Matrice et résolution de systèmes d’équations linéaires

Introduction
La résolution de divers problèmes touchant différentes disciplines scientifiques, se ramène souvent,
à la résolution des systèmes d’équations. En particulier, en économie, la résolution des probèmes
d’optimisation ramème à la résolution des systèmes d’équations linéaires. De telles résolutions,
utilisent invariablement des écritures matricielles. De ce fait, résoudre pareils problèmes, exige
naturellement, une bonne maitrise du calcul matriciel. Le but de ce chapitre est justement, de
fournir les outils nécessaires pour les résolutions de systèmes d’équations linéaires d’ordre n ∈ N∗.

1 Définitions et opérations sur les matrices

1.1 Motivation : exemple itroductif
On veut modéliser le prix moyen d’un taxi dans le Grand-Tunis (Tunis - Ariana - Ben Arous). On
donne les informations suivantes :

Le c o û t moyen d’un taxi Tunis-Ariana vaut : 5 dinars.

Le c o û t moyen d’un taxi Tunis-Ben Arous vaut : 7 dinars.

Le c o û t moyen d’un taxi Ben Arous-Ariana vaut : 10 dinars.

Si on reste dans la mêm e ville (Tunis- Tunis, Ariana- Ariana, Ben Arous- Ben Arous), on
admet que le c o û t moyen est de 2 dinars.

Representer ces informations dans un tableau.

1.2 Définition d’une matrice

Définition 1 Une matrice réel le A à n lignes et p colonnes avec (n, p) ∈ N∗ × N∗ est un
tableau d’éléments de R comportant n lignes et p colonnes. La matrice A est notée par
A = (aij)1≤i≤n,1≤j≤p o ù ∀1 ≤ i ≤ n et 1 ≤ j ≤ p, le réel aij représente l’élément de A situé
sur la ligne i et la colonne p et elle est représentée par:

a1,1 ··· a1,p

..
A= . .
.
an,1 ··· an,p

On dit que la Matrice A est de type (n, p) et on note An,p.

L’ensemble des matrices à n lignes et p colonnes à coefficients dans R est noté Mn,p(R).
Si p = 1, alors A est une matrice colonne.

Si n = 1, alors A est une matrice ligne.

Si aij = 0, ∀1 ≤ i ≤ n et 1 ≤ j ≤ p, alors A est une marice nulle. On la note par 0n,p.

1
 Si n = p alors A est une matrice carrée d’ordre n.

On note l’ensemble des matrices carrées d’ordre n à coefficients dans R par Mn,n(R), ou
encore Mn(R).
Les délément s a11, a22, ..., ann d’une matrice carrée d’ordre n, A, forment la diagonale prin-
cipale de cette matrice, et leur somme est applelée la trace de A, notée tr(A):
n
tr(A) = aii
i=1

Notation : Par convention, une matrice se note par une lettre majuscule et ses coefficients par la
mêm e lettre en minuscule.
Exercice 1 On considère les matrices suivantes:
2 6 0 1 4 1 2 3
−6 −1 2 3 9 2 0
A= , B = 2 −1 6 , C = ,D= 0 0 0
2 1 5 2 10 0 2 0 0 0
4 7 0
0 1 2 5 7
1
F = 2 4 6 , G = 0 , H = 1 5 2 0 23 7
0 1 6 3 4 3

1. Préciser le type de chacune de ces matrices et celles qui sont: des matrices carrées, des
matrices lignes et des matrices colonnes.

2. Donner, si elles existent, les valeurs des élém ents suivants: a53, a35, b23, c22, d12, H23.

1.3 Matrices particulières

Soit A = (aij)1≤i,j≤n alors:

A est une matrice diagonale si aij = 0, ∀i /= j.

A est une matrice unité d’ordre n ou une matrice identité d’ordre n, si elle est diagonale et
∀1 ≤ i ≤ n, aii = 1. On la note par In.

A est une matrice triangulaire supérieure si aij = 0, ∀i > j.

A est une matrice triangulaire inférieure si aij = 0, ∀i < j.

