Chapter 2

Équations linéaires en algèbre

linéaire

2.1 Systèmes d’équations linéaires

On appelle équation linéaire d’inconnues x1 , ..., xn , une équation que l’on peut mettre
sous la forme
a1 x1 + a2 x2 + ... + an xn = b (2.1.1)
où b et les coefficients a1 , a2 , ..., an sont des nombres réels ou ”complexes”, dont on connait
en général la valeur. L’indice n est un entier strictement positif qui représente le nombre
d’inconnues du système.
Les deux équations
√
4x1 − 5x2 + 2 = x1 et x2 = 2( 6 − x1 ) + 5x3
sont linéaires car on peut les réécrire sous la forme de l’équation (2.1.1) :
√
3x1 − 5x2 = −2 et 2x1 + x2 − 5x3 = 2 6.
Par contre, les équations
√
4x1 − 5x2 = x1 x2 et x1 = 2 x2 − 6
ne sont pas linéaires; on ne peut pas les transformer sous la forme (2.1.1), respectivement
√
à cause des termes x1 x2 et x2 .
On appelle systeme d’équations linéaires (ou système linéaire), un ensemble
d’une ou plusieurs équation(s) linéaire(s) aux mêmes inconnues x1 , ..., xn . Par exemple

2x1 −x2 +3x3 = 8

(2.1.2)
x1 −4x3 = −7
Lorsque le second membre de chaque équation linéaire d’un système linéaire est nul on dit
que le système linéaire est homogène. Par exemple, le système suivant est homogène
x1 −x2 +5x3 = 0
(2.1.3)
7x2 −x3 = 0

19
 2. ÉQUATIONS LINÉAIRES EN ALGÈBRE LINÉAIRE 20

On appelle solution du système linéeaire, toute liste (s1 , s2 , ..., sn ) de nombres qui
transforme chaque équation en une égalité vraie quand on substitue s1 , s2 , ..., sn respec-
tivement à x1 , x2 , ..., xn . Par exemple, (1, 0, 2) est une solution du système (2.1.2) car en
substituant, dans ce système, les valeurs 1,0,2 respectivement à x1 , x2 et x3 on obtient 8 = 8
et −7 = −7. Par contre, (2, 1, 1) n’est pas une solution de (2.1.2). Deux systèmes linéaires
sont dits équivalents s’ils possèdent le même ensemble de solutions, c’est-à-dire si toute
solution du premier système est solution du second, et toute solution du second est solution
du premier.
On peut interpréter l’ensemble de solutions d’un système de deux (resp. trois) équations
linéaires à deux inconnues comme étant l’intersection de deux droites dans le plan (resp.
dans l’espace R3 ; voir Exemple 1.4.2). Il y a cependant trois possibilités : l’ensemble
de solutions est vide (cas où les deux droites ne sont pas sécantes), un point (cas où les
deux droites sont sécantes) ou une infinité de point (cas où les deux droites sont confon-
dues). Cette propriété de l’ensemble de solutions d’un systéme linéaire á deux inconnues se
généralise à l’ensemble de solutions des systèmes linéaires :
Propriété 2.1.1. Un système d’équations linéaires ne peut être que dans une des trois
situations suivantes :
1. Soit il n’a pas de solution;

2. Soit il a exactement une solution;

3. Soit il a une infinité de solutions.

Dans le premier cas on dit que le système d’équations linéaires est incompatible et dans
les deux derniers cas on dit que le système d’équations linéaires est compatible (il admet
au moins une solution).
Exemple 2.1.2.
• Un système d’équations linéaires homogène est toujours compatible, il admet au moins la
solution (0, 0, ..., 0) appelée solution triviale.
• Un système de deux équations linéaires à trois inconnues ne peut pas admet exactement une
solution, car l’ensemle de solution d’un tel système peut s’interpréter comme l’intersection
de deux plans dans R3 .

Matrice des coefficients d’un système linéaire

Un tableau rectangulaire de scalaires constitué de m lignes et n colonnes est appelé matrice
de taille (ou type) m × n (lire m − n). Par exemple
   
� � � � 1 −1 7 0 0
1 −1 1 −1 7
, , 2 3  , 0 0 −11
0 3 5 −3 17
19 8 0 0 0

sont respectivement des matrices du type 2 × 2, 2 × 3, 3 × 2 et 3 × 3. On appelle ligne ou

colonne non nulle d’une matrice, toute ligne ou colonne qui contient au moins un coefficient
2. ÉQUATIONS LINÉAIRES EN ALGÈBRE LINÉAIRE 21

non nul. On appelle coefficient principal d’une ligne non nulle d’une matrice, le
coefficient non nul le plus à gauche de cette matrice. Par exemple, le coefficient principal
de la deuxième ligne de la matrice 2 × 2 ci-dessus est 3, les coefficients principaux de la
première et la deuxième ligne de la matrice 3 × 3 sont respectivement 7 et -11.
A un système linéaire de m équations à n inconnues on fait correspondre une matrice
A de type m × n appelée matrice (des coefficients) du système linéaire et une matrice
notée [A|b] appelée matrice complète (ou matrice augmentée) du système linéaire.
La j-ème colonne de la matrice du système linéaire correspond à l’inconnue xj du système
et est constituée de la liste ordonnée des coefficients de cette inconnue dans chacune des
équations du système (si cette inconnue n’apparait pas dans une équation donnée alors son
coefficient est nul); b est le vecteur colonne des seconds menbres du système linéaire. Par
exemple, la matrice du systm̀e linéaire (2.1.2) et la matrice augmentée sont
� � � �
2 −1 3 2 −1 3 8
A= ; [A|b] = .
1 0 −4 1 0 −4 −7

