Chapitre 7
Normes matricielles
Normes vectorielles : rappel
Propriétés qu’une norme doit vérifier :
1. kxk ≥ 0 (positivité)
2. kxk = 0 ⇔ x = 0 (non-dégénérescence)
3. kkxk = |k| kxk, ∀ k ∈ C (homogénéité)
4. kx + yk ≤ kxk + kyk (inégalité triangulaire)
Définition (normes vectorielles k · k1 , k · k2 et k · k∞ )
Soit un vecteur x ∈ E ≡ Cn de composantes xi ∈ C dans une base
X . On définit les normes vectorielles :
kxk1 = ni=1 |xi |
P
qP
n
p
kxk2 = hx, xi = i=1 |xi |2
kxk∞ = max |xi |
i=1,...,n
Remarque
Par la suite, on assimilera la norme d’un vecteur x ∈ E ≡ Cn à la
norme de son vecteur de composantes x ∈ Cn : kxk = kxk.
Normes matricielles
Définition (norme matricielle)
Une application k · kM de Cn×n dans R est une norme matricielle
si les conditions suivantes sont satisfaites pour deux matrices A et
B quelconques, carrées, d’ordre n :
1. kAkM ≥ 0 (positivité)
2. kAkM = 0 ⇔ A = 0 (non-dégénérescence)
3. kkAkM = |k|.kAkM , ∀ k ∈ C (homogénéité)
4. kA + BkM ≤ kAkM + kBkM (inégalité triangulaire)
5. kABkM ≤ kAkM kBkM
Définition (normes compatibles)
Une norme matricielle k · kM et une norme vectorielle k · kV sont
compatibles si
kAxkV ≤ kAkM kxkV ,
pour toute matrice A et tout vecteur x.
Normes matricielles induites
Proposition
Soit [Link] une norme vectorielle. L’application [Link](V ) définie par
kAxkV
kAkM(V ) = sup : kxkV 6= 0 = max{kAxkV : kxkV = 1}
kxkV
est une norme matricielle compatible avec la norme [Link] .
Définition (norme matricielle induite)
Le norme matricielle k · kM(V ) est appelée norme matricielle
induite par la norme [Link] .
Proposition
Soient I la matrice identité et A une matrice carrée inversible.
Alors, pour toute norme matricielle induite k · kM(V ) , on a :
kIkM(V ) = 1 et kAkM(V ) · kA−1 kM(V ) ≥ 1.
Normes matricielles induites k · k1 , k · k2 et k · k∞
Proposition
Soit A une matrice quelconque de dimension n. Alors les normes
induites par les normes vectorielles k · k1 , k · k2 et k · k∞ sont
données par :
( n )
X
kAk1 = max |aij | ,
j=1,...,n
i=1
kAk2 = max {σi } ,
i=1,...,n
où σi est une valeur singulière de A, c’est-à-dire la racine carrée
d’une valeur propre de la matrice A∗ A,
Xn
kAk∞ = max |aij | .
i=1,...,n
j=1
Norme de Frobenius
Définition
L’application [Link] définie par
v
u n X
n
uX
kAkF = t |aij |2 .
i=1 j=1
est une norme matricielle et est appelée norme de Frobenius.
L’espace vectoriel de matrices Cn×n est isomorphe à l’espace
2
vectoriel Cn . Dans ce cas, la matrice A ∈ Cn×n est associée au
2
vecteur a ∈ Cn contenant ses éléments et on a kAkF = kak2 .
Remarque
La norme de Frobenius n’est pas une norme induite. En effet, on
√
vérifie que kIkF = n 6= 1.
Encore quelques propriétés des normes matricielles
Proposition (propriétés de la norme de Frobenius)
Soit A une matrice carrée possédant les valeurs singulières σi .
Alors
Pn
I kAk2F = tr(A∗ A) = 2
i=1 σi
I kAxk2 ≤ kAkF kxk2 (k · kF est compatible avec k · k2 ).
Définition
Soit une matrice carrée A possédant les valeurs propres λi .
Le scalaire
ρ(A) = max{|λi |}
i
est appelé le rayon spectral de A.
Proposition
Pour toute norme matricielle k · k et pour toute matrice carrée A,
ρ(A) ≤ kAk.