1

Chapitre 6
6.3 Elements finis en dimension N 2

Plan du cours:
6.3.1 Elements finis triangulaires (de Lagrange)
6.3.2 Convergence et estimation derreur
6.3.3 Elements finis rectangulaires (de Lagrange)
13.1 Resolution numerique des syst`emes lineaires

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

Probl`eme mod`ele
ouvert borne de RN et f L2 ().

u = f
u=0

dans
sur .

Il existe une solution unique dans H01 ().

Dans tout ce qui suit nous supposerons que le domaine est poly`
edrique
(polygonal si N = 2), afin que nous puissions le mailler exactement.

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

6.3.1 Elements finis triangulaires

Exemple de maillage en dimension N = 2:

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

Mailles 

Les mailles sont des N -simplexes (triangles en 2-D, tetra`edres en 3-D).

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

N -simplexe

Un N -simplexe est lenveloppe convexe de (N + 1) points (aj )1jN +1 de RN .

On note (ai,j )1iN les coordonnees du vecteur aj . Le N -simplexe est non
degenere si la matrice

a1,1 a1,2 ... a1,N +1

a2,1 a2,2 ... a2,N +1

.
..
..

.
A= .
.
.

a
N,1 aN,2 ... aN,N +1
1
1
... 1
est inversible (ce que lon supposera toujours par la suite). Un N -simplexe a
autant de faces que de sommets, qui sont elles-memes des (N 1)-simplexes.

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

Coordonnees barycentriques



Si K est un N -simplexe non degenere de sommets (aj )1jN +1 , les
coordonn
ees barycentriques (j )1jN +1 de x RN sont definies par
N +1
X

ai,j j = xi pour 1 i N

j=1
N
+1
X

j = 1

j=1

qui admet une solution unique car la matrice A est inversible. (Remarquons
que x j (x) est affine.) On verifie que


N
K = x R tel que j (x) 0 pour 1 j N + 1 ,

et que les (N + 1) faces de K sont les intersections de K et des hyperplans

j (x) = 0, 1 j N + 1.
D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

efinition 6.3.1 
D

Soit un ouvert connexe poly`edrique de RN . Un maillage ou une

triangulation de est un ensemble Th de N -simplexes (non degeneres)
(Ki )1in qui verifient
1. Ki et = ni=1 Ki ,
2. en dimension N = 2, lintersection Ki Kj de deux triangles distincts est
soit vide, soit reduite `a un sommet commun, soit `a une arete commune
enti`
ere (en dimension N = 3, lintersection est soit vide, soit un sommet
commun, soit une face commune enti`ere, soit une arete commune enti`ere).
Les sommets (ou noeuds) du maillage Th sont les sommets des N -simplexes
Ki qui le composent. Par convention, le param`etre h designe le maximum des
diam`etres des N -simplexes Ki .

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

Situations interdites 

Ki

Ki

Kj
Kj

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

Treillis dordre k 

On appelle treillis dordre k lensemble (fini)



k1
1
, 1} pour 1 j N
k = x K tel que j (x) {0, , ...,
k
k
dont les points sont notes (j )1jnk .
Pour k = 1 il sagit de lensemble des sommets de K, et pour k = 2 des
sommets et des points milieux des aretes reliant deux sommets.
Dimension N = 2
1

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

10

Dimension N = 3
1

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

11

Ensemble de polynomes Pk

On definit lensemble Pk des polynomes `a coefficients reels de RN dans R de

degr
e inf
erieur ou
egal `
a k, cest-`a-dire que tout p Pk secrit sous la
forme
X
p(x) =
i1 ,...,iN xi11 xiNN avec x = (x1 , ..., xN ).
i1 ,...,iN 0
i1 +...+iN k

Degre k = 1: polynomes affines

p(x) = 0 +

N
X

i xi

avec x = (x1 , ..., xN ).

i=1

En general, k = 1, parfois k = 2, plus rarement au del`a.

