Chapitre 0 : Géométrie vectorielle

Question: Qu’est-ce que l’algèbre linéaire?

1 Introduction et rappels
Question: À quoi sert les vecteurs?
Définition 1.1. Dans R2 (le plan carteésien) ou dans R3 (l’espace 3-dimensionnel)
un vesteur u est géométriquement représenté pas une flêche dont on précise
l’orientation (ou direction ou sens) et la longueur (ou magnitude ou norme).
Donc tout vecteur parallèle à u avec la même orientation et la même longueur
n’est autre que u.
Image :

Analytiquement, un vecteur est donné par un système de coordonnées

(ou composantes).
2
— Dans R√ , un vecteur est donné par u = (a, b), où a, b ∈ R avec norme
∥u∥ = a2 + b2 .
— Dans R3 , un vecteur
√ est donné par u = (a, b, c), où a, b, c ∈ R avec
norme ∥u∥ = a + b2 + c2 .
2

Remarque 1.1. Dans

— R2 = {P = (x, y)| x, y ∈ R}, ou
— R3 = {P = (x, y, z)| x, y, z ∈ R},
On identifie le point P avec le vecteur dont les composantes sont les coor-
données de P ; c’est la flêche avec queue à l’origine et tête le point P .

1
Définition 1.2 (Généralisation). On définit Rn , n ≥ 2, étant l’ensemble des
vecteurs avec n composantes, soit

Rn = {(x1 , x2 , x3 , · · · , xn )| x1 , · · · , xn ∈ R} .

(Ici les composantes sont x1 , x2 , · · ·p, xn .) La norme (ou longueur) du vecteur

u = (u1 , u2 , u3 , · · · , un ) est ∥u∥ = u21 + u22 + u23 + · · · + u2n

Remarques 1.1. 1. Il y a une notation matricielle des vecteurs donnée

par  
x1
ou  x2  ou
 
(x1 , x2 , x3 , · · · , xn ) =  ..  = [x1 , x2 , · · · , xn ]T .
.
xn
Ici T dénote la transposée (détails à venir).
2. Notez qu’on peut interpréter la norme d’un vecteur u = (u1 , u2 , · · · , un )
comme étant la distance du point P = (u1 , u2 , · · · , un ) par rapport à
l’origine.

2 Algèbre des vecteurs

Définition 2.1. Soient u = (u1 , u2 , · · · , un ), v = (v1 , v2 , · · · , vn ) ∈ Rn , n ≥
2. Alors
1. Égalité : u = v ⇔ u1 = v1 , u2 = v2 , · · · , un = vn .

2. Addition : u + v = (u1 + v1 , u2 + v2 , · · · , un + vn ).

3. Multiple scalaire : pour r ∈ R on a r · u = (ru1 , ru2 , · · · , run ).

→
−
4. Vecteur nul : 0 = (0, 0, · · · , 0).

5. Opposé : (ou inverse additif) : noté −u = (−u1 , −u2 , · · · , −un ).

→
−
Notez que u + (−u) = 0 .

2
Proposition 2.1. Soient u, v, w ∈ Rn et r, s ∈ R. Alors on a :
→
−
1. u + 0 =

2. u + v =

3. (u + v) + w = u + (v + w)

4. r · (u + v) =

5. (r + s) · u =

6. r · (s · u) =

7. 1 · u =

3
3 produit scalaire et projection orthogonale
3.1 Produit scalaire
Définition 3.1. Soient u = (u1 , u2 , · · · , un ), v = (v1 , v2 , · · · , vn ) ∈ Rn , n ≥
2. On définit le produit scalaire de u et v, noté u · v, étant le réèl

u · v = u1 v1 + u2 v2 + · · · + un vn .

4
Proposition 3.1. Soient u, v, w ∈ Rn et r ∈ R. Alors
1. u · v = v · u .
2. r · (u · v) =
3. u · (v + w) =
4. u · u =
→
−
5. u = 0 ⇔ u · u = 0 ⇔ ∥u∥ = 0 .

Exemples 3.1. 1. (1, 2, 3) · (−3, 2, −1) =

2. (1, 0, 0, 1) · (0, 0, 0, 0) =

3. (1, 2, 0, −1) · (4, 0, 5, 4) =

3.2 Angle entre deux vecteurs et orthogonalité

Définition 3.2. Soient u, v ∈ Rn .
1. L’angle entre u et v est l’angle (aigue) unique θ ∈ [0, π] tel que

u · v = ∥u∥∥v∥ cos θ .

