CTD3 6

Université de Nice Sophia-Antipolis
Licence L3 Mathématiques Année 2008/2009
Analyse Numérique
Corrigé du TD 6
EXERCICE 1
Matrices diagonales, triangulaires
1.1 Matrices diagonales

Soit D = (dii )i=1,...,n une matrice diagonale d’ordre n > 0. Donner une condition
nécessaire et suffisante pour que D soit inversible.
On peut représenter D sous forme du tableau suivant :
 
d11



..
. 0 



 dii .


 0 ..
.


dnn
n
Y
Comme det D = dii , on a
i=1
D inversible ⇐⇒ det D 6= 0 ⇐⇒ dii 6= 0 , ∀ i = 1, ..., n .
1.2 Matrices triangulaires inférieures

Soit L = (lij )i, j=1,...,n une matrice triangulaire inférieure d’ordre n > 0.
a. Sous quelle condition nécessaire et suffisante L est-elle inversible ?
La matrice L peut se mettre sous la forme suivant :

 
l11
 l21 l22 
 
 .. .. 
 .
 . 


 l1i


lij lii
..
0 
,


 . 
 ..
 

 . ln−1 n−1 
ln 1 lnj ··· ln n−1 lnn
d’où la matrice triangulaire inférieure L peut être caractérisée par :
1
lij = 0 si i < j, ∀ i, j = 1, ..., n .

n
Y
Puisque det L = lii , on a
i=1
L inversible ⇐⇒ det L 6= 0 ⇐⇒ lii 6= 0 , ∀ i = 1, ..., n .
b. On suppose que la matrice triangulaire inférieure L est inversible. Soit b

un vecteur colonne ayant n composantes.
Donner un algorithme qui permet de résoudre l’équation d’inconnue y :
Ly = b. (1.1)
Comme lii 6= 0 , ∀ i = 1, ..., n, la résolution du système (1.1) s’écrit
b1
y1 = ,
l11
i−1 (1.2)
1 X
yi = bi − lij yj , ∀ i = 2, ..., n .
lii
j=1
Quel est le coût de cet algorithme en termes d’opérations élémentaires (addi-

tions, multiplications, divisions) ?
Le calcul de y1 demande 1 division (div) dans l’algorithme (1.2).
Pour i fixé dans {1, ..., n}, le calcul de yi par l’algorithme (1.2) requiert 1 division (div),
i − 1 additions (add) et i − 1 multiplications (mult).
Au total le coût CL de l’algorithme (1.2) est
n
X
CL = 1 div + (i − 1) add + (i − 1) mult + 1 div
i=2
Xn n−1
X n−1
X
= 1 div + 1 div + k add + k mult
i=2 k=1 k=1
(n − 1)n (n − 1)n
= add + mult + n div .
2 2
Le nombre d’opérations élémentaires CL est de l’ordre de n2 , i.e. CL = O(n2 ).
2
1.3 Matrices triangulaires supérieures

On considère une matrice triangulaire supérieure U d’ordre n > 0 .
a. Donner une condition nécessaire et suffisante pour que U soit inversible.
La matrice U peut se mettre sous la forme suivant :

 
u11 u12 ··· u1j u1 n−1 u1n
 u 22 u 2 n−1 u2n 
..
 
. . .
 

 . 


 u ii u ij u in 
,
 
 


 0 ..
.
..
.



 un−1 n−1 un−1 n 
unn
d’où la matrice triangulaire inférieure U peut être caractérisée par :
uij = 0 si i > j, ∀ i, j = 1, ..., n .

n
Y
Comme det U = uii , on a
i=1
U inversible ⇐⇒ det U 6= 0 ⇐⇒ uii 6= 0 , ∀ i = 1, ..., n .
b. On suppose que la matrice triangulaire supérieure U est inversible. Soit y

un vecteur colonne donné ayant n composantes.
Écrire un algorithme qui permet de résoudre l’équation d’inconnue x :
U x = y. (1.3)
Les uii étant non nuls, l’inconnue x solution du système linéaire (1.3) est donnée par
yn
xn = ,
unn
1
n
X (1.4)
xi = yi − uij yj , ∀ i = 1, ..., n − 1 .
uii
j=i+1
Donner la complexité de cet algorithme.

Le calcul de xn requiert 1 multiplication (mult) dans l’algorithme (1.4).
Pour i fixé dans {1, ..., n}, le calcul de xi par l’algorithme (1.4) demande 1 division (div),
n − i additions (add) et n − i multiplications.
3
Par suite le coût CU de l’algorithme (1.4) est

n−1
X
CU = 1 div + (n − i) add + (n − i) mult + 1 div
i=1
n−1
X n−1
X n−1
X
= k add + k mult + 1 div + 1 div
k=1 k=1 i=1
(n − 1)n (n − 1)n
= add + mult + n div .
2 2
Le nombre d’opérations élémentaires CU est de l’ordre de n2 , i.e. CU = O(n2 )..
Vocabulaire
L’algorithme (1.2) pour inverser les systèmes triangulaires inférieurs est dit descente
ou substitution directe. L’algorithme (1.4) pour résoudre les systèmes triangulaires
supérieurs est dit remontée ou substitution rétrograde.
EXERCICE 2
Méthode d’élimination de Gauss
2.1 Des exemples

Effectuer une élimination de Gauss sur les système linéaires suivants
    
2 4 4 x1 2
 1 3 1   x2  =  1  ,
1 5 6 x3 −6
   
1 0 6 2 x1 6
 8 0 −2 −2   x2
 =  −2  .
  
