0% ont trouvé ce document utile (0 vote)
170 vues2 pages

Rappel (C.f. Cours) : Analyse Numérique - TD8 Méthodes Itératives Pour La Résolution Des Systèmes Linéaires

Ce document présente plusieurs exercices sur les méthodes itératives pour la résolution de systèmes linéaires. Les exercices portent sur les méthodes de Jacobi, Gauss-Seidel et relaxation, et montrent les conditions de convergence de ces méthodes, notamment pour les matrices hermitiennes et à diagonale dominante.

Transféré par

ALIOU DIALLO
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
0% ont trouvé ce document utile (0 vote)
170 vues2 pages

Rappel (C.f. Cours) : Analyse Numérique - TD8 Méthodes Itératives Pour La Résolution Des Systèmes Linéaires

Ce document présente plusieurs exercices sur les méthodes itératives pour la résolution de systèmes linéaires. Les exercices portent sur les méthodes de Jacobi, Gauss-Seidel et relaxation, et montrent les conditions de convergence de ces méthodes, notamment pour les matrices hermitiennes et à diagonale dominante.

Transféré par

ALIOU DIALLO
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Sup’Galilée Année 2020/2021

MACS1

Analyse numérique - TD8


Méthodes itératives pour la résolution des systèmes linéaires
TM : Travail à la Maison

Rappel (c.f. Cours)


Soient A P Mn pCq une matrice inversible, et deux matrices M P Mn pCq inversible et N P Mn pCq telles que A “ M ´ N.
Soient u p0q P Cn et b P Cn . On considère l’algorithme
M u pk`1q “ N u pkq ` b , @ k P N. (1)
On pose B “ M´1 N. Si la suite pu upkq qkPN converge, alors elle converge vers la solution u du système Au
u “ b . De plus, la
upkq qkPN converge vers u pour toute donnée initiale u p0q si et seulement si ρpBq ă 1.
suite pu

Exercice 1 (cas particulier des matrices hermitiennes)


Soit A P Mn pCq une matrice hermitienne inversible décomposée en A “ M ´ N où M est inversible. On note B “ I ´ M´1 A.

1. Montrer que la matrice M˚ ` N est hermitienne.

On suppose maintenant que M˚ ` N est définie positive.

2. Soit x un vecteur quelconque de Cn et y “ Bx


x.

1. Montrer que
x ´ y “ M´1 Ax
x
et que
x, Ax
xx x, AM´1 Ax
xy ´ xyy , Ayy y “ xx xy ` xM´1 Ax xy ´ xM´1 Ax
x, Ax x, AM´1 Ax
xy
2. En déduire que
x, Ax
xx x ´ y , pM˚ ` Nqpx
xy ´ xyy , Ayy y “ xx x ´ y qy.
3. Montrer que si A est définie positive alors ρpBq ă 1.

4. Démontrer par l’absurde que si ρpBq ă 1 alors A est définie positive.

Exercice 2 (méthodes de Jacobi et Gauss-Seidel)


Soit b P Rn et A la matrice définie par
¨ ˛
1 ´ 21 1
2
A“˝ 1 1 1 ‚.
´ 12 ´ 21 1
1. La matrice A est-elle inversible ?
2. Etudier la convergence de la méthode itérative de Jacobi pour résoudre le système Axx “ b.
3. Etudier la convergence de la méthode itérative de Gauss-Seidel pour résoudre le système Axx “ b.

Exercice 3 (méthodes de relaxation) (TM)


On considère la résolution du système linéaire Axx “ b par la méthode de relaxation, avec A P Mn pRq inversible et b P Rn
p0q n xpkq qkPN de vecteurs Rn , pour k P N par
donnés. Soit x P R fixé. On définit la suite px

pk`1q pk`1q
x pk`1q “ px1 , x2 , ¨ ¨ ¨ , xpk`1q
n qt
˜ ¸
i´1 n
pk`1q ω ÿ pk`1q
ÿ pkq pkq
avec xi “ bi ´ aij xj ´ aij xj ` p1 ´ ωqxi , @i P v1, nw. (2)
aii j“1 j“i`1

1
1. En écrivant A sous la forme A “ D ´ E ´ F, avec, pour pi, jq P v1, nw2

dii “ aii , dij “ 0, si i ‰ j,


eij “ ´aij , si i ą j, eij “ 0, si i ď j,
fij “ ´aij , si i ă j, fij “ 0, si i ě j,

montrer que (2) s’écrit sous la forme Mx xpk`1q “ Nx xpkq ` b , où l’on précisera les matrices M et N associées. Réécrire
cette relation sous la forme x pk`1q “ Bx
xpkq ` c , où l’on précisera la matrice B et le vecteur c associés.
On note dans la suite Lω “ B la matrice d’itération de la méthode de relaxation.
2. Dans cette question on va montrer que ρpLω q ě |ω ´ 1| pour ω ‰ 0. On note pLω le polynôme caractéristique de Lω .
Il s’écrit sous la forme
pLω pλq “ λn ` αn´1 λn´1 ` ¨ ¨ ¨ ` α1 λ ` α0 .
On note tλi uiPv1,nw les valeurs propres de Lω , c’est-à-dire les racines de pLω .
śn
(a) En utilisant la relation i“1 λi “ p´1qn α0 “ p´1qn pLω p0q, montrer que
n
ź ` ˘
λi “ det p1 ´ ωqIn ` ωD´1 F .
i“1

(b) En déduire que


n
ź
|λi | “ |1 ´ ω|n ,
i“1

et conclure que ρpLω q ě |1 ´ ω|.


Déduire de la question précédente que si la méthode de relaxation converge, alors nécessairement ω Ps0, 2r.
3. En utilisant le résultat de l’exercice 5,montrer que si A est symétrique définie positive, et si ω Ps0, 2r, alors la méthode
de relaxation converge. En déduire, en particulier, que la méthode de Gauss-Seidel converge.

Exercice 4
Soit A P Mn pRq une matrice inversible telle que ses éléments diagonaux soient tous non nuls et soit b un vecteur de Rn . On
souhaite résoudre le système linéaire Ax
x “ b `en utilisant
˘ la méthode itérative suivante : α étant un réel non nul et le vecteur
x p0q P Rn étant donné, on construit la suite x pkq kPN par la formule de récurrence

x pk`1q “ pI ´ αD´1 Aqx


xpkq ` αD´1b , (3)

où I est la matrice identité et D la matrice diagonale constituée de la diagonale de A (Dii “ Aii , @i P v1, nw).
` ˘
x P Rn , alors x̄
1. Montrer que si la suite x pkq kPN converge vers x̄ x est la solution du système linéaire Ax̄
x “ b.
2. Exprimer les coefficients de la matrice pI ´ αD´1 Aq en fonction des coefficients de A.
3. On suppose que A est à diagonale strictement dominante 1 et que 0 ă α ď 1.
}Axx}8
(a) On rappelle que pour A P Mn pRq, on a }A}8 “ sup .
x‰0 }xx }8
Montrer que
}I ´ αD´1 A}8 ă 1.
(b) Soit } ¨ }s une norme matricielle subordonnée. Montrer que

ρpAq ď }A}s ,

et en déduire que ρpAq ď }A}8 .


(c) Donner la matrice d’itération de la méthode itérative (3). En déduire que cette méthode converge.
4. Quelle méthode itérative étudiée en cours retrouve-t-on lorsque α “ 1 ? Justifier.

n
ÿ
1. Une matrice A P Mn pRq est dite à diagonale strictement dominante si, |Ai,i | ą |Ai,j |, @i P v1, nw.
j“1
j‰i

Vous aimerez peut-être aussi