Вы находитесь на странице: 1из 14

Exercices avec corrige succinct du chapitre 2

(Remarque : les references ne sont pas gerees dans ce document, par contre les quelques?? qui
apparaissent dans ce texte sont bien denis dans la version ecran compl`ete du chapitre 2)
Exercice II.1
On denit la matrice A, `a n lignes et n colonnes par
A =
_
_
_
_
_
_
_
2 1 0
1 2 1
.
.
.
.
.
.
.
.
.
1 2 1
0 1 2
_
_
_
_
_
_
_
On veut resoudre Ax = 0.
1. Montrer en resolvant les n 1 premi`eres equations que x
i
= ix
1
, i = 1,...,n.
2. Resoudre la derni`ere equation et en deduire que x = 0.
3. En deduire que A est inversible.
Solution :
1. On demontre ce resultat par recurrence, cest trivialement verie pour i = 1. Supposons que
x
i
= ix
1
pour i k, on ecrit alors la ki`eme equation, on obtient :
(k 1)x
1
+ 2kx
1
x
k+1
= 0 x
k+1
= (k + 1)x
1
.
Ce qui demontre le resultat.
2. En ecrivant la derni`ere equation, on obtient
(n 1)x
1
+ 2nx
1
= 0 x
1
= 0
En utilisant la question precedente on a donc x = 0.
3. On a vu dans le chapitre 1 quune condition necessaire et susante pour que A soit inversible
est que son noyau soit reduit `a 0, cest ce que lon vient de montrer.
Exercice II.2
Soit A une matrice triangulaire inferieure.

Ecrire lalgorithme permettant de resoudre le syst`eme
lineaire Ax = b (b vecteur donne) en noubliant pas de verier au depart que ce syst`eme a une
solution.
Solution :
1: pour i = 1 jusqu` a n faire
2: si |a
ii
| < alors
3: Arreter lalgorithme et donner un message derreur
4: n si
5: n pour
6: x
1

b
1
a
11
1
7: pour i = 2 jusqu` a n faire
8: x
i

b
i

i1
k=1
a
ik
x
k
a
ii
9: n pour
Exercice II.3
Soit A une matrice triangulaire superieure, montrer que le calcul du vecteur inconnu est donne par :
_
x
n
=
bn
ann
x
i
=
1
a
ii
_
b
i

n
j=i+1
a
ij
x
j
_
, pour i = n 1, n 2, . . . , 1.

Ecrire alors lalgorithme correspondant.


Solution : Le syst`eme lineaire secrit
_

_
a
11
x
1
+ a
12
x
2
+ . . . + a
1,n1
x
n1
+ a
1n
x
n
= b
1
a
22
x
2
+ . . . + a
2,n1
x
n1
+ a
2n
x
n
= b
2
. . . = . . .
a
n1,n1
x
n1
+ a
n1,n
x
n
= b
n1
a
nn
x
n
= b
n
On commence donc par calculer linconnue x
n
, puis linconnue x
n1
= (b
n1
a
n1,n
x
n
)/a
n1,n1
et
on remonte ainsi jusqu` a x
1
. Ainsi, lorsque lon arrive `a la i`eme equation, on a dej`a calcule x
k
pour
k = i + 1, . . . ,n. Or cette equation secrit
a
ii
x
i
+ a
i,i+1
x
i+1
+ . . . + a
i,n1
x
n1
+ a
in
x
n
= b
i
ce qui permet de tirer x
i
par la formule donnee dans lenonce. Lalgorithme ne di`ere de celui de
lexercice precedent que par les indices.
`
A vous de lecrire . . .
Exercice II.4
Soit le syst`eme Ax = b. On consid`ere la premi`ere etape de lelimination de Gauss. Montrer que la
i`eme equation (pour i 2 ) est modiee de la mani`ere suivante :
_
_
_
a
(1)
ij
= a
ij
a
(2)
ij
= a
ij

