EST-SALE Mathématiques Appliquées

Systèmes d’équations linéaires

Systèmes d’équations linéaires

I- Définitions :

On appelle système de n équations linéaires à p inconnues ; un système de la forme :

 a11 x1  a12 x 2  a13 x3  .......... ........  a1 p x p  b1


a 21 x1  a 22 x 2  a 23 x3  .......... ........  a 2 p x p  b2
(S)  .......... .......... .......... .......... .......... .......... .......... ..
.......... .......... .......... .......... .......... .......... .......... ...

a n1 x1  a n 2 x 2  a n3 x3  .......... ........  a np x p  bn

On peut transformer ce système sous la forme matricielle suivante :

A X = B
 a11 a12 . . a1 p  x1   b1 

 a 21 a 22 . . a 2 p  x 2   b 2 
(S)   . . . . .  .    . 
   
 . . . . .  .   . 
    
 a n1 an2 . . a np  x p   bn 

 AX=B

- On appelle A la matrice associée au système (S) et x1 , x2 , ............, xp , les inconnues.

 x1 
 
 x2 
- La matrice colonne : X =  . 
 . 
 
 xp
Vérifiant l’équation matricielle : A X = B est la solution du système (S).

- Le système (S) est dit compatible (ou soluble), s’il admet au moins une solution.

- Le rang du système (S) est déterminé à partir du rang de sa matrice A. On a :

rang (S) = rang A

1 Pr. H.DRISSI
EST-SALE Mathématiques Appliquées
Systèmes d’équations linéaires

II- Système de CRAMER :

Un système (S) est dit de CRAMER, si les deux conditions suivantes sont satisfaites :
C1- Le nombre d’inconnues est égal au nombre d’équations, autrement dit : p = n.
C2- det A  0

1- Théorème :

Tout système de CRAMER admet une solution unique.

On sait que AX = B, et puisque n = p, la matrice A est une matrice carrée d’ordre n. De plus
det A  0  A est inversible et A-1 existe.

La matrice X des inconnues est déterminée comme suit :

On a : AX =B  A-1 A X = A-1 B  X = A-1 B

2- Règle de Cramer :

On considère le cas particulier où n = 3 ; on a le système suivant :

 a11 x1  a12 x2  a13 x3  b1  a11 a12 a13 
  
(S) a21 x1  a22 x2  a23 x3  b2  A =  a 21 a 22 a 23 
  
 a31 x1  a32 x2  a33 x3  b3  a31 a 32 a 33 

On va supposer que det A  0 , c’est à dire que :

a11 a12 a13
det A =  = a 21 a 22 a 23  0
a31 a32 a33

Donc le système (S) est un système de CRAMER.

b1 a12 a13
On pose x1 = b2 a 22 a 23
b3 a32 a33
a11 x1  a12 x2  a13 x3 a12 a13
donc x1 = a 21 x1  a 22 x 2  a 23 x3 a 22 a 23
a31 x1  a32 x2  a33 x3 a32 a33
a11 x1 a12 a13 a12 x2 a12 a13 a13 x3 a12 a13
x1 = a 21 x1 a 22 a 23  a 22 x 2 a 22 a 23  a 23 x3 a 22 a 23
a31 x1 a32 a33 a32 x2 a32 a33 a33 x3 a32 a33
a11 a12 a13 a12 a12 a13 a13 a12 a13
x1 = x1 a 21 a 22 a 23  x 2 a 22 a 22 a 23  x3 a 23 a 22 a 23
a31 a32 a33 a32 a32 a33 a33 a32 a33
x1  + x2 0 + x3 0

 x1
Donc x1 = x1  x1 


2 Pr. H.DRISSI
EST-SALE Mathématiques Appliquées
Systèmes d’équations linéaires

De la même façon, on démontre que :

a11 b1 a13  x2
x2 = a 21 b2 a 23 = x2  x2 

a31 b3 a33
Et
a11 a12 b1  x3
x3 = a 21 a 22 b2 = x3  x3 

a31 a32 b3

 x1  x2  x3
Finalement, on obtient : x1  ; x2  ; x3  ;
  

Avec : det A =  =  0

3- Exemple :

1) Résoudre le système suivant, en utilisant la méthode de CRAMER :

2 x  y  z  2

(S)  x  2 y  z  1
 x  y  2z  3


2) Retrouver ce résultat en utilisant la matrice inverse (Voir théorème)

Solution :

1) Calculons le déterminant de la matrice principale A suivant la 1èr colonne :


2 1 1
 2 1 1 1 1 1
det A =  = 1 2 1 = 2 - + =6–1–1=4
 1 2 1 2 2 1
1 1 2

 det A =  = 4  0

Le nombre d’équations étant égal au nombre d’inconnues égal à 3, donc le système (S) est un
système de CRAMER.

