S4 Cours - Chap1 Systemes Lineaires

Université Mohammed V – Agdal ‫

ا – اآال‬
Faculté des Sciences Juridiques, ‫آ ام ا واد‬
Economiques et sociales ‫وا‬
RABAT ‫اا! ط‬
http://www.fsjesr.ac.ma
Filière de Sciences Économiques et de Gestion

Semestre : S4
Module : M 16 (Méthodes Quantitatives IV)
Matière : Algèbre II
C
CHHA
APPIIT
TRRE
E 11 :: R
RÉÉSSO
OLLU
UTTIIO
ONND
D’’U
UNN SSY
YSST
TÈÈM
MEEL
LIIN
NÉÉA
AIIR
REE
I- Généralités ........................................................................................................................ 3
I-1 Définition d’un système linéaire .............................................................................................................. 3
I-2 Ecriture matricielle d’un système linéaire ............................................................................................... 3
I-3 Rang d’un système linéaire ...................................................................................................................... 4
II- Utilisation des déterminants ........................................................................................... 4

II-1 Résolution d’un système linéaire de Cramer .......................................................................................... 4
Définition d’un système de Cramer ........................................................................................................... 4
Résolution par l’inversion de la matrice du système ................................................................................. 5
Résolution par la méthode de Cramer ........................................................................................................ 6
II-2 Résolution d’un système linéaire non de Cramer ................................................................................... 7
Résolution d’un système avec second membre ......................................................................................... 8
Cas particulier d’un système homogène .................................................................................................. 10
III- Méthode d’échelonnement de Gauss .......................................................................... 12

III-1 Systèmes linéaires échelonnés ............................................................................................................. 12
Matrice échelonnée .................................................................................................................................. 12
Système linéaire échelonné ...................................................................................................................... 13
Compatibilité d’un système linéaire échelonné ....................................................................................... 13
Résolution d’un système linéaire échelonné ............................................................................................ 14
III-2 Méthode d’échelonnement de Gauss ................................................................................................... 15
Réduction d’une matrice à sa forme échelonnée ..................................................................................... 15
Matrice augmentée d’un système linéaire................................................................................................ 16
Résolution d’un système linéaire par la méthode d’échelonnement de Gauss ........................................ 17
Professeure Salma DASSER Session printemps-

printemps-été
1
[S4, Module M 16 : MQ IV, Matière : Algèbre II] Chapitre 1 : Résolution de systèmes linéaires
IV- Valeurs propres et sous espaces propres d’une matrice carrée ................................. 19
IV-1 Définitions d’une valeur propre et d’un vecteur propre associé ......................................................... 19
IV-2 Calcul pratique des valeurs propres et sous espace propres associés. ............................................... 20
V- Système de Leontief ....................................................................................................... 21

V-1 Modèle entrée-sortie de Leontief .......................................................................................................... 21
V-2 Propriétés du système de Leontief......................................................................................................... 21
V-3 Tableau input-output : (exemple) .......................................................................................................... 23

printemps-été
2
II-- G
Géénnéérraalliittééss
I-1 Définition d’un système linéaire
Définition :
On appelle système linéaire de n équations à m inconnues tout système de la forme :
a11 x1 + L + a1m xm = b1
( S )M
an1 x1 + L + anm xm = bn
Les coefficients aij , bi (1 ≤ i ≤ n et 1 ≤ j ≤ m) sont des réels donnés.
Le n -uplet (b1 ,L, bn ) est dit second membre du système (S ) .
x1 ,L, xm sont les inconnues du système.
Un m -uplet ( x1 ,L, xm ) de IR m est solution de ( S ) si elle vérifie les n équations du système.
Résoudre ( S ) c’est décrire l’ensemble de ces solutions.
Le système ( S ) est compatible s'il admet au moins une solution, sinon ( S ) est dit incompatible.
Le système ( S ) est dit homogène si b1 = L = bn = 0 .
Exemple :
 x1 + 2 x2 − 3x3 + x4 = 1
( S )2 x1 + x2 − x3 = 0 est un système linéaire de 3 équations à 4 inconnues
− x1 + 2 x2 − 2 x3 − 3x4 = −1
I-2 Ecriture matricielle d’un système linéaire
a11 x1 + L + a1m xm = b1
Tout système linéaire ( S )M peut s’écrire sous la forme matricielle A. X = b ,
a11 L a1m   x1   b1 
avec : A= M M M
  , X = M et b =  M 
 
an1 L anm  x  b 
 m  n
a11 x1 + L + a1m xm = b1 a11 L a1m   x1   b1 
( S )M ⇔ M M M . M  =  M 
an1 x1 + L + anm xm = bn an1 L anm   xm   bn 
Définition : (Matrice d’un système linéaire)

a11 x1 + L + a1m xm = b1
Soit le système linéaire : ( S )M
La matrice A = ( aij )1≤i≤n,1≤ j≤m s’appelle la matrice du système (S ) .

printemps-été
3
 x1 + 2 x2 − 3x3 + x4 = 1
Exemple : ( S )2 x1 + x2 − x3 = 0
− x1 + 2 x2 − 2 x3 − 3x4 = −1
 1 2 − 3 1
La matrice du système (S ) est égale à : A =  2 1 − 3 0
−1 2 − 2 − 3
 x1 
 1 2 − 3 1  x2   1
L’écriture matricielle du système (S ) est alors :  2 1 − 3 0. x  =  0 
−1 2 − 2 − 3  3   −1
 x4 
I-3 Rang d’un système linéaire

Définition :
On appelle le rang d’un système linéaire, celui de sa matrice.
 x1 + 2 x2 − 3x3 + x4 = 1
Exemple : ( S )2 x1 + x2 − x3 = 0
− x1 + 2 x2 − 2 x3 − 3x4 = −1
 1 2 − 3 1
La matrice du système (S ) est égale à : A =  2 1 − 3 0
−1 2 − 2 − 3
 1 2 − 3
rg ( S ) = 3 car rg ( A) = 3 : det  2 1 − 3 ≠ 0
 −1 2 − 2
IIII-- U
Uttiilliissaattiioonn ddeess ddéétteerrm
miinnaannttss
II-1 Résolution d’un système linéaire de Cramer
Définition d’un système de Cramer
Définition :
Un système linéaire est dit de Cramer si le nombre de ses inconnues m est égal au nombre de ces
équations n et est égal à son rang r ( n = m = r ) .
Théorème :
Un système linéaire est de Cramer ssi sa matrice associée est carrée ( n = m ) et inversible ( r = n ) .
Un système linéaire de Cramer admet une unique solution.
L’unique solution d’un système linéaire homogène de Cramer est le vecteur nul.

printemps-été
4
 x1 + 3 x2 + 2 x3 = b1 1 3 2
Exemple : ( S ) 2 x1 + x2 + 3 x3 = b2 ⇒ A = 2 1 3 
3 x1 + 2 x2 + x3 = b3 3 2 1 
n = m = 3 A est alors une matrice carrée d’ordre 3 .

