Module: Méthodes

numériques
Responsable du module:
Dr. H. Benlarbi
 Programme
• Chapitre1: Méthodes directes de résolution des systèmes linéaires
(méthode de Gauss, factorisation LU)
• Chapitre2: Méthodes itératives de résolution des systèmes linéaires
(méthode de Jacobi et de sur-relaxation, méthode de Gauss-Siedel..)
• Chapitre3: Analyse vectorielle (Espaces vectoriels, matrices, Normes
et produit scalaires, Calcul de valeurs et vecteurs propres, Méthode
de la puissance).
 Chapitre 1: Méthodes directes de résolution
des systèmes linéaires
• Introduction
• L’analyse numérique est la conception et l’étude d’algorithmes pour
obtenir des solutions à des ensembles d’équations issus de modèles
issus de la physique, de la biologie, de la finance ...
• Motivation
• Recherche et développement : études expérimentales coûteuses
• Les modèles considérés sont composés d’ensemble d’équations dont
on ne sait pas déterminer de solutions explicites
• Proposer une solution approchée, calculée à l’aide de l’ordinateur.
Problème de départ:

Sciences
appliquée(physique,
chimie,..)

Modélisation:

Mathématique
(existence et unicité de la
solution)

Discrétisation:
Analyse
numérique

Calcul sur
ordinateur:
Informatique
 1.1 Erreur absolue et Erreur relative
• Définition:
• 1)Soit 𝑥 un réel et 𝑥 ∗ une valeur approchée de x. on appelle erreur absolue
de x la valeur:

• ∆𝑥 = 𝑥 − 𝑥 ∗
Il est évident que

𝑥 ∗ − ∆𝑥 ≤ 𝑥 ≤ 𝑥 ∗ + ∆𝑥
• 2)On appelle erreur relative de x la valeur:
•
𝑥−𝑥 ∗ ∆𝑥
• 𝐸𝑥 = =
𝑥 𝑥

• L’erreur relative est souvent exprimée sous forme d’un pourcentage.

• 3) On appelle chiffres significatifs d’un nombre tous les chiffres de
son écriture à partir du premier chiffre non nul à gauche de la virgule.

• Exemple
• 𝑥 ∗ = 0,03045 (4chiffres significatifs)

• 𝑥 ∗ = 0,03045000 (7 chiffres significatifs)

 1,2 Propagation des erreurs
• Les formules suivantes nous donnent les erreurs qu’on obtient
lorsque l’on effectue des opérations arithmétiques sur des valeurs
connues avec une précision limité
• Pour l’erreur absolue:
• ∆ 𝑥 ± 𝑦 = ∆𝑥 + ∆𝑦
• ∆𝑥𝑦 = 𝑥 ∆𝑥 + 𝑦 ∆𝑦
𝑦∆𝑥+𝑥∆𝑦
•∆ 𝑥Τ
𝑦 =
𝑦2
• Pour l’erreur relative:

∆𝑥+∆𝑦
•𝐸 𝑥+𝑦 =
𝑥+𝑦
∆𝑥+∆𝑦
•𝐸 𝑥−𝑦 =
𝑥−𝑦
• 𝐸𝑥.𝑦 = 𝐸𝑥 + 𝐸𝑦
• 𝐸𝑥Τ𝑦 = 𝐸𝑥 + 𝐸𝑦
 Représentation des nombres en machines
• Tout nombre réel x s’écrit sous la forme

