Académique Documents
Professionnel Documents
Culture Documents
Systemes Lineaires v5 Sans Ar Plan PDF
Systemes Lineaires v5 Sans Ar Plan PDF
a
a
11
+ a x
+ ...... + a x
21
+ a x
+ a x
+ a x
+ a x
= b
12
22
1m
2m
.
.
.
n1
n2
nm
Ecriture matricielle
A.x = b
a11 a12
a21 a22
a
a32
31
.
A= .
ai1 ai 2
.
.
an1 an 2
... a1 j
...
a23 ... a2 j
....
a33 ... a3 j
...
a13
.
aij
...
.
.
an 3 ... anj
...
ai 3
...
x : vecteur
a1m
colonne des
inconnues
a2 m
a3m
x1
. = (aij )
x2
aim
x
3
x
=
.
.
anm
.
x
m
b : vecteur
colonne second
membre
b1
b2
b
b= 3
.
.
b
n
On distingue 3 cas :
Systme surdtermin (n>m)
Systme de Cramer (n=m)
Systme sous dtermin (n<m)
Mthodes de rsolution :
A- Mthodes directes : pour les systmes de petite taille
Solution dtermine aprs un nombre doprations connu
lavance (sans rptition)
B- Mthodes indirecte (essentiellement itratives) :
Solution dtermine par rptition dun processus dans lequel
plusieurs valeurs intermdiaires du vecteur des inconnues sont
calcules jusqu convergence
EMI - M. TAHA JANAN
A- Mthodes directes
A.1. Mthode de Cramer :
= dt ( A)
Si 0
: solution unique
Si = 0
: deux cas
Tous les
xi =
sont nuls
Au moins un des
i=1n
Nombre doprations :
On a (n + 1) dterminants calculer et n divisions.
Pour chaque dterminant on a :
n! n multiplications et n! 1 additions.
Nombre doprations ncessaires :
(n + 1) n! n
multiplications.
(n + 1) (n! 1)
additions
divisions
TC = 4319 oprations
Pour n = 10
A.x = b x = A .b
1
det(
A )
TC = 3790 oprations
Pour n = 10
a x
11
+ a x
12
......
a x
1n
= b
a x
......
a x
= b
=
= b
22
2n
0
a
( n -1) ( n -1)
( n -1)
+ a
x
a x
( n -1) n
nn
a
a
x
x
.
11
21
+ a x
+ a x
22
= b
= b
.
.
n1
n2
+ ...... + a x
nn
= b
b
a
bi
1
xi
11
a
j =1
a ii
ij
i = 2,. . ., n.
Nombre doprations :
divisions
n ( n 1)
1+2+3++(n1) =
2
multiplications
n ( n 1)
1+2+3++(n1) =
2
additions
Soit au total
Tt = n2.
EMI - M. TAHA JANAN
10
1re limination :
a
g =
a
i1
i1
11
x
0
.
.
11
.
0
+ a x
+ a x
12
(2)
22
+ ...... + a x
+ ...... + a x
1n
(2)
2n
= b
= b
Avec
1
(2)
a i( 2)j = a i j g i1 a 1 j
b i( 2) = b j g i 1 b 1
i , j = 2, . . ., n
(2)
+ a x
n2
(2)
+ ...... + a x
nn
= b
(2)
n
11
2ime limination
On applique le procd au systme form des (n 1) dernires
lignes : a22 pivot et l2 ligne de pivot.
Remarque
Les xi ninterviennent pas dans les liminations. On considre
alors la matrice n x ( n + 1 )
~
A = (A, b) =
a
.
.
.
11
12
1n
1( n +1)
21
22
2n
2 ( n +1)
n1
n2
nn
n ( n + 1)
12
k +1
ij
k +1
ij
ik
a
=
a
= a
= a g a
ij
k
ij
ik
kj
i = 1,...,k j = 1,...,n+1
i = k+1,...,n j = k+1,...,n+1
(k)
ik
(k)
i = k + 1, . . ., n.
