Analyse Fonctionnelle Cours, Chapitre n 8 Luc Hillairet. Bases Hilbertiennes

Documents pareils
I. Polynômes de Tchebychev

Cours d analyse numérique SMI-S4

Programmes des classes préparatoires aux Grandes Ecoles

Amphi 3: Espaces complets - Applications linéaires continues

Limites finies en un point

3. Conditionnement P (B)

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Capes Première épreuve

Cours d Analyse. Fonctions de plusieurs variables

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

Intégration et probabilités TD1 Espaces mesurés Corrigé

Approximations variationelles des EDP Notes du Cours de M2

Commun à tous les candidats

aux différences est appelé équation aux différences d ordre n en forme normale.

Image d un intervalle par une fonction continue

Fonctions de plusieurs variables

Calcul fonctionnel holomorphe dans les algèbres de Banach

Mesures gaussiennes et espaces de Fock

3 Approximation de solutions d équations

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Un K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E

Formes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions

Correction de l examen de la première session

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

Dualité dans les espaces de Lebesgue et mesures de Radon finies

1 Complément sur la projection du nuage des individus

Théorème du point fixe - Théorème de l inversion locale

Suites numériques 4. 1 Autres recettes pour calculer les limites

Calcul différentiel sur R n Première partie

Chapitre 3. Mesures stationnaires. et théorèmes de convergence

[ édité le 30 avril 2015 Enoncés 1

Continuité d une fonction de plusieurs variables

Moments des variables aléatoires réelles

Sur certaines séries entières particulières

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Cours d Analyse 3 Fonctions de plusieurs variables

Calcul différentiel. Chapitre Différentiabilité

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

Intégration et probabilités TD1 Espaces mesurés

CCP PSI Mathématiques 1 : un corrigé

Comparaison de fonctions Développements limités. Chapitre 10

CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Analyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe


Suites numériques 3. 1 Convergence et limite d une suite

Cours de mathématiques

Continuité en un point

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008)

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://

Développement décimal d un réel

Chapitre 7. Statistique des échantillons gaussiens. 7.1 Projection de vecteurs gaussiens

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Texte Agrégation limitée par diffusion interne

Problème 1 : applications du plan affine

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

C1 : Fonctions de plusieurs variables

Continuité et dérivabilité d une fonction

108y= 1 où x et y sont des entiers

Déterminants. Marc SAGE 9 août Inverses et polynômes 3

Chapitre 2 Le problème de l unicité des solutions

Développements limités. Notion de développement limité

Chapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :

Angles orientés et trigonométrie

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Cours Fonctions de deux variables

Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles

Exercices Corrigés Premières notions sur les espaces vectoriels

NOTICE DOUBLE DIPLÔME

Espérance conditionnelle

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

Simulation de variables aléatoires

I. Ensemble de définition d'une fonction

Le produit semi-direct

Programme de la classe de première année MPSI

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples

Programmation linéaire et Optimisation. Didier Smets

Analyse en Composantes Principales

Développements limités, équivalents et calculs de limites

Équations d amorçage d intégrales premières formelles

Planche n o 22. Fonctions de plusieurs variables. Corrigé

I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES

Fonctions de plusieurs variables et applications pour l ingénieur

Corrigé du baccalauréat S Asie 21 juin 2010

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

Fonctions de plusieurs variables. Sébastien Tordeux

Notes de cours M2 Équations aux dérivées partielles elliptiques. Hervé Le Dret

Eteindre. les. lumières MATH EN JEAN Mme BACHOC. Elèves de seconde, première et terminale scientifiques :

Contexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,

Cours de Mécanique du point matériel

Probabilités sur un univers fini

1S Modèles de rédaction Enoncés

Théorie et codage de l information

PEUT-ON «VOIR» DANS L ESPACE À N DIMENSIONS?

Cours 02 : Problème général de la programmation linéaire

Séquence 10. Géométrie dans l espace. Sommaire

Introduction à l étude des Corps Finis

Polynômes à plusieurs variables. Résultant

n N = u N u N+1 1 u pour u 1. f ( uv 1) v N+1 v N v t

Transcription:

SOM1MT05 Université d Orléans Analyse Fonctionnelle 2014-2015 1 Familles orthogonales Cours, Chapitre n 8 Luc Hillairet. Bases Hilbertiennes Définition 1. Dans un espace euclidien (E,h, i) une famille de vecteurs non-nuls (u i ) i2i est dite orthogonale dès lors que 8i 6= j, h u i,u j i =0, orthonormée, si elle est orthogonale et de plus, 8i, ku i k =1. Lorsque (u i ) i2i est une base de E, on parle de base orthogonale (resp. orthonormée). Remarque : On vérifiera sans peine que si (u i ) i2i est orthogonale, alors ( u i ku i k ) i2i est orthonormée. Lemme 1. Toute famille orthogonale (a fortiori orthonormée) est libre. Démonstration. En e et, soit P i2i iu i une combinaison linéaire finie qui annule la famille : X i u i =0. i2i Pour tout i en faisant le produit scalaire avec u i et en utilisant l orthogonalité, on obtient : D où i = 0 et la liberté de la famille. i ku i k 2 =0. L intérêt des bases orthonormées est que de nombreuses formules sont plus simples. On a par exemple les propriétés suivantes. 1. Soit (E,h, i) un espace euclidien de dimension finie et (e i ) 1appleiapplen une base orthonormée alors par sesquilinéarité on obtient pour x = P n i=1 x i e i et y = P n i=1 y i e i nx hx, yi = x i y i. En particulier, on trouve que nécessairement x i = he i,xi. 2. Soit H un espace de Hilbert et F E un sous-espace de dimension finie dont (e i ) 1appleiapplen est une base orthonormée alors nx 8x 2H, F (x) = he i,xie i. En e et, si on définit z par la formule de droite alors il est clair que z 2 F et de plus i=1 i=1 8j, he j,x F (x)i = he j,xi he j,xi. Ce qui caractérise le projeté orthogonal sur F. 1

2 Orthonormalisation La procédure d orthonormalisation permet de transformer toute famille libre en famille orthonormée. Théorème 1. Soit (u i ) 1appleiapplen une famille libre finie dans un espace euclidien (E,h, i) alors il existe une famille orthonormée (e i ) 1appleiapplen telle que 8m apple n vect(u i ) 1appleiapplem =vect(e i ) 1appleiapplem. Démonstration. Pour 1 apple m apple n, on note F m := vect(u i ) 1appleiapplem et m la projection orthogonale sur F m. On définit alors la famille (v i ) 1appleiapplen de la façon suivante v 1 := u 1, 8i apple n 1, v i+1 := u i+1 i (u i+1 ). On montre alors par récurrence sur m les propriétés voulues. Il n y a rien à faire pour m =1. On suppose alors la propriété au rang m. Remarquons tout d abord que par construction v m+1 est orthogonal à F m et donc à tous les v i, 1 apple i apple m. La famille (v i ) 1appleiapplem+1 est donc orthogonale. Comme la famille (u i ) 1appleiapplen est libre on a F m+1 = F m vect(u m+1 ). Ceci entraîne que v m+1 6=0etdeplus,v m+1 2 F m+1 et donc vect(v i ) 1appleiapplem+1 F m+1. En écrivant u m+1 = v m+1 m (u m+1 ) on en déduit aussi u m+1 2 vect(u i ) 1appleiapplem+1 d où la propriété cherchée. On pose alors e i := v i kv i k. Corollaire 1. Soit (E,h, i) un espace euclidien de dimension finie, alors E admet des bases orthonormées. 2.1 Applications à la dimension finie L existence de bases orthonormées en dimension finie a de nombreuses applications. On en liste quelques-unes ci dessous. Dans tous ces exemples (E,h, i) est un espace vectoriel euclidien de dimension n. 1. E est isométrique à C n muni de son produit scalaire canonique. Plus précisément, si (e i ) 1appleiapplen est une base orthonormée alors l application linéaire définie par x 7! (he 1,xi,...,he n,xi) est une isométrie. 2. Dans une base orthonormée on représente x et y par des vecteurs colonnes X et Y et on a hx, yi = X Y. On en déduit qu une matrice de passage U entre deux bases orthonormées vérifie U U = UU = I. On en déduit aussi que la matrice d une isométrie dans une base orthonormée vérifie aussi cette relation. 3. Le procédé d orthonormalisation de Schmidt est alors équivalent à l énoncé suivant. Proposition 1. Soit A une matrice hermitienne définie positive alors il existe T triangulaire telle que A = T T. 2

