Vous êtes sur la page 1sur 23

1/2 2/2

12. Matrices symétriques et matrices


définies positives
Sections 6.4 et 6.5

MTH1007

J. Guérin, N. Lahrichi, S. Le Digabel


Polytechnique Montréal

A2019
(v1)

MTH1007: algèbre linéaire 1/23


1/2 2/2

Plan

1. Matrices symétriques

2. Matrices définies positives

MTH1007: algèbre linéaire 2/23


1/2 2/2

1. Matrices symétriques

2. Matrices définies positives

MTH1007: algèbre linéaire 3/23


1/2 2/2

Valeurs et vecteurs propres

I Une matrice est symétrique si A> = A.

I Si A est une matrice symétrique alors ses valeurs propres sont


réelles.

I Les vecteurs propres d’une matrice symétrique qui


correspondent à des valeurs propres distinctes sont
orthogonaux.

I On peut donc choisir les vecteurs propres comme étant


orthonormaux.

MTH1007: algèbre linéaire 4/23


1/2 2/2

Vecteurs propres d’une matrice symétrique 2x2

 
a b
Avec A = et ses deux valeurs propres λ1 et λ2 , on a les
b c
   
b λ2 − c
deux vecteurs propres x1 = et x2 = .
λ1 − a b

MTH1007: algèbre linéaire 5/23


1/2 2/2

Valeurs propres et pivots

I Les valeurs propres d’une matrice sont très différentes des


pivots.

I Le seul lien est :


déterminant = produit des pivots
= produit des valeurs propres.

I Pour les matrices symétriques, les pivots et les valeurs propres


ont le même signe.

MTH1007: algèbre linéaire 6/23


1/2 2/2

Diagonalisation

I Si A ∈ Rn×n est symétrique, elle est toujours diagonalisable


sous la forme A = SΛS −1 avec S, Λ ∈ Rn×n .

I Λ est la matrice diagonale des valeurs propres réelles.

I La matrice des vecteurs propres S contient des vecteurs


orthonormaux : C’est une matrice orthogonale que l’on notera
Q afin d’avoir
A = QΛQ−1 = QΛQ>

(c’est le théorème spectral).

MTH1007: algèbre linéaire 7/23


1/2 2/2

Théorème spectral

Une matrice A est symétrique si et seulement si elle peut être


factorisée sous la forme

A = QΛQ−1 = QΛQ>

où Q est orthogonale et Λ est la matrice diagonale des valeurs


propres.

MTH1007: algèbre linéaire 8/23


1/2 2/2

Exemple

Illustrer le théorème spectral avec


 
1 2
A= .
2 4

MTH1007: algèbre linéaire 9/23


1/2 2/2

Décomposition en somme de matrices de projection


Avec A ∈ Rn×n symétrique, on a
A = QΛQ> =
x>
  
λ1 1
 
 λ2  x>2

x1 x 2 . . . x n 
 
..  .. 
 .  . 
λn x>
n

= λ1 x1 x> > >


1 + λ2 x2 x2 + . . . + λn xn xn . Et donc

A = λ1 P1 + λ2 P2 + . . . + λn Pn

avec Pi = xi x>
i ∈R
n×n la matrice de projection (de rang 1) sur le

vecteur propre xi , i ∈ {1, 2, . . . , n}.

MTH1007: algèbre linéaire 10/23


1/2 2/2

Exemple

Illustrer la décomposition en somme de matrices de projection avec


 
1 2
A= .
2 5

MTH1007: algèbre linéaire 11/23


1/2 2/2

1. Matrices symétriques

2. Matrices définies positives

MTH1007: algèbre linéaire 12/23


1/2 2/2

Définitions

I Une matrice symétrique A est définie positive (noté A  0)


si toutes ses valeurs propres sont strictement positives.

I Une matrice symétrique peut être :


I Définie positive : A  0.
I Semi-définie positive : A  0.
I Définie négative : A ≺ 0.
I Semi-définie négative : A  0
I Non-définie.

MTH1007: algèbre linéaire 13/23


1/2 2/2

Valeurs propres et pivots pour une matrice


symétrique 2x2
 
a b
I Soit A = une matrice symétrique de taille 2 × 2. A
b c
est définie positive si ses valeurs propres sont strictement
positives.

Les valeurs propres de A sont strictement positives :


1. Si et seulement si a > 0 et ac − b2 > 0.
ac−b2
2. Si et seulement si les pivots sont positifs : a > 0 et a > 0.

I Sinon, si a < 0 et |A| = ac − b2 > 0, A est définie négative


(noté A ≺ 0).

