Décomposition d’un vecteur

Décomposer un vecteur consiste à l’exprimer à partir de ses composantes le long des axes cartésiens. Autrement dit, un vecteur \( \vec{v} \) peut s’écrire comme la somme de ses composantes \( \vec{v_x} \), \( \vec{v_y} \) et \( \vec{v_z} \) : $$ \vec{v} = \vec{v_x} + \vec{v_y} + \vec{v_z} $$ Il peut aussi se représenter comme une combinaison linéaire de vecteurs unitaires : $$ \vec{v} = \alpha_1 \vec{u_x} + \alpha_2 \vec{u_y} + \alpha_3 \vec{u_z} $$

Ici, les vecteurs unitaires \( u_x \), \( u_y \), \( u_z \) indiquent les directions de référence d’un repère cartésien tridimensionnel (x, y, z).

Les scalaires α1, α2, α3 sont les coefficients qui déterminent la décomposition du vecteur.

Que représentent exactement ces composantes ? Il s’agit des projections du vecteur sur les axes cartésiens. Prenons par exemple les composantes \( \vec{v_x} \) et \( \vec{v_y} \) d’un vecteur \( \vec{v} \) dans un plan cartésien à deux dimensions (x, y).
projections d’un vecteur sur les axes cartésiens
À noter que ces composantes sont elles-mêmes des vecteurs, et non de simples scalaires.

Exemple pratique

Considérons un vecteur bidimensionnel \( v = (2,3)^T \), que l’on écrit :

$$ \vec{v} = \begin{pmatrix} 2 \\ 3 \end{pmatrix} $$

Sa représentation graphique est la suivante :

représentation graphique d’un vecteur

La projection de \( \vec{v} \) sur l’axe x fournit sa composante selon x.

projection du vecteur sur l’axe x

 

De même, sa projection sur l’axe y donne la composante selon y.

projections du vecteur sur les axes cartésiens

On obtient ainsi deux vecteurs :

$$ \vec{v_x} = \begin{pmatrix} 2 \\ 0 \end{pmatrix}, \quad \vec{v_y} = \begin{pmatrix} 0 \\ 3 \end{pmatrix} $$

Leur somme redonne le vecteur initial :

$$ \vec{v_x} + \vec{v_y} = \begin{pmatrix} 2 \\ 0 \end{pmatrix} + \begin{pmatrix} 0 \\ 3 \end{pmatrix} = \begin{pmatrix} 2 \\ 3 \end{pmatrix} = \vec{v} $$

On peut également exprimer ces composantes comme des multiples de vecteurs unitaires :

$$ \vec{v_x} = x \cdot \vec{u_x}, \quad \vec{v_y} = y \cdot \vec{u_y} $$

Avec x=2 et y=3 :

$$ \vec{v_x} = 2 \cdot \vec{u_x}, \quad \vec{v_y} = 3 \cdot \vec{u_y} $$

Or, dans un repère cartésien, les vecteurs unitaires sont \( \vec{u_x} = \begin{pmatrix} 1 \\ 0 \end{pmatrix}, \; \vec{u_y} = \begin{pmatrix} 0 \\ 1 \end{pmatrix} \). On peut donc écrire :

$$ \vec{v} = 2 \cdot \begin{pmatrix} 1 \\ 0 \end{pmatrix} + 3 \cdot \begin{pmatrix} 0 \\ 1 \end{pmatrix} $$

Cette combinaison linéaire de vecteurs unitaires permet de reconstruire le vecteur \( \vec{v} \).

Remarque. Les normes des composantes \( \vec{v_x} \) et \( \vec{v_y} \) peuvent aussi se calculer grâce aux fonctions trigonométriques : $$ | \vec{v_x} | = r \cdot \sin \Phi, \quad | \vec{v_y} | = r \cdot \cos \Phi $$ où \( \Phi \) est l’angle formé par le vecteur avec l’axe x, et \( r \) la norme du vecteur.
module des composantes du vecteur
La norme du vecteur se calcule en appliquant le théorème de Pythagore : $$ r = \sqrt{ |\vec{x}|^2 + |\vec{y}|^2 } $$ $$ r = \sqrt{ 2^2 + 3^2 } $$ $$ r = \sqrt{ 4 + 9 } $$ $$ r = \sqrt{ 13 } $$

Exemple 2

Si le vecteur n’a pas pour origine (0,0), il faut calculer ses projections à la fois depuis l’origine et depuis son extrémité.

exemple de vecteur en position libre

Et ainsi de suite.

 


 

Please feel free to point out any errors or typos, or share suggestions to improve these notes.

FacebookTwitterLinkedinLinkedin

Vecteurs