INGC1 ESMT

A.Mbaye
TD ANALYSE NUMÉRIQUE ET MÉTHODES D'OPTIMISATION 2021 − 2022

Exercice 1.

Soient la matrice et le vecteur colonne

   
0, 99 0, 98 −1, 97
A= ; b=
0, 98 0, 97 −1, 95
A la suite d'une perturbation, nous avons le système
   
0, 990005 0, 979996 −1, 969967
à = ; b̃ =
0, 979996 0, 970004 −1, 950035
1.1. Résoudre A x = b de solution x.
1.2. Résoudre à x = b̃ de solution x̃.
1.3. Le système est-il bien conditionné?
1.4. Calculer le nombre de contionnement condkk∞ (A) de A.
kx − x̃k∞
1.5. Calculer l'erreur relative en pourcentage. Le résultat obtenu est-il con-
kxk∞
forme?

Exercice 2.

Résoudre le système d'équations linéaires en utlisant la méthode de décomposition LU.

    
2 1 −2 x1 1
 4 5 −3   x2  =  6 
−2 5 3 x3 6

Exercice 3.

3.1. Écrire le système d'équations

 linéaires
5x1 + 2x2 − x3 = 6

x1 + 6x2 − 5x3 = 4

2x1 + x2 + 4x3 = 7

sous la forme A · x = b puis justier la convergence des méthodes de Jacobi et de
Gauss-Seidel.
3.2. Donner trois estimées du système d'équations linéaires en utlisant
 d'abord la méth-
0
ode itérative de Jacobi puis celle de Gauss-Seidel. et avec x0 = 0 .

0

1
2 A.Mbaye 2/ 3

Exercice 4.

4.1. Minimiser la fonction

 
6 1 2
1
f (x) = · xt ·  1 1 −2  · x − (−2, 1, 2) · x + c
2 2 −2 8
4.2. Trouver le minimum par la méthode du gradient conjugué avec x0 = (1, 0, 0)t .

Exercice 5.

Soit f : [−4, 4] → R, x 7→ |x|

Trouver le polynôme d'interpolation p(x) relatif aux noeuds
(xj )1≤j≤5 = ( −2, −1, 0, 1, 2)
par la méthode de Lagrange.

Exercice 6.

Utiliser l'algorithme du pivot de Gauss partiel pour résoudre le double système d'équations
A · X = B suivant:
   
6 −4 1 −14 22
A = −4 6 −4 ; B =  36 −18 .
1 −4 6 6 7

Exercice 7.

Calculer le déterminant suivant à l'aide du pivot de Gauss total

1 1 2 5
1 2 5 14
2 5 14 42
5 14 42 132

Exercice 8.

Trouver le polynôme par p(x) interpolant les points (0 ; 1); (1 ; 2, 25); (2 ; 3, 25); (3 ; 4, 75)
par la méthode des diérences divisées de Newton.

Exercice 9.

En utilisant les points suivants:

 
xi 4, 0 3, 9 3, 8 3, 7
yi −0, 06604 −0, 02724 0, 01282 0, 05383
déterminer la racine de y(x) = 0 par la méthode de Neville.
 ,A.Mbaye. (page 3/ 3) , Analyse numérique et méthodes d'optimisation 3

Exercice 10.

On considère la fonction dénie sur R2 par

f (x, y) = x4 + y 4 − 2(x − y)2 .
10.1. Montrer qu'il existe (α, β) ∈ R2+ tels que f (x, y) ≥ αk(x, y)k + β pour tout
(x, y) ∈ R2 , où la notation k · k désigne la norme euclidienne de R2 .
En déduire que le problème
inf f (x, y) (P)
(x,y)∈R2
possède au moins une solution.
10.2. La fonction f est-elle convexe sur R2 ?
10.3. Déterminer les points critiques de f , et préciser leur nature.
10.4. Résoudre le problème P .

Exercice 11.

Soit la fonction
P (x, y) = −5x2 − 5y 2 + 2xy + 3x + 3y + 1000
11.1. Étudier la convexité de P l'aide de sa matrice hessienne.
11.2. Résoudre le problème d'optimisation sous contrainte suph(x,y)=0 P (x, y) avec h(x, y) =
x + y − 20.
11.3. Résoudre suph(x,y)≤0 P (x, y).