Cours2-Meth Dir Sys Lin

- 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
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
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.
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Ax = b.
A M
n
x, b IR
n
CNS dexistence de la solution :
Le systme Ax = b a une solution unique si et seulement si son
dterminant est non nul.
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Ax = b.
A M
n
x, b IR
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
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemples
Exemple 1 :
2x
1
+ 3x
2
= 5
4x
1
3x
2
= 1
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
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
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemples
Exemple 1 :
2x
1
+ 3x
2
= 5
4x
1
3x
2
= 1
x
1
= 1, x
2
= 1
Exemple 2 :
2x
1
+ 3x
2
= 5
4x
1
+ 6x
2
= 10
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemples
Exemple 1 :
2x
1
+ 3x
2
= 5
4x
1
3x
2
= 1
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).
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemples
Exemple 1 :
2x
1
+ 3x
2
= 5
4x
1
3x
2
= 1
x
1
= 1, x
2
= 1
Exemple 2 :
2x
1
+ 3x
2
= 5
4x
1
+ 6x
2
= 10
(1, 1) + (3, 2), ( IR).
Exemple 3 :
2x
1
+ 3x
2
= 5
4x
1
+ 6x
2
= 9
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemples
Exemple 1 :
2x
1
+ 3x
2
= 5
4x
1
3x
2
= 1
x
1
= 1, x
2
= 1
Exemple 2 :
2x
1
+ 3x
2
= 5
4x
1
+ 6x
2
= 10
(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.
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Proprits
On ne change pas la solution dun systme linaire lorsque :
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Proprits
on permute deux lignes,
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Proprits
on permute deux colonnes,
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Proprits
on multiplie une ligne par un rel non nul,
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Proprits
on ajoute une ligne une autre.
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Proprits
Nous allons donc utiliser ces transformations pour se ramener un
cas simple.
Exemples
Proprits
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Proprits
Nous allons donc utiliser ces transformations pour se ramener un
cas simple.
! Ces proprits sont vraies dans IR pas dans IF
Principe gnral des
algorithmes
Les matrices triangulaires
Algorithme de remonte
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
triangularisation
Conditions
Conditionnement
Principe gnral des algorithmes - p. 6/51
Principe gnral des algorithmes
Principe gnral des
algorithmes
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
triangularisation
Conditions
Conditionnement
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
Principe gnral des
algorithmes
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
triangularisation
Conditions
Conditionnement
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
Principe gnral des
algorithmes
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
triangularisation
Conditions
Conditionnement
donc le suivant.
1i,jn
, b = (b[i])
1in
d ebut
x[n]
b[n]
A[n,n]
sum 0
x[i]
b[i]sum
A[i,i]
n
partir dun systme dquations linaires quelconques,
Principe gnral des
algorithmes
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
triangularisation
Conditions
Conditionnement
donc le suivant.
1i,jn
, b = (b[i])
1in
d ebut
x[n]
b[n]
A[n,n]
sum 0
x[i]
b[i]sum
A[i,i]
n
on triangularise le systme,
Principe gnral des
algorithmes
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
triangularisation
Conditions
Conditionnement
donc le suivant.
1i,jn
, b = (b[i])
1in
d ebut
x[n]
b[n]
A[n,n]
sum 0
x[i]
b[i]sum
A[i,i]
n
on rsout le systme triangulaire,
Principe gnral des
algorithmes
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
triangularisation
Conditions
Conditionnement
donc le suivant.
1i,jn
, b = (b[i])
1in
d ebut
x[n]
b[n]
A[n,n]
sum 0
x[i]
b[i]sum
A[i,i]
n
on rsout le systme triangulaire,
pour cela on utilise des permutations de lignes et de colonnes et
des combinaisons linaires de lignes.
Principe gnral des
algorithmes
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
triangularisation
Conditions
Conditionnement
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 :
Principe gnral des
algorithmes
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
triangularisation
Conditions
Conditionnement
Mthodes
On souhaite rsoudre une seule quation Ax = b.
Principe gnral des
algorithmes
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
triangularisation
Conditions
Conditionnement
Mthodes
On travaille sur la matrice [A b] qui a n lignes et n+1 colonnes
Cest llimination de GAUSS
Principe gnral des
algorithmes
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
triangularisation
Conditions
Conditionnement
Mthodes
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).
Principe gnral des
algorithmes
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
triangularisation
Conditions
Conditionnement
Mthodes (suite)
On doit rsoudre plusieurs systmes avec la mme matrice
Ax = b
1
. . . Ax = b
k
.
Principe gnral des
algorithmes
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
triangularisation
Conditions
Conditionnement
Mthodes (suite)
Ax = b
1
. . . Ax = b
k
.
On dcompose A en produit de deux matrices triangulaires (U
