Universit Paris-Dauphine Dpartement MIDO DUMI2E deuxime anne

Mthodes numriques anne / Guillaume Legendre

feuilles de travaux dirigs

Le symbole partie tires de

Wikipedia (http://www.wikipedia.org/).

indique un exercice optionnel et/ou dicile. Les notes biographiques sont pour

Premire partie : algbre linaire numrique

Normes matricielles, rayon spectral et conditionnement

Exercice 1 (norme matricielle subordonne). Soit n un entier strictement positif. On note

A = 0 A = 0, et A 0, A Mn (C), A = || A , C, A Mn (C), A + B A + B , A, B Mn (C), AB A B , A, B Mn (C).
p p,

Mn (C) l'anneau des matrices d'ordre n coecients complexes et on rappelle qu'une norme matricielle sur Mn (C) est une application vriant les proprits suivantes :

Pour toute norme vectorielle subordonne associe par

A

p = 1, 2, . . . , , sur Cn , on dnit la norme matricielle Ax p , A Mn (C). x p

= sup
xCn x=0

Pour toute matrice A de Mn (C), montrer les proprits suivantes : 1. A p (A), o (A) = max{|i | | i (A), 1 i n} est le rayon spectral de A, 2. A 1 = max ( n |aij |), i=1
1jn

3. A 4. A 5. A

2 2

= max

1in 2

n j=1

|aij | ,
2

= UA U U = In ), = A
2

= AU

= U AU

pour toute matrice unitaire U (c'est--dire telle que

(A A).

Exercice 2. Pour tout rel , on note A la matrice

A = 1 0 1 1 0 1 .

1. Quelles sont les valeurs propres de la matrice A ? 2. Pour quelles valeurs de la matrice A est-elle inversible ? 3. Calculer A 1 , A 2 et A .

Exercice 3 (norme de Frobenius 1 ). On considre l'application

A
F n

dnie par

1/2 |aij |2 , A Mn (C).

= tr(AT A)1/2 =
i,j=1

1. Montrer que cette application est une norme matricielle sur Mn (R), mais qu'elle n'est subordonne aucune norme sur Rn 2. Montrer que, pour toute matrice d'ordre n orthogonale P , on a P A F = AP F = A F et donc P T AP F = A F ,.

Exercice 4 (rayon spectral et srie de Neumann 2 ). Soient A Mn (R) et

une norme matricielle. 1. Montrer que (A) < 1 si et seulement si Ak 0 quand k tend vers l'inni. 2. Montrer que, si (A) < 1, alors les matrices In A et In + A sont inversibles. 3. Montrer que la srie de terme gnral Ak converge (vers (In A)1 ) si et seulement si (A) < 1. Mn (R), on dsigne par p la norme matricielle subordonne la norme vectorielle p , p = 1, 2, . . . , , sur Rn . Le conditionnement d'une matrice inversible A relativement cette norme est dni par : condp (A) = A
p

Exercice 5 (conditionnement d'une matrice). Sur

A1

p.

1. Montrer que si A est symtrique et inversible alors

cond2 (A) = max1in |i | . min1in |i |

2. Soient A une matrice inversible, b, b, x et x des vecteurs de Rn tels que

Ax = b et A(x + x) = b + b.

Montrer que

x p b p condp (A) , pour p = 1, 2, . . . , . x p b p

3. Soient prsent A et A des matrices, avec A inversible, b, x et x des vecteurs de Rn tels que Ax = b et (A + A)(x + x) = b. Montrer que
x p x + x condp (A)
p

A p , pour p = 1, 2, . . . , . A p

1. Ferdinand Georg Frobenius (26 octobre 1849 - 3 aot 1917) tait un mathmaticien allemand. Il s'intressa principalement la thorie des groupes et l'algbre linaire, mais travailla galement en analyse et en thorie des nombres. 2. Carl Gottfried Neumann (7 mai 1832 - 27 mars 1925) tait un mathmaticien allemand. Il travailla sur le principe de Dirichlet et fut l'un des pionniers de la thorie des quations intgrales.

