1
Fondements de l'élimination gaussienne
MATH007Lesson 6
00:00
Imaginez le défi de résoudre un système comportant des milliers de variables. Comment pouvons-nous extraire la vérité d'une grille chaotique de coefficients ? Élimination gaussienne est notre outil fondamental, un "nettoyage" systématique des variables qui réduit les systèmes complexes en une forme triangulaire claire, où les solutions peuvent être extraites une par une par substitution arrière.

L'architecture des systèmes linéaires

En analyse numérique, nous représentons un système de $n$ équations linéaires sous la forme du produit matriciel $Ax = \mathbf{b}$. Ici, $A$ est une matrice carrée de coefficients $n \times n$, $x$ est le vecteur des inconnues, et $\mathbf{b}$ est le vecteur des constantes. Pour effectuer les opérations de manière efficace, nous utilisons la Matrice augmentée $[A, \mathbf{b}]$.

Le but principal
À travers une suite d'opérations élémentaires sur les lignes (OEL), nous cherchons à transformer l'état du système en une forme équivalente Triangulaire supérieure form $U$ : $$[A, \mathbf{b}] \rightarrow [U, \mathbf{b}']$$ où tous les éléments situés en dessous de la diagonale $u_{ii}$ sont nuls.

Opérations élémentaires sur les lignes (OEL)

L'intégrité de notre ensemble de solutions repose sur trois mouvements préservant l'invariance :

  • Échange : $(E_i) \leftrightarrow (E_j)$ — Échanger des lignes pour réorganiser un meilleur pivot.
  • Échelonnage : $(\lambda E_i) \rightarrow (E_i)$ — Multiplier une ligne par un scalaire non nul.
  • Remplacement : $(E_i + \lambda E_j) \rightarrow (E_i)$ — Le cœur de l'élimination. Plus précisément, nous utilisons le multiplicateur $m_{j1} = a_{j1}/a_{11}$ pour calculer $(E_j - m_{j1} E_1) \rightarrow (E_j)$.

Anatomie et propriétés des matrices

Selon le théorème 6.8, les opérations matricielles obéissent à des lois algébriques spécifiques, telles que Associativité ($A(BC) = (AB)C$), toutefois elles manquent célèbrement de Commutativité ($AB \neq BA$ en général). Reconnaître des structures spéciales comme Matrices symétriques ($A = A^t$) et Matrices identités ($I_n$) permet des méthodes de factorisation spécialisées et plus rapides, comme $LDL^t$.

🎯 Principe fondamental : Invariance
Les OEL n'affectent pas l'ensemble des solutions car chaque opération est parfaitement réversible. En les appliquant à la matrice augmentée, nous résolvons simultanément toutes les équations sans perdre la connexion logique entre les coefficients et les constantes cibles.