Vous êtes sur la page 1sur 191

- p.

1/51
Rsolution de systmes linaires : Mthodes
directes
PolytechParis-UPMC
Proprits mathmatiques
Rappels mathmatiques
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Proprits mathmatiques - p. 2/51
Proprits mathmatiques
Proprits mathmatiques
Rappels mathmatiques
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Proprits mathmatiques - p. 3/51
Rappels mathmatiques
Soit rsoudre le systme linaire
Ax = b.
A M
n
(IR) : matrice carre de dimension n n
x, b IR
n
: vecteurs de dimension n.
Proprits mathmatiques
Rappels mathmatiques
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Proprits mathmatiques - p. 3/51
Rappels mathmatiques
Soit rsoudre le systme linaire
Ax = b.
A M
n
(IR) : matrice carre de dimension n n
x, b IR
n
: vecteurs de dimension n.
CNS dexistence de la solution :
Le systme Ax = b a une solution unique si et seulement si son
dterminant est non nul.
Proprits mathmatiques
Rappels mathmatiques
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Proprits mathmatiques - p. 3/51
Rappels mathmatiques
Soit rsoudre le systme linaire
Ax = b.
A M
n
(IR) : matrice carre de dimension n n
x, b IR
n
: vecteurs de dimension n.
CNS dexistence de la solution :
Le systme Ax = b a une solution unique si et seulement si son
dterminant est non nul.
Si le dterminant est nul :
Si b Im(A) le systme a une innit de solutions
Si b IR
n
Im(A) le systme na pas de solution
Proprits mathmatiques
Rappels mathmatiques
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Proprits mathmatiques - p. 4/51
Exemples
Exemple 1 :
2x
1
+ 3x
2
= 5
4x
1
3x
2
= 1
Proprits mathmatiques
Rappels mathmatiques
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Proprits mathmatiques - p. 4/51
Exemples
Exemple 1 :
2x
1
+ 3x
2
= 5
4x
1
3x
2
= 1
Le dterminant vaut D = 18, le systme a une solution unique
x
1
= 1, x
2
= 1
Proprits mathmatiques
Rappels mathmatiques
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Proprits mathmatiques - p. 4/51
Exemples
Exemple 1 :
2x
1
+ 3x
2
= 5
4x
1
3x
2
= 1
Le dterminant vaut D = 18, le systme a une solution unique
x
1
= 1, x
2
= 1
Exemple 2 :
2x
1
+ 3x
2
= 5
4x
1
+ 6x
2
= 10
Proprits mathmatiques
Rappels mathmatiques
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Proprits mathmatiques - p. 4/51
Exemples
Exemple 1 :
2x
1
+ 3x
2
= 5
4x
1
3x
2
= 1
Le dterminant vaut D = 18, le systme a une solution unique
x
1
= 1, x
2
= 1
Exemple 2 :
2x
1
+ 3x
2
= 5
4x
1
+ 6x
2
= 10
Le dterminant vaut D = 0, le systme a une innit de solutions :
(1, 1) + (3, 2), ( IR).
Proprits mathmatiques
Rappels mathmatiques
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Proprits mathmatiques - p. 4/51
Exemples
Exemple 1 :
2x
1
+ 3x
2
= 5
4x
1
3x
2
= 1
Le dterminant vaut D = 18, le systme a une solution unique
x
1
= 1, x
2
= 1
Exemple 2 :
2x
1
+ 3x
2
= 5
4x
1
+ 6x
2
= 10
Le dterminant vaut D = 0, le systme a une innit de solutions :
(1, 1) + (3, 2), ( IR).
Exemple 3 :
2x
1
+ 3x
2
= 5
4x
1
+ 6x
2
= 9
Proprits mathmatiques
Rappels mathmatiques
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Proprits mathmatiques - p. 4/51
Exemples
Exemple 1 :
2x
1
+ 3x
2
= 5
4x
1
3x
2
= 1
Le dterminant vaut D = 18, le systme a une solution unique
x
1
= 1, x
2
= 1
Exemple 2 :
2x
1
+ 3x
2
= 5
4x
1
+ 6x
2
= 10
Le dterminant vaut D = 0, le systme a une innit de solutions :
(1, 1) + (3, 2), ( IR).
Exemple 3 :
2x
1
+ 3x
2
= 5
4x
1
+ 6x
2
= 9
Le dterminant vaut D = 0, le systme na pas de solution.
Proprits mathmatiques
Rappels mathmatiques
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Proprits mathmatiques - p. 5/51
Proprits
On ne change pas la solution dun systme linaire lorsque :
Proprits mathmatiques
Rappels mathmatiques
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Proprits mathmatiques - p. 5/51
Proprits
On ne change pas la solution dun systme linaire lorsque :
on permute deux lignes,
Proprits mathmatiques
Rappels mathmatiques
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Proprits mathmatiques - p. 5/51
Proprits
On ne change pas la solution dun systme linaire lorsque :
on permute deux lignes,
on permute deux colonnes,
Proprits mathmatiques
Rappels mathmatiques
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Proprits mathmatiques - p. 5/51
Proprits
On ne change pas la solution dun systme linaire lorsque :
on permute deux lignes,
on permute deux colonnes,
on multiplie une ligne par un rel non nul,
Proprits mathmatiques
Rappels mathmatiques
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Proprits mathmatiques - p. 5/51
Proprits
On ne change pas la solution dun systme linaire lorsque :
on permute deux lignes,
on permute deux colonnes,
on multiplie une ligne par un rel non nul,
on ajoute une ligne une autre.
Proprits mathmatiques
Rappels mathmatiques
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Proprits mathmatiques - p. 5/51
Proprits
On ne change pas la solution dun systme linaire lorsque :
on permute deux lignes,
on permute deux colonnes,
on multiplie une ligne par un rel non nul,
on ajoute une ligne une autre.
Nous allons donc utiliser ces transformations pour se ramener un
cas simple.
Proprits mathmatiques
Rappels mathmatiques
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Proprits mathmatiques - p. 5/51
Proprits
On ne change pas la solution dun systme linaire lorsque :
on permute deux lignes,
on permute deux colonnes,
on multiplie une ligne par un rel non nul,
on ajoute une ligne une autre.
Nous allons donc utiliser ces transformations pour se ramener un
cas simple.
! Ces proprits sont vraies dans IR pas dans IF
Proprits mathmatiques
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Principe gnral des algorithmes - p. 6/51
Principe gnral des algorithmes
Proprits mathmatiques
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Principe gnral des algorithmes - p. 7/51
Les matrices triangulaires
Pour certaines matrices, il est simple de calculer une solution.
Dnition Une matrice A = (a
ij
)
1i,jn
est triangulaire
suprieure (respectivement infrieure) si
i, j t.q. j > i (resp. j > i)
a
ij
= 0
Si A est une matrice triangulaire suprieure, et si aucun lment
diagonal nest nul, la solution du systme Ax = b est :

x
n
=
b
n
a
nn
x
i
=
b
i

n
j=i+1
a
ij
x
j
a
ii
Si A est une matrice triangulaire infrieure, et si aucun lment
diagonal nest nul, la solution du systme Ax = b est :

x
1
=
b
1
a
11
x
i
=
b
i

i1
j=1
a
ij
x
j
a
ii
Proprits mathmatiques
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Principe gnral des algorithmes - p. 8/51
Algorithme de remonte
Dans le cas des matrices triangulaires suprieures, lalgorithme est
donc le suivant.
Donn ees : A = (A[i, j])
1i,jn
, b = (b[i])
1in
d ebut
x[n]
b[n]
A[n,n]
pour i = n 1 . . . 1 faire
sum 0
pour k = i + 1 . . . n faire
sum sum + A[i, k] x[k]
x[i]
b[i]sum
A[i,i]
n
Proprits mathmatiques
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Principe gnral des algorithmes - p. 8/51
Algorithme de remonte
Dans le cas des matrices triangulaires suprieures, lalgorithme est
donc le suivant.
Donn ees : A = (A[i, j])
1i,jn
, b = (b[i])
1in
d ebut
x[n]
b[n]
A[n,n]
pour i = n 1 . . . 1 faire
sum 0
pour k = i + 1 . . . n faire
sum sum + A[i, k] x[k]
x[i]
b[i]sum
A[i,i]
n
partir dun systme dquations linaires quelconques,
Proprits mathmatiques
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Principe gnral des algorithmes - p. 8/51
Algorithme de remonte
Dans le cas des matrices triangulaires suprieures, lalgorithme est
donc le suivant.
Donn ees : A = (A[i, j])
1i,jn
, b = (b[i])
1in
d ebut
x[n]
b[n]
A[n,n]
pour i = n 1 . . . 1 faire
sum 0
pour k = i + 1 . . . n faire
sum sum + A[i, k] x[k]
x[i]
b[i]sum
A[i,i]
n
partir dun systme dquations linaires quelconques,
on triangularise le systme,
Proprits mathmatiques
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Principe gnral des algorithmes - p. 8/51
Algorithme de remonte
Dans le cas des matrices triangulaires suprieures, lalgorithme est
donc le suivant.
Donn ees : A = (A[i, j])
1i,jn
, b = (b[i])
1in
d ebut
x[n]
b[n]
A[n,n]
pour i = n 1 . . . 1 faire
sum 0
pour k = i + 1 . . . n faire
sum sum + A[i, k] x[k]
x[i]
b[i]sum
A[i,i]
n
partir dun systme dquations linaires quelconques,
on triangularise le systme,
on rsout le systme triangulaire,
Proprits mathmatiques
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Principe gnral des algorithmes - p. 8/51
Algorithme de remonte
Dans le cas des matrices triangulaires suprieures, lalgorithme est
donc le suivant.
Donn ees : A = (A[i, j])
1i,jn
, b = (b[i])
1in
d ebut
x[n]
b[n]
A[n,n]
pour i = n 1 . . . 1 faire
sum 0
pour k = i + 1 . . . n faire
sum sum + A[i, k] x[k]
x[i]
b[i]sum
A[i,i]
n
partir dun systme dquations linaires quelconques,
on triangularise le systme,
on rsout le systme triangulaire,
pour cela on utilise des permutations de lignes et de colonnes et
des combinaisons linaires de lignes.
Proprits mathmatiques
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Principe gnral des algorithmes - p. 9/51
Mthodes
Pour rsoudre le systme Ax = b, il faut appliquer les modications
la fois la matrice A et au vecteur b.
Il y a deux cas possibles :
Proprits mathmatiques
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Principe gnral des algorithmes - p. 9/51
Mthodes
Pour rsoudre le systme Ax = b, il faut appliquer les modications
la fois la matrice A et au vecteur b.
Il y a deux cas possibles :
On souhaite rsoudre une seule quation Ax = b.
Proprits mathmatiques
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Principe gnral des algorithmes - p. 9/51
Mthodes
Pour rsoudre le systme Ax = b, il faut appliquer les modications
la fois la matrice A et au vecteur b.
Il y a deux cas possibles :
On souhaite rsoudre une seule quation Ax = b.
On travaille sur la matrice [A b] qui a n lignes et n+1 colonnes
Cest llimination de GAUSS
Proprits mathmatiques
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Principe gnral des algorithmes - p. 9/51
Mthodes
Pour rsoudre le systme Ax = b, il faut appliquer les modications
la fois la matrice A et au vecteur b.
Il y a deux cas possibles :
On souhaite rsoudre une seule quation Ax = b.
On travaille sur la matrice [A b] qui a n lignes et n+1 colonnes
Cest llimination de GAUSS
Pour rsoudre le systme, il faut
Une triangularisation,
Une remonte (solution dun systme triangulaire).
Proprits mathmatiques
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Principe gnral des algorithmes - p. 10/51
Mthodes (suite)
On doit rsoudre plusieurs systmes avec la mme matrice
Ax = b
1
. . . Ax = b
k
.
Proprits mathmatiques
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Principe gnral des algorithmes - p. 10/51
Mthodes (suite)
On doit rsoudre plusieurs systmes avec la mme matrice
Ax = b
1
. . . Ax = b
k
.
On dcompose A en produit de deux matrices triangulaires (U
est suprieure et L infrieure) :
A = L U
Proprits mathmatiques
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Principe gnral des algorithmes - p. 10/51
Mthodes (suite)
On doit rsoudre plusieurs systmes avec la mme matrice
Ax = b
1
. . . Ax = b
k
.
On dcompose A en produit de deux matrices triangulaires (U
est suprieure et L infrieure) :
A = L U
Une rsolution se fait grce deux systmes triangulaires
Ax
k
= b
k

