Systeme Lineaire

Systèmes d’équations linéaires et déterminant 2 Systèmes d’équations linéaires et déterminant 3
Plan du cours Plan du cours

Cours de Mathématiques - ASINSA-1
Systèmes d’équations
linéaires et déterminant 1 Systèmes d’équations linéaires 1 Systèmes d’équations linéaires
2 Un outil pratique : le déterminant 2 Un outil pratique : le déterminant

Frédéric STURM
Pôle de Mathématiques, INSA de Lyon

3 Étude de l’ensemble des solutions 3 Étude de l’ensemble des solutions
Année académique 2010-2011 4 Résolution d’un système de Cramer 4 Résolution d’un système de Cramer
5 Résolution dans le cas général 5 Résolution dans le cas général
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Systèmes d’équations linéaires et déterminant 4 Systèmes d’équations linéaires et déterminant 5 Systèmes d’équations linéaires et déterminant 6
Définition Définition (compléments) Un système peut avoir plus d’équations que d’inconnues :
n > p (système surabondant). C’est le cas du système
Définition 1.1 Une solution du système est un p-uplet (x1 , . . . , xp ) ∈ Kp 4 × 3 suivant :
qui vérifie les n équations du système. 
On appelle système rectangulaire de type (n, p) ou n × p : −x1 + x2 − 5x3 = −7
Un système est dit homogène si 

 
2x1 − x2 − x3 = 4

 a11 x1 + . . . + a1p xp = b1

 a21 x1 + . . . + a2p xp = b2 b1 = b2 = . . . = bn = 0. 
 3x1 − 2x2 + 4x3 = 11

(S) .. 3x1 + 4x2 − 2x3 = 11

 .


Deux systèmes linéaires sont équivalents s’ils ont le même
an1 x1 + . . . + anp xp = bn ensemble de solutions. Un système peut aussi avoir moins d’équations que
où les inconnues sont les scalaires x1 , . . . , xp ∈ K et où les Remarque d’inconnues : n < p (système sousabondant). C’est le cas
données sont : du système 3 × 5 suivant :
Un système homogène de type (n, p) admet toujours au moins

les coefficients aij ∈ K, 1 6 i 6 n, 1 6 j 6 p, une solution. C’est le vecteur  2x1 − 3x2 + x3 + 6x4 − 6x5 = 3
les seconds membres bi ∈ K, 1 6 i 6 n. 2x1 − 2x2 + 2x3 + 4x4 − 6x5 = 4
(0, 0, . . . , 0) ∈ Kp 
On appelle rang du système le rang de A = (aij )16i6n,16j6p . −2x1 + 4x2 + x3 − 8x4 + 3x5 = 0
qualifié de solution banale ou triviale.
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA
Enfin, un système peut avoir autant d’équations que Interprétation matricielle Plan du cours
d’inconnues : n = p (système carré). C’est le cas du
Le système (S) s’écrit sous la forme matricielle suivante :
système 3 × 3 suivant :

