সব বই

পেশাদার

1 Markets I: The Ecosystem and Exchange-Traded Marketsবাজার অনলাইনইংরেজি 2 Markets II: Rates, FX and Creditবাজার অনলাইনইংরেজি 3 Markets III: Commodities, Energy and Cryptoবাজার অনলাইনইংরেজি 4 Quantitative Methodsপদ্ধতি অনলাইনইংরেজি 5 Derivatives and Volatilityডেরিভেটিভস অনলাইনইংরেজি 6 Rates, Credit, XVA and Riskসুদহার, ঋণ ও ঝুঁকি অনলাইনইংরেজি 7 Research Craft: Predictors, Backtests, Measurement, Portfoliosগবেষণা অনলাইনইংরেজি 8 Strategies I: Equities and Futuresকৌশল অনলাইনইংরেজি 9 Strategies II: Volatility, Relative Value, Macro and the Bank Desksকৌশল অনলাইনইংরেজি 10 Microstructure and Executionএক্সিকিউশন অনলাইনইংরেজি 11 Market Making and High-Frequency Tradingমার্কেট মেকিং অনলাইনইংরেজি 12 Machine Learning for Marketsমেশিন লার্নিং অনলাইনইংরেজি 13 Low-Latency Softwareপ্রযুক্তি অনলাইনইংরেজি 14 Networks, Hardware and Trading Infrastructureপ্রযুক্তি অনলাইনইংরেজি 15 Research, Data and Risk Platformsপ্রযুক্তি অনলাইনইংরেজি 16 The Desk and the Firmপ্রতিষ্ঠান অনলাইনইংরেজি 17 The Industry: Firms, Roles and Careersক্যারিয়ার অনলাইনইংরেজি 18 Interviews I: Maths, Probability and Speedক্যারিয়ার অনলাইনইংরেজি 19 Interviews II: Markets, Trading Games and the Final Roundক্যারিয়ার অনলাইনইংরেজি 20 Interviews III: Codeক্যারিয়ার অনলাইনইংরেজি
অ্যাপ পরিচিতি Coach সাইন ইন পড়া শুরু করো

বইগুলো এখনো বাংলা ভাষায় পাওয়া যায় না — Français সংস্করণ দেখানো হচ্ছে।

Mathématiques · পরিভাষা

famille orthonormale কী?

Définition 23.5 Mathématiques universitaires — Licence 1 · অধ্যায় 23 — Espaces euclidiens

On écrit x⊥yx \perp y lorsque ⟨x,y⟩=0\langle x, y \rangle = 0. Une famille est orthogonale lorsque ses vecteurs sont deux à deux orthogonaux, orthonormale lorsque de plus chacun est de norme 11. L’orthogonal d’un sous-espace FF est

F⊥={x∈E:∀y∈F, ⟨x,y⟩=0},F^{\perp} = \{x \in E : \forall y \in F,\ \langle x, y\rangle = 0\},

qui est un sous-espace de EE.

উদাহরণ

Exemple 23.7 (Coordonnées orthonormales, avec une vérification de Parseval)

Décomposons x=(1,2,3)x = (1, 2, 3) dans la base orthonormale de l’Exercice 23.3,

e1=12(1,1,0),e2=16(1,−1,2),e3=13(−1,1,1).e_1 = \tfrac{1}{\sqrt2}(1,1,0), \quad e_2 = \tfrac{1}{\sqrt6}(1,-1,2), \quad e_3 = \tfrac{1}{\sqrt3}(-1,1,1).

Aucun système à résoudre — trois produits scalaires :

⟨x,e1⟩=32,⟨x,e2⟩=1−2+66=56,⟨x,e3⟩=−1+2+33=43.\langle x, e_1\rangle = \frac{3}{\sqrt2}, \qquad \langle x, e_2\rangle = \frac{1 - 2 + 6}{\sqrt6} = \frac{5}{\sqrt6}, \qquad \langle x, e_3\rangle = \frac{-1 + 2 + 3}{\sqrt3} = \frac{4}{\sqrt3}.

