Analyse Numrique

Math272
Rsolution de Systmes Linaires dEquations Algbriques
Dr. Ammar ASSOUM
Rsolution de Systmes Linaires
dEquations Algbriques
2
Systmes algbriques : linaires et non linaires
On rsout actuellement des systmes de
plusieurs centaines de milliers dinconnues
Applications possibles : mcanique, thermique,
analyse des structures complexes, etc.
Mthodes de rsolution : directes (exactes) et
indirectes (approches)
Systme linaire : cest quoi ?
3
Systme linaire : ensemble de m quations
linaires n inconnues





Rsoudre L => trouver les valeurs des x
i
(i=1..n)
qui satisfont les quations constituantes de L
Systme linaire : notation condense
4
AX = B ou





A est une matrice bidimensionnelle tandis que X
et B sont unidimensionnelles
AX B = A X B =
Systme linaire carr
Si m = n, alors le systme L est dit carr et possde une
solution unique si et seulement si |A| 0 (X = A
-1
B)

5
Rsolution dun systme carr
Le cot de rsolution crot rapidement avec n (temps,
nombre doprations)
On suppose que la matrice A est inversible i.e. non
singulire (|A| 0)
Rsolution faisant intervenir la matrice inverse (X = A
-1
B)

faisable mais ncessite un calcul plus compliqu que celui
ncessaire pour la rsolution du systme de dpart
6
Rsolution dun systme carr
Mthode de substitution successive thoriquement
possible mais difficile voire impossible du point de vue
algorithmique
Mthode de Cramer (x
i
=D
i
/D) : trs consommante du
point de vue nombre doprations (nn! pour chaque
dterminant => avec n+1 dterminants n(n+1)! oprations
flottantes sont ncessaires :
9.4 10
161
pour n=100)
7
Cas dun systme diagonal
(a
ij
= 0 pour i=j et a
ii
0 pour tout i)
8
11 1 1
22 2 2
0 0
0 0
0
0
0 0
nn n n
a x b
a x b
a x b
( ( (
( ( (
( ( (
( ( (
=
( ( (
( ( (
( ( (

11 1 1
22 2 2
0 0
0 0
0
0
0 0
nn n n
a x b
a x b
a x b
( ( (
( ( (
( ( (
( ( (
=
( ( (
( ( (
( ( (

( )
1, 2, ,
i
i
ii
b
x i n
a
= =
( )
1, 2, ,
i
i
ii
b
x i n
a
= =
Cas de systmes triangulaires
9
Syst. triangulaire suprieur Syst. triangulaire infrieur
a
11
a
12
a
1n
a
21
a
2n
a
nn
a
in
a
1j
a
2j
... ...
... ...
...
M M M
M M
a
11
a
22
a
n1
a
21
a
n2 a
nn
a
i1
a
ii
a
i2
... ...
...
M M
M M M
...
M
a
11
a
12
a
1n
a
21
a
2n
a
nn
a
in
a
1j
a
2j
... ...
... ...
...
M M M
M M
a
11
a
22
a
n1
a
21
a
n2 a
nn
a
i1
a
ii
a
i2
... ...
...
M M
M M M
...
M
Systme triangulaire suprieur
(a
ij
= 0 pour i>j et a
ii
0 pour tout i)
10
Systme triangulaire infrieur
(a
ij
= 0 pour i<j et a
ii
0 pour tout i)
11
Nombre doprations : systmes
triangulaires (sup ou inf)
12
Mthodes de rsolution : dfinitions
13
Mthode directe : si la solution du systme
Ax=B peut tre obtenue en un nombre fini et
prdtermin doprations
Mthode indirecte ou itrative : peut converger
en quelques itrations, en un trs grand
nombre ditrations ou peut mme diverger
Oprations matricielles lmentaires
14
AX=B WAX=WB avec W : matrice inversible
Opration ne modifie pas la solution X puisquil
suffit de multiplier par W
-1
pour revenir au
systme de dpart
Trois oprations lmentaires permettent de
"triangulariser" un systme AX=B quelconque.
Ces opration correspondent une multiplication
par 3 types diffrents de matrices W
Oprations matricielles lmentaires
15
reprsente la ligne no. i de la matrice A
remplacer la ligne i par un multiple
delle-mme
intervertir les lignes i et j
remplacer la ligne i par la ligne i
additionne un multiple de la ligne j
Chacune de ces 3 oprations correspond une
multiplication de A par une matrice inversible W
i
l
i
l
( )
i i
l l
( )
i i
l l
( )
i j
l l
( )
i j
l l
( )
i i j
l l l +
( )
i i j
l l l +
Opration 1 : M
16
W : matrice diagonale t.q. W
jj
=1 pour i j et W
ii
=
Dterminant de W = 0 donc W : inversible

