Algèbre bilinéaire en ECS2 et ECG : produit scalaire, Gram-Schmidt, projection orthogonale
Produit scalaire et norme euclidienne, inégalité de Cauchy-Schwarz, orthogonalité, bases orthonormées et matrices orthogonales, supplémentaire orthogonal, projection orthogonale et moindres carrés, endomorphismes et matrices symétriques, régression en Python.
- 15méthodes
- 36exercices corrigés
- 7problèmes
- 31pièges
- 19figures
Un produit scalaire est une application bilinéaire, symétrique, positive et définie ; il fournit une norme et l'inégalité de Cauchy-Schwarz . Il sert à construire des bases orthonormées par le procédé de Gram-Schmidt, à calculer un projeté orthogonal et une distance, à résoudre les moindres carrés (droite de régression) et à diagonaliser une matrice symétrique sous la forme . Ce chapitre couvre l'algèbre bilinéaire de deuxième année ECS au Maroc ; ses notions figurent aussi en deuxième année de prépa ECG, maths approfondies. Il revient souvent dans les DS et les problèmes de concours (CNAEM, BCE, ECRICOME).
Ce que tu sauras faire
Dans le plan, on sait mesurer des longueurs et parler d'angle droit. Le produit scalaire étend ces notions à tout espace vectoriel réel : à bien sûr, mais aussi aux polynômes, aux fonctions, aux matrices. Il donne l'inégalité de Cauchy-Schwarz, qui encadre une somme ou une intégrale, et la projection orthogonale, qui fournit la meilleure approximation d'un vecteur dans un sous-espace : c'est le principe des moindres carrés et de la régression linéaire. Le chapitre se termine par les endomorphismes symétriques, dont les matrices se diagonalisent dans une base orthonormée ; ce résultat servira pour les fonctions de plusieurs variables. À la fin, tu dois savoir :
- reconnaître un produit scalaire et calculer avec la norme associée ;
- utiliser l'inégalité de Cauchy-Schwarz et son cas d'égalité ;
- montrer que des vecteurs sont orthogonaux, déterminer l'orthogonal d'un sous-espace ;
- calculer dans une base orthonormée, orthonormaliser une petite famille, reconnaître une matrice orthogonale ;
- déterminer un projeté orthogonal, la matrice d'un projecteur orthogonal et la distance à un sous-espace ;
- résoudre un problème de moindres carrés et ajuster une droite de régression, à la main et en Python ;
- reconnaître un endomorphisme symétrique et diagonaliser une matrice symétrique dans une base orthonormée.
L’essentiel du chapitre Extrait gratuit
- Bilinéaire, symétrique, positive, définie ; .
- Exemples : sur ; ; sur ( distincts) ; sur .
- ; polarisation .
- , égalité si et seulement si et sont colinéaires.
- Preuve : discriminant de .
- ; ; ; inégalité triangulaire.
- Maximum de sur : , atteint en .
- : ; : orthogonal à une famille génératrice de .
- Famille orthogonale sans vecteur nul : libre. Pythagore : .
- Il existe des bases orthonormées ; Schmidt sur des exemples (non exigible).
- En base orthonormée : , , .
- Passage entre bases orthonormées : orthogonale, (colonnes orthonormées).
- , , ; toute famille orthonormée se complète.
- et ; en base orthonormée de : , de matrice .
- Droite : ; hyperplan de normale : .
- ; .
- de rang : minimal pour , soit (formule non exigible).
- Droite de régression : , ; elle passe par .
- Corrélation n'est pas causalité : proche de indique une liaison affine, pas une cause ; les deux variables peuvent dépendre d'une troisième.
- symétrique : ; matrice symétrique en base orthonormée.
- stable stable ; sous-espaces propres deux à deux orthogonaux.
- Un projecteur est orthogonal si et seulement s'il est symétrique.
- Théorème spectral (admis) : symétrique réelle s'écrit , orthogonale, et .
- : positif pour tout si et seulement si les valeurs propres sont positives ou nulles (résultat non exigible, à redémontrer par le théorème spectral).
Une méthode du chapitre Extrait gratuit
Construire une base orthonormée à partir d'une base donnée, en petite dimension (procédé de Schmidt, non exigible mais souvent guidé par l'énoncé).
; puis et . La famille obtenue est orthonormée et engendre les mêmes sous-espaces successifs.
