Cours-Resolution SEL-EnS - Info2!23!24 - Version 2

Méthodes linéaires
d’analyse numérique Année: 2023-2024
Stéphane C. K. TEKOUABOU
(PhD & Ing.)
SOMMAIRE
I. Généralités et introduction (1h)
II. Notions d’erreurs (10h)
III. Systèmes Linéaires : Définitions et notations (1h)
IV. Méthodes de résulution d’un système linéaire

01. Méthode de Cramer (2h)
02. Résolution par substitution (2h)
03. Méthodes directes de résolution numérique des systèmes linéa

ire (Gauss-Jordan, Elimination de Gauss, Factorisation LU) (6h)
01. Méthodes itératives de résolution des systèmes linaires (Jacobi,

Gauss-Seidel) (6h)
V. Résolution numérique des équations différentielles TD (4h)
VI. Prise en main de MATLAB et TP (28h)

Année: 2023-2024
OBJECTIFS SAVOIR
01.
Expliquer les algorithmes numérique de rés Analyser, concevoir et implémenter des méthodes numé
olution des équations linaires, leurs stabilité, l riques de résolution d’équation linéaires
eur complexité, leur justesse.
Programmer avec MATLAB
02. Choisir l’algorithme approprié pour un pr

oblème donné.
Avoir un regard critique par rapport aux résultats issus des cal
culs en machine
03. Implémenter l’algorithme choisi.
Année: 2023-2024
1- Généralité & Introduction:
EVALUATION DU MODULE (A REVOIR !)
20% 20% 60%

Contrôles continus TP Examen final
Année: 2023-2024
Mots Clés:
1. Equation, équation linéaire
2. Système d’équations
3. Matrices
4. Système d’linéaire
5. Méthodes directes
6. Méthodes itératives
7. Erreur
8. Equation différentielle
Année: 2022-2023
NOTION
D’ERREURS
Année: 2023-2024
Notion d’erreurs :
Avant-propos de vous :
1. Erreur ?
2. Erreur relative ?
3. Erreur Absolue ?
4. Erreur de modélisation ?
5. Erreur de représentation (approximation) ou

troncature ?
6. Erreur d’arrondi ?
Année: 2022-2023
Notion d’erreurs :
• La notion fondamentale autour de laquelle s’articule l’Analyse Numérique est la notion d’

erreur. L’erreur désigne ici la différence entre le résultat numérique d’un problème et la v
aleur théorique ou réelle que l’on est censé obtenir.
• Le but de l’Analyse Numérique sera (entre autres) d’arriver à estimer ces erreurs, de compr
endre et identifier leurs origines, et de mettre au point des stratégies permettant de les lim
iter.
• La compréhension, la représentation et le traitement des erreurs vont différentier selon qu’

on soit dans les sciences expérimentales ou en analyse numérique (arithmétique computati
onnelle)
Crédit: Ref [W01]

Année: 2023-2024
Notion d’erreurs : 2.1 Exemples
Calcul de la somme 𝑆𝑛 des 𝑛 premiers termes de la série suivante :

𝑛
𝑥𝑖
𝑆𝑛 =
𝑖!
𝑖=0
 Cette série converge pour tout x.
lim 𝑆𝑛 = 𝑒 𝑥
𝑛→∞
• TAF : Calcul de la somme pour n=1000 sur une calculatrice (ou un ordinateur).
Crédit: Ref [W01]

Année: 2023-2024
Notion d’erreurs : 2.2 Sources des erreurs
En sciences expérimentales, les erreurs sont associées aux mesures et peuvent avoir globalement de
3 sources :
 Les erreurs d'inattention ou de négligence : Elles sont dues à des erreurs de lecture des échelles ou à la pose i
mprudente de repères, etc. Elles peuvent être éliminées par la répétition des lectures par un ou deux observ
ateurs.
 Les erreurs systématiques : Elles sont dues à des erreurs intégrée

s dans l'instrument, que ce soit au niveau de la conception, de l'é
talonnage ou de l'utilisation. La répétition de l'observation avec l
e même instrument ne montrera pas d'écart dans les mesures. Il
s'agit de la source d'erreurs la plus difficile à détecter ou corriger.
 Les erreurs aléatoires : Elles conduisent toujours à une distributio

n des résultats lors de la répétition de la mesure en question. Elle
s peuvent provenir des fluctuations des paramètres physiques d
ues à la nature statistique du phénomène particulier ou de l'app
réciation de l'expérimentateur, comme la variation du temps de
réponse ou l'estimation de la lecture de l'échelle.
Crédit: Ref [W02 & W03 W04]

Année: 2023-2024
Notion d’erreurs : 2. Types d’erreurs
1. En sciences expérimentales, les erreurs sont associées aux mesures et peuvent avoir globalement
de 3 sources :
Ici pour calculer l’erreur, on utilisera les mesures comme : Accuracy (taux d’erreur), Précision, Variance, Bia
is, Ecart-type ...
 Interprétation:
Année: 2023-2024 Crédit: Ref [W02 & W03 W04]
Notion d’erreurs : 2.3 Mesure d’erreurs
• Plusieurs expressions sont utilisées pour formuler l’erreur :
 Erreur absolue ∆: Pour chaque valeur mesurée 𝑨𝒎𝒆𝒔 de la variable réelle 𝑨𝒓é𝒆𝒍𝒍𝒆 , il existe une erreur ab
solue estimée qu’on note souvent ∆𝑨 tq la mesure complète réelle 𝑨𝒓é𝒆𝒍𝒍𝒆 est donnée par 𝑨𝒎𝒆𝒔 ± ∆𝑨,
𝑨𝒎𝒆𝒔 − ∆𝑨 < 𝑨𝒓é𝒆𝒍𝒍𝒆 < 𝑨𝒎𝒆𝒔 + ∆𝑨
∆𝑨
 Erreur relative : Elle est données par la formule: 𝜀𝑟 =
𝐴𝑚𝑒𝑠
∆𝑨
 Pourcentage d’Erreur relative : Elle est données par la formule: 𝜀𝑟𝑝 = × 100
𝐴𝑚𝑒𝑠
Année: 2023-2024 Crédit: Ref [W02, W03 & W04]

Notion d’erreurs : 2.3 Mesure d’erreurs
• Plusieurs expressions sont utilisées pour formuler l’erreur. Pour une série de n mesures sur la mê
me variable on aura les formules de calcul d’erreur suivantes :
𝑨𝒓é𝒆𝒍𝒍𝒆 −𝑨𝒎𝒆𝒔
 Erreur absolue moyenne 𝑴𝑨𝑬: qui est la moyennes des ∆𝑨𝒎𝒆𝒔 . 𝑀𝐴𝐸 =
𝑛
𝑛 2
𝑖=1(𝑨𝒓é𝒆𝒍𝒍𝒆 −𝑨𝒎𝒆𝒔 )
 Erreur quadratique moyenne : Elle est données par la formule: 𝑀𝑆𝐸 =
𝑛
La racine carrée de MSE est appelée RMSE dans la littérature.
 Erreur logarithmiques quadratique moyenne: Elle est données par la formule:

𝑛 2
𝑖=1 𝑙𝑜𝑔(𝑨𝒓é𝒆𝒍𝒍𝒆 −𝑨𝒎𝒆𝒔 )
𝐿𝑀𝑆𝐸 =
𝑛
Année: 2023-2024 Crédit: Ref [W02, W03 & W04]

Notion d’erreurs : 2.4 Types d’erreurs
2. La compréhension, la représentation et le traitement des erreurs vont différentier selon qu’on soit dans l
es sciences expérimentales ou en analyse numérique (arithmétique computationnelle)
En analyse numérique ou en arithmétique computationnelle, les erreurs sont associées globalement aux sourc
es :
 – les erreurs de modélisation ;

 – les erreurs de données ;
 – les erreurs de représentation sur ordinateur ;
 – les erreurs de troncature ou d’approximation liées au fait que les ordinateurs ne peuvent représenter le
s réels qu’avec un nombre fini de chiffres.
 – les erreurs d’arrondi ;
Crédit: Ref [W01]

Année: 2023-2024
A- Erreurs des données et de modélisation

Etant donné un problème quelconque, la modélisation est l’une des étapes les plus impor
tantes qui traduit en équation mathématique le problème décrit ou observé.
Par résolution, on est souvent contraint de simplifier les paramètre du modèle construit, c
e qui conduit à des erreurs appelées erreurs de modélisation.
- Les erreurs de modélisation, liées au fait que la modélisation mathématique d’un problème repose s
ur un certain nombre d’hypothèses et d’approximations, permettant de simplifier le modèle final.
- Les erreurs de données, liées à l’imprécision des mesures physiques ou des calculs permettant d
e donner des valeurs aux différents paramètres d’un modèle.
- Les erreurs de discrétisation, liées à la transformation du problème mathématique continu (autre

ment dit d’équations) en un problème numérique discret, permettant de calculer sa solution en
un nombre fini de points.
Crédit: Ref [B02]

