Vous êtes sur la page 1sur 20

Chapitre 3

Mthodes directes de rsolution


du systme linaire Ax = b
3.1

Introduction

Dans ce chapitre, on tudie quelques mthodes directes permettant de rsoudre


le systme
Ax = b

(3.1)

o A Mn (R), lensemble des matrices carres n n coefcients rels, et


b Rn . Une mthode directe est une mthode qui permet de rsoudre le systme
3.1 en un nombre ni doprations et en arithmtique exacte. Dans ce chapitre, on
prsente les mthodes suivantes :

3.2

la mthode dlimination de Gauss,


la mthode de la dcomposition LU ,
la mthode de Cholesky,
la mthode de la factorisation QR.

Mthode dlimination de Gauss

Lide de cette mthode est de se ramener un systme linaire dont la matrice est triangulaire suprieure, on obtient ensuite la solution par simple remonte.
Exemple
57

58CHAPITRE 3. MTHODES DIRECTES DE RSOLUTION DU SYSTME LINAIRE AX = B


On cherche rsoudre le systme suivant :

2x + 3y + 3z + t = 15

4x 6y + 3z + 2t = 3

x + y + z + t = 5

(3.2)

2x y + z + t = 1

La mthode de Gauss, consiste liminer x des lignes 2, 3, 4, puis y des lignes 3, 4,


puis z de la ligne 4. On obtient alors la valeur de t et on en dduit les autres valeurs
en remontant. Le systme (3.2) scrit sous forme matricielle Ax = b :

2
3 3 1
x
15
4 6 3 2 y 3

=
1 1 1 1 z 5
2 1 1 1
t
1

tape 1
On pose A1 = A et on note a1i,j , 1 i 4, 1 j 4 llment (i, j) de la
matrice A. Lorsquil est non nul, on nomme pivot (de la premire tape) llment
a11,1 . Ici, a11,1 = 2 . On effectue alors pour toute ligne Li , 2 i 4 :
Li Li
On obtient :

2 3
0 0

0 52
0 2

3
9

5
2

a1i,1
L1
a11,1

1
x
15

4
y 33
3 = 25 .
2
2 z
2
16
t

tape 2
On note A2 la matrice obtenue. Maintenant, le pivot a22,2 de la nouvelle matrice est
nul. On change la deuxime et la troisime ligne. On obtient :
2 3
0 5

0 0
0 2

5
2

9
4

x
15
25
3
y

2
= 2 .
4 z 33
2
16
t

Le pivot est maintenant a22,2 = 52 . On effectue :


L4 L4

a4,2
4
L2 = L4 L2
a2,2
5

3.2. MTHODE DLIMINATION DE GAUSS

59

Ce qui donne :

2 3
0 5

0 0
0 0

3
5
2

9
2

x
15
25
3
y

2
= 2 .
4 z 33
4
6
t
5

tape 3
On obtient la matrice A3 . Le pivot est maintenant llment a33,3 = 9. On effectue :
L4 L4
Ce qui donne :

2 3
0 5

0 0
0 0

a4,3
2
L3 = L4 L3 .
a3,3
9
1

x
15
25
5
3
y

2
2
= 2 .
9
4 z 33
4
t
2 45
43

tape 4
La matrice obtenue est maintenant triangulaire suprieure, et on peut rsoudre le
systme par remonte. On trouve :

x
6
y 1

= .
z 3
t
15

Algorithme
De lexemple prcdent on peut tirer lalgorithme suivant :
Pour k allant de 1 n 1
Si tous les lments sous le pivot dans la colonne k est nulle, passer la colonne
suivante.
Si llment ak,k est nul, et si il existe un lement non nul, sous le pivot, dans la
colonne k, permuter la ligne i avec la ligne k o i est le plus petit entier suprieur
k tel que ai,k soit non nul.
Ensuite, pour tout i > k, effectuer lopration
Li Li

ai,k
Lk .
ak,k

Thorme 14. Soit A une matrice carre (inversible ou non). Il existe au moins
une matrice inversible M telle que la matrice M A soit triangulaire suprieure.

60CHAPITRE 3. MTHODES DIRECTES DE RSOLUTION DU SYSTME LINAIRE AX = B


Dmonstration. La dmonstration consiste en lcriture de la mthode dcrite dans
lexemple prcdent. chaque tape la nouvelle matrice, est obtenue par une ventuelle permutation de lignes et la mise 0 de tous les lments situs en dessous
du pivot. Une permutation de la ligne i et la ligne j sobtient par la multiplication
gauche de A par la matrice P obtenue en permutant les lignes i et j de la la
matrice identit. Quant lopration de mise 0 de tous les coefcients situs en
en dessous (sur la mme colonne) du pivot, elle se traduit, lorsque le pivot est le
coefcient (k, k) de la matrice, par la multiplication gauche, par une matrice E
dnie par :

tout i 1, .., N .

