RÉSOLUTION D’UN SYSTEME LINÉAIRE

1 RÉSOLUTION D’UN SYSTEME LINÉAIRE

I) Généralités

Définition
De maniére générale, on appelle équation linéaire
d’inconnues x1 ; . . . ; xn toute égalité de la forme:

a1 x1 + . . . + an xn = b ⇐⇒ (E )

où a1 ; ... ; an et b sont des nombres (réels ou complexes). Il

importe d’insister ici que ces équations linéaires sont
implicites, c’est-à-dire qu’elles décrivent des relations entre les
inconnues, mais ne donnent pas directement les valeurs que
peuvent prendre ces inconnues.

2 RÉSOLUTION D’UN SYSTEME LINÉAIRE

Résoudre une équation signifie donc la rendre explicite,
c’est-à-dire rendre plus apparentes les valeurs que les
inconnues peuvent prendre. Une solution de l’équation linéaire
(E ) est un n-uplets (s1 ; ....; sn ) de valeurs respectives des
inconnues x1 ; ...; xn qui satisfont l’équation (E ).
Autrement dit: a1 s1 + ... + an sn = b.

3 RÉSOLUTION D’UN SYSTEME LINÉAIRE

Exemple
−2x1 + 4x2 − 3x3 = 9 est une équation linéaire d’inconnues x1 ,
x2 , x3 .

Définition
Un ensemble fini d’équations linéaires d’inconnues x1 ; ...; xn
s’appelle un système d’équations linéaires d’inconnues x1 ; ...;
xn .

Exemple
Le système (
x1 − 3x2 + x3 = 1
−2x1 + 4x2 − 3x3 = 9
admet comme solution x1 = −18; x2 = −6; x3 = 1. Par
contre x1 = 7; x2 = 2; x3 = 0 ne satisfait que la première
équation. Ce n’est donc pas une solution du système.
4 RÉSOLUTION D’UN SYSTEME LINÉAIRE
Définition
Un système d’équations est dit incompatible ou inconsistant
s’il n’admet pas de solutions, c’est-à-dire que l’ensemble
solution est l’ensemble vide.

Exemple
Le système linéaire
(
x1 + x2 = 1
2x1 + 2x2 = 1

est clairement incompatible donc SR2 = {} = ∅.

5 RÉSOLUTION D’UN SYSTEME LINÉAIRE

Définition
Soient n, m ≥ 1.
On appelle système de m équations à n inconnues tout
système (S) de la forme:


a11 x1 + a12 x2 + ... + a1n xn

 = b1 (E1 )

a21 x1 + a22 x2 + ... + a2n xn

 = b2 (E2 )
(S) ⇐⇒  .. .. .. ,
 . . .

am1 x1 + am2 x2 + ... + amn xn = bm (Em )


où aij , bi sont des scalaires donnés; x1 , x2 , ..., xn sont des

inconnues et (Ei ) la i-ième équation de (S); ∀1 ≤ i ≤ m.

6 RÉSOLUTION D’UN SYSTEME LINÉAIRE

La matrice A = (aij )1≤ i ≤ m est la matrice associée à
1≤ j ≤ n
(S)(dite aussi la matrice de (S)).
Il est à noter que la j-ième colonne de A est composée
des coéfficients de l’inconnue xj dans les différentes
équations du système de la première équation(E1 ) à la
dernière équation (Em ); ∀1 ≤ j ≤ n.
Les (bi )1≤ i ≤ m sont les seconds membres de (S) , et (S)
est dit homogène si bi = 0 ∀1 ≤ i ≤ m.
Ecriture matricielle
  de (S). 
x1 b1
 .   .
.   .

Soit X =   . ; B =  .
. Alors

xn bm
(S) ⇐⇒ AX = B.

