Chapitre 2 : Systèmes d’équations linéaires

Exemple d’introduction

Problème : dans une recette, il faut mettre 2 fois plus de farine que de sucre (en volume). On veut
faire une recette qui contient 2 tasses de ces deux ingrédients réunis. Poser les équations qui
permettent de calculer le volume requis pour chaque ingrédient.

Définition des variables : x : volume de farine (tasses)

y : volume de sucre (tasses)

Système
d’équations
linéaires :

But : trouver la ou les solutions de système, c’est-à-dire le couple (x,y) pour lequel toutes les
équations sont vérifiées.

En général, il y a 3 types de solutions

Voici des exemples dans le cas : 2 équations, 2 inconnus.

Système incompatible Système compatible
Aucune solution Solution unique Infinité de solutions
Exemple  x  2 y  0 x  2 y  0  x  2 y  2
  
 x  2 y  2  x y 3 3 x  6 y  6

Explication
géométrique

 y  (1/ 2) x  0  y  (1 / 2) x  0  y  (1 / 2) x  1
  
 y  (1/ 2) x  1  y  x  3  y  (1 / 2) x  1

y = y implique 1=0 y = y implique x = 2 y = y implique 1=1

(toujours vrai)
Écriture matricielle du système

Système (Étape facultative) Écriture matricielle Matrice augmentée

(sans les variables)
x  2 y  3 1x  2 y   3 1 2   x   3
          
2x  3 y  8  2 x  3 y  21  8  21 2 3   y   8 

Deux méthodes de résolution seront vues dans ce chapitre

1) Méthode d’élimination Gaussienne (la plus importante selon moi)
2) Méthode de Gauss-Jordan,

Chap.4 - page 1
Présentation comparative de deux méthodes de résolution
Pour résoudre : méthode de réduction Méthode d’élimination de Gauss
(étudiée au secondaire) (nouveau)

 x  2 y  3 E1  2E1 1  2  3
 «»
  
2x  3y  8 veut dire 2 3 8 
« est
remplacé
2 x  ___ y  __ par »  
   
 2x  3 y  8 2 3 8

2 x  4 y  6  2 4 6 
0  7 y  14   
 0 7 14 
Systèmes équivalents Matrices équivalentes

On obtient : y = 2 et x = 1.

Conclusion : la méthode de Gauss est une version matricielle de la méthode de réduction vue au
secondaire. L’écriture matricielle permet, entre autres, d’alléger la notation en laissant tomber
l’écriture du nom des variables à chaque étape.

Tableau des opérations permises

(qui ne changent pas la solution du système)

Opérations élémentaires Opérations élémentaires

sur les équations d’un système sur les lignes d’une matrice
augmentée
1. permuter deux équations; 1. permuter deux lignes
E i  Ej L i  Lj
2. multiplier les deux membres d’une 2. multiplier une ligne par un
équation par un même scalaire non nul; scalaire non nul;
Ei c Ei Li c Li
3. ajouter aux deux membres d’une 3. ajouter à une ligne un multiple
équation un multiple des deux membres d’une autre ligne
correspondants d’une autre équation
Ei Ei + kEj Li Li + kLj

4e propriété très pratique : combiner 2 et 3 dans une même étape.

Li cLi + kLj

Chap.4 - page 2
1. Méthode de Gauss (ou élimination de Gauss)

C’est lorsque le nombre d’équations et d’inconnus est grand que la notation matricielle et les
méthodes de résolution comme l’élimination Gaussienne démontrent leur efficacité.
Voici un système de 3 équations linéaires et 3 inconnus. Nous allons le résoudre par la méthode
d’élimination de Gauss. Nous formaliserons ensuite l’algorithme en présentant un peu de théorie.
Cas #1 (système compatible, solution unique)
Exemple 1
Rappel : Opérations
 x  2 y  3z  0 élémentaires

2 x  3 y  z  3 1. L i  Lj
x  y  z  1 2. Li kLi

3. Li Li + kLj

4. Li cLi + kLj

Réponse : x = 4, y = -1, z = 2.

Chap.4 - page 3
Exemple 2 (solution unique, avec permutation de lignes obligatoire)

7 x  7 y  2 z  1

 x  y  0
7 x  6 y  z  2


Chap.4 - page 4
Un peu de théorie :
qu’est-ce qu’un système d’équations linéaires?

