Comment relier un produit scalaire vu en géométrie au collège à une matrice étudiée en algèbre linéaire au lycée ou en prépa ? La réponse tient dans une écriture compacte, comme une carte routière qui condense tout un réseau de routes en quelques symboles : xTGy. Cette formule, qui combine vecteurs, multiplication matricielle et notion de scalaire, permet de décrire distance, angle et orthogonalité dans n’importe quel espace vectoriel de dimension finie, réel ou complexe. Elle apparaît dès que l’on veut pondérer certaines directions, mesurer des similarités entre données ou encore stabiliser un algorithme numérique.
Pour un élève de lycée qui découvre les matrices, ou pour un parent qui tente de suivre les exercices à la maison, cette écriture peut sembler sortir de nulle part. Pourtant, elle prolonge directement le produit scalaire habituel, celui qui permet de projeter un vecteur sur un autre, de calculer une norme ou de tester si deux directions sont perpendiculaires. L’idée clé est de remplacer la géométrie « classique » par une géométrie réglée par une matrice G, parfois diagonale, parfois plus complexe, adaptée aux contraintes du problème. Une fois la carte dépliée, il devient possible de comparer plusieurs formes de produit scalaire, de choisir la bonne métrique et de vérifier soi-même chaque calcul.
- ✅ Formule clé : le produit scalaire matriciel s’écrit xTG y (ou x*Gy en complexe).
- 📐 Géométrie : la matrice G fixe la notion de distance, d’angle et d’orthogonalité.
- 🧮 Algèbre linéaire : ce cadre relie matrices, vecteurs, coordonnées et applications linéaires.
- 🤖 Applications : machine learning, réduction de dimension, régression, méthodes numériques.
- 🧭 Méthode : repérer G, vérifier qu’elle est définie positive, puis contrôler le résultat sur un exemple simple.
Produit scalaire matriciel et produit scalaire classique : quelle différence ?
Le produit scalaire matriciel généralise le produit scalaire classique en insérant une matrice G entre les deux vecteurs. Au lieu de calculer x·y comme somme des produits des coordonnées, on calcule xTG y, ce qui revient à modifier la géométrie de l’espace.
Dans le produit scalaire classique sur ℝn, avec les coordonnées usuelles, on a G égale à la matrice identité I. Changer G, c’est comme changer les « lunettes » avec lesquelles on mesure longueurs et angles. Certaines directions deviennent plus importantes, d’autres moins.
| Aspect 🔎 | Produit scalaire classique | Produit scalaire matriciel |
|---|---|---|
| Formule | x·y = xTy | xTG y (ou x*Gy en complexe) |
| Matrice G | Identité I | G symétrique / hermitienne, définie positive 🙂 |
| Géométrie | Euclidienne « standard » | Géométrie pondérée, adaptée au problème |
| Angles et distances | Mesure usuelle dans le plan ou l’espace | Angles et distances modifiés par G |
| Cas typique | Programme de première sur le produit scalaire 🔁 | Algèbre linéaire, data science, analyse numérique |
Cette comparaison montre qu’il ne s’agit pas d’une nouvelle opération abstraite. C’est le même mécanisme, enrichi par une matrice G qui encode une géométrie plus fine, notamment quand les coordonnées n’ont pas toutes la même importance.
Définition formelle du produit scalaire matriciel en algèbre linéaire
Dans un espace vectoriel réel de dimension n, un produit scalaire matriciel se définit à partir d’une matrice G de taille n × n, réelle, symétrique et définie positive. Pour deux vecteurs x et y écrits en colonnes, on pose :
(x, y)G = xTG y.
Dans un espace complexe, la matrice G est hermitienne (égale à sa transposée conjuguée), et la formule devient x*Gy, où x* désigne la transposée conjuguée de x. Le résultat est alors un scalaire complexe, avec la propriété que (x, x)G est réel et strictement positif dès que x est non nul.
Conditions pour que G définisse un vrai produit scalaire
Pour que cette forme soit un produit scalaire au sens de l’algèbre linéaire, G doit satisfaire trois propriétés fondamentales :
- 🧱 Symétrique ou hermitienne : G = GT dans ℝ, ou G = G* dans ℂ.