On va utiliser par la suite la règle de CRAMER pour résoudre ce système, ainsi


2 1 1
 2 1 1 1 1 1
x = 1 2 1 = 2 - +3 =6–1–3=2
 1 2 1 2 2 1
3 1 2

x 2 1
 x =  x
 4 2

3 Pr. H.DRISSI
EST-SALE Mathématiques Appliquées
Systèmes d’équations linéaires


2 2 1
 1 1 2 1 2 1 y  2 1
y = 1 1 1 = 2 - + = (-2) – 1 + 1 = -2  y = =
 3 2 3 2 1 1  4 2
1 3 2

2 1 2
 2 1 1 2 1 2 z 6 3
z = 1 2 1 = 2 - + = 10 – 1 -3 = 6  z = =
 1 3 1 3 2 1  4 2
1 1 3

 x   1 / 2 
   
Ce système admet une solution unique : S =  y     1 / 2 
 z   3 / 2 
   
2) D’après le théorème précédent, on a ; X = A-1 B

On va déterminer au préalable la matrice inverse A-1, en utilisant la méthode de la comatrice.

1
A 
1
Ainsi A-1 est donnée par : t[CoA]
det A
Le déterminant de la matrice A étant déjà calculé tel que ; detA = 4  A-1 existe.

La comatrice de la matrice A est donnée comme suit :

 2 1 1 1 1 2
   
 1 2 1 2 1 1
 1 1  3  1  1
2 1 2 1  
CoA =      =   1 3  1
 1 2 1 2 1 1 
 1  1 3 
 1 1 2 1 2 1 
    
 2 1 1 1 1 2 
La transposée de la comatrice de la matrice A est donnée par :
 3  1  1
 
t[CoA] =   1 3  1 = CoA, car la comatrice de A est une matrice symétrique.
 1 1 3 
 
-1
La matrice inverse A est donnée donc par :
 3  1  1
1 1 1 
A  det At[CoA] = 4   1 3  1
 1 1 3 
 
 3  1  1  2   2   1/ 2 
1   1    
Donc : X= A B =   1 3  1  1     2  =   1 / 2 
-1
4    4  6   3/ 2 
 1 1 3   3    
 x   1 / 2 
   
Ce système admet une solution unique : S =  y     1 / 2 
 z   3 / 2 
   

4 Pr. H.DRISSI
EST-SALE Mathématiques Appliquées
Systèmes d’équations linéaires

III-Système de n équations linéaires à p inconnues, de rang r :

 a11 x1  a12 x 2  ..........  a1 r x r  .......  a1 p x p  b1

a x  a x  ..........  a x  .......  a x  b
 21 1 22 2 2r r 2p p 2

 .......... .......... .......... .......... .......... .........

(S) :  .a x  a x  ..........  a x .......  a x  b
 r1 1 r2 2 rr r rp p n

 .......... .......... .......... .......... .......... .......... .

 a x  a x  ..........  a x .......  a x  b
 n1 1 n2 2 nr r np p n

Méthode de résolution :

La matrice A associée à ce système est une matrice de type (n, p), puisque le rang de A est
égal à r, on essaie d’extraire de la matrice A une matrice carrée d’ordre r dont le déterminant
est non nul. Ensuite on vérifie les conditions de compatibilité (ΔS = 0).
S est un déterminant formé par les coefficients de la matrice carrée d’ordre r et la colonne
des constantes.
Avec : nombre de S = nombre d’équations – rang du système

1er cas : si les conditions de compatibilités ne sont pas vérifiées (c’est à dire si au moins un
seul déterminant caractéristique est non nul) on conclut tout de suite que le système est
incompatible (le système n’admet pas de solution).

