Chapitre_1_Methodes_directes

Année universi-
taire : 2022-2023
Méthodes
Méthodes
numériques
L2
Info.


 a 11 x 1 + a 12 x 2 + · · · + a 1n x n = b 1 ,

 a 21 x 1 + a 22 x 2 + · · · + a 2n x n = b 2 ,
..




. ,
a n1 x 1 + a n2 x 2 + · · · + a nn x n = b n .
1
Méthodes Numériques H. MOKHTARI
Table des matières
C HAPITRE 1 G ÉNÉRALITÉS SUR LES MATRICES PAGE 2
I Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
II Généralités sur les matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
III Différents types de matrices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1 Matrices carrées . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2 Matrices diagonales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
3 Matrices triangulaires supérieures et inférieures . . . . . . . . . . . . . . . . . . . . 6
4 Matrices identités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
5 Matrices nulles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
6 Transposée d'une matrice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
7 Matrices symétriques et antisymétriques . . . . . . . . . . . . . . . . . . . . . . . . . . 9
8 Matrices inversibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
C HAPITRE 2 M ÉTHODES DIRECTES DE RÉSOLUTION DES SYSTÈMES LINÉAIRES

Ax = b PAGE 16
I Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
II Résolution avec la matrice inverse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
III Méthode de Cramer . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
IV Systèmes à matrices triangulaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
1 Systèmes à matrices triangulaires supérieures : Méthode de remontée 23
2 Systèmes à matrices triangulaires inférieures : Méthode de descente . 25
V Méthode d'élimination de Gauss . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
VI Méthode de Gauss avec choix du pivot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
1 Méthode de Gauss à pivot partiel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
2 Méthode de Gauss à pivot total . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
VII Méthode de Gauss-Jordan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
VIII Méthode de la factorisation LU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
IX Factorisation de Cholesky . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45
1
01 G ÉNÉRALITÉS SUR LES MATRICES
Contenu
• Introduction.
• Généralités sur les matrices.
• Différents types de matrices.
I Introduction
Ce chapitre a pour but de rappeler un certain nombre d'outils de calcul matriciel, nécessaires
à la compréhension des chapitres qui suivent.
II Généralités sur les matrices

Les matrices sont largement utilisées dans les mathématiques et les sciences de leur poten-
tiel pour faire représenter utile et concise les différents objets mathématiques, comme les
valeurs qui dépendent de deux paramètres ou systèmes linéaires, ce que ce dernier, qui en
fait un élément central de l'analyse mathématique.
Dans cette section, nous allons apprendre à identifier les types particuliers de matrices tels
que la matrice carrée, ligne, colonne, identité, nulle, diagonale, triangulaire (inférieure et
supérieure).
Définition d'une matrice

¡ ¢
En algèbre linéaire, une "matrice" de format (m, n) Mm,n à coefficients dans K est
un tableau de m × n d'éléments (nombres, caractères) de K organisés en m lignes et
n colonnes.
Chaque élément de la matrice est repéré par deux indices, le premier est l'indice de
la ligne, le second est l'indice de la colonne.
Exemple :
Dans cet exemple, on présente une matrice M4,3 (4 lignes et 3 colonnes) à coefficients
entiers et de dimension comme suit :
 
0 5 2
 
4 1 6
 
M =
8

 9 1
 
1 3 7
2
Définition (matrice ligne et matrice colonne)
1 Une matrice de dimension 1 × n est appelée "matrice ligne" (elle comporte

qu'une seule ligne ) et a la forme générale suivante :
¡ ¢
a 11 a 12 ··· a 1n
2 Une matrice de dimension m × 1 est appelée "matrice colonne" (elle comporte

qu'une seule colonne ) et a la forme générale suivante :
 
a 11
 
a 
 21 
 
 .. 
 . 
 
 
a m1
Exemple :
1 Les matrices suivantes sont toutes des matrices lignes, car elles comportent
qu'une seule ligne :
³ ´ ³ ´ ³ ´
A = −5 −7 , B= 0 −1 3 , C= 4 −2 3 8 1
2 Les matrices suivantes ne sont pas des matrices lignes, car elles comportent plus
qu'une ligne :
 
0  
    4 5 −3
−3 1 2 3  
  
D=  , E =  F = 0 8 8 

−3 2 −2 4 ,  
 
  7 6 −1
4
La seule matrice colonne est la matrice E , alors que les autres matrices ne sont
pas des matrices colonnes, car elle comportent plus d'une colonne.
III Différents types de matrices

Il existe plusieurs types de matrices, telles que les matrices carrées, diagonales, identités,
nulles, triangulaires, · · · .
1. Matrices carrées
Les matrices carrées sont des objets mathématiques très importants et fréquemment uti-
lisées dans l'algèbre linéaire. De nombreux théorèmes avancés et utiles sont basés sur le
3
fait que les matrices impliquées sont carrées. Bien que les opérations d'addition et de mul-
tiplication de matrices puissent être définies sur des matrices de dimension générale, les
opérations d'exponentiation et d'inversion ne sont définies que lorsque la matrice est carrée.
Définition d'une matrice carrée

Une matrice est dite "matrice carrée" de dimension n si le nombre de lignes m est
égal au nombre de colonnes n (n = m) et ayant la forme générale :
 
a 11 a 12 ··· a 1n
 
a a 22 ··· a 2n 
 21 
 
 .. .. ... .. 
 . . . 

 
a n1 a n2 ··· a nn
La dimension d'une telle matrice est n × n = n 2 et il y aura coefficients au total.
Exemple :
1 Les matrices suivantes sont des matrices carrées, car le nombre de lignes est égal
au nombre de colonnes (m = n) :
 
0 1 4 −3  
    4 5 −3
1 2 5 0 −3 5   
  
A= , B = , C = 0 8 8 

2 −3 −3 −2 2 5   
 
  7 6 −1
3 −3 0 −2
2 Les matrices suivantes ne sont pas des matrices carrées, car le nombre de ligne
est différent du nombre de colonnes (m ̸= n) :
 
6 6
   
0 1 −3 −4 − 4 ³ ´
 
D=  , E =
−5
, F= 3 −4 6
2 0 −1  0 
 
2 −1
4
2. Matrices diagonales
Définition (Matrice diagonale)
Une "matrice diagonale" est une matrice carrée dont tous les éléments hors de la
diagonale principale sont égaux à zéro, comme dans le cas suivant :
 
a 11 0 ··· 0
 
 0 a 22 0 0 
 
 
 .. .. ... .. 
 . . . 

 
0 0 0 a nn
Exemple :
Dans cet exemple, tous les coefficients diagonaux sont marqués en rouge.
1 Les matrices suivantes sont toutes des matrices diagonales, car tous les éléments
hors de la diagonale principale sont nuls :
 
  8 0 0 0
  3 0 0  
3 0   0 6 0 0
  
A= , B = 0 0 0
, C = .
0 −3   0 0 2 0
 
0 0 −2  
0 0 0 7
• On remarque que toutes les matrices ci-dessus sont toutes des matrices carrées
et diagonales, et que tous les coefficients non diagonaux sont nuls.
• On remarque que la matrice B est diagonale, même si le coefficient diagonal
b 22 = 0, cela est cohérent avec la définition d'une matrice diagonale (ci-
dessus), qui exige seulement que les coefficients non diagonaux soient nuls.
2 Les matrices suivantes ne sont pas diagonales, car il existe des éléments hors de
la diagonale principale ne sont pas nuls :
 
  4 0 0
  3 0 0 0
1 −4    6 0
   
D = , E = 0 4 3 , F = 0 0 6 .
0 3    
0 −2 1  
0 0 0
• On remarque que les deux matrices carrées D et E ne sont pas diagonales, car
leurs coefficients non diagonaux sont non nuls.
• On remarque que la matrice F n'est pas une matrice diagonale, car elle n'est
pas une matrice carrée.
5
3. Matrices triangulaires supérieures et inférieures
Définition d'une matrice triangulaire
Une "matrice triangulaire" est une matrice carrée dont tous les coefficients situés
dans l'un des côtés de la diagonale sont égaux à zéro.
Il existe deux types de matrices triangulaires (supérieure et inférieure).

Définition (Matrice triangulaire supérieure et matrice triangulaire inférieure)
1 Une "matrice triangulaire supérieure" est une matrice carrée dont tous les
éléments situés "sous" la diagonale principale sont égaux à zéros.
 
a 11 a 12 ··· a 1n
 
 0 a 22 ··· a 2n 
 
A=
 .. .. ...

.. 
 . . . 

0 0 0 a nn
2 Une "matrice triangulaire inférieure" est une matrice carrée dont tous les
éléments situés "au-dessus" de la diagonale principale sont égaux à zéros.
 
a 11 0 ··· 0
 
a a 22 ··· 0 
 21 
 
A= . .. ... .. 
 .. . . 

 
a n1 a n2 ··· a nn
Remarque
1 La transposée d'une matrice triangulaire supérieure est une matrice

triangulaire inférieure , et vice-versa .
2 En particulier, on note qu'une matrice diagonale est à la fois

triangulaire supérieure et triangulaire inférieure , car tous les coefficients
en dehors la diagonale sont égaux à zéros .
6
Exemple :
Soient X , Y et Z trois matrices définies par :
     
−1 0 1 0 0 0 3 0 −2
     
 0   0  0 
X = 0 6 , Y = −2 6 , Z = 0 1 .
     
