Chapitre3 : Résolution des systèmes d’équations linéaires

Chapitre3 : Résolution des systèmes d’équations linéaires

3-1 Introduction :
Dans la pratique, les ingénieurs trouvent souvent des difficultés dans la résolution
d’un système d’équations qui modélisent les divers éléments considérés. Ainsi, la
détermination de :
 Mélange de produits chimiques
 Courant et tension des réseaux électriques
 Solution optimale en programmation linéaire…
Certains de ces problèmes nécessitent la résolution d’un système de quelques
milliers d’équations.
Exemple :

5𝑥 + 3𝑦 + 𝑧 = 2
 {2𝑥 + 4𝑦 + 3𝑧 = 1
3𝑥 + 6𝑦 + 7𝑧 = 9

3.2 Un système d’équations linéaires :

Un système d’équations linéaires est composé de n inconnus et m équations :

𝒂𝟏𝟏 𝒙𝟏 + 𝒂𝟏𝟐 𝒙𝟐 + ⋯ + 𝒂𝟏𝒏 𝒙𝒏 = 𝒃𝟏

𝒂 𝒙 + 𝒂𝟐𝟐 𝒙𝟐 + ⋯ + 𝒂𝟐𝒏 𝒙𝒏 = 𝒃𝟐
{ 𝟐𝟏 𝟏
… … … … …
𝒂𝒎𝟏 𝒙𝟏 + 𝒂𝒎𝟐 𝒙𝟐 + ⋯ + 𝒂𝒎𝒏 𝒙𝒏 = 𝒃𝒎

Tel que :
 𝑎𝑖𝑗 sont les coefficients du système
 𝑥𝑗 sont les inconnus du système
 𝑏𝑖 sont les composants de la deuxième partie (second member).
Le système d’équations linéaire peut être traduit sous forme matricielle :
𝑎11 𝑎12 … 𝑎1𝑛 𝑥1 𝑏1
𝑎21 𝑎22 … 𝑎2𝑛 𝑥2 𝑏
[… … … … ] […] = [ 2] ou 𝐴𝑥 = 𝑏
…
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛 𝑥𝑛 𝑏𝑚
Qu’on peut le noter aussi sous forme de matrice augmentée : [𝐴 | 𝑏]

C.TABET HELLEL 1
Chapitre3 : Résolution des systèmes d’équations linéaires

𝑎11 𝑎12 … 𝑎1𝑛 𝑏1

𝑎 𝑎22 𝑎2𝑛 𝑏2
[ 21 …
]
… … … … …
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑛 𝑏𝑚

3-3 Nombre de solutions possibles pour un système d’équations

linéaires :
Lors de la résolution d’un système d’équations linéaires, trois situations sont
possibles :
1- Le système d’équations linéaires peut avoir une solution unique si le
nombre d’équation est égal au nombre d’inconnus.
Exemple :
𝟒𝒙 + 𝟐𝒙𝟐 = 𝟏
{ 𝟏
𝟔𝒙𝟏 + 𝟓𝒙𝟐 = 𝟕
2- Le système d’équations linéaires peut n’avoir aucune solution si le
nombre d’équations est supérieur au nombre d’inconnus.
Exemple :
𝟒𝒙𝟏 + 𝟐𝒙𝟐 = 𝟏
{𝟐𝒙𝟏 + 𝟑𝒙𝟐 = 𝟓 Dans ce cas, pas de solution parce qu’on a 2
𝟔𝒙𝟏 + 𝟓𝒙𝟐 = 𝟕
inconnus et 3 équations
Dans le cas ou’ une équation est écrite en fonction d’une autre par exemple :
𝟒𝒙𝟏 + 𝟐𝒙𝟐 = 𝟏
{𝟖𝒙𝟏 + 𝟒𝒙𝟐 = 𝟐 Dans ce cas, la deuxième équation = 2* la première
𝟔𝒙𝟏 + 𝟓𝒙𝟐 = 𝟕
équation donc on peut négliger la deuxième équation tel que :
𝟒𝒙 + 𝟐𝒙𝟐 = 𝟏
{ 𝟏 Dans ce cas le système peut avoir une solution.
𝟔𝒙𝟏 + 𝟓𝒙𝟐 = 𝟕
3- Le système d’équations linéaires peut avoir une infinité de solutions si le
nombre d’inconnus est supérieur au nombre d’équations.
Exemple :
𝟒𝒙 + 𝟐𝒙𝟐 + 𝟑𝒙𝟑 = 𝟏
{ 𝟏
𝟐𝒙𝟏 + 𝟕𝒙𝟐 + 𝟖𝒙𝟑 = 𝟕

3.4 Les opérations élémentaires sur les lignes d’une matrice :

Un système linéaire reste inchangé si :
1- On multiplie une ligne par une constante.

C.TABET HELLEL 2
Chapitre3 : Résolution des systèmes d’équations linéaires

2- On ajoute une équation à une autre.

3- On permute deux équations.

3.5 Système triangulaire :

3.5.1 Système triangulaire inférieure :
Soit A une matrice carrée. A est triangulaire inférieure :

Il se fait en “remontant” les équations de la dernière ligne à la première.

