Mathématiques
appliquées et numériques
Liene 3, Dpt Géosienes
Année 2011-2012, 2e semestre
Présentation synthétique du ours
Janvier Juin 2012
Cours donné en
3 e année de Liene de Sienes de la planèteTerre
par Mihael Ghilet Jean Roux
TD par Mohamadou Diallo
Éole normalesupérieure, Paris
Quatrième ours
Algèbre linéaire I. Valeurs et veteurs propres
d'une matrie : théorie et méthodes numériques
C'estunourspartiulièrementutileàlarésolution dessystèmesd'équa-
tions diérentielleslinéaires.
Il est àpeine utile de noterque lealuldes valeurs etveteurspropres
se pose dans de nombreux problèmes de la physique et en partiulier dans
les Sienes de laTerre. Lesompliations qui se présentent sont bien plus
grandesquepourlarésolutiondessystèmeslinéaires. Toutd'abordiln'existe
pasde méthode direte : toutes les méthodes sont itératives ; ei est lair
puisqu'il s'agit, omme on va le voir, de aluler les zéros du polynme
aratéristique. Enraisondesgrandesdiultésattahéesàeproblème,e
hapitre nedoit êtreonsidéré queommeune introdution au sujet.
4.1 Valeurs propres et veteurs propres d'une ma-
trie
Degrande importane dans l'étudedes matries
A ∈ R n,n sont les veteurs spéiaux(lesveteurspropresi-dessous)dontlesdiretionssontinhangées
lorsqu'ilssont multipliés par
A
. Unsalaire réel ou omplexeλ
telqueAx = λx, x 6= 0,
(4.1.1)estappeléune valeurpropre de
A
etx
unveteur propre(assoiéàλ
) deA
.Il sepeutévidemment qu'une matrie réelleait unevaleur propreomplexe
(voir l'exemple de la matrie
A
à la n de e paragraphe). Notons aussi qu'enréalitélesvaleurspropresomplexesapparaissentparpairesomplexesonjuguées,eseradémontreri-dessous. Si
λ
estomplexeleveteurpropreassoié
x
estomplexe, ars'ilétait réel, onauraitAx
réel etλx
omplexe,e qui est impossible ; de plus si
Ax = λx
aveλ ∈ C
et néessairementx
omplexe (onvient deledémontrer),on a(enprenant leonjuguédesdeux
membres)
Ax = λx
,soit, puisqueA
estréelle par hypothèse,A x ¯ = ¯ λ¯ x
. Cequisignie que
λ ¯
estaussivaleur propredeA
assoiée auveteur proprex ¯
,quiest leomplexe onjuguédu veteur propre
x
assoiéàλ
.Lorsqu'unevaleurpropreestonnue,ladéterminationduveteur propre
assoié revient à résoudre le système linéaire homogène
(A − λI)x = 0
. Ilest évident que si
x
est veteur propre, alorsαx
est aussi veteur proprepour tout salaire
α 6= 0
(le veteur propre est don déni à un salaireprès non nul). On peut don hoisir
α
tel que||x|| = 1
. Il suit queλ
est une valeur propre si et seulement si le système linéaire homogène
(A −
λI)x = 0
a une solution non trivialex 6= 0
,ou, de façon équivalente, si et seulement si la matrieA − λI
est singulière. Par onséquent les valeurspropres satisfont à l'équation
p A (λ) = det(A − λI) = 0
, oùp A (λ)
est unpolynmearatéristiquededegré
n
silamatrieA
estd'ordren
. Lesvaleurspropres
λ i = λ i (A)
,1 ≤ i ≤ n
, sont lesn
raines, distintes ou onfondues,réelles et/ou imaginaires de
p A (λ)
. Maintenant il est failede voir quesiλ
est une raine omplexe de
p A (λ)
oùA
est une matrie réelle, alorsλ ¯
estaussiraine. Cepolynmes'érit évidemment
p A (λ) = a 0 + a 1 λ + · · · + a n λ n
où les oeients
a i sont réels. Soit λ 0 ∈ C
une raine de p A (λ)
, on a :
0 = p A (λ 0 ) = a 0 + a 1 λ 0 + · · · + a n (λ 0 ) n. Prenons leomplexe onjuguéde
touslesmembres, ona :
¯ 0 = p A (λ 0 ) = a 0 + a 1 λ 0 + · · · + a n (λ 0 ) n,ou enore
0 = a 0 + a 1 λ ¯ 0 + · · · + a n ( ¯ λ 0 ) n,e quiprouve queλ ¯ 0 estaussiraine. Ce qui
λ ¯ 0 estaussiraine. Ce qui
démontre l'assertion.
