Vous êtes sur la page 1sur 5

Université Claude Bernard, Lyon I Licence Sciences & Technologies

43, boulevard 11 novembre 1918 Spécialité Mathématiques


69622 Villeurbanne cedex, France Option: Analyse Numérique 2006-2007

Série n◦ 2 :
Résolution numérique de systèmes linéaires - Méthodes Directes

Exercice I. (Exemple de décomposition LU)


Nous proposons de rechercher pour certaines valeurs données de b ∈ R4 , les solutions du système A x = b de
matrice:
     
1 5 8 0 x1 b1
 0 2 6 9   x2   b2 
A=  1 5 11
 (nous poserons x =   et b=  )
7   x3   b3 
0 2 6 13 x4 b4

a) Déterminer la factorisation LU de A, telle que L n’ait que des 1 sur la diagonale. En déduire le
déterminant de A.

b) Indiquer en quoi consiste la méthode de Crout qui permet une résolution du système utilisant la fac-
torisation LU de A.

c) Par la méthode de Crout, déterminer les solutions x du système correspondant successivement aux
seconds membres b indiqués ci-dessous:
       
5 1 1 0
 −7   1   0   9 
1) b =   , 2) b =   , 3) b =   , 4) b =  .
 1   1   1   7 
−11 1 0 13

d) Est-il nécessaire dans les cas 3) et 4) d’utiliser une méthode de résolution numérique pour résoudre
l’équation? (En utilisant les formules de Cramer, nous expliquerons pourquoi le résultat est en fait immédiat).

Exercice II.(Méthode de Choleski)


Soit A une matrice hermitienne définie positive. Il existe une unique matrice L, triangulaire inférieure et
dont tous les éléments diagonaux sont strictement positifs, telle que A = L LT . Cette décomposition porte
le nom de Choleski. Donner l’algorithme permettant de calculer les éléments de la matrice L.

Exercice III. (Gauss Tridiagonal)


a) Le but de cette question est d’appliquer la méthode de Gauss au problème Ax = k avec
     
b1 c1 0 ... 0 x1 k1
 .. .. .. ..   ..   .. 
 a2
 . . . . 

 . 
 
 . 
 
 .. 
A= 0 .. .. .. , x= .  et k =  ... 
   
 . . . 0     
 . .. .. ..  .   . 
 .. . .

. . . cn−1   .   . 
0 . . . 0 an bn xn kn

1
Montrer que lorsqu’elle est possible sans permutation, la méthode d’élimionation de Gauss revient à poser:
ai ai 0
b01 = b1 , k10 = k1 , puis b0i = bi − ci−1 , et ki0 = ki − k , pour i = 2, ..., n.
0
bi−1 bi−1 i−1
0

Montrer alors comment calculer x1 , ..., xn .

b) Soit (δ)ni=1 la suite définie par

δ0 = 1, δ1 = b1 , et δi = bi δi−1 − ai ci−1 δi−2 ,


pour i = 2, ..., n. Montrer que pour tout i = 1, ..., n, δi = det(∆i ), où
 
b1 c1 0 ... 0
. . .. .. 
 a2 . . . .

 . . 
∆i =  0 . . . . . . ..
 
 . 0  
 . .
 .. .. ... .. 
. ci−1 
0 ... 0 ai bi

c) En supposant les δi non nuls, écrire A sous la forme LU .

Exercice IV. (Examen Juin 2006)


Soit A ∈ Mn,n (C). Nous dirons que A admet une décomposition LDL∗ s’il existe une matrice L triangulaire
inférieure avec 1 sur la diagonale et une matrice diagonale réelle D avec Di,i > 0 pour tout i = 1, ..., n telles
que A = LDL∗ .

a) Soit A une matrice qui admet une décomposition LDL∗ . Montrer que A est hermitienne, définie et
positive.

b) Soit A une matrice hermitienne définie positive et considérons la décomposition de Choleski A = L LT .


Nous notons B la matrice diagonale définie par Bi,i = Li,i pour tout i = 1, ..., n.

b-1) Montrer que B est inversible. Calculer les éléments diagonaux de L B −1 .

b-2) Montrer que A admet une décomposition LDL∗ .

b-3) Montrer que la décomposition LDL∗ est unique.

b-4) Indiquer comment résoudre le système d’inconnue x: Ax = b avec b ∈ Cn donné, à l’aide de la


décomposition LDL∗ de A.

c) Soit A ∈ M3,3 (C) la matrice 3 × 3 du Laplacien:


Ai,j = 2 si i = j, Ai,j = −1 si | i − j |= 1, A1,3 = A3,1 = 0.

c-1) Trouver la décomposition de Choleski de A.

c-2) Trouver la décomposition LDL∗ de A en utilisant les points précédents.

2
Exercice V. (Décomposition QR)
Nous considèrons Cn muni du produit scalaire usuel, et notons

• Gln (C) le groupe des matrices inversibles de taille n,

• Un (C) le groupe des matrices unitaires de taille n,

• T Sn+ (C) le groupe des matrices triangulaires supérieures de taille n, dont tous les éléments diagonaux
sont strictement positifs.

a) Soit a1 , ....an une base de Cn . Montrer que nous pouvons trouver q1 , ..., qn une base orthonormée de Cn
et des nombres complexes ri,j tels que les éléments diagonaux ri,i soient des réels strictement positifs et


 a1 = q1 r1,1




a2 = q1 r1,2 + q2 r2,2
.
 ..




an = q1 r1,n + q2 r2,n + ... + qn rn,n .

b) En déduire que pour tout A ∈ Gln (C), il existe Q ∈ Un (C), il existe R ∈ T Sn+ (C) telles que A = QR.

c) Montrer que T Sn+ ∩ Un = {In } et en déduire l’unicité de la décomposition Q R.

d) Montrer comment la décomposition A = Q R permet de résoudre le système Ax = b.

e) Soit A ∈ Gln (C). En utilisant la décomposition de Choleski de A∗ A montrer par une méthode différente
l’existence de la décomposition Q R de A.