Ei,i = 1 pour
ai,k
si i > k.
Ei,k = ak,k

Ei,j = 0 pour tous les autres indices.

Notant Ek et Pk les matrices intervenant ltape k on a :


M=

n1

(Ek Pk )

k=1

Donc,
det(M ) =

n1

det(Ek ) det(Pk ) = (1)d ,

k=1

o d est le nombre de permutations effectues au cours de lalgorithme. On en


dduit que M inversible.

3.3

Mthode de dcomposition LU

La mthode de dcomposition LU consiste factoriser la matrice A en un


produit de deux matrices triangulaires
A = LU
o L est triangulaire inferieure (lower) et U est triangulaire superieure (upper). La
rsolution du systme linaire Ax = b est alors ramene la rsolution de deux
systmes Ly = b et U x = y. Cette mthode est intressante dans le cas o on a
rsoudre plusieurs quations Ax = bi car la dcomposition A = LU est effectue
une fois pour toute. Cest en fait lalgorithme de llimination de Gauss dans le
cas o on ne permute jamais. On appelle sous matrice diagonale dordre k de la
matrice A Mn (R), la matrice dnie par :

a1,1 a1,k
..
.. .
k
..
= .
.
.
a1,k ak,k

3.3. MTHODE DE DCOMPOSITION LU

61

Le rsultat suivant donne une condition sufsante sur la matrice A pour quil ny
ait pas de permutation au cours de la mthode dlimination de Gauss.
Thorme 15. (factorisation LU) Soit A une matrice dont toutes les sous-matrices
diagonales sont inversibles. Il existe un unique couple de matrices (L, U ), avec U
triangulaire suprieure, et L triangulaire infrieure diagonale unit tel que
A = LU
Dmonstration. Supposons qu au cours de llimination de Gauss, il ny ait pas
besoin de faire de permutations. Soit An la matrice obtenue aprs la n1me tape,
et E1 ,E2 ,...,En1 les matrices permetttant de mettre 0 les lments sous le pivot
des matrices A1 = A, A2 , ..., An1 . Alors on a :
An = En1 ...E1 A,
avec,

..

.
..

Ek = ...

.
..

.
1

akk+1,k
akk,k

..
.

..

akn,k

ak

k,k

et o aki,j est llment (i, j) de la matrice Ak . On pose U = An et L = (E1 )1 ...(En1 )1 .


Alors A = LU .
Il faut maintenant montrer que L est triangulaire infrieure. On a :

.
..

1
(Ek ) = ...

.
..

et

..

.
1
+

akk+1,k
akk,k

..
.

akn,k
akk,k

1
..

.
1

62CHAPITRE 3. MTHODES DIRECTES DE RSOLUTION DU SYSTME LINAIRE AX = B

a1
2,1
a11,1

(E1 )1 (E2 )1 ...(E1 )1 = ..


.

a1n,1
a11,1

0
..
.

..
.

..

..

0
..
.

an1
n,1
an1
n1,n1

.
0

On vrie maintenant que les pivots ne sannulent pas sous les hypothses faites
sur les k . On vrie cela par rcurrence. Le premier pivot a1,1 est non nul car
gal 1 . On suppose que les pivots jusqu lodre k 1 sont non nuls. Montrons
que le pivot akk,k est non nul. Comme les k 1 premiers pivots sont non nuls, on a
pu calculer la matrice Ak . On crit alors lgalit
(E1 )1 ...(Ek1 )1 Ak = A
sous la forme dune galit entre matrices par blocs :

Lk1,1 0
Lk2,1 I

k
U1,1
Ak1,2
Ak2,1 Ak2,2

k A1,2
A2,1 A2,2

k , Lk , et k blocs carrs de taille k, les autres blocs tant de taille n k.


avec U1,1
1,1
On a alors
k
= k
Lk1,1 U1,1
k est une matrice triangulaire suprieure et Lk une matrice triangulaire info U1,1
1,1
k = k (Lk )1
rieure avec des 1 sur la diagonale. On en dduit que la matrice U1,1
1,1
est inversible comme produit de matrices inversibles. Son dterminant est donc non
nul. Or
k
det U1,1
=

i=1

aii,i = 0

donc le pivot
ltape k est non nul.
Il reste vrier que la dcomposition LU est unique. Supposons que la matrice
A admette deux dcompositions :
akk,k

A = L1 U1 = L2 U2
alors

(L2 )1 L1 = U2 (U1 )1

Mais (L2 )1 L1 est une matrice triangulaire infrieure et U2 (U1 )1 est une matrice
triangulaire suprieure. Ces deux matrices sont donc diagonales. Et L1
2 L1 = I
1
(car leur diagonale est compose de 1). On en dduit que U2 (U1 ) = I.