Exemple : Soit L une matrice de 3*3 :
𝑏1
𝑙11 𝑥1 = 𝑏1 ⇔ 𝑥1 = 𝑙11

𝑙11 0 0 𝑥1 𝑏1
(𝑏2 −𝑙21 𝑥1 )
[ 𝑙21 𝑙22 0 ] [𝑥2 ] = [𝑏2 ] ⇒ 𝑙21 𝑥1 + 𝑙22 𝑥2 = 𝑏2 ⇔ 𝑥2 = 𝑙22
𝑙31 𝑙32 𝑙33 𝑥3 𝑏3
(𝑏3−𝑙31 𝑥1−𝑙32 𝑥2 )
𝑙31 𝑥1 + 𝑙32 𝑥2 + 𝑙33 𝑥3 = 𝑏3 ⇔ 𝑥3 = 𝑙33

Donc la solution d’un système avec une matrice triangulaire inférieure est :
𝑏1
𝑥1 =
𝑙11
{ 1
𝑥𝑖 = (𝑏𝑖 − ∑𝑖−1
𝑗=1 𝑙𝑖𝑗 𝑥𝑗 ) 𝑖 = 2…𝑛
𝑙𝑖𝑖

3.5.2 Système triangulaire supérieure :

Soit A une matrice carrée. A est triangulaire supérieure :

Exemple : Soit U une matrice de 3*3 :

C.TABET HELLEL 3
Chapitre3 : Résolution des systèmes d’équations linéaires

𝑏3
𝑢33 𝑥3 = 𝑏3 ⇔ 𝑥3 = 𝑢33

𝑢11 𝑢12 𝑢13 𝑥1 𝑏1

(𝑏2−𝑢23 𝑥3 )
[0 𝑢22 𝑢23 ] [𝑥2 ] = [𝑏2 ] ⇒ 𝑢22 𝑥2 + 𝑢23 𝑥3 = 𝑏2 ⇔ 𝑥2 =
𝑢22
0 0 𝑢33 𝑥3 𝑏3
(𝑏1−𝑢12 𝑥2 −𝑢13 𝑥3 )
𝑢11 𝑥1 + 𝑢12 𝑥2 + 𝑢13 𝑥3 = 𝑏1 ⇔ 𝑥1 = 𝑢11

Donc la solution d’un système avec une matrice triangulaire supérieure est :
𝑏𝑛
𝑥𝑛 =
𝑢𝑛𝑛
{ 1
𝑥𝑖 = (𝑏𝑖 − ∑𝑛𝑗=𝑖+1 𝑢𝑖𝑗 𝑥𝑗 ) 𝑖 = 𝑛 − 1 … ,1
𝑢𝑖𝑖

Il existe deux types de méthodes qui permettent de transformer un système

d’équations linéaires en système triangulaire :

 Méthodes directes : une méthode directe conduit à une solution en un

nombre fini d’étapes, el s’il n’y a pas des erreurs d’arrondi, la solution serait
celle du système.

 Méthodes indirectes (itératives) : une méthode itérative fait passer d’un

estimé x(k) de la solution à un autre estimé x(k+1) de cette solution. Les
méthodes itératives sont généralement préférées pour les systèmes de
grande taille.

3.6 Méthodes directes :

3.6.1 Méthode d’élimination de Gauss :

La méthode de Gauss est divisée en deux étapes :
Soit A un système linéaire de n*n ;
1- Transformer le système linéaire A en un système triangulaire supérieur.
2- Résoudre le système triangulaire par substitution arrière (remontée).
Pour résoudre un système linéaire, il faut vérifier l’existence et l’unicité de la
solution tel que :
𝐴𝑥 = 𝑏 ⇔ A est inversible (càd det(A) ≠0)

C.TABET HELLEL 4
Chapitre3 : Résolution des systèmes d’équations linéaires

3.6..1.1 Algorithme de GAUSS

Début

 1ère étape : Triangularisation 

ème
2 étape : Résolution du système
Pour k=1 à n faire
Pour i=k+1 à n faire Pour i=n à 1 faire
𝒂
w= 𝒂 𝒊𝒌 𝑛
𝒌𝒌
Pour j=1 à n faire 1
𝑥𝑖 = (𝑏𝑖 − ∑ 𝑎𝑖𝑗 𝑥𝑗 )
𝒂𝒊𝒋 = 𝒂𝒊𝒋 − 𝒘. 𝒂𝒌𝒋 𝑎𝑖𝑖
𝑗=𝑖+1
𝒃𝒊 = 𝒃𝒊 − 𝒘. 𝒃𝒌
Fin pour Fin pour
Fin pour
Fin pour Fin

Exemple :
𝒙𝟏 + 𝒙𝟐 = 𝟐
(S) {
−𝒙𝟏 + 𝟐𝒙𝟐 = 𝟑
1 1
⇔ (−1 2
) (𝑥𝑥1 ) = (23) ⇔ A.x=b
2

1 1
On calcule le déterminant du (S) : det (−1 2
) = 2 – (-1) = 3≠0
⇒ (S) admet une unique solution
Etape 1 :
L1
1 1
L2 (−1 2
) (𝑥𝑥1 ) = (23)
2
L1
⇔ (𝑥1 ) = (01
L2← L1 + L2𝑥
1
3
) (𝑥𝑥1 ) = (25)
2 2

Etape 2 :
𝒙 + 𝒙𝟐 = 𝟐
{ 𝟏 ⇒ 𝒙𝟐 = 𝟓⁄𝟑
𝟑𝒙𝟐 = 𝟓

𝒙𝟏 + 𝒙𝟐 = 𝟐 𝒙𝟏 + 𝟓⁄𝟑 = 𝟐 𝒙𝟏 = 𝟏⁄𝟑
⇔ { ⇔ { ⇔ {
𝒙𝟐 = 𝟓⁄𝟑 𝒙𝟐 = 𝟓⁄𝟑 𝒙𝟐 = 𝟓⁄𝟑

C.TABET HELLEL 5
Chapitre3 : Résolution des systèmes d’équations linéaires

𝟏⁄
x= (𝟓 𝟑)
⁄𝟑

3.6.2 Méthode de Gauss Jordon :

La méthode de Jordan est une variante de la méthode de Gauss. Elle consiste à
éliminer non seulement les facteurs au-dessous du pivot mais aussi les facteurs
au-dessus. Le résultat est système à matrice diagonale.
3.6.2.1 Algorithme de Gauss Jordon :
Début
ème
1ère étape : Triangularisation 2 étape : Résolution du système