Année: 2023-2024
B. Erreurs de représentation sur l’ordinateur

De façon générale tout nombre réel x sera représenté dans une base 𝒃 (𝑏 = 10 pour une calcularice 𝑏
= 2 pour un ordinateur) par son signe s (+ ou −), la mantisse 𝒎 (appelée aussi significande) , la base 𝑏
et un exposant 𝒆 tel que le couple (𝑚, 𝑒), caractérise le nombre x. La représentation machine de 𝑥 noté
e 𝑥 ou flot(𝑥) s’écrira donc sous la forme :
𝑥 = 𝑠𝑚. 𝑏 𝑒 = ±𝑚. 𝑏 𝑒
𝑚 = 𝑑0 . 𝑑1 . 𝑑2 … 𝑑𝑛
𝑒 = 𝑑0 𝑑1 𝑑2 … 𝑑𝑛 Où 𝑑𝑖 𝜖 0, 1, 2, … , 𝑏 − 1
La mantisse 𝑚 est un nombre écrit avec virgule fixe et possédant un nombre maximum 𝑁 de chiffres significatifs
(imposé par le choix de la taille des emplacements mémoires alloués au type réel).
Crédit: Ref [B04, B05 & W06]

Année: 2023-2024

Année: 2023-2024

L’erreur absolue de représentation machine sera donc sou la forme :
∆𝑥 = |𝑥 − 𝑥|
L’erreur relative de représentation machine quant à elle sera donc sou la forme :
|𝑥 − 𝑥|
𝜀=
𝑥
Précision machine (𝜀 ): C’est le plus petit nombre machine tel que 1 + 𝜀 > 1 sur la machine. C’
est la distance entre l’entier 1 et le nombre machine 𝑥 le plus proche, qui lui est supérieur.
Ceci entraîne que la précision machine dans l’approximation d’un nombre réel est toujours une précision relative :
∆𝑥 ∆𝑚 𝑏 −𝑁
= ≤ = 𝑏1−𝑁
𝑥 𝑚 𝑏−1 Crédit: Ref [B04, B05 & W06]
Année: 2023-2024

Propagation de l’erreur de représentation en arithmétique flottante (Faire des recherches d’approfondissement).
1- Phénomène de cancellation (ou élimination)
Lors de la soustraction de deux nombres très proches
Si les opérandes sont eux-mêmes des résultats

de calculs avec des erreurs d’arrondi, les 0 ajout
és a droite (partie rouge) sont faux.
La cancellation est catastrophique quand il n’y a

presque plus de chiffres significatifs.

Année: 2023-2024

Propagation de l’erreur de représentation en arithmétique flottante (Faire des recherches d’approfondissement).
2- Phénomène d’absorption
Lors de l’addition de deux nombres ayant d

es ordres de grandeur très différents où l’on
peut «perdre» toute l’information du plus p
etit des deux nombres.
Combiner avec la cancellation ce phéno

mène peut tourner à la catastrophe. Par e
xemple en simple précision, si 𝑎 = 1 et 𝑏 =
2−30 alors: 𝑎 + 𝑏 = 1 et donc (𝑎 + 𝑏) − 𝑎 = 0

Année: 2023-2024

Propriétés de l’arithmétique flottante

Année: 2023-2024

Arithmétique flottante :
Pour effectuer des opérations sur deux nombres réels, on effectue les opérations sur leur représe
ntations flottantes et ensuite on prend la représentation flottante du résultat,
Exemple:
Donner les représentations machine des nombres suivants et calculer les erreurs absolue et relatives correspo
ndantes (n=3 cad à 3 chiffres flottants):
𝑎 = 122 𝑏 = 333 𝑐 = 695
Calculer les les opérations suivantes et les erreurs absolue et relatives correspondantes (n=3 cad à 3 chiffres flo
ttants ):
𝐶 = 122 × 695
𝐴 = 333+695 𝐵 = 122×333

Année: 2023-2024

Exemple :
Donner les représentations machine des nombres suivants et calculer les erreurs absolue et relatives correspo
ndantes:
𝑎 = 0.547023 × 10−1 𝑏 = 0.310275 × 10−3 𝑐 = 0.310275 × 10−3
Pour 4 chiffres significatifs, calculer et conclure sur l’associativité de l’addition en arithmétique flottante
𝐴1 = (1+0,0005)+0,0005 𝐴2 = 1+(0,0005+0,0005)
Pour 3 chiffres significatifs, calculer conclure sur la distributivité de l’addition par rapport à la multipli
cation en arithmétique flottante :
𝐵1 = 122(333+695) 𝐵2 = (122×333)+(122 × 695)

Année: 2023-2024
Notion d’erreurs : 1. Erreur d’approximation/troncature
C. Erreurs d’approximation / troncature

Séries de Taylor pour l'approximation des erreurs de troncature
Théorème de Taylor : Si f est une fonction continuellement différentiable sur un intervalle contenant le
s points 𝑎 et 𝑥, alors la valeur de la fonction 𝑓 en 𝑥 est donnée par
𝑛
𝑓′′(𝑎) 𝑓 (3) (𝑎) 𝑓 𝑛 𝑎 𝑓 𝑖 𝑎
𝑓 𝑥 = 𝑓 0 + 𝑓′ 𝑎 𝑥 − 𝑎 + (𝑥 − 𝑎)2 + (𝑥 − 𝑎)3 + ⋯ + 𝑥−𝑎 𝑛
+ 𝑅𝑛 = 𝑥 − 𝑎 𝑖 + 𝑅𝑛
2! 3! 𝑛! 𝑖!
𝑖=0
𝑓 𝑛+1 𝑐 𝑛+1
Où 𝑅𝑛 est le reste définit par : 𝑅𝑛 = 𝑥−𝑎
(𝑛 + 1)!
Avec 𝑐 étant tout nombre réel compris entre 𝑎 et 𝑥. C'est la forme du reste de Lagrange.
La série de Taylor est très utile pour représenter toute fonction continuellement différe
ntiable comme une fonction polynomiale d'ordre infini.
Année: 2023-2024 Crédit: Ref [W06]
Notion d’erreurs : 1. Exemples préliminaires

Séries de Taylor pour l'approximation des erreurs de troncature
Pour comprendre l'approximation de l'erreur de troncature par les séries de Taylor, prenons un exemple.
Soit 𝑓 𝑥 = 𝑒 𝑥 , clairement une fonction continûment différentiable. En prenant 𝑎 = 0, on a 𝑓 0 = 1 et 𝑓 ′ (0) = 𝑓 ′′ 0 =
𝑓 (𝑖) 0 = 1 tel que :
Fonction d’approximation Erreurs de troncature
𝑥2 𝑥3 𝑥 𝑛 𝑥 𝑛+1
𝑒𝑥 = 1 + 𝑥 + + + ⋯+ + +⋯
2! 3! 𝑛! (𝑛+1)!
Formulation mathématique correcte de la fonction
Si nous approximons la fonction jusqu'à (𝑛 + 1) termes, l'erreur de troncature correspond aux terme
s restants à partir de (𝑛 + 1).
• Exercice : Calculez l'erreur de troncature si la fonction 𝑒 est calculée par la formule suivante:
1 1 1 1 1
𝑒 =1+ + + + ⋯+ +
Année: 2023-2024 1! 2! 3! 6! 7! Crédit: Ref [W06]

Quelques catastrophe liées aux erreurs de troncature
L’histoire se passe aux Etats-Unis, en 1996. La facture d’électricité mensuelle comporte 2 vale
urs : la consommation moyenne d’énergie par jour (en KW-h), l’écart relatif par rapport au m
ême mois de l’année précédente. Un client voit sur la facture de février un écart de 9 %. Il refa
it le calcul et trouve en fait un écart de 4%.
Sur la facture de février 1995, la consommation moyenne est 11KW-h. Sur la facture de février 19
96, la consommation moyenne est 12KW-h.
Ce qui fait un écart de 9%. Mais, avant arrondi, les nombres sont 11,21KW-h en 1995, 11,68KW-h e
n 1996. Ce qui fait un écart de 4%.
Il s’est produit un phénomène de cancellation (élimination)
http://catless.ncl.ac.uk/Risks/
Année: 2023-2024
D. Erreurs d’arrondi
Dans un programme numérique, les réels sont représentés par des nombres à virgule flottante en b
inaire. Ce codage s'effectue sur un nombre fini de bits ce qui limite la précision machine notée 𝜺𝒎 .
En précision simple les réels sont codés sur 32 bits et peuvent s’étendre de ± 1,1754944E−38 à ± 3,4028
235 E38 avec sept chiffres significatifs ce qui correspond à une précision 𝜺𝒎 = 𝟏𝟎−𝟕 .
En précision simple les réels sont codés sur 64 bits avec quinze chiffres significatifs ce qui correspon
d à une précision 𝜺𝒎 = 𝟏𝟎−𝟏𝟓 .
Le caractère itératif des méthodes numériques entraînant une propagation et une accumulation des erreurs d’arrondi.
Par exemple, lorsque que l’on calcule un nombre 𝑋 en effectuant 𝑁 multiplications, o

∆𝑋
n montre que l’erreur relative 𝑋 varie comme 𝑁𝜺𝒎 .
Crédit: Ref [W07]

