Analyse Fonct Cours
Analyse Fonct Cours
Analyse Fonct Cours
Licence 3
Modeste ESSOH
Table des matières
INTRODUCTION 1
2 Espaces de Hilbert 25
2.1 Espace préhilbertien . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
2.2 Orthogonalité, bases . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.2.1 Espace de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.3 Théorème de projection . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.4 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
1
TABLE DES MATIÈRES
1
Chapitre 1
Dans un espace métrique (X, d), on appelle boule ouverte (resp. boule fermée) de
centre a ∈ X et de rayon r > 0, le sous-ensemble :
Un sous-ensemble A d’un espace métrique (X, d) est borné si et seulement s’il est
contenu dans une boule :
2
1.1. ESPACES MÉTRIQUES
Définition 1.1.4 On appelle espace métrique complet tout espace métrique dans lequel
toute suite de Cauchy converge.
Proposition 1.1.5 Soit (E, d) un espace métrique. Alors les conditions suivantes sont
équivalentes :
1. E est complet.
2. Pour toute suite (Fn )n∈N de fermés emboîtés (Fn+1 ⊂ Fn ) non vides de E dont le
diamètre tend vers 0, on a ∩n∈N Fn 6= ∅.
3
1.2. LE THÉORÈME DE BAIRE ET SES CONSÉQUENCES
Définition 1.1.6 Soit f : X → Y une application entre deux espaces métriques (X, d)
et (Y, δ).
— L’application f est continue en a ∈ X si et seulement si :
(∀ > 0)(∃α > 0)(∀x ∈ X)(d(x, a) < α ⇒ δ(f (x), f (a)) < .)
(∀ > 0)(∃α > 0)(∀x ∈ X, ∀y ∈ X)(d(x, y) < α ⇒ δ(f (x), f (y)) < ).
Proposition 1.1.8 Soit f : X → Y une application entre deux espaces métriques (X, d)
et (Y, δ). L’application f est continue en a ∈ X si et seulement si : pour toute suite
u = (un )n≥0 de X convergent vers a, la suite (f (un ))n≥0 converge vers f (a).
4
1.2. LE THÉORÈME DE BAIRE ET SES CONSÉQUENCES
Théorème 1.2.1 (théorème de Baire.) Soit X un espace métrique complet. Si (Un )n≥0
est une suite de parties ouvertes et denses dans X, l’intersection ∩n≥0 Un est dense dans
l’espace X.
Preuve : Soit (Un )n≥0 une suite d’ouverts denses de X. Soit V une partie ouverte
non vide de X ; on doit montrer que ∩n≥0 Un rencontre V . Comme U0 est dense,
U0 rencontre V et on peut choisir un point x0 ∈ V ∩ U0 . Comme V ∩ U0 est
ouvert, il existe un nombre r0 > 0, que l’on peut choisir ≤ 1, tel que la boule
ouverte B(x0 , 2r0 ) de centre x0 et de rayon 2r0 soit contenue dans V ∩ U0 . Par
récurrence sur n ≥ 0 on construit une suite (xn ) d’éléments de X et une suite
(rn ) de nombres réels strictement positifs tels que rn ≤ 2−n et tels que, pour tout
n ≥ 1, la boule ouverte B(xn ; 2rn ) de centre xn et de rayon 2rn soit contenue dans
Un ∩ B(xn−1 , rn−1 ) : en effet, supposons xn et rn construits ; comme Un+1 est dense,
il existe xn+1 ∈ Un+1 ∩ B(xn , rn ). Comme Un+1 ∩ B(xn , rn ) est ouvert, il existe un
nombre rn+1 tel que 0 < rn+1 ≤ 2−n−1 et tel que la boule ouverte B(xn+1 , 2rn+1 )
soit contenue dans Un+1 ∩ B(xn , rn ) (on notera bien le petit jeu entre rn et 2rn+1 ).
Notons maintenant Bn la boule fermée de centre xn et de rayon rn . On a
Comme l’espace X est complet, que les ensembles Bn sont fermés, décroissants,
non vides et que leur diamètre tend vers 0, on a ∩n≥0 Bn 6= ∅ ; or, par construction,
T
∩n≥0 Bn ⊂ V ∩ n≥0 Un , ce qui montre que cette dernière intersection est non vide.
2
Corollaire 1.2.2 Soient X un espace métrique complet non vide et (Fn )n≥0 une suite de
S
parties fermées de X telle que n≥0 Fn = X ; alors l’un des fermés Fn a un intérieur non
S ◦
vide ; en réalité, on peut même dire que n≥0 F n est dense dans X.
5
1.2. LE THÉORÈME DE BAIRE ET SES CONSÉQUENCES
◦
B(x, r) ⊂ Fn0 et en particulier x ∈ F n0 . On a ainsi montré que la réunion des
intérieurs des (Fn ) rencontre tout ouvert non vide V donné. 2
Théorème 1.2.3 (théorème du point fixe de Banach) Soit (E, d) un espace métrique
complet et f : E → E une application contractante, c’est-à-dire telle qu’il existe une
constante k ∈ ]0, 1[ vérifiant
pour tout x, y ∈ E. Alors il existe un unique point fixe pour f , c’est-à-dire un unique
point ξ ∈ E tel que f (ξ) = ξ.
6
1.3. ESPACES NORMÉS
Définition 1.3.1 Soit X un espace vectoriel sur K ; on appelle semi-norme sur X une
application p : X → R+ vérifiant les propriétés suivantes :
1. pour tout x ∈ X et tout λ ∈ K, on a p(λx) = |λ| p(x) ;
2. pour tous x, y ∈ X, on a p(x + y) ≤ p(x) + p(y).
Si pour tout vecteur x non nul de X on a p(x) > 0, on dit que p est une norme sur
X.
De l’inégalité triangulaire ci-dessus (propriété (2)), on déduit :
Lemme 1.3.2 Si p est une semi-norme sur X, on a |p(x) − p(y)| ≤ p(x − y) pour tous
vecteurs x, y ∈ X.
