Vous êtes sur la page 1sur 14

14 Algorithmes du pivot de Gauss.

Applications
On utilise les dnitions et notations du chapitre 13. On se reportera au paragraphe 13.1 pour les dnitions d'oprations lmentaires, de matrices de transvection, de dilatation, de permutation.

14.1 Matrices chelonnes


Soit A = ((aij )) 1in Mn,m (K) . Si A est non nulle, on dnit alors pour tout entier i compris entre 1 et n tel que la ligne numro i de A soit non nulle l'entier di comme le plus petit entier j compris entre 1 et m tel que aij = 0, soit :
di = inf {j {1, , m} | aij = 0}
1 j m

Dnition 14.1 On dit qu'une matrice A Mn,m (K) est chelonne en ligne si elle est nulle ou si elle est non nulle et il existe un entier r compris entre 1 et n tel que :  i {1, , r} , Li = 0 ;  i {r + 1, , n} , Li = 0 ;  1 d1 < d2 < < dr m. On dit qu'une matrice A Mn,m (K) est chelonne en colonne si la matrice t A Mn,m (K) est chelonne en ligne.
Le cas o r = n correspond une matrice ayant toutes ses lignes non nulles et de la forme :
0 0 0 A= . . . . . . . . . 0 a1d1 0 a2d2 a1m a2m . . . anm

. . .

. . .

. . .

. . .

andn

. . .

. . .

avec aidi = 0 pour tout i compris entre 1 et n. Pour r = n = m (cas d'une matrice carre), on a ncessairement di = i pour i compris entre 1 et n et la matrice A est triangulaire suprieure diagonale non nulle, donc inversible.

347

348

Algorithmes du pivot de Gauss. Applications


a1m a2m . . . . . . arm 0 . . . . . . 0

Pour 1 r n 1, une matrice chelonne est de la forme :


0 0 0 . . . . . . . . . A = 0 0 . . . . . . . . . 0 a1d1 0

. . .

. . .

. . .

a2d2

. . .

. . .

. . .

. . .

. . .

. . .

ardr

. . .

Les coecients aidi , pour i compris entre 1 et r, sont les pivots de la matrice chelonne A.

Thorme 14.1 Avec les notations de la dnition prcdente, une matrice non nulle chelonne en ligne [resp. en colonne] A est de rang r (le nombre de lignes [resp. de colonnes] non nulles).

Dmonstration. On rappelle que, pour


min (n, m) .

A Mn,m (K) non nulle, on a 1 rg (A) r aidi = 0 = i =1

Comme :

a1d1 a1d2 a1dr 0 a2d2 a2dr . ... . . . 0 . . det 0 . . . .. .. . . 0 0 0 ardr

on a rg (A) r. Pour r = n, on a ncessairement rg (A) = n = r puisque rg (A) n. Pour 1 r n 1, on a rg (A) r puisque les lignes r + 1 n de A sont nulles et l encore
rg (A) = r.

Et comme rg (A) = rg ( t A) , on a le rsultat pour les matrices chelonnes en colonnes.


Ax = b est chelonn si la matrice A est

chelonne en lignes.

Dnition 14.2 On dit qu'un systme linaire

14.2 Rsolution des systmes linaires par la mthode des pivots de Gauss
Nous allons voir ici que toute matrice A Mn,m (K) peut tre transforme en une matrice chelonne par une suite d'oprations lmentaires. Cette transformation peut tre utilise pour rsoudre des systmes linaires ou pour inverser des matrices carres (qui sont inversibles). Tout est bas sur les rsultats suivants.

Lemme 14.1 Soit A = ((aij )) 1in

de matrices de permutation et de transvection telle que :


a11 0 PA = . . . 0
(1)

1j m

Mn,m (K) . Il existe une matrice P GLn (K) produit a12 (1) a22
(1) (1) a1m (1) a2m ... . . . (1) anm

. . .

an2

(1)

Rsolution des systmes linaires par la mthode des pivots de Gauss

349

Dmonstration. Si la premire colonne de A est nulle, la matrice A a dj la forme souhaite et P = In convient. Sinon, il existe un indice i compris entre 1 et m tel que ai1 = 0. Si i 2, on permute alors la ligne 1 avec la ligne i, ce qui revient multiplier gauche la matrice A par la matrice de permutation P1i , sinon on ne fait rien. Dans tous les cas, on s'est ramen une matrice de coecient a(1) 11 = 0 et en eectuant les oprations lmentaires :
Li Li ( ai1
(1)

a11

(1)

L1 (2 i n) )

ce qui revient multiplier gauche la matrice par les matrices de transvection :


Ti = Ti1 ai1
(1) (1)

a11

(2 i n)
(1) a1m (1) a2m . . .

on obtient la matrice :
A(1)

a11 0 = PA = . . . 0

(1)

a12 (1) a22

(1)

. . .