Matrices et systmes linaires chelonns

Exercice 6. Soit la matrice chelonne suivante

1 0 U = 0 0 0 2 0 0 0 0 0 2 0 0 0 0 3 2 0 0 0 1 2 . 1 0

1. Dterminer le rang et l'image de la matrice U . 2. Quelles sont les variables principales (i.e., celles associes aux pivots) et les variables secondaires du systme linaire associ la matrice U ? 3. Quelle est la sous-matrice du U associe aux variables principales, celle associe aux variables libres ? Quelle relation est vrie par les solutions du systme linaire U x = b ? 4. quelle condition le systme U x = b admet t-il une solution ? On suppose cette condition vrie, quelle est alors la forme gnrale des solutions de U x = b ? T 5. On pose b = 3 6 4 1 0 . Rsoudre alors U x = b.

Exercice 7. Pour chacune des matrices suivantes, dterminer celles qui sont chelonnes et en
donner le rang, une base de l'image, la dimension et une base du noyau :
1 0 A= 0 0 2 D = 0 0 2 0 0 0 2 0 1 0 2 0 0 0 0 2 0 3 2 0 0 2 0 0 1 , 2 1 0 2 , 0 1 0 B= 0 0 0 E = 0 0 1 0 0 0 1 0 0 0 2 1 0 0 2 0 0 0 , 1 1 0 2 , 1 1 2 0 0 1 0 0 2 0 2 C= 0 0 1 1 0 , 0 0 0 0 0 1 0 0 0 0 1 0 0 F = 0 0 a 0 , 0 0 b 1

avec a et b des rels.

Mthode d'limination de Gauss

Exercice 8.Rsoudre par la methode d'limination de Gauss, en donnant l'expression de toutes les matrices et seconds membres intermdiaires, le systme Ax = b, avec
2 4 A= 2 0 1 1 2 3 4 5 2 9 0 8 16 1 et b = . 3 3 4 3

Rpondre la mme question avec :

5 A= 5 4 2 6 2 1 1 2 et b = 2 . 1 1

Exercice 9. Donner sous forme d'un produit de matrices, une formulation matricielle de la rduction la forme chelonne de la matrice
1 4 A= 4 2 1 6 2 2 3 5 4 0 0 2 1 3 0 2 3 3 2 0 4 8

par la mthode d'limination de Gauss.

Exercice 10. On considre le systme linaire Ax = b avec

1 8 A= 2 2 0 0 9 1 6 2 1 3 6 2 2 2 et b = . 8 3 4 10

1. Est-il possible d'utiliser la mthode d'limination de Gauss (sans change) pour la rsolution de ce systme linaire ? 2. Trouver une permutation de A, de la forme P AQ, sur laquelle on peut raliser l'limination. Comment transforme-t-elle le systme linaire ?

Exercice 11. Soit la matrice

2 0 U = 0 0

1 4 0 0

0 1 3 0

0 0 . 1 1

Calculer son inverse en rsolvant le systme matriciel U X = I4 dans lequel X dsigne une matrice carre d'ordre 4 par la mthode d'limination de GaussJordan.

Exercice 12. On considre le systme linaire (S) Ax = b avec

2 0 A= 2 0 4 4 0 1 2 4 . 2 8

1. En utilisant la mthode d'limination de GaussJordan, dterminer le systme chelonn rduit (U) quivalent (S). 2. Prciser le rang et la dimension du noyau de la matrice chelonne rduite obtenue et en dduire ceux de la matrice A. 3. Dterminer une base de l'espace image et du noyau de la matrice A. 4. Quelle(s) condition(s) doit vrier le vecteur b pour que le systme (S) ait une solution ?

