Académique Documents
Professionnel Documents
Culture Documents
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Mohamed Berrada
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Dcembre 2014
Sommaire
Cours Calcul
et Mthodes
Numriques
M. Berrada
1
2
3
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Sommaire
Cours Calcul
et Mthodes
Numriques
M. Berrada
1
2
3
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Dfinition
Un systme linaire est un ensemble dquations portant sur les
mmes inconnues
Un systme linaire de m quations n inconnues scrit
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
..
a x + a x + + a x
m,1 1
m,2 2
m,n n
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
=
=
b1
b2
= bm
M. Berrada
AX = b
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
A=
a1,n
a2,n
..
.
am,1 am,2
am,n
a1,1
a2,1
..
.
a1,2
a2,2
..
.
, X =
x1
x2
..
.
xn
, et b =
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
b1
b2
..
.
bm
Sommaire
Cours Calcul
et Mthodes
Numriques
M. Berrada
1
2
3
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
M. Berrada
(
Introduction
Existence et
unicit
Mthodes
directes
2x1 + 6x2 = 4
, A=
4x1 12x2 = 8
2
6
4 12
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
x1 + 3x2 = 7
, A=
2x1 x2 = 0
1 3
2 1
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
4x1 3x2 = 14
, A=
16x1 12x2 = 2
4 3
16 12
Sommaire
Cours Calcul
et Mthodes
Numriques
M. Berrada
1
2
3
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Mthodes directes
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Sommaire
Cours Calcul
et Mthodes
Numriques
M. Berrada
1
2
3
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Mthodes directes
Matrices particulires
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Dfinition
Soit A Mn (R) (une matrice carre)
1
triangulaire suprieure
a
a1,2 a1,n
1,1
0 a2,2 a2,n
..
..
..
..
.
.
.
.
0
0
an,n
triangulaire infrieure
a
0
0
1,1
0
a2,1 a2,2
..
..
..
..
.
.
.
.
an,1 an,2 an,n
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
a
1,1
0
..
.
0
0
a2,2
..
.
0
..
.
0
0
..
.
an,n
diagonale
Mthodes directes
Matrices particulires
Cours Calcul
et Mthodes
Numriques
M. Berrada
Remarque
Les systmes linaires matrice diagonale, triangulaire suprieure ou
triangulaire infrieure, sont facile rsoudre
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
xn = abn
n,n P
n
bi
ai,j xj
j=i+1
xi =
ai,i
Pour un systme linaire matrice triangulaire infrieure telle
que ai,i 6= 0, i = 1, , n, la solution est
x1 = ab1,11
Pi1
xi = bi j=1 ai,j xj
ai,i
Mthodes directes
Algorithme de remonte
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Algorithme de remonte
Soit A une matrice triangulaire suprieure. La solution de
Ax = b est donne par lalgorithme, dit de remonte, suivant :
|x = b
|pour i = n : 1 : 1 faire
|
pour j = i + 1 : n faire
|
xi = xi ai,j xj
|
fin pour j
|
xi = axi,ii
|fin pour i
Nombre doprations :
Pn
i=1 (n
i) =
n2 n
2
(, )
Exemple :
2x1
Conditionnement
x2
5x2 +
x3 = 3
x3 = 8
2x3 = 5
Mthodes directes
Algorithme de descente
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Algorithme de descente
