Méthode de La Puissance Itérée Polytech

Mthode de la Puissance itre
PolytechParis-UPMC
- p. 1/36
Introduction
Un problme de Physiq Le problme
Algorithme de la puissa itre
Introduction
Mthode de dation
Mthode de la puissanc inverse
Conditions de converge Conclusion
Introduction
- p. 2/36
Un problme de Physique
Considrons un systme de deux billes relies par 3 ressorts k1 m1 l1 l2 k2 m2 l3 k3
- p. 3/36
Considrons un systme de deux billes relies par 3 ressorts k2 m1 l1 Position Force F1 l2 x1 (t) F2 F2 k1 m2 l3 x2 (t) F3 k3
Le systme doit osciller, mais quelle frquence et quelle amplitude ?
- p. 3/36
Considrons un systme de deux billes relies par 3 ressorts k2 m1 l1 Position Force F1 l2 x1 (t) F2 F2 k1 m2 l3 x2 (t) F3 k3
Le systme doit osciller, mais quelle frquence et quelle amplitude ? Daprs les lois de N EWTON F1 (t) = k1 x1 (t) m1 x1 (t) = F1 (t) + F2 (t) m2 x (t) = F2 (t) + F3 (t) F2 (t) = k2 (x2 (t) x1 (t)) 2 F (t) = k x (t) 3 3 2
- p. 3/36
k +k x (t) = k1m1 2 x1 (t) + m2 x2 (t) Sous forme 1 1 k2 k2 +k3 x (t) = m2 x1 (t) m2 F3 (t) 2 matricielle :
Donc,
Introduction
Algorithme de la puissa itre
(t) = x
A (t) x
avec
A =
k1 +k2 m1 k m22
k2 +k3 m2
k m21
Mthode de dation
En cherchant les positions sous la forme x1 (t) = C1 cos(t) et x2 (t) = C2 cos(t) on obtient : A C1 C2 =
2
C1 C2
Le problme revient donc chercher C1 = 0, C2 = 0 et tels que les deux quations ci-dessus soient satisfaites. Cela revient chercher les valeurs propres de la matrice A.
- p. 4/36
Le problme
Soit une matrice A, rpondant certaines conditions par exemple : A est symtrique, hermitienne A est diagonalisable Les valeurs propres de A sont toutes diffrentes
Introduction
Algorithme de la puissa itre Mthode de dation
- p. 5/36
Le problme
Soit une matrice A, rpondant certaines conditions par exemple : A est symtrique, hermitienne A est diagonalisable Les valeurs propres de A sont toutes diffrentes On cherche obtenir les valeurs propres et les vecteurs propres de A.
Introduction
- p. 5/36
Le problme
Soit une matrice A, rpondant certaines conditions par exemple : A est symtrique, hermitienne A est diagonalisable Les valeurs propres de A sont toutes diffrentes On cherche obtenir les valeurs propres et les vecteurs propres de A. Mthodes bases sur le polynme caractristique
Introduction
- p. 5/36
Le problme
Soit une matrice A, rpondant certaines conditions par exemple : A est symtrique, hermitienne A est diagonalisable Les valeurs propres de A sont toutes diffrentes On cherche obtenir les valeurs propres et les vecteurs propres de A. Mthodes bases sur le polynme caractristique Mthodes bases sur les matrices semblables
Introduction
- p. 5/36
Le problme
Soit une matrice A, rpondant certaines conditions par exemple : A est symtrique, hermitienne A est diagonalisable Les valeurs propres de A sont toutes diffrentes On cherche obtenir les valeurs propres et les vecteurs propres de A. Mthodes bases sur le polynme caractristique Mthodes bases sur les matrices semblables Mthodes itratives
Introduction
- p. 5/36
Le problme
Soit une matrice A, rpondant certaines conditions par exemple : A est symtrique, hermitienne A est diagonalisable Les valeurs propres de A sont toutes diffrentes On cherche obtenir les valeurs propres et les vecteurs propres de A. Mthodes bases sur le polynme caractristique Mthodes bases sur les matrices semblables Mthodes itratives Les mthodes itratives sont bases sur une suite de vecteurs (xk )kIN qui tendent vers un vecteur propre.
Introduction
- p. 5/36
Le problme
Soit une matrice A, rpondant certaines conditions par exemple : A est symtrique, hermitienne A est diagonalisable Les valeurs propres de A sont toutes diffrentes On cherche obtenir les valeurs propres et les vecteurs propres de A. Mthodes bases sur le polynme caractristique Mthodes bases sur les matrices semblables Mthodes itratives Les mthodes itratives sont bases sur une suite de vecteurs (xk )kIN qui tendent vers un vecteur propre. Comment construire cette suite ?
- p. 5/36
Introduction
Introduction
Algorithme de la puissa itre Principe Principe (suite)
Algorithme de la puissance itre
Algorithme
Vitesse de Convergenc
Vitesse de convergence Mthode de dation
Algorithme de la puissance itre
- p. 6/36
1 1
matrice A =
1, 36 0, 56 0.14 0.94
- p. 7/36
1 1
matrice A =
1, 36 0, 56 0.14 0.94
- p. 7/36
1 1
matrice A = 4 1 1 1
1, 36 0, 56 0.14 0.94
dont les vecteurs propres sont :
- p. 7/36
1 1
matrice A = 4 1 1 1
1, 36 0, 56 0.14 0.94
de valeur propre 1, 5 de valeur propre 0, 8
- p. 7/36
1 1
matrice A = 4 1 1 1
1, 36 0, 56 0.14 0.94
- p. 7/36
1 1
matrice A = 4 1 1 1
1, 36 0, 56 0.14 0.94
- p. 7/36
1 1
matrice A = 4 1 1 1
1, 36 0, 56 0.14 0.94
- p. 7/36
1 1
matrice A = 4 1 1 1
1, 36 0, 56 0.14 0.94
- p. 7/36
Principe
Soit la matrice A Mn,n (IR) dont on cherche les valeurs propres, supposons que A possde n valeurs propres de modules diffrents 1 , 2 , . . . , n telles que |1 | < |2 | < < |n |
et soient , , . . . , les vecteurs propres associs u1 u2 un
- p. 8/36
Principe
et soient , , . . . , les vecteurs propres associs u1 u2 un Alors, si est un vecteur quelconque, x0
- p. 8/36
Principe
et soient , , . . . , les vecteurs propres associs u1 u2 un Alors, si est un vecteur quelconque, x0 = a + a + + a x u u u

