D’ANALYSE

Cycle ingénieur 1
Génie civil

METHODE DE JACOBI

GROUPE 1 Sous la direction

de :
➢ DOUMBIA Doriane
➢ BESSELET Lauren Pr. Mohamed

➢ HAMDANI Fayzna LATIFI

➢ BOBO Ordus
➢ KOUAME Terence
➢ YAPI Sosthène
Année universitaire 2023/2024
Introduction

L'analyse numérique est une branche des mathématiques appliquées qui étudie les méthodes pour
résoudre numériquement des problèmes mathématiques, souvent impossibles à résoudre
exactement. Parmi les nombreux problèmes traités en analyse numérique, la résolution de systèmes
linéaires occupe une place centrale. Les systèmes linéaires apparaissent dans de nombreuses
applications, telles que la résolution d'équations différentielles, la simulation de phénomènes
physiques, ou encore la modélisation en ingénierie.

Dans ce rapport, nous nous intéressons à la méthode de Jacobi, l'une des premières méthodes
itératives développées pour résoudre des systèmes linéaires. Cette méthode porte le nom du
mathématicien allemand Carl Gustav Jacob Jacobi et a été introduite au 19e siècle. Bien que des
méthodes plus avancées aient depuis été développées, la méthode de Jacobi reste un sujet d'étude
important en analyse numérique en raison de sa simplicité conceptuelle et de sa facilité
d'implémentation.

L'objectif de ce travail pratique est d'implémenter la méthode de Jacobi dans MATLAB et d'étudier
son comportement pour différents types de systèmes linéaires. Nous commençons par décrire en
détail la méthode de Jacobi, en expliquant son fonctionnement et les conditions requises pour sa
convergence. Ensuite, nous présentons notre implémentation dans MATLAB, en fournissant des
extraits de code pertinents.

Nous évaluons ensuite la performance de la méthode de Jacobi à l'aide d'exemples numériques.

Nous analysons la vitesse de convergence de l'algorithme en fonction du critère d'arrêt choisi et
comparons ses performances avec d'autres méthodes itératives. Enfin, nous discutons des
avantages et des limitations de la méthode de Jacobi et tirons des conclusions sur son utilisation
en pratique.

I- La méthode de Jacobi

La méthode de Jacobi est une méthode itérative utilisée pour résoudre des systèmes d'équations
linéaires. Elle est particulièrement efficace pour résoudre des systèmes de grande taille où la
matrice des coefficients est diagonalement dominante ou à une structure similaire. La méthode de
Jacobi est simple à comprendre et à mettre en œuvre, ce qui en fait une méthode populaire en
analyse numérique.
L'idée fondamentale de la méthode de Jacobi est de transformer un système linéaire 𝐴𝑥=𝐵Ax=B
en une suite d'itérations 𝑥(𝑘+1)=𝐷−1(𝐵−(𝐿+𝑈)𝑥(𝑘))x(k+1)=D−1(B−(L+U)x(k)), où
𝐴=𝐷−𝐿−𝑈A=D−L−U est la décomposition de la matrice 𝐴A en ses composantes diagonale,
inférieure et supérieure, respectivement. À chaque itération, une estimation de la solution 𝑥x est
mise à jour en fonction de l'estimation précédente.

La méthode de Jacobi converge vers la solution exacte du système 𝐴𝑥=𝐵Ax=B si la matrice 𝐴A

est diagonalement dominante ou si elle est symétrique définie positive. La convergence de la
méthode dépend également du critère d'arrêt utilisé, tel que la norme de la différence entre deux
itérations successives étant inférieure à une certaine tolérance.

En pratique, la méthode de Jacobi peut être implémentée de manière efficace en utilisant des outils
de calcul matriciel, tels que MATLAB. En ajustant les paramètres de la méthode, tels que les
valeurs initiales et le critère d'arrêt, il est possible d'obtenir des résultats précis dans un nombre
fini d'itérations pour de nombreux systèmes linéaires.