Exercice 13. Rsoudre les systmes linaires suivants, aprs en avoir dtermin la forme chelonne rduite par la mthode d'limination de GaussJordan.
(S1 ) x1 2x1 +2x2 6x2 3x3 +10x3 = 2 , = 2 (S2 ) x1 2x1 +x4 +4x2 x2 +4x3 x3 = = = = 2 2 . 2 0

+2x4

matrice symtrique dnie positive d'ordre n. On note A(k) la matrice carre d'ordre n k + 1 forme des lments a(k) , k i, j n de la matrice A(k) obtenue l'issue de la k 1ime tape de ij l'limination de Gauss (A(1) = A). 1. En notant ( , ) le produit scalaire euclidien et v Rnk le vecteur form des n k dernires composantes d'un vecteur v de Rnk+1 quelconque, tablir l'identit
(A
(k)

Exercice 14 (taille des lments dans la mthode d'limination de Gauss). Soit A une

v, v) = (A

(k+1)

v, v) +

(k) akk (k) akk

2 (k) aik

vk +
i=k+1

vi .

2. Montrer que chaque matrice A(k) est symtrique dnie positive. 3. tablir les ingalits suivantes :
0 < aii
k+1in (k+1)

aii , k + 1 i n, |aij
(k+1)

(k)

max aii

(k+1)

k+1i,jn

max

| max |aij | = max aii .

ki,jn kin

(k)

(k)

Exercice 15 (ncessit de choix du pivot de la mthode d'limination de Gauss en arithmtique non exacte). On souhaite appliquer la mthode d'limination de Gauss pour la
rsolution d'un systme linaire Ax = b, en supposant que l'on travaille avec une arithmtique dans laquelle les nombres rels sont compris, en valeur absolue, entre 1, 5 1015 et 3 1015 . 1. Montrer que, pour une matrice d'ordre 2 inversible A quelconque, on a
cond2 (A) = + ( 2 1)1/2 avec =
2 2 i,j=1 |aij |

2 |det(A)|

Dans toute la suite de l'exercice, on suppose que la systme linaire rsoudre a pour matrice et second membre
A= 1020 1 1 1

et b =

1 . 2

2. Calculer les conditionnements condp (), pour p = 1, 2, , des matrices exactes obtenues la premire tape de la procdure d'limination de Gauss selon que l'on commence ou non par changer les deux quations. Qu'en conclure ? 3. Rsoudre ce mme systme en arithmtique exacte, puis en arithmtique non exacte sans et avec une stratgie de choix de pivot. Les rsultats obtenus sont-ils en accord avec la conclusion prcdente ?
Factorisations de matrices pour la rsolution de systmes linaires

Exercice 16. On considre le systme linaire Ax = b avec

2 4 A= 2 0 1 1 2 3 4 5 2 9 5 0 9 1 et b = . 1 3 4 2

1. Calculer la factorisation LU de la matrice A. 2. Rsoudre le systme linaire Ax = b en utilisant la factorisation trouve la question prcdente. 3. Calculer le dterminant de la matrice A.

Exercice 17. Dterminer les factorisations LU des matrices

2 A = 2 1 1 2 1 2 6 4 , B = 0 0 2 1 0 4 4 0 1 5 0 0 0 a 1 , C = a a 4 2 a a b b b a b c c a b , c d

en prcisant chaque tape les matrices intervenant dans le procd de factorisation.

Exercice 18 (factorisation LU d'une matrice bande). On dit qu'une matrice est une matrice
5

bande si elle n'admet que des lments non nuls sur un  certain nombre  de diagonales autour de

la diagonale principale. Plus prcisment, une matrice A de Mm,n (R) de largeur de bande valant 2p + 1 est telle qu'il existe p N tel que aij = 0 pour |i j| > p. Montrer que la factorisation LU prserve la structure des matrices bandes au sens suivant : soit A une matrice carre d'ordre n admettant une factorisation LU, alors
aij = 0 pour |i j| > p lij = 0 pour i j > p et uij = 0 pour j i > p.

