Chapitre 2

Systèmes d’équations linéaires

2.1 Equations linéaires

Dé…nition 2.1 On appelle équation linéaire à n inconnues x1 ; x2 ; :::; xn toute équation
de la forme
a1 x1 + a2 x2 + ::: + an xn = b;

où les éléments a1 ; a2 ; an et b appartiennent à |; (| désigne R ou C) et sont les

coe¢ cients de l’équation.
L’équation est homogène si b = 0:
Une solution de cette équation est un n uplet; (x1 ; x2 ; :::; xn ) 2 |n qui véri…e
l’équation.

Résoudre l’équation, c’est trouver l’ensemble S de toutes les solutions.

Deux équations sont équivalentes si elles ont le même ensemble de solutions.

Exemple 2.1 L’équation y = 2x 1 représente une droite a¢ ne dans le plan. C’est une
équation linéaire à deux inconnues, car on peut l’écrire

2x1 x2 = 1;

54
où on a simplement changé les noms des inconnues : x = x1 et y = x2

2.2 Systèmes d’équations linéaires

Dé…nition 2.2 On appelle système d’équations linéaires de m équations en n inconnues
un système de la forme :
8
>
> a x + ::: + a1n xn = b1 ;
>
< 11 1
(S1 ) : :::
>
>
>
: a x + ::: + a x = b :
m1 1 mn n m

où les coe¢ cients aij et bj sont donnés, et où les xi sont des inconnues dans R ou C:
* Un cas particulier important est celui des systèmes homogènes, pour lesquels
b1 = b2 = ::: = bn = 0; c’est-à-dire dont le second membre est nul.

2.2.1 Ecriture matricielle

On peut écrire le système (S1 ) sous0la forme

1 matricielle
0 suivante
1 : AX = B;
0 1 x1 b
a11 ::: a1n B C B 1 C
B C B C B C
B C B x2 C B b2 C
où, A = B ::: ::: ::: C ; X = B . C ; B = B
B C
B ..
C:
C
@ A B .. C B . C
am1 ::: amn @ A @ A
xn bm

Exemple 2.2 8
>
> 2x + y + 5z = 10
>
<
x 3y 7z = 5
>
>
>
: x z = 13
0 1 0 1 0 1
2 1 5 x 10
B C B C B C
B C B C B C
La matrice associée est A = B 1 3 7 C ; X = B y C; B = B 5 C:
@ A @ A @ A
1 0 1 z 13

55
 0 10 1 0 1
2 1 5 x 10
B CB C B C
B CB C B C
Alors, AX = B () B 1 3 7 CB y C = B 5 C:
@ A@ A @ A
1 0 1 z 13

2.2.2 Rang d’un système d’équations linéaires

Soit A une matrice de type (m; n) :

Déterminant d’ordre r extrait de A :

On appelle déterminant d’ordre r extrait de A le déterminant d’une matrice carrée

formée en supprimant dans A : (m r) lignes et (n r) colonnes.
On appelle rang de la matrice A : l’ordre du déterminant non nul, d’ordre le plus
élevé, extrait de A:
* On appelle rang dU système, le rang de la matrice A de ce système.

2.3 Étude de l’ensemble des solutions

Soit le système (S1 ) que nous supposons de rang r et écrit de telle façon que le
déterminant des coe¢ cients des r premières inconnues et r premières équations soit non
nul.

