Analyse Fonct Cours

Analyse fonctionnelle
Licence 3
Modeste ESSOH
Table des matières
INTRODUCTION 1
1 Espaces normés et applications linéaires continues 2

1.1 Espaces métriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.1 Distance . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.1.2 Limite et continuité . . . . . . . . . . . . . . . . . . . . . . . . 3
1.2 Le théorème de Baire et ses conséquences . . . . . . . . . . . . . . . 4
1.3 Espaces normés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.1 Semi-normes et normes . . . . . . . . . . . . . . . . . . . . . 7
1.3.2 Espaces de Banach . . . . . . . . . . . . . . . . . . . . . . . . 9
1.4 Applications linéaires continues . . . . . . . . . . . . . . . . . . . . . 11
1.4.1 Généralités sur les applications linéaires . . . . . . . . . . . . 11
1.4.2 Autres conséquences du théorème de Baire . . . . . . . . . . 14
1.5 Produits et quotients . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.6 Principe de prolongement. Complété d’un espace normé . . . . . . 19
1.7 Dual d’un espace normé, application transposée . . . . . . . . . . . 20
1.8 Parties totales. Séparabilité . . . . . . . . . . . . . . . . . . . . . . . . 21
1.9 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
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
3 Opérateurs bornés sur les espaces de Hilbert 36

3.1 Applications linéaires continues entre espaces de Hilbert . . . . . . 36
3.2 Les théorèmes de Stampacchia et de Lax-Milgram . . . . . . . . . . 38
3.3 Familles sommables dans un espace de Banach . . . . . . . . . . . . 40
1
TABLE DES MATIÈRES
3.4 Bases hilbertiennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

3.5 L’espace hilbertien `2 (I) . . . . . . . . . . . . . . . . . . . . . . . . . 43
3.6 Exercice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
1
Chapitre 1
Espaces normés et applications

linéaires continues
1.1 Espaces métriques

1.1.1 Distance
Définition 1.1.1 Une distance sur un ensemble X est une application d : X × X → R+
qui vérifie les propriétés suivantes :
1. ∀x ∈ X, ∀y ∈ X, d(x, y) = 0 ⇔ x = y
2. ∀x ∈ X, ∀y ∈ X, d(x, y) = d(y, x) (symétrie)
3. ∀x ∈ X, ∀y ∈ X, ∀z ∈ X, d(x, z) ≤ d(x, y) + d(y, z) (inégalité triangulaire)
L’ensemble X muni de la distance d est appelé espace métrique.
Exemple 1.1.2 1. Distance usuelle sur R ou C : d(x, y) = |x − y|.

2. Etant donné un espace métrique (X, d) : distance produit sur X × X, définie par
δ((x, y), (x0 , y 0 )) = max(d(x, x0 ), d(y, y 0 )).
3. La distance induite sur un sous-ensemble.
4. La distance triviale (ou discrète) : ∀x 6= y, d(x, y) = 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 :
B(a, r) = {x ∈ X, d(a, x) < r} (resp.Bf (a, r) = {x ∈ X, d(a, x) ≤ r}).
Un sous-ensemble A d’un espace métrique (X, d) est borné si et seulement s’il est
contenu dans une boule :
∃a ∈ X, ∃r > 0/A ⊂ Bf (a, r).
2
1.1. ESPACES MÉTRIQUES
Une application à valeur dans un espace métrique est bornée si et seulement si

son image est bornée.
Le diamètre d’une partie bornée A d’un espace métrique (X, d), estle nombre
diam(A) = sup d(x, y).

(x,y)∈A×A
1.1.2 Limite et continuité

Définition 1.1.3 Soient (X, d) un espace métrique et u = (un )n≥0 une suite dans X.
1. La suite u converge vers ` ∈ X si et seulement si :
∀ > 0, ∃N ∈ N, ∀n ∈ N(n ≥ N ⇒ d(un , `) < )
2. La suite u est de Cauchy si et seulement si :
∀ > 0, ∃N ∈ N, ∀n, m ∈ N(n, m ≥ N ⇒ d(un , um ) < .
Toute suite convergente est de Cauchy.
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= ∅.
Preuve : i) ⇒ ii). Grâce à l’axiome du choix, on choisit des points xn ∈ Fn . La

suite (xn )n∈N ainsi obtenue est de Cauchy. En effet :
Soit > 0. Puisque diam(Fn ) tend vers zéro, il existe N ∈ N tel que pour tout
n > N , diam(Fn ) < . Si p, q sont deux entiers tels que q > p > N alors d’après
l’hypothèse de fermé emboités, Fq ⊂ Fp ; par conséquent xq et xp étant dans Fp ,
d(xq , xp ) ≤ diam(Fp ) < . Suite de Cauchy dans un espace complet, (xn ) converge
vers un point ξ ∈ E. Comme (xp )p>n est une suite d’éléments de Fn , on a ξ ∈ Fn ,
car c’est un fermé, et par conséquent ξ ∈ ∩n∈N Fn .
ii) ⇒ i). Soit (xn )n∈N une suite de Cauchy d’éléments de E et Fn = {xp |p > n}.
On a Fn+1 ⊂ Fn et diamFn → 0 quand n → +∞ ; d’après l’hypothèse, ∩n∈N Fn n’est
pas vide. Soit un point ξ ∈ ∩n∈N Fn .Du fait que d(xn , ξ) ≤ diamFn , on en déduit
que (xn )n∈N converge vers ξ. 2
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)) < .)
— L’application f est continue si et seulement si elle est continue en tout point a de

X.
— L’application f est uniformément continue si et seulement si :
(∀ > 0)(∃α > 0)(∀x ∈ X, ∀y ∈ X)(d(x, y) < α ⇒ δ(f (x), f (y)) < ).
Proposition 1.1.7 L’application f : E → E 0 est continue en x0 ∈ E si et seulement si

pour tout voisinage V0 de f (x0 ) dans E 0 , f −1 (V0 ) est un voisinage de x0 dans E.
Preuve : Supposons que f soit continue en x0 ; si V0 est un voisinage de f (x0 ) dans

E 0 , il existe > 0 tel que B(f (x0 ), ) ⊂ V0 ; alors on a f −1 (V0 ) ⊃ f −1 (B(f (x0 ), )) et
il existe η > 0 tel que f −1 (B(f (x0 ), )) ⊃ B(x0 , η). Il en résulte que f −1 (V0 ) est un
voisinage de x0 .
Réciproquement, prenons V 0 = B(f (x0 ), ) ; si f −1 (V 0 ) est un voisinage de x0 ,
il existe η > 0 tel que f −1 (V 0 ) ⊃ B(x0 , η), autrement dit si d(x, x0 ) < η alors
d0 (f (x), f (x0 )) < . 2
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).
Preuve : ⇒ Essayer de le montrer.

⇐ On prouve par contraposée. Pour cela on va "construire" une suite (xn )n∈N
qui converge vers a et telle que (f (xn ))n∈N ne converge pas vers f (a). Comme
f n’est pas continue en a, il existe une boule B(f (a), ) telle que f −1 (B(f (a), ))
ne contienne aucune boule ouverte centrée en a ; en particulier pour tout entier
n > 0 on a B(a, 1/2n )\f −1 (B(f (a), )) 6= ∅. En prenant un point dans chacun de ces
ensembles, on obtient une suite (xn )n∈N telle que pour tout n > 0, d(a, xn ) < 1/2n
/ B(f (a), ). La suite (f (xn ))n∈N ne converge pas vers f (a). 2
et f (xn ) ∈
1.2 Le théorème de Baire et ses conséquences

Soit X un espace topologique . Un ouvert U de X est dense dans X si et seule-
ment si le fermé complémentaire U c est d’intérieur vide. Si on a un nombre fini
4
d’ouverts denses, on vérifie facilement de proche en proche que U1 ∩ . . . ∩ Un est

encore un ouvert dense.
Le théorème de Baire donne un cas où cette propriété triviale d’intersection
finie peut s’étendre aux suites d’ouverts denses.
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
Bn+1 ⊂ B(xn+1 , 2rn+1 ) ⊂ B(xn , rn ) ⊂ Bn .
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.
Preuve : Soit V un ouvert non vide de X ; dans l’espace métrique complet Y = V ,