Exercice 19 (factorisation LU d'une matrice tridiagonale). Soit

b1 a2 A= c1 b2 .. . c2 .. . an1 . bn1 an .. cn1 bn

une matrice tridiagonale d'ordre n. 1. Vrier que si A admet une factorisation LU alors les matrices L et U sont de la forme
1 2 L= 1 .. . .. . 1 et U = 1 c1 .. . .. . . cn1 n

n1

2. Montrer que les coecients i , 1 i n, et j , 2 j n, satisfont les relations

1 = b1 , i = ai , i = bi i ci1 , 2 i n. i1

3. Obtenir les formules dcoulant de l'utilisation de cette factorisation pour la rsolution du systme linaire Ax = d, avec d Rn . 4. Donner le nombre d'oprations ncessaires pour la rsolution de ce systme.

Exercice 20 (factorisation LU d'une matrice diagonale strictement dominante). Soit

la condition
n

A une matrice carre d'ordre n diagonale strictement dominante par ligne, c'est--dire vriant |aii | >
j=1 j=i

|aij |, 1 i n.

Le but de cet exercice est de montrer qu'une telle matrice est inversible et admet une factorisation LU. 1. Soit A une matrice carre d'ordre n. Montrer que A admet une factorisation LU si et seulement si AT admet une factorisation LU. 2. Soit A une matrice carre d'ordre n, que l'on partitionne en quatre blocs de la manire suivante :
A= a v wT A1 ,

avec a = a11 R, v Rn1 , w Rn1 et A1 une matrice carre d'ordre n 1. En eectuant un produit par blocs, vrier alors que
A= 1
v a

0 In1

1 0

0 B

a 0

wT In1

, o B = A1

1 vwT . a

3. Montrer que si la matrice B admet une factorisation LU, alors A galement. 4. Dans cette question, on suppose que la matrice AT est diagonale strictement dominante. a. Montrer que
n1

|vi | < |a| |vj |, 1 j n 1,

i=1 i=j

puis que

n1

|(a1 )ij | < |(a1 )jj | |wj |, 1 j n 1,

i=1 i=j

et enn que

n1

n1

|bij |
i=1 i=j i=1 i=j

|(a1 )ij | +

|wj | |a|

n1

|vi |, 1 j n 1.
i=1 i=j

En dduire que la matrice B T est diagonale strictement dominante. b. En admettant ventuellement le rsultat de la question prcdente et en faisant un raisonnement par rcurrence, montrer que A admet une factorisation LU. 5. En supposant que la matrice A est diagonale strictement dominante, dduire des questions prcdentes qu'elle admet une factorisation LU et qu'elle est inversible. 6. On considre les trois matrices suivantes
4 1 A= 1 1 1 4 1 1 1 1 4 1 1 1 0 1 , B = 0 1 0 4 2 1 0 0 4 3 0 1 0 4 , C = 1 2 3 3 0 1 1 4 1 3 1 1 1 1 . 0 0 0 0

Dterminer, en justiant trs simplement la rponse, lesquelles de ces matrices admettent une factorisation LU et, le cas chant, calculer leur factorisation LU en prcisant chaque tape les oprations eectues sur les lignes de la matrice factorise. est une matrice symtrique d'ordre n telle que :

Exercice 21 (factorisation de Cholesky 3 ). Une matrice symtrique d'ordre n dnie positive

v T Av 0, v Rn , et v T Av = 0 v = 0.

Soit A une matrice carre d'ordre n. On dit que A admet une factorisation de Cholesky s'il existe une matrice triangulaire infrieure inversible B diagonale principale strictement positive telle que
A = BB T .

1. Montrer que si A est symtrique dnie positive alors A est inversible. 2. Montrer que si A admet une factorisation de Cholesky alors A est une matrice symtrique dnie positive. 3. Montrer que si A admet une factorisation de Cholesky alors A admet une factorisation LDLT . En dduire que si A admet une factorisation de Cholesky, cette factorisation est unique ds lors que les coecients diagonaux de B sont strictement positifs.
3. Andr-Louis Cholesky (15 octobre 1875 - 31 aot 1918) tait un mathmaticien et ocier franais. Il entra en 1895 l'cole polytechnique et eectua ensuite une carrire dans les services gographiques et topographiques de l'arme. On lui doit une mthode clbre pour la rsolution des systmes d'quations linaires dont la matrice est symtrique dnie positive.

