Complément

Conditionnement d'une matri e

22
√
☞ Exemple 11 On définit la matrice de Hilbert Hn ∈ Mn (R) de co- ii) Si A est quelconque, |||A||| = λ où λ est la plus grande
efficients i+j+1 pour i, j = 0, . . . , n − 1 (lignes et colonnes sont valeur propre de tAA (dont toutes les valeurs propres
indexées à partir de zéro, convention Python...). sont positives on le rappelle). Notamment, si A est
Cette matrice est définie positive, et notamment inversible. Ce-
pendant, son conditionnement est notoirement mauvais, ce que l’ex- inversible, r
périence numérique suivante illustre. λn
On résout le système H5 X = Y, où Y prend successivement les Cond(A) =
λ1
valeurs suivantes :
où λ1 est la plus petit valeur propre de tAA, et λn sa
7, 7 7, 7 plus grande.
   
 6   6 
Y1 = 2, 1
 
et Y2 = 2, 1
  iii) Si A est orthogonale, alors Cond(A) = 1.
0, 5 0, 4
0 0 L’intérêt du conditionnement réside dans les deux théo-
rèmes suivants. Le premier exprime une borne supérieure
Le conditionnement d’une matrice est une quantité per- sur la variation δX :
mettant de contrôler l’écart entre les solutions des sys-
tèmes THÉOREME 22.2 Si AX = Y et A(X + δX) = Y + δY,
AX = Y et A(X + δX) = Y + δY, alors
kδXk kδYk
6 Cond(A) .
c’est-à-dire dans l’erreur commise dans le calcul de la so- kXk kYk
lution de AX = Y lorsque le second membre est « entaché
d’une erreur δY ». Démonstration : Des égalités AX = Y et A(X + δX) = Y + δY
on tire δX = A−1 δY. Par définition de la norme subordon-
Munissons Rn ≃ Mn,1 (R) de sa norme euclidienne ca- née,
nonique, notée k·k. On définit, pour toute matrice A ∈
 
kδXk 6 A−1  kδYk . (∗)
Mn (R), sa norme subordonnée par Par ailleurs, Y = AX donc kYk 6 |||A||| kXk, ce que l’on écrit

kAXk 1 1
|||A||| = sup kAXk = sup . 6 |||A||| · . (∗∗)
kXk kYk
kXk=1 X6=0 kXk
Multiplions les deux inégalités de termes positifs (∗) et (∗∗) :
On « rappelle » que cette norme une norme matri ielle, ou kδXk   kδYk
encore norme d'alg ebre, c’est-à-dire qu’elle vérifie |||In ||| = kXk
6 |||A||| A−1 
kYk
,
1 et qu’elle est sous-mulitpli ative :
ce qui est le résultat cherché.
∀A, B ∈ Mn (R) |||AB||| 6 |||A||| · |||B||| . Le second théorème fixe encore une fois une borne supé-
Le onditionnement d’une matrice A est alors rieure à la variation δX, dans le cas où c’est la matrice A
qui est entachée d’erreurs :
Cond(A) := |||A||| · A−1  .
 
THÉOR
EME 22.3 Si AX = Y et (A + δA)(X + δX) = Y,
Le conditionnement d’une matrice peut se calculer grâce alors
aux résultats suivants1 kδXk |||δA|||
6 Cond(A) .
kX + δXk |||A|||
PROPOSITION 22.1 Soit A ∈ Mn (R).
i) Si A est symétrique, alors |||A||| est égale à sa plus Démonstration : Des égalités AX = Y et (A + δA)(X + δX) =
Y, on tire
grande valeur propre en valeur absolue ; dans ce cas, ∆X = −A−1 δA (X + δX)
max |λ| donc  
λ∈Sp(A) kδXk 6 A−1  |||δA||| kX + δXk ,
Cond(A) = .
min |λ| c’est-à-dire
λ∈Sp(A)
kδXk   |||A|||
6 |||A||| A−1  .
kX + δXk |||δA|||

1. Qui sont tous démontrables en MP* moyennant quelques

connaissances très classiques sur les quotients de Rayleigh.

Compléments de Mathématiques, Math Spé MP** Walter Appel /home/walter/LaTeX/MP/Fiches/Conditionnement.tex

 conditionnement d’une matrice

☞ Exemple 2 À l’aide de Python, résoudre AX = Y, puis AX =

Y + δY, puis (A + δA)X = Y avec
   
10 7 8 7 32
7 5 6 5 23
A=   B= 

8 6 10 9 33
7 5 9 10 31
   
0 0 0, 1 0, 2 0, 1
 0, 08 0, 04 0 0   −0, 1
δA =  0 δB =  
−0, 02 0, 01 0   0, 1 
−0, 01 −0, 01 0 −0, 02 −0, 1

Walter Appel Compléments de Mathématiques, Math Spé MP**