MathQuest

Vecteurs — bases

⏱ ~12 min·+30 XP
💡

Pourquoi apprendre ça ?

Les vecteurs permettent de représenter des déplacements, des forces, des vitesses — n'importe quelle grandeur qui a à la fois une intensité et une direction. En physique, la force gravitationnelle est un vecteur. En machine learning, chaque donnée est un vecteur dans un espace de grande dimension. Maîtriser les vecteurs, c'est maîtriser le langage commun des mathématiques appliquées.

🎯

Analogie

Un vecteur, c'est comme un itinéraire GPS : il ne dit pas où tu es, il dit de combien et dans quelle direction tu dois bouger. Deux itinéraires identiques (même distance, même direction) sont le même vecteur, peu importe le point de départ. Additionner deux vecteurs revient à enchaîner deux trajets l'un après l'autre.

Définition et notation

📐

Théorie

Un vecteur dans R2\mathbb{R}^2 est un couple ordonné de nombres réels : v=(vxvy)\vec{v} = \begin{pmatrix} v_x \\ v_y \end{pmatrix}

Dans R3\mathbb{R}^3 : v=(vxvyvz)\vec{v} = \begin{pmatrix} v_x \\ v_y \\ v_z \end{pmatrix}.

Vecteur nul : 0=(00)\vec{0} = \begin{pmatrix} 0 \\ 0 \end{pmatrix} — le seul vecteur sans direction définie.

Vecteur entre deux points : Si A=(xA,yA)A = (x_A, y_A) et B=(xB,yB)B = (x_B, y_B), alors : AB=(xBxAyByA)\overrightarrow{AB} = \begin{pmatrix} x_B - x_A \\ y_B - y_A \end{pmatrix}

Norme (longueur) d'un vecteur : v=vx2+vy2(dans R2),v=vx2+vy2+vz2(dans R3)\|\vec{v}\| = \sqrt{v_x^2 + v_y^2} \quad \text{(dans } \mathbb{R}^2\text{)}, \qquad \|\vec{v}\| = \sqrt{v_x^2 + v_y^2 + v_z^2} \quad \text{(dans } \mathbb{R}^3\text{)}

Vecteur unitaire : vecteur de norme 1. On normalise v\vec{v} par : v^=vv,v0\hat{v} = \frac{\vec{v}}{\|\vec{v}\|}, \quad \|\vec{v}\| \neq 0

Opérations fondamentales

📐

Théorie

Addition de vecteurs : composante par composante u+v=(ux+vxuy+vy)\vec{u} + \vec{v} = \begin{pmatrix} u_x + v_x \\ u_y + v_y \end{pmatrix}

Propriétés : commutativité (u+v=v+u\vec{u} + \vec{v} = \vec{v} + \vec{u}), associativité, élément neutre 0\vec{0}.

Multiplication par un scalaire kRk \in \mathbb{R} : kv=(kvxkvy)k\,\vec{v} = \begin{pmatrix} k\,v_x \\ k\,v_y \end{pmatrix}

Si k>0k > 0 : même direction. Si k<0k < 0 : direction opposée. Si k=0k = 0 : vecteur nul.

Soustraction : uv=u+(1)v=(uxvxuyvy)\vec{u} - \vec{v} = \vec{u} + (-1)\,\vec{v} = \begin{pmatrix} u_x - v_x \\ u_y - v_y \end{pmatrix}

Combinaison linéaire : αu+βv\alpha\,\vec{u} + \beta\,\vec{v} avec α,βR\alpha, \beta \in \mathbb{R}.

📝

Calcul avec des vecteurs dans ℝ²

Soit u=(31)\vec{u} = \begin{pmatrix} 3 \\ -1 \end{pmatrix} et v=(14)\vec{v} = \begin{pmatrix} -1 \\ 4 \end{pmatrix}.

