Fascicule TDL3 Ana Num Mat 1415
Fascicule TDL3 Ana Num Mat 1415
Fascicule TDL3 Ana Num Mat 1415
LICENCE 3
Exercices
Chapitre 1
Exercice 1.1 1) Montrer que la multiplication des matrices est une opéra-
tion interne sur les sous-ensembles de matrices suivants :
— Matrices triangulaires supérieures (resp. inf.)
— Matrices unitaires
— Matrices de permutation.
2) Même question pour l’inversion des matrices sur les sous-ensembles
suivants :
— Matrices définies positives
— Matrices unitaires.
— Matrices triangulaires non singulières
3) Montrer qu’une matrice triangulaire orthogonale est diagonale.
4) Soit une matrice A ∈ Mn (C).
— Montrer que A est hermitienne alors ses valeurs propres sont réelles
— si A est unitaire, alors le module des valeurs propres est égal à un
(|λ| = 1)
5) a) Montrer que si λ est valeur propre de A, alors λk est valeur propre
de Ak , k ∈ N∗ .
b) Montrer que si A est inversible et λ est valeur propre de A, alors λ1 est
valeur propre de A−1 .
6) On suppose que p est le polynôme caractéristique de A ∈ Mn (C) et que
p(0) n’est pas nul. Montrer que A admet un inverse A−1 et que le polynôme
caractéristique R de A−1 est défini par :
λn 1
R(λ) = (−1)n p( ).
p(0) λ
1
Exercice 1.2 Soient A et B ∈ Mn (C), on suppose que A et B sont hermi-
tiennes. Montrer que les propriétés suivantes sont équivalentes :
1) La matrice A × B est hermitienne
2) A × B = B × A
3) Il existe une matrice unitaire U telle que les matrices U −1 AU et
U −1 BU sont diagonales.
Montrer que
[ ]
(j) jπ
Ax = 2 cos x(j) pour j = 1, . . . , n
(n + 1)
2
Exercice 1.5 1) Déterminer les valeurs propres de la matrice
8 −1 −5
A = −1 3 1
4 −1 −1
3
Exercice 1.8 On se place dans Rn .
1) Soit T une matrice inversible, ∥.∥ une norme vectorielle et la norme
matricielle qui lui est subordonnée. Montrer que la fonction N (x) = ∥T x∥
est une norme vectorielle de x.
2) Quelle norme matricielle est subordonnée à N (x)?
3) Soit G une matrice réelle symétrique, définie positive. Montrer que
< x, y >= xt Gy défini un produit scalaire des vecteurs x et y.
Par ailleurs, le rayon spectral ρ(A) d’une matrice A ∈ K(n,n) est par
définition
ρ(A) = max{|λi |; λi valeurs propres de A, i = 1, . . . , n}.
4
1) Montrer que
∥A∥1 = max |aij |.
1≤j≤n
2) Montrer que
∥A∥∞ = max |aij |.
1≤i≤n
3) Montrer que √
∥A∥2 = ρ(AA∗ ),
avec A∗ l’adjoint de A, i.e. A∗ = ĀT .
Exercice 1.11 Soient A ∈ M(n, n) et σ(A) son spectre (ensemble des va-
leurs propres de A). Notons ρ(A) = sup |λ| le rayon spectral de A et φ une
λ∈σ(A)
norme vectorielle définie sur Cn . On définit le nombre
φ(Ax)
Sφφ (A) = sup , notée ∥A∥.
x̸=0 φ(x)
5
Exercice 1.12 1) Soit A une matrice inversible et B une matrice singulière
quelconque. Montrer que
1
≤ A−1
∥A − B∥
Exercice 1.13 Soit A une matrice carrée, on note ρ(A) le rayon spectral de
A.
1) On suppose que A est définie positive. Montrer que
x∗ Ax 1 x∗ Ax
ρ(A) = max∗ et = min
x∈K x∗ x ρ(A−1 ) x∈K∗ x∗ x
où K = R ou C.
2) Si A est inversible. Montrer que
1
t −1
≤ |λi |2 ≤ ρ(At A)
ρ((A A) )
6
Exercice 1.14 Soit A une matrice carrée d’ordre n dont toutes les valeurs
propres sont λi , i = 1, . . . , n.
1) Montrer que si limp−→+∞ Ap = 0, alors |λi | < 1, i = 1, . . . , n
2) Montrer que si limp−→+∞ Ap = 0, alors
∑
p−1
lim Ak = (I − A)−1
p−→+∞
k=0
Bk = I + A + A2 + ... + Ak
A A2 Ak
Ck = I + + + ... + , k≥1
1! 2! k!
4.1) Montrer que la suite (Ck ) est convergente. On notera eA sa limite.
4.2) Montrer que eA est toujours inversible. (Indication : on montrera
que det eA = etr(A) ).