3.4. MTHODE DE CHOLESKY

63

Exercice
1. Montrer que linverse dune matrice triangulaire infrieure inversible est une
matrice triangulaire infrieure.
2. Montrer que le produit de deux matrices triangulaires infrieures est triangulaire infrieure.
Voici lalgorithme de factorisation LU pour une matrice A de taille n n.
Algorithme de dcomposition LU
Pour k allant de 1 n
Pour i allant de k + 1 n
ik
aik = aakk
Pour j allant de k + 1 n
aij = aij aik akj
Fin j
Fin i
Fin k
Dans la pratique, on peut galement calculer les coefcients des matrices L et
U en crivant lgalit matricielle A = LU (voir feuille de TD4).

3.4

Mthode de Cholesky

Dnition 6. Une matrice A Mn (R) est dite dnie positive si pour tout x Rn
et x = 0, on a
< Ax, x >> 0
La mthode de Cholesky ne sapplique quaux matrices relles symtriques dnies positives. Elle consiste en une factorisation A = BB t , o B est une matrice
triangumaire infrieure, dans le but de ramener la rsolution de lquation linaire
Ax = b la rsolution de deux quations By = b et B t x = y. Ceci est intressant lorsquon a rsoudre plusieurs systmes avec la mme matrice et diffrents
second membres car la dcomposition est effectue une fois pour toutes. Exercice
Montrer que si une matrice est dnie positive alors on peut lui appliquer la factorisation LU .
Correction Toute matrice dnie positive est inversible. En effet :
Ax = 0 < Ax, x >= 0 x = 0
Et on a que k est dnie positive en prenant xi = 0 pour i > k.

64CHAPITRE 3. MTHODES DIRECTES DE RSOLUTION DU SYSTME LINAIRE AX = B


Thorme 16. Soit A une matrice relle symtrique dnie positive. Il existe une
unique matrice relle B triangulaire infrieure, telle que tous ses lments diagonaux soient positifs et qui vrie :
A = BB t
Dmonstration. Par application du thorme sur la dcomposition LU , il existe un
unique couple de matrices (L, U ) tel que A = LU , o L est triangulaire infrieure
avec des 1 sur la diagonale et U est triangulaire suprieure. On note D la matrice
diagonale dnie par

Di,i = ( Ui,i ).

On peut dnir cette matrice car on a, (voir la dmonstration du thorme de la


factorisation LU, et aussi exercice 2, TD4) pour tout k {1, .., n} :

On pose alors :

det(k )
Uk,k = k1
> 0.
i=1 Ui,i
B = LD

et

C = D1 U.

Comme A = At , on en dduit que


A = BC = (BC)t = C t B t
ou encore

C(B t )1 = B 1 C t .

La matrice C(B t )1 est triangulaire suprieure tandis que la matrice B 1 C t est


triangulaire infrieure. Elles sont donc toutes les deux diagonales. De plus, les
lments diagonaux de B et C sont les mmes, donc la diagonale de B 1 C t nest
constitue que de 1. On en dduit que
C(B t )1 = B 1 C t = I.
Donc,

C = Bt.

Il reste montrer lunicit de la dcomposition. Supposons quil existe deux factorisations


A = B1 B1t = B2 B2t ,

3.4. MTHODE DE CHOLESKY

65

alors,
B21 B1 = B2t (B1t )1 .
Il existe donc une matrice diagonale D telle que
B21 B1 = D,
et donc
B1 = B2 D.
On en dduit que
A = B1 B1t = B2 D(B2 D)t = B2 (DDt )B2t .
Mais,
A = B2 B2t
Comme B2 est inversible, il vient,
D2 = I.
Les coefcients de D valent donc 1 ou 1. Or les coefcients diagonaux de B1
et B2 sont positifs, donc de lgalit B1 = B2 D on dduit que les coefcients
diagonaux de D sont gaux 1 et donc B1 = B2 .