Ly
k
= b
k
Ux
k
= y
k
Cest la dcomposition LU
Proprits mathmatiques
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Principe gnral des algorithmes - p. 10/51
Mthodes (suite)
On doit rsoudre plusieurs systmes avec la mme matrice
Ax = b
1
. . . Ax = b
k
.
On dcompose A en produit de deux matrices triangulaires (U
est suprieure et L infrieure) :
A = L U
Une rsolution se fait grce deux systmes triangulaires
Ax
k
= b
k

Ly
k
= b
k
Ux
k
= y
k
Cest la dcomposition LU
Il faut une triangularisation pour prparer la matrice et
deux remontes par vecteur b
k
.
Proprits mathmatiques
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Principe gnral des algorithmes - p. 11/51
Ce quil reste faire
Comment triangulariser ?
Proprits mathmatiques
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Principe gnral des algorithmes - p. 11/51
Ce quil reste faire
Comment triangulariser ?
Quelles conditions ?
Proprits mathmatiques
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Principe gnral des algorithmes - p. 11/51
Ce quil reste faire
Comment triangulariser ?
Quelles conditions ?
Que faire pour les matrices singulires ?
Proprits mathmatiques
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Principe gnral des algorithmes - p. 11/51
Ce quil reste faire
Comment triangulariser ?
Quelles conditions ?
Que faire pour les matrices singulires ?
Que faire pour les matrices rectangulaires ?
Proprits mathmatiques
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Principe gnral des algorithmes - p. 11/51
Ce quil reste faire
Comment triangulariser ?
Quelles conditions ?
Que faire pour les matrices singulires ?
Que faire pour les matrices rectangulaires ?
Conditionnement du problme?
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 12/51
Triangularisation
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 13/51
Triangularisation simple
Contrairement ce quon dit parfois, cette mthode a t rapporte
pour la premire fois par CHANG TSANG au 2
e
sicle avant JC. On
lappelle aussi mthode fang-cheng.
La mthode utilise :
la multiplication par un scalaire
la somme de deux lignes.
Le but de la mthode est dannuler progressivement les coefcients
qui se trouvent sous la diagonale.
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 14/51
Triangularisation
On commence avec A une matrice n lignes et m colonnes
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 14/51
Triangularisation
On commence avec A une matrice n lignes et m colonnes
Il y a n tapes :
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 14/51
Triangularisation
On commence avec A une matrice n lignes et m colonnes
Il y a n tapes :
ltape k, on annule sous la diagonale les coefcients de la
colonne k :
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 14/51
Triangularisation
On commence avec A une matrice n lignes et m colonnes
Il y a n tapes :
ltape k, on annule sous la diagonale les coefcients de la
colonne k :
On appelle k
e
pivot (p
(k)
) le coefcient de la diagonale
p
(k)
= a
k,k
chaque ligne i > k on soustrait la ligne k multiplie par
a
i,k
p
(k)
:
q = a
i,k
j, k j m on fait
a
i,j
= a
i,j
a
k,j
.
q
p
(k)
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 14/51
Triangularisation
On commence avec A une matrice n lignes et m colonnes
Il y a n tapes :
ltape k, on annule sous la diagonale les coefcients de la
colonne k :
On appelle k
e
pivot (p
(k)
) le coefcient de la diagonale
p
(k)
= a
k,k
chaque ligne i > k on soustrait la ligne k multiplie par
a
i,k
p
(k)
:
q = a
i,k
j, k j m on fait
a
i,j
= a
i,j
a
k,j
.
q
p
(k)
Par dnition i > k lorsque j = k on fait lopration :
a
i,k
= a
i,k
a
i,k
= 0
en pratique il ne faut pas calculer ces coefcients pour viter
les erreurs de calcul.
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 14/51
Triangularisation
On commence avec A une matrice n lignes et m colonnes
Il y a n tapes :
ltape k, on annule sous la diagonale les coefcients de la
colonne k :
On appelle k
e
pivot (p
(k)
) le coefcient de la diagonale
p
(k)
= a
k,k
chaque ligne i > k on soustrait la ligne k multiplie par
a
i,k
p
(k)
:
q = a
i,k
j, k j m on fait
a
i,j
= a
i,j
a
k,j
.
q
p
(k)
Par dnition i > k lorsque j = k on fait lopration :
a
i,k
= a
i,k
a
i,k
= 0
en pratique il ne faut pas calculer ces coefcients pour viter
les erreurs de calcul.
Lalgorithme ne fonctionne pas si lun des pivots est nul.
Triangularisation - p. 15/51
Algorithme de triangularisation
Donn ees : A = (A[i, j]),
n le nb de lignes,
m le nb de colonnes
d ebut
pour k = 1 . . . n faire
p A[k, k]
pour i = k + 1 . . . n faire
q A[i, k]
A[i, k] 0
pour j = k + 1 . . . m faire
A[i, j] = A[i, j] A[k, j].
q
p
n
retourner A la matrice triangulaire
Triangularisation - p. 15/51
Algorithme de triangularisation
Donn ees : A = (A[i, j]),

n le nb de lignes,
m le nb de colonnes
d ebut
pour k = 1 . . . n faire
p A[k, k]
pour i = k + 1 . . . n faire
q A[i, k]
A[i, k] 0
pour j = k + 1 . . . m faire
A[i, j] = A[i, j] A[k, j].
q
p
n
retourner A la matrice triangulaire
A
Triangularisation - p. 15/51
Algorithme de triangularisation
Donn ees : A = (A[i, j]),

n le nb de lignes,
m le nb de colonnes
d ebut
pour k = 1 . . . n faire
p A[k, k]
pour i = k + 1 . . . n faire
q A[i, k]
A[i, k] 0
pour j = k + 1 . . . m faire
A[i, j] = A[i, j] A[k, j].
q
p
n
retourner A la matrice triangulaire
A
(k1)
0
Triangularisation - p. 15/51
Algorithme de triangularisation
Donn ees : A = (A[i, j]),

n le nb de lignes,
m le nb de colonnes
d ebut
pour k = 1 . . . n faire
p A[k, k]
pour i = k + 1 . . . n faire
q A[i, k]
A[i, k] 0
pour j = k + 1 . . . m faire
A[i, j] = A[i, j] A[k, j].
q
p
n
retourner A la matrice triangulaire
0
p
(1)

p
(k1)
a
12
. . .
a
1k
. . .
a
1m
a
kk+1
a
km
a
kk

a
k+1k+1
a
k+1m
a
k+1k
.
.
.
.
.
.
.
.
.
.
.
.
a
nk
a
nk+1
a
nm
Triangularisation - p. 15/51
Algorithme de triangularisation
Donn ees : A = (A[i, j]),

n le nb de lignes,
m le nb de colonnes
d ebut
pour k = 1 . . . n faire
p A[k, k]
pour i = k + 1 . . . n faire
q A[i, k]
A[i, k] 0
pour j = k + 1 . . . m faire
A[i, j] = A[i, j] A[k, j].
q
p
n
retourner A la matrice triangulaire
0
p
(1)

p
(k1)
a
12
. . .
a
1k
. . .
a
1m
a
kk+1
a
km
a
kk

a
k+1k+1
a
k+1m
a
k+1k
.
.
.
.
.
.
.
.
.
.
.
.
a
nk
a
nk+1
a
nm
Triangularisation - p. 15/51
Algorithme de triangularisation
Donn ees : A = (A[i, j]),

n le nb de lignes,
m le nb de colonnes
d ebut
pour k = 1 . . . n faire
p A[k, k]
pour i = k + 1 . . . n faire
q A[i, k]
A[i, k] 0
pour j = k + 1 . . . m faire
A[i, j] = A[i, j] A[k, j].
q
p
n
retourner A la matrice triangulaire
0
p
(1)