Soit A une matrice triangulaire infrieure. La solution de
Ax = b est donne par lalgorithme, dit de descente, suivant :
|x = b
|pour i = 1 : n faire
|
pour j = 1 : i 1 faire
|
xi = xi ai,j xj
|
fin pour j
|
xi = axi,ii
|fin pour i
Nombre doprations :
Pn
i=1 (i
1) =
n2 n
2
(, )
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Exemple :
2x1
x1 5x2
x1 + x2 + 2x3
= 1
= 2
= 4
Sommaire
Cours Calcul
et Mthodes
Numriques
M. Berrada
1
2
3
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Mthode de Gauss
Principe gnrale
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Mthode de Gauss
Exemple
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
2x1
4x
1
x
1
2x1
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
+ 3x3
+ 3x3
+ x3
+ x3
+ x4
+ 2x4
+ x4
+ x4
= 15
= 3
= 5
= 1
Gnralits
Convergence
+ 3x2
6x2
+ x2
x2
2
3 3 1
4 6 3 2
1
1 1 1
2 1 1 1
x1
x2
x3
x4
15
3
5
1
Mthode de Gauss
Exemple : Matrice augmente
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
On note par
A=
2
3 3 1
4 6 3 2
1
1 1 1
2 1 1 1
et b =
15
3
5
1
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
On nomme
B1 la matrice A augmente de b. Ainsi on aura
1 , 1 i n, 1 j n + 1
B1 = bi,j
Cholesky
Mthodes
itratives
B1 =
2
3 3 1
4 6 3 2
1
1 1 1
2 1 1 1
15
3
5
1
Mthode de Gauss
Exemple : Etape 1
Cours Calcul
et Mthodes
Numriques
M. Berrada
1
6= 0, on le nomme pivot de la 1ere tape
On a b1,1
On pose mi,1 =
1
bi,1
0
b1,1
li , i = 2, 3, 4 :
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
li li mi,1 l1
On obtient
B2 =
2
0
0
0
3
0
3
9
1
4
5
2
5
2
3
2
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
1
m2,1
E1 =
m3,1
m4,1
15
33
25
2
16
avec
0 0 0
1 0 0
0 1 0
0 0 1
Mthode de Gauss
Exemple : Etape 2
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
B20 =
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
1
0
0
0
2
0
0
0
0
0
1
0
0
1
0
0
0
0
0
1
5
2
5
2
3
2
0
2
9
4
4
2
Relaxation
Conditionnement
2 = 5,
Le pivot devient b2,2
2
2 3 3
0 0 9
0 25 52
0 2 4
15
25
2
33
16
1
4
3
2
15
33
25
2
16
Mthode de Gauss
Exemple : Etape 2
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
On note m3,2 =
2
b3,2
2
b2,2
= 0 et m4,2 =
Relaxation
Conditionnement
4
5
B3 =
2
0
0
0
5
2
5
2
3
2
0
0
9
2
4
5
15
25
2
33
6
Jacobi
Gauss-Seidel
2
b4,2
2
b2,2
E2 =
1
0
0
1
0 m3,2
0 m4,2
0
0
1
0
0
0
0
1
Mthode de Gauss
Exemple : Etape 3
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
3
= 9. On note m4,3 =
Le pivot b3,3
la ligne l4 : l4 l4 m4,3 l3
On obtient, au finale
2 3
0 5
2
B4 =
0 0
0 0
3
b4,3
3
b3,3
5
2
3
2
= 29 , et on effectue pour
9
4
4
0 45
On aura B4 = E3 B3 = E3 E2 P2 E1 B1 avec
1 0
0
0 1
0
E3 =
0 0
1
0 0 m4,3
15
25
2
33
4
3
0
0
0
1
Relaxation
Conditionnement
Mthode de Gauss
Exemple : rsolution par remonte
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
2
0
0
0
5
2
5
2
3
2
0
0
9
4
0 45
x1
x2
x3
x4
Cholesky
Mthodes
itratives
43
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
x1
x2
x3
x4
15
25
2
=
33
Gauss-Jordan
Dcomposition LU
6
1
3
15
Mthode de Gauss
Algorithme
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
|For k = 1 : n 1 do
| LE PIVOT bkk si 6= 0
| "STRATEGIE DU CHOIX?"
| "PIVOT PARTIEL ou TOTAL?"