S
considérons les ouverts (relatifs) Un = V \ Fn . Puisque n≥0 Fn = X, l’intersection
T
n≥0 Un est vide, ce qui entraîne par le théorème 1.2.1 appliqué à Y que l’un au
moins des ouverts Un n’est pas dense dans Y . Il existe donc n0 et un ouvert non
vide U de Y qui soit disjoint de Un0 . Cet ouvert U doit rencontrer V ; on peut donc
trouver x ∈ V ∩ U et r > 0 tels que B(x, r) ⊂ V ne rencontre pas Un0 , c’est-à-dire
5
◦
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
d(f (x), f (y)) ≤ kd(x, y)
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.
Preuve : Unicité. Soient ξ1 et ξ2 tels que f (ξ1 ) = ξ1 f (ξ2 ) = ξ2 . On a alors d(ξ1 , ξ2 ) =

d(f (ξ1 ), f (ξ2 )) ≤ kd(ξ1 , ξ2 ). Comme k ∈ ]0, 1[, ceci n’est possible que si d(ξ1 , ξ2 ) = 0
donc ξ1 = ξ2 .
Existence. Soit a un élément quelconque de E . On montre que la suite (xn )n∈N
définie par x0 = a et xn+1 = f (xn ) si n > 0 converge vers un point ξ véri-
fiant f (ξ) = ξ. Comme E est complet, pour montrer que cette suite converge il
suffit de montrer qu’elle est de Cauchy. On montre d’abord par récurrence que
d(xn , xn+1 ) ≤ k n d(x0 , x1 ). C’est vrai pour n = 0 ; d’autre part si c’est vrai pour n,
alors d(xn+1 , xn+2 ) ≤ kd(xn , xn+1 ) ≤ k n+1 d(x0 , x1 ) c’est-à-dire que c’est vrai pour
n + 1.
Maintenant si m < n, on a
d(xm , xn ) ≤ d(xm , xm+1 ) + . . . + d(xn+1 , xn )

≤ (k m + . . . k n−1 )d(x0 , x1 )
km
≤ d(x0 , x1 )
1−k
Comme k m /(1 − k) tend vers 0 quand m tend vers l’infini, pour tout > 0 il
existe un entier M > 0 tel que si m > M alors k m d(x0 , x1 )/(1 − k) < , donc
si p, q > M on a d(xp , xq ) < . La suite (xn ) est de Cauchy et converge donc
vers un point ξ ∈ E. Comme f est continue la suite (f (xn )) converge vers f (ξ),
mais (f (xn ))n>0 = (xn )n>0 , par unicité de la limite on a donc f (ξ) = ξ. 2Un
cas particulier d’espaces métrique très utilisé en Analyse fonctionnelle ce sont les
espaces normés.
6
1.3. ESPACES NORMÉS
1.3 Espaces normés

1.3.1 Semi-normes et normes
On note K le corps R ou C. Les espaces vectoriels considérés dans ce cours
seront toujours des espaces vectoriels réels ou complexes.
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
[x, y] = {(1 − t)x + ty/t ∈ [0, 1]}
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
f ((1 − t)x + ty) ≤ (1 − t)f (x) + tf (y)
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
q((1 − t)x + ty) ≤ q((1 − t)x) + q(ty) = (1 − t)q(x) + tq(y).
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
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.
Preuve : Supposons que Cp = {x ∈ X : p(x) ≤ 1} soit convexe, et déduisons la

sous-additivité de p ; soient x et y deux vecteurs de X, a > p(x) et b > p(y), consi-
dérons les deux vecteurs x1 = a−1 x et y1 = b−1 y ; l’homogénéité de p implique que
p(x1 ) < 1 et p(y1 ) < 1 ; formons ensuite la combinaison convexe
a b
z= x1 + y1 ,
a+b a+b
qui est dans Cp d’après l’hypothèse de convexité, c’est-à-dire que p(z) ≤ 1. Mais
on vérifie immédiatement que z = (a + b)−1 (x + y), et l’homogénéité de p trans-
forme alors l’inégalité p(z) ≤ 1 en p(x + y) ≤ a + b. En faisant tendre a vers p(x)
et b vers p(y) on obtient p(x + y) ≤ p(x) + p(y). 2
On appelle espace normé un espace vectoriel X muni d’une norme p. Si (X, p)
est un espace normé, nous en ferons un espace métrique en définissant la distance
d sur X par d(x, y) = p(x − y), et nous munirons X de la topologie associée à cette
métrique, que nous appellerons topologie de la norme. Soient x ∈ X et r > 0 ;
on appelle boule ouverte de centre x et de rayon r le sous-ensemble Bp (x, r) =
{y ∈ X : p(y − x) < r} de X.
Rappelons que dans la topologie de la norme sur X, les parties ouvertes sont
les réunions de boules ouvertes ; une partie U de X est un voisinage de x ∈ X
si et seulement s’il existe r > 0 tel que B(x, r) ⊂ U . La boule fermée de centre x
et de rayon r > 0 est l’ensemble {y ∈ X : p(y − x) ≤ r}. Par convention, la boule
unité d’un espace normé X sera la boule fermée de centre 0X et de rayon 1 ; on la
notera BX .
Proposition 1.3.4 Soit (X, p) un espace normé ; l’application p : X → R+ est continue

pour la topologie de la norme.
Cela résulte immédiatement du lemme 1.3.2. En effet, si la suite (xn ) ⊂ X tend

vers y, on aura
|p(xn ) − p(y)| ≤ p(xn − y) = d(xn , y) → 0.
En général, nous noterons kxk la norme d’un vecteur x d’un espace normé X,
ou bien kxkX s’il y a un risque de confusion ; parfois il sera encore commode de
désigner la fonction norme par un symbole littéral, comme dans la notation (X, p)
utilisée jusqu’ici.
La topologie et la structure d’espace vectoriel d’un espace normé sont com-
patibles, autrement dit, un espace normé est un espace vectoriel topologique au
sens suivant :
8
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.
Proposition 1.3.6 Un espace normé, muni de la topologie de la norme, est un espace

vectoriel topologique.
Preuve : Soit X un espace normé ; démontrons la continuité de l’application (x, y) 7→

x + y. Puisque la topologie provient d’une métrique, nous pouvons utiliser des
suites convergentes. Soient donc (xn ) une suite qui converge vers x et (yn ) une
suite qui converge vers y ; on aura
d(xn + yn , x + y) = kxn + yn − x − yk ≤ kxn − xk + kyn − yk
qui tend bien vers 0. La continuité de l’application (λ, x) 7→ λx se démontre de

façon analogue : si (λn ) converge vers λ ∈ K et si (xn ) converge vers x ∈ X, on
écrira
d(λn xn , λx) ≤ d(λn xn , λn x) + d(λn x, λx) = |λn | kxn − xk + |λn − λ| kxk
qui tend vers 0 (noter que la suite (λn ) est bornée puisqu’elle est convergente). 2
1.3.2 Espaces de Banach

Définition 1.3.7 Un espace de Banach est un espace vectoriel normé, complet pour la
distance associée à la norme.
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
Si la série converge dans X, la somme de la série est un vecteur de X, qui est la

limite de la suite (Un ), et on note
∞
X
uk = lim Un ∈ X.
n→+∞
k=0
9
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
ce qui montre que la suite (Un ) est alors de Cauchy.

P
Quand X est complet, la condition kuk k < ∞ garantit donc la convergence
P
dans X de la série uk . En fait, on a
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.
Preuve : On a déjà vu que si X est complet, les séries absolument convergentes

sont convergentes dans X ; montrons la réciproque : soit (xn ) une suite de Cauchy
de vecteurs de X ; pour tout entier k ≥ 0, on peut trouver un entier Nk tel que
kxm − xn k < 2−k pour tous entiers m, n ≥ Nk , et on peut supposer que Nk+1 > Nk .
Posons alors u0 = xN0 et uk+1 = xNk+1 − xNk pour tout k ≥ 0. Par construc-
tion, on a kuk+1 k < 2−k , donc la série uk converge dans X d’après l’hypothèse.
P
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
1.4 Applications linéaires continues

1.4.1 Généralités sur les applications linéaires
Soient X et Y deux espaces vectoriels normés.
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
Soient p ∈ N∗ , E1 , . . . , Ep , F des espaces vectoriels sur K.
Définition 1.4.2 Une application f : E1 × . . . × Ep → F est dite p-linéaire ou multili-

néaire (si p = 2, on dit bilinéaire) si elle est linéaire par rapport à chacune des variables
(les autres variables étant fixees), c’est-à-dire si pour tout i = 1, . . . , p, on a :
f (x1 , . . . , xi + ti x0i , . . . , xp ) = f (x1 , . . . , xi , . . . , xp ) + ti f (x1 , . . . , x0i , . . . , xp )
où chaque xj est dans Ej (et x0i ∈ Ei ), et ti ∈ K.
Théorème 1.4.3 Soient X et Y deux espaces normés et T : X → Y une application

linéaire ; les propriétés suivantes sont équivalentes :
1. l’application T est continue sur X,
2. l’application T est continue au point 0X ,
3. il existe un nombre M ≥ 0 tel que, pour tout x ∈ X on ait
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
d(T (xn ), T (x)) = kT (xn ) − T (x)kY = kT (xn − x)kY ≤ M kxn − xkX → 0,
ce qui montre que T est continue au point x, et ceci pour tout x ∈ X. 2
11
Proposition 1.4.4 Soient n espaces de Banach, E1 , . . . , En . Le produit cartésien E =