4. Dans toute la suite, on suppose que A est une matrice symtrique d'ordre n dnie positive. On veut prouver que la matrice A admet une factorisation de Cholesky par rcurrence sur n. a. Pour n > 1, crire la matrice A sous la forme
A= An1 lT l ann ,

o l Rn1 , ann R et An1 est une matrice symtrique d'ordre n 1. Montrer que An1 est dnie positive. b. On suppose que An1 admet une dcomposition de Cholesky, c'est--dire qu'il existe une matrice triangulaire infrieure inversible Bn1 telle que An1 = Bn1 Bn1 T . Montrer que l'on peut dterminer de manire unique m Rn1 et b R, b > 0, tels que
B= Bn1 mT 0 b

et A = BB T . Indication : on utilisera le fait que det(A) > 0. c. En dduire que A admet une factorisation de Cholesky. 5. crire l'algorithme permettant de calculer les coecients de la matrice B . 6. Comparer le nombre d'oprations ncessaires la rsolution d'un systme linaire matrice symtrique dnie positive par la mthode de Cholesky avec celui de la mthode de Gauss.

Exercice 22. On considre la matrice

A = 1 2 1 2 3 1 1 3

d'un systme linaire Ax = b, avec R. 1. Dterminer pour quelles valeurs du paramtre , la matrice A est symtrique dnie positive. Indication : on pourra utiliser le critre de Sylvester 4 . 2. Soit = 0. On veut rsoudre le systme Ax = b par une mthode directe ; quelle factorisation de la matrice A envisager dans ce cas ? Justier la rponse. 3. Soit maintenant = 2. a. Vrier que la matrice A est dnie positive et en calculer la factorisation de Cholesky. b. En supposant que b = 1 1 1 , rsoudre le systme linaire Ax = b en utilisant la factorisation calcule la question prcdente.
T

Exercice 23

(sur une utilisation de la factorisation de Cholesky). Soit A une matrice carre d'ordre n symtrique, dnie positive et pleine. On cherche rsoudre le systme A2 x = b et l'on propose pour cela deux mthodes. 1. Calculer A2 , eectuer la factorisation de Cholesky A2 = LLT puis rsoudre le systme LLT x = b. 2. Eectuer la factorisation de Cholesky A = LLT puis rsoudre successivement les systmes LLT y = b et LLT x = y .

4. James Joseph Sylvester (3 septembre 1814 - 13 mars 1897) tait un mathmaticien et gomtre anglais. Il travailla sur les formes algbriques, particulirement sur les formes quadratiques et leurs invariants, et la thorie des dterminants. On lui doit l'introduction de nombreux objets, notions et notations mathmatiques, comme le discriminant ou la fonction indicatrice d'Euler.

Calculer le nombre d'oprations lmentaires ncessaires pour chacune des deux mthodes et comparer.

Exercice 24 (factorisation de Cholesky d'une matrice bande). Estimer le nombre d'oprations lmentaires ncessaires la factorisation de Cholesky A = LLT d'une matrice bande de largeur de bande valant 2p + 1.

Exercice 25 (factorisation de Cholesky d'une matrice symtrique tridiagonale). Soit A

une matrice symtrique d'ordre n, dnie positive et tridiagonale. 1. Montrer que A admet une factorisation de Cholesky A = LLT , avec L de la forme
1 2 L= 2 .. . .. . n .

2. Donner un algorithme de calcul des coecients i , 1 i n, et j , 2 j n, en fonction des coecients aij , 1 i, j n, de la matrice A et calculer le nombre d'oprations lmentaires ncessaires dans ce cas. 3. En dduire la factorisation de Cholesky de la matrice
1 1 A= 0 0 0 1 2 1 0 0 0 1 2 1 0 0 0 1 2 1 0 0 0 . 1 2

Exercice 26

(factorisation d'une matrice symtrique). Soit A une matrice symtrique inversible admettant une factorisation LU. 1. Montrer que l'on peut crire A = B B T , o B est une matrice triangulaire infrieure et B une matrice pour laquelle chaque colonne est soit gale la colonne correspondante de B , soit gale la colonne correspondante de B dont les coecients sont multiplis par 1. 2. Application : dterminer la matrice B lorsque
1 2 A= 1 1 2 3 4 3 1 4 4 0 1 3 . 0 0

