Université Cheikh Anta Diop de Dakar Année : 2021-2022

Faculté des Sciences et Techniques, DMI

Licence 3 Mathématiques

Support TD 3 : Système linéaire (Méthode directe et itérative)

Exercice : 1 .

1. Méthode Jacobi :
 
    12−(1×(−1)+1×0)
2  12−(1×2+1×2)  4/3  6 
0−(2× 43 +0×0)
  0−(2×2+0×2)
 
(0) (1)
x(2) = 
 
x = 2 , x = = −1 , =
   6    
4
 
  6−(1×2+2×2)    
6−(1× 43 +2×(−1))
 
2 6 0
    6
13/6 12−(1× −2 +1× 10
9 ) 52/27
 
  3  
(3)  0−(2× 13 +0× 10
9 )
−2/3 , x = = −13 /12
  6
  
−2
 13
 
6−(1× )
 
  6
+2× 3
 
10/9 6 31/36

Ainsi on a :  

1.926 
x≈ −1.083
 

 
0.861

2. Méthode Gauss-Seidel :

12−(1× −2 +1×1)
   
  12−(1×2+1×2)  
3
2  6  4/3  6 
0−(2× 43 +0×2) 0−(2× 35 +0×1)
   
(0) (1)
− 32 x(2) = 
   
x = 2 , x = = , 18 =
      
4
 
       4 
6−(1× 43 +2× −2
3 ) 6−(1× 35 +2× −35
36 )
   
2 1 18
6 6
   
35/18  35
12−(1× 18 +1× −35
36 ) 431/216
 
  
0−(2× 431 +0×1)
 −35/36  ,
 
x(3) =  216

= −431/432

+2× −431
431
 
6−(1× 216 432 )
 
   
1 6 1
Ainsi on a :  

1.995 
x≈ −0.995
 

 
1

3. Méthode de Gauss :

1
      
2
6 1 1 12  L2 ←L2 − 61 L1 6 1 1 12  L3 ←L3 − 116 L2 6 1 1 12 
11
 L3 ←L3 − 6 L1
  
11
(A | b) =  2 4 0 0  −→ 0 − 31 −4  −→ 3 0 11
− 13 −4 
    
3 3
 
     
11 35
1 2 6 6 0 6 6
4 0 0 6 6
donc 




6x1 + x2 + x3 = 12
11

x − 13 x3 = −4
3 2
=⇒ x3 = 1, x2 = −1, x1 = 2.

6x3 = 6



4. Factorisation de A :
     
6 1 1  6 1 1 11
6
6 1 1
1  L3 ←L3 − L2  11
 L3 ←L3 − 6 L1
  
 2 11  2 11
− 13 
− 13
3
2 4 0  −→ −→
 
  6 3
  6 3 
     11 
1 11 35 1
1 2 6 6 6 6 6
6
11 6
3

donc    

1 0 0  
6 1 1 
 1 11
L= 3 1 0  U= 0 − 13
  
3

   
1 1
6 2
1 0 0 6
Pour résoudre le système linéaire on résout les systèmes triangulaires Ly = b
    

1 0 0   y1   12 
 1
 3 1 0   y2  =  0  ⇒ y1 = 12, y2 = −4, y3 = 6
   
    
1 1
6 2
1 y3 6

et Ux = y
    

6 1 1 
x1  
1 
11
0 − 13 x2 = −4 =⇒ x3 = 1, x2 = −1, x1 = 2.
    
3
   
    
0 0 6 x3 6

Exercice : 2 .

(a) La matrice Aα est inversible si et seulement si det(A) 6= 0. Comme

 

2 4 1 
det(A) = det  α −2 −1  = −6 − 5α.
 
 
2 3 2

La matrice Aα est inversible si et seulement si α 6= − 65 .

