U.S.T.H.

B Coordination SM-ST du module

Faculté des Mathématiques Les Systèmes MATH II
1ère année Licence Linéaires Année universitaire 2019-2020
SM et ST

1 Dénitions et généralités
1.1 Équation linéaire
Dénition 1. Une équation est linéaire par rapport aux inconnues x , x , · · · , x si elle s'écrit sous la
forme
1 2 m

a x + a x + · · · + a x = b,
où a , · · · , a sont des coecients réels et b une constante réelle.
1 1 2 2 m m

On peut avoir des coecients complexes aussi.

1 m
Remarque

1.2 Système Linéaire

Dénition 2. Un ou tout simplement est
un ensemble de n équations linéaires à m inconnues qui s'écrit comme suit
système linéaire d'équations linéaires système linéaire



 a11 x1 + a12 x2 + · · · + a1m xm = b1

.. .. .. ..
 a21 x1 + a22 x2 + · · · + a2m xm = b2

(S)



 a x + a x + ··· + a x
n1 1 n2 2 nm m = bn

où a , b ∈ R pour tout i ∈ {1, 2, . . . , n}, j ∈ {1, 2, . . . , m}.

 Les a pour i ∈ {1, 2, . . . , n} et j ∈ {1, 2, . . . , m} sont les coecients du système .
ij j

ij

 Les b pour i ∈ {1, 2, . . . , n} consituent le second membre du système .

i

 Les x pour tout j ∈ {1, 2, . . . , m} sont des inconnues .

j

Exemple 1.  
x1 + x2 = −1 x1 + x 2 + x3 = 1
(S1 ) , (S2 )
x1 − x2 = 3 x1 − x2 + x3 = 1
Le système (S ) est un système linéaire de deux équations à deux inconnues et (S ) est un système linéaire
de deux équations à trois inconnues.
1 2

1.3 Solution d'un système linéaire

Dénition 3. Un m-uplet (α , α , . . . , α ) du système linéaire (S) si les équations sont
vériées lorsqu'on remplace x par α pour tout j ∈ {1, 2, . . . , m}. du système
1 2 m est solution

est l'ensemble de tous ces m-uplets.

j j L'ensemble des solutions

Exemple 2. (a , a ) = (1, −2) est solution du système (S ).

De même (1, 0, 0), (0, 0, 1) et (3, 0, −2) sont solutions du système (S ).
1 2 1
2

1.4 Système homogène

Dénition 4. Si b 1 = b2 = · · · = bn = 0

, le système linéaire (S) est dit homogène de la forme

 a11 x1 + a12 x2 + · · · + a1m xm = 0

.. .. .. ..
 a21 x1 + a22 x2 + · · ·

+ a2m xm = 0
(S0 )



 a x + a x + ···
n1 1 n2 2 + anm xm = 0

1
1.5 Diérents types de systèmes linéaires
Le résultat suivant énonce les diérents types de systèmes linéaires.
Théorème 1. Un système linéaire peut avoir
I aucune solution, on dit qu'il ou
incompatible, impossible .
incohérent

I une seule solution ou une innité de solutions, on dit que le système est ou
.
compatible, possible
cohérent

 x − x = 1 (1)
Exemple 3. 1. Le système (S ) x − x = 1 (2) est incompatible
1 2
1 2 3
x − x = 1 (3)
car on a : (1) + (2) + (3) donne 0 = 3, ce qui est impossible. Donc l'ensemble des solutions S = ∅.

3 1
1

2. Le système (S ) 2x est cohérent car il admet une innité de solutions


x +x =1
1 2
2

(x , x ) = (1 − α, α) où α ∈ R. Donc l'ensemble des solutions est S = {(1 − α, α), α ∈ R}.

+ 2x = 2
1 2
1 2 2

1.6 Systèmes équivalents

Dénition 5. Deux systèmes linéaires sont équivalents si et seulement si ils ont le même ensemble de
solutions.
2 Écriture matricielle d'un système linéaire
2.1 Dénition
Soit (S) un système linéaire de n équations à m inconnues


 a11 x1 + a12 x2 + · · · + a1m xm = b1
 a21 x1 + a22 x2 + · · · + a2m xm = b2

(S) .. .. .. ..


