Département Génie Informatique,

i
Réseaux et Télécommunications

ou
Cours

lla
Mathématiques pour l’ingénieur
lA
.E
[email protected]
.A
of

Niveau : Tronc Commun Prof. Abdelati El Allaoui

Pr

2023-2024
Table des matières

i
ou
0 Rappels de calcul matriciel 2
0.1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

lla
0.2 Matrices définies positives . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4

1 Méthodes directes de résolution de systèmes linéaires 7

1.1 Position du problème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

lA
1.2 Résolution d’un système triangulaire . . . . . . . . . . .
1.2.1 Système triangulaire supérieur . . . . . . . . . . .
1.2.2 Système triangulaire inférieur . . . . . . . . . . .
1.3 Résolution d’un système linéaire quelconque . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
8
9
10
11
.E
1.3.1 Opérations élémentaires sur les lignes . . . . . . . . . . . . . . . . . . 11
1.3.2 Méthode d’élimination de Gauss . . . . . . . . . . . . . . . . . . . . . 14
1.3.3 La décomposition LU . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
.A
of
Pr

1
Chapitre 0

i
ou
Rappels de calcul matriciel

lla
Dans ce chapitre, on va rappeler quelques propriétés de base sur les matrices.

0.1 Définitions et propriétés

Définition 1
lA
Une matrice de format (m, n) à coefficients dans K (R ou C) est un tableau de m × n
.E
éléments de K organisés en m lignes et n colonnes. Chaque élément de la matrice est
repéré par deux indices, le premier est l’indice de la ligne, le second est l’indice de la
colonne.  
a
 11 a 12 . . . a 1j . . . a1n 
.A

 a21 a22 . . . a2j . . . a2n 

 
 . .. .. .. .. 
 
 .. ...
 . . . .  
 

 ai1 ai2 ... aij ... ain 

 .. .. .. .. .. .. 

 . . . . . . 

 
am1 am2 . . . amj . . . amn
of

Notations :
– La matrice précédente est notée A = (aij ) 1≤i≤m .
Pr

1≤j≤n
– aij est le terme, l’élément ou encore le coefficient de la ième ligne et de la j ème colonne
de A.
– Une matrice de format (n, 1) est une matrice-colonne d’ordre n,
– Une matrice de format (1, n) est une matrice-ligne d’ordre n.
– Une matrice de format (n, n) est une matrice carrée d’ordre n.
– Mm,n (K) désigne l’ensemble des matrices de format (m, n) à coefficients dans K et

2
 Mn (K) l’ensemble des matrices carrées d’ordre n.
Définition 2

– Si aij = 0 pour tous i et j tels que i > j, la matrice est alors appelée triangulaire
supérieure.
– Si aij = 0 pour tous i et j tels que i < j, la matrice est alors appelée triangulaire
inférieure.

i
– Une matrice diagonale d’ordre n est une matrice carrée d’ordre n qui est simul-

ou
tanément triangulaire supérieure et triangulaire inférieure. C’est donc une matrice
A carrée d’ordre n dont les termes non diagonaux sont nuls : aij = 0 pour tout
i 6= j.

lla
– Une matrice carrée est dite symétrique si aij = aji , ∀i, j = 1, · · · , n.

   

a11 a12 . . . a1n
 a11 0 ... 0 a11 0 ... 0
.. .. .. ..
 0 a22 . . .

 .
 .
 .
0
..
.
... 0
..

Matrice triangulaire
.
a2n 

ann

.. 

. 
lA
supérieure

 a
 21 a22
 .
 .
 . ...
..
.
.
0 
an1 . . . . . . ann





.

Matrice triangulaire inférieure


 0 a

 .
 .
 .
0
..
22

.
..
.
.
0 
. . . 0 ann
Matrice diagonale





.
.E
Définition 3

Une matrice carrée A est inversible si et seulement s’il existe une matrice B telle que
AB = BA = I, où I est la matrice identité.
.A

S’il en est ainsi, B est est appelée inverse de A et est notée A−1 .

Proposition 1

– Soit A une matrice carrée inversible, son inverse A−1 est unique, et est une matrice
of

carrée du même ordre.

– Une matrice carrée inversible A est régulière (i.e. AB = AC ⇒ B = C et BA =
CA ⇒ B = C), une matrice carrée non-inversible est dite singulière.
Pr

– Soient A et B deux matrices carrées inversibles de même ordre, alors la matrice

produit AB est inversible et (AB)−1 = B −1 A−1 .