- ➕ Définie positive : pour tout x ≠ 0, xTG x > 0 (ou x*Gx > 0 en complexe).
- ♻️ Non dégénérée : xTG y = 0 pour tout y implique x = 0.
Ces conditions garantissent bilinéarité, symétrie et positivité, ce qui rend possible l’introduction d’angles, de normes et d’orthogonalité dans cet espace géométrique pondéré.
Vecteurs, coordonnées et rôle de la matrice dans l’espace vectoriel
Pour un élève fictif, Malik, la confusion vient souvent du mot « vecteur ». Est-ce une flèche dans le plan, une colonne de nombres, ou autre chose encore ? Dans un cours moderne d’algèbre linéaire, un vecteur est un élément abstrait d’un espace vectoriel, et ce sont les coordonnées de ce vecteur dans une base qui forment effectivement la colonne de nombres.
Une même famille de vecteurs peut être décrite par différentes bases, ce qui modifie les coordonnées mais pas l’objet géométrique sous-jacent. La matrice G joue ici le rôle de traducteur entre ces descriptions : sa forme dépend de la base choisie, mais le produit scalaire lui-même, donc l’angle et la norme, reste invariant.
Produit scalaire matriciel et changement de base
Lorsque l’on change de base via une matrice de passage P, la matrice G se transforme en une nouvelle matrice :
G′ = PT G P.
Cette transformation montre que le nombre (x, y)G ne dépend pas du système de coordonnées, à condition de changer simultanément la base et la matrice G. La géométrie reste la même, seule la représentation change, ce qui est exactement le type de réflexion préparé par les programmes détaillés de l’algèbre linéaire moderne et par des ressources comme ce récapitulatif du programme de maths de première.
Comment calculer un produit scalaire matriciel concrètement
Pour le calcul effectif, on se ramène toujours à une multiplication matricielle en trois temps : d’abord Gy, puis xT multiplié par ce résultat. Ce processus fonctionne pour n’importe quelle dimension, que l’on soit en 2D, en 3D ou dans un espace de très grande taille utilisé en apprentissage automatique.
Exemple numérique dans ℝ² avec matrice diagonale
Considérons x = (1, 2), y = (3, 4) et la matrice :
G = [[2, 0], [0, 3]].
Calcul étape par étape :
- 🧮 Étape 1 : Gy = [[2, 0], [0, 3]] · [3, 4]T = [2·3 + 0·4, 0·3 + 3·4]T = [6, 12]T.
- 🧮 Étape 2 : xT(Gy) = [1, 2] · [6, 12]T = 1·6 + 2·12 = 30.
Le même calcul avec G = I donnerait 1·3 + 2·4 = 11. Le résultat 30 indique que la seconde coordonnée est beaucoup plus « lourde » ici, car G attribue un poids 3 à cette direction. Ce simple exemple illustre comment une matrice de métrique modifie la perception d’un même couple de vecteurs.
Cas complexe et transposée conjuguée
Dans un espace complexe, chaque coordonnée peut être un nombre complexe. Le produit scalaire matriciel prend alors la forme x*Gy, avec x* obtenu en conjuguant chaque coordonnée de x puis en la transposant.
Pour x = (1 + i, 2), y = (i, 1) et G = I, on calcule :
- 🔁 x* = (1 − i, 2).
- 🧮 x* y = (1 − i)·i + 2·1 = (i − i²) + 2 = (i + 1) + 2 = 3 + i.
On obtient un scalaire complexe, mais pour x = y, la quantité x*Gx reste toujours réelle et positive dès que la matrice G est hermitienne définie positive.
Propriétés clés : bilinéarité, symétrie et positivité
Le produit scalaire matriciel hérite de propriétés essentielles issues de la forme bilinéaire associée à G. Ces propriétés structurent toute la géométrie de l’espace étudié.
Bilinéarité et inégalité de Cauchy-Schwarz généralisée
Pour tous vecteurs x, y, z et tous scalaires α, β, la bilinéarité se lit :
(x, αy + βz)G = α(x, y)G + β(x, z)G, et de même sur la première variable.
Lorsque G est symétrique ou hermitienne et définie positive, on dispose aussi de l’inégalité de Cauchy-Schwarz adaptée :
|x*Gy| ≤ √(x*Gx) √(y*Gy).
