E.N.I.T.

Unité Pédagogique de Mathématiques Appliquées

Série 3 – Analyse Numérique 1 AU: 2014-2015
Classes : 1ère année: GC–GI–GHE–MIndS–Info–Tel

Exercice 1.
1. Montrer que les fonctions suivantes sont différntiables et calculer leurs dérivées.
(a) x ∈ Rn 7→ 21 (Ax, x) pour A une matrice carrée d’ordre n.
(b) x ∈ Rn 7→ 21 kAx − bk22 pour A ∈ Mm,n (R) et b ∈ Rm .
2. Montrer que la fonction x 7→ kxk n’est jamais différentiable en 0.
3. Soit J : Rn → R une fonction différentiable en xRn . Soit d ∈ Rn , d 6= 0. Montrer que
l’application Φ : R → R, t 7→ J(x + td) est dérivable en 0 et calculer sa dérivée Φ0 (0).

Exercice 2.
1. Soient J1 et J2 deux fonctions convexes sur Rn , λ > 0, et Φ une fonction convexe croissante
sur un intervalle de R contenant J1 (Rn ). Montrer que J1 + J2 , λJ1 , max(J1 , J2 ) et ΦoJ1
sont convexes.
2. Etudier la convexité des fonctions suivantes:
(a) J : x ∈ Rn 7→ 12 (Ax, x) − (b, x), où A ∈ Mn (R) symétrique et b ∈ Rn .
(b) J1 (x1 , x2 , x3 ) = x21 + x22 + x23 − x1 x2 − x1 x3 − x2 x3 .
(c) J3 : x ∈ Rn 7→ kxkp , p ≥ 1, pour une norme k.k quelconque de Rn .

Exercice 3. Problème quadratique

Soit A une matrice symétrique d’ordre n.
1. Soient λ1 , λn respectivement la plus petite et la plus grande valeur propre de A. Montrer
que pour tout x ∈ Rn , on a
λ1 kxk22 ≤ (Ax, x) ≤ λn kxk22 .

2. En déduire que que la fonction J : x ∈ Rn 7→ 21 (Ax, x) − (b, x) est infinie à l’infini si A est
définie positive.
3. Montrer que la fonction J : x 7→ 21 (Ax, x) − (b, x) est différentiable sur Rn et donner ∇J(x),
pour x ∈ Rn .
4. Montrer que J est convexe (resp. strictement convexe) sur Rn si et seulement si A est
positive (resp. définie positive).
5. Montrer que si la matrice A est non positive et K = Rn , alors pour tout vecteur b ∈ Rn , le
problème quadratique
1
min (Ax, x) − (b, x) (P )
x∈Rn 2

n’admet pas de solution.

6. Montrer que si A est semi définie positive, alors x̄ est solution de (P ) si et seulement si x̄
est solution de système Ax = b. Dans quel cas a-t-on unicité.
7. Déterminer, suivant le paramètre α, le minimum s’il existe sur R3 , de la fonction
1 2 1 2 3 2
J : x 7→ x + x + x + αx1 x3 + x2 x3 − x1 − x2 − x3 .
2 1 2 2 2 3
Exercice 4. Méthode du gradient à pas fixe
Soit A ∈ Mn (R) une matrice symétrique définie positive et b un vecteur de Rn . Soit le problème
1
min (Ax, x) − (b, x) (P ).
x∈Rn 2
On note (x(k) ) la suite générée par l’algorithme du gradient à pas fixe α pour approcher le
minimun x̄ de J sur Rn .
1. Ecrire la suite (x(k) ) sous la forme
x(k+1) = Bx(k) + c,
où B et c sont à déterminer.
2
2. En déduire que l’algorithme du gradient à pas fixe converge si et seulement si 0 < α < .
ρ(A)
3. Déterminer le pas optimal α∗ qui assure la convergence la plus rapide de cet algorithme et
vérifier que
cond2 (A) − 1
ρ(I − α∗ A) = .
cond2 (A) + 1
Exercice 5. Problème de moindre carrée
Soit A ∈ Mmn (R) et b ∈ Rn . On considère le problème de minimisation
1
minn kAx − bk22 . (1)
x∈R 2

1. Montrer que le problème (1) admet au moins une solution.

2. Montrer que x est une solution de (1) si et seulement si
AT Ax = AT b,
où on désigne par AT la matrice transposée de A. Dans quel cas à-t-on l’unicité de la
solution de (1) ?
3. Pour tout entier k > 0, soit le problème
1 1
min kAx − bk22 + kxk22 . (2)
x∈Rn 2 2k
(a) Montrer que (2) admet une solution unique x(k) .
(b) Ecrire l’équation d’Euler satisfaite par x(k) .
(c) Vérifier que kx(k) k2 ≤ kxk2 , pour tout x solution de (1).
(d) En déduire que (x(k) ) converge lorsque k → +∞ vers x solution de (1) de norme
minimale.
Exercice 6.
On se propose de résoudre le système linéaire
   
2 0 1 3
Ax = b, avec A = 0 2 0 et b = 2
1 0 2 3
par les méthodes du gradient.
1. Pour quelles valeurs du pas α l’algorithme du gradient à pas constant converge-t-il ?
Déterminer la suite (xk )k générée par cet l’algorithme, lorsque x0 = (0, 0, 0)T et α = 12 .
2. Faire 3 itérations de l’algorithme du gradient à pas optimal pour la résolution de ce système
avec x0 = (0, 0, 0)T .
3. Résoudre ce système par la méthode du gradient conjugué.