Passer au playerPasser au contenu principalPasser au pied de page
  • avant-hier

Catégorie

Personnes
Transcription
00:00Un exercice très intéressant de SUP sur le produit scalaire et les espaces euclidiens,
00:03pour ceux qui viennent de finir leur SUP et pas sans SP.
00:06Voici l'énoncé.
00:07On a E, un espace vectoriel de dimension finie,
00:10et on a F, un sous-espace vectoriel de E,
00:13et G, un supplémentaire de F dans E.
00:16Pour rappel, d'après le cours, il existe toujours un tel supplémentaire en dimension finie.
00:19En fait, c'est vrai en dimension quelconque,
00:21mais en particulier en dimension finie, ça se démontre à partir du théorème de la base incomplète.
00:25On complète une base de F, et on prend le reste de la base,
00:29et ça nous donne un sous-espace qui sera en somme directe avec F et qui fera bien tout E.
00:34Montrez qu'il existe une application B qui est un produit scalaire tel que G.
00:38En fait, c'est LE supplémentaire orthogonal de F.
00:42Relativement à ce produit scalaire, bien sûr,
00:44puisque les notions d'orthogonalité dépendent du produit scalaire qu'on a mis sur l'espace.
00:49Donc regardez bien l'énoncé.
00:50Au début, on a un espace vectoriel sans structure supplémentaire.
00:53On n'a pas de produit scalaire, donc il n'y a pas de notion d'orthogonalité ou quoi que ce soit qui ait de sens.
00:57Je prends deux sous-espaces vectoriels supplémentaires,
01:01et à partir de ça, je peux créer, ex nihilo, entre guillemets,
01:04un produit scalaire qui fait que le deuxième save est en fait le supplémentaire orthogonal du premier save.
01:11On corrige ça tout de suite, c'est parti.
01:13Déjà, la première chose à se demander, c'est comment est-ce qu'on va bien pouvoir construire cette application.
01:18Un point qui devrait faire tilt si on maîtrise son cours sur les applications linéaires,
01:21c'est que l'application qu'on veut construire, le produit scalaire,
01:24est censée être une application bilinéaire.
01:26C'est une des propriétés du produit scalaire.
01:28Pour rappel, la définition ici, merci au poteau Bibmat.
01:31Mais rappelez-vous que d'après le cours, une application linéaire,
01:35elle est uniquement déterminée par l'image d'une base.
01:39Et ça se comprend, puisque n'importe qui peut s'exprimer comme combinaison linéaire d'éléments de cette base,
01:44et donc par linéarité, la somme et les facteurs vont sortir de l'application,
01:48et ça se résume en fait à avoir les images d'éléments de la base.
01:51Eh bien, on peut sentir que pour l'application bilinéaire, ça va être la même chose.
01:54Si on veut une application bilinéaire sur un espace, il suffit simplement de savoir son image sur une base.
02:00La question c'est, quelle base est-ce que je vais choisir ?
02:03Eh bien, une base qui va être adaptée à ceci, naturellement.
02:06D'après le cours, j'ai une base de F et une base de G qui se concatènent en une base de E.
02:11Et donc je considère une base de F, une base de G que je vais appeler comme ça.
02:15Étant donné que j'essaye de construire une application bilinéaire, donc qui prend en entrée deux vecteurs,
02:20il faut simplement que je détermine les images de mon application B, qui est ma future application bilinéaire,
02:27sur les couples de vecteurs de base.
02:29Et en faisant ça, j'aurai construit une application bilinéaire.
02:33Et après, j'aurai juste à ajuster pour voir qu'on satisfait bien les autres propriétés du produit scalaire.
02:38Donc on construit B de cette façon-là.
02:41B de EI, EI, c'est égal à 1, on ne va pas se prendre la tête.
02:45Pour tout I dans l'intervalle 1N, bien sûr.
02:47Maintenant, qu'est-ce que je dois mettre comme valeur ici pour les autres cas
02:51qui vont garantir l'orthogonalité entre F et G ?
02:55On peut simplement s'inspirer du produit scalaire usuel.
02:58On a notre base canonique, et en fait, si on a le produit scalaire usuel,
03:02on constate déjà que n'importe quel vecteur de cette base scalaire lui-même, ça vaut 1.
03:07Mais en plus, si on fait le scalaire entre deux éléments distincts de la base, on obtient 0.
