R ÉSOLUTION NUMÉRIQUE DES SYSTÈMES

D ’ ÉQUATIONS LINÉAIRES
Correction-Exercice 2

Analyse Numérique - 3A&B - A.U. 2021/2022

 2

Partie I: θ = 1
⎛3 4 −2⎞
⎜ ⎟
1) La matrice associée à (Sα1 ) est A = ⎜ ⎟
⎜1 2 1 ⎟.
⎜ ⎟
⎝0 2 α ⎠
(Sα1 ) admet une unique solution ssi det(A) ≠ 0.

RRR R
RRR3 4 −2RRRRR
R R
det(A) = RRRRR1 2 1 RRRRR
RRR R
RRR0 2 α RRRRR
R R
1
L2 ← L2 − L1
3
RRR R
RRR3 4 −2 RRRRR RRR R
R R RRR2/3 5/3RRRRR 2 10
= RRRRR0 2/3 5/3RRRRR = 3 RRR RRR = 3( α − ) = 2α − 10.
RRR RRR RRR 2 α RRR 3 3
RRR0 2 α RRR R R
R R
@UP-Maths Résolution numérique des systèmes d’équations linéaires Analyse numérique
 3

det(A) ≠ 0 ⇐⇒ α ≠ 5.
Conclusion : pour tout α ∈ R ∖ {5}, le système (Sα1 ) admet une unique solution.

@UP-Maths Résolution numérique des systèmes d’équations linéaires Analyse numérique

 3

det(A) ≠ 0 ⇐⇒ α ≠ 5.
Conclusion : pour tout α ∈ R ∖ {5}, le système (Sα1 ) admet une unique solution.
⎛3 4 −2⎞
⎜ ⎟
2) On pose α = 6, Dans ce cas A = ⎜ ⎜1 2 1 ⎟
⎟
⎜ ⎟
⎝0 2 6 ⎠
D’abord on peut vérifier facilement que A admet une unique
décomposition LU , en effet :
A(1) = (3); det(A(1) ) = ∣3∣ ≠ 0,
⎛3 4⎞ RRR RRR
R
R 3 4 RRR
A(2) = ⎜ ⎟; det(A(3) ) = RRR
RRR1 2RRRRR = 6 − 4 = 2 ≠ 0,
⎝1 2⎠ RR RR
A = A; det(A ) = det(A) = 2 × 6 − 10 = 2 ≠ 0,
(3) (3)

Ainsi, tous les mineurs principaux de A sont inversibles et par suite A

admet une unique décomposition LU .

@UP-Maths Résolution numérique des systèmes d’équations linéaires Analyse numérique

 4

Première méthode: Calcul des matrices L et U en utilisant la

méthode de pivot de Gauss.

⎛ 1 0 0 ⎞ ⎛ u11 u12 u13 ⎞

⎜ ⎟ ⎜ ⎟
A = LU alors A = ⎜ ⎟ ⎜
⎜ l21 1 0 ⎟ × ⎜ 0 u22 u23
⎟
⎟
⎜ ⎟ ⎜ ⎟
⎝ l31 l32 1 ⎠ ⎝ 0 0 u33 ⎠
On applique la méthode du pivot de Gauss à la matrice A pour déterminer la matrice
U.
Etape 0:
⎛3 4 −2⎞
⎜ ⎟
A(0) = ⎜
⎜1 2 1⎟⎟
⎜ ⎟
⎝0 2 6⎠

@UP-Maths Résolution numérique des systèmes d’équations linéaires Analyse numérique

 5

Etape 1:
Le pivot est 3 ≠ 0, on applique les opérations suivantes:
⎛3 4 −2 ⎞
⎜ ⎟
L1 ← L1 ,L2 ← L2 − 13 L1 , ona A(1) = ⎜
⎜0 2/3 5/3⎟
⎟
⎜ ⎟
⎝0 2 6 ⎠
Etape 2:
Le pivot est 23 ≠ 0, on applique les opérations suivantes:
L1 ← L1 , L2 ← L2 et L3 ← L3 − 3L2 à A(1) , on a
⎛3 4 −2 ⎞
⎜ ⎟
⎜0 2/3 5/3⎟ = U
A(2) = ⎜ ⎟
⎜ ⎟
⎝0 0 1 ⎠

