel est appelé déterminant
de A et noté det(A).

Donc le détermiant est une application dénie par :

det : Mn (R) → R

A 7−→ det(A)

II.1 Exemples Particuliers

1)pour n = 1, A = (a11 ) ∈ M1 (R), alors det(A) = a11 .

 
a11 a12
2)pour n = 2, soit A = ∈ M2 (R).
a21 a22
 
 a a
alors det(A) =  11 12  = a11 a22 − a12 a21 .

a21 a22 

 
2 1
Exemple 3 1)A = 0 1
.

det(A) = 2 ∗ 1 − 0 ∗ 1 = 2.
   
3 2 −1 1
2)B = ,C= .
−1 1 2 −3
Calculer det(B) et det(C).

II.2 Cas général

Calcul du déterminant
 
a11 a12 ... a1n
 a21 a22 ... a2n 
Soit A = 
 ... ...
 ∈ Mn (R).
... ... 
an1 an2 ... ann

4
On note Aij la matrice extraite de A en supprimant la ième ligne et la j ème colonne de
A, ∆ij = det(Aij ) et cij = (−1)i+j ∆ij .

Le coecient ∆ij est appelée mineur de aij le coecient cij est appelée cofacteur de aij .

aij cij , pour tout 1 ≤ i ≤ n.

Pn
det(A) = j=1

aij cij , pour tout 1 ≤ j ≤ n.

Pn
det(A) = i=1

 
2 1 0
Exemple 4 A =  0 1 0 .
2 1 −1
On note A21 lamatrice 
extraite de A en supprimant la 1ère ligne et la 2ème colonne de
1 0
A, alors A21 = .
1 −1
On note A33la matrice
 extraite de A en supprimant la 3ème ligne et la 3ème colonne de A,
2 1
alors A33 = .
0 1

 
a11 a12 a13
Soit A =  a21 a22 a23 .
a21 a22 a33
On note A11 lamatrice extraite
 de A en supprimant la 1ère ligne et la 1ère colonne de
a22 a23
A, donc A11 = , ∆11 = det(A11 ) et C11 = (−1)1+1 ∆11 = ∆11 .
a32 a33
On note A12 lamatrice extraite
 de A en supprimant la 1ère ligne et la 2ème colonne de
a21 a23
A, donc A12 = , ∆12 = det(A12 ) et C12 = (−1)1+2 ∆12 = −∆12 .
a31 a33
On note A13 lamatrice extraite
 de A en supprimant la 1ère ligne et la 3ème colonne de
a21 a22
A, donc A13 = , ∆13 = det(A13 ) et C13 = (−1)1+3 ∆13 = ∆13 .
a31 a32

 
2 1 0
Exemple 5 A =  0 1 0 .
2 1 −1
det(A) = a11 C11 + a12 C11 + a13 C13 = a11 ∆11 − a12 ∆11 + a13 ∆13 .
 
1 0
∆11 = det(A11 ), avec A11 = , donc ∆11 = det(A11 ) = 1 ∗ (−1) − 0 ∗ 1 = −1.
1 −1

5
  
0 0
∆12 = det(A12 ), avec A12 = , donc ∆12 = det(A12 ) = 0 ∗ (−1) − 0 ∗ 2 = 0.
2 −1
 
0 1
∆13 = det(A13 ), avec A13 = , donc ∆13 = det(A13 ) = 0 ∗ (1) − 1 ∗ 2 = −2.
2 1
En calculant le déterminant suivant la 1ère ligne :

a1j ∆1j = a11 C11 + a12 C11 + a13 C13 = 2 ∗ (−1) − 1 ∗ 0 + 0 ∗ (−2) = −2.
P3
det(A) = j=1

 
2 1 3
A= 2 0 1 
3 1 −1
En calculant le déterminant suivant la 3ème colonne, on trouve :
 
 (+)2 (−)1 (+)3       
 = 3 2 0 −1  2 1 +2  2 1
       
det(A) =  (−)2 (+)0 (−)1  = 3 ∗ 2 + 1 + 2 ∗ (−2) = 3
  3 1   3 1   2 0 
 (+)3 (−)1 (+)2 
   
2 2 −1 5 1 2
Exercice 6 B = 0 1 1
 , C =  3 1 0 .
2 1 −3 2 1 −2
Calculer det(B) et det(C).

