Vous êtes sur la page 1sur 104

Cycle Prparatoire Polytechnique 2

me
anne
Espaces Vectoriels Norms et Topologie
Polycopi de cours
Rdig par Yannick Privat
Bureau 321 - Institut lie Cartan Nancy (Mathmatiques) - Universit Henri Poincar Nancy 1
B.P. 239, F-54506 Vandoeuvre-ls-Nancy Cedex.
e-mail : Yannick.Privat@iecn.u-nancy.fr
ii
Introduction
Ce cours prsente les grands concepts lorigine de la Topologie et de lAnalyse fonctionnelle.
Ltymologie du mot topologie est loquente. En eet, en Grec, topos signie lieu tandis que
logos signie tude.
Ce domaine des Mathmatiques sintresse donc ltude des lieux, appels en gnral espaces et
aux proprits qui les caractrisent. LAnalyse Fonctionnelle est trs lie la Topologie. En eet,
dans cete branche des Mathmatiques, on sintresse plus prcisment aux espaces de fonctions.
Un espace fonctionnel que vous connaissez probablement trs bien est (([0, 1]), lespace des
fonctions continues sur le segment [0, 1].
Pour vous donner un exemple assez concret, vous connaissez peut-tre le rsultat suivant : si f est
continue sur [0, 1], alors il existe x
0
et x
1
, deux lments de [0, 1] qui, respectivement, maximise et
minimise f sur ce segment. Nous verrons quil existe un rsultat bien plus gnral permettant de
dmontrer lexistence de minima et maxima dune fonction. On comprendra aismnent lintrt
que cela prsente dans le domaine de lOptimisation par exemple. En Physique notamment, il
est courant que lon cherche maximiser ou minimiser une nergie.
Historiquement, cest Leonhard Euler (1707-1783) qui a initi la Topologie. En 1736, il prsenta
le problme des sept ponts de Knigsberg. Kaliningrad (Knigsberg jusquen 1946) est une ville
de Russie, situe dans une enclave territoriale totalement isole du territoire russe, (jusquen 1945
Prusse orientale ) au bord de la mer Baltique, entre la Pologne et la Lituanie. Lhistoire veut
que Lonhard Euler, en visite dans cette ville, ait eu rsoudre le problme qui proccupait
fortement ces habitants :
Est-il possible de trouver un circuit qui emprunte une fois et une seule chacun des sept ponts
de la ville ?
La rponse, ngative, fut trouve par Lonhard Euler. Son intrt principal rside dans le fait
que ce rsultat ne dpend daucune mesure (aucune distance).
La Topologie a connu une avance considrable la n du XIX
me
sicle et tout au long du
XX
me
sicle. Quelques grands noms de la Topologie sont :
Henri Poincar (1854-1912) ; (homotopie, cohomologie)
David Hilbert (1862-1943) ; (bases de Hilbert, espaces de Hilbert)
Maurice Frchet (1878-1973) ; (convergence uniforme, convergence compacte, dquiconti-
nuit)
Stefan Banach (1892-1945) ; (fondateur de lAnalyse Fonctionnelle, espaces de Banach)
iii
iv
Table des matires
1 Espaces vectoriels norms 1
1.1 Quelques rappels dAlgbre linaire . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.1 Groupes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.1.2 Structure despace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Quelques gnralits sur les espaces vectoriels norms . . . . . . . . . . . . . . . . 4
1.2.1 Quelques lments sur les normes . . . . . . . . . . . . . . . . . . . . . . . 4
1.2.2 Normes dans R
n
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.3 Notions sur les ouverts et les ferms . . . . . . . . . . . . . . . . . . . . . 8
1.2.4 Intrieur et Adhrence dun ensemble . . . . . . . . . . . . . . . . . . . . . 13
2 Suites et continuit dans un e.v.n. 17
2.1 Convergence et continuit dans un e.v.n. . . . . . . . . . . . . . . . . . . . . . . . 17
2.1.1 Suites et convergence dans un espace vectoriel norm . . . . . . . . . . . . 17
2.1.2 Notion de densit dans un espace vectoriel norm . . . . . . . . . . . . . . 20
2.1.3 Limite et continuit dans un espace vectoriel norm . . . . . . . . . . . . . 23
2.1.4 Applications Lipschitziennes et uniforme continuit . . . . . . . . . . . . . 27
2.2 Notion de compltude dans un espace vectoriel norm . . . . . . . . . . . . . . . 28
2.2.1 Suites de Cauchy dans un E.V.N. . . . . . . . . . . . . . . . . . . . . . . . 28
2.2.2 Espaces complets et exemples . . . . . . . . . . . . . . . . . . . . . . . . . 30
2.2.3 Le thorme du point xe et ses applications . . . . . . . . . . . . . . . . 34
2.3 Compacit dans un espace vectoriel norm . . . . . . . . . . . . . . . . . . . . . . 40
2.3.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
2.3.2 Lien entre applications continues et uniformment continues . . . . . . . . 42
2.3.3 Notion de densit et approximations uniformes . . . . . . . . . . . . . . . 44
2.3.4 Proprit de Borel-Lebesgue et recouvrements . . . . . . . . . . . . . . . . 47
2.4 Connexit dans les espaces vectoriels norms . . . . . . . . . . . . . . . . . . . . . 49
2.4.1 Connexit par arcs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
v
vi TABLE DES MATIRES
2.4.2 Introduction aux espaces connexes . . . . . . . . . . . . . . . . . . . . . . 50
2.5 Applications linaires et continuit . . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.5.1 Cas des applications linaires . . . . . . . . . . . . . . . . . . . . . . . . . 52
2.5.2 Applications linaires en dimension nie . . . . . . . . . . . . . . . . . . . 56
2.5.3 Cas des applications multilinaires . . . . . . . . . . . . . . . . . . . . . . 57
3 Introduction lAnalyse Fonctionnelle 61
3.1 Espaces prhilbertiens rels et complexes . . . . . . . . . . . . . . . . . . . . . . . 61
3.1.1 Espaces euclidiens et prhilbertiens rels . . . . . . . . . . . . . . . . . . . 61
3.1.2 Espaces prhilbertiens complexes . . . . . . . . . . . . . . . . . . . . . . . 62
3.1.3 Comment rendre des bases orthonormes ? . . . . . . . . . . . . . . . . . . 64
3.1.3.1 Le procd dorthonormalisation de Gram-Schmidt . . . . . . . . 64
3.1.3.2 Factorisation QR dune matrice inversible . . . . . . . . . . . . . 66
3.1.4 Notion dorthogonalit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
3.1.5 Thormes de projection dans un espace prhilbertien . . . . . . . . . . . 70
3.1.5.1 Introduction et aspects gomtriques du problme . . . . . . . . 70
3.1.5.2 Le thorme de la projection orthogonale . . . . . . . . . . . . . 72
3.1.5.3 Version algbrique du thorme de la projection . . . . . . . . . 73
3.1.5.4 Matrice et dterminant de Gram . . . . . . . . . . . . . . . . . . 74
3.1.5.5 Version topologique du thorme de la projection . . . . . . . . . 77
3.2 Espaces de Banach et de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.2.1 Introduction et exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . 79
3.2.2 Sries dans un espace de banach . . . . . . . . . . . . . . . . . . . . . . . 81
3.2.3 Exponentielle dendomorphismes dans un espace de Banach . . . . . . . . 84
3.2.3.1 Dnition et premires proprits . . . . . . . . . . . . . . . . . . 84
3.2.3.2 Mthodes pratiques de calcul dexponentielles . . . . . . . . . . . 86
3.2.4 Espaces de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 90
3.2.4.1 Introduction et exemples . . . . . . . . . . . . . . . . . . . . . . 90
3.2.4.2 Notion de base hilbertienne . . . . . . . . . . . . . . . . . . . . . 91
3.2.4.3 Exemple : application aux sries de Fourier . . . . . . . . . . . . 94
Chapitre 1
Espaces vectoriels norms
1.1 Quelques rappels dAlgbre linaire
Si A et B dsignent deux ensembles, on dnit de prime abord le produit cartsien de A et de
B, not AB. Cette notation sera utilise trs rgulirement.
Dnition 1.1. Produit cartsien.
Le produit cartsien de deux ensembles E et F, not E F est lensemble des couples dont
le premier lment appartient E et le second F.
Si E = F, on note E
2
= E E.
Cette dnition se gnralise aisment. Si E
1
, ..., E
n
dsignent n ensembles. On note E =
E
1
... E
n
le produit cartsien dni par :
E = (e
1
, ..., e
n
), tel que e
1
E
1
, ..., e
n
E
n
.
Exemple : on dnit par exemple lensemble NR
+
. Llment (2, ) appartient NR
+
.
Remarque : si on considre des ensembles nis (i.e. dont le nombre dlments de lensemble
est ni), on appelle cardinal de lensemble, le nombre dlments de lensemble. Et, si E et F
sont nis, on a :
card (E F) = card E card F.
1.1.1 Groupes
Dnissons au pralable la notion de loi de composition interne.
Dnition 1.2. Une loi de composition interne sur un ensemble E est une application de
E E dans E.
Si (a, b) E
2
, limage de (a, b) est note a b.
Exemples : + et sont des lois de composition interne dans R.
Sur N, la loi dnie pour (a, b) N
2
par a b = a
b
est une loi de composition interne.
Remarque : on note gnralement lci pour dsigner une loi de composition interne.
En Algbre linaire, on parle frquemment de lois commutatives ou associatives.
1
2 CHAPITRE 1. ESPACES VECTORIELS NORMS
Dnition 1.3.
(i) Une loi sur un ensemble E est dite commutative si, et seulement si : (a, b) E
2
, ab = ba.
Si deux lments a et b deux E sont tels que a b = b a, on dit quils commutent.
(ii) Une loi sur E est dite associative si, et seulement si : (a, b, c) E
3
, (ab) c = a(bc).
Dans ce cas, on peut noter a b c.
(iii) Une loi T est dite distributive par rapport une autre loi sur E si, et seulement si :
(a, b, c) E
3
, (aTb) c = (a c)T(b c) et a (bTc) = (a b)T(a c).
Exemple : sur R, il est bien vident que les lois + et sont commutatives et associatives, et
est distributive par rapport +.
Dnition 1.4. lment neutre.
Si est une loi sur E, on dit que e E est neutre si, et seulement si : x E, e x = xe = x.
Si e est un lment neutre, alors e est ncessairement unique.
Ces dnitions tant tablies, nous pouvons introduire la notion de groupe.
Dnition 1.5. On dit que (G, ) est un groupe si est une loi de composition interne associative
sur G pour laquelle il existe un lment neutre e, et tel que tout lment x G est inversible,
cest dire quil existe un lment x

G tel que x x

= x

x = e.
Remarque : si x G est inversible, on note en gnral son inverse x
1
, mais attention! Il ne
sagit l que dune notation, sans rapport a priori avec un quotient dans R.
Remarque 2 : si de plus, est commutative, on dit que le groupe est commutatif ou ab-
lien.
Exemples : (R, +), (Q, +), (Z, +), (C, +) sont des groupes. En revanche, (Z, ) nest pas un
groupe. votre avis, pourquoi ?
On dnit trs simplement la notion de sous-groupe :
Dnition 1.6. Soit (G, ), un groupe. On dit que H est un sous-groupe de G pour si H ,= ,
H G, et si est une loi de composition interne sur H qui le munit dune structure de groupe.
1.1.2 Structure despace vectoriel
Attention ! Dans le paragraphe qui va suivre, les notations + et dsigneront respectivement
des lois commutative et associative. Dnissons au pralable les notions danneau et de corps.
Dnition 1.7. Anneau.
Soit A, un ensemble, + et , deux lois de composition interne sur A. Supposons que est
associative et distributive par rapport +.
On dit que A est un anneau si (A, +) est un groupe ablien, et sil existe un lment neutre pour
la loi not 1
A
.
On parle danneau commutatif lorsque est une loi commutative sur A.
1.1. QUELQUES RAPPELS DALGBRE LINAIRE 3
Remarque : le fait que (A, +) soit un groupe impose lexistence dun neutre pour la loi +, not
traditionnellement 0
A
.
Exemples : je nen donne que trs peu car la notion de corps mintresse davantage que la
notion danneau.
(N, +, ) est un anneau.
a +b

2, (a, b) Z
2
est un anneau.
Si A est un anneau, A[X], lensemble des polynmes coecients dans A est encore un anneau.
Lensemble des matrices carres de type nn, avec n N x est un anneau non commutatif.
Jnonce prsent deux proprits caractristiques des anneaux que vous avez certainement dj
rencontres.
Proprit 1.1. Soit (A, +, ), un anneau commutatif. Soient a et b, deux lments de A.
1. Formule du binme de Newton.
(a +b)
n
=
n

k=0
_
n
k
_
a
k
b
nk
, avec
_
n
k
_
=
n!
k!(n k)!
2. Formule des anneaux.
a
n
b
n
= (a b)
n1

k=0
a
k
b
n1k
.
Remarque : la notation (a +b)
n
par exemple doit bien-sr tre comprise dans le sens suivant :
(a +b)
n
= (a +b) ... (a +b)
. .
n fois
.
Passons prsent la notion de corps.
Dnition 1.8. Corps.
On dit que (K, +, ) est un corps si (K, +) est un groupe ablien, est une loi de composition
interne associative, commutative et distributive par rapport +, pour laquelle il y a un neutre
1
K
(neutre pour ) distinct de 0
K
(neutre pour +), et si tout lment non nul de K est inversible
pour .
Remarque 1 : un corps est en particulier un anneau.
Remarque 2 : dans la littrature, vous pourrez peut-tre trouver une dnition des corps
un peu dirente de celle que je donne ici : en eet, on parle parfois de corps, mme lorsque la
loi nest pas commutative. Mais a nest l quune convention et il sagit de la xer ds le dpart.
Exemples et contre-exemple :
(Q, +, ) est un corps.
(C, +, ) est un corps.
En revanche, (Z, +, ) nen est pas un. Dans Z, 2 est non inversible pour .
Un corps clbre, souvent not F
p
, o p dsigne un nombre premier, est :
F
p
= Z/pZ (autre notation) =
_
0, 1, ..., p
_
, et k 1, ..., p, x k x k[p].
k est une classe dquivalence. Mais cet exemple sloigne dj un peu du thme que je souhaite
traiter ici, et si vous ne le trouvez pas parlant, laissez-le de ct, car il nest en rien essentiel
pour comprendre la suite.
4 CHAPITRE 1. ESPACES VECTORIELS NORMS
Dnissons prsent la notion despace vectoriel.
Dnition 1.9. Soit K, un corps. On dit que (E, +, .) est un K-espace vectoriel si (E, +) est
un groupe ablien et si . est une loi externe sur E ayant K pour domaine doprateur, vriant
les quatre points suivants : (, ) K
2
, (x, y) E
2
,
(i) 1
K
.x = x;
(ii) .(x +y) = x +y ;
(iii) ( +)x = x +x;
(iv) ()x = (x).
Exemples : Appelons R[X], lensemble des polynmes coecients rels. R[X] est un R-espace
vectoriel.
(R
2
, +, .) est un R-espace vectoriel.
On dnit de faon assez classique la notion de sous espace vectoriel.
Dnition 1.10. Soit E un K-espace vectoriel et X E, un sous-ensemble de E. On dit
que X est un sous-espace vectoriel de E sil satisfait aux conditions de stabilit linaire, i.e. :
(x, y) E
2
et K, x +y X et x X.
Exemple : Considrons le R-espace vectoriel R[X], des polynmes coecients rels une
indtermine. On appelle R
n
[X] lensemble des polynmes coecients rels de degr au plus
n. Alors, il est immdiat que R
n
[X] est un sous-espace vectoriel de R[X].
Enn, si E et F dsignent deux espaces vectoriels, je rappelle toute n utile ce que lon
entend lorsque lon crit E +F ou E F.
Dnition 1.11. Soient F et F

, deux sous espaces vectoriels dun espace vectoriel E. On dnit


lespace :
F +F

:=
_
f +f

, f F et f F

_
.
Remarque : F + F

est donc lespace des lments scrivant sous la forme f + f

, avec f
F et f F

.
Proprit 1.2. Soient F et F

, deux sous espaces vectoriels dun espace vectoriel E. lespace


F +F

est un sous espace vectoriel de E.


Notation : si F et F

sont tels que F F

= 0
E
, on dit que F +F

est une somme directe


et on note F F

.
1.2 Quelques gnralits sur les espaces vectoriels norms, intro-
duction lAnalyse fonctionnelle
1.2.1 Quelques lments sur les normes
Nous allons dnir successivement deux notions fondamentales de lAnalyse fonctionnelle. Il sagit
des notions de distance et norme. Nous donnerons des exemples dans chaque cas.
1.2. QUELQUES GNRALITS SUR LES ESPACES VECTORIELS NORMS 5
On se place dornavant dans E, un K-espace vectoriel.
Dnition 1.12. Notion de norme.
Une application N : E R est appele norme si, et seulement si les trois proprits suivantes
sont vries :
(i) N(x) = 0 = x = 0, pour x E.
(ii) Soit R. N(x) = [[.N(x).
(iii) (x, y) E
2
, N(x +y) N(x) +N(y). (Ingalit triangulaire)
Remarque 1 : la proprit suivante dcoule directement de la notion de norme : si N dsigne
une norme, on a pour tout lment x de lespace vectoriel E, N(x) 0 . Par consquent, on
peut crire : N : E R
+
.
Remarque 2 : la norme la plus connue est la norme euclidienne dnie sur R
2
par :
|.|
2
: R
2
R
+
(x, y) (x
2
+y
2
)
1
2
.
On va vrier que |.|
2
est une norme. Mais auparavant, dnissons rapidement la notion de
produit scalaire. Rappelons au pralable quune forme linaire sur un K-espace vectoriel E est
une application linaire dont lensemble de dnition est E et valeurs dans K. En gnral,
K = R ou C.
Dans tout ce qui suit, E dsignera un R-espace vectoriel. On tudiera le cas K = C
dans le chapitre 3 consacr notamment ltude des formes hermitiennes dans des C espaces
vectoriels.
Dnition 1.13. On appelle produit scalaire sur E toute forme bilinaire symtrique dnie
positive autrement dit, toute application de E E dans R vriant :
(i) x E,
x
: y (x, y) est linaire ;
(ii) (x, y) E
2
, (x, y) = (y, x) ;
(iii) x E0, (x, x) > 0.
Vocabulaire et remarques :
La proprit (ii) sappelle symtrie du produit scalaire, la proprit (i) associe la proprit
(ii) (symtrie du produit scalaire) permettent de montrer quun produit scalaire est linaire
par rapport chacune des deux variables. Cette proprit sappelle bilinarit du produit
scalaire. Enn,
Un produit scalaire peut se noter (x, y) ou < x, y >.
La donne dun produit scalaire permet de dnir une norme N par la relation :
N
2
(x) =< x, x > N(x) =

< x, x >.
Si E, est un espace de dimension nie muni dun produit scalaire, on dit que E est un espace
euclidien.
Si E, est un espace de dimension nie ou innie muni dun produit scalaire, on dit que E est
un espace prhilbertien rel.
Le rsultat qui suit est trs important. Il nonce une ingalit au moins aussi rcurrente dans les
exercices que lingalit triangulaire. Il sagit de lingalit de Cauchy-Schwarz.
Proprit 1.3. Ingalit de Cauchy-Schwarz.
Soit E, un R-espace vectoriel et < ., . >, un produit scalaire sur E.
Pour tous (x, y) E
2
, on a :
[ < x, y > [

< x, x >

< y, y >.
6 CHAPITRE 1. ESPACES VECTORIELS NORMS
Dmonstration. Soient x et y, deux lments quelconques de E. Soit R. On appelle , la
fonction dnie pour tout x E par : (x) =< x, x >. Considrons le polynme : P() = (x+
y). (le fait que P est un polynme dcoule de la bilinarit du produit scalaire, on est dailleurs
en mesure de prciser le degr de P : dP = 2) Le produit scalaire tant une forme dnie positive,
on en dduit que (x + y) 0. Or, P() =< x + y, x + y >=
2
(y) + 2 < x, y > +(x)
et P puisque P est un polynme du second degr, positif, quel que soit R, on en dduit que
son discriminant est ngatif. Ainsi :
= 4
_
(< x, y >)
2
(x)(y)
_
0.
Cette ingalit scrit encore :
[ < x, y > [

< x, x >

< y, y >.
Remarque : on peut sintresser au cas dgalit dans lingalit de Cauchy-Schwarz. Soient
donc x et y, deux lments de E tels que :
[ < x, y > [ =

< x, x >

< y, y >.
Dans ce cas, on a, avec les notations de la dmonstration ci-dessus : = 0 et par consquent, il
existe
0
R tel que : P(
0
) = 0, autrement dit (x +
0
y) = 0, et puisque le produit scalaire
est dni positif, on en dduit que x =
0
y, autrement dit, x et y sont lis.
Rciproquement, on vrie aisment que si x et y sont lis, alors, on a un cas dgalit dans
lingalit de Cauchy-Schwarz.
Nous avons prsent tous les outils ncessaires pour dmontrer que |.|
2
est une norme. Le
produit scalaire associ |.|
2
est, en notant x = (x
1
, x
2
) et y = (y
1
, y
2
) : < x, y >
2
= x
1
y
1
+x
2
y
2
.
Preuve que |.|
2
est une norme :
(i) |x|
2
= 0 =|x|
2
2
= 0 =x
2
1
+x
2
2
= 0 = x
1
= 0 et x
2
= 0.
(ii) On vrie immdiatement que |x|
2
= [[|x|
2
, pour tout R.
(iii) |x+y|
2
2
= (x
1
+y
1
)
2
+(x
2
+y
2
)
2
= (x
2
1
+x
2
2
)+(y
2
1
+y
2
2
)+2(x
1
y
1
+x
2
y
2
) = |x|
2
2
+|y|
2
2
+2 <
x, y >
2
|x|
2
2
+ |y|
2
2
+ 2|x|
2
|y|
2
= (|x|
2
+ |y|
2
)
2
, daprs lingalit de Cauchy-Schwarz,
puis on obtient lingalit triangulaire par passage la racine.
Dautres exemples de normes : on appelle |.|
1
, la norme dnie par :
|.|
1
: R
2
R
+
(x
1
, x
2
) [x
1
[ +[x
2
[.
On va dmontrer que |.|
1
est encore une norme.
Preuve que |.|
1
est une norme :
(i) |x|
1
= 0 =[x
1
+[x
2
[ = 0 = x
1
= 0 et x
2
= 0.
(ii) Pour tout R, |x|
1
= [x
1
[ +[x
2
[ = [[([x
1
[ +[x
2
[).
(iii) |x+y|
1
= |(x
1
+y
1
, x
2
+y
2
)|
1
= [x
1
+y
1
[ +[x
2
+y
2
[ [x
1
[ +[y
1
[ +[x
2
[ +[y
2
[, en utilisant
lingalit triangulaire sur les valeurs absolues, et on a : |x+y|
1
|x|
1
+|y|
1
, en regroupant
convenablement les termes.
1.2. QUELQUES GNRALITS SUR LES ESPACES VECTORIELS NORMS 7
On appelle |.|

, la norme dnie par :


|.|

: R
2
R
+
(x
1
, x
2
) max([x
1
[, [x
2
[).
On va dmontrer que |.|

est encore une norme.


Preuve que |.|

est une norme :


(i) |x|

= 0 = max([x
1
[, [x
2
[) = 0 = [x
1
[ = [x
|
= 0, car [x
i
[ 0, pour i 1, 2 et donc,
x
1
= x
2
= 0.
(ii) Pour tout R, |x|

= max([x
1
[, [x
2
[) = max([[[x
1
[, [[[x
2
[) = [[ max([x
1
[, [x
2
[).
(iii) |x +y|

= |(x
1
+y
1
, x
2
+y
2
)|

= max([x
1
+y
1
[, [x
2
+y
2
[). Supposons par exemple que
lon ait : max([x
1
+ y
1
[, [x
2
+ y
2
[) = [x
1
+ y
1
[ [x
1
[ + [y
1
[, et [x
1
[ max([x
1
[, [x
2
[) = |x|

,
et de mme, [y
1
[ |y|

, et ce raisonnement fonctionne encore dans le cas o le max vaut


[x
2
+y
2
[.
Ceci achve la preuve. On a : |x +y|

|x|

+|y|

.
1.2.2 Normes dans R
n
Il sagit juste dune gnralisation du cas prcdent. Si on se place dans R
n
, on choisit deux
lments x = (x
1
, x
2
, ..., x
n
) et y = (y
1
, y
2
, ..., y
n
). Le produit scalaire dans R
n
est dni par :
< x, y >
R
n=
n

i=1
x
i
y
i
= x
1
y
1
+x
2
y
2
+... +x
n
y
n
.
Par consquent, la norme euclidienne dans R
n
est dnie par :
|x|
2
=
_
x
2
1
+x
2
2
+... +x
2
n
=

_
n

i=1
x
2
i
=

< x, x >
R
n.
Les autres normes se gnralisent aussi au cas de la dimension n. On a :
|x|
1
=
n

i=1
[x
i
[ = [x
1
[ +[x
2
[ +... +[x
n
[ et |x|

= max
1in
([x
i
[) = max([x
1
[, [x
2
[, ..., [x
n
[).
La preuve que ces fonctions dsignent eectivement des normes constitue une gnralisation des
cas prcdents. Il est possible de raisonner par rcurrence si lon souhaite gnraliser les preuves
prcdentes. Les dtails dune telle preuve sont laisss aux soins du lecteur.
On peut encore munir R
n
de la norme |.|
p
, pour p entier naturel non nul, dnie par :
|x|
p
=
_
n

i=1
[x
i
[
p
_1
p
.
La preuve que |.|
p
consitue une norme repose sur les ingalits de Hlder et Minkowski. Cette
preuve fait lobjet dun des exercices du chapitre.
8 CHAPITRE 1. ESPACES VECTORIELS NORMS
Dnition 1.14. Notion de distance.
Soit X, un ensemble. Une distance sur X est une application d de X X = X
2
dans R
+
vriant les trois proprits suivantes :
(i) d(x, y) = 0 x = y.
(ii) (x, y) X
2
, d(x, y) = d(y, x).
(iii) (x, y, z) X
3
, d(x, z) d(x, y) +d(y, z) (ingalit triangulaire).
Exemples :
Dans R : on dnit la distance entre deux lments a et b de R par : d(a, b) = [a b[. Par
exemple, la distance entre 2 et 3 est d(2, 3) = [2 (3)[ = 5.
Dans R
n
: on suppose que R
n
est muni dune norme N. Si x et y sont deux lments de R
n
,
on dnit la distance entre x et y par :
d(x, y) = N(x y).
Le fait que d dnit bien une distance dcoule directement des proprits de la norme (ingalit
triangulaire, etc.) Le lecteur sen convaincra facilement laide dun petit calcul.
Dnition 1.15. Espace mtrique.
Un espace mtrique est la donne dun couple (X, d), o X est un espace et d une distance sur
cet espace.
1.2.3 Notions sur les ouverts et les ferms
Dans ce cours, nous voquerons frquemment les notions douvert et de ferms. De quoi sagit-il ?
Supposons que nous nous soyons placs dans un espace vectoriel norm E, cest dire muni dune
norme N. En gnral, nous utiliserons la norme euclidienne (la norme |.|
2
) et lespace vectoriel
sera souvent R
n
, avec n N

.
Dnition 1.16. Boule ouverte.
La boule ouverte de centre et de rayon r dsigne lensemble des lments x de lespace vectoriel
tels que N(x ) < r. On la note indiremment B(, r) ou B(, r).
Exemple 1 : dans R
2
muni de la norme |.|
2
, la boule ouverte de centre O(0, 0) et de rayon 1
est lintrieur du cercle unit priv de sa frontire.
Si on munit R
2
de la norme |.|

, la boule ouverte unit est lintrieur du carr de bord dlimit


par les points de coordonnes (1, 1), (1, 1), (1, 1) et (1, 1). titre de comparaison, on a
trac dans un mme repre les frontires des trois boules units correspondant respectivement
aux normes |.|
1
(petit carr), |.|
2
(cercle) et |.|

(grand carr).
Remarque 1 : on peut facilement comprendre lorigine de ces reprsentations.
Pour la norme |.|
2
, tout lment X = (x, y) de la boule unit, note B
2
vrie : |X O|
2
<
1 x
2
+y
2
< 1, en passant au carr dans lingalit obtenue. En se souvenant que lquation
cartsienne x
2
+ y
2
= 1 est celle dun cercle centr en O et de rayon 1, on comprend que la
boule unit B
2
est, dans R
2
, le disque unit priv de son bord.
Pour la norme |.|
1
, tout lment X = (x, y) de la boule unit, note B
1
vrie : |X O|
1
<
1 [x[ + [y[ < 1 1 [x[ < y < 1 [x[, par dnition de la valeur absolue. En
distinguant les cas x 0 et x < 0, on peut exprimer aisment les quations des courbes
1.2. QUELQUES GNRALITS SUR LES ESPACES VECTORIELS NORMS 9
1
0.5
0.5
1
1 0.5 0.5 1
Fig. 1.1 Reprsentation des boules units associes aux normes |.|
1
, |.|
2
et |.|

B
2
B
1
B

O
dquations respectives y = 1[x[ et y = 1+[x[, sans le symbole valeur absolue , ce qui
permet de montrer que la boule unit B
1
est le petit carr retourn (form de quatre segments)
de la gure ci-dessus.
Pour la norme |.|

, le principe est exactement le mme que pour |.|


1
. On appelle B

, la
boule unit associe cette norme.
Remarque 2 : attention aux faux-amis ! ! On parle de boule ouverte associe une norme,
bien quen gnral, une boule nait rien de rond. En eet, si lon considre par exemple la norme
|.|

, la boule unit ouverte est un carr...


