Analyse Numérique
Transcription
Analyse Numérique
Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009 Analyse Numérique Corrigé du TD 7 EXERCICE 1 Normes vectorielles 1.1 Définitions Soit un entier n > 0. a. Montrer que les applications suivantes définies sur Rn sont des normes sur Rn , n X x 7→ kxk1 = |xi | , i=1 x 7→ kxk2 = X n |xi |2 1 2 , i=1 x 7→ kxk∞ = max |xi | . i=1,...,n i. x 7→ kxk1 = n X |xi | est une norme sur Rn i=1 • Positivité Pour x = t (x1 , ..., xn ) ∈ Rn , on a |xi | ≥ 0 ∀ i ∈ {1 , ... , n}, donc kxk1 ≥ 0. Soit x = t (x1 , ..., xn ) ∈ Rn tel que kxk1 = 0. Alors ∀ i ∈ {1 , ... , n} , |xi | = 0 , i.e. ∀ i ∈ {1 , ... , n} , xi = 0, qui montre que x = 0. • Homogénéité Soient x = t (x1 , ..., xn ) ∈ Rn et λ ∈ R. On a kλ xk1 = n X |λ xi | = |λ| i=1 n X |xi | = |λ| kxk1 . i=1 • Inégalité triangulaire Soient x = t (x1 , ..., xn ) et y = t (y1 , ..., yn ) ∈ Rn . Comme |xi + yi | ≤ |xi | + |yi | , ∀ i ∈ {1 , ... , n} , on obtient en sommant sur les i kx + yk1 ≤ kxk1 + kyk1 . 1 Université de Nice Sophia-Antipolis Licence L3 Mathématiques ii. x 7→ kxk2 = X n |xi |2 1 2 Année 2008/2009 est une norme sur Rn i=1 • Positivité Soit x = t (x1 , ..., xn ) ∈ Rn . On a |xi |2 ≥ 0 ∀ i ∈ {1 , ... , n}, donc kxk2 ≥ 0. Si x = t (x1 , ..., xn ) ∈ Rn est tel que kxk2 = 0, alors ∀ i ∈ {1 , ... , n} , |xi |2 = 0 , i.e. ∀ i ∈ {1 , ... , n} , xi = 0, qui prouve que x = 0. • Homogénéité Soient x = t (x1 , ..., xn ) ∈ Rn et λ ∈ R. On a kλ xk2 = X n |λ xi |2 1 2 = 1 n X 2 |xi |2 |λ|2 = |λ| kxk2 . i=1 i=1 • Inégalité triangulaire On montre deux inégalités auxiliaires. – Première inégalité 1 Pour tous a , b ∈ R on a ab ≤ (a2 + b2 ) car (a − b)2 ≥ 0. 2 – Deuxième inégalité Soient x = t (x1 , ..., xn ) et y = t (y1 , ..., yn ) ∈ Rn . Si x 6= 0 et y 6= 0 alors on a la chaı̂ne d’inégalités suivante par application directe de la première inégalité X n n X | xi | |yi | 1 | xi | 2 |yi | 2 ≤ + kxk2 kyk2 2 kxk2 kyk2 i=1 i=1 P Pn n 2 2 1 i=1 | xi | i=1 | yi | = + 2 kxk22 kyk22 kyk22 1 kxk22 + = 2 kxk22 kyk22 = 1, donc on a n X | xi | |yi | ≤ kxk2 kyk2 . (1.1) i=1 L’inégalité (1.1) est encore vraie pour x = 0 ou y = 0. Elle est dite inégalité de Cauchy-Schwarz ou encore de Bunyakovski-Cauchy-Schwarz ou bien encore de Hölder. Soient x = t (x1 , ..., xn ) et y = t (y1 , ..., yn ) ∈ Rn . 2 Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009 Par application de l’inégalité (1.1) de Cauchy-Schwarz on obtient n X i=1 2 |xi + yi | = n X 2 |xi | + i=1 n X 2 |yi | + 2 i=1 n X |xi yi | i=1 (1.2) ≤ kxk2 + kyk2 + 2kxk2 kyk2 2 = kxk2 + kyk2 . En prenant la racine carrée de l’inégalité (1.2) ci-dessus on a kx + yk2 ≤ kxk2 + kyk2 . (1.3) L’inégalité (1.3) est dite de Minkowski. iii. x 7→ kxk∞ = max |xi | est une norme sur Rn i=1,...,n • Positivité Pour x = t (x1 , ..., xn ) ∈ Rn , on a |xi | ≥ 0 ∀ i ∈ {1 , ... , n}, donc kxk∞ = max |xi | ≥ 0. i=1,...,n Soit x = t (x1 , ..., xn ) ∈ Rn tel