Académique Documents
Professionnel Documents
Culture Documents
Chapitre 4
Méthodes itératives
1
et systèmes dynamiques
discrets
Par: Omar Noui, Ph. D.
4.4: Rappels sur les valeurs propres
2 et vecteurs propres:
Polynôme caractéristique: Si 𝐴 est une matrice de dimension 𝑛, on
définit le polynôme caractéristique de 𝐴 par:
𝑝 𝜆 = det(𝐴 − 𝜆𝐼)
𝑥Ԧ 𝑖
b. 𝑦Ԧ 𝑖 =
𝑥Ԧ 𝑖 2
𝐴𝑥Ԧ 𝑖 .𝑥Ԧ 𝑖
c. 𝜈𝑖 = 2 = 𝐴𝑦Ԧ 𝑖 . 𝑦Ԧ 𝑖
𝑥Ԧ 𝑖 2
d. Incrémentation de 𝑖 (𝑖 ← 𝑖 + 1).
e. Si i = 𝑁: Nombre maximal d’itérations atteint et arrêt.
4.4: Rappels sur les valeurs propres
6 et vecteurs propres:
Méthode des puissances: Convergence.
▪ On exprime 𝑥Ԧ 0 suivant la base des vecteurs propres:
𝑛
0
𝑥Ԧ = 𝛼𝑗 𝑣Ԧ 𝑗
𝑗=1
▪ On suppose que 𝑥Ԧ 0 et 𝑣Ԧ 1 ne sont pas orthogonaux. On calcule 𝑥Ԧ 1
𝑛 𝑛
𝑥Ԧ 1 = 𝐴𝑥Ԧ 0 = 𝛼𝑗 𝐴𝑣Ԧ 𝑗 = 𝛼𝑗 𝜆𝑗 𝑣Ԧ 𝑗
𝑗=1 𝑗=1
▪ Par récurrence on obtient:
𝑛 𝑛
𝑥Ԧ 𝑖 = 𝐴𝑥Ԧ 𝑖−1 = 𝐴𝑖 𝑥Ԧ 0 = 𝛼𝑗 𝐴𝑖 𝑣Ԧ 𝑗 = 𝛼𝑗 𝜆𝑗𝑖 𝑣Ԧ 𝑗
𝑗=1 𝑗=1
▪ En vertu de l’orthonormalité des vecteurs propres on a:
2 𝑛
𝑖
𝑥Ԧ 2 = 𝛼𝑗2 𝜆𝑗2𝑖
𝑗=1
𝑛
𝐴𝑥Ԧ 𝑖 . 𝑥Ԧ 𝑖 = 𝛼𝑗2 𝜆𝑗2𝑖+1
𝑗=1
4.4: Rappels sur les valeurs propres
7 et vecteurs propres:
Méthode des puissances: Convergence.
▪ On en conclut que:
𝑛 2𝑖+1
𝜆𝑗
𝛼𝑗2 𝜆𝑗2𝑖+1 𝛼12 + σ𝑛𝑗=2 𝛼𝑗2
𝑖
𝐴𝑥Ԧ . 𝑥Ԧ𝑖
𝑗=1 𝜆1
𝜈𝑖 = = 𝑛 = 𝜆1
𝑥Ԧ 𝑖 22 𝜆𝑗
2𝑖
𝛼𝑗2 𝜆𝑗2𝑖 𝛼12 + σ𝑛𝑗=2 𝛼𝑗2
𝑗=1 𝜆1
Alors lim 𝜈𝑖 = 𝜆1
𝑖→∞
▪ On a aussi:
𝑖
𝜆𝑘
𝑥Ԧ 𝑖 σ𝑛𝑗=1 𝛼𝑗 𝜆𝑗𝑖 𝑣Ԧ 𝑗 𝛼𝑘 𝜆𝑖𝑘 𝛼𝑘
𝑘 𝑘 𝜆1
. 𝑣Ԧ = . 𝑣Ԧ = =
𝑥Ԧ 𝑖 2 σ𝑛𝑗=1 𝛼𝑗2 𝜆𝑗2𝑖
1/2
σ𝑛𝑗=1 𝛼𝑗2 𝜆𝑗2𝑖
1/2 2𝑖 1/2
𝜆𝑗
σ𝑛𝑗=1 𝛼𝑗2
𝜆1
Alors lim 𝑦Ԧ 𝑖 . 𝑣Ԧ 𝑘 = 0. Le vecteur 𝑦Ԧ 𝑖 est orthogonal à tous les vecteurs propres 𝑣Ԧ 𝑘
𝑖→∞
(𝑘 ≠ 1), alors 𝑦Ԧ 𝑖 est parallèle à 𝑣Ԧ 1 .