Année: 2023-2024
Imaginons un programme effectuant 100 millions de multiplications par seconde pendant 24H. Si l'
on représente les réels en simple précision (𝜺𝒎 = 𝟏𝟎−𝟕 ), l'erreur d'arrondi sur le résultat vaut, en valeu
r relative :
∆𝑿
≈ 𝟏𝟎−𝟕 𝟏𝟎𝟖 × 𝟐𝟒 × 𝟑𝟔𝟎𝟎 ≈ 𝟑𝟎%
𝑿
Autrement dit, un calcul numérique exigeant beaucoup de temps de calcul, doit se faire en double
précision pour limiter les erreurs d'arrondi.
Crédit: Ref [W07]

Année: 2023-2024
De plus, il est facile de constater que deux suites d’opérations mathématiques donnant le même ré
sultat théorique ne donneront pas nécessairement le même résultat numérique. C’est pourquoi, lor
s de la phase de programmation, il est judicieux de respecter les règles suivantes :
Quelques règles pour limiter les erreurs d'arrondi
 Utiliser un système d'unités tel que les valeurs utilisées soient de l'ordre de l'unité.
 Éviter de soustraire des nombres comparables.
 Minimiser les soustractions.
 Chercher le plus possible à sommer par paquet les quantités de même ordre de grandeur.
Crédit: Ref [W07]

Année: 2023-2024
SYSTEMES
LINEAIRES
Année: 2023-2024
Avant-propos de vous:
1. C’est quoi une équation ?
2. Quand dit-on qu’une équation est linéaire ? Ou non

?
3. Un système d’équations ?
4. Système d’équations linéaires ?
5. Pour chacun des cas, citer quelques exemples.
Année: 2022-2023
Motivations
Les systèmes linéaires font parties de vie courante et les résoudre est une opération très courante.
• Un grand nombre de problèmes d’ingénierie conduisent, après modélisation puis éventuellement une pr
océdure de discrétisation, à résoudre des systèmes linéaires : calculs sur des réseaux électriques ou hydra
uliques en régime stationnaire, calculs de structures, jeux vidéos, météo, écoulements de fluides, etc..
• Cette opération intervient aussi comme “sous-procédure” dans de nombreux algorithmes : problèmes d’in
terpolation, approximation par moindres carrés, résolution de systèmes non-linéaires, optimisation, auto
matique, traitement du signal, etc...
• Généralement, pour les problèmes concrets, on est amené à résoudre de grands systèmes linéaires (plusie
urs millions/milliards d’inconnues ...).
• Certains problèmes (beaucoup) conduisent à des systèmes linéaires à résoudre avec une matrice creuse c’
est-à-dire qui comporte beaucoup de zéros (stockage adapté, e.g. fonction sparse en MATLAB).
Crédit: Ref [B01]

Année: 2023-2024
Crédit: Ref [001]

Année: 2023-2024
1- Généralité & Introduction: 1. Quelques exemples
Exemple 1 : 550 personnes ont assisté à un match de football. Le prix d ’entrée est de 16€ po
ur les adultes. Les enfants paient demi tarif. Sachant que la recette est de 6960€, on dema
nde de trouver le nombre d ’enfants et le nombre d’adultes qui ont assisté au match.
Exemple 2 : En Janvier 2023, un tradeur achète 10 actions dans trois sociétés pour un mont
ant de 67 $ répartis comme suit : Apple (10$ l’action), Peugeot Citroën (5$ l’action) et Ali ba
ba (4$ l’action). Neuf mois après, supposons que l’action d’Apple a doublé, celle de Peugeot
Citroën a évolué de 20% tandis que celle d’Ali baba a diminué de 50%. Le porte feuille du tr
adeur totalise 104$. Combien d’actions le tradeur avait-il acheté dans chaque société en Ja
nvier 2023 ?
TAF : Modéliser les exemples 1 et 2 par des systèmes d’équations

2- Définitions et notations :
Equation ? Equation linéaire ?
Une équation est une expression mathématique qui établit une égalité
entre deux quantités ou expressions.
Dans le cas d’une équation à n variables (𝑛 ∈ N et n ≥ 1) par exemple, l’équation est dite linéaire
lorsqu’on peut l’écrire sous la forme :
Dans le cas d’une équation à n par exemple,

𝑎 𝑥 +𝑎 𝑥 + ….+ 𝑎 𝑥 + …+𝑎 𝑥 =
l’équation est de(𝐸la) forme :
ou encore 𝑛 𝑎 𝑥 =
1 1 2 2 𝑖 𝑖 𝑛 𝑛 𝑏 𝑖 𝑖 𝑖 𝑏 1
où (𝑎1 , 𝑎2 , … , 𝑎𝑖 , . . . , 𝑎𝑛 ) et 𝑏 sont des paramètres constants réels, (𝑎1 , 𝑎2 , … , 𝑎𝑖 , . . . , 𝑎𝑛 ) et le second membre

b n’étant pas simultanément nuls. (𝑥1 , 𝑥2 , … , 𝑥1 , . . . , 𝑥𝑛 ) sont les variables ou inconnues de l’équation toutes
de puissance 1.
NB : Dans la majorité des cas qui vont suivre, n = 2 𝑜𝑢 3 et (𝑥1 , 𝑥2 , 𝑥3 ) souvent assimilé à (𝑥, 𝑦, 𝑧)
Si on note 𝐴 = (𝑎1 , 𝑎2 , … , 𝑎𝑖 , . . . , 𝑎𝑛 ), 𝑋 = (𝑥1 , 𝑥2 , … , 𝑥𝑖 , . . . , 𝑥𝑛 ) avec 𝑋 𝑇 comme transposée, et (𝐸1 ) devient:
𝐴. 𝑋 𝑇 = 𝑏 (𝐸1.1 )
Année: 2023-2024
Exemple 1 :
• Prenons 𝑛 = 2 l’équation linéaire (𝐸1 ) sera sous la forme 𝑎1 𝑥1 + 𝑎2 𝑥2 = 𝑏

(𝐸12 ) avec 𝑎1 , 𝑎2 , et 𝑏 étant des réels non tous nuls simultanément.
• (𝐸12 ) est la formule générale d’équation d’une droite.
• Exemple : La modélisation des la premièr

Dans le cas d’une équation à n par exemple, l’équation
e est de la
équation du problème n° forme
1 donnera: :
𝑥 + 𝑦 = 550
𝐷1 Année: 2023-2024
Exemple 2 :
• Prenons 𝑛 = 3 l’équation linéaire (𝐸1 ) sera sous la forme
𝑎1 𝑥1 + 𝑎2 𝑥2 + 𝑎3 𝑥3 = 𝑏 (𝐸13 )
avec 𝑎1 , 𝑎2 , 𝑎3 , et 𝑏 étant des réels non tous nuls simultanément.
• (𝐸13 ) est la formule générale d’équation d’un Plan.
Dans le cas d’une équation

• àExemple
n par :exemple, l’équation
La modélisation estéquation
des la première de la forme :
du problème n° 2
donnera :
𝑥 + 𝑦 + 𝑧 = 10
Année: 2023-2024
Contre-exemples:
• Les équations (𝐸14 ) et (𝐸14 ) suivantes ne sont pas linéaires
𝑎1 𝑥1 + 𝑎2 𝑥2 + 𝑥2 𝑥3 = 𝑏 (𝐸14 ) et 𝑎1 𝑥1 + 𝑎2 𝑥2 = 𝑏 (𝐸15 )
avec 𝑎1 , 𝑎2 , 𝑎3 , et 𝑏 étant des réels non tous nuls simultanément.
En effet :
Dans le cas d’une équation à n par exemple, l’équation est de la forme :
• Dans (𝐸 ) on a un terme produit de deux variables 𝑥 𝑥
14 2 3
• Dans 𝐸15 on a 𝑥2 et donc la variable n’est plus de puissance 1,
Année: 2023-2024
Exercice :
Les équations suivantes sont linéaires, Répondre par VRAI ou FAUX et justifier.
𝑦 = 4𝑥 − 3 𝑧 + 5 3 (6)
4𝑥 − 3𝑦 + 𝑧 = 10𝑥 (1)
Dans le cas d’une (1)
𝑥 + 3𝑦 − 𝑥𝑧 = 0 (2)
équation à n par exemple, l’équation est de la forme :
−𝑥 − 3𝑦 = 5 (3)
4𝑥 − 3𝑦 + 5 = 𝑥 (4)
4𝑥 − 3𝑦 + 5 = 𝑥 (5)
Année: 2023-2024
Système d’équations linéaires (SEL) ?
Un système d’équations linéaires (𝑺𝑬𝑳) ou encore système linéaire est un e

nsemble de 𝑝 équations linéaires sur les mêmes variables, 𝑝 étant un entie
r fini supérieur ou égal à 1.
Dans le cas 𝑝 équations linéaires (p ∈ ℕ et p ≥ 1) à 𝑛 variables (𝑛 ∈ ℕ et n ≥ 1) par exemple, l’équa

tion est dite linéaire lorsqu’on peut l’écrire sous la forme :
Dans le cas d’une 𝑎équation