 
 2 9 1 3   x3   −8 
2 1 −3 10 x4 −4
Premier exemple
Nous écrivons le premier système sous la forme du tableau
 
2 4 4 2 L1
 1 3 1 1  L2
1 5 6 −6 L3
• On effectue l’élimination de Gauss. On a successivement

 
2 4 4 2
 0 1 −1 0  L2 ← L2 − 0.5 L1 (2.1)
0 3 4 −7 L3 ← L3 − 0.5 L1
4
 
2 4 4 2
 0 1 −1 0 
0 0 7 −7 L3 ← L3 − 3 L2
On obtient alors le système triangulaire suivant

 2x1 + 4x2 + 4x3 = 2
x2 − x3 = 0
7x3 = −7

En utilisant l’algorithme de remontée (1.2) on a successivement

x3 = −1 , x2 = −1 , x1 = 5.
L’élimination de Gauss ci-dessus est dite sans permutation.
• On peut par exemple à l’étape (2.1) ci-dessus, remplacer le pivot 1 par le coefficient 3
de x2 de la dernière ligne, parce que 3 > 1 donne plus de stabilité numérique. Dans ce
cas on dit que l’on fait une élimination de Gauss avec pivot partiel. Dans ce contexte on
obtient
 
2 4 4 2
 0 3 4 −7  L3 ←→ L2
0 1 −1 0
2 4 4 2
 
 0 3 4 −7 
7 7 1
 
0 0 − L3 ← L3 − × L2
3 3 3
D’où on obtient le système triangulaire supérieur suivant

 2x1 + 4x2 + 4x3 = 2

3x2 + 4x3 = −7
7 7
− x3 =


3 3
En appliquant l’algorithme de remontée à ce système on obtient
x3 = −1 , x2 = −1 , x1 = 5.
• On peut enfin par exemple à l’étape (2.1) ci-dessus, remplacer le pivot 1 par le coefficient
le plus grand en module dans la sous-matrice
1 −1
3 4
Ceci rend la méthode plus stable numériquement. Ici on trouve 4 comme nouveau pivot.
Dans ce cas on dit que l’on fait une élimination de Gauss avec pivot partiel. Dans ce
5
contexte on obtient  
2 4 4 2
 0 3 4 −7 
L2 ←→ L3
0 1 −1 0
 
2 4 4 2
 0 4 3 −7  c2 ←→ c3
0 −1 1 0
2 4 4 2
 
 0 4 3 −7 
7 7 1
 
0 0 − L3 ←− L3 + L2
4 4 4
Cette dernière transformation donne le système linéaire suivant

 2x1 + 4x3 + 4x2 = 2

+ 4x3 + 3x2 = −7
7 7
x2 = −


4 4
Par application de l’algorithme de remontée au système triangulaire ci-dessus on obtient :
x2 = −1 , x3 = −1 , x1 = 5.
Deuxième exemple
On met le deuxième exemple sous forme du tableau suivant
 
1 0 6 2 6 L1
 8 0 −2 −2 −2 
  L2
 2 9 1 3 −8  L3
2 1 −3 10 −4 L4
puis on effectue
 
1 0 6 2 6
 0 0 −50 −18 −50  L2 ← L2 − 8L1

 0
 (2.2)
9 −11 −1 −20  L3 ← L3 − 2L1
0 1 −15 6 −16 L4 ← L4 − 2L1
La matrice obtenue après la 1ière étape d’élimination (2.2) a pour pivot 0. Pour continuer
la méthode de Gauss, on peut soit utiliser la stratégie de pivot partiel ou soit celle de pivot
total.
• Pivot partiel : on prend comme pivot le plus grand élément de la colonne

 
0
 9 .
1
6
Cela revient à échanger la 2ième et la 3ième lignes. On obtient

 
1 0 6 2 6
 0 9 −11 −1 −20  L2 ←→ L3
 
 0 0 −50 −18 −50 
0 1 −15 6 −16
On continue l’élimination :
1 0 6 2 6
 

 0 9 −11 −1 −20 
 0 0 −50 −18 −50 
124 55 124 1
 
0 0 − − L4 ← L4 − L2
9 9 9 9
1 0 6 2 6
 
 0 9 −11 −1 −20 
 
 0 0 −50 −18 −50 
2491 1 124
 
0 0 0 0 L4 ← L4 − L3
225 50 9
On déduit le système triangulaire supérieur suivant

 x1 + 6 x3 + 2 x4 = 6


 9 x2 − 11 x3 − x4 = −20
− 50 x3 − 18 x4 = −50
2491


+ x4 = 0


225
D’où par la formule de remontée on trouve
x4 = 0 , x3 = 1 , x2 = −1 , x1 = 0.
• Pivot total : On part de l’étape (2.2) de l’élimination de Gauss. Le plus grand élément
en module de la sous-matrice
0 −50 −18
9 −11 −1
1 −15 6
est −50, qui se trouve à la 2ième ligne et à la 3ième colonne de la matrice de départ. On
positionne −50 en pivot, en échangeant la 2ième colonne et la 3ième colonne :
 
