Vous êtes sur la page 1sur 24

Université A. Mira de Béjaia Faculté de la Technologie MATH VI : Analyse Numérique

CHAPITRE II Résolution des Systèmes d’Equations Linéaires II.1.1-Définitions et Notations :

2 ème Année LMD/ST Mr : MEZIANI Bachir

On appelle matrice de type (de dimension) (n, m) un tableau de nombres à n lignes,

(K = R ou C),

m colonnes. L’ensemble de matrices de types (n, m) est notée

(K : Ensemble des scalaires). On adopte la notation suivante :

=

(

a

i

,

j

)

1

1

M

n,m

i

j

n

m

(IK )

,

Une matrice A de dimension (n, m) sera notée

A

n m

,

A =

a

a

a

11

21

.

.

n

1

a

a

a

12

22

.

.

n

2

.

.

.

.

.

.

.

.

.

.

a

a

a

1 m

2 m

.

.

nm

La transposée de A, notée

A

t

A sera alors

t

=

a

a

11

12

.

.

a

a

21

22

.

.

a

a

1 2

m

m

.

.

.

.

.

.

.

.

.

.

a

a

n

n

1

2

a

.

.

nm

A= A

A

n m

,

t

; on a aussi la propriété : (

)

A.B

t

A est symétrique si Une matrice carrée de colonnes.

II.1.2-Résolution des Systèmes Linéaires :

=B .A

t

t

est une matrice dont le nombre de lignes est égal au nombre

Tout système d’équations linéaires peut s’écrire sous forme matricielle

AX

= b ,

A : une matrice carrée

Si det(A) π 0 ( A est inversible ou régulière), l’unique solution du système est donnée par :

Avec

AX

= b

A

1

AX

=

A

A

1 =

1

det

(

A

)

(

1

b

A

*

) t

X

A * : est la comatrice donnée par :

A

* =

C

ij

=

(C

(

i

,

j

1

)

,1

)

i

+

j

i

,

det

j

(Aij)

n

=

A

1

b

Aij : C’est la matrice A sans la i ème ligne et la j ème colonne.

Formule générale pour le calcul de det(A) selon les lignes :

II.1.3- Méthode de Cramer :

det

(

A

)

=

n

j = 1

(

1

)

i

+

j

a

ij

det

(

Aij

)

L’unique solution du système AX = b ( det(A) π 0 ) est donnée selon Cramer par :

Page 1

Université A. Mira de Béjaia Faculté de la Technologie MATH VI : Analyse Numérique

X i

=

(

det Ai

)

det

(A)

2 ème Année LMD/ST Mr : MEZIANI Bachir

Ai est la matrice A où l’on a remplacé le i ème colonne par le vecteur second membre « b ». Cette méthode de Cramer est inadaptée pour résoudre les systèmes de grandes tailles car il y a trop de déterminants à calculer. Pour cela, on a recours à d’autres méthodes de résolution des systèmes d’équations AX = b . Ces méthodes sont classées dans deux groupes. Les premières méthodes, intitulées Méthodes directes, sont basées sur la transformation du système initial AX = b , en passant par un nombre d’étapes finies, pour avoir la solution X . Parmi ces méthodes, on a la méthode de Gauss, La décomposition LU et la méthode de Cholesky. Les méthodes du deuxième groupe, intitulées méthodes itératives, sont basées sur des procédures itératives qui permettent d’approcher la solution du système, en amorçant le calcul

. Parmi ces méthodes, on a la méthode de Jacobi et la

à partir d’une solution initiale méthode de Gauss-Seidel.

X (0)

II.2-Méthodes Directes :

II.2.1-Méthode d’élimination de Gauss :

Soit à résoudre le système linéaire : AX = b La méthode d’élimination de Gauss consiste à réaliser un nombre fini de

transformations sur la matrice A de telle sorte à obtenir un système équivalent pour la recherche du même vecteur solution, mais avec une matrice triangulaire supérieure.

AX

= b

AX ~

=

b ~

Donnons la méthode à travers un exemple.

Soit à résoudre le système :

( I )

2

3

x

x

1

x

1

1

+

5

3

x

x

4

x

2

2

2

+

x

x

3

3

+

2

x

3

12

=

=

=

8

16

AX = b

A

=

2

3

1

5

3

4

1

1

2

,

X

=

x

x

x

1

2

3

et b =

12

16

8

On adopte l’écriture suivante

(

L

1

0

(

0

L

2

(

0

L

3

)

)

)

2

3

1

5

3

4

1

1

2

.

.

.

.

.

.

12

8

16

~

Le but est d’obtenir une matrice A

triangulaire supérieure avec « 1 » sur la diagonale.

