Scribd Logo
Importer

Bienvenue sur Scribd !

  • 3 vues

    TDALA01

    Transféré par

    Valentine Soly

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    TDALA01

    Transféré par

    Valentine Soly
    3 vues3 pages

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    3 vues3 pages

    TDALA01

    Transféré par

    Valentine Soly

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 3

    Feuille d’exercices 1 : Rappels d’algèbre linéaire

    Algèbre linéaire et applications aux sciences des données, DL2 IASO

    Septembre 2024

    Exercice 1.1: Un espace vectoriel


    On note F(R, R) l’ensemble des fonctions de la variable réelle à valeurs dans R.

    a) Montrer que F(R, R) muni de l’addition usuelle est un R-espace vectoriel.

    b) Avec la même loi, est-ce un C-espace vectoriel ? Est-ce un Q-espace vectoriel ?

    Exercice 1.2: Sous-espace vectoriel


    On considère l’ensemble des imaginaires purs, noté

    iR := {yi |y ∈ R} .

    a) Montrer que iR est un sous-espace vectoriel de C en tant que R-espace vectoriel.

    b) Justifier que ce n’est pas un sous-espace vectoriel de C en tant que C-espace vectoriel.

    Exercice 1.3: Application moyenne


    Soit l’application
    f: R3 −→ R
    x1
    x2  7−→ 1 (x1 + x2 + x3 )
    3
    x3

    a) Montrer que f est une application linéaire.

    b) Déterminer le noyau de f et son image.


    2 Tuto 01 ALA - 2024/2025

    c) Reprendre les questions a) et b) pour l’application

    g : R3 −→ R3 
    x1 x1 + x2 + x3
    x2  7−→ 1 x1 + x2 + x3  .
    3
    x3 x1 + x2 + x3

    d) Calculer les représentations matricielles de f et g dans les bases canoniques des espaces considérés.

    Exercice 1.4: Matrices Toeplitz


    On considère l’ensemble des matrices Toeplitz de R3×3 , défini par
       
     t1 t2 t3 
    T := T = t4 t1 t2  , (t1 , t2 , t3 , t4 , t5 ) ∈ R5 .
    t5 t4 t1
     

    Ces matrices sont notamment utilisées pour définir les couches de certains réseaux de neurones
    (CNNs, ou convolutional neural networks).

    a) Montrer que l’ensemble T est un sous-espace vectoriel de R3×3 .

    b) Soit une matrice T ∈ T . Quelle application linéaire représente-t-elle dans la base canonique de
    R3 ?

    c) On considère maintenant le sous-ensemble de T donné par


       
     c1 c2 c3 
    C := C = c3 c1 c2  , (c1 , c2 , c3 ) ∈ R3 .
    c2 c3 c1
     

    (i) Justifier que l’ensemble C est un R-espace vectoriel.


    (ii) Montrer que l’application

    f : R3 −→  C 
    c1 c1 c2 c3
    c2  7−→ c3 c1 c2 
    c3 c2 c3 c1

    est une application linéaire bijective.


    Tuto 01 ALA - 2024/2025 3

    Exercice 1.5: Centrage de données


    On considère une matrice X = [xij ] ∈ Rm×n représentant des données. On suppose que chaque
    ligne de X contient des données propres à une personne et que chaque colonne représente un attribut
    particulier (par exemple des notes d’étudiant(e)s pour une UE). Pour chaque colonne j ∈ {1, . . . , m},
    on définit alors la moyenne de X sur l’attribut j, comme la quantité
    m
    1 X
    µj (X) := xij .
    m
    i=1

    Le vecteur moyen associé à X est alors le vecteur µ(X) := [µj (X)]nj=1 ∈ Rn . On dit que l’on
    effectue un centrage des données lorsque l’on passe de la matrice X à la matrice
     
    x11 − µ1 (X) · · · x1n − µn (X)
     x21 − µ1 (X) · · · x2n − µn (X) 
    X :=  .
     
    .. .. ..
     . . . 
    xn1 − µ1 (X) · · · xnn − µn (X)

    a) Montrer que l’application X 7→ X est une application linéaire de Rm×n dans Rm×n .

    b) Montrer que µ(X) = 0.


     
    12 15 17
    c) Application : On considère la matrice de données X = 12 13 15 .
    12 11 13

    i) Calculer le vecteur moyen µ(X) et la version centrée de cette matrice X.


    ii) En utilisant ces quantités, justifier que le premier attribut du jeu de données n’est pas dis-
    criminant entre les différentes personnes.
    iii) En utilisant ces quantités, justifier que le seconde personne du jeu de données est représentative
    de la moyenne.

    Vous aimerez peut-être aussi