| For i = k + 1 : n do
|
mi,k =
bi,k
bk,k
|
For j = k : n + 1 do
|
bi,j = bi,j mi,k bk,j
|
End for
| End for
|End for
|xn =
bn,n+1
bn,n
|For i = n 1 : 1 : 1 do
| xi = bi,n+1
| For k = i + 1 : n do
|
xi = xi bi,k xk
| End for
|End for
Mthode de Gauss
Nombre doprations
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Mthode de Gauss
Stratgie du choix du pivot : Pivot partiel et Pivot total
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Sommaire
Cours Calcul
et Mthodes
Numriques
M. Berrada
1
2
3
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Mthode de Gauss-Jordan
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
4x1
2x2 + x3 = 10
+ x2 + x3
= 8
+ 3x2 + x3
=
0
9x
1
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
4 2 1
1 1
1
9
3 1
10
8
0
Mthode de Gauss-Jordan
Etape 1
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
4 2 1
1 1
B0 = 1
9
3 1
10
8
0
1 21
1
L1 L1 : B1 = 1
1
4
9
3
1
4
1
1
Dcomposition LU
5
2
8
0
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
L2 L2 L1 et
L3 L3 9L1
1 21
3
: B2 = 0
2
15
0
2
1
4
3
4
5
4
5
2
21
2
45
2
Mthode de Gauss-Jordan
Etape 1
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
1 21
2
L2 L2 : B3 = 0
1
3
15
0
2
1
4
1
2
5
4
5
2
7
45
1
1 21
4
15
1
L3 L3 L2 : B4 = 0
1
2
2
0
0 5
1 12
1
L3 : B5 = 0
L3
1
5
0
0
1
4
1
2
5
2
7
30
5
2
7
6
Mthode de Gauss-Jordan
Etape 2
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
L2 L2
L1 L1
1
2 L3
1
4 L3
et
1 21 0
: B6 = 0
1 0
0
0 1
1 0 0
1
L1 L1 + L3 : B7 = 0 1 0
2
0 0 1
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
x1
2
x
4
=
2
x3
6
4
4
6
2
4
6
Mthode de Gauss-Jordan
Algorithme
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
|For k = 1 : n do
| LE PIVOT bkk si 6= 0
| "STRATEGIE DU CHOIX?"
| "PIVOT PARTIEL ou TOTAL?"
| For j = k : n + 1 do
|
bj,k =
bj,k
bk,k
| End for
| For i = k + 1 : n do
|
For j = k : n + 1 do
|
bi,j = bi,j bi,k bk,j
|
End for
| End for
|End for
|For k = n : 1 : 1 do
| xk = bk,n+1
| For i = k 1 : 1 : 1 do
|
bi,n+1 = bi,n+1 bi,k bk,n+1
| End for
|End for
Sommaire
Cours Calcul
et Mthodes
Numriques
M. Berrada
1
2
3
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Dcomposition LU
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
l2,1
L= .
..
ln,1
0
1
..
.
..
.
0
0
..
.
ln,2
, et
U=
u1,1
0
..
.
u1,2
u2,2
..
.
..
.
u1,n
u2,n
..
.
un,n
Dcomposition LU
Algorithme de factorisation LU
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
On
a
a1,1
a2,1
..
.
a1,2
a2,2
..
.
..
.
a1,n
a2,n
..
.
an,2 an,n
0 0
u1,1 u1,2 u1,n
0
1
0
u2,2 u2,n
..
.
..
..
.
..
. . .. ..
.
.
.
.
ln,1 ln,2 1
0
0
un,n
Par identification, on peut dduire lalgorithme
an,1
1
l2,1
..
.
Dcomposition LU
Algorithme de factorisation LU
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
|u1,1 = a1,1
|For j = 2 : n do
| u1,j = a1,j
aj,1
| lj,1 = a1,1
|End for
|For i = 2 : n 1 do
P
| ui,i = ai,i i1
k=1 li,k uk,i
| For j = i + 1 : n do
P
|
ui,j = ai,jh i1
k=1 li,k uk,j
i
P
1
|
lj,i = ui,i aj,i i1
k=1 lj,k uk,i
| End for
|End for
P
|un,n = an,n i1
k=1 ln,k uk,n
Dcomposition LU
Stockage dans la matrice
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Dcomposition LU
Stockage dans la matrice
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Dcomposition LU
Stockage dans la matrice
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
2
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
aj,1
a1,1 ,
j 2
Dcomposition LU
Stockage dans la matrice
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
2
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Dcomposition LU
Stockage dans la matrice
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
2
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
4
Conditionnement
Dcomposition LU
Stockage dans la matrice
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Dcomposition LU
Stockage dans la matrice : Algorithme
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
|For i = 1 : n 1 do
| For j = i + 1 : n do
a
|
aj,i = aj,i
(mettre jours la colonne i)
i,i
| End for
| For k = i + 1 : n do
|
For j = i + 1 : n do
|
aj,i = aj,i aj,k ak,i (mettre jours le
block restant)
|
End for
| End for
|End for
Dcomposition LU
Rsolution
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Dcomposition LU
Matrice de permutation
Cours Calcul
et Mthodes
Numriques
Remarque
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Exemple :
0
1
1
2
=
0
1
l2,1
u1,1
=
l2,1 u1,1
u1,1
0
u1,2
u2,2
u1,2
u2,2 + l2,1 u1,2
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Dcomposition LU
Matrice de permutation
Cours Calcul
et Mthodes
Numriques
M. Berrada
Proposition
Si A est une matrice inversible alors il existe une matrice de
permutation P, telle que PA = LU
Introduction
Existence et
unicit
Mthodes
directes
Bn = En1 Pn1 E1 P1 B1 .
