Année universitaire 2024-2025

Fiche TD 2
Licence 3 de Mathématiques
Résolution de systèmes linéaires
par méthodes directes

Exercice 1. (Matrices triangulaires élémentaires)

Soient n ∈ N∗ et (ei )1≤i≤n la base canonique de Rn . On définit les matrices de Mn (R) suivantes :
— Eij la matrice avec un 1 dans la position (i, j) et 0 partout ailleurs ;
— Vij (λ) = In + λEij , avec λ ∈ R et i > j ;
— L(li ) = In + li eTi , avec li ∈ Rn tel que ses i premières composantes soient nulles.
1. Exprimer le produit Eij Ekl en fonction de Eil .
2. Quels sont les résultats des opérations suivantes sur une matrice A ∈ Mn (R) :

B = Vij (λ)A, C = AVij (λ) ?

3. Soit (λ, λ′ ) ∈ R2 . Calculer Vij (λ)Vkj (λ′ ) pour k ≥ i, et en déduire que Vij (λ) est inversible et
Vij (λ)−1 = Vij (−λ).
4. Représenter la matrice L(li ), puis la décomposer comme produit de matrices de la forme
Vkm (λ), où les valeurs (k, m, λ) sont à déterminer.
5. Calculer L(li )L(lj ) pour j ≥ i, et en déduire que L(li ) est inversible et L(li )−1 = L(−li ).
6. Soit M = L(ln−1 )L(ln−2 ) · · · L(l2 )L(l1 ). Donner une expression de son inverse M −1 en fonction
des li et ei .

Exercice 2. (Méthode de Gauss)

Soient      
2 1 0 4 2 x
 4 1 −2 8  2  y 
A= , b=  et X =  .
     
−4 −2 3 −7 −9 z 
0 −3 −12 −1 2 t
1. Écrire le système linéaire AX = b, noté (S). On note A(1) = A et b(1) = b.
2. Résoudre par la méthode d’élimination de Gauss le système linéaire (S). Pour chaque étape
k (k ∈ {1, 2, 3}) de l’algorithme :
— préciser la matrice A(k+1) et le second membre b(k+1) tels que (S) s’écrit sous la forme
A(k+1) X = b(k+1) ,
— donner la matrice L(k) telle que A(k+1) = L(k) A(k) .
3. Donner la matrice triangulaire inférieure L avec des 1 sur la diagonale et la matrice triangulaire
supérieure U telles que A = LU . En déduire la valeur de det A.

1
Exercice 3. (Complexité du calcul d’un déterminant)
Soit c(n) le nombre d’opérations élémentaires nécessaire au calcul du déterminant d’une matrice
A ∈ Mn (R) par la méthode du développement suivant une ligne ou une colonne.
1. Démontrer que c(n) ≥ n! pour tout n ≥ 2.
2. En supposant que vous disposiez d’un ordinateur effectuant 109 opérations élémentaires à la
seconde, déterminer un minorant du temps de calcul nécessaire pour calculer un déterminant
dans le cas n = 20.
3. Quelle autre méthode proposeriez-vous pour calculer un déterminant ? En disposant du même
ordinateur qu’à la question précédente, déterminer un majorant du temps de calcul nécessaire
pour calculer un déterminant dans le cas n = 20 avec cette méthode.
4. Rappeler le principe de la méthode de Cramer pour la résolution d’un système linéaire. Que
peut-on en conclure sur l’efficacité de la méthode de Cramer ?

Exercice 4. (Stratégie de résolution de A2 X = b)

Soit A ∈ Mn (R) une matrice inversible. Pour résoudre le système linéaire A2 X = b par une
méthode directe, vaut-il mieux calculer C = A2 puis résoudre CX = b, ou bien faire autrement ?
Justifier votre réponse.

Exercice 5. (Matrice de permutation)

Soient σ une permutation de {1, . . . , n} et P = Pσ la matrice de permutation associée.
1. Montrer que P est orthogonale. En déduire que (Pσ )−1 = Pσ−1 et det P ∈ {±1}.
2. Pour A ∈ Mn (K), donner les éléments de P T A et de AP .

Exercice 6. (Inverse de matrices triangulaires)

!
B X
1. Soit A = ∈ Mn+m (K) avec B ∈ Mn (K) et C ∈ Mm (K).
0 C
(a) Montrer que det A = det B · det C.
(b) En déduire que A est inversible si et seulement si B et C sont inversibles, et montrer
que dans ce cas !
−1 B −1 −B −1 XC −1
A = .
0 C −1

2. Montrer que l’inverse d’une matrice triangulaire supérieure (resp. inférieure) est aussi une
matrice triangulaire supérieure (resp. inférieure).

Exercice 7. (Décomposition LU d’une matrice particulière)

Soit A = (aij )1≤i,j≤n ∈ Mn (R) définie par

1

 si i = j ou j = n,
aij = −1 si i > j,


0 sinon.