2. u et v sont orthogonaux (ou perpendiculaires), noté u ⊥ v, si θ = π/2 .

Remarques 3.1. 1. Si u et v sont non-nuls, alors on peut trouver l’angle

θ en utilisant
u·v
cos θ = .
∥u∥∥v∥
2. Le vecteur nul est orthogonal à tous les vecteurs car

5
Exemple 3.1. Soient u = (1, 0, −1) et v = (0, 1, 1). Trouvez l’angle entre u
et v.

Remarque 3.1. — Si θ = 0, alors u et v sont parallèles avec le même

sens.
— Si θ = π, alors u et v sont parallèles avec sens opposé.
— Dans les deux cas, on dit que u et v sont colinéaires et on a u = kv
pour un certain scalaire k ∈ R.

6
3.3 Projection orthogonale
Définition 3.3. Soit u ∈ Rn un vecteur non-nul et soit v ∈ R un vecteur
quelconque. On définit la projection orthogonale de v sur u, notée proju (v),
étant le vecteur
u·v u·v
proju (v) = ·u= · u.
u·u ∥u∥2
Proposition 3.2. i. proju (v) est colinéaire à u.
ii. v − proju (v) est orthogonal à u.
iii. On a la décomposition orthogonale de v suivante

v = (v − proju (v)) + proju (v) .

Exemple 3.2. Trouvez la décomposition orthogonale de v = (1, 1, −1) sur

u = (1, 2, 3) .

7
4 Droites et plans dans Rn
4.1 Droites
Question: Qu’elle est l’équation cartésienne une droite dans le plan xy?

Dans R2 ou R3 , une droite est donnée par deux points A et B. Un vecteur

−→
directeur est alors AB. L’équation paramétrique vectorielle de cette droite
est donnée par
→
− −→
x = A + tAB, t ∈ R .
−→
1. Dans R2 , si A = (a1 , a2 ), B = (b1 , b2 ), alors AB = (b1 − a1 , b2 − a2 ) et
on a léquation paramétrique vectorielle
     
→
− x a1 b1 − a1
x = = +t , t ∈ R.
y a2 b2 − a2

−→
2. Dans R3 , si A = (a1 , a2 , a3 ), B = (b1 , b2 , b3 ), alors AB = (b1 − a1 , b2 −
a2 , b3 − a3 ) et on a léquation paramétrique vectorielle
     
x a1 b 1 − a1
→
−
x = y  = a2  + t b2 − a2  , t ∈ R .
z a3 b 3 − a3

8
Définition 4.1. Dans Rn , n ∈ N, n ≥ 2, une droite est aussi donnée par
deux points A = (a1 , a2 , · · · , an ) et B = (b1 , b2 , · · · , bn )). Dans ce cas, le
−→
vecteur directeur est AB = (b1 − a1 , b2 − a2 , · · · , bn − an ) et l’équation pa-
ramétrique      
x1 a1 b1 − a1
 x 2   a2   b2 − a2 
→
−
x =  ..  =  ..  + t  ..  , t ∈ R .
     
. .  . 
xn an bn − an

Exemple 4.1. de R4 passant par les points A = (1, 0, 2, 0) et B = (−1, 2, 0, −2)

est donnée par

9
Remarque 4.1. Seulement dans R2 , il y a la notion d’équation cartésienne
d’une droite ax + by = c, a, b, c ∈ R .

4.2 Plans
• Dans R2 le seul plan est le plan xy !
• Dans R3 , étant donné deux vecteurs non colinéaires u = (u1 , u2 , u3 ) et
v = (v1 , v2 , v3 ) et un point A = (a1 , a2 , a3 ) (ou bien trois points distincts
−→ −→
et pas sur la même droite A, B et C ⇒ AB = u, AC = v, par exemple),
l’équation paramétrique vectorielle du plan engendré par u et v et passant
par le point A est
     
a1 u1 v1
→
−x = A + su + tv = a2  + s u2  + t v2  , s, t ∈ R .
a3 u3 v3

Remarque 4.2. Seulement dans R3 , il y a la notion d’équation cartésienne

d’un plan ax + by + cz = d, a, b, c, d ∈ R . En fait, le vecteur normal à ce
−→ −→
plan est n = (a, b, c) = AB × AC dans la notation précédente, où × dénote
le produit vectoriel dans R3 .
N.B. : Si u = (u1 , u2 , u3 ), v = (v1 , v2 , v3 ) ∈ R3 , alors

⃗i ⃗j ⃗k
u × v = u1 u2 u3 = (u2 v3 − u3 v2 , u3 v1 − u1 v3 , u1 v2 − u2 v1 ) .
v1 v2 v3

Exemple 4.2. Trouvez l’équation paramétrique vectorielle du plan passant

les points A = (1, −1, 0) et B = (0, 1, −1) et parallèle à l’axe des z.