2ème cas : si les conditions de compatibilités sont vérifiées (tous les déterminants
caractéristiques sont nuls). Le système (S) sera équivalent à un système (S’) de r équations et r
inconnues, dites équations principales et inconnues principales, tel que (S’) est donné par :

 a11 x1  a12 x 2  ..........  a1 r x r  b1  a1 r 1 x r 1  .........  a1 p x p

a x  a x  ..........  a x  b  a
 21 1 22 2 2r r 2 2 r 1 x r 1  .........  a 2 p x p

.......... .......... .......... .......... .......... .........

(S’) .a x  a x  ..........  a x  b  a
 r1 1 r2 2 rr r n 3 r 1 x r 1  .........  a r p x p

.......... .......... .......... .......... .......... .......... .

a x  a x  ..........  a x  b  a
 n1 1 n2 2 nr r n nr 1 x r 1  .........  a n p x p

Où :
x1, x2, …………xr s’appellent les inconnues principales (IP).
xr+1,xr+2,…….xp s’appellent les inconnues non principales (INP).

Exemples :

Résoudre les systèmes suivants en utilisant la méthode directe :

 x  y  z 1
 x  2 y  z  1

1) 
 x  2 z  1
2 x  y  4 z  4

Dans ce système, on constate que le nombre d’équations est supérieur au nombre d’inconnues.

5 Pr. H.DRISSI
EST-SALE Mathématiques Appliquées
Systèmes d’équations linéaires

Afin de déterminer le rang de ce système, on va extraire un déterminant d’une matrice d’ordre

3 à partir de la matrice principale, ainsi on a :

1 1 1  
  1 1 1
1 2  1 
A=  et Δ= 1 2  1
1 0 2 
  1 0 2
2 1 4 


Le développement de ce déterminant par rapport à la 2ème colonne donne :

1 1 1 1
Δ=- +2 + 0 = -3 + 2 = -1  0  r(S) = r(A) = 3
1 2 1 2
Avant d’entamer la résolution du nouveau système donné par :
 x  y  z 1

 x  2 y  z  1
 x  2 z  1

Il faut tout d’abord vérifier les conditions de compatibilité. La seule condition de
compatibilité à vérifier dans ce cas (nombre de S = nombre d’équations – rang = 4 – 3 = 1),
est donné par le déterminant suivant :
c1 c2 c3 c4 c1 c 2  c1 c 3 c1 c 4  c1
1 1 1 1 1 0 0 0 1  2  2 L1
ΔS = 1 2 1 1 = 1 1 2  2 = 1 1  2
L2
1 0 2 1 1 1 1  2 1 2 2 L3
2 1 4 4 2 1 2 2
On remarque pour ce déterminant que : L1= -L3  ΔS = 0

Et par la suite, le système est compatible, il admet donc une solution unique.

Le nouveau système étant un système de CRAMER, on va donc le résoudre à l’aide de la règle

de CRAMER, tel que :

1 1 1
 2 1 1 1 1 1 x 9
x =  1 2  1 = + - = 4 + 2+ 3 = 9  x = = -9
 0 2 0 2 2 1  1
1 0 2

1 1 1
 1 1 1 1 1 1 y  6
y = 1  1  1 = - + = -3 - 3 + 0 = -6  y  = =6
 1 2 1 2 1 1  1
1 1 2

1 1 1
 2 1 1 1 1 1 z  4
z = 1 2  1 = - + = -2 +1 -3 = -4  z = =4
 0 1 0 1 2 1  1
1 0 1

6 Pr. H.DRISSI
EST-SALE Mathématiques Appliquées
Systèmes d’équations linéaires

 x    9 
   
Ce système admet donc la solution unique donnée par : S =  y    6 
 z   4 
   
On peut vérifier facilement que cette solution est valable pour la 4ème équation du système.

3x  7 y  35z  18
2) 
5x  4 y  20z  17
De la même manière que dans l’exemple précédent, on va extraire un déterminant d’ordre 2de
matrice principale A de ce système, tel que :
x y z
 x y

A=  3  7 35  et 3  7 = 12 + 35 = 47  0  r(S) = r(A) = 2
 5 4  20 
  5 4
Conditions de compatibilité :

Dans ce cas le nombre de S = nombre d’équations – rang = 2 – 2 = 0

Donc, il n’y a pas de conditions de compatibilité à vérifier. Le système est donc compatible et
par la suite il admet une infinité de solutions.

