Académique Documents
Professionnel Documents
Culture Documents
3x1 + 8x2 + 3x3 = 2
3x1 + x2 + 3x3 =
6 x1 + 2x2 + 3x3 = 13
x1 + 3x2 + 2x3 = 5 ; 2x1 + 7x2 + x3 = −9 ; 2x1 + 5x2 + 4x3 = 23
2x1 + 7x2 + 4x3 = 8 2x1 + 5x2 = −5 2x1 + 7x2 + 8x3 = 29
3x1 − 6x2 − 2x3 =
1 3x1 + x2 − 3x3 = −4
2x1 + 5x2 + 12x3 = 6
2x1 − 4x2 + x3 = 17 ; x1 + x2 + x3 = 1 ; 3x1 + x2 + 5x3 = 12
x1 − 2x2 − 2x3 = −9 5x1 + 6x2 + 8x3 = 8 5x1 + 8x2 + 21x3 = 17
x1 − 4x2 − 3x3 − 3x4 =
4 3x1 − 6x2 + x3 + 13x4 = 15
2x1 − 6x2 − 5x3 − 5x4 = 5 ; 3x1 − 6x2 + 3x3 + 21x4 = 21
3x1 − x2 − 4x3 − 5x4 = −7 2x1 − 4x2 + 5x3 + 26x4 = 23
x1 + x2 + x3 = 6
4x1 − 2x2 − 3x3 +x4 = 3
2x − 2x − 5x
1 2 3 = −13 2x − 2x − 5x
1 2 3 = −10
;
3x1 + x3 +x4 = 13
4x1 + x2 + 2x3 +x4 = 17
4x − 2x − 3x +x =
1 2 3 4 1 3x
1 + x3 +x4 = 12
Ci-dessous sont les réponses sous forme de tableaux des formes triangulaires associées aux systèmes
proposés.
1
2
3 8 3 2 3 1 −3 6 1 3 3 13 3 −6 −2 1
1 3 13 ; 19 9 −39 ; −1 −2 −3 ; 0 7 49
−3 15 −1 −2 0 0 0 0
3 1 −3 4 2 5 12 4 1 4 −3 −3 4 3 −6 1 13 15
1 3 13 ; −9 −18 4 ; 2 1 1 −3 ; 0 2 8 6
−3 −15 −1 −2 −1 −3 −5 0 0 0
1 1 1 0 6 4 −2 −3 1 3
−4 −7 0 −25 −2 −72 −12 −23
;
7 2 29 −4 −1 −15
43 4 −1 1
( ( (
3x1 + 2x2 = 1 3x1 + 2x2 = 0 3x1 + 2x2 = 11
; ;
6x1 + 4x2 = k 6x1 + kx2 = 0 6x1 + kx2 = 21
x1 + 2x2 + x3 = 3
(
3x1 + 2x2 = 1
; 2x1 − x2 − 3x3 = 5
7x1 + 5x2 = k
4x1 + 3x2 − x3 = k
L’élimination de Gauss appliquée aux systèmes respectivement donne les matrices augmentées:
" # 1 2 1 3
3 2 1
; 0 −5 −5 −1
0 1 3k − 7
0 0 0 k − 11
3
Ainsi, le système (1) admet une infinité de solutions pour k = 2 et aucune si k est différent de 2;
l’infinité de solutions est: x2 = a et x1 = (1 − 2a) /3 avec a ∈ R. Le système (2) admet une infinité
de solutions pour k = 4 et une seule et unique solution si k est différent de 4, cette seule et unique
solution est x1 = x2 = 0. L’infinité de solutions est:x2 = a et x1 = −2a/3 avec a ∈ R. Le système
(3) n’admet pas de solutions pour k = 4 et une seule et unique solution si k est différent de 4, cette
seule et unique solution est fonction de k et est:
1 1 11k − 42
x2 = et x1 = ·
4−k 3 k−4
Le système (4) admet une seule et unique solution pour toute valeur de k. Celle-ci est fonction de k et
est: x2 = 3k − 7 et x1 = −2k + 5. Elle est nulle (x2 = x1 = 0) si k prend la valeur 7/3. Le système (5)
admet une infinité de solutions pour k = 11 et aucune si k est différent de 11; l’infinité de solutions
est: x3 = a ; x2 = −a + 1/5 et x1 = a + 13/5 avec a ∈ R.
