1. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Résolution des systèmes
linéaires
M. Ghilani
Université Moulay Ismail, Meknès
25 mai 2021
M. Ghilani Algèbre linéaire
2. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Sommaire
1 Systèmes d’équations linéaires
2 Étude de l’ensemble des solutions
3 Méthode de résolution de Cramer
4 Méthode de résolution de Gauss
5 Méthode de résolution de Gauss-Jordan
6 Inversion de matrice par la méthode de Gauss-Jordan
M. Ghilani Algèbre linéaire
3. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Systèmes des équations linéaires
Définition :
On appelle système rectangulaire de type (n, p) ou n × p :
(S)
a11x1 + · · · + a1pxp = b1
a21x1 + · · · + a2pxp = b2
.
.
.
an1x1 + · · · + anpxp = bn
où les inconnues sont les scalaires x1, . . . , xp ∈ K et où les données sont :
les coefficients aij ∈ K, 1 ≤ i ≤ n, 1 ≤ j ≤ p, les seconds membres
bi ∈ K, 1 ≤ i ≤ n. On appelle rang du système le rang de
A = (aij )1≤i≤n,1≤j≤p.
M. Ghilani Algèbre linéaire
4. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Systèmes des équations linéaires
Définition :
Une solution du système est un p−uplet (x1, . . . , xp) ∈ Kp
qui
vérifie les n équations du système.
Un système est dit homogène si b1 = b2 = · · · = bn = 0.
Deux systèmes linéaires sont équivalents s’ils ont le même ensemble
de solutions.
Remarque :
Un système homogène de type (n, p) admet toujours au moins une
solution. C’est le vecteur
(0, 0, . . . , 0) ∈ Kp
qualifié de solution banale ou triviale.
M. Ghilani Algèbre linéaire
5. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Systèmes d’équations linéaires
Un système peut avoir plus d’équations que d’inconnues : n > p
(système sur-abondant). C’est le cas du système 4 × 3 suivant :
−x1 + x2 − 5x3 = −7
2x1 − x2 − x3 = 4
3x1 − 2x2 + 4x3 = 11
3x1 + 4x2 − 2x3 = 11
.
Un système peut aussi avoir moins d’équations que d’inconnues : n < p
(système sous-abondant). C’est le cas du système 3 × 5 suivant :
2x1 − 3x2 + x3 + 6x4 − 6x5 = 3
2x1 − 2x2 + 2x3 + 4x4 − 6x5 = 4
−2x1 + 4x2 + x3 − 8x4 + 3x5 = 0
.
M. Ghilani Algèbre linéaire
6. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Systèmes des équations linéaires
Enfin, un système peut avoir autant d’équations que d’inconnues : n = p
(système carré). C’est le cas du système 3 × 3 suivant :
x1 + x2 = m
x2 + x3 = 2
x1 + 2x2 + x3 = 3
.
Nous verrons que ce système n’admet aucune solution si m 6= 1. Il en
admet une infinité si m = 1 :
(x1, x2, x3) = (−1 + x3, 2 − x3, x3) avec x3 ∈ R.
ATTENTION Ce n’est pas parce qu’un système possède autant
d’équations que d’inconnues qu’il possède nécessairement une solution. Le
« bon » critère porte non pas sur la taille du système mais sur son rang.
M. Ghilani Algèbre linéaire
7. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Systèmes des équations linéaires
Le système (S) s’écrit sous la forme matricielle suivante :
(EM) AX=B.
Les données sont A et B. L ’inconnue est X :
A =
a11 . . . a1p
a21 . . . a2p
.
.
.
...
.
.
.
an1 . . . anp
= A1 · · · Ap
, B =
b1
b2
.
.
.bn
et X =
x1
x2
.
.
.xn
.
L’équation (EM) s’écrit aussi sous la forme matricielle :
(EM0
) x1A1 + x2A2 + . . . + xpAp = B.
où A1, A2, . . . , Ap désignent les colonnes de A.
M. Ghilani Algèbre linéaire
8. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Étude de l’ensemble des solutions
L’ équation matricielle AX = B peut s’écrire sous la forme vectorielle :
( EV) f(x) =b
où f est l’application linéaire de Kp
vers Kn
associée au système,
b = (b1, b2, . . . , bn) ∈ Kn
et l’inconnue x = (x1, . . . , xp) ∈ Kp
.
