Documente Academic
Documente Profesional
Documente Cultură
I Méthodes directes
I.2 Méthode LU
Page 1
Naouel ZRELLI Résolution des systèmes linéaires
II Méthodes itératives
Problématique :
Les méthodes directes (Gauss et LU) donnent la solution exacte d'un système linéaire et elles sont considérées
trés ecaces. Cependant, si la plupart des coecients de la matrice d'un tel système linéaire sont non nuls,
les méthodes directes nécessitent une assez grande place mémoire pour stocker la matrice en mémoire de l'or-
dinateur. Lorsqu'on a aaire à de très gros systèmes issus par exemple de l'ingénierie (calcul des structures,
mécanique des uides, ...), où la taille des matrices peut être de l'ordre de plusieurs milliers, on cherche à
utiliser des méthodes nécessitant le moins de mémoire possible. On a intérêt dans ce cas à utiliser des méthodes
itératives. Ces méthodes ne font appel qu'à des produits matrice vecteur, et ne nécessitent donc pas le stockage
de la matrice mais uniquement des termes non nuls.
Construire une suite de vecteurs (Xk )k∈N qui converge vers le vecteur X, solution du système AX = b tel que
X = lim Xk
k→+∞
la suite Xk vérie :
X0 donnée
Xk+1 = BXk + c
Avec :
1. X0 ∈ Rn vecteur initial à choisir arbitrairement ("le plus simple" vecteur nul)
2. B : matrice à déterminer tel que
J matrice de Jacobi
B=
G matrice de Gauss-Seidel
∀X0 ∈ Rn , la suite (Xk )k∈N converge vers le vecteur X ssi ρ(B) < 1 (Rayon spectral).
Si ρ(B1 ) < ρ(B2 ) alors la première méthode converge plus vite que la deuxième
Si ρ(B2 ) < ρ(B1 ) alors la deuxième méthode converge plus vite que la première
Page 2
Naouel ZRELLI Résolution des systèmes linéaires
A = -1 3 -1
0 -1 3
3 0 0 0 0 0 0 1 0
D= 0 3 0 E= 1 0 0 F = 0 0 1
0 0 3 0 1 0 0 0 0
On écrit le système AX = b sous la forme (D − E − F )X = b
(D − E − F )X = b ⇐⇒ DX − (E + F )X = b ⇐⇒ DX = (E + F )X + b (1)
Si D est inversible (tous les c÷cients diagonaux sont non nuls) alors D−1 existe.
On multiplie l'équation (1) par D−1 de part et d'autre :
D−1 DX = D−1 (E + F )X + D−1 b ⇐⇒ X = D−1 (E + F )X + D−1 b
On note
J = D−1 (E + F ) : matrice de Jacobi
cJ = D−1 b : le nouveau vecteur
La méthode de Jacobi s'écrit donc :
X0 donnée
Xk+1 = JXk + cJ
Exemple 1 :
1
2 0
0 1
D= inversible =⇒ D−1 2
= : car D diagonale
0 2 0
1 les c÷cients diagonaux
2
1 1
0 0 1
0
J = D (E + F ) =
−1 2 2
= 1
0
1 1 0 0
2 2
1 3
3
0 3
Soit b = alors cJ = D b =
2
−1
= 23
-3 0
1 -3 −
2 2
Page 3
Naouel ZRELLI Résolution des systèmes linéaires
Résultat de convergence :
∀X0 ∈ Rn , la suite (Xk )k∈N converge vers le vecteur X ssi ρ(J) < 1 (Rayon spectral).
Etude convergence :
calcul des valeurs propres :
−λ 1
2
1 1 1
det(J − λI2 ) = 0 =⇒ 1 = 0 =⇒ λ2 − = 0 =⇒ {λ1 = ; λ2 = − }
−λ 4 2 2
2
1
ρ(J) = M ax{|λ1 |, |λ2 |} = < 1 donc la méthode de Jacobi converge.
2
Calcul des Xk :
0
1. X0 =
0
3 3
1
0
0
2 = 2
2. X1 = JX0 + cJ = 2 +
1
0
0 3 3
2 − −
2 2
3 3 3
1
0 2 2 4
3. X2 = JX1 + cJ =
1 2
+ 3 = 3
0
3
2 − − −
2 2 4
3 3 9
1
0 4 2 8
4. X3 = JX2 + cJ =
1 2
+ 3 = 9
0
3
2 − − −
4 2 8
9 3 15
1
0 8 2 16
5. X4 = JX3 + cJ =
1 2
+ 3 = 15
0
9
2 − − −
8 2 16
Pour voir la convergence des Xk vers X, on calcule la solution exacte de AX = b
2 1 3 1
! ! !
