Académique Documents
Professionnel Documents
Culture Documents
1.1
Produit scalaire
Dnition
Soit E un R-espace vectoriel. On appelle produit scalaire sur E toute forme bilinaire symtrique dnie positive,
i.e. toute application (|) : E E R :
bilinaire :
x, y, z E,
symtrique :
dnie :
x, y E,
x E,
positive :
, R,
(y|x) = (x|y),
(x|x) = 0
x E,
(x|x)
x = 0E
(proprit de sparation),
0.
Explication La dmarche que nous initions en donnant cette dnition doit vous drouter. En dbut danne, nous
avons dni le produit scalaire partir de la norme en admettant que nous savions calculer les normes partir des coordonnes
dans une base orthonormale, ce qui supposait connue la notion dangle orient. A prsent, nous faisons linverse : le produit
scalaire est la notion premire de la gomtrie euclidienne et ce sont les notions de norme et dangle qui vont en dcouler.
Attention ! Il existe de nombreux produits scalaires dans le plan ou lespace : simplement, jusquici, nous en avons
privilgi un. Par exemple, lapplication (|) : (x, y), (x , y ) 3xx + xy + yx + yy est un produit scalaire sur R2 , distinct
du produit scalaire usuel.
En eet Symtrie et bilinarit videntes. Pour le reste : (u|u) = 3x2 + 2xy + y 2 = 2x2 + (x + y)2 0 pour
tout u = (x, y) R2 . De plus (u|u) = 0 si et seulement si x = x + y = 0, i.e. x = y = 0, ou encore u = (0, 0).
En pratique
Pour montrer la bilinarit dun produit scalaire potentiel, la linarit par rapport une variable
seulement est susante si on a pris la peine de dmontrer la symtrie avant.
Petite remarque au passage :
Thorme
(xk )1
k n , (yk )1 k n
xk yk est un produit
k=1
scalaire sur Rn appel son produit scalaire canonique. est quivalent de le dnir sous forme matricielle comme lapplication
Il
y1
n
.
x k yk .
(X, Y ) t XY , car : t XY = x1 . . . xn . =
.
k=1
yn
Dmonstration
n
k=1
x2
k
x k yk =
XY =
k=1
k=1
0 et lgalit na
Exemple
En eet Symtrie vidente. Du coup, pour la bilinarit, la linarit par rapport la premire variable sut.
Pour tous P, Q, R Rn [X] et , R :
n
P (xk )R(xk ) +
P + Q (xk )R(xk ) =
P + Q R =
k=0
k=0
k=0
P (xk )2
k=0
P (xk ) = 0 pour tout k 0, n , i.e. si x0 , x1 , . . . , xn sont des racines de P . Or dans ce cas P possde au moins
n + 1 racines distinctes tout en tant de degr au plus n, donc P = 0.
1
Exemple
Lapplication (f, g)
En eet
1
(f |f ) =
Bilinarit et symtrie videntes. Pour la positivit et la sparation, soit f C [0, 1], R . Alors
f (t)2 dt
1.2
Dnition
x =
: E R+ dnie par :
(x|x).
On appelle distance (euclidienne) sur E associe au produit scalaire (|) lapplication d : E E R+ dnie par :
x, y E,
d(x, y) = x y .
Attention !
La notion de distance nest pas forcment celle que lon croit ! La distance dpend dun choix de
produit scalaire. Par exemple, pour le produit scalaire (x, y), (x , y ) 3xx + xy + yx + yy sur R2 , = 3 = 1.
Exemple Trs important ! Les fameuses identits remarquables ont une version euclidienne base de produit scalaire et de
norme. Pour tous x, y E, par bilinarit du produit scalaire :
x+y
= x
+ 2(x|y) + y
et
(x + y|x y) = x
On peut aussi inverser ces relations et rcuprer le produit scalaire en fonction de la norme. On obtient alors ce quon appelle
1
des identits de polarisation. Par exemple : (x|y) =
x+y 2 x 2 y 2 .