3
 Théorème 1 (Critère de Hadamard)

Soit A = (aij )1≤i,j≤n ∈ Mn (R) telle que :

n
X
∀i ∈ {1, 2, · · · , n} : |aii | > |aij | , (1)
j=1
j6=i

i
alors A est inversible.

ou
Définition 4

Une telle matrice A qui vérifie (1) est dite à diagonale strictement dominante.

lla
Exemple 1 La matrice  

−4 2 1 
A= 1 6 2 
 

lA 
1 −2 5


est une matrice à diagonale strictement dominante. Donc elle est inversible.

Remarque 1
.E
Le critère de Hadamard donne une condition suffisante mais qui n’est pas nécessaire.

Exemple 2 La matrice  
−2 2 1 
.A


B= 1 3 2 
 
 
1 −2 0
est une matrice inversible qui n’est pas à diagonale strictement dominante.
of

Proposition 2

Les coefficients diagonaux d’une matrice à diagonale strictement dominante sont non
Pr

nuls.

0.2 Matrices définies positives

4
 Définition 5

Une matrice A ∈ Mn (R) symétrique est dite définie positive si :

1. ∀x ∈ Rn , xt Ax ≥ 0 ;
2. ∀x ∈ Rn , on a : xt Ax = 0 ⇔ x = 0.

Proposition 3

i
Si A une matrice carrée réelle inversible, alors At A est une matrice symétrique définie

ou
positive.

Proposition 4

lla
Si A ∈ Mn (R) une matrice définie positive, alors : det(A) > 0 et ∀i ∈ {1, 2, · · · , n} :
aii > 0.

Remarque 2

lA
Une matrice définie positive est inversible, mais la réciproque n’est pas vraie.

Définition 6 (Mineurs principaux)

Soit A = (aij )16i,j6n ∈ Mn (R) une matrice. On appelle mineurs principaux de A

.E
les déterminants des matrices
 
a · · · a1,k
 1,1
 .. .. .. 
Ak :=  . . .


.A

 
ak,1 · · · ak,k

pour k entier compris entre 1 et n.

Théorème 2 (Critère de Sylvester)

of

Soit A ∈ Mn (R) une matrice symétrique, il y a équivalence entre

1. A définie positive,
Pr

2. Tous les mineurs principaux sont strictement positifs.

Exemple 3 La matrice  

1 1 1 1 
1 5 5 5
 
 
A=  
1 5 14 14
 
 
 
1 5 14 15

5
est une matrice symétrique définie positive.

i
ou
lla
lA
.E
.A
of
Pr

6
Chapitre 1

i
ou
Méthodes directes de résolution de
systèmes linéaires

lla
1.1 Position du problème
lA
Le problème consiste à trouver la solution du système d’équations

 a11 x1 + a12 x2 + · · · + a1n xn = b1
.E



a21 x1 + a22 x2 + · · · + a2n xn = b2



.
 ..




an1 x1 + an2 x2 + · · · + ann xn = bn


.A

En notation matricielle le problème s’énonce comme suit :

On cherche à résoudre le système

Ax = b (1.1)
of

avec :
Pr

– A matrice à coefficients réels de taille n × n et supposée inversible (i.e. det(A) 6= 0).

– b vecteur de Rn .
– x inconnue à chercher de Rn .
     
a . . . a1n b x
 11  1   1 
 .. .   ..   .. 
A =  . . . . ..  , b =  . , x= . 
     
an1 . . . ann bn xn

7
Si b = 0 le système est dit homogène, donc il admet au moins une solution x = 0 qui est la
solution nulle ou triviale.
L’hypothèse d’inversibilité de A assure l’existence et l’unicité de la solution du système.
L’idée générale de résolution d’un système linéaire :
Pour résoudre un système d’équations linéaires on cherche à remplacer le système (1.1) par
un autre, plus simple, ayant la même solution, sachant que la résolution de système (1.1) est
très simple lorsque :

i
ou
– A diagonale ;
– A triangulaire supérieure ou inférieure ;
– A tridiagonale ;
– A orthogonale (At A = I) ;

lla
– A creuse (en général).
Méthodes de résolution : Il existe deux types de méthodes de résolution :
1. Les méthodes directes qui permettent d’obtenir la solution en un nombre fini d’opé-

lA
rations soit par triangularisation ou soit par décomposition de la matrice A.
Les principales méthodes sont :
– L’élimination de Gauss,
– La décomposition LU,
.E
– La décomposition de Cholesky.
2. Les méthodes itératives qui consistent à construire une suite (xn )n qui converge vers
la solution.
Les principales méthodes sont :
.A