Théorème II.2 A ∈ Mn (R) est inversible si et seulement si det(A) 6= 0

   
1 0 −1 0 1 2
Exercice 7 A =  0 1 1 , B =  0 1 0 .
2 5 −3 2 1 −2
 
0 1 2 0
 0 1 0 2 
C= .
 2 1 −2 1 
1 1 0 1
1)Calculer det(A) et det(B) et det(C).

2)A, B et C sont elles inversibles.

Comatrice
Si A ∈ Mn (R) est inversible, alors A−1 = 1 t
det(A)
com(A) .

com(A) = (cij )1≤i,j≤n ∈ Mn (R).

6
com(A) est appelée comatrice de A.
 
  1 1 2
Exemple 6 A = 10 02 , B =  0 1 0 .
0 1 −2
Montrer que A et B sont inversibles et calculer leurs inverses.

III Système Linéaire


 a1,1 x + a1,2 y + a1,3 z = b1
(S) : a2,1 x + a2,2 y + a2,3 z = b2
a3,1 x + a3,2 y + a3,3 z = b3

      
a1,1 x + a1,2 y + a1,3 z a1,1 a1,2 a1,3 x b1
Alors  a2,1 x + a2,2 y + a2,3 z  =  a2,1 a2,2 a2,3   y  =  b2 
a3,1 x + a3,2 y + a3,3 z a3,1 a3,2 a3,3 z b3
(S) ⇐⇒ AX = B (l'écriture matricielle du système (S)).
   
a1,1 a1,2 a1,3 x
avec A =  a2,1 a2,2 a2,3  ∈ M3 (R) : la matrice du système, X =  y  : le vec-
a3,1 a3,2 a3,3  z
b1
teur des inconnus, B = b2  : le vecteur des constantes.

b3
Si A est inversible, alors (S) a une unique solution X = A−1 B .

Exemple 7 On considère le système linéaire suivant :


 x+y+z =1
(S) : 2x + z = 2
2x + y − z = 3

    
1 1 1 x 1
(S) ⇐⇒  2 0 1   y  =  2  (l'écriture matricielle du système (S)), la ma-
2 1 −1 z
 3 
1 1 1
trice du système (S) est A = 2 0 1 , det(A) = 5 6= 0, donc A est inversible et (S) a

2 1 −1  1 2 1
     6 
x −5 5 5
1 5
une unique solution X = y   =A B=−1  4
5
− 3
5
1 
5
2  =  1 , donc
5
2 1 2 2
z 5 5
− 5
3 − 5

7
x = 65 , y = 1
5
et z = − 25 .

D'où SR3 = {( 65 , 15 , − 52 )}.

Méthode de Cramer
 



1 1 1 





2 0 1 



3 1 −1 
= 56 .
 
x= det(A)
 



1 1 1 





2 2 1 



2 3 −1 
= 15 .
 
y= det(A)
 



1 1 1 





2 0 2 



2 1 3 
= − 25 .
 
z= det(A)

Exercice8 :
On considère le système linéaire suivant :


 −x + y + z = 1
(S) : x−y+z =2
x+y−z =3


1)Ecrire (S) sous forme matricielle on note A la matrice du système (S).

2)Calculer det(A).

3)Montrer que (S) a une unique solution.

3)Résoudre (S) par deux méthodes.

 
−1 1 1
Exercice9 : Soit A =  1 −1 1 .
1 1 −1
1.Calculer A2 .

2.Montrer que A2 + A − 2I3 = 03 .

2.En déduire que A est inversible et donner son inverse.

