Académique Documents
Professionnel Documents
Culture Documents
Chapitre1 Ana Num Sys Lin Matrices 22 23
Chapitre1 Ana Num Sys Lin Matrices 22 23
On donne :
Exemple 2 :
On considère la grille en tiges métalliques donnée par la figure suivante :
Exemple 3 :
On considère le phénomène mécanique d’une corde élastique, fixée aux bords (0 et 1) et soumise à
un champ de force f . La déformation u en un point x ∈ [0, 1], s’écrit sous la forme de l’équation
différentielle suivante:
(
−u′′ (x) = f (x),
(2.1)
u(0) = u(1) = 0
Une solution explicite analytique de ce problème est en général difficile à trouver. On opte donc
pour la procédure numérique suivante : On cherche la solution u aux points xi = i.h où h = 1/(n+1).
Soit ui = u(xi ). On utilise un DL de Taylor à l’ordre 2 à droite et à gauche de chaque xi . On obtient
(
− ui+1 −2u
h2
i +ui−1
= f (xi ), i = 1, . . . , n
(2.2)
u0 = un+1 = 0 .
−2 −1 0 . . . 0
−1 2 −1 . . . 0
1
0 −1 2 . . . 0
Ceci peut être réécrit sous la forme Ah .u = bh avec Ah = h2
.
,
. . . . . 0
. . . . −1 2 −1
0 . . . 0 −1 2
u = (u0 , . . . , un )t et bh = ( f (x1 ), . . . , f (xn ))t .
2.2 Rappels et compléments sur les matrices 11
Résolution numérique de Ax = b
Dans toute la suite, on prendra A ∈ Mm,m (K) carrée (m = n) et inversible. Ainsi, la solution du
système existe et est unique.
But : Résoudre numériquement Ax = b. La résoulation numérique peut par exemple être faite en
implémentant la formule x = A−1 b = det(A)1
[com(A)]t ou la méthode de Cramer. Cependant, ces
méthodes utilisent des calculs de déterminants. Ceci les rend três couûteuses en temps de calcul
au fur et à mesure que n augmente (un calcul d’un déterminant d’une matrice carrée de taille
n × n nécessite n! opérations élémentaires d’addition et/ou multiplication). Dans les deux chapitres
suivant, nous allons étudier des méthodes beaucoup moins coûteuses en temps de calcul (temps de
calcul en n3 opérations élémentaires). Ces méthodes sont classées en méthodes directes directes
(chapitre 2) et méthodes itératives (chapitre 3).
Definition 2.2.1
Soit A ∈ Mn (R).
La transposée de la matrice A, notée At est définie par : At (i, j) = A( j, i), ∀ 1 ≤ i, j ≤ n ou de
manière équivalente : < Ax, y >=< x, At y >, ∀x, y ∈ Rn .
La matrice A est dite symétrique ou auto-adjointe ssi At = A.
La matrice A est dite orthogonale ssi elle est inversible avec At = A−1 .
Soit A ∈ Mn (C).
t
La matrice adjointe (ou transconjuguée) de A, notée A∗ est définie par (A∗ = A ), ç-à-d.,
A∗ (i, j) = A( j, i), ∀ 1 ≤ i, j ≤ n ou de manière équivalente < Ax, y >=< x, A∗ y >, ∀x, y ∈ Cn
La matrice A est dite auto-adjointe ou Hermitienne ssi A∗ = A,
La matrice A est dite unitaire ssi elle est inversible avec A∗ = A−1 .
La matrice A est dite normale ssi A.A∗ = A∗ A.
Definition 2.2.2
Soit A ∈ Mn (K).
1. On dit que A est positive ssi < Ax, x >≥ 0, ∀ x ∈ Kn .
2. On dit que A est définie positive ssi < Ax, x >> 0, ∀ x ̸= 0Kn .
3. On dit que A est à diagonale strictement dominante ssi pour tout i ∈ {1, . . . , n}, on a :
De plus, dans ce cas A−1 est triangulaire inférieure (resp. supérieure) et A−1 (i, i) = 1
A(i,i) .
12 Chapter 2. Rappels et compléments sur les systèmes linéaires et les matrices
A = PDP−1 .
Theorem 2.3.1
Une matrice A ∈ Mn (C) est diagonalisable ssi elle est normale.
Dans ce cas, on a A = Udiag(λ1 , ..., λn )U −1 où U est unitaire et les λi sont les v.p. de A.