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
On aura alors
0
U = En1 En2
E10 Pn1 Pn2 P1 A
{z
}
|
{z
}|
M
Dcomposition LU
Matrice tridiagonale
Cours Calcul
et Mthodes
Numriques
M. Berrada
e1
c1
A=
a1
..
.
e2
..
.
..
. cn1
an1 en
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
0
..
.
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
L=
1
l1
..
.
0
1
..
.
..
.
0
0
..
.
ln1
, et
U=
d1
u1
0
..
.
d2
..
.
..
.
0
..
.
un1
dn
Dcomposition LU
Matrice tridiagonale : Algorithme
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
|d1 = e1
|For i = 2 : n do
| ui = ci
| li1 = dai1
i1
| di = ei li1 ui
|End for
Factorisation
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Descente
|y1 = b1
|For i = 2 : n do
| yi = bi li1 yi1
|End for
Remonte
|xn = dynn
|For i = n 1 : 1 do
xi+1
| xi = yi ci+1
di
|End for
Sommaire
Cours Calcul
et Mthodes
Numriques
M. Berrada
1
2
3
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Dcomposition de Cholesky
Principe gnral
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Thorme
Si A est une matrice symtrique dfinie positive, il existe une
matrice relle triangulaire infrieure L telle que : A = LLT .
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Dcomposition de Cholesky
Algorithme
Cours Calcul
et Mthodes
Numriques
l1,1
l2,1 l2,2
L=
..
..
..
.
.
.
ln,1 ln,2
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
ln,n
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
ai,j = LLT
i,j
n
X
min{i,j}
li,k lj,k =
k=1
li,k lj,k , 1 i, j n
k=1
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
ai,j =
i
X
k=1
lik ljk , 1 i, j n
Dcomposition de Cholesky
Algorithme
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Pour i = 2 n :
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
ai,i =
Pi
ai,j =
Pi
do li,i =
ai,i
Pi1
do lj,i =
ai,j
Pi1 2
l
k=1 i,k
l l
k=1 i,k j,k
li,i
, i +1j n
Dcomposition de Cholesky
Algorithme
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
|l1,1 = a1,1
|For i = 2 : n do
ai,1
| li,1 = l1,1
|End for
|For i =q
2 : n do
|
|
2
li,i = ai,i i1
k=1 li,k l li,k
For j = i +P
1 : n do
aj,i
|
lj,i =
| End for
|End for
i1
l l
k=1 j,k j,k
li,i
Conclusion
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Sommaire
Cours Calcul
et Mthodes
Numriques
M. Berrada
1
2
3
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Sommaire
Cours Calcul
et Mthodes
Numriques
M. Berrada
1
2
3
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Mthodes itratives
Principe gnral
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
X = MX + C
Relaxation
Conditionnement
Ncessite la convergence
La convergence ne doit pas tre lente
Mthodes itratives
Principe gnral
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
X = MX + C
Relaxation
Conditionnement
Ncessite la convergence
La convergence ne doit pas tre lente
Sommaire
Cours Calcul
et Mthodes
Numriques
M. Berrada
1
2
3
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Convergence
Norme matricielle
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Dfinition
On appel norme matricielle une norme dfinie sur Mn (R) par :
k.k : Mn (R) R+
A 7 kAk
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Convergence
Norme subordonne
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
kAk =
kAx kV
,x 6=0 kx kV
max
n
x R
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Exemple :
Soit la norme vectorielle k.k :
kx k = max |xi |.
1in
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
1in
n
X
j=1
|ai,j |.
Convergence
Rayon spectral
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Dfinition
Soit A Mn (R), on appel rayon spectral de la matrice A le
nombre rel :
(A) = max |i |
1in
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
(A) kAk
Convergence
Cours Calcul
et Mthodes
Numriques
M. Berrada
Thorme
C Mn (R), sil existe une norme matricielle subordonne k.k
telle que kC k < 1, alors :
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
ke k kV kC kk ke 0 kV
Conditionnement
Donc e k 0 et x k x
Convergence
Cours Calcul
et Mthodes
Numriques
M. Berrada
Thorme
On a quivalence entre les trois conditions suivantes :
1
(C ) < 1
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
On note ek = x k x ,
On a x k+1 = Cx k + d et x = Cx + d, donc ek+1 = Cek , puis
ek = C k e0
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Thorme
Soit A sysmtrique dfinie positive telle que A = M N Si
M t + N est dfinie positive, Alors la suite x k converge.