2.2 Résolution d’un système linéaire

2.2.1 Formes échelonnées d’une matrice et algorithme du pivot de Gauss
On se propose de résoudre le système linéaire suivant

x1 −2x2 +x3 = 0
2x2 −8x3 = 8 . (2.2.1)
5x1 −5x3 = 10

En procède par élimination. On conserve x1 dans la première équation et on l’élimine dans

les autres équations. Pour cela, on ajoute -5 fois la première équation à la troisième équation
et on écrit le résultat à la place de la troisième équation ; on obtient

x1 −2x2 +x3 = 0
2x2 −8x3 = 8
10x2 −10x3 = 10

Ensuite, on conserve x2 dans la deuxième équation et on l’élimine dans la troisiéme en

ajoutant -5 fois la deuxième équation à la troisième ; on obtient

x1 −2x2 +x3 = 0
2x2 −8x3 = 8 (2.2.2)
30x3 = −30
1 1
On multiplie l’équation 3 par 30 et l’équation 2 par 2 pour obtenir

x1 −2x2 +x3 = 0
x2 −4x3 = 4
x3 = −1
2. ÉQUATIONS LINÉAIRES EN ALGÈBRE LINÉAIRE 22

On élimine x3 dans les deux premières équations en remplaçant l’équation 2 par l’équation
obtenue en ajoutant 4 fois l’équation 3 à l’équation 2 et en remplaçant l’équation 1 par
l’équation obtenue en ajoutant l’opposée de l’équation 3 à l’équation 1. On obtien

x1 −2x2 = 1
x2 = 0
x3 = −1

Maintenant, on remplace l’équation 1 par l’équation qui résulte de l’ajout de 2 fois l’équation
2 à l’équation 1 :
x1 = 1
x2 = 0 (2.2.3)
x3 = −1.
On voit que le système (2.2.1) admet l’unique solution (1, 0, −1). Le système équivalent
(2.1.2) permet d’évaluer la compatibilité du système (2.2.1), la matrice augmentée corre-
spondante  
1 −2 1 0
 0 2 −8 8 
0 0 30 −30
est dite sous forme échelonnée. Le système équivalent (2.2.3) permet de tirer les solutions
du système initial (2.2.1), la matrice augmentée correcpondante est le suivant
 
1 0 0 1
 0 1 0 0 ;
0 0 1 1

elle est dite sous forme échelonnée reduite.

Plus généralement, on a la définition suivante :

Definition 2.2.1. Une matrice rectangulaire est dite sous forme échelonnée (ou sous
forme échelonnée en ligne) si elle vérifie les trois propriétés suivantes :

1. Toutes les lignes non nulles sont au-dessus de toutes les lignes nulles.

2. Le coefficient principal de chaque ligne se trouve dans une colonne située à droite de
celle du coefficient principal de la ligne au-dessus d’elle.

3. Tous les coefficients situés dans une colonne en dessous d’un coefficient principal sont
nuls.

Une matrice qui vérifie en outre les deux conditions ci-dessous est dite sous forme échelonnée
reduite (ou sous forme échelonnée en ligne reduite )

4. Le coefficient principal de chaque ligne non nulle est égal à 1.

5. Les coefficients principaux (égaux à 1) sont les seuls élément non nuls de leur colonne.
2. ÉQUATIONS LINÉAIRES EN ALGÈBRE LINÉAIRE 23

Exemple 2.2.2. Parmi les matrices suivantes, indiquer celles qui sont sous forme échelonnée
reduite. Parmi celles qui ne sont pas échelonnées reduites indiquées celles qui sont seulement
sous forme échelonnée.

    
� � � 0 1 0 0� 7 12 0 1 0 5 0
0 1 −1 1 0 7
A= , B= , C = 0 0 0 0 , D = 0 0 1 , E = 0 1 1 0 .
0 0 1 0 1 17
1 0 0 0 0 0 0 0 0 0 1

Solution. Les matrices B et E sont sous forme échelonnée reduite car elles satisfont toutes
les conditions (1)-(5) de la Définition 2.2.1.
Le matrice A est échelonnée mais pas réduite, car le coefficient principal de la deuxième
ligne de cette matrice n’est pas le seul élément non nul de sa colonne. La matrice D est
aussi échelonnée mais pas réduite car elle possède un coefficient principal différent de 1.
La matrice C n’est pas échelonnée car elle possède une ligne nulle au dessus d’une ligne
non nulle.
Definition 2.2.3 (Opérations élémentaires sur les lignes/matrices équivalentes). On dis-
tingue trois opérations élémentaires:
1. (Remplacement) Remplacer une ligne par la ligne obtenue en lui ajoutant un multiple
d’une autre ligne.