10
Définition 4.2. Soient les deux vecteurs non colinéaires u = (u1 , u2 , · · · , un )
et v = (v1 , v2 , · · · , vn ) et le point A = (a1 , a2 , · · · , an ) de Rn (ou bien trois
−→ −→
points distincts et pas sur la même droite A, B et C ⇒ AB = u, AC = v,
par exemple), l’équation paramétrique vectorielle du plan engendré par u et
v et passant par le point A est
     
a1 u1 v1
 a2   u2   v2 
→
−x = A + su + tv =  ..  + s  ..  + t  ..  , s, t ∈ R .
     
. . .
an un vn

Exemple 4.3. Le plan de R4 passant par les points A = (1, 0, 2, 0), B =

(−1, 2, 0, −2) et C = (0, 1, 0, 1) est donnée par

Quiz : Testons ce qu’on a appris.

1. Question 1.
2. Question 2.

11
4.3 Applications
1. Distance d’un point par rapport à un plan dans R3 :
Soit le plan avec équation ax + by + cz = d et soit le point P =
(x0 , y0 , z0 ). Alors le vecteur n = (a, b, c) est normal à ce plan. Pour
trouver la distance d du point P par rapport au plan, on trouve un
−→
point (quelconque) A du plan, puis on calcul le vecteur P A = A − P .
La distance est alors
−→
d = ∥projn (P A)∥

2. Distance d’un point par rapport à une droite dans R2 ou dans R3 :

Si P est le point en question, on trouve un point A (quelconque) de
−→
la droite, puis on calcul le vecteur P A = A − P . Si u est le vecteur
directeur de la droite, alors la distance d est
−→ −→
d = ∥P A − proju (P A)∥ .

12
Exercice 4.1. Trouvez la distance du point P = (1, 2, 3) au plan d’équation
x − y = 1.

Exercice 4.2. Trouvez la distance du point P = (1, 2, 3) à la droite d’équations

paramétriques x = t, y = 1 − t, z = 0, t ∈ R .

13
5 Enveloppe linéaire
Définition 5.1. • Étant donnés des vecteurs u1 , . . . , up de Rn et des scalaires
a1 , . . . , ap , on appelle combinaison linéaire de u1 , . . . , up de poids a1 , . . . , ap
le vecteur u défini par : u = a1 u1 + . . . + a2 up .

• On note par Vect{u1 , . . . , up } l’ensemble de toutes les combinaisons

linéaires possibles en u1 , . . . , up de poids arbitraire, dite l’enveloppe linéaire
engendrée par u1 , . . . , up , donc
Vect{u1 , . . . , up } = {a1 u1 + . . . + ap up | a1 , . . . , ap ∈ R arbitraires}.

(Dans certain documents Vect {u1 , . . . , up } = L {u1 , . . . , up } = Span {u1 , . . . , up }).

Exemple 5.1. Soient u, v, w ∈ R4 .

a) Donnez 4 vecteurs de Vect{u, v, w}.
b) Combien de vecteur il y en a dans {u, v, w} ?
c) Combien de vecteur il y en a dans Vect{u, v, w} ?

14
 Quiz : Testons ce qu’on a appris.
1. Question 1.
2. Question 2.
3. Question 3.
Interprétation géométrique de Vect {u} et de Vect {u, v}

• Soit u un vecteur non nul de Rn . Alors Vect {u} est la droite qui passe
par l’origine et le point correspondant à u. Notez que dans ce cas Vect {u}
est l’ensemble de tous les multiples de u.

• Si maintenant v et un autre vecteur non nul de Rn et qui n’est pas un

multiple de u (donc u et v ne sont pas colinéaires), Vect {u, v} est le plan qui
contient l’origine et les points correspondants à u et v.
Remarque 5.1. Étant donnés des vecteurs u1 , . . . , up de Rn , alors Vect{u1 , . . . , up }
→
−
1. 0 ∈ Vect{u1 , . . . , up }.

2. Vect{u1 , . . . , up } est fermé pour l’addition.

15
 3. Vect{u1 , . . . , up } est fermé pour la multiplication par scalaires.

Question : Y-a-t-il d’autres ensembles avec ces propriétés ?

Quiz : Testons ce qu’on a appris.

1. Question 1.
2. Question 2.

16
17