Convergence
Vitesse de convergence
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
kx k+1 x k
(C )
kx k x k
Si on ne connait pas la solution x , on utilise lestimation
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
kx k+1 x k k
(C )
kx k x k1 k
Convergence
Conclusion
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Convergence
Conclusion
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Sommaire
Cours Calcul
et Mthodes
Numriques
M. Berrada
1
2
3
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Mthode de Jacobi
Exemple
Cours Calcul
et Mthodes
Numriques
On note x = (
x1 , x2 , x3 ) la solution exacte du systme linaire
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
2 x1 + 1 x2 + 0 x3 = 5,
1 x1 3 x2 + 1 x3 = 6,
0 x1 + 1 x2 + 1 x3 = 7,
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
On aura
Gauss
Gauss-Jordan
2
1 0
x1
5
1
3
1
x
2 6
0
1 4
x3
7
M. Berrada
Mthode de Jacobi
Exemple
Cours Calcul
et Mthodes
Numriques
On note x = (
x1 , x2 , x3 ) la solution exacte du systme linaire
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
2 x1 + 1 x2 + 0 x3 = 5,
1 x1 3 x2 + 1 x3 = 6,
0 x1 + 1 x2 + 1 x3 = 7,
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Solution exacte
1
x1 =
x2 =
x3 =
Gauss-Seidel
Relaxation
Conditionnement
On aura
Gauss
Gauss-Jordan
2
1 0
x1
5
1
3
1
x
2 6
0
1 4
x3
7
M. Berrada
51
x2 0
x3
2
6+1
x1 1
x3
3
70
x1 1
x2
4
Mthode de Jacobi
Exemple
Cours Calcul
et Mthodes
Numriques
On note x = (
x1 , x2 , x3 ) la solution exacte du systme linaire
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
2 x1 + 1 x2 + 0 x3 = 5,
1 x1 3 x2 + 1 x3 = 6,
0 x1 + 1 x2 + 1 x3 = 7,
Cholesky
Gnralits
Convergence
Jacobi
Solution exacte
1
x1 =
x2 =
Gauss-Seidel
Relaxation
Conditionnement
Dcomposition LU
Mthodes
itratives
On aura
Gauss
Gauss-Jordan
2
1 0
x1
5
1
3
1
x
2 6
0
1 4
x3
7
M. Berrada
x3 =
51
x2 0
x3
2
6+1
x1 1
x3
3
70
x1 1
x2
4
Itration Jacobi
1
x1k+1 =
x2k+1 =
x3k+1 =
51x2k 0x3k
2
6+1x1k 1x3k
3
70x1k 1x2k
4
Mthode de Jacobi
Algorithme
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
bi
n
j=1,j6=i
ai,i
ai,j xjold
Mthode de Jacobi
Forme matricielle
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
M = D
N = E F
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Dfinition
On appel matrice de Jacobi la matrice
J = M 1 N = D 1 (E F )
Mthode de Jacobi
Conditions de convergence
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
(J) < 1
Thorme
Si A est diagonale strictement dominante (c--d
P
|ai,i | > nj=1,j6=i |ai,j |) alors la mthode de Jacobi converge
pour tout vecteur initial x 0 .
Thorme
Supposons A symtrique dfinie positive. Si 2D A est
symtrique dfinie positive alors la mthode de Jacobi converge.
