Ce que tu vas tester : Ce quiz est conçu pour évaluer ta compréhension des matrices définies positives et semi-définies. Tu seras confronté à des questions portant sur leurs définitions, leurs caractérisations (via les valeurs propres, les mineurs principaux, ou les formes quadratiques), et leurs propriétés essentielles. Ce parcours progressif te permettra de maîtriser ces concepts cruciaux en algèbre linéaire, particulièrement utiles en optimisation, analyse numérique et théorie du contrôle.
Introduction aux Matrices Positives et Semi-définies
Bienvenue dans ce quiz dédié aux matrices positives et semi-définies. Ces types de matrices jouent un rôle prépondérant dans de nombreux domaines des mathématiques appliquées et de l'ingénierie, notamment en optimisation, en statistiques, en mécanique et en théorie du contrôle. Commençons par définir précisément de quoi nous parlons. Généralement, lorsqu'on parle de matrices positives ou semi-définies, on sous-entend qu'il s'agit de matrices symétriques réelles ou de matrices hermitiennes complexes. Pour simplifier, nous nous concentrerons principalement sur le cas des matrices symétriques réelles. Soit $A$ une matrice carrée symétrique d'ordre $n$ ($A \in \mathcal{M}_n(\mathbb{R})$ avec $A^T = A$). On peut associer à $A$ une forme quadratique $q_A : \mathbb{R}^n \to \mathbb{R}$ définie par $q_A(x) = x^T A x$, où $x$ est un vecteur colonne de $\mathbb{R}^n$.- La matrice $A$ est dite définie positive si pour tout vecteur non nul $x \in \mathbb{R}^n$, $q_A(x) > 0$.
- La matrice $A$ est dite semi-définie positive (ou positive) si pour tout vecteur $x \in \mathbb{R}^n$, $q_A(x) \ge 0$.
- $A$ est définie positive si $h_A(x) > 0$ pour tout $x \in \mathbb{C}^n \setminus \{0\}$.
- $A$ est semi-définie positive si $h_A(x) \ge 0$ pour tout $x \in \mathbb{C}^n$.
- $A$ est semi-définie positive $\iff$ toutes ses valeurs propres sont $\ge 0$.
- $A$ est définie positive $\iff$ toutes ses valeurs propres sont $> 0$.
- $A$ est définie positive $\iff$ tous ses mineurs principaux sont strictement positifs.
- $A$ est semi-définie positive $\iff$ tous ses mineurs principaux d'ordre pair sont $\ge 0$ et tous ses mineurs principaux d'ordre impair sont $\ge 0$. (Attention, il s'agit de tous les mineurs principaux, pas seulement les diagonaux). Une formulation plus stricte pour semi-définie positive est que tous les déterminants des sous-matrices principales $\Delta_k$ soient $\ge 0$.
- Si $A$ est définie positive, alors elle est inversible et $A^{-1}$ est aussi définie positive.
- La somme de deux matrices semi-définies positives (resp. définies positives) est semi-définie positive (resp. définie positive).
- Une matrice diagonale est définie positive si tous ses éléments diagonaux sont positifs, et semi-définie positive si tous ses éléments diagonaux sont non négatifs.
Question 1 : Une matrice carrée $A$ est dite symétrique réelle si :
Réponse : B. La condition $A^T = A$ signifie que la matrice est égale à sa transposée, ce qui est la définition d'une matrice symétrique.
Question 2 : Une matrice $A$ symétrique est définie positive si et seulement si :
Réponse : C. Le critère des mineurs principaux stipule qu'une matrice symétrique est définie positive si et seulement si tous ses mineurs principaux (les déterminants des sous-matrices obtenues en supprimant les mêmes lignes et colonnes) sont strictement positifs.
Question 3 : Soit $A$ une matrice symétrique réelle. Quelle est la condition sur ses valeurs propres pour qu'elle soit semi-définie positive ?
Réponse : A. Une matrice symétrique (ou hermitienne) est semi-définie positive si et seulement si toutes ses valeurs propres sont non négatives ($\ge 0$).
Question 4 : La forme quadratique $q_A(x) = x^T A x$ associée à une matrice symétrique $A$ est définie positive si :
Réponse : D. La définition de la forme quadratique associée à une matrice définie positive est que $q_A(x)$ est strictement positive pour tout vecteur non nul $x$. $q_A(0)$ est toujours 0.
Question 5 : Soit la matrice $A = \begin{pmatrix} 2 & 1 \\ 1 & 2 \end{pmatrix}$. Est-elle définie positive ?
Réponse : B. Les valeurs propres de $A$ sont 1 et 3, qui sont toutes deux strictement positives. Le déterminant (mineur principal d'ordre 2) est $2 \times 2 - 1 \times 1 = 3 > 0$. L'élément $a_{11} = 2 > 0$. Donc $A$ est définie positive.
Question 6 : Si une matrice $A$ est définie positive, qu'en est-il de sa matrice inverse $A^{-1}$ (si elle existe) ?