kk
TG = 115 ;
n = 10
4n 3 + 9n 2 7n
TG =
6
TG = 805
(k )
kk
13
Exemple 1 :
On se propose de dterminer la solution du systme suivant par la
mthode de Gauss :
2 y 3 z = 2
2 x + z = 3
x y + 3z = 1
Matrice augmente
0 2 3 2
1 3
2 0
1 1 3 1
14
1 1 3 1
2
0
1
3
0 2 3 2
l2-2l1
1 1 3 1
0
2
5
1
0 2 3 2
l3-2l2
3
1
1 1
0 1 5 / 2 1/ 2
0 0
2
1
l2/2
3
1
1 1
0 1 5 / 2 1/ 2
0 2
3
2
l3/2
3
1
1 1
0
1
5
/
2
1
/
2
0 0
1
1 / 2
15
Exemple 2 :
Soit infiniment petit ( par exemple = 10-6 )
x + y = 1
x + y = 2
Pivot a11 =
~
A
=
0 1-
(2)
2
Ce qui donne y =
1
Or
0
1
~
A
(1)
1
=
1 1
2 -
1
-1
-1
2 10
= 1
=
1 10
6
; x =
1 y
= 0.
16
x + y = 2
x + y = 1
Pivot a11 = 1
~
A
( 2)
~
A
(1 )
1 1
=
1
1 1
=
0 1-
1-2
1 2 10
1 2
Ce qui donne y =
=
1 10
1
1
1
= 1 ; x = 2 - y =1
17
(k)
kk
= max
{a
(k)
ik
i = k, ..., n}
(k)
= max
kk
{a
(k)
ij
i , j = k, ..., n}
Exercices dapplication :
x + y + z = 10
2 x + 3 y + 5 z = 37
2 x + 2 y + 3 z = 25
18
~
A
(1 )
1 1 1
= 2 3 5
2 2 3
Pivot a11 = 1.
~
A
(2)
1 1 1
= 0 1 3
0 0 1
10
37
25
2
g21 = g31 =
1
= 2.
10
17
5
z = 5 ; y = 17 - 3 z = 2 et x = 10 y - z = 3.
3
2
5
19
y + z = 72
+
x
5 x + 3 y + 2 z = 270
42 x + 21 y + 7 z = 2037
20
~
A = 5
42
Pivot a11 =
(1)
~
A
(2)
(2)
72
270
2037
= 0 2 3
270 360 = 0 2 3
0 21 35
0 21 35
2037
3024
Pivot
~
A
1 1
3 2
21 7
(2)
22
1.
= - 2. g32 =
1 1
1
= 0 2
3
0 0 35 + 63
72
90
987
21
2
72
=
90
21
987 90
2
1 1
1
0 2 3
0 0 7
72
90
42
90 3 z
84
= 27 et x = 72 y z = 33.
= 12 ; y =
z =
2
7
EMI - M. TAHA JANAN
21
a
.
=
.
.
21
a
a
n1
11
Diagonaliser la matrice
A du systme par
limination.
1re tape
Normalisation : on
divise l1 par a11.
~
A
(1 )
a
21
~
A (1)' .
.
a n1
22
.
.
.
.
.
.
a
a
n2
12
a 12
a 11
a 22
a n2
a 1n
a 11
a 2n
a nn
2n
a
a
nn
1n
1( n +1)
2 ( n + 1)
n ( n +1)
a 1( n +1)
a 11
a 2 ( n + 1)
a n ( n + 1)
22
~
A ( 2)
a 12
1
a 11
0 a (2)
22
= .
.
.
(2)
0
a
n2
a 1n
a 11
a 2n( 2 )
a nn( 2 )
a 1( n + 1)
a 11
a 2( (2n) + 1 )
a n( (2n) + 1 )
23
2me tape
(2)
1 0
0 1
=
.
.
0 0
.
.
.
.
a1n( 3 )
( 3)
a 2n
( 3)
a nn
A la nime limination le
0
1
systme quivalent est
~ (n)
diagonal.
A =
0
(n)
Do les solutions : x i = a i ( n +1) pour i = 1, 2, . . . , n.