2. (Échange) Échanger deux lignes.

3. (Multiplication par un scalaire) Multiplier tous les coefficients d’une ligne par une
constante non nulle.
Deux matrices sont dites équivalentes selon les lignes si l’on peut passer de l’une à
l’autre par une suite finie d’opérations élémentaires sur les lignes.
Remarque 2.2.4. Deux systèmes linéaires dont les matrices sont équivalentes selon les
lignes admettent le même ensemble de solutions.
Théorème 2.2.5 (Uniciété de la forme échelonnée reduite). Toute matrice est équivalente
selon les lignes à une et une seule matrice échelonnée reduite.
Remarque 2.2.6. Si une matrice A est équivalente selon les lignes à une matrice échelonnée
U , on dit que U est une forme échelonnée (ou forme échelonnée en ligne) de A; si
U est une forme échelonnée reduite, on parle de forme échelonnée reduite de A.
L’algorithme du pivot de Gauss constitue un élément de preuve du Théorème 2.2.5.
Avant de l’énoncer on a la définition suivante:
Definition 2.2.7 (Position de pivot). On appelle position de pivot d’une matrice A,
l’emplacement dans A correspondant à un coefficient principal (égal à 1) de la forme
échelonnée réduite de A. On appelle colonne pivot, une colonne de A contenant une
position pivot.
2. ÉQUATIONS LINÉAIRES EN ALGÈBRE LINÉAIRE 24

2.2.2 Algorithme du pivot de Gauss

L’algorithme du pivot de Gauss comporte quatre étapes et conduit à une matrice sous forme
échelonnée. Une cinquième étape permet d’obtenir une matrice échelonnée réduite.

Etape 1 : On considère la colonne non nulle la plus à gauche. C’est une colonne pivot. La
position de pivot est en haut de cette colonne.

Étape 2 : On choisit comme pivot un élément non nul de la colonne pivot. Si nécessaire,
on échange deux lignes pour amener cet élément à la position pivot.

Étape 3 : Au moyen d’opérations de remplacement, on fait apparaı̂tre des 0 à toutes les

positions situées sous le pivot.

Étape 4 : On cache (ou on ignore) la ligne contenant la position de pivot et, éventuellement,
toute les lignes au dessus d’elle. On applique les étapes 1 à 3 à la sous-matrice restante.
On répète le processus jusqu’á ce qu’il ne reste plus aucune ligne non nulle à modifier.

Étape 5 : On fait apparaı̂tre des 0 au-dessus de chaque pivot, en commençant par le pivot
le plus à droite et en progressant vers le haut et vers la gauche. Si un pivot est différent de
1, on divise sa ligne par la valeur du pivot pour obtenir la valeur 1.
Exemple 2.2.8. Mettre la matrice ci-dessous d’abord sous forme échelonnée, puis sous
forme échelonnée reduite.  
0 3 −6 6 4 −5
3 −7 8 −5 8 9 
3 −9 12 −9 6 15

Solution. La premère colonne de cette matrice est non nulle ; c’est donc une colonne pivot.
La position de pivot, se trouvant en haut de la colonne, est à la place de 0. Il y a deux
candidats pour le pivot : le 3 de la deuxième ligne et le 3 de la troisième ligne. La troisième
ligne est beaucoup plus simple à simplifier lorsqu’on la multiplie par 13 pour obtenir un
coefficient principal égal à 1. On échange donc les lignes 1 et 3. On trouve
 
3 −9 12 −9 6 15
3 −7 8 −5 8 9 
0 3 −6 6 4 −5

On applique l’étape 3 en remplaçant la deuxième ligne par la ligne obtenue en ajoutant -1

fois la ligne 1 à la ligne 2. On trouve
 
3 −9 12 −9 6 15
0 2 −4 4 2 −6
0 3 −6 6 4 −5

Si l’on cache la ligne 1, on voit, en appliquant l’étape 1, que la colonne 2 est la colonne pivot
suivante. La position de pivot se trouve en haut de cette colonne. On applique l’étape 2
2. ÉQUATIONS LINÉAIRES EN ALGÈBRE LINÉAIRE 25

en choisissant 2 comme pivot. Pour l’étape 3, on remplace la ligne 3 par la ligne obtenue
en ajoutant − 32 fois la ligne 2 à la ligne 3 (on peut d’abord ajouter une étape intermédiaire
qui consiste à diviser la ligne 2 par 2). On trouve
 
