Ce que tu vas tester : Ce quiz est conçu pour évaluer ta compréhension approfondie de la diagonalisation des matrices et des endomorphismes. Tu seras interrogé sur la définition et le calcul des valeurs propres, la détermination des vecteurs propres associés, la notion d'espace propre, et la condition nécessaire et suffisante pour qu'une matrice ou un endomorphisme soit diagonalisable. La maîtrise de ces concepts est essentielle pour simplifier l'étude des systèmes dynamiques linéaires, des équations différentielles, et pour réduire la complexité des calculs matriciels.
Bienvenue dans ce quiz consacré à la diagonalisation ! La diagonalisation est un outil puissant en algèbre linéaire qui permet de simplifier l'étude des matrices et des transformations linéaires. L'idée principale est de trouver une base de l'espace vectoriel dans laquelle la matrice représentant l'application linéaire est une matrice diagonale. Une matrice diagonale est particulièrement simple à manipuler : ses puissances sont faciles à calculer, et elle révèle des informations fondamentales sur la transformation qu'elle représente.
Pour parvenir à la diagonalisation, deux concepts sont centraux : les valeurs propres et les vecteurs propres.
Une valeur propre $\lambda$ d'une matrice carrée $A$ (ou d'un endomorphisme $f$) est un scalaire tel qu'il existe un vecteur non nul $v$ vérifiant l'équation $Av = \lambda v$. Le vecteur $v$ associé à une valeur propre $\lambda$ est appelé un vecteur propre de $A$ correspondant à $\lambda$. Les vecteurs propres ne peuvent pas être nuls, car si $v=0$, l'équation $A0 = \lambda 0$ serait toujours vraie pour n'importe quel $\lambda$, ce qui n'apporterait aucune information utile.
L'ensemble de tous les vecteurs propres associés à une valeur propre $\lambda$, plus le vecteur nul, forme un sous-espace vectoriel de l'espace de départ. Ce sous-espace est appelé l'espace propre associé à $\lambda$, noté $E_\lambda(A)$ ou $E_\lambda(f)$. L'espace propre $E_\lambda(A)$ est donc défini comme :
$$ E_\lambda(A) = \{v \in V \mid Av = \lambda v \} $$Pour trouver les valeurs propres d'une matrice $A$, on résout l'équation caractéristique : $\det(A - \lambda I) = 0$, où $I$ est la matrice identité de même taille que $A$, et $\det$ désigne le déterminant. Les solutions de cette équation sont les valeurs propres.
Une fois les valeurs propres trouvées, on cherche les vecteurs propres correspondants en résolvant le système linéaire $(A - \lambda I)v = 0$ pour chaque valeur propre $\lambda$. Les solutions non nulles de ce système forment l'espace propre $E_\lambda(A)$.
Une matrice carrée $A$ (de taille $n \times n$) est dite diagonalisable s'il existe une matrice inversible $P$ et une matrice diagonale $D$ telles que $A = PDP^{-1}$. Ceci est équivalent à dire qu'il existe une base de l'espace vectoriel formée uniquement de vecteurs propres de $A$. Formellement, une matrice $A$ de taille $n \times n$ est diagonalisable si et seulement si la somme des dimensions de ses espaces propres est égale à $n$, c'est-à-dire :
$$ \sum_{\lambda \text{ valeur propre}} \text{dim}(E_\lambda(A)) = n $$Si une matrice est diagonalisable, la matrice diagonale $D$ aura pour éléments sur sa diagonale les valeurs propres de $A$, et la matrice $P$ aura pour colonnes une base de vecteurs propres correspondants.
Ce quiz te permettra de tester tes connaissances sur ces concepts essentiels. Prépare-toi à plonger dans le calcul des valeurs propres, des vecteurs propres et à déterminer si une matrice est diagonalisable !
Question 1 : Qu'est-ce qu'une valeur propre $\lambda$ d'une matrice carrée $A$ ?