1 6 0 2 6
 0 −50 0 −18 −50  c2 ←→ c3
 
 0 −11 9 −1 −20 
0 −15 1 6 −16
7
On continue l’élimination :
 
1 6 0 2 6
 0 −50 0 −18 −50 
 

 0 74  11
0 9 −9  L3 ←→ L3 − L2
 25  50
 285  15
0 0 1 −1 L4 ←→ L4 − L2
25 50
 
1 6 0 2 6
 0 −50 0 −18 −50 
 

 0 74 
0 9 −9 
 25 
1
 2491 
L4 ←→ L4 − L3
0 0 0 0 9
225
Ce qui conduit au système linéaire suivant

 x1 + 6x3
 + 2x4 = 6
− 50x − 18x = −50



 3 4
74
9x2 + x4 = −9
 25
2491




 x4 = 0
225
dont la solution est
x4 = 0 , x2 = −1 , x3 = 1 , x1 = 0.
2.2 Cas général

On considère maintenant le cas général d’un système linéaire A x = b.
a. Écrire un algorithme de résolution de ce système par la méthode de

Gauss.
On écrit l’algorithme dans le cas avec pivot partiel. En modifiant l’étape de la recherche
de pivot, on obtient soit l’algorithme de pivot total ou soit l’élimination de Gauss sans
permutation.
8
//Triangulation
pour i allant de 1 à n − 1 faire
//Recherche du pivot partiel

numlignepiv = i
pour k allant de i à n faire
si |A(k, i)| > |A(numlignepiv, i)| alors
numlignepiv = k
finsi
//On met le pivot à sa place

si numlignepiv 6= i alors
//On échange les lignes numlignepiv et i
pour j allant de i à n faire
tampon = A(numlignepiv, j)
A(numlignepiv, j) = A(i, j)
A(i, j) = tampon
finpour
finsi
finpour
//Elimination
pivot = A(i, i)
pour k allant de i + 1 à n faire
A(k, i)
f actpivot =
pivot
pour j allant de i à n faire
A(k, j) = A(k, j) − f actpivot ∗ A(i, j)
finpour
b(k) = b(k) − f actpivot ∗ b(i)
finpour
9
//Résolution par la remontée
b(n)
X(n) =
A(n, n)
pour i allant de n − 1 à 1 par pas de − 1 faire
pour j allant de i + 1 à n faire
b(i) = b(i) − A(i, j) ∗ X(j)
finpour
b(i)
X(i) =
A(i, i)
finpour
b. Donner la complexité de cet algorithme.

Le coût des opérations calculé ici ne tient pas compte de la recherche du pivot.
On s’intéresse à la partie “élimination” de l’algorithme ci-dessus. Considérons la ième
étape de l’élimination, i ∈ {1, ..., n}. Pour chaque ligne k allant de i + 1 à n on fait les
opérations suivantes :
– une division (div) afin de calculer une fois pour toute le coefficient permettant d’ob-
tenir des zéros sous le pivot ;
– une adddition (add) et une multiplication (mult) permettant de mettre à jour chaque
coefficient de la ligne k, ce qui correspond à toutes les colonnes de numéros j variant
de i à n ;
– une addition (add) et une multiplication (mult) permettant de mettre à jour le
second membre de la ligne k, i.e. b(k).
Le nombre d’opérations pour l’élimination de Gauss avec prise en compte du second
membre s’écrit donc
n−1
X n h
X n
X i
CE = 1 div + (1 add + 1 mult) + 1 add + 1 mult
i=1 k=i+1 j=i
n−1
X n
X h i
= 1 div + (n − i + 1) add + (n − i + 1) mult
i=1 k=i+1
n−1
Xn o
= (n − i)div + (n − i)(n − i + 1) add + (n − i)(n − i + 1) mult
i=1
10
n−1
X n−1
X n−1
X
CE = (n − i) div + (n − i)(n − i + 1)add + (n − i)(n − i + 1) mult
i=1 i=1 i=1
n−1
X n−1
X n−1
X n−1
X n−1
X
2
(n − i) div + (n − i) + (n − i) add + (n − i) + (n − i)2
i=1 i=1 i=1 i=1 i=1
n−1
X n−1
X n−1
X n−1
X n−1
X
= l div + l+ l2 add + l+ l2 mult
l=1 l=1 l=1 l=1 l=1
(n − 1)n (n − 1)n n(n − 1)(2n − 1)
= div + add + add
2 2 6
(n − 1)n n(n − 1)(2n − 1)
+ mult + mult .
2 6
Il vient le nombre d’opérations de la partie élimination de l’algorithme de Gauss est de
l’ordre n3 : CE = O(n3 ).
Or dans l’exercice 3 on a montré que l’algorithme de remontée est de l’ordre de n2 , CU =
0(n2 ). Au total l’algorithme d’élimination de Gauss avec résolution du système linéaire
Ax = b est de l’ordre de n3 , i.e. O(n3 ) où la matrice carrée A est d’ordre n.
EXERCICE 3
Factorisation LU
3.1 Un exemple
On revient sur la première matrice donnée dans l’exercice 2 :
 
