Module d’analyse numérique

Ecole Nationale des Sciences Appliquées de Fès G.Inf.1 & G.S.E.II.1

TD 1: Normes et conditionnement & Résolution numérique des systèmes linéaires

Exercice 1
Soit A = (aij ) une matrice carrée. Montrer que

kAxk1 X
ˆ kAk1 ≡ sup = max |aij |.
x6=0 kxk1 j
i

kAxk2
ˆ kAk2 ≡ sup
p p
= ρ(A∗ A) = ρ(AA∗ ) = kA∗ k2 où ρ(A) désigne le rayon spectral de A.
x6=0 kxk2

kAxk∞ X
ˆ kAk∞ ≡ sup = max |aij |.
x6=0 kxk∞ i
j

Exercice 2
Soit x la solution de Ax = b et x + δx la solution de A(x + δx) = b + δb. Alors, si k · k est une norme matricielle
induite, montrer que
kδxk kδbk
≤ K(A) .
kxk kbk

Exercice 3
Soit x la solution de Ax = b et x + δx la solution de (A + δA)(x + δx) = b. Alors, si k · k est une norme matricielle
induite, montrer que
kδxk kδAk
≤ K(A) .
kx + δxk kAk

Exercice 4
Soit A une matrice inversible.

1. Montrer que pour toute matrice carrée B

kAB − Ik2
≤ K2 (A).
kBA − Ik2

2. Quelle relation existe-t-il en général entre K(A2 ) et K(A)2 .

3. Nous supposons que A symétrique. Montrer que K(A2 ) = K(A)2 .
 
Exercice 5 2 −1 0
La matrice A =  4 −1 2  , possède la décomposition LU suivante (notation compacte obtenue sans
−6 2 0
permutation de ligne)  
2 −1 0
 2 1 2 .
−3 −1 2
En se servant de cette décomposition, effectuer les opérations suivante:
1. Calculer le det(A).

2. Résoudre le système linéaire Ax = b où b = (−2, 14, 12)t .

3. Sans calculer A2 , résoudre le système A2 x = b pour b donné dans la question précédente.

Exercice 6 ∗ ∗ ∗
1. Montrer que la décomposition LU de la matrice obtenue en permutant les lignes 1 et 2 de la matrice
 
0 3 1
A= 4 1 1  s’écrit P A = LU, où P est la matrice de permutation. Donner P , L et U .
2 2 4

S. ELHAJ-BEN-ALI 1 2020-2021
 Module d’analyse numérique
Ecole Nationale des Sciences Appliquées de Fès G.Inf.1 & G.S.E.II.1

2. Résoudre Ax = b, où b = (1, 5, 6)t .

∗ ∗ ∗
 
Exercice 7 4 2 2
On pose A =  2 10 7 
2 7 21
1. Montrer que A est symétrique définie positive.
2. Calculer la factorisation de Cholesky de A.
t
3. Résoudre, en utilisant le résultat de la question précédente Ax = (0 0 96) .

Exercice 8 ∗ ∗ ∗
Soit A une matrice carrée d’ordre n, symétrique définie positive et pleine. On cherche à résoudre le système
A2 x = b. On propose deux méthodes de résolution de ce système:
1. Calculer A2 , effectuer la décomposition BB t de A2 , résoudre le système BB t x = b.
2. Calculer la décomposition BB t de A, résoudre les systèmes BB t y = b et BB t x = y. Calculer le nombre
d’opérations élémentaires nécessaires pour chacune des deux méthodes et comparer.

∗ ∗ ∗

Exercice 9
Soit A une matrice inversible d’ordre n qui se décompose en A = I − B où B est une matrice d’ordre n vérifiant
kBk < 1, pour une norme subordonnée. Soit x la solution du système Ax = b. On va étudier la méthode
itérative suivante: 
x0 donné
xk+1 = Bxk + b, ∀k ≥ 0
On note ek = xk − x l’erreur, et rk = Axk − b le résidu.
1. Montrer que ek+1 = Bek et en déduire la convergence de la méthode vers x.

2. Montrer que xk+1 = xk − rk , rk = Aek et rk+1 = Brk .

K
X
3. Soit K ≥ 1. Montrer que xK+1 = x0 − ( B k )r0 et conclure que x = x0 − A−1 r0 .
k=0

−1 1
4. Montrer que kA k≤ 1−kBk , et en déduire que

kBkk
kek k ≤ kr0 k.
1 − kBk

∗ ∗ ∗

Exercice 10
Soit A une matrice tridiagonale de taille n ≥ 3 dont les termes diagonaux sont non nuls. Soit D la matrice
diagonale de A, E (resp. F ) la matrice triangulaire inférieure (resp. supérieure) stricte de A. On a donc
A = D + E + F , on pose J = −D−1 (E + F ) et G = −(D + E)−1 F .
1. Pour toute matrice M = (mij )1≤i,j≤n , on définit, pour tout réel non nul t la matrice M (t) = (mij (t))1≤i,j≤n ,
avec mij (t) = ti−j mij pour 1 ≤ i, j ≤ n. Montrer alors que :

pour tout t ∈ R∗ , det(M (t)) = det(M ).

2. On pose M = F + λ2 (D + E). En utilisant les notations de la questions 1), écrire la matrice M (1/λ) en
fonction de D, E, F et λ.

3. Montrer que si PJ est le polynôme caractéristique de J et PG celui de G, alors on a PG (λ2 ) = λn PJ (λ).

En déduire que ρ(G) = (ρ(J))2 et conclure.
∗ ∗ ∗
 Module d’analyse numérique
Ecole Nationale des Sciences Appliquées de Fès G.Inf.1 & G.S.E.II.1

Exercice 11
Pour α ∈ R donné, on considère la matrice Aα
 
2 α 0
Aα =  α 2 α .
0 α 2

1. Écrire la matrice LJ de la méthode itérative de Jacobi. Pour quelles valeurs de α cette méthode converge?
2. Écrire la matrice L1 de la méthode itérative de Gauss-Seidel. Pour quelles valeurs de α cette méthode
converge?
∗ ∗ ∗

Exercice 12  
2 −1
On considère la matrice A = .
−1 2
1. Montrer que la matrice Jω de la méthode de relaxation est donné par
 ω 
1−ω 2
Jω = ω ω2 .
2 (1 − ω) 1 − ω + 4

2. Calculer ρ(Jω ) et ωopt pour que la méthode converge plus vite.