4.4: Rappels sur les valeurs propres
8 et vecteurs propres:
Méthode des puissances inverses: Algorithme.
1.Étant donnés:
▪ Un critère d’arrêt 𝜖𝑎 ; Un nombre maximal d’itérations 𝑁;
Un vecteur 𝑥Ԧ 0 quelconque; Un nombre réel 𝜈0 .
𝜈𝑖 −𝜈𝑖−1
2.Tant que ≥ 𝜖𝑎 , effectuer:
𝜈𝑖
𝑥Ԧ 𝑖
a. 𝑦Ԧ 𝑖 = .
𝑥Ԧ 𝑖 2
𝑥Ԧ 𝑖 .𝑥Ԧ 𝑖−1
b. 𝜈𝑖 = 2 .
𝑥Ԧ 𝑖−1 2
c. Résoudre A𝑥Ԧ 𝑖+1 = 𝑥Ԧ 𝑖 .
d. Incrémentation de 𝑖 (𝑖 ← 𝑖 + 1).
e. Si i = 𝑁: Nombre maximal d’itérations atteint et arrêt.
4.5: Méthode des points fixes en
9
dimension quelconque:
▪ Point fixe d’un système: tout vecteur 𝑟Ԧ solution du système 𝑥Ԧ = 𝑔(
Ԧ 𝑥)
Ԧ
est appelé point fixe de l’application 𝑔(
Ԧ 𝑥).
Ԧ
▪ L’algorithme de base de la méthode des points fixes en dimension
𝑛 reste le même par rapport au cas unidimensionnel:
𝑥Ԧ 0 𝑑𝑜𝑛𝑛é
ቊ 𝑖+1
𝑥Ԧ Ԧ 𝑥Ԧ 𝑖 )
= 𝑔(
▪ Nous devons connaître l’équivalent de la condition de
convergence d’un point fixe 𝑔′(𝑟) < 1 dans le cas de dimensions
quelconque.
▪ Considérons le cas particulier où 𝑔Ԧ 𝑥Ԧ = 𝐴𝑥,
Ԧ où 𝐴 est une matrice
quelconque de dimensions 𝑛 × 𝑛. On a 0 est un point fixe et 𝑥Ԧ 𝑖+1 =
𝐴𝑥Ԧ 𝑖 = 𝐴𝑖+1 𝑥Ԧ 0 .
4.5: Méthode des points fixes en
10
dimension quelconque:
𝜌 𝐴 = max 𝜆𝑖
1≤𝑖≤𝑛
𝑥Ԧ 𝑘+1 = 𝑇𝐽 𝑥Ԧ 𝑘 + 𝑐Ԧ𝐽
Avec 𝑇𝐽 = −𝐷 −1 𝑇𝐼 + 𝑇𝑆 et 𝑐Ԧ𝐽 = 𝐷 −1 𝑏
4.6: Méthodes itératives pour les
15
systèmes linéaires
Méthode de Jacobi:
▪ La méthode de Jacobi est un cas particulier de la méthode des
points fixes.
𝑥Ԧ 𝑘+1 = − 𝑇𝐼 + 𝐷 −1
𝑇𝑆 𝑥Ԧ 𝑘 + − 𝑇𝐼 + 𝐷 −1
𝑏
= 𝑇𝐺𝑆 𝑥Ԧ 𝑘 + 𝑐Ԧ𝐺𝑆