Addition : u+v=(3+(1)1+4)=(23)\vec{u} + \vec{v} = \begin{pmatrix} 3 + (-1) \\ -1 + 4 \end{pmatrix} = \begin{pmatrix} 2 \\ 3 \end{pmatrix}

Multiplication scalaire : 2u=(62),v=(14)2\vec{u} = \begin{pmatrix} 6 \\ -2 \end{pmatrix}, \qquad -\vec{v} = \begin{pmatrix} 1 \\ -4 \end{pmatrix}

Norme de u\vec{u} : u=32+(1)2=9+1=103,16\|\vec{u}\| = \sqrt{3^2 + (-1)^2} = \sqrt{9 + 1} = \sqrt{10} \approx 3{,}16

Vecteur unitaire dans la direction de u\vec{u} : u^=110(31)\hat{u} = \frac{1}{\sqrt{10}}\begin{pmatrix} 3 \\ -1 \end{pmatrix}

Vérification : u^2=910+110=1\|\hat{u}\|^2 = \dfrac{9}{10} + \dfrac{1}{10} = 1

🧩

Checkpoint

Soit u = (2, −3) et v = (−1, 5). Quelle est la norme de u + v ?

Produit scalaire

📐

Théorie

Le produit scalaire de deux vecteurs u\vec{u} et v\vec{v} dans Rn\mathbb{R}^n est le nombre réel : uv=i=1nuivi=uxvx+uyvy(dans R2)\vec{u} \cdot \vec{v} = \sum_{i=1}^n u_i\,v_i = u_x v_x + u_y v_y \quad \text{(dans } \mathbb{R}^2\text{)}

Formule géométrique : uv=uvcosθ\vec{u} \cdot \vec{v} = \|\vec{u}\|\,\|\vec{v}\|\,\cos\theta

θ[0,π]\theta \in [0, \pi] est l'angle entre les deux vecteurs.

Conséquences importantes :

  • Angle entre deux vecteurs : cosθ=uvuv\cos\theta = \frac{\vec{u} \cdot \vec{v}}{\|\vec{u}\|\,\|\vec{v}\|}

  • Vecteurs orthogonaux : uv    uv=0\vec{u} \perp \vec{v} \iff \vec{u} \cdot \vec{v} = 0

  • Norme au carré : v2=vv\|\vec{v}\|^2 = \vec{v} \cdot \vec{v}

Projection orthogonale de u\vec{u} sur la direction de v\vec{v} : projvu=uvv2v\mathrm{proj}_{\vec{v}}\,\vec{u} = \frac{\vec{u} \cdot \vec{v}}{\|\vec{v}\|^2}\,\vec{v}

La longueur de cette projection (composante scalaire) vaut uvv\dfrac{\vec{u} \cdot \vec{v}}{\|\vec{v}\|}.

📝

Angle entre deux vecteurs et projection

Soit u=(12)\vec{u} = \begin{pmatrix} 1 \\ 2 \end{pmatrix} et v=(31)\vec{v} = \begin{pmatrix} 3 \\ 1 \end{pmatrix}.

Produit scalaire : uv=1×3+2×1=5\vec{u} \cdot \vec{v} = 1 \times 3 + 2 \times 1 = 5

Normes : u=5\|\vec{u}\| = \sqrt{5}, v=10\|\vec{v}\| = \sqrt{10}

Angle : cosθ=5510=550=552=12\cos\theta = \frac{5}{\sqrt{5}\cdot\sqrt{10}} = \frac{5}{\sqrt{50}} = \frac{5}{5\sqrt{2}} = \frac{1}{\sqrt{2}} θ=arccos ⁣(12)=45°=π4 rad\theta = \arccos\!\left(\tfrac{1}{\sqrt{2}}\right) = 45° = \frac{\pi}{4} \text{ rad}

Projection de u\vec{u} sur v\vec{v} : projvu=510(31)=(1,50,5)\mathrm{proj}_{\vec{v}}\,\vec{u} = \frac{5}{10}\begin{pmatrix} 3 \\ 1 \end{pmatrix} = \begin{pmatrix} 1{,}5 \\ 0{,}5 \end{pmatrix}

🧩

Checkpoint

Les vecteurs u = (2, 3) et v = (−3, 2) sont-ils orthogonaux ?