Cette inégalité garantit que la notion d’angle définie par cos θ = (x, y)G / (‖x‖G‖y‖G) reste cohérente, avec |cos θ| ≤ 1. Elle sert de test de cohérence rapide, notamment en fin de calcul.
Norme, distance et projection associées à G
À partir du produit scalaire matriciel, on définit une norme et une distance :
- 📏 Norme : ‖x‖G = √(x*Gx).
- 📍 Distance : dG(x, y) = √((x − y)*G(x − y)).
La projection de y sur la droite engendrée par x, pour ce produit scalaire, s’exprime par :
projx,G(y) = ((x*Gy) / (x*Gx)) x.
Ce sont ces formules qui se cachent derrière de nombreux calculs de distances pondérées ou de moindres carrés généralisés dans les algorithmes de régression ou de classification.
Matrice de Gram et orthogonalité relative à une métrique
La matrice de Gram encode tous les produits scalaires matriciels entre une famille de vecteurs. Pour des vecteurs v₁, …, vk, on définit Gij = (vi, vj)G. Cette matrice est symétrique (ou hermitienne) et définie positive lorsque les vecteurs sont linéairement indépendants et que le produit scalaire matriciel est bien défini.
Dans un contexte d’algèbre linéaire appliquée, la matrice de Gram sert à détecter l’orthogonalité, la redondance entre vecteurs, et elle apparaît dans les algorithmes d’orthonormalisation comme celui de Gram-Schmidt, adapté à la métrique G.
Vérifier l’orthogonalité dans une métrique pondérée
Deux vecteurs v et w sont orthogonaux pour G si v*Gw = 0. Un cas fictif illustre bien le risque d’erreur : Clara calcule le produit scalaire classique de deux vecteurs et le trouve nul, puis conclut qu’ils sont orthogonaux pour n’importe quelle métrique. Elle oublie que changer G modifie la notion d’orthogonalité.
Dans une métrique pondérée, il faut toujours revenir à la définition v*Gw = 0. La matrice de Gram, en compilant toutes ces quantités, devient une sorte de carte globale de la géométrie de la famille de vecteurs choisie.
Produits scalaires pondérés, généralisés et liens avec les applications linéaires
Le choix d’une matrice G revient à décider comment on mesure dans l’espace. Si G est diagonale, on pondère chaque coordonnée. Si G est pleine, on incorpore aussi les corrélations entre directions, ce qui est fréquent dans des modèles statistiques.
Produit scalaire pondéré par une matrice diagonale
Un cas très utilisé en pratique consiste à prendre :
G = diag(w₁, …, wn) avec wi > 0.
On obtient alors :
(x, y)G = Σ wi xi yi.
- 🎯 Chaque poids wi ajuste l’importance de la i-ème coordonnée.
- 📊 Les directions jugées peu fiables peuvent être moins influentes.
Une telle pondération se rencontre naturellement dans les distances « chi-deux » en statistique ou dans certaines métriques utilisées pour les données hétérogènes.
Produits intérieurs généralisés et applications linéaires
Dans un langage d’algèbre linéaire, une matrice G définie positive peut être vue comme l’application linéaire associée à une nouvelle métrique. On peut aussi considérer des familles G(t) dépendant d’un paramètre t, par exemple pour modéliser une géométrie qui évolue dans le temps.
Cette perspective met en lumière le lien entre produit scalaire matriciel, opérateurs linéaires et décompositions spectrales. Elle prépare l’étude de notions plus avancées, comme les bases orthonormales propres à un opérateur symétrique ou la diagonalisation en base orthonormale.
Applications : de la réduction de dimension à la régression
Au-delà des calculs symboliques, le produit scalaire matriciel intervient dans plusieurs domaines appliqués, souvent de manière cachée. Chaque fois qu’un algorithme compare des vecteurs de caractéristiques, il repose sur une forme ou une autre de produit scalaire.
Réduction de dimension et analyse en composantes principales
Dans l’analyse en composantes principales (PCA), on cherche des directions qui maximisent la variance des données. En remplaçant la métrique standard par une matrice G, on obtient une PCA pondérée, qui tient compte de l’échelle ou de la fiabilité différente des variables.