Sommaire
Cours Calcul
et Mthodes
Numriques
M. Berrada
1
2
3
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Mthode de Gauss-Seidel
Exemple
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
x1 =
x2 =
x3 =
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
51
x2 0
x3
2
6+1
x1 1
x3
3
70
x1 1
x2
4
Mthode de Gauss-Seidel
Exemple
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
x1 =
x2 =
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
x3 =
51
x2 0
x3
2
6+1
x1 1
x3
3
70
x1 1
x2
4
x1k+1 =
x2k+1 =
51x2k 0x3k
2
6+1x1k+1 1x3k
3
x3k+1 =
70x1k+1 1x2k+1
4
Mthode de Gauss-Seidel
Algorithme
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
|For i = 1 : n do
| xinew = xi0
|End for
|While kAx new bk > or nb < iter _max do
| nb = nb + 1
| For i = 1 : n do
|
xiold = xinew
| End for
| For i = 1 : n do
P
new Pn
old
|
xinew = a1i,i bi i1
j=i+1 ai,j xj
j=1 ai,j xj
| End for
|End while
Mthode de Gauss-Seidel
Forme matricielle
Cours Calcul
et Mthodes
Numriques
M. Berrada
(
Introduction
Existence et
unicit
Mthodes
directes
M = D+E
N = F
On aura alors
Matrices particulires
A = M N = D + E (F )
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
et la suite
x k+1 = M 1 Nx k + M 1 b
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Dfinition
On appel matrice de Gauss-Seidel la matrice
GS = M 1 N = (D + E )1 (F )
Mthode de Gauss-Seidel
Conditions de convergence
Cours Calcul
et Mthodes
Numriques
M. Berrada
1
(GS) < 1
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Thorme
Si A est diagonale strictement dominante alors la mthode de
Gauss-Seidel converge pour tout vecteur initial x 0 .
Thorme
Si A est symtrique dfinie positive alors la mthode de
Gauss-Seidel converge pour tout vecteur initial x 0 .
Sommaire
Cours Calcul
et Mthodes
Numriques
M. Berrada
1
2
3
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Mthode de Relaxation
Forme matricielle
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
M =
N
=
D
+E
1
D
Cholesky
Mthodes
itratives
Gnralits
Convergence
Dfinition
On appel matrice de relaxation la matrice
Jacobi
Gauss-Seidel
Relaxation
R = M1 N = (
Conditionnement
Si = 1 on retrouve G-S
D
1
+ E )1 (
D F)
Mthode de relaxation
Conditions de convergence
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
inversible)
2 (R ) < 1
Thorme
Soit R la matrice de relaxation associ A. Alors :
Matrices particulires
Gauss
Gauss-Jordan
(R ) | 1|.
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Thorme
Soit A une matrice symtrique dfinie positive.
Alors la mthode de relaxation converge ssi 0 < < 2.
En particulier, pour = 1, la mthode de G-S converge.
Mthode de relaxation
Algorithme
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Mthode de relaxation
Comparaison Jacobi et G-S pour une matrice tridiagonale
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Thorme
Si A est une matrice tridiagonale. Alors on a (GS) = [(J)]2
Si de plus A est symtrique dfinie positive alors on a un choix
optimal de
2
q
=
1 + 1 (J)2
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
et (R ) = 1
On peut en dduire que dans ce cas :
G-S converge Jacobi converge
En cas de convergence, la mthode de G-S converge plus vite
que la mthode de Jacobi
Sommaire
Cours Calcul
et Mthodes
Numriques
M. Berrada
1
2
3
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Dfinition
Le conditionnement dune matrice inversible A relativement
une norme subordonne, note || || est donn
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Et on a (A) > 1.
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
M. Berrada
Introduction
Existence et
unicit
Exemple :
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
= b
= (b + b)
= b
8
7
6
5
10 9
9 10
7
8.1
7.2
5.04
6
5
5.98 9.89
9
4.99
9
9.98
1
1.82
1
0.36
Les solutions : x =
1 y = 1.35
1
0.79
10
7
A=
8
7
10
7.08
A + A =
8
6.99
7
5
6
5
32
23
b=
33
31
32.01
22.99
b + b =
33.01
30.99
81
z = 137
34
22
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
kx k
kAk
6 (A)
kx + x k
kAk
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Matrices particulires
KAx = Kb
Gauss
Gauss-Jordan
(prconditionnement gauche)
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
ou par
AKy = b
(prconditionnement droite)
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
Gauss
Lt AL
x = Lt b
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement
o x = L
x
On cherche une solution approche x k du systme
prcdent.
Cours Calcul
et Mthodes
Numriques
M. Berrada
Introduction
Existence et
unicit
Mthodes
directes
Matrices particulires
Gauss
Gauss-Jordan
Dcomposition LU
Cholesky
Mthodes
itratives
Gnralits
Convergence
Jacobi
Gauss-Seidel
Relaxation
Conditionnement