Base orthonormée

📐

Théorie

Une base de R2\mathbb{R}^2 est un ensemble de deux vecteurs non colinéaires qui permettent d'exprimer tout vecteur du plan comme combinaison linéaire.

Base canonique de R2\mathbb{R}^2 : e1=(10),e2=(01)\vec{e}_1 = \begin{pmatrix} 1 \\ 0 \end{pmatrix}, \quad \vec{e}_2 = \begin{pmatrix} 0 \\ 1 \end{pmatrix}

Tout vecteur s'écrit : v=vxe1+vye2\vec{v} = v_x\,\vec{e}_1 + v_y\,\vec{e}_2.

Une base est orthonormée (BON) si :

  • Les vecteurs sont orthogonaux deux à deux : eiej=0\vec{e}_i \cdot \vec{e}_j = 0 pour iji \neq j
  • Chaque vecteur est unitaire : ei=1\|\vec{e}_i\| = 1

Ces deux conditions se résument : eiej=δij\vec{e}_i \cdot \vec{e}_j = \delta_{ij} (symbole de Kronecker : 1 si i=ji=j, 0 sinon).

Avantage d'une BON : les coordonnées de v\vec{v} dans la base (e1,e2)(\vec{e}_1, \vec{e}_2) s'obtiennent directement par projection : vi=veiv_i = \vec{v} \cdot \vec{e}_i

⚠️

Le produit scalaire est un scalaire, pas un vecteur

uv\vec{u} \cdot \vec{v} est un nombre réel, pas un vecteur. Ne pas confondre avec le produit vectoriel u×v\vec{u} \times \vec{v} (qui donne un vecteur en R3\mathbb{R}^3) ni avec le produit terme à terme (uxvx,uyvy)(u_x v_x,\, u_y v_y) (sans signification géométrique intrinsèque). De plus, l'inégalité triangulaire stipule u+vu+v\|\vec{u} + \vec{v}\| \leq \|\vec{u}\| + \|\vec{v}\| — les normes ne s'additionnent pas simplement.

Produit vectoriel dans R3\mathbb{R}^3

📐

Théorie

Le produit vectoriel de deux vecteurs u=(ux,uy,uz)\vec{u} = (u_x, u_y, u_z) et v=(vx,vy,vz)\vec{v} = (v_x, v_y, v_z) dans R3\mathbb{R}^3 est le vecteur :

u×v=(uyvzuzvyuzvxuxvzuxvyuyvx)\vec{u} \times \vec{v} = \begin{pmatrix} u_y v_z - u_z v_y \\ u_z v_x - u_x v_z \\ u_x v_y - u_y v_x \end{pmatrix}

Norme du produit vectoriel : u×v=uvsinθ\|\vec{u} \times \vec{v}\| = \|\vec{u}\|\,\|\vec{v}\|\,\sin\theta

θ[0,π]\theta \in [0, \pi] est l'angle entre u\vec{u} et v\vec{v}.

Interprétation géométrique : u×v\|\vec{u} \times \vec{v}\| est l'aire du parallélogramme formé par u\vec{u} et v\vec{v}. L'aire du triangle correspondant vaut 12u×v\dfrac{1}{2}\|\vec{u} \times \vec{v}\|.

Orthogonalité : u×v\vec{u} \times \vec{v} est perpendiculaire à la fois à u\vec{u} et à v\vec{v} : (u×v)u=0et(u×v)v=0(\vec{u} \times \vec{v}) \cdot \vec{u} = 0 \qquad \text{et} \qquad (\vec{u} \times \vec{v}) \cdot \vec{v} = 0

Règle de la main droite : pointer l'index vers u\vec{u}, le majeur vers v\vec{v}, le pouce pointe dans la direction de u×v\vec{u} \times \vec{v}.