que kxk∞ = 0. Alors max |xi | = 0, puis ∀ i ∈ {1 , ... , n} , |xi | = i=1,...,n 0 , i.e. ∀ i ∈ {1 , ... , n} , xi = 0, qui prouve que x = 0. • Homogénéité Soient x = t (x1 , ..., xn ) ∈ Rn et λ ∈ R. On a la chaı̂ne d’implications suivante |λ xi | = |λ| |xi | ∀ i ∈ {1 , ... , n} =⇒ max |λ xi | = |λ| max |xi | ⇐⇒ kλ xk∞ = |λ| kxk∞ . i=1,...,n i=1,...,n • Inégalité triangulaire Soient x = t (x1 , ..., xn ) et y = t (y1 , ..., yn ) ∈ Rn . On a les implications suivantes |xi + yi | ≤ |xi | + |yi | ∀ i ∈ {1 , ... , n} =⇒ max |xi + yi | ≤ max |xi | + max |yi | i=1,...,n i=1,...,n i=1,...,n ⇐⇒ kx + yk∞ ≤ kxk∞ + kyk∞ . Remarque Dans ce qui précède, on n’a jamais prouvé l’égalité k0k = 0, parce que non seulement c’est une évidence mais aussi elle est contenue dans la propriété d’homogénéité, dans laquelle il suffit de faire λ = 0 pour obtenir le résultat. b. Montrer que, pour 1 ≤ p < +∞, l’application suivante définie sur Rn est une norme sur Rn , 1 X n p x 7→ kxkp = . |xi |p i=1 3 Université de Nice Sophia-Antipolis Licence L3 Mathématiques x 7→ kxkp = X n |xi |p 1 p Année 2008/2009 est une norme sur Rn i=1 Le cas p = 1 étant évident et traité dans la question précédente, on s’intéresse aux cas 1 < p < +∞. • Positivité Soit x = t (x1 , ..., xn ) ∈ Rn . On a |xi |p ≥ 0 ∀ i ∈ {1 , ... , n}, donc kxkp ≥ 0. Si x = t (x1 , ..., xn ) ∈ Rn est tel que kxkp = 0, alors ∀ i ∈ {1 , ... , n} , |xi |p = 0 , i.e. ∀ i ∈ {1 , ... , n} , xi = 0, qui prouve que x = 0. • Homogénéité Soient x = t (x1 , ..., xn ) ∈ Rn et λ ∈ R. On a kλ xkp = X n |λ xi |p i=1 1 p = 1 n X p |λ|p |xi |p = |λ| kxkp . i=1 • Inégalité triangulaire On montre deux inégalités qui serviront dans la suite de cette question. – Première inégalité Pour tous p > 1 et p0 > 0 tels que 1/p + 1/p0 = 1 et pour tous a , b > 0 on a 1 1 0 ab ≤ ap + 0 bp . p p (1.4) 0 En effet, en posant α = ln(ap ) et β = ln(bp ) et en utilisant le fait que la fonction exponentielle x 7→ ex est convexe, on obtient 1 1 0 eα/p+β/p ≤ eα + 0 eβ . p p (1.5) En reportant les valeurs de α et β en fonction de a et b dans l’inégalité (1.5) , on obtient la relation (1.4). – Deuxième inégalité Soient x = t (x1 , ..., xn ) et y = t (y1 , ..., yn ) ∈ Rn . Si x 6= 0 et y 6= 0 alors on a la chaı̂ne d’inégalités suivante par application de la relation (1.4) : 4 Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009 X n n X 1 | xi | p | xi | |yi | 1 |yi | p ≤ + 0 kxkp kykp0 p kxkp p kykp0 i=1 i=1 P Pn 0 1 i=1 | xi |p 1 ni=1 | yi |p = + 0 0 p kxkpp p kykp0 p = p 1 kxkp p0 kxkpp 1 1 + p p0 = 1, + p0 1 kykp0 p0 kykp00 p = donc on a n X | xi | |yi | ≤ kxkp kykp0 . (1.6) i=1 L’inégalité (1.6) est encore vraie pour x = 0 ou y = 0. Elle est dite de Hölder. Soient x = t (x1 , ..., xn ) et y = t (y1 , ..., yn ) ∈ Rn . On a n n n n X X X X |xi + yi |p = |xi + yi ||xi + yi |p−1 ≤ |xi | |xi + yi |p−1 + |yi | |xi + yi |p−1 (1.7) i=1 i=1 i=1 i=1 En appliquant l’inégalité