03:13Et en coupant un endroit, les premiers vecteurs nous forment un sous-espace vectoriel,
03:17et le reste nous forme un autre sous-espace vectoriel,
03:20et nécessairement les deux vont être en somme directe orthogonale,
03:24et même supplémentaires orthogonaux.
03:26Donc en fait, pas besoin de se prendre la tête,
03:27on impose juste 0 pour la valeur de B en EI, EJ, dès que I est différent de J.
03:33Et là, j'ai bien construit une application bilinéaire.
03:36Pourquoi ? Parce que, quel que soit X dans E, il existe un unique énuplé de réel,
03:42tel que X est égal à la somme de 1 à N des λK EK,
03:46où EK, c'est ma base du début.
03:48La concaténation de BF et BG.
03:51Merci pour le compliment.
03:52Et donc, soit X et Y dans E, j'ai que B de XY,
03:55ça va être égal à ceci, ça c'est l'écriture unique de Y, celle-ci de X.
04:00Tous les deux dans la base des EI.
04:02Mais la bilinéarité me dit que la somme sort, cette somme aussi, et pareil pour les facteurs.
04:08Et donc, c'est comme ça que je définis mon application B en X et Y,
04:12comme cette double somme avec ces valeurs-là, qui sont uniques,
04:17et qui bien sûr existent, puisque X et Y se décomposent de manière unique dans la base,
04:22B de EI, EJ, que j'ai défini plus haut.
04:24Donc, telle qu'elle, mon application est bien définie, et elle est par construction bilinéaire.
04:30Le poteau Bibmat va nous dire si on vérifie les autres propriétés.
04:33Est-ce qu'on a la symétrie ?
04:35Autrement dit, est-ce que B de XY est égal à B de YX ?
04:38Bon, on refait la même chose, sauf que là, les sommes sont inversées.
04:42On sort les doubles sommes et les coefficients, et on a B de EI, EJ.
04:47Dans le premier cas et dans le deuxième cas, B de EJ, EI.
04:50Ici, les doubles sommes ne changent rien, puisque les indices ne dépendent pas les uns des autres,
04:53donc je peux commencer en I, puis en J, ou en J, puis en I.
04:57Et pareil, ici, le produit est commutatif.
04:59Donc, ça va dépendre de B, EI, EJ.
05:01Mais avec la définition que j'ai posée, on a bien évidemment symétrie.
05:04B de EI, EI, c'est égal à B de EI, EI, quand j'ai changé, qui est toujours égal à 1.
05:08Et B de EI, EJ, quand c'est différent, c'est aussi B égale à B de EJ, EI, qui vaut toujours 0.
05:14Et donc, on a bien que ceci vaut B de EJ, EI, peu importe les cas,
05:18et donc que toute cette somme-là, en refaisant la bilinéarité, est égale à B de YX.
05:25On a donc B de XY qui est égale à B de YX.
05:28Autre propriété, pour tout U dans E, on veut que l'application en UU soit super ou égale à 0,
05:32avec égalité si et seulement si, on est égal à 0.
05:35Let's go pour le calcul de BXX.
05:37Donc, j'ai ces sommes-là, j'écris les sommes au mode flemmard, mais on sait que ça va de 1 à N.
05:41lambda I lambda J, B de EI, EJ.
05:45Et rappelez-vous que dans la définition qu'on a posée, on a 0 dès que I est différent de J,
05:49et on a 1 quand I égale J.
05:51Donc, dans toute cette double somme, ici, à chaque fois, ceci sera égal à 0.
05:55Et c'est bien, ça va nous garantir la positivité,
05:57parce qu'on n'aurait aucun contrôle sur le signe de lambda I fois lambda J.
06:01Si I était différent de J, donc on aurait une somme de trucs qui pourrait être de n'importe quel signe,
06:05on ne pourrait pas garantir que tout soit positif.
06:07Mais là, oui. Pourquoi ?
06:09Parce qu'il ne va me rester que ceci.
06:11Donc, quand I est différent de J, ça vaut 0.
06:13Quand I égale J, ça vaut 1.
06:15Et donc, I égale J, j'ai lambda I fois lambda I, lambda I carré.
06:18Et donc, dans la double somme, en fait, je prends tous les couples IJ,
06:23tous ceux où I est différent de J dégagent,
06:25et quand I égale J, je les garde.
