REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET
POPULAIRE
MINISTERE DE L'ENSEIGNEMENT SUPERIEUR ET
DE LA RECHERCHE
SCIENTIFIQUE
UNIVERSITE DES FRERES MENTOURI
CONSTANTINE
FACULTE DES SCIENCES DE
L'INGENIEUR
DEPARTEMENT D'ELECTROTECHNIQUE
MASTER 1 RESEAUX ELECTRIQUE
2018/2019
TP 01:MéTHODE NUMERIQUE
RESOLUTION D’EQUATION LINEAIRE
Réaliser par :
*MOUELLEF ALI
*YOUNES FAYCAL
L’ENSEGNIANTE:
Dr : BELATEL
1
1. Introduction
En mathématiques et particulièrement en algèbre linéaire, un système
d'équations linéaires est un système d'équations constitué d'équations
linéaires qui portent sur les mêmes inconnues. La résolution des systèmes
d'équations linéaires appartient aux problèmes les plus anciens dans les
mathématiques et ceux-ci apparaissent dans beaucoup de domaines, comme
en traitement numérique du signal, en optimisation linéaire, ou dans
l'approximation de problèmes non linéaires en analyse numérique.
résoudre une équation consiste à trouver les valeurs qui la vérifient
donc une équation linéaire et un système d’équation constitué d’équation
linéaire qui portent sur les même inconnues
2. LE BUT DE TP :
Dans ce TP, nous allons voir comment résoudre des équations
linéaires
2
• Système à 2 inconnues et une équation
% x1 – 3x2 = 6 équivaut à x1 = 6 + 3*x2
x2=-10:10
x1=6+3*x2
subplot(2,2,1)
plot(x1,x2)
gtext('x1–3*x2=6')
xlabel('x1')
ylabel('x2')
3
. Systèmes à 2 inconnues et 2 équations
% x1 – 3x2 = 6 équivaut à x1 = 6 + 3*x2
% 2x1 – x2 = 1 équivaut à x1 = 0.5 + 0.5*x2
x2=-10:10
x1=6+3*x2
subplot(2,2,1)
plot(x1,x2)
gtext('x1–3*x2=6')
xlabel('x1')
ylabel('x2')
hold on
x1=0.5+0.5*x2
plot(x1,x2,'r')
gtext('x1=0.5+0.5*x2')
4
Ici, les 2 droites sont parallèles : il n’existe aucune solution.
% 3x1 – x2 = 4 équivaut à x1 = (4 + x2)/3
% 3x1 – x2 = 7 équivaut à x1 = (7 + x2)/3
x2=-10:10
x1=(4 + x2)/3
subplot(2,2,1)
plot(x1,x2)
gtext('x1 = (4 + x2)/3')
xlabel('x1')
ylabel('x2')
hold on
x1=(7 + x2)/3
plot(x1,x2,'r')
gtext('x1=(7 + x2)/3')
hold off
5
. Systèmes à 2 inconnues et 3 équations :
%Systèmes à 2 inconnues et 3 équations
% x1 - 4x2 = 3 équivaut à x1 = 3 + 4*x2
hold on
x1=6+3*x2
subplot(2,2,4), plot(x1,x2)
gtext('x1=6+3*x2')
hold on
x1=0.5+0.5*x2
subplot(2,2,4)
plot(x1,x2)
gtext('x1=0.5+0.5*x2')
xlabel('x1')
ylabel('x2')
hold on
x1=3+4*x2
subplot(2,2,4), plot(x1,x2)
gtext('x1=3+4*x2')
6
. Représentation matricielle des systèmes d’équations
Un système de m équations à n inconnues x1, x2, ...xn s’écrit sous forme
matricielle : AX = B où A est une matrice comportant m lignes et n colonnes, X est
le vecteur colonne dont les composantes sont les xi et B , le second membre, est
aussi un vecteur colonne avec n composantes.
Le vecteur X est appelé solution du système.
Exemple :
% 7x1 – 5x2 = 6
% 3x1 – x2 = 9
A=[7 -5 ; 3 -1]
B=[6 ; 9]
X=inv(A)*B
rats(X)
X=
4.8750
5.6250
ans =
39/8
45/8
2. Equations linéaires homogènes
Un système est dit homogène si le second membre est nul, soit AX = 0 où 0
représente le vecteur colonne dont toutes les composantes sont nulles.
L’ensemble des X tels qu’AX = 0 constitue le noyau de l’application associée À A.
Le noyau contient toujours le vecteur nul, mais il peut contenir en plus des
vecteurs non nuls ( et aussi leurs combinaisons linéaires ).
Ce type de système a donc au moins une solution, la solution nulle.
• Si A est inversible ( le déterminant de A est différent de 0 ), le système a la
solution unique : X = 0, vecteur nul.
Le noyau est réduit à {0} et rang(A) = n.
Formellement, X = A−10 = 0.
• Si A n’est pas inversible ( le déterminant de A est égal à 0 ), le système a
une infinité de solutions (en plus de la solution nulle).
Dans ce cas, le noyau n’est pas réduit à {0} et si la dimension du noyau
vaut k, alors rang(A) = n − k.
7
Exemple
% premier systeme
% 2x1-x2=0
% x1+x2=0
det([2 -1 ;1 1])
x1=-5 :10
x2_1=2*x1
x2_2=-x1
hold on;
subplot(1,2,1)
plot(x1,x2_1,'r',x1,x2_2,'b') % 1 solution X=0
xlabel('x1')
ylabel('x2')
grid
% second systeme
% -6x1 + 3x2 = 0
% 2x1 - x2 = 0
det([-6 3 ;2 -1])
x2_1=2*x1
x2_2= 6*x1/3
subplot(1,2,2)
plot(x1,x2_1,'r',x1,x2_2,'b') % solutions infinies
xlabel('x1')
ylabel('x2')
grid
8
3. Résolution d’équations linéaires avec MATLAB
Les équations linéaires peuvent se résoudre à l’aide de l’opérateur ‘\’, comme
suit :
Exemple d’un système avec une solution unique
A = [3 6 ; -2 1] ;
B = [1 ; 2] ;
X = A\B
X=
-0.7333
0.5333
• Exemple d’un système avec plusieurs solutions :
A = [3 3 -1;5 -2 1] ;
B = [1 ; 1] ;
X = A\B
X=
0.2381
0.0952
9
0
• Exemple d’un système sans solution :
A = [3 3 -1;5 -2 1] ;
B = [1 ; 1 ; 4] ;
X = A\B
¨
4. Systèmes d’équations surdéterminés – solutions au sens des moindres
carrés
A = [1 1 ; 2 -1 ; 3 -1] ;
B = [7 ; 2 ; 1] ;
X = A\B
x1=-2 :6
% x1+x2=7
% 2x1-x2=2
% 3x1-x2=1
x2_1=-x1+7
x2_2=-2+2*x1
x2_3=3*x1-1
plot(x1,x2_1,x1,x2_2,x1,x2_3,X(1),X(2),'*'
);
xlabel('x1')
ylabel('x2')
grid
10
20
15
10
5
x2
-5
-10
-2 -1 0 1 2 3 4 5 6
x1
Exemple réel
E=10
R1=4
R2=6
R3=5
E-R1I1-R2I2=0
E=R1I1+R2I2
4I1+6I2=10
11
Système 2 inconnues et une équation
%%4x1+6x2=10
x2=-10:10;
x1=(10-6*x2)/4;
subplot(2,2,1);
plot(x1,x2);
grid on
gtext('4x1+6x2=10');
xlabel('x1')
ylabel('x2')
12