QCM : Cours sur la diagonalisation et la décomposition des endomorphismes — 20 questions

Questions et réponses du QCM

1. Quand un sous-espace A est-il dit stable par un endomorphisme u ?

Lorsque la restriction de u à A est diagonalisable
Lorsque u(A) est égal à A
Lorsque u(A) est inclus dans A
Lorsque A contient tous les vecteurs propres de u

Lorsque u(A) est inclus dans A

Explication

Un sous-espace est stable si l’image de tout vecteur de A par u reste dans A, c’est-à-dire si u(A)⊂A. L’égalité u(A)=A est une condition plus forte qui n’est pas requise.

2. Que représente le sous-espace propre associé à une valeur propre λ ?

Le plus petit sous-espace stable contenant un vecteur propre
L’image de u−λ idE
Le noyau de u−λ idE
L’ensemble des vecteurs x tels que u(x)=0

Le noyau de u−λ idE

Explication

Le sous-espace propre associé à λ est Eλ=ker(u−λ idE), donc l’ensemble des vecteurs vérifiant u(x)=λx. Le plus petit sous-espace stable contenant un vecteur est le sous-espace cyclique, pas le sous-espace propre.

3. Quel lien existe entre les zéros du polynôme caractéristique et les valeurs propres d’un endomorphisme ?

Les zéros du polynôme caractéristique sont les valeurs singulières
Les zéros du polynôme caractéristique sont exactement les valeurs propres
Les valeurs propres sont les racines du polynôme minimal uniquement
Le polynôme caractéristique ne dépend pas de la base

Les zéros du polynôme caractéristique sont exactement les valeurs propres

Explication

Les racines de χu(X)=det(XIdE−u) sont exactement les valeurs propres de u. Les valeurs singulières relèvent de la SVD, pas du polynôme caractéristique.

4. Dans un espace de dimension finie, quelle condition caractérise la diagonalisabilité d’un endomorphisme lorsque son polynôme caractéristique est scindé ?

Le déterminant de l’endomorphisme est nul
Le polynôme minimal est irréductible
Pour chaque valeur propre λ, dim(Eλ)=mλ
Pour chaque valeur propre λ, dim(Eλ)=1

Pour chaque valeur propre λ, dim(Eλ)=mλ

Explication

Si χu est scindé, u est diagonalisable si et seulement si, pour chaque valeur propre λ, la dimension de l’espace propre égale sa multiplicité algébrique mλ. Avoir seulement dim(Eλ)=1 n’est pas suffisant en général.

5. Quand un endomorphisme est-il trigonalisable ?

Lorsque sa matrice est déjà diagonale
Lorsque toutes ses valeurs propres sont distinctes
Lorsque son polynôme minimal est à racines simples
Lorsque son polynôme caractéristique est scindé sur le corps considéré

Lorsque son polynôme caractéristique est scindé sur le corps considéré

Explication

Un endomorphisme est trigonalisable si et seulement si son polynôme caractéristique est scindé sur le corps K. La diagonalisabilité est une condition plus forte que la trigonalisation.

6. Quelle propriété caractérise le polynôme minimal d’un endomorphisme ?

C’est le polynôme dont les racines sont toutes doubles
C’est le produit des polynômes minimaux des valeurs propres
C’est le polynôme annulateur unitaire de plus petit degré
C’est le polynôme caractéristique normalisé

C’est le polynôme annulateur unitaire de plus petit degré

Explication

Le polynôme minimal est l’unique polynôme annulateur unitaire de degré minimal, et il divise tout autre polynôme annulateur. Ses racines sont exactement les valeurs propres, mais il n’est pas défini comme un produit de polynômes séparés.

7. Dans la réduction de Jordan, quelle relation relie le nombre de blocs associés à une valeur propre λ à un invariant de l’endomorphisme ?