Pour k=1 à n faire Pour i=n à 1 faire

Pour i=1 à n faire
si i≠ k alors 𝑏𝑖
𝒂 𝑥𝑖 =
w= 𝒂 𝒊𝒌 𝑎𝑖𝑖
𝒌𝒌
Pour j=1 à n+1 faire
𝒂𝒊𝒋 = 𝒂𝒊𝒋 − 𝒘. 𝒂𝒌𝒋 Fin pour
Fin pour
𝒃𝒊 = 𝒃𝒊 − 𝒘. 𝒃𝒌
Fin si Fin
Fin pour
Fin pour

Exemple :
Soit le système linéaire suivant :
𝑥1 + 2𝑥2 − 3𝑥3 = −7 L1 1 2 −3 −7
{2𝑥1 − 3𝑥2 + 5𝑥3 = 18 ⟺ L2 (24 −3
1
5
−2
18
24
)
L3
4𝑥1 + 𝑥2 − 2𝑥3 = 24

L1
1 2 −3 −7 1 2 −3 −7
L2 ← L2- 2L1 2 −3 5 18 0 −7 11 32
⟺ (4 1 −2 24
) ⟺ ( 0 −7 10 52
)
L3 ←L3-4L1

C.TABET HELLEL 6
Chapitre3 : Résolution des systèmes d’équations linéaires

L1 1 2 −3 −7 L1←L1-3L3 1 2 0 −67
L2 0 −7 11 32 L2← L2+11L3 0 −7 0 252
⟺ (0 0 −1 20
) ⟺ (0 0 −1 20
)
L3 ←L3-L2 L3

L1←2L2 +7L1 7 0 0 35
0 −7 0 252
⟺ L2 ( 0 0 −1 20
)
L3

7𝑥1 = 35 𝒙𝟏 = 5
⟺ {−7𝑥2 = 252 ⟺ {𝒙𝟐 = −36
−𝑥3 = 20 𝒙𝟑 = −20

3.6.3 Méthode de décomposition LU :

Cette méthode consiste à décomposer la matrice A en un produit de deux
matrices triangulaires sous la forme A=L.U
Où L est une matrice triangulaire inférieure et U est une matrice triangulaire
supérieure.
Le système devient :
𝑳𝒚 = 𝒃
𝑨𝒙 = 𝒃 ⇔ 𝑳𝑼𝒙 = 𝒃 ⇔ {
𝑼𝑿 = 𝒚
La résolution du système Ax=b revient à résoudre les deux systèmes Ly=b et
Ux=y. Puisque L et U sont triangulaires, la résolution est immédiate.
Pour une matrice carrée A de n*n on a :

La formule générale de la factorisation d’une matrice d’ordre n est sous la

forme :
𝑗−1
𝑙𝑖𝑗 = 𝑎𝑖𝑗 − ∑𝑘=1 𝑙𝑖𝑘 . 𝑢𝑘𝑗 𝑗 ≤ 𝑖 𝑖 = 1, … … , 𝑛

C.TABET HELLEL 7
Chapitre3 : Résolution des systèmes d’équations linéaires

𝑢𝑖𝑗 = 1⁄𝑙 [𝑎𝑖𝑗 − ∑𝑖−1

𝑘=1 𝑙𝑖𝑘 . 𝑢𝑘𝑗 ] 𝑖≤𝑗 𝑗 = 1……,𝑛
𝑖𝑖

3.6.3.1 Algorithme de Décomposition LU :

Début :
Pour j=i+1 à n faire
𝒖𝟏𝟏 =𝒂𝟏𝟏
Pour j=2 à n faire 𝑗−1
𝑢𝑖𝑗 = 𝑎𝑖𝑗 − ∑𝑘=1 𝑙𝑖𝑘 . 𝑢𝑘𝑗
𝒖𝟏𝒋 =𝒂𝟏𝒋
𝑙𝑗𝑖 = 1⁄𝑢𝑖𝑖 [𝑎𝑗𝑖 − ∑𝑖−1
𝑘=1 𝑙𝑗𝑘 . 𝑢𝑘𝑖 ]
𝑙𝑗1 = 𝑎𝑗1 /𝑎11
Fin pour
Fin pour
Fin pour
Pour i=2 à n faire
𝑖−1 Fin
𝑢𝑖𝑖 = 𝑎𝑖𝑖 − ∑ 𝑙𝑖𝑘 . 𝑢𝑘𝑖
𝑘=1

Exemple :
Soit la matrice A suivante :
𝒙𝟏
𝟐 −𝟏 𝟎 −𝟐
( 𝟒 −𝟏 𝟐 ) (𝒙𝟐 ) = ( 𝟏𝟒 )
−𝟔 𝟐 𝟎 𝒙𝟑 𝟏𝟐

A= LU
𝑳𝒚 = 𝒃
Ax=b ⇒ LUx=b ⇒ {
𝑼𝒙 = 𝒚
𝒖𝟏𝟏 = 𝟐 , 𝒖𝟏𝟐 = −𝟏 , 𝒖𝟏𝟑 = 𝟎
 𝒍𝟐𝟏 . 𝒖𝟏𝟏 = 𝟒 ⇔ 𝟐𝒍𝟐𝟏 = 𝟒 ⇔ 𝒍𝟐𝟏 = 𝟐
 𝒍𝟐𝟏 . 𝒖𝟏𝟐 + 𝒖𝟐𝟐 = −𝟏 ⇔ 𝟐 ∗ (−𝟏) + 𝒖𝟐𝟐 = −𝟏 ⇔ 𝒖𝟐𝟐 = 𝟏
 𝒍𝟐𝟏 . 𝒖𝟏𝟑 + 𝒖𝟐𝟑 = 𝟐 ( )
⇔ 𝟐 ∗ 𝟎 + 𝒖𝟐𝟑 = 𝟐 ⇔ 𝒖𝟐𝟑 = 𝟐
 𝒍𝟑𝟏 . 𝒖𝟏𝟏 = −𝟔 ⇔ 𝟐𝒍𝟑𝟏 = −𝟔 ⇔ 𝒍𝟑𝟏 = −𝟑
 𝒍𝟑𝟏 . 𝒖𝟏𝟐 + 𝒍𝟑𝟐 . 𝒖𝟐𝟐 = 𝟐 ⇔ ( −𝟑 ∗ (−𝟏) + 𝒍𝟑𝟐 (𝟏) = 𝟐
) ⇔ 𝒍𝟑𝟐 = −𝟏
 𝒍𝟑𝟏 . 𝒖𝟏𝟑 + 𝒍𝟑𝟐 . 𝒖𝟐𝟑 + 𝒖𝟑𝟑 = 𝟎 ⇔ ( ) ( ) ( ) ( )
−𝟑 ∗ 𝟎 + −𝟏 ∗ 𝟐 + 𝒖𝟑𝟑 = 𝟎
⇔ 𝒖𝟑𝟑 = 𝟐