p
(k1)
a
12
. . .
a
1k
. . .
a
1m
a
kk+1
a
km
p

a
k+1k+1
a
k+1m
a
k+1k
.
.
.
.
.
.
.
.
.
.
.
.
a
nk
a
nk+1
a
nm
Triangularisation - p. 15/51
Algorithme de triangularisation
Donn ees : A = (A[i, j]),

n le nb de lignes,
m le nb de colonnes
d ebut
pour k = 1 . . . n faire
p A[k, k]
pour i = k + 1 . . . n faire
q A[i, k]
A[i, k] 0
pour j = k + 1 . . . m faire
A[i, j] = A[i, j] A[k, j].
q
p
n
retourner A la matrice triangulaire
0
p
(1)

p
(k1)
a
12
. . .
a
1k
. . .
a
1m
a
kk+1
a
km
p

a
k+1k+1
a
k+1m
a
k+1k
.
.
.
.
.
.
.
.
.
.
.
.
a
nk
a
nk+1
a
nm
Triangularisation - p. 15/51
Algorithme de triangularisation
Donn ees : A = (A[i, j]),

n le nb de lignes,
m le nb de colonnes
d ebut
pour k = 1 . . . n faire
p A[k, k]
pour i = k + 1 . . . n faire
q A[i, k]
A[i, k] 0
pour j = k + 1 . . . m faire
A[i, j] = A[i, j] A[k, j].
q
p
n
retourner A la matrice triangulaire
0
p
(1)

p
(k1)
a
12
. . .
a
1k
. . .
a
1m
a
kk+1
a
km
p

a
k+1k+1
a
k+1m
q
.
.
.
.
.
.
.
.
.
.
.
.
a
nk
a
nk+1
a
nm
Triangularisation - p. 15/51
Algorithme de triangularisation
Donn ees : A = (A[i, j]),

n le nb de lignes,
m le nb de colonnes
d ebut
pour k = 1 . . . n faire
p A[k, k]
pour i = k + 1 . . . n faire
q A[i, k]
A[i, k] 0
pour j = k + 1 . . . m faire
A[i, j] = A[i, j] A[k, j].
q
p
n
retourner A la matrice triangulaire
0
p
(1)

p
(k1)
a
12
. . .
a
1k
. . .
a
1m
a
kk+1
a
km
p

a
k+1k+1
a
k+1m
0
.
.
.
.
.
.
.
.
.
.
.
.
a
nk
a
nk+1
a
nm
Triangularisation - p. 15/51
Algorithme de triangularisation
Donn ees : A = (A[i, j]),

n le nb de lignes,
m le nb de colonnes
d ebut
pour k = 1 . . . n faire
p A[k, k]
pour i = k + 1 . . . n faire
q A[i, k]
A[i, k] 0
pour j = k + 1 . . . m faire
A[i, j] = A[i, j] A[k, j].
q
p
n
retourner A la matrice triangulaire
0
p
(1)

p
(k1)
a
12
. . .
a
1k
. . .
a
1m
a
kk+1
a
km
p

0
a

k+1k+1
a
k+1m
.
.
.
.
.
.
.
.
.
.
.
.
a
nk
a
nk+1
a
nm
Triangularisation - p. 15/51
Algorithme de triangularisation
Donn ees : A = (A[i, j]),

n le nb de lignes,
m le nb de colonnes
d ebut
pour k = 1 . . . n faire
p A[k, k]
pour i = k + 1 . . . n faire
q A[i, k]
A[i, k] 0
pour j = k + 1 . . . m faire
A[i, j] = A[i, j] A[k, j].
q
p
n
retourner A la matrice triangulaire
0
p
(1)

p
(k1)
a
12
. . .
a
1k
. . .
a
1m
a
kk+1
a
km
p

0
a

k+1k+1
a

k+1m
.
.
.
.
.
.
.
.
.
.
.
.
a
nk
a
nk+1
a
nm
Triangularisation - p. 15/51
Algorithme de triangularisation
Donn ees : A = (A[i, j]),

n le nb de lignes,
m le nb de colonnes
d ebut
pour k = 1 . . . n faire
p A[k, k]
pour i = k + 1 . . . n faire
q A[i, k]
A[i, k] 0
pour j = k + 1 . . . m faire
A[i, j] = A[i, j] A[k, j].
q
p
n
retourner A la matrice triangulaire
0
p
(1)

p
(k1)
a
12
. . .
a
1k
. . .
a
1m
a
kk+1
a
km
p

0
a

k+1k+1
a

k+1m
.
.
.
.
.
.
.
.
.
.
.
.
0
a

nk+1

a

nm
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 16/51
limination de GAUSS
Pour rsoudre lquation Ax = b (n quations, n inconnues).
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 16/51
limination de GAUSS
Pour rsoudre lquation Ax = b (n quations, n inconnues).
Construire la matrice [Ab] (n colonnes n + 1 lignes).
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 16/51
limination de GAUSS
Pour rsoudre lquation Ax = b (n quations, n inconnues).
Construire la matrice [Ab] (n colonnes n + 1 lignes).
Triangulariser la matrice.
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 16/51
limination de GAUSS
Pour rsoudre lquation Ax = b (n quations, n inconnues).
Construire la matrice [Ab] (n colonnes n + 1 lignes).
Triangulariser la matrice.
Appliquer lalgorithme de remonte
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 16/51
limination de GAUSS
Pour rsoudre lquation Ax = b (n quations, n inconnues).
Construire la matrice [Ab] (n colonnes n + 1 lignes).
Triangulariser la matrice.
Appliquer lalgorithme de remonte
2
n
3
3
oprations pour la triangularisation, n
2
pour la remonte.
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 16/51
limination de GAUSS
Pour rsoudre lquation Ax = b (n quations, n inconnues).
Construire la matrice [Ab] (n colonnes n + 1 lignes).
Triangulariser la matrice.
Appliquer lalgorithme de remonte
2
n
3
3
oprations pour la triangularisation, n
2
pour la remonte.
Par exemple :

1 2 3
1 1 2
1 1 1

x =

4
5
6

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 17/51
Exemple
triangularisation

1 2 3
1 1 2
1 1 1

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 17/51
Exemple
triangularisation

1 2 3 4
1 1 2 5
1 1 1 6

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 17/51
Exemple
triangularisation

1 2 3 4
1 1 2 5
1 1 1 6

1 2 3 4
0 1 1 1
0 1 2 2

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 17/51
Exemple
triangularisation

1 2 3 4
1 1 2 5
1 1 1 6

1 2 3 4
0 1 1 1
0 1 2 2

1 2 3 4
0 1 1 1
0 0 1 1

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 17/51
Exemple
triangularisation

1 2 3 4
1 1 2 5
1 1 1 6

1 2 3 4
0 1 1 1
0 1 2 2

1 2 3 4
0 1 1 1
0 0 1 1

remonte
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 17/51
Exemple
triangularisation

1 2 3 4
1 1 2 5
1 1 1 6

1 2 3 4
0 1 1 1
0 1 2 2

1 2 3 4
0 1 1 1
0 0 1 1

remonte
x
3
=
1
1
= 1
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 17/51
Exemple
triangularisation

1 2 3 4
1 1 2 5
1 1 1 6

1 2 3 4
0 1 1 1
0 1 2 2

1 2 3 4
0 1 1 1
0 0 1 1

remonte
x
3
=
1
1
= 1
x
2
=
1 (1 (1))
1
= 0
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 17/51
Exemple
triangularisation

1 2 3 4
1 1 2 5
1 1 1 6

1 2 3 4
0 1 1 1
0 1 2 2

1 2 3 4
0 1 1 1
0 0 1 1

remonte
x
3
=
1
1
= 1
x
2
=
1 (1 (1))
1
= 0
x
1
=
4 (3 (1) + 2 0)
1
= 7
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Triangularisation - p. 17/51
Exemple
triangularisation

1 2 3 4
1 1 2 5
1 1 1 6

1 2 3 4
0 1 1 1
0 1 2 2

1 2 3 4
0 1 1 1
0 0 1 1

remonte
x
3
=
1
1
= 1
x
2
=
1 (1 (1))
1
= 0
x
1
=
4 (3 (1) + 2 0)
1
= 7
Donc
x =

7
0
1

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 18/51
Forme matricielle de la triangularisation
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 19/51
Dcomposition LU
Pour prparer la matrice on souhaite la factoriser en deux
matrices triangulaires :

A
=

L
1
1
.
.
.
1

U
p
1
p
2
.
.
.
p
3
Pour construire L et U on utilise llimination de GAUSS en se
souvenant des oprations faites.
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 19/51
Dcomposition LU
Pour prparer la matrice on souhaite la factoriser en deux
matrices triangulaires :

A
=

L
1
1
.
.
.
1

U
p
1
p
2
.
.
.
p
3
Pour construire L et U on utilise llimination de GAUSS en se
souvenant des oprations faites.
En effet la n de la triangularisation, on obtient U :
0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
A
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 19/51
Dcomposition LU
Pour prparer la matrice on souhaite la factoriser en deux
matrices triangulaires :

A
=

L
1
1
.
.
.
1

U
p
1
p
2
.
.
.
p
3
Pour construire L et U on utilise llimination de GAUSS en se
souvenant des oprations faites.
En effet la n de la triangularisation, on obtient U :
0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
p
1
A

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 19/51
Dcomposition LU
Pour prparer la matrice on souhaite la factoriser en deux
matrices triangulaires :

A
=

L
1
1
.
.
.
1

U
p
1
p
2
.
.
.
p
3
Pour construire L et U on utilise llimination de GAUSS en se
souvenant des oprations faites.
En effet la n de la triangularisation, on obtient U :
0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
p
1
p
2
A

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 19/51
Dcomposition LU
Pour prparer la matrice on souhaite la factoriser en deux
matrices triangulaires :

A
=

L
1
1
.
.
.
1

U
p
1
p
2
.
.
.
p
3
Pour construire L et U on utilise llimination de GAUSS en se
souvenant des oprations faites.
En effet la n de la triangularisation, on obtient U :
0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
p
1
p
2
.
.
.
p
n
U
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 19/51
Dcomposition LU
Pour prparer la matrice on souhaite la factoriser en deux
matrices triangulaires :