Le alulàlamain desvaleursetveteurspropres peut êtreparfoisun
peu pénible, même s'il s'agit toujours de trouver les raines d'unpolynme
(e n'est possible que pour
n
de l'ordre de 2 ou 3) et de résoudre un petitsystème linéaire algébrique. L'emploi d'algorithmes numériques est don
usuellement néessaire.
Nousavonsle
Théorème 4.1.1. Si
λ 1 et λ 2 sont des valeurs propres telles que λ 1 6= λ 2,
λ 1 6= λ 2,
alors les veteurs propres orrespondants sontlinéairementindépendants.
Démonstration : Soient
Av 1 = λ 1 v 1 et Av 2 = λ 2 v 2. Raisonnons par
l'absurde en supposant que
v 1 et v 2 sont linéairement dépendants, 'est-à-
dire qu'il existe une onstante k 6= 0
telle que v 2 = kv 1. Alors A(kv 1 ) = λ 2 (kv 1 )
soit Av 1 = λ 2 v 1, en soustrayant de la relation Av 1 = λ 1 v 1 il vient
(λ 2 − λ 1 )v 1 = 0
ave v 1 6= 0
,ona don λ 1 = λ 2 e qui estabsurde.
k 6= 0
telle quev 2 = kv 1. Alors A(kv 1 ) = λ 2 (kv 1 )
soit Av 1 = λ 2 v 1, en soustrayant de la relation Av 1 = λ 1 v 1 il vient
(λ 2 − λ 1 )v 1 = 0
ave v 1 6= 0
,ona don λ 1 = λ 2 e qui estabsurde.
Av 1 = λ 1 v 1 il vient
(λ 2 − λ 1 )v 1 = 0
ave v 1 6= 0
,ona don λ 1 = λ 2 e qui estabsurde.
Ilpeutexisterdeuxvaleurspropresidentiquessurladiagonaleassoiéesà
deuxveteurspropresindépendants. Parexemplesoitlamatrie
I 2 suivante
I 2 =
1 0 0 1
,lenombre 1 estune valeurpropre doubleetonpeuthoisir
v 1 = 1
0
et
v 2 = 0
1
ommeveteurs propres indépendants. Ondis-
tinguelamultipliitéalgébriqued'unevaleurpropre-ii
λ = 1
estunevaleurpropredemultipliité algèbrique
2
-desamultipliitégéométriquequiestla dimension de l'espae propre assoié. Dans leas de lamatrieI 2 les deux
multipliités sont les mêmes. Par ontre la matrie
B =
µ 1 0 µ
a pour
valeurpropre
µ
demultipliitéalgébrique2
,maissamultipliiégéométrique est1
(exerie).Silamultipliitéalgébriqued'unevaleurpropre estégale àun,lavaleur
propreest ditesimple, elle estdite multiple dansleasontraire.
Si
λ ∈ C
est valeur propre, alorsλ ¯
est valeur propre. En dimension 2l'exempletypiqueest eluide lamatrie
A =
0 −1 1 0
. Ilestimpossible,
en dimension 2,quela matrie
D
seprésentesous laformeD =
i 0 0 i
,
ar
i
seraitrainedoubledupolynmearatéristique(λ− i) 2 = λ 2 − 2iλ −1
qui n'est pas à oeients réels omme on le suppose. Par ontre il peut
arriver(il estfailed'exhiberunexemplenaïf),parexempleendimension4,
que
D =
i
−i 0 0 i
−i
, les valeurs propres doubles apparaissant par
pairesonjuguées.
4.2 Rédution d'une matrie
Soit un espae vetoriel
X
de dimension nien
. SoitA : X → X
unopérateur linéaire représentépar la matrie
A
dans une base(e i )
deX
. Si(f i )
est une autre base deX
, le même opérateur est représenté dans ettebase
(f i )
par lamatrieA ′ = F −1 AF
où
F
est la matrie régulière dont lej eme veteur olonne représente le
veteur
(f j )
danslabase(e i )
. LamatrieF
estditelamatriedehangementdebase. La matrie
A ′ est ditesemblable à A
.
Lemêmeopérateurlinéaire
A
estainsireprésentépardiérentesmatriesselon la base hoisie. Le problème se pose don de trouver une base dans
laquellelamatriereprésentant l'opérateur
A
soitpartiulièrement simple- on réduit lamatrie à sa forme laplus simple possible. Le meilleur desasestelui oùilexiste unematrie régulière
P
(lamatrie dehangement debase)telle quelamatrie
P −1 AP
soit diagonale. On aalorsP −1 AP =
d 1
d 2 0
0
...d n
.