• 𝑥 = −1 𝑠 . 0. 𝑎1 𝑎2 𝑎3 ……. 𝑎𝑁 𝑏
. 𝑏 𝑒 = −1 𝑠 .m. 𝑏 𝑒

0 𝑠𝑖 𝑥 > 0
Où: - 𝑠 est le signe de x ቊ
1𝑠𝑖 𝑥 < 0
- N est le nombre de chiffres significatifs de x
- m est la mantisse 𝑚 = 0. 𝑎1 𝑎2 𝑎3 ……. 𝑎𝑁 𝑏
avec 0 ≤ 𝑎𝑖 ≤ 𝑏 − 1 𝑒𝑡 𝑎1 ≠ 0
- e l’exposant
- b la base de représentation
• Exemple: le nombre + 59,4151 * 10−5 s’écrit dans la base 10
• +0,594151 * 10−3
• 0.0121 s’écrit (dans la base 10)
• +0.121 10−1
• −5837.25 (s’écrit dans la base 10)
• −0.583725 104
 2 Méthodes directes de résolution des
systèmes linéaires
• 2. 1 Rappels sur les matrices
• 2.1 .1 Définitions
• 1) Matrice : une matrice est un tableau de chiffres rangés en lignes et
en colonnes
une matrice à 2lignes et 3 colonnes est de la forme
𝑎11 𝑎12 𝑎13
• 𝑎21 𝑎22 𝑎23
• 2)Ordre d’une matrice : Une matrice d’ordre m et n possède : m
lignes et n colonnes. Dans l’exemple précédent on dira que la matrice
est d’ordre (2,3).
• L’ensemble des matrices de n lignes et m colonnes à coefficients réels
est noté 𝑀𝑛,𝑚 ℝ
𝑎11 𝑎12 . . . . 𝑎1𝑚
𝑎21 𝑎22 . . . . 𝑎2𝑚
. . .
• . . . .
. . . .
. . . .
𝑎𝑛1 𝑎𝑛2 … … 𝑎𝑛𝑚
• - Matrice colonne : Elle ne possède qu’une seule colonne et n lignes :
matrice (n,1) i.e
𝑎11 1
• 𝑎21 comme 0
𝑎31 3
• Matrice ligne : Elle ne possède qu’une seule ligne et m colonnes :
matrice (1,m) i.e
• 𝑎11 𝑎12 𝑎13 exple 2 −1 0
• Matrice carrée
C’est une matrice qui a autant de lignes que de colonnes (n=m) i.e

𝑎11 𝑎12 𝑎13 1 0 1

𝑎21 𝑎22 𝑎23 exple 3 −1 2
𝑎31 𝑎32 𝑎33 5 −2 0
• La diagonale principale d’une matrice est formée par l’ensemble des
éléments 𝑎𝑖𝑖 de la matrice.
𝑎11 𝑎12 𝑎13
• 𝑎21 𝑎22 𝑎23
𝑎31 𝑎32 𝑎33
• Une matrice diagonale est donc une matrice qui a tous ses éléments
nuls sauf ceux de sa diagonale principale.
𝑎11 0 0 1 0 0
• 0 𝑎22 0 comme 0 3 0
0 0 𝑎33 0 0 −1
• - La matrice unité est la matrice diagonale qui n’a que des 1 dans sa
diagonale principale.
1 0 0
• 𝐼3 0 1 0
0 0 1

• Et on a pour toute matrice X d’ordre n, et 𝐼𝑛 matrice unité d’ordre n

•
• 𝑋𝐼𝑛 = 𝐼𝑛 𝑋 = 𝑋
•
• Matrice triangulaire supérieur (𝑎𝑖𝑗 = 0 pour 𝑖 > 𝑗)
𝑎11 𝑎12 𝑎13
• 0 𝑎22 𝑎23
0 0 𝑎33
• Matrice triangulaire inférieur (𝑎𝑖𝑗 = 0 pour 𝑗 > 𝑖)

𝑎11 0 0
𝑎21 𝑎22 0
𝑎31 𝑎32 𝑎33
• Addition : On ne peut additionner que des matrices de même ordre.
On additionne les éléments équivalents (dans la même position dans
les deux matrices) de chaque matrice i.e
𝑎11 𝑎12 𝑎13 𝑏11 𝑏12 𝑏13
• 𝐴+𝐵 = 𝑎 𝑎 𝑎 +
21 22 23 𝑏21 𝑏22 𝑏23
𝑎11 + 𝑏11 𝑎12 + 𝑏12 𝑎13 + 𝑏13
•=
𝑎21 + 𝑏21 𝑎22 + 𝑏22 𝑎23 + 𝑏23
Exemple:
1 0 2 2 −2 2 3 −2 4
• + =
−1 2 −3 1 2 0 0 4 −3
• Multiplication d’une matrice par un scalaire: Tous les éléments de la
matrice sont multipliés par ce scalaire.

