Vous êtes sur la page 1sur 5

Examen 2016-2017

Modélisation Mathématique et Méthodes d’optimisation


1h30
Les documents ne sont pas autorisés

Quelques rappels de définitions et de notations


Soit 𝑛, 𝑝 ∈ ℕ∗.
𝑥1 𝑥1
𝑥2 𝑥2
- On note par ℝ𝑛 = {𝑥 = ( ⋮ )⁄𝑥𝑖 ∈ ℝ, ∀1 ≤ 𝑖 ≤ 𝑛}. Pour 𝑥 = ( ⋮ ) ∈ ℝ𝑛 , on note par
𝑥𝑛 𝑥𝑛
𝑛
𝑥 = (𝑥1 , 𝑥2 , … , 𝑥𝑛 ) et par 〈𝑥, 𝑦〉 = 𝑥 𝑦 = ∑𝑖=1 𝑥𝑖 𝑦𝑖 le produit scalaire canonique dans ℝ𝑛
𝑇 𝑇

- Pour tout 𝑥 ∈ ℝ𝑛 on définit la norme vectorielle infinie par ‖𝑥‖∞ = max |𝑥𝑖 |
1≤𝑖≤𝑛
- On note par ℳ𝑛×𝑝 (ℝ) l’ensemble des matrices à 𝑛 lignes et 𝑝 colonnes.
- ℳ𝑛 (ℝ) = ℳ𝑛×𝑛 (ℝ) l’ensemble des matrices carrée d’ordre 𝑛 à coefficients réels.
- Pour tout 𝑀 ∈ ℳ𝑛 (ℝ) , on définit la norme matricielle infinie, subordonnée à la norme
‖𝑀𝑥‖∞
vectorielle infinie, par ‖|𝑀|‖∞ = sup ‖𝑥‖∞
𝑥∈ℝ𝑛 ∖{0}
- Pour 𝑀 ∈ ℳ𝑛×𝑝 (ℝ) on note 𝑀 = (𝑚𝑖𝑗 )1≤𝑖≤𝑛 où 𝑚𝑖𝑗 est le coefficient de la 𝑖-ème ligne et 𝑗-
1≤𝑗≤𝑝
𝑇 𝑇
ème colonne de 𝑀 et 𝑀𝑇 = (𝑚𝑖𝑗 ) 1≤𝑖≤𝑝 ∈ ℳ𝑝×𝑛 (ℝ)⁄𝑚𝑖𝑗 = 𝑚𝑗𝑖 .
1≤𝑗≤𝑛
- Une matrice 𝑀 ∈ ℳ𝑛 (ℝ) est dite symétrique si 𝑀 = 𝑀𝑇 . Elle est dite symétrique définie
positive si et seulement si elle est symétrique et ∀𝑥 ∈ ℝ𝑛 ∖ {0}, 〈𝑀𝑥, 𝑥〉 > 0.
Elle est dite diagonale si 𝑚𝑖𝑗 = 0 pour 𝑖 ≠ 𝑗. La matrice identité 𝐼 ∈ ℳ𝑛 (ℝ) est la matrice
diagonale telle que 𝑚𝑖𝑖 = 1 pour 𝑖 = 1, … , 𝑛.
- Pour 𝑀 ∈ ℳ𝑛 (ℝ) , on dit que 𝑀 est inversible s’il existe 𝑁 ∈ ℳ𝑛 (ℝ)⁄𝑀𝑁 = 𝑁𝑀 = 𝐼 où
𝐼 ∈ ℳ𝑛 (ℝ) est la matrice identité. On note 𝑁 = 𝑀−1 .
- Pour 𝑀 ∈ ℳ𝑛×𝑝 (ℝ), on appelle rang de 𝑀 la dimension de {𝑀𝑥, 𝑥 ∈ ℝ𝑝 }. On le note 𝑟𝑔(𝑀).
- On dit que 𝑀 = (𝑚𝑖𝑗 )1≤𝑖,𝑗≤𝑛 ∈ ℳ𝑛 (ℝ) est à diagonale strictement dominante si
𝑛

