Module: Méthodes

numériques
Responsable du module:
Dr. H. Benlarbi
 Programme
• Chapitre1: Méthodes directes de résolution des systèmes linéaires
(Matrices, Normes, Calcul de valeurs et vecteurs propres, méthode de
Gauss, Méthode de Jordan, factorisation LU)

• Chapitre2: Méthodes itératives de résolution des systèmes linéaires

(méthode de Jacobi et de sur-relaxation, méthode de Gauss-Siedel..)
 Chapitre 1: Méthodes directes de résolution
des systèmes linéaires
• Introduction
• L’analyse numérique est la conception et l’étude d’algorithmes pour
obtenir des solutions à des ensembles d’équations issus de modèles
issus de la physique, de la biologie, de la finance ...
• Motivation
• Recherche et développement : études expérimentales coûteuses
• Les modèles considérés sont composés d’ensemble d’équations dont
on ne sait pas déterminer de solutions explicites
• Proposer une solution approchée, calculée à l’aide de l’ordinateur.
 Problème de départ:

Sciences
appliquée(physique, chimie,..)

Modélisation:

Mathématique
(existence et unicité de la solution)

Discrétisation:
Analyse
numérique

Calcul sur
ordinateur:
Informatique
 1.1 Erreur absolue et Erreur relative
• Définition:
• 1)Soit 𝑥 un réel et 𝑥 ∗ une valeur approchée de x. on appelle erreur absolue
de x la valeur:

• ∆𝑥 = 𝑥 − 𝑥 ∗
Il est évident que

𝑥 ∗ − ∆𝑥 ≤ 𝑥 ≤ 𝑥 ∗ + ∆𝑥
• 2)On appelle erreur relative de x la valeur:
•
𝑥−𝑥 ∗ ∆𝑥
• 𝐸𝑥 = =
𝑥 𝑥

• L’erreur relative est souvent exprimée sous forme d’un pourcentage.

• 3) On appelle chiffres significatifs d’un nombre tous les chiffres de
son écriture à partir du premier chiffre non nul à gauche de la virgule.

• Exemple
• 𝑥 ∗ = 0,03045 (4chiffres significatifs)

• 𝑥 ∗ = 0,03045000 (7 chiffres significatifs)

 1.2 Propagation des erreurs
• Les formules suivantes nous donnent les erreurs qu’on obtient
lorsque l’on effectue des opérations arithmétiques sur des valeurs
connues avec une précision limité
• Pour l’erreur absolue:
• ∆ 𝑥 ± 𝑦 = ∆𝑥 + ∆𝑦
• ∆𝑥𝑦 = 𝑥 ∆𝑥 + 𝑦 ∆𝑦
𝑦∆𝑥+𝑥∆𝑦
•∆ 𝑥Τ
𝑦 =
𝑦2
• Pour l’erreur relative:

∆𝑥+∆𝑦
•𝐸 𝑥+𝑦 =
𝑥+𝑦
∆𝑥+∆𝑦
•𝐸 𝑥−𝑦 =
𝑥−𝑦
• 𝐸𝑥.𝑦 = 𝐸𝑥 + 𝐸𝑦
• 𝐸𝑥Τ𝑦 = 𝐸𝑥 + 𝐸𝑦
 Représentation des nombres en machines
• Tout nombre réel x s’écrit sous la forme

𝑠 𝑏
• 𝑥 = −1 × 0. 𝑎1 𝑎2 𝑎3 ……. 𝑎𝑁 × 𝑏 𝑒 = −1 𝑠
×m × 𝑏 𝑒

0 𝑠𝑖 𝑥 > 0
Où: - 𝑠 est le signe de x ቊ
1 𝑠𝑖 𝑥 < 0
- N est le nombre de chiffres significatifs de 𝑥
- m est la mantisse 𝑚 = 0. 𝑎1 𝑎2 𝑎3 ……. 𝑎𝑁 𝑏
avec 0 ≤ 𝑎𝑖 ≤ 𝑏 − 1 𝑒𝑡 𝑎1 ≠ 0
- e l’exposant
- b la base de représentation
• Exemple: le nombre + 59,4151 * 10−5 s’écrit dans la base 10
• +0,594151 * 10−3
• 0.0121 s’écrit (dans la base 10)
• +0.121 * 10−1
• −5837.25 (s’écrit dans la base 10)
• −0.583725 * 104
 2. Méthodes directes de résolution des
systèmes linéaires
• 2. 1 Rappels sur les matrices
• 1) Matrice : une matrice est un tableau de chiffres rangés en lignes et
en colonnes
une matrice à 2lignes et 3 colonnes est de la forme
𝑎11 𝑎12 𝑎13
• 𝑎21 𝑎22 𝑎23
• 2)Ordre d’une matrice : Une matrice d’ordre m et n possède : m
lignes et n colonnes. Dans l’exemple précédent on dira que la matrice
est d’ordre (2,3).
• L’ensemble des matrices de n lignes et m colonnes à coefficients réels
est noté 𝑀𝑛,𝑚 ℝ
𝑎11 𝑎12 . . . . 𝑎1𝑚
𝑎21 𝑎22 . . . . 𝑎2𝑚
. . .
• . . . .
. . . .
. . . .
𝑎𝑛1 𝑎𝑛2 … … 𝑎𝑛𝑚
• - Matrice colonne : Elle ne possède qu’une seule colonne et n lignes :
matrice (n,1) i.e
𝑎11 1
• 𝑎21 comme 0
𝑎31 3
• Matrice ligne : Elle ne possède qu’une seule ligne et m colonnes :
matrice (1,m) i.e
• 𝑎11 𝑎12 𝑎13 exple 2 −1 0
• Matrice carrée
C’est une matrice qui a autant de lignes que de colonnes (n=m) i.e

𝑎11 𝑎12 𝑎13 1 0 1

𝑎21 𝑎22 𝑎23 exple 3 −1 2
𝑎31 𝑎32 𝑎33 5 −2 0
• La diagonale principale d’une matrice est formée par l’ensemble des
éléments 𝑎𝑖𝑖 de la matrice.
𝑎11 𝑎12 𝑎13
• 𝑎21 𝑎22 𝑎23
𝑎31 𝑎32 𝑎33
• Une matrice diagonale est donc une matrice qui a tous ses éléments
nuls sauf ceux de sa diagonale principale.
𝑎11 0 0 1 0 0
• 0 𝑎22 0 comme 0 3 0
0 0 𝑎33 0 0 −1
• - La matrice unité est la matrice diagonale qui n’a que des 1 dans sa
diagonale principale.
1 0 0
• 𝐼3 0 1 0
0 0 1