Choix des inconnues :

L’étape du choix des inconnues est primordiale. En effet, il faut toujours choisir les inconnues
principales, celles avec lesquelles a été calculé le rang du système. Par conséquent, on va
choisir : x et y comme inconnues principales (IP) et z comme inconnue no principale (INP).
Pour la suite, on pose z =  tel que  IR. Autrement dit  est une variable arbitraire.

Ainsi, le système initial devient :

3x  7 y  18  35

5x  4 y  17  20
Le déterminant de la matrice principale de ce système est déjà calculé, on note : Δ = 47

Par la suite pour déterminer les variables x et y, on va calculer Δx puis Δy, tel que :
18  35  7
Δx = = 4(18-35) + 7(-17+20) = 72 - 140 - 119 + 140 = -47
 17  20 4
x  47
On sait que : x =  x= -1
 47
De même, on a :
3 18  35
Δy = = 3(-17+20) - 5(18-35) = -51+ 60 - 90 + 175 = -141 + 235
5  17  20
y - 141 + 235
On sait que : y =  y = -3 + 5
 47
L’ensemble des solutions de ce système est donné par :
 x    1  
    
S =  y     3  5  /   IR 
 z     
    

7 Pr. H.DRISSI
EST-SALE Mathématiques Appliquées
Systèmes d’équations linéaires

IV-Systèmes homogènes :

1-Définitions :

Un système homogène est un système sous la forme :

 a11 x1  a12 x2  .......... .......  a1 p x p  0
 a x  a x  .......... .......  a x  0
 21 1 22 2 2p p

 .......... .......... .......... .......... .......... ..........

(S) 
.......... .......... .......... .......... .......... .......... .

 an1 x1  an 2 x2  .......... .......  an p x p  0

Ce système est toujours compatible car il admet au moins une solution qui est la solution
nulle : x1 = x2 = …………= xp = 0

Si ce système admet des solutions autres que la solution nulle, il faut qu’il admet des
inconnues non principales, donc il faut que le rang du système soit inférieur aux nombres
d’inconnues :
 r<p

2- Cas d’un système homogène avec p=n :

1er cas : Si detA  0, il s’agit d’un système de cramer donc il admet une solution unique, c’est
la solution nulle.

2ème cas : Si detA = 0 le système admet une infinité de solutions.

Exemple :
 2x  y  z  0

Résoudre le système homogène suivant :(S)  x  2 y  z  0
3x  y  2 z  0

Solution :

On va calculer le déterminant de la matrice principale A donnée par :

x y z

2 1 1
A=  1 2 1 
 
 3 1  2
 

2 1 1
 2 1 1 1 1 1
detA = 1 2 1 =2 - +3 = -10 +1 +9 = 0  detA = 0
 1 2 1 2 2 1
3 1 2

Le déterminant d’ordre 3 de la matrice principale étant nul, donc le rang du système est
forcément inférieur à 3 (rang (s) < 3).

8 Pr. H.DRISSI
EST-SALE Mathématiques Appliquées
Systèmes d’équations linéaires

On va extraire de la matrice principale un déterminant d’ordre 2 tel que :

x y
2 1 = 4 -1 = 3  0  rang (S) = 2
1 2

Choix des inconnues :

On va choisir nécessairement comme inconnues principales les variables x et y avec lesquelles

on a déterminer le rang du système, et comme inconnue non principale la variable z.
on pose z =  tel que  IR.

Le système initial devient alors :

2 x  y  

 x  2 y  
Or, on sait que : Δ=3

 1 x 3
Alors : Δx = = 2 +  = 3  x =  x=
 2  3

2  y  3
Et Δy = = -2 -  = -3  y =  x = -
1   3
 x     
    
L’ensemble des solutions de ce système est donné par : S=  y       /   IR 
 z     
    

V- Méthode de Gauss-Jordan pour la résolution des systèmes :

Cette méthode consiste à juxtaposer la matrice A donnée et la Colonne des constantes B. Puis
à faire subir aux lignes une série de transformations élémentaires de façon à obtenir la matrice
canonique à à la place de la matrice A. La colonne située à droite donnera les solutions.