Il est égal à la dimension du sous-espace caractéristique Nλ
Il est égal à la taille maximale d’un bloc de Jordan
Il est égal à la multiplicité algébrique mλ
Il est égal au rang de u−λ idE

Il est égal à la dimension du sous-espace caractéristique Nλ

Explication

Pour une valeur propre λ, le nombre de blocs de Jordan associés à λ est égal à dim(Nλ). La multiplicité algébrique mλ correspond à la somme des tailles des blocs, et non à leur nombre.

8. Que dit la décomposition de Jordan–Chevalley d’un endomorphisme u ?

u est toujours diagonalisable après changement de base
u se décompose en somme de deux nilpotents qui commutent
u s’écrit de façon unique comme s+n avec s diagonalisable, n nilpotent et sn=ns
u s’écrit comme produit d’un diagonalisable et d’un nilpotent

u s’écrit de façon unique comme s+n avec s diagonalisable, n nilpotent et sn=ns

Explication

La décomposition de Jordan–Chevalley affirme que u=s+n, avec s diagonalisable, n nilpotent et s commutant avec n, de manière unique. Si n=0, alors u est diagonalisable.

9. Quelle est la forme correcte de la forme bilinéaire associée à une matrice M dans deux bases B et C ?

b(x,y)=det(M)·(MatB(x))^T MatC(y)
b(x,y)=(MatB(x))^T M MatC(y)
b(x,y)=MatB(x)+M+MatC(y)
b(x,y)=M(MatB(x))·M(MatC(y))

b(x,y)=(MatB(x))^T M MatC(y)

Explication

La valeur de la forme bilinéaire se calcule par le produit matriciel des coordonnées : b(x,y)=(MatB(x))^T M MatC(y). Cette écriture encode la bilinéarité en fonction des bases choisies.

10. Quand la caractéristique du corps est différente de 2, quelle est la formule de la forme bilinéaire polaire associée à une forme quadratique q ?

c(x,y)=q(x−y)−q(x+y)
c(x,y)=1/2·(q(x+y)+q(x−y))
c(x,y)=q(x)+q(y)
c(x,y)=1/4·(q(x+y)−q(x−y))

c(x,y)=1/4·(q(x+y)−q(x−y))

Explication

Si car(K)≠2, la forme bilinéaire symétrique polaire est donnée par c(x,y)=¼(q(x+y)−q(x−y)). La formule avec une somme au lieu d’une différence n’est pas la polarisation correcte.

11. Quel procédé permet de construire une suite de polynômes deux à deux orthogonaux à partir des puissances de X ?

La diagonalisation de la matrice de multiplication par X
L'algorithme de Gram-Schmidt appliqué à la famille (X^k)
Le calcul des mineurs principaux de la matrice de Gram
La réduction de Jordan des opérateurs de dérivation

L'algorithme de Gram-Schmidt appliqué à la famille (X^k)

Explication

On orthogonalise la famille des monômes (X^k) par Gram-Schmidt pour obtenir des polynômes orthogonaux de degré croissant. La diagonalisation ou les mineurs ne jouent pas ce rôle de construction.

12. Pour le poids w(x)=1 sur l'intervalle ]-1,1[, quelle famille classique de polynômes orthogonaux obtient-on ?

Les polynômes de Laguerre
Les polynômes de Tchebychev de première espèce
Les polynômes d'Hermite
Les polynômes de Legendre

Les polynômes de Legendre

Explication

Le poids constant 1 sur ]-1,1[ caractérise les polynômes de Legendre. Les polynômes de Tchebychev, Laguerre et Hermite correspondent à d'autres intervalles ou d'autres poids.

13. Quelles sont les valeurs singulières d'une matrice réelle M ?

Les valeurs propres de M elles-mêmes
Les racines des coefficients du polynôme caractéristique de M
Les racines carrées des valeurs propres non nulles de M^TM
Les coefficients diagonaux de toute matrice triangulaire semblable à M

Les racines carrées des valeurs propres non nulles de M^TM

Explication

Les valeurs singulières sont, par définition, les racines carrées des valeurs propres non nulles de M^TM. Elles ne sont pas simplement les valeurs propres de M.

