Scribd
Importer
87 vues7 pages

Résolution Matricielle: Gauss, Jacobi, Gauss-Seidel

Ce document décrit trois méthodes pour résoudre un système linéaire: la méthode directe par inversion de matrice, la méthode de Gauss et les méthodes itératives de Jacobi et Gauss-Seidel. Le système donné est résolu avec chaque méthode et les résultats sont comparés.

Transféré par

Ghïž Lanë
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
87 vues7 pages

Résolution Matricielle: Gauss, Jacobi, Gauss-Seidel

Ce document décrit trois méthodes pour résoudre un système linéaire: la méthode directe par inversion de matrice, la méthode de Gauss et les méthodes itératives de Jacobi et Gauss-Seidel. Le système donné est résolu avec chaque méthode et les résultats sont comparés.

Transféré par

Ghïž Lanë
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Manipulation 1 : Résolution matricielle par les méthodes directes

Réalise par : Encadrer par :


Ilyass Daouairi [Link]
A.U 22/23
I. But de TP :

Durant ce TP , nous allons implémenter les méthodes numériques de


résolution de systèmes d’équations linéaires (Méthode de Gauss , de
Jacobi et de Gauss-Seidel).

II. Enonce du TP :

Soit le système linéaire suivant :

𝐴 ∗ 𝑥 =𝑏

Où :

10 7 5 1
𝐴=[7 8 6] ; 𝑏 = [3]
8 9 5 4
❖Calculer 𝒙 = 𝒊𝒏𝒗(𝑨) ∗ 𝒃 .

• Par la méthode directe :


1
D’abord on calcul inv(A) en utilisant la formule inv(A)=[𝐴] ∗Adj(𝐴𝑡 ):

10 7 5
On a 𝐴=[7 8 6]
8 9 5
8 6 7 6 7 8
Donc [𝐴] = 10 ∗ [ ]−7∗[ ]+5∗[ ]
9 5 8 5 8 9
= 10 ∗ ((8 ∗ 5) − (6 ∗ 9)) − 7 ∗ ((7 ∗ 5) − (8 ∗ 6)) + 5 ∗
((7 ∗ 9) − (8 ∗ 8))
= 10 ∗ (40 − 54) − 7 ∗ (35 − 48) + 5(63 − 64)
= 10 ∗ (−14) − 7 ∗ (−13) + 5 ∗ (−1)
= −140 + 91 − 5
[𝐴] = −54
Et qu’on [A]≠0 , alors 𝐴−1 est existe
10 7 8
Maintenant on calcule Adj(𝐴𝑡 ) , Avec 𝐴𝑡 = ( 7 8 9)
5 6 5
8 9 7 9 7 8
+[ ] −[ ] +[ ]
6 5 5 5 5 6
7 8 10 8 10 7
Donc Adj(𝐴𝑡 ) = − [ ] +[ ] −[ ]
6 5 5 5 5 6
7 8 10 8 10 7
( + [ ] − [ ] + [ ]
8 9 7 9 7 8)
(40 − 54) −(35 − 45) (42 − 40)
= (−(35 − 48) (50 − 40) −(60 − 35))
(63 − 64) −(90 − 56) (80 − 49)
−14 10 2
Adj(𝐴𝑡 ) = ( 13 10 −25)
−1 −34 31
1
On sait que inv(A)=[𝐴] ∗Adj(𝐴𝑡 )

−14 10 2
−1
Donc inv(A)= 54 ∗ ( 13 10 −25)
−1 −34 31
Alors 𝑥 = 𝑖𝑛𝑣(𝐴) ∗ 𝑏
−14 10 2 1
−1
= ∗ ( 13 10 −25) ∗ (3)
54
−1 −34 31 4

24 −0.4444
−1
En fin on trouve 𝑥 = 54 ∗ (−84)=( 1.5556 )
21 −0.3889

• On utilisant MATLAB :

• A = [10 7 5 ; 7 8 6 ; 8 9 5];%les elements de la matrice A


• b = [1;3;4];%les elements de la matrice b
• X= inv(A)*b;%Calcul de x qui egale le produit de l'inverse de A et b

X=
-0.4444
1.0556
-0.3889
❖Résoudre ce système en utilisant la méthode de gauss , de
Jacobi et de Gauss-Seidel.

• La méthode de Gauss :

• Par la méthode directe :


10 7 5 1
𝐴 = [ 7 8 6] ; 𝑏 = [3]
8 9 5 4

L1
L2
L3

L1
10
= (L2* 7 )-L1
L3

L1
= L2
10
(L3* 8 )-L1
L1
= L2
L3

L1
= L2
124
(L3*199)-L2

L1
= L2
L3

En fin on trouve :
10𝑥1 + 7𝑥2 + 5𝑥3 = 1
31 25 23
𝑥2 + 𝑥3 =
7 7 7
−270 15
𝑥 =
{ 119 3 17
Alors
15 −119 −7
𝑥3 = ∗ = ⇒ 𝑥3 = −0.3889
17 270 18
31 25 −7 23 31 23 25 589 19
𝑥2 + ( ∗ )= ⇒ 𝑥 = + = = ⇒ 𝑥2 = 1.05556
7 7 18 7 7 2 7 18 126 18
19 −7 49 −40
{10𝑥1 + (7 ∗ 18) + (5 ∗ 18 ) = 1 ⇒ 10𝑥1 = 1 − 9
=
9
⇒ 𝑥1 = −0.444
𝑥1 −0.444
En fin x=(𝑥2 ) = ( 1.05556 )
𝑥3 −0.3889
• On utilisant MATLAB :

A=[10 7 5 ; 7 8 6 ; 8 9 5 ];
b=[1 3 4];
c=[10 7 5 1; 7 8 6 3; 8 9 5 4];
n= size(c,1);
x = zeros(n,1);
for i=1:n-1
for j=i+1:n
m = c(j,i)/c(i,i)
c(j,:) = c(j,:) - m*c(i,:)
end
end
x(n) = c(n,n+1)/c(n,n)
for i=n-1:-1:1
summ = 0
for j=i+1:n
summ = summ + c(i,j)*x(j,:)
x(i,:) = (c(i,n+1) - summ)/c(i,i)
end
end

x =
-0.4444
1.0556
-0.3889

Vous aimerez peut-être aussi