a
i1
a
11
a
1j
pour j = 1, 2, . . . , n
b
(1)
i
= b
i
b
(2)
i
= b
i

a
i1
a
11
b
1
.
Solution : On elimine le premier element de la i`eme ligne L
i
en eectuant une combinaison L
i
L
1
,
ce qui donne
a
i1
a
11
= 0
soit
=
a
i1
a
11
.
On a alors
L
(2)
i
= L
i
L
1
soit
a
(2)
ij
= a
ij
a
1j
, pour j = 1, . . . ,n, i = 2,..,n.
2
La meme combinaison est eectuee sur les composantes du second membre, soit
b
(2)
i
= b
i
b
1
, i = 2,..,n.
Exercice II.5
Soit le syst`eme Ax = b. On consid`ere la deuxi`eme etape de lelimination de Gauss. Montrer que la
i`eme equation ( pour i 3 ) est modiee de la mani`ere suivante :
_

_
a
(2)
ij
a
(3)
ij
= a
(2)
ij

a
(2)
i2
a
(2)
22
a
(2)
2j
pour j = 2, 3, . . . , n
b
(2)
i
b
(3)
i
= b
(2)
i

a
(2)
i2
a
(2)
22
b
(2)
2
.
Solution : On elimine le deuxi`eme element de la i`eme ligne L
(2)
i
en eectuant une combinaison
L
(2)
i
L
(2)
2
, ce qui donne
a
(2)
i2
a
(2)
22
= 0
soit
=
a
(2)
i2
a
(2)
22
.
On a alors
L
(3)
i
= L
(2)
i
L
(2)
2
soit
a
(3)
ij
= a
(2)
ij
a
(2)
2j
, pour j = 2, . . . ,n, i = 3, . . . ,n.
La meme combinaison est eectuee sur les composantes du second membre, soit
b
(3)
i
= b
(2)
i
b
(2)
2
, i = 3, . . . ,n.
Exercice II.6
Soit le syst`eme Ax = b. On consid`ere la ki`eme etape de lelimination de Gauss. Montrer que la i`eme
equation ( pour i k + 1 ) est modiee de la mani`ere suivante :
_

_
a
(k)
ij
a
(k+1)
ij
= a
(k)
ij

a
(k)
ik
a
(k)
kk
a
(k)
kj
pour j = k, k + 1, . . . , n
b
(k)
i
b
(k+1)
i
= b
(k)
i

a
(k)
ik
a
(k)
kk
b
(k)
k
.
Solution : On elimine le ki`eme element de la k`eme ligne L
(k)
k
en eectuant une combinaison
L
(k)
i
L
(k)
k
, ce qui donne
a
(k)
ik
a
(k)
kk
= 0
soit
=
a
(k)
ik
a
(k)
kk
.
3
On a alors
L
(k+1)
i
= L
(k)
i
L
(k)
k
soit
a
(k+1)
ij
= a
(k)
ij
a
(k)
kj
, pour j = k, . . . ,n, i = k + 1, . . . ,n.
La meme combinaison est eectuee sur les composantes du second membre, soit
b
(k+1)
i
= b
(k)
i
b
(k)
k
, i = k + 1, . . . ,n.
Pour j = k le coecient a ete determine pour que a
(k+1)
ik
= 0, donc dans la pratique on aecte
directement 0 `a ce coecient sans eectuer le calcul. Les calculs sont donc faits pour i et j variant de
k + 1 `a n.
Exercice II.7
Soit la matrice A =
_
_
1 2 1
2 2 1
1 1 1
_
_
et le vecteur b =
_
_
4
5
3
_
_
, appliquez lalgorithme de Gauss `a la
main pour calculer la solution de Ax = b.
Solution : Lalgorithme proc`ede de la mani`ere suivante :
_
_
1 2 1
2 2 1
1 1 1
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
4
5
3
_
_

_
_
1 2 1
0 2 1
0 1 0
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
4
3
1
_
_

