Vous êtes sur la page 1sur 191

MT09-Analyse numrique lmentaire

Chapitre 2 : Mthodes directes de rsolution des systmes linaires


quipe de Mathmatiques Appliques
UTC
Juin 2007

Sommaire
Concepts
Exemples
Exercices
Documents
suivant
2
Chapitre II
Rsolution des systmes linaires
II.1 Motivations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
II.2 Llimination de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
II.3 Calcul direct de la factorisation A = LU . . . . . . . . . . . . . . . . . . . . . . . 21
II.4 Factorisation LU avec recherche de pivots . . . . . . . . . . . . . . . . . . . . . . 28
II.5 Traitement des matrices symtriques . . . . . . . . . . . . . . . . . . . . . . . . 42
II.6 Normes matricielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51
II.7 Conditionnement dun systme linaire . . . . . . . . . . . . . . . . . . . . . . . 61
Exemples du chapitre II . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
Documents du chapitre II . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
Exercices du chapitre II . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75
Sommaire
Concepts
Exemples
Exercices
Documents
chapitre section suivante
3
II.1 Motivations
II.1.1 Equation de la chaleur . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
Sommaire
Concepts
Exemples
Exercices
Documents
section
4
II.1.1 Equation de la chaleur
Exercices :
Exercice II.1
Avant de commencer voyons un exemple simple qui montre que lon peut tre amen r-
soudre des systmes linaires de grande taille.Il sagit de la rsolution de lquation de la chaleur
stationnaire en dimension 1 :
_
_
_

d
2
u
dx
2
(x) = f(x) , x ]0, 1[,
u(0) = 0,
u(1) = 0.
On peut imaginer u(x) comme la distribution de temprature dune barre de longueur 1 (dont
toutes les constantes physiques ont t normalises), chauffe de lintrieur par un ux de
chaleur f(x). Les extrmits de la barre sont maintenues une temprature nulle. Dans cer-
taines situations particulires il est possible dobtenir la solution exacte ; cest le cas lorsque
lon connat une double primitive de f. Dans le cas gnral on peut chercher une approxima-
tion de u(x) en certains points (x
k
), avec k = 0 . . . N. Pour simplier, on choisit des points x
k
quidistants, on a donc h =
1
N
, et x
k
= kh.
Aux points x
k
, lquation se rcrit :
_
_
_

d
2
u
dx
2
(x
k
) = f(x
k
) , k = 1, . . . , N 1,
u(x
0
) = 0,
u(x
N
) = 0.
(II.1.1)
On remarque par cette quation que la valeur de u est connue sur les bords de lintervalle [0, 1].
Les drives apparaissant dans lquation sont approches par des formules nutilisant que la
Sommaire
Concepts
Exemples
Exercices
Documents
section
5
Equation de
la chaleur
valeur de u sur le rseau de points (x
k
). On peut approcher la drive seconde de u laide de la
formule classique :
d
2
u
dx
2
(x
k
) =
u(x
k1
) 2u(x
k
) + u(x
k+1
)
h
2
+O(h
2
) (II.1.2)
Si lon se donne le droit de ngliger le reste O(h
2
) (on peut penser que ceci est raisonnable si le
nombre N de subdivisions est assez grand), on peut obtenir une approximation v
k
u(x
k
) en
crivant les quations suivantes :
_
_
_

v
k1
2v
k
+v
k+1
h
2
= f(x
k
) , k = 1, . . . , N 1
v
0
= 0,
v
N
= 0,
qui peuvent se mettre sous la forme matricielle suivante :
1
h
2
_
_
_
_
_
_
_
2 1 0
1 2 1
.
.
.
.
.
.
.
.
.
1 2 1
0 1 2
_
_
_
_
_
_
_
_
_
_
_
_
_
_
v
1
v
2
.
.
.
v
N2
v
N1
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
f(x
1
)
f(x
2
)
.
.
.
f(x
N2
)
f(x
N1
)
_
_
_
_
_
_
_
et v
0
= v
N
= 0.
Voil donc un exemple de problme physique dont la rsolution approche conduit la r-
solution dun systme linaire (ici la matrice du systme a une forme assez particulire : cest
une matrice tridiagonale). Nous allons maintenant voir quelles sont les diffrentes mthodes
raisonnables de rsolution des systmes linaires, raisonnables dans le sens o ces mthodes
peuvent tre facilement implantes sur ordinateur.
Sommaire
Concepts
Exemples
Exercices
Documents
section prcdente chapitre section suivante
6
II.2 Llimination de Gauss
II.2.1 Rsolution dun systme triangulaire . . . . . . . . . . . . . . . . . . . 7
II.2.2 Principe de la mthode de Gauss et premire tape . . . . . . . . . . . 9
II.2.3 Deuxime tape . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
II.2.4 tape gnrale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
II.2.5 Algorithme dlimination de Gauss . . . . . . . . . . . . . . . . . . . . . 15
II.2.6 criture matricielle de llimination de Gauss . . . . . . . . . . . . . . 17
II.2.7 Unicit de la factorisation LU . . . . . . . . . . . . . . . . . . . . . . . . 19
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
7
II.2.1 Rsolution dun systme triangulaire
Exercices :
Exercice II.2
Exercice II.3
Dans tout ce qui suit on considrera une matrice A /
nn
(IR) quon supposera inversible.
On cherche rsoudre le systme linaire
Ax = b, (II.2.1)
o b IR
n
est donn. Un cas facile traiter est le cas o Aest une matrice triangulaire infrieure
(pour xer les ides) : on a alors
a
ij
= 0, pour j > i.
De plus, comme A est inversible on a ncessairement a
ii
,= 0 i. La mthode de rsolution est
immdiate :
x
1
=
b
1
a
11
,
puis
a
21
x
1
+ a
22
x
2
= b
2
x
2
=
1
a
22
(b
2
a
21
x
1
).
On peut donc crire la formule gnrale :
x
i
=
1
a
ii
_
_
b
i

i1

j=1
a
ij
x
j
_
_
, pour i = 2, 3, . . . , n.
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
8
Rsolution
dun systme
triangulaire
On obtient donc les valeurs des inconnues dans lordre naturel.
Dans le cas o la matrice A est triangulaire suprieure, le calcul des inconnues est donn
par
_

_
x
n
=
b
n
a
nn
x
i
=
1
a
ii
_
_
b
i

j=i+1
a
ij
x
j
_
_
, pour i = n 1, n 2, . . . , 1.
On notera que lon obtient dans ce dernier cas les valeurs des inconnues dans lordre des indices
dcroissants.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
9
II.2.2 Principe de la mthode de Gauss et premire tape
Exercices :
Exercice II.4
Le principe de la mthode dlimination de Gauss consiste alors mettre le systme linaire
Ax = b sous la forme

Ax =

b (II.2.2)
o la matrice

A est triangulaire suprieure, la rsolution de ce nouveau systme tant assez
simple comme on vient de le voir prcdemment.
Attention! La matrice

A nest pas semblable A. Autrement dit, il ne faut pas croire que
les matrices A et

A ont les mmes valeurs propres. Cest dommage, puisque les valeurs propres
de

A sont ses termes diagonaux. ce sujet, il est noter quil nest pas possible de calculer en
un nombre ni dtapes les valeurs propres dun matrice de rang suprieur 5.
Le systme (II.2.2) est simplement quivalent au systme Ax = b do nous sommes partis
et la mthode consiste liminer successivement des inconnues entre les quations.
liminons dans un premier temps la premire inconnue, savoir x
1
: on part de
A
(1)
= A =
_
_
_
_
_
_
_
_
_
_
a
11
a
12
. . . a
1j
. . . a
1n
a
21
a
22
. . . a
2j
. . . a
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
i1
a
i2
. . . a
ij
. . . a
in
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nj
. . . a
nn
_
_
_
_
_
_
_
_
_
_
, b
(1)
= b =
_
_
_
_
_
_
_
_
_
_
b
1
b
2
.
.
.
b
i
.
.
.
b
n
_
_
_
_
_
_
_
_
_
_
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
10
Principe de la
mthode de
Gauss et
premire
tape
On peut alors liminer linconnue x
1
entre les deux premires quations en retranchant de la
deuxime ligne de A la premire pr-multiplie par le coefcient
a
21
a
11
, condition que a
11
soit
non nul, ce que lon supposera pour le moment . Ceci conduit donc remplacer
a
(1)
2j
= a
2j
a
(2)
2j
= a
2j

a
21
a
11
a
1j
pour j = 1, 2, . . . , n
et paralllement
b
(1)
2
= b
2
b
(2)
2
= b
2

a
21
a
11
b
1
.
La matrice et le vecteur second membre du systme prennent les formes suivantes :
_
_
_
_
_
_
_
_
_
_
a
11
a
12
. . . a
1j
. . . a
1n
0 a
(2)
22
. . . a
(2)
2j
. . . a
(2)
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
i1
a
i2
. . . a
ij
. . . a
in
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
n1
a
n2
. . . a
nj
. . . a
nn
_
_
_
_
_
_
_
_
_
_
,
_
_
_
_
_
_
_
_
_
_
b
1
b
(2)
2
.
.
.
b
i
.
.
.
b
n
_
_
_
_
_
_
_
_
_
_
,
o on notera que le coefcient a
(2)
21
est nul (on a fait ce quil fallait pour cela), ce qui signie que
linconnue x
1
ne gure plus dans la deuxime quation du systme.
On peut recommencer lopration sur la troisime ligne en retranchant de celle-ci la premire
pr-multiplie par le coefcient
a
31
a
11
, et ainsi de suite. Pour la ligne i cela donne les formules
_
_
_
a
(1)
ij
= a
ij
a
(2)
ij
= a
ij

a
i1
a
11
a
1j
pour j = 1, 2, . . . , n
b
(1)
i
= b
i
b
(2)
i
= b
i

a
i1
a
11
b
1
.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
11
Principe de la
mthode de
Gauss et
premire
tape
Lorsquon a fait llimination jusqu la dernire ligne on obtient un systme linaire sous la
forme A
(2)
x = b
(2)
avec
A
(2)
=
_
_
_
_
_
_
_
_
_
_
_
a
11
a
12
. . . a
1j
. . . a
1n
0 a
(2)
22
. . . a
(2)
2j
. . . a
(2)
2n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 a
(2)
i2
. . . a
(2)
ij
. . . a
(2)
in
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 a
(2)
n2
. . . a
(2)
nj
. . . a
(2)
nn
_
_
_
_
_
_
_
_
_
_
_
, b
(2)
=
_
_
_
_
_
_
_
_
_
_
_
b
1
b
(2)
2
.
.
.
b
(2)
i
.
.
.
b
(2)
n
_
_
_
_
_
_
_
_
_
_
_
On dit quon vient de raliser la premire tape de llimination de Gauss, ce qui a consist
faire apparatre des 0 sur la premire colonne en dessous de la diagonale.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
12
II.2.3 Deuxime tape
Exercices :
Exercice II.5
La deuxime tape consiste liminer la deuxime inconnue x
2
des quations 3, 4, . . . , n.
Pour cela on commence par la troisime ligne, en supposant maintenant que a
(2)
22
est non nul.
Ce qui conduit aux formules :
_

_
a
(2)
3j
a
(3)
3j
= a
(2)
3j

a
(2)
32
a
(2)
22
a
(2)
2j
pour j = 2, 3, . . . , n
b
(2)
3
b
(3)
3
= b
(2)
3

a
(2)
32
a
(2)
22
b
(2)
2
.
La formule pour la ligne i ( i = 3, ..., n) scrit alors
_

_
a
(2)
ij
a
(3)
ij
= a
(2)
ij

a
(2)
i2
a
(2)
22
a
(2)
2j
pour j = 2, 3, . . . , n
b
(2)
i
b
(3)
i
= b
(2)
i

a
(2)
i2
a
(2)
22
b
(2)
2
.
Ce calcul tant fait jusqu la ligne n, on obtient un systme sous la forme
A
(3)
x = b
(3)
avec
A
(3)
=
_
_
_
_
_
_
_
_
a
11
a
12
a
13
. . . a
1j
. . . a
1n
0 a
(2)
22
a
(2)
23
. . . a
(2)
2j
. . . a
(2)
2n
0 0 a
(3)
33
. . . a
(3)
3j
. . . a
(3)
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 a
(3)
n3
. . . a
(3)
nj
. . . a
(3)
nn
_
_
_
_
_
_
_
_
, b
(3)
=
_
_
_
_
_
_
_
_
b
1
b
(2)
2
b
(3)
3
.
.
.
b
(3)
n
_
_
_
_
_
_
_
_
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
13
II.2.4 tape gnrale
Exercices :
Exercice II.6
On peut alors dnir lalgorithme gnral en supposant quon a effectu k 1 tapes de
llimination de Gauss, et on a un systme qui scrit A
(k)
x = b
(k)
, avec A
(k)
et b
(k)
donns par
A
(k)
=
_
_
_
_
_
_
_
_
_
_
_
_
_
a
11
a
12
a
13
. . . a
1k
. . . a
1n
0 a
(2)
22
a
(2)
23
. . . a
(2)
2k
. . . a
(2)
2n
0 0 a
(3)
33
. . . a
(3)
3k
. . . a
(3)
3n
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . a
(k)
kk
. . . a
(k)
kn
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 0 0 . . . a
(k)
nk
. . . a
(k)
nn
_
_
_
_
_
_
_
_
_
_
_
_
_
, b
(k)
=
_
_
_
_
_
_
_
_
_
_
_
_
_
b
1
b
(2)
2
b
(3)
3
.
.
.
b
(k)
k
.
.
.
b
(k)
n
_
_
_
_
_
_
_
_
_
_
_
_
_
Ltape k consiste faire llimination de la variable x
k
dans les quations k + 1, k + 2, . . . , n.
Ceci conduit aux formules suivantes, dnies pour i = k + 1, k + 2, . . . , n,
_

_
a
(k)
ij
a
(k+1)
ij
= a
(k)
ij

a
(k)
ik
a
(k)
kk
a
(k)
kj
pour j = k, k + 1, . . . , n
b
(k)
i
b
(k+1)
i
= b
(k)
i

a
(k)
ik
a
(k)
kk
b
(k)
k
.
On voit que la ligne i de la matrice A
(k)
et du vecteur b
(k)
nest plus modie par lalgo-
rithme ds que i k.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
14
tape
gnrale
ltape k on pratique llimination sur une matrice carre dont la taille est n k + 1.
Les modications effectues sur la matrice Aau cours des tapes ne changent pas la valeur
du dterminant puisquune ligne est toujours remplace par elle mme plus une combinai-
son de la ligne "pivot". On a donc
det A = det A
(k)
, pour k = 1, . . . , n.
Lalgorithme se termine ltape k = n. La matrice A
(n)
ainsi obtenue est la matrice
triangulaire suprieure

