ECOLE SUPERIEURE EN SCIENCES APPLIQUEES DE TLEMCEN

ANALYSE NUMERIQUE I
SYSTEMES LINEAIRES : METHODES DIRECTES
COVID19/2020-2021

M. BELMEKKI

1. Calcul d’un déterminant

Soit A une matrice de rang 2 donnée par :
MOHAMMED BELMEKKI
A=

a11 a12

a21 a22
DEPT. FORMATION PREPARATOIRE
Son déterminant est donnée par :
 TLEMCEN- ALGERIA
 a11 a12 
∆ =   = a11 .a22 − a21 .a12
a21 a222021-2022


Considérons maintenant une matrice de rang 3 donnée par :

 
a11 a12 a13
A =  a21 a22 a23 
a31 a32 a33

Son déterminant est donnée par :

 
 a11 a12 a13       
 a a
a22 a23  = a11  22 23  − a21  a12 a13  + a31  a12 a13
     
∆ =  a21 
 a31 a 32 a 33
  a32 a33   a22 a23 
a32 a33 

Remarque 01 : Pour calculer le déterminant (3, 3) on a eu besoin des déterminants (2, 2). De
proche en proche on peut calculer les déterminants d’ordre supérieur.
Remarque 02 : Précedement, on a développé le déterminant (3, 3) suivant les colonnes, on
obtient la même valeur en le développant suivant les lignes.
Remarque 03 : Le déterminant ne change pas si on intervertit les lignes.
Remarque 04 : Le déterminant ne change pas si on remplace une ligne par une combinaison
des lignes.
Remarque 05 : Une matrice est inversible si son déterminant est non nul.

Exemple 1. Soit à calculer le déterminant de la matrice :

 
3 1 6
A= 2 1 3 
1 1 1

Le déterminant est donné par :

 
 3 1 6       
   1 3   1 6   1 6 
∆ =  2 1 3  = 3  − 2  1 1  + 1  1 3  = 3(1 − 3) − 2(1 − 6) + 1(3 − 6) = 1
       
 1 1 1  1 1
1
2 SYSTEMES LINEAIRES/ METHODES DIRECTES/M. BELMEKKI

2. Méthode de Cramer
On considère un système d’équations linéaire.
A.x = b
où A est une matrice (n, n), x = (x1 , ..., xn )t et b = (b1 , ..., bn )t sont deux vecteurs à n coor-
données.
Si le déterminant de A est non nul, le système admet une unique solution qui est donnée par :
∆i
xi =
∆
où ∆i est obtenu en remplaçant la colonne i de A par celle de b.
Exemple 2. Soit à résoudre le système Ax = b, où :
   
3 1 6 2

MOHAMMED BELMEKKI
A =  2 1 3 , b =  7 
1 1 1 4
On a calculé ∆ dans l’exemple précédent.
DEPT. FORMATION PREPARATOIRE
pour les ∆i , on a :  
TLEMCEN-
 2 1 6 
 ALGERIA

∆1 =  7 1 3  = 26
 42021-2022
1 1 
 
 3 2 6 
 
∆2 =  2 7 3  = −7
 1 4 1 
 
 3 1 2 
 
∆3 =  2 1 7  = −8
 1 1 4 
D’où
∆1 19
x1 = = = 19
∆ 1
∆2 −7
x2 = = = −7
∆ 1
∆3 −8
x3 = = = −8
∆ 1
la solution du système est :
x = (19, −7, −8)t
3. Méthode de Gauss
Une matrice est dite triangulaire supérieure si tous les éléments sous la diagonale sont nuls.
Elle est dite triangulaire inférieure si tous les éléments au dessus de la diagonale sont nuls.
Nous allons utiliser les propriétés du déterminant pour trasformer le système Ax = b en un
système triangulaire supérieur dont la solution est la même.
Pour faciliter l’exposé, on va considérer l’exemple précédent.
Exemple 3. Soit à résoudre le système Ax = b, où :
   
3 1 6 2
A =  2 1 3 , b =  7 
1 1 1 4
Considérons la matrice augmentée notée :
 
3. 1 6 2
A(1) =  2. 1 3 7 
1. 1 1 4
 SYSTEMES LINEAIRES/ METHODES DIRECTES/M. BELMEKKI 3

L’élément a11,1 = 3. s’appelle le pivot à l’étape 1. Il doit être non nul.