7 RÉSOLUTION D’UN SYSTEME LINÉAIRE

Exemple
Considérons le système linéaire


 x1 + 7x3 = −1
(S) ⇐⇒  2x1 − x2 + 5x3 = −5

−x1 − 3x2 − 9x3 = 7
Sa matrice associée est 
1 0 7
A=  2 −1 5 ;


−1 −3 −9
   
x1 −1
X =  x2 ; B =  −5 . Alors (S) ⇐⇒ AX = B
   

x3 7

8 RÉSOLUTION D’UN SYSTEME LINÉAIRE

Exemple
Considérons le système linéaire homogène


 x1 + 7x3 = 0
(S) ⇐⇒  2x1 − x2 + 5x3 = 0

−x1 − 3x2 − 9x3 = 0
Sa matrice associée est 
1 0 7
A=  2 −1 5 ;


−1 −3 −9
   
x1 0
X =  x2 ; B =  0 . Alors (S) ⇐⇒ AX = B = 0M31 (R) .
   

x3 0

9 RÉSOLUTION D’UN SYSTEME LINÉAIRE

II) Résolution du système (S) avec la matrice
augmentée

Je rappelle
 le système

 a11 x1 + a12 x2 + ... + a1n xn = b1

 a21 x1 + a22 x2 + ... + a2n xn

= b2
(S) ⇐⇒  .. .. .. .
 .
 . .

am1 x1 + am2 x2 + ... + amn xn = bm


10 RÉSOLUTION D’UN SYSTEME LINÉAIRE

Définition
Nous obtenons la matrice augmentée associée au système (S)
en adjoingnant à la dernière colonne de la matrice du système
A une colonne constituée des bi , les seconds membres des
équations de (S).
De là: La matrice augmentée associée au système (S) est alors
:
a11 a12 · · · a1n b1
 

 a21

a22 · · · a2n b2  
.
 . .. .. .. .. 
 .
 . . . . . 
am1 am2 ··· amn bm

11 RÉSOLUTION D’UN SYSTEME LINÉAIRE

Exemple
Considérons le système linéaire


 x1 + 7x3 = −1
2x1 − x2 + 5x3 = −5
−x1 − 3x2 − 9x3 = −5



Sa matrice augmentée est

 
1 0 7 −1
 2

−1 5 −5 
.
−1 −3 −9 −5

12 RÉSOLUTION D’UN SYSTEME LINÉAIRE

La méthode de base pour résoudre un système d’équations
linéaires est de remplacer le système par un autre, plus simple,
ayant le même ensemble de solutions.
Ceci se fait par une succession d’opérations, appelées
opérations élémentaires : qui consiste à: au choix
(1) multiplier une équation par une constante non nulle;
(2) permuter deux équations;
(3) ajouter un multiple d’une équation à une autre équation.
Les opérations (1), (2) et (3) ne changent pas l’ensemble des
solutions.
Elles correspondent à des opérations élémentaires sur les
lignes de la matrice augmentée.
Ces opérations sont les suivantes :
(1) multiplier une ligne par une constante non nulle;
(2) permuter deux lignes;
(3) ajouter un multiple d’une ligne à une autre ligne.
13 RÉSOLUTION D’UN SYSTEME LINÉAIRE
Exemple
Utilisons ces opérations élémentaires pour résoudre le système
suivant. 
 x1 + x2 + 7x3 = −1

(S) ⇔ 2x1 − x2 + 5x3 = −5
−x1 − 3x2 − 9x3 = −5



La matrice augmentée associée au système est:

 
1 1 7 −1
 2

−1 5 −5 

−1 −3 −9 −5

en faisant des opérations élémentaires sur les lignes (que sur

les lignes qui représentent les équations) de la matrice
augmentée; on a:

14 RÉSOLUTION D’UN SYSTEME LINÉAIRE

   
1 1 7 −1 1 1 7 −1
 2

−1 5 −5  ≈  0 −3
 
−9 −3 
 L2 − 2L1
−1 −3 −9 −5 0 −2 −2 −6 L3 + L1
 
1 1 7 −1
≈  0 1 3 1  − 31 L2 ≈
 

0 1 1 3 − 21 L3
 
1 1 7 −1
 0 1 3 1 


0 0 −2 2 L − L2
  3
1 0 4 −2 L1 − L2
≈ 0 1 3 1  ≈
1
0 0 1 −1 − 2 L3
 
1 0 0 2 L1 − 4L3
 0 1 0 4  L2 − 3L3 .


