التمرين 1
Matrice paramétrée, relaxation et Gauss-Seidel
Soit . On définit pour tout entier la matrice par
مسابقة تخصص · Analyse Numérique & Optimisation · المدة: 1سا 30د
JSON import — Université Badji Mokhtar - Annaba 2021
Matrice paramétrée, relaxation et Gauss-Seidel
Soit . On définit pour tout entier la matrice par
1.
2. . Et .
3.(a) Critère de Sylvester : , , , soit . Pour une matrice symétrique définie positive, la méthode de relaxation (SOR) converge pour tout paramètre (théorème d'Ostrowski-Reich).
(b) Pour , est symétrique définie positive, donc Gauss-Seidel () converge. Itérations : , , .
Systèmes linéaires : Jacobi, Gauss-Seidel et itération de point fixe
On considère le système d'équations linéaires suivant :
1. , . : solution unique. (Elle vaut .)
2. Jacobi : (). Le polynôme caractéristique est , dont est racine : , Jacobi diverge. Gauss-Seidel : , matrice de rang 1 de valeur propre non nulle égale à sa trace : , Gauss-Seidel diverge.
3.(a) En remplaçant : ; ; : a les mêmes solutions que (réarrangement algébrique des équations), les deux systèmes sont équivalents.
(b) , . : l'itération est contractante pour , elle converge vers l'unique point fixe .
(c) pour tout .
(d) donc . En sommant la série géométrique télescopique :
(e) , donc . Condition : , soit , : il faut itérations.