A cherche et b
(n)
est le vecteur

b du systme

Ax =

b, qui est bien


quivalent au systme Ax = b.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
15
II.2.5 Algorithme dlimination de Gauss
Exercices :
Exercice II.7
Exercice II.8
En partant de A
(1)
= A et b
(1)
= b on construit par rcurrence, pour k = 1, 2, . . . , n, des
matrices A
(k)
et des vecteurs b
(k)
tels que le systme Ax = b soit quivalent
A
(k)
x = b
(k)
,
de plus la matrice A
(n)
est triangulaire suprieure.
Dnition II.2.1. On appelle pivots les nombres a
(k)
kk
.
Comme nous lavons dj not, ltape k de llimination ne modie que les lignes et les
colonnes k + 1 n. Cela veut dire que de faon pratique, on na pas besoin de conserver les
diffrentes versions de A
(k)
et b
(k)
. On travaille donc avec la matrice A et le vecteur b originaux,
dans lesquels on crase au fur et mesure les anciens termes.
Attention!
On ne peut pas a priori savoir si les pivots seront non nuls, en effet ltape k de lalgorithme
modie les valeurs de termes diagonaux des lignes k + 1, k + 2, . . . , n.
Lalgorithme peut sarrter si une tape quelconque k on a a
(k)
kk
= 0. Cette situation
peut malheureusement se produire mme si la matrice est rgulire, comme le montre
lexemple suivant :
A =
_
0 1
1 1
_
(II.2.3)
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
16
Algorithme
dlimination
de Gauss
o a
(1)
11
= 0 ! En examinant ce petit exemple, on voit quen permutant les deux lignes de A
le systme est triangulaire et llimination de Gauss est toute faite ! On peut donc esprer
quen permutant ventuellement les lignes et/ou les colonnes on puisse toujours trouver
un pivot non nul.
Algorithme dlimination de GAUSS
1: pour k = 1 jusqu n 1 faire
2: si [a
kk
[ < alors
3: Arrter lalgorithme et donner un message derreur
4: sinon
5: pour i = k + 1 jusqu n faire
6: c a
ik
/a
kk
7: b
i
b
i
cb
k
8: a
ik
0
9: pour j = k + 1 jusqu n faire
10: a
ij
a
ij
ca
kj
11: n pour
12: n pour
13: n si
14: n pour
15: si [a
nn
[ < alors
16: Arrter lalgorithme et donner un message derreur
17: n si
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
17
II.2.6 criture matricielle de llimination de Gauss
Exercices :
Exercice II.9
Llimination de Gauss consiste construire une suite de matrice A
(1)
, A
(2)
, ..., A
(n)
. La ma-
trice du systme que lon rsout est la matrice triangulaire A
(n)
. Lindice i tant donn, on va
exprimer la ime ligne de A partir des lignes de la matrice A
(n)
. Pour une notation lisible,
nous noterons la ime ligne dune matrice C : C
i
.
On peut tout dabord remarquer que, partir de la matrice A
(i)
, la ime ligne nest plus
modie, cest--dire :
A
(i)
i
= A
(i+1)
i
= ... = A
(n)
i
(II.2.4)
Explicitons successivement la ime ligne des matrices A
(1)
, A
(2)
, ...
A
(1)
i
= A
i
A
(2)
i
= A
(1)
i
m
i1
A
(1)
1
, avec m
i1
=
a
(1)
i1
a
(1)
11
A
(3)
i
= A
(2)
i
m
i2
A
(2)
2
, avec m
i2
=
a
(2)
i2
a
(2)
22
....
A
(i)
i
= A
(i1)
i
m
i,i1
A
(i1)
i1
, avec m
ii1
=
a
(i1)
i,i1
a
(i1)
i1,i1
En ajoutant les galits prcdentes, on obtient :
A
i
= m
i1
A
(1)
1
+ m
i2
A
(2)
2
+ ... + m
i,i1
A
(i1)
i1
+ A
(i)
i
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
18
criture
matricielle de
llimination
de Gauss
En utilisant lquation II.2.4, on a :
A
i
= m
i1
A
(n)
1
+ m
i2
A
(n)
2
+ ... + m
i,i1
A
(n)
i1
+ A
(n)
i
.
Si lon pose m
ii
= 1, m
ij
= 0 pour j > i, on obtient :
A
i
= m
i1
A
(n)
1
+ . . . + m
i,i1
A
(n)
i1
+ m
ii
A
(n)
i
+ m
i,i+1
A
(n)
i+1
+ . . . + m
in
A
(n)
n
.
En utilisant les proprits du produit matriciel, cela scrit :
A
i
= (m
i1
m
i2
... m
in
)A
(n)
, donc A = MA
(n)
o M est la matrice dnie par :
_
_
_
_
_
_
_
_
1 0 . . . . . . . . . 0
m
21
1 0 . . . . . . 0
m
31
m
32
1 0 . . . 0
. . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . .
m
n1
m
n2
. . . . . . m
nn1
1
_
_
_
_
_
_
_
_
La matrice M est triangulaire infrieure avec des 1 sur la diagonale, cette matrice est sou-
vent note L, la matrice A
(n)
est triangulaire suprieure, elle est souvent note U, on vient
dcrire une factorisation de A sous la forme A = LU.
On pourrait montrer de manire similaire que A = L
(k1)
A
(k)
, avec
L
(k1)
=
_
_
_
_
_
_
_
_
_
_
1 0 . . . . . . . . . ... 0
m
21
1 0 . . . . . . ... 0
... ... 1 0 . . . ... 0
m
k1
. . . m
kk1
1 0 . . . 0
m
k+11
. . . m
k+1k1
0 1 . . . 0
... ... ... ... ... ... ...
m
n1
... m
k+1k1
0 ... 0 1
_
_
_
_
_
_
_
_
_
_
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
19
II.2.7 Unicit de la factorisation LU
Exercices :
Exercice II.10
Cours :
Eliminationde Gauss / factorisation
A = LU
Dans le paragraphe rfrenc, nous avons montr quune matrice A pouvait se factoriser en
un produit dune matrice triangulaire infrieure L et dune matrice triangulaire suprieure U
condition que lon puisse appliquer llimination de Gauss la matrice A, ce qui est possible si
les pivots sont non nuls. Nous avons alors le thorme suivant :
Thorme II.2.2. Si au cours de llimination de Gauss les pivots sont non nuls, alors il existe
une matrice triangulaire infrieure L et une matrice triangulaire suprieure U, telles que lon ait
A = LU. (II.2.5)
De plus si on impose L davoir ses lments diagonaux gaux 1 alors la factorisation est
unique.
Dmonstration - Il reste dmontrer lunicit. Soit donc une autre factorisation :
A =

L

U,

L ayant ses lments diagonaux gaux 1. On a donc


LU =

L

U,
et comme les matrices L et U sont inversibles, on peut crire

L
1
L =

UU
1
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
20
Unicit de la
factorisation
LU
or

L
1
L est une matrice triangulaire infrieure qui a ses lments diagonaux gaux 1, et

UU
1
est une matrice triangulaire suprieure. Ces deux matrices ne peuvent tre gales que
si, dune part, elles sont diagonales et que, dautre part, il y a galit des lments diagonaux
(gaux 1 pour

L
1
L), do

L
1
L =

UU
1
= I,
et donc L =

L et U =

U.
Dans cette dmonstration on a utilis des rsultats sur les matrices triangulaires qui ont t
dmontrs en exercice dans le chapitre de rvision dalgbre linaire. En particulier, le produit
de deux matrices triangulaires infrieures (resp. suprieures) est triangulaire infrieure (resp.
suprieure) et linverse dune matrice triangulaire infrieure (resp. suprieure) est triangulaire
infrieure (resp. suprieure) avec ses lments diagonaux qui sont les inverses des lments
diagonaux de la matrice originale.
Sommaire
Concepts
Exemples
Exercices
Documents
section prcdente chapitre section suivante
21
II.3 Calcul direct de la factorisation A = LU
II.3.1 Motivations de la factorisation LU . . . . . . . . . . . . . . . . . . . . . 22
II.3.2 Principe du calcul direct de la factorisation LU . . . . . . . . . . . . . . 24
II.3.3 Algorithme de Doolittle . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
22
II.3.1 Motivations de la factorisation LU
Exercices :
Exercice II.11
Cours :
Eliminationde Gauss / factorisation
A = LU
Rsolution des systmes linaires
Dans certaines situations on a besoin de rsoudre plusieurs fois le systme linaire Ax = b
avec la mme matrice A mais pour plusieurs seconds membres diffrents. Il semble alors
inutile de recommencer les oprations dlimination sur A qui est inchange et lon nef-
fectue celles-ci que sur le second membre b. Ces oprations tant linaires on doit pouvoir
les mettre sous forme matricielle.
Reprenons le systme
Ax = b. (II.3.1)
Si lon dispose dune factorisation A = LU, telle que celle obtenue dans le paragraphe
rfrenc, mais que nous allons calculer directement dans les paragraphes suivants, alors
on peut rcrire Ax = b sous la forme
LUx = b. (II.3.2)
La solution de ce systme sobtient en rsolvant successivement les deux systmes
_
Ly = b,
Ux = y,
ce qui correspond la rsolution de deux systmes triangulaires.
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
23
Motivations
de la
factorisation
LU
Calcul du dterminant
Comme nous lavons dj soulign la matrice U nest pas semblable A, cependant on a
det(A) = det(LU) = det(L) det(U) = det(U) =
n

k=1
a
(k)
kk
,
ce qui fournit une mthode conomique (par rapport au dveloppement suivant une ligne
ou une colonne) de calcul du dterminant de A. A titre dexemple dans le cas n = 10 il faut
de lordre de 10
3
oprations en utilisant le mthode de Gauss et de lordre de 10
7
oprations
par un calcul direct. Dans ce cas on na pas besoin dexpliciter L puisque son dterminant
vaut a priori 1.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
24
II.3.2 Principe du calcul direct de la factorisation LU
Exercices :
Exercice II.12
Rappelons la prsentation classique de lalgorithme de Doolittle. On oublie lalgorithme dli-
mination de Gauss, pour chercher directement une dcomposition de A de la forme A = LU, o
L est triangulaire infrieure et U triangulaire suprieure. Pour assurer lunicit de la dcompo-
sition, nous demandons que la diagonale de L soit unitaire (l
ii
= 1, i = 1, . . . , n).
Traitons un exemple, soit la matrice A =
_
_
2 1 2
4 5 3
2 5 3
_
_
,
on cherche L =
_
_
1 0 0
1 0
1
_
_
, U =
_
_

0
0 0
_
_
telles que A = LU.
On identie la premire ligne de A et la premire ligne de LU, cela permet dobtenir la
premire ligne de U :
LU =
_
_
1 0 0
1 0
1
_
_
_
_
2 1 2
0
0 0
_
_
=
_
_
2 1 2
4 5 3
2 5 3
_
_
.
On identie la premire colonne de A avec la premire colonne de LU, cela permet dobte-
nir la premire colonne de L :
LU =
_
_
1 0 0
2 1 0
1 1
_
_
_
_
2 1 2
0
0 0
_
_
=
_
_
2 1 2
4 5 3
2 5 3
_
_
.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
25
Principe du
calcul direct
de la
factorisation
LU
On identie la deuxime ligne de A avec la deuxime ligne de LU, cela permet dobtenir la
deuxime ligne de U :
LU =
_
_
1 0 0
2 1 0
1 1
_
_
_
_
2 1 2
0 3 1
0 0
_
_
=
_
_
2 1 2
4 5 3
2 5 3
_
_
.
On identie la deuxime colonne de A avec la deuxime colonne de LU, cela permet dob-
tenir la deuxime colonne de L :
LU =
_
_
1 0 0
2 1 0
1 2 1
_
_
_
_
2 1 2
0 3 1
0 0
_
_
=
_
_
2 1 2
4 5 3
2 5 3
_
_
.
On identie la troisime ligne de A avec la troisime ligne de LU, cela permet dobtenir la
troisime ligne de U :
LU =
_
_
1 0 0
2 1 0
1 2 1
_
_
_
_
2 1 2
0 3 1
0 0 1
_
_
=
_
_
2 1 2
4 5 3
2 5 3
_
_
.
Une autre mthode consiste calculer toujours explicitement une dcomposition LU de la
matrice A, mais cette fois-ci cest la diagonale de U qui est forme de 1 mais non plus celle de L.
Cette mthode, vue en exercice, conduit lalgorithme de Crout.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
26
II.3.3 Algorithme de Doolittle
Exercices :
Exercice II.13
En crivant A = LU et en se souvenant que les matrice L et U sont triangulaires et que les
termes diagonaux de L valent 1, on obtient
A
i
= L
i
U =
i1

k=1
l
ik
U
k
+ U
i
. U
i
= A
i

i1

k=1
l
ik
U
k
.
Nous voyons que pour calculer les lments de la ime ligne de U, U
i
, il nous faut connatre
pralablement les lments des lignes 1 i 1 de U ainsi que les lments des colonnes 1 i 1
de L. On peut remarquer de plus que, pratiquement, on ne calculera que les termes u
ij
pour j
compris entre i et n, puisque les autres termes de la ligne sont connus car nuls.
De manire similaire on a :
A
i
= LU
i
=
i1

k=1
u
ki
L
k
+ u
ii
L
i
. L
i
=
1
u
ii
_
A
i

i1

k=1
u
ki
L
k
_
.
Nous voyons que, pour calculer les lments de la ime colonne de L, L
i
, il nous faut connatre
pralablement les lments des lignes 1 i de U ainsi que les lments des colonnes 1 i 1
de L. On peut remarquer de plus que, pratiquement, on ne calculera que les termes l
ji
pour j
compris entre i + 1 et n, puisque on sait dj que l
ii
= 1 et que les autres termes de la colonne
sont nuls.
Nous allons donc calculer :
la premire ligne de U, puis la premire colonne de L,
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
27
Algorithme
de Doolittle
la deuxime ligne de U, puis la deuxime colonne de L,. . .
et ainsi de suite. Cet algorithme est dcrit ci-dessous, si besoin est, il faut complter les matrices
L et U, pour U en mettant des zros pour la partie triangulaire infrieure, pour L en mettant
des zros pour la partie triangulaire suprieure et des uns sur la diagonale.
Algorithme de DOOLITTLE
1: pour i = 1 jusqu n 1 faire
2: pour j = i jusqu n faire
3: u
ij
a
ij

i1
k=1
l
ik
u
kj
4: n pour
5: pour j = i + 1 jusqu n faire
6: l
ji

1
u
ii
_
a
ji

i1
k=1
l
jk
u
ki
_
7: n pour
8: n pour
9: u
nn
a
nn

n1
k=1
l
nk
u
kn
Sommaire
Concepts
Exemples
Exercices
Documents
section prcdente chapitre section suivante
28
II.4 Factorisation LU avec recherche de pivots
II.4.1 Faisabilit de la factorisation A = LU . . . . . . . . . . . . . . . . . . . 29
II.4.2 Pivot nul. Permutation de lignes . . . . . . . . . . . . . . . . . . . . . . 30
II.4.3 Choix du pivot. Pivot maximal . . . . . . . . . . . . . . . . . . . . . . . 32
II.4.4 La factorisation PA = LU . . . . . . . . . . . . . . . . . . . . . . . . . . 34
II.4.5 Algorithme de la factorisation PA = LU . . . . . . . . . . . . . . . . . . 37
II.4.6 Application la rsolution dun systme linaire . . . . . . . . . . . . . 39
II.4.7 La mthode du pivot total . . . . . . . . . . . . . . . . . . . . . . . . . . 41
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
29
II.4.1 Faisabilit de la factorisation A = LU
Exercices :
Exercice II.14
Tout ce que nous avons fait jusquici suppose qu aucun moment on ne rencontre de pivot
nul. Nous allons voir ici quil existe une condition simple pour garantir la non-nullit de ces
pivots. Voici tout dabord une dnition qui va nous servir par la suite :
Dnition II.4.1. On appelle sous-matrice principale dordre k de la matrice A et on note [A]
k
la matrice
[A]
k
= (a
ij
)
1ik, 1jk
.
On a le thorme suivant :
Thorme II.4.2. Les trois propositions suivantes sont quivalentes :
Proposition 1 :
Tous les pivots a
(k)
kk
sont dnis et a
(k)
kk
,= 0, k = 1, ..., n.
Proposition 2 :
A admet une factorisation A = LU avec U inversible .
Proposition 3 :
[A]
1
, [A]
2
, . . . , [A]
n
inversibles.
Dmonstration
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
30
II.4.2 Pivot nul. Permutation de lignes
On suppose toujours que la matrice A est inversible, mais cette fois la condition nonce
dans le throrme II.4.2 nest plus vrie, supposons que lon a :
a
(1)
11
,= 0, a
(2)
22
,= 0, ..., a
(k1)
k1k1
,= 0, a
(k)
kk
= 0.
On a donc pu construire la matrice A
(k)
comme prcdemment :
A
(k)
=
_
_
_
_
_
_
_
_
_
_
_
a
(1)
11
. . . . . .
0 a
(2)
22
. . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 . . . 0 a
(k)
kk
. . . a
(k)
kn
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
0 . . . 0 a
(k)
nk
. . . a
(k)
nn
_
_
_
_
_
_
_
_
_
_
_
Par contre puisque a
(k)
kk
= 0, il nest pas possible de calculer A
(k+1)
comme prcdemment.
Existe-t-il un coefcient a
(k)
ik
, i = k + 1, ...n non nul ? Si cest le cas, comme lordre des quations
composant un systme dquations linaires ne joue aucun rle, nous pouvons permuter la k
`eme
ligne avec lune des lignes suivantes, il faut bien sr permuter les seconds membres en parallle.
On obtiendra un nouveau coefcient a
(k)
kk
non nul et on pourra poursuivre.
Existe-t-il un coefcient a
(k)
ik
, i > k non nul ? La rponse est oui, montrons-le.
Si lon pose
S
k
=
_
_
_
_
a
(k)
k,k
. . . a
(k)
k,n
.
.
.
.
.
.
.
.
.
a
(k)
n,k
. . . a
(k)
nn
_
_
_
_
,
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
31
Pivot nul.
Permutation
de lignes
on montre aisment que
det A
(k)
= a
(1)
11
a
(2)
22
...a
(k1)
k1k1
det S
k
.
Or det A
(k)
= det A ,= 0, donc det S
k
,= 0, donc la premire colonne de S
k
nest pas nulle, donc il
existe un coefcient a
(k)
ik
, i > k non nul. Il est donc possible de continuer llimination de Gauss
condition dchanger lordre des quations.
Proposition II.4.1. toute tape k de la mthode dlimination de Gauss il existe au moins
un lment non nul dans la colonne k et situ sur la ligne i avec i k.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
32
II.4.3 Choix du pivot. Pivot maximal
Exemples :
Exemple II.1
Exercices :
Exercice II.15
En thorie, ce nest que lorsquun pivot est nul que lon est oblig de permuter les quations
donc les lignes de A. Pratiquement, il y a des cas o le pivot nest pas nul, mais o lchange
des lignes est souhaitable cause des erreurs numriques, voir lexemple rfrenc. On peut
dmontrer que lon a intrt, au moment de llimination de chacune des inconnues x
k
, re-
chercher puis choisir, le coefcient a
(k)
ik
le plus grand en module pour k i n, puis layant
trouv de permuter les lignes correspondantes. En outre, lexprience numrique conrme ce
rsultat mathmatique.
En pratique donc, on fera toujours (mme si a
(k)
kk
est non nul) des changes de lignes de
faon avoir le pivot le plus grand en valeur absolue : ltape k de llimination de Gauss, on
recherchera dans la colonne k, pour les indices de ligne i variant de k n, llment a
(k)
lk
tel que
i k, k + 1, . . . , n, [a
(k)
ik
[ [a
(k)
lk
[
et on changera les lignes l et k. Une tape de lalgorithme dlimination de Gauss avec permu-
tation de lignes peut donc se reprsenter par
A
(k+1)
= M
(k)
P
(k)
A
k
,
o P
(k)
est la matrice de permutation permettant de permuter les lignes l et k o l k. Comme
on peut le montrer dans lexercice rfrenc, cette matrice a tous ses lments nuls sauf
_
_
_
p
ii
= 1, i ,= k, i ,= l
p
kl
= 1,
p
lk
= 1.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
33
Choix du
pivot. Pivot
maximal
Cette matrice tant une matrice de permutation symtrique elle possde la proprit
P
(k)
= P
(k)
T
= P
(k)
1
.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
34
II.4.4 La factorisation PA = LU
Exemples :
Exemple II.2
Vous pouvez commencer par tudier lexemple rfrenc. Dans le cas gnral :
On commence par une recherche de pivot maximal dans la premire colonne de A, si ce
pivot se trouve en ligne numro , on change les lignes 1 et de A, cest--dire si P
(1)
est la matrice de permutation qui change la ligne 1 et la ligne , on calcule

