Vous êtes sur la page 1sur 8

Bases orthonormees

Procede dorthogonalisation de
Gram-Schmid
Projection
Orthogonalite
Denition. Soit V un EVMPS. Deux vecteurs x et y de V sont
dits orthogonaux si
x, y = 0
ce quon notera
xy
Remarque. Quel que soit le produit scalaire deni dans V on a
toujours
x

0 x V
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 1
Theor`eme. (Pythagore generalise)
Dans un EVMPS V, soit x et y deux vecteurs orthogonaux. Alors
x + y
2
= x
2
+y
2
Pr. exercice. 2
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 2
Ensemble orthonorme
Denition. Dans un EVMPS V,
un vecteur a est dit norme si a = 1,
un ensemble de vecteurs S est dit orthogonal si ses vecteurs sont
deux `a deux orthogonaux,
un ensemble de vecteurs S est dit orthonorme si S est orthogonal
et chacun de ses vecteurs est norme.
Ainsi, pour S = {v
1
, . . . , v
m
} V
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 3
S orthogonal : v
i
, v
j
= 0 i = j
S norme : v
i
, v
i
= 1 (= v
i

2
) i
S orthonorme :
_
v
i
, v
j
= 0 i = j
v
i
, v
j
= 1 i = j
Exemples.
1. Dans R
3
muni du produit scalaire euclidien x, y = x
T
y
Ensemble orthogonal ? orthonorme ?
Q
1
=
_

_
_

_
0
0
0
_

_
_

_
oui non
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 4
Ensemble orthogonal ? orthonorme ?
Q
2
=
_

_
_

_
1
0
0
_

_,
_

_
0
1
0
_

_
_

_
oui oui
Q
3
=
_

_
_

_
1
2
3
_

_,
_

_
5
1
1
_

_
_

_
oui non
Q
4
=
_

_
_

_
0
2
0
_

_,
_

_
0
1
0
_

_
_

_
non non
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 5
2. Dans P
3
muni du produit scalaire p, q =
_
1
0
p(t)q(t)dt
Ensemble orthogonal ? orthonorme ?
W
1
= {p(t) 0} oui non
W
2
=
_
1,
1

3
t
2
_
non non
W
3
=
_
3, t
1
2
_
oui non
W
4
=
_
1, 2

3(t
1
2
)
_
oui oui
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 6
Bases orthonormees
Denition. Dans un EVMPS V, un ensemble S = {v
1
, . . . , v
n
}
qui est `a la fois une base et un ensemble orthonorme est appele base
orthonormee.
Theor`eme. Dans un EVMPS V, soit S = {v
1
, . . . , v
n
} une base
orthonormee de V. Alors, pour tout x V on a
x = x, v
1
v
1
+ . . . +x, v
n
v
n
cest-`a-dire
[x]
S
=
_

_
x, v
1

.
.
.
x, v
n

_
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 7
Pr.
S etant une base, pour tout vecteur x V il existe

k =
_

_
k
1
.
.
.
k
n
_

_ R
n
tel que x = k
1
v
1
+ . . . + k
n
v
n
Calculons alors x, v
1
:
x, v
1
= k
1
v
1
+ . . . + k
n
v
n
, v
1

= k
1
v
1
, v
1
+ . . . + k
n
v
n
, v
1

= k
1
car S est orthonormee.
On obtient de mani`ere analogue x, v
i
= k
i
, i = 1, . . . , n 2
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 8
Theor`eme. Dans un EVMPS V, soit S = {v
1
, . . . , v
r
} un en-
semble orthogonal ne contenant pas le vecteur nul de V.
Alors S est lineairement independant.
Pr. Soit

0 = k
1
v
1
+. . . +k
r
v
r
. On montre que ce syst`eme na que
la solution triviale k
1
= . . . = k
r
= 0. En eet, on a alors
0 =
_

0, v
1
_
= k
1
v
1
+ . . . + k
r
v
r
, v
1

= k
1
v
1
, v
1
+ . . . + k
r
v
r
, v
1

= k
1
v
1
, v
1

et, comme v
1
, v
1
> 0, il vient k
1
= 0.
De mani`ere analogue il vient k
2
= . . . = k
r
= 0. 2
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 9
Projection orthogonale
Theor`eme. Dans un EVMPS V, soit S = {v
1
, . . . , v
r
} un en-
semble orthonorme. Soit W le sous-espace engendre par S. Alors
tout vecteur x V peut etre decompose en
x = w
1
+ w
2
avec w
1
Wet w
2
W, soit
w
1
= x, v
1
v
1
+ . . . +x, v
r
v
r
w
2
= x w
1
W
x
w
1
w
2
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 10
Pr.
Le vecteur w
1
appartient `a W car il est combinaison lineaire des
vecteurs de S.
Pour montrer w
2
W, il sut de montrer que w
2
est orthogonal `a
chacun des vecteurs de S,
w
2
, v
1
= . . . = w
2
, v
r
= 0
car alors tout vecteur y Wetant combinaison lineaire de S sera
aussi orthogonal `a w
2
. Calculons w
2
, v
1
:
w
2
, v
1
= x w
1
, v
1
= x, v
1
w
1
, v
1

Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 11


Or
w
1
, v
1
= x, v
1
v
1
+ . . . +x, v
r
v
r
, v
1

= x, v
1
v
1
, v
1
+ . . . +x, v
r
v
r
, v
1

= x, v
1

Ainsi w
2
, v
1
= 0 et on montre de mani`ere analogue
w
2
, v
i
= 0 , i = 2, . . . , r.
2
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 12
Denition. Le vecteur w
1
precedent est appele projection ortho-
gonale de x sur W
w
1
:= proj
W
(x)
Le vecteur w
2
est la composante de x dans lespace orthogonal `a
W.
Cet espace orthogonal `a W est note W

:= {x V| xW} et
on a
W

= {x V| x, v = 0 v W}
ou encore, pour une base quelconque S = {v
1
, . . . , v
r
} de W,
W

= {x V| x, v
1
= . . . = x, v
r
= 0}
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 13
Exemple.
Dans R
3
muni du produit scalaire euclidien, soit lensemble S or-
thonorme
S =
_

_
v
1
=
_

_
0
1
0
_

_, v
2
=
_

4
5
0
3
5
_

_
_

_
et W = lin(S). Geometriquement, W est le plan passant par
lorigine engendre par S. Alors
W

=
_
y R
3

y, v
1
= y, v
2
= 0
_
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 14
W

est donc lensemble des solutions du syst`eme


_
y
2
= 0

4
5
y
1
+
3
5
y
3
= 0
Cet ensemble de solutions est :
_

_
y = s
_

_
3
4
0
1
_

_, s R
_

_
Une base orthonormee de W

est
_

_
v
3
=
_

_
3
5
0
4
5
_

_
_

_
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 15
Pour le vecteur x =
_

_
1
1
1
_

_ on obtient :
w
1
= proj
W
(x) = (v
T
1
x)v
1
+ (v
T
2
x)v
2
= 1
_

_
0
1
0
_

_ + (
1
5
)
_

4
5
0
3
5
_

_ =
_

_
4
25
1

3
25
_

_
et
w
2
= x w
1
=
_

_
1
1
1
_

_
_

_
4
25
1

3
25
_

_ =
_

_
21
25
0
28
25
_

_
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 16
On aurait aussi pu obtenir w
2
en calculant la projection de x sur
W

, soit
w
2
= proj
W
(x) = (v
T
3
x)v
3
=
7
5
_

_
3
5
0
4
5
_

_
W
w
2
w
1
v
3
v
2
v
1
x
1
x
3
x
2
x
W

Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 17


Procede dorthogonalisation de Gram-Schmid
Theor`eme. Soit un EVMPS V avec 1 dim(V) < .
Alors V poss`ede une (au moins une) base orthonormee.
Pr.
On montre que le procede suivant (dit procede de Gram-Schmid)
fournit bien une base orthonormee `a partir dune base quelconque
de V.
Procede de Gram-Schmid
Donne : B = {u
1
, . . . , u
n
} une base quelconque de V.
Resultat : BON = {v
1
, . . . , v
n
} une base orthonormee de V.
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 18
1. v
1
=
1
u
1

u
1
; k := 1; (Initialisaition)
2. Tant que k n faire (boucle)
(W
k
: espace engendre par {v
1
, . . . , v
k
} )
proj
W
k1
(u
k
) := u
k
, v
1
v
1
+ . . . +u
k
, v
k1
v
k1
;
w
k
:= u
k
proj
W
k1
(u
k
) ;
v
k
=
1
w
k

w
k
;
k := k + 1
Fin
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 19
On montre que le procede fonctionne correctement en montrant par
induction que pour tout k = 1, . . . , n on a
W
k
= lin({u
1
, . . . , u
k
}) et
{v
1
, . . . , v
k
} est une base orthonormee de W
k
:
k = 1 : puisque B est une base, on a u
1
=

0, et clairement alors
v
1
= 1 et W
1
= lin({u
1
}).
pour k avec lhypoth`ese dinduction vraie pour k 1 :
puisque B est une base, on a u
k
/ lin({u
1
, . . . , u
k1
}) = W
k1
et donc u
k
= proj
W
k1
(u
k
), cest-`a-dire w
k
=