Exemple 2 : considrons prsent la norme |.|
2
(norme euclidienne) et caractrisons, pour
n 1, 2, 3, les direntes boules units dans R
n
muni de cette norme.
Si x R, alors |x|
2
= [x[ et lquation cartsienne de la boule unit est donc [x[ < 1,
autrement dit, il sagit du segment ] 1, 1[.
Si x = (x
1
, x
2
) R
2
, alors |x|
2
=
_
x
2
1
+x
2
2
et lquation cartsienne de la boule unit est
donc x
2
1
+ x
2
2
< 1. On reconnat donc lquation du disque de centre O, lorigine du repre et
de rayon 1, priv de sa frontire.
Si x = (x
1
, x
2
, x
3
) R
3
, alors |x|
2
=
_
x
2
1
+x
2
2
+x
2
3
et lquation cartsienne de la boule
unit est donc x
2
1
+x
2
2
+x
2
3
< 1. On reconnat donc lquation de la boule de centre O, lorigine
du repre et de rayon 1, priv de son bord. Le bord de cette boule est bien-sr la sphre de
centre O et de rayon 1.
Dnition 1.17. Notion douvert.
Un ensemble O est appel ouvert si, pour tout point x O, on peut trouver une boule ouverte
de centre x, incluse dans lensemble O.
Remarque : une boule ouverte est un ouvert. Cela se conoit assez bien gomtriquement.
Exemple 1 : si lon sest plac dans un espace vectoriel norm (E, N), et E sont ouverts
dans E.
10 CHAPITRE 1. ESPACES VECTORIELS NORMS
Exemple 2 : si a et b sont deux nombres rels tels que a < b, alors , on dmontre aisment que
]a, b[ est un ouvert.
Preuve : en eet, si x
0
]a, b[, on considre la boule ouverte de centre x
0
et de rayon r =
min(b x
0
, x
0
a)
2
, par exemple. On a alors : x ]a, b[, [xx
0
[ < r x
0

min(b x
0
, x
0
a)
2
<
x < x
0
+
min(b x
0
, x
0
a)
2
. Or, x
0

min(b x
0
, x
0
a)
2
=
min(x
0
b, x
0
+a)
2
=
x
0
+a
2
> a,
car x
0
< b, et de mme, x
0
+
min(b x
0
, x
0
a)
2
=
min(3x
0
a, x
0
+b)
2
< b. Donc B(x
0
, r)
]a, b[, et ]a, b[ est donc un ouvert.
Dnition 1.18. Notion de ferm.
Un ferm se dnit comme le complmentaire dun ouvert dans lensemble considr.
Exemple 1 : si lon sest plac dans un espace vectoriel norm (E, N), et E dsignent toujours
la fois des ouverts et de ferms de E.
Exemple : si a et b sont deux nombres rels tels que a < b, alors , on dmontre aisment que [a, b]
est un ferm, en dmontrant tout simplement que son complmentaire R[a, b] =], a[]b, +[
est un ouvert. On utilise exactement la mme mthode que celle utilise pour dmontrer que ]a, b[
est un ouvert.
Dnition 1.19. Boule ferme.
La boule ferme de centre et de rayon r dsigne lensemble des lments x de lespace vectoriel
tels que N(x ) r. On la note indiremment B
f
(, r) ou B
f
(, r).
Remarque : comme on sy attend, on peut facilement dmontrer que :
Une boule ouverte dans un espace vectoriel norm E est un ouvert.
Une boule ferme dans un espace vectoriel norm E est un ferm.
Nous allons prsent dnir la notion de topologie sur un espace vectoriel norm (E, |.|).
Dnition 1.20.
La topologie de E est lensemble des ouverts de E. On la note T .
Deux normes N
1
et N
2
sont dites quivalentes sil existe deux nombres rels > 0 et > 0
tels que :
x E, N
1
(x) N
2
(x) N
1
(x).
Lintrt de cette notion rside dans le thorme suivant : dans le cas dquivalence de deux
normes N
1
et N
2
, les ouverts de lespace vectoriel norm sont les mmes.
Thorme 1.1. Deux normes quivalentes sur un espace vectoriel norm E donnent la mme
topologie.
Dmonstration. Soient N
1
et N
2
, deux normes quivalentes. on appelle T
1
et T
2
les topologies
associes. On veut montrer que T
1
= T
2
.
Soit A T
1
, autrement dit, un ouvert pour N
1
. Si A ,= , soit x A. Il existe donc r
x
> 0 tel
1.2. QUELQUES GNRALITS SUR LES ESPACES VECTORIELS NORMS 11
que B
1
(x, r
x
) A, o B
1
(x, r
x
) dsigne bien-sr la boule ouverte de centre x et de rayon r
x
,
pour la norme N
1
. Or, puisque N
1
et N
2
sont supposes quivalentes :
(, ) (R

+
)
2
: x E, N
1
(x) N
2
(x) N
1
(x).
On va dmontrer prsent que A est un ouvert pour la norme N
2
. Soit y B
2
(x, r
x
). Alors,
N
2
(yx) < r
x
= N
1
(yx) < r
x
, daprs la relation ci-dessus. On en dduit que B
2
(x, r
x
)
B
1
(x, r
x
) A. Posons r

x
= r
x
. Quel que soit x A, il existe donc r

x
> 0 tel que B
2
(x, r

x
) A,
autrement dit, A est un ouvert de N
2
, puis T
1
T
2
.
Exactement de la mme faon, on dmontre que T
1
T
2
, et le rsultat souhait sensuit.
Exemple : les normes |.|
1
, |.|
2
et |.|

sont quivalentes dans R


n
, n 1.
Souvenons-nous que si x = (x
1
, ..., x
n
) R
n
, on a :
|x|
1
=
n

i=1
[x
i
[.
|x|
2
=

_
n

i=1
x
2
i
.
|x|

= max
i{1,...,n}
[x
i
[.
Alors, quel que soit x R
n
, si lon suppose que max
i{1,...,n}
[x
i
[ = [x
i
0
[ on a :
[x
i
0
[
n

i=1
[x
i
[ n[x
i
0
[.
On a major chaque terme de la somme par leur max. On en dduit que les normes |.|
1
et |.|

sont quivalentes. De la mme faon, on a :


[x
i
0
[

_
n

i=1
x
2
i

_
n[x
i
0
[
2
=

n[x
i
0
[.
Conclusion : les trois normes ci-dessus sont bien quivalentes si lon se place sur un espace vec-
toriel de dimension nie. Attention, daprs les ingalits ci-dessus, cela ne sera plus forcment
vrai en dimension innie, comme nous allons le voir dans le contre exemple qui suit.
Contre-exemple : le cas de K[X].
On rappelle que, si K dsigne un corps, K[X] dsigne lensemble des polynmes coecients
dans K. X dsigne bien-sr lindtermine. On introduit prsent les normes N
1
, N
2
et N

sur
lespace K[X] dnies pour P = a
0
+a
1
X +... +a
n
X
n
K[X] par :
N
1
(P) =

nN
[a
n
[.
N
2
(P) =

nN
[a
n
[
2
.
N

(P) = sup
nN
[a
n
[.
Considrons prsent la famille de polynmes (P
q
)
qN
dnie par la relation :
P
q
= 1 +X +... +X
q1
.
12 CHAPITRE 1. ESPACES VECTORIELS NORMS
On a : N
1
(P
q
) = q, N
2
(P
q
) =

q et N

(P
q
) = 1. Remarquons de plus que :
N
1
(P
q
)
N
2
(P
q
)
=

q et
N
2
(P
q
)
N

(P
q
)
=

q.
Il sut de faire tendre q vers +pour comprendre que les quotients ci-dessus ne sont pas borns,
ce qui contredit lquivalence des trois normes.
Proprit 1.4. En dimension nie, toutes les normes sont quivalentes.
Nous venons de le dmontrer pour les trois cas particuliers ci-dessus qui, en pratique, sont trs
utiliss. La dmonstration gnrale de cette proprit sera prsente dans le chapitre 2.
On donne prsent des proprits caractristiques des ouverts et des ferms, dont une application
importante sera rvle dans la recherche dextrema dune fonction de plusieurs variables.
Proprit 1.5. Soit (E, |.|), un espace vectoriel norm.
(i) et E sont la fois des ouverts et des ferms de E.
(ii) Si A
1
et A
2
sont ouverts, alors A
1
A
2
est ouvert.
(iii) Si (A
i
)
iI
est une famille douverts (I dsigne un ensemble dindices), alors
_
iI
A
i
est ouvert.
(iv) Si B
1
et B
2
sont deux ferms de E, alors B
1
B
2
est encore ferm.
(v) Si (B
i
)
iI
dsigne une famille de ferms et I, un ensemble dindices, alors

iI
B
i
est un
ferm.
Remarque : un raisonnement par rcurrence et lapplication de la proprit prcdente per-
mettent de montrer de faon instantane que si A
1
, ..., A
n
sont des parties ouvertes de lespace
E, alors leur intersection
n

i=1
A
i
est encore une partie ouverte de E. Exactement de la mme
faon, on montre que si B
1
, ..., B
n
sont des parties fermes de E, alors
n
_
i=1
B
i
est encore une
partie ferme de E.
Dmonstration. Quelques ides pour dmontrer cette proposition :
Soit x
_
iI
A
i
. Il existe donc un indice i
0
tel que A
i
0
contienne x. Or, puisque i
0
est ouvert,
il existe > 0 tel que B(x, ) A
i
0
, et donc B(x, )
_
iI
A
i
.
La proprit relative aux sous-espaces ferms se dmontre immdiatement, partir de la d-
monstration ci-dessus, par passage au complmentaire...
Contre-exemple : considrons la famille dnombrable douverts (A
n
)
nN
dnie par : A
n
=
_

1
n
,
1
n
_
.
Notes : une famille dnombrable est une famille quil est possible dindicer par N, lensemble
des entiers naturels.
1.2. QUELQUES GNRALITS SUR LES ESPACES VECTORIELS NORMS 13
Il est ici tout fait vident que (A
n
)
nN
est une famille douvert. En revanche, on a :

nN

A
n
=

nN

1
n
,
1
n
_
= 0.
0 est bien-sr ferm. Cela montre que lintersection dnombrable dune famille douverts nest
pas ncessairement un ouvert.
1.2.4 Intrieur et Adhrence dun ensemble
La notion de voisinage est essentielle. Dans le chapitre qui suit, nous lutiliserons abondamment
lorsque nous nous intresserons, par exemple, aux calculs de dveloppement limit.
Dnition 1.21. Voisinage.
Soit (E, |.|), un espace vectoriel norm, et a E. On dit que 1 est un voisinage de a sil existe
r > 0 tel que B(a, r) 1.
Exemple : [1, 2] est un voisinage de
3
2
. En revanche, [1, 2] nest pas un voisinage de 1.
Proprit 1.6. Soit (E, |.|), un espace vectoriel norm, et a E.
(i) Si A est un voisinage de a et si B est un autre voisinage de a, alors A B est encore un
voisinage de a.
(ii) Si A est un voisinage de a et si A B, avec B E, alors B est un voisinage de a.
(iii) Caractrisation des ouverts : A est ouvert si, et seulement si A est voisinage de chacun
de ses points.
Nous allons prsent dnir les notions dintrieur et dadhrence.
Dnition 1.22. Intrieur dun ensemble.
Soit (E, |.|), un espace vectoriel norm, et a E. On dit que a est intrieur A E si, et
seulement si A est voisinage de a, ou encore, a est intrieur A si, et seulement sil existe r > 0
tel que B(a, r) A.
Lintrieur de A, not

A est lensemble des points intrieurs.
Les proprits suivantes caractrisent lintrieur de A.
Proprit 1.7. Soit A, un sous-ensemble dun espace vectoriel norm E.
(i)

A est un ouvert.
(ii)

A est le plus grand ouvert inclus dans A.
(iii) A est ouvert si, et seulement si A =

A.
Dmonstration.
(i) Si x

A, il existe r > 0 tel que B(x, r) A. Mais B(x, r) est un ouvert. Donc B(x, r) est
voisinage de chacun de ses points, donc A est un voisinage de chacun des points de B(x, r),
do B(x, r)

A, puis

A est ouvert.
(ii)

A A. Si B est un ouvert inclus dans A, soit x B. B est donc voisinage de x donc A
aussi, car B A. Par consquent, x

A, puis B

A.
14 CHAPITRE 1. ESPACES VECTORIELS NORMS
(iii) Cest une consquence directe des points (i) et (ii).
Les proprits que je cite prsent sont aises tablir. Je laisse au lecteur le soin de sen
convaincre :
Proprit 1.8. Soient A et B, deux sous ensembles dun espace vectoriel norm E. Alors :

A B =

A

B et A B =

A

B.
Passons prsent ladhrence dun ensemble dans un espace vectoriel norm.
Dnition 1.23. Soit (E, |.|), un espace vectoriel norm, A, un sous-ensemble de E, a A. Il
existe deux caractrisations quivalentes de la notion dadhrence :
(i) a est dit adhrent A si, et seulement sil existe un voisinage 1(a) de a tel que, quel que
soit v 1(a), on a : 1(a) A ,= .
(ii) a est dit adhrent A si, et seulement si quel que soit r > 0 tel que B(a, r) A ,= .
On dnit donc assez naturellement la notion dadhrence dun sous-ensemble dun espace vec-
toriel norm, exactement de la mme faon que nous avions dni lintrieur dun sous-ensemble
dun espace vectoriel norm.
Dnition 1.24. Ladhrence de A, note A, est lensemble des points adhrents de A.
De mme que pour la notion dintrieur, ladhrence possde des proprits caractristiques :
Proprit 1.9. Soit (E, |.|), un espace vectoriel norm, A, un sous-ensemble de E, a A.
(i) A est un ferm qui contient A.
(ii) A est le plus petit ferm contenant A.
Dmonstration. Soit T := F, F ferm tel que A F, et 1 :=

FF
F. 1 est un ferm, car il
se dnit comme intersection de ferms. De plus, 1 contient A. 1 est donc le plus petit ferm
contenant A. Reste montrer que 1 = A. Souvenons-nous de la caractrisation de tout lment
a A :
a / A r > 0 : B(a, r) A = .
Cette dernire assertion est encore quivalente lassertion suivante :
F := EB(a, r) (ferm, car complmentaire dun ouvert...), tel que : A F.
Or, daprs la dnition de 1 comme intersection densembles, puisque nous sommes parvenus
exhiber un ferm qui contient A, on peut encore en dduire que lassertion ci-dessus en encore
quivalente lassertion : a / 1.
Conclusion : A = 1. Toutes les proprits que lon souhaitait dmontrer sen dduisent donc
trs simplement.
Les proprits qui suivent constituent un bon entranement pour le lecteur dsireux de se tester
sur cette notion. Elles sont assez simples dmontrer mais ncessitent une bonne comprhension
de la notion dadhrence.
1.2. QUELQUES GNRALITS SUR LES ESPACES VECTORIELS NORMS 15
Proprit 1.10. Soit (E, |.|), un espace vectoriel norm, A et B, deux sous-ensembles de E.
(i) A B =A B.
(ii) A B = A B.
(iii) A ferm A = A.
Enn, la proprit qui suit fait le lien entre les boules ouvertes et les boules fermes.
Proprit 1.11. Soit (E, |.|), un espace vectoriel norm, et a E. Soit r, un nombre rel
strictement positif. Alors :
(i) B(a, r) = B
f
(a, r).
(ii)

B
f
(a, r) = B(a, r).
Dmonstration.
(i) On sait dj que B(a, r) B
f
(a, r). Par consquent, B(a, r) B
f
(a, r) = B
f
(a, r). Il reste
donc montrer que B
f
(a, r) B(a, r).
Premier cas : si x B(a, r), alors x B(a, r).
Avant de poursuivre, dnissons la notion de sphre de centre a et rayon r > 0.
Dnition 1.25. Soit (E, |.|), un espace vectoriel norm, et a E. On appelle sphre de
centre a et rayon r lensemble :
o(a, r) := x E : |x a| = r .
Deuxime cas : si x o(a, r).
Soit > 0. On veut dmontrer que x B
f
(a, r) = x B(a, r), autrement dit que
B(x, ) B(a, r) ,= . Soit ]0, 1[ et y

:= a+(1)x. On va vrier que y

est candidat
pour appartenir B(x, ) B(a, r).
On a dune part : |y

a| = (1 )|x a| = (1 )r < r, et donc y

B(a, r). Dautre


part : |y

x| = |a x| = r. Or si lon choisit susamment petit (i.e. positif, proche


de 0), tel que r < , ce qui est toujours possible, alors il est clair que y

B(x, ). Cela
clt la dmonstration.
(ii) La seconde assertion se dmontre exactement sur le mme principe que la premire. Elle est
laisse aux soins du lecteur.
Dnition 1.26. Frontire dun ensemble.
Soit (E, |.|), un espace vectoriel norm et X, un sous espace de E. On appelle frontire de X
et on note Fr(X), lensemble constitu des lments appartenant ladhrence de X prive de
lintrieur de X, cest dire :
Fr(X) = X

X.
Proprit 1.12. Fr(X) est une partie ferme de E.
Remarque : cette proprit sera dmontre en exercice, ainsi que dautres proprit caractris-
tiques de la frontire dun ensemble.
16 CHAPITRE 1. ESPACES VECTORIELS NORMS
Cette notion se visualise aisment, gomtriquement.
Chapitre 2
Suites et continuit dans un espace
vectoriel norm
2.1 Convergence et continuit dans un espace vectoriel norm
2.1.1 Suites et convergence dans un espace vectoriel norm
la n de cette sous-partie, je fournirai, titre dexemple, une application des rsultats noncs
ci-dessous aux suites valeurs dans R.
Dnition 2.1. Convergence dans un espace vectoriel norm.
Soit (E, |.|), un espace vectoriel norm, et u = (u
n
)
nN
, une suite de (E, |.|).
On dit que u a pour limite E dans (E, |.|) si, et seulement si lim
n+
|u
n
| = 0. cela scrit
encore :
> 0, N N : n > N = |u
n
| .
Remarque : quelques consquences immdiates dcoulent de cette dnition.
Si une suite u converge dans (E, |.|), alors sa limite est unique.
Toute suite convergente de (E, |.|) est borne. On en fera la preuve en exercice.
Soit , une application strictement croissante de N dans N. Alors, si u est une suite convergente
dans (E, |.|), la suite v dont le terme gnral est donn pour tout n N par v
n
= u
(n)
est
convergente de mme limite que u. Ce rsultat snonce encore de la faon suivante : toute
suite extraite dune suite convergente dans un espace vectoriel norm est convergente dans cet
espace de mme limite.
La notion de convergence dans un espace vectoriel norm est donc troitement lie au choix
de la norme sur cet espace. La proprit suivante montre quil est possible de gnraliser la
notion de convergence de suite dans un espace vectoriel norm, dans le cas o lon choisit deux
normes quivalentes sur cet espace.
Proprit 2.1. Soit E, un espace vectoriel, et N
1
et N
2
, deux normes sur E.
N
1
et N
2
sont quivalentes si et seulement si toute suite convergeant vers 0
E
pour une norme
converge vers 0
E
pour lautre norme.
Dmonstration. Sens = : cest trivial, en revenant la notion de normes quivalentes. De
17
18 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
plus ce rsultat peut tre gnralis : si N
1
et N
2
sont quivalentes, toute suite u convergeant
dans E au sens de N
1
converge galement dans E (vers la mme limite) au sens de N
2
.
Sens = : on raisonne par labsurde. Supposons donc que
N
2
N
1
soit non-borne et que toute
suite convergeant vers 0
E
pour une norme converge vers 0
E
pour lautre norme. Dire que
N
2
N
1
est non borne sobtient en niant lassertion
N
1
N
2
est borne .
N
2
N
1
est borne scrirait :
M > 0 : x E0
E
,
N
2
(x)
N
1
(x)
M.
La ngation de cette proposition scrit donc :
M > 0, x E0
E
:
N
2
(x)
N
1
(x)
M.
En choisissant successivement M = 1, M = 2, ..., etc., il est donc possible de construire une
suite dlments de E, note (x
n
)
nN
telle que :
n N,
N
2
(x
n
)
N
1
(x
n
)
> n.
Dnissons alors la suite (y
n
)
nN
par la relation : y
n
=
x
n

nN
1
(x
n
)
. Il est clair que : N
1
(y
n
) =
1

n

n+
0 et N
2
(y
n
) > nN
1
(y
n
) =

n
n+
+, ce qui est absurde. La proposition
sensuit.
Dans le cas dun espace vectoriel norm scrivant sous la forme dun produit despaces vectoriels
norms, la notion de continuit se traite de faon similaire.
Soient donc p N et E
1
, ..., E
p
, des espaces vectoriels norms, respectivement numis de normes
notes N
1
, ..., N
p
. Posons E := E
1
... E
p
=
p

k=1
E
k
. Posons, pour tout x = (x
1
, ..., x
p
) E :
|x| = sup
i{1,...,p}
(N
i
(x
i
)) .
On a la caractrisation suivante :
Thorme 2.1. Sous les hypothses rappeles prcdemment, et si on appelle (x
n
)
nN
, une suite
de E note (x
n
1
, ..., x
n
p
), o lon a bien-sr x
n
i
E
i
. Alors :
x
n
dans E

n+
L := (L
1
, ..., L
p
) E i 1, ..., p, x
n
i
dans E
i

n+
L
i
.
Remarque : dans ce cas, on peut galement crire :
lim
n+
(x
n
) =
_
lim
n+
(x
n
1
), ..., lim
n+
(x
n
p
)
_
.
2.1. CONVERGENCE ET CONTINUIT DANS UN E.V.N. 19
Exemple : dans la seconde partie de cet ouvrage, nous dtaillerons en particulier le cas o
i 1, ..., p, on a : E
i
= R, muni de la norme [.[. La caractrisation prcdente scrit alors :
x
n
:= (x
n
1
, ..., x
n
p
)
dans R
p

n+
L := (L
1
, ..., L
p
) R
p
i 1, ..., p, [x
n
i
L
i
[
dans R

n+
0.
Rappelons prsent proprement ce que lon appelle suite extraite ou sous-suite dune suite :
Dnition 2.2. Suite extraite.
Soit u, une suite dans un espace vectoriel norm (E, |.|). Soit : N N, une application
strictement croissante. Appelons v, la suite dnie pour tout n N par :
n N, v
n
= u
(n)
.
On dit que v est une suite extraite ou sous-suite de u.
De plus, si v converge dans E vers , alors on dit que est une valeur dadhrence de u. (voir
ci-aprs)
Remarque : souvenons-nous que dans R les suites extraites possdent des proprits bien par-
ticulires. Par exemple :
Proprit de Bolzano-Weierstrass : de toute suite borne de rels, on peut extraire une
sous-suite convergente.
Caractrisation des suites convergentes : une suite u est dite convergente si, et seulement
si toutes les suites extraites de u convergent et ont mme limite.
etc.
Dans la seconde partie de ce chapitre, nous prsenterons la notion de compacit qui permettra
de gnraliser un espace vectoriel norm quelconque les proprits ci-dessus.
Comme pour le cas des suites rels, il est possible de caractriser prcisment les valeurs dadh-
rence dune suite dnie dans un espace vectoriel norm E.
Thorme 2.2. Soit (E, |.|), un espace vectoriel norm. Les trois propositions suivantes sont
quivalentes :
(i) a E : > 0, N N, n > N : |x
n
a| < .
(ii) > 0, B(a, ) contient x
n
pour une innit dindices.
(iii) a est limite dune suite extraite de (x
n
)
nN
.
Remarque : la notion de suite extraite est fortement utilise pour dmontrer quune suite nest
pas convergente. En eet, lorsque lon souhaite montrer quune suite nest pas convergente, une
mthode frquemment utilise consiste extraire deux sous-suites de la suite initiale, dont les
limites sont direntes. Cest lexemple de la suite (u
n
)
nN
de rel, dnie pour tout entier na-
turel n par : u
n
= (1)
n
. Il sut de considrer la sous-suite de u extraite en ne choisissant que
les lments de rang pair, puis la suite extraite construire en ne considrant que les lments de
rang impair.
Dnition 2.3. Valeur dadhrence.
Soit (u
n
)
nN
, une suite dlments dun espace vectoriel norm (E, N). On dit que a E est
une valeur dadhrence de la suite (u
n
)
nN
si a scrit comme la limite dune suite extraite de
(u
n
)
nN
, autrement dit sil existe une application strictement croissante : N N telle que
u
(n)
dans E

n+
a.
20 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
Remarque : le thorme 2.2 prsente direntes caractrisations de la notion de valeur dadh-
rence.
Enn, les suites dans les espaces vectoriels norms peuvent tre utilises pour caractriser un
ferm. La proprit qui va suivre, appele caractrisation squentielle des ferms savrera
donc particulirement intressante. Je prsente au pralable une proprit caractrisant ladh-
rence dun ensemble dans un espace vectoriel norm.
Proprit 2.2. Caractrisation squentielle de ladhrence.
Soit (E, |.|), un espace vectoriel norm, et A, un sous-ensemble de E. Alors, les propositions
suivantes sont quivalentes :
(i) a A.
(ii) a est limite dune suite dlments de A.
Dmonstration. (i) Sens = : a A revient exactement arer que si on se xe > 0, alors
B(a, ) A ,= . Choisissons pour tous les n entier naturels =
1
n
. On construit donc une suite
(x
n
)
nN
dlments de A tels que n N, x
n
B(a,
1
n
) A (qui est non nul daprs ce que lon
vient de voir). (x
n
)
nN
est donc une suite dlments de A telle que : n N, |x
n
a| <
1
n
,
autrement dit, a = lim
n+
(x
n
), au sens de la norme de E.
(ii) Sens = : supposons que a E soit limite dune suite dlments de A, i.e. a = lim
n+
(x
n
),
au sens de la norme de E, avec n N, x
n
A. Soit > 0 x. Alors il est clair quil existe
un certain rang N N partir duquel B(a, ) contient tous les termes de la suite, cest dire
les (x
n
)
nN
, autrement dit : |x
n
a| < , autrement dit B(a, ) A ,= , pour tout > 0
donn. Cela signie exactement que a A.
Proprit 2.3. Caractrisation squentielle des ferms.
Soit (E, |.|), un espace vectoriel norm, et A, un sous-ensemble de E. Alors, les propositions
suivantes sont quivalentes :
(i) A est ferm dans E.
(ii) Toute suite (a
n
)
nN
dlments de A qui converge vers x E implique que x A.
Dmonstration. (i) Sens = : supposons que A est ferm. Soit (a
n
)
nN
une suite dlments
de A qui converge vers x E. La caractrisation squentielle de ladhrence nous montre que
lon peut en dduire que x A. or, A = A. Par consquent, x A.
(ii) Sens = : supposons que toute suite (a
n
)
nN
dlments de A qui converge vers x E
implique que x A. On va dmontrer que A est ferm en prouvant que A A. Soit x A.
Alors, daprs la proprit prcdente, x est limite dune suite (a
n
)
nN
dlments de A. Par
hypothse, on en dduit que x A. Cest ce que lon voulait dmontrer.
2.1.2 Notion de densit dans un espace vectoriel norm
Le concept de densit dans un espace vectoriel norm, bien quun peu thorique, conduit
des rsultats des plus intressants. Nous insisterons particulirement sur le thorme de Stone
Weierstrass.
2.1. CONVERGENCE ET CONTINUIT DANS UN E.V.N. 21
Dnition 2.4. Sous-espace dense.
Soit A, un espace muni dune norme N, et X, une partie de A. On dit que X est dense dans A
si, et seulement si X = A.
Il existe dautres caractrisations de la densit. Par exemple :
Proprit 2.4. Soit (E, N), un espace vectoriel norm, et A, une partie de E. On dit que X
est dense dans A si, et seulement si tout lment x de A est limite dune suite dlments de X,
autrement dit, en notant X
N
, lensemble des suites valeurs dans X :
(x
n
)
nN
X
N
: x
n
dans E

n+
x.
Cette proprit dcoule directement de la caractrisation squentielle de ladhrence, dans la
proprit 2.2. Elle permet notamment de dmontrer que :
Proprit 2.5.
(i) Q est dense dans R.
(ii) RQ est dense dans R.
Dmonstration.
(i) Soit x R. Appelons (u
n
)
nN
, la suite dnie par :
u
n
=
1
10
n
.E (10
n
x) .
La fonction E dsigne ici la fonction partie entire. Il est tout fait clair que u
n
Q. De plus,
en utilisant la proprit x R, x 1 < E(x) x, on montre que quel que soit n N, on a :
1
10
n
.(10
n
x 1) <
1
10
n
.E (10
n
x)
1
10
n
.10
n
x.
Par thorme dencadrement, on montre immdiatement que :
lim
n+
1
10
n
.(10
n
x 1) = lim
n+
1
10
n
.10
n
x = x
, donc tout lment x R est limite dune suite dlments de Q.
On en dduit que Q est dense dans R.
(ii) Le principe de la dmonstration pour RQ est exactement le mme que prcdemment. En
eet, on considre ici la suite (v
n
)
nN
dnie pour tout entier naturel n non nul par :
v
n
= u
n
_
1 +

2
n
_
.
Le thorme relatif la limite dun produit nous permet darmer que lim
n+
(v
n
) = x. De
plus n N

, v
n
RQ. En eet, si lon supposait le contraire, on obtiendrait lexistence de
deux suites dentiers non nuls (p
n
)
nN
et (q
n
)
nN
tels que
p
n
q
n
= v
n
. On en dduirait donc
immdiatement que

2 Q, ce qui est absurde. Par consquent, n N

, v
n
RQ.
Remarque : la notion de norme napparat pas clairement dans les dmonstrations ci-dessus.
22 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
Pourtant, la norme sur R est la valeur absolue qui intervient implicitement lorsque lon crit
ci-dessus des limites. Par exemple, dire que lim
n+
1
10
n
.10
n
x = x signie en fait que :
lim
n+

1
10
n
.10
n
x x

= 0.
Prenons un exemple concret pour nous en convaincre.
Exemple : la constante de Neper, note e est dnie par la relation :
e =
+

k=0
1
k!
.
La srie associe a cette somme est convergente en vertu du thorme de dAlembert, par exemple.
Posons n N, u
n
=
n

k=0
1
k!
. Puisque (Q, +) est un groupe, chaque terme u
n
est dans Q.
De plus, e / Q. La preuve est rapide quoique un peu technique. Je la fais gurer pour information.
On raisonne par labsurde en supposant lexistence de deux nombres entiers strictement positifs
p et q tels que : e =
p
q
. On dnit ensuite le rel X par la relation :
X := q!
_
e
q

k=0
1
k!
_
= q!
+

k=q+1
1
k!
.
De plus, X = p(q 1)!
q

k=0
q!
k!
, et k! divise q!, car k 0, ..., q. Il sensuit que X Z. Plus
prcisment, X N, daprs lexpression de X :
X = q!
+

k=q+1
1
k!
.
Toujours daprs cette expression, on peut encore crire :
X =
+

n=1
1
(q + 1)...(q +n)

+

n=1
1
(q + 1)
n
=
1
q
< 1.
On a reconnu la somme dune srie gomtrique.
Rcapitulons : X N

et X ]0, 1[. Cest absurde. Par consquent, e est irrationnel et scrit


eectivement comme la limite dune suite dlments de Q.
nonons prsent une autre proprit qui permet de caractriser un sous espace dense :
Proprit 2.6. Soit A, un sous-espace dun espace vectoriel norm (E, N). Une partie X de A
est dense dans A si, et seulement si lintersection avec tout ouvert non vide de A est non vide.
Dmonstration. Il sagit l dune consquence quasi-directe de la dnition de la notion de den-
sit. En eet, X est dense dans A si, et seulement si X = A, autrement dit :