Équation linéaire n _____________

a1 x1  a2 x2  ...  an xn  b

Système d’équations linéaires m n a11 x1  a12 x2  ...  a1n xn  b1

a21 x1  a22 x2  ...  a2 n xn  b2
m _____________
    
am1 x1  am 2 x2  ...  amn xn  bm
But: trouver tous les n-uplets ( x1 , x2 ,..., xn ) qui sont solutions de ce système (c’est-à-dire qui
vérifient TOUTES les équations).

Représentation matricielle: permet des calculs efficaces

AX=B Matrice augmentée du système, notée A|B
 a11 a12  a1n  x1   b1   a11 a12  a1n b1 
      
 a21 a22  a2 n  x2   b2   a21 a22  a2 n b2 

                 
      
 am1 am 2  amn    
 xn   bm 
a
 m1 am 2  amn bm 

Définition : matrices équivalentes

Deux matrices A et B sont équivalentes, si l’une d’elles *Opérations élémentaires
sur les lignes d’une matrice
peut être obtenue de l’autre par une suite d’opérations
élémentaires*. 1. permuter deux lignes Li  Lj
Notation : A ~ B 2. multiplier une ligne par un
scalaire non nul; Li kLi
Définition : systèmes linéaires équivalents 3. ajouter à une ligne un multiple
Deux systèmes d’équations linéaires sont ÉQUIVALENTS d’une autre ligne Li Li + kLj
si et seulement ils ont le même ensemble solution.

Théorème
Toute matrice équivalente à la matrice augmentée d’un système linéaire est la matrice augmentée
d’un système linéaire équivalent.

 c12  c1n s1 
En d’autres mots : SI  a11

a12 a1n b1   c11
   (matrices équivalentes)
 a21 a22  a2 n b2   0 c22  c2 n s2 

             
   
 am1 am 2  amn bm   0 0  cmn sm 

 a11 x1  a12 x2  ...  a1n xn  b1  c11 x1  c12 x2  ...  c1n xn  s1

 a x  a x  ...  a x  b  c22 x2  ...  c2 n xn  s2
ALORS  
21 1 22 2 2n n 2
et
        
a x  a x  ...  a x  b  cnn xn  sm
 m1 1 m2 2 mn n m

 
ont le même ensemble solution.

Chap.4 - page 5
 Définition : pivot
Le pivot d’une ligne est le premier élément non nul d’une ligne, et ce, peu importe que la
matrice soit échelonnée ou non.

Exemple : encerclez les pivots.

1 9 2 0 1 3 5 5
1 2 3 2    
0 2 5 2 0 1 5 6
A~   B~  D|G~ 
0 0 2 7 0 4 0 2 0 0 0 7
0 0 0 1    
 
0 3 1 0 0 0 0 0

Définition : matrice échelonnée

On dit qu’une matrice A est échelonnée si :
1. Toutes les lignes nulles de la matrice sont situées sous les lignes non nulles.
2. Le pivot d’une ligne, soit le premier élément non nul d’une ligne, se trouve à droite
du pivot de la ligne précédente.

Truc : Pour échelonner, on doit former un escalier « sans sauts » sous lequel il n’y a que des 0.

Définition : rang d’une matrice

Le rang d’une matrice A, noté ________, est égal au nombre de lignes non nulles dans une
matrice échelonnée équivalente à A.

Définition équivalente : le rang de la matrice = nombre de pivots dans la matrice échelonnée.

Exercice : parmi les matrices suivantes, lesquelles sont échelonnées? Encerclez les pivots.
Donner le rang des matrices A, B, C et de la matrice augmentée D|G et l’inscrire ci-dessous.
1 9 0
2 1 3 5 5
1 2 3 2 1 2 3 2    
0 2 5 2 0 1 5 6
A~   B ~ 0 2 2 7 C~  D|G~ 
0 0 2 7   0 4 11 2  0 0 3 7
0 0 0 1 0 0 5 1  
     
0 0 1 0 0 0 0 9
Échelonnée?
(oui ou non)

Rang: Rg A = Rg B = Rg C = Rg D|G =

Chap.4 - page 6
Les étapes de la méthode de Gauss

1. On traduit le système d’équations linéaires en une matrice augmentée.

2. On transforme la matrice augmentée en matrice échelonnée à l’aide des opérations
élémentaires.
3. En débutant par la dernière équation, on résout le système en remplaçant les valeurs
trouvées dans les équations précédentes.
4. Si une colonne correspondant à une variable n’a pas de pivot, alors on dit que cette
variable est libre. On pose la variable libre égale à un paramètre (une autre lettre, t par
exemple) et on trouve la solution de chaque variable en fonction de ce paramètre.

