TABLE DES MATIÈRES

INTRODUCTION ...................................................................................................................... 2

PRINCIPE DE LA MÉTHODE DE GAUSS SEIDEL .............................................................. 3

UTILISATION DES VALEURS RÉVISÉES ....................................................................... 3

APPROCHE ITÉRATIVE CONVERGENTE ....................................................................... 3

CONDITIONS DE CONVERGENCE ................................................................................... 4

RESOLUTION MANUELLE .................................................................................................... 5

SCRIPT PYTHON ..................................................................................................................... 6

LES RESULTATS OPTENUS .................................................................................................. 7

EXEMPLES D’APPLICATION ................................................................................................ 8

CONCLUSION .......................................................................................................................... 9

1
 INTRODUCTION

La méthode de Gauss-Seidel est une méthode de résolution itérative des systèmes d'équations
linéaires. Elle consiste à remplacer, à chaque itération, chaque inconnue par une nouvelle
valeur calculée à partir des autres inconnues du système. Cette méthode se base sur le fait que
les équations peuvent être réécrites sous forme d'équations à une seule inconnue, les autres
inconnues étant considérées comme connues.

La méthode de Gauss-Seidel est une variante de la méthode de Jacobi, qui permet une
convergence plus rapide en utilisant les dernières valeurs calculées pour les inconnues

2
 PRINCIPE DE LA MÉTHODE DE GAUSS SEIDEL
Le principe fondamental de la méthode de Gauss-Seidel repose sur la résolution itérative des
équations d'un système linéaire en utilisant des valeurs révisées des inconnues à chaque étape.
Voici une explication plus détaillée du principe de cette méthode :

ITÉRATION SÉQUENTIELLE

Contrairement à la méthode de Gauss classique qui traite toutes les équations simultanément
à chaque itération, la méthode de Gauss-Seidel résout les équations de manière séquentielle.
Cela signifie qu'elle commence par une équation du système, utilise les valeurs courantes des
autres inconnues, calcule une nouvelle valeur pour cette inconnue, puis passe à l'équation
suivante avec les valeurs mises à jour.

UTILISATION DES VALEURS RÉVISÉES

À chaque itération, les valeurs des inconnues déjà calculées sont mises à jour en fonction des
valeurs obtenues à partir des itérations précédentes. Cela signifie que chaque nouvelle
estimation des inconnues est basée sur les estimations les plus récentes des autres inconnues,
ce qui permet une convergence plus rapide vers la solution du système.

APPROCHE ITÉRATIVE CONVERGENTE

La méthode de Gauss-Seidel converge vers une solution lorsque les itérations successives se
rapprochent suffisamment de la solution exacte du système. La convergence est généralement
plus rapide que celle de la méthode de Gauss standard car les valeurs mises à jour sont
immédiatement utilisées dans le calcul des autres inconnues

3
 CONDITIONS DE CONVERGENCE

Pour que la méthode de Gauss-Seidel converge vers une solution, certaines conditions doivent
être satisfaites.

La principale condition est que la matrice du système soit à diagonale dominante ou

strictement diagonale dominante.

En d'autres termes, l'élément sur la diagonale principale de chaque équation doit être plus
grand que la somme des valeurs absolues des autres coefficients de l'équation. Si cette
condition est remplie, la méthode de Gauss-Seidel a de bonnes chances de converger.

4
 RESOLUTION MANUELLE

5X1 + X2 + 2X3 - X4 = 7

4X2 + X3 - X4 = -2

-X1 + X2 + 5X3 + X4 = 2

X1 + 2X2 + 6X4 = -7

X1 = 1/5(7- X2 – 2X3 + X4)

X2= 1/4(-2 - X3 + X4)

X3=1/5(2 + X1 - X2 - X4)

X4=1/6(-7 - X1 - 2X2)

Méthode de Gauss Seidel

X1^ (k+1)=1/5(7 - X2^(k) - 2 X3^(k) + X4^(k))

X2^(k+1) =1/4(- 2 - X3^(k) + X4^(k))

X3^ (k+1) =1/5(2 + X1^ (K+ 1) - X2^ (k+1) - X4^(k))

X4^ (k+1) =1/6(-7 - X1^ (K+1) - 2X2^ (k+1))

Tableau avec la méthode Gauss Seidel

K 0 1 2 3 4 5 6
X1 0,0000 1,4000 0,9413 0,9886 1,0033 0,9996 0,9999
X2 0,0000 -0,5000 -1,0033 -1,0062 -0,9982 -1,0001 -1,0000

X3 0,0000 0,7800 1,0356 0,9967 0,99 1,0002 0,9999

X4 0,0000 -1,2333 -0,9891 -0,9960 -1,00 -09998 -0,9999

5
SCRIPT PYTHON

6
 LES RESULTATS OPTENUS

Les résultats obtenus :

Solution obtenue : [0.99998356 ; -1.00001589 ; 0.99997569 ; -0.99999196]

Nombre d'itérations : 6

PAR PYTON

7
 EXEMPLES D’APPLICATION
Analyse numérique
Résolution de systèmes d'équations
linéaires issus de la discrétisation
d'équations différentielles partielles
(mécanique des fluides,
thermodynamique, etc.).
Économie
Modélisation de systèmes
économiques complexes comme les
modèles d'équilibre général
calculable.
8
Électronique
Analyse des circuits électriques
complexes, notamment pour le calcul
des tensions et courants dans les
réseaux
Optimisation
Résolution de problèmes
d'optimisation avec contraintes
linéaires, comme la planification de la
production ou l'allocation de
ressources.
 CONCLUSION

En conclusion, la méthode de Gauss-Seidel est une technique itérative puissante et flexible

pour résoudre des systèmes d'équations linéaires. Bien que relativement simple à mettre en
œuvre, elle présente des propriétés de convergence spécifiques qui doivent être prises en
compte. Ses nombreuses applications dans des domaines variés en font un outil essentiel pour
les scientifiques et les ingénieurs.

Malgré l'existence d'autres méthodes de résolution plus avancées, la méthode de Gauss-Seidel

conserve sa pertinence grâce à sa simplicité, sa robustesse et son efficacité pour de nombreux
problèmes pratiques. Elle mérite donc toute l'attention des utilisateurs souhaitant résoudre des
systèmes d'équations linéaires de manière fiable et performante.