Vous êtes sur la page 1sur 142

Universite Libre de Bruxelles

Faculte des Sciences Appliquees


MA1 en Ingenieur Civil Physicien

MATH-H-402
Introduction `
a lanalyse
fonctionnelle et applications
Frederic Bourgeois

Table des mati`


eres
Introduction

1 Espaces m
etriques et topologiques
1.1

1.2

11

Espaces metriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1.1

Definitions

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

1.1.2

Suites convergentes et applications continues . . . . . . . . . . . . . 12

1.1.3

Espaces metriques complets . . . . . . . . . . . . . . . . . . . . . . . 14

Espaces topologiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.2.1

Definitions

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

1.2.2

Convergence et continuite . . . . . . . . . . . . . . . . . . . . . . . . 18

1.2.3

Compacite

1.2.4

Theor`eme de Baire . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19

Exercices sur le Chapitre 1 . . . . . . . . . . . . . . . . . . . . . . . . . . . 22


2 Espaces norm
es. Espaces de Banach

23

2.1

Espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

2.2

Espaces normes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

2.3

2.2.1

Definitions

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26

2.2.2

Normes equivalentes . . . . . . . . . . . . . . . . . . . . . . . . . . . 28

2.2.3

Applications lineaires bornees . . . . . . . . . . . . . . . . . . . . . . 30

2.2.4

Operateurs lineaires . . . . . . . . . . . . . . . . . . . . . . . . . . . 32

Espaces de Banach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

2.3.1

Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

2.3.2

Theor`emes de lapplication ouverte et du graphe ferme . . . . . . . . 34

2.3.3

Projecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36

2.4

Fonctionnelles lineaires et dualite . . . . . . . . . . . . . . . . . . . . . . . . 37

2.5

Topologies faibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

2.6

Espaces doperateurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
Exercices sur le Chapitre 2 . . . . . . . . . . . . . . . . . . . . . . . . . . . 41

3 Espaces `
a produit interne. Espaces de Hilbert

43

3.1

Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43

3.2

Espaces de Hilbert . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 45

3.3

Suites et bases orthonormees . . . . . . . . . . . . . . . . . . . . . . . . . . 47

3.4

Theor`eme de representation de Riesz . . . . . . . . . . . . . . . . . . . . . . 50

3.5

Operateurs particuliers . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

3.6

3.5.1

Operateurs adjoints . . . . . . . . . . . . . . . . . . . . . . . . . . . 51

3.5.2

Operateurs auto-adjoints

3.5.3

Operateurs unitaires . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

3.5.4

Operateurs normaux . . . . . . . . . . . . . . . . . . . . . . . . . . . 54

. . . . . . . . . . . . . . . . . . . . . . . . 52

Projecteurs orthogonaux . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
Exercices sur le Chapitre 3 . . . . . . . . . . . . . . . . . . . . . . . . . . . 55

4 Distributions

57

4.1

Definitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57

4.2

Operations

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

4.2.1

Translation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

4.2.2

Derivation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60

4.2.3

Integration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 61

4.2.4

Multiplication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62

4.2.5

Image directe, inverse et changement de variables . . . . . . . . . . . 63

4.2.6

Proprietes des operations . . . . . . . . . . . . . . . . . . . . . . . . 64

4.3

Lissage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65

4.4

Regularisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67

4.5

Proprietes locales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68

4.6

4.5.1

Egalites et inegalites locales . . . . . . . . . . . . . . . . . . . . . . . 68

4.5.2

Recollement . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 69

4.5.3

Structure locale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70

Produit tensoriel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
Exercices sur le Chapitre 4 . . . . . . . . . . . . . . . . . . . . . . . . . . . 71

5 Distributions temp
er
ees

73

5.1

Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 73

5.2

Transformee de Fourier dans S(Rn ) . . . . . . . . . . . . . . . . . . . . . . . 75

5.3

5.4

5.5

5.2.1

Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75

5.2.2

Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 75

5.2.3

Theor`eme de Paley-Wiener . . . . . . . . . . . . . . . . . . . . . . . 79

Transformee de Fourier dans S (Rn ) . . . . . . . . . . . . . . . . . . . . . . 81


5.3.1

Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

5.3.2

Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81

5.3.3

Theor`eme de Paley-Wiener . . . . . . . . . . . . . . . . . . . . . . . 82

Produit de convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
5.4.1

Produit de convolution dans S(Rn ) . . . . . . . . . . . . . . . . . . . 85

5.4.2

Produit de convolution entre S(Rn ) et S (Rn ) . . . . . . . . . . . . . 87

5.4.3

Produit de convolution dans S (Rn ) . . . . . . . . . . . . . . . . . . 89

Equations aux derivees partielles . . . . . . . . . . . . . . . . . . . . . . . . 91


5.5.1

Probl`emes aux limites . . . . . . . . . . . . . . . . . . . . . . . . . . 91

5.5.2

Probl`emes devolution . . . . . . . . . . . . . . . . . . . . . . . . . . 92

Exercices sur le Chapitre 5 . . . . . . . . . . . . . . . . . . . . . . . . . . . 94

6 Espaces de Lebesgue
6.1

6.2

6.3

6.4

6.5

95

Espaces L2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95
6.1.1

Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 95

6.1.2

Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 97

6.1.3

Autres espaces L2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 99

Espaces Lp . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101
6.2.1

Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 101

6.2.2

Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 103

Espaces L1 et L . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104
6.3.1

Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 104

6.3.2

Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 105

Operations

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

6.4.1

Multiplication . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 107

6.4.2

Integration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 108

6.4.3

Lissage

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 109

Note sur la theorie de la mesure . . . . . . . . . . . . . . . . . . . . . . . . . 110


Exercices sur le Chapitre 6 . . . . . . . . . . . . . . . . . . . . . . . . . . . 111

7 Espaces de Sobolev
7.1

112

Espaces H m () . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
7.1.1

Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112

7.1.2

Regularite du domaine . . . . . . . . . . . . . . . . . . . . . . . . . . 113

7.1.3

Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114

7.2

Dualite et espaces H m . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 119

7.3

Autres espaces de Sobolev . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120


7.3.1

Espaces W m,p . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 120

7.3.2

Espaces H s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121

Exercices sur le Chapitre 7 . . . . . . . . . . . . . . . . . . . . . . . . . . . 121

8 Probl`
emes aux limites
8.1

8.2

8.3

122

Formulation variationnelle . . . . . . . . . . . . . . . . . . . . . . . . . . . . 122


8.1.1

Fonctionnelle de Ritz . . . . . . . . . . . . . . . . . . . . . . . . . . . 122

8.1.2

Probl`eme de Poisson . . . . . . . . . . . . . . . . . . . . . . . . . . . 125

8.1.3

Probl`eme de Poisson-Neumann . . . . . . . . . . . . . . . . . . . . . 127

8.1.4

Conditions aux limites essentielles et naturelles . . . . . . . . . . . . 128

8.1.5

Generalisation

. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129

Methodes approchees . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130


8.2.1

Methode de Ritz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 130

8.2.2

Elements finis . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 132

Probl`emes aux valeurs propres . . . . . . . . . . . . . . . . . . . . . . . . . 135


8.3.1

Quotient de Rayleigh . . . . . . . . . . . . . . . . . . . . . . . . . . . 135

8.3.2

Valeurs propres du laplacien . . . . . . . . . . . . . . . . . . . . . . . 136

Exercices sur le Chapitre 8 . . . . . . . . . . . . . . . . . . . . . . . . . . . 139


Notations

140

Bibliographie

142

Introduction
Logic is the hygiene the mathematician practices
to keep his ideas healthy and strong
Hermann Weyl (1885 - 1955)

Lanalyse fonctionnelle est letude des espaces de fonctions. Pour situer ce domaine des
mathematiques par rapport au calcul differentiel et integral, on peut penser intuitivement
`a letude des fonctions comme `
a une succession de trois niveaux, du plus elementaire au
plus abstrait.
Le premier niveau consiste `
a etudier les proprietes de fonctions individuelles, telles que
leur domaine, leurs extrema, leur concavite, leurs asymptotes, . . . Ces proprietes peuvent
alors etre representees sur le graphe de ces fonctions.
Le deuxi`eme niveau consiste `
a etudier des proprietes plus generales portant sur des collections de fonctions, telles que diverses notions de continuite, de convergence pour des
suites de fonctions, ainsi que les liens entre ces proprietes. Ceci est typiquement lobjet
dun cours danalyse, ou de calcul differentiel et integral.
Le troisi`eme niveau consiste `
a etudier non plus les fonctions elles-memes, mais bien certains
espaces de fonctions. De ce cadre, certaines proprietes abstraites pour des collections de
fonctions peuvent etre reformulees comme des proprietes de certains espaces de fonctions.
Par exemple, le fait que la convergence uniforme implique la convergence au sens L2 dune
suite de fonctions pourra sexprimer par le fait quune certaine inclusion entre espaces de
fonctions est continue.
Lobjectif de ce cours est dappliquer certaines notions danalyse fonctionnelle `a letude
des equations aux derivees partielles. Pour atteindre ce but, le cours est divise en trois
parties.
La premi`ere partie de ce cours (chapitres 1 `a 3) est consacree aux notions de base
necessaires pour travailler avec des espaces abstraits aussi generaux que des espaces topologiques, avec des espaces vectoriels de dimension infinie, et plus particuli`erement avec
des espaces de Banach et de Hilbert.
La deuxi`eme partie de ce cours (chapitres 4 `a 7) est consacree `a letude de certains espaces
de fonctions ou de distributions. On etudiera ainsi lespace des distributions, lespace des
distributions temperees, appele aussi espace de Schwartz, les espaces de Lebesgue et les

espaces de Sobolev.
La troisi`eme partie de ce cours (chapitre 8) est consacree aux applications des deux
premi`eres parties `
a letude de certaines equations aux derivees partielles. En effet, lanalyse
fonctionnelle permet detudier certaines proprietes des solutions dequations aux derivees
partielles, telles que leur existence, leur regularite et eventuellement leur unicite. Il est
remarquable que ces memes techniques jouent un r
ole central en analyse numerique,
cest-`
a-dire pour la resolution numerique dequations aux derivees partielles. En effet,
lanalyse fonctionnelle permet de formuler rigoureusement des algorithmes numeriques,
de demontrer la convergence de processus iteratifs, dobtenir des bornes superieures sur
lecart entre la solution approchee (qui a ete calculee numeriquement) et la solution reelle
(qui est inconnue).
Ce cours nest toutefois quune petite introduction au vaste domaine quest lanalyse fonctionnelle. Ainsi, certains resultats fondamentaux seront omis, tels que les theor`emes de
Hahn-Banach et de Banach-Steinhaus. On nabordera pas non plus toute une serie de
th`emes classiques en analyse fonctionnelle, tels que les operateurs compacts, la theorie
de Fredholm, les proprietes generales des operateurs elliptiques, la theorie spectrale, les
semi-groupes, . . .
Le lecteur desirant depasser le cadre de ce cours pourra satisfaire sa curiosite en consultant
les ouvrages cites dans la bibliographie, qui sont tous disponibles `a la Biblioth`eque des
Sciences et Techniques de lULB.

Liste des notions `


a r
eviser
Chapitre 1 : Espaces metriques et topologiques
MATH-H-100, Chap 1 : topologie dans Rn (boule ouverte, fermee, interieur, . . . )
MATH-H-100, Chap 2 : convergence des suites numeriques, continuite des fonctions
MATH-H-100, Chap 8 : proprietes des fonctions continues
Chapitre 2 : Espaces normes. Espaces de Banach
MATH-H-101 : espaces vectoriels, applications lineaires, normes
MATH-H-200, Chap 12 : convergence uniforme
Chapitre 3 : Espaces `
a produit interne. Espaces de Hilbert
MATH-H-101 : espaces euclidiens
MATH-H-200, Chap 14 : series de Fourier
Chapitre 4 : Distributions
MATH-H-201 : introduction aux distributions
Chapitre 5 : Distributions temperees
MATH-H-100, Chap 10 : integrales multiples, theor`eme de Fubini
MATH-H-201 : transformee de Fourier, fonctions analytiques complexes
Chapitre 6 : Espaces de Lebesgue
MATH-H-200, Chap 14 : fonctions de carre sommable
Chapitre 7 : Espaces de Sobolev
Bien relire et comprendre le chapitre 6
Chapitre 8 : Probl`emes aux limites
MATH-H-301, Chap 26 : quotient de Rayleigh

Espaces topologiques
(chap 1, sec 1.2)

Espaces vectoriels topologiques


(chap 2, sec 2.2)
D(), D (), S(), S (), E(), E ()

Espaces m
etriques
(chap 1, sec 1.1)

Espaces norm
es
(chap 2, sec 2.2)
B(X, E)

Espaces pr
ehilbertiens
(chap 3, sec 3.1)

Espaces m
etriques complets
(chap 1, sec 1.1)

Espaces de Banach
(chap 2, sec 2.3)
m (), Lp (), W m,p ()
lp (E), C0m (), Cbm (), CK

Espaces de Hilbert
(chap 3, sec 3.2)
l2 (E), L2 (), L2 (R), L2 (S),
H m (), H0m (), H s (Rn )

Espaces rencontr
es dans ce cours

Espaces vectoriels
(chap 2, sec 2.1)
Kn , KX

10

Ensembles

Chapitre 1

Espaces m
etriques et topologiques
A topologist is one who doesnt know the difference
between a doughnut and a coffee cup.
John Kelley (1916 - 1999)

1.1

Espaces m
etriques

1.1.1

D
efinitions

D
efinition 1.1. Un espace m
etrique (E, d) est un ensemble E muni dune distance
d, cest-`
a-dire une application d : E E R+ telle que, pour tout x, y, z E,
(i) d(x, y) = 0 x = y,
(ii) d(x, y) = d(y, x),
(iii) d(x, z) d(x, y) + d(y, z) (inegalite triangulaire).
Pour alleger les notations, on note quelquefois un espace metrique simplement par E, en
omettant la distance, lorsque celle-ci est identifiable dapr`es le contexte.
Exemples.
1. Lensemble F n , avec F = Z, Q, R ou C, muni de la distance d donnee par
v
u n
uX
|xi yi |2 ,
x = (x1 , . . . , xn ), y = (y1 , . . . , yn ),
d(x, y) = t
i=1

est un espace metrique.


2. Soit E un ensemble et d : E E R+ la metrique discr`ete, definie par

0 si x = y,
d(x, y) =
1 si x 6= y.
Alors (E, d) est un espace metrique, qualifie de discret.

11

Soient A, B E non vides et x E. La distance d(x, A) entre x et A est definie par


d(x, A) = inf d(x, y).
yA

La distance d(A, B) entre A et B est definie par


d(A, B) = inf d(y, z).
yA
zB

Le diam`
etre (A) est defini par
(A) = sup d(y, z).
y,zA

Lensemble A est dit born


e si (A) < .
Tout sous-ensemble F E dun espace metrique (E, d) est encore un espace metrique : il
suffit de le munir de la distance dF = d|F F induite par d sur F .
La boule ouverte (resp. ferm
ee) de rayon r > 0 et de centre x E est lensemble
B(x, r) (resp. B(x, r)) des points y E tels que d(x, y) < r (resp. d(x, y) r).
Un sous-ensemble A E est dit dense dans E si pour tout x E et pour tout > 0,
B(x, ) A 6= . En dautres termes, tout element de E peut etre approxime daussi pr`es
que lon veut par des elements de A.
Une application bijective f : E F entre deux espaces metriques (E, dE ) et (F, dF )
telle que dE (x, y) = dF (f (x), f (y)) pour tout x, y E est appelee une isom
etrie. Si il
existe une isometrie f : E F , les espaces metriques E et F sont dits isom
etriques.
Deux espaces metriques isometriques sont tout-`
a-fait equivalents, au sens o`
u ils poss`edent
exactement les memes proprietes.

1.1.2

Suites convergentes et applications continues

D
efinition 1.2. Une suite (xn ) delements dun espace metrique E est dite convergente
si il existe x E tel que d(xn , x) 0 lorsque n . Lelement x E est appele limite
de la suite (xn ) et est unique.
Une suite qui nest pas convergente est dite divergente.
Exemples.
1. La suite xn =

1
n

dans R converge vers 0.

2. Les suites xn = (1)n et yn = n dans R sont divergentes.

D
efinition 1.3. Soit f : E F une application entre deux espaces metriques (E, dE ) et
(F, dF ) et soit x E. On dit que f est continue en x si, pour tout > 0, il existe > 0
tel que f (B(x, )) B(f (x), ). On dit que f est continue si f est continue en y pour
tout y E. On dit que f est uniform
ement continue si pour tout > 0, il existe > 0
tel que dE (y, z) < implique dF (f (y), f (z)) < .

12

En dautres termes, une application continue est uniformement continue si > 0 peut etre
choisi independamment de x E.
Exemples.
1. Lapplication f : R R : x 7 x2 est continue, mais pas uniformement continue.

2. Une isometrie f : E F entre deux espaces metriques est une application uniformement continue.
3. Soit (E, d) un espace metrique. Pour tout x0 E, lapplication dx0 : E R : x 7
d(x0 , x) est une application uniformement continue.
4. Si (E, d) est un espace metrique discret, alors toute application f : E F vers un
autre espace metrique F est uniformement continue.
N
Proposition 1.4. Une application f : E F entre deux espaces metriques est continue
si et seulement si pour toute suite (xn ) convergente dans E, on a


lim f (xn ) = f lim xn .
n

Demonstration. Supposons que f est continue et que (xn ) est une suite dans E convergeant
vers x. Pour tout > 0, il existe N N tel que n > N implique d(xn , x) < . Si f
est continue, pour tout > 0, il existe > 0 tel que si y E avec d(x, y) < alors
d(f (x), f (y)) < . Par consequent, si n > N alors d(f (x), f (xn )) < de sorte que la suite
(f (xn )) converge vers f (x).
Inversement, supposons par labsurde que f ne soit pas continue en un certain x E.
Alors il existe > 0, une suite n 0 et une suite (xn ) dans E telle que d(x, xn ) < n
et d(f (x), f (xn )) > . Comme (xn ) converge vers x et que (f (xn )) ne peut converger vers
f (x), on obtient une contradiction.
Proposition 1.5. Soient f : E F et g : E F deux applications continues entre les
espaces metriques E et F . Si A E est dense et f (x) = g(x) pour tout x A, alors
f = g.
Demonstration. Soit x E. Comme A est dense dans E, il existe une suite (xn ) dans A
qui converge vers x. Par la proposition 1.4, les suites images (f (xn )) et (g(xn )) convergent
vers f (x) et g(x) respectivement. Par hypoth`ese, f (xn ) = g(xn ) pour tout n N, de sorte
que ces deux suites sont egales. Par unicite de la limite, on doit donc avoir f (x) = g(x).
D
efinition 1.6. Soit [0, 1]. Une application f : E F entre deux espaces metriques
(E, dE ) et (F, dF ) est dite h
olderienne dordre si il existe k R tel que dF (f (x), f (y))
k dE (x, y) pour tout x, y E. Si = 0, on dit que f est born
ee. Si = 1, on dit que
f est lipschitzienne.
Toute fonction h
olderienne dordre > 0 est uniformement continue, mais la reciproque
est fausse.
Exemple. La fonction f : [0, 21 ] R : x 7 log1 x est uniformement continue, mais elle
nest pas h
olderienne dordre , quel que soit > 0.
N

13

1.1.3

Espaces m
etriques complets

D
efinition 1.7. Une suite (xn ) delements dun espace metrique E est appelee suite de
Cauchy si d(xn , xm ) 0 lorsque m et n .
Clairement, toute suite convergente est de Cauchy, mais la reciproque nest pas toujours
vraie.
Exemple. Pour tout x R, on designe par x la partie enti`
a-dire le plus
ere de x, cest-`
grand entier inferieur ou egal `
a x. La suite xn = 10n 10n 2 dans Q est une suite de
Cauchy divergente.
N
equivalentes si
D
efinition 1.8. Deux suites de Cauchy (xn ) et (xn ) dans E sont dites
d(xn , xn ) 0 lorsque n .
Si deux suites de Cauchy (xn ) et (xn ) sont equivalentes, alors (xn ) est convergente si et
seulement si (xn ) est convergente, et dans ce cas ces deux suites ont la meme limite.
D
efinition 1.9. Un espace metrique E est dit complet si toute suite de Cauchy dans E
est convergente.
Exemple. Zn , Rn et Cn sont des espaces metriques complets, mais pas Qn .

Proposition 1.10. Soient A E un sous-ensemble dense dun espace metrique E et


F un espace metrique complet. Soit f : A F une application uniform
ement continue.
Alors il existe une unique application continue f : E F telle que f A = f . De plus, f
est uniformement continue.
Demonstration. Soit x E. Comme A est dense dans E, il existe une suite (xn ) dans A
qui converge vers x ; en particulier, la suite (xn ) est de Cauchy dans A. Montrons que la
suite image (f (xn )) est de Cauchy dans F .
En effet, pour tout > 0 il existe > 0 tel que d(x, y) < implique d(f (x), f (y)) < .
Comme la suite (xn ) est de Cauchy, il existe N N tel que si m, n N alors d(xn , xm ) < .
Par consequent, on a bien d(f (xn ), f (xm )) < .
On montre de meme que, si (yn ) est une suite de Cauchy equivalente `a (xn ), alors les
suites (f (xn )) et (f (yn )) sont equivalentes. En particulier, la limite de la suite de Cauchy
(f (xn )) ne depend que de x. On definit donc
f (x) = lim f (xn ).
n

Si x A, alors f (x) = f (x) car on peut choisir xn = x dans la definition de f . Par la


proposition 1.4, lapplication f est continue. Elle est unique avec ces proprietes par la
proposition 1.5.
Montrons que f est uniformement continue. Comme f est uniformement continue, pour
tout > 0, il existe > 0 tel que si d(x, y) < 2, alors d(f (x), f (y)) < 3 . Soient x, y E
tels que d(x, y) < . Soit comme avant une suite de Cauchy dans A convergeant vers x

14

dans E. Pour N N suffisamment grand, d(x, xN ) < 2 et d(f (x), f (xN )) < 3 ; on pose
xN = x . De meme, il existe y A tel que d(y, y ) < 2 et d(f (y), f (y )) < 3 . Alors on a
d(x , y ) d(x , x) + d(x, y) + d(y, y ) < 2
de sorte que d(f (x ), f (y )) < 3 . Par consequent,
d(f (x), f (y)) d(f (x), f (x )) + d(f (x ), f (y )) + d(f (y ), f (y)) <
comme souhaite.
Tout espace metrique (E, d) peut etre compl
et
e, cest-`
a-dire quil existe un espace metrie
e
e
e
e
que complet (E, d) tel que E E est dense dans E et d|EE = d. Un tel espace metrique
e est unique (`
e d)
(E,
a isometrie pr`es). En effet, si (E , d ) en est un autre, lidentite id :

e E E setend par la proposition 1.10 de mani`ere unique en une application


E E
e
f : E E qui preserve les distances. Comme on peut faire la meme chose en echangeant
e et E , f est bijective, donc aussi une isometrie.
E
e appele compl
e d),
On peut construire lespace metrique (E,
etion de (E, d), de la mani`ere
suivante.

e lensemble des classes dequivalence de suites de Cauchy dans E, au sens de la


Soit E
e en tant que classe
definition 1.8. Un element x E peut etre vu comme un element de E
dequivalence [xn ] de la suite constante (xn = x) dans E.

