Exercice I. Soit A, la matrice suivante : 1 2 −2 A= 1 1 1 . 2 2 1 Etudier la convergence des méthodes de Jacobi et de Gauss-Seidel.
Exercice II. Soient a ∈ R et A, la matrice suivante : 1 a a A = a 1 a . a a 1
Pour quelles valeurs de a la méthode de Jacobi est-elle convergente ?
Exercice III. Soit B, une matrice carrée ; montrer que les assertions suivantes sont équivalentes : (a) lim B k = 0, au sens d’une norme quelconque ; k→+∞ (b) lim B k v = 0, pour tout vecteur v ; k→+∞ (c) ρ(B) < 1 ; (d) kBk < 1, pour au moins une norme matricielle subordonnée ; ∞ X −1 (e) (I − B) est inversible, et (I − B) = Bk ; k=0 (f) (I − B) est inversible, et toutes les valeurs propres de (I + 2(B − I)−1 ) ont une partie réelle négative.
Exercice IV. Soit A, une matrice carrée réelle d’ordre n, symétrique définie positive. Sp(A) désigne l’ensemble des valeurs propres de A, ordonnées selon 0 < λ1 ≤ ... ≤ λn .
1 On munit Rn de la norme kxkA = (xT Ax)1/2 . On suppose que A admet la décomposition A = M − N , avec M inversible. En vue de résoudre le système linéaire Ax = b, on s’intéresse aux méthodes itératives de décomposition, qui définissent les itérations suivantes : ½ x0 ∈ R n M xk+1 = N xk + b.
a) Vérifier que les itérations précédentes s’écrivent sous la forme :
xk+1 = Gxk + z
où G = (I − M −1 A) (avec I, matrice identité de Rn ), et z à définir.
b) Soit x ∈ Rn tel que kxkA = 1 et y = M −1 Ax. Montrer que
kx − yk2A = kGxk2A = 1 − y T (M T + N )y.
En déduire que si M T + N est symétrique définie positive, la méthode converge.
c) On considère la décompsition de la matrice A suivante :
A=D−E−F
où D est diagonale, E est strictement triangulaire inférieure, F est strictement triangulaire supérieure. Dans la méthode de Gauss-Seidel, nous résolvons :
(D − E)x̃k+1 = F x̃k + b.
Nous avons donc : M = D − E et N = F . L’idée de la méthode de relaxation successive est
de définir xk+1 comme une combinaison linéaire de xk et de x̃k+1 calculée par Gauss-Seidel : ½ xk+1 = ωx̃k+1 + (1 − ω)xk , Dx̃k+1 − Exk+1 = F xk + b. En déduire que si A est symétrique définie positive, la méthode de relaxation successive de paramètre ω converge pour 0 < ω < 2.
Exercice V. Soit A, une matrice carrée réelle d’ordre n, à diagonale dominante stricte. On note : ( n ) X |aij | d(A) = sup , i = 1, ..., n . j=1, j6=i |a ii |
Soit b ∈ Rn . On veut obtenir une approximation de x∗ tel que Ax∗ = b.
a) On veut utiliser la méthode de Jacobi. On note J la matrice de Jacobi. Montrer que kJk∞ = d(A). En déduire que la méthode de Jacobi converge, et que : (d(A))k (1) kx(k) − x∗ k∞ ≤ kx − x(0) k∞ . 1 − d(A)
2 b) On veut utiliser la méthode de Gauss-Seidel. On note L1 la matrice de Gauss-Seidel. Montrer que kL1 k∞ ≤ d(A). En déduire que la méthode de Gauss-Seidel converge. c) Exemple : soient : 7 −1 1 2 1 0 5 −1 1 A= et b = 1 . 1 2 6 −1 1 −1 1 2 8 1
On résout le système Ax = b par la méthode de Jacobi, avec x(0) = 0. Au bout de combien
d’itérations est-on sûr d’avoir une valeur approchée à 10−5 près de la solution exacte ?
Exercice VI. a) Soit A, une matrice carrée réelle d’ordre n, symétrique définie positive, décomposée en A = D − E − F . On étudie la méthode itérative de résolution du système AX = b définie par : ½ (D − E)x(k+1/2) = F x(k) + b, (k+1) (D − F )x = Ex(k+1/2) + b. a) Ecrire le vecteur x(k+1) sous la forme x(k+1) = Bx(k) + C. b) Montrer la convergence de cette méthode. On commencera par montrer que si λ est valeur propre de B et ν, un vecteur propre associé, alors : λAv + (λ − 1)ED−1 F ν = 0.