0 0 −4 9 4 5 −4 0 4
• On remarque que la matrice X est une matrice triangulaire supérieure, car il s'agit
d'une matrice carrée où tous les coefficients sous la diagonale principale sont
égaux à zéro.
• On remarque que la matrice Y est une matrice triangulaire inférieure, car il s'agit
d'une matrice carrée où tous les coefficients au-dessus de la diagonale principale
sont égaux à zéro.
• On remarque que la matrice Z n'est pas une matrice triangulaire, car il y a des
coefficients non nuls situés des deux côtés de la diagonale principale.
4. Matrices identités
Définition d'une matrice identité
Une "matrice identité" , dite aussi "matrice unité " , est une matrice diagonale dont
tous les éléments de la diagonale principale sont égaux à 1 et des zéros ailleurs.
On se réfère souvent à ces matrices par les symboles spéciaux 1n ou I n , où n indique
que la matrice est de dimension n × n .
 
1 0 ··· 0
 
0 1 ··· 0
 
 
In =  . .. ... .. 
 .. . .

 
0 0 ··· 1
Remarque
Puisque la matrice identité est une matrice diagonale, elle devrait être une matrice carrée.
7
Exemple :
On définit les matrices identités d'ordre 2, 3 et 4, respectivement, comme suit :
 
  1 0 0 0
  1 0 0  
1 0   0 1 0 0
  
I2 =  , I 3 = 0 1 0, I4 =  
0 1   0 0 1 0
 
0 0 1  
0 0 0 1
5. Matrices nulles
Définition d'une matrice nulle
Une "matrice nulle" de dimension m × n est une matrice avec m lignes et n colonnes
pour laquelle chaque coefficient est égal à zéro , elle est souvent désignée par O mn . Si
une matrice nulle est aussi une matrice carrée de dimension n × n , alors la notation
O n est parfois utilisée.
Exemple :
Toutes les matrices suivantes sont des matrices nulles :
• Matrice nulle de 2 lignes et 4 colonnes :
 
0 0 0 0
O 24 =  .
0 0 0 0
• Matrice nulle d'ordre 2 (2 lignes et 2 colonnes) :

Ã !
0 0
O2 = .
0 0
• Matrice nulle d'ordre 3 (3 lignes et 3 colonnes) :

 
0 0 0
 
 0
O 3 = 0 0 .
 
0 0 0
8
6. Transposée d'une matrice
Soit A une matrice de m lignes et n colonnes. On appelle "transposée" de A et l'on
note A t la matrice à n lignes et m colonnes (les lignes deviennent des colonnes et les
colonnes deviennent des lignes).
Exemple :
Soit A la matrice définie par :
 
3 −2 4
 
 8
A = −3 −7 .
 
6 −3 0
La transposée de la matrice A est donnée par :

 
3 −3 6
 
 − 3
A t = −2 −7 .
 
4 8 0
7. Matrices symétriques et antisymétriques

1 Une "matrice symétrique" est une matrice qui est égale à sa propre transposée.
Ainsi A est symétrique si
A t = A.
Intuitivement, les coefficients d'une matrice symétrique sont symétriques par

rapport à la diagonale principale (du coin en haut à gauche jusqu'à celui en bas
à droite).
2 Si A t = −A , alors A est dite "matrice antisymétrique" .
9
Exemple :
1 Soit A la matrice définie par :
 
4 −1 3
 
 − 9
A = −1 2 .
 
3 −9 6
La matrice A est une matrice symétrique, car tous les coefficients sont symé-
triques par rapport à la diagonale principale.
2 Soit B la matrice définie par :
 
0 −2 3
 
 7
B = 2 0 ,
 
−3 −7 0
donc
   
0 2 −3 0 −2 3
   
 − 7  7
B t = −2 0  = − 2 0  = −B .
   
3 7 0 −3 −7 0
¡ t ¢
Alors, la matrice B est une matrice antisymétrique. B = −B .
Remarque
Toute matrice diagonale est symétrique, puisque tous les coefficients en dehors de la
diagonale principale sont nuls.
8. Matrices inversibles
Une "matrice inversible" est une matrice carrée A pour laquelle il existe une matrice
B de même taille n avec laquelle les produits AB et B A sont égaux à la matrice identité.
AB = B A = I n .
Dans ce cas la matrice B est unique, appelée "matrice inverse" de A et notée B = A −1 .
10
a - Déterminant d'une matrice
Déterminant d'une matrice
Soit A la matrice carrée d'ordre n
 
a 11 ··· a 1n
 
 .. ... .. 
A=
 . . 

 
a n1 ··· a nn
Si pour tout i et j , on note par A i , j la matrice obtenue en enlevant à A sa i -ème ligne

et sa j -ème colonne, telle que :
 
a 1,1 ... a 1, j −1 a 1, j +1 ... a 1,n
 
 .. .. .. .. 
 . . . . 
 
 
a i −1,1 ... a i −1, j −1 a i −1, j +1 ... a i −1,n 
 
Ai , j =
a i +1,1

 ... a i +1, j −1 a i +1, j +1 ... a i +1,n 

 
 .. .. .. .. 
 . . . . 

 
a n,1 ... a n, j −1 a n, j +1 ... a n,n
On peut alors développer le calcul du déterminant de A suivant une ligne ou une

colonne.
1 Le développement suivant la ligne i :
X
n ¡ ¢
det (A) = a i , j (−1)i + j det A i , j .
j =1
2 Le développement suivant la colonne j :

X
n ¡ ¢
det (A) = a i , j (−1)i + j det A i , j .
i =1
¡ ¢
• Le terme (−1)i + j det Ai , j est appelé le "cofacteur" du terme ai , j .
¡ ¢
• Le terme det Ai , j est appelé le mineur du terme ai , j .
Cette méthode porte le nom de "développement suivant une ligne" (ou

"une colonne" ), "méthode de Laplace" ou "méthode des cofacteurs" ou
"des mineurs" .
11
Exemple :
1 Déterminant d'une matrice carrée d'ordre 2 :
Soit A la matrice définie :
 
−2 3
A= 
6 4
Le déterminant de la matrice A est donné par :

 
−2 3
det(A) = det   = (−2) (4) − (3) (6) = −8 − 18 = −28.
6 4
2 Déterminant d'une matrice carrée d'ordre 3 :

Soit B la matrice définie :
 
3 −2 4
 
 0 
B = −1 5 
 
9 6 −7
Le déterminant de la matrice B est donné par :

 
3 −2 4
 
 0 
det(B ) = det −1 5 
 
9 6 −7
     
5 0 −1 0 −1 5
= (3) (−1)1+1 det   + (−2) (−1)1+2 det   + (4) (−1)1+3 det  
6 −7 9 −7 9 6
= (3) ((5) (−7) − (0) (6)) + (2) ((−1) (−7) − (0) (9)) + (4) ((−1) (6) − (5) (9))
= (3) (−35 − 0) + (2) (7 − 0) + (4) (−6 − 45)
= (3) (−35) + (2) (7) + (4) (−51)
= −105 + 14 − 205
= −295.
Remarque
Le déterminant d'une matrice triangulaire est le produit des éléments diagonaux.
12
Exemple :
Soient A et B deux matrices définies par :
   
2 7 −1 −2 0 0
   
 2   0 
A = 0 −3  et B = 4 11 
   
0 0 4 −1 0 −3
 
2 7 −1
 
 −3 2 
det (A) = det 0  = (2) (−3) (4) = −24
 
0 0 4
 
−2 0 0
 
 0 
det (B ) = det  4 11  = (−2) (11) (−3) = 66.
 
−1 0 −3
b - Calculons l'inverse d'une matrice via la méthode

de cofacteurs
Inverse d'une matrice
Si le déterminant d'une matrice A est non nul, alors A est inversible, son inverse étant
donnée par :
1
A −1 = (com (A))t ,
det (A)
où (com (A))t est la transposée de la comatrice de A . En effet, toute matrice carrée A

d'ordre n vérifie :
A t (com (A)) = (com (A))t A = det (A) I n .
Cette écriture permet un calcul aisé de l'inverse d'une matrice.
13
Calculons le déterminant d'une matrice carrée
1 Inversion des matrices 2 × 2 :

     
a b d −c d −b
A= , com (A) =  , (com (A))t =  
c d −b a −c a
donc
 −1  
a b 1 1 d −b
A −1 =   = (com (A))t =  
c d det (A) ad − bc −c a
Finalement :
 
1 d −b
A −1 =  
ad − bc −c a
2 Inversion des matrices 3 × 3 :

Nous avons
det (A) = aei + b f g + cd h − ceg − f ha − i bd .
 −1
a b c
 
 f
A −1 = d e 
 
g h i
 t
ei − f h f g −di d h − eg
1   ch − bi ai − c g bg − ah 

=  
det (A)  
b f − ce cd − a f ae − bd
 
ei − f h ch − bi b f − ce

1 f g −di 
=  ai − c g cd − a f 

det (A)  
d h − eg bg − ah ae − bd
Finalement :
 
ei − f h ch − bi b f − ce
−1 1  f g −di ai − c g

cd − a f 
A =  
det (A)  
d h − eg bg − ah ae − bd
14
Exemple :
1 Calculons l'inverse de la matrice A :
Soit A la matrice définie :
 
−2 3
A= 
6 4
Le déterminant de la matrice A est donné par :

 
−2 3
det (A) = det   = (−2) (4) − (3) (6) = −8 − 18 = −28.
6 4
2 Calculons l'inverse de la matrice B :

Soit B la matrice définie :
 
3 −2 4
 
 0 
B = −1 5 
 
9 6 −7
D'après l'exemple précédent, nous avons

det (B ) = −295.
 