∀𝑖 = 1, … , 𝑛, |𝑚𝑖𝑖 | > ∑|𝑚𝑖𝑗 |


𝑗=1
𝑗≠𝑖

Exercice (6 points) :
1- Soient 𝑴 ∈ 𝓜𝒏 (ℝ) et 𝒙 ∈ ℝ𝒏 ∖ {𝟎}. Montrer que ‖𝑴𝒙‖∞ ≤ (𝐦𝐚𝐱 ∑𝒏𝒋=𝟏|𝒎𝒊𝒋 |) ‖𝒙‖∞
𝟏≤𝒊≤𝒏
𝑛 𝑛 𝑛

‖𝑀𝑥‖∞ = max |(𝑀𝑥)𝑖 | = max |∑ 𝑚𝑖𝑗 𝑥𝑗 | ≤ max ∑|𝑚𝑖𝑗 ||𝑥𝑗 | ≤ max ∑|𝑚𝑖𝑗 | max |𝑥𝑘 |
1≤𝑖≤𝑛 1≤𝑖≤𝑛 1≤𝑖≤𝑛 1≤𝑖≤𝑛 1≤𝑖≤𝑛
𝑗=1 𝑖 𝑗=1 𝑗=1
𝑛

≤ ( max ∑|𝑚𝑖𝑗 |) ‖𝑥‖∞


1≤𝑖≤𝑛
𝑗=1
̅ ∈ ℝ𝒏 ∖ {𝟎}, que ‖|𝑴|‖∞ = 𝐦𝐚𝐱 ∑𝒏𝒋=𝟏|𝒎𝒊𝒋 |
2- En déduire, en faisant par un choix judicieux de 𝒙
𝟏≤𝒊≤𝒏
‖𝑀𝑥‖∞
D’après la première question‖|𝑀|‖∞ = max est majorée par ( max ∑𝑛𝑗=1|𝑚𝑖𝑗 |)
𝑥∈ℝ𝑛 ∖{0} ‖𝑥‖∞ 1≤𝑖≤𝑛
Montrons que cette quantité est atteinte. Soit 𝑖0 ⁄ max ∑𝑛𝑗=1|𝑚𝑖𝑗 | = ∑𝑛𝑗=1|𝑚𝑖0 𝑗 |. On considère
1≤𝑖≤𝑛
1 𝑠𝑖 𝑚𝑖0 𝑗 ≥ 0 ‖𝑀𝑥̅ ‖∞ = ∑𝑛𝑗=1|𝑚𝑖0 𝑗 | ‖𝑀𝑥‖∞
𝑥̅ ⁄𝑥̅𝑗 = { . On a } ⇒ ‖|𝑀|‖∞ = max =
−1 𝑠𝑖 𝑚𝑖0 𝑗 < 0 ‖𝑥̅ ‖∞ = 1 𝑥∈ℝ ∖{0} ‖𝑥‖∞
𝑛

∑𝑛𝑗=1|𝑚𝑖0 𝑗 |

Soit 𝑀 ∈ ℳ𝑛 (ℝ) inversible telle que 𝑚𝑖𝑖 ≠ 0∀𝑖 = 1,2, … , 𝑛 , 𝑐 ∈ ℝ𝑛 et 𝛼 ∈ ℝ∗ . Pour