On definit une distance d((xn ), (xn )) entre deux suites de Cauchy (xn ) et (xn ) dans E par
d((xn ), (xn )) = lim d(xn , xn ).
n

La limite dans le membre de droite existe, car la suite de reels d(xn , xn ) est une suite de
Cauchy dans R.
Comme cette distance reste identique lorsque lon remplace (xn ) ou (xn ) par une suite de
e
Cauchy qui lui est equivalente, la distance d induit bien une distance de sur E.

e defini ci-dessus est la completion de lespace


e d)
Proposition 1.11. Lespace metrique (E,
metrique (E, d).
e cest-`
Demonstration. Si [xn ] et [xn ] sont des elements de E E,
a-dire des classes

dequivalence de suites constantes (xn = x) et (xn = x ), alors


e n ], [x ]) = d((xn ), (x )) = lim d(x, x ) = d(x, x ),
d([x
n
n
n

e EE = d.
de sorte que d|

e car, toute classe dequivalence [xn ] E


e de suite de
Lespace original E est dense dans E
(k)
(k)
Cauchy (xn ), il existe des suites constantes (yn = y ) delements de E telles que
e n ], [y (k) ]) 0
d([x
n

15

lorsque k .

Il suffit en effet de prendre y (k) = xk pour tout k N.


e ainsi obtenu est complet, car si les elements [x(k)
e d)
e
Lespace metrique (E,
n ] E forment
e
e
une suite de Cauchy dans E, alors cette suite converge vers la classe dequivalence [yn ] E
(n)
de la suite (yn ) definie par yn = xn , pour tout n N.
Exemple. La completion de Qn est Rn .

1.2
1.2.1

Espaces topologiques
D
efinitions

D
efinition 1.12. Un espace topologique (E, T ) est un ensemble E muni dune topologie T , cest-`
a-dire une collection T 2E de parties de E, appelees ouverts, telle
que
(i) , E T ,

(ii) si Oi T , i I alors iI Oi T ,

(iii) si Oi T , i I avec I fini, alors iI Oi T .


Soit A E. Un voisinage de A est un ensemble V contenant un ouvert qui contient A.
Ainsi, un ouvert est un voisinage de chacun de ses points. Lint
erieur int(A) (et note
o

quelquefois A) de A est lensemble des points int


erieurs de A, cest-`
a-dire dont A est un
voisinage. On verifie aisement que int(A) est lunion des ouverts de E contenus dans A.
Un ensemble F E est appele ferm
e si cest le complementaire dun ouvert de E. On
verifie aisement que les fermes poss`edent les proprietes suivantes :
(i) les ensembles et E sont fermes,

(ii) si les ensembles Fi E, i I, sont fermes alors iI Fi est ferme,

(iii) si les ensembles Fi , i I, avec I fini, sont fermes alors iIFi est ferme.

erents `a A, cestSoit A E. Ladh


erence de A est lensemble A des points de E adh
a`-dire dont tout voisinage intersecte A. On verifie aisement que ladherence A de A dans
E est lintersection des fermes de E contenant A.
Un point x A est dit isol
e si il existe un voisinage V de x dans E tel que A V = {x}.
On dit que x A est un point daccumulation de A si x nest pas isole dans A et
si x est adherent `
a A. Par consequent, tout voisinage dun point daccumulation x de A
contient une point de A distinct de x.
Un ensemble A E est dit dense dans E si A = E. Un espace topologique E est dit
s
eparable si il contient un sous-ensemble denombrable et dense.
Le bord A de A est la difference A \ intA.

16

Soit (E, T ) un espace topologique et A E. La topologie induite TA par T sur A est


la collection des traces O A des ouverts O de E sur A.
Pour definir une topologie T sur un ensemble E, il est parfois malaise denumerer tous
les elements de E. Une base dune topologie T est un sous-ensemble B T tel que tout
element de T peut secrire comme lunion de certains elements de B. Comme une topologie
est enti`erement determinee par lune de ses bases, il suffit de decrire une base de topologie
pour specifier une topologie sur un ensemble. Une collection B 2E de parties de E est
une base dune topologie sur E si et seulement si
(i) tout element x E est contenu dans un element B B,
(ii) pour tout B1 , B2 B, lintersection B1 B2 peut secrire comme lunion de certains
elements de B.
Soient (E1 , T1 ) et (E2 , T2 ). La topologie produit T sur E = E1 E2 est la topologie
ayant pour base B = {O1 O2 E | O1 T1 , O2 T2 }.
Soient T1 et T2 deux topologies sur un ensemble E. On dit que T1 est plus fine que T2 si
T2 T1 . La topologie la plus fine sur E est la topologie discr`
ete T = 2E , alors que la
topologie la moins fine sur E est la topologie grossi`
ere T = {, E}.
La notion despace topologique generalise la notion despace metrique.
Exemple. Tout espace metrique (E, d) est un espace topologique. Il suffit de prendre la
collection des boules ouvertes pour d comme base Bd dune topologie Td sur E. Il sagit de
la topologie utilisee sur un espace metrique, sauf mention explicite du contraire.
On verifie alors que
(i) toute boule ouverte (resp. fermee) est ouverte (resp. fermee),
(ii) si F E et dF = d|F F , la topologie induite TF par Td concide avec la topologie
TdF naturelle sur (F, dF ),
(iii) A E est dense dans (E, d) si et seulement si A E est dense dans (E, Td ).
N
En revanche, les espaces topologiques sont bien plus generaux que les espaces metriques,
car de nombreux espaces topologiques ne peuvent etre obtenus de cette mani`ere.
D
efinition 1.13. Un espace topologique E est dit Hausdorff ou s
epar
e si pour tout
x, y E, il existe des voisinages disjoints pour x et y.
Tout espace metrique E est separe, car pour tout x, y E avec x 6= y, les boules ouvertes
B(x, r) et B(y, r) sont disjointes d`es que r < 12 d(x, y).
Exemples.
1. Si E est un espace topologique separe et A E, alors la topologie induite sur A est
separee.
2. Le produit despaces topologiques separes est separe.
3. Si E contient plus quun point, la topologie grossi`ere sur E nest pas separee.
4. La topologie de Zariski sur R est la collection des parties de R dont le complementaire
est fini. Cette topologie nest pas separee.
N

17

1.2.2

Convergence et continuit
e

D
efinition 1.14. Une suite (xn )dans un espace topologique E est dite convergente si il
existe x E tel que, pour tout voisinage V de x, il existe n0 N tel que xn V pour
tout n n0 . Lelement x E est appele limite de la suite (xn ). Si E est separe, la limite
dune suite convergente dans E est unique.
Si E est un espace metrique, les notions de suite convergente au sens metrique (definition
1.2) et au sens topologique (definition 1.14) concident. En revanche, la notion de suite de
Cauchy est de nature metrique, car elle na pas dequivalent topologique.
D
efinition 1.15. Soit f : E F une application entre deux espaces topologiques, et soit
x E. On dit que f est continue en x si pour tout voisinage W de f (x) dans F , il
existe un voisinage V de x dans E tel que f (V ) W . On dit que f est continue si f est
continue en y pour tout y E.
Si E et F sont des espaces metriques, les notions de continuite au sens metrique (definition
1.3) et au sens topologique (definition 1.15) concident. En revanche, la notion de continuite
uniforme est de nature metrique, car elle na pas dequivalent topologique.
Proposition 1.16. Une application f : E F entre deux espaces topologiques est continue si et seulement si f 1 (O) est ouvert dans E pour tout ouvert O de F .
Demonstration. Supposons que f est continue et O est un ouvert de F . Pour tout x
f 1 (O), louvert O est un voisinage de f (x). Par consequent, il existe un voisinage V de
x tel que f (V ) O, ou encore V f 1 (O). Donc f 1 (O) est un voisinage de chacun de
ses points, autrement dit un ouvert.
Inversement, supposons que f 1 (O) est ouvert dans E pour tout ouvert O de F . Soit x E
et soit W un voisinage de f (x) dans F . Alors W contient un ouvert O de F qui contient
f (x), et f 1 (W ) contient louvert f 1 (O) qui contient x. Autrement dit, V = f 1 (O) est
un voisinage de x tel que f (V ) W .
Une application bijective f : E F entre espaces topologiques E et F telle que f et
f 1 sont continues est appelee hom
eomorphisme. Une telle application induit donc une
bijection entre les ouverts de E et ceux de F . Si il existe un homeomorphisme f : E F ,
les espaces topologiques E et F sont dits hom
eomorphes. De tels espaces topologiques
sont alors tout-`
a-fait equivalents, car ils poss`edent exactement les meme proprietes.
Exemple. La sph`ere S 2 = {(x, y, z) R3 | x2 +y 2 +z 2 = 1} et lellipsode E = {(x, y, z)
2
2
2
R3 | xa2 + yb2 + zc2 = 1}, munis de la topologie induite par la topologie naturelle sur R3 ,
sont des espaces topologiques homeomorphes. Par contre, avec la restriction de la distance
usuelle sur R3 , ce ne sont pas des espaces metriques isometriques.
N
Dans le cadre des espaces topologiques, la proposition 1.4 nest plus vraie sans hypoth`eses
supplementaires, mais il reste vrai que limage par une application continue dune suite
convergente est convergente. Par consequent, la proposition 1.5 reste vraie pour des espaces
topologiques separes.

18

1.2.3

Compacit
e

Un recouvrement dun espace topologique E par des ouverts est une collection {Ui , i
I} douverts Ui de E telle que iI Ui = E. Un sous-recouvrement dun tel recouvrement
est une sous-collection {Ui , i I } avec I I telle que iI Ui = E. Ce sous-recouvrement
est dit fini si lensemble I est fini.
D
efinition 1.17. Un espace topologique E separe est dit compact si de tout recouvrement
de E par des ouverts, on peut extraire un sous-recouvrement fini.
Soit A E un sous-ensemble dun espace topologique E. On dit que A est compact si
A, muni de la topologie induite, est un espace topologique compact. On dit que A est
relativement compact si son adherence A E est compacte.
Exemple. Dans Rn muni de sa topologie usuelle, les ensembles compacts sont exactement
les ensembles fermes et bornes.
N
Proposition 1.18. Soit f : E F une application continue dun espace topologique
compact E vers un espace topologique separe F . Alors f (E) F , muni de la topologie
induite, est compact.
Demonstration. Soit {Ui , i I} un recouvrement de f (E) par des ouverts. Il suffit den
extraire un sous-recouvrement fini pour montrer que f (E) est compact. La collection
{f 1 (Ui ), i I} est un recouvrement de E par des ouverts. Comme E est compact, on peut
en extraire un recouvrement fini {f 1 (Ui1 ), . . . , f 1 (Uik )}. Par consequent, Ui1 , . . . , Uik est
un sous-recouvrement fini de f (E).
Proposition 1.19. Soit A E un sous-ensemble ferme dun espace topologique compact.
Alors A, muni de la topologie induite, est compact.
Demonstration. Soit {Ui , i I} un recouvrement de A par des ouverts. Pour tout i I,
ei de E tel que Ui = U
ei A. Comme A est ferme, la collection
il existe un ouvert U
ei , i I} {E \ A} est un recouvrement de E par des ouverts. Comme E est compact,
{U
ei , . . . , U
ei } {E \ A}.
on peut extraire de cette collection un sous-recouvrement fini {U
1
k
Par consequent, {Ui1 , . . . , Uik } recouvre A.
Enfin, on peut montrer que le produit de toute collection despaces topologiques compacts
est encore un espace topologique compact.
Il existe dautres notions de compacite, basees sur des proprietes fort utiles pour des
espaces topologiques ou metriques.
Une sous-suite dune suite (xn )n N dans un espace topologique E est une suite dans E
de la forme (xnk )kN , o`
u (nk )kN est une suite strictement croissante dans N.
D
efinition 1.20. Un espace topologique separe E est dit s
equentiellement compact si
toute suite (xn )nN dans E admet une sous-suite convergente.

19

D
efinition 1.21. Un espace metrique E est pr
ecompact si pour tout > 0 il existe un
recouvrement de E par un nombre fini de boules de rayon .
Exemples.
1. Un espace metrique discret E est precompact si et seulement si E est fini.
2. Un espace metrique compact est precompact.

Pour le reste de cette section, on se restreindra aux espaces metriques.


Proposition 1.22. Soit E un espace metrique. Les proprietes suivantes sont equivalentes :
(i) E est compact ;
(ii) E est sequentiellement compact ;
(iii) E est precompact et complet.
Demonstration.
(i) (ii). Soit Fn ladherence de lensemble {xn , xn+1 , . . .} et F = nN Fn . Montrons par
labsurde que F 6= .
Si F = , alors la collection douverts {E \Fn , n N} forme un recouvrement de E par des
ouverts, dont on peut extraire un recouvrement fini E \ Fi1 , . . . E \ Fik avec i1 < . . . < ik .
Par consequent, E = E \ Fik , ce qui est absurde, donc F nest pas vide.
Soit x F , autrement dit x est adherent `a lensemble {xn , xn+1 , . . .} pour tout n N.
On definit inductivement une suite (nk )kN , en posant n1 = 1, puis en prenant pour nk le
plus petit entier tel que nk > nk1 et xnk B(x, k1 ). Un tel entier existe toujours puisque
x F . Alors la sous-suite (xnk )kN converge vers x.
(ii) (iii). Montrons que E est complet. Toute suite de Cauchy (xn ) dans E admet une
sous-suite convergeant vers un certain x E. Mais comme (xn ) est de Cauchy, linegalite
triangulaire implique quelle convergera alors elle-meme vers x.
Montrons ensuite par labsurde que E est precompact. Supposons quil existe > 0 pour
lequel E nadmet aucun recouvrement fini par des boules de rayon . On peut alors definir
k1
inductivement une suite (xn ) dans E, en choisissant x1 E, puis xk
/ i=1
B(xi , ). Un
k1
tel xk existe car i=1 B(xi , ) 6= E en vertu de lhypoth`ese de contradiction. La suite (xn )
poss`ede alors la propriete d(xn , xm ) > pour tout m, n N. Mais alors (xn ) ne peut
contenir aucune sous-suite convergente.
(iii) (i). Argumentant par contradiction, soit {Ui , i I} un recouvrement ouvert de E
qui nadmet pas de sous-recouvrement fini. On peut alors definir inductivement une suite
(xn ) dans E de la mani`ere suivante.
Soit B(y1,1 , 12 ), . . . B(y1,N1 , 12 ) un recouvrement fini de E par des boules de rayon 1/2.
Pour un certain j {1, . . . , N1 }, la boule B(y1,j , 21 ) ne peut etre recouverte par une souscollection finie de {Ui , i I}. On prend alors x1 = y1,j et on pose B1 = B(y1,j , 12 ).
Pour k > 1, soit B(yk,1 , 2k ), . . . , B(yk,Nk , 2k ) un recouvrement fini de E par des boules
de rayon 2k . Pour un certain j {1, . . . , Nk }, lensemble B1 . . . Bk1 B(yk,j , 2k ) ne
peut etre recouvert par une sous-collection finie de {Ui , i I}. On prend alors xk = yk,j
et on pose Bk = B(yk,j , 2k ).
Par construction, la suite (xn ) satisfait d(xk , xk+1 ) < 2k + 2(k+1) < 2(k1) et donc

20

d(xn , xn+k ) < 2(n1) + . . . + 2(n+k2) < 2(n2) . Par consequent, la suite (xn ) est de
Cauchy ; soit x sa limite. Soit i I tel que x Ui . Alors B(x, ) Ui pour > 0
suffisamment petit, de sorte que Bk Ui pour k suffisamment grand. Mais ceci contredit
la definition de Bk .
Cette proposition permet de mieux caracteriser les espaces metriques compacts. Remarquons toutefois que, contrairement au cas de Rn , un ensemble ferme et borne dans un
espace metrique plus general nest pas toujours compact.
Exemples.
1. Lensemble Q [0, 1] est ferme dans Q, mais pas compact car il nest pas complet.

2. La boule unite fermee B(0, 1) dans un espace vectoriel de dimension infinie est bornee
mais pas compacte, car elle nest pas precompacte.
N
En revanche, tout ensemble compact dans un espace metrique est ferme et borne.
Proposition 1.23. Toute application continue f : E F entre espaces metriques, avec
E compact, est uniformement continue.
Demonstration. Comme f est continue, pour tout > 0, pour tout x E, il existe (x) > 0
tel que d(x, y) < (x) implique d(f (x), f (y)) < /2. La collection des boules ouvertes
{B(x, (x)/2), x E} forme un recouvrement ouvert de E, dont on peut extraire un recouvrement fini B(x1 , (x1 )/2), . . . , B(xk , (xk )/2). Soit = min{(x1 )/2, . . . , (xk )/2} > 0.
Pour tout x E, x B(xi , (xi )/2) de sorte que B(x, ) B(xi , (xi )) pour un certain
i {1, . . . , k}. Mais alors, pour tout y B(x, ), on a d(f (y), f (xi )) < /2. Comme dautre
part d(f (x), f (xi )) < /2, on en deduit que d(f (x), f (y)) < /2 + /2 = .

1.2.4

Th
eor`
eme de Baire

Nous terminons ce chapitre par une propriete topologique importante des espaces metriques complets.
D
efinition 1.24. Un sous-ensemble A E dun espace topologique E est dit nulle part
dense si int(A) = .
Th
eor`
eme 1.25 (Baire). Soit E un espace metrique complet. Si {An , n N} est une
collection denombrable de sous-ensembles An E nulle part denses, alors
[
An ( E.
nN

Demonstration. Il suffit de montrer que lintersection des ouverts denses Un = E \ An ,


n N, est non vide.
Construisons par recurrence des elements xn E et n > 0 tels que n < 21n et B(xn , n )
Un B(xn1 , n1 ).
Comme U0 est non vide, on peut choisir x0 U0 . Soit 0 > 0 tel que 0 < 1 et B(x0 , 20 )

21

U0 , de sorte que B(x0 , 0 ) U0 .


Pour n 0, etant donnes xn E et n > 0 comme ci-dessus, louvert Un+1 B(xn , n ) est
non vide car Un+1 est dense. On peut donc choisir xn+1 Un+1 B(xn , n ), puis n+1 > 0
1
et B(xn+1 , n+1 ) B(xn+1 , 2n+1 ) Un+1 B(xn , n ).
tel que n+1 < 2n+1
La suite (xn ) est de Cauchy, car d(xn , xn+k ) < n < 21n pour tout n, k 0. Comme E est
complet, la suite (xn ) converge vers x E. Comme xn+k B(xn , n ) pour tout n, k 0,
on a x B(xn , n ) Un pour tout n 0. Lintersection des Un est donc non vide.

Exercices sur le Chapitre 1


1. (a) Montrer que limage dune suite de Cauchy par une application continue entre
espaces metriques nest pas forcement une suite de Cauchy.
(b) Montrer quune application continue entre espaces metriques qui transforme
toute suite de Cauchy en une suite de Cauchy nest pas forcement uniformement
continue.
2. Soit E un espace metrique et =
6 A E.

(a) Montrer que lapplication dA : E R : x 7 d(x, A) est uniformement continue.

(b) Si A est compact, montrer que, pour tout x E, il existe y A tel que
d(x, A) = d(x, y).
3. On consid`ere lensemble B(X, R) des fonctions bornees sur un ensemble X.

(a) Definir sur B(X, R) une topologie pour laquelle la convergence est equivalente
a la convergence simple (ou ponctuelle) des fonctions : fn f ssi fn (x) f (x)
`
pour tout x X.

(b) Montrer que cette topologie est moins fine que la topologie induite par la norme
k k sur B(X, R).

22

Chapitre 2

Espaces norm
es. Espaces de
Banach
Mathematics is the most beautiful
and most powerful creation of the human spirit.
Mathematics is as old as Man.
Stefan Banach (1892 - 1945)

2.1

Espaces vectoriels

Pour la facilite du lecteur, nous commencons par les definitions de base pour les espaces
vectoriels.
D
efinition 2.1. Un espace vectoriel V sur un corps K est un ensemble muni de deux
applications : laddition V V V : (v, w) 7 v + w et la multiplication scalaire
K V V : (k, v) 7 kv, telles que
(i) (V, +) est un groupe commutatif,

(ii) 1 v = v,
(iii) c(v + w) = cv + cw,
(iv) (c1 + c2 )v = c1 v + c2 v,
(v) c1 (c2 v) = (c1 c2 )v,
pour tout c, c1 , c2 K et v, w V .
Exemples.
1. Lensemble Kn , muni de laddition (x1 , . . . , xn ) + (y1 , . . . , yn ) = (x1 + y1 , . . . , xn + yn )
et de la multiplication scalaire c(x1 , . . . , xn ) = (cx1 , . . . , cxn ), est un espace vectoriel
sur le corps K.