AX = . Donc,
aucun ouvert non vide de A nest inclus dans AX ou encore tout ouvert non vide de A possde
au moins un lment qui est dans X. Cest ce que lon souhaitait dmontrer.
2.1. CONVERGENCE ET CONTINUIT DANS UN E.V.N. 23
Application : on sait que dans R, muni de la norme [.[, les ouverts sont les runions dintervalles
ouverts du type ]a, b[. Puisque Q est dense dans R, daprs la proprit que lon vient dnoncer,
on est sr que quels que soient les rels a et b tels que a < b, il existe toujours q Q tel que
a < q < b et il sagit l dune autre caractrisation de la densit de Q dans R.
Cela peut donner lieu une nouvelle dmonstration de la densit de Q dans R.
Nous retrouverons ultrieurement la notion de densit travers le thorme de Stone-Weierstrass
et ses diverses applications. Cela sera trait dans la partie consacre ltude de lespace ((X, R),
des fonctions continues sur un espace mtrique X que lon supposera compact (sections sui-
vantes) et valeurs relles.
2.1.3 Limite et continuit dans un espace vectoriel norm
Dnition 2.5. Soient (E, N) et (F, |.|), deux espaces vectoriels norms et f : (E, N)
(F, |.|). Soit A, un sous-ensemble de E et x
0
A. On dit que f a pour limite L quand x tend
vers x
0
, selon A, si :
> 0, > 0 : N(x x
0
) < et x A = |f(x) L| < .
On crira alors : lim
xx
0
xA
f(x) = L ou f(x)
xx
0
xA
L.
Cette notion de limite reste inchange si lon utilise des normes quivalentes.
Exemple : considrons la fonction de plusieurs variables :
f : (R
2
, |.|
2
) (R, [.[)
(x, y)
_
xy si (x, y) ,= (1, 1)
0 si (x, y) = (1, 1).
|.|
2
dsigne la norme euclidienne de R
2
. On note A = R
2
(1, 1). On a dune part lim
(x,y)(1,1)
(x,y)A
f(x) =
1 et dautre part lim
(x,y)(1,1)
(x,y)R
2
f(x) nexiste pas. On dira en eet que f est discontinue en (1, 1).
Nous allons y revenir.
Dnition 2.6. Continuit dune application dans un e.v.n.
Soient (E, N) et (F, |.|), deux espaces vectoriels norms et f : (E, N) (F, |.|).
(i) f est continue en x
0
E si, et seulement si :
> 0, > 0 : N(x x
0
) < =|f(x) f(x
0
)| < .
(ii) On dit que f est continue sur X E si, et seulement si f est continue en tout point de X.
Remarque : f est continue en x
0
peut scrire de faon plus synthtique : lim
xx
0
f(x) = f(x
0
).
Exemple : continuit dune fonction de plusieurs variables.
On dnit la fonction f : R
2
R par :
f(x, y) :=
_
_
_
sin(x +y)
x +y
si x ,= y
1 si x = y
24 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
f est continue sur R
2
. En eet, si x ,= y, cela ne pose aucun problme, puisque f scrit comme
un quotient de fonctions continues dont le dnominateur ne sannule pas. De plus, si on tu-
die la continuit de f au voisinage des points de coordonnes (x
0
, x
0
), avec x
0
rel, alors,
en posant u = x + y et en remarquant que lim
(x,y)(0,0)
u = 0, puisque lim
u0
sinu
u
= 1, on a :
lim
(x,y)(x
0
,x
0
)
f(x, y) = 1 = f(x
0
, x
0
), et f est continue.
La proprit qui suit sintitule caractrisation squentielle de la continuit . En pratique,
cette proprit nous servira surtout prouver quune fonction est discontinue.
Proprit 2.7. Une fonction f : (E, N) (F, |.|) est continue en un point a lment dun en-
semble X E si, et seulement si, pour toute suite (x
n
)
nN
dlments de lespace X convergeant
vers a X, la suite (f(x
n
))
nN
converge vers f(a).
Dmonstration. On va dmontrer les deux sens de lquivalence :
Sens = : soit (x
n
)
nN
, une suite dlments de lespace X convergeant vers a X. Puisque
f est continue en a, alors, si lon se xe > 0, on a :
> 0 : N(x a) < = |f(x) f(a)| < .
Pour le nombre > 0 donn, on a encore, puisque (x
n
)
nN
est convergente :
N N : n N = |x
n
a| < .
Il est alors parfaitement clair, en combinant les deux ingalits prcdentes que :
N N : n N = |f(x
n
) f(a)| < .
Puisque a t choisi de faon arbitraire, on en dduit que la suite (f(x
n
))
nN
converge vers
f(a).
Sens = : pour dmontrer cette implication, on va raisonner par contra-pose. Supposons
donc que f nest pas continue en a X. Alors, il existe un certain > 0 tel que lon puisse
construire une suite dlments de X, note (x
n
)
nN
vriant :
n N, N(x
n
a) <
1
n
et |f(x) f(a)| > .
On a donc montr lexistence dune suite (f(x
n
))
nN
ne convergeant pas vers f(a), alors que
(x
n
)
nN
converge vers a X.
Poursuivons en donnant prsent une autre caractrisation de la continuit, laide des ouverts
et des ferms, autrement dit, de la Topologie dun espace. Lintrt de cette caractrisation rside
dans le fait quelle peut tre gnralise des espaces sur lesquels aucune mtrique na t dnie,
cest dire des espaces non munis dune distance ou dune norme, mais a nest pas lobjet de
ce cours, puisquil est consacr aux espaces vectoriels munis dune norme.
Rappelons au pralable la notion dimage rciproque dun ensemble par une application.
Dnition 2.7. Image rciproque.
Soient X et Y , deux ensembles, et f : X Y , une application. Soit A Y . On dnit
limage rciproque de A par f et on note f
1
(A), lensemble :
f
1
(A) = x X : f(x) A X.
2.1. CONVERGENCE ET CONTINUIT DANS UN E.V.N. 25
Remarque 1 : attention! Il nest absolument pas ncessaire que f soit bijective pour dnir la
notion dimage rciproque dun ensemble par f. La notation est trompeuse. Lensemble f
1
(A)
dsigne ici le sous-ensemble de X constitu des lments dont limage par f appartient A.
Remarque 2 : si f est bijective, on dnit lapplication rciproque de f que lon note f
1
,
par la relation : f
1
f = Id
X
et f f
1
= Id
Y
. Dans ce cas, f
1
(A) dsigne la fois limage
directe de A par lapplication f
1
et limage rciproque de A par lapplication f.
Proprit 2.8. Soient X et Y , deux espaces inclus dans des espaces vectoriels (E, N) et (F, |.|),
respectivement munis des normes N et |.|. Soit f : X Y , une application. Alors, les propo-
sitions suivantes sont quivalentes :
(i) f est continue sur X.
(ii) Pour tout ouvert U Y , lensemble f
1
(U) est un ouvert de X.
(iii) Pour tout ferm V Y , lensemble f
1
(V ) est un ferm de X.
Dmonstration. Cela se fait en deux tapes :
Dmontrons que (i) (ii) :
Dmontrons de prime abord que (i) = (ii) : supposons donc f continue et soit U un
ouvert de Y . Soit a f
1
(U). On a bien-sr f(a) U, et puisque U est ouvert, il existe
> 0 tel que B (f(a), ) U. Traduisons prsent le fait que f est une fonction continue
en a. Pour le trouv prcdemment :
> 0 : N(x a) < =|f(x) f(a)| < .
Par consquent, lensemble B(a, ) X est un ouvert (intersection de deux ouverts) inclus
dans f
1
(U), puisque limage de tout point de cet ensemble est incluse dans B (f(a), ) U.
Il sensuit, par dnition dun ouvert, et puisque a B(a, ) X, quil existe une boule
ouverte de centre a incluse dans f
1
(U). Cest exactement ce que lon souhaitait dmontrer.
Dmontrons prsent que (ii) =(i) : supposons donc que limage rciproque de tout
ouvert par la fonction f est encore un ouvert. Soit alors a X. Alors, f(a) Y et si est
une constante positive xe, on sait que B (f(a), ) est un ouvert de Y donc f
1
(B (f(a), ))
est encore un ouvert de X, par hypothse, et cet ouvert contient a. Donc, il existe > 0 tel
que B(a, ) f
1
(B (f(a), )), par dnition dun ouvert. Par consquent, on a dmontr
lexistence dune constante > 0 telle que :
N(x a) < = |f(x) f(a)| < .
Dmontrons que (ii) (iii) : cette quivalence est immdiate, puisque, par dnition, les
ferms se dnissent comme les complmentaires des ouverts. De plus, il est ais de dmontrer
que, si A
c
dsigne le complmentaire dun ensemble A donn dans un espace norm, alors :
f
1
(A
c
) =
_
f
1
(A)
_
c
. En eet, f
1
(A
c
) = x X : f(x) A
c
. Donc en particulier, si
a f
1
(A
c
), alors f(a) / A et donc a
_
f
1
(A)
_
c
. La rciproque se dmontre exactement
sur le mme principe. Je laisse au lecteur le soin de sen convaincre.
Remarque 1 : attention ne pas confondre ! La caractrisation de la continuit sous cette forme
na t tablie qu laide des images rciproques douverts ou de ferms par une application
donne. En revanche, une application peut trs bien tre continue, telle que limage dun ouvert
ne soit pas un ouvert ou limage dun ferm ne soit pas un ferm. Par exemple, considrons la
26 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
fonction f dnie par :
R [0, 1[
x f(x) =
[x[
1 +[x[
.
Cette fonction est bien sr continue comme produit de fonctions continues. En revanche, une
tude de fonction trs rapide (et le fait que f est paire) montrent que f(R) = [0, 1[, et [0, 1[ nest
ni ouvert ni ferm.
Remarque 2 : on peut reformuler la caractrisation de la continuit laide des ouverts de
la faon suivante : f est continue si, et seulement si limage rciproque dune boule ouverte de
centre f(a) contient toujours une boule ouverte de centre a.
La proposition qui suit est un corollaire assez immdiat de la proposition que nous venons de
voir. Elle se rvlera fort utile en pratique.
Proprit 2.9. Soit f, une application continue sur un sous-espace X dun espace vectoriel E,
valeurs relles. Soit R. Alors :
(i) Les ensembles x E : f(x) < et x E : f(x) > sont ouverts dans E.
(ii) Les ensembles x E : f(x) , x E : f(x) et x E : f(x) = sont ferms
dans E.
Preuve rapide : il sut de remarquer par exemple que lintervalle ] , [ est un ouvert et
de voir lensemble x E : f(x) < comme limage rciproque par la fonction f de ] , [.
En appliquant la caractrisation prcdente de la continuit, cest vident.
Enn, pour conclure sur les notions de continuit, prsentons rapidement le concept dhomomorphisme.
Dnition 2.8. Homomorphisme.
Soient (E, N) et (F, |.|), deux espaces vectoriels norms, X, une partie de E, Y , une partie de
F, et f, une application de E dans F. On dit que f est un homomorphisme de X sur Y si,
et seulement si, les trois proprits suivantes sont vries :
(i) f est continue.
(ii) f ralise une bijection de X sur Y .
(iii) Lapplication rciproque de f, f
1
est continue.
Remarque : on rappelle que si f est une fonction bijective de X sur Y , alors, on dnit sa
bijection rciproque f
1
par la formule suivante :
(x, y) X Y, y = f(x) x = f
1
(y).
Exemple : si f est une fonction continue sur un intervalle I R, valeurs relles et strictement
monotone sur cet intervalle, alors f ralise une bijection de I sur f(I), et de ce fait, f est un
homomorphisme de I sur f(I).
Pour donner un exemple concret, on peut dire que la fonction logarithme nprien de base e est
un homomorphisme de ]0, +[ sur R tout entier.
Consquences : quelques consquences dcoulent de la dnition dun homomorphisme. Par
exemple, f possde toutes les proprits dune fonction continue, mais f
1
galement. Par cons-
quent, limage rciproque dun ouvert par un homomorphisme est un ouvert (caractrisation de
la continuit), mais on peut galement dire que limage de tout ouvert par un homomorphisme
est encore un ouvert, puisque f
1
est continue. De telles considrations tiennent galement avec
les ferms.
2.1. CONVERGENCE ET CONTINUIT DANS UN E.V.N. 27
2.1.4 Applications Lipschitziennes et uniforme continuit
Dnition 2.9. Soient (E, N) et (F, |.|), deux espaces vectoriels norms, X, une partie de E, Y ,
une partie de F, et f, une application de E dans F. On dit que lapplication f est Lipschitzienne
de rapport k > 0 si, et seulement si :
(x, y) E
2
, |f(x) f(y)| kN(x y).
Consquence immdiate : une application Lipschitzienne est continue. En eet, si > 0 est
donn, on peut trouver, en rutilisant les notations de la dnition de la continuit, =

k
, tel
que lingalit traduisant la continuit de f soit vrie.
Exemple : soit (E, N), un espace vectoriel norm. Alors, N est une application 1-Lipschitzienne.
En eet, on a toujours :
(x, y) E
2
, [N(x) N(y)[ N(x y).
En eet, il sagit ici dune consquence de lingalit triangulaire : (x, y) E
2
, N(x) =
N(x y +y) N(x y) +N(y)...
Enn, dans le cas particulier ou f est une fonction de R dans R drivable, il existe une ca-
ractrisation trs simple du caractre Lipschitzien dune fonction.
Proprit 2.10. Soit f : I R, drivable sur

I, o I dsigne un intervalle de R.
Alors, f est Lipschitzienne si, et seulement si f

est borne sur



I.
Preuve rapide : cette proprit provient directement de lingalit des accroissements nis. Je
la redonne pour information.
Proprit 2.11. Ingalit des accroissements nis.
Soit I, un intervalle de R et f : I R, une fonction drivable sur

I. Si x

I, k > 0 :
[f

(x)[ < k, alors :


(x, y)

I
2
, [f(x) f(y)[ < k[x y[.
Cette proprit traduit donc exactement le fait que f est une fonction Lipschitzienne si sa drive
est borne.
Lquivalence sobtient en tudiant la rciproque : si quels que soient x et y lments de

I
2
, tels
que x ,= y, le taux daccroissement
f(x) f(y)
x y
est born, alors la drive de f le sera galement.
En eet, cela sobtient grce un passage la limite, en crivant y = x+h et en faisant h 0
pour crire le nombre driv de f en x

I.
Exemple : considrons la fonction : [0, 1] R
x

x
. nest pas Lipschitzienne sur ]0, 1]
car sa drive est donne par la formule

(x) =
1
2

x
, et

nest pas borne sur cet intervalle.


Abordons prsent la notion de continuit uniforme :
Dnition 2.10. Continuit uniforme.
Soient (E, N) et (F, |.|), deux espaces vectoriels norms, X, une partie de E, Y , une partie de
28 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
F, et f, une application de E dans F. On dit que lapplication f est uniformment continue
ur X si, et seulement si :
> 0, > 0 : (x, y) X
2
, N(x y) < =|f(x) f(y)| < .
Remarque 1 : il est clair quune application uniformment continue est ncessairement continue.
En eet, si lon souhaite dmontrer la continuit de f en x
0
X, il sut de poser y = x
0
pour
retrouver la dnition de la continuit partir de la dnition prcdente de luniforme continuit.
Remarque 2 : si f est une application k-Lipschitzienne, alors f est uniformment continue.
Il sut de choisir =

k
pour retrouver la dnition de luniforme continuit.
Exemple : nous avons dmontr prcdemment que la fonction nest pas Lipschitzienne.
En revanche, est uniformment continue. En eet, soient x et y, deux lments de ]0, 1] tels
que y > x (pour xer les ides). Alors, si y x < , on peut crire :
(

x)
2
= x +y 2

xy < x +y 2x = x y.
En eet, cela provient du fait que x <

xy < y. Il sut alors de choisir =
2
pour prouver
luniforme continuit de .
Cet exemple permet galement de montrer quune fonction uniformment continue nest pas
ncessairement Lipschitzienne.
2.2 Notion de compltude dans un espace vectoriel norm
Cette notion est rellement fondamentale en Analyse. On attend de vous dans ce cours que vous
sachiez dmontrer la compltude despaces vectoriels norms an den dduire des proprits de
convergence. Dnissons au pralable la notion de suite de Cauchy.
2.2.1 Suites de Cauchy dans un E.V.N.
Dnition 2.11. Suite de Cauchy.
Soit (E, un espace vectoriel muni dune norme N. Une suite (u
n
)
nN
dlments de E est dite
de Cauchy si, et seulement si :
> 0, N
0
N : (n, p) N
2
, n N
0
= N(u
n+p
u
n
) < .
On peut encore donner la caractrisation suivante :
> 0, N
0
N : (n, q) N
2
, q > n N
0
= N(u
q
u
n
) < .
Abordons prsent quelques consquences de cette dnition.
Proprit 2.12. Soit (E, N), un espace vectoriel norm. Alors :
(i) Toute suite convergente est de Cauchy.
(ii) Toute suite de Cauchy est borne.
(iii) Limage dune suite de Cauchy par une application f uniformment continue est de Cauchy.
2.2. NOTION DE COMPLTUDE DANS UN ESPACE VECTORIEL NORM 29
(iv) Si deux normes N
1
et N
2
sont quivalentes sur E, alors, toute suite de Cauchy pour N
1
est
galement une suite de Cauchy pour N
2
.
Dmontrons prsent ces propositions :
Dmonstration. Dans toute la preuve, (u
n
)
nN
dsignera une suite de Cauchy de lespace vectoriel
norm E.
(i) Supposons que (u
n
)
nN
est une suite convergente. Fixons > 0. Alors, par dnition, il existe
E telle que :
N N : n N =N(u
n
) <

2
.
Soient n et p, deux entiers suprieurs N. Alors N(u
n
u
p
) N(u
n
)+N(u
p
) <

2
+

2
= ,
et (u
n
)
nN
est donc une suite de Cauchy dans E.
(ii) Puisque (u
n
)
nN
est de Cauchy, on peut crire, par ingalit triangulaire, et si on sest x
> 0 :
N N : (n, p) N
2
, n N = N(u
n+p
) N(u
n
) < .
Posons p = N + 1. Alors : n > N, N(u
n
) < N(u
N+1
) +. On en dduit que :
n N, N(u
n
) maxN(u
1
), ..., N(u
N
), N(u
N+1
) +.
(iii) Soit f : (E, N) (F, |.|), une application uniformment continue sur X, une partie de
E, et supposons que (u
n
)
nN
prend toutes ses valeurs dans X. Rappelons lingalit vrie
par f. Fixons > 0. Alors :
> 0 : N(x y) < = |f(x) f(y)| < .
Appelons v
n
:= f(u
n
). On souhaite donc dmontrer que (v
n
)
nN
est une suite de Cauchy.
Puisque (u
n
)
nN
est une suite de Cauchy, alors :
N N : (n, p) N
2
: n > p N =N(u
n
u
p
) < .
Par consquent, puisque f est uniformment continue, on a : |f(u
n
) f(u
p
)| < . Autrement
dit, (v
n
)
nN
est une suite de Cauchy.
(iv) La dmonstration est immdiate. En eet, il existe deux constantes et strictement
positives telles que x E, N
1
(x) < N
2
(x) < N
1
(x). Du coup, si (u
n
)
nN
est une suite de
Cauchy pour N
1
, alors, pour > 0 x, il existe N N tel que n > p N = N
1
(u
n
u
p
) <

.
Et donc :
N
2
(u
n
u
p
) N
1
(u
n
u
p
) < .
Par consquent, (u
n
)
nN
est bien une suite de Cauchy pour N
2
.
Remarque : on a montr quune suite convergente est de Cauchy ; attention, en revanche, une
suite de Cauchy nest pas ncessairement convergente. Utilisons un exemple que nous avons dj
introduit au cours de ce chapitre. On appelle (u
n
)
nN
, la suite dnie par :
u
n
=
n

k=0
1
k!
.
30 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
Plaons-nous dans lespace vectoriel norm (Q, [.[) (muni de la norme euclidienne usuelle). (u
n
)
nN
est bien-sr de Cauchy. En eet, soient n et p, deux entiers tels que n > p. Alors :
u
n
u
p
=
n

k=p+1
1
k!

n

k=p+1
1
2
k1
=
1
2
p1
_
1
_
1
2
_
np2
_
<
1
2
p1

p+
0.
Donc (u
n
)
nN
est bien une suite de Cauchy dans Q muni de la distance euclidienne et nous avons
dj montr que lim
n+
(u
n
) = e, et que e est un nombre irrationnel. Nous venons donc dexhiber
une suite de Cauchy dans un espace vectoriel norm qui ne converge pas dans cet espace. Nous
allons donc faire appel la notion de compltude dun espace vectoriel norm pour prciser ces
cas un peu litigieux.
Proprit 2.13. Soit (E, N), un espace vectoriel norm et (u
n
)
nN
, une suite de Cauchy dans
cet espace.
Si (u
n
)
nN
possde une valeur dadhrence, alors (u
n
)
nN
converge dans E au sens de N, bien-
sr.
Dmonstration. Appelons a, la valeur dadhrence de (u
n
)
nN
. Il existe donc une application
strictement croissante : N N telle que u
n
dans E

n+
a. Pour viter un formalisme un peu
pnible crire, je donne largument principal de cette dmonstration. Il sut dcrire que pour
n > N (autrement dit, n susamment grand ou encore n choisit plus grand quun certain entier
N), on a :
N(u
n
a) N(u
n
u
(n)
) +N(u
(n)
a).
Il sut de conclure en remarquant que la quantit N(u
(n)
a) peut tre rendue aussi petite que
lon veut, puisque la suite extraite (u
(n)
)
nN
est convergente, et dautre part, la suite (u
n
)
nN
tant de Cauchy, on sait que : N(u
n
u
(n)
)
n+
0 donc, on peut rendre cette quantit aussi
petite que souhait pourvu que lon choisisse N susamment grand.
Exercice : rdiger proprement la dmonstration prcdente.
2.2.2 Espaces complets et exemples
Passons prsent la notion despace vectoriel norm complet. Nous allons tenter de donner
des exemples de preuve de compltude dun espace.
Dnition 2.12. Espace Vectoriel Norm complet.
Soit (E, N), un espace vectoriel norm. On dit que E est complet si, et seulement si toute suite
de Cauchy de E converge dans E.
Nous continuons tout de suite par un exemple despace vectoriel norm.
Proprit 2.14. Lespace vectoriel R muni de la norme euclidienne est un espace vectoriel
norm complet.
Dmonstration. Soit (u
n
)
nN
, une suite de Cauchy de R. Alors nous avons vu que (u
n
)
nN
est une
suite borne de R. Daprs la proprit de Bolzano-Weierstrass, on peut extraire de (u
n
)
nN
une
2.2. NOTION DE COMPLTUDE DANS UN ESPACE VECTORIEL NORM 31
sous-suite convergente dans R. Par consquent, (u
n
)
nN
possde une valeur dadhrence dans R.
Or, toute suite de Cauchy possdant une valeur dadhrence converge. On en dduit que (u
n
)
nN
converge, et donc, R est un espace vectoriel norm complet.
On va dmontrer prsent que tous les esaces R
n
munis de la distance euclidienne sont complets.
Pour cela, il nous sut de dmontrer que le produit de deux espaces complets est encore complet
et nous en dduirons la compltude de R
n
laide dun raisonnement par rcurrence quasi
immdiat.
Proprit 2.15. Soient (E
1
, N
1
) et (E
2
, N
2
), deux espaces vectoriels norms complets.
Alors, lespace produit E
1
E
2
est galement complet.
Dmonstration. Soit x E
1
E
2
. Alors x = (x
1
, x
2
), o x
1
E
1
et x
2
E
2
. On munit E
1
E
2
de la norme N dnie pour tout x de cet espace par : N(x) = N
1
(x
1
) + N
2
(x
2
). N est une
norme (nous lavons dj dmontr en exercice). Soit (x
n
)
nN
, une suite de Cauchy de E. On
peut donc crire n N, x
n
= (x
1
n
, x
2
n
), o (x
1
n
)
nN
est une suite de E
1
et (x
2
n
)
nN
est une suite
de E
2
. Reste montrer que (x
n
)
nN
converge dans E. Soit > 0 x. (x
n
)
nN
tant une suite
de Cauchy, on en dduit que :
N N, p > q > q = N(x
p
x
q
) < .
On va montrer que chacune des suites (x
1
n
)
nN
et (x
2
n
)
nN
est de Cauchy. Cest assez immdiat.
En eet, il sut de remarquer que N
1
(x
p
x
q
) < N(x
p
x
q
) et cette remarque sapplique
galement la norme N. Par consquent (x
1
n
)
nN
et (x
2
n
)
nN
sont des suites de Cauchy. Les
espaces E
1
et E
2
tant complets on en dduit lexistence de deux lements x
1

E
1
et x
1

E
2
qui sont les limites respectives de (x
1
n
)
nN
et (x
2
n
)
nN
. Je laisse au lecteur le soin de terminer la
preuve. Cest lmentaire : x

= (x
1

, x
2

) est la limite de la suite (x


n
)
nN
.
Consquence : par rcurrence immdiate, on dmontre la proprit suivante :
Proprit 2.16. Lespace R
n
est complet pour tout n N.
Remarque : R
n
est un espace de dimension nie dans lequel toutes le normes sont quivalentes.
Donc, inutile, dans la proprit ci-dessus de prciser la norme dont on munit R
n
.
Les deux proprits qui suivent savreront fort utiles pour dmontrer quun espace vectoriel
est complet, en se ramenant la dmonstration quun espace vectoriel est ferm.
Proprit 2.17. Soit (E, N), un espace vectoriel norm complet. Soit X, une partie de E.
Alors, X est complte si, et seulement si X est ferme.
Dmonstration. On va dmontrer les deux implications :
Sens = : supposons X complte dans E complet. Soit (u
n
)
nN
, une suite de X convergeant
dans E. On note L sa limite dans E. (u
n
)
nN
est une suite de Cauchy (car convergente) dans
E, donc en particulier dans X qui est complet. On en dduit lexistence de u X tel que
u
n
dans X

n+
u. Or, (u
n
)
nN
tant convergente dans E, par unicit de la limite, L = u X. On
retrouve la caractrisation squentielle des ferms. Ainsi, X est une partie ferme.
32 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
Sens = : supposons X ferme. Soit (u
n
)
nN
, une suite de Cauchy dlments de X. En
particulier, (u
n
)
nN
est une suite de Cauchy de E, donc est convergente vers u E. Mais
puisque X est ferme, toujours daprs la caractrisation squentielle des ferms, il sensuit
que u X. Donc (u
n
)
nN
converge dans X.
Quelques applications de cette proprit.
1. [a, b], o a < b est complet.
2. [a, +[, o a R est complet.
3. R

nest pas complet.


4. 1, ..., n est complet.
Le thorme qui suit fournit encore une caractrisation de la compltude laide dune application
uniformment continue. Nous la dmontrerons en exercice. Rappelons juste que si f : X Y
est une application, alors on dnit lensemble f(X) par : f(X) = f(x), x X.
Thorme 2.3. Soient (E, N) et (F, |.|), deux espaces vectoriels norms, et X une partie de
E. On suppose que :
(i) f : X f(X) est une bijection ;
(ii) f est continue sur X ;
(iii) f
1
est uniformment continue sur f(X).
Si X est une partie complte de E, alors f(X) est une partie complte de F.
Passons prsent des exemples importants despaces complets. Un exemple despace non com-
plet est donn par le contre-exemple tudi dans le paragraphe 2.2.1, o lon montre quil existe
une suite de Cauchy de (Q, [.[) non convergente dans cet espace.
Comment dmontrer quun espace est complet ?
Le cas de

(R) :

(R) est un espace complet.


Dnissons au pralable cet espace :

(R) est lensemble des suites relles bornes. Si u =


(u
n
)
nN
dsigne une suite relle borne, on munit

(R) de la norme : |u| = sup


nN
([u
n
[). Je laisse
au lecteur le soin de vrier que

(R) est un espace vectoriel.


Pour dmontrer quun espace est complet, il faut revenir la dnition. On se donne une suite
de Cauchy dlments de cet espace et on dmontre quelle est convergente.
Soit (u
p
)
pN
, une suite dlments de

(R). (u
p
)
pN
est donc une suite de suites. On peut
encore noter pour p x :
u
p
= (u
p
n
)
nN
= (u
p
0
, u
p
1
, ..., u
p
n
, ...).
Supposons prsent que (u
p
)
pN
est une suite de Cauchy. Redonnons la dnition :
> 0, N N : r > s > N = |u
r
u
s
| < .
Par consquent, on peut encore crire que pour tout n, entier naturel, on a : r > s > N =
[u
r
n
u
s
n
[ < . Il sensuit donc que , (u
p
n
)
pN
est une suite de Cauchy valeurs relles, et puisque
R est complet, (u
p
n
)
pN
converge dans R vers un rel
n
. On peut crire : u
p
n

p+

n
. On dis-
pose donc dune suite (
n
)
nN
. On va montrer que cette suite est la limite de la suite de Cauchy
2.2. NOTION DE COMPLTUDE DANS UN ESPACE VECTORIEL NORM 33
initiale. Reprenons lingalit ci-dessus. On avait montr que : r > s > N = [u
r
n
u
s
n
[ < .
Faisons tendre r vers +. On obtient alors pour tout entier naturel n : s > N = [
n
u
s
n
[ < .
Un passage au sup fournit immdiatement : s > N =| u
s
| < .
ce stade, nous avons presque achev notre dmonstration. Reste prouver que la suite (
n
)
nN
est encore dans lespace vectoriel

, autrement dit, il faut montrer que la suite (


n
)
nN
est
borne. Or, en considrant s > N, daprs lingalit n N, [
n
u
s
n
[ < , on sait que la suite
(u
s
) est dans

(R), et puisque

(R) est un espace vectoriel, alors

(R), car u
s

(R).
Conclusion : on a dmontr que :
> 0, N N : s > N = | u
s
| < .
Autrement dit (u
s
)
sN
converge dans

(R), ce qui prouve que

(R) est complet.


Remarques :
En utilisant le mme modle, on dmontre aisment que

(C) est galement complet.


La mthode pour dmontrer que

est complet est une mthode assez gnrale. Lide est


de considrer une suite de Cauchy de

et dessayer de se ramener une suite de Cauchy


de R (ou un autre espace complet). Ensuite, on utilise le fait que R est un espace complet,
ce qui nous fournit une premire notion de convergence. Il reste ensuite dduire de cette
information (lorsque cela est possible) que la suite de Cauchy de

converge au sens de la
norme dont

est muni et que sa limite est bien dans

.
Passons prsent un deuxime exemple qui sera un peu dvelopp ultrieurement.
Cas des fonctions continues sur I : on appelle ((I, R), lespace des fonctions continues
sur un intervalle I = [a, b] et valeurs relles. On munit ((I, R) de la norme suivante : |.|

:
((I, R) R
+
f |f|

= sup
xI
[f(x)[
. Alors, ((I, R) est un espace vectoriel norm complet
pour la norme |.|

. Je laisse au lecteur le soin de dmontrer que ((I, R) est un espace vecto-


riel. Montrons quil est complet.
Une premire remarque essentielle est de vrier que le choix de la norme |.|

est judicieux pour


les lments de lepsace ((I, R), autrement dit que la norme innie de tout lment de ((I, R) est
nie. Cest le cas, car une fonction continue sur un intervalle rel est ncessairement majore. Ce
rsultat peut encore se voir dune autre faon en admettant un thorme que nous noncerons
dans la section qui suivra : le thorme de Heine. Ce thorme permet de montrer que f est
uniformment continue sur lintervalle I, car I est un compact de R et que f est continue sur I.
Ainsi, f est ncessairement borne sur I ce qui justie la dnition de la norme.
Attaquons-nous la preuve qui nous intresse : soit (f
n
)
nN
, une suite de Cauchy dlments de
((I, R). Alors :
> 0 : N N : p > q > N = |f
p
f
q
|

< .
Par consquent, il est immdiat que :
N N : p > q > N = x I, [f
p
(x) f
q
(x)[ < .
Cette ingalit traduit le fait qu x x, lment de I, la suite (f
n
(x))
nN
est une suite de
Cauchy de rels. Par consquent, et puisque R est complet, la suite (f
n
(x))
nN
est convergente
dans R. On note f(x) sa limite, ce qui dnit une application f dans ((I, R).
Reste dmontrer que f est bien limite uniforme de la suite (f
n
)
nN
et surtout que f est encore
34 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
un lment de ((I, R). La premire assertion est presque vidente, puisque (f
n
)
nN
est une suite
de Cauchy. Par consquent, on, peut faire tendre p vers + dans lingalit ci-dessus, ce qui
garantit que :
q N : q > N, |f f
q
|

< .
Pour dmontrer que f est continue, on se xe x
0
I et > 0. On sait, en particulier que si
x est x, on a : f
n
(x)
n+
f(x), donc, il existe un rang N
0
N tel que : n N
0
=
[f
n
(x) f(x)[

3
et n N
0
= [f
n
(x
0
) f(x
0
)[

3
. de plus, les applications lments de
(f
n
)
nN
tant continues, il existe > 0 tel que : [xx
0
[ < = [f(x) f(x
0
)[

3
. Fixons-nous
alors n N
0
. On peut alors crire par ingalit triangulaire :
x I : [xx
0
[ < , [f(x) f(x
0
)[ [f(x) f
n
(x)[ +[f
n
(x) f
n
(x
0
)[ +[f
n
(x
0
) f(x
0
)[ 3.

3
.
Cela dmontre que f est continue sur I. I tant compact, f est borne sur I. On le aussi le voir
en remarquant, toujours par ingalit triangulaire et en choisissant n > N que :
|f|

|f f
n
|

+|f
n
|

+|f
n
|

.
Cela dmontre que ((I, R) muni de le norme de la convergence uniforme (norme innie) est
complet.
2.2.3 Le thorme du point xe et ses applications
Dnissons au pralable la notion dapplication contractante :
Dnition 2.13. Soient (E, N) et (F, |.|), deux espaces vectoriels norms et f : X E F.
f est dite contractante si, et seulement sil existe k ]0, 1[ tel que :
(x, y) X
2
, |f(x) f(y)| kN(x y).
Je prsente maintenant le thorme du point xe dont je donnerai deux applications essentielles :
lune en Analyse Numrique, pour dterminer les solutions dune quation, et lautre pour d-
montrer lexistence de solutions dune quation direntielle dans un cas trs simple.
Thorme 2.4. Soit (E, N), un espace vectoriel norm complet. Soit X, une partie ferme
de E et f : X X, une application contractante.
Alors, lquation f(x) = x possde dans X une solution unique x
0
.
De plus, x
0
est limite de toutes les suites (u
n
)
nN
dnies par :
_
u
0
= X
u
n+1
= f(u
n
).
Dmonstration. La dmonstration sarticule en deux tapes :
1
re
partie : preuve de lunicit. Lexistence tant (provisoirement) admise, prouvons que
le point xe est ncessairement unique. Bien videmment, on utilise un raisonnement par
labsurde. Supposons quil existe deux lments x
0
et x
1
, non gaux, tels que f(x
0
) = x
0
et
f(x
1
) = x
1
. f tant contractante sur X, on peut crire que : N(x
0
x
1
) = N (f(x
0
) f(x
1
))
kN(x
0
x
1
), ce qui est absurde, puisque k < 1. Lunicit est donc dmontre.
2.2. NOTION DE COMPLTUDE DANS UN ESPACE VECTORIEL NORM 35
2
me
partie : preuve de lexistence. Soit X et considrons la suite (u
n
)
nN
dnie
par :
_
u
0
= X
u
n+1
= f(u
n
).
Lide est de dmontrer que la suite (u
n
)
nN
est de Cauchy. On peut successivement crire
pour n et p entiers tels que n > p :
N(u
n+2
u
n+1
) kN(u
n+1
u
n
)
N(u
n+3
u
n+2
) kN(u
n+2
u
n+1
)
.
.
.
N(u
n+p
u
n+p1
) kN(u
n+p1
u
n+p2
)
Multiplions alors membre membre ces ingalits. Des simplications soprent en cascade et
on obtient alors :
N(u
n+p
u
n+p1
) k
p1
N(u
n+1
u
n
) k
n+p1
N(u
1
u
0
).
Pour prouver que (u
n
)
nN
est de Cauchy, utilisons une ingalit triangulaire. Si n > p, on a :
N(u
n+p
u
n
) N(u
n+p
u
n+p1
) +. . . +N(u
n+1
u
n
)
(k
n+p1
+k
n+p2
+. . . +k
n
)N(u
1
u
0
) = k
n
1 k
p
1 k
.N(u
1
u
0
).
Or, puisque [k[ < 1, la suite n k
n
est convergente de limite nulle. Un passage la limite
dans lingalit ci-dessus (p, n +) prouve, par thorme dencadrement, que la suite
(u
n
)
nN
est de Cauchy. Puisque X est ferm dans un espace vectoriel complet, X est complet
lui-mme, et (u
n
)
nN
converge donc vers un lment de X not x
0
. Un passage la limite
(n +) dans lgalit u
n+1
= f(u
n
) prouve que x
0
vrie lgalit x
0
= f(x
0
), autrement
dit que x
0
est un point xe pour f. f est contractante donc continue. Lexistence est donc
dmontre, en utilisant la caractrisation squentielle de la continuit.
Application n1 : convergence de la suite de Fibonacci :
On dnit la suite de Fibonacci par la relation de rcurrence :
_
_
_
u
n+2
= u
n+1
+u
n
n 0
u
0
= 0
u
1
= 1
Les premies termes de cette suite se calculent aisment : u
2
= 1, u
3
= 2, u
4
= 3, u
4
= 5, u
5
= 8,
u
6
= 13, u
7
= 21, et u
8
= 34.
Des raisonnements par rcurrence trs simples permettent de dmontrer que :
n 1 u
n
> 0.
n 4, u
n
n.
(u
n
)
nN
est strictement croissante.
Cela prouve en particulier que lim
n+
(u
n
) = +. Intressons-nous prsent la suite (v
n
)
nN
dnie par la relation explicite :
n N

, v
n
=
u
n+1
u
n
.
36 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
Remarquons, en utilisant la relation de rcurrence dnissant la suite de Fibonacci que (v
n
)
nN

est galement dnie par la relation de rcurrence :


_
_
_
v
n+1
=
u
n+2
u
n+1
= 1 +
1
v
n
n 1
v
1
= 1
On peut encore crire que n N

, v
n+1
= f(v
n
), o f dsigne la fonction dnie pour x ,= 0
par :
f(x) = 1 +
1
x
.
On peut, comme prcdemment, calculer les premiers termes de la suite (v
n
)
n1
. On a : v
1
= 1,
v
2
= 2 v
3
=
3
2
, v
4
=
5
3
, v
5
=
8
5
.
Lide est dutiliser dans cet exemple le thorme du point xe an de dmontrer la convergence
de la suite (v
n
)
nN
. La statgie adopter est la suivante :
f doit tre restreinte un intervalle I sur lequel elle est contractante pour pouvoir appliquer
le thorme du point xe.
Nous devrons donc dmontrer qu partir dun certain rang n
0
, tous les lments de la suite
(v
n
)
nn
0
appartiennent I.
Tous les lments de (v
n
)
n1
tant positifs, on peut tudier f sur lintervalle ]0; +[. Pour tout
lment x de cet intervalle : f