2
x y
x + y .
x+y
y
Lingalit de droite est une galit si et seulement si x et y sont colinaires de mme sens.
Ingalit triangulaire (version distance) :
d(x, y) d(x, z)
d(x, z)
Explication
En dbut danne, nous navons mme pas pris la peine dnoncer lingalit de Cauchy-Schwarz tant
= . . cos( , )
. . Elle est remarquable prsent car nous avons dni le
u v
elle tait triviale :
u
v
u v
u
v
produit scalaire sans notion dangle aucune, donc sans lusage daucun cosinus.
Dmonstration
(i) On peut supposer y = 0E rsultat trivial sinon. La fonction t x + ty 2 = x 2 + 2t(x|y) + t2 y 2
est alors polynomiale de degr 2 (pas moins) et positive ou nulle, donc de discriminant ngatif ou nul
soit pas de racine relle, soit une racine double. Lingalit de Cauchy-Schwarz dcoule alors de ce que le
discriminant en question vaut 4 (x|y)2 x 2 y 2 .
2
=0
(i)
(ii) Dabord :
x + y 2 = x + y x + y = x 2 + 2(x|y) + y 2
x 2+2 x . y + y 2 = x + y ,
puis on passe la racine carr.
Ensuite :
x = (x + y) + (y)
x + y + y = x + y + y , donc | x y
x + y , et de
mme y x
x+y .
Cette preuve montre aussi que lingalit de droite est une galit si et seulement si (x|y) = x . y . En
particulier, dans ce cas, x et y sont colinaires daprs (i). Quitte permuter x et y, il existe donc R tel
que y = x. Aussitt : x 2 = (x|x) = (x|y) = x . y = x . x = ||. x 2 , donc soit x est nul,
soit = ||, i.e. 0. Dans les deux cas x et y sont colinaires de mme sens. Rciproque immdiate.
1.3
Orthogonalit
Explication
Ces dnitions achvent de mettre la gomtrie la tte en bas : jusquici, pour vous, la notion
dorthogonalit tait premire et le produit scalaire second. Cest le contraire qui est vrai prsent : la notion dorthogonalit
repose sur la dnition pralable dun produit scalaire. Cela implique en particulier qu tout produit scalaire correspond une
notion dorthogonalit. Les angles droits ne sont droits que relativement la donne dun produit scalaire.
Exemple
Pour le produit scalaire canonique de Rn , la base canonique de Rn est orthonormale. Cest facile et important :
vrifiez-le seul imprativement.
Exemple
Exemple
1
0
1 sin(2t) dt =
Thorme
sin(2t) dt =
cos(2t)
2
t=1
= 0.
t=0
+
x
xk
k=1
xk
=
k=1
+
x
y
=
x
+
y
En pratique
Grce (i), si vous voulez montrer que n vecteurs donns forment une base orthonormale en
dimension n , il vous sut de montrer que ces vecteurs forment une famille orthonormale.
Dmonstration
(i) Soient E un espace prhilbertien rel et (x1 , x2 , . . . , xn ) une famille orthogonale de vecteurs non nuls de E.
n
k=1
k x k x i
0 = (0E |xi ) =
=
k=1
k=1
k (xk |xi ) = i xi
(ii)
xk
xk
=
k=1
k=1
xl
=
1 k,l n
l=1
(xk |xl ) =
1 k,l n
k=l
(xk |xl ) =
(xk |xk ) =
k=1
xk
k=1
Familles orthonormales
2
2.1
k1
Vect(e1 , e2 , . . . , ek ) = Vect(u1 , u2 , . . . , uk ).
Pour tout k 1, n , on na que deux choix possibles pour la construction de uk : uk est soit le vecteur
ek
ek
i=1
k1
i=1
soit son oppos. La construction de uk requiert donc la construction de u1 , u2 , . . . , uk1 (algorithme itratif).
Explication
On a tout compris quand on a compris le cas n = 2. On veut transformer une famille libre quelconque
e2 (e2 |u1 )u1
e1
et u2 =
.