W
-1
:

Bien sr, il faut rpliquer la mme opration sur la
ligne i de B
( )
i i
l l
( )
i i
l l
1
i i
M l l

| |

|
\ .
1
i i
M l l

| |

|
\ .
17
W : matrice obtenue en permutant les lignes i et j
de la matrice identit I
Dterminant de W = -1 0 donc W : inversible

W
-1
= W :

Bien sr, il faut rpliquer la mme opration sur
les lignes i et j de B
Opration 2 : P
( )
i j
l l
( )
i j
l l
( )
i j
P l l
( )
i j
P l l
18
W : matrice telle que W
ii
=1 pour i = 1n et W
ij
=
Dterminant de W = 1 0 donc W : inversible

W
-1
:

Bien sr, il faut rpliquer la mme opration sur
les lignes i et j de B

Opration 3 : T
( )
i i j
l l l +
( )
i i j
l l l +
( )
i i j
T l l l
( )
i i j
T l l l
Mthode dlimination de Gauss
19
Objectif : trouver un systme triangulaire AX=B
quivalent au systme initial AX=B i.e. ayant la
mme solution X
Consiste liminer (annuler) les lments en
dessous de la diagonale
Repose sur lensemble des oprations
lmentaires mentionnes prcdemment
effectues sur les lignes du systme AX=B
Matrice augmente
20
Cest une matrice n(n+1) construite autour de A
et B (A les n premires colonnes et B la (n+1)
me

colonne)
Permet deffectuer, de faon simultane, les
oprations sur les matrices A et B
Si on cherche passer de la matrice A en une
matrice triangulaire suprieure, on est oblig de
faire successivement les oprations T, P ou M sur
la matrice augmente
Matrice augmente
21
11 12 1 1
21 22 2 2
1 2
n
n
n n nn n
a a a b
a a a b
a a a b
(
(
(
(
(
(

11 12 1 1
21 22 2 2
1 2
n
n
n n nn n
a a a b
a a a b
a a a b
(
(
(
(
(
(

MEG : exemple
22
2 1 2 10
6 4 0 26
8 5 1 35
(
(
(
(

2 1 2 10
6 4 0 26
8 5 1 35
(
(
(
(

( )
( )
( )
1 2 2 1
2 3 3 1
3 3 3 2
3
4
T l l l
T l l l
T l l l



( )
( )
( )
1 2 2 1
2 3 3 1
3 3 3 2
3
4
T l l l
T l l l
T l l l



2 1 2 10
0 1 6 4
0 0 1 1
a
U
(
(
=
(
(


2 1 2 10
0 1 6 4
0 0 1 1
a
U
(
(
=
(
(



1 1 1
3 2 1 1 2 3
U T T T A A T T T U

= =
1 1 1
3 2 1 1 2 3
U T T T A A T T T U

= =
MEG : exemple (suite)
23
1 2 3
1 0 0 1 0 0 1 0 0
3 1 0 0 1 0 0 1 0
0 0 1 4 0 1 0 1 1
T T T
( ( (
( ( (
= = =
( ( (
( ( (