– Méthode de Jacobi,
– Méthode de Gauss-Seidel,
– Méthode du relaxation.
of

1.2 Résolution d’un système triangulaire

Pr

Un cas particulier parmi les systèmes linéaires est la résolution des systèmes triangulaires :
la matrice A est soit triangulaire inférieure, soit triangulaire supérieure. La résolution est alors
simple.

8
1.2.1 Système triangulaire supérieur
Soit le système triangulaire supérieur suivant :
    
a11 a12 · · · a1n−1 a1n x1 b1
    

 0 a22 · · · a2n−1 a2n 
 x2 


 b2 


.. .. .. .. 
..  
.. 

. . . . . = .
   
    

i
    
0 0 ··· an−1n−1 an−1n  xn−1   bn−1
    
  

ou
    
0 0 ··· 0 ann xn bn
Y
Il existe une unique solution ssi det(A) 6= 0, c’est-à-dire si aii 6= 0.
i

lla
La résolution passe par une "une remontée " du système d’équations. On obtient triviale-
ment les relations suivantes :
bn
– xn =
ann
– xn−1 =
..
.
– x2 =
1 
a22
1
an−1n−1


b2 −
X n

j=3


a2j xj 
lA
(bn−1 − an−1n xn )
.E
 
n
1  X
– x1 = b1 − a1j xj 
a11 j=2
Algorithme de la remontée :
En généralisant, les formules précédentes, on obtient que l’algorithme de résolution pour un
.A

système triangulaire supérieur est le suivant.

bn
xn = ;
ann
of

 
n
1  X
xi = bi − aij xj  , i = n − 1, . . . , 1.
aii j=i+1
Pr

9
1.2.2 Système triangulaire inférieur
Soit le système triangulaire inférieur suivant :
    
a11 0 ··· 0 0 x1 b1
    

 a21 a22 ··· 0 0 
 x2 


 b2 


.. .. .. .. 
..  
.. 

. . . . . = .
   
    

i
    
an−11 an−12 · · · an−1n−1 0 xn−1   bn−1
    
  

ou
    
an1 an2 · · · ann−1 ann xn bn

Dans ce cas, la résolution passe par une "une descente " du système d’équations. On obtient
trivialement les relations suivantes :

lla
b1
– x1 =
a11
1
– x2 = (b2 − a21 x1 )
a22
..
.
– xn−1 =

– xn =
1
an−1n−1
1 


bn −

bn−1 −

n−1
X
n−2
X

j=1

anj xj 
lA 

an−1j xj 

.E
ann j=1
Algorithme de la descente :
On obtient l’algorithme suivant.
.A

b1
x1 = ;
a11
 
i−1
1  X
xi = bi − aij xj  , i = 2, . . . , n.
aii j=1
of

Remarque 3

Si le système (1.1) est diagonal, la solution dans ce cas est donnée par
Pr

bi
xi = , i = 1, . . . , n.
aii

Exercice 1 Résoudre les systèmes linéaires suivants :

A i x = bi , i = 1, 2, 3.

10
Avec      

3 1 2  
1 0 0  
3 0 0 
A1 =  0 1 4  ; A2 =  5 1 0  ; A3 =  0 4 0 
     
     
0 0 1 6 4 1 0 0 1
     

6  
1  
4 
b1 =  5  ; b2 = 7  ; b3 = 2
     

     

i
1 17 7

ou
1.3 Résolution d’un système linéaire quelconque

lla
1.3.1 Opérations élémentaires sur les lignes
Revenons au système (1.1) et voyons comment on peut le transformer sans en modifier
la solution. La réponse est toute simple. On peut toujours multiplier (à gauche de chaque

lA
côté) les termes de cette relation par une matrice E inversible ; la solution n’est pas modifiée
puisque l’on peut remultiplier par E −1 pour revenir au système de départ.
Ainsi :
.E
EAx = Eb (1.2)

possède la même solution que le système (1.1) (il suffit de multiplier par E −1 ).
Remarque 4
.A