E1 × . . . × En est un espace de Banach pour la norme kuk = max kukE1 , . . . , kukEn ,
où u = (u1 , . . . , un ), uj ∈ Ej . Une telle norme est appelée norme produit et définit sur E
la topologie produit.
Les projections πk : E → Ek , πk (u) = uk sont des applications linéaires, continues, de
norme ≤ 1.
Toute application T , n-linéaire, de E dans un espace vectoriel normé G, est continue si et
seulement s’il existe C > 0 telle que pour tous uj ∈ Ej , 1 ≤ j ≤ n,
kT (u1 , . . . , un )kG ≤ C ku1 k1 . . . kun kn
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.
Corollaire 1.4.5 Deux normes p et q sur un espace vectoriel X définissent la même

topologie si et seulement si elles sont équivalentes.
Soient X et Y deux espaces normés et S, T deux applications linéaires continues

de X dans Y ; on sait que l’application S + T , qui associe à tout x ∈ X l’image
S(x) + T (x) ∈ Y , est linéaire. Vérifions rapidement sa continuité en 0 : si (xn ) tend
vers 0 dans X, alors (S(xn )) et (T (xn )) tendent vers 0 dans Y donc (S + T )(xn ) =
S(xn ) + T (xn ) tend vers 0 par la propriété d’espace vectoriel topologique.
L’ensemble des applications linéaires continues de X dans Y est donc un sous-
espace vectoriel noté L(X, Y ) de l’ensemble des applications linéaires de X dans
Y . On appelle aussi opérateur borné une application linéaire continue entre deux
espaces normés. Dans le cas où Y = X, on note simplement L(X) l’espace des en-
domorphismes continus de X. Soit T : X → Y une application linéaire continue ;
d’après le théorème 1.4.3, il existe une constante M telle que kT (x)kY ≤ M pour
tout vecteur x de X tel que kxkX ≤ 1. On peut donc considérer la quantité (finie)
kT k = kT kL(X,Y ) = sup {kT (x)kY : kxkX ≤ 1}
qui s’appelle la norme de l’application linéaire T .
Proposition 1.4.6 Soient X et Y deux espaces normés et T : X → Y une application

linéaire continue ; on pose
kT kL(X,Y ) = sup {kT (x)kY : kxkX ≤ 1} .
12
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
Exemple 1.4.7 1. Si X est un espace normé non nul, on a toujours kIdX k = 1.

2. Soit f ∈ C([0, 1]) fixée, on définit un endomorphisme Mf de C([0, 1]), l’application
de multiplication par f , en posant Mf (g) = f g pour toute g ∈ C([0, 1]). On montre
que kMf k = kf k∞ .
Proposition 1.4.8 Soient X, Y et Z des espaces normés, S : X → Y et T : Y → Z des

applications linéaires continues ; on a
kT ◦ Sk ≤ kSk kT k
Preuve : Soit x un vecteur de X ; on peut écrire
k(T ◦ S)(x)kZ = kT (S(x))kZ ≤ kT k kS(x)kY ≤ kT k kSk kxkX ;
ce qui entraîne l’inégalité voulue. 2
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
Preuve : La suite des sommes partielles Un = nk=0 uk converge dans X vers la

P
somme U de la série, on a T (Un ) = nk=0 T (uk ) par linéarité de T , et T (Un ) tend

P
vers l’image T (U ) de U , par la continuité de T . 2
13
Proposition 1.4.10 Soient X et Y deux espaces normés ; si Y est un espace de Banach,

l’espace L(X, Y ) est un espace de Banach.
P
Preuve : Supposons que Y soit un espace de Banach. Soit k uk une série nor-
malement convergente dans L(X, Y ) ; pour tout vecteur x ∈ X, on a kuk (x)k ≤
P
kuk k kxk, donc la série k uk (x) est normalement convergente dans Y . Puisque
Y est complet, cette série converge dans Y et on peut poser pour tout x ∈ X,
U (x) = ∞
P
k=0 uk (x) ∈ Y .
l’application ainsi définie de X dans Y est linéaire, et de plus pour tout x ∈ X
on a kU (x)k ≤ ∞
P P∞
k=0 kuk (x)k ≤ ( k=0 kuk k) kxk, ce qui montre que U est continue
et ∞
X
kU k ≤ kuk k (1.1)
k=0
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
où on a posé vk = un+k+1 pour tout k ≥ 0 ; en appliquant l’inégalité (2.3) à la série

vk on obtient kU − Un k ≤ ∞
P P P
k=0 kvk k = k>n kuk k, et cette quantité tend vers 0
lorsque n → ∞. 2
1.4.2 Autres conséquences du théorème de Baire

Soit X un espace topologique . Un ouvert U de X est dense dans X si et seule-
ment si le fermé complémentaire U c est d’intérieur vide. Si on a un nombre fini
d’ouverts denses, on vérifie facilement de proche en proche que U1 ∩ . . . ∩ Un est
encore un ouvert dense.
On dit qu’une application f : X → Y est ouverte lorsque l’image de tout
ouvert de X est ouverte dans Y . Notons que la composition de deux applications
ouvertes est une application ouverte.
Théorème 1.4.11 (théorème de l’application ouverte.) Soient E et F deux espaces

de Banach. Toute application linéaire, continue, surjective f de E sur F est ouverte ce qui
équivaut (par linéarité) à dire
∃C > 0, BF (0, 1) ⊂ f (BE (0, C)).
14
Preuve : On introduit les fermés suivants :
Fn = f (BE (0, n))
Comme f est surjective, on dispose de l’égalité :

[
F = Fn
n∈N
F est métrisable et complet, en particulier il vérifie la propriété de Baire, donc un

de ces fermés, FN est d’intérieur non vide : il contient une boule BF (y, η).
Le fermé F2N contient donc la boule BF (0, η). Par homogénéité de f , on dis-
pose ainsi d’un entier M tel que : BF (0, 1) ⊂ f (BE (0, M )) Il ne reste plus qu’à faire
« sauter la barre », et c’est ici que l’hypothèse supplémentaire suivant laquelle E
et F sont des espaces de Banach intervient. Par homogénéité de f , on déduit du
résultat qui précède que :
∀n ∈ N, BF (0, 1/2n ) ⊂ f (BE (0, M/2n ))
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
et, par passage à la limite :

+∞
!
X
z=f xn ∈ f (BE (0, 2M )),
n=0
ce qu’il fallait démontrer. 2
Corollaire 1.4.12 (théorème des isomorphismes.) Soient E et F deux espaces de Ba-

nach. Toute application linéaire continue bijective de E sur F est un isomorphisme ; c’est-
à-dire est bicontinue.
Le graphe d’une application continue d’un espace topologique dans un espace

topologique séparé est toujours fermé. La réciproque n’est en général pas vraie.
Cependant, on a :
15
Théorème 1.4.13 (théorème du graphe fermé.) Soient E et F deux espaces de Ba-

nach. Toute application linéaire de E dans F dont le graphe est fermé dans E × F est
continue.
Preuve : Soit f une application linéaire de E dans F dont le graphe G ⊂ E × F

est fermé ; alors G est un espace de Banach. Tout point z du graphe G est de la
forme z = (x, f (x)) pour un certain x ∈ E unique ; notons p : G → E l’application
définie par p(z) = p(x; f (x)) = x ∈ E. Il est clair que p est linéaire, continue
et bijective (l’inverse-algèbrique-étant l’application x 7→ (x, f (x)) de E dans G).
D’après le théorème des isomorphismes, cet inverse x 7→ (x, f (x)) est continu de
E dans G ; il en résulte que x 7→ f (x) est continue de E dans F . 2
Nous passons maintenant à une autre conséquence du théorème de Baire, le
théorème de Banach-Steinhaus ; ce théorème admet plusieurs variantes ; en voici
une première, qui sort un peu de notre cadre habituel d’espaces normés.
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.
Preuve : Remarquons d’abord que pour tout x0 ∈ E la translation y 7→ x0 + y

est un homéomorphisme de E ; de même, pour tout λ 6= 0 l’homothétie y 7→
λ · y est un homéomorphisme. Il résulte du premier point que tout voisinage
W de x0 est de la forme x0 + V , où V est un voisinage de 0E , et du second
point que λ · V est aussi un voisinage de 0E . Pour tout entier n ≥ 1, posons
Cn = {x ∈ E : ∀T ∈ A, kT (x)k ≤ n}. Comme Cn est l’intersection des ensembles
fermés CT,n = {x ∈ E : kT (x)k ≤ n} (lorsque T varie dans A), c’est un fermé de
E. La réunion des Cn est égale à E : ceci n’est que la traduction de l’hypothèse
supT ∈A kT (x)k < +∞ pour tout x ∈ E.
Puisque (E, d) est métrique complet, il existe par le corollaire 2.1.3 un entier
n0 ≥ 1 tel que Cn0 soit d’intérieur non vide. On peut donc trouver un point x0 ∈
Cn0 et un voisinage V de 0E tels que x0 + V ⊂ Cn0 . Posons M = supT ∈A kT (x0 )kY .
Soient v ∈ V et T ∈ A quelconques ; puisque x0 + v ∈ Cn0 , on a kT (x0 ) + T (v)kY ≤
n0 , ce qui donne kT (v)kY ≤ n0 + kT (x0 )kY ≤ n0 + M par l’inégalité triangulaire.
Pour terminer, on prend le voisinage W = (n0 + M )−1 V . 2
16
1.5. PRODUITS ET QUOTIENTS
Théorème 1.4.15 (théorème de Banach-Steinhaus) Soient E un espace de Banach,