A
(1)
= P
(1)
A.
On effectue la premire tape de la mthode de Gauss sur la matrice

A
(1)
, cest--dire
on dtermine L
(1)
et A
(2)
telles que
P
(1)
A = L
(1)
A
(2)
.
On effectue une recherche de pivot maximal dans la deuxime colonne de A
(2)
, si ce
pivot se trouve en ligne numro , on change les lignes 2 et de A
(2)
, cest--dire on
calcule P
(2)
A
(2)
o P
(2)
est la matrice de permutation qui change les lignes 2 et .
On peut alors remarquer que P
(2)
P
(1)
A = P
(2)
L
(1)
P
(2)
P
(2)
A
(2)
, en appliquant la propo-
sition II.4.2 P
(2)
L
(1)
P
(2)
=

L
(1)
, on peut poser

A
(2)
= P
(2)
A
(2)
, on a donc
P
(2)
P
(1)
A =

L
(1)

A
(2)
.
On effectue la deuxime tape de la mthode de Gauss sur la matrice

A
(2)
, cest--dire
on dtermine L
(2)
et A
(3)
telles que
P
(2)
P
(1)
A = L
(2)
A
(3)
.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
35
La
factorisation
PA = LU
De faon gnrale lorsque lon a obtenu
P
(k1)
...P
(1)
A = L
(k1)
A
(k)
,
on pivote sur la colonne k de A
(k)
, on obtient
P
(k)
P
(k1)
...P
(1)
A =

L
(k1)

A
(k)
on effectue la kime tape de la mthode de Gauss, on obtient
P
(k)
P
(k1)
..P
(1)
A = L
(k)
A
(k+1)
.
On obtient aprs n 1 tapes :
P
(n1)
P
(n2)
...P
(1)
A = L
(n1)
A
(n)
,
si lon pose P = P
(n1)
P
(n2)
...P
(1)
, L = L
(n1)
, U = A
(n)
, on a obtenu la factorisation
recherche PA = LU.
Thorme II.4.3. Soit A une matrice inversible. Alors il existe une matrice triangulaire in-
frieure L, une matrice triangulaire suprieure U, et une matrice de permutation P telles que
PA = LU. (II.4.1)
Nous avons utilis la proposition suivante :
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
36
La
factorisation
PA = LU
Proposition II.4.2. Soit L
(k1)
une matrice triangulaire infrieure diagonale unit vri-
ant de plus
[L
(k1)
]
ij
= 0, i > j > k 1,
et soit P
(k)
la matrice de permutation de ltape k de lalgorithme de Gauss avec recherche de
pivot, permutant les lignes k et l o l k. Alors on a
P
(k)
L
(k1)
P
(k)
=

L
(k1)
,
o

L
(k1)
est une matrice triangulaire infrieure obtenue partir de L
(k1)
en permutant les
termes des lignes k et l dans les colonnes 1 k 1.
Dmonstration
Remarquons que, dans la pratique, il est inutile de stocker toutes les matrices P
(k)
, il suft
chaque change de mettre jour un vecteur p, reprenez lexemple.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
37
II.4.5 Algorithme de la factorisation PA = LU
Comme dans le cas de la factorisation A = LU, il ny a pas besoin de conserver les ma-
trices successives A
(k)
et L
(k)
. En ce qui concerne les permutations, on en garde lhistorique en
mettant jour un vecteur p valant initialement
p = [1, 2, . . . , n]
T
,
sur lequel on effectuera les permutations successives reprsentes par les matrices P
(k)
, k =
1, . . . , n 1.
En ce qui concerne la recherche de llment pivot, on recherchera le pivot le plus grand en
valeur absolue pour les raisons dj voques prcdemment.
Algorithme de factorisation PA = LU
1: L I
2: p [1, 2, . . . , n]
T
3: pour k = 1 jusqu n 1 faire
4: Trouver l tel que [a
lk
[ [a
ik
[, i = k . . . n
5: si [a
lk
[ < alors
6: Arrter lalgorithme et donner un message derreur
7: sinon
8: Appliquer la permutation (k, l) au vecteur p, aux lignes de A et aux lignes de L dans les
colonnes 1 k 1
9: pour i = k + 1 jusqu n faire
10: l
ik
a
ik
/a
kk
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
38
Algorithme
de la
factorisation
PA = LU
11: pour j = k jusqu n faire
12: a
ij
a
ij
l
ik
a
kj
13: n pour
14: n pour
15: n si
16: n pour
17: si [a
nn
[ < alors
18: Arrter lalgorithme et donner un message derreur
19: n si
Le dernier test est important car la valeur de a
nn
, qui nest pas un pivot, nest pas teste dans
la boucle principale. Le message derreur afcher dans les deux cas pourrait tre du type la
matrice est singulire la prcision machine.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
39
II.4.6 Application la rsolution dun systme linaire
Comment utilise-t-on cette factorisation pour rsoudre un systme linaire ? Cest aussi
simple que pour la factorisation LU classique. On a Ax = b que lon multiplie gauche par la
matrice de permutation P. On a donc
PAx = Pb,
soit LUx = Pb. La solution de ce systme sobtient en rsolvant successivement les deux sys-
tmes
_
Ly = Pb,
Ux = y,
ce qui correspond toujours la rsolution de deux systmes triangulaires. La seule diffrence
est quici on doit permuter les composantes du vecteur b avant rsolution.
De faon pratique, on nexplicite jamais la matrice de permutation P mais on dispose (voir
algorithme prcdent) du vecteur p dni par
p = P
_
_
_
_
_
1
2
.
.
.
n
_
_
_
_
_
.
Le vecteur c = Pb est donc le vecteur
c =
_
_
_
_
_
b
p
1
b
p
2
.
.
.
b
p
n
_
_
_
_
_
.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
40
Application
la rsolution
dun systme
linaire
Pour le calcul du dterminant de A, on a
dt PA = dt P dt A =
n
k=1
u
kk
,
avec dt P = (1)
q
o q est le nombre de permutations diffrentes de lidentit qui ont t
effectues sur A.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
41
II.4.7 La mthode du pivot total
Dans certaines situations la permutation des lignes est insufsante. En effet il est possible
que dans une colonne on ne puisse pas trouver dlment sufsamment grand en valeur absolue
(par rapport un seuil que lon se xe). Ceci conduit rechercher chaque tape k de la mthode
de Gauss, llment de la sous-matrice
_
_
_
a
k,k
. . . a
k,n
.
.
.
.
.
.
.
.
.
a
n,k
. . . a
nn
_
_
_,
dont la valeur absolue est maximum. Ceci ncessite alors une permutation des lignes et des
colonnes. Cela correspond changer des quations du systme, ainsi que des inconnues. En
termes de factorisation de type A = LU, cette approche permet dobtenir L et U respectivement
triangulaire infrieure et triangulaire suprieure, telles que
LU = PAQ,
o P et Q sont des matrices de permutation. Cette mthode est rarement utilise, car la re-
cherche du pivot peut trs vite devenir coteuse (quand la matrice est grande) par rapport au
gain de prcision ventuellement obtenu.
Ce problme du choix de pivot maximal : pivot partiel (recherch uniquement sur la k
`eme
colonne : k i n) ou pivot total (recherch sur toute la sous-matrice : k i, j n) est un
exemple typique de situation classique en analyse numrique. Plus prcisment, on sait obtenir
mathmatiquement des majorations derreur pour la mthode de pivot total bien meilleures
que pour la mthode de pivot partiel. On sait exhiber des matrices pour lesquelles la majoration
derreur relative au pivot partiel est atteinte. Pourtant, lexprience numrique montre que dans
toutes les situations pratiques, la mthode du pivot partiel suft.
Sommaire
Concepts
Exemples
Exercices
Documents
section prcdente chapitre section suivante
42
II.5 Traitement des matrices symtriques
II.5.1 La factorisation LDL
T
. . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
II.5.2 La factorisation de Cholesky : existence . . . . . . . . . . . . . . . . . . 45
II.5.3 Algorithme de Cholesky . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
43
II.5.1 La factorisation LDL
T
Exercices :
Exercice II.16
Lorsquune matrice A est symtrique, alors la factorisation A = LU, lorsque celle-ci est
possible, peut prendre une forme particulire tenant compte de cette symtrie :
Proposition II.5.1. Si A est symtrique avec toutes ses sous-matrices principales rgulires,
alors elle admet une unique factorisation sous la forme
A = LDL
T
,
o L est une matrice triangulaire infrieure diagonale unit et D une matrice diagonale
rgulire.
Dmonstration - Daprs lhypothse, A vrie les conditions pour avoir une unique factori-
sation LU, avec L triangulaire infrieure diagonale unit. Par ailleurs si on note D la matrice
diagonale dont la diagonale est gale celle de U on peut crire
A = LDV,
avec V = D
1
U qui est une matrice triangulaire suprieure diagonale unit (car U est une
matrice rgulire et donc ses lments diagonaux sont non nuls). Comme A est symtrique, on
a
A = LDV = V
T
DL
T
= A
T
.
Or, on a dmontr lunicit de la factorisation LU (dans le cas o L est diagonale unit), do
L = V, puisque V
T
est une matrice triangulaire infrieure diagonale unit et que DL
T
est
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
44
La
factorisation
LDL
T
une matrice triangulaire suprieure. Lunicit de la factorisation LDL
T
dcoule de lunicit de
la factorisation LU.
Le rsultat prcdent est uniquement un rsultat dexistence : en pratique on calcule les
matrices L et D en procdant diffremment. Lalgorithme consiste calculer les termes de D et
L colonne par colonne (ou ligne par ligne) en identiant les termes de A dans lgalit
A = LDL
T
.
Nous allons maintenant voir une mthode de factorisation adapte aux matrices symtriques
dnies positives, qui est directement issue de la factorisation LDL
T
pour les matrices sym-
triques.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
45
II.5.2 La factorisation de Cholesky : existence
Dans tout ce paragraphe A dsigne une matrice symtrique dnie positive. Nous aurons
besoin du lemme suivant pour pouvoir faire la dmonstration du thorme principal concernant
lexistence et lunicit de la factorisation :
Lemme II.5.1. Une matrice A symtrique dnie positive a toutes ses sous-matrices principales
[A]
k
rgulires.
Dmonstration - Soit k x et z IR
k
un vecteur quelconque non nul. On dnit
z = ( z
T
, 0, . . . , 0)
T
= (z
1
, z
2
, . . . , z
k
, 0, . . . , 0)
T
.
Comme A est dnie positive
0 < z
T
Az = z
T
[A]
k
z,
ce qui montre que [A]
k
est dnie positive donc inversible.
Thorme II.5.2. Si A est une matrice symtrique dnie positive elle admet une unique
factorisation sous la forme
A = BB
T
,
o B est une matrice triangulaire infrieure dont tous les lments diagonaux sont positifs.
Dmonstration - Tout dabord, comme A est dnie positive toutes ses sous-matrices princi-
pales sont rgulires (voir le Lemme II.5.1 prcdent) et il rsulte de la proposition II.5.1 quelle
admet une factorisation sous la forme
A = LDL
T
. (II.5.1)
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
46
La
factorisation
de Cholesky :
existence
La matrice D a tous ses lments diagonaux positifs.
En effet, pour i x (1 i n), soit z tel que L
T
z = e
i
. Alors on a
0 < z
T
Az = (L
T
z)
T
DL
T
z = (e
i
)
T
De
i
= d
ii
,
puisque A est dnie positive. En introduisant alors la matrice diagonale telle que

ii
=
_
d
ii
,
on peut rcrire (II.5.1) sous la forme
A = LL
T
= (L)(L)
T
= BB
T
,
obtenue en posant
B = L.
Dmontrons lunicit. Soit donc une autre factorisation
A =

B

B
T
,
o

B est une matrice triangulaire lments diagonaux positifs. On peut donc crire
BB
T
=

B

B
T
B
1
BB
T
[

B
T
]
1
= B
1

B
T
[

B
T
]
1
B
T
[

B
T
]
1
= B
1

B
or, dans cette dernire galit les matrices sont, gauche, triangulaires suprieures et, droite,
triangulaires infrieures, ceci nest possible que si elles sont diagonales et donc
B
T
[

B
T
]
1
= B
1

B = D,
ce qui implique que
i = 1, 2, ..., n
b
ii

b
ii
=

b
ii
b
ii
= d
ii
(b
ii
)
2
= (

b
ii
)
2
,
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
47
La
factorisation
de Cholesky :
existence
soit nalement b
ii
=

b
ii
, puisque ces nombres sont positifs, et donc
d
ii
= 1.
D est donc la matrice identit, donc B =

