Orthogonalité, J–Paul K., Tsasa Laboratoire d`Analyse
Transcription
Orthogonalité, J–Paul K., Tsasa Laboratoire d`Analyse
Orthogonalité, J–Paul K., Tsasa Laboratoire d’Analyse – Recherche en Economie Quantitative One Pager Mars 2013 Vol. 5 – Num. 017 Copyright © Laréq 2013 http://www.lareq.com Produit Scalaire, Norme et Orthogonalité Préalables à la Résolution du Problème des Moindres Carrés Jean–Paul Kimbambu, Tsasa Vangu « La logique est l’hygiène des mathématiques » André Weil (1906 – 1998) Résumé Ce papier présente et illustre par des exemples intuitifs un ensemble de concepts qui apparaissent comme préalables à la méthode des moindres carrés. Il s’agit, notamment, de produit scalaire, de norme d’un vecteur et d’orthogonalité. Mots – clé : Produit scalaire, longueur, orthogonalité. Abstract This paper illustrates the concepts of scalar product, norm of a vector and orthogonality. Introduction La méthode des moindres carrés figure parmi les méthodes les plus sollicitées en sciences économiques. Ainsi, tout au long de ce papier, je reviens sur les fondements mathématiques de cette approche d’estimation. L’exposé que je propose, exige une connaissance générale sur la notion de structure d’espaces vectoriels1. Le développement du papier se fait en trois sections. Dans chacune d’elles, je définis et/ou illustre, successivement et succinctement les concepts de produit scalaire de deux vecteurs, de longueur (norme d’un vecteur) et d’orthogonalité. Remarquons que les définitions présentées considèrent l’espace et que par ailleurs, je me suis servi de ce même cadre pour dériver, à la section troisième, le coefficient de corrélation. Produit scalaire Le concept de produit scalaire étant largement défini dans Tombola – Tsasa (2013, p.96), cette section se propose de présenter un ensemble de considérations théoriques qui permettra de définir les propriétés fondamentales de produits scalaires de deux vecteurs. Soit et chacun de format est de format matrice produit tels que : (i) le vecteur est de format donc un scalaire. Il vient donc que l’expression simple nombre réel appelé produit scalaire de 1 transposée du vecteur deux vecteurs de et de ; (ii) la est un et noté : Je renvoie l’intéréssé à consulter Tombola – Tsasa 2013 (papier disponible et téléchargeable sur le site web du Laboratoire, http://www.lareq.com). 112 J–Paul Kimbambu, Tsasa Vangu Laboratoire d’Analyse – Recherche en Economie Quantitative Ainsi, pour et pour on obtient : Partant de l’exemple précédent, il ressort que Par ailleurs, les propriétés suivantes sont également valides pour un produit scalaire : (i) ; où ; (ii) (iii) ; si et seulement si (iv) Ces différentes propriétés seront appliquées, implicitement ou explicitement, dans les développements qui suivent. Norme d’un vecteur Soit un vecteur de de composantes Par la propriété (iv), est une fonction bien définie. Soit et par conséquent, la norme euclidienne (longueur, distance ou métrique), par définition, on a : (i) ; (ii) En considérant le plan et un vecteur correspondant à un point, soit 1 théorème de Pythagore , il vient que la norme et en appliquant le est définie comme une longueur du segment reliant l’origine des axes à Figure 1. Dérivation de la norme d’un vecteur module (valeur absolue), définit la distance sur une droite réelle. La notion de longueur permet également de préciser celle de proximité entre vecteurs. En effet, dans l’espace la distance entre deux vecteurs et notée correspond à la longueur du vecteur Ainsi, on a : 1 Du nom du mathématicien de la Grèce antique Pythagore de Samos (vécu probablement entre 580 av. J.–C – 495 av. J.–C). Ce théorème sera dérivé dans la section qui suit. 113 J–Paul Kimbambu, Tsasa Vangu Laboratoire d’Analyse – Recherche en Economie Quantitative On peut, à présent, montrer que pour tout scalaire vecteur la longueur est égale à fois la longueur du : Et donc, Preuve. Connaissant on peut toujours trouver un vecteur vecteur unitaire, tel que Par exemple, pour tel que où est appelé la longueur est donnée par la formule Ainsi, on a Pour trouver le vecteur unitaire Dans et il suffit de « normer » c’est–à–dire multiplier par : cette définition permet de dériver les formules de la distance euclidienne entre deux points. Soient et deux vecteurs de Alors, la distance s’obtient comme suit : Il convient de noter au passage qu’un espace vectoriel muni d’une distance est appelé espace vectoriel normé. Cette notion sera largement présentée dans les publications de la série Topologie pour économistes. Orthogonalité Cette section transpose, dans l’espace euclidienne. Soient et le concept de perpendicularité entre deux droites en géométrie deux vecteurs non nuls, le plan et deux droites passant par l’origine. Figure 2. Orthogonalité dans 114 J–Paul Kimbambu, Tsasa Vangu Laboratoire d’Analyse – Recherche en Economie Quantitative Par définition, les deux droites, telles qu’illustrées, sont