On va effectuer des transformations sur la matrice A(1) pour obtenir une autre matrice A(2) de
la manière suivante :

(2) (1)
L1 ≡ L1
(2) (1) 2. (1)
L2 ≡ L2 − L1
3.
(2) (1) 1. (1)
L3 ≡ L3 − L1
3.
(k)
Les Li désigne la ligne i à l’étape k.
On obtient alors la matrice :
 
MOHAMMED BELMEKKI
3 1 6 2
A(2) =  0 1/3 −1 17/3 
0 2/3 −1 10/3
DEPT. FORMATION PREPARATOIRE
L’élément a22,2 = 1/3. s’appelle le pivot à l’étape 2. Il doit être non nul.
On va effectuer des transformations TLEMCEN-
sur la matriceALGERIA
A(2) pour obtenir une autre matrice A(3) de
la manière suivante :
2021-2022
(3) (2)
L1 ≡ L1
(3) (2)
L2 ≡ L2
(3) (2) 2/3 (2)
L3 ≡ L3 − L
1/3 2
On obtient alors la matrice :
 
3 1 6 2
A(3) =  0 1/3 −1 17/3 
0 0 1 −8
Le système devient alors :
    
3 1 6 x1 2
 0 1/3 −1   x2  =  17/3 
0 0 1 x3 −8
La résolution se fait à rebours (marche arrière), et on a :
x3 = −8
1 17
x2 − x3 = ⇒ x2 = −7
3 3
3x1 + x2 + 6x3 = 2 ⇒ x1 = 19
la solution du système est :
x = (19, −7, −8)t

Question : Qu’est-ce-qu’on fait si on rencontre un pivot nul ?

4 SYSTEMES LINEAIRES/ METHODES DIRECTES/M. BELMEKKI

Stratégie du pivot
– Stratégie du pivot partiel.
A l’étape k, On choisit le pivot parmi les coéfficients
(k) (k) (k)
ak,k , ak+1,k , ..., an,k
pour le quel
(k)
|ai,k |, i = k, ..., n est maximal
On permute alors la ligne k avec la ligne du pivot obtenu.
– Stratégie du pivot partiel composé.
Pour chaque ligne Li , on calcule les coéfficients :

MOHAMMED BELMEKKI
di = max{|ai1 |, |ai2 |, ..., |ain |}
A chaque étape k, On choisit la ligne qui correspond à la plus grande valeur parmi les
rapports : DEPT. FORMATION PREPARATOIRE
(k) (k) (k)
|ak,k | |ak+1,k | |an,k |
dTLEMCEN-
dk+1 ALGERIA
, , ...,
k dn
2021-2022
On permute alors la ligne k avec la ligne obtenue.

– Stratégie du pivot total.

A l’étape k, On choisit le pivot parmi les coéfficients
(k)
ai,j , i = k, ..., n et j = k, ..., n
pour lequel
(k)
|ai,j |, i = k, ..., n et j = k, ..., n est maximal
On permute alors la ligne k avec la ligne du pivot obtenu et la colonne k avec la colonne
du pivot obtenu.
Remarque : En faisant des permutations, les inconnues changent de place.
4. Méthode de Gauss-jordan
On Considère la matrice augmentée
(A|b|I)
constituée de la matrice A, le vecteur b et la matrice identité I, On opère la méthode de Gauss
de part et d’autre de la ligne pivot, jusqu’à obtenir la matrice augmentée
(I|eb|A)
e
On les équivalences :
A.x = b ⇔ I.x = eb ⇔ x = eb
et
A.A−1 = I ⇔ I.A−1 = A
e ⇔ A−1 = A.
e
La méthode de Gauss-Jordan nous permet de déterminer en même temps la solution du système
et l’inverse de la matrice A.
Exemple 4. Soit à résoudre le système Ax = b, où :
   