+ ((5) (−7) − (0) (6)) − ((−1) (−7) − (0) (9)) +((−1)(6) − (5)(9))
com (B ) = − ((−2) (−7) − (4) (6)) + ((3) (−7) − (4) (9)) − ((3) (6) − (2) (9)) 
+ ((−2) (0) − (4) (5)) − ((3) (0) − (4) (5)) + ((3) (0) − (−1) (4))
 
−35 −7 − 51
 
 10 − 57 − 36 
= ,
 
−20 −4 13
donc
 
−35 10 − 20
 
 −4 
(com (B ))t =  −5 − 57 .
 
−51 − 36 13
Alors
 −1  
3 −2 4 −35 10 − 20
   
 0  1 1  −5 −4 
B −1 = −1 5  = (com (B ))t =  − 57 
  det (B ) det (−295)  
9 6 −7 −51 − 36 13
15
02
M ÉTHODES DIRECTES DE RÉSOLU -
TION DES SYSTÈMES LINÉAIRES Ax = b
I Introduction
Les méthodes numériques sont le carrefour de deux disciplines les mathématiques et l'informatique.
Faute de manque d'outils mathématiques pour la résolution analytique de certains pro-
blèmes d'ordre mathématiques, qui proviennent en général des autres disciplines (mé-
canique, physique, etc.), l'analyse numérique offre la possibilité d'apporter des solutions
approximatives aux problèmes posés (résolution des équations non linéaires, estimation de
fonctions, · · · ).
Le cours de méthodes numériques est destiné aux étudiants de deuxième année informa-
tique.
L'analyse matricielle étudie deux problèmes fondamentaux : l'inversion de matrices ou la

résolution de systèmes linéaires qui fait l'objet du présent chapitre.
Dans tout ce qui suit, notre objectif est de chercher à résoudre le système linéaire à n
équations linéaires à n inconnues, de la forme générale :


 a 11 x 1 + a 12 x 2 + · · · + x 1n x n = b 1 ,





 a 21 x 1 + a 22 x 2 + · · · + x 2n x n = b 2 ,
(S) :
 ..




.



a n1 x 1 + a n2 x 2 + · · · + x nn x n = b n ,
¡ ¢
• a i j 1≤i ≤n,1≤ j ≤n sont les coefficients du système (inconnus réels de R).
• b i , i = 1, · · · , n sont les secondes membres (constantes connues).
• x i , i = 1, 2, · · · , n sont les inconnus à chercher dans R.

• Le système homogène associé à (S) est le système obtenu en remplaçant les bi par 0.
• Résoudre le système (S) signifie chercher toutes ses solutions.
La système (S) est représenté sous la forme d'un produit matriciel :
     
a 11 a 12 ··· a 1n x1 b1
     
a · · ·     
 21 a 22 a 2n   x 2   b 2 
     
 . . .
. . ..  ×  ...  =  ...  .
    
 . .. .
 .
     
     
a n1 a n2 · · · a nn xn bn
16
Si on note
     
a 11 a 12 ··· a 1n x1 b1
     
a  x  b 
 21 a 22 · · · a 2n   2  2
     
 ..
A= .. . . . ..  ,  .. 
X =  et  ..  ,
b = 
 . . .   .  .
    
     
a n1 a n2 · · · a nn xn bn
le système (S) est équivalent à l'écriture matricielle Ax = b , où :

• La matrice A , carrée, contient les coefficients des inconnues.
• Le vecteur colonne X contient ces inconnues.

• Le vecteur colonne b contient les membres de droite des équations du système ; les
coefficients et les inconnues font partie d'un même corps commutatif.
Les méthodes de résolution des systèmes d'équations linéaires se classent en deux grandes
catégories : les "méthodes directes" et les "méthodes indirectes (itératives)" .
1 Les méthodes directes : Elles permettent d'obtenir la solution théorique exacte du

système en un nombre fini d'opérations soit par triangularisation ou soit par décom-
position de la matrice A . Les principales méthodes sont :
• Méthode de Cramer.
• L'élimination de Gauss.
• Méthode de Gauss Jordan.
• La décomposition LU.
• La décomposition de Cholesky.
Ces dernières méthodes sont utilisées uniquement pour résoudre des systèmes de pe-
tites tailles (n ≤ 100).
La caractéristique commune des méthodes directes est qu'elles transforment les équa-
tions originales en équations équivalentes qui peuvent être résolues plus facilement.
La transformation est effectuée en appliquant les trois opérations suivantes :
• Échanger de deux équations.

• Multiplier une équation par une constante non nulle.
• Multiplier une équation par une constante différente de zéro, puis la
soustraire d'une autre équation.
2 "Les méthodes directes (itératives)" : Pour des matrices de dimension importante,

il est préférable d'utiliser des méthodes itératives basées sur la construction d'une suite
de vecteurs x(k) convergente vers la solution du système. Les principales méthodes
sont :
• Méthode de Jacobi.
17
• Méthode de Gauss-Seidel.
Ces dernières méthodes s'appliquent à des systèmes où n > 100.
Définition d'une méthode directe

Une "méthode directe" de résolution est une méthode numérique qui aboutit à la
solution exacte (si elle existe) du système linéaire AX = b ( A et b étant connus) au
bout d'un nombre fini d'opérations élémentaires (+, −, ×, /) et sans les erreurs d'arrondi
(solution exacte).
Exemple :
1


 x + 3y + 4z = 50,



3x + 5y − 4z = 2, système linéaire




 4x + 7y − 2z = 31.
2


 x 4 + 2y 3 + 6z = 9,




6x 3 + 4y + 2z 4 = 1, système non linéaire



 1
2 5
 3x 2 + 4y + 6z = 0.

II Résolution avec la matrice inverse

On sait que, si det (A) ̸= 0, alors A est inversible, c'est-à-dire A −1 existe.
AX = b ⇐⇒ A −1 (AX ) = A −1 b
¡ ¢
⇐⇒ A −1 A X = A −1 b
⇐⇒ X = A −1 b.
Finalement :
X = A −1 b. (2.1)
Le système admet une seule solution donnée par X = A −1 b .
18
Résolution
1 Pour résoudre un système linéaire d'équations par l'utilisation de la matrice

inverse A −1 , en effectuant les étapes suivantes :
• Calculer le déterminant de A et vérifier qu'il est non nul.
• Déterminer la comatrice.
• Transposer la comatrice.
• Diviser la matrice obtenue (com (A))t par le déterminant de A pour obtenir
l'inverse de la matrice.
¡ ¢
• On multiplier l'inverse de la matrice A −1 par le vecteur b pour obtenir X =
A −1 b .
2 Si l'inverse de la matrice des coefficients n'existe pas, alors le système d'équations

correspondant a une infinité de solutions ou aucune solution.
Exemple :
Résoudre l'équation matricielle suivante en utilisant l'inverse d'une matrice.
    
1 −1 −1 x 9
    
1 − 1    
 1   y  = −11 .
    
1 1 0 z 6
Solution :
Nous avons X = A −1 b , donc, la première étape consiste à calculer l'inverse de la matrice
A.
On rappelle qu'une matrice carrée est inversible si son déterminant est non nul. Alors,
on calcule d'abord le déterminant de cette matrice et on s'assure qu'il est non nul.
Le déterminant de la matrice carrée A est donné par :
 
1 −1 −1
 
 − 1
det (A) = det 1 1 
 
1 1 0
     
1 −1 1 −1 1 1
= + (1) det   − (−1) det   + (−1) det  
1 0 1 0 1 1
= 1 (0 + 1) + 1 (0 + 1) − 1 (1 − 1)
= 2.
¡ ¢
Comme det A −1 ̸= 0, l'inverse de la matrice, A −1 , existe. On peut calculer cette matrice
inverse en appliquant la méthode suivante :
19
• Calculer la comatrice com (A).
       
