Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
Télécharger au format pdf ou txt
Vous êtes sur la page 1/ 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 ?