A est une matrice symétrique si aij = aji, ∀1 ≤ i ≤ n.

Exercice 2 Donner un exemple de chacune des matrices définies ci-dessus.

1.4 É galité de matrices

Deux matrices de mê m e type A = (aij)1≤i≤n,1≤i≤p et B = (bij)1≤i≤n,1≤i≤p sont égales si et seule-
ment si ∀1 ≤ i ≤ n, ∀1 ≤ j ≤ p, aij = bij.
Exercice 3 Déterminer la valeur de α, β et γ pour que les deux matrices suivantes soienet égales:

α 2 β+1 α
A= ,A=
1 5

2
1.5 Somme de deux matrices et produit d’une matrice par un scalaire
Soient A = (aij)1≤i≤n,1≤j≤p et B = (bij)1≤i≤n,1≤j≤p et λ ∈ R, alors:
la somme des deux matrices A et B est une matrice de mêm e type, obtenue en additionnant
A et B élément par élément:

A + B = (aij + bij )1≤i≤n,1≤j≤p

Attention, on ne peut pas parler de A + B que si A et B sont de mê me type.

la multiplication de la matrice A par un scalaire λ se fait en mulitipliant tous les élément s de

A par λ:
λA = (λaij )1≤i≤n,1≤j≤p

−1 2 3 5 −3 1
Exercice 4 Calculer 2A + B o ù A = 0 −5 3 , et B = 0 6 −4
4 −2 1 1 2 7

1.6 Produit de deux matrices

Soient A ∈ Mn,p(R) et B ∈ Mp,q(R).
Le produit de la matrice A par la matrice B est une matrice C = A.B du type (n, q) et dont
les él’ements (cij)1≤i≤n,1≤j≤q sont définis par:

p
cij = aikbkj
k=1

Attention à la condition d’existence de A.B: le nombre de colonnes de A = le nombre

de lignes de B.

Exercice 5 Calculer A.B dansles cas suivants:

−1 2 3
5 −3 1
1. A = et B = 0 1 3
0 6 −4
7 −2 1

1 2 3 −1
2. A = 1 0 5 et B = 3
6 −2 9 8

1.7 Transposée d’une matrice

Définition 2 La transposée d’une matrice A ∈ Mn,p(R) est une matrice notée tA ∈ Mp,n(R)
dont les lignes sont les colonnes de A et les colonnes sont les lignes de A. Autrement dit, si
A = (aij )1≤i≤n,1≤j≤p alors tA = (aji)1≤i≤p,1≤j≤n.

Propriétés 1 1. t(tA) = A, avec A ∈ Mn,p(R).

2. t(λA) = λtA, avec A ∈ Mn,p(R) et λ ∈ R.

3. t(A + B) =t A +t B, avec A, B ∈ Mn,p(R).

4. t(A.B) =t B.tA, avec A ∈ Mn,p(R) et B ∈ Mp,q(R)

Exercice 6 Que serait la nature d’une matrice égale à sa transposée?

3
1.8 Déterminant d’une matrice
1.8.1 Déterminant d’une matrice d’orde n ≤ 3
À toute matrice carrée A ∈ Mn(R) est associé un unique nombre réel qui la représente. Ce nombre
réel, appelé déterminant de A et noté det(A) ou encore |A|, est déteriminé en fonction de tous les
éléments de A.
Si n = 1, alors
det(A) = |a11| = a11

Si n = 2, alors
a11 a12
det(A) = = a11a22 − a12a21
a21 a22
Si n = 3, alors on peut calculer det(A) par rapport à une ligne ou une colonne choisie en
respectant la répartition des signes suivante :

+ − +
− + −
+ − +

Exemple : calcul de det(A) suivant la première ligne :

a11 a12 a13 a22 a23 a21 a23 a21 a22

det(A) = a21 a22 a23 = a11 − a12 + a13
a32 a33 a31 a33 a31 a32
a31 a32 a33
ou encore

det(A) = a11(a22a33 − a23a32) − a12(a21a33 − a23a31) + a13(a21a33 − a22a31)

Exercice 7 Calculer les déterminants des matrices suivantes:

1 −3 −1 2 3
A= et B = 0 1 3
5 4
7 −2 1

1.8.2 Généralisation du calcul du déterminant d’une matrice

On considère une matrice carrée A = (aij)1≤i,j≤n.