Etape N°1 :

Puisque le pivot

a

(

0

)

11

=

2

π

0

, on divise la première linge de A par

zéros sous le nouveau pivot a On obtient :

(1)

11

a

(0)

11

et essayer d’avoir des

Page 2

Université A. Mira de Béjaia Faculté de la Technologie MATH VI : Analyse Numérique

2 ème Année LMD/ST Mr : MEZIANI Bachir

Etape N°2 :

Comme

a

0 ) L ( ( 1 ) 1 L =  .  1 2
0 )
L (
(
1 )
1
L
=
.
1
2
1
5 2
1 2
6
.
.
(
1 )
(
0 )
(
)
1
(1)
(1)
L
L
+
L
0
1 2
1 2
2
A
X = b
2 =
2
1
.
.
(
1 )
(
0 )
(
1 )
L
=
L
3 L
0
7 2
1 2
2
3
3
1
.
(
1 )
1 2
π
0
, on refait la même opération qu’à l’étape n°1 mais appliquée à la
22 =

deuxième colonne. On obtient :

(

L

1

(

2

L

2

(

2

L

3

)

=

Etape N°3 et dernière :

Comme

a

2

33

(

)

=

4

2 )

)

= L

1

(

1 )

= 2

(

L

1

2

)

(

1

L

3

)

7

2

(

2

L

2

)


1

0

0

3 ) 7 2 ( 2 L 2 )       

5 2

1

0

( 2 L 2 )          1 0

1 2

1

4

.

.

.

.

.

.

6

4

12


A

(2)

X = b

(2)

π

0

, on refait la même opération qu’à l’étape n°2 mais appliquée à la

troisième colonne. On obtient :

1

 3 ) ( 2 L ( = ) L 1 1   )
3
)
(
2
L (
= )
L
1
1
)
(
3
2
)
L (
= L
2
2
(
3 )
(
2
)
L
=
L
4
3
3
AX ~
=
b ~

x

1

5 2 1 2
5 2
1 2

x

=

1

x

3

=

3 )

(

12

=

~

b

2

2

a

1

1

~

b

3

a

x

2

0

0 0

AX

= b

2

~

b

1



.

.

.

.

.

.

6

4

3


 


A

(3)

X = b

x

x

x

3

= 3

2 =

1

= 2

1

3

23

(

)

x

3

(

3 )

a

13

x

3

(3)

Et le déterminant de A est donné par :

det

(

A

On note le nouveau système AX ~

= b ~

)

=

3

i = 1

x i =

~

b

i

~

~ sont les éléments de la matrice A

a ij

a

(

i

ii

1

)

=

2.

1

2

n

i

~

a

k

=

+ 1

ik

x

k

.4

=

4

AX ~

=

b ~

Page 3

Université A. Mira de Béjaia Faculté de la Technologie MATH VI : Analyse Numérique

II.2.1.1-Calcul de

A

1

par la méthode d’élimination de Gauss :

Soit une matrice

A

nn

tel que det(A) π 0 . On a

A A

.

1

= I

n

On écrit :

D’où

A A

.

1 =

A

nn

1

= I

n

[

V ,V

1

2

,

,V

n

]

[

A. V ,V

1

2

et

,

I

n

=

[

e , e

1

2

,V

n

]

=

[

e , e

1

,

2

,

,

e

,

n

e

]

n

]

[

AV , AV ,

1

2

V

i

e

i

e

.

AV

AV

1

2

=

e

1

=

.

.

=

2

e

A

n

⇒ 



AV

n

est le vecteur colonne i de la matrice

1

est le vecteur i de la base canonique. (exemple :

e

1

=

1

0

.

.

.

.

 

0

)

(1)

2 ème Année LMD/ST Mr : MEZIANI Bachir

,

AV

n

]

=

[

e , e

1

2

,

,

e

n

]

En appliquant la méthode d’élimination de Gauss au système (1), on obtient

AV



1

AV

2

AV

n

.

.

.

= e

= e

=

e

1

2

n

~

AV

~

1

AV

2


⇒ 


AV ~

n

.

.

.

~

= e

= e

1

2

V

1

V

2

.

.

.

V

n


~


~

= e

n

Exemple : Soit le système linéaire AX = b

A =

1

2

1

2

4

6

1

2

0

,

X

Méthode d’élimination de Gauss : AX = b

On adopte l’écriture suivante

L (

1

0 )

L (

0 )

2

L (

0 )

3




 

1 2

2

1

4

6

=

x

x

x

1

2

3

et b =

AX ~

1

2

0

=

.

.

.