...

an2

(1)

anm

(1)

o P = Tn T2 P1 avec P1 = In ou une matrice de permutation et, pour i compris entre 2 et n, Ti = In ou une matrice de transvection de paramtre non nul.

Remarque 14.1 Pour a(1) 11 = 0, on a rg (A) = 1 + rg


. B (1) = . .
n i=2

) B (1) , en notant :

a22

(1)

...

a2m
(1)

(1)

. . . Mn1,m1 (K)

an2

(1)

anm

Remarque 14.2 La matrice

Ti est de la forme : 1 21 0 1 0 0 0 ... . . . 1 0 0 1

n i=2

( Ti1

ai1

(1)

(1) a11

. . = . n1,1 n 1

0 0

. . . . ..

Une telle matrice est dite de Frobenius.

Dnition 14.3 On appelle matrice de Frobenius une matrice carre d'ordre n qui ne dire
de l'identit que par une colonne (ou une ligne).
1 j m

Thorme 14.2 Soit

A = ((aij )) 1in Mn,m (K) . Il existe une matrice P GLn (K)

produit de matrices de permutation et de transvection telle que la matrice P A soit chelonne en ligne.

350

Algorithmes du pivot de Gauss. Applications

Dmonstration. En reprenant les notations de la remarque prcdente, on applique le lemme la matrice B (1) . De proche en proche, on aboutit une matrice P A chelonne en ligne. Remarque 14.3 En appliquant le thorme la matrice
A Mm,n (K) , on dduit l'existence de P GLn (K) produit de matrices de permutation et de transvection telle que la matrice P t A soit chelonne en ligne. La matrice t (P t A) = A t P est alors chelonne en colonne, la matrice Q GLn (K) tant un produit de matrices de permutation et de transvection.
t

Remarque 14.4 En utilisant des matrices de dilatation, on peut se ramener, pour A = 0,


une matrice chelonne de pivots tous gaux 1. (sauf si P = In ).

Remarque 14.5 Pour n = m, la matrice P A est quivalente la matrice A mais pas semblable
Le thorme prcdent nous donne un algorithme de rsolution d'un systme linaire de n quations m inconnues. C'est la mthode des pivots de Gauss. Cette mthode nous donne aussi un moyen de calculer le rang de la matrice A, c'est le rang de la matrice chelonne P A. Prcisment, pour A = ((aij )) 1in Mn,m (K) et b Kn , on s'intresse aux solutions dans
K du systme linaire de n quations m inconnues :
m j =1 1j m

aij xj = bi (1 i n)

(14.1)

qui peut aussi s'crire sous forme matricielle, Ax = b. Dans le cas o le second membre b est nul, on dit que le systme est homogne. On appelle solution du systme (14.1) tout vecteur x = (xi )1im Km qui vrie (14.1) . On dit qu'un systme linaire est compatible si l'ensemble de ses solutions est non vide.

Remarque 14.6 Un systme homogne est toujours compatible puisque le vecteur nul est solution.

Remarque 14.7 Dans le cas o la matrice

linaire Ax = b est de Cramer. Il a alors une unique solution.

A est carre et inversible, on dit que le systme

On dit que deux systmes linaires Ax = b et A x = b sont quivalents s'ils ont mme ensemble de solutions. En dsignant par u l'application linaire de Km dans Kn ayant A pour matrice dans les bases canoniques, on peut remarquer que l'ensemble des solutions du systme homogne associ (14.1) est le noyau de u et le systme (14.1) est compatible si, et seulement si, b est dans l'image de u. Si le systme (14.1) est compatible et si x0 en est une solution particulire, alors pour tout autre solution x, le vecteur x x0 est dans le noyau de u. L'ensemble des solutions de (14.1) est donc, dans ce cas, x0 + ker (u) , c'est--dire le sous-espace ane de Km de dimension n rg (A) dirig par ker (u) et passant par x0 . On dduit donc, dans le cas o le systme (14.1) est compatible, que l'ensemble des solutions est soit rduit un point (cas o ker (u) = {0}), soit inni (cas o ker (u) = {0}).