_
_
1 2 1
0 2 1
0 0 1/2
_
_
_
_
x
1
x
2
x
3
_
_
=
_
_
4
3
1/2
_
_
La resolution de ce syst`eme triangulaire donne :
x
3
= 1, x
2
= 1, x
1
= 1.
Exercice II.8
Calculer le nombre doperations eectuees pour realiser lelimination de Gauss en fonction de n en
separant multiplications/divisions et additions/ soustractions. Pour cela on pourra utiliser les deux
formules
n

k=1
k =
n(n + 1)
2
,
n

k=1
k
2
=
n(n + 1)(2n + 1)
6
.
Solution : La demarche est de compter le nombre doperations `a partir de la boucle la plus interieure.
Nous allons evaluer le nombre de multiplications/divisions, vous laissant le soin devaluer le nombre
dadditions algebriques. On a ainsi :
pour j = k + 1 n , a
ij
a
ij
ca
kj
: on eectue n k multiplications,
calcul de b
i
ET c : on eectue 1 multiplication et 1 division
4
On eectue les operations precedentes pour i = k + 1 n: on ectue donc (n k)(n k + 2)
multiplications/divisions
On eectue ce qui prec`ede pour k = 1 n 1 : on eectue donc

n1
k=1
(n k)(n k + 2)
multiplications/divisions
soit
n1

k=1
(n k)(n k + 2) =
n1

p=1
p(p + 2) =
n1

p=1
p
2
+ 2
n1

p=1
p =
(n 1)n(2n 1)
6
+ 2
(n 1)n
2

1
3
n
3
.
Dans le resultat, on na garde que les termes de plus haut degre.
Exercice II.9
Soient L une matrice triangulaire inferieure et U une matrice triangulaire superieure et on pose A =
LU. Montrer que, pour la colonne j de A, on a
a
ij
=
i

k=1
l
ik
u
kj
, pour i j,
et
a
ij
=
j

k=1
l
ik
u
kj
, pour i > j.
Solution : Lelement du produit des matrices L et U est donne par :
a
ij
=
n

k=1
l
ik
u
kj
.
Or l
ik
= 0 pour i < k et u
kj
= 0 pour j < k. Le produit des elements sera donc nul lorsque k sera
superieur au plus petit des deux entiers i et j, do` u le resultat.
Exercice II.10
Soit A une matrice inversible qui admet une factorisation A = LU o` u L est triangulaire inferieure, U
est triangulaire superieure et la diagonale de U ne comporte que des 1, alors cette factorisation est
unique.
Solution : On suppose quil y a deux decompositons possibles :
A = LU =

L

U.
Puisque A est inversible, L, U,

L,

U sont inversibles. On a alors
(

L)
1
L =

UU
1
.
Le produit de deux matrices triangulaires inferieures (resp. superieures) est une matrice triangulaire
inferieure (resp. superieure). Il en resulte que legalite precedente donne un matrice diagonale (car
triangulaire inferieure et superieure). Dautre part, la diagonale de

UU
1
ne comportant que des 1, la
matrice produit est necessairement la matrice identite. Ainsi
(

L)
1
L =

UU
1
= I,
soit
L =

L, U =

U.
5
Exercice II.11
Resoudre le syst`eme Ax = b dont la factorisation LU de A est donnee :
A =
_
_
1 0 0
2 1 0
1 2 1
_
_
_
_
2 1 2
0 3 1
0 0 1
_
_
b =
_
_
1
6
6
_
_
Solution : La resolution de Ly = b donne
y =
_
_
1
4
1
_
_
puis celle de Ux = y donne
x =
_
_
1
1
1
_
_
Exercice II.12
Soit A =
_
_
2 1 2
4 5 3
2 5 3
_
_
, en vous inspirant de ce qui a ete fait pour lalgorithme de Doolittle dans
le paragraphe ??, eectuez la factorisation de Crout de la matrice A, cest `a dire determinez L et
U telles que A = LU avec les termes diagonaux de U egaux `a 1 (ceux de L sont quelconques).
Solution : On cherche L =
_
_
0 0
0

