Vous êtes sur la page 1sur 2

E.N.I.T.

Unité Pédagogique de Mathématiques Appliquées


Examen – Analyse Numérique Matricielle Session Principale 2015-2016
Classes : 1ère année Durée: 2h
Documents non autorisés

Exercice 1. Soit le système linéaire (S) : Ax = b où A est une matrice tridiagonale donnée par:
1 12 0
 

A =  12 1 12  et b ∈ R3 .
0 21 1
On considère la décomposition de A sous la forme:
 
0 0 0
A=D−E−F où D = I3 et E = F T = − 12 0 0 .
0 − 12 0
1. La matrice A est-elle symétrique définie positive ?
2. Soient J = D−1 (E + F ) et L1 = (D − E)−1 F les matrices d’itération de la méthode de Jacobi
et de la méthode de Gauss-Seidel respectivement.

(a) Montrer que la méthode de Gauss-Seidel est convergente pour résoudre (S).
(b) En déduire que la méthode de Jacobi est convergente pour résoudre (S). Qu’elle est la
relation entre ρ(J) (rayon spectral de J) et ρ(L1 )(rayon spectral de L1 )
(c) Parmi ces deux méthodes, laquelle est la plus rapide ?

3. Afin de résoudre le système (S) on considère, pour ω ∈ R∗ , la méthode itérative suivante:


 
(k+1)
(D − E) x = (1 − ω)(D − E) + ω F x(k) + ω b, k ≥ 0, x(0) ∈ R3 . (1)

(a) Montrer que si la méthode itérative (1) est convergente, alors elle converge vers la
solution unique du système Ax = b.
(b) À quoi correspond cette méthode lorsque ω = 1 ?
(c) Notons par Bω la matrice d’itération de la méthode (1).
i. Donner l’expression de la matrice Bω et calculer ses coefficients.
ω
ii. Montrer que les valeurs propres de la matrice Bω sont 1 − ω et 1 − .
2
iii. En déduire que la méthode itérative (1) converge si et seulement si ω ∈ I, où I est
un intervalle de R que l’on déterminera.
iv. Trouver la valeur ω ∗ assurant la convergence la plus rapide de la méthode itérative
(1).

Exercice 2.
Soient A ∈ Mn (R), B ∈ Mn (R) deux matrices inversibles et soit M ∈ M2n (R) définie par:
 
A 0Mn (R)
M= .
0Mn (R) B
On suppose que les deux matrices A et B admettent une factorisation LU telles que A = LA UA et
B = LB UB .
  
LA 0Mn (R) UA 0Mn (R)
1. Vérifier que M = .
0Mn (R) LB 0Mn (R) UB
2. En déduire que la matrice M admet une factorisation LU .

3. Proposer alors deux méthodes pour résoudre le système linéaire M X = b, où b ∈ R2n : la
première méthode en utilisant la factorisation LU de la matrice M et la deuxième méthode en
utilisant la factorisation LU de A et B séparément.

4. Sachant que le nombre d’opérations pour résoudre un système triangulaire d’ordre n est égal à
n2 , parmi les deux dernières méthodes proposées, laquelle est la plus performante du point de
vue nombre d’opérations pour résoudre le système M X = b ?

Exercice 3.
Soit Jβ : R3 −→ R définie pour x = (x1 , x2 , x3 )T dans IR3 par:

Jβ (x1 , x2 , x3 ) = (x3 − x2 − x1 )2 + (x1 − x2 )2 − βx23 − x1 − x2 − x3

où β est un paramètre réel. On considère le problème de minimisation (P ) : min J(x).


x∈IR3

1. Calculer Jβ ( n2 , n2 , n), pour n un entier naturel non nul.

2. En déduire que le problème de minimisation (P ) n’admet pas de solution lorsque β ≥ 0.

On suppose dans toute la suite que β < 0.

3. (a) Écrire Jβ sous la forme:


1
Jβ (x) = (Aβ x, x) − (b, x),
2
où Aβ ∈ M3 (R) est une matrice symétrique et b ∈ IR3 sont à déterminer.
(b) Montrer que la matrice Aβ est symétrique définie positive.
(c) Étudier la convexité de Jβ .
(d) Montrer que le problème (P ) admet une unique solution x̄. Vérifier que x̄ est solution du
système Aβ x = b.

4. Soit (xk )k∈N la suite générée par l’algorithme du gradient à pas fixe α ∈ IR∗+ pour approcher le
minimum x̄ de Jβ dans IR3 .

(a) Écrire l’algorithme du gradient à pas fixe α ∈ IR∗+ pour approcher le minimum x̄ de Jβ
dans IR3 .
(b) Pour β = −1, trouver une condition nécessaire et suffisante sur α pour que l’algorithme
du gradient à pas fixe converge pour calculer le minimum de Jβ sur IR3 .