L’ensemble des solutions de (EV ) est défini par
S := {x ∈ Kp
: f (x) = b}.
En particulier si b = 0Kn alors S = Kerf 6= ∅.
M. Ghilani Algèbre linéaire
9. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Étude de l’ensemble des solutions
Exemples :
Soit m ∈ R. On a équivalence entre le système réel 3 × 3 :
x1 + x2 = m
x2 + x3 = 2
x1 + 2x2 + x3 = 3
,
l’équation matricielle :
1 1 0
0 1 1
1 2 1
x1
x2
x3
=
m
2
3
et l’équation vectorielle : f (x) = b où
x = (x1, x2, x3) ∈ R3
, b = (m, 2, 3) ∈ R3
et f : x ∈ R3
7→ y ∈ R3
, avec
y = (x1 + x2, x2 + x3, x1 + 2x2 + x3).
M. Ghilani Algèbre linéaire
10. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Étude de l’ensemble des solutions
Nous avons vu qu’une équation homogène n’est jamais impossible (elle
admet toujours 0Kp pour solution). Et si elle n’est pas homogène ?
Proposition :
Soit b un vecteur de Kn
.
(a) Si b /
∈ Imf alors S = ∅.
(b) Si b ∈ Imf (l’équation (EV) est dite compatible) alors
S = {x0 + xpart : x0 ∈ Kerf }
où xpart est une solution particulière de (EV ), c’est-à-dire :
xpart ∈ Kp
et f (xpart) = b.
M. Ghilani Algèbre linéaire
11. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Étude de l’ensemble des solutions
Remarque :
Si on note r = rg f alors dimK(Kerf ) = p − r. Supposons qu’il existe une
solution particulière xpart.
(i) Supposons r = p ( c’est-à-dire : dimK(Kerf ) = 0). Il n’ y a alors
qu’une seule solution : S = {xpart}.
(ii) Supposons r p ( c’est-à-dire dimK(Kerf ) ≥ 1). Notons
BKerf = (v1, . . . , vp−r ) une base de Kerf . Pour tout x ∈ S,
Par conséquent, la forme générale d’une solution dépend de p − r
paramètre(s). Il y a donc une infinité de solutions puisque p − r 0.
M. Ghilani Algèbre linéaire
12. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Étude de l’ensemble des solutions
En conclusion, une équation vectorielle peut
ne possèder aucune solution ; c’est le cas si
b /
∈ Imf ;
posséder une solution unique ; c’est le cas si
b ∈ Imf et Kerf = {0Kp };
en posséder une infinité ; c’est le cas si
b ∈ Imf et Kerf 6= {0Kp };
M. Ghilani Algèbre linéaire
13. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Méthode de résolution de Cramer
Définition :
Un système linéaire de type(n, p) est dit de Cramer s’il possède autant
d’équations que d’inconnues (n = p) et si le rang r du système vérifie :
r = n = p.
Un système de Cramer est un système de la forme :
a11x1 + · · · + a1nxn = b1
a21x1 + · · · + a2nxn = b2
.
.
.
an1x1 + · · · + annxn = bn
avec
a11 . . . a1n
a21 . . . a2n
.
.
.
...
.
.
.
an1 . . . ann
6= 0.
M. Ghilani Algèbre linéaire
14. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Méthode de résolution de Cramer
Interprétation vectorielle d’un système de Cramer
L ’application linéaire f : Kn
−→ Kn
est bijective :
f ∈ GLK(Kn
).
Ainsi, pour tout vecteur b de Kn
, il existe une unique solution x̃ ∈ Kn
.
On a :
f (x̃) = b ⇐⇒ x̃f −1
(b).
Interprétation matricielle d’un système de Cramer
La matrice A carrée d’ordre n est inversible :
A ∈ GL(K).
Ainsi, pour tout B ∈ Mn,1(K), il existe une unique solution
X̃ ∈ Mn,1(K). On a :
AX̃ = B ⇐⇒ X̃ = A−1
B.
M. Ghilani Algèbre linéaire
15. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Méthode de résolution de Cramer
Proposition :
Un système de Cramer possède une solution et une seule.
