Scribd Logo
Importer

Bienvenue sur Scribd !

  • 46 vues

    TD Analyse Numerique

    Transféré par

    Herve Zoundi
    Ce document contient plusieurs exercices d'analyse numérique portant sur les normes matricielles, la résolution de systèmes linéaires, les décompositions LDLT et LLT de matrices, et la discrétisation par différences finies d'une équation aux dérivées partielles.

    Droits d'auteur :

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

    TD Analyse Numerique

    Transféré par

    Herve Zoundi
    46 vues3 pages
    Ce document contient plusieurs exercices d'analyse numérique portant sur les normes matricielles, la résolution de systèmes linéaires, les décompositions LDLT et LLT de matrices, et la discrétisation par différences finies d'une équation aux dérivées partielles.

    Description originale:

    Analyse numérique licence 3

    Titre original

    TD_ANALYSE_NUMERIQUE

    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 ?

    Ce document contient plusieurs exercices d'analyse numérique portant sur les normes matricielles, la résolution de systèmes linéaires, les décompositions LDLT et LLT de matrices, et la discrétisation par différences finies d'une équation aux dérivées partielles.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    46 vues3 pages

    TD Analyse Numerique

    Transféré par

    Herve Zoundi
    Ce document contient plusieurs exercices d'analyse numérique portant sur les normes matricielles, la résolution de systèmes linéaires, les décompositions LDLT et LLT de matrices, et la discrétisation par différences finies d'une équation aux dérivées partielles.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 3

    CU Banfora \ L3 \ Maths Année academique : 2021-2022

    TD1 Analyse Numerique

    Exercice 1
    N
    1
    X
    Pour A = (ai,j )i,j∈1,...,N ∈ MN (R), on pose kAks = ( a2i,j ) 2 .
    i,j=1

    1. Montrer que k.ks est une norme matricielle, mais n’est pas induite (pour
    N > 1).
    √
    2. Montrer que kAk2s = tr(AT A). En déduire que kAk2 ≤ kAks ≤ N kAk2
    et que kAk2 ≤ kAxks kxk2 , pour tout A ∈ MN (R) et tout x ∈ RN .
    3. Chercher un exemple de norme non matricielle.
    Exercice 2
    Résoudre les systèmes triangulaires suivants
             
    3 0 0 x1 9 1 3 4 x1 0
             
     1 5 0   x2  =  13  et  0 3 5   x2  =  −4 
             
    2 4 6 x3 20 0 0 −3 x3 6
    Exercice 3
    En indiquant bien les opérations éffectuées sur les lignes, utiliser l’élimitation de
    Gauss pour triangulariser les systèmes linéaires suivants :

        
         1 2 1 4 x1 13
    1 2 1 x1 0     
          2 0 4 3   x2   28 
     2 2 3   x2  =  3  et 

    
     =
      

          4 2 2 1   x3   20 
    −1 −3 0 x3 2
        
    −3 1 3 2 x4 6
    Exercice 4
     
    2 1
    1) Soit A = .
    1 0
    Calculer la décomposition LDLT de A. Existe-t-il une décomposition LLT de
    A?
    2) Montrer que toute matrice de MN (R) symétrique définie positive admet
    une décomposition LDLT .

    1
     
    0 1
    3) Ecrire l’algorithme de décomposition LDLT . La matrice A =
    1 0
    admet-elle une décomposition LDT T ?
    Exercice 5
    Soit A une matrice carrée d’ordre N , symt́rique définie positive et pleine. On
    cherche à résoudre le système A2 x = b.
    1) Calculer A2 , effectuer la décomposition LLT de A2 , résoudre le système
    LLT x = y
    2) Calculer la décomposition LLT de A, résoudre les systèmes LLT y = b et
    LLT x = y. Calculer le nombre d’opérations élémentaires nécessaires pour chacune
    des deux méthodes et comparer.
    Exercice 6
    Soit MN (R) symétrique définie positive et diagonale (i.e ai,j = 0 si i − j > 1).
    1) Montrer que A admet une décomposition LLT où L est de la forme
     
    α1 0 · · · · · · 0
     
     β2 α2 0 · · · 0 
     
     0 ... ... · · · 0  .
     
     
     . . . . .
     .. . . . . . . .. 

     
    0 ··· 0 βN αN

    2) Donner un algorithme de calcul des coefficients αi et βi , en fonction des


    coefficients ai,j , et calculer le nombre d’opérations élementaires nécessaires dans
    ce cas
    3) En déduire la décomposition LLT de la matrice
     
    1 −1 0 0 0
     −1 2 −1 0 0 
     
     
     0 −1 2 −1 0  .
     
     
     0 0 −1 2 −1 
     
    0 0 0 −1 2

    4) L’inverse d’une matrice inversible tridiagonale est elle tridiagonale ?


    Exercice 7.
    Soit k.k une norme induite sur MN (R) et soit A ∈ MN (R) telle que det(A) 6= 0
    1) Montrer que si kA − Bk < kA1−1 k , alors B est inversible.
    kAk
    2) Montrer que cond(A) ≥ sup
    B∈MN (R), detB=0 kA − Bk
    Exercice 8.

    2
    Soit f ∈ C([0, 1], R). On cherche u tel que

    −u00 (x) = f (x)


    
    (1)
    u(0) = u(1) = 0.

    On admet qu’il existe une solution unique u ∈ C 2 ([0, 1], R) pour l’équation (1).
    On cherche à calculer u de manière approchée. On va pour cela introduire une
    discrétisation par différences finies.
    Soit N ∈ N? , N impair. On pose h = 1/(N + 1). Soit A la matrice issue de la
    discrétisation par différence finies du problème (1).
    Pour u ∈ RN , on note u1 , ..., uN les composantes de u. Pour u ∈ RN , on dit
    que u ≥ 0 si ui ≥ 0 pour tout i ∈ {1, ..., N }. Montrer que A est symétrique
    définie positive.

    Vous aimerez peut-être aussi