Rappelons qu’un sous-ensemble C d’un espace vectoriel X est dit convexe si pour
tout couple (x, y) d’éléments de C, le segment
est tout entier contenu dans C. Une fonction réelle f définie sur un sous-ensemble
convexe C de X est dite fonction convexe sur C si
pour tous x, y ∈ C et tout t ∈ [0, 1]. On dira qu’une fonction réelle q sur X est
positivement homogène si elle vérifie que q(λx) = λq(x) pour tout x ∈ X et tout
nombre réel λ ≥ 0. Si q est positivement homogène et sous-additive, c’est à dire
que q(x + y) ≤ q(x) + q(y) pour tous x, y ∈ X, alors q est une fonction convexe sur
X, puisqu’on aura alors
En particulier, les semi-normes sur X sont des fonctions convexes. Lorsque f est
une fonction convexe définie sur un ensemble convexe C ⊂ X, les ensembles de
la forme Ct = {x ∈ C : f (x) ≤ t} sont des ensembles convexes, pour tout t réel (la
réciproque n’est pas vraie).
7
1.3. ESPACES NORMÉS
Corollaire 1.3.3 Pour que la fonction p ≥ 0 soit une semi-norme sur l’espace vectoriel
X, il faut et il suffit que p(λx) = |λ| p(x) pour tout scalaire λ ∈ K et pour tout vecteur
x ∈ X et que l’ensemble {x ∈ X : p(x) ≤ 1} soit convexe.
8
1.3. ESPACES NORMÉS
Définition 1.3.5 Un espace vectoriel topologique est un espace vectoriel X sur K muni
d’une topologie pour laquelle les deux applications (x, y) 7→ x + y de X × X dans X et
(λ, x) 7→ λx de K × X dans X sont continues.
qui tend vers 0 (noter que la suite (λn ) est bornée puisqu’elle est convergente). 2
Si F est un sous-espace vectoriel fermé d’un espace de Banach E, il est lui aussi
complet pour la norme induite par celle de E, donc F est un espace de Banach
P
Une série de vecteurs uk dans un espace normé X est dite convergente dans
X si la suite des sommes partielles (Un ) est convergente dans X, où la somme
partielle Un est définie pour tout n ≥ 0 par
n
X
Un = uk ∈ X
k=0
9
1.3. ESPACES NORMÉS
Il faut bien comprendre que la notion de somme de la série n’a aucun sens si on
ne mentionne pas la topologie qui a été utilisée pour définir la notion de limite.
P P
Un cas particulier est celui des séries uk telles que kuk k < ∞, que l’on
peut appeler absolument convergentes ou bien normalement convergentes.
P P
Sous la condition kuk k < ∞, le reste de la série des normes rn = k>n kuk k
est une suite numérique qui tend vers 0 quand n → +∞, et on peut écrire pour
tous `, m ≥ n, en supposant ` < m pour fixer les idées
Um − U` = u`+1 + . . . + um ,
X
kUm − U` k ≤ ku`+1 k + . . . + kum k ≤ kuk k = rn ,
k>n
Proposition 1.3.8 Soit X un espace normé ; pour que X soit complet, il faut et il suffit
P P
que pour toute série uk de vecteurs de X, la condition kuk k < ∞ entraîne que la
P
série uk est convergente dans X.
Mais les sommes partielles (Uk ) de cette série sont égales aux vecteurs (xNk ),
P
donc la sous-suite (xNk ) converge vers le vecteur U ∈ X somme de la série uk .
Puisque la suite (xn ) est de Cauchy, on en déduit facilement que la suite entière
(xn ) converge vers U , donc X est complet. 2
P
Notons que lorsque la série uk converge dans X, on a l’inégalité
X X
uk ≤ kuk k
en convenant que la somme de la série des normes vaut +∞ lorsqu’elle est diver-
gente. Cette inégalité est obtenue en passant à la limite dans la suite des inégalités
triangulaires
X n Xn
uk ≤ kuk k
k=0 k=0
10
1.4. APPLICATIONS LINÉAIRES CONTINUES
Définition 1.4.1 On dit qu’une application T : X → Y est linéaire si elle vérifie les
propriétés suivantes :
1. T (x + y) = T (x) + T (y), ∀x, y ∈ X
2. T (λ · x) = λ · T (x), ∀(λ, x) ∈ K × X
kT (x)kY ≤ M kxkX
Preuve : Il est clair que (1)⇒ (2). Si T est continue en 0, il existe un nombre δ > 0
tel que pour tout u ∈ X, la condition dX (u, 0) ≤ δ implique dY (T (u), T (0)) < 1,
autrement dit, kukX ≤ δ implique kT (u)kY ≤ 1. Etant donné un vecteur x non nul
quelconque dans X, le vecteur u = δ kxk−1 X x vérifie kukX ≤ δ, donc kT (u)kY ≤ 1,
−1
ce qui revient à dire que kT (x)kY ≤ δ kxkX . On a ainsi montré que (3) est vraie,
avec M = δ −1 . Enfin, supposons (3) vérifiée ; si une suite (xn ) de X tend vers un
vecteur x ∈ X, on aura
11
1.4. APPLICATIONS LINÉAIRES CONTINUES
Preuve : Exercice 2
Soient p et q deux semi-normes sur un espace vectoriel X ; on dit que p et q sont
équivalentes s’il existe deux nombres réels m > 0 et M ≥ 0 tels que mp ≤ q ≤ M p.
12
1.4. APPLICATIONS LINÉAIRES CONTINUES
Pour tout x ∈ X, on a
kT (x)kY ≤ kT kL(X,Y ) kxkX .
La constante kT kL(X,Y ) est le plus petit nombre M tel que l’inégalité kT (x)kY ≤ M kxkX
soit vraie pour tout x ∈ X. L’application T 7→ kT kL(X,Y ) est une norme sur L(X, Y ).
