Fiche de TD2 sur Méthodes Numériques

∗
Eric Ngondiep, Ph.D
October 27, 2015

Exercice 1 (Méthode de Richardson).

Soit A ∈ Mn (R) une matrice symétrique définie positive, b ∈ Rn et α ∈ R. Pour trouver la solution de
Ax = b, on considère la méthode itérative suivante:
− Initialisation: x(0) ∈ Rn ,

− Itérations: x(k+1) = x(k) + α(b − Ax(k) ).

1. Pour quelles valeurs de α (en fonction des valeurs propres de A) la méthode est-elle convergente?
2. Calculer α0 (en fonction des valeurs propres de A) tel que ρ(Id − α0 A) = min{ρ(Id − αA), α ∈ R}.

Exercice 2 (Non convergence de la méthode de Jacobi).

Soit a ∈ R et  
1 a a
A = a 1 a .
a a 1
Montrer que A est symétrique définie positive si et seulement si −1/2 < a < 1 et que la méthode de Jacobi
converge si et seulement si −1/2 < a < 1/2.

Exercice 3 (Jacobi et Gauss-Seidel: cas des matrices symétriques).

Soit A ∈ Mn (R) une matrice carrée d’ordre n, tridiagonale et dont la matrice diagonale est inversible: on
note ai,j le coefficient de la ligne i et la colonne j de la matrice A. On décompose: A = D − E − F, où
D représente la diagonale de la matrice A, (−E) la partie triangulaire inférieure stricte et (−F ) la partie
triangulaire supérieure stricte. On note BJ et BGS les matrices d’itération des méthodes de Jacobi et
Gauss-Seidel pour la résolution d’un système linéaire de matrice A.
 
2 −1
1. Calculer les matrices BJ et BGS pour la matrice particulère A = et calculer leurs rayons
−1 2
spectraux. Montrer que les méthodes convergent, et citez les résultat du cours qui s’appliquent pour
cette matrice.
2. Montrer que λ est valeur propre de BJ si et seulement s’il existe un vecteur complexe x = (x1 , ..., xn ) ∈ Cn ,
x 6= 0, tel que
−ap,p−1 xp−1 − ap,p+1 xp+1 = λap,p xp , p = 1, ..., n,
avec x0 = xn+1 = 0.
∗ Email: [email protected] or [email protected]

1
3. Soit y = (y1 , ..., yn ) ∈ Cn , défini par yp = λ−p xp , où λ est une valeur propre non nulle de BJ et
x = (x1 , ..., xn ) ∈ Cn , un vecteur propre associé. On pose y0 = yn+1 = 0. Montrer que

−ap,p−1 yp−1 − λ2 ap,p+1 yp+1 = λ2 ap,p yp , p = 1, ..., n.

4. Montrer que µ est valeur propre de BGS associée à un vecteur propre z 6= 0, si et seulement si,

(F − µ(D − E))z = 0.

5. Montrer que λ est valeur propre non nulle de BJ , si et seulement si, λ2 est valeur propre de BGS , et en
déduire que ρ(BBS ) = ρ(BJ )2 .
6. On considre la matrice:
3 3
 
1 4 4
A =  43 1 3
4 .
3 3
4 4 1
Montrer que cette matrice est symétrique définie positive. Montrer que ρ(BBS ) 6= ρ(BJ ). Quelle est
l’hypothèse mise en défaut ici?

Exercice 4 (Jacobi pour les matrices à diagonale dominante stricte).

Soit A = [ai,j ]ni,j=1 ∈ Mn (R) une matrice à diagonale dominante stricte (c’est-à-dire, |ai,i | >
P
|ai,j | pour
i6=j
tout i = 1, , ..., n). Montrer que A est inversible et que la méthode de Jacobi (pour calculer la solution de
Ax = b) converge.

Exercice 5 (Jacobi et diagonale dominance forte).

1. Soit A ∈ Mn (R) une matrice symétrique définie positive.
(a) Montrer que tous les coefficients diagonaux de A sont strictement positifs.
(b) En déduire que la méthode de Jacobi pour la résolution du système linéaire Ax = b, avec b ∈ Rn ,
est bien définie.
Soit M ∈ Mn (R) une matrice carrée d’ordre n, avec n > 1. On dit que la matrice M est irréductible
si: pour tous ensembles d’indices

I ⊂ {1, ..., n}, I 6= ∅, et J = {1, ..., n} \ I, J 6= ∅, ∃i ∈ I, ∃j ∈ J; ai,j 6= 0. (1)

2. (a) Montrer qu’une matrice diagonale n’est pas irréductible. En déduire qu’une matrice inversible n’est
pas forcément irréductible.
(b) Soit M ∈ Mn (R) une matrice carrée d’ordre n, qui s’écrit sous la forme:
 
A 0
M= ,
B C

où A et C sont des matrices carrées d’ordre p et q, avec p + q = n, et B ∈ Mp,q (R). La matrice
M peut-elle être irréductible?
3. Soit A ∈ Mn (R), n > 1 une matrice irréductible qui vérifie de plus la propriété suivante:
X
∀i ∈ {1, , ..., n}, |ai,i | > |ai,j |. (2)
i6=j

(On dit que la matrice est à diagonale dominante). Montrer que la méthode de Jacobi pour la
résolution du système linéaire Ax = b, avec b ∈ Rn , est bien définie.