3 Bases Hilbertiennes Soit (e i ) i2i une famille finie ou infinie de vecteurs d un espace vectotiel E. On rappelle que le sous-espace vectoriel vect(e i ) i2i est l ensemble des combinaisons linéaires finies des (e i ) i2i. En particulier pour une famille (e n ) indexée par N, on a l équivalence 3.1 Etude d un modèle : `2 x 2 vect(e n ),9N 2 N, x 0,...,x N, x = On rappelle que `2(N, R ou C) est l espace des suites (x n ) n que X x n 2 < 1. Le produit scalaire défini par 0 réelles ou complexes telles hx, yi := X x n y n, fait de `2 un espace de Hilbert. Pour tout k 2 N, on définit la suite e k 2 `2 par e k (n) = 1 si k = n, 0 sinon. On a alors le lemme suivant Lemme 2. La famille (e k ) k 0 est orthonormée dans `2 et vect(e k ) k 0 est dense dans `2. Démonstration. Le fait que la famille est orthonormée est immédiat : pour tout x := (x n ) 2 `2 et tout ">0, il existe N tel que 0 @ X n N+1 1 x n 2 A 1 2 apple ". Ce qui se réécrit Ainsi kx x n e n kapple". vect(e n ) \ B(x, ") 6= ;. Remarquons que si on note F N =vect(e n ) 0applenappleN et N la projection orthogonale dans `2 sur F N alors, pour tout x := (x n ), on a N (x) = 3

Exercice 1. Démontrer la propriété précédente. Ainsi, dans le lemme, on a en fait montré que la suite ( N (x)) N `2. Comme on a aussi montré N (x) = he n,xie n, on obtient donc 1X 8x 2 `2, x = he n,xie n. 0 convergeait vers x dans 3.2 Familles totales On travaille maintenant dans un espace de Hilbert complexe 1 H de dimension infinie et on suppose qu il existe (e n ) n2n une famille orthonormée. Lemme 3. Soit (x n ) 2 `2(N, C) alors la suite (X N ) N 0 d éléments de H définis par converge vers un élément noté X N := 1X x n e n, x n e n ou X Démonstration. Il su t de montrer que la suite (X N ) N 0 est de Cauchy. Comme la famille (e n ) est orthonormée, on a 8p >q, kx p X q k 2 = qx n=p+1 x n 2. Comme x 2 `2, cela entraîne que (X N ) N 0 est une suite de Cauchy de H qui converge donc puisque ce dernier est complet. Remarque : Par définition on a donc que, pour tout x 2 `2, X x n e n 2 vect(e n ). Théorème 2. Soit x 2Het (e n ) une famille orthonormée. On définit la suite (x n ) par x n := he n,xi. On a alors 1. La suite (x n ) appartient à `2(N, C) et 1. le cas réel est complètement similaire 1X x n 2 applekxk 2. 4

2. Notons F := vect(e n ) et la projection orthogonale sur F alors (x) = X Démonstration. On note F N := vect(e n ) 0applenappleN. Comme F N est un sous-espace vectoriel de dimension finie, il est notamment fermé, et on peut noter N la projection orthogonale sur F N. On a rme que, pour tout x et tout N on a N (x) = En e et, si on note X N := P N x ne n, il est d abord clair que X N 2 F N. De plus, pour tout 0 apple n apple N, on a he n,x X N i = x n he n,x N i =0. Ce qui prouve x X N 2 F? N et donc l assertion. On en déduit que, pour tout N 2 N, kx N k 2 = x n 2 applekxk 2. Ceci donne le premier point en passant à la limite. D après le premier point, X := P x ne n est bien défini et appartient à F puisque c est une limite de combinaisons linéaires finies des (e n ). Par ailleurs, par continuité du produit scalaire avec e n on a Par linéarité, on en déduit que 8, he n,x Xi =lim N1 he n,x X N i =0. 8y 2 vect(e n ), hy, x Xi =0. Par continuité, on en déduit, D où X = (x). 8z 2 F, hz,x Xi =0. 0 est une fa- Remarque : La première inégalité dans la proposition, valable dès que (e n ) n mille orthonormée d un espace de Hilbert H, s appelle l inégalité de Bessel. Corollaire 2. Avec les notations du théorème précédent. k (x)k 2 = X x n 2, X d(x, F ) 2 = kxk 2 x n 2. 5