2.3.1 Déterminant caractéristique

Déterminant caractéristique de (S1 )

On appelle déterminant caractéristique de (S1 ) le déterminant de la forme

a11 ::: a1r b1
::: ::: ::: :::
Dk = ; k = r + 1; r + 2; :::; m:
ar1 ::: arr br
ak1 ::: akr bk

56
2.3.2 Étude de l’ensemble des solutions

a) Si r = m = n; le système (S1 ) admet une seule solution.

b) Si r < m < n; le système (S1 ) indéterminé à (n r) paramètres.
c) Si r < m et si l’un au moins des déterminants caractéristiques de (S1 ) non nul,
(S1 ) n’a pas de solution.
d) Si r < m et si les déterminants caractéristiques de (S1 ) sont nuls, (S1 ) réduit aux
r équations et se résout comme dans le cas (b):
8
>
> x + y + 2w = 2;
>
>
>
>
< x + 2y + 3w = a;
Exemple 2.3 (S) : ; a et b supposés donnés, (a; b 2 R:)
>
> 3x + 5y + 8z = 2;
>
>
>
>
: 5x + 9y + 14z = b:
0 1
1 1 2
B C
B C
B 1 2 3 C
la matrice de ce système : A = B B
C;
C
B 3 5 8 C
@ A
5 9 14
0 1
2
B C
B C
B a C
et, B = BB C:
C
B 2 C
@ A
b

Les quatre déterminants d’ordre 3 sont nuls, par contre le déterminant d’ordre 2 extrait
1 1
n’est pas nul, A est de rang 2:
1 2

Les déterminants caractéristiques :

1 1 2 1 1 2
D1 = 1 2 a = 2a + 4; D1 = 1 2 a = 4a + b + 2:
3 5 2 5 9 b

1) Si D1 6= 0 ou D2 6= 0 alors (S) n’a pas de solution.

57
 Si D1 = D2 = 0; donc ce cas (S) indéterminé à un paramètre z;
2) 8
< x = 3z 6;
; z 2 R:
: y = z + 4:

2.3.3 Systèmes équivalents

Dé…nition 2.3 Deux systèmes sont équivalents s’ils ont le même ensemble de solutions.

Pour résoudre un système donné on peut essayer de trouver des systèmes plus simples.

Exemple82.4 Les deux systèmes : 8

< 3x + 3y = 15; < x + y = 5;
(S1 ) : et (S1 ) :
: x y = 3: : x y = 3:
sont équivalents.

2.3.4 Systèmes échelonnés

Dé…nition 2.4 (Système triangulaire) :

Un système linéaire est triangulaire s’il a autant d’inconnues que d’équations et si
tous les coe¢ cients de sa matrice situés au-dessous de la diagonale sont nuls.

Exemple 2.5 Le système 8

>
> x + 2y z = 4;
>
<
3y z= 1;
>
>
>
: 2z = 1:

est triangulaire. Ses coe¢ cients diagonaux 1; 3 et ( 2) sont non nuls. On remarque que
ce système possède une et une seule solution.
En ef f et; la dernière équation détermine uniquement z; puis la deuxième donne y,
et la première donne x:

Dé…nition 2.5 (Système échelonné)

58
 Un système lièaire est échelonné si sa matrice est formée d’une matrice triangulaire
à coe¢ cients diagonaux non nuls, à laquelle on a ajouté des colonnes (quelconques), puis
des lignes identiquement nulles. La taille du sous-système triangulaire s’appelle le rang
du système.
Il est échelonné réduit si en plus, le premier coe¢ cient non nul d’une ligne vaut 1
et c’est le seul élément non nul de sa colonne.

Exemple 2.6 8
>
> x + 2y 3z = 3;
>
<
- Le système y 4z = 1; est échelonné, de rang 2. Il ne possède pas de
>
>
>
: 0 = 1:
solution, puisque la dernière équation n’est jamais satisfaite.
8
>
> 2x + 3y + 2z t = 5;
>
<
- Le système y 2z = 4; est échelonné (mais pas réduit).
>
>
>
: 3t = 1:
8
>
> 2x + 3y + 2z t = 5;
>
<
- Le système 2z = 4; n’est pas échelonné (la dernière ligne com-
>
>
>
: z + t = 1:
mence avec la même variable que la ligne au-dessus).
8
>
> x + 2z = 25
>
<
- Le système y 2z = 16 est échelonné et réduit.
>
>
>
: t=1

