Académique Documents
Professionnel Documents
Culture Documents
∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗∗
Définition 1.1. Soit A ∈ M np (K) une matrice ayant les colonnes C 1 , C 2 , . . . , C p . On appelle opérations
élémentaires sur les colonnes de A les trois opérations suivantes :
1. C i ← λC i avec λ 6= 0 : multiplier une colonne par un scalaire non nul λ.
2. C i ← C i + λC j avec λ ∈ K (et j 6= i) : ajouter à la colonne C i la colonne C j multipliée par λ.
3. C i ↔ C j : échanger ou permuter deux colonnes.
Définition 1.2. Soit A ∈ M np (K) une matrice ayant les lignes L 1 , L 2 , . . . , L n . On appelle opérations élé-
mentaires sur les la lignes de A les trois opérations suivantes :
1. L i ← λL i avec λ 6= 0 : multiplier une la ligne par un scalaire non nul λ.
2. L i ← L i + λL j avec λ ∈ K (et j 6= i) : ajouter à la ligne L i la ligne L j multipliée par λ.
3. L i ↔ L j : échanger ou permuter deux lignes.
www.laminelhoucine.blogspot.com page:1/ 16
PCSI 2 Systèmes linéaires
p
n X
X
A= (a i j ) ⇔ A= ai j Ei j
i =1 j =1
E i j .E kl = δ jk E il
½
1 si r = s
où δrs = est le symbole de Kronecker, et E il est de taille (n, q).
0 si non
Lorsque on multiplie une matrice A par une matrice de type E i j on obtient
0 ... a 1,i ... 0
.. ..
. a 2,i .
AE i, j = .
.. .. ..
. . .
0 ... a n,i ... 0
↑j
Définition 1.3. On appelle matrices élémentaires, les matrices carrée d’ordre n définies par
1. T i j (λ) = I n + λE i j obtenue à partir de I n par l’opération élémentaire L i ← Li + λL j
2. D i (α) = I n − E ii + αE ii obtenue à partir de I n par l’opération élémentaire L i ← λL i
3. P i j = I n − E ii − E j j + E i j + E ji obtenue à partir de I n par l’opération élémentaire L i ↔ L j
Où
i, j ∈ [[1, n]] tq i 6= j ; λ ∈ K et α ∈ K∗
www.laminelhoucine.blogspot.com page:2/ 16
PCSI 2 Systèmes linéaires
1
1 ..
.. .
. λ
1
T i j (λ) =
..
D i (α) =
α
.
..
1
.
..
1 .
| {z } 1
λ à la position ( i, j ) | {z }
α à la position ( i,i )
1
T i j (λ)−1 = T i j (−λ); D i (α)−1 = D i ( ); P i−j1 = P i j
α
Opération sur les lignes Produit matriciel Opération sur les colonnes Produit matriciel
L i ← λL i D i (λ)A C i ← λC i AD i (λ)
L i ← L i + λL j T i j (λ)A C j ← C j + λC i AT i j (λ)
Li ↔ L j Pi j A Ci ↔ C j AP i j
Remarque 1.2. dans le premier tableau les matrices élémentaires sont carrées d’ordre n tandis que dans
le deuxième sont carrées d’ordre p
www.laminelhoucine.blogspot.com page:3/ 16
PCSI 2 Systèmes linéaires
Preuve : On va montrer seulement le résultat relativeà L i ← L i + λL j , les autre se font de la même façon
0 ... ... 0
.. ..
. .
T i j (λ)A = (I p + λE i j )A = A + λ AE i j = A + a j,1 a j,2 ... a j,n ← ligne i = B
.. ..
. .
0 ... ... 0
où B est la matrice obtenue de A en ajoutant la j iemme ligne à la iemme et en lissant les autres intactes .