(4.2.1)Orilestévidentquesi
λ i estunevaleurpropredeA
,elleestaussi('est
une vériation élémentaire) une valeur propre de
D = P −1 AP
etréipro-quement ;lespetre deette dernière matrieétant évidemment l'ensemble
des
d i. Si don lamatrie A
est diagonalisable, lamatrie D
estonstituée
quedesvaleurspropres de
A
,'est-à-direqueD = diag(λ i )
. Onvérieaussiquesi
y i est unveteurpropre de D
orrespondant àλ i (Dy i = λ i y i),alors
P y i est un veteur propre de A
orrespondant à λ i : en eet de l'égalité
AP = P D
ontire A(P y i ) = P (Dy i ) = λ i (P y i )
,equi démontre l'assertion.
Dy i = λ i y i),alors
P y i est un veteur propre de A
orrespondant à λ i : en eet de l'égalité
AP = P D
ontire A(P y i ) = P (Dy i ) = λ i (P y i )
,equi démontre l'assertion.
A
orrespondant àλ i : en eet de l'égalité
AP = P D
ontire A(P y i ) = P (Dy i ) = λ i (P y i )
,equi démontre l'assertion.
Si la matrie est diagonalisable les
λ i ne sont pas néessairement tous
diérents, mais il existe toujours n
veteurs propres linéairement indépen-
dants. La réiproque est vraie : si une matrie possède n
veteurs propres
linéairementindépendants-equirevientàdirequelamatrie
P
préédenteestrégulière -alors elle estdiagonalisable. Sitoutes lesvaleurspropres sont
distintesalorslamatrieestdiagonalisable,elasuitdufaitquelesveteurs
propres assoiés à des valeurs propres distintes sont linéairement indépen-
dants. Maisilsepeutque, lamatrie
A
étant diagonalisable,onaitλ 1 = λ 2
ave
x 1 indépendant de x 2 (prendre, par exemple, la matrie identité I 2 de
I 2 de
l'exemple duparagraphe préédent).
Toutematrien'est pasdiagonalisable,maisunelargelassedematries
possède lapropriétédediagonalisation. ellel'estlorsqu'elle estnormale,i.e.
lorsque la matrie réelle
A
permute ave satransposée :A(A T ) = (A T )A
,e qui est vérié si, par exemple, la matrie est symétriqueou orthogonale.
Alors il existe une matrie
C
régulière (inversible) telle queC −1 AC = D
,où la matrie
D
est diagonale et onstituée des valeurs propres deA
. Eneet démontrons que les matries
A
etD
ont les mêmes valeurs propres.On a
det(D − λI) = det(C −1 AC − λI) = det(C −1 (A − λCIC −1 )C)
, soitdet(D − λI) = det(C −1 ) det(A − λI) det(C)
. Comme le déterminant de l'inverse d'une matrie est l'inverse du déterminant de la matrie, on adet(D − λI) = det(A − λI)
, les matriesA
etD
ont mêmes spetres.En eet démontrons que les matries
A
etD
ont les mêmes valeurs pro-pres. On a
det(D − λI) = det(C −1 AC − λI) = det(C −1 (A − λCIC −1 )C)
,soit
det(D − λI) = det(C −1 ) det(A − λI) det(C)
. Comme le déterminant de l'inverse d'une matrie est l'inverse du déterminant de la matrie, on adet(D − λI) = det(A − λI)
,lesmatriesA
etD
ont mêmes spetres.Il existe desmatriesqui ne sont pasdiagonalisables, mais onpeuttou-
jours au moins réduire toute matrie
A
à sa forme de Jordan, qui estd'ailleurs diagonale si
A
est diagonalisable. La mise sous forme de Jordan serautile au ours6.Ona leremarquable résultatalgébrique suivant :
Théorème4.2.1. Théorème : Soit
A
une matrien × n
quelonque. Ilexiste une matrie régulière
C
qui réduitA
à sa forme deJordan suivante:J = C −1 AC =
J 1 0
J 2
.
.
.
0 J r
(4.2.2)
où haque blo de Jordan
J l, d'ordre n l, est assoié à une valeur propre
λ l de multipliité algébrique n l, pour 1 ≤ l ≤ r
est assoié à, e que l'on
λ l de multipliité algébrique n l, pour 1 ≤ l ≤ r
est assoié à, e que l'on
1 ≤ l ≤ r
est assoié à, e que l'onappelle,unsous-espae propregénéralisé (ouenore unsous-espaeinvariant
irrédutible). Et où
J l est une matrie triangulaire supérieure de la forme :
J l = λ l si n l = 1,
ou J l =
λ l 1 0 . . . . . . 0 λ l 1 0 . . . 0
.
.
. .
.
. .
.
. .
.
.
.
.
. .
.
.
0
.
.
.