 x1 + x2 = m (EM) AX = B. 1 Systèmes d’équations linéaires
x2 + x3 = 2

x1 + 2x2 + x3 = 3 Les données sont A et B. L’inconnue est X :
    2 Un outil pratique : le déterminant
Nous verrons que ce système n’admet aucune solution si a11 · · · a1p b1  
m 6= 1. Il en admet une infinité si m = 1 :  a21 · · · a2p   b2  x1
     ..  . Étude de l’ensemble des solutions
A= . .. ..  , B =  ..  et X =  . 
3
(x1 , x2 , x3 ) = (−1 + x3 , 2 − x3 , x3 ) avec x3 ∈ R.  .. . .   . 
xp
an1 · · · anp bn 4 Résolution d’un système de Cramer
ATTENTION Ce n’est pas parce qu’un système pos-
L’équation (EM) s’écrit aussi sous la forme matricielle :
sède autant d’équations que d’inconnues qu’il pos- 5 Résolution dans le cas général
sède nécessairement une solution. Le « bon » critère
(EM′ ) x1 C1 + x2 C2 + . . . + xp Cp = B
porte non pas sur la taille du système mais sur son
rang.
où C1 , C2 , . . . , Cp désignent les colonnes de A.
Le déterminant d’un système 2 × 2 Propriétés (forme bilinéaire alternée)
Le déterminant du système 2 × 2 est l’élément de K défini par
On considère le système 2 × 2 suivant : ¯ ¯
¯ a a12 ¯¯ déf. Soit C2 ∈ M2,1 (K). Pour tous C1 , C′1 dans M2,1 (K) et pour
det(A) = ¯¯ 11
not.
( = a11 a22 − a12 a21 ∈ K.
a21 a22 ¯ tous α, β dans K,
a11 x1 + a12 x2 = b1
(S2×2 )
a21 x1 + a22 x2 = b2 Conséquence det(αC1 + βC′1 , C2 ) = α det(C1 , C2 ) + β det(C′1 , C2 ).
Si det(A) 6= 0 alors il existe un unique couple (xe1 , xe2 ) ∈ K2
d’écriture matricielle : solution du système 2 × 2. En effet, On dit que le déterminant est linéaire par rapport à sa
Ã !µ ¶ µ ¶ première colonne.
a11 a12 x1 b1 b1 a22 − a12 b2 a b − b1 a21
= . xe1 = et xe2 = 11 2 . Le déterminant est aussi linéaire par rapport à sa
a21 a22 x2 b2 a11 a22 − a12 a21 a11 a22 − a12 a21 deuxième colonne. On dit alors que le déterminant est une
not.
forme bilinéaire.
Manipulons ce système. On obtient le système suivant : En notant det(A) = det(C1 , C2 ), on a :
Soient C1 , C2 appartenant à M2,1 (K).
(
(a11 a22 − a12 a21 ) x1 = b1 a22 − a12 b2 det(B, C2 ) det(C1 , B)
. xe1 = et xe2 = . C1 = C2 =⇒ det(C1 , C2 ) = 0.
det(C1 , C2 ) det(C1 , C2 )
(a11 a22 − a12 a21 ) x2 = a11 b2 − b1 a21
On dit que le déterminant est une forme alternée.
Conséquences Le déterminant d’un système 3 × 3 Manipulons cette égalité vectorielle.
On obtient :
On considére le système 3 × 3 suivant : h i
Soient C1 , C2 appartenant à M2,1 (K).  x1 (C1 ∧ C2 ) · C3 = (B ∧ C2 ) · C3 .
³ ´  a11 x1 + a12 x2 + a13 x3 = b1

∃γ ∈ K C2 = γ C1 =⇒ det(C1 , C2 ) = 0. (S3×3 ) a21 x1 + a22 x2 + a23 x3 = b2 On obtient aussi :