• Et on a pour toute matrice X d’ordre n, et 𝐼𝑛 matrice unité d’ordre n

•
• 𝑋𝐼𝑛 = 𝐼𝑛 𝑋 = 𝑋
•
• Matrice triangulaire supérieur (𝑎𝑖𝑗 = 0 pour 𝑖 > 𝑗)
𝑎11 𝑎12 𝑎13
• 0 𝑎22 𝑎23
0 0 𝑎33
• Matrice triangulaire inférieur (𝑎𝑖𝑗 = 0 pour 𝑗 > 𝑖)

𝑎11 0 0
𝑎21 𝑎22 0
𝑎31 𝑎32 𝑎33
• Addition : On ne peut additionner que des matrices de même ordre.
On additionne les éléments équivalents (dans la même position dans
les deux matrices) de chaque matrice i.e
𝑎11 𝑎12 𝑎13 𝑏11 𝑏12 𝑏13
• 𝐴+𝐵 = 𝑎 𝑎 𝑎 +
21 22 23 𝑏21 𝑏22 𝑏23
𝑎11 + 𝑏11 𝑎12 + 𝑏12 𝑎13 + 𝑏13
•=
𝑎21 + 𝑏21 𝑎22 + 𝑏22 𝑎23 + 𝑏23
Exemple:
1 0 2 2 −2 2 3 −2 4
• + =
−1 2 −3 1 2 0 0 4 −3
 2.3 Opérations sur les matrices
• Multiplication d’une matrice par un scalaire: Tous les éléments de la
matrice sont multipliés par ce scalaire.

𝑎11 𝑎12 𝑎13 𝜆𝑎11 𝜆𝑎12 𝜆𝑎13

• 𝜆𝐴 = 𝜆 𝑎21 𝑎22 𝑎23 = 𝜆𝑎21 𝜆𝑎22 𝜆𝑎23
𝑎31 𝑎32 𝑎33 𝜆𝑎31 𝜆𝑎32 𝜆𝑎33
• Exemple:
1 0 1 2 0 2
• 2 3 −1 2 = 6 −2 4
5 −2 0 10 −4 0
• Multiplication de 2 matrices (AxB=C) : La multiplication n’est possible que
si le nombre de colonnes de A est égal au nombre de lignes de B. Si A (m, p)
multiplie B( p, n) alors C est une matrice d’ordre ( m, n). La multiplication
est effectuée en multipliant terme à terme une ligne de A avec une colonne
de B et en additionnant chacun des produits. i.e
𝑏11 𝑏12
𝑎11 𝑎12 𝑎13 𝑐11 𝑐12
𝑎21 𝑎22 𝑎23 × 𝑏21 𝑏22 = 𝑐21 𝑐22
𝑏31 𝑏32
oùሼ𝑐11 = 𝑎11 𝑏11 + 𝑎12 𝑏21 + 𝑎13 𝑏31
ሼ𝑐12 = 𝑎11 𝑏12 + 𝑎12 𝑏22 + 𝑎13 𝑏32
ሼ𝑐21 = 𝑎21 𝑏11 + 𝑎22 𝑏21 + 𝑎23 𝑏31
ሼ𝑐22 = 𝑎21 𝑏12 + 𝑎22 𝑏22 + 𝑎23 𝑏32
• Exemple:
• si A est d’ordre 3 ×3 et B d’ordre 3 ×2 alors A ×B est d’ordre 3 ×2
1 0 2 2 1 6 5
• 2 1 −1 × 0 2 = 2 2
1 3 2 2 2 6 11

• Matrice inversible: Une matrice carrée A, d’ordre n est inversible, s’il

existe une matrice qu’on note 𝐴−1 de même ordre que A et qui vérifie:
• 𝐴 𝐴−1 = 𝐴−1 𝐴 = 𝐼𝑛
 2.4 Transposée d’une matrice:
• La transposée d’un matrice A ∈ ℳ𝑛,𝑚 (ℝ), est la matrice notée 𝐴𝑡 ∈
ℳ𝑚,𝑛 (ℝ), définie par
𝑡
• 𝑎𝑖,𝑗 = 𝑎𝑗,𝑖 𝑝𝑜𝑢𝑟 𝑖 = 1, . . , 𝑛 ; 𝑗 = 1, . . , 𝑚
• Exemple:
𝑡
1 2
1 0 4
• 0 5 =
2 5 7
4 7
 2.5 Déterminant de matrices
• Définition: Soit A ∈𝑀𝑛 ℝ une matrice carrée. Le déterminant de A,
noté det(A), est l’élément de ℝ défini par récurrence de la façon
suivante :
• si n = 1 alors A = 𝑎11 et det 𝐴 = 𝑎11 ;
• si n ≥ 2, alors
• det 𝐴 = 𝑎11 ∆11 − 𝑎12 ∆12 +𝑎13 ∆13 … . + −1 1+𝑗 𝑎1𝑗 ∆1𝑗
•
• où ∆1𝑗 est le déterminant de la matrice de 𝑀𝑛−1 ℝ obtenue en
enlevant à A la première ligne et la colonne j .
• Exemples:
1 2 1 2
• 1) det = = 1.2 − 2 −1 = 4
−1 2 −1 2

1 1 2 1 1 2
0 −1 3 −1 3 0
• 2)det 3 0 −1 = 3 0 −1 = 1 -1 +2
2 1 1 1 1 2
1 2 1 1 2 1

• =1(0.1-2(-1))-(3.1-1.(-1))+2(3.2-0.1)=2-4+12=10
• Remarque:
• On peut développer le déterminant d’une matrice suivant soit la
première ligne, soit la première colonne.
• 3.3 Propriétés
• Si on multiplie l’une des lignes d’une matrice par un facteur alors le
déterminant de cette matrice est multiplié par le même facteur
• Le déterminant d’une matrice ayant une ligne nulle est 0.
• Si A et B sont deux matrices carrées de même taille, alors
• det(AB) = det(A) det(B).
• Une matrice carrée et sa transposée ont même déterminant, c.a.d
• 𝑑𝑒𝑡𝐴𝑡 = 𝑑𝑒𝑡𝐴
• Le déterminant de toute matrice triangulaire supérieure( inférieur)
est le produit de ses éléments diagonaux.
• Si une matrice carrée a deux lignes identiques, son déterminant est
nul.
• Si à une ligne d’une matrice on ajoute le produit d’un réel par une
autre ligne, le déterminant est inchangé.
 2.6 Inverse d’une matrice

