You are on page 1of 3

1

Mthodes itratives de Gauss-Seidel et Jacobi


Thorme 1. On note A = (ai,j )1i,jn GLn (K) et b = (bi )1in et on sinteresse la
rsolution par des mthodes numriques itratives du systme Ax = b. Alors,
si A est diagonale strictement dominante, les mthodes de Jacobi et de Gauss-Seidel
convergent.
si A Sn++ (R), la mthode de Gauss-Seidel converge.
Dmonstration. :
Etape 1 : montrons que la mthode de Jacobi converge si A est diagonale strictement dominante. Remarquons tout dabord que la dcomposition de la mthode de Jacobi est bien dfinie.
En effet, A tant diagonale strictement dominante, on a bien pour tout i [[1, n]], |ai,i | > 0 et
D est bien inversible.
Mthode 1. Il suffit de montrer lexistence dune norme matricielle k.k telle que B = M 1 N
vrifie : kBk = kD1 (E + F )k < 1.
En considrant la norme k.k sur Kn , la norme de B subordonne la norme k.k est donne
n
P
par : kBk = max
|bi,j |. On a alors :
1in j=1

B=D

(E + F )

1
a11

0
=
.
..
0

...

0
..
.
..
.

a1
22
..

.
...

...

a1
n,n

a1,2

a2,1

.
..

a1,n

..

an1,n
0

...

0
..

an,1

an,n1

...

ce qui nous donne pour tout i [[1, n]], bi,i = 0 et i 6= j, bi,j =

ai,j
(1 ). Alors, pour tout
ai,i

i [[1, n]], on a :
n
P

|bi,j | =

j=1

|bi,j | =

j6=i

P ai,j
1 P
|ai,j | < 1
|=
|
|ai,i | j6=i
j6=i ai,i

Do kBk < 1 et la mthode de Jacobi converge.


Etape 2 : montrons que la mthode de Gauss-Seidel converge si A est diagonale strictement
dominante. Remarquons comme dans ltape 1, que la dcomposition de Gauss-Seidel est bien
dfinie. En effet, M = D E est triangulaire infrieure et ses termes diagonaux sont non nuls
comme vu prcdemment.
Mthode 2. Montrons par un raisonnement par labsurde que (B) < 1, ce qui assurera la
convergence de la mthode.
Soit C une valeur propre de B = M 1 N = (D E)1 F et x 6= 0 un vecteur propre associ.
On suppose par labsurde que || 1. Alors, (D E)1 F x = x F x = (D E)x ce qui
nous donne :


a1,1
0
...
0
0 a1,2 . . .
a1,n
x1
x1

.. x

x2
0
.
.
.
a

2,n
a2,1 a2,2
. 2


..
.. =
.
.

.
.
.
.
.
. an1,n .
..
..
0 .
0
...
...
0
xn
xn
an,1 . . . . . . an,n
soit i [[1, n]],

n
P
j=i+1

ai,j xj =

i
P

ai,j xj puis :

j=1

ai,i xi =

n
P

ai,j xj +

j=i+1

i1
P

ai,j xj

j=1

Soit i [[1, n]] tel que |xi | = max |xk | (x 6= 0 = xi 6= 0). Pour un tel i, on a :
1kn

n
i1
P
1
1 P
|
ai,j xj +
ai,j xj |
|ai,i | =
|xi | j=i+1
|x
i|
j=1

n
P

|ai,j |.|xj | + ||

j=i+1

i1
P

!
|ai,j |.|xj |

j=1

et donc comme || 1 :
|||ai,i |= |ai,i | ||

n
P

|ai,j | + ||

j=i+1

Do || 1 = |ai,i |

i1
P

|ai,j | ||

j=1

|ai,j |

j6=i

|ai,j |, absurde. Ainsi, (B) < 1 et la mthode de Gauss-Seidel

j6=i

converge.

Etape 3 : Soit A Sn++ (R), vrifions pour commencer que M = D E est bien inversible.
Comme D E est triangulaire infrieure, il suffit de montrer que ces coefficients diagonaux sont
non nuls. Or, A tant dfinie positive, pour le vecteur colonne Xi o seul le i-me coefficient est
non nul et vaut 1, on a :
t

Xi AXi = ai,i > 0 et donc M = D E est bien inversible.

Mthode 3. montrons que (B) < 1, ce qui assurera la convergence de la mthode.