de Hölder (1.6) à chacun des termes du second membre de l’inégalité ci-dessus on a : n X |xi | |xi + yi |p−1 ≤ kxkp X n i=1 i=1 n X X n |yi | |xi + yi |p−1 ≤ kykp i=1 p0 (p−1) |xi + yi | 0 |xi + yi |p (p−1) 1 p0 1 p0 (1.8) . i=1 Si x + y 6= 0, l’inégalité (1.7) devient Pn p i=1 |xi + yi | 1 Pn 0 p (p−1) p0 i=1 |xi + yi | ≤ kxkp + kykp , De 1/p0 = 1 − 1/p ⇐⇒ p = p0 (p − 1) et 1/p = 1 − 1/p0 , on déduit de l’inégalité ci-dessus la relation 1 X n p ≤ kxkp + kykp , |xi + yi |p i=1 5 Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009 ou encore kx + ykp ≤ kxkp + kykp . (1.9) Si x + y 6= 0, l’inégalité (1.9) est encore vraie. Elle est dite de Minkowski. 1.2 Équivalence de normes Montrer les relations suivantes sur Rn , kxk∞ ≤ kxk1 ≤ n kxk∞ , √ kxk∞ ≤ kxk2 ≤ n kxk∞ , √ kxk2 ≤ kxk1 ≤ n kxk2 . Équivalence de normes k k1 et k k∞ Soient x = t (x1 , ..., xn ) ∈ Rn , et io tel que |xi0 | = max |xi |. i=1,...,n On a |xi0 | ≤ |xi0 | + n X |xi | ⇐⇒ kxk∞ ≤ kxk1 . i=1 i6=i0 On a ∀ i ∈ {1 , ... , n} , |xi | ≤ |xi0 | =⇒ n X |xi | ≤ n |xi0 | ⇐⇒ kxk1 ≤ nkxk∞ . i=1 D’où kxk∞ ≤ kxk1 ≤ n kxk∞ . Équivalence de normes k k2 et k k∞ Soient x = t (x1 , ..., xn ) ∈ Rn , et io tel que |xi0 | = max |xi |. i=1,...,n On a |xi0 |2 ≤ |xi0 |2 + n X i=1 i6=i0 |xi |2 ⇐⇒ q v u n X u 2 | |xi0 |2 ≤ u |x + |xi |2 ⇐⇒ kxk∞ ≤ kxk2 . t i0 i=1 i6=i0 On a ∀ i ∈ {1 , ... , n} , |xi |2 ≤ |xi0 |2 =⇒ n X v u n q uX 2 2 2 t |xi | ≤ n |xi0 | =⇒ |xi | ≤ n |xi0 |2 i=1 ⇐⇒ kxk1 ≤ D’où kxk∞ ≤ kxk2 ≤ 6 √ i=1 nkxk∞ . √ n kxk∞ . Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009 Équivalence de normes k k1 et k k2 Soit x = t (x1 , ..., xn ) ∈ Rn . On a n n n n n n X X X X X X |xi |2 ≤ |xi |2 + 2 |xi | |xj | ⇐⇒ |xi |2 ≤ |xi | × |xi | i=1 i=1 i=1 1≤i<j≤n ⇐⇒ n X i=1 |xi |2 ≤ i=1 2 n X |xi | i=1 i=1 1 X n n 2 X ≤ |xi | ⇐⇒ |xi |2 i=1 i=1 ⇐⇒ kxk2 ≤ kxk1 . En appliquant l’inégalité de Cauchy-Schwarz on obtient n X i=1 |xi | = n X 1 × |xi | ≤ i=1 X n 1 1 X n 2 2 i=1 |xi |2 1 2 ⇐⇒ n X i=1 |xi | ≤ i=1 ⇐⇒ kxk1 ≤ D’où kxk2 ≤ kxk1 ≤ 1.3 √ √ √ n X n |xi |2 1 2 i=1 nkxk2 . n kxk2 . Relation entre la norme p et la norme +∞ Pour x ∈ Rn , montrer que lim kxkp = kxk∞ . p→+∞ Soit 1 ≤ p < +∞. Soient x = t (x1 , ..., xn ) ∈ Rn , et io tel que |xi0 | = max |xi |. i=1,...,n On a |xi0 |p ≤ |xi0 |p + n X |xi |p ⇐⇒ q i=1 i6=i0 v u n X u p p u |xi0 | ≤ t|xi0 | + |xi |p ⇐⇒ kxk∞ ≤ kxkp . i=1 i6=i0 On a ∀ i ∈ {1 , ... , n} , |xi |p ≤ |xi0 |p =⇒ n X |xi |p ≤ n |xi0 |p =⇒ i=1 ⇐⇒ kxk1 ≤ n1/p kxk∞ . 7 X n i=1 |xi |p 1 p ≤ 1 n |xi0 |p p Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009 D’où kxk∞ ≤ kxkp ≤ n1/p kxk∞ . (1.10) On fait p → +∞ dans (1.10), et on utilise le fait que lim n1/p = 0, pour obtenir p→+∞ lim kxkp = kxk∞ . p→+∞ EXERCICE 2 Normes matricielles Soit A une matrice carrée d’ordre n > 0, A = (aij )i,j=1,...,n . Pour 1 ≤ p ≤ +∞, on note par k kp la norme matricielle calculée à partir de la norme vectorielle k kp i.e. kAkp = sup