• Définition:
• Soit 𝐴 ∈ 𝑀𝑛 (ℝ) une matrice carrée d’ordre n. Si il existe une
matrice B ∈ 𝑀𝑛 (ℝ) telle que
• AB = BA =𝐼𝑛 ,
• Une telle matrice B est unique et s’appelle l’inverse de A. On la
note 𝐴−1 .
• Si A est une matrice carrée d’ordre n, alors A est inversible si et
seulement si 𝑑𝑒𝑡𝐴 ≠ 0
 Propriétés
• Soit A et B deux matrices carrées inversibles de même taille. Alors le
produit AB est inversible et son inverse est
• 𝐴𝐵 −1 = 𝐵 −1 𝐴 −1 .
• Si A est une matrice carrée inversible alors sa transposée est
inversible et
• (𝐴𝑡 )−1 = (𝐴−1 )𝑡
• Le système linéaire 𝐴𝑥 = 𝑏 admet une solution unique si et
seulement si A est inversible
 2.7 Calcul pratique de l’inverse d’une matrice
• A est une matrice carrée d’ordre n, si 𝑑𝑒𝑡𝐴 ≠ 0, alors la matrice
inverse de A est donnée par:
1
• 𝐴−1 = 𝐶𝑜 𝑡
det 𝐴
• Où la matrice (Co) appelée matrice des cofacteurs de A est définie par
• 𝐶𝑜 = 𝐶𝑖𝑗 , 𝑖, 𝑗 = 1, . . , 𝑛 𝑒𝑡 𝐶𝑖𝑗 = −1 𝑖+𝑗 ∆
𝑖𝑗
• ∆𝑖𝑗 étant est le déterminant de la matrice de 𝑀𝑛−1 ℝ obtenue en
enlevant à A la ligne i et la colonne j .
• Exemples: Calculer l’inverse de la matrice
1 1 2
• A= 3 0 −1
1 2 1
• On a det A = 10 ≠ 0, d’où A est inversible, calculons alors sa matrice
inverse
−1 1 𝑡
•𝐴 = 𝐶𝑜
det 𝐴
• On calcule tout d’abord la matrice des cofacteurs
 1+1 ∆ = 0 −1 3 −1
• 𝑐11 = −1 11 = 2; 𝑐12 = −1 1+2 ∆12 = − −4
2 1 1 1
3 0
• 𝑐13 = −1 1+3 ∆13 = =6
1 2
2+1 1 2 2+2 1 2
• 𝑐21 = −1 ∆21 = = 3; 𝑐22 = −1 ∆22 = = −1
2 1 1 1
2+3 1 1
• 𝑐23 = −1 ∆23 = − = −1;
1 2
3+1 1 2 3+2 1 2
• 𝑐31 = −1 ∆31 = = −1; 𝑐32 = −1 ∆32 = − =7
0 −1 3 −1
1 1
• ; 𝑐33 = −1 3+3 ∆33 = = −3.
3 0
• D’où la matrice des cofacteurs est
2 −4 6
• 3 −1 −1
−1 7 −3
• Sa transposée est
2 3 −1
• −4 −1 7
6 −1 −3
• Enfin la matrice inverse de A est
2 3 −1
1 1
• 𝐴−1 = 𝐶𝑜 𝑡
= −4 −1 7
det 𝐴 10
6 −1 −3

1Τ 3Τ −1Τ
5 10 10
• 𝐴−1 = −2Τ
5
−1Τ
10
7Τ
10
3Τ −1Τ −3Τ
5 10 10
 2.8 Trace d’une matrice
• Définition:
• La trace d’une matrice carrée A est la somme de ses coefficients
diagonaux c-a-d 𝑡𝑟 𝐴 = σ𝑖=𝑛
𝑖=1 𝑎𝑖𝑖
• Exemple:
1 3 −1
• 𝑡𝑟 0 2 6 = 1 + 2 + −1 = 2
2 3 −1

• Proposition: Soient 𝐴 ∈ ℳ𝑛,𝑚 (ℝ), 𝐵 ∈ ℳ𝑚,𝑛 (ℝ), alors

• 𝑡𝑟 𝐴𝐵 = 𝑡𝑟 𝐵𝐴
 2.9 Matrices semblables
• Si A, B ∈ ℳ𝑛 (ℝ), alors A, B sont semblables s’il existe P ∈ ℳ𝑛 (ℝ),
telle que
• 𝐴 = 𝑃. 𝐵. 𝑃−1
• Exemple:
0 1 0 0
• Les matrices et sont semblables, car
0 0 1 0
0 1 0 0 −1 0 1
• =𝑃 𝑃 ; avec 𝑃 =
0 0 1 0 1 0
 2.10. Valeurs et vecteurs propres
• Définitions:
• On dit que 𝜆 est une valeur propre de la matrice A s’il existe un
vecteur x non nul solution de
• 𝐴𝑥 = 𝜆𝑥

• Le vecteur 𝑥 est alors dit vecteur propre associé à 𝜆

 2.11 Détermination des valeurs et vecteurs
propres d’une matrice
• Théorème: 𝜆 est une valeur propre de la matrice A si et seulement si
• det 𝐴 − 𝜆𝐼 = 0
• Le polynôme det 𝐴 − 𝜆𝐼 est dit polynôme caractéristique de la
matrice A,
• Donc trouver les valeurs propres de A, revient à chercher les racines
du polynôme caractéristique de la matrice A.
Si 𝜆1 , 𝜆2 , … , 𝜆𝑛 sont les valeurs propres de A, on cherchera les vecteurs
propres 𝑥1 , 𝑥2 , … , 𝑥𝑛 associés à chaque valeur propre, solutions de
𝐴𝑥𝑖 = 𝜆 𝑥𝑖 ou bien (𝐴 − 𝜆I )𝑥𝑖 = 0
• Exemple: trouver les valeurs et les vecteurs propres de la matrice A
1 2
•𝐴=
0 −1
• 1) Les valeurs propres de A sont les solution de det 𝐴 − 𝜆𝐼 = 0
1 2 1 0 1−𝜆 2
𝐴 − 𝜆𝐼 = det( −𝜆 = 𝑑𝑒𝑡
• det 0 −1 0 1 0 −1 − 𝜆
1−𝜆 2
= = (1 − 𝜆)(−1 − 𝜆)
0 −1 − 𝜆
• D’où det 𝐴 − 𝜆𝐼 = 0 si et seulement si 𝜆1 =1; 𝜆2 =-1
• 2) Vecteurs propres
𝑥
• Pour 𝜆1 =1, le vecteur propre 𝑦 associé est solution de
𝑥
• 𝐴 − 1𝐼 𝑦 = 0
• C-a-d
1−1 2 𝑥 0 2𝑦 0 𝑥 𝑥 1
• 𝑦 = ⇔ = ⟺ 𝑦 = =𝑥
0 −1 − 1 0 −2𝑦 0 0 0
𝑥 1
• D’où le le vecteur propre 𝑦 associé à 𝜆1 =1 est ,
0
 𝑥
• Pour 𝜆2 =-1, le vecteur propre 𝑦 associé est solution de
𝑥
• 𝐴 − (−1)𝐼 𝑦 = 0
• C.-à-d.
2 2 𝑥 0 2𝑥 + 2𝑦 0 𝑥 𝑥 1
• = ⇔ = ⟺ = = 𝑥
0 0 𝑦 0 0 0 𝑦 −𝑥 −1
𝑥 1
• D’où le le vecteur propre 𝑦 associé à 𝜆2 =-1 est ,
−1
 2.12 Normes matricielles
𝑛
• Définition: Soit 𝐴 = 𝑎𝑖𝑗 est une matrice carré d’ordre n, alors
𝑖,𝑗=1
on définit les normes matricielles suivantes:
• 𝐴 = max σ𝑛𝑗=1 𝑎𝑖𝑗
𝑖
• 𝐴 = max σ𝑛𝑖=1 𝑎𝑖𝑗
𝑗

