RESOLUTION NUMERIQUES DE

SYSTEMS LINEAIRES D'EQUATIONS

Position du problme
Rsoudre le systme suivant :

a
a

11

+ a x

+ ...... + a x

21

+ a x

+ a x

+ a x

+ a x

= b

12

22

1m

2m

.
.
.
n1

n2

EMI - M. TAHA JANAN

nm

Ecriture matricielle

A.x = b

Rsoudre le systme suivant

A : matrice (non forcment carre)

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
.

Le systme est linaire lorsque la matrice A

ne dpend pas des composantes xi du vecteur
des variables
EMI - M. TAHA JANAN

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

nest pas nul :

une infinit de solutions

pas de solution

Mthode utilisable lorsque le nombre dquations est petit

Inconvnients majeurs :
- mthode difficile programmer
- temps dexcution trs lev
EMI - M. TAHA JANAN

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

soit au total TC = (n + 1)2 n! 1 oprations.

Pour n = 5

TC = 4319 oprations

Pour n = 10

TC = 439 084 799 ~ 4. 108 oprations

EMI - M. TAHA JANAN

A.2. Mthode de rsolution par inversion de A :

A.x = b x = A .b

1
det(

A )

o C t est la matrice des cofacteurs.

Nombre doprations de la mthode :
T2 = n! (n2 + n + 1) + 3 n2 n.
Pour n = 5

TC = 3790 oprations

Pour n = 10

TC = 402 797 090 ~ 4 108 oprations

La mthode a les mmes inconvnients de celle de Cramer

EMI - M. TAHA JANAN

A.3. Mthode de Gauss :

Prambule : Rsolution des systmes triangulaires.
Systme triangulaire suprieur.

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

La matrice associ A est triangulaire suprieure

EMI - M. TAHA JANAN

Systme triangulaire infrieur.

a
a

x
x
.

11

21

+ a x

+ a x

22

= b
= b

.
.
n1

n2

+ ...... + a x
nn

= b

La matrice associ A est triangulaire infrieure

EMI - M. TAHA JANAN

La rsolution des deux systmes se fait de proche en proche.

Pour le deuxime systme on a :
i 1

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

Mthode de Gauss, principe :

A laide dun dun algorithme dlimination convenable, cette mthode

transforme le systme en une suite de systmes quivalents (ont mmes
solutions) dont le dernier est triangulaire.

la procdure de rsolution se fait alors en deux tapes :

triangularisation par limination.

rsolution du systme triagulaire quivalent.

EMI - M. TAHA JANAN

10

Premire tape : triangularisation par limination.

Supposons que a11 0, sinon on permute les lignes.

1re limination :

a
g =
a

a11 est appel le pivot et la ligne l1, ligne de pivot de

la premire limination.

i1

i1

11

Pour i = 2, 3, , n, remplaons la ligne li par li gi1.l1

Le systme devient :

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

EMI - M. TAHA JANAN

(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)

EMI - M. TAHA JANAN

12

Algorithme de la mthode de Gauss ( kime limination )

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.

Les autres lments sont nuls.

kk

2ime tape : Rsolution du systme triangulaire

Nombre doprations de la mthode de Gauss :
n = 5

TG = 115 ;

n = 10

4n 3 + 9n 2 7n
TG =
6

TG = 805

Pour des raisons de stabilit, on a intrt chaque tape de llimination

bien choisir le pivot tel que

(k )
kk

soit le plus grand possible.

EMI - M. TAHA JANAN

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

On remarquera tout de suite que le premier pivot est nul :

Il faudra changer la ligne 1 avec une autre, soit la troisime
EMI - M. TAHA JANAN

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

z = 1/2 y = 7/4 x=5/4

EMI - M. TAHA JANAN

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.

nest pas solution du systme.

EMI - M. TAHA JANAN

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

est bien une solution prs.