Réponse : A. Si $A$ est définie positive, toutes ses valeurs propres sont strictement positives. Les valeurs propres de $A^{-1}$ sont les inverses des valeurs propres de $A$. Donc, elles sont aussi strictement positives, ce qui fait de $A^{-1}$ une matrice définie positive.
Question 7 : Soit $A$ et $B$ deux matrices symétriques semi-définies positives. Qu'en est-il de leur somme $A+B$ ?
Réponse : C. La somme de deux matrices semi-définies positives est toujours semi-définie positive. Si $x^T A x \ge 0$ et $x^T B x \ge 0$, alors $x^T (A+B) x = x^T A x + x^T B x \ge 0$. Ce n'est pas forcément définie positive.
Question 8 : Quelle matrice est un exemple de matrice semi-définie positive mais PAS définie positive ?
Réponse : D. La matrice $\begin{pmatrix} 1 & 1 \\ 1 & 1 \end{pmatrix}$ a pour valeurs propres 0 et 2. Comme une de ses valeurs propres est nulle, elle est semi-définie positive mais pas définie positive. La matrice A est définie positive (valeurs propres 1, 1). La matrice B est définie positive (valeurs propres $\approx 0.38, 3.62$). La matrice C est définie positive (valeurs propres $\approx -0.23, 4.23$ - ATTENTION, C est définie NEGATIVE, pas positive. Il faut reformuler la réponse pour C). Reprise de l'analyse pour C: La matrice $\begin{pmatrix} 1 & 2 \\ 2 & 3 \end{pmatrix}$ a pour valeurs propres $2 \pm \sqrt{2}$, qui sont toutes deux positives. Donc C est définie positive. L'option D est donc la seule correcte.
Question 9 : Pour une matrice hermitienne complexe $A$, $h_A(x) = x^* A x$. Quand est-elle semi-définie positive ?
Réponse : B. C'est la définition de la forme hermitienne associée à une matrice semi-définie positive. L'équivalence avec les valeurs propres (D) est également vraie, mais B est la définition directe de la forme hermitienne.
Question 10 : Quel est le lien entre une matrice définie positive et son déterminant ?
Réponse : C. Si une matrice est définie positive, toutes ses valeurs propres sont strictement positives. Le déterminant est le produit des valeurs propres. Donc, le produit de nombres strictement positifs est strictement positif.
Question 11 : Soit $A = \begin{pmatrix} 1 & -1 \\ -1 & 1 \end{pmatrix}$. Est-elle semi-définie positive ?
Réponse : A. La matrice $A$ est symétrique. Ses valeurs propres sont $0$ et $2$. Comme toutes ses valeurs propres sont $\ge 0$, elle est semi-définie positive. Le fait que son déterminant soit nul confirme la présence d'une valeur propre nulle.
Question 12 : Pour une matrice symétrique $A$, le critère des mineurs principaux diagonaux (seulement les déterminants des sous-matrices $\begin{pmatrix} a_{11} \end{pmatrix}$, $\begin{pmatrix} a_{11} & a_{12} \\ a_{21} & a_{22} \end{pmatrix}$, etc.) est suffisant pour prouver qu'elle est :
Réponse : D. Le critère des mineurs principaux diagonaux (aussi appelés pivots) est suffisant pour prouver la définie positivité. Si tous ces mineurs sont strictement positifs, la matrice est définie positive. Ce critère n'est pas suffisant pour la semi-définie positivité ou la définie négativité.
Question 13 : Soit $A$ une matrice symétrique. Si $A$ est définie négative, alors $-A$ est :
Réponse : D. Si $A$ est définie négative, alors toutes ses valeurs propres sont strictement négatives. Les valeurs propres de $-A$ sont les opposés des valeurs propres de $A$, donc elles sont strictement positives. Ainsi, $-A$ est définie positive.
Question 14 : Quel est le lien entre une matrice semi-définie positive et le fait qu'elle puisse être factorisée sous la forme $A = L L^T$ où $L$ est une matrice triangulaire inférieure (factorisation de Cholesky) ?
Réponse : A. La factorisation de Cholesky $A = L L^T$ existe si et seulement si $A$ est symétrique définie positive. Une version généralisée permet la factorisation pour les matrices semi-définies positives, mais la forme classique $A=LL^T$ est pour les matrices définies positives.
Comment ORBITECH Peut T'aider
ORBITECH AI Academy met à ta disposition des outils concrets pour réviser plus efficacement et progresser à ton rythme.
- Générateur de Quiz : crée des quiz personnalisés pour tester tes connaissances et identifier tes lacunes.
- Générateur d'Exercices : crée des exercices d'entraînement adaptés à ton niveau avec corrections détaillées.
- Calculatrice Scientifique : effectue des calculs avancés avec historique et graphiques de fonctions.
- Générateur de Résumés : transforme tes cours en fiches de révision claires et structurées.
Tous ces outils sont disponibles sur ta plateforme ORBITECH. Connecte-toi et explore ceux qui correspondent le mieux à tes besoins !
Commencer gratuitement