Scribd Logo
Importer

Bienvenue sur Scribd !

  • 8 vues

    TD2 2016

    Transféré par

    Zakaria èl fechtali

    Droits d'auteur :

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

    TD2 2016

    Transféré par

    Zakaria èl fechtali
    8 vues2 pages

    Titre original

    TD2-2016

    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 ?

    Droits d'auteur :

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

    TD2 2016

    Transféré par

    Zakaria èl fechtali

    Droits d'auteur :

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

    Université de Rennes 1 Semestre printemps 2016-2017

    Analyse numérique-L3

    Feuille d’exercices no 2
    Systèmes linéaires & factorisations

    Exercice 1. Décomposition LU.


    1. Écrire un algorithme de décomposition LU par identification.
    2. Compter le nombre d’opérations.

    Exercice 2. Un exemple de décomposition LU.


    On définit A ∈ M4 (R) la matrice suivante
     
    1 5 8 0
    0 2 6 9
    A=
    1
    .
    5 11 7 
    0 2 6 13
    1. Déterminer la factorisation LU de A.
    2. En déduire la valeur du déterminant de A.
    3. En utilisant la décomposition LU de A, résoudre le système Ax = b pour les valeurs suivantes du
    vecteur b ∈ R4
           
    5 1 1 1
     −7  1 0 9
    (a) b = 
     1 ;
     (b) b = 
    1 ;
     (c) b = 
    1 ;
     (d) b = 
     8 .

    −11 1 0 13

    Exercice 3. Décomposition QR par la méthode de Householder.


    Le but de cet exercice est d’obtenir la décomposition A = QR par une méthode plus efficace et plus
    stable que le procédé d’orthonormalisation de Gram-Schmidt vu en cours : l’algorithme de Householder.
    Il consiste à multiplier la matrice A de départ par une suite de matrices orthogonales très simples pour
    obtenir une matrice triangulaire supérieure. C’est l’algorithme utilisé en pratique.
    Notations.
    Soit n ∈ N∗ . Dans la suite, les vecteurs de Rn sont identifiés à des vecteurs colonnes et k · k désigne la
    norme euclidienne canonique. Ainsi, pour tout u ∈ Rn , kuk2 = uT u. On note également (e1 , · · · , en ) la
    base canonique de Rn .
    1. À tout vecteur u ∈ Rn on associe la matrice de Householder définie par
    uuT

    In − 2 si u 6= 0

    H(u) = kuk2 .
    In sinon

    Quand u est non nul, H(u) est la matrice dans la base canonique de la symétrie orthogonale par
    rapport à l’hyperplan orthogonal à u.

    1
    (a) Vérifier que, pour tout u ∈ Rn , H(u) est symétrique et othogonale.

    (b) Soit e un vecteur unitaire de Rn .


    Montrer que, pour tout v ∈ Rn , si eT v < kvk, alors

    H(v − kvke) v = kvk e.

    2. Soit A ∈ Mn (R).
    (a) Déterminer une matrice de Householder H telle que la première colonne de la matrice HA
    soit un multiple positif de e1 .
    (b) Construire une suite de matrices de Householder (H (k) )1≤k≤n et une suite de matrices (A(k) )1≤k≤n+1
    telles que
    (i) A(1) = A ;
    (ii) pour tout 1 ≤ k ≤ n, A(k+1) = H (k) A(k) ;
    (iii) A(n+1) est triangulaire à coefficients diagonaux positifs.
    (c) Montrer que l’algorithme précédent fournit une décomposition QR et que le nombre Nop de
    2n3
    multiplications nécessaires à sa mise en œuvre vérifie Nop ∼ .
      3
    0 2
    3. Déterminer la décomposition QR de A = .
    2 1

    Exercice 4. Factorisation QR.


    En procédant à une orthonormalisation de Gram-Schmidt, calculer une factorisation QR de la matrice
     
    1 1 0
    A = 1 0 1 .
    0 1 1

    Exercice 5. Convergence des méthodes de Jacobi et de Gauss-Seidel.


    Examiner la convergence des méthodes de Jacobi et de Gauss-Seidel pour les deux matrices suivantes
       
    1 2 −2 2 −1 1
    A = 1 1 1  et B= 2 2 2 .
    2 2 1 −1 −1 2

    Exercice 6. Un exemple de résolution par la méthode de Gauss-Seidel.


    On se donne      
    2 1 2 (0) 0
    A = b = et x = .
    1 2 1 1
    1. Partant de x(0) , quelle approximation de la solution x de Ax = b donne la méthode de Gauss-Seidel
    au bout de 3 itérations ?
    2. Quelles sont les tailles de l’erreur et du résidu ?

    Vous aimerez peut-être aussi