1- On a Ly=b, en remplissant la matrice L par ses valeurs :

C.TABET HELLEL 8
Chapitre3 : Résolution des systèmes d’équations linéaires

𝒚𝟏
1 0 0 1 0 0 −𝟐
(𝑙21 1 0) ⇔ (2 1 0) (𝒚𝟐 ) = ( 𝟏𝟒 )
𝑙31 𝑙32 1 −3 −1 1 𝒚𝟑 𝟏𝟐

𝑦1 = −2 𝑦1 = −2
⇔ { 2𝑦1 + 𝑦2 = 14 ⇔ { 𝑦2 = 18
−3𝑦1 − 𝑦2 + 𝑦3 = 12 𝑦3 = 24
2- On remplace la matrice U par ses valeurs :

𝑢11 𝑢12 𝑢13 2 −1 0 𝒙𝟏

−𝟐
(0 𝑢22 𝑢23 ) = ( 0 1 2 ) (𝒙𝟐 ) = ( 𝟏𝟖 )
0 0 𝑢33 0 0 2 𝒙𝟑 𝟐𝟒

2𝑥3 = 24 𝒙𝟑 = 12
⇔ { 𝑥2 + 2𝑥3 = 18 ⇔ {𝒙𝟐 = −6
2𝑥1 − 𝑥2 = −2 𝒙𝟏 = −4

3.6.4 Méthode de Cholesky :

Théorème : Si A est une matrice symétrique définie positive alors il existe une
matrice triangulaire inférieure L, tel que : A= L.LT.
On a : Ax=b ⇒ L.LTx=b
𝐿𝑦 = 𝑏
Donc : { 𝑇
𝐿 𝑥=𝑦

Rappel :
Une matrice A est symétrique si et seulement si : A= AT ⇔ 𝑎𝑖𝑗 = 𝑎𝑗𝑖 (i,j=1……n )
Elle est définie positive si et seulement si : det A(k) > 0 ∀ 𝑘, 1 ≤ 𝑘 ≤ 𝑛 avec
A(k) 1 ≤ k≤ n les sous matrices principales.

C.TABET HELLEL 9
Chapitre3 : Résolution des systèmes d’équations linéaires

3.6.4.1 Algorithme de Cholesky :

Début : Pour j=i+1 à n faire
𝑖−1
𝑙11 =√𝑎11 1
𝑙𝑗𝑖 = (𝑎𝑖𝑗 − ∑ 𝑙𝑖𝑘 𝑙𝑗𝑘 )
𝑙𝑖𝑖
𝑘=1
Pour j=2 à n faire

𝑙𝑗1 = 𝑎1𝑗 /𝑙11

Fin pour
Fin pour
Fin pour
Pour i=2 à n faire

𝑖−1
Fin
2
𝑙𝑖𝑖 = √𝑎𝑖𝑖 − ∑ 𝑙𝑖𝑘 ,
𝑘=1

Exemple :
𝑥1 + 2𝑥2 − 3𝑥3 = −1
Soit le système suivant : { 2𝑥1 + 5𝑥2 − 4𝑥3 = −3
−3𝑥1 − 4𝑥2 + 14𝑥3 = 1
1 2 −3
−1
⇒ A= (−3
2 5
−4
−4 )
14
, b=(−3)
1

1- A=AT ⇒ A est symétrique

2- Vérifiant si A est définie positive :

 Det A1= 1 >0

1 2
 Det A2= | | =5-4 =1 > 0 ⇒ A est définie positive
−2 5
 Det A3= 1 >
Solution :

𝑙11 0 0 𝑙11 𝑙21 𝑙31

A=L.LT = ( 𝑙21 𝑙22 0 ). (0 𝑙22 𝑙32 ) =
𝑙31 𝑙32 𝑙33 0 0 𝑙33

C.TABET HELLEL 10
Chapitre3 : Résolution des systèmes d’équations linéaires

2
𝑙11 𝑙11𝑙21 𝑙11 𝑙31
( 𝑙 𝑙 2
𝑙21 2
+ 𝑙22 𝑙21𝑙31 + 𝑙22 𝑙32 )
21 11
2 2 2
𝑙31 𝑙11 𝑙31𝑙21 + 𝑙32 𝑙22 𝑙31 + 𝑙32 + 𝑙33

1 0 0 1 2 −3
⇔ A= ( 2 1 0 ) . (0 1 2 )
−3 2 1 0 0 1
L LT

𝐿𝑦 = 𝑏
On a : {
𝐿𝑇 𝑥 = 𝑦

𝒚𝟏
1 0 0 −1
 𝑳𝒚 = 𝒃 ⇒ (2 1 0 ) (𝒚𝟐 ) = (−3)
−3 2 1 𝒚𝟑 1

2
𝑙11 = 1 ⇒ 𝑙11 = 1
𝑙11𝑙21 = -1 ⇒ 𝑙21 = -1
𝑙11 𝑙31 = 2 ⇒ 𝑙31 = 2
2 2
𝑙21 + 𝑙22 = -1 ⇒ 𝑙22 = 1
𝑙21 𝑙31 + 𝑙22 𝑙32 = -4 ⇒ 𝑙32 = 2
2 2 2
𝑙31 + 𝑙32 + 𝑙33 = 14 ⇒ 𝑙33 = 1