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

12

Unisolvance de k pour Pk

Lemme 6.3.3 Tout polynome de Pk est determine de mani`ere unique par ses
valeurs aux points (j )1jnk du treillis k . Autrement dit, il existe une
base (j )1jnk de Pk telle que
j (i ) = ij

1 i, j nk .

Preuve (k = 1). On verifie que tout polynome p P1 se met sous la forme

p(x) =

N
+1
X

p(aj )j (x)

j=1

car les coordonnees barycentriques j (x) sont affines en x. Comme

j (ak ) = jk , la base recherchee est j = j .

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

13

e a` linterface entre 2 mailles 

Continuit

Lemme 6.3.4 Soit K et K 0 deux N -simplexes ayant une face commune

= K K 0 . Alors, leur treillis dordre k 1, k et 0k , concident sur
cette face . De plus, etant donne pK et pK 0 deux polynomes de Pk , la
fonction v definie par

p (x)
si x K
K
v(x) =
pK 0 (x) si x K 0
est continue sur K K 0 , si et seulement si pK et pK 0 ont des valeurs qui
concident aux points du treillis sur la face commune .

Preuve. Par construction les treillis k et 0k concident sur leur face

commune . Si les polynomes pK et pK 0 concident aux points de k ,
alors par application du Lemme 6.3.3 ils sont egaux sur , ce qui prouve la
continuite de v.
D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

14

Elements finis Pk
D
efinition 6.3.5. Etant donne un maillage Th dun ouvert , la methode des
elements finis Pk , ou elements finis triangulaires de Lagrange dordre k,
associee `a ce maillage, est definie par lespace discret


Vh = v C() tel que v |Ki Pk pour tout Ki Th .
On appelle noeuds des degr
es de libert
e lensemble des points (distincts)
(
ai )1indl des treillis dordre k de chacun des N -simplexes Ki Th .

On appelle degr
es de libert
e dune fonction v Vh lensemble des valeurs de
v en ces noeuds (
ai )1indl .
On definit aussi le sous-espace V0h par
V0h = {v Vh tel que v = 0 sur } .

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

15

Proposition 6.3.7 Lespace Vh est un sous-espace de H 1 () dont la

dimension est le nombre de degres de liberte, et il existe une base (i )1indl
de Vh definie par
aj ) = ij 1 i, j ndl ,
i (
telle que
v(x) =

ndl
X

v(
ai )i (x).

i=1

Preuve: par simple combinaison des Lemmes 6.3.3 et 6.3.4.

Remarque. Lappellation elements finis de Lagrange veut dire que toute
fonction de lespace Vh est caracterisee pas ses valeurs ponctuelles (ses
degres de liberte) aux noeuds (
aj ).
On parle delements finis de Hermite si les degres de liberte sont les valeurs de
la fonction et de ses derivees partielles dordre 1.

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

16

Fonction de base P1 en dimension N = 2.

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

17

Resolution pratique

On resout le probl`eme mod`ele par la methode des elements finis Pk .

La formulation variationnelle de lapproximation interne est
Z
Z
uh vh dx =
f vh dx vh V0h .
trouver uh V0h tel que

On decompose uh sur la base des (j )1jndl et on prend vh = i ce qui donne

ndl
X

uh (
aj )

j=1

D
epartement de Math
ematiques Appliqu
ees

j i dx =

f i dx.

Analyse num
erique et optimisation

18



Matrice de rigidite


Vecteur inconnu: Uh = (uh (
aj ))1jndl
Z

Second membre: bh =
f i dx

Matrice de rigidite: Kh =

Z

1indl

j i dx

1i,jndl

La formulation variationnelle est equivalente au syst`eme lineaire

K h Uh = b h .
En general, lintersection des supports de j et i est vide et la plupart des
coefficients de Kh sont nuls. La matrice de rigidite Kh est donc creuse.