B do lunicit.
Comme dans le cas de la factorisation LDL
T
le rsultat prcdent est uniquement un rsul-
tat dexistence et en pratique on calcule la matrice B colonne par colonne (ou ligne par ligne) en
identiant les termes de A dans lgalit
A = BB
T
.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
48
II.5.3 Algorithme de Cholesky
Exercices :
Exercice II.17
Cours :
Factorisation de Cholesky / existence
Il sagit dune adaptation de la factorisation LU, un systme dont la matrice A est sym-
trique dnie positive. Lalgorithme se dcompose en trois tapes :
calcul de la dcomposition de la matrice du systme,
rsolution du premier systme triangulaire,
rsolution du deuxime systme triangulaire.
Plus prcisment, on cherche une dcomposition de la matrice A du systme, de la forme
A = B B
T
(voir le paragraphe rfrenc), o B est une matrice triangulaire infrieure dont les
termes diagonaux sont positifs ( B
T
dsigne sa transpose). On obtient cette dcomposition par
identication :
a
11
= B
1
(B
T
)
1
= b
2
11
.
Puisque b
11
doit tre positif, on a
b
11
=

a
11
.
A
1
= B(B
T
)
1
= b
11
B
1
B
1
=
1
b
11
A
1
,
ce qui permet de dterminer la premire colonne de B.
De faon similaire on dnit la deuxime colonne de B.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
49
Algorithme
de Cholesky a
22
= B
2
(B
T
)
2
= b
2
21
+ b
2
22
.
Puisque b
22
doit tre positif, on a
b
22
=
_
a
22
b
2
21
.
A
2
= B(B
T
)
2
= b
21
B
1
+ b
22
B
2
B
2
=
1
b
22
(A
2
b
21
B
1
) ,
ce qui termine de dterminer la deuxime colonne de B.
De faon gnrale, lorsque lon a dtermin les j 1 premires colonnes de B, on crit :
a
jj
= B
j
(B
T
)
j
=
j

k=1
b
2
jk
b
2
jj
= a
jj

j1

k=1
b
2
jk
.
Puisque b
jj
doit tre positif, on a
b
jj
=

_
a
jj

j1

k=1
b
2
jk
.
A
j
= B(B
T
)
j
=
j

k=1
b
jk
B
k
B
j
=
1
b
jj
_
A
j

j1

k=1
b
jk
B
k
_
,
ce qui termine de dterminer la jme colonne de B. On dterminera successivement les colonnes
1, 2,...,n 1, puis on terminera par le calcul de
b
nn
=

_
a
nn

n1

k=1
b
2
nk
.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
50
Algorithme
de Cholesky
Comme dans la factorisation de Doolittle, dans chaque colonne j on ne calcule que les termes
b
ij
pour i suprieur ou gal j, puisque les autres termes de cette colonne sont connus car nuls.
On a donc lalgorithme :
1: pour j = 1 jusqu n 1 faire
2: b
jj

_
a
jj

j1

k=1
b
2
jk
;
3: pour i = j + 1 jusqu n faire
4: b
ij

1
b
jj
_
a
ij

j1

k=1
b
ik
b
jk
_
;
5: n pour
6: n pour
7: b
nn

_
a
nn

n1

k=1
b
2
nk
;
Si la matrice est dnie positive, les nombres dont on prend la racine carre sont positifs,
les nombres par lesquels on divise sont non nuls (puisque lon a montr que la dcomposition
existait). Cependant, il est prudent dinclure dans lalgorithme des tests qui sassurent que ces
proprits sont vries.
Sommaire
Concepts
Exemples
Exercices
Documents
section prcdente chapitre section suivante
51
II.6 Normes matricielles
II.6.1 Normes vectorielles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 52
II.6.2 Dnition de la norme matricielle . . . . . . . . . . . . . . . . . . . . . 54
II.6.3 Etude de la norme matricielle subordonne la norme euclidienne . . 57
II.6.4 Rayon spectral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
52
II.6.1 Normes vectorielles
Exercices :
Exercice II.18
Pour pouvoir crire que deux vecteurs sont proches ou que deux matrices sont proches, il faut
pouvoir mesurer la "distance" entre ces deux objets. Ceci se fait gnralement en utilisant une
norme quelle soit vectorielle ou matricielle. Les normes matricielles sont aussi un outil indis-
pensable pour le calcul du conditionnement dune matrice, indicateur de la "bonne rsolution"
dun systme linaire.
Dnition II.6.1. Soit E un espace vectoriel sur K (K = IR ou C). On appelle norme sur E une
application de E dans IR
+
note
x |x|
possdant les proprits suivantes : quel que soit x E, y E , K :
1. |x| = 0 x = 0
2. |x| = [[ |x| (la norme est positivement homogne )
3. |x + y| |x| +|y| (ingalit triangulaire )
La notation [[ reprsente la valeur absolue ou le module de suivant que est rel ou
complexe.
E = IR
n
|x|
1
=
n

i=1
[x
i
[,
E = IR
n
|x|
2
=

_
n

i=1
x
2
i
(norme euclidienne),
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
53
Normes
vectorielles
E = IR
n
|x|

= max
i=1,...,n
[x
i
[
E = C
n
|x|
2
=

_
n

i=1
[x
i
[
2
avec [x
i
[
2
= x
i
x
i
.
Pour montrer lingalit triangulaire de la norme euclidienne, on utilise lingalit de Cauchy-
Schwarz (dmontre en exercice) :
[
n

i=1
x
i
y
i
[

_
n

i=1
x
2
i

_
n

i=1
y
2
i
.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
54
II.6.2 Dnition de la norme matricielle
Exercices :
Exercice II.19
Exercice II.20
Exercice II.21
Dnition II.6.2. On appelle norme matricielle une application qui une matrice quel-
conque, associe un nombre rel positif. On note
A |A|
qui possde les proprits suivantes :
|A| = 0 A = 0,
|A| = [[ |A|, A /
mn
(IR), IR,
|A + B| |A| +|B|, A /
mn
(IR), B /
mn
(IR),
|AB| |A| |B| A /
mn
(IR), B /
np
(IR).
Les normes matricielles vrient donc, en plus des proprits des normes vectorielles, une
relation sur le produit des matrices.
Dnition II.6.3. Soit A /
mn
(IR). Etant donne une norme (vectorielle) sur C
n
, et une norme
(vectorielle) sur C
m
on appelle norme matricielle surbordonne, une norme matricielle d-
nie par
|A| = max
xC
n
,x=0
|Ax|
|x|
.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
55
Dnition de
la norme
matricielle
Quelque remarques :
1. Les normes matricielles subordonnes dpendent de la norme vectorielle associe.
2. La matrice A nest pas forcment carre, la norme vectorielle tant celle de C
n
pour |x| et
celle de C
m
pour |Ax|.
3. La notation max laisse supposer quil existe effectivement un vecteur x ,= 0 pour lequel
la maximum est atteint (ce qui implique que pour x on a : |A x| = |A| | x|), ce qui est vrai
mais nullement vident !
4. La dnition suppose que lon prend le maximum pour les vecteurs x C
n
, en fait pour les
normes subordonnes aux normes vectorielles que lon a dj cites, cest--dire |.|
1
, |.|
2
, |.|

,
il suft de prendre le maximum pour les vecteurs de IR
n
.
5. Dans cette dnition, on afrme que la norme matricielle subordonne ainsi dnie est
bien une norme matricielle. Nous allons le vrier pour deux des proprits vous laissant
les deux autres dmontrer en exercice.
Il est vident que A = 0 implique que |A| = 0. Inversement :
|A| = 0 |Ax| = 0 x IR
n
Ax = 0 x IR
n
A = 0,
car A est alors la matrice de lapplication nulle.
La dnition de |A| donne de manire vidente (exercice)
|Ax| |A[ |[x| x IR
n
.
|ABx| |A| |Bx| |A| |B| |x| x IR
n
do, en divisant par |x| et en prenant le max, la quatrime proprit.
Quelques exemples de normes matricielles :
1. On peut montrer que la norme matricielle subordonne la norme vectorielle note |.|
1
vaut
|A|
1
= max
1jn
n

i=1
[a
ij
[.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
56
Dnition de
la norme
matricielle
2. la norme matricielle subordonne la norme vectorielle note |.|

vaut
|A|

= max
1in
n

j=1
[a
ij
[.
3. Il existe des normes matricielles qui ne sont pas subordonnes une norme vectorielle,
cest le cas de la norme de Frobenius :
|A|
F
=

_
n

i=1
n

j=1
[a
ij
[
2
=
_
trace(A
T
A).
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
57
II.6.3 Etude de la norme matricielle subordonne la norme eucli-
dienne
Le calcul de la norme matricielle subordonne la norme euclidienne repose sur le thorme
suivant :
Thorme II.6.1. Si A /
nn
(IR) est symtrique alors
max
1kn

k
= max
xIR
n
,x=0
x
T
Ax
x
T
x
, (II.6.1)
o (
k
)
1kn
sont les valeurs propres (relles) de A.
Dmonstration - Comme A est symtrique elle admet une base de vecteurs propres orthonor-
ms (Y
i
)
1in
associs aux valeurs propres relles que lon ordonne :

1

2
...
n
,
donc tout vecteur x peut scrire
x =
n

i=1

i
Y
i
avec |x|
2
2
=
_
n

i=1

i
Y
i
T
_
_
_
n

j=1

j
Y
j
_
_
=
n

i=1

2
i
.
On a
x
T
Ax =
_
n

i=1

i
Y
i
T
_
_
_
n

j=1

j
Y
j
_
_
=
n

i=1

2
i
,
do lon tire immdiatement la majoration suivante :
x
T
Ax
1
n

i=1

2
i
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
58
Etude de la
norme
matricielle
subordonne
la norme
euclidienne
soit
x
T
Ax
1
|x|
2
2
.
Do
x
T
Ax
x
T
x

1
et comme cette ingalit est vraie quelque soit x IR
n
, on a
max
xIR
n
x
T
Ax
x
T
x

1
.
Pour obtenir lgalit il suft de remarquer que
(Y
1
)
T
AY
1
=
1
|Y
1
|
2
2
=
1
ce qui montre que le maximum est bien atteint.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
59
II.6.4 Rayon spectral
Exercices :
Exercice II.22
Exercice II.23
Exercice II.24
Dnition II.6.4. Soit A /
nn
(C), on appelle rayon spectral de A et on note (A) le nombre
rel
(A) = max
1in
[
i
[,
o (
i
)
1in
sont les valeurs propres (complexes) de A.
En effet si
k
est la plus grande valeur propre (en module) de A, si on pose r = [
k
[, alors
toutes les valeurs propres sont dans le disque (du plan complexe) de rayon r, cette quantit sap-
pelle le rayon spectral (lensemble des valeurs propres dune matrice sappelle aussi le spectre
de la matrice).
Thorme II.6.2.
Soit A /
nm
(IR), alors
|A|
2
2
= (AA
T
) = (A
T
A).
Si la matrice C est symtrique, alors
|C|
2
= (C). (II.6.2)
Soit A /
nm
(IR), alors
|A|
2
2
= |AA
T
|
2
= |A
T
A|
2
.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
60
Rayon
spectral
Dmonstration -

|Ax|
2
2
= (Ax)
T
(Ax) = x
T
A
T
Ax = x
T
(A
T
A)x = x
T
Bx
o lon a not matrice B = A
T
A.
B est symtrique semi-dnie positive, donc ses valeurs propres
i
, i = 1, ..., n sont relles
positives ou nulles (voir le chapitre prcdent), donc [
i
[ =
i
.
On peut appliquer le thorme II.6.1 :
|A|
2
2
= max
xIR
m
,x=0
x
T
(A
T
A)x
x
T
x
= max
xIR
m
,x=0
x
T
Bx
x
T
x
= max
1in

i
= max
1in
[
i
[ = (B) = (A
T
A).
De plus puisque toutes les valeurs propres non nulles de (A
T
A) sont des valeurs propres
de (AA
T
) (voir exercice II.22 ) et rciproquement, on a aussi
(A
T
A) = (AA
T
),
Pour la dmonstration, voir lexercice II.23 .
Les matrices AA
T
et A
T
A sont symtriques, il suft d appliquer les deux points prc-
dents.
Sommaire
Concepts
Exemples
Exercices
Documents
section prcdente chapitre section suivante
61
II.7 Conditionnement dun systme linaire
II.7.1 Introduction au conditionnement dune matrice . . . . . . . . . . . . . 62
II.7.2 Lien entre le conditionnement et les erreurs . . . . . . . . . . . . . . . 64
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
62
II.7.1 Introduction au conditionnement dune matrice
Exercices :
Exercice II.25
Exercice II.26
Lorsque lon a rsolu numriquement un systme linaire il est possible que la solution trou-
ve soit trs diffrente de la solution exacte. En effet dans certains cas une petite modication
du second membre ou de la matrice du systme entrane une grande modication de la solution.
Par exemple la rsolution de Ax = b avec le choix de A et b suivant
A =
_
_
_
_
10 7 8 7
7 5 6 5
8 6 10 9
7 5 9 10
_
_
_
_
, b =
_
_
_
_
32
23
33
31
_
_
_
_
donne pour solution x =
_
_
_
_
1
1
1
1
_
_
_
_
.
Le choix dun nouveau second membre b + b
b + b =
_
_
_
_
32.1
22.9
33.1
30.9
_
_
_
_
donne pour solution x + x =
_
_
_
_
9.2
12.6
4.5
1.1
_
_
_
_
.
Une faible erreur relative sur la norme de b induit une erreur relative sur la norme de x beau-
coup plus importante, par exemple si on prend la norme | |

on a :
|b|
|b|
= 3. 10
3
,
|x|
|x|
= 13.6 .
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
63
Introduction
au condition-
nement dune
matrice
Une telle situation est due au fait que la matrice A a un conditionnement grand (on dit gale-
ment que A est mal conditionne), au sens de la dnition suivante :
Dnition II.7.1. On appelle conditionnement de A relatif une norme subordonne le
nombre
(A) = |A| |A
1
|.
Il rsulte de la dnition dune norme subordonne que
1 = |I| = |AA
1
| |A| |A
1
|.
Donc on a toujours (A) 1.
Dans lexemple prcdent on a
A
1
=
_
_
_
_
25 41 10 6
41 68 17 10
10 17 5 3
6 10 3 2
_
_
_
_
,
et

(A) = |A|

|A
1
|

=4488.
Proposition II.7.2. Si la matrice A est symtrique et si lon prend la norme subordonne la
norme euclidienne, on a

2
(A) =
max
1in
[
i
[
min
1in
[
i
[
.
La dmonstration est donne en exercice et provient directement de lgalit
|A|
2
= (A)
pour les matrices symtriques. Le rsultat montre donc que si le spectre dune matrice, cest--
dire lensemble des valeurs propres, est trs tale la matrice est mal conditionne. Par contre
si ce spectre (en module) est bien regroup, la matrice sera bien conditionne.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
64
II.7.2 Lien entre le conditionnement et les erreurs
Cours :
Conditionnement - exemple et
dnition
On va dmontrer maintenant des ingalits liant le conditionnement de A et les erreurs
relatives sur b et x :
Thorme II.7.1. On suppose que lon a Ax = b et
A(x + x) = b + b, (on perturbe le second membre).
Alors
|x|
|x|
(A)
|b|
|b|
. (II.7.1)
On suppose que lon a Ax = b et
(A + A)(x + x) = b, (on perturbe la matrice).
Alors
|x|
|x + x|
(A)
|A|
|A|
. (II.7.2)
Dmonstration - On a
Ax = b = |b| |A| |x| =
1
x
|A|
1
b
A(x + x) = b + b = Ax = b = |x| |A
1
| |b|,
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
65
Lien entre le
conditionne-
ment et les
erreurs
do le rsultat
|x|
|x|
|A| |A
1
|
|b|
|b|
.
De mme :
(A + A)(x + x) = b = Ax = A(x + x)
= x = A
1
A(x + x)
= |x| |A
1
| |A| |x + x|,
do le rsultat
|x|
|x + x|
|A| |A
1
|
|A|
|A|
.
Il dcoule immdiatement de ce thorme que si le conditionnement de A est faible (trs proche
de 1), si la variation relative de b ou de A est faible alors la variation de x sera faible elle aussi.
Remarquons que les ingalits dmontres dans le thorme prcdent sont optimales en ce
sens que la matrice A tant donne, il existe b et b tels quil y ait galit dans la relation (II.7.1).
On peut remarquer, ce sujet, que lexemple du paragraphe rfrenc est rvlateur puisque
avec un conditionnement de 4488 et une erreur relative sur b de 3 10
3
la borne suprieure
de lerreur relative sur x est de lordre de 13.6 ce qui est prcisment ce que lon a trouv ! De
mme il existe A et b tels quil y ait galit dans la relation (II.7.2).
Sommaire
Concepts
Exemples
Exercices
Documents
section prcdente chapitre section suivante
66
Exemples du chapitre II
II.1 Inuence des arrondis . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
II.2 Exemple de factorisation PA = LU . . . . . . . . . . . . . . . . . . . . . 69
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
67
Exemple II.1 Inuence des arrondis
Prenons le systme linaire Ax = b avec
A =
_
10
4
1
1 1
_
, b =
_
1
2
_
.
Supposons que lon travaille sur une machine o les nombres sont reprsents avec une man-
tisse de 4 chiffres signicatifs. Cela signie que chaque nombre est reprsent sous la forme
0.d
1
d
2
d
3
d
4
10
e
,
o d
i
reprsente un nombre entier positif et e lexposant (le nombre de chiffres signicatifs pour
lexposant nintervient pas dans notre exemple). Lorsque lon effectue la premire (et dernire
ici) tape de llimination de Gauss, on obtient le systme quivalent