2 4 4
 1 3 1 .
1 5 6
Effectuer une factorisation LU de cette matrice où L est une matrice triangu-
laire inférieure ayant des 1 sur sa diagonale et U est une matrice triangulaire
supérieure.
11
Décomposition LU
Les mineurs principaux de la matrice proposée sont

2 4 4
2 4
2 = 2 6= 0 ,
1 3 = 2 6= 0 , 1 3 1 = 14 6= 0 ,

1 5 6
Donc on peut la factoriser sous la forme LU où L est une matrice triangulaire inférieure
ayant des 1 sur sa diagonale et U est une matrice triangulaire supérieure.
Identification directe Comme la matrice proposée est d’ordre 3, on peut écrire complètement
le produit LU et faire des identifications. On écrit :
     
2 4 4 1 0 0 u11 u12 u13
 1 3 1  =  l21 1 0   0 u22 u23  ,
1 5 6 l31 l32 1 0 0 u33
d’où on obtient

 
 u11 = 2
u11 = 2



 

u12 = 4

 


 

u12 = 4

 


 

u13 = 4

 


 

u13 = 4

 


 


 
 1
l21 =

 

2
 



 l21 u11 = 1 




 

  1
l31 u11 = 1 ⇐⇒ l31 =

 
 2

 

l21 u12 + u22 = 3
 
u22 = 3 − l21 u12 = 1

 


 


 


 




 l21 u13 + u23 = 1 


 u23 = 1 − l21 u13 = −1

 


 


 l31 u12 + l32 u22 = 5 
 5 − l31 u12
l32 = = 3

 

 





 u22
l31 u13 + l32 u23 + u33 = 6
 



u33 = 6 − l31 u13 − l32 u23 = 7

On trouve      
2 4 4 1 0 0 2 4 4
 1 3 1  =  1/2 1 0   0 1 −1  .
1 5 6 1/2 3 1 0 0 7
12
Cas général On écrit A = A(1) = L(1) U (1) où

  
u11 u12 u13
  
2 4 4 1 0 0
(2) (2) 
A =  1 3 1  =  l21 1 0   0 a22 a23  .

1 5 6 l31 0 1 (2) (2)
0 a32 a33
Par identification on a
(1)

 a1j
 = a1j = u1j , j = 1, ..., 3
(1)
ai1 = ai1 = li1 u11 , i = 2, 3
(1) (2)

aij = aij = li1 u1j + aij , i, j = 2, 3


u = a1j , j = 1, 2, 3
 1j

ai1

⇐⇒ li1 = , i = 2, 3
u11
(2) (1)


 a = aij − li1 u1j , i, j = 2, 3
ij


 u11 = 2
u12 = 4




u = 4

13


1




 l21 =
2


1


 l31 =


⇐⇒ 2
(2) 1
 a22 = 3 − × 4 = 1
2




 (2) 1

 a23 = 1 − × 4 = −1
2


1

 a(2)

= 5− ×4 = 3


32

 2
 a(2) = 6 − 1 × 4 = 4



33
2
On pose
(2) 1 −1
A = .
3 4
On décompose A(2) = L(2) U (2) avec

(2) 1 −1 1 0 u22 u23
A = = .
3 4 l32 1 0 u33
Donc  (2)  (2)


 a22 = u22 
 u22 = a22
 (2)
  (2)
a23 = u23 u23 = a23

(2) ⇐⇒ (2)

 a32 = l32 
 l32 = a32
 (2)
 
 (2)
a33 = l32 u23 + u33 u33 = a33 − l32 u23
13


 u22 = 1
u23 = −1

⇐⇒
l = 3
 32


u33 = 4 − 3 × (−1) = 7
D’où
1 −1 1 0 1 −1
A(2) = = .
3 4 3 1 0 7
Il vient
       
1 0 0 1 0 0 1 0 0 2 4 4
A =  1/2 1 0   0 1 0   0 1 −1   0 1 0  ,
1/2 0 1 0 3 1 0 0 7 0 0 1
ou encore
       
1 0 0 1 0 0 1 0 0 2 4 4
A =  1/2 1 0   0 1 0   0 1 −1   0 1 0  ,
1/2 0 1 0 3 1 0 0 7 0 0 1
ou bien encore
     
2 4 4 1 0 0 2 4 4
 1 3 1  =  1/2 1 0   0 1 −1  .
1 5 6 1/2 3 1 0 0 7
D’où la décomposition LU .
3.2 Cas général

a. Montrer que le produit de deux matrices triangulaires inférieures de
même ordre est une matrice triangulaire inférieure.
Soient L(1) et L(2) deux matrices triangulaires inférieures de même ordre n. Soit L(3)
leur produit : L(3) = L(1) L(2) .
(3)
Soit i , j ∈ {1 , ... , n} tel que i > j. L’élément lij = (L(3) )ij est donné par :
n
(3) (1) (2)
X
lij = lik lkj
k=1
i n
(1) (2) (1) (2)
X X
= lik lkj + lik lkj
k=1 k=i+1
i n
(1) (2)
X X
= lik ×0+ 0 × lkj
k=1 k=i+1
= 0,
14
car
(2)
si j > i, alors pour k ∈ {1 , ... , i}, on a j > i ≥ k et lkj = 0,
(1)
et pour k ∈ {i + 1 , ... , n}, on a k > i et lik = 0.
D’où L(3) est une matrice triangulaire inférieure.
En particulier, les éléments qui sont sur la diagonale de L(3) sont donnés par
(3) (1) (2)
lii = lii lii , ∀ i ∈ {1 , ... , n} . (3.1)
b. Soit L une matrice triangulaire inférieure et inversible.