𝑦1 = −1 𝑦1 = −1
{ 2𝑦1 + 𝑦2 = −3 ⇒ {𝑦2 = −1
−3𝑦1 + 2𝑦2 + 𝑦3 = 1 𝑦3 = 0

𝒙𝟏
1 2 −3 −1
 𝑳 𝒙=𝒚 ⇒
𝑻
(0 1 2 ) (𝒙𝟐 ) = (−1)
0 0 1 𝒙𝟑 0

𝑥1 + 2𝑥2 − 3𝑥3 = −1 𝒙𝟏 = 𝟏
{ 𝑥2 + 2𝑥3 = −1 ⇒ {𝒙𝟐 = −𝟏
𝑥3 = 0 𝒙𝟑 = 𝟎

3.6.5 Conclusion sur les méthodes directes :

 Les méthodes directes sont utilisées surtout pour la résolution des petits
(n<20) et moyens (n<100) systèmes d’équations linéaires.
 On dit que la meilleure méthode directe au sens du temps de calcul est celle
qui demande le moins d’opérations.
C.TABET HELLEL 11
Chapitre3 : Résolution des systèmes d’équations linéaires

 La méthode de Gauss ou sa variante LU est souvent préférée pour des

systèmes à matrice quelconque.
 La méthode de Cholesky est recommandée pour résoudre des systèmes
linéaires à matrice symétrique définie positive.

3.7 Méthodes indirectes (itératives) :

3.7.1 Principe :
Soit à résoudre le système Ax=b où A est une matrice carrée d’ordre n et b est
un vecteur Rn.
L’idée est de décomposer la matrice A sous la forme A=M-N, avec M est facile
à inverser.
Le système devient donc : (M-N) x=b ou encore : Mx=Nx+b ⇔ x= M-1(Nx+b)
Si on prend f(x)= M-1(Nx+b) : donc on a : f(x)=x pour la solution de Ax=b (x est
point fixe de la fonction f(x)) tel que :
𝑥0 ∈ 𝑅 𝑛
{
𝑥𝑛+1 = 𝑓(𝑥𝑛 )
Donc on définit la suite récurrente :
𝑥 (0) ∈ 𝑅 𝑛 𝑣𝑒𝑐𝑡𝑒𝑢𝑟 𝑑𝑒 𝑑é𝑝𝑎𝑟𝑡
{ (𝑘+1) ⇒ converge vers x* la
𝑥 = 𝑀−1𝑁𝑥 (𝑘) + 𝑀−1𝑏 𝑘 = 0,1,2 …
solution de Ax =b
On prend :𝑇 = 𝑀 −1𝑁 𝑒𝑡 𝑉 = 𝑀−1 𝑏:
𝑥 (0) ∈ 𝑅 𝑛 𝑣𝑒𝑐𝑡𝑒𝑢𝑟 𝑑𝑒 𝑑é𝑝𝑎𝑟𝑡
On a : {
𝑥 (𝑘+1) = 𝑇𝑥 (𝑘) + 𝑉

3.7.2 La convergence :
- pour vérifier la convergence il faut que : |𝑎𝑖𝑖 | > ∑𝑛𝑗=1 |𝑎𝑖𝑗 | i=1,2….n
𝑗≠𝑖

3.7.3 La décomposition de la matrice A :

Il faut choisir une matrice T qui assure la convergence et telle que Tx+V ne soit
pas très difficile à calculer. Nous allons donc chercher des décompositions de la
forme M-N de la matrice A de telle façon que M soit facilement inversible.
Définissons les matrices D, L, U :
- D est une matrice diagonale : 𝒅𝒊𝒊 = 𝒂𝒊𝒊 ∀𝒊

C.TABET HELLEL 12
Chapitre3 : Résolution des systèmes d’équations linéaires

𝑙𝑖𝑗 = 𝑎𝑖𝑗 ; 𝑖>𝑗

- L est une matrice inférieure : {
𝑙𝑖𝑗 = 0; 𝑖≤𝑗

𝑢𝑖𝑗 = 𝑎𝑖𝑗 ; 𝑖<𝑗

- U est une matrice supérieure : {
𝑢𝑖𝑗 = 0; 𝑖≥𝑗

Donc nous obtiendrons la décomposition de : A= M-N à partir de différents

types de regroupement de ces matrices : D, L, U
- Méthode Jacobi :
A= M-N ou’ M=D et N= - (L+U)
Donc : A= M-N= D- (-L-U) ⇒ A= D+L+U
Dans ce cas la matrice T de Jacobi sera : 𝑇𝑗 = 𝐷 −1(−𝐿 − 𝑈)
- Méthode de Gauss Seidel :
A= M-N ou’ M=D+L et N= - U
Donc : A= M-N ⇒ A= D+L+U
Dans ce cas la matrice T de Gauss Seidel sera : 𝑇𝐺𝑆 = (𝐷 + 𝐿)−1(−𝑈)
3.7.4 Méthode de Jacobi :
3.7.4.1 Principe :
- La matrice A étant décomposée en : A=M-N = D- (-(L+U))
- Le système Ax=b devient : (D- (-(L+U))) x=b ⇒ Dx= -(L+U) x+b
- La méthode itérative de Jacobi s’écrit alors :
𝑫𝒙𝒌+𝟏 = −(𝑳 + 𝑼)𝒙𝒌 + 𝒃
Soit :
𝒙𝒌+𝟏 = 𝑫−𝟏 (−(𝑳 + 𝑼))𝒙𝒌 + 𝑫−𝟏 𝒃
Soit le système Ax=b :

