Algèbre linéaire pour GM Prof. A. Abdulle Mardi 9 décembre 2014 EPFL Série 12 (Corrigé) Exercice 1 Déterminer la solution au sens des moindres carrés de Ax = b, (a) en utilisant l’équation normale lorsque 2 1 4 (i) A = −2 0 , b = 1 , 2 3 2 Sol.: L’équation normale AT Ax = AT b est 5/14 5/7 elle a pour solution x = 12 8 8 10 ! x= 10 10 ! , ! . 1 3 5 (ii) A = 1 −1 , b = 1 , 1 1 0 3 3 3 11 Sol.: AT A = (iii) A = 1 1 0 −1 ! , AT b = 1 0 0 −1 , b = 1 1 1 −1 6 14 2 5 6 6 ! ,x= 1 1 ! . ; 1/3 3 0 0 1 T T Sol.: A A = 0 3 0 , A b = 14 , x = 14/3 . −5/3 0 0 3 −5 (b) en utilisant la méthode QR, 0 0 1 1 2 0 (i) A = , b = 0 −1 1 −1 1 0 Sol.: On remarque que la décomposition QR a déjà été obtenue à l’exercice 6. L’approximation x au sens des moindres carrés est la solution du système Rx = QT b, où ! ! 0√ 1/11 T . , et ainsi x = Q b= −2/11 −2/ 22 1 2 3 0 (ii) A = 2 4 , b = 0 . 1 1 1 1/3 −2/3 Sol.: QT b = ! 11/9 −2/3 ,x= ! . Exercice 2 a) Montrer que si Q est une matrice orthogonale, alors QT est aussi une matrice orthogonale. Sol.: Par définition, une matrice orthogonale Q vérifie QT Q = I et QQT = I. Comme Q = (QT )T on a QT (QT )T = I et (QT )T QT = I, ce qui montre que QT est aussi orthogonale. b) Montrer que si U, V sont des matrices n × n orthogonale, alors U V est aussi une matrice orthogonale. Sol.: En utilisant V V T = U U T = I, on a U V (U V )T = U V V T U T = U U T = I. De même (U V )T U V = I, donc U V est une matrice orthogonale. c) Soit u un vecteur unitaire de Rn (kuk = 1). Montrer que la matrice Q = I − 2uuT est orthogonale. Sol.: On doit montrer QT Q = I. Méthode 1. En travaillant avec des indices, on a QT Q ij = n X Qki Qkj = (δik − 2ui uk ) (δjk − 2uj uk ) k=1 k=1 = δij + n X n X (−δik 2uj uk − 2δjk ui uk + 4ui uj u2k ), k=1 avec δij = 1 si i = j, δij = 0 sinon. En utilisant nk=1 u2k = 1 on obtient QT Q = I. Méthode 2. On calcul matriciellement: QT = (I − 2uuT )T = I − 2(uT )T uT = Q, ensuite, P QQT = (I − 2uuT )(I − 2uuT ) = I − 2uuT − 2uuT + 4uuT uuT = I − 4uuT + 4uuT = I où l’on a utilisé uT u = kuk2 = 1. Remarque: De telles matrices orthogonales s’appellent les réflexions de Householder. d) Montrer que toute valeur propre réelle λ d’une matrice orthogonale Q vérifieD λ = ±1.E Sol.: La matrice orthogonale conserve la norme de tout vecteur x: kQxk2 = x, QT Qx = hx, xi = kxk2 . Ensuite, si x est le vecteur propre associé à λ, on a kxk = kQxk = kλxk = |λ| kxk. Comme x 6= 0, on obtient |λ| = 1, ainsi λ = ±1. e) Soit Q une matrice orthogonale de taille n × n. Soit {u1 , ..., un } une base orthogonale de Rn . Montrer que {Qu1 , ..., Qun } est aussi une base orthogonale de Rn . Sol.: On calcule pour tout i, j, hQui , Quj i = (Qui )T Quj = uTi QT Quj = uTi uj , 2 Comme les ui sont orthogonaux entre eux, ceci montre que la famille {Qu1 , ..., Qun } est orthogonale et constituée de vecteurs non nuls (de normes kQui k = kui k). Il reste à montrer que {Qu1 , ..., Qun } est une base. Méthode 1: Comme Q est inversible (d’inverse QT ), Q transforme les bases en bases, donc {Qu1 , ..., Qun } est une base. Méthode 2: Comme la famille {Qu1 , ..., Qun } est orthogonale et constituée de vecteurs non nuls, elle est automatiquement indépendante. Comme elle comporte n vecteurs, c’est une base de Rn . (Remarque: Si {u1 , ..., un } est une base orthonormée, alors kQui k = 1, et {Qu1 , ..., Qun } est aussi une base orthonormée. ) Exercice 3 i) Soit {u1 , ..., un } une base orthonormée de Rn et v un vecteur dans Rn . Montrer kvk2 = |v · u1 |2 + ... + |v · un |2 . Sol.: Soit U la matrice