Licence 1, Math 2

Systèmes linéaires.

1 Définitions.
Les éléments de R (ou de C) sont appelés des scalaires.
Soit p ∈ N∗ , on appelle équation linéaire à p inconnues toute relation de la forme
a1 x1 + · · · + ap xp = b, où x1 , . . . , xp sont les inconnues, a1 , . . . , ap sont des scalaires
fixés appelés les coefficients des inconnues, et b est un scalaire donné appelé le co-
efficient du second membre.
On dit qu’un p-uplet de scalaires (c1 , . . . , cp ) vérifie (ou satisfait) l’équation si l’on
obtient une égalité en substituant chaque cj à chaque xj dans l’équation.
Par exemple, (1, 0, −1) vérifie l’équation 2x1 + x2 + 2x3 = 0.
On appelle système d’équations linéaires à p inconnues x1 , . . . , xp , ou plus
brièvement système linéaire, la réunion d’un nombre fini d’équations linéaires à
p inconnues :


 a1,1 x1 + a1,2 x2 + · · · + a1,p xp = b1
 a2,1 x1 + a2,2 x2 + · · · + a2,p xp = b2

(S) : .. .. .. ..


 . . . .
 a x + a x + ··· + a x = b
n,1 1 n,2 2 n,p p n

où x1 , . . . , xp sont les inconnues, les ai,j (1 ≤ i ≤ n, 1 ≤ j ≤ p) sont des scalaires

fixés appelés les coefficients des inconnues, et b1 , . . . , bn sont des scalaires donnés
appelés les coefficients du second membre. Pour i ∈ {1, . . . , n}, la i-ième équation
du système ai,1 x1 + ai,2 x2 + · · · + ai,p xp = bi est notée Li ; elle est également appelée
la i-ème ligne.
On appelle solution du système tout p-uplet de scalaires qui vérifie les n équations
du système. Un système est dit compatible s’il a une solution, sinon il est dit
incompatible. Résoudre un système consiste à déterminer ses solutions.
Lorsque tous les bi sont nuls, on dit que le système est homogène. Le système
homogène associé à (S) est le système obtenu en remplaçant chaque coefficient du
second membre par 0.

Tout système homogène est compatible, car le p-uplet (0, . . . , 0) est toujours solution.
Ce n’est pas le cas de tous les systèmes non homogènes, par exemple :

x+y+z =1
x+y+z =2

On remarque que si!l’on note A la matrice de type!(n, p) de coefficient général ai,j , X

x1 b1
la matrice colonne ... et B la matrice colonne ... , alors on a : AX = B.
xp bn
La matrice A est alors appelée la matrice du système. La matrice augmentée est la

1
matrice :  
a1,1 a1,2 · · · a1,j · · · a1,p b1

 a2,1 a2,2 · · · a2,j · · · a2,p b2 

 .. .. .. .. .. 
 . . . . . 
an,1 an,2 · · · an,j · · · an,p bn
Pour i ∈ {1, . . . , n}, Li désignera aussi la i-ème ligne de cette matrice, le contexte
enlevant toute ambiguı̈té.
Si l’on connaı̂t une solution particulière d’un système, alors toutes les autres solutions
sont obtenues en lui ajoutant une solution du système homogène associé. En effet, si
AX0 = B alors : AX = B ⇔ A(X − X0 ) = O.

2 Opérations élémentaires sur les lignes d’un système

ou d’une matrice.
Définition 2.1 Soit (S) un système d’équations linéaires (resp. A une matrice),
Li , Lj deux lignes distinctes de (S) (resp. de A) et λ un scalaire non nul. L’échange
des lignes Li et Lj , le remplacement de Li par λLi ainsi que le remplacement de Li
par Li + λLj sont appelés des opérations élémentaires.

On remarque que ces opérations sont réversibles, c’est-à-dire qu’il existe une opération
élémentaire qui permet de revenir au système du départ, il s’agit respectivement d’échanger
les lignes L0i et L0j , de remplacer L0i par λ1 L0i et de remplacer L0i par L0i − λL0j .

Notations 2.2 Soit (S) un système d’équations linéaires (resp. A une matrice),
Li , Lj deux lignes distinctes de (S) (resp. de A) et λ un scalaire non nul. L’échange
des lignes Li et Lj , est noté Li ↔ Lj , le remplacement de Li par λLi est noté
Li ← λLi , et le remplacement de Li par Li + λLj est noté Li ← Li + λLj .