Exercice 27. Soit {e1 , . . . , en } la base canonique de l'espace vectoriel Rn que l'on suppose muni
du produit scalaire euclidien usuel not ( , ) et de la norme associe u 2 = (u, u)1/2 . Pour tout vecteur u non nul de Rn , on appelle matrice de Householder 5 associe u la matrice
H(u) = In 2 uuT u
2 2.

Pour tout rel x, on dnit la fonction signe par :

1 si x > 0, sgn(x) = 0 si x = 0, 1 si x < 0.
5. Alston Scott Householder (5 mai 1904 - 4 juillet 1993) tait un mathmaticien amricain. Il s'intressa aux applications des mathmatiques, notamment en biomathmatiques et en analyse numrique.

1. Montrer que, pour tout vecteur u non nul, la matrice H(u) est symtrique, orthogonale et inversible. Calculer son inverse et le vecteur H(u)u. 2. Soit A une matrice relle symtrique d'ordre n. On note a1 la premire colonne de A et on pose a = a1 a11 e1 , b = sgn(a21 ) a 2 e2 et c = a + b. a. On suppose que c = 0. Montrer que ai1 = 0 pour 3 i n. b. On suppose c = 0. On pose u = cc 2 et B = H(u)AH(u). On veut montrer que bi1 = 0 pour 3 i n (on rappelle que la premire colonne de B n'est autre que B e1 ). i. Montrer que e1 est orthogonal u. En dduire que H(u)e1 = e1 . ii. Montrer que Be1 = H(u)a1 . iii. Calculer H(u)(a b) et H(u)(a + b). iv. En dduire la valeur de H(u)a, puis celle de H(u)a1 . c. En dduire que, quel que soit le vecteur c, il existe une matrice symtrique orthogonale P1 telle que la matrice B = P1 AP1 soit une matrice symtrique semblable 6 A et telle que bi1 = 0 pour 3 i n. d. En dduire par rcurrence que, pour toute matrice A symtrique d'ordre n, il existe n 2 matrices orthogonales P1 , P2 ,..., Pn2 telles que la matrice Pn2 . . . P2 P1 AP1 P2 . . . Pn2 soit tridiagonale, symtrique et semblable A.
Mthodes itratives de rsolution de systmes linaires

Exercice 28 (convergence pour les matrices diagonale strictement dominante). Soit

-dire vriant la condition
n

A = (aij )1i,jn une matrice carre d'ordre n diagonale strictement dominante par lignes, c'est|aii | >
j=1 j=i

|aij |, 1 i n.

Montrer alors que la matrice A est inversible et que la mthode de Jacobi 7 et de GaussSeidel 8 , utilises pour la rsolution du systme Ax = b, convergent.

Exercice 29. On considre la matrice carre d'ordre 3 suivante

4 A = 1 0 1 4 1 0 1 . 4

1. tudier la convergence des mthodes de Jacobi et de GaussSeidel pour cette matrice. 2. Vrier que (BGS ) = (BJ )2 , o BGS et BJ dsignent les matrices des mthodes itratives de GaussSeidel et de Jacobi respectivement. Laquelle de ces deux mthodes converge le plus rapidement ?
6. On rappelle que deux matrices carres A et B sont dites semblables s'il existe une matrice inversible P telle que A = P BP 1 . 7. Carl Gustav Jacob Jacobi (10 dcembre 1804 - 18 fvrier 1851) tait un mathmaticien allemand. Ses travaux portrent essentiellement sur l'tude des fonctions elliptiques, les quations direntielles et aux drives partielles, les systmes d'quations linaires, la thorie des dterminants. Un trs grand nombre de rsultats d'algbre et d'analyse portent ou utilisent son nom. 8. Philipp Ludwig von Seidel (24 octobre 1821 - 13 aot 1896) tait un mathmaticien, physicien de l'optique et astronome allemand. Il a tudi l'aberration optique en astronomie en la dcomposant en cinq phnomnes constitutifs, appels  les cinq aberrations de Seidel , et reste aussi connu pour la mthode de rsolution numrique de systmes linaires portant son nom.

