MPSI · Espaces préhilbertiens réels

Distance à un sous-espace vectoriel

Distance à un sous-espace vectoriel

Question

On dispose d'un point xx et d'une partie AA de EE, et l'on peut mesurer à quel point xx est « loin » de AA. Mais cette distance est-elle réellement atteinte ? Existe-t-il dans AA un point le plus proche de xx, et si oui, est-il unique ? Et que devient la réponse lorsque AA est un sous-espace vectoriel ?

Définition 1 : Distance à une partie

Soient AA une partie non vide de EE et xEx \in E. On appelle distance de xx à AA le réel

d(x,A)=infaAxa.d(x,A) = \inf_{a \in A} \|x - a\|.

Remarque :

L'ensemble {xa / aA}\left\{ \|x - a\| \ / \ a \in A \right\} est non vide et minoré par 00, donc il admet une borne inférieure.

Proposition 1 : Distance à un sous-espace vectoriel de dimension finie

Soient FF un sous-espace vectoriel de EE de dimension finie et xEx \in E. La distance de xx à FF est atteinte en un unique point de FF, à savoir pF(x)p_F(x). C'est-à-dire :

  1. d(x,F)=xpF(x)d(x,F) = \left\| x - p_F(x) \right\| ;
  2. yF,xy=d(x,F)    y=pF(x)\forall y \in F, \quad \|x - y\| = d(x,F) \iff y = p_F(x).

Démonstration :

FOpF(x)yx
Le projeté orthogonal de x sur F réalise la distance de x à F : la perpendiculaire abaissée de x rencontre F en p_F(x).

Soit yFy \in F. On a

xy=xpF(x)F+pF(x)yFet(xpF(x)|pF(x)y)=0.x - y = \underbrace{x - p_F(x)}_{\in\, F^{\perp}} + \underbrace{p_F(x) - y}_{\in\, F} \qquad \text{et} \qquad \left( x - p_F(x) \,\middle|\, p_F(x) - y \right) = 0.

D'après le théorème de Pythagore :

xy2=xpF(x)2+pF(x)y2.\|x - y\|^2 = \left\| x - p_F(x) \right\|^2 + \left\| p_F(x) - y \right\|^2.

Donc xyxpF(x)\|x - y\| \geqslant \left\| x - p_F(x) \right\|. Alors l'ensemble D={xy / yF}D = \left\{ \|x - y\| \ / \ y \in F \right\} est minoré par xpF(x)\left\| x - p_F(x) \right\| et xpF(x)D\left\| x - p_F(x) \right\| \in D. Donc

xpF(x)=minyFxy.\left\| x - p_F(x) \right\| = \min_{y \in F} \|x - y\|.

On a xy=d(x,F)=xpF(x)\|x - y\| = d(x,F) = \left\| x - p_F(x) \right\| si et seulement si pF(x)y=0\left\| p_F(x) - y \right\| = 0, c'est-à-dire y=pF(x)y = p_F(x).

Remarque :

pF(x)p_F(x) est l'unique élément de FF minimisant la quantité xy\|x - y\| avec yFy \in F.

Exercice 1 : Calcul d'une borne inférieure

Calculer

inf(a,b)R201(t2atb)2dt.\inf_{(a,b) \in \mathbb{R}^2} \int_{0}^{1} \left( t^2 - at - b \right)^2 dt.

Solution :(cliquer pour afficher)

Munissons R[X]\mathbb{R}[X] du produit scalaire (PQ)=01P(t)Q(t)dt(P \mid Q) = \int_0^1 P(t)\, Q(t)\, dt. Posons F=vect(1,X)F = \operatorname{vect}(1, X). Soit (a,b)R2(a,b) \in \mathbb{R}^2. On a

01(t2atb)2dt=(X2aXb|X2aXb)=X2aXb2.\int_0^1 \left( t^2 - at - b \right)^2 dt = \left( X^2 - aX - b \,\middle|\, X^2 - aX - b \right) = \left\| X^2 - aX - b \right\|^2.

Ainsi

inf(a,b)R201(t2atb)2dt=inf(a,b)R2X2(aX+b)2=(infPFX2P)2=(d ⁣(X2,F))2=X2pF(X2)2=X2(X16)2=X22X162(car x2=pF(x)2+xpF(x)2)=01t4dt01(t16)2dt=15[13(t16)3]01=1180.\begin{aligned} \inf_{(a,b) \in \mathbb{R}^2} \int_0^1 \left( t^2 - at - b \right)^2 dt &= \inf_{(a,b) \in \mathbb{R}^2} \left\| X^2 - (aX + b) \right\|^2 = \left( \inf_{P \in F} \left\| X^2 - P \right\| \right)^2 \\ &= \left( d\!\left( X^2, F \right) \right)^2 \\ &= \left\| X^2 - p_F(X^2) \right\|^2 \\ &= \left\| X^2 - \left( X - \frac{1}{6} \right) \right\|^2 \\ &= \left\| X^2 \right\|^2 - \left\| X - \frac{1}{6} \right\|^2 \qquad \left( \text{car } \|x\|^2 = \left\| p_F(x) \right\|^2 + \left\| x - p_F(x) \right\|^2 \right) \\ &= \int_0^1 t^4\, dt - \int_0^1 \left( t - \frac{1}{6} \right)^2 dt \\ &= \frac{1}{5} - \left[ \frac{1}{3} \left( t - \frac{1}{6} \right)^3 \right]_0^1 = \frac{1}{180}. \end{aligned}

Question

Dans le cas particulier où le sous-espace est un hyperplan, la projection orthogonale se lit directement sur un vecteur normal. Peut-on en tirer une formule close, entièrement explicite, pour la distance de xx à cet hyperplan ?

Proposition 2 : Distance à un hyperplan

Soient EE un espace euclidien et uE{0}u \in E \setminus \{0\}. On pose D=vect(u)D = \operatorname{vect}(u) et H=DH = D^{\perp}. Pour tout xEx \in E, on a :

d(x,H)=(xu)u.d(x,H) = \frac{|(x \mid u)|}{\|u\|}.

Démonstration :

d(x,H)=xpH(x)=pD(x)=(xu)u.d(x,H) = \left\| x - p_H(x) \right\| = \left\| p_D(x) \right\| = \frac{|(x \mid u)|}{\|u\|}.