1 −1 1 −1 1 1
 + det 




− det 



+ det 
 

 1 
 1 0 1 0 1 
   
  −1
       1 0
 −1 
 −1 −1 1 −1 1   
        − 2
com (A) = − det   + det   − det   = −1 1 .
 1 0 1 0 1 1   
  2 
  0 2
      
 
 −1 −1 1 −1 1 −1 
      
+ det   − det   + det  
1 −1 1 −1 1 1
• Transposer la comatrice (com (A))t :

 
1 −1 2
 
 0
(com (A))t = −1 1 
 
0 −2 2
• Diviser la matrice obtenue par le déterminant de A pour obtenir l'inverse de la

matrice :
 
1 −1 2
1 1  −1 0

A −1 = (com (A))t =  1 
det (A) det (A)  
0 −2 2
Maintenant que nous avons calculé l'inverse de la matrice, nous pouvons multi-
plier les deux membres de l'équation à gauche par celle-ci et écrire
    
1 −1 2 9 16
−1 1  −1 1 0
  
−11 −10

X =A b=   = .
det (A)     
0 −2 2 6 17
¡ ¢t
et comme X = x, y, z , alors :
   
x 16
   
 y  −10
 = .
   
z 17
En posant l'égalité des coefficients correspondants des matrices ci-dessus, on

obtient :
x = 16, y = −10 et z = 17.
20
III Méthode de Cramer
La méthode de Cramer permet de calculer explicitement les solutions d'un système linéaire
à n variables et n inconnues ayant une solution unique (c.-à-d. le déterminant de la matrice
de coefficients est non nul). Un tel système est souvent appelé système de Cramer.
En calcul, la méthode de Cramer permet de donner la solution du système de manière ex-
plicite, elle peut s'appliquer aux systèmes dont les coefficients dépendent de paramètres et
qu'elle permet de calculer chaque coordonnée xi de la solution indépendamment des autres.
La recherche directe de l'inverse A −1 d'une matrice A demande beaucoup de temps, c'est

pour cela que la méthode de la résolution par l'utilisation de la matrice inverse est rarement
appliquée.
L'existence et l'unicité de la solution d'un système linéaire dépend de la valeur du détermi-

nant de A .
La méthode de Cramer
1 Si la matrice A est inversible (det (A) ̸= 0) , alors le système est dit de Cramer,
admet une solution unique donnée par la formule de Cramer suivante (sous
forme de quotient de déterminants) :
det (A i )
xi = , i = 1, · · · , n,
det (A)
où det (A) est le déterminant de la matrice A et A i est la matrice carrée d'ordre

n obtenue à partir de A en remplaçant la i -ème colonne de A par le vecteur b .
2 Si la matrice A est n'est pas inversible (det (A) = 0) , alors le système

n'admet pas de solution ou il admet une infinité de solutions.
Exemple :
Résoudre le système suivant par la méthode de Cramer :


 3x − y = 5,



−2x + y + z = 0,




 2x − y + 4z = 15.
Solution :
• Écriture du système sous forme matricielle AX = b , où :
   
3 −1 0 5
   
−2 1 0
A=

1 
 et b =
 .

   
2 −1 4 15
21
• Calculons le déterminant de la matrice A :
 
3 −1 0
 
−2 1
det (A) = det 

1 

 
2 −1 4
     
1 1 −2 1 −2 1
     
= (3) det   − (−1) det   + 0 det  
−1 4 2 4 2 −1
= 15 − 10 = 5.
• Calculons x , y et z :
 
5 −1 0
 
0 1
det 

1 

 
15 −1 4
det (A 1 ) 10
x= = = = 2.
det (A) 5 5
 
3 5 0
 
−2 1
det 

0 

 
2 15 4
det (A 2 ) 5
y= = = = 1.
det (A) 5 5
 
3 −1 5
 
−2 0
det 

1 

 
2 −1 15
det (A 3 ) 15
z= = = = 3.
det (A) 5 5
Finalement, l'unique solution du système est

 
2
 
1
X = 
 .
 
3
IV Systèmes à matrices triangulaires
22
1. Systèmes à matrices triangulaires supérieures : Mé-
thode de remontée
On dit qu'un système AX = b est triangulaire supérieur si la matrice A est triangulaire
supérieure (c'est-à-dire ai j = 0, ∀i > j , i , j = 1, · · · , n ).


 a 11 x 1 + a 12 x 2 + · · · + a 1n x n = b 1 ,





 a 22 x 2 + · · · + a 2n x n = b 2 ,





a 33 x 3 + · · · ,
(ST S) :


 ..



 .





 a n1 x 1 + a n2 x 2 + · · · = b n .
La résolution d'un tel système se fait par la méthode de remontée (ou retour arrière )
que l'on résume comme suit :



bn
 xn = a ,

nn


 1 ³ P ´
 xi = b i − nj=i +1 a i j x j , i = n − 1, · · · , 1,
ai i
est l'unique solution du système (ST S).
Étapes
Pour un système de 3 équations à 3 inconnues, on suit les étapes suivantes :
1 Tout d'abord, on commence par la troisième équation du système linéaire,
qui nous donne la valeur de x3 .
2 Puis, en substituant la valeur obtenue de x3 dans la deuxième équation du
système pour trouver la valeur de x2 .
3 Enfin, en substituant les deux valeurs obtenues de x3 et x2 dans la
première équation du système pour trouver la valeur de x1 .
23
Exemple :
Soit à résoudre le système suivant :


 4x + 4y − z = 2,



(S 1 ) : y + 4z = 1,




 −7z = 6.
Solution :
Le système (S 1 ) est un système à matrice triangulaire supérieure. On le résout par la
méthode de la remontée (retour avant) :

  4x + 4y − z = 2,
 4x + 4y − z = 2, 


 


 
 y + 4z = 1,
(S 1 ) =⇒ y + 4z = 1, =⇒

 
 −6

 

 −7z = 6, 
 z= ,
 7
 
 4x + 4y − z = 2,  1¡ ¢ 29

 
 x = 2 − 4y + z = − ,

 
 4 7

 

 y = 1 − 4x = 31 ,  31
3
=⇒ 7 =⇒ y= ,

 
 7

 6 


 z =− , 


 
 z = −6,
7
7
donc
 29 
  −
x  7
 
   31 
y   
X =   
  =  7 .
   
z  6
− 
7
24
2. Systèmes à matrices triangulaires inférieures : Mé-
thode de descente
On dit qu'un système AX = b est triangulaire inférieur si la matrice A est triangulaire
inférieure (c'est-à-dire ai j = 0, ∀i < j , i , j = 1, · · · , n ).


 a 11 x 1 = b 1 ,





 a 21 x 1 + x 22 x 2 = b 2 ,
(ST I ) :
 ..




.



a n1 x 1 + a n2 x 2 + a n3 x 3 + · · · + a nn x n = b n .
La résolution d'un tel système se fait par la méthode de descente (ou retour avant )
que l'on résume comme suit :



b1
 x1 = a ,

11


 1 ³ P ´
 xi = b i − ij−1
=1 a i j x j , i = 2, · · · , n,
ai i
est l'unique solution du système (ST I ).
Étapes
Pour un système de 3 équations à 3 inconnues, on suit les étapes suivantes :
1 Tout d'abord, on commence par la première équation du système linéaire, qui
nous donne la valeur de x1 .
2 Puis, en substituant la valeur obtenue de x1 dans la deuxième équation du
système pour trouver la valeur de x2 .
3 Enfin, en substituant les deux valeurs obtenues de x1 et x2 dans la
troisième équation du système pour trouver la valeur de x3 .
Exemple :
Soit à résoudre le système suivant :


 4x = 8,



(S 2 ) : 2x + 3y = 10,




 3x − y + 3z = 13.
25
Solution :
Le système (S 2 ) est un système à matrice triangulaire inférieure. On le résout par la
méthode de la descente :

  x = 2,
 8 


 x = = 2, 


 4 
 1 6
(S 2 ) =⇒ =⇒ y = (10 − 2x) = = 2,
 2x + 3y = 10,  3 3

 


 

3x − y + 3z = 13,  3x − y + 3z = 13,



 x = 2,



=⇒ y = 2,



 ¡ ¢
 z = 1 13 − 3x + y = 9 = 3,
3 3
donc
   
x 2
   
 y  2
X =   
  =  .
   
z 3
Remarque
Le déterminant d'une matrice triangulaire ( inférieure ou supérieure ) est égal au
produit des éléments diagonaux :
Y
n
det (A) = ai i .
i =1
Dans ce cas,
A est inversible ⇐⇒ a i i ̸= 0, ∀i = 1, 2, · · · , n.
V Méthode d’élimination de Gauss
La méthode du pivot de Gauss ( méthode d'élimination de Gauss ou la méthode de

triangularisation de Gauss ) consiste à transformer un système linéaire AX = b en
un autre système linéaire équivalent A ′ X = b ′ (ayant les mêmes solutions que le système
linéaire), et telle que A ′ soit une matrice triangulaire supérieure et la résolution du sys-
tème A ′ X = b ′ est faite par la méthode de remontée . Pour faire cette transformation, on
dispose d'un certain nombre d'opérations élémentaires ou transformatives que l'on peut
faire sur les équations du système sans changer ses solutions. Précisément, on peut :
26
Opérations élémentaires ou transformatives)
• Permuter deux lignes (ou deux colonnes) de la matrice A et donc du

vecteur b aussi.
• Multiplication d'une ligne (ou d'une colonne) par un nombre non nul
(constante).
• Addition d'une ligne à une autre ligne.
En continuant ces trois opérations, on peut transformer la matrice A en une matrice tri-
angulaire supérieure.
Une fois que l'on a un système triangulaire, on obtient directement la dernière inconnue.
On peut ensuite passer à la substitution en remontant ligne par ligne.
Principe de la méthode de Gauss)

L'élimination de Gauss est la méthode la plus familière pour résoudre un système
équations linéaires. Elle se compose de deux parties : la phase d'élimination et la
phase de substitutions.
• La fonction de la phase d'élimination est de transformer le système AX = b
sous la forme A ′ X = b ′ .
• Le système est ensuite résolu par substitution.
Exemple :


 3x − y + 2z = 12,



(S) : x + 2y + 3z = 11,




 2x − 2y − z = 2.
Solution :
• Écriture matricielle associée au système (S) est :
   
3 −1 2 12
   
1 3  11
A=

2 
 et b =
 ,

   
2 −2 −1 2
27
Alors :
 
..
 3 −1 2 . 12  −→ L 1
 
 .. 
 1
 2 3 . 11 

−→ L 2
 

 .. 
 −→ L 3 .
2 −2 −1 . 2
• Premier pivot (a11 = 3) ̸= 0 :

 
..
 3 −1 2 . 12  −→ L (1)
1 = L1
 
 7 7 ..  1
 0
 . 7  −→ L (1)
2 = L2 − L1
3
 3 3 
 
 4 7 ..  2
 0 − − . −6  −→ L (1)
3 = L3 − L1
3
3 3
µ ¶
7
• Second pivot a 22 = ̸= 0 :
3
 .. 