x1 x2 x3
2. L 1 ← L 1 − 7L 3
T1,3 (−7) × A = 0 1 0 × y1 y2 y3 = y1 y2 y3
0 0 1 z1 z2 z3 z1 z2 z3
3. L 2 ↔ L 3
1 0 0 x1 x2 x3 x1 x2 x3
P2,3 × A = 0 0 1 × y1 y2 y3 = z1 z2 z3
0 1 0 z1 z2 z3 y1 y2 y3
ImB = ImA
3. Si B est déduite de Apar une opération élémentaire sur les lignes alors
ker B = ker A
Preuve :
1. Découle du fait que B = E.A ou B = AE avec E une matrice élémentaire qui est inversible.
2. Déjà vue au paragraphe rang d’une matrice .
3. Dans ce cas B = E.A avec E une matrice élémentaire qui est inversible, par suite
www.laminelhoucine.blogspot.com page:4/ 16
PCSI 2 Systèmes linéaires
Exemple d’une matrice échelonnée (à gauche) et échelonnée réduite (à droite) ; les ∗ désignent des coeffi-
cients quelconques, les + des coefficients non nuls qu’on appelle pivots :
+ ∗ ∗ ∗ ∗ ∗ ∗ 1 ∗ 0 0 ∗ ∗ 0
0 0 + ∗ ∗ ∗ ∗ 0 0 1 0 ∗ ∗ 0
0 0 0 + ∗ ∗ ∗ 0 0 0 1 ∗ ∗ 0
0 0 0 0 0 0 + 0 0 0 0 0 0 1
0 0 0 0 0 0 0 0 0 0 0 0 0 0
0 0 0 0 0 0 0 0 0 0 0 0 0 0
Théorème 1.2. Étant donnée une matrice A ∈ M n,p (K), il existe une unique matrice échelonnée réduite
U obtenue à partir de A par des opérations élémentaires sur les lignes.
En d’autre termes Il existe une unique matrice échelonnée réduite U et une suite finie de matrices élé-
mentaires (E 1 , ..., E k ) dans M n (K) telle que
U = E k ....E 1 .A
Ce théorème permet donc de se ramener par des opérations élémentaires à des matrices dont la structure
est beaucoup plus simple : les matrices échelonnées réduites.
www.laminelhoucine.blogspot.com page:5/ 16
PCSI 2 Systèmes linéaires
Au terme de l’étape A.1, soit la matrice A a sa première colonne nulle (à gauche) ou bien on obtient une
matrice équivalente dont le premier coefficient a011 est non nul (à droite) :
0
a 11 a012 · · · a01 j · · · a01 p
0 a 12 · · · a 1 j · · · a 1 p
0
0 a
22 · · · a 2 j · · · a 2 p a 21 a022 · · · a02 j · · · a02 p
. .. .. .. ..
.. .. ..
.. . . . . . . .
= A ou 0 ∼ A.
0 0 0
0 a i2 · · · a i j · · · a i p a i1 a i2 · · · a i j · · · a i p
.. .. .. .. . .. .. ..
. . . . .
. . . .
0 a n2 · · · a n j · · · a np a0n1 a0n2 · · · a0n j · · · a0np
dont la première colonne est bien celle d’une matrice échelonnée. On va donc conserver cette première
colonne. Si a111 6= 0, on conserve aussi la première ligne, et l’on repart avec l’étape A.1 en l’appliquant cette
fois à la sous-matrice (n − 1) × (p − 1) (ci-dessous à gauche : on « oublie » la première ligne et la première
colonne de A) ; si a111 = 0, on repart avec l’étape A.1 en l’appliquant à la sous-matrice n × (p − 1) (à droite,
on « oublie » la première colonne) :
1
a 12 · · · a11 j · · · a11 p
1 1 1
a 22 · · · a 2 j · · · a 2 p 1
a 22 · · · a12 j · · · a12 p
. . .
.. .. ..
.. .. ..
1 1 1
. . .
a i2 · · · a i j · · · a i p
1 1 1
a · · · a · · · a
.. .. .. i2 ij ip
. . . .. .. ..
. . .
1 1 1
a n2 · · · a n j · · · a np
a1n2 · · · a1n j · · · a1np
www.laminelhoucine.blogspot.com page:6/ 16
PCSI 2 Systèmes linéaires
Au terme de cette deuxième itération de la boucle, on aura obtenu une matrice de la forme
1
a 11 a112 · · · a11 j · · · a11 p
et ainsi de suite.
Comme chaque itération de la boucle travaille sur une matrice qui a une colonne de moins que la précé-
dente, alors au bout d’au plus p − 1 itérations de la boucle, on aura obtenu une matrice échelonnée.
A = 0 2 4 6 .
−1 0 1 0
1 2 3 4
A ∼ 0 2 4 6 .
0 2 4 4
Deuxième itération de la boucle, étape A.1. Le choix du pivot est tout fait, on garde a222 = 2.