Preuve : Vérifions que T 7→ kT kL(X,Y ) est une norme. Il est d’abord évident que
kT kL(X,Y ) = 0 implique que kT (x)kY = 0 pour tout x ∈ X, c’est à dire T (x) = 0Y
pour tout x ∈ X puisque Y est normé, donc T est l’application nulle. Mon-
trons ensuite que T 7→ kT kL(X,Y ) est une semi-norme ; il est facile de vérifier que
kλT kL(X,Y ) = |λ| kT kL(X,Y ) pour tout λ ∈ K, ensuite, pour tout x tel que kxkX ≤ 1,
k(S + T )(x)kY = kS(x) + T (x)kY ≤ kS(x)k + kT (x)k ≤ kSkL(X,Y ) + kT kL(X,Y ) d’où
l’inégalité kS + T kL(X,Y ) ≤ kSkL(X,Y ) + kT kL(X,Y ) , obtenue en passant au sup sur
x dans la boule unité de X. 2
kT ◦ Sk ≤ kSk kT k
P
Proposition 1.4.9 Soit uk une série convergente de vecteurs dans l’espace normé X
P
et soit T : X → Y une application linéaire continue. Alors la série T (uk ) converge
dans Y et
∞
! ∞
X X
T uk = T (uk )
k=0 k=0
13
1.4. APPLICATIONS LINÉAIRES CONTINUES
Il reste à voir que U est la limite dans L(X, Y ) de la suite (Un ) des sommes par-
tielles. On a ∞
X X
(U − Un )(x) = uj (x) = vk (x)
j>n k=0
14
1.4. APPLICATIONS LINÉAIRES CONTINUES
Montrons que BF (0, 1) ⊂ f (BE (0, 2M )). Pour cela, donnons-nous un z ∈ BF (0, 1)
Il existe x0 de norme inférieure (strictement) à M tel que z1 = z − f (x0 ) soit
de norme inférieure à 1/2. Il existe x1 de norme inférieure à M/2 tel que z2 =
z1 − f (x1 ) soit de norme inférieure à 1/4.
On construit par récurrence une suite (xn ) de points de E telle que kxn k ≤
M/2n et zn = z − f (x0 + · · · + xn ) soit de norme inférieure à 1/2n+1 .
P
La série xn est absolument convergente, donc comme E est un espace de
Banach, elle converge. De plus,
+∞ +∞ +∞
X X X 1
xn ≤ kxn k < M n
= 2M
n=0 n=0 n=0
2
15
1.4. APPLICATIONS LINÉAIRES CONTINUES
Proposition 1.4.14 Soit E un espace vectoriel muni d’une distance d, telle que (E, d)
soit complet, et telle que les opérations (x, y) 7→ x + y et (λ, x) 7→ λ · x soient continues
de E ×E dans E et K ×E dans E respectivement ; soient d’autre part Y un espace normé
et A une famille d’applications linéaires continues de E dans Y . Si pour tout x ∈ E la
famille {T (x) : T ∈ A} est bornée dans Y , il existe un voisinage W de 0E tel que
∀T ∈ A, ∀x ∈ W, kT (x)k ≤ 1.
16
1.5. PRODUITS ET QUOTIENTS
Corollaire 1.4.16 Soient E un espace de Banach (ou bien un espace vectoriel (E, d) com-
plet comme dans la proposition 1.4.14), Y un espace normé et (fn ) une suite d’applica-
tions linéaires continues de E dans Y ; on suppose que, pour tout x ∈ E, la suite (fn (x))
converge dans Y ; notons f (x) sa limite. Alors f est linéaire et continue.
Preuve : D’abord, il est évident que la limite f est linéaire. Soit x ∈ E ; comme la
suite (fn (x)) est convergente, elle est bornée ; par le théorème 1.4.15, la suite (kfn k)
est alors bornée. Il existe alors un nombre M > 0 tel que, pour tout x ∈ E et tout
entier n ≥ 0 on ait kfn (x)k ≤ M kxk. Passant à la limite on trouve kf (x)k ≤ M kxk,
pour tout x ∈ E. 2
Corollaire 1.4.17 Soient E un espace de Banach (ou bien un (E, d) complet comme
dans la proposition 1.4.14), Y un espace normé et (uk ) une suite d’applications linéaires
P
continues de E dans Y ; on suppose que, pour tout x ∈ E, la série k uk (x) converge
dans Y ; notons T (x) sa somme. Alors T est linéaire et continue.
Remarque 1.5.2 On vérifie sans peine que X×Y est un espace de Banach si et seulement
si X et Y sont des espaces de Banach.
17
1.5. PRODUITS ET QUOTIENTS
Preuve : Supposons que q(ζ) = 0 et montrons que ζ est la classe nulle dans X/Y ,
c’est à dire la classe d’équivalence égale au sous-espace Y ; c’est ici que l’hypo-
thèse Y fermé est cruciale : dire que q(ζ) = 0 signifie qu’il existe des vecteurs xn
tels que π(xn ) = ζ et tels que kxn k → 0. Si y ∈ ζ, la suite (y − xn ) est dans la classe
de 0, c’est-à-dire dans Y , et converge vers y ; il en résulte que y ∈ Y puisque Y est
fermé, donc ζ ⊂ Y ce qui implique en fait ζ = Y = 0X/Y .
Montrons que q est une semi-norme. Il est clair que q(λζ) = |λ| q(ζ) pour tout
λ ∈ K et tout ζ ∈ X/Y . Soient ζ, ζ 0 ∈ X/Y et > 0 ; on peut trouver x, x0 ∈ X tels
que π(x) = ζ, π(x0 ) = ζ 0 et kxk ≤ q(ζ) + , kx0 k ≤ q(ζ 0 ) + ; on a
18
1.6. PRINCIPE DE PROLONGEMENT. COMPLÉTÉ D’UN ESPACE NORMÉ
C’est par ce procédé que l’on définit par exemple la transformée de Fourier
sur X = F = L2 (R), à partir de sa définition intégrale sur le sous-espace dense
X 0 = L1 ∩ L2 .