(b) Pour la matrice Aα on
 a les sous-matrices
 principales suivantes : A1 = (2),
2 4 
det (A1 ) = 2; A2 =  , det (A2 ) = −4(1 + α). Par conséquent, la
α −2

2
 matrice Aα admet une décomposition LU si et seulement si α 6= −1.
(c) Si α = −1 la matrice Aα n’admet pas de décomposition LU sans pivot. La
matrice P échange les lignes 2 et 3 de la matrice A et on obtient la matrice
    

1 0 0  2 4 1   2 4 1 
P A−1 =  0 0 1   −1 −2 −1  =  2 3 2
   
 
    
0 1 0 2 3 2 −1 −2 −1

La matrice M admet une décomposition LU et l’on a

   
2 4 1 L2 ←L2 −L1 2 4 1
  L3 ←L3 − −1
2
L1  

 2 3 2

 −→ 
 0 −1 1


   
−1 −2 −1 0 0 − 12

Par conséquent, on obtient la décomposition LU suivante de la matrice M :

   

1 0 0  
2 4 1 
L= 1 1 0  , U= 0 −1 1
 
  
   
− 12 0 1 0 0 − 12

(d) Pour résoudre le système linéaire Mx = Pb il suffit de résoudre les deux

systèmes triangulaires suivantes :
Ly = Pb :

3 1 3
y1 = 0, y2 = −1 − y1 = −1, y3 = − + y1 = −
2 2 2

?Ux = y :

−3 19
x3 = (−2) = 3, x2 = (−1 − x3 ) /(−1) = 4, x1 = (0 − x2 − 4x3 ) /2 = −
2 2

Exercice : 3 .

(a) Soit x = (a, b, c, d) ∈ R4 . Calculons Ax · x :

   

2a − b  
a 
−a + 2b − c b
   
   
Ax · x =  · 
−b + 2c − d c
   
   
   
−c + 2d d

Donc

Ax · x = 2a2 − ab − ab + 2b2 − bc − bc + 2c2 − cd − cd + 2d2

3
 Ax · x = a2 + (a − b)2 + (b − c)2 + (c − d)2 + d2 ≥ 0

De plus Ax · x = 0 ssi a = b = c = d = 0. Donc A est sdp( symétrique définie

positive)

(b) Décomposition LU de A :
 

1 0 0 0 
1
−2 1 0 0
 
 
L= 
2

0 −3 1 0
 
 
 
0 0 − 43 1
 

2 −1 0 0 
3
0 2 −1 0 
 

U= 
4

0 0 −1
 
3
 
 
5
0 0 0 4

(c) Si A est une matrice symétrique définie positive, on sait qu’il existe une unique
décomposition LU telle que A = LU . Et on a l’existence (et l’unicité) de la
décomposition A = L̃L̃t . Soit D̃ la matrice diagonale extraite de L̃, qui est
strictement positive par construction de L̃ et on pose L̄ = L̃D̃−1 donc les élé-
ments diagonaux sont tous égale à 1. On a donc A = L̄D̃D̃L̄t = L̄Ū , avec
Ū = D̃2 L̄t . La matrice D̄ = D̃2 est donc la diagonale de la matrice Ū . Par uni-
√
cité de la décomposition LU , on a L̄ = L, Ū = U et D̄ = D, et donc L̃ = L D.
On en déduit la décomposition A = L̃L̃t avec
 √ 
2 0 0 0
 √ √ 
− 22 6
0 0
 
2√
 
L̃ =  √ 
0 − 36 2 3 3 0
 
 
 √ √ 
0 0 − 23 2
5

Exercice 4 : .

(a) Les valeurs propres de A sont : α + 2, α − 2 et 0.

(b) La matrice A est symétrique définie positive si et seulement si toutes ses va-
leurs propres sont strictement positives, i.e. si α > 2. Elle est singulière dès
qu’une de ses valeurs propres est nulle, c.à.d. pour α = −2, 0 et 2.

