QCM : Produit scalaire et projections orthogonales (19 questions)

Questions et réponses du QCM

1. Dans la base canonique de R3\mathbb{R}^3, on prend u=(2,−1,3)u=(2,-1,3) et v=(4,5,−2)v=(4,5,-2). Quelle est la valeur de leur produit scalaire ?

9
13
-7
-3

-3

Explication

On multiplie les coordonnées correspondantes puis on additionne : 2×4+(−1)×5+3×(−2)=8−5−6=−32\times4+(-1)\times5+3\times(-2)=8-5-6=-3. La valeur 9 omet le dernier produit, -7 traduit une erreur de signe, et 13 ne respecte pas la somme des produits.

2. Pour u=(−3,4,12)u=(-3,4,12) dans R3\mathbb{R}^3, quelle est sa norme euclidienne ?

151\sqrt{151}
12
169
13

13

Explication

La norme est la racine carrée de la somme des carrés des coordonnées : ∥u∥=(−3)2+42+122=169=13\|u\|=\sqrt{(-3)^2+4^2+12^2}=\sqrt{169}=13. La valeur 169 oublie la racine, 151\sqrt{151} soustrait à tort le carré de la coordonnée négative, et 12 omet une contribution.

3. Dans R2\mathbb{R}^2, on considère u=(2,3)u=(2,3) et v=(3,−2)v=(3,-2). Quelle relation décrit ces deux vecteurs ?

Ils sont parallèles, car leurs coordonnées sont proportionnelles.
Ils sont orthogonaux, car leur produit scalaire est nul.
Ils sont égaux en norme, donc ils sont orthogonaux.
Ils sont orthogonaux, car la somme de leurs coordonnées est nulle.

Ils sont orthogonaux, car leur produit scalaire est nul.

Explication

Deux vecteurs sont orthogonaux lorsque leur produit scalaire est nul ; ici 2×3+3×(−2)=02\times3+3\times(-2)=0. L’égalité des normes ne suffit pas, les coordonnées ne sont pas proportionnelles, et le critère porte sur le produit scalaire, pas sur la somme des coordonnées.

4. Pour u=(1,2)u=(1,2) et v=(3,−1)v=(3,-1), quel calcul exprime le produit scalaire en inversant l’ordre des vecteurs ?

v⋅u=−1v\cdot u=-1
v⋅u=(4,1)v\cdot u=(4,1)
v⋅u=(3,−2)v\cdot u=(3,-2)
v⋅u=1v\cdot u=1

$$v\cdot u=1$$

Explication

Le produit scalaire est symétrique et bilinéaire : v⋅u=u⋅v=1×3+2×(−1)=1v\cdot u=u\cdot v=1\times3+2\times(-1)=1. La valeur -1 change à tort le signe, tandis que les résultats vectoriels correspondent à des opérations coordonnées et non à un produit scalaire.

5. Deux vecteurs vérifient ∥u∥=5\|u\|=5 et ∥v∥=2\|v\|=2. Quelle borne supérieure l’inégalité de Cauchy-Schwarz donne-t-elle pour ∣u⋅v∣|u\cdot v| ?

10
25
7
3

10

Explication

Cauchy-Schwarz affirme que ∣u⋅v∣≤∥u∥∥v∥|u\cdot v|\leq\|u\|\|v\|, donc ici ∣u⋅v∣≤5×2=10|u\cdot v|\leq5\times2=10. La valeur 7 additionne les normes, 3 leur fait prendre la différence, et 25 ne correspond pas au produit des deux normes.

6. Trois points vectoriels A,B,CA,B,C vérifient d(A,B)=5d(A,B)=5 et d(B,C)=8d(B,C)=8. Quelle borne la distance d(A,C)d(A,C) doit-elle respecter ?

d(A,C)=13d(A,C)=13
d(A,C)≤13d(A,C)\leq 13
d(A,C)≥13d(A,C)\geq 13
d(A,C)≤3d(A,C)\leq 3

$$d(A,C)\leq 13$$

Explication

L’inégalité triangulaire donne d(A,C)≤d(A,B)+d(B,C)=5+8=13d(A,C)\leq d(A,B)+d(B,C)=5+8=13. La borne inférieure inverse le sens, l’égalité suppose un alignement particulier, et la différence ne donne pas la borne supérieure.

7. Dans R4\mathbb{R}^4, une famille contient quatre vecteurs orthonormés. Quel rôle cette famille peut-elle jouer dans R4\mathbb{R}^4 ?

Une famille génératrice qui ne peut pas être libre
Une base d’un sous-espace de dimension trois
Une base de R4\mathbb{R}^4
Une famille libre qui ne peut pas engendrer R4\mathbb{R}^4

Une base de $$\mathbb{R}^4$$

Explication

Toute famille orthonormée de Rn\mathbb{R}^n est une base de cet espace; les quatre vecteurs forment donc une base de R4\mathbb{R}^4. Une famille orthogonale non normalisée n’est pas la même hypothèse, et une base de R4\mathbb{R}^4 comporte quatre vecteurs.

