Aller au contenu
Télécharger l'application

Accueil › BCPST › Maths

BCPST2 · Maths · semaine 19

Produit scalaire dans Rn

Produit scalaire usuel sur Rn, écriture matricielle, bilinéarité et norme euclidienne. Inégalité de Cauchy-Schwarz, inégalité triangulaire, orthogonalité, théorème de Pythagore et bases orthonormales. Orthogonal d'un sous-espace, projection orthogonale et application aux statistiques.

Sommaire

Le cours

Résumé en cinq points

  1. Le produit scalaire usuel est bilinéaire, symétrique, défini positif, et la norme euclidienne en dérive.
  2. Cauchy-Schwarz majore ∣x⋅y∣|x\cdot y| par le produit des normes, avec égalité en cas de colinéarité. Elle donne l'inégalité triangulaire et borne le coefficient de corrélation.
  3. Une famille de vecteurs non nuls deux à deux orthogonaux est libre. Dans une base orthonormale, coordonnées, produit scalaire et norme se calculent par des formules simples.
  4. Tout vecteur se décompose de façon unique en une composante dans FF et une composante dans F⊥F^\perp, avec dim⁡F+dim⁡F⊥=n\dim F+\dim F^\perp=n. Le projeté orthogonal est le point de FF le plus proche, ce qui fonde les moindres carrés.
  5. Toute matrice symétrique réelle est diagonalisable en base orthonormale, et ses sous-espaces propres associés à des valeurs propres distinctes sont deux à deux orthogonaux.
Pourquoi ce chapitre

Le produit scalaire apporte dans Rn\R^n les deux notions qui manquaient à l'algèbre linéaire pure :

  • la longueur ;
  • l'angle.

Avec elles viennent l'orthogonalité, la projection et la notion de meilleure approximation. C'est ce qui donne son sens à la méthode des moindres carrés, donc à toute régression linéaire sur des données expérimentales.

Le coefficient de corrélation lui-même est un cosinus d'angle, et le fait qu'il soit compris entre −1-1 et 11 est une conséquence directe de l'inégalité de Cauchy-Schwarz.

Le chapitre se termine par le théorème spectral, qui garantit que toute matrice symétrique réelle se diagonalise dans une base orthonormale, résultat utilisé en analyse de données.

RemarqueLimites du programme

Le programme annonce une extension modeste :

  • les algorithmes d'orthonormalisation ne sont pas au programme ;
  • les notions générales de somme de sous-espaces et de projection quelconque ne sont pas au programme.

Fin de l'aperçu gratuit

Encore 12 parties de cours et 9 corrigés.

Essayer 7 jours gratuitement Sans engagement · cours, exercices et fiches complets

Méthodes et exercices

Exercices classiques corrigés

Rangés par thème, du plus simple au plus exigeant. Difficulté et durée indicatives.

Identités et inégalités 3

Exercice 1 ★

Application du cours · 10 min · Khôlle

Montrer que ∥x+y∥2+∥x−y∥2=2(∥x∥2+∥y∥2)\|x + y\|^2 + \|x - y\|^2 = 2(\|x\|^2 + \|y\|^2) et que x⋅y=(∥x+y∥2−∥x−y∥2)/4x \cdot y = (\|x + y\|^2 - \|x - y\|^2)/4. En déduire que si ∥x∥=∥y∥\|x\| = \|y\|, alors x+yx + y et x−yx - y sont orthogonaux.

Voir l'indice

Technique développer par bilinéarité.

Voir le corrigé offert
Résultat

∥x+y∥2+∥x−y∥2=2(∥x∥2+∥y∥2)\|x + y\|^2 + \|x - y\|^2 = 2(\|x\|^2 + \|y\|^2), x⋅y=∥x+y∥2−∥x−y∥24x \cdot y = \frac{\|x + y\|^2 - \|x - y\|^2}{4}, et si ∥x∥=∥y∥\|x\| = \|y\|, alors (x+y)⋅(x−y)=0(x + y) \cdot (x - y) = 0.