Correction de l’Exercice V
a) Soit (ai )1≤i≤n une base de Cn . D’après le procédé d’orthonormalisation de Gram-Schmidt, nous pouvons
construire à partir de cette base une nouvelle base orthonormée. Pour cela, nous calculons
a1
q1 =
ka1 k

puis construisons les autres vecteurs par la formule de récurrence de Gram-Schmidt


i−1
1 X
qi = wi , wi = ai − (ai , qj ) qj , 2 ≤ i ≤ n.
kwi k j=1

La base (qi )1≤i≤n ainsi construite est une base orthonormé

(qi , qj ) = δi,j , (i, j) ∈ {1, . . . , n}2 .

Nous posons alors


a1 = r1,1 q1 , avec r1,1 = ka1 k
puis pour i ≥ 2
i−1
X
ai = ri,i qi + rj,i qj
j=1

avec ri,i = kwi k et rj,i = (ai , qj ) pour 1 ≤ j ≤ i − 1. Nous remarquons bien que ri,i > 0.

3
b) Soit Q la matrice formée par les vecteurs (qi )1≤i≤n

Q = (q1 , q2 , . . . , qn )

qui est unitaire puisque les vecteurs (qi )1≤i≤n sont orthogonaux.
Puis, nous construisons la matrice R à partir des coefficients ri,j de la question précédente. Nous avons
alors (faire un dessin pour s’en assurer)
  
(q1 )1 (q2 )1 . . . (qn )1 r1,1 r1,2 ... r1,n
 (q1 )2 (q2 )2 (q )
n 2  
  r2,2 ... r2,n 
A= .  = Q R.
 
. .. ..
 .. ..  
 . . 
(q1 )n (qn )n rn,n

c) Nous montrons d’abord que In ∈ T Sn+ ∩ Un . Ensuite supposons que A ∈ T Sn+ ∩ Un et montrons que
forcément A = In . En effet, A est une matrice triangulaire supérieure et

A∗ A = In

c’est-à-dire   
× × × × ×
 × ×  × × × 
   = In
 × × ×  × × 
× × × × ×
ce qui montre que tous les termes extra-diagonaux de A sont nuls et les termes diagonaux vérifient a2i,i = 1.
Puisque tous les termes diagonaux sont positifs, nous avons alors ai,i = 1 et donc A = In
Suppsons qu’il existe deux couples de matrices tels que (Q1 , R1 ) et (Q2 , R2 ) et

Q1 R1 = Q2 R2 = A

Nous avons alors puisque Q2 et R1 sont inversibles

(Q2 )−1 Q1 = R2 (R1 )−1 .

D’une part, Q−1 2 Q1 est une matrice unitaire (il faut le vérifier) et d’autre part R2 R1
−1
est une ma-
trice triangulaire supérieure dont tous les termes diagonaux sont strictement positifs; donc (Q2 )−1 Q1 et
R2 (R1 )−1 Un ∩ T Sn+ et d’après la question qui précède

R2 (R1 )−1 = In ; (Q2 )−1 Q1 = In

ou encore
R1 = R2 , Q1 = Q2 .
La décomposition est donc unique.

d) Le système A x = b devient
QRx = b
et en multipliant par Q∗ , nous avons
R x = Q∗ b,
qui sera résolu par un algorithme de descente puisque R est triangulaire supérieure.

4
e) Nous considérons alors la matrice A∗ A, cette matrice est bien sûr hermitienne mais aussi définie positive.
En effet pour tout x ∈ Rn non nul, nous introduisons y = A x

x∗ A∗ A x = y ∗ y > 0,

car A étant inversible, y = A x ne peut pas être nul. Ainsi, la matrice A∗ A admet une factorisation de
Choleski, c’est-à-dire il existe une unique matrice triangulaire supérieure R avec des éléments diagonaux
strictement positifs telle que
A∗ A = R ∗ R
où R est une matrice triangulaire supérieure avec des éléments diagonaux strictement positifs. Nous posons
alors Q telle que
Q∗ = (R∗ )−1 A∗
Il reste à vérifier que Q est unitaire
∗
Q∗ Q = (R∗ )−1 A∗ (R∗ )−1 A∗


= (R∗ )−1 A∗ A ((R∗ )−1 )∗

Or, nous savons


A∗ A = R ∗ R
d’où
Q∗ Q = (R∗ )−1 R∗ R R−1 = In .
et donc

A = (A∗ )−1 R∗ R
= (A∗ )−1 ((R∗ )−1 )−1 R
= ((R∗ )−1 A∗ )−1 R
= (Q∗ )−1 R

et en utilisant que Q est unitaire, nous obtenons le résulat

A = Q R.

Nous observons ainsi qu’il est facile de construire un algorithme pour effectuer une factorisation Q R en
utilisant la factorisation de Choleski de A∗ A.