2 4 4 2
A=  1 3 1 , b =  1 
1 5 6 −6
 SYSTEMES LINEAIRES/ METHODES DIRECTES/M. BELMEKKI 5

On considère la matrice augmentée :

 
2 4 4 2
A(1) = 1 3 1 1 
1 5 6 −6
On va effectuer des transformations de Gauss sur la matrice A(1) pour obtenir la matrice A(2) :

(2) (1)
L1 ≡ L1
(2) (1) 1 (1)
L2 ≡ L 2 − L1
2
(2) (1) 1 (1)
L3 ≡ L 3 − L1
2
On obtient :
MOHAMMED BELMEKKI
 
2 4 4 2
A(2) =  0 1 −1 0 
0 3 4 −7
DEPT. FORMATION PREPARATOIRE
(2)
Maintenant le pivot est 1 et la ligne pivot est la ligne L2 , elle reste inchangée et on opère les
transformations de part et d’autre deTLEMCEN-
cette ligne ; ALGERIA
(3) (2) 4 (2)
L1 ≡2021-2022
L 1 − L2
1
(3) (2)
L2 ≡ L 2
(3) (2) 3 (2)
L3 ≡ L 3 − L2
1
On obtient alors :  
2 0 8 2
A(3) =  0 1 −1 0 
0 0 7 −7
(3)
Maintenant le pivot est 7 et la ligne pivot est la ligne L3 , elle reste inchangée ; et on a :
(4) (3) 8 (3)
L1 ≡ L1 − L3
7
(4) (3) −1 (3)
L2 ≡ L 2 − L
7 3
(4) (3)
L3 ≡ L3
On obtient alors :  
2 0 0 10
A(4) =  0 1 0 −1 
0 0 7 −7
Pour faire appraitre la matrice identité, on divise la première ligne par 2 et la troisième ligne
par 7, on obtient :  
1 0 0 5
A(5) =  0 1 0 −1 
0 0 1 −1
La solution du système est :
x = (5, −1, −1)t
Exemple 5. On considère le système Ax = b, où :
   
2 4 4 2
A =  1 3 1 , b =  1 
1 5 6 −6
En utilisant la méthode de Gauss-Jordan, déterminer la solution et la matrice inverse de A.
6 SYSTEMES LINEAIRES/ METHODES DIRECTES/M. BELMEKKI

On considère la matrice augmentée :

 
2 4 4 2 1 0 0
A(1) = 1 3 1 1 0 1 0 
1 5 6 −6 0 0 1

Calcul de la matrice A(2) :

(2) (1)
L1 ≡ L1
(2) (1) 1 (1)
L2 ≡ L 2 − L1
2
(2) (1) 1 (1)
L3 ≡ L 3 − L1
2
On obtient :
MOHAMMED

2 4 4 2 BELMEKKI
1 0 0


A(2) =  0 1 −1 0 −1/2 1 0 
DEPT. 0FORMATION
3 4 −7PREPARATOIRE
−1/2 0 1
Maintenant le pivot est 1 et la ligne TLEMCEN- ALGERIA (2)
pivot est la ligne L2 , elle reste inchangée et on opère les
transformations de part et d’autre de cette ligne ;
2021-2022
(3) (2) 4 (2)
L1 ≡ L 1 − L2
1
(3) (2)
L2 ≡ L2
(3) (2) 3 (2)
L3 ≡ L 3 − L2
1
On obtient alors :  
2 0 8 2 3 −4 0
A(3) =  0 1 −1 0 −1/2 1 0 
0 0 7 −7 1 −3 1
(3)
Maintenant le pivot est 7 et la ligne pivot est la ligne L3 , elle reste inchangée ; et on a :
(4) (3) 8 (3)
L1 ≡ L1 − L3
7
(4) (3) −1 (3)
L2 ≡ L2 − L
7 3
(4) (3)
L3 ≡ L3
On obtient alors :  
2 0 0 10 13/7 −4/7 −8/7
A(4) =  0 1 0 −1 −5/14 4/7 1/7 
0 0 7 −7 1 −3 1
Pour faire appraitre la matrice identité, on divise la première ligne par 2 et la troisième ligne
par 7, on obtient :
 