0 1 1 2 2 n n
- p. 8/36
Principe

0 1 1 2 2 n n
Supposons que an = 0,
- p. 8/36
Principe

0 1 1 2 2 n n
Supposons que an = 0, on calcule la suite x k+1 cest dire
A xk
- p. 8/36
Principe

0 1 1 2 2 n n
Supposons que an = 0, on calcule la suite x k+1 cest dire = Ak xk x0
A xk
- p. 8/36
Principe

0 1 1 2 2 n n
Supposons que an = 0, on calcule la suite = A x xk k+1 cest dire = Ak xk x0 = k a + k a + + k a xk 1 1 u1 2 2 u2 n n un
- p. 8/36
Principe

0 1 1 2 2 n n
Supposons que an = 0, on calcule la suite = A x xk k+1 cest dire = Ak xk x0 = k a + k a + + k a xk 1 1 u1 2 2 u2 n n un k + + n1 k a = k 1 a1 u1 xk n1 un1 + an un n n n
- p. 8/36
Principe

0 1 1 2 2 n n
Supposons que an = 0, on calcule la suite = A x xk k+1 cest dire = Ak xk x0 = k a + k a + + k a xk 1 1 u1 2 2 u2 n n un k + + n1 k a = k 1 a1 u1 xk n1 un1 + n n n Or si i = n,

i n k
an un
0 donc le terme prpondrant devient k an un n

- p. 8/36
Principe

0 1 1 2 2 n n
Supposons que an = 0, on calcule la suite = A x xk k+1 cest dire = Ak xk x0 = k a + k a + + k a xk 1 1 u1 2 2 u2 n n un k + + n1 k a = k 1 a1 u1 xk n1 un1 + an un n n n Or si i = n,

i n k
0 donc le terme prpondrant devient k an un n

- p. 8/36
Principe (suite)
Au bout dun certain nombre ditrations : La plus grande valeur propre est Le vecteur propre associ est
Introduction
Algorithme de la puissa itre Principe Principe (suite) Algorithme
- p. 9/36
Principe (suite)
Au bout dun certain nombre ditrations : La plus grande valeur propre est Le vecteur propre associ est un xk
Introduction
- p. 9/36
Principe (suite)
Au bout dun certain nombre ditrations : La plus grande valeur propre est Le vecteur propre associ est |n |
xk+1 x
k
Introduction
un xk
- p. 9/36
Principe (suite)
xk+1 x
k
Introduction
un xk
En pratique : Si n est grand, il peut y avoir dpassement de capacit
- p. 9/36
Principe (suite)
xk+1 x
k
Introduction
un xk
En pratique : Si n est grand, il peut y avoir dpassement de capacit On normalise la suite xk et = A bk x bk = k+1 x
k
- p. 9/36
Principe (suite)
xk+1 x
k
Introduction
un xk
En pratique : Si n est grand, il peut y avoir dpassement de capacit On normalise la suite xk et = A bk x bk = k+1 x
k
On cherche obtenir n , pour cela on utilise le produit scalaire : t bk xk+1 = tbk A bk n tbk bk n si les bk sont normaliss
- p. 9/36
Algorithme
Donnees debut
: A, et x0
Introduction
x x0 anc 1 ; 0 tant que | anc | > faire anc x b x A x b tb x

retourner
, b
- p. 10/36
Algorithme
Donnees debut
: A, et x0
Introduction

retourner
, b
On peut ajouter un test de convergence sur le vecteur pour obtenir un vecteur propre.
- p. 10/36
Algorithme
Donnees debut
: A, et x0
Introduction

retourner
, b
On peut ajouter un test de convergence sur le vecteur pour obtenir un vecteur propre. = t pour utiliser Ici, on utilise la norme euclidienne x x x une autre norme, il faut changer le calcul de :
- p. 10/36
Algorithme
Donnees debut
: A, et x0
Introduction

