Espaces De Hilbert

Suite
Espaces de Hilbert
Exercice

Dans 𝐼𝐼𝐼𝐼 3 on considère le vecteur u=(3,2,-1) chercher les vecteurs v

tels que le produit scalaire < u,v>=0.
Espaces de Hilbert
On prend v=(x,y,z) on calcule <u,v>= 3x+2y-z=0
(on choisit d’ écrire une variable en fonction des autres )
par exemple z=3x+2y d’ ou
v= (x,y,3x+2y) = (x,0,3x) + (0,y, 2y)
= x (1,0,3) + y (0,1, 2) =x 𝑣𝑣1 +y 𝑣𝑣2
avec 𝑣𝑣1 = (1,0,3) ; 𝑣𝑣2 = (0,1, 2)
on cherche si la famille 𝑣𝑣1 ; 𝑣𝑣2 est libre l’ ensemble des vecteurs v
est l’espace W engendré par 𝑣𝑣1 ; 𝑣𝑣2
Si non W est engendré par l’ un des 2 vecteurs.
Espaces de Hilbert
Exercice

Dans 𝐼𝐼𝐼𝐼 3 on considère le vecteur u=(3,2,-1) et v=(2,,3,0), chercher

les vecteurs w tels que le produit scalaire < u,w>=0 et < v,w>=0
Espaces de Hilbert
Définition :Norme
Soit E un e v , on appelle norme toute application N de E dans 𝐼𝐼𝐼𝐼 +
telle que : - 𝑁𝑁 𝑢𝑢 ≥ 0 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑢𝑢 𝝐𝝐 𝐸𝐸
- 𝑁𝑁 𝑢𝑢 + 𝑣𝑣 ≤ 𝑁𝑁 𝑢𝑢 + 𝑁𝑁 𝑣𝑣 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑡𝑡𝑡𝑡𝑡𝑡𝑠𝑠 𝑢𝑢 𝑒𝑒𝑒𝑒 𝑣𝑣 𝝐𝝐 𝐸𝐸
- 𝑁𝑁 α 𝑢𝑢 = α 𝑁𝑁 𝑢𝑢) 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 α ≥ 𝑜𝑜 𝑒𝑒𝑒𝑒 𝑢𝑢 𝝐𝝐𝝐𝝐
- La propriété de l’identification
Si 𝑁𝑁 𝑢𝑢 = 0 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑢𝑢 = 𝑂𝑂𝐸𝐸
On note N (u) = 𝑢𝑢
( E, . ) s appelle e v normé et 𝑢𝑢 s’appelle la norme de u
Espaces de Hilbert
Remarques
- la norme 𝑢𝑢 est un nombre réel positive

- 𝑢𝑢 − 𝑣𝑣 = 0 alors 𝑢𝑢 − 𝑣𝑣

- 𝑢𝑢 − 𝑣𝑣 = 𝝐𝝐 très petit alors 𝑢𝑢 𝑒𝑒𝑒𝑒𝑒𝑒 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑑𝑑𝑑𝑑 𝑣𝑣

- 𝑢𝑢 − 𝑣𝑣 tend vers 0 on dit que 𝑢𝑢 𝑠𝑠 ′ 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑑𝑑𝑑𝑑 𝑣𝑣 ou que

𝑢𝑢 𝑒𝑒𝑒𝑒𝑒𝑒 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 é𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔 𝑣𝑣

- Si (𝑢𝑢𝑛𝑛 ) est une suite de vecteurs alors si

lim𝑛𝑛 𝑢𝑢𝑛𝑛 − 𝑣𝑣 = 0 on dit que 𝑢𝑢𝑛𝑛 converge vers v

Espace de Hilbert
on dit aussi que pour tout n 𝑢𝑢𝑛𝑛 est une valeur approchée de v et que
𝑢𝑢𝑛𝑛 − 𝑣𝑣 est l’ erreur d’approximation de v par 𝑢𝑢𝑛𝑛 .
Définition et théorème
Soit ( E, < >) est un espace préhilbertien l’application notée et
définie par :
∀u 𝝐𝝐 E 𝑢𝑢 = < 𝑢𝑢, 𝑢𝑢 >
est une norme appelée norme induite ou associée au produit scalaire < >.
Espaces de Hilbert
Définition
Tout espace préhilbertien E muni de la norme associée et où toute suite de Cauchy de E est
convergente est appelé espace de Hilbert.

Il est noté H.

Théorème

- Pour tout n 𝐼𝐼𝐼𝐼𝑛𝑛 est un Hilbert avec

2
si 𝑢𝑢 = 𝑢𝑢1 , 𝑢𝑢2 , … . . , 𝑢𝑢𝑛𝑛 alors 𝑢𝑢 = ∑𝑛𝑛1 𝑢𝑢𝑖𝑖

- Tout espace vectoriel de dimension fini est un Hilbert.