C.TABET HELLEL 13
Chapitre3 : Résolution des systèmes d’équations linéaires

𝒂𝟏𝟏 𝒙𝟏 + 𝒂𝟏𝟐 𝒙𝟐 + ⋯ + 𝒂𝟏𝒏 𝒙𝒏 = 𝒃𝟏

𝒂 𝒙 + 𝒂𝟐𝟐 𝒙𝟐 + ⋯ + 𝒂𝟐𝒏 𝒙𝒏 = 𝒃𝟐
{ 𝟐𝟏 𝟏 ⇔
… … … … …
𝒂𝒏𝟏 𝒙𝟏 + 𝒂𝒏𝟐 𝒙𝟐 + ⋯ + 𝒂𝒏𝒏 𝒙𝒏 = 𝒃𝒏
𝒂𝟏𝟏 𝒙𝟏 = 𝒃𝟏 − (𝒂𝟏𝟐 𝒙𝟐 + ⋯ + 𝒂𝟏𝒏 𝒙𝒏 )
𝒂𝟐𝟐 𝒙𝟐 = 𝒃𝟐 − (𝒂𝟐𝟏 𝒙𝟏 + ⋯ + 𝒂𝟐𝒏 𝒙𝒏 )
{
… … … … …
𝒂𝒏𝒏 𝒙𝒏 = 𝒃𝒏 − (𝒂𝒏𝟏 𝒙𝟏 + ⋯ + 𝒂𝒏𝒏−𝟏 𝒙𝒏−𝟏 )

𝟏
𝒙𝒌+𝟏
𝟏 = (𝒃𝟏 − 𝒂𝟏𝟐 𝒙𝒌𝟐 − ⋯ − 𝒂𝟏𝒏 𝒙𝒌𝒏 )
𝒂𝟏𝟏
𝟏
⇔ 𝒙𝒌+𝟏
𝟐 = (𝒃𝟐 − 𝒂𝟐𝟏 𝒙𝒌𝟏 − ⋯ − 𝒂𝟐𝒏 𝒙𝒌𝒏 )
𝒂𝟐𝟐
… … … … …
𝟏
𝒌+𝟏
{𝒙𝒏 = (𝒃𝒏 − 𝒂𝒏𝟏 𝒙𝒌𝟏 − ⋯ − 𝒂𝒏𝒏−𝟏 𝒙𝒌𝒏−𝟏 )
𝒂𝒏𝒏

𝟏
⇔ 𝒙𝒌+𝟏
𝒊 = (𝒃𝒊 − ∑𝒏𝒋=𝟏 𝒂𝒊𝒋𝒙𝒌𝒋 ) i=1…n
𝒂𝒊𝒊
𝒋≠𝒊

Cette méthode suppose des pivots non nuls. Dans le cas où un pivot est nul, un
simple échange des lignes suffit pour vérifier cette condition.
Test d’arrêt : |𝒙𝒌+𝟏
𝒊 − 𝒙𝒌𝒊 | ≤ 𝜺 𝜺: 𝒖𝒏𝒆 𝒑𝒓é𝒄𝒊𝒔𝒊𝒐𝒏 𝒅𝒐𝒏𝒏é𝒆

3.7.4.2 Algorithme de Jacobi :

Données : A, b, 𝒙(𝟎) , 𝜺
Début
k=0
Tant que |𝒙𝒌+𝟏
𝒊 − 𝒙𝒌𝒊 | > 𝜺 faire
Pour i=1 à n faire
𝟏
𝒙𝒌+𝟏
𝒊 = 𝒂 (𝒃𝒊 − ∑𝒏𝒋=𝟏 𝒂𝒊𝒋 𝒙𝒌𝒋 )
𝒊𝒊

Fin pour
k=k+1
Fin tant que
Fin

C.TABET HELLEL 14
Chapitre3 : Résolution des systèmes d’équations linéaires

Exemple :
Résoudre le système suivant par la méthode itérative de Jacobi avec 3 décimales
exactes.
𝜺= 0.5.10-3 et le vecteur initial x(0)= (2, 3, 5)t
4𝑥1 + 0.24𝑥2 − 0.08𝑥3 = 8
{ 0.09𝑥1 + 3𝑥2 − 0.15𝑥3 = 9
0.04𝑥1 − 0.08𝑥2 + 4𝑥3 = 20
Solution :
- Vérifions d’abord la convergence :
𝑎11 = 4 > 0.24 + |−0.08| = 0.32
𝑎22 = 3 > 0.09 + |−0.15| = 0.24
𝑎33 = 4 > 0.04 + |−0.08| = 0.12
Donc le processus itératif de Jacobi est convergent.
1
𝑥1 = (8 − 0.24𝑥2 + 0.08𝑥3 )
4
1
𝑥2 = (9 − 0.09𝑥1 + 0.15𝑥3 )
3
1
𝑥3 = (20 − 0.04𝑥1 + 0.08𝑥2 )
{ 4

𝑥1 = 2 − 0.06𝑥2 + 0.02𝑥3
⇔ {𝑥2 = 3 − 0.03𝑥1 + 0.05𝑥3
𝑥3 = 5 − 0.01𝑥1 + 0.02𝑥2
En remplaçant les valeurs du vecteur x(0), on obtient :
𝑥1 = 2 − 0.06(3) + 0.02 (5) 𝒙𝟏 = 𝟏. 𝟗𝟐
{ 𝑥2 = 3 − 0.03(2) + 0.05(5) ⇔ {𝒙𝟐 = 𝟑. 𝟏𝟗 ⇔
𝑥3 = 5 − 0.01(2) + 0.02(3) 𝒙𝟑 = 𝟓. 𝟎𝟒

𝑥 (1) = (1.92, 3.19, 5.04)𝑡

En appliquant une deuxième itération, on obtient :
𝑥 (2) = (1.9094, 3.1944, 5.0446)𝑡
Pour la troisième itération :
𝑥 (3) = (1.9092, 3.19495, 5.0448)𝑡