Deuxième itération de la boucle, étape A.2. On remplace la ligne 3 avec l’opération L 3 ← L 3 − L 2 . On obtient
1 2 3 4
A ∼ 0 2 4 6 .
0 0 0 −2
www.laminelhoucine.blogspot.com page:7/ 16
PCSI 2 Systèmes linéaires
1 1
Étape B.1, homothéties. On multiplie la ligne 2 par et la ligne 3 par − et l’on obtient
2 2
1 2 3 4
A ∼ 0 1 2 3 .
0 0 0 1
Étape B.2, première itération. On ne touche plus à la ligne 3 et on remplace la ligne 2 par L 2 ← L 2 − 3L 3
et L 1 ← L 1 − 4L 3 . On obtient
1 2 3 0
A ∼ 0 1 2 0 .
0 0 0 1
Étape B.2, deuxième itération. On ne touche plus à la ligne 2 et on remplace la ligne 1 par L 1 ← L 1 − 2L 2 .
On obtient
1 0 −1 0
A ∼ 0 1 2 0
0 0 0 1
qui est bien échelonnée et réduite.
Théorème 1.3. Soit A ∈ M n (K). La matrice A est inversible si et seulement si sa forme échelonnée réduite
est la matrice identité I n .
Preuve : Notons U la forme échelonnée réduite de A. Et notons E le produit de matrices élémentaires tel que E A = U.
⇐= Si U = I n alors E A = I n . Ainsi par définition, A est inversible et A −1 = E.
=⇒ Nous allons montrer que si U 6= I n , alors A n’est pas inversible.
— Supposons U 6= I n . Alors la dernière ligne de U est nulle (sinon il y aurait un pivot sur chaque ligne donc ce serait I n ).
— Cela entraîne que U n’est pas inversible : en effet, pour tout matrice carrée V , la dernière ligne de UV est nulle ; on
n’aura donc jamais UV = I n .
— Alors, A n’est pas inversible non plus : en effet, si A était inversible, on aurait U = E A et U serait inversible comme
produit de matrices inversibles (E est inversible car c’est un produit de matrices élémentaires qui sont inversibles).
a 1 x1 + · · · + a p x p = b, (1)
www.laminelhoucine.blogspot.com page:8/ 16
PCSI 2 Systèmes linéaires
• Un système de n équations linéaires à p inconnues (x1 , ..., x p ) est une liste de n équations linéaires
présentée sous la forme
a 11 x1 +a 12 x2 +a 13 x3 + ··· +a 1 p x p = b1 (← équation 1)
a 21 x1 +a 22 x2 +a 23 x3 +a 2 p x p b2 (← équation 2)
+ ··· =
.. .. .. .. ..
. . . . = .
S:
a i1 x1
+ a i 2 x2 +a i3 x3 + · · · +a i p x p = bi (← équation i)
.. .. .. .. .
= ..
. . . .
a n 1 x1 + a n 2 x2 + a n 3 x3 + · · · +a np x p = bn (← équation n)
Remarques 2.1. Il convient de bien observer comment on a rangé le système en lignes (une ligne par
équation) numérotées de 1 à n par l’indice i, et en colonnes : les termes correspondant à une même incon-
nue x j sont alignés verticalement les uns sous les autres. L’indice j varie de 1 à p. Il y a donc p colonnes à
gauche des signes d’égalité, plus une colonne supplémentaire à droite pour le second membre. La notation
avec double indice a i j correspond à ce rangement : le premier indice (ici i) est le numéro de ligne et le
second indice (ici j) est le numéro de colonne. Il est extrêmement important de toujours respecter cette
convention.
x1 = −18 , x2 = −6 , x3 = 1
donc S est compatible. Par contre , (7, 2, 0) ne satisfait que la première équation. Ce n’est donc pas une
solution du système.
Définition 2.1. On dit que deux systèmes linéaires sont équivalents s’ils ont le même ensemble de
solutions.
www.laminelhoucine.blogspot.com page:9/ 16
PCSI 2 Systèmes linéaires
À partir de là, le jeu pour résoudre un système linéaire donné consistera à le transformer en un système
équivalent dont la résolution sera plus simple que celle du système de départ. Nous verrons plus loin
comment procéder de façon systématique pour arriver à ce but.
• Soit
a 11 x1 +a 12 x2 +a 13 x3 +a 1 p x p = b 1
+ ··· (← équation 1)
a 21 x1 +a 22 x2 +a 23 x3 +a 2 p x p = b 2 (← équation 2)
+ ···
.. .. .. .. ..