8
3.On considère le système linéaire suivant :


 −x + y + z = 1
(S) : x−y+z =2
x+y−z =3


a.Ecrire le système (S) sous forme matricielle.

b.Résoudre (S).

IV Rang d'une Matrice

IV.1 Matrice échelonnée en lignes

Soit B ∈ Mn,p (R), B est dite échelonnée en lignes si :

1.Chaque ligne non nulle de B qui commence avec des 0 successifs a plus de 0 que la ligne
précédente.

2.Les lignes nulles viennent en bas.

le premier coecient non nul de chaque ligne non nulle de B est appelé pivot de B .

Dénition IV.1 Si B est échelonnée en lignes, alors le rang de B est égal au nombre de
lignes non nulles de B qui est égal au nombre de pivots de B on le rg(B).

 
−2 1 1
Exemple 8 A =  0 −2 1 , A est échelonnée les pivots de A sont a11 = −2,
0 0 1
a22 = −2 et a33 = 1 et rg(A) = 3.

Exercice 10 : Les matrices suivantes sont elles échelonnées :

   
 0 1 1 0 −2 1 1
−2 1 1 0  0  0 −2 1
0 1 2 
A =  0 −2 1 2 , B =  , C = 


 0 0 0 0   0 3 3 
0 0 1 −1
0 0 0 0 0 0 0

9
IV.2 Opérations élémentaires sur les lignes d'une matrice

1.Li ←− αLi , avec α ∈ R et α 6= 0.

   
0 1 1 0 0 1
Exemple 9 C =  3 1 −1 , L2 ←− 2L2  6 2 −2 
1 1 0 1 1 0

2.Li ←→ Lj , avec i 6= j .
 
0 1 1
 1 0 1 
Exemple 10 A= 1 1

0 
2 2 0
 
1 0 1
 0 1 1 
L1 ←→ L2  
 1 1 0 
2 2 0

3.Li ←− αLi + βLj , avec α, β ∈ R et i 6= j .

 
5 2 1
 3 −1 1 
Exemple 11 B =  1 1 0 


2 2 0
 
5 0 1
 0 −11 2 
L2 ←− 5L2 − 3L1 
 1 1 0 


2 2 0

Remarque IV.2 Toute matrice peut être transformée en une matrice échelonnée en lignes
en utilisant les opérations élémentaires sur les lignes de la matrice.

Dénition IV.3 Soit A ∈ Mn,p (R), alors le rang de A est égal au nombre de lignes non
nulles de sa matrice échelonnée en lignes.

Théorème IV.4 1.Soit A ∈ Mn,p (R), alors rg(A) ≤ min(p, q).

10
2.Soit A ∈ Mn (R), alors A est inversible si et seulement si rg(A) = n.

 
1 1 0
Exemple 12 A =  1 4 3 
2 3 −3
L2 ←− L2 − L1  
1 1 0
L3 ←− L3 − 2L1  0 3 3 
0 1 −3
 
1 1 0
L3 ←− 3L3 − L2  0 3 3 
0 0 −12
alors rg(A) = 3, d'où A est inversible.

Exercice11 :
On dénit deux matrices A et B de tels que :


  2 2 3
  2 1 1  1 −2 1 
1 2 3
A= et B =  3 1 −1 , C =  
1 −2 1  4 1 1 
2 2 3
3 0 1
1)Déterminer le rang de A et C .

2)Déterminer le rang de B .Que peut on dire de B .

IV.3 Calcul de l'inverse d'une matrice par le pivot de Gauss

 
2 −4 4
Exemple 13 A= 2 0 1 
4 1 1
L2 ←− L2 − L1  
2 −4 4
L3 ←− L3 − 2L1  0 4 −3 
0 9 −7
 
2 −4 4
L3 ←− 4L3 − 9L2  0 4 −3 
0 0 −1
Donc rg(A) = 3, d'où A est inversible.