On appelle mineur de l’élément aij, 1 ≤ i, j ≤ n, le réel Mij représentant le déterminant de

la matrice obtenue en supprimant la ieme ligne et la jeme colonne de la matrice A.

On appelle cofacteur de l’élément aij, 1 ≤ i, j ≤ n, le réel Cij défini par

Cij = (−1)i+jMij.

On appelle comatrice de A, la matrice, notée par com(A), et composée par les cofacteurs des
éléments de A:
com(A) = (Cij)1≤i,j≤n.

Dans un cadre plus général, le déterminant de la matrice A = (aij)1≤i,j≤n se calcul comme

suit:
n
det(A) = aijCij (1)
j=1

4
Exemple 1 (illustratif ) Nous calculons le déterminant de la matrice

2 1 −1 0
A = 1 −1 0 1
2 1 −1 −2
0 3 2 3

Pour ce faire, nous fixons d’abord un indice 1 ≤ i ≤ 4, avec lequel nous calulons det(A)en utilisant
l’équation 1 (pour n = 4). Il est important de noter que l’indice i correspond à la ligne de la matrice
A pour laquelle nous déterminons les cofacteurs. Prenons par exemple i = 3. Nous sommes ainsi
amenés à calculer les cofacteurs C3j en fonction des mineurs M3j avec 1 ≤ j ≤ 4. Commençons
par calculer les mineurs comme suit:

1 −1 0 0 1 −1 1 −1 0
M31 = −1 0 1 = 1. − (−1). + 0. (2)
2 3 3 3 3 2
3 2 3
= 1.(−2) + 1.(−6) + 0.(−2) = −8 (3)

2 −1 0 0 1 1 1 1 0
M32 = 1 0 1 = 2. − (−1). + 0. (4)
2 3 0 3 0 2
0 2 3
= 2.(−2) + 1.(3) + 0.(0) = −1 (5)

2 1 0 −1 1 1 1 1 −1
M33 = 1 −1 1 = 2. − (1). + 0. (6)
3 3 0 3 0 3
0 3 3
= 2.(−6) − 1.(3) + 0.(3) = −15 (7)

2 1 −1 −1 0 1 0 1 −1
M34 = 1 −1 0 = 2. − (1). − 1. (8)
3 2 0 2 0 3
0 3 2
= 2.(−2) − 1.(2) − 1.(3) = −9 (9)
Passons maintenant à calculer les cofacteurs:

C31 = (−1)3+1M31 = −8
C32 = (−1)3+2M32 = 1
C33 = (−1)3+3M33 = −15
C34 = (−1)3+4M34 = 9
Enfin,

det(A) = a31C31 + a32C32 + a33C33 + a34C34 = 2.(−8) + 1.(1) − 1.(−15) − 2.(9) = −18.

Propriétés 2 Soient A, B ∈ Mn(R) et λ ∈ R∗.

det(tA) = det(A).

det(A.B) = det(A).det(B).
Si A est triangulaire supérieure ou inférieure alors son déterminant est égal au produit de ses
éléments diagonaux.

5
 det(λA) = λndet(A).

Exercice 8 Calculer le déterminant de la matrice suivante:

2 0 1 0
1 3 0 −1
A=
2 −2 −1 −2
0 3 3 2

1.9 Inverse d’une matrice

Définition 3 Soit une matrice A ∈ Mn(R). S’il existe une matrice B ∈ Mn(R) telle que:

A.B = B.A = In,

alors B est appelée la matrice inverse dr A, notée par A−1. Dans ce cas, on dit que la matrice A
est inversible.
3 1
5 5
Exercice 9 Montrer que la matrice B = −1 −2 , est la matrice inverse de la matrice A =
5 5
2 1
.
−1 −3
Propriétés 3 Soient A, B ∈ Mn(R),
Si A est inversible, alors son inverse est unique.