10

Exercice 30. On considre les mthodes de Jacobi et GaussSeidel pour la rsolution d'un systme
linaire Ax = b de matrice
A = 0 1 0 0 1 0 .

tudier la convergence des deux mthodes en fonction du paramtre rel .

Exercice 31. Soient et deux rels. On considre les matrices

2 A = 0 2 0 1 et C = 2 1 . 1

1. Pour quelles valeurs de (resp. ) la matrice A (resp. C ) est-elle dnie positive ? 2. crire la matrice d'itration de la mthode de Jacobi associe A (resp. C ). Pour quelles valeurs de (resp. ) cette mthode converge-t-elle ? 3. crire la matrice d'itration de la mthode de GaussSeidel associe A (resp. C ) et calculer son rayon spectral. Pour quelles valeurs de (resp. ) a-t-on convergence de cette mthode ?

Exercice 32 (mthode SOR). On considre pour la rsolution d'un systme linaire Ax = b,

(D E)x(k+ 2 ) = F x(k) + b et x(k+1) = x(k+ 2 ) + (1 ) x(k) ,
1 1

avec A une matrice non singulire dont les lments diagonaux sont tous non nuls, la mthode itrative dnie par

o est un paramtre rel, D est la partie diagonale de A, E est la partie triangulaire infrieure stricte (i.e., sans la diagonale) de A et F est la partie triangulaire suprieure stricte (i.e., sans la diagonale) de A. 1. Rcrire cette mthode itrative sous la forme
x(k+1) = B x(k) + c ,

en explicitant la matrice d'itration B et le vecteur c . Vrier que l'on retrouve la mthode de GaussSeidel lorsque = 1. 2. Soit maintenant 2 1 1 A= et b = .
0 5 1

Donner les valeurs du paramtre pour lesquelles la mthode itrative est convergente dans ce cas. dre la suite construite par la mthode de Richardson stationnaire non prconditionne, encore connue sous le nom de mthode du gradient pas xe dnie par la relation de rcurrence
x(0) Rn donn et x(k+1) = x(k) (Ax(k) b),

Exercice 33 (mthode de Richardson 9 ). Pour rsoudre le systme linaire Ax = b, on consi-

avec un rel. 1. Montrer que, si la mthode converge, la limite x de la suite x(n)

nN

vrie Ax = b.

9. Lewis Fry Richardson (11 octobre 1881 - 30 septembre 1953) tait un mathmaticien, mtorologiste et psychologue anglais. Il imagina de prvoir le temps partir des quations primitives atmosphriques, les lois de la mcanique des uides qui rgissent les mouvements de l'air.

11

2. Montrer que, si

1 A = 2 3

1 1 2

2 1 , 3

il n'existe pas de non nul tel que la mthode converge. 3. Discuter la convergence de la mthode lorsque A est une matrice symtrique dnie positive.

Exercice 34. On suppose l'espace vectoriel Rn muni du produit scalaire euclidien, not ( , ), et
de la norme associe v
2

= (v, v)

1/2

. Soit A une matrice carre d'ordre n vriant

2 2

c > 0, v Rn , (Av, v c v

1. Montrer que kerA = {0}. En dduire que, pour tout b Rn , le systme linaire Ax = b admet une unique solution. 2. On xe R et on construit la suite x(n) nN de Rn vriant
x(0) Rn donn et x(n+1) = x(n) (Ax(n) b), n N.