• 𝐴 = σ𝑛𝑗=1 σ𝑛𝑖=1 𝑎𝑖𝑗

2
 3 Méthodes directes de résolution des
systèmes linéaires
• 3.1 Généralités
• Soit à résoudre un systèmes linéaires
𝑎11 𝑥1 + 𝑎12 𝑥2 +. . . . . . . … … … + 𝑎1𝑛 𝑥𝑛 = 𝑏1
𝑎21 𝑥1 + 𝑎22 𝑥2 +. . . . . . . … … … + 𝑎2𝑛 𝑥𝑛 = 𝑏2
…………………………………………………
• (1)
…………………………………………………
…………………………………………………
𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 +. . . . . . . … … … + 𝑎𝑚𝑛 𝑥𝑛 = 𝑏𝑚
• Qu’on peut écrire sous forme matricielle
•𝐴𝑋 =𝑏
• Avec
𝑎11 𝑎12 . . . . 𝑎1𝑛 𝑥1 𝑏1
𝑎21 𝑎22 . . . . 𝑎2𝑛 𝑥2 𝑏2
. . . . .
•𝐴= . . . . 𝑋= . 𝑒𝑡 𝑏 = .
. . . . . .
. . . . . .
𝑎𝑚1 𝑎𝑚2 … … 𝑎𝑚𝑛 𝑥𝑛 𝑏𝑚
• Pour résoudre ce genre de système, la première idée qui nous vient à
l’esprit est l’utilisation des formules de Cramer données par

𝑎11 𝑎12 . … 𝑎1𝑖−1 𝑏1 . . 𝑎1𝑛

𝑎21 𝑎22 . … 𝑎2𝑖−1 𝑏2 . . . 𝑎2𝑛
. . ………. .
1
• 𝑥𝑖 = . . ………… . .
det 𝐴
. . . .
. . . .
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑛𝑖−1 𝑏𝑚 … 𝑎𝑚𝑛
• Il en résulte que pour la résolution du système (1) par ces formules
nécessite au total 𝑇𝐶𝑟𝑎𝑚𝑒𝑟 = 𝑛 + 1 2 . 𝑛! − 1 opérations
élémentaires, par exemple pour n = 5, on a 𝑇𝐶𝑟𝑎𝑚𝑒𝑟 = 4319 et pour
n = 10, on a 𝑇𝐶𝑟𝑎𝑚𝑒𝑟 ~4. 108 .

Dans ce cas, elle devient très lente en temps d’éxécution (de calculs)
dés que n dépasse 4.
 • Une autre méthode consiste calculer la matrice inverse de A, cest dire :
𝑋 = 𝐴−1 𝑏
• Pour cela, on utilise au total 𝑇𝑖𝑛𝑣𝑒𝑟𝑠𝑒 = 𝑛! 𝑛2 + 𝑛 + 1 + 3𝑛2 − 1
opérations élémentaires, par exemple pour n = 5, on a 𝑇𝑖𝑛𝑣𝑒𝑟𝑠𝑒 = 3790 et
pour n = 10, on a 𝑇𝑖𝑛𝑣𝑒𝑟𝑠𝑒 ~4. 108
• Cette méthode n’est donc pas plus avantageuse que la première.
• Pour cela, nous allons apprendre des méthodes plus rapides et moins
rentables pour résoudre de telles problèmes.
• Définition 1.1: Une méthode de résolution d’un système linéaire est dite
directe si la solution du système peut être obtenue en un nombre fini
d’opérations.
• On ne change pas la solution d’un système linéaire lorsque :
• On permute deux lignes,
• On permute deux colonnes,
• On multiplie une ligne par un réel non nul,
• On ajoute une ligne à une autre.
• Nous allons donc utiliser ces transformations pour se ramener à un
cas simple.
3.2 Méthode d’élimination de Gauss
• Principe: La méthode de Gauss consiste à transformer le système
initial (1) en un système équivalent
• 𝐴′ 𝑋 = 𝑏 ′
• avec 𝐴′ matrice triangulaire supérieur.
• On passe par deux étapes:
• 1- Triangularisation
• 2- Une remontée (solution d’un système triangulaire).
 3.2.1 Résolution d’un système triangulaire
• Si A est une matrice triangulaire supérieure, et si aucun élément diagonal n’est nul, la
solution du système Ax = b est
𝑏𝑛
𝑥𝑛 =
𝑎𝑛𝑛
• 𝑏𝑖 −σ𝑛
𝑗=𝑖+1 𝑎𝑖𝑗 𝑥𝑗
𝑥𝑖 = ; 𝑖 = 𝑛 − 1, . . , 1
𝑎𝑖𝑖