résoudre 𝑀𝑥 = 𝑐, nous utilisons la méthode itérative :
𝑥 (0) ∈ ℝ𝑛 donné
{ (𝑘+1) (𝐸)
𝑥 = (𝐼 − 𝛼𝐷 −1 𝑀)𝑥 (𝑘) + 𝛼𝐷 −1 𝑐
où 𝐷 est la matrice diagonale telle que 𝑑𝑖𝑖 = 𝑚𝑖𝑖 pour 𝑖 = 1, … 𝑛.
3- Montrer que si la suite (𝒙(𝒌) )𝒌∈ℕ ⊂ ℝ𝒏 converge vers 𝒙
̿ ∈ ℝ𝒏 alors 𝒙
̿ est solution de 𝑴𝒙 = 𝒄
Si la suite est convergente alors on a : 𝑥̿ = (𝐼 − 𝛼𝐷 −1 𝑀)𝑥̿ + 𝛼𝐷 −1 𝑐 ⇒ 𝛼𝐷 −1 𝑀𝑥̿ = 𝛼𝐷 −1 𝑐 ⇒
𝑀𝑥̿ = 𝑐
4- Exprimer les coefficients de la matrice (𝑰 − 𝜶𝑫−𝟏 𝑴) en fonction des coefficients de 𝑴.
1 − 𝛼 𝑠𝑖 𝑖 = 𝑗
Si on pose 𝐴 = (𝐼 − 𝛼𝐷 −1 𝑀) alors 𝑎𝑖𝑗 = {− 𝛼𝑚𝑖𝑗 𝑠𝑖 𝑖 ≠ 𝑗
𝑚𝑖𝑖
5- On suppose que 𝑀 est à diagonale strictement dominante et que 0 < 𝛼 ≤ 1.
a- Montrer que ‖𝑰 − 𝜶𝑫−𝟏 𝑴‖∞ < 𝟏
𝑚
On a ∀ 1 ≤ 𝑖 ≤ 𝑛 , ∑𝑛𝑗=1|𝑎𝑖𝑗 | = 1 − 𝛼 (1 − ∑𝑛𝑖=1 | 𝑚 |) . 𝑀 est à diagonale strictement
𝑖𝑗
𝑖𝑖
𝑖≠𝑗
𝑚𝑖𝑗 𝑚𝑖𝑗
dominante alors 0 ≤ ∑𝑛𝑖=1 | | < 1 ⇒ 0 < 1 − ∑𝑛𝑖=1 | 𝑚 | ≤ 1 ⇒ 0 < 𝛼 (1 −
𝑚𝑖𝑖 𝑖𝑖
𝑖≠𝑗 𝑖≠𝑗
𝑚𝑖𝑗 𝑚
∑𝑛𝑖=1 | |) ≤ 𝛼 ⇒ −𝛼 ≤ −𝛼 (1 − ∑𝑛𝑖=1 | 𝑚 |) < 0 ⇒ 1 − 𝛼 ≤ 1 − 𝛼 (1 −
𝑖𝑗
𝑚𝑖𝑖 𝑖𝑖
𝑖≠𝑗 𝑖≠𝑗
𝑚𝑖𝑗
∑𝑛𝑖=1 | |) < 1 ⇒ d’après la question 2 que ‖𝐼 − 𝛼𝐷 −1 𝑀‖∞ < 1
𝑚𝑖𝑖
𝑖≠𝑗
b- Montrer que la méthode itérative (𝑬) est convergente
On sait d’après le cours que le rayon spectral de 𝐴, 𝜌(𝐴) ≤ ‖𝐴‖∞ < 1 donc la méthode
est convergeante
6- Quelle méthode étudiée en cours retrouve-t-on quand 𝜶 = 𝟏
0 𝑠𝑖 𝑖 = 𝑗
Pour 𝛼 = 1, on a : 𝑎𝑖𝑗 = {− 𝑚𝑖𝑗 𝑠𝑖 𝑖 ≠ 𝑗 . C’est la matrice d’itération de Jacobi1
𝑚𝑖𝑖

1
https://fr.wikipedia.org/wiki/Charles_Gustave_Jacob_Jacobi
Problème (14 points):
Soient 𝑛 et 𝑝 deux entiers naturels non nuls. On considère 𝐴 ∈ ℳ𝑛 (ℝ) symétrique définie positive,
𝐵 ∈ ℳ𝑛×𝑝 (ℝ), 𝐶 ∈ ℳ𝑝 (ℝ), 𝑓 ∈ ℝ𝑛 et 𝑔 ∈ ℝ𝑝 . Soit encore le système linéaire
𝑥 𝑓
𝑀 (𝑦) = ( ) (𝑃)
𝑔
𝐴 𝐵
avec 𝑀 = [ ] ∈ ℳ𝑛+𝑝 (ℝ), 𝑥 ∈ ℝ𝑛 et 𝑦 ∈ ℝ𝑝
𝐵𝑇 𝐶
Remarque :

Nous rencontrons ces matrices après discrétisation de problèmes mathématiques qui modélisent
des phénomènes physiques dépendant de plus d’une variable, telles que les matrices qui
proviennent de la discrétisation des équations de Navier2-Stokes3 ou de Darcy en mécanique des
fluides ou les équations de Maxwell4 en électromagnétisme….