3 −1 2 . 12

−→ L (2) (1)
1 = L1
 
 7 7 .. 
. −→ L (2) (1)
 0 7  2 = L2
 
 3 3 
  4 (1)
 ..  −→ L (2) (1)
3 = L3 + L2
0 0 −1 . −2 7
Alors, résoudre le système (S) revient à résoudre le système :



 3x − y + 2z = 12,


¡ ′¢  7 7
S = y + z = 7,

 3 3



−z = −2.
28
¡ ′¢
• Pour résoudre le système S , en utilisant le substitution arrière (la méthode de
remontée) :
• Calculons la valeur de z : ¡ ¢
Pour trouver la valeur de z , en utilisant la troisième équation du S ′ :
−z = −2 =⇒ z = 2.
• Calculons la valeur de y : ¡ ¢
Pour trouver la valeur de y , en utilisant la deuxième équation du S ′ et en
remplaçant la valeur de z par 2 :
µ ¶ µ ¶ µ ¶µ ¶
7 7 3 7 3 7 3 7
y + z = 7 =⇒ y = 7 − z =⇒ y = 7 − × 2 =⇒ y = =⇒ y = 1.
3 3 7 3 7 3 7 3
• Calculons la valeur de x : ¡ ′¢
Pour trouver la valeur de x , en utilisant la première équation du S et en
remplaçant les valeurs de y et z par 1 et 2, respectivement :
µ ¶
1¡ ¢ 1 1
3x − y + 2z = 12 =⇒ y = 12 + y − 2z =⇒ x = (12 + 1 − 4) =⇒ x = (9) =⇒ x = 3.
3 3 3
Finalement, la solution du système (S) est donnée par :

   
x 3
   
 y   1 

X = = 
  
   
z 2
Exemple :


 6x 1 − 2x 2 + 2x 3 + 4x 4 = 16,




 12x 1 − 8x 2 + 6x 3 + 10x 4 = 26,
(S) :

 3x 1 − 13x 2 + 9x 3 + 3x 4 = −19,





−6x 1 + 4x 2 + x 3 − 18x 4 = −34.
• Écriture matricielle associée au système (S) est :

   
6 −2 2 4 16
   
 12 −8 10   26 
et
6
A=  b = .
3 − 13 9 3  −19
−6 −4 1 − 18 −34
29
Alors :
 
..
 6 −2 2 4 . 16  −→ L 1
 
 .. 
 12
 −8 6 10 . 26  
−→ L 2
 
 .. 
 3
 − 13 9 3 . − 19 

−→ L 3
 
 
 ..  −→ L 4
−6 4 1 − 18 . − 34
• Premier pivot (a11 = 6 ̸= 0) :

 
.. −→ L (1)
 6 −2 2 4 . 16  1 = L1
 
 ..  −→ L (1)
2 = L 2 − 2L 1
 0
 −4 2 2 . −6  
 
 ..  1
 0
 − 12 8 1 . − 27 
 −→ L (1)
3 = L3 − L1
2
 
 
 .. 
0 2 3 − 14 . − 18 −→ L (1)
4 = L4 + L1
• Second pivot (a22 = −4 ̸= 0) :

 
..
 6 −2 2 4 . 16  −→ L (2) (1)
1 = L1
 
 .. 
. −→ L (2) (1)
 0
 −4 2 2 −6   2 = L2
 
 ..  −→ L (2) (1) (1)
3 = L 3 − 3L 2
 0
 0 2 −5 . −9  
  1 (1)
 
 ..  −→ L (2) (1)
4 = L4 + L2
0 0 4 − 13 . − 21 2
• Troisième pivot (a33 = 2 ̸= 0) :

 
..
 6 −2 2 4 . 16  −→ L (3) (2)
  1 = L1
 .. 
 0
 −4 2 2 . −6 
 −→ L (3) (2)
2 = L2
 
 .. 
 0 . −9  −→ L (3) (2) (2)
 0 2 −5  3 = L 3 − 3L 2
 
 
 ..  −→ L (3) (2) (2)
4 = L 4 − 2L 3
0 0 0 −3 . −3
Alors, résoudre le système (S) revient à résoudre le système :



 6x 1 − 2x 2 + 2x 3 + 4x 4 = 16,






¡ ′¢  −4x 2 + 2x 3 + 2x 4 = −6,
S =

 2x 3 − 5x 4 = −9,






 −3x 4 = −3.
30
¡ ′¢
• Pour résoudre le système S , en utilisant le substitution arrière (la méthode de
remontée) :
• Calculons la valeur de x4 : ¡ ′¢
Pour trouver la valeur de x4 , en utilisant la quatrième équation du S :
−3x 4 = −3 =⇒ x 4 = 1.
• Calculons la valeur de x3 : ¡ ¢
Pour trouver la valeur de x3 , en utilisant la troisième équation du S ′ et en
remplaçant la valeur de x4 par 1 :
1 1
2x 3 − 5x 4 = −9 =⇒ x 3 = (−9 + 5x 4 ) =⇒ x 3 = (−4) =⇒ x 3 = −2.
2 2
Pour trouver la valeur de x2 , en utilisant la deuxième équation du S ′ et en
remplaçant les valeurs de x3 et x4 par −2 et 1, respectivement :
1 1
−4x 2 + 2x 3 + 2x 4 = −6 =⇒ x 2 = − (−6 − 2x 3 − 2x 4 ) =⇒ x 2 = − (−4) =⇒ x 2 = 1.
4 4
Pour trouver la valeur de x1 , en utilisant la première équation du S ′ et en
remplaçant les valeurs de x2 , x3 et x4 par 1, −2 et 1, respectivement :
1 1
6x 1 − 2x 2 + 2x 3 + 4x 4 = 16 =⇒ x 1 = (16 + 2x 2 − 2x 3 − 4x 4 ) =⇒ x 1 = (18) =⇒ x 1 = 3.
6 6

   
x1 3
   
   
 x2   1 
   
X =   
 x 3  =  −2 
   
   
   
x4 1
Remarque
• Lorsque l'on choisit le pivot il doit être non nul , si à la i -ème étape ai i = 0 , on
cherche parmi les éléments ai +1 , ai +2 , · · · un élément non nul, que l'on aki puis on
permute les lignes i et k , et on refait le même travail que précédemment.
• Si u nn ̸= 0 la triangularisation est terminée et on résoudre le système par remontée .
• Si u nn = 0 , le système n'a pas de solution ou admet une infinité de solutions .
31
VI Méthode de Gauss avec choix du pivot
La méthode précédente (de Gauss) s'applique lorsque tous les pivots ne sont pas nuls .
Si tel n'est pas le cas, on recherche dans les équations suivantes un coefficient non nul.
La méthode du pivot de Gauss est une méthode pour transformer un système en un
autre système équivalent (ayant les mêmes solutions) qui est triangulaire et est donc
facile à résoudre. Les opérations autorisées pour transformer ce système sont :
• Échange (permutation) de deux lignes.
• Multiplication d'une ligne par un nombre non nul.

Le choix d'un pivot très petit conduit à un mauvais résultat. Pour éviter de problème,
on utilise l'une des deux stratégies de pivotation (recherche d'un pivot non nul) : la
pivotation partielle (pivot partiel) et la pivotation totale (pivot total).
Définition d'un pivot

Soit A une matrice carrée d'ordre n . On appelle "pivot" de A le premier élément non
nul de chaque ligne dans la forme échelonnée de A obtenue par élimination de Gauss.
Si la matrice est inversible, elle a donc n pivots (non nuls).
1. Méthode de Gauss à pivot partiel

Dans le cas ou un des pivots est nul à la k ème étape, la méthode de Gauss précédente
échoue.
La méthode de Gauss à pivot partiel , consiste à chercher un pivot non nul dans la
même colonne, où ce pivot est le plus grand en valeur absolu , il est appelé "pivot maximal"
par colonne , celui-ci est trouvé on permute deux lignes.
Le pivot est choisit par la formule suivante : On choisit comme pivot l'élément al(k)
k
tel
que :
a l(k)
k
= max |a i(k)
k
|,
k≤i ≤n
et on permute les deux lignes l et k .
Exemple :
En utilisant la méthode de Gauss à pivot partiel, résoudre le système linéaire suivant :


 x 2 + 2x 3 = 3,


(S) : 3x 1 + x 2 + 2x 3 = 6,




x 1 + 2x 2 + 2x 3 = 5.
32
Solution :
• Écriture matricielle associée au système (S) :
   
0 1 2 3
   
3 2 6
A=

1 
 et b = 
 .
   
1 2 2 5
Alors
 
..
 0 1 2 . 3  −→ L 1
 
 .. 
 3
 1 2 . 6 

−→ L 2
 

 .. 
 −→ L 3
1 2 2 . 5
• max (|0| , |1| , |3|) = 3. Alors, on permute les deux lignes L 1 et L 2 :

 
..
 3 1 2 . 6  −→ L (1)
1 = L2
 
 .. 
 0
 1 2 . 3 

−→ L (1)
2 = L1
 

 .. 
 −→ L (1)
1 2 2 . 5 3 = L3
 .. 