0. Alors v
k
est
bien deni, v
k
= 1 et, par le theor`eme de la projection,
v
k
est orthogonal `a W
k1
.
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 20
De plus, W
k
, lespace engendre par v
k
et W
k1
, est bien le
meme que celui engendre par u
k
et W
k1
, cest-`a-dire W
k
=
lin({u
1
, . . . , u
k
}).
2
Exemples.
1. Illustration graphique dans le plan.
1 u
1
u
2
W
v
2
v
1
w
2
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 21
2. Dans R
4
muni du produit scalaire euclidien,
soit C(B) lespace des colonnes de la matrice B =
_

_
1 0 0
1 1 0
1 0 1
1 1 0
_

_
Les colonnes de B sont lineairement independantes et forment une
base de C(B). On cherche une base orthonormee. Pour appliquer
Gram-Schmid, on prend les vecteurs colonnes dans lordre suivant :
_

_
u
1
=
_

_
0
0
1
0
_

_
, u
2
=
_

_
0
1
0
1
_

_
, u
3
=
_

_
1
1
1
1
_

_
_

_
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 22
1. v
1
=
1
u
1

u
1
=
_

_
0
0
1
0
_

_
2. proj
W
1
(u
2
) = (u
T
2
v
1
)v
1
= (0)v
1
=

0
w
2
= u
2
proj
W
1
(u
2
) = u
2

0 =
_

_
0
1
0
1
_

_
v
2
=
1
w
2

w
2
=
1

2
_

_
0
1
0
1
_

_
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 23
3. proj
W
2
(u
3
) = (u
T
3
v
1
)v
1
+(u
T
3
v
2
)v
2
= (1)v
1
+(
2

2
)v
2
=
_

_
0
1
1
1
_

_
w
3
= u
3
proj
W
1
(u
3
) =
_

_
1
1
1
1
_

_
0
1
1
1
_

_
=
_

_
1
0
0
0
_

_
v
3
=
1
w
3

w
3
=
_

_
1
0
0
0
_

_
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 24
Ainsi on a obtenu la base orthonormee de C(B) :
BON =
_

_
v
1
=
_

_
0
0
1
0
_

_
, v
2
=
1

2
_

_
0
1
0
1
_

_
, v
3
=
_

_
1
0
0
0
_

_
_

_
Soit V la matrice ayant comme colonnes ces trois vecteurs de
BON :
V =
_

_
0 0 1
0
1

2
0
1 0 0
0
1

2
0
_

_
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 25
Pour tout x R
4
, notons y := proj
C(B)
x . On a alors :
[y]
BON
= V
T
x =
_

_
v
T
1
x
v
T
2
x
v
T
3
x
_

_
et dautre part,
y = V [y]
BON
= V V
T
x
La matrice V V
T
est donc la matrice de projection orthogonale sur
C(B).
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 26
V V
T
=
_

_
0 0 1
0
1

2
0
1 0 0
0
1

2
0
_

_
_

_
0 0 1 0
0
1

2
0
1

2
1 0 0 0
_

_ =
_

_
1 0 0 0
0
1
2
0
1
2
0 0 1 0
0
1
2
0
1
2
_

_
Par exemple, pour x =
_

_
1
2
3
4
_

_
on obtient pour y := proj
C(B)
x :
[y]
BON
= V
T
x =
_

_
0 0 1 0
0
1

2
0
1

2
1 0 0 0
_

_
_

_
1
2
3
4
_

_
=
_

_
3
3

2
1
_

_
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 27
y = V [y]
BON
=
_

_
0 0 1
0
1

2
0
1 0 0
0
1

2
0
_

_
_

_
3
3

2
1
_

_ =
_

_
1
3
3
3
_

_
et on verie que
y = V V
T
x =
_

_
1 0 0 0
0
1
2
0
1
2
0 0 1 0
0
1
2
0
1
2
_

_
_

_
1
2
3
4
_

_
=
_

_
1
3
3
3
_

_
On remarque encore que
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 28
la projection de y (cest-`a-dire la projection de la projection de
x) est y
proj
C(B)
y = V V
T
y =
_

_
1 0 0 0
0
1
2
0
1
2
0 0 1 0
0
1
2
0
1
2
_

_
_

_
1
3
3
3
_

_
=
_

_
1
3
3
3
_

_
les colonnes de V forment bien un ensemble orthonorme, car
V
T
V =
_

_
0 0 1 0
0
1

2
0
1

2
1 0 0 0
_

_
_

_
0 0 1
0
1

2
0
1 0 0
0
1

2
0
_

_
=
_

_
1 0 0
0 1 0
0 0 1
_

_ = I
3
Alg`ebre Lineaire - Th. M. Liebling, A. Prodon, ROSO-EPFL 29