 h i
a31 x1 + a32 x2 + a33 x3 = b3 x2 (C2 ∧ C1 ) · C3 = (B ∧ C1 ) · C3 .
Pour tous C1 , C2 appartenant à M2,1 (K), | {z } | {z }
d’écriture matricielle : = −(C1 ∧ C2 ) · C3 = −(C1 ∧ B) · C3
det(C2 , C1 ) = −det(C1 , C2 ).  
a11 a12 a13     On obtient enfin :
  x1 b1 h i
 a21 a22 a23   
On dit que le déterminant est antisymétrique.   x2 = b2  . x3 (C3 ∧ C1 ) · C2 = (B ∧ C1 ) · C2 .
  | {z } | {z }
Pour tous C1 , C2 appartenant à M2,1 (K) et pour tout γ ∈ K, a31 a32 a33 x3 b3
= (C1 ∧ C2 ) · C3 = (C1 ∧ C2 ) · B
det(C1 + γC2 , C2 ) = det(C1 , C2 ), Rappelons que :
Commençons par récrire le système sous la forme
det(C1 , C2 + γC1 ) = det(C1 , C2 ). (C1 ∧ C2 ) · C3 = a11 a22 a33 + a21 a32 a13 + a31 a12 a23
x1 C1 + x2 C2 + x3 C3 = B
−a31 a22 a13 − a21 a12 a33 − a11 a32 a23 .
avec C1 , C2 et C3 les trois colonnes de A.
Le déterminant du système 3 × 3 est l’élément de K défini par : Règle de Sarrus Propriétés (forme trilinéaire alternée)
¯ ¯
¯ a ¯ Pour se souvenir de la formule :
¯ 11 a12 a13 ¯
¯
not. ¯
¯
¯ déf. déf. Soient C2 , C3 dans M3,1 (K). Pour tous C1 , C′1 dans M3,1 (K)
det(A) = ¯ a21 a22 a23 ¯ = (C1 ∧ C2 ) · C3 . det(A) = a11 a22 a33 + a21 a32 a13 + a31 a12 a23
¯ ¯ et α, β dans K2 ,
¯ a31 a32 a33 ¯ −a31 a22 a13 − a21 a12 a33 − a11 a32 a23 ,
¯ ¯
det(αC1 +βC′1 , C2 , C3 ) = α det(C1 , C2 , C3 )+β det(C′1 , C2 , C3 ).
on peut utiliser la disposition pratique suivante :
Conséquence ¯ ¯ ¯
¯ a11 a12 a13 ¯¯ a11 a12 a13 ¯ Le déterminant est linéaire par rapport à sa 1ère colonne.
Si det(A) 6= 0 alors il existe un unique triplet (xe1 , xe2 , xe3 ) solution ¯ ¯
¯ ց ր
ց ¯ց ¯
du système 3 × 3. En effet, ¯ ¯ր ր ¯ Le déterminant est aussi linéaire par rapport à sa 2ème
¯ a21 a22 a23 ¯¯ a21 a22 a23 ¯
¯ ¯ colonne et à sa 3ème colonne. On dit que le déterminant
¯ ր ր
ց ¯ց ¯
xe1 =
(B ∧ C2 ) · C3
, xe2 =
(C1 ∧ B) · C3
, xe3 =
(C1 ∧ C2 ) · B
. ¯ ¯ր ց ¯ est une forme trilinéaire.
(C1 ∧ C2 ) · C3 (C1 ∧ C2 ) · C3 (C1 ∧ C2 ) · C3 ¯ a a32 a33 ¯ a31 a32 a33 ¯
31 Soient C1 , C2 , C3 appartenant à M3,1 (K).
not. et on convient que : ³ ´
En notant det(A) = det(C1 , C2 , C3 ), on a :
les flêches descendantes (ց) correspondent aux termes C1 = C2 ou C1 = C3 ou C2 = C3 =⇒ det(C1 , C2 , C3 ) = 0.
det(B, C2 , C3 ) det(C1 , B, C3 ) det(C1 , C2 , B) précédés du signe positif ;
xe1 = , xe2 = , xe3 = .
det(A) det(A) det(A) les flêches montantes (ր) correspondent aux termes On dit alors que le déterminant est une forme alternée.
précédés du signe négatif.
Conséquences Un déterminant d’ordre 3 peut se décomposer en une
On a donc obtenu que :
combinaison linéaire de 3 déterminants d’ordre 2. Par exemple,
Si une des colonnes est combinaison linéaire des deux ¯ ¯ ¯ ¯
¯ a ¯ ¯ a11 (+) a12 a13 ¯ ¯ ¯ ¯ ¯ ¯ ¯
¯ 11 a12 a13 ¯ ¯ ¯ ¯ a23 ¯¯ ¯ a a13 ¯¯ ¯ a a13 ¯¯
autres alors le déterminant est nul. Par exemple, pour tous ¯ ¯ ¯ a21 (−) a22 a23 ¯ = a11 ¯ a22 −a21 ¯¯ 12 +a31 ¯¯ 12 .
¯ a21 a22 a23 ¯ ¯ ¯ ¯ a32 a33 ¯ a32 a33 ¯ a22 a23 ¯
C1 , C2 , C3 dans M3,1 (K), ¯ ¯ = a11 a22 a33 + a21 a32 a13 + a31 a12 a23 ¯ a31 (+) a32 a33 ¯
³ ´ ¯ ¯
¯ a31 a32 a33 ¯ −a31 a22 a13 − a21 a12 a33 − a11 a32 a23
∃(γ1 , γ2 ) ∈ K2 C3 = γ1 C1 +γ2 C2 =⇒ det(C1 , C2 , C3 ) = 0. ¯ ¯ On a développé le déterminant par rapport à sa 1ère colonne.
= a11 (a22 a33 − a32 a23 ) − a21 (a12 a33 − a32 a13 )
Si l’on permute deux colonnes parmi les trois, alors le
déterminant change de signe. Par exemple, pour tous +a31 (a12 a23 − a22 a13 ). Utilisant une écriture plus concise,
C1 , C2 , C3 dans M3,1 (K), Or, d’après ce qui précède, 3 h
X ³ ´i
£ ¤ ¯ ¯
det(C1 , C2 , C3 ) = −det(C3 , C2 , C1 ) = − −det(C2 , C3 , C1 ) . ¯ a22 a23 ¯ det(A) = (−1)i+1 ai1 det A(i,1)
¯ ¯