Preuve : Soient x ∈ X et n ≥ 0 ; d’après la densité de X 0 dans X, l’ensemble
ce qui montre que S est continue et kSk ≤ kT k. Si x ∈ X 0 , il est clair que T (x) est
l’unique point commun aux ensembles T (An (x)), donc S(x) = T (x) dans ce cas, ce
qui montre que S prolonge T ; il en résulte que kT k ≤ kSk, donc kT k = kSk. Si S1
est une autre application continue qui prolonge T , on aura S1 (x) = limk S1 (yk ) par
continuité de S1 , mais S1 (yk ) = T (yk ) par hypothèse, donc S1 (x) = limk T (yk ) =
S(x) pour tout x ∈ X, ce qui montre l’unicité de S. Il nous suffit pour finir de
prendre Te = S. 2
19
1.7. DUAL D’UN ESPACE NORMÉ, APPLICATION TRANSPOSÉE
Exemple 1.7.1 Si x = (xn ) est un élément de `1 , on lui associe une forme linéaire conti-
nue fx sur c0 en posant
∞
X
∀y = (yn ) ∈ c0 , fx (y) = xk y k .
k=0
Proposition 1.7.2 L’application g 7→ < ◦ g est une bijection isométrique de XC∗ sur
l’espace XR∗ .
Preuve : Soit g ∈ XC∗ ; alors x 7→ <g(x) est R-linéaire, et |<g(x)| ≤ |g(x)| pour tout
x ∈ X, donc k< ◦ gk ≤ kgk. Par ailleurs, pour tout x dans la boule unité de X, il
existe λ ∈ C tel que |λ| = 1 et λg(x) = |g(x)|, donc
par conséquent kgk = k< ◦ gk. Par ailleurs, soit ` ∈ XR∗ , notons g : x → `(x) −
i`(ix), on vérifie sans peine que g est C-linéaire, et <g = `. On a donc prouvé
que g 7→ < ◦ g est surjective ; comme elle est isométrique, elle est injective donc
bijective. 2
20
1.8. PARTIES TOTALES. SÉPARABILITÉ
Proposition 1.8.2 Pour que X normé soit séparable, il faut et il suffit qu’il existe une
suite croissante (Fn ) de sous-espaces de dimension finie de X telle que ∪n Fn soit dense
dans X. Si X est un espace normé séparable de dimension infinie, on peut trouver une
suite croissante (Fn ) de sous-espaces vectoriels de X telle que dimFn = n pour tout n ≥ 0
et telle que la réunion F = ∪n Fn soit dense dans X.
21
1.9. EXERCICES
Proposition 1.8.3 Pour qu’un espace normé X soit séparable, il faut et il suffit qu’il
admette une partie dénombrable totale.
Preuve : Soit X un espace normé tel qu’il existe une suite (xn ) d’éléments totale
dans X ; l’espace vectoriel L engendré par la suite est dense dans X, et il est
égal à la réunion croissante des sous-espaces Ln de dimension finie définis par
Ln = Vect(x0 , . . . , xn−1 ). On sait alors que X est séparable puisque ∪n Ln est dense
dans X. Dans l’autre direction c’est trivial. 2
1.9 Exercices
Exercice 1 Soit (X, d) un espace métrique. Montrer que
Exercice 2 Montrer que si A est une partie bornée d’un espace métrique (X, d), alors :
1. pour tout point b dans X, l’application gb : A → R définie par gb (x) = d(b, x) est
bornée.
2. La restriction de d à A × A est bornée.
Exercice 3 Pour 1 ≤ r < +∞, soit Lr = Lr ([0, 1]) l’espace vectoriel des fonctions f
R1
complexes définies sur [0, 1] telles que f soit mesurable et 0 |f (s)|r ds < +∞. Montrer
que l’application p : Lr → R+ définie par
r1
Z1
p(f ) = |f (s)|r ds
0
Exercice 4 Si C est un sous-ensemble convexe d’un espace normé X, montrer que son
adhérence est convexe. Montrer que l’adhérence d’un sous-espace vectoriel est un sous-
espace vectoriel.
22
1.9. EXERCICES
2. si (pn ) est une suite de semi-normes séparantes alors l’application d définie sur
X × X par
∞
X
d(x, y) = 2−n min(pn (x − y), 1)
n=0
Exercice 7 Une fonction f fait partie de l’espace S = S(R) lorsqu’elle est indéfiniment
dérivable, et si f et toutes ses dérivées sont à décroissance rapide, c’est-à-dire que leur pro-
duit par une fonction polynôme quelconque est borné à l’infini. Les fonctions appartenant
à S(R) sont dites déclinantes.
Pour deux entiers α, β on pose pour tout f ∈ S
de sorte que
S(R) = {f ∈ C ∞ (R) | ∀(α, β), pα,β (f ) < +∞} .
Montrer que
1. L’espace S est stable par addition interne et par dérivation.
2. L’espace S est stable par multiplication interne.
3. Il est stable par multiplication par une fonction polynomiale.
4. S est un espace vectoriel.
23
1.9. EXERCICES
Exercice 8 Nous considérons sur R la mesure de Lebesgue que nous notons λ. Soit L0
l’espace des classes d’équivalences (modulo l’égalité presque partout) des fonctions f :
R → R mesurables. Pour tout 0 < p, q ≤ ∞, on pose
h i1
P p p
k∈Z f χ[k,k+1) q si p < ∞
kf kq,p =
sup fχ
k∈Z [k,k+1) q si p = ∞
24
Chapitre 2
Espaces de Hilbert
Rappelons qu’une forme bilinéaire B sur un espace vectoriel réel X est dite
symétrique si, pour tous x, y ∈ X, on a B(y, x) = B(x, y).
2. Soient X un espace vectoriel réel et B une forme bilinéaire symétrique sur X. Pour
tous x, y ∈ X on a
25
2.1. ESPACE PRÉHILBERTIEN
Preuve : Posons S(x; y) = B(x, y) − B(y, x) ; c’est une forme sesquilinéaire. Par la
proposition 2.1.2, S est nulle si et seulement si, pour tout x ∈ X, on a S(x; x) = 0,
ce qui est bien le cas. 2
Le plus souvent, nous noterons les produits scalaires (x, y) 7→ hx|yi.