13 2
det A = 2 1 3 = 18 : det A ≠ 0 et A est alors une matrice inversible ( r = 3) .
32 1
Le système (S ) est alors un système linéaire de Cramer.
Résolution par l’inversion de la matrice du système
On propose de résoudre un système linéaire (S ) de n équations à n inconnues, écrit sous sa

forme matricielle A. X = b .
Etapes de la résolution :
On vérifie si le système (S ) est de Cramer :
• Si det A = 0 alors le système (S ) n’est pas de Cramer.
• Si det A ≠ 0 alors le système (S ) est de Cramer, et on passe à sa résolution.
Un vecteur X est solution du système (S ) ssi A. X = b ssi X = A−1b car A est inversible.
1 t
• On calcule A−1 : A−1 = ( C ( A))
det A
• X = A−1.b est alors l’unique solution du système (S ) .
Exemple :
 x1 + 3x2 + 2 x3 = 6
Le système (S ) est donné par : ( S )2 x1 + x2 + 3x3 = 6
3x1 + 2 x2 + x3 = −12
1 3 2 x1   6 
L’écriture matricielle du système (S ) est : 2 1 3  x2 =  6 
 
3 2 1  x3   −12 
1 3 2  6
   
A = 2 1 3 et b =  6 
 
3 2 1   − 12 
 
le système (S ) est de Cramer :

13 2
det A = 2 1 3 = 18 : det A ≠ 0 A est alors une matrice inversible
32 1
Le vecteur X est solution du système (S ) ssi A. X = b ssi X = A−1b .
1 t
Calcul de A−1 : A−1 = ( C ( A))
det A

printemps-été
5
+ 1 3 − 2 3 + 2 1 
 2 1 3 1 3 2  −5 7 1
  − 5 1 7
C ( A) = − 23 21 + 31 21 − 31 23  =  1 − 5 7 ⇒ t
(C ( A)) =  7 − 5 1
7 1 − 5  1 7 − 5
 3 2 1 2 1 3 
+ −
 1 3 2 3 2 1 +
1 − 5 1 7 − 5 /18 1/18 7 /18

A−1 =  7 − 5 1 =  7 /18 − 5 /18 1/18
18  1 7 − 5  1/18 7 /18 − 5 /18
 x1  1 − 5 1 7  6   − 6 
X = A .b ⇒ X =  x2  =  7 − 5 1. 6  =  0 
−1
  18 1 7 − 5 − 12
 x3      6
 − 6
X =  0  est alors l’unique solution du système (S )
 6
Résolution par la méthode de Cramer
On propose de résoudre un système linéaire (S ) de n équations à n inconnues, écrit sous sa

forme matricielle A. X = b .
On calcule le déterminant de la matrice A : det A
Si det A = 0 alors le système (S ) n’est pas de Cramer.
Si det A ≠ 0 alors le système (S ) est de Cramer, et on passe à sa résolution.
On calcule les déterminants, dits de Cramer Dxi , 1 ≤ i ≤ n , où Dxi est le déterminant de la matrice
A où l’on a remplacé la colonne i par le vecteur b :
 a11 L a1i−1 b1 a1i+1 L a1n 

Dxi = det  M M M M M M M  , 1 ≤ i ≤ n
an1 L ani−1 bn ani+1 L ann 
 x1  Dx i
On calcule le vecteur solution X =  M  : xi = , 1≤ i ≤ n
x  det A
 n
 Dx1 
 
 det A 
 
X =  M  est alors l’unique solution du système (S ) .
 Dxn 
 det A 
 

printemps-été
6
Exemple :
 x1 + 3x2 + 2 x3 = 6
Le système (S ) est donné par : ( S )2 x1 + x2 + 3x3 = 6
3x1 + 2 x2 + x3 = −12
1 3 2 x1   6  1 3 2  6
L’écriture matricielle du système (S ) est : 2 1 3  x2 =  6  , A = 2 1 3  et b =  6 
 
3 2 1  x3   −12  3 2 1   − 12 
le système (S ) est de Cramer :
13 2
det A = 2 1 3 = 18 : det A ≠ 0 A est alors une matrice inversible
3 2 1
Calcul des déterminants de Cramer Dx1 , Dx2 et Dx3 :
6 3 2 ( L2 →L2 −L1,L3→L3 +2 L1) 6 3 2
Dx1 = 6 1 3 = 0 − 2 1 = 6 × − 28 51 = −108
−12 2 1 0 8 5
1 6 2 ( L2 →L2 −2 L1 ,L3 →L3 −3 L1 ) 1 6 2
Dx2 = 2 6 3 = 0 − 6 − 1 = 1× −−306 −−51 = 0
3 − 12 1 0 − 30 − 5
1 3 6 ( L2 →L2 −2 L1 ,L3 →L3 −3 L1 ) 1 3 6 − 5 − 6 = 108
Dx3 = 2 1 6 = 0 − 5 − 6 = 1× − 7 − 30
3 2 − 12 0 − 7 − 30
 x1 
Calcul du vecteur solution X =  x2  : ( xi = Dxi / det A, 1 ≤ i ≤ 3 )
 
 x3 
D 108 D Dx3 108
x1 = x1 = − = −6 x2 = x 2 = 0 x3 = = =6
det A 18 det A det A 18
 − 6
X =  0  est alors l’unique solution su système (S ) .
 6
II-2 Résolution d’un système linéaire non de Cramer

Définition :
Un système linéaire non cramien ou non de Cramer c’est un système dont le nombre des
inconnues m n’est pas égal au nombre des équations n ou dont le nombre des inconnues m est
égal au nombre des équations n mais dont le rang r ne leur est pas égal ( n ≠ m ) ou
( n = m et r ≠ n) .
Exemples :
 x1 + 2 x2 + 3 x3 + 4 x4 =2
 1 2 3 4  2
 x + 2 x3 + 2 x4 =2 2 2 et b =  2 
1) ( S ) 2 ⇒ A = − 02 1
−1 0 − 2  2
− 2 x1 − x2 − 2 x4 =2   2
 − 2 0 2 0  
 2 x1 + 2 x3
− =2
(S ) est un système linéaire non de Cramer : A∈ M (4) et rg ( A) = 2 ≠ 4 , (n = m = 4 et r ≠ n)

printemps-été
7
2 x1 + 3x2 − x3 =2
2 3 −1  2
x − x + x =2 −1 1 et b =  2 
2) ( S ) 1 2 3 ⇒ A = 01 5 − 3  2
5 x − 3 x3 =2   2
 2 3 2 0  
3 x1 + 2 x2 =2
Le système (S ) est un système linéaire non de Cramer : A∈ M ( 4,3) , ( n ≠ m )
Résolution d’un système avec second membre
On propose de résoudre un système linéaire non de Cramer (S ) de n équations à m inconnues,