est suprieure et L infrieure) :
A = L U
Principe gnral des
algorithmes
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
triangularisation
Conditions
Conditionnement
Mthodes (suite)
Ax = b
1
. . . Ax = b
k
.
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
Principe gnral des
algorithmes
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
triangularisation
Conditions
Conditionnement
Mthodes (suite)
Ax = b
1
. . . Ax = b
k
.
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
.
Principe gnral des
algorithmes
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
triangularisation
Conditions
Conditionnement
Ce quil reste faire
Comment triangulariser ?
Principe gnral des
algorithmes
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
triangularisation
Conditions
Conditionnement
Ce quil reste faire
Quelles conditions ?
Principe gnral des
algorithmes
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
triangularisation
Conditions
Conditionnement
Ce quil reste faire
Que faire pour les matrices singulires ?
Principe gnral des
algorithmes
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
triangularisation
Conditions
Conditionnement
Ce quil reste faire
Que faire pour les matrices rectangulaires ?
Principe gnral des
algorithmes
Mthodes
Mthodes (suite)
Ce quil reste faire
Triangularisation
triangularisation
Conditions
Conditionnement
Ce quil reste faire
Que faire pour les matrices rectangulaires ?
Conditionnement du problme?
Principe gnral des
algorithmes
Triangularisation
Triangularisation simple
Triangularisation
Algorithme de triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
Triangularisation - p. 12/51
Triangularisation
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
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.
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
Triangularisation
On commence avec A une matrice n lignes et m colonnes
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
Triangularisation
Il y a n tapes :
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
Triangularisation
Il y a n tapes :
ltape k, on annule sous la diagonale les coefcients de la
colonne k :
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
Triangularisation
Il y a n tapes :
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)
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
Triangularisation
Il y a n tapes :
colonne k :
On appelle k
e
pivot (p
(k)
p
(k)
= a
k,k
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.
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
Triangularisation
Il y a n tapes :
colonne k :
On appelle k
e
pivot (p
(k)
p
(k)
= a
k,k
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.
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
n le nb de lignes,
m le nb de colonnes
d ebut
p A[k, k]
q A[i, k]
A[i, k] 0
A[i, j] = A[i, j] A[k, j].
q
p
n
A
n le nb de lignes,
m le nb de colonnes
d ebut
p A[k, k]
q A[i, k]
A[i, k] 0
A[i, j] = A[i, j] A[k, j].
q
p
n
A
(k1)
0
n le nb de lignes,
m le nb de colonnes
d ebut
p A[k, k]
q A[i, k]
A[i, k] 0
A[i, j] = A[i, j] A[k, j].
q
p
n
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
n le nb de lignes,
m le nb de colonnes
d ebut
p A[k, k]
q A[i, k]
A[i, k] 0
A[i, j] = A[i, j] A[k, j].
q
p
n
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
n le nb de lignes,
m le nb de colonnes
d ebut
p A[k, k]
q A[i, k]
A[i, k] 0
A[i, j] = A[i, j] A[k, j].
q
p
n
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
n le nb de lignes,
m le nb de colonnes
d ebut
p A[k, k]
q A[i, k]
A[i, k] 0
A[i, j] = A[i, j] A[k, j].
q
p
n
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
n le nb de lignes,
m le nb de colonnes
d ebut
p A[k, k]
q A[i, k]
A[i, k] 0
A[i, j] = A[i, j] A[k, j].
q
p
n
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
n le nb de lignes,
m le nb de colonnes
d ebut
p A[k, k]
q A[i, k]
A[i, k] 0
A[i, j] = A[i, j] A[k, j].
q
p
n
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
n le nb de lignes,
m le nb de colonnes
d ebut
p A[k, k]
q A[i, k]
A[i, k] 0
A[i, j] = A[i, j] A[k, j].
q
p
n
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
n le nb de lignes,
m le nb de colonnes
d ebut
p A[k, k]
q A[i, k]
A[i, k] 0
A[i, j] = A[i, j] A[k, j].
q
p
n
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
n le nb de lignes,
m le nb de colonnes
d ebut
p A[k, k]
q A[i, k]
A[i, k] 0
A[i, j] = A[i, j] A[k, j].
q
p
n
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
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
limination de GAUSS
Pour rsoudre lquation Ax = b (n quations, n inconnues).
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
limination de GAUSS
Construire la matrice [Ab] (n colonnes n + 1 lignes).
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
limination de GAUSS
Triangulariser la matrice.
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
limination de GAUSS
Appliquer lalgorithme de remonte
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
limination de GAUSS
2
n
3
3
oprations pour la triangularisation, n
2
pour la remonte.
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
limination de GAUSS
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
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
Exemple
triangularisation
1 2 3
1 1 2
1 1 1