Y un espace normé et A une partie de L(E, Y ) telle que sup {kT (x)k : T ∈ A} < +∞
pour tout x ∈ E ; alors on a aussi sup {kT k : T ∈ A} < +∞.
Preuve : On peut appliquer la proposition précédente. Il existe un voisinage W

de 0E tel que kT (x)k ≤ 1 pour tout x ∈ W et tout T ∈ A. Il existe r > 0 tel
que B(0, r) ⊂ W . Par homogénéité, pour tout x ∈ B(0, 1) et tout T ∈ A, on a
kT (x)k ≤ 1/r ; on a donc montré que pour tout T ∈ A, on a kT k ≤ 1/r. 2
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.
1.5 Produits et quotients

Proposition 1.5.1 Soient X et Y deux espaces normés ; il existe une norme sur X × Y
qui définit la topologie produit.
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.
Soient X un espace vectoriel et Y un sous-espace de X ; rappelons que X/Y est

le quotient de X pour la relation d’équivalence RY telle que xRY y ⇔ y − x ∈ Y .
Le quotient X/Y est muni de l’unique structure d’espace vectoriel pour laquelle
l’application quotient X → X/Y est linéaire. La classe de 0X est égale à Y , et c’est
le vecteur nul de l’espace quotient X/Y ; les autres classes sont les translatés de Y
(ce sont les sous-espaces affines Y + x, parallèles à Y ).
17
1.5. PRODUITS ET QUOTIENTS
Proposition 1.5.3 Soient X un espace normé et Y un sous-espace vectoriel fermé de X ;

notons π : X → X/Y l’application quotient. La fonction q : X/Y → R+ définie par
q(ζ) = inf {kxk : x ∈ X; π(x) = ζ}
est une norme sur X/Y .
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
q(ζ + ζ 0 ) ≤ kx + x0 k ≤ kxk + kx0 k ≤ q(ζ) + q(ζ 0 ) + 2,
d’où q(ζ + ζ 0 ) ≤ q(ζ) + q(ζ 0 ) en faisant tendre vers 0. 2

La projection π vérifie kπk ≤ 1. Notons encore que l’image par π de la boule
unité ouverte BX (0, 1) de X est exactement la boule unité ouverte du quotient
X/Y .
Proposition 1.5.4 Soient X, Z deux espaces normés, Y un sous-espace fermé de X et

g ∈ L(X, Z) nulle sur Y ; il existe une unique h ∈ L(X/Y, Z) telle que g = h ◦ π (où
π : X → X/Y est l’application quotient) ; on a khk = kgk.
Proposition 1.5.5 Soient X un espace de Banach et Y un sous-espace fermé ; alors X/Y

est un espace de Banach.
P
Preuve : Soit ζk une série normalement convergente dans le quotient. Pour tout
entier k ≥ 0 on peut trouver un représentant uk ∈ ζk tel que kuk k ≤ 2 kζk k ; la série
P
uk est elle aussi normalement convergente, donc convergente dans X puisque
P
X est complet. Finalement, la série ζk , image par l’application linéaire conti-
P
nue π de la série convergente uk , est convergente dans X/Y , ce qui termine la
démonstration. 2
18
1.6. PRINCIPE DE PROLONGEMENT. COMPLÉTÉ D’UN ESPACE NORMÉ
1.6 Principe de prolongement. Complété d’un espace

normé
Lemme 1.6.1 Soient X un espace normé, X 0 un sous-espace vectoriel de X, dense dans
X et F un espace de Banach ; toute application linéaire continue T : X 0 → F se prolonge
de façon unique en application linéaire continue Te : X → F , et Te = kT k.
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
An (x) = y ∈ X 0 : ky − xk < 2−n

est non vide ; si y, y 0 ∈ An , on a ky 0 − yk ≤ ky 0 − xk + ky − xk ≤ 2−n+1 , donc le

diamètre de An (x) tend vers 0 Puisque T est linéaire bornée, la suite (T (An (x))) est
une suite décroissante de sous-ensembles non vides de F , de diamètres tendant
vers 0. Précisément, on déduit de ce qui précède que si v, w ∈ T (An (x)), on a
kv − wk ≤ kT k 2−n+1 . Puisque F est complet, on sait que ∩n∈N T (An (x) contient
exactement un point. Appelons S(x) cet unique point.
Soit (yk )k ⊂ X 0 une suite quelconque telle que yk → x, et soit n0 quelconque ;
0 0
on aura yk ∈ An pour tout k ≥ k 0 , donc kT (yk ) − S(x)k ≤ 2−n +1 kT k pour k ≥ k 0 ;
ceci montre que S(x) = limk T (yk ) pour toute suite (yk ) ⊂ X 0 telle que x = limk yk .
Il est facile de vérifier que x 7→ S(x) est linéaire de X dans F , à partir de cette
remarque (prendre yk → x et yk0 → x0 ). On a aussi
kS(x)k = lim kT (yk )k ≤ kT k lim kyk k = kT k kxk ,

k k
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
Lemme 1.6.2 Soient X un espace normé, X 0 un sous-espace vectoriel de X, dense dans

X et F un espace de Banach ; si (Tn ) est une suite d’applications linéaires de X dans F ,
telle que M = supn kTn k < +∞ et telle que limn→+∞ Tn (x) existe dans F pour tout
x ∈ X 0 , alors T (x) = limn→+∞ Tn (x) existe dans F pour tout x ∈ X, et l’application T
est linéaire continue de X dans F , avec kT k ≤ M .
19
1.7. DUAL D’UN ESPACE NORMÉ, APPLICATION TRANSPOSÉE
1.7 Dual d’un espace normé, application transposée

Rappelons que K désigne le corps R ou C. Soit X un espace normé sur K ; on
appelle dual (topologique) de X et on note X ∗ l’espace de Banach X ∗ = L(X, K).
Cet espace est complet.
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
De plus, la norme de fx dans le dual de c0 est égale à la norme de x dans `1 . L’application

x 7→ fx est donc une application linéaire isométrique de `1 dans (c0 )∗ . Elle est aussi
surjective, donc bijective. D’une certaine façon, le dual de c0 "est" égal à `1 .
Soit X un espace normé complexe ; c’est, en particulier, un espace normé réel.

Il y a deux notions distinctes de dual pour X : le dual en tant qu’espace réel
XR∗ = LR (X, R) et le dual en tant qu’espace complexe XC∗ = LC (X, C). En fait, on
peut identifier ces deux espaces. Notons < : C → R l’application R-linéaire qui à
un nombre complexe a + ib associe sa partie réelle a (pour a, b ∈ R).
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
|g(x)| = λg(x) = g(λx) = (< ◦ g)(λx) ≤ k< ◦ gk ,
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
Définition 1.7.3 Soient X et Y deux espaces normés et T ∈ L(X, Y ), on appelle trans-

posée topologique de T (ou juste transposée) l’application t T : y ∗ 7→ y ∗ ◦ T de Y ∗ dans
X ∗.
Regroupons dans la proposition suivante des propriétés élémentaires de la trans-

position :
20
1.8. PARTIES TOTALES. SÉPARABILITÉ
Proposition 1.7.4 Soient X, Y et Z des espaces normés ;

1. pour tout T ∈ L(X, Y ), l’application t T est linéaire et continue et kt T k ≤ kT k ,
2. l’application T 7→t T est linéaire de L(X, Y ) dans L(Y ∗ , X ∗ ),
3. pour tout S ∈ L(X, Y ) et tout T ∈ L(Y, Z), on a t (T ◦ S) =t S ◦t T (bien noter
l’interversion de S et T ).
Vérifions que kt T k ≤ kT k. Soit y ∗ ∈ Y ∗ tel que ky ∗ k ≤ 1. Pour tout vecteur x ∈ X

tel que kxk ≤ 1 on a
t
T (y ∗ )(x) = |y ∗ (T (x))| ≤ ky ∗ k kT (x)k ≤ ky ∗ k kT k kxk ≤ kT k
d’où il résulte que kt T (y ∗ )k ≤ kT k en prenant le sup sur x dans la boule unité de

X, puis kt T k ≤ kT k en prenant le sup sur y ∗ dans la boule unité de Y ∗ .
1.8 Parties totales. Séparabilité

