Chapitre 4

Résolution d’un système

d’équations linéaires par les
méthodes directes et itératives

Rim ZAKHAMA
1
 Objectif du chapitre

Source: Résolution numérique des systèmes linéaires, Polytech’Lille CM3, E. Calzavarini et H.Naji 2
 Objectif du chapitre

3
Source: Résolution numérique des systèmes linéaires, Polytech’Lille CM3, E. Calzavarini et H.Naji
Méthodes directes

4
 Définition

Source: Résolution numérique des systèmes linéaires, Polytech’Lille CM3, E. Calzavarini et H.Naji 5
 Calcul de l’inverse de A
Question :
Le calcul de peut-il être une solution?

Indication :
Pour inverser une matrice A(50*50), il nous faut 50!
Opérations
Pour le calculateur Pentium, il effectue

Temps de calcul =

 Le calcul de est coûteux.

 Ce n’est pas une bonne méthode. 6
Méthode de Gauss

7
 Méthode de Gauss

Exemple :
Cherchons le vecteur tel que:

8
Méthode de Gauss

9
 Méthode de Gauss
Cas général:

Avec tous les sont non nuls.

Idée:
Transformer le système initial en un système à
matrice triangulaire facile à résoudre, en utilisant les
opérations élémentaires.
10
 Rappels
Opérations élémentaires sur une matrice:

On ne change pas la solution lorsque l’on :

1. permute 2 lignes

2. permute 2 colonnes

3. divise par un même terme non nul les éléments d’une ligne

4. ajoute ou retranche à une ligne un certain nombre

de fois une autre ligne

11
 Rappels
Matrice élargie:
 On appelle matrice élargie de (S) la matrice:

 L’application des opérations élémentaires sur les étapes d’une

matrice élargie ne modifie pas l’ensemble des solutions.

Deux systèmes équivalents:

Deux systèmes (S) et (S’) sont équivalents s’ils possèdent le
même ensemble de solutions.

12
 Principe
La méthode de Gauss se décompose en deux phases:

1. Phase de descente: ( Phase de triangularisation)

Consiste à appliquer des opérations élémentaires, bien
choisies, sur les lignes de la matrice élargie dont le but est
de transformer la matrice en une matrice triangulaire
supérieure.

2. Phase de remontée:
Consiste à résoudre le système d’équations triangulaire
supérieure obtenu.

13
Exemple (suite)

14
Exemple

15
Exemple (suite)

16
Exemple (suite)

17
Exemple (suite)

18
 Exemple (suite)

19
Source: Résolution numérique des systèmes linéaires, Polytech’Lille CM3, E. Calzavarini et H.Naji
Exemple (suite)

20
Exemple (suite)

21
 Méthode 2: Décomposition LU
1.Calcul des matrices U et L

22
Méthode 2: Décomposition LU

23
Méthode 2: Décomposition LU

24
Méthode 2: Décomposition LU

25
Méthodes itératives

26
 Méthodes itératives

Carl Gustav Jacob JACOBI Johann Carl Friedrich GAUSS

1804-1851 1777-1855
Philip Ludwig Von SEIDEL 27
1821-1896
 Exemple

Activité
Donner les expressions des coordonnées de la solution.

28
 Exemple (Suite)

Que peut-on faire?

29
 Exemple (Suite)

=> Itérer tant que on n’est pas assez proche du

résultat.

30
Principe

31
 Principe

Activité

Montrer que la forme itérative est de la forme:

32
Source: Résolution numérique des systèmes linéaires, Polytech’Lille CM3, E. Calzavarini et H.Naji
 Forme itérative générale

33
Source: Résolution numérique des systèmes linéaires, Polytech’Lille CM3, E. Calzavarini et H.Naji
 Généralisation du problème

Question

Comment choisir les deux matrices M et N?

Réponse

On va étudier deux méthodes permettant de définir les deux

matrices M et N. 34
 Exemple applicatif

Considérons le système d’équations suivant:

On va utiliser ce système comme exemple afin de bien

comprendre les méthodes présentées par la suite.

35
Méthode de Jacobi : Principe

36
 Exemple applicatif (suite)

Considérons le système suivant:

1. Trouver les matrices D, L et U de ce système en appliquant la décomposition

Jacobi,
2. Déduire la forme matricielle récursive,

3. Déduire la forme récursive des vecteurs

37
Méthode de Jacobi : Généralisation

38
Méthode de Jacobi : Remarques

39
Algorithme de Jacobi

40
 Exemple applicatif (suite)

Considérons le système suivant:

4. Résoudre le système en appliquant la méthode de Jacobi en partant de la

solution initiale x0=[1,1,1],
Solution:

=> Après 4 itérations le système converge vers la solution [-1, 3,2].

41
 Méthode de Jacobi : Conditions suffisantes de
convergence

Condition 1

Remarque
Lorsque la matrice A ne respecte pas cette condition, nous pouvons
permuter des rangées de façon respecter cette condition. 42
Méthode de Jacobi : Conditions suffisantes de
convergence

Condition 2

43
Méthode de Gauss-Seidel

44
 Exemple applicatif (suite)

Considérons le système suivant:

5. Trouver les matrices M et N de ce système en appliquant la méthode de

Gauss Seidel,
6. Déduire la forme matricielle récursive

7. Déduire la forme récursive des vecteurs

45
Méthode de Gauss-Seidel: Généralisation

46
Méthode de Gauss-Seidel

47
Algorithme de Gauss-Seidel

48
 Exemple applicatif (suite)

Considérons le système suivant:

8. Résoudre le système en appliquant la méthode de Gauss-Seidel en partant

de la solution initiale x0=[1,1,1],
Solution:

=> Après 4 itérations le système converge vers la solution [-1, 3,2].

49
Méthode de Gauss-Seidel : Conditions suffisantes
de convergence

Condition 1

Remarque
Lorsque la matrice A ne respecte pas cette condition, nous pouvons
permuter des rangées de façon respecter cette condition.

Condition 2

50
Résumé

51
 Comparaison des méthodes
itératives: application sur Matlab

52
 Exemple applicatif (suite)

Considérons le système suivant:

9. Après avoir observé les comportements des solutions dans le cas de la

méthode de Jacobi puis dans le cas de la méthode de Gauss, comparer les
deux méthodes

53
 Exemple applicatif : Comparaison des
résultats

Jacobi GSeidel
3 3

2.5 2.5

2 2

1.5 1.5

1 1

0.5 0.5

0 0

0.5 -0.5

-1 -1
1 1.5 2 2.5 3 3.5 4 4.5 5 1 1.5 2 2.5 3 3.5 4 4.5 5

=> La méthode de Gauss-Seidel converge plus rapidement que la méthode de

Jacobi.
54
 Comparaison des résultats

=> Cette comparaison des deux méthodes met en

évidence que l’algorithme de Gauss-Seidel apporte une
amélioration par rapport à celui de Jacobi, en
permettant l’utilisation des nouvelles valeurs des
variables déjà calculées lors d’une itération.

55
Utilité des méthodes itératives

56