I Sinon A peut encore être semi-définie positive, semi-définie


négative, et sinon non-définie (ou indéfinie).
MTH1007: algèbre linéaire 14/23
1/2 2/2

L’énergie d’une matrice

I A est définie positive si x> Ax > 0 pour tout vecteur non nul
x:
  
>
 a b x
= ax2 + 2bxy + cy 2 > 0 .

x Ax = x y
b c y

I x> Ax est donc strictement positif pour tout x non nul. Ce


nombre est l’énergie de A (en x).

MTH1007: algèbre linéaire 15/23


1/2 2/2

Exemples
 
1 2
I Quelle est la nature des matrices A1 = ,
2 1
   
1 −2 −1 2
A2 = , A3 = et
−2 6 2 −6
 
−1 −5
A4 = ?
1 4

I Si A est (symétrique) définie positive, alors l’équation

x> Ax = ax2 + 2bxy + cy 2 = 1

représente une ellipse dont les axes pointent dans la direction


des vecteurs propres et dont les longueurs sont √1λ et √1λ .
1 2

MTH1007: algèbre linéaire 16/23


1/2 2/2

Remarques
I Si A et B sont symétriques définies positives, alors A + B
l’est aussi.

I Toute matrice carrée symétrique n × n peut se décomposer en


A = R> R avec R ∈ Rm×n . Si A est définie positive, les
colonnes de R sont indépendantes.

I Décomposition de Cholesky : Si A est symétrique et définie


positive, alors elle peut se décomposer en

A = LL>

avec L triangulaire inférieure.

MTH1007: algèbre linéaire 17/23


1/2 2/2

Sous-matrices principales
Si A = [aij ] ∈ Rn×n , ses n sous-matrices principales sont :
A1 = [a11 ]
 
a11 a12
A2 =
a21 a22
 
a11 a12 a13
A3 =  a21 a22 a23 
a31 a32 a33
.. ..
.  . 
a11 a12 · · · a1k
 a21 a22 · · · a2k 
Ak = 
 
.. .. .. 
 . . . 
ak1 ak2 · · · akk
et An = A.
MTH1007: algèbre linéaire 18/23
1/2 2/2

6 énoncés équivalents pour caractériser une matrice


définie positive
Pour une matrice symétrique définie positive A de taille n × n, les
énoncés suivants sont équivalents :
1. Les n pivots de A sont strictement positifs.
2. Les n déterminants des sous-matrices principales de A sont
strictement positifs.
3. Les n valeurs propres de A sont strictement positives.
4. x> Ax > 0 pour tout vecteur x 6= 0. C’est la définition basée
sur l’énergie.
5. A = R> R, où R a des colonnes linéairement indépendantes.
6. La décomposition de Cholesky A = LL> est possible.
MTH1007: algèbre linéaire 19/23
1/2 2/2

Matrices semi-définies positives

La matrice symétrique A est semi-définie positive (noté A  0) si :


I Sa plus petite valeur propre est 0.

I Son énergie est nulle.

ATTENTION : Ce n’est pas la définition usuelle. Il est plus


courant de voir : A est semi-définie positive si x> Ax≥0 pour tout
x ∈ Rn (et alors toute matrice définie positive est également
semi-définie positive).

MTH1007: algèbre linéaire 20/23


1/2 2/2

Matrices définies négatives, semi-définies négatives,


et non-définies

I La matrice symétrique A est définie négative (noté A ≺ 0) si


son opposée −A est définie positive.

I La matrice symétrique A est semi-définie négative (noté


A  0) si son opposée −A est semi-définie positive.

I Une matrice symétrique qui n’est ni définie positive,


semi-définie positive, définie négative ou semi-définie négative,
est non-définie (ou indéfinie).

MTH1007: algèbre linéaire 21/23


1/2 2/2

Exemple

Quelle est la nature de


 
2 1 1
A= 1 2 1 
1 1 2

et de −A ?

MTH1007: algèbre linéaire 22/23


1/2 2/2

Application : Optimisation
Soit f (x) une fonction de Rn dans R.
I Les points stationnaires (ou critiques) de f sont les points x∗
tels que ∇f (x∗ ) = 0.
I Si ∇2 f (x∗ ) (la matrice hessienne en x∗ ) est :
I définie positive : x∗ est un minimum local de f .
I définie négative : x∗ est un maximum local de f .
I non-définie : x∗ est un point de selle (ou point col).

I Si ∇2 f (x), pour tout x, est :


I semi-définie positive : f est convexe et x∗ est un minimum
global de f .
I semi-définie négative : f est concave et x∗ est un maximum
global de f .
(avec la définition usuelle de la semi-définie positivité/négativité).

MTH1007: algèbre linéaire 23/23

Vous aimerez peut-être aussi