1 λ l
si
n l ≥ 2
(4.2.3)
on a
P r
l=1 n l = n. Chaque blo de Jordan est assoié à un veteur propre,
mais aussi, si
n l ≥ 2
, à un sous-espae propre généralisé. Siλ k est une
valeurproprede
A
demultipliitéalgébriquen k on peut avoirplusieursblos
de Jordan, par exemple
J l 1 et J l 2 assoiés à λ k de multipliités algébriques
respetives n l 1 et n l 2 ave n l 1 + n l 2 = n k: dans e as λ k est assoiée à deux
λ k de multipliités algébriques
respetives n l 1 et n l 2 ave n l 1 + n l 2 = n k: dans e as λ k est assoiée à deux
n l 2 ave n l 1 + n l 2 = n k: dans e as λ k est assoiée à deux
λ k est assoiée à deux
veteurs propres linéairement indépendants (la multipliité géométrique de
λ k est deux), les deux sous-espaes propres généralisés orrespondants sont indépendants.
Commentaires : La matrie
A
est diagonalisable si et seulement si les sous-matriesJ l sontd'ordre 1('est-à-dire quen l = 1
,1 ≤ l ≤ r = n
).
NousmettonslemotThéorème entreguillemets,pourindiquerquenous
endonnons seulement l'idée (voir lelivrepour plusde préisions).
On montre que le nombre de sous-matries du type
J l orrespondant à la même valeur propre oïnide ave le nombre de sous-espaes propres
généralisésdistintsassoiésàettemêmevaleurpropre,'est-à-direestégal
à la multipliité géométrique de la valeur propre. Cette matrie en forme
normalede Jordanest uniqueà l'ordre desblosde Jordanprès.
S'ilexisteunblodeJordanassoiéà
λ i ∈ C
d'ordren i,ilexiste unblo
de Jordan assoié à
λ ¯ i de même ordre, etles blosde Jordan assoiés à λ i
et
λ ¯ i seorrespondent 2à 2.
Ilestfailedevoirqu'iln'yaqu'unseulveteur propre(àuneonstante
multipliative près)attahé à unblode Jordan dénipar (4.2.3). Eneet
soit
u = (u 1 , u 2 , · · · , u n l ) T un veteur propre assoié à la valeur propre λ l.
Posons
λ = λ l. ExprimonsJ l u = λu
omposante par omposante, il vient
λu 1 + u 2 = λu 1 λu 2 + u 3 = λu 2
.
.
.
λu n l = λu n l
. En partant de lapremière relation il vient
u 2 = 0
, puispar la deuxième
u 3 = 0
, ainsi de suite jusqu'à l'avant-dernière relation qui donneu n l −1 = 0
. La dernière équation est alors néessairement satisfaite.Finalement ona
u = (u 1 , 0, · · · , 0) T ave u 1 6= 0
aru
estunveteur propre
; omme toutveteur propre est déni à une onstante près on peut érire
u = αe 1 ave α
onstante, où e 1 estlepremierveteur de labaseanonique
de
R n l.
4.2.1 Valeur propre dominante simple ou multiple. Uniité
de la valeur propre dominante
Soitune matriediagonalisable ou non,onappelle valeur propredominante
lavaleurpropre laplusgrande enmodule.
Notons que, évidemment, la valeur propre dominante peut ne pas être
unique. Par exemple si deux valeurs propres dominantes sont réelles et op-
posées :
λ 1 = −λ 2 > 0
,λ 1 et −λ 2 > 0
sont deux valeurspropres distintes
dominantes demêmemoduleetona
λ 1 > |λ 3 | ≥ |λ 4 | ≥ · · ·
;ouenoresionaunepairedominante devaleurspropresomplexesonjuguées:
λ 1 ∈ C
,λ 1
sont deuxvaleurspropres distintesdominantes et
|λ 1 | = |λ 1 | > |λ 3 | ≥ · · ·
.La valeur propre dominante
λ 1 est simple si |λ 1 | > |λ 2 | ≥ · · · ≥ |λ n |
,
autrement dit sisamultipliité algébriqueest égale à1, elle estmultiple si,
par exemple, dansleas d'unemultipliité algébriqueégale à 2,
λ 1 = λ 2 et
|λ 1 | > |λ 3 | ≥ · · · ≥ |λ n |
.Ilfaut dondistinguerlesnotions demultipliitéalgébriqued'unevaleur
propre et d'uniité de la valeur propre dominante. Cette dominane peut
être unique pour une valeur propre algébriquement multiple. A ontrario,
des valeurs propres simples distintes peuvent être assoiées à une valeur
propredominantemultiple.
Nousallonsseulementonsidérer,danseours,leasoùlavaleurpropre
dominante est unique. Remarquons qu'elle est alors néessairement réelle,
arsi elle était omplexe, saomplexe onjuguée serait aussi valeur propre
dominante etelaontrediraitl'hypothèse d'uniité.
4.3 Calul numérique des valeurs et veteurs pro-
pres. Petit panorama des méthodes.