Cas #2 (système incompatible, aucune solution)

2 x  y  4 z  3

S  x  2 y  z  5
 x  3 y  3z  4


Chap.4 - page 7
Aperçu des différents types de solutions avec exemples

1) S’il y a autant de lignes non nulles que d’inconnus

(nombre de colonnes dans la matrice des coefficients),
la solution est unique. La matrice échelonnée pourrait ressembler à ceci :

TRUC visuel : escalier parfait dans la matrice échelonnée

1 1 2 3 5 1 3 5 5
   
Ex.: 0 1 3 1 6
, 0 1 5 6
0 0 1 2 7 0 0 1 7
   
0 0 0 1 8 0 0 0 0 

2) Si on obtient une ligne de 0 dont le dernier élément n’est pas 0,

alors il n’y a pas de solution (système incompatible). La matrice échelonnée pourrait ressembler à
ceci :
TRUC visuel : ligne de 0 qui aboutit sur un nombre (non nul)

1 1 2 3 5
 
Ex.: 0 1 3 1 6
0 0 1 2 7
 
0 0 0 0 9

car de L4 on déduit : 0 x1  0 x2  0 x3  0 x4  9 qui est impossible.

3) S’il y a moins de lignes non nulles que d’inconnus,

alors le système a une infinité de solutions. La matrice échelonnée pourrait ressembler à ceci :
TRUC visuel: escalier avec marches parfois plus longues
et dont la dernière ligne N’EST PAS un ligne de 0 qui aboutit sur un nombre (non nul)

1 3 7 1
Ex.:  
 0 1 3 0

*La variable associée à la colonne qui ne contient pas de pivot est appelée VARIABLE LIBRE.
On pose cette variable égale à un paramètre qui peut prendre n’importe quelle valeur réelle, par
exemple :
Posons x3  k où k  R La solution est alors une équation paramétrique.

Chap.4 - page 8
Cas #3 (système compatible, infinité de solutions)

x  2y  z  4

2 x  y  z  2
3 x  y  2 z  6


Chap.4 - page 9
Exemples de format de réponse pour un système ayant une infinité de solutions
  2t  1 
  
E.S. = (2t  1, 4t , t ), t  R ou E.S. =   4t  , t  R 
 t  
Ensemble   
solution où le paramètre t
L’ensemble qui peut prendre
contient… n’importe quelle
valeur réelle.

 x  2t  1

 y  4t tR
Ou encore les équations paramétriques (sera vu au chap.9) : z  t


Exercice
Compléter la résolution de ce système par la méthode de Gauss.

2 x  y  4 z  3

 x  2y  z  5

Chap.4 - page 10
2. Méthode de Gauss-Jordan

Définition : matrice échelonnée RÉDUITE

Une matrice A est échelonnée réduite si

1) A est échelonnée
2) Dans toute colonne qui contient un pivot, tous les éléments autres que le pivot sont nuls.
3) Le pivot de chaque ligne vaut 1.

Truc : à partir d’une matrice échelonnée, encercler les pivots. S’assurer que chaque pivot est 1 et
qu’il est le seul non nul de sa colonne.

Exercice: lesquelles de ces matrices sont des matrices échelonnées? Échelonnées réduites?
Matrice …
1 3 1 1 0 1 1 0 0 1 4 3 0 0 1
         
 0 1 2  0 1 2 0 1 0 0 1 1  0 1 2
0 0 1 0 0 0 0 2 1 0 0 0 0 0 0
         
échelon?

échelon réduite?

 1 0  0 1  1 0 3  1 0 3
       
 0 0  0 0  0 1 0  0 0 1
échelon?

échelon réduite?