En conclusion, la méthode de Jacobi est une méthode itérative simple mais puissante pour résoudre
des systèmes d'équations linéaires. Elle peut être utilisée efficacement pour résoudre des problèmes
numériques complexes dans divers domaines, tels que l'ingénierie, les sciences physiques et les
sciences de la vie.

1- Partie théorique de la méthode de Jacobi

𝐴𝑋 = 𝑏

𝐴=𝑀−𝑁

(𝑀 − 𝑁)𝑋 = 𝑏 ⟺ 𝑀𝑋 − 𝑁𝑋 = 𝑏

⟺ 𝑀𝑋 = 𝑁𝑋 + 𝑏 ⟺ 𝑀−1 𝑀𝑋 = 𝑀−1 𝑁𝑋 + 𝑀−1 𝑏

𝑋 = 𝑀−1 𝑁𝑋 + 𝑀−1 𝑏

On a 𝑀−1 𝑁 = 𝐵

⟹ 𝑋 = 𝐵𝑋 + 𝑀−1 𝑏

𝑋 (0) 𝑣𝑒𝑐𝑡𝑒𝑢𝑟 𝑑𝑒 𝑑é𝑝𝑎𝑟𝑡

{
𝑋 (𝑘+1) = 𝑀−1 𝑁𝑋 𝑘 + 𝑀 −1 𝑏
𝐴=𝐸+𝐷+𝐹

0 ⋯ 0
𝐸 = {𝑎21 0 ⋮}
𝑎𝑛1 𝑎𝑛1+1 0

𝑎11 ⋯ 0
𝐷={ ⋮ 𝑎22⋱ ⋮ }
0 ⋯ ⋱ 𝑎𝑛𝑛

0 𝑎12 𝑎1𝑛 ⋮
𝐹 = {0 0 ⋱ 𝑎𝑛𝑛+𝑛 ⋮}
0 ⋯ ⋱ 𝑎𝑛𝑛
𝑎𝑛 𝑎12 ⋯ 𝑎1𝑛
{𝑎21 𝑎22 ⋮ ⋯ }=𝐸+𝐷+𝐹
𝑎𝑛1 𝑎𝑛2 ⋮ ⋯ 𝑎𝑛𝑛

On a

𝐴=𝑀−𝑁 =𝐸+𝐷+𝐹

𝑀=𝐷

𝑁 = −(𝐸 + 𝐹)

D’où

𝑋 𝑘+1 = 𝐷−1 (−𝐸 − 𝐹)𝑋 𝑘 + 𝐷−1 𝑏

Les conditions de la convergence

a. |𝑎𝑖𝑖 | > ∑𝑛𝑗=𝑗+𝑖|𝑎𝑖𝑗 | = 1,2, … 𝑛

b. ∑𝑖𝑗=1 ∑ |𝑎𝑖𝑗 | < 1

c. 𝜑(𝑀−1 𝑁) < 1 𝜑: (𝑙𝑒 𝑟𝑎𝑦𝑜𝑛 𝑠𝑝𝑒𝑐𝑡𝑟𝑎𝑙𝑒)

𝑎11 𝑋1 + 𝑎12 𝑋2 + ⋯ 𝑎1𝑛 𝑋𝑛 = 𝑏1

{ 𝑎21 𝑋1 + 𝑎22 𝑋2 + ⋯ 𝑎2𝑛 𝑋𝑛 = 𝑏2
𝑎𝑛1 𝑋1 + 𝑎𝑛2 𝑋2 + ⋯ 𝑎𝑛𝑛 𝑋𝑛 = 𝑏𝑛
 𝑎11 𝑋1 = 𝑏1 − (𝑎12 𝑋2 + ⋯ 𝑎1𝑛 𝑋𝑛 )
{ 𝑎22 𝑋1 = 𝑏2 − (𝑎21 𝑋1 + ⋯ 𝑎2𝑛 𝑋𝑛 )
𝑎𝑛𝑛 𝑋𝑛 = 𝑏𝑛 − (𝑎𝑛1 𝑋1 + 𝑎𝑛2 𝑋2 ⋯ 𝑎𝑛𝑛−1 𝑋𝑛−1 )