Définition 2.3 On dira que deux systèmes linéaires à p inconnues (S) et (S 0 )

sont équivalents si (S 0 ) peut être obtenu à partir d’une succession d’opérations
élémentaires sur (S). Comme ces opérations sont réversibles, ceci revient à dire que
(S) peut être obtenu à partir d’une succession d’opérations élémentaires sur (S 0 ).
On notera (S) ∼ (S 0 ).
L

Proposition 2.4 Soit (S) et (S 0 ) deux systèmes linéaires équivalents, alors (S) et
(S 0 ) ont exactement les mêmes solutions.

Définition 2.5 On dira que deux matrice A et A0 sont équivalentes par lignes si
A0 peut être obtenue à partir d’une succession d’opérations élémentaires sur A.
Comme ces opérations sont réversibles, ceci revient à dire que A peut être obtenue
à partir d’une succession d’opérations élémentaires sur A0 . On notera A ∼ A0 .
L

2
 On remarque que si l’on passe d’un système linéaire (S) à un système linéaire (S 0 ) par
une suite d’opérations élémentaires, alors on passe de la matrice de (S) (respectivement de
la matrice augmentée de (S)) à celle de (S 0 ) par la même suite d’opérations élémentaires.
Pour les matrices, on précise équivalentes “par lignes”, car il existe d’autres notions
d’équivalence pour les matrices.

3 Méthode du pivot de Gauss.

Commençons par un exemple. On veut résoudre le système :

 x1 + x2 + x3 = 1
x1 + 2x2 + 3x3 = 0
x1 − x2 + x3 = −1


En remplaçant L2 par L2 − L1 et L3 par L3 − L1 , on obtient le système équivalent :


 x1 + x2 + x3 = 1
x2 + 2x3 = −1
−2x2 + 0 · x3 = −2


Puis en remplaçant L3 par L3 + 2L2 dans ce nouveau système :


 x1 + x2 + x3 = 1
x2 + 2x3 = −1
4x3 = −4


On en déduit x3 = −1, puis x2 = 1, et x1 = 1.

On peut effectuer les mêmes opérations sur la matrice augmentée du système. Ceci se
traduit par :
     
1 1 1 1 1 1 1 1 1 1 1 1
 1 2 3 0  puis  0 1 2 −1  enfin  0 1 2 −1 
1 −1 1 −1 0 −2 0 −2 0 0 4 −4
À partir du système obtenu, les solutions peuvent également être déterminées par une
succession d’opérations élémentaires sur les lignes. Par exemple, en effectuant successive-
ment les opérations L3 ← 14 L3 , L2 ← L2 − 2L3 puis L1 ← L1 − L2 − L3 , on obtient:
     
1 1 1 1 1 1 1 1 1 0 0 1
 0 1 2 −1  puis  0 1 0 1  enfin  0 1 0 1 ,
0 0 1 −1 0 0 1 −1 0 0 1 −1
ce qui permet de calculer directement x1 , x2 et x3 .
Définitions 3.1 Une matrice est dite échelonnée par lignes si elle vérifie les deux
propriétés suivantes.
Si une ligne est nulle, alors toutes les lignes suivantes le sont aussi.
À partir de la deuxième ligne, le premier coefficient non nul à partir de la gauche
est situé à droite du premier coefficient non nul de la ligne précédente.
On appelle pivot le premier coefficient non nul de chaque ligne non nulle.
Un système linéaire est dit échelonné si sa matrice augmentée est échelonnée par
lignes.
Le rang d’un système linéaire échelonné est le nombre de lignes non nulles du
système homogène associé.

3
 Noter que le rang d’un système linéaire échelonné est au plus égal au nombre de lignes
qu’il contient.
La matrice obtenue dans l’exemple ci-dessus est une matrice échelonnée par ligne.
Une matrice carrée échelonnée par lignes est aussi une matrice triangulaire supérieure,
mais une matrice triangulaire supérieure n’est pas toujours une matrice échelonnée par
lignes, comme le montre l’exemple suivant.
 
0 0 1
 0 1 2 
0 0 4

Proposition 3.2 Toute matrice est équivalente par lignes à une matrice échelonnée
par lignes.
Tout système linéaire est équivalent à un système linéaire échelonné.