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
Exemple
triangularisation
1 2 3 4
1 1 2 5
1 1 1 6
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
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
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
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
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
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
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
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
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
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
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
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
Principe gnral des
algorithmes
Triangularisation
Triangularisation
limination de GAUSS
Exemple
triangularisation
Conditions
Conditionnement
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
Calcul de la matrice L
Inverse de la matrice M
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
Forme matricielle de la triangularisation - p. 18/51
Forme matricielle de la triangularisation
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
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.
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
Dcomposition LU
A
=
L
1
1
.
.
.
1
U
p
1
p
2
.
.
.
p
3
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
Dcomposition LU
A
=
L
1
1
.
.
.
1
U
p
1
p
2
.
.
.
p
3
0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
p
1
A
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
Dcomposition LU
A
=
L
1
1
.
.
.
1
U
p
1
p
2
.
.
.
p
3
0
B
B
B
B
B
B
B
B
@
1
C
C
C
C
C
C
C
C
A
p
1
p
2
A
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
Dcomposition LU
A
=
L
1
1
.
.
.
1
U
p
1
p
2
.
.
.
p
3
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
Dcomposition LU
A
=
L
1
1
.
.
.
1
U
p
1
p
2
.
.
.
p
3
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 ?
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
Soient
m
k
i
=
a
ik
a
kk
et M
(k)
=
1
.
.
.
1
.
.
.
1
m
k
k+1
.
.
.
m
k
n
k
e
colonne
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
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)
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
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)
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
A-t-on obtenu les matrices U et L de la dcomposition?
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
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.
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
recherche.
Pour calculer la matrice L il faut :
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
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
(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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
Calcul de L
Donc M
(k)
est inversible dinverse L
(k)
avec :
M
(k)
=
1
.
.
.
1
.
.
.
1
m
k
k+1
m
k
n
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
Calcul de L (suite)
La matrice L de la dcomposition est :
L = L
(1)
L
(2)
L
(n1)
=
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
Algorithme
Donn ees : A = (A[i, j]), n le nombre de lignes et colonnes
d ebut
p A[k, k]
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
Algorithme
d ebut
U A
p U[k, k]
q U[i, k]
U[i, k] 0
U[i, j] = U[i, j] U[k, j].
q
p
n
retourner U la matrice triangulaire sup erieure,
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
Algorithme
d ebut
U A
L I
p U[k, k]
q U[i, k]
U[i, k] 0
L[i, k]
q
p
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
Exemple
Dcomposition de la matrice
1 2 3
1 1 2
1 1 1
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
Exemple
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
Exemple
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Dcomposition LU
(i)
Calcul de L
Calcul de L(suite)
Algorithme
Exemple
Conditions
Conditionnement
Exemple
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditions
Pivots nuls
Exemple
Exemple (suite)
Conditionnement
Conditions - p. 27/51
Conditions
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
(k)
sont non 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
(k)
sont non nuls.
A = (a
ij
)
1i,jn
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
(k)
sont non nuls.
A = (a
ij
)
1i,jn
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
(k)
sont non nuls.
A = (a
ij
)
1i,jn
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
(k)
sont non nuls.
A = (a
ij
)
1i,jn
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
(k)
sont non nuls.
A = (a
ij
)
1i,jn
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
(k)
sont non nuls.
A = (a
ij
)
1i,jn
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.
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditions
Pivots nuls
Exemple
Exemple (suite)
Conditionnement
Pivots nuls
Le fait quune matrice principale A
k
ne soit pas inversible ne signie
pas que la matrice A nest pas inversible.
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditions
Pivots nuls
Exemple
Exemple (suite)
Conditionnement
Pivots nuls
k
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.
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditions
Pivots nuls
Exemple
Exemple (suite)
Conditionnement
Pivots nuls
k
Par exemple :
0 1
1 1
1 1 0
1 1 1
0 1 1