_
_
, U =
_
_
1
0 1
0 0 1
_
_
telles que A = LU.
On identie la premi`ere colonne de A et la premi`ere colonne de LU, cela permet dobtenir la
premi`ere colonne de L:
LU =
_
_
2 0 0
4 0
2
_
_
_
_
1
0 1
0 0 1
_
_
=
_
_
2 1 2
4 5 3
2 5 3
_
_
.
On identie la premi`ere ligne de A avec la premi`ere ligne de LU, cela permet dobtenir la premi`ere
ligne de U :
LU =
_
_
2 0 0
4 0
2
_
_
_
_
1 1/2 1
0 1
0 0 1
_
_
=
_
_
2 1 2
4 5 3
2 5 3
_
_
.
On identie la deuxi`eme colonne de A avec la deuxi`eme colonne de LU, cela permet dobtenir
la deuxi`eme colonne de L:
LU =
_
_
2 0 0
4 3 0
2 6
_
_
_
_
1 1/2 1
0 1
0 0 1
_
_
=
_
_
2 1 2
4 5 3
2 5 3
_
_
.
6
On identie la deuxi`eme ligne de A avec la deuxi`eme ligne de LU, cela permet dobtenir la
deuxi`eme ligne de U :
LU =
_
_
2 0 0
4 3 0
2 6
_
_
_
_
1 1/2 1
0 1 1/3
0 0 1
_
_
=
_
_
2 1 2
4 5 3
2 5 3
_
_
.
On identie la troisi`eme colonne de A avec la troisi`eme colonne de LU, cela permet dobtenir la
troisi`eme colonne de L:
LU =
_
_
2 0 0
4 3 0
2 6 1
_
_
_
_
1 1/2 1
0 1 1/3
0 0 1
_
_
=
_
_
2 1 2
4 5 3
2 5 3
_
_
.
Exercice II.13
Dans le calcul direct de la factorisation LU, on suppose maintenant que cest la matrice U dont
tous les elements de la diagonale sont egaux `a 1 et non pas la matrice L. Calculer les elements des
matrices U et L `a partir delements de A et delements de U et L de colonnes ou de lignes precedentes.
Comment modier lalgorithme de Doolittle pour le calcul des elements l
ij
et u
ij
des matrices L et U.
Cet algorithme sappelle lalgorithme de Crout.
Solution : Le raisonnement sobtient en echangeant des lignes et les colonnes dans le raisonnement
de lalgorithme de Doolittle et les matrices L et U. Ainsi, cela commence par :
En ecrivant A = LU et en se souvenant que les matrices L et U sont triangulaires, on obtient
a
ij
=
j1

k=1
l
ik
u
kj
+ l
ij
pour i = j,j + 1,...,n.
Ce qui est equivalent `a
l
ij
= a
ij

j1

k=1
l
ik
u
kj
pour i = j,j + 1,...,n.
Nous voyons que pour calculer les elements l
ij
de la j`eme colonne de L, il nous faut connatre
prealablement les elements des colonnes 1 `a j 1 de L ainsi que les elements des lignes 1 `a j 1 de U.
etc. . . .
`
A vous de continuer.
Exercice II.14
Montrez que si la factorisation A = LU existe (L triangulaire inferieure avec une diagonale unitaire
et U triangulaire superieure inversible), alors les sous-matrices principales de A sont inversibles.
Solution : On decoupe les matrices A, L et U :
_
[A]
k
. . .
. . . . . .
_
=
_
[L]
k
0
. . . . . .
__
[U]
k
. . .
0 . . .
_
.
En eectuant le produit par blocs, on obtient alors
[A]
k
= [L]
k
[U]
k
.
Les deux matrices triangulaires [L]
k
et [U]
k
sont inversibles car les elements des diagonales des matrices
L et U sont non nuls, donc la matrice [A]
k
est inversible.
7
Exercice II.15
Soit une permutation de {1,2,...,n} et soit g lapplication lineaire telle que g(e
j
) = e
(j)
o` u {e
1
,
. . . ,e
n
} est la base canonique de IR
n
. Montrer que la matrice P de lapplication g est telle que
p
ij
=
i,(j)
et que P
1
= P
T
.
Solution : On rappelle que lelement p
ij
correspond `a la i`eme composante de g(e
j
). On a donc
p
ij
=
_
e
(j)
_
i
=
i,(j)
.
Pour montrer que P
1
= P
T
, il sut de calculer le produit PP
T
:
_
PP
T
_
ij
=
n

