Algèbre linéaire numérique – L2 maths

Comment résoudre des systèmes linéaires en algèbre linéaire numérique pour ta L2 maths ? Apprends les méthodes et outils adaptés pour maîtriser ce cours.

Introduction à l’algèbre linéaire numérique

L’algèbre linéaire numérique est une branche des mathématiques qui se concentre sur les méthodes computationnelles permettant de résoudre des problèmes d’algèbre linéaire. En Licence 2 de mathématiques, tu approfondiras les notions de matrices, de vecteurs et de systèmes linéaires en utilisant des outils numériques adaptés. Cette discipline est fondamentale pour de nombreuses applications en informatique, physique, et ingénierie.

Les systèmes d’équations linéaires

Un système d’équations linéaires est un ensemble de plusieurs équations linéaires contenant plusieurs variables. L’objectif est de trouver les valeurs de ces variables qui satisfont toutes les équations simultanément. Par exemple :

{ 2x + 3y = 5
4x − y = 11 }

Résoudre ce système implique de déterminer les valeurs de x et y qui rendent les deux équations vraies en même temps.

Méthodes numériques pour résoudre les systèmes linéaires

Pour résoudre des systèmes d’équations linéaires, plusieurs méthodes numériques sont disponibles. Parmi celles-ci, les méthodes directes comme l’élimination de Gauss et les méthodes itératives telles que Jacobi et Gauss-Seidel sont couramment utilisées.

🛠️ Technique :
L’élimination de Gauss permet de transformer le système en une forme triangulaire supérieure, facilitant ainsi la résolution par substitution arrière.

Les matrices et leurs décompositions

Une matrice est un tableau rectangulaire de nombres disposés en lignes et en colonnes. Les décompositions matricielles sont des outils puissants pour simplifier les calculs. Par exemple, la décomposition LU factorise une matrice en le produit d’une matrice triangulaire inférieure et d’une matrice triangulaire supérieure.

Cette décomposition facilite la résolution de systèmes linéaires et le calcul de déterminants.

Calcul des valeurs propres

Les valeurs propres d’une matrice sont des scalaires associés aux vecteurs non nuls qui, lorsqu’ils sont multipliés par la matrice, ne changent que par un facteur. Le calcul de ces valeurs est crucial dans de nombreux domaines, tels que la régression et l’analyse factorielle.

💡 Astuce :
Utilise les méthodes itératives pour estimer les valeurs propres lorsque les matrices sont de grande taille.

Applications de l’algèbre linéaire numérique

L’algèbre linéaire numérique trouve des applications variées, notamment dans la discrétisation de problèmes d’équations aux dérivées partielles, la régression linéaire, et l’analyse factorielle. Ces techniques permettent de modéliser et de résoudre des problèmes complexes en utilisant des approches computationnelles efficaces.

Par exemple, en régression linéaire, on utilise les systèmes d’équations linéaires pour estimer les paramètres d’un modèle prédictif.

Pour approfondir tes connaissances, consulte les cours de mathématiques.

Méthode de Jacobi pour résoudre un système linéaire

Énoncé de l’exercice

Vous disposez du système d’équations linéaires suivant :


3x + y + z = 5 🧮
x + 4y + z = 6 📐
x + y + 5z = 7 📏


Utilisez la méthode de Jacobi pour trouver une approximation des solutions avec deux itérations.

Instructions

1. 🔍 Isoler chaque variable dans les équations données.
2. 📝 Initialiser une estimation initiale pour chaque variable (par exemple, x⁽⁰⁾ = 0, y⁽⁰⁾ = 0, z⁽⁰⁾ = 0).
3. 🔄 Appliquer la méthode de Jacobi pour chaque itération :
   • Calculer x^(k+1) en utilisant les valeurs de y^(k) et z^(k).
   • Calculer y^(k+1) en utilisant les valeurs de x^(k) et z^(k).
   • Calculer z^(k+1) en utilisant les valeurs de x^(k) et y^(k).

4. Calculer x^(k+1) en utilisant les valeurs de y^(k) et z^(k).
5. Calculer y^(k+1) en utilisant les valeurs de x^(k) et z^(k).
6. Calculer z^(k+1) en utilisant les valeurs de x^(k) et y^(k).
7. ✅ Répéter le processus pour le nombre d’itérations souhaité.
8. 💡 Conseil : Assurez-vous de mettre à jour toutes les variables simultanément à chaque itération.

• Calculer x^(k+1) en utilisant les valeurs de y^(k) et z^(k).
• Calculer y^(k+1) en utilisant les valeurs de x^(k) et z^(k).
• Calculer z^(k+1) en utilisant les valeurs de x^(k) et y^(k).

