Scribd Logo
Importer

Bienvenue sur Scribd !

  • 95 vues

    ExAnNuMat Ratt 06 16

    Transféré par

    mohamed amine Atia
    L'examen porte sur l'analyse numérique matricielle et contient deux exercices. Le premier exercice concerne la résolution de systèmes linéaires en fonction d'un paramètre α et compare différentes méthodes. Le second exercice s'intéresse à la factorisation LU, la résolution de systèmes, et des problèmes de minimisation en fonction d'un paramètre β, en utilisant entre autres la méthode du gradient.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    ExAnNuMat Ratt 06 16

    Transféré par

    mohamed amine Atia
    95 vues2 pages
    L'examen porte sur l'analyse numérique matricielle et contient deux exercices. Le premier exercice concerne la résolution de systèmes linéaires en fonction d'un paramètre α et compare différentes méthodes. Le second exercice s'intéresse à la factorisation LU, la résolution de systèmes, et des problèmes de minimisation en fonction d'un paramètre β, en utilisant entre autres la méthode du gradient.

    Titre original

    ExAnNuMat-Ratt-06-16

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    L'examen porte sur l'analyse numérique matricielle et contient deux exercices. Le premier exercice concerne la résolution de systèmes linéaires en fonction d'un paramètre α et compare différentes méthodes. Le second exercice s'intéresse à la factorisation LU, la résolution de systèmes, et des problèmes de minimisation en fonction d'un paramètre β, en utilisant entre autres la méthode du gradient.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    95 vues2 pages

    ExAnNuMat Ratt 06 16

    Transféré par

    mohamed amine Atia
    L'examen porte sur l'analyse numérique matricielle et contient deux exercices. Le premier exercice concerne la résolution de systèmes linéaires en fonction d'un paramètre α et compare différentes méthodes. Le second exercice s'intéresse à la factorisation LU, la résolution de systèmes, et des problèmes de minimisation en fonction d'un paramètre β, en utilisant entre autres la méthode du gradient.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 2

    E.N.I.T.

    Unité Pédagogique de Mathématiques Appliquées


    Examen – Analyse Numérique Matricielle Session de Rattrapage 2015-2016
    Classes : 1ère année Durée: 2h
    Documents non autorisés

    Exercice 1. Soit le système linéaire (S) : Aα x = b où b ∈ R4 un vecteur quelconque et Aα est -elle la
    matrice de taille 4 suivante:  
    1 0 0 0
    α − 1 α 0 α − 1
    Aα =   .
    α−1 0 α 1 − α
    0 0 0 1
    1. Pour quelles valeurs de paramètre α la matrice Aα est inversible ?
    2. Pou α 6= 0, calculer J la matrice d’itération de la méthode de Jacobi pour résoudre le système (S).
    3. Pour quelles valeurs de paramètre α la méthode de Jacobi est-elle convergente pour résoudre (S) ?
    4. Pour α = 43 , la méthode de Gauss-Seidel est-elle convergete pour rśoudre (S) ?
     
    0 0 0 0
    1 1 0 1
    5. Pour α 6= 0, soit la matrice B =   on considère la méthode itérative
    1 0 1 −1
    0 0 0 0

    x(k+1) = (1 − α)Bx(k) + b, k ≥ 0, x(0) ∈ R4 . (1)

    (a) Montrer que si la méthode itérative (1) est convergente, alors elle converge vers la solution
    unique du système Aα x = b.
    (b) Pour quelles valeurs de α cette méthode converge-elle pour résoudre (S) ?
    (c) Parmi les deux méthodes de Jacobi et la méthode (1), et en cas de convrgence de deux
    méthodes, quelle est la méthode qui converge plus rapidement pour résoudre (S) ?

    Exercice
     2. Soit 
    le système 
    Aβ x = bβ
    , pour Aβ la matice de taille 3 et de paramètre β,
    β 0 1 β+1
    Aβ =  0 β 0  et bβ =  β .
    1 0 β β+1
    1. Pour quelles valeurs de β la matrice Aβ admet-elle une factorisation LU ?
    2. Calculer la factorisation LU de Aβ .
    3. Utiliser cette factorisation pour résoudre (S) lorsque β = 2.
    4. Soit le problème de minimisation
    min Jβ (x). (2)
    x∈R3

    avec Jβ (x) = 21 (Aβ x, x) − (bβ , x)


    
    0
    (a) Pour β = −2, calculer Jβ (Xn ) avec Xn =  n  , n ≥ 0.
    0
    (b) Pour β = −2, le probème (2) admet-il une solution ?

    Dans toute la suite on prend β = 2.

    (c) Montrer que le problèlme (2) admet une solution unique x̄.
    (d) Montrer que x̄ est aussi solution de système A2 x = b2 .
    (e) Rappeler l’algorithme de la méthode de gradient à pas fixe α pour résoudre (2). On notera
    (x(k) ) la suite générée par cet algorithme.
    (f) Pour quelles valeurs de pas α, la méthode de gradient à pss fixe converge pour résoudre (S) ?
     
    0
    (g) Pour x(0) =  0  et le pas α = 21 , calculer x(1) puis x(2) .
    0
     (k) 
    x
     1  (k) (k) (k)
    (h) Soit x(k) =  x(k)
    2 . Montrer par récurrence qu’on a x1 = x3 et que x2 = 1.
    (k)
    x3
    (i) En déduire x(k) , pour k ≥ 1.
    (j) Calculer lim x(k) et conclure.
    k→+∞

    Vous aimerez peut-être aussi