Algorithme de Cholesky
Pour j allant de 1 n
Pour k allant de 1 j 1
ajj = ajj (ajk )2
Fin k

ajj = ajj
Pour i allant de j + 1 n
Pour k allant de 1 j 1
aij = aij aik ajk
Fin k
aij
aij = ajj
Fin i
Fin j

66CHAPITRE 3. MTHODES DIRECTES DE RSOLUTION DU SYSTME LINAIRE AX = B

3.5

Mthode de dcomposition QR

Lide de la mthode de factorisation QR est encore de se ramener la rsolution dun systme linaire dont la matrice est triangulaire. Cependant, on ne va pas
crire une matrice A comme le produit de deux matrices triangulaires mais comme
le produit dune matrice triangulaire R et dune matrice orthogonale unitaire Q,
qui est aussi facile inverser puisque Q1 = Qt . Pour rsoudre le systme linaire
Ax = b, on effectue :
y = Qt b
puis,

Rx = y

par remonte. Si A est inversible, lexistence dune telle matrice orthogonale Q est
donne par le rsultat suivant dont on va donner une dmonstration constructive
par le procd de Gram-Schmidt.
Thorme 17. Factorisation QR.
Soit A une matrice relle inversible. Il existe un unique couple (Q, R), o Q est
une matrice orthogonale, et R une matrice triangulaire suprieure dont tous les
lments diagonaux sont positifs tel que
A = QR.
Avant de donner la dmonstration rappelons le procd dorthogonalisation de
Gram-Schmidt.
Procd dorthogonalisation de Gram-Schmidt
Le procd dorthogonalisation de Gram-Schmidt construit une base orthonormale
de vecteurs partir dune base quelconque (a1 , a2 , ..., an ) de vecteurs de Rn . On
procde comme suit, on pose :
q1 =
Ensuite, on cherche,
tel que
Cela scrit :
On en dduit que :

a1
||a1 ||.

q2 = a2 + q1
< q2 , q1 >= 0.
< a2 , q1 > + < q1 , q1 >= 0.
= < a2 , q1 >

3.5. MTHODE DE DCOMPOSITION QR


On pose ensuite
q2 =

67

q2
a2 < a2 , q1 > q1
=
.
||q2 ||
||a2 < a2 , q1 > q1 ||

Puis, suppposant q1 , q2 , ..., qi1 construits, on cherche :


qi = ai +

i1

k qk

k=1

tel que pour tout j 1, .., i 1

< qi , qj >= 0.
Cela donne pour tout j 1, ..i 1,
< ai +

i1

k qk , qj >= 0

k=1

On en dduit que

j = < ai , qj >

puis que

qi = ai
Enn on pose :

i1

< ai , qk > qk .

k=1

ai + i1
< ai , qk > qk
qi
qi =
=
k=1
i1
||qi ||
||ai + k=1 < ai , qk > qk ||

Dmonstration du thorme de factorisation QR. Soient a1 , a2 , ..., an les n vecteurs colonnes de A. Comme ils forment une base de Rn , on leur applique le
procd dorthonormalisation de Gram-Schmidt. On obtient une base orthonorme
q1 , q2 , ..., qn , o pour tout i {1, ..., n}, le vecteur qi est dni par :

ai i1
k=1 < ai , qk >
qi =
.
i1
||ai k=1 < ai , qk > ||

(3.3)

En crivant lquation (3.3) sous forme matricielle, on obtient :

q1 q2

||q1 ||
0
< a , q >
||
q
2 ||

2 1
... qn

...
< an , q1 > < an , q2 >

...
0
...
0

= A,
...
0
... ||qn ||

68CHAPITRE 3. MTHODES DIRECTES DE RSOLUTION DU SYSTME LINAIRE AX = B


cest dire

QR = A,

o Q est la matrice forme des vecteurs qi ,1 i n et R est la matrice triangulaire


suprieure dnie par :

rk,i = < qk , ai > si 1 k i 1,

ri,i = ||qi || = ||ai i1


k=1 < ai , qk > qk ||.

Pour montrer lunicit de cette factorisation, on suppose quil existe deux factorisations
A = Q1 R1 = Q2 R2 .
On en dduit que :

Qt2 Q1 = R2 R11

qui est aussi triangulaire suprieure coefcients diagonaux positifs.


Soit T = R2 R11 . On a :
T T t = (Qt2 Q1 )(Qt2 Q1 )t = I.
Donc T est une factorisation de Cholesky de lidentit. Or cette factorisation est
unique donc T = I.