A
=

L
1
1
.
.
.
1

U
p
1
p
2
.
.
.
p
3
Pour construire L et U on utilise llimination de GAUSS en se
souvenant des oprations faites.
En effet la n de la triangularisation, on obtient U :
0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
p
1
p
2
.
.
.
p
n
U
Une tape de llimination revient multiplier A par une matrice
M
(k)
quelle est la forme de cette matrice ?
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 20/51
Soient
m
k
i
=
a
ik
a
kk
et M
(k)
=

1
.
.
.
1
.
.
.
1
m
k
k+1
.
.
.
m
k
n
k
e
colonne
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 20/51
Soient
m
k
i
=
a
ik
a
kk
et M
(k)
=

1
.
.
.
1
.
.
.
1
m
k
k+1
.
.
.
m
k
n
k
e
colonne
Alors :
A =
0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
A
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 20/51
Soient
m
k
i
=
a
ik
a
kk
et M
(k)
=

1
.
.
.
1
.
.
.
1
m
k
k+1
.
.
.
m
k
n
k
e
colonne
Alors :
0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
1
1
.
.
.
1
M
(1)
A =
0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
p
1
A
(1)
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 20/51
Soient
m
k
i
=
a
ik
a
kk
et M
(k)
=

1
.
.
.
1
.
.
.
1
m
k
k+1
.
.
.
m
k
n
k
e
colonne
Alors :
0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
1
1
.
.
.
1
M
(2)
0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
1
1
.
.
.
1
M
(1)
A =
0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
p
1
p
2
A
(2)
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 20/51
Soient
m
k
i
=
a
ik
a
kk
et M
(k)
=

1
.
.
.
1
.
.
.
1
m
k
k+1
.
.
.
m
k
n
k
e
colonne
Alors :
0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
1
.
.
.
1
1
M
(n1)

0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
1
1
.
.
.
1
M
(2)
0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
1
1
.
.
.
1
M
(1)
A =
0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
p
1
p
2
.
.
.
p
n
U
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 20/51
Soient
m
k
i
=
a
ik
a
kk
et M
(k)
=

1
.
.
.
1
.
.
.
1
m
k
k+1
.
.
.
m
k
n
k
e
colonne
Alors :
0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
1
.
.
.
1
1
M
(n1)

0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
1
1
.
.
.
1
M
(2)
0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
1
1
.
.
.
1
M
(1)
A =
0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
p
1
p
2
.
.
.
p
n
U
Nous avons donc
M A = U
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 21/51
Calcul de la matrice L
A-t-on obtenu les matrices U et L de la dcomposition?
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 21/51
Calcul de la matrice L
A-t-on obtenu les matrices U et L de la dcomposition?
le produit de deux matrices triangulaires infrieures est
triangulaire infrieure,
Linverse dune matrice triangulaire infrieure est une matrice
triangulaire infrieure.
Lorsquelle existe la dcomposition est unique.
Cela nous prouve que la matrice U obtenue est celle de la
dcomposition LU et que la matrice M est linverse de la matrice L
recherche.
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 21/51
Calcul de la matrice L
A-t-on obtenu les matrices U et L de la dcomposition?
le produit de deux matrices triangulaires infrieures est
triangulaire infrieure,
Linverse dune matrice triangulaire infrieure est une matrice
triangulaire infrieure.
Lorsquelle existe la dcomposition est unique.
Cela nous prouve que la matrice U obtenue est celle de la
dcomposition LU et que la matrice M est linverse de la matrice L
recherche.
Pour calculer la matrice L il faut :
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 21/51
Calcul de la matrice L
A-t-on obtenu les matrices U et L de la dcomposition?
le produit de deux matrices triangulaires infrieures est
triangulaire infrieure,
Linverse dune matrice triangulaire infrieure est une matrice
triangulaire infrieure.
Lorsquelle existe la dcomposition est unique.
Cela nous prouve que la matrice U obtenue est celle de la
dcomposition LU et que la matrice M est linverse de la matrice L
recherche.
Pour calculer la matrice L il faut :
Inverser les M
(i)
,
Calculer le produit :
L = M
(1)
1
M
(2)
1
M
(3)
1
M
(n1)
1
Forme matricielle de la triangularisation - p. 22/51
Inverse de la matrice M
(i)
On peut montrer que :

1
.
.
.
1
.
.
.
1
X
i
e
colonne

1
.
.
.
1
.
.
.
1
Y
j
e
colonne
=

1
.
.
.
1
1
.
.
.
1
X
+
Y
i
e
colonne
si i = j

1
.
.
.
1
.
.
.
1
.
.
.
1
X
Y
i
e
colonne j
e
colonne
si i < j
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 23/51
Calcul de L
Donc M
(k)
est inversible dinverse L
(k)
avec :
M
(k)
=

1
.
.
.
1
.
.
.
1
m
k
k+1
m
k
n
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 23/51
Calcul de L
Donc M
(k)
est inversible dinverse L
(k)
avec :
M
(k)
=

1
.
.
.
1
.
.
.
1
m
k
k+1
m
k
n
L
(k)
=

1
.
.
.
1
.
.
.
1
m
k
k+1
m
k
n
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 24/51
Calcul de L (suite)
La matrice L de la dcomposition est :
L = L
(1)
L
(2)
L
(n1)
=
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 24/51
Calcul de L (suite)
La matrice L de la dcomposition est :
L = L
(1)
L
(2)
L
(n1)
=

1
m
1
2
1

.
.
.
1
m
k
k+1
1

.
.
.
.
.
.
1
m
1
n
. . . m
k
n
. . . m
n1
n
1

Rappel : les m
k
i
sont les coefcients de llimination de GAUSS
m
k
i
=
a
ik
a
kk
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 25/51
Algorithme
Donn ees : A = (A[i, j]), n le nombre de lignes et colonnes
d ebut
pour k = 1 . . . n faire
p A[k, k]
pour i = k + 1 . . . n faire
q A[i, k]
A[i, k] 0
pour j = k + 1 . . . n faire
A[i, j] = A[i, j] A[k, j].
q
p
n
retourner
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 25/51
Algorithme
Donn ees : A = (A[i, j]), n le nombre de lignes et colonnes
d ebut
U A
pour k = 1 . . . n faire
p U[k, k]
pour i = k + 1 . . . n faire
q U[i, k]
U[i, k] 0
pour j = k + 1 . . . n faire
U[i, j] = U[i, j] U[k, j].
q
p
n
retourner U la matrice triangulaire sup erieure,
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 25/51
Algorithme
Donn ees : A = (A[i, j]), n le nombre de lignes et colonnes
d ebut
U A
L I
pour k = 1 . . . n faire
p U[k, k]
pour i = k + 1 . . . n faire
q U[i, k]
U[i, k] 0
L[i, k]
q
p
pour j = k + 1 . . . n faire
U[i, j] = U[i, j] U[k, j].
q
p
n
retourner U la matrice triangulaire sup erieure,
L la matrice triangulaire inf erieure
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 26/51
Exemple
Dcomposition de la matrice

1 2 3
1 1 2
1 1 1

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 26/51
Exemple
Dcomposition de la matrice

1 2 3
1 1 2
1 1 1

U
(0)
=

1 2 3
1 1 2
1 1 1

L
(0)
=

1 0 0
0 1 0
0 0 1

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 26/51
Exemple
Dcomposition de la matrice

1 2 3
1 1 2
1 1 1

U
(0)
=

1 2 3
1 1 2
1 1 1

L
(0)
=

1 0 0
0 1 0
0 0 1

U
(1)
=

1 2 3
0 1 1
0 1 2

L
(1)
=

1 0 0
1 1 0
1 0 1

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Recherche de pivots maximaux
Conditionnement
Forme matricielle de la triangularisation - p. 26/51
Exemple
Dcomposition de la matrice

1 2 3
1 1 2
1 1 1

U
(0)
=

1 2 3
1 1 2
1 1 1

L
(0)
=

1 0 0
0 1 0
0 0 1

U
(1)
=

1 2 3
0 1 1
0 1 2

L
(1)
=

1 0 0
1 1 0
1 0 1

U
(2)
=

1 2 3
0 1 1
0 0 1

L
(2)
=

1 0 0
1 1 0
1 1 1

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Conditions
Pivots nuls
Exemple
Exemple (suite)
Recherche de pivots maximaux
Conditionnement
Conditions - p. 27/51
Conditions
Conditions - p. 28/51
Conditions
Cet algorithme est applicable sur A ssi tous les pivots p
(k)
sont non nuls.
Comment tre sur que ces pivots ne seront pas nuls ?
Conditions - p. 28/51
Conditions
Cet algorithme est applicable sur A ssi tous les pivots p
(k)
sont non nuls.
Comment tre sur que ces pivots ne seront pas nuls ?
Thorme Llimination de GAUSS fonctionne sur une matrice
A = (a
ij
)
1i,jn
si et seulement si toutes ses matrices principales ( en coin )
A
k
= (a
ij
)
1i,jk
sont inversibles

a
11
a
12
a
21
a
22
a
13
a
23
a
31
a
32
a
33
. . .
. . .
. . .
.
.
.
.
.
.
.
.
.
. . .
a
1n
a
2n
a
3n
.
.
.
a
n1
a
n2
a
n3
. . .
a
nn
Conditions - p. 28/51
Conditions
Cet algorithme est applicable sur A ssi tous les pivots p
(k)
sont non nuls.
Comment tre sur que ces pivots ne seront pas nuls ?
Thorme Llimination de GAUSS fonctionne sur une matrice
A = (a
ij
)
1i,jn
si et seulement si toutes ses matrices principales ( en coin )
A
k
= (a
ij
)
1i,jk
sont inversibles

a
11
a
12
a
21
a
22
a
13
a
23
a
31
a
32
a
33
. . .
. . .
. . .
.
.
.
.
.
.
.
.
.
. . .
a
1n
a
2n
a
3n
.
.
.
a
n1
a
n2
a
n3
. . .
a
nn
A
1
Conditions - p. 28/51
Conditions
Cet algorithme est applicable sur A ssi tous les pivots p
(k)
sont non nuls.
Comment tre sur que ces pivots ne seront pas nuls ?
Thorme Llimination de GAUSS fonctionne sur une matrice
A = (a
ij
)
1i,jn
si et seulement si toutes ses matrices principales ( en coin )
A
k
= (a
ij
)
1i,jk
sont inversibles