A =
_
10
4
1
0 1 10
4
__
x
1
x
2
_
=
_
1
2 10
4
_
.
On a laddition suivante effectuer :
1 10
4
= 0.1 10
1
0.1 10
5
= 0.00001 10
5
0.1 10
5
,
mais, comme on ne dispose que de 4 chiffres signicatifs, le nombre 0.00001 10
5
est reprsent
en machine par 0.0000 10
5
, soit 0. On a donc 1 10
4
= 10
4
. Comme le raisonnement est le
mme pour 2 10
4
, on a donc, en machine, le systme suivant :
_
10
4
1
0 10
4
__
x
1
x
2
_
=
_
1
10
4
_
.
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
68
Exemple II.1
Inuence des
arrondis
Lorsque lon effectue la remonte de ce systme, on obtient x
2
= 1, et la premire quation
donne 10
4
x
1
= 0. On a donc x = [ 0, 1 ]
T
. Voyons maintenant ce quil se passe si on change les
lignes 1 et 2 dans la matrice A et le vecteur b. On obtient donc le systme quivalent
_
1 1
10
4
1
__
x
1
x
2
_
=
_
2
1
_
.
Llimination de Gauss donne, en respectant les problmes darrondi ds la mantisse de 4
chiffres, le systme quivalent
_
1 1
0 1
__
x
1
x
2
_
=
_
2
1
_
,
qui donne x = [ 1, 1 ]
T
. Si lon regarde la solution thorique, du systme, on constate que lon
obtient
x
1
=
10000
9999
1, x
2
=
9998
9999
1.
Donc la premire mthode sans change de ligne donne une solution compltement errone,
alors que la deuxime mthode donne une approximation tout fait raisonnable.
retour au cours
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
69
Exemple II.2 Exemple de factorisation PA = LU
On considre la matrice de dpart (on omet les numros des tapes pour L)
A =
_
_
0 1 1
1 1 1
1 1 1
_
_
.
On a initialement L = I et p = 1, 2, 3.
k = 1 : on effectue la permutation (1, 2) pour avoir un pivot non nul et on effectue llimi-
nation, ce qui donne
A
(2)
=
_
_
1 1 1
0 1 1
0 2 0
_
_
, L =
_
_
1 0 0
0 1 0
1 0 1
_
_
, p = 2, 1, 3.
k = 2 : on effectue la permutation (2, 3) pour avoir un pivot maximum. Attention : avant de
remplir la 2
me
colonne de L on permute ses coefcients des lignes (2, 3) dans la colonne
1, ce qui donne
A
(3)
=
_
_
1 1 1
0 2 0
0 0 1
_
_
, L =
_
_
1 0 0
1 1 0
0
1
2
1
_
_
, p = 2, 3, 1.
Si on effectue LU on a bien
LU =
_
_
1 1 1
1 1 1
0 1 1
_
_
=
_
_
A
2
A
3
A
1
_
_
.
retour au cours
Sommaire
Concepts
Exemples
Exercices
Documents
section prcdente chapitre section suivante
70
Documents du chapitre II
II.1 Dmonstration du thorme II.4.2 . . . . . . . . . . . . . . . . . . . . . 71
II.2 Dmonstration de la proposition II.4.3 . . . . . . . . . . . . . . . . . . . 73
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
71
Document II.1 Dmonstration du thorme II.4.2
Remarquons tout dabord que lquivalence entre les deux premires propositions est vi-
dente puisque la factorisation est possible lorsque les pivots sont non nuls et que dautre part
les pivots a
(k)
kk
sont les termes diagonaux de U.
Montrons que la proposition 3 implique la proposition 1.
a
(1)
11
= a
11
est toujours dni, de plus [A]
1
inversible, donc
det[A]
1
= a
11
= a
(1)
11
,= 0.
Supposons maintenant que les pivots a
(i)
ii
ont t dnis pour i = 1, ..., k 1 et quils sont non
nuls : a
(i)
ii
,= 0 pour i = 1, ..., k 1. Il est donc possible de dnir a
(k)
kk
, montrons que a
(k)
kk
,= 0.
Nous avons remarqu que le dterminant de A nest pas modi par chaque tape de llimi-
nation de Gauss et, plus prcisment, les dterminants des sous-matrices principales puisque
lon ne fait aucune permutation de lignes ou de colonnes. On a donc
det([A]
k
) = det([A
(k)
]
k
).
Or la sous matrice principale [A
(k)
]
k
est triangulaire suprieure donc
det([A]
k
) = det([A
(k)
]
k
) =
_
k1

i=1
a
(i)
ii
_
a
(k)
kk
,
et, puisque [A]
k
est inversible, son dterminant est non nul, on en dduit que a
(k)
kk
,= 0. On a donc
montr par rcurrence que la proposition 3 impliquait la proposition 1.
On peut montrer que la proposition 2 implique la proposition 3 :
A = LU [A]
k
= [L]
k
[U]
k
: dmontrez ce rsultat. Donc det[A]
k
= 1 det[U]
k
. Or U est
triangulaire suprieure inversible, donc les termes diagonaux de U sont non nuls, donc [U]
k
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
72
Document
II.1
Dmonstration
du thorme
II.4.2
est elle aussi une matrice triangulaire suprieure inversible, donc det[A]
k
,= 0, donc les sous
matrices principales [A]
k
sont inversibles.
Retour au thorme II.4.2
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
73
Document II.2 Dmonstration de la proposition II.4.3
On peut crire L
(k1)
sous la forme
L
(k1)
= I +
k1

p=1
z
(p)
(e
p
)
T
,
o z
(p)
i
= 0 pour i <= p. On a ensuite
P
(k)
L
(k1)
P
(k)
= I +
k1

p=1
P
(k)
z
(p)
(e
p
)
T
P
(k)
,
= I +
k1

p=1
P
(k)
z
(p)
(e
p
)
T
,
car P
(k)
P
(k)
= I et (e
p
)
T
P
(k)
= (e
p
)
T
puisque p < k l (les coefcients permuts de e
p
sont
nuls).
Retour la proposition II.4.3
Sommaire
Concepts
Exemples
Exercices
Documents
section prcdente chapitre
74
Exercices du chapitre II
II.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 76
II.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 77
II.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 78
II.4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
II.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 80
II.6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
II.7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 82
II.8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 83
II.9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
II.10 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
II.11 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 86
II.12 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 87
II.13 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 88
II.14 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 89
II.15 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
II.16 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 91
II.17 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 92
II.18 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 93
II.19 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
II.20 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
II.21 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 96
II.22 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97
II.23 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 98
II.24 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99
II.25 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 100
Sommaire
Concepts
Exemples
Exercices
Documents
section prcdente chapitre
75
II.26 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
76
Exercice II.1
On dnit la matrice A, n lignes et n colonnes par
A =
_
_
_
_
_
_
_
2 1 0
1 2 1
.
.
.
.
.
.
.
.
.
1 2 1
0 1 2
_
_
_
_
_
_
_
On veut rsoudre Ax = 0.
1. Montrer en rsolvant les n 1 premires quations que x
i
= ix
1
, i = 1, ..., n.
2. Rsoudre la dernire quation et en dduire que x = 0.
3. En dduire que A est inversible.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
77
Exercice II.2
Soit A une matrice triangulaire infrieure. crire lalgorithme permettant de rsoudre le
systme linaire Ax = b (b vecteur donn) en noubliant pas de vrier au dpart que ce systme
a une solution.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
78
Exercice II.3
Soit A une matrice triangulaire suprieure, montrer que le calcul du vecteur inconnu est
donn par :
_
x
n
=
b
n
a
nn
x
i
=
1
a
ii
_
b
i

n
j=i+1
a
ij
x
j
_
, pour i = n 1, n 2, . . . , 1.
crire alors lalgorithme correspondant.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
79
Exercice II.4
Soit le systme Ax = b. On considre la premire tape de llimination de Gauss. Montrer
que la ime quation (pour i 2 ) est modie de la manire suivante :
_
_
_
a
(1)
ij
= a
ij
a
(2)
ij
= a
ij

a
i1
a
11
a
1j
pour j = 1, 2, . . . , n
b
(1)
i
= b
i
b
(2)
i
= b
i

a
i1
a
11
b
1
.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
80
Exercice II.5
Soit le systme Ax = b. On considre la deuxime tape de llimination de Gauss. Montrer
que la ime quation ( pour i 3 ) est modie de la manire suivante :
_

_
a
(2)
ij
a
(3)
ij
= a
(2)
ij

a
(2)
i2
a
(2)
22
a
(2)
2j
pour j = 2, 3, . . . , n
b
(2)
i
b
(3)
i
= b
(2)
i

a
(2)
i2
a
(2)
22
b
(2)
2
.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
81
Exercice II.6
Soit le systme Ax = b. On considre la kime tape de llimination de Gauss. Montrer que
la ime quation ( pour i k + 1 ) est modie de la manire suivante :
_

_
a
(k)
ij
a
(k+1)
ij
= a
(k)
ij

a
(k)
ik
a
(k)
kk
a
(k)
kj
pour j = k, k + 1, . . . , n
b
(k)
i
b
(k+1)
i
= b
(k)
i

a
(k)
ik
a
(k)
kk
b
(k)
k
.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
82
Exercice II.7
Soit la matrice A =
_
_
1 2 1
2 2 1
1 1 1
_
_
et le vecteur b =
_
_
4
5
3
_
_
, appliquez lalgorithme de Gauss
" la main" pour calculer la solution de Ax = b.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
83
Exercice II.8
Calculer le nombre doprations effectues pour raliser llimination de Gauss en fonction de
n en sparant multiplications/divisions et additions/ soustractions. Pour cela on pourra utiliser
les deux formules
n

k=1
k =
n(n + 1)
2
,
n

k=1
k
2
=
n(n + 1)(2n + 1)
6
.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
84
Exercice II.9
Soient L une matrice triangulaire infrieure et U une matrice triangulaire suprieure et on
pose A = LU. Montrer que, pour la colonne j de A, on a
a
ij
=
i

k=1
l
ik
u
kj
, pour i j,
et
a
ij
=
j

k=1
l
ik
u
kj
, pour i > j.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
85
Exercice II.10
Soit A une matrice inversible qui admet une factorisation A = LU o L est triangulaire
infrieure, U est triangulaire suprieure et la diagonale de U ne comporte que des 1, alors cette
factorisation est unique.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
86
Exercice II.11
Rsoudre le systme Ax = b dont la factorisation LU de A est donne :
A =
_
_
1 0 0
2 1 0
1 2 1
_
_
_
_
2 1 2
0 3 1
0 0 1
_
_
b =
_
_
1
6
6
_
_
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
87
Exercice II.12
Soit A =
_
_
2 1 2
4 5 3
2 5 3
_
_
, en vous inspirant de ce qui a t fait pour lalgorithme de Doolittle
dans le paragraphe "Factorisation A = LU / calcul direct ", effectuez la factorisation de Crout
de la matrice A, cest--dire dterminez L et U telles que A = LU avec les termes diagonaux de
U gaux 1 (ceux de L sont quelconques).
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
88
Exercice II.13
Dans le calcul direct de la factorisation LU, on suppose maintenant que cest la matrice U
dont tous les lments de la diagonale sont gaux 1 et non pas la matrice L. Calculer les
lments des matrices U et L partir dlments de A et dlments de U et L de colonnes ou de
lignes prcdentes. Comment modier lalgorithme de Doolittle pour le calcul des lments l
ij
et u
ij
des matrices L et U. Cet algorithme sappelle lalgorithme de Crout.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
89
Exercice II.14
Montrez que si la factorisation A = LU existe (L triangulaire infrieure avec une diagonale
unitaire et U triangulaire suprieure inversible), alors les sous-matrices principales de A sont
inversibles.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
90
Exercice II.15
Soit une permutation de 1, 2, ..., n et soit g lapplication linaire telle que g(e
j
) = e
(j)
o
e
1
, . . . , e
n
est la base canonique de IR
n
. Montrer que la matrice P de lapplication g est telle
que
p
ij
=
i,(j)
et que P
1
= P
T
.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
91
Exercice II.16
1. Soit A une matrice symtrique admettant une factorisation LDL
T
. Montrer que pour i j
on a
a
ij
=
j

k=1
d
k
l
ik
l
jk
,
o on a not d
k
le k
me
lment de la diagonale de D.
2. Dduire de la question prcdente que les coefcients de L et ceux de D peuvent tre
obtenus par les formules (on considre que les sommes ne sont pas effectues quand j = 1)
d
j
= a
jj

j1

k=1
d
k
l
2
jk
,
et pour i > j
l
ij
=
a
ij

j1
k=1
d
k
l
ik
l
jk
d
j
.
Indication : ne pas oublier que l
jj
= 1 par dnition.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
92
Exercice II.17
Soit A une matrice symtrique dnie positive. On considre sa factorisation de Cholesky
A = BB
T
. Montrer que tous les lments de la diagonale de B sont non nuls.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
93
Exercice II.18
En calculant le discriminant du trinme en suivant
q() =
n

i=1
(x
i
+ y
i
)
2
montrer lingalit de Cauchy-Schwarz :
[
n

i=1
x
i
y
i
[

_
n

i=1
x
2
i

_
n

i=1
y
2
i
.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
94
Exercice II.19
Montrer, en utilisant les proprits de la norme vectorielle, que si on dnit |A| par
|A| = max
xC
n
,x=0
|Ax|
|x|
on a :
|A| = [[|A|,
|A + B| |A| +|B|.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
95
Exercice II.20
Montrer que, par dnition de la norme matricielle subordonne, on a
|Ax| |A| |x| x C
n
.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
96
Exercice II.21
Montrer que, pour toute norme subordonne, |I| = 1. Que vaut |I|
F
(norme de Frobenius) ?
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
97
Exercice II.22
Soit A /
nm
, B /
mn
, soit une valeur propre non nulle de BA correspondant un
vecteur propre Y , montrer que AY est un vecteur propre (non nul) de AB correspondant la
valeur propre . En dduire que
(BA) = (AB).
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
98
Exercice II.23
Soit A une matrice symtrique donc diagonalisable, A peut donc scrire A = PDP
1
,avec D
diagonale.
Quelles sont les valeurs propres de A? Quelles sont les valeurs propres de A
2
?
En dduire que
(A
2
) = (A)
2
.
Dduire de la question prcdente que
|A|
2
= (A).
Soit la matrice
A =
_
0 1
0 0
_
quel est son rayon spectral ? Ce rayon peut-il tre considr comme une norme matricielle
lorsque la matrice nest pas symtrique ?
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
99
Exercice II.24
Montrer que pour toute norme matricielle subordonne on a
(A) |A|.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
100
Exercice II.25
Soit une matrice diagonale D. Calculer le conditionnement de D laide de la norme ma-
tricielle subordonne la norme euclidienne. Dans quel cas ce conditionnement est-il gal 1 ?
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
101
Exercice II.26
Soit A une matrice symtrique inversible dont les valeurs propres sont
1
, ...,
n
, on suppose
que :
[
1
[ [
2
[ . . . [
n
[ > 0
Montrer que les valeurs propres de A
1
sont
1