@UP-Maths Résolution numérique des systèmes d’équations linéaires Analyse numérique

 6

(0)
ai1
On calcule L (pour la première colonne de L, on a li1 = (0) , ∀1 ≤ i ≤ 3, pour la
a11
(1)
ai2
deuxième colonne de L on a li2 = (1) , ∀1 ≤ i ≤ 3
a22
Ainsi,

⎛ 1 0 0⎞
⎜ ⎟
L=⎜ ⎟
⎜1/3 1 0⎟
⎜ ⎟
⎝ 0 3 1⎠

@UP-Maths Résolution numérique des systèmes d’équations linéaires Analyse numérique

 7

Deuxième méthode: par identification

A = LU avec L matrice triangulaire inférieure de diagonale unité et U matrice
triangulaire supérieure :

⎛1 0 0⎞ ⎛u1,1 u1,2 u1,3 ⎞

⎜ ⎟ ⎜ ⎟
⎜l2,1 1 0⎟ , U = ⎜ 0 u2,2 u2,3 ⎟
L=⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟
⎝l3,1 l3,2 1⎠ ⎝ 0 0 u3,3 ⎠
Alors par identification :
⎧
⎪ 1 × u1,1 = 3 ⇒ u1,1 = 3
⎪
⎪
⎪
⎪
⎪
⎪ 1 × u1,2 = 4 ⇒ u1,2 = 4
⎪
⎪
⎪
⎪
⎪
⎪ 1 × u1,3 = −2 ⇒ u1,3 = −2
⎪
⎪
⎪
⎪
⎪
⎪
⎪ l2,1 × 3 = 1 ⇒ l2,1 = 13
⎪
⎪
A = LU ⇔ ⎨ 31 × 4 + 1 × u2,2 = 2 ⇒ u2,2 = 23
⎪
⎪1
⎪
⎪
⎪
⎪ 3
× −2 + 1 × u2,3 = 1 ⇒ u2,3 = 53
⎪
⎪
⎪
⎪
⎪
⎪ 3 × l3,1 = 0 ⇒ l3,1 = 0
⎪
⎪
⎪
⎪
⎪
⎪ l 3,2 × 32 = 2 ⇒ l3,2 = 3
⎪
⎪
⎪ 5
⎩3 × 3 + 1 × u3,3 = 6 ⇒ u3,3 = 1
⎪

@UP-Maths Résolution numérique des systèmes d’équations linéaires Analyse numérique

 8

On obtient :
⎛ 1 0 0⎞ ⎛3 4 −2 ⎞
⎜ ⎟ ⎜ ⎟
⎜1/3 1 0⎟ , U = ⎜0 2/3 5/3⎟
L=⎜ ⎟ ⎜ ⎟
⎜ ⎟ ⎜ ⎟
⎝ 0 3 1⎠ ⎝0 0 1 ⎠

@UP-Maths Résolution numérique des systèmes d’équations linéaires Analyse numérique

 9

Résolution

AX = b ⇐⇒ LU X = b
⎛y1 ⎞
⎜ ⎟
Cherchons Y = ⎜
⎜y2 ⎟ la solution du système linéaire LY = b.
⎟
⎜ ⎟
⎝y3 ⎠
⎛y1 ⎞ ⎛1⎞ ⎛y1 ⎞ ⎛ 1 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜2⎟
L⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜y2 ⎟ = ⎜1⎟ ⇒ ⎜y2 ⎟ = ⎜ 3 ⎟
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝y3 ⎠ ⎝2⎠ ⎝y3 ⎠ ⎝ 0 ⎠
Après avoir calculer le vecteur Y il reste à trouver la solution du système linéaire

UX = Y

@UP-Maths Résolution numérique des systèmes d’équations linéaires Analyse numérique

 10

Alors,
⎛3 4 −2 ⎞ ⎛x1 ⎞ ⎛ 1 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜0 2/3 5/3⎟ ⎜x2 ⎟ = ⎜ 2 ⎟
⎜ ⎟ ⎜ ⎟ ⎜3⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎝0 0 1 ⎠ ⎝ x3 ⎠ ⎝ 0 ⎠
⎛−1⎞
⎜ ⎟
En utilisant la méthode de remontée on obtient: X = ⎜ ⎟
⎜ 1 ⎟ est l’unique solution de
⎜ ⎟
⎝0⎠
(S16 ).