3.5. MTHODE DE DCOMPOSITION QR

69

L2. Mthodes numriques.

Universit du Havre
Feuille de TD 4.

Exercice 1.
1. Montrer que linverse dune matrice triangulaire infrieure inversible est une
matrice triangulaire infrieure.
2. Montrer que le produit de deux matrices triangulaires infrieures est une
matrice triangulaire infrieure.
3. Soit Ak une matrice triangulaire infrieure avec des 1 sur sa diagonale, et
telle que tous les lments sous la diagonale soient nuls sauf ceux situs sur
la colonne k. Cest dire que :

.
..

Ak = .
.
.

..
.

..

.
1

ak+1,k 1
..
..
.
.
an,k
1.

Dterminer linverse de Ak . Justier votre rponse.


4. Calculer le produit :
n

Ak .

k=1

Exercice 2.
Soit A une matrice symtrique dnie positive. Montrer que son dterminant est
strictement positif.
Exercice 3.
Soit A une matrice inversible. Montrer que sil existe L matrice triangulaire infrieure diagonale unit, et U matrice triangulaire suprieure telles que A = LU
alors toutes les sous-diagonales de A sont inversibles.
Exercice 4.
En crivant le produit
A = LU

70CHAPITRE 3. MTHODES DIRECTES DE RSOLUTION DU SYSTME LINAIRE AX = B


proposer une mthode pratique de calcul des coefcients L et U . Dterminer, par
cette
mthode,
la dcomposition LU de la matrice suivante :
1 3 5

1 4 2
2 2 7
Exercice 5.
On
matrice suivante :
considre la
2 1 0

1 2 1
0 1 2
Cette matrice est dnie positive. Dterminer sa factorisation de Cholesky.
Exercice 6.
Donner
QR de la matrice suivante.
la dcomposition

1 1 2

1 1 0
0 2 1
Exercice 7.
On dit quune matrice A = (ai,j )1i,jn est une matrice bande de demi largeur de
bande p N si ai,j = 0 pour |i j| > p. La largeur de la bande est alors 2p + 1.
Montrer que la factorisation LU conserve la strucure bande pour les matrices L et
U.
Exercice 8.
Dterminer le nombre doprations effectues lors des algorithmes de Gauss, LU ,
Cholesky et QR. On ne comptera que les multiplications et divisions (pas les additions et soustractions) et on ne donnera que le coefcient polynomial en n (n tant
la taille de la matrice) de plus haut degr.
Exercice 9.
Soit A une matrice de Rnn constitue de n vecteurs colonnes A1 , A2 , ..., An . Soit
x = (x1 , ..., xn ) la solution de lquation
Ax = b.
1. Montrer que
xi =

det(A1 , ..., Ai1 , b, Ai+1 , ..., An )


.
det(A)

(3.4)

3.5. MTHODE DE DCOMPOSITION QR

71

2. Calculer le nombre doprations ncessaires pour calculer det(A).


3. La formule (3.4) vous semble-t-elle intressante dun point de vue numrique ?
Exercice 10.
On dit quune matrice A = (ai,j ) Rnn est diagonale dominante si elle vrie :
i {1, ..., n}, |ai,i | >

j=1,j=i

|ai,j |.

1. Montrer que toute matrice diagonale dominante est inversible.


2. En dduire que toute matrice diagonale dominante admet une factorisation
LU .
3. Soit A = (ai,j ) Rnn une matrice quelconque, montrer que pour toute
valeur propre C de A, il existe i {1, ..., n} tel que :
|ai,i |

j=1,j=i

|ai,j |.

Exercice 11.
1. On considre la matrice A de taille n n suivante :

2 1 0
0
1 2 1 0 0

0 1 2 1 0
.
..
..
..
..
.

.
.
.
.
.

0 0 1 2 1
0
0 1 2

Montrer que cette matrice est dnie positive.

2. Rappeller lalgorithme de Cholesky pour une matrice A symtrique dnie


positive de taille n n.
3. Dterminer le nombre de multiplications, divisions et calcul de racines carres effectues lors de cet algorithme.

72CHAPITRE 3. MTHODES DIRECTES DE RSOLUTION DU SYSTME LINAIRE AX = B


4. En utilisant la proprit de structure bande de la matrice A, proposer une
nouvelle version de lalgorithme de Cholesky pour la matrice A qui permette
de rduire le nombre doprations effectues.
5. Calculer le nombre doprations effectues pour ce nouvel algorithme.