23

2. Soit X un ensemble et E un espace vectoriel sur K. Lensemble E X des fonctions


de X dans E, muni de laddition (f + g)(x) = f (x) + g(x) et de la multiplication
scalaire (cf )(x) = cf (x), est un espace vectoriel sur K.
N
Les elements dun espace vectoriel sont appeles vecteurs, alors que les elements de K sont
appeles scalaires. Le neutre du groupe (V, +) est le vecteur nul, note 0.
Soit S V . Une combinaison lin
eaire delements de S est un vecteur de V secrivant
c1 v1 + . . . + ck vk ,
avec c1 , . . . , ck K et v1 , . . . , vk S. Insistons bien sur le fait quune combinaison lineaire
nimplique quun nombre fini de vecteurs.
Lensemble S est appele partie g
en
eratrice de V si tout vecteur de V est une combinaison lineaire delements de S. Lensemble S est appele partie libre de V si, pour tout
c1 , . . . , ck K et v1 , . . . , vk S, on a
c1 v1 + . . . + ck vk = 0

c1 = . . . = ck = 0.

Les elements dune partie libre sont dits lin


eairement ind
ependants.
Une base de V est une partie libre et generatrice de V . On montre que tout espace vectoriel
admet une base, et que deux bases de V ont meme cardinal (il existe une bijection entre
elles). La dimension de V , notee dim V , est le nombre delements dune base de V .
Exemples.
1. La dimension de Kn , en tant quespace vectoriel sur K, est n. Mais la dimension de
Cn , en tant quespace vectoriel sur R, est 2n.
2. Soit X un ensemble de cardinal infini et E un espace vectoriel sur K. Alors lespace
vectoriel E X sur K est de dimension infinie.
N
Un sous-espace vectoriel W de V est un sous-ensemble W V qui est un espace
vectoriel sur le meme corps que V . Soit S V . Lespace vectoriel engendr
e par S est
le plus petit sous-espace vectoriel de V contenant S ; on verifie aisement que cest aussi
lensemble des combinaisons lineaires delements de S. Si W est un sous-espace vectoriel
de V , alors dim W dim V .
D
efinition 2.2. Une application A : V W entre deux espaces vectoriels V et W sur le
meme corps K est dite lin
eaire si
(i) A(v1 + v2 ) = A(v1 ) + A(v2 ),
(ii) A(cv) = cA(v),
pour tout c K et v, v1 , v2 V .
Le noyau ker A dune application lineaire A : V W est defini par
ker A = {v V | A(v) = 0}.
Cest un sous-espace vectoriel de V . Limage im A de A est definie par
im A = {Av W | v V }.

24

Cest un sous-espace vectoriel de W . Une application lineaire A : V W est un isomorphisme si A est bijective, ou de mani`ere equivalente si ker A = {0} et im A = W . Linverse
A1 dun isomorphisme A est encore un isomorphisme. Deux espaces vectoriels sont isomorphes si il existe un isomorphisme entre eux. Deux espaces vectoriels isomorphes sont
tout-`
a-fait equivalents, au sens o`
u ils poss`edent exactement les memes proprietes.
Exemples.
1. Tout espace vectoriel sur K de dimension finie n est isomorphe `a Kn .
2. Toute application lineaire A : Kn Km correspond `a la donnee dune matrice m n
`a coefficients dans K.
N
Soient W1 et W2 deux sous-ensembles de V . La somme W1 + W2 de W1 et W2 est definie
par
W1 + W2 = {w1 + w2 | w1 W1 , w2 W2 }.

Si W1 et W2 sont des sous-espaces vectoriels de V , leur somme W1 + W2 est le sous-espace


vectoriel de V engendre par W1 W2 . De plus, dim(W1 + W2 ) = dim W1 + dim W2
dim(W1 W2 ). Cette somme est dite directe et notee W1 W2 si de plus tout element
de W1 + W2 secrit de mani`ere unique comme la somme w1 + w2 dun element de w1 W1
et dun element de w2 W2 , ou de mani`ere equivalente si W1 W2 = {0}. Dans ce cas,
dim(W1 W2 ) = dim W1 + dim W2 .
Lapplication lineaire
P1 : W1 W2 W1 : w1 + w2 7 w1

est appelee projection sur W1 parall`element `a W2 . On definit P2 : W1 W2 W2 de


mani`ere analogue.
Si W1 W2 = V , on dit que W1 et W2 sont suppl
ementaires alg
ebriques. Dans ce cas,
la codimension de W1 est la dimension de W2 et vice versa.
Soit W un sous-espace vectoriel de V et v V . La classe lat
erale v + W de v dans V
est lensemble
v + W = {v + w | w W }.

Ainsi, deux classes laterales v1 + W et v2 + W sont egales si et seulement si v1 v2 W .


De plus, deux classes laterales de W qui ne sont pas egales sont disjointes, de sorte que
les classes laterales de W forment une partition de V .
Le quotient V /W de V par W est lensemble des classes laterales de W dans V . Cest
naturellement un espace vectoriel, avec laddition definie par
(v1 + W ) + (v2 + W ) = (v1 + v2 ) + W,
pour tout v1 , v2 V , et la multiplication scalaire definie par
c(v + W ) = cv + W,
pour tout c K et v V . Si W est de dimension finie, alors dim V /W = dim V dim W .
Proposition 2.3. Toute application lineaire A : V W induit un isomorphisme
e : V / ker A im A : v + ker A 7 Av.
A
25

e est bien definie, car si v + ker A = v + ker A, alors v v


Demonstration. Lapplication A
e + ker A) = Av = Av + A(v v ) = Av = A(v
e + ker A).
ker A et donc A(v

e est lineaire car A((v


e
e +
Lapplication A
+ v ) + ker A) = A(v + v ) = Av + Av = A(v

e + ker A).
ker A) + A(v

e est injective, car si A(v


e + ker A) = 0 alors Av = 0 donc v ker A
Lapplication lineaire A
et v + ker A = 0 + ker A V / ker A.

e concide avec celle de A, lapplication lineaire A


e : V / ker A im A
Comme limage de A
est un isomorphisme.
Soient V1 et V2 deux espaces vectoriels sur K. Alors leur produit V1 V2 est egalement
un espace vectoriel sur K, avec laddition definie par
(v1 , v2 ) + (v1 , v2 ) = (v1 + v1 , v2 + v2 ),
pour tout v1 , v1 V1 , v2 , v2 V2 , et la multiplication scalaire definie par
c(v1 , v2 ) = (cv1 , cv2 ),
pour tout v1 V1 , v2 V2 et c K. De plus, dim(V1 V2 ) = dim V1 + dim V2 .
Exemples.
1. Soient Y X deux ensembles et E un espace vectoriel sur K. Soit V le sous-espace
vectoriel de E X constitue des fonctions de X dans E sannulant sur Y . Alors le
quotient E X /V est isomorphe `a E Y .
2. Soient X1 , X2 deux ensembles disjoints et E un espace vectoriel sur K. Alors le
produit E X1 E X2 est isomorphe `a E X1 X2 .
N

2.2
2.2.1

Espaces norm
es
D
efinitions

Dans la suite, le corps K designera R ou C, de sorte que pour tout c K, la notation |c|
designera la valeur absolue ou le module de c respectivement.
D
efinition 2.4. Un espace norm
e est un espace vectoriel V sur un corps K muni dune
norme, cest-`
a-dire une application V R+ : v 7 kvk telle que
(i) si kvk = 0 alors v = 0,

(ii) kcvk = |c| kvk,

(iii) kv + wk kvk + kwk,

pour tout c K et v, w V .

26

Exemples.
1. Pour 1 p , on definit une norme k kp sur Kn par
!1
n
p
X
kxkp =
|xi |p
,
1 p < ,
i=1

kxk =

max |xi |,

1in

pour tout x = (x1 , . . . , xn ) Kn .


2. Si E est un espace norme et 1 p , on note par lp (E) lespace vectoriel des
suites x = (xn )nN dans E (ou encore le sous-espace vectoriel de E N ) telles que
!1

p
X
< ,
1 p < ,
|xn |p
kxkp =
n=0

kxk = sup |xn | < .


nN

lp (E)

Alors
est un espace norme avec la norme k kp .
3. Si X est un ensemble et E est un espace norme, on note par B(X, E) lensemble
des applications bornees de X vers E. Alors B(X, E) est un sous-espace vectoriel de
E X . On definit une norme k k sur B(X, E) `a partir de la norme k kE sur E par
kf k = sup kf (x)kE
xX

pour tout f B(X, E).


N
Une norme pour V permet de definir une distance d sur V par d(v, w) = kv wk. Ainsi,
un espace norme est egalement un espace metrique (et donc aussi un espace topologique).
Par ailleurs, un espace norme est un cas particulier pour la definition suivante.
D
efinition 2.5. Un espace vectoriel topologique est un espace vectoriel V sur le corps
K muni dune topologie telle que
(i) laddition V V V : (v, w) 7 v + w est continue,
(ii) la multiplication scalaire K V V : (k, v) 7 kv est continue.
Un sous-espace vectoriel de V , muni de la topologie induite, est encore un espace vectoriel
topologique.
Proposition 2.6. Ladherence W dun sous-espace vectoriel W de V est encore un sousespace vectoriel.
Demonstration. Soient w W , c K et (wn ) une suite dans W convergeant vers w. Alors
cwn W et limn cwn W . Par continuite de la multiplication scalaire, cette limite
secrit egalement limn cwn = c limn wn = cw de sorte que cw W .
Soient w, w W et (wn ), (wn ) deux suites dans W convergeant vers w et w respectivement. Alors wn + wn W et limn wn + wn W . Par continuite de laddition, cette
limite secrit egalement limn wn + wn = limn wn + limn wn = w + w , de sorte
que w + w W .

27

Soit S V . Lespace vectoriel ferm


e engendr
e par S est le plus petit sous-espace
vectoriel ferme de V contenant S. Cest aussi ladherence de lespace vectoriel engendre
par S.
Soient W1 et W2 deux sous-espaces vectoriels de V tels que W1 W2 = {0}. Leur somme
W1 + W2 est dite topologique et est notee W1 W2 si les projections P1 : W1 + W2 W1
et P2 : W1 + W2 W2 sont continues. Si V = W1 W2 , on dit que W1 et W2 sont
suppl
ementaires topologiques. Dans ce cas, W1 et W2 sont necessairement fermes.
Exemples.
1. Tout sous-espace vectoriel de Kn est ferme. Plus generalement, tout sous-espace
vectoriel de dimension finie dans un espace vectoriel topologique est ferme.
2. Si X est un espace topologique et E est un espace norme, on note par Cb0 (X, E)
lensemble des applications continues et bornees de X vers E. Alors Cb0 (X, E) est
un sous-espace vectoriel ferme dans B(X, E).
N

2.2.2

Normes
equivalentes

D
efinition 2.7. Deux normes kk1 et kk2 sur un espace vectoriel V sont dites
equivalentes si il existe des constantes , > 0 telles que
kvk1 kvk2 kvk1 ,
pour tout v V .
Soit Bi (x, r) = {y V | ky xki < r} la boule ouverte de centre x V et de rayon
r > 0 pour la norme k ki , avec i = 1, 2. La double inegalite dans la definition ci-dessus
est equivalente `
a lemboitement des boules suivantes :
B2 (0, ) B1 (0, 1) B2 (0, ).
Ceci est illustre par la figure 2.1 pour les normes kxk1 = |x1 |+|x2 | et kxk2 =
avec x = (x1 , x2 ) R2 .

|x1 |2 + |x2 |2

B2 (0, )
B1 (0, 1)

B2 (0, )

Fig. 2.1 Emboitement de boules dans le plan.


Cette notion dequivalence se justifie `a la fois dun point de vue topologique et dun point
de vue metrique.

28

Proposition 2.8. Deux normes pour un espace vectoriel V sont equivalentes si et seulement si elles induisent la meme topologie sur V .
Demonstration. Noton encore Bi (x, r) = {y V | ky xki < r} la boule ouverte de centre
x V et de rayon r > 0 pour la norme k ki , avec i = 1, 2.
Si les normes k k1 et k k2 sont equivalentes, il suffit de montrer que toute boule ouverte
centree `a lorigine pour k k1 est un ouvert pour k k2 et vice versa. Soit x B1 (0, r), et
posons s = kxk1 < r. Alors B2 (x, (r s)) B1 (0, r). En effet, si ky xk2 < (r s),
alors ky xk1 < r s et kyk1 kxk1 + ky xk1 < r.
Inversement, si les normes k k1 et k k2 induisent la meme topologie sur V , alors B1 (0, 1)
est un voisinage de lorigine pour la topologie induite par k k2 . Par consequent, il existe
> 0 satisfaisant B2 (0, 2 ) B1 (0, 1). Par consequent, pour tout r > 0, on a B2 (0, 2r)
B1 (0, r), et donc si kxk2 = r alors kxk1 < r = kxk2 . Lautre inegalite sobtient en
echangeant les r
oles des normes k k1 et k k2 .
Dautre part, si deux normes pour un espace vectoriel V sont equivalentes, toute suite
qui est de Cauchy pour lune de ces normes est egalement de Cauchy pour lautre norme.
De meme, une fonction uniformement continue pour lune de ces normes est egalement
uniformement continue pour lautre norme.
Les considerations ci-dessus sont sans importance dans le cas des espaces vectoriels de
dimension finie.
Th
eor`
eme 2.9. Sur un espace vectoriel de dimension finie, toutes les normes sont equivalentes.
Demonstration. Prenons V = Kn , muni de la base canonique e1 , . . . , en . Pour tout x =
P
n
n
efinit kxk = max1in |xi |. Alors k k est une norme sur Kn et il
i=1 xi ei K , on d
suffit de montrer que toute norme k k sur Kn lui est equivalente.
P
Pour tout x = ni=1 xi ei Kn , on a
kxk = k

o`
u on a pose =
continue.

Pn

i=1 kei k

n
X

i=1
n
X
i=1

xi ei k

|xi |kei k

kxk ,
> 0. En particulier, lapplication N : V R+ : x 7 kxk est

Lensemble S = {x Kn | kxk = 1} est un compact. Comme N est continue sur S et


ne sy annule pas, il existe > 0 tel que N (x) pour tout x S. Autrement dit, si
kxk = 1 alors kxk = kxk .

29

Les espaces normes de dimension finie jouissent donc de proprietes bien plus agreables
que ceux de dimension infinie. En fait, les espaces normes de dimension finie peuvent etre
caracterises parmi tous les espaces normes au moyen dune propriete topologique de ses
parties bornees. Pour montrer cela, nous avons besoin du lemme suivant.
Lemme 2.10 (Riesz). Soit V un espace norme et F ( V un sous-espace vectoriel ferme
de V . Alors, pour tout > 0, il existe v V tel que kvk = 1 et kv xk 1 pour tout
x F.
Demonstration. Soit w V \ F . Comme F est ferme, d = d(w, F ) > 0. Choisissons x0 F
tel que
d
.
d kw x0 k
1

Alors v =

wx0
kwx0 k

convient. En effet, pour tout x F ,

kv xk = k

1
1
w x0
xk =
kw (x0 + kw x0 kx)k
d,
kw x0 k
kw x0 k
d

puisque x0 + kw x0 kx F .
Th
eor`
eme 2.11 (Riesz). Un espace norme V est de dimension finie si et seulement si
la boule unite B V (0, 1) est compacte.
Demonstration. Si V est de dimension finie, comme la boule unite B V (0, 1) est bornee et
fermee, elle est compacte.
Si V est de dimension infinie, il existe collection infinie de sous-espaces vectoriels Vn ,
n = 1, 2, . . ., de dimension finie tels que Vn ( Vn+1 . En appliquant le lemme 2.10 au
sous-espace ferme Vn Vn+1 avec = 12 , on obtient vn+1 Vn+1 B V (0, 1) tel que
d(vn+1 , Vn ) > 12 . En particulier, kvn+k vn k > 21 , de sorte que lon ne peut extraire
aucune sous-suite convergente de la suite (vn ) dans B V (0, 1). Par consequent, B V (0, 1)
nest pas compacte.

2.2.3

Applications lin
eaires born
ees

D
efinition 2.12. Une application lineaire A : V W entre deux espaces normes est dite
born
ee si il existe une constante > 0 telle que
kAvkW kvkV ,
pour tout v V .
Proposition 2.13. Soit A : V W une application lineaire entre espaces normes. Les
proprietes suivantes sont equivalentes :
(i) A est bornee ;
(ii) A est uniformement continue ;

30

(iii) A est continue ;


(iv) A est continue en un point v0 V ;
(v) A est continue a
` lorigine ;

(vi) limage par A de tout sous-ensemble borne de V est bornee dans W ;


(vii) limage par A de toute suite bornee dans V est bornee dans W .
Demonstration. Les implications (ii) (iii), (iii) (iv) et (vi) (vii) sont evidentes.
Limplication (iv) (v) est une consequence immediate de la linearite de A.
(i) (ii). Si A est bornee, alors il existe > 0 tel que kAvkW kvkV pour tout
v V . Par consequent, pour tout > 0, si v1 , v2 V avec kv1 v2 kV < /, alors
kAv1 Av2 kW < comme souhaite.
(v) (i). Si A est continue `
a lorigine, il existe > 0 tel que A(BV (0, 1 )) BW (0, 1).
1
Autrement dit, si kvkV = k avec k [0, 1], alors kAvkW k = kvkV .
(i) (vi). Si kAvkW kvkV pour tout v V et kvkV M , alors kAvkW M .
(vii) (i). Supposons par contradiction que A nest pas bornee. Pour tout n N, il
existe donc vn V tel que kAvn kW > nkvn kV . Par consequent, limage de la suite bornee
vn /kvn kV nest pas bornee dans W , une contradiction.
La norme kAk dune application lineaire bornee A : V W est definie par
kAk = sup
vV
v6=0

kAvk
.
kvk

Proposition 2.14. Soient U , V et W des espaces normes ; soient A : U V , B : V W


et C : V W des applications lineaires bornees. Alors
(i) kB + Ck kBk + kCk,

(ii) kB Ak kBk kAk.


Demonstration.

(i) Par linegalite triangulaire, on a


kB + Ck = sup
vV
v6=0

k(B + C)vk
kBvk
kCvk
sup
+ sup
= kBk + kCk.
kvk
vV kvk
vV kvk
v6=0

v6=0

(ii) Pour tout v V , on a kBvk kBk kvk. Par consequent,


kB Ak = sup
vV
v6=0

kAvk
kB Avk
sup kBk
= kBk kAk.
kvk
kvk
vV
v6=0

31

Proposition 2.15. Une application lineaire A : V W surjective poss`ede un inverse


borne A1 : W V si et seulement si il existe une constante m > 0 telle que
kAvkW mkvkV ,
pour tout v V . Dans ce cas, kA1 k

(2.1)

1
m.

Demonstration. Si (2.1) est satisfaite, A est injective car kAvkW = 0 implique kvkV = 0.
Donc A1 existe. En posant w = Av, lequation (2.1) devient
kwkW mkA1 wkV ,
de sorte que kA1 k

1
m.

Inversement, si A1 existe et est borne, on a


kA1 wkW kA1 kkwkW ,
pour tout w W . En posant v = A1 w, ceci devient (2.1) avec m =

1
.
kA1 k

Exemples.
1. Toute application lineaire A : Km Kn est bornee, quelles que soient les normes
sur Km et Kn .
2. Soit X un ensemble, E un espace norme sur K et f B(X, K). On definit une
application lineaire Mf : B(X, E) B(X, E) par Mf g = f g pour tout g B(X, E).
Alors Mf est bornee et kMf k = kf k.
Si de plus il existe m > 0 tel que |f (x)| m pour tout x X, alors Mf poss`ede un
1
.
N
inverse Mf1 = Mf 1 et kMf1 k m

2.2.4

Op
erateurs lin
eaires

Pour generaliser la notion dapplication lineaire, nous allons maintenant considerer certaines fonctions entre espaces normes qui ne sont pas definies sur tout lespace norme de
depart.
D
efinition 2.16. Un op
erateur lin
eaire T entre deux espaces normes E et F est une
application lineaire T : D(T ) E F definie sur un sous-espace vectoriel D(T ) E
appele domaine de T .
Le graphe G(T ) dun operateur lineaire T : D(T ) E F est le sous-espace vectoriel
de E F defini par
G(T ) = {(x, T x) E F | x D(T )}.
D
efinition 2.17. On dit quun operateur lineaire T : D(T ) E F est born
e si il
existe une constante > 0 telle que
kT vkW kvkV ,
pour tout v D(T ).

32

On peut toujours remplacer letude dun operateur lineaire borne T : D(T ) E F par
celle de lapplication lineaire bornee A : D(T ) F : v 7 T v, o`
u lespace vectoriel D(T )
est muni de la norme induite par E. Par consequent, toutes les proprietes des applications
lineaires bornees sappliquent aux operateurs lineaires bornes.
Th
eor`
eme 2.18. Soit T : D(T ) E F un operateur lineaire borne. Si F est complet,
alors T poss`ede une unique extension lineaire bornee T : D(T ) E F . De plus,
kT k = kT k.
Demonstration. La definition de T est semblable `a celle de f dans la preuve de la proposition 1.10. Soit v D(T ) et soit (vn ) une suite dans D(T ) qui converge vers v. Alors (T vn )
est une suite de Cauchy dans F . En effet,
kT vn T vm k kT k kvn vm k 0,

n, m .