 . . . .
 a x + a x + ··· + a x
n1 1 n2 2 nm m = bn

Le système (S) peut s'écrire sous la forme : A · X = b, où A est une matrice à n lignes et m colonnes
formée par les coecients du système, X est le vecteur inconnu et b est le vecteur second membre,
     
a11 a12 . . . a1m x1 b1
 a21 a22 . . . a2m   x2   b2 
A =  .. .. .. , X =  ..  et b =  ..  .
     
 . . .   .   . 
an1 an2 . . . anm xm bn

Considèrons le système linéaire suivant :

 x + y - 2z = 5


(S) : x - y - z = 1

3x + z = 3
L'écriture matricielle du système (S) est
          
1 1 −2 x 5 1 1 −2 x 5
 1 −1 −1   y  =  1  , avec A = 1 −1 −1 , X = y
    et b = 1  .

3 0 1 z 3 3 0 1 z 3

2
2.2 Matrice augmentée d'un système linéaire
Dénition 6. Soit le système linéaire AX = b (S) . La matrice obtenue en ajoutant à A la colonne b (le
second membre du système) est dite matrice augmentée du système linéaire (S) et est donnée par
 
a11 a12 . . . a1m b1

.. .. .. ..
 a21 a22 . . . a2m b2 
(A | b) =  .
 
 
an1 an2 . . . anm bn

En utilisant des opérations élémentaires sur les lignes de la matrice augmentée du système linéaire (S), on
obtient le résultat suivant
Proposition 1. Toute matrice équivalente à la matrice augmentée d'un système linéaire, est la matrice
augmentée d'un système linéaire équivalent.
Autrement dit si (A | b) ∼ (A | b ), alors AX = b ⇐⇒ A X = b .
0 0 0 0

3 Méthodes de résolution d'un système linéaire à matrice carrée

On considère un système linéaire de n équations à n inconnues donné par sa forme matricielle suivante
     
a11 a12 . . . a1n x1 b1
 a21 a22 . . . a2n   x2   b2 
(S) : AX = b =⇒  .. .
. .
. · ..  = ..  .
     
 . . .   .   . 
an1 an2 . . . ann xn bn

3.1 Méthode 1 : Méthode de Cramer

Dénition 7.
Le système linéaire (S) est dit si et seulement si det(A) 6= 0.
(Système de Cramer)
système de Cramer

Théorème 2. (Solution d'un système linéaire de Cramer)

Un système linéaire de Cramer admet toujours une unique solution.

On donne maintenant comment calculer la solution d'un système linéaire de Cramer.
Théorème 3 (Formules de Cramer). Soit (S) un système linéaire de Cramer.
L'unique solution X = (x , x , . . . , x ) ou tout simplement le n-uplet (x , x , . . . , x ) est donnée par
t
1 2 n 1 2 n

det(Aj )
xj = , ∀ j ∈ {1, 2, . . . , n} ,
det(A)

où
... a b a ... a
a11 a12
... ... a. .
1j−1 1 1j+1 1n

det(A ) =
... .
j . a21a
. a22
. . . .
b a
. 2j−1

.
2 2j+1 2n

a a ... a b a ... a
n1 n2 nj−1 n nj+1 nn

La matrice A est obtenue en substituant le second membre b à la j-ème colonne de la matrice A.

j

Exemple 4. 1. Considérons le système linéaire suivant


 x + y − 2z = 5
(S1 ) x − y − z = 1
3x + z = 3


3
   
1 1 −2 5
La matrice du système (S ) est
1 A =  1 −1 −1  , le second membre est b= 1  .
3 0 1 3
Le déterminant de la matrice A est
1 1 −2
det(A) = 1 −1 −1 = −11 6= 0.
3 0 1

Donc le système (S ) est un système de Cramer. Sa solution est donnée par X = (x, y, z), avec
1
t

5 1 −2 1 5 −2 1 1 5
1 −1 −1 1 1 −1 1 −1 1
3 0 1 15 3 3 1 16 3 0 3 12
x= = , y= = , z= =− .
−11 11 −11 11 −11 11

L'ensemble des solutions est S = {( 1511 , 1611 , − 1211 )}.