7
Chapitre 2
8
3) Montrer que µ21 et µ22 sont deux solutions du trinôme
4) En déduire que
∑2
i,j=1 |aij |2
cond2 (A) = σ + (σ − 1)
2 1/2
avec σ =
2| det A|
5) Application
( numérique
)
100 99
Soit A =
99 98
5.1) Calculer det A et σ.
5.2) En déduire la valeur de cond2 (A)
5.3) Comme application, résoudre le système Ax = b et A(x + δx) =
b + δb avec ( ) ( )
199 −0, 0097
b= et δb =
197 0, 0106
9
Montrer que la résolution de (2.1) revient à l’inversion d’une matrice
suivie de la résolution d’un système linéaire d’ordre n − p.
2) Lorsque A est partitionnée comme en 1) indiquer une méthode permet-
tant de calculer A−1 .
3) Application numérique : résoudre le système Ax = b avec
1 0 0 2 −1 1
0 1 0 −1 3 0
A= 0 0 1 3 −2
b = 0
1 0 0 −1 2 0
1 2 1 4 1 0
Exercice 2.6 Soit a et√ v des vecteurs colonnes, tels que a ̸= 0 et v unitaire.
On pose α = ∥a∥ , γ = 2α(α − v t a) où v t a est le produit scalaire < a, v >
(v t = transposée de v) et u = ϕ(a, v) = γ1 (a − αv).
1) Montrer que u est unitaire et que (I − 2uut )a = αv.
2) Soient v1 et v2 deux vecteurs colonnes, et σ une constante. Montrer
que
det(I − σv1 v2t ) = 1 − σv1t v2
en déduire que det(I − 2uut ) = −1.
3) Soit A une matrice quelconque et soit a = A1 le premier vecteur colonne
de A et v = e1 la première colonne de la matrice identité I. On pose
10
∑
2) Soit B = D + m t
i=1 ui vi où D est une matrice regulière, ui et vi des
∑k
vecteurs colonnes. On pose Ck = (D + i=1 ui vit )−1
Montrer que
t
(Ck uk+1 )(vk+1 Ck )
Ck+1 = Ck − t
1 + vk+1 Ck uk+1
3) En déduire un algorithme de calcul de B −1 .
4) Soit M une matrice n × n telle que M11 ̸= 1.
On pose A = M − I et on définit une suite de matrices A(k) , k = 1, .., n
par A(1) = A
(k) (k)
(k+1) (k) aik akj
aij = aij − (k)
k = 1, ..., n
akk
(k)
a) Montrer que ∀k, aij = 0 si i < k ou j < k
b) En déduire que A(n+1) = 0. ∑
5) Montrer que M peut s’écrire sous la forme M = D + ni=1 ui vit
6) En déduire une méthode pour inverser M .
Exercice 2.8 Soit E la matrice carrée d’ordre n dont les seuls coefficients
non nuls sont ei,i−1 et ei,i+1 pour 1 ≤ i ≤ n, qui valent 1 c.à.d.,
0 1 0 ··· 0
. . . . ..
1 0 . . .
E= 0
... ... ...
0
. .. .. ..
.. . . . 1
0 ··· 0 1 0
11
Exercice 2.9 Résoudre par la méthode de Cholesky le système Ax = b où
1 2 3 4 0
2 5 1 10
A= et b = 1
3 1 35 5 0
4 10 5 45 0
12
Chapitre 3
Exercice 3.1 Soit A une matrice d’ordre n > 1 à éléments dans C définie
par : aij = 1 si i ̸= j et aii = 0.
1) Prouver que A est inversible et déterminer A−1 .
2) On veut résoudre le système linéaire (mI + A)x = b, m étant un
paramètre réel, par la méthode de Jacobi.
Donner une condition suffisante à laquelle doit satisfaire m afin que cette
itération converge quelque soit x0 .
Exercice 3.2 Soit A une matrice carrée d’ordre n à éléments dans C, définie
par
aij = n + j − i + 1 si j < i
aij = 1 + j − i si j ≥ i
k
1) Si l’on pose qk = e2iπ n , (k = 0, ..., n − 1).Vérifier que les vecteurs
propres de A sont :
13
1 a a
Exercice 3.3 Soit a ∈ R et A = a 1 a
a a 1
1) Pour quelles valeurs de a, A est-elle définie positive ?
2) Pour quelles valeurs de a, la méthode de Gauss-Seidel est-elle conver-
gente ?
3) Ecrire la matrice J de l’itération de Jacobi.
4) Pour quelles valeurs de a, la méthode de Jacobi converge-t-elle ?
5) Ecrire la matrice L1 de l’itération de Gauss-seidel. Calculer ρ(L1 ).
6) Pour quelles valeurs de a, la méthode de Gauss-Seidel converge-t-elle
plus vite que celle de Jacobi ?
Exercice 3.4 Soit A une matrice carrée d’ordre n à éléments dans C à dia-
gonale strictement dominante. Montrer que que les méthodes de Jacobi et
Gauss-seidel appliquées à la résolution de l’équation
Ax = b, x et b ∈ Cn
14