Seidel Philipp Ludwig von

En 1846, à Munich, Philipp Ludwig von Seidel soutient une thèse sur la forme des miroirs de télescope, puis une thèse d'analyse mathématique. Son travail relie ainsi l'observation physique et les outils du calcul. Pour comprendre son nom en mathématiques, on peut retenir deux idées. La convergence uniforme décrit une approximation qui devient bonne partout à la fois. La méthode de Gauss-Seidel améliore progressivement les valeurs cherchées dans un système d'équations, en réutilisant immédiatement chaque valeur nouvellement calculée.

Seidel est associé à deux contributions mathématiques de nature différente. En analyse, la convergence uniforme concerne une suite de fonctions qui se rapproche d'une fonction limite avec un contrôle valable sur tout le domaine considéré, et non point par point avec une vitesse variable. En calcul numérique, la méthode de Gauss-Seidel est une méthode itérative destinée à résoudre un système d'équations linéaires. Une itération remplace successivement chaque inconnue par la valeur obtenue à partir des coefficients, des seconds membres et des valeurs déjà mises à jour.

Pour un système à deux inconnues, on note x₁ et x₂ les valeurs recherchées. Après avoir isolé chaque inconnue dans une équation, le calcul produit une nouvelle valeur de x₁, puis l'utilise aussitôt pour calculer x₂. Le procédé est arrêté lorsque les variations deviennent assez petites ou lorsque le résidu des équations respecte la précision demandée. La méthode est efficace dans de nombreux cas, mais la seule forme linéaire du système ne garantit pas à elle seule la convergence : les coefficients et l'ordre des inconnues comptent.

La convergence uniforme et l'algorithme de Gauss-Seidel ne désignent donc pas le même objet. La première est une propriété de suites ou de séries de fonctions. Le second est une procédure de résolution numérique. Leur rapprochement dans une fiche consacrée à Seidel tient à la personne étudiée, pas à une identité mathématique entre les deux notions.

Pour voir le geste de Gauss-Seidel, considérons le système dont les inconnues sont x₁ et x₂. Les données sont les deux équations 4x₁ + x₂ = 9 et x₁ + 3x₂ = 7, ainsi que le départ x₁⁽⁰⁾ = 0 et x₂⁽⁰⁾ = 0.

On isole d'abord chaque inconnue :

La première mise à jour donne x₁⁽¹⁾ = (9 − 0) / 4 = 2,25, puis x₂⁽¹⁾ = (7 − 2,25) / 3 ≈ 1,583333. La seconde valeur utilise donc déjà la première valeur nouvelle.

L'itération suivante donne x₁⁽²⁾ ≈ 1,854167 et x₂⁽²⁾ ≈ 1,715278. Une troisième donne x₁⁽³⁾ ≈ 1,821181 et x₂⁽³⁾ ≈ 1,726273. Les valeurs se rapprochent de la solution exacte x₁ = 20/11 et x₂ = 19/11. En remplaçant ces deux fractions dans les équations, on retrouve exactement 9 et 7 : c'est le contrôle du calcul.

En calcul numérique, on choisit Gauss-Seidel lorsque les inconnues peuvent être parcourues dans un ordre clair et que les mises à jour successives améliorent effectivement l'approximation. Le geste consiste à isoler chaque inconnue, à remplacer immédiatement sa valeur, puis à mesurer l'écart restant dans les équations.

Pour une suite de fonctions, on ne conclut pas à la convergence uniforme parce que quelques points semblent converger. Il faut contrôler l'écart maximal sur tout le domaine étudié, selon la précision recherchée.

Dans une lecture historique, le nom de Seidel rappelle aussi le lien entre mathématiques, physique et astronomie : ses travaux portent notamment sur l'optique, les probabilités et l'analyse, dans le cadre de l'université de Munich.

Gauss-Seidel et méthode de Jacobi. Ces deux méthodes itératives résolvent des systèmes linéaires par mises à jour successives. Le critère testable est l'instant où une valeur nouvelle est réutilisée : Gauss-Seidel l'emploie dans le calcul suivant de la même itération, tandis que Jacobi conserve les anciennes valeurs jusqu'à la fin de l'itération. Dans l'exemple, le calcul de x₂⁽¹⁾ avec 2,25 tranche en faveur de Gauss-Seidel.

Convergence uniforme et convergence point par point. Dans le premier cas, un même contrôle de l'écart vaut sur tout le domaine ; dans le second, chaque point est examiné séparément. Une famille de fonctions peut converger en chaque point sans converger uniformément. Le critère qui tranche est donc le contrôle global de l'écart, et non l'impression donnée par quelques points.

La forme linéaire d'un système ne suffit pas à assurer que Gauss-Seidel converge. Le symptôme est une suite de valeurs qui oscille ou s'éloigne au lieu de stabiliser le résidu. Il faut alors examiner les coefficients et l'ordre des inconnues, puis choisir une autre organisation ou une autre méthode numérique.

Une mise à jour très petite ne prouve pas toujours que la solution est correcte : elle peut signaler un ralentissement ou une stagnation. Le contrôle pertinent consiste à réinjecter l'approximation dans chaque équation et à comparer les écarts à la tolérance fixée. Dans l'exemple, la solution exacte est (20/11, 19/11), tandis que les valeurs décimales sont seulement des approximations.

Pour la convergence uniforme, le piège consiste à remplacer « sur tout le domaine » par « en quelques points ». Le bon réflexe est de préciser le domaine, la fonction limite et la borne d'erreur étudiée avant de conclure.

La fiche consacrée à la convergence uniforme permet de prolonger le volet d'analyse de Seidel : le lecteur y gagne une formulation autonome du contrôle « partout à la fois », distincte de l'itération numérique.