(x) =
1
x
2
. On en dduit que f est strictement dcroissante
sur R

. Pour rechercher lintervalle I mentionn prcdemment, il est ncessaire de rechercher


un intervalle stable par la fonction f, cest dire tel que : f(I) I. Nous allons comprendre
pourquoi dans un instant.
Daprs lingalit des accroissements nis et lexpression de la drive de f, f est contractante
sur [1 + ; +[, avec > 0, aussi faible que souhait. En observant les premiers termes de
la suite (v
n
)
n1
, il semble que si n 2, v
n
[
3
2
; 2]. Vrions-le laide dun petit raisonne-
ment par rcurrence. Je vous laisse le soin de le rdiger proprement. Lhrdit rsulte du fait
que, en appelant I lintervalle [
3
2
; 2], I est stable par f. En eet, puisque f est dcroissante,
f(I) [f(2); f(
3
2
)] = [
3
2
,
5
3
] I. Ainsi, si v
n
I, alors f(v
n
) I, autrement dit v
n+1
I.
Conclusion : (v
n
)n 2 est dnie par la relation de rcurrence v
n+1
= f(v
n
), o f : I I est
contractante de constante de Lipschitz
4
9
. (Cela rsulte directement de lexpression de la drive
de f). Daprs le thorme du pont xe, la suite (v
n
)
nN
est convergente et lon note sa limite.
La limite de (v
n
)
nN
se trouve aisment. En eet, f st contractante, donc continue, et (v
n
)
nN
converge vers . Daprs la caractrisation squentielle de la continuit, un passage la limite
dans la relation de rcurrence dnissant (v
n
)
nN
prouve que = f(). (i.e. est un point xe
de f) Enn, lquation x = f(x) est quivalente une quation du second degr trs simple. On
trouve deux solutions dont une ngative que lon limine : puisque tous les termes de (v
n
)
nN
sont positifs, un passage la limite prouve que 0. Finalement, on en dduit que :
=
1 +

5
2
.
est le clbre nombre dor.
Application n2 : la mthode de Newton-Raphson en Analyse Numrique.
2.2. NOTION DE COMPLTUDE DANS UN ESPACE VECTORIEL NORM 37
Cette mthode dAnalyse numrique, dont je vais donner les grandes lignes et un exemple dappli-
cation est utilise pour calculer les zros dune fonction f donne. Bien que cette mthode puisse
tre gnralise aux fonctions de plsuieurs variables, considrons une fonction f dune variable
relle dnie sur un intervalle de R not I = [a, b]. On cherche donc rsoudre lquation :
(E) f(x) = 0, avec x I.
Supposons de plus que f soit deux fois drivable et strictement monotone, sans changement de
convexit, telle que f(a)f(b) < 0, ce qui garantit, grce au thorme des valeurs intermdiaires,
lexistence dune solution unique lquation (E). On introduit la fonction g dnie sur I par :
g(x) = x
f(x)
f

(x)
.
Remarquons que g est bien dnie sur I tout entier puisque f est strictement monotone (sa
drive ne sannule donc pas). f tant suppose deux fois drivable sur I drives continues,
les thormes classiques de drivabilit garantissent que g est drivable sur I et sa drive est
donne par :
x I, g

(x) =
f(x)f

(x)
[f

(x)]
2
.
De plus, remarquons que lquation (E) est quivalente lquation :
(E

) g(x) = x, x I.
Lide gnrale est de choisir un sous-intervalle de I, not J, contenant le point xe de g,
cest dire la solution recherche, et tel que g(J) J, autrement dit, J est stable par g. En
remarquant de plus que g

est continue et que lim


x
g

(x) = g

() = 0, on peut choisir lintervalle


J pour que : k < 1 : x J, [g

(x)[ < k, autrement dit, g est contractante, grce lingalit


des accroissements nis. On sest ainsi plac dans les conditions dapplication du thorme du
point xe qui garantit que tout suite du type :
_
u
0
= J
u
n+1
= g(u
n
).
sera convergente. En appliquant lingalit des accroissements nis la fonction g, et en utilisant
le fait que J est stable par g, on dmontre trs facilement que tous les u
n
sont dans J et lingalit
suivante sensuit :
n N, [u
n+1
[ k[u
n
[.
k dsigne la constante de Lipschitz dans lingalit ci-dessus. Un raisonnement par rcurrence
permet alors de prouver que :
n N, [u
n
[ k
n
[u
0
[.
Ce rsultat traduit notamment la convergence de la suite (u
n
)
nN
vers le rel . En ralit il existe
mme un rsultat plus fort. On pourrait montrer que, dans le cas dune mthode de Newton,
pour une fonction g donne, il existe une constante strictement positive C donne telle que :
n N, [u
n+1
[ C[u
n
[
2
.
Cette ingalit traduit le fait que la suite (u
n
)
nN
aura tendance se rapprocher rapidement de
sa limite. On parle alors de convergence quadratique ou dordre 2.
38 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
titre dexemple, on peut choisir, si a > 0, f(x) = x
2
a. Alors g est dnie par : g(x) =
x
x
2
a
2x
=
1
2
_
x +
a
x
_
. Alors, en choisissant convenablement lintervalle de dnition de f et
g not J, on obtient un algorithme pour calculer rapidement une bonne approximation de

a.
On utilise donc la suite :
_
u
0
= J
u
n+1
=
1
2
_
u
n
+
a
un
_
.
Remarque : cet algorithme de calcul dune approximation de racine est historiquement d
Hron dAlexandrie (1
er
sicle aprs JC), bien que dj connu des babylonnien quelques sicles
auparavant.
Le thorme de Cauchy-linaire pour les quations direntielles.
Je vais redonner dans cette partie un rsultat classique sur les systmes direntiels qui sera bien
davantage exploit dans le chapitre qui suit. Je me contente donc, dans un premier temps, de
dmontrer un rsultat thorique dexistence et dunicit qui utilise le thorme du point xe. Par
la suite, nous nous intresserons plus particulirement la rsolution de systmes direntiels.
Voici lnonc du thorme :
Thorme 2.5. Thorme de Cauchy-Linaire.
Soit I = [a, b], o a < b, un intervalle de R. Soit (o), un systme direntiel dordre n, cest
dire une quation direntielle de la forme :
(o)
_
Y

= AY +B
Y (t
0
) = Y
0
R
n
, avec t
0
I.
o A et B sont des fonctions dnies sur I telles que :
A : I /
n
(R) est continue. (A est donc une matrice carre de taille n.)
B : I R
n
est continue. (B est donc un vecteur colonne.)
Alors, (o) possde une solution unique Y R
n
, de classe (
1
sur I.
Remarque : si les notions dAlgbre Linaire dont on fait mention dans ce thorme ne sont
pas limpides, allez urgemment les rviser. Des rappels sont fournis dans la deuxime partie de
cet ouvrage. Mme remarque pour les applications de classe (
1
sur un intervalle.
Dmonstration. Remarquons immdiatement que si le systme ci-dessus possde une solution,
alors cette solution est ncessairement de classe (
1
sur I, puisque A et B sont continues sur I (ce
qui implique directement que Y

est encore continue sur I). Une intgration membre membre


de chaque ligne du systme (o) ci-dessus fournit immdiatement :
t I, Y (t) = Y
0
+
_
t
t
0
[A(s)Y (s) +B(s)]ds.
Nous avons dmontr prcdemment que lespace ((I, R) est complet. Les mmes arguments
que ceux que nous avions alors utiliss servent dmontrer que ((I, R
n
) est complet, pour
n entier naturel quelconque. On admet de plus que lon peut normer cet espace vectoriel en
considrant lapplication : |.|

: ((I, R
n
) R
+
Y = (Y
i
)
1in
max
1in
|Y
i
|

. On admet encore, mais


2.2. NOTION DE COMPLTUDE DANS UN ESPACE VECTORIEL NORM 39
ce rsultat est trs classique et simple dmontrer que lespace ((I, /
n
(R) des matrices car-
res dont les coecients sont des applications continues est un espace vectoriel norm com-
plet (cest encore la mme dmonstration que prcdemment), normable par lapplication N :
((I, /
n
(R)) R
+
A = (a
i,j
)
i,j
max
i,j
|a
i,j
|

(ce que nous tudierons en n de chapitre). Considrons


prsent lapplication dnie par :
: ((I, R
n
) ((I, R
n
)
Y (Y )
, o (Y ) : I R
n
t Y
0
+
_
t
t
0
[A(s)Y (s) +B(s)]ds.
Soient Y et Z, deux lments de ((I, R
n
). On a, en utilisant le fait que N est une norme et des
proprits ultra classiques sur les intgrales :
| ((Y ) (Z)) |

=
_
_
_
_
__
t
t
0
A(s)[Y (s) Z(s)]ds
__
_
_
_

N (A) |Y Z|

_
t
t
0
ds

= N (A) |Y Z|

[t t
0
[
Or, si Y et Z sont des lments de ((I, R
n
), alors (Y ) et (Z) le sont encore (((I, R
n
) est
stable par ). Par consquent, une rcurrence immdiate permet de dmontrer lingalit :
(Y, Z) ((I, R
n
)
2
, n N | (
n
(Y )
n
(Z)) |


N
n
(A) [t t
0
[
n
n!
|Y Z|

.
Dans lingalit ci-dessus, on a not :
n
= ... (n fois).
Or, la suite
_
N
n
(A) [t t
0
[
n
n!
|Y Z|

_
nN
tant convergente de limite nulle, on en dduit
lexistence de N N tel que N > N implique que la fonction
n
est contractante. Lapplication
du thorme du point xe prouve donc que la fonction
n
admet un unique point xe Y , cest
dire tel que :
n
(Y ) = Y . Or, si nous composons cette galit par la fonction , on obtient

n+1
(Y ) = (
n
(Y )) = (Y ) =
n
((Y )), et par unicit du point xe de
n
, on en dduit que
(Y ) = Y .
Le thorme de Cauchy-Linaire est donc dmontr.
Voici un exemple concret. Si x, y, z et t sont des fonctions de classe (
1
(R), on considre le
systme direntiel :
_

_
x

= x + y
y

= y + z
z

= z + t
t

= t
Daprs le thorme de Cauchy-linaire, le systme ci-dessus admet une solution unique.
Exercice : trouver la solution de ce systme, laide de calculs lmentaires et de rsolu-
tions dquations direntielles.
40 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
2.3 Compacit dans un espace vectoriel norm
2.3.1 Gnralits
Dnition 2.14. Soit (E, N), un espace vectoriel norm.
Une partie X de E est dite compacte si de toute suite dlments de X, on peut extraire une
sous-suite convergente dans X.
Exemple : considrons lespace norm R, muni de la norme usuelle [.[. Soit- [a, b], o a < b, un
intervalle de R. Alors [a, b] est un compact de R. En eet, soit (u
n
)
nN
, une suite dlments
de [a, b]. Alors, en vertu de la proprit de Bolzano-Weierstrass, (u
n
)
nN
tant borne, on peut
extraire de (u
n
)
nN
une sous-suite convergente dans [a, b].
Contre-exemple : (R, [.[) nest pas compact. En eet, considrons la suite (u
n
)
nN
d-
nie par u
n
= n. u
n
est croissante non majore, donc on ne peut pas extraire de (u
n
)
nN
une
sous-suite convergente dans R. En eet, toute suite extraite de (u
n
)
nN
serait non borne donc
non convergente.
La proprit qui suit est fondamentale. Elle donne des proprits gnrales des compacts. Elle
sera prcise dans le cas o lon considre un espace vectoriel norm de dimension nie, ce qui
simpliera grandement notre tude.
Proprit 2.18. Soit (E, N), un espace vectoriel norm, et X, un compact de E.
Alors, X est une partie ferme et borne de E
Dmonstration. On va dmontrer sparment ces deux proprits.
(i) X est borne : raisonnons par labsurde et supposons donc X non borne. Traduisons ma-
thmatiquement cette assertion. Si X tait borne, on aurait : N > 0 : x X, N(x) M.
Donc, dans notre cas, on a : N > 0, x X : N(x) M. Alors, en choisissant succesivement
pour valeurs de M 1, 2, 3, ..., on construit donc une suite (x
n
)
nN
dlments de X telle
que : n N, N(x
n
) n. Mais, puisque X est compacte, il existe une application stricte-
ment croissante de N dans N, note , telle que (x
(n)
)
nN
converge dans X vers un certain
X. Mais ceci est absurde, car lim
n+
N(x
n
) = +, et par ingalit triangulaire, on a :
[N(x
n
) N()[ N(x
n
)
n+
0. On en dduit que X est ncessairement borne.
(ii) X est ferme : on va utiliser la caractrisation squentielle des ferms. Si (x
n
)
nN
est une
suite de points de X convergeant vers E, alors, par compacit de X, on peut extraire de
(x
n
)
nN
une sous-suite (x
(n)
)
nN
convergente dans X. Par unicit de la limite de (x
n
)
nN
,
la limite de (x
(n)
)
nN
est ncessairement . On en dduit que X, autrement dit, X est
ferme.
Remarque 1 : attention ! La rciproque de cette proprit nest pas toujours vraie. savoir,
un compact de E est toujours ferm et born, mais un ferm born nest pas ncessairement
compact. En dimension nie, on a lquivalence entre ces deux notions.
Remarque 2 : un espace vectoriel norm (E, N) nest jamais compact. En eet, E nest pas
born...
Proprit 2.19. Soit (E, N), un espace vectoriel norm, et X, un compact de E.
Si Y est une partie ferme de X, alors Y est compacte.
2.3. COMPACIT DANS UN ESPACE VECTORIEL NORM 41
Dmonstration. Cest immdiat. En eet, soit (y
n
)
nN
, une suite dlments de Y . Alors, puisque
Y X et que X est compact, on peut extraire de Y une sous-suite convergente dans X. Mais,
puisque Y est ferm, toute suite convergente dlments de Y converge dans Y . On a donc
dmontr que, de toute suite dlments de Y , on peut extraire une sous-suite convergente.
Passons prsent des caractrisations concrtes de compacts. Il existe des cas dans lesquels on
sait trs bien montrer quun ensemble est compact. Par exemple lorsquil peut scrire comme
produit cartsien de compacts, o lorsque (on la dj voqu) on sest plac dans un espace
vectoriel norm de dimension nie.
Thorme 2.6. Soient X et Y , deux parties compactes respectivement incluses dans les espaces
vectoriels norms (E, N
1
) et (F, N
2
).
Alors, X Y est compact.
Remarque : dans les conditions rappeles dans le thorme ci-dessus, on dit que X Y est
compact dans lespace vectoriel EF, muni de la norme induite N dnie pour x X et y Y
par : N(x, y) = N
1
(x) +N
2
(y).
Dmonstration. Soit (u
n
)
nN
, une suite de X Y . Alors, n N, u
n
= (x
n
, y
n
), o x
n
X et
y
n
Y . Puisque X est compact, il existe une application : N N, strictement croissante, telle
que (x
(n)
)
nN
est convergente, de limite dans X, x. De mme, Y tant compact, on en dduit
lexistence dune application strictement croissante : N N telle que (y
(n)
)
nN
converge
vers y Y . Toute suite extraite dune suite convergente tant convergente, on en dduit que
u
n
= (x
n
, y
n
)
n+
(x, y) X Y , autrement dit, X Y est compact.
Remarque 1 : une rcurrence immdiate associe au thorme que lon vient de dmontrer
permettent de prouver que si X
1
, ..., X
n
dsignent n compacts de E, alors le produit cartsien
n

k=1
X
i
est encore compact.
Remarque 2 : intrt de la remarque prcdente... Si lon souhaite dmontrer par exemple
que la partie
n

k=1
[a
k
, b
k
] de R
n
muni de la norme euclidienne usuelle, constitue une partie com-
pacte de R
n
(a
k
< b
k
, k 1, ..., n, il nous sut de dmontrer que [a, b] R est compact et
le tour est jou, en vertu du thorme prcdent. Cest ce que lon va faire prsent.
Proprit 2.20. Compacts en dimension nie.
(i) Les parties compactes de R sont les parties fermes bornes non vide.
(ii) Les parties compactes de R
n
, o n est un entier sont les parties fermes bornes non vides.
(iii) Les parties compactes de C
n
, o n est un entier sont les parties fermes bornes de C
n
.
Dmonstration. On va dmontrer ces assertions. Compte tenu de ce que lon a fait jusqu pr-
sent, cest assez lmentaire. En eet, on a dj montr que si X est un compact, alors X est
ferm born. Supposons donc, rciproquement, que X est une partie ferme borne dans R. X
tant borne, il est ais de voir que X [a, b], o a et b sont deux rels tels que a < b. Or, [a, b]
est compact, on la dj vu et X tant ferme dans un compact est une partie compacte de R.
Pour la deuxime assertion, on utilise exactement la mme ide. En eet, on sait dj que si X
est un compact de R
n
, alors X est ncessairement ferm et born. Et si lon suppose rciproque-
ment que X est ferm born dans R
n
, alors il existe (a
k
)
k{1,...,n}
et (b
k
)
k{1,...,n}
, deux suites
42 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
telles que k 1, ..., n, a
k
< b
k
et X
n

k=1
[a
k
, b
k
]. Or, on a dj vu que
n

k=1
[a
k
, b
k
] est un
produit de compacts et est donc compact dans R
n
, et puisque X est ferm dans un compact, X
est lui-mme compact.
Enn, on dmontre trs facilement la troisime assertion puisque C
n
est isomorphe R
2n
, en
appliquant la deuxime assertion.
Remarque : le rsultat nonc dans la remarque prcdente peut encore tre gnralis : si I
dsigne une famille dindices quelconques et (X
i
)
iI
, une famille de compacts, alors le produit

iI
X
i
est encore compact. Il sagit du thorme de Tychonov.
La proprit qui suit fait le lien entre les espaces complets, que nous avons dj tudis et
les espaces compacts.
Proprit 2.21. Soit (E, N), un espace vectoriel norm et X, une partie compacte de E.
Alors, X est ncessairement une partie complte de E.
Dmonstration. Soit (u
n
)
nN
, une suite de Cauchy de X. X tant compact, (u
n
)
nN
admet une
valeur dadhrence u

X. Il existe donc une application strictement croissante : N N


telle que u
(n)
dans X

n+
u

. r, n N, (n) n. Ainsi, puisque (u


n
)
nN
est de Cauchy, xons
> 0, et on a alors : N N : N(u
n
u
(n)
) <

2
. De plus, puisque (u
(n)
)
nN
est convergente,
il existe un rang N
1
N tel que : n N
1
= N(u
(n)
u

) <

2
. On en dduit que n
max(N
1
, N) = N(u
n
u

) < N(u
n
u
(n)
) + N(u
(n)
u

) < 2.

2
= , ce qui prouve que
(u
n
)
nN
converge et donc X est complet.
2.3.2 Lien entre applications continues et uniformment continues
Dans cette partie, je commence par donner quelques rsultats sur les images de compacts par
des applications continues et sur le lien entre des applications continues sur un compact et des
applications uniformment continues sur un compact (thorme de Heine).
Thorme 2.7. Soient (E, N) et (F, |.|), deux espaces vectoriels norms, et f : E F, une
application continue sur E. Soit X E, une partie compacte de E.
Alors f(X) est une partie compacte de F.
Dmonstration. Soit (v
n
)
nN
, une suite de f(X). Il existe donc (u
n
)
nN
telle que n N, v
n
=
f(u
n
). (u
n
)
nN
est une suite dlments dun compact, donc (u
n
)
nN
admet une valeur dadh-
rence u

(i.e. il existe : N N, strictement croissante, telle que u


(n)
dans X

n+
u

). Puis,
f tant continue, on en dduit que f(u
(n)
)
dans F

n+
f(u

) f(X). Ceci montre que (v


n
)
nN
admet une valeur dadhrence, donc f(X) est compact.
Corollaire 2.1. Soit X, un compact non vide de E et f, une application continue sur X et
valeurs relles.
Alors, f est borne et atteint ses bornes.
Dmonstration. On sait que f(X) est compact daprs le thorme prcdent. Il est donc born,
ce qui justie que f est borne.
2.3. COMPACIT DANS UN ESPACE VECTORIEL NORM 43
De plus f atteint ses bornes car f(X) est ferm. En eet, cela a pour consquence que inf
xX
f(x)
f(X) et sup
xX
f(x) f(X).
Utilisation de ce thorme en Optimisation : dans ce domaine, on souhaite en gnral
minimiser des fonctions ou fonctionnelles. On sintresse souvent aux fonctions dites coercives,
cest--dire aux fonctions f : R
n
R telles que lim
x
R
n+
f(x) = +, pour la raison suivante :
on peut dmontrer aisment que, si lon souhaite trouver le minimum de f sur une partie ferme
F R
n
, alors il est ais de dmontrer que f est minore et quelle atteint sa borne infrieure. En
eet, si a F, tant donn que f est coercive, il existe R > 0 tel que x > R = f(x) > f(a).
Ainsi, il est donc parfaitement clair que : inf
xF
f(x) = inf
xB
f
(0,R)F
f(x). Or, puisque F est ferm
et que B
f
(0, R) est compact (car ferm born dans un espace de dimension nie), on en dduit
que B
f
(0, R) F est encore compact et on est ramen dmonter lexistence dun minimum de
f sur un compact. Daprs le thorme prcdent, cest immdiat. Nous tudierons en exercice
lexemple de la minimisation dune fonctionnelle f dnie par une relation du type :
f(x) =
1
2
< Ax, x > < b, x >, x R
n
.
A dsigne une matrice symtrique dnie positive et b, un vecteur de R
n
.
Le thorme qui suit est le clbre thorme de Heine. Une dmonstration complte de ce tho-
rme sera propose en TD. Jen donnerai ici une autre, un peu dirente.
Thorme 2.8. Thorme de Heine.
Soient (E, N) et (F, |.|), deux espaces vectoriels norms, et f : E F, une application
continue sur X E. Supposons de plus que X est compact.
Alors, f est uniformment continue sur X.
Dmonstration. Raisonnons par labsurde et supposons f non uniformment continue sur X.
Alors, > 0 : > 0, (x, y) X
2
: N(x y) < et |f(x) f(y)| > . On peut donc
construire, en faisant successivement prendre les valeurs 1,
1
2
,
1
3
, ...
1
n
, une suite (x
n
, y
n
)
nN
,
dlments de X
2
telle que N(x
n
y
n
) <
1
n
et |f(x
n
) f(y
n
)| . Or, un produit de compacts
tant compact, on en dduit que X
2
est encore compact. Ainsi, la suite (x
n
, y
n
)
nN
possde une
valeur dadhrence. Il existe donc : N N, strictement croissante, telle que (x
(n)
, y
(n)
)
nN
converge vers un lment de X
2
not (x

, y

), autrement dit x
(n)
dans X

n+
x

et y
(n)
dans X

n+
y

. Enn, puisque N
_
x
(n)
y
(n)
_
<
1
(n)

n+
0, on en dduit que x

= y

. f tant
continue, on a bien entendu, par caractrisation squentielle de la continuit, f(x
(n)
)
dans F

n+
f(x

) et f(y
(n)
)
dans F

n+
f(y

) = f(x

). Un passage la limite dans lingalit vrie pour


tout n N : |f(x
(n)
) f(y
(n)
)| conduit lingalit 0 , ce qui est absurde.
Donc, f est uniformment continue sur X.
Application du thorme de Heine : les sommes de Riemann.
Le thorme suivant est une consquence directe du thorme de Heine. Il sagit ici dun rsultat
de limites qui permet, notamment dapprocher des intgrales de fonctions continues laide de
sommes.
44 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
Thorme 2.9. Sommes de Riemann.
Soient a et b, deux rels tels que a < b. On appelle subdivision de ce segment toute suite nie
a
0
= a < a
1
< ... < a
n1
< a
n
= b. On appelle pas de cette subdivision et on note , le
nombre : := max
1in
(a
i+1
a
i
). On dnit de plus les sommes S
m
et S
M
, appeles Sommes de
Darboux par :
S
m
:=
n

i=1
(x
i
x
i1
) inf
[x
i1
,x
i
]
f() et S
M
:=
n

i=1
(x
i
x
i1
) sup
[x
i1
,x
i
]
f().
Alors, on a :
S
m

_
b
a
f(t)dt S
M
et lim
0
(S
m
) = lim
0
(S
M
) =
_
b
a
f(t)dt.
En particulier, soit n N

. On peut dmontrer que si : i 1, ..., n, x


i
= a + i
b a
n
(on dit
alors que la subdivision est rgulire car i 1, ..., n 1, x
i+1
x
i
=
ba
n
), on a :
lim
n+
b a
n
n

i=1
f
_
a +k
b a
n
_
=
_
b
a
f(t)dt.
La dmonstration de ce rsultat est propose en exercice. Des exemples seront alors donns.
2.3.3 Notion de densit et approximations uniformes
Pour conclure cette partie, nous allons nous intresser de plus prs lespace fonctionnel ((X, Y ),
o X est une partie de E et Y , une partie de F. Nous allons voir que sous certaines conditions, il
est possible de donner des proprits fort intressantes des lments de cet espace. Commenons
par le rsultat caractrisatique suivant.
Proprit 2.22. Soit X une partie compacte dun espace vectoriel norm (E, N) et Y , une
partie dun espace vectoriel norm (F, |.|). Considrons lapplication |.|

dnie par :
|.|

: ((X, Y ) R
f sup
xX
|f(x)|
.
Alors, (((X, Y ), |.|

) est un espace vectoriel norm et |.|

sappelle la norme de la conver-


gence uniforme.
De plus, si Y est un espace complet, alors (((X, Y ), |.|

) est un espace complet.


Le rsultat qui suit est un rsultat de densit. Pour mieux le comprendre, commenons par tu-
dier un petit exemple de convergence uniforme qui sincrit comme une application du thorme
que nous allons noncer.
Un exemple de convergence uniforme : la fonction x sin x est un lment de (([0, 1])
par exemple. Puisque [0, 1] est un compact de R, les rsultats classiques sur les sries enires
nous permettent dcrire que :
x [0, 1], sinx =
+

k=0
(1)
k
x
2k+1
(2k + 1)!
.
2.3. COMPACIT DANS UN ESPACE VECTORIEL NORM 45
Plus prcisment, appelons f
n
, la fonction dnie sur [0, 1] par : f
n
(x) =
n

k=0
(1)
k
x
2k+1
(2k + 1)!
.
La suite de fonctions (f
n
)
n0
converge uniformment vers la fonction sinus sur lintervalle
[0, 1]. Il sagit l dun rsultat bien plus puissant que celui traduit par la limite crite ci-dessus.
Autrement dit, on a, en appelant f la fonction sinus dnie sur [0, 1] :
|f
n
f|

:= sup
x[0,1]
[f
n
(x) f(x)[
n+
0.
Il est clair que cela implique en particulier la convergence dite simple de la suite de fonctions
(f
n
)
nN
, autrement dit, la premire limite crite ci-dessus, que nous pouvons encore traduire
par : x [0, 1], lim
n
(f
n
(x)) = f(x).
Vers une gnralisation : le thorme de Bernstein va nous permettre dintroduire avec pr-
cision le thorme de Weierstrass, qui constitue lobjectif de ce paragraphe. En eet, il permet
dexprimer toute fonction continue sur [0, 1] comme la limite uniforme dune suite de polynmes
(appels dailleurs polynmes de Bernstein).
Thorme 2.10. Thorme de Bernstein.
Soit f, une fonction continue sur le segment [0, 1], et (B
n
)
n0
, la suite de fonctions polynmes
dnis pour tout entier naturel n par :
B
n
(x) :=
n

k=0
_
n
k
_
f
_
k
n
_
x
k
(1 x)
nk
.
Alors, la suite B
n
converge uniformment vers f, cest--dire que : |B
n
f|


n+
0.
Remarque 1 : ce thorme est fort intressant dirents points de vue. En eet, il ne se
contente pas dnoncer un rsultat thorique dapproximation uniforme dune fonction continue
laide de polynmes, mais il construit cette suite de polynmes.
Remarque 2 : dans lnonc de ce thorme, nous avons choisi x [0, 1], mais si nous consid-
rons prsent une fonction f continue sur un intervalle [a, b] quelconque, avec a < b, il est tout
fait vident que le rsultat nonc ci-dessus se gnralise de telles fonctions. En eet, il sut
de considrer la bijection ane : x [0, 1] a +t(b a) [a, b]. Cest la raison pour laquelle
la dmonstration ci-dessous sera faite en considrant des fonctions continues sur [0, 1].
Dmonstration. f est continue sur un segment, donc [f[ est borne par une constante que lon
note M > 0. De plus, daprs le thorme de Heine, f est uniformment continue sur [0, 1]. Soit
donc > 0. Il existe donc > 0 tel que k 0, ..., n,

x
k
n

< =

f(x) f
_
k
n
_

<

2
.
Utilisons alors lidentit : x [0, 1], 1 =
n

k=0
_
n
k
_
x
k
(1 x)
nk
, qui rsulte du binme de
Newton. On peut alors crire pour x [0, 1] et n entier naturel non nul que :
[f(x)B
n
(x)[

k:[x
k
n
[<

f(x) f
_
k
n
_

x
k
(1x)
nk
+

k:[x
k
n
[

f(x) f
_
k
n
_

x
k
(1x)
nk
.
Appelons alors :
S
1
:=

k:[x
k
n
[<

f(x) f
_
k
n
_

x
k
(1 x)
nk
.
46 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
S
2
:=

k:[x
k
n
[

f(x) f
_
k
n
_

x
k
(1 x)
nk
.
On rgle assez rapidement le cas de S
1
, en utilisant luniforme continuit de f associe une
formule du binme :
S
1


2
n

k=0
x
k
(1 x)
nk
=

2
.
prsent, en utilisant la majoration de f, on obtient pour la seconde somme :
S
2
2M

k:[x
k
n
[
x
k
(1 x)
nk

2M

k:[x
k
n
[
_
x
k
n
_
2
x
k
(1 x)
nk
.
En dveloppant le carr ci-dessus et en rarrangeant les termes laide par exemple du binme
de Newton, on prouve aisment que :
S
2

2M

2
_
x(1 x)
n
x
2
_

2M
4n
2

n+
0.
Il sut alors de choisir n susamment grand, ou plus prsicment n N
0
:= E(
M

) + 1 et il
sensuit alors que :
n N : n N
0
= x [0, 1], [f(x) B
n
(x)[ 2.