1
, ...,
1

n
et que les valeurs propres vrient :
1
[
n
[

1
[
n1
[
. . .
1
[
1
[
.
En dduire (A) lorsque lon choisit la norme subordonne la norme euclidienne.
retour au cours
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent
102
Annexe A
Exercices
A.1 Exercices de TD du chapitre 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103
Sommaire
Concepts
Exemples
Exercices
Documents
chapitre
103
A.1 Exercices de TD du chapitre 2
A.1.1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
A.1.2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105
A.1.3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109
A.1.4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 110
A.1.5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 111
A.1.6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
A.1.7 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
Sommaire
Concepts
Exemples
Exercices
Documents
section suivant
104
Exercice A.1.1
Soit la matrice A et le vecteur b suivants :
A =
_
_
_
_
1 2 3 4
1 4 9 16
1 8 27 64
1 16 81 256
_
_
_
_
, b =
_
_
_
_
2
10
44
190
_
_
_
_
.
1. Rsoudre par la mthode dlimination de Gauss le systme linaire Ax = b.
2. Donner la factorisation LU de A et calculer son dterminant (on peut rsoudre cette ques-
tion conjointement avec la premire).
Aide 1
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
105
Exercice A.1.2
On veut rsoudre le systme Ax = y o A /
nn
(IR) est tridiagonale et y IR
n
:
_
_
_
_
_
_
_
b
1
c
1
a
2
b
2
c
2
.
.
.
.
.
.
.
.
.
a
n1
b
n1
c
n1
a
n
b
n
_
_
_
_
_
_
_
. .
A
_
_
_
_
_
_
_
x
1
x
2
.
.
.
x
n1
x
n
_
_
_
_
_
_
_
. .
x
=
_
_
_
_
_
_
_
y
1
y
2
.
.
.
y
n1
y
n
_
_
_
_
_
_
_
. .
y
1. (a) Montrer, par rcurrence sur i, que lon peut se ramener au systme suivant :
_
x
i
= e
i
x
i+1
+ f
i
pour i = 1, .., n 1
x
n
= f
n
,
o lon dterminera les e
i
, i = 1, .., n 1 et les f
i
, i = 1, ..., n. On suppose que toutes
les divisions ncessaires pour dterminer ces coefcients sont possibles.
(b) La mthode prcdente, qui permet de rsoudre un systme dont la matrice est tri-
diagonale, sappelle mthode de Richtmayer. Ecrire lalgorithme de cette mthode.
2. On va maintenant montrer que lalgorithme trs simple que lon vient de voir, correspond
en fait la factorisation A = LU par lalgorithme de Crout, dans le cas particulier dune
matrice A tridiagonale.
Lalgorithme de Crout consiste dterminer par identication une factorisation A = LU
avec L matrice triangulaire infrieure, U matrice triangulaire suprieure dont les termes
diagonaux valent 1. On suppose que les matrices L et U existent.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
106
Exercice A.1.2 (a) En utilisant le produit matriciel, montrer que la premire colonne de L est gale :
L
1
=
_
_
_
_
_
_
_
l
1
a
2
0
.
.
.
0
_
_
_
_
_
_
_
, avec l
1
= b
1
,
puis que la premire ligne de U est gale
U
1
=
_
1 e

1
0 . . . 0
_
, avec e

1
=
c
1
l
1
.
(b) En utilisant le produit matriciel, montrer que la deuxime colonne de L est gale :
L
2
=
_
_
_
_
_
_
_
_
_
0
l
2
a
3
0
.
.
.
0
_
_
_
_
_
_
_
_
_
, avec l
2
= b
2
a
2
e

1
,
et que la deuxime ligne de U est gale
U
2
=
_
0 1 e

2
0 . . . 0
_
, avec e

2
=
c
2
l
2
=
c
2
b
2
a
2
e

1
.
(c) Montrer par rcurrence que pour 2 j n 1, on a
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
107
Exercice A.1.2
L
j
=
_
_
_
_
_
_
_
_
_
_
_
_
_
_
0
.
.
.
0
l
j
a
j+1
0
.
.
.
0
_
_
_
_
_
_
_
_
_
_
_
_
_
_
, U
j
=
_
0 . . . 0 1 e

j
0 . . . 0
_
, avec l
j
= b
j
a
j
e

j1
, e

j
=
c
j
l
j
Montrer que lon a enn
L
n
=
_
_
_
_
_
0
.
.
.
0
l
n
_
_
_
_
_
, avec l
n
= b
n
a
n
e

n1
.
En recollant les morceaux, constater que les matrices L et U sont bi-diagonales.
(d) Utiliser ce qui prcde pour montrer que e

i
= e
i
, i = 1, ..., n 1.
(e) On rsout Lz = y, montrer que z = f.
(f) En dduire que la rsolution de Ax = y par la mthode de Crout est quivalente la
mthode de Richtmayer prcdemment dcrite.
Remarque : les conditions pour lesquelles la mthode de Richtmayer est applicable
(divisions possibles) sont donc les mmes que les conditions pour lesquelles la facto-
risation A = LU existe.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
108
Exercice A.1.2
Question 1a Aide 1
Question 1b Aide 1
Question 2a Aide 1
Question 2b Aide 1 Aide 2
Question 2c Aide 1 Aide 2
Question 2d Aide 1
Question 2e Aide 1 Aide 2 Aide 3
Question 2f Aide 1
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
109
Exercice A.1.3
Soit A /
nn
(IR) une matrice possdant la proprit suivante :
n

j=1,j=i
[a
ij
[ < [a
ii
[, i, 1 i n.
On dit alors que A est diagonale strictement dominante.
1. Donner un exemple de matrice diagonale strictement dominante.
2. Soit x une solution de Ax = 0 et un entier k tel que
[x
k
[ [x
i
[, i, 1 i n.
En utilisant lquation correspondant la ligne k de Ax = 0, montrer que x
k
= 0. Que peut
on en dduire sur linversibilit de A?
3. En dduire que la factorisation LU de A est ralisable sans permutation de lignes ou de
colonnes.
Question 2 Aide 1 Aide 2 Aide 3 Aide 4 Aide 5
Question 3 Aide 1 Aide 2
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
110
Exercice A.1.4
Soit A =
_
_
_
_
2 4 4 2
4 7 6 5
4 6 3 5
2 5 5 3
_
_
_
_
, on montre que A = LU avec
L =
_
_
_
_
1 0 0 0
2 1 0 0
2 2 1 0
1 1 1 1
_
_
_
_
U =
_
_
_
_
2 4 4 2
0 1 2 1
0 0 1 1
0 0 0 3
_
_
_
_
1. Que vaut le dterminant de A? Est-il possible de savoir (sans calculs supplmentaires) si
la matrice A est symtrique dnie positive ?
2. Pourquoi la matrice A admet-elle une dcomposition LDL
T
? Prciser la matrice D.
3. La matrice A est-elle dnie positive ? Pourquoi ?
Question 1 Aide 1
Question 2 Aide 1 Aide 2 Aide 3 Aide 4
Question 3 Aide 1 Aide 2 Aide 3 Aide 4 Aide 5
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
111
Exercice A.1.5
La mthode de Cholesky sutilise pour la rsolution des systmes linaires dont la matrice
est symtrique, dnie positive.
1. Soit la matrice A /
2,2
(IR) symtrique et dnie positive. Montrer quil existe une ma-
trice unique C /
2,2
(IR) triangulaire infrieure avec c
11
> 0 et c
22
> 0 telle que A = CC
T
.
2. Soit la matrice A /
nn
(IR) symtrique et dnie positive. Daprs le cours, il existe une
matrice unique C /
nn
(IR) triangu laire infrieure avec c
ii
> 0 telle que A = CC
T
.
(a) Montrer alors que les coefcients c
ij
de C sont donns par
_

_
c
11
=

a
11
,
c
i1
=
a
i1
c
11
, i > 1,
_

_
c
jj
=

_
a
jj

j1

k=1
c
2
jk
, j > 1,
c
ij
=
1
c
jj
_
a
ij

j1

k=1
c
ik
c
jk
_
, 1 < j < i.
(b) Donner lalgorithme permettant de calculer C partir de A.
3. Donner le dterminant de A en fonction des coefcients de C.
Question 1 Aide 1 Aide 2
Question 2a Aide 1 Aide 2 Aide 3 Aide 4 Aide 5
Question 2b Aide 1
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
112
Exercice A.1.6
1. Dterminer |Ax|

laide des termes de la matrice A et du vecteur x.


2. Montrer que
|Ax|

|x|

max
1in
_
_
n

j=1
[a
ij
[
_
_
.
En dduire un majorant de |A|

.
3. Soit tel que
max
1in
_
_
n

j=1
[a
ij
[
_
_
=
n

j=1
[a
j
[.
On dnit le vecteur x de la faon suivante x
j
= 1 si a
j
0, x
j
= 1 sinon.
Que vaut | x|

, (A x)

? En dduire que |A x|

n
j=1
[a
j
[.
4. Dduire de tout ce qui prcde que
|A|

= max
1in
_
_
n

j=1
[a
ij
[
_
_
.
5. On rappelle que
|A|
1
= max
1jn
_
n

i=1
[a
ij
[
_
,
calculer |A|
1
et |A|

pour la matrice A =
_
_
0 0.2 0.5
0.3 0 0.6
0.7 0.1 0
_
_
.
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section suivant
113
Exercice A.1.6
Question 1 Aide 1
Question 2 Aide 1 Aide 2
Question 3 Aide 1 Aide 2
Question 4 Aide 1 Aide 2 Aide 3
Question 5 Aide 1
Sommaire
Concepts
Exemples
Exercices
Documents
prcdent section
114
Exercice A.1.7
1. Soit A une matrice de taille n p et A

une matrice de taille p n, montrer que si est


valeur propre non nulle de AA

associe au vecteur propre y, alors A

y est vecteur propre


de A

A associ la valeur propre .


En dduire que (A

A) = (AA

).
2. Soit B une matrice de taille n n inversible, on suppose que les n valeurs propres (com-
plexes) sont ordonnes :
[
1
[ [
2
[ . . . [
n
[.
Montrer que [
1
[ > 0, que vaut (B) ? Quelles sont les valeurs propres de B
1
? Que vaut
(B
1
) ?
3. Soit E une matrice de taille n n inversible.
(a) Montrer que ((E
T
E)
1
) = ((E
1
)
T
E
1
).
(b) Montrer que toutes les valeurs propres de E
T
E sont relles et strictement positives,
on ordonne ces valeurs propres 0 <
1

2
. . .
n
.
(c) Exprimer (E
T
E) et ((E
T
E)
1
) laide des
i
.
(d) On note
2
(E) le conditionnement de E associ la norme |.|
2
, donner lexpression
de
2
(E) laide des
i
.
(e) Si C est symtrique inversible, que vaut
2
(C) ?
Calculer
2
(C) dans le cas C =
_
_
1 3 0
3 1 0
0 0 5
_
_
(f) Comparer
2
(E) et
2
(E
T
E).
Solution
Sommaire
Concepts
Exemples
Exercices
Documents
115
Index des concepts
Le gras indique un grain o le concept est d-
ni ; litalique indique un renvoi un exercice ou un
exemple, le gras italique un document, et le ro-
main un grain o le concept est mentionn.
C
Conditionnement - erreurs relatives. . . . . . . . 64
Conditionnement - exemple et dnition62, 64
E
Elimination de Gauss
tape gnrale. . . . . . . . . . . . . . . . . . . . . . . . . . 13
algorithme. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .15
deuxime tape. . . . . . . . . . . . . . . . . . . . . . . . . 12
premire tape . . . . . . . . . . . . . . . . . . . . . . . . . . 9
Eliminationde Gauss
factorisation A = LU . . . . . . . . . . . 17, 19, 22
F
Factorisation A = LU
algorithme de Doolittle. . . . . . . . . . . . . . . . . 26
calcul direct . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
faisabilit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
motivations. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
permutation de lignes . . . . . . . . . . . . . . . . . . 30
pivot maximal . . . . . . . . . . . . . . . . . . . . . . . . . . 32
unicit. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
Factorisation LDL
T
. . . . . . . . . . . . . . . . . . . . . . . . . 43
Factorisation PA = LU . . . . . . . . . . . . . . . . . . . . . 34
algorithme. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .37
applications . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39
Factorisation PAQ = LU . . . . . . . . . . . . . . . . . . . 41
Factorisation de Cholesky
existence. . . . . . . . . . . . . . . . . . . . . . . . . . . . 45, 48
mise en oeuvre . . . . . . . . . . . . . . . . . . . . . . . . . 48
Sommaire
Concepts
Exemples
Exercices
Documents
116
N
Norme matricielle subordonne la norme eu-
clidienne . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
Norme matricielle-dnition. . . . . . . . . . . . . . . . 54
Normes vectorielles . . . . . . . . . . . . . . . . . . . . . . . . . 52
R
Rayon spectral . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
S
Systme linaire - motivations . . . . . . . . . . . . . . . 4
Systme linaire triangulaire . . . . . . . . . . . . . . . . 7
Solution de lexercice II.1
1. On dmontre ce rsultat par rcurrence, cest trivialement vri pour i = 1. Supposons que x
i
= ix
1
pour i k,
on crit alors la kime quation, on obtient :
(k 1)x
1
+ 2kx
1
x
k+1
= 0 x
k+1
= (k + 1)x
1
.
Ce qui dmontre le rsultat.
2. En crivant la dernire quation, on obtient
(n 1)x
1
+ 2nx
1
= 0 x
1
= 0
En utilisant la question prcdente on a donc x = 0.
3. On a vu dans le chapitre 1 quune condition ncessaire et sufsante pour que A soit inversible est que son noyau
soit rduit 0, cest ce que lon vient de montrer.
Retour lexercice
Solution de lexercice II.2
1: pour i = 1 jusqu n faire
2: si [a
ii
[ < alors
3: Arrter lalgorithme et donner un message derreur
4: n si
5: n pour
6: x
1

b
1
a
11
7: pour i = 2 jusqu n faire
8: x
i

b
i

i1
k=1
a
ik
x
k
a
ii
9: n pour
Retour lexercice
Solution de lexercice II.3
Le systme linaire scrit
_

_
a
11
x
1
+ a
12
x
2
+ . . . + a
1,n1
x
n1
+ a
1n
x
n
= b
1
a
22
x
2
+ . . . + a
2,n1
x
n1
+ a
2n
x
n
= b
2
. . . = . . .
a
n1,n1
x
n1
+ a
n1,n
x
n
= b
n1
a
nn
x
n
= b
n
On commence donc par calculer linconnue x
n
, puis linconnue x
n1
= (b
n1
a
n1,n
x
n
)/a
n1,n1
et on remonte ainsi
jusqu x
1
. Ainsi, lorsque lon arrive la ime quation, on a dj calcul x
k
pour k = i + 1, . . . , n. Or cette quation
scrit
a
ii
x
i
+ a
i,i+1
x
i+1
+ . . . + a
i,n1
x
n1
+ a
in
x
n
= b
i
ce qui permet de tirer x
i
par la formule donne dans lnonc. Lalgorithme ne diffre de celui de lexercice prcdent
que par les indices. vous de lcrire . . .
Retour lexercice
Solution de lexercice II.4
On limine le premier lment de la ime ligne L
i
en effectuant une combinaison L
i
L
1
, ce qui donne
a
i1
a
11
= 0
soit
=
a
i1
a
11
.
On a alors
L
(2)
i
= L
i
L
1
soit
a
(2)
ij
= a
ij
a
1j
, pour j = 1, . . . , n, i = 2, .., n.
La mme combinaison est effectue sur les composantes du second membre, soit
b
(2)
i
= b
i
b
1
, i = 2, .., n.
Retour lexercice
Solution de lexercice II.5
On limine le deuxime lment de la ime ligne L
(2)
i
en effectuant une combinaison L
(2)
i
L
(2)
2
, ce qui donne
a
(2)
i2
a
(2)
22
= 0
soit
=
a
(2)
i2
a
(2)
22
.
On a alors
L
(3)
i
= L
(2)
i
L
(2)
2
soit
a
(3)
ij
= a
(2)
ij
a
(2)
2j
, pour j = 2, . . . , n, i = 3, . . . , n.
La mme combinaison est effectue sur les composantes du second membre, soit
b
(3)
i
= b
(2)
i
b
(2)
2
, i = 3, . . . , n.
Retour lexercice
Solution de lexercice II.6
On limine le kime lment de la kme ligne L
(k)
k
en effectuant une combinaison L
(k)
i
L
(k)
k
, ce qui donne
a
(k)
ik
a
(k)
kk
= 0
soit
=
a
(k)
ik
a
(k)
kk
.
On a alors
L
(k+1)
i
= L
(k)
i
L
(k)
k
soit
a
(k+1)
ij
= a
(k)
ij
a
(k)
kj
, pour j = k, . . . , n, i = k + 1, . . . , n.
La mme combinaison est effectue sur les composantes du second membre, soit
b
(k+1)
i
= b
(k)
i
b
(k)
k
, i = k + 1, . . . , n.
Pour j = k le coefcient a t dtermin pour que a
(k+1)
ik
= 0, donc dans la pratique on affecte directement 0 ce
coefcient sans effectuer le calcul. Les calculs sont donc faits pour i et j variant de k + 1 n.
Retour lexercice
Solution de lexercice II.7
Lalgorithme procde de la manire suivante :
_
_
1 2 1
2 2 1
1 1 1
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
4
5
3
_
_

_
_
1 2 1
0 2 1
0 1 0
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
4
3
1
_
_