8. Dans une base orthonormée, les coordonnées de uu sont X=(1,−2,2)X=(1,-2,2) et celles de vv sont Y=(3,1,−1)Y=(3,1,-1). Quel est le couple formé du produit scalaire u⋅vu\cdot v et de la norme au carré ∥u∥2\|u\|^2 ?

(−1,3)(-1,3)
(−1,9)(-1,9)
(9,−1)(9,-1)
(2,9)(2,9)

$$(-1,9)$$

Explication

Le produit scalaire vaut 1×3+(−2)×1+2×(−1)=−11\times3+(-2)\times1+2\times(-1)=-1, et la norme au carré de uu vaut 12+(−2)2+22=91^2+(-2)^2+2^2=9. La racine donnerait la norme, tandis que la norme au carré de vv vaut 1111.

9. Dans R3\mathbb{R}^3, soit AA le sous-espace engendré par a=(1,1,0)a=(1,1,0). Quelle condition caractérise un vecteur u=(x,y,z)u=(x,y,z) appartenant à A⊥A^\perp ?

x−y=0x-y=0
x+y+z=0x+y+z=0
x+y=0x+y=0
x=0x=0

$$x+y=0$$

Explication

Un vecteur de A⊥A^\perp doit être orthogonal à chaque vecteur de AA; comme AA est engendré par (1,1,0)(1,1,0), il suffit que u⋅(1,1,0)=x+y=0u\cdot(1,1,0)=x+y=0. La condition x−y=0x-y=0 correspond à l’orthogonalité à (1,−1,0)(1,-1,0), tandis que les autres conditions ne traduisent pas l’orthogonalité au générateur donné.

10. Dans R3\mathbb{R}^3, un sous-espace AA est un plan passant par l’origine. Quelle relation décrit l’orthogonal de son orthogonal, et quelle somme obtient-on avec son orthogonal ?

(A⊥)⊥={0}(A^\perp)^\perp=\{0\} et A+A⊥=R3A+A^\perp=\mathbb{R}^3
(A⊥)⊥=R3(A^\perp)^\perp=\mathbb{R}^3 et A+A⊥=A⊥A+A^\perp=A^\perp
(A⊥)⊥=A⊥(A^\perp)^\perp=A^\perp et A+A⊥=AA+A^\perp=A
(A⊥)⊥=A(A^\perp)^\perp=A et A+A⊥=R3A+A^\perp=\mathbb{R}^3

$$(A^\perp)^\perp=A$$ et $$A+A^\perp=\mathbb{R}^3$$

Explication

Dans un espace euclidien de dimension finie, le double orthogonal d’un sous-espace est ce sous-espace, et celui-ci ajouté à son orthogonal engendre tout l’espace. Prendre A⊥A^\perp pour le double orthogonal confond les deux espaces, tandis que les réponses avec R3\mathbb{R}^3 ou {0}\{0\} comme double orthogonal ne respectent pas cette propriété.

11. Un vecteur u∈Rnu\in\mathbb{R}^n est décomposé en une partie appartenant à un sous-espace AA et une partie appartenant à A⊥A^\perp. Que peut-on affirmer de cette décomposition ?

Elle s’écrit comme différence de deux vecteurs de A.
Elle existe, mais elle peut avoir plusieurs choix.
La composante de A appartient à A⊥A^\perp.
Elle existe et elle est unique.

Elle existe et elle est unique.

Explication

Tout vecteur de Rn\mathbb{R}^n s’écrit de manière unique comme somme d’un vecteur de AA et d’un vecteur de A⊥A^\perp. L’absence d’unicité contredit le théorème de décomposition, et les autres réponses attribuent incorrectement les composantes ou la forme de la décomposition.

12. Pour projeter orthogonalement un vecteur uu sur un sous-espace AA, quel rôle joue p(u)p(u) dans la décomposition de uu ?

p(u)∈Ap(u)\in A et u−p(u)∈A⊥u-p(u)\in A^\perp
p(u)=up(u)=u et u−p(u)∈A⊥u-p(u)\in A^\perp
p(u)∈Ap(u)\in A et u−p(u)∈Au-p(u)\in A
p(u)∈A⊥p(u)\in A^\perp et u−p(u)∈Au-p(u)\in A

$$p(u)\in A$$ et $$u-p(u)\in A^\perp$$

Explication

La projection est la composante dans AA de la décomposition, tandis que le résidu u−p(u)u-p(u) appartient à A⊥A^\perp. Intervertir ces espaces ou placer le résidu dans AA méconnaît la décomposition orthogonale; prendre systématiquement p(u)=up(u)=u confond le vecteur et sa composante projetée.

13. Un vecteur uu est projeté orthogonalement sur un sous-espace AA. Parmi les vecteurs de AA, lequel est p(u)p(u) ?

L’unique vecteur qui minimise la distance à uu.
Un vecteur de AA qui réalise une distance minimale, même s’il y en a plusieurs.
Un vecteur de AA qui maximise la distance à uu.
Le vecteur de AA dont la norme est minimale.

L’unique vecteur qui minimise la distance à $$u$$.