retourner
, b
On peut ajouter un test de convergence sur le vecteur pour obtenir un vecteur propre. = t pour utiliser Ici, on utilise la norme euclidienne x x x t b x une autre norme, il faut changer le calcul de : tb b
- p. 10/36
Vitesse de Convergence
supposons que A possde n valeurs propres de modules diffrents 1 , 2 , . . . , n = x0 En normalisant, bk = = k n Ak x0 k k 1 a1 u1 + + n1 an1 + an un1 un k k n n
k k 1 + + n1 a a1 u1 n1 un1 k k n n n1 n k
telles que
et soient , , . . . , les vecteurs propres associs u1 u2 un
|1 | < |2 | < < |n |
a1 + a2 + + an u1 u2 un
k k + n n an un k A x0 Ak x0
Le terme derreur le plus important est
an un1
- p. 11/36
Vitesse de convergence
Par dnition, que : bk k n an un Ak x0
k k + + n1 a 1 C k a1 u1 n1 un1 n k n |n |k Ak x0
est born car bk est de norme 1. Donc il existe C tel
|n1 | |n |k
( a1 + a2 + an1 ) u1 u2 un1
La convergence dpend donc du rapport entre la plus grande et la deuxime plus grande valeur propre : |n1 | |n | Si les valeurs propres sont trs proches, la convergence sera lente
- p. 12/36
Introduction
Algorithme de la puissa itre Mthode de dation Mthode de dation
Mthode de dation
Mthode de dation (s
Utilisation de la mthod
Mthode de dation
- p. 13/36
Mthode de dation
Comment faire pour trouver la deuxime plus grande valeur propre ?
- p. 14/36
Mthode de dation
Comment faire pour trouver la deuxime plus grande valeur propre ? Ide : trouver une matrice qui a pour valeurs propres 1 , . . . , n1 et 0
- p. 14/36
Mthode de dation
Comment faire pour trouver la deuxime plus grande valeur propre ? Ide : trouver une matrice qui a pour valeurs propres 1 , . . . , n1 et 0 Soient , . . . , les vecteurs propres de A, ils forment une base de IRn . Il u1 un v1 vn existe alors une base duale , , telle que i, j Rappel : ij = 0 si i = j, ii = 1 t vi uj = ij
- p. 14/36
Mthode de dation
Comment faire pour trouver la deuxime plus grande valeur propre ? Ide : trouver une matrice qui a pour valeurs propres 1 , . . . , n1 et 0 Soient , . . . , les vecteurs propres de A, ils forment une base de IRn . Il u1 un v1 vn existe alors une base duale , , telle que i, j Rappel : ij = 0 si i = j, ii = 1 Alors soit B = A n t un vn t vi uj = ij
- p. 14/36
Mthode de dation
Comment faire pour trouver la deuxime plus grande valeur propre ? Ide : trouver une matrice qui a pour valeurs propres 1 , . . . , n1 et 0 Soient , . . . , les vecteurs propres de A, ils forment une base de IRn . Il u1 un v1 vn existe alors une base duale , , telle que i, j Rappel : ij = 0 si i = j, ii = 1 Alors soit B = A n t un vn i {1, 2, . . . , n} u B(i ) = Ai n (t i ) u u un vn = i i n in u un 0 si i = n = i i si i = n u t vi uj = ij
- p. 14/36
Mthode de dation
Comment faire pour trouver la deuxime plus grande valeur propre ? Ide : trouver une matrice qui a pour valeurs propres 1 , . . . , n1 et 0 Soient , . . . , les vecteurs propres de A, ils forment une base de IRn . Il u1 un v1 vn existe alors une base duale , , telle que i, j Rappel : ij = 0 si i = j, ii = 1 Alors soit B = A n t un vn i {1, 2, . . . , n} u B(i ) = Ai n (t i ) u u un vn = i i n in u un 0 si i = n = i i si i = n u t vi uj = ij
Donc B a pour valeurs propres 1 , . . . , n1 et 0 et les mmes vecteurs propres que A.

- p. 14/36
Mthode de dation (suite)

En appliquant la mthode de la puissance itre B, on obtient n1 et un1
Introduction
Mthode de dation (s
- p. 15/36

En appliquant la mthode de la puissance itre B, on obtient n1 et un1 Connaissant n et et A, comment trouver le vecteur de la base un vn duale ?
Introduction
Mthode de dation (s
- p. 15/36

En appliquant la mthode de la puissance itre B, on obtient n1 et un1 Connaissant n et et A, comment trouver le vecteur de la base un vn duale ? Si A est symtrique,
Introduction
Mthode de dation (s
- p. 15/36

En appliquant la mthode de la puissance itre B, on obtient n1 et un1 Connaissant n et et A, comment trouver le vecteur de la base un vn duale ? Si A est symtrique, les vecteur propres sont orthogonaux donc = n . u vn t un un
Introduction
Mthode de dation (s
- p. 15/36

En appliquant la mthode de la puissance itre B, on obtient n1 et un1 Connaissant n et et A, comment trouver le vecteur de la base un vn duale ? Si A est symtrique, les vecteur propres sont orthogonaux donc = n . u vn t un un Sinon, considrons tA, Elle a les mmes valeurs propres que A.
Introduction
Mthode de dation (s
- p. 15/36

En appliquant la mthode de la puissance itre B, on obtient n1 et un1 Connaissant n et et A, comment trouver le vecteur de la base un vn duale ? Si A est symtrique, les vecteur propres sont orthogonaux donc = n . u vn t un un Sinon, considrons tA, Elle a les mmes valeurs propres que A. Soit le vecteur propre associ n , v t v Ai u =
Introduction
Mthode de dation (s
- p. 15/36

En appliquant la mthode de la puissance itre B, on obtient n1 et un1 Connaissant n et et A, comment trouver le vecteur de la base un vn duale ? Si A est symtrique, les vecteur propres sont orthogonaux donc = n . u vn t un un Sinon, considrons tA, Elle a les mmes valeurs propres que A. Soit le vecteur propre associ n , v t v Ai u = (t A) i v u
Introduction
Mthode de dation (s
- p. 15/36