_
_
1 2 1
0 2 1
0 0 1/2
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
4
3
1/2
_
_
La rsolution de ce systme triangulaire donne :
x
3
= 1, x
2
= 1, x
1
= 1.
Retour lexercice
Solution de lexercice II.8
La dmarche est de compter le nombre doprations partir de la boucle la plus intrieure. Nous allons valuer le
nombre de multiplications/divisions, vous laissant le soin dvaluer le nombre dadditions algbriques. On a ainsi :
pour j = k + 1 n , a
ij
a
ij
ca
kj
: on effectue n k multiplications,
calcul de b
i
ET c : on effectue 1 multiplication et 1 division
On effectue les oprations prcdentes pour i = k + 1 n : on effctue donc (n k)(n k + 2) multiplica-
tions/divisions
On effectue ce qui prcde pour k = 1 n1 : on effectue donc

n1
k=1
(nk)(nk +2) multiplications/divisions
soit
n1

k=1
(n k)(n k + 2) =
n1

p=1
p(p + 2) =
n1

p=1
p
2
+ 2
n1

p=1
p =
(n 1)n(2n 1)
6
+ 2
(n 1)n
2

1
3
n
3
.
Dans le rsultat, on na gard que les termes de plus haut degr.
Retour lexercice
Solution de lexercice II.9
Llment du produit des matrices L et U est donn par :
a
ij
=
n

k=1
l
ik
u
kj
.
Or l
ik
= 0 pour i < k et u
kj
= 0 pour j < k. Le produit des lments sera donc nul lorsque k sera suprieur au plus
petit des deux entiers i et j, do le rsultat.
Retour lexercice
Solution de lexercice II.10
On suppose quil y a deux dcompositons possibles :
A = LU =

L

U.
Puisque A est inversible, L, U,

L,

U sont inversibles. On a alors
(

L)
1
L =

UU
1
.
Le produit de deux matrices triangulaires infrieures (resp. suprieures) est une matrice triangulaire infrieure (resp.
suprieure). Il en rsulte que lgalit prcdente donne un matrice diagonale (car triangulaire infrieure et sup-
rieure). Dautre part, la diagonale de

UU
1
ne comportant que des 1, la matrice produit est ncessairement la matrice
identit. Ainsi
(

L)
1
L =

UU
1
= I,
soit
L =

L, U =

U.
Retour lexercice
Solution de lexercice II.11
La rsolution de Ly = b donne
y =
_
_
1
4
1
_
_
puis celle de Ux = y donne
x =
_
_
1
1
1
_
_
Retour lexercice
Solution de lexercice II.12
On cherche L =
_
_
0 0
0

_
_
, U =
_
_
1
0 1
0 0 1
_
_
telles que A = LU.
On identie la premire colonne de A et la premire colonne de LU, cela permet dobtenir la premire colonne de
L :
LU =
_
_
2 0 0
4 0
2
_
_
_
_
1
0 1
0 0 1
_
_
=
_
_
2 1 2
4 5 3
2 5 3
_
_
.
On identie la premire ligne de A avec la premire ligne de LU, cela permet dobtenir la premire ligne de U :
LU =
_
_
2 0 0
4 0
2
_
_
_
_
1 1/2 1
0 1
0 0 1
_
_
=
_
_
2 1 2
4 5 3
2 5 3
_
_
.
On identie la deuxime colonne de A avec la deuxime colonne de LU, cela permet dobtenir la deuxime colonne
de L :
LU =
_
_
2 0 0
4 3 0
2 6
_
_
_
_
1 1/2 1
0 1
0 0 1
_
_
=
_
_
2 1 2
4 5 3
2 5 3
_
_
.
On identie la deuxime ligne de A avec la deuxime ligne de LU, cela permet dobtenir la deuxime ligne de U :
LU =
_
_
2 0 0
4 3 0
2 6
_
_
_
_
1 1/2 1
0 1 1/3
0 0 1
_
_
=
_
_
2 1 2
4 5 3
2 5 3
_
_
.
On identie la troisime colonne de A avec la troisime colonne de LU, cela permet dobtenir la troisime colonne
de L :
LU =
_
_
2 0 0
4 3 0
2 6 1
_
_
_
_
1 1/2 1
0 1 1/3
0 0 1
_
_
=
_
_
2 1 2
4 5 3
2 5 3
_
_
.
Retour lexercice
Solution de lexercice II.13
Le raisonnement sobtient en changeant des lignes et les colonnes dans le raisonnement de lalgorithme de Doolittle
et les matrices L et U. Ainsi, cela commence par :
En crivant A = LU et en se souvenant que les matrices L et U sont triangulaires, on obtient
a
ij
=
j1

k=1
l
ik
u
kj
+ l
ij
pour i = j, j + 1, ..., n.
Ce qui est quivalent
l
ij
= a
ij

j1

k=1
l
ik
u
kj
pour i = j, j + 1, ..., n.
Nous voyons que pour calculer les lments l
ij
de la jme colonne de L, il nous faut connatre pralablement les
lments des colonnes 1 j 1 de L ainsi que les lments des lignes 1 j 1 de U.
etc. . . . vous de continuer.
Retour lexercice
Solution de lexercice II.14
On dcoupe les matrices A, L et U :
_
[A]
k
. . .
. . . . . .
_
=
_
[L]
k
0
. . . . . .
__
[U]
k
. . .
0 . . .
_
.
En effectuant le produit par blocs, on obtient alors
[A]
k
= [L]
k
[U]
k
.
Les deux matrices triangulaires [L]
k
et [U]
k
sont inversibles car les lments des diagonales des matrices L et U sont
non nuls, donc la matrice [A]
k
est inversible.
Retour lexercice
Solution de lexercice II.15
On rappelle que llment p
ij
correspond la ime composante de g(e
j
). On a donc
p
ij
=
_
e
(j)
_
i
=
i,(j)
.
Pour montrer que P
1
= P
T
, il suft de calculer le produit PP
T
:
_
PP
T
_
ij
=
n

k=1
p
ik
p
jk
=
n

k=1

i,(k)

j,(k)
.
Le produit
i,(k)

j,(k)
est nul sauf si
i = j = (k)
et dans ce cas le produit vaut 1, ce qui montre le rsultat.
Retour lexercice
Solution de lexercice II.16
1. Le produit de matrices donne
a
ij
=
n

k=1
(LD)
ik
l
jk
,
soit, puisque la matrice D est diagonale
a
ij
=
n

k=1
l
ik
d
k
l
jk
.
Or, puisque la matrice L est triangulaire infrieure, le produit l
ik
l
jk
est nul pour k > inf(i, j), soit k > j, ce qui
donne le rsultat.
2. En dtaillant la somme de la premire question, on obtient (l
jj
= 1) :
a
jj
=
j1

k=1
d
k
l
2
jk
+ d
j
l
2
jj
=
j1

k=1
d
k
l
2
jk
+ d
j
,
soit
d
j
= a
jj

j1

k=1
d
k
l
2
jk
.
Et pour i > j
a
ij
=
j1

k=1
d
k
l
ik
l
jk
+ d
j
l
ij
l
jj
=
j1

k=1
d
k
l
ik
l
jk
+ d
j
l
ij
,
soit
l
ij
=
a
ij

j1
k=1
d
k
l
ik
l
jk
d
j
.
Retour lexercice
Solution de lexercice II.17
Un raisonnement simple est bas sur le calcul de dterminant. En effet, puisque la matrice B est triangulaire, son
dterminant est le produit des lments de sa diagonale.
dt A = dt (BB
T
) = dt B dt (B
T
) =
n

i=1
(b
ii
)
2
.
La matrice A est inversible puisque elle est dnie positive (voir les rappels du chapitre 1). Le dterminant de A est
donc non nul, do lon dduit que les lments b
ii
sont non nuls.
Retour lexercice
Solution de lexercice II.18
Il suft de considrer q() comme un trinme en qui est toujours positif ou nul, cest--dire qui na pas de racines
relles distinctes. Dans ce cas le trinme
q() =
_
n

i=1
y
2
i
_

2
+
_
2
n

i=1
x
i
y
i
_
+
n

i=1
x
2
i
,
a un discriminant ngatif ou nul
_
2
n

i=1
x
i
y
i
_
2
4
_
n

i=1
y
2
i
__
n

i=1
x
2
i
_
0,
soit
_
n

i=1
x
i
y
i
_
2

_
n

i=1
y
2
i
__
n

i=1
x
2
i
_
.
Le rsultat sobtient en prenant la racine carre de cette ingalit, puisque la fonction racine carre est croissante de
IR
+
sur IR
+
.
Retour lexercice
Solution de lexercice II.19
Les proprits de la norme vectorielle donnent :
|Ax| = [[|Ax|.
On a donc
|A| = max
xC
n
,x=0
[[
|Ax|
|x|
= [[|A|.
De mme
|Ax + Bx| |Ax| +|Bx|,
ce qui donne pour tout x ,= 0
|(A + B)x|
|x|

|Ax|
|x|
+
|Bx|
|x|
,
soit
|(A + B)x|
|x|
max
xC
n
,x=0
|Ax|
|x|
+ max
xC
n
,x=0
|Bx|
|x|
.
Cette dernire ingalit tant vraie pour tout x ,= 0, est donc encore vraie pour le max, soit
max
xC
n
,x=0
|(A + B)x|
|x|
max
xC
n
,x=0
|Ax|
|x|
+ max
xC
n
,x=0
|Bx|
|x|
.
Retour lexercice
Solution de lexercice II.20
Rappelons la dnition de la norme subordonne
|A| = max
xC
n
,x=0
|Ax|
|x|
.
Ceci implique que pour toutx ,= 0, on a
|Ax|
|x|
|A|
soit
|Ax| |A| |x|.
Cette ingalit tant trivialement vrie pour x = 0, elle est donc vraie pour tout x C
n
.
Retour lexercice
Solution de lexercice II.21
Par dnition de la norme subordonne, on a
|I| = max
xC
n
,x=0
|Ix|
|x|
= max
xC
n
,x=0
|x|
|x|
= 1.
Par dnition de la norme de Frobenius, on a
|I|
F
=

_
n

i=1
n

j=1
[I
ij
[
2
=

n.
Retour lexercice
Solution de lexercice II.22
Par dnition de la valeur propre, on a
BAY = Y.
Multiplions gauche par A, il vient
ABAY = AY.
Ceci correspond la dnition dune valeur propre de AB condition que le vecteur propre associ soit non nul.
Supposons que AY = 0, alors en multipliant par B gauche, on obtiendrait
BAY = 0, (= Y ),
ce qui est impossible puisque est non nul et Y non nul (vecteur propre).
On vient de montrer que toute valeur propre non nulle de BA est une valeur propre de AB. Le raisonnement est
videmment valable en changeant les rles de A et de B. Les deux matrices BA et AB ont donc les mmes valeurs
propres non nulles et donc le mme rayon spectral.
Retour lexercice
Solution de lexercice II.23
Puisque la matrice A est symtrique, elle est diagonalisable (voir les rappels du chapitre 1). Elle scrit, donc
A = PDP
1
,
o D est une matrice diagonale. Les lments de la diagonale de D sont les valeurs propres de A. On a donc
A
2
= PDP
1
PDP
1
= PD
2
P
1
,
ce qui montre que les valeurs propres de A
2
sont les lments de la diagonale de D
2
, cest dire les valeurs
propres de A au carr.
Si lon range les valeurs propres de A de la manire suivante :
[
n
[ [
n1
[ . . . [
1
[,
on a
[
n
[
2
[
n1
[
2
. . . [
1
[
2
.
Il en rsulte que
(A
2
) = [
1
[
2
= (A)
2
.
Dans le cours il est dmontr (rechercher le rsultat si vous lavez oubli) que
|A|
2
2
= (AA
T
).
La matrice tant symtrique (A = A
T
) et en appliquant la question prcdente, on a
|A|
2
2
= (A
2
) = (A)
2
,
soit (les deux quantits tant positives)
|A|
2
= (A).
Les valeurs propres de A sont videmment nulles, ce qui donne un rayon spectral nul. Si ce rayon spectral tait
une norme matricielle, on devrait avoir une matrice nulle par la premire proprit dune norme matricielle. La
matrice A nest videmment pas la matrice nulle, le rayon spectral nest donc pas une norme matricielle pour les
matrices non symtriques.
Retour lexercice
Solution de lexercice II.24
Considrons une valeur propre de A :
AY = Y.
On a dj montr (exercice II.20 ) que
|AY | |A| |Y |,
ce qui donne
|Y | |A| |Y |
donc
[[ |Y | |A| |Y |
or (|Y | , = 0 puisque Y est un vecteur non nul), donc aprs simplication
[[ |A|.
Cette ingalit tant valable pour toute valeur propre, elle est videmment valable pour la plus grande en module,
soit
(A) |A|.
Retour lexercice
Solution de lexercice II.25
Une matrice diagonale tant une matrice symtrique, sa norme matricielle subordonne la norme euclidienne est
gale son rayon spectral. Il en est de mme de linverse de D. Dautre part, les valeurs propres dune matrice
diagonale sont ses lments diagonaux. Si lon appelle d
i
les lments diagonaux de D, on a
|D| = max
1in
[d
i
[ , |D
1
| =
1
min
1in
[d
i
[
.
Le conditionnement de D est donc donn par
(D) = |D| |D
1
| = max
1in
[d
i
[
1
min
1in
[d
i
[
.
Ce conditionnement est gal 1 si et seulement si
max
1in
[d
i
[ = min
1in
[d
i
[
ce qui est quivalent tous les lments diagonaux de D sont gaux, cest--dire D = I.
Retour lexercice
Solution de lexercice II.26
Puisque la matrice A est symtrique, elle est diagonalisable (voir les rappels du chapitre 1). Elle scrit, donc
A = PDP
1
,
o D est une matrice diagonale dont les lments de la diagonale sont les valeurs propres de A. On a donc
A
1
= (PDP
1
)
1
= PD
1
P
1
,
ce qui montre que les valeurs propres de A
1
sont les lments de la diagonale de D
1
, cest dire linverse des
valeurs propres de A. Puisque les valeurs propres de A sont ranges de la manire suivante :
0 < [
n
[ . . . [
2
[ [
1
[,
les valeurs propres de A
1
sont donnes par :
1
[
1
[

1
[
2
[
. . .
1
[
n
[
.
Par dnition, on a
(A) = |A|
2
|A
1
|
2
= (A)(A
1
) =
[
1
[
[
n
[
.
Retour lexercice
Aide 1, Exercice A.1.1
On obtient
L =
_
_
_
_
1 0 0 0
1 1 0 0
1 3 1 0
1 7 6 1
_
_
_
_
, U =
_
_
_
_
1 2 3 4
0 2 6 12
0 0 6 24
0 0 0 24
_
_
_
_
, x =
_
_
_
_
1
1
1
1
_
_
_
_
.
Retour lexercice
Aide 1, Question 1a, Exercice A.1.2
On obtient
e
1
=
c
1
b
1
, f
1
=
y
1
b
1
e
i
=
c
i
a
i
e
i1
+ b
i
, f
i
=
y
i
a
i
f
i1
a
i
e
i1
+ b
i
pour i = 2, ..., n 1
f
n
=
y
n
a
n
f
n1
a
n
e
n1
+ b
n
.
Retour lexercice
Aide 1, Question 1b, Exercice A.1.2
On doit dterminer dans lordre e
1
, f
1
, e
2
, f
2
, ..., e
n1
, f
n1
, f
n
, x
n
, x
n1
, ..., x
1
.
Retour lexercice
Aide 1, Question 2a, Exercice A.1.2
On a
A
1
= LU
1
= L
1
, do L
1
= A
1
=
_
_
_
_
_
_
_
l
1
a
2
0
.
.
.
0
_
_
_
_
_
_
_
avec l
1
= b
1
.
A
1
= L
1
U = l
1
U
1
, do U
1
=
1
l
1
A
1
=
_
1 e

1
0 . . . 0
_
, avec e

1
=
c
1
l
1
.
Retour lexercice
Aide 1, Question 2b, Exercice A.1.2
On identie cette fois la deuxime colonne de A, puis la deuxime ligne de A.
Retour lexercice
Aide 2, Question 2b, Exercice A.1.2
On a
A
2
= LU
2
= L
_
_
_
_
_
e

1
1
0
.
.
.
_
_
_
_
_
= e

1
L
1
+ L
2
do L
2
= A
2
e

1
L
1
=
_
_
_
_
_
_
_
0
l
2
a
3
0
.
.
.
_
_
_
_
_
_
_
avec l
2
= b
2
e

1
a
2
.
A
2
= L
2
U =
_
a
2
l
2
0 . . .
_
U = a
2
U
1
+ l
2
U
2
,
do
U
2
=
1
l
2
(A
2
a
2
U
1
) =
_
0 1 e