11
  
2 −4 4 1 0 0
 2 0 1  0 1 0 
4 1 1 0 0 1
L2 ←− L2 − L1   
2 −4 4 1 0 0
L3 ←− L3 − 2L1  0 4 −3   −1 1 0 
0 9 −7 −2 0 1
  
2 −4 4 1 0 0
L3 ←− 4L3 − 9L2  0 4 −3   −1 1 0 
0 0 −1 1 −9 4
  
2 −4 4 1 0 0
L3 ←− −L3  0 4 −3   −1 1 0 
0 0 1 −1 9 −4
L2 ←− L2 + 3L3   
2 −4 0 5 −6 16
L3 ←− L1 − 4L3  0 4 0   −4 28 −12 
0 0 1 −1 9 −4
  
2 −4 0 5 −6 16
L2 ←− 41 L2  0 1 0   −1 7 −3 
0 0 1 −1 9 −4
  
2 0 0 1 −8 4
L1 ←− L1 + 4L2  0 1 0   −1 7 −3 
0 0 1 −1 9 −4
  1 
1 0 0 2
−4 2
L1 ←− 12 L1  0 1 0   −1 7 −3 
0 0 1 −1 9 −4
 1 
2
−4 2
D'où A−1 =  −1 7 −3 
−1 9 −4
 
1 1 2
Exercice 12 : Soit A =  1 2 1 
2 1 1
1)Montrer que A est inversible.

2)Calculer l'inverse de A par la méthode du pivot de Gauss.

IV.4 Système linéaire

Soit (S) le système linéaire à n équations et p inconnus tel que :



 a1,1 x1 + a1,2 x2 + ... + a1,p xp = b1
a2,1 x1 + a2,2 x2 + ... + a2,p x2 = b2

(S) :

 ......................................................
an,1 x1 + an,2 xp + ... + an,p xp = bn


12
       
a1,1 x1 + a1,2 x2 + ... + a1,p xp a1,1 a1,2 ... a1,p x1 b1
 a2,1 x1 + a2,2 x2 + ... + a2,p x2   a2,1 a2,2 ... a2,p   x2   b2 
Alors  =  = 
 ...   ... ... ... ...   ...   ... 
an,1 x1 + an,2 xp + ... + an,p xp an,1 an,2 ... an,p xp bn
(S) ⇐⇒ AX = B (l'écriture matricielle du système (S)).
 
a1,1 a1,2 ... a1,p
 a2,1 a2,2 ... a2,p 
avec A =  ...
 ∈ Mn,p (R) : la matrice du système.
... ... ... 
a a ... an,p
  n,1 n,2
x1
 x2 
X=  ...  : le vecteur des inconnus.


x
 p
b1
 b2 
B=  ...  : le vecteur des constantes.


bn

IV.5 Système échelonné

(S) est un système échelonné si chaque ligne non nulle de (S) qui commence avec des 0
successifs a plus de 0 que la ligne précédente.

Exemple 14 On considère le système linéaire suivant :


 −x + y + z = 1
(S) : 2y + z = 2
z=3


(S) est un système échelonné, d'où SR3 = {( 32 , − 21 , 3)}.

Exercice Résoudre le système linéaire suivant :


 x+y+z =1
(S) : x + 2y − z = 3
2x + 2y + z = 2


 x+y+z =1
⇐⇒ L2 ←− L2 − L1 , L3 ←− L3 − 2L1 y − 2z = 2
0=0


13
Donc y = 2 + 2z , x = 1 − z − y = 1 − z − 2 − 2z = 1 − 3z .

d'où SR3 = {(1 − 3z, 2 + 2z, z); z ∈ R}.

(S) a une innité de solutions.