Exercice 3. Démontrer que chaque colonne de AB est le produit de A par la colonne homologue de B,
et que chaque ligne de AB est le produit de la ligne homologue de A par B:
Deux matrices conformes se multiplient. Étant une m × n-matrice A et une n × p-matrice B; les
éléments du produit AB sont au nombre m × p et sont donnés par la formule (AB)ij = ai bj =
Pn
k=1 aik bkj pour (i, j) = (1, 1) , . . . , (m, p). La j-ème colonne du produit AB est:
a1 b j a11 b1j + a12 b2j + · · · + a1n bnj a11 a12 ··· a1n b1j
j
a2 b a21 b1j + a22 b2j + · · · + a2n bnj a21 a22 · · · a2n b2j
j j
(AB) =
.. =
.. = .
. .. .. .. = A b
..
. . . . . . .
am b j am1 b1j + am2 b2j + · · · + amn bnj am1 am2 · · · amn bnj
On pouvait arrêté cette démonstration à la première étape. Il suffisait de remarquer que, disposée en
lignes, la matrice A prend la forme:
4
a1 a1 b j a1
j
a2 a2 b a2 j
j
A = . =⇒
.. = .. b = A b
.
. . .
am am b j am
h i h i
1 2 p = ai b 1 b 2 · · · p
ai b ai b ··· ai b b
Exercice 4. Donner des exemples de 2 × 2-matrices réelles telles que (1): A2 + I = 0 et (2)A2 = 0, avec
(A 6= 0). Que conclure?
C’est un système de 4 équations à 4 inconnues mais non linéaire. Il n’existe pas de méthodes spécifiques
pour résoudre ce genre de système; bien qu’il soit à 4 équations et 4 inconnues, il possède une infinité
de solutions. On peut seulement trouver certaines d’entre elles. Fixons, par exemple, a12 = −1 et
a21 = 1 + α2 . Ceci donne:
a211 = α2
−(a + a )
= 0
11 22
(1 + α2 )(a11 + a22 ) = 0
a2
= α2
22
ce qui implique que a11 = −a22 = ±α. On n’en déduit que toutes les matrices:
" #
α −1
Aα = ; α∈R
1 + α2 −α
5
ont leur carré égale à la négative de le matrice identité; vérifient l’équation matricielle X 2 + I = 0.
Ce qu’il faut tirer comme conclusion est le polynôme P (x) = x2 + 1 d’indéterminée x, qui n’a pas
de racines dans R, en possède une infinité dans l’ensemble des matrices carrées.
qui est un système non linéaire de 4 équations et 4 inconnues. On peut, comme dans le cas précédent,
fixer: a12 = −1 et a21 = α2 . Ceci qui se traduit par:
" # " #
a211 − α2 − (a11 + a22 ) 0 0
=
α2 (a11 + a22 ) a222 − α2 0 0
ce qui implique aussi que a11 = −a22 = ±α. On n’en déduit que toutes les matrices
" #
α −1
Aα = ; α∈R
α2 −α
ont leur carré égale à la matrice nulle. Le polynôme P (x) = x2 d’indéterminée x, qui n’a qu’une
racine nulle dans R, en possède une infinité dans l’ensemble des matrices carrées.
aij =2i + 3j ; i = 1, . . . , 3 , j = 1, . . . , 2
i+j
dij = (−1) ; i = 1, . . . , n , j = 1, . . . , n
cij =5i2 + 3ij + j 2 ; i = 1, . . . , 2 , j = 1, . . . , 4
1
hij = ; i = 1, . . . , 5 , j = 1, . . . , 5
i+j−1
π π
bij = cos i + sin j ; i = 1, . . . , 3 , j = 1, . . . , 2
2 3
1
√ 1
√
5 8 2
33 2
" #
√
√ 9 15 23 33
A = 7 10 ; B = −1 + 2 3 −1 − 12 3
1
; C=
1
√ √ 27 36 47 60
9 12 2
3 − 12 3
et
1+n
1/1 1/2 1/3 1/4 1/5 1 −1 ··· (−1)
(−1)2+n
1/2
1/3 1/4 1/5 1/6
−1 1 ···
3+n
H=
1/3 1/4 1/5 1/6 1/7
; D=
1 −1 · · · (−1)
.. .. ... ..