2
4. Soit A ∈ Mn (R), n > 1, une matrice irréductible qui vérifie la relation (2). On note BJ la matrice
d’itération de la méthode de Jacobi pour la résolution du système linéaire Ax = b, avec b ∈ Rn , et
ρ(BJ ) son rayon spectral. On suppose que A vérifie la propriété supplémentaire suivante:
X
∃i0 ∈ {1, , ..., n}, |ai0 ,i0 | > |ai0 ,j |. (3)
j6=i0

(a) Montrer que ρ(BJ ) ≤ 1.

(b) Montrer que si Jx = λx, avec |λ| = 1, alors |xi | = kxk∞ , ∀i = 1, ..., n, où kxk∞ = max |xk |. En
k=1,...,n
déduire que x = 0 et que la méthode de Jacobi converge.
5. En déduire que si A est une matrice qui vérifie les propriétés (1), (2) et (3), alors A est inversible.
6. Montrer que la matrice A ci-dessous est symétrique définie positive et vérifie les propriétés (2) et (3).
 
1 0 0 0
0 2 1 1
A= 0
.
1 2 1
0 1 1 2

La méthode de Jacobi converge-t-elle pour la résolution d’un système linéaire dont la matrice est A?

Exercice 6 (Méthode de Jacobi et relaxation).

Soit n > 1 et A = [ai,j ]ni,j=1 ∈ Mn (R) une matrice symétrique. On note D la partie diagonale de A, −E la
partie triangulaire inférieure de A et −F la partie triangulaire supérieure de A, c’est-à-dire:

D = [di,j ]ni,j=1 , di,j = 0 si i 6= j, di,i = ai,i ,

E = [ei,j ]ni,j=1 , ei,j = 0 si i ≤ j, ei,j = −ai,j i > j,
F = [fi,j ]ni,j=1 , fi,j = 0 si i ≥ j, fi,j = −ai,j i < j.

Noter que A = D − E − F. Soit b ∈ Rn . On cherche à calculer x ∈ Rn tel que, Ax = b. On suppose que D

est définie positive (noter que A n’est pas forcément inversible). On s’intéresse ici à la méthode de Jacobi
(par points), c’est-à-dire, à la méthode itérative suivante:
Initialisation. x(0) ∈ Rn ,
Itérations. Pour n ∈ N, Dx(k+1) = (E + F )x(k) + b.
On pose J = D−1 (E + F ).
1. Montrer, en donnant un exemple avec n = 2, que J peut ne pas être symétrique.
2. Montrer que J est diagonalisable dans R et, plus précisement, qu’il existe une base de Rn , notée
{f1 , ..., fn }, et il existe {µ1 , ..., µn } ⊂ R, tel que, Jfi = µi fi , pour tout i ∈ {1, ..., n} et tel que,
Dfi · fj = δi,j , pour tout i, j ∈ {1, ..., n}.
En ordonnant les valeurs propres de J, on obtient: µ1 ≤ µ2 ≤ ... ≤ µn . On conservera cette notation
dans la suite.
3. Montrer que la trace de J est nulle et en déduire que µ1 ≤ 0 et µn ≥ 0.
On suppose maintenant que A et 2D − A sont symétriques définies positives et on pose x = A−1 b.
4. Montrer que la méthode de Jacobi (par points) converge (c’est-à-dire, x(k) → x, quand k → ∞). [Utiliser
un théorème du cours.]
On se propose maintenant d’améliorer la convergence de la méthode par une technique de relaxation.
Soit ω > 0, on considère la méthode suivante:
Initialisation. x(0) ∈ Rn ,

3
 x(k+1) = (E + F )x(k) + b, x(k+1) = ωe
Itérations. Pour n ∈ N, De x(k+1) + (1 − ω)x(k) .
5. Calculer les matrices Mω (inversible) et Nω telles que Mω x(k+1) = Nω x(k) + b, pour tout k ∈ N, en
fonction de ω, D et A. On note, dans la suite Jω = (Mω )−1 Nω .
6. On suppose dans cette question que (2/ω)D − A est symétrique définie positive. Montrer que la méthode
converge (c’est-à-dire, x(k) → x, lorsque k → ∞.)
2
7. Montrer que (2/ω)D − A est symétrique définie positive, si et seulement si, ω < 1−µ1 ).