Comme F est complet, cette suite est convergente. On verifie aisement que la limite ne
depend pas du choix de la suite (vn ) convergeant vers v. On peut donc definir T : D(T )
E F par
T v = lim T vn .
n

Cette application est lineaire car T lest. De plus,


kT vk = lim kT vn k kT k lim kvn k = kT k kvk
n

pour tout v D(T ), de sorte que kT k kT k. Une telle extension continue de T est unique
par la proposition 1.5. Enfin, on a
kT vk
kT vk
sup
= kT k,
kvk
vD(T ) kvk
vD(T )

kT k = sup

v6=0

v6=0

de sorte que kT k kT k. Donc kT k = kT k.


Un operateur lineaire qui nest pas borne ne setend en general pas `a ladherence de son
domaine. Un cas tr`es interessant en pratique est celui des operateurs lineaires non bornes
dont le domaine est dense dans lespace norme de depart.
Exemple. Considerons loperateur lineaire
px : D(px ) Cb0 (R3 , C) Cb0 (R3 , C) : f 7 i~

f
x

ayant pour domaine D(px ) lespace vectoriel Cb1 (R3 , C) des fonctions differentiables bornees
et de differentielle bornee. Le domaine D(px ) est dense dans Cb0 (R3 , C) et loperateur px
nest pas borne pour la norme k k sur Cb0 (R3 , C) car kpx sin nxk lorsque n .
Cet operateur apparat naturellement en mecanique quantique, mais sur un espace norme
plus grand que Cb0 (R3 , C).

33

Remarquons que cet operateur lineaire peut aussi etre considere comme une application
lineaire

px : Cb1 (R3 , C) Cb0 (R3 , C) : f 7 i~ f


x
f
f
1
3
qui est bornee pour la norme kf k1, = kf k + k f
x k + k y k + k z k sur Cb (R , C).
Ce point de vue nest pas toujours utile, car on sinteresse en mecanique quantique aux
valeurs propres de tels operateurs. Or, pour les etudier, il faut garder espace de depart et
darrivee identiques.
N

2.3

Espaces de Banach

2.3.1

D
efinition

D
efinition 2.19. Un espace de Banach est un espace norme complet.
Exemples.
1. Par le theor`eme 2.9, tout espace norme de dimension finie est un espace de Banach.
2. Si E est un espace de Banach et 1 p , alors lp (E), muni la norme k kp , est
un espace de Banach.
3. Soit X un ensemble et E est un espace de Banach. Lespace vectoriel B(X, E), muni
de la norme k k , est un espace de Banach.
Si de plus X est un espace topologique, alors Cb0 (X, E) muni de la norme induite
par k k (que lon notera encore k k ) est aussi un espace de Banach.

4. RSoit 1 p < ; lespace vectoriel des fonctions f : Rn K continues telles que


p
etre muni de la norme
Rn |f (x)| dx < peut
kf kp =

Z

Rn

|f (x)| dx

1

La completion de cet espace norme est un espace de Banach note Lp (Rn , K).

2.3.2

Th
eor`
emes de lapplication ouverte et du graphe ferm
e

Th
eor`
eme 2.20 (Th
eor`
eme de lapplication ouverte). Soient V et W deux espaces
de Banach et soit A : V W une application lineaire bornee et surjective. Alors limage
par A dun ouvert de V est un ouvert de W .
Demonstration. Il suffit de montrer que limage par A de BV (0, 1) contient BW (0, r)
lorsque r > 0 est suffisamment petit. Commencons par montrer quil existe r > 0 tel
que
(2.2)
BW (0, 2r) A(BV (0, 1)).

34

Posons Wn = A(BV (0, n)), de sorte que n>0 Wn = W . Par le theor`eme de Baire, il existe
donc n0 > 0 tel que int(Wn0 ) 6= . Par consequent, int(A(BV (0, 1))) 6= , et il existe r > 0
et y W tels que BW (y, 4r) A(BV (0, 1)). Par symetrie, on a y A(BV (0, 1)), de
sorte que
BW (0, 4r) = y + BW (y, 4r) A(BV (0, 1)) + A(BV (0, 1)) = A(BV (0, 2)).
Montrons ensuite que
BW (0, r) A(BV (0, 1)).
Fixons y BW (0, r) et cherchons par approximation successives un element x BV (0, 1)
tel que Ax = y. Pour cela, construisons par recurrence une suite (zn ) dans V telle que
zn BV (0, 21n ) et ky A(z1 + . . . + zn )kW < 2rn .
En vertu de (2.2), pour tout ye BW (0, rL), pour tout > 0, il existe z BV (0, 12 L) tel
que ky AzkW < . Soit z1 BV (0, 12 ) un tel vecteur pour ye = y BW (0, r) et = 2r .
1
, soit zk BV (0, 21k ) un tel vecteur pour
Lorsque k > 1 et L = 2k1
ye = y A(z1 + . . . + zk1 ) BW (0,

2k1

et = 2rk .
La suite xn = z1 + . . . + zn est de Cauchy dans V , car
kxn+k xn kV

n+k
X

i=n+1

kzi kV <

1
.
2n

Soit x V la limite de la suite (xn ). Alors kxkV = limn kxn kV < 1 et comme A est
continue, ky AxkW = limn ky Axn kW = 0, de sorte que x V est bien lelement
recherche.
Corollaire 2.21. Soient V et W deux espaces de Banach et soit A : V W une application lineaire continue et bijective. Alors A1 est egalement continue.
Th
eor`
eme 2.22 (Th
eor`
eme du graphe ferm
e). Soient V et W deux espaces de Banach
et soit A : V W une application lineaire. Si le graphe G(A) de A est ferme dans V W ,
alors A est continue.
Bien entendu, la reciproque est egalement vraie, puisque toute fonction continue a un
graphe ferme.
Demonstration. Lespace vectoriel V est muni de la norme k k1 = k kV qui en fait un
espace de Banach. On peut definir une autre norme k k2 sur V par
kvk2 = kvkV + kAvkW ,
pour tout v V . Verifions que V , muni de la norme k k2 , est encore un espace de Banach.
Soit (vn ) une suite de Cauchy pour k k2 . Comme kvk1 kvk2 pour tout v V , la suite
(vn ) dans V est de Cauchy pour k k1 . De meme, comme kAvkW kvk2 pour tout v V ,

35

la suite (Avn ) dans W est de Cauchy pour kkW . Comme V et W sont complets, ces suites
convergent respectivement vers v V et w W . Comme G(A) est ferme, (v, w) G(A)
de sorte que w = Av. Par consequent, la suite (vn ) converge vers v au sens de la norme
k k2 , comme desire.
Linegalite kvk1 kvk2 pour tout v V signifie egalement que lapplication lineaire
surjective
I : (V, k k2 ) (V, k k1 ) : v 7 v
entre espaces de Banach est bornee. Par le theor`eme de lapplication ouverte, il existe c > 0
tel que kvk2 ckvk1 pour tout v V . Les normes k k1 et k k2 sont donc equivalentes.
En particulier, on a kAvkW (c 1)kvkV comme souhaite.

2.3.3

Projecteurs

D
efinition 2.23. Un projecteur P sur un ensemble V est une application P : V V
idempotente, cest-`
a-dire telle que P 2 = P .
Nous nous interesserons particuli`erement aux projecteurs lineaires bornes sur un espace
de Banach V .
Proposition 2.24. Soit V un espace de Banach et P un projecteur lineaire borne sur V .
Alors
(i) I P est aussi un projecteur lineaire borne,

(ii) im P = ker(I P ) et ker P = im(I P ),

(iii) V = ker P im P ,

(iv) ker P et im P sont des sous-espaces vectoriels fermes de V ,


(v) si P 6= 0, alors kP k 1.

Demonstration.
(i) (I P )2 = I 2P + P 2 = I P .

(ii) x im P ssi x = P x, car x = P y implique P x = P 2 y = P y = x. Or, x = P x ssi


x ker(I P ). La deuxi`eme relation sobtient en remplacant P par I P dans la
premi`ere.
(iii) V = im P + im(I P ) car tout v V se decompose en v = P v + (I P )v. Cette
somme est directe car im P im(I P ) = im P ker P = {0}. En effet, si y = P x
et P y = 0 alors 0 = P 2 x = P x = y. Enfin, cette somme est topologique car P est
continu.
(iv) ker P est ferme car P est continu, et de meme pour im P = ker(I P ).
(v) kP k = kP 2 k kP k2 .

36

Inversement, si un espace vectoriel V est une somme directe V = W1 W2 , alors la


projection P1 : V W1 parall`element `a W2 et la projection P2 : V W2 parall`element
`a W1 sont des projecteurs lineaires tels que P1 + P2 = I.
Proposition 2.25. Soient W1 et W2 des sous-espaces vectoriels fermes dans un espace de
Banach V . Si W1 et W2 sont supplementaires algebriques, alors les projecteurs lineaires
P1 et P2 sont bornes. En particulier, W1 et W2 sont supplementaires topologiques.
Demonstration. Il suffit de prouver que P1 est borne, la preuve pour P2 etant identique.
Soit (vn , P1 vn ) une suite dans G(P1 ) convergeant vers (v, w) V V . Comme W1 est ferme
et P1 vn W1 , on doit avoir w W1 . De plus, comme W2 est ferme et vn P1 vn W2 ,
on a v w W2 , de sorte que P1 (v w) = 0. Par consequent, P1 v = P1 w = w et
(v, w) = (v, P1 v) G(P1 ). Donc G(P1 ) est ferme et, par le theor`eme du graphe ferme, P1
est borne.

2.4

Fonctionnelles lin
eaires et dualit
e

D
efinition 2.26. Une fonctionnelle lineaire sur un espace vectoriel V sur un corps K est
une application lineaire f : V K.
Proposition 2.27. Soit f : V K une fonctionnelle lineaire non identiquement nulle.
Le noyau H = ker f de f est un sous-espace vectoriel de codimension 1 dans V . Si f est
continue, H est ferme, sinon H est dense dans V .
Demonstration. Soit a V tel que f (a) 6= 0, et soit Ka V le sous-espace vectoriel
engendre par v. Alors H Ka = V . En effet, pour tout v V , on peut ecrire v = v1 + v2
(v)
a Ka et v1 = v v2 H. Comme H Ka = {0}, on a bien une somme
avec v2 = ff (a)
directe et H est de codimension 1.
Comme H H V , on a soit H = H, soit H = V . Il ne reste plus qu`a montrer que f
est continue si et seulement si H est ferme.
Si f est continue, H = f 1 (0) est ferme car cest limage inverse du ferme {0} par f
continue.
Inversement, si H est ferme alors a + H V lest aussi. Comme 0
/ a + H, il existe r > 0
tel que B(0, r) (a + H) = . Par consequent, pour tout v B(0, r), on a |f (v)| < 1. En
effet, si f (v) = > 1 alors v B(0, r) (a + H). On a donc montre que si kvk < r alors
|f (v)| < 1, cest-`
a-dire que f est bornee.
Lensemble des fonctionnelles lineaires sur un espace vectoriel V est un espace vectoriel
appele dual alg
ebrique de V , que lon note V .
Soit V un espace vectoriel topologique. Lensemble des fonctionnelles lineaires continues
sur V est un espace vectoriel appele dual topologique de V , que nous noterons V .

37

Lorsque V est de dimension finie, les notions de dual algebrique et topologique concident,
puisque toute fonctionnelle lineaire est bornee dans ce cas. Cest pourquoi on parle alors
simplement de dual.
La norme des operateurs devient, dans le cas dune fonctionnelle lineaire continue, la norme
kf kV = sup
vV
v6=0

|f (v)|
,
kvkV

appelee norme duale. Lespace vectoriel V , muni de la norme duale, est un espace norme.
La dualite entre les espaces normes V et V sexprime par la forme bilin
eaire canonique
h, i : V V K
definie par hf, vi = f (v). Il sagit bien dune application `a la fois lineaire en f V et en
v V . Par ailleurs, la definition de la norme duale donne
|hf, vi| = |f (v)| kf kV kvkV ,

(2.3)

pour tout f V et v V .
Bien que la relation de dualite entre V et V semble symetrique, le dual topologique V
poss`ede en general de meilleures proprietes que lespace V original.
Proposition 2.28. Pour tout espace norme V , le dual topologique V est un espace de
Banach.
Demonstration. Soit (fn ) une suite de Cauchy dans V . Pour tout v V , on a
|fn (v) fm (v)| = |hfn fm , vi| kfn fm kV kvkV ,
de sorte que fn (v) est une suite de Cauchy dans R. On peut donc definir une application
f : V R par
f (v) = lim fn (v),
n

pour tout v V . Clairement, f est lineaire. Dautre part, f est bornee. En effet, pour tout
v V , on a
|f (v)| = lim |fn (v)| lim kfn kV kvkV .
n

Comme la suite (fn ) est de Cauchy, elle est bornee et limn kfn kV = < .
Verifions maintenant que la suite (fn ) converge vers f dans V . Pour tout > 0 il existe
N N tel que si m, n > N , alors kfn fm kV < . Par consequent,
|fn (v) fm (v)| kvkV ,
pour tout v V . En faisant tendre m vers linfini dans cette inegalite, on obtient
|fn (v) f (v)| kvkV ,
de sorte que kf fn kV 0 lorsque n .

38

Le dual topologique de V , note V , est appele bidual de V . Pour tout v V , on peut


definir une fonctionnelle lineaire continue V K : f 7 hf, vi = f (v). En vertu de
lequation (2.3), la norme de cette fonctionnelle est donnee par kvk. Modulo lidentification
de v avec cette fonctionnelle, on a donc une inclusion V V .
Contrairement `
a ce qui se passe en dimension finie, il nest pas toujours vrai que V = V .
On dit quun espace de Banach V est r
eflexif si V = V (en effet, un espace norme qui
nest pas de Banach ne peut avoir cette propriete, au vu de la proposition 2.28).

2.5

Topologies faibles

Nous aurons quelquefois besoin de considerer des suites divergentes, mais qui convergent
dans un sens plus faible.
D
efinition 2.29. Une suite (xn ) dans un un espace norme V converge faiblement vers
x V si, pour tout f V , la suite f (xn ) converge vers f (x) R.
Cette notion de convergence vient en fait dune topologie sur V , definie autrement quavec
les boules ouvertes.
D
efinition 2.30. La topologie faible ou topologie (V, V ) sur un espace norme V est
la topologie la moins fine rendant continues les fonctionnelles lineaires f V .
On peut verifier quune base de la topologie faible est donnee par les intersections finies
densembles de la forme f 1 (I), o`
u f V et I K est un ouvert.
La topologie habituelle sur V , ayant pour base les boules ouvertes, est parfois appelee
topologie forte, pour bien la distinguer de la topologie faible. De meme, la notion de
convergence habituelle (definition 1.2) est appelee convergence forte. La definition 2.30
implique que la topologie faible est moins fine que la topologie forte. En particulier, toute
suite fortement convergente est faiblement convergente.
On peut definir une topologie encore plus faible que la topologie faible, sur certains espaces
normes.
D
efinition 2.31. Soit V un espace norme. La topologie faible ou topologie (V , V )
sur lespace norme V est la topologie la moins fine rendant continues les fonctionnelles
lineaires v V V .
Comme V V , la topologie (V , V ) est plus faible que la topologie (V , V ). Bien
entendu, si V est un espace de Banach reflexif, ces deux topologies concident. De plus, en
dimension finie, les trois topologies sont identiques.
Proposition 2.32. Soit V un espace norme de dimension finie. Alors la topologie faible
est identique a
` la topologie forte.

39

Demonstration. Il suffit de montrer que toute boule ouverte est un ensemble ouvert pour
la topologie faible. En vertu du theor`eme 2.9, on peut se restreindre `a Kn muni de la
norme k k . Considerons les fonctionnelles lineaires continues
fi : Kn K : x = (x1 , . . . , xn ) 7 xi ,

i = 1, . . . , n,

formant la base duale de la base canonique de Kn . Alors on a


B(x, r) =

n
\

i=1

fi1 (]xi r, xi + r[)

comme souhaite.
On peut montrer que les topologies faible et faible sont separees. En particulier, la limite
dune suite faiblement convergente est unique.
On peut se demander pourquoi on sacharne `a rendre moins fine la topologie dun espace
norme de dimension infinie. La raison est quune topologie possedant moins douverts
poss`ede plus de compacts. Or, ceux-ci permettent dobtenir des suites convergentes. Ainsi,
on peut montrer que, en contraste avec le theor`eme de Riesz, la boule unite B V (0, 1) de
lespace norme V est compacte pour la topologie faible .

2.6

Espaces dop
erateurs

Soient V et W deux espaces normes. On note par L(V, W ) lensemble des applications
lineaires bornees de V dans W . Muni de la norme des application lineaires, il sagit encore
un espace norme. Lorsque V = W , lespace L(V, V ) est note plus simplement L(V ).
Proposition 2.33. Soient V et W des espaces normes. Si W est un espace de Banach,
alors L(V, W ) est egalement un espace de Banach.
Demonstration. Il suffit de transcrire la preuve de la proposition 2.28, en remplacant K
par W et f V par A L(V, W ).
La topologie induite par la norme des applications lineaires est appelee topologie uniforme.
On dit quune suite (An ) dans L(V, W ) converge uniform
ement vers A L(V, W ) si
limn kAn Ak = 0, cest-`
a-dire si (An ) converge vers A pour la topologie uniforme.
Soit X un espace topologique ; on dit quune fonction A : X L(V, W ) est uniform
ement continue en x0 X si kA(x) A(x0 )k 0 lorsque x x0 dans X,
cest-`
a-dire si A est continue pour la topologie uniforme sur L(V, W ).
On peut definir naturellement deux topologies sur L(V, W ) qui sont plus faibles que la
topologie uniforme. Ces topologies sont utiles car la convergence uniforme des operateurs
est tr`es restrictive.

40

La topologie op
erateur forte (ou simplement topologie forte si il ny a pas de risque
de confusion) est la topologie la plus faible sur L(V, W ) pour laquelle les applications
lineaires L(V, W ) W : A 7 Av sont continues, pour tout v V .
La convergence dans L(V, W ) pour cette topologie est appelee convergence forte. Ainsi,
une suite (An ) dans L(V, W ) converge fortement vers A L(V, W ) si, pour tout v V ,
kAn v AvkW 0 lorsque n .
Soit X un espace topologique ; on dit quune fonction A : X L(V, W ) est fortement
continue en x0 X si, pour tout v V , kA(x)v A(x0 )vkW 0 lorsque x x0 dans
X, cest-`
a-dire si A est continue pour la topologie forte sur L(V, W ).
La topologie op
erateur faible (ou simplement topologie faible si il ny a pas de risque
de confusion) est la topologie la plus faible sur L(V, W ) pour laquelle les applications
lineaires L(V, W ) K : A 7 hl, Avi sont continues, pour tout v V et l W .
La convergence dans L(V, W ) pour cette topologie est appelee convergence faible. Ainsi,
une suite (An ) dans L(V, W ) converge faiblement vers A L(V, W ) si, pour tout v V
et tout l W , |hl, An vi hl, Avi| 0 dans K lorsque n .
Soit X un espace topologique ; on dit quune fonction A : X L(V, W ) est faiblement
continue en x0 X si, pour tout v V et tout l W ,
|hl, A(x)vi hl, A(x0 )vi| 0
dans K lorsque x x0 dans X, cest-`
a-dire si A est continue pour la topologie faible sur
L(V, W ).
Exemples.
1. Soit A L(V, W ) tel que kAk < 1. Alors la suite des puissances successives An
converge vers 0 uniformement (donc aussi fortement et faiblement) car kAn k
kAkn 0.
2. Considerons loperateur de shift vers la gauche L L(l2 (K)) defini par (Lx)n = xn+1 ,
n N, pour tout x = (xn ) l2 (K). Alors la suite des puissances successives Ln
converge vers 0 fortement (et donc faiblement), mais pas uniformement car kLn k = 1
pour tout n N.
3. Considerons loperateur de shift vers la droite R L(l2 (K)) defini par

xn1 si n 1,
(Rx)n =
0
si n = 0,
pour tout x = (xn ) l2 (K). Alors la suite des puissances successives Rn converge
vers 0 faiblement, mais pas fortement (ni donc uniformement) car kRn xk = kxk pour
tout x l2 (K).
N

Exercices sur le Chapitre 2


1. Calculer les constantes dequivalence optimales pour les normes
kxk1 =

n
X
i=1

|xi |

et

41

kxk = max |xi |


1in

sur Cn .
2. Soit X un espace topologique et E un espace de Banach. On consid`ere lespace
Cb0 (X, E) des fonctions continues et bornees de X dans E. Montrer que, muni de la
norme supremum, definie par
kf k = sup kf (x)kE ,
xX

lespace Cb0 (X, E) est un espace de Banach.


3. Soit 1 p ; on consid`ere lespace lp (R) des suites x = (xn )nN dans R telles
que
kxkp =

n=0

!1

|xn |

< ,

1 p < ,

kxk = sup |xn | < .


nN

(a) Montrer que lespace lp (R), muni de la norme k kp , est un espace de Banach.

(b) Montrer quon a une inclusion lp (R) lq (R) continue, lorsque 1 p q .


(c) Montrer que lp (R) est dense dans lq (R) lorsque 1 p q < .

(d) Montrer que lp (R) nest pas dense dans l (R) lorsque 1 p < .
4. (a) Montrer quune suite dans l1 (R) est fortement convergente si et seulement si
elle est faiblement convergente.
(b) Montrer quaucune boule ouverte pour la topologie forte sur l1 (R) nest un
ouvert pour la topologie faible sur l1 (R).
5. Les sous-espaces suivants de lespace de Banach (Cb0 (Rn , K), k k ) sont-ils fermes ?
(a) C00 (Rn , K) = {f Cb0 (Rn , K) | supp f est compact} ;

0 (Rn , K) = {f C 0 (Rn , K) | supp f K}, pour un compact K Rn ;


(b) CK
b
0 (Rn , K) = {f C 0 (Rn , K) | lim
(c) C
kxk f (x) = 0} ;
b

(d) Cb1 (Rn , K) = {f Cb0 (Rn , K) |

f
xi

Cb0 (Rn , K)}.