@UP-Maths Résolution numérique des systèmes d’équations linéaires Analyse numérique

 11

⎧
⎪AY = b
⎪
3) A2 X
= b ⇐⇒ A(AX) = b ⇐⇒ ⎨
⎩AX = Y
⎪
⎪
Exemple: Pour θ = 1 et α = 6 résoudre A2 X = b
⎛−1⎞
⎜ ⎟
AY = b ⇐⇒ Y = ⎜ ⎟
⎜ 1 ⎟ (d’après question 2 partie I)
⎜ ⎟
⎝0⎠
⎧
⎪LZ = Y
⎪
AX = Y ↔ LU X = Y ↔ ⎨
⎩U X = Z
⎪
⎪
⎛z1 ⎞
⎜ ⎟
Cherchons Z = ⎜
⎜z2 ⎟, la solution du système linéaire LZ = Y.
⎟
⎜ ⎟
⎝z3 ⎠

@UP-Maths Résolution numérique des systèmes d’équations linéaires Analyse numérique

 12

⎛ 1 0 0⎞ ⎛z1 ⎞ ⎛−1⎞ ⎛ −1 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎟
LZ = Y ↔ ⎜⎜1/3 1 0⎟ ⎜z2 ⎟ = ⎜ 1 ⎟ ⇒ Z = ⎜2/3⎟
⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎟
⎝ 0 3 1⎠ ⎝z3 ⎠ ⎝ 0 ⎠ ⎝ −2 ⎠
Après avoir calculer le vecteur Z il reste à trouver la solution du système linéaire
UX = Z
Alors,
⎛3 4 −2 ⎞ ⎛x1 ⎞ ⎛ −1 ⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜0 2/3 5/3⎟ ⎜x2 ⎟ = ⎜2/3⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟
⎝0 0 1 ⎠ ⎝x3 ⎠ ⎝ −2 ⎠
⎛x1 ⎞ ⎛−25/3⎞
⎜ ⎟ ⎜ ⎟
En utilisant la méthode de remontée on obtient: X = ⎜ ⎟ ⎜ ⎟
⎜ x2 ⎟ = ⎜ 6 ⎟
⎜ ⎟ ⎜ ⎟
⎝x3 ⎠ ⎝ −2 ⎠

@UP-Maths Résolution numérique des systèmes d’équations linéaires Analyse numérique

 13

Partie II : θ ∈ R

1) Pour que les méthodes de Jacobi et de Gauss-Seidel soient convergentes il

suffit que A soit à diagonale strictement dominante c-â-d:
⎧
⎪ ∣6θ∣ > 3
⎪
⎪
⎪
⎨∣2θ∣ > 2
⎪
⎪
⎪
⎩∣α∣ > 2
⎪

Donc si α ∈] − ∞, −2[∪]2, +∞[ et θ ∈] − ∞, −2[∪]2, +∞[ alors la méthode de

Jacobi et de Gauss-Seidel sont convergentes.
⎛9 4 −2⎞
⎜ ⎟
2) Pour α = 6 et θ = 3, A = ⎜
⎜ 1 6 1 ⎟
⎟
⎜ ⎟
⎝0 2 6 ⎠
A est une matrice à diagonale strictement dominante, ainsi, la méthode
de Jacobi et la méthode de Gauss Seidel sont convergentes.