Montrer que son inverse L−1 est également une matrice triangulaire inférieure.
Soit n l’ordre de la matrice L.
Soient x et y deux vecteurs ayant n compsantes tels que Lx = y. La recherche de l’incon-
nue x peut s’écrire comme suit

 l11 x1 = y1
.. ..



. .


 ln−1 1 x1 + ··· + ln−1 n−1 xn−1 + = yn−1
ln1 x1 + ··· + ln n−1 xn−1 + lnn xn = yn

En utilisant l’algorithme de descente (1.2), on obtient


 s11 y1 = x1
.. ..



. .


 s y
n−1 1 1 + · · · + s y
n−1 n−1 n−1 + = xn−1
sn1 y1 + ··· + sn n−1 yn−1 + snn yn = xn

où sii = 1/lii .

De L−1 x = y, on déduit que L−1 est une matrice triangulaire inférieure. De plus, les
−1
éléments diagonaux de L−1 sont lii = 1/lii .
c. Soit A une matrice carrée régulière possédant une décomposition LU ,

avec L une matrice triangulaire inférieure ayant des 1 sur sa diagonale et U
une matrice triangulaire supérieure.
Montrer que cette factorisation A = LU est unique.
Soient L1 , L2 , U1 , U2 entrant dans deux telles décompositions i.e
L1 U1 = L2 U2 .
On en déduit
L−1 −1
2 L1 = U2 U1 . (3.2)
15
D’après les questions a. et b., L−1 2 L1 est une matrice triangulaire inférieure ayant des 1
sur sa diagonale et U2 U1−1 une matrice triangulaire supérieure. Les deux membres de
l’égalité (3.2) ne sont rien d’autre que la matrice unité I d’ordre n :
L−1 −1
2 L1 = I = U2 U1 .
Donc on a
L1 = L2 et U1 = U2 .
D’où l’unicité.
3.3 Factorisation LU d’une matrice tridiagonale

Soit
A une matrice tridiagonale inversible
ai−1 i = ai , i = 2, ..., n ; aii = bi , i = 1, ..., n ; ai i+1 = ci , i = 1, ..., n − 1 .
On suppose que les mineurs principaux de la matrice A sont non nuls. Ainsi, la matrice A
admet-elle une décomposition LU , avec L une matrice triangulaire inférieure ayant des 1
sur sa diagonale et U une matrice triangulaire supérieure.
Écrire un algorithme de factorisation LU de A.
Forme des matrices L et U

On cherche L une matrice triangulaire inférieure ayant des 1 sur sa diagonale et U une
matrice triangulaire supérieure. On pose
A = LU
où  
b1 c1 0 ··· ··· ··· 0
 .. 

 a2 b2 c2 . 0 

 .. .. .. .. .. 
 0 . . . . . 
.. ..
 
A=
 .. .. ,

. . ai bi ci . .
..
 
.. .. .. ..
. . . .
 
 . 0 
..
 
.
 
 0 an−1 bn−1 cn−1 
0 ··· ··· ··· 0 an bn
16
 
1 0 0 ··· ··· ··· 0
 .. 
 l21
 1 0 . 0 

 . .. .. .. ..

 l31 l32 . . .

L =  ... ..
 
 .. .. ,

. li i−1 1 . .
 ..
 
.. .. .. ..
. . . .

 . 0 
..
 
.
 
 ln−1 1 1 0 
ln1 ··· ln n−1 1
et
 
u11 u12 u13 · · · ··· ··· u1n
 .. .. 

 0 u22 u23 . . 

 .. .. .. .. .. 
 0 . . . . . 
.. ..
 
U =
 .. .. .

. . 0 ui i ui i+1 . .
.. ..
 
.. .. .. ..
. . . .
 
 . . 
..
 
.
 
 0 0 un−1 n−1 un−1 n 
0 ··· ··· ··· 0 0 unn
Pour trouver U , on fait l’élimination de Gauss sur la matrice A. En l’effectuant sur les
premières lignes de A, on voit que comme A est tridiagonale, l’élimination de Gauss laisse
inchangée les coefficients de la surdiagonale i.e. les éléments ci ou encore on trouve ui = ci .
Supposons qu’au cours de l’élimination que l’on est arrivé à
d1 c1 0 ··· ··· ··· ··· 0

 
.. ..
0 d2 c2 . .
 
 
 .. .. .. .. .. .. 

 . . . . . .


 .. .. 
. 0 di ci 0 .
 
.
 
 ..

 0 ··· 0 ai+1 bi+1 ci+1 0 . 

 .. .. .. .. .. 