1 0 0 5 13/14 −2/7 −4/7
(5)
A =  0 1 0 −1 −5/14 4/7 1/7 
0 0 1 −1 1/7 −3/7 1/7
La solution du système est :
 
5
x =  −1 
−1
 SYSTEMES LINEAIRES/ METHODES DIRECTES/M. BELMEKKI 7

La matrice inverse de A est :

 
13/14 −2/7 −4/7
A−1 =  −5/14 4/7 1/7 
1/7 −3/7 1/7

5. Méthode de Crout
La méthode de Crout ou méthode LU consiste à écrire la matrice A sous la forme :

A = L.U

Où L est une matrice triangulaire inférieure avec tous les éléments de la diagonale égaux à 1.

MOHAMMED BELMEKKI
U est une matrice triangulaire supérieure.
On a alors les équivalences suivantes :

DEPT.
A.x FORMATION
=b ⇔  PREPARATOIRE
L.U.x =b
L.y = b
TLEMCEN-
⇔ ALGERIA
U.x = y
2021-2022
On commence par résoudre le système triangulaire supérieur L.y = b puis On utilise la
solution obtenue y pour résoudre le système triangulaire inférieur U.x = y.
Remarque : La matrice U peut être obtenue en utlisant la méthode de Gauss.

Exemple 6. Soit à résoudre le système Ax = b, où :

   
3 1 6 2
A=  2 1 3 , b=
  7 
1 1 1 4

On va procéder par identification ;

    
1 0 0 u11 u12 u13 3 1 6
 l21 1 0   0 u22 u23  =  2 1 3 
l31 l32 1 0 0 u33 1 1 1

On a directement

1.u11 =3 ⇒ u11 = 3
1.u12 =1 ⇒ u12 = 1
1. u13 =6 ⇒ u13 = 6
l21 .u11 =2 ⇒ l21 = 2/3
l31 .u11 =1 ⇒ l31 = 1/3
l21 .u12 + u22 =1 ⇒ u22 = 1/3
l21 .u13 + u23 =3 ⇒ u23 = −1
l31 .u12 + l32 .u22 =1 ⇒ l32 = 2
l31 .u13 + l32 .u23 + u33 =1 ⇒ u33 = 1

On obtient lors les matrices :

   
1 0 0 3 1 6
L =  2/3 1 0  , U =  0 1/3 −1 
1/3 2 1 0 0 1
8 SYSTEMES LINEAIRES/ METHODES DIRECTES/M. BELMEKKI

On commence par résoude le système :

    
1 0 0 y1 2
Ly = b ⇔  2/3 1 0   y2  =  7 
1/3 2 1 y3 4
   
y1 2
⇔  y2  =  17/3 
y3 −8
Puis le système
    
3 1 6 x1 2/3
U.x = y ⇔  0 1/3 −1   x2  =  17/3 
0 0 1 x3 −8
   
MOHAMMED BELMEKKI
x1 19
⇔  x2  =  −7 
x3 −8
DEPT. FORMATION PREPARATOIRE
Remarque 01 : Pour la méthode de Crout, on peut utiliser la méthode de Gauss pour
déterminer la matrice U . Dans ce casTLEMCEN-
les élémentsALGERIA
de la matrice L sont donnés par :
ak
lik2021-2022
= kik
akk
Exemple 7. Trouver la décomposition LU de la matrice A en utilisant la méthode de Gauss.
 