La procédure illustrée dans le premier exemple, ainsi que dans les exemples
ci-dessous est appelée la méthode du pivot de Gauss. Le système linéaire échelonné
obtenu est équivalent au système de départ, donc il a exactement les mêmes
solutions.

Ensuite plusieurs cas de figure peuvent se présenter.

1) Une fois que l’on a échelonné le système linéaire, on obtient autant de lignes non
identiquement nulles que de variables. Dans ce cas, le système admet une solution unique,
que l’on détermine de proche en proche (xn puis xn−1 . . .). On a déjà vu un exemple d’un
tel système
2) Il apparaı̂t une ligne du genre 0 = d, avec d 6= 0, alors le système linéaire n’a pas de
solution. Voici un exemple.

 x1 + x2 + x3 = 1
x1 + 2x2 + 3x3 = 0
0.x1 − x2 − 2x3 = −1


La première étape donne :


 x1 + x2 + x3 = 1
x2 + 2x3 = −1
− x2 − 2x3 = −1


Et la dernière : 
 x1 + x2 + x3 = 1
x2 + 2x3 = 0
0 · x3 = −2


Il n’y a donc pas de solution.

3) La dernière ligne contient d variables, avec d ≥ 2. Dans ce cas, le système linéaire a
une infinité de solutions. Voici un exemple.

 x1 + x2 + x3 = 1
x1 + 2x2 + 3x3 = 0
0.x1 − x2 − 2x3 = 1


4
La première étape donne :

 x1 + x2 + x3 = 1
x2 + 2x3 = −1
− x2 − 2x3 = 1


Et la dernière : 
 x 1 + x2 + x3 = 1
x2 + 2x3 = −1
0 · x3 = 0


Ce système linéaire revient à :


x1 + x2 + x3 = 1
x2 + 2x3 = −1

On peut alors fixer arbitrairement x3 , et déterminer x2 puis x1 en fonction de x3 : x2 =

−1 − 2x3 , x1 = 2 + x3 .

Lemme 3.3 Étant donné un système linéaire (S), tous les systèmes linéaires
échelonnés équivalents à (S) ont le même rang.

Définition 3.4 Le rang d’un système linéaire est le rang d’un système échelonné
qui lui est équivalent. Le rang d’une matrice A est le rang du système AX = O.

On remarque que le rang d’un système linéaire est au plus égal au nombre de lignes
qu’il comporte.
Comme le second membre du système AX = O ne comporte que des 0, pour déterminer
le rang de la matrice A on peut échelonner la matrice sans écrire le second membre. En
effet, il reste inchangé après chaque opération élémentaire.

Théorème 3.5 Soit (S) un système linéaire de n lignes et p inconnues, et r son

rang.
(1) r est au plus égal à p.
(2) Si r = n alors (S) est compatible.
(3) Si (S) est compatible et r = p, alors (S) a une unique solution.
(4) Si (S) est compatible et r < p, alors (S) admet une infinité de solutions,
l’ensemble des solutions est paramétré par p − r inconnues.

Définitions 3.6 Soit (S) un système linéaire échelonné de p inconnues, et r son

rang. On suppose r < p, alors les p − r inconnues qui paramètrent l’ensemble des
solutions de (S) sont appelées les inconnues secondaires, les autres inconnues sont
appelées les inconnues principales. On dit que (S) a p − r degrés de liberté.

On remarque que le choix des inconnues secondaires est arbitraire, seul leur nombre
est fixé.

5
4 Systèmes de Cramer, matrices inversibles.
Définition 4.1 Un système de Cramer est un système comportant autant
d’équations que d’inconnues et ayant une unique solution.

Proposition 4.2 Un système linéaire de n équations à n inconnues est un système

de Cramer si, et seulement si, son rang est n.

Corollaire 4.3 Si l’on change le second membre d’un système de Cramer, alors le
système linéaire obtenu est un système de Cramer.

Proposition 4.4 Soit A une matrice carrée de type (n, n). Alors A est inversible
si, et seulement si, le système AX = O est un système de Cramer.
Si cette condition est vérifiée, alors la matrice A−1 se calcule en résolvant les
sytèmes AX = Ei , 1 ≤ i ≤ n, où pour i ∈ {1, . . . , n}, Ei la matrice de type
(n, 1) dont le i-ième coefficient est 1, et les autres sont nuls.