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

19


Traitement des conditions aux limites

Condition aux limites de Neumann: rien `a faire ! (Elle est prise en
compte par la formulation variationnelle: on dit quelle est implicite ou
naturelle, voir la Remarque 5.2.11.)
u
+ u = 0 sur ): on rajoute un
Condition aux limites de Fourier (i.e. n
terme
Z
uv ds

dans la formulation variationnelle.

Condition aux limites de Dirichlet: linconnue comme la fonction test est
nulle sur le bord. Deux possibilites: soit on elimine les degres de liberte
du bord, soit on penalise les degres de liberte du bord (i.e. Fourier avec
>> 1).

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

20

Calcul des integrales

On peut utiliser la formule exacte en coordonnees barycentriques
Z
1 ! N +1 ! N !
1
N +1
.
1 (x) N +1 (x)
dx = Volume(K)
(
+
...
+

+
N
)!
1
N +1
K
On peut aussi utiliser des formules de quadrature approchees
Z
formule du point milieu:
(x) dx Volume(K)(a0 ),
K

avec a0 = (N + 1)1

N
+1
X

ai , le barycentre de K,

i=1

formule des trap`ezes:

N +1
Volume(K) X
(x) dx
(ai ).
N +1
K
i=1

Ces formules sont exactes pour des fonctions affines et sont approchees `a
lordre 2 en h pour des fonctions reguli`eres.
D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

21


Taille des matrices

La matrice de rigidite Kh est creuse mais elle est de grande taille!
Exemple: maillage regulier n n en dimension N = 2

Matrice Kh dordre n2 (ou bien n3 en dimension N = 3).

Il faut optimiser la resolution du syst`eme lineaire !
D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

22



Exemples numeriques avec FreeFem++


Terme source f
Xd3d 8.0.3 (1/10/2003)

10.
9.5
9.
8.5
8.
7.5
7.
6.5
6.
5.5
5.
4.5
4.
3.5
3.
2.5
2.
1.5
1.
0.5
0

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

23

Solution approchee uh pour le maillage grossier

Xd3d 8.0.3 (1/10/2003)

1.37826
1.309347
1.240434
1.171521
1.102608
1.033695
0.964782
0.895869
0.826956
0.758043
0.68913
0.620217
0.551304
0.482391
0.413478
0.344565
0.275652
0.206739
0.137826
0.68913E-01
0

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

24

Maillage triangulaire plus fin que le precedent

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

25

Solution approchee uh pour le maillage fin

Xd3d 8.0.3 (1/10/2003)

2.55705
2.429198
2.301345
2.173492
2.04564
1.917788
1.789935
1.662082
1.53423
1.406378
1.278525
1.150672
1.02282
0.8949675
0.767115
0.6392625
0.51141
0.3835575
0.255705
0.1278525
0

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

26

6.3.2 Convergence et estimation derreur

Diam`etre hK = diam(K) et rondeur (K) dun triangle K

diam(K)
()

D
efinition 6.3.11 Soit (Th )h>0 une suite de maillages de . On dit quil
sagit dune suite de maillages reguliers si
1. la suite h = max diam(Ki ) tend vers 0,
Ki Th

2. il existe une constante C telle que, pour tout h > 0 et tout K Th ,

diam(K)
C.
1
(K)
D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

27



Convergence et estimation derreur


Th
eor`
eme 6.3.13 Soit (Th )h>0 une suite de maillages reguliers de . Soit
u H01 (), la solution exacte, et uh V0h , la solution approchee par elements
finis Pk .
La methode des elements finis Pk converge, cest-`a-dire que
lim ku uh kH 1 () = 0.

h0

De plus, si u H k+1 () et si k + 1 > N/2, alors on a lestimation derreur

ku uh kH 1 () Chk kukH k+1 ()
Remarque. Le Theor`eme 6.3.13 sapplique `a toute methode delements finis
de type Lagrange (aussi pour les elements finis rectangulaires).
Pour N = 2 ou N = 3, la condition k + 1 > N/2 est satisfaite d`es que k 1.
D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

