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;
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
x1 −2x2 +x3 = 0
2x2 −8x3 = 8 . (2.2.1)
5x1 −5x3 = 10
x1 −2x2 +x3 = 0
2x2 −8x3 = 8
10x2 −10x3 = 10
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
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 )
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.
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
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 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
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.
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
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
x2 − 4x3 = 8
2x1 − 3x2 + 2x3 = 1 . (2.2.6)
4x1 − 8x2 + 12x3 = 1
2. ÉQUATIONS LINÉAIRES EN ALGÈBRE LINÉAIRE 28
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
x2 − 4x3 = 1
2x1 − 3x2 + 2x3 = 8 .
0 = 15
(ii) Une infinité de solutions, s’il existe au moins une inconnue secondaire.
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 }?
a. A(u + v) = Au + Av ;
b. A(cu) = cAu.
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.
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 ?
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
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.
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
(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
(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
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
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
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.
b) Une inconnue principale est une inconnue qui correspond à une colonne pivot dans la
matrice des coefficients du 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.
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.
(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])?
x + fy + z = 1
x − y + z = g
y − 2z = 0 ,
x1 + 3x2 + x3 = 1
−4x1 − 9x2 + 2x3 = −1
− 3x2 − 6x3 = −3
c. Déduire des questions (a) et (b) une représentation paramétrique vectorielle de l’ensemble
de solutions du système non-homogène.