Lavis du mathmaticien :
si un pivot est nul, alors on permute deux lignes
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditions
Pivots nuls
Exemple
Exemple (suite)
Conditionnement
Pivots nuls
k
Par exemple :
0 1
1 1
1 1 0
1 1 1
0 1 1

car :
Thorme Si tous les pivots possibles sont nuls alors la matrice
est singulire
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditions
Pivots nuls
Exemple
Exemple (suite)
Conditionnement
Pivots nuls
k
Par exemple :
0 1
1 1
1 1 0
1 1 1
0 1 1

car :
Thorme Si tous les pivots possibles sont nuls alors la matrice
est singulire
Pourquoi cela nest-il pas satisfaisant ?
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditions
Pivots nuls
Exemple
Exemple (suite)
Conditionnement
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.
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditions
Pivots nuls
Exemple
Exemple (suite)
Conditionnement
Exemple
1
3
1
3
0
1 1 1
0 1 1
x =
0
1
2

dcimaux de prcision en arrondi au plus prs.
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditions
Pivots nuls
Exemple
Exemple (suite)
Conditionnement
Exemple
1
3
1
3
0
1 1 1
0 1 1
x =
0
1
2

dcimaux de prcision en arrondi au plus prs. La matrice A
devient :
A =
1
3
1
3
0
1 1 1
0 1 1
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditions
Pivots nuls
Exemple
Exemple (suite)
Conditionnement
Exemple
1
3
1
3
0
1 1 1
0 1 1
x =
0
1
2

dcimaux de prcision en arrondi au plus prs. La matrice A
devient :
A =
0.3333 0.3333 0
1 1 1
0 1 1
Exemple (suite)
0.3333 0.3333 0
1 1 1
0 1 1
x =
0
1
2
Exemple (suite)
0.3333 0.3333 0
0 1+0.9999 1
0 1 1
x =
0
1
2
Exemple (suite)
0.3333 0.3333 0
0 1E4 1
0 1 1
x =
0
1
2
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
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
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
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
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
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.

Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
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
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.
colonnes.
Or la permutation est une opration qui ne cause aucune erreur de calcul.
colonnes.
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
colonnes.
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
d ebut
p A[k, k] ;
q A[i, k] ; A[i, k] 0
A[i, j] = A[i, j] A[k, j].
q
p
n
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
d ebut
p A[k, k] ; l k
pour i = k . . . n faire
si |A[i, k]| > p alors
p A[i, k] ; l i
q A[i, k] ; A[i, k] 0
A[i, j] = A[i, j] A[k, j].
q
p
n
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
d ebut
p A[k, k] ; l k
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
q A[i, k] ; A[i, k] 0
A[i, j] = A[i, j] A[k, j].
q
p
n
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Rsum
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Est ce que linversion de lignes ou de colonnes est possible
lorsquon veut la dcomposition LU?
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Matriciellement, quoi correspond ces permutations ?
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Matriciellement, quoi correspond ces permutations ?
Peut-on appliquer les deux formes de recherche de pivot
maximaux lalgorithme de dcomposition LU?
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
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
P
ij
=
1
.
.
.
1
0
1
.
.
.
1
0
1
.
.
.
1
1
1
i
e
colonne j
e
colonne
M
(1)
P
1,l
1
A = A
1
P
ij
=
1
.
.
.
1
0
1
.
.
.
1
0
1
.
.
.
1
1
1
i
e
colonne j
e
colonne
M
(2)
P
2,l
2
M
(1)
P
1,l
1
A = A
2
P
ij
=
1
.
.
.
1
0
1
.
.
.
1
0
1
.
.
.
1
1
1
i
e
colonne j
e
colonne
M
(n2)
P
n2,l
n2
M
(2)
P
2,l
2
M
(1)
P
1,l
1
A = A
n2
P
ij
=
1
.
.
.
1
0
1
.
.
.
1
0
1
.
.
.
1
1
1
i
e
colonne j
e
colonne
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
P
ij
=
1
.
.
.
1
0
1
.
.
.
1
0
1
.
.
.
1
1
1
i
e
colonne j
e
colonne
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
P
ij
=
1
.
.
.
1
0
1
.
.
.
1
0
1
.
.
.
1
1
1
i
e
colonne j
e
colonne
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
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.
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
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)
changs.
M
(k)
est de la mme forme que M
(k)
donc elle est triangulaire
infrieure et elle est inverse de la mme faon
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
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)
changs.
M
(k)
(k)
Finalement,
M
(n1)