(e1 , e2 ) en une famille orthonormale (u1 , u2 ) avec : u1 =
e1
e2 (e2 |u1 )u1
e2 (e2 |u1 )u1
e2
u2
1) La premire formule normalise e1 , cest--dire le rend unitaire.
2) La seconde commence par transformer e2 en e2 (e2 |u1 )u1 . Cela revient retrancher
e2 sa composante selon u1 , qui vaut (e2 |u1 )u1 . Le vecteur ainsi obtenu est orthogonal
u1 . Mais il peut ne pas tre unitaire : cest pourquoi on le divise par sa norme.
u1
aik ui .
uk = akk ek +
i=1
0 = (uk |ui ) =
akk ek +
k1
ajk uj ui
j=1
j=1
bref :
uk = akk uk
si nous posons uk = ek
i=1
e1
1
uk
1
, i.e. akk =
. Conclusion : uk =
.
uk
uk
uk
Le vecteur uk , sil existe, est compltement dtermin au signe prs par u1 , u2 , . . . , uk1 et ek .
Mais par ailleurs uk = 1 par hypothse, donc |akk | =
k1
i=1
Se peut-il que uk soit nul ? La libert de (e1 , e2 , . . . , en ) sen trouverait contredite car ek serait combinaison li
naire de u1 , u2 , . . . , uk1 , et donc de e1 , e2 , . . . , ek1 puisque Vect(e1 , e2 , . . . , ek1 ) = Vect(u1 , u2 , . . . , uk1 ).
uk
uk
uk
1) Montrons que (u1 , u2 , . . . , uk ) est orthonormale. Comme (u1 , u2 , . . . , uk1 ) lest par hypothse de
rcurrence, nous devons juste montrer que uk est unitaire et orthogonal aux vecteurs u1 , u2 , . . . , uk1 . Le
caractre unitaire de uk est limpide. Pour les orthogonalits, pour tout j 1, k 1 :
(uk |uj ) =
1
uk
(k |uj ) =
u
1
uk
k1
ek
i=1
1
uk
Exemple
La famille 1 ,
3(2X 1) ,
P (t)Q(t) dt
0
sur R[X].
En eet Nous allons, grce lalgorithme de Schmidt, construire une famille orthonormale (P0 , P1 , P2 ) partir
de la famille libre (1, X, X 2 ).
Construction de P0 : Posons P0 =
On rappelle que
pour tout 0 :
1
t dt =
0
1
.
+1
1
. Comme 1
1
1
2
dt = 1, en fait P0 = 1.
=
0
X (X|P0 )P0
. Puisque (X|P0 ) =
X (X|P0 )P0
2
1
1
1
1
=
t
numrateur est en fait X (X|P0 )P0 = X . Mais X
2
2
2
0
Construction de P1 :
Construction de P2 : Posons P2 =
1
Posons P1 =
1
, le polynme au
2
1
1
dt =
= 2 , donc
12
2 3
t dt =
0
2
t2 dt =
0
1
et
3
1
3(2t 1) dt = , le polynme X 2 (X 2 |P0 )P0 (X 2 |P1 )P1 au numrateur est en
2 3
2
2
1
1
1
1
1
1
=
t2 t +
= 2,
dt =
fait le polynme X 2 X + . Mais par ailleurs X 2 X +
6
6
6
180
6 5
0
t2
Dmonstration
De dimension nie non nulle, E possde une base donc une base orthonormale aprs orthonormalisation de Schmidt la famille obtenue est bien une base car elle est orthogonale et constitue de vecteurs
non nuls, donc libre, et possde le bon nombre de vecteurs.
0E
un espace
Dmonstration Soit (e1 , e2 , . . . , ep ) une famille orthonormale de E. Alors (e1 , e2 , . . . , ep ) est libre. Or E est de
dimension nie non nulle, donc on peut complter (e1 , e2 , . . . , ep ) en une base de E. On peut ensuite transformer
cette base en une base orthonormale par orthonormalisation de Schmidt. Lalgorithme naecte pas les premiers
vecteurs e1 , e2 , . . . , ep car ils forment dj une famille orthonormale. Nous avons donc complt notre famille de
dpart en une base orthonormale de E.