 . . . . . 0 

 .. .. 
 . . an−1 bn−1 cn−1 
0 ··· ··· ··· ··· 0 an bn
On effectue l’élimination de Gauss sur la ligne i + 1 i.e. que l’on fait l’opération :
ai+1
Li+1 ←− Li+1 − Li .
di
17
On obtient la formule de récurrence suivante pour les di


 d1 = b1 ,
a c (3.3)
 di+1 = bi+1 − i+1 i pour i = 1, ..., n − 1 .
di
La matrice U est de la forme
 
d1 u1 0 ··· ··· ··· 0
 .. .. 
 0 d2
 u2 . . 

 0 ...
 .. .. .. .. 
. . . . 
U =  ... . . . ..
 
 .. .

(3.4)
0 di ui . .
 ..
 
.. .. .. ..
. . . .

 . 0 
..
 
.
 
 0 0 dn−1 un−1 
0 ··· ··· ··· 0 0 dn
où les ui sont les éléments de la surdiagonale de la matrice A :
ui = ci pour i = 1, ..., n − 1 .
Pour calculer L, on utilise le fait que l’on cherche A sous la forme A = LU , ce qui se
traduit par
Xn
aij = lik ukj .
k=1
Compte tenu de la forme de U , cette somme se simplifie en
aij = li j−1 uj−1 j + lij ujj . (3.5)
Dans l’équation (3.5), faisons j = i, on obtient
aii = li i−1 ui−1 i + lii uii . (3.6)
Comme aii = bi , lii = 1, ui−1 i = ui−1 = ci−1 et avec la notation uii = di , l’égalité (3.6)
s’écrit
bi = li i−1 ci−1 + di .
D’où
bi − di
li i−1 = . (3.7)
ci−1
Les éléments de la sous-diagonale de L sont ainsi déterminés.
Montrons que les autres éléments de L sont nuls.
18
En faisant j = i − 1 dans l’équation (3.5), on obtient
ai i−1 = li i−1 ui−1 i−1 + li−1 i−2 ui−2 i−1 ,
ou encore
bi − di
ai = di−1 + li−1 i−2 ui−2 i−1 , (3.8)
ci−1
grâce à la notation ai i−1 = ai .
Comme d’après l’équation (3.7),
ai ci−1
di = bi − ,
di−1
on constate que
bi − di
ai = di−1 .
ci−1
De l’équation (3.8), on tire
li−1 i−2 ui−2 i−1 = 0
et enfin
li−1 i−2 = 0 ,
car ui−2 i−1 = ui−2 = ci−2 6= 0.
Supposons à présent que les coefficients li i−k soient tous nuls pour k ≥ 2. Alors en faisant
j = i − k dans l’équation (3.5), on obtient
ai i−k = li i−k−1 ui−k−1 i−k + li i−k ui−k i−k .
Comme par hypothèse li i−k = 0 pour k ≥ 2 et ai i−k = 0 pour k ≥ 2 car la matrice A est
tridiagonale, on a
li i−k−1 = 0 ,
car ui−k−1 i−k = ui−k−1 = ci−k−1 6= 0.
Finalement la matice L est de la forme

 
1 0 0 ··· ··· ··· 0
 .. 
 l2 1
 0 . 0 

 . .. .. .. ..
 0 l3 . . .
L =  ... . . . li ..
 
 .. .

1 . .
 ..
 
.. .. .. ..
. . . .

 . 0 
..
 
.
 
 0 1 0 
0 ··· ··· ··· ··· ln 1
19
En conclusion les éléments de la factorisation A = LU sont donnés par :
ui = ci pour i = 1, ..., n − 1 ,
d1 = b1 , (3.9)
ai
li = et di = bi − li ci−1 pour i = 2, ..., n .
di−1
Algorithme de factorisation LU d’une matrice tridiagonale
Au vue des formules (3.9), l’algorithme de décomposition LU s’écrit
pour i allant de 1 à n − 1 faire

ui = ci
finpour
d1 = b1
(3.10)
pour i allant de 2 à n faire
ai
li =
di−1
di = bi − li ci−1
finpour
Étant donné un vecteur f , la factorisation A = LU permet d’écrire

Ly = f
Ax = f ⇐⇒ LU x = f ⇐⇒ (3.11)
Ux = y
Ce qui permet la résolution du système linéaire Ax = f en deux étapes, de descente et de
20
remontée. Les formules suivantes permettent de calculer la solution du système :
//Calcul de y par la descente

y1 = f1
pour i allant de 2 à n faire
yi = fi − li ci−1
finpour
(3.12)
//Calcul de x par la remontée
yn
xn =
dn
pour i allant de n − 1 à 1 par pas de − 1 faire
yi − ci xi+1
xi =
di
finpour
Quelle est la complexité de cet algorithme ?

Le nombre d’opérations est donc
(n − 1) additions (add), multiplications (mult) et divisions (div) pour les formules de
factorisation (3.10) ;
(n − 1) additions et multiplications pour les formules de descente (3.12) ;
(n − 1) additions, multiplications et n divisions pour les formules de remontée (3.12).
D’où le coût total est 3(n − 1) (add + mult) + (2n − 1) div.
Application : effectuer la décomposition LU de la matrice

 
−2 1 0 0 0
 −4 5 2 0 0 
 
 0 −3 −1 −1 0  .
 