Réponse : C. La définition d'une valeur propre est un scalaire $\lambda$ pour lequel il existe un vecteur non nul $v$ (le vecteur propre) tel que $Av = \lambda v$. L'option B décrit un vecteur propre. L'option A décrit le cas où $A$ est la matrice nulle. L'option D est la formule du déterminant.
Question 2 : Qu'est-ce qu'un vecteur propre $v$ associé à une valeur propre $\lambda$ d'une matrice $A$ ?
Réponse : A. Un vecteur propre est par définition un vecteur non nul associé à une valeur propre, satisfaisant l'équation $Av = \lambda v$. L'option B décrit une valeur propre. L'option C décrit un vecteur du noyau (si $\lambda=0$). L'option D est trop générale.
Question 3 : Comment trouve-t-on les valeurs propres d'une matrice $A$ ?
Réponse : B. Les valeurs propres sont les racines du polynôme caractéristique $\det(A - \lambda I)$. L'option A permet de trouver le noyau (pour $\lambda=0$). L'option C n'est pas la méthode directe. L'option D concerne l'inversibilité, liée à la valeur propre 0.
Question 4 : L'ensemble de tous les vecteurs propres associés à une valeur propre $\lambda$, plus le vecteur nul, forme :
Réponse : D. L'ensemble des vecteurs propres associés à une valeur propre $\lambda$, complété par le vecteur nul, forme un sous-espace vectoriel de $V$ appelé espace propre $E_\lambda(A)$. Sa dimension peut être supérieure à 1.
Question 5 : Soit la matrice $A = \begin{pmatrix} 2 & 0 \\ 0 & 3 \end{pmatrix}$. Quelles sont ses valeurs propres ?
Réponse : A. Pour une matrice diagonale, les valeurs propres sont les éléments de la diagonale. L'équation caractéristique est $\det(A - \lambda I) = \det \begin{pmatrix} 2-\lambda & 0 \\ 0 & 3-\lambda \end{pmatrix} = (2-\lambda)(3-\lambda) = 0$. Les solutions sont $\lambda=2$ et $\lambda=3$.
Question 6 : Soit la matrice $A = \begin{pmatrix} 1 & 1 \\ 0 & 1 \end{pmatrix}$. Quelle est la valeur propre de $A$ et quelle est la dimension de son espace propre associé ?
Réponse : C. L'équation caractéristique est $\det(A - \lambda I) = \det \begin{pmatrix} 1-\lambda & 1 \\ 0 & 1-\lambda \end{pmatrix} = (1-\lambda)^2 = 0$. La seule valeur propre est $\lambda=1$ (avec multiplicité 2). Pour trouver l'espace propre $E_1(A)$, on résout $(A-I)v=0$: $\begin{pmatrix} 0 & 1 \\ 0 & 0 \end{pmatrix} \begin{pmatrix} x \\ y \end{pmatrix} = \begin{pmatrix} 0 \\ 0 \end{pmatrix}$. Cela donne $0x+1y=0$, donc $y=0$. Les vecteurs sont de la forme $(x, 0)$. L'espace propre est $\text{Vect}((1,0))$, de dimension 1.
Question 7 : Une matrice carrée $A$ de taille $n \times n$ est diagonalisable si et seulement si :
Réponse : A. C'est la condition nécessaire et suffisante pour qu'une matrice soit diagonalisable : la somme des dimensions de ses espaces propres doit être égale à sa taille $n$. L'option B est une condition suffisante mais pas nécessaire (une matrice peut avoir des valeurs propres répétées et être diagonalisable). Les options C et D sont liées à la valeur propre 0 et ne garantissent pas la diagonalisation.
Question 8 : Si une matrice $A$ de taille $n \times n$ a $n$ valeurs propres distinctes, est-elle diagonalisable ?
