Vous êtes sur la page 1sur 13

E.N.I.T.

Unité Pédagogique de Mathématiques Appliquées


Série 1 – Analyse Numérique 1 AU: 2018-2019
Classes : 1ère année: GE.

Exercice 1. Rappels sur les matrices triangulaires


Soient A = (aij )1≤i,j≤n et B = (bij )1≤i,j≤n deux matrices triangulaires supérieures de Mn (C).
1. Montrer que la matrice AB est triangulaire supérieure.
2. Montrer que (AB)ii = aii bii , 1 ≤ i ≤ n.
n
Y
3. Montrer que det A = aii .
i=1


 
0 1

 0 1 

4. Montrer que la matrice A = 
 .. ..  est non diagonalisable.

 . . 
 0 1 
0

Exercice 2. Inverse d’une matrice triangulaire


Soit T = (tij )1≤i,j≤n ∈ Mn (R) une matrice inversible et triangulaire inférieure.
1. Soit b = (bi )1≤i≤n ∈ Rn . On considère le système linéaire (S) : T x = b.
Trouver un algorithme pour déterminer la solution x = (xi )1≤i≤n ∈ Rn du système (S) en fonction de b et
de T .
Montrer que si b est tel que

∃ k, 2 ≤ k ≤ n, tel que bj = 0 pour j < k,


bk
alors xj = 0 pour j < k et que xk = .
tkk
2. En déduire que T −1 est triangulaire inférieure. Quels sont ses éléments diagonaux ?

Exercice 3. Rappels sur les matrices symétriques


On rappelle que si A ∈ Mn (R) est symétrique, il existe une matrice orthogonale O, (OOT = OT O = I)
telle que D = OT AO soit diagonale réelle. Autrement dit toute matrice symétrique admet une base
orthonormée de vecteurs propres.
On rappelle aussi que A ∈ Mn (R) symétrique est dite semi-définie positive si (Ax, x) ≥ 0 pout vecteur
x ∈ Rn et qu’elle est définie positive si (Ax, x) > 0 pour tout vecteur non nul x ∈ Rn \{0}.
Soit A une matrice symétrique d’ordre n.
1. Montrer que A est semi-définie positive (resp. définie positive) si et seulement si toutes ses valeurs
propres sont positives (resp. strictement positives).
2. Soit A = (aij )1≤i,j≤n ∈ Mn (R) symétrique définie positive.
(a) Soient k ∈ {1, · · · , n} et M (k) la sous-matrice carrée d’ordre k, extraite de A en ne gardant
que les coefficients situés sur les k premières lignes et les k premières colonnes.
Montrer que M (k) est définie positive.
(b) Soient ε ≥ 0 et Aε ∈ Mn (R) définie par :
 
1 −1
 .. 
 −1
 2 . 

Aε = 
 . .. .. .. 
. .
 

 
 .. 
 . 2 −1 
−1 1+ε

Pour quelles valeurs de ε, la matrice Aε est-elle semi-définie positive puis définie positive ?
Exercice 4. Stratégie de pivot
Soit, à résoudre le système (S)
10−p
    
1 x1 1
= ,
1 1 x2 0
pour p un entier naturel.
1. Résoudre (S) par la méthode d’élimination en éliminant x2 de la deuxième equation de (S). Quel
est le pivot de la première étape d’élimination ?
2. Pour p tel que sur une machine 1 − 10p ' −10p , que devient la solution de système (S) ?
3. Pour eviter l’effet des erreurs d’arrondi qui proviennent de la division par un pivot trop petit,
comment peut-on choisir le premier pivot pour cet exemple ? Généraliser cette stratégie pour un
système quelconque.

Exercice 5. Résoudre le système linéaire Ax = b, avec :


   
2 2 1 3 −1
 0 1 3 2   0 
A=  2 4 1 3 
 et b=
 0 

4 5 5 9 1

1. Par la méthode de Gauss sans stratégie du pivot.


2. Par la méthode de Gauss avec stratégie du pivot partiel.
3. En utilisant la factorisation LU.

Exercice 6. Résoudre, lorsqu’il est possible, par la méthode de Cholesky le système Ax = b, avec :
   
1 0 α 0
A= 0 1 1  et b =  1  ,
α β 3 2

où α, β ∈ R.

Exercice 7.
Factorisation des matrices bandes
1. Montrer que la factorisation A = LU conserve la structure “bande”, c’est à dire : si A = LU avec
aij = 0 pour |i − j| ≥ p (un entier qui verifie 1 ≤ p < n − 1), alors lij = uji = 0 pour i − j ≥ p.
2. En déduire que la factorisation de Cholesky conserve aussi la structure bande.

Vous aimerez peut-être aussi