 0 0 −2 4 1 
0 0 0 2 −2
Les mineurs principaux de la matrice proposée sont

−2 1 0
−2 1
−2 = −2 6= 0 , = −6 6= 0 , −4 5 2 = −6 6= 0 ,
−4 5
0 −3 −1
21

−2 1 0 0 0
−2 1 0 0
−4 5 2 0 0
−4 5 2 0
= −12 6= 0 , 0 −3 −1 −1 0 = 36 6= 0 .
0 −3 −1 −1
0 0 −2 4 1
0 0 −2 4
0 0 0 2 −2
Donc on peut décomposer la matrice proposée sous la forme LU où L est une matrice
triangulaire inférieure ayant des 1 sur sa diagonale et U est une matrice triangulaire
supérieure. Comme elle tridiagonale, on peut appliquer l’une des formules (3.9) ou (3.10).
On obtient successivement
u1 = 1 ,



u = 2,

2


 u3 = −1 ,

u4 = 1 ,
puis
d1 = −2 ,






 l2 = −4/(−2) = 2,



 d2 = 5−2×1 = 3,
l3 = −3/3 = −1 .



d3 = −1 − (−1) × 2 = 1,
l4 = −2/1 = −2 ,




d4 = 4 − (−2) × (−1) = 2,




l5 = 2/2 = 1,





d5 = −2 − 1 × 1 = −3 ,
Finalement, on trouve  
1 0 0 0 0

 2 1 0 0 0 

L=
 0 −1 1 0 0 ,

 0 0 −2 1 0 
0 0 0 1 1
et  
−2 1 0 0 0

 0 3 2 0 0 

U =
 0 0 1 −1 0 .

 0 0 0 2 1 
0 0 0 0 −3
EXERCICE 4
Localisation des valeurs propres d’une matrice
On introduit la définition suivante.
22
Définition 4.1. Soit A = (akj )k,j=1,...,n une matrice carrée d’ordre n.

On appelle disque de Gerschgörin centré en akk l’ensemble
n
X
Dk = {z ∈ C/ |z − akk | ≤ |akj |} .
j=1
j6=k
On donne le théorème suivant qui sera démontré dans la première partie

de cet exercice.
Théorème (théorème de Gerschgörin)

Soit A une matrice carrée d’ordre n.
Les valeurs propres de A appartiennent à l’union
des n disques de Gerschgörin du plan complexe :
λ valeur propre de A ⇒ ∃ k ∈ {1, ..., n} , λ ∈ Dk .
4.1 Démonstration du théorème

a. Soit λ une valeur propre de A et u un vecteur propre associé à cette
valeur propre. Soit k tel que |uk | = max1≤j≤n |uj |.
Xn
Montrer que |λ − akk | ≤ |akj |.
j=1
j6=k
On a
n
X
λu = Au ⇔ (λ − akk ) uk = akj uj ,
j=1
j6=k
d’où  
n
X n
X
 
|λ − akk ||uk | ≤ |akj ||uj | ≤ 
 |akj |
 |uk | .
j=1 j=1
j6=k j6=k
Comme |uk | =
6 0, on obtient le résultat annoncé.
Conclure.
Toutes les valeurs propres de la matrice A sont contenues dans la réunion des disques
Xn
Dk = {z ∈ C/ |z − akk | ≤ |akj |} .
j=1
j6=k
23
4.2 Étude d’un exemple

On considère la matrice suivante
 
1+i i 2
A =  −3 2 + i 1  .
1 i 6
a. Dessiner les 3 disques de Gerschgörin et localiser les valeurs propres de A.

Les disques 3 disques de Gerschgörin sont déterminés par
|λ − 1 − i| ≤ |i| + |2| = 3 ,
|λ − 2 − i| ≤ | − 3| + |1| = 4 ,
|λ − 6| ≤ |1| + |i| = 2 ,
Les valeurs propres de A sont localisées dans ces 3 disques dessinés dans la Fig. 1.
Fig. 1 – Disques de Gerschgörin associés à la matrice A.
b. En remarquant que A et tA ont les mêmes valeurs propres, représenter

les disques de Gerschgörin associés aux valeurs propres de tA.
24
Les disques 3 disques de Gerschgörin sont déterminés par
|λ − 1 − i| ≤ | − 3| + |1| = 4 ,
|λ − 2 − i| ≤ |i| + |i| = 2 ,
|λ − 6| ≤ |2| + |1| = 3 ,
Les valeurs propres de tA sont localisées dans ces 3 disques dessinés dans la Fig. 2.
Fig. 2 – Disques de Gerschgörin associés à la matrice t A.
c. Donner une majoration des modules des valeurs propres de A.