kAxkp = sup kAxkp = sup kxkp =1 kxkp ≤1 a. Montrer que kAk1 = max j=1,...,n kAk∞ = max n X x6=0 kxkp . |aij | , i=1 n X i=1,...,n kAxkp |aij | . j=1 Cas de la norme matricielle k k1 Soit x = t (x1 , ..., xn ) ∈ Rn . On a kAxk1 = n X |(Ax)i | = i=1 n X n n X n n X n n n X X X X X | aij xj | ≤ |aij ||xj | = |aij ||xj | = |xj | |aij | i=1 j=1 ≤ X n i=1 j=1 j=1 i=1 j=1 i=1 n n X X |aij | = kxk1 max |aij | . |xj | max j=1,...,n j=1 j=1,...,n i=1 i=1 Donc on obtient kAk1 = sup kAxk1 ≤ sup kxk1 max kxk1 =1 kxk1 =1 ou encore kAk1 ≤ max j=1,...,n 8 n X i=1 j=1,...,n |aij | . n X i=1 |aij | , (2.1) Université de Nice Sophia-Antipolis Licence L3 Mathématiques Soit jo tel que Rn tel que n X n X |aij0 | = max j=1,...,n i=1 Année 2008/2009 |aij |. On définit le vecteur x0 = t (x01 , ..., x0j , .., x0n ) ∈ i=1 x0j 1 si j = j0 , 0 si j 6= j0 . = Alors on obtient kAx0 k1 = n X |(Ax0 )i | = i=1 n X n n n X X X | aij x0j | = |aij0 x0j0 | = |aij0 | = kAk1 . i=1 j=1 i=1 (2.2) i=1 En regroupant les équations (2.1) et (2.2), on obtient n X kAk1 = max j=1,...,n |aij | . i=1 D’où le résultat. Cas de la norme matricielle k k∞ Soit x = t (x1 , ..., xn ) ∈ Rn . On a kAxk∞ n n X X = max |(Ax)i | = max | aij xj | ≤ max |aij ||xj | i=1,...,n i=1,...,n ≤ max i=1,...,n = j=1 n X j=1 n X max i=1,...,n = max i=1,...,n j=1 n X i=1,...,n |aij | max |xj | j=1,...,n |aij | max |xj | j=1,...,n |aij | kxk∞ . j=1 Donc on a kAk∞ = sup kAxk∞ ≤ sup kxk∞ max kxk∞ =1 kxk∞ =1 ou encore kAk∞ ≤ max i=1,...,n Soit io tel que max i=1,...,n Rn tel que n X j=1 |aij | = n X j=1 n X i=1,...,n |aij | . n X |aij | , j=1 (2.3) j=1 |ai0 j |. On définit le vecteur x0 = t (x01 , ..., x0j , .., x0n ) ∈ j=1 ai0 j 0 |ai0 j | xj = 0 9 si ai0 j 6= 0 , si ai0 j = 0 . Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009 Si ∀ j ∈ {1 , ... , n} , aij = 0 i.e. si la matrice A est nulle alors kAk∞ = 0. Sinon on a kx0 k∞ = 1 et 0 kAx k∞ = max | i=1,...,n n X ai0 j x0j | j=1 j , ai0 j 6=0 n X = max | i=1,...,n = max i=1,...,n |ai0 j | | = max i=1,...,n j=1 j , ai0 j 6=0 n X n X j=1 j , ai0 j 6=0 |ai0 j | (2.4) |ai0 j | . j=1 Comme kx0 k∞ = 1, x0 est l’un des vecteurs de la boule unité pour la norme k k∞ et, de l’équation (2.4), on déduit que kAk∞ ≥ kAx0 k∞ = max i=1,...,n n X |ai0 j | . (2.5) j=1 Finalement des équations (2.3) et (2.5), on a kAk∞ = max i=1,...,n n X |aij | . j=1 b. Soit B une matrice réelle et symétrique. Montrer que pour x 6= 0 λmin (B) ≤ (Bx, x) ≤ λmax (B) , kxk22 où λmin (B) et λmax (B) sont respectivement les plus petite et grande valeurs propres de B. Comme B est une matrice réelle et symétrique, il existe une matrice diagonale D et une matrice orthogonale U telles que B = t U DU . De plus les valeurs propres de B sont réelles. Par suite pour x 6= 0, on a (Bx, x) = (t U DU x, x) = (DU x, U x) = (Dy, y) où y = U x . Or, d’une part λmin (D)kyk22 ≤ (Dy, y) ≤ λmax (D)kyk22 , ou encore λmin (B)kyk22 ≤ (Dy, y) ≤ λmax (B)kyk22 . D’autre part kyk22 = kU xk22 = (U x, U x) = (x, t U U x) = (x, x) = kxk22 10 Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009 Il vient λmin (B)kxk22 ≤ (Bx, x) ≤ λmax (B)kxk22 , et finalement pour x 6= 0 λmin (B) ≤ (Bx, x) ≤ λmax (B) . kxk22 s t En déduire que kAk2 = ρ AA , où A est une matrice réelle, ρ est le rayon spectral. t t La matrice tAA est réelle et symétrique car (tAA) = tA (tA) = tAA. On peut donc faire B = tAA dans la question précédente et on trouve λmin (t AA) ≤ (t AAx, x) ≤ λmax (t AA) , kxk22 (2.6) pour x 6= 0. Comme (tAAx, x) = (Ax, Ax) = kAxk22 , on déduit de (2.6) d’une part que λmin (t AA) et λmax (t AA) sont positives, donc toutes les valeurs propres de la matrice t AA sont positives. D’où kAxk2 2 t t t ≤ λmax ( AA) = max|λ( AA)| = ρ AA . kxk2 En prenant la racine carrée on trouve kAxk2 ≤ kxk2 s t ρ AA . Maintenant on prend la borne supérieure sur Rn \{0} de l’inégalité ci-dessus, s kAxk2 t sup ≤ ρ AA . x∈Rn , x6=0 kxk2 Par suite s t kAk2 ≤ ρ AA . (2.7) t Considérons à présent un vecteur propre x0 de la matrice AA associé à la valeur propre la plus grande en module λmax (t AA) = |λmax (t AA)| = ρ t AA . On a 2 kAx0 k2 = (Ax0 , Ax0 ) = (t AAx0 , x0 ) = (λmax (t AA) x0 , x0 ) = λmax (t AA) (x0 , x0 ) = λmax (t AA) kx0 k22 , 11 Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009 ce qui implique kAx0 k2 = p λmax (t AA) kx0 k2 . kAx0 k2 = p λmax (t AA) kx0 k2 . Ce qui entraı̂ne à son tour Il vient kAxk2 kAx0 k2 p ≥ = λmax (t AA) , kx0 k2 x∈Rn , x6=0 kxk2 sup puis p kAk2 ≥ λmax (t AA) = s t ρ AA . (2.8) Des relations (2.7) et (2.8), on tire s t kAk2 = ρ AA . D’où le résultat. EXERCICE 3 Une application Soit (θn )n≥0 une suite définie par θn+1 ≤ θn−1 + 2βθn + αn , pour tout n ≥ 1 , avec θn , αn , β ∈ R+ . a. Montrer qu’il existe une matrice A et un vecteur Bn tels que θn θn−1 ≤ A + Bn pour tout n ≥ 1 . θn+1 θn Pour (θn )n≥1 on peut écrire θn ≤ θn , θn+1 ≤ θn−1 + 2βθn + αn , pour tout n ≥ 1 , ou encore θn ≤ θn+1 On trouve donc A= 0 1 1 2β 0 1 1 2β 12 θn−1 θn et Bn = + 0 αn 0 αn (3.1) . (3.2) Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009 Remarque Dans la relation (3.1) le symbole “≤”est compris comme inégalité entre composantes de chaque vecteur correspondant de part et d’autre de ce symbole. b. En déduire que θn ≤ e(n−1)β n−1 q X θ02 + θ12 + αi e(n−1−i)β , pour tout n ≥ 2 . i=1 Le polynôme caratéristique de A est : p p P (λ) = λ2 − 2β λ − 1 = (λ − β)2 − β 2 + 1 = λ − β − β 2 + 1 λ − β + β 2 + 1 p p 2 + 1 et β − Les valeurs propres sont donc β + β β 2 + 1 , d’où le rayon spectral de la p 2 matrice A est ρ(A) = β + β + 1 . Comme la matrice A est réelle et symétrique, ses valeurs propres sont réelles et sa norme euclidienne n’est que la plus grande valeur absolue de ses valeurs propres i.e. p kAk2 = ρ(A) = β + β 2 + 1 . On prend maintenant la norme k k2 de l’inégalité (3.1), pour θn−1 θn + ≤ 0 1 1 2β θn+1 θ n 2 2 2 obtenir 0 αn . 