2. Considérons le deuxième système écrit sous forme matricielle
    
1 −1 2 x 2
(S2 ) :  2 1 0   y  =  −1 
3 2 0 z 1

On a 
1 −1 2


A =  2 1 0  =⇒ det(A) = 2 6= 0.
3 2 0
Donc le système (S ) est un système de Cramer, il admet une unique solution donnée par
X = (x, y, z), avec
2
t

2 −1 2 1 2 2 1 −1 2
1 1 1
x= −1 1 0 = −3, y= 2 −1 0 = 5, z= 2 1 −1 = 5.
2 2 2
1 2 0 3 1 0 3 2 1

L'ensemble des solutions est S 2 = {(−3, 5, 5)} .

3.2 Cas d'un système linéaire homogène
Pour les systèmes linéaires homogènes on a le résultat suivant
Proposition 2. Soit le système AX = 0. Alors, ona
1. Si det(A) 6= 0, le système admet une unique solution nulle ((0, 0, 0)).
2. Si det(A) = 0, le système admet une innité de solutions.
3.3 Cas d'un système linéaire à déterminant nul
Dans le cas d'un système linéaire AX = b où det(A) = 0, on a soit une innité de solutions, soit aucune
solution. La proposition suivante illustre ce résultat.
Proposition 3. Soit AX = b un système linéaire sous sa forme matricielle avec det(A) = 0. Alors, on a
. Si det(A) = 0 et au moins un des det(A ) 6= 0, le système est impossible.
. Si det(A) = 0 et si det(A ) = 0, ∀j ∈ {, 2, · · · , n}, le système peut avoir une innité de solutions
j

ou aucune solution.
j

4
Exemple 5. 1. Soit le système
    
 2x + y − z = −4 2 1 −1 −4
(S1 ) x − y + 3z = 3 , A =  1 −1 3  , b =  3 .
x + 2y − 4z = 1 1 2 −4 1


2 1 −1 −4 1 −2
On a det(A) = 1 −1 3 = 0 et det(A ) = 3 −1 −1 1 .
= 16 6= 0
1 2 −4
Le système (S ) est impossible. L'ensemble des solutions S = ∅.
1 0 1

2. Soit le système linéaire suivant

1 1

  
 x + y + z = 2 1 1 1
(S2 ) 2x + y + 2z = 6 , A= 2 1 1 
x + 2y + z = 0 1 2 1


On a det(A) = 0 et les déterminants det(A ) = 0, det(A ) = 0 et det(A ) = 0.

Le système (S )admet une innité de solutions, en combinant entre les trois équations,
1 2 3
2
4−α
on trouve X = −2  , avec α ∈ R.


L'ensemble des solutions est S = {(4 − α, −2, α), α ∈ R}.

α
2

Remarque 1. La méthode de Cramer est d'une importance théorique car elle donne explicitement la solution
d'un système linéaire. Par contre, à partir des matrices d'ordre 4, elle est moins ecace avec beaucoup de
déterminants à calculer. Dans la section suivante, nous donnerons une méthode plus générale et moins
coûteuse basée sur les opérations élémentaires sur les matrices augmentée associées aux systèmes linéaires.
3.4 Méthode 2 : Résolution par la méthode Gauss
La méthode de Gauss ou méthode de pivot de Gauss est la méthode la plus générale de résolution
des systèmes linéaires. Nous donnons l'idée globale de cette technique et nous la montrons sur deux exemples.