• Si A est une matrice triangulaire inférieure, et si aucun élément diagonal n’est nul, la
solution du système Ax = b est
𝑏1
𝑥1 =
𝑎11
• 𝑏𝑖 −σ𝑛
𝑗=𝑖+1 𝑎𝑖𝑗 𝑥𝑗
𝑥𝑖 = ; 𝑖 = 2, . . , 𝑛
𝑎𝑖𝑖
• Exemple: Soit à résoudre le système ci-dessous
3𝑥1 + 3𝑥2 + 𝑥3 = 1
•ቐ 2𝑥2 − 2𝑥3 = 2
2𝑥3 = 1
• Qu’on peut écrire sous la forme matricielle
3 3 1 𝑥1 1 3𝑥1 + 3𝑥2 + 𝑥3 1
• 0 2 −2 𝑥2 = 2 ↔ 2𝑥2 − 2𝑥3 = 2
0 0 2 𝑥3 1 2𝑥3 1
• D’où par identification, on a de la 3èmè équation
• 2𝑥3 = 1 ↔ 𝑥3 = 1Τ2
• Qu’on remplace dans la 2èmè équation, on obtient
2+2 1Τ2
• 2𝑥2 − 2𝑥3 = 2 ↔ 𝑥2 = = 3Τ2
2
• Et enfin, de la 1èrè équation, on trouve:
1−3 3Τ2 −1Τ2
• 3𝑥1 + 3𝑥2 + 𝑥3 = 1 ↔ 𝑥1 = = − 4Τ3
3
−4Τ
3
• La solution du système est donc est: 3Τ2
1Τ
2
• Exemple: Soit à résoudre le système ci-dessous
3𝑥1 = 3
•ቐ 2𝑥1 − 2𝑥2 = 2
𝑥1 + 2𝑥2 − 2𝑥3 = 2
• Qu’on peut écrire sous la forme matricielle
3 0 0 𝑥1 3 3𝑥1 3
• 2 −2 0 𝑥2 = 2 ↔ 2𝑥1 − 2𝑥2 = 2
1 2 −2 𝑥3 2 𝑥1 + 2𝑥2 − 2𝑥3 2
• D’où par identification, on a
• 3𝑥1 = 3 ↔ 𝑥1 = 1
2𝑥1 −2
• 2𝑥1 − 2𝑥2 = 2 ↔ 𝑥2 = = 0
2
𝑥1 +2𝑥2 −2
• 𝑥1 + 2𝑥2 − 2𝑥3 = 2 ↔ 𝑥3 = = − 1Τ2
2
• La solution du système est donc
1
• 0
− 1Τ2
 A. Triangularisation
• La méthode utilise :
• la multiplication par un scalaire
• la somme de deux lignes.
• Le but de la méthode est d’annuler progressivement les coefficients
qui se trouvent sous la diagonale.
 Triangularisation
• On commence avec A une matrice n lignes et m colonnes (les mêmes
opérations seront effectuées sur le vecteur b)
• Il y a n étapes :
• À l’étape k, on annule sous la diagonale les coefficients de la colonne k .
(𝑘)
𝑎𝑖𝑘
• À chaque ligne i > k, on soustrait la ligne k multipliée par (𝑘) i.e
𝑎𝑘𝑘
• ∀𝑗, 𝑘 < 𝑗 ≤ 𝑚 𝑒𝑡 𝑘 < 𝑖 ≤ 𝑛 𝑜𝑛 𝑎
(𝑘)
(𝑘+1) (𝑘) 𝑎𝑖𝑘 (𝑘)
• 𝑎𝑖𝑗 = 𝑎𝑖𝑗 − (𝑘) 𝑎𝑘𝑗
𝑎𝑘𝑘
(𝑘)
(𝑘+1) (𝑘) 𝑎𝑖𝑘 (𝑘)
• 𝑏𝑖 = 𝑏𝑖 − (𝑘) 𝑏𝑘 pour i=1….n
𝑎𝑘𝑘
 B) Remontée (solution d’un système
triangulaire)
• Après avoir triangulariser la matrice A, on résout le système à matrice
triangulaire supérieur obtenu par remontée :

𝑏𝑛
𝑥𝑛 =
𝑎𝑛𝑛
• 𝑏𝑖 −σ𝑛
𝑗=𝑖+1 𝑎𝑖𝑗 𝑥𝑗
𝑥𝑖 = 𝑝𝑜𝑢𝑟 𝑖 = 𝑛 − 1, . . 1
𝑎𝑖𝑖
• Remarques: 1)La méthode de l’élimination de Gauss consiste éliminer
tous les termes sous la diagonale de la matrice A en utilisant au total
• 𝑇𝐺𝑎𝑢𝑠𝑠 = (4𝑛3 + 9𝑛2 − 7𝑛)Τ6 opérations élémentaires, par
exemple pour n = 5; 𝑇𝐺𝑎𝑢𝑠𝑠 = 115 et pour n = 10; 𝑇𝐺𝑎𝑢𝑠𝑠 = 805. Ce qui
montre l’énorme amélioration que cette méthode apporte par
rapport aux deux autres méthodes
• 2) La méthode de Gauss permet de calculer le déterminant de la
matrice A, et ceci en utilisant le faite que
𝑝 𝑘=𝑛 𝑘
• det 𝐴 = −1 ς𝑘=1 𝑎𝑘𝑘 ; où p est le nombre de
permutations,
• Exemple:
• Résoudre par la méthode de Gauss le système suivant
1 2 3 𝑥1 4
• 1 1 2 𝑥2 = 5
1 1 1 𝑥3 6
• Etape 1: annuler les éléments encadrés, pour cela on effectue les
opérations suivantes:
 • 𝑙2 ← 𝑙2 - 𝑙1
• 𝑙3 ← 𝑙3 - 𝑙1
• On obtient le nouveau système:

1 2 3 𝑥1 4
• 0 −1 −1 𝑥2 = 1
0 −1 −2 𝑥3 2
• Etape 2: annuler l’élément encadré en effectuant l’opération
• 𝑙3 ← 𝑙3 - 𝑙2
 1 2 3 𝑥1 4 𝑥1 + 2𝑥2 + 3𝑥3 4
• 0 −1 −1 𝑥2 = 1 ↔ −𝑥2 − 𝑥3 = 1
0 0 −1 𝑥3 1 −𝑥3 1
• Résolution
• 𝑥3 = −1
1+(−1)
• 𝑥2 = =0
−1
4−2 0 −3(−1)
• 𝑥1 = = 7
1
7
• D’où la solution du système est 0 et on det 𝐴 = 1 × −1 × −1 = 1.
−1
Algorithme d’élimination de Gauss
• Pour i=1,…..,n-1
• - Pour j=i+1,…..,m
𝑎𝑗𝑖
• - 𝑏𝑗 = 𝑏𝑗 − 𝑏𝑖
𝑎𝑖𝑖
• Pour k=i,…..,n
𝑎𝑗𝑖
• 𝑎𝑗𝑘 = 𝑎𝑗𝑘 − 𝑎𝑖𝑘
𝑎𝑖𝑖
• Fin
• Fin
• Fin
Algorithme de Résolution d’un système
triangulaire
𝑏𝑛
• 𝑥𝑛 =
𝑎𝑛𝑛
• Pour i=n-1,…..,1
• 𝑥𝑖 = 𝑏𝑖
• Pour k=i+1,….,n
• 𝑥𝑖 = 𝑥𝑖 - 𝑎𝑖𝑘 𝑥𝑘
• Fin
𝑥𝑖
• 𝑥𝑖 =
𝑎𝑖𝑖
• Fin
 Matrices augmentées
• Pour appliquer la méthode de gauss pour le système,
1 2 3 𝑥1 4
• 1 1 2 𝑥2 = 5
1 1 1 𝑥3 6
• On pourra effectuer toutes les opérations pour diagonaliser la matrice
A sur la matrice augmentée ci-dessous
1 2 34
• 1 1 25
1 1 16
• C.a.d:
1 2 3 4 1 2 3 4
• 0 −1 −1 1 ~ 0 −1 −1 1
0 −1 −2 2 0 0 −1 1
• Ce qui est équivaut à
• 𝑥3 = −1
1+(−1)
• 𝑥2 = =0
−1
4−2 0 −3(−1)
• 𝑥1 = = 7,
1 7
• d’où la solution du système est 0
−1
 3.2 Méthode de Gauss-Jordan
• La méthode de Gauss-Jordan consiste à transformer le système (1) en
un système à matrice diagonale, qu’on peut écrire:
• 𝐴 𝑋 = 𝐵 ~ 𝐼𝑋 = 𝐵′
• et dont la solution est
• 𝑋 = 𝐵′
• Exemple: Résoudre le système suivant par la méthode Gauss-Jordan
𝑥 − 𝑦 + 2𝑧 = 5
• ቐ 3𝑥 + 2𝑦 + 𝑧 = 10
2𝑥 − 3𝑦 − 2𝑧 = −10
• On établit la matrice augmentée correspondante et on applique la
première étape de Gauss-Jordan, le pivot est 1
1 −1 2 5
• 3 2 1 10
2 −3 −2 −10
• Pour annuler 3 et 2 de la première colonne, on effectue les opérations
suivantes:
• 𝑙2 ← 𝑙2 -3 𝑙1
• 𝑙3 ← 𝑙3 - 2𝑙1
• On a
1 −1 2 5
• 0 (5) −5 −5
0 −1 −6 −20
• le nouveau pivot est ensuite 5
• La deuxième ligne est multipliée par 1/5, et 𝑙3 ← 𝑙3 + 𝑙2 , le nouveau
pivot est -7 :
1 −1 2 5 1 −1 2 5
• 0 (1) −1 −1 ~ 0 (1) −1 −1
0 −1 −6 −20 0 0 (−7) −21
• On divise la 3ème ligne par -7 :
1 −1 2 5
• 0 1 −1 −1
0 0 (1) 3
• On a obtenue ce qu’on appelle matrice échelonnée.
• On va procéder à annuler les coefficient qui sont sur la diagonale,
pour cela on va aller de la 3ème colonne et annuler le 2 et le 1 en
faisant
• 𝑙1 ← 𝑙1 -2 𝑙3
• 𝑙2 ← 𝑙2 + 𝑙3
• Ce qui donne
1 −1 0 −1
• 0 1 0 2
0 0 1 3
• Il nous reste à annuler le -1 de la 1ère ligne, on effectue 𝑙1 ← 𝑙1 + 𝑙2
• D’où
1 0 01
• 0 1 02
0 0 13
• La solution du système est ainsi:
𝑥=1
• ቐ𝑦 = 2
𝑧=3
• Cet algorithme permet aussi de calculer le déterminant d’une
𝑘−1
matrice, c’est le produit des 𝑎𝑘𝑘 , qui sont choisit comme pivot à
chaque itération. Si l’algorithme s’arréte parce qu’il n y a plus de
pivot non nul, alors la matrice n’est pas inversible, son déterminant
est nul.
• Donc, pour l’exemple précèdent, on a
• det A=(1).(5).(-7)=-35
 Inversion de matrice par la méthode de
Gauss-Jordan
• On peut calculer la matrice inverse de A par cette méthode et ceci en
l’appliquant au système AX=I. on écrit aussi
• 𝐴 𝐼 ~ 𝐼 𝐴−1
• Reprenons l’exemple précèdent et calculant l’inverse de
1 −1 2
• 3 2 1
2 −3 −2
• On va appliquer la méthode de G-J en utilisant la matrice augmentée
1 −1 2 1 0 0
• 3 2 1 0 1 0
2 −3 −2 0 0 1
• Et on va suivre les mêmes transformation qu’auparavant
•

1 −1 2 1 0 0 1 −1 2 1 0 0
• 0 5 −5 −3 1 0 ~ 0 1 −1 −3Τ5 1Τ
5 0 ~
0 −1 −6 −2 0 1 0 −1 −6 −2 0 1
 1 −1 2 1 0 0 1 −1 2 1 0 0
−3Τ 1Τ 0 ~ 0 1 −3Τ 1Τ 0
• 0 1 −1 5 5 −1 5 5
0 0 −7 −13Τ 1Τ 1 0 0 1 13Τ −1Τ −1Τ
5 5 35 35 7

9 2Τ 2Τ 1 8Τ 1Τ
1 −1 0 Τ35 35 7 1 0 0 Τ35 35 7
• 0 1 0 −8Τ35 6Τ
35
−1Τ
7 ~ 0 1 0 −8Τ35 6Τ
35
−1Τ
7
0 0 1 13Τ35 −1Τ
35
−1Τ
7 0 0 1 13Τ35 −1Τ
35
−1Τ
7
• D’ou la matrice inverse est

1Τ 8Τ 1Τ
35 35 7
• −8Τ
35
6Τ
35
−1Τ
7
13Τ −1Τ −1Τ
35 35 7
 Algorithme de Gauss-Jordan
• Pour k=1,…..,n
𝑘−1
• s’il existe une ligne 𝑖 ≥ 𝑘 telle que 𝑎𝑖𝑘 ≠ 0,
• Échanger cette ligne i et la ligne k; 𝑙𝑖 ↔ 𝑙𝑘
1
• 𝑙𝑘𝑘 = 𝑙
𝑘−1 𝑘
𝑘−1
𝑎𝑘𝑘
• Pour i=1,..,n et 𝑖 ≠ 𝑘
• 𝑙𝑖𝑘 = 𝑙𝑖𝑘−1 − 𝑎𝑖𝑘
𝑘−1
× 𝑙𝑘𝑘
• Sinon, A n’est pas inversible, stop
 3.3 Factorisation LU
• Principe:
• La méthode repose sur la décomposition de la matrice A en
• A=L U
• Où L est une matrice triangulaire inférieur et U est une matrice triangulaire
supérieur.
• Dans ce cas, le système (1) devient
• LU X=b (2)
• Soit en posant U X=Y, on aura
• LY=b (3)
• On résout le système (3) pour trouver Y puis le système U X=Y pour trouver
X solution de (1)
 Description de la méthode
• En développant l’équation matricielle A=L U