3.5. MTHODE DE DCOMPOSITION QR

73

L2, Mthodes numriques

Universit du Havre
Feuille de TP5

1. Implmenter, dans un chier TP5.sci, la mthode dlimination de Gauss


x = Gauss1(A, b), qui renvoie la solution x de lquation Ax = b. Dans
un premier temps, on ne cherchera pas implmenter les cas o les pivots
sannulent.
2. Donner la solution de lquation
Ax = b
pour

1 1 1
8


(a) A = 1 2 2 et b = 11.
2 3 4
12

1
3 4
5
7
8
2

11
3
7
10
11


(b) A = 3 4 66 5 7 et b = 12.


4 1
12
2
6
3
56 78 1
1
1
12
Dans ce cas, vrier le rsultat avec la fonction de Scilab linsolve.

1 1 1
8


(c) A = 1 1 2 et b = 11.
2 3 4
12

3. crire une fonction x = Gauss2(A, b) de manire effectuer une permutation de lignes lorsque lun des pivots est nul. Donner la solution de lquation
1.c).
4. crire une fonction x = Gauss3(A, b) de manire ce que lon
soit prvenu

1 1 1

si la matrice nest pas inversible. Tester la fonction avec A = 1 1 1 et


2 3 4

8

b = 11.
12

74CHAPITRE 3. MTHODES DIRECTES DE RSOLUTION DU SYSTME LINAIRE AX = B


L2, Mthodes numriques

Universit du Havre
Feuille de TP6

Le but de ce TP est dimplmenter la mthode de factorisation A = LU ainsi que


de lappliquer pour diffrents calculs.
1. Proposer un algorithme permettant de calculer la factorisation LU dune matrice.
2. Dans un chier "TP6.sci", implmenter une fonction F acLU (A) qui, partir
dune matrice donne A retourne une matrice, contenant L dans sa partie
triangulaire infrieure et U dans sa partie triangulaire suprieure.
3. Donner la dcomposition LU de la matrice suivante :

2
3
4
5
6
4
9
7
12 13

12 9
16 20 .
6

6
6 17 17 16
4 3 15 17 8

4. Comment peut-on calculer le dterminant de A lorsquon connait la dcomposition LU ? Ajouter quelques lignes la fonction prcdente pour quelle
renvoie galement le dterminant de A.
5. Implmenter une fonction x = resoutLU (A, b) qui partir dune matrice
A et dun vecteur b renvoie la solution du systme Ax = b.
6. Rsoudre le systme Ax = b laide de la fonction resoutLU , pour

5
15

b = 33 .

10
28

7. Implmenter une fonction X = ResoutLU 2(A, B) qui partir des donnes


dune matrice A Rn,n et dune matrice B Rn,p retourne la matrice X
telle que AX = B. Calculer X pour

78
45
160
63

86
B = 231

259
213
197 201

107
356

491 .

124
6

3.5. MTHODE DE DCOMPOSITION QR

75

8. En dduire une fonction C = Inverse(A) qui renvoie linverse de la matrice


A.

76CHAPITRE 3. MTHODES DIRECTES DE RSOLUTION DU SYSTME LINAIRE AX = B


L2. Mthodes numriques.

Universit du Havre
Feuille de TP7

Le but de ce TP est dimplmenter la mthode de factorisation de Cholesky, et de


comparer ses performances avec la mthode de factorisation LU .
1. On rappelle que la mthode de Cholesky, donne, lorsque A est symtrique
dnie positive, la dcomposition suivante :
A = BB t

(3.5)

o B est une matrice triangulaire infrieure. En crivant le produit matriciel


de lquation (3.5) et en identiant les coefcients des matrices, proposer un
algorithme pour calculer la matrice B lorsque la matrice A est donne.
2. Implmenter une fonction C HOLESKY (A) dans Scilab qui partir dune matrice dnie positive renvoie la matrice B vriant lgalit (3.5). Puis une
fonction R ESOUT CH(A,b) qui rsout le systme linaire Ax = b.
3. On se propose maintenant de comparer les performances des deux dcompositions LU et Cholesky. crire une fonction qui gnre alatoirement une
matrice symtrique dnie positive de taille n. Puis une fonction qui compare le temps utilis par Scilab pour effectuer les factorisations LU et Cholesky, sur des matrices de taille n = 10, 20, ..., 100 (on utilisera les fonctions
de Scilab, tic() et toc()). Tracer sur un mme graphique les temps utiliss en
fonction de la taille de la matrice.