En mathématiques, en algèbre linéaire, une matrice tridiagonale (ou trigonale) est une matrice dont tous les coefficients qui ne sont ni sur la diagonale principale, ni sur la diagonale juste au-dessus, ni celle juste en dessous, sont nuls.
Par exemple, la matrice suivante est tridiagonale :
Si une matrice réelle tridiagonale A vérifie ak,k+1 × ak+1,k > 0 pour k = 1, 2, ..., n — c’est-à-dire si les signes de ses coefficients sont symétriques — alors elle est semblable à une matrice hermitienne, et donc toutes ses valeurs propres sont réelles. Cette dernière propriété est conservée si l'on considère plutôt la condition ak,k+1 × ak+1,k ≥ 0.
L'ensemble de toutes les matrices tridiagonales n × n est un espace vectoriel de dimensionn + 2(n – 1) = 3n – 2 (le nombre de coefficients non nuls).
En général, l'inverse d'une matrice tridiagonale est une matrice semiséparable et réciproquement[3]. L'inverse d'une matrice tridiagonale symétrique est une matrice factorisable de la forme[4],[5]
De nombreux algorithmes d'algèbre linéaire nécessitent bien moins d'opérations lorsqu'on les exécute sur des matrices diagonales. Il est courant que ce gain se propage aux matrices tridiagonales.
Par exemple, le déterminant d'une matrice tridiagonale An×n peut être calculé par la formule récursive suivante :
,
où l'on note det [A]{1,...,k} le k-ième mineur dominant, c'est-à-dire le déterminant de la matrice obtenue en ne gardant que les k premières lignes et colonnes de A. Le calcul du déterminant par cette méthode est linéaire en n pour les matrices tridiagonales, alors qu'il est en n3 dans le cas général.
Une transformation qui réduit une matrice quelconque à une matrice de Hessenberg réduira une matrice hermitienne à une matrice tridiagonale. Ainsi, de nombreux algorithmes de calcul des valeurs propres utilisent une étape de réduction sous la forme d'une matrice tridiagonale s'ils travaillent sur des matrices hermitiennes.
Une matrice tridiagonale peut être stockée de façon optimisée en utilisant une représentation particulière. Par exemple, la bibliothèque LAPACK enregistre une matrice non symétrique sous la forme de trois tableaux unidimensionnels, l'un contenant les coefficients diagonaux et les deux autres les éléments respectivement au-dessus et au-dessous de la diagonale.
Si l'on considère un système linéaire de la forme Ax = d où A est une matrice tridiagonale, il est possible d'appliquer une méthode simplifiée reposant sur la décomposition LU sans stockage des matrices de la décomposition pour le résoudre numériquement[6]. Pour ce faire, on représente la matrice par :
On construit alors les coefficients de proche en proche :
.
Une fois ces coefficients formés, on peut trouver la solution x = (x1,...,xn) :
telle que bc = d2 ≠ 0. Les valeurs propres de T sont les λk = a + 2d coskπ/n + 1 pour k = 1, 2, … , n, un vecteur propre xk associé à λk ayant pour composantes xk,j = (d/b) j sinj k π/n + 1 (j = 1, 2, … , n)[7].
Si a, b et c sont réels et bc > 0, T est donc diagonalisable non seulement sur ℂ mais sur ℝ.
Démonstration
Puisque les n nombres λk proposés sont distincts, il suffit de vérifier que (pour k = 1, 2, … , n) : T(xk) = λkxk. On peut, sans perte de généralité, supposer que a = 0. Il suffit alors de vérifier que pour k = 1, 2, … , n :
,
c.-à-d., en notant θ = kπ/n + 1, de vérifier que :
Les matrices tridiagonales sont courantes dans l'étude des splines cubiques. Elles sont également souvent des solutions au problème de Sturm-Liouville.
D'autre part, un système linéaire impliquant une matrice tridiagonale, de la forme :
peut être résolu au travers d'algorithmes spécifiques, qui nécessitent O(n) opérations[8].
↑C. M. Da Fonseca, « On the eigenvalues of some tridiagonal matrices », Journal of Computational and Applied Mathematics, vol. 200, , p. 283–286 (DOI10.1016/j.cam.2005.08.047)
↑R. A. Usmani, « Inversion of a tridiagonal jacobi matrix », Linear Algebra and its Applications, vol. 212-213, , p. 413–414 (DOI10.1016/0024-3795(94)90414-6)
↑Raf Vandebril, Marc Van Barel et Nicola Mastronardi, Matrix Computations and Semiseparable Matrices. Volume I: Linear Systems, JHU Press, (ISBN978-0-8018-8714-7), Theorem 1.38, p. 41
↑Gérard Meurant, « A review on the inverse of symmetric tridiagonal and block tridiagonal matrices », SIAM Journal on Matrix Analysis and Applications, vol. 13, no 3, , p. 707-728 (DOI10.1137/0613045, lire en ligne)
↑Sébastien Bossu, « Tridiagonal and single-pair matrices and the inverse sum of two single-pair matrices », Linear Algebra and its Applications, vol. 699, , p. 129-158 (DOI10.1016/j.laa.2024.06.018, lire en ligne)
↑(en) Carnahan, Luther et Wilkes, Applied Numerical Methods.[réf. incomplète]