Si A est inversible, alors A−1 est aussi inversible et (A−1)−1 = A.

La matrice A est inversible si et seulement si det(A) /= 0.

1
Si A est inversible, alors det(A−1 det(A)

Si A est inversible alors t(A−1) = (tA)−1.

Si A et B sont inversibles alors (A.B)−1 = B−1.A−1.

1.9.1 Métho de de la comatrice pour le calcul de l’inverse d’une matrice

Proposition 1 Soit A ∈ Mn(R), une matrice inversible, alors,

1 t
A−1 = com(A).
det(A)

1 2 3
Exercice 10 Soit B = 0 1 2 .
−1 −4 −1
1. Montrer que B est inversible.

2. Calculer l’inverse de B en utilisant la méthode de la comatrice.

Exercice 11 Revenons sur la matrice A de l’exemple 1.

1. Montrer que A est inversible.

2. Calculer l’inverse de A en utilisant la méthode de la comatrice.

6
1.9.2 Métho de du pivot de Gauss pour le calcul de l’inverse d’une matrice
La méthode du pivot de Gauss consiste à effectuer des opérations élémentaires sur une matrice A,
carrée d’ordre n et inversible, afin de la transformer en une matrice identité. Les mêmes opérations
sont aussi effectuées sur la matrice In. Lorsque A devient In , In à son tour devient A−1. Nous
décrivons le principe de cette méthode en se basant sur l’exemple suivant :

1. Opération 1: Déterminer un premier pivot non nul et le réduire à 1.

2 1 −1 0 1 0 0 0
1 −1 0 1 1 0 1 0 0
A= L1 ← L1 0 0 1 0
= I4
2 1 −1 −2 2
0 3 2 3 0 0 0 1

Remarque 1 Si l’élément a11 = 0, il faut permuter la première ligne L1 par une ligne Li
telle que ai1 /= 0, i ∈ {1, .., 4}.

2. Opération 2: Annuler tous les éléments situant en dessous du premier pivot.

1 1 −1 0 1
2 2 2
0 0 0
1 −1 0 1 L2 ← L2 − L1 0 1 0 0
2 1 −1 −2 L3 ← L3 − 2L1 0 0 1 0
0 3 2 3 0 0 0 1

3. Opération 3: Passer au pivot suivant, vérifier qu’il est non nul et le réduire à 1.

1 1 −1 0 1
2 2 2 0 0 0
1 −1
0 1 L 1 0 0
2
2 ← −2 L
3 2
2
0 0 0 −2 −1 0 1 0
0 3 2 3 0 0 0 1

4. Opération 4: Annuler tous les éléments situant en dessous du deuxième pivot.

−1 1
1 12 2
0 0 0 0
0 1 −1 −2 12 −2 0 0
3 3
−2 L4 ← L4 − 3L2
3 3
0 0 0 −1 0 1 0
0 3 2 3 0 0 0 1

5. Opération 5: Passer au pivot suivant, vérifier qu’il est non nul et le réduire à 1.

1 −1 1
2 2 0 2 0 0 0
−1 −2 1
0 1 3 ↔ L4 3 3
3 L3
0 0 0 −2 −1 0 1 0
0 0 3 5 −1 2 0 1
Le pivot trouvé est nul. Nous permutons alors la ligne 3 de la matrice obtenue par la ligne 4.
1 −1 1
2 2 0 21
0 0 0
0 1 −1 −2
3 3 3 3
0 0 3 3 −1 2 0 1
0 0 0 −2 L4 ← −1 L
2 4 −1 0 1 0

Remarque 2 À ce stade d’opérations effectués, la matrice A est devenue triangulaire supérieure.

Nous continuons les opérations pour la transformer en I4 .

