2 Projection sur un convexe fermé
On va généraliser l’existence de projection orthogonale sur un sous-espace d’un espace euclidien d’abord au cas des convexes fermés et en dimension infinie.
Théorème 7.3.
Soit un espace de Hilbert et un convexe fermé non-vide. Pour tout il existe un unique tel que
De plus c’est l’unique vecteur vérifiant la propriété caractéristique:
Enfin, est une application -lipschitzienne appelée projection sur .
Remarque 7.2.
Un théorème de projection similaire sur un convexe fermé est valide dans pour tout (et pas seulement ), mais il n’y a pas de caractérisation aussi simple de la projection (en l’absence de produit scalaire) et la projection est seulement uniformément continue (et plus nécessairement Lipschitz). Mais ce résultat est beaucoup plus dur (un exercice difficile de M1 Math).
Démonstration :
On fait une preuve directe, utilisant l’identité du parallélogramme.
Soit tel que
En appliquant l’identité à , on trouve :
Or par convexité donc donc
On déduit donc que est de Cauchy, donc converge vers et par continuité de la norme
Soit . On peut calculer la différentielle . Or si atteint son minimum en , pour , ,
donc et la limite donne l’inégalité caractéristique. Réciproquement, on a en , l’inégalité qui conclut:
Pour voir l’unicité, si , on peut utiliser la convexité stricte sous la forme de l’identité du parallélogramme, on a
soit comme on déduit donc
Par l’unicité, est bien définie et il ne reste qu’à voir la lipschitizianité. En appliquant la propriété caractéristique pour :
soit en additionnant :
soit en utilisant Cauchy-Schwarz :
□
Théorème 7.4.
Soit un espace de Hilbert et un sous espace vectoriel fermé. Pour tout , il existe un unique tel que
De plus c’est l’unique vecteur tel que
Enfin, est une application linéaire bornée appelée projection orthogonale sur .
Démonstration :
Il reste à voir la nouvelle caractérisation équivalente car celle-ci étant une relation linéaire, elle impose la linéarité de ( vérifie la relation pour et doit donc être par unicité ). La nouvelle caractérisation est plus forte. Réciproquement, si , en prenant et , on trouve donc pour tout dans donc aussi pour par linéarité d’où l’égalité à . □
Exemple 7.5.
Si
Alors (exo) Trouver aussi de même la projection sur l’ensemble de