- Normer le premier vecteur.
- Retirer à chaque vecteur suivant ses composantes sur les vecteurs déjà construits, puis normer.
- Contrôler l'orthonormalité.
« On pose . Le vecteur est orthogonal à et non nul, car est libre ; on pose . »
Pour sur , la famille donne la famille orthogonale , à normer ensuite par , , .
- Projeter sur des vecteurs non normés avec la formule .
- Normer à la fin seulement, après avoir utilisé des vecteurs non normés dans les projections.
Exercices 9, 13 et 15.
Un exercice corrigé Extrait gratuit
On considère , , .
- La famille est-elle orthogonale ?
- Orthonormaliser cette famille par le procédé de Schmidt.
- Décomposer dans la base orthonormée obtenue, et contrôler .
- et .
1. : non.
2. . Puis
et . Enfin et , d'où
et . Contrôle : et .
3. , , , donc , et .
Chaque étape retire au nouveau vecteur ses composantes sur les vecteurs déjà orthonormés, puis le norme ; Pythagore contrôle les coordonnées. Voir les méthodes 7 et 6.
Le cours détaillé, toute la fiche « L'essentiel », 15 méthodes, 31 pièges corrigés, la carte mentale, 36 exercices corrigés, 7 problèmes de concours, les fiches à mémoriser et l'assistant qui répond à tes questions. Ce chapitre est offert : il s’ouvre en entier avec un compte d’essai gratuit.
Ouvrir l'essai gratuitVoir les offresPlan du cours
- 1. Produit scalaire
- 1.1 Définition et exemples
- 1.2 Calculs avec la norme
- 2. Inégalité de Cauchy-Schwarz
- 3. Orthogonalité
- 4. Espaces euclidiens
- 4.1 Bases orthonormées
- 4.2 Changement de base orthonormée
- 5. Supplémentaire orthogonal et projection
- 5.1 Supplémentaire orthogonal
- 5.2 Projection orthogonale
- 5.3 Moindres carrés
- 6. Endomorphismes et matrices symétriques
- 6.1 Endomorphismes symétriques
- 6.2 Théorème spectral
- 7. Régression linéaire en Python
- 7.1 Produits scalaires, normes, projections
- 7.2 Droite de régression
Les méthodes du chapitre
Chaque méthode est une fiche : quand l'utiliser, le rappel de cours, les étapes, la rédaction attendue sur la copie, un exemple traité, les erreurs à éviter.
- Montrer qu'une application est un produit scalaire
- Calculer avec la norme
- Utiliser l'inégalité de Cauchy-Schwarz
- Optimiser par Cauchy-Schwarz
- Déterminer l'orthogonal d'un sous-espace
- Calculer dans une base orthonormée
- Orthonormaliser une famille libre
- Reconnaître une matrice orthogonale
- Compléter une famille orthonormée
- Calculer un projeté orthogonal et une distance
- Écrire la matrice d'un projecteur orthogonal
- Résoudre un problème de moindres carrés
- Montrer qu'un endomorphisme est symétrique
- Diagonaliser une matrice symétrique dans une base orthonormée
- Calculer en Python : produit scalaire, projection, régression
Les exercices corrigés
Chaque exercice a ses indications, sa correction rédigée et ce qu'il faut en retenir.
Application directe (14)
- Produit scalaire ou non
- Un produit scalaire intégral
- Calculs de normes
- Pythagore et parallélogramme
- Cauchy-Schwarz dans
- Maximum sur la sphère
- Orthogonaux dans
- Coordonnées en base orthonormée
- Procédé de Schmidt dans
- Matrices orthogonales
- Une base orthonormée de
- Projection sur une droite
- Un produit scalaire à poids
- Diagonalisation orthogonale par le rang
Entraînement (18)
- Un produit scalaire non canonique
- Un produit scalaire discret
- Cauchy-Schwarz intégral
- Somme et somme des inverses
- Coefficient de corrélation
- Propriétés de l'orthogonal
- Compléter en base orthonormée
- Distance à une droite de
- Projeté sur un sous-espace défini par deux équations
- Matrice d'un projecteur orthogonal sur un hyperplan de
- Orthogonalité dans un espace de matrices
- Meilleure approximation affine de l'exponentielle
- Une droite de demande
- Décomposition de la variance
- Régression sur des données réelles en Python
- Un endomorphisme symétrique de rang 2
- Décomposition spectrale et projecteurs orthogonaux
- et matrices symétriques positives
Approfondissement (4)
- Une inégalité intégrale
- Formes linéaires et vecteurs normaux
- Un projecteur orthogonal raccourcit les vecteurs
- Produit scalaire discret, covariance et régression
Les problèmes de concours
Des extraits de sujets réels, corrigés en entier, avec la durée conseillée et les méthodes mobilisées.