Définition 1.8.1 On dit qu’un espace topologique Z est séparable s’il existe une partie
dénombrable D ⊂ Z qui soit dense dans Z.
— Les espaces R et C sont séparables (par exemple, Q est un sous-ensemble

dénombrable dense dans R). Plus généralement, tout fermé de C est sépa-
rable (exercice).
— Tout espace normé de dimension finie est séparable : si F est un espace
vectoriel de dimension finie sur R et si (x1 , . . . , xn ) est une base de F , l’en-
semble dénombrable
( n )
X
D= λi xi : λi ∈ Q
i=1
est dense dans F .
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.
En effet, si D = {d0 , d1 , . . . , dn , . . .} est dense et si Fn = Vect(d0 , d1 , . . . , dn−1 ), il est

évident que ∪n Fn est dense dans X puisque cet ensemble contient D. Inversement
si ∪n Fn est dense, on choisit Dn dénombrable dense dans Fn , et D = ∪n Dn sera
dénombrable et dense dans X.
21
1.9. EXERCICES
Pour établir la deuxième partie il suffit de modifier légèrement l’argument ci-

dessus, en ne prenant le vecteur dn+1 que s’il n’est pas déjà dans Vect(d0 , . . . , dn ) :
on pose F0 = {0} et pour tout n ≥ 0, en supposant Fn déjà défini, de dimension
n, on désigne par kn le plus petit indice m tel que dm ∈ / Fn (s’il n’y avait pas de
tel indice m, tous les vecteurs (dm ) seraient dans Fn , donc on aurait X = Fn de
dimension finie, contradiction). On pose Fn+1 = Vect(Fn , dkn ). On vérifie que Fn+1
contient d0 , . . . , dkn , donc à la fin ∪n Fn contient l’ensemble dense D.
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
∀x ∈ X, ∀y ∈ X, ∀z ∈ X, |d(x, y) − d(y, z)| ≤ d(x, z).
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
est une semi-norme sur Lr .
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
Exercice 5 Soit X un espace vectoriel sur K, montrer que :

1. si p est une semi-norme sur X alors
|p(x) − p(y)| ≤ |x − y| , ∀x, y ∈ X
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
est une distance sur X.
Exercice 6 Montrer que :

1. L’espace C [0, 1] (réel ou complexe) des fonctions scalaires continues sur [0, 1], muni
de la norme uniforme,
kf k∞ = max |f (t)|
t∈[0,1]
est un espace de Banach.

2. Pour 1 ≤ p < +∞, l’espace Lp = Lp ([0, 1]) des classes de fonctions f complexes
R1
sur [0, 1] telles que f soit mesurable et 0 |f (s)|p < +∞ est normé par
 1  p1
Z
kf kp =  |f (s)|p 
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
pα,β (f ) = kxα f (β) k∞ .
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
5. Pour tout α, β ∈ N pα,β est une semi-norme sur S.
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 = ∞
où pour tout 0 < q ≤ ∞

( R
q 1q
|f (x)| dx si q<∞
kf kq = R
sup ess |f | := inf {C > 0 : λ {x ∈ R : |f (x)| >} = 0} si q=∞
et pour toute partie E ⊂ R, χE désigne la fonction caractéristique de E.

1. Montrer que pour tout 0 < q, p ≤ ∞, (Lq , `p ) est un sous-espace vectoriel de L0 .
2. Montrer que si 1 ≤ q, p ≤ ∞ alors l’application f 7→ kf kq,p est une norme sur
(Lq , `p ) et que muni de cette norme, (Lq , `p ) est un espace de Banach.
3. Montrer que
(a) si q = p alors (Lq , `p ) = Lq ,
(b) si q < p alors Lq ∪ Lp ⊂ (Lq , `p )
(c) si p < q alors (Lq , `p ) ⊂ Lq ∩ Lp .
Exercice 9 Montrer que :

1. les espaces `p et les espaces Lp ([0, 1]) sont séparables pour 1 ≤ p < ∞.
2. `∞ et L∞ ([0, 1]) ne sont pas séparables.
Exercice 10 Soit E un evt et C un ouvert convexe contenant 0, la jauge de C est alors

définie par : n x o
jC (x) := inf t > 0 : ∈ C , ∀x ∈ E.
t
Montrer que :
1. jC est une application sous-linéaire,
2. si C est ouvert, alors
C = {x ∈ E : jC (x) < 1} .
24
Chapitre 2
Espaces de Hilbert
2.1 Espace préhilbertien

Définition 2.1.1 Un espace préhilbertien est un espace vectoriel E muni d’un produit
scalaire, c’est à dire d’une application B : E × E → C vérifiant les propriétés suivantes :
Pour tous u, v, w ∈ E, λ, µ ∈ C, on a
(H-1) B(λu + µv, w) = λB(u, w) + µB(v, w)
(H-2) B(u, λv + µw) = λB(u, v) + µB(v, w)
(H-3) B(u, v) = B(v, u)
(H-4) B(u, u) ≥ 0
(H-5) B(u, u) = 0 ⇔ u = 0.
(H-1) et (H-2) caractérisent les formes sesquilinéaires. Si de plus B vérifie (H-3) on dit
qu’elle est hermitienne, (H-4) est la condition de positivité et (H-5) la condition de non
dégénérescence. Lorsque B vérifie les propriétés de (H-1) à (H-5) on dit que B est un
produit scalaire
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).
Proposition 2.1.2 (identité de polarisation) 1. Soient X un espace vectoriel com-

plexe et B une forme sesquilinéaire sur X. Pour tous x, y ∈ X on a
4B(x, y) = B(x+y, x+y)−B(x−y, x−y)+iB(x+iy, x+iy)−iB(x−iy, x−iy).
2. Soient X un espace vectoriel réel et B une forme bilinéaire symétrique sur X. Pour
tous x, y ∈ X on a
4B(x, y) = B(x + y, x + y) − B(x − y, x − y).
25
2.1. ESPACE PRÉHILBERTIEN
En particulier, pour connaître une forme sesquilinéaire ou une forme bilinéaire

symétrique B sur X, il suffit de connaître B(x, x) pour tout x ∈ X.
Corollaire 2.1.3 Soient X un espace vectoriel complexe et B une forme sesquilinéaire

sur X. Les conditions suivantes sont équivalentes :
1. pour tous x, y ∈ X on a B(y, x) = B(x, y),
2. pour tout x ∈ X, on a B(x, x) ∈ R.
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.
Proposition 2.1.4 (Inégalité de Cauchy-Schwarz) Soit X un espace vectoriel muni

d’un produit scalaire. Pour tous x, y ∈ X on a
|hx|yi|2 ≤ hx|xi hy|yi .
Preuve : Soit u ∈ K de module 1 tel que u hx|yi = |hx|yi| ; pour t ∈ R, le produit

scalaire hux + ty|ux + tyi est positif. Or hux + ty|ux + tyi = hux|uxi+2Re hux|yi t+
hy|yi t2 = hx|xi + 2 |hx|yi| t + hy|yi t2 . Ce polynôme du deuxième degré en t est po-
sitif pour tout t ∈ R, donc son discriminant réduit est négatif ou nul. Cela donne
|hx|yi|2 ≤ hx|xi hy|yi ≤ 0. 2
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.
Preuve : Pour tous x, y ∈ X, on a
hx + y|x + yi = hx|xi + hy|yi + hx|yi + hx|yi

≤ hx|xi + hy|yi + 2 |hx|yi| ≤ (hx|xi1/2 + hy|yi1/2 )2
par la proposition 2.1.4. 2

Relation du parallélogramme,
hx + y|x + yi + hx − y|x − yi = 2 (hx|xi + hy|yi)
26
2.2. ORTHOGONALITÉ, BASES
2.2 Orthogonalité, bases

Tout espace préhilbertien sera considéré comme espace normé, muni de la
norme ci-dessus, qui sera notée simplement kxk désormais.
Proposition 2.2.1 Soit X un espace préhilbertien. Pour tout vecteur y ∈ X la forme

linéaire `y : x 7−→ hx|yi est continue de X dans K. L’application y 7−→ `y est antilinéaire
et isométrique de X dans X ∗ .
Preuve : Pour x ∈ X on a |`y (x)| ≤ kxk kyk d’après l’inégalité de Cauchy-Schwartz,

donc l’application linéaire `y est continue et k`y k ≤ kyk. Or kyk2 = `y (y) ≤
k`y k kyk. d’où l’on déduit que kyk = k`y k. On vérifie sans peine que l’applica-
tion y 7→ `y est antilinéaire. 2
2.2.1 Espace de Hilbert