28

D
emonstration du Th
eor`
eme 6.3.13: idee principale
Lemme 6.1.2 de Cea + interpolation ci-dessous.
D
efinition dun op
erateur dinterpolation rh . Pour toute fonction
continue v on definit son interpolee
rh v(x) =

ndl
X

v(
ai )i (x)

i=1

avec (
ai )1indl les noeuds des degres de liberte et (i )1indl la base de V0h
de la methode des elements finis Pk .
Proposition 6.3.16 (admise) Soit (Th )h>0 une suite de maillages reguliers
de . On suppose que k + 1 > N/2. Alors, pour tout v H k+1 () linterpolee
rh v est bien definie, et il existe une constante C, independante de h et de v,
telle que
kv rh vkH 1 () Chk kvkH k+1 () .
D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

29

6.3.3 Elements finis rectangulaires

Exemple de maillage rectangulaire en dimension N = 2

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

30


Definition 6.3.21

Soit un ouvert connexe poly`edrique de RN . Un maillage rectangulaire de
est un ensemble Th de N -rectangles (non degeneres) (Ki )1in qui verifient
1. Ki et = ni=1 Ki ,
2. en dimension N = 2, lintersection Ki Kj de deux rectangles distincts
est soit vide, soit un sommet commun, soit une arete commune enti`ere (en
dimension N = 3 il faut ajouter soit une face commune enti`ere).
Les sommets (ou noeuds) du maillage Th sont les sommets des N -rectangles
Ki qui le composent. Par convention, le param`etre h designe le maximum des
diam`etres des N -rectangles Ki .

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

31


Treillis

Pour tout entier k 1 on definit le treillis dordre k du N -rectangle K comme
lensemble (fini)


k1
xj l j
1
, 1} pour 1 j N .
{0, , ...,
k = x K tel que
Lj lj
k
k
Pour k = 1 il sagit de lensemble des sommets de K.

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

32



Ensemble de polynomes Qk


On definit Qk comme lensemble des polynomes `a coefficients reels de RN
dans R de degre inferieur ou egal `a k par rapport `a chaque variable,
cest-`a-dire que tout p Qk secrit sous la forme
X
i1 ,...,iN xi11 xiNN avec x = (x1 , ..., xN ).
p(x) =
0i1 k,...,0iN k

Remarquons que le degre total de p peut etre superieur `a k, ce qui differencie

lespace Qk de Pk .
Degr
e k = 1 et dimension N = 2: polynomes bilineaires
p(x) = 0 + 1 x1 + 2 x2 + 3 x1 x2 .
En general, k = 1, parfois k = 2, plus rarement au del`a.

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

33



Unisolvance de k pour Qk


Lemme 6.3.22 Soit K un N -rectangle. Soit un entier k 1. Alors, tout
polynome de Qk est determine de mani`ere unique par ses valeurs aux points
du treillis dordre k k .
Lemme 6.3.23 Soit K et K 0 deux N -rectangles ayant une face commune
= K K 0 . Alors, leur treillis dordre k 1, k et 0k , concident sur
cette face . De plus, etant donne pK et pK 0 deux polynomes de Qk , la
fonction v definie par

p (x)
si x K
K
v(x) =
pK 0 (x) si x K 0
est continue sur K K 0 , si et seulement si pK et pK 0 ont des valeurs qui
concident aux points du treillis sur la face commune .

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

34

Elements finis Qk

D
efinition 6.3.25. Etant donne un maillage rectangulaire Th dun ouvert ,
la methode des elements finis Qk est definie par lespace discret


Vh = v C() tel que v |Ki Qk pour tout Ki Th .
On appelle noeuds des degr
es de libert
e lensemble des points (
a i )1indl
des treillis dordre k de chacun des N -rectangles Ki Th .