3 1 6
A= 2 1 3 
1 1 1
Considérons la matrice :  
3 1 6
A(1) = 2 1 3 
1 1 1
Appliquons les transformations de Gauss sur la matrice A(1) .
(2) (1)
L1 ≡ L1
(2) (1) 2 (1)
L2 ≡ L 2 − L1
3
(2) (1) 1 (1)
L3 ≡ L 3 − L1
3
On obtient alors la matrice :  
3 1 6
A(2) =  0 1/3 −1 
0 2/3 −1
Effectuons les transformations de Gauss sur la matrice A(2) .
(3) (2)
L1 ≡ L1
(3) (2)
L2 ≡ L2
(3) (2) 2/3 (2)
L3 ≡ L3 − L
1/3 2
On obtient alors la matrice :  
3 1 6
A(3) =  0 1/3 −1 
0 0 1
 SYSTEMES LINEAIRES/ METHODES DIRECTES/M. BELMEKKI 9

D’où la matrice triangulaire supérieure U :

 
3 1 6
U = A(3) =  0 1/3 −1 
0 0 1
D’autre part, les éléments de la matrice L sont donnés par :
akik
lik =
akkk
d’où :
a121 2
l21 = 1
=
a11 3
1
a 1
l31 = 131 =
MOHAMMED
a
BELMEKKI 2
a11
2
3
32
l32 = 2 = 31 = 2
DEPT. FORMATION
a22 PREPARATOIRE
3

d’où la matrice L : TLEMCEN-


ALGERIA

1 0 0
2021-2022
L=  2/3 1 0 
1/3 2 1
Remarque 02 : Pour la méthode de Crout on a supposé que les éléments diagonaux de la
matrice L sont tous égaux à 1. On peut faire la même chose en supposant que les éléments
diagonaux de la matrice U sont tous égaux à 1, dans ce cas la méthode est dite Méthode de
Doolittle.

6. Méthode Cholesky
La méthode de Cholesky ou méthode LLt consiste à décomposer la matrice A en un produit
de deux matrices L et Lt .
A = L.Lt
Pour la résolution, on suit les mêmes démarches que la méthode de Crout.

Remarque 01 : Cette décomposition n’existe pas toujours.

Définition 1. Une matrice A est dite symétrique si At = A
où At est la matrice transposée de A : atij = aji
Définition 2. Une matrice A est dite définie positive si tous les mineurs principaux sont po-
sitifs :
 
 a11 a12 
a11 > 0,   0 >, ..., Det(A) > 0
a21 a22 
Définition 3. Une matrice symétrique A est définie positive si toutes les valeurs propres sont
positives.
Les valeurs propres de A sont les solutions de l’équation :
|A − λI| = 0
Pour toute valeur propre λi correspond un vecteur propre vi solution de l’équation
A.vi = λi .vi
Théorème 1. Si A est symétrique, définie positive alors A admet une décomposition LLt .
10 SYSTEMES LINEAIRES/ METHODES DIRECTES/M. BELMEKKI

Remarque 02 : La décomposition LLt quand elle existe n’est pas unique, cependant si
on fixe les éléments diagonaux lii positifs alors la décomposition est unique. Dans ce cas les
éléments de L sont donnés par les formules :
l11 = (a11 )1/2
i−1
!1/2
X
2
lii = aii − lik , i = 2, ..., n
k=1
j−1
!
1 X
lij = aij − lik ljk ; i>j
ljj k=1
lij = 0, i<j
Remarque 03 : Le déterminant de A est donné par :
MOHAMMED BELMEKKI
Det(A) =
Yn
lii
!2

DEPT. FORMATIONi=1 PREPARATOIRE

En effet,
TLEMCEN- ALGERIA !2
n
Y
Det(A) = Det(LLt ) = Det(L).Det(L t
2021-2022 ) = (Det(L))2 = lii
i=1

Exemple 8. Soit à résoudre le système Ax = b, où :

   
4 0 1 5
A =  0 3 1 , b =  4 
1 1 2 4
La matrice A est symétrique. En effet,
 
4 0 1
At =  0 3 1  = A
1 1 2
A est définie positive. En effet,
 
     4 0 1 
 a11 a12   4 0   
a11 = 4 > 0, 
 a21 a22
=
  0 3
 = 12 > 0,
 Det(A) =  0 3 1  = 17 > 0.

