QCM : Décomposition singulière et normes matricielles (19 questions)

Questions et réponses du QCM

1. Une matrice réelle carrée QQ vérifie QQT=QTQ=IQQ^T=Q^TQ=I. Quelle classification correspond à cette propriété ?

Elle est orthogonale.
Elle est symétrique.
Elle est inversible, sans classification particulière.
Elle est antisymétrique.

Elle est orthogonale.

Explication

Une matrice réelle carrée est orthogonale lorsque QQT=QTQ=IQQ^T=Q^TQ=I. La symétrie exige plutôt Q=QTQ=Q^T, tandis que l’antisymétrie exige Q=−QTQ=-Q^T.

2. Une matrice carrée AA d’ordre nn et une norme vectorielle sont compatibles si, pour tout vecteur u∈Knu\in K^n, quelle inégalité est vérifiée ?

∥Au∥≤∥A∥ ∥A∥\|Au\|\leq\|A\|\,\|A\|
∥Au∥=∥A∥ ∥u∥\|Au\|=\|A\|\,\|u\|
∥Au∥≤∥A∥ ∥u∥\|Au\|\leq\|A\|\,\|u\|
∥Au∥≤∥u∥ ∥u∥\|Au\|\leq\|u\|\,\|u\|

$$\|Au\|\leq\|A\|\,\|u\|$$

Explication

La compatibilité signifie que la norme du vecteur transformé est majorée par le produit de la norme matricielle et de la norme du vecteur. Le carré de la norme du vecteur ou de la matrice ne représente pas cette borne, et l’égalité n’est pas requise.

3. Une matrice réelle AA possède 33 lignes et 22 colonnes. Quel est le type de ATA^T, et quel coefficient de AA occupe sa position (1,3)(1,3) ?

Une matrice 2×32\times3, avec le coefficient a31a_{31}.
Une matrice 3×23\times2, avec le coefficient a13a_{13}.
Une matrice 2×32\times3, avec le coefficient a13a_{13}.
Une matrice 2×32\times3, avec le coefficient a31‾\overline{a_{31}}.

Une matrice $$2\times3$$, avec le coefficient $$a_{31}$$.

Explication

La transposition échange lignes et colonnes et vérifie (AT)ij=aji(A^T)_{ij}=a_{ji} : le type devient 2×32\times3 et la position (1,3)(1,3) contient a31a_{31}. La conjugaison évoquée dans un distracteur appartient à l’adjointe, pas à la transposée réelle.

4. Laquelle des propriétés suivantes fait partie de la définition d’une norme matricielle ?

La norme d’un produit égale le produit des normes.
La norme d’une somme égale la somme des normes.
Une matrice non nulle peut avoir une norme nulle.
La norme du produit est au plus le produit des normes.

La norme du produit est au plus le produit des normes.

Explication

Une norme matricielle est notamment sous-multiplicative : la norme d’un produit ne dépasse pas le produit des normes des facteurs. L’égalité multiplicative n’est pas exigée, l’inégalité triangulaire n’est pas une égalité, et seule la matrice nulle a une norme nulle.

5. Une matrice complexe AA de type m×nm\times n a pour plus grande valeur singulière 66; quelle est sa norme spectrale ?

ρ(A)\rho(A)
3636
La plus petite valeur singulière de AA
66

$$6$$

Explication

La norme spectrale d’une matrice est sa plus grande valeur singulière, donc elle vaut 66. Le carré 3636 correspondrait à l’erreur de ne pas prendre la racine dans la formule liée à A⋆AA^\star A; le rayon spectral ou la plus petite valeur singulière ne donnent pas en général cette norme.

6. Pour le vecteur v=(3,4)Tv=(3,4)^T, quelle est sa norme-p lorsque p=1p=1 ?

2525
77
44
55

$$7$$

Explication

Pour p=1p=1, la norme est la somme des valeurs absolues des coordonnées : ∣3∣+∣4∣=7|3|+|4|=7. La valeur 55 correspond à la norme euclidienne, 2525 à la somme des carrés, et 44 à la plus grande valeur absolue.

7. Une matrice a pour valeurs propres −3-3, 1+2i1+2i et 2i2i. Quel est son rayon spectral ?

3+5+23+\sqrt{5}+2
22
33
5\sqrt{5}

$$3$$

Explication

Le rayon spectral est le maximum des modules des valeurs propres : les modules sont 33, 5\sqrt{5} et 22, donc le maximum vaut 33. Choisir 5\sqrt{5} revient à ignorer la valeur propre −3-3.

8. Une matrice complexe AA est de type 3×23\times 2. Quelle forme peut-on obtenir en choisissant des matrices unitaires UU d’ordre 33 et VV d’ordre 22 ?