𝑎11 𝑎12 𝑎13 𝜆𝑎11 𝜆𝑎12 𝜆𝑎13

• 𝜆𝐴 = 𝜆 𝑎21 𝑎22 𝑎23 = 𝜆𝑎21 𝜆𝑎22 𝜆𝑎23
𝑎31 𝑎32 𝑎33 𝜆𝑎31 𝜆𝑎32 𝜆𝑎33
• Exemple:
1 0 1 2 0 2
• 2 3 −1 2 = 6 −2 4
5 −2 0 10 −4 0
• Multiplication de 2 matrices (AxB=C) : La multiplication n’est possible que
si le nombre de colonnes de A est égal au nombre de lignes de B. Si A (m, p)
multiplie B( p, n) alors C est une matrice d’ordre ( m, n). La multiplication
est effectuée en multipliant terme à terme une ligne de A avec une colonne
de B et en additionnant chacun des produits. i.e
𝑏11 𝑏12
𝑎11 𝑎12 𝑎13 𝑐11 𝑐12
𝑎21 𝑎22 𝑎23 × 𝑏21 𝑏22 = 𝑐21 𝑐22
𝑏31 𝑏32
oùሼ𝑐11 = 𝑎11 𝑏11 + 𝑎12 𝑏21 + 𝑎13 𝑏31
ሼ𝑐12 = 𝑎11 𝑏12 + 𝑎12 𝑏22 + 𝑎13 𝑏32
ሼ𝑐21 = 𝑎21 𝑏11 + 𝑎22 𝑏21 + 𝑎23 𝑏31
ሼ𝑐22 = 𝑎21 𝑏12 + 𝑎22 𝑏22 + 𝑎23 𝑏32
• Exemple:
• si A est d’ordre 3 ×3 et B d’ordre 3 ×2 alors A ×B est d’ordre 3 ×2
1 0 2 2 1 6 5
• 2 1 −1 × 0 2 = 2 2
1 3 2 2 2 6 11

• Matrice inversible: Une matrice carrée A, d’ordre n est inversible, s’il

existe une matrice qu’on note 𝐴−1 de même ordre que A et qui vérifie:
• 𝐴 𝐴−1 = 𝐴−1 𝐴 = 𝐼𝑛
2.2 Méthodes directes de résolution des
systèmes linéaires
• 2.2.1 Généralités
• Soit à résoudre un systèmes linéaires
𝑎11 𝑥1 + 𝑎12 𝑥2 +. . . . . . . … … … + 𝑎1𝑚 𝑥𝑚 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 +. . . . . . . … … … + 𝑎2𝑚 𝑥𝑚 = 𝑏2
…………………………………………………
• (1)
…………………………………………………
…………………………………………………
𝑎𝑛1 𝑥1 + 𝑎𝑛2 𝑥2 +. . . . . . . … … … + 𝑎𝑛𝑚 𝑥𝑚 = 𝑏𝑛
• Qu’on peut écrire sous forme matricielle
•𝐴𝑋 =𝑏
• Avec
𝑎11 𝑎12 . . . . 𝑎1𝑚 𝑥1 𝑏1
𝑎21 𝑎22 . . . . 𝑎2𝑚 𝑥2 𝑏2
. . . . .
•𝐴= . . . . 𝑋= . 𝑒𝑡 𝑏 = .
. . . . . .
. . . . . .
𝑎𝑛1 𝑎𝑛2 … … 𝑎𝑛𝑚 𝑥𝑛 𝑏𝑛
• On ne change pas la solution d’un système linéaire lorsque :
• On permute deux lignes,
• On permute deux colonnes,
• On multiplie une ligne par un réel non nul,
• On ajoute une ligne à une autre.
• Nous allons donc utiliser ces transformations pour se ramener à un
cas simple.
• Il est évident que si A est inversible, alors
• 𝑋 = 𝐴−1 𝑏
• Mais il n’est pas toujours simple numériquement l’inversion des
matrices, Pour cela, nous allons apprendre des méthodes pour
résoudre de telles problèmes.
• Définition 1.1: Une méthode de résolution d’un système linéaire est
dite directe si la solution du système peut être obtenue en un nombre
fini d’opérations.
2.2.2 Méthode d’élimination de Gauss
• Principe: La méthode de Gauss consiste à transformer le système
initial (1) en un système équivalent
• 𝐴′ 𝑋 = 𝑏 ′
• avec 𝐴′ matrice triangulaire supérieur.
• On passe par deux étapes:
• 1- Triangularisation
• 2- Une remontée (solution d’un système triangulaire).
 Résolution d’un système triangulaire
• Si A est une matrice triangulaire supérieure, et si aucun élément diagonal n’est nul, la
solution du système Ax = b est
𝑏𝑛
𝑥𝑛 =
𝑎𝑛𝑛
• 𝑏𝑖 −σ𝑛
𝑗=𝑖+1 𝑎𝑖𝑗 𝑥𝑗
𝑥𝑖 = ; 𝑖 = 𝑛 − 1, . . , 1
𝑎𝑖𝑖