3 1 2 . 6

−→ L (2) (1)
1 = L1
 
 .. 
 0
 1 2 . 3 

−→ L (2) (1)
2 = L2
 
 5 4 .. 
 0 . 3  −→ L (2) (1) (1)
3 = L3 L1
3 3
µ ¯ ¯¶
¯5¯ 5
• max |1| , ¯¯ ¯¯ = , 2 et L 3 .
alors, on permute les deux lignes L (2) (2)
3 3
 .. 

3 1 2 . 6

−→ L (3) (2)
1 = L1
 
 5 4 .. 
 0
 . 3 

−→ L (3) (2)
2 = L3
 3 3 
 
 ..  −→ L (3) (2)
3 = L2
0 1 2 . 3
33
 
..
. −→ L (4) (3)
 3 1 2 6  1 = L1
 
 5 4 .. 
. −→ L (4) (3)
 0 3  2 = L3
 
 3 3 
 
 6 .. 6  −→ L (4) (3) 3 (3)
 0 0 .  3 = L3 − L2
5
5 5
¡ ′¢
Résoudre le système (S) revient à résoudre le système S :


 3x 1 + x 2 + 2x 3 = 6,





 5 x + 4 x = 3,
2 3
3 3



 6 6

 x3 = .

 5 5
En utilisant la méthode de remontée :

• Calculons x3 :
6 6
x 3 = =⇒ x 3 = 1.
5 5
• Calculons x2 :
µ ¶ µ ¶ µ ¶
5 4 3 4 3 4 3 5
x 2 + x 3 = 3 =⇒ x 2 = 3 − x 3 =⇒ x 2 = 3− =⇒ x 2 = =⇒ x 2 = 1.
3 3 5 3 5 3 5 3
• Calculons x1 :
1 1
3x 1 + x 2 + 2x 3 = 6 =⇒ x 1 = (6 − x 2 − 2x 3 ) =⇒ x 1 = (6 − 1 − 2) =⇒ x 1 = 1.
3 3
Finalement, la solution du système (S)est donnée par :

   
x1 1
X = x 2 = 1 .
  
x3 1
Remarque
Une permutation sur les colonnes entraîne une permutation sur les inconnus.
2. Méthode de Gauss à pivot total

À la k ème étape de la méthode, on détermine l'élément ai j du module le plus grand , on
permute alors la k ème ligne avec la i ème ligne , et la k ème colonne avec la j ème colonne .
L'ordre des composantes su vecteur X est alors change grâce à la permutation des colonnes.
34
Exemple :
Résoudre le système suivant, en utilisant la méthode de Gauss à pivot total :


 0x 1 + x 2 + 4x 3 = 1,



3x 1 + 3x 2 + x 3 = 0,




 4x 1 + 2x 2 − x 3 = 2,
Écriture matricielle associée au système (S) est :

   
0 1 4 1
   
3 1  0
A=

3 
 et b = 
 .
   
4 2 −1 2
Alors
 
..
 0 1 4 . 1  −→ L 1
 
 .. 
 3
 3 1 . 0 
 −→ L 2
 

 .. 
 −→ L 3
4 2 −1 . 2
• max (|0| , |1| , |4| , |3| , |2| , |−1|) = 4, alors on permute les deux lignes L 1 et L 3 et on écrit :
 
..
 4 2 −1 . 2  −→ L (1)
1 = L3
 
 .. 
 3
 3 1 . 0 
 −→ L (1)
2 = L2
 

 .. 
 −→ L (1)
3 = L1
0 1 4 . 1

.. 

4 2 −1 . 2

−→ L (2) (1)
1 = L1
 
 3 7 .. 3  3 (1)
 0
 . −  −→ L (2) (1)
2 = L2 − L1
 2 4 2 
 4
 
 .. 
. −→ L (2) (1)
0 1 4 1 3 = L3
µ¯ ¯ ¯ ¯ ¶
¯3¯ ¯7¯
• max ¯ ¯ , ¯ ¯ , |1| , |4| = 4,
¯ ¯ ¯ ¯ alors on permute les deux lignes L (2)
2 et L 3 :
(2)
2 4

.. 
4 2 −1 . 2 −→ L (3) (2)
  1 = L1
 
 .. 
 0
 1 4 . 1  −→ L (3) (2)
2 = L3
 
 3 7 .. 3 
. −→ L (3) (2)
 0 −  3 = L2
2 4 2
35
on permute aussi les deux colonnes C 2 et C 3 , on écrit :

.. 

4 −1 2 . 2

 
 .. 
 0
 4 1 . 1 
 
 7 3 .. 3 
 0 . − 
4 2 2
 .. 

4 −1 2 . 2

−→ L (4) (3)
1 = L1
 
 .. 
. −→ L (4) (3)
 0 4 1 1  2 = L2
 
 
 17 .. 31  7 (3)
. −→ L (4) (3)
 0 0 −  3 = L3 − L
16 16 16 2
Résoudre le système (S) revient à résoudre le système suivant :



 4x 1 + 2x 2 − x 3 = 2,


¡ ′¢ 
S : x 2 + 4x 3 = 1,




 17 x 2 = − 31 .
16 16
Par la méthode de remontée, on trouve :

31 12 27
x2 = − , x3 = , x1 = .
17 17 17

 27 
 
x1  17 
 
   31 
x   
X = 2  − 
  =  17  .
   
x3  12 
 
17
Remarque
La méthode de Gauss permet de calculer aisément les déterminants de matrices grâce à
la formule suivante :
¡ ¢ Y
n
(k)
det (A) = (−1)p det A (n) = ± a kk ,
k=1
où est la matrice triangulaire supérieure à l'étape n , akk

A (n) (k)
est le pivot à l'étape
(k) et p représente le nombre de permutations effectuées sur les lignes et les
colonnes .
36
Exemple :
1 Calculons le déterminant de la matrice A pour l'exemple de la méthode de Gauss
à pivot partiel :
Nous avons fait deux permutations L 1 ↔ L 2 et L (2)
2 ↔ L 3 , alors p = 2 et on a :
(2)
 
3 1 2
 
 5 4
0 
 
A′ =  3 3
 
 6
0 0 
5
Alors
µ ¶ µ ¶
2
¡ 5 6 ′
¢
det (A) = (−1) det A = (3) . . = 6.
3 5
2 Calculons le déterminant de la matrice A pour l'exemple de la méthode de Gauss

à pivot total :
Nous avons fait deux permutations L 1 ↔ L 3 , L (2)
2 ↔ L 3 et C 2 ↔ C 3 , alors p = 3 et
(2)
on a :
 
4 −1 2
 
 
0 4 1
A =
′



 17 
0 0 
16
Alors
¶ µ
3
¡ ′
¢17
det (A) = (−1) det A = (4) . (4) . = −17.
16
VII Méthode de Gauss-Jordan

La méthode de Gauss-Jordan , aussi appelée méthode du pivot de Gauss est une mé-
thode très utilisée pour déterminer les solutions d'un système d'équations linéaires ,
pour déterminer le rang d'une matrice ou pour calculer l'inverse d'une matrice (carrée)
inversible. Lorsqu'on applique l'élimination de Gauss à une matrice, on obtient sa forme
échelonnée réduite.
37
Opérations
La méthode de Gauss-Jordon produit la matrice échelonnée réduite d'une matrice à
l'aide d'opérations élémentaires sur les lignes en utilisant les mêmes opérations que
celles de Gauss. Les opérations élémentaires autorisées sont :
1 Échange de deux lignes.
2 Multiplier n'importe quelle ligne par une constante non nulle.
3 Remplacer une ligne par la somme de sur la ligne et un multiple

constant d'une autre ligne.
Exemple :
Résoudre le système suivant, en utilisant la méthode de Gauss Jordon :


 2x + 3y + z = 5,


(S) : 4x + y + 3z = 3,




−2x + 3y − z = 1.
Écriture matricielle du système (S) :

   
2 3 1 5
   
4 3  3
A=

1 
 et b = 
 .
   
−2 3 −1 1
Alors
 
..
 2 3 1 . 5  −→ L 1
 
 .. 
 4
 1 3 . 3 
 −→ L 2
 

 .. 
 −→ L 3
−2 3 −1 . 1
Étape 1 : Première colonne = (1, 0, 0) :

 
3 1 .. 5
1 . −→ L (1)
1

 2 2 2  1 = L1
2

 .. 

 0

−5 1 . −7 

−→ L (1)
2 = L 2 − 2L 1
 
 .. 
0 6 0 . 6 −→ L (1)
3 = L3 + L1
38
Étape 2 : Deuxième colonne = (0, 1, 0) :
 4 .. 2  3 (1)

1 0 . 
−→ L (2) (1)
1 = L1 + L
 2 5  10 2

 1 .. 7 
 1 (1)
 0 1 − .  −→ L (2)
2 = − L2
 5 5  5
 
 6 .. 12  6 (1)
 0 0 . −  −→ L (2) (1)
3 = L3 + L2
5 5 5
Étape 3 : Troisième colonne = (0, 0, 1) :

 
.. −→ L (3) (2) 2 (2)
1 = L1 − L3
 1 0 0 . 2  3
 
 ..  1 (2)
 0
 1 0 . 1  −→ L (3) (2)
2 = L2 + L3
  6

 .. 