7
 6. Opération 6: Annuler tous les éléments situant en dessus de la diagonale.
−1 1
1 12 2 0 2
0 0 0
00 10
−1
3
−2
3 L2 ← L2 + 3 4 3 1
L2 −2
3 0 0
1 5 −1 2 0 1
5
L3 ← L3 − 3 L4
3 3 3 3
1 −1
0 0 0 1 0 2 0
⇒
2

1
L1 ← L1 + L3
1 −1 1 2 0 0 0
10 2
1 −21 0
0 2 2 −2 −1 0
3 L2 ← L2 + 1 3L3 3
2
3
5
3
1
0 0 1 0 3 6 3
1 −1
0 0 0 1 2 0 2 0
⇒
1 0 0 −1 1 5 1
1 12 3 12 6
0 1 0 0 L1 ← L1 − L2
2
−4 −1 1
2 18 9
2 18
5 9
1
0 0 1 0 3 6 3
1 −1
0 0 0 1 0 0
⇒ 2 2

1 0 0 0 −2 5 4 1
9 9 9 9
5 −4 −1 1
0 1 0 0
I4 = 18 9
2
18
5
9
1 = A−1
0 0 1 0 3 6 3
1 −1
0 0 0 1 2 0 2 0

Finalement, nous obtenons la matrice inverse de A. Nous pouvons vérifier que A.A−1 =
A−1.A = I4.

1 1 2
Exercice 12 Soit A = 1 2 1 . calculer l’inverse de A en utilisant la méthode du pivot
2 1 1
de Gauss.

2 Systèmes d’équations linéaires

2.1 Rang d’une matrice
Définition 4 Une matrice B est dite échelonnée en lignes si
chaque ligne non nulle de B commence avec strictement plus de 0 que la ligne précédente.
les lignes nulles (ne contenant que des 0) de B viennent en bas après les lignes non nulles.

Toute matrice A peut se réduire à une matrice échelonnée en lignes B par une suite d’opérations
élémentaires sur les lignes. On appelle B la forme échelonnée en lignes de A.

Définition 5 Le rang d’une matrice A est le nombre de lignes non nulles dans sa forme échelonnée
en lignes. On le note r(A).

Par exemple la matrice suivante A se réduit en sa forme échelonnée en lignes par les pivotages

1 −3 6 2 1 −3 6 2 1 −3 6 2
L2 ← L2 − 2L1
A = 2 −5 10 3 0 1 −2 −1 L3 ← L3 − L2 0 1 −2 −1
L3 ← L3 − 3L1
3 −8 17 4 0 1 −1 −2 0 0 1 −1
Donc rgA = 3. Pour la matrice suivante
1 3 2 1 3 2 1 3 2
C= 1 4 1 L2 ← L2 − L1 0 1 −1 L3 ← L3 − L2 0 1 −1
0 1 −1 0 1 −1 0 0 0
on a rgC = 2.

8
Thé o rè m e 1 Pour toute matrice A ∈ Mn,p(R), on a

r(A) ≤ min(n, p)
Remarque 3 Le nombre de pivot(les premiers coefficients non nuls des lignes non nulles) est aussi
le nombre de lignes non nulles de la forme échelonnée de A, d ’ o ù le rang de A est égale au nombre
de pivots.

Exercice 13 Calculer de rang de la matrice suivante

8 3 0 1
A= 1 3 0 6
2 4 7 −1

Proposition 2 Soit A ∈ Mn(R), alors les propr iétés suivantes sont équivalentes
1. A est inversible.

2. det(A) /= 0.
3. r(A) = n.

2.2 Résolution de systèmes linéaires

Soit un système de m équations linéaires à n variables représenté par sa forme générale:

a11x1 + a12x2 + ... + a1nxn = b1

a21x1 + a22x2 + ... + a2nxn = b2

.
am1x1 + am2x2 + ... + amnxn = bm

On peut écrire ce système sous forme matricielle:

Ax = b

o ù A est une matrice d’ordre (m, n) appelée matrice des coefficients, X est un vecteur-colonne
à n composantes appelé vecteur des inconnues et b est un vecteur-colonne à m composantes
appelé vecteur des constantes.