orthogonale formée des colonnes ui . En utilisant U U T = I, on obtient D E D E 2 kvk2 = hv, vi = v, U U T v = U T v, U T v = U T v = u · v 2 1 . . . un · v = n X |ui · v|2 . i=1 ii) (Inégalité de Bessel) Soit {u1 , ..., up } une famille orthonormée dans Rn et soit v un vecteur de Rn . Montrer kvk2 ≥ |v · u1 |2 + ... + |v · up |2 . Sol.: On considère la projection w = pi=1 hui , vi ui de v sur W = span{u1 , ..., up }. On a la décomposition v = w + z, avec z ∈ W ⊥ . Par le théorème de Pythagore, w et z étant orthogonaux, on obtient P kvk2 = kwk2 + kzk2 . (En effet, on a kvk2 = hw + z, w + zi = kwk2 + kzk2 + 2 hw, zi et hw, zi = 0). Ensuite, kvk2 ≥ kwk2 = p X khui , vi ui k2 = i=1 p X i=1 |hui , vi|2 kui k2 = p X |hui , vi|2 . i=1 Exercice 4 Les données suivantes décrivent le potentiel dans un câble électrique en fonction de la température du câble. 3 i Ti [ ◦ C] Ui [V ] 1 0 -2 2 5 -1 3 10 0 4 15 1 5 20 2 6 25 4 On suppose que le potentiel suit la loi Ui = a + bTi + cTi2 . Calculer a, b, c au sens des moindres carrés. Sol.: Le système linéaire s’écrit a U = A b c U1 . avec U = .. et A est donnée par U6 1 T1 T12 . .. . 1 .. 1 = A= 1 .. .. . 1 . 1 T6 T62 1 1 1 1 1 1 0 5 10 15 20 25 0 25 100 225 400 625 . Pour résoudre ce système et trouver a, b, c au sens des moindres carrés, on considère l’équation normale a AT U = AT A b . c On trouve −53 28 39 280 a b = c 1 280 −1.89 ≈ 0.139 . 0.00357 Le graphique suivant montre les données (en rouge) et la courbe d’interpolation (bleue) obtenue au sens des moindres carrés. 4 Exercice 5 On considère les points xi yi 2 5 6 8 1 2 3 3 On suppose que la relation entre les xi et les yi suit une loi y = ax + b. Calculer a et b au sens des moindre carrés. ! a Sol.: Le système linéaire correspondant est y = A où A est donnée par A = b x1 1 2 1 y1 1 x 1 5 1 y 2 2 2 = , et y = = . L’équation normale correspondante est x3 1 6 1 y3 3 x4 1 ! 8 1 y4 3! ! ! 9 0.36 a a T T 25 = . A A = A y. On obtient la solution = 9 0.36 b b 25 Exercice 6 Soit A une matrice symétrique de taille n × n. i) Montrer que Av · u = v · Au pour tout u, v ∈ Rn (· désigne le produit scalaire usuel de Rn ). Sol.: En effet, Av · u = (Av)T u = v T AT u = v T Au = v · Au. ii) Donner un contre-exemple à i) pour une matrice carrée quelconque, en trouvant une matrice B de taille 2 × 2 telle que Bv · u 6= v · Bu en général. 5 Sol.: v= Par exemple, Soit B = 0 1 0 1 0 0 ! . On a Bv · u 6= v · Bu pour u = 1 0 ! et ! . Exercice 7 Soit A une matrice est symétrique de taille n × n, λ1 , λ2 deux valeurs propres, et v1 , v2 des vecteurs propres associés. Sans utiliser le théorème spectral, montrer que si λ1 6= λ2 alors v1 · v2 = 0 (· désigne le produit scalaire usuel de Rn ). Sol.: En effet, si Av1 = λ1 v1 et Av2 = λ2 v2 alors en utilisant l’exercice précédent, λ1 v1 · v2 = Av1 · v2 = v1 · Av2 = λ2 v1 · v2 . Ainsi, (λ1 − λ2 )v1 · v2 = 0. On divise par λ1 − λ2 6= 0, et on obtient v1 · v2 = 0. Exercice 8 Diagonaliser les matrices suivantes sous la forme QT AQ = D avec Q une matrice orthogonale. √ √ √ 1/√3 1/ √6 −1/ 2 5 0 0 1 1 3 i) A = 1 3 1 Sol.: D = 0 2 0 , Q = 1/√3 −2/√ 6 0√ . 0 0 −2 3 1 1 1/ 3 1/ 6 1/ 2 √ √ 0 1 0 −1 0 0 −1/√ 2 1/√2 0 ii) A = 1 0 0 Sol.: D = 0 1 0 , Q = 1/ 2 1/ 2 0 . 0 0 1 0 0 1 0 0 1 Exercice 9 On suppose A est une matrice symétrique de taille n × n. i) Montrer qu’il existe une base orthonormale {u1 , . . . , un } de Rn et λ1 , . . . , λn ∈ R tels que A = λ1 u1 uT1 + λ2 u2 uT2 + . . . + λn un uTn . (1) Cette expression est appelée décomposition spectrale de A. Sol.: Méthode 1. On applique le théorème spectral à la matrice symétrique A. Il existe une matrice orthogonale Q et une matrice diagonale D telles que A = QDQT . 