k=1
p
ik
p
jk
=
n

k=1

i,(k)

j,(k)
.
Le produit
i,(k)

j,(k)
est nul sauf si
i = j = (k)
et dans ce cas le produit vaut 1, ce qui montre le resultat.
Exercice II.16
1. Soit A une matrice symetrique admettant une factorisation LDL
T
. Montrer que pour i j on a
a
ij
=
j

k=1
d
k
l
ik
l
jk
,
o` u on a note d
k
le k
`eme
element de la diagonale de D.
2. Deduire de la question precedente que les coecients de L et ceux de D peuvent etre obtenus
par les formules (on consid`ere que les sommes ne sont pas eectuees quand j = 1)
d
j
= a
jj

j1

k=1
d
k
l
2
jk
,
et pour i > j
l
ij
=
a
ij

j1
k=1
d
k
l
ik
l
jk
d
j
.
Indication: ne pas oublier que l
jj
= 1 par denition.
Solution :
1. Le produit de matrices donne
a
ij
=
n

k=1
(LD)
ik
l
jk
,
soit, puisque la matrice D est diagonale
a
ij
=
n

k=1
l
ik
d
k
l
jk
.
Or, puisque la matrice L est triangulaire inferieure, le produit l
ik
l
jk
est nul pour k > inf(i,j),
soit k > j, ce qui donne le resultat.
8
2. En detaillant la somme de la premi`ere question, on obtient (l
jj
= 1) :
a
jj
=
j1

k=1
d
k
l
2
jk
+ d
j
l
2
jj
=
j1

k=1
d
k
l
2
jk
+ d
j
,
soit
d
j
= a
jj

j1

k=1
d
k
l
2
jk
.
Et pour i > j
a
ij
=
j1

k=1
d
k
l
ik
l
jk
+ d
j
l
ij
l
jj
=
j1

k=1
d
k
l
ik
l
jk
+ d
j
l
ij
,
soit
l
ij
=
a
ij

j1
k=1
d
k
l
ik
l
jk
d
j
.
Exercice II.17
Soit A une matrice symetrique denie positive. On consid`ere sa factorisation de Cholesky A = BB
T
.
Montrer que tous les elements de la diagonale de B sont non nuls.
Solution : Un raisonnement simple est base sur le calcul de determinant. En eet, puisque la matrice
B est triangulaire, son determinant est le produit des elements de sa diagonale.
det A = det (BB
T
) = det B det (B
T
) =
n

i=1
(b
ii
)
2
.
La matrice A est inversible puisque elle est denie positive (voir les rappels du chapitre 1). Le
determinant de A est donc non nul, do` u lon deduit que les elements b
ii
sont non nuls.
Exercice II.18
En calculant le discriminant du trin ome en suivant
q() =
n

i=1
(x
i
+ y
i
)
2
montrer linegalite de Cauchy-Schwarz :
|
n

i=1
x
i
y
i
|

_
n

i=1
x
2
i

_
n

i=1
y
2
i
.
Solution : Il sut de considerer q() comme un trin ome en qui est toujours positif ou nul,
cest-`a-dire qui na pas de racines reelles distinctes. Dans ce cas le trin ome
q() =
_
n