écrit sous sa forme matricielle A. X = b .
a11 L a1m   x1   b1 
A = M M M  , X = M  et b= M 
an1 L anm  x  b 
 m  n
On cherche le rang r de la matrice A : rg ( A) = r
Si (n = m = r ) alors le système est un système linéaire de Cramer et sa résolution se fait
par l’une des méthodes développées au paragraphe précédent.
Sinon, le système est alors un système linéaire non de Cramer. Pour le résoudre, on suit
les étapes suivantes.
On suppose que la matrice Ar formée par les r premières lignes et les r premières colonnes de la
matrice A a un déterminant non nul ∆ r :
a1,1 L a1,r a1,r +1 L a1,m 
M M M M M M  a1,1 L a1,r
a r ,1 L a r ,r a r ,r +1 L a r ,m 
A= ⇒ ∆r = M M M
a L a r +1,r a r +1,r +1 L a r +1,m  a r ,1 L a r ,r
 r +1,1 
M M M M M M 
a n,1 L a n ,r a n,r +1 L a n ,m 
Cette hypothèse peut toujours être vérifiée, à un changement près de l’ordre des équations
et/ou de l’ordre des inconnues. Elle ne restreint donc pas l’étude qui suit mais en simplifie
seulement l’exposé.
∆ r s’appelle le déterminant principal. On en déduit :
Les inconnues principales x1 ,L, xr , dont les coefficients sont les colonnes de Ar .
les autres inconnues xr +1 ,L, xm sont dites non principales ou arbitraires.
Les équations principales, qui sont les lignes du déterminant principal : ce sont les r premières
équations du système.
Les autres équations sont dites équations non principales.

printemps-été
8
On écrit les matrices ( M h , 1 ≤ h ≤ n − r ) de type (r + 1, r + 1) définies par :

 a1,1 L a1,r b1 
 M M M M 
Mh =  a L a b , 1 ≤ h ≤ n − r
r ,1 r ,r r
a 
 r +h ,1 L ar +h ,r br +h 
Les déterminants des matrices ( M h , 1 ≤ h ≤ n − r ) s’appellent les déterminants

caractéristiques du système A. X = b . On note ∆ h = det( M h ), 1 ≤ h ≤ n − r
On vérifie les conditions, dites de compatibilité du système A. X = b : ∆ h = 0, 1 ≤ h ≤ n − r
1er cas : ∃1 ≤ h ≤ n − r avec ∆ h ≠ 0

Les équations sont dites incompatibles et le système A. X = b est impossible ou insoluble.
2ème cas : ∀1 ≤ h ≤ n − r , ∆ h = 0
Le système est possible. Pour le résoudre, on résout le système formé des r équations principales
dont les inconnues sont les inconnues principales et où les inconnues arbitraires sont considérées
comme des paramètres et sont ajoutées au second membre du système.
Exemples :
 x1 + 2 x2 + 3 x3 + 4 x4 =1
 1 2 3 4  1
 x + 2 x3 + 2 x4 =0 2 2 et b =  0 
1) ( S ) 2 ⇒ A = − 02 1
−1 0 − 2  − 2
− 2 x1 − x2 − 2 x4 = −2   − 2
 − 2 0 2 0  
− 2 x1 + 2 x3 = −2
A∈ M (4) et rg ( A) = 2 ⇒ rg ( S ) = 2 ⇒ r = 2
Un déterminant principal est : ∆ 2 = 10 12 . On en déduit :

Les inconnues principales : x1 et x2
Les inconnues arbitraires : x3 et x4
 x1 + 2 x2 + 3 x3 + 4 x4 = 1
Les équations principales : x + 2x + 2x =0
 2 3 4
Les conditions de compatibilité sont : ∆ h = 0, 1 ≤ h ≤ 2

1 2 1 12 1
∆1 = 0 1 0 =0 et ∆2 = 0 1 0 = 0
− 2 −1 − 2 −2 0 −2
Les conditions de compatibilité sont alors vérifiées et le système est possible.
Sa résolution revient à résoudre le système de Cramer suivant :

x + 2 x2 = 1 − (3 x3 + 4 x4 )
( S1 ) 1
 x2 = −(2 x4 + 2 x3 )
x = 1 − (3 x3 + 4 x4 ) − 2 x2
La solution du système ( S1 ) est donnée par :  1
 2 = −(2 x4 + 2 x3 )
x

printemps-été
9
La solution du système (S ) est alors égale à l’ensemble :

E ( S ) = {( x1 , x2 , x3 , x ) ∈ IR 4 / x1 = 1 + x3 , x2 = −2 x3 − 2 x4 , ( x3 , x4 ) ∈ IR 2 }
(1 + x3 ) + 2.(−2 x3 − 2 x4 ) + 3 x3 + 4 x4 =1
(−2 x3 − 2 x4 ) + 2 x3 + 2 x4 =0
Vérification : − 2.(1 + x ) − (−2 x − 2 x ) − 2 x = −2
 3 3 4 4
 − 2 .(1 + x3 ) + 2 x3 = −2
 x1 + 2 x2 + 3 x3 + 4 x4 =1
 1 2 3 4  1
 x + 2 x3 + 2 x4 =0  
2) ( S ) 2 ⇒ A = − 02 1
−1
2 2
0 − 2 et b =  − 02 
− 2 x1 − x2 − 2 x4 = −2   2
 − 2 0 2 0  
− 2 x1 + 2 x3 =2
A ∈ M ( 4,4) et rg ( A) = 2 ⇒ rg ( S ) = 2 ⇒ r = 2
Un déterminant principal est : ∆ 2 = 10 12 . On en déduit :
 x1 + 2 x2 + 3 x3 + 4 x4 = 1
x + 2x + 2x
Les équations principales :
=0
 2 3 4
Les conditions de compatibilité sont : ∆ h = 0, 1 ≤ h ≤ 2

1 2 1 12 1
∆1 = 0 1 0 = 0 et ∆2 = 0 1 0 = 4 ⇒ ∆2 ≠ 0
− 2 −1 − 2 −2 0 2
Les conditions de compatibilité ne sont alors pas vérifiées et le système est impossible.
Cas particulier d’un système homogène
On propose de résoudre un système linéaire homogène non de Cramer (S ) de n équations à m

inconnues, écrit sous sa forme matricielle A. X = 0 .
On cherche le rang r de la matrice A : rg ( A) = r
Si (n = m = r ) alors le système est un système linéaire de Cramer et son unique solution est le
vecteur nul.
Sinon, le système est alors un système linéaire non de Cramer. Pour le résoudre, on suit les
mêmes étapes que pour un système linéaire non de Cramer avec second membre (Les
conditions de compatibilité étant toujours vérifiées).
a1,1 L a1,r
On cherche le déterminant principal ∆ r : ∆ r = M M M
a r ,1 L a r ,r
On en déduit :
Les r inconnues principales x1 ,L, xr .
Les m − r inconnues arbitraires xr +1 ,L, xm .
Les r équations principales correspondantes à ∆ r .