. . . . = .
S:
a i 1 x1 + a i 2 x2 +a i3 x3
+ · · · +a i p x p = b i (← équation i)
.. .. .. .. ..
. . . . = .
a n 1 x1 + a n 2 x2 + a n 3 x3
+ · · · +a np x p = b n (← équation n)
b1 x1
.. ..
Posons A = (a i j ) 1≤i≤n ∈ M np (K) sa matrice , B = . son second membre et X = . L’inconnu
1≤ j≤ p
bn xp
• Réciproquement, si A ∈ M np (K) et B ∈ M n1 (K) alors la recherche des matrices X ∈ M p1 (K) qui vérifient
A X = B se traduit par un système linéaire de type S.
Soit
b1 x1
. .
— A = (a i j ) 1≤i≤n ∈ M np (K) B = .. X = ..
1≤ j≤ p
bn xp
— et Soit le système S : AX = B et SH : AX = 0 le système homogène associé .
— Notons :
— S l’ensemble des solutions de S
— S H l’ensemble des solutions de S H
Preuve :
1. X ∈ S H ⇔ AX = 0 ⇔ X ∈ ker A
2. Soit X 0 une solution donnée de S donc X 0 ∈ K p et A X 0 = B
X ∈S ⇔ AX = B
⇔ A X = A X0
⇔ A(X − X 0 ) = 0
⇔ X − X0 ∈ SH
⇔ X ∈ X0 + SH
www.laminelhoucine.blogspot.com page:10/ 16
PCSI 2 Systèmes linéaires
Exemple 2.2. Si un système linéaire homogène a une solution (x1 , . . . , x p ) 6= (0, . . . , 0), alors il admet une
infinité de solutions.
Définition 2.2. On dit qu’ un système A X = B est un système de CRAMER si la matrice A est carrée
inversible.
Dans ce cas le système admet une unique solution donnée par X = A −1 B
Le théorème suivant est déjà utilisé dans une partie précédente, il caractérise l’inversibilité d’une matrice
à l’aide des systèmes linéaires
b1 x1
. .
Théorème 2.1. Soit A ∈ M n (K) est une matrice carrée d’ordre n B = .. et X = .. .
bn xn
Alors il y a équivalence entre :
1. A inversible
0
..
2. Le système S H : A X = 0 admet . comme unique solution.
0
3. Le système S : A X = B admet une unique solution.
Preuve :
1 ⇔ 2 On sait qu’une conséquence tu théorème du rang on a :
1 ⇒ 3 Si A inversible alors
A X = B ⇔ X = A −1 B
Donc S admet une unique solution qui est A −1 B.
3 ⇒ 1 Supposons que S admet une unique solution X 0 .
Soit X ∈ ker A alors X + X 0 est aussi solution de S car : A(X + X 0 ) = |{z}
A X +A X0 = B
0
donc par unicité X 0 = X + X 0 ce qui donne X = 0 et montre que ker A = {0} et par conséquence que A est inversible.
www.laminelhoucine.blogspot.com page:11/ 16
PCSI 2 Systèmes linéaires
Remarque 3.1. Un système est échelonné si et seulement si sa matrice est échelonné par lignes
2x1 +3x2 +2x3 − x4 = 5
Exemple 3.1. — − x2 −2x3 = 4 est échelonné (mais pas réduit).
3x4 = 1
2x1 +3x2 +2x3 − x4 = 5
— −2x3 = 4 n’est pas échelonné (la dernière ligne commence avec la même
x3 + x4 = 1
variable que la ligne au-dessus).
Il se trouve que les systèmes linéaires sous une forme échelonnée réduite sont particulièrement simples à
résoudre.
Exemple 3.2. Le système linéaire suivant à 3 équations et 4 inconnues est échelonné et réduit.
x1 +2x3 = 25
x2 −2x3 = 16
x4 = 1
Nous allons utiliser trois opérations élémentaires sur les équations (c’est-à-dire sur les lignes) qui sont :
1. L i ← λL i avec λ 6= 0 : on peut multiplier une équation par un réel non nul.
2. L i ← L i + λL j avec λ ∈ R (et j 6= i) : on peut ajouter à l’équation L i un multiple d’une autre équation
L j.