  1. On a ∥x±y∥2=∥x∥2±2 x⋅y+∥y∥2\|x \pm y\|^2 = \|x\|^2 \pm 2\, x \cdot y + \|y\|^2 (propriété 1.4, identités remarquables). La somme donne ∥x+y∥2+∥x−y∥2=2(∥x∥2+∥y∥2)‾\underline{\|x + y\|^2 + \|x - y\|^2 = 2(\|x\|^2 + \|y\|^2)} et la différence donne ∥x+y∥2−∥x−y∥2=4 x⋅y‾\underline{\|x + y\|^2 - \|x - y\|^2 = 4\, x \cdot y}.
  2. Donc, par symétrie (propriété 1.3, propriétés du produit scalaire) : (x+y)⋅(x−y)=∥x∥2−x⋅y+y⋅x−∥y∥2=∥x∥2−∥y∥2.\begin{aligned} (x + y) \cdot (x - y) &= \|x\|^2 - x \cdot y + y \cdot x - \|y\|^2 \\ &= \|x\|^2 - \|y\|^2. \end{aligned}
  3. Si ∥x∥=∥y∥\|x\| = \|y\|, alors (x+y)⋅(x−y)=0‾\underline{(x + y) \cdot (x - y) = 0} (définition 3.1, vecteurs orthogonaux) : les diagonales d'un losange sont perpendiculaires.
Quand les deux vecteurs ont même norme, le parallélogramme construit sur eux est un losange, et ses diagonales sont perpendiculaires.
Quand les deux vecteurs ont même norme, le parallélogramme construit sur eux est un losange, et ses diagonales sont perpendiculaires.

piège : Oublier d'invoquer la symétrie pour simplifier les termes croisés.

Exercice 2 ★★

Classiques de khôlle et concours · 15 min · Khôlle

Soient x1,…,xnx_1, \ldots, x_n réels de somme 11. Montrer que ∑xi2≥1/n\sum x_i^2 \geq 1/n, étudier le cas d'égalité, interpréter.

Voir le début du corrigé
  1. On a 1=(x⋅U)2⩽∥x∥2∥U∥2=n∑i=1nxi2‾\underline{1 = (x \cdot U)^2 \leqslant \|x\|^2 \|U\|^2 = n \sum_{i=1}^{n} x_i^2} (théorème 2.1, inégalité de Cauchy-Schwarz, ∥U∥2=n\|U\|^2 = n).

La suite du corrigé dans Sup et Spé+ : essai gratuit 7 jours.

Exercice 7 ★★

Classiques de khôlle et concours · 20 min · Écrit, type G2E

Pour deux séries xx et yy non constantes, on note x~\tilde{x} et y~\tilde{y} les vecteurs des écarts à la moyenne et r=x~⋅y~∥x~∥∥y~∥r = \dfrac{\tilde{x} \cdot \tilde{y}}{\|\tilde{x}\|\|\tilde{y}\|}. Montrer que ∣r∣≤1|r| \leq 1, et que ∣r∣=1|r| = 1 si et seulement s'il existe a≠0a \neq 0 et bb réels tels que yi=axi+by_i = a x_i + b pour tout ii.

Voir le début du corrigé
  1. Les séries n'étant pas constantes, x~≠0\tilde x \neq 0 et y~≠0\tilde y \neq 0, donc rr est défini, et ∣r∣⩽1‾\underline{|r| \leqslant 1} (théorème 2.1, inégalité de Cauchy-Schwarz).

La suite du corrigé dans Sup et Spé+ : essai gratuit 7 jours.

Projection orthogonale 3

Exercice 3 ★★

Classiques de khôlle et concours · 25 min · Khôlle

Dans R4\mathbb{R}^4, FF est défini par x1+x2+x3+x4=0x_1 + x_2 + x_3 + x_4 = 0 et x1−x2=0x_1 - x_2 = 0. Déterminer F⊥F^\perp, les projetés de e1=(1,0,0,0)e_1 = (1, 0, 0, 0) sur F⊥F^\perp et sur FF, et la distance de e1e_1 à FF.

Corrigé détaillé dans Sup et Spé+ : essai gratuit 7 jours.

Exercice 4 ★★

Classiques de khôlle et concours · 20 min · Khôlle

Donner la matrice MM, dans la base canonique, de la projection orthogonale sur le plan PP d'équation x+y+z=0x + y + z = 0. Vérifier M2=MM^2 = M, puis calculer la distance de (1,2,3)(1, 2, 3) à PP.

Corrigé détaillé dans Sup et Spé+ : essai gratuit 7 jours.