¯ a32 a33 ¯ = a22 a33 − a32 a23 , i=1
Le déterminant ne change pas lorsque l’on ajoute à l’une
¯ ¯
des colonnes une combinaison linéaire des deux autres ¯ a12 a13 ¯ où A(i,1) est la matrice carrée d’ordre 2 obtenue en supprimant
¯ ¯
colonnes. Par exemple, pour tous C1 , C2 , C3 dans M3,1 (K) ¯ a32 a33 ¯ = a12 a33 − a32 a13 , dans A la i-ième ligne et la 1ère colonne. Cette remarque
et γ1 , γ2 dans K, ¯ ¯ motive la définition du déterminant d’ordre n sous forme
¯ a12 a13 ¯
¯ ¯
¯ a22 a23 ¯ = a12 a23 − a22 a13 .
det(C1 , C2 , C3 + γ1 C1 + γ2 C2 ) = det(C1 , C2 , C3 ). récurrente.
Déterminant d’une matrice carrée Proposition 2.1
Remarque
not.
Soit n un entier naturel non nul.
On utilise aussi la notation : det(A) = det(C1 , C2 , · · · , Cn )
Définition 2.1 det(In ) = 1.
où C1 , C2 , . . . , Cn désignent les colonnes de A.
Soit A une matrice carrée d’ordre n sur K. Soit A une matrice carrée d’ordre n sur K. A est inversible
Le déterminant de A est défini par récurrence sur n par Le calcul d’un déterminant est indépendant du choix de la si, et seulement si, det(A) 6= 0.
colonne par rapport à laquelle on effectue le développement.
n h ³ ´i Pour tous A, B ∈ Mn (K), det(A × B) = det(A) × det(B).
X Par exemple,
(−1)i+j aij det A(i,j) En particulier, si A est inversible alors
déf.
det(A) = ¯ ¯
¯ 2(+) 0 0 ¯¯ ¯ ¯ ¯ ¯ ¯ ¯
i=1 ¯ ¯ −1 2 ¯ ¯ ¯ ¯ ¯ 1
¯ (−) ¯ ¯ − 5¯ 0 0 ¯ + 3¯ 0 0 ¯. det(A−1 ) = .
¯ 5 −1 2 ¯ = 2 ¯¯
où j prend une valeur quelconque entre 1 et n, et où A(i,j) ¯ (+) ¯ 0 1 ¯ ¯ 0 1 ¯ ¯ −1 2 ¯ det(A)
¯ 3 0 1 ¯
est une matrice carrée d’ordre n − 1 sur K. Elle s’obtient ¯ ¯
¯ 2 Pour tout A ∈ Mn (K), det(A) = det(AT ).
en supprimant dans A la i-ième ligne et la j-ième colonne. ¯ 0 (−)
0 ¯¯ ¯
¯ 2 0 ¯
¯
¯ ¯
Par convention, si n = 1, c’est-à-dire si A = (a11 ), alors ¯ 5 −1(+) 2 ¯ = − ¯¯ ¯ = −2.
¯ ¯ 3 1 ¯ ¯ ¯  
¯ 3 0(−) 1 ¯ ¯ 1 0 1 ¯¯ 1 0 1
déf. ¯
det(A) = a11 . ¯ 0 1 −1 ¯ 6= 0, d’où  0 1 −1  est inversible.
¯ ¯
¯ 1 0 0 ¯ 1 0 0
Règles de calcul
Puisque le déterminant d’une matrice et celui de sa matrice Si deux rangées parallèles d’une matrice sont égales alors
transposée sont égaux, on peut aussi développer le Si tous les éléments d’une rangée d’une matrice sont nuls son déterminant est nul. Par exemple,
déterminant suivant n’importe quelle ligne. Par exemple, en alors son déterminant est nul. Par exemple, ¯ ¯ ¯ ¯
¯ 2 2 0 ¯ ¯ 7 2 0 ¯
développant par rapport à la première ligne, on a : ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯
¯ 2 2 0 ¯ ¯ 2 2 0 ¯ ¯ 5 5 2 ¯ = 0 et ¯ 9 4 1 ¯ = 0.
¯ (+) ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯
¯ 2 ¯ 0 0 0 ¯ = 0 = ¯ 12 1 0 ¯ . ¯ 3 3 1 ¯ ¯ 7 2 0 ¯
¯ 0(−) 0(+) ¯¯ ¯
¯
¯
¯ ¯ ¯ ¯ ¯
¯ 5 −1 2 ¯ = 2 ¯ −1 2 ¯ = −2. ¯ 3 0 1 ¯ ¯ 3 0 0 ¯
¯ ¯ ¯ 0 1 ¯ Si l’on multiplie par α ∈ K tous les éléments d’une rangée
¯ 3 0 1 ¯
Si l’on permute deux rangées parallèles d’une matrice alors son déterminant est multiplié par α. Par exemple,
alors son déterminant change de signe. Par exemple, ¯ ¯ ¯ ¯ ¯ ¯
En développant par rapport à la deuxième ligne, on a : ¯ ¯ ¯ ¯ ¯ 12 4 4 ¯ ¯ 3 1 1 ¯ ¯ 1 1 1 ¯
¯ 2 0 0 ¯¯ ¯ 0 2 0 ¯ ¯ ¯ ¯ ¯ ¯ ¯
¯ ¯ ¯ ¯ ¯ ¯ 3 1 0 ¯ = 4 ¯ 3 1 0 ¯ = 4 × 3 ¯ 1 1 0 ¯.
¯ 0 ¯ ¯ ¯ ¯ ¯ ¯ 5 −1 2 ¯ = − ¯ −1 5 2 ¯ , ¯ ¯ ¯ ¯ ¯ ¯
¯ (−) 1 (+) 6(−) 9(+) ¯ ¯ 1 6 9 ¯ ¯ 0 6 9 ¯ ¯ ¯ ¯ ¯ ¯ 3 0 1 ¯ ¯ 3 0 1 ¯ ¯ 1 0 1 ¯
¯ 2 −7 0 0 ¯ ¯ ¯ ¯ ¯ ¯ 3 ¯ ¯ 0 3 1 ¯
¯ ¯ = −2 ¯ 3 1 3 ¯ − 7 ¯ 1 1 3 ¯ . 0 1
¯ 1 3 1 3 ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯ ¯
¯ ¯ ¯ 2 6 5 ¯ ¯ 5 6 5 ¯ ¯ 2 En particulier,
¯ 5 2 6 5 ¯ ¯ 0 0 ¯¯ ¯ 5 −1 2 ¯
¯ ¯
¯ 5 −1 2 ¯ = − ¯ 2 0 0 ¯¯ .
¯ ¯ ¯ ∀α ∈ K ∀A ∈ Mn (K) det(αA) = αn det(A).
¯ 3 0 1 ¯ ¯ 3 0 1 ¯
Si une rangée est combinaison linéaire des rangées Exemple 2.1