Ainsi : λ = λ .
Corollary 2.3.3 Si A ∈ Mn (R) est symétrique (resp. A ∈ Mn (C) est Hermitienne) alors
elle est diagonalisable avec des v.p. réelles et il existe O ∈ Mn (R) orthogonale telle que
A = O.diag(λ1 , . . . , λn ).Ot (resp. U ∈ Mn (C) unitaire telle que A = U.diag(λ1 , . . . , λn ).U ∗ )
Definition 2.4.1
Une norme matricielle sur Mn (K) est une norme "vectorielle" vérifiant en plus
Exercise 2.1
1. Montrer que ||A|| = max|A(i, j)| n’est pas une norme matricielle pour n > 1.
2. Montrer que la norme de Frobenius est une norme matricielle (Indication : On pourra utiliser
l’inégalité de Cauchy-Schwartz). ■
Definition 2.4.2
Soient A ∈ Mn (K) et λi , 1 ≤ i ≤ n les valeurs propres de A comptées avec leur ordre de
multiplicité.
2.4 Normes matricielles et normes subordonnées 13
Sp(A) = {λi , 1 ≤ i ≤ n} .
ρ(A) := max{|λi |, i = 1, . . . , n} .
Proposition 2.4.1
Soit A ∈ Mn (C) et soit ρ(A) son rayon spectral. Alors pour toute norme matricielle |||.|||, on a :
ρ(A) ≤ |||A||| .
Definition 2.4.3
Soit ||.|| une norme vectorielle sur Kn . Elle induit la norme matricielle définie par : ∀ A ∈ M( K),
||Ax||
|||A||| = sup .
x̸=0Kn ||x||
Proposition 2.4.2
Soit A ∈ Mn (K). Pour tout ε > 0, il existe au moins une nome matricielle subordonnée telle que
|||A||| < ρ(A) + ε.
Proposition 2.4.3
Soit |||.||| une norme matricielle subordonnée. Pour tout A ∈ Mn (K), on a :
1. |||A||| = sup||x||=1 ||Ax|| = sup||x||≤1 ||Ax||.
2. ∃ xA ̸= 0 tel que |||A||| = ||AxA ||/||xA ||.
3. |||In ||| = 1.
4. |||A.x||| ≤ |||A|||.||x|| , ∀ x ∈ Kn .
Exercise 2.2
En utilisant la proposition précédente, montrer que la norme de Frobenius est une norme
matricielle non subordonnée pour n > 1. ■
Proposition 2.4.4
Pour tout A ∈ Mn (K), on a :
1. |||A|||1 := sup ||Ax||
||x||1 = max j (∑i |A(i, j)|).
1
Definition 2.4.4
On dit qu’une suite (A p ) de Mn (K) converge vers une limite A pour une norme matricielle notée
|||.||| ssi lim p→∞ |||A p − A||| = 0.
14 Chapter 2. Rappels et compléments sur les systèmes linéaires et les matrices
Proposition 2.4.5
Soit A ∈ Mn (K). Les assertions suivantes sont équivalentes :
• lim p→∞ A p = 0.
• lim p→∞ A p x = 0, ∀ x ∈ Kn .
• ρ(A) < 1.
• ∃ une norme matricielle subordonnée telle que |||A||| < 1.
Theorem 2.4.6
1) Soit |||.||| une norme matricielle quelconque et soit B ∈ Mn (K) telle que |||B||| < 1 alors la
matrice I − B est inversible et vérifie (I − B)−1 = ∑+∞ k
k=0 B .
2) Si une matrice de la forme (I − B) est non inversible, alors pour toute norme matricielle on a
|||B||| ≥ 1.
Proposition 2.4.7
Si la matrice A ∈ Mn (K) est à diagonale strictement dominante alors est inversible.
Definition 2.5.1
Le conditionnement d’une matrice inversible A ∈ Mn (K) relativement à une norme matricielle
subordonnée est donné par
cond(A) = |||A|||.|||A−1 ||| .
Proof
La preuve du 1er point sera faite en TD.
Proposition 2.5.2 Propriétés
Soit A une matrice dans Mn (C) inversible. On a :
1. cond(A) ≥ 1.
2. Soit U une matrice unitaire, cond2 (UA) = cond2 (AU) = cond2 (A).
|λi |
3. Si A est hermitienne, alors cond2 (A) = max
min |λi | .
Proof
Les preuves des points (1) et (3) de cette propostion seront traités en TD.