EMI - M. TAHA JANAN
a1n( 3 )
(3)
a 2 ( n +1)
a n( 3( n) +1)
a 1((nn)+ 1 )
(n)
a 2 ( n +1)
(n)
1 a n ( n + 1 )
24
( k +1)
ij
=a
(k)
ij
g a
ik
(k)
kj
Exercices dapplication :
1) Rsoudre le systme linaire :
1 x + 3 y + 3 z = 0
= 2
2 x + 2 y
3 x + 3 y + 6 z = 11
~
A
(1)
1 3 3
= 2 2 0
3 3 6
2
11
25
Normalisation
l1 :
l2
l3
7
La solution est x =
2
1 3 3
2 2 0
3 3 6
3
1 3
3
0 1
2
0 6 3
3
1 0
2
0 1 3
0 0 1
; y =-
Rduction
2
11
3
1 3
0 4 6
0 6 3
0
1
2
11
3
2
1
2
4
3
5
2
1 0
2
0 1 3
2
0 0 6
1 0 0
0 1 0
0 0 1
; z =
2
11
3
2
1
2
8
7
2
5
2
4
3
4
3
26
5
x y + 2z =
3 x + 2 y + z = 10
2 x 3 y 2 z = 10
~
A
(1)
1 1 2
= 3 2
1
2 3 2
10
10
27
Normalisation
l1
l2
l3
1 1 2
1
3 2
2 3 2
10
10
Rduction
1 1 2
0 5 5
0 1 6
5
20
1 1 2
0 1 1
0 1 6
1
20
1 0 1
0 1 1
0 0 7
1
21
1 0 1
0 1 1
0 0 1
1
3
1 0 0
0 1 0
0 0 1
2
3
28
x + 5 y + 6 z = 28
2 x + 3 y + 4 z = 21
x + 2 y + 2 z = 11
~
A
(1)
1 5 6
= 2 3 4
1 2 2
28
21
11
29
Normalisation
l1
l2
l3
1 5 6
2 3 4
1 2 2
6
1 5
8
0 1
7
0 3 4
2
1
0
0 1 8
0 0 1
28
21
11
28
17
Rduction
6
1 5
0 7 2
0 3 4
28
35
17
1
0
0 1 8
4
0
0
1 0 0
0 1 0
0 0 1
1
7
30
x + y +
x y +
2 x + 2 y +
~
A
(1)
z = 3
z = 1
z = 5
1 1 1
= 1 1 1
2 2 1
x + y +
x y +
2 x + 2 y +
z = 6
z = 2
z = 9
3 6
1 2
5 9
31
l1
l2
l3
1 1 1
1 1 1
2 2 1
3 6
1 2
5 9
1
1 1
0 2 0
0 4 1
1 1 1
0 1 0
0 4 1
3 6
1 2
3 5
1 0 1
0 1 0
0 0 1
1 0 1
0 1 0
0 0 1
2 4
1 2
1 3
1 0 0
0 1 0
0 0 1
3 6
2 4
3 5
4
2
1 3
2
1
1 1
1 2
1 3
32
A.x = I .b
Matrice augmente :
a11 a12
a21 a22
a
a
31 32
.
.
ai1 ai 2
.
.
an1 an 2
I .x = A1.b
a13 ... a1 j ... a1n 1 0 0 0 0 0 0
Processus de Gauss-Jordan :
AI
I A-1
EMI - M. TAHA JANAN
33
Exercice dapplication
2 1
Calculer la matrice inverse de A =
3 4
1 0
2 1
( A , In ) =
0 1
3 4
L1 :
3 4
L2 :
1
2
0 1
Do
0
2
0 1
1
2
3
A-1
1
2
5
2
1 0
0 1
1 4
=
5 3
1
2
3
2
4
5
3
1
5
2
34
A5 Factorisation
Principe :
Factorisations LU
On pose A=L.U
35
ssi
L et U sont uniques.
Rsolution :
Ax = b
quivalent
LUx=b
Ly = b
Ux = y
Nombre doprations :
36
l21 l22 0
l
l
l
31 32 33
.
.
L= .
li1 li 2 li 3
.
.
.
ln1 ln 2 ln 3
...
...
...
...
0
0
....
...
.
... lij
.
...
... lnj
...
0
0
0
.
lnn
1 u12
0 1
0 0
U =.
.
0 0
.
.
0 0
u13
u 23
1
.
0
.
0
... u1 j
... u 2 j
... u3 j
.
... uij
.
... 0
... u1n
.... u 2 n
... u3 n
.
... uin
.
