Matrice définie positive

Un article de Wikipédia, l'encyclopédie libre.
Aller à : navigation, rechercher

En algèbre linéaire, la notion de matrice définie positive est analogue à celle de nombre réel strictement positif : une matrice définie positive est une matrice positive inversible.

On introduit tout d'abord les notations suivantes ; si A est une matrice à éléments réels ou complexes :

On rappelle que :

Matrice symétrique réelle définie positive[modifier | modifier le code]

Soit M une matrice symétrique réelle d'ordre n. Elle est dite définie positive si elle est positive et inversible, autrement dit si elle vérifie l'une des quatre propriétés équivalentes suivantes :

  1. Pour toute matrice colonne non nulle \textbf{x} à n éléments réels, on a\textbf{x}^\mathsf{T} M \textbf{x} > 0(autrement dit, la forme quadratique définie par M est strictement positive pour \mathbf{x}\not=0).
  2. Toutes les valeurs propres de M (qui sont nécessairement réelles) sont strictement positives.
  3. La forme bilinéaire symétrique\R^n\times\R^n\to\R,\quad (\textbf{x},\textbf{y})\mapsto\textbf{x}^\mathsf{T} M \textbf{y}est un produit scalaire sur ℝn.
  4. Il existe une matrice N\in \mathcal{M}_n( \R ) inversible telle que M = NTN (autrement dit : M est congruente à la matrice identité).

Une matrice symétrique réelle est dite définie négative si son opposée (symétrique elle aussi) est définie positive.

Exemple de base[modifier | modifier le code]

La caractérisation 4. ci-dessus peut se justifier ainsi :

  • Pour toute matrice carrée réelle N, la matrice symétrique NTN est positive.
  • Réciproquement, toute matrice réelle symétrique positive est de cette forme (la matrice N n'est pas unique ; elle l'est si l'on impose qu'elle soit elle-même positive).
  • Or si M = NTN (avec N carrée) alors M est inversible si et seulement si N l'est.

Elle permet de montrer que la matrice de Gram d'une famille de n vecteurs d'un espace préhilbertien (réel ou complexe) est définie positive si et seulement si la famille est libre. Par exemple, toute matrice de Hilbert est définie positive.

Intérêt des matrices définies positives[modifier | modifier le code]

  • Les problèmes de résolution de systèmes linéaires les plus faciles à traiter numériquement sont ceux dont les matrices sont symétriques définies positives[1].
  • Toute matrice symétrique réelle positive est limite d'une suite de matrices symétriques réelles définies positives, ce qui est à la base de nombreux raisonnements par densité[2].

Matrice hermitienne définie positive[modifier | modifier le code]

On étend les propriétés et définitions précédentes aux matrices complexes.

Soit M une matrice carrée complexe d'ordre n. Elle est dite définie positive si elle vérifie l'une des quatre propriétés équivalentes suivantes :

  1. Pour toute matrice colonne non nulle \ \textbf{z} à n éléments complexes, le nombre complexe \textbf{z}^{*} M \textbf{z} est un réel strictement positif.
  2. M est hermitienne et toutes ses valeurs propres sont strictement positives.
  3. La forme sesquilinéaire\C^n\times\C^n\to\C,\quad (\textbf{x},\textbf{y})\mapsto\textbf{x}^{*} M \textbf{y}est un produit scalaire sur \C^n (au sens : forme hermitienne définie positive).
  4. Il existe une matrice N\in \mathcal{M}_n(\C) inversible telle que M = N*N.

M est dite définie négative si son opposée est définie positive.

Propriétés[modifier | modifier le code]

Les propriétés suivantes sont communes aux matrices symétriques réelles et aux matrices complexes hermitiennes.

  • La matrice inverse d'une matrice définie positive est définie positive.
  • Si M est définie positive et si r est un réel strictement positif, alors rM est définie positive.
  • Si M et N sont positives et si l'une des deux est inversible, alors M + N est définie positive.
  • Une matrice positive est définie positive si et seulement si sa racine carrée positive est inversible. Cette propriété est utilisée pour la décomposition polaire.
  • Inégalité de Hadamard (en) : le déterminant d'une matrice définie positive est inférieur ou égal au produit de ses éléments diagonaux.

Critère de Sylvester[modifier | modifier le code]

Pour qu'une matrice A=\big(a_{ij}\big)_{1\leqslant i,j\leqslant n}, réelle symétrique ou complexe hermitienne, soit définie positive, il faut et suffit que les n matrices A_p=\big(a_{ij}\big)_{1\leqslant i,j\leqslant p} pour p de 1 à n, aient leur déterminant strictement positif, autrement dit que les n mineurs principaux dominants soient strictement positifs.

Remarques
  • Pour n = 2, le critère de Sylvester est essentiellement le critère de positivité du trinôme du second degré.
  • Plus généralement, l'indice d'une matrice symétrique réelle est égal au nombre de changements de signes dans la suite de ses n+1 mineurs principaux (en incluant \det(A_0)=1), sous réserve que tous soient non nuls.
  • En fait, sur un corps (commutatif) quelconque, cette condition de non-nullité des mineurs principaux est une condition nécessaire et suffisante pour qu'il existe une matrice  Q triangulaire supérieure telle que Q^\mathsf{T}AQ soit diagonale et de rang maximum (il suffit d'adapter la démonstration qui suit).

Preuve. Notons q la forme quadratique associée à A, définie par q(\mathbf{x})=\sum_{1\leqslant i,j,\leqslant n}a_{ij}x_ix_j.

La condition est nécessaire. On remarque d'abord que si q est définie positive, alors \det A>0. En effet, par rapport à une base orthogonale pour cette forme quadratique (il en existe, d'après la réduction de Gauss), la matrice de q s'écrit \mathrm{diag}(c_1,...,c_n) les c_i étant tous strictement positifs. Alors c_1...c_n=(\det A)(\det Q)^2 (Q étant la matrice de passage), donc \det A>0. Le résultat s'ensuit, en appliquant le même raisonnement à la restriction de q aux sous-espaces \R^k\times\{0\}^{n-k}, pour 1\leqslant k\leqslant n-1.

Montrons maintenant que la condition est suffisante. On procède par récurrence sur la dimension. Pour n=0 c'est évident puisqu'en dimension 0 l'ensemble des vecteurs non nuls est vide. Supposons la propriété vraie pour n-1 et notons E=\R^{n-1}\times\{0\}. Par hypothèse de récurrence, q_{\vert E} est définie positive. De plus, q est non dégénérée (parce que le déterminant de A est non nul) donc

\,\R^n=E\oplus E^{\perp} \quad \textrm{avec} \quad \dim E^{\perp}=1

Soient e un vecteur non nul de E^{\perp} et a=q(e). Alors \det A et a\det A_{n-1} ont même signe d'après le même argument que dans la première partie (qui met implicitement en jeu le discriminant), or par hypothèse \det A et \det A_{n-1} sont strictement positifs. Donc a>0, si bien que la restriction de q à E^\perp est, elle aussi, définie positive, ce qui montre que q est définie positive.

Dans le cas complexe, la preuve est analogue, en considérant la forme hermitienne définie par la matrice.

Notes et références[modifier | modifier le code]

  1. Philippe G. Ciarlet, Introduction à l'analyse numérique matricielle et à l'optimisation, Dunod, Paris, 1998, p. 26.
  2. Jean Voedts, Cours de mathématiques, MP-MP*, Ellipses, Paris, 2002 (ISBN 978-2729806668), p. 634.

Voir aussi[modifier | modifier le code]