2
= .
Cela dmontre la convergence uniforme de la suite de polynmes (B
n
)
nN
vers la fonction continue
f.
Terminons cette section en onant deux thormes dapproximation uniforme : les thormes de
Weierstrass et Weierstrass-Trigonomtrique.
Thorme 2.11. Thorme de Weierstrass.
Soit X, une partie compacte de R.
Lensemble des fonctions polnmiales est dense dans ((X, R).
Il sagit l plus ou moins dune gnralisation du thorme de Bernstein que nous venons dnon-
cer.
Thorme 2.12. Thorme de Weierstrass-Trigonomtrique.
Un polynme trigonomtrique a pour expression :
P
n
=
n

k=0
[a
k
cos(kx) +b
k
sin(kx)].
Dans lexpression ci-dessus, (a
k
)
k0
et (b
k
)
k0
sont deux sites numriques.
Toute fonction continue sur R, 2-priodique, est limite uniforme dune suite de polynmes
trigonomtriques.
Remarque : la dmonstration du thorme de Weierstrass Trigonomtrique est propose en
exercice.
On fera le lien entre le thorme de Weierstrass trigonomtrique et la thorie des sries de Fourier.
2.3. COMPACIT DANS UN ESPACE VECTORIEL NORM 47
Je redonne ici quelques lments assez rudimentaires pour bien comprendre la porte du thorme
de Weierstrass. Des explications plus compltes ur cette notion seront fournies dans le chapitre 3.
Cadre et notations : considrons une fonction f : R R, 2-priodique et localement
intgrable. On dnit alors les coecients de Fourier de f par :
a
n
(f) =
1

_
2
0
f(t) cos(nt)dt et b
n
(f) =
1

_
2
0
f(t) sin(nt)dt.
On appelle alors srie de Fourier associe f, la srie trigonomtrique :
S(f)(x) =
a
0
(f)
2
+
+

n=1
[a
n
(f) cos(nx) +b
n
(f) sin(nx)].
On a (notamment) le rsultat dapproximation uniforme suivant :
Thorme 2.13. Soit f : R R, une fonction continue, 2-priodique et (
1
par morceaux.
Alors, la srie de Fourier de f converge uniformment vers f sur R.
Exemple : on note, comme notre habitude |.|

, la norme de la convergence uniforme sur


R. En dveloppant f

: x cos(x) en srie de Fourier, on dmontre que lon a |f


f
N,

N+
0, o lon a not f
N,
, la fonction dnie pour N N par : f
N,
(x) =
sin(x)

+
N

n=1
(1)
n
2sin()
(
2
n
2
)
cos(nx). Il sagit bien-sr dun exemple de convergence uniforme. En parti-
culier, la convergence simple est vrie, autrement dit :
x R, cos(x) =
sin(x)

+
+

n=1
(1)
n
2sin()
(
2
n
2
)
cos(nx).
2.3.4 Proprit de Borel-Lebesgue et recouvrements
Jintroduis dans ce paragraphe un autre point de vue sur la compacit. Il rejoint bien-sr le
prcdent, mais son originalit rside dans le fait quil peut tre tendu pour dboucher sur une
thorie abstraite plus gnrale que celle que jai prsente jusqu maintenant. En eet, avec
cette nouvelle dnition, il nest plus ncessaire que lespace soit muni dune distance et encore
moins dune norme.
Commenons par dnir la notion de recouvrement dune partie.
Dnition 2.15. Recouvrement.
Soit X une partie (ventuellement de dimension innie), dun espace vectoriel norm, et soit
(U
i
)
iI
, une famille de parties de cet ensemble.
On dit que (U
i
)
iI
est un recouvrement de X lorsque :
_
iI
U
i
= X.
De plus, si I est une partie dindices nie (i.e. card(J) < +), on dit que (U
i
)
iI
est un
recouvrement ni.
Enn, si J I et si
_
iJ
U
i
= X, on dira que (U
i
)
iJ
est un sous recouvrement de X.
48 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
On a alors la caractrisation suivante de la notion de compacit :
Thorme 2.14. Proprit de Borel-Lebesgue.
Pour quun espace X muni dune norme soit compact, il est ncessaire et il sut quil vrie la
proprit : Pour tout recouvrement de X par des ouverts (O
i
)
iI
, il existe J I tel que J est
ni et (O
i
)
iJ
recouvre X. .
Un cas particulier, la prcompacit :
Dnition 2.16. Un espace mtrique X est dit prcompact si, et seulement si pour tout r > 0,
il existe une partie nie Y X telle que :
X =
_
yY
B(y, r).
Enn, on va dmontrer le thorme suivant, qui caractrise la compacit au sein dun espace
mtrique.
Thorme 2.15. Un espace norm est prcompact si, et seulement sil est prcompact et complet.
Pour vous entraner, je propose lexercice ultra dtaill suivant, qui dmontre le thorme qui
vient dtre nonc. Je nen ferai donc pas la correction.
Exercice : compacit et prcompacit
Soit E, un espace vectoriel norm muni dune norme N.
1. Soit X, un espace compact. On a dj vu que X est complet. On va dmontrer dans cette
question que X est prcompact. Soit > 0 et soit x, un lment de X. On dit que x est
un point isol sil existe un voisinage 1 de x dans X tel que 1 X = x. On admet que
toute partie de X qui a tous ses points isols est une partie nie.
(a) Construire, par rcurrence une suite (x
n
)
n0
dlments de X tels que : x
n
X
n1
_
k=1
B(x
k
, ).
On partira du principe que, sil existe n
0
N tel que X
n
0
_
k=1
B(x
k
, ), on arrte la
construction x
n
0
ce qui garantit le rsultat que lon souhaite dmontrer.
(b) Dmontrer trs simplement que tous les points de lensemble x
k
, k N

sont isols.
(c) Conclure.
2. Supposons ici que X est prcompact et complet. Soit (u
n
)
nN
, une suite dlments de
X prenant un nombre inni de valeurs (autrement, cette suite admettrait clairement une
valeur dadhrence et le rsultat serait dmontr).
(a) Dmontrer quil existe N N et une suite (x
n
)
nN
dlments de X tels que X =
N
_
n=1
B(x
n
, 1).
(b) Dmontrer quil existe m 1, ..., n et
0
, une application strictement croissante de
N dans N tels que n N, u

0
(n)
B(x
m
, 1). On pose alors x
m
= a
0
.
(c) En procdant par rcurrence, dmontrer que pour tout entier naturel p, on peut
construire une suite (u

1
...p(n)
)
nN
et une boule B(a
p
,
1
2
p
) telles que :
n N, u

1
...p(n)

p

k=0
B(a
k
,
1
2
k
).
2.4. CONNEXIT DANS LES ESPACES VECTORIELS NORMS 49
(d) En dduire quil existe : N N, strictement croissante, telle que : (p, q) N :
p q, N(u
(p)
u
(q)
) <
1
2
p1
.
(e) Conclure.
2.4 Connexit dans les espaces vectoriels norms
2.4.1 Connexit par arcs
Dnition 2.17. Notion de chemin.
Soit (E, N), un espace vectoriel norm. On appelle chemin dans E toute application continue
: [0, 1] E. On dit alors que le chemin joint (0) (1).
Exemple : considrons lespace E = R
2
muni de la norme euclidienne. Lapplication : t
(cos t, sin t) est un chemin qui joint (1, 0) (1, 0).
Dnition 2.18. Connexit par arcs.
Soit E, un espace vectoriel norm. X E est dit connexe par arcs si tute couple de points de
X est reli par un chemin qui reste dans X, cest--dire que t [0, 1] = (t) X.
Exemple : notion de convexe. Cette notion sera prsente plus en dtail dans le chapitre qui suit.
Dnition 2.19. Ensemble convexe.
On dit que C E est convexe si :
t [0, 1], (a, b) C
2
, ta + (1 t)b C.
Un convexe est connexe par arcs.
En particulier, une boule ouverte est ferme est convexe donc connexe par arcs. Dmontrons-le
dans le cas dune boule ouverte. Considrons donc E, un espace vectoriel muni dune norme N.
Soient x E et r > 0.
(y, z) B(x, r), t [0, 1], N(ty + (1 t)z x) = N (t(y x) + (1 t)(z x))
< tN(y x) + (1 t)N(z x) < t + (1 t) = 1.
Exemple 2 : R
2
(0, 0) est connexe par arcs.
Thorme 2.16. Soient E
1
, ..., E
p
, p espaces vectoriels munis de normes N
1
, ..., N
p
. Soit
E = E
1
... E
p
.
Si pour tout i 1, ..., p?, A
i
est connexe par arcs dans (E
i
, N
i
), alors A = A
1
... A
p
est
connexe par arcs dans E.
Dmonstration. Soit a = (a
1
, ..., a
p
) A et b = (b
1
, ..., b
p
) A. Pour tout i 1, ..., p, il existe

i
: [0, 1] A
i
, continue, telle que
i
([0, 1]) = A
i
, telle que
i
(a
i
) = b
i
.
Considrons lapplication :
: [0, 1] A
t (
1
(t), ...,
p
(t)) .
Il est alors vident que :
50 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
est continue car ses composantes le sont.
est un chemin. ([0, 1]) A.
On a (0) = (a
1
, ..., a
p
) = a et (1) = (b
1
, ..., b
p
) = b, donc joint a b en restant dans A.
Thorme 2.17. Soient E et F, deux espaces vectoriels norms. Soit f : E F, une appli-
cation continue, et soit A, connexe par arcs dans E.
Alors, f(A) est connexe par arcs dans F.
Dmonstration. Soit a

f(A) et b

f(A). Alors, il existe a et b, deux lments de A tels que


a

= f(a) et b

= f(b). Il existe , une application continue de [0, 1] dans A, telle que (0) = a et
(1) = b. Posons alors = f . On a : : [0, 1] f(A), et est tel que (0) = a

, (1) = b

,
et est continue comme compose dapplications continues. Donc est un chemin joignant a

et b

dans f(A).
Intressons-nous prsent aux parties connexes par arcs de R. On a la proprit :
Proprit 2.23. X est une partie de R connexe par arcs si, et seulement si X est un intervalle,
ou encore si, et seulement si X est convexe.
Dmonstration. Il est trivial de remarquer que X est un intervalle si, et seulement si X est
convexe (proprit des convexes), ce qui implique que X est connexe par arcs. Reste dmontrer
la rciproque. Supposons X connexe par arcs. Soit (a, b) X
2
. Il existe : [0, 1] A, un
chemin joignant a b dans X, tel que (0) = a et (b) = 1. Or, ([0, 1]) = [m, M], o m et M
sont deux rels tels que m < M, daprs une proprit bien connue des fonctions continues sur un
intervalle de R. On a donc [m, M] A. On a a [m, M] et b [m, M], donc [a, b] [m, M] X.
On en dduit que ncessairement, X est un intervalle de R (proprit des intervalles de R).
2.4.2 Introduction aux espaces connexes
Dans cette partie, nous tendons la notion de connexit par arcs, introduite dans le paragraphe
prcdent. Ce paragraphe na pas lambition dtre exhaustif. Il ne sagit l que dune introduction
la notion de connexit et des nombreuses proprits des espaces connexes ne seront pas cites ici.
Cadre de notre tude : comme notre habitude, plaons-nous dans un espace vectoriel
norm (E, N). Soit X E. Souvenons-nous que par dnition, un ouvert de X se dnit comme
lintersection de X et dun ouvert de E. Il en est de mme pour les ferms. Dans ce cadre, on
parle parfois douverts et de ferms relatifs.
Dnition 2.20. Notion de connexit dans un E.V.N.
Une partie X de E est dite connexe sil nexiste pas de partition de X en deux ouverts (relatifs)
non vides.
Il existe deux autres dnitions quivalentes de cette notion. Nous avons dj dmontr que E
et sont la fois ouverts et ferms. En termes douverts et de ferms relatifs (dans X), X et
sont la fois ouverts et ferms galement. On a la proprit :
Proprit 2.24. X E est connexe si, et seulement si lune ou lautre des propositions suivantes
est vrie :
2.4. CONNEXIT DANS LES ESPACES VECTORIELS NORMS 51
(i) Il nexiste pas de partition de X en deux ferms (relatifs) non vides.
(ii) Les seuls ensembles la fois ouverts et ferms de X sont X lui-mme et lensemble vide.
Remarque : intuitivement, on peut interprter les connexes de la faon suivante : un ensemble
est connexe sil est en seul morceau . Par exemple, R

nest pas connexe (il est en deux


morceaux : R

+
et R

). Un cas particulier de la connexit et plus prcisment de la connexit


par arcs est le thorme des valeurs intermdiaires que je redonne ici pour information :
Thorme 2.18. Thorme des valeurs intermdiaires.
Soit f une fonction de R dans R, continue sur un intervalle I.
Alors pour tous rels a et b de I, pour tout rel k compris entre f(a) et f(b), il existe au moins
un rel c compris entre a et b tel que f(c) = k.
La proprit qui suit va nous permettre de faire le lien entre les ensembles connexes et connexes
par arcs.
Proprit 2.25. Soit X E. Si X est connexe par arcs, alors X est connexe.
Dmonstration. Raisonnons par labsurde et supposons X connexe par arcs mais non connexe.
Il existerait donc deux ouverts O
1
et O
2
tels que X = O
1
O
2
, avec O
1
O
2
= et pour tout
i 1, 2, O
i
,= et O
i
,= X. Lide ici est dutiliser la caractrisation des ensembles connexes
par arcs laide de la continuit. Appelons f, la fonction caractristique de louvert O
1
, cest
dire la fonction dnie par :
f(x) =
_
1 si x O
1
0 si x O
2
.
Soit prsent U, un ouvert de R. Montrons que f est continue. En eet, distinguons plusieurs
cas :
Si 0 U et si 1 / U, f
1
(U) = O
2
, qui est ouvert.
Si 1 U et si 0 / U, f
1
(U) = O
1
, qui est ouvert.
Si 0, 1 U, f
1
(U) = X, qui est ouvert (relatif).
Si 0, 1 / U, f
1
(U) = , qui est ouvert (relatif).
Finalement, on retrouve ici la caractrisation de la continuit laide des images rciproques.
On en dduit que f est une application continue. Or, daprs la dnition de la connexit par
arcs tudie prcdemment, puisque X est connexe par arcs, alors f(X) est un connexe par arcs
de R, autrement dit un intervalle. Or, f(X) = 0, 1, ce qui est absurde. La proprit est donc
dmontre.
Remarque : rappelons que la notation f
1
(0) ne signie en rien que f est bijective. Nous
lavons dj introduite dans la section 2.1.3.
Dans le cas de R, on a lquivalence suivante :
Thorme 2.19. Dans R, les ensembles connexes par arcs sont exactement les ensembles connexes,
autrement dit, ce sont exactement les intervalles de R.
Nous dmontrerons ce thorme en exercice.
52 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
2.5 Applications linaires et continuit
2.5.1 Cas des applications linaires
Dans cette partie, nous nous intressons lespace des fonctions linaires continues. Nous allons
chercher normer cet espace, puis le caractriser. Dans toute cette partie, (E, N) et (F, |.|)
dsigneront deux espaces vectoriels norms sur un corps K. On dsigne par :
L(E, F), lensemble des applications linaires de E dans F.
L(E, F), lensemble des applications linaires continues de E dans F.
Objectif de cette partie : nous allons normer lespace des applications linaires continues,
donner des proprits de cet espace puistenter de caractriser cet espace en dimension nie.
Nous montrerons en particulier quen dimension nie, on a : L(E, F) = L(E, F).
On rappelle la dnition suivante :
Dnition 2.21. Soient E et F, deux espaces vectoriels.
Une application f de E dans F est dite linaire si :
(i) (x, y) E
2
, f(x +y) = f(x) +f(y) ;
(ii) a R, x E, f(ax) = af(x).
Le thorme qui suit va fournir une rponse partielle aux questions que nous nous posions.
Thorme 2.20. Soit u L(E, F). Alors, les propositions suivantes sont quivalentes :
(i) u est continue sur E.
(ii) u est continue en 0
E
.
(iii) u est borne sur B := B
f
(0
E
, 1).
(iv) u est borne sur o := x E : N(x) = 1 (sphre unit).
(v) Il existe k R
+
tel que x E, |u(x)| kN(x).
(vi) u est uniformment continue sur E.
Dmonstration. Dmontrons ces proprits dans lordre :
(i) = (ii) est trivial.
(ii) =(iii) : Par dnition de la continuit de u en 0
E
(en choisissant = 1 dans la dnition
de la continuit), on obtient lexistence de > 0 tel que N(x0
E
) < = |u(x)u(0
E
)| < 1.
Soit prsent y B. On a donc N(y) 1, et par consquent, N
_

2
y
_


2
< et on en
dduit que
_
_
_
_
u
_

2
y
_
_
_
_
_
< 1, autrement dit : y B, |u(y)| <
2

.
(iii) = (iv) est trivial, car o B.
(iv) =(v) : u est borne sur o, cest--dire quil existe k > 0 tel que x o, |u(x)| k. Si
x ,= 0
E
, on a
x
N(x)
o. On en dduit que
_
_
_
_
u
_
x
N(x)
__
_
_
_
k, et puisque u est linaire, on
en dduit que x E, |u(x)| kN(x), ce quon voulait dmontrer.
(v) = (vi) : cest clair. En eet, si x et y sont deux lments de E, alors |u(x y)|
kN(x y), donc u est Lipschitzienne, donc uniformment continue.
(vi) =(i) est trivial. Cest donc ni.
Le thorme suivant va nous permettre dintroduire une dnition de la norme dune application
linaire continue (que nous appellerons triple norme). De plus, nous dmontrerons prochainement
2.5. APPLICATIONS LINAIRES ET CONTINUIT 53
que, en dimension nie, toutes les applications linaires sont ncessairement continues. Mais tant
que cela nest pas tabli, je continuerai utiliser lensemble des applications linaires continues
plutt que lensemble des applications linaires.
Thorme 2.21. Soit u L(E, F). Supposons de plus que u est continue. Posons :
N
1
:= sup
xE\{0
E
}
_
|u(x)|
N(x)
_
.
N
2
:= sup
xS
(|u(x)|).
N
3
:= sup
xB
(|u(x)|).
N
4
:= infk R

+
: x E, |u(x)| kN(x).
Alors, on a : N
1
= N
2
= N
3
= N
4
.
Dmonstration. On procde en tablissant des ingalits :
N
2
N
1
: par dnition du suprmum, pour tout x ,= 0
E
, on a :
|u(x)|
N(x)
N
1
. Donc, si x o,
on en dduit immdiatement que |u(x)| N
1
donc N
2
N
1
.
N
1
N
2
: en eet,
x
N(x)
o donc
_
|u(x)|
N(x)
, x E0
E
_
|u(x)|, x o. Un passage au
sup fournit lingalit souhaite.
N
2
N
3
: en eet, cela vient du fait que o B.
N
3
N
4
: Si x o, alors |u(x)| N
4
do lingalit.
N
2
N
4
: on utilise le mme raisonnement que ci-dessus.
N
4
N
2
: x E0
E
, on a :
_
_
_
_
u
_
x
N(x)
__
_
_
_
N
2
. On en dduit que x E, |u(x)|
N
2
N(x). On en dduit que N
4
N
2
.
Ce thorme tant tabli, il est possible de norme lespace L(E, F). Cest lobjet de la dnition
qui suit.
Dnition 2.22. Si u est une application linaire continue de E dans F, on pose :
u := N
1
= N
2
= N
3
= N
4
.
. sappelle la triple norme ou norme subordonne la norme de E et F. On a en particulier :
x E, |u(x)| u .|x|.
La consquence directe de cette dnition est nonce dans le thorme qui suit :
Thorme 2.22.
(i) L(E, F) est un sous-espace vectoriel de L(E, F).
(ii) Lapplication L(E, F) R
u u
est une norme sur L(E, F).
Dmonstration. (i) et (ii) vont tre dmontrs simultanment. L(E, F) ,= car lapplication
identiquement nulle est continue. De plus, il est bien vident que si est un scalaire et u un
lment de L(E, F), alors .u est encore un lment de L(E, F). Il nous reste donc dmontrer
que si u L(E, F) et v L(E, F), alors u + v L(E, F). Soit x B, la boule unit ferme de
E. Alors, |u(x) + v(x)| |u(x)| + |v(x)|. Or, |u(x)| u et |v(x)| v. On en dduit
54 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
donc que |u(x) + v(x)| u + v, ce qui montre que v + v L(E, F) (proprit nonce
prcdemment). Un passage la borne suprieure, pour x B dmontre donc que :
u +v u + v .
Les autres proprits sur cette norme tant aises vrier, je laisse ce soin au lecteur.
Thorme 2.23. Soient E, F et G, trois espaces vectoriels norms, u L(E, F) et v L(F, G).
Alors, v u L(E, G) et v u v . u.
Dmonstration. Il est clair que v u est linaire (si cela nest pas totalement clair pour vous,
nhsitez pas le redmontrer rapidement...). De plus, soit x E. Alors, |vu(x)| = |v[u(x)]|
v |u(x)| v . u .|x|. Une division par |x|, puis un passage au suprmum prouvent
que v u est bien continue et que v u v . u.
Quelques exemples :
Exemple 1 : on considre (([0, ]), lespace des fonctions f continues sur [0, ] valeurs
relles . Si f (([0, ]), il est tout fait clair que les intgrales
_

0
[f(x)[dx et
_

0
[f(x)]
2
dx
existent et sont nies. On peut normer (([0, ]) par la norme |.|
1
dnie pour f (([0, ])
par : |f|
1
=
_

0
[f(x)[dx < +, ou encore par la norme |.|
2
dnie pour f (([0, ]) par :
|f|
2
=
__

0
[f(x)]
2
dx
_
2
. Je vous laisse le soin de que ces applications dnissent des normes.
Soit a
0
, une fonction continue sur [0, ]. Considrons alors lapplication dnie par :
: ((([0, ]), |.|
2
) ((([0, ]), |.|
1
)
f a
0
f
Alors, est linaire et continue. Il est vident que est une appllication linaire. En eet,
si est un rel et f et g, deux fonctions de (([0, ]), on vrie trs facilement que lon a :
(f + .g) = (f) + .(g). Reste prouver que est continue. On va le dmontrer, puis
tenter de calculer . Mais au pralable, il faut montrer que lapplication est bien dnie,
autrement dit, que si lon choisit f (([0, ]), alors, (f) (([0, ]). Cest immdiat, car un
produit de fonctions continues est continu.
Prouvons prsent que lapplication est continue. Soit f (([0, ]). Posons g := (f). On
a, en utilisant lingalit de Cauchy-Schwarz :
|(f)|
1
:=
_

0
[g(x)[dx =
_

0
[a
0
(x)f(x)[dx
__

0
a
2
0
(x)dx
_1
2
__

0
f
2
(x)dx
_1
2
= |a
0
|
2
.|f|
2
.
Cela prouve donc que est continue en 0
C([0,])
donc sur (([0, ]) tout entier daprs le thorme
2.20. De plus, on obtient galement linformation suivante : |a
0
|
2
. On va dmontrer
quen fait, cette ingalit est une galit. En eet, il sut de supposer que f est la fonction a
0
(cas dgalit dans lingalit de Cauchy-Schwarz). Alors, |(f)|
1
= |a
0
|
2
2
et on en dduit (par
dnition de la borne suprieure) que |a
0
|
2
. Finalement, on a donc : = |a
0
|
2
.
2.5. APPLICATIONS LINAIRES ET CONTINUIT 55
Exemple 2 : on appelle R[X] lespace des polynmes coecients rels. On munit cet espace
de la norme |.| dnie pour P R[X], scrivant sous la forme P =
deg P

n=0
a
n
X
n
, par : |P| :=
sup
n{0,...,deg P}
[a
n
[. Soit x
0
R, tel que [x
0
[ < 1. On appelle u lapplication (linaire, mais vous
de le vrier) dnie par :
u = (R[X], |.|) (R, [.[)
P P(x
0
)
.
On va dmontrer que u est continue et calculer sa norme subordonne. Soit P R[X], scrivant
sous la forme P =
deg P

n=0
a
n
X
n
. On sait que u(P) =
deg P

n=0
a
n
x
n
0
. On peut donc crire que :
[P(x
0
)[ |P|.
deg P

n=0
[x
0
[
n
= |P|.
1 [x
0
[
deg P+1
1 [x
0
[

|P|
1 [x
0
[
.
Cette ingalit nous prouve en particulier que u est continue. Nous allons prsent construire
une suite dlments de R[X] de norme 1, que nous allons tenter de faire converger vers u.
(caractrisation de la borne suprieure laide de suites) Choisissons pour tout entier n,
Q
n
:=

n
k=0

k
X
k
, o
k
dsigne le signe de x
k
0
. Il est clair que pour tout entier n, |Q
n
| = 1.
On a :
u(Q
n
) =
n

k=0
[x
0
[
k
=
1 [x
0
[
n+1
1 [x
0
[
.
On en dduit que pour tout entier naturel n, on a :
[u(Q
n
)[
|Q
n
|
u
1
1 [x
0
[
. Un passage
la limite dmontre donc que : u =
1
1 [x
0
[
.
Exemple 3 : rutilisons les hypothses prcdentes, mais imposons cette fois que [x
0
[ = 1.
Alors, pour le mme choix de polynmes (Q
n
)
nN
que prcdemment, on a : u(Q
n
) = 1 + 1 +
... +1 = n+1. Donc, le rapport
[u(Q
n
)[
|Q
n
|
est non born, et par consquent, u nest pas continue.
prsent que lespace L(E, F) est norm, on est en droit de se demander si cet espace est
complet. Le thorme qui suit rpond cette question.
Thorme 2.24. Si F est un K-espace vectoriel norm complet, alors L(E, F) est galement un
espace vectoriel norm complet.
Dmonstration. Soit (f
n
)
nN
, une suite de Cauchy dlments de L(E, F). Soit x, un lment
quelconque x de E. On a donc :
(p, q) N
2
, |f
p
(x) f
q
(x)| f
p
f
q
.N(x).
On dduit de cette ingalit que la suite (f
n
(x))
nN
est de Cauchy dans F qui est complet ; par
consquent, cette suite est convergente dans F. Notons f(x), sa limite. Il nous faut vrier que
la suite (f
n
)
nN
converge bien vers f au sens de . et que f est linaire et continue. (autrement
dit que f est bien un lment de L(E, F)).
On sait que (f
n
)
nN
est une suite de Cauchy. Soit > 0. Il existe donc N N tel que : q > p
N =f
p
f
q
. En particulier, pour x E, cela implique que : |f
p
(x)f
q
(x)| N(x).
Faisons alors tendre q vers +. On obtient que |f
p
(x) f(x)| N(x), autrement dit que
f
p
f , donc (f
n
)
nN
converge vers f dans L(E, F).
56 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
La linarit dcoule simplement dun passage la limite, en crivant que : n N, (, )
K
2
, (x, y) E
2
, f
n
(.x +.y) = f
n
(x) +.f
n
(y).
Pour la continuit, on peut procder de plein de faons. Puisque (f
n
)
nN
est une suite de
Cauchy, elle est borne dans L(E, F). Un passage la limite prouve alors que f est galement
borne dans L(E, F), autrement dit que f est continue.
Conclusion : L(E, F) est complet.
2.5.2 Applications linaires en dimension nie
Dans ce paragraphe, nous allons appliquer les rsultats prcdents la dimension nie. Mais au
pralable, compltons les informations que nous possdons dj dans ce domaine. Souvenons-nous
quen dimension nie, toutes les normes sont quivalentes.
Thorme 2.25. Si E est un K-espace vectoriel de dimension nie, alors : X E est compacte,
si et seulement si X est ferme et borne.
Dmonstration. On suppose que E est de dimension n. Puisque toutes les normes sont quiva-
lentes, on munit E de la norme N dnie pour tout x = (x
1
, ..., x
n
) E par |x| = sup
i{1,...,n}
[x
i
[.
On a dj dmontr prcdemment que si X est compacte, alors X est ncessairement ferme et
borne.
Supposons donc que X dsigne une partie ferme et borne de E. Nous allons dmontrer que X
est compacte. Appelons lapplication dnie par : : K
n
E
(x
1
, ..., x
n
)
n

i=1
x
i
e
i
, o (e
i
)
1in
dsigne une base de E. On munit K
n
de la norme |.|

usuelle, dnie dans le chapitre prc-


dent. est donc linaire et isomtrique, cest--dire que x E, N ((x)) = |x|

. tant
isomtrique est donc continue et bijective. (X) est ferme car est continue. De plus
1
(X)
est borne car est isomtrique. On en dduit que
1
(X) est un compact de K
n
. Puisque
est continue, on en dduit que X = [
1
(X)] est un compact de X.
Thorme 2.26. Soit F, un espace vectoriel de dimension nie. Alors, F est complet.
Plus gnralement, tout sous-espace vectoriel F, de dimension nie dans un espace vectoriel E
de dimension quelconque est complet.
Dmonstration. Pour le dmontrer, on rutilise lapplication introduite prcdemment. Il ets
ais de dmontrer que est continue, que
1
lest aussi. Et puisque K
n
est complet et que
E = (K
n
), on en dduit que E est complet, daprs le thorme 2.3.
Venons-en au thorme principal de cette section.
Thorme 2.27. Soient E et F, deux espaces vectoriels norms, avec E de dimension nie.
Alors L(E, F) = L(E, F), autrement dit, toute application linaire dans E de dimension nie
est continue.
Dmonstration. Soit |.|, une norme de F et N, une norme de E. Soit B = (e
i
)
1in
, une base
de E. Appelons u, une application linaire de E dans F. On va montrer que u est continue.
2.5. APPLICATIONS LINAIRES ET CONTINUIT 57
Tout lment x de E scrit donc : x =
n

i=1
x
i
e
i
, et |u(x)| =
_
_
_
_
_
n

i=1
x
i
u(e
i
)
_
_
_
_
_

i=1
[x
i
[|u(e
i
)|.
Prenons alors N(x) = sup
1in
[x
i
[, dans E. On a :
|u(x)| N(x)
n

i=1
|u(e
i
)|. k.N(x), o k est une constante.
On retrouve ici la condition de continuit : u est continue.
Remarque : la norme subordonne dnit galement une norme matricielle, puisque toute
application linaire peut tre repre par sa matrice en dimension nie. Si u L(E, F), avec E
de dimension n et F de dimension nie p, alors, en appelant M, la matrice de u dans une base
B donne, on a :
M = u = sup
xE\{0
E
}
_
|u(x)|
N(x)
_
= sup
XR
n
\{0
R
n}
_
|MX|
R
p
|X|
R
n
_
.
Exercice : Dmontrer que si f : (R
n
, |.|

) (R
n
, |.|

) est une application linaire dont


la matrice dans une base B donne est M = (a
ij
)
1in
1jn
, alors :
M = max
1in
n

j=1
[a
ij
[.
2.5.3 Cas des applications multilinaires
Procdons au pralable quelques rappels. On introduit ici la notion de forme multilinaire.
Dans tout ce paragraphe, E dsignera un K-espace vectoriel de dimension nie.
Dnition 2.23. Forme multilinaire ou forme p-linaire.
Soit f : E
p
K. On dit que f est une forme p-linaire si, et seulement si pour tous
(x
1
, ..., x
p
) E
p
, lapplication x f(x
1
, ..., x
i1
, x, x
i+1
, ..., x
p
) est linaire de E dans K.
On note alors L
p
(E, K) lensemble des formes p-linaires de E
p
dans K.
Exemple : dans R
n
, considrons lapplication :
: R
n
R
x = (x
1
, ..., x
n
) x
1
x
2
...x
n
=
n

k=1
x
i
.
est une application n-linaire.
Remarque 1 : il faut veiller ne pas confondre L
p
(E, K) avec L(E
p
, K), lensemble des appli-
cations linaires de E
p
valeurs dans K.
Remarque 2 : lespace L
p
(E, K) consitue un K-espace vectoriel.
58 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
Cadre de notre tude : considrons E = E
1
E
2
... E
p
, avec p 2, un espace vec-
toriel scrivant comme le produit cartsien de n espaces vectoriels. On munit chaque espace
vectoriel E
i
dune norme |.|
E
i
et E de la norme |.|
E
dnie pour x = (x
1
, ..., x
p
) E par :
|x|
E
= sup
i{1,...,p}
|x
i
|
E
i
.
F dsignera un autre espace vectoriel muni dune norme |.|
F
.
Notation : appelons B, la boule unit de E. Il est ais de vrier que B = B
1
B
2
... B
n
,
o B
i
dsigne a boule unit de E
i
, avec i 1, ..., p. On appelle o, la sphre unit de E.
Nous allons prsent noncer un thorme qui ressemble fort au rsultat que nous avons nonc
prcdemment, relatif aux applications linaires continues. Il sagit dailleurs dune gnralisation
du thorme prcdent.
Thorme 2.28. Soit u, une application p-linaire de E dans F. Alors, les conditions suivantes
sont quivalentes :
(i) u est continue sur E.
(ii) u est continue en 0
E
.
(iii) u est borne sur B.
(iv) k > 0 : x E, |u(x)|
F
k|x
1
|
E
1
... |x
p
|
Ep
, avec x = (x
1
, ..., x
p
).
Dmonstration. Les techniques utilises prcdemment sont peu prs les mmes :
(i) = (ii) est trivial.
(ii) =(iii) : On sait que u(0
E
) = 0
F
. Fixons-nous = 1 dans la dnition de la continuit de
u en 0
E
. On obtient donc quil existe > 0 tel que |x|
E
< = |u(x)|
F
< 1.Si y ,= 0
E
, tel
que y B, alors il est clair que
_
_
_
_

2
.y
_
_
_
_
E
< . On en dduit immdiatement que |u(y)|
F
<

2
,
autrement dit (iii) est vrie.
(iii) = (iv), car o B.
(iv) = (v) : supposons lexistence de k > 0 tel que : x o, |u(x)|
F
k. Soit x =
(x
1
, ..., x
p
) E. Si au moins une coordonne x
i
de x vaut 0
E
i
, alors u(x) = 0. Sinon, posons
y =
_
x
1
|x
1
|
E
1
, ...,
x
1
|x
p
|
Ep
_
. Il est clair que y o. traduisons donc le fait que |u(y)|
F
k.
Cela scrit encore :
_
_
_
_
u
_
x
1
|x
1
|
E
1
, ...,
x
1
|x
p
|
Ep
__
_
_
_
k.
Il sut juste dutiliser la multilinarit de u pour obtenir qualors : |u(x)|
F
k|x
1
|
E
1
...
|x
p
|
Ep
, et cest ce que lon souhaitait prouver.
(v) = (i) : la preuve tant un peu technique, je fais la preuve dans le cas o p = 2, ce
qui me permettra dallger les notations. Soit (a
1
, a
2
) E
1
E
2
= E. crivons que (x, y)
E
1
E
2
, u(x, y)u(a
1
, a
2
) = u(xa
1
, y)+u(a
1
, ya
2
). Par consquent, |u(x, y)u(a
1
, a
2
)|
F

k|x a
1
|
E
1
|y|
E
2
+ k|a
1
|
E
1
|y a
2
|
E
2
. On se place alors dans la boule de centre (a
1
, a
2
) et
de rayon 1 (on sintresse ici dmontrer localement la continuit de u). Par consquent,
|y a
2
| 1 = |y| |a
2
| + 1, par ingalit triangulaire. Cela signie donc que :
|u(x, y) u(a
1
, a
2
)|
F
k(|a
2
|
E
2
+ 1)|x a
1
|
E
1
+k|a
1
|
E
1
.|y a
2
|
E
2
.
Or, daprs la norme choisie sur E, on en dduit que :
|u(x, y) u(a
1
, a
2
)|
F
|(x, y) (a
1
, a
2
)|
E
, avec = max(|a
1
|
E
1
, |a
2
|
E
2
+ 1).
Ceci prouve que u est localement lipschitzienne donc continue.
2.5. APPLICATIONS LINAIRES ET CONTINUIT 59
Remarque : les applications multilinaires continues ne sont pas a priori uniformment conti-
nues ; cependant, si (u
n
)
nN
est une suite de Cauchy de E, alors (f(u
n
))
nN
est une suite de
Cauchy de F.
Proprit 2.26. Notons L(E
1
, ..., E
p
, F), lespace des applications multilinaires de E
1
... E
p
dans F. Cet espace est un espace vectoriel norm dont la norme est donne par :
u L(E
1
, ..., E
p
, F), u := sup
x
i
E
i
|u(x
1
, ..., x
p
)|
F
|x
1
|
E
1
... |x
p
|
Ep
.
La dmonstration ressemble beaucoup celle du cas des applications linaires continues. Je la
laisse au lecteur.
Exemples :
Si E est un K-espace vectoriel, alors lapplication KE E
(, x) .x
. En eet, on utilise la
condition (v), car |.x| = [[.|x|.
De la mme faon, soit u, un endomorphisme continu de E, cest- dire u L(E, E) =: L(E).
Lapplication E L(E) E
(x, u) u(x)
est bien-sr bilinaire et continue, car : (x, u) E
L(E), |u(x)|
E
u .|x|
E
. On utilise encore ici la condition (v).
Soit un espace euclidien E, cest--dire un espace muni dun produit scalaire not < ., . >. Le
produit scalaire est une forme bilinaire continue en vertu de lingalit de Cauchy-Schwarz :
(x, y) E
2
, [ < x, y > [ |x|
E
.|y|
E
.
Plus gnralement, et de faon analogue au cas des applications linaires continues, on a le
thorme :
Thorme 2.29. Soit u : E := E
1
... E
p
F, une application p-linaire.
Supposons que E est un espace de dimension nie. Alors, u est une application continue.
Cest trs simple dmontrer car lide de preuve sinspire largement des dmonstrations prc-
dentes. Il est prfrable de la faire dans le cas o p = 2, toujours dans le but dallger au maximum
les notations, ce qui permet dtendre ensuite cette dmonstration au cas p quelconque.
Supposons que F est norm par la norme |.|. Supposons que dimE
1
= r et dimE
2
= s, et que
E
1
et E
2
sont norms par les application N
1
et N
2
respectivement dnies par : N
1
(x
1
, ..., x
r
) =
sup
1ir
[x
i
[ et N
2
(y
1
, ..., y
s
) = sup
1js
[y
j
[. On appelle alors (e
1
, ..., e
r
), une base de E
1
et (f
1
, ..., f
s
),
une base de E
2
.
Soit x E. Alors x scrit sous la forme x =
_
r

i=1

i
.e
i
,
s

i=1

j
.f
j
_
. Il sensuit que u(x) =
r

i=1
s

j=1

j
u(e
i
, f
j
). On a alors :
|u(x)|
r

i=1
s

j=1
[
i

j
[|u(e
i
, f
j
)| N
1
(x
1
)N
2
(x
2
)
r

i=1
s

j=1
|u(e
i
, f
j
)|.
En posant =
r

i=1
s

j=1
|u(e
i
, f
j
)|, on a :
x E, |u(x)| N
1
(x
1
)N
2
(x
2
).
60 CHAPITRE 2. SUITES ET CONTINUIT DANS UN E.V.N.
On retrouve la caractrisation de la continuit dune application linaire. u est donc continue.
Chapitre 3
Introduction lAnalyse Fonctionnelle
3.1 Espaces prhilbertiens rels et complexes
Remarque sur les notations : dans toute cette partie, on munira les espaces condidrs de
produits. Ces produits seront indiremment nots < ., . > ou (., .).
3.1.1 Espaces euclidiens et prhilbertiens rels
Dnition 3.1. Espaces euclidien et prhilbertien rel.
Soit E, un R-espace vectoriel de dimension nie. Si E est muni dun produit scalaire < ., . >,
on dit que E est un espace euclidien.
Dans le cas o E est un R-espace vectoriel de dimension quelconque, muni dun produit scalaire
< ., . >, on dit que E est un espace prhilbertien rel.
Remarque 1 : un espace euclidien est en particulier prhilbertien rel.
Remarque 2 : dans un espace prhilbertien rel, lingalit de Cauchy-Schwarz est ralise.
Si E est muni dune norme N,
(x, y) E
2
, [ < x, y > [ N(x)N(y).
Rappel important : tout espace vectoriel norm E muni dun produit scalaire peut tre norm
par la norme dite induite, note |.| et dnie par : x E, |x| =

< x, x >.
Je ne redonne pas ici les rsultats relatifs aux espaces euclidiens, que le lecteur pourra ais-
ment trouver dans des ouvrages dAlgbre linaire.
Remarque 3 : si E est un espace prhilbertien rel, complet, on dit que E est un espace
de Hilbert. Nous ltudierons ultrieurement.
Je donne prsent quelques exemples despaces prhilbertiens rels :
Soit [a, b], un intervalle de R. On appelle (([a, b], R), lespace des fonctions continues sur le
segment [a, b]. On peut munir (([a, b], R) du produit scalaire < ., . > dni par :
(f, g) (([a, b], R), < f, g >=
_
b
a
f(t)g(t)dt.
61
62 CHAPITRE 3. INTRODUCTION LANALYSE FONCTIONNELLE
(([a, b], R) est donc un espace prhilbertien rel.
On dsigne par
2
(R) lespace dni par :
2
(R) :=
_
(u
n
)
nN
R
N
:
+

n=0
u
2
n
< +
_
. On peut
munir
2
(R) du produit scalaire < ., . > dni par :
(u, v)
_

2
(R)
_
2
, < u, v >=
+

n=0
u
n
v
n
.