• Si A est une matrice triangulaire inférieure, et si aucun élément diagonal n’est nul, la
solution du système Ax = b est
𝑏1
𝑥1 =
𝑎11
• 𝑏𝑖 −σ𝑛
𝑗=𝑖+1 𝑎𝑖𝑗 𝑥𝑗
𝑥𝑖 = ; 𝑖 = 2, . . , 𝑛
𝑎𝑖𝑖
• Exemple: Soit à résoudre le système ci-dessous
3𝑥1 + 3𝑥2 + 𝑥3 = 1
•ቐ 2𝑥2 − 2𝑥3 = 2
2𝑥3 = 1
• Qu’on peut écrire sous la forme matricielle
3 3 1 𝑥1 1
• 0 2 −2 𝑥2 = 2
0 0 02 𝑥3 1
• Dont la solution est:

• 𝑥3 = 1Τ2
2+2 1Τ2
• 𝑥2 = = 3Τ2
2
1−3 3Τ2 −1Τ2
• 𝑥1 = = − 4Τ3
3
• Exemple: Soit à résoudre le système ci-dessous
3𝑥1 = 3
•ቐ 2𝑥1 − 2𝑥2 = 2
𝑥1 + 2𝑥2 − 2𝑥3 = 2
• Qu’on peut écrire sous la forme matricielle
3 0 0 𝑥1 3 3𝑥1 3
• 2 −2 0 𝑥2 = 2 ↔ 2𝑥1 − 2𝑥2 = 2
1 2 −2 𝑥3 2 𝑥1 + 2𝑥2 − 2𝑥3 2
• D’où par identification, on a
• 3𝑥1 = 3 ↔ 𝑥1 = 1
2𝑥1 −2
• 2𝑥1 − 2𝑥2 = 2 ↔ 𝑥2 = = 0
2
𝑥1 +2𝑥2 −2
• 𝑥1 + 2𝑥2 − 2𝑥3 = 2 ↔ 𝑥3 = = − 1Τ2
2
• La solution du système est donc
1
• 0
− 1Τ2
 A. Triangularisation
• La méthode utilise :
• la multiplication par un scalaire
• la somme de deux lignes.
• Le but de la méthode est d’annuler progressivement les coefficients
qui se trouvent sous la diagonale.
 Triangularisation
• On commence avec A une matrice n lignes et m colonnes (les mêmes
opérations seront effectuées sur le vecteur b)
• Il y a n étapes :
• À l’étape k, on annule sous la diagonale les coefficients de la colonne k .
(𝑘)
𝑎𝑖𝑘
• À chaque ligne i > k, on soustrait la ligne k multipliée par (𝑘) i.e
𝑎𝑘𝑘
• ∀𝑗, 𝑘 < 𝑗 ≤ 𝑚 𝑒𝑡 𝑘 < 𝑖 ≤ 𝑛 𝑜𝑛 𝑎
(𝑘)
(𝑘+1) (𝑘) 𝑎𝑖𝑘 (𝑘)
• 𝑎𝑖𝑗 = 𝑎𝑖𝑗 − (𝑘) 𝑎𝑘𝑗
𝑎𝑘𝑘
(𝑘)
(𝑘+1) (𝑘) 𝑎𝑖𝑘 (𝑘)
• 𝑏𝑖 = 𝑏𝑖 − (𝑘) 𝑏𝑘 pour i=1….n
𝑎𝑘𝑘
 B) Remontée (solution d’un système
triangulaire)
• Après avoir triangulariser la matrice A, on résout le système à matrice
triangulaire supérieur obtenu par remontée :
𝑏𝑛
𝑥𝑛 =
𝑎𝑛𝑛
• 𝑏𝑖 −σ𝑛
𝑗=𝑖+1 𝑎𝑖𝑗 𝑥𝑗
𝑥𝑖 = 𝑝𝑜𝑢𝑟 𝑖 = 𝑛 − 1, . . 1
𝑎𝑖𝑖
• Exemple:
• Résoudre par la méthode de Gauss le système suivant
1 2 3 𝑥1 4
• 1 1 2 𝑥2 = 5
1 1 1 𝑥3 6
• Etape 1: annuler les éléments encadrés, pour cela on effectue les
opérations suivantes:
 • 𝑙2 ← 𝑙2 - 𝑙1
• 𝑙3 ← 𝑙3 - 𝑙1
• On obtient le nouveau système:

1 2 3 𝑥1 4
• 0 −1 −1 𝑥2 = 1
0 −1 −2 𝑥3 2
• Etape 2: annuler l’élément encadré en effectuant l’opération
• 𝑙3 ← 𝑙3 - 𝑙2
 1 2 3 𝑥1 4 𝑥1 + 2𝑥2 + 3𝑥3 4
• 0 −1 −1 𝑥2 = 1 ↔ −𝑥2 − 𝑥3 = 1
0 0 −1 𝑥3 1 −𝑥3 1
• Résolution
• 𝑥3 = −1
1+(−1)
• 𝑥2 = =0
−1
4−2 0 −3(−1)
• 𝑥1 = = 7
1
−1
• D’où la solution du système est 0 .
7
Algorithme d’élimination de Gauss
• Pour i=1,…..,n-1
• - Pour j=i+1,…..,m
𝑎𝑗𝑖
• - 𝑏𝑗 = 𝑏𝑗 − 𝑏𝑖
𝑎𝑖𝑖
• Pour k=i+1,…..,n
𝑎𝑗𝑖
• 𝑎𝑗𝑘 = 𝑎𝑗𝑘 − 𝑎𝑖𝑘
𝑎𝑖𝑖
• Fin
• Fin
• Fin
Algorithme de Résolution d’un système
triangulaire
𝑏𝑛
• 𝑥𝑛 =
𝑎𝑛𝑛
• Pour i=n-1,…..,1
• 𝑥𝑖 = 𝑏𝑖
• Pour k=i+1,….,n
• 𝑥𝑖 = 𝑥𝑖 - 𝑎𝑖𝑘 𝑥𝑘
• Fin
𝑥𝑖
• 𝑥𝑖 =
𝑎𝑖𝑖
• Fin
 Factorisation LU
• Principe:
• La méthode repose sur la décomposition de la matrice A en
• A=L U
• Où L est une matrice triangulaire inférieur et U est une matrice triangulaire
supérieur.
• Dans ce cas, le système (1) devient
• LU X=b (2)
• Soit en posant U X=Y, on aura
• LY=b (3)
• On résout le système (3) pour trouver Y puis le système U X=Y pour trouver
Y solution de (1)
 Description de la méthode
• En développant l’équation matricielle A=L U

