Décomposition Matricielle
Transféré par
Lamiae El jabriDécomposition Matricielle
Transféré par
Lamiae El jabriDÉCOMPOSITION
MATRICIELLE
RÉALISÉ PAR: PR. ROUDANI MOHAMMED
ANNÉE UNIVERSITAIRE:2024/2025
LES SYSTÈMES LINÉAIRES
➢Soit les systèmes linéaires suivants :
➢ Les deux systèmes sont simples à résoudre
➢La solution de (𝑆1 ) est (−4, 5, 1) et de (𝑆2 ) est(1, −1, 2).
LES SYSTÈMES LINÉAIRES
➢On peut remarquer que la résolution des systèmes de cette
forme sont plus faciles que la résolution d’un système plein,
par exemple
LES SYSTÈMES LINÉAIRES
➢On peut associer à chaque système linéaire une forme
matricielle :
➢Exemple : Pour le système (𝑆3 )
LES SYSTÈMES LINÉAIRES
➢On peut donc penser à écrire une matrice A = LU avec L est
une matrice triangulaire inférieure et U une matrice
triangulaire supérieure. Si c’est le cas, au lieu de résoudre un
système plein, on peut résoudre deux système triangulaire
(facile à traiter)
➢On note par Y = UX. Ensuite, on résout deux systèmes
triangulaires suivants
DÉCOMPOSITION LU
INTRODUCTION
➢La décomposition LU est une factorisation d'une matrice 𝐴
sous la forme 𝐴 = 𝐿𝑈.
➢𝐿 est une matrice triangulaire inférieure et 𝑈 une matrice
triangulaire supérieure.
➢Cette méthode est utile pour résoudre des systèmes
linéaires et calculer des déterminants.
DÉFINITION ET CONDITIONS D'EXISTENCE
➢Une matrice carrée 𝐴 ∈ ℝ𝑛×𝑛 admet une décomposition
𝐿𝑈 si elle peut être écrite sous la forme 𝐴 = 𝐿𝑈.
➢ Une condition suffisante d'existence est que toutes les
sous-matrices principales de 𝐴 aient un déterminant non nul.
ALGORITHME DE FACTORISATION LU
1. Initialiser 𝐿 comme une matrice identité et 𝑈 comme
une copie de 𝐴.
2. Pour chaque colonne 𝑗 :
a. Éliminer les coefficients sous la diagonale en
mettant à jour 𝐿 et 𝑈
3. Continuer jusqu'à obtenir 𝐿 triangulaire inférieure et
𝑈 triangulaire supérieure.
EXEMPLE
Matrice donnée :
Décomposition LU :
EXERCICE D’ APPLICATION
➢Soit la matrice
➢Trouver la décomposition LU de A,
➢ Calculer det(A) à partir de ceux de L et U.
SOLUTION
➢On pose :
SOLUTION
SOLUTION
SOLUTION
➢Finalement, on obtient
➢Pour le déterminant de A, on a A = LU et puisque
det(A) = det(L)det(U), on peut conclure que
EXERCICE 1
❑Soient les matrices suivantes :
▪Trouver les matrices 𝐿 et 𝑈 .
▪Vérifier la factorisation en effectuant 𝐿 × 𝑈
CONCLUSION
➢La décomposition LU est une méthode puissante pour
résoudre des systèmes d'équations linéaires.
➢ Elle est largement utilisée en calcul numérique et en
algèbre linéaire.
DÉCOMPOSITION QR
LE BUT
➢On souhaite exprimer une matrice A de taille n × m (non
nécessairement carrée) sous la forme d’un produit de deux
matrices Q et R :
où
✓ Q est une matrice dont les colonnes forment un
ensemble orthonormal, 𝑄𝑇 𝑄 = 𝐼𝑚 ;
✓R est une matrice triangulaire supérieure dont les
éléments diagonaux sont positifs.
INTRODUCTION
➢Soit A une matrice de taille n × m. Si les colonnes de A sont
linéairement indépendantes, alors A peut être factorisée
sous la forme suivante :
où
✓Q est une matrice de taille n × m dont les colonnes
forment un ensemble orthonormé,
✓R est une matrice triangulaire supérieure de taille m × m
dont les éléments diagonaux sont strictement positifs
CONSTRUCTION DE Q (GRAM-SCHMIDT)
1. **Initialisation**
2. **Pour chaque colonne suivante** Ak :
CONSTRUCTION DE R
➢Les coefficients de R sont donnés par
➢La matrice R est triangulaire supérieure :
EXEMPLE
Soit la matrice suivante :
La décomposition QR est :
EXERCICE 1
❑Soient :
▪Trouver la décomposition QR.
EXERCICE 1
DÉCOMPOSITION SVD
(SINGULAR VALUE DECOMPOSITION)
LE BUT
➢On souhaite exprimer une matrice A de taille n × m (non
nécessairement carrée) sous la forme d’un produit de trois
matrices U, ∆ et V :
𝐴 = 𝑈∆𝑉 𝑇
où
✓ U𝑇 est une matrice orthonormal de dimensions 𝑛 × 𝑛,
𝑈 𝑈 = 𝐼𝑛 ;
✓∆ est une matrice diagonale généralisée de dimensions
𝑛 × 𝑚.
✓𝑉 est𝑇 une matrice orthonormal de dimensions 𝑚 ×
𝑚, 𝑉 𝑉 = 𝐼𝑚
EXISTENCE DE LA DÉCOMPOSITION SVD
➢Pour toute matrice A de dimensions (n × m), il existe deux
matrices orthogonales U (n × n) et V (m × m), ainsi qu’une
matrice diagonale généralisée non négative ∆ (n × m)(de
même taille que A), telles que :
𝐴 = 𝑈∆𝑉 𝑇
ETAPES DE LA DÉCOMPOSITION SVD
➢La décomposition SVD d’une matrice A de taille n × m se
déroule en plusieurs étapes clés :
❖Calcul des valeurs singulières :
✓ Les valeurs singulières de A sont les racines carrées des valeurs propres de
𝐴𝑇 𝐴 ou 𝐴𝐴𝑇
❖Construction des matrices U, ∆, et V :
✓ U est formée des vecteurs propres normalisés de 𝐴𝐴𝑇
✓ ∆ est une matrice diagonale (ou diagonale généralisée) contenant les
valeurs singulières ordonnées de manière décroissante
✓ V est formée des vecteurs propres normalisés de 𝐴𝑇 𝐴
EXERCICE 1
❑Soient :
▪Trouver la décomposition SVD.
EXERCICE 1: SOLUTION
Matrice 𝐵𝐵𝑇
Matrice 𝐵𝑇 𝐵
EXERCICE 1: SOLUTION
EXERCICE 1: SOLUTION
EXERCICE 1: SOLUTION
EXERCICE 1: SOLUTION