printemps-été
10
Les conditions de compatibilité sont toujours vérifiées ( ∆ h = 0, 1 ≤ h ≤ n − r ) :

 a1,1 L a1,r b1  a1,1 L a1,r 0
 M M M M  M M M M
∆ h = det( M h ) = det  a L a b  = ar ,1 L ar ,r 0 = 0, 1 ≤ h ≤ n − r
r ,1 r ,r r
a 
 r +h ,1 L ar +h ,r br +h  ar +h ,1 L ar +h,r 0
On résout le système de Cramer formé par les r équations principales, dont les inconnues sont les r
inconnues principales et où l’on fait passer les m − r inconnues arbitraires au second membre du
système A. X = b .
Remarque :
♦ La solution de tout système linéaire non de Cramer homogène est un sous espace vectoriel de
dimension égale au nombre de ses inconnues arbitraires égale au rang de sa matrice.
Exemple :
 x1 + 2 x2 + 3 x3 + 4 x4 =0
 1 2 3 4  0
 x + 2 x3 + 2 x4 =0  
( S ) 2 ⇒ A = − 02 1
−1
2 2
0 − 2 et b =  00 
− 2 x1 − x2 − 2 x4 =0   0
 − 2 0 2 0  
− 2 x1 + 2 x3 =0
A∈ M (4) et rg ( A) = 2 ⇒ rg ( S ) = 2 ⇒ r = 2
Un déterminant principal : ∆ 2 = 1 2
0 1 . On en déduit :
 x1 + 2 x2 + 3 x3 + 4 x4 = 0
Les équations principales : x + 2x + 2x =0
 2 3 4
Le système étant homogène, les conditions de compatibilité sont vérifiées.
La résolution du système (S ) revient alors à résoudre le système de Cramer suivant :

x + 2 x2 = −(3x3 + 4 x4 )
( S1 ) 1
 x2 = −(2 x4 + 2 x3 )
x = −(3 x3 + 4 x4 ) − 2 x2
La solution du système ( S1 ) est donnée par :  1
 x2 = −(2 x4 + 2 x3 )
La solution du système A. X = 0 est alors égale au sous espace vectoriel :

E ( S ) = {( x1 , x2 , x3 , x4 ) ∈ IR 4 / x1 = x3 , x2 = −2 x3 − 2 x4 , ( x3 , x4 ) ∈ IR 2 } =< (1,−2,1,0),(0,−2,0,1) >

printemps-été
11
IIIIII-- M
Méétthhooddee dd’’éécchheelloonnnneem
meenntt ddee G
Gaauussss
III-1 Systèmes linéaires échelonnés
Matrice échelonnée
Définition 1 :
Une matrice
, est dite échelonnée ou en échelons s'il existe un

;
entier , 1 min , et une suite d'entiers 1 tels que :
(1) les sont les premiers coefficients non nuls des premières lignes, on les appelle pivots et on
! 0 pour 1 # ; 0 pour 1 # et 1 avec # $ 2 &# 1

remarque qu'il n'y a qu'un pivot par ligne et par colonne :
0 pour # et 1
Le nombre est le rang de la matrice échelonnée .
(2) Toutes les lignes après les r premières sont nulles :
Les colonnes de pivots sont les colonnes qui contiennent un pivot.
Définition 2 :
Une matrice
;
, est dite échelonnée si et seulement si elle a les
deux propriétés suivantes :
(1) Si une ligne est entièrement nulle, toutes les lignes situées en dessous le sont également.
(2) Dans chaque ligne non entièrement nulle (à partir de la deuxième), le premier coefficient non nul
en comptant à partir de la gauche est situé strictement à droite du premier coefficient non nul de
la ligne précédente.
Les pivots de sont les emplacements correspondants au premier coefficient non nul de chaque
Le rang d’une matrice échelonnée est le nombre des premières lignes non nulles.
ligne non nulle.

Les colonnes de pivots sont les colonnes qui contiennent un pivot.
(
1 0 2
Exemples :
' 1 2* est une matrice échelonnée de rang égal à 3.

)
( 2
Pivots de la matrice sont : 1 ; ++ 2 ; ,, 1.
( 2 1 0 1
Les colonnes des pivots sont C1, C2 et C3.
) 1 2 2
-. / est une matrice échelonnée de rang égal à 4.
( 2 1
0 (
Pivots de la matrice - sont : 1 ; ++ 2 ; ,, 1 ; 01 1.
( 2 1 0 1
( 2 1 0
Les colonnes des pivots sont C1, C2, C3 et C5.
0 ) 0 0
' ) 1 2* et . / sont des matrices non échelonnées
0 0 0
( 1 2
0 0 (

printemps-été
12
Système linéaire échelonné
Un système linéaire . 3 4 possédant une matrice échelonnée est dit échelonné.

Définition :
Le rang du système . 3 4 c’est le rang de la matrice de ce système.
Les inconnues 56 , … , 58 sont les inconnues principales : elles correspondent aux
Les pivots du système sont les pivots de la sa matrice .
colonnes pivots de la matrice .

Les autres inconnues sont dites non principales ou secondaires : elles sont arbitraires.
35 ; 25+ ; 35, 5

Exemples :
(1) 9 35+ = 5, 1? ; 3 @ 5 , 5+ et 5, sont les inconnues principales

25, 4
35 ; 25+ ; 35, ; 250 5

(2) 9 35+ = 5, = 50 1? ; 3 @ 5 , 5+ et 5, sont les inconnues principales
25, ; 850 4
Compatibilité d’un système linéaire échelonné
1er cas L M : Le système linéaire est compatible. L'égalité signifie que les conditions
Deux cas sont possibles :
2ème cas L : Les = dernières équations ont leurs premiers membres nuls, donc le
imposées aux variables (les équations) sont indépendantes donc compatibles entre elles.
système est compatible si et seulement si les = derniers seconds membres sont nuls. On
a donc = conditions de compatibilité à vérifier.
35 ; 25+ ; 35, 5

Exemples :
(1) 9 35+ = 5, 1? est un système compatible car 3 3.

25, 4
35 ; 25+ ; 35, ; 250 5

(2) 9 35+ = 5, = 50 1? est un système compatible car 3 4
25, ; 850 4
35 ; 25+ ; 35, ; 250 5

35+ = 5, = 50 1?
(3) N est un système compatible ssi 1 car 3 et 4 : on a
25, ; 850 4
0 1=
alors une = condition de compatibilité à vérifier ( ) : 1 = 0.

printemps-été
13
Résolution d’un système linéaire échelonné
On commence par déterminer , OP puis on dresse la liste des cas possibles :
Si le système n'est pas compatible (les = conditions de compatibilité ne sont pas

vérifiées) : par définition son ensemble de solutions est vide.
S'il est compatible (les = conditions de compatibilité sont vérifiées) : On fait passer les
a donc = paramètres) et on résout le système en commençant par calculer 5 dans la

inconnues secondaires dans le second membre et on les considère comme des paramètres (on
dernière équation et en remontant.
Dans le cas particulier , le système est un système de Cramer, il a une et une

solution (on n’a donc pas de paramètres = 0).
Remarque :
♦ Avant de se lancer dans des calculs, il est important d'avoir une idée sur le type possible de
l'ensemble des solutions.
35 ; 25+ ; 35, 5

Exemples :
(1) 9 35+ = 5, 1? est un système compatible.