2.2
Alors :
x=
(x|ek )ek .
En dautres termes, les coordonnes de x dans (e1 , e2 , . . . , en ) sont (x|e1 ), (x|e2 ), . . . , (x|en ) .
k=1
u
Explication
Dmonstration
Pour tout k 1, n :
(x|ek ) =
x l el ek
=
l=1
l=1
xl (el |ek ) =
xl kl = xk .
Et voil.
l=1
Thorme (Expression du produit scalaire et de la norme dans une base orthonormale) Soient E = 0E
un espace euclidien et x, y E de coordonnes respectives (x1 , x2 , . . . , xn ) et (y1 , y2 , . . . , yn ) dans une certaine base orthonormale de E. Alors :
n
et
x k yk
(x|y) =
x2 .
k
x =
k=1
k=1
(x|y) = t XY
et
x = t XX.
Explication
Ce rsultat montre que nalement, le produit scalaire canonique sur Rn est un modle pour tous les
produits scalaires des espaces euclidiens. Calculer le produit scalaire (x|y) dans un espace euclidien abstrait revient calculer le
produit scalaire canonique des coordonnes des vecteurs x et y dans une base orthonormale xe quelconque.
Attention !
Ces formules sont fausses si la base dans laquelle les coordonnes sont donnes nest pas orthonormale.
Dmonstration
k=1
3
3.1
x k ek
(x|y) =
yl e l
l=1
1 k,l n
xk yl (ek |el ) =
xk yl kl =
1 k,l n
xk yk = t XY .
x k yl =
1 k,l n
k=l
k=1
Dnition (Sous-espaces vectoriels orthogonaux) Soient E un espace prhilbertien rel et F et G deux sous-espaces
vectoriels de E. On dit que F et G sont orthogonaux si tout vecteur de F est orthogonal tout vecteur de G, i.e. si :
f F,
g G,
(f |g) = 0.
Exemple
Dans le plan vectoriel R2 muni de son produit scalaire canonique, les droites dquations x = 0 et y = 0 sont
orthogonales car pour tous x, y R :
(0, y) (x, 0) = 0 x + y 0 = 0.
En pratique Pour vrier que deux sous-espaces vectoriels de dimensions nies F et G sont orthogonaux, disons
de bases respectives (f1 , f2 , . . . , fm ) et (g1 , g2 , . . . , gn ), il sut en fait de vrier que tous les fi sont orthogonaux tous les gj .
Dans lexemple prcdent, il aurait donc su quon remarque que les vecteurs (1, 0) et (0, 1) sont orthogonaux.
3.2
Dnition (Orthogonal dun sous-espace vectoriel) Soient E un espace prhilbertien rel et F un sous-espace vectoriel
de E.
On appelle orthogonal de F dans E, not F , lensemble
x E/ f F, (x|f ) = 0 .
F est un sous-espace vectoriel de E orthogonal F .
Les sous-espaces vectoriels F et F sont en somme directe, i.e. F F = 0E .
On a linclusion suivante :
F F .
Attention !
Si E est un espace prhilbertien rel quelconque, il nest pas vrai en gnral que F et F sont
supplmentaires dans E, ils sont seulement en somme directe. Bref, on na pas forcment E = F + F , ni non plus F = F .
Nous verrons cependant que ces rsultats sont vrais si F est de dimension nie, donc en particulier si E est euclidien.
Dmonstration
Montrons que F est un sous-espace vectoriel de E. Dabord 0E F car pour tout f F : (0E |f ) = 0.
Ensuite, soient x, y F et , R. Pour tout f F :
x + y f = (x|f ) + (y|f ) = .0 + .0 = 0,
donc x + y F .