La méthode de Gauss
Elle consiste à

1. Transformer la matrice augmentée (A | b) d'un système linéaire (S) en une matrice équivalente (R | b0 )
où R est une matrice échelonnée, le système linéaire obtenu (S 0 ) est facile à résoudre.
2. Si le det(A) 6= 0, la matrice R sera une matrice triangulaire supérieure et l'unique solution du système
est obtenue par la remontée.
Exemple 6. 1. Résoudre le système suivant
 2x - y + 3z = 1


x - y + z = 2
x - 2y + 4z = 1
(S ) 1


La matrice augmentée du système est

 
2 −1 3 1
(A | b) =  1 −1 1 2 .
1 −2 4 1
Appliquons la méthode de Gauss sur la matrice augmentée on obtient

5
    
2 −1 3 1 2 −1 3 1
 1 −1 1 2  L2 ← L2 − 21 L1 ∼  0 −1 2
−1
2
3 
2
1
1 −2 4 1 L3 ← L3 − 2 L1 0 −3 2
5
2
1
2
   
2 −1 3 1 2 −1 3 1
−1 −1 0
 0 3 
∼  0 −1 −1 3
 = (R |b )
  
2 2 2  2 2 2
0 −3 5 1 L3 ← L3 − 3L2 0 0 4 −4
2 2 2

On obtient un système équivalent au système (S ) AX = b , qui s'écrit comme suit

1

 2x - y + 3z = 1  x = 1
 
0
- y - z =
1 1
par la remontée ⇒  y = −2
3

4z = −4 z = −1
(S )
1 2 2 2


L'ensemble des solutions du système (S ) est S = {(1, −2, −1)}.

2. Soit le système linéaire
1 1



 x1 + 2x2 + 3x3 + 4x4 =1
2x1 + 3x2 + 4x3 + x4 =2

(S2 )

 3x1 + 4x2 + x3 + 2x4 =3
4x1 + x2 + 2x3 + 3x4 =4


C'est un système à matrice d'ordre 4, la méthode de Cramer nécessite beaucoup de calculs, nous
allons utiliser la méthode de Gauss. La matrice augmentée du système linéaire est
   
1 2 3 4 1 1 2 3 4 1
 2 3 4 1 2  L
 2 ← L2 − 2L1
 0 −1 −2 −7 0 
(A | b) =  −→  
 3 4 1 2 3  L3 ← L3 − 3L1  0 −2 −8 −10 0  L3 ← L3 − 2L2
4 1 2 3 4 L4 ← L4 − 4L1 0 −7 −10 −13 0 L4 ← L4 − 7L2
   
1 2 3 4 1 1 2 3 4 1
 0 −1 −2 −7 0   0 −1 −2 −7 0 
−→   −→  
 0 0 −4 4 0   0 0 −4 4 0 
0 0 4 36 0 L4 ← L4 + L3 0 0 0 40 0
Ceci donne :  
x1 + 2x2 + 3x3 + 4x4 = 1 x1 =1
par la remontée

 

−x2 − 2x3 − 7x4 = 0 x2 =0
 
(S20 ) =⇒

 −4x3 + 4x4 = 0 
 x3 =0
40x4 = 0 x4 =0
 

Donc l'ensemble des solutions est S 2 = {(1, 0, 0, 0)} .

3.5 Méthode 3 : Résolution en utilisant la matrice inverse
Proposition 4. Soit (S) un système linéaire donné par sa forme matricielle AX = b. Si det(A) 6= 0, alors
A est inversible et l'unique solution du système est donnée par X = A b . −1

Nous avons vu dans le chapitre des déterminants le calcul d'inverse par la méthode des cofacteurs qui est
explicite mais n'est pas ecace à partir des matrices d'ordre 4. En utilisant des opérations élémentaires sur
les lignes de la matrice A, il est possible de déterminer l'inverse de cette matrice avec moins de calculs par
rapport à la méthode des cofacteurs. La proposition suivante illustre le résultat.