.

.

.

b ~

3

10

2



 

Page 4

3

10

2

Université A. Mira de Béjaia Faculté de la Technologie MATH VI : Analyse Numérique

Etape N°1 :

Puisque le pivot a

(

0

)

11

=

1

π

0

, on divise la première ligne de A par

zéros sous le nouveau pivot On obtient :

a

(1)

11

2 ème Année LMD/ST Mr : MEZIANI Bachir

a

(0)

11

et essayer d’avoir des

(

L

1

2

)

(

1

L

3

(

1

L

1

)

=

=

)

2

=

(

L

1

(

1

L

1

)

(

1

L

1

)

0

)

(

0

L

2

(

0

L

3

)

)

1

0

0

2

8

4

1

0

1

.

.

.

.

.

.

3

4

5

A

(1)

X = b

(1)

Etape N°2 :

Comme

a

1

22

)

(

=

8

π

0

, on refait la même opération qu’à l’étape n°1 mais appliquée à la

deuxième colonne. On obtient :

 .  ( 2 ) ( 1 ) L = L 1 2 1
.
(
2
)
(
1
)
L
=
L
1
2
1
3
1
1
.
.
(
2 )
(
)
1
=
L
8
0
1
0
1 2
2
2
.
.
(
2
)
(
1
)
=
4
L
+
L
0
0
1
3
2
3
.

L

(

2

L

3

)

A

(2)

X = b

(2)

Etape N°3 et dernière :

Comme

a

2

33

(

)

=

1

π

0

, on refait la même opération qu’à l’étape n°2 mais appliquée à la

troisième colonne. On obtient :

AX

= b

AX ~

(

L

1

3 )

(

3

L

2

)

3 )

(

L

3

=

b ~

(

= L

1

2 )

=

(

2

L

2

)

= L

3

(

2 )




1 2

0

1

0 0

x

1

x

2

=

~

b

1

1

0

1

.

.

.

.

.

.

x

3

~

= b

3

=

~

b

2

a

3

12

(

)

a

x

2

3 1 2
3
1 2

3



 

3

23

(

)

x

3

a

3

13

(

)

x

3

A

(3) X = b €  x = 3 3   x 2 =
(3)
X = b
x
=
3
3
x
2 =
1 2
=
x 1 1

(3)

Et le déterminant de A est donné par :

det

(

A

)

=

3

i = 1

a

(

i

ii

1

)

=

1.8.1

=

8

AX ~

=

b ~

Calcul de l’inverse de A .

On a :

A.A

1

= I

3

1

2

1

2

4

6

1   V

V

2

0     V

11

21

31

V

12

V

22

V

32

V

V

13

23

V

33

=

1

0

0

0

1

6

0

1

0

Page 5

Université A. Mira de Béjaia Faculté de la Technologie MATH VI : Analyse Numérique

  1

 

 

2

1

1

2

1

1

2

1

2

4

6

2

4

6

2

4

6

1   V

2

0

11

V

21

V

31

=

1

0

 

0

1   V

2

0

12

V

22

1   V

2

0

V

32

13

V

23

V

33

=

=

0

1

0

0

0

 

1

 

(I)

(II)

(III)

2 ème Année LMD/ST Mr : MEZIANI Bachir

On applique la méthode d’élimination de gausse aux système (I), (II) et (III).

a- Système (I), (II) et (II) :

On adopte l’écriture suivante:

(

L

1

0

(

0

L

2

(

0

L

3

)

)

)

1

1

2

2

4

6

1

2

0

.

.

.

.

.

1

0

0

0

1

0

0

1

0

Etape N°1 :

0

zéros sous le nouveau pivot

Puisque le pivot a

(

0

)

11

=

1

π

, on divise la première ligne de A par

a

(1)

11

a

(0)

11

(

L

1

2

)

(

L

1

1

=

)

2

=

(

L

1

(

1

L

1

)

L L

3

=

1

(

1

)

(

1

)

0

)

(

0

L

2

(

0

L

3

)

)

1


0

0

2

8

4

1

0

1

0

.

.

.

.

.

0

1

2

1

1

0

0

1

et essayer d’avoir des

Etape N°2 :

Comme

a

1

22

)

(

=

8

π

0

, on refait la même opération qu’à l’étape n°1 mais appliquée à la

deuxième colonne. On obtient :

( 2 ) ( 1 ) L = L 1 1 2 ) ( 1
(
2 )
(
1 )
L
= L
1
1
2 )
(
1
)
L (
= L
2
2
(
2 )
(
2 )
L
4 L
+
3 =
2

8

(

1

L

3

)

1

0

0

2

1

0

1

0

1

.