F
Montrons que F F
= 0E . Soit x F F . Alors
Montrons que F F . Soit f F . Montrer que f F , cest montrer que f est orthogonal tout
vecteur de F . Or pour tout x F , f et x sont orthogonaux puisque f F et x F . Il est donc bien
vrai que f F .
= E et E = 0E .
Exemple Si E est un espace prhilbertien rel, 0E
La seconde galit nonce une vrit simple et importante : le seul vecteur de E orthogonal tous les vecteurs de E est 0E .
En eet
Le vecteur nul est orthogonal tout vecteur, donc E 0E
En tant que sous-espace vectoriel de E, E contient 0E . Inversement, soit x E . Alors x est orthogonal
tout vecteur de E, donc en particulier lui-mme : (x|x) = 0, i.e. x = 0. Bref, x = 0E .
Exemple
En eet Soit P = aX 2 + bX + c R2 [X]. Remarque importante : on peut tester lorthogonalit de P avec tout
lment de R1 [X] en se contentant de la vrier avec les vecteurs de base 1 et X.
P R1 [X]
(P |1) = 0
2a + 3c = 0
et
(P |X) = 0
et
2b = 0,
(a b + c) 1
(a b + c) (1)
do le rsultat voulu.
+
+
c1
c0
+
+
(a + b + c) 1
(a + b + c) 1
=
=
Thorme (Supplmentaire orthogonal dun sous-espace vectoriel de dimension nie) Soient E un espace
prhilbertien rel et F un sous-espace vectoriel de dimension finie de E.
(i) Il existe un et un seul supplmentaire de F dans E orthogonal F : cest F , appel par consquent le supplmentaire orthogonal de F dans E.
(ii) On a lgalit suivante :
F = F .
Attention !
Lhypothse que F est de dimension nie est essentielle. Dans le cas gnral, nous avons vu que F et F sont en somme
directe et que F F , mais rien de plus a priori. Il nest pas forcment vrai que E = F + F et F = F .
Il existe un unique supplmentaire orthogonal, mais tout plein de supplmentaires gnraux , ne loubliez pas.
0
0
Dmonstration
(i) Nous savons dj que F F = 0E .
Montrons que E = F + F , i.e. que E F + F . Nous pouvons supposer que F = 0E car
(x f |fi ) =
k=1
(x|fk )fk fi
= (x|fi )
k=1
k=1
4.1
Projecteurs orthogonaux
Projecteurs orthogonaux et symtries orthogonales
Dnition (Projecteur orthogonal, symtrie orthogonale) Soient E un espace prhilbertien rel et F un sous-espace
vectoriel de dimension finie de E.
On appelle projection orthogonale sur F ou projecteur orthogonal sur F la projection sur F de direction F .
On appelle symtrie orthogonale par rapport F la symtrie par rapport F paralllement F .
On parle plutt de rexion par rapport F si F est un hyperplan de E.
Explication
x = f + f
F
f
x = f + f
F
0E
f
Symtrie
orthogonale
0E
f = p(x)
Projection
orthogonale
s(x)
Thorme (Expression dun projecteur orthogonal dans une base orthonormale) Soient E un espace prhilbertien
rel, F un sous-espace vectoriel de dimension finie non nulle de E, (f1 , f2 , . . . , fn ) une base orthonormale de F et p le
projecteur orthogonal sur F .
n
p(x) =
(x|fk )fk .
k=1
Explication Dans ce rsultat, (x|fk )fk reprsente la composante de x selon le vecteur fk et p(x) est la somme
de toutes ces composantes.
Dmonstration
Soit x E. Le vecteur x
n
appartient F . Ainsi x =
(x|fk )fk + x
k=1
(x|fk )fk .
p(x) =
k=1
Exemple
(x|fk )fk
k=1
On note F le sous-espace vectoriel Vect(sin, cos) de C [, ], R . Le projet orthogonal de lidentit Id sur F pour
En eet
Commenons par dterminer une base orthonormale de F grce lalgorithme de Schmidt. Nous allons pour
cela orthonormaliser la famille libre (sin, cos).