1/4 1/5 1/6 1/7 1/8
. . .
n+1 n+2
1/5 1/6 1/7 1/8 1/9 (−1) (−1) ··· 1
" # " #
1 1 1 0 1 h i
A= ; B= ; C = 1 −1 1 2
−1 1 0 1 1
et
3 −1 0 1 1 1
D = 2 0 1 ; E = −2 ; F = 2 −1
1 1 0 1 3 0
Pour multiplier deux matrices, il faut que le nombre de colonnes de la première soit égale au nombre
de lignes de la deuxième. Les produits possibles sont alors:
7
3 −1 0 1 5 3 −1 0 1 1 1 4
DE = 2 0 1 −2 = 3 ; DF = 2 0 1 2 −1 = 5 2
1 1 0 1 −1 1 1 0 3 0 3 0
1 1 " # 0 2 1 1 " # 1 1 2
1 1 1 0 1
F A = 2 −1 = 3 1 ; F B = 2 −1 = 2 −1 1
−1 1 0 1 1
3 0 3 3 3 0 3 0 3
Exercice 7. Pour:
" # " #
1 1 1 0
A= ; I=
−1 1 0 1
Comme la matrice est carrée, on peut effectuer toutes les puissances possibles. Ainsi:
la matrice I est l’élément neutre de la multiplication de matrices. Elle s’appelle matrice unité ou
matrice identité.
P (X) = −X 3 + 3X 2 − 4X + 2I
est nulle en A:
P∞
Par exemple, sachant que le développement illimité de l’exponentielle ex est k=0 xk /k!, on peut
par extension définir l’exponentielle eA comme:
∞
A
X Ak 1 1 1 1
e = =I+ A + A2 + A3 + A4 + · · ·
k=0
k! 1! 2! 3! 4!
et avec les développement des fonctions sinus, cosinus . . . , on peut définir aussi les sinus, cosinus,
. . . de matrice.
" # " # 1 2 −1 1
1 1 1 0 1
A= ; B= ; C = −1 0 2 1
−1 1 0 1 1
1 3 1 0
Pour montrer que la multiplication de matrices est associative, on peut utiliser les résultats dégagés
dans l’exercice (1.4). Ce sont les deux résultats (AB)j = Abj et (AB)i = ai B. Ainsi, d’après le
premier résultat, l’élément (i, j) du produit (AB)C va s’écrire comme la i-ème ligne du produit
(AB) multipliée par la j-ème colonne de la matrice C, ou bien: [(AB)C]ij = (AB)i cj . Or la i-ème
ligne du produit AB est le produit la ligne ai par toute la matrice B, soit: (AB)i = ai B et donc:
[(AB)C]ij = (ai B) cj . Par la suite, on montre facilement l’égalité (ai B) cj = ai (B cj ). Le deuxième
9
membre de cette égalité est, étant donné le deuxième résultat de l’exercice (1.4), égale à la j-ème
colonne du produit BC. En résumé:
qui est la définition même de l’associativité. La vérification sur l’exemple est facile à faire:
d’où:
" # 1 2 −1 1 " #
1 1 2 2 8 3 2
(AB)C = −1 0 2 1 =
−1 1 0 −2 −2 3 0
1 3 1 0
" #" # " #
1 1 2 5 0 1 2 8 3 2
A(BC) = =
−1 1 0 3 3 1 −2 −2 3 0
n
X n
X n
X
[(A + B)C]ij = (aik + bik )ckj = aik ckj + bik ckj = [AC]ij + [BC]ij
k=1 k=1 k=1
10
ce qui permet de dire que la multiplication des matrices est distributive à droite par rapport à leur
addition; elle l’est aussi à gauche, et est donc distributive tout court. Sur l’exemple, on a, d’une part:
d’autre part:
et:
1 1
E31 = 1 ; E23 = 1 2
4 1 1
Écrivez ce qui survient à A3×3 , lorsqu’elle pré-multipliée (1) par E31 , (2) par E23 ; (3) post-multipliée par
ces mêmes matrices.
a11 a12 a13 1 1
A = a21 a22 a23 ; E31 = 1 ; E23 = 1 k23
a31 a32 a33 k31 1 1
a11 a12 a13 a1
E31 A = a21 a22 a23 = a2
k31 a11 + a31 k31 a12 + a32 k31 a13 + a33 a3 + k31 a1
dont la dernière expression est une réécriture sous forme de lignes. Ce qui a changé par rapport à la
matrice A est sa troisième ligne: au lieu de la ligne a3 , on a une troisième ligne nouvelle a03 = a3 +k31 a1 .