Ilestàpeineutiledenoterquelealuldesvaleursetveteurspropressepose
dansdenombreuxproblèmesdelaphysiqueetenpartiulierdanslesSienes
de laTerre. Lesompliations quise présentent sont bienplus grandes que
pour la résolution des systèmes linéaires. Tout d'abord il n'existe pas de
méthodedirete: touteslesméthodessontitératives;eiestlairpuisqu'il
s'agit, en quelque sorte, de aluler les zéros du polynme aratéristique.
Enraisondesgrandes diultésattahéesàe problème, equisuitne doit
êtreonsidéré queommeune introdution au sujet.
Dressons d'abord un atalogue non exhaustif desméthodes relativesau
alul: trouver
x ∈ C n,λ ∈ C
tels que
Ax = λx
(4.3.1)où
A ∈ L( R n , R n )
. On sait qu'une matrie réele peut avoir des valeurspropresomplexesauxquellesonassoienéessairement desveteurspropres
omplexes.
(A)Calul d'unepartie duspetre
•
Calulduplusgrand(resp. petit)moduleρ(A) = max i |λ i |
(resp.min i |λ i |)
des valeurs propres (que la valeur propre soit simple ou non) par la
méthode de lapuissane(resp. puissaneinverse).
•
Estimation des valeurs propres par paquets : méthode de Lanzos,méthode desitérations d'unsousespae. C'est horsprogramme.
(B)Cas d'unematrie symétrique
On démontre que les valeurs propres d'une telle matrie sont réelles
(théorème 2.18page 47 dulivre).
•
Méthode de Jaobi. Onalule toutlespetreet lesveteurspropresassoiés. Elle s'applique, en partiulier, lorsque la matrie est pleine.
C'esthors programme.
•
MéthodedeGivens-Householderpartiulièrement adaptéeaualulde valeurs propres séletionnées. Cette méthode alule le spetre maispaslesveteurspropresqui,s'ilsdoiventêtrealulés,sontestiméspar
uneautreméthode. Cetteméthodedebissetionopèreendeuxétapes
1. Tridiagonalisation de la matrie
A
(par une méthode de House-holder- voir ours7),
2. Calul du spetre de la matrie symétrique tridiagonale obtenue
(semblable à
A
) en utilisant laméthode de Givensappelée aussiméthode de bissetion.
(C) Casd'une matrienon symétrique
•
MéthodeLRdeRutishauser. Caluldetoutlespetre. Méthodebasée surladéompositionA = LU
-voirours7. Cetteméthodeestétudiéedanslesompléments dulivre.
Il estutile, avanttout aluldevaleurspropres,d'avoir une idéede leur
loalisationande validerles aluls. Celapeuts'estimer,par exemple,par
lethéorèmedeGershgorin-Hadamard-voirlivre. Onsaitaussiquelerayon
spetral
ρ(A)
vérieρ(A) ≤ ||A||
pour toute normematriielle - voirlivre.4.4 Méthode de la puissane
4.4.1 Exemple
Soitlamatrie
A =
10 0
−9 1
devaleurspropres10et1auxquellessontassoiéesrespetivementlesveteurs
propres
u 1 = (1, −1) T etu 2 = (0, 1) T.
Soit un veteur initial
x 0 = (2, 1) T et suessivement la suite x 1 = Ax 0 , x 2 = Ax 1 , · · · , x k+1 = Ax k , · · ·
. On obtient le tableau suivant où on
indiqueles valeursdes deuxomposantes desitérés suessifs
x 0 x 1 x 2 x 3 x 4 x 5 2 20 200 2000 20000 200000 1 −17 −197 −1997 −19997 −199997
Constats: i)Ladiretionde
x ktendverselleduveteurpropre(1, −1) T
assoié àlavaleur propredominante.
ii) On a presque
x k+1 = 10x k ; puisque x k+1 = Ax k ela
qualielavaleur 10omme valeur proprede lamatrie
A
.Expliation : On a
x k = Ax k−1 = · · · = A k x 0. Calulons A k. On a
A = SDS −1 où
A = SDS −1 où
D =
10 0 0 1
, S =
1 0
−1 1
et
S −1 =
1 0 1 1
.
Dès lors
A k = SD k S −1 où
D k =
10 k 0 0 1
;
ilvient don
A k =
10 k 0
−10 k + 1 1
,
d'oùx k =
2.10 k
−2.10 k + 3
= 2.10 k
1
−1 + 2.10 3 k
.
Deette analyse ilressort que:
1.
x k −→
k→∞ u 1
2. lerapportdedeuxomposantessuessivesdemêmeindieduveteur
itéré
x k tendvers lavaleurpropre deplus grandmodule, en eet:
k→∞ lim
2.10 k
2.10 k−1 = lim
k→∞
−2.10 k + 3
−2.10 k−1 + 3 = 10,
onen déduit quepour toute norme
∀x 0 , lim
k→∞
kx k k
kx k−1 k = 10.