25, 4
(1) est un système de Cramer car 3 : il a donc une unique solution.
On le résout à partir de 5, Q 25, 4 @ 5, 2,
35+ = 5, 1 @ 35+ 1 ; 5, @ 5+ 1
puis on remonte :
35 ; 25+ ; 35, 5 @ 35 5 = 25+ = 35, @ 5 =1

L’unique solution du système (1) est alors R1 S=1,1,2T .
3x ; 2x+ ; 3x, ; 2x0 5

(2) 9 3x+ = x, = x0 1? est un système compatible
2x, ; 8x0 4
(2) n’est pas un système de Cramer car 3 4 : il a donc une infinité de solutions.
On a donc à résoudre un système avec un ( = paramètres.
On fait passer alors l’inconnue secondaire x0 , qu’on considère comme paramètre, au
second membre dans toutes les équations.
3x ; 2x+ ; 3x, 5 = 2x0
Le système (2) s’écrit alors sous la forme : 9 3x+ = x, 1 ; x0 ?
2x, 4 = 8x0
On le résout à partir de 5, Q 2x, 4 = 8x0 @ 5, 2 = 4x0 ,

puis on remonte :
35+ = 5, 1 ; x0 @ 35+ 1 ; 5, ; x0 @ 5+ 1 = x0
35 ; 25+ ; 35, 5 = 2x0 @ 35 5 = 25+ = 35, = 2x0 @ 5 =1 ; 4x0
L’ensemble des solutions du système (2) est : R2 S=1 ; 4Y, 1 = Y, 2 = 4Y, Y T .

printemps-été
14
35 ; 25+ ; 35, 5

35+ = 5, 1?
(3) N est un système compatible ssi 1
25, 4
0 1=
3 et 4 : on a alors une = condition de compatibilité à vérifier : 1 = 0.

3 : Quand il est compatible, le système admet une unique solution.
(3) est un système compatible ssi 1 :
Si 1 alors R3 S=1,1,2T .
Si ! 1 alors R3 Z .
35 ; 25+ ; 35, ; 250 5

35+ = 5, = 50 1?
(4) N est un système compatible ssi 1
25, ; 850 4
0 1=
3 et 4 : on a alors une = condition de compatibilité à vérifier : 1 = 0.

4 : Quand il est compatible, le système admet une infinité de solutions.
(4) est un système compatible ssi 1 :
Si 1 alors R4 S=1 ; 4Y, 1 = Y, 2 = 4Y, Y T .
Si ! 1 alors R4 Z .
III-2 Méthode d’échelonnement de Gauss

Etant donné un système linéaire, la méthode d’échelonnement de Gauss consiste à construire un
système linéaire échelonné équivalent au système donné c.à.d. qui a le même ensemble de solutions ;
les systèmes échelonnés étant faciles à résoudre.
Ce qui revient à réduire sa matrice à une matrice échelonnée.
Réduction d’une matrice à sa forme échelonnée
Définition : (opération élémentaire)

On appelle opération élémentaire sur une matrice une des opérations suivantes :
(1) Permuter deux lignes.
(2) Multiplier une ligne par un scalaire non nul.
(3) Ajouter à une ligne une combinaison linéaire des autres lignes.
On dit que deux matrices et - de même type sont équivalentes si l’une se déduit de l’autre par
Définition : (matrices équivalentes)
une suite finie d’opérations élémentaires. On note ~-.

printemps-été
15
Toute matrice peut se réduire à une matrice échelonnée en lignes \ par une suite d’opérations
Théorème 1 :
On appelle \ la forme échelonnée en lignes de .

élémentaires sur les lignes.
Le rang de la matrice est égal au rang de sa forme échelonnée \.

Les deux matrices et sa forme échelonnée \ sont équivalentes.
Exemples :
1 =3 6 2 aab ca b d+a6 1 =3 6 2 ae cae dab 1 =3 6 2

(1) ]2 =5 10 3` fgggggggh ]0 1 =2 =1` fggggggh ]0 1 =2 =1` \
e cae d,a6
3 =8 17 4 0 1 =1 =2 0 0 1 =1
La matrice \ est la forme échelonnée de la matrice .
i ij 3
1 3 2 ab cab da6 1 3 2 ae cae dab 1 3 2

(2) ]1 4 1 ` fggggggh ]0 1 =1` fggggggh ]0 1 =1` \
0 1 =1 0 1 =1 0 0 0
La matrice \ est la forme échelonnée de la matrice .
i ij 2
Matrice augmentée d’un système linéaire
Définition : (systèmes équivalents)

On dit que deux systèmes linéaires sont équivalents s’ils ont le même ensemble de solutions.
On appelle matrice augmentée d’un système linéaire . 3 4, sa matrice augmentée de son

Définition :
second membre 4. On la note |4.
1 3 2 1 5 ; 35+ ; 25, 1
Exemples :
(1) ]1 4 1l 0` est la matrice augmentée du système 9 5 ; 45+ ; 5, 0?.

0 1 =1 =1 5+ = 5, =1
1 =3 6 2 1 5 = 35+ ; 65, ; 250 1

(2) ]2 =5 10 3l 0` est la matrice augmentée du système 9 5 = 55+ ; 105, ; 350 0? .
3 =8 17 4 =1 35 = 85+ ; 175, ; 450 1
Théorème :
Si les matrices augmentées de deux systèmes linéaires sont équivalentes, alors les systèmes
linéaires sont équivalents et ont alors le même ensemble de solutions.

printemps-été
16
Résolution d’un système linéaire par la méthode d’échelonnement de Gauss
La méthode du pivot de Gauss de résolution d'un système linéaire . 3 4 consiste à :

(1) Ecrire la matrice augmentée du système |4 .
à transformer la matrice du système en une matrice échelonnée \.