... 1
A titre dexercice :
Dterminer les expressions de L et U.
EMI - M. TAHA JANAN
37
l21
l
31
L.U = .
l
i1
.
ln1
...
l22
...
l32
l33
...
li 2
li 3
... lij
ln 2
ln 3 ... lnj
0 1 u12
.... 0 0 1
... 0 0 0
. .
.
... 0 0 0
. .
.
... lnn 0 0
...
u13
... u1 j
u 23 ... u 2 j
1
... u3 j
.
0
.
...
.
0
uij
.
...
u1n
.... u 2 n
... u3n
.
... uin
.
... 1
...
j1
li1= ai1
lij = a ij lik u kj
j i,
i = 1,K , n
i j,
j = 2, K , n
k =1
i 1
a ij lik u kj
u ij =
k =1
lii
38
Exemple
0
0 1 1 / 3 2 / 3
3 1 2 3
0
= 1 7 / 3
1 2
3
0
1
1
2 2 1 2 4 / 3 1 0
0
1
39
l
l
L= .
l
.
l
21
31
i1
n1
1
l
32
0
1
l
l
l
.
n2
i2
i3
n3
... 0
... 0 .... 0
... 0 ... 0
.
.
... 1 ... 0
.
.
... l ... 1
... 0
nj
0
0
U = .
0
.
0
11
12
13
... u
1j
u
0
.
u
u
.
... u
... u
.
0
.
0
.
...
...
22
23
33
2j
3j
... u
.... u
... u
.
... u
.
... u
1n
2n
3n
in
.
0
nn
40
41
Pour k = 1 n
pour j = k n :
k 1
pour i = k +1 n
k 1
1
lik =
aik lir urk
u kk
r =1
42
A = LL
L : matrice infrieure
Lt : transpose de L
43
pour j = i +1 n
i 1
1
44
B- Mthodes itratives
Mthode itrative :
Pour rsoudre un systme Ax=b o A est une matrice (n,n) et b IR n ,
on construit des suites x ( p)
dans IRn
{ }
pIN
x (p+1) = Mx (p) + c
M matrice (n,n) et c IR n tant dfinis partir de A et b.
Dans la suite, A est suppose relle et rgulire.
45
n
1
=
(b i a ij x (jp) )
a ii
j=1
j i
n
1
= x (i p) + (b i a ij x (jp) )
a ii
j=1
a ii 0, pour i=1 n
EMI - M. TAHA JANAN
46
b) par blocs
Le systme Ax=b est crit sous la forme par blocs suivante
A11
A 21
M
A i1
M
A
r1
A12
A1 j
A 22
A2j L
M
A i2
M
Ar2
M
L
A ij
M
A rj
A1r X B
1 1
A 2r X 2
B2
M M M
A ir X i B i
M M
M
X
A rr r B r
Pour i=1 r ,Aii sont des matrices carres (mi,mi) supposes inversibles. On a
donc
X i IR m i et B i IR m i .
EMI - M. TAHA JANAN
47
La formule par points (1) stend en une formule par blocs de la faon
suivante
r
(3) i=1,.....,r
1
(p)
X(p+1)
=
A
(B
A
X
ii
i ij j )
i
j=1
j i
48
2. Mthode de Gauss-Seidel
a) par points
Au lieu dattendre une itration entire comme il est fait dans la mthode de
Jacobi, on corrige au fur et mesure.
(p)
a11x1(p+1) + a12 x (p)
+
..........................
...................
+
a
x
2
1n n = b1
(p+1)
(p+1)
(p+1)
(p)
(p)
a
x
.....
+
a
x
+
a
x
+
a
x
.
........
+
a
x
i1 1
ii 1 i 1
ii i
ii +1 i +1
in n = b i
M
(p+1)
a n1x1(p+1) + .................................... + a nn 1x (p+1)
+ a nn x n
= bn
n 1
(p+1)
On tire x i
de lquation ni, les valeurs des autres composantes tant fixes
(p+1)
x j pour j<i et x (p)
pour j>i.
j
EMI - M. TAHA JANAN
49
(p+1)
xi
i 1
n
1
1)
(p)
= (bi a ijx (p+
a
x
ij j )
j
a ii
j=1
j= i +1
i 1
n
1
(p)
(p+1)
(p)
= x i + (bi a ijx j
a ijx j )
a ii
j=1
j= i
a ii 0, pour i=1 n
50
b) par blocs
On reprend la dcomposition par blocs introduite pour la mthode de Jacobi.