Remarque 4.4.1. Sur et exemple les omposantes de
x k varient omme
10 k,equientraînelesrisquesdedépassementdeapaité mahine! Comme
un veteur propre est déni à un oeient de proportionnalité près, il est
naturel dele normaliser(à haque itérationpar exemple).
4.4.2 Algorithme de la puissane
Soit
A
une matrie réelle d'ordren
. À haque itération préédente, on nor-malise
x k par une norme quelonque k.k
de C n, il semble qu'il n'y ait pas
d'inonvénient à hoisir a priori la norme eulidienne, plus faileà aluler
quelanorme dumaximum, arn'exigeant pasdesomparaisons.
Onhoisitdonlanormeeulidienneetononsidèrel'algorithmesuivant:
1. hoix de
q 0 ∈ C n telque kq 0 k = 1
,
2. pour
k = 1, 2, · · ·
aluler
• x k = Aq k−1
• λ k (j) = q x k (j)
k − 1 (j) j = 1, 2, · · · , n
• γ k = kx k k
• q k = x γ k
k
;
(4.4.1)onnotepar
x k (j)
laj e omposanteduveteurx ketparλ k (j)
lavaleur
λ k (j)
lavaleurpropreassoiéeà
x k (j)
.Le ritère d'arrêt de l'algorithmeest fourni par lastabilisation de
λ k (j)
autourd'unemême valeur.
4.4.3 Théorème de onvergene
And'étudierlaonvergenedessuitesdéniesparl'algorithme,posonsune
dénition.
Dénition 4.4.1. Le fateur de onvergene d'une suite
(z k )
qui onvergevers
z
est le nombre déni park→∞ lim
kz k+1 − zk kz k − zk .
Remarque 4.4.2. On voit que plus le fateur de onvergene est petit plus
la onvergene de la suite
(z k )
versz
est asymptotiquement rapide.Nous donnonsi-après unthéorème de onvergene de laméthode de la
puissanevalide dans leas où lamatrie est diagonalisable et oùla valeur
propredominanteestréelleetunique(equin'exlutpaslefaitqu'ellepuisse
êtremultiple algébriquement)
Voirle livreetses ompléments en ligne pour lesautres as.
Théorème4.4.1. Soitune matrie
A
arrée d'ordren
,diagonalisable, dont lavaleurpropreλ 1 deplusgrandmodule est réelleet unique(éventuellement multiple).
Si le veteur
q 0 n'est pas orthogonal au sous-espae propre à gauhe as-
soié à
λ 1, alors la suite dénie par
∗ q 0 ∈ C n tel que kq 0 k = 1
,
∗
pourk = 1, 2, · · · , x k = Aq k−1, q k = kx x k
k k
'estlanormalisation,vérie
i)
lim k→∞ |λ λ 1 k | k 1
q k estunveteur propre à droite denormeunitéassoiéà
λ 1,
ii)
lim k→∞ kAq k k = |λ 1 |,
iii)
lim k→∞ x k+1 q (j)
k (j) = λ 1
, pour1 ≤ j ≤ n
siq k (j) 6= 0
.Le fateur de onvergene de haune des suites est
| λ p+1 λ
1 | où p
est la
multipliité dela valeurpropre
λ 1.
N.B. : Le veteur propre usuel est le veteur propre à droite. Le veteur
propre est toujours déni à un oeient multipliatif près, et on ne peut
parler de onvergene vers un veteur propre qu'à un fateur multipliatif
près.
Preuve : Voirlivre.
Remarque 4.4.3. Ce théorème est donné pour une matrie arrée quel-
onque - sinon le théorème serait trop restritif - ; e qui néessite, pour
la preuve mathématique, l'introdution dans l'hypothèse portant sur
q 0, de
la notion de sous-espae propre à gauhe. Si la matrie est, par exemple,
symétrique (dans le as réel), un veteur propre à gauhe est un veteur
y
satisfaisant à l'équation
y T A = λy T (voir livre pour des ompléments) et 'est aussi un veteur propre à droite. Mais toutes les matries réelles ne
sontpas symétriques ! Évidemment, en pratique, un veteur initial
q 0 quel-
onque vériant
kq 0 k = 1
vérie presque toujours d'être non orthogonal auveteur propre à gauhe
v 1 assoiée à λ 1 ; i.e. que l'on a presque toujours,
enpratique,
(q 0 , v 1 ) 6= 0
où(., .)
est leproduit salaire deC n.