3 −9 12 −9 6 15
0 2 −4 4 2 −6
0 0 0 0 1 4
Si l’on cache la ligne contenant la deuxième position de pivot pour l’étape 4, on se retrouve
avec une nouvelle sous-matrice formée d’une seule ligne. Les étapes 1 à 3 sont sans objet
pour cette sous-matrice, et l’on est parvenu à une forme échelonnée de la matrice initiale.
Pour trouver la forme échelonnée reduite on applique l’étape 5. Le pivot le plus à droite
est 1, sur la colonne 5. On fait apparaı̂tre 0 au dessus de ce pivot en remplaçant la deuxième
ligne par la ligne obtenue en ajoutant -2 fois la ligne 3 à la ligne 2 et en remplaçant la ligne
1 par la ligne obtenue en ajoutant 6 fois la ligne 3 à la ligne 1. On trouve
 
3 −9 12 −9 0 −9
0 2 −4 4 0 −14
0 0 0 0 1 4
Le pivot suivant est à la ligne 2. On transforme sa valeur en 1 en divisant cette ligne par le
pivot, qui est 2. Cela donne
 
3 −9 12 −9 0 −9
0 1 −2 2 0 −7
0 0 0 0 1 4
On fait apparaı̂tre 0 au dessous du pivot 1 de de la colonne 2 en remplaçant la ligne 1 par
la ligne obtenur en ajoutant 9 fois la ligne 2 à la ligne 1. On trouve
 
3 0 −6 9 0 −72
0 1 −2 2 0 −7 
0 0 0 0 1 4
Maintenant, on divise la ligne 1 par la valeur du pivot qui est 3. On trouve finalement la
matrice échelonnée reduite
 
1 0 −2 3 0 −24
0 1 −2 2 0 −7  .
0 0 0 0 1 4
L’ensemble des opérations correspondant aux étapes 1 à 4 est appelé phase de de-
scente de l’algorithme du pivot. L’étape 5, qui conduit á l’unique forme échelonnée reduite,
est appelée phase de remontée.
Exemple 2.2.9. Réduire la matrice suivante sous la forme échelonnée réduite en utilisant
la méthode du pivot.  
1 2 −1 2 1
A = 2 4 1 −2 3
3 6 2 −6 5
2. ÉQUATIONS LINÉAIRES EN ALGÈBRE LINÉAIRE 26

Solution. On a

     
1 2 −1 2 1 l2 ← l2 − 2l1 1 2 −1 2 1 1 1 2 −1 2 1
2 4 1 −2 3 ∼ 0 0 3 −6 1 l2 ← 3 l2 0 0 1 −2 1/3
∼
3 6 2 −6 5 l3 ← l3 − 3l1 0 0 5 −12 2 0 0 5 −12 2

   
1 2 −1 2 1 1 1 2 −1 2 1 l2 ← l2 + 2l3
l3 ← l3 − 5l2  1  l3 ← − 3 l3  1 
0 0 1 −2 3 0 0 1 −2 3 ∼
∼ ∼
0 0 0 −2 13 0 0 0 1 − 16 l1 ← l1 − 2l3
   
1 2 −1 0 43 l2 ← l2 + 2l3 1 2 0 0 43
0 0 1 0 0  ∼ 0 0 1 0 0 
1
0 0 0 1 − 6 l1 ← l1 − 2l3 0 0 0 1 − 16
La forme échelonnée reduite de la matrice A est donc
 
1 2 0 0 43
0 0 1 0 0 .
0 0 0 1 − 16

Remarque 2.2.10. Comme la forme échelonnée réduite d’une matrice est unique, les po-
sitions de pivot d’une matrice ne dépendent pas des opérations élémentaires éffectuées pour
réduire cette matrice.

2.2.3 Solution d’un système linéaire

En appliquant l’algorithme du pivot de Gauss à la matrice complète d’un systéme linéaire,
on arrive directement à la description de son ensemble de solutions.
Exemple 2.2.11. Déterminer la solution général du système dont la forme échelonnée
reduite de la matrice complète est
 
1 0 −5 1
 0 1 1 4 .
0 0 0 0

Solution. Le système comporte trois inconnues, puisque la matrice complète à quatre

colonnes. Le système linéaire associé est

x1 − 5x3 = 1
x2 + x3 = 4 .
0 = 0
Les inconnues x1 et x2 , correspondant aux colonnes pivots de la matrice, sont appelées
inconnues principales ou variables liées. La dernière inconnue, x3 , est appelé incon-
nue secondaire ou variable libre ou tout simplement inconnues non principales. On
2. ÉQUATIONS LINÉAIRES EN ALGÈBRE LINÉAIRE 27

obtient la solution générale du système en exprimant les inconnues principales en fonctions

des inconnues secondaires. D’où

 x1 = 1 + 5x3
x 2 = 4 − x3 (2.2.4)

x3 quelconque
La locution ”x3 quelconque ” signifie que l’on peut choisir arbitrairement n’importe quelle
valeur pour x3 . Une fois que cette valeur est choisie, la formula (2.2.4) permet de détermine
de façon unique les valeurs de x1 et x2 . Par exemple, pour x3 = −1 la solution est
(−4, 5, −1); pour x3 = 0 la solution est (1, 4, 0). La formule (2.2.4) est appelée représentation
paramétrique de la solution.