Rsolution des systmes linaires par la mthode des pivots de Gauss


On peut galement donner l'interprtation vectorielle suivante du systme (14.1) :
( (x Km | Ax = b) x Km |
p j =1

351
)

xj Cj = b

Dans le cas o le systme est compatible, le vecteur b est dans l'espace vectoriel engendr par les vecteurs colonnes Cj et tout revient dterminer toutes les critures possibles de b comme combinaison linaire des Cj . Le systme homogne associ Ax = 0 possde d'autres solutions que la solution nulle si, et seulement si, le systme (C1 , , Cm ) est li dans Kn . On appelle opration lmentaire sur le systme (14.1) toute opration lmentaire sur les lignes ou les colonnes de la matrice (A, b) Mn,m+1 (K) .

Thorme 14.3 Une opration lmentaire sur les lignes d'un systme linaire Ax = b le transforme en un systme quivalent.
Ax = b revient multiplier gauche les matrices A et b par une mme matrice inversible P GLn (K) et l'quation Ax = b est quivalente P Ax = P b. Dans ce qui suit on considre le systme linaire de n quations m inconnues : a11 x1 + + a1m xm = b1 a x + + a x = b n1 1 nm m n

Dmonstration. Une opration lmentaire sur les lignes du systme linaire

. . .

(14.2)

et on note, pour tout i compris entre 1 et n, Li = (ai1 , , aim , bi ) la ligne numro i de ce systme. On suppose que la matrice A n'est pas la matrice nulle (sinon l'ensemble des solutions du systme (14.2) est Km ). Si les premires colonne C1 , , Cd1 de la matrice A sont nulles, les variable x1 , , xd1 peuvent tre quelconques et on passe la colonne d1 + 1, ce qui nous donne un systme de n quations m d inconnues. On suppose donc que la premire colonne de la matrice A n'est pas nulle et en permutant la ligne 1 avec une des lignes suivantes, on se ramne un systme A(1) x = b(1) , avec a(1) 11 non nul. On limine alors x1 des lignes 2 n en eectuant les oprations lmentaires suivantes :
Li Li ai1
(1) (1)

a11

L1 (2 i n)

ce qui donne le systme :


(1) (1) (1) (1) a11 x1 + a12 x2 + + a1m xm = b1 (2) (2) (2) a22 x2 + + a2m xm = b2 . . . (2) (2) (2) an2 x2 + + anm xm = bn

Si l'un des coecients a(2) i2 est non nul (2 i n), on recommence avec un procd analogue pour liminer x2 des quations 3 n. Si tous les coecients a(2) i2 sont nuls, on passe alors la colonne suivante.

352

Algorithmes du pivot de Gauss. Applications

Et on continue ainsi de suite. Au bout d'un nombre ni d'tapes, on aboutit un systme chelonn qui est quivalent au systme (14.2) . Trois cas de gure sont alors possibles.  Soit on a obtenu un systme de Cramer triangulaire suprieur d'ordre n = m = r :
11 x1 + 12 x2 + + 1n xn = 1 22 x2 + + 2n xn = 2 . . . nn xn = n

les pivots ii tant tous non nuls. Un tel systme a une unique solution et se rsout alors  en remonte  :
n xn = n( ) n 1 i ij xj (i = n 1, , 1) xi = ii j =i+1

Dans ce cas, la matrice A est de rang n = m. Du fait qu'une permutation de lignes change le dterminant de signe et qu'ajouter un multiple d'une ligne une autre ne change pas ce dernier, on aura :
det (A) = (1)
p n i=1

ii

o p est le nombre de permutations qui ont t ncessaires pour avoir des pivots ii non nuls, ce qui nous donne un algorithme de calcul du dterminant de A.  Soit on a obtenu un systme de r n quations m > r inconnues de la forme :
11 x1 + 12 x2 + + 1r xr + 1,r+1 xr+1 + + 1m xm = 1 22 x2 + + 2r xr + 2,r+1 xr+1 + + 2m xm = 2 . . . rr xr + r,r+1 xr+1 + + rm xm = r

Les r premires inconnues sont appeles inconnues principales et les autres inconnues non principales. Les inconnues non principales sont alors utilises comme paramtres en second membre et on rsout le systme aux inconnues principales x1 , , xr :
11 x1 + 12 x2 + + 1r xr = 1 (1,r+1 xr+1 + + 1m xm ) 22 x2 + + 2r xr = 2 (2,r+1 xr+1 + + 2m xm ) . . . rr xr = r (r,r+1 xr+1 + + nm xm )

les pivots ii , pour i compris entre 1 et r, tant tous non nuls. L'ensemble des solutions est alors un espace ane de dimension n r (le nombre de paramtres) et le rang de la matrice est r.