M
(2)

M
(1)
P
n1,l
n1
P
2l
2
P
1l
1
A = U
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
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)
changs.
M
(k)
(k)
Finalement,
M
(n1)

M
(2)

M
(1)
P
n1,l
n1
P
2l
2
P
1l
1
A = U
M P A = U
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
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)
changs.
M
(k)
(k)
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
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; ;
// Recherche partiel du pivot
p U[k, k] ; l k
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
q U[i, k] ; U[i, k] 0
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
d ebut
U A; L I ;
p U[k, k] ; l k
p U[i, k] ; l i
si l = k alors
U[l, j] temp
q U[i, k] ; U[i, k] 0
L[i, k]
q
p
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
d ebut
U A; L I ;
p U[k, k] ; l k
p U[i, k] ; l i
si l = k alors
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
q U[i, k] ; U[i, k] 0
L[i, k]
q
p
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
d ebut
U A; L I ; P I
p U[k, k] ; l k
p U[i, k] ; l i
si l = k alors
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
q U[i, k] ; U[i, k] 0
L[i, k]
q
p
U[i, j] = U[i, j] U[k, j].
q
p
n
retourner P, L et U
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Exemple
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Exemple
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Exemple
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Exemple
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Exemple
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Exemple
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
Exemple
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Pivot partiel
Pivot total
Rsum
permutation
Dcomposition PLU
Algorithme
Exemple
Exemple(suite)
Conditionnement
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conditionnement de la matrice
Proprit du conditionnement
Conclusion
Conditionnement - p. 45/51
Conditionnement
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conclusion
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conclusion
Exemple
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
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conclusion
Exemple
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
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 !
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conclusion
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conclusion
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conclusion
Norme matricielle
v
une
n
la fonction qui A M
n
(C)
associe
A = max
xC
n
,x=0
Ax
v
x
v
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conclusion
Norme matricielle
v
une
n
la fonction qui A M
n
(C)
associe
A = max
xC
n
,x=0
Ax
v
x
v
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conclusion
On peut utiliser ces normes matricielles pour majorer la sensibilit
de la solution au problme sur les donnes
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conclusion
Si A est une matrice inversible et si u est solution de Ax = b,
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conclusion
u + u est solution de Ax = b + b avec
u = A
1
(b)
Donc
u
u
A
A
1
b
b
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conclusion
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conclusion
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
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conclusion
Le conditionnement dune matrice est toujours 1
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conclusion
Lerreur relative sur la solution est infrieure lerreur relative sur
les donnes multiplie par cond(A).
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conclusion
Cette borne est optimale
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conclusion
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.
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conclusion
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.
Principe gnral des
algorithmes
Triangularisation
triangularisation
Conditions
Conditionnement
Exemple
Conditionnement
Norme matricielle
Conclusion
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.

Cours2-Meth Dir Sys Lin

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Cours2-Meth Dir Sys Lin

Uploaded by

Copyright:

Available Formats

- p.

ces matrices sont inversibles et peuvent tre triangularises par

ces matrices sont inversibles et peuvent tre triangularises par

ces matrices sont inversibles et peuvent tre triangularises par

ces matrices sont inversibles et peuvent tre triangularises par

La solution est (1, 1, 1).

La solution est (1, 1, 1).

La solution est (1, 1, 1).

La solution est (1, 1, 1).

Pour rsoudre ce problme on recherche les pivots maximaux.

il a pour solution le vecteur x =

il a pour solution le vecteur x =

Mais en changeant un peu le vecteur darrive, b =

il a pour solution le vecteur x =

Mais en changeant un peu le vecteur darrive, b =

Une erreur relative de

pour les matrices symtriques dnies

pour les matrices symtriques

You might also like