Autrement dit, si on a une matrice augmentée AB, en appliquant des deux côtés les
transformations adéquates, on a alors : Ã X.

Remarque :

On peut résoudre tous les systèmes précédents en utilisant cette méthode.

Exemples :

2 x  y  z  2

1)  x  2y  z 1
 x  y  2z  3


9 Pr. H.DRISSI
EST-SALE Mathématiques Appliquées
Systèmes d’équations linéaires

Solution :

On va commencer par juxtaposer la matrice principale du système et la matrice des constantes

de la façon suivante :
L1  2 1 1 2  L1  L3 1 0  1  1 L1  1 0  1  1 
A B  L2  1 2 1 1   L 2  1 2 1 1   L 2  L3  0 1  1  2 
 1 1 2 3    
L3   L3  1 1 2 3  L3  L1  0 1 3 4 
L1  1 0  1  1  L1  1 0  1  1  L1  L3  1 0 0 1 / 2 
 L2  0 1  1  2   L2  0 1  1  2   L 2  L3  0 1 0  1 / 2 
     
L3  L 2  0 0 4 6  L3 / 4  0 0 1 3 / 2  L3  0 0 1 3 / 2 
 x   1 / 2 
   
Ce système admet donc une solution unique : S =  y     1 / 2 
 z   3 / 2 
   
On en déduit que ce système est un système de CRAMER.

 x  y  z 1
 x  2 y  z  1

2) 
 x  2 z  1
2 x  y  4 z  4
Solution :

On va commencer par juxtaposer la matrice principale du système et la matrice des constantes

de la façon suivante :
L1  1 1 1 1  L1  1 1 1 1 
 L1  L2  1 0 3 3 
L2  1 2  1  1 L2  L1  0 1  2  2  L2  0 1  2  2 
AB         
L3  1 0 2  1 L3  L1  0  1 1  2  L3  L2  0 0  1  4 
L4  2 1 4 4  L4  2 L1  0  1 2 2  L4  L2  0 0 0 0 
On va poursuivre la résolution de ce système, puisque la condition de compatibilité est
vérifiée à travers la 4ème ligne selon l’équation : 0 x +0 y + 0 z = 0, on a alors :
L1  1 0 3 3  L1  3L3  1 0 0  9 
L2  0 1  2  2  L2  2 L3  0 1 0 6 
 0 0 1 4    
 L3   L3  0 0 1 4 
L4  0 0 0 0  L4  L2  0 0 0 0 
 x    9 
   
Ce système admet donc une solution unique : S =  y    6 
 z   4 
   
Remarque :
Même si ce système n’admet qu’une solution unique, on ne peut pas le considérer comme
étant un système de CRAMER, car le nombre d’équations (4) est différent du nombre
d’inconnues (3), ce qui ne remplit pas la condition de CRAMER.

10 Pr. H.DRISSI
EST-SALE Mathématiques Appliquées
Systèmes d’équations linéaires

3x  7 y  35z  18
3) 
5x  4 y  20z  17
Solution :

On va commencer par juxtaposer la matrice principale du système et la matrice des constantes

de la façon suivante :
L1  3  7 35 18  2 L1  L2  1  18 90 53 
A B    
L2  5 4  20  17  L2  5 4  20  17 

L1  1  18 90 53 
 L1  1  18 90 53 
 
L2  5 L1  0 94  470  282
 L2 / 94  0 1  5  3 

L1  18 L2  1 0 0  1   x  1  x  1
  0 1  5  3     et z  IR
L2    y  5z  3  y  3  5z
Choix des inconnues :

Le choix des inconnues dans ce cas est déterminé comme suit :

x y
Les inconnues principales sont celles qui correspondent à la matrice canonique  1 0 
0 1
 
Donc, on va choisir les variables x et y comme inconnues principales (IP).
La variable restante, en l’occurrence la variable z est prise comme inconnue non principale
(INP). On pose par la suite z = , tel que IR. Ainsi :
 x    1  
    
L’ensemble des solutions de ce système est donné par : S =  y     3  5  /   IR 
 z     
    
Remarque :

Le rang de ce système peut être déduit à partir du nombre d’inconnues principales.

