Vous êtes sur la page 1sur 4

EAnnaba

STI Département CP-ST

Corrigé de l’examen semestriel No. 1 // 25 Janvier 2020


Analyse numérique

EXERCICE 1.
1. Etude de convergence :

a. ; g 1 (3) = 2.58 ∉ [3; 4]


Donc la fonction g 1 n’est pas stable dans [3; 4]. (Rejetée)

1 pt

b. ; ¯g 0 (4)¯ = 3.37 > 1. Donc la fonction g 2 n’est pas contractante dans [3; 4]. (Rejetée)
¯ ¯
2

1 pt
£ ¤
c. ; g 3 est monotone (croissante), alors g 3 ([3; 4]) = g 3 (3); g 3 (4) = [3.29; 3.87] ⊂ [3; 4].
Donc la fonction g 3 est stable dans [3; 4].

1 pt

g 30 est aussi monotone (décroissante), alors sup |g 30 | = sup |g 30 (3)|; |g 30 (4)| = 23 < 1.
© ª
[3;4]
Donc la fonction g 3 est contractante dans [3; 4].

1 pt

Comme g 3 est stable et contractante dans [3; 4], alors la suite définie par :
½
x n+1 = g 3 (x n )
x 0 ∈ [3; 4]

est convergente vers r 3 .

0.5 pt

2. Nombre d’itérations :

l n(E ) + l n(1 − k) − l n|x 1 − x 0 |


n≥
l n(k)
x 1 = g 3 (x 0 ) = 3.604. En remplacant dans la formule ci-dessus on obtient :

n=9

1 pt

2ème Année 1 Analyse Numérique


EAnnaba
STI Département CP-ST

x 2 = 3.6626
x 3 = 3.6949
x 4 = 3.7125
x 5 = 3.722
x 6 = 3.7271
x 7 = 3.7298
x 8 = 3.7313
x 9 = 3.7321

8×0.125 pt

3. La suite de Newton est donnée par :

f (x n )
x n+1 = x n −
f 0 (x n )

e xn − 3x n2 (x n − 1)e xn − 3x n2
x n+1 = x n − =
e xn − 6x n e xn − 6x n

0.5 pt

Etude de convergence :
1) f ∈ C 2 ([3; 4]) ;
2) f 0 (x) = e x − 6x 6= 0, ∀x ∈ [3; 4] ;
3) f 00 (x) = e x − 6 6= 0, ∀x ∈ [3; 4] ;
f (3)
4) f 0 (3) = 8.6 > |b − a| = 1.

Donc la convergence n’est pas globale.


(x −1)e xn −3x n2
Par conséquent la suite de Newton définie par x n+1 = n e xn −6xn converge pour tout choix de x 0
vérifiant f (x 0 ) × f 0 (x 0 ) > 0. (on peut choisir par exemple x 0 = 4).

1 pt

EXERCICE 2.  
1 2 1 2
2 5 2 3
 
A=
1 2 2 1

2 3 1 7
1. ∆1 = 1 ≥ 0, ∆2 = 1 ≥ 0, ∆3 = 1 ≥ 0 et ∆4 = 1 ≥ 0.

3× 0.5 pt

donc A admet une décomposition de Cholesky.

2ème Année 2 Analyse Numérique


EAnnaba
STI Département CP-ST

0.5 pt

2.   
1 0 0 0 1 2 1 2
2 1 0 0 0 1 0 −1
  
A = LL T = 

1 0 1 0 0 0 1 −1
 
2 −1 −1 1 0 0 0 1

2×1 pt

On résout Ly = b pour obtenir    


y1 4
y2 −2
   
=
   
y3 −3
 
   
y4 2

1 pt

Ensuite L T x = y pour trouver la solution :


   
x1 1
x2 0
   
=
   
x3 −1
 
   
x4 2

1 pt

EXERCICE 3.
1. a)Méthode de Jacobi :
 1 
0 2 0
J =  21 0 12 
0 12 0

0.5 pt

Les valeurs propres de J sont les racines du polynôme caractéristique d et (J − λI ) = −λ(λ2 − 21 ).

0.5 pt
p p
2 2
donc λ1 = 0, λ2 = 2
et λ3 = − 2

3× 0.25 pt

2ème Année 3 Analyse Numérique


EAnnaba
STI Département CP-ST

p
2
ρ(J ) = sup|λi | = 2
.

0.5 pt
Comme ρ(J ) < 1, alors la méthode de Jacobi est convergente.

0.25 pt
a)Méthode de Gauss-Seidel :
Il est simple de vérifier que A est une matrice symétrique définie positive.
Comme A est SDP, alors la méthode de Gauss-Seidel est convergente.

1.5 pt
Remarque : On peut également utiliser le fait que kGk∞ = 3/4 < 1, ou bien calculer les valeurs propres
p p q
1 2 1 2 3
et montrer que σ(G) = 0, 4 + 4 i , 4 − 4 i , donc ρ(G) = 16 <1
 3 
2
2. X k+1 = G X k + b, e =  −7 
e avec b
4
3
4

   1    3 
x k+1 0 2 0 xk 2
 y k+1  = 0 1 1 + −7 
4 2
y k 4
1 1 13
z k+1 0 8 4
zk 8

0.5 pt

   1   3   3 
x1 0 2 0 0 2 2
 y 1  = 0 1 1 + −7  =  −7 
4 2
0 4 4
1 1 13 13
z1 0 8 4
0 8 8

0.5 pt

   1  3   3   5 
x2 0 2 0 2 2 8
1 1
 y 2  = 0
4 2
− 74 + − 74 = − 11
8

1 1 13 13 29
z2 0 8 4 8 8 16

0.5 pt

   1  5   3   13 
x3 0 2 0 8 2 16
1 1
 y 3  = 0
4 2
− 11
8
+ − 74 = 19
− 16 
1 1 29 13 61
z3 0 8 4 16 8 32

0.5 pt

2ème Année 4 Analyse Numérique