2
(R) est donc un espace prhilbertien rel. On remarque, en utilisant lingalit n N, [u
n
v
n
[
1
2
(u
2
n
+v
2
n
) que le produit scalaire est toujours dni.
On dsigne par LC
2
(I, R), lespace des fonctions continues de carr intgrable, cest--dire
f LC
2
(I, R),
_
I
f
2
(t)dt < +. Cet espace est muni du produit scalaire < ., . > dni
par :
(f, g)
_
LC
2
(I, R)
_
2
, < f, g >=
_
I
f(t)g(t)dt.
3.1.2 Espaces prhilbertiens complexes
Dans ce paragraphe, E dsignera un C-espace vectoriel.
Dnition 3.2.
(i) Forme sesquilinaire : une forme sesquilinaire sur E est une application de E
2
dans C,
note < ., . >, semi-linaire gauche et linaire droite, cest--dire :
(x, y, z) E
3
, (, ) C
2
, < x +y, z > = . < x, z > +. < y, z >
et < x, .y +.z > = < x, y > + < x, z > .
(ii) Forme hermitienne : une forme sesquilinaire < ., . > sur un C-espace vectoriel est dite
hermitienne ou symtrie hermitienne lorsque :
(x, y) E
2
, < x, y >= < y, x >.
(iii) Espace prhilbertien complexe : un espace prhilbertien complexe est un espace muni
dun produit hermitien.
(iv) Espace hermitien : on appelle espace hermitien un espace prhilbertien complexe de di-
mension nie.
(v) Norme induite : la norme induite par le produit hermitien, note |.| est dnie par :
x E, |x| =

< x, x >.
Remarque : un espace prhilbertien rel est en particulier un espace prhilbertien complexe.
crivons et dmontrons lingalit de Cauchy-Schwarz dans un espace prhilbertien complexe
(ou hermitien).
Proprit 3.1. Ingalit de Cauchy-Schwarz.
Soit E, un espace prhilbertien complexe muni dun produit hermitien < ., >. On note |.|, la
norme induite associe. Alors,
(x, y) E
2
, [ < x, y > [ |x|.|y|.
Cette ingalit est une galit si, et seulement si x et y sont lis, cest--dire sil existe C tel
que x = .y.
3.1. ESPACES PRHILBERTIENS RELS ET COMPLEXES 63
Dmonstration. Soient x et y, deux lments de E. On appelle P, le polynme dni pour C
par : P() = |x +y|
2
. P et un polynme de degr 2. De plus, C, P( 0. Or,
P() = |x|
2
+ < y, x > + < x, y > +[[
2
|y|
2
.
Dsignons par , un argument du nombre complexe < x, y >, avec la convention [0, 2[.
Choisissons alors = .e
i
, o dcrit R tout entier. Lgalit prcdente devient donc :
P() = |x|
2
+ 2[ < x, x > [ +
2
|y|
2
.
P est donc un polynme en . La n de la dmonstration ressemble fortement au cas du produit
scalaire. En eet, P tant positif de degr 2, son discriminant est ncessairement positif. Cela
scrit exactement :
(x, y) E
2
, [ < x, y > [ |x|.|y|.
Le cas dgalit est obtenu en traitant le cas = 0. Supposons y ,= 0 (autrement, cest trivial).
Le trinme du second degr P possde donc une racine double

, et donc x =

e
i
y, ce qui
dmontre la proposition.
Quelques exemples despaces prhilbertiens complexes :
Soit [a, b], un intervalle de R. On appelle (([a, b], C), lespace des fonctions continues sur le
segment [a, b]. On peut munir (([a, b], C) du produit hermitien < ., . > dni par :
(f, g) (([a, b], C), < f, g >=
_
b
a
f(t)g(t)dt.
(([a, b], R) est donc un espace prhilbertien complexe.
On dsigne par
2
(C) lespace dni par :
2
(C) :=
_
(u
n
)
nN
C
N
:
+

n=0
[u
n
[
2
< +
_
. On
peut munir
2
(R) du produit hermitien < ., . > dni par :
(u, v)
_

2
(C)
_
2
, < u, v >=
+

n=0
u
n
v
n
.

2
(R) est donc un espace prhilbertien complexe.
Enn, on nonce prsent une galit remarquable dans les espaces prhilbertiens. Cette galit
sappelle lgalit du paralllogramme.
Proprit 3.2. galit du paralllogramme.
Soit E, un espace prhilbertien complexe, , une forme hermitienne, et |.|, la norme associe
dans cet espace. Alors,
(x, y) E
2
, |x +y|
2
+|x y|
2
= 2|x|
2
+ 2|y|
2
.
Dmonstration. Il sut de remarquer que :
(x, y) E
2
, |x+y|
2
= |x|
2
+|y|
2
+2'e ((x, y)) tandis que |xy|
2
= |x|
2
+|y|
2
2'e ((x, y)) .
De cette galit, on dduit immdiatement le :
64 CHAPITRE 3. INTRODUCTION LANALYSE FONCTIONNELLE
Thorme 3.1. Thorme de la mdiane. Soit E, un espace prhilbertien complexe, , une forme
sesquilinaire, et , la forme hermitienne associe dans cet espace. Alors,
(x, y) E
2
, |x|
2
+|y|
2
= 2
_
_
_
_
x +y
2
_
_
_
_
2
+
1
2
|x y|
2
.
Dmonstration. Il sut dappliquer lgalit du paralllogramme x +y et x y.
Mentionnons enn ce thorme clbre en Gomtrie : le thorme de Pythagore, qui sapplique
dans un espace prhilbertien.
Thorme 3.2. Thorme de Pythagore.
Soit E, un espace prhilbertien complexe, , une forme sesquilinaire, et , la forme hermitienne
associe dans cet espace. Soient x
1
, ..., x
n
, n lments de E orthogonaux deux deux, cest
dire tels que : (i, j) 1, ..., n : i ,= j, (x
i
, x
j
) = 0. Alors,

_
n

k=1
x
k
_
=
n

k=1
(x
k
).
3.1.3 Comment rendre des bases orthonormes ?
3.1.3.1 Le procd dorthonormalisation de Gram-Schmidt
Le thorme que nous nonons prsent est valable dans les espaces prhilbertiens dune faon
gnrale. Il est important de bien en cerner la preuve. En eet, on y trouve un rsultat dexistence
dune base orthonorme, dont la preuve nous fournit la construction.
Thorme 3.3. Procd dorthonormalisation de Gram-Schmidt.
Soit E, un espace prhilbertien rel ou complexe muni dun produit not ici pour des raisons
de commodit dcriture < ., . >. Soit (x
i
)
i{1,...,n}
, une famille libre de vecteurs de E. Alors, il
existe une famille orthonorme (y
i
)
i{1,...,n}
telle que :
k 1, ..., n, vect(x
1
, ..., x
k
) = vect(y
1
, ..., y
k
).
Dmonstration. Comme je lavais annonc prcdemment, la dmonstration sappuie sur la construc-
tion de la base (y
i
)
i{1,...,n}
; on dit que cest une dmonstration algorithmique. Nous allons proc-
der par rcurrence. Nous allons passer par une base intermdiaire que nous noterons (z
i
)
i{1,...,n}
.
On initialise : posons z
1
= x
1
.
Posons alors z
2
= x
2
+ .z
1
. On veut que < z
2
, z
1
>= 0, ce qui quivaut encore < x
2
, x
1
>
+.|x
1
|
2
. Choisissons donc =
< x
2
, x
1
>
|x
1
|
2
, ce qui assure que < z
2
, z
1
>= 0. De plus, on a
construit z
2
tel que vect(z
1
, z
2
) = vect(x
1
, x
2
), et il est clair que z
2
,= 0
E
.
Caractre hrditaire : supposons construite (z
1
, ..., z
k
), deux deux orthogonaux, tels que
vect(z
1
, ..., z
i
) = vect(x
1
, ..., x
i
), pour tout i 1, ..., k. Posons alors z
k+1
= x
k+1
+

k
i=1

i
z
i
.
Soit i 1, ..., k. On souhaite que la relation < z
k+1
, z
i
>= 0 soit vrie. Cela scrit encore :
0 =< x
k+1
, z
i
> +
i
|z
i
|
2
, et donc
i
=
< x
k+1
, z
i
>
|z
i
|
2
. Les vecteurs (z
1
, ..., z
k+1
) sont donc
deux deux orthogonaux par construction. De plus, si z
k+1
= 0, alors x
k+1
=
k

i=1

i
z
i

vect(z
1
, ..., z
k
) = vect(x
1
, ..., x
k
), ce qui est contraire aux hypothses, donc z
k+1
,= 0. De plus,
3.1. ESPACES PRHILBERTIENS RELS ET COMPLEXES 65
on a z
k+1
= x
k+1
+
k

i=1

i
z
i
.. On en dduit que vect(z
1
, ..., z
k+1
) = vect(x
1
, ..., x
k+1
). Normons
prsent la famille (z
i
)
i{1,...,n}
, en posant :
i 1, ..., n, y
i
=
z
i
|z
i
|
.
La famille (y
i
)
i{1,...,n}
satisfait alors aux conditions de lnonc.
Prsentation algorithmique du procd de Gram-Schmidt : attention, je donne ici une
prsentation algorithmique des rsultats prcdents, mais uniquement pour obtenir une base
orthogonale, et non orthonorme. Autrement dit, dans lalgorithme, la normalisation nale des
vecteurs obtenus dans la dernire tape de la preuve napparaitra pas.
On considre (x
i
)
i{1,...,n}
, une famille libre de vecteurs de E.
On dnit la suite (z
i
)
i{1,...,n}
de la faon suivante :
z
1
= x
1
z
2
= x
2

< z
1
, x
2
>
< z
1
, z
1
>
.z
1
z
3
= x
3

< z
1
, x
3
>
< z
1
, z
1
>
.z
1

< z
2
, x
3
>
< z
2
, z
2
>
.z
2
.
.
.
z
n
= x
n

< z
1
, x
n
>
< z
1
, z
1
>
.z
1

< z
2
, x
n
>
< z
2
, z
2
>
.z
2

< z
n1
, x
n
>
< z
n1
, z
n1
>
.z
n1
De plus, si on sarrange pour normer la famille (z
i
)
i{1,...,n}
, on obtient : i 1, ..., n, <
z
i
, z
i
>= |z
i
|
2
= 1.
Exemple : considrons lespace vectoriel R
3
muni de la norme euclidienne. Plutt que de choisir
la base canonique, on considre la famille T := (e
1
, e
2
, e
3
) telle que, dans la base canonique, on
ait :
e
1
=
_
_
0
0
1
_
_
, e
2
=
_
_
1
1
3
_
_
et e
3
=
_
_
1
0
2
_
_
.
Il est assez facile de vrier que T est une base de R
3
. En eet, on a :

1 1 0
0 1 0
2 3 1

= 1 et card(T) = 3.
On peut chercher construire la base B, associe T laide du procd dorthonormalisation
de Schmidt. Notons B = (e

1
, e

2
, e

3
).
Choisissons pour commencer e

1
= e
1
. e
1
est dj norm, ce qui nous facilite la tche.
Cherchons alors (sans se proccuper de la norme dans un premier temps), le vecteur e

2
sous
la forme .e

1
+ e
2
( une constante multiplicative prs). On note u = .e

1
+ e
2
. Il nous faut
dterminer . doit tre choisi pour que, en appelant < ., . > le produit scalaire usuel de R
3
,
66 CHAPITRE 3. INTRODUCTION LANALYSE FONCTIONNELLE
on ait : < u, e

1
>= 0, autrement dit, 3 + = 0, puis = 3. On en dduit que u =
_
_
1
1
0
_
_
.
On en dduit que e

2
=
1

2
_
_
1
1
0
_
_
.
Il nous reste trouver e

3
. Toujours en sinspirant de la dmonstration algorithmique prc-
dente, on se ramne trouver un vecteur v, sous la forme .e

1
+.e

2
+e
3
, o et sont des
constantes relles choisies pour que < v, e

1
>=< v, e

2
>= 0. La premire galit scrit encore

2
+ = 0, tandis que la seconde scrit +2 = 0. On en dduit que v =
1
2
_
_
1
1
0
_
_
, et ainsi,
e

3
=
1

2
_
_
1
1
0
_
_
.
Les composantes de la famille B = (e

1
, e

2
, e

3
) se dcomposent dans la base canonique sous la
forme :
e

1
=
_
_
0
0
1
_
_
, e

2
=
1

2
_
_
1
1
0
_
_
et e

3
=
1

2
_
_
1
1
0
_
_
.
Remarque : une application trs importante du procd dorthonormalisation de Schmidt
consiste dterminer une base despaces fonctionnels trs clbres que nous introduirons dans la
section suivante : les espaces L
p
, pour p [1, +].
3.1.3.2 Factorisation QR dune matrice inversible
An de nous rafrachir la mmoire et parce que cela na pas t fait jusqu maintenant, je
propose un algorithme mettant en uvre le procd dorthonormalisation de Gram-Schmidt.
3.1. ESPACES PRHILBERTIENS RELS ET COMPLEXES 67
Algorithme de Gram-Schmidt
On se donne une famille (x
i
)
i{1,...,n}
dlements, de E,
un espace prhilbertien rel muni dun produit scalaire
< ., . >.
On pose z
1
= x
1
, r
11
= |z
1
, puis q
1
=
z
1
r
11
.
Pour j = 1 n, faire :
Pour i = 1 j 1, faire :
r
ij
=< q
i
, x
j
> .
Cela termine la boucle sur i.
On pose alors :
z
j
= x
j

j1

i=1
r
ij
q
i
;
r
jj
= |z
j
| ;
q
j
=
z
j
r
jj
.
Cela termine la boucle sur j.
La famille (q
j
)
j{1,..,n}
est alors une famille orthonorme.
On suppose que tous les vecteurs (q
j
)
j{1,...,n}
sont des vecteurs colonnes. On appelle alors R et
Q, les matrices dnies par :
R = (r
ij
)
i{1,...,n}
j{1,...,n}
et Q = (q
1
, ..., q
n
).
La dmonstration mme du procd dorthonormalisation de Gram-Schmidt prouve, en suppo-
sant que tous les vecteurs (x
i
)
i{1,...,n}
sont des vecteurs colonnes, la factorisation de X suivante :
X = QR.
Remarque : il est bien vident que R, telle quelle a t dnie ci-dessus est une matrice
triangulaire suprieure, tandis que les colonnes de Q forment, par construction, une famille
orthogonale. Q est donc une matrice orthogonale.
Pour ceux qui auraient oubli la dnition dune matrice orthogonale, jen redonne la dnition,
sans trop mattarder sur cette notion. Si cela vous pose vraiment problme, je vous conseille de
vous rfrer un manuel dAlgbre linaire.
Dnition 3.3. Matrice orthogonale.
Une matrice carre A est dite orthogonale si elle vrie :
t
AA = I, o I dsigne la matrice
identit.
Lensemble des matrices orthogonales de taille n est not O(n).
Les matrices orthogonales bncient des proprits suivantes :
Proprit 3.3. Soit A, une matrice de O(n). Alors :
(i) Les vecteurs colonnes de A forment une base orthonorme de R
n
.
(ii) Les vecteurs lignes de A forment une base orthonorme de R
n
.
68 CHAPITRE 3. INTRODUCTION LANALYSE FONCTIONNELLE
(iii) On a ncessairement det A = 1.
(iv) A est la matrice dun changement de bases orthonormales.
(v) Soit X R
n
. Alors : |AX| = |X|.
Remarque : nous nous servirons de ces proprits sans les dmontrer car elles semblent un peu
loin de ce cours.
Nous sommes donc parvenus factoriser toute famille de vecteurs libres sous la forme QR,
o Q O(n) et R est une matrice triangulaire suprieure. Nous gnralisons ce rsultat grce
au thorme qui suit :
Thorme 3.4. Factorisation QR dune matrice.
Soit X, une matrice relle de taille nm, avec n m. Supposons de plus que X est de rang m.
Alors, il existe une matrice Q /
mn
(R) dont les vecteurs colonnes forment une famille or-
thonorme, et une matrice carre triangulaire suprieure R /
n
(R), telles que :
X = QR.
Remarque : cette factorisation est trs utilise en Analyse Numrique notamment, pour r-
soudre numriquement (cest dire par le biais de lInformatique) des systmes linaires de
grande taille ou encore pour calculer les valeurs propres de matrices de grande taille. Mais a
nest pas l lobjet de ce cours.
Donnons, titre anecdotique, un exemple de factorisation QR.
Exemple : on va rutiliser lexemple tudi prcdemment lorsque nous avons tent dappli-
quer le procd dorthonormalisation de Schmidt. Soit :
X =
_
_
0 1 1
0 1 0
1 3 2
_
_
.
En fait, avec les notations de lexemple prcdent, X = (e
1
, e
2
, e
3
). Nous avons dj fait tous les
calculs ncessaires pour conclure. Il sagit uniquement ici dune prsentation un peu dirente
du procd dorthonormalisation de Schmidt. On trouve :
X = QR, avec Q =
_
_
_
0

2
2

2
2
0

2
2

2
2
1 0 0
_
_
_
et R =
_
_
_
1 3 2
0

2
2
0 0

2
2
_
_
_
.
3.1.4 Notion dorthogonalit
Je commence par donner quelques dnitions relatives cette notion.
Dnition 3.4. Soit E, un espace prhilbertien complexe (ou rel) muni dune forme sesquili-
naire .
(i) On dit que deux lments x et y de E sont orthogonaux si, et seulement si (x, y) = 0.
(ii) Soit A E. On dnit lorthogonal de A, que lon note A

, lespace :
A

= x E : x A, (a, x) = 0 .
3.1. ESPACES PRHILBERTIENS RELS ET COMPLEXES 69
(iii) Deux parties A et B de E sont dites orthogonales si, et seulement si A B

, ce qui
revient dire que B A

.
Les proprits qui suivent rsultent directement de cette dnition. Je laisse au lecteur le soin
de les dmontrer.
Proprit 3.4. Soit E, un espace prhilbertien complexe muni dune forme sesquilinaire .
Soient A et B, deux sous espaces de E tels que A B. Alors :
(i) 0
E

= E et E

= 0
E
;
(ii) A

= (vect A)

.
(iii) B

.
(iv) A

est un sous espace vectoriel de E.


(v) A (A

.
(vi) A A

= 0
E
.
(vii) Toute famille orthogonale de vecteurs non nuls est libre.
Le problme du supplmentaire orthogonal.
La question que nous nous posons prsent est la suivante. Daprs la proprit (vi) de la
proposition 3.4, la somme F +F

est directe. Mais dans quels cas a t-on F F

= E, lespace
tout entier ?
Pour rpondre cette question, nous allons distinguer le cas o E est de dimension nie et
celui o E est de dimension innie. Il va de soit que le cas de la dimension nie est beaucoup
plus simple, car on connat (cf. chapitres prcdents) de nombreuses proprits topologiques et
algbriques sur les espaces de dimension nie. Le thorme qui suit rpond cette question.
Thorme 3.5. Soit E, un espace prhilbertien rel ou complexe, de dimension nie. Soit ,
un produit hermitien (ou scalaire) sur cet espace. Soit F, un sous espace vectoriel de E.
Alors, on a : F F

= E.
Dmonstration. On crit que E est un K espace vectoriel, avec K = R ou K = C. Si F =
0, alors F

= E, et le rsultat est clair. Sinon, soit (e


1
, ..., e
p
), une base de F. Considrons
prsent lapplication : E K
p
x ((x, e
1
), ..., (x, e
p
))
. est une forme linaire. Quel
est son noyau? On a x ker = (x, e
1
) = 0, ..., et (x, e
p
) = 0, et puisque F est un
espace vectoriel dont (e
1
, ..., e
p
) est une base, on en dduit immdiatement que x ker , si, et
seulement si : y F, (x, y) = 0, autrement dit, ker = F

. Daprs le thorme du rang,


dimF

= dimker = n dimIm n p. Il sensuit, la somme F + F

tant directe, que


dim(F +F

) = dimF +dimF

p +(np) = n, et par consquent, F +F

= E, car F +F

est un sous-espace vectoriel de E de mme dimension que E. Ainsi, F F

= E.
Corollaire 3.1. Soit E, un espace prhilbertien rel ou complexe, de dimension nie non nulle
p. Soit , un produit hermitien (ou scalaire) sur cet espace. Alors, il existe une famille (e
1
, ..., e
p
)
de vecteurs de E formant une base orthonorme de E.
Dmonstration. On procde par rcurrence. Si n = 1, le rsultat est vident. Supposons que ce
rsultat est vrai pour un espace vectoriel de dimension n 1, avec n 2, et soit E, un espace
vectoriel de dimension n. Choisissons alors e
1
, un vecteur unitaire de E. F = K.e
1
, avec K = R
ou C, est un sous espace vectoriel de E. Appliquons le thorme prcdent. On en dduit que
E = K.e
1
(K.e
1
)

, o dim(K.e
1
)

= n 1 et il est clair que dim(K.e


1
)

= n 1. On applique
70 CHAPITRE 3. INTRODUCTION LANALYSE FONCTIONNELLE
alors lhypothse de rcurrence. Il existe donc (e
2
, ..., e
n
), une base orthonorme de (K.e
1
)

. On
en dduit que (e
1
, ..., e
n
), une base orthonorme de E.
La question naturelle que lon se pose prsent est : Que se passe t-il pour un espace E de
dimension innie ? Une rponse partielle va nous tre apporte dans le thorme qui suit.
Thorme 3.6. Soit E, un espace prhilbertien rel ou complexe, de dimension innie. Soit
, un produit hermitien (ou scalaire) sur cet espace.
Si F est un sous espace vectoriel de E de dimension nie, alors :
F F

= E.
Dmonstration. F tant de dimension nie, on peut utiliser le thorme 3.5. Il existe donc
(e
1
, ..., e
p
), une base orthonorme de F. Soit x E. On va dmontrer lexistence dune fa-
mille (
1
, ...,
p
) de scalaires, tels que x
p

k=1

i
.e
i
F

. remarquons que x
p

k=1

i
.e
i
F


j 1, ..., p,
_
x
p

k=1

i
.e
i
, e
j
_
= 0 j 1, ..., p,
j
= (x, e
j
). Ainsi, on crit que
x =
p

k=1

i
.e
i
+y, avec y F

, ce qui prouve que E = F F

.
Remarque : On notera lavenir p
F
(x) =
p

k=1

i
.e
i
=
p

k=1
(x, e
i
).e
i
. p
F
(x) sappelle la projec-
tion de x sur le sous espace vectoriel F.
3.1.5 Thormes de projection dans un espace prhilbertien
3.1.5.1 Introduction et aspects gomtriques du problme
Si E est un espace prhibertien rel, alors il est muni dun produit scalaire not . Il est donc
galement muni dune norme, induite par le produit scalaire. On la note |.|. De plus, E est
muni dune distance induite par la norme. On la note d. Elle est dnie de la faon suivante
d : E
2
R
+
(x, y) |x y|
.
Le problme de la projection, not (T
A
) peut alors se formuler de la faon suivante.
Soit x E et /, un sous espace de E. Peut-on trouver y / tel que d(x, y) = inf
aA
d(x, a) ?
Dnition 3.5. Distance un sous espace vectoriel.
Soit E, un espace prhilbertien rel et /, un sous espace de E.
La quantit inf
aA
d(x, a) sappelle la distance de x au sous espace /, et est note d(x, /).
Dans un premier temps, examinons des cas simples, laide de gures gomtriques, que nous
tenterons de gnraliser dans les paragraphes qui suivent. Dans R
2
, espace euclidien muni de la
norme euclidienne |.|
2
, soit X = (x
1
, x
2
), un point. La question devient donc :
3.1. ESPACES PRHILBERTIENS RELS ET COMPLEXES 71
Peut-on trouver Y = (y
1
, y
2
) / tel que |X Y |
2
= inf
Z=(z
1
,z
2
)A
|X Z|
2
?
Si / dsigne un cercle ( de rayon R, on envisage deux cas.
Si X est en dehors du cercle (. Dans ce cas, on se rend compte, laide dun petit dessin,
de lunicit de la projection y de x sur A.
Si X est le centre du cercle (. Dans ce cas, on se rend compte quil existe une innit de
projections y de x sur /.
x
y
y
y
x
C
R
Fig. 3.1 Quelques exemples de projections sur un cercle
Si / dsigne prsent un carr dont x est le centre. On se rend compte toujours laide dun
dessin, quil existe un nombre ni de projections de x sur /. (quatre, en loccurrence...)
x
x
y
1
y
2
y
4
y
3
y
Fig. 3.2 Un exemple de projection sur un carr
Un autre argument, dornavant classique, nous permet darmer que, lorsque / est compact,
alors, pour tout x E, il existe une unique projection y de x sur /. En eet, remarquons
que y d(x, y) = |x y| est une application continue, en tant que compose dapplications
continues ; il est alors clair que limage de / par cette application est une partie compacte de
72 CHAPITRE 3. INTRODUCTION LANALYSE FONCTIONNELLE
R
+
. On en dduit que la borne infrieure de ce compact est atteinte, et ainsi : y / : |xy| =
inf
zA
|x z|.
3.1.5.2 Le thorme de la projection orthogonale
Thorme 3.7. Thorme de la projection orthogonale.
Soit E, un espace prhilbertien rel muni dun produit scalaire not . Soit F, un sous espace
vectoriel de E, et x E. Alors, les propositions suivantes sont quivalentes :
y est une projection de x sur F, autrement dit, y est une solution du problme (T
F
).
y F et x y F

.
Dmonstration. La mthode est toujours la mme. On va dmontrer les deux implications qui
composent lquivalence.
(i) = (ii) : supposons que y F soit une projection de x sur F. Alors, on a immdiatement,
par dnition de linmum dune partie que z F, |x y| |x z|.
Choisissons au lieu de z, le point z

:= y + .(z y), avec ]0, 1[. Cette situation est


rsume par le schma qui suit. Puisque, F est un espace vectoriel, z

F. On en dduit que
x
y z z

F
Fig. 3.3 Visualisation de la preuve
z F, |x y| |x y .(z y)|, et en levant cette ingalit au carr, puis en divisant
par ,= 0, on obtient :
|x y|
2
|x y|
2
+
2
|z y|
2
2.(x y, z y).
On obtient : (x y, z y) |z y|
2
. Faisons prsent tendre vers 0. En remarquant
que le vecteur u = z y dcrit F, lingalit devient : (xy, u) 0. Or, cette ingalit tant
vrie pour tout u F, elle est en particulier vrie pour tous les u F, cest dire que :
u F, (x y, u) 0, et ainsi, (x y, u) = 0. On en dduit que x y F

.
(ii) =(i) : supposons que xy F

et y F. Alors, z F, |x(y+z)|
2
= |xy|
2
+|z|
2
,
car (xy, z) = 0. On remarque, comme prcdemment, que lorsque y est x et que z dcrit
F, y +z dcrit F, car F est un espace vectoriel. On en dduit, en appelant d(x, F), la distance
de x F, que :
d(x, F) = inf
zF
|x z| = inf
zF
|x (y +z)| =
_
inf
zF
|x y|
2
+|z|
2
.
3.1. ESPACES PRHILBERTIENS RELS ET COMPLEXES 73
Il est donc clair que linmum est atteint pour z = 0, et ainsi, d(x, F) = inf
zF
|x y|. y est
donc bien une projection de x sur F.
3.1.5.3 Version algbrique du thorme de la projection
Ces thormes sont des versions amliores du thorme prcdent dans des cas particuliers.
Thorme 3.8. Thorme de la projection, version algbrique.
Soit E, un espace prhilbertien rel muni dun produit scalaire . On note |.|, la norme induite
par . Soit F, un sous espace vectoriel de dimension nie de E.
Aors, pour tout x E, il existe une projection unique de x sur F. On la note en gnral p
F
(x),
et si (e
i
)
i{1,...,dimF}
dsigne une base orthonorme de F (on sait quelle existe daprs la section
3.1.3.1), on a :
p
F
(x) =
dimF

i=1
< x, e
i
> .e
i
.
Dmonstration.
Preuve de lunicit : comme notre habitude, raisonnons par labsurde. Supposons quil
existe deux lments de F, y
1
et y
2
, tels que d(x, F) = |x y
1
| = |x y
2
|. Utilisons le
thorme de la mdiane. On obtient :
|x y
1
|
2
+|x y
2
|
2
= 2
_
_
_
_
x
_
y
1
+y
2
2
__
_
_
_
2
+
|y
1
y
2
|
2
2
.
2
_
|x y
1
|
2

_
_
_
_
x
_
y
1
+y
2
2
__
_
_
_
2
_
= 3
|y
1
y
2
|
2
2
.
Or, par dnition de linmum dun ensemble (qui est donc un minorant de tous les lments
de cet ensemble), il est clair que le membre de gauche de lgalit ci-dessus est ngatif. En
eet, F tant un sous espace vectoriel, il est clair que
y
1
+y
2
2
est encore un lment de F.
Ainsi, on obtient que |y
1
y
2
| 0, et il sensuit que y
1
= y
2
.
Preuve de lexistence : soit (e
i
)
i{1,...,n}
, une base orthonorme de F. On pose y =
n

i=1
<
x, e
i
> .e
i
. Alors, x y = x
n

i=1
< x, e
i
> .e
i
. Soit alors z =

n
i=1
z
i
e
i
F. On a :
< x y, z >=< x, z >
n

i=1
< x, e
i
> z
i
=
_
x,
n

i=1
z
i
e
i
_

i=1
< x, e
i
> z
i
= 0.
Daprs le thorme 3.7, on en dduit que y est le projection de x sur F.
Exemple : on cherche dterminer explicitement la quantit :
I = inf
(a,b)R
2
_
1
0
[e
x
ax b[
2
dx.
Remarquons de prime abord que I existe, car daprs la positivit de lintgrale, I 0. Consi-
drons prsent lespace vectoriel norm complet (([0, 1], R). Cet espace est en particulier un
74 CHAPITRE 3. INTRODUCTION LANALYSE FONCTIONNELLE
espace prhilbertien rel, muni du produit scalaire < ., . > dni par :
(f, g) ((([0, 1], R))
2
, < f, g >:=
_
1
1
f(x)g(x)dx.
Lespace R
1
[X] des polynmes une indtermine de degr au plus 1 est un sous espace vectoriel
de (([0, 1], R) de dimension nie. Appelons f, la fonction dnie sur R par f(x) = e
x
, le problme
que lon cherche rsoudre peut scrire :
Trouver P R
1
[X] ralisant le minimum de la quantit |f P|
2
, o |.| dsigne la norme
induite par < ., . >.
En eet, le thorme que nous venons dnoncer (version algbrique du thorme de la projection)
nous garantit lexistence et lunicit dun tel polynme. P est en fait la projection de la fonction
f sur le sous espace vectoriel R
1
[X].
prsent que nous sommes xs sur lexistence et lunicit de P, nous allons utiliser le procd
dorthonormalisation de Schmidt an de dterminer une base orthonorme de R
1
[X] pour le
produit scalaire < . >. Appelons (e
1
, e
2
), cette base de R
1
[X]. On sait que (1, X) est une base
de R
1
[X]. Cest cette base que nous allons orthonormaliser.
On peut poser e
1
=
1