Réponse : B. Si une matrice a $n$ valeurs propres distinctes, alors elle possède $n$ vecteurs propres linéairement indépendants. Ces vecteurs forment une base de l'espace vectoriel, donc la matrice est diagonalisable. La dimension de chaque espace propre est alors 1.
Question 9 : Soit $A$ une matrice $n \times n$ diagonalisable. Si $P$ est la matrice dont les colonnes forment une base de vecteurs propres de $A$, et $D$ est la matrice diagonale correspondante, quelle relation lie $A, P, D$ ?
Réponse : C. La relation de changement de base pour la diagonalisation est $A = PDP^{-1}$, où $D$ est la matrice diagonale des valeurs propres et $P$ est la matrice dont les colonnes sont les vecteurs propres correspondants. $P$ est inversible car ses colonnes sont linéairement indépendantes.
Question 10 : Soit $A = \begin{pmatrix} 1 & 2 \\ 2 & 1 \end{pmatrix}$. Calculer ses valeurs propres.
Réponse : B. L'équation caractéristique est $\det(A - \lambda I) = \det \begin{pmatrix} 1-\lambda & 2 \\ 2 & 1-\lambda \end{pmatrix} = (1-\lambda)^2 - 2^2 = (1-\lambda)^2 - 4 = 0$. Cela donne $1-\lambda = \pm 2$. Si $1-\lambda = 2$, alors $\lambda = -1$. Si $1-\lambda = -2$, alors $\lambda = 3$. Les valeurs propres sont donc 3 et -1.
Question 11 : Une matrice $A$ est diagonalisable si et seulement si :
Réponse : D. C'est la condition fondamentale de diagonalisation. L'option A n'est qu'une condition nécessaire si on travaille dans les réels et si on veut une matrice $P$ réelle. L'option B est vraie mais pas suffisante. L'option C est une conséquence de la diagonalisation, mais pas la condition de départ.
Question 12 : Soit $A = \begin{pmatrix} 3 & 0 \\ 0 & 3 \end{pmatrix}$. Est-elle diagonalisable ? Si oui, quelle est la matrice $D$ ?
Réponse : B. La seule valeur propre est $\lambda=3$. L'équation $(A-3I)v=0$ donne $\begin{pmatrix} 0 & 0 \\ 0 & 0 \end{pmatrix}v=0$, ce qui est vrai pour tout $v \in \mathbb{R}^2$. L'espace propre $E_3(A)$ est $\mathbb{R}^2$ tout entier, de dimension 2. Puisque la dimension de l'espace propre est égale à la taille de la matrice (2), la matrice est diagonalisable. La matrice $D$ est la matrice diagonale des valeurs propres, donc $D = \begin{pmatrix} 3 & 0 \\ 0 & 3 \end{pmatrix}$.
Question 13 : Soit $f$ un endomorphisme d'un espace vectoriel $V$ de dimension $n$. Si $f$ est diagonalisable, alors :
Réponse : C. La définition de la diagonalisabilité d'un endomorphisme est l'existence d'une base de $V$ dans laquelle sa matrice est diagonale. Cette base est nécessairement une base de vecteurs propres. L'injectivité ou surjectivité dépend des valeurs propres (notamment si 0 est une valeur propre). La matrice n'est diagonale que dans la base de vecteurs propres.
Comment ORBITECH Peut T'aider
ORBITECH AI Academy met à ta disposition des outils concrets pour réviser plus efficacement et progresser à ton rythme.
- Générateur de Quiz : crée des quiz personnalisés pour tester tes connaissances et identifier tes lacunes.
- Générateur d'Exercices : crée des exercices d'entraînement adaptés à ton niveau avec corrections détaillées.
- Calculatrice Scientifique : effectue des calculs avancés avec historique et graphiques de fonctions.
- Générateur de Résumés : transforme tes cours en fiches de révision claires et structurées.
Tous ces outils sont disponibles sur ta plateforme ORBITECH. Connecte-toi et explore ceux qui correspondent le mieux à tes besoins !
Commencer gratuitement