Les étapes suggérés pour rendre la matrice échelon réduite

1. On échelonne la matrice comme on le faisait dans l’élimination de Gauss.

2. On introduit ensuite des 0 au-dessus de chaque pivot trouvé en procédant par la
colonne de droite.
3. On transforme tous les pivots pour des 1 en multiplie chaque ligne par le facteur
approprié.

Gauss-Jordan
À partir de la matrice augmentée échelonnée réduite, on débute par la dernière
équation, on résout le système en remplaçant les valeurs trouvées dans les équations
précédentes.

Avantage : permet une méthode alternative de calcul de l’inverse d’une matrice (voir section
suivante).
Permet de donner un algorithme complet à programmer pour mener plus directement à la réponse que
Gauss tout court.

Chap.4 - page 11
Exercices
Résoudre les systèmes suivants par Gauss-Jordan.

x  2 y  1
a) S  
x  y  0

x  y  z  0

b) S  2 x  2 y  z  1
x  3 y  2z  1


Solution : b)
1 
X   2 
  3

Remarque
Avec Gauss-Jordan, si le système A X = B a une solution unique, alors la matrice échelonnée
réduite correspond à __.
La solution est alors dans la colonne de droite. A|B ~ … ~ I | X

Chap.4 - page 12
Gauss Jordan : exercice avec infinité de solutions

Compléter la méthode de Gauss-Jordan pour ce système.

 2 x  4 y  3z  5
 6 x  12 y  9 z  15


3x  6 y  4 z  5
 3x  6 y  5 z  10

Chap.4 - page 13
Problèmes contextualisés et SÉL
Pour résoudre des problèmes contextualisés impliquant des équations linéaires, on doit appliquer les
étapes suivantes :

1) Identifier les variables relatives aux quantités cherchées;

2) Traduire les informations du texte en équations (les contraintes);

3) Simplifier les équations obtenues s’il y a lieu;

4) Convertir les équations en matrices;

5) Appliquer l’une des méthodes de résolution de systèmes d’équations linéaires;

6) Déterminer l’ensemble-solution du système;

7) Répondre à la question posée dans le texte.

Ex 7 Un concessionnaire automobile veut se procurer des voitures compactes, des fourgonnettes et des
camions, pour un total de 40 véhicules. Chaque voiture compacte occupe une place de stationnement,
chaque fourgonnette en prend deux et chaque camion, trois. Le terrain comprend 90 espaces de
stationnement. Combien devrait-il se procurer de voitures compactes, de fourgonnettes et de camions,
s’il ne veut pas plus de 15 camions.1

1
OUELLET, Gilles. Algèbre linéaire : vecteurs et géométrie, 2e édition, Sainte-Foy, Le Griffon d’argile, 2002, p. 125.
Chap.4 - page 14
Résumé du chapitre

Système d’équations linéaires m  n (m équations, n inconnus)

a11 x1  a12 x2  ...  a1n xn  b1

a21 x1  a22 x2  ...  a2 n xn  b2
    
am1 x1  am 2 x2  ...  amn xn  bm

But: trouver tous les n-uplets ( x1 , x2 ,..., xn ) qui sont solutions de ce système.

Étude des solutions

Il peut y avoir:
 1 solution unique (système compatible)
 ∞ de solutions (système compatible)
 0 solution (système incompatible)

Représentation matricielle: permet des calculs efficaces

Représentation matricielle du système Matrice augmentée du système

 a11 a12  a1n  x1   b1   a11 a12  a1n b1 
      
 a21 a22  a2 n  x2    b2   a21 a22  a2 n b2 
                 
 
     
 am1 am 2  amn  xn   bm   am1 am 2  amn bm 

Méthodes de résolution

La méthode la plus générale :

1) Méthode de Gauss (ou élimination de Gauss).
Inspiré de la méthode d’élimination appliquée à la matrice augmentée.
Il faut échelonner la matrice augmentée du système.
On reconnaît le type de solution
 Aucune solution (système incohérent)
 Solution unique (système cohérent, autant de pivots que d’inconnus)
 Infinité de solutions (système cohérent, plus d’inconnus que de pivots).

Raffinement de la méthode d’élimination de Gauss :
2) Méthode de Gauss-Jordan

Chap.4 - page 15
Notes :

Chap.4 - page 16