La formule par points (4) stend en une formule par blocs de la faon
suivante
i 1
(6) i=1,.....,r
1
(p+1)
X(p+1)
=
A
(B
A
X
)
ii
i ij j
i
j=1
A ijX(p)
j )
j= i +1
51
i 1
n
(p)
a
x
= (1 )xi(p) + (bi aijx(p+1)
ij j )
j
aii
j=1
j=i +1
i 1
n
(p+1)
(p+1)
(p)
(8) i = 1...n xi
= xi + (bi aijx j
aijx(p)
j )
aii
j=1
j=i
: pondration
Si =1
"S.O.R.=Gauss-Seidel"
EMI - M. TAHA JANAN
52
Remarques:
a) la mthode ne peut tre mise en uvre que si
a ii 0, pour i=1 n
b) On peut aussi dfinir une mthode S.O.R. par blocs.
c) En pratique, doit tre pris dans ]0,2[ . Cest une condition
ncessaire de convergence.
53
Ax (p) - b
est une norme sur IRn et un rel positif petit choisir en fonction
du problme
EMI - M. TAHA JANAN
54
Ecritures matricielles
A=D-E-F
Jacobi
Gauss-Seidel
S.O.R
D : partie diagonale de A
E : oppos de la partie infrieure de A
F : oppos de la partie supieure de A
1
x (p+1) = L x (p) + (D - E)-1 b
(11)
-1
avec
L
=
(
D
E
)
[(1- )D + F ]
55
Dfinition :
Soit A une matrice(n,n) valeurs relles ou complexes.
On dit que A est diagonale strictement dominante si
n
a ii > a ij i = 1 n
j=1
ji
Lemme de Hadamard:
A diagonale strictement dominante
A rgulire
56
Thorme 3
Les mthodes de Jacobi et Gauss-Seidel par points pour
rsoudre un systme de matrice diagonale strictement
dominante sont des itrations linaires convergentes.
Thorme 4 (Kahan)
La matrice ditration de S.O.R. par points ou par
blocs vrifie (L ) 1 . La mthode S.O.R. n est
donc pas convergente si ]0,2[ .
Lw = (D-
E)-1[(1-
)D+
F]
EMI - M. TAHA JANAN
57
Exemple :
Jacobi :
4 x + y z = 3
2 x + 7 y + z = 19
x 3 y + 12 z = 31
(
(
(
x ( p +1) = 3 y ( p ) + z ( p ) / 4
( p +1)
( p)
( p)
y
=
19
2
x
z
/7
z ( p +1) = 31 x ( p ) + 3 y ( p ) / 12
)
)
58
itration
Avec
(x,y,z)(0)=
(0,0,0,)
0,75
2,71428571
2,58333333
0,7172619
2,13095238
3,19940476
1,0171131
2,05229592
3,0562996
1,00100092
1,98706774
3,01164789
1,00614504
1,99805004
2,99668353
0,99965837
1,99871806
2,99900042
1,00007059
2,0002404
2,99970798
0,99986689
2,00002155
3,00005422
1,00000817
2,00003028
3,00001648
10
0,99999655
1,99999531
3,00000689
11
1,00000289
2,99999912
12
0,99999978
1,9999993
2,99999976
13
1,00000011
2,0000001
2,99999984
14
0,99999994
1,99999999
3,00000001
15
1,00000001
2,00000002
16
17
59
(
(
(
Gauss-Seidel :
Itration
x ( p +1) = 3 y ( p ) + z ( p ) / 4
( p +1)
= 19 2 x ( p +1) z ( p ) / 7
y
z ( p +1) = 31 x ( p +1) + 3 y ( p +1) / 12
0,75
2,5
3,145833333
0,911458333
2,004464286
3,008494544
1,001007564
1,998498618
2,999540691
1,000260518
1,999991182
2,999976086
0,999996226
2,000004495
3,000001438
0,999999236
2,000000013
3,000000067
1,000000014
1,999999987
2,999999996
1,000000002
60