0 0 1 −1

15 RÉSOLUTION D’UN SYSTEME LINÉAIRE

ce qui donne
 matriciellement:
   
1 0 0 x1 2
(S) ⇔  0 1 0   x2  =  4  ⇔
    

0 0 1 x3 −1

 x1 = 2

x2 = 4
x3 = −1


D’où SR3 = {(2, 4, −1)}. Nous remarquons que les opérations
élémentaires peuvent être faites uniquement sur la matrice
augmentée pour revenir à la fin au système d’équations. C’est
ce que nous avons fait. On obtient ainsi l’unique solution du
système : x1 = 2, x2 = 4 et x3 = −1.
Donc SR3 = {(2; 4; −1)}.

16 RÉSOLUTION D’UN SYSTEME LINÉAIRE

Remarque (Remarque très importante)
Quand on finit de résoudre une équation ou un systéme
d’équations, il faut toujours donné l’ensemble solution
clairement.

Proposition
Etant donné un sytème (S) de matrice A et de matrice
augmentée M, le système est compatible (c’est-à-dire
n’admet pas l’ensemble vide comme solution) ssi le rang de A
est égal au rang de M i.e. rg (A) = rg (M).

17 RÉSOLUTION D’UN SYSTEME LINÉAIRE

III) Méthode de résolution d’un système de Cramer

Définition
Le système (S) est dit de Cramer si m = n et si det A 6= 0 .
C’est dire que dans le système (S) le nombre d’équations est
égal au nombre d’inconnues; aussi A est ici la matrice du
système (S).

18 RÉSOLUTION D’UN SYSTEME LINÉAIRE

1) Résolution d’un système de Cramer par
l’inversion de la matrice associée au système
Théorème
Tout système de Cramer (S) admet une solution unique
X = A−1 B.

Exemple

x − 2y + z = 3


(Σ) ⇐⇒  2x − y + z = 1

−x − y + z = 0
 
1 −2 1
La matrice associée à (Σ) est A =  2 −1 1 
 

−1 −1 1
et det (A) = 3 6= 0; c’est donc un système de Cramer.
19 RÉSOLUTION D’UN SYSTEME LINÉAIRE
 1 −1
 
0 3 3
2 1
A−1  −1
= 3 3 ,


−1 1 1
 
x
on a alors  y  =
 

z
0 31 −1
      1 
3 3
3
 3
A−1  1  =  −1 32 13   1  =  −7 .
     
3
0 −1 1 1 0 −2
1 −7
 
Donc SR3 = ; ; −2 .
3 3

20 RÉSOLUTION D’UN SYSTEME LINÉAIRE

2) Résolution d’un système de Cramer par des
déterminants


a11 x1 + a12 x2 + ... + a1n xn = b1


a21 x1 + a22 x2 + ... + a2n xn = b2
Soit (Σ) ⇐⇒ . .. .. ,
 ..

 . .

an1 x1 + an2 x2 + ... + ann xn = bn

un système de n équations à n inconnues de Cramer. On
appelle déterminant du système (Σ) le nombre ∆ = det A, où
A est la matrice associée à (Σ).
On appelle déterminant de xi le nombre ∆xi égal au
déterminant de la matrice obtenue en remplaçant dans A la
i ème colonne par les éléments respectifs des seconds membres
c’est-à-dire b1 , b2 , ..., bn .

21 RÉSOLUTION D’UN SYSTEME LINÉAIRE

Théorème
(Σ) étant de Cramer, l’unique
! solution dans kn est:
∆x1 ∆x2 ∆x
; ; ....; n .
∆ ∆ ∆

22 RÉSOLUTION D’UN SYSTEME LINÉAIRE

Exercice

x − 2y + z = 3


(Σ) ⇐⇒ 2x − y + z = 1 .
−x − y + z = 0



Réponse  
1 −2 1
La matrice associée à (Σ) est A =  2 −1 1 ,
 

−1 −1 1
1 −2 1 1 −2 −1
∆ = det A = 2 −1 1 = 2 −1 0 = 3
−1 −1 1 −1 −1 0
(je rappelle que j’ai fait col3 + col2 )
3 −2 1 1 3 1
∆x = 1 −1 1 = 1; ∆y = 2 1 1 = −7;
0 −1 1 −1 0 1

23 RÉSOLUTION D’UN SYSTEME LINÉAIRE

 1 −2 3
∆z = 2 −1 1 = −6;
−1 −1 0
∆x 1 ∆y −7 ∆z −6
x= = ; y= = ; z= = = −2
∆ 3 ∆ 3 ∆ 3
Donc
1 −7
 