Plan du cours
parallèles alors son déterminant est nul. Par exemple,
¯ ¯
¯ ¯ ¯ 1+i 1 − 2i 1+i ¯
¯ 2 0 2 ¯¯ ¯ ¯ ¯ ¯
¯ ¯ ¯ ¯ 1 + i 1 − 2i 1 + i ¯
¯ 5 −1 3 ¯ = 0 ¯ 1 −32i 3
1+i
3
1+i ¯ 1 ¯¯ ¯ 1 Systèmes d’équations linéaires
¯ ¯ ¯ ¯ = 1 − 2i 1 + i 1 + i ¯
¯ 3 0 3 ¯ ¯ ¯ 27 ¯¯ ¯
¯ 3 3 3 ¯ 1 + i 1 + i 1 − 2i ¯
¯ 1+i 1+i 1 − 2i ¯
car C1 + 2 C2 = C3 . ¯ ¯ 2 Un outil pratique : le déterminant
3 3 3 ¯ ¯
¯ 1 + i −3i 0 ¯¯
Le déterminant ne change pas lorsque l’on ajoute à une 1 ¯¯
= 1 − 2i 3i 3i ¯¯ 3 Étude de l’ensemble des solutions
rangée une combinaison linéaire des autres rangées 27 ¯¯
parallèles (et uniquement des autres rangées parallèles). 1+i 0 −3i ¯
Par exemple, ¯ ¯ Résolution d’un système de Cramer
¯ 1 + i −3i 0 ¯¯ 4
¯ ¯ ¯ ¯ 1 ¯¯
¯ 1 1 1 ¯ ¯ 1 1 4 ¯ = 2−i 3i 0 ¯¯
¯ ¯ ¯ ¯ 27 ¯¯
¯ 1 1 0 ¯=¯ 1 1 3 ¯ 1+i 0 −3i ¯ 5 Résolution dans le cas général
¯ ¯ ¯ ¯
¯ 1 0 1 ¯ ¯ 1 0 3 ¯ ¯ ¯
3i ¯ 1 + i −3i ¯¯
= − ¯¯ = 1.
avec C3 ← C3 + 2C1 + C2 . 27 2 − i 3i ¯
Interprétation vectorielle Discussion sur les solutions
Exemple 3.1
Le système (S) peut s’écrire sous la forme vectorielle : Soit m ∈ R. On a équivalence entre le système réel 3 × 3 : Nous avons vu qu’une équation homogène n’est jamais
 impossible (elle admet toujours ~0Kp pour solution).
 x1 + x2 = m
(EV) f (~x ) = ~b.
x2 + x3 = 2 , Et si elle n’est pas homogène ?