2 Ce que l’on peut encore écrire q q 2 2 θn+1 θn2 + θn−1 + αn . + θn2 ≤ ρ(A) On pose Θn = q (3.3) (3.4) 2 θn2 + θn−1 pour n ≥ 1. Alors on obtient la récurrence suivante Θn+1 ≤ ρ(A) Θn + αn . (3.5) Par récurrence sur n, avec une démonstration analogue à celle du lemme de Gronwall discret, on obtient Θn ≤ n−1 (n−i−1) n−1 X ρ(A) Θ1 + ρ(A) αi . (3.6) i=1 On a les majorations suivantes : θn ≤ q 13 2 θn2 + θn−1 = Θn , (3.7) Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009 et r ρ(A) = β + p β2 + 1 ≤ β + β2 + 1 + β4 4 s =β+ 1+ β2 2 2 = 1+β + β2 ≤ eβ . (3.8) 2 En utilisant les majorations (3.7) et (3.8) dans la récurrence (3.6) et avec Θ1 = on trouve finalement θn ≤ e(n−1)β q θ12 + θ02 , n−1 q X θ02 + θ12 + αi e(n−1−i)β , pour tout n ≥ 2 . i=1 EXERCICE 4 Conditionnement d’une matrice Soit A une matrice carrée d’ordre n > 0. Pour 1 ≤ p ≤ +∞, on note par condp (A) le nombre de conditionnement de A calculé avec la norme matricielle k kp . 4.1 Quelques propriétés du conditionnement Montrer les propriétés suivantes : a. condp (A) ≥ 1 ; On a I = A A−1 =⇒ 1 = kIkp = kA A−1 kp ≤ kAkp kA−1 kp = condp (A) ⇐⇒ condp (A) ≥ 1 . b. condp (αA) = condp (A) , ∀α 6= 0 ; Comme α 6= 0, on trouve condp (αA) = kαAkp kα−1 A−1 kp = |α| |α−1 | kAkp kA−1 kp = kAkp kA−1 kp = condp (A) . s maxi |λi (A? A)| , où les nombres λi (A? A) sont les valeurs propres mini |λi (A? A)| de A? A et A? est l’adjoint de A ; c. cond2 (A) = On a cond2 (A) = kAk2 kA−1 k2 . 14 Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009 La matrice A? A est hermitienne, donc diagonalisable et ses valeurs propres sont réelles. On obtient une généralisation des résultats de la question b. de l’exercice 2 dans laquelle on prend A? en lieu et place de tA. On trouve s q ? ? max |λi (A A)| = ρ A A = kAk2 = kA? k2 . i On a aussi q q ? kA−1 k2 = k(A−1 ) k2 = max |λi ((A−1 )? A−1 )| = max |λi ((A? )−1 A−1 )| i i q q ? −1 ? −1 = max |λi ((AA ) )| = max |λi ((A A) )| i i s s 1 1 = . = max ? i |λi (A A)| mini |λi (A? A)| Par suite s cond2 (A) = maxi |λi (A? A)| . mini |λi (A? A)| d. si A est symétrique et réelle alors cond2 (A) = maxi |λi (A)| , où les nombres mini |λi (A)| λi (A) sont les valeurs propres de A ; Lorsque A est symétrique et réelle, ses valeurs propres sont réelles et, A? = tA = A 2 p t ? λi (A A) = λi ( AA) = λi (AA) = λi (A) , donc λi (A? A) = |λi (A)|. On applique la question précédente et on trouve cond2 (A) = maxi |λi (A)| . mini |λi (A)| e. si U est une matrice orthogonale alors cond2 (U ) = 1 et cond2 (AU ) = cond2 (U A) = cond2 (A). On a s p ? kU k2 = ρ U U = ρ(I) = 1 , s s s p ? −1 −1 −1 −1 −1 −1 ? ? kU k2 = ρ (U ) U = ρ (U ) U = ρ (U U ) = ρ(I) = 1 , puis cond2 (U ) = kU k2 kU −1 k2 = 1 . 