Définition 2.2.2 On appelle espace de Hilbert un espace vectoriel H (réel ou complexe)
muni d’un produit scalaire (x, y) 7→ hx|yi tel que la H soit complet pour la norme définie
par le produit scalaire.
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)
heλ |eη i = 0, si λ 6= η (2.2)
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).
Si x est orthogonal à y1 , . . . , yn , alors x est orthogonal à toutes les combinaisons

linéaires de y1 , . . . , yn , d’après la linéarité du produit scalaire par rapport à sa
première variable. Le vecteur x est donc orthogonal au sous-espace vectoriel en-
gendré par {y1 , . . . , yn } que nous notons Vect(y1 , . . . , yn ).
Si x est orthogonal à tous les vecteurs d’un ensemble A, alors x est aussi or-
thogonal à l’adhérence de A (parce que l’application a 7→ ha|xi est continue).
27
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.
Preuve : Le résultat s’obtient en developpant le carré scalaire h nk=1 uk | nk=1 uk i

P P
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
Preuve : Il suffit de montrer le résultat pour une suite finie e1 , . . . , en . On a vu

que si on pose y = nk=1 hx|ek i ek , le vecteur x − y est orthogonal au sous-espace
P
F = Vect(e1 , . . . , en ), donc x − y est orthogonal à y ∈ F . Puisque x = y + (x − y)

on aura n
2 2 2 2
X
kxk = kyk + kx − yk ≥ kyk = |hx|ek i|2
k=1
d’où le résultat. 2
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
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 .
Preuve : Posons cj = hy|ej i pour tout j ≥ 0, et z = ∞

P
k=0 ck ek . Cette série converge
d’après les lemme 2.2.7 et 2.2.8, et z ∈ F . Pour tout j ≥ 0, on voit en passant à la li-
mite grâce à la continuité de l’application x 7→ hx|ej i hz|ej i = limn→∞ h ni=1 ci ei |ej i =
P
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
Définition 2.2.10 On appelle base hilbertienne d’un espace de Hilbert séparable H de

dimension infinie une suite orthonormée (en )n≥0 qui est de plus totale dans H. On dit
aussi base orthonormée de H.
Certaines bases hilbertiennes sont naturellement indexées par un ensemble dé-

nombrable spécifique, par exemple I = Z, plutôt que par l’ensemble N. Du point
de vue théorique, il n’y a pas de différence et nous écrirons les preuves avec I = N.
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 .
Preuve : Soit H un espace de Hilbert séparable de dimension infinie ; on peut

trouver une suite croissante (En )n≥0 de sous-espaces de dimension finie de H,
telle que dimEn = n pour tout n ≥ 0 et telle que ∪n∈N En soit dense dans H.
On construit la suite orthonormée par récurrence de façon que pour tout n ≥ 1, la
suite (e1 , . . . , en ) soit une base orthonormée de En . On commence en prenant pour
e1 un vecteur de norme un dans E1 . Supposons e1 , . . . , en définis, de façon que
(e1 , . . . , en ) soit une base orthonormée de En . Puisque En+1 6= En , on peut choisir
un vecteur xn+1 ∈ En+1 qui n’est pas dans En . Soit y la projection orthogonale de
xn+1 sur En . On a xn+1 6= y puisque xn+1 ∈ / En . Le vecteur z = xn+1 − y est non nul
et orthogonal à En . On prend pour en+1 un multiple de norme un du vecteur z.
Par construction (e1 , . . . , en , en+1 ) est une suite orthonormée dans En+1 , donc une
base de En+1 (puisque dimEn+1 = n+1). La suite (en )n≥0 est totale dans H puisque
l’espace vectoriel qu’elle engendre contient la réunion ∪n≥0 En qui est dense dans
H. 2
2.3 Théorème de projection

Théorème 2.3.1 (théorème de projection) Soient H un espace de Hilbert et C une
partie convexe fermée non vide de H ; pour tout x ∈ H, il existe un et un seul point y0 de
C en lequel la fonction y 7→ ky − xk atteint son minimum sur C. On a de plus
∀y ∈ C, < hx − y0 |y − y0 i ≤ 0.
Preuve : En translatant le convexe C, on peut se ramener au cas où x = 0H . Notons

alors
d = inf {d(y, 0H ) : y ∈ C} = inf {kyk : y ∈ C}
la distance de 0H à C. Si y et z sont deux points de C, on a (y + z)/2 ∈ C puisque
C est convexe, donc k(y + z)/2k ≥ d ; de plus la relation du parallélogramme
k(y + z)/2k2 + k(y − z)/2k2 = (kyk2 + kzk2 )/2
implique pour tous y, z ∈ C
0 ≤ k(y − z)/2k2 ≤ (kyk2 + kzk2 )/2 − d2 . (2.3)
Pour tout entier n ≥ 1, posons
Cn = y ∈ C : kyk2 ≤ d2 + 1/n .

30
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.
Définition 2.3.2 Si F est un sous-espace vectoriel fermé d’un espace hilbertien H on

appelle projecteur orthogonal sur F l’opérateur borné PF : H → H qui associe à tout
vecteur x ∈ H sa projection sur F .
Exemple 2.3.3 (Espérance conditionnelle) Si (Ω, A, µ) est un espace de probabilité

et si F est une sous-tribu de A, on peut considérer le sous-espace vectoriel F de L2 formé
de toutes les fonctions qui sont F-mesurables. Le sous-espace F est fermé, et la projection
orthogonale de L2 sur F s’appelle l’esp´erance conditionnelle.
31
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
Corollaire 2.3.4 Soient H un espace de Hilbert, F un sous-espace vectoriel fermé sépa-

rable de H, et (en )n≥0 une base hilbertienne du sous-espace F . Pour tout vecteur x ∈ H,
la projection orthogonale de x sur F est donnée par
∞
X
PF (x) = hx|ek i ek .
k=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.
Il est clair que A⊥ est un sous-espace vectoriel fermé de H.
Proposition 2.3.6 Soient H un espace de Hilbert et F un sous-espace vectoriel fermé de

H ; on a PF + PF ⊥ = IdH . Il en résulte que F ⊕ F ⊥ = H et (F ⊥ )⊥ = F .
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
Corollaire 2.3.7 Soit H un espace de Hilbert.

1. Pour toute partie A de H, l’ensemble (A⊥ )⊥ est le plus petit sous-espace vectoriel
fermé de H contenant A.
2. Si Y est un sous-espace vectoriel de H, on a (Y ⊥ )⊥ = Y .
32
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, `y (x) = hx|yi (2.5)
et on a vu que k`y k = kyk.
Proposition 2.3.8 Soit H un espace de Hilbert. L’application isométrique antilinéaire

y 7→ `y de l’équation (2.5) est une bijection de H sur le dual H ∗ . En d’autres termes, pour
toute forme linéaire continue f sur H, il existe un vecteur yf ∈ H unique qui représente
la forme linéaire f au sens suivant :
∀x ∈ H, f (x) = hx|yf i
Preuve : Soit f ∈ H ∗ , si f = 0 il suffit de (et il faut) prendre yf = 0H . Si f 6=

0, notons F son noyau (fermé). Puisque F 6= H, on peut choisir un vecteur z
orthogonal à F et tel que f (z) = 1. Tout vecteur x ∈ H peut s’écrire
x = (x − f (x)z) + f (x)z = x0 + f (x)z
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
hx|zi = hf (x)z|zi = hz|zi f (x)
ce qui montre que f = kzk−2 `z . Il suffit de prendre yf = kzk−2 z pour obtenir le

résultat voulu. 2
Proposition 2.3.9 Si F1 et F2 sont deux sous-espaces vectoriels fermés orthogonaux de

l’espace de Hilbert H, le sous-espace F = F1 + F2 est fermé et la projection orthogonale
de H sur F est donnée par PF = PF1 + PF2 .
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
Preuve : Désignons par G l’ensemble ci-dessus. On a déjà expliqué que l’espace

fermé F engendré par les (Fn ) doit contenir G. Inversement, soit x ∈ F et dé-
signons par xn , pour tout entier n ≥ 0, la projection orthogonale de x sur Fn ,
on vérifie facilement que sn = x0 + . . . + xn est la projection orthogonale de x
sur le sous-espace fermé F0 + . . . + Fn . Il en résulte que ksn k ≤ kxk pour tout
kxk k2 ≤ kxk . et permet de définir x0 = ∞
P P
n, ce qui implique que k=0 xk ∈ G
0 0
et x = limn sn . On va montrer que x = x ; puisque x appartient au sous-espace
fermé engendré par les Fn , on peut trouver pour tout > 0 un entier N et un
vecteur y ∈ F0 + . . . + FN tels que kx − yk < . Mais par définition de la projection
orthogonale, on a kx − sN k ≤ kx − yk, ce qui montre que limn sn = x et x = x0 . 2
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
Déterminer cn pour que

Z1
|Ln (x)|2 dx = 1
−1
Exercice 14 Soit l’espace de Hilbert L2 ([0, 1]). On considère le sous-espace
F = u ∈ L2 ([0, 1]), u = 0, p.p sur [0, 1l/2] .

Déterminer l’opérateur PF de projection sur F .

Répondre à la même question pour l’espace de Hilbert L2 (R) et
F = u ∈ L2 (R), u(−t) = u(t), p.p .