En appliquant la mthode de la puissance itre B, on obtient n1 et un1 Connaissant n et et A, comment trouver le vecteur de la base un vn duale ? Si A est symtrique, les vecteur propres sont orthogonaux donc = n . u vn t un un Sinon, considrons tA, Elle a les mmes valeurs propres que A. Soit le vecteur propre associ n , v t v Ai u = (t A) i = v u vu n t i
Introduction
Mthode de dation (s
- p. 15/36

En appliquant la mthode de la puissance itre B, on obtient n1 et un1 Connaissant n et et A, comment trouver le vecteur de la base un vn duale ? Si A est symtrique, les vecteur propres sont orthogonaux donc = n . u vn t un un Sinon, considrons tA, Elle a les mmes valeurs propres que A. Soit le vecteur propre associ n , v t v Ai u = = (t A) i = v u (A ) t v ui vu n t i
Introduction
Mthode de dation (s
- p. 15/36

En appliquant la mthode de la puissance itre B, on obtient n1 et un1 Connaissant n et et A, comment trouver le vecteur de la base un vn duale ? Si A est symtrique, les vecteur propres sont orthogonaux donc = n . u vn t un un Sinon, considrons tA, Elle a les mmes valeurs propres que A. Soit le vecteur propre associ n , v t v Ai u = = (t A) i = v u (A ) = t v ui vu n t i vu i t i
Introduction
Mthode de dation (s
- p. 15/36

Introduction
Mthode de dation (s
Donc si i = n, t i = 0, la base duale est celle des vecteurs vu propres de tA.
- p. 15/36

Introduction
Mthode de dation (s
Donc si i = n, t i = 0, la base duale est celle des vecteurs vu propres de tA. Pour construire la matrice de dation, il suft donc de trouver un vecteur propre associ la plus grande valeur propre de t A.
- p. 15/36
Utilisation de la mthode
La mthode de dation permet de trouver toutes les valeurs propres de la matrice Sans les connatre En obtenant des vecteurs propres Il y a accumulation de lerreur La mthode de la puissance donne une approximation de la plus grande valeur propre et du vecteur propre. La matrice B utilise nest pas exactement la bonne. Il y a dgradation du rsultat.
Introduction
Mthode de dation (s
- p. 16/36
Introduction
Mthode de la puissance inverse
Mthode de la puissanc
inverse Algorithme de la puissa inverse Algorithme Mthode de dcalage Exemple dutilisation
Mthode de dcalage (
Mthode de la puissance inverse
- p. 17/36
Algorithme de la puissance inverse

Que faire si on recherche la valeur propre de plus petit module ?
- p. 18/36

Que faire si on recherche la valeur propre de plus petit module ? Rq : Les valeurs propres de A1 sont les inverses des valeurs propres de A
- p. 18/36

Que faire si on recherche la valeur propre de plus petit module ? Rq : Les valeurs propres de A1 sont les inverses des valeurs propres de A Si A est inversible, on applique lalgorithme de la puissance itre A1 :
- p. 18/36

Que faire si on recherche la valeur propre de plus petit module ? Rq : Les valeurs propres de A1 sont les inverses des valeurs propres de A Si A est inversible, on applique lalgorithme de la puissance itre A1 : On effectue la dcomposition P LU de A : P A = LU
- p. 18/36

Que faire si on recherche la valeur propre de plus petit module ? Rq : Les valeurs propres de A1 sont les inverses des valeurs propres de A Si A est inversible, on applique lalgorithme de la puissance itre A1 : On effectue la dcomposition P LU de A : P A = LU soit b 0 le vecteur de dpart, On construit les suites b k et k :
- p. 18/36

Que faire si on recherche la valeur propre de plus petit module ? Rq : Les valeurs propres de A1 sont les inverses des valeurs propres de A Si A est inversible, on applique lalgorithme de la puissance itre A1 : On effectue la dcomposition P LU de A : P A = LU soit b 0 le vecteur de dpart, On construit les suites b k et k : On rsout le systme LU x k+1 = P b k
- p. 18/36

Que faire si on recherche la valeur propre de plus petit module ? Rq : Les valeurs propres de A1 sont les inverses des valeurs propres de A Si A est inversible, on applique lalgorithme de la puissance itre A1 : On effectue la dcomposition P LU de A : P A = LU soit b 0 le vecteur de dpart, On construit les suites b k et k : On rsout le systme LU x k+1 = P b k On pose : bk = et k =
- p. 18/36

Que faire si on recherche la valeur propre de plus petit module ? Rq : Les valeurs propres de A1 sont les inverses des valeurs propres de A Si A est inversible, on applique lalgorithme de la puissance itre A1 : On effectue la dcomposition P LU de A : P A = LU soit b 0 le vecteur de dpart, On construit les suites b k et k : On rsout le systme LU x k+1 = P b k On pose : xk bk = et k = x
k
- p. 18/36

Que faire si on recherche la valeur propre de plus petit module ? Rq : Les valeurs propres de A1 sont les inverses des valeurs propres de A Si A est inversible, on applique lalgorithme de la puissance itre A1 : On effectue la dcomposition P LU de A : P A = LU soit b 0 le vecteur de dpart, On construit les suites b k et k : On rsout le systme LU x k+1 = P b k On pose : xk 1 bk = et k = t xk x k+1 b k
- p. 18/36

Que faire si on recherche la valeur propre de plus petit module ? Rq : Les valeurs propres de A1 sont les inverses des valeurs propres de A Si A est inversible, on applique lalgorithme de la puissance itre A1 : On effectue la dcomposition P LU de A : P A = LU soit b 0 le vecteur de dpart, On construit les suites b k et k : On rsout le systme LU x k+1 = P b k On pose : xk 1 bk = et k = t xk x k+1 b k On sarrte quand |k+1 k | <
- p. 18/36