Corollaire 2.1.5 Soit X un espace vectoriel muni d’un produit scalaire ; l’application
1
x 7→ hx|xi 2 est une norme sur X.
26
2.2. ORTHOGONALITÉ, BASES
Définition 2.2.3 Soit {eλ }λ∈Λ une famille de vecteurs de l’espace de Hilbert H.
1. On dit que ce système est orthonormé si
keλ k = 1, ∀λ ∈ Λ (2.1)
2. On dit que le système {eλ }λ∈Λ est total si l’espace vectoriel, noté Vect[eλ , λ ∈ Λ],
engendré par ce système, est dense dans H.
Exemple 2.2.4 L’espace L2 (Ω, µ) est un espace de Hilbert pour le produit scalaire
Z
hf |gi = f (s)g(s)dµ(s)
Ω
L’espace `2 est un cas particulier, obtenu lorsque Ω = N est muni de la mesure de comp-
tage (définie par µ({n}) = 1 pour tout n ∈ N).
27
2.2. ORTHOGONALITÉ, BASES
Lemme 2.2.5 Soient (u1 , . . . , un ) des vecteurs deux à deux orthogonaux d’un espace de
Hilbert H. On a :
n 2 n
X X
uk = kuk k2
k=1 k=1
En particulier, des vecteurs orthogonaux non nuls sont linéairement indépendants.
Lemme 2.2.6 Soit (e1 , . . . , en ) une suite orthonormée finie dans un espace de Hilbert H.
Posons F = Vect(e1 , . . . , en ), pour tout vecteur x ∈ H, le vecteur y = nk=1 hx|ek i ek
P
est la projection orthogonale de x sur F , c’est à dire que y ∈ F et que le vecteur x − y est
orthogonal à F .
Preuve : Il est évident que y ∈ F , et il est clair que hy|ek i = hx|ek i pour tout
k = 1, . . . , n, donc x − y est orthogonal à tous les (ek ), ce qui implique que x − y
est orthogonal à F . 2
Lemme 2.2.7 (inégalité de Bessel) Soient H un espace de Hilbert et (en )n≥0 une suite
orthonormée dans H. Pour tout x ∈ H la série numérique n |hx|en i|2 est convergente
P
et
X
|hx|en i|2 ≤ kxk2
n
Lemme 2.2.8 Soit (un )n≥0 une suite orthogonale dans un espace de Hilbert H ; la série
de vecteurs n un converge dans H si et seulement si n∈N kun k2 < ∞, et dans ce cas
P P
2
X X
un = kun k2
n∈N n∈N
P
Si (en )n≥0 est une suite orthonormée, la série de vecteurs k ck e k converge si et seulement
si k |ck |2 < ∞, et dans ce cas on a
P
2
X X
ck e k = |ck |2
k k
28
2.2. ORTHOGONALITÉ, BASES
Pn
Preuve : Posons Un = i=1 ui . Si m < n on a par orthogonalité
n 2 n
2
X X
kUn − Um k = ui = kui k2 .
i=m+1 i=m+1
Il vient alors que la suite (Un )n∈N est de Cauchy dans H si et seulement si la série
numérique k∈N kuk k2 vérifie le critère de convergence de Cauchy. D’après le
P
2
lemme 2.2.5, nous avons pour tout n ∈ N, k nk=1 uk k =
P Pn 2
k=1 kuk k . D’où en
passant à la limite, nous obtenons le résultat. 2
Lemme 2.2.9 Soit (en )n≥0 une suite orthonormée dans H et soit F le sous-espace vecto-
riel fermé engendré par la suite (en )n≥0 ; pour tout vecteur y ∈ F , on a y = ∞
P
k=0 hy|ek i ek .
cj = hy|ej i ce qui montre que y − z est orthogonal à chacun des vecteurs ej , donc
y − z est orthogonal à F . Puisque y − z ∈ F , il en résulte que y − z = 0H , d’où le
résultat. 2
Proposition 2.2.11 Supposons que (en )n≥0 soit une base orthonormée de l’espace de Hil-
bert séparable H de dimension infinie. Pour tout vecteur x de H, on a
∞
X ∞
X
2
x= hx|ek i ek et kxk = |hx|ek i|2 .
k=0 k=0
On voit qu’une base hilbertienne (en )n≥0 de H est une suite orthonormée qui vé-
rifie pour tout x ∈ H la première propriété indiquée dans la proposition précé-
dente. En effet, cette propriété implique clairement que la suite (en )n≥0 doit être
totale dans H.
Preuve : Par définition d’une base orthonormée, la suite (en )n≥0 est totale dans
H, ce qui signifie que le sous-espace vectoriel fermé F engendré par cette suite
est égal à H. Il suffit d’appliquer le lemme 2.2.9 pour obtenir la première partie
de la conclusion, et le lemme 2.2.8 pour la seconde. 2
29
2.3. THÉORÈME DE PROJECTION
Théorème 2.2.12 Pour tout espace de Hilbert séparable H de dimension infinie, il existe
une base orthonormée (en )n≥0 .
∀y ∈ C, < hx − y0 |y − y0 i ≤ 0.
Cn = y ∈ C : kyk2 ≤ d2 + 1/n .
30
2.3. THÉORÈME DE PROJECTION
L’ensemble Cn est une partie fermée non vide de H ; d’après la relation (2.3), on a
k(y − z)/2k2 ≤ 1/n pour tous y, z ∈ Cn . Le diamètre de Cn est donc inférieur ou
√
égal à 2/ n, et il tend donc vers 0. Comme l’espace H est complet, l’intersection
des fermés emboîtés Cn qui est égale à {y ∈ C : kyk = d}, contient un et un seul
point, qui est le point y0 cherché. Compte tenu de notre translation simplificatrice,
la relation à démontrer ensuite devient <(h−y0 |y − y0 i) ≤ 0 pour tout y ∈ C ; pour
t ∈ [0, 1], on a y0 + t(y − y0 ) ∈ C, donc ky0 + t(y − y0 )k ≥ ky0 k, ce qui donne en
développant le carré de la norme
2t<(hy0 |y − y0 i) + t2 ky − y0 k2 ≥ 0
pour 0 ≤ t ≤ 1 ; pour finir on divise par t > 0 que l’on fait ensuite tendre vers 0,
et on obtient <(hy0 |y − y0 i) ≥ 0. 2
Un cas particulier important est celui où C est un sous-espace vectoriel fermé
F de H. Dans ce cas on a hx − y0 |zi = 0 pour tout vecteur z ∈ F , c’est à dire que
x − y0 ⊥F .