2
. Remarquons que < e
1
, e
1
>= 1.
Utilisons le procd dorthonormalisation de Schmidt. Posons : e
2
(x) = x +c, avec c R. On
doit avoir < e
2
, e
1
>= 0, donc
_
1
1
e
2
(x)dx = c = 0 c = 0, puis en notant v(x) := x,
e
2
(x) =
v(x)

< v, v >
=
_
3
2
x.
Conclusion : la base
_
1

2
,
_
3
2
x
_
de R
1
[X] est orthonorme.
En utilisant le thorme de la projection (version algbrique), il est clair que, en appelant
P :=< f, e
1
> .e
1
+ < f, e
2
> .e
2
, on a :
I = |f P|.
Ainsi, il est immdiat que < f, e
1
>= sinh(1), o sinh dsigne la fonction sinus hyperbolique ,
et laide dune intgration par parties, on montre facilement que < f, e
2
>=
_
3
2
_
1
1
xe
x
dx =
_
3
2
2
e
. Il sensuit que :
P = sinh(1) +
3
e
X et ainsi I = 1
7
e
2
0, 052653.
3.1.5.4 Matrice et dterminant de Gram
Nous venons de voir que le problme de la projection sintresse entre autres au calcul de la
quantit d(x, F), o x dsigne un lment dun espace prhilbertien rel E dont un sous espace
vectoriel est F. Sans chercher rgler la question de lexistence voire lunicit de la projection,
il semble intressant de se demander sil est possible de calculer cette quantit. Et en eet,
indpendamment de la dtermination de la projection, on peut donner une rponse positive au
calcul de d(x, F), dans le cas o E est un espace prhilbertien rel. Cest lobjet des notions
que jintroduis prsent.
3.1. ESPACES PRHILBERTIENS RELS ET COMPLEXES 75
Dnition 3.6. Matrice de Gram.
Soit E, un espace prhilbertien rel et (x
1
, ..., x
n
) E
n
, o n dsigne un entier naturel non nul.
On note < ., . >, le produit scalaire dont E est muni.
On appelle matrice de Gram de (x
1
, ..., x
n
), la matrice (< x
i
, x
j
>)
1in
1jn
.
On note G(x
1
, ..., x
n
), le dterminant de cette matrice. G(x
1
, ..., x
n
) sappelle le dterminant
de Gram.
Nous allons prsent noncer les proprits les plus signicatives de cette matrice, pour tenter
daboutir une formule, la plus simple possible, permettant de calculer d(x, F), o F dsigne
un sous espace vectoriel de E. Je donnerai, en n de partie, une application.
Proprit 3.5. Soit E, un espace prhilbertien rel, et (x
1
, ..., x
n
) E
n
, o n dsigne un entier
naturel non nul. On note < ., . >, le produit scalaire dont E est muni.
(i) (x
1
, ..., x
n
) et sa matrice de Gram ont mme rang.
(ii) (x
1
, ..., x
n
) est lie si, et seulement si G(x
1
, ..., x
n
) = 0.
(iii) (x
1
, ..., x
n
) est libre si, et seulement si G(x
1
, ..., x
n
) > 0.
(iv) Soit S
n
(on rappelle que S
n
dsigne lensemble des permutations sur lensemble
1, ..., n). Alors, G(x
(1)
, ..., x
(n)
) = G(x
1
, ..., x
n
).
Dmonstration.
(i) Appelons A, la matrice de Gram de (x
1
, ..., x
n
) et soit Y = (y
i
)
1in
/
n,1
(R). Alors,
AY = 0 i 1, ..., n,
n

j=1
y
j
< x
i
, x
j
>= 0 =
_
x
i
,
n

j=1
y
j
x
j
_
. On en dduit que
n

j=1
y
j
x
j
(vect(x
1
, ..., x
n
))

. Or, il est clair que


n

j=1
y
j
x
j
vect(x
1
, ..., x
n
). On en dduit que
n

j=1
y
j
x
j
(vect(x
1
, ..., x
n
))

vect(x
1
, ..., x
n
) = 0
E
, donc
n

j=1
y
j
x
j
= 0
E
. On dsigne par
lapplication :
: /
n,1
(R) vect(x
1
, ..., x
n
)
Y
n

j=1
y
j
x
j
.
Daprs ce que lon vient dcrire, il semble clair que ker(A) = ker(). Daprs le thorme
du rang, on en dduit immdiatement que rg() = n dim(ker(A)), et daprs lgalit des
noyaux, il vient que : rg(A) = rg(x
1
, ..., x
n
).
(ii) Cest immdiat, daprs (i). En eet, (x
1
, ..., x
n
) est lie si, et seulement si det(x
1
, ..., x
n
) = 0,
autrement dit si, et seulement si G(x
1
, ..., x
n
) = 0, car (x
1
, ..., x
n
) et sa matrice de Gram ont
mme rang.
(iii) Daprs (ii), il sut de montrer ici que G(x
1
, ..., x
n
) 0 pour tous vecteurs x
1
, ..., x
n
.
Supposons donc que (x
1
, ..., x
n
) est libre. On appelle (e
1
, ...,
n
), la famille orthonormale obtenue
par le procd dorthonormalisation de Schmidt. On peut donc crire, daprs le thorme de
la projection, version algbrique, que j 1, ..., n, x
j
=
n

k=1
< x
i
, e
k
> .e
k
:=
n

k=1
x
i,k
.e
k
.
On appelle B, la base (e
1
, ..., e
n
). On a donc :
(i, j) 1, ..., n
2
, < x
i
, x
j
>=
n

k=1
x
k,i
x
k,j
< e
k
, e
k
>=
t
XX
76 CHAPITRE 3. INTRODUCTION LANALYSE FONCTIONNELLE
, o X = Mat ((x
1
, ..., x
n
), B), la matrice de (x
1
, ..., x
n
), exprime dans la base B.
t
XX est
donc la matrice de Gram de (x
1
, ..., x
n
) ; utilisons alors la proprit det X = det
t
X si X
est carre. On obtient que G(x
1
, ..., x
n
) = det
2
(X) > 0, car det X ,= 0 par hypothse. La
conclusion sensuit.
(iv) Le rsultat est trivial si (x
1
, ..., x
n
) est lie. Supposons donc que (x
1
, ..., x
n
) est non lie. Ap-
pelons (), la signature de . Lide est, comme dans la preuve prcdente, en conservant ces
notations, de dcomposer (x
(1)
, ..., x
(n)
) dans la base B. Posons X

:= Mat
_
(x
(1)
, ..., x
(n)
), B
_
.
Toujours en utilisant les proprits classiques du dterminant, on a : det(X

) = det()X. Il
sensuit :
G(x
(1)
, ..., x
(n)
) =
2
()G(x
1
, ..., x
n
) = G(x
1
, ..., x
n
).
Le thorme qui suit nous intresse particulirement pour des raisons que nous avons explcites
en dbut de section.
Thorme 3.9. On conserve les notations des dnitions prcdentes. Supposons que (x
1
, ..., x
n
)
est une famille libre de vecteurs de E. On appelle F, le sous espace vectoriel engendr par x
1
,
..., x
n
. Alors :
x E, d(x, F) =

G(x
1
, ..., x
n
, x)
G(x
1
, ..., x
n
)
.
Dmonstration. Nous sommes tout fait dans le domaine dapplication du thorme de la pro-
jection, version algbrique, car F est un sous espace vectoriel de E de dimension nie. On peut
donc crire x = y + z, avec y = p
F
(x) F et z F

. On en dduit ainsi que d(x, F) = |z|.


De plus, en levant la relation prcdente au carr, et puisque < y, z >= 0, on obtient lgalit
suivante qui rappelle le thorme de Pythagore en Gomtrie : |x|
2
= |y|
2
+ |z|
2
. Nous en
tudierons une version plus gnrale dans la section consacre aux espaces de Hilbert. De plus,
puisque y F

, pour tout i 1, ..., n, on a : < x


i
, x >=< x
i
, y >. Matriciellement, cela
scrit :
_
_
_
_
_
< x
1
, x
1
> . . . < x
1
, x
n
> < x
1
, x >
.
.
.
.
.
.
.
.
.
< x
n1
, x
1
> . . . < x
n
, x
n
> < x
n
, x >
< x, x
1
> . . . < x, x
n
> < x, x >
_
_
_
_
_
=
_
_
_
_
_
< x
1
, x
1
> . . . < x
1
, x
n
> < x
1
, y >
.
.
.
.
.
.
.
.
.
< x
n1
, x
1
> . . . < x
n
, x
n
> < x
n
, x >
< y, x
1
> . . . < y, x
n
> |y|
2
+|z|
2
_
_
_
_
_
.
On a bien-sr reconnu G(x, x
1
, ..., x
n
) dans la matrice de gauche. Par ailleurs, le dterminant est
une application multilinaire. On en dduit que le membre de droite vaut :

< x
1
, x
1
> . . . < x
1
, x
n
> < x
1
, y >
.
.
.
.
.
.
.
.
.
< x
n1
, x
1
> . . . < x
n
, x
n
> < x
n
, x >
< y, x
1
> . . . < y, x
n
> |y|
2

< x
1
, x
1
> . . . < x
1
, x
n
> 0
.
.
.
.
.
.
.
.
.
< x
n1
, x
1
> . . . < x
n
, x
n
> 0
< y, x
1
> . . . < y, x
n
> |z|
2

.
De plus, on a dune part :

< x
1
, x
1
> . . . < x
1
, x
n
> < x
1
, y >
.
.
.
.
.
.
.
.
.
< x
n1
, x
1
> . . . < x
n
, x
n
> < x
n
, x >
< y, x
1
> . . . < y, x
n
> |y|
2

= G(x
1
, ..., x
n
, y)
3.1. ESPACES PRHILBERTIENS RELS ET COMPLEXES 77
et dautre part, en eectuant un dveloppement du dterminant par rapport la dernire colonne :

< x
1
, x
1
> . . . < x
1
, x
n
> 0
.
.
.
.
.
.
.
.
.
< x
n1
, x
1
> . . . < x
n
, x
n
> 0
< y, x
1
> . . . < y, x
n
> |z|
2

= |z|
2
G(x
1
, ..., x
n
).
Remarquons enn que G(x
1
, ..., x
n
, y) = 0, car y est combinaison linaire des vecteurs x
1
, ..., x
n
.
Ainsi :
d
2
(x, F) = |z|
2
=
G(x
1
, ..., x
n
, x)
G(x
1
, ..., x
n
)
.
Exemple : reprenons lexemple donn dans la section 3.1.5.3. Si lon cherche dterminer
d(f, R
1
[X]), o f dsigne la fonction exponentielle et R
1
[X], lespace des polynmes de degr au
plus 1. R
1
[X] tant un espace vectoriel de dimension nie, dont une base est (1, X), nous sommes
dans le domaine dapplication du thorme prcdent. En utilisant des notations abusives, mais
probablement plus explicites aux yeux du lecteur, on peut crire :
G(1, x, exp(x)) =

< 1, 1 > < 1, x > < 1, e


x
>
< x, 1 > < x, x > < x, e
x
>
< e
x
, 1 > < e
x
, x > < e
x
, e
x
>

2 0 e
1
e
0
2
3
2
e
e
1
e
2
e
1
2
(e
2

1
e
2
)

=
4
3
_
1
7
e
2
_
.
Remarquons de plus que :
G(1, x) =

< 1, 1 > < 1, x >


< x, 1 > < x, x >

2 0
0
2
3

=
4
3
.
On retrouve le rsultat trouv prcdemment : d(f, R
1
[X]) = 1
7
e
2
.
Le thorme que jnonce maintenant sappelle lingalit de Hadamard. Je nen donne pas
immdiatement la preuve, car celle-ci sera propose en exercice.
Proprit 3.6. Ingalit de Hadamard.
Soit E, un espace vriant les mmes hypothses que dans le thorme prcdent.
(x
1
, ..., x
n
) E
n
, G(x
1
, ..., x
n
) =
2
det(x
1
, ..., x
n
) |x
1
|
2
...|x
n
|
2
=
n

i=1
|x
i
|
2
.
Remarque : on en dduit en particulier que :
(x
1
, ..., x
n
) E
n
, [ det(x
1
, ..., x
n
)[ |x
1
|...|x
n
|.
Cette ingalit prouve que lapplication dterminant est une application multilinaire conti-
nue. Il sut ici de revenir la dnition et aux proprits dune application multilinaire conti-
nue, dans la chapitre prcdent, section 2.5.3.
3.1.5.5 Version topologique du thorme de la projection
Avant de poursuivre en nonant ce thorme, rappelons ce quest une partie convexe et comment
cette notion se conoit gomtriquement.
78 CHAPITRE 3. INTRODUCTION LANALYSE FONCTIONNELLE
Dnition 3.7. Partie convexe dans un EVN.
Soit (E, N), un espace vectoriel norm. Soit C E.
On dit que C est une partie convexe de E si, et seulement si :
(x, y) C
2
, t [0, 1], t.x + (1 t).y C
Remarque 1 : si x et y sont des rels, alors, lorsque t dcrit le segment [0, 1], t.x + (1 t).y
dcrit le segment [x, y].
Remarque 2 : la remarque 1 tient encore en dimensions 2 et 3.
Remarque 3 : comment visualiser gomtriquement un convexe ?
Gomtriquement, un convexe est un ensemble tel que, si lon considre deux points quelconques
x et y de cet ensemble, alors tout point du segment [x, y] est encore dans cet ensemble.
x
z
y
T
Fig. 3.4 Un exemple densemble non convexe T
Dans lexemple ci-dessus, le point z est un lment du segment [x, y] qui nappartient pourtant
pas T. Cest pourquoi, juste en visualisant gomtriquement la forme dun ensemble, on pourra
en gnral avoir une bonne intuition de sa convexit ou non-convexit.
La gure ci-dessous est, linverse, un exemple de convexe.
(
z
y
x
Fig. 3.5 Un exemple densemble convexe (
Thorme 3.10. Thorme de la projection, version topologique.
Soit E, un espace prhilbertien rel muni dun produit scalaire < ., . >. Soit F, une partie
compacte et convexe de E.
Alors, pour tout lment x de E, il existe un unique y F tel que :
d(x, F) = |x y| = inf
fF
|x f|.
3.2. ESPACES DE BANACH ET DE HILBERT 79
On notera encore y := p
F
(x).
Dmonstration.
Preuve de lunicit : raisonnons par labsurde. Supposons quil existe deux lments de F
y
1
et y
2
tels que d(x, F) = |x y
1
| = |x y
2
|. Utilisons le thorme de la mdiane. On
obtient :
|x y
1
|
2
+|x y
2
|
2
= 2
_
_
_
_
x
_
y
1
+y
2
2
__
_
_
_
2
+
|y
1
y
2
|
2
2
.
2
_
|x y
1
|
2

_
_
_
_
x
_
y
1
+y
2
2
__
_
_
_
2
_
= 3
|y
1
y
2
|
2
2
.
Or, par dnition de linmum dun ensemble (qui est donc un minorant de tous les lments
de cet ensemble), il est clair que le membre de gauche de lgalit ci-dessus est ngatif. En
eet, F tant un espace convexe,
y
1
+y
2
2
est encore un lment de F. Ainsi, on obtient que
|y
1
y
2
| 0, et il sensuit que y
1
= y
2
.
Preuve de lexistence : si d(x, F) = 0, alors x F = F, car F est suppos compact, donc
en particulier ferm et on peut donc choisir y = x.
Si a nest pas le cas, posons : = d(x, F) = inf
fF
|x f|, puis utilisons une caractrisation
bien connue de linmum. Cette technique a t maintes fois utilise dans le chapitre prcdent
(caractrisation squentielle) et ainsi, on peut construire une suite (f
n
)
nN
dlments de F
telle que :
n N, < |x f
n
| < +
1
n
.
(p, q) N
2
,
f
p
+ +f
q
2
F, car F est convexe. On en dduit que
_
_
_
_
x
f
p
+f
q
2
_
_
_
_
. On
utilise lgalit de la mdiane : |x f
p
|
2
+ |x f
q
|
2
=
1
2
|f
p
f
q
|
2
+ 2
_
_
_
_
x
f
p
+f
q
2
_
_
_
_
2
. On
en dduit que :
1
2
|f
p
f
q
|
2

_
+
1
p
_
2
+
_
+
1
q
_
2
2
2

1
p
2
+
1
q
2
+ 2
_
1
p
+
1
q
_

p+
q+
0.
Cela prouve donc que la suite (f
n
)
nN
est de Cauchy dans F compacte, donc complte. Il existe
donc y F tel que f
n
dans F

n+
y. Or, daprs lingalit n N, < |xf
n
| < +
1
n
, et puisque
la norme est une application continue (dj vu maintes et maintes fois), la caractrisation
squentielle de la continuit nous permet un passage la limite dans cette ingalit, ce qui
prouve que |x y| ralise linmum et donc :
|x y| = d(x, F).
3.2 Espaces de Banach et de Hilbert
3.2.1 Introduction et exemples
Dnition 3.8. Espace de Banach. Soit (E, |.|), un espace vectoriel norm de dimension quel-
conque.
E est appel espace de Banach lorsque E est complet.
80 CHAPITRE 3. INTRODUCTION LANALYSE FONCTIONNELLE
Nous avons dj rencontr des espaces de Banach :
R, C, R
n
et C
n
munis des normes euclidiennes associes.

1
(R) :=
_
(u
n
)
nN
R
N
:
+

k=1
[u
n
[ < +
_
, muni de la norme N
1
dnie par : u
1
(R), N
1
(u) =
+

k=1
[u
n
[.

2
(R) :=
_
(u
n
)
nN
R
N
:
+

k=1
[u
n
[
2
< +
_
, muni de la norme N
1
dnie par : u
2
(R), N
2
(u) =
+

k=1
[u
n
[
2
.

(R) :=
_
(u
n
)
nN
R
N
: M > 0 : n N, [u
n
[ < M
_
, muni de la norme N

dnie par :
u

(R), N

(u) = sup
nN
[u
n
[.
(((X, Y ), |.|

), lorsque X est compact et Y complet.


(L(E, F), .), lespace des fonctions linaires continues sur E, avec F complet.
Remarque : les normes . et |.|

ont t introduites avec prcision dans le chapitre prcdent.


On reprend les notations du chapitre 1, section 1.1.2.
Dnition 3.9. Notion dalgbre.
Dans ce qui suit, E dsigne un espace muni dune norme |.|.
1. Soit E, un ensemble muni de deux lois de composition internes, une addition note + et
un produit not , et dune loi de composition externe note ., tel que :
(i) est distributive par rapport +.
(ii) (E, +, .) est un K-espace vectoriel.
(iii) (E, +, ) est un anneau.
(iv) (x, y) E
2
, K, .(x y) = (.x) y = x.(.y).
Une algbre, galement appele K-algbre, se note en gnral (E, K, +, ., ) ou tout simple-
ment E sil ny a pas dambiguit.
Si lanneau (E, +, ) est commutatif (i.e. si la loi est commutative), alors on parle
dalgbre commutative.
2. Si de plus, E est une algbre munie dune norme |.| telle que (x, y) E
2
, |x y|
|x|.|y|, on dit que (E, K, +, ., ) est une algbre norme. On dit alors que la norme
est sous-multiplicative. On la note souvent (E, |.|) pour simplier. En gnral, on fait
galement lhypothse supplmentaire suivante : si 1
E
dsigne llment neutre pour la loi
, on a |1
E
| = 1.
3. On dit quune algbre norme (E, |.|) est une algbre de Banach si E muni de |.| est
complet.
Exemples :
(C, R, +, ., ) est une R-algbre de Banach commutative norme par la norme euclidienne.
(/
n
(R), R, +, ., ) est une R-algbre non-commutative norme pour la norme subordonne
..
Si E est un K-espace vectoriel, (L(E), K, +, ., ) est une K algbre non-commutative norme
pour la norme subordonne .. On rappelle dailleurs (ce qui a dj t montr dans le
3.2. ESPACES DE BANACH ET DE HILBERT 81
chapitre prcdent) que si u et v dsignent deux lments de L(E), on a : uv u. v.
De plus, si E est complet, cette algbre est de Banach.
(R
3
, R, +, ., ), o dsigne le produit vectoriel sur R
3
est une R-algbre de Banach non-
commutative norme pour la norme euclidienne. On remarque dailleurs que la proprit de
sous-multiplicativit de la norme est assure par le fait que, si u et v dsignent deux lments
de R
3
, on a : |u v|
2
= |u|
2
.|v|
2
[ sin

(u, v)[ |u|
2
.|v|
2
.
Remarquons que lon a la proprit suivante pour une algbre norme :
Proprit 3.7. Si (E, |.|) est une algbre norme. Alors, n N, |u
n
| |u|
n
.
Dmonstration. La dmonstration est aise. Elle se fait par rcurrence, en considrant le fait que
x E
2
, |x
n
| = |xx
n1
| |x|.|x
n1
|, en utilisant le fait que la norme est sous-multiplicative.
3.2.2 Sries dans un espace de banach
Dans toute cette section, E dsigne un espace de Banach, muni dune norme note |.|.
Dnition 3.10. Notion de srie.
Soit (x
n
)
nN
, une suite dlments de E. On note (

x
n
) la suite (S
n
)
nN
dnie par la relation :
n N, S
n
=
n

k=0
x
k
.
On dit que (

x
n
) converge si, et seulement si la suite (S
n
)
nN
est de Cauchy dans E. Dans ce
cas, on appelle S sa limite, galement appele somme de la srie (

x
n
), et on note : S =
+

k=0
x
n
.
Remarque : le critre de Cauchy pour la srie (

x
n
) scrit ainsi :
_

x
n
_
converge > 0, N N : (p, q) (N

)
2
, q > p > N =|S
p
S
q
| < .
Comme dans le cas des sries termes dans R ou C, on dnit la notion de convergence absolue.
Dnition 3.11. Convergence absolue dune srie.
On dit quune srie (

x
n
) dlments de E est absolument convergente lorsque la srie termes
positifs (

|x
n
|) est convergente.
Lintrt des sries absolument convergentes rside dans la proprit suivante :
Proprit 3.8. Soit (

x
n
), une srie absolument convergente dlments de lespace de Banach
E. Alors (

x
n
) est convergente.
En revanche, la rciproque nest pas vraie.
Contre-exemple : la critre spcial des sries alternes prouve que la srie

(1)
n

n
est
convergente. En revanche, le critre de Riemann pour les sries termes positifs prouve que
la srie

n
est divergente. Ceci montre que la rciproque nest pas vraie. Mais passons
prsent la dmonstration de cette proposition.
82 CHAPITRE 3. INTRODUCTION LANALYSE FONCTIONNELLE
Dmonstration. Soit (

x
n
), une srie dlments de E. Soient p et q, deux entiers tels que q > p.
Appelons (S
n
)
nN
, la suite dlments de E dnie pour tout entier naturel n par : S
n
=
n

k=0
x
k
.
On a :
|S
q
S
p
| =
_
_
_
_
_
q

k=p+1
x
k
_
_
_
_
_

k=p+1
|x
k
| =
q

k=0
|x
k
|
p

k=0
|x
k
|.
Appelons (T
n
)
nN
, la suite dnie pour tout entier naturel n par : T
n
=
n

k=0
|x
k
|. Par hypothse,
(T
n
)
nN
converge car la srie (

x
n
) est absolument convergente, donc (T
n
)
nN
est une suite
de Cauchy de R, et daprs lingalit ci-dessus, il sensuit que (S
n
)
nN
est une suite de Cauchy
dlments de E, espace de Banach. On en dduit que (

x
n
) est convergente dans E.
Thorme 3.11. Soit (E, |.|), un espace de Banach et u L(E). Posons e = Id
E
, et supposons
que u e < 1.
Alors, u est inversible et u
1
est continue.
Dmonstration. Souvenons-nous que L(E) est une algbre norme, on a : (ue)
n
ue
n
.
Or, u e
n
est le terme gnral dune srie gomtrique convergente, car par hypothse,
u e < 1. On en dduit que la srie

(u e)
n
converge absolument dans L(E). On pose
donc S(u) :=
+

k=0
(e u)
n
L(E). Posons, de la mme faon pour tout entier naturel n S
n
(u) :=
n

k=0
(e u)
k
et v := e u. On a :
u S
n
(u) = [e (e u)]
n

k=0
(e u)
k
= (e v)
n

k=0
v
k
= e v
n+1
.
La dernire galit est obtenue laide de la formule des anneaux. De plus, puisque v
n+1
=
(e u)
n+1
dans L(E)

n+
0
E
, car ue < 1, on en dduit que lim
n+
uS
n
(u) = e. Or, considrons
prsent lapplication : (L(E))
2
L(E)
(u, v) u v
. Il est clair que est bilinaire. De plus, en
vertu de lingalit (u, v) (L(E))
2
, u v u . v, il est clair que est continue,
donc L(E). Utilisons prsent la caractrisation squentielle de la continuit. On a :
lim
n+
u S
n
(u) = e = u lim
n+
S
n
(u) = u S(u).
Enn, on sait que u commute avec toute puissance de u, par consquent, S
n
(u) et u commutent
pour tout entier naturel n, et ainsi, de la mme faon que prcdemment, on dmontre que :
S(u) u = uS(u) = e, autrement dit u est inversible et son inverse est S(u). S(u) est continue.
Cela se vrie aisment.
Je dis prsent un mot sur la notion de convergence uniforme dans un espace de Banach.
Notation : soit X E. On appelle c := B(X, E), lespace des fonctions dnies sur X et
valeurs dans E. Supposons de plus que E est complet. c est muni de la norme |.|

dnie
pour f c par : |f|

:= sup
xX
|f(x)|.
3.2. ESPACES DE BANACH ET DE HILBERT 83
Dnition 3.12. Dirents modes de convergence dans un espace de Banach.
1. Convergence uniforme dans un espace de Banach.
Soit (f
n
)
nN
, une suite de fonctions de c.
On dit que (f
n
)
nN
converge uniformment vers f c lorsque lim
n+
|f
n
f|

= 0.
2. Convergence uniforme dune srie de fonctions dans un espace de Banach.
Soit (

f
n
)
nN
, une srie de fonctions de c.
On dit que (

f
n
)
nN
converge uniformment dans c lorsque la suite de fonctions (S
n
)
nN
dnie pour tout entier naturel n par S
n
(x) =
n

k=0
f
k
(x) converge uniformment dans c.
3. Convergence normale dans un espace de Banach.
Soit (

f
n
)
nN
, une srie de fonctions de c.
On dit que (

f
n
)
nN
converge normalement dans c sil existe une srie convergente et
termes positifs (

u
n
) telle que : n N, x E, |f
n
(x)| u
n
.
La proprit qui suit est importante. Elle fournit un lien entre convergence normale et convergence
uniforme.
Proprit 3.9. Soit (f
n
)
nN
, une suite de fonctions de c.
Si (f
n
)
nN
converge normalement dans c, alors (f
n
)
nN
converge uniformment dans c.
Ces dnitions tant donnes, passons prsent un thorme trs important en Analyse. Il
permet dintervertir sous certaines hypothses les symboles de limites dune suite de fonctions :
la limite par rapport la variable de suite n, et la limite par rapport la variable de fonction x.
Thorme 3.12. Thorme de la double limite.
Soit F, un espace vectoriel norm et (f
n
)
nN
, une suite de fonctins de X E valeurs dans F.
Soit a X. Supposons de plus que :
(i) (f
n
)
nN
converge uniformment vers f sur X.
(ii) n N, lim
xa
f
n
(x) = b
n
.
Alors, (b
n
)
nN
converge vers b

F et on a lim
xa
f(x) = b

, ce qui scrit de faon plus synth-


tique :
lim
n+
_
lim
xa
f
n
(x)
_
= lim
xa
_
lim
n+
f
n
(x)
_
.
Remarque : ce rsultat se transpose bien-sr sans dicult aux sries de fonctions. Sous les
mmes hypothses, on pourra alors crire que : si (

f
n
)
nN
converge uniformment sur X, et
si pour a X, et sil existe (b
n
)
nN
telle que f
n
(x)
dans X

xa
b
n
, alors, on a :
+

n=0
lim
na
f
n
(x) = lim
na
+

n=0
f
n
(x).
Exemple : jutilise ici un exemple trs clbre. Il sagit de la fonction Zeta de Riemann. La
fonction Zeta de Riemann est dnie, daprs le critre de Riemann sur ]1, +[ par la relation :
(x) =
+

n=1
1
n
x
.
84 CHAPITRE 3. INTRODUCTION LANALYSE FONCTIONNELLE
De plus, x 2 = n N

,
1
n
x

1
n
2
. On en dduit que la srie de fonction
_

1
n
x
_
converge
normalement, donc uniformment sur [2, +[. Nous sommes dans les conditions application du
thorme de la double limite. Il sensuit que :
lim
x+
+

n=1
1
n
x
=
+

n=1
lim
x+
1
n
x
= 0.
Remarque : on pourrait mme montrer que (x)
x1
+
1
x 1
.
3.2.3 Exponentielle dendomorphismes dans un espace de Banach
Dans toute cette section, E dsignera une algbre de Banach. On note |.|, la norme dalgbre
dont on le munit. Elle vrie donc en particulier (u, v) E
2
, |uv| |u|.|v| et en notant
e := Id
E
, on a : |e| = 1.
3.2.3.1 Dnition et premires proprits
Dnition 3.13. Exponentielle dendomorphisme.
Soit u E. La srie
_

u
n
n!
_
est absolument convergente donc convergente.
Sa somme est note exp u ou e
u
.
Dmonstration. Pour u E donn, on a
_
_
_
_
u
n
n!
_
_
_
_

|u|
n
n!
. La srie
_

u
n
n!
_
est donc absolument
convergente dans E complet ; on en ddit quelle converge dans E, ce qui lgitime la dnition.
Nous nonons prsent des proprits propres lexponentielle dlments dune algbre de Ba-
nach. La plupart de ces proprits semblent assez naturelles, mais soyons tout de mme mants.
Il y a parfois des prcautions prendre.
Proprit 3.10. Soient (u, v) E
2
. On pose e := Id
E
.
(i) exp(1
E
) = e.1
E
.
(ii) | exp u| exp(|u|).
(iii) Si u et v commutent dans E, alors exp(u +v) = exp u. exp v.
(iv) Si u E, alors exp u est inversible et a pour inverse exp(u).
(v) Lapplication : E E
u exp u
est une application linaire continue.
Dmonstration. (i) Appelons (S
n
)
nN
, la somme partielle associe la srie exp(1
E
). On a :
n N, S
n
:=
n

k=0
(1
E
)
k
k!
=
_
n

k=0
1
k!
_
.1
E
dans E

n+
e.1
E
.
(ii) Appelons (S
n
(u))
nN
, la somme partielle associe la srie exp u. On a :
|S
n
(u)| =
_
_
_
_
n

k=0
u
k
k!
_
_
_
_

k=0
|u|
k
k!
= exp(|u|).
Lapplication norme tant continue, on peut utiliser la caractrisation squentielle de la
continuit. Puisque S
n
(u)
dans E

n+
exp u. On en dduit lingalit.
3.2. ESPACES DE BANACH ET DE HILBERT 85
(iii) E tant une algbre de Banach, on peut, en partculier en dduire pour pour u et v, lments
de E qui commutent, on a : k N

,
(u +v)
k
k!
=
k

i=0
_
k
i
_
u
i
v
ki
k!
. Cest la formule du binme
de Newton crite dans un anneau commutatif. On en dduit donc que k N

,
(u +v)
k
k!
=
k

i=0
u
i
i!
v
ki
(k i)!
=

p+q=k
u
p
p!
v
q
q!
. ce stade, on introduit la suite (W
n
)
nN
dnie par la relation
explicite :
W
n
=
2n

k=0
(u +v)
k
k!

n

p=0
u
p
p!
n

q=0
v
q
q!
.
Daprs ce que lon a crit prcdemment, il est clair que n ,= 0, W
n
=
2n

k=0

p+q=k
u
p
p!
v
q
q!

n

p=0
u
p
p!
n

q=0
v
q
q!
. Introduisons les ensembles dindices :
A
n
=
_
(p, q) N
2
: 0 p n, 0 q n
_
et B
n
=
_
(p, q) N
2
: 0 p +q n
_
.
Il est alors compltement clair que B
n
A
n
B
2n
, et on peut crire que n N

, W
n
=

(p,q)B
2n
\An
u
p
p!
v
q
q!
. Il sensuit que :
n N

, |W
n
|

(p,q)B
2n
\An
|u|
p
p!
|v|
q
q!
=
2n

k=0
(|u| +|v|)
k
k!

n

p=0
|u|
p
p!
|v|
q
q!
.
Posons n ,= 0,
n
=
2n

k=0
(|u| +|v|)
k
k!

n

p=0
|u|
p
p!
|v|
q
q!
. Un passage la limite fournit aisment
que
n
dans R

n+
e
u+v
e
u
.e
v
= 0. Le thorme dencadrement sur les suites nous indique
alors que |W
n
|
dans R

n+
0, ce qui prouve exactement que e
u+v
= e
u
.e
v
.
(iv) Cest un corollaire immdiat de (iii).
(v) Avant de commencer cette dmonstration, tablissons un lemme technique qui nous facilitera
la tche lorsque nous amorcerons la preuve.
Lemme 3.1. Soient u et v, deux lments de lalgbre de Banach E. Sil existe > 0 tel que
|u| et |v| , alors, on a :
k N

, |u
k
v
k
| k.
k1
|u v|.
Pour dmontrer ce lemme, nous raisonnons par rcurrence sur k. La cas k = 1 est immdiat.
Montrons lhrdit de la rcurrence. Si pour un certain entier k, la relation |u
k
v
k
|
k.
k1
|u v| est vrie, alors en crivant que u
k+1
v
k+1
= (u
k
v
k
)u (u v)v
k
, on a :
|u
k+1
v
k+1
| |u|.|u
k
v
k
|+|uv|.|v|
k
k.
k1
|uv|+|uv|
k
= (k+1)
k
|uv|,
ce qui tablit lhrdit, donc le lemme.
prsent, pour dmontrer (iv), nous allons utiliser la caractrisation squentielle de la conti-
nuit. Soit (u
p
)
pN
, une suite dlments de E convergeant vers u E. La suite (u
p
)
pN
est
86 CHAPITRE 3. INTRODUCTION LANALYSE FONCTIONNELLE
donc borne car convergente. Il existe donc > 0 tel que, p N

, |u
p
| , et la limite,
on a encore |u| . On en dduit, daprs le lemme que nous venons dtablir, que :
| exp(u
p
) exp(u)|
+

n=0
|u
n
p
u
n
|
n!