Proposition :
Les coordonnées X̃1, X̃2, . . . , X̃n de l’unique solution d’un système de
Cramer d’équation matricielle AX̃ = B sont :
∀j ∈ {1, . . . , n} X̃j =
det(A1, . . . , Aj−1, B, Aj+1, . . . , An)
det(A)
où A1, A2, . . . , An désignent les colonnes de la matrice A.
M. Ghilani Algèbre linéaire
16. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Méthode de résolution de Cramer
Exemples :
Considérons dans R le système 3 × 3 d’équation matricielle :
1 0 −1
0 −1 1
−1 2 0
=
x1
x2
x3
=
1
1
1
.
C’est un système de Cramer car son déterminant est non nul (il vaut -1).
Son unique solution est (x̃1, x̃2, x̃2) ∈ R3
avec
x̃1 =
1 0 −1
1 −1 1
1 2 0
1 0 −1
0 −1 1
−1 2 0
, x̃2 =
1 1 −1
0 1 1
−1 1 0
1 0 −1
0 −1 1
−1 2 0
x̃3 =
1 0 −1
0 −1 1
−1 2 1
1 0 −1
0 −1 1
−1 2 0
On obtient x̃1 = 5, x̃2 = 3 et x̃3 = 4.
M. Ghilani Algèbre linéaire
17. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Méthode de résolution de Gauss
Cette méthode est aussi appelée méthode des pivot de Gauss.
Qu’est-ce que la méthode de Gauss ? C’est une méthode de résolution
systématique d’un système linéaire de type (n, p) :
(S)
a11x1 + · · · + a1pxp = b1
a21x1 + · · · + a2pxp = b2
.
.
.
an1x1 + · · · + anpxp = bn
avec, a priori, aucune condition ni sur l’entier n, ni sur l’entier p ( il faut ,
bien sûr, n ≥ 1 et p ≥ 1 ). On procède en trois étapes :
1 une étape d’élimination,
2 suivie d’une étape de discussion,
3 suivie (éventuellement) d’une étape de remontée.
M. Ghilani Algèbre linéaire
18. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Méthode de résolution de Gauss
Le but c’est d’écrire le système sous une forme échelonnée. Les
opérations utilisées sont identiques à celles utilisées dans la méthode des
zéros échelonnés :
1 Multiplication de l’équation Ek par un scalaire α ∈ K∗
:
Ek ←− αEk α ∈ K∗
.
2 Addition à une équation d’un multiple d’une autre :
Ek ←− Ek + βE0
k avec β ∈ K.
3 Échange d’équations
Ek ←→ Ek0 .
M. Ghilani Algèbre linéaire
19. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Méthode de résolution de Gauss
Soit m ∈ R. Considérons dans R le système 3 × 3 suivant :
(S)
x1 + x2 = m
x2 + x3 = 2
x1 + 2x2 + x3 = 3
.
Effectuons à partir du système (S) l’opération élémentaire
E3 ←− E3 − E1, puis E3 ←− E3 − E2. On obtient le système échelonnée :
(S0
)
x1 + x2 = m
x2 + x3 = 2
0 + 0 + 0 = m − 1
Le système (S0
) est équivalent au système (S). Ici r = 2.
M. Ghilani Algèbre linéaire
20. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Méthode de résolution de Gauss
Matrice augmentée :
1 1 0 m
0 1 1 2
1 2 1 3
Élimination ou Echelonnage ou Descente :
1 2 0 m
0 1 1 2
0 0 0 3 − m
Discussion :
(
• Si m 6= 3 le système est incompatible. Il n’y a pas de solutions.
• Si m = 3
(
x2 = 2 − x3
x1 = 2 − x2 = 2 − (2 − x3) = x3
S = {(x3, 2 − x3, x3)x3 ∈ R}. = (0, 2, 0) + vect{(1, −1, 1)}
M. Ghilani Algèbre linéaire
21. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Méthode de résolution de Gauss
À l’issue de l’étape d’élimination, nous nous retrouvons avec le système
(S0
), échelonnée et équivalent à (S), de la forme :
a0
11x0
1 + a0
12x2 + · · · + a0
1r x0
r + . . . = b0
1
a0
22x2 + · · · + a0
2r x0
r + . . . = b0
2
...
.
.
.
a0
rr x0
r + . . . = b0
r
0 = b0
r+1
.
