Vous êtes sur la page 1sur 3

Université Claude Bernard, Lyon I Licence Sciences & Technologies

43, boulevard 11 novembre 1918 Spécialité Mathématiques


69622 Villeurbanne cedex, France Option: Analyse Numérique 2007-2008

Série n◦ 3 :
Résolution numérique de systèmes linéaires - Méthodes Indirectes

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.

Vous aimerez peut-être aussi