Dans le cas de la projection sur un sous-espace vectoriel fermé F , la projection
y0 de x sur F est entièrement caractérisée par les deux conditions suivantes
— le vecteur y0 appartient à F ,
— le vecteur x − y0 est orthogonal à F .
En effet, si ces conditions sont vérifiées et si y est un élément quelconque de F , on
aura
kx − yk2 = k(x − y0 ) + (y0 − y)k2 = kx − y0 k2 + ky0 − yk2 (2.4)
parce que y0 − y ∈ F est orthogonal à x − y0 . Cette relation montre que kx − yk2 ≥
kx − y0 k2 pour tout y ∈ F , c’est à dire que y0 est bien le point de F le plus proche
du point x.
On notera PF (x) = y0 la projection orthogonale de x sur F . La caractérisation
ci-dessus montre que µPF (x)+µ0 PF (x0 ) est la projection de µx+µ0 x0 , autrement dit
l’application PF est une application linéaire. L’égalité (2.4) ci-dessus donne aussi
kx − yk ≥ kPF (x) − yk pour tout y ∈ F , donc kxk ≥ kPF (x)k en prenant y = 0 ; on
a donc kPF k ≤ 1.
31
2.3. THÉORÈME DE PROJECTION
Par exemple, si Ω = [0, 1]2 est muni de sa tribu borélienne et de la mesure de Lebesgue,
si F est la sous-tribu formée de tous les ensembles de la forme A × [0, 1], où A varie parmi
les boréliens de [0, 1], le sous-espace F est formé des fonctions qui ne dépendent que de la
première variable et la projection PF f = E(f |F) d’une fonction f ∈ L2 est donnée par
Z1
E(f |F)(x, y) = f (x, u)du
0
Définition 2.3.5 On dit que des parties A et B d’un espace de Hilbert H sont orthogo-
nales si tout élément de A est orthogonal à tout élément de B. Soit A une partie de H ; on
appelle orthogonal de A l’ensemble A⊥ des éléments de H orthogonaux à A.
Preuve : Commençons par une évidence : par définition, tout vecteur de F est
⊥
orthogonal à F ⊥ , donc F ⊂ F ⊥ . Soit maintenant x ∈ H quelconque. Puisque
x = PF (x) + (x − PF (x)), nous avons x − PF (x) ∈ F ⊥ , d’après les propriétés de
la projection orthogonale sur le sous-espace vectoriel F , et de plus la différence
x − (x − PF (x)) = PF (x) ∈ F est orthogonale à F ⊥ . Cela montre que x − PF (x)
est la projection orthogonale de x sur F ⊥ , c’est à dire que PF ⊥ = IdH − PF . La
relation IdH = PF + PF ⊥ implique évidemment que H est la somme de F et F ⊥ .
On vérifie ensuite que la somme est directe : si x ∈ F ∩ F ⊥ alors hx|xi = 0 donc
x = 0H .
⊥
Pour finir, si on a un vecteur x ∈ F ⊥ , il est orthogonal à F ⊥ par dé-
finition, donc 0H est sa projection orthogonale sur F ⊥ et la relation PF (x) =
(IdH − PF ⊥ )(x) = x montre que x ∈ F . 2
32
2.3. THÉORÈME DE PROJECTION
Preuve : Montrons le point (1). Soit F le plus petit sous-espace vectoriel fermé de
H contenant A. On sait que tout vecteur y orthogonal à A est aussi orthogonal
à l’espace vectoriel Y engendré par A (par linéarité du produit scalaire), puis à
l’adhérence F = Y de ce sous-espace (par continuité du produit scalaire). Inver-
sement tout vecteur orthogonal à F est évidemment orthogonal à A. On a donc
A⊥ = F ⊥ , donc (A⊥ )⊥ = F ⊥⊥ = F . Le point (2) découle de (1), puisque le plus
petit sous-espace fermé de H contenant Y est l’adhérence Y . 2
A tout vecteur y ∈ H on a associé la forme linéaire continue `y définie par
∀x ∈ H, f (x) = hx|yf i
avec x0 = x − f (x)z qui est dans F puisque f (x0 ) = f (x) − f (x)f (z) = 0. On a pour
tout x ∈ H, puisque x0 ⊥z
Supposons donnée dans un espace de Hilbert H une suite (Fn )n≥0 de sous-espaces
vectoriels fermés, deux à deux orthogonaux. On sait que pour toute famille (xn )n≥0
de vecteurs telle que xn ∈ Fn pour tout n ≥ 0 et ∞ 2
P P
k=0 kxk k < ∞, la série xk
P∞ PN
converge dans H, le vecteur x = k=0 xk , qui est limite de yN = k=0 xk , ap-
partient à l’espace vectoriel fermé F engendré par la famille (Fn )n≥0 : en effet, le
sous-espace F contient chaque yN puisqu’il contient F0 , . . . , FN et il contient la
limite x puisqu’il est fermé. Inversement
33
2.4. EXERCICES
Proposition 2.3.10 Le sous-espace vectoriel fermé F engendré par une famille (Fn )n≥0
de sous-espaces vectoriels fermés de H deux à deux orthogonaux coïncide avec
( ∞
)
X X
x= xk : ∀n ∈ N, xn ∈ Fn et kxk k2 < ∞
k=0
2.4 Exercices
Exercice 11 Soit H un espace de Hilbert sur K, (xn ) et (yn ) deux suites d’éléments de H
qui convergent respectivement vers x et y dans H. Montrer que (hxn |yn i) converge dans
K vers hx|yi.