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

35

Proposition 6.3.26 Lespace Vh est un sous-espace de H 1 () dont la

dimension est le nombre de degres de liberte ndl . De plus, il existe une base
de Vh (i )1indl definie par
aj ) = ij
i (

1 i, j ndl ,

telle que
v(x) =

ndl
X

v(
ai )i (x).

i=1

Remarque. Il sagit encore delements finis de Lagrange.

Meme resultat de convergence que pour les elements finis triangulaires.

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

36

Fonction de base Q1 en dimension N = 2.

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

37

13.1 Resolution des syst`emes lineaires

Probl`
eme: resoudre le syst`eme lineaire dans Rn
Ax = b

avec A Mn (R)

et n grand !

On veut des algorithmes numeriques efficaces et stables !

Efficacite = faible temps de calcul, et faible occupation de memoire.
Stabilite = ne pas amplifier les erreurs darrondi.
Deux types de methodes:
Methodes directes (solution exacte en un nombre fini doperations).
Methodes iteratives (suite de solutions approchees).

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

38

Stabilite et conditionnement
D
efinition 13.1.1 norme matricielle subordonnee kAk = maxxCn

kAxk
kxk .

D
efinition 13.1.9 On appelle conditionnement dune matrice A Mn (C),
relatif `a une norme matricielle subordonnee, la valeur definie par
cond(A) = kAk.kA1 k
Proposition 13.1.10 Soit A une matrice inversible et b Rn , b 6= 0.
1. Si Ax = b et A(x + x) = b + b, alors on a
kbk
kxk
cond(A)
.
kxk
kbk
2. Si Ax = b et (A + A)(x + x) = b, alors on a
kAk
kxk
cond(A)
.
kx + xk
kAk
D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

39

D
emonstration.
1. Ax = b donc kxk kA1 kkbk.
2. Ax = A(x + x), donc kxk kA1 kkAkkx + xk.
Exercice.
Si A est symetrique reelle definie positive, on trouve
n (A)
,
cond2 (A) =
1 (A)
o`
u 0 < 1 (A) ... n (A) sont les valeurs propres de A.

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

40



Exemple


Pour les elements finis P1 appliques au Laplacien, la matrice de rigidite est

2 1
0

1 2 1

.
.
.
1
,
..
..
..
Kh = h

1 2 1

0
1 2
4
dont le conditionnement est cond2 (Kh ) 2 2 pour h 0.
h
La matrice de rigidite Kh est mal conditionnee.
Il faut faire attention `a la stabilite dans la resolution des syst`emes lineaires
issus de la methode des elements finis.
D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

41

13.1.3 Methodes directes

Matrice reelle inversible A dordre n.
Elimination de Gauss.
Factorisation LU.
Factorisation de Cholesky pour les matrices symetriques.
Caracteristiques:
Memoire requise: de lordre de n2 reels.
Temps necessaire: de lordre de n3 operations arithmetiques.
Avantage: simple, robuste, precis.
Inconvenient: trop ch`eres, voire impossibles, si n est grand (ce qui est
systematique en 3-D).
D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

42



Factorisation LU 
Il sagit de la methode delimination de Gauss sans pivot.
Proposition 13.1.15 Soit une matrice A = (aij )1i,jn dordre n. Sous une
hypoth`ese technique (verifiee si A est definie positive), il existe un unique
couple de matrices triangulaires (L, U ) tel que A = LU avec

u1,1 . . . . . . u1,n
1
0
...
0

..
..
..
..

.
.
0
l2,1
.
u2,2
.
, U =
.
L=

.
..
..
..
..
..
..

..
.
.
.
.
.
0
.

ln,1

. . . ln,n1

...

un,n

Interet: il est facile de resoudre des syst`emes triangulaires.

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

43

Calcul pratique de la factorisation LU

A = LU ai,j =

n
X

k=1

min(i,j)

li,k uk,j =

li,k uk,j .

k=1

Au fur et `a mesure que lon lit les colonnes de A on en deduit les coefficients
des colonnes de L et de U .