Corollaire 4.5 Un système linéaire de n équations à n inconnues AX = B est un

système de Cramer si, et seulement si, sa matrice A est inversible. Dans ce cas,
AX = B ⇔ X = A−1 B.

Remarque 4.6 Soit A une matrice carrée de type (n, n). Pour que A soit in-
versible, il suffit qu’il existe une matrice carrée A0 de type (n, n) telle que A0 A = In ,
ou qu’il existe une matrice carrée A0 de type (n, n) telle que AA0 = In .

Plaçons-nous dans le cas où A est une matrice de type (3, 3). Dire que A est inversible
revient à dire qu’il existe une matrice
      
x1 x2 x3 a1,1 a1,2 a1,3 x1 x 2 x3 1 0 0
0
A =  y1 y2 y3  telle que  a2,1 a2,2 a2,3   y1 y2 y3  =  0 1 0  .
z1 z2 z3 a3,1 a3,2 a3,3 z1 z2 z3 0 0 1

Déterminer A0 revient à résoudre les systèmes

  !  a 
a1,1 a1,2 a1,3 x1
!
1 1,1 a1,2 a1,3 x2
!
0
!
 a2,1 a2,2 a2,3  y1 = 0 ,  a2,1 a2,2 a2,3  y2 = 1
a3,1 a3,2 a3,3 z1 0 a3,1 a3,2 a3,3 z2 0
 
a1,1 a1,2 a1,3 x3
!
0
!
et  a2,1 a2,2 a2,3  y3 = 0 .
a3,1 a3,2 a3,3 z3 1
Pour cela, on considère des variables 1 , 2 , 3 , et on échelonne le système
 
a1,1 a1,2 a1,3 x
!
1
!
 a2,1 a2,2 a2,3  y = 2 .
a3,1 a3,2 a3,3 z 3

6
S’il n’est pas de rang !
3, alors A n’est
! pas!inversible,!sinon A est inversible, et on remplace
1 1 0 0
successivement 2 par 0 , 1 et 0 , ce qui nous donne respectivement
 0 0 1
! ! 3 !
x1 x2 x3
y1 , y2 et y3 .
z1 z2 z3
On peut également résoudre simultanément les trois systèmes en les posant sous la
forme :  
a1,1 a1,2 a1,3 1 0 0
 a2,1 a2,2 a2,3 0 1 0 
a3,1 a3,2 a3,3 0 0 1

5 Annexe : démonstrations.
Preuve de la proposition 2.4. Il suffit de le vérifier pour des systèmes obtenus à partir d’une
opération élémentaire. Dans le cas de l’échange de deux lignes ou de la multiplication
d’une ligne par un scalaire non nul, le résultat est trivial. Pour le dernier type d’opération,
il suffit de montrer que, pour tout p-uplet c̄ = (c1 , . . . , cp ), c̄ est solution de Li et Lj si, et
seulement si, c̄ est solution de Li et Lj + λLi . Ceci se vérifie trivialement. 
Démonstration de la proposition 3.2. On considère la matrice de n lignes et p colonnes
suivante :  
a1,1 a1,2 · · · a1,j · · · a1,p
 a2,1 a2,2 · · · a2,j · · · a2,p 
A =  ..
 
.. .. .. 
 . . . . 
an,1 an,2 · · · an,j · · · an,p
Si a1,1 = 0, on échange deux lignes de manière à avoir a1,1 6= 0. Ensuite, dans le
système S, on remplace L2 par L2 − aa2,1 1,1
L1 , . . ., Ln par Ln − aan,1
1,1
L1 , . . .. Si, pour tout
i ∈ {1, . . . , n}, ai,1 = 0, on passe à l’étape suivante.
À la i-ème étape, si ai,i = 0, on échange Li et Lj (j > i) pour avoir ai,i 6= 0 (si
ai,i = ai+1,i = · · · = an,i = 0, on passe à l’étape suivante). Ensuite on remplace Li+1 par
a a
Li+1 − i+1,iai,i
Li , . . . , Ln par Ln − an,i
i,i
Li . Et on arrête au bout de n − 1 transformations.
Pour un système linéaire (S), on considère le système linéaire (S 0 ) dont la matrice
augmentée est une matrice échelonnée par lignes, obtenue à partir de la matrice augmentée
de (S) comme ci-dessus. 