- Projections orthogonales sur une droite et sur un plan
- La droite des moindres carrés par deux méthodes
- Un produit scalaire défini par une intégrale sur
- Une matrice symétrique et sa forme quadratique
- La composée de deux projecteurs orthogonaux
- Formes quadratiques sur la sphère et Cauchy-Schwarz
- Polynômes orthonormés et matrice de Gram
Sujets de concours sur ce chapitre
Les 12 sujets les plus récents sur 119, à télécharger gratuitement en PDF, sans corrigé. Tous les sujets de concours.
- BCE 2026 ECG, Mathématiques approfondies ESSEC-HEC
- BCE 2026 ECG, Mathématiques approfondies EDHEC
- BCE 2026 ECG, Mathématiques approfondies emlyon
- BCE 2026 ECG, Mathématiques appliquées ESSEC-HEC
- ECRICOME 2026 ECG, Mathématiques approfondies
- BCE 2025 ECG, Mathématiques approfondies ESSEC-HEC
- BCE 2025 ECG, Mathématiques 2 approfondies ESCP-HEC
- BCE 2025 ECG, Mathématiques approfondies EDHEC
- BCE 2025 ECG, Mathématiques approfondies emlyon
- BCE 2025 ECG, Mathématiques appliquées ESSEC-HEC
- ECRICOME 2025 ECG, Mathématiques approfondies
- ISCAE 2025 ECS, Mathématiques II (option S)
Questions fréquentes
Comment montrer qu'une application est un produit scalaire ?
On vérifie quatre propriétés : symétrie , linéarité par rapport à la première variable (la seconde suit par symétrie), positivité et caractère défini . Pour le caractère défini, on utilise qu'une fonction continue positive d'intégrale nulle sur , , est nulle, ou qu'un polynôme de degré au plus ayant racines distinctes est nul.
Quelle est l'inégalité de Cauchy-Schwarz ?
Pour un produit scalaire, , avec égalité si et seulement si et sont colinéaires. Elle se démontre par le discriminant du trinôme . Versions usuelles : , et pour continues sur .
Comment appliquer le procédé d'orthonormalisation de Gram-Schmidt ?
À partir d'une famille libre , on pose , puis pour chaque on retire à ses composantes sur les vecteurs déjà construits : , et . La famille obtenue est orthonormée. Il faut normer à chaque étape : la formule n'est valable que pour de norme . Le procédé n'est pas exigible en ECS, mais les énoncés le guident souvent.
Comment calculer le projeté orthogonal sur un sous-espace ?
est l'unique vecteur de tel que . Sur une droite , . Si est une base orthonormée de , . Sinon, on écrit et on résout pour chaque . La distance vaut , et non .
Comment diagonaliser une matrice symétrique dans une base orthonormée ?
Par le théorème spectral (admis), une matrice symétrique réelle s'écrit avec orthogonale et diagonale, et ses sous-espaces propres sont orthogonaux. On cherche les valeurs propres et une base de chaque sous-espace propre, on orthonormalise cette base dans chaque sous-espace de dimension au moins , on norme les autres vecteurs, puis on range les colonnes de dans l'ordre des valeurs propres de . Alors .
Qu'est-ce qu'une matrice orthogonale ?
Une matrice est orthogonale si , c'est-à-dire si est inversible et : ses colonnes forment une base orthonormée de pour le produit scalaire canonique. Des colonnes seulement orthogonales ne suffisent pas, elles doivent aussi être de norme . La matrice de passage entre deux bases orthonormées est orthogonale, ce qui évite tout calcul d'inverse lorsqu'on diagonalise une matrice symétrique.
Comment y accéder
Ce chapitre fait partie des chapitres offerts : il s'ouvre en entier avec un compte d'essai gratuit. Créer un compte d'essai ou se connecter. Pour l'accès complet et les tarifs, vois les offres.