Correction

🔍 Étape 1 : Isolons chaque variable :

• x = (5 – y – z) / 3
• y = (6 – x – z) / 4
• z = (7 – x – y) / 5

📝 Étape 2 : Estimations initiales :

• x⁽⁰⁾ = 0
• y⁽⁰⁾ = 0
• z⁽⁰⁾ = 0

🔄 Étape 3 : Première itération (k = 0) :

• x⁽¹⁾ = (5 – 0 – 0) / 3 = 1.6667
• y⁽¹⁾ = (6 – 0 – 0) / 4 = 1.5
• z⁽¹⁾ = (7 – 0 – 0) / 5 = 1.4

🔄 Étape 4 : Deuxième itération (k = 1) :

• x⁽²⁾ = (5 – 1.5 – 1.4) / 3 = 0.3667
• y⁽²⁾ = (6 – 1.6667 – 1.4) / 4 = 0.7333
• z⁽²⁾ = (7 – 1.6667 – 1.5) / 5 = 0.5667

✅ Réponse finale : Après deux itérations, les approximations des solutions sont :

• x ≈ 0.3667
• y ≈ 0.7333
• z ≈ 0.5667

Résolution numérique d’un système linéaire par itérations

Énoncé de l’exercice

Soit le système suivant :
4x – y + z = 7 📘
2x + 6y – 4z = 4 📗
-x + y + 5z = 3 📕

Appliquez la méthode de Gauss-Seidel pour déterminer une approximation des variables (x, y, z) après une itération. Commencez avec x₀ = 0, y₀ = 0, z₀ = 0. 🔍

Instructions

1. 🔄 Réarrange les équations pour isoler chaque variable.
2. 📊 Insérez les valeurs initiales pour calculer les nouvelles valeurs des variables.
3. ✔️ Vérifiez vos calculs pour chaque variable.

Correction

📝 Étape 1 : Réarranger les équations pour isoler x, y et z :

x = (7 + y – z)/4
y = (4 – 2x + 4z)/6
z = (3 + x – y)/5

🔢 Étape 2 : Utiliser les valeurs initiales x₀ = 0, y₀ = 0, z₀ = 0 :

x₁ = (7 + 0 – 0)/4 = 7/4 = 1.75

y₁ = (4 – 0 + 0)/6 = 4/6 ≈ 0.6667

z₁ = (3 + 0 – 0)/5 = 3/5 = 0.6

🟢 Solution après une itération : x ≈ 1.75, y ≈ 0.6667, z ≈ 0.6

Résolution numérique d’un système linéaire

Énoncé de l’exercice

📘 Résolvez le système linéaire suivant en utilisant la méthode de Gauss :

2x + 3y – z = 5 📐

4x + 4y – 3z = 3 🧮

-2x + 3y + 2z = 7 ✏️

Astuce : Assurez-vous de bien simplifier les équations à chaque étape pour faciliter la résolution.

Instructions

1. 🔍 Écrire le système sous forme matricielle.
2. 🛠️ Appliquer la méthode de Gauss pour transformer la matrice en forme échelonnée.
3. 🔄 Effectuer le retour arrière pour trouver les valeurs des variables.
4. ✅ Vérifier les solutions obtenues en les substituant dans les équations initiales.

Correction

📝 Étape 1 : Écrivons le système sous forme matricielle augmentée :


| 2   3   -1   |   5 |
| 4   4   -3   |   3 |
| -2   3   2   |   7 |

🛠️ Étape 2 : Utilisons la méthode de Gauss pour obtenir des zéros sous le premier pivot.

– Multiplions la première ligne par 2 et soustrayons-la de la deuxième ligne :


L2 = L2 – 2×L1 ⇒ | 0   -2   -1   |   -7 |


– Ajoutons la première ligne à la troisième ligne :


L3 = L3 + L1 ⇒ | 0   6   1   |   12 |

🔄 Étape 3 : Simplifions la deuxième et la troisième ligne.

– Divisons la deuxième ligne par -2 :


L2 ⇒ | 0   1   0.5   |   3.5 |


– Divisons la troisième ligne par 6 :


L3 ⇒ | 0   1   0.166…   |   2 |

✅ Étape 4 : Effectuons le retour arrière.

– De la deuxième équation : y + 0.5z = 3.5 ⇒ y = 3.5 – 0.5z

– Substituons y dans la troisième équation :

1(3.5 – 0.5z) + 0.166z = 2 ⇒ 3.5 – 0.5z + 0.166z = 2 ⇒ -0.334z = -1.5 ⇒ z ≈ 4.49

– Substituons z dans y = 3.5 – 0.5z :

y ≈ 3.5 – 0.5×4.49 ≈ 1.755

– Substituons y et z dans la première équation :

2x + 3(1.755) – 4.49 ≈ 5 ⇒ 2x + 5.265 – 4.49 ≈ 5 ⇒ 2x ≈ 4.225 ⇒ x ≈ 2.1125

📌 Solutions : x ≈ 2.11, y ≈ 1.76, z ≈ 4.49

Tu as acquis une bonne maîtrise des méthodes numériques et de l’algèbre linéaire. Continue à t’exercer sur les systèmes linéaires pour renforcer tes compétences.

Besoin d’aide supplémentaire ? Découvre nos cours particuliers pour progresser davantage.