3. L i ↔ L j : 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.
Exemple 3.3. Utilisons ces opérations élémentaires pour résoudre le système suivant.
x + y +7z = −1 (L 1 )
2x − y +5z = −5 (L 2 )
− x −3y −9z = −5 (L 3 )
www.laminelhoucine.blogspot.com page:12/ 16
PCSI 2 Systèmes linéaires
x + y +7z = −1
−3y −9z = −3 L 2 ←L 2 −2L 1
−x −3y −9z = −5
Puis L 3 ← L 3 + L 1 :
x + y +7z = −1
−3y −9z = −3
−2y −2z = −6 L 3 ←L 3 +L 1
On continue pour faire apparaître un coefficient 1 en tête de la deuxième ligne ; pour cela on divise la ligne
L 2 par −3 :
x + y +7z = −1
y +3z = 1 L 2 ← − 13 L 2
−2y −2z = −6
On continue ainsi
x + y +7z = −1 x + y +7z = −1
y +3z = 1 y +3z = 1
4z = −4 L 3 ←L 3 +2L 2 z = −1 L 3 ← 14 L 3
x + y +7z = −1 x +y = 6 L 1 ←L 1 −7L 3
y = 4 L 2 ←L 2 −3L 3 y = 4
z = −1 z = −1
La méthode utilisée pour cet exemple est reprise et généralisée dans le paragraphe suivant.
La méthode du pivot de Gauss permet de trouver les solutions de n’importe quel système linéaire. Nous
allons décrire cet algorithme sur un exemple. Il s’agit d’une description précise d’une suite d’opérations à
effectuer, qui dépendent de la situation et d’un ordre précis. Ce processus aboutit toujours (et en plus assez
rapidement) à un système échelonné puis réduit, qui conduit immédiatement aux solutions du système.
Partie A. Passage à une forme échelonnée.
Soit le système suivant à résoudre :
− x2 +2x3 +13x4 = 5
x −2x2 +3x3 +17x4 = 4
1
− x1 +3x2 −3x3 −20x4 = −1
www.laminelhoucine.blogspot.com page:13/ 16
PCSI 2 Systèmes linéaires
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 L 1 ↔ L 2 :
x1 −2x2 +3x3 +17x4 = 4 L 1 ↔L 2
− 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.
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 L 3 ← L 3 + L 1 :
x1 −2x2 +3x3 +17x4 = 4
− x2 +2x3 +13x4 = 5
x2 −3x4 = 3 L 3 ←L 3 +L 1
On change le signe de la seconde ligne (L 2 ← −L 2 ) pour faire apparaître 1 au coefficient du pivot (2, 2)
(deuxième ligne, deuxième colonne) :
x1 −2x2 +3x3 +17x4 = 4
x2 −2x3 −13x4 = −5 L 2 ← −L 2
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
x2 −2x3 −13x4 = −5
2x3 +10x4 = 8 L 3 ←L 3 −L 2
x1 −2x2 +3x3 +17x4 = 4
x2 −2x3 −13x4 = −5
x3 +5x4 = 4 L 3 ← 12 L 3
On fait apparaître des 0 sur la deuxième colonne (en utilisant le pivot de la deuxième ligne) :
x1 −4x4 = −2 L 1 ←L 1 +2L 2
x2 −3x4 = 3
x3 +5x4 = 4
www.laminelhoucine.blogspot.com page:14/ 16
PCSI 2 Systèmes linéaires
Partie C. Solutions. Le système est maintenant très simple à résoudre. En choisissant x4 comme variable
libre, on peut exprimer x1 , x2 , x3 en fonction de x4 :
x1 + x2 + 13x5 = 0
x3 + 20x5 = 0
x4 − 2x5 = 0.
3.4 Exercices
Le système admet donc des solutions si et seulement si (m − 1)/3 = −1, soit m = −2. Dans ce cas, il est équivalent à
½ x = 0
x = 1− y+ z
⇐⇒ y = y
z = −1 + y
z = −1 + y
www.laminelhoucine.blogspot.com page:15/ 16
PCSI 2 Systèmes linéaires
On distingue alors plusieurs cas. Si a ∉ {0, 1/2}, le système n’est pas compatible et n’admet donc pas de solutions. Si a = 0, le
système est équivalent à ½
x+ y+ z = 1
y+ z = 0
et donc l’ensemble des solutions est {(1, y, − y); y ∈ R}. Si a = 1/2, le système devient
½
x + y + z = 1/2
y+ z = 0
www.laminelhoucine.blogspot.com page:16/ 16