Sup’Galilée Année 2021/2022
MACS1
Analyse numérique - TD2 & TD3
Algèbre linéaire
TM : Travail à la Maison
1 (TD2) Matrices
Exercice 1 (Matrices “blocs”)
On considère les matrices blocs
¨ ˛ ¨ ˛
1 2 1 0 ˆ ˙ 1 0 0 0 ˆ ˙
˚ 3 4 0 1 ‹ ˚ 0 1 0 0 ‹
A“˚ ‹“ C I
et B “ ˚ ‹“ I O
˝ 1 0 0 0 ‚ I O ˝ 1 2 4 3 ‚ C D
0 1 0 0 3 4 2 1
avec O la matrice nulle de M2 pRq, et
ˆ ˙ ˆ ˙ ˆ ˙
1 0 1 2 4 3
I“ , C“ , et D “ .
0 1 3 4 2 1
1. Calculer les matrices AB et BA en utilisant l’écriture bloc.
2. Calculer la matrice p2B ´ AqpB ` Aq en fonction des matrices C, D et I.
Exercice 2 (Matrices “blocs”) - (TM)
ˆ ˙
Ik ´ BA B
Soient A P Mn,k pRq et B P Mk,n pRq. On note L la matrice L “ .
2A ´ ABA AB ´ In
1. Montrer que la matrice L est bien définie et spécifier les dimensions des blocs.
2. Calculer L2 . Que peut-on en conclure ?
Exercice 3 (Résolution de systèmes triangulaires)
Soient D, L, U P Mn pCq inversibles, respectivement diagonale, triangulaire inférieure et triangulaire supérieure. Soit b P Cn .
1. (TM pour D et U) Calculer detpDq, detpLq, et detpUq.
2. (TM) (algo) Résoudre Dx x “ b et écrire l’algorithme (fonction rsldiag) permettant de résoudre ce système. Calculer
le coût (évaluer le nombre d’opérations élémentaires) de cet algorithme.
3. (algo) Résoudre Lx x “ b et écrire l’algorithme (fonction ResTriInf) permettant de résoudre ce problème. Calculer le
coût de cet algorithme.
4. (TM) (algo) Résoudre Ux x “ b et écrire l’algorithme (fonction ResTriSup) permettant de résoudre ce problème.
Calculer le coût de cet algorithme.
Exercice 4 (Produit et inverse de matrices triangulaires)
Soient L, Lp1q et Lp2q des matrices triangulaires inférieures de Mn pCq.
1. Que peut-on dire des matrices L˚ et pL˚ q˚ ?
p1q p2q
2. C “ Lp1q Lp2q est triangulaire inférieure, et que ci,i “ `i,i `i,i , @i P v1, nw.
3. Déterminer les valeurs propres de L.
4. A quelle(s) conditions la matrice L est-elle inversible ?
5. On suppose que L est inversible et on note M “ L´1 . Montrer que M est triangulaire inférieure avec
1
mi,i “ , @i P v1, nw.
`i,i
6. (TM) Que peut-on dire si les éléments diagonaux de L sont tous distincts ?
1
7. (TM) Soient U, Up1q et Up2q des matrices triangulaires supérieures de Mn pCq. Que peut-on dire de Up1q Up2q , U´1 ,
LU et UL ?
8. (TM) Soit D la matrice définie par ¨ ˛
2 1 0
D “ ˝0 2 1‚.
0 0 2
La matrice D est-elle inversible ? Si oui calculer son inverse. Pour chacune des valeurs propres, déterminer l’espace propre
associé. La matrice D est-elle diagonalisable ? Justifier.
Exercice 5 (Matrices hermitiennes définies positives)
Soit A P Mn pCq une matrice hermitienne.
