Professional Documents
Culture Documents
8-Systèmes Linéaires
8-Systèmes Linéaires
1
TABLE DES MATIÈRES
2 azemrijamal@gmail.com
Chapitre
1 Systèmes d’équations linéaires
1 Définition
Définition 1
a Soit pn, pq P N˚ 2 . Tout système de la forme
⃝
$
’ a11 x1 ` a12 x2 ` ¨ ¨ ¨ ` a1p x p
’
’
“ b1 pE1 q
& a21 x2 ` a12 x2 ` ¨ ¨ ¨ ` a2p x p “ b2 pE2 q
’
’
pSq : .. ..
’
’
’ . .
’
% an1 x1 ` an2 x2 ` ¨ ¨ ¨ ` anp x p
’
“ bn pEn q
où les coefficients pai j q 1ďiďn et les termes constants pbiq1ďiďn sont des scalaires de K et les x j où j P J1, pK sont des
1ď jďp
inconnues réelles ou complexes , est appelé un système linéaire de n équations et p inconnues
⃝b pb1 , b2 , ¨ ¨ ¨ , bn q s’appelle le second membre de pSq
⃝c Si b1 “ b2 “ ¨ ¨ ¨ “ bn “ 0, on dit que pSq est un système homogène
⃝d Le système linéaire homogène associé à pSq est celui obtenu en remplaçant le second membre de pSq par le second
membre nul p0, 0, ¨ ¨ ¨ , 0q et on le note pSH q
n
č
⃝ On note S l’ensemble des solutions de pSq et on a S “
e SEi Ă K p où SEi est l’ensemble des solutions de pEi q
i“1
Propriétés
Notons SH l’ensemble des solutions de pSH q. Alors :
¬. Si s0 “ ps01 , s02 , ¨ ¨ ¨ , s0p q est une solution particulière de pSq, alors S “ s0 ` SH
.
# SH est un sous espace vectoriel de K . C’est à dire
p
SH ‰ H piq
1 1
2
@ps, s q P SH , @pα , β q P K2 , α s ` β s P SH piiq
Preuve
¬. ‚ On a s0 “ ps01 , s02 , ¨ ¨ ¨ , s0p q P S. Soit s “ ps1 , s2 , ¨ ¨ ¨ , s p q P S et montrons que s´s0 “ ps1 ´s01 , s2 ´s02 , ¨ ¨ ¨ , s p ´s0p q P SH .
Soit i P J1, nK alors :
ai1 ps1 ´ s01 q ` ai2 ps2 ´ s02 q ` ¨ ¨ ¨ ` aip ps p ´ s0p q “ pai1 s1 ` ai2 s2 ` ¨ ¨ ¨ ` aip s p q ´ pai1 s01 ` ai2 s02 ` ¨ ¨ ¨ ` aip s0p q
“ bi ´ bi
“0
3
CHAPITRE 1. SYSTÈMES D’ÉQUATIONS LINÉAIRES
1 1 1 1 1
ai1 pα s1 ` β s1 q ` ai2 pα s2 ` β s2 q ` ¨ ¨ ¨ ` aip pα s p ` β s p q “ α pai1 s1 ` ¨ ¨ ¨ ` aip s p q ` β pai1 s1 ` ¨ ¨ ¨ ` aip s p q
“ α ˆ0`β ˆ0
“0
1 1
Donc α s ` β s est une solution de pSH q. Ainsi α s ` β s P SH . Donc SH est un sous espace vectoriel de K p
Remarques
¶. Un moyen commode pour présenter un système linéaire pSq est le tableau rectangulaire
¨ ˛
a11 a12 ¨ ¨ ¨ a1p b1
˚a a ¨¨¨ a
2p b2 ‹
‹
˚ 21 22
M“˚ ˚ .. .. .. .. .. ‹
‹
˝ . . . . . ‚
an1 an2 ¨ ¨ ¨ anp bn
appelé une matrice à n lignes et p ` 1 colonnes.
b1
˛ ¨
˚ b2 ‹
·. La matrice M est appelé la matrice élargie ou augmenter par ˚ . ‹
˚ ‹
˝ .. ‚
¨ ˛ bn
a11 a12 ¨ ¨ ¨ a1p
˚a a ¨¨¨ a ‹
˚ 21 22 2p ‹
A“˚ ˚ .. .. .. ‹ est appelée la matrice du système pSq.