Ainsi : rang (S) = nombre d’inconnues principales = 2

 2x  y  z  0

4)  x  2y  z  0
3x  y  2 z  0

Solution :

On va commencer par juxtaposer la matrice principale du système et la matrice des constantes

de la façon suivante :

L1  2 1  1 0  L1  L2  1  1  2 0  L1  1  1  2 0 
A B  L2  1 2 1 0   L2  1 2 1 0  L2  L1  0 3 3 0
  3 1  2 0  4 0 
L3  3 1  2 0  L3   L3  3 L1  0 4

11 Pr. H.DRISSI
EST-SALE Mathématiques Appliquées
Systèmes d’équations linéaires

L1  1  1  2 0  L1  L2  1 0  1 0 
 L2 / 3  0 1 1 0  L2  0 1 1 0 
 1 0   
L3 / 4  0 1 L3  L2  0 0 0 0 

Un système homogène étant toujours compatible, donc on peut le présenter sous la forme
x  z  0 x  z
suivante ;    et z  IR
y  z  0  y  z
Choix des inconnues :

Le choix des inconnues dans ce cas est déterminé de la manière suivante :

x y
Les inconnues principales sont celles qui correspondent à la matrice canonique  1 0 
0 1
 
Donc, on va choisir les variables x et y comme inconnues principales (IP).
La variable restante, en l’occurrence la variable z est prise comme inconnue non principale
(INP). On pose par la suite z = , tel que IR. Ainsi :
 x     
    
L’ensemble des solutions de ce système est donné par : S =  y       /   IR 
 z     
    
Remarque :

Le rang de ce système peut être déduit à partir du nombre d’inconnues principales.

Ainsi : rang (S) = nombre d’inconnues principales = 2

Remarque générale :

La résolution de ces systèmes que ce soit avec la méthode directe ou avec la méthode de
Gauss-Jordan, aboutissent aux mêmes résultats.

VI- Diagonalisation :

1-Valeurs et vecteurs propres :

Etant donné une matrice A. Est-il possible de trouver un scalaire  non nul et un vecteur X
non nul tel que : AX = X

 est appelée la valeur propre, et X est le vecteur propre.

L’équation précédente peut s’écrire sous la forme matricielle :

AX - IX = O ou (A - I)X = 0.

(A - I) est appelée la matrice caractéristique de la matrice de A. Or X  0, l’équation admet

donc nécessairement des solutions autres que la solution nulle, et son déterminant est
forcément nul.

12 Pr. H.DRISSI
EST-SALE Mathématiques Appliquées
Systèmes d’équations linéaires

det(A - I) = 0 est appelée l’équation caractéristique ou polynôme caractéristique P() de la

matrice A. Les valeurs propres de la matrice sont les racines de cette équation. Pour
déterminer les vecteurs propres, il faut résoudre le système (A - I)X = 0 pour chacune des
valeurs propres trouvée, et donc pour chaque valeur propre on associe au moins un vecteur
propre.

Application : Déterminer les valeurs et les vecteurs propres de la matrice suivante :

 0 2  1
 
A = 2 0 1 
1 1 0 
 
1ère étape : Détermination des valeurs propres

La matrice caractéristique de la matrice A est (A - I) donnée par :

 0 2  1   0 0     2 1 
     
(A - I) =  2 0 1  -  0  0  =  2  1 
1 1 0   0 0    1 1   
    

Le polynôme caractéristique de la matrice A est donné par P(), tel que :


 2 1
  1 2 1 2 1
P() = det (A - I) = 2  1 = - -2 +
 1  1   1
1 1 

 P() = -(2 - 1) – 2(-2 + 1) + (2 - ) = -(2 - 1) + 4 - 2 + 2 -  = -(2 - 1) + 3

 P() = (1 - 2 + 3 ) = (4 - 2)  P() =  (2 - ) (2 + )

Donc : P() = 0   = -2 ou  = 0 ou  = 2

Conclusion :

 = -2 et  = 0 et  = 2, sont les valeurs propres associées à la matrice A.