Que faire si on recherche la valeur propre de plus petit module ? Rq : Les valeurs propres de A1 sont les inverses des valeurs propres de A Si A est inversible, on applique lalgorithme de la puissance itre A1 : On effectue la dcomposition P LU de A : P A = LU soit b 0 le vecteur de dpart, On construit les suites b k et k : On rsout le systme LU x k+1 = P b k On pose : xk 1 bk = et k = t xk x k+1 b k La suite k converge vers linverse de la plus grande valeur propre de A1 donc vers la valeur propre de A de plus petit module.
- p. 18/36
On sarrte quand |k+1 k | <
Algorithme
Donnees debut
: A, P, L, U tels que P A = LU , 0 et x
Introduction
x x0 anc 1 0 tant que | anc | > faire anc x b x = P rsoudre LU x b 1 t x b retourner et b
Mthode de dcalage (
- p. 19/36
Mthode de dcalage
Quelles sont les valeurs propres de la matrice A I ?
Introduction
Mthode de dcalage (
- p. 20/36
Mthode de dcalage
Quelles sont les valeurs propres de la matrice A I ? Si i est valeur propre de A de vecteur propre i , u = A (A I) u u u
i i i
Introduction
= i i i u u = (i ) i u
Mthode de dcalage (
- p. 20/36
Mthode de dcalage
i i i
Introduction
= i i i u u = (i ) i u
Que se passe-t-il si on applique la matrice A I la mthode de la puissance itre ?
Mthode de dcalage (
- p. 20/36
Mthode de dcalage
i i i
Introduction
= i i i u u = (i ) i u
Que se passe-t-il si on applique la matrice A I la mthode de la puissance itre ? On obtient la valeur propre k de module maximum. Cela permet dacclrer le calcul dune valeur propre.
Mthode de dcalage (
- p. 20/36
Mthode de dcalage
i i i
Introduction
= i i i u u = (i ) i u
Que se passe-t-il si on applique la matrice A I la mthode de la puissance itre ? On obtient la valeur propre k de module maximum. Cela permet dacclrer le calcul dune valeur propre. la mthode de la puissance inverse ?
Mthode de dcalage (
- p. 20/36
Mthode de dcalage
i i i
Introduction
= i i i u u = (i ) i u
Que se passe-t-il si on applique la matrice A I la mthode de la puissance itre ? On obtient la valeur propre k de module maximum. Cela permet dacclrer le calcul dune valeur propre. la mthode de la puissance inverse ? Cela permet dobtenir la valeur propre k de module minimum Cest la valeur propre la plus proche de Cest un moyen damliorer le calcul dune valeur propre et dobtenir un vecteur propre correspondant cette valeur
Mthode de dcalage (
- p. 20/36
Exemple dutilisation
Supposons quun premier calcul est fourni une approximation dune valeur propre : .
Donnees debut
Introduction
: A, , 0 et x
x x0 anc 0 tant que | anc | > faire anc x b x
Mthode de dcalage (
= rsoudre (A I) x b 1 t x b retourner et b
n
Cet algorithme amliore lapproximation et permet de calculer un vecteur propre associ la valeur propre.
- p. 21/36
Mthode de dcalage (n)

Cette mthode permet
Introduction
Mthode de dcalage (
- p. 22/36

Cette mthode permet de calculer un vecteur propre correspondant une valeur propre connue approximativement damliorer la prcision de la valeur propre.
Introduction
Mthode de dcalage (
- p. 22/36

Cette mthode permet de calculer un vecteur propre correspondant une valeur propre connue approximativement damliorer la prcision de la valeur propre. Avantages : Convergence plus rapide Permet de sapprocher indniment dune valeur et dun vecteur propre
Introduction
Mthode de dcalage (
- p. 22/36