1,1 𝑥1 + 𝑎2,1 𝑥 + par
à2 n … . +exemple,
𝑎𝑖,1 𝑥𝑖 + … + 𝑎𝑛,1 𝑥𝑛 = 𝑏1 est de la forme :
l’équation
𝑎1,2 𝑥1 + 𝑎2,2 𝑥2 + … . + 𝑎𝑖,2 𝑥𝑖 + … + 𝑎𝑛,2 𝑥𝑛 = 𝑏2
……………………………………………….
𝑆 :
𝑎1,𝑗 𝑥1 + 𝑎2,𝑗 𝑥2 + … . + 𝑎𝑖,𝑗 𝑥𝑖 + … + 𝑎𝑛,𝑗 𝑥𝑛 = 𝑏𝑗
……………………………………………….
𝑎1,𝑝 𝑥1 + 𝑎2,𝑝 𝑥2 + … . + 𝑎𝑖,𝑝 𝑥𝑖 + … + 𝑎𝑛,𝑝 𝑥𝑛 = 𝑏𝑝
où (𝑎𝑖𝑗 ) et(𝑏𝑗 ) sont des matrices de paramètres constants réels, (𝑎𝑖𝑗 ) et(𝑏𝑗 ) n’étant pas sim
ultanément nuls.
Année: 2023-2024
Système d’équations linéaire (SEL) ?
Un système d’équations linéaires (𝑺𝑬𝑳) ou encore système linéaire est un e

nsemble de 𝑝 équations linéaires sur les mêmes variables, 𝑝 étant un entie
r fini supérieur ou égal à 1.
𝑆 se note encore 𝑎1,𝑗 𝑥1 + 𝑎2,𝑗 𝑥2 + … . + 𝑎𝑖,𝑗 𝑥𝑖 + … + 𝑎𝑛,𝑗 𝑥𝑛 = 𝑏𝑗

Dans le cas d’une équation à n par exemple, l’équation est de la forme :
𝑛,𝑝
ou encore
𝑖,𝑗 𝑎𝑖𝑗 𝑥𝑖 = 𝑏𝑗
où (𝑎𝑖𝑗 ) et(𝑏𝑗 ) sont des matrices de paramètres constants réels, (𝑎𝑖𝑗 ) et(𝑏𝑗 ) n’étant pas sim
ultanément nuls.
Si on note 𝐴 = (𝑎𝑖𝑗 ), 𝑋 = (𝑥1 , 𝑥2 , … , 𝑥1 , . . . , 𝑥𝑛 ) avec 𝑋 𝑇 comme transposée et B = (𝑏𝑗 ) une matrice colonne
et (S) devient:
𝐴. 𝑋 𝑇 = 𝐵 (1.2)
Année: 2023-2024
Système d’équations linéaire (SEL) ?
La modélisation en équations et systèmes d’équations des exemples 1 et 2 donne :
Pour l’exemple 1, en considérant X le nombre d’adultes et Y le nombre d’enfants, on a le système (𝑆1 ):
Dans le cas d’une équation

𝑋 + 𝑌 = 550 (𝐸 )
à n par exemple, l’équation est de la forme :
11
(𝑆1 ):
16𝑋 + 8𝑌 = 6960 (𝐸12 )
Pour l’exemple 2, en considérant X le nombre d’adultes et Y le nombre d’enfants, on a le système (𝑆2 ):
𝑥 + 𝑦 + 𝑧 = 10 (𝐸21 )
(𝑆2 ): 10𝑥 + 5𝑦 + 4𝑧 = 67 (𝐸22 )
20𝑥 + 6𝑦 + 2𝑧 = 104 (𝐸23 )
3- Représentations matricielle :
Ecriture d’un SEL sous sa forme matricielle
Considérons encore les systèmes linéaire associés aux exemples 1 et 2 :

𝑥 + 𝑦 + 𝑧 = 10 (𝐸21 )
𝑋 + 𝑌 = 550 (𝐸11 ) (𝑆2 ): 10𝑥 + 5𝑦 + 4𝑧 = 67 (𝐸22 )
(𝑆1 ):
16𝑋 + 8𝑌 = 6960 (𝐸12 ) 20𝑥 + 6𝑦 + 2𝑧 = 104 (𝐸23 )
L’écriture matricielle des ces deux SEL selon la formule de l’équation (1,2) donnera :
i = 1; : : : ;m
𝑋 550
• Pour le système (𝑆1 ): 𝐴1 = 1 1 ; 𝑋1 = 𝑌 et 𝑏1 = 6960
16 8
1 11 𝑥 10
• Pour le système (𝑆1 ) : 𝐴2 = 10 5 4 ; 𝑋2 = 𝑦 et 𝑏2 = 67
20 6 2 𝑧 104
Les matrices 𝐴1 et 𝐴2 sont appelés matrice des coefficients du SEL associé.

Soit (S) un SEL à p équations et n inconnues, p ∈ ℕ ; p ≥ 1 et 𝑛 ∈ ℕ ; n ≥ 1:

𝑎1,1 𝑥1 + 𝑎2,1 𝑥2 + … . + 𝑎𝑖,1 𝑥𝑖 + … + 𝑎𝑛,1 𝑥𝑛 = 𝑏1
𝑎1,2 𝑥1 + 𝑎2,2 𝑥2 + … . + 𝑎𝑖,2 𝑥𝑖 + … + 𝑎𝑛,2 𝑥𝑛 = 𝑏2
……………………………………………….
𝑆 :
……………………………………………….
La matrice des coefficients de (S) s’écrit i = 1; : : : ;m
𝑎1,1 𝑎2,1 … . 𝑎𝑖,1 … 𝑎𝑛,1

𝑎1,2 𝑎2,2 … . 𝑎𝑖,2 … 𝑎𝑛,2
………………………….
𝐴 = 𝑎 𝑎 ….𝑎 … 𝑎
1,𝑗 2,𝑗 𝑖,𝑗 𝑛,𝑗
………………………….
𝑎1,𝑝 𝑎2,𝑝 … . 𝑎𝑖,𝑝 … 𝑎𝑛,𝑝
𝑎1,1 𝑥1 + 𝑎2,1 𝑥2 + … . + 𝑎𝑖,1 𝑥𝑖 + … + 𝑎𝑛,1 𝑥𝑛 = 𝑏1
𝑎1,2 𝑥1 + 𝑎2,2 𝑥2 + … . + 𝑎𝑖,2 𝑥𝑖 + … + 𝑎𝑛,2 𝑥𝑛 = 𝑏2
……………………………………………….
𝑆 :
……………………………………………….
En rajoutant les termes de B on obtient la matrice augmentée de (S) représentée comme suit :
𝑎1,1 𝑎2,1 … . 𝑎𝑖,1 … 𝑎𝑛,1 𝑏i1= 1; : : : ;m 𝑎1,1 𝑎2,1 … . 𝑎𝑖,1 … 𝑎𝑛,1 𝑏1
𝑎1,2 𝑎2,2 … . 𝑎𝑖,2 … 𝑎𝑛,2 𝑏2 𝑎1,2 𝑎2,2 … . 𝑎𝑖,2 … 𝑎𝑛,2 𝑏2
…………………………. … Ou …………………………. …
𝐴|𝐵 = 𝑎 𝑎 … . 𝑎 … 𝑎 𝐴 𝐵 = 𝑎 𝑎 ….𝑎 … 𝑎
1,𝑗 2,𝑗 𝑖,𝑗 𝑛,𝑗 𝑏𝑗 1,𝑗 2,𝑗 𝑖,𝑗 𝑛,𝑗 𝑏𝑗
…………………………. … …………………………. …
𝑎1,𝑝 𝑎2,𝑝 … . 𝑎𝑖,𝑝 … 𝑎𝑛,𝑝 𝑏𝑝 𝑎1,𝑝 𝑎2,𝑝 … . 𝑎𝑖,𝑝 … 𝑎𝑛,𝑝 𝑏𝑝
NB: La maitrise de ces notations matricielles sera très importante pour la suite, (Rajouter pour le
s exemples !!!)
Quelques oparations élémentaires :
𝑎1,1 𝑥1 + 𝑎2,1 𝑥2 + … . + 𝑎𝑖,1 𝑥𝑖 + … + 𝑎𝑛,1 𝑥𝑛 = 𝑏1
𝑎1,2 𝑥1 + 𝑎2,2 𝑥2 + … . + 𝑎𝑖,2 𝑥𝑖 + … + 𝑎𝑛,2 𝑥𝑛 = 𝑏2
……………………………………………….
𝑆 :
……………………………………………….
On utilise généralement trois opérations fondamentales pour simplifier les systèmes linéaires :
i = 1; : : : ;m
• échanger la place de deux équations, c’est-à-dire permuter deux lignes ;
• multiplier tous les termes d’une équation par une constante non nulle ;
• modifier une équation en lui ajoutant un multiple quelconque d’une autre équation.
TAF: Utiliser ces trois opérations pour simplifier les SEL des exemples 1 et 2 précédants en
passant par les matrices des coefficients et augmentée.
3- Solution d’un SEL :
• Une s𝐨𝐥𝐮𝐭𝐢𝐨𝐧 𝐝′ 𝒖𝒏 𝑺𝑬𝑳 𝑆 est un n − 𝑢𝑝𝑙𝑒𝑡 qui satisfait simultan

ément toutes les équations du système.
• L’ensemble des solutions du système qu’on note Sol 𝑆 étant l
’ensemble constitué de toutes les solutions possibles du systè
me 𝑆 . On note :
𝑛,𝑝
Sol 𝑆 = 𝑠1 , 𝑠2 , … , 𝑠𝑖 , . .i .=, 1;𝑠𝑛: : : ϵ;mℝ𝑛 𝑡𝑒𝑙 𝑞𝑢𝑒 𝑎𝑖𝑗 𝑠𝑖 = 𝑏𝑗

𝑖,𝑗
p ∈ ℕ ; p ≥ 1 et 𝑛 ∈ ℕ ; n ≥ 1
• p = 2 et 𝑛 = 2 : la solution est l’intersection entre les 2 droites,

• p = 3 et 𝑛 = 2 : la solution est l’intersection entre les 3 droites,
• p = 3 et 𝑛 = 3 : la solution est l’intersection entre les 3 plans,
• Qu’en est-il pour p = 2 et 𝑛 = 3 ?