2ère étape : Détermination des vecteurs propres

Dans cette étape, on remplace les valeurs propres trouvées dans l’expression (A - I)X = 0,
ainsi pour chaque valeur propre, on va déterminer en résolvant ce système le ou les vecteur(s)
propre(s) associé(s). Ainsi, on a pour :

1)  = -2 :
 2 2  1  x   0  2 x  2 y  z  0
      
(A + 2I)X = 0   2 2 1   y  =  0  2 x  2 y  z  0
 1 1 2   z   0  x  y  2z  0
      

13 Pr. H.DRISSI
EST-SALE Mathématiques Appliquées
Systèmes d’équations linéaires

Sachant que le rang de ce système est inférieur à 3 (rang (S) < 3), on va extraire un
déterminant d’ordre 2 de la matrice principale initiale, tel que :
c2 c3
L1 2  1
=2+2=40  rang (S) = 2
L2 1 2
On doit donc choisir les variables y et z comme inconnues principales et la variable x comme
inconnue non principale. On pose x = α, tel que α ϵ IR une variable arbitraire.

2 y  z  2 (1)
Le système devient alors : 
2 y  z  2 (2)

(1) + (2)  4y = -4α  y = -α

Si on remplace y dans l’équation (1), on obtient : -2α - z = - 2α  z=0

 x     
    
L’ensemble des solutions de ce système est donné par : S =  y       /   IR  ,
 z   0  
    
détermine tous les vecteurs propres colinéaires à ce vecteur. Par ailleurs, on va choisir par la
1
 
suite et pour des raisons de simplification des calculs le vecteur   1 , comme étant un
0
 
vecteur propre associé à la valeur propre  = -2.

2)  = 0 :
 0 2  1  x   0  2 y  z  0 (1)
       z  2y
(A - 0I)X = AX = 0   2 0 1   y  =  0   2 x  z  0 (2)  
 1 1 0   z   0  x y 0 x   y
       (3)

On peut facilement constater que le rang de ce système est égal à 2 (rang (S) = 2).

On peut choisir alors, les variables x et z comme inconnues principales et la variable y comme
inconnue non principale. On pose y = α, tel que α ϵ IR une variable arbitraire.

 x      
    
L’ensemble des solutions de ce système est donné par : S =  y      /   IR  ,
 z   2  
    
détermine tous les vecteurs propres colinéaires à ce vecteur. Par ailleurs, on va choisir par la
  1
 
suite et pour des raisons de simplification des calculs le vecteur  1  , comme étant un
2
 
vecteur propre associé à la valeur propre  = 0.

14 Pr. H.DRISSI
EST-SALE Mathématiques Appliquées
Systèmes d’équations linéaires

3)  = 2 :
  2 2 1   x   0  2 x  2 y  z  0
      
(A - 2I)X = 0   2  2 1   y  =  0   2x  2 y  z  0
 1   
1  2  z   0    x  y  2z  0
 
Sachant que le rang de ce système est inférieur à 3 (rang (S) < 3), on va extraire un
déterminant d’ordre 2 de la matrice principale initiale, tel que :
c1 c3
L2 2 1
= -4 -1 = -5  0  rang (S) = 2
L3 1  2
On doit donc choisir les variables x et z comme inconnues principales et la variable y comme
inconnue non principale. On pose y = α, tel que α ϵ IR une variable arbitraire.

2 x  z  2 (1)
Le système devient alors : 
 x  2 z   (2)

3
2x(1) + (2)  5x = 3α  x= 
5

3 4
Si on remplace y dans l’équation (1), on obtient : 2α - 2z = 2α – 2(  )  z= 
5 5

 3  
 x   5   
    
L’ensemble des solutions de ce système est donné par : S =  y      /   IR  ,
 z   4   
   5  
   
détermine tous les vecteurs propres colinéaires à ce vecteur. Par ailleurs, on va choisir par la
 3
 
suite et pour des raisons de simplification des calculs le vecteur  5  , comme étant un vecteur
 4
 
propre associé à la valeur propre  = 2.

2-Matrice diagonalisable.

Définition :

Une matrice carrée A est dite diagonalisable si elle existe une matrice inversible P-1 d’une
matrice P appelée matrice de passage tel que :
A’ = P-1 A P
A’: une matrice diagonale, dont la diagonale principale est formée par les valeurs propres.
P : une matrice formée en colonnes par les coordonnées des vecteurs propres associés à la
matrice A.
Théorème :

Toute matrice carrée A d’ordre n, ayant n valeurs propres distinctes 2 à 2 est diagonalisable.