𝑎11 𝑎12 . . . . 𝑎1𝑛 𝑙11 0 0 0 0 . .0 𝑢11 𝑢12 . . . . 𝑢1𝑛

𝑎21 𝑎22 . . . . 𝑎2𝑛 𝑙21 𝑙22 . 0 . . .0 0 𝑢22 . . . 𝑢2𝑛
. . . 𝑙31 𝑙32 𝑙33 0 0 0 0 𝑢31 . 𝑢3𝑛
• . . . . = . . . . 0 0 . 𝑢4𝑚
. . . . . . . . . . . .
. . . . . . . 0 . . 𝑢𝑛−1𝑛
𝑎𝑛1 𝑎𝑛2 … … 𝑎𝑛𝑛 𝑙𝑛1 𝑙𝑛2 … … … . 𝑙𝑛𝑛 0 0 00 0 𝑢𝑛𝑛
• Pour déterminer les matrices L et U , on a calculer les coefficients (𝑙𝑖𝑗 )
et (𝑢𝑖𝑗 ) à partir de l’égalité ci –dessous.
• En effet, on a 𝑎𝑖𝑗 = σ𝑘=𝑛
𝑘=1 𝑙𝑖𝑘 𝑢𝑘𝑗 et comme
• 𝑙𝑖𝑘 = 0 𝑝𝑜𝑢𝑟 𝑘 > 𝑖; 𝑢𝑘𝑗 = 0 𝑝𝑜𝑢𝑟 𝑘 > 𝑗, on a les
équations suivantes pour tout 𝑟 = 1, . . , 𝑛:
• 𝑢𝑟𝑗 = 𝑎𝑟𝑗 − σ𝑟−1
𝑘=1 𝑙𝑟𝑘 𝑢𝑘𝑗 Τ𝑙𝑟𝑟 𝑝𝑜𝑢𝑟 𝑗 = 𝑟, . . , 𝑛
• 𝑙𝑖𝑟 = 𝑎𝑖𝑟 − σ𝑟−1
𝑘=1 𝑙𝑖𝑘 𝑢𝑘𝑟 Τ𝑢𝑟𝑟 𝑝𝑜𝑢𝑟 𝑖 = 1, . . , 𝑟
• On a 𝑛2 + 𝑛 inconnues avec 𝑛2 coefficients connus 𝑎𝑖𝑗 . Donc on doit
fixer n paramètres dans les équations ci-dessous.
• 𝑙𝑖𝑖 = 1; 𝑖 = 1, . . , 𝑛
• 𝑢𝑖𝑗 = 𝑎𝑖𝑗 − σ𝑖−1
𝑘=1 𝑙𝑖𝑘 𝑢𝑘𝑗 ; 𝑖 = 1, . . , 𝑛 𝑒𝑡 𝑗 = 𝑖, . . , 𝑛
𝑗−1
• 𝑙𝑖𝑗 = 𝑎𝑖𝑗 − σ𝑘=1 𝑙𝑖𝑘 𝑢𝑘𝑗 ൗ𝑢𝑗𝑗 ; 𝑗 = 1, . . , 𝑛 𝑒𝑡 𝑗 = 𝑖 + 1, . . , 𝑛
 Algorithme de la factorisation LU
• Pour i=1,2,….,n (le calcul de la première ligne de U et la première
colonne de U)
• 𝑙𝑖𝑖 = 1
• 𝑢1𝑖 = 𝑎1𝑖
𝑎𝑖1
• 𝑙𝑖1 =
𝑎11
• Fin
 Suite de l’algorithme
• le calcul alternatif des lignes de U et colonnes de L
• Pour i=2,3,…,n
• Pour j=i,..,n
• 𝑢𝑖𝑗 = 𝑎𝑖𝑗 − σ𝑖−1
𝑘=1 𝑙𝑖𝑘 𝑢𝑘𝑗
• Fin
• Fin
• Pour j=2,3,…,n
• Pour i=j+1,..,n
𝑗−1
• σ
𝑙𝑖𝑗 = 𝑎𝑖𝑗 − 𝑘=1 𝑙𝑖𝑘 𝑢𝑘𝑗 ൗ𝑢𝑗𝑗
• Fin
• Fin
• Exemple: Résoudre par la méthode de Factorisation le système
suivant
1 2 3 𝑥1 4
• 1 1 2 𝑥2 = 5
1 1 1 𝑥3 6
Etape 1: Factorisation de la matrice A=LU