42

Chapitre 3

Espaces `
a produit interne. Espaces
de Hilbert
Mathematics is a game
played according to certain simple rules
with meaningless marks on paper.
David Hilbert (1862 - 1943)

3.1

Produit scalaire

Soient V et W deux espaces vectoriels sur K = R ou C. Une application f : V W K


est dite bilin
eaire si f est lineaire en chacun de ses arguments. Une forme bilineaire
f : V V K est dite sym
etrique si f (v1 , v2 ) = f (v2 , v1 ) pour tout v1 , v2 V .
Une application f : V K est dite semi-lin
eaire si f (c1 v1 + c2 v2 ) = c1 f (v1 ) + c2 f (v2 )
pour tout v1 , v2 V , c1 , c2 K. Une application f : V W K est dite sesquilin
eaire
si f est semi-lineaire en le premier argument et lineaire en le second argument. Lorsque
K = R, semi-lineaire est equivalent a` lineaire et sesquilineaire revient `a bilineaire.
Une application f : V V C est dite hermitienne si f est lineaire en le second
argument et si f (v1 , v2 ) = f (v2 , v1 ) pour tout v1 , v2 V . Dans ce cas, f (v, v) R pour
tout v V .
On dit quune application f : V V K, bilineaire symetrique si K = R et hermitienne
si K = C, est d
efinie positive si f (v, v) > 0 pour tout vecteur v 6= 0 dans V .
D
efinition 3.1. Soit V un espace vectoriel sur K. Si K = R, un produit scalaire sur
V est une forme bilineaire symetrique et definie positive ; si K = C, cest une forme
hermitienne definie positive.
Un produit scalaire sur V sera habituellement note
V V K : (v1 , v2 ) 7 hv1 , v2 i.

43

Un espace vectoriel muni dun produit scalaire est appele espace pr


ehilbertien.
Proposition 3.2. Soit V un espace prehilbertien. Alors
(i) |hv, wi|2 hv, vihw, wi (inegalite de Cauchy-Schwarz), avec egalite si et seulement
si v et w sont lineairement dependants,
p
p
p
hv + w, v + wi
hv, vi + hw, wi (inegalite triangulaire), avec egalite si et
(ii)
seulement si il existe c R+ tel que v = cw ou si w = 0,

pour tout v, w V .
Demonstration.

(i) Soient v, w V non nuls. Pour tout c K, on a


hv + cw, v + cwi = hv, vi + chv, wi + chw, vi + |c|2 hw, wi
= hv, vi + 2Re(chv, wi) + |c|2 hw, wi.

Choisissons c K de sorte que chv, wi R et posons t = |c|. Comme un produit


scalaire est defini positif, on obtient
hv, vi + 2t|hv, wi| + t2 hw, wi 0
pour tout t R. Par consequent, le discriminant de ce second degre est negatif ou
nul :
4|hv, wi|2 4hv, vihw, wi 0,
ce qui donne bien linegalite cherchee. Si on a legalite, alors le second degre a une
racine, ce qui signifie quil existe c K tel que hv + cw, v + cwi = 0, ou encore
v + cw = 0.
(ii) Comme precedemment, on a
hv + w, v + wi = hv, vi + 2Re(hv, wi) + hw, wi.
Par linegalite de Cauchy-Schwarz, on a
Re(hv, wi) |(hv, wi)|
p
p
hv, vi hw, wi.

En combinant ces deux inegalites, on obtient


p
p
hv + w, v + wi ( hv, vi + hw, wi)2 ,

qui est le carre de linegalite recherchee. Si on a legalite, alors (i) donne v = cw avec
c K. La premi`ere inegalite est une egalite si et seulement si hv, wi R+ , ce qui
donne c R+ .

44

La deuxi`eme propriete peut se reformuler de la mani`ere suivante. Soit V un p


espace vectoriel
+
muni dun produit scalaire h, i ; alors lapplication V R : v 7 kvk = hv, vi est une
norme sur V . Linegalite de Cauchy-Schwarz se reecrit donc |hv, wi| kvk kwk pour tout
v, w V .
Une norme derivant dun produit scalaire jouit de proprietes particuli`eres, dont la preuve
constitue un exercice facile.
Proposition 3.3. Soit V un espace prehilbertien sur K. Alors
(i) si hv, wi = 0 alors kv + wk2 = kvk2 + kwk2 (theor`eme de Pythagore),

(ii) kv + wk2 + kv wk2 = 2kvk2 + 2kwk2 (loi du parallelogramme),

(iii) si K = C, alors hv, wi =


si K = R, alors hv, wi =

1
4
1
4


kv + wk2 kv wk2 + ikv + iwk2 ikv iwk2
kv + wk2 kv wk2 (identite de polarisation),

(iv) si vn v et wn w, alors hvn , wn i hv, wi,

pour tout v, w V .

Soit S un sous-ensemble de V . Lorthogonal S `a S est lensemble


S = {v V | hw, vi = 0, pour tout w S}
des vecteurs de V orthogonaux `
a S.
Proposition 3.4. Soit S un sous-ensemble de V . Alors
(i) S est un sous-espace vectoriel ferme de V ;
(ii) si S est dense dans V , alors S = {0}.
Demonstration.
(i) Le fait que S est un sous-espace vectoriel est une consequence de la linearite du
produit scalaire en le second argument. Soit v dans ladherence de S et (vn )nN
une suite dans S convergeant vers v. Alors hw, vi = limn hw, vn i = 0 pour tout
w S. Donc v S et S est ferme.

(ii) Soit v S . Choisissons une suite (vn )nN dans S convergeant vers v S = H.
Alors hvn , vi = 0 pour tout n N, de sorte que hv, vi = kvk = 0. Par consequent,
v = 0.

3.2

Espaces de Hilbert

D
efinition 3.5. Un espace de Hilbert est un espace de Banach dont la norme derive
dun produit scalaire.

45

Exemples.

P
1. Lespace vectoriel Kn , muni du produit scalaire usuel hv, wi = ni=1 vi wi , avec v =
(v1 , . . . , vn ) et w = (w1 , . . . , wn ) Kn , est un espace de Hilbert.
P
2
2. Lespace vectoriel l2 (K) des suites a = (an )nN dans K telles que
n=1 |an | < ,
muni du produit scalaire

X
ha, bi =
an bn
n=1

est un espace de Hilbert sur K.

3. Lespace de Banach L2 (Rn , K) obtenu par completion au moyen de la norme k k2


de lespace des fonctions f : Rn K continues et de carre sommable, est un espace
de Hilbert avec le produit scalaire
Z
f (x)g(x)dx.
hf, gi =
Rn

N
Th
eor`
eme 3.6. Soit S un sous-espace vectoriel ferme dun espace de Hilbert H. Alors
H = S S (somme directe topologique) et, pour tout v H, la projection PS v de v sur
S le long de S est la meilleure approximation de v dans S :
kv PS vk = inf kv wk.
wS

Demonstration. Pour tout v H, il existe v1 S tel que kv v1 k = inf wS kv wk = d.


En effet, par definition de d, il existe une suite wi S telle que kv wi k d, i .
Fixons > 0 ; soit I N tel que kv wi k d + si i > I. Pour tout i, j > I on a, par la
loi du parallelogramme,
k(v wi ) (v wj )k2 + k(v wi ) + (v wj )k2 = 2kv wi k2 + 2kv wj k2
4(d + )2 .

Par consequent,
1
kwi wj k2 4(d + )2 4kv (wi + wj )k2
2
4(d + )2 4d2
= 4(2d + ).

La suite wi est donc de Cauchy dans H ; soit v1 S sa limite. On a bien


kv v1 k = lim kv wi k = d
i

comme souhaite.
Montrons que v v1 S . Pour tout u S et R+ , on a
d2 kv v1 uk2 = kv v1 k2 2Rehu, v v1 i + 2 kuk2 .

46

Par consequent,

kuk2 ,
2
ce qui force Rehu, v v1 i = 0. En remplacant par i, on obtient de meme Imhu, v v1 i =
0, de sorte que hu, v v1 i = 0 comme souhaite.
Rehu, v v1 i

On peut donc ecrire v = v1 +(vv1 ) avec v1 S et vv1 S . Dautre part, si w SS ,


alors hw, wi = kwk2 = 0, de sorte que S et S sont supplementaires algebriques dans H.
De plus, comme v1 = PS v et v v1 = (I PS )v, le theor`eme de Pythagore donne
kPS vk2 + k(I PS )vk2 = kvk2 .
En particulier, kPS vk kvk et k(I PS )vk kvk, de sorte que les projecteurs PS et
I PS sont bornes et la somme directe H = S S est topologique.
Corollaire 3.7. Soit S un sous-ensemble dun espace de Hilbert H. Alors S = (S )
est le sous-espace vectoriel ferme de H engendre par S.
Demonstration. Soit V le sous-espace vectoriel ferme de H engendre par S. Remarquons
que S = V par linearite et continuite du produit scalaire. Par le theor`eme 3.6 applique
`a V, V H, on a les decompositions orthogonales H = V V = V V . Par
consequent, V = S = V .

3.3

Suites et bases orthonorm


ees

Soit V un espace prehilbertien sur K. Deux elements v, w V sont dits orthogonaux si


hv, wi = 0. Une famille E = (ei )iI delements de V forme un syst`
eme orthogonal si ei et
ej sont orthogonaux pour tout i, j I. Une telle famille forme un syst`
eme orthonorm
e
si hei , ej i = ij pour tout i, j I. Lorsque I = N, on parle de suite orthogonale et de
suite orthonorm
ee respectivement.
Lalgorithme de Gram-Schmidt, bien connu du lecteur dans le cadre dun espace vectoriel
de dimension finie muni dun produit scalaire, peut etre applique ici pour construire des
suites orthonormales (ei )iN `
a partir de suites (vi )iN dans V telles que, pour tout n N,
vn+1 est lineairement independant de v1 , . . . , vn .
En effet, posons e1 = v1 /kv1 k. Ensuite, pour tout n > 1, on projette vn sur le sous-espace
{v1 , . . . vn1 } = {e1 , . . . , en1 } :
n1
X
hei , vn iei
ebn = vn
i=1

et on normalise le resultat :

en = ebn /kb
en k.

Soit E = (ei )iI un syst`eme orthonorme dans V et v V . Les nombres hei , vi K, i I,


sont appeles coefficients de Fourier de v par rapport `a E.

47

Proposition 3.8. Soit E = (ei )iN une suite orthonormee dans un espace prehilbertien
V , et soit v V . Alors, pour tout n N,
P
(i) la meilleure approximation de v de la forme ni=1 ci ei est donnee par ci = hei , vi ;
Pn
2
2
(ii)
egalite de Bessel).
i=1 |hei , vi| kvk (in
Demonstration.

(i) Posons ci = hei , vi, pour tout i N. Alors


kv

n
X
i=1

ai ei k2 = kvk2 2Re
= kvk2 +

Par consequent, lerreur kv

Pn

i=1 ai ei k

n
X
i=1

n
X
i=1

ai ci +

n
X

|ai ci |2

|ai |2

i=1
n
X
i=1

|ci |2 .

est minimale lorsque ai = ci , i = 1, . . . , n.

(ii) Lorsque lerreur ci-dessus est minimale, son carre est donne par
kv

n
X
i=1

hei , viei k = kvk

n
X
i=1

|hei , vi|2 0.

P
La somme ni=1 hei , viei donne de meilleures approximations de vPlorsque n croit. Il est
donc naturel detudier la convergence dexpressions de la forme ni=1 ai ei avec ai K,
lorsque n .
Th
eor`
eme 3.9 (Riesz-Fisher). Soit E = (ei )iN une suite orthonorm
P ee dans un espace
dans K. Alors la serie i=1 ai ei converge dans
de Hilbert H sur K. Soit (ai )iN
P une suite
2 converge dans K.
H si et seulement si la serie
|a
|
i
i=1

P
Demonstration. Comme H est complet, la serie
i=1 ai ei converge dans H si et seulement
Pn+k
si i=n ai ei converge vers 0 H lorsque n , pour tout k 0.
P
2
Dautre part, comme K = R ou C est complet, la serie
i=1 |ai | converge dans K si et
Pn+k
seulement si i=n |ai |2 converge vers 0 K lorsque n , pour tout k 0.
Ces deux convergences sont equivalentes, car
k

n+k
X
i=n

ai ei k =

n+k
X
i=n

|ai |2 ,

puisque la suite (ei )iN est orthonormee.


P
Le theor`eme de Riesz-Fisher et linegalite de Bessel garantissent que la serie ni=1 hei , viei
converge dans un espace de Hilbert H lorsque n . Cependant, pour garantir que la
limite de cette serie soit v, il est necessaire dintroduire une hypoth`ese supplementaire sur
la suite orthonormee (ei )iN .

48

D
efinition 3.10. Soit V un espace prehilbertien. Un syst`eme orthogonal ou orthonorme
(vi )iI est dit complet si lunique v V satisfaisant hv, vi i = 0 pour tout i I est le
vecteur nul v = 0.
Une suite orthonormee dans un espace de Hilbert H formant un syst`eme complet est
appelee base hilbertienne de H.
Proposition 3.11. Tout espace de Hilbert separable admet une base hilbertienne.
Demonstration. Soit V = {v1 , v2 , . . .} un sous-ensemble dense et denombrable de H et
soit {v1 , v2 , . . .} V le sous-ensemble denombrable obtenu en omettant les vecteurs vi de
V qui sont lineairement dependants de {v1 , . . . , vi1 }. En appliquant le procede de GramSchmidt aux vecteurs {v1 , . . . , vn }, pour tout n N, on obtient une suite orthonormee
(wi )iN dans H. Soit En le sous-espace vectoriel de H engendre par {v1 , . . . , vn }, ou encore
par {w1 , . . . , wn }. Alors En En+1 pour tout n N et S = nN En est dense dans H.
Par le corollaire 3.7, S = H et donc S = {0}, autrement dit la suite orthonormee
(wi )iN est compl`ete.
Proposition 3.12. Soit E = (ei )iN une suite orthonormale dans un espace de Hilbert
H. Les proprietes suivantes sont equivalentes :
(i)
(ii)
(iii)
(iv)

E est compl`ete ;
P
v=
i=1 hei , viei , pour tout v H ;
P
hv, wi =
hv, ei ihei , wi, pour tout v, w H ;
Pi=1
2
kvk = i=1 |hei , vi|2 , pour tout v H (identite de Parseval).

Demonstration.
P
2
2
(i) (ii). Par linegalite de Bessel,
a
equent, par le
i=1 |hei , vi| kvk . Par cons
Pon

theor`eme de Riesz-Fischer,
la
s
e
rie
he
,
vie
converge
dans
H.
Comme
les coefficients
i
i=1 i
P
de Fourier de
P v i=1 hei , viei par rapport `a E sont tous nuls et que E est compl`ete, on
a bien v =
i=1 hei , viei .
P
P
(ii) (iii). Comme v = limn ni=1 hei , viei et w = limn nj=1 hej , wiej , on obtient
par continuite du produit scalaire
+
* n
n
X
X
hej , wiej
hei , viei ,
hv, wi = lim
n

lim

i=1

n
X

i,j=1

j=1

hei , vihej , wiij

X
hv, ei ihei , wi
=
i=1

comme souhaite.
(iii) (iv). Il suffit de choisir w = v.
(iv) (i). Si hei , vi = 0 pour tout i N, alors kvk2 = 0 et donc v = 0.

49

Corollaire 3.13. Tout espace de Hilbert separable sur K est isometrique a


` l2 (K).
Demonstration. Soit H un espace de Hilbert separable sur K et (vi )iN une base hilbertienne
ment v H peut secrire sous la forme
P de H. Par la proposition 3.12 (ii), tout eleP

2
v=
he
,
vie
,
et
par
la
proposition
3.12
(iv),
equent, on
i
i=1 i
i=1 |hei , vi| < . Par cons
2
peut definir une application lineaire : H l (K) par
(v) = (hei , vi)iN
pour tout v H. Par le theor`eme de Riesz-Fisher,
tout element a = (ai )iN l2 (K)
P
permet de definir un element v H par v = i=1 ai ei . Par consequent, est inversible.
Enfin, la proposition 3.12 (iii) montre que est une isometrie.

3.4

Th
eor`
eme de repr
esentation de Riesz

Soit V un espace prehilbertien. Alors tout element a V permet de definir une fonctionnelle lineaire continue l V par l(v) = ha, vi, pour tout v V . La continuite de l est une
consequence immediate de linegalite de Cauchy-Schwarz.
Le theor`eme suivant montre que, dans un espace de Hilbert H, toute fonctionnelle lineaire
continue est de cette forme.
Th
eor`
eme 3.14 (Repr
esentation de Riesz). Soit H un espace de Hilbert et l H .
Alors il existe un unique a H tel que l(v) = ha, vi pour tout v H. De plus, on a
kakH = klkH .
Demonstration. Verifions quun tel a H est forcement unique. Si a et a H satisfont
l(v) = ha, vi = ha , vi pour tout v H, alors haa , vi = 0, de sorte que aa H = {0}.
Si l = 0 alors on peut prendre a = 0. Si l 6= 0 alors par la proposition 2.27, S = l1 (0) est
un sous-espace vectoriel ferme de codimension 1 dans H. Comme H = S S , lorthogonal
S est de dimension 1. Soit b un element non nul de S , de sorte que l(b) 6= 0. Posons
a=

l(b)
b S.
kbk2

Alors, pour tout v S, on a ha, vi = 0 = l(v). Si v S , alors v = b pour un certain


l(b)
2
K, de sorte que ha, vi = kbk
e.
2 kbk = l(b) = l(v) comme souhait
Enfin, on calcule que
klkH = sup
vH
v6=0

|ha, vi|
|l(v)|
= sup
= kakH
kvkH
vH kvkH
v6=0

par linegalite de Cauchy-Schwarz, puisque legalite est realisee lorsque a et v sont lineairement dependants.

50

Une reformulation de ce theor`eme est que tout espace de Hilbert H est naturellement
isometrique `
a son dual H .
Corollaire 3.15. Tout espace de Hilbert est reflexif.
Le theor`eme de representation de Riesz permet egalement de reformuler la notion de
convergence faible, associee `
a la topologie faible sur H.
Corollaire 3.16. Une suite (vn )nN dans un espace de Hilbert H sur K converge faiblement vers v H si, pour tout u H, hu, vn i hu, vi dans K.
Cette reformulation permet, `
a son tour, de deriver les proprietes suivantes de la convergence faible dans un espace de Hilbert.
Proposition 3.17. Soit (vn )nN une suite dans un espace de Hilbert H.
(i) si (vn )nN est orthonormee, alors (vn )nN converge faiblement vers 0 ;
(ii) (vn )nN converge fortement vers v H si et seulement si (vn )nN converge faiblement vers v et kvn k converge vers kvk.
Demonstration.
(i) En vertu de linegalite de Bessel, on a
k
X

n=1

|hvn , vi|2 kvk2

pour tout k N. Par consequent, hvn , vi 0 = hvn , 0i lorsque n .

(ii) Limplication directe est evidente dans tout espace norme. Inversement, kv vn k2 =
kvk2 2Rehv, vn i + kvn k2 converge vers kvk2 2Rehv, vi + kvk2 = 0.

3.5
3.5.1

Op
erateurs particuliers
Op
erateurs adjoints

D
efinition 3.18. Soient H1 et H2 deux espaces de Hilbert et A L(H1 , H2 ). Loperateur
adjoint de A est loperateur lineaire A : H2 H1 caracterise par
hA v2 , v1 iH1 = hv2 , Av1 iH2
pour tout v1 H1 , v2 H2 .
Proposition 3.19. Soient A L(H1 , H2 ) et B L(H2 , H3 ). Alors
(i) A est borne et kA k = kAk ;

(ii) (A ) = A ;

51

(iii) ker A = (im A ) et im A = (ker A ) ;


(iv) (B A) = A B ;

(v) si A a un inverse, (A1 ) = (A )1 .

Demonstration.
(i) Remarquons que
kAk = sup

v1 H1
v2 H2

hv2 , Av1 i
.
kv1 k kv2 k

(3.1)

En effet, le supremum dans (3.1) nexc`ede par kAk par linegalite de Cauchy-Schwarz.
nk
Dautre part, il existe une suite un H1 telle que kAu
kun k kAk. En prenant v1 = un
et v2 = Aun dans (3.1), on voit que le supremum concide avec kAk.
Par consequent, on a
kAk = sup

v1 H1
v2 H2

hA v2 , v1 i
hv2 , Av1 i
= sup
= kA k.
kv1 k kv2 k v1 H1 kv1 k kv2 k
v2 H2

(ii) Pour tout v1 H1 , v2 H2 , on a


hv2 , Av1 iH2 = hA v2 , v1 iH1 = hv2 , (A ) v1 iH2 .
Par consequent, A = (A ) .
(iii) v1 ker A si et seulement si hAv1 , v2 iH2 = hv1 , A v2 iH1 = 0 pour tout v2 H2 ,
cest-`
a-dire v1 (im A ) . On obtient la deuxi`eme relation en remplacant A par A
et en utilisant (ii).
(iv) Pour tout v1 H1 , v3 H3 , on a
hv3 , B Av1 iH3 = hB v3 , Av1 iH2 = hA B v3 , v1 iH1 .
Dautre part, on a aussi
hv3 , B Av1 iH3 = h(B A) v3 , v1 iH1 .
Par consequent, A B = (B A) .

(v) En remplacant B par A1 dans (iv) on obtient I = I = A (A1 ) . En echangeant


les r
oles de A et B on obtient I = (A1 ) A . Par consequent, A admet pour
inverse (A1 ) .

3.5.2

Op
erateurs auto-adjoints

D
efinition 3.20. Soit H un espace de Hilbert. Un operateur A L(H) est dit autoadjoint si A = A.
Proposition 3.21. Soit H un espace de Hilbert sur K et A L(H).

52

(i) Si A est auto-adjoint alors hAv, vi R pour tout v H ;

(ii) Si K = C et hAv, vi R pour tout v H alors A est auto-adjoint.