SR3 = ; ; −2 .
3 3

24 RÉSOLUTION D’UN SYSTEME LINÉAIRE

IV) Résolution d’un système avec le rang de la
matrice associée connu
Soit A = (aij )1≤ i ≤ m , la matrice de (S) , et soit r = rgA.
1≤ j ≤ n
1er cas: m = r < n,
(S) ⇐⇒ (S 0 ) ⇐⇒
b1 − (a1r +1 xr +1 + a1r +2 xr +2 + ... + a1n xn )



 a11 x1 + a12 x2 + ... + a1r xr = | {z }


 c1 (xr +1 , xr +2 , ..., xn )


 b2 − (a2r +1 xr +1 + a2r +2 xr +2 + ... + a2n xn )
 a21 x1 + a22 x2 + ... + a2r xr = | {z }
c2 (xr +1 , xr +2 , ..., xn )

 .. .. ..


 . . .
bm − (amr +1 xr +1 + amr +2 xr +2 + ... + amn xn )




 am1 x1 + am2 x2 + ... + amr xr = | {z }
cm (xr +1 , xr +2 , ..., xn )
Soit A0 = (aij )1≤ i, j ≤r avec r = rgA0 donc det A 6= 0 0

(S 0 ) est un système de Cramer qu’on doit résoudre avec les

(xr +i )1≤ i ≤(n−r ) comme inconnues secondaires(c’est-à-dire des
paramètres).
25 RÉSOLUTION D’UN SYSTEME LINÉAIRE
2ème cas : r < m (voir système échelonné à la suite).

Définition(rappel)

On appelle opérations élémentaires dans un système; les

opérations de l’une des formes suivantes:
a) Echanger deux lignes du système.
b) Multiplier une ligne par une constante non nulle.
c) Rajouter à une ligne du système un multiple d’une autre
ligne du système. (une ligne ici est une équation du
système)

Remarque
Les opérations élémentaires transforment un système en un
système équivalent. On peut donc transformer un système
linéaire par une succession d’opérations élémentaires en un
système échelonné.
26 RÉSOLUTION D’UN SYSTEME LINÉAIRE
V) Systèmes échelonnés ou Méthode du pivot
On dit qu’un système est échelonné si et seulement si tous les
coefficients figurant en-dessous de la diagonale sont nuls.
Cela revient à dire que ∀i > j, aij = 0. Autant dire qu’un
système échelonné se présente sous l’une des trois formes
suivantes:
(a) Si m = n
(un tel système est dit carré et l’on dit d’un système carré
échelonné qu’il est trigonal).


 a11 x1 + a12 x2 + · · · +a1n xn = b1
· · · +a2n xn = b2


 a22 x2 +
.. .. .


 . .

ann xn = bn


Dans ce premier cas il est facile de résoudre le système lorsque

tous les termes diagonaux sont non nuls.
27 RÉSOLUTION D’UN SYSTEME LINÉAIRE
On utilise l’algorithme de la remontée:
la dernière équation donne en effet la valeur
bn
xn = ,
ann
puis l’avant-dernière ligne donne la valeur
1  
xn−1 = bn−1 − a(n−1)n xn
a(n−1)(n−1)
et, plus généralement,
on obtient:
 
n
1  X
xk = bk − akj xj  ,
akk j=k+1

ce qui permet de calculer les xk successifs par ordre

décroissant de l’indice k. Le système admet une unique
solution, et cela quel que puisse être le second membre.
Un système ayant cette propriété s’appelle un système de
Cramer.
28 RÉSOLUTION D’UN SYSTEME LINÉAIRE
Si, au cours de cet algorithme, on trouve un coefficient
diagonal nul dans une ligne, par exemple la ligne k, alors on ne
peut pas trouver la valeur de xk .

La ligne correspondante introduit une condition de

compatibilité. Si cette condition n’est pas vérifiée, le système

n’admet pas de solutions; si au contraire cette condition est

vérifiée, toute solution de xk convient et l’on peut poursuivre
l’algorithme. Il y a alors une infinité de solutions, paramétrées
par la valeur de xk .

