QCM : Fondamentaux de l'Algèbre Linéaire — 12 questions

Explication

Le texte définit qu'une base est une famille à la fois libre et génératrice, ce qui signifie que ses vecteurs sont linéairement indépendants et engendrent l'espace vectoriel. À revoir : Bases, familles libres et génératrices dans les espaces vectoriels. Appui du cours : « - Une famille est libre si toute combinaison linéaire nulle implique que tous les coefficients sont nuls. - Une famille est génératrice si tout vecteur de l'espace s'écrit comme combinaison linéaire de cette famille. - Une base est une famille à la fois… »

Explication

La somme est directe si et seulement si l'intersection des deux sous-espaces est réduite au vecteur nul, comme indiqué dans le passage sur la somme directe et le théorème de la dimension. À revoir : Somme directe et théorème de la dimension pour les sous-espaces vectoriels. Appui du cours : « - Pour la somme de deux sous-espaces vectoriels, la dimension s'exprime par la formule du théorème de la dimension, et la somme est directe si leur intersection est réduite au vecteur nul. »

Explication

Le texte définit explicitement un endomorphisme comme une application linéaire de E dans lui-même, ce qui correspond à l'option 0. Les autres options ne correspondent pas à cette définition. À revoir : Applications linéaires : définition, noyau, image et endomorphismes. Appui du cours : « Un endomorphisme est une application linéaire de E dans lui-même. »

Explication

Le théorème de la dimension établit la relation entre la dimension du noyau, de l'image et de l'espace initial, ce qui permet de quantifier la perte ou la conservation d'information dans l'application linéaire. Les autres options ne correspondent pas à la fonction principale décrite dans le texte. À revoir : Théorème de la dimension pour les applications linéaires. Appui du cours : « La relation entre la dimension du noyau, de l'image et de l'espace initial permet de quantifier la perte ou la conservation d'information dans une application linéaire. »

Explication

La formule de changement de base pour les coordonnées utilise une matrice de passage pour transformer les coordonnées d'un vecteur d'une base à une autre, comme indiqué dans le contenu. À revoir : Calcul matriciel et formules de changement de base. Appui du cours : « - La formule de changement de base pour les coordonnées permet de passer d'une base à une autre via une matrice de passage. »

Explication

La méthode du pivot de Gauss sert à calculer le rang et le déterminant d'une matrice, facilitant ainsi l'analyse de ses propriétés. Elle ne sert pas directement à inverser une matrice, ni à vérifier la symétrie ou à manipuler les tenseurs en physique. À revoir : Propriétés des déterminants et notations indicielles en physique. Appui du cours : « La méthode du pivot de Gauss est une technique pour calculer le rang et le déterminant d'une matrice. »

Explication

La définition précise d'une valeur propre λ est qu'il existe un vecteur non nul v tel que Av = λv. Les autres propositions sont incorrectes : l'inversibilité n'est pas liée à la valeur propre, λ n'a pas besoin d'être un élément diagonal, et le vecteur nul ne peut pas être un vecteur propre. À revoir : Valeurs propres, vecteurs propres et diagonalisation des matrices. Appui du cours : « Un scalaire λ est une valeur propre d'une matrice A s'il existe un vecteur non nul v tel que la multiplication de A par v donne λ fois v, c'est-à-dire Av = λv. »

Explication

Le polynôme minimal est défini comme le polynôme unitaire de plus bas degré qui annule la matrice A, c'est-à-dire dont l'évaluation en A donne la matrice nulle, conformément à la définition donnée dans le texte. À revoir : Polynôme minimal, théorème de Cayley-Hamilton et décomposition de Jordan. Appui du cours : « Le polynôme minimal d'une matrice carrée A est le polynôme unitaire de plus bas degré qui annule A, c'est-à-dire dont l'évaluation en A donne la matrice nulle. »

Explication

Le passage indique clairement que l'exponentielle de matrice permet de résoudre les systèmes différentiels linéaires du premier ordre, ce qui est la conséquence directe de son utilisation. Les autres options ne sont pas explicitement mentionnées comme conséquences dans le texte. À revoir : Itération des matrices et systèmes différentiels linéaires. Appui du cours : « Les systèmes différentiels linéaires du premier ordre peuvent être résolus via l'exponentielle de matrice. »

Explication

Le produit scalaire est défini comme une application bilinéaire, symétrique et positive qui permet de définir une norme et une notion d'angle dans un espace vectoriel euclidien. Les autres options correspondent à d'autres concepts ou méthodes distinctes. À revoir : Espaces vectoriels euclidiens : produit scalaire, orthonormalisation et projections orthogonales. Appui du cours : « Produit scalaire : Une application bilinéaire, symétrique et positive définie sur un espace vectoriel, qui permet de définir une norme et une notion d'angle. »

Explication

Une matrice définie positive doit être symétrique et avoir toutes ses valeurs propres strictement positives, selon la définition donnée dans le texte. Les autres options contredisent cette définition. À revoir : Matrices symétriques, matrices orthogonales et applications géométriques. Appui du cours : « - Une matrice symétrique est égale à sa transposée. - Une matrice définie positive est une matrice symétrique dont toutes les valeurs propres sont strictement positives. »

Explication

Le passage exact indique que l'édition du cours d'algèbre linéaire est de 2008, plus précisément datée du 26 novembre 2008. Les autres dates ne sont pas mentionnées dans le contenu. À revoir : Tracé de coniques et quadriques sous Matlab. Appui du cours : « 1e Année - Mathématiques Cours d’algèbre linéaire Edition 2008 Xavier Dussau, Jean Esterle, Fouad Zarouf et Rachid Zarouf 1 26 novembre 2008 »