1. Le résultat précédent n’est plus vrai si la matrice E n’est pas inversible. On ne peut
plus en effet revenir en arrière si la matrice E −1 n’existe pas.
2. Si E est inversible, on dit dans ce cas que les deux systèmes (1.1) et (1.2 sont
équivalents (i.e ils ont la même solution).
of

Pour résoudre un système linéaire, certaines opérations sont possibles qui ne modifient
bien sûr pas les solutions :
Pr

1. Changer l’ordre des équations (en termes de matrices, échanger des lignes li ↔ lj ) ;
2. Multiplier une équation par un scalaire non nul (en termes de matrices, multiplier une
ligne par un scalaire λ non nul li ← λli ) ;
3. Modifier une équation par une combinaison linéaire de celle-ci avec d’autres équations
(en termes de matrices, remplacer la ligne i par la ligne i plus un multiple de la ligne
j, li ← li + λlj ) ;
4. Changer l’ordre des inconnues (en termes de matrices, échanger des colonnes ci ↔ cj ).

11
Les trois premières opérations élémentaires équivalent à multiplier le système (1.1) par une
matrice inversible.

Permutation de deux lignes : Échange de lignes li ↔ lj

L’opération élémentaire qui consiste à intervertir deux lignes (li ↔ lj ) est également
connue sous le nom de permutation de lignes. Cette opération est équivalente à la multi-

i
plication du système (1.1) par une matrice inversible E = P (li ↔ lj ), obtenue en permutant

ou
les lignes i et j de la matrice identité.

Exemple 4 Considérons le système suivant :

lla
    

3 1 2   x1   6 
6 4 1   x  =  11
    
 2 
 
  
5 4 1 x3 10

matrice :
h
dont la solution est x = 1 1 1 .
lA it

Si l’on souhaite intervertir la ligne 2 et la ligne 3, cela


1 0
revient à multiplier le système par la

0

.E
 
P (l2 ↔ l3 ) =  0 0 1
 

 
0 1 0
et l’on obtient :     
3 1 2   x1   6
.A

 
5 4 1   x  =  10
    
 2 
 
  
6 4 1 x3 11
La solution de ce nouveau système reste la même que celle du système de départ.
of

Remarque 5

– La matrice P (li ↔ lj ) est inversible. Son inverse est donc la matrice P (li ↔ lj )
Pr

elle-même, c’est-à-dire :

P −1 (li ↔ lj ) = P (li ↔ lj )

– On montre assez facilement que le déterminant de P (li ↔ lj ) est −1. Lorsque l’on
permute deux lignes, le déterminant du système de départ change de signe.

12
Multiplication d’une ligne par un scalaire

Remplacer la ligne i par un multiple d’elle-même (li ← λli ) revient à multiplier le système
linéaire (1.1) par une matrice diagonale inversible E = M (li ← λli ), dont tous les éléments
diagonaux sont 1, sauf mii , qui vaut λ. Tous les autres termes sont nuls. Cette matrice a pour
effet de multiplier la ligne i par le scalaire λ.

Exemple 5 Considérons le système de l’exemple précédent. On veut multiplier la ligne 3 par

i
ou
un facteur 2, cela revient à multiplier le système par la matrice :
 

1 0 0 
M (l3 ← 2l3 ) =  0 1 0 
 

lla
 
0 0 2

et l’on obtient :     
3 1 2   x1   6

Remarque 6




lA 6 4 1 
10 8 2

 x  =  10
 2 
x3
 

22




.E
– Le déterminant de la matrice diagonale M (li ← λli ) est λ. La matrice est donc
inversible si λ 6= 0.
1
 
– La matrice inverse de M (li ← λli ) est simplement M li ← li , c’est-à-dire :
λ
.A

1
 
M −1 (li ← λli ) = M li ← li
λ

1
Il suffit donc de remplacer λ par pour inverser la matrice.
λ
of

L’opération li ← li + λlj
Pr

Cette opération consiste à remplacer la ligne i par la ligne i plus un multiple de la ligne
j (li ← li + λlj ). Cela est encore une fois équivalent à multiplier le système de départ par
une matrice inversible E = T (li ← li + λlj ) qui vaut 1 sur toute la diagonale et 0 partout
ailleurs, sauf tij , qui vaut λ.