Soit donc C une valeur propre de B = M 1 N = (D E)1 F et x 6= 0 un vecteur propre de
B pour la valeur propre . A priori x Cn , considrons alors le produit scalaire hermitien :
< x, (D E)x F x >

< x, Ax >=

= < x, (D E)x > < x, F x > (1)


Alors, comme M 1 N x = x N x = M x F x = (D E)x, on a aussi :
< x, Ax >= < x, (D E)x > < x, (D E)x >
(1 ) < x, (D E)x > (2)

=
Soit x = x1 + iy1 o x1 , y1 R. Alors :
< x, Ax >=

< (x1 + iy1 ), A(x1 + iy1 ) >

= < x1 , Ax1 > +i < x1 , Ay1 > i < y1 , Ax1 > i i < y1 , Ay1 >
=

< x1 , Ax1 > +i < x1 , Ay1 > i < x1 , Ay1 > + < y1 , Ay1 >
< x1 , Ax1 > + < y1 , Ay1 >
{z
} |
{z
}
|

>

0 car A dfinie positive, avec x 6= 0

On dduit de la relation (2) que 6= 1 car < x, Ax > R+ . Comme les coefficients diagonaux de
D sont strictement positifs, D est symtrique dfinie positive et en particulier < x, Dx > R+ ,
en explicitant le calcul comme pour < x, Ax >. On en dduit que < x, Ax > =< x, Ax > et
< x, Dx > =< x, Dx >. Vrifions que < x, Ex > =< x, F x >. Comme A est symtrique relle,
on a :
t

E = F , E = E et F = F

et ainsi < x, Ex > = t xEx = t xEx =


conjugu de la relation (2), on a :

(Ex)x =

x t Ex =

xF x =< x, F x >. En prenant le

< x, Ax >= (1 )(< x, Dx > < x, F x >) (3)


Puis, en faisant

1
1
1
1
(2) +
(3) (1) on a (
+
1) < x, Ax >=< x, Dx >. Do :
1
1

1
1

(1 ) + (1 ) |1 |2
1 ||2
< x, Ax >=
< x, Ax >=< x, Dx >
2
|1 |
|1 |2
Comme < x, Dx > R+ et < x, Ax > R+ , on a || < 1 et donc (B) < 1, soit la convergence
de la mthode de Gauss-Seidel

Rappels
Rappel 1. A est dit diagonale strictement dominante si |ai,i | >

n
P
j6=i

|ai,j | pour tout i [[1, n]].

Mthodologie gnrale

On considre K = R ou C. Soit A GLn (K) et b Kn . On cherche une approximation de


x Kn solution de Ax = b. Pour cela on pose A = M N o M est facile inverse (orthogonale,
triangulaire) et on considre la suite itrative :
xk+1 = M 1 N xk + M 1 b () et on note B = M 1 N .
Si la suite (xk )kN converge, alors sa limite x doit vrifier :
x = M 1 N x + M 1 b M x = N x + b Ax = (M N )x = b.
Dfinition 1. On dit que lalgorithme itratif () converge si pour tout b Kn et tout x0 Kn ,
la suite itrative converge vers la solution x = A1 b ie lim kxk xk = 0. Notant ek = xk x
k7+

lerreur la k-me iteration, on a alors


ek+1 = Bek = ek = B k e0
et lalgorithme converge donc si pour tout e0 ,

lim

k7+

B k e0 = 0.

Proposition 1. (Critres de convergence) Les propositions suivantes sont quivalentes :


1. La mthode est convergente.
2. (B) = (M 1 N ) < 1 o dsigne toujours le rayon spectral.
3. kBk < 1 pour au moins une norme matricielle k.k
4. Pour tout v Kn , lim B k v = 0.
k7

Remarque 1. Pour une dmonstration des quivalences de la proposition 1 voir Rouvire ex 12


sur le rayon spectral.

1.1

Mthode de Jacobi et Gauss-Seidel.

Pour A GLn (K) on dsigne par :


E, la matrice triangulaire strictement infrieure issue de A.
D, la matrice diagonale issue de A
F , la matrice triangulaire strictement suprieure issue de A.
mthode
Jacobi
Gauss-Seidel

dcomposition
B = M 1 N
A = M N = D (E + F ) D1 (E + F )
A = M N = (D E) F (D E)1 F

You might also like