(2) Effectuer sur cette matrice des opérations élémentaires dans un ordre bien déterminé de façon
(3) Résoudre le système échelonné \. 3 4\ correspondant, équivalent au système . 3 4.
25 ; 5+ ; 450 2 2 1 0 4 2
=45 = 25+ ; 35, = 750 =9? =4 =2 3 =7 =9
N Q . / OP 4 n o
45 ; 5+ = 25, ; 850 2 4 1 =2 8 2
35+ = 125, = 50 2
Exemple :
0 3 =12 =1 2
2 1 0 4 2
=4 =2 3 =7 =9
On écrit la matrice augmentée du système (1) : p |4 n q o
4 1 =2 8 2
0 3 =12 =1 2
Puis, on commence les étapes d’échelonnement de la matrice p :
Etape 1 : consiste à choisir le premier pivot et annuler tous les autres coefficients de la colonne qui
contient ce pivot
1er pivot 2
2 1 0 4 2 ab cab r+a6 2 1 0 4 2
=4 =2 3 =7 =9 ae cae d+a6 0 0 3 1 =5
p n q o fgggggggh n q o p s4
4 1 =2 8 2 0 =1 =2 0 =2
0 3 =12 =1 2 0 3 =12 =1 2
Etape 2 : consiste à choisir le deuxième pivot et annuler tous les autres coefficients de la colonne qui
contient ce pivot qui se trouvent en dessous du pivot
Au terme de l’étape 1, on a obtenu une matrice dont la première colonne est bien celle d’une matrice
On va donc conserver cette première colonne ainsi que la première ligne (puisque 2 ! 0) et

échelonnée.
On est dans le cas où ++ 0, on effectue alors un échange de la ligne 2 et la ligne 3 :

l’on va appliquer la même démarche à la deuxième colonne.
2 1 0 4 2 2 1 0 4 2
0 0 3 1 =5 a ca 0 =1 =2 0 =2
n q o fgggh n q o
b e
0 =1 =2 0 =2 0 0 3 1 =5
0 3 =12 =1 2 0 3 =12 =1 2
2 1 0 4 2 2 1 0 4 2
0 =1 =2 0 =2 0 =1 =2 0 =2
q o p+ + s4 +
a ca d,a
n q o fgggggggh n
t t b
0 0 3 1 =5 0 0 3 1 =5
0 3 =12 =1 2 0 0 =6 =1 8

printemps-été
17
Etape 3 : consiste à choisir le troisième pivot et annuler tous les autres coefficients de la colonne qui
contient ce pivot qui se trouvent en dessous du pivot
Au terme de l’étape 2, on a obtenu une matrice dont les 1ère et 2ème colonnes sont bien celles d’une
matrice échelonnée.
2 ! 0?
+
On va donc conserver ces deux colonnes ainsi que les deux premières lignes : puisque
u
++ =1 ! 0
+
et l’on va appliquer la même démarche à la troisième colonne.
2 1 0 4 2 2 1 0 4 2
0 =1 =2 0 =2 at cat r+ae 0 =1 =2 0 =2
n q o fgggggggh n q o p, , s4 ,
0 0 3 1 =5 0 0 3 1 =5
0 0 =6 =1 8 0 0 0 1 =2
Au terme de cette étape, on a alors obtenu une matrice échelonnée , .
Pour résoudre le système . 3 4, il suffit alors de résoudre le système échelonné équivalent ainsi
obtenu : \. 3 4\, avec j , OP 4 j 4 , .
Le système \. 3 4\ s’écrit :

25 ; 5+ ; 450 ;2 2 1 0 4 2
=5+ = 25, =2? 0 =1 =2 0 =2
N Q \ . / OP 4\ n o
35, ; 50 =5 0 0 3 1 =5
50 =2 0 0 0 1 =2
Le système \. 3 4\ se résout comme suit :
1
y5 2 = 5+ = 450 3
25 ; 5+ ; 450 ;2
2 3
w
=5+ = 25, =2? 5+ 2 = 25, 4 ?@3n 4 o
N @
35, ; 50 =5 1
x5 =5 = 5 =1 =1
50 =2 w ,
3 0 =2
v50 =2
2 1 0 4 3 2
=4 =2 3 =7 4 =9
. 3 . /.n o n o 4
4 1 =2 8 =1 2
Vérification :
0 3 =12 =1 =2 2

printemps-été
18
V-- VVaalleeuurrss pprroopprreess eett ssoouuss eessppaacceess pprroopprreess dd’’uunnee m

IIV maattrriiccee ccaarrrrééee
IV-1 Définitions d’une valeur propre et d’un vecteur propre associé

Définition :
Soit A une matrice carrée d’ordre n à coefficients réels.
On appelle valeur propre de A toute valeur de λ pour laquelle le système A. X = λ. X admet une
solution non triviale X ≠ 0 .
On appelle vecteur propre associé à la valeur propre λ ces solutions non triviales.
 1 1 − 1 1  0   1
Exemple : A =  1 1 1 , X 1 = 1  , X 2 =  1 , X 3 = − 1
−1 1 1 0   1  1
 1 1 − 1 1 2 1

A. X 1 =  1 1 1.1 = 2 = 2.1 : A. X1 = 2. X 1
− 1 1 1 0 0 0
λ 1= 2 est alors une valeur propre de la matrice A .
1 
X 1 = 1 est un vecteur propre de la matrice A associé à la valeur propre λ 1= 2 .
0 
 1 1 − 1 0 0 0 
A. X 2 =  1 1 1.1 = 2 = 2.1 : A. X 2 = 2. X 2
− 1 1 1 1 2 1
0 
X 2 = 1 est un deuxième vecteur propre de la matrice A associé à la même valeur propre λ 1= 2 .
1 
 1 1 − 1  1 − 1  1
A. X 3 =  1 1 1.− 1 =  1 = (−1).− 1 : A. X 3 = (−1).X 3
− 1 1 1  1 − 1  1
λ 2 = −1 est alors une autre valeur propre de la matrice A .
 1
X 3 = − 1 est un vecteur propre de la matrice A associé à la valeur propre λ 2 = −1 .
 1

printemps-été
19
IV-2 Calcul pratique des valeurs propres et sous espace propres associés.
Théorème 1 : (valeur propre)
λ est une valeur propre de la matrice A ssi : det( A − λ . I ) = 0
det( A − λ . I ) s’appelle le polynôme caractéristique de la matrice A , on le note PA ( λ ) .
Le produit de toutes les valeurs propres de la matrice A est égal au déterminant de la matrice.
La somme de toutes les valeurs propres de la matrice A est égale à la trace de la matrice.
Calculer les valeurs propres d’une matrice A revient à résoudre l’équation det( A − λ.I ) = 0 .
Théorème 2 : (vecteur propre)