Rsolution des systmes linaires par la mthode des pivots de Gauss


 Soit on a obtenu un systme de n quations r = m < n inconnues de la forme :
11 x1 + 12 x2 + + 1m xm = 1 22 x2 + + 2m xm = 2 . . . mm xm = m 0 = m+1 . . . 0 = n

353

Si l'un des i , pour i compris entre m + 1 et n est non nul, alors le systme n'a pas de solution. Si tous i , pour i compris entre m + 1 et n sont nuls, le systme restant, appel systme aux quations principales, est de Cramer et on a une unique solution. Dans ce cas, la matrice est de rang m.

Exemple 14.1 Soit rsoudre le systme :

x+y+z =1 x + 2y + 2z = 2 x + 2y + 3z = 3 (i = 2, 3)

Les oprations lmentaires : donnent le systme :

Li Li L1

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

puis l'opration L3 L3 L2 donne :

et le systme a pour unique solution (x, y, z ) = (0, 0, 1) .

Exemple 14.2 Soit rsoudre le systme :

x+y+z =1 x + 2y + 2z = 2 x + 2y + 2z = 3 (i = 2, 3)

Les oprations lmentaires : donnent le systme :

Li Li L1

x+y+z =1 y+z =1 y+z =2 x+y+z =1 y+z =1 0=1

puis l'opration L3 L3 L2 donne :

et le systme n'a pas de solution.

354

Algorithmes du pivot de Gauss. Applications


x 2y + t = 1 x y z + 4t = 1 x 3y + z 2t = 1 (i = 2, 3)

Exemple 14.3 Soit rsoudre le systme :

Les oprations lmentaires : donnent le systme :

Li Li L1

x 2y + t = 1 y z + 3t = 0 y + z 3t = 0 { x 2y + t = 1 y z + 3t = 0

quivalent :

et le systme a innit de solutions donnes par :


(x, y, z, t) = (1 + 2z 7t, z 3t, z, t)

o (z, t) R2 . terminer quatre points distincts et aligns M, N, P, Q tels que A, B, C, D soient respectivement les milieux des segments [M, N ] , [N, P ] , [P, Q] et [Q, M ] ? Si les points M, N, P, Q existent, ils sont ncessairement sur la droite (AB ) . On munit (AB ) d'un repre et on dsigne par a, b, c, d les abscisses respectives des points A, B, C, D et x, y, z, t celles de M, N, P, Q dans ce repre. Le problme a des solutions si, et seulement si, le systme :
x + y = 2a y + z = 2b z + t = 2c x + t = 2d

Exemple 14.4 Soient A, B, C, D quatre points distincts et aligns dans un plan. Peut-on d-

a des solutions. La mthode des pivots de Gauss transforme ce systme en :


x + y = 2a y + z = 2b 0 = 2 ( b + d a c)

et ce systme a des solutions si, et seulement si, a + c = b + d.

Remarque 14.8 Pour viter de faire une division par un nombre trop petit, dans le choix du
pivot, on aura intrt, chaque tape de l'algorithme, permuter la ligne i avec la ligne j i telle que :
|ajk | = max {|aik | | i = k, , n}

de manire avoir le pivot le plus grand possible en valeur absolue. Si ce maximum est trop petit, alors le systme est numriquement dgnr. Gauss ncessite un nombre d'oprations qui est un O (n3 ) .

