Chapitre II

Normes,
conditionnement et
sensibilit des systmes
linaires
2
1 1
1
2
1
1
:
:
0 positivit
0 0
Norme
vrifiant
Exemple ;
; ( ) ;
s
1 ;
n n n
i i i
i i i
n
p
p
p
E
E R
x x
x
x x
x x
x y x y
x x x x x
R
x x p

+
= = =
-

>

= =

+ < +

| |
= = =

\
=
.
>

;
1,...,
sup
i
i n
x

=
=
Normes vectorielles
On a les ingalits importantes suivantes :
En particulier lingalit de Cauchy-Schwarz
Produit scalaire usuel
Produit scalaire usuel :
On a le r
On a le r

sultat suivant
sultat suivant :
Normes matricielles
Exemple
Soit A une matrice nxm, tant donne une norme
vectorielle, on appelle norme matricielle
subordonne, la norme matricielle dfinie par :
;
, 1
m a x
n
x R x
A A x
~ =
=
Une norme matricielle est une norme sur lespace
des matrices qui vrifie de plus :
O n p a r l e d e n o r m e m u l t i p l i c a t i v e
A B A B <
Exemples
;
;
;
2
1
2 2
, 1
1 1
1
, 1
1
1
, 1
1
1
m a x
m a x m a x ;
m a x m a x ;
O n a :
n
n
n
x R x
n
i j
j m
x R x
i
m
i j
i n
x R x
j
T
A A x
A A x a
A A x a
A A

~ =
< <
~ =
=

< <
~ =
=

=
= = =
= =
=

Dfinition : on appelle rayon spectrale dune matrice carre A,

le nombre rel (A) tel que :
, )
;
1,...,
max , valeur propre d e A
i i
i n
A
=
=
, )
2
T
A A A =
Exercice : si A est une matrice carre symtrique nxn, alors
:
, )
2
A A =
Dcomposition en Valeurs Singulires
La SVD
1 2
2
, orthogonales (l'inverse = le transpos)
( ) o 0
avec
est valeur pro
, , ,
pre d e
n i
T
i
T
diag
A
A A
U
U
V
V

= >
=
X

La norme 2 dune matrice A quelconque est gale sa plus grande
Valeur singulire
:
m a x
2
A =
2 2 2
1 2 n
F
A + + + =
La norme de Frobnius dune matrice A quelconque
:
La stabilit
La stabilit

num
num

rique
rique
:
:
Une mthode est numriquement stable
si une petite variation (erreur) gnre
sur les donnes, ne crot pas trop durant
le calcul et ninfluence pas trop sur le
rsultat. Cela nest possible que si le
problme est bien conditionn. Ainsi, si
un problme est mal conditionn, alors la
moindre erreur dans les donnes
provoquera une erreur trs importante sur
la solution calcule.
Exemple : Sensibilit dun systme linaire
Un autre exemple o on ne perturbe que le
second membre b.
, )
A u b
A u u b b
=
+ = +
1
u A b b A u

< <
;
1
( ) Cond A
u b
A A
u b

<
_

, ) , )
A u b
A A u u b
=
+ A + =
1
u A A u u

A < A + A
;
1
( ) Cond A
u A
A A
u u A

A A
<
+ A
_

Cond itionnement d un systme linaire

;
1
u b
A A
u b

< ;
1
u A
A A
u u A

A A
<
+ A
, ) , )
1
cond

A A A A

= =
, )
, )
, )
Soit une matrice inversible et soit et les solutions de
On suppose 0. Alors l'ingalit
est satisfaite et c'est la meilleure possible. Pour une matrice donne, on peu
A u b
A u u b b
u b
A
u b
A u u u
b
A

=
+ = +
<
+
=
t
trouver des vecteurs 0 et 0 tels qu'elle devienne une galit. b b = =
Un systme linaire Ax = b est
autant mieux conditionn que le
nombre cond (A) est voisin de 1.
, ) , )
, ) , )
1 1 1
1
r
x x A b A b r A r cond A
A
x x r
cond A r cond A
x A x b
r

= = <

< <
< x x <
r b A x =
Un petit r
Un petit r

sid u peut c orrespond re

sid u peut c orrespond re

une grand e erreur

une grand e erreur
sur la solution
sur la solution
1.2969 0.8648 0.8642 2
0.2161 0.1441 0.1440 2
A b x
| | | | | |
= = =

\ . \ . \ .
8
8
0.9911
10
0.4870
10
x r b A x

| |
| |
= = =

\ .
\ .
, )
1 8
1 8
0.1441 0.8648
10
0.2161 1.2969
3.3 10
A
A A A

| |
=

\ .
= =
Pour les matrices symtriques
O n note le produit scalaire usuel produit scalaire usuel sur
i
i i
n
1
x,y xy
=
=

n
IR
Dfinition
Soit A une matric e relle symtrique (
n,n
).
O n appelle quotient d e Rayleigh d e la
matric e A, l'applic ation
;
n
A
r : IR 0
d finie par
x x
x x
=
A
Ax, x
r (x) = A ,
x, x
.
IR
Elles sont solutions d u polynme c arac tristique
A
(X) d et(A XI) =
_
mais elles peuvent aussi sestimer partir d u quotient
de Rayleigh. Pour A symtriques,
Les valeurs propres d une matric e relle
symtrique sont relles
;
n
IR- 0 tels que v A v v= ~

min A max
r ( ) x < <
Thorme (matrice carre quelconque)
Soit A une matrice carre d'ordre n et le cercle du
plan complexe
Alors toutes les valeurs propres de A
appartiennent un des cercles
i
R
ii i ij
i j
={z C/ |z-a | R |a | }
n
i
r
=
~ < =

i
R
i

i i i i
a r < +
Thorme
Soit A une matrice carre d'ordre n diagonalisable, P
une matrice telle que :
Alors, pour toute matrice de perturbation ,
, )
, )
;
1
sp
;
n
i
i
i i
A A D
D z z cond P A
=
+A c
= ~ < A '

, )
1
diag
i
P A P

=
A A
Cest le conditionnement de la matrice de passage
P qui intervient.