1 2 3 1 0 0 𝑢11 𝑢12 𝑢13

• 1 1 2 = 𝑙21 1 0 0 𝑢22 𝑢23 =
1 1 1 𝑙31 𝑙32 1 0 0 𝑢33

𝑢11 𝑢12 𝑢13

• A= 𝑙21 𝑢11 𝑙21 𝑢12 + 𝑢22 𝑙21 𝑢13 + 𝑢23
𝑙31 𝑢11 𝑙31 𝑢12 + 𝑙32 𝑢22 𝑙31 𝑢13 + 𝑙32 𝑢23 + 𝑢33
• Ainsi, on identifiant les coefficients des deux matrices on tire les valeurs de
la matrice U et L;
1 0 0 1 2 3
• 𝐿 = 1 1 0 ; 𝑈 = 0 −1 −2
1 1 1 0 0 −1
• Etape 2: Résolution du système
• Le système 𝐴𝑋 = 𝑏 devient 𝐿𝑈𝑋 = 𝑏 , soit en posant
• 𝑌 = 𝑈𝑋, d’où on aura 𝐿𝑌 = 𝑏
• On résout en premier le système 𝐿𝑌 = 𝑏 avec L matrice triangulaire
inferieur et puis on résout 𝑈𝑋= 𝑌 avec U matrice triangulaire supérieur
Pour 𝐿𝑌 = 𝑏 qui est
1 0 0 𝑦1 4
1 1 0 𝑦2 = 5
1 1 1 𝑦3 6
Admet la solution
𝑦1 =4; 𝑦2 =1; 𝑦3 = 1
D’où
4
𝑌= 1
1
On résout maintenant le deuxième système 𝑈𝑋= 𝑌
1 2 3 𝑥1 4
0 −1 −2 𝑥2 = 1
0 0 −1 𝑥3 1
• Dont la solution est
5
• 1
−1
• De la solution du système
• 𝐴𝑋 = 𝐵
• et en décomposant la matrice A en
• 𝐴 = 𝐿𝑈
• on déduit le déterminant de la matrice A par
• det 𝐴 = det 𝐿𝑈 = 𝑑𝑒𝑡𝐿. 𝑑𝑒𝑡𝑈
• Comme le déterminant d’une matrice triangulaire est le produit des
éléments diagonaux de cette matrice, on obtient

• 𝑑𝑒𝑡𝐴 = ς𝑖=𝑛 𝑙
𝑖=1 𝑖𝑖 . ς𝑖=𝑛
𝑖=1 𝑢𝑖𝑖 .

• Exemple: reprenons notre matrice A de l’exemple précédent

1 2 3
• 1 1 2
1 1 1
• Et sa décomposition
1 0 0 1 2 3
• 𝐿 = 1 1 0 ; 𝑈 = 0 −1 −2
1 1 1 0 0 −1
• Alors, on déduit que
• det 𝐴 = (1. 1.1) 1. −1. −1 = 1
 Décomposition de Cholesky
• Rappels:
• 1. Transposée d’une matrice:
• La transposée d’un matrice A ∈ ℳ𝑛,𝑚 (ℝ), est la matrice notée 𝐴𝑡
∈ ℳ𝑚,𝑛 (ℝ), définie par
𝑡
• 𝑎𝑖,𝑗 = 𝑎𝑗,𝑖 𝑝𝑜𝑢𝑟 𝑖 = 1, . . , 𝑛 ; 𝑗 = 1, . . , 𝑚
• Exemple:
𝑡
1 2
1 0 4
• 0 5 =
2 5 7
4 7
• 2. Matrices symétriques définies positives
• Une matrice 𝐴 ∈ ℳ𝑛×𝑛 ℝ est dite définie symétrique positive si
• 1.𝐴𝑡 = 𝐴( A symétrique)
• 2. 𝑋 𝑡 𝐴𝑋 ≥ 0; ∀𝑋 ∈ ℝ 𝑛 ( A positive)
• 3. 𝑋 𝑡 𝐴𝑋=0 si et seulement si 𝑋 = 0(définie)
• Théorème de Cholesky:
• Si 𝐴 ∈ ℳ𝑛×𝑛 ℝ est une matrice symétrique réelle définie positive, il
existe au-moins une matrice B triangulaire inférieure telle que

