L’algèbre linéaire semble intimidante, mais ses idées fondamentales sont remarquablement concrètes. Les vecteurs, les matrices et les opérations entre eux décrivent tout, des simulations physiques aux modèles d'apprentissage automatique. Ce guide rend les bases accessibles – aucune notation avancée n'est requise.

Qu'est-ce qu'un vecteur ?

Un vecteur est simplement une quantité ayant à la fois une ampleur (taille) et une direction. En 2D, un vecteur comme v = [3, 4] signifie « déplacer 3 unités vers la droite et 4 unités vers le haut ». En 3D, vous ajoutez un troisième composant : v = [3, 4, 2].

Géométriquement, un vecteur est une flèche allant de l'origine à un point. Algébriquement, c'est une liste ordonnée de nombres (composants). Les deux points de vue sont également valables et vous basculerez constamment entre eux.

La Magnitude (longueur) d'un vecteur utilise le théorème de Pythagore généralisé à n dimensions :

|v| = √(v₁² + v₂² + v₃²)

Pour v = [3, 4] : |v| = √(9 + 16) = √25 = 5

Un vecteur unitaire a une magnitude exactement 1. Pour convertir n'importe quel vecteur en vecteur unitaire, divisez chaque composant par la magnitude : v̂ = v / |v|.

Addition de vecteurs et multiplication scalaire

Deux vecteurs s'ajoutent par composants :

[1, 2, 3] + [4, 5, 6] = [5, 7, 9]

Géométriquement, c'est la règle "tête-à-queue" : placez la queue du deuxième vecteur à la tête du premier vecteur.

La multiplication par un scalaire (nombre ordinaire) met à l'échelle chaque composant :

3 × [1, 2, 3] = [3, 6, 9]

Les scalaires positifs étirent le vecteur ; un scalaire de −1 inverse sa direction ; les scalaires entre 0 et 1 le réduisent.

Le produit scalaire

Le produit scalaire de deux vecteurs produit un scalaire (nombre unique) :

A·B = a₁b₁ + a₂b₂ + a₃b₃

Pour A = [1, 2, 3] et B = [4, 5, 6] :

A·B = (1×4) + (2×5) + (3×6) = 4 + 10 + 18 = 32

La signification géométrique est plus révélatrice :

A·B = |A| × |B| × cos(θ)

Où θ est l'angle entre les vecteurs. Cela nous donne un aperçu critique :

  • A·B> 0 : Angle < 90° — les vecteurs pointent à peu près dans la même direction
  • A·B = 0 : Angle = 90° — les vecteurs sont perpendiculaires (orthogonaux)
  • A·B &Lt ; 0 : Angle > 90° — les vecteurs pointent dans des directions à peu près opposées

Le produit scalaire est partout en mathématiques appliquées. L'apprentissage automatique utilise la similitude cosinusoïdale (produit scalaire divisé par le produit des grandeurs) pour comparer les documents et les préférences des utilisateurs. La physique l'utilise pour calculer le travail : W = F·d (force de déplacement du point).

Le produit croisé

Le produit croisé fonctionne uniquement en 3D et produit un vecteur (pas un scalaire) perpendiculaire aux deux entrées :

A × B = [a₂b₃ - a₃b₂, a₃b₁ - a₁b₃, a₁b₂ - a₂b₁]

La direction suit la règle de la main droite : pointez vos doigts dans la direction de A, enroulez-les vers B et votre pouce pointe dans la direction de A × B.

La norme de A × B est égale à l'aire du parallélogramme couverte par les deux vecteurs :

|A × B| = |A| × |B| × sin(θ)

Contrairement au produit scalaire, le produit vectoriel est anti-commutatif : A × B = −(B × A).

Applications : Le couple en physique est τ = r × F. Les normales de surface en infographie (la direction dans laquelle une surface fait face) sont calculées en tant que produits croisés de vecteurs de bord.

Qu'est-ce qu'une matrice ?

Une matrice est un tableau rectangulaire de nombres, organisés en lignes et en colonnes. Une matrice 3×2 comporte 3 lignes et 2 colonnes.

Les matrices représentent des transformations linéaires : des fonctions qui étirent, font pivoter, réfléchissent ou cisaillent les vecteurs. Multiplier un vecteur par une matrice le transforme.

Pour une matrice A 2×2 et un vecteur v :

A = [[3, 0],    v = [1]    Av = [3×1 + 0×2] = [3]
     [0, 2]]        [2]         [0×1 + 2×2]   [4]

Cette transformation met à l'échelle la composante x de 3 et la composante y de 2.