Demonstration.
(i) Si A est auto-adjoint alors, pour tout v H,
hAv, vi = hv, A vi = hv, Avi = hAv, vi.
(ii) Si hAv, vi R pour tout v H alors
hAv, vi = hv, Avi = hv, Avi = hA v, vi,
de sorte que h(A A )v, vi = 0. En prenant v = v1 + cv2 avec v1 , v2 H et c C,
on obtient
h(A A )v1 , v1 i + ch(A A )v1 , v2 i + ch(A A )v2 , v1 i + |c|2 h(A A )v2 , v2 i = 0.
Le premier et le quatri`eme terme de cette somme sont nuls. Si c = 1, on obtient
h(A A )v1 , v2 i + h(A A )v2 , v1 i = 0
et si c = i, on obtient
h(A A )v1 , v2 i h(A A )v2 , v1 i = 0,
de sorte que h(A A )v1 , v2 i = 0 et donc A = A .

Exemple. Pour tout A L(H1 , H2 ), loperateur A A L(H1 ) est auto-adjoint, car


(A A) = A A = A A.
N
Proposition 3.22. Soit A L(H1 , H2 ). Alors
(i) kA Ak = kAA k = kAk2 ;

(ii) A A = 0 ou AA = 0 implique A = 0.
Demonstration.
(i) En utilisant lequation (3.1), on calcule
kA Ak = sup

v1 H1
v2 H2

kAvk2
hAv2 , Av1 i
hv2 , A Av1 i
= sup
sup
= kAk2 .
2
kv1 k kv2 k
kv
k
kv
k
kvk
1
2
v1 H1
vH1
v2 H2

Mais dautre part, kA Ak kA k kAk = kAk2 , donc kA Ak = kAk2 . Lautre egalite


sobtient en echangeant les r
oles de A et A .
(ii) Si A A = 0 alors 0 = kA Ak = kAk2 , donc A = 0. On proc`ede de meme pour AA .

53

3.5.3

Op
erateurs unitaires

D
efinition 3.23. Soit H un espace de Hilbert et U L(H). On dit que U est un operateur
unitaire si U est inversible et U 1 = U .
Dautre part, on dit quun operateur T L(H) est isom
etrique si T preserve les longueurs : kT vk = kvk pour tout v H.
Proposition 3.24. Soient U, V L(H) des operateurs unitaires. Alors
(i) U est isometrique ;

(ii) kU k = 1 ;

(iii) U 1 et U sont unitaires ;


(iv) U V est unitaire.
Demonstration.
(i) Pour tout v H, on a bien
kU vk2 = hU v, U vi = hU U v, vi = hv, vi = kvk2 .
(ii) Si kU vk = kvk pour tout v H, alors
kU k = sup
vH

kU vk
= 1.
kvk

(iii) Cest une consequence immediate de la proposition 3.19 (v).


(iv) On a bien (U V )1 = V 1 U 1 = V U = (U V ) .

Par contre, une application lineaire isometrique nest pas forcement unitaire.
Exemple. Considerons loperateur de shift vers la droite R L(l2 (K)). Alors R est
isometrique et son adjoint R est loperateur de shift vers la gauche L. Ainsi, R R = LR =
I. Par contre, R nest pas unitaire car R nest pas surjectif, de sorte que RR = RL 6= I.
N

3.5.4

Op
erateurs normaux

D
efinition 3.25. Soit H un espace de Hilbert et N L(H). On dit que N est un operateur
normal si N N = N N .
Clairement, un operateur T L(H) auto-adjoint ou unitaire est normal, mais la reciproque
est fausse.
Exemple. Loperateur T = 2iI a pour adjoint T = 2iI = T , de sorte que T nest ni
auto-adjoint ni unitaire. Par contre, T est normal car T T = T T = T 2 .
N

54

3.6

Projecteurs orthogonaux

D
efinition 3.26. Un projecteur lineaire P L(H) dans un espace de Hilbert H est dit
orthogonal si ker P im P .
Proposition 3.27. Un projecteur lineaire P L(H) est orthogonal si et seulement si P
est auto-adjoint.
Demonstration. Si P est orthogonal, alors pour tout u, v H,
hu, P vi = hP u + (I P )u, P vi = hP u, P vi.
Comme on a de meme hP u, vi = hP u, P vi, loperateur P est auto-adjoint.
Inversement, si P est un projecteur auto-adjoint, alors pour tout u, v H,
hP u, (I P )vi = hu, P (I P )vi = 0.
Par consequent, ker P im P et P est un projecteur orthogonal.
Proposition 3.28. Soit P L(H) un projecteur orthogonal. Alors
(i) P est non negatif, cest-`
a-dire hv, P vi 0 pour tout v H ;

(ii) kP k = 1 si P 6= 0.

Demonstration.
(i) Comme P est auto-adjoint, on a
hv, P vi = hv, P 2 vi = hP v, P vi = kP vk2 0
pour tout v H.

(ii) Par le theor`eme de Pythagore,


kP vk2 + k(I P )vk2 = kvk2
pour tout v H. Par consequent, kP vk kvk et kP k 1. La conclusion suit alors
de la proposition 2.24 (v), puisque kP k 1 lorsque P 6= 0.

Exercices sur le Chapitre 3


1. (a) Demontrer la loi du parallelogramme dans un espace de Hilbert H :
kv + wk2 + kv wk2 = 2kvk2 + 2kwk2 ,

pour tout v, w H.

(b) Trouver deux vecteurs v et w dun espace de Banach B qui ne satisfont pas `a
la loi du parallelogramme.

55

2. Soient V1 et V2 deux sous-espaces vectoriels dun espace de Hilbert H. Demontrer


les proprietes suivantes :
(a) V1 V2 V2 V1 ,

(b) (V1 + V2 ) = V1 V2 .

(c) (V1 V2 ) = V1 + V2 .

3. Pour chacun des sous-espaces vectoriels Vi de l2 (R) ci-dessous, determiner si Vi est


ferme. Si non, quelle est son adherence ?
(a) V1 = {x = (xn ) l2 (R) | xn = 0 si n > 10},

(b) V2 = {x = (xn ) l2 (R) | n0 > 0 n > n0 , xn = 0},


P 1
(c) V3 = {x = (xn ) l2 (R) |
n=1 n xn = 0},
P

(d) V4 = {x = (xn ) l2 (R) |


n=1 xn = 0}.

4. Soit V un sous-espace vectoriel ferme dun espace de Hilbert H separable. Soit


P L(H) le projecteur orthogonal sur V . Soit (ei )iI un syst`eme orthonormal
complet pour V .
P
(a) Montrer que P v = iI hei , viei pour tout v H.
(b) Si V H = Cn est le sous-vectoriel engendre par f1 = (1, . . . , 1) et f2 =
(1, 0, . . . , 0), calculer la matrice de P .

R
5. Soit K C 0 (Rn Rn , K) une fonction telle que Rn Rn |K(x, y)|2 dx dy < . On
definit un operateur lineaire A : C 0 (Rn , K) L2 (Rn , K) L2 (Rn , K) par
Z
K(x, y)f (y) dy,
(Af )(x) =
Rn

pour tout f C 0 (Rn , K).

(a) Montrer que A setend en une application lineaire bornee A : L2 (Rn , K)


L2 (Rn , K) et calculer sa norme.

(b) Determiner ladjoint A de A.


(c) Donner un exemple de K tel que A est un operateur normal, mais pas autoadjoint ni unitaire.

56

Chapitre 4

Distributions
Everything of importance has been said before
by somebody who did not discover it.
Alfred Whitehead (1861 - 1947)

4.1

D
efinitions

Soit un ouvert de Rn . Le support dune fonction : K est defini par supp() =


{x | (x) 6= 0}.
Un multi-indice est un n-uple
= (1 , . . . , n ) dentiers i 0. Lordre dun multiP
n
indice est defini par || =
erateur
i=1 i . A tout multi-indice , on associe un op
1
n
n
= x1 . . . xn K.
e
finit
x
differentiel = x
n . Pour tout x K , on d
1 . . .
n
1
x
1

Soit 0 m un entier. Une fonction : K est de classe C m si est continue


pour tout multi-indice tel que || m. On note C m () lespace vectoriel des fonctions
: K de classe C m , et C0m () C m () le sous-espace vectoriel des fonctions de
classe C m dont le support est compact et contenu dans . Soit K un ensemble compact
m C m () le sous-espace vectoriel des fonctions de classe C m dont le
dans . On note CK
0
m est un espace de Banach pour la norme k k
support est contenu dans K. Si m < , CK
m
definie par
kkm =
sup | (x)|.
xK,||m

Remarquons que

CK
=

m
CK

et C0 () =

m0

,
CK

o`
u lunion porte sur les sous-ensembles compacts K de .

Ces considerations motivent la definition suivante sur lespace vectoriel C0 (). On dit
quune suite (n ) dans C0 () converge vers C0 () au sens D si et seulement si
(i) il existe un compact K tel que supp(n ) K pour tout n N ;

57

(ii) pour tout multi-indice , limn k (n )k = 0.

pour tout n N
Ceci revient `
a demander quil existe un compact K de tel que n CK
D

m pour tout m 0. Dans ce cas, on notera .


et que (n ) converge vers dans CK
n

On peut montrer que cette notion de convergence est induite par une topologie sur C0 ().
Lespace vectoriel C0 (), muni de cette topologie, est un espace vectoriel topologique note
D(). Les elements de D() sont appeles fonctions test.
Exemple. La fonction : Rn R definie par
(
1

1kxk2
e
(x) =
0

si kxk < 1,
sinon

est un element de D(Rn ). En precedant par des translations et des homotheties de Rn ,


on obtient une grande collection de fonctions test dans D(), pour tout ouvert Rn . N
D
efinition 4.1. Une distribution f sur louvert est une fonctionnelle lineaire
f : D() K : 7 f () = hf, i

(4.1)

telle que, pour tout compact K de , il existe un entier m 0 et une constante C > 0 tels
que
|hf, i| C
sup | (x)|.
xK,||m

Lespace vectoriel des distributions sur est note D ().


Lestimation (4.1) exprime la continuite de la fonctionnelle lineaire f . On peut en effet
montrer que cette inegalite est equivalente `a la propriete suivante : pour toute suite (n )
dans D() convergeant vers D() au sens D, on a
hf, n i hf, i.
Ainsi, lespace D () joue le r
ole de dual topologique pour D().
Comme pour lespace D(), introduisons une notion de convergence sur lespace D ().
D
efinition 4.2. On dit quune suite (fn ) dans D () converge vers f D () si
hfn , i hf, i
pour tout D(). Dans ce cas, on parle de convergence au sens D et on note
D

fn f .

Comme pour lespace D(), on peut montrer que cette notion de convergence est induite
par une topologie sur D (). La definition ci-dessus rappelle la notion de topologie faible
pour le dual dun espace norme. En fait, en partant de la topologie de D(), on peut definir
une topologie forte sur D (), puis montrer que la convergence pour cette topologie est
equivalente `
a la convergence definie ci-dessus. Cest pourquoi on dit parfois quune suite

58

qui converge au sens faible ou faible , meme dans un autre contexte que celui-ci, converge
au sens des distributions.
Etant donnee une fonction continue f C 0 (), on peut lui associer une distribution dans
D (), que lon designera encore par f , au moyen de la formule
Z
f (x)(x) dx,
(4.2)
hf, i =

pour tout D(). Lintegrale dans le membre de droite a bien un sens car lintegrand
D

est continu et a un support compact. De plus, si n , alors il existe un compact K


contenant supp(n ) pour tout n N. Soit M le maximum de |f | sur K. Alors
Z
|f (x)| |n (x) (x)| dx M Vol(K) kn k 0,
|hf, n i hf, i|

de sorte que la fonctionnelle lineaire f est bien continue.


En fait, certaines fonctions
R discontinues permettent egalement de definir une distribution :
il suffit que lintegrale f (x)(x) dx soit bien definie pour tout D(). Dans ce cas,
on dit que la fonction f : K est localement int
egrable.
Par contre, il existe des distributions qui ne sont pas obtenues de cette mani`ere `a partir
de fonctions sur .
Exemple. La distribution de Dirac est definie par
: D() K : 7 h, i = (0).
On peut montrer quil nexiste pas de fonction : K telle que
Z
(x)(x) dx
h, i =

pour tout D(). On peut neanmoins obtenir la distribution de Dirac comme la


limite dans D () dune suite de distributions obtenues `a partir de fonctions localement
integrables, et meme C . Par exemple, pour = R, on peut prendre
2 2
n
fn (x) = en x ,

et lon a bien

fn (x) =

1 sin(nx)

fn (x)(x) dx (0),

ou

fn (x) =

1
n
1 + n2 x2

lorsque n .
N

Malgre la remarque ci-dessus, on parle dans la litterature en physique de la fonction


de Dirac (x) en faisant comme si une telle fonction existait, de mani`ere `a garder les
discussions `
a un niveau elementaire. Cependant, il faut se mefier de ce point de vue,
qui m`ene rapidement `
a des contradictions si lon manipule une distribution comme une
veritable fonction. En particulier, on ne peut pas parler de la valeur dune distribution
f D (Rn ) en un point x Rn .

59

4.2

Op
erations

Dans cette section, nous allons introduire diverses operations permettant de manipuler
les distributions de mani`ere rigoureuse. Ces operations sur les distributions generalisent
diverses operations sur des fonctions localement integrables (ou encore plus reguli`eres)
dans Rn , en se basant sur lequation (4.2).

4.2.1

Translation

Soient f D (Rn ) et a Rn . La translat


ee Ta f D (Rn ) de f par a est definie par
hTa f, i = hf, Ta i
pour tout D(Rn ), avec Ta (x) = (x + a).
Cette definition est motivee par le cas o`
u f C 0 (Rn ), pour lequel
Z
Z
f (y)(y + a) dy = hf, Ta i
f (x a)(x) dx =
hTa f, i =
Rn

Rn

avec le changement de variables y = x a.


Exemple. Soit D (Rn ) la distribution de Dirac. Alors, pour tout D(Rn ),
hTa , i = h, Ta i = (a).
Dans la litterature en physique, de la meme mani`ere que correspond `a la fonction de
Dirac (x), on ecrit plus simplement que Ta correspond `a (x a).
N

4.2.2

D
erivation

Soit Rn ), f D () et = (1 , . . . , n ) un multi-indice. La d
eriv
ee f D () de
f , par rapport `
a x1 (1 fois), . . . , `
a xn (n fois), est definie par
h f, i = (1)|| hf, i
pour tout D(). La fonctionnelle lineaire f est bien continue sur D() car n
implique n dans D().
Cette definition est motivee par le cas o`
u f C 1 (R) et = 1 = 1, pour lequel
Z
Z
f (x)(x) dx = f (x) (x) dx = hf, i
hf , i =
R

en vertu de lintegration par parties.


Pour tout f D (R), on verifie facilement, `a partir des definitions ci-dessus, que
f = lim

a0

1
(Ta f f )
a

60

dans D (R).
Exemples.
1. Soit H : R R la fonction de Heaviside definie par

1 si x 0,
H(x) =
0 si x < 0.
On associe `
a cette fonction une distribution dans D (R), encore notee H, definie par
Z
Z +
(x) dx
H(x)(x) dx =
hH, i =
0

pour tout D(R). Alors la derivee H D (R) satisfait


Z

(x) dx = (0)
hH , i = hH, i =
0

pour tout D(R). Par consequent, H nest autre que la distribution de Dirac .

2. Soit Z+ et D (R) la distribution de Dirac. Alors () D (R) est la distribution definie par
d
h() , i = (1) (0).
dx
N
Comme le montre cet exemple, toute distribution est derivable (autant de fois que lon
veut), meme si une distribution provient dune fonction qui nest pas derivable (voire
discontinue) en tant que fonction, ou si une distribution ne correspond pas `a une fonction.

4.2.3

Int
egration

Soit f D (R). Une distribution g D (R)R satisfaisant


x
f.
ou int
egrale ind
efinie de f et est notee

g
x

= f est appelee une primitive

Si f est une fonction continue, on sait quune primitive existe toujours et nest definie qu`a
une constante pr`es. On appelle distribution constante une distribution associee `a une
fonction constante.

Proposition 4.3. Toute distribution f D (R) admet une primitive g D (R), definie
a
` une distribution constante pr`es.
Demonstration. Fixons une fois pour toutes D(R) telle que
Z +
(x) dx = 1.

En dautres termes, h1, i = 1, o`


u 1 designe la distribution associee `a la fonction constante
1 C 0 (R).

61

Decomposons D(R) sous la forme = 0 + h1, i, de sorte que h1, 0 i = 0. Alors la


formule
Z x
0 (y) dy
(x) =

definit une fonction test D(R), puisque (x) = 0 lorsque x est suffisamment grand.
De plus, lapplication lineaire D(R) D(R) : 7 est continue.
Par consequent, si une primitive g D (R) existe pour f , elle doit satisfaire
hg, i = hg, 0 i + h1, ihg, i.
Posons c = hg, i. Alors
hg c, i = hg, 0 i = hg, i = hf, i.
Comme le membre de droite est continu en , qui depend continument de , cette equaton
definit bien une distribution g c, `a une constante c K pr`es. Par construction, la
distribution g est une primitive de f .

4.2.4

Multiplication

On ne peut en general pas definir le produit de deux distributions arbitraires f, g D ().


En effet, si f et g sont induites par des fonctions localement integrables sur , encore
notees f et g, le produit f g pourrait ne pas etre localement integrable.
Exemple. Soit f = g : R R : x 7 f (x) = 1 . Alors f = g est localement integrable,
|x|
car
Z 1
 1
f (x) dx = 2 2 x 0 = 4.
Par contre, f g =

f2

nest pas localement integrable car


Z 1
Z 1
1
f 2 (x) dx = 2
dx = +.
x
0
1

N
Par contre, si f et g sont des distributions jouissant de proprietes suffisamment agreables,
leur produit f g pourra etre defini. En effet, si f et g sont induites par des fonctions dont le
produit f g est localement integrable, alors f g induit une distribution f g D (), appelee
produit des distributions f et g.
Nous nous interesserons plus particuli`erement au cas o`
u f D () est une distribution
arbitaire et g D () est induite par une fonction infiniment differentiable, de sorte que
g C (). Le produit f g D () de f et g est alors defini par
hf g, i = hf, gi
pour tout D(). Ceci definit bien une fonctionnelle lineaire continue, car la multiplication par g est une application lineaire D() D() : 7 g qui est continue.

62

4.2.5

Image directe, inverse et changement de variables

Soient et deux ouverts de Rn et u : : x 7 y = u(x) une application C et


propre, cest-`
a-dire telle que u1 (K) est un compact de pour tout compact K de .
Dans ce cas, une fonction test D( ) peut etre reparametrisee par u en considerant
la composition u. Comme u est propre, le support de u est compact, de sorte que
u D().
Ainsi, une distribution f D () donne lieu `a une distribution u(f ) D ( ) definie par
hu(f ), i = hf, ui,
pour tout D( ). On dit que u(f ) est limage directe de f par u.
Exemples.
1. Soient = = Rn et u(x) = x + a, alors limage directe dune distribution
f D (Rn ) est la translation u(f ) = Ta f de cette distribution.
2. Soient = = R, D (R) la distribution de Dirac et y = u(x). Limage directe
u() de par u est definie par
hu(), i = h, ui = (u(0)).
Par consequent, la distribution u() est la translation Tu(0) de la distribution de
Dirac.
N
Dans certaines circonstances, il est possible de definir limage inverse u f dune distribution f . Lorsque celle-ci est donnee par une fonction localement integrable f dependant
de y , cela revient `
a effectuer le changement de variables f (u(x)) dans f . En
particulier, lorsque u est un diffeomorphisme, cest-`
a-dire que u est bijective et que u et
u1 sont C , on peut ecrire
Z

f (u(x))(x) dx
hu f, i = hf (u(x)), i =
Z
f (y)(u1 (y))|J(u)|1 dy
=

= h|J(u)|1 f, u1 i

pour tout D(), o`


u |J(u)| C () est le Jacobien de u, cest-`
a-dire le determinant
ui
. Par consequent,
de la matrice Jacobienne J(u) de u, ayant pour coefficients J(u)ij = x
j

1
la distribution u f est obtenue `
a partir de la fonction |J(u)| f localement integrable sur

.
On peut ensuite utiliser la relation
hu f, i = h|J(u)|1 f, u1 i
pour tout D(), afin de definir limage inverse u f de distributions f D ( ) plus
generales, comme par exemple la distribution de Dirac.

63

Exemples.
1. Soient = = R, D( ) la distribution, de Dirac et u(x) = ax. Alors, pour
tout D(),
Z
Z
y 1
1
(y)( )
(ax)(x) dx =
dy = (0) .
hu , i = h(ax), i =
a |a|
|a|
R
R
On en deduit que (ax) =

1
|a| (x).

2. Soient = R3 , D (R3 ) la distribution de Dirac, (r, , ) les coordonnees spheriques et (x, y, z) les coordonnees cartesiennes. Le lien entre ces coordonnees secrit
sous la forme (x, y, z) = u(r, , ), et le Jacobien de ce changement de coordonnees
est donne par J(u) = r 2 sin . En procedant comme ci-dessus, on obtient
(r r0 , 0 , 0 ) =

1
(x x0 , y y0 , z z0 ),
r 2 sin

o`
u (r0 , 0 , 0 ) et (x0 , y0 , z0 ) sont les coordonnees spheriques et cartesiennes dun
meme point de R3 .
N
La definition de limage inverse dune distribution peut etre etendue au cas o`
u u :
nest pas un diffeomorphisme, mais o`
u le Jacobien J(u) 6= 0 lorsque u(x) supp f . Dans
ce cas, il faut remplacer u1 dans la definition de u f par limage directe u() de
en tant que distribution sur .
Exemple. Soit = = R, D (R) la distribution de Dirac et y = u(x) avec u (x) 6= 0
lorsque u(x) = 0. On obtient
(u(x)) =

k
X

|u (ai )|
i=1

(x ai )

avec u1 (0) = {a1 , . . . , ak }.