Propriétés :

  • Antisymétrie : u×v=v×u\vec{u} \times \vec{v} = -\vec{v} \times \vec{u}
  • Distributivité : u×(v+w)=u×v+u×w\vec{u} \times (\vec{v} + \vec{w}) = \vec{u} \times \vec{v} + \vec{u} \times \vec{w}
  • Vecteurs colinéaires : u×v=0    u\vec{u} \times \vec{v} = \vec{0} \iff \vec{u} et v\vec{v} sont colinéaires (en particulier u×u=0\vec{u} \times \vec{u} = \vec{0})
📝

Produit vectoriel et normale à un plan

Soient u=(120)\vec{u} = \begin{pmatrix} 1 \\ 2 \\ 0 \end{pmatrix} et v=(013)\vec{v} = \begin{pmatrix} 0 \\ 1 \\ 3 \end{pmatrix}.

Calcul du produit vectoriel : u×v=(230100131120)=(631)\vec{u} \times \vec{v} = \begin{pmatrix} 2 \cdot 3 - 0 \cdot 1 \\ 0 \cdot 0 - 1 \cdot 3 \\ 1 \cdot 1 - 2 \cdot 0 \end{pmatrix} = \begin{pmatrix} 6 \\ -3 \\ 1 \end{pmatrix}

Vérification orthogonalité avec u\vec{u} : (6,3,1)(1,2,0)=66+0=0(6, -3, 1) \cdot (1, 2, 0) = 6 - 6 + 0 = 0

Vérification orthogonalité avec v\vec{v} : (6,3,1)(0,1,3)=03+3=0(6, -3, 1) \cdot (0, 1, 3) = 0 - 3 + 3 = 0

Norme = aire du parallélogramme : u×v=36+9+1=46\|\vec{u} \times \vec{v}\| = \sqrt{36 + 9 + 1} = \sqrt{46}

Application — vecteur normal au plan : le vecteur n=(6,3,1)\vec{n} = (6, -3, 1) est normal au plan contenant u\vec{u} et v\vec{v}. Si ce plan passe par l'origine, son équation est 6x3y+z=06x - 3y + z = 0.

Aire du triangle délimité par u\vec{u} et v\vec{v} : 1246\dfrac{1}{2}\sqrt{46}.

🧩

Checkpoint

Quelles sont les coordonnées de \(\vec{u} \times \vec{v}\) avec \(\vec{u} = (1, 0, 0)\) et \(\vec{v} = (0, 1, 0)\) ?

🧩

Checkpoint

Quelle est l'aire du triangle formé par \(\vec{u} = (2, 0, 0)\) et \(\vec{v} = (0, 3, 0)\) ?

À retenir

  • Un vecteur v=(vx,vy)\vec{v} = (v_x, v_y) encode une direction et une intensité ; sa norme est v=vx2+vy2\|\vec{v}\| = \sqrt{v_x^2 + v_y^2}
  • Addition composante par composante ; multiplication scalaire : kv=(kvx,kvy)k\vec{v} = (kv_x, kv_y)
  • Produit scalaire : uv=uxvx+uyvy=uvcosθ\vec{u} \cdot \vec{v} = u_x v_x + u_y v_y = \|\vec{u}\|\|\vec{v}\|\cos\theta — résultat scalaire
  • Orthogonalité : uvuv=0\vec{u} \perp \vec{v} \Leftrightarrow \vec{u} \cdot \vec{v} = 0
  • Produit vectoriel (en R3\mathbb{R}^3) : u×v\vec{u} \times \vec{v} est perpendiculaire à u\vec{u} et v\vec{v}, sa norme est l'aire du parallélogramme
  • Antisymétrie : u×v=v×u\vec{u} \times \vec{v} = -\vec{v} \times \vec{u} — l'ordre compte !
  • Base orthonormée : vecteurs unitaires et mutuellement orthogonaux ; coordonnées obtenues par vi=veiv_i = \vec{v} \cdot \vec{e}_i
Passer aux exercices →