1- On suppose dans cette première question seulement que 𝑛 = 𝑝 = 1, 𝐴 = [𝑎] , 𝐵 = [𝑏] et


𝐶 = [𝑐].
a- Donner une condition nécessaire et suffisante sur 𝒂, 𝒃 et 𝒄 pour que 𝑴 soit inversible,
𝑎 𝑏
𝑀=[ ] est inversible ⇔ 𝑎𝑐 − 𝑏 2 ≠ 0
𝑏 𝑐
b- Donner une condition nécessaire et suffisante sur 𝒂, 𝒃 et 𝒄 pour que 𝑴 soit symétrique
définie positive
𝑎 𝑏 2
𝑀=[ ] est symétrique définie positive ⇔ {𝑎𝑐 − 𝑏 > 0
𝑏 𝑐 𝑎+𝑐 >0

2- On définit la matrice 𝑆 = 𝐶 − 𝐵𝑇 𝐴−1 𝐵 qu’on appelle « complément de Schur5 »


Remarque :
𝒃𝟐
Dans le cas de la première question le complément de Schur est égale à 𝒔 = 𝒄 − 𝒂
. 𝒔 existe
quand 𝒂 ≠ 𝟎 ce qui est le cas lorsque 𝒂 > 𝟎. Aussi, quand 𝒔 ≠ 𝟎, (𝑷) admet une solution
unique. Ceci donne tout un sens aux questions 2-a et 2-b

𝟏 𝟏 𝟏 𝟎
a- Calculer 𝑺 dans pour 𝑨 = 𝑩 = [ ] et 𝑪 = [ ]
𝟎 𝟏 𝟎 𝟏
1 0 1 0 0 0
𝐴 = 𝐵 ⇒ 𝐵𝑇 𝐴−1 𝐵 = 𝐵𝑇 ⇒ 𝑆 = [ ]−[ ]=[ ]
0 1 1 1 −1 0
b- Montrer qu’il existe une unique solution au problème (𝑷) si et seulement si la matrice
𝑺 est inversible. Est-ce le cas dans la question 2-a ?
𝑥 𝐴𝑥 + 𝐵𝑦 = 𝑓 𝑥 = 𝐴−1 (𝑓 − 𝐵𝑦)
(𝑦) solution de (𝑃) ⇔ { 𝑇 ⇔ { 𝑇 −1 ⇔
𝐵 𝑥 + 𝐶𝑦 = 𝑔 𝐵 𝐴 (𝑓 − 𝐵𝑦) + 𝐶𝑦 = 𝑔
𝑥 = 𝐴−1 (𝑓 − 𝐵𝑦) 𝑥 = 𝐴−1 (𝑓 − 𝐵𝑦)
{ 𝑇 −1 ⇔{ . Ceci implique le
𝐵 𝐴 (𝑓 − 𝐵𝑦) + 𝐶𝑦 = 𝑔 (𝐶 − 𝐵𝑇 𝐴−1 𝐵)𝑦 = 𝑔 − 𝐵𝑇 𝐴−1 𝑓
résultat
Dans la question 2-a S n’est pas inversible.
3- On suppose dans cette question que 𝐶 est symétrique.
a- Vérifier que 𝑴 est symétrique

2
https://fr.wikipedia.org/wiki/Henri_Navier
3
https://fr.wikipedia.org/wiki/George_Gabriel_Stokes
4
https://fr.wikipedia.org/wiki/James_Clerk_Maxwell
5
https://fr.wikipedia.org/wiki/Issai_Schur
Evident
b- On pose 𝒛 = (𝒙, 𝒚) ∈ ℝ𝒏+𝒑 . Calculer 〈𝑴𝒛, 𝒛〉 en fonction de 𝑨, 𝑩, 𝑪, 𝒙 et 𝒚
𝐴𝑥 + 𝐵𝑦 𝑥
〈𝑀𝑧, 𝑧〉 = 〈( 𝑇 ) , (𝑦)〉 = 〈𝐴𝑥 + 𝐵𝑦, 𝑥〉 + 〈𝐵𝑇 𝑥 + 𝐶𝑦, 𝑦〉
𝐵 𝑥 + 𝐶𝑦
= 𝑥 𝑇 𝐴𝑥 + 𝑥 𝑇 𝐵𝑦 + 𝑦 𝑇 𝐵𝑇 𝑥 + 𝑦 𝑇 𝐶𝑦 = 𝑥 𝑇 𝐴𝑥 + 2𝑥 𝑇 𝐵𝑦 + 𝑦 𝑇 𝐶𝑦
= 〈𝐴𝑥, 𝑥〉 + 2〈𝐵𝑦, 𝑥〉 + 〈𝐶𝑦, 𝑦〉
c- On fixe maintenant 𝑦 = 𝑦̃ ∈ ℝ𝑝 , et on définit