Tout dabord :
sin
sin2 t dt =
sin(2t)
t
1 cos(2t)
dt =
2
2
4
sin
notons f0 la fonction t , alors f0 = 1.
t=
= .
t=
cos(2t)
sin(2t)
cos t sin t
dt =
dt =
=0
2
4 t=
cos
comme en 1). Si nous posons f1 = , alors (f0 , f1 ) est une base orthonormale de F .
Ensuite :
Si nous
t=
(cos |f0 ) =
et
cos
Pour dterminer le projet orthogonal de f sur F , nous devons calculer (Id|f0 ) et (Id|f1 ).
Or :
teit dt = t (i)eit
t=
t=
(i)eit dt = 2i + i (i)eit
t=
t=
= 2i + 0 = 2i.
t cos t
Im(2i)
Re(2i)
t sin t
dt =
= 2 et (Id|f1 ) =
dt =
= 0.
Enn, le projet orthogonal de Id sur F est la fonction (Id|f0 )f0 + (Id|f1 )f1 = 2 f0 , i.e. t 2 sin t.
Du coup, (Id|f0 ) =
Exemple Soient E un espace euclidien, a E non nul et H = Vect(a) lunique hyperplan de E orthogonal a. Si p est la
projection orthogonale sur H et si r est la rexion par rapport H, alors pour tout x E :
p(x) = x
En eet
(a|x)a
a 2
et
r(x) = x
2(a|x)a
.
a 2
a
a
(x|a)a
=
,
a
a
a 2
Pour lexpression de r, il sut dobserver que r = 2p IdE .
4.2
p (x) =
a
a
do lexpression de p.
Dnition (Distance une partie) Soient E un espace prhilbertien rel, A une partie non vide de E et x E. On
appelle distance de x A, note d(x, A), le rel : d(x, A) = inf d(x, a).
aA
Explication
Intuitivement, la distance dun vecteur x une partie A est la plus petite distance sparant x dun
lment de A. Mais comment savoir si une telle plus petite distance existe ? En fait, elle nexiste pas ncessairement et cest
pourquoi on na surtout pas pos d(x, A) = min d(x, a) mais utilis une borne infrieure.
aA
x
d(x, A)
La distance de x A
est ici un minimum
(i.e. elle est atteinte).
aA
d(x, A)
Dmonstration
d(x, a)
La distance de x A
est ici seulement une borne infrieure.
Le rel d(x, A) est bien dni en vertu de la proprit de la borne infrieure, car lensemble
Thorme
d(x, F ) = x
p(x)
x p(x)
d(x, F ) = x p(x)
F
0E
p(x)
Dmonstration
f F
x p(x)
+ p(x) f
x p(x) ,
Ainsi d x, p(x) est le plus petit lment de D, donc aussi sa borne infrieure, ce qui montre le rsultat voulu.
Soit f F distinct de p(x). Alors p(x) f > 0, donc d(x, f ) =
Ceci montre que la distance d(x, F ) nest atteinte quen p(x).
x p(x)
+ p(x) f
> x p(x) .
Reprenons les notations dun exemple trait plus haut : E est un espace euclidien, a E est non nul, H = Vect(a)
(a|x)a
est lunique hyperplan de E orthogonal a et p est la projection orthogonale sur H. Alors : p(x) = x
pour tout
a 2
(a|x)
x E, donc daprs le thorme prcdent : d(x, H) = x p(x) =
. Rsultat bien connu en ralit !
a
Exemple
Si E est le plan euclidien canonique R2 , avec a = (, ) et x = (x0 , y0 ), alors la distance entre x et la droite vectorielle D
|x0 + y0
(a|x)
.
=
de vecteur normal a vaut : d(x, D) =
a
2 + 2
Si E est lespace euclidien canonique R3 , avec a = (, , ) et x = (x0 , y0 , z0 ), alors la distance entre x et le plan vectoriel
(a|x)
|x0 + y0 + z0
P de vecteur normal a vaut : d(x, P ) =
.