Exemple 2 Écrivons le système d’équations linéaires suivant sous forme matricielle:

3x1 − 2x2 + x3 = 1
−x1 + x2 = −2
2x1 − x2 + x3 = 4

Nous avons 3 équations (m = 3) et 3 variables (n = 3). La matrice des coefficients A est donc une
matrice d’ordre (3, 3) :

3 −2 1
A= −1 1 0
2 −1 −1
Le vecteur des inconnues X est un vecteur à 3 composantes:
x1
X = x2
x3

9
Le vecteur des constantes b est un vecteur à 3 composantes :

1
b= −2
4

Nous avons finalement le système suivant:

3 −2 1 x1 1
−1 1 0 x2 = −2
2 −1 −1 4
AX = b

Si on ajoute le vecteur-colonne des constantes b à la matrice des coefficients A, on obtient ce qu’on

appelle la matrice augmentée que l’on note par [A|b].

Exemple 3 Si l’on prend le système de exemple 2, la matrice augmentée [A|b] est la suivante:

[A|b] = ()

On va voir maintenant comment résoudre un système d’équations linéaires, c’est-à - dire trouver la
solution de ce système. Par solution du système, on entend un ensemble de valeurs x1, x2,..., xn qui
satisfait simultanément toutes les m équations du système. Une solution n’est pas nécessairement
unique. Il peut y avoir une infinité de solutions ou pas de solution du tout.
Dans ce dernier cas, on dit que le système est incompatible (ou impossible).
Voici la condition pour qu’il y ait au moins une solution: un système de m équations à n
variables (ou inconnues) est compatible si et seulement si la matrice des coefficients A
et la matrice augmentée [A|b] ont le mê m e rang.
Nous allons donc devoir chercher le rang de la matrice augmentée et voir s’il est égal au rang de
la matrice des coefficients. Pour ce faire, on va appliquer aux lignes de la matrice augmentée des
opérations élémentaires. Il est évident qu’une opération élémentaire sur une ligne de la matrice
augmentée ne change pas les solutions d’un système.
Nous avons plusieurs cas à étudier:

Système à n équations à n inconnues;

Système à m équations à n inconnues, m > n;

Système à m équations à n inconnues, m < n;

2.2.1 Système de n équations à n inconnues

Si le système à n équations et n variables, la matrice des coefficients A est une matrice carrée
d’ordre n. Si le rang de la matrice A est n, c’est-à - dire si la matrice A est non singulière, alors
la solution est unique. Dans ce cas, A possède un inverse. On peut, par conséquent, trouver la
solution à l’aide de l’inverse de la matrice A.
Le système étant:
Ax = b
on obtient la solution en multipliant de chaque c o té de l’équation par A−1 et on obtient :

X = A−1b.

Exemple 4 Soit le système de 3 équations et 3 variables suivant, on va en trouver la solution:

x1 + 2x2 + 3x3 = 14
x1 − 3x2 − 7x3 = −26
−6x1 + 4x2 − 2x3 = −4

10
Remarque 4 Nous pouvons également rechercher la solution par une méthode de résolution ap-
pelée algorithme de Gauss.

Étudions maintenant ce qui se passe si le rang de la matrice A est inférieur à n.

Deux cas se présentent:

Si le rang de [A|b] est égal au rang de A, il y a des solutions multiples;

Si le rang de [A|b] est différent de celui de A, il n’y a pas de solution.

Exemple 5 Soit le système de 3 équations et 3 variables suivant, nous allons en chercher la

solution:

x1 + 2x2 + 3x3 = 14
x1 − 3x2 − 7x3 = −26
3x1 − 2x2 − 7x3 = −22

A la suite des opérations élémentaires sur la matrice [A|b], on obtient:

1 0 −1 −2
0 1 2 8
0 0 0 0

Dans cette dernière matrice, le rang de [A|b] est é gal à 2 comme le rang de A. Le système est
donc compatible. Quand le rang est r, avec r < n, on peut donner à (n − r) variables du système
des valeurs arbitraires et ensuite résoudre le système par rapport aux autres variables. On a alors
la solution complète du système.