−1 1
X=A b= =
3 1 2 -3 -1
Remarque : C'est un choix si l'on a arrêté le calcul jusqu'à k = 4. En pratique, la question de
l'exercice qui demande que le calcul des vecteurs Xk doit s'arréter jusqu'à quel ordre (k=0,1.. ?)
(D − E − F )X = b ⇐⇒ DX − EX − F X = b ⇐⇒ (D − E)X = F X + b (2)
(D − E) est une matrice triangulaire inférieure inversible ssi tous les c÷cients diagonaux sont non nuls c'est
la même condition que D est inversible. Par suite si D est inversible alors (D − E)−1 existe.
On multiplie l'équation (2) par (D − E)−1 de part et d'autre :
(D − E)−1 (D − E)X = (D − E)−1 F X + (D − E)−1 b ⇐⇒ X = (D − E)−1 F X + (D − E)−1 b
On note
G = (D − E)−1 F : matrice de Gauss-Seidel
cG = (D − E)−1 b : le nouveau vecteur
Page 4
Naouel ZRELLI Résolution des systèmes linéaires
Exemple 1 :
2 0 2 0
D= inversible =⇒ (D − E) = inversible et det(D − E) = 2 × 2 = 4
0 2 -1 2
1
1 t
2
0
(D − E)−1 = Com(D − E) =
det(D − E) 1 1
4 2
avec det(D − E) = 2 × 2 car la matrice est triangulaire inférieure.
1 1
2
0 0 1
0
G = (D − E) F =
−1
=
2
1 1 0 0 1
0
4 2 4
1 3
3
2
0 3
Soit b = alors cG = (D − E) −1
b= = 2
-3 1 1 −3 3
−
4 2 4
Résultat de convergence :
∀X0 ∈ Rn , la suite (Xk )k∈N converge vers le vecteur X ssi ρ(G) < 1 (Rayon spectral).
Etude convergence :
calcul des valeurs propres :
−λ 1
2
1 1
det(G − λI2 ) = 0 =⇒ = 0 =⇒ λ2 − λ = 0 =⇒ {λ1 = 0; λ2 = }
0 1 4 4
−λ
4
1
ρ(G) = M ax{|λ1 |, |λ2 |} = < 1 donc la méthode de Gauss-seidel converge.
4
Calcul des Xk
0
1. X0 =
0
3 3
1
0
0
2. X1 = GX0 + cG = 2 + 2 = 2
0
1 0 3 3
4 − −
4 4
3 3 9
1
0 2 + 2 = 8
3. X2 = GX1 + cG = 2
1
0
3 3 15
4 − − −
4 4 16
9 3 33
1
0 8 + 2 = 32
4. X3 = GX2 + cG = 2
1
0
15 3 63
4 − − −
16 4 64
33 3 129
1
0 32 + 2 = 128
5. X4 = GX3 + cG = 2
1
0
63 3 255
4 − − −
64 4 256
Pour voir la convergence des Xk vers X, on calcule la solution exacte de AX = b
2 1 3 1
! ! !
−1 1
X=A b= =
3 1 2 -3 -1
Page 5
Naouel ZRELLI Résolution des systèmes linéaires
1 1
! !
X − X0
-1 -1
1 1
− −
X − X1
2 2
1 1
−
2 4
1 1
−
4 8
X − X2
1 1
− −
4 16
1 1
− −
X − X3
8 32
1 1
−
8 64
1 1
−
16 128
X − X4 1 1
− −
16 256
kX − X0 k∞ 1 1
1 1
kX − X1 k∞ = 0.5 = 0.5
2 2
1 1
kX − X2 k∞ = 0.25 = 0.125
4 8
1 1
kX − X3 k∞ = 0.125 = 0.03125
8 32
1 1
kX − X4 k∞ = 0.0625 = 0.0078125
16 128
Interpretation : La méthode de Gauss-Seidel converge plus vite que celle de Jacobi car
1 1
ρ(G) = < ρ(J) =
4 2
Page 6
Naouel ZRELLI Résolution des systèmes linéaires
Travail
à faire
: Reprendre la matrice A de l'exemple 2 :
3
Soit b = −2
3
1. Montrer que la matrice A est inversible et calculer son inverse.
2. En déduire la solution de AX = b.
3. Déterminer les matrices de Jacobi et de Gauss-seidel notées respectivement J et G.
4. Etudier la convergence des deux méthodes itératives (calculer les valeurs propres et les
rayons spectral) et comparer les vitesses de convergence.
5. Calculer les itérées Xk tel que k = 0, . . . 3 pour les deux méthodes itératives et comparer les
résultats.
Page 7