L’ensemble de tous les vecteurs propres d’une matrice carrée d’ordre n à coefficients réels,
associés à une même valeur propre λ est un sous espace vectoriel de IRn .
On l’appelle le sous espace propre associé à la valeur propre λ et on le note Eλ .
Eλ est le sous espace vectoriel solution du système ( A − λ.I ).X = 0n : dim Eλ = n − rg ( A − λ.I )
dim Eλ ≤ kλ , kλ étant le degré de multiplicité de λ .
Pour chaque valeur propre λ de A , déterminer le sous espace propre associé revient alors à résoudre le
système linéaire (non de cramer car det( A − λ . I ) = 0 ) : ( A − λ.I ).X = 0n .
Exemples :
[ ]
♦ A = −34 12 : PA ( λ ) = ( λ − 2 )( λ + 5 ) ,  E2 = (1,3)
 E = (−2,1)
 −5
[
♦ A = −12 −23 ] : P A ( λ ) = ( λ + 1) 2 , E−1 = (1,−1)
[
♦ A = −11 −21 ] : PA ( λ ) = λ 2 + 1
 1 1 − 1  E−1 = (1,−1,1)
♦ A =  1 1 1 : PA ( λ ) = − ( λ + 1)( λ − 2 ) 2 ,  E = (1,1,0), (1,0,−1)
−1 1 1  2
 7 3 − 4  E2 = (1,1,2)
♦ A = − 6 − 2 5 : PA ( λ ) = − ( λ − 2 )( λ − 1) 2 ,  E = (1,−2,0)
 4 2 −1  1
 0 1 0
♦ A =  0 0 1 : PA ( λ ) = − ( λ + 1)( λ 2 + 1) , E−1 = (1,−1,1)
−1 −1 −1

printemps-été
20
V-- SSyyssttèèm
V mee ddee LLeeoonnttiieeff
V-1 Modèle entrée-sortie de Leontief
On considère une économie qui se compose de n secteurs S1,…,Sn .
Chaque secteur est supposé produire un seul bien.
Chacun de ces secteurs consomme une partie des biens produits par tous les secteurs.
Pour produire une unité du bien j, le secteur Sj a besoin de aij unités du bien i.
Si qj désigne la quantité de production en bien j du secteur Sj, alors la demande totale intérieure
d'unités produites en bien i par le secteur Si est donnée par : ai1q1+…+aijqj+…+ainqn .
La production totale de chaque secteur doit satisfaire la demande intermédiaire et la demande finale.
. z ; ; . z ; ; . z
{||||||||||}||||||||||~ ; z
Ce qui donne, pour chaque bien i :
#Pé& O 4#O # P##&éO& OO P#

P# j PO& 4#O& #O PPO
L’équilibre de toute l’économie peut ainsi être décrit par l’égalité matricielle suivante :
 a11 La1 j L a1n  q1   d1   q1 
M      
M M  M   M   M 
 aij aij 
ain qi + d i = qi ,
M M M  M   M   M 
 a La L a   q   d   q 
 n1 nj nn  n   n   n 
ou encore en écriture abrégée : Aq + d = q

la matrice A est dite matrice technique.
Le système, dit de Leontief, s’écrit alors : ( I − A)q = d
V-2 Propriétés du système de Leontief

La solution du système de Leontief consiste à déterminer les quantités à produire de chaque bien pour
satisfaire toute la demande.
Pour assurer l’unicité des quantités à produire, cette solution doit exister et être unique, la matrice
( I − A) doit alors être inversible. Dans ce cas, cette solution est donnée par : q = ( I − A) −1 d
Pour que l'économie soit productive, les coefficients de la matrice ( I − A) doivent être tous positifs.
Théorème 1 :
Une matrice A est inversible et la solution X de tout système A. X = b a tous ses coefficients positifs
si la matrice A satisfait les conditions, dites de Hawkins-Simon : (les mineurs principaux positifs)
a11 L a1n
a11 a12
a11 > 0 ; >0 L M M M >0
a21 a22 an1 L ann

printemps-été
21
Théorème 2 :
Une matrice ( I − A) est inversible et la solution X de tout système ( I − A).X = b a tous ses
coefficients positifs si les coefficients de la matrice A vérifient les conditions :
n
aij ≥ 0 et ∑a
j =1
ij < 1, ∀j ∈{1,K, n}
Exemple :
Supposons que l'économie d'une certaine région dépend de trois industries: S1, S2 et S3. En
surveillant les opérations de ces trois secteurs, on a tiré les observations suivantes :
Pour produire une unité de S1, S1 doit consommer 0,3 unités de S1 , 0,3 unités de S2 et 0,3 unités de S3 .
Pour produire une unité de S2, S2 doit acheter 0,4 unités de S1, utiliser 0,1 unités de S2 et 0,4 unités de S3.
S3 consomme 0,3 unités de S1, 0,4 unités de S2 et de 0,2 unités de S3 pour produire une unité de S3.
Supposons également que pendant une période d'une semaine, l'économie a une demande extérieure
de 50.000 unités de S1, 75.000 unités de S2 et 125.000 unités de S3.
(1) L’équilibre de cette économie peut être traduit par l’égalité matricielle :
 0,3 0,3 0,3 q1   50.000   q1 

0,4 0,1 0,4 q2  +  75.000  =  q2 
 0,3 0,4 0,2 q3  125.000   q3 
 0,3 0,3 0,3
(2) La matrice des coefficients techniques correspondante : 0,4 0,1 0,4
 0,3 0,4 0,2
 50.000 
(3) Le vecteur de la demande extérieure :  75.000 
125.000 
 
 0,7 − 0,3 − 0,3 q1   50.000 
(4) Le système de Leontief ( I − A)q = d correspondant : − 0,4 0,9 − 0,4 q2  =  75.000 
 − 0,3 0,4 0,8  q3  125.000 
 q1   225 609,76 
(5) Solution du système ( I − A)q = d est donnée par :  q2  =  237 804,88 
   
 q3   121 951,22 
(6) Le niveau de production de chacun des trois secteurs pour satisfaire les demandes est alors :
 225 609 ,76 unités de S1

 237 804,88 unités de S2
 121 951,22 unités de S3

printemps-été
22
V-3 Tableau input-output : (exemple)

On suppose que l’économie d’un pays fictif se décompose de deux secteurs : l’agriculture et l’industrie.
Pour le 1er secteur, la production est de 500UM répartie comme suit :

200 UM consommées par l’industrie.
50 UM consommées par l’agriculture elle-même.
Le reste en consommation finale pour satisfaire les besoins de la population.
Pour le 2ème secteur, la production est de 2500UM répartie comme suit :
500 UM consommées par l’industrie elle-même.
100 UM consommées par l’agriculture.
Le reste en consommation finale pour satisfaire les besoins de la population.
A partir de ces données, on construit le tableau d’entrées-sorties de l’économie :
Entrées (consommations)
(production)
Secteur Agriculture Industrie Consommation finale Production totale

Sorties
Agriculture 50 200 250 500
industrie 100 500 1900 2500

Tableau input-output
Les lignes du tableau indiquent la répartition entres les différents secteurs.
Les colonnes donnent les inputs des secteurs.
On peut alors calculer la quantité d'input nécessaire pour une unité d'output. Il suffit de diviser les inputs
de la branche par la production totale. On obtient :
Secteur Agriculture Industrie