Cette situation peut d’ailleurs se rencontrer plusieurs fois au

cours de la remontée, induisant une discussion plus
approfondie.
On voit par là l’intérêt des systèmes triangulaires dont les
coefficients diagonaux sont non nuls.
29 RÉSOLUTION D’UN SYSTEME LINÉAIRE
(b) Si m < n : on a:


 a11 x1 + a12 x2 + · · · +a1n xn = b1
· · · +a2n xn = b2


 a22 x2 +
... .. .. .




. .
amm xm = bm


Dans ce cas, on fixe arbitrairement les valeurs des variables

xm+1 à xn .
On est alors ramené au cas précédent, simple à résoudre
lorsque tous les coefficients diagonaux sont non nuls,
nécessitant une discussion sinon.

30 RÉSOLUTION D’UN SYSTEME LINÉAIRE

(c) Si m > n:

a11 x1 + a12 x2 + · · · +a1n xn = b1




· · · +a2n xn = b2



 a22 x2 +
.. ..


 ..



 . . .
ann xn = bn .



 0 = bn+1
.. ..



. .





0 = bm


Dans ce cas les dernières lignes donnent directement des

conditions de compatibilité.

Lorsqu’elles sont vérifiées, on se ramène au cas ci-dessus.

D’où, là encore, l’intérêt de l’obtention de coefficients
diagonaux non nuls.

31 RÉSOLUTION D’UN SYSTEME LINÉAIRE

Exemple


2x − y − z = 1 (E1 )
Soit (S) ⇔ 3x + 4y − 2 z = 0 (E2 ) .
3x − 2y + 4z = −1 (E3 )


On a

2x − y − z = 1

 (E1 )
(S) ⇔ 6y − 6z = 1 (E2 − E3 )
y − 11z = 5 (3E1 − 2E3 )



1

2x − y − z = 1 (E1 ) ⇒ x=




 10
19


⇔ 6y − 6z = 1 (E2 ) ⇒ y =−

 60

 29
−60z = 29 (6E3 − E2 ) ⇒ z = −



60
1 19 29
 
Donc S
R3 = ;− ;− .
10 60 60
32 RÉSOLUTION D’UN SYSTEME LINÉAIRE
VI) Calcul de l’inverse d’une matrice par la
résolution de systèmes
1) Une première méthode(mais souvent fastidieuse)

Soit A = (aij )1≤ i, j ≤ n une matrice inversible,

B = (xij )1≤ i, j ≤ n son inverse, alors AB = In .
Pour trouver la 1ère colonne de B, on résoud le système:
   
x11 1

 x21 


 0 

A ..  = .. .
. .
   
   
xn1 0

33 RÉSOLUTION D’UN SYSTEME LINÉAIRE

Pour

trouver laj èmecolonne

de B, on résoud le système:
x1j 0

x2j   .. 
   . 
 ..   
.  0 
   
 
−→ seule la j ème coordonnée est
   
A
 xjj 
 =
 1 


 x(j+1)j 


 0 

 ..   .. 
. .
   
   
xnj 0
égale à 1.

34 RÉSOLUTION D’UN SYSTEME LINÉAIRE

2) Une deuxième méthode
Exercice
 
1 1 1
Soit A = 1 −1 0 , montrer que A est inversible et
 

1 0 −1
calculer A−1 .
Réponse    
x1 y1
det A = 3; soit X =  x2 ; Y =  y2 ,
   

x3 y3

(S) ⇔ AX =Y
    
1 1 1 x1 y1
⇐⇒ 
1 −1 0 
  x2  =  y2 
   

1 0 −1 x3 y3
35 RÉSOLUTION D’UN SYSTEME LINÉAIRE
 
x1 + x2 + x3 = y1


(S) ⇐⇒ (S) ⇔ x1 − x2 = y2
x1 − x3


= y3
1 1 1

x1 = y1 + y2 + y3




 3 3 3
1 2 1


0
⇐⇒ (S ) ⇔ x2 = y1 − y2 + y3

 3 3 3

 1 1 2
 x3 = y1 + y2 − y3


3 3 3
La matrice associée à (S 0 ) est l’inverse de A donc:
1 1 1
 

3 3 3 

1 2 1

A−1

=
 − .
3 3 3 

1 1 2
−
3 3 3
36 RÉSOLUTION D’UN SYSTEME LINÉAIRE