.

.

.

.

1

1/ 4

2

0

1/8

1/ 2

0

1

0

Etape N°3 et dernière :

Comme

a

2

33

(

)

=

1

π

0

, on refait la même opération qu’à l’étape n°2 mais appliquée à la

troisième colonne. On obtient :

Page 6

Université A. Mira de Béjaia Faculté de la Technologie MATH VI : Analyse Numérique

(

L

1

3

(

3

L

2

(

3

L

3

)

)

)

=

=

=

(

L

1

2

(

2

L

2

(

2

L

3

)

)

)

1

0

0

2

1

0

1

0

1

.

.

.

.

.

1

1/ 4

2

Finalement, on obtient :

AV

1

AV

2

= e

1

= e

2

~

AV

1

~

AV

2

~

= e

1

~

= e

2

V

31

=

~

e

13

V

21

=

~

e

=

22

~

e

21

V

11

11

V

=

V

12

~

e

a

3

23

(

)

V

31

3

13

(

)

12

3

12

(

)

V

=

3

12

(

)

V

a

V

32

=

~

e

22

a

21

a

31

~

e

23

a

3

23

(

)

V

32

V

22

a

3

13

(

)

V

32

AV

3

= e

3

Finalement :

~

AV

3

~

= e

3

A

1



V

13

=

V

23

=

~

e

31

V

33

=

=

~

e

32

a

3

12

(

)

~

e

33

a

3

23

(

V

23

V

11

V

21

V

31

V

12

V

22

V

32

V

13

V

23

V

33

)

V

33

a

(

3

13

=

)

V

33

3/ 2

1/ 4

2

2 ème Année LMD/ST Mr : MEZIANI Bachir

0

1/8

1/ 2

0

0

1

 V = 2  V = 3/ 2 31 11    V
 V
=
2
 V
=
3/ 2
31
11
V
= 1 4
V
= 1 4
21
21
V
=
3/ 2
V
=
2
11
31
 V
=
1/ 2
 V
= 3/ 4
32
12
V
=
1 8
V
=
1 8
22
22
V
= 3/ 4
V
=
1/ 2
12
32
V
=
1
 1
V
=
33
13
V
= 0
23
V
= 0
23
V
= 1
V
=
1
13
33

3/ 4

1/8

1/ 2

1

0

1

II.2.2-Méthode de décomposition LU :

Définition :

est la matrice

d’ordre (k, k) de coefficients a ,1 i, j k,1 k n Théorème :

Si A est une matrice carrée d’ordre n dont toutes les sous matrices principales sont régulières, alors il existe une décomposition unique de A sous la forme A = LU . Où L est une matrice triangulaire inférieure avec une diagonale unitaire. U est une matrice triangulaire supérieure. La résolution du système AX = b devient

On dit que

A

[k ]

est la sous matrice principale d’ordre k de A si

ij

A

[k ]

AX

= b

LUX = b

LY


UX

= b

= Y

La résolution du système AX = b revient à la résolution des deux systèmes LY = b par un algorithme descendant ( ) et UX = Y par un algorithme ascendant (). La résolution de ces

deux systèmes est immédiate puisque les matrices L et U sont triangulaires. Remarque : U est la matrice obtenue par la méthode d’élimination de Gauss.

La méthode :

Soit A une matrice dont toutes les sous matrices sont régulières. Exemple : A(3,3)

Page 7

Université A. Mira de Béjaia Faculté de la Technologie MATH VI : Analyse Numérique

On a :

A

A

A

[

[

[

1

]

2

3

]

]

=

[1]

1

2

,

=

= A

,

det( A

[

2

A

4

det(

,

[

3

1

]

]

)

= 1

det(

A

)

=

8

[

2

]

)

=

8

A =

1

1

2

2

4

6

1

2

0

2 ème Année LMD/ST Mr : MEZIANI Bachir

Toutes les sous matrice de A sont régulières, A admet une décomposition unique A = LU . On pose :

A = LU

L

=

1

L

L

21

31

1

1

2

0

1

L

2

4

6

32

0

0

1

1

2

0

=

,

U =

L

L

1

21

31

U

11

0

0

0

1

L

32

U

U

12

22

0

0   U

0

1

     

11

0

0

U

U

U

U

13

23

33

12

U

22

0

U

U

U

13

23

33

Par identification, on arrive à déterminer les éléments des deux matrices L et U .

 U = 1  L U = 2  L = 2  L
U
=
1
L
U
= 2
 L
=
2
L
U
= 1
11
21
11
21
31
11
U
=
2
,
L
U
+
U
=
4
U
=
8