• 𝐴 = 𝐵𝐵𝑡
 Décomposition de Cholesky
• 1. 𝑏11 = 𝑎11
𝑎𝑖1
• 2. Pour i=2,..,n 𝑏𝑖 1 =
𝑏11

• 3. Pour i=2,..,n-1 𝑏𝑖𝑖 = 𝑎𝑖𝑖 − σ𝑘=𝑖−1

𝑘=1 𝑏𝑖𝑘
𝑘=𝑗−1
𝑎𝑗𝑖 −σ𝑘=1 𝑏𝑗𝑘 𝑏𝑖𝑘
• 4. Pour i=j+1,..,n; 𝑏𝑖𝑗 = ; j=1,..,n
𝑏𝑗𝑗

• 5. 𝑏𝑛𝑛 = 𝑎𝑛𝑛 − σ𝑘=𝑛−1

𝑘=1 𝑏 2
𝑛𝑘
• Exemple: Résoudre le système suivant par la méthode de cholesky
1 2 1 𝑥1 1
• 2 5 2 𝑥2 = 3
1 2 7 𝑥3 2
• 1- Décomposition de Cholesky

𝑡
1 2 1 𝑏11 0 0 𝑏11 0 0
• A= 2 5 2 = 𝑏21 𝑏22 0 𝑏21 𝑏22 0
1 2 7 𝑏31 𝑏32 𝑏33 𝑏31 𝑏32 𝑏33
 𝑏11 0 0 𝑏11 𝑏21 𝑏31
• = 𝑏21 𝑏22 0 0 𝑏22 𝑏32 =
𝑏31 𝑏32 𝑏33 0 0 𝑏33

𝑏11 2 𝑏11 𝑏21 𝑏11 𝑏31

2 2
• 𝑏21 𝑏11 𝑏21 𝑏22 𝑏21 𝑏31 + 𝑏22 𝑏32
𝑏31 𝑏11 𝑏21 𝑏31 + 𝑏22 𝑏32 𝑏31 2 +𝑏32 2 + 𝑏33 2
• En identifiant , on obtient
2 1
• 𝑏11 = 1 = 1; 𝑏21 = = 2, 𝑏31 = = 1,
𝑏11 𝑏11

2 2 2
• 𝑏21 𝑏22 =5 d’où 𝑏22 = 5 − 𝑏21 = 1
2−𝑏21 𝑏31
• 𝑏21 𝑏31 + 𝑏22 𝑏32 =2 d’où 𝑏32 = =0
𝑏22

2 2 2 2 2
• 𝑏31 +𝑏32 + 𝑏33 =7 d’où 𝑏33 = 7 − 𝑏31 +𝑏32 = 6
• D’où la matrice B est
1 0 0 1 2 1
• 2 1 0 𝑒𝑡 𝐵𝑡 = 0 1 0
1 0 6 0 0 6
• 2- Résolution du système:
• La résolution du système 𝐴𝑋 = 𝑏 revient alors à la résolution des
deux systèmes
• 1) 𝐵𝑌 = 𝑏 2) 𝐵𝑡 𝑋 = 𝑌
• Donc, résolvant en premier 𝐵𝑌 = 𝑏 i.e
1 0 0 𝑦1 1 𝑦1 1
• 2 1 0 𝑦2 = 3 ↔ 2𝑦1 + 𝑦2 = 3
1 0 6 𝑦3 2 𝑦1 + 6𝑦3 2
• Qui a pour solution
1
•𝑌= 1
1
ൗ 6
• Résolvant ensuite le système 𝐵𝑡 𝑋 = 𝑌 :
1 2 1 𝑥1 1 𝑥1 + 2𝑥2 + 𝑥3 1
• 0 1 0 𝑥2 = 1 ↔ 𝑥2 = 1
𝑥 1 1
0 0 6 3 ൗ 6 6𝑥3 ൗ 6
• Dont la solution est
− 7Τ6
•𝑋= 1
1Τ
6