U⋆AV=ΣU^\star A V=\Sigma, avec Σ\Sigma réelle, rectangulaire et diagonale
UAV⋆=ΣU A V^\star=\Sigma, avec Σ\Sigma réelle, rectangulaire et diagonale
U⋆AV=ΣU^\star A V=\Sigma, avec Σ\Sigma réelle et carrée diagonale
U⋆AV=ΣU^\star A V=\Sigma, avec Σ\Sigma réelle et rectangulaire, sans contrainte diagonale

$$U^\star A V=\Sigma$$, avec $$\Sigma$$ réelle, rectangulaire et diagonale

Explication

La décomposition garantit U⋆AV=ΣU^\star A V=\Sigma, où UU et VV sont unitaires et Σ\Sigma est réelle, rectangulaire et nulle hors de sa diagonale principale. La variante avec UAV⋆U A V^\star inverse les facteurs, et les autres propositions altèrent la forme de Σ\Sigma.

9. Pour une matrice carrée AA et un vecteur non nul vv, quelle expression donne le quotient de Rayleigh de AA en vv ?

(v,v)n(Av,v)n\frac{(v,v)_n}{(Av,v)_n}
(Av,v)n(v,v)n\frac{(Av,v)_n}{(v,v)_n}
∥Av∥n∥v∥n\frac{\|Av\|_n}{\|v\|_n}
(Av,v)n(v,Av)n\frac{(Av,v)_n}{(v,Av)_n}

$$\frac{(Av,v)_n}{(v,v)_n}$$

Explication

Le quotient de Rayleigh est le produit scalaire de AvAv avec vv divisé par le produit scalaire de vv avec lui-même, pour v≠0v\ne 0. Le dénominateur inversé change la définition, tandis que le rapport de normes est une autre quantité.

10. Une matrice normale carrée BB a un rayon spectral égal à 55; quelle est sa norme spectrale ?

11
2525
55
5\sqrt{5}

$$5$$

Explication

Pour une matrice normale, la norme spectrale est égale au rayon spectral; elle vaut donc 55. Le carré et la racine carrée appliquent une transformation injustifiée, tandis que la valeur 11 correspond au cas particulier des matrices unitaires.

11. Pour une matrice carrée complexe A et une norme vectorielle fixée, quelle expression permet de déterminer la norme matricielle subordonnée de A ?

inf⁡v≠0∥Av∥∥v∥\inf_{v\neq 0}\frac{\|Av\|}{\|v\|}
sup⁡v≠0∥Av∥∥v∥\sup_{v\neq 0}\frac{\|Av\|}{\|v\|}
sup⁡v≠0∥v∥∥Av∥\sup_{v\neq 0}\frac{\|v\|}{\|Av\|}
sup⁡v≠0∥Av∥\sup_{v\neq 0}\|Av\|

$$\sup_{v\neq 0}\frac{\|Av\|}{\|v\|}$$

Explication

La norme subordonnée mesure le plus grand rapport entre la norme de l’image AvAv et celle du vecteur non nul vv. Le rapport inversé échange numérateur et dénominateur, l’infimum cherche le plus petit rapport et l’expression sans dénominateur ne normalise pas les vecteurs.

12. Dans une décomposition en valeurs singulières d’une matrice AA, quelle propriété caractérise les colonnes de UU ?

Ce sont les vecteurs singuliers à gauche et des vecteurs propres de A⋆AA^\star A
Ce sont les vecteurs singuliers à droite et des vecteurs propres de A⋆AA^\star A
Ce sont les vecteurs singuliers à gauche et des vecteurs propres de AA⋆AA^\star
Ce sont les valeurs singulières associées aux vecteurs propres de AA⋆AA^\star

Ce sont les vecteurs singuliers à gauche et des vecteurs propres de $$AA^\star$$

Explication

Les colonnes de UU sont les vecteurs singuliers à gauche de AA et les vecteurs propres de AA⋆AA^\star. Les vecteurs singuliers à droite sont associés aux colonnes de VV, tandis que A⋆AA^\star A intervient dans la caractérisation des vecteurs à droite.

13. Pour calculer la norme matricielle induite par la norme vectorielle 1 d’une matrice A∈C2×3A\in\mathbb{C}^{2\times 3} dont les colonnes ont des sommes de modules égales à 44, 77 et 55, quelle valeur obtient-on ?

99
77
44
1616

$$7$$

Explication

La norme induite par la norme 1 est la plus grande somme des modules dans une colonne; parmi 44, 77 et 55, le maximum vaut 77. Additionner les colonnes donne 1616, retenir la plus petite donne 44, et la somme de ligne ne correspond pas à cette formule.

14. Pour une matrice carrée AA dont le polynôme caractéristique est PA(λ)=(2−λ)2(−1−λ)P_A(\lambda)=(2-\lambda)^2(-1-\lambda), quelles sont ses valeurs propres avec leurs multiplicités ?

22 de multiplicité 11 et −1-1 de multiplicité 22.
22 et 11, chacune de multiplicité 11.
22 de multiplicité 22 et −1-1 de multiplicité 11.
−2-2 de multiplicité 22 et 11 de multiplicité 11.

$$2$$ de multiplicité $$2$$ et $$-1$$ de multiplicité $$1$$.