2.4 Méthodes de résolutions d’un système linéaire

2.4.1 Méthode de substitution

Le principe est : de choisir une équation, de calculer dans cette équation l’une des
inconnues en fonction des autres, puis de la remplacer par cette expression dans toutes

59
les autres équations, puis de recommencer.
8
< x + y = 7;
Exemple 2.7 (1) : :
: 3x y = 3:
8 8 8
< x = 7 y; < x = 7 y; < x = 1;
(1) () () () :
: 3x y = 3: : 3 (7 y) y = 3: : y = 6:
Le système a une unique solution : S = f(1; 6)g :

2.4.2 Méthode de Cramer

Dé…nition 2.6 Un système de Cramer est un système carré (autant d’inconnues que
d’équations) qui a une unique solution.

Soit (S) un système carré c’est à dire sa matrice A est carrée, avec l’interprétation
matricielle : AX = B. Si la matrice A est inversible on peut résoudre ce système par
la méthode de Cramer.
Nous noterons Ai la matrice des coe¢ cients dans laquelle on a remplacé la i eme
colonne par la matrice B:
La résolution du système, par la méthode de Cramer, donne

det (Ai )
xi = ; i = 1; :::; n:
det (A)
8
< 3x y=4
Exemple 2.8 Avec la méthode de Cramer, résoudre :
: 5x + 2y = 2
0 1 0 1
3 1 4
On a : A = @ A; B = @ A:
5 2 2
3 1
det A = = 6 5 = 1 6= 0; comme le det A 6= 0 on peut résoudre ce système
5 2
par la méthode
0 de Cramer
1 et ça0nous donnera
1 :
4 1 3 4
A1 = @ A ; A2 = @ A ; donc :
2 2 5 2

60
 4 1

det(A1 )
2 2 8 3
x= det(A)
= 1
= 1
= 6:
3 4

det(A2 )
5 2 6+20
y= det(A)
= 1
= 1
= 14:
Donc, (x; y) = (6; 14) est l’unique solution de ce système.

2.4.3 Résolution par la méthode de la matrice inverse

Soit (S) un système carré, avec l’interprétation matricielle : AX = B:

Si la matrice A est inversible on peut résoudre ce système par la méthode de la matrice
inverse comme suit :
AX = B () X = A 1 B:
8
>
> 5x + 7y 3z = 16;
>
<
Exemple 2.9 Résoudre le système suivant : 3x 2y + 4z = 7; :
>
>
>
: x + y z = 6:
0 1
5 7 3
B C
B C
On a, A = B 3 2 4 C;
@ A
1 1 1
det A = 24 6= 0; alors A est inversible et son inverse est : A 1
= 1
det A
(com (A))t :
Calculons A0 1 1
2 4 3 4 3 2
B + + C
B C 0 1
B 1 1 1 1 1 1 C
B C
B C B 2 7 5
C
B 7 3 5 3 5 7 C B C
com (A) = B
B + C=B 4
C @ 2 2 C;
B 1 1 1 1 1 1 C A
B C 22 29 31
B C
B 7 3 5 3 5 7 C
@ + + A
2 4 3 4 3 2

61
 0 1 0 1
2 4 22 2 4 22
B C B C
B C B C
(com (A))t = B 7 2 29 C ; donc A 1
= 1
24 B 7 2 29 C :
@ A @ A
5 2 31 5 2 31
Alors,
X =0 A 1 B1 0 10 1 0 1
x 2 4 22 16 3
B C B CB C B C
B C 1 B CB C B C
() B y C = 24 B 7 2 29 C B 7 C = B 2 C ;
@ A @ A@ A @ A
z 5 2 31 6 5
donc (3; 2; 5) est l’unique solution de ce système.