C’est la somme de l’ancienne ligne a3 et d’un multiple de la première, soit: k31 a1 . On en déduit qu’une
matrice Ers , pré-multiple de A, produit une nouvelle matrice qui ne diffère de A que par sa r-ème
ligne. Autrement dit:
a1 a1
.. ..
. .
a as
s
. .
Ers A = Ers .. =
..
ar ar + krs as
.. ..
. .
am am
a11 a12 a13 1 a11 a12 a12 k23 + a13
a21 a22 a23 1 k23 = a21 a22 a22 k23 + a23
qui, représenté sous forme de colonnes, est : [a1 a2 a3 + k23 a2 ]. Ce qui a changé par rapport à la
matrice A est sa troisième colonne qui est: a03 = a3 + k23 a2 au lieu de la ligne a3 . Ainsi, la matrice
obtenue à partir de AE23 ne diffère de A que par sa colonne 3, et on en déduit que, post-multiple
de A, la matrice Ers produit une nouvelle matrice qui ne diffère de A que par sa s-ème colonne.
Autrement dit:
h i h i
AErs = a1 · · · ar · · · as · · · an Ers = a1 · · · ar · · · as + krs ar · · · an
h i a1 + k13 a3
AE12 1 2 2
= a + k21 a a a 3 ; E13 A = a2
a3
" #
2 1
A=
8 7
La matrice résultat est sur-triangulaire. Elle se note U , et on a: E21 A = U . Comme les matrices Ers
sont inversibles, on a aussi: A = (E21 )−1 · U et finalement:
" #
−1 1
L = (E21 ) =
4 1
2 3 3 3
A= 0 5 7 ; b= 2
6 9 8 5
1 2 3 3 2 3 3
1 0 5 7 = 5 7
−3 1 6 9 8 −1
La matrice obtenue est triangulaire supérieure; l’objectif étant atteint, on arrête le processus d’élimi-
nation. Autrement dit, on a: E31 A = U et A = (E31 )−1 U , ce qui donne:
1 1 3 3
L = (E31 )−1 = 0 1 ; −1
c = E31 b= 1 2 = 2
+3 0 1 +3 1 5 −1
2 3 3 x1 3 x1 1
5 7 x2 = 2 =⇒ x2 = −1
−1 x3 −4 x3 4
2 4 0 2 6
0 3 3 1 4
A=
2 7 9 7 ; b=
8
0 0 6 5 −4
La triangularisation de A nécessite les opérations décrites par E31 (−1); E32 (−1) et E43 (−1). On
obtient:
14
2 4 0 2 6
3 3 1 4
U = (E43 E32 E31 ) A = ; c = (E43 E32 E31 ) b =
−2
6 4
1 −2
Comme le nombre de pivots non nuls est égal au nombre de variables, on a une seule et unique
solution. Cette solution est:
x1 = 3, x2 = x3 = 1, x4 = −2
Exercice 14. Démontrer que lorsque L et U sont connues, la donnée A n’est pas nécessaire à la résolution
de Ax = b. Entre autre, démontrer l’équivalence de Ax = b avec les deux systèmes Lc = b et U x = c.
Appliquer ce résultat à l’exercice (1.14), en remplaçant les composantes du vecteur b par 1,2,4 et 7.
On sait que A se factorise en LU . La matrice L est carrée et, étant un produit de matrices élémentaires,
est inversible. Alors (Ax = b) est équivalent à (LU x = b) lequel est encore équivalent à U x = L−1 b.
La dernière expression montre qu’on peut se passer de A quand b, L et U sont données.