IV.6 Matrice augmentée

Soit (S) le système linéaire à n équations et p inconnus tel que :



 a1,1 x1 + a1,2 x2 + ... + a1,p xp = b1
a2,1 x1 + a2,2 x2 + ... + a2,p x2 = b2

(S) :

 ......................................................
an,1 x1 + an,2 xp + ... + an,p xp = bn


      
a1,1 x1 + a1,2 x2 + ... + a1,p xp a1,1 a1,2 ... a1,p x1 b1
 a2,1 x1 + a2,2 x2 + ... + a2,p x2   a2,1 a2,2 ... a2,p   x2   b2 
Alors 
 
= = 
 ...   ... ... ... ...   ...   ... 
an,1 x1 + an,2 xp + ... + an,p xp an,1 an,2 ... an,p xp bn
(S) ⇐⇒ AX = B (l'écriture matricielle du système (S)).
 
a1,1 a1,2 ... a1,p
 a2,1 a2,2 ... a2,p 
avec A =  ...
 ∈ Mn,p (R) : la matrice du système.
... ... ... 
a a ... an,p
  n,1 n,2
x1
 x2 
X=  ...  : le vecteur des inconnus.


x
 p
b1
 b2 
B=  ...  : le vecteur des constantes.


bn
On dénit une nouvelle matrice à n lignes et p + 1 colonnes appele A augmentée B et
noté [A|B]
Exemple 15 On considère le système linéaire suivant :


 −x + y + z = 1
(S) : 2y + z = 2
z=3

   
−1 1 1 1
A=  0 2 2 ,B=
  2 .
0 0 1 3

14
  
−1 1 1 1
[A|B] =  0 2 2 2 
0 0 1 3
Exercice 
 x+y+z =1
(S) : x + 2y − z = 3
2x + 2y + 2z = 2

 
1 1 1 1
[A|B] =  1 2 −1 3 
2 2 1 2
L2 ←− L2 − L1  
1 1 1 1
L3 ←− L3 − 2L1  0 1 −2 2 
0 0 0 0

 x+y+z =1
(S) ⇐⇒ y − 2z = 2
0=0

Donc y = 2 + 2z , x = 1 − z − y = 1 − z − 2 − 2z = 1 − 3z .

d'où SR3 = {(1 − 3z, 2 + 2z, z); z ∈ R}.

(S) a une innité de solutions.

Exercice 
 x+y+z =1
(S) : x + 2y − z = 3
2x + 2y + 2z = 3

 
1 1 1 1
[A|B] =  1 2 −1 3 
2 2 2 2
L2 ←− L2 − L1  
1 1 1 1
L3 ←− L3 − 2L1  0 1 −2 2 
0 0 0 0
rg([A|B]) = rg(A) = 2, donc A n'est pas inversible.

 x+y+z =1
(S) ⇐⇒ y − 2z = 2
0=0


Donc y = 2 + 2z , x = 1 − z − y = 1 − z − 2 − 2z = 1 − 3z .

d'où SR3 = {(1 − 3z, 2 + 2z, z); z ∈ R}.

15
(S) a une innité de solutions.

Exercice 
 x+y+z =1
(S) : x + 2y − z = 3
2x + 2y + z = 3

 
1 1 1 1
[A|B] =  1 2 −1 3 
2 2 2 3
L2 ←− L2 − L1  
1 1 1 1
L3 ←− L3 − 2L1  0 1 −2 2 
0 0 0 1
rg([A|B]) = 3 et rg(A) = 2.

 x+y+z =1
(S) y − 2z = 2
0=1


Donc SR3 = ∅.

Remarque IV.5 On remarque que si rg([A|B]) = rg(A), alors (S) a au moins une solu-
tion, si rg([A|B]) 6= rg(A), alors (S) n'a pas de solutions.

Exercice 13 Résoudre les systèmes linéaires suivants :


 −x + y + z + t = 5
(S) : x − 2y + 3z + 17t = 4
−x + 3y − 3z − 20t = −1




 x + 2y − 3z = 4
x + 3y − z = 11

(S) :

 2x + 5y − 5z = 13
x + 4y + z = 18


Exercice 14 Discuter suivant la valeur du paramètre m les solutions du système :


 3x + y − z = 1
(S) : x − 2y + 2z = m
x+y−z =1


16