Exemple 2.2.12. Résoudre le système linéaire suivant par la méthode du pivot de Gauss.

x1 + 3x3 = 2
x2 − 3x4 = 3
. (2.2.5)
− 2x2 + 3x3 + 2x4 = 1
3x1 + 7x4 = 5

Solution. La matrice complète du système est

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

En appliquant la méthode du pivot de Gauss à cette matrice on trouve la forme échelonnée

reduite  
1 0 0 0 11
 0 1 0 0 −9 
 .
 0 0 1 0 −3 
0 0 0 1 −4
Le système (2.2.5) est donc équivalent à


 x1 = 11

x2 = −9
.

 x = −3
 3
x4 = −4
(2.2.5) admet donc l’unique solution (11, −9, −3, −4).

Exemple 2.2.13. Étudier la compatibilité du système suivant

x2 − 4x3 = 8
2x1 − 3x2 + 2x3 = 1 . (2.2.6)
4x1 − 8x2 + 12x3 = 1
2. ÉQUATIONS LINÉAIRES EN ALGÈBRE LINÉAIRE 28

Solution. La matrice complète de ce systéme est

 
0 1 −4 8
 2 −3 2 1  .
4 −8 12 1

En appliquant la méthode du pivot à cette matrice on trouve

       
0 1 −4 8 2 −3 2 1 2 −3 2 1 2 −3 2 1
 2 −3 2 1  ∼  0 1 −4 8  ∼  0 1 −4 8  ∼  0 1 −4 8  .
4 −8 12 1 4 −8 12 1 0 −2 8 −1 0 0 0 15

Le système (2.2.6) est donc équivalent au système suivant

x2 − 4x3 = 1
2x1 − 3x2 + 2x3 = 8 .
0 = 15

Le système est incompatible, car 0 = 15 est une contradiction.

Théorème 2.2.14 (Existence et unicité). Un système linéaire est comatible si et seulement

si la colonne de droite de la matrice complète n’est une colonne pivot, c’est--̀dire si et
seulement si une forme échelonnée de la matrice complète complète n’a aucune ligne de la
forme � �
0 · · · 0 b , avec b non nul.
Si un système linéaire est compatible, alors l’ensemble des solutions contient soit

(i) Une solution unique, s’il n’existe pas d’inconnues secondaires;

(ii) Une infinité de solutions, s’il existe au moins une inconnue secondaire.

2.3 Equations vectorielles et matricielles

2.3.1 Equations vectorielles
En algèbre linéaire, l’une des principales questions qui se pose est l’étude de l’ensemble des
vecteurs qui s’écrivent comme des combinaisons linéaires
  d’un ensemble
  donné de
 vecteurs

1 5 −3
{v1 , ..., vp }. Soient par exemple les vecteurs a1 = −2, a2 = −13 et b =  8 . Le
3 −3 1
vecteur b est-il une combinaison linéaire de a1 et a2 ? En d’autre terme b ∈ V ect {a1 , a2 }?
D’après la définition de combinaison linéaire, b ∈ V ect {a1 , a2 } si et seulement si il
existe deux scalaires x1 et x2 tels que

x1 a1 + x2 a2 = b (2.3.1)
2. ÉQUATIONS LINÉAIRES EN ALGÈBRE LINÉAIRE 29

L’équation (2.3.1) est appelée équation vectorielle. D’après les règles d’opérations sur
les vecteurs, elle est équivalente à
   
x1 + 2x2 7
−2x1 + 5x2  =  4  ,
−5x1 + 6x2 −3
ou encore, en identifiant les composantes des vecteurs des deux membres
x1 + 2x2 = 7
−2x1 + 5x2 = 4 (2.3.2)
−5x1 + 6x2 = −3
Par conséquent, l’équation vectorielle (2.3.1) et le système (2.3.2) ont le même ensemble de
solutions. La matrice
� complète
� du système (2.3.2), écrite en mettant simplement le nom de
ses colonnes, est a1 a2 b . En appliquant l’algorithme du pivot de Gauss à cette matrice
on trouve
   
� � 1 2 7 1 0 3
a1 a2 b = −2 5 4  ∼ 0 1 2 .
−5 6 −3 0 0 0
On déduit que x1 = 3 et x2 = 2. Ainsi, b est une combinaison linéaire de a1 et a2 avec
b = 3a1 + 2a2 .
Plus généralement, une équation de la forme
x1 a1 + x2 a2 + ... + xn an = b, (2.3.3)
d’inconnues scalaires x1 , x2 ,...,xn pour laquelle a1 , a2 , ..., an et b sont des vecteurs donnés
est appelée équation vectorielle. Elle a le même ensemble de solutions que le système
dont la matrice complète est � �
a1 a 2 · · · an b .
En particulier, on peut écrire b comme
� combinaison �linéaire de a1 , ..., an si et seulement si
le système de matrice complète a1 a2 · · · an b est compatible.
     
1 5 −3
Exemple 2.3.1. On pose a1 = −2 , a2 =   −13  et b =  8 . Le vecteur b
3 − 13 1
appartient-il à V ect {a1 , a2 }?

