Décomposition LU

Un article de Wikipédia, l'encyclopédie libre.
Aller à : navigation, rechercher

En algèbre linéaire, la décomposition LU est une méthode de décomposition d'une matrice comme produit d'une matrice triangulaire inférieure L (comme lower, inférieure) et une matrice triangulaire supérieure U (comme upper, supérieure). Cette décomposition est utilisée en analyse numérique pour résoudre des systèmes d'équations linéaires.

Définition[modifier | modifier le code]

Soit A une matrice carrée. On dit que A admet une décomposition LU s'il existe une matrice triangulaire inférieure formée de 1 sur la diagonale, notée L, et une matrice triangulaire supérieure, notée U, qui vérifient l'égalité

A = L U \;

Il n'est pas toujours vrai qu'une matrice A admette une décomposition LU. Cependant dans certains cas, en permutant des lignes de A, la décomposition devient possible. On obtient alors une décomposition de la forme

A = P L U \;

P est une matrice de permutation.

Bien que les décompositions LU et PLU conduisent à des formules distinctes, généralement quand on parle de la décomposition LU, on fait référence à l'une ou l'autre de ces décompositions.

Exemple[modifier | modifier le code]

Soit par exemple la matrice :

 
\begin{pmatrix}
    2  &   -1  &   0  \\
   -1  &    2  &   -1 \\
    0  &   -1  &    2 \\
\end{pmatrix}

Cette matrice se factorise en un produit d'une matrice triangulaire inférieure avec des 1 sur la diagonale par une matrice triangulaire supérieure de la façon suivante :

 
\begin{pmatrix}
    2  &   -1  &   0  \\
   -1  &    2  &   -1 \\
    0  &   -1  &    2 \\
\end{pmatrix} =\begin{pmatrix}
    1  &    0  &    0 \\
   -1/2  &    1  &    0 \\
    0  &   -2/3  &    1 \\
\end{pmatrix}
\begin{pmatrix}
    2  &   -1   &   0  \\
    0  &   3/2  &   -1 \\
    0  &   0    &  4/3 \\
\end{pmatrix}

On a donc

L=\begin{pmatrix}
    1  &    0  &    0 \\
   -1/2  &    1  &    0 \\
    0  &   -2/3  &    1 \\
\end{pmatrix} \text{ et } U=\begin{pmatrix}
    2  &   -1   &   0  \\
    0  &   3/2  &   -1 \\
    0  &   0    &  4/3 \\
\end{pmatrix}

Applications[modifier | modifier le code]

Résoudre un système d'équations linéaires[modifier | modifier le code]

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 d'inconnues {x} associé au second membre {b}  :

A \{ x \}= \{ b \}

Ce problème est donc équivalent à la résolution de

 L U \{ x \}= \{ b \}

ou encore

 L \{ U x \}= \{ b \} que l'on peut mettre, en posant  \{ U x \}= \{ y \} sous la forme :  L \{ y \}= \{ b \}

On trouve les composantes de y par des substitutions élémentaires, puisque d'abord y_1 = \frac{b_1}{L_{11}}, puis y_2 = \frac{b_2-L_{21}\cdot y_1}{L_{22}}, 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

x_n = \frac{y_n}{U_{nn}}, etc. en remontant (étape dite de remontée).

Remarque. - Les matrices triangulaires L et U auraient pu être inversées aisément en utilisant l'élimination de Gauss-Jordan. Mais si l'on compte simplement le nombre d'opérations que cela représente pour un système à n équations, on trouvera que la complexité algorithmique du calcul des matrices inverses est supérieure, de sorte que si l'on veut résoudre ce système pour divers b, il est plus intéressant de réaliser la décomposition LU une fois pour toutes et d'effectuer les substitutions de descente-remontée pour les différents b plutôt que d'utiliser l'élimination de Gauss-Jordan à de multiples reprises. Ainsi, dans la plupart des publications d'analyse numérique, lorsque la matrice A a été factorisée sous forme LU ou Cholesky (cf. infra, § Le cas symétrique), on écrit par abus b=A−1x pour signifier que le calcul de b peut se faire par cette méthode de descente-remontée. Il est sous-entendu qu'il n'est absolument pas question d'utiliser l'algorithme en calculant la matrice inverse A−1 de A, ce qui serait inutilement coûteux en temps de calcul.

Inverser une matrice[modifier | modifier le code]

Les matrices L et U peuvent être utilisées pour déterminer l'inverse d'une matrice. Les programmes informatiques qui implémentent ce type de calcul, utilisent généralement cette méthode.