1. Montrer que pAu u P Cn et en déduire que les valeurs propres de A sont réelles.
u, u q P R, @u
2. Montrer que A est définie positive si et seulement si ses valeurs propres sont strictement positives.
3. En déduire que A est inversible.
Exercice 6 (Matrices à diagonale strictement dominante) (TM)
Soit A “ pai,j q P Mn pRq une matrice à diagonale strictement dominante :
ÿ
@i P v1, nw, |ai,i | ą |ai,j |
jPv1,nw,j‰i
1. Montrer que A est inversible.
2. Montrer que toutes les sous matrices principales de A sont inversibles.
2 (TD3) Normes vectorielles, matricielles et suites de vecteurs
Exercice 7 (Inégalité de Cauchy-Schwarz) (TM)
1. Montrer l’inégalité de Cauchy-Schwarz :
x , y P Rn ,
@x x, y q| ď }x
|px x}2 }yy }2 . (1)
(Indication : calculer α P R en fonction de x et y tel que pαx x ´ y }22 ).
x ´ y , x q “ 0, puis, calculer }αx
2. Montrer que l’on a l’égalité dans (1) si et seulement si y “ αx
x avec α P R.
Exercice 8 (Norme matricielle subordonnée à une norme vectorielle)
Soit } ¨ } une norme vectorielle sur Kn (K “ R ou C). On définit l’application } ¨ }s : Mn pKq Ñ R` par
}Avv }
}A}s “ sup .
v PK n }vv }
v ‰0
1. Montrer que
}A}s “ sup }Avv } “ sup }Avv }.
v PKn v PKn
v }ď1
}v v }“1
}v
2. Montrer que } ¨ }s est une norme matricielle sur Mn pKq, et montrer qu’elle vérifie les propriétés suivantes :
}Avv } ď }A}s }vv } @vv P Kn ,
}I}s “ 1.
Exercice 9 (Rayon spectral)
1. Soit A P Mn pCq et } ¨ }s une norme matricielle subordonnée à une norme vectorielle } ¨ }v . Montrer que
ρpAq ď }A}s .
2. On note maintenant } ¨ } une norme matricielle quelconque. Soit λ P C une valeur propre de A et soit u P Cn zt00u un
vecteur propre associé à λ.
2
(a) Montrer que la matrice B “ uu ˚ P Mn pCq est non nulle.
(b) Montrer que
uu˚ “ λu
Au uu˚ .
(c) En déduire que
ρpAq ď }A}.
3. Quel résultat avez vous démontré ?
Exercice 10 (Suite de vecteurs et de matrices)
Soit A P Mn pCq.
1. Montrer que si lim Ak “ O alors lim Akv “ 0 pour tout v P Cn .
kÑ`8 kÑ`8
k
2. Montrer que si lim A v “ 0 pour tout v P Cn alors
kÑ`8
ρpAq ă 1.
3. Montrer que si ρpAq ă 1, alors il existe au moins une norme matricielle subordonnée (notée } ¨ }s ) telle que
}A}s ă 1.
4. Supposons qu’il existe une norme matricielle subordonnée (notée } ¨ }s ) telle que
}A}s ă 1.
Montrer que lim Ak “ O.
kÑ`8
5. Conclure.
Exercice 11 (Convergence d’une méthode itérative)
Soient A P Mn pCq une matrice inversible, et deux matrices M P Mn pCq et N P Mn pCq telles que A “ M ´ N. Soient
u p0q P Cn et b P Cn . On considère l’algorithme
M u pk`1q “ N u pkq ` b , @ k P N. (2)
1. A quelle condition l’algorithme (2) est-il bien défini ?
On pose B “ M´1 N.
upkq qkPN converge, alors elle converge vers la solution u du système Au
2. Montrer que si la suite pu u “ b.
upkq qkPN converge pour toute donnée initiale u p0q si et seulement si ρpBq ă 1.
3. Montrer que la suite pu
Exercice 12 (Série de Neumann) (TM)
Soient A P Mn pRq et } ¨ } une norme matricielle.
1. Montrer que si ρpAq ă 1, la matrice In ´ A (où In est la matrice identité de Mn pRq) est inversible.
2. On définit la matrice Mk P Mn pRq par
k
ÿ
Mk “ In ` A ` A2 ` ¨ ¨ ¨ ` Ak “ Aj .
j“0
Montrer que si ρpAq ă 1, alors
Mk “ pIn ´ Aq´1 pIn ´ Ak`1 q.
3. En déduire que la série de terme général Ak converge vers pIn ´ Aq´1 si et seulement si ρpAq ă 1.