Exemple 6 On considère toujours le système de l’exemple 4, on souhaite remplacer la pre-

mière ligne par la première ligne (l1 ) plus 4 fois (λ = 4) la deuxième ligne (l2 ). Il suffit alors

13
de multiplier le système par :
 

1 4 0 
T (l1 ← l1 + 4l2 ) =  0 1 0 
 
 
0 0 1

ce qui donne :     

i
27 17 6   x1   50

ou
 
6 4 1   x  =  11
    
 2 
 
  
5 4 1 x3 10

Remarque 7

lla
– La matrice T (li ← li + λlj ) est inversible. Pour obtenir son inverse, il suffit de
remplacer λ par −λ, c’est-à-dire :

lA
T −1 (li ← li + λlj ) = T (li ← li − λlj )

C’est-à-dire, pour revenir en arrière il suffit de soustraire la ligne que l’on vient
d’ajouter.
.E
– On peut montrer facilement que le déterminant de T (li ← li + λlj ) est 1.

1.3.2 Méthode d’élimination de Gauss

.A

Comme les systèmes triangulaires sont faciles à résoudre, l’objectif est de transformer tout
système linéaire en système triangulaire équivalent. Cette méthode consiste à déterminer une
matrice M inversible telle que la matrice M A soit triangulaire supérieure. Alors

AX = b ⇔ (M A)X = M b,
of

ensuite résoudre le système triangulaire supérieur (M A)X = M b par l’algorithme de remon-

tée.
Pr

Remarque 8

En pratique on ne calcule pas M d’une façon explicite, mais par des transformations
équivalentes (opérations élémentaires) on ramène le système de départ en un système à
matrice triangulaire supérieure. Autrement dit
 
transformation
(A, b) −→ A(n) , b(n) ,

14
 où A(n) est une matrice triangulaire supérieure, puis on résout le système triangulaire.

A(n) x = b(n)
Nous introduisons maintenant la notion de matrice augmentée :
Définition 7

La matrice augmentée du système linéaire (1.1) est la matrice de dimension n ×

i
(n + 1) que l’on obtient en ajoutant le membre de droite b à la matrice A c’est-à-dire :

ou
 
a11 a12 . . . a1n b1
 

 a21 a22 . . . a2n b2  h i

.. .. .. .. ..  ou A b (1.3)
. . . . . 
 

lla

 
an1 an2 . . . ann bn

Cette notation est très utile puisque les opérations élémentaires doivent être effectuées à

lA
la fois sur les lignes de la matrice A et sur celles du vecteur b.

Description de la méthode par un exemple

Exemple 7 Soit à résoudre le système de l’exemple 4 par la méthode d’élimination de Gauss

.E
    

3 1 2   x1   6 
6 4 1   x  =  11
    
 2 
 
  
5 4 1 x3 10
.A

La matrice augmentée du système est :

 

3 1 2 6 
6 4 1 11 T1 (l2 ← l2 − (6/3)l1 )
 
 
 
of

5 4 1 10 T2 (l3 ← l3 − (5/3)l1 )

Il faut creuser la matrice A pour la rendre triangulaire supérieure en effectuant les transfor-
Pr

mations citées ci-dessus.

On a indiqué ci-dessous la matrice augmentée de même que les opérations élémentaires pour
éliminer les termes non nuls sous la diagonale de la 1ère colonne. Il est à noter que l’on divise
par 3 (a11 ) le coefficient qui multiplie la ligne 1.
on dit que 3 est le pivot et l1 est la ligne de pivot.

15
On obtient en effectuant les opérations indiquées les résultats suivants :
 

3 1 2 6 
0 2 −3 −1 
 

 
0 7/3 −7/3 0 T3 (l3 ← l3 − ((7/3)/2)l2 )

Pour produire une matrice triangulaire supérieure, il suffit d’introduire maintenant des zéros

i
sous la diagonale de la deuxième colonne. L’opération est indiquée ci-dessous, le pivot est 2

ou
(a22 ) et la ligne de pivot est l2 . On obtient donc
 

3 1 2 6 
0 2 −3 −1 (1.4)
 

lla
 
 
0 0 7/6 7/6

Il reste ensuite à appliquer une remontée triangulaire pour déterminer la solution, on aura :

lA x=




1
1
1





.E
À partir de cet exemple, on en déduit l’algorithme d’élimination de Gauss, en pseudo-code :
– Pour chaque colonne i de 1 à n − 1,
– Pour chaque ligne j de i + 1 à n,
aji
– Opération élémentaire : lj ← lj − li , c’est-à-dire, pour chaque terme k de i à n,
.A

aii
aji
ajk = ajk − × aik
aii
aji
– bj = b j − × bi
aii
– Remontée
Remarque 9
of

1. Il faut en même temps que l’on réalise les opérations sur la matrice, réaliser les
opérations sur le second membre.
Pr