Remarque 14.9 La rsolution d'un systme de n quations n inconnues par la mthode de

Rsolution des systmes de Cramer coecients entiers

355

Pour la programmation, on peut procder comme suit dans le cas d'un systme de Cramer (n = m et det (A) = 0). La variable L utilise dans la procdure PivotMax est le numro de la ligne o se trouve le pivot le plus grand en valeur absolue, pour tout k compris entre 1 et n. La procdure PermuterLigne, facile crire permet de permuter deux lignes du systme. Aprs excution de la procdure la matrice A est devenue triangulaire et le vecteur b est transform, de sorte que les valeurs initiales de A et b sont perdues. C'est--dire que les variables A et b sont passes par adresse (c'est le mode Entre_Sortie). PROCEDURE PivotMax(Entre k, n : Entier ; : Rel ; Entre_Sortie A : Matrice ; b : Vecteur) ; Dbut L = k; Pour i Allant de k + 1 n Faire Dbut Si |aik | > |aLk | Alors L = i ; Si |aik | < Alors Stop('Pivot trop petit') ; Si L = k Alors PermuterLignes(n, k, L, A, b) ; Fin ; Fin ; PROCEDURE Eliminer(Entre k, n : Entier ; Entre_Sortie A : Matrice ; b : Vecteur) ; Dbut Pour i Allant de k + 1 n Faire Dbut aik m= ; akk Pour j Allant de k + 1 n Faire aij = aij m akj ; aik = 0 ; bi = bi m bk ; Fin ; Fin ; PROCEDURE Pivotage(Entre n : Entier ; Entre_ Sortie A : Matrice ; b : Vecteur) ; Dbut Pour k Allant de 1 n 1 Faire Dbut PivotMax(k, n, A, b) ; Eliminer(k, n, A, b) ; Fin ; Fin ; Puis, la rsolution du systme linaire Ax = b se fait en appelant une procdure de rsolution d'un systme triangulaire suprieur facile crire.

14.3 Rsolution des systmes de Cramer coecients entiers


On suppose ici que m = n et que A Mn (Z) , b Mn,1 (Z) . Dans ce cas, en modiant la mthode de Gauss, on peut calculer la solution x de faon exacte comme vecteur coecients dans Q. On procde comme suit.

356

Algorithmes du pivot de Gauss. Applications

coecients dans Z avec un premier pivot non nul. Etape 1  Elimination de x1 dans les quations 2, , n. En eectuant la division de la ligne 1 par le premier pivot, on perd le caractre entier du systme. Il est prfrable de procder comme suit :  garder la ligne 1 ; (1) (1) (1) (1)  L(1) i a11 Li ai1 L1 , pour i = 2, , n. Ce qui donne le systme A(2) x = b(2) , avec un deuxime pivot non nul (au prix d'une ventuelle permutation). Etape 2  Elimination de x2 dans les quations 3, , n. Si on procde de la mme faon pour cette tape, on constate que les coecients de la matrice A(3) et du vecteur b(3) sont divisibles par le premier pivot. On peut donc s'autoriser une division par ce premier pivot pour cette tape 2, ce qui aura l'avantage de diminuer les coecients obtenus. Etape k  Elimination de xk dans les quations k + 1, , n. Cette tape est dcrite par les formules :
( aij
(k+1)

Etape 0  Aprs une ventuelle permutation de lignes, on a obtenu le systme A(1) x = b(1)

akk aij aik akj ak1,k1


(k1)

(k) (k)

(k ) (k )

pour i = k + 1, , n et j = k + 1, , n + 1 (en prenant b comme colonne numro n + 1). Ce qui donne au bout de n 1 tapes un systme triangulaire suprieur coecients entiers qui peut se rsoudre de faon exacte dans Qn . Calcul du dterminant  Au signe prs, on a :
( ) ( (1) )n1 det A(2) = a11 det (A) ) det A(3) = ( ( a22
(2) (1)

)n2

a11

( ) ( (2) )n2 (1) ( ) det A(2) = a22 a11 det A(1)

De proche en proche, on a alors :


) det A(n) = (1)p (

(k ) akk k=1

) det (A) )

ce qui donne, en tenant compte de l'expression de det A(n) comme produit des pivots :
n) det (A) = (1)p a( nn

Dans la programmation structure ci-dessus, on peut aussi travailler avec une matrice n lignes et n + 1 colonnes en prenant b pour colonne n + 1. De manire plus gnrale, pour rsoudre en parallle p systmes linaires de mme matrice A et de seconds membres respectifs b1 , , bp , on travaillera avec une matrice n lignes et n + p colonnes en prenant, pour j compris entre 1 et p, bj comme colonne n + j. En prenant pour valeurs particulires des seconds membres les vecteurs de la base canonique de Kn , on dispose d'un procd de calcul de l'inverse d'une matrice. Mais, en fait, pour calculer l'inverse d'une matrice on prfre utiliser la mthode Gauss-Jordan qui est une variante de la mthode de Gauss.