.. ‹
˝ . . . . ‚
an1 an2 ¨ ¨ ¨ anp
¸. Un système homogène admet toujours 0K p “ p0, 0, ¨ ¨ ¨ , 0q comme solution
4 azemrijamal@gmail.com
1.2. RÉSOLUTION D’UN SYSTÈME LINÉAIRE
Exemple
# #
x ` 2y “ 3 x ` 2y “ 3
pS1 q : et pS2 q : . On a S1 “ tp´1, 2qu et S2 “ tp´1, 2qu
y“2 x ` 3y “ 5
Alors S1 “ S2 par suite pS1 q et pS2 q sont équivalents
Définition 3
Un système linéaire pSq est dit compatible si S ‰ H, sinon on dit qu’il est incompatible
Théorème 1
En effectuant l’une des trois opérations élémentaires sur un système linéaire pSq, on obtient un autre système linéaire
1
pS q qui lui est équivalent.
ú. Attention ! L’application simultanée de ces opérations peut aboutir à un système non équivalent
Exemple
$
& x´y “ 0
’
pSq y ´ z “ 1
’
% z´x “ 0
$
& L1 ÐÝ L1 ` L2
’
Par application simultanée de L2 ÐÝ L2 ´ L3 on aura
’
% L ÐÝ L ` L
3 3 1
$
1
& x´z
’ “1
pS q y ´ 2z ` x “ 1
’
% z´y “0
1
Or p1, 0, 0q est une solution de pS q mais c’est pas une solution de pSq
Preuve : du théorème
1 1
Notons pEk q1ĺkĺn et pEk q1ĺkĺn les équations de pSq et pS q respectivement, alors :
n n
1 1 1 č č 1
(i). on a @k P J1, nKzti, ju, pEk q “ pEk q, pEi q “ pE j q et pE j q “ pEi q alors S “ SEk “ SE 1 “ S
k
k“1 k“1
1
Donc pSq et pS q sont équivalents.
5 azemrijamal@gmail.com
CHAPITRE 1. SYSTÈMES D’ÉQUATIONS LINÉAIRES
1
(ii). Li ÐÝ α Li pα ‰ 0q revient à multiplier la iieme équation de pSq par α , et on obtient une équation pEi q
1
équivalente à pEi q donc pS q obtenu est équivalent à pSq
(iii). Soit : $
’
’ a11 x1 ` ¨ ¨ ¨ ` a1p x p “ b1
. ..
&
pSq .. .
’
’
% a x `¨¨¨`a x “ b
n1 1 np p n
1
et pS q obtenu en effectuant l’opération Li ÐÝ Li ` α L j , alors :
$
’ a11 x1 ` ¨ ¨ ¨ ` a1p x p “ b1
’
’
’
’ .. ...
’
’
’ .
1
& 1
pS q pai1 ` α a j1 qx1 ` ¨ ¨ ¨ ` paip ` α a jp qx p “ bi ` α b j pEi q
.. ..
’
’
’
. .
’
’
’
’
’
% an1 x1 ` ¨ ¨ ¨ ` anp x p “ bn
Exemple
2 1 ´1 2 1
¨ ˛
?