Pour λ valeur propre de A et pour k dans {1, ..., n} fixé, on a
n
X
|λ − akk | ≤ |akj |, ce qui donne
j=1
j6=k
n
X
|λ| ≤ |akj |,
j=1
donc
n
X
max |λ| ≤ max |akj | .
k=1,..,n
j=1
D’où une majoration des modules des valeurs propres de A notée ρ(A) est ρ(A) ≤ 9.
25
4.3 Matrice à diagonale dominante

Définition 4.2. Soit A = (akj )k,j=1,...,n une matrice carrée d’ordre n.
Xn
On dit que A est à diagonale dominante si ∀ k , 1 ≤ k ≤ n , |akk | ≥ |akj | .
j=1
j6=k
La matrice A est dite à diagonale strictement dominante si
n
X
∀ k , 1 ≤ k ≤ n , |akk | > |akj | .
j=1
j6=k
a. Montrer, en utilisant le théorème de Gerschgörin, que si A est à diagonale

strictement dominante alors elle est inversible.
Supposons que A est à diagonale strictement dominante. Montrons que 0 n’est pas valeur
propre de A.
On a
n
X
|0 − akk | = |akk | > |akj | , ∀ k = 1, ..., n .
j=1
j6=k
Donc 0 n’appartient à aucun disque de Gerschgörin, donc 0 n’est pas une valeur propre
de A. Le déterminant ne pouvant s’annulé, on déduit que la matrice A est inversible.
b. Montrer que la matrice suivante est à diagonale dominante, mais n’est

pas inversible :
 
2 −1 −1
 −1 3 −2  .
−1 0 1
On a
|2| ≥ | − 1| + | − 1| ,
|3| ≥ | − 1| + | − 2| ,
|1| ≥ |0| + |1| ,
donc la matrice proposée est à diagonale dominante.
Le déterminant de la matrice proposée peut se calculer de la manière suivante
2 −1 −1

2 −1 −1 5 5
−1 3 −2 = 0 −

= 0 .
2 2
1 1

−1 0 1
0 −
2 2
D’où la matrice proposée n’est pas inversible.
26

CTD3 6

Transféré par

Droits d'auteur :

Formats disponibles

CTD3 6

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

CTD3 6

Transféré par

Droits d'auteur :

Formats disponibles

Université de Nice Sophia-Antipolis

Licence L3 Mathématiques Année 2008/2009

1.1 Matrices diagonales

On peut représenter D sous forme du tableau suivant :

D inversible ⇐⇒ det D 6= 0 ⇐⇒ dii 6= 0 , ∀ i = 1, ..., n .

1.2 Matrices triangulaires inférieures

La matrice L peut se mettre sous la forme suivant :

d’où la matrice triangulaire inférieure L peut être caractérisée par :

lij = 0 si i < j, ∀ i, j = 1, ..., n .

L inversible ⇐⇒ det L 6= 0 ⇐⇒ lii 6= 0 , ∀ i = 1, ..., n .

b. On suppose que la matrice triangulaire inférieure L est inversible. Soit b

Donner un algorithme qui permet de résoudre l’équation d’inconnue y :

Comme lii 6= 0 , ∀ i = 1, ..., n, la résolution du système (1.1) s’écrit

Quel est le coût de cet algorithme en termes d’opérations élémentaires (addi-

1.3 Matrices triangulaires supérieures

La matrice U peut se mettre sous la forme suivant :

d’où la matrice triangulaire inférieure U peut être caractérisée par :

uij = 0 si i > j, ∀ i, j = 1, ..., n .

U inversible ⇐⇒ det U 6= 0 ⇐⇒ uii 6= 0 , ∀ i = 1, ..., n .

b. On suppose que la matrice triangulaire supérieure U est inversible. Soit y

Écrire un algorithme qui permet de résoudre l’équation d’inconnue x :

Donner la complexité de cet algorithme.

Par suite le coût CU de l’algorithme (1.4) est

2.1 Des exemples

• On effectue l’élimination de Gauss. On a successivement

En utilisant l’algorithme de remontée (1.2) on a successivement

• Pivot partiel : on prend comme pivot le plus grand élément de la colonne

Cela revient à échanger la 2ième et la 3ième lignes. On obtient

2.2 Cas général

a. Écrire un algorithme de résolution de ce système par la méthode de

//Recherche du pivot partiel

//On met le pivot à sa place

//Résolution par la remontée

b. Donner la complexité de cet algorithme.

Cas général On écrit A = A(1) = L(1) U (1) où

Donc  (2)  (2)

3.2 Cas général

b. Soit L une matrice triangulaire inférieure et inversible.

En utilisant l’algorithme de descente (1.2), on obtient

où sii = 1/lii .

c. Soit A une matrice carrée régulière possédant une décomposition LU ,

Soient L1 , L2 , U1 , U2 entrant dans deux telles décompositions i.e

3.3 Factorisation LU d’une matrice tridiagonale

Écrire un algorithme de factorisation LU de A.

Forme des matrices L et U

d1 c1 0 ··· ··· ··· ··· 0

On obtient la formule de récurrence suivante pour les di

où les ui sont les éléments de la surdiagonale de la matrice A :

Compte tenu de la forme de U , cette somme se simplifie en

aij = li j−1 uj−1 j + lij ujj . (3.5)

Dans l’équation (3.5), faisons j = i, on obtient

aii = li i−1 ui−1 i + lii uii . (3.6)

En faisant j = i − 1 dans l’équation (3.5), on obtient

ai i−1 = li i−1 ui−1 i−1 + li−1 i−2 ui−2 i−1 ,

ai i−k = li i−k−1 ui−k−1 i−k + li i−k ui−k i−k .

Finalement la matice L est de la forme

En conclusion les éléments de la factorisation A = LU sont donnés par :

Algorithme de factorisation LU d’une matrice tridiagonale