Chapitre 13 Projection orthogonale 1 Supplémentaire orthogonal 1.1 Définition . . . . . . . . . . . . . . . . . . . . 1.2 Supplémentaire orthogonal . . . . . . . . . . 2 2 3 2 Projection orthogonale sur un sous-espace vectoriel de dimension finie 5 2.1 Projeté orthogonal . . . . . . . . . . . . . . . 5 2.2 Expression dans une base orthonormée de F . 6 2.3 Distance d’un vecteur à un sous-espace . . . . 8 2.4 Pseudo-solutions d’un système linéaire . . . . 9 Mathieu Mansuy - Professeur de Mathématiques en spéciale ECS au Lycée Louis Pergaud (Besançon) [email protected] ECS2 1 Lycée Louis Pergaud Supplémentaire orthogonal Dans tout ce chapitre, E désigne un espace euclidien de dimension n ≥ 1, dont on note < ·, · > le produit scalaire, et k·k la norme euclidienne associée. 1.1 Définition Définition. Soit F un sous-espace vectoriel de E. On appelle orthogonal de F , et on note F ⊥ , l’ensemble des vecteurs orthogonaux à F , c’est à dire : F ⊥ = {x ∈ E, ∀y ∈ F, < x, y >= 0}. Propriété 1 Soient F, G des sous-espaces vectoriels de E. (1) F ⊥ est un sous-espace vectoriel de E orthogonal à F . (2) Si G est orthogonal à F , alors G ⊂ F ⊥ . (3) Si F ⊂ G, alors G⊥ ⊂ F ⊥ . Preuve. Exemple. {0E }⊥ = E et E ⊥ = {0E }. 2 ECS2 Lycée Louis Pergaud Propriété 2 Soit F = V ect(e1 , . . . , en ), alors x ∈ F ⊥ ⇔ ∀ i ∈ [|1, n|], < x, ei >= 0 Preuve. Exercice. Dans R3 muni du produit scalaire canonique, soit F = {(x, y, z), x+y+z = 0}. Déterminer F ⊥. 1.2 Supplémentaire orthogonal Théorème 3 Soit F un sous-espace vectoriel de E. Alors dim(F ⊥ ) = dim(E) − dim(F ), et on a : E = F ⊕ F ⊥. On dit que F ⊥ est le supplémentaire orthogonal de F . 3 ECS2 Lycée Louis Pergaud Preuve. Comme conséquences, on a : Propriété 4 (1) F ⊥ ⊥ = F. (2) La concaténation d’une base orthonormée (e1 , . . . , ep ) de F et d’une base orthonormée (ep+1 , . . . , en ) de F ⊥ est une base orthonormée de E. Preuve. Remarque. On peut définir de même l’orthogonal d’un sous-espace vectoriel F en dimension infinie. Cependant les propriétés énoncées dans ce paragraphe ne sont alors plus vraies : on n’a pas ⊥ nécessairement E = F ⊕ F ⊥ ou encore F = F ⊥ lorsque E est de dimension infinie. 4 ECS2 2 Lycée Louis Pergaud Projection orthogonale sur un sous-espace vectoriel de dimension finie 2.1 Projeté orthogonal Soit F un sous-espace vectoriel de E. on vient de voir qu’on a la somme direct : E = F ⊕ F ⊥. Définition. On appelle projection orthogonale sur F , notée pF , la projection sur F dans la direction de F ⊥ . Pour tout x ∈ E, pF (x) est appelé le projeté orthogonal de x sur F . F⊥ x − pF (x) x F 0E pF (x) Projeté orthogonal de x sur F . Remarques. Soit p un projecteur de E. Im(p) ⊥ Ker(p). Alors p est un projecteur orthogonal si et seulement si Le projeté orthogonal pF (x) d’un vecteur x sur le sous-espace F est caractérisé par : ( pF (x) ∈ F x − pF (x) ∈ F ⊥ I Pour déterminer le projeté orthogonal de x sur le sous-espace vectoriel F , on peut procéder ainsi : (1) On détermine une base (e1 , . . . , ep ) de F ; (2) pF (x) ∈ F : il existe donc λ1 , . . . , λp ∈ R tels que pF (x) = p X λi ei . i=1 (3) x − pF (x) ∈ F ⊥ < x − pF (x), e1 >= 0 .. : on a donc . < x − p (x), e >= 0 p F (4) On résout alors ce système linéaire pour obtenir λ1 , . . . , λp , et pF (x). 