La mthode de Gauss-Jordan pour les systmes de Cramer

357

14.4 La mthode de Gauss-Jordan pour les systmes de Cramer


Voir le paragraphe 13.7. Pour la programmation de cette mthode, on peut procder comme suit, le vecteur b contenant en n d'opration la solution du systme. PROCEDURE EliminerGaussJordan(Entre k, n : Entier ; Entre_Sortie A : Matrice ; b : Vecteur) ; Dbut a Pour j Allant de k + 1 n Faire akj = kj ;
bk ; akk = 1 ; bk = akk Pour i Allant de 1 k 1 Faire akk

Fin ; PROCEDURE GaussJordan(Entre n : Entier ; Entre_Sortie A : Matrice ; b :Vecteur) ; Dbut Pour k Allant de 1 n Faire Dbut PivotMax(k, n, A, b) ; EliminerGaussJordan(k, n, A, b) ; Fin ; Fin ; Le calcul de l'inverse et du dterminant d'une matrice peut alors se faire en remplaant le vecteur b par la matrice identit, ce qui revient rsoudre en parallle les n systmes linaires de mme matrice A et de seconds membres respectifs e1 , , en formant la base canonique de
Kn .

Dbut Pour j Allant de k + 1 n Faire aij = aij aik akj ; bi = bi aik bk ; aik = 0 ; Fin ; Pour i Allant de k + 1 n Faire Dbut Pour j Allant de k + 1 n Faire aij = aij aik akj ; bi = bi aik bk ; aik = 0 ; Fin ;

On obtient alors la programmation structure suivante. PROCEDURE InitInverse(Entre : n : Entier ; Sortie Inv : Matrice) ; Dbut Pour i Allant de 1 n Faire Dbut Pour j Allant de 1 n Faire Dbut Si j = i Alors Invij = 0 Sinon Invij = 1 ; Fin ; Fin ; Fin ;

358

Algorithmes du pivot de Gauss. Applications

PROCEDURE PivotMaxInv(Entres k, n : Entiers ; : Rel ; Entre_Sortie A, Inv : Matrice) ; Dbut L = k; Pour i Allant de k + 1 n Faire Si |aik | > |aLk | Alors L = i ; Si |aLk | < Alors Arrter('Pivot trop petit') ; Si L = k Alors Dbut Pour j Allant de k n Echanger(akj , aLj ) ; Pour j Allant de 1 n Echanger(Invkj , InvLj ) ; Fin ; Fin ; PROCEDURE EliminerInvGaussJordan(Entres k, n : Entiers ; Entre_Sortie A, Inv : Matrice) ; Dbut a Pour j Allant de k + 1 n Faire akj = kj ; Pour j Allant de k + 1 n Faire Invkj akk = 1 ; Pour i Allant de 1 k 1 Faire Dbut Pour j Allant de k + 1 n Faire aij = aij aik akj ; Pour j Allant de 1 n Faire Invij = Invij aik Invkj ; aik = 0 ; Fin ; Pour i Allant de k + 1 n Faire Dbut Pour j Allant de k + 1 n Faire aij = aij aik akj ; Pour j Allant de 1 n Faire Invij = Invij aik Invkj ; aik = 0 ; Fin
akk Invkj = ; Invkk

Fin ; PROCEDURE InversionGaussJordan(Entre n : Entier ; Entre_Sortie A, Inv : Matrice) ; Dbut InitInverse(n, Inv ) ; Pour k Allant de 1 n Faire Dbut PivotMaxInv(k, n, A, Inv ) ; EliminerInvGaussJordan(k, n, A, Inv ) ; Fin ; Fin ;

14.5 Applications
14.5.1 Dcomposition LR (mthode de Crout)
Voir le paragraphe 13.4.

Applications

359

14.5.2 Dcomposition LD tL des matrices symtriques relles


Voir le paragraphe 13.5.

14.5.3 Dcomposition de Cholesky des matrices symtriques relles dnies positives


Voir le paragraphe 13.6.

360

Algorithmes du pivot de Gauss. Applications