Exercice 9 ★★★

Approfondissement · 40 min · Écrit, plus délicat

Soit (e1,…,ek)(e_1, \ldots, e_k) une base orthonormale de FF et QQ la matrice n×kn \times k de colonnes eie_i. Montrer que la matrice de pp dans la base canonique est Q tQQ \, {}^t Q. Réciproquement, montrer qu'un endomorphisme pp vérifiant p∘p=pp \circ p = p, de matrice MM symétrique, est la projection orthogonale sur Im⁡p\operatorname{Im} p.

Voir le début du corrigé
  1. On a (x⋅ei)ei=ei teiX(x \cdot e_i) e_i = e_i\, {}^{t}e_i X, donc p(x)=Q tQX‾\underline{p(x) = Q\, {}^{t}Q X} (propriété 4.7, formule dans une base orthonormale). …

La suite du corrigé dans Sup et Spé+ : essai gratuit 7 jours.

Spectre des matrices symétriques 2

Exercice 5 ★★

Classiques de khôlle et concours · 30 min · Khôlle

Démontrer que deux vecteurs propres d'une matrice symétrique réelle associés à des valeurs propres distinctes sont orthogonaux. Diagonaliser ensuite J (matrice 3 × 3 remplie de 1) en base orthonormale.

Voir le début du corrigé
  1. JJ est de rang 11, donc Ker⁡J\operatorname{Ker} J, le plan x+y+z=0x + y + z = 0, est de dimension 22 (théorème du rang) et associé à la valeur propre 00.

La suite du corrigé dans Sup et Spé+ : essai gratuit 7 jours.

Exercice 8 ★★

Classiques de khôlle et concours · 25 min · Écrit, type Agro-Véto

Soit AA symétrique réelle. Montrer que tXAX≥0{}^t X A X \geq 0 pour tout XX si et seulement si toutes les valeurs propres de AA sont positives ou nulles.

Voir le début du corrigé
  1. Sens direct. Si AX=λXAX = \lambda X avec X≠0X \neq 0, alors tXAX=λ∥X∥2⩾0{}^{t}X A X = \lambda \|X\|^2 \geqslant 0 et ∥X∥2>0\|X\|^2 > 0, donc λ⩾0\lambda \geqslant 0.

La suite du corrigé dans Sup et Spé+ : essai gratuit 7 jours.

Moindres carrés 2

Exercice 6 ★★

Classiques de khôlle et concours · 30 min · Écrit, type Agro-Véto

On observe les points (0,1)(0, 1), (1,3)(1, 3), (2,2)(2, 2), (3,4)(3, 4). On note TT, YY et U=(1,1,1,1)U = (1, 1, 1, 1). Écrire que Y−aT−bUY - aT - bU est orthogonal à Vect⁡(T,U)\operatorname{Vect}(T, U), en déduire aa et bb, puis le minimum de la somme des carrés des écarts.

Voir le début du corrigé
  1. TT et UU ne sont pas colinéaires (les tit_i ne sont pas tous égaux). …

La suite du corrigé dans Sup et Spé+ : essai gratuit 7 jours.

Exercice 10 ★★

Classiques de khôlle et concours · 30 min · Type oral, plus délicat

Soient v1,…,vkv_1, \ldots, v_k dans Rn\mathbb{R}^n, MM la matrice n×kn \times k de colonnes viv_i, et G=tMMG = {}^t M M. Montrer que GG est symétrique à valeurs propres positives ou nulles, et que GG est inversible si et seulement si (v1,…,vk)(v_1, \ldots, v_k) est libre.

Voir le début du corrigé
  1. On a tG=tMM=G{}^{t}G = {}^{t}M M = G, et tXGX=t(MX)(MX)=∥MX∥2‾\underline{{}^{t}X G X = {}^{t}(MX)(MX) = \|MX\|^2}.

La suite du corrigé dans Sup et Spé+ : essai gratuit 7 jours.

Fiche de cours rédigée à partir du programme officiel de BCPST deuxième année (2021), partie « Géométrie – Produit scalaire dans Rn\R^n ». Elle couvre le produit scalaire usuel, la norme euclidienne, Cauchy-Schwarz, l'orthogonalité, les bases orthonormales, la projection orthogonale, la distance à un sous-espace et le théorème spectral.