Module d’analyse numérique

Ecole Nationale des Sciences Appliquées de Fès G.Inf.1 & G.S.E.II.1

TD 1: Normes et conditionnement & Résolution numérique des systèmes linéaires

Exercice 1
Soit A une matrice inversible.
1. Montrer que pour toute matrice carrée B
kAB − Ik2
≤ K2 (A).
kBA − Ik2

2. Quelle relation existe-t-il en général entre K(A2 ) et K(A)2 .

3. Nous supposons que la matrice A est symétrique. Montrer que K2 (A2 ) = K2 (A)2 .
∗ ∗ ∗

Exercice 2

Soit le système linéaire suivant

L1 : 3x2 − x3 + 8x4 = −11

L2 : 2x1 − x2 + 10x3 = −11
L3 : 10x1 − x2 + 2x3 =6
L4 : −x1 + 11x2 − x3 + 3x4 = 25

1. Montrer que les méthodes de Jacobi et de Gauss-Seidel ne convergent pas pour le système d’équations
ci-dessus.
2. Réordonner les équations de façon à assurer la convergence des deux méthodes.
3. Donner les expressions de Jacobi et Gauss-Seidel et leurs matrices sans faire de calcul.
∗ ∗ ∗
 
Exercice 3 4 2 2
On pose A =  2 10 7 
2 7 21
1. Montrer que A est symétrique définie positive.
2. Calculer la factorisation de Cholesky de A.
t
3. Résoudre, en utilisant le résultat de la question précédente Ax = (0 0 96) .
∗ ∗ ∗

Exercice 4
Soit A une matrice carrée tridiagonale c-à-d de la forme
 
a1 b1 0 0 0 0

 c1 a2 b2 0 0 0 

 0 c2 a3 b3 0 0 
.. ..
 
A= .. .. .. .

 . 0 . . . . 

 .. .. .. 
 . . . cn−2 an−1 bn−1 
0 0 ··· 0 cn−1 an

1. Trouver une relation de récurrence permettant de calculer la factorisation LU de A.

2. Donner un algorithme de résolution du système Ax = y.
3. Soit la matrice  
1 −3 0 0
 −3 18 −18 0 
A=
 ,
0 −18 44 −8 
0 0 −8 16
en déduire une factorisation de Cholesky de A.

S. ELHAJ-BEN-ALI 1 2022-2023
 Module d’analyse numérique
Ecole Nationale des Sciences Appliquées de Fès G.Inf.1 & G.S.E.II.1

∗ ∗ ∗

Exercice 5
Soit A une matrice réelle symétrique inversible dont toutes les sous-matrices principales Ak sont inversibles.
Montrer qu’il existe une matrice L triangulaire inférieure à diagonale unité et une matrice diagonale D telles
que:
A = LDLt ,
et que cette décomposition est unique.
∗ ∗ ∗

Exercice 6
Soit A une matrice carrée de type flèche c-à-d de la forme

··· ···
 
a1 0 0 b1
 .. .. .. 

 0 a2 . . . b2 

 .. .. .. .. 
A=
 . 0 a3 . . . .

 .. .. .. .. .. 

 . . . . 0 . 

 0 ··· ··· 0 an−1 bn−1 
c1 c2 ··· cn−2 cn−1 an

1. Quand est ce que la matrice A admet une décomposition A = LU ?

2. On suppose que la matrice A admet une décomposition A = LU , trouver les matrices L et U .

Exercice 7
Soit A une matrice carrée d’ordre n, symétrique définie positive et pleine. On cherche à résoudre le système
A2 x = b. On propose deux méthodes de résolution de ce système:
1. Calculer A2 , effectuer la décomposition BB t de A2 , résoudre le système BB t x = b.

2. Calculer la décomposition BB t de A, résoudre les systèmes BB t y = b et BB t x = y. Calculer le nombre

d’opérations élémentaires nécessaires pour chacune des deux méthodes et comparer.
∗ ∗ ∗

Exercice 8
Soit A une matrice inversible d’ordre n qui se décompose en A = I − B où B est une matrice d’ordre n vérifiant
kBk < 1, pour une norme subordonnée. Soit x la solution du système Ax = b. On va étudier la méthode
itérative suivante: 
x0 donné
xk+1 = Bxk + b, ∀k ≥ 0
On note ek = xk − x l’erreur, et rk = Axk − b le résidu.

1. Montrer que ek+1 = Bek et en déduire la convergence de la méthode vers x.

2. Montrer que xk+1 = xk − rk , rk = Aek et rk+1 = Brk .
K
X
3. Soit K ≥ 1. Montrer que xK+1 = x0 − ( B k )r0 et conclure que x = x0 − A−1 r0 .
k=0

4. Montrer que kA−1 k ≤ 1

1−kBk , et en déduire que

kBkk
kek k ≤ kr0 k.
1 − kBk

∗ ∗ ∗

Exercice 9
Soit A une matrice tridiagonale de taille n ≥ 3 dont les termes diagonaux sont non nuls. Soit D la matrice
diagonale de A, E (resp. F ) la matrice triangulaire inférieure (resp. supérieure) stricte de A. On a donc
A = D + E + F , on pose J = −D−1 (E + F ) et G = −(D + E)−1 F .

S. ELHAJ-BEN-ALI 2 2022-2023
 Module d’analyse numérique
Ecole Nationale des Sciences Appliquées de Fès G.Inf.1 & G.S.E.II.1

1. Pour toute matrice M = (mij )1≤i,j≤n , on définit, pour tout réel non nul t la matrice M (t) = (mij (t))1≤i,j≤n ,
avec mij (t) = ti−j mij pour 1 ≤ i, j ≤ n. Montrer alors que :

pour tout t ∈ R∗ , det(M (t)) = det(M ).

2. On pose M = F + λ2 (D + E). En utilisant les notations de la questions 1), écrire la matrice M (1/λ) en
fonction de D, E, F et λ.
3. Montrer que si PJ est le polynôme caractéristique de J et PG celui de G, alors on a PG (λ2 ) = λn PJ (λ).
En déduire que ρ(G) = (ρ(J))2 et conclure.

∗ ∗ ∗

Exercice 10
Pour α ∈ R donné, on considère la matrice Aα
 
2 α 0
Aα =  α 2 α .
0 α 2

1. Écrire la matrice LJ de la méthode itérative de Jacobi. Pour quelles valeurs de α cette méthode converge?
2. Écrire la matrice L1 de la méthode itérative de Gauss-Seidel. Pour quelles valeurs de α cette méthode
converge?
∗ ∗ ∗

Exercice 11  
2 −1
On considère la matrice A = .
−1 2
1. Montrer que la matrice Jω de la méthode de relaxation est donné par
 ω 
1−ω 2
Jω = ω ω 2 .
2 (1 − ω) 1 − ω + 4

2. Calculer ρ(Jω ) et ωopt pour que la méthode converge plus vite (vous pouvez utilisez Matlab pour simplifier
l’étude).

S. ELHAJ-BEN-ALI 3 2022-2023