Se rappeler que les opérations élémentaire sur les équations d’un système sont l’addition, la multipli-
cation par un scalaire non nul et la permutation, qu’elles ne changent pas la solution du système
quand elle existe, qu’elles sont inversibles, et que deux systèmes d’équations sont équivalents si et
seulement si ils admettent la même solution. Sous forme matricielle, les opérations d’addition et
de multiplication scalaire sont exécutées au moyen de la matrice L et l’échange d’équation par la
matrice de permutation. L’existence de la matrice L−1 découle de l’existence des inverses Ers
−1
. Dans
le cas de l’exercice (1.14), U = (E43 E32 E31 ) A permet d’écrire:
Les matrices élémentaires sont respectivement: E31 (−1); E32 (−1) et E43 (−1) et le produit
E43 E32 E31 est égal à:
1 1 1
1
1
1
1 −1 1 −1 1
−1 1 1 1
15
1
−1
0 1
E43 E32 E31 = L =
−1 −1
1
1 1 −1 1
2 4 0 2 1 1
3 3 1 2 −1
2
U = ; 4 ⇒ L b = 1
b=
6 4
1 7 6
et enfin:
2 4 0 2 x1 1 x1 − 21
25
0 3 3 1 x2 2 x2 2
0 0 6 4 x = 1 ⇒ x = − 23
3 3 6
0 0 0 1 x4 6 x4 6
Exercice 15. Étude d’une (2 × 2)-matrice. Si a n’est pas nul, alors on obtient:
0 −1 2 −6
Donner L, D et U et résoudre le système Ax = b.
Dans cette exercice, il s’agit de factoriser la matrice A en LDU où L est telle que déjà définie, D est
diagonale et U est une matrice sur-triangulaire réduite à 1 dans sa diagonale principale. Autrement
dit, la matrice U , facteur de décomposition issu de la décomposition de A, est elle même factoriser
16
2 −1 0 6 2 −1 0 6
E21 (1/2) 3
[A|b] = −1 2 −1 0 ⇐⇒ E21 [A|b] = −1 3
2
−1 2 −6 −1 2 −6
Avec E21 (1/2), on obtient E21 [A|b] = [E21 A|E21 b], et ensuite E32 ( 23 ) donne:
2 −1 0 6
3
E32 [E21 A|E21 b] = [E32 E21 A|E32 E21 b] = −1 3
2
4
3
−4
Le premier bloc étant triangulaire, on arrête l’élimination. Pour faire ressortir la matrice diagonale,
on peut récrire le bloc augmenté comme suit:
2 · (1) 2 · − 21 1 − 12
2 · (0) 2 · (3) 2 0 3
3 3
· − 32 3 3
1 − 32
· (1) · (2) = 2
2 2 2 2
4 4 4
3
· (1) 3
· (−3) 3
1 −3
La dernière expression est obtenue règle de multiplication par une matrice diagonale D. Il est d’une
importance capitale de remarquer que c’est E32 E21 A qui est égal à DU et que [E32 E21 A|E32 E21 b] =
D [U |c]; d’où:
1 − 21 0 x1 3 x1 3
2
1 − 3 x2 = 2 ⇒ x2 = 0
1 x3 −3 x3 −3
1 1 −1 0 2
L = −1 1 ; U = 1 −1 ; b = −3
0 −1 1 1 4
résoudre le système Ax = b.
Dans cet exercice, la matrice D est la matrice identité. Avec la donnée, de L, U et b, il manque
seulement la détermination de c, or c = L−1 b et par la suite la solution du système est donnée par
U x = c:
−1
1 2 2 1 −1 0 x1 2 x1 2
c = −1 1 −3 = −1 ⇒ 1 −1 x2 = −1 ⇒ x2 = −1
0 −1 1 4 3 1 x3 3 x3 −3
" # 1 3 2 1 2 3 1 0 1
0 1
; 2 6 9 ; 2 4 2 ; 0 1 0
2 3
2 8 8 1 1 1 0 0 1
Pour la (2 × 2)-matrice A telle que a11 = 0, $a_{12} = 1 $, a21 = 2 et a22 = 3, on échange entre elles
les deux lignes en utilisant la matrice P21 . En fait:
1 3 2 1 3 2
A = 2 6 9 =⇒ E31 (−2) · E21 (−2) · A = 0 5
2 8 8 2 4
le deuxième pivot étant nul, et on peut le récupérer en échangeant les lignes 2 et 3; par P32 . Cependant,
quand permutation il y a, on reprend le processus depuis le départ en factorisant en LDU , non la
18
matrice A, mais la matrice P A: Factorisons alors P32 A qui, en appliquant E21 (−2), et E31 (−2)
donne E31 (−2) E21 (−2) [P32 A], soit:
1 3 2 1 3 2 1 1 3 2
P32 A = 2 8 8 ; E31 (−2) · E21 (−2) · [P32 A] = 2 4 = 2 1 2 = DU
2 6 9 5 5 1
1 1 1
L = (E31 E21 )−1 = E21
−1 −1
E31 = 1 2 1 = 2 1
2 1 1 2 0 1
1 0 0 1 2 3 1 2 3 1 1 1 2 3
P32 A = 0 0 1 2 4 2 = 1 1 1 = 1 1 −1 1 2
0 1 0 1 1 1 2 4 2 2 0 1 −4 1
et pour la dernière L = D = I.