Explication

Les valeurs propres sont les racines de PAP_A, comptées avec leurs multiplicités : 22 est une racine double et −1-1 une racine simple. Les valeurs opposées proviennent d’une erreur de signe lors de la lecture des facteurs.

15. Pour une matrice AA de type 4×24\times 2, une valeur propre de A⋆AA^\star A vaut 2525 et correspond à un indice parmi les pp valeurs singulières. Quelle est la valeur singulière correspondante ?

55
12,5\sqrt{12,5}
2525
−5-5

$$5$$

Explication

La relation est σi=λi(A⋆A)\sigma_i=\sqrt{\lambda_i(A^\star A)}, donc σi=25=5\sigma_i=\sqrt{25}=5. La valeur 2525 omet la racine, 12,5\sqrt{12,5} applique un facteur erroné, et une valeur singulière est positive.

16. Pour deux vecteurs de Cn\mathbb{C}^n, quelle expression calcule le produit scalaire hermitien en conjuguant les composantes de vv ?

∑i=1nui‾vi\sum_{i=1}^n \overline{u_i}v_i
∑i=1nui‾ vi‾\sum_{i=1}^n \overline{u_i}\,\overline{v_i}
∑i=1nuivi‾\sum_{i=1}^n u_i\overline{v_i}
∑i=1nuivi\sum_{i=1}^n u_i v_i

$$\sum_{i=1}^n u_i\overline{v_i}$$

Explication

Le produit hermitien indiqué s’écrit v⋆uv^\star u, soit ∑i=1nuivi‾\sum_{i=1}^n u_i\overline{v_i} : l’adjoint de vv conjugue ses composantes. L’expression qui conjugue uu inverse les rôles des vecteurs, celle sans barre omet la conjugaison, et celle qui conjugue les deux applique une conjugaison supplémentaire.

17. Si CC est inversible, quelle transformation définit une matrice semblable à AA par la similitude associée à CC ?

CTACC^TAC
C−1ACC^{-1}AC
CACA
CAC−1CAC^{-1}

$$C^{-1}AC$$

Explication

La similitude associée à une matrice inversible CC transforme AA en C−1ACC^{-1}AC. La forme CAC−1CAC^{-1} inverse l’ordre indiqué, tandis que CTACC^TAC relève d’une autre transformation.

18. Pour réduire une matrice complexe carrée par la décomposition de Schur, quelle forme obtient-on en choisissant une matrice unitaire UU ?

U⋆AUU^\star AU est triangulaire inférieure, avec les valeurs propres sur sa diagonale.
U⋆AUU^\star AU est triangulaire supérieure, avec les valeurs propres sur sa diagonale secondaire.
U⋆AUU^\star AU est diagonale pour toute matrice complexe carrée.
U⋆AUU^\star AU est triangulaire supérieure, avec les valeurs propres sur sa diagonale.

$$U^\star AU$$ est triangulaire supérieure, avec les valeurs propres sur sa diagonale.

Explication

La décomposition de Schur garantit une matrice unitaire UU telle que U⋆AUU^\star AU soit triangulaire supérieure, les valeurs propres figurant sur la diagonale. Une matrice diagonale est garantie dans ce cadre pour les matrices normales, pas pour toute matrice complexe carrée.

19. Pour un vecteur complexe dont une composante vaut 2+i2+i, quelle est la différence entre cette composante dans vTv^T et dans v⋆v^\star ?

Elle vaut 2−i2-i dans les deux vecteurs-lignes.
Elle vaut 2−i2-i dans vTv^T et 2+i2+i dans v⋆v^\star.
Elle vaut 2+i2+i dans les deux vecteurs-lignes.
Elle vaut 2+i2+i dans vTv^T et 2−i2-i dans v⋆v^\star.

Elle vaut $$2+i$$ dans $$v^T$$ et $$2-i$$ dans $$v^\star$$.

Explication

La transposée simple échange la disposition des composantes sans les conjuguer, tandis que l’adjointe conjugue chaque composante. La confusion entre transposition et conjugaison conduit à inverser les deux résultats.

Révisez avec les flashcards

Mémorisez les réponses avec 49 flashcards sur Décomposition singulière et normes matricielles.

Pour un vecteur complexe vv, quelle opération distingue vTv^T de v⋆v^\star ?

vTv^T ne conjugue pas ses composantes, contrairement à v⋆v^\star.

Quelle expression donne le produit scalaire euclidien réel (u,v)n(u,v)_n ?

vTu=uTv=∑i=1nuiviv^T u=u^T v=\sum_{i=1}^n u_i v_i

Comment obtient-on la transposée d’une matrice réelle AA de type m×nm\times n ?

On échange ses lignes et ses colonnes ; la matrice obtenue est de type n×mn\times m.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Décomposition singulière et normes matricielles.

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