Solution.� Le vecteur � b appartient à V ect {a1 , a2 } si et seulement si le système de matrice

complète a1 a2 b admet au moins une solution. En appliquant l’algorithme du pivot à
cette matrice on trouve
     
1 5 −3 1 5 −3 1 5 −3
−2 −13 8  ∼ 0 −3 2  ∼  0 −3 2  .
3 −3 1 0 − 18 10 0 0 −2
� �
La colonne de droite de la matrice a1 a2 b est donc une colonne pivot, et donc le système
associé n’a pas de solution. On déduit que le vecteur b n’appartient pas à V ect {a1 , a2 }.
2. ÉQUATIONS LINÉAIRES EN ALGÈBRE LINÉAIRE 30

2.3.2 Equations matricielles

Definition 2.3.2 (Produit d’une matrice par un vecteur). Si A est une matrice m × n, de
colonnes a1 ,..., an , et si x est un vecteur de Rn , alors on appelle produit de A par x,
et on note Ax, le vecteur de Rm égal à la combinaison linéaire des colonnes de A dont les
coefficients sont les composantes de x, c’est-à-dire
 
x1
� � . 
Ax = a1 a2 · · · an  ..  = x1 a1 + x2 a2 + · · · xn an .
xn
Exemple 2.3.3.
 
� �
5 � � � � � � � � � � � � � �
1 2 3   1 2 3 5 −2 15 18
−1 = 5 − +5 = + + = .
0 −7 1 0 −7 1 0 7 5 12
5

Le produit d’une matrice par un vecteur satisfait la propriété suivante:

Théorème 2.3.4. Soient A une matrice m × n, u et v des vecteurs de Rn et c un scalaire.

On a les rélations suivantes

a. A(u + v) = Au + Av ;

b. A(cu) = cAu.

Proof: (En exercice ; considerer le cas n = 4)

D’aprés définition 2.3.2, l’équation vectorielle (2.3.3) peut être réécrite sous la forme

Ax = b, (2.3.4)

où l’inconnue x est un vecteur colonne de composantes x1 ,..., xn . L’équation (2.3.4) est
appelée équation matricielle.

Théorème 2.3.5. Soit A est une matrice m × n, de colonnes a1 ,..., an et b un vecteur de

Rm . Alors l’équation matricielle
Ax = b
a le même ensemble de solutions que l’équation vectorielle

x1 a1 + x2 a2 + ... + xn an = b,
laquelle a elle-même le même ensemble de solutions que le système linéaire de matrice
complète � �
a1 a 2 · · · an b .
2. ÉQUATIONS LINÉAIRES EN ALGÈBRE LINÉAIRE 31

   
1 3 4 b1
Exemple 2.3.6. On pose A = −4 2 −6 et b = b2 . L’équation vectorielle Ax = b
−3 −2 −7 b3
est-elle compatible pour tous b1 , b2 et b3 ?

Solution. La méthode du pivot appliquée à la matrice complète du système Ax = b donne

     
1 3 4 b1 1 3 4 b1 1 3 4 b1
−4 2 −6 b2  ∼ 0 14 10 b2 + 4b1  ∼ 0 14 10 b2 + 4b1  .
−3 −2 −7 b3 0 7 5 b3 + 3b1 0 0 0 b1 − 12 b2 + b3

L’équation Ax = b est donc compatible seulement pour b1 − 12 b2 + b3 = 0. En exprimant,

par exemple, b3 en fonction de b2 et b1 dans b1 − 12 b2 + b3 = 0 on trouve b3 = −b1 + 12 b2
et il s’ensuit que le vecteur b s’écrit comme combinaison linéaire des colonnes de A si et
seulement si
     
b1 1 0
b=  b2  = b1 0 + b2 1  ,
   pour tous b1 , b3 ∈ R. (2.3.5)
1 1
−b1 + 2 b2 −1 2

La rélation (2.3.5) est une représentation paramétrique vectorielle du plan passant par
l’origine et de vecteur directeur (1, 0, −1) et (0, 1, 12 ). L’ensemble de toutes les combinaisons
liéaires des vecteurs colonnes de la matrice A est donc ce plan.

2.3.3 Rélation entre solutions d’un système linéaire homogène et du système

homogène associé
Théorème 2.3.7. Soit b un vecteur tel que l’équation Ax = b soit compatible, et p une
solution. Alors l’ensemble des solutions de Ax = b est l’ensemble des vecteurs de la forme
w = p + vh , où vh est une solution quelconque de l’équation homogène Ax = 0.

Proof: (En exercice)

Montrer que si p est une solution particulière de Ax = b et que vh est une solution quel-
conque de Ax = 0, alors w = p + vh est une solution de Ax = b. Inversement, montrer
que toute solution w de Ax = b peut s’écrire de la forme w = p + vh , si p est une solution
particulière donnée, où vh est une solution de Ax = 0 (à déterminer).