0 0 1 . −2 −→ L (2)
5 (2)
3 = L3
6

   
x1 2
   
   
X = x 2  =  1 
   
x3 −2
Calcul de l'inverse d'une matrice carrée

L'élimination de Gauss-Jordan peut être utilisée pour calculer
l'inverse d'une matrice carrée si celle-ci est inversible . Pour cela, on crée
une matrice à n lignes et 2n colonnes en bordant la matrice A par la matrice
identité I n , ce qui génère une matrice augmentée notée [A|I ]. Si la matrice d'entrée
est inversible, on applique l'algorithme de Gauss-Jordan à la matrice augmentée. La
£ ¤
matrice finale est de la forme I |A −1 et contient l'inverse de la matrice initiale dans
sa section de droite .
Déterminant
Cet algorithme permet également de calculer le déterminant d'une matrice :
Y
n ¡ £ ¤¢
det (A) = (−1)p . A k, j ,
j =1
£ ¤
avec p le nombre de permutations de lignes , et A k, j le pivot noté à l'étape j de
l'algorithme.
Si l'un des pivots est nul, alors le déterminant de la matrice est nul et celle-ci n'est
pas inversible.
39
Exemple :
Calculons l'inverse de la matrice A suivante en utilisant la méthode de Gauss-Jordon :
 
2 −1 0
 
 −1 
A =  −1 2 
 
0 −1 2
Pour trouver l'inverse de cette matrice, il faut générer la matrice augmentée [A|I ]
comme suit :
 
2 −1 0 1 0 0 −→ L 1
 
 
 0 
[A|I ] =  −1 2 −1 0 1  −→ L 2
 
 0 −1 2 0 0 1  −→ L 3
En appliquant l'algorithme de Gauss-Jordan, on obtient la matrice augmentée sous

sa forme échelonnée réduite suivante :
Étape 1 : Première colonne = (1, 0, 0) :

 
1 1
 1 − 0 0 0  1
 2 2  −→ L (1)
1 = L1
  2
 3 1  1
 0 −1 0  −→ L (1)
2 = L2 + L1
 1 
 2 2  2
 
 0 1  −→ L (1)
−1 2 0 0 3 = L3
Étape 2 : Deuxième colonne = (0, 1, 0) :

 
1 2 1
 1 0 − 0  1 (1)
3 3 3 −→ L (2) = L (1)
+ L
  1 1
3 2
 
 2 1 2  2 (1)
 − 0  −→ L (2)
[A|I ] =  0 2 = L2
1 
 3 3 3  3
 
 4 1 2  2 (1)
 0 0 1  −→ L (2) (1)
3 = L3 + L2
3 3 3 3
Étape 3 : Troisième colonne = (0, 0, 1) :

 
3 1 1
1 (2)
 1 0 0
4 2 4  −→ L (3) (2)
1 = L1 + L3
  4
 
 1 1  1 (2)
 0  −→ L (3) (2)
2 = L2 + L3
 1 0 1
 2 2 
 2
 
 1 1 3  3
 0 0 1  −→ L (3)
3 = L3
(2)
4 2 4 4
40
Finalement, la matrice inverse A −1 de A est donnée par :
 3 1 1 
 4 2 4 
 
 1 1 
A =
−1
 2 1 

 2 
 1 1 3 
4 2 4
Déterminant de la matrice A :
Le nombre de permutation p = 0, alors, le déterminant de la matrice A vaut

3 4
(−1)0 × 2 × × = 4.
2 3
VIIIMéthode de la factorisation LU
La méthode de la factorisation ( décomposition ) LU est bien connue en analyse nu-
mérique.
Soit à résoudre le système d'équations linéaires Ax = b , où la matrice A est carrée. Cette
méthode consiste à décomposer la matrice A en un produit de deux autres matrices L et U
(A = LU ), où L (comme Lower, inférieure en anglais) est une matrice triangulaire inférieure
ayant des 1 sur la diagonale principale (c'est-à-dire dont tous les éléments au-dessus de
la diagonale sont nuls et les éléments de la diagonale principale sont égaux à 1) et U
(comme Upper, supérieure en anglais) est une matrice triangulaire supérieure . Cette
décomposition est utilisée en analyse numérique pour résoudre des systèmes d'équations
linéaires.
Le système Ax = b devient alors LU x = b . On pose U x = y . Si A = LU , le système Ax = b peut
s'écrire L (U x) = b . Si l'on pose y = U x , on peut déterminer x en résolvant les deux équations
Ly = b et U x = y .
On résout donc d'abord L y = b , ce qui fournit le vecteur y . Puis on résout U x = y . Les élé-
ments de la matrice L et U s'obtiennent en identifiant les éléments correspondants dans les
matrices A et LU .
Principe de la factorisation LU :
Le principe de la méthode est de se ramener à deux systèmes triangulaires.
1 On décompose la matrice A en le produit de deux matrices A = LU , où U est
triangulaire supérieure et L est triangulaire inférieure avec des 1 sur la diagonale
principale. On a alors à résoudre le système LU x = b .
2 On résout le système triangulaire Ly = b d'inconnue y .
3 On résout le système triangulaire Ux = y d'inconnue x .
41
Théorème
Soit A une matrice inversible d'ordre n dont les mineurs principaux sont non nuls.
Alors il existe une unique matrice L triangulaire inférieure avec des 1 sur la dia-
gonale, et une unique matrice U triangulaire supérieure telles que A = LU . De plus
Q
det (A) = ni=1 u i i .
Résoudre un système d'équations linéaires

Cette factorisation matricielle permet de résoudre des systèmes d'équations linéaires
où les coefficients des inconnues sont les mêmes, mais avec plusieurs seconds membres
différents. Soit à déterminer le vecteur x d'inconnues associé au second membre b :
Ax = b.
Ce problème est donc équivalent à la résolution de

LU x = b,
que l'on peut mettre, en posant U x = y , sous la forme :

Ly = b.
On trouve les composantes de y par des substitutions élémentaires, puisque d'abord

y 1 = b 1 , puis y 2 = b 2 − L 21 y 1 , etc.
Cette étape est appelée descente, puisqu'on résout le système en descendant de y 1 à y n .
Il reste à calculer les composantes du vecteur x en résolvant le système triangulaire
supérieur :
U x = y,
ce qui se fait de manière similaire, mais en calculant d'abord xn :

yn
xn = .
Unn
Existence, unicité
Pour toute matrice carrée, on a existence d'une décomposition LU . Pour une
matrice inversible , la décomposition LU existe si et seulement si toutes les
sous-matrices principales d'ordre 1 à n − 1 sont inversibles .
Déterminant
La décomposition LU permet aussi de calculer le déterminant de A , qui est égal au
produit des éléments diagonaux de la matrice U si A admet une décomposition LU .
det (A) = det (L) . det (U ) = 1. det (U ) = det (U ) .
42
Exercice :
Soit à résoudre le système linéaire suivant :


 2x 1 − x 2 = −2,



(S) : 4x 1 − x 2 + 2x 3 = 14,




 −6x 1 + 2x 2 = 12,
1 Justifier l'existence de la factorisation LU de la matrice A associée au système (S).

2 Résoudre le système (S) en utilisant la factorisation LU .
Solution :
1. Justifions l'existence de la factorisation LU de la matrice A associée au
système (S) :
L'écriture matricielle associée au système (S) :

   
2 −1 0 −2
   
 2  
A= 4 −1  et b =  14 
   
−6 2 0 12
Rappel
On dit que la décomposition LU de la matrice A existe si toutes les
sous-matrices extraites de A sont inversibles .
Les sous-matrices extraites de A :

|A 1 | = 2 ̸= 0.
 
2 −1
|A 2 | = det   = −2 + 4 = 2 ̸= 0.
4 −1
 
2 −1 0    
  −1 2 4 2
 −1 2   − (−1) det   = −8 + 6 = −2 ̸= 0.
|A 3 | = det  4  = 2 det
  2 0 −6 0
−6 2 0
On a toutes les sous-matrices extraites de A sont inversibles, donc la décomposition

LU de A existe.
43
2. La résolution du système (S) en utilisant la factorisation LU :
Déterminons les coefficients des matrices L et U :

   
1 0 0 u 11 u 12 u 13
   
 0  u 23 
L = l 21 1  et U = 0 u 22 
   
l 31 l 32 1 0 0 u 33
Alors :
    
2 −1 0 1 0 0 u 11 u 12 u 13
    
 −1 2  0  u 23 
A = LU ⇐⇒  4  = l 21 1  0u 22 
    
−6 2 0 l 31 l 32 1 00 u 33
   
2 −1 0 u 11 u 12 u 13
   
 −1 2  l 21 u 12 + u 22 l 21 u 13 + u 23 
⇐⇒  4  = l 21 u 11 .
   
−6 2 0 l 31 u 11 l 31 u 12 + l 32 u 22 l 31 u 13 + l 32 u 23 + u 33
Par identification, on aura :

u 11 = 2 ,
u 12 = −1 ,
u 13 = 0 ,
l 21 u 11 = 4 =⇒ l 21 = 2 ,
l 21 u 12 + u 22 = −1 =⇒ u 22 = 1 ,
l 21 u 13 + u 23 = 2 =⇒ u 23 = 2 ,
l 31 u 11 = −6 =⇒ l 31 = −3 ,
l 31 u 12 + l 32 u 22 = 2 =⇒ l 32 = −1 ,
l 31 u 13 + l 32 u 23 + u 33 = 0 =⇒ u 33 = 2 .
Alors
   
1 0 0 2 −1 0
   
 0  2
L= 2 1  et U = 0 1 
   
−3 −1 1 0 0 2
44
Résolution du système (S) :
(a) : Ly = b :
     
1 0 0 −2
y1
     
 0    
Ly = b ⇐⇒  2 1  =  y 2  =  14 
     
−3 −1 1 y3 12


 y 1 = −2


⇐⇒ 2y 1 + y 2 = 14



 −3y 1 − y 2 + y 3 = 12.
 