a
11
a
12
a
21
a
22
a
13
a
23
a
31
a
32
a
33
. . .
. . .
. . .
.
.
.
.
.
.
.
.
.
. . .
a
1n
a
2n
a
3n
.
.
.
a
n1
a
n2
a
n3
. . .
a
nn
A
2
Conditions - p. 28/51
Conditions
Cet algorithme est applicable sur A ssi tous les pivots p
(k)
sont non nuls.
Comment tre sur que ces pivots ne seront pas nuls ?
Thorme Llimination de GAUSS fonctionne sur une matrice
A = (a
ij
)
1i,jn
si et seulement si toutes ses matrices principales ( en coin )
A
k
= (a
ij
)
1i,jk
sont inversibles

a
11
a
12
a
21
a
22
a
13
a
23
a
31
a
32
a
33
. . .
. . .
. . .
.
.
.
.
.
.
.
.
.
. . .
a
1n
a
2n
a
3n
.
.
.
a
n1
a
n2
a
n3
. . .
a
nn
A
3
Conditions - p. 28/51
Conditions
Cet algorithme est applicable sur A ssi tous les pivots p
(k)
sont non nuls.
Comment tre sur que ces pivots ne seront pas nuls ?
Thorme Llimination de GAUSS fonctionne sur une matrice
A = (a
ij
)
1i,jn
si et seulement si toutes ses matrices principales ( en coin )
A
k
= (a
ij
)
1i,jk
sont inversibles

a
11
a
12
a
21
a
22
a
13
a
23
a
31
a
32
a
33
. . .
. . .
. . .
.
.
.
.
.
.
.
.
.
. . .
a
1n
a
2n
a
3n
.
.
.
a
n1
a
n2
a
n3
. . .
a
nn
A
4
Conditions - p. 28/51
Conditions
Cet algorithme est applicable sur A ssi tous les pivots p
(k)
sont non nuls.
Comment tre sur que ces pivots ne seront pas nuls ?
Thorme Llimination de GAUSS fonctionne sur une matrice
A = (a
ij
)
1i,jn
si et seulement si toutes ses matrices principales ( en coin )
A
k
= (a
ij
)
1i,jk
sont inversibles

a
11
a
12
a
21
a
22
a
13
a
23
a
31
a
32
a
33
. . .
. . .
. . .
.
.
.
.
.
.
.
.
.
. . .
a
1n
a
2n
a
3n
.
.
.
a
n1
a
n2
a
n3
. . .
a
nn
A
n
= A
Conditions - p. 28/51
Conditions
Cet algorithme est applicable sur A ssi tous les pivots p
(k)
sont non nuls.
Comment tre sur que ces pivots ne seront pas nuls ?
Thorme Llimination de GAUSS fonctionne sur une matrice
A = (a
ij
)
1i,jn
si et seulement si toutes ses matrices principales ( en coin )
A
k
= (a
ij
)
1i,jk
sont inversibles

a
11
a
12
a
21
a
22
a
13
a
23
a
31
a
32
a
33
. . .
. . .
. . .
.
.
.
.
.
.
.
.
.
. . .
a
1n
a
2n
a
3n
.
.
.
a
n1
a
n2
a
n3
. . .
a
nn
Cela ne donne pas de moyen priori pour savoir si la mthode fonctionne.
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Conditions
Pivots nuls
Exemple
Exemple (suite)
Recherche de pivots maximaux
Conditionnement
Conditions - p. 29/51
Pivots nuls
Le fait quune matrice principale A
k
ne soit pas inversible ne signie
pas que la matrice A nest pas inversible.
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Conditions
Pivots nuls
Exemple
Exemple (suite)
Recherche de pivots maximaux
Conditionnement
Conditions - p. 29/51
Pivots nuls
Le fait quune matrice principale A
k
ne soit pas inversible ne signie
pas que la matrice A nest pas inversible.
Par exemple :

0 1
1 1

1 1 0
1 1 1
0 1 1

ces matrices sont inversibles et peuvent tre triangularises par


une mthode un peu plus complexe.
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Conditions
Pivots nuls
Exemple
Exemple (suite)
Recherche de pivots maximaux
Conditionnement
Conditions - p. 29/51
Pivots nuls
Le fait quune matrice principale A
k
ne soit pas inversible ne signie
pas que la matrice A nest pas inversible.
Par exemple :

0 1
1 1

1 1 0
1 1 1
0 1 1

ces matrices sont inversibles et peuvent tre triangularises par


une mthode un peu plus complexe.
Lavis du mathmaticien :
si un pivot est nul, alors on permute deux lignes
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Conditions
Pivots nuls
Exemple
Exemple (suite)
Recherche de pivots maximaux
Conditionnement
Conditions - p. 29/51
Pivots nuls
Le fait quune matrice principale A
k
ne soit pas inversible ne signie
pas que la matrice A nest pas inversible.
Par exemple :

0 1
1 1

1 1 0
1 1 1
0 1 1

ces matrices sont inversibles et peuvent tre triangularises par


une mthode un peu plus complexe.
Lavis du mathmaticien :
si un pivot est nul, alors on permute deux lignes
car :
Thorme Si tous les pivots possibles sont nuls alors la matrice
est singulire
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Conditions
Pivots nuls
Exemple
Exemple (suite)
Recherche de pivots maximaux
Conditionnement
Conditions - p. 29/51
Pivots nuls
Le fait quune matrice principale A
k
ne soit pas inversible ne signie
pas que la matrice A nest pas inversible.
Par exemple :

0 1
1 1

1 1 0
1 1 1
0 1 1

ces matrices sont inversibles et peuvent tre triangularises par


une mthode un peu plus complexe.
Lavis du mathmaticien :
si un pivot est nul, alors on permute deux lignes
car :
Thorme Si tous les pivots possibles sont nuls alors la matrice
est singulire
Pourquoi cela nest-il pas satisfaisant ?
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Conditions
Pivots nuls
Exemple
Exemple (suite)
Recherche de pivots maximaux
Conditionnement
Conditions - p. 30/51
Exemple
En modiant lgrement la matrice prcdente :

1 1 0
1 1 1
0 1 1

x =

0
1
2

La solution est (1, 1, 1).


Appliquons la mthode de triangularisation avec 4 chiffres
dcimaux de prcision en arrondi au plus prs.
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Conditions
Pivots nuls
Exemple
Exemple (suite)
Recherche de pivots maximaux
Conditionnement
Conditions - p. 30/51
Exemple
En modiant lgrement la matrice prcdente :

1
3
1
3
0
1 1 1
0 1 1

x =

0
1
2

La solution est (1, 1, 1).


Appliquons la mthode de triangularisation avec 4 chiffres
dcimaux de prcision en arrondi au plus prs.
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Conditions
Pivots nuls
Exemple
Exemple (suite)
Recherche de pivots maximaux
Conditionnement
Conditions - p. 30/51
Exemple
En modiant lgrement la matrice prcdente :

1
3
1
3
0
1 1 1
0 1 1

x =

0
1
2

La solution est (1, 1, 1).


Appliquons la mthode de triangularisation avec 4 chiffres
dcimaux de prcision en arrondi au plus prs. La matrice A
devient :
A =

1
3
1
3
0
1 1 1
0 1 1

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Conditions
Pivots nuls
Exemple
Exemple (suite)
Recherche de pivots maximaux
Conditionnement
Conditions - p. 30/51
Exemple
En modiant lgrement la matrice prcdente :

1
3
1
3
0
1 1 1
0 1 1

x =

0
1
2

La solution est (1, 1, 1).


Appliquons la mthode de triangularisation avec 4 chiffres
dcimaux de prcision en arrondi au plus prs. La matrice A
devient :
A =

0.3333 0.3333 0
1 1 1
0 1 1

Conditions - p. 31/51
Exemple (suite)

0.3333 0.3333 0
1 1 1
0 1 1

x =

0
1
2

Conditions - p. 31/51
Exemple (suite)

0.3333 0.3333 0
0 1+0.9999 1
0 1 1

x =

0
1
2

Conditions - p. 31/51
Exemple (suite)

0.3333 0.3333 0
0 1E4 1
0 1 1

x =

0
1
2

Conditions - p. 31/51
Exemple (suite)

0.3333 0.3333 0
0 1E4 1
0 1 1

x =

0
1
2

0.3333 0.3333 0
0 1E 4 1
0 1 1

x =

0
1
2

Conditions - p. 31/51
Exemple (suite)

0.3333 0.3333 0
0 1E4 1
0 1 1

x =

0
1
2

0.3333 0.3333 0
0 1E 4 1
0 0 1 + 10000

x =

0
1
2+10000

Conditions - p. 31/51
Exemple (suite)

0.3333 0.3333 0
0 1E4 1
0 1 1

x =

0
1
2

0.3333 0.3333 0
0 1E 4 1
0 0 1E4

x =

0
1
1E4

Conditions - p. 31/51
Exemple (suite)

0.3333 0.3333 0
0 1E4 1
0 1 1

x =

0
1
2

0.3333 0.3333 0
0 1E 4 1
0 0 1E4

x =

0
1
1E4

Donc
x
3
=
1E4
1E4
= 1
x
2
=
11
1E4
= 0
x
1
=
0
0.3333
= 0
Conditions - p. 31/51
Exemple (suite)

0.3333 0.3333 0
0 1E4 1
0 1 1

x =

0
1
2

0.3333 0.3333 0
0 1E 4 1
0 0 1E4

x =

0
1
1E4

Donc
x
3
=
1E4
1E4
= 1
x
2
=
11
1E4
= 0
x
1
=
0
0.3333
= 0
Suite aux erreurs darrondis,
la solution fournie est

0
0
1

au lieu de

1
1
1

Conditions - p. 31/51
Exemple (suite)

0.3333 0.3333 0
0 1E4 1
0 1 1

x =

0
1
2

0.3333 0.3333 0
0 1E 4 1
0 0 1E4

x =

0
1
1E4

Donc
x
3
=
1E4
1E4
= 1
x
2
=
11
1E4
= 0
x
1
=
0
0.3333
= 0
Suite aux erreurs darrondis,
la solution fournie est

0
0
1

au lieu de

1
1
1

Pour rsoudre ce problme on recherche les pivots maximaux.


Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 32/51
Recherche de pivots maximaux
Recherche de pivots maximaux - p. 33/51
Recherche de pivots maximaux
Nous navons pas utilis les deux proprits suivantes :
On ne change pas la solution du systme lorsque on permute deux lignes,
On ne change pas la solution du systme lorsque on permute deux
colonnes.
Recherche de pivots maximaux - p. 33/51
Recherche de pivots maximaux
Nous navons pas utilis les deux proprits suivantes :
On ne change pas la solution du systme lorsque on permute deux lignes,
On ne change pas la solution du systme lorsque on permute deux
colonnes.
Or la permutation est une opration qui ne cause aucune erreur de calcul.
Recherche de pivots maximaux - p. 33/51
Recherche de pivots maximaux
Nous navons pas utilis les deux proprits suivantes :
On ne change pas la solution du systme lorsque on permute deux lignes,
On ne change pas la solution du systme lorsque on permute deux
colonnes.
Or la permutation est une opration qui ne cause aucune erreur de calcul.
On peut utiliser cette proprit pour choisir le pivot le plus grand (en valeur
absolue).
En ne permutant que les lignes, cest lalgorithme de GAUSS avec pivot
partiel. simple
Recherche de pivots maximaux - p. 33/51
Recherche de pivots maximaux
Nous navons pas utilis les deux proprits suivantes :
On ne change pas la solution du systme lorsque on permute deux lignes,
On ne change pas la solution du systme lorsque on permute deux
colonnes.
Or la permutation est une opration qui ne cause aucune erreur de calcul.
On peut utiliser cette proprit pour choisir le pivot le plus grand (en valeur
absolue).
En ne permutant que les lignes, cest lalgorithme de GAUSS avec pivot
partiel. simple
En permutant les lignes et les colonnes, cest lalgorithme de GAUSS avec
pivot total. stable
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 34/51
Pivot partiel
rechercher le pivot maximal parmi les lments de la colonne k
situs sous la diagonale.
p
k
= a
s,k
avec |a
s,k
| = max
i=k...n
|a
i,k
|
permuter les lignes s et k de la matrice A
(k1)
, ce qui revient
uniquement changer lordre des quations.
Si tous les pivots de cette colonne sont nuls, la matrice est
singulire.
Si tous les pivots de cette colonne sont proches de 0, la
matrice est soit singulire mais mal calcule, soit proche dune
matrice singulire donc instable .
0
B
B
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
C
C
A
p
1

p
k1
a
kk
.
.
.
a
nk
a
kk+1
.
.
.
a
nk+1
a
km
.
.
.
a
nm
. . .
. . .
a
12
. . .
a
1k
a
1m
0
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 35/51
limination avec pivot partiel
d ebut
pour k = 1 . . . n faire
p A[k, k] ;
pour i = k + 1 . . . n faire
q A[i, k] ; A[i, k] 0
pour j = k + 1 . . . m faire
A[i, j] = A[i, j] A[k, j].
q
p
n
retourner A la matrice triangulaire
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 35/51
limination avec pivot partiel
d ebut
pour k = 1 . . . n faire
p A[k, k] ; l k
pour i = k . . . n faire
si |A[i, k]| > p alors
p A[i, k] ; l i
pour i = k + 1 . . . n faire
q A[i, k] ; A[i, k] 0
pour j = k + 1 . . . m faire
A[i, j] = A[i, j] A[k, j].
q
p
n
retourner A la matrice triangulaire
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 35/51
limination avec pivot partiel
d ebut
pour k = 1 . . . n faire
p A[k, k] ; l k
pour i = k . . . n faire
si |A[i, k]| > p alors
p A[i, k] ; l i
si l = k alors
pour j = k . . . m faire
temp A[k, j] ; A[k, j] A[l, j] ; A[l, j] temp
pour i = k + 1 . . . n faire
q A[i, k] ; A[i, k] 0
pour j = k + 1 . . . m faire
A[i, j] = A[i, j] A[k, j].
q
p
n
retourner A la matrice triangulaire
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 36/51
Pivot total
rechercher le pivot maximal parmi les lments de la
sous-matrice [a
i,j
] (i k, j k).
p
k
= a
s,t
avec |a
s,t
| = max
i=k...n, j=k...n
|a
i,j
|
permuter les lignes s et k
permuter les colonnes t et k, ce qui modie lordre des
inconnues
0
B
B
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
C
C
A
p
1

p
k1
a
kk
.
.
.
a
nk
a
kk+1
.
.
.
a
nk+1
a
km
.
.
.
a
nm
. . .
. . .
a
12
. . .
a
1k
a
1m
0
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 37/51
Rsum
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 38/51
Effet sur la dcomposition LU
Est ce que linversion de lignes ou de colonnes est possible
lorsquon veut la dcomposition LU?
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 38/51
Effet sur la dcomposition LU
Est ce que linversion de lignes ou de colonnes est possible
lorsquon veut la dcomposition LU?
Matriciellement, quoi correspond ces permutations ?
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 38/51
Effet sur la dcomposition LU
Est ce que linversion de lignes ou de colonnes est possible
lorsquon veut la dcomposition LU?
Matriciellement, quoi correspond ces permutations ?
Peut-on appliquer les deux formes de recherche de pivot
maximaux lalgorithme de dcomposition LU?
Recherche de pivots maximaux - p. 39/51
Matrice de permutation
Permuter deux lignes dune matrice correspond la multiplier gauche par une
matrice de la forme :
P
ij
=

1
.
.
.
1
0
1
.
.
.
1
0
1
.
.
.
1
1
1
i
e
colonne j
e
colonne
Recherche de pivots maximaux - p. 39/51
Matrice de permutation
Permuter deux lignes dune matrice correspond la multiplier gauche par une
matrice de la forme :
P
ij
=

1
.
.
.
1
0
1
.
.
.
1
0
1
.
.
.
1
1
1
i
e
colonne j
e
colonne
Alors, llimination de GAUSS avec permutation revient obtenir :
A = A
Recherche de pivots maximaux - p. 39/51
Matrice de permutation
Permuter deux lignes dune matrice correspond la multiplier gauche par une
matrice de la forme :
P
ij
=

1
.
.
.
1
0
1
.
.
.
1
0
1
.
.
.
1
1
1
i
e
colonne j
e
colonne
Alors, llimination de GAUSS avec permutation revient obtenir :
M
(1)
P
1,l
1
A = A
1
Recherche de pivots maximaux - p. 39/51
Matrice de permutation
Permuter deux lignes dune matrice correspond la multiplier gauche par une
matrice de la forme :
P
ij
=

1
.
.
.
1
0
1
.
.
.
1
0
1
.
.
.
1
1
1
i
e
colonne j
e
colonne
Alors, llimination de GAUSS avec permutation revient obtenir :
M
(2)
P
2,l
2
M
(1)
P
1,l
1
A = A
2
Recherche de pivots maximaux - p. 39/51
Matrice de permutation
Permuter deux lignes dune matrice correspond la multiplier gauche par une
matrice de la forme :
P
ij
=

1
.
.
.
1
0
1
.
.
.
1
0
1
.
.
.
1
1
1
i
e
colonne j
e
colonne
Alors, llimination de GAUSS avec permutation revient obtenir :
M
(n2)
P
n2,l
n2
M
(2)
P
2,l
2
M
(1)
P
1,l
1
A = A
n2
Recherche de pivots maximaux - p. 39/51
Matrice de permutation
Permuter deux lignes dune matrice correspond la multiplier gauche par une
matrice de la forme :
P
ij
=

1
.
.
.
1
0
1
.
.
.
1
0
1
.
.
.
1
1
1
i
e
colonne j
e
colonne
Alors, llimination de GAUSS avec permutation revient obtenir :
M
(n1)
P
n1,l
n1
M
(n2)
P
n2,l
n2
M
(2)
P
2,l
2
M
(1)
P
1,l
1
A = U
Recherche de pivots maximaux - p. 39/51
Matrice de permutation
Permuter deux lignes dune matrice correspond la multiplier gauche par une
matrice de la forme :
P
ij
=

1
.
.
.
1
0
1
.
.
.
1
0
1
.
.
.
1
1
1
i
e
colonne j
e
colonne
Alors, llimination de GAUSS avec permutation revient obtenir :
M
(n1)
P
n1,l
n1
M
(n2)
P
n2,l
n2
M
(2)
P
2,l
2
M
(1)
P
1,l
1
A = U
La matrice M obtenue nest plus triangulaire infrieure
Recherche de pivots maximaux - p. 39/51
Matrice de permutation
Permuter deux lignes dune matrice correspond la multiplier gauche par une
matrice de la forme :
P
ij
=

1
.
.
.
1
0
1
.
.
.
1
0
1
.
.
.
1
1
1
i
e
colonne j
e
colonne
Alors, llimination de GAUSS avec permutation revient obtenir :
M
(n1)
P
n1,l
n1
M
(n2)
P
n2,l
n2
M
(2)
P
2,l
2
M
(1)
P
1,l
1
A = U
La matrice M obtenue nest plus triangulaire infrieure
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 40/51
Proprits des matrices de permutation
Par contre, il est possible de commuter les matrices de permutation
et les matrices M
(k)
.
Si k < i < j :
P
ij
M
(k)
=

M
(k)
P
ij
o

M
(k)
est la matrice M
(k)
dont les coefcients i et j ont t
changs.
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 40/51
Proprits des matrices de permutation
Par contre, il est possible de commuter les matrices de permutation
et les matrices M
(k)
.
Si k < i < j :
P
ij
M
(k)
=

M
(k)
P
ij
o

M
(k)
est la matrice M
(k)
dont les coefcients i et j ont t
changs.

M
(k)
est de la mme forme que M
(k)
donc elle est triangulaire
infrieure et elle est inverse de la mme faon
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 40/51
Proprits des matrices de permutation
Par contre, il est possible de commuter les matrices de permutation
et les matrices M
(k)
.
Si k < i < j :
P
ij
M
(k)
=

M
(k)
P
ij
o

M
(k)
est la matrice M
(k)
dont les coefcients i et j ont t
changs.