C.TABET HELLEL 15
Chapitre3 : Résolution des systèmes d’équations linéaires

- Vérifiant le test d’arrêt :

(3) (2)
|𝑥1 − 𝑥1 | = 0.0002 < 0.0005
(3) (2)
|𝑥2 − 𝑥2 | = 0.0005 = 0.0005
(3) (2)
|𝑥3 − 𝑥3 | = 0.0002 < 0.0005

La solution donnée avec trois décimales exactes est :

𝒙𝟏 = 𝟏. 𝟗𝟎𝟗 ± 𝟎. 𝟎𝟎𝟏
𝒙𝟐 = 𝟑. 𝟏𝟗𝟓 ± 𝟎. 𝟎𝟎𝟏
𝒙𝟑 = 𝟓. 𝟎𝟒𝟓 ± 𝟎. 𝟎𝟎𝟏

3.7.5 Méthode de Gauss Seidel :

3.7.5.1 Principe :
- La matrice A étant décomposée en : A=M-N = (D + L)- (-U)
- Le système Ax=b devient :((D+L)-(-U)) x=b
- Dans la méthode itérative de Gauss-Seidel, on réécrit la formule
d’itération de la manière suivante :

𝑥 (𝑘+1) = −(𝐷 + 𝐿)−1𝑈𝑥 (𝑘) + (𝐷 + 𝐿)−1𝑏

Puisque l’inversion de la matrice (D+L) peut être difficile à calculer, on préfère
écrire le système sous la forme :
(𝐷 + 𝐿)𝑥 (𝑘+1) = −𝑈𝑥 (𝑘) + 𝑏
Qui devient :
𝐷𝑥 (𝑘+1) = −𝐿𝑥 (𝑘+1) − 𝑈𝑥 (𝑘) + 𝑏
Et finalement :
𝑥 (𝑘+1) = −𝐷 −1𝐿𝑥 (𝑘+1) − 𝐷 −1 𝑈𝑥 (𝑘) + 𝐷 −1𝑏
Soit le système Ax=b :
𝒂𝟏𝟏 𝒙𝟏 + 𝒂𝟏𝟐 𝒙𝟐 + ⋯ + 𝒂𝟏𝒏 𝒙𝒏 = 𝒃𝟏
𝒂 𝒙 + 𝒂𝟐𝟐 𝒙𝟐 + ⋯ + 𝒂𝟐𝒏 𝒙𝒏 = 𝒃𝟐
{ 𝟐𝟏 𝟏 ⇔
… … … … …
𝒂𝒏𝟏 𝒙𝟏 + 𝒂𝒏𝟐 𝒙𝟐 + ⋯ + 𝒂𝒏𝒏 𝒙𝒏 = 𝒃𝒏

C.TABET HELLEL 16
Chapitre3 : Résolution des systèmes d’équations linéaires

𝒂𝟏𝟏 𝒙𝟏 = 𝒃𝟏 − (𝒂𝟏𝟐 𝒙𝟐 + ⋯ + 𝒂𝟏𝒏 𝒙𝒏 )

𝒂𝟐𝟐 𝒙𝟐 = 𝒃𝟐 − (𝒂𝟐𝟏 𝒙𝟏 + ⋯ + 𝒂𝟐𝒏 𝒙𝒏 )
{
… … … … …
𝒂𝒏𝒏 𝒙𝒏 = 𝒃𝒏 − (𝒂𝒏𝟏 𝒙𝟏 + ⋯ + 𝒂𝒏𝒏−𝟏 𝒙𝒏−𝟏 )

𝟏
𝒙𝒌+𝟏
𝟏 = (𝒃𝟏 − 𝒂𝟏𝟐 𝒙𝒌𝟐 − ⋯ − 𝒂𝟏𝒏 𝒙𝒌𝒏 )
𝒂𝟏𝟏
𝟏
⇔ 𝒙𝒌+𝟏
𝟐 = (𝒃𝟐 − 𝒂𝟐𝟏 𝒙𝒌+𝟏
𝟏 − ⋯ − 𝒂𝟐𝒏 𝒙𝒌𝒏 )
𝒂𝟐𝟐
… … … … …
𝟏
𝒌+𝟏
{𝒙𝒏 = (𝒃𝒏 − 𝒂𝒏𝟏 𝒙𝒌+𝟏
𝟏 − ⋯ − 𝒂𝒏𝒏−𝟏 𝒙𝒌+𝟏
𝒏−𝟏 )
𝒂𝒏𝒏

𝟏
⇔ 𝒙𝒌+𝟏
𝒊 = [𝒃𝒊 − ∑𝒊−𝟏 𝒌+𝟏
𝒋=𝟏 𝒂𝒊𝒋 𝒙𝒋 − ∑𝒏𝒋=𝒊+𝟏 𝒂𝒊𝒋𝒙𝒌𝒋 ]
𝒂𝒊𝒊

Remarque :
On constate que la différence entre cette méthode et celle de Jacobi est
l’utilisation immédiate des nouveaux estimés à l’itération (k+1).
La condition d’avoir des pivots non nuls reste nécessaire aussi pour la méthode
de Gauss-Seidel.
3.7.5.2 Algorithme de Gauss Seidel :
Données : A, b, 𝒙(𝟎) , 𝜺

Début
k=0
Tant que |𝒙𝒌+𝟏
𝒊 − 𝒙𝒌𝒊 | > 𝜺 faire
Pour i=1 à n faire
𝟏
𝒙𝒌+𝟏
𝒊 = 𝒂 [𝒃𝒊 − ∑𝒊−𝟏 𝒌+𝟏
𝒋=𝟏 𝒂𝒊𝒋 𝒙𝒋 − ∑𝒏𝒋=𝒊+𝟏 𝒂𝒊𝒋 𝒙𝒌𝒋 ]
𝒊𝒊
Fin pour
k=k+1
Fin tant que
Fin

Quelques remarques :
- La méthode de Gauss-Seidel est plus rapide en convergence que la méthode
de Jacobi. En effet, on utilise dans la même itération les valeurs déjà
estimées. Dans un certain sens, le (k+1) ième itéré est plus proche de la
limite pour la méthode de Gauss-Seidel que pour la méthode de Jacobi.