 1 1 2 

La matrice A admet donc une décomposition LLt .

On procède par identification. On a :
    
l11 0 0 l11 l21 l31 4 0 1
 l21 l22 0   0 l22 l32  =  0 3 1 
l31 l32 l33 0 0 l33 1 1 2
D’où
2
l11 = 4 ⇒ l11 = 2
l11 .l21 = 0 ⇒ l21 = 0
l11 .l31 = 1 ⇒ l31 = 1/2
2 2
√
l21 + l22 = 3 ⇒ l22 = 3
√
l21 .l31 + l22 .l32 = 1 ⇒ l32 = 1/ 3
2 2 2
√ √
l31 + l32 + l33 = 2 ⇒ l33 = 17/ 12
 SYSTEMES LINEAIRES/ METHODES DIRECTES/M. BELMEKKI 11

On commence par résoude le système :

    
2 0
√ 0 y1 5
Ly = b ⇔  0 3
√ √ √ 0   y2  =  4 
1/2 1/ 3 17/ 12 y3 4
   
y1 5/2
√
⇔  y2  =  √ 4/ √3 
y3 17/ 12
Puis le système
    
2 √0 1/2
√ x1 5/2
√
Lt x = y ⇔  0 3 √ 1/ √3   x2  =  √ 4/ √3 
0 0 17/ 12 x3 17/ 12
   
x1 1
MOHAMMED BELMEKKI
⇔  x2
x3
 =  1 
1
On peut déduire le déterminantDEPT.
de A.FORMATION
En effet, PREPARATOIRE
√ !2
TLEMCEN- √ ALGERIA
17
det(A) = 2. 3. √ = 17
12
2021-2022
12 SYSTEMES LINEAIRES/ METHODES DIRECTES/M. BELMEKKI

Série de TD No : 01

Exercice 1. On considère le système linéaire suivant :


2x + x2 + 4x4 = 2
 1


−4x1 − 2x2 + 3x3 − 7x4 = −9
(1)

 4x1 + x2 − 2x3 + 8x4 = 2
 −3x − 12x − x = 2
2 3 4

1. Ecrire le système (1) sous forme matricielle Ax = b.

2. Résoudre le système par la méthode de Gauss.
3. En déduire le déterminant de A.
Exercice 2. En utilisant la méthode de Gauss avec pivot partiel, résoudre le système Ax = b,
où
MOHAMMED BELMEKKI
   
1 3 3 0
A =  1 1 0 , b =  1 
3 2 6 11
DEPT. FORMATION PREPARATOIRE
Exercice 3. En utilisant la méthode de Gauss avec pivot partiel composé, résoudre le système
Ax = b, où  TLEMCEN- ALGERIA 
2 3 −1 5
2021-2022
A=  4 4 −3  , b=  3 
−2 3 −1 1
Exercice 4. En utilisant la méthode de Gauss avec pivot total, résoudre le système Ax = b, où
   
1 3 3 −2
A= 2 2 5 , b =  7 
3 2 6 12
Exercice 5. On considère le système Ax = b, où
   
3 2 −1 5
A =  1 −1 1  , b =  1 
2 −4 5 −3
1. Résoudre le système par la méthode de Gauss-Jordan.
2. En déduire le déterminant de A ainsi que la matrice inverse A−1 .
Exercice 6. On considère le système Ax = b, où
   
1 2 −3 −1
A =  2 −1 2  , b =  0 
−3 2 0 1
1. Résoudre le système par la méthode de Crout.
2. Résoudre le système A2 x = b sans calculer A2 .
Exercice 7. On considère le système Ax = b, où
   
2 1 0 4
A =  1 1 5 , b =  3 
0 5 51 10
1. Montrer que la matrice A est symétrique définie positive.
2. Résoudre le système par la méthode de Cholesky.
3. En déduire le déterminant de A.