2. La division par aii impose qu’il ne doit pas y avoir de pivot nul pour réaliser
l’algorithme. On verra plus loin comment traiter ces cas.

Cas des pivots nuls :

L’algorithme ci-dessus passe par la division par le pivot. Si le pivot est nul alors le calcul
numérique deviendra faux. Dans ce cas, il faut réaliser une permutation sur les lignes en
dessous.

16
Exemple 8 Considérons le système Ax = b, avec
   

−2 2 1  
1 
A= 1 −1 2 , b= 2
   

   
1 2 0 3

La matrice augmentée associée est :

i
 

ou

−2 2 1 1  le pivot est -2
1 −1 2 2  T (l ← l2 + 1/2l1 )
 
 1 2


1 2 0 3 T2 (l3 ← l3 + 1/2l1 )

lla
Par les transformations T1 et T2 , on obtient
 

−2 2 1 1 
0 0 5/2 5/2 le pivot est nul




lA
0 3 1/2 7/2



P1 (l2 ↔ l3 )

Ainsi, nous devons appliquer la remarque précédente, la permutation P1 . Ce qui donne

 
.E

−2 2 1 1 
0 3 1/2 7/2
 
 
 
0 0 5/2 5/2

Par l’application d’une remontée, la solution est donnée par

.A

 

1 
x=
 1


 
1
of

Algorithme d’élimination de Gauss généralisé :

(1) (1) (1) (1) (1)

 
a11 a12 · · · a1n b1 l
Pr

  1
(1) (1) (1) (1)  (1)
h i 
a21 a22 · · · a2n b2  l2
A(1) |b(1) =


.. .. .. ..  ..
. . . .  .



(1) (1) (1) (1)
an1 an2 · · · ann bn ln(1)
(1)
– A la 1ère étape : Si a11 6= 0 (sinon on fait une permutation de lignes) on fait les

17
 affectations suivantes :
 (2) (1)
 l1

 ←− l1
(1)
(2) (1) (1) ai1
 li

 ←− li − αi1 l1 où αi1 = (1)
, 2 ≤ i ≤ n.
a11

On obtient donc

i
(2) (2) (2) (2) (2)
 
a11 a12 · · · a1n b1 l
 1

ou

(2) (2) (2)  (2)
h i 
0 a22 · · · a2n b2  l2
A(2) |b(2) =


.. .. .. ..  ..
. . . .  .



(2) (2) (2)
0 an2 · · · ann bn ln(2)

lla
où 
(2) (1) (2) (2)




a1j = a1j , 1 ≤ j ≤ n; b1 = b1
 (2)
ai1 = 0, 2 ≤ i ≤ n;








 lA (2)

(2)
(1)

(1)
(1)
aij = aij − αi1 a1j , 2 ≤ i, j ≤ n
(1)
bi = bi − αi1 b1 , 2 ≤ i ≤ n
(k)
– A la k ieme étape (1 ≤ k ≤ n − 1) : Si akk 6= 0 (sinon on fait une permutation de
.E
lignes) on fait les affectations suivantes :

(k+1) (k)
li


 ←− li , 1 ≤ i ≤ k
(k)
(k+1) (k) (k) aik
li


 ←− li − αik lk où αik = (k)
, k + 1 ≤ i ≤ n.
.A

akk

On obtient donc
 (k) (k) (k) (k) 
(k+1)
a11 a12 · · · ··· ··· ··· a1n b1 l1
(k) (k) (k)
 
0 a22 · · · ··· ··· ··· a2n b2 (k+1)
l2
 
of

 

.. ... .. 
..
. 0 .
 
  .
..
 
h i
... (k) (k) (k)  (k+1)
A(k+1) |b(k+1) =

 . akk ··· ··· akn bk  lk
Pr

 
 .. (k+1) (k+1)

(k+1)  (k+1)
lk+1
. 0 ak+1,k+1 · · · ak+1,n bk+1 



.. .. .. .. .. 
 ..
.