15 Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009 Pour le deuxième conditionnement on écrit : s s kAU k2 = ρ (AU )? AU k(AU )−1 k2 = q ρ U ? A? AU = −1 ? ((AU ) ) (AU )−1 s ? = ρ A A = kAk2 , s ? −1 −1 −1 −1 = ρ (U A ) U A s s ? ? = ρ (A−1 ) (U −1 ) U −1 A−1 = ρ (A−1 )? (U ? )−1 U −1 A−1 s s ? ? −1 −1 −1 ? −1 −1 = ρ (A ) (U U ) A = ρ (A ) A = kA−1 k2 . D’où cond2 (AU ) = kAU k2 k(AU )−1 k2 = kAk2 kA−1 k2 = cond2 (A) . Pour calculer le troisième conditionnement on procède comme ci-dessus : s s s ? ? ? ? kU Ak2 = ρ (U A) U A = ρ A U U A = ρ A A = kAk2 , k(U A)−1 k2 = r (U A)−1 ? (U A)−1 s ? −1 −1 −1 −1 = ρ (A U ) A U s s ? ? = ρ (U −1 ) (A−1 ) A−1 U −1 = ρ (U −1 )? (A? )−1 A−1 U −1 s s s ? −1 −1 −1 −1 −1 −1 ? ? ? = ρ (AA ) = ρ (A ) A = ρ (U ) (AA ) U s ? −1 −1 = kA−1 k2 . = ρ (A ) A D’où cond2 (U A) = kU Ak2 k(U A)−1 k2 = kAk2 kA−1 k2 = cond2 (A) . 4.2 Analyse perturbative Soient x et x + δx les solutions des systèmes linéaires Ax = b, (A + δA)(x + δx) = b . a. Montrer que kδxkp kx + δxkp ≤ condp (A) 16 kδAkp kAkp . Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009 Des systèmes linéaires proposés on peut écrire Ax = b = (A + δA)(x + δx) ⇐⇒ Aδx = −δA (x + δx) ⇐⇒ δx = −A−1 δA (x + δx) . On en déduit kδxkp = kA−1 δA (x + δx)kp , puis kδxkp ≤ kA−1 δAkp kx + δxkp ≤ kA−1 kp kδAkp kx + δxkp = kAkp kA−1 kp ou encore kδxkp kx + δxkp ≤ condp (A) b. En déduire que si kA−1 δAkp < 1 alors kδxkp kxkp kδAkp kAkp kδAkp kAkp kx + δxkp , (4.1) . ≤ condp (A) kδAkp 1 . kAkp 1 − kA−1 δAkp On part de la première inégalité de la majoration (4.1), kδxkp ≤ kA−1 δAkp kx + δxkp . On en déduit kδxkp ≤ kA −1 δAkp kxkp + kδxkp . De l’inégalité ci-dessus on peut écrire 1 − kA−1 δAkp kδxkp ≤ kA−1 δAkp kxkp , qui implique kδAkp −1 1 − kA δAkp kδxkp ≤ kA−1 kp kδAkp kxkp ≤ condp (A) kxkp . kAkp Comme kA−1 δAkp < 1, on peut diviser l’inégalité ci-dessus par le nombre non nul 1 − kA−1 δAkp . On trouve kδxkp kxkp ≤ condp (A) 17 kδAkp 1 . kAkp 1 − kA−1 δAkp Université de Nice Sophia-Antipolis Licence L3 Mathématiques 4.3 Année 2008/2009 Applications Calculer le conditionnement par rapport à la norme k k2 de la matrice suivante α −1 −1 α −1 −1 α −1 −1 α −1 .. .. .. Tα = . . . −1 α −1 −1 α −1 −1 α −1 −1 α 0 0 . où α est un paramètre réel. Comme la matrice Tα est symétrique et réelle, ses valeurs propres sont réelles, et son nombre de conditionnement est donné par maxi |λi (Tα )| cond2 (Tα ) = . mini |λi (Tα )| On commence alors par chercher les valeurs propres de Tα . Soient q = t (q0 , q1 , ... , qn , qn+1 ) ∈ Rn+2 tel que q0 = qn+1 = 0 et n l’ordre de Tα . Si t (q1 , ... , qn ) est vecteur propre de Tα associé à la valeur propre λ alors on a Tα q = λ q , ou encore ql−1 + (λ − α) ql + ql+1 = 0 , l = 1, ..., n , avec q0 = qn+1 = 0 . (4.2) Le polynôme caractéristique associé à la récurrence linéaire (4.2) est p(r) = r2 + (λ − α) r + 1 , dont les racines sont −(λ − α) − r− = −(λ − α) + q 2 q (λ − α)2 − 4 , (4.3) (λ − α)2 − 4 . 