4.2.6

Propri
et
es des op
erations

Les operations introduites ci-dessus sont des applications lineaires continues dans D . En
D

dautres termes, si fn f , alors


D

Ta fn Ta f,
D

f f,
Z x n
Z x
D
fn
f,
D

gfn gf,
D

u(fn ) u(f ),
D

u fn u f,

pour tout a Rn ,
pour tout multi-indice ,

pour tout g C (),

pour toute application u C et propre,

pour tout diffeomorphisme u.

64

En effet, ces operations sont toutes definies en faisant agir la distribution f (ou fn ) sur le
resultat dune autre operation sur la fonction test . Par exemple,
lim hTa fn , i = lim hfn , Ta i = hf, Ta i = hTa f, i.

Par ailleurs, si an a dans Rn , alors Tan f Ta f , car la translation est une operation
continue dans D(Rn ).

4.3

Lissage

Fixons une fonction


test D(Rn ) dont le support est la boule unite B(0, 1) et qui est
R
normalisee : Rn (x) dx = 1. On peut prendre par exemple
(
1

1kxk2
si kxk < 1,
Ce
(x) =
0
si kxk 1,
o`
u C R est la constante de normalisation appropriee.
Soit > 0. A toute distribution f D (Rn ) on associe une fonction J f : Rn R, appelee
lissage de f , et definie par
J f (y) = hf,

1
u,y i,
n

avec u,y (x) =

xy
.

Loperateur J est appele op


erateur de lissage.
Lorsque f est induite par une fonction localement integrable, on a
Z
Z
1 xy
f (y + x)(x) dx.
f (x) n (
) dx =
J f (y) =

Rn
Rn
Dans ce cas, la valeur de la fonction J f en y est une moyenne ponderee des valeurs prises
par f dans la boule B(y, ).
Proposition 4.4. Soit f D (Rn ) et > 0. Alors
(i) hJ f, i = hf, J i pour tout D(Rn ) ;

(ii) J f = J f pour tout multi-indice ;


(iii) J f C (Rn ) ;

(iv) pour tout D(Rn ), J lorsque 0 ;


D

(v) J f f lorsque 0 ;
D

(vi) si fn f alors J fn J f ;

(vii) J1 J2 f = J2 J1 f pour tout 1 , 2 > 0 ;


(viii) J Ta f = Ta J f pour tout a Rn .

65

Demonstration.
R
u K Rn est un compact contenant le
(i) Lexpression hJ f, i = K J f (y)(y) dy o`
support de a un sens car la fonction J f est continue. En ecrivant cette integrale
comme la limite dune somme de Riemann, on obtient
hJ f, i =
=

lim

lim

N
X

J f (yi )(yi ) yi

i=1
N
X
i=1

lim hf,

hf,

1
u,yi i(yi ) yi
n

N
X
1
u,yi (yi ) yi i.
n
i=1

Dautre part,
Z
N
X
xy
1 x yi
D
(
)(yi ) yi
)(y) dy = J (x)
(
n

K
i=1

lorsque N , puisque lon peut deriver sous le signe integral. On en deduit que
hJ f, i = hf, J i.

(ii) La propriete est verifiee lorsque f C0 (Rn ), puisque


Z
f (y + x)(x) dx
J f (y) =
B(0,1)

et comme on peut differentier sous le signe integral. Dans le cas general, on proc`ede
par dualite : pour tout D(), on a
hJ f, i =
h f, J i
= (1)|| hf, J i
||

= (1) hf, J i = (1)|| hJ f, i


=
h J f, i.
(iii) Comme J f = J f est continue pour tout multi-indice , on a bien J f
C (Rn ).
(iv) Tout dabord, le support de J est contenu dans un 0 -voisinage du support de
pour tout ]0, 0 [. Montrons ensuite que J converge uniformement vers lorsque
0. On a
Z





|J (y) (y)| =
(y + x)(x) dx (y)
B(0,1)

Z

|(y + x) (y)|(x) dx
B(0,1)

sup |(y + x) (y)|.

xB(0,1)

Comme est uniformement continue, le membre de droite peut etre rendu arbitrairement petit en reduisant > 0. Enfin, J = J converge uniformement vers
.

66

(v) On proc`ede par dualite en exploitant (iv) :


hJ f, i = hf, J i hf, i
lorsque 0, pour tout D(Rn ).

(vi) De meme,

hJ fn , i = hfn , J i hf, J i = hJ f, i

lorsque n , pour tout D(Rn ).

(vii) La propriete est verifiee lorsque f C0 (Rn ), puisque lon peut permuter les signes
integraux. Ensuite, par dualite,
hJ1 J2 f, i = hJ2 f, J1 i = hf, J2 J1 i

= hf, J1 J2 i = hJ1 f, J2 i = hJ1 J2 f, i.

(viii) La propriete se verifie par calcul direct lorsque f C0 (Rn ), puis par dualite dans
le cas general.

En particulier, toute distribution peut etre approximee par une fonction infiniment differentiable. Nous avions dej`a vu que cetait le cas pour la distribution de Dirac.

4.4

R
egularisation

A toute fonction localement integrable, nous avons associe une distribution. Cependant,
certaines distributions sont associees `a des fonctions non localement integrables. Nous nous
limiterons au cas des fonctions ayant une singularite non integrale en un point, comme
par exemple x1 .
D
efinition 4.5. Soit un ouvert de Rn et f : K une fonction integrable sur tout
compact K ne contenant pas le point x0 . Une r
egularisation de f est une
distribution fr D () telle que
Z
f (x)(x)dx,
hfr , i =

pour toute fonction test D() telle que x0


/ supp .
Bien entendu, ni lexistence, ni lunicite dune regularisation nest garantie.
Exemples.
1

1. La fonction f (x) = e x2 nadmet pas de regularisation dans D (R).

2. Si il existe une regularisation fr pour f , alors fr + C Tx0 () est egalement une


regularisation pour f pour tout Z+ et C K.
N

67

Lorsque la singularite de f en x0 nest pas trop forte, lexistence dune regularisation est
garantie.
D
efinition 4.6. Une fonction f : R K a une singularit
e alg
ebrique en x0 si il existe
+
m
m Z tel que (xx0 ) f (x) est integrable dans un voisinage de x0 . Lentier m est appele
lordre de la singularite.
Dans le cas dune fonction f possedant une unique singularite algebrique en x0 , on peut
definir une regularisation fr D (R) par
!
Z
Z
m1
X (x x0 )k dk
f (x) (x)
f (x)(x)dx +
hfr , i =
(x0 ) dx
k!
dxk
|xx0 |<a
[xx0 |>a
k=0

pour tout D(R), avec a > 0. Bien entendu, le resultat depend en general de la valeur
de a choisie. Il est donc dautant plus souhaitable de pouvoir identifier une regularisation
preferee.
On peut montrer que, pour toute fonction f nayant que des singularites algebriques, il
existe une unique r
egularisation canonique frc D (R), telle que
(i) pour tout a, b K, afrc + bgrc = (af + bg)rc ;

d
d
f rc = dx
frc ;
(ii) dx

(iii) pour tout g C (R), (gf )rc = gfrc .

Exemple. La fonction x1 a une singularite algebrique dordre 1 `a lorigine. On peut lui


associer une regularisation vp( x1 ) D (R) appelee valeur principale de x1 et definie par
1
hvp( ), i = lim
x
0+

Z

1
(x)dx +
x

1
(x)dx
x

pour tout D(R). On peut verifier gr


ace aux proprietes ci-dessus quil sagit en fait de
la regularisation canonique de x1 .
N

4.5

Propri
et
es locales

Comme nous lavons dej`a mentionne, on ne peut en general pas parler de la valeur dune
distribution f D () en un point x . Cependant, certaines proprietes locales des
fonctions peuvent etre etendues aux distributions.

4.5.1

Egalit
es et in
egalit
es locales

Nous commencons par donner un sens `a des egalites entre distributions f, g D () sur
un sous-ensemble de .
D
efinition 4.7. Soient f, g D () et O un ouvert de . On dit que f = g sur O si
hf, i = hg, i pour tout D() tel que supp O.

68

Dans le cas de distributions `


a valeurs reelles, on peut aussi parler dinegalites entre distributions.
D
efinition 4.8. Soient f, g D () et O un ouvert de . On dit que f g sur O si
hf, i hg, i pour tout D() tel que 0 et supp O.
A partir de la notion degalite locale, on peut definir le support dune distribution.
D
efinition 4.9. Le support dune distribution f D () est le complementaire du plus
grand ouvert O tel que f = 0 sur O.
Pour les fonctions continues sur , le support en tant que fonction dans C 0 () coincide
avec le support en tant que distribution D (). En revanche, ceci nest pas forcement vrai
pour les fonctions localement integrables avec des discontinuites.
Gr
ace aux inegalites, on peut egalement parler de la notion de distributions bornees.
Lorsque f D () est `
a valeurs complexes, on definit sa partie reelle Re(f ) par
1
hRe(f ), i = (hf, i + hf, i)
2
pour tout D(). La partie imaginaire Im(f ) de f est definie par Im(f ) = Re(if ).
D
efinition 4.10. Soit f D (). On dit que f est born
ee si

(i) lorsque K = R, il existe une constante M > 0 telle que M f M sur ;

(ii) lorsque K = C, il existe une constante M > 0 telle que, pour tout R, Re(ei f )
M sur .
On peut montrer que lespace L () D () des distributions bornees sur , muni de
la norme
kf k = inf{M R+ | Re(ei f ) M, pour tout R},
est un espace de Banach. Nous etudierons cet espace plus en details ulterieurement.

4.5.2

Recollement

Soit f D () et (i )iI un recouvrement de par des ouverts. Alors f induit par


restriction `
a D(i ) D() des distributions fi D (i ). Inversement, on voudrait pouvoir
recoller les distributions fi D (i ) en une distribution f D ().
Soit (i )i=1,...,N un recouvrement fini par des ouverts dun ensemble compact K . Une
partition de lunit
e sur K subordonnee au recouvrement (i )i=1,...,N est une famille de
fonctions i D(), i = 1, . . . , N , telle que
(i) supp i i , pour tout i = 1, . . . , N ;
PN
(ii)
i=1 i (x) = 1 pour tout x K.

69

On peut montrer quil existe toujours une telle partition de lunite.


Soient fi D (i ) telles que fi = fj sur i j , pour tout i, j I. On definit leur
recollement f D () en choisissant, pour tout D(), un sous-recouvrement fini
i , i = 1, . . . , N du compact K = supp et une partition de lunite i , i = 1, . . . , N sur
K subordonnee au recouvrement (i )i=1,...,N , et en posant
hf, i =

N
X
i=1

hfi , i i.

On verifie que le membre de droite est independant du choix du sous-recouvrement et de


la partition de lunite ci-dessus.

4.5.3

Structure locale

Les distributions generalisent la notion de fonction. En effet, `a toute fonction localement


integrable on peut associer une distribution, mais il existe egalement des distributions qui
ne correspondent `
a aucune fonction, comme la distribution de Dirac.
D`es lors, il est important de savoir jusqu`a quel point les distributions sont plus generales
que les fonctions, ou encore comment obtenir toutes les distributions `a partir des seules
fonctions. Le resultat suivant, d
u `
a Laurent Schwartz, repond `a ces questions, mais sa
demonstration sort largement du cadre de ce cours.
Th
eor`
eme 4.11. Une distribution f D (Rn ) est egale, dans tout ouvert borne de Rn ,
a
` une derivee g (au sens des distributions) dune fonction continue g dont le support
peut etre choisi dans un voisinage arbitraire de .

4.6

Produit tensoriel

Soient : Rm K et : Rn K deux fonctions. Leur produit tensoriel est


la fonction : Rm+n K definie par
(x, y) = (x)(y)
pour tout x , y .
On desire etendre cette definition `
a des distributions f D () et g D ().
D
efinition 4.12. Soient f D () et g D ( ). Leur produit tensoriel est la distribution f g D ( ) telle que
hf g, i = hf, i hg, i
pour tout D(), D( ).

70

Cette definition est motivee par le cas o`


u les distributions f et g sont induites par des
fonctions localement integrables, pour lesquelles
Z
Z
Z
g(y)(y) dy
f (x)(x) dx
f (x)g(y)(x)(y) dx dy =

pour tout D(), D( ).


De plus, cette definition caracterise bien la distribution f g, cest-`
a-dire specifie de
mani`ere unique hf g, i K pour tout D( ). En effet, on peut montrer que
lespace vectoriel D() D( ) engendre par les produits tensoriels avec D()
et D( ) est dense dans D( ). Ainsi, pour tout D( ), il existe donc
D

une suite k D() D( ) telle que k , et on a hf g, i = limk hf g, k i.


Comme dans le Theor`eme 2.18, on peut montrer que cette limite ne depend pas du choix
de la suite k approximant , malgre le fait que D() nest pas un espace metrique.

De meme, on peut aussi montrer que lespace vectoriel engendre par les produits tensoriels
f g avec f D () et g D ( ) est dense dans D ( ).
Le produit tensoriel des distributions poss`ede les proprietes suivantes, qui sont facilement
verifiables.
Proposition 4.13. Soient f D (), g D ( ) et h D ( ). Alors
(i) f g = g f D ( ) ;

(ii) (f g) h = f (g h) D ( ) ;

(iii) supp (f g) = (supp f ) (supp g).

Exercices sur le Chapitre 4


1. Montrer que les suites de distributions suivantes convergent vers la distribution de
Dirac au sens D :

1
,
n si |x| < 2n
(a) fn (x) =
0 sinon;
(b) gn (x) =

2 2
n en x .

2. Calculer les distributions suivantes :



1
si x > 0,
d
(a) dx sign(x), avec sign(x) =
1 si x < 0;
(b)

d
dx

log |x| D (R) ;

1
(c) log kxk
D (R2 ).

1
r r (r r )
fonction x1 .

Rappel : en coordonnees polaires (r, ), =

Deduire de (b) la regularisation canonique de la

71

1 2
.
r 2 2

3. (a) Montrer que toute distribution f D (R) telle que xf = 0 est de la forme
f = c avec c K.
i

d
(b) Calculer x dx
i pour tout entier i > 0.

(c) En deduire la solution generale de lequation xk f = 0 dans D (R).

72

Chapitre 5

Distributions temp
er
ees
The shortest path between two truths in the real domain
passes through the complex domain.
Jacques Hadamard (1865 - 1963)

5.1

D
efinition

Une fonction C (Rn ) est dite `


a d
ecroissance rapide si pour tout multi-indice et
tout entier k 0, il existe une constante K,k telle que
sup kxkk | (x)| < K,k .

xRn

En dautres termes, la fonction et toutes ses derivees decroissent plus vite que linverse
de tout polynome lorsque kxk .
On dit quune suite (n ) de fonctions `a decroissance rapide converge vers C (Rn )
au sens S si
sup kxkk | n (x) (x)| 0

xRn

lorsque n ,

pour tout multi-indice et tout entier k > 0. Dans ce cas, la limite est egalement une
fonction `a decroissance rapide.
On peut montrer que lensemble des fonctions `a decroissance rapide forme un espace
vectoriel, qui peut etre muni dune topologie induisant la convergence au sens S. Cet
espace vectoriel topologique est appele espace de Schwartz et note S(Rn ).
Soit S (Rn ) le dual topologique de S(Rn ). Un element de S (Rn ) est appele distribution
temp
er
ee. Il sagit dune fonctionnelle lineaire f sur S(Rn ) qui est continue pour la
convergence S, cest-`
a-dire
S

hf, n i hf, i K si n .

73

En dautres termes, une distribution f D (Rn ) est temperee si et seulement si il existe


m Z+ et C > 0 tels que
|hf, i| C sup kxkk | (x)|.
xRn
k,||m

Comme pour D (), on munit S (Rn ) de la topologie la moins fine rendant continues les
fonctionnelles lineaires S (Rn ) K : f 7 hf, i, avec S(Rn ). Ainsi, une suite de
distributions temperees fn S (Rn ) converge vers f S(Rn ) si et seulement si
hfn , i hf, i
pour tout S(Rn ). Dans ce cas, on parle de convergence au sens S et on note
S

fn f .

Toute fonction test est `


a decroissance rapide : D(Rn ) S(Rn ). De plus, linjection i :
D

D(Rn ) S(Rn ) est continue, cest-`


a-dire que si n , D(Rn ), la convergence n
S

au sens D implique la convergence n au sens S. Par consequent, toute distribution


temperee f S(Rn ) induit par restriction `a D(Rn ) une distribution f |D(Rn ) D (Rn ).
Inversement, une distribution f D (Rn ) est temperee si et seulement si elle peut etre
etendue en une fonctionnelle lineaire continue sur S(Rn ). Ceci justifie la terminologie
utilisee. En particulier, on a S (Rn ) D (Rn ).
Enfin, `a toute fonction f S(Rn ) `
a decroissance rapide on peut associer une distribution

n
temperee dans S (R ), encore notee f , comme on la fait avec les fonctions localement
integrables pour D (Rn ) :
Z
hf, i =

f (x)(x)dx,

(5.1)

Rn

pour tout S(Rn ). En resume, nous avons donc

D(Rn ) S(Rn ) S (Rn ) D (Rn )


et toutes les injections sont continues. On verifie egalement quelles sont denses.
Ainsi, les operations definies sur les distributions dans D (Rn ) setendent aux distributions temperees dans S (Rn ). On peut en effet verifier que la translation, la derivation,
lintegration, le lissage et le produit tensoriel de distributions temperees est temperee. Le
produit tensoriel de distributions temperees se definit comme au chapitre 4 et est une
distribution temperee, car lespace vectoriel S(Rm ) S(Rn ) engendre par les produits
tensoriels de fonctions `
a decroissance rapide est dense dans S(Rm+n ). Par contre, pour la
multiplication et le changement de variables, il faut restreindre la classe des fonctions et
de diffeomorphismes utilises dans ces operations, pour garder des distributions temperees.
D
efinition 5.1. Une fonction f : Rn K est dite `
a croissance lente si il existe un
polyn
ome P : R R tel que
pour tout x Rn .

|f (x)| P (kxk)

74

Ainsi, la multiplication dune distribution temperee et dune fonction C `a croissance lente


est encore une distribution temperee. De plus, `a toute fonction f C (Rn ) `a croissance
lente on peut associer une distribution temperee f S (Rn ), definie par la formule (5.1).
Bien entendu, il existe des distributions temperees qui ne correspondent pas `a une fonction
`a croissance lente, comme par exemple la distribution de Dirac S (Rn ) D (Rn ).
Les distributions temperees peuvent etre caracterisees parmi toutes les distributions au
moyen du resultat suivant, d
u`
a L. Schwartz.
Th
eor`
eme 5.2. Soit f D (Rn ). Les proprietes suivantes sont equivalentes :
(i) f est une distribution temperee ;

(ii) la fonction J f est a


` croissance lente, pour tout operateur de lissage J ;
(iii) f = g o`
u g est continue et a
` croissance lente.

5.2
5.2.1

Transform
ee de Fourier dans S(Rn )
D
efinition

Soit S(Rn ). On definit sa transform


ee de Fourier F() : Rn C par

n Z
1
eiyx (x) dx,
F()(y) =
n
2
R
Pn
o`
u y x = i=1 yi xi . On notera quelquefois F() = .
b Verifions que lintegrale definissant
F() est bien convergente. Posons
n Z

1
eiyx (x) dx,

bk (y) =
2
B(0,k)

o`
u B(0, k) Rn est la boule fermee de centre 0 et de rayon k. Alors, lorsque k < l, on a


n Z


1


|
bk (y)
bl (y)| =
eiyx (x) dx


2
B(0,l)\B(0,k)

n Z
1
1

dx
p+n
kxk
2
B(0,l)\B(0,k)
C

,
kp

pour tout entier p > 0, pour une certaine constante C > 0. Par consequent, la suite
bk (y)
est de Cauchy, et converge donc vers (y).
b
De plus, cette convergence est uniforme sur
Rn .

5.2.2

Propri
et
es

Proposition 5.3. Soit S(Rn ).

75

(i) r`egles de calcul : pour tout multi-indice ,


F() = F((i)|| x )

i|| y F() = F( );

et

(ii) F() S(Rn ) ;

(iii) formule dinversion :


(x) =

n Z

Rn

eiyx F()(y) dy;

(iv) si n S(Rn ) et n alors F(n ) F() ;

(v) pour tout 1 , 2 S(Rn ), hF(1 ), 2 i = h1 , F(2 )i (relation de Parseval) ;

(vi) F(F())(x) = (x) pour tout x Rn ;

(vii) si 1 S(Rm ), 2 S(Rn ) alors

F(1 2 ) = F(1 ) F(2 ).

Demonstration.
(i) Il suffit de demontrer les r`egles de calcul pour || = 1. En reprenant la suite de
fonctions
bk ci-dessus, on a

n Z
1

ixj eiyx (x) dx,

bk (y) =
yi
2
B(0,k)
en derivant sous le signe integral. Comme on a lestimation |xj (x)| kxk1p+n
lorsque kxk est suffisamment grand, pour tout entier p > 0, la suite de fonctions

bk converge uniformement sur Rn lorsque k . Comme


bk converge uniyj

formement vers ,
b on en deduit que

b
yj

= F(ixj ).

bk
yj

converge vers

b
yj .

On en deduit que

Dautre part, en integrant par parties, on obtient



n Z

F(
eiyx
) =
(x) dx
xj
xj
2
Rn

n Z 

1
iyx
=
e
(x) dx
xj
2
Rn
n Z

1
iyj eiyx (x) dx
=
n
2
R
= iyj F().

(ii) Par application combinee des r`egles de calcul (i), on a


i|| y F() = F( ((i)|| x )),

76

pour tous multi-indices et . Remarquons que ((i)|| x ) est `a decroissance


rapide puisque S(Rn ). Par consequent,
X Z
k
| ((i)|| x )|dx
kyk | F()| C
||2k

Rn

X Z

||2k

Rn

1
dx,
1 + kxkp+n

pour une certaine constante C > 0 et pour tout entier p > 0. Comme cette derni`ere
expression est finie et independante de y, pour tout entier k 0 et tout multi-indice
, on en deduit que F() S(Rn ).