4.5 Méthode de la puissane inverse
C'estlaméthodedelapuissaneappliquée,soitàlamatrie
A −1(onsuppose
évidemmentsonexistene)quipermetd'obtenirlavaleurpropredepluspetit
modulede
A
etun veteur propre assoié, soit àla matrie(A − µI ) −1 qui
permet d'obtenir la valeur propre laplus prohe de
µ
etun veteur propreassoié.. On remarque que si on utilisait la méthode de la puissane à la
matrie
(A − µI)
, on onvergerait vers la valeur propreλ i − µ
telle que|λ i − µ| = max j |λ j − µ|
,ettevaleurpropreλ i n'est évidemment paslaplus
prohe de
µ
!4.5.1 Reherhe de la valeur propre de plus petit module
Soit
λ i unevaleurpropredeA
,alors λ 1
i
estvaleurproprede
A −1. Commela
valeurpropredeplusgrandmodulede
A −1estmax i | λ 1
i | = min 1
i |λ i |
,lavaleurpropredepluspetitmodulede
A
estbienégaleàl'inversedelavaleurpropredeplus grandmodulede
A −1.
On applique alors laméthode de lapuissane à
A −1,puis on inverse la
valeurtrouvée pourobtenir lavaleurproprede
A
depluspetitmoduleainsiqu'unveteurpropre assoié.
Enreprenantl'algorithmede lapuissane, pouralulerlavaleur propre
de plus grand module de
A −1, il faut faire l'itération x k = A −1 q k−1 ; il
semble don qu'il est néessaire de onnaître lamatrie
A −1. Maisdans la
pratique on ne alule pas
A −1 (ela oûte trop her !). En fait, on résout
les systèmes
Ax k = q k−1 en fatorisant la matrie A
une fois pour toute
sous la forme du produit de 2 matries triangulaires
A = LU
au départde l'algorithme - voir le ours 6 pour ette fatorisation. L'intérêt est que
les résolutionsdes systèmes triangulaires sont très rapides, etqu'il sut de
hanger le seond membre à haque itération pour aluler
x k. Dès lors la
reherhe de lavaleurpropre deplus petit moduledevient rapide elle aussi.
4.5.2 Reherhede lavaleurproprelaplusprohe d'unnom-
bre donné
Soit
µ
un nombre donné quelonque. On applique l'algorithme préédent à la matrie(A − µI ) −1. Le plus grand module des valeurs propres de
(A − µI) −1 est min 1
min 1
i |λ i −µ|
oùlesλ i sontlesvaleurspropresdeA
. Enprenant
donl'inverse dunombrealuléainsi, onobtient
min i |λ i − µ|
e quidonnelavaleur proprela plusprohe de
µ
- voir livre pour des informationsom- plémentaires.4.6 Méthode de bissetion ou méthode de Givens-
Householder
Elle opèredans leas où lamatrie
B
est symétrique, rappelons queB
estalors diagonalisable. La méthode de bissetionque nousallonsonsidérer a
pour objetflareherhe soitd'une valeur proprede rang
m
donné (lerangétant déni par l'ordre dans lequel elles sont rangées de façon déroissante
(ou roissante) par module), soit de tout le spetre, ei pour une matrie
symétriqued'ordre
n
.Notons enn que la méthode de bissetion permet d'être sûr, sans en
oublier, de aluler toutes les valeurs propres appartenant à un intervalle
donné.
4.6.1 Algorithme général
Elle semeten ÷uvreen deuxétapessuessives.
Premièreétape : Triangulation de la matrie. Étant donnéeune ma-
trie
B
symétrique,ondétermineparlaméthodedeHouseholder(voirours 7) unematrie orthogonaleP
tellequelamatrieP T BP = A
soit tridiago-nale. La matrie
A
ainsiobtenue seraaussinéessairement symétrique.On est ainsi ramené au problème du alul des valeurs propres d'une
matriesymétriquetridiagonale
A
,semblableàB
,donayantmêmespetrequelamatrie
B
.Nousallons maintenant dérire, dansune deuxièmeétape,une méthode
(dite debissetion) qui alulelespetre d'unetellematrie
A
.Deuxième étape : C'est la Méthode de bissetion proprement dite.
Soit don la matrie symétrique et tridiagonale obtenue après la première
étape
A =
c 1 b 1 0 b 1 c 2 b 2
.
.
. .
.
. .
.
.
.
.
. .
.
.
b n−1
0 b n−1 c n
(4.6.1)
Pour simplier on suppose tous les
b i non nuls. Ave les oeients de
lamatrie
A
dénissonslasuite despolynmesp i (λ)
,pouri = 0, 1, 2, · · · , n
,par
p 0 (λ) = 1 p 1 (λ) = c 1 − λ . . .