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

44

Colonne j de A: on calcule la j-`eme colonne de L et de U

a1,j = l1,1 u1,j
..
.
aj,j = lj,1 u1,j + + lj,j uj,j
aj+1,j = lj+1,1 u1,j + + lj+1,j uj,j
..
.
an,j = ln,1 u1,j + + ln,j uj,j

D
epartement de Math
ematiques Appliqu
ees

u1,j = a1,j
..
.
uj,j = aj,j
lj+1,j =
..
.
ln,j =

Pj1

k=1 lj,k uk,j

aj+1,j

an,j

Pj1

k=1

lj+1,k uk,j

ujj

Pj1

k=1

ln,k uk,j

ujj

Analyse num
erique et optimisation

45

Compte doperations



Pour n grand on ne compte que les multiplications ou divisions.
factorisation LU : le nombre doperations Nop est
Nop =

n1
X

n
X

n
X

(1 +

j=1 i=j+1

1),

k=j+1

qui, au premier ordre, donne Nop n3 /3.

substitution (ou remontee-descente sur les deux syst`emes triangulaires) :
le nombre doperations Nop est
Nop = 2

n
X

j,

j=1

qui, au premier ordre, donne Nop n2 .

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

46

Factorisation de Cholesky

Proposition 13.1.19 Soit A une matrice symetrique reelle, definie positive.

Il existe une unique matrice reelle B triangulaire inferieure, telle que tous ses
elements diagonaux soient positifs, et qui verifie

b1,1

b2,1
A=
.
..

bn,1

0
b2,2
..
.

...
..
.
..
.

...

bn,n1

D
epartement de Math
ematiques Appliqu
ees

A = BB .

b1,1
0

..

. 0

.
..
0

bn,n
0

...

...

b2,2
..
.

..

...

bn,1
..
.
..
.
bn,n

Analyse num
erique et optimisation

47

Calcul pratique de la factorisation de Cholesky

Par identification dans legalite A = BB , on calcule la j-`eme colonne de B en

fonction de ses (j 1) premi`eres colonnes.
q
Pj1
2
2
2
bjj = ajj k=1 (bjk )2
ajj = (bj1 ) + (bj2 ) + + (bjj )
Pj1
aj+1,j
bjk bj+1,k
k=1
aj+1,j = bj1 bj+1,1 + + bjj bj+1,j
bj+1,j =
bjj
..
..
.
.
Pj1
an,j
bjk bn,k
k=1
an,j = bj1 bn,1 + bj2 bn,2 + + bjj bn,j bn,j =
bjj
Compte doperations: Nop n3 /6.
2 fois plus rapide que Gauss !

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

48

13.1.4 Methodes iteratives

D
efinition 13.1.24 Soit A une matrice inversible. Soit une decomposition
reguli`ere (M, N ) de A (avec M inversible) telle que
A = M N.
La methode iterative basee sur le splitting (M, N ) est definie par

x donne dans Rn ,
0
M xk+1 = N xk + b k 1.

Avantages: faible stockage memoire et faible temps CPU si convergence

rapide (en peu diterations). Les seules possibles si n est grand !
Jacobi: M = diag(A).
Gauss-Seidel: M = partie triangulaire inferieure de A.
Gradient: M = 1 Id avec > 0.

D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation

49

Methode du gradient conjugue



Proposition 13.1.39 Soit A une matrice symetrique definie positive, et
x0 Rn . Soit (xk , rk , pk ) trois suites definies par les relations de recurrence

xk+1 = xk + k pk
p0 = r0 = b Ax0 , et pour 0 k
rk+1 = rk k Apk

pk+1 = rk+1 + k pk
avec

krk k2
krk+1 k2
et k =
.
k =
2
Apk pk
krk k

Alors, la suite (xk )k0 converge en moins de n iterations vers la solution

exacte de Ax = b
Methode la plus efficace (avec un preconditionnement pour converger plus
vite).
D
epartement de Math
ematiques Appliqu
ees

Analyse num
erique et optimisation