+

n=1
n
n1
n!
|u
p
u| = e

.|u
p
u|
dans R

n+
0.
On en dduit que : exp(u
p
)
dans E

n+
exp(u).
Remarque importante : le cours de premire anne vous a montr que si u L(E), avec E de
dimension nie, alors, en appelant B, une base de E, il existe une correspondance bijective entre u
et sa matrice M = Mat(u, B). De plus, Mat(uv, B) = Mat(u, B)Mat(v, B). Cest pourquoi on
dnit exactement de la mme manire que pour un endomorphisme u L(E), lexponentielle
de la matrice M = Mat(u, L(E)). De plus, on a : Mat(exp u, B) = exp (Mat(u, B)). Cela se
prouve aisment.
Dans la section qui suit, nous nous intressons des calculs pratiques dexponentielle de matrice.
3.2.3.2 Mthodes pratiques de calcul dexponentielles
Dans cette partie, je vais donner quelques techniques fort utiles si lon souhaite calculer lexpo-
nentielle dune matrice et a fortiori dun endomorphisme. Ces techniques de calcul ncessitent de
connatre des rudiments de rduction dendomorphisme. Je redonnerai donc, mais sans rentrer
dans les dtails ces rudiments. Pour ceux qui souhaitent se rafrachir les ides, je vous conseille
de vous rfrer un mannuel dAlgbre linaire.
Cadre : on se place dans une R-algbre norme E. Les matrices dendomorphismes consid-
res seront donc coecients rels. Jappelle B, une base de E.
1. Cas o la matrice est diagonalisable : ce cas est le plus simple. Je rappelle brivement
la dnition :
Dnition 3.14. Endomorphisme diagonalisable.
Soit E, un espace vectoriel et u, un endomorphisme. Alors :
(i) On dit que u est diagonalisable si, et seulement si il existe une base de E forme des
vecteurs propres de u.
(ii) Notons (u) lensemble des valeurs propres de u (on dit aussi le spectre de u), et pour
(u), on appelle E

, le sous-espace propre associ (i.e. lensemble des vecteurs x de


E solutions de lquation u(x) = .x).
u est diagonalisable si, et seulement si, E =

(u)
E

.
(iii) Si E est de dimension nie et si u est diagonalisable, alors le polunme caractrisque
associ P
u
dni par la relation P
u
(X) = det(u .I), o I dsigne la matrice identit
de E, est scind, autrement dit, P
u
se dcompose en un produit de polynmes de degr 1.
(iv) La caractrisation suivante est intressante si E est de dimension nie : si P
u
, le
polynme caractrisque de u est scind racines simples, alors u est diagonalisable.
Si A est diagonalisable, il existe une base B

dans laquelle la matrice de lendomorphisme


u associ est diagonale. Ainsi, on peut crire :
A = Mat(u, B) = Mat(B

, B) Mat(u, B

) Mat(B, B

).
3.2. ESPACES DE BANACH ET DE HILBERT 87
Mat(B

, B) dsigne bien-sr la matrice de passage de B

B. On comprendra mieux,
laide dun exemple, comment lon calcule les coecients de cette matrice. Notons : P :=
Mat(B, B

). On a alors :
A = P
1
DP.
Remarquons que, si n dsigne un entier naturel non nul, alors :
A
n
= (P
1
DP)
n
= (P
1
DP)(P
1
DP)...(P
1
DP)
. .
n fois
= P
1
D
n
P.
On en dduit que :
exp A =
+

n=0
A
n
n!
=
+

n=0
P
1
D
n
P
n!
= P
1
_
+

n=0
D
n
n!
_
P = P
1
exp DP.
Je donne tout de suite un exemple. Considrons la matrice A dnie par :
A =
_
_
4 1 2
2 3 2
8 4 5
_
_
.
Son polynme caractrisque est donn par :
P(X) = (X 1)(X + 1)(X 2).
Cherchons dterminer les sous-espaces propres associs :

1
= 1 : on rsout donc lquation AX =
1
.X. On trouve que les solutions de cette
quation sont engendres par le vecteur :
V
1
=
_
_
1
1
2
_
_
.

2
= 2 : on rsout donc lquation AX =
2
.X. On trouve que les solutions de cette
quation sont engendres par le vecteur :
V
2
=
_
_
1
2
0
_
_
.

3
= 1 : on rsout donc lquation AX =
3
.X. On trouve que les solutions de cette
quation sont engendres par le vecteur :
V
3
=
_
_
1
1
3
_
_
.
Ces petits calculs nous permettent alors de dterminer la matrice de passage P de la base
(V
1
, V
2
, V
3
) de vecteurs propres la base initiale. On peut alors crire A sous la forme
A = PDP
1
, avec :
P =
_
_
1 1 1
1 2 1
2 0 3
_
_
, P
1
=
_
_
2 1 1

1
3
1
3
0

4
3

2
3
1
_
_
et D =
_
_
1 0 0
0 2 0
0 0 1
_
_
.
88 CHAPITRE 3. INTRODUCTION LANALYSE FONCTIONNELLE
Ainsi, et daprs ce qui a t expliqu prcdemment, on calcule aisment lexponentielle
de la matrice A. On a donc :
exp(A) = P
_
_
e 0 0
0 e
2
0
0 0
1
e
_
_
P
1
.
2. Cas o A
k
se calcule aisment.
On appelle A la matrice dnie par :
A =
_
_
0 1 1
1 0 1
0 0 1
_
_
.
Une ide astucieuse, si lon souhaite dterminer A
k
, pour tout k 0, est dutiliser le
thorme de Cayley-Hamilton. Ce thorme nous dit que le polynme caractrisque de A
est un polynme annulateur de A. Or, dans notre cas, on vrie aisment que le polynme
annulateur de A a pour expression :
P(X) = (X 1)
2
(X + 1) = X
3
X
2
X + 1.
On en dduit la relation suivante pour A : A
3
A
2
A + I
2
= 0
M
2
(R)
, o I
2
dsigne la
matrice identit dordre 2. Remarquons de prime abord que A
1
se calcule aisment. En
eet, il est clair que A(I
2
+AA
2
) = (I
2
+AA
2
)A = I
2
(A commute avec tout polynme
de A). Ainsi, A
1
= I
2
+AA
2
. Lide, pour pouvoir utiliser cette mthode, est dutiliser
le polynme annulateur de A. Traduisons la division euclidienne du polynme X
k
, pour
k 3 par le polynme X
3
X
2
X + 1. On peut crire quil existe un polynme P
k
de
degr k 3, et trois suites (a
k
)
k

3
, (b
k
)
k3
et (c
k
)
k3
tels que :
X
k
= P
k
(X)(X
3
X
2
X + 1) +a
k
X
2
+b
k
X +c
k
.
Pour dterminer a
k
, b
k
et c
k
en fonction de k, la bonne ide est de faire successivement
X = 1 et X = 1 dans la relation ci-dessus. En remarquant que 1 est une racine double
du polynme annulateur de A, on peut tre incit driver la relation ci-dessus, car si 1
est racine double du polynme annulateur, 1 est encore racine de son polynme driv. On
en dduit successivement :
k 3,
_
_
_
a
k
+ b
k
+ c
k
= 1
a
k
b
k
+ c
k
= (1)
k
2a
k
+ b
k
= k
.
Un rsolution classique de ce systme donne pour solutions :
k 3,
_

_
a
k
=
k
2

1
4
+
(1)
k
2
b
k
=
1
2
+(1)
k+1
c
k
=
3
4

k
2
+
(1)
k
2
.
.
On en dduit que : k 3, A
k
= a
k
.A
2
+b
k
.A+c
k
.I
2
. Il sensuit que :
exp(A) = I +A +
A
2
2!
+
_
+

k=3
a
k
k!
_
.A
2
+
_
+

k=3
b
k
k!
_
.A+
_
+

k=3
c
k
k!
_
.I
2
=
_
1
2

5
16
_
e
1
e
__
A
2
+
_
1
4
+
e
2

1
e
_
.A+
_
21
16
.
e
2
+
21
16
e
3
4
_
I
2
.
3.2. ESPACES DE BANACH ET DE HILBERT 89
En eet, on a par exemple et en utilisant le fait que
+

k=0
1
k!
= e :
+

k=3
a
k
k!
=
1
2
+

k=3
1
(k 1)!

1
4
+

k=3
1
k!
+
1
2
+

k=3
(1)
k
k!
=
1
2
(e 2)
1
4
_
e
5
2
_
+
1
2
_
1
e

1
2
_
.
Enn, la formule crite prcdemment dnit compltement lexponentielle de la matrice
A. On pourrait poursuivre les calculs pour trouver lexpression explicite de la matrice, mais
cela na pas vraiment dintrt. Seul importe le principe de cette mthode.
3. cas o la matrice A est trigonalisable.
Rappelons brivement ce que lon entend par : A est trigonalisable.
Dnition 3.15. Endomorphisme trigonalisable.
Soit E, un espace vectoriel et u, un endomiorphisme de E, et B, une base de E. Alors :
(i) u est trigonalisable si, et seulement sil existe une base B

de E telle que : Mat(u, B) =


P
1
Mat(u, B

)P, o Mat(u, B

) est une matrice triangulaire suprieure et P, la ma-


trice de passage de la base B B

.
(ii) Si E est de dimension nie, u est trigonalisable si, et seulement si son polynme
caractristique est scind racines simples dans E, autrement dit sil peut scrire comme
un produit de polynmes de degr 1.
Considrons la matrice A dnie par la relation :
A =
_
_
0 3 2
1 0 1
3 5 5
_
_
.
Le polynme caractristique de A est : P(X) = (1 X)(2 X)
2
. On cherche les sous
espaces propres associs aux valeurs propres 1 et 2. Je laisse au lecteur le soin de vrier
les armations suivantes :
Vecteur propre associ 1 : f
1
(1, 1, 2) ;
Vecteur propre associ 2 : f
2
(1, 0, 1).
(f
1
, f
2
) est une famille de dimension 2. Il faut donc complter cette famille pour obtenir
une base de R
3
. On choisit par exemple le vecteur f
3
(1, 1, 1). En dimension suprieure, il
faudrait utiliser la notion de sous-espace caractristique, que je ne dtaille pas ici, car cela
nous enmnerait trop loin. On peut donc crire que :
A =
_
_
1 1 1
1 0 1
2 1 1
_
_
_
_
1 0 0
0 2 1
0 0 2
_
_
_
_
1 2 1
1 3 2
1 1 1
_
_
.
Posons alors :
T =
_
_
1 0 0
0 2 1
0 0 2
_
_
On peut donc crire que : A = P
1
TP, et en utilisant la mme technique que dans le cas
o A est diagonalisable, on montre aisment que : k 1, A
k
= P
1
T
k
P. Ensuite, T est
une matrice triangulaire suprieure. Un la dcompose de la faon suivante :
T = D +N, avec D =
_
_
1 0 0
0 2 0
0 0 2
_
_
et N =
_
_
0 0 0
0 0 1
0 0 0
_
_
.
90 CHAPITRE 3. INTRODUCTION LANALYSE FONCTIONNELLE
D est une matrice diagonale et N est une matrice dite nilpotente .
Remarque 1 : une matrice N est dite nilpotente sil existe un entier naturel k tel que
N
k
= 0.
Remarque 2 : la dcomposition T = N + D, avec T, triangulaire suprieure, D dia-
gonale et N nilpotente sappelle la dcomposition de Dunford.
Remarquons que N
2
= 0, ce qui nous conrme que N est nilpotente. Ensuite, puisque
lensemble des matrices carres est un anneau, et que les matrices diagonales commutent
avec toute autre matrice, on peut crire, daprs la formule du binme de Newton que :
k 1, T
k
= (D +N)
k
=
k

i=0
_
k
i
_
N
i
D
ki
= D
k
+kND
k1
=
_
_
1 0 0
0 2
k
k2
k1
0 0 2
k
_
_
.
Cette criture nous permet de dmontrer, puisque
+

k=0
2
k
k!
= e
2
et
+

k=1
k2
k1
k!
= e
2
, sur le
mme principe, que :
exp(A) = P
1
_
_
e 0 0
0 e
2
e
2
0 0 e
2
_
_
P.
3.2.4 Espaces de Hilbert
3.2.4.1 Introduction et exemples
Dans cette partie, jintroduis un type particulier despace de Banach appel espace de Hilbert.
Il existe maints rsultats relatifs aux espaces de Hilbert. Ces espaces sont trs utiliss et trs
tudis. Je ne prsenterai donc ici quune inme partie de ce que lon sait actuellement sur ces
espaces.
Dnition 3.16. Espaces de Hilbert.
Soit E, un espace prhilbertien rel ou complexe muni dun produit < ., . >.
On dit que E est un espace de Hilbert si E est complet pour la norme induite par < ., . >.
Remarque 1 : je rappelle une enime fois que la norme induite par < ., . > est lapplication N
dnie par la relation :
x E, N(x) = (< x, x >)
1
2
.
Remarque 2 : les thormes de projection ou relatifs lexistence dun supplmentaire ortho-
gonal, tudis dans le cas des espaces prhilbertiens sappliquent, par dnition aux espaces de
Hilbert.
Remarque 3 : un espace de Hilbert est en particulier un espace de Banach, puisquil est complet
et muni dune norme : la norme induite.
Je donne prsent quelques exemples despaces de Hilbert :
Tous les exemples donns dans la partie 3.1 sont encore valables.
3.2. ESPACES DE BANACH ET DE HILBERT 91
Daprs les rsultats noncs dans la dernire section du chapitre prcdent, on sait que tout
espace prhilbertien de dimension nie est complet, donc dnit un espace de Hilbert.
Lexemple que je donne prsent est un peu plus compliqu. Si je souhaitais rellement prsen-
ter proprement les choses, je serais oblig de dnir la notion dintgration au sens de Lebesgue.
Cest donc tout fait dlibrment que je resterai assez vasif sur la signication que je donne
au symbole
_
. Pour vous aider vous reprsenter les choses, considrez les fonctions que vous
avez lhabitude de manipuler, sans chercher de contre exemple pathologique . On appelle
T(R), lespace des fonctions R R. On dnit lespace L
2
(R) par :
L
2
(R) =
_
f T(R) :
_
+

[f(x)[
2
dx < +
_
.
Habituellement, on dit que deux fonctions f et g de T(R) sont gales si, et seulement si elles
concident en tout point de R, cest dire si x R, f(x) = g(x). Pour pouvoir dnir une
norme sur L
2
(R), il est ncessaire de dnir une nouvelle notion dgalit. Soient f et g, deux
fonctions de L
2
(R). On dira alors que f et g sont gales presque partout si, en dnissant
:= x R : f(x) ,= g(x), on a :
_

dx = 0. On notera alors f
p.p.
= g. On appelle alors
|.|
L
2
(R)
, lapplication dnie sur L
2
(R) par la relation :
f L
2
(R), |f|
L
2
(R)
=

_
+

[f(x)[
2
dx
|.|
L
2
(R)
est une norme sur L
2
(R). Remarquons que |f|
L
2
(R)
= 0 = f
p.p.
= 0. En eet, on sait
quune intgrale ne charge pas les points, autrement dit que si une fonction est nulle en
tout point de R except en un certain x
0
, lintgrale de cette fonction vaut 0. Cest pourquoi
il nous a fallu tre prcautionneux dans le sens que lon donne lgalit de deux lments
de L
2
(R). Cette prcaution tant prise, remarquons que la norme |.|
L
2
(R)
est induite par le
produit scalaire < ., . > dni par la relation :
(f, g)
_
L
2
(R)
_
2
, < f, g >:=
_
+

f(x)g(x)dx.
Ainsi, L
2
(R) muni de ce produit scalaire est un espace de Hilbert. Cet exemple est essentiel
en Analyse fonctionnelle.
3.2.4.2 Notion de base hilbertienne
Cette partie contient des rsltats un peu thoriques sur les espaces de Hilbert. Jen montrerai
lutilit en dtaillant lexemple des sries de Fourier dans la section qui suit.
Dans toute cette section, H dsignera un espace de Hilbert muni dun produit < ., . >, dont la
norme induite est note |.|.
Dnition 3.17. Base hilbertienne.
Soit I, un ensemble dindices et (e
i
)
iI
, une famille dlments de H. On dit que (e
i
)
iI
est une
base hilbertienne de H si, et seulement si :
(i) La famille (e
i
)
iI
est orthonormale.
(ii) Pour tout x H, x =

iI
< e
i
, x > .e
i
.
92 CHAPITRE 3. INTRODUCTION LANALYSE FONCTIONNELLE
Remarque 1 : on dduit de (ii) et du thorme de Pythagore que, en posant x
i
=< x, e
i
>, on
a : x H,

iI
[x
i
[
2
= |x|
2
. Un rsultat dAnalyse sur les familles sommables justie que len-
semble I est au plus dnombrable, cest dire dnombrable ou ni. Je rappelle quun ensemble
I est dit dnombrable sil existe une bijection de I dans N. Cela signie, de faon plus simple
que le symbole

iI
peut scrire
+

n=1
.
Remarque 2 : le systme orthonormal (e
i
)
iI
est une base orthonormale si et seulement si
le sous espace vectoriel engendr par (e
i
)
iI
est dense dans H, autrement dit :
e
i
, i I = H.
Remarque 3 : attention ! Une base hilbertienne nest pas ncessairement une base au sens des
espaces vectoriels.
Remarque 4 : on peut faire le lien avec les thormes de projection tudis prcdemment.
Cest ce que lon traduit par lingalit de Bessel.
Proprit 3.11. Ingalit de Bessel.
Soit I, un ensemble dindices ni, non vide. Soit (e
i
)
iI
, une famille orthonormale de vecteurs
de H. Soit x E. On a lingalit :

iI
[ < x, e
i
> [
2
|x|
2
.
Dmonstration. On appelle V , le sous espace vectoriel engendr par (e
i
)
iI
. On dsigne par p
V
,
la projection sur le sous espace vectoriel de dimension nie V . Le thorme de la projection,
version algbrique nous assure que :
p
V
(x) =

iI
< x, e
i
> .e
i
.
Utilisons alors le thorme de Pythagore. On en dduit que :

iI
[ < x, e
i
> [
2
= |p
V
(x)|
2
|x|
2
.
Lgalit de Parseval que jnonce prsent est proche de lingalit de Bessel. La dirence est
la suivante : dans le cas dune famille orthonormale quelconque dans un espace de Hilbert, on
a selement une ingalit, tandis que dans le cas o cette famille est une base hilbertienne, on a
une galit.
Thorme 3.13. Thorme de Parseval.
Soit I, un ensemble dindices ni, non vide. Soit (e
i
)
iI
, une base hilbertienne de H. Soit x E.
On a lgalit :

iI
[ < x, e
i
> [
2
= |x|
2
.
La rciproque est exacte : si, pour tout x H,la relation de Parseval est vrie, alors, la famille
(e
i
)
iI
est une base hilbertienne de H.
3.2. ESPACES DE BANACH ET DE HILBERT 93
La dmonstration de ce thorme ressemble fortement la dmonstration de lingalit de Bessel.
Il sut dutiliser le thorme de la projection, version algbrique, sur un espace de dimension
nie n donne. Ensuite, un passage la limite fournit le rsultat.
Lexercice qui suit est trs dtaill. Il peut tre utilis comme un exemple.
Exercice : polynmes de Legendre.
Soit n N. On dnit la famille de polynmes (P
n
)
nN
par la relation :
x [1, 1], P
n
(x) =
1
2
n
n!
d
n
dx
n
[(x
2
1)
n
].
1. Calculer les cinq premiers termes de cette suite de polynmes.
2. On pose pour tout entier naturel n : e
n
=
_
2n + 1
2
P
n
(x).
Dmontrer que (e
n
)
nN
est un systme orthonormal de L
2
([1, 1]).
3. En utilisant le thorme de Weierstrass, relatif la densit des fonctions polynmiales
dans C([1, 1]) muni de la norme |.|

, dmontrer que (e
n
)
nN
est une base hilbertienne
de L
2
([1, 1]).
Je ne dmontre pas le thorme suivant, car il ncessite laxiome du choix, ce qui nous entranerait
un peu loin. On sattendait au rsultat nonc par ce thorme. Il sagit dun rsultat dexistence.
Thorme 3.14. Tout espace de Hilbert admet une base hilbertienne.
Je reformule prsent le thorme de projection nonc dans le cas dun epace prhilbertien,
appliqu cette fois un espace de Hilbert. Je ne considre ici que les projections orthogonales.
Proprit 3.12. Projection orthogonale dans un espace de Hilbert.
Soit F, un sous-espace ferm dun espace de Hilbert H. Soit x H.
Alors, il existe un unique y F vriant lune des assertions suivantes :
(i) x y F

. (autrement dit < x y, z >= 0, z F)


(ii) |x y| = d(x, y) = inf |x z|; z F.
Le thorme qui suit est trs utilis en Analyse applique. Ce thorme sappelle le thorme de
reprsentation de Riesz.
Thorme 3.15. Thorme de reprsentation de Riesz.
Soit H, un espace de Hilbert. On dsigne par H

, le dual topologique de H, cest dire lensemble


des formes linaires continues sur H, ou encore lensemble des applications linaires continues
: H K, o H est un K espace vectoriel. K dsigne en fait R ou C.
Si est une forme linaire continue sur H, alors il existe un unique a H tel que :
x H, (x) =< x, a > .
En particulier, lapplication a H
a
, o
a
dsigne la forme linaire dnie pour tout
x H par
a
(x) :=< x, a >, est un isomorphisme de H sur H

.
Dmonstration. On peut supposer non identiquement nulle. Posons alors F = ker =
1
(0).
Puisque et continue, F est un sous espace vectoriel ferm de H. Daprs le thorme de la
projection, version algbrique, on en dduit que F F

= H. Mais F

,= 0, sinon, on aurait
F = H, et est non identiquement nulle. On peut donc choisir b F

tel que (b) = 1. Soit


94 CHAPITRE 3. INTRODUCTION LANALYSE FONCTIONNELLE
x H. Alors, le vecteur y = x (x).b appartient F. De plus, (y = (x) (x)(b) = 0, et
ainsi, y F = ker . Puisque b F

, on a :
< y, b >= 0 =< x (x).b, b >=< x, b > (x) < b, b > .
Posons a =
b
<b,b>
. On en dduit que x H, (x) =< a, x >.
Lunicit sobtient aisment, en raisonnant par labsurde. Si a et a

sont deux lments distincts


de H tels que x H, < a, x >=< a

, x >, ainsi x H, < a a

, x >= 0. Il sut de choisir


x = a a

pour obtenir le rsultat souhait.


La seconde partie de ce thorme dcoule de ce que lon vient de montrer.
3.2.4.3 Exemple : application aux sries de Fourier
Si vous avez dj tudi les sries de Fourier, vous connaissez alors un exemple particulier des-
pace de Hilbert. Je ne souhaite pas mtendre sur ce thme qui commence dj sloigner un
peu du thme qui nous intresse : lAnalyse fonctionnelle. Je ne dmontrerai donc aucun des
thormes que je vais noncer. Je souhaite prsenter dans cette section un exemple dutilisation
de la notion de base hilbertienne.
Cadre de notre tude :
on appelle (
2
, lespace des fonctions continues sur R, 2-priodiques et valeurs complexes.
Cet espace est muni dun produit scalaire not < ., . >, dni par :
(f, g) (
2
2
, < f, g >:=
_
2
0
f(x)g(x)dx.
On note |.|, la norme associe.
On appelle (/
2
, lespace des fonctions continues par morceaux sur R, 2-priodiques et
valeursz complexes.
On admet que (
2
est dense dans (/
2
.
Traduction : cela signie que si f (/
2
, il existe une suiste de fonctions (f
n
)
nN
telle
que :
|f
n
f|
dans R

n+
0.
On dnit la famille de fonctions (e
n
)
nZ
par la relation :
x R, e
n
(x) = e
inx
.
Proprit 3.13. La famille (e
n
)
nZ
est orthonormale dans lespace (
2
, autrement dit :
(n, p) Z
2
, < e
n
, e
p
>=
1
2
_
2
0
e
it(n+p)
dt =
_
0 si p ,= n
1 sinon
.
Dnissons prsent les coecients de Fourier.
Dnition 3.18. Coecients de Fourier.
Soit f (/
2
. On dnit la famille (c
n
(f))
nZ
par :
n Z, c
n
(f) :=< f, e
n
>=
1
2
_
2
0
f(x)e
inx
dx.
3.2. ESPACES DE BANACH ET DE HILBERT 95
Remarque 1 : f (/
2
, [c
n
(f)[ |f|

, en utilisant des proprits ultra classiques des


intgrales. On en dduit que lapplication f c
n
(f) est linaire et continue.
Remarque 2 : les coecients c
n
possdent la proprit remarquable suivante : si f (
k1:
2
et est de classe (
k
par morceaux, alors :
c
n
(f) = o
n+
1
n
k
.
Nous allons prsent appliquer les rsultats noncs dans la section prcdente aux sries de
Fourier.
Appelons V , le sous espace vectoriel de (/
2
engendr par la famille de fonctions (e
n
)
nZ
.
Cet espace est appel espace vectoriel des polynmes trigonomtriques. Appelons V
n
,
pour n Z, le sous espace dni par :
n Z, V
n
=

(e
k
)
nkn
.
Soit f (/
2
. Pour n Z, on appelle S
n
, la projection orthogonale de f sur V
n
, autrement
dit :
S
n
(f) =
n

k=n
< e
k
, f > .e
k
=
n

k=n
c
n
(f).e
k
.
Dnition 3.19. Sries de Fourier.
On appelle srie de Fourier dun lment f de (/
2
, la srie indexe par Z de terme gnral :
c
k
(f).e
k
.
On dit alors que S
n
(f) est la somme partielle de rang n de la srie de Fourier de f.
Traduisons lingalit de Bessel, tudie dans la section prcdente, au cas des sries de Fourier :
f (/
2
, n N,
n

k=n
[c
k
(f)[
2
|f|
2
< +.
Remarque : cela nous montre en particulier que la famille (c
k
(f))
kZ
est de carr sommable,
ou encore, avec les notations utilises en dbut de chapitre que (c
k
(f))
kZ

2
(Z, C).
Enn, introduisons la notion de convergence en moyenne quadratique. On admet le thorme
suivant :
Thorme 3.16. Lespace L
2
([0, 2]) est un espace de Hilbert pour le produit scalaire < ., . >
dni prcdemment. De plus, la famille (e
n
)
nZ
constitue une base hilbertienne de L
2
([0, 2]).
Les espaces (
2
et (/
2
sont des espaces prhilbertiens. Ce sont des sous espaces de L
2
([0, 2]).
On en dduit, en appliquant le thorme de projection, tudi dans la section prcdente, une
fonction f (/
2
L
2
([0, 2]) le thorme :
Thorme 3.17. galit de Parseval.
Soit f (/
2
. Alors :
|f S
n
(f)|
n+
0 et on a |f|
2
=

nZ
[c
n
(f)[
2
.
96 CHAPITRE 3. INTRODUCTION LANALYSE FONCTIONNELLE
Il sagit l dune consquence directe de la notion mme de base hilbertienne et de projection
orthogonale dans un espace de Hilbert.
Enn, jnonce prsent un thorme fort clbre sur les sries de Fourier. Il sagit du thorme
de Dirichlet, qui nous fournit des renseignements sur la notion de convergence simple dune
fonction vers sa srie de Fourier.
Thorme 3.18. Thorme de Dirichlet.
Soit f (/
2
, une fonction de classe (
1
par morceaux. Alors sa srie de Fourier converge
simplement sur K (R ou C) et, pour tout x R, on a :
lim
n+
S
n
(f)(x) =
1
2
lim
h0
+
[f(x +h) +f(x h)].
En particulier, si f est continue, on a :
x R, f(x) =
+

n=0
c
n
(f).e
n
.
Exemple : appelons f, la fonction dnie sur R par :
f(x) =
_
_
_
1 si x [0, [
1 si x [, 2[
f (/
2
Calculons les coecients de Fourier de f. Soit n Z. Alors :
c
n
(f) =< f, e
n
>=
i
2
__

0
sin(nx)dx
_
2

sin(nx)dx
_
=
_
4
n
si n est impair ;
0 sinon.
Sur lintervalle ]0, 2[ par exemple, on peut donc crire daprs le thorme de Dirichlet que :
f(x) =
4

k=0
sin[(2n + 1)]
2n + 1
.
De plus, on a convergence en moyenne quadratique de la srie de Fourier de f vers f.
Index
K-algbre, 80
galit de Parseval, 92
galit du paralllogramme, 63
galit presque partout, 91
lment inversible, 2
lment neutre, 2
adhrence, 14
algbre, 80
algbre de Banach, 80
algbre norme, 80
algorithme de Gram-Schmidt, 67
anneau, 2
application continue sur un compact, 42
application contractante, 34
application linaire continue, 52
application Lipschitzienne, 27
approximation uniforme, 44
base hilbertienne, 91
boule ferme, 10
boule ouverte, 8
caractrisation squentielle de ladhrence, 20
caractrisation squentielle de la continuit, 24
caractrisation squentielle des ferms, 20
chemin, 49
connexes de R, 51
connexit, 50
connexit par arcs, 49
continuit dans un EVN, 23
continuit uniforme, 27
convergence dans un EVN, 17
convergence normale dans un espace de Banach,
83
convergence uniforme dune srie de fonctions,
83
convergence uniforme dans un espace de Ba-
nach, 83
convexe, 78
corps, 3
dcomposition de Dunford, 90
dterminant de Gram, 75
densit dans un EVN, 21
distance, 8
distance un sous espace vectoriel, 70
endomorphisme diagonalisable, 86
espace ((X, Y ), 44
espace compact, 40
espace complet, 30
espace connexe, 50
espace connexe par arcs, 49
espace convexe, 49
espace de Banach, 79
espace de Hilbert, 90
espace dense, 21
espace euclidien, 61
espace hermitien, 62
espace mtrique, 8
espace prcompact, 48
espace prhilbertien complexe, 62
espace prhilbertien rel, 61
espace propre, 86
espace vectoriel, 4
espaces prhilbertiens complexes, 62
Factorisation QR, 68
famille dnombrable, 12
ferm, 10, 12
ferm relatif, 50
forme p-linaire, 57
forme hermitienne, 62
forme multilinaire, 57
forme sesquilinaire, 62
formule des anneaux, 3
formule du binme de Newton, 3
frontire, 15
groupe, 2
groupe O(n), 67
homomorphisme, 26
image rciproque, 24
image rciproque dune partie, 24
97
98 INDEX
ingalit de Bessel, 92
ingalit de Cauchy-Schwarz, 5, 62
ingalit de Hadamard, 77
ingalit des accroissement nis, 27
intrieur, 13
isomtrie, 56
limite dans un EVN, 17
limite de fonctions dans un EVN, 23
loi associative, 2
loi commutative, 2
loi de composition interne, 1
loi distributive, 2
mthode de Newton-Raphson, 36
matrice de Gram, 75
matrice nilpotente, 90
matrice orthogonale, 67
norme, 5
norme de la convergence uniforme, 44
norme euclidienne, 5, 7
norme induite, 61, 62
norme sous-multiplicative, 80
norme subordonne, 53
norme triple, 53
normes quivalentes, 10, 17
orthogonal dun ensemble, 68
orthogonaux (lments), 68
ouvert, 9, 12
ouvert relatif, 50
partie convexe, 78
parties orthogonales, 69
point adhrent, 14
point intrieur, 13
polynmes de Legendre, 93
procd dorthonormalisation de Gram-Schmidt,
64
procd dorthonormalisation de Schmidt, 64
produit cartsien, 1
produit despaces compacts, 41
produit dEVN, 18
produit scalaire, 5
projection, 70
projection orthogonale dans un Hilbert., 93
proprit de Borel-Lebesgue, 48
recouvrement, 47
srie absolument convergente, 81
srie dans un espace de Banach, 81
srie de Fourier, 95
sries de Fourier, 46
somme dune srie, 81
somme directe, 4
sommes de Darboux, 44
sommes de Riemann, 43
sous-groupe, 2
sous-suite, 19
spectre dun endomorphisme, 86
sphre, 15
suite de Cauchy, 28
suite extraite, 19
supplmentaire orthogonal, 69
thorme de Bernstein, 45
thorme de Cauchy-linaire, 38
thorme de Cayley-Hamilton, 88
thorme de Dirichlet, 96
thorme de Heine, 43
thorme de la double limite, 83
thorme de la projection orhogonale, 72
thorme de la projection, version algbrique,
73
thorme de la projection, version topologique,
78
thorme de Parseval, 95
thorme de Pythagore, 64
thorme de reprsentation de Riesz, 93
thorme de Tychonov, 42
thorme de Weierstrass, 46
thorme de Weierstrass-Trigonomtrique, 46
thorme des valeurs intermdiaires, 51
thorme du point xe, 34
topologie, 10
valeur dadhrence, 19
voisinage, 13