14. Quel énoncé caractérise correctement un endomorphisme auto-adjoint sur un espace euclidien ?

Il n'est diagonalisable que sur le corps complexe
Il admet une base orthonormée de vecteurs propres et des valeurs propres réelles
Il possède uniquement la valeur propre 1
Il est nécessairement nilpotent

Il admet une base orthonormée de vecteurs propres et des valeurs propres réelles

Explication

Un endomorphisme auto-adjoint admet une base orthonormée de vecteurs propres, ce qui entraîne sa diagonalisabilité, et ses valeurs propres sont réelles. Il n'est ni forcément nilpotent ni limité à la valeur propre 1.

15. Quelle condition matricielle définit une matrice orthogonale réelle ?

det(M) = 1
M^2 = I_n
M + M^T = I_n
M^T M = I_n

M^T M = I_n

Explication

Une matrice orthogonale vérifie M^T M = I_n, ce qui équivaut à M^{-1} = M^T. Le déterminant vaut bien ±1, mais ce n'est pas la définition.

16. Comment se caractérise une isométrie positive d'un espace euclidien ?

Elle a pour déterminant nul
Elle appartient à SO(E)
Elle est forcément égale à l'identité
Elle appartient à O^-(E)

Elle appartient à SO(E)

Explication

Une isométrie positive est une isométrie de déterminant 1, donc un élément de SO(E). Une isométrie de déterminant -1 est au contraire négative.

17. Qu'est-ce qu'une partition d'un ensemble ?

Une famille de sous-ensembles tous égaux entre eux
Une famille de sous-ensembles non vides, deux à deux disjoints, dont l'union est l'ensemble entier
Une application bijective de l'ensemble vers lui-même
Un recouvrement par des sous-ensembles qui peuvent se chevaucher

Une famille de sous-ensembles non vides, deux à deux disjoints, dont l'union est l'ensemble entier

Explication

Une partition découpe l'ensemble en blocs non vides, disjoints deux à deux, dont la réunion redonne tout l'ensemble. Le chevauchement est donc exclu.

18. Quand un ensemble est-il dit dénombrable ?

Lorsqu'il est en bijection avec un intervalle réel
Lorsqu'il possède exactement deux éléments
Lorsqu'il est fini non vide
Lorsqu'il est équipotent à l'ensemble des entiers naturels

Lorsqu'il est équipotent à l'ensemble des entiers naturels

Explication

Un ensemble dénombrable est, par définition, en bijection avec ℕ. Le fait d'être fini ou d'avoir deux éléments n'exprime pas la notion générale de dénombrabilité.

19. À quoi est égal le rang d'une matrice ?

Au nombre de colonnes non nulles
Au nombre de lignes non nulles
Au déterminant de la matrice si elle est carrée
Au plus grand ordre d'un mineur non nul

Au plus grand ordre d'un mineur non nul

Explication

Le rang est égal à la taille maximale d'un mineur non nul. Les nombres de lignes ou colonnes non nulles ne suffisent pas en général à le déterminer.

20. Quelle formule donne l'inverse d'une matrice inversible M à l'aide de sa comatrice ?

M^{-1} = (1/det(M)) (com(M))^T
M^{-1} = (com(M))^T / det(M)^2
M^{-1} = det(M) (com(M))
M^{-1} = (com(M)) / det(M)^2

M^{-1} = (1/det(M)) (com(M))^T

Explication

Pour une matrice inversible, on a bien M^{-1} = (1/det(M)) (com(M))^T. C'est la formule classique reliant l'inverse, le déterminant et la comatrice.

Révisez avec les flashcards

Mémorisez les réponses avec 20 flashcards sur Cours sur la diagonalisation et la décomposition des endomorphismes.

Sous-espace stable — définition ?

Invariance par u : u(A)⊂A.

Valeur propre — rôle ?

Caractère spectral de u.

Vecteur propre — relation ?

u(x)=λx, x≠0.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Cours sur la diagonalisation et la décomposition des endomorphismes.

Voir la fiche →

Cours similaires

Crée tes propres QCM

Importe ton cours et l'IA génère des QCM avec corrections en 30 secondes.

Générateur de QCM