(iii) Nous souhaitons calculer



 n Z
n Z
Z
1
1

eiyx
eiy () d dy.
eiyx F()(y) dy =
2
n
n
n
2
R
R
R

Nous ne pouvons cependant pas permuter les integrales, car la fonction eiy(x) ()
nest pas integrable sur Rn Rn . Pour contourner ce probl`eme, multiplions lintegrand
2
2
par la fonction e kyk /4 qui tend vers 1 lorsque 0. On peut maintenant calculer
n Z

2
2
1

eiyx e kyk /4 F()(y) dy


I (x) =
n
2
 n Z Z R
1
2
2
=
eiy(x) e kyk /4 () d dy
2
2n
 n Z R
Z
1
2
2
eiy(x) e kyk /4 dy d
()
=
2
Rn
Rn
!n

n Z
2
1
2 2

=
()
ekxk / d

n
2
R
n

Z
1
2 2
ekxk / d.
()
=

Rn
2

Nous avons utilise le calcul de F(e kyk /4 ) qui sera effectue dans un exemple plus
bas. Dune part, par definition de I (x),

n Z
1
lim I (x) =
eiyx F()(y) dy.
0
n
2
R
n

2 2 D
Dautre part, nous avons vu au chapitre 4 que 1 ekxk / T lorsque
0. Par consequent, le calcul de I (x) ci-dessus montre que lim0 I (x) = (x)
comme desire.
(iv) Quitte `
a remplacer n par n , nous pouvons supposer sans perte de generalite
que = 0. Dans ce cas, nous devons montrer que
sup kykk |
bn (y)| 0

yRn

77

lorsque n , pour tout entier k 0 et tout multi-indice . Dans la preuve de


(ii), nous avons vu que
X Z
k
| (x n (x))| dx
kyk |
bn (y)| C
||2k

Rn

pour une certaine constante C > 0. Mais le fait que n 0 implique que
sup (1 + kxkp+n )| (x n (x))| 0,

xRn

pour tout entier p > 0, lorsque n . On obtient donc le resultat souhaite.


(v) En permutant les integrales, on calcule que

n Z
Z
1
2 (y)
hF(1 ), 2 i =
eiyx 1 (x) dx dy
n
n
2
R
n ZR

Z
1
eiyx 2 (y) dy dx
1 (x)
=
2
Rn
Rn
= h1 , F(2 )i.
(vi) Il suffit de remplacer x par x dans la formule dinversion.
(vii) On calcule directement que
m+n Z Z

1

ei(y1 x1 +y2 x2 ) 1 (x1 )2 (x2 ) dx1 dx2


F(1 2 ) =
m+n
2
R


m Z
n Z
1
1
iy1 x1

=
e
1 (x1 ) dx1
eiy2 x2 (x2 ) dx2
2
2
Rm
Rn
= F(1 ) F(2 ).

En particulier, les proprietes (ii), (iii) et (iv) de cette proposition montrent que la transformee de Fourier induit une application lineaire
F : S(Rn ) S(Rn )
qui est inversible et continue (pour la convergence S). En fait, cest un isomorphisme
despaces vectoriels topologiques.
Exemples.
2
1. Calculons F() pour (x) = ex S(R). On a
Z
1
2
eiyxx dx
F()(y) =
2
Z

iy
1 y2 ( 2
x)2

dx
e
= e 4
2

Z
y2
1
2
4
=
eu du
e
2

1 y2
= e 4 .
2

78

Comme cette fonction est paire en y, on voit de meme que


y2
1
F 1 ()(y) = e 4 .
2
2

2. Calculons maintenant F() pour (x) = ekxk S(Rn ). On a


(x) =

n
Y

exj

j=1

de sorte que
F()(y) =

n
Y

yj
1
e 4 =
2
j=1

n

kyk2
4

.
N

5.2.3

Th
eor`
eme de Paley-Wiener

Comme D(Rn ) S(Rn ), nous avons F(D(Rn )) S(Rn ). Au vu de limportance de


lespace D(Rn ), il est interessant de caracteriser les elements de lespace F(D(Rn )).
Rappelons tout dabord quune fonction f : Cn C est dite holomorphe si sa
partie reelle u = Ref et sa partie imaginaire v = Imf satisfont les equations de CauchyRiemann, pour tout z = (z1 , . . . , zn ) avec zj = xj + iyj :
(
v
u
= 0,
xj yj
v
u
= 0,
yj + xj
pour j =, . . . , n. Dans ce cas, la fonction f est de classe C et meme analytique : pour
tout z0 , il existe un voisinage V de z0 dans et des coefficients a C, || 0, tels
que
X
f (z) =
a (z z0 ) ,

pour tout z V . Lorsque f est holomorphe sur tout Cn , on dit que f est enti`
ere.

Soit D(Rn ). Alors sa transformee de Fourier F() peut etre prolongee sur Cn , en
remplacant y Rn par z = + i Cn , avec , Rn , dans sa definition :

n Z
1
F()(z) =
eix e x (x) dx.
2
Rn
Cette integrale est en effet bien definie puisque e x (x) D(Rn ) pour tout Rn . De
plus, la fonction prolongee F() : Cn C est une fonction enti`ere, car on peut deriver
sous le signe integral pour verifier les equations de Cauchy-Riemann.

79

Ensuite, la fonction enti`ere F() peut etre majoree de la mani`ere suivante :



n Z
1

e x |(x)| dx
|F()(z)|
n
2

n Z R
1

e x |(x)| dx
2
B(0,a)
C0 eak k ,

(5.2)

pour une certaine constante C0 > 0, en choisissant a > 0 de sorte que supp B(0, a).
De meme, pour tout q > 0, on montre la majoration suivante :
X  1 n Z

kzkq |F()(z)| C
e x | (x)| dx
n
2
R
||2q


Z
n
X
1

C
e x | (x)| dx
2
B(0,a)
||2q
Cq eak k ,

(5.3)

pour une certaine constante Cq > 0.


En resume, la transformee de Fourier dune fonction D(Rn ) setend en une fonction enti`ere satisfaisant aux majorations (5.2) et (5.3). Le resultat suivant montre que la
reciproque est vraie, nous donnant ainsi la caracterisation souhaitee pour F(D(Rn )).

Th
eor`
eme 5.4 (Paley-Wiener). Toute fonction : Rn C prolongeable en une fonction enti`ere de z Cn satisfaisant
kzkq |(z)| Cq ea kIm(z)k

(5.4)

pour certaines constantes a, Cq > 0, pour tout entier q 0, est la transformee de Fourier
dune fonction D(Rn ).
Demonstration. Linegalite (5.4) pour z = Rn montre que la fonction : Rn C est
la transformee de Fourier dune fonction C (Rn ) definie par
n Z

1
eix () d.
(x) =
2
Rn
Comme eizx (z) est une fonction enti`ere, son integrale par rapport `a une composante
zj C de z le long dune courbe fermee du plan complexe est nulle. Comme par (5.4)
|eizx (z)| tend vers 0 lorsque |Re(z)| plus vite que linverse de tout polynome, on en
deduit en particulier que lintegrale de eizx le long dune droite Im(zj ) = j ne depend
par de j R. Par consequent,
n Z

1
eix ex ( + i ) d.
(x) =
n
2
R

80

En appliquant (5.4) pour q = 0 et q = 2, on obtient, en posant C = C0 + C2 ,


Z
ex
|eix ( + i )| d
|(x)| n
2
Rn
Z
ex
Ceak k
n
d
2
2
Rn 1 + k + i k
C eak kx ,

x
pour une certaine constante C > 0. Choisissons = t kxk
avec t 0 ; on obtient

|(x)| C et(akxk)
pour tout t 0. Comme le membre de droite peut etre rendu arbitrairement petit lorsque
kxk > a, on en deduit que supp B(0, a), de sorte que D(Rn ).

Transform
ee de Fourier dans S (Rn )

5.3
5.3.1

D
efinition

On definit la transform
ee de Fourier dune distribution temperee f S (Rn ) en sinspirant de la relation de Parseval :
hF(f ), i = hf, F()i,
pour tout S(Rn ). Ceci definit bien une fonctionnelle lineaire F(f ) continue sur S(Rn ),
car F : S(Rn ) S(Rn ) est continue.

5.3.2

Propri
et
es

Les proprietes de la transformee de Fourier dans S(Rn ) se generalisent `a S (Rn ).


Proposition 5.5.
(i) F : S (Rn ) S (Rn ) est une application lineaire continue ;

(ii) F a un inverse F 1 defini par

hF 1 (f ), i = hf, F 1 ()i,
pour tout f S (Rn ), S(Rn ) ;

(iii) pour tout f S (Rn ), F(F(f )) = u f avec u : Rn Rn : x 7 x ;


(iv) si f1 S (Rm ) et f2 S (Rn ), alors

F(f1 f2 ) = F(f1 ) F(f2 ).

81

(5.5)

Demonstration.
S

(i) F est continue car, si fn f , on a par dualite


hF(fn ), i = hfn , F()i hf, F()i = hF(f ), i,
pour tout S(Rn ).

(ii) La formule (5.5) permet de definir, tout comme F, une application lineaire F 1 :
S (Rn ) S (Rn ). Celle-ci est linverse de F car, par dualite,
hF 1 (F(f )), i = hF(f ), F 1 ()i = hf, F(F 1 ())i = hf, i,
pour tout f S (Rn ), S(Rn ). De meme, F(F 1 (f )) = f pour tout f S (Rn ).

(iii) Par dualite, et comme u1 = u et |J(u)| = 1, on a

hF(F(f )), i = hf, F(F())i = hf, ui = hu f, i


pour tout f S (Rn ), S(Rn ).

(iv) Par dualite,

hF(f1 f2 ), 1 2 i = hf1 f2 , F(1 2 )i

= hf1 f2 , F(1 ) F(2 )i

= hf1 , F(1 )ihf2 , F(2 )i

= hF(f1 ), 1 ihF(f2 ), 2 i

= hF(f1 ) F(f2 ), 1 2 i,
pour tout f1 S (Rm ), f2 S (Rn ), 1 S(Rm ) et 2 S(Rn ). Ensuite, comme
S(Rm ) S(Rn ) est dense dans S(Rm+n ), cette egalite setend `a tout S(Rm+n ).

5.3.3

Th
eor`
eme de Paley-Wiener

Remarquons que lespace S (Rn ) des distributions temperees contient lespace E (Rn ) des
distributions `
a support compact. Cherchons donc `a caracteriser les distributions de
F(E (Rn )) S (Rn ).
Tout dabord, une distribution temperee f `a support compact setend naturellement sur
C (Rn ) par la formule
hf, i = hf, i,

pour tout C (Rn ), en choisissant une fonction D(Rn ) telle que (x) = 1 pour tout
x supp f . En effet, le membre de droite ne depend pas du choix dune telle fonction. En
fait, on peut munir C (Rn ) dune topologie pour en faire un espace vectoriel topologique
E(Rn ) dont le dual topologique est lespace des distributions (temperees ou non) `a support
compact. Ceci explique la notation E (Rn ) pour cet espace.

82

Ensuite, etant donnee une distribution `a support compact f E (Rn ), on peut definir une
fonction F : Rn C par

n
1
hf, eiyx i.
F (y) =
2
Comme f est continue, on peut deriver par rapport `a y avant lapplication de f :

n
1

d
hf, eiyx i.
F (y) =
dy
y
2
Par consequent, F C (Rn ). De plus, si on prolonge F en une fonction sur Cn , ce
prolongement est une fonction enti`ere, car les equations de Cauchy-Riemann peuvent etre
verifiees directement.
En appliquant le theor`eme 5.2, on peut montrer quil existe une fonction polynomiale
p : R R et une constante a > 0 telle que
|F (z)| p(kzk)eakIm(z)k .

(5.6)

Montrons que la distribution (donc temperee) associee a` F : Rn C nest autre que la


transformee de Fourier de f . On a
Z
F (y)(y) dy
hF, i =
n
n Z
R
1

hf, eiyx i(y) dy


=
n
2

Rn Z
 
1
iyx
e
(y) dy
=
f,
2
Rn
= hf, F()i
= hF(f ), i,

pour tout S(Rn ). La permutation de lintegration et de lapplication de f se justifie


comme dans la preuve de la proposition 4.4 (i).
En resume, la transformee de Fourier dune distribution `a support compacte se prolonge
en une fonction enti`ere satisfaisant (5.6). Le theor`eme de Paley-Wiener se generalise `a
cette situation pour donner la reciproque.
Th
eor`
eme 5.6 (Paley-Wiener). Toute fonction F : Rn C prolongeable en une fonction enti`ere de z Cn satisfaisant
|F (z)| C(1 + kzkN )eakIm(z)k

(5.7)

pour certaines constantes a, C > 0 et un certain entier N > 0, est la transformee de


Fourier dune distribution a
` support compact f E (Rn ) S (Rn ).
La demonstration de ce resultat est postposee `a la section 5.4.2.

83

Exemples.
1. Soit f = Ta S (Rn ). Comme f est `a support compact, sa transformee de Fourier
est donnee par hf, eiyx i. On obtient donc

n
n

1
1
iyx
hTa , e
i=
eiya .
fb(y) =
2
2

Inversement, la transformee de Fourier de eiax S (Rn ) est ( 2)n Ta .

2. Soit f = Ta S (Rn ). En calculant comme dans lexemple precedent, on obtient



n
1
b

f (y) =
h Ta , eiyx i
2
n

1
||

hTa , eiyx i
= (1)
2

n
1
||

= (i)
hTa , y eiyx i
2
n

1
||

y eiya .
= (i)
2
Inversement, la transformee de Fourier de x S (Rn ) est

(i)|| ( 2)n u ( ) = (i)|| ( 2)n


avec u(y) = y.

3. Soit f (x) = 21 e|x| S(R) S (R). Par la definition de la transformee de Fourier


dans S(R), on obtient
Z
1

fb(y) =
eiyx e|x| dx
2 2
Z
1

(cos(yx) i sin(yx))e|x| dx
=
2 2
Z
1
cos(yx)ex dx.
=
2 0
En integrant par parties deux fois de suite, on obtient
Z
1 1
y 1
fb(y) =

sin(yx)ex dx

2
2 0
Z
y2 1
1 1

=
cos(yx)ex dx
2 2 2 0
y2
1 1
2 fb(y).
=
2
Par consequent,

1
.
fb(y) =
2
2 + y 2

Inversement, la transformee de Fourier de

84

1
2 2 +x2

est 12 e|y| .

4. Soit f (x) = e4r S (R3 ) avec r = kxk. Utilisons pour x les coordonnees spheriques
(r, , ) telles que r = kyk et = 0 correspondent au point y R3 . Notons kyk = k.
En calculant comme dans lexemple precedent, on obtient
fb(y) =
=

2
1

2
1

3 Z
3

1
2
3 Z

0
Z 1

er ikr cos 2
e
r sin dr d d
4r

er eikru r dr du

er

sin(kr)
r dr.
kr

En integrant par parties deux fois de suite, on obtient


fb(y) =

Par consequent,

1
2

1
2

3 Z
cos(kr)
1

er
dr
k
2
0


3
3 Z
1
1
k2
sin(kr)

2
er
dr

k
2
2
0

3
1
k2

2 fb(y).

2
fb(y) =

3

En particulier, la transformee de Fourier de

5.4
5.4.1

k2

1
4r

1
.
+ 2
3

est 12

1
.
k2

Produit de convolution
Produit de convolution dans S(Rn )

Soient , S(Rn ). On definit leur produit de convolution : Rn K par


Z
(x y)(y) dy.
(x) =
Rn

Cette integrale est convergente, puisque et sont `a decroissance rapide.


Proposition 5.7.
(i) Pour tout , S(Rn ) et pour tout multi-indice , on a
( ) = ( ) = ( );
(ii) pour tout , S(Rn ), S(Rn ) ;

(iii) pour tout S(Rn ), lapplication lineaire S(Rn ) S(Rn ) : 7 est continue ;

85

(iv) pour tout , , S(Rn ), on a


= ,

( ) = ( );
(v) pour tout , , S(Rn ), on a

h , i = h, e i,

e
avec (x)
= (x) pour tout x Rn ;
(vi) pour tout , S(Rn ), on a

F( ) = (2) 2 F()F(),
n

F() = (2) 2 F() F().

Demonstration.
(i) La premi`ere egalite sobtient en derivant sous le signe integral. La deuxi`eme egalite
est alors une consequence de la commutativite du produit de convolution, que lon
prouvera en (iv).
(ii) Pour tout entier k 0 et tout multi-indice , on a lestimation


Z


k

k

kxk | ( )(x)| = kxk
( )(x y)(y) dy
Rn
Z
kxkk |( )(x y)| |(y)| dy

Rn
Z
C
dy < ,
= K,k ()
p+n
Rn 1 + kyk
pour tout entier p > 0.
(iii) Il suffit de verifier la continuite en = 0. Or lestimation ci-dessus est de la forme

avec C =

C
Rn 1+kykp+n

kxkk | ( )(x)| C K,k (),


dy, comme souhaite.

(iv) En faisant le changement de variables ye = x y, on obtient


Z
Z
(e
y )(x ye) de
y = (x),
(x y)(y) dy =
(x) =
Rn

Rn

pour tout x

Rn .

Dautre part, en permutant les integrations, on obtient


Z
( )(x y)(y) dy
( ) (x) =
Rn
Z Z
(x y ye)(e
y )(y) de
y dy
=
n Rn
R
Z
( )(x y)(y) dy
=
Rn

pour tout x Rn .

= ( )(x),

86

(v) En permutant encore les integrations, on obtient


Z
( )(x)(x) dx
h , i =
n
ZR Z
(x y)(y)(x) dx dy
=
n
n
ZR R
(y)(e )(y) dy
=
Rn

= h, e i.

(vi) Par changement de variables et factorisation des integrales, on obtient



n Z
1

F( )(y) =
eiyx ( )(x) dx
n
2

n Z R Z
1

=
eiy(xey) eiyey (x ye)(e
y ) dx de
y
n
n
2
R
R
n Z

Z
1
iyu

eiyey (e
y ) de
y
e
(u) du
=
2
Rn
Rn
n
= (2) 2 F()(y) F()(y),
n
bb peut se reecrire, en appliquant
pour tout y Rn . La relation F( ) = (2) 2
1
F membre `
a membre,

b
b = (2) n2 F 1 (
b).
F 1 ()
b F 1 ()

b
En remplacant (x)
b
par (x) et (x)
par (x), on obtient la deuxi`eme relation.

5.4.2

Produit de convolution entre S(Rn ) et S (Rn )

Soient f S (Rn ) et S(Rn ). On definit leur produit de convolution f S (Rn )


en etendant la propriete (v) de la proposition 5.7 :
hf , i = hf, e i,

(5.8)

e
pour tout S(Rn ), avec (x)
= (x) pour tout x Rn .

Les proprietes de ce produit de convolution sobtiennent aisement par dualite `a partir de


celles du produit de convolution dans S(Rn ).
Proposition 5.8.
(i) Pour tout f S (Rn ), S(Rn ) et pour tout multi-indice , on a
(f ) = ( f ) = f ( );
(ii) pour tout S(Rn ), lapplication lineaire S (Rn ) S (Rn ) : f 7 f est continue ;

87

(iii) pour tout f S (Rn ) et , S(Rn ), on a


(f ) = f ( );
(iv) pour tout f S (Rn ) et S(Rn ), on a

F(f ) = (2) 2 F(f )F(),


n

F(f ) = (2) 2 F(f ) F().

De plus, ce produit de convolution est plus regulier quune distribution temperee.


Proposition 5.9. Soient f S (Rn ) et S(Rn ). La distribution temperee f est
une fonction C a
` croissance lente, donnee par
e
(f )(y) = hf, Ty i,

pour tout y Rn .

Demonstration. Soit J loperateur de lissage associe `a la fonction D(Rn ) comme dans


la section 4.3. Remarquons tout dabord que
pour tout f S (Rn ),

J f (y) = hf, Ty i,

pour tout S(Rn ),

J (y) = ,
avec > 0 et (x) =

x
1
n ( ).

On calcule alors

J (f )(y) = hf , Ty i
= hf, e Ty i
e
= hf, Ty J i
e
= hJ f, Ty i.

e lorsque 0. Cette fonction de y est


Cette derni`ere expression converge vers hf, Ty i

clairement C , et elle est `


a croissance lente car la fonction J (f ) lest, par le theor`eme
5.2.
En particulier, le lissage J f de f S (Rn ) est un produit de convolution :
J f (y) = hf, Ty i = (f )(y),
pour tout y Rn .
Exemple. La distribution de Dirac S (Rn ) est le neutre pour ce produit de convolution. En effet, pour tout S(Rn ), on a
h , i = h, e i
= (e )(0)
Z
(0 (x))(x) dx
=
Rn

= h, i,

88

pour tout S(Rn ), de sorte que = .

Nous sommes maintenant en mesure de demontrer la generalisation du theor`eme de PaleyWiener.


Demonstration du theor`eme 5.6. Soit F : Rn C une fonction prolongeable en une fonction enti`ere sur Cn satisfaisant (5.7). En particulier, F S (Rn ) car cest une fonction `a
croissance lente. Par consequent, F est la transformee de Fourier F(f ) dune distribution
temperee f S (Rn ). En utilisant loperateur de lissage J comme ci-dessus, on a
n

F(J f ) = F(f ) = (2) 2 F(f )F( ).


Comme D(Rn ), la transformee de Fourier F( ) satisfait (5.4) avec a = . Dautre
part, la fonction F(f ) = F satisfait (5.7) par hypoth`ese. Par consequent,
kzkq |F(J f )(z)| Cq (1 + kzkN )e(a+)kIm(z)k .