5 ECS2 Lycée Louis Pergaud Exercice. Dans R3 muni du produit scalaire canonique, déterminer le projeté orthogonal de x2 3 x = (2, 2, 2) sur le sous-espace vectoriel F = (x1 , x2 , x3 ) ∈ R , x1 − 2 + x3 = 0 . 2.2 Expression dans une base orthonormée de F Propriété 5 Soit (e1 , . . . , ep ) une base orthonormée de F . Alors on a pour tout x ∈ E, pF (x) = p X < x, ei > ei . i=1 Preuve. Exercice. Supposons que F soit une droite vectorielle dirigée par a 6= 0E . Exprimer le projeté orthogonal d’un vecteur x de E sur F . 6 ECS2 Lycée Louis Pergaud Propriété 6 Soit B une base orthonormée de E, et soit (u1 , . . . , up ) une base orthonormée de F . Soient U1 , . . . , Up les vecteurs colonnes des coordonnées de u1 , . . . , up dans la base B. Alors la matrice de pF dans la base B est donnée par : MB (pF ) = p X Ui t Ui . i=1 Preuve. Exercice. Dans R4 muni du produit scalaire canonique, on considère F le sous-espace d’équations : ( x1 + x2 + x3 + x4 = 0 x1 − x2 + x3 − x4 = 0 a) Déterminer une base orthonormale de F . b) Déterminer la matrice, dans la base canonique, de la projection orthogonale sur F . 7 ECS2 Lycée Louis Pergaud Remarque. Retour sur le procédé d’orthonormalisation de Gram-Schmidt. Soit (x1 , . . . , xn ) une famille libre de vecteurs de E, et notons Fk = V ect(e1 , . . . , ek ) pour 1 ≤ k ≤ n−1. On peut réécrire le procédé d’orthonormalisation de Gram-Schmidt de la manière suivante : x1 poser e1 = ; ||x1 || une fois les vecteurs e1 , . . . , ek construits, – poser vk+1 = xk+1 − pFk (xk+1 ) ; vk+1 – poser ek+1 = . ||vk+1 || Fk⊥ ∩ Fk+1 vk+1 xk xk+1 Fk ek+1 x2 x1 pFk (xk+1 ) Pour obtenir ek+1 , on commence par “redresser” xk+1 en un vecteur vk+1 orthogonal à Fk , qu’on normalise ensuite. 2.3 Distance d’un vecteur à un sous-espace Théorème 7 Soit F un sous-espace vectoriel de E, et x ∈ E. On a : ∀y ∈ E, kx − pF (x)k ≤ kx − yk avec égalité si et seulement si y = pF (x). Preuve. 8 ECS2 Lycée Louis Pergaud Remarque. L’ensemble {||x−y||, y ∈ F } admet donc un minimum, atteint en un unique vecteur pF (x). F⊥ x d(x, F ) F 0E pF (x) Définition. On dit que pF (x) est la meilleur approximation de x dans F pour la norme euclidienne, et on appelle distance de x à F le réel : d(x, F ) = min{||x − y||, y ∈ F } = ||x − pF (x)||. Exemple. Calculer la distance de v = (3, 0, 1) au plan vectoriel F = {(x, y, z), x + y + z = 0}. 2.4 Pseudo-solutions d’un système linéaire Considérons Mn,1 (R) muni du produit scalaire canonique : ∀X, Y ∈ Mn,1 (R), < X, Y >= t XY. 9 ECS2 Lycée Louis Pergaud Propriété 8 Soient 1 ≤ p ≤ n et soit A ∈ Mn,p (R) de rang p, et B ∈ Mn,1 (R). Alors il existe un unique vecteur X0 ∈ Mp,1 (R) minimisant {kAX − Bk , X ∈ Mp,1 (R)}. Preuve. Remarques. L’unique vecteur X0 du théorème précédent est ce qui “se rapproche le plus”, au sens des moindres carrés (i.e. de la norme euclidienne) d’une solution du système linéaire AX = B. On parle de pseudo-solution du système. On peut montrer que X0 = (t AA)−1 AB (formule non exigible). Entre autres, ce résultat nous permettra d’approximer un nuage de points par une droite “la meilleur possible”, appelée droite des moindres carrés. 10