2 √ Ici, le symbole “ ” est la racine carrée au sens général c’est-à-dire qu’il peut conduire à des nombres complexes. r+ = 18 Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009 La solution de la récurrence linéaire (4.2) est alors l l ql = c− r− + c+ r+ . Les conditions q0 = qn+1 = 0 donnent respectivement 0 = c− + c+ n+1 n+1 0 = c− r− + c+ r+ ⇐⇒ c+ = −c− , n+1 n+1 r+ = r− . n+1 n+1 La résolution de l’équation complexe r+ = r− ou encore z n+1 = n + 1 solutions (k) r+ = (k) r− r+ r− n+1 ι2kπ exp , k = 0 , ... , n , n+1 = 1, donne (4.4) 2 où ι = −1 . Cependant le cas k = 0 doit être omis car il correspond à r+ = r− et donc ql = 0 , l = 1, ..., n, donc au vecteur q = 0, supposéêtre un vecteur propre. −ι k π et substituant les valeurs de r± fournies En multipliant l’équation (4.4) par exp n+1 par l’équation (4.3), on obtient q −ι k π 2 λ − α + (λ − α) − 4 exp n+1 (4.5) q ιkπ 2 . = λ − α − (λ − α) − 4 exp n+1 Ce qui donne q kπ (λ − α) − 4 cos n+1 2 kπ = (λ − α) ι sin . n+1 D’où en prenant le carré, on trouve kπ kπ kπ 2 2 2 2 (λ − α) cos + sin − 4 cos = 0, n+1 n+1 n+1 ou bien encore 2 kπ (λ − α) − 2 cos = 0. n+1 2 La résolution de l’équation (4.6) d’inconnue λ donne kπ . λ = α ± 2 cos n+1 (4.6) (4.7) On en retient que le signe -, car le signe + engendre le même ensemble des valeurs λ, puisque k0 π k0 π (k0 + n + 1) π − λk0 = α−2 cos = α+2 cos π+ = α+2 cos = λ+ k0 +n+1 . n+1 n+1 n+1 19 Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009 Par suite les valeurs propres de Tα sont kπ λk = α − 2 cos n+1 , k = 1 , ... , n . (4.8) On fait λk de (4.8) dans l’équation (4.3), on trouve kπ kπ r− = cos − ι sin , n+1 n+1 kπ kπ r+ = cos + ι sin . n+1 n+1 Par conséquent (k) ql = l c+ (r+ − l r− ) klπ = 2c+ ι sin . n+1 On cherche le coefficient c+ pour que kq (k) k2 = 1. Pour cela on calcule kq (k) k2 : 2 n n X X klπ (k) 2 2 2 kql k2 = sin |ql | = (2|c+ |) n+1 k=1 k=1 2 −ι k l π ιklπ − exp exp n X n+1 n+1 2 = (2|c+ |) 2ι k=1 n (2|c+ |)2 X −2ι k l π 2ι k l π = + exp − 2 exp n+1 n+1 (2 ι)2 k=1 n X X n n (2|c+ |)2 X 2ι k l π −2ι k l π = exp + exp − 2 n+1 n+1 (2 ι)2 k=1 k=1 k=1 X n n n X X −2ι k l π 2ι k l π (2|c+ |)2 + −1 + exp − 2 −1 + exp = n+1 n+1 (2 ι)2 k=0 k=0 k=1 −2ι k l π (n + 1) 2ι k l π(n + 1) 1 − exp 1 − exp (2|c+ |)2 n+1 n+1 = −2 + + − 2n 2ι k l π −2ι k l π (2 ι)2 1 − exp exp n+1 n+1 2 (2|c+ |) = − 2 + 0 + 0 − 2n (2 ι)2 (2|c+ |)2 = − 2(n + 1) . (2 ι)2 De la condition kq (k) k2 = 1, on peut prendre s r 1 2 ι c+ = −ι =− . 2(n + 1) 2 n+1 20 Université de Nice Sophia-Antipolis Licence L3 Mathématiques Année 2008/2009 Conclusion Les valeurs propres de la matrice Tα sont kπ , k = 1 , ... , n . λk = α − 2 cos n+1 (k) (k) (4.9) (k) avec les vecteurs propres correspondants q (k) = t (q1 , ... , ql , ... , qn ) où r klπ 2 (k) ql = sin , l = 1 , ... , n . n+1 n+1 (4.10) Les valeurs maximale et minimale de valeurs absolues des valeurs propres de Tα sont n π , maxi λi (Tα ) = α − 2 cos n+1 π . mini λi (Tα ) = α − 2 cos n+1 D’où α − 2 cos n π maxi |λi (Tα )| n+1 . cond2 (Tα ) = = π mini |λi (Tα )| α − 2 cos n+1 21