1 2 2
A = a 8 3
0 b 3
(1) Quelles valeurs de donnent lieu à des échanges de lignes? (2) Quelles valeurs de donnent lieu à une
matrice singulière?
Exercice 20 (22). A supposer que les inverses A−1 , B −1 et C −1 existent: (1) Trouver l’inverse de AB −1 C:
−1
AB −1 C = C −1 BA−1
−1 2
A2 = (AA)−1 = A−1 A−1 = A−1 = A−2
(3)(A + B) est-elle inversible? Non nécessairement: On peut choisir comme contre exemple deux matrices
inversibles dont la somme ne l’est pas: Si:
Exercice 21. Donner des exemples de (2 × 2)-matrices, autres que I et −I, égales à leurs inverses.
" # " #
a211 + a12 a21 a11 a12 + a12 a22 1 0
=
a21 a11 + a22 a21 a12 a21 + a222 0 1
qui est un système non linéaire. Fixons alors, a12 = 1 et a21 = 1 − α2 avec α2 6= 1. Ceci donne:
" # " #
α2 a11 + a22 1 0
=
(1 − α2 ) (a11 + a22 ) α2 0 1
ce qui implique que a11 = −a22 = ±α. On n’en déduit que toutes les matrices:
" #2
α 1
Aα = ; α∈R
1 − α2 −α
ont leur carré égale à la matrice identité; c’est-à-dire que l’équation matrice X 2 = I possède une
infinité dans l’ensemble des matrices carrées, tandis que dans R, l’équation x2 = 1 n’en a que 2.
20
Exercice 22. Donner, quand il existe, l’inverse de chacune des matrice suivantes:
" # " # 2 −1 0 1 1 1
cos θ − sin θ 1 2
A= ; B= ; C = −1 2 −1 ; D = 0 1 1
sin θ cos θ 2 4
0 −1 2 0 0 1
La matrice B (matrice de rotation) est inversible (pourquoi?); les matrices C et D le sont aussi:
3 1
1
" #
4 2 4
1 −1 0
cos θ sin θ
B −1 = C −1 = D−1
1 1
; 1 ; = 0 1 −1
2 2
− sin θ cos θ 1 1 3
4 2 4
0 0 1
Exercice 23. Démontrer que (A0 A) et (A A0 ) sont des matrices symétriques, mais non nécessairement
égales.
Il est facile de montrer la symétrie; il suffit d’appliquer la règle de la transposée d’un produit. Si
on choisit une (n × k)-matrice A, alors le produit (A0 A) est une matrice carrée de format (k × k)
et (A A0 ) une matrice carrée de format (n × n), ce qui est suffisant pour dire qu’elles ne sont pas
nécessairement égales. Mais, cela reste vrai quand la matrice A est carrée. A titre d’exemple, si la
matrice A est telle que a11 = a12 = a22 = 1 et a21 = 0, alors:
Exercice 24. Démontrer que pour toute matrice A carrée, (A+A0 ) est symétrique. Que dire de (A−A0 )?.
(A + A0 )0 = A0 + A = A + A0 ; (A − A0 )0 = A0 − A = −(A − A0 )
21
a b c
d e f
g h i
1 3 5
A = 3 12 18
5 18 30
1 3 5 1 1 1 3 5
3 12 18 = 3 1 3 1 1
5 18 30 5 1 1 2 1
Exercice 27. Les pivots d’une matrice sont-ils aussi ceux de sa transposée?