Explication

La projection orthogonale est l’unique vecteur de AA minimisant la distance à uu. Un minimiseur non unique contredit cette caractérisation, la maximisation inverse le critère, et minimiser la norme ne correspond pas à minimiser la distance à uu.

14. Dans R3\mathbb{R}^3, une base orthonormée de AA est (e1,e2) (e_1,e_2) . Pour un vecteur uu tel que u⋅e1=2u\cdot e_1=2 et u⋅e2=−1u\cdot e_2=-1, quelle est sa projection sur AA ?

2e1−e22e_1-e_2
−e1+2e2-e_1+2e_2
2e1+e22e_1+e_2
2e1−e2+u2e_1-e_2+u

$$2e_1-e_2$$

Explication

Dans une base orthonormée de AA, la projection est la somme des composantes de uu selon chaque vecteur de base, multipliées par ces vecteurs. Omettre la composante selon e2e_2 néglige un terme, permuter les coefficients les attribue aux mauvais vecteurs, et ajouter uu ne correspond pas à la formule de projection.

15. Un endomorphisme ff vérifie f∘f=ff\circ f=f et ker⁡(f)=(Im⁡(f))⊥\ker(f)=(\operatorname{Im}(f))^\perp. Quelle interprétation peut-on en déduire ?

ff est la projection orthogonale sur ker⁡(f)\ker(f)
ff est une réflexion orthogonale par rapport à Im⁡(f)\operatorname{Im}(f)
ff est la projection orthogonale sur Im⁡(f)\operatorname{Im}(f)
ff est une projection sur Im⁡(f)\operatorname{Im}(f) sans garantie d’orthogonalité

$$f$$ est la projection orthogonale sur $$\operatorname{Im}(f)$$

Explication

L’idempotence, accompagnée de l’égalité du noyau avec l’orthogonal de l’image, caractérise la projection orthogonale sur l’image. Une idempotence seule ne garantit pas l’orthogonalité; une réflexion n’est pas caractérisée par ces conditions, et le sous-espace projeté est l’image, non le noyau.

16. Une matrice de passage PP relie deux bases orthonormées. Quelle relation permet de calculer son inverse ?

P−1=PP^{-1}=P
P−1=InP^{-1}=I_n
P−1=PTP^{-1}=P^T
P−1=−PTP^{-1}=-P^T

$$P^{-1}=P^T$$

Explication

Pour une matrice de passage entre bases orthonormées, PTP=InP^TP=I_n, donc sa transposée est son inverse. L’opposée de la transposée, la matrice elle-même et l’identité ne découlent pas de cette relation.

17. Dans une base orthonormée, la matrice MM représente une projection orthogonale. Quelle propriété doit-elle satisfaire ?

M2=MM^2=M
MT=−MM^T=-M
MT=MM^T=M
MTM=InM^TM=I_n

$$M^T=M$$

Explication

Dans une base orthonormée, la matrice d’une projection orthogonale est réelle et symétrique, donc MT=MM^T=M. L’antisymétrie est une autre propriété, l’orthogonalité concerne les matrices de passage, et l’idempotence seule ne suffit pas à exprimer la symétrie.

18. Une matrice réelle symétrique possède deux vecteurs propres associés à des valeurs propres distinctes. Quelle relation existe entre ces vecteurs ?

Ils sont orthogonaux
Ils sont de même norme
Ils sont proportionnels
Ils sont associés à la même valeur propre

Ils sont orthogonaux

Explication

Pour une matrice réelle symétrique, deux vecteurs propres associés à des valeurs propres distinctes sont orthogonaux. Des valeurs propres distinctes ne rendent pas les vecteurs proportionnels, n’imposent pas leurs normes, et ne peuvent être égales entre elles.

19. Quelle propriété spectrale vaut pour toute matrice réelle symétrique ?

Elle est diagonalisable dans une base qui n’est pas nécessairement orthonormée
Elle est diagonalisable dans une base orthonormée
Elle est diagonalisable quelle que soit sa nature réelle ou complexe
Elle est orthogonale dans une base orthonormée

Elle est diagonalisable dans une base orthonormée

Explication

Le théorème spectral affirme que toute matrice réelle symétrique est diagonalisable dans une base orthonormée. Une base propre quelconque ne garantit pas l’orthonormalité, la symétrie n’est pas l’orthogonalité, et cette conclusion ne concerne pas toute matrice sans hypothèse.

Révisez avec les flashcards

Mémorisez les réponses avec 45 flashcards sur Produit scalaire et projections orthogonales.

Comment calcule-t-on le produit scalaire de deux vecteurs dans la base canonique de Rn\mathbb R^n ?

u⋅v=∑k=1nxkyku\cdot v=\sum_{k=1}^{n}x_ky_k.

Comment exprime-t-on la norme euclidienne d’un vecteur uu à partir de ses coordonnées ?

∥u∥=∑k=1nxk2\|u\|=\sqrt{\sum_{k=1}^{n}x_k^2}.

Quelle condition définit l’orthogonalité de deux vecteurs uu et vv ?

u⋅v=0u\cdot v=0.

Voir les flashcards →

Approfondir avec la fiche

Consultez la fiche de révision complète sur Produit scalaire et projections orthogonales.

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