i=1
y
2
i
_

2
+
_
2
n

i=1
x
i
y
i
_
+
n

i=1
x
2
i
,
9
a un discriminant negatif ou nul
_
2
n

i=1
x
i
y
i
_
2
4
_
n

i=1
y
2
i
__
n

i=1
x
2
i
_
0,
soit
_
n

i=1
x
i
y
i
_
2

_
n

i=1
y
2
i
__
n

i=1
x
2
i
_
.
Le resultat sobtient en prenant la racine carree de cette inegalite, puisque la fonction racine carree
est croissante de IR
+
sur IR
+
.
Exercice II.19
Montrer, en utilisant les proprietes de la norme vectorielle, que si on denit A par
A = max
xC
n
,x=0
Ax
x
on a :
A = ||A,
A + B A +B.
Solution : Les proprietes de la norme vectorielle donnent :
Ax = ||Ax.
On a donc
A = max
xC
n
,x=0
||
Ax
x
= ||A.
De meme
Ax + Bx Ax +Bx,
ce qui donne pour tout x = 0
(A + B)x
x

Ax
x
+
Bx
x
,
soit
(A + B)x
x
max
xC
n
,x=0
Ax
x
+ max
xC
n
,x=0
Bx
x
.
Cette derni`ere inegalite etant vraie pour tout x = 0, est donc encore vraie pour le max, soit
max
xC
n
,x=0
(A + B)x
x
max
xC
n
,x=0
Ax
x
+ max
xC
n
,x=0
Bx
x
.
Exercice II.20
Montrer que, par denition de la norme matricielle subordonnee, on a
Ax A x x C
n
.
10
Solution : Rappelons la denition de la norme subordonnee
A = max
xC
n
,x=0
Ax
x
.
Ceci implique que pour toutx = 0, on a
Ax
x
A
soit
Ax A x.
Cette inegalite etant trivialement veriee pour x = 0, elle est donc vraie pour tout x C
n
.
Exercice II.21
Montrer que, pour toute norme subordonnee, I = 1. Que vaut I
F
(norme de Frobenius)?
Solution : Par denition de la norme subordonnee, on a
I = max
xC
n
,x=0
Ix
x
= max
xC
n
,x=0
x
x
= 1.
Par denition de la norme de Frobenius, on a
I
F
=