EMI - M. TAHA JANAN

17

Pour le choix du pivot deux stratgies sont possibles

La mthode du pivot partiel :

(k)
kk

= max

{a

(k)
ik

i = k, ..., n}

La mthode du pivot total :

(k)

= max

kk

{a

(k)
ij

i , j = k, ..., n}

Exercices dapplication :

1) Rsoudre le systme linaire :

x + y + z = 10

2 x + 3 y + 5 z = 37
2 x + 2 y + 3 z = 25

EMI - M. TAHA JANAN

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.

La solution du systme est

3

2
5

EMI - M. TAHA JANAN

19

2) Rsoudre le systme linaire :

y + z = 72
+
x

5 x + 3 y + 2 z = 270
42 x + 21 y + 7 z = 2037

EMI - M. TAHA JANAN

20

~
A = 5
42

Pivot a11 =
(1)

~
A

(2)

(2)

72

270
2037

g21 = 5 = 5 ; g31 = 42 = 42.

1
1
1
1
72
1 1
1 1

= 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.4. Mthode de Gauss-Jordan

Principe :

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

EMI - M. TAHA JANAN

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

Rduction : on remplace li par li - ai1 li pour i > 2.

~
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 )

EMI - M. TAHA JANAN

a 1( n + 1)

a 11
a 2( (2n) + 1 )

a n( (2n) + 1 )

23

2me tape
(2)

 Normalisation : on divise l2 par a 22

 Rdution :
(2)
A ( 3)
on remplace li par li - a i2 l2
pour tout i 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

Lalgorithme de Gauss Jordan est :

( k +1)
ij

=a

(k)
ij

g a
ik

(k)
kj

i = 1, ..., k 1, k +1,..., n j = k, ... , n + 1

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

EMI - M. TAHA JANAN

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 =

EMI - M. TAHA JANAN

2
11
3
2
1

2
8

7
2
5

2
4
3

4
3
26

2) Rsoudre le systme linaire :

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

EMI - M. TAHA JANAN

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

La solution est ( 1 , 2 , 3 )t.

EMI - M. TAHA JANAN

28

3) Rsoudre le systme linaire :

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

EMI - M. TAHA JANAN

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

La solution est ( 1 , 2 , 7 )t.

2

EMI - M. TAHA JANAN

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

EMI - M. TAHA JANAN

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

Les solution sont ( 1 , 1 , 1 )t et ( 1 , 2 , 3 )t respectivement.

EMI - M. TAHA JANAN

32

Application : Inversion dune matrice

Linversion dune matrice peut tre recherche en posant :

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

a23 ... a2 j ... a2 n 0 1 0 0 0 0 0

a33 .. a3 j ... a3n 0 0 1 0 0 0 0

ai 3 ... aij ... ain 0 0 0

0

an 3 ... anj ... ann 0 0 0 0

1

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

EMI - M. TAHA JANAN

34

A5 Factorisation
Principe :

Dcomposer la matrice A en facteurs faciles inverser : matrices triangulaires

Factorisations LU

On pose A=L.U

L : matrice triangulaire infrieure

U : Matrice triangulaire suprieure

EMI - M. TAHA JANAN

35

A admet une dcomposition L U

ssi

les mineurs principaux sont non nuls

det( A ) = det( L ) det( U ) 0 ( car A est inversible ).

donc L et U sont inversibles

L et U sont uniques.
Rsolution :

Ax = b

quivalent

LUx=b

Nous sommes emmen rsoudre 2 systmes triangulaires :

Ly = b

Ux = y

L.y = b systme triangulaire infrieur

U.x = y systme triangulaire suprieur

Nombre doprations :

TLU = (n3/3 - n/3) + n2 .

EMI - M. TAHA JANAN

36

A.5.1. Mthode de Crout :

Les uii sont gaux 1
l11 0 0

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

A.5.1. Mthode de Crout : formules de calcul

l11

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

On dtermine la colonne des l et puis la ligne correspondantes des u

EMI - M. TAHA JANAN

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

EMI - M. TAHA JANAN

39

A.5.2 Mthode de Doolittle

Identique celle de Crout mais avec ici lii = 1.