𝐹: ℝ𝑛 ⟶ ℝ
𝑥 ⟼ 〈𝐴𝑥, 𝑥〉 + 2〈𝐵𝑦̃, 𝑥〉 + 〈𝐶𝑦̃, 𝑦̃〉

i- Calculer 𝛁𝑭(𝒙), le gradient de 𝑭 en 𝒙


𝐹(𝑥 + ℎ) = 〈𝐴(𝑥 + ℎ), 𝑥 + ℎ〉 + 2〈𝐵𝑦̃, 𝑥 + ℎ〉 + 〈𝐶𝑦̃, 𝑦̃〉 = 〈𝐴𝑥, 𝑥〉 + 2〈𝐴𝑥, 𝑥〉 +
〈𝐴ℎ, ℎ〉 + 2〈𝐵𝑦̃, 𝑥〉 + 2〈𝐵𝑦̃, ℎ〉 + 〈𝐶𝑦̃, 𝑦̃〉 = 𝐹(𝑥) + 2〈𝐴𝑥 + 𝐵𝑦̃, 𝑥〉 + 〈𝐴ℎ, ℎ〉. Et le
gradient est égal à ∇𝐹(𝑥) = 2(𝐴𝑥 + 𝐵𝑦̃)
ii- Calculer 𝒙𝟎 ∈ ℝ𝒏⁄𝛁𝑭(𝒙𝟎 ) = 𝟎
𝑥0 = −𝐴−1 𝐵𝑦̃
d- Montrer que 𝑭 admet un unique minimum et calculer la valeur de ce minimum
𝐹 continue
{ lim 𝐹(𝑥) = +∞ (𝐴 symétrique définie positive)
‖𝑥‖⟶+∞
𝐹 strictement convexe (𝐴 symétrique définie positive)

donc 𝐹 admet un minimum unique.


Ce minimum est 𝑥0 = −𝐴−1 𝐵𝑦̃ et 𝐹(𝑥0 ) = −〈𝐵𝑦̃, 𝐴−1 𝐵𝑦̃〉 + 〈𝐶𝑦̃, 𝑦̃〉 = 〈(𝐶 −
𝐵𝑇 𝐴−1 𝐵)𝑦,̃ 𝑦̃〉 = 〈𝑆𝑦,
̃ 𝑦̃〉
e- En déduire que 𝑴 est définie positive si et seulement si 𝑺 est définie positive
Nous remarquons d’abord que 𝐶 symétrique ⇒ 𝑆 et 𝑀 symétriques.
𝑀 définie positive ⇔ ∀𝑧 ∈ ℝ𝑛+𝑝 ∖ {0}, 〈𝑀𝑧, 𝑧〉 > 0 ⟺ ∀(𝑥, 𝑦̃) ∈ ℝ𝑛 ×ℝ𝑝 et (𝑥, 𝑦̃) ≠
𝑥 𝑥
0 , 〈𝑀 (𝑦̃) , (𝑦̃)〉 = 𝐹(𝑥) > 0 ⟺ ∀ 𝑦̃ ∈ ℝ𝑝 ∖ {0}, 𝐹(𝑥0 ) = 〈𝑆𝑦,̃ 𝑦̃〉 >
𝑥0 est un minimum de 𝐹
0 ⇒ 𝑆 définie positive.
4- On suppose dans cette question que 𝐶 est la matrice nulle.
Remarque :
Pour 𝑪 = 𝟎, et d’après la seconde question, le problème (𝑷) admet une solution unique si
et seulement si 𝑺 = −𝑩𝑻 𝑨−𝟏 𝑩 est inversible. La définition de 𝑨 fait que cette matrice est
négative. Pour qu’elle soit inversible, il faut qu’elle soit définie. Au lieu de travailler sur 𝑺
nous travaillerons sur −𝑺 et nous chercherons les conditions qui donnent la stricte positivité.