1 2 3
1 0 0 1 0 0 1 0 0
3 1 0 0 1 0 0 1 0
0 0 1 4 0 1 0 1 1
T T T
( ( (
( ( (
= = =
( ( (
( ( (


1 1 1
1 2 3
1 0 0 1 0 0 1 0 0
3 1 0 0 1 0 0 1 0
0 0 1 4 0 1 0 1 1
T T T

( ( (
( ( (
= = =
( ( (
( ( (

1 1 1
1 2 3
1 0 0 1 0 0 1 0 0
3 1 0 0 1 0 0 1 0
0 0 1 4 0 1 0 1 1
T T T

( ( (
( ( (
= = =
( ( (
( ( (

1 1 1
1 2 2
1 0 0
3 1 0
4 1 1
T T T L

(
(
= =
(
(

1 1 1
1 2 2
1 0 0
3 1 0
4 1 1
T T T L

(
(
= =
(
(

Conclusions sur la MEG
24
Si on na pas fait de permutation dans les
transformations effectues alors la MEG sera
quivalent une dcomposition de A en LU (A=LU
avec L et U : triangulaires inf et sup resp.)
Dans T
i
, la valeur avec laquelle on divise sappelle le
pivot => MEG DLU si pas de changement de pivot
On change le pivot, soit quand il est nul, soit pour
augmenter la prcision des rsultats obtenus (on
choisit le max de la colonne comme nouveau pivot
=> MEG avec pivot partiel)
Changement de pivot : exemple
25
( )
( )
( )
( )
( )
( )
1 2 2 1
2 3 3 1
3 4 4 1
1 1 2 1
2 2
1 1 2 1 2 1
4 0
2 2 5 3 0 0 1 1
1 1
3 4
1 3 3 3 0 2 1 2
1 1
2 4
1 1 4 5 0 0 2 4
T l l l
T l l l
T l l l
( (

( (
( (

( (

( (


( (

( )
( )
( )
( )
( )
( )
1 2 2 1
2 3 3 1
3 4 4 1
1 1 2 1
2 2
1 1 2 1 2 1
4 0
2 2 5 3 0 0 1 1
1 1
3 4
1 3 3 3 0 2 1 2
1 1
2 4
1 1 4 5 0 0 2 4
T l l l
T l l l
T l l l
( (

( (
( (

( (

( (


( (

( )
( )
( )
4 2 3 5 4 4 3
1 1 2 1
2 1 1 2 1 2
0 2 1 2
4 0 2 1 2 4
2 1
0 0 0 1 1 0
0 0 1 1
4 0 0 0 2 4
0 0 2 4
P l l T l l l
(
(
(
(

(
(

(
(
(
(

( (


( )
( )
( )
4 2 3 5 4 4 3
1 1 2 1
2 1 1 2 1 2
0 2 1 2
4 0 2 1 2 4
2 1
0 0 0 1 1 0
0 0 1 1
4 0 0 0 2 4
0 0 2 4
P l l T l l l
(
(
(
(

(
(

(
(
(
(

( (


Changement de pivot : exemple (suite)
26
1 2 3
1 0 0 0 1 0 0 0 1 0 0 0
2 1 0 0 0 1 0 0 0 1 0 0
0 0 1 0 1 0 1 0 0 0 1 0
0 0 0 1 0 0 0 1 1 0 0 1
T T T
( ( (
( ( (

( ( (
= = =
( ( (

( ( (

1 2 3
1 0 0 0 1 0 0 0 1 0 0 0
2 1 0 0 0 1 0 0 0 1 0 0
0 0 1 0 1 0 1 0 0 0 1 0
0 0 0 1 0 0 0 1 1 0 0 1
T T T
( ( (
( ( (

( ( (
= = =
( ( (

( ( (

4 5
1 0 0 0 1 0 0 0
0 0 1 0 0 1 0 0
0 1 0 0 0 0 1 0
0 0 0 1 0 0 2 1
P T
( (
( (
( (
= =
( (
( (

4 5
1 0 0 0 1 0 0 0
0 0 1 0 0 1 0 0
0 1 0 0 0 0 1 0
0 0 0 1 0 0 2 1
P T
( (
( (
( (
= =
( (
( (

Changement de pivot : exemple (suite)
27
1 1 1
1 2 3
1 0 0 0 1 0 0 0 1 0 0 0
2 1 0 0 0 1 0 0 0 1 0 0
0 0 1 0 1 0 1 0 0 0 1 0
0 0 0 1 0 0 0 1 1 0 0 1
T T T

( ( (
( ( (
( ( (
= = =
( ( (
( ( (

1 1 1
1 2 3
1 0 0 0 1 0 0 0 1 0 0 0
2 1 0 0 0 1 0 0 0 1 0 0
0 0 1 0 1 0 1 0 0 0 1 0
0 0 0 1 0 0 0 1 1 0 0 1
T T T

( ( (
( ( (
( ( (
= = =
( ( (
( ( (

1 1
4 5
1 0 0 0 1 0 0 0
0 0 1 0 0 1 0 0
0 1 0 0 0 0 1 0
0 0 0 1 0 0 2 1
P T

( (
( (
( (
= =
( (
( (

1 1
4 5
1 0 0 0 1 0 0 0
0 0 1 0 0 1 0 0
0 1 0 0 0 0 1 0
0 0 0 1 0 0 2 1
P T

( (
( (
( (
= =
( (
( (

Changement de pivot : exemple (suite)
28
1 1 1 1 1
1 2 3 4 5
1 0 0 0
2 0 1 0
1 1 0 0
1 0 2 1
T T T P T