C.TABET HELLEL 17
Chapitre3 : Résolution des systèmes d’équations linéaires

- Pour la méthode de Gauss-Seidel, un seul vecteur suffit pour enregistrer les

valeurs des itérés successifs. Une fois un itéré de l’itération précédente est
utilisé dans le calcul, il n’est pas nécessaire de le garder pour la prochaine
itération. Ceci implique un gain dans l’espace de stockage.

Exemple :
Résoudre le système suivant par la méthode itérative de Gauss-Seidel avec 4
décimales exactes. (𝜺= 0.5.10-4)
Avec le vecteur initial x(0)= (1.2, 0, 0)t

10𝑥1 + 𝑥2 + 𝑥3 = 12
{ 2𝑥1 + 10𝑥2 + 𝑥3 = 13
2𝑥1 + 2𝑥2 + 10𝑥3 = 14
Solution :
Vérifions d’abord la convergence :
𝑎11 = 10 > 1 + 1 = 2
𝑎22 = 10 > 2 + 1 = 3
𝑎33 = 10 > 2 + 2 = 4
Ainsi, le processus itératif de Gauss-Seidel est convergent.
1
𝑥1 = (12 − 𝑥2 − 𝑥3 )
10 𝑥1 = 1.2 − 0.1𝑥2 − 0.1𝑥3 )
1
𝑥2 =
10
(13 − 2𝑥1 − 𝑥3 ) ⇔ {𝑥2 = 1.3 − 0.2𝑥1 − 0.1𝑥3 )
1 𝑥3 = 1.4 − 0.2𝑥1 − 0.2𝑥2 )
𝑥3 = (14 − 2𝑥1 − 2𝑥2 )
{ 10

En remplaçant dans le processus itératif :

(1)
𝑥1 = 1.2 − 0.1 ∗ 0 − 0.1 ∗ 0) = 1.2
⇔ { 𝑥2(1) = 1.3 − 0.2 ∗ 1.2 − 0.1 ∗ 0) = 1.06
(1)
𝑥3 = 1.4 − 0.2 ∗ 1.2 − 0.2 ∗ 1.06) = 0.948
Pour la deuxième itération on obtient :

C.TABET HELLEL 18
Chapitre3 : Résolution des systèmes d’équations linéaires

(2)
𝑥1 = 1.2 − 0.1 ∗ 1.06 − 0.1 ∗ 0.948) = 0.9992
{ 𝑥2(2) = 1.3 − 0.2 ∗ 0.9992 − 0.1 ∗ 0.948) = 1.00536
(2)
𝑥3 = 1.4 − 0.2 ∗ 0.9992 − 0.2 ∗ 1.00536) = 0.999098
Pour les itérations restantes on a :
𝑥 (3) = (0.9996, 1.0002, 1.0001)𝑡
𝑥 (4) = (1.0000, 1.0000, 1.0000)𝑡
𝑥 (5) = (1.0000, 1.0000, 1.0000)𝑡
Ainsi, la solution approchée du système est :
𝒙𝟏 = 𝟏. 𝟎𝟎𝟎𝟎 ± 𝟎. 𝟎𝟎𝟎𝟏
𝒙𝟐 = 𝟏. 𝟎𝟎𝟎𝟎 ± 𝟎. 𝟎𝟎𝟎𝟏
𝒙𝟑 = 𝟏. 𝟎𝟎𝟎𝟎 ± 𝟎. 𝟎𝟎𝟎𝟏

C.TABET HELLEL 19
Chapitre3 : Résolution des systèmes d’équations linéaires

Table des matières

3-1 Introduction :..........................................................................................................................1

3.2 Un système d’équations linéaires : ...............................................................................................1
3-3 Nombre de solutions possibles pour un système d’équations linéaires : .....................................2
3.4 Les opérations élémentaires sur les lignes d’une matrice : ..........................................................2
3.5 Système triangulaire :...................................................................................................................3
3.5.1 Système triangulaire inférieure :.............................................................................................3
3.5.2 Système triangulaire supérieure : ...........................................................................................3
3.6 Méthodes directes :......................................................................................................................4
3.6.1 Méthode d’élimination de Gauss : ..........................................................................................4
3.6..1.1 Algorithme de GAUSS ....................................................................................................5
3.6.2 Méthode de Gauss Jordon : ....................................................................................................6
3.6.2.1 Algorithme de Gauss Jordon : ..........................................................................................6
3.6.3 Méthode de décomposition LU :.............................................................................................7
3.6.3.1 Algorithme de Décomposition LU :...................................................................................8
3.6.4 Méthode de Cholesky : ...........................................................................................................9
3.6.4.1 Algorithme de Cholesky : ............................................................................................... 10
3.6.5 Conclusion sur les méthodes directes : ................................................................................. 11
3.7 Méthodes indirectes (itératives) : .............................................................................................. 12
3.7.1 Principe : .............................................................................................................................. 12
3.7.2 La convergence :................................................................................................................... 12
3.7.4 Méthode de Jacobi : ............................................................................................................. 13
3.7.4.1 Principe : ....................................................................................................................... 13
3.7.4.2 Algorithme de Jacobi : ................................................................................................... 14
3.7.5 Méthode de Gauss Seidel : .................................................................................................. 16
3.7.5.1 Principe : ....................................................................................................................... 16
3.7.5.2 Algorithme de Gauss Seidel :.......................................................................................... 17

C.TABET HELLEL 20