Année: 2023-2024
• Si on reprend l’exemple (𝑆1 ) précédent, sa s𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑛𝑜𝑡é𝑒 𝒔𝒐𝒍(𝑆1 )
𝑋 + 𝑌 = 550 (𝐸11 )
(𝑆1 ):
16𝑋 + 8𝑌 = 6960 (𝐸12 )
𝑆𝑜𝑙 𝑆1 = {(320,230)}
230
320
Année: 2023-2024
Solution d’un SEL : Systèmes homogènes
• Un SEL est dit homogène lorsque la matrice tous les termes d

e la matrice B sont nuls i.e 𝑏1 = 𝑏2 , = ⋯ = 𝑏𝑖 =. . . , = 𝑏𝑛 = 0:
𝑎1,1 𝑥1 + 𝑎2,1 𝑥2 + … . + 𝑎𝑖,1 𝑥𝑖 + … + 𝑎𝑛,1 𝑥𝑛 = 0

𝑎1,2 𝑥1 + 𝑎2,2 𝑥2 + … . + 𝑎𝑖,2 𝑥𝑖 + … + 𝑎𝑛,2 𝑥𝑛 = 0
……………………………………………….
𝑆ℎ :
𝑎1,𝑗 𝑥1 + 𝑎2,𝑗 𝑥2 + … . + 𝑎𝑖,𝑗 𝑥𝑖 + … + 𝑎𝑛,𝑗 𝑥𝑛 = 0
i = 1; :…: :…;m
………………………………………….
𝑎1,𝑝 𝑥1 + 𝑎2,𝑝 𝑥2 + … . + 𝑎𝑖,𝑝 𝑥𝑖 + … + 𝑎𝑛,𝑝 𝑥𝑛 = 0
𝑆ℎ 𝑎 𝑎𝑢 𝑚𝑜𝑖𝑛𝑠 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑛𝑜𝑛 𝑣𝑖𝑑𝑒 𝑠1 = 𝑠2 , = ⋯ = 𝑠𝑖 =. . . , = 𝑠𝑛 = 0
appelée solution triviale.
Année: 2023-2024
Solution d’un SEL : Relation d’équivalence
• Deux systèmes linéaires (𝑆1 ) et (𝑆2 ) ayant les mêmes inconnue

s mais les autres paramètres différents sont dit équivalents ssi:
𝑆𝑜𝑙 𝑆1 = 𝑆𝑜𝑙 𝑆2
i = 1; : : : ;m
Année: 2023-2024
Solution d’un SEL : Systèmes triangulaires
• Un système linéaire (𝑆𝑡 ) est dit triangulaire s’il est écrit sous la f
orme :
𝑎1,1 𝑥1 + 𝑎2,1 𝑥2 + … . + 𝑎𝑖,1 𝑥𝑖 + … + 𝑎𝑛,1 𝑥𝑛 = 𝑏1

𝑎2,2 𝑥2 + … . + 𝑎𝑖,2 𝑥𝑖 + … + 𝑎𝑛,2 𝑥𝑛 = 𝑏2
………………………………….
𝑆𝑡 : 𝑎𝑖,𝑗 𝑥𝑖 + … + 𝑎𝑛,𝑗 𝑥𝑛 = 𝑏𝑗
i = 1; : : : ;m ……………….
𝑎𝑛−1,𝑝−1 𝑥𝑛−1 + 𝑎𝑛,𝑝 𝑥𝑛 = 𝑏𝑝−1
𝑎𝑛,𝑝 𝑥𝑛 = 𝑏𝑝
• L’écriture matricielle d’un SEL triangulaire est sous la forme:
𝑎1,1 𝑎2,1 … . 𝑎𝑖,1 … 𝑎𝑛,1 𝑏1
𝑎2,2 … . 𝑎𝑖,2 … 𝑎𝑛,2 𝑏2
…………………. …
𝐴|𝐵 = … . 𝑎𝑖,𝑗 … 𝑎𝑛,𝑗 𝑏𝑗
…………. …
𝑎𝑛,𝑝 𝑏𝑝
Année: 2023-2024
Solution d’un SEL : Systèmes triangulaires
• Un système linéaire (𝑆𝑡 ) est dit triangulaire s’il est écrit sous la f
orme : 𝑎 𝑥 + 𝑎 𝑥 + ….+ 𝑎 𝑥 + …+ 𝑎 𝑥 = 𝑏
1,1 1 2,1 2 𝑖,1 𝑖 𝑛,1 𝑛 1
𝑎2,2 𝑥2 + … . + 𝑎𝑖,2 𝑥𝑖 + … + 𝑎𝑛,2 𝑥𝑛 = 𝑏2
………………………………….
𝑆𝑡 : 𝑎𝑖,𝑗 𝑥𝑖 + … + 𝑎𝑛,𝑗 𝑥𝑛 = 𝑏𝑗
……………….
𝑎𝑛−1,𝑝−1 𝑥𝑛−1 + 𝑎𝑛,𝑝 𝑥𝑛 = 𝑏𝑝−1
i = 1; : : : ;m 𝑎𝑛,𝑝 𝑥𝑛 = 𝑏𝑝
• Pour résoudre un système triangulaire:
Année: 2023-2024
Solution d’un SEL : Théorème général
Pour tout système linéaire, la solution 3 cas de figure se présentent généralement
lors de la résolution d’un SEL quelconque 𝑆 :
y y y
𝐷1
x x x
𝐷2 𝐷1 𝐷2
𝐷2 𝐷1
• Soit 𝑆 a un ensemble fini de solutio
ns qu’on note Sol 𝑆 . • Soit 𝑆 n’a aucune solution qu’on no • Soit 𝑆 a une infinité de solutions.
• Pour cette illustration, 𝑆 a une seul te Sol 𝑆 = ∅. • Pour cette illustration, 𝑆 a une inifi
e solution qui est l’intersection entre • Pour cette illustration, 𝑆 n’a pas de nité de solutions car 𝐷1 et 𝐷2 sont co
𝐷1 et 𝐷2 . solution car 𝐷1 et 𝐷2 ne se touchent nfondues.
pas.
Solution d’un SEL : Théorème général
Pour tout système linéaire, la solution 3 cas de figure se présentent généralement
lors de la résolution d’un SEL quelconque 𝑆 :
y y y
𝐷1
x x
𝐷2 𝐷1 𝐷2
𝐷2 x
𝐷1
• Si 𝑆 a une, ou plusieurs ou une infinité de solution, le système est dit Compatible sinon, il est di
t incompatible.
• Par exemple les illustrations 1 et 3 représentent les systèmes compatibles tandis que 2 représen
te un système incompatible.
4- Méthodes de résolution des SEL 4-1. Méthode de Cramer
 Soit 𝑆 un SEL avec autant d'équations que d'inconnues (p=n) représenté ma

triciellement par 𝐴. 𝑋 = 𝐵 (A étant la matrice des coefficients de taille nxn, X l
a matrice colonne des variables et B celle du second membre) et dont le dét
erminant de la matrice de coefficients est non nul (det(A)≠0 ↔ A est inversible),
sous forme de quotients de déterminants.
 Une telle matrice associée au SEL qui n’admet qu’une seule solution notée Sol
S = 𝑠1 , 𝑠2 , … , 𝑠𝑖 , . . . , 𝑠𝑛 ϵ ℝi𝑛=, 1;
est: : :appelée
;m matrice de cramer.
D’après la méthode de cramer, cette solution unique est donnée par :
det(𝐴𝑖 )
𝑠𝑖 = , i = 1,2, … , 𝑛
det(𝐴)
det(𝐴𝑖 )
 Exemple d’illustration 𝑠𝑖 = , i = 1,2, … , 𝑛
det(𝐴)
i = 1; : : : ;m
 Avantages:
• elle permet de donner la solution du système de manière explicite

