E.N.I.T.

Unité Pédagogique de Mathématiques Appliquées

Examen – Analyse Numérique Matricielle Session Principale 2016-2017
Classes : 1ère année Durée: 2h
Documents non autorisés

Exercice 1. Pour α un paramètre réel, on considère le système linéaire (S) : Ax = b où

 
1 0 −α
A=  −α 1 1  et b ∈ IR3 .
α 0 1

On considère la décomposition classique de A sous la forme:

   
0 0 0 0 0 α
A = D − E − F où D = I3 et E =  α 0 0 et F = 0 0 −1 ,
−α 0 0 0 0 0

où I3 est la matrice identité de taille 3.

1. Calculer J la matrice d’itération de la méthode de Jacobi pour résoudre (S).

2. Pour quelles valeurs de paramètre α la méthode de Jacobi converge-t-elle pour résoudre (S) ?

3. Soit L1 = (D − E)−1 F la matrice d’itération de la méthode itérative de Gauss Seidel pour

résoudre le système (S). Montrer que det(λ(D − E) − F ) = 0 si et seulement λ est une valeur
propre de L1 .

4. Pour λ ∈ C, soit Cλ = λ(D − E) − F , calculer det(Cλ ).

5. En déduire ρ(L1 ). Pour qu’elles valeurs de paramètre α, la méthode de Gauss-Seidel

converge-t-elle pour résoudre (S) ?

6. Donner une relation entre les rayons spectraux ρ(J) et ρ(L1 ) respectivement des matrices J et
L1 .

7. En cas de convergence de deux méthodes, qu’elle est la méthode la plus rapide ?

8. Pour quelles valeurs de paramètre α la matrice A admet-t-elle une factorisation LU ?

9. Calculer la factorisation LU de A lorsqu’elle est possible.

 
1−α
10. Utiliser cette factorisation pour résoudre (S) pour b =  2 − α .
1+α

Exercice 2. Soit B = (bij )1≤i,j≤n ∈ Mn (IR) une matrice carrée et soit b ∈ IRn . Pour r un réel
strictement positif donné (r ∈ IR∗+ ), on pose la matrice A = rIn + B et on considère le système (S):
Ax = b.

1. Donner le spectre de la matrice A en fonction de spectre de B.

2. En déduire que la matrice A est inversible si et seulement si −r n’est pas une valeur propre de
B (−r ∈/ Sp(B)).
3. On suppose dans cette partie que B vérifie les conditions:
n
X
bii ≥ |bij |, ∀i = 1, ..., n
j=1
j6=i

(a) Dire pourquoi la matrice A est inversible ?

(b) Les méthodes de Jacobi et de Gauss-Seidel sont-elles convergentes pour résoudre (S) ?

4. On considère la méthode itérative

rx(k+1) = −Bx(k) + b, x(0) donné. (1)

(a) Montrer que si la suite (x(k) ) converge, alors sa limite est solution de système (S).
(b) Sous quelle condition la méthode (1) est-elle convergente pour résoudre (S) ?

5. Dans toute la suite on suppose que la matrice B est symétrique et on pose λ1 et λ2

respectivement la plus petite et la plus grande valeur propre de B. Pour d un vecteur de Rn
on considère le problème
r 1
minn kx − dk22 + (Bx, x), (P )
x∈IR 2 2
(a) Vérifier que le problème (P ) est équivalent à
1
minn (Ax, x) − (b, x),
x∈IR 2

où le vecteur b est à déterminer.

(b) Si r < −λ1 , le problème (P ) admet-t-il de solutions ?
(c) Si r ≥ −λ1 , montrer que x réalise un minimum de J sur IRn si et seulement x est
solution de système (S): Ax = b.
(d) Montrer que si B est symétrique semi-définie positive, alors le problème (P ) admet une
solution unique.

6. Pour r = 1, n = 3 et B = C T C pour C = 21 12 0 , où on déseigne par C T la transposé de

(a) Calculer la matrice B.

(b) Calculer ρ(C T C) et en déduire ρ(AT A).
(c) Etudier la convergence des méthodes suivantes pour résoudre (S):
- la méthode de Gauss-Seidel.
- la méthode de Jacobi
- la méthode (1)
- la méthode du gradient à pas fixe α.