Remarque 2.3.8. On peut voir l’addition vectorielle comme une translation, c’est-à-dire
que si u est un vecteur fixé de Rn alors pour tout vecteur v de Rn , le vecteur u + v est
l’image du vecteur v par la translation du vecteur u. Par conséquent, le théorème 2.3.7
signifie que si l’équation Ax = b admet une solution p, alors on obtient son ensemble de
solution en faisant subir à l’ensemble de solution de Ax = 0 une translation de vecteur p,
lequel peut être n’importe quelle solution particulière de Ax = b.
2. ÉQUATIONS LINÉAIRES EN ALGÈBRE LINÉAIRE 32

2.4 Applications des systèmes linéaires

Exemple 2.4.1. On considère le réseau de circulation routière avec les intersections A, B, C, D
et E ci-dessous. Chaque flèche correspond a une route à sens unique et chaque nombre appa-
raissant sur le réseau correspond au nombre de voitures entrant ou quittant les intersection
A, B, C, D et E par minute. Chaque nombre xi dénote le nombre inconnu de voitures
circulant le long des routes indiquées pendant la même période de temps.

(a) Écrire le système d’équations linéaires qui décrit ce réseau de circulation. Préciser
les contraintes sur les inconnues.

(b) La matrice échelonnée réduite de la matrice augmentée du système obtenu en (a) est
la suivante
 
1 0 −1 0 0 0 −40
0 1 −1 0 0 0 10 
 
0 0 0 1 0 −1 50 
 .
0 0 0 0 1 −1 60 
0 0 0 0 0 0 0
Déterminer la solution générale du système sous forme paramétrique puis sous forme
paramétrique vectorielle.

(c) On suppose que les flux s’écoulent bien dans la direction indiquée, déterminer les flux
minimaux dans les liens notés x2 , x3 , x4 et x5 .

Solution. L’hypothèse de départ pour un réseau est que le flux total entrant dans ce dernier
est égal au flux sortant et que, de même, à chaque noeud, le flux total entrant est égal au
flux total sortant ( 1ère loi de Kirchhoff ).
2. ÉQUATIONS LINÉAIRES EN ALGÈBRE LINÉAIRE 33

Le tableau suivant traduit la repartition des flux dans le réseau

Intersection Flux entrant Flux sortant

A 30 + x2 = x1 + 80
B x3 + x 5 = x 2 + x4
C 100 + x6 = 40 + x5
D 40 + x4 = x6 + 90
E 60 + x1 = 20 + x3

(a) Le système d’équations linéaires qui décrit ce réseau de circulation est donc le suivant

x1 − x2 = −50
x2 − x 3 + x4 − x5 = 0
x5 − x 6 = 60 ,
x4 − x6 = 50
−x1 + x3 = 40

(b) D’après la forme échelonnée réduuite de la matrice augmentée qui est proposée, les
variables x3 et x6 sont secondaires. On déduit donc la représentation paramétrique suivante
de la solution générale du système:


 x1 = −40 + x3


 x2 = 10 + x3
x4 = 50 + x6 .



 x 5 = 60 + x 6

x3 et x6 quelconques

La forme paramétrique vectorielle est

       
−40 + x3 −40 1 0
 10 + x3   10   1  0
       
 x3   0   1  0
x=   =   + s  + t
   s, t ∈ R.
   1 ,
 50 + x6   50   0  
 60 + x6   60   0  1
x6 0 0 1

(c) Puisque x1 ≥ 0, la première équation de la représentation paraétrique de la solution

générale implique que −40 + x3 ≥ 0, soit x3 ≥ 40. En substituant la minoration de x3 dans
la deuxième équation de la représentation paramétrique on trouve x2 ≥ 50. Par ailleurs,
en substituant x6 ≥ 0 dans la troisième et la quatrième équations de la représentation
paramétrique on trouve x4 ≥ 50 et x5 ≥ 60. Les flux minimaux dans les liens notés
x2 , x3 , x4 et x5 sont donc respectivement 50, 40, 50 et 60.
2. ÉQUATIONS LINÉAIRES EN ALGÈBRE LINÉAIRE 34

Exercices suggérés

1) Parmi les matrices suivantes, indiquer celles qui sont sous forme échelonnée, sous forme
échelonnée réduite et sous forme non échelonnée
   
1 −5 0 0 � � � � 2 0 5
1 3 0 0 1 0 0 0
A = 0 0 1 0 , B = , C= , D = 0 0 1
0 0 1 13 0 3 1 13
0 0 0 0 0 0 1
 
  1 0 0 0  
0 1 0 0 224 1 0 0 7 � �
0 1 0 
0 7 7 1 0
E = 0 0 0 1 −7  , F = 
0
 
, G = 0 0 1 −2 , H = .
0 0 0 0 0 3 1
0 0 0 0 0 0 1 0 12
0 0 1 0

2) On considère les matrices A et B suivantes.