Cette mthode permet de calculer un vecteur propre correspondant une valeur propre connue approximativement damliorer la prcision de la valeur propre. Avantages : Convergence plus rapide Permet de sapprocher indniment dune valeur et dun vecteur propre Inconvnients : Utilisation dun systme linaire presque singulier Peut converger vers une autre valeur propre.
Introduction
Mthode de dcalage (
- p. 22/36
Introduction
Conditions de convergence
Conditions de converge Conditions si an
= 0 si an = 0 (suite)
Autres conditions de convergences Sous espace propre de dimension > 1 Sous espace propre de dimension > 1
A non diagonalisable
conjugues Rsum Conclusion
Valeurs propres comple
Valeurs de mme modu
Conditions de convergence
- p. 23/36
Conditions
Plusieurs conditions sont ncessaires pour que la mthode fonctionne :
Introduction
Valeurs de mme modu
- p. 24/36
Conditions
Plusieurs conditions sont ncessaires pour que la mthode fonctionne : A est une matrice de dimension n possdant n valeurs propres de modules diffrents |1 | < |2 | < < |n | = A est diagonalisable
Introduction
Valeurs de mme modu
- p. 24/36
Conditions
Plusieurs conditions sont ncessaires pour que la mthode fonctionne : A est une matrice de dimension n possdant n valeurs propres de modules diffrents |1 | < |2 | < < |n | = A est diagonalisable Soient 1 , 2 , . . . , n les vecteurs propres associs aux u u u valeurs propres de A. On doit partir dun vecteur 0 x = a + + a x u u
0 1 1 n n
Introduction
o an = 0 Que se passe-t-il si an = 0 ?
Valeurs de mme modu
- p. 24/36
1 1
matrice A = 4 1 1 1
2, 72 1, 12 0, 28 1, 88
de valeur propre 3 de valeur propre 1.6
- p. 25/36
1 1
matrice A = 4 1 1 1
2, 72 1, 12 0, 28 1, 88
- p. 25/36
1 1
matrice A = 4 1 1 1
2, 72 1, 12 0, 28 1, 88
- p. 25/36
1 1
matrice A = 4 1 1 1
2, 72 1, 12 0, 28 1, 88
- p. 25/36
1 1
matrice A = 4 1 1 1
2, 72 1, 12 0, 28 1, 88
- p. 25/36
1 1
matrice A = 4 1 1 1
2, 72 1, 12 0, 28 1, 88
- p. 25/36
1 1
matrice A = 4 1 1 1
2, 72 1, 12 0, 28 1, 88
- p. 25/36
1 1
matrice A = 4 1 1 1
2, 72 1, 12 0, 28 1, 88
- p. 25/36
si an = 0
Si on part du point de dpart = a + + a x u
0 1 1
Introduction
n1 u n1 + 0 u n
Valeurs de mme modu
- p. 26/36
si an = 0
0 1 1
Introduction
n1 u n1 + 0 u n
Lorsquon calcule le premier terme x1 = A 0 x = 1 a1 1 + + n1 an1 n1 + 0 n u u u
Valeurs de mme modu
- p. 26/36
si an = 0
0 1 1
Introduction
n1 u n1 + 0 u n
Lorsquon calcule le premier terme = A 0 x = 1 a1 1 + + n1 an1 n1 + 0 n u u u cause des erreurs de calcul, on obtient en fait x1
Valeurs de mme modu
- p. 26/36
si an = 0
0 1 1
Introduction
n1 u n1 + 0 u n
Lorsquon calcule le premier terme = A 0 x = 1 a1 1 + + n1 an1 n1 + 0 n u u u cause des erreurs de calcul, on obtient en fait = a + + x u a u
1 1 1 1 n1 n1 n1
x1
Valeurs de mme modu
- p. 26/36
si an = 0
0 1 1
Introduction
n1 u n1 + 0 u n
Lorsquon calcule le premier terme = A 0 x = 1 a1 1 + + n1 an1 n1 + 0 n u u u cause des erreurs de calcul, on obtient en fait = a + + x u a u + u
1 1 1 1 n1 n1 n1 n
x1
Valeurs de mme modu
- p. 26/36
si an = 0
0 1 1
Introduction
n1 u n1 + 0 u n
1 1 1 1 n1 n1 n1 n
x1
Si n est beaucoup plus grande que les autres valeurs propres, les calculs suivants font ressortir le coefcient associ n u alors quils annulent les autres.
Valeurs de mme modu
- p. 26/36
si an = 0
0 1 1
Introduction
n1 u n1 + 0 u n
1 1 1 1 n1 n1 n1 n
x1
Si n est beaucoup plus grande que les autres valeurs propres, les calculs suivants font ressortir le coefcient associ n u alors quils annulent les autres. Donc lalgorithme nous donne toujours n et n grce aux u erreurs de calcul.
Valeurs de mme modu
- p. 26/36
si an = 0 (suite)
Introduction
Si les deux plus grandes valeurs propres n et n1 sont proches lune de lautre,
Valeurs de mme modu
- p. 27/36
si an = 0 (suite)
Introduction
Si les deux plus grandes valeurs propres n et n1 sont proches lune de lautre, lalgorithme peut sarrter en obtenant n1 n et n . u et n1 au lieu de u
Valeurs de mme modu
- p. 27/36
si an = 0 (suite)
Introduction
Si les deux plus grandes valeurs propres n et n1 sont proches lune de lautre, lalgorithme peut sarrter en obtenant n1 n et n . u et n1 au lieu de u
Si on gnralise le phnomne en utilisant la mthode de dation, cela signie que les valeurs propres qui sont proches les unes des autres ne sont pas forcment obtenues dans le bon ordre.
Valeurs de mme modu
- p. 27/36
Autres conditions de convergences

Jusqu prsent on a considr que les valeurs propres de la matrice A ont des modules diffrents. Mais que se passe-t-il si : A possde une valeur propre dgnre Un espace propre de dimension > 1 A nest pas diagonalisable A possde des valeurs propres diffrentes mais de module identique Valeurs propres relles de signes diffrents Valeurs propres complexes conjugues Plusieurs valeurs propres complexes de mme module
Introduction
Valeurs de mme modu
- p. 28/36
Sous espace propre de dimension > 1

z
Introduction
conjugues
3 0 Matrice A = 0 3 0 0
0 Ax 0 on trace Ax 1
Valeurs de mme modu Rsum Conclusion
- p. 29/36

z
Introduction
conjugues
3 0 Matrice A = 0 3 0 0
- p. 29/36

z
Introduction
conjugues
3 0 Matrice A = 0 3 0 0
- p. 29/36

z
Introduction
conjugues
3 0 Matrice A = 0 3 0 0
- p. 29/36

z
Introduction
conjugues
3 0 Matrice A = 0 3 0 0
- p. 29/36

La suite k tend vers x
Introduction
Valeurs de mme modu
- p. 30/36

La suite k tend vers un vecteur du sous espace propre x
Introduction
Valeurs de mme modu
- p. 30/36

