Les-Mathematiques.net - Cours de mathématiques supérieures

On trouvera des manipulations proches de celles décrites ici dans la partie sur les déterminants

. La proposition

illustre aussi des opérations sur les lignes et les colonnes.

On appelle système d'équations linéaires une équation de la forme

, où

(matrice) et

(vecteur) sont donnés et où

est l'inconnue.

Les opérations sur les lignes et les colonnes d'une matrice ou d'un système linéaire sont par définition:

$\bullet\$ l'addition d'une ligne (resp. colonne)

à une ligne (resp. colonne) $j\neq i$

$\bullet\$ la multiplication d'une ligne (resp. colonne)

par un scalaire ${\lambda}\neq 0$

On pourra éventuellement ajouter à une ligne (resp. une colonne) une autre ligne (resp. colonne) multipliée par un scalaire ${\lambda}$ ; cela se notera $L_i\leftarrow L_i+{\lambda}L_j$ (resp. $C_i\leftarrow C_i+{\lambda}C_j$ ).

$\begin{displaymath}\left(\begin{array}{ccc} 1 & 2 & -3 \\ 0 & 1 & 1 \\ -1 & 3 ... ...= \left( \begin{array}{c} 1 \\ 2 \\ 3 \\ \end{array}\right) \end{displaymath}$

$\begin{displaymath}\left(\begin{array}{ccc} 1 & 4 & -1 \\ 0 & 1 & 1 \\ -1 & 3 ... ... = \left( \begin{array}{c} 5 \\ 2 \\ 3 \\ \end{array}\right)\end{displaymath}$

$\begin{displaymath}\begin{array}{ccc} 1 & 2 & 3 \\ 4 & 5 & 6 \\ 7 & 8 & 9 \\ \end{array}\end{displaymath}$

$\begin{displaymath}\begin{array}{ccc} 2 & 1 & 3 \\ 5 & 4 & 6 \\ 8 & 7 & 9 \\ \end{array}\end{displaymath}$

Les opérations sur les lignes

correspondent à des multiplications à droite par des matrices inversibles; les opérations sur les colonnes correspondent à des multiplications à gauche par des matrices inversibles. L'inverse d'une opération sur les lignes (resp. les colonnes) est une opération sur les lignes (resp. les colonnes).

$\bullet\$ Le déterminant

d'une matrice n'est pas modifié en ajoutant à une ligne une combinaison linéaire des autres lignes.

$\bullet\$ Multiplier une ligne par ${\lambda}$ multiplie le déterminant par ${\lambda}$ .

Démonstration: Cela découle immédiatement des propriétés du déterminant, et du fait que le déterminant d'une matrice est égal au déterminant de sa transposée. Ceux qui ont besoin de rappels peuvent consulter la partie

. $\sqcap$ $\sqcup$

$\begin{displaymath}M=\left( \begin{array}{cccc} M_{1,1} & M_{1,2} & \dots & M_{1... ... \\ M_{n,1} & M_{n,2} & \dots & M_{n,n} \\ \end{array}\right)\end{displaymath}$

$\begin{displaymath}x_i=\frac{ \left\vert \begin{array}{cccccccc} M_{1,1} & M_{1,... ...n,i+1} & \dots & M_{n,n} \\ \end{array}\right\vert }{ det\ M }\end{displaymath}$

Démonstration: La solution

est clairement unique, car par inversibilité de

$X=M^{-1}Y$ .

$\begin{displaymath}{M_k}^{(i)}= \left\vert \begin{array}{cccccccc} M_{1,1} & M_{... ... & Y_n & M_{n,i+1} & \dots & M_{n,n} \\ \end{array}\right\vert\end{displaymath}$

$\begin{displaymath}{M'_k}^{(i)}= \left\vert \begin{array}{cccccccc} M_{1,1} & M_... ..._{n,k} & M_{n,i+1} & \dots & M_{n,n} \\ \end{array}\right\vert\end{displaymath}$

On en déduit donc, en supprimant de la somme $\sum X_k C_k$ les termes nuls, $X_i det\ M={M'_i}^{(i)}$ , ce qui est précisément le résultat désiré. $\sqcap$ $\sqcup$

Théorème [Méthode du pivôt de Gauss] La méthode de Gauss consiste à :
1) permuter les lignes pour avoir un coefficient non nul en haut à gauche de la matrice; ce coefficient est appelé pivôt
2) soustraire la première ligne multipliée par un coefficient adéquat à chacune des autres lignes de manière à avoir des zéros sur toute la première colonne en dehors du premier coefficient
3) Procéder de même sur la matrice extraite, simplement dépourvue de sa première ligne et sa première colonne.