La matrice de covariance elle-même est une sorte de Gram, construite à partir des vecteurs de données centrées. Les vecteurs propres de cette matrice décrivent de nouvelles directions orthogonales pour le produit scalaire usuel, ou éventuellement pour un produit scalaire matriciel modifié.
Classification, régression et distances adaptées
Dans la régression linéaire ou la classification, les fonctions de coût reposent fréquemment sur des normes et des produits scalaires. Introduire un produit scalaire matriciel, c’est choisir des erreurs plus « chères » dans certaines directions. Cela apparaît par exemple lorsqu’on préfère pénaliser davantage les grandes variations d’une variable sensible.
Les distances utilisées dans les algorithmes de plus proches voisins ou dans certaines méthodes de clustering peuvent aussi être exprimées via une métrique G, donnant naissance à la distance dite de Mahalanobis, qui intègre la structure de corrélation des données.
Comparer produit scalaire matriciel et autres opérations vectorielles
Pour éviter de tout confondre, il est utile de distinguer clairement le produit scalaire matriciel d’autres opérations vues au lycée sur les vecteurs. Le produit vectoriel, par exemple, renvoie un vecteur et non un scalaire, et il n’est défini que dans ℝ³.
En revanche, le produit scalaire matriciel donne toujours un nombre, qui dépend de la matrice G choisie. Cette différence de nature entre résultat scalaire et résultat vectoriel est centrale pour ne pas mélanger les opérations en exercice.
Point de repère avec le produit vectoriel et la norme
Le produit vectoriel, détaillé dans des ressources comme ce cours sur le produit vectoriel de deux vecteurs, produit un vecteur perpendiculaire aux deux vecteurs donnés en entrée. Il permet de calculer des aires orientées et d’étudier des rotations.
La norme d’un vecteur, abordée par exemple dans ce récapitulatif sur la norme, se construit quant à elle à partir d’un produit scalaire, classique ou matriciel. Produit scalarisé, produit vectoriel et norme forment ainsi une triade d’outils, chacun attaché à une opération bien précise sur les vecteurs.
Comment reconnaître un produit scalaire matriciel dans un exercice ?
On repère un produit scalaire matriciel dès que l’expression ressemble à x^T G y (ou x*Gy en complexe), avec une matrice G donnée ou implicite. Si G = I, il s’agit du produit scalaire classique. Si G est une autre matrice symétrique ou hermitienne définie positive, le calcul décrit un produit scalaire dans une géométrie modifiée.
Pourquoi G doit-elle être définie positive pour un produit scalaire ?
La positivité x*Gx > 0 pour tout vecteur non nul garantit que la norme √(x*Gx) est réelle et strictement positive. Sans cette condition, on ne disposerait plus d’une vraie notion de longueur ni d’angle, et les inégalités fondamentales comme Cauchy-Schwarz pourraient échouer.
Quelle est la différence entre produit matriciel et produit scalaire matriciel ?
Le produit matriciel standard combine deux matrices pour produire une nouvelle matrice, en multipliant lignes par colonnes. Le produit scalaire matriciel, lui, combine deux vecteurs avec une matrice G au milieu, x^T G y, pour produire un scalaire. Il s’interprète comme une mesure d’angle ou de distance dans une géométrie fixée par G.
Faut-il connaître le produit scalaire matriciel au lycée ?
Au lycée général, on travaille principalement avec le produit scalaire classique, en dimension 2 ou 3. Le produit scalaire matriciel apparaît surtout en début d’enseignement supérieur (prépa, licence, écoles d’ingénieurs). Cependant, comprendre qu’une matrice peut représenter un produit scalaire aide à relier géométrie et algèbre linéaire.
Comment contrôler un calcul de produit scalaire matriciel ?
On peut vérifier le résultat en plusieurs étapes : recalculer Gy séparément, contrôler l’ordre de grandeur avec un produit scalaire classique si G est proche de l’identité, et utiliser l’inégalité de Cauchy-Schwarz pour s’assurer que |x*Gy| ne dépasse pas √(x*Gx)√(y*Gy). Un test simple consiste aussi à vérifier que x*Gx est bien positif pour tout vecteur non nul.