4
 (c) La méthode de Jacobi pour la résolution du système Ax = b s’écrit :

(k+1) 1 (k) (k)


x1 = b1 + x 2 + x 4
α
(k+1) 1 (k) (k)

x2 = b2 + x 1 + x 3
α
(k+1) 1 (k) (k)

x3 = b3 + x 2 + x 4
α
(k+1) 1 (k) (k)

x4 = b4 + x 1 + x 3
α

La matrice d’itération est

 

0 1 0 1 
1 1 0 1 0
 

B=  
α
 0 1 0 1


 
1 0 1 0

dont les valeurs propres sont 0 (double) α2 et − α2 (par un raisonnement si-

milaire à celui de la question 1 ). On a donc ρ(B) = α2 . On en déduit que la
méthode de Jacobi converge si |α| > 2..

Exercice : 5

1. La méthode de Jacobi s’écrit Dx(k+1) = (E + F )x(k) + b avec

     

2 0 0  
0 0 0  
0 1 0 
D= 0 2 0  , E =  1 0 0  et F =  0 0 1 
     
     
0 0 2 0 1 0 0 0 0

La
 méthode
 de Jacobi
 s’écrit
 donc x(k+1) = BJ x(k) + cJ avec BJ = D−1 (E + F ) =

0 21 0  1
 2 
 1
 2 0 12  et cJ =  0 .
  
   
1 1
0 2
0 2
   



 
−1 




2. On remarque que x ∈ Ker (BJ ) si x2 = 0 et x1 +x3 = 0. Donc Ker BJ = t 0 ,t ∈ R.
 

   
1

 

  
1
3. Le polynôme caractéristique de BJ est PJ (λ) = det (BJ − λId) = −λ −λ2 + 2
√
2
et donc ρ (BJ ) = 2
< 1. On en déduit que la méthode de Jacobi converge.
   
1 1
 2   2 
4.(a) Choix (i) : x(1) =  0  , x(2) =  1
.
   
   2 
1 1
2 2

5
    

1  
1 
(b) Choix (ii) : x(1) = 
 (2)
1 ,x = 1 .
  
   
1 1
1. La méthode de Gauss-Seidel s’écrit (D − E)x(k+1) = F x(k) + b, où D, E et F ont
été définies à la question 1 .a. La méthode s’écrit donc x(k+1) = BGS x(k) +cGS avec
BGS = (D − E)−1 F et cGS = (D − E)−1 b. Calculons (D − E)−1 F et (D − E)−1 b
par échelonnement.
     

2 0 0 0 1 0 1  
2 0 0 0 1 0 1  
2 0 0 0 1 0 1 
−1 2 0 0 0 1 0  0 2 0 0 12 1 21 ∼ 0 2 0 0 12 1 12 
     
  
     
0 −1 2 0 0 0 1 0 −1 2 0 0 0 1 0 0 2 0 14 21 54

On a donc    
1 1

0 2
0   2 
1 1 1
BGS = 
 0 4 2

 et cGS = 
 4


   
1 1 5
0 8 4 8

  de voir quex ∈ Ker (BGS ) si et seulement si x2 = x3 = 0. Donc Ker

2. Il est facile



 
1  



BGS = t  0  , t ∈ R .
 
   

0

 


3. Le polynôme caractéristique de BGS est PGS (λ) = det (BGS − λId). On a donc

1
−λ 2
0 2 !
1 1 1
  
1− 1 2
PGS (λ) = 0 4 2 2
= −λ −λ − =λ −λ
1 1
4 16 2
0 8 4
−λ

1
et donc ρ (BGS ) = 2
< 1. On en déduit que la méthode de Gauss-Seidel converge.
4. On a bien ρ (BGS ) = 1
2
= ρ (BJ )2 , ce qui est conforme au théorème 1.36 du cours.
       
1 5
 2   8  
1  
1 
5. Choix (i) : x(1) = 
 (2)
Choix (ii) : x(1) = 
1 5  (2)
,x = . 1 ,x = 1 .
     
 4   8     
5 13
8 16
1 1