Le point

pourra toujours être réalisé si on trouve toujours un coefficient non nul à échanger; pour peu que la matrice soit inversible, cette condition sera toujours vérifiée. Si elle ne l'est pas, on peut travailler sur la matrice extraite par suppression de la première colonne.

En réitérant cette méthode, on arrive à obtenir une matrice triangulaire supérieure

. En fait la matrice obtenue est de la forme illustrée sur la figure

, du moins après permutation des colonnes.

**Figure:** Matrice obtenue après pivôt de Gauss. La "ligne brisée" évoquée comporte soit des sauts à droite, soit des sauts en diagonale en bas à droite. Le premier élément de la ligne brisée se trouve quelque part sur la première ligne (éventuellement en haut à gauche).
$\begin{figure}\begin{displaymath} \epsfxsize =7cm \epsfbox{matobt.eps}\end{displaymath}\end{figure}$

La matrice ainsi obtenue est donc beaucoup plus maniable: le calcul du déterminant (si la matrice est carré) se résume à la multiplication des éléments diagonaux, la résolution de systèmes linéaires est plus aisée (il convient de noter pour cela que les opérations sur les colonnes sont de simples permutations sur les inconnues), le calcul du rang est immédiat (nombre d'éléments avant le dernier élément non nul de la dernière colonne).

Afin de minimiser les pertes de précision d'un calcul numérique, il est préférable de choisir un pivôt grand en valeur absolue.

La méthode du pivôt total consiste à chercher le pivôt non pas seulement sur la colonne en cours, mais d'éventuellement permuter les colonnes pour avoir un pivôt plus grand. Par opposition au pivôt total, la méthode ci-dessus est dite pivôt partiel.

Théorème [Décomposition

] Etant donnée une matrice

supposée inversible, on définit $a_k=\vert (A_{i,j})_{i,j\leq k} \vert$ , déterminant de la matrice obtenue en se restreignant aux

premières lignes et

premières colonnes.

On appelle décomposition un produit du type

avec

matrice triangulaire inférieure

ne comportant que des

sur la diagonale,

matrice triangulaire supérieure, Alors il existe une décomposition

si et seulement si les

sont non nuls pour tout

dans

Démonstration: Il suffit d'utiliser la méthode de Gauss

, en considérant les matrices correspondant aux opérations sur les lignes et les colonnes. C'est-à-dire que l'on obtient un produit $\pi_{i=1}^nM_{n-i}A=U$ , avec

la matrice correspondant à l'opération sur les lignes et les colonnes effectué à la

-ième étape. Mais l'inverse d'une opération sur les lignes ou les colonnes est une opération sur les lignes ou les colonnes (facile à trouver); donc on peut aussi écrire $A=\pi_{i=1}^n N_i U$ , avec

l'inverse de

. Le produit des

est bien de la forme désirée, triangulaire supérieure à diagonale unité, comme on s'en convaincra en considérant la stabilité de l'ensemble des matrices triangulaires supérieures à diagonale unité par multiplication par les matrices des opérations sur les lignes et les colonnes.

Proposition Si

est inversible, il existe une matrice de permutation

telle que

Démonstration: Si

est nul, il existe nécéssairement une permutation de lignes qui arrange ça, sinon

ne pourrait pas être de rang plein - il suffit donc de multiplier les différentes permutations de lignes nécéssaires pour obtenir une matrice vérifiant les conditions demandées.

Théorème [Décomposition de Cholesky] On appelle décomposition de Cholesky ou décomposition , un produit de la forme

, avec

triangulaire inférieure inversible.

admet une décomposition de Cholesky si et seulement si

est symétrique

définie positive.

Démonstration: On pourra consulter [7] pour cette preuve. $\sqcap$ $\sqcup$

Opérations sur les lignes et les colonnes