Exemple 6 Soit le système de 3 équations et 3 variables suivant, nous allons en chercher la

solution:

x1 + 2x2 + 3x3 = 14
x1 − 3x2 − 7x3 = −26
3x1 − 2x2 − 7x3 = −20

2.2.2 Système de m équations à n inconnues, m > n

Nous considérons ici les systèmes dans lesquels le nombre d’équations est supérieur au nombre de
variables. Les trois exemples suivants montrent que trois cas peuvent se présenter:

Soit il y a solution unique;

Soit il y a infinité de solutions;

Soit il n’y a pas de solution.

Exemple 7 Soit le système de 3 équations et 2 variables suivant, nous allons en chercher la

solution:

2x1 + 4x2 = 4
2x1 − 3x2 = 18
x1 − 4x2 = 14

Exemple 8 Si dans le système de l’exemple 7, on donne à la constante de la troisième équation

la valeur de 1 à la place de 14. Resoudre dans ce cas le système.

11
2.2.3 Système de m équations à n inconnues, m < n
Si la matrice des coefficients est d’ordre (m, n) avec m < n, le rang de A est au maximum m. Le
rang est donc inférieur à n. Il s’ensuit qu’il n’y a que deux cas possibles:

Si le rang de [A|b] est égal au rang de A, il y aura une infinité de solutions et on pourra fixer
(n − r) variables arbitrairement (avec r = r(A) = r([A|b]);

Si le rang de [A|b] est différent de celui de A, le système est incompatible. Lorsqu’il y a plus
de variables que d’équations, la solution n’est donc jamais unique.

Exemple 9 Soit le système de 2 equations et 3 variables suivant, nous allons en chercher la solu-
tion :

2x1 − x2 + 2x3 = 2
−x1 + 2x2 + 2x3 = 2

Exemple 10 Soit le système de 2 équations et 3 variables suivant, nous allons en chercher la

solution :

2x1 − x2 + x3 = 1
4x1 − 2x2 + 2x3 = 4

2.2.4 Système homogène

Si dans un système d’équations linéaires, toutes les constantes sont nulles, c’est-à - dire si b = 0, on
dit que le système est homogène.
Sous forme matricielle, on l’écrit:
Ax = 0.
Il est évident que dans un système homogène, le rang de la matrice augmentée est toujours égal au
rang de la matrice des coefficients. Par conséquent, un système homogène a toujours au moins une
solution.
En effet, le vecteur x = 0, c’est-à - dire: x1 = x2 = x3 = ... = xn = 0 est toujours une solution.
C’est la solution triviale d’un système homogène.
Il existe des solutions autres que la solution triviale si le rang r de la matrice des coefficients est
inférieur à n. Dans ce cas, on peut donner à (n − r) variables des valeurs arbitraires. Il y a, par
conséquent, une infinité de solutions.

Nous avons alors deux possibilités :

Soit un système homogène n’a que la solution triviale;

Soit un système homogène possède la solution triviale et une infinité d’autres solutions.

La solution triviale représente en quelque sorte la solution unique d’un système homogène. Il n’y
a donc que la solution triviale si le rang de A est é g a l au nombre de variables.
Pour qu’un système homogène ait des solutions non triviales, il est nécessaire et suffisant que
le rang de A soit inférieur au nombre de variables, ou alors det(A) = 0.

Exemple 11 Soit le système homogène de 3 équations à 2 variables suivant, nous allons voir s’il
existe des solutions autres que la solution triviale.

2x1 + 4x2 = 0
2x1 − 3x2 = 0
x1 − 4x2 = 0

12
Exemple 12 Soit le système homogène de 3 équations à 3 variables suivant, nous allons voir s’il
existe des solutions autres que la solution triviale.

x1 + 3x2 − 2x3 = 0
4x1 − 2x2 − 2x3 = 0
x1 − 4x2 + x3 = 0

13