15 Pr. H.DRISSI
EST-SALE Mathématiques Appliquées
Systèmes d’équations linéaires

Application :

1) Donner la matrice P de passage, puis calculer si elle existe la matrice inverse P-1.
2) Calculer la matrice diagonale A’ associée à la matrice A. Que peut-on déduire ?

Solution :

1) la matrice P est donc formée en colonnes par les vecteurs propres associés aux différentes
valeurs propres de la matrice A, tel que :
 1  1 3
 
P =  1 1 5
0 2 4 

Calcul de la matrice inverse P-1 :

1
P 
1
La matrice inverse P-1 est donnée par : t[CoP]
det P

1 1 3
 1 5 1 3
det P =  1 1 5= + + 0 = -6 -10 = -16
 2 4 2 4
0 2 4

 det P = -16  0  P est inversible  P-1 existe

La comatrice de la matrice P est donnée comme suit :

 1 5 1 5 1 1 
   
 2 4 0 4 0 2 
 1 3   6 4  2
1 3 1 1   
CoP =      =  10 4  2 
 2 4 0 4 0 2  
 8  8 0 
 1 3 1 3 1 1  
    
 1 5 1 5  1 1 
La transposée de la comatrice de la matrice A est donnée par :
  6 10  8 
 
t[Cop] =  4 4  8
 2  2 0 
 
-1
La matrice inverse A est donnée donc par :
  6 10  8   3  5 4
1 1   1 
P  t[CoP] =  4  8 =   2  2 4 
1
 4
det P 16   8 1 1 0 
 2  2 0  

2) La matrice diagonale A’ est donnée par :

 3 5 4  0 2  1  1  1 3  
1     
A’ = P-1AP =   2  2
8
4  2 0 1    1 1 5  
 1 1 0   1 1 0   0 2 4  

16 Pr. H.DRISSI
EST-SALE Mathématiques Appliquées
Systèmes d’équations linéaires

 3  5 4   2 0 6    16 0 0    2 0 0
1    1   
A’ =   2  2 4   2 0 10  =  0 0 0  =  0 0 0
8 8
 1
 1 0   0 0 8   0 0 16 
  0 0 2
 
Remarque :

Les valeurs propres apparaissent sur la diagonale principale de la matrice diagonale A’ dans le
même ordre de l’apparition de leurs vecteurs propres respectifs sur la matrice P.

Propriété :

On sait que : A’ = P-1 A P

 (A’) = (P A P) = (P A P) (P-1 A P)………………….( P-1 A P) (n fois)
n -1 n -1

 (A’)n = P-1 An P
En multipliant les deux termes de cette dernière expression par la matrice P à gauche et par la
matrice P-1 à droite, on obtient : P (A’)n P-1 = P P-1 An P P-1
 An = P (A’)n P-1
Exemple :

On va reprendre notre exemple précédent pour calculer la matrice An, ainsi Ɐ n ϵ IN*, on a :
 1  1 3   (2) 0 0   3  5 4  
n

1    
An = P (A’)n P-1 =   1 1 5   0 0 0    2  2 4 
8   
0 (2)n   1 1 0  
 0 2 4   0 
 1  1 3   3(2) (5)(2) 4(2) 
n n n

1  
 An =   1 1 5   0 0 0 
8   
 0 2 4   (2) 0 
n n
(2)
 3(2)n  3 (2)n (5)(2)  3(2)
n n
4(2) 
n

1  
 An =  (3)(2)  5(2) 5(2)  5(2) (4)(2) 
n n n n n

8 
 4 (2)n 4 (2)n 0
 
Vérification :
 3(2)1  3 (2)1 (5)(2)1  3(2)1 4(2) 
1

1  
A1 =  (3)(2)  5(2) 5(2)  5(2) (4)(2) 
1 1 1 1 1
Ainsi pour n = 1, on a :
8 
 4 (2)1 4 (2)1 0
 
 0 16  8   0 2  1
1 1
   
 A = 16 0 8  =  2 0 1  = A
8   
 8 8 0  1 1 0 
On retrouve la matrice A.
3 1 2 
 
On peut aussi faire ce calcul pou n = 2, ainsi on vérifie que : A2 = A x A =  1 5  2  ,
2 2 0 

Et on trouve le même résultat si on remplace dans l’expression générale de la matrice An , n
par 2.

17 Pr. H.DRISSI