Déterminer la décomposition LU de A.

2
Exercice 8. (Matrice flèche)
Soit n ≥ 2. On se donne trois vecteurs a = (a1 , . . . , an ) ∈ Rn , b = (b1 , . . . , bn−1 ) ∈ Rn−1 et
c = (c1 , . . . , cn−1 ) ∈ Rn−1 . On considère alors la matrice (dite « flèche ») A ∈ Mn (R) suivante :
 
a1 0 ··· 0 b1
 .. .. 
0
 a2 . . b2 

A =  .. .. .. .. .
 
. . . 0 . 
0 ··· 0 an−1 bn−1 
 

c1 c2 ··· cn−1 an
On suppose que les (n − 1) premiers coefficients de a sont non nuls.
1. Déterminer une factorisation LU de A.
2. En déduire à quelle condition (sur a, b et c) la matrice A est inversible.
3. On suppose désormais que b = c. Montrer que A admet une factorisation A = LDLT avec L
une matrice triangulaire inférieure à diagonale unité et D une matrice diagonale.

Exercice 9. (Matrice tridiagonale)

Soient n ≥ 1 et c = (c1 , . . . , cn ) ∈ Rn tel que ci ≥ 0 pour tout 1 ≤ i ≤ n. Soit A ∈ Mn (R) la
matrice tridiagonale définie par
 
2 + c1 −1 0 ··· 0
 .. .. 
 −1
 2 + c2 −1 
 . .

A= .. .. ..
 0 . . 0 . .

 .
..

 .
 . . −1 2 + cn−1 −1 


0 ··· 0 −1 2 + cn
1. Soit v ∈ Rn un vecteur quelconque. Montrer que
n
X n
X
v T Av = ci vi2 + v12 + vn2 + (vi − vi−1 )2 .
i=1 i=2

2. En déduire que A admet une factorisation de Cholesky.

3. Dans le cas où ci = 0 pour tout 1 ≤ i ≤ n, montrer que la matrice B telle que A = BB T est
bidiagonale et donnée par
 s
 i+1
bi,i = pour tout 1 ≤ i ≤ n,


i


s

 i
bi+1,i = − pour tout 1 ≤ i ≤ n − 1.


i+1

Exercice 10. (Résolution analytique de la droite des moindres carrés)

Étant donnés (m + 1) points du plan Ai = (xi , yi ) avec 0 ≤ i ≤ m, en supposant m ≥ 1 et
que les xi ne sont pas tous égaux, on cherche à déterminer une droite d’équation p(x) = ax + b
qui passe « au mieux » par les points (Ai )0≤i≤m en définissant a et b de telle sorte que la quantité
S(a, b) soit la plus petite possible, avec
m
X
S(a, b) = (yi − axi − b)2 .
i=0

3
 1. À l’aide d’une figure, représenter la quantité que l’on cherche à minimiser.
2. Donner un cas simple où, sans calcul, on a existence et unicité de la solution au problème.
Donner la solution.
3. Montrer que si (a, b) est solution du problème, alors (a, b) est solution d’un système linéaire
de 2 équations à 2 inconnues que l’on précisera.
4. Montrer que le système précédent admet une unique solution notée (α, β).
5. Montrer que la fonctionnelle S admet bien un minimum absolu en (α, β).
6. Application numérique : m = 2, A0 = (0, −1), A1 = (1, 0) et A2 = (2, 2). Déterminer
l’équation de la droite des moindres carrés qui correspond à ces trois points et faire une figure
illustrant cette approximation.

Exercice 11. (Généralisation de l’exercice précédent)

On considère encore (m + 1) points du plan Ai = (xi , yi ) avec 0 ≤ i ≤ m et m ≥ 1. On suppose
maintenant que les xi sont deux à deux distincts, et on se donne n ∈ N∗ . Le problème consiste à
rechercher un polynôme p de degré au plus n qui passe « au mieux » par les points (Ai )0≤i≤m . On
pose pour cela
n
X
p(x) = aj xj ,
j=0

et on cherche à déterminer les coefficients (aj )0≤j≤n afin de minimiser la quantité

m
X
S(a0 , . . . , an ) = (yi − p(xi ))2 .
i=0

1. En appliquant la méthode de l’exercice précédent, montrer que X = (a0 , . . . , an )T est né-

cessairement solution d’un système linéaire de (n + 1) équations à (n + 1) inconnues. On
déterminera la matrice B et le second membre c de ce système (S ′ ).
2. On considère le système linéaire (S) suivant :

p(xi ) = yi , 0 ≤ i ≤ m,

où les inconnues sont les coefficients (aj )0≤j≤n du polynôme p. Préciser la matrice A et le
second membre b de (S).
3. Montrer que le système (S ′ ) correspond au système AT AX = AT b.
4. Montrer que le système (S ′ ) admet une unique solution si m > n. Que se passe-t-il dans les
cas m = n et m < n ?