x1 + 2x2 + x3 = 3
Les données sont : Proposition 3.1
l’application linéaire f : Kp −→ Kn canoniquement l’équation matricielle : Soit ~b un vecteur de F .
associée au système,      Si ~b ∈
/ Im f alors S = ∅.
le vecteur ~b = (b1 , b2 , . . . , bn ) de Kn . 1 1 0 x1 m
 0 1 1   x2  =  2  Si ~b ∈ Im f (l’équation (EV) est dite compatible) alors
L’inconnue est le vecteur ~x = (x1 , . . . , xp ) de Kp .
1 2 1 x3 3 © ª
L’ensemble des solutions de (EV) est défini par S = ~x 0 + ~x part | ~x 0 ∈ Ker f
n o et l’équation vectorielle : f (~x ) = ~b où ~x = (x1 , x2 , x3 ) ∈ R3 ,
~b = (m, 2, 3) ∈ R3 et f : ~x ∈ R3 7−→ ~y ∈ R3 avec où ~x part est une solution particulière de (EV), c’est-à-dire :
S = ~x ∈ Kp | f (~x ) = ~b .
déf.
~y = (x1 + x2 , x2 + x3 , x1 + 2x2 + x3 ). ~x part ∈ Kp et f (~x part ) = ~b.

Nota bene : si ~b = ~0Kn alors S = Ker f 6= ∅.
Discutons un peu... ... et résumons-nous ! Plan du cours
not.
Remarque : si on note r = rg f alors dimK (Ker f ) = p − r .
En résumé, une équation vectorielle peut
Supposons qu’il existe une solution particulière ~x part . ne possèder aucune solution ; c’est le cas si 1 Systèmes d’équations linéaires
Supposons r = p (c’est-à-dire : dimK (Ker©f ) =ª0). ~b 6∈ Im f ;
Il n’y a alors qu’une seule solution : S = ~x part . 2 Un outil pratique : le déterminant
Supposons r < p (c’est-à-dire : dimK (Ker f ) > 1). Notons posséder une solution unique ; c’est le cas si
~ 1, . . . , v
BKer f = (v ~ p−r ) une base de Ker f . Pour tout ~x ∈ S, 3 Étude de l’ensemble des solutions
~b ∈ Im f et Ker f = {~0Kp };
∃ ! (α1 , . . . , αp−r ) ∈ Kp−r ~x = ~x part +α1 v
~ 1 + . . . + αp−r v
~ p−r .
| {z } en posséder une infinité ; c’est le cas si 4 Résolution d’un système de Cramer
∈ Ker f
~b ∈ Im f et Ker f 6= {~0Kp }. 5 Résolution dans le cas général
Par conséquent, la forme générale d’une solution dépend
de p − r paramètre(s). Il n’y a pas d’autres cas de figure !
Il y a donc une infinité de solutions puisque p − r > 0.
Définition d’un système de Cramer Interprétation vectorielle d’un système de Cramer Proposition 4.1
L’application linéaire f : Kn −→ Kn est bijective : Un système de Cramer possède une solution et une seule.
Définition 4.1 f ∈ GLK (Kn ).
Un système linéaire de type (n, p) est dit de Cramer s’il
possède autant d’équations que d’inconnues (n = p) et si le Ainsi, pour tout vecteur ~b de Kn , il existe une unique Gabriel Cramer
rang r du système vérifie : solution ~x
e ∈ Kn . On a :
(1704, Genève - 1752, Bagnols-sur-Cèze)
r = n = p. f (~x
e ) = ~b ⇐⇒ ~x
e = f −1 (~b).
Un système de Cramer est un système de la forme : Interprétation matricielle d’un système de Cramer Proposition 4.2 (Formules de Cramer)
La matrice A carrée d’ordre n est inversible : Les coordonnées xe1 , xe2 , . . . , xen de l’unique solution d’un
 ¯ ¯
 a11 x1 + . . . + a1n xn = b1 ¯ a11 a12 · · · a1n ¯ e = B sont :

 ¯ ¯ A ∈ GLn (K). système de Cramer d’équation matricielle AX
 a21 x1 + . . . + a2n xn = b2 ¯ a21 a22 · · · a2n ¯
¯ ¯ ¡ ¢
.. avec ¯ . .. .. .. ¯ 6= 0. Ainsi, pour tout B ∈ Mn,1 (K), il existe une unique solution det C1 , . . . , Cj−1 , B, Cj+1 , . . . , Cn

 . ¯ .. . . . ¯ ∀j ∈ {1, 2, . . . , n} xej =

 ¯ ¯ e ∈ Mn,1 (K). On a :
an1 x1 + . . . + ann xn = bn ¯ an1 an2 · · · ann ¯ X det(A)
e = B ⇐⇒ X
AX e = A−1 B. où C1 , C2 , . . . , Cn désignent les colonnes de la matrice A.
Plan du cours Méthode de Gauss
Exemple 4.1
Considérons dans R le système 3 × 3 d’équation matricielle :
Qu’est-ce que la méthode de Gauss ? C’est une méthode de
     résolution systématique d’un système linéaire de type (n, p) :
1 0 −1 x1 1 1 Systèmes d’équations linéaires
 0 −1 1   x2  =  1  

 a11 x1 + a12 x2 + . . . + a1p xp = b1
−1 2 0 x3 1 
 a21 x1 + a22 x2 + . . . + a2p xp = b2
2 Un outil pratique : le déterminant
(S) ..
C’est un système de Cramer car son déterminant est non nul (il 
 .