06:27Et donc, il me reste bien une seule somme avec I variant de 1 à N,
06:31des lambda I carré,
06:33qui est bien évidemment supérieure ou égale à 0, on a des réels au carré,
06:36et qui est égale à 0 en tant que somme de termes positifs,
06:39si et seulement si tous les termes positifs sont 0,
06:41si et seulement si chacun des lambda I valent 0,
06:44si et seulement si X vaut 0.
06:46On a bien un produit scalaire en bonne et due forme,
06:48on vérifie toutes les propriétés.
06:49Check !
06:50Bon, on a construit notre produit scalaire, c'est bien,
06:52mais maintenant, ce qu'on veut, c'est que G,
06:55ce soit le supplémentaire orthogonal de F.
06:58Du moins, c'est ce qu'il nous reste à montrer.
06:59Eh bien, on va montrer que tout élément de G est orthogonal à tout élément de F.
07:04Et donc, soit X appartenant à F et Y appartenant à G,
07:07on écrit B de XY,
07:09et en fait, on remplace XY par leurs expressions dans la base des EI.
07:13Et l'expression s'écrit bien comme ça,
07:15puisque X appartient à F et Y appartient à G.
07:19Et donc, dans les bases respectives de F et G,
07:21quelqu'un se décompose de E1 à EP,
07:24et dans G, de EP plus 1 à EN.
07:26Donc, Y s'écrit bien de cette forme-là,
07:28et X de cette forme-là.
07:30J'utilise la propriété de bilinéarité pour réécrire mon produit scalaire.
07:33Donc, je fais sortir les sommes et les facteurs,
07:36et donc, j'ai B de EI, EJ.
07:38Mais comme I varie entre 1 et P,
07:40et J varie entre P plus 1 et N,
07:42nécessairement, ils sont distincts,
07:44puisqu'ils ne sont pas dans le même sous-intervalle d'entier.
07:46Et donc, ceci est égal à 0.
07:48Et donc, le produit scalaire entre X et Y est égal à 0.
07:51Donc, attention, tel quel, ce qu'on a montré,
07:52c'est que G est inclus dans l'orthogonale de F,
07:54c'est-à-dire que tous les éléments de G sont orthogonaux
07:57à tous les éléments de grand F.
07:59Pour l'instant, ce n'est juste qu'une inclusion.
08:01Ça ne veut pas dire qu'il n'y en a aucun autre,
08:03et justement, il faut le montrer.
08:04Mais on sait, d'après le cours,
08:05que l'orthogonale de F est en somme directe orthogonale,
08:09bien sûr, avec grand F.
08:10Donc, sa dimension, c'est N moins P,
08:12qui est aussi, manifestement, la dimension de G.
08:15N moins P plus 1 plus 1.
08:17Donc, on a bien que G est égal à F orthogonale.
08:19Et donc, relativement au produit scalaire que l'on vient de créer,
08:22la somme directe est en fait une somme directe orthogonale.
08:25Check !
08:26Qu'est-ce qui ne change rien dans la démo ?
08:28Eh bien, si on change la valeur ici,
08:31en mettant quelque chose de strictement positif là,
08:34on ne change rien du raisonnement qui a été fait.
08:36On a toujours bilinéarité et symétrie.
08:38Et ici, au lieu d'avoir un 1,
08:40on va avoir la valeur strictement positive,
08:42qui ne va rien changer, du coup, sur la positivité de ça,
08:45et le fait qu'on est égal à 0,
08:46si et seulement si, tous les lambdaïs sont 0.
08:48C'est pour ça qu'il faut qu'il soit strictement positif, ce truc.
08:51Et on peut, en fait, se demander,
08:52est-ce la seule façon de construire un produit scalaire
08:54qui vérifie ce qui est demandé dans l'énoncé ?
08:56Et la réponse, est oui !
08:57Pour vérifier ceci, il faut se donner une base de F,
09:01une base de G,
09:02et construire l'application par bilinéarité de cette façon,
09:05avec B de EI, EI, strictement positif.
09:09Et on peut montrer qu'on a décrit l'ensemble
09:10de tous les produits scalaires possibles et imaginables,
09:14qui sont tels que G,
09:15c'est l'orthogonale de F.
09:16Je te laisse démontrer ça en com,
09:18qu'il n'y a pas d'autres produits scalaires
09:19qui vérifient ces conditions-là.
09:21Voilà, n'hésite pas à poser tes questions en commentaire
09:23si jamais quelque chose n'est pas clair,
09:24ou si tu veux que je détaille.
09:26Bisous !

Recommandations