a- Montrer que ̌𝑺 = −𝑺 est symétrique définie positive si et seulement si 𝒑 ≤ 𝒏 et


𝒓𝒈(𝑩) = 𝒑. On suppose dans la suite que cette condition est vérifiée.
𝐶 = 0 ⇒ ̌𝑆 = 𝐵𝑇 𝐴−1 𝐵 est symétrique et positive. Pour que ̌𝑆 soit défini il faut que ∀ 𝑦 ∈
ℝ𝑝 ∖ {0} 〈 ̌𝑆𝑦, 𝑦〉 > 0 ⇔ ∀ 𝑦 ∈ ℝ𝑝 ∖ {0} 〈𝐴−1 𝐵 𝑦, 𝐵𝑦〉 > 0 ⇔ ∀ 𝑦 ∈ ℝ𝑝 ∖ {0}, 𝐵𝑦 ≠
0 ⇔ que l’application linéaire
𝐿: ℝ𝑝 ⟶ ℝ𝑛
𝑦 ⟼ 𝐵𝑦
Est une bijection entre ℝ𝑝 est un sous ensemble de dimension 𝑝 de ℝ𝑛 ⇔ 𝑝 ≤ 𝑛 et
𝑟𝑔(𝐵) = 𝑝
𝑨 𝟎
b- En déduire que la matrice 𝑷 = [ ̌] est symétrique définie positive
𝟎 𝑺
Evident
c- Calculer les valeurs propres de 𝑷−𝟏 𝑴
Remarque :
𝑷 (symétrique définie positive) et 𝑴 (𝑺 inversible) sont inversibles toutes les deux et
donc 𝟎 ne peut être une valeur propre de 𝑷−𝟏 𝑴

−1
𝑃−1 𝑀 = [𝐴 0 ] [ 𝐴 𝐵] = [ 𝐼 𝐴−1 𝐵] . 𝜆 valeur propre de 𝑃−1 𝑀 ⇔ ∃𝑧 =
𝑇
0 𝑆̌ −1 𝐵 0 𝑆̌ 𝐵
−1 𝑇
0
−1
𝑥 𝑥 + 𝐴 𝐵𝑦 = 𝜆𝑥 𝐴−1 𝐵𝑦 = (𝜆 − 1)𝑥
(𝑦) ∈ ℝ𝑛+𝑝 ∖ {0}⁄𝑃−1 𝑀𝑧 = 𝜆𝑧 ⟺ { −1 𝑇 ⟺ { −1 𝑇
𝑆̌ 𝐵 𝑥 = 𝜆𝑦 𝑆̌ 𝐵 𝑥 = 𝜆𝑦

1er cas : 𝑥 ∈ 𝑘𝑒𝑟(𝐵𝑇 ) ⟺ 𝑦 = 0 ⇔ 𝜆 = 1


𝑥
Donc 1 est une valeur propre associée aux vecteurs propres ( ) où 𝑥 ∈ 𝑘𝑒𝑟(𝐵𝑇 ) ∖ {0}
0
−1 −1
𝐴 𝐵𝑦 = (𝜆 − 1)𝑥 𝐴 𝐵𝑦 = (𝜆 − 1)𝑥
2ème cas : 𝑥 ∉ 𝑘𝑒𝑟(𝐵𝑇 ) ⟺ { 1 ̌ −1 𝑇 −1 ⇔{ 1±√5
𝑆 𝐵 𝐴 𝐵𝑦 = 𝜆𝑦
𝜆−1
𝑦 = 𝜆(𝜆 − 1)𝑦 ⇒ 𝜆 = 2

1+√5 1−√5 1+√5 1−√5


Donc 𝑠𝑝(𝑃−1 𝑀) = {1, , } si 𝑛 > 𝑝, 𝑠𝑝(𝑃−1 𝑀) = { , } si 𝑛=𝑝
2 2 2 2

Vous aimerez peut-être aussi