Certification par la formule de la norme de la proposition :

92+256+163=27+25+326=14=∥x∥2=1+4+9.\frac{9}{2} + \frac{25}{6} + \frac{16}{3} = \frac{27 + 25 + 32}{6} = 14 = \norm{x}^2 = 1 + 4 + 9 .

Cette vérification par la somme des carrés des coordonnées (une identité de Parseval finie) coûte quelques secondes et détecte presque à coup sûr les erreurs de signe et de normalisation — prenez-en l’habitude chaque fois que vous calculez une décomposition orthonormale ; sa version en dimension infinie, pour les coefficients de Fourier de l’Exemple 23.14, est un théorème du volume de Licence 3.

Exemple 23.9 (Gram–Schmidt sur les polynômes, en entier)

Orthonormalisons (1,X,X2)(1, X, X^2) dans R2[X]\R_2[X] pour ⟨P,Q⟩=∫01PQ\langle P, Q\rangle = \int_0^1 PQ. Étape 1 : ∥1∥2=1\norm{1}^2 = 1, donc e1=1e_1 = 1. Étape 2 : w2=X−⟨X,1⟩ 1=X−12w_2 = X - \langle X, 1\rangle\,1 = X - \frac12, et ∥w2∥2=∫01(x−12)2 ⁣dx=112\norm{w_2}^2 = \int_0^1\bigl(x - \frac12\bigr)^2 \dd x = \frac1{12} : e2=12 (X−12)e_2 = \sqrt{12}\,\bigl(X - \frac12\bigr). Étape 3 : ⟨X2,e1⟩=13\langle X^2, e_1\rangle = \frac13 et

⟨X2,e2⟩=12∫01x2(x−12) ⁣dx=1212,doncw3=X2−13−(X−12)=X2−X+16.\langle X^2, e_2\rangle = \sqrt{12}\int_0^1 x^2\Bigl(x - \frac12\Bigr)\dd x = \frac{\sqrt{12}}{12}, \qquad\text{donc}\qquad w_3 = X^2 - \frac13 - \Bigl(X - \frac12\Bigr) = X^2 - X + \frac16 .

Sa norme a été calculée dans l’Exercice 23.9 : ∥w3∥2=1180\norm{w_3}^2 = \frac1{180}, d’où e3=180 (X2−X+16)e_3 = \sqrt{180}\,\bigl(X^2 - X + \frac16\bigr). Les polynômes 11, X−12X - \frac12, X2−X+16X^2 - X + \frac16 sont, à un facteur près, les premiers polynômes de Legendre de l’intervalle [0, 1]\intcc{0}{1} ; la construction se poursuit degré par degré, chaque nouveau polynôme étant orthogonal à tous ses prédécesseurs. Remarquons comme l’algorithme réutilise le travail déjà fait : la projection retranchée à l’étape 3 est exactement la meilleure approximation affine de X2X^2 obtenue dans l’Exemple 23.12 — Gram–Schmidt est une projection orthogonale itérée.

Exemple 23.11 (Une projection ne rallonge jamais)

En appliquant Pythagore à la décomposition x=pF(x)+(x−pF(x))x = p_F(x) + (x - p_F(x)) :

∥pF(x)∥2=∥x∥2−∥x−pF(x)∥2≤∥x∥2,\norm{p_F(x)}^2 = \norm x^2 - \norm{x - p_F(x)}^2 \leq \norm x^2 ,

avec égalité si et seulement si x∈Fx \in F. Dans une base orthonormale (e1,…,ek)(e_1, \dots, e_k) de FF, cela s’écrit ∑i≤k⟨x,ei⟩2≤∥x∥2\sum_{i \leq k}\langle x, e_i\rangle^2 \leq \norm x^2 (une inégalité de Bessel) : quel que soit le nombre de directions orthonormales que l’on mesure, la somme des carrés des coordonnées ne dépasse jamais le carré de la longueur — à comparer à l’égalité exacte de l’Exemple 23.7, lorsque la famille est une base entière. Cette inégalité d’une ligne est ce qui rend les coefficients de Fourier sommables dans le volume de Licence 3 ; ici, elle explique déjà pourquoi ajouter des fonctions de base à un ajustement par moindres carrés ne peut que diminuer le résidu.

প্রসঙ্গসহ পড়ো →