0 λ1 ... On note Q = (u1 , . . . , un ) les colonnes de Q, et on pose D = 6 0 λn . Comme Q est une matrice orthogonale, (u1 , . . . , un ) est une base orthonormée. De plus, on a A = QDQT = λ 1 u1 , . . . , un 0 ... 0 = λ uT 1 1 . u1 , . . . , u n .. λn uT1 . . . uTn = λ1 u1 uT1 + . . . + λn un uTn . λn uTn Méthode 2. Soit {u1 , . . . , un } une base orthonormale de Rn donnée par le théorème spectral appliqué à A, c-à-d vérifiant Auk = λk uk pour tout k où λ1 , . . . , λn sont les valeurs propres. Pour montrer que deux matrices sont égales, il suffit de montrer que leurs produits avec tout vecteur v ∈ Rn coïncident. Comme {u1 , . . . , un } est une base, tout vecteur v se décompose sous la forme v = n P αk uk . On calcule: k=1 Av = n X αk Auk = k=1 n X αk λk uk k=1 et n X l=1 λl ul uTl ! n X αk uk = n X n X λl ul uTl αk uk = αk λk uk uTk uk = n X αk λk uk , k=1 k=1 l=1 k=1 k=1 n X pour l 6= k et uk · uk = 1. On obtient ainsi l’égalité où l’on a utilisé uTl uk = ul · uk = 0 n P T des deux matrices A et λl ul ul . l=1 ii) Calculer la décomposition spectrale et vérifier l’égalité (1) pour : 5 −4 −2 2 b) A = −4 5 −2 2 2 0 1 0 a) A = 1 0 0 0 0 1 Sol.: a) Comme à l’exercice précédent, on cherche les valeurs propres et une base orthonormale de vecteurs propres. On obtient λ1 = −1, λ2 = 1, λ3 = 1, √ √ −1/√ 2 1/√2 0 u1 = 1/ 2 , u2 = 1/ 2 , u3 = 0 . 1 0 0 7 On vérifie explicitement l’égalité donnée par la décomposition spectrale : λ1 u1 uT1 + λ2 u2 uT2 + λ3 u3 uT3 √ √ −1/√ 2 1/ 2 √ √ √ √ √ = −1 · 1/ 2 −1/ 2 1/ 2 0 + 1 · 1/ 2 1/ 2 1/ 2 0 0 0 0 +1 · 0 0 0 1 1 1/2 −1/2 0 1/2 1/2 0 0 0 0 = − −1/2 1/2 0 + 1/2 1/2 0 + 0 0 0 0 0 0 0 0 0 0 0 1 0 1 0 = 1 0 0 = A. 0 0 1 b) On procède comme au point a) et on obtient λ1 = 1, λ2 = 1, λ3 = 10, √ √ 1/(3 √2) −2/3 1/√2 u1 = 1/ 2 , u2 = −1/(3√ 2) , u3 = 2/3 . 1/3 0 4/(3 2) On vérifie également explicitement que λ1 u1 uT1 + λ2 u2 uT2 + λ3 u3 uT3 = A. Exercice 10 Indiquer pour chaque énoncé s’il est vrai ou faux et justifier brièvement votre réponse. a) Une base d’un sous-espace W de Rn qui est un ensemble orthogonal est appelée une base orthonormale. b) Un ensemble S = {v1 , v2 , . . . , vp } orthogonal de vecteurs non nuls de Rn est linéairement indépendant et de ce fait est une base du sous-espace qu’il engendre. c) Une base orthonormale est une base orthogonale mais la réciproque est fausse en général. d) Si x n’appartient pas au sous-espace W , alors x − projW x n’est pas nul. Sol.: Vrai: b), c), d). Faux: a). 8 Exercice 11 Indiquer pour chaque énoncé s’il est vrai ou faux et justifier brièvement votre réponse. a) L’ensemble des solutions au sens des moindres carrés de Ax = b coïncide avec l’ensemble non vide des solutions des équations normales AT Ax = AT b. b) Soit A une matrice m × n and b ∈ Rm . Le problème général des moindres carrés consiste à trouver un x ∈ Rn qui rend Ax aussi proche que possible de b. c) Soit V un espace euclidien et soit (u, v) le produit scalaire de deux vecteurs u, v ∈ V . Alors (uv, w) = (u, w) · (v, w) pour tout u, v, w ∈ V . d) L’espace Rn muni du produit scalaire classique est un espace euclidien. Sol.: Vrai: a), b), d). Faux: c). Informations générales, séries et corrigés: cf. http://anmc.epfl.ch/Algebre.html. Les exercices de type vrai ou faux proviennent du livre: D.C. Lay. Algèbre linéaire : théorie, exercices et applications. De Boeck, Bruxelles, 2005. 9