Exercice 12 On considère l’espace de Hilbert `2 (Z) des suites de carré sommable indexées
sur Z. Pour k ∈ Z, n ∈ Z, on pose ukn = δk,n .
1. Montrer que uk k∈Z est une base hibertienne de `2 (Z).
2. Montrer que ek (x) = e2iπkx , k ∈ Z est une base hilbertienne de L2 ([0, 1])
Exercice 13 On considère l’espace de Hilbert sur R, L2 ([−1, 1]), pour la mesure de Le-
besgue et la suite un (t) = tn , n ∈ N.
1. Montrer que la suite {un }n∈N est totale dans L2 ([−1, 1]).
2. Appliquer le procédé de Schmidt pour construire une base orthormée de L2 ([−1, 1])
constituée le polynôme pn (t) (appelés polynômes de Legendre).
3. Montrer que les polynômes déterminé ci-dessus sont de la forme
dn (x2 − 1)n
Ln (x) = cn
dxn
où les cn sont des constantes réelles arbitraires.
34
2.4. EXERCICES
Montrer qu’une partie A de `2 (N) est relativement compacte si et seulement si elle vérifie
les propriétés suivantes
1. A est bornée
|xn |2 ≤
P
2. Pour tout > 0 , il existe un entier N tel que pout tout x ∈ A on a n>N
2
35
Chapitre 3
Tous les espaces vectorile que nous aurons à considérer ici seront définis sur
le corps K = R ou C.
Si E est un espace de Hilbert, nous notons h·|·iE son produit scalaire, k·kE la
norme associée à ce produit scalaire, BE = {x ∈ E/ kxkE < 1}. Si E et F sont deux
espaces normés, L(E, F ) désigne l’espace des applications linéaires continues de
E dans F .
36
3.1. APPLICATIONS LINÉAIRES CONTINUES ENTRE ESPACES DE HILBERT
37
3.2. LES THÉORÈMES DE STAMPACCHIA ET DE LAX-MILGRAM
a(v, v) ≥ α kvk2 , ∀v ∈ H.
Théorème 3.2.1 (Stampacchia) Soit H un espace de Hilbert réel, a(·, ·) une forme bil-
néaire continue et coercive sur H. Supposons que K est un sous-ensemble non vide,
convexe et fermé de H. Alors pour tout ϕ ∈ H ∗ , il existe un unique u ∈ K tel que
En plus, si a(·, ·) est symétrique alors l’élément u est caractérisé par la propriété suivante :
1 1
u ∈ K et a(u, u) − hϕ, ui = min a(v, v) − hϕ, vi . (3.2)
2 v∈K 2
38
3.2. LES THÉORÈMES DE STAMPACCHIA ET DE LAX-MILGRAM
hϕ, vi = hf |vi ∀v ∈ H.
Par ailleurs, si nous fixons u ∈ H, l’application v 7→ a(u, v) est une forme linéaire
continue sur H. En utilisant une fois de plus le théorème de représentation, il
existe un unique élément Au dans H, tel que a(u, v) = hAu|vi pour tout v ∈ H.
On peut vérifier facilement que l’application u 7→ Au est linéaire de H dans H, et
vérifie
|Au| ≤ C kuk ∀u ∈ H, (3.3)
hAu|ui ≥ α kuk2 ∀u ∈ H. (3.4)
Le problème (3.1) revient alors à déterminer u ∈ K tel que
hAu|v − ui ≥ hf |v − ui ∀v ∈ K. (3.5)
Soit ρ > 0 une constante (à déterminer plutard). La relation (3.5) est équivalente à
c’est-à-dire que
u = PK (ρf − ρAu + u).
Pour tout v ∈ K, posons Sv = PK (ρf − ρAv + v). Pour tout v1 et v2 dans H, nous
avons
|Sv1 − Sv2 | = |PK (ρf − ρAv1 + v1 ) − PK (ρf − ρAv2 + v2 )| ≤ |(v1 − v2 ) − ρ(Av1 − Av2 )|
Si nous choisissons ρ > 0 tel que k 2 = 1 − 2ρα + ρ2 C 2 < 1 (i.e., 0 < ρ < C2α2 ), alors
S est contractante et admet un unique point fixe, et le problème est résolu.
Supposons maintenant que a(·, ·) est symétrique. 2
Nous allons voir que la formulation variationnnelle de certains problèmes
aboutit à l’étude d’opérateurs entre epaces de Hilbert. Soit V un espace de Hil-
bert complexe et B : V × V → C une forme sesquilinéaire continue. On suppose
de plus qu’il existe E > 0 telle que
39
3.3. FAMILLES SOMMABLES DANS UN ESPACE DE BANACH
Corollaire 3.2.2 (Lax-Milgram) Soit a(·, ·) une forme bilinéaire continue et coercive
sur l’espace de Hilbert H. Alors pour tout ϕ ∈ H ∗ , il existe un unique élément u ∈ H tel
que
a(u, v) = hϕ, vi ∀v ∈ H. (3.8)
En plus, si a(·, ·) est symétrique, alors u est caractérisé par la propriété suivante :
1 1
u ∈ H et a(u, u) − hϕ, ui = min a(v, v) − hϕ, vi .
2 v∈H 2
X
S− xi < .
i∈K
Il est facile de vérifier que si (xi )i∈I et (yi )i∈I sont deux familles sommables, la
famille (xi + yi )i∈I est elle aussi sommable, avec une somme égale à la somme des
deux sommes. Considérons pour commencer le cas des familles sommables de
nombres réels, et d’abord de réels positifs où nuls.
Proposition 3.3.2 Une famille de nombres réels à termes positifs est sommable si et
seulement si les sommes finies sont majorées. Sa somme est alors la borne supérieure de
l’ensemble des sommes finies. Une famille (xi )i∈I à termes réels est sommable si et seule-
ment si elle est absolument sommable, c’est-à- dire si la famille (|xi |)i∈I est sommable.
