Beruflich Dokumente
Kultur Dokumente
Systmes linaires dquation (S) :AX=b Avec A une matrice (n,n) A=( )
Mthodes de rsolution de :AX=b Mthodes directes Mthode de GAUSS Mthode LU Mthode de Cholesky Ces mthodes sont pratiques pour les matrices pleines. Mthodes itratives Mthodes de GAUSS-Seidel Mthode de Jacobi Efficaces sur les matrices creuses .
Mthodes de relaxation
Pivot Total : On permute la fois lignes et colonnes Pivot partiel : On permute uniquement les lignes Exemple1 : Rsoudre (S)={ Forme matricielle de (S) : AX=b A=( ) X=( ) b=( )
Rappel : Une ligne pivot Li est telle que son lment diagonal non nul. On ne peut prendre L1 comme ligne pivot pour procder llimination de Gauss il faudra inter-changer, par exemple,L1 et L3 avec L1 L3
Rsolution de (S)
L1
( =
Elimination de x2 :
Elimination de Gauss ( A ) ( )
T :Triangulaire suprieure
X=(
En rsum :
){
Elimination de x2 : ( ){
),
La mthode du pivot de Gauss implique la transformation de A : Calculs compliqus si la matrice est pleine, on utilise une matrice augmente (A/b) Remarque : Elments pivots proches de O. En calcul numrique, la mthode de Gauss pose un problme de Conditionnement lorsque les lments pivots son proches de zros. Exemples :
{ En notation flottante { Elimination de (0.1502. -0.1401. = 0.2501. =0.2501. =0.1002. prs : (0.15020000. - 0.14030515. ) =(0.25010000. =0.10021433. On retrouve 2 valeurs diffrentes de Exemple2 - 0.14070545. ) -0.1404. ) = )
0.1403.
prs et
prs.
prs :
2. Mthode de Factorisation LU
But= Resoudre AX=b Comment ? En factorisant la matrice A sous forme de 2 matrices triangulaire notes : L(matrice triangulaire infrieure)(lower) et U(matrice triangulaire suprieure)(upper) Exemple :On crit A sous la forme A [ ]= LU =[ ][ ]
La factorisation LU se fait en 2 tapes : Dterminer L Trouver U sachant que AX=LUX=b a. Dtermination de L : Dans une dcomposition LU,la matrice L est une matrice triangulaire infrieure qui est telle que tous ses lments daigonaux sont gaux 1. (S) :AX=b avec A(n,n) L de format (n,n) / {
L =*
(i
sont en fait les coefficients mutiplicateurs. Des lignes de la matrice augment de (s).
b. Calcul de U
Remarque : detL=1 et L EST INVERSIBLE ; AX=b AX=LUX=b b
A=[
] b=[
A=[
]=[
][
Rgle de dcomposition LU dune matrice Si un matrice est directement transformable par limination de Gauss alors elle admet une dcomposition LU. Formule de dcomposition LU A=( U=( )1 )1 ,j ,j L=( 1 ,j avec {
avec {
3. METHODE DE CHOLESKY
Soit A une matrice carre symtrique dfinie positive ( tXAX On appelle dcomposition de Cholesky toute transformation de A sous la forme A= L.tL (L=matrice triangulaire infrieure) Exemple :
A=[
X=( ]( ) 2 (2 ) )
XAX =(
.[ . 4
t t
Dvelopper et utiliser les proprits de la forme quadratique pour dterminer le signe. a. Dcomposition de Cholesky : A=[ ]= [
L
][
t
]
L
A= L. tL Remarque :La mthode de cholesky est analogue une dcomposition LU avec U= tL (L peut ne pas tre normalise) Forme normalise : A=( )
A= ( )
En effet : D=( =(
1/2
L D1/2 =M
t
MtM= L D1/2 D1/2 tL = LD tL=A Mthode de cholesky: A =( L D1/2) t(L D1/2 t) L es obtenue par factorisation LU de la matrice A D est la matrice compose des lments diagonaux de A
c. Formule de dcomposition
A= L tL = = i= 2,,n
L= (
, i=2,,n
) , k=j+1,, n
A =A XAX 0
= =
= =
=4 =5
=1/4 (-5-(7.1))=-3 Do A =( )( )
LY=b avec tLX =Y Y connue tLX =Y Rsolution de LY=b (Y= tLX ) Y reprsente les inconnues avec Y=( )
( LY=b {
) ( )=(
do Y= ( (
) =L-1 b
On rsout tLX =Y )( ) = ( )
do X=(
II.
g est une application linaire On applique la mthode du point fixe lquation AX=b Soit Q de mme format que A telle que detQ on a : QX=QX AX+b Puisque Q est inversible, on a :
X= X=
Relation de reccurence : = = g( (Q A) + b
) avec g linaire.
Mthodes de Relaxation Mthode de Jacobi : Q=D avec D=( Methode de Gauss-Seidel :Q=L+D A=( ) )
1. Methode de Jacobi
But : rsoudre AX=b Les lments dune suite engendre par une itration de Jacobi sont de la forme : = (D A) + b
Conditions de convergence: La methode converge si (I-A)=max{| | ,si le rayon spectral de I-A est infrieur 1.
=-1/4(2-x)=1 = ((L+D) A) + b
Exemple : Rsoudre AX=b ( )( ) =( Jacobi Gauss-Seidel donc D est inversible On a : D=( ) L=(
) en utilisant :
Mthode de Jacobi : = =( (D A) + ) b
D-A=(
=(
b=(
)(
=(
+(
Q=L+D = = (I =( (Q A) A) + + ) =( b b )
A=(
)(
)= (
b=(
)(
)= (
A =(
=(
+(
Exemple de Norme : i) ii) iii) Norme euclidienne = Norme =max| | Norme matricielle =
A ( Elle vrifie les axiomes suivants et si alors X=0n | | pour tout scalaire A ( Par definition: =max = max( ) ,
a. Normes matricielles
Soit A (matrice (n,n)) Exemples : Norme de Frobenius | | | | | |
Norme L1 : Norme :
Norme L2 :
Exemple : norme de A (
Rsoudre : AX=b On construit une suite suivant la rlation : = = THEOREME : Une mthode itrative converge ssi : Ou de faon quivalente si Conditionnement dun systme linaire : Exemple :
Mauvais conditionnement
Exemple : Perturbation du 2nd membre : On considre (S) ={ Solution exacte : xe =0.5 ; ye =-0.5 On introduit un terme derreur trs petit, on a :
(S ) { Solution perturb pour = =0.5+ 5000.5 =-0.5+ 4999.5 Soit : =0.5+ 5 =-0.5+ 4.99 Solution exacte : x=0.5 ;y=-0.5 (S) est mal conditionn car une lgre variation du 2nd membre a entrain une grande perturbation des rsultats. PROPOSITION1 : Un systme (S) est bien conditionn si sa valeur absolue des lments diagonaux de A sont strictement suprieurs aux autres coefficients de A. =0.001
est une norme matricielle Remarque : On a toujours K(A) Une matrice est bien conditionne si K(A)=1 Exemple :matrice ortogonales(unitaire) En gnral , on acceptera les matrices A tel que K(A) K(A) est un facteur damplification des erreurs. PROPOSITION2: Perturbation du 2nd membre. Soit Xl solution de AX=b,on note Y=X+ Alors
PROPOSITION3 : Perturbation de A On a :