(
(
(
=
(
(

1 1 1 1 1
1 2 3 4 5
1 0 0 0
2 0 1 0
1 1 0 0
1 0 2 1
T T T P T

(
(
(
=
(
(

1 1 1 1 1
4 1 2 3 4 5
1 0 0 0
1 1 0 0
2 0 1 0
1 0 2 1
P T T T P T L

(
(
(
= =
(
(

1 1 1 1 1
4 1 2 3 4 5
1 0 0 0
1 1 0 0
2 0 1 0
1 0 2 1
P T T T P T L

(
(
(
= =
(
(

4
Donc P A LU =
4
Donc P A LU =
MEG : nombre doprations
29
Nombre doprations sur la p
ime
ligne :
n-p divisions
(n-p)(n-p+1) multiplications
(n-p)(n-p+1) soustractions
Nombre doprations ncessaires llimination
divisions
multiplications

soustractions

( )
( )
1 1
1 1
1
2
n n
p p
n n
n p p

= =

= =

( )
( )
1 1
1 1
1
2
n n
p p
n n
n p p

= =

= =


( )( ) ( )
( )
2
1 1
2
1 1
1
1
3
n n
p p
n n
n p n p p p

= =

+ = + =

( ) ( ) ( )
( )
2
1 1
2
1 1
1
1
3
n n
p p
n n
n p n p p p

= =

+ = + =


( )( ) ( )
( )
2
1 1
2
1 1
1
1
3
n n
p p
n n
n p n p p p

= =

+ = + =

( ) ( ) ( )
( )
2
1 1
2
1 1
1
1
3
n n
p p
n n
n p n p p p

= =

+ = + =

MEG : nombre doprations
30
Il faut rajouter le nombre doprations ncessaires
la remonte triangulaire
Nombre total doprations ncessaires la MEG
divisions

multiplications

soustractions
Donc en gros oprations lmentaires
( )
1
2
n n +
( )
1
2
n n +
3 2
2 3 5
6
n n n +
3 2
2 3 5
6
n n n +
3 2
2 3 5
6
n n n +
3 2
2 3 5
6
n n n +
3 2
4 9 7
6
n n n +
3 2
4 9 7
6
n n n +
Dcomposition/Factorisation LU
31
On transforme A dans AX=B en un produit A=LU
AX = B LUX = B LY = B avec Y = UX
UX = Y et LY = B sont 2 systmes triangulaires
LY = B rsolu par descente triangulaire => y
i
UX = Y rsolu par remonte triangulaire => x
i
On aura donc la solution X
Non unicit de la DLU
32
Possibilit davoir plusieurs solutions L
i
et U
i
telles
que A = L
i
U
i
car n
2
quations n
2
+ n inconnues
Exp :




On fait au pralable des choix arbitraires sur L ou U
(e.g. u
ii
=1 pour la DLU de Crout)
2 1 1 2 0 0 1 0.5 0.5
0 4 2 0 4 0 0 1 0.5
6 3 1 6 0 4 0 0 1
1 0 0 2 1 1
0 1 0 0 4 2
3 0 1 0 0 4

( ( (
( ( (
=
( ( (
( ( (

( (
( (
=
( (
( (

2 1 1 2 0 0 1 0.5 0.5
0 4 2 0 4 0 0 1 0.5
6 3 1 6 0 4 0 0 1
1 0 0 2 1 1
0 1 0 0 4 2
3 0 1 0 0 4

( ( (
( ( (
=
( ( (
( ( (

( (
( (
=
( (
( (

Dcomposition (factorisation) de Crout
cas o n=4
33
n
2
(16) quations n
2
(16) inconnues => on peut
rsoudre le systme pour trouver les l
ij
et les u
ij

11 12 13 14 11 12 13 14
21 22 23 24 21 22 23 24
31 32 33 34 31 32 33 34
41 42 43 44 41 42 43 44
0 0 0 1
0 0 0 1
0 0 0 1
0 0 0 1
a a a a l u u u
a a a a l l u u
a a a a l l l u
a a a a l l l l
( ( (
( ( (
( ( (
=
( ( (
( ( (