 . . . . . 
0 0 ··· 0
(k+1)
an,k+1 ··· a(k+1)
n,n b(k+1)
n
ln(k+1)

18
 où
 
 a(k+1)

= aij
(k)
ij

1 ≤ i ≤ k, 1 ≤ j ≤ n



Pour
b(k+1) = b(k)

 

 i i
k+1 (k) (k)
a = a − αik a

 
 ij ij kj
Pour k + 1 ≤ i, j ≤ n




bk+1 (k) (k)
= bi − αik bk

 
i

i
ou
En réitérant (n − 1) fois l’opération on obtient :

Ax = b ⇔ A(n) x = b(n)

lla
avec    
(1) (1) (1) (n)
 a11 a12 · · · · · · a1n   b1 
(2) (2) (n)
a22 · · · · · · a2n b2
   
   
.. ..
   
..
A(n) =






 lA 0
.
..

A(n) étant une matrice triangulaire supérieure.

.
..
.
.

a(n)
nn

,





b(n) =







.
..

bn(n)
.







.E
– Dernière étape : Une remontée.
Remarque 10

1. La méthode de Gauss sans permutation de lignes s’appelle "Gauss ordinaire".

.A

2. La méthode de Gauss n’est jamais programmée sans au moins une stratégie de

pivot partiel (permutation de lignes).

Exemple 9 Considérons le système Ax = b, avec

of

   

1 3 2  
1 
A= −1 2 1  b= 2
   

Pr

   
2 1 2 1

Par l’élimination de Gauss, on obtient

   

1 3 2  
1 
Ax = b ⇔  0 5 3  x= 3 
   
   
0 0 1 2

19
Ainsi, la solution est
 
−6
 5 
−3
x=
 
5

 
2

1.3.3 La décomposition LU

i
ou
Le principe de cette méthode est la décomposition de la matrice A de façon à la mettre
sous la forme A = LU où L est une matrice triangulaire inférieure et U est une matrice
triangulaire supérieure. La résolution du système (1.1) devient

lla

Ly

=b
LU x = b ⇔
U x =y


lA
Donc la résolution du système revient à la résolution de deux systèmes triangulaires. On
utilise d’abord une descente triangulaire sur la matrice L pour obtenir y et, par la suite, une
remontée triangulaire sur la matrice U pour obtenir la solution recherchée x.
.E
Exemple 10 On considère le système de l’exemple 7 :
Si on note
 

3 1 2 
U = A(3) =  0 2 −3 

.A


 
0 0 7/6

donnée dans le système (1.4).

les opérations effectuées pour obtenir A(3) sont équivalent à multiplier le système de départ
par une suite de matrice inversibles. En fait, on a :
of

A(3) = T3 T2 T1 A
Pr

où les matrices Ti , i = 1, 2, 3 équivalent aux différentes opérations effectuées sur les lignes de
la matrice. Plus explicitement, on a :

U =A(3) T3 T2 T1 A
z }| { z }| { 
z }| { z }| { 
z }| {

3 1 2   1 0 0  1 0 0  1 0 0  3 1 2 
0 2 −3  = 0 1 0  0 1 0   −6/3 1 0   6 4 1 
      
 
      
0 0 7/6 0 −7/6 1 −5/3 0 1 0 0 1 5 4 1

20
Puisque l’on sait inverser les matrices Ti on a aussi

A T1−1 T2−1 T3−1 U

z }| { z }| { z }| { z }| { z }| {

3 1 2  
1 0 0  1 0 0  1 0 0  3 1 2 
6 4 1  =  6/3 1 0   0 1 0   0 1 0   0 2 −3 
      

      
5 4 1 0 0 1 5/3 0 1 0 7/6 1 0 0 7/6
L U

i
z }| { z }| {
1 0 0  3 1 2 

ou

= 6/3 1 0   0 2 −3 
  

  
5/3 7/6 1 0 0 7/6

lla
est la décomposition LU de la matrice A.
Par une descente, la solution du système Ly = b est :
 
6

lA y=



−1
7/6

Par une remontée, la solution du système U x = y est :





.E
 

1 
x= 1
 

 
1
.A

qui représente la solution du système de départ.

of
Pr

21