p i (λ) = (c i − λ)p i−1 (λ) − b 2 i−1 p i−2 (λ), 2 ≤ i ≤ n,
Onvériefailementque
p n (λ) = det(A − λI)
(polynmearatéristique de la matrieA
). On démontre (voir livre) que le polynmep i a i
raines
distintes qui séparent stritement les raines du polynme
p i+1 ,
(pour1 ≤ i ≤ (n − 1)
). Il en résulte que les zéros des polynmes suessifs ontl'allureindiquée surlagure4.1suivante
Pour
λ ∈ R
donnéetun indiei
,1 ≤ i ≤ n
,posonssgn
p i (λ) =
sgn
p i (λ)
sip i (λ) 6= 0
sgn
p i−1 (λ)
sip i (λ) = 0
(4.6.2)Considérons l'ensemble
E i (λ) = {+,
sgnp 1 (λ),
sgnp 2 (λ), · · · ,
sgnp i−1 (λ),
sgnp i (λ)}
dénipourtout
i
,1 ≤ i ≤ n
.PSfragreplaements
p i
p i+1 p i−1
Figure4.1:
Appelons
σ i (λ)
le nombre de paires onséutives de même signe dansE i (λ)
. Par exemple siE 10 (λ) = {
1
z }| { +, +, −, +,
2
z }| {
−, −, +,
3 4
z }| {
−, −, −, +}
, on aσ 10 (λ) = 4
.Ona alors lerésultat (surprenant !) suivant
Théorème 4.6.1. Pour
λ ∈ R
donné, le nombreσ n (λ)
est égal au nombrederaines de
p n (λ)
qui sont supérieures ou égales àλ
.Démonstration : Admise (voir livre). Elle utilise essentiellement la pro-
priétépréédente deséparation desraines.
4.6.2 Algorithme de bissetion
Onvaalulertouteslesvaleurspropresdelamatrietridiagonaleetsymétri-
que
A
grâe au théorème 4.6.1, en sahant, par les remarques préédentessurles raines, que les valeurs propres sont toutes distintes. Rangeons-les
dansl'ordredéroissant (on sait quelamatrie étant symétriquelesvaleurs
propres sont réelles,etl'on peutdon les ordonner)
λ 1 > λ 2 > · · · > λ n−1 > λ n .
Même plus, et algorithme va nous permettre de aluler une valeur
propred'ordre
i
donné danse rangement. Cherhons don àalulerλ i.
Choix d'unintervalle deonane Onsait quepour toutenorme ma-
triielle on a
ρ(A) ≤ kAk
. Il est dès lors faile de se donner un intervallede onane
[a 0 , b 0 ]
tel queλ i ∈ [a 0 , b 0 ]
pouri
xémais quelonque tel que1 ≤ i ≤ n
. Il sut de hoisirb 0 = kAk 1 ou b 0 = kAk ∞ ares normessont
failes à aluler, et de prendre
a 0 = −b 0. Alors toutes les valeurs propres
appartiennent à l'intervalle
[a 0 , b 0 ]
.Examend'unesuited'intervalles
[a k , b k ]
telsqueλ i ∈ [a k , b k ]
Partonsdel'intervalle
[a 0 , b 0 ]
etsoitc 0lemilieudeetintervalle(c 0 = a 0 +b 2 0). Onal-
ulealors
σ n (c 0 )
. Onremarque qu'ilfaut aluler lesvaleursdespolynmesp 1 (λ), p 2 (λ), · · · , p n (λ)
pourλ = c 0 pour pouvoir déterminerleurs signesen
epoint: onpeut(ondoit!) utiliserlaformulederéurrenelesdénissant
pour aluler les
p i (c 0 )
. Alorsde deux hoses l'une :•
i)siσ n (c 0 ) ≥ i
,d'aprèslethéorème 4.6.1 ela signiequ'il existe plusde
i
rainessupérieuresouégalesàc 0. D'aprèslerangementdesvaleurs
propres elasignie que
λ i ∈ [c 0 , b 0 ]
,•
ii)siσ n (c 0 ) < i
alors, a ontrario,λ i ∈ [a 0 , c 0 [⊂ [a 0 , c 0 ]
.Desorteque
λ i ∈ [a 1 , b 1 ]
ave[a 1 , b 1 ] = [c 0 , b 0 ]
dansleasi)et[a 1 , b 1 ] = [a 0 , c 0 ]
dansleasii). Onreommene leproédéave lemilieuc 1de [a 1 , b 1 ]
etainsi desuite. Ononstruit ainsi une suite d'intervalles emboîtés
[a k , b k ]
par division en deux des intervalles suessifs ('est de là que vient le mot
bissetiondonné àla méthode)tels que
λ i ∈ [a k , b k ]
pour toutk
aveb k − a k = b 0 − a 0
2 k −−−→
k→∞ 0.
On arrête le proessus dèsque
b k − a k < ε
,ε > 0
donné (ε ≃ 10 −4 par
exemple),eton déide alors que
λ i = c k = b k +a 2 k.
Calul du veteur propre assoié Une fois la valeur propre d'ordre
i
aluléepar la méthode de bissetion, onpeutdéterminerle veteur propre
assoié par laméthode de lapuissaneitérée inverse (voirlivre).