Vous êtes sur la page 1sur 4

Universit A.

Mira de Bjaia
Facult de la Technologie

Anne 2009/2010
2me Anne LMD/ST
MATH VI : Analyse Numrique

RAPPELS
NORMES VECTORIELLES, NORMES MATRICIELLES
et CONDITIONNEMENT
I-NORMES
I.1-NORMES VECTORIELLES
Proprits : pour tous u , v et
a- v = 0 <=> v = 0
b- v = v
c- u + v u + v
Les diffrentes normes des vecteurs sont :
v = vi
1

v
2

v
p

2
i

= v.v

2
= vi
i

1 p

= max v i
i

Deux normes

et

' sont quivalentes sil existe deux constantes c et c' telles que :

v ' c v et v c' v '

I.2-NORMES MATRICIELLES
Proprits : pour tous A, B et
a- A = 0 <=> A = 0

b- A = A
c- A + B A + B
d- AB A B
Norme matricielle subordonne une norme vectorielle.
Av
A = sup
= sup Av = sup Av
v
v0
v 1
v =1
Remarque :

A est bien dfini car

sup Av

est born en raison de la continuit de

v =1

lapplication v Av et de la compacit de la sphre unit et il existe au moins un vecteur


v tel que Av = A v

Page 1/4

Universit A. Mira de Bjaia


Facult de la Technologie

Anne 2009/2010
2me Anne LMD/ST
MATH VI : Analyse Numrique

-La norme subordonne A est bien une norme matricielle.


- Pour tout vecteur v , on a Av A v .
- I =1
- A 1 = sup
v0

- A

- A

= sup
v0

= sup
v0

Av 1
v1
Av
v

= max a ij
i

Av
v

= max a ij

= (A * A ) = (AA *) = A * 2

O (A ) dsigne le rayon spectral de la matrice A , c'est--dire la plus grande valeur propre


de A en valeur absolue.
Thorme :
1

Si A est inversible et M est telle que M A <


Si A < 1 alors I + A est inversible et (I + A)

A 1

alors M est inversible.

1
1 A

Si I + A est singulire alors A 1


Dfinitions :
A est dite diagonale strictement dominante si pour tout i a ii > aij
j i

Toute matrice diagonale strictement dominante est inversible.


I.3- CONDITIONNEMENT :
Sources derreurs dans la rsolution des problmes numriques :
Erreurs darrondis
Erreurs de troncature dans les mthodes itratives.
Erreurs de mesures dans les donnes exprimentales.
I.3.1-Conditionnement Matrice :
Soit AX = B et A( X + X ) = B + B

Do AX = B , A 1 B = X et A 1B = X
On a B = AX A
De mme B A

do X = A 1 B A 1

X do

Finalement
B
X
1

A
B
X
1
A A

A 1

X A 1

B
B

Page 2/4

Universit A. Mira de Bjaia


Facult de la Technologie

Anne 2009/2010
2me Anne LMD/ST
MATH VI : Analyse Numrique

On fait maintenant varier A


Soit AX = B et ( A + A)( X + X ) = B do AX + A( X + X ) = 0
=> X = A 1A( X + X ) = 0
Et

X
A
X + X

X A 1

=>

X + X

A 1

Dfinition : Conditionnement dune matrice

Si A est inversible, cond ( A) = A

A 1

Thorme
1. Soient A une matrice inversible, B un vecteur non nul, et soient X et X + X les
solutions des systmes linaires AX = B et A( X + X ) = B + B , alors on a lingalit

B
X
B
1

cond ( A)
B
cond ( A) B
X
et cest la meilleure possible.
2. Soient A une matrice inversible, B un vecteur non nul, et soient X et X + X les
solutions des systmes linaires AX = B et ( A + A)( X + X ) = B , alors on a
lingalit
X
A
cond ( A)
A
X + X
et cest la meilleure possible.
Supposons maintenant que A < A 1

alors A 1A < A 1

Donc la matrice I + A 1A est inversible et I + A 1A

On a X = A 1A( X + X ) et X + X = I + A 1A
En posant A 1A = t et A 1

1
1 A 1A

A = t '

X t X + X t (I + A 1A)

Car la fonction t

A < 1

t
t'
X
X
1 t
1 t'

t
est une fonction croissante
1 t

Do
Thorme
Si A < A

1 1

alors

X
X

cond ( A)

A
1
1 A

Page 3/4

Universit A. Mira de Bjaia


Facult de la Technologie

Anne 2009/2010
2me Anne LMD/ST
MATH VI : Analyse Numrique

Proprits
Pour toute matrice A inversible
1. cond ( A) 1
cond ( A) = cond ( A 1 )
cond (A) = cond ( A) pour tout 0

2. Si

est

une

matrice

normale A A* = A * A ,

en

particulier

relle

symtrique A t A= t A A , alors cond 2 ( A) est gal au rapport de la plus grande la

plus petite valeur propre de A en valeurs absolues.

A
est une matrice unitaire A A* = A * A = I ou orthogonale
3. Si

t
t
relle et A A= A A = I alors cond 2 ( A) = 1

Les systmes linaires matrices orthogonale ou unitaire sont bien conditionns.

Page 4/4