Exercice 15 On considère l’espace de Hilbert `2 (N) des suites de nombres complexes

x = {xn }n∈N telles que X
|xn |2 < ∞
n∈N
munit de la norme " # 21

X
kxk = |xn |2
n∈N
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
Opérateurs bornés sur les espaces de

Hilbert
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 .
3.1 Applications linéaires continues entre espaces de

Hilbert
Proposition 3.1.1 Soient E et F deux espaces de Hilbert et T ∈ L(E, F ). Il existe un
unique T ∗ ∈ L(F, E) tel que pour tout x ∈ E et tout y ∈ F on ait hT (x)|yiF =
hx|T ∗ (y)iE . On a de plus kT ∗ kL(F,E) = kT kL(E,F ) .
Preuve : Pour tout y ∈ F , l’application x 7→ hT (x)|yiF est une forme linéaire

continue de E. Il existe donc, d’après la proposition 2.3.8, un unique élément
T ∗ (y) ∈ E tel que pour tout x ∈ E on ait hT (x)|yiF = hx|T ∗ (y)iE . On vérifie
facilement que T ∗ (y) + λT ∗ (z) vérifie la propriété caractéristique de T ∗ (y + λz),
pour tous y, z ∈ F et λ ∈ K, d’où l’on déduit que T ∗ est linéaire. On a, par
définition de kT k et par les définitions équivalentes de la norme d’une application
linéaire entre espaces de Banach, nous avons
kT ∗ kL(F,E) = sup {kT ∗ (y)k : y ∈ BF } où BF désigne la boule unité ouverte dans F

= sup {hx|T ∗ (y)i : x ∈ BE , y ∈ BF }
= sup {hT (x)|yi : x ∈ BE , y ∈ BF } = kT k .
36
3.1. APPLICATIONS LINÉAIRES CONTINUES ENTRE ESPACES DE HILBERT
Définition 3.1.2 Soient E et F deux espaces de Hilbert et T ∈ L(E, F ). L’unique

application linéaire T ∗ ∈ L(F, E) tel que pour tout x ∈ E et tout y ∈ F on ait
hT (x)|yi = hx|T ∗ (y)i est appelée adjointe de T .
Regroupons dans la proposition suivante quelques propriétés des adjoints.
Proposition 3.1.3 Soient E et F deux espaces de Hilbert.

1. L’application T 7→ T ∗ est antilinéaire et isométrique de L(E, F ) sur L(F, E).
2. Pour tout T ∈ L(E, F ) on a (T ∗ )∗ = T et kT ∗ ◦ T k = kT k2 .
3. Pour tout espace de Hilbert H, tout S ∈ L(E, F ) et tout T ∈ L(F, H), on a
(T ◦ S)∗ = S ∗ ◦ T ∗ .
Preuve : Montrons que kT ∗ ◦ T k = kT k2 . On a kT ∗ ◦ T k ≤ kT ∗ k kT k = kT k2 . De

plus, pour tout x ∈ E tel que kxk ≤ 1 on a
kT (x)k2 = hT (x)|T (x)i = hx|T ∗ ◦ T (x)i ≤ kT ∗ ◦ T k
grâce à l’inégalité de Cauchy-Schwarz, d’où résulte kT k2 ≤ kT ∗ ◦ T k et l’égalité

cherchée. 2
Proposition 3.1.4 Soient E et F deux espaces de Hilbert et soit T ∈ L(E, F ), alors

kerT ∗ = (T (E))⊥ et l’adhérence de T ∗ (F ) est (kerT )⊥ .
Preuve : Si y ∈ F , on voit que y ∈ kerT ∗ si et seulement si pour tout x ∈ E, on

a 0 = hT ∗ (y)|xiE = hy|T (x)iF , clairement, ceci équivaut à dire que y ∈ (T (E))⊥ ,
d’où la première assertion. Il en résulte que T (E) = (kerT ∗ )⊥ , d’où la deuxième
assertion en remplaçant T par son adjoint. 2
Définition 3.1.5 Soient E et F deux espaces de Hilbert. Un élément U ∈ L(E, F ) est

appelè unitaire si U ∗ ◦ U = IdE et U ◦ U ∗ = IdF . Un élément T ∈ L(E) est appelé
normal si T ∗ ◦ T = T ◦ T ∗ , hermitien ou autoadjoint si T = T ∗ et positif s’il est hermitien
et si hT (x)|xi est réel ≥ 0 pour tout x ∈ E.
Proposition 3.1.6 Soient E et F deux espaces de Hilbert et T ∈ L(E, F ). Les conditions

suivantes sont équivalentes :
1. l’opérateur T est unitaire,
2. l’opérateur T est surjectif et T ∗ ◦ T = IdE ,
3. l’opérateur T est une isométrie et surjective de E sur F .
37
3.2. LES THÉORÈMES DE STAMPACCHIA ET DE LAX-MILGRAM
Preuve : Si T est unitaire, comme T ◦ T ∗ = IdF , l’opérateur T est surjectif, donc

(1) ⇒ (2). Si T ∗ ◦ T = IdE , alors pour tout x ∈ E on a kT (x)k2 = kxk2 , donc
(2) ⇒ (3). Enfin, supposons que T soit une isométrie de E sur F , c’est à dire que
pour tout x ∈ E on ait hx|xi = hT (x)|T (x)i, comme
(x, y) 7→ hx|T ∗ (T (y))i = hT x|T yi
est un produit scalaire sur E, il résulte de l’identité de polarisation proposition ??

que, pour tous x, y ∈ E, on a hx|T ∗ (T (y))i = hx|yi, ce qui implique T ∗ (T (y)) = y,
c’est à dire que T ∗ ◦ T = IdE . Comme par l’hypothèse (3) l’application T est
bijective, T ∗ = T −1 , d’où (1). 2
Lemme 3.1.7 Si T ∈ L(H) est normal, on a kerT = kerT ∗ .
Preuve : En fait on a pour tout x ∈ H
kT xk2 = hT x|T xi = hT ∗ T x|xi = hT T ∗ x|xi = kT ∗ (x)k2 .
Proposition 3.1.8 Si T ∈ L(H) est normal, on a H = ker(T ) ⊕ im(T ), et la somme est

une somme orthogonale.
Preuve : On sait que ker(T ∗ )⊥ = im(T ∗∗ ) = im(T ), donc
H = ker(T ∗ ) ⊕ ker(T ∗ )⊥ = ker(T ) ⊕ im(T ).
3.2 Les théorèmes de Stampacchia et de Lax-Milgram

Soit H un espace de Hilbert réel. Une forme biléaire a : H × H → R est dite
coercive, s’il existe une constante α > 0 telle que
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
a(u, v − u) ≥ hϕ, v − ui , ∀v ∈ K. (3.1)
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
Preuve : D’après le théorème de représentation de Riesz-Fréchet (théorème ??), il

existe un unique élément f ∈ H tel que
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
hρf − ρAu + u − u|v − ui ≤ 0 ∀v ∈ K, (3.6)
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 )|
d’après la proposition ??, de sorte que
kSv1 − Sv2 k2 = kv1 − v2 k2 − 2ρ hAv1 − Av2 , v1 − v2 i + ρ2 kAv1 − Av2 k2

≤ kv1 − v2 k2 (1 − 2ρα + ρ2 C 2 ).
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
Re(B[u, u]) ≥ E kuk2V , ∀u ∈ V. (3.7)
On dit alors que B est elliptique, de constante d’ellipticité E.

On désigne par V 0 l’espace des formes anti-linéaires continues sur V × V.
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
Preuve : Utilise le théorème 3.2.1 avec K = H et argumenté comme dans la

preuve du corollaire 5.4. 2
3.3 Familles sommables dans un espace de Banach

Définition 3.3.1 Soient X un espace normé, I un ensemble et (xi )i∈I une famille d’élé-
ments de X. On dit que la famille (xi )i∈I est sommable de somme S ∈ X et on écrit
P
S = i∈I xi si, pour tout > 0, il existe une partie finie J de I telle que, pour toute
partie finie K de I contenant J on ait
X
S− xi < .
i∈K
La somme S est unique.
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
2. Dans un espace de Banach, toute famille vérifiant le critère de sommabilité de Cau-

chy est sommable.
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
3.4 Bases hilbertiennes

Disons quelques mots sur les espaces de Hilbert non séparables, qui demandent
une généralisation de la notion de suite orthonormée. Soit I un ensemble d’in-
dices non dénombrable, et soit H l’espace des familles x = (xi )i∈I de scalaires
telles que l’ensemble des i ∈ I tels que xi 6= 0 soit un ensemble dénombrable J(x),
et telles que i∈J(x) |xi |2 < ∞. Si x et y sont de telles familles, le produit xi yi est
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.
Définition 3.4.1 Soient E un espace de Hilbert et (xi )i∈I un système de vecteurs de E.