   
4 5 6 7 1 −7 0 6 5

A= 1 2 3 4 , B =  0 0 1 −2 −3 .
6 7 8 9 −1 7 −4 2 7
a. Réduire A et B sous forme échelonnée reduite et indiquer leurs colonnes pivots.
b. On suppose que B est la matrice complète d’un système linéaire. Déterminer une
représentation paramétrique de l’ensemble de solutions de ce système.

3) Résoudre les systèmes suivants en appliquant la méthode du pivot de Gauss à leur matrice
complète:
(a)
x1 − 3x2 + 4x3 = −4
3x1 − 7x2 + 7x3 = −8
−4x1 + 6x2 − x3 = 7
(b)
x1 − 2x4 = −3
2x2 + 2x3 = 0
x3 + 3x4 = 1
−2x1 + 3x2 + 2x3 + x4 = 5

4) Déterminer une rélation entre g, h et k de façon que le système dont la matrice complète
est la suivante soit compatible.
 
1 −4 7 g
 0 3 −5 h
−2 5 −9 k

5) Pour chacun des systèmes suivants, choisir des valeurs pour h et k de façon que le système
2. ÉQUATIONS LINÉAIRES EN ALGÈBRE LINÉAIRE 35

(i) n’ait pas de solution ;

(ii) ait une solution unique ;

(iii) ait une infinité de solution.

x1 + hx2 = 2 x1 + 3x2 = 2
a) b)
4x1 + 8x2 = k 3x1 + hx2 = k

6) Dire si les affirmations proposées sont vraies ou fausses. Justifier votre réponse.

a) On ne peut appliquer la méthode du pivot qu’à des matrices complètes de systèmes

linéaires.

b) Une inconnue principale est une inconnue qui correspond à une colonne pivot dans la
matrice des coefficients du système.

c) Il revient au même de trouver une représentation paramétrique de l’ensemble de so-

lution d’un système et de résoudre le système.

d) Si l’une des lignes d’une forme échelonnée d’une matrice complète d’un système est
[0 0 0 5 0], alors le système associé est compatible.

e) Si toutes les colonnes d’une matrice complète contiennent un pivot, alors le système
correspondant est compatible.

f) Si un système possède des inconnues non principales, alors le système a plusieurs

solutions.

7) On appelle parfois un système linéaire avec moins d’équations que d’inconnues un

système sous-déterminé. Un tel système peut-il avoir une solution unique?

8) On appelle parfois un système linéaire avec plus d’équations que d’inconnues un système
surdéterminé. Un tel système peut-il être compatible? Illustré la réponse par un exemple
de trois équations à deux inconnues.

9) On appelle rang d’une matrice M , on note rg(M), le nombre de colonne pivot dans une
forme échelonnée de la matrice M . Déterminer le rang des matrecices A, B, C, D, E, F, G
et H de l’exercice 1.

10) Soient A la matrice des coefficients d’un système linéaire de m équation(s) et n incon-
nue(s) et b le vecteur des seconds membres.

(i) Justifier l’inégalité

rg(A) ≤ rg([A|b]) ≤ rg(A) + 1 et rg(A) ≤ m.

2. ÉQUATIONS LINÉAIRES EN ALGÈBRE LINÉAIRE 36

(ii) On suppose que le système est compatible, justifier que rg([A|b]) = rg(A).

(iii) On suppose que le système admet une seule solution, justifier que rg([A|b]) = rg(A) =
n.

(iv) On suppose que le système admet une infinité de solutions, justifier que rg([A|b]) =
rg(A) < n.

(v) On suppose que le système est incompatible; justifier que rg(A) < rg([A|b])?

(vi) On suppose que A est la matrice des coefficients du système suivant

x + fy + z = 1
x − y + z = g
y − 2z = 0 ,

d’inconnues x, y et z. Déterminer rg(A) et rg([A|b]) en fonction des valeurs de f et g.

Quelles sont les valeurs de f et g si le système a une infinité de solution? Déterminer
l’ensemble de solutions du système dans ce cas.

11) Écrire un système d’équations linéaires équivalent à l’équation vectorielle suivante

     
6 −3 1
x1 −1 + x2  4  = −7 .
5 0 −5

12) On considère les vecteurs suivants :

     
1 −3 h
u=  
0 , v=  1 et y = −5 .
 
−2 8 −3
Déterminer la ou les valeurs de h telles que y appartienne à V ect {u,v}.

13) Donner une interprétation géométrique de V ect {a1 , a2 , a3 }, pour

     
1 −4 2
a1 =  0  , a2 =  3  et a3 = −5 .
−2 8 −4

14) On considère le système linéaire non-homogène suivant

x1 + 3x2 + x3 = 1
−4x1 − 9x2 + 2x3 = −1
− 3x2 − 6x3 = −3

a. Donner une représentation paramétrique vectorielle de l’ensemble de solutions du

système homogène associé
2. ÉQUATIONS LINÉAIRES EN ALGÈBRE LINÉAIRE 37

b. Vérifier que (−2, 1, 0) est une solution particulière de ce système non-homogène.

c. Déduire des questions (a) et (b) une représentation paramétrique vectorielle de l’ensemble
de solutions du système non-homogène.