.
.
0 = b0
n
où les coefficients ( pivots) a0
11, a0
22, . . . , a0
rr sont tous non nuls et où ( en
l’absence de permutation des colonnes )
x0
1 = x1, x0
2 = x2, . . . , x0
p = xp.
M. Ghilani Algèbre linéaire
22. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Méthode de résolution de Gauss
Deux cas peuvent se produire :
1 S’il existe i ∈ {r + 1, . . . , n} tel que b0
i 6= 0 alors l’égalité ”0 = b0
i ”
absurde. Le système n’est pas compatible :
S = ∅.
2 Si b0
i = 0 pour tout i ∈ {r + 1, . . . , n} alors le système est
compatible (S 6= ∅) : il existe au moins une solution ( c’est un
vecteur de Kp
) qui dépend de p − r paramètre (s).
• Cette solution est peut-être unique. C’est le cas si
r = p.
• Il y en a peut-être une infinité. C’est le cas si
r p.
M. Ghilani Algèbre linéaire
24. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Discussion :
• S0
ilexistei ∈ {r + 1, . . . , n} tel que b0
i 6= 0
alors l’égalité ”0 = b0
i ” absurde.
Le système n’est pas compatible. S = ∅.
• Si b0
i = 0 pour tout i ∈ {r + 1, . . . , n}
alors le système est compatible (S 6= ∅) :
il existe au moins une solution ( c’est un vecteur de Kp
)
qui dépend de p − r paramètre (s).
xr =
1
a0
rr
b0
r − a0
rr+1xr+1 + · · · a0
rpxp
.
.
. =
.
.
.
x1 =
1
a11
b1 − a12x2 + · · · a1pxp
M. Ghilani Algèbre linéaire
25. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Méthode de résolution de Gauss
Exemples :
Reprenons l’exemple précédent. Considérons donc le système échelonné :
(S0
)
x1 + x2 = m
x2 + x3 = 2
x1 + 2x2 + x2 = 3
.
Considérons les deux cas suivants :
1 Si m 6= 1 alors le système est incompatible. Il n’y a donc pas de
solution : S = ∅.
2 Si m = 1 alors le système est compatible. Il y a au moins une
solution qui dépend de 3 − 2 = 1 paramètre. Il y a donc une infinité
de solutions
M. Ghilani Algèbre linéaire
26. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Méthode de résolution de Gauss
Comment obtenir la (ou les) solution(s) ? On procède en deux temps.
1 On commence par écrire le système (S00
) obtenu à partir du
système échelonné (S0
)
• en supprimant les équations de la forme « 0 = 0 »,
• en faisant passer aux seconds membres les x0
r+1, . . . , x0
p.
Les inconnues sont à présent les scalaires x0
1, x0
2, . . . , x0
r . Ce sont les
inconnues principales. Le système (S00
) est de Cramer.
2 On résout ensuite (S00
) en partant de la dernière équation, puis en
remontant jusqu’à la première équation.
À l’issue de cette étape de remontée, les inconnues principales de cette
étape de remontée, les inconnues principales x0
1, x0
2, . . . , x0
r s’expriment de
x0
r+1, . . . , x0
p.
M. Ghilani Algèbre linéaire
27. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Exemples :
Reprenons l’exemple précédent. Soit m = 1(C 6= ∅). Remplaçons (S0
) par
le système suivant :
(S00
)
(
x1 + x2 = 1
x2 = 2 −x3
d’inconnues x1, x2 et paramétré par x3. On obtient : x2 = 2 − x3, puis
x1 = −1 + x3. Une solution générale est un vecteur de R3
d’expression :
(x1, x2, x3) = (−1 + x3, 2 − x3, x3) avec x3 ∈ R.
L’ensemble des solutions s’écrit ainsi :
S = {x0 + xpart : x0 ∈ Kerf }
avec part = (−1, 2, 0) et Kerf = R(1, −1, 1).
M. Ghilani Algèbre linéaire
28. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Remarque :
Si r = n alors le système échelonné équivalent (S0
) s’écrit :
(S0
)
a0
11x0
1 + a0
12x2 + · · · + a0
1nx0
n+ . . . = b0
1
a0
22x2 + · · · + a0
2nx0
n+ . . . = b0
2
...
.
.