Avant de répondre à cette question, considérons les trois cas suivants. On peut vérifier que la matrice
carrée et sa transposée:
1 1 1
A = 2 4 4
5 7 3
se factorisent en:
22
1 0 0 1 0 0 1 1 1 1 1 1 1 0 01 0 0
A = 2 1 0 0 2 0 0 1 1 ; A0 = 0 1 1 0 2 0 2 1 0
5 1 1 0 0 −4 0 0 1 0 0 1 0 0 −4 5 1 1
La factorisation de A0 est un résultat directement déductible par transposition. On remarque bien que
les pivots (tous non nuls) de A sont aussi ceux de sa transposée. Est-ce que ce résultat reste valable
si A a des pivots nuls? Soit la matrice carrée A dont la factorisation triangulaire fait apparaître un
troisième pivot nul:
1 1 1 1 0 0 1 0 0 1 1 1
A = 2 4 4 = 2 1 0 0 2 0 0 1 1
5 7 7 5 1 1 0 0 0 0 0 0
1 0 0 1 0 0 1 2 5
A0 = 1 1 0 0 2 0 0 1 1
1 1 1 0 0 0 0 0 0
mais les pivots de A sont aussi ceux de sa transposée. Continuons notre analyse et voyons ce qui se
passe pour une matrice non carrée. Soit la matrice rectangulaire A dont la factorisation triangulaire
conduit à:
" # " #" #" # 1 0 " #" #
1 1 1 1 0 1 0 1 1 1 0 1 0 1 5
A= = ⇒ A = 1 1
5 7 8 5 1 0 2 0 1 3/2 0 2 0 1
1 3/2
1 00 1 0 0 1 5
A0 = 1 1 0 0 2 0 0 1
1 3/2 1 0 0 0 0 0
23
lequel est aussi un résultat différent du précédent. Cependant, les pivots non nuls de A sont aussi
ceux de sa transposée.
Les calculs précédents permettent, mais, formellement ce n’est pas une démonstration rigoureuse,
d’établir les résultats suivants: (i) Si A est carrée et a tous ses pivots non nuls, alors sa factorisation
triangulaire en L · D · U est unique. De plus, sa transposée A0 se factorise, et d’une façon unique
aussi, en L∗ D∗ U∗ avec:
L∗ = U 0 ; D∗ = D ; U∗ = L0
et l’unicité de la factorisation implique l’égalité des pivots D∗ = D. (ii) Si A est carrée et a au moins
un pivot nuls, alors sa factorisation en L D U ~n’est pas triangulaire et n’est pas unique. La présence
de pivots nuls conduit à une famille infinie de décompositions quasi-triangulaires. C’est le cas de la
deuxième matrice, qui pour tout réel α, s’écrit::
1 0 0 1 0 0 1 1 1 1 0 0 1 0 0 1 1 1
A = 2 1 0 0 2 0 0 1 1 = 2 1 0 0 2 0 0 1 1 ; ∀α ∈
R
5 1 1 0 0 0 0 0 0 5 1 1 0 0 0 0 0 α
et comme on le voit, il existe une infinité de matrice Uα telle que A se factorise en LDUα . (iii) Si la
matrice A n’est pas carrée, on parle, comme on le verra au chapitre suivant, de factorisation quasi-
triangulaire. Dans ce cas, si on écrit A = L∗ D∗ U∗ la matrice L∗ , produit de matrices élémentaires
donc carrées, est nécessairement une matrice carrée, tandis que la matrice U 0 ne l’est pas, étant donné
que A ne l’était pas; et deux matrices de formats différents ne peuvent en aucun cas être égales. (iv)
Il est important que les étudiants retiennent qu’ils existe autant de pivots non nuls dans A que dans
t
A et que ces pivots non nuls sont identiques pour les deux matrices.
x1 y1 z1 1
P
x2 y2 z2
x=
n
xi
1
P
A= .
.. .. ; y= n
yi
.. . .
1
P
z= zi
n
xn yn zn
24
Donnez A0 A et A A0 .
La matrice:
P
x2i
P P
xi y i xi zi
A0 A = yi xi
P P 2 P
yi yi zi
P P P 2
zi xi zi yi zi
n µ2x µxy µxz
1 X A0 A
µab = ai b i ; µaa = µ2a ⇒ = µxy µ2y µzy
n i=1
n
µzx µzy µ2z
x1 y1 z1
x x ··· xn
x2 y2 z2 1 2
y1 y2 · · · yn
.
. .. ..
. . .
z1 z2 · · · zn
xn yn zn
et est obtenue en multipliant les lignes i par les colonnes j, soit: (AA0 )ij = xi xj + yi yj + zi zj
pouri, j = 1, . . . , n
x21 + y12 + z12 ··· x1 xn + y1 yn + z1 zn
.. ..
AA0 =
...
. .
2 2 2
x1 xn + y1 yn + z1 zn · · · xn + yn + zn