ENSA-Tetouan.

2022-2023 GC2-GM2
GC2- GM2 M. Boukour

TD 4: sur les méthodes itératives de

résolution des système linéaires
Exercice 1. On considère la matrice carrée d’ordre 3 suivante
 
4 −1 0
 
A=  −1 4 −1


0 −1 4

1. Étudier la convergence des méthodes de Jacobi et de Gauss-Seidel pour cette matrice.

2. Vérifier que ρ(BGS ) = ρ(BJ )2 , où BGS et BJ désignent respectivement les matrices d’itération des
méthodes de Gauss-Seidel et de Jacobi. Laquelle de ces deux méthodes converge le plus rapidement ?

Exercice 2. Le but de cet exercice est de montrer (par des exemples) qu’on ne peut établir un résultat général
de comparaison de convergence entre les méthodes de Gauss-Seidel et de Jacobi.
1. Soit  
1 2 −2
 
A=
 1 1 1 

2 2 1

Montrer que ρ(BJ ) < 1 < ρ(BGS ), où BGS et BJ désignent les matrices d’itération des méthodes de
Gauss-Seidel et de Jacobi respectivement.
2. . Soit maintenant  
2 −1 1
 
A=
 2 2 2 

−1 −1 2

Montrer que ρ(BGS ) < 1 < ρ(BJ )

Exercice 3. On considère les méthodes de Jacobi et Gauss-Seidel pour la résolution d’un système linéaire
Ax = b de matrice
 
α 0 1
 
A=
 0 α 0 

1 0 α

Étudier la convergence de ces deux méthodes en fonction de la valeur du paramètre réel α.

 
1 a a
 
Exercice 4. Soit a ∈ R et A =   a 1 a 

a a 1
1. Pour qu’elles valeurs de a A est–elle définie positive ?

1
 2. Pour qu’elles valeurs de a la méthode de Gauss–Seidel est–elle convergente ?
3. Ecrire la matrice J de l’itération de Jacobi.
4. Pour qu’elles valeurs de a la méthode de Jacobi converge–t–elle ?
5. Ecrire la matrice L1 de l’itération de Gauss–Seidel. Calculer ρ(L1 ).
6. Pour quelles valeurs de a la méthode de Gauss–Seidel converge–t–elle plus vite que celle de Jacobi ?


 2, si, i=j


 −1, si, j=i-1 ;
Exercice 5. Soit A ∈ Mp (R) telle que ai,j =
 −1, si, j=i+1 ;



0, ailleurs.


1. Soit Dp = det(A − λIp). Trouver une relation entre Dp , Dp−1 , et Dp−2 .

2. . La matrice A est-elle diagonalisable ? Que peut-on dire ‘a priori de ses valeurs propres ?
3. Soit λ une valeur propre de la matrice A. Montrer que |λ − 2| 6 2 .
4. . On pose 2 − λ = 2 cos θ, avec 0 6 θ 6 π .
. Calculer Dp en fonction de p et θ.
5. En déduire les valeurs propres de A.
6. Posons, M = 2Ip , N = 2In − A et J = M −1 N . Trouver les valeurs propores de J
7. la méthode de Jacobi converge elle dans ce cas ?

Exercice 6. On considère le système Ax = b avec

 
3 1 0 0 0
 
 1 2 1 0 0 
 
A= 0 2 3 1 0  (1)
 
 
 0 0 1 4 3 
 
0 0 0 1 1

1. Décomposer A sous la forme LU et en déduire que (1) admet une solution unique x∗ .
2. Ecrire l’itération de Gauss–Seidel pour ce système, c’est–à–dire, le système linéaire donnant Xn+1 =
(xn+1 , yn+1 , zn+1 , tn+1 , un+1 ) en fonction de Xn = (xn , yn , zn , tn , un ).
3. Pour tout n ∈ N on pose en = Xn − x∗ . Montrer qu’il existe a ∈ [0, 1[ tel que :

∀n ∈ N ken+1 k∞ 6 aken k∞ .

En déduire la convergence de la suite.

4. Déterminer la matrice de Gauss–Seidel L1 associée à A. Calculer kL1 k∞ . En déduire la convergence de
(Xn ) vers x∗ .
5. Soit A ∈ Mn (C) vérifiant la propriété suivante :
P
|aii | > j6=i |aij | i = 2, · · · , n
P
|a11 | > j6=1 |a1j |

et sur chaque ligne de A il existe il existe un terme non nul aij pour i > 2 et j < i.
Montrer qu’alors la méthode de Gauss–Seidel converge.