Démonstration. Puisque X N tend vers (x) la, première égalité vient en passant à la limite dans kx N k 2 = P N x n 2. La deuxième égalité découle alors du théorème de Pythagore. Définition 2. Soit (e n ) une famille (finie ou infinie) de vecteurs d un espace vectoriel normé (E,k k). Elle est dite totale lorsque vect(e n ) = E. Dans un espace de Hilbert H, une famille orthonormée totale est appelée base hilbertienne de H. Remarques : 1. On fera attention que, sauf en dimension finie, une base hilbertienne n est pas une base au sens algébrique. 2. La famille (e n ) définie dans le paragraphe précédent dans `2 est donc une base hilbertienne, parfois appelée base hilbertienne canonique de `2. 3. On pourra noter que dans un espace de Hilbert, une famille (e n ) est totale si et seulement si on a l implication suivante [8, he n,xi = 0] ) 0, qui traduit l égalité (vect(e n ) )? = {0}. Quand (e n ) est une base hilbertienne, la projection orthogonale sur F devient l identité. Le premier théorème devient donc 8x 2H, x := X he n,xie n. Proposition 2. Soit (e n ) une famille orthonormée dans un espace de Hilbert H alors les assertions suivantes sont équivalentes. 1. La famille (e n ) est une base hilbertienne. 2. Pour tout x 2H, on a l égalité de Parseval-Plancherel : kxk 2 = X he n,xi 2. 3. Pour tous x, y 2H,ona hx, yi = 1X hx, e n ihe n,yi. Démonstration. 1 ) 2 Par hypothèse F? = {0} et donc, pour tout x, d(x, F )=0. 2 ) 1 D après le corollaire ci dessus, l égalité de Parseval-Plancherel entraîne que, pour tout x, d(x, F ) = 0 et donc x 2 F. 3 ) 2 Faire x = y. 1 ) 3 On note N la projection orthogonale sur vect(e n ) 0applenappleN et on a puisque la famille (e n ) n 8N, h N (x),yi = h N (x), N (y)i = hx, e n ihe n,yi 0 est orthonormée. Le résultat s en déduit. 6

Exercice 2. Montrer que si (e n ) est une base hilbertienne de H alors l application b définie de H!`2 par ˆx =(he n,xi) est une isométrie surjective de H sur `2. Exemple : Dans L 2 per, la famille (e n ) n2z définie par e n (x) =exp(inx) est une base hilbertienne. En e et, elle est clairement orthonormée pour le produit scalaire normalisé. Elle est totale car les polynômes trigonométriques sont denses dans L 2 per. On en déduit la théorie L 2 des séries de Fourier et en particulier la formule de Parseval-Plancherel : 8u 2 L 2 per, 1 2 Z u(x) 2 dx := X n2z he n,ui 2 Exercice 3. On travaille dans L 2 ([0, ],dx). Pour k 1, on définit u k par u k (x) =sin(kx). 1. Calculer hu k,u j i pour tous k et j. En déduire que la famille (e n ) définie par e n := un ku nk est orthonormée. 2. Montrer que la famille (e n ) n 1 est une base hilbertienne. (on pourra montrer que toute fonction de L 2 ([0, ]) se prolonge en une fonction impaire de L 2 per.) 3.3 Encore un théorème de Riesz Le procéde d orthonormalisation de Gram-Schmidt entraîne que tout espace de Hilbert de dimension finie est isomorphe à C n muni de son produit scalaire canonique. En dimension infinie, on a aussi un résultat similaire que l on va énoncer seulement dans le cas séparable. Définition 3. Soit (E,k k) un espace vectoriel normé. On dit que E est séparable lorsqu il admet une partie dénombrable dense. Le théorème de Riesz s énonce alors de la façon suivante. Théorème 3. Soit H un espace de Hilbert séparable de dimension infinie, alors il existe une isométrie surjective de H sur `2(N, C). Démonstration. D après l exercice en fin de partie précédente, il su t de montrer que H admet une base hilbertienne. Par hypothèse, il existe une famille (a k ) k 0 dense dans H. On commence par en extraire une famille libre (b n ). Pour cela, on pose k 0 =min{k, a k 6=0} et on définit b 0 = a k0 et F 0 := vect(b 0 ). On définit ensuite par récurrence, pour, On vérifie alors les points suivants. k n+1 := min {k, a k /2 F n } b n+1 := a kn+1, F n+1 = F n vect(b n+1 ). 1. La suite (b n ) est infinie car H est de dimension infinie. 2. Par construction la famille (b n ) est libre. 7

3. La famille (b n ) est totale puisque vect(e n ) contient la famille (a k ) k 0. Il su t alors d orthonormaliser la famille (b n ) en (e n ) pour obtenir une base hilbertienne. Remarque : L hypothèse de dimension infinie peut être supprimée. Dans la construction il faut alors rajouter un cas lorsque la suite (b n ) est finie et on retrouve l isomorphisme d un espace de Hilbert de dimension finie avec C n. 8