@UP-Maths Résolution numérique des systèmes d’équations linéaires Analyse numérique

 14

Méthode de Jacobi
Décomposition de Jacobi: On pose A = D − E − F

⎛9 0 0⎞ ⎛xk+1
1
⎞ ⎛ 0 −4 2 ⎞ ⎛x(k)
1
⎞ ⎛1⎞
⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ (k) ⎟ ⎜ ⎟
⎜0 6 0⎟ ⎜xk+1 ⎟ = ⎜−1 0 −1⎟ ⎜x ⎟ + ⎜1⎟
⎜ ⎟⎜ 2 ⎟ ⎜ ⎟⎜ 2 ⎟ ⎜ ⎟
⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ (k) ⎟ ⎜ ⎟
k+1
⎝0 0 6⎠ ⎝x3 ⎠ ⎝ 0 −2 0 ⎠ ⎝x3 ⎠ ⎝2⎠
(k) (k) (k) (k)
⎧ (k+1) b1 −a1,2 x2 −a1,3 x3 1−4x2 +2x3
⎪
⎪
⎪ x1 = a1,1 = 9
⎪
⎪ (k+1)
⎪ (k) (k) (k) (k)
b2 −a2,1 x1 −a2,3 x3 1−x1 −x3
⎨x2 = a2,2 = 6
⎪
⎪
⎪ (k) (k) (k)
⎪
⎪ (k+1) b3 −a3,1 x1 −a3,2 x2 2−2x2
⎩x3
⎪ = a3,3 = 6

⎛1⎞
⎜ ⎟
Itération de Jacobi: Pour le vecteur initial X (0) = ⎜ ⎟
⎜1⎟,
⎜ ⎟
⎝1⎠

@UP-Maths Résolution numérique des systèmes d’équations linéaires Analyse numérique

 15

⎛−1/9⎞
⎜ ⎟
Itération 1 : X (1) = ⎜ ⎟
⎜−1/6⎟
⎜ ⎟
⎝ 0 ⎠
⎛ 0.1578 ⎞
⎜ ⎟
Itération 2 : X (2) = ⎜ ⎟
⎜ 0.1578 ⎟
⎜ ⎟
⎝0, 3888⎠

@UP-Maths Résolution numérique des systèmes d’équations linéaires Analyse numérique

 16

Méthode de Gauss Seidel

3)
Décomposition de Gauss-Seidel : On pose A = D − E − F

⎛ 9 0 0⎞ ⎛x(k+1)
1
⎞ ⎛0 −4 2 ⎞ ⎛x(k)
1
⎞ ⎛ 1⎞
⎜ ⎟ ⎜ (k+1) ⎟ ⎜ ⎟ ⎜ (k) ⎟ ⎜ ⎟
⎜−1 6 0⎟ ⎜x ⎟ = ⎜0 0 −1⎟ ⎜x ⎟ + ⎜1⎟
⎜ ⎟⎜ 2 ⎟ ⎜ ⎟⎜ 2 ⎟ ⎜ ⎟
⎜ ⎟ ⎜ (k+1) ⎟ ⎜ ⎟ ⎜ (k) ⎟ ⎜ ⎟
⎝ 0 −2 6⎠ ⎝x3 ⎠ ⎝0 0 0 ⎠ ⎝x3 ⎠ ⎝2⎠
(k) (k) (k) (k)
⎧ (k+1) b1 −a1,2 x2 −a1,3 x3 1−4x2 +2x3
⎪
⎪
⎪ x1 = a1,1 = 9
⎪
⎪
⎪ (k+1) (k) (k) (k+1) (k)
b2 −a2,1 x1 −a2,3 x3 1+x1 −x3
⎨x2 = a2,2 = 6
⎪
⎪
⎪ (k) (k) (k+1)
⎪
⎪ (k+1) b3 −a3,1 x1 −a3,2 x2 2+2x2
⎩x3
⎪ = a3,3 = 6

⎛1⎞
⎜ ⎟
Itération de Gauss Seidel : Pour le vecteur initial X (0) = ⎜ ⎟
⎜1⎟,
⎜ ⎟
⎝1⎠

@UP-Maths Résolution numérique des systèmes d’équations linéaires Analyse numérique

 17

⎛ −1/9 ⎞
⎜ ⎟
Itération 1 : X (1) = ⎜ ⎟
⎜ −1/54 ⎟
⎜ ⎟
⎝53/162⎠
⎛ 0.1920 ⎞
⎜ ⎟
Itération 2 : X (2) = ⎜
⎜0, 1441⎟
⎟
⎜ ⎟
⎝0, 3813⎠

@UP-Maths Résolution numérique des systèmes d’équations linéaires Analyse numérique