11 12 13 14 11 12 13 14
21 22 23 24 21 22 23 24
31 32 33 34 31 32 33 34
41 42 43 44 41 42 43 44
0 0 0 1
0 0 0 1
0 0 0 1
0 0 0 1
a a a a l u u u
a a a a l l u u
a a a a l l l u
a a a a l l l l
( ( (
( ( (
( ( (
=
( ( (
( ( (

Dcomposition/Factorisation de Crout
Cas o n=4
34
Produit des lignes de L par la premire colonne
de U =>
Produit de la 1re ligne de L par les colonnes de
U =>
=>
35
Produit des lignes de L par la deuxime colonne
de U => soit

Produit de la 2
me
ligne de L par les colonnes de
U => soit
Dcomposition/Factorisation de Crout
Cas o n=4
36
Dcomposition/Factorisation de Crout
Cas o n=4
Produit des lignes de L par la 3me colonne de U =>
=>

Produit de la 3
me
ligne de L par la 4
me
colonne de U
=> ou
Produit de la 4
me
ligne de L par la 4
me
colonne de U
=>
=>
37
Algorithme de Crout (n quelconque)
Dcomposition de Crout :
notation compacte
38
Permet de diminuer la taille mmoire ncessaire
au stockage des coefficients u
ij
et l
ij
On met en mmoire la matrice L+U-I et on dtruit
la matrice A au fur et mesure
Exemple : matrice compacte pour n=4
Premire ligne de U Premire colonne de L
Exemple de la dcomp. de Crout
39
Rsoudre

Deuxime colonne de L Deuxime ligne de U
Exemple de la dcomp. de Crout
40
Calcul de I
33


Rsolution de LY=B => Y=[4 3 2]
T
Rsolution de UX=Y => X=[3 1 2]
T
La solution du systme AX=B est donc [3 1 2]
T
DLU avec permutation de lignes
41
Utilise quand le pivot l
ii
calcul est nul
On remplace la ligne i par la ligne j>i telle que le
nouveau pivot soit le max (en valeur absolue) dans
sa colonne
Il faut garder une trace des permutations effectues
afin de les refaire sur la matrice B
On introduit un vecteur de permutation O dans lequel
on stocke la numrotation des quations
Exemple DLU avec permutations
42
LU A

Si B=[5 -1 -2]
T
alors il faut rsoudre LY=[-2 5 -1]
T

(=> Y=[-2/3 5/2 1]
T
) ensuite rsoudre UX=Y
(=> X=[-1 2 1]
T
)
On aura PA=LU au lieu de A=LU
Exemple DLU avec permutations
Le dterminant de A peut tre dduit daprs la
dcomposition de Crout par :
avec N = nb de permutations

Nombre total doprations ncessaires (Crout) y
compris la descente et la remonte triangulaires
(* , ) et (+ , -)

DLU : suite
( )
1
1
n
N
ii
i
A l
=
=
[
( )
1
1
n
N
ii
i
A l
=
=
[
3 2
3
3
n n n +
3 2
3
3
n n n +
3 2
2 3 5
6
n n n +
3 2
2 3 5
6
n n n +
Inverse dune matrice
45
Le produit dune matrice A par un vecteur e
i
dont
tous les lments sont nuls sauf llment i qui vaut
1 est la colonne no. i de A
Si on note c
i
la i
me
colonne de la matrice A
-1
on a :
c
i
=A
-1
.e
i
c--d A.c
i
=e
i

Le calcul de la matrice A
-1
est donc quivalent la
rsolution de n systmes linaires
Ceci explique quon nutilise pas lquation X=A
-1
.B
pour rsoudre le systme AX=B
Mthodes indirectes (itratives)
46
Pbs possibles rencontrs lors de la rsolution dun
systme AX=B avec un ordre n lev (e.g. > 1000) :
taille mmoire, vitesse de rsolution, prcision
On a donc recours dans ce cas-l des mthodes
itratives indirectes permettant de trouver une
solution approche non exacte du systme
Exemples de mthodes itratives utilises : mthode
de Jacobi et mthode de Gauss-Seidel
47
Mthode itrative indirecte permettant la
rsolution du systme AX=B
On suppose connues les valeurs des x
i
ltape
k et on les calcule ltape k+1
On isole linconnue x
i
dans lquation no. i du
systme AX=B (en supposant a
ii
0)
Le nouveau systme obtenu ressemble un
problme de point fixe gnralis
Mthode de Jacobi
48
On calcule x
i
ltape
k+1 en fonction des x
j