𝑎11 𝑎12 . . . . 𝑎1𝑛 𝑙11 0 0 0 0 . .0 𝑢11 𝑢12 . . . . 𝑢1𝑛

𝑎21 𝑎22 . . . . 𝑎2𝑛 𝑙21 𝑙22 . 0 . . .0 0 𝑢22 . . . 𝑢2𝑛
. . . 𝑙31 𝑙32 𝑙33 0 0 0 0 𝑢31 . 𝑢3𝑛
• . . . . = . . . . 0 0 . 𝑢4𝑚
. . . . . . . . . . . .
. . . . . . . 0 . . 𝑢𝑛−1𝑛
𝑎𝑛1 𝑎𝑛2 … … 𝑎𝑛𝑛 𝑙𝑛1 𝑙𝑛2 … … … . 𝑙𝑛𝑛 0 0 00 0 𝑢𝑛𝑛
• Pour déterminer les matrices L et U , on a calculer les coefficients (𝑙𝑖𝑗 )
et (𝑢𝑖𝑗 ) à partir de l’égalité ci –dessous.
• En effet, on a 𝑎𝑖𝑗 = σ𝑘=𝑛
𝑘=1 𝑙𝑖𝑘 𝑢𝑘𝑗 et comme
• 𝑙𝑖𝑘 = 0 𝑝𝑜𝑢𝑟 𝑘 > 𝑖; 𝑢𝑘𝑗 = 0 𝑝𝑜𝑢𝑟 𝑘 > 𝑗, on a les
équations suivantes pour tout 𝑟 = 1, . . , 𝑛:
• 𝑢𝑟𝑗 = 𝑎𝑟𝑗 − σ𝑟−1
𝑘=1 𝑙𝑟𝑘 𝑢𝑘𝑗 Τ𝑙𝑟𝑟 𝑝𝑜𝑢𝑟 𝑗 = 𝑟, . . , 𝑛
• 𝑙𝑖𝑟 = 𝑎𝑖𝑟 − σ𝑟−1
𝑘=1 𝑙𝑖𝑘 𝑢𝑘𝑟 Τ𝑢𝑟𝑟 𝑝𝑜𝑢𝑟 𝑖 = 1, . . , 𝑟
• Remarques : 1-On a 𝑛2 + 𝑛 inconnues avec 𝑛2 coefficients connus 𝑎𝑖𝑗 . Donc on
doit fixer n paramètres dans les équations ci-dessous.
• 2-Il faut souligner que la décomposition LU n’est pas unique, donc il faut faire au
préalable des choix arbitraires. Les deux choix les plus populaires consistent
imposer que la matrice U ait des 1 sur la diagonale (décomposition de Crout) ou
bien que la matrice L ait des 1 sur la diagonale (décomposition de Doolittle).
• Algorithme de Doolittle
• 𝑙𝑖𝑖 = 1; 𝑖 = 1, . . , 𝑛
• 𝑢𝑖𝑗 = 𝑎𝑖𝑗 − σ𝑖−1
𝑘=1 𝑙𝑖𝑘 𝑢𝑘𝑗 ; 𝑖 = 1, . . , 𝑛 𝑒𝑡 𝑗 = 𝑖, . . , 𝑛
𝑗−1
• 𝑙𝑖𝑗 = 𝑎𝑖𝑗 − σ𝑘=1 𝑙𝑖𝑘 𝑢𝑘𝑗 ൗ𝑢𝑗𝑗 ; 𝑗 = 1, . . , 𝑛 𝑒𝑡 𝑖 = 𝑗 + 1, . . , 𝑛
• Algorithme de Crout
• 𝑢𝑖𝑖 = 1; 𝑖 = 1, . . , 𝑛
• 𝑙𝑖𝑗 = 𝑎𝑖𝑗 − σ𝑖−1
𝑘=1 𝑙𝑖𝑘 𝑢𝑘𝑗 ; 𝑖 = 𝑗, . . , 𝑛 𝑒𝑡 𝑗 = 1, . . , 𝑛
𝑗−1
• 𝑢𝑖𝑗 = 𝑎𝑖𝑗 − σ𝑘=1 𝑙𝑖𝑘 𝑢𝑘𝑗 ൗ𝑢𝑗𝑗 ; 𝑖 = 1, . . , 𝑛 𝑒𝑡 𝑗 = 𝑖 + 1, . . , 𝑛
 Algorithme de la factorisation LU(Doolittle)
• Pour i=1,2,….,n (le calcul de la première ligne de U et la première
colonne de U)
• 𝑙𝑖𝑖 = 1
• 𝑢1𝑖 = 𝑎1𝑖
𝑎𝑖1
• 𝑙𝑖1 =
𝑎11
• Fin
 Suite de l’algorithme
• le calcul alternatif des lignes de U et colonnes de L
• Pour i=2,3,…,n
• Pour j=i,..,n
• 𝑢𝑖𝑗 = 𝑎𝑖𝑗 − σ𝑖−1
𝑘=1 𝑙𝑖𝑘 𝑢𝑘𝑗
• Fin
• Fin
• Pour j=2,3,…,n
• Pour i=j+1,..,n
𝑗−1
• σ
𝑙𝑖𝑗 = 𝑎𝑖𝑗 − 𝑘=1 𝑙𝑖𝑘 𝑢𝑘𝑗 ൗ𝑢𝑗𝑗
• Fin
• Fin
• Exemple: Résoudre par la méthode de Factorisation le système
suivant
1 2 3 𝑥1 4
• 1 1 2 𝑥2 = 5
1 1 1 𝑥3 6
• Etape 1: Factorisation de la matrice A=LU
1 2 3 1 0 0 𝑢11 𝑢12 𝑢13
• 1 1 2 = 𝑙21 1 0 0 𝑢22 𝑢23 =
1 1 1 𝑙31 𝑙32 1 0 0 𝑢33

𝑢11 𝑢12 𝑢13

• A= 𝑙21 𝑢11 𝑙21 𝑢12 + 𝑢22 𝑙21 𝑢13 + 𝑢23
𝑙31 𝑢11 𝑙31 𝑢12 + 𝑙32 𝑢22 𝑙31 𝑢13 + 𝑙32 𝑢23 + 𝑢33
• Ainsi, on identifiant les coefficients des deux matrices on tire les valeurs de
la matrice U et L;
1 0 0 1 2 3
• 𝐿 = 1 1 0 ; 𝑈 = 0 −1 −1
1 1 1 0 0 −1
• Etape 2: Résolution du système
• Le système 𝐴𝑋 = 𝑏 devient 𝐿𝑈𝑋 = 𝑏 , soit en posant
• 𝑌 = 𝑈𝑋, d’où on aura 𝐿𝑌 = 𝑏
• On résout en premier le système 𝐿𝑌 = 𝑏 avec L matrice triangulaire
inferieur et puis on résout 𝑈𝑋= 𝑌 avec U matrice triangulaire supérieur
Pour 𝐿𝑌 = 𝑏 qui est
1 0 0 𝑦1 4
1 1 0 𝑦2 = 5
1 1 1 𝑦3 6
Admet la solution
𝑦1 =4; 𝑦2 =1; 𝑦3 = 1
D’où
4
𝑌= 1
1
On résout maintenant le deuxième système 𝑈𝑋= 𝑌
1 2 3 𝑥1 4
0 −1 −1 𝑥2 = 1
0 0 −1 𝑥3 1
• Dont la solution est
7
• 0
−1
• De la solution du système
• 𝐴𝑋 = 𝐵
• Et On décomposant la matrice A en
• 𝐴 = 𝐿𝑈
• En déduit le déterminant de la matrice A par
• det 𝐴 = det 𝐿𝑈 = 𝑑𝑒𝑡𝐿. 𝑑𝑒𝑡𝑈
• Comme le déterminant d’une matrice triangulaire est le produit des
éléments diagonaux de cette matrice, on obtient
• 𝑑𝑒𝑡𝐴 = ς𝑖=𝑛 𝑙
𝑖=1 𝑖𝑖 . ς𝑖=𝑛
𝑖=1 𝑢𝑖𝑖 .
• Comme pour Doolittle, 𝑙𝑖𝑖 = 1, on a donc 𝑑𝑒𝑡𝐴 = ς𝑖=𝑛 𝑖=1 𝑢𝑖𝑖 .
• De même pour Croot, on a 𝑢𝑖𝑖 = 1, ce qui donne 𝑑𝑒𝑡𝐴 = ς𝑖=𝑛 𝑖=1 𝑙𝑖𝑖 .