• elle peut s’appliquer aux systèmes dont les coefficients dépendent de paramè
tres
• Elle permet de calculer chaque coordonnée xi de la solution indépendamme
nt des autres, un avantage quand on s’intéresse à calculer qu’une coordonné
e précise i = 1; : : : ;m
 Inconvénients :
• Cette méthode est moins efficace que la méthode de Gauss

4- Méthodes de résolution des SEL 4-2. Résolution par substitution
Pour résoudre un système d’équations linéaires par substitution, les étap

es sont les suivantes :
1.Réarranger une des équations pour isoler une inconnue.
2. Substituer cette expression dans l’autre équation et résoudre l’équation linéaire ob

tenue à une inconnue.
i = 1; : : : ;m
3. Remplacer la valeur de cette inconnue dans une des équations et calculer la valeur
de l’inconnue restante.
4. Valider la réponse en vérifiant que les valeurs des deux inconnues vérifient l’autre é
quation.
Résoudre le SEL suivants par les méthodes de cramer et de substitution
𝑥 + 𝑦 + 𝑧 = 10 (𝐸21 )
𝑋 + 𝑌 = 550 (𝐸11 ) (𝑆2 ): 10𝑥 + 5𝑦 + 4𝑧 = 67 (𝐸22 )
(𝑆1 ):
16𝑋 + 8𝑌 = 6960 (𝐸12 ) 20𝑥 + 6𝑦 + 2𝑧 = 104 (𝐸23 )
i = 1; : : : ;m
𝑥 − 𝑦 + 2𝑧 = 5 (𝐸21 )
4𝑋 − 3𝑌 = 11 (𝐸11 ) (𝑆4 ): 3𝑥 + 2𝑦 + 4𝑧 = 10 (𝐸22 )
(𝑆3 ):
2𝑋 + 𝑌 = 3 (𝐸12 ) 2𝑥 − 3𝑦 − 2𝑧 = −10 (𝐸23 )
4- Méthodes de résolution des SEL 4-2. Résolution par substitution
Exemple d’illustration :
𝑥 + 𝑦 + 𝑧 = 10 (𝐸21 )
(𝑆2 ): 10𝑥 + 5𝑦 + 4𝑧 = 67 (𝐸22 )
20𝑥 + 6𝑦 + 2𝑧 = 104 (𝐸23 )
i = 1; : : : ;m
4- Méthodes de résolution des SEL 4-2. Résolution directe
Soit A ∈ Mn (IR) une matrice inversible, et b ∈ Rn .On cherche à calculer 𝑋 ∈ ℝ𝑛 . du SEL 𝑋 S : AX =

b
𝑎1,1 𝑥1 + 𝑎2,1 𝑥2 + … . + 𝑎𝑖,1 𝑥𝑖 + … + 𝑎𝑛,1 𝑥𝑛 = 𝑏1 𝑥1 𝑏1
𝑎1,2 𝑥1 + 𝑎2,2 𝑥2 + … . + 𝑎𝑖,2 𝑥𝑖 + … + 𝑎𝑛,2 𝑥𝑛 = 𝑏2 𝑎1,1 𝑎2,1 ….𝑎𝑖,1 … 𝑎𝑛,1 𝑥2 𝑏2
………………………………………………. 𝑎1,2 𝑎2,2 ….𝑎𝑖,2 … 𝑎𝑛,2 .. ..
𝑆 :
<=> ………………………….
𝑎1,𝑗 𝑎2,𝑗 ….𝑎𝑖,𝑗 … 𝑎𝑛,𝑗 𝑥𝑖 = 𝑏𝑖 <=> 𝑨. 𝑿 = 𝑩
………………………….
………………………………………………. 𝑎1,𝑝 𝑎2,𝑝 ….𝑎𝑖,𝑝 … 𝑎𝑛,𝑝 .. ..
𝑎1,𝑝 𝑥1 + 𝑎2,𝑝 𝑥2 + … . + 𝑎𝑖,𝑝 𝑥𝑖 + … + 𝑎𝑛,𝑝 𝑥𝑛 = 𝑏𝑝 𝑥𝑝 𝑏𝑝
Dans ce qui suit, on ne s’intéressera qu’au cas où m=n (système linéaire carré).
Pour cela il existe deux principales méthodes:
 Methodes directes
 Methodes iteratives
Année: 2023-2024
4- Méthodes de résolution des SEL 4-3. Méthodes directes
On appelle méthode directe de résolution d’un SEL une méthode qui donne exactement x
(A et b étant connus) solution du système après un nombre fini d’opérations élémentaires
(+, −, ×, /).
Parmi les méthodes directes on a :
 Méthode du pivot de Gauss
 Méthode d’élimination de Gauss (Gauss-Jordan)
 Méthode de factorisation LU
 Méthode de Choleski (Factorisation de Choleski)

4 sujets d’exposés !
Année: 2023-2024
A- Méthode du pivot de Gauss
La méthode du pivot de Gauss permet de trouver les solutions de n’importe quel système linéaire. Elle co
nsiste à effectuer des transformations (tr) successives (n ≠ 1 en tout) sur le système AX = B pour obtenir un
système linéaire équivalent dont la matrice est triangulaire supérieure.
𝑡𝑟.1 𝑡𝑟.2 𝑡𝑟.3 𝑡𝑟.𝑛
(1) (1) (2) (2) (3) (3)
𝐴𝑋 = 𝐵 𝐴 𝑋=𝐵 𝐴 𝑋=𝐵 𝐴 𝑋=𝐵 … 𝐴(𝑛) 𝑋 = 𝐵(𝑛)
(𝑺) (𝑺(𝟏) ) (𝑺(𝟐) ) (𝑺(𝟑) ) (𝑺(𝒏) )
Le SEL (𝑆) et le sous-systèmes (𝑆 (1) ) , (𝑆 (3) ) , … , (𝑆 (𝑛) ) sont tous équivalents. (𝑺(𝒏) ) étant le systè
me triangulaire supérieur recherché sous l’hypothèse que A soit inversible càd det(𝐴) ≠ 0.
La résolution du système (𝑆) se réduit donc à la résolution du sous-système triangulaire équiv

alent (𝑺(𝒏) ) par la méthodes des remontées (voir diapo 52).
Comment déterminer donc les (𝑺(𝒊) ) ?
Très important pour comprendre la factorization LU !! Année: 2023-2024

Théorème de Gauss :
Tout le SEL écrit sous la forme 𝐴𝑋 = 𝑏 avec A étant une matrice inversible de taille (n, n), peut être tr
ansformé en un SEL équivalent en utilisant une ou plusieurs opérations suivantes :
1. Permutation de l’ordre des variables dans les équations du SEL
2. Permutation de l’ordre des équations du SEL
3. Remplacement d’une équation par elle-même + le produit d’une autre par une constante 𝛌(1)
Année: 2023-2024
Utilisation du théorème précédent pour calculer les sous-systèmes (𝑺(𝒊) ) du système (𝑺) : Algorithme
d’élimination de Gauss
Etape 1 : Objectif : choisir un pivot 𝒙𝒊 dont le coefficient est non nul et ensuite éliminer la variable 𝒙𝒊 des é
quations 2, 3, . . . , n.
 Recherche d’un pivot non nul : si 𝑎11 = 0, on cherche alors 𝑎𝑖 ∗ 1 ≠ 0 et on échange les équati
ons 1 et 𝑖 ∗ .
Remarque : si tous les coefficients de la première colonne de A sont nuls alors det(A) = 0.
 Supposons donc 𝑎11 ≠ 0

Objectif : soustraire la première équation multipliée par le « bon coefficient » à la deuxième équa
tion, de façon à éliminer la variable x1 dans la nouvelle (deuxième) équation ainsi obtenue. On re
commence ensuite cette manip sur l’équation 3, puis sur la 4, … n, et enfin sur la dernière. Pour 𝑖
∈ [2, 𝑛], on détermine les nouvelles équations (𝑬𝒊 (𝟏) ) par :
(𝟏) 𝒂𝒊𝟏
(𝟏) (𝟏)
(𝑬𝒊 ) ← (𝑬𝒊 ) − 𝝀𝒊 . (𝑬𝒊 ) Sachant que 𝒂𝒊𝟏 = 𝟎, on a :
(𝟏) 𝝀 𝒊 =
𝒂𝟏𝟏
Etape 1 : Objectif : choisir un pivot 𝒙𝒊 dont le coefficient est non nul et ensuite éliminer la variable 𝒙𝒊 des é
quations 2, 3, . . . , n.
A la fin de l’étape 1, on obtient le sous-système intermédiaire (𝑺(𝟏) ) qui s’écrit comme suit :
𝑎1,1 𝑥1 + 𝑎2,1 𝑥2 + … . + 𝑎𝑖,1 𝑥𝑖 + … + 𝑎𝑛,1 𝑥𝑛 = 𝑏1 𝑎1,1 𝑎2,1 … . 𝑎𝑖,1 … 𝑎𝑛,1 𝑥1 𝑏1