2
0 . . .
_
avec e

2
=
c
2
l
2
.
Retour lexercice
Aide 1, Question 2c, Exercice A.1.2
On suppose que les formules ont t dmontres pour 2, 3, ..., j 1, on va les dmontrer pour j, pour cela on identie
la colonne j et la ligne j de A.
Retour lexercice
Aide 2, Question 2c, Exercice A.1.2
On a
A
j
= LU
j
= L
_
_
_
_
_
_
_
_
_
_
0
.
.
.
e

j1
1
0
.
.
.
_
_
_
_
_
_
_
_
_
_
= e

j1
L
j1
+ L
j
do L
j
= A
j
e

j1
L
j1
=
_
_
_
_
_
_
_
_
_
_
0
.
.
.
l
j
a
j+1
0
.
.
.
_
_
_
_
_
_
_
_
_
_
avec l
j
= b
j
e

j1
a
j
.
A
j
= L
j
U =
_
0 . . . a
j
l
j
0 . . .
_
U = a
j
U
j1
+ l
j
U
j
,
do
U
j
=
1
l
j
_
A
j
a
j
U
j1
_
=
_
0 . . . 1 e

j
0 . . .
_
avec e

j
=
c
j
l
j
=
c
j
b
j
e

j1
a
j
.
En construisant la matrice U partir des lignes que lon vient de dterminer et la matrice L partir des colonnes
que lon vient de dterminer, on obtient :
U =
_
_
_
_
_
_
1 e
1
0 . . . . . .
0 1 e
2
0 . . .
. . . . . . . . . . . . . . .
0 . . . 0 1 e
n1
0 . . . . . . 0 1
_
_
_
_
_
_
, L =
_
_
_
_
_
_
l
1
0 . . . . . . . . .
a
2
l
2
0. . . . . .
. . . . . . . . . . . . . . .
. . . 0 a
n1
l
n1
0
0 . . . 0 a
n
l
n
_
_
_
_
_
_
Retour lexercice
Aide 1, Question 2d, Exercice A.1.2
Cest vrai pour i = 1, il suft de regarder les 2 expressions, supposons que ce soit vrai pour 1, 2, ..., j 1, on a donc
e

j
=
c
j
b
j
e

j1
a
j
=
c
j
b
j
+ e
j1
a
j
= e
j
Retour lexercice
Aide 1, Question 2e, Exercice A.1.2
Rsolvez le systme, trouvez lexpression des z
i
, et comparez avec les f
i
Retour lexercice
Aide 2, Question 2e, Exercice A.1.2
La premire quation est
l
1
z
1
= y
1
z
1
=
y
1
b
1
= f
1
.
On suppose que f
i1
= z
i1
, montrez que f
i
= z
i
.
Retour lexercice
Aide 3, Question 2e, Exercice A.1.2
Si z
i1
= f
i1
, pour montrer que z
i
= f
i
, on crit lquation i
a
i
z
i1
+ l
i
z
i
= y
i
z
i
=
y
i
a
i
z
i1
l
i
=
y
i
a
i
f
i1
b
i
+ e
i1
a
i
= f
i
Et cest tout !
Retour lexercice
Aide 1, Question 2f, Exercice A.1.2
Ax = y LUx = y
_
Lz = y
Ux = z
Puisque z = f on rsout donc Ux = f, ce qui quivaut
_
_
_
_
_
_
1 e
1
0 . . . . . .
0 1 e
2
0 . . .
. . . . . . . . . . . . . . .
0 . . . 0 1 e
n1
0 . . . . . . 0 1
_
_
_
_
_
_
_
_
_
_
_
_
_
_
x
1
x
2
.
.
.
.
.
.
x
n
_
_
_
_
_
_
_
_
=
_
_
_
_
_
_
_
_
f
1
f
2
.
.
.
.
.
.
f
n
_
_
_
_
_
_
_
_

_
x
1
= e
1
x
2
+ f
1
.
.
.
x
i
= e
i
x
i+1
+ f
i
.
.
.
x
n
= f
n
On retrouve bien la mthode de Richtmayer. Les conditions pour lesquelles cette mthode est applicable sont donc
les conditions pour lesquelles la factorisation de Crout est faisable, et conduit des matrices L et U inversibles. Cette
condition est : toutes les sous-matrices principales de A sont inversibles.
Retour lexercice
Aide 1, Question 2, Exercice A.1.3
On a :
a
kk
x
k
= a
k1
x
1
... a
kk1
x
k1
a
kk+1
x
k+1
... a
kn
x
n
.
Utiliser lingalit triangulaire.
Retour lexercice
Aide 2, Question 2, Exercice A.1.3
[a
kk
[[x
k
[ [a
k1
[[x
1
[ + ... +[a
kk1
[[x
k1
[ +[a
kk+1
[[x
k+1
[... +[a
kn
[[x
n
[
([a
k1
[ + ... +[a
kk1
[ +[a
kk+1
[... +[a
kn
[)[x
k
[.
Quobtient-on si x
k
,= 0 ?
Retour lexercice
Aide 3, Question 2, Exercice A.1.3
Si x
k
,= 0, on pourrait simplier ce qui donnerait :
[a
kk
[ ([a
k1
[ + ... +[a
kk1
[ +[a
kk+1
[... +[a
kn
[).
Ce qui est impossible car A est diagonale strictement dominante.
Donc x
k
= 0.
En dduire que A est inversible.
Retour lexercice
Aide 4, Question 2, Exercice A.1.3
Si x
k
= 0 alors i x
i
= 0 et donc x = 0. Donc
Ker (A) = 0.
Revoir le chapitre 1.
Retour lexercice
Aide 5, Question 2, Exercice A.1.3
Si A est carre :
Ker (A) = 0 A est inversible .
Retour lexercice
Aide 1, Question 3, Exercice A.1.3
Revoir le paragraphe "Factorisation A = LU / faisabilit ".
Retour lexercice
Aide 2, Question 3, Exercice A.1.3
Montrer que les sous-matrices principales sont diagonale strictement dominante, donc inversibles.
Retour lexercice
Aide 1, Question 1, Exercice A.1.4
Le produit des valeurs propres est positif.
Les termes diagonaux de A sont positifs.
Les conditions ncessaires pour que la matrice A soit dnie positive sont satisfaites.
A priori on ne peut pas dire si A est dnie positive ou non.
Retour lexercice
Aide 1, Question 2, Exercice A.1.4
Voir le paragraphe "Factorisation LDL
T
".
Retour lexercice
Aide 2, Question 2, Exercice A.1.4
Revoir galement le paragraphe "Factorisation A = LU / faisabilit ".
Retour lexercice
Aide 3, Question 2, Exercice A.1.4
Pour obtenir D, on crit U = DU

, avec U

matrice triangulaire suprieure avec des 1 sur la diagonale. Que vaut U

?
Retour lexercice
Aide 4, Question 2, Exercice A.1.4
D =
_
_
_
_
2 0 0 0
0 1 0 0
0 0 1 0
0 0 0 3
_
_
_
_
. U

= L
T
.
Retour lexercice
Aide 1, Question 3, Exercice A.1.4
Revoir la dnition de matrice symtrique dnie positive dans le chapitre 1.
Retour lexercice
Aide 2, Question 3, Exercice A.1.4
x
T
Ax = x
T
LDL
T
x = y
T
Dy avec y = L
T
x
Or d
22
= 1, on peut choisir y judicieusement.
Retour lexercice
Aide 3, Question 3, Exercice A.1.4
On peut choisir
y =
_
_
_
_
0
1
0
0
_
_
_
_
, y
T
D y = 1.
Retour lexercice
Aide 4, Question 3, Exercice A.1.4
Existe-t-il x tel que y = L
T
x?
Retour lexercice
Aide 5, Question 3, Exercice A.1.4
Puisque L
T
est inversible,
x, y = L
T
x
et on a
x
T
A x = y
T
D y = 1.
Ce qui permet de conclure que la matrice A nest pas dnie positive puisque lon na pas
x, x
T
Ax 0.
Retour lexercice
Aide 1, Question 1, Exercice A.1.5
Faire les calculs et montrer que lon ne dbouche pas sur une impossibilit : montrer que les termes dont on doit
prendre la racine carre sont positifs, montrer que les termes par lesquels on doit diviser sont non nuls.
Retour lexercice
Aide 2, Question 1, Exercice A.1.5
Les proprits de A qui peuvent nous servir sont
a
11
> 0, a
22
> 0.
Les deux valeurs propres de A sont strictements positives donc det A > 0.
Faites les calculs pour obtenir C, et montrez que tout se passe bien.
Retour lexercice
Aide 1, Question 2a, Exercice A.1.5
ICI on admet que C existe, donc que tous les calculs se passent bien.
Retour lexercice
Aide 2, Question 2a, Exercice A.1.5
Utiliser les proprits du produit matriciel.
Que vaut a
11
? En dduire c
11
(qui doit tre positif).
Que vaut A
1
? En dduire C
1
.
Faites de mme pour les colonnes suivantes.
Retour lexercice
Aide 3, Question 2a, Exercice A.1.5
c
11
=

a
11
.
C
1
=
1
c
11
A
1
.
Retour lexercice
Aide 4, Question 2a, Exercice A.1.5
On suppose que lon a dtermin les j 1 premires colonnes.
Que vaut a
jj
?
Constater que dans lexpression de a
jj
tous les termes sont connus sauf c
jj
.
En dduire c
jj
(qui doit tre positif).
Que vaut A
j
?
L encore, constater que seule la colonne C
j
est inconnue.
En dduire C
j
.
Retour lexercice
Aide 5, Question 2a, Exercice A.1.5
c
jj
=

_
a
jj

j1

k=1
c
2
jk
.
C
j
=
1
c
jj
_
A
j

j1

k=1
c
jk
C
k
_
.
Retour lexercice
Aide 1, Question 2b, Exercice A.1.5
Voir le paragraphe "Factorisation de Cholesky / mise en oeuvre ".
Retour lexercice
Aide 1, Question 1, Exercice A.1.6
[[Ax[[

= max
1in
[(Ax)
i
[ = max
1in

j=1
a
ij
x
j

Retour lexercice
Aide 1, Question 2, Exercice A.1.6
Utiliser lingalit triangulaire.
Noubliez pas que
j [x
j
[ |x|

.
Retour lexercice
Aide 2, Question 2, Exercice A.1.6
On obtient

j=1
a
ij
x
j

j=1
[a
ij
[ [x
j
[
n

j=1
[a
ij
[ [[x[[

= [[x[[

j=1
[a
ij
[
Donc :
[[Ax[[

= max
1in

j=1
a
ij
x
j

[[x[[

_
_
max
1in
n

j=1
[a
ij
[
_
_
Donc
x ,= 0
[[Ax[[

[[x[[

max
1in
n

j=1
[a
ij
[
On obtient le rsultat :
[[A[[

= max
x=0
[[Ax[[

[[x[[

max
1in
n

j=1
[a
ij
[ (A.1.1)
Retour lexercice
Aide 1, Question 3, Exercice A.1.6
[[ x[[

= 1.
Daprs la dnition de x, on a
(A x)
l
= a
l1
x
1
+ a
l2
x
2
+ ... + a
ln
x
n
= [a
l1
[ +[a
l2
[ + ... +[a
ln
[ =
n

j=1
[a
lj
[
Car
si
_
a
li
0, x
i
a
li
= a
li
= [a
li
[
a
li
< 0, x
i
a
li
= a
li
= [a
li
[
pour 1 i n
On en dduit un minorant de |A x|

.
Retour lexercice
Aide 2, Question 3, Exercice A.1.6
En utilisant la dnition de la norme innie dun vecteur, on obtient :
|A x|

[(A x)
l
[ = (A x)
l
=
n

j=1
[a
lj
[.
Retour lexercice
Aide 1, Question 4, Exercice A.1.6
Dans la question 2), on a montr
[[A[[

max
1in
n

j=1
[a
lj
[.
Montrer que la question 3) permet dcrire lautre ingalit.
Retour lexercice
Aide 2, Question 4, Exercice A.1.6
En utilisant la question 3
[[A x[[

[[ x[[

j=1
[a
lj
[ = max
1in
n

j=1
[a
ij
[.
Reprenez la dnition de [[A[[

.
Retour lexercice
Aide 3, Question 4, Exercice A.1.6
Daprs la dnition :
[[A[[


[[A x[[

[[ x[[

max
1in
n

j=1
[a
ij
[.
On retrouve l"autre" ingalit.
Do lgalit :
[[A[[

max
1in
n

j=1
[a
ij
[.
Retour lexercice
Aide 1, Question 5, Exercice A.1.6
[[A[[
1
= max(1; 0.3; 1.1) = 1.1
[[A[[

= max(0.7; 0.9; 0.8) = 0.9


Retour lexercice
Solution de lexercice A.1.7
1. Soit y vecteur propre de AA

associ la valeur propre ,= 0,


y vecteur propre de AA


_
AA

y = y
y ,= 0
On a donc A

AA

y = A

y, pour montrer que A

y est vecteur propre de A

A, il reste prouver que A

y ,= 0.
Cela se dmontre par labsurde
A

y = 0 AA

y = 0 y = 0,
or ,= 0, y ,= 0 donc y ,= 0, ce qui prouve que A

y ,= 0.
Toutes les valeurs propres non nulles de AA

sont donc valeurs propres (non nulles) de A

A, on montrerait de
mme que les valeurs propres non nulles de A

A sont valeurs propres de AA

.
On va montrer que (A

A) = (AA

).
Ce rsultat peut se dmontrer par labsurde si on suppose que (A

A) > (AA

), alors (A

A) > 0, donc il existe


valeur propre de A

A vriant [[ = (A

A) > 0, donc est valeur propre de AA

, donc (AA

) [[ = (A

A), ce
qui conduit une contradiction. On montrerait de mme que (AA

) > (A

A) conduit une contradiction, donc


(A

A) = (AA

).
2. B est inversible donc ses valeurs propres sont non nulles, donc [
1
[ > 0.
Par dnition du rayon spectral (B) = [
n
[.
By
i
=
i
y
i
B
1
y
i
=
1

i
y
i
Les valeurs propres de B
1
sont donc
1

1
,
1

2
, ...,
1

n
, les vecteurs propres correspondants sont les mmes que ceux
de B.
Si on ordonne les valeurs propres de B
1
, on obtient
1
|
1
|

1
|
2
|
...
1
|
n
|
, donc
(B
1
) =
1
[
1
[
.
3. (a) On rappelle que si E et E

sont des matrices carres inversibles, on a (E


T
)
1
= (E
1
)
T
, (EE

)
1
= E

1
E
1
,
en utilisant ces rsultats et la question 1., on obtient

_
(E
1
)
T
E
1
_
=
_
E
1
(E
1
)
T
_
=
_
E
1
(E
T
)
1
_
=
_
(E
T
E)
1
_
.
(b) E
T
E est symtrique dnie positive (car E est inversible), donc toutes les valeurs propres de E
T
E sont
strictement positives.
(c) On utilise 2.

_
E
T
E
_
=
n
,
_
(E
T
E)
1
_
=
1

1
(d)

2
(E) = |E|
2
|E
1
|
2
=
_
(E
T
E)
_
((E
1
)
T
E
1
) =

1
(e) Si C est symtrique |C|
2
= (C), |C
1
|
2
= (C
1
).
Si on note
i
les valeurs propres ordonnes de C : 0 < [
1
[ [
2
[ ... [
n
[, alors

2
(C) = |C|
2
|C
1
|
2
= (C)(C
1
) =
[
n
[
[
1
[
On calcule det(sI C) = (s+5)(s+2)(s4), on a donc dans lordre
1
= 2,
2
= 4,
3
= 5, donc
2
(C) =
5
2
.
(f) E
T
E est une matrice symtrique (dnie positive), ses valeurs propes sont 0 <
1

2
. . .
n
, donc en
utilisant la question (d)

2
(E
T
E) =

n

1
= (
2
(E))
2
.
On sait que le conditionnement dune matrice est toujours superieur un, donc la matrice E
T
E a un condi-
tionnement suprieur la matrice E. On utilisera cette proprit dans le chapitre sur les moindres carrs
en prfrant rsoudre un systme dont la matrice est E, plutot quun systme dont la matrice est E
T
E.
Retour lexercice