vaut −1). Son unique solution est (xe1 , xe2 , xe3 ) ∈ R3 avec 3 Étude de l’ensemble des solutions an1 x1 + an2 x2 + . . . + anp xp = bn
˛ ˛ ˛ ˛ ˛ ˛
˛ 1 0 −1 ˛ ˛ 1 1 −1 ˛ ˛ 1 0 1 ˛
˛ ˛ ˛ ˛ ˛ ˛ avec, a priori, aucune condition ni sur l’entier n, ni sur l’entier p
˛ 1 −1 1 ˛ ˛ 0 1 1 ˛ ˛ 0 −1 1 ˛ Résolution d’un système de Cramer
˛ ˛ ˛ ˛ ˛ ˛ 4
˛ 1 2 0 ˛ ˛ −1 1 0 ˛ ˛ −1 2 1 ˛ (il faut, bien sûr, n > 1 et p > 1). On procède en trois étapes :
xe1 = ˛ ˛ , xe2 = ˛ ˛ , xe3 = ˛ ˛.
˛ 1 0 −1 ˛ ˛ 1 0 −1 ˛ ˛ 1 0 −1 ˛
˛ ˛ ˛ ˛ ˛ ˛ 1 une étape d’élimination,
˛ 0 −1 1 ˛ ˛ 0 −1 1 ˛ ˛ 0 −1 1 ˛
˛
˛ −1
˛
˛
˛
˛ −1
˛
˛
˛
˛ −1
˛
˛
5 Résolution dans le cas général
2 0 2 0 2 0 2 suivie d’une étape de discussion,
suivie (éventuellement) d’une étape de remontée.
On obtient xe1 = 5, xe2 = 3 et xe3 = 4.
3
Un peu d’Histoire ! Étape d’élimination
Exemple 5.1
La méthode est due à Soit m ∈ R. Considérons dans R le système 3 × 3 suivant :
But : écrire le système (S) sous une forme échelonnée.

Opérations utilisées : elles sont identiques à celles utilisées  x1 + x2 = m
dans la méthode des zéros échelonnés : (S) x2 + x3 = 2 .

Karl Friedrich Gauss
Multiplication de l’équation Ek par un scalaire α ∈ K∗ : x1 + 2x2 + x3 = 3
(1777, Brunswick - 1855, Göttingen)
Effectuons à partir du système (S) l’opération élémentaire
Ek ←− αEk avec α ∈ K∗ .
E3 ←− E3 − E1 , puis E3 ←− E3 − E2 . On obtient le système
En fait, la paternité de la méthode revient à Addition à une équation d’un multiple d’une autre : échelonné :

Ek ←− Ek + βEk ′ avec β ∈ K.  x1 + x2 = m
′
(S ) x2 + x3 = 2 .
Liu Hui 
Échange d’équations : Ek ←→ Ek ′ . 0 = 1−m
(220, Chine - 280, Chine)
Échange de colonnes : Ck ←→ Ck ′ . Le système (S′ ) est équivalent au système (S). Ici r = 2.
À l’issue de l’étape d’élimination, nous nous retrouvons avec le Étape de discussion
système (S′ ), échelonnée et équivalent à (S), de la forme :
 Exemple 5.2
Deux cas peuvent se produire :

 a′ x ′ + a12
′ x ′ + . . . + a′ x ′ + . . . = b ′
Reprenons l’exemple précédent. Considérons donc le système
 11 1

2 1r r 1
bi′
S’il existe i ∈ {r + 1, . . . , n} tel que 6= 0 alors l’égalité

 a ′ x ′ + . . . + a′ x ′ + . . . = b ′ 1
échelonné :

 22 2 2r r 2 « 0 = bi′ » est absurde. Le système n’est pas compatible :

 

 .. ..

 . .  x1 + x2 = m
S = ∅. ′
(S ) x2 + x3 = 2 .
(S′ ) arr′ xr′ + . . . = br′ 

 0 = 1−m

 0 = br′ +1 2 bi′
Si = 0 pour tout i ∈ {r + 1, . . . , n} alors le système est



 .. compatible (S =
6 ∅) : il existe au moins une solution (c’est

 un vecteur de Kp ) qui dépend de p − r paramètre(s). Ici r = 2. Considérons les deux cas suivants :

 .

 Si m 6= 1 alors le système est incompatible. Il n’y a donc
0 = bn′ • Cette solution est peut-être unique. C’est le cas si
pas de solution : S = ∅.
′ , a′ , . . . , a′ sont tous non nuls
où les coefficients (pivots) a11 r = p.
22 rr Si m = 1 alors le système est compatible. Il y a au moins
et où (en l’absence de permutation des colonnes) une solution qui dépend de 3 − 2 = 1 paramètre. Il y a
• Il y en a peut-être une infinité. C’est le cas si
x1′ = x1 , x2′ = x2 , ..., xp′ = xp . donc une infinité de solutions.
r < p.
Étape de remontée Exemple 5.3 Remarque
Reprenons l’exemple précédent. Soit m = 1 (S =
6 ∅). Si r = n alors le système échelonné équivalent (S′ ) s’écrit :
Comment obtenir la (ou les) solution(s) ?
Remplaçons (S′ ) par le système suivant :  ′ ′ ′ x ′ + . . . + a′ x ′ + . . . = b ′
a x + a12
On procède en deux temps. ½ 
 1n n
x1 + x2 = 1  11 1

