Vous êtes sur la page 1sur 3

1

Université Mohammed I er Année universitaire 2019-2020


Faculté des Sciences Master "PMR" - Master "OM" - Master "ER"
Département de Physique
Oujda

T. D. 1 Analyse Numérique

Rappels :
R
On note Mn ( ) l’ensemble des matrices carrées, réelles, d’ordre n. Soit A ∈ Mn ( ) R
et X un vecteur de n . R
Rappels :
• La matrice A est dite symétrique si A = AT .
• La matrice A est définie positive si X T .A.X ≥ 0 , ∀X ∈ n . R
R
• A est diagonalisable dans s’il existe une base de vecteurs propres X (1) , ..., X (n)


R
de n et des réels λ1 , ..., λn (pas forcément distincts) tels que A.X (i) = λi X (i)
pour i = 1, ..., n.
• Soit A une matrice diagonalisable, on a alors :
A = P −1 · diag(λ1 , · · · , λn ) · P , où P (matrice de passage) est une matrice dont
les colonnes sont égaux aux composantes des vecteurs X (1) , · · · , X (i)
R
• Une matrice réelle, symétrique est diagonalisable dans , avec des valeurs
propres réelles.
• A est réelle, symétrique et définie strictement positive si et seulement si toutes
les valeurs propres de A sont réelles strictement positives .

Exercice 1.
R
Soit In la matrice identité de Mn ( ) calculer : ||In ||1 , ||In ||∞ , ||In ||2 , ||In ||F .

Exercice 2.
Montrer que :
||δX||
1. Si δA = 0 alors ||X||
≤ Cond(A) ||δb||
||b||
||δX||
2. Si δb = 0 alors ||X+δX||
≤ Cond(A) ||δA||
||A||

3. ρ(A) ≤ ||A||
2

Exercice 3.
Soit S = AT .A, montrer que les valeurs propres de S sont réelles, positives ou nulles.
Soient λ la plus grande valeur propre et µ la petite
q valeur propre de S, montrer que
√ −1 √
||A||2 = λ, ||A ||2 = 1/ µ et que Cond2 (A) = µλ .
Exercice 4. Déterminer le polynôme caractéristique, les valeurs propres, les vecteurs
propres et le rayon spectral des matrices suivantes :
 
" # 1/2 1 2
2 −1
A= , B =  0 1/3 3 
 
−1 2
0 0 1/4

Que peut-on dire de la méthode de Jacobi si J = A puis si J = B ? Que peut-on dire


de la méthode de Gauss-Seidel si G = A puis si G = B ?
Exercice 5.  
2 −1 1
Montrer que pour A =  2 2 2  la méthode de Gauss-Seidel converge alors
 

−1 −1 2
que la méthode de Jacobi diverge.
Exercice 6. Soit le systéme linéaire suivant :



 2x1 − x2 + 10x3 = −11

 2x − x + 8x = −11
2 3 4


 10x1 − x2 + 2x3 = 6

 −x + 11x − x + 3x = 25
1 2 3 4

Que faut-il faire pour assurer la convergence des méthodes de Jacobi et Gauss-Seidel ?
Exercice 7. !
2 −1
Soit A =
1 2
1. Ecrire la décomposition A = P − N avec P = ω1 D − L et N = 1−ω

ω
D + U.
Déterminer Gω = P −1 N .
2. déterminer le rayon spectral ρω de Gω et donner l’allure de son graphe en fonction
de ω pour ω ∈]0, 2[ (On distinguera deux cas suivant le signe de ω 2 + 16ω − 16).
3. Quelle valeur de ω doit-on choisir pour optimiser la méthode ?
3

Exercice 8.
Soit le systéme AX = b avec :
 
3 1 0 0 0
1 2 1 0 0
 
 
 
A=
 0 2 3 1 0 

0 0 1 4 3
 
 
0 0 0 1 1

1. Décomposer A sous la forme D, L et U où D est une matrice diagonale, L une


matrice triangualire inférieure, et U une matrice triangulaire supérieure.
2. Ecrire l’itération de Gauss-Seidel pour ce systéme.
3. On pose e(k) = X (k) − X ∗ . Montrer qu’il existe a ∈ [0, 1[ tel que :

||e(k+1) ||∞ ≤ a||e(k) ||∞ , ∀k ∈ N


En déduire la convergence de la suite.
4. Déterminer la matrice de Gauss-Seidel G. Calculer ||G||∞ . En déduire la conver-
gence de X (k) vers X ∗ .


Vous aimerez peut-être aussi