— On dit que le système (xi )i∈I est orthogonal si les xi sont deux à deux orthogo-
naux.
— On dit que c’est un système orthonormal si de plus, pour tout i ∈ I, on a kxi k = 1.
— On appelle base hilbertienne de E un système orthonormal total dans E.
Un sous-ensemble B de E définit un système (b)b∈B . On dira que le sous-ensemble

B est orthogonal, orthonormal, ou que c’est une base hilbertienne si le système
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 3.4.2 Tout espace de Hilbert admet une base hilbertienne.
Preuve : Soit H un espace de Hilbert. Notons U ⊂ P(H) l’ensemble des parties

orthonormales. Montrons que, muni de l’ordre de l’inclusion, U est inductif : soit
{Bi : i ∈ I} une partie totalement ordonnée de U . Si x, y ∈ ∪i∈I Bi , il existe un
indice j ∈ I tel que x, y ∈ Bj donc hx|xi = 1 et si x 6= y alors hx|yi = 0. Il s’ensuit
que ∪i∈I Bi est un élément de U majorant {Bi : i ∈ I}. Soit B un élément maximal
de U . On veut montrer que B est total, et pour cela, on montre que B ⊥ = {0}.
Sinon, il existerait un vecteur x non nul et orthogonal à B (en particulier x ∈ / B),
et quitte à multiplier x par un scalaire convenable on peut supposer kxk = 1 ;
alors B ∪ {x} ∈ U , ce qui contredirait la maximalité de B. Donc B ⊥ = {0}, ce
qui entraîne que (B ⊥ )⊥ = H. Par conséquent B est total. C’est donc une base
hilbertienne. 2
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
hy|yi. Pour tout j ∈ I, appliquant la forme linéaire continue z 7→ hz|ej i, on trouve

X
hy|ej i = hx|ei i hei |ej i = hx|ej i .
i∈I
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)
3.5 L’espace hilbertien `2(I)

Soit I un ensemble ; notons `2 (I) l’ensemble des familles de scalaires ξ =
(xi )i∈I telles que la famille de nombres réels positifs |xi |2 soit sommable. Si η =
(yi )i∈I est un autre élément de `2 (I), la relation |xi + yi |2 ≤ 2 |xi |2 + |yi |2 montre

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
1. Montrer que ∆α est un opérateur continu, et calculer sa norme.

2. Déterminer l’adjoint de ∆α .
3. Justifier que les opérateurs ∆α sont normaux.
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.
Exercice 18 Shift S sur H = `2 (Z) ou bien H = `2 (N). Pour tout vecteur x ∈ H on

définit un nouveau vecteur Sx obtenu par décalage à droite, défini par (Sx)n = xn−1
pour tout n dans le cas Z et dans le cas N, on pose (Sx)n = xn−1 pour tout n ≥ 1, et
(Sx)0 = 0.
1. Déterminer dans le cas de `2 (Z) l’opérateur adjoint de S.
2. Montrer que S ∗ S = SS ∗ = Id.
Que peut-on dire dans le cas de `(N) ?
Exercice 19 Soient H un espace de Hilbert, P ∈ L(H) un projecteur orthogonal. Mon-

trer que P est auto-adjoint et positif.
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

Analyse Fonct Cours

Transféré par

Droits d'auteur :

Formats disponibles

Analyse Fonct Cours

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Analyse Fonct Cours

Transféré par

Droits d'auteur :

Formats disponibles

Analyse fonctionnelle

1 Espaces normés et applications linéaires continues 2

3 Opérateurs bornés sur les espaces de Hilbert 36

3.4 Bases hilbertiennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

Espaces normés et applications

1.1 Espaces métriques

Exemple 1.1.2 1. Distance usuelle sur R ou C : d(x, y) = |x − y|.

B(a, r) = {x ∈ X, d(a, x) < r} (resp.Bf (a, r) = {x ∈ X, d(a, x) ≤ r}).

∃a ∈ X, ∃r > 0/A ⊂ Bf (a, r).

Une application à valeur dans un espace métrique est bornée si et seulement si

diam(A) = sup d(x, y).

1.1.2 Limite et continuité

∀ > 0, ∃N ∈ N, ∀n ∈ N(n ≥ N ⇒ d(un , `) < )

2. La suite u est de Cauchy si et seulement si :

∀ > 0, ∃N ∈ N, ∀n, m ∈ N(n, m ≥ N ⇒ d(un , um ) < .

Toute suite convergente est de Cauchy.

Preuve : i) ⇒ ii). Grâce à l’axiome du choix, on choisit des points xn ∈ Fn . La

— L’application f est continue si et seulement si elle est continue en tout point a de

Proposition 1.1.7 L’application f : E → E 0 est continue en x0 ∈ E si et seulement si

Preuve : Supposons que f soit continue en x0 ; si V0 est un voisinage de f (x0 ) dans

Preuve : ⇒ Essayer de le montrer.

1.2 Le théorème de Baire et ses conséquences

d’ouverts denses, on vérifie facilement de proche en proche que U1 ∩ . . . ∩ Un est

Bn+1 ⊂ B(xn+1 , 2rn+1 ) ⊂ B(xn , rn ) ⊂ Bn .

Preuve : Soit V un ouvert non vide de X ; dans l’espace métrique complet Y = V ,

d(f (x), f (y)) ≤ kd(x, y)

Preuve : Unicité. Soient ξ1 et ξ2 tels que f (ξ1 ) = ξ1 f (ξ2 ) = ξ2 . On a alors d(ξ1 , ξ2 ) =

d(xm , xn ) ≤ d(xm , xm+1 ) + . . . + d(xn+1 , xn )

1.3 Espaces normés

[x, y] = {(1 − t)x + ty/t ∈ [0, 1]}

f ((1 − t)x + ty) ≤ (1 − t)f (x) + tf (y)

q((1 − t)x + ty) ≤ q((1 − t)x) + q(ty) = (1 − t)q(x) + tq(y).

Preuve : Supposons que Cp = {x ∈ X : p(x) ≤ 1} soit convexe, et déduisons la

Proposition 1.3.4 Soit (X, p) un espace normé ; l’application p : X → R+ est continue

Cela résulte immédiatement du lemme 1.3.2. En effet, si la suite (xn ) ⊂ X tend

Proposition 1.3.6 Un espace normé, muni de la topologie de la norme, est un espace

Preuve : Soit X un espace normé ; démontrons la continuité de l’application (x, y) 7→

d(xn + yn , x + y) = kxn + yn − x − yk ≤ kxn − xk + kyn − yk

qui tend bien vers 0. La continuité de l’application (λ, x) 7→ λx se démontre de

d(λn xn , λx) ≤ d(λn xn , λn x) + d(λn x, λx) = |λn | kxn − xk + |λn − λ| kxk

1.3.2 Espaces de Banach

Si la série converge dans X, la somme de la série est un vecteur de X, qui est la

ce qui montre que la suite (Un ) est alors de Cauchy.

Preuve : On a déjà vu que si X est complet, les séries absolument convergentes

1.4 Applications linéaires continues

Soient p ∈ N∗ , E1 , . . . , Ep , F des espaces vectoriels sur K.

Définition 1.4.2 Une application f : E1 × . . . × Ep → F est dite p-linéaire ou multili-

f (x1 , . . . , xi + ti x0i , . . . , xp ) = f (x1 , . . . , xi , . . . , xp ) + ti f (x1 , . . . , x0i , . . . , xp )

où chaque xj est dans Ej (et x0i ∈ Ei ), et ti ∈ K.

Théorème 1.4.3 Soient X et Y deux espaces normés et T : X → Y une application

d(T (xn ), T (x)) = kT (xn ) − T (x)kY = kT (xn − x)kY ≤ M kxn − xkX → 0,

ce qui montre que T est continue au point x, et ceci pour tout x ∈ X. 2

Proposition 1.4.4 Soient n espaces de Banach, E1 , . . . , En . Le produit cartésien E =

kT (u1 , . . . , un )kG ≤ C ku1 k1 . . . kun kn

Corollaire 1.4.5 Deux normes p et q sur un espace vectoriel X définissent la même

Soient X et Y deux espaces normés et S, T deux applications linéaires continues

kT k = kT kL(X,Y ) = sup {kT (x)kY : kxkX ≤ 1}

qui s’appelle la norme de l’application linéaire T .

Proposition 1.4.6 Soient X et Y deux espaces normés et T : X → Y une application

kT kL(X,Y ) = sup {kT (x)kY : kxkX ≤ 1} .

∀ > 0, ∃N ∈ N, ∀n ∈ N(n ≥ N ⇒ d(un , `) < )

∀ > 0, ∃N ∈ N, ∀n, m ∈ N(n, m ≥ N ⇒ d(un , um ) < .

q(ζ + ζ 0 ) ≤ kx + x0 k ≤ kxk + kx0 k ≤ q(ζ) + q(ζ 0 ) + 2,

d’où q(ζ + ζ 0 ) ≤ q(ζ) + q(ζ 0 ) en faisant tendre vers 0. 2