2 1
(S′′ )  a22 x2′ + . . . + a2n
′ ′ x ′ + . . . = b′
n
1 On commence par écrire le système (S′′ ) obtenu à partir x2 = 2 − x3 ′
(S )
2
du système échelonné (S′ ) 


..
. ...


en supprimant les équations de la forme « 0 = 0 », d’inconnues x1 , x2 et paramétré par x3 . On obtient : x2 = 2 − x3 ,  ′ ′
ann xn + . . . = bn′
en faisant passer aux seconds membres les xr′+1 , . . . , xp′ . puis x1 = −1 + x3 . Une solution générale est un vecteur de R3
Les inconnues sont à présent les scalaires x1′ , x2′ , . . . , xr′ . d’expression : Remarquons qu’il n’y a pas d’égalité de la forme « 0 = bi′ » !
Ce sont les inconnues principales. Le système (S′′ ) est de Cela traduit le fait que le système est nécessairement
Cramer. (x1 , x2 , x3 ) = (−1 + x3 , 2 − x3 , x3 ) avec x3 ∈ R.
compatible. Il y a donc au moins une solution, c’est-à-dire
2 On résout ensuite (S′′ ) en partant de la dernière équation, L’ensemble des solutions s’écrit ainsi : une seule ou une infinité.
puis en remontant jusqu’à la première équation.
© ª L’étape de discussion est donc ici inutile. On peut passer
À l’issue de cette étape de remontée, les inconnues principales S = ~x 0 + ~x part | ~x 0 ∈ Ker f directement à l’étape de remontée.
x1′ , x2′ , . . . , xr′ s’expriment en fonction de xr′+1 , . . . , xp′ .
avec ~x part = (−1, 2, 0) et Ker f = R(1, −1, 1). C’est exactement le cas dans l’exemple qui suit !
Systèmes d’équations linéaires et déterminant 52 Systèmes d’équations linéaires et déterminant 53

Étude d’un système sousabondant Étape de remontée : on résout le système :

Considérons dans R le système 3 × 5 suivant :  2x1 − 3x2 + x3 = 3 − 6x4 + 6x5
 x2 + x3 = 1 + 2x4
 2x1 − 3x2 + x3 + 6x4 − 6x5 = 3 
x3 = 2 + 3x5
2x1 − 2x2 + 2x3 + 4x4 − 6x5 = 4

−2x1 + 4x2 + x3 − 8x4 + 3x5 = 0 d’inconnues x1 , x2 et x3 et paramétré par x4 et x5 . On a :
x3 = 2 + 3x5 , x2 = −1 + 2x4 − 3x5 , x1 = −1 − 3x5 .
Étape d’élimination : elle conduit au système échelonné
équivalent (r = 3) : Une solution générale est un vecteur de R5 de la forme :
 (x1 , x2 , x3 , x4 , x5 ) = (−1−3x5 , −1+2x4 −3x5 , 2+3x5 , x4 , x5 )
 2x1 − 3x2 + x3 + 6x4 − 6x5 = 3
x2 + x3 − 2x4 = 1 où chacun des paramètres x4 et x5 parcourt R. L’ensemble

x3 − 3x5 = 2 des solutions s’écrit ainsi :
© ª
Discussion : le système est compatible. Il y a au moins une S = ~x 0 +~x part | ~x 0 ∈ Ker f avec ~x part = (−1, −1, 2, 0, 0)
solution qui dépend de 5 − 3 = 2 paramètres. Il y a donc ¡ ¢
une infinité de solutions. et Ker f = Vect (0, 2, 0, 1, 0), (−3, −3, 3, 0, 1) .
F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA F. STURM, Pôle de Mathématiques, INSA de Lyon Cours de Mathématiques - Première Année ASINSA

Systeme Lineaire

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Systeme Lineaire

Hochgeladen von

Copyright:

Verfügbare Formate

Systèmes d’équations linéaires et déterminant 2 Systèmes d’équations linéaires et déterminant 3

Plan du cours Plan du cours

2 Un outil pratique : le déterminant 2 Un outil pratique : le déterminant

Pôle de Mathématiques, INSA de Lyon

5 Résolution dans le cas général 5 Résolution dans le cas général

Si une rangée est combinaison linéaire des rangées Exemple 2.1

~y = (x1 + x2 , x2 + x3 , x1 + 2x2 + x3 ). ~x part ∈ Kp et f (~x part ) = ~b.

du système échelonné (S′ ) 

Systèmes d’équations linéaires et déterminant 52 Systèmes d’équations linéaires et déterminant 53

Das könnte Ihnen auch gefallen