M
(k)
est de la mme forme que M
(k)
donc elle est triangulaire
infrieure et elle est inverse de la mme faon
Finalement,

M
(n1)


M
(2)

M
(1)
P
n1,l
n1
P
2l
2
P
1l
1
A = U
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 40/51
Proprits des matrices de permutation
Par contre, il est possible de commuter les matrices de permutation
et les matrices M
(k)
.
Si k < i < j :
P
ij
M
(k)
=

M
(k)
P
ij
o

M
(k)
est la matrice M
(k)
dont les coefcients i et j ont t
changs.

M
(k)
est de la mme forme que M
(k)
donc elle est triangulaire
infrieure et elle est inverse de la mme faon
Finalement,

M
(n1)


M
(2)

M
(1)
P
n1,l
n1
P
2l
2
P
1l
1
A = U
M P A = U
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 40/51
Proprits des matrices de permutation
Par contre, il est possible de commuter les matrices de permutation
et les matrices M
(k)
.
Si k < i < j :
P
ij
M
(k)
=

M
(k)
P
ij
o

M
(k)
est la matrice M
(k)
dont les coefcients i et j ont t
changs.

M
(k)
est de la mme forme que M
(k)
donc elle est triangulaire
infrieure et elle est inverse de la mme faon
Finalement,

M
(n1)


M
(2)

M
(1)
P
n1,l
n1
P
2l
2
P
1l
1
A = U
M P A = U
P A = L U
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 41/51
Dcomposition PLU
on applique lalgorithme avec recherche de pivot partiel, en
calculant U et L
A chaque fois quon permute une ligne de U, on permute aussi
les lignes de L en dessous de la diagonale.
On conserve la permutation P (lordre des lignes) car
P A = L U
Pour rsoudre Ax = b, il suft de rsoudre LUx = Pb
! on ne peut pas utiliser lalgorithme avec re-
cherche du pivot total
R
e
c
h
e
r
c
h
e
d
e
p
i
v
o
t
s
m
a
x
i
m
a
u
x
-
p
.
4
2
/
5
1
A
l
g
o
r
i
t
h
m
e
Donn ees : A = (A[i, j]), n
d ebut
U A; ;
pour k = 1 . . . n faire
// Recherche partiel du pivot
p U[k, k] ; l k
pour i = k . . . n faire
si |U[i, k]| > p alors
p U[i, k] ; l i
si l = k alors
//Permutation de lignes
pour j = 1 . . . n faire
temp U[k, j] ; U[k, j] U[l, j]
U[l, j] temp
pour i = k + 1 . . . n faire
q U[i, k] ; U[i, k] 0
pour j = k + 1 . . . n faire
U[i, j] = U[i, j] U[k, j].
q
p
n
retourner U
R
e
c
h
e
r
c
h
e
d
e
p
i
v
o
t
s
m
a
x
i
m
a
u
x
-
p
.
4
2
/
5
1
A
l
g
o
r
i
t
h
m
e
Donn ees : A = (A[i, j]), n
d ebut
U A; L I ;
pour k = 1 . . . n faire
// Recherche partiel du pivot
p U[k, k] ; l k
pour i = k . . . n faire
si |U[i, k]| > p alors
p U[i, k] ; l i
si l = k alors
//Permutation de lignes
pour j = 1 . . . n faire
temp U[k, j] ; U[k, j] U[l, j]
U[l, j] temp
pour i = k + 1 . . . n faire
q U[i, k] ; U[i, k] 0
L[i, k]
q
p
pour j = k + 1 . . . n faire
U[i, j] = U[i, j] U[k, j].
q
p
n
retourner L et U
R
e
c
h
e
r
c
h
e
d
e
p
i
v
o
t
s
m
a
x
i
m
a
u
x
-
p
.
4
2
/
5
1
A
l
g
o
r
i
t
h
m
e
Donn ees : A = (A[i, j]), n
d ebut
U A; L I ;
pour k = 1 . . . n faire
// Recherche partiel du pivot
p U[k, k] ; l k
pour i = k . . . n faire
si |U[i, k]| > p alors
p U[i, k] ; l i
si l = k alors
//Permutation de lignes
pour j = 1 . . . n faire
temp U[k, j] ; U[k, j] U[l, j]
U[l, j] temp
si j < k alors
//Uniquement sous la diagonale
temp L[k, j] ; L[k, j] L[l, j]
L[l, j] temp
pour i = k + 1 . . . n faire
q U[i, k] ; U[i, k] 0
L[i, k]
q
p
pour j = k + 1 . . . n faire
U[i, j] = U[i, j] U[k, j].
q
p
n
retourner L et U
R
e
c
h
e
r
c
h
e
d
e
p
i
v
o
t
s
m
a
x
i
m
a
u
x
-
p
.
4
2
/
5
1
A
l
g
o
r
i
t
h
m
e
Donn ees : A = (A[i, j]), n
d ebut
U A; L I ; P I
pour k = 1 . . . n faire
// Recherche partiel du pivot
p U[k, k] ; l k
pour i = k . . . n faire
si |U[i, k]| > p alors
p U[i, k] ; l i
si l = k alors
//Permutation de lignes
pour j = 1 . . . n faire
temp U[k, j] ; U[k, j] U[l, j]
U[l, j] temp
si j < k alors
//Uniquement sous la diagonale
temp L[k, j] ; L[k, j] L[l, j]
L[l, j] temp
temp P[k, j] ; P[k, j] P[l, j]
P[l, j] temp
pour i = k + 1 . . . n faire
q U[i, k] ; U[i, k] 0
L[i, k]
q
p
pour j = k + 1 . . . n faire
U[i, j] = U[i, j] U[k, j].
q
p
n
retourner P, L et U
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 43/51
Exemple
Calcul de la dcomposition PLU de

1 1 2 1
1 1 1 0
1 0 2 0
0 2 0 4

k P L U
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 43/51
Exemple
Calcul de la dcomposition PLU de

1 1 2 1
1 1 1 0
1 0 2 0
0 2 0 4

k P L U
0

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

1 1 2 1
1 1 1 0
1 0 2 0
0 2 0 4

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 43/51
Exemple
Calcul de la dcomposition PLU de

1 1 2 1
1 1 1 0
1 0 2 0
0 2 0 4

k P L U
0

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

1 1 2 1
1 1 1 0
1 0 2 0
0 2 0 4

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

1 0 0 0
1 1 0 0
1 0 1 0
0 0 0 1

1 1 2 1
0 0 3 1
0 1 0 1
0 2 0 4

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 43/51
Exemple
Calcul de la dcomposition PLU de

1 1 2 1
1 1 1 0
1 0 2 0
0 2 0 4

k P L U
0

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

1 1 2 1
1 1 1 0
1 0 2 0
0 2 0 4

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

1 0 0 0
1 1 0 0
1 0 1 0
0 0 0 1

1 1 2 1
0 0 3 1
0 1 0 1
0 2 0 4

2
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 43/51
Exemple
Calcul de la dcomposition PLU de

1 1 2 1
1 1 1 0
1 0 2 0
0 2 0 4

k P L U
0

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

1 1 2 1
1 1 1 0
1 0 2 0
0 2 0 4

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

1 0 0 0
1 1 0 0
1 0 1 0
0 0 0 1

1 1 2 1
0 0 3 1
0 1 0 1
0 2 0 4

1 1 2 1
0 2 0 4
0 1 0 1
0 0 3 1

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 43/51
Exemple
Calcul de la dcomposition PLU de

1 1 2 1
1 1 1 0
1 0 2 0
0 2 0 4

k P L U
0

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

1 1 2 1
1 1 1 0
1 0 2 0
0 2 0 4

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

1 0 0 0
1 1 0 0
1 0 1 0
0 0 0 1

1 1 2 1
0 0 3 1
0 1 0 1
0 2 0 4

1 0 0 0
0 0 0 1
0 0 1 0
0 1 0 0

1 1 2 1
0 2 0 4
0 1 0 1
0 0 3 1

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 43/51
Exemple
Calcul de la dcomposition PLU de

1 1 2 1
1 1 1 0
1 0 2 0
0 2 0 4

k P L U
0

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

1 1 2 1
1 1 1 0
1 0 2 0
0 2 0 4

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

1 0 0 0
1 1 0 0
1 0 1 0
0 0 0 1

1 1 2 1
0 0 3 1
0 1 0 1
0 2 0 4

1 0 0 0
0 0 0 1
0 0 1 0
0 1 0 0

1 0 0 0
0 1 0 0
1 0 1 0
1 0 0 1

1 1 2 1
0 2 0 4
0 1 0 1
0 0 3 1

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 43/51
Exemple
Calcul de la dcomposition PLU de

1 1 2 1
1 1 1 0
1 0 2 0
0 2 0 4

k P L U
0

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

1 1 2 1
1 1 1 0
1 0 2 0
0 2 0 4

1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1

1 0 0 0
1 1 0 0
1 0 1 0
0 0 0 1

1 1 2 1
0 0 3 1
0 1 0 1
0 2 0 4

1 0 0 0
0 0 0 1
0 0 1 0
0 1 0 0

1 0 0 0
0 1 0 0
1 0 1 0
1 0 0 1

1 1 2 1
0 2 0 4
0 1 0 1
0 0 3 1

1 0 0 0
0 0 0 1
0 0 1 0
0 1 0 0

1 0 0 0
0 1 0 0
1
1
2
1 0
1 0 0 1

1 1 2 1
0 2 0 4
0 0 0 1
0 0 3 1

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 44/51
Exemple(suite)
k P L U
2

1 0 0 0
0 0 0 1
0 0 1 0
0 1 0 0

1 0 0 0
0 1 0 0
1
1
2
1 0
1 0 0 1

1 1 2 1
0 2 0 4
0 0 0 1
0 0 3 1

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 44/51
Exemple(suite)
k P L U
2

1 0 0 0
0 0 0 1
0 0 1 0
0 1 0 0

1 0 0 0
0 1 0 0
1
1
2
1 0
1 0 0 1

1 1 2 1
0 2 0 4
0 0 0 1
0 0 3 1

1 0 0 0
0 0 0 1
0 1 0 0
0 0 1 0

1 0 0 0
0 1 0 0
1 0 1 0
1
1
2
0 1

1 1 2 1
0 2 0 4
0 0 3 1
0 0 0 1

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Recherche de pivots maximaux
Pivot partiel
limination avec pivot partiel
Pivot total
Rsum
Effet sur la dcomposition LU
Matrice de permutation
Proprits des matrices de
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Recherche de pivots maximaux - p. 44/51
Exemple(suite)
k P L U
2