On note r(n) = Ax(n) b le rsidu l'tape n. a. Montrer que r(n) = (In A)r(n1) , puis que r(n) = (In A)n r(0) , n N. b. Soit x Rn tel que x 2 < 1. Montrer que
(In A)x
2 2

2 A

2 2

2c + 1.

c. En dduire que In A 2 1 pour appartenant un intervalle bien choisi. 3. Dduire de la question prcdente une condition ncessaire sur pour que la suite x(n) converge vers la solution de Ax = b. gnral de la comparaison des mthodes de GaussSeidel et de Jacobi. 1. Soit
1 A = 1 2 1 1 2 2 1 . 1

nN

Exercice 35. Le but de cet exercice est de montrer (sur des exemples) qu'on ne peut rien dire en

Montrer que (BJ ) < 1 < (BGS ), o BGS et BJ dsignent les matrices d'itration des mthodes de GaussSeidel et de Jacobi respectivement. 2. Soit maintenant
2 A= 2 1 1 2 1 1 2 . 2

Montrer que (BGS ) < 1 < (BJ ).

Exercice 36 (une mthode itrative). Soit

In E F avec 0 E = 1 0 2 0 0

A une matrice carre d'ordre n telle que A = 0 0 0 0 0 et F = 0 0 0 . 0 1 1 0

1. Montrer que A est inversible.

1 2 . 2. Soit 0 < < 2. Montrer que la matrice In E est inversible si et seulement si = 2

12

3. Pour 0 < < 2, = , on considre, pour la rsolution de Ax = b, la mthode itrative 2 dnie par
x(0) Rn et 1 In E x(k+1) =
1

F+

1 In x(k) + b, k N,

et on pose L =

propres de L et son rayon spectral. 4. Pour quelles valeurs de cette mthode converge-t-elle ?

1 In E

F+

1 In . Calculer, en fonction de , les valeurs

5. Dterminer 0 ]0, 2[ vriant (L0 ) = min (L ) | ]0, 2[, =

2 2

Applications

Exercice 37 (classement de pages web). On cherche calculer l' importance , reprsente

par une note ou indice, d'une srie de pages web. On rappelle que l'indice d' importance  d'une page B est donne par la formule suivante :
P R(B) = 0, 2 + 0, 8 P R(Bk(B) ) P R(B1 ) + + N (B1 ) N (Bk(B) ) ,

o les Bi , 1 i k(B) dsignent les pages qui ont un lien pointant vers B et N (Bi ) est le nombre de liens de la page Bi . On considre le cas de quatre pages B1 , B2 , B3 et B4 o la page B1 pointe vers les pages B2 , B3 et B4 , la page B2 pointe vers B1 , B3 et B4 , la page B3 pointe vers B1 , B2 et B4 et la page B4 pointe vers B1 , B2 et B3 . 1. crire le systme linaire li au cas considr ci-dessus, o l'inconnue est le vecteur x = T P R(A) P R(B) P R(C) P R(D) . 2. tendre la question prcdente n pages web, c'est--dire au cas o, pour tout indice 1 i n, la page Bi pointe vers les n 1 autres pages B1 , . . . , Bi1 , Bi+1 , . . . , Bn . 3. Montrer que les valeurs propres de la matrice d'ordre n
0 a 0 .. . a . . . a .. . .. . a a . . . a 0

sont gales (n 1)a et a (de multiplicit n 1). 4. Montrer que la matrice du systme linaire de la question 2. est dnie positive (on pourra utiliser les rsultats de la question 3.). Quelle mthode directe utilisera-t-on pour rsoudre ce systme ? 5. Donner les quations vries par les coecients de la matrice L de la factorisation de Cholesky de
1 a M (a) = . . . a a 1 .. . .. . .. . a a . . . . a 1

13

6. Donner un argument simple pour justier la convergence des mthodes de GaussSeidel et de Jacobi appliques la matrice obtenue la question 2.. Que vaut le rayon spectral de la matrice d'itration de la mthode de Jacobi ? Pour n = 5, 10, 20 et 40, le rayon spectral de la matrice d'itration de la mthode de GaussSeidel vaut respectivement 0, 6461268, 0, 6480678, 0, 6490204 et 0, 6494924. Quelle mthode prfrera-t-on utiliser ? 7. Donner la solution (vidente) du systme de la question 2. et commenter le rsultat obtenu.

14