˚0 0 2 ´3 ´2 ‹
M“˚ ? ‹ Cette matrice élargie représente un système échelonné
˝0 0 0 ´ 5 0 ‚
0 0 0 0 5
Remarques
¶. pSq est echelonné ðñ Dr P J1, nK et j1 ă j2 ă ¨ ¨ ¨ ă jr des entiers tels que :
6 azemrijamal@gmail.com
1.2. RÉSOLUTION D’UN SYSTÈME LINÉAIRE
Exemple
$
’
’ x ` y ` 2z ´ 3t ` u ` v “ 1
’
& ´z ´ t ` 0 ` 2v “ 2
Soit pSq le système échelonné suivant : pSq :
’
’ ´3u ´ 3v “ 0
’
´4v “ 5
%
‚ r “ 4 et φ : J1, 4K ÞÑ J1, 6K tel que :
φ p1q “ 1 , φ p2q “ 3 , φ p3q “ 5 et φ p4q “ 6
‚ Les pivots sont 1, ´1 , 4 et ´4
‚ Les variables principales sont x, z, u et v et les variables flottantes sont y et t
7 azemrijamal@gmail.com
CHAPITRE 1. SYSTÈMES D’ÉQUATIONS LINÉAIRES
‚ Résolution du système :
$
’ x “ ´y ´ 2z ` 3t ´ u ´ v ` 1
’
y “y
’
’
’
’
’
& z “ ´2 ´ t ` 2v
’
’
’
pSq ðñ t “t
’
’
’ 5
’
’ u “ ´v “
4
’
’
% v “ ´5
’
’
’
4
5 5
$
’
’ x “ ´α ` 2β ` 9 ` 3β ´ ` ` 1
’
’ 4 4
y “α
’
’
’
’
’
& z “ ´2 ´ β ´ 5 “ ´β ´ 9
’
’
’
ðñ 2 2
’
’ t “ β
5
’
’
’
’
’ u “
4
’
’
% v “ ´5
’
’
’
4
x “ ´α ` 5β ` 10
$
’
’
y “α
’
’
’
’
’
’ 5 9
& z “ ´2 ´ β ´ “ ´β ´
’
’
’
2 2
ðñ
’ t “β
5
’
’
’
’
’ u “
4
’
’
% v “ ´5
’
’
’
4
"ˆ ˙ *
9 5 5
Alors S “ ´α ` 5β ` 10, α , ´β ´ , β , , ´ { α, β P R
2 4 4
Définition 6
Un système linéaire pSq est dit échelonné réduit si :
⃝
a pSq est échelonné
⃝
b L’initiale de chaque ligne de A est le seul coefficient non nul de sa colonne et est égal à 1
Exemple
$
& x ` 0y ` 2z ` 0t “ 2
’
0x ` y ´ 3z ` 0t “ ´1
’
% 0x ` 0y ` 0z ` t “ 2
Remarques
¶ pSq est échelonné réduit ðñ Dr P J1, nK et φ : J1, rK ÞÑ J1, pK strictement croissante tel que :
@pi, jq P Jr ` 1, nK ˆ J1, pK , ai j “ 0
$
’
’ $
’
& aiφ piq ‰ 0
& ’
’ @pi, jq P J1, rK ˆ J1, pK ; ’ j ă φ piq ñ ai j “ 0
’
’
% % @k P J1, rKztiu , a
kφ piq“0
8 azemrijamal@gmail.com
1.3. LA MÉTHODE DU PIVOT DE GAUSS
Exemple
$
’
’ 1.x ´ y ` z ` t “ 5
’
1.y ´ 2z ` t “ 4
’
&
’
’ 1.z ` t “ 10
’
1.t “ ´5
’
%
¸ On peut résoudre un système échelonné de proche en proche en remontant à partir de la dernière équation (non
triviale). Cette méthode s’appelle la méthode de la remontée
Exemple
$
’
’ x´y`z`t `u “ 1
’
y´z`0`u “ 4
’
&
pSq ðñ
’
’ t ` u “ ´5
’
u“1
’
%
$
’
’ x “9
’
& y “ 3`z
’
’
’
ðñ z “z
’
’
’
’ t “ ´6
’
% u “1
’
9 azemrijamal@gmail.com
CHAPITRE 1. SYSTÈMES D’ÉQUATIONS LINÉAIRES
Solution :
¨ ˛
1 2 ´1 1
pSq ðñ ˝ ´1 1 1 2 ‚
3 ´2 1 ´2
¨ ˛
1 2 ´1 1
ðñ ˝0 3 0 3 ‚
L2 ÐÝL2 `L1
L3 ÐÝL3 ´3L1 0 ´8 4 ´5
¨ ˛
1 2 ´1 1
ðñ ˝0 3 0 3‚
L3 ÐÝ8L2 `3L3
0 0 12 9
1 2 ´1 1
¨ ˛
ðñ ˝ 0 1 0 1 ‚
˚ ‹
1 3
L2 ÐÝ L2 0 0 1
3 4
1
L3 ÐÝ L3
12
$
’
’ x ` 2y ´ z “ 1
&
ðñ y “ 1
’ 3
z “
’
%
4
1
$
’
’ x “´
’
& 4
ðñ y “1
% z “3
’
’
’
4
"ˆ ˙*
1 3
Par suite : S“ ´ , 1,
4 4
Remarque
Lors de la résolution d’un système linéaire, les calculs se font sur les coefficients et les termes constants , alors on
résout directement en utilisant la matrice élargie
10 azemrijamal@gmail.com