La suite k tend vers un vecteur du sous espace propre x Soit la valeur propre de plus grand module et d la dimension de son sous espace propre. Soit 1 , 2 , . . . , nd les autres valeurs propres et , ,..., u1 u2 u nd les vecteurs propres associs En reprenant le raisonnement prcdant x0 o est un vecteur propre de valeur propre u = a1 1 + + and nd + u u u
Introduction
Valeurs de mme modu
- p. 30/36

La suite k tend vers un vecteur du sous espace propre x Soit la valeur propre de plus grand module et d la dimension de son sous espace propre. Soit 1 , 2 , . . . , nd les autres valeurs propres et , ,..., u1 u2 u nd les vecteurs propres associs En reprenant le raisonnement prcdant x0 o est un vecteur propre de valeur propre u On calcule la suite k+1 = A k x x cest dire = a1 1 + + and nd + u u u
Introduction
Valeurs de mme modu
- p. 30/36

La suite k tend vers un vecteur du sous espace propre x Soit la valeur propre de plus grand module et d la dimension de son sous espace propre. Soit 1 , 2 , . . . , nd les autres valeurs propres et , ,..., u1 u2 u nd les vecteurs propres associs En reprenant le raisonnement prcdant x0 o est un vecteur propre de valeur propre u On calcule la suite k+1 = A k x x cest dire = Ak xk u0 = a1 1 + + and nd + u u u
Introduction
Valeurs de mme modu
- p. 30/36

La suite k tend vers un vecteur du sous espace propre x Soit la valeur propre de plus grand module et d la dimension de son sous espace propre. Soit 1 , 2 , . . . , nd les autres valeurs propres et , ,..., u1 u2 u nd les vecteurs propres associs En reprenant le raisonnement prcdant x0 o est un vecteur propre de valeur propre u On calcule la suite k+1 = A k x x cest dire = Ak xk u0 = k a + + k a k xk nd u nd + u 1u1 1 nd = a1 1 + + and nd + u u u
Introduction
Valeurs de mme modu
- p. 30/36

La suite k tend vers un vecteur du sous espace propre x Soit la valeur propre de plus grand module et d la dimension de son sous espace propre. Soit 1 , 2 , . . . , nd les autres valeurs propres et , ,..., u1 u2 u nd les vecteurs propres associs En reprenant le raisonnement prcdant x0 o est un vecteur propre de valeur propre u On calcule la suite k+1 = A k x x cest dire = Ak xk u0 = k a + + k a k xk nd u nd + u 1u1 1 nd k = k 1 a + + k a nd u u + u x
k n k 1 n 1 k n nd nd
Introduction
= a1 1 + + and nd + u u u
Valeurs de mme modu
- p. 30/36
Le terme prpondrant devient k nu x Donc la suite normalise k tend vers un vecteur du sous x
n
Introduction
espace propre Selon la valeur de 0 la suite x
xk x
k
tend vers diffrents vecteurs
du sous espace vectoriel. Ce cas ne peut tre dtect que si on calcule plusieurs fois la suite partir de points de dpart diffrents
Valeurs de mme modu
- p. 31/36
1 1
Matrice A =
1 1 0 1
on trace A x
- p. 32/36
1 1
Matrice A =
1 1 0 1
on trace A x
- p. 32/36
1 1
Matrice A =
1 1 0 1
on trace A x
- p. 32/36
1 1
Matrice A =
1 1 0 1
on trace A x
- p. 32/36
1 1
Matrice A =
1 1 0 1
on trace A x
- p. 32/36
1 1
Matrice A =
1 1 0 1
on trace A x
- p. 32/36
1 1
Matrice A =
1 1 0 1
on trace A x
- p. 32/36
1 1
Matrice A =
1 1 0 1
on trace A x
- p. 32/36
1 1
Matrice A = La suite
xk x
k
1 1 0 1
on trace A x
converge vers un vecteur propre associ la plus grande valeur
propre. La preuve utilise la dcomposition de Jordan.
- p. 32/36
Valeurs propres complexes conjugues

z
Introduction
A non diagonalisable Valeurs propres comple

conjugues
0 3 Matrice A = 3 0 0 0
0 A x 0 on trace A x 1
- p. 33/36

z
Introduction

conjugues
0 3 Matrice A = 3 0 0 0
- p. 33/36

z
Introduction

conjugues
0 3 Matrice A = 3 0 0 0
- p. 33/36

z
Introduction

conjugues
0 3 Matrice A = 3 0 0 0
- p. 33/36

z
Introduction

conjugues
0 3 Matrice A = 3 0 0 0
- p. 33/36
Valeurs de mme module

La situation est-elle la mme que pour les valeurs propres relles dordre > 1 ?
Introduction
Valeurs de mme modu
- p. 34/36

La situation est-elle la mme que pour les valeurs propres relles dordre > 1 ? Si A possde des valeurs propres diffrentes mais de module identique Soit n , . . . nk Ck+1 ces valeurs propres. Et soit En , . . . , En1 les sous-espaces propres associs ces valeurs.
Introduction
Valeurs de mme modu
- p. 34/36