0 𝑎2,2 𝑥2 + … . + 𝑎𝑖,2 𝑥𝑖 + … + 𝑎𝑛,2 𝑥𝑛 = 𝑏2 𝑎1,2 𝑎2,2 … . 𝑎𝑖,2 … 𝑎𝑛,2 𝑥2 𝑏2
……………………………………………. …………………………. .. ..
𝑆 : <=> 𝑎 𝑎 … . 𝑎 … 𝑎 𝑥𝑖 =
0 𝑎2,𝑗 𝑥2 + … . + 𝑎𝑖,𝑗 𝑥𝑖 + … + 𝑎𝑛,𝑗 𝑥𝑛 = 𝑏𝑗 1,𝑗 2,𝑗 𝑖,𝑗 𝑛,𝑗 𝑏𝑖
……………………………………………. …………………………. .. ..
0 𝑎2,𝑝 𝑥2 + … . + 𝑎𝑖,𝑝 𝑥𝑖 + … + 𝑎𝑛,𝑝 𝑥𝑛 = 𝑏𝑝 𝑎1,𝑝 𝑎2,𝑝 … . 𝑎𝑖,𝑝 … 𝑎𝑛,𝑝 𝑥𝑝 𝑏𝑝
Année: 2023-2024

Année: 2023-2024
Etape 2: Objectif : choisir un pivot 𝒙𝒊 dont le coefficient est non nul et ensuite éliminer la variable 𝒙𝒊 des é
quations 3, . . . , n.
 Recherche d’un pivot non nul : si 𝒂𝟐𝟐 (𝟏) = 0, on cherche alors 𝑎𝑖 ∗ 2 (1) ≠ 0 et on échange les éq
uations 2 et 𝑖 ∗ .
 Supposons donc 𝒂𝟐𝟐 (𝟏) ≠ 0

Objectif : soustraire la première équation multipliée par le « bon coefficient » à la deuxième équa
tion, de façon à éliminer la variable x1 dans la nouvelle (deuxième) équation ainsi obtenue. On re
commence ensuite cette manip sur l’équation 3, puis sur la 4, … n, et enfin sur la dernière. Pour 𝑖
∈ [3, 𝑛], on détermine les nouvelles équations (𝑬𝒊 (𝟐) ) par :
(𝟐) (𝟏) (𝟐) (𝟏) (𝟐) 𝒂𝒊𝟐 (𝟏)

(𝑬𝒊 ) ← (𝑬𝒊 ) − 𝝀𝒊 .(𝑬𝒊 ) Sachant que 𝒂𝒊𝟐 (𝟐)
= 𝟎, on a : 𝝀𝒊 =
𝒂𝟐𝟐 (𝟏)
Année: 2023-2024
Etape k : Objectif : choisir un pivot 𝒙𝒊 dont le coefficient est non nul et ensuite éliminer la variable 𝒙𝒊 des é
quations 2, . . . , n.
 Recherche d’un pivot non nul : si 𝒂𝒌𝒌 (𝒌−𝟏) = 0, on cherche alors 𝑎𝑖 ∗ 𝑘 (𝑘−1) ≠ 0 et on échange le
s équations 2 et 𝑖 ∗ .
De la même façon, on montre que ce résultat est aussi vrai pour les étapes suivantes : si A est in
versible on peut trouver, à chaque étape k de la méthode de Gauss, un coefficient non nul :
(𝒌−𝟏) 𝒂𝒊𝒌 (𝒌−𝟏)

𝝀𝒏 =
(𝑬𝒊 (𝒌) ) ← (𝑬𝒊 (𝒌−𝟏) ) − 𝝀𝒊 (𝒌−𝟏) .(𝑬𝒊 (𝒌−𝟏) ) Sachant que 𝒂𝒊𝒌 (𝒌) = 𝟎, on a : 𝒂𝒌𝒌 (𝒌−𝟏)

Etape n-1:
A la fin de l’étape n-1, on obtient le sous-système intermédiaire (𝑺(𝒏−𝟏) ) qui s’écrit comme suit :
(𝑺(𝒏−𝟏) ): 𝑨(𝒏−𝟏) 𝑿 = 𝑩(𝒏−𝟏) avec
Année: 2023-2024
Exemple d’illustration
On calcule la complexité de la méthode de Gauss de la manière suivante :

1er pivot
𝑥 + 𝑦 + 𝑧 = 10 (𝐸1 ) (1)
0 0
𝐸2 ← 𝐸2 − 10(𝐸1 ) λ(1) = 10/1 = 10
(𝑆): 10𝑥 + 5𝑦 + 4𝑧 = 67 (𝐸2 ) 𝑡𝑟 1
20𝑥 + 6𝑦 + 2𝑧 = 104 (𝐸3 ) 𝐸3 (1) ← 𝐸3 − 20(𝐸1 ) 20/1 20

2ème pivot
𝑥 + 𝑦 + 𝑧 = 10 (𝐸21 ) 0 0
(𝑆 (1) ): −5𝑦 − 6𝑧 = −33 (𝐸2 (1) ) 𝑡𝑟 2 (2) (1) −14 λ(2) = 0 = 0
1 𝐸3 ← 𝐸3 −( )(𝐸2 (1) ) 14/5 14/5
−14𝑦 − 18𝑧 = −96 (𝐸3 ) −5
𝑥 + 𝑦 + 𝑧 = 10 (𝐸21 )
(𝑆) <=> (𝑆 (1) ) <=> (𝑆 (1) )
donc sol(𝑆) = sol(𝑆 (1) ) = sol(𝑆 (2) )
(𝑆 (2) ): 5𝑦 + 6𝑧 = 33 (𝐸2 (1) )

(2) Par la méthode des remontées sur (𝑆
(2) ) on retrouve sol(𝑺) = (4 , 3 , 3)
3
𝑧=3 (𝐸3 )
5
Année: 2023-2024
Complexité (coût) de la méthode du pivot de Gauss
On calcule la complexité de la méthode de Gauss de la manière suivante :
A l’étape k on effectue :
Nombre d’additions : 𝒏 − 𝒌 𝒏 − 𝒌 + 𝟏
Nombre Soustractions : 𝒏 − 𝒌 𝒏 − 𝒌 + 𝟏
𝟒𝒏𝟑 +𝟑𝒏𝟐 −𝟕𝒏

Le coût totale de la résolution de ce système est donc d’environ 𝟔
Année: 2023-2024
Complexité (coût) de la méthode des remontées :
On calcule la complexité de la résolution du système triangulaire par la méthode de remont

ées de la manière suivante pour une matrice carrée d’ordre n :
𝒏(𝒏−𝟏)
Nombre d’additions : 𝟐
Nombre de divisions : 𝒏
𝒏(𝒏−𝟏)
Nombre d’additions : 𝟐
Le coût totale de la résolution de ce système est donc d’environ 𝒏𝟐 opérations.
Année: 2023-2024
C- Factorisation LU (formalization de la méthode de Gauss)
la décomposition LU est une méthode de décomposition d'une matrice comme produit d'une m
atrice triangulaire inférieure L (Lower) par une matrice triangulaire supérieure U (Upper). Cette d
écomposition est très utilisée en analyse numérique pour résoudre des SEL
Soit A une matrice carrée des coefficients associés à un SEL. On dit que A admet une décompositio
n LU s'il existe une matrice triangulaire inférieure formée de 1 sur la diagonale, notée L, et une matr
ice triangulaire supérieure, notée U, qui vérifient l'égalité.
𝑨 = 𝑳𝑼
Il n'est pas toujours vrai qu'une matrice A admette une décomposition LU. Cependant dans certains
cas, en permutant des lignes de A, la décomposition devient possible. On obtient alors une décompo
sition de la forme
𝑷𝑨 = 𝑳𝑼 où P est une matrice de permutation.
Année: 2023-2024
Principe de la decomposition LU
Avec la factorisation, résoudre Ax=b revient à résoudre LUx=b
Ce qui nous donne deux systèmes plus simples et faciles a résoudre par rapport a la forme tria
ngulaire des matrices et plusieurs autres applications possibles.
On pose donc : 𝑳𝒀 = 𝑩
𝑨𝑿 = 𝑩 <=>
𝑼𝑿 = 𝒀
La résolution commence par le système Ly=b puis Ux=b pour enfin obtenir la solution du système
initial: Les matrices étant triangularisées la recherche des différents inconnus va se faire par l algo
rithme de remontés vu précédemment.
Comment déterminer donc les matrices L et U de la factorisation LU ?
Quelle est la différence entre la factorisation LU et la méthode de Gauss ?
Le coût de la résolution de ce système est donc d’environ 𝒏𝟐 multiplications et 𝒏𝟐 additions  𝟐𝒏𝟐 opérations
Année: 2023-2024
Factorisation LU vs méthode de Gauss
Pour obtenir la factorisation A=LU ou PA=LU, on procède avec la méthode de Gauss q

ui agit uniquement sur la matrice des coefficients associée au SEL (pas d’opérations su
r le second membre) et enregistre les coefficients d’élimination successifs pour former
la matrice L.
Dans le cas d’une méthode avec échange de lignes (pivot partiel qui cond
uit à la factorisation PA=LU), on enregistre aussi les permutations successi
ves (sachant qu’un tableau d’entiers de dimension n suffit).
Dans la méthode de Gauss classique, on procède aussi à la fin à la résolution