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

Nombre doprations : TD = 2n3/3+2n2

EMI - M. TAHA JANAN

40

A.5.2 Mthode de Doolittle formules de calcul :

EMI - M. TAHA JANAN

41

Pour k = 1 n
pour j = k n :
k 1

ukj = akj lkr urj

r =1

pour i = k +1 n
k 1
1

lik =
aik lir urk
u kk
r =1

On dtermine dabord la kime ligne de U, puis la kime colonne de L

EMI - M. TAHA JANAN

42

A.5.3. Dcomposition de Cholesky

Dfinition : Matrice dfinie positive :
Une matrice A est dfinie positive lorsque pour tout vecteur x non nul de
Rn on a xt.A.x > 0.
Priprit
A dfinie positive ssi Tous les mineurs diagonaux > 0.
Mthode de Cholesky :
Une matrice symtrique dfinie positive peut tre dcompose comme suit :
t

A = LL

L : matrice infrieure
Lt : transpose de L

Nombre doprations : TCh = n3/3 + n2 +8n /3-2 ~ moiti LU

Exercice : Etablir les expressions des lments de L.
EMI - M. TAHA JANAN

43

A.5.3. Dcomposition de Cholesky dtermination des lij

Pour i = 1 n
i 1

lii = aii lki2

k =1

pour j = i +1 n
i 1
1

lij = aij lkj lki

lii
k =1

EMI - M. TAHA JANAN

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

qui vrifient la relation:

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.

EMI - M. TAHA JANAN

45

Description des mthodes usuelles

1. Mthode de Jacobi
a) par points
n
A partir d un vecteur x(0) quelconque pris dans IR , on construit la suite de

vecteurs x(p) dans IRn suivant les formules:

(1) i = 1.....n x (p+1)

i

n
1
=
(b i a ij x (jp) )
a ii
j=1
j i

(2) i = 1.....n x (p+1)

i

n
1
= x (i p) + (b i a ij x (jp) )
a ii
j=1

Remarque: La mthode ne peut tre mise en uvre que si

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

Si mi=1, pour i=1 r, les matrices Aii se rduisent des scalaires et la

mthode par blocs concide avec la mthode par points.

EMI - M. TAHA JANAN

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

On obtient alors les formules:

(4) i = 1.....n x i(p+1)

(5) i = 1.....n

(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

Comme pour Jacobi, la mthode ne peut tre mise en uvre que si

a ii 0, pour i=1 n

EMI - M. TAHA JANAN

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

EMI - M. TAHA JANAN

A ijX(p)
j )

j= i +1

51

I-3 mthode S.O.R. par points

En vue dacclrer la convergence de la mthode de Gauss-Seidel, on introduit
un paramtre rel

(7) i = 1...n x(p+1)

i

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.

EMI - M. TAHA JANAN

53

I-4 Test d arrt

Les mthodes directes le sont au sens o elles fournissent la solution du
systme en un nombre fini doprations lmentaires.
Par contre, Jacobi,Gauss-Seidel et S.O.R. sont des mthodes itratives .
Pour dterminer quand on arrte litration, il faut introduire un test darrt
bas sur un critre permettant destimer si on est proche de la solution.
Par exemple, le plus simple est un test sur le rsidu.

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

x (p+1) = Jx (p) + D-1b

(9)
-1
-1
avec
J
=
D
(
E
+
F
)
=
I
D
A

x (p+1) = L1x (p) + (D - E)-1 b

(10)
-1
avec
D
E
F
L
=
(
)

1
x (p+1) = L x (p) + (D - E)-1 b
(11)
-1
avec
L
=
(
D

E
)
[(1- )D + F ]

EMI - M. TAHA JANAN

55

Convergence des mthodes itratives

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

EMI - M. TAHA JANAN

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 :

Soit rsoudre le systme suivant :

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

EMI - M. TAHA JANAN

)
)

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

EMI - M. TAHA JANAN

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

EMI - M. TAHA JANAN

60