2.4.4 Méthode de Gauss

La méthode du pivot de Gauss permet de trouver les solutions de n’importe quel

système linéaire. Par une suite d’opérations élémentaires, on transforme un système (S)
0
en un système S équivalent plus facile à résoudre et dont la matrice est triangulaire
supérieure. Nous allons décrire cet algorithme sur un exemple

Exemple 2.10 Soit (S) un système linéaire de 3 équations, 4 inconnues et à coe¢ cients
dans R: 8
>
> x2 + 2x3 + 13x4 = 5;
>
<
(S) : x1 2x2 + 3x3 + 17x4 = 4;
>
>
>
: x1 + 3x2 3x3 20x4 = 1:

Méthode de Gauss
Partie A. Passage à une forme échelonnée.
Pour appliquer la méthode du pivot de Gauss, il faut d’abord que le premier coe¢ cient
de la première ligne soit no nul. Comme ce n’est pas le cas ici, on échange les deux
premières lignes par l’opération élémentaire : L1 $ L2
8
>
> x1 2x2 + 3x3 + 17x4 = 4;
>
< L1 $ L2
x2 + 2x3 + 13x4 = 5;
>
>
>
: x1 + 3x2 3x3 20x4 = 1:

62
 Nous avons déjà un coe¢ cient 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 : L3 ! L3 + L1
8
>
> x1 2x2 + 3x3 + 17x4 = 4;
>
<
x2 + 2x3 + 13x4 = 5;
>
>
>
: x2 3x4 = 3: L 3 + L1 ! L3

On change le signe de la seconde ligne ( L2 ! L2 ) pour faire apparaître 1 au coe¢ cient

du pivot (2; 2) (deuxième ligne, deuxième colonne) :
8
>
> x1 2x2 + 3x3 + 17x4 = 4;
>
<
x2 2x3 13x4 = 5;
>
> L2 ! L2
>
: x2 3x4 = 3:

On fait disparaître le terme x2 de la troisième ligne, puis on fait apparaître un coe¢ cient
1 pour le pivot de la position (3; 3) :
8
>
> x1 2x2 + 3x3 + 17x4 = 4;
>
<
x2 2x3 13x4 = 5;
>
>
>
: 2x3 + 10x4 = 8: L3 L 2 ! L3

8
>
> x 2x2 + 3x3 + 17x4 = 4;
>
< 1
x2 2x3 13x4 = 5;
>
>
>
: 1
x3 + 5x4 = 4: L
2 3
! L3

Le système est maintenant sous forme échelonnée.

Partie B. Passage à une forme réduite.
Il reste à le mettre sous la forme échelonnée réduite. Pour cela, on ajoute à une ligne

63
des multiples adéquats des lignes situées au-dessous d’elle, en allant du bas à droite vers
le haut à gauche.
On fait apparaître des 0 sur la troisième colonne en utilisant le pivot de la troisième
ligne : 8
>
> x1 2x2 + 3x3 + 17x4 = 4;
>
<
x2 3x4 = 3;
>
> L2 + 2L3 ! L2
>
: x3 + 5x4 = 4:
8
>
> x 2x2 + 2x4 = 8;
>
< 1 L1 3L3 ! L1
x2 3x4 = 3;
>
>
>
: x3 + 5x4 = 4:

On fait apparaître des 0 sur la deuxième colonne (en utilisant le pivot de la deuxième
ligne) : 8
>
> x 4x4 = 2;
>
< 1 L1 + 2L2 ! L1
x2 3x4 = 3;
>
>
>
: x + 5x = 4:
3 4

Le système est sous forme échelonnée réduite.

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 :
Ce qui permet d’obtenir toutes les solutions du système :
S = f(4x4 2; 3x4 + 3; 5x4 + 4; x4 )g :

Remarque 2.1 On peut associe à ce système linéaire (S) le tableau des coe¢ cients
des premiers membres (matrice du système) éventuellement complété par les coe¢ cients
des seconds membres. La résolution devient une série de transformations de la matrice

64
complétée : 0 1
0 1 2 13 5
B C
B C
B 1 2 3 17 4 C
@ A
1 3 3 20 1

Proposition 2.1
Tout système d’équations linéaires est équivalent à un système échelonné.
Un système d’équations linéaires est a :
– ou bien aucune solution,
– ou bien une solution unique,
– ou bien une in…nité de solutions.