du système triangulaire supérieur.
Année: 2023-2024
2020-2021
C- Factorisation LU : Applications
1. Calcul du déterminant:
2. Détermination du rang d’une matrice
Etc.
Année: 2023-2024
2020-2021
Détermination des matrices L et U
Prenons l’exemple du SEL (S) résolu précédemment
𝑥 + 𝑦 + 𝑧 = 10 (𝐸1 ) 1 1 1 𝑥 10
(𝑆): 10𝑥 + 5𝑦 + 4𝑧 = 67 (𝐸2 ) 𝑆 <=> 𝐴𝑋 = 𝐵 Avec 𝐴 = 10 5 4 𝑋= 𝑦 𝐵 = 67
20𝑥 + 6𝑦 + 2𝑧 = 104 (𝐸3 ) 20 6 2 𝑧 104
La factorization LU n’agit que sur la matrice A et n’effectue

donc pas d’operations sur B.
Elle utilise le même principe de la méthode de Gauss.
Année: 2023-2024
2020-2021
Détermination des matrices L et U
Prenons l’exemple du SEL (S) résolu précédemment
𝑥 + 𝑦 + 𝑧 = 10 (𝐸1 ) 1 1 1 𝑥 10
(𝑆): 10𝑥 + 5𝑦 + 4𝑧 = 67 (𝐸2 ) 𝑆 <=> 𝐴𝑋 = 𝐵 Avec 𝐴 = 10 5 4 𝑋= 𝑦 𝐵 = 67
20𝑥 + 6𝑦 + 2𝑧 = 104 (𝐸3 ) 20 6 2 𝑧 104
Déterminons L et U tq A=LU :
D’après les étapes du pivot de Gauss précédent, on a:
1 0 0 1 1 1
𝐿 = 10 1 0 𝑈 = 0 −5 −6
20 14/5 1 0 0 3/5
Année: 2023-2024
2020-2021
Complexité (coût) de la méthode de Factorisation LU
On calcule la complexité de la méthode de factorisation LU de la manière suivante :
𝒏 𝒏−𝟏 𝟐𝒏−𝟏
Nombre d’additions et multiplications : 𝟔
𝒏 𝒏−𝟏
Nombre Soustractions : 𝟐
𝟐𝒏(𝒏−𝟏)(𝒏−𝟏) 𝟐𝒏𝟑 −𝟒𝒏𝟐 +𝟐𝒏

Le coût totale de la factorisation LU est donc d’environ =
𝟑 𝟑
Année: 2023-2024
1- Bibliographie :
• [B01] Mathématiques Numériques Chapitre 2 : Systèmes linéaires et décompositions de matrice (2022) B. Pinçon & J.-F. Scheid
• [B02] Méthode de Cramer pour la résolution d'un système linéaire https://defeo.lu/in310/poly/cramer/
• [B03] A. Quarteroni, R. Sacco and F. Saleri. Méthodes numériques pour le calcul scientifique. Programmes en MATLAB, Sp
ringer, 2000.
• [B04] J. P. Demailly. Analyse Numérique et Equations Différentielles, PUG, 1994. https://webusers.imj-prg.fr/~huayi.chen/E
nseignement/ParisVII/2009_2010/demailly.pdf
• [B05] Représentation d’un nombre en machine, erreurs d’arrondis, https://www.math.univ-paris13.fr/~japhet/Doc/Handou
ts/RoundOffErrors.pdf
2- Webographie :
• [W01] Pr Marc BUFFAT, Cours de Calcul Scientifique. (n.d.). Retrieved September 28, 2023, from https://perso.univ-lyon1.fr/marc.buffat/COURS/
CalculScientique_HTML/courshtml1.html
• [W02] DATA and ERROR ANALYSIS https://lcn.people.uic.edu/classes/che205s17/docs/che205s17_reading_12a.pdf
• [W03] Visualizing Random Measurement Error in R. (n.d.). Steven V. Miller. Retrieved September 28, 2023, from https://svmiller.com/blog/202
0/02/random-measurement-error/
• [W04] Error Analysis. (n.d.). BIOLOGY FOR LIFE. Retrieved September 28, 2023, from https://www.biologyforlife.com/error-analysis.html
• [W05] Mounaim M., Chapitre1 Analyse d’erreurs. (n.d.). Scribd. Retrieved September 28, 2023, from https://fr.scribd.com/document/488546532/Ch
apitre1-Analyse-d-erreurs
• [W06] What are Truncation Errors |BYJUS. Examples (2022). https://byjus.com/maths/truncation-errors
• J. (n.d.). LES ERREURS NUMÉRIQUES. Retrieved September 28, 2023, from https://femto-physique.fr/analyse-nu
[W07] Roussel,
merique/erreurs-numeriques.php
3- Vidéographie
• [V01] Systèmes linéaires, Exo7Math (2013) https://www.youtube.com/playlist?list=PL024XGD7WCIFSxatDf77naZwvNPiPbAe4
Méthodes linéaires d’analyse
numérique
TD & TP
Permettront de concolider les notions
abordées dans ces séances de cours
magistraux,
(PhD & Ing.)
Année: 2023-2024
Méthodes linéaires
d’analyse numérique
Thanks !
(PhD & Ing.)
Année: 2023-2024

Cours-Resolution SEL-EnS - Info2!23!24 - Version 2

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours-Resolution SEL-EnS - Info2!23!24 - Version 2

Transféré par

Droits d'auteur :

Formats disponibles

Méthodes linéaires

d’analyse numérique Année: 2023-2024

I. Généralités et introduction (1h)

II. Notions d’erreurs (10h)

III. Systèmes Linéaires : Définitions et notations (1h)

IV. Méthodes de résulution d’un système linéaire

03. Méthodes directes de résolution numérique des systèmes linéa

01. Méthodes itératives de résolution des systèmes linaires (Jacobi,

V. Résolution numérique des équations différentielles TD (4h)

VI. Prise en main de MATLAB et TP (28h)

Programmer avec MATLAB

02. Choisir l’algorithme approprié pour un pr

03. Implémenter l’algorithme choisi.

EVALUATION DU MODULE (A REVOIR !)

20% 20% 60%

5. Erreur de représentation (approximation) ou

• La notion fondamentale autour de laquelle s’articule l’Analyse Numérique est la notion d’

• La compréhension, la représentation et le traitement des erreurs vont différentier selon qu’

Crédit: Ref [W01]

Calcul de la somme 𝑆𝑛 des 𝑛 premiers termes de la série suivante :

Crédit: Ref [W01]

 Les erreurs systématiques : Elles sont dues à des erreurs intégrée

 Les erreurs aléatoires : Elles conduisent toujours à une distributio

Crédit: Ref [W02 & W03 W04]

• Plusieurs expressions sont utilisées pour formuler l’erreur :

𝑨𝒎𝒆𝒔 − ∆𝑨 < 𝑨𝒓é𝒆𝒍𝒍𝒆 < 𝑨𝒎𝒆𝒔 + ∆𝑨

Année: 2023-2024 Crédit: Ref [W02, W03 & W04]

 Erreur logarithmiques quadratique moyenne: Elle est données par la formule:

Année: 2023-2024 Crédit: Ref [W02, W03 & W04]

 – les erreurs de modélisation ;

Crédit: Ref [W01]

A- Erreurs des données et de modélisation

- Les erreurs de discrétisation, liées à la transformation du problème mathématique continu (autre

Crédit: Ref [B02]

B. Erreurs de représentation sur l’ordinateur

Crédit: Ref [B04, B05 & W06]

B. Erreurs de représentation sur l’ordinateur

Crédit: Ref [B04, B05 & W06]

B. Erreurs de représentation sur l’ordinateur

B. Erreurs de représentation sur l’ordinateur

1- Phénomène de cancellation (ou élimination)

Lors de la soustraction de deux nombres très proches

Si les opérandes sont eux-mêmes des résultats

La cancellation est catastrophique quand il n’y a

Crédit: Ref [B04, B05 & W06]

B. Erreurs de représentation sur l’ordinateur

Lors de l’addition de deux nombres ayant d

Combiner avec la cancellation ce phéno

Crédit: Ref [B04, B05 & W06]

B. Erreurs de représentation sur l’ordinateur

Crédit: Ref [B04, B05 & W06]

B. Erreurs de représentation sur l’ordinateur

Crédit: Ref [B04, B05 & W06]

B. Erreurs de représentation sur l’ordinateur

𝑎 = 0.547023 × 10−1 𝑏 = 0.310275 × 10−3 𝑐 = 0.310275 × 10−3

𝐵1 = 122(333+695) 𝐵2 = (122×333)+(122 × 695)

Crédit: Ref [B04, B05 & W06]

C. Erreurs d’approximation / troncature

C. Erreurs d’approximation / troncature

Formulation mathématique correcte de la fonction

C. Erreurs d’approximation / troncature

Il s’est produit un phénomène de cancellation (élimination)

Par exemple, lorsque que l’on calcule un nombre 𝑋 en effectuant 𝑁 multiplications, o