INSAT-RT3

Analyse Numérique: Série 3

Exercice 1
Soit le système (S) : Ax = b, avec :

   
2 0 1 3
A =  0 2 0  et b =  2 
1 0 2 3

1. On considère l’algorithme du gradient à pas constant α appliqué à (S).

(a) Pour quelles valeurs de α l’algorithme converge-t-il?

(b) Déterminer la suite (x(k) ) générée par cet algorithme lorsque x(0) = (0, 0, 0)T et
1
α= .
2
2. Faire 3 itérations de l’algorithme du gradient à pas optimal pour la résolution de (S) avec
x(0) = (0, 0, 0)T .

3. Résoudre (S) par la méthode du gradient conjugué.

Exercice 2  
1 −1 0
Soit β un réel donné, soit la matrice B = de M2,3 (R) et soit le vecteur a =
0 β 1
 
0
.
2
On considère le problème de minimisation :

min J(x) (P )
x∈R

où J : R3 −→ R définie pour x = (x1 , x2 , x3 )T dans R3 par :

1 1
J(x) = kBx − ak22 + kxk22 .
2 2
1. Écrire J sous la forme
1
J(x) = (Ax, x) − (b, x) + c
2
où A = B T B + I et où le vecteur b et la constante c sont à déterminer.

2. Vérifier que A est tridiagonale.

3. Montrer que pour tout réel β, la matrice A est symétrique définie positive.

4. En déduire que, pour tout réel β, la fonction J admet un minimum unique x̄ qui n’est
autre que la solution du système (S) : Ax = b.

1
 5. Pour quelles valeurs du paramètre β, la méthode de Gauss-Seidel est-elle convergente pour
la résolution de (S)?

6. Pour quelles valeurs du paramètre β, la méthode de Jacobi est-elle convergente pour la

résolution de (S)?

7. Dans la suite, on prend β = 0.

(a) Calculer dans ce cas la matrice A.

(b) Rappeler l’algorithme du gadient à pas fixe α pour la minimisation de J.
(c) Déterminer les valeurs de α pour lesquelles cet algorithme converge.
1
(d) Faire quelques itérations de cet l’algorithme en prenant x(0) = (0, 0, 0)T et α = .
3

Exercice 3
Soit A ∈ Mn (R) une matrice inversible non nécessairement symétrique. Adapter l’algorithme
du gradient conjugué pour la résolution du système Ax = b et ce en l’écrivant de manière
équivalente sous la forme d’un système dont la matrice est symétrique définie positive.