2.5 Exercices résolus

Exercice 2.1 Résoudre de quatre manières di¤érentes le système suivant (par substitu-
tion, par la méthode du pivot de Gauss, en inversant la matrice des coe¢ cients,
par les formules de Cramer) :
8
< 2x + y = 1;
(S) :
: 3x + 7y = 2:

Solution. 8
< 2x + y = 1;
(S) :
: 3x + 7y = 2:

1) Par substitution.
La première équation s’écrit aussi y = 1 2x: On remplace maintenant y dans la
deuxième équation
9
3x + 7 (1 2x) = 2 () 11x = 9 () x = 11
:
On en déduit y :
9 7
y=1 2 11
= 11
:

65
 9 7
La solution de ce système est donc, 11
; 11
:
N’oubliez pas de véri…er que votre solution fonctionne !
2) Par
8 le pivot de Gauss. 8
L1 < 2x + y = 1; < 2x + y = 1;
()
L2 : 3x + 7y = 2: 2L2 3L1 ! L2 : 11y = 7:
On obtient un système triangulaire, on en déduit y = 117 :
9
Et la première ligne : x = 11
:
3) Par les matrices inverse.
En terme
0 matriciel
1 le système
0 1 s’écrit :0AX =1B; avec,
2 1 x 1
A=@ A; X = @ A; B = @ A:
3 7 y 2
On trouve la solution du système en inversant la matrice : X = A 1 B:
2 1
det A = = 14 3 = 11 6= 0:
3 7
0 1t
1 t
7 3
Linverse de A est donc, A 1
= comA = 1 @ A ; donc
det A 11
1 2
0 1
7 1
A 1
= 1 @ A:
11
3 2
Alors 0 1 0 10 1 0 1
x 7 1 1 9
X = A 1 B () @ A= 1
11
@ A@ A= 1
11
@ A:
y 3 2 2 7
4) Par les formules de Cramer.
det A = 11 6= 0; on peut donc appliquer les formules de Gramer.
Les formules de Cramer
8 pour un système de deux équations sont les suivantes :
>
> 1 1
>
>
>
>
8 >
> 2 7
< x = det Ax ; >
< x= 9
det A det A
= 11 ;
()
: y = det Ay : >
> 2 1
det A >
>
>
>
>
> 3 2
>
: y=
det A
= 117 :

66
Exercice 2.2 Soit le système suivant :
8
>
> 3x 2y + 4z = 7;
>
<
5x + 7y 3z = 16;
>
>
>
: x + y z = 6:

1) Écrire la matrice A associée à ce système.

2) Caculer A2 :
3) Calculer det A en développant le déterminant de la matrice A suivant la première
ligne.
4) Calculer det A par la règle de Sarrus.
5) Déterminer si la méthode de Cramer est applicable pour résoudre le système d’équa-
tion donné. Si oui, résoudre le système.

Solution. 8
>
> 3x 2y + 4z = 7;
>
<
5x + 7y 3z = 16;
>
>
>
: x + y z = 6:
0 1
3 2 4
B C
B C
1) A = B 5 7 3 C:
@ A
1 1 1
0 10 1 0 1
3 2 4 3 2 4 3 16 14
B CB C B C
B CB C B C
2) A2 = B 5 7 3 CB 5 7 3 C = B 47 36 2 C:
@ A@ A @ A
1 1 1 1 1 1 7 4 2
3 2 4
7 3 5 3 5 7
3) det A = 5 7 3 =3 +2 +4 = 24:
1 1 1 1 1 1
1 1 1