.
a0
nnx0
n+ . . . = b0
n
Remarquons qu’il n’y a pas d’égalité de la forme 0 = bi ’.
• Cela traduit le fait que le système est nécessairement compatible. Il
y a donc au moins une solution, c’est-à-dire une seule ou une
infinité.
• L’étape de discussion est donc ici inutile. On peut passer
directement à l’étape de remontée.
C’est exactement le cas dans l’exemple qui suit.
M. Ghilani Algèbre linéaire
29. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Étude d’un système sous-abondant
Considérons dans R le système 3 × 5 suivant :
2x1 − 3x2 + x3 + 6x4 − 6x5 = 3
2x1 − 2x2 + 2x3 + 4x4 − 6x5 = 4
−2x1 + 4x2 + x3 − 8x4 + 3x5 = 3
L ’étape d’élimination conduit au système échelonné équivalent (r=3) :
2x1 − 3x2 + x3 + 6x4 − 6x5 = 3
x2 + x3 − 2x4 = 1
x3 − 3x5 = 2
Il s’en suit que le système est compatible. Il y a au moins une solution qui
dépend de 5 − 3 = 2 paramètres. Il y a donc une infinité de solutions.
M. Ghilani Algèbre linéaire
30. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
L’étape remontée consiste à résoudre le système :
2x1 − 3x2 + x3 = 3 − 6x4 + 6x5
x2 + x3 = 1 + 2x4
x3 2 + x5
d’inconnues x1, x2 et x3 et paramétré par x4 et x5. On a :
x3 = 2 + 3x5, x2 = −1 + 2x4 − 3x5, x1 = −1 − 3x5.
Une solution générale est un vecteur de R5
de la forme :
(x1, x2, x3, x4, x5) = (−1 − 3x5, −1 + 2x4 − 3x5, 2 + 3x5, x4, x5)
où chacun des paramètres x4 et x5 parcourt R. L’ensemble des solutions
s’écrit ainsi :
S = {x0 + xpart : x0 ∈ Kerf } avec xpart = (−1, −1, 2, 0, 0)
et
Kerf = Vect
(0, 2, 0, 1, 0), (−3, −3, 3, 0, 1)
.
M. Ghilani Algèbre linéaire
33. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Soit à résoudre le système :
x1 + x2 + 2x3 = −1
3x1 + 2x2 + x3 = 2
−2x1 − x2 + x3 = −3
;
1 1 2 -1
3 2 1 2
-2 -1 1 -3
Matrice augmentée
1 1 2 -1
0 -1 -5 5
0 1 5 -5
;
1 1 2 -1
0 1 5 -5
0 1 5 -5
;
1 0 -3 4
0 1 5 -5
0 0 0 0
Le système est compatible. x1 et x2 sont des variables principales
x3 est une variable auxilliaire.
S = {(4 + 3x, −5 − 5x, x)x ∈ R} = (4, −5, 0) + vect{(3, 5, 1)}
M. Ghilani Algèbre linéaire
34. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Inversion de matrice par la méthode de
Gauss-Jordan
Soit A ∈ GLK(Kn
) (matrice inversible) d’inverse A−1
. Notons par
C1, · · · , Cn les colonnes de A−1
.
A A−1
= A(C1 C2 · · · Cn) = (e1 e2 · · · en)
= (AC1 AC2 · · · ACn) = (e1 e2 · · · en)
Résolution de n systèmes linéaire :
AC1 = e1, matrice augmentée associée est (A|e1);
AC2 = e2, matrice augmentée associée est (A|e2);
.
.
. =
.
.
.
ACn = en, matrice augmentée associée est (A|en);
On peut écrire simultanément tous ces systèmes sous la forme de :
(A|e1e2 · · · en) = (A|In)
M. Ghilani Algèbre linéaire
36. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
I3 est la matrice échelonnée réduite de A.
A−1
=
19/12 −3/2 7/12
−7/6 1 −1/6
1/4 −1/2 1/4
=
1
12
19 −18 7
−14 12 −2
3 −6 3
;
M. Ghilani Algèbre linéaire
37. Sommaire Systèmes d’équations linéaires Étude de l’ensemble des solutions Méthode de résolution de Cramer Méthode
Fin du chapitre
M. Ghilani Algèbre linéaire