Multiplication matricielle

Deux matrices A et B se multiplient pour donner la matrice C = AB, où chaque élément c_ij est le produit scalaire de la ligne i de A avec la colonne j de B.

[1, 2] × [5, 6] = [(1×5 + 2×7), (1×6 + 2×8)] = [19, 22]
[3, 4]   [7, 8]   [(3×5 + 4×7), (3×6 + 4×8)]   [43, 50]

Règles critiques :

  • AB n'est défini que lorsque le nombre de colonnes dans A est égal au nombre de lignes dans B
  • La multiplication matricielle est généralement non commutative : AB ≠ BA

Le déterminant

Le déterminant d'une matrice carrée est un scalaire qui vous indique dans quelle mesure la matrice met à l'échelle la surface (en 2D) ou le volume (en 3D).

Pour une matrice 2×2 :

det [[a, b]] = ad - bc
    [[c, d]]
Valeur déterminante Signification
det > 0 La transformation préserve l’orientation
det &Lt ; 0 La transformation reflète (inverse l'orientation)
dét
dét
det = 0 La transformation est singulière - s'écrase à une dimension inférieure

Lorsque det = 0, la matrice est singulière — elle n'a pas d'inverse et le système d'équations qu'elle représente n'a soit pas de solution, soit une infinité de solutions.

La matrice inversée

L'inverse A⁻¹ satisfait AA⁻¹ = I (la matrice d'identité). Il n'existe que lorsque det(A) ≠ 0.

Pour une matrice 2×2 :

A = [[a, b]]    A⁻¹ = (1/det) × [[ d, -b]]
    [[c, d]]                     [[-c,  a]]

Les inverses matriciels sont utilisés pour résoudre des systèmes d'équations linéaires : si Ax = b, alors x = A⁻¹b.

En pratique, les grands systèmes sont résolus par élimination gaussienne plutôt que par calcul direct de A⁻¹ – numériquement plus efficace et stable.

Valeurs propres et vecteurs propres

Un vecteur propre d'une matrice A est un vecteur spécial v qui, lorsqu'il est transformé par A, n'est mis à l'échelle (pas de rotation) :

Av = λv

Le scalaire λ est la valeur propre correspondante — elle vous indique dans quelle mesure le vecteur propre est étiré ou rétréci.

Pour trouver les valeurs propres, résolvez l’équation caractéristique :

det(A - λI) = 0

Pour une matrice 2×2, cela donne une équation quadratique avec (généralement) deux solutions.

Pourquoi les valeurs propres sont-elles importantes ?

  • Analyse en composantes principales (ACP) : Les vecteurs propres de la matrice de covariance des données définissent les directions de variance maximale — les « composantes principales » qui réduisent la dimensionnalité tout en préservant les informations.
  • Google PageRank : Le vecteur propre dominant de la matrice des liens Web donne la distribution stationnaire d'un internaute aléatoire.
  • Mécanique quantique : Les grandeurs observables (niveaux d'énergie, états de spin) sont des valeurs propres des opérateurs

Coordonnées polaires

Bien qu'ils ne fassent pas strictement partie de l'algèbre linéaire, les systèmes de coordonnées sont liés aux transformations. Les coordonnées polaires représentent n'importe quel point 2D par sa distance r à l'origine et l'angle θ par rapport à l'axe des x positif.

Conversion entre systèmes :

Cartesian → Polar:   r = √(x² + y²),  θ = atan2(y, x)
Polar → Cartesian:   x = r cos(θ),    y = r sin(θ)

Les coordonnées polaires simplifient de nombreux problèmes impliquant des cercles et des rotations : les équations complexes en cartésien deviennent élégantes sous forme polaire.

Rassembler tout cela

La puissance de l'algèbre linéaire vient du fait qu'elle vous permet de travailler avec de nombreuses variables simultanément comme un seul objet mathématique. Un modèle d'apprentissage automatique avec des millions de paramètres n'est qu'une séquence de multiplications matricielles et de fonctions non linéaires. Un moteur de jeu 3D transforme des millions de sommets par seconde grâce à des matrices de rotation, de mise à l'échelle et de projection.

Les principes fondamentaux – vecteurs, produits scalaires, matrices, déterminants – constituent le fondement de tout cela.

Utilisez notre Calculateur de produit scalaire, Calculateur de produits croisés, Calculateur de déterminant matriciel, Calculateur inverse de matrice et Valeur propre Calculatrice pour explorer ces concepts de manière interactive.