(j=1,,i-1,i+1,,n)
ltape k
Mthode de Jacobi
49
On transforme lancien systme AX=B en un
nouveau systme X = F(X) = -A
*
X

+ B
*

Mthode de Jacobi
13 12 1
11 11 11
23 21 2
22 22 22
*
31 32 3
33 33 33
3 1 2
0
0
0
0
n
n
n
n n n
nn nn nn
a a a
a a a
a a a
a a a
A a a a
a a a
a a a
a a a
(
(
(
(
(
(
( =
(
(
(
(
(
(

13 12 1
11 11 11
23 21 2
22 22 22
*
31 32 3
33 33 33
3 1 2
0
0
0
0
n
n
n
n n n
nn nn nn
a a a
a a a
a a a
a a a
A a a a
a a a
a a a
a a a
(
(
(
(
(
(
( =
(
(
(
(
(
(

1
11
2
22
*
3
33
n
nn
b
a
b
a
B b
a
b
a
(
(
(
(
(
(
( =
(
(
(
(
(
(

1
11
2
22
*
3
33
n
nn
b
a
b
a
B b
a
b
a
(
(
(
(
(
(
( =
(
(
(
(
(
(

50
Formule de rcurrence de la mthode de Jacobi :
X
k+1
= F(X
k
) = -A
*
X
k
+ B
*

En supposant que la matrice A est diagonale
dominante, on dmontre que X
k
tend vers la
solution X quelque soit le vecteur de dpart X
0
Diagonale de A dominante :
On est parfois amen changer lordre des
quations pour pouvoir appliquer Jacobi

Mthode de Jacobi
1
n
ii ik
k
k i
a a
=
=
>

1
n
ii ik
k
k i
a a
=
=
>

51
Rsoudre le systme suivant avec X
0
=[0 0 0]
T



En appliquant Jacobi, on obtient
Mthode de Jacobi : exemple
52
Itration no. 1
Mthode de Jacobi : exemple
Itration no. 2
53
Valeurs des inconnues lors des itrations

Mthode de Jacobi : exemple
Les valeurs convergent (lentement) vers [1 2 3]
T
54
Au lieu dattendre une itration complte pour corriger
chaque composante, on le fait au fur et mesure
Permet une convergence plus rapide que celle de la
mthode de Jacobi
Convergence garantie si la matrice A est diagonale
dominante
On est parfois amen changer lordre des quations
pour pouvoir appliquer Jacobi

Formule de rcurrence
Mthode de Gauss-Seidel
1
1 1
1 1
1
i n
k k k
i i ij j ij j
j j i
ii
x b a x a x
a

+ +
= = +
| |
=
|
\ .

1
1 1
1 1
1
i n
k k k
i i ij j ij j
j j i
ii
x b a x a x
a

+ +
= = +
| |
=
|
\ .

55
Rsoudre le systme
suivant avec X
0
=[1 0 0 0]
T
Mthode de Gauss-Seidel : exemple
1
2
3
4
5 1 1 1 14
1 5 1 1 18
1 1 5 1 22
1 1 1 5 26
x
x
x
x
( ( (
( ( (
( ( (
=
( ( (
( ( (

1
2
3
4
5 1 1 1 14
1 5 1 1 18
1 1 5 1 22
1 1 1 5 26
x
x
x
x
( ( (
( ( (
( ( (
=
( ( (
( ( (

( )
( )
( )
( )
1
1 2 3 4
1 1
2 1 3 4
1 1 1
3 1 2 4
1 1 1 1
4 1 2 3
1
14
5
1
18
5
1
22
5
1
26
5
k k k k
k k k k
k k k k
k k k k
x x x x
x x x x
x x x x
x x x x
+
+ +
+ + +
+ + + +
=
=
=
=
( )
( )
( )
( )
1
1 2 3 4
1 1
2 1 3 4
1 1 1
3 1 2 4
1 1 1 1
4 1 2 3
1
14
5
1
18
5
1
22
5
1
26
5
k k k k
k k k k
k k k k
k k k k
x x x x
x x x x
x x x x
x x x x
+
+ +
+ + +
+ + + +
=
=
=
=

Relations de rcurrence
correspondant la
mthode de Gauss-Seidel
56
Rsultats obtenus pour diffrentes itrations

Mthode de Gauss-Seidel : exemple