2
Exercice 7. Soit A une matrice hermitienne inversible décomposée en A = M − N où M est inversible. Soit
B = I − M −1 A la matrice de l’itération :
xn+1 = Bxn + c.

Supposons que M + M ∗ − A soit définie positive.

1. Soit x un vecteur quelconque et on pose y = Bx. Montrer l’identité :

(x, Ax) − (y, Ay) = ((x − y), (M + M ∗ − A)(x − y)).

2. Supposons que A est définie positive. Soit x 6= 0 un vecteur propre de B associé à la valeur propre λ,
y = Bx = λx. Utiliser l’identité précédente pour montrer que |λ| < 1. Que peut–on conclure sur la
convergence de la méthode ?
3. Supposons maintenant que ρ(B) < 1. montrer que A est définie positive.
4. Supposons A décomposée par points ou par blocs sous la forme

A = D − E − F avec D définie positive.

Montrer que la méthode de relaxation par points ou par blocs pour 0 < w < 2 converge si et seulement si
A est définie positive.

Exercice 8. Soit A = I − E − E ∗ une matrice carrée d’ordre N où E est une matrice strictement triangulaire
inférieure (eij = 0 pour i 6 j). Pour résoudre le système Ax = b, on propose la méthode itérative définie par
(
(I − E)x2k+1 = E ∗ x2k + b
(I − E ∗ )x2k+2 = Ex2k+1 + b

1. Déterminer B et c pour que l’on ait :

x2k+2 = Bx2k + c.

Vérifier que B = M −1 N et A = M − N avec M = (I − E)(I − E ∗ ) , N = EE ∗ .

2. Montrer que M ∗ + N est une matrice définie positive. En déduire une condition nécessaire et suffisante
pour la convergence de la méthode.

Exercice 9. Soit A une matrice carrée d’ordre 3 telle que A = I3 − E − F avec

   
0 −2 0 0 0 0
   
E=
 −1 0 0 
 et F =  0
 0 0 

0 0 0 −1 −1 0

1. Montrer que A est inversible.

√
1 2
2. Soit 0 < ω < 2. Montrer que la matrice ω I3 − E est inversible si et seulement si ω 6=
√
2
2
6
3. Pour 0 < ω < 2, ω = 2 , on considère, pour la résolution de Ax = b, la méthode itérative définie par

1 1−ω
x(0) ∈ R3 et ( I3 − E)x(k+1) = (F + I3 )x(k) + b, ∀k ∈ N
ω ω

1 1−ω
Posons, Lω = ( I3 − E)−1 (F + I3 ).
ω ω

3
 Calculer, en fonction de ω, les valeurs propres de Lω et son rayon spectral.
4. Pour quelles valeurs de ω cette méthode converge-t-elle ?
5. Déterminer ω0 ∈]0, 2[ vérifant
√
2
ρ(Lω0 ) = min{ρ(Lω )/ω0 ∈]0, 2[, ω 6= }
2

Exercice 10. Soient A et B deux matrices réelles d’ordre N et a, b deux vecteurs de Rn . On considère les deux
itérations suivantes : (
xk+1 = Byk + a
k = 0, 1, · · · (2)
yk+1 = Axk + b

avec x0 , y0 ∈ Rn donnés.
1. Déterminer une condition nécessaire et suffisante de convergence des deux suites de vecteurs.
2. Soit zk = (xk , yk )T ∈ R2n . Montrer que (2) peut s’écrire

zk+1 = Czk + c

où C est une matrice d’ordre 2n. Expliciter C et c.

3. Montrer que ρ2 (C) = ρ(AB).
4. On considère maintenant les deux itérations suivantes :
(
xk+1 = Byk + a
k = 0, 1, · · · (3)
yk+1 = Axk+1 + b

Donner une condition nécessaire et suffisante de convergence.

Montrer que (3) est équivalent à
zk+1 = Dzk + d

où D est une matrice d’ordre 2N .

Montrer que ρ(D) = ρ(AB).
5. Taux de convergence
On appelle taux de convergence asymptotique de la matrice itérative M le nombre

R(M ) = − ln(ρ(M ))).

On pose ek = xk − x∗ l’erreur de l’itéré d’ordre k.

kek k
(a) Montrer que le nombre d’itérations k pour réduire l’erreur d’un facteur ε , i.e., ke0 k 6 ε vérifie

− ln ε
k> .
R(M )

(b) Comparer le taux de convergence des algorithmes (2) et (3).