La situation est-elle la mme que pour les valeurs propres relles dordre > 1 ? Si A possde des valeurs propres diffrentes mais de module identique Soit n , . . . nk Ck+1 ces valeurs propres. Et soit En , . . . , En1 les sous-espaces propres associs ces valeurs. x La suite k tend vers le sous-espace engendr par les x
k
Introduction
sous-espaces propres E = En En1 Enk
Valeurs de mme modu
- p. 34/36

k
Introduction
Mais contrairement au cas prcdent, E nest pas un espace propre.
Valeurs de mme modu
- p. 34/36

k
Introduction
Mais contrairement au cas prcdent, E nest pas un espace propre. Il ny a pas de convergence
Valeurs de mme modu
- p. 34/36

k
Introduction
Mais contrairement au cas prcdent, E nest pas un espace propre. Il ny a pas de convergence Dans le cas de deux valeurs propres seulement, il est possible de modier lalgorithme pour assurer la convergence en faisant 2 itrations successives.
Valeurs de mme modu
- p. 34/36
Rsum
Lalgorithme de la puissance itre fonctionne si la matrice A a des valeurs propres toutes diffrentes est diagonalisable est symtrique ses valeurs propres sont alors relles le seul cas gnant est celui des valeurs propres de signes diffrents Il ne fonctionne pas sil existe plusieurs valeurs propres complexes de mme module Par exemple 0 0 1 A = 1 0 0 0 1 0
Introduction
Valeurs de mme modu
Lalgorithme converge dautant mieux si les valeurs propres sont de modules trs diffrents. Si ce nest pas le cas, on peut les obtenir dans le dsordre.
- p. 35/36
Conclusion
Puissance itre
Introduction
Conditions de converge Conclusion Conclusion
- p. 36/36
Conclusion
Puissance itre Avantages :
Introduction
- p. 36/36
Conclusion
Puissance itre Avantages : Il nutilise que des produits de matrices par des vecteurs
Introduction
- p. 36/36
Conclusion
Puissance itre Avantages : Il nutilise que des produits de matrices par des vecteurs La convergence peut tre acclre
Introduction
- p. 36/36
Conclusion
Puissance itre Avantages : Il nutilise que des produits de matrices par des vecteurs La convergence peut tre acclre Inconvnients :
Introduction
- p. 36/36
Conclusion
Puissance itre Avantages : Il nutilise que des produits de matrices par des vecteurs La convergence peut tre acclre Inconvnients : La convergence peut tre lente
Introduction
- p. 36/36
Conclusion
Puissance itre Avantages : Il nutilise que des produits de matrices par des vecteurs La convergence peut tre acclre Inconvnients : La convergence peut tre lente On obtient une approximation ce qui donne de mauvais rsultats avec la mthode de dation
Introduction
- p. 36/36

Méthode de La Puissance Itérée Polytech

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Méthode de La Puissance Itérée Polytech

Hochgeladen von

Copyright:

Verfügbare Formate

Mthode de la Puissance itre

Un problme de Physiq Le problme

Algorithme de la puissa itre

Mthode de la puissanc inverse

Conditions de converge Conclusion

Le systme doit osciller, mais quelle frquence et quelle amplitude ?

Un problme de Physiq Le problme

Algorithme de la puissa itre

Mthode de la puissanc inverse

Conditions de converge Conclusion

Un problme de Physiq Le problme

Algorithme de la puissa itre Mthode de dation

Mthode de la puissanc inverse

Conditions de converge Conclusion

Un problme de Physiq Le problme

Algorithme de la puissa itre Mthode de dation

Mthode de la puissanc inverse

Conditions de converge Conclusion

Un problme de Physiq Le problme

Algorithme de la puissa itre Mthode de dation

Mthode de la puissanc inverse

Conditions de converge Conclusion

Un problme de Physiq Le problme

Algorithme de la puissa itre Mthode de dation

Mthode de la puissanc inverse

Conditions de converge Conclusion

Un problme de Physiq Le problme

Algorithme de la puissa itre Mthode de dation

Mthode de la puissanc inverse

Conditions de converge Conclusion

Un problme de Physiq Le problme

Algorithme de la puissa itre Mthode de dation

Mthode de la puissanc inverse

Conditions de converge Conclusion

Un problme de Physiq Le problme

Algorithme de la puissa itre Mthode de dation

Mthode de la puissanc inverse

Conditions de converge Conclusion

Algorithme de la puissa itre Principe Principe (suite)

Algorithme de la puissance itre

Vitesse de convergence Mthode de dation

Mthode de la puissanc inverse

Conditions de converge Conclusion

Algorithme de la puissance itre

dont les vecteurs propres sont :

dont les vecteurs propres sont :

de valeur propre 1, 5 de valeur propre 0, 8

dont les vecteurs propres sont :

de valeur propre 1, 5 de valeur propre 0, 8

dont les vecteurs propres sont :

de valeur propre 1, 5 de valeur propre 0, 8

dont les vecteurs propres sont :

de valeur propre 1, 5 de valeur propre 0, 8

dont les vecteurs propres sont :

de valeur propre 1, 5 de valeur propre 0, 8

et soient , , . . . , les vecteurs propres associs u1 u2 un

et soient , , . . . , les vecteurs propres associs u1 u2 un Alors, si est un vecteur quelconque, x0

et soient , , . . . , les vecteurs propres associs u1 u2 un Alors, si est un vecteur quelconque, x0 = a + a + + a x u u u

et soient , , . . . , les vecteurs propres associs u1 u2 un Alors, si est un vecteur quelconque, x0 = a + a + + a x u u u

et soient , , . . . , les vecteurs propres associs u1 u2 un Alors, si est un vecteur quelconque, x0 = a + a + + a x u u u

Supposons que an = 0, on calcule la suite x k+1 cest dire

et soient , , . . . , les vecteurs propres associs u1 u2 un Alors, si est un vecteur quelconque, x0 = a + a + + a x u u u

Supposons que an = 0, on calcule la suite x k+1 cest dire = Ak xk x0