Calcul d'un déterminant[modifier | modifier le code]

Si A est sous forme LU et PLU, son déterminant se calcule facilement : \det(A)=\det(P)\det(L)\det(U). Les trois déterminants de ce produit sont très simples à calculer (matrices triangulaires ou de permutations).

Existence, unicité[modifier | modifier le code]

Pour toute matrice carrée, on a existence d'une décomposition PLU. La décomposition LU existe si et seulement si toutes les sous-matrices principales d’ordre 1 à n-1 sont inversibles. Si toutes les sous-matrices principales d'ordre 1 à n sont inversibles, elle est même unique[1].

Calcul de la décomposition[modifier | modifier le code]

Idée principale[modifier | modifier le code]

La décomposition LU est une forme particulière d'élimination de Gauss Jordan. On transforme la matrice A en une matrice triangulaire supérieure U en éliminant les éléments sous la diagonale. Les éliminations se font colonne après colonne, en commençant par la gauche, en multipliant A par la gauche avec une matrice triangulaire inférieure.

Algorithme[modifier | modifier le code]

Étant donné une matrice de dimension N \times N

 
A= (a_{n,n})\;

on définit

 A^{(0)} := A\;

et les itérations se font pour n=1,...,N-1 de la manière suivante.

Sur la nième colonne de A(n-1), on élimine les éléments sous la diagonale en ajoutant à la ième ligne de cette matrice, la nième ligne multipliée par

l_{i,n} := -\frac{a_{i,n}^{(n-1)}}{a_{n,n}^{(n-1)}}

pour i = n+1,\ldots,N. Ceci peut être fait en multipliant par la gauche A(n-1) avec la matrice triangulaire inférieure

 
L_n =
\begin{pmatrix}
     1 &        &           &         &         & 0 \\
       & \ddots &           &         &         &   \\
       &        &         1 &         &         &   \\
       &        & l_{n+1,n} &  \ddots &         &   \\
       &        &    \vdots &         &  \ddots &   \\
     0 &        &   l_{N,n} &         &         & 1 \\
\end{pmatrix}.
 A^{(n)} := L_n A^{(n-1)}.\;

Après N-1 itérations, nous avons éliminé tous les éléments sous la diagonale, par conséquent, nous avons maintenant une matrice triangulaire supérieure A(N-1).

Nous obtenons la décomposition

 
A = L_{1}^{-1} L_{1} A^{(0)} = L_{1}^{-1} A^{(1)} = L_{1}^{-1} L_{2}^{-1} L_{2} A^{(1)} = L_{1}^{-1}L_{2}^{-1} A^{(2)} =\ldots = L_{1}^{-1} \ldots L_{N-1}^{-1} A^{(N-1)}.

Notons U, la matrice triangulaire supérieure A(N-1). et L=L_{1}^{-1} \ldots L_{N-1}^{-1}. Sachant que l'inverse d'une matrice triangulaire inférieure est aussi une matrice triangulaire inférieure et que le produit de deux matrices triangulaires inférieures est encore une matrice triangulaire inférieure, L est donc une matrice triangulaire inférieure. On obtient A=LU.

Au vu de l'algorithme, il est nécessaire que a_{n,n}^{(n-1)}\neq0 à chaque itération (voir la définition de l{i,n}). Si, au cours du calcul, ce cas de figure venait à se produire, il faut intervertir la nième ligne avec une autre pour pouvoir continuer (il est toujours possible de trouver un élément non nul sur la colonne qui pose problème car la matrice est inversible). C'est la raison pour laquelle la décomposition LU s'écrit généralement P−1A=LU.

Le cas symétrique[modifier | modifier le code]

  • Si la matrice A est une matrice symétrique, il existe une décomposition dite factorisation de Crout
A = L D L^{\mathrm T}

L est une matrice triangulaire inférieure dont la diagonale ne comprend que des 1, LT est la transposée de L, et D est une matrice diagonale.

A = L L^{\mathrm T}

L est une matrice triangulaire inférieure à diagonale positive et LT est la transposée de L.

Notes et références[modifier | modifier le code]

  1. Pour la démonstration, cf. Ciarlet, chap. 4, §4.3
  • P. G. Ciarlet - « Introduction à l'analyse numérique matricielle et à l'optimisation » (1985, rééd. 2001), éd. Masson, coll. Math. Appl. pour la Maîtrise (ISBN 2-225-68893-1)

Liens externes[modifier | modifier le code]

Articles connexes[modifier | modifier le code]