• Exemple: reprenons notre matrice A de l’exemple précédent

1 2 3
• 1 1 2
1 1 1
• Et sa décomposition
1 0 0 1 2 3
• 𝐿 = 1 1 0 ; 𝑈 = 0 −1 −1
1 1 1 0 0 −1
• Alors, on déduit que
• det 𝐴 = 1. −1. −1 = 1
 3.4 Décomposition de Cholesky
• Rappels:
• 1. Transposée d’une matrice:
• La transposée d’un matrice A ∈ ℳ𝑛,𝑚 (ℝ), est la matrice notée 𝐴𝑡 ∈
ℳ𝑚,𝑛 (ℝ), définie par
𝑡
• 𝑎𝑖,𝑗 = 𝑎𝑗,𝑖 𝑝𝑜𝑢𝑟 𝑖 = 1, . . , 𝑛 ; 𝑗 = 1, . . , 𝑚
• Exemple:
𝑡
1 2
1 0 4
• 0 5 =
2 5 7
4 7
 Matrices symétriques définies positives

• Une matrice 𝐴 ∈ ℳ𝑛×𝑛 ℝ est dite définie symétrique positive si

• 1.𝐴𝑡 = 𝐴( A symétrique)
• 2. 𝑋 𝑡 𝐴𝑋 ≥ 0; ∀𝑋 ∈ ℝ 𝑛 ( A positive)
• 3. 𝑋 𝑡 𝐴𝑋=0 si et seulement si 𝑋 = 0(définie)
 3.4.1 Théorème de Cholesky

• Si 𝐴 ∈ ℳ𝑛×𝑛 ℝ est une matrice symétrique réelle définie positive, il

existe au-moins une matrice B triangulaire inférieure telle que
• 𝐴 = 𝐵𝐵𝑡
• Supposant que A est une matrice symétrique définie positive, alors on
a:
𝐵𝑌 = 𝑏
• 𝐴𝑋 = 𝑏 ⟺ 𝐵. 𝐵𝑡 X = b ⇔ ቊ 𝑡
𝐵 𝑋=𝑌
• Décomposition de Cholesky:
• 1. 𝑏11 = 𝑎11
𝑎𝑖1
• 2. Pour i=2,..,n 𝑏𝑖 1 =
𝑏11

• 3. Pour i=2,..,n-1 𝑏𝑖𝑖 = 𝑎𝑖𝑖 − σ𝑘=𝑖−1

𝑘=1 𝑏𝑖𝑘
𝑘=𝑗−1
𝑎𝑗𝑖 −σ𝑘=1 𝑏𝑗𝑘 𝑏𝑖𝑘
• 4. Pour i=j+1,..,n; 𝑏𝑖𝑗 = ; j=1,..,n
𝑏𝑗𝑗

• 5. 𝑏𝑛𝑛 = 𝑎𝑛𝑛 − σ𝑘=𝑛−1

𝑘=1 𝑏 2
𝑛𝑘
• Exemple:
𝑡
1 2 1 𝑏11 0 0 𝑏11 0 0
• A= 2 5 2 = 𝑏21 𝑏22 0 𝑏21 𝑏22 0
1 2 7 𝑏31 𝑏32 𝑏33 𝑏31 𝑏32 𝑏33
𝑏11 0 0 𝑏11 𝑏21 𝑏31
• = 𝑏21 𝑏22 0 0 𝑏22 𝑏32 =
𝑏31 𝑏32 𝑏33 0 0 𝑏33
𝑏11 2 𝑏11 𝑏21 𝑏11 𝑏31
• 𝑏21 𝑏11 𝑏21 2 +𝑏22 2 𝑏21 𝑏31 + 𝑏22 𝑏32
𝑏31 𝑏11 𝑏21 𝑏31 + 𝑏22 𝑏32 𝑏31 2 +𝑏32 2 + 𝑏33 2
• En identifiant , on obtient
2 1
• 𝑏11 = 1 = 1; 𝑏21 = = 2, 𝑏31 = = 1,
𝑏11 𝑏11

2 2 2
• 𝑏21 +𝑏22 =5 d’où 𝑏22 = 5 − 𝑏21 = 1
2−𝑏21 𝑏31
• 𝑏21 𝑏31 + 𝑏22 𝑏32 =2 d’où 𝑏32 = =0
𝑏22

2 2 2 2 2
• 𝑏31 +𝑏32 + 𝑏33 =7 d’où 𝑏33 = 7 − 𝑏31 +𝑏32 = 6
• D’où la matrice B est
1 0 0
• 2 1 0
1 0 6
• Donc résoudre le système
1 2 1 𝑥1 4
• 2 5 2 𝑥2 = 5
1 2 7 𝑥3 6
• Revient à résoudre les deux systèmes ci dessous
 4 1 0 0 𝑦1 4
• 𝐵𝑌 = 5 ⟺ 2 1 0 𝑦2 = 5
6 1 0 6 𝑦3 6
• Dont la solution est
4
•𝑌= −3
6ൗ
3
• Et
1 2 1 𝑥1 4
• 𝐵𝑡 𝑋 = 𝑌 ⟺ 0 1 0 𝑥2 = −3
0 0 6 𝑥3 6ൗ
3
• Qui a pour solution
29Τ
3
•𝑋= −3
1Τ
3
• La méthode de Cholesky utilise, 𝑇𝐶ℎ𝑜𝑙𝑒𝑠𝑘𝑦 = (2𝑛3 + 15𝑛2 + 𝑛)Τ6
opérations élémentaires, par exemple pour n = 5; 𝑇𝐶ℎ𝑜𝑙𝑒𝑠𝑘𝑦 = 101 et pour
n = 10; 𝑇𝐶ℎ𝑜𝑙𝑒𝑠𝑘𝑦 = 585