8. Calculer les valeurs propres de Jω en fonction de celles de J. En déduire, en fonction des µi , la valeur
”optimale” de ω, c’est-à-dire, la valeur de ω minimisant le rayon spectral de Jω .

Exercice 7 (Jacobi et Gauss-Seidel pour une matrice tridiagonale).

 
3 −1
1. Soit A = . Ecrire les méthodes de Jacobi et Gauss-Seidel pour la résolution de Ax = b. Soient
−1 3
BJ et BGS les matrices d’itération respectives associées aux méthodes ci-dessus. Calculer ρ(BJ ) et
ρ(BGS ) et vérifier que ρ(BGS ) = ρ(BJ )2 .
Soit A = [ai,j ]ni,j=1 ∈ Mn (R) une matrice carrée d’ordre n tridiagonale, c’est-à-dire telle que ai,j = 0,
si |i − j| > 1, et telle que la matrice diagonale D = diag(ai,i , i = 1, ..., n) soit inversible. On note
A = D − E − F, où −E (resp. −F ) est la partie triangulaire inférieure (resp. supérieure) de A, et on
note J et G les matrices d’itération des méthodes de Jacobi et Gauss-Seidel associées à la matrice A.
2. (a) Pour µ ∈ C, µ 6= 0 et x ∈ Cn , on note
xµ = (x1 , µx2 , . . . , µk−1 xk , . . . , µn−1 xn )t .
Montrer que si λ est valeur propre de J associée au vecteur propre x, alors xµ vérifie (µE +
1 2
µ F )xµ = λDxµ . En déduire que si λ 6= 0, est valeur propre de J, alors λ est valeur propre de G.
(b) Montrer que si λ2 est valeur propre non nulle de G, alors λ est valeur propre de J.
3. Montrer que ρ(BGS ) = ρ(BJ )2 . En déduire que lorsqu’elle converge, la méthode de Gauss-Seidel pour la
résolution du système Ax = b converge plus rapidement que la méthode de Jacobi.
4. Soit Bω la matrice d’itération de la méthode SOR associée à A. Montrer que λ est valeur propre de J,
si et seulement si, νω est valeur propre de Bω , où νω = µ2ω et µω vérifie µ2ω − λωµω + ω − 1 = 0.
En déduire que
ρ(Bω ) = max {|µω | : µ2ω − λωµω + ω − 1 = 0}.
λ valeur propre de J

Exercice 8 (Méthode de Jacobi pour des matrices particulières).

On note Mn (R) l’ensemble des matrices carrées d’ordre n à coefficients réels, et Id la matrice identité dans
Mn (R). Soit A = [ai,j ]ni,j=1 ∈ Mn (R). On suppose que:
ai,j ≤ 0, ∀i, j = 1, ..., n, i 6= j, (4)
ai,i > 0, ∀i = 1, ..., n, (5)
n
X
ai,j = 0, ∀j = 1, ..., n. (6)
i=1
Soit λ ∈ R∗+ .
1. Pour x ∈ Rn , on définit
n
X
kxkA = ai,i |xi |.
i=1

Montrer que k · kA est une norme sur Rn .

4
2. Montrer que la matrice λId + A est inversible.
3. On considère le système linéaire suivant:
(λId + A)u = b. (7)
Montrer que la méthode de Jacobi pour la recherche de la solution de ce système définit une suite
(u(k) )k∈N ⊂ Rn .

4. Montrer que la suite (u(k) )k∈N vérifie:

 
1
ku(k+1) − u(k) kA ≤ ku(1) − u(0) kA
1+α

où α = min ai,i .

i=1,...,n

5. Montrer que la suite (u(k) )k est de Cauchy, et en déduire qu’elle converge vers la solution du système (7).

Exercice 9 (Une matrice 3 × 3).

Soit A ∈ M3 (R), définie par A = Id − E − F, avec
   
0 2 0 0 0 0
E = − 1 0 0 et E = − 0 0 0 .
0 0 0 1 1 0

1. Montrer que A est inversible.

√
2. Soit 0 < ω < 2. Montrer que ( ω1 Id − E) est inversible, si et seulement si, ω 6= 22 .
√
Pour 0 < ω < 2, ω 6= 22 , on considère la méthode itérative (pour trouver la solution de Ax = b)
suivante:  
1 1−ω
( Id − E)xn+1 = F + Id xn + b.
ω ω
Il s’agit donc de la ”méthode I” du cours avec B = Lω = ( ω1 Id − E)−1 F + 1−ω


ω Id .

3. Calculer, en fonction de ω, les valeurs propres de Lω et son rayon spectral.

4. Pour quelles valeurs de ω la méthode
√
est-elle convergente? Déterminer ω0 ∈]0, 2[, tel que, ρ(Lω0 ) =
2
min{ρ(Lω ) : ω ∈]0, 2[, ω 6= 2 }.