1 0 0 0
0 0 0 1
0 0 1 0
0 1 0 0

1 0 0 0
0 1 0 0
1
1
2
1 0
1 0 0 1

1 1 2 1
0 2 0 4
0 0 0 1
0 0 3 1

1 0 0 0
0 0 0 1
0 1 0 0
0 0 1 0

1 0 0 0
0 1 0 0
1 0 1 0
1
1
2
0 1

1 1 2 1
0 2 0 4
0 0 3 1
0 0 0 1

Donc

1 0 0 0
0 0 0 1
0 1 0 0
0 0 1 0

1 1 2 1
1 1 1 0
1 0 2 0
0 2 0 4

1 0 0 0
0 1 0 0
1 0 1 0
1
1
2
0 1

1 1 2 1
0 2 0 4
0 0 3 1
0 0 0 1

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conditionnement de la matrice
Proprit du conditionnement
Conclusion
Conditionnement - p. 45/51
Conditionnement
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conditionnement de la matrice
Proprit du conditionnement
Conclusion
Conditionnement - p. 46/51
Exemple
Considrons le systme linaire suivant (R. S. WILSON)

10 7 8 7
7 5 6 5
8 6 10 9
7 5 9 10

x
1
x
2
x
3
x
4

32
23
33
31

il a pour solution le vecteur x =

1
1
1
1

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conditionnement de la matrice
Proprit du conditionnement
Conclusion
Conditionnement - p. 46/51
Exemple
Considrons le systme linaire suivant (R. S. WILSON)

10 7 8 7
7 5 6 5
8 6 10 9
7 5 9 10

x
1
x
2
x
3
x
4

32
23
33
31

il a pour solution le vecteur x =

1
1
1
1

Mais en changeant un peu le vecteur darrive, b =

32, 1
22, 9
33, 1
30, 9

on trouve x =

9, 2
12, 6
4, 5
1, 1

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conditionnement de la matrice
Proprit du conditionnement
Conclusion
Conditionnement - p. 46/51
Exemple
Considrons le systme linaire suivant (R. S. WILSON)

10 7 8 7
7 5 6 5
8 6 10 9
7 5 9 10

x
1
x
2
x
3
x
4

32
23
33
31

il a pour solution le vecteur x =

1
1
1
1

Mais en changeant un peu le vecteur darrive, b =

32, 1
22, 9
33, 1
30, 9

on trouve x =

9, 2
12, 6
4, 5
1, 1

Une erreur relative de


1
200
sur les donnes entrane une erreur de
10
1
sur le rsultat : 2000 fois plus !
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conditionnement de la matrice
Proprit du conditionnement
Conclusion
Conditionnement - p. 47/51
Conditionnement
Rappel : Si r est la solution dun problme de donne a et r + r
celle du mme problme avec les donnes a + a, on appelle
conditionnement du problme la valeur
C

= sup
a
r
a
En utilisant cette dnition, on peut analyser la sensibilit du
problme Ax = b au donnes :
si b est remplac par b + b
si A est remplace par A + A
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conditionnement de la matrice
Proprit du conditionnement
Conclusion
Conditionnement - p. 48/51
Norme matricielle
Dnition (Normes induites (ou subordonnes)) Soit .
v
une
norme vectorielle dnie sur C
n
la fonction qui A M
n
(C)
associe
A = max
xC
n
,x=0
Ax
v
x
v
est une norme matricielle dite norme matricielle induite ou
subordonne
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conditionnement de la matrice
Proprit du conditionnement
Conclusion
Conditionnement - p. 48/51
Norme matricielle
Dnition (Normes induites (ou subordonnes)) Soit .
v
une
norme vectorielle dnie sur C
n
la fonction qui A M
n
(C)
associe
A = max
xC
n
,x=0
Ax
v
x
v
est une norme matricielle dite norme matricielle induite ou
subordonne
Par exemple, la norme matricielle induite par la norme 2 sur une
matrice symtrique est
x
2
=

i=1
x
2
i
est A = max
spec(A)
||
Cest dire la plus grande valeur propre de A.
Par dnition, lorsque la norme .
m
est induite par la norme
vectorielle .
v
alors
Ax
v
A
m
x
v
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conditionnement de la matrice
Proprit du conditionnement
Conclusion
Conditionnement - p. 48/51
Norme matricielle
Dnition (Normes induites (ou subordonnes)) Soit .
v
une
norme vectorielle dnie sur C
n
la fonction qui A M
n
(C)
associe
A = max
xC
n
,x=0
Ax
v
x
v
est une norme matricielle dite norme matricielle induite ou
subordonne
Par exemple, la norme matricielle induite par la norme 2 sur une
matrice symtrique est
x
2
=

i=1
x
2
i
est A = max
spec(A)
||
Cest dire la plus grande valeur propre de A.
Par dnition, lorsque la norme .
m
est induite par la norme
vectorielle .
v
alors
Ax
v
A
m
x
v
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conditionnement de la matrice
Proprit du conditionnement
Conclusion
Conditionnement - p. 49/51
Conditionnement de la matrice
On peut utiliser ces normes matricielles pour majorer la sensibilit
de la solution au problme sur les donnes
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conditionnement de la matrice
Proprit du conditionnement
Conclusion
Conditionnement - p. 49/51
Conditionnement de la matrice
On peut utiliser ces normes matricielles pour majorer la sensibilit
de la solution au problme sur les donnes
Si A est une matrice inversible et si u est solution de Ax = b,
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conditionnement de la matrice
Proprit du conditionnement
Conclusion
Conditionnement - p. 49/51
Conditionnement de la matrice
On peut utiliser ces normes matricielles pour majorer la sensibilit
de la solution au problme sur les donnes
Si A est une matrice inversible et si u est solution de Ax = b,
u + u est solution de Ax = b + b avec
u = A
1
(b)
Donc
u
u
A

A
1

b
b
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conditionnement de la matrice
Proprit du conditionnement
Conclusion
Conditionnement - p. 49/51
Conditionnement de la matrice
On peut utiliser ces normes matricielles pour majorer la sensibilit
de la solution au problme sur les donnes
Si A est une matrice inversible et si u est solution de Ax = b,
u + u est solution de Ax = b + b avec
u = A
1
(b)
Donc
u
u
A

A
1

b
b
u + u est solution de (A + A)x = b avec
u = A
1
(A(u + u))
Donc
u
u + u
A

A
1

A
A
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conditionnement de la matrice
Proprit du conditionnement
Conclusion
Conditionnement - p. 49/51
Conditionnement de la matrice
On peut utiliser ces normes matricielles pour majorer la sensibilit
de la solution au problme sur les donnes
Si A est une matrice inversible et si u est solution de Ax = b,
u + u est solution de Ax = b + b avec
u = A
1
(b)
Donc
u
u
A

A
1

b
b
u + u est solution de (A + A)x = b avec
u = A
1
(A(u + u))
Donc
u
u + u
A

A
1

A
A
Dnition (Conditionnement) On appelle conditionnement de la
matrice A la valeur
cond(A) = A

A
1

Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conditionnement de la matrice
Proprit du conditionnement
Conclusion
Conditionnement - p. 50/51
Proprit du conditionnement
Le conditionnement dune matrice est toujours 1
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conditionnement de la matrice
Proprit du conditionnement
Conclusion
Conditionnement - p. 50/51
Proprit du conditionnement
Le conditionnement dune matrice est toujours 1
Lerreur relative sur la solution est infrieure lerreur relative sur
les donnes multiplie par cond(A).
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conditionnement de la matrice
Proprit du conditionnement
Conclusion
Conditionnement - p. 50/51
Proprit du conditionnement
Le conditionnement dune matrice est toujours 1
Lerreur relative sur la solution est infrieure lerreur relative sur
les donnes multiplie par cond(A).
Cette borne est optimale
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conditionnement de la matrice
Proprit du conditionnement
Conclusion
Conditionnement - p. 50/51
Proprit du conditionnement
Le conditionnement dune matrice est toujours 1
Lerreur relative sur la solution est infrieure lerreur relative sur
les donnes multiplie par cond(A).
Cette borne est optimale
La valeur dpend de la norme vectorielle utilise, dans le cas de
la norme 2 pour les matrices symtriques,
cond(A)
2
=
|
n
|
|
1
|
o
n
(resp.
1
) est la plus grande (resp. la plus petite) valeur
propre
Dans le cas de la matrice donne en exemple, cond(A) 2984.
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conditionnement de la matrice
Proprit du conditionnement
Conclusion
Conditionnement - p. 50/51
Proprit du conditionnement
Le conditionnement dune matrice est toujours 1
Lerreur relative sur la solution est infrieure lerreur relative sur
les donnes multiplie par cond(A).
Cette borne est optimale
La valeur dpend de la norme vectorielle utilise, dans le cas de
la norme 2 pour les matrices symtriques,
cond(A)
2
=
|
n
|
|
1
|
o
n
(resp.
1
) est la plus grande (resp. la plus petite) valeur
propre
Dans le cas de la matrice donne en exemple, cond(A) 2984.
Il existe des mthodes pour amliorer le conditionnement.
Proprits mathmatiques
Principe gnral des
algorithmes
Triangularisation
Forme matricielle de la
triangularisation
Conditions
Recherche de pivots maximaux
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conditionnement de la matrice
Proprit du conditionnement
Conclusion
Conditionnement - p. 51/51
Conclusion
Les algorithmes vus en cours sont des algorithmes gnraux mais
ils sont
coteux
instables
Il existe dautres dcompositions
Dcomposition LL

pour les matrices symtriques dnies


positives (Choleski),
Dcomposition LDL

pour les matrices symtriques


Il y a des algorithmes plus efcaces pour les matrices spciales
tridiagonales,
creuses.
Vous pouvez tester le package linalg de MAPLE, SCILAB,
MATLAB et la librairie LAPACK.

Vous aimerez peut-être aussi