𝑛
1 (𝑘) (𝑘) 1
𝑋1𝑘+1 = (𝑏1 − 𝑎12 𝑋1 − ⋯ 𝑎1𝑛−1 𝑋𝑛 ) = (𝑏 − ∑ 𝑎𝑛𝑗 𝑋𝑗
𝑎11 𝑎11 1
𝑗=2
𝑛
1 (𝑘) (𝑘) 1
𝑋2𝑘+1 = (𝑏2 − 𝑎21 𝑋1 ⋯ 𝑎2𝑛−1 𝑋𝑛 ) = (𝑏 − ∑ 𝑎2𝑗 𝑋𝑗
𝑎22 𝑎22 2
𝑗=1
𝑛−1
1 (𝑘) (𝑘) 1
𝑋𝑛𝑘+1 = (𝑏𝑛 − 𝑎𝑛1 𝑋1 ⋯ 𝑎𝑛𝑛−1 𝑋𝑛−1 ) = (𝑏 − ∑ 𝑎𝑛𝑗 𝑋𝑗
𝑎𝑛𝑛 𝑎𝑛𝑛 𝑛
{ 𝑗=1

On a

𝑛
1
𝑋𝑖𝑘+1 = (𝑏 − ∑ 𝑎𝑖𝑗 𝑋𝑗𝑘 ) (𝑖 = 1 … 𝑛)
𝑎𝑖𝑖 𝑖
𝑗=1

Test d’arrêt

|𝑋𝑖𝑘+1 − 𝑋𝑖𝑘 | ≤ 𝜀 𝜀: 𝑡𝑜𝑙é𝑟𝑎𝑛𝑐𝑒

2- Partie pratique sur MATLAB (Implémentation)

Les étapes que nous avons suivis :

Définir la matrice A et le vecteur b de l'équation Ax = b

Demander à l’utilisateur d’entrer le type de matrices NXN pour le premier vecteur A et

demander le second vecteur B.
 Par la suite faut entrer le programme de Jacobi et le nombre d’itinérance maximum.

Enfin faut afficher les résultats

Conclusion

En conclusion, notre étude de la méthode de Jacobi en analyse numérique a mis en lumière

plusieurs aspects importants de cette méthode itérative classique. Nous avons vu comment la
méthode de Jacobi peut être utilisée pour résoudre efficacement des systèmes d'équations linéaires,
en particulier lorsque la matrice des coefficients est diagonalement dominante ou symétrique
définie positive.
Nous avons implémenté la méthode de Jacobi dans MATLAB et l'avons testée sur différents
exemples numériques. Nous avons observé que la méthode de Jacobi converge vers la solution
exacte pour les systèmes compatibles, bien que sa vitesse de convergence puisse varier en fonction
des propriétés de la matrice des coefficients et des paramètres choisis.

En comparant la méthode de Jacobi à d'autres méthodes itératives, nous avons constaté que la
méthode de Jacobi peut être moins efficace en termes de vitesse de convergence dans certains cas,
notamment pour les matrices mal conditionnées. Cependant, sa simplicité conceptuelle et sa
facilité d'implémentation en font une méthode attrayante dans de nombreuses applications
pratiques.

En conclusion, la méthode de Jacobi reste une méthode utile et pertinente en analyse numérique,
en particulier pour les problèmes où la matrice des coefficients présente des propriétés favorables.
Son étude nous a permis de mieux comprendre les principes fondamentaux des méthodes itératives
pour la résolution de systèmes linéaires, ce qui est essentiel pour aborder des problèmes plus
complexes en mathématiques appliquées.