Soient X un espace normé et (xi )i∈I une famille d’éléments de X. On dit que
la famille (xi )i∈I vérifie le critère de sommabilité de Cauchy si, pour tout > 0, il
existe une partie finie J de I telle que, pour toute partie finie L de I disjointe de
P
J, on ait i∈L xi < .
Proposition 3.3.3 1. Toute famille sommable d’un espace normé vérifie le critère de
sommabilité de Cauchy.
40
3.4. BASES HILBERTIENNES
Dans un espace de Hilbert, on dispose d’un outil très simple pour tester la
sommabilité d’une famille de vecteurs deux à deux orthogonaux, appelée aussi
système orthogonal.
Lemme 3.3.4 Soit (xi )i∈I un système orthogonal dans un espace de Hilbert. La famille
(xi )i∈I est sommable si et seulement si la famille (kxi k2 )i∈I est sommable. Dans ce cas, on
a
2
X X
xi = kxi k2
i∈I i∈I
2
= i∈J kxi k2 . On en déduit
P P
Preuve : Pour toute partie finie J de I, on a i∈J xi
que la famille (xi ) vérifie le critère de Cauchy de sommabilité si et seulement
si la famille (kxi k2 ) vérifie le critère de Cauchy de sommabilité. Dans ce cas, il
P
existe une suite croissante Jn de parties finies de I telles que S = i∈I xi soit
P P 2 P 2
la limite de Sn = i∈Jn xi et i∈I kxi k soit la limite de i∈Jn kxi k . Mais alors
kSk2 = limn→+∞ kSn k2 = i∈I kxi k2 2
P
nul sauf pour au plus un ensemble dénombrable d’indices J, et |xi yi | ≤ 12 (x2i +yi2 ),
P
ce qui permet de poser hx|yi = i∈J xi yi , le résultat ne dépendant pas de l’en-
semble dénombrable J qui contient tous les indices i tels que xi yi 6= 0. On obtient
ainsi un exemple d’espace de Hilbert non séparable.
41
3.4. BASES HILBERTIENNES
(b)b∈B est orthogonal, orthonormal, ou est une base hilbertienne. Ce procédé d’auto-
indexation simplifie l’écriture de la démonstration qui suit.
Théorème 3.4.3 (inégalité de Bessel) Soient E un espace de Hilbert et (ei )i∈I un système
orthonormal dans E. Pour tout x ∈ E la famille (|hx|ei i|2 )i∈I est sommable et
X
|hx|ei i|2 ≤ hx|xi
i∈I
Preuve : Il suffit, d’après la proposition 3.3.2 de montrer que, pour toute partie
finie J de I, on a i∈J |hx|ei i|2 ≤ hx|xi. Ce qui est donné au lemme 2.2.7. 2
P
Théorème 3.4.4 (identité de Parseval) Soient E un espace de Hilbert, (ei )i∈I une base
hilbertienne de E et x ∈ E. La famille de nombres réels (|hx|ei i|2 )i∈I est sommable, la
famille de vecteurs (hx|ei i ei )i∈I est sommable dans E et
X X
x= hx|ei i ei , kxk2 = |hx|ei i|2
i∈I i∈I
Preuve : Comme (ei )i∈I est un système orthonormal, il résulte du théorème 3.4.3
que la famille de réels (|hx|ei i|2 )i∈I est sommable. Par le lemme 3.3.4, la famille
(hx|ei i ei )i∈I est sommable dans E et, si on note y sa somme, on a i∈I |hx|ei i|2 =
P
Donc x − y est orthogonal aux ei , donc à l’espace vectoriel engendré par les (ei ) ;
comme le système (ei ) est total, x = y 2
42
3.5. L’ESPACE HILBERTIEN `2 (I)
que ξ + η est encore dans `2 (I), et on en déduit facilement que `2 (I) est un espace
vectoriel. Pour tout ξ = (xi )i∈I ∈ `2 (I) on pose
! 21
X
kξk2 = |xi |2 .
i∈I
On voit que cette quantité définit une norme sur l’espace vectoriel `2 (I). En effet
la relation 2 |xi yi | ≤ |xi |2 + |yi |2 montre que la famille (xi yi )i∈I est sommable, et si
on pose X
hξ|ηi = xi y i
i∈I
on définit sur `2 (I) un produit scalaire pour lequel hξ|ξi = kξk2 . Pour j ∈ I, notons
j ∈ `2 (I) la famille (xi )i∈I telle que xj = 1 et xi = 0 si i ∈ I \ {j}.
Proposition 3.5.1 Muni du produit scalaire précédent, l’espace vectoriel `2 (I) est un
espace de Hilbert. La famille (i )i∈I est une base hilbertienne de `2 (I).
Théorème 3.5.2 Soient H un espace de Hilbert et B = (ei )i∈I une base hilbertienne de
H. L’application U : x 7→ (hx|ei i) est une bijection linéaire isométrique de H sur `2 (I).
3.6 Exercice
Exercice 16 Opérateur diagonal dans une base orthonormée (hn ) de H : soit α = (αn )
une suite bornée de scalaires et définissons ∆α sur H par
∞
X ∞
X
2
∀c = (cn ) ∈ ` , ∆α ( cn hn ) = cn αn hn
n=0 n=0
Exercice 17 Soit f est une fonction complexe, mesurable bornée sur (Ω, µ), on définit
l’opérateur de multiplication Mf par Mf (g) = f g pour toute g ∈ L2 (Ω, µ).
1. Montrer que Mf est un opérateur borné sur L2 (Ω, µ).
43
3.6. EXERCICE
2. Déterminer l’adjoint de Mf .
3. Vérifier que Mf est normal.
44
Bibliographie
[1] Haïm Brezis, Functional Analysis, Sobolev Spaces and Partial differential equa-
tions, Springer.
[2] Haïm Brezis, Analyse fonctionnelle, Théorie et Application, Masson.
[3] B. Maurey, Analyse fonctionnelle et théorie spectrale , polyMT404, 2001-2002.
45