_
n

i=1
n

j=1
|I
ij
|
2
=

n.
Exercice II.22
Soit A M
nm
,B M
mn
, soit une valeur propre non nulle de BA correspondant `a un vecteur
propre Y , montrer que AY est un vecteur propre (non nul) de AB correspondant `a la valeur propre
. En deduire que
(BA) = (AB).
Solution : Par denition de la valeur propre, on a
BAY = Y.
Multiplions `a gauche par A, il vient
ABAY = AY.
Ceci correspond `a la denition dune valeur propre de AB `a condition que le vecteur propre associe
soit non nul. Supposons que AY = 0, alors en multipliant par B `a gauche, on obtiendrait
BAY = 0,(= Y ),
ce qui est impossible puisque est non nul et Y non nul (vecteur propre).
On vient de montrer que toute valeur propre non nulle de BA est une valeur propre de AB. Le
raisonnement est evidemment valable en echangeant les roles de A et de B. Les deux matrices BA et
AB ont donc les memes valeurs propres non nulles et donc le meme rayon spectral.
Exercice II.23
Soit A une matrice symetrique donc diagonalisable, A peut donc secrire A = PDP
1
,avec D diago-
nale.
11
Quelles sont les valeurs propres de A? Quelles sont les valeurs propres de A
2
?
En deduire que
(A
2
) = (A)
2
.
Deduire de la question precedente que
A
2
= (A).
Soit la matrice
A =
_
0 1
0 0
_
quel est son rayon spectral ? Ce rayon peut-il etre considere comme une norme matricielle lorsque
la matrice nest pas symetrique?
Solution :
Puisque la matrice A est symetrique, elle est diagonalisable (voir les rappels du chapitre 1). Elle
secrit, donc
A = PDP
1
,
o` u D est une matrice diagonale. Les elements de la diagonale de D sont les valeurs propres de
A. On a donc
A
2
= PDP
1
PDP
1
= PD
2
P
1
,
ce qui montre que les valeurs propres de A
2
sont les elements de la diagonale de D
2
, cest `a dire
les valeurs propres de A au carre.
Si lon range les valeurs propres de A de la mani`ere suivante :
|
n
| |
n1
| . . . |
1
|,
on a
|
n
|
2
|
n1
|
2
. . . |
1
|
2
.
Il en resulte que
(A
2
) = |
1
|
2
= (A)
2
.
Dans le cours il est demontre (rechercher le resultat si vous lavez oublie) que
A
2
2
= (AA
T
).
La matrice etant symetrique (A = A
T
) et en appliquant la question precedente, on a
A
2
2
= (A
2
) = (A)
2
,
soit (les deux quantites etant positives)
A
2
= (A).
Les valeurs propres de A sont evidemment nulles, ce qui donne un rayon spectral nul. Si ce rayon
spectral etait une norme matricielle, on devrait avoir une matrice nulle par la premi`ere propriete
dune norme matricielle. La matrice A nest evidemment pas la matrice nulle, le rayon spectral
nest donc pas une norme matricielle pour les matrices non symetriques.
12
Exercice II.24
Montrer que pour toute norme matricielle subordonnee on a
(A) A.
Solution : Considerons une valeur propre de A:
AY = Y.
On a dej`a montre (exercice ??) que
AY A Y ,
ce qui donne
Y A Y
donc
|| Y A Y
or (Y = 0 puisque Y est un vecteur non nul), donc apr`es simplication
|| A.
Cette inegalite etant valable pour toute valeur propre, elle est evidemment valable pour la plus grande
en module, soit
(A) A.
Exercice II.25
Soit une matrice diagonale D. Calculer le conditionnement de D `a laide de la norme matricielle
subordonnee `a la norme euclidienne. Dans quel cas ce conditionnement est-il egal `a 1?
Solution : Une matrice diagonale etant une matrice symetrique, sa norme matricielle subordonnee
`a la norme euclidienne est egale `a son rayon spectral. Il en est de meme de linverse de D. Dautre
part, les valeurs propres dune matrice diagonale sont ses elements diagonaux. Si lon appelle d
i
les
elements diagonaux de D, on a
D = max
1in
|d
i
| , D
1
=
1
min
1in
|d
i
|
.
Le conditionnement de D est donc donne par
(D) = D D
1
= max
1in
|d
i
|
1
min
1in
|d
i
|
.
Ce conditionnement est egal `a 1 si et seulement si
max
1in
|d
i
| = min
1in
|d
i
|
ce qui est equivalent `a tous les elements diagonaux de D sont egaux, cest-`a-dire D = I.
13
Exercice II.26
Soit A une matrice symetrique inversible dont les valeurs propres sont
1
,...,
n
, on suppose que :
|
1
| |
2
| . . . |
n
| > 0
Montrer que les valeurs propres de A
1
sont
1

1
,...,
1
n
et que les valeurs propres verient :
1
|
n
|

1
|
n1
|
. . .
1
|
1
|
.
En deduire (A) lorsque lon choisit la norme subordonnee `a la norme euclidienne.
Solution :
Puisque la matrice A est symetrique, elle est diagonalisable (voir les rappels du chapitre 1). Elle
secrit, donc
A = PDP
1
,
o` u D est une matrice diagonale dont les elements de la diagonale sont les valeurs propres de A.
On a donc
A
1
= (PDP
1
)
1
= PD
1
P
1
,
ce qui montre que les valeurs propres de A
1
sont les elements de la diagonale de D
1
, cest
`a dire linverse des valeurs propres de A. Puisque les valeurs propres de A sont rangees de la
mani`ere suivante :
0 < |
n
| . . . |
2
| |
1
|,
les valeurs propres de A
1
sont donnees par :
1
|
1
|

1
|
2
|
. . .
1
|
n
|
.
Par denition, on a
(A) = A
2
A
1

2
= (A)(A
1
) =
|
1
|
|
n
|
.
14

Оценить