Inversion d'une matrice par la méthode de Gauss-Jordan

Le principe de cette méthode est donnée dans la Proposition suivante :
Proposition 5. Si A une matrice carrée d'ordre n inversible et si la matrice (A | I) est transformée par
échelonnement en une matrice équivalente (I | C), alors C est la matrice inverse de A, c'est à dire, C = A . −1

6
Exemple 7. Résoudre le système linéaire suivant par la méthode d'inverse.

 x + 2y + 3z = 4
(S) x + 3y + 4z = 1
x + 4y + 3z = −2


L'écriture matricielle du système est AX = b, avec

  
  
1 2 3 x 4
A =  1 3 4 , X= y  et b =  1 .
1 4 3 z −2

On a det(A) = −2 6= 0, donc A existe. −1

L'unique solution du système (S) est donc donnée par X = A b. Il sut donc de calculer A par la
−1 −1

méthode de Gauss-Jordan.
1 2 3 1 0 0

L 
1 2 3 1 0 0


(A | I) =  1 3 4 0 1 0  L ← L − l ∼  0 1 1 −1 1 0 
1

L ←L −L
2 2 1
1 4 3 0 0 1 30 2 0 −1 0 1
3 1

   
1 2 3 1 0 0 1 2 3 1 0 0
∼  0 1 1 −1 1 0  ∼  0 1 1 −1 1 0 
L3 ← L3 − 2L2 0 0 −2 1 −2 1 L 3 ← −1
2
L3 0 0 1 −1
2
1 −1
2

L ← L − 3L 
1 2 0 52 −3 32

L ← L1 − 2L2

1 0 0 72 −3 12


L ←L −L
1 1 3 1
∼ 2 2 3
 0 1 0 −1 0 1 
∼  0 1 0 −1 0 1 
2 2 2 2
1 1
0 0 1 −2 1 −2 0 0 1 − 2 1 − 21
1

Finalement on a eu la forme (I|C) avec :

7
−3 12
 
2
A−1 = C =  − 12 0 1 
2
− 12 1 − 12
   7
−3 12
   
x 2
4 10
On obtient la solution du système X =  y  =  − 21 0 12   1  =  −3 
z − 21 1 − 12 −2 0
Remarque 2. La méthode de Gauss-Jordan est aussi utilisée pour résoudre un système linéaire. Il s'agit
de transformer la matrice du système en une matrice diagonale, ce qui donne la solution immédiatement.
L'exemple suivant illustre cette technique.
Exemple 8. Résoudre, par la méthode de Gauss-Jordan, le système linéaire suivant
    
1 2 3 4 x1 1
 2 3 4 1   x2
    2 
 = 
 3 4 1 2   x3   3 
4 1 2 3 x4 4

   
1 2 1 3 4 1 2 3 4 1 L1 ← L1 + 2L2
 2 3 2  L2 ← L2 − 2L1
4
 1  0 −1 −2 −7 0 

(A | b) =  −→ 
 3 4 3  L3 ← L3 − 3L1
1 2  0 −2 −8 −100  L3 ← L3 − 2L2
4 1 4 2 L4 ← L4 − 4L1
3 0 −7 −10 −130 L4 ← L4 − 7L2

L1 ← L1 − 14 L3
   
1 0 −1 −10 1 1 0 0 4 1 1
 0 −1 1 L1 ← L1 + 10 L4
−2 −7 0  L2 ← L2 − 2 L3
  0 −1 0 −7 0  7
 L2 ← L2 + L4
−→  −→ 
 0 0 −4 4 0   0 0 −4 4 0  40
4
L3 ← L3 − 40 L4
0 0 4 36 0 L4 ← L4 + L3 0 0 0 40 0

7
  
1 0 0 0 1
 0 −1 0 0 0 
−→ 
 0 0 −4 0

0 
0 0 0 40 0
Ceci donne : 
x1 = 1


−x2 = 0


 −4x3 = 0
40x4 = 0


Ainsi, on obtient : x 1 = 1, x2 = 0, x3 = 0, x4 = 0. et l'ensemble des solutions est S = {(1, 0, 0, 0)}.