−2
 
 
⇐⇒ y =  18 
 
24.
(b) : Ux = y :
     
2 −1 0 x1 −2
     
 2    
U x = y ⇐⇒ 0 1  = x 2  =  18 
     
0 0 2 x3 24


 2x 1 − x 2 = −2


⇐⇒ x 2 + 2x 3 = 18



 2x 3 = 24.
 
−4
 
 
⇐⇒ x =  −6 
 
12.

   
x1 −4
   
   
x =  x 2  =  −6 
   
x3 . 12.
IX Factorisation de Cholesky
La méthode de Cholesky est bien connue en analyse numérique. Soit à résoudre le sys-
tème d'équations linéaires Ax = b , où la matrice A est carrée , symétrique et définie positive .
Cette méthode consiste à décomposer la matrice A en un produit A = LL t , où L est une
matrice triangulaire inférieure (c'est-à-dire dont tous les éléments au-dessus de la dia-
45
gonale sont nuls) avec des termes diagonaux strictement positifs. Le système Ax = b devient
alors LL t x = b . On pose L t x = y . On résout donc d'abord Ly = b , ce qui fournit le vecteur y .
Puis on résout L t x = y . Les éléments de la matrice L s'obtiennent en identifiant les éléments
correspondants dans les matrices A et LL t .
Principe de la factorisation de Cholesky :

Le principe de la méthode est de se ramener à deux systèmes triangulaires.
1 On décompose la matrice A en le produit de deux matrices A = LL t , où L est
triangulaire inférieure et L t sa transposée. On a alors à résoudre le système
LL t x = b .
2 On résout le système triangulaire Ly = b d'inconnue y .
3 On résout le système triangulaire Lt x = y d'inconnue x .
Théorème (Unicité de la décomposition de Cholesky)
Soit A une matrice symétrique définie positive . Si les éléments diagonaux de la

matrice L sont tous strictement positifs , alors la factorisation de Cholesky A est
unique .
Déterminant
Soit A une matrice symétrique définie positive . Alors, on peut calculer la valeur
du déterminant de A par Cholesky :
Y
n
det (A) = l i2i .
i =1
Déterminant
Soit A une matrice symétrique définie positive . Alors, La méthode de Cholesky
permet aussi de calculer le déterminant de A , qui est égal au carré du produit des
éléments diagonaux de la matrice L , puisque
¡ ¢ ¡ ¢
det (A) = det (L) . det L t = det L 2 .
46
Exemple :
Résoudre le système Ax = b parla méthode de Cholesky :
   
1 2 1 10
   
 2  
A = 2 8  et b = −5
   
1 2 10 1
Déterminons la matrice L :
Soit
   
l 11 0 0 l 11 l 21 l 31
   
 0  l 32 
L = l 21 l 22  =⇒ L t =  0 l 22 
   
l 31 l 32 l 33 0 0 l 33
Alors
    
1 2 1 l 11 0 0 l 11 l 21 l 31
    
 2  0  l 32 
A = L.L t ⇐⇒ 2 8  = l 21 l 22  0 l 22 
    
1 2 10 l 31 l 32 l 33 0 0 l 33
   2 
1 2 1 l 11 l 11 l 21 l 11 l 31
   
 2  2
l 21 + l 222
l 21 l 31 + l 22 l 32 
⇐⇒ 2 8  = l 21 l 11 .
   2 2 2

1 2 10 l 31 l 11 l 31 l 21 + l 32 l 22 l 31 + l 32 + l 33
Par identification, on aura :

2
l 11 = 1 =⇒ l 11 = 1 ,
l 11 l 21 = 2 =⇒ l 21 = 2 ,
l 11 l 31 = 1 =⇒ l 31 = 1 ,
2 2
l 21 + l 22 = 8 =⇒ l 22 = 2 ,
l 21 l 31 + l 22 l 32 = 2 =⇒ l 32 = 0 ,
2 2 2
l 31 + l 32 + l 33 = 10 =⇒ l 33 = 3 .
Alors
   
1 0 0 1 2 1
   
 0  0
L = 2 2  =⇒ L t = 0 2 
   
1 0 3 0 0 3
47
Résolution du système (S) :
(a) : Ly = b :
     
1 0 0 y1 10
     
 0    
Ly = b ⇐⇒ 2 2  =  y 2  = −5
     
1 0 3 y3 1


 y 1 = 10


⇐⇒ 2y 1 + 2y 2 = −5



 y 1 + 3y 3 = 1.
 
10
 
 25 
⇐⇒ y = − 


 2
−3.
(b) : Lt x = y :
     
1 2 1 x1 10
     
 0 x 2  
−
25 

U x = y ⇐⇒ 0 2 = =
     2 
0 0 3 x3 −3


 x 1 + 2x 2 + x 3 = 10


 25
⇐⇒ 2x 2 = −

 2


 3x 3 = −3.
 
47
 2 
 
 25 
⇐⇒ x = − 


 4
 
−1.

 
 47

x1  2 
   
 x2   25 
x = = −

   4


x3 .  
−1.
48

Chapitre_1_Methodes_directes

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre_1_Methodes_directes

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chapitre_1_Methodes_directes

Transféré par

Droits d'auteur :

Formats disponibles

Année universi-

C HAPITRE 2 M ÉTHODES DIRECTES DE RÉSOLUTION DES SYSTÈMES LINÉAIRES

II Généralités sur les matrices

Définition d'une matrice

1 Une matrice de dimension 1 × n est appelée "matrice ligne" (elle comporte

2 Une matrice de dimension m × 1 est appelée "matrice colonne" (elle comporte

III Différents types de matrices

Définition d'une matrice carrée

La dimension d'une telle matrice est n × n = n 2 et il y aura coefficients au total.

Il existe deux types de matrices triangulaires (supérieure et inférieure).

1 La transposée d'une matrice triangulaire supérieure est une matrice

2 En particulier, on note qu'une matrice diagonale est à la fois

• Matrice nulle d'ordre 2 (2 lignes et 2 colonnes) :

• Matrice nulle d'ordre 3 (3 lignes et 3 colonnes) :

La transposée de la matrice A est donnée par :

7. Matrices symétriques et antisymétriques

Intuitivement, les coefficients d'une matrice symétrique sont symétriques par

2 Si A t = −A , alors A est dite "matrice antisymétrique" .

Dans ce cas la matrice B est unique, appelée "matrice inverse" de A et notée B = A −1 .

Si pour tout i et j , on note par A i , j la matrice obtenue en enlevant à A sa i -ème ligne

On peut alors développer le calcul du déterminant de A suivant une ligne ou une

2 Le développement suivant la colonne j :

Cette méthode porte le nom de "développement suivant une ligne" (ou

Le déterminant de la matrice A est donné par :

2 Déterminant d'une matrice carrée d'ordre 3 :

Le déterminant de la matrice B est donné par :

b - Calculons l'inverse d'une matrice via la méthode

où (com (A))t est la transposée de la comatrice de A . En effet, toute matrice carrée A

Cette écriture permet un calcul aisé de l'inverse d'une matrice.

1 Inversion des matrices 2 × 2 :

2 Inversion des matrices 3 × 3 :

Le déterminant de la matrice A est donné par :

2 Calculons l'inverse de la matrice B :

D'après l'exemple précédent, nous avons

L'analyse matricielle étudie deux problèmes fondamentaux : l'inversion de matrices ou la

• b i , i = 1, · · · , n sont les secondes membres (constantes connues).

• x i , i = 1, 2, · · · , n sont les inconnus à chercher dans R.

le système (S) est équivalent à l'écriture matricielle Ax = b , où :

• Le vecteur colonne X contient ces inconnues.

1 Les méthodes directes : Elles permettent d'obtenir la solution théorique exacte du

• Échanger de deux équations.

2 "Les méthodes directes (itératives)" : Pour des matrices de dimension importante,

Définition d'une méthode directe

II Résolution avec la matrice inverse

Le système admet une seule solution donnée par X = A −1 b .

1 Pour résoudre un système linéaire d'équations par l'utilisation de la matrice

2 Si l'inverse de la matrice des coefficients n'existe pas, alors le système d'équations

• Transposer la comatrice (com (A))t :

• Diviser la matrice obtenue par le déterminant de A pour obtenir l'inverse de la

En posant l'égalité des coefficients correspondants des matrices ci-dessus, on

La recherche directe de l'inverse A −1 d'une matrice A demande beaucoup de temps, c'est

L'existence et l'unicité de la solution d'un système linéaire dépend de la valeur du détermi-

où det (A) est le déterminant de la matrice A et A i est la matrice carrée d'ordre

2 Si la matrice A est n'est pas inversible (det (A) = 0) , alors le système

Finalement, l'unique solution du système est

IV Systèmes à matrices triangulaires

est l'unique solution du système (ST S).

est l'unique solution du système (ST I ).

V Méthode d’élimination de Gauss

La méthode du pivot de Gauss ( méthode d'élimination de Gauss ou la méthode de