67
 3 2 4 3 2
4) det A = 5 7 3 5 7 =3 7 ( 1) + ( 2) ( 3) 1+4 5 1 4
1 1 1 1 1
7 1 3 ( 3) 1 ( 2) 5 ( 1) = 24:

5) Comme det A = 24 6= 0; alors : la méthode de Cramer est applicable et le système

admet une unique solution :
7 2 4
16 7 3

det Ax
6 1 1 72
x= det A
= 24
= 24
= 3;

3 7 4
5 16 3

det Ay
1 6 1 48
y= det A
= 24
= 24
2;
3 2 7
5 7 16

det Az
1 1 6 120
z= det A
= 24
= 24
= 5:

L’ensemble de solution : S = f(x; y; z)g = f(3; 2; 5)g :

Exercice 2.3 Résoudre le système suivant où x; y et z sont des réels positifs

8
>
> x3 y 2 z 6 = 1;
>
<
(S) x4 y 5 z 12 = 2;
>
>
>
: x2 y 2 z 5 = 3:

Solution.

68
 on a, 8
>
> ln (x3 y 2 z 6 ) = ln 1;
>
<
(S) () ln (x4 y 5 z 12 ) = ln 2;
>
>
>
: ln (x2 y 2 z 5 ) = ln 3:

On pose 8
: a = ln x; b = ln y; c = ln z: (La fonction logarithme étant injective.)
>
> 3a + 2b + 6c = 0;
>
<
(S) () 4a + 5b + 12c = ln 2;
>
>
>
: 2a + 2b + 5c = ln 3:
8
>
> 3a + 2b + 6c = 0;
>
<
() 7b + 12c = 3 ln 2;
>
>
>
: 2b + 3c = 3 ln 3:
8
>
> 3a + 2b + 6c = 0;
>
<
() 7b + 12c = 3 ln 2;
>
>
>
: 3c = 21 ln 3 6 ln 2:
8
>
> a = 2 ln 2 + 6 ln 3;
>
<
() b = 3 ln 2 + 12 ln 3;
>
>
>
: c = 2 ln 2 7 ln 3:
8
>
> x = 2 2 36 ;
>
<
Ceci donne …nalement comme unique solution : y = 2 3 312 ;
>
>
>
: z = 22 3 7 :

Exercice 2.4 Résoudre le système linéaire suivant par la méthode du pivot de Gauss
8
>
> x + 2y + 3z + 4t = 1;
>
>
>
>
< 2x + 3y + 4z + t = 2;
(S)
>
> 3x + 4y + z + 2t = 3;
>
>
>
>
: 4x + y + 2z + 3t = 4:

Solution.

69
 8 8
L1 >
>
> x + 2y + 3z + 4t = 1; >
>
> x + 2y + 3z + 4t = 1;
>
> >
>
> >
L < 2x + 3y + 4z + t = 2;
2 L2 2L1 ! L2 < y 2z 7t = 0;
()
L3 >
>
> 3x + 4y + z + 2t = 3; L3 3L1 ! L3 >
>
> 2y 8z 10t = 0;
>
> >
>
> >
L4 : 4x + y + 2z + 3t = 4: L4 4L1 ! L4 : 7y 10z 13t = 0:
8
>
> x + 2y + 3z + 4t = 1;
>
>
>
>
< y 2z 7t = 0;
()
L3 2L2 ! L3 > >
> 4z + 4t = 0;
>
>
>
L4 7L2 ! L4 : 4z + 36t = 0:
8 8
>
> x + 2y + 3z + 4t = 1; >
> x = 1;
>
> >
>
>
> >
>
< y 2z 7t = 0; < y = 0;
() ()
>
> 4z + 4t = 0; >
> z = 0;
>
> >
>
>
> >
>
L 4 + L3 ! L4 : 40t = 0: : t = 0:
Donc la solution du système : S = f(1; 0; 0; 0)g :

70