Corrigé de la question 2 de l'exercice 6
 
1 −1 0
Calculer par la méthode de Gauss-Jordan l'inverse de la matrice A =  −2 1 −2 
0 −1 1
   
1 −1 0 1 0 0 1 −1 0 1 0 0
 −2 1 −2 0 1 0  L2 ← L2 + 2L1 ∼  0 −1 −2 2 1 0 
0 −1 1 0 0 1 0 −1 1 0 0 1 L3 ← L3 − L2

L1 ← L1 − L2
   
1 −1 0 1 0 0 1 −1 0 1 0 0
 0 −1 −2 2 1 0  L2 ← L2 + 3 L3 ∼ 0
2  −1 0 2
3
1
3
2
3

0 0 3 −2 −1 1 0 0 3 −2 −1 1

1 −1 −2
L1 ← L1 1 −1 −2
   
1 0 0 3 3 3
1 0 0 3 3 3
 0 −1 2 1 2  L2 ← −L2 −2 −1 −2
0 3 3 3
∼ 0 1 0 3 3 3

0 0 3 −2 −1 1 L3 ← 13 L3 0 0 1 −2
3
−1
3
1
3

D'où, la matrice inverse A−1 est donnée par

1
− 13 − 32
 
3
A−1 =  − 23 − 13 − 32  .
− 23 − 13 1
3

4 Résolution des systèmes linéaires à matrices rectangulaires

On considère le système linéaire (S) de n équations à m inconnues, donné par sa forme matricielle
   
a11 a12 . . . a1m x1 b1
 a21 a22 . . . a2m   x2   b2 
(S) :  .. .. ..   ..   ..  .
   
 . . .  .  . 
an1 an2 . . . anm xm bn
| {z } | {z } | {z }
A X b

La résolution de ce type de système à matrice rectangualire A du type n×m est résumée dans la proposition
suivante

Proposition 6.
I Le système (S) est compatible si et seulement si le rang de la matrice augmentée est égal au rang de
la matrice A. Autrement dit : rg(A | b)=rg(A) .
I Si le rang de la matrice augmentée est strictment supérieur au rang de la matrice A ( rg(A | b) > rg(A) )
alors le système (S) est incompatible.
8
Exemple 9. 1. Considèrons maintenant le système suivant
 x + y + z - t = 1


x - y - z + t = 2

x - y - z - t = 3
La matrice augmentée du système est
 
1 1 1 −1 1
 1 −1 −1 1 2 .
1 −1 −1 −1 3
Déterminons les rangs des matrices A et (A | b). On utilise l'échelonnement
   
1 1 1 −1 1 1 1 1 −1 1
 1 −1 −1 1 2  L2 ← L2 − L1 ∼  0 −2 −2 2 1 
1 −1 −1 −1 3 L3 ← L3 − L1 0 −2 −2 0 2
   
1 1 1 −1 1 1 1 1 −1 1
 0 −2 −2 2 1  ∼ 0 −2 −2 2 1 
0 −2 −2 0 2 L3 ← L3 − L2 0 0 0 −2 1
On obtient, rg(A | b) = rg(A) = 3. Donc le système est compatible.
On déduit le système équivalent à (S), qui s'écrit comme suit :
 x + y + z - t = 1  x =
  3

- 2y - 2z + 2t = 1 ⇒  y = 2
−1 − z

- 2t = 1 t = −1
2

On obtient
 ainsi une innité  de solutions données par l'ensemble
, z∈R .

3 −1
S= , −1 − z, z,
2 2
2. Considérons le deuxième système
 x + y + z - t = 1


2x - y - z + t = -1

2x +2 y +2 z -2 t = 0
Par échelonnement de la matrice augmentée, on obtient
 
1 1 1 −1 1
 0 −1 −3 −3 −3 
0 0 0 0 −2
Donc rg(A | b) = 3 > rg(A) = 2. Le système est incompatible. La dernière ligne de la matrice
augmentée échelonnée donne 0 = −2, ce qui est impossible. L'ensemble des solutions est S = ∅.