=
a
2 + 2 + 2
Exemple
Mais comment dduit-on dun nuage de points une droite de meilleure approximation comme celle que nous avons reprsente ci-dessus ? Nous cherchons deux rels m et p pour lesquels la droite dquation y = mx + p est la plus proche possible
du nuage de points. Ce problme est appel un problme de rgression linaire simple linaire en raison de la forme
y = mx + p cherche, simple parce que y est suppose ne dpendre que dune seule variable explicative x.
Pour tout i 1, n , notre mesure de y pour x = xi nous a fourni la valeur yi , mais la valeur sans erreur que nous aurions
d trouver est mxi + p. Lcart entre les deux vaut |yi mxi p|, mais ce nest pas cet cart ponctuel qui nous intresse.
Nous nous intressons plutt un cart global entre le nuage de points et la droite dquation y = mx + p. Comment
n
1 i n
ou :
i=1
ou :
i=1
(yi mxi p)2 . Nous allons travailler dsormais dans le cadre de cette troisime possibilit. La mthode de
10
Nous cherchons donc des rels m et p sil en existe pour lesquels la quantit
i=1
et cest prcisment maintenant que les produits scalaires entrent en scne. Dans lespace euclidien canonique Rn , posons
1 1
1
X = (x1 , x2 , . . . , xn ), Y = (y1 , y2 , . . . , yn ), U =
, ,...,
et F = Vect(X, U ). Alors :
n n
n
n
inf
m,pR
i=1
m,pR
ZF
Or daprs le thorme prcdent, si nous notons p la projection orthogonale de Rn sur F , la distance d(Y, F ) est atteinte
en un et un seul point, savoir p(Y ) = mX + npU , o m et p sont justement ceux que nous cherchons.
Voil, il ne nous reste plus qu calculer m et p. En tant que projet orthogonal sur F , p(Y ) satisfait les deux relations
1
dorthogonalit :
X Y p(Y ) = 0 et
U Y p(Y ) = 0, quon peut encore crire ainsi, sachant que U 2 =
:
n
m X
En particulier :
x = (X|U ) =
1
n
m(X|U ) + p = (Y |U ).
et
p = (Y |U ) m(X|U ).
y = (Y |U ) =
i=1
V (x) =
et
et
+ np(X|U ) = (X|Y )
1
X nxU
n
1
n
Posons alors :
1
n
i=1
n
1
1
cov(x, y) =
X nxU Y nyU =
n
n
i=1
m=
cov(x, y)
V (x)
et
p = y mx.
Thorme (Reprsentation des formes linaires dun espace euclidien) Soient E un espace euclidien et une
forme linaire de E. Alors est de la forme x (a|x) pour un certain vecteur a E unique.
Ke
r
=
H
a
ct(
Ve
Forme linaire
non nulle
(x) = (a|x)
Hyperplan
H
Explication
Vecteur
non nul
a
Dmonstration
Il nous sut de montrer que lapplication linaire a x (a|x) est un isomorphisme
de E sur L(E, R), et mme quelle est injective puisque dim L(E, R) = dim E dim R = dim E.
Soit a Ker . Alors (a|x) = 0 pour tout x E. En particulier, a 2 = (a|a) = 0, et donc a = 0E .
Exemple Soit une forme linaire de Rn . Nous savons qualors est une combinaison linaire des coordonnes (dans la
base canonique), i.e. que est de la forme (x1 , x2 , . . . , xn ) a1 x1 + a2 x2 + . . . + an xn pour certains a1 , a2 , . . . , an R uniques.
Pour mmoire, rappelons que a1 = (1, 0, . . . , 0), a2 = (0, 1, . . . , 0), etc.
Nest-il pas clair alors, comme le veut le thorme de reprsentation des formes linaires, que est aussi un produit scalaire par un
vecteur x, ici A = (a1 , a2 , . . . , an ) ? Pour tout X = (x1 , x2 , . . . , xn ) Rn : (X) = a1 x1 + a2 x2 + . . . + an xn = (A|X) = t AX.
11