Espaces de Hilbert

Propriétés
Si (H, . )est un espace de Hilbert
P1: Théorème : Identité de parallélogramme
𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑢𝑢 𝑒𝑒𝑒𝑒 𝑣𝑣 𝝐𝝐 𝐻𝐻 𝑢𝑢 + 𝑣𝑣 2 + 𝑢𝑢 − 𝑣𝑣 2 =2( 𝑢𝑢 2 + 𝑣𝑣 2)

P2: Théorème de Schwartz

𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑢𝑢 𝑒𝑒𝑒𝑒 𝑣𝑣 𝝐𝝐 𝐻𝐻 < 𝑢𝑢, 𝑣𝑣 > ≤ 𝑢𝑢 𝑣𝑣

P3: Théorème de Pythagore

2 =( 2 2)
𝑃𝑃𝑃𝑃𝑃𝑃𝑃𝑃 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑢𝑢 𝑒𝑒𝑒𝑒 𝑣𝑣 𝝐𝝐 𝐻𝐻 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑞𝑞𝑞𝑞𝑞𝑞 < 𝑢𝑢, 𝑣𝑣 > = 0 𝑢𝑢 + 𝑣𝑣 𝑢𝑢 + 𝑣𝑣
 Projection convexe
Définition ( segment dans E )

Soit ( E) un espace vectoriel et soient u et v deux vecteurs de E on appelle segment de E d’extrémité

u et v l’ensemble noté [u,v ] définie par

[u , v] ={ w = (1-α)u+α v avec α 𝝐𝝐[0,1] }

Définition ( ensemble convexe)

Soit ( E) un espace vectoriel normé et soit A un sous ensemble de E on dit que A est convexe ssi
∀ u, v 𝝐𝝐 A [u , v] ⊂ A.

Tout sous espace vectoriel est convexe.

Projection convexe
Théorème et définition

Soit (E ,) un espace Préhilbertien et A un ensemble convexe et complet de E alors:

∀u 𝝐𝝐E il existe un 𝑣𝑣 unique 𝝐𝝐 A tel que

min𝑤𝑤𝑤𝑤𝑤𝑤 ( 𝑢𝑢 − 𝑤𝑤 ) = ( 𝑢𝑢 − 𝑣𝑣 )

𝑣𝑣 est appelé la projection convexe de u dans A

𝑣𝑣 est appelé la meilleure approximation ou le meilleure représentant de u dans A

𝑢𝑢 − 𝑣𝑣 est l’erreur de l’approximation de u par 𝑣𝑣

Projection convexe

Remarque

Etant donné u comment trouver 𝑣𝑣

On s’ intéresse au cas où eest un Hilbert et A est un sous espace

vectoriel
Projection orthogonal
Théorème et définition

Soit (H , . ) un espace de Hilbertien et F est sous espace vectoriel de H de dimension fini

alors:

Pour tout u 𝝐𝝐 H ° il existe un 𝑣𝑣 unique 𝝐𝝐 F tel que

min ( 𝑢𝑢 − 𝑤𝑤 ) = ( 𝑢𝑢 − 𝑣𝑣 ) et <u-v, w >= 0 ∀ w𝝐𝝐 F

𝑤𝑤𝑤𝑤𝐹𝐹

𝑣𝑣 est appelé la projection orthogonale de u dans F

𝑣𝑣 est appelé la meilleure approximation ou le meilleure représentant de u dans F

𝑢𝑢 − 𝑣𝑣 est l’erreur de l’approximation de u par 𝑣𝑣

Projection orthogonal
On sait un espace vectoriel est entièrement déterminer si on connait
sa base.
On suppose que F est de dimension 2 et 𝑒𝑒1 ; 𝑒𝑒2 une base de F
La meilleur approximation v est dans F v s’écrit 𝑣𝑣 = α1 𝑒𝑒1 + α2 𝑒𝑒2
et vérifie
min ( 𝑢𝑢 − 𝑤𝑤 ) = ( 𝑢𝑢 − 𝑣𝑣 ) et <u-v, w >= 0 ∀ w𝝐𝝐 F
𝑤𝑤𝑤𝑤𝑤𝑤
<u-v, w>=<u-(α1 𝑒𝑒1 + α2 𝑒𝑒2 ),w>=<u,w> - α1 < 𝑒𝑒1 , 𝑤𝑤 ≻ −α2 < 𝑒𝑒2 ,w>
 Projection orthogonal
<u,w> - α1 < 𝑒𝑒1 , 𝑤𝑤 ≻ −α2 < 𝑒𝑒2 ,w>=0 d’où
α1 < 𝑒𝑒1 , 𝑤𝑤 ≻ + α2 < 𝑒𝑒2 ,w>=<u,w>
On choisit w= 𝑒𝑒1 α1 < 𝑒𝑒1 , 𝑒𝑒1 ≻ + α2 < 𝑒𝑒2 ,𝑒𝑒1 >=<u,𝑒𝑒1 >
On choisit w= 𝑒𝑒2 α1 < 𝑒𝑒1 , 𝑒𝑒2 ≻ + α2 < 𝑒𝑒2 ,𝑒𝑒2 >=<u,𝑒𝑒2 >
On obtient un système de deux équations à deux inconnues .
On peut calculer l’erreur
𝑢𝑢 − 𝑣𝑣 2 = < u-v, u-v>=<u-(α1 𝑒𝑒1 + α2 𝑒𝑒2 ), u-(α1 𝑒𝑒1 + α2 𝑒𝑒2 ) >