géométriquement perpendiculaires si et seulement si la distance de à est égale à la distance de à– Les calculs suivants permettent d’expliciter la condition d’égalité des carrés de distances. : : Il y a donc égalité entre Soient et et deux vecteurs non nuls de si et seulement si et ou encore si et seulement sont orthogonaux si et seulement si Ainsi, dérive–t–on le théorème de Pythagore : Les différents concepts présentés et/ou illustrés peuvent dès lors faciliter l’extraction du coefficient de corrélation. Soit la figure suivante telle que le produit scalaire des vecteurs et est donné par : Figure 3. Dérivation du coefficient de corrélation D’après la loi des cosinus1 : 1 Appelée aussi théorème de Pythagore généralisé ou théorème d’Al–Kashi, du nom du mathématicien perse Ghiyath al–Kashi (1380 – 1429). 115 J–Paul Kimbambu, Tsasa Vangu Laboratoire d’Analyse – Recherche en Economie Quantitative Pour montrer que il suffit de réaménager l’expression (9), puis procéder aux calculs suivants : On peut également montrer que la valeur de En considérant les composantes permet de définir le coefficient de corrélation : et des vecteurs et on obtient après les avoir centré, puis appliqué le produit scalaire normé le résultat suivant : Dès lors : (i) si donc, et et donc, et sont colinéaires (parallèles) ; (ii) si sont orthogonaux ; (iii) si et donc, et et sont colinéaires de sens opposé. Pour plus de détails sur le coefficient de corrélation, l’intéressé peut se rapporter aux papiers suivants insistant sur : (i) la distinction entre coefficient de Bravais–Galton–Pearson (BGP) et coefficient de corrélation de Spearman (Tsasa, 2012) ; (ii) la dérivation du domaine de définition du coefficient BGP (Makambo – Tsasa, 2012) ; (iii) le coefficient de détermination (Tombola, 2012b & 2012c) ; (iv) le calcul du coefficient BGP à l’aide du logiciel Eviews (Tombola, 2012a) ; (v) la corrélation linéaire partielle (Mayemba – Tombola, 2012), (vi) le rapport de corrélation (Tombola, 2013), (vii) le calcul des coefficients BGP et de Spearman à l’aide du logiciel R (Lokota – Tsasa, 2012). In fine, remarquons que ce papier pose uniquement le premier fondement de la méthode des moindres carrés. A ce titre, il sera complété par un prochain en vue de fournir un ensemble des concepts supplémentaires constituant la toile de fonds de la méthode en cause. En ce moment, il sera question et l’occasion de présenter les concepts d’ensemble orthogonal, d’ensemble orthonormé et de projection orthogonale, avant d’aborder le problème général des moindres carrés. 116 J–Paul Kimbambu, Tsasa Vangu Laboratoire d’Analyse – Recherche en Economie Quantitative Bibliographie AIGNER Martin et Günter M. ZIEGLER, 1998, Raisonnements Divins : Quelques Démonstrations Mathématiques Particulièrement Elégantes, 2ième édition Springer, Berlin, 270p. HAMILTON James D., 1994, Times Series Analysis, Princeton University Press, Princeton, New Jersey, 799p. LOKOTA Michel – Ange et Jean – Paul TSASA, 2012, « Arbitrage Qualité de la gouvernance et Taille du Gouvernement en RDC : Application du test de Shapiro – Wilk et Calcul Conjoint de Coefficients de Bravais–Galton–Pearson et de Spearman », One Pager Laréq (août), vol. 3, num. 008, 89 – 97. MAKAMBO Israël et Jean – Paul TSASA, 2012, "Dérivation du Domaine de Définition du Coefficient de Corrélation de Bravais – Galton – Pearson : Application de l’Inégalité de Cauchy (1921), Bunyakovski (1859) et Schwart (1885)", One Pager Laréq (août), vol. 3, num. 008, 97 – 101. MAYEMBA Foura et Cédrick TOMBOLA, 2012, "Corrélation Linéaire Partielle: Comment Prévenir la Dépendance Linéaire des Régresseurs", One Pager Laréq (septembre), vol. 3, num. 009, 102 – 109. OK Efe A., 2007, Real Analysis with Economic Applications, Princeton University Press, Princeton, 802p. TOMBOLA Cédrick et Jean – Paul TSASA, 2013, « Analyse de la Structure d’Espaces Vectoriels », One Pager Laréq (février), vol. 5, num. 15, 93 – 99. TOMBOLA Cédrick, 2012a, "Premier pas avec Eviews : Estimation du Coefficient de Corrélation de Bravais – Pearson", One Pager Laréq (avril), vol. 1, num. 007, 41 – 47. TOMBOLA Cédrick, 2012b, "Réflexions sur le Coefficient de Détermination : Comment Éviter les Pièges d’une Interprétation à Problèmes", vol. 3, num. 008, One Pager Laréq (août), 83 – 8. TOMBOLA Cédrick, 2012c, Économétrie 1 : Rappels et Recueils d’Exercices (suite), Guide Laréq pour étudiant (juin), GLEN 010, 52p. TOMBOLA Cédrick, 2013, « Au–delà de la Corrélation Linéaire : Métrique du khi – Deux et Rapport de Corrélation », One Pager Laréq (février), vol. 5, num. 009, 54 – 59. TSASA Jean – Paul, 2012, Économétrie (Module 1), Guide Laréq pour étudiants (mars), GLEN 002, 70p. TSASA Jean – Paul, 2013, « Ensemble R et Extraction de Quelques Théorèmes Fondamentaux », One Pager Laréq (janvier), vol. 5, num. 006, 31 – 36. 117 J–Paul Kimbambu, Tsasa Vangu Laboratoire d’Analyse – Recherche en Economie Quantitative