Agriculture 0.1 (50/500) 0.08 (200/2500)
Industrie 0.2 (100/500) 0.2 (500/2500)
 0,1 0,08
(1) La matrice des coefficients techniques correspondante est alors donnée par :  
 0,2 0,2 
(2) Si le vecteur de la demande extérieure devient :  d1  = 250
 d  2000
 2
( )
(3) Le système de Leontief correspondant s’écrit :
 0,1 0,08  q1   d1   q1  1 − 0,1 − 0,08 q1  250
 . q  +  d  =  q  ⇔  ( )
 q  = 2000 ⇔ 
 0,9 − 0,08 q1  250
  = 2000 ( )
 0,2 0,2   2   2   2   − 0,2 1 − 0,2 2   − 0,2 0,8  q2 
(4) Solution du système ( I − A)q = d est donnée par :  1  = 
q 511,36 

 2   627,84 
q 2
(5) La production de chacun des deux secteurs qui satisfait les nouvelles demandes est alors donnée par :
 511,36 UM de S1
2 627,84 UM de S
 2

printemps-été
23

S4 Cours - Chap1 Systemes Lineaires

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

S4 Cours - Chap1 Systemes Lineaires

Încărcat de

Drepturi de autor:

Formate disponibile

Université Mohammed V – Agdal ‫

Filière de Sciences Économiques et de Gestion

II- Utilisation des déterminants ........................................................................................... 4

III- Méthode d’échelonnement de Gauss .......................................................................... 12

Professeure Salma DASSER Session printemps-

V- Système de Leontief ....................................................................................................... 21

Professeure Salma DASSER Session printemps-

I-2 Ecriture matricielle d’un système linéaire

Définition : (Matrice d’un système linéaire)

Professeure Salma DASSER Session printemps-

I-3 Rang d’un système linéaire

Professeure Salma DASSER Session printemps-

n = m = 3 A est alors une matrice carrée d’ordre 3 .

Résolution par l’inversion de la matrice du système

On propose de résoudre un système linéaire (S ) de n équations à n inconnues, écrit sous sa

le système (S ) est de Cramer :

Professeure Salma DASSER Session printemps-

1 − 5 1 7 − 5 /18 1/18 7 /18

Résolution par la méthode de Cramer

On propose de résoudre un système linéaire (S ) de n équations à n inconnues, écrit sous sa

 a11 L a1i−1 b1 a1i+1 L a1n 

Professeure Salma DASSER Session printemps-

II-2 Résolution d’un système linéaire non de Cramer

(S ) est un système linéaire non de Cramer : A∈ M (4) et rg ( A) = 2 ≠ 4 , (n = m = 4 et r ≠ n)

Professeure Salma DASSER Session printemps-

Le système (S ) est un système linéaire non de Cramer : A∈ M ( 4,3) , ( n ≠ m )

Résolution d’un système avec second membre

On propose de résoudre un système linéaire non de Cramer (S ) de n équations à m inconnues,

Professeure Salma DASSER Session printemps-

On écrit les matrices ( M h , 1 ≤ h ≤ n − r ) de type (r + 1, r + 1) définies par :

Les déterminants des matrices ( M h , 1 ≤ h ≤ n − r ) s’appellent les déterminants

On vérifie les conditions, dites de compatibilité du système A. X = b : ∆ h = 0, 1 ≤ h ≤ n − r

1er cas : ∃1 ≤ h ≤ n − r avec ∆ h ≠ 0

Un déterminant principal est : ∆ 2 = 10 12 . On en déduit :

Les conditions de compatibilité sont : ∆ h = 0, 1 ≤ h ≤ 2

Sa résolution revient à résoudre le système de Cramer suivant :

Professeure Salma DASSER Session printemps-

La solution du système (S ) est alors égale à l’ensemble :

Les conditions de compatibilité sont : ∆ h = 0, 1 ≤ h ≤ 2

Cas particulier d’un système homogène

On propose de résoudre un système linéaire homogène non de Cramer (S ) de n équations à m

Professeure Salma DASSER Session printemps-

Les conditions de compatibilité sont toujours vérifiées ( ∆ h = 0, 1 ≤ h ≤ n − r ) :

Le système étant homogène, les conditions de compatibilité sont vérifiées.

La résolution du système (S ) revient alors à résoudre le système de Cramer suivant :

La solution du système A. X = 0 est alors égale au sous espace vectoriel :

Professeure Salma DASSER Session printemps-

 ! 0 pour 1  #   ;  0 pour 1  #   et 1     avec # $ 2 &#  1

Les colonnes de pivots sont les colonnes qui contiennent un pivot.

ligne non nulle.

' 1 2* est une matrice échelonnée de rang égal à 3.

Professeure Salma DASSER Session printemps-

Système linéaire échelonné

Un système linéaire . 3 4 possédant une matrice échelonnée est dit échelonné.

Le rang du système . 3 4 c’est le rang  de la matrice de ce système.

colonnes pivots de la matrice .

35 ; 25+ ; 35, 5

(1) 9 35+ = 5, 1? ;  3 @ 5 , 5+ et 5, sont les inconnues principales

35 ; 25+ ; 35, ; 250 5

Compatibilité d’un système linéaire échelonné

35 ; 25+ ; 35, 5

(1) 9 35+ = 5, 1? est un système compatible car   3  3.

35 ; 25+ ; 35, ; 250 5

! 0 pour 1 # ; 0 pour 1 # et 1 avec # $ 2 &# 1

Le rang du système . 3 4 c’est le rang de la matrice de ce système.

35 ; 25+ ; 35, 5

(1) 9 35+ = 5, 1? ; 3 @ 5 , 5+ et 5, sont les inconnues principales

35 ; 25+ ; 35, ; 250 5

35 ; 25+ ; 35, 5

(1) 9 35+ = 5, 1? est un système compatible car 3 3.

35 ; 25+ ; 35, ; 250 5

35 ; 25+ ; 35, ; 250 5

On commence par déterminer , OP puis on dresse la liste des cas possibles :

Si le système n'est pas compatible (les = conditions de compatibilité ne sont pas

a donc = paramètres) et on résout le système en commençant par calculer 5 dans la

Dans le cas particulier , le système est un système de Cramer, il a une et une

35 ; 25+ ; 35, 5

35 ; 25+ ; 35, 5 @ 35 5 = 25+ = 35, @ 5 =1

3x ; 2x+ ; 3x, ; 2x0 5

35 ; 25+ ; 35, 5

3 et 4 : on a alors une = condition de compatibilité à vérifier : 1 = 0.

35 ; 25+ ; 35, ; 250 5

3 et 4 : on a alors une = condition de compatibilité à vérifier : 1 = 0.

second membre 4. On la note |4.

(1) ]1 4 1l 0` est la matrice augmentée du système 9 5 ; 45+ ; 5, 0?.

1 =3 6 2 1 5 = 35+ ; 65, ; 250 1

1er pivot 2

Au terme de cette étape, on a alors obtenu une matrice échelonnée , .

#Pé& O 4#O # P##&éO& OO P#