Théorème 5.1 Soit (S) un système linéaire échelonné de n lignes et p inconnues, et r

son rang.
(1) r est au plus égal à p.
(2) (S) est incompatible si, et seulement si, (S) a une équation du type 0 = b, avec b non
nul.
(3) Si r = n alors (S) est compatible.
(4) On suppose maintenant que (S) est compatible.
(a) Si r = p, alors (S) a une unique solution.
(b) Si r < p, alors (S) admet une infinité de solutions, l’ensemble des solutions est
paramétré par p − r inconnues.
Preuve. Comme chaque ligne a au moins une variable de moins que la précédente, la
(p + 1)-ième ligne ne contient aucune variable, donc son terme de gauche est nul. En

7
conséquence r ≤ p.
En permutant éventuellement les variables, et en les renumérotant, (S) s’écrit sous la
forme
· · · + a1,r xr + · · · + a1,p xp


 a1,1 x1 + a1,2 x2 + = b1


 0 + a2,2 x2 + · · · + a2,r xr + · · · + a2,p xp = b2

 .
 . .. .. ..
. . . .

 0 + 0 + · · · + ar,r xr + · · · + ar,p xp = br
0 = br+1



.. ..



. .
où, pour i ∈ {1, . . . , p}, ai,i 6= 0.
Comme 0 = b 6= 0 amène une contradiction, tout système contenant une telle équation
est incompatible. On suppose maintenant que (S) ne contient pas de ligne de cette forme.
Clairement, si r = n alors cette condition est vérifiée.
Si (S) est de rang p, alors en enlevant les lignes nulles il s’écrit sous la forme


 a1,1 x1 + a1,2 x2 + · · · + a1,p xp = b1
 0 + a2,2 x2 + · · · + a2,p xp = b2

.. .. ..


 . . .
 0 + 0 + ··· + a x = bp,p p p

où, pour i ∈ {1, . . . , p}, ai,i 6= 0. Alors xp,p = abp,p

p
est uniquement déterminé, et de
proche en proche xp−1 , . . . , x1 sont uniquement déterminés.
On suppose r < p, on peut également écrire ce système sous la forme


 a1,1 x1 + a1,2 x2 + · · · + a1,r xr = b1 − a1,r+1 xr+1 − · · · − a1,p xp
 0 + a2,2 x2 + · · · + a2,r xr = b2 − a2,r+1 xr+1 − · · · − a2,p xp

.. .. .. .. ..


 . . . . .
 0 + 0 + · · · + ar,r xr = br − ar,r+1 xr+1 − · · · − ar,p xp
Dans ce système, xr+1 , . . . , xp peuvent être fixés arbitrairement, xr est alors unique-
ment déterminé, ainsi que xr−1 , . . . , x1 .
On en déduit également que si (S) ne contient pas d’équation de la forme 0 = b avec b
non nul, alors (S) est compatible. En particulier, si r = n alors (S) est compatible. Ceci
finit de prouver (2) et (3). 
Le théorème 3.5 se déduit du théorème 5.1.
Preuve du lemme 3.3. Soit (S1 ) et (S2 ) deux systèmes linéaires échelonnés équivalents
à (S) et r1 , r2 leurs rangs respectifs. Notons respectivement (S10 ) et (S20 ) les systèmes
homogènes associés. Ces systèmes sont équivalents. Notons (S100 ) (resp. (S200 )) le système
obtenu en remplaçant dans (S10 ) (resp. (S20 )) les inconnues secondaires de (S10 ) par 0.
Notons enfin (S2000 ) un système linéaire échelonné obtenu à partir de (S200 ) en appliquant la
méthode du pivot de Gauss. Le rang de (S2000 ) est au plus égal au nombre de lignes non
nulles de (S200 ), qui lui-même est au plus égal à r2 . Les systèmes linéaires (S100 ) et (S2000 )
sont équivalents, et (S100 ) admet une unique solution. En conséquence (S2000 ) admet une
unique solution, ainsi son rang est au moins égal au nombre de variables, c’est-à-dire r1 ,
donc r2 ≥ r1 . Symétriquement, on a r1 ≥ r2 , d’où l’égalité. 
Preuve de la proposition 4.2. Considérons un système (S) de n équations et p inconnues.
D’après (1) et (2) du théorème 3.5, si r = n alors (S) est compatible et a une seule

8
solution. Si r < p et (S) est compatible, alors par (4) du théorème 3.5, (S) a une infinité
de solutions. 
Preuve du corollaire 4.3. Par définition, le rang d’un système linéaire est est égal au rang
du système homogène associé. Soit (S) un système de Cramer de n inconnues, et (S 0 ) un
système linéaire obtenu en changeant le second membre de (S). Les systèmes homogènes
associés à (S) et (S 0 ) sont égaux, donc (S) et (S 0 ) ont le même rang. Par la proposition
4.2, (S 0 ) est un système de Cramer. 
La proposition 4.4 et la remarque 4.6 se déduisent de la proposition 5.3 ci-dessous.
Lemme 5.2 Soit A une matrice carrée de type (n, n). Les conditions suivantes sont
équivalentes.
1) A = In .
2) Pour toute matrice X de type (n, 1) : AX = X.
3) En notant, pour i ∈ {1, . . . , n}, Ei la matrice de type (n, 1) dont le i-ième coefficient
est 1, et les autres sont nuls : ∀i ∈ {1, . . . , n}, AEi = Ei .
Preuve. On a clairement : 1) ⇒ 2) ⇒ 3). Supposons la condition 3) vérifiée, et notons
A = (ai,j )1≤i≤n,1≤j≤n . L’égalité AE1 = E1 implique a1,1 = 1, a2,1 = 0, . . . , an,1 = 0,
AE2 = E2 implique a1,2 = 0, a2,2 = 1, a3,2 = 0, . . . , an,2 = 0, et ainsi de suite jusqu’à :
AEn = En implique a1,n = 0, . . . , an,n−1 = 0, an,n = 1. En conséquence, A = In . 

Proposition 5.3 Soit A une matrice carrée de type (n, n), les conditions suivantes sont
équivalentes.
a) A est inversible.
b) Il existe une matrice carrée A0 de type (n, n) telle que A0 A = In .
c) Le système AX = O est un système de Cramer.
d) Il existe une matrice carrée A0 de type (n, n) telle que AA0 = In .
Si la condition c) est vérifiée, alors la matrice A−1 se calcule en résolvant les sytèmes
AX = Ei , 1 ≤ i ≤ n, où la matrice Ei a été définie dans le lemme 5.2.
Preuve. Clairement, a) implique b) et d).
Supposons la condition b) vérifiée. On sait que O est toujours solution du système
AX = O. Comme A0 A = In , alors AX = O implique X = (A0 A)X = A0 (AX) = A0 O =
O, ce qui montre que O est l’unique solution du système AX = O, donc c’est un système
de Cramer.
Supposons que le système AX = O soit un système de Cramer. D’après le corollaire 4.3
chacun des systèmes AX = E1 , . . . , AX = En est un système  de Cramer, donc admet
 0 une
a01,1
 
a1,n
unique solution, que l’on va noter respectivement X1 =  ...  , · · · , Xn =  ... .
a0n,1 a0n,n
Notons A0 la matrice (a0i,j )1≤i≤n,1≤j≤n , alors AA0 = In . Par ailleurs, on remarque que
A0 E1 = X1 , . . . , A0 En = Xn , donc (A0 A)X1 = A0 (AX1 ) = A0 E1 = X1 , . . . , (A0 A)Xn =
A0 (AXn ) = A0 En = Xn , et par, le lemme 5.2, A0 A = In . Des égalités AA0 = In et
A0 A = In on déduit que A est inversible et A−1 = A0 , ce qui prouve que la condition a)
est vérifiée.
Supposons la condition d) vérifiée, alors de l’équivalence a) ⇔ b) ci-dessus, on déduit
que A0 est inversible, et (A0 )−1 = A. En conséquence, AA0 = A0 A = In , d’où A est
inversible, et A−1 = A0 .
En démontrant c) ⇒ a) on a également montré que la matrice A−1 se calcule en
résolvant les sytèmes AX = Ei , 1 ≤ i ≤ n. 

9
 Preuve du corollaire 4.5. D’après le corollaire 4.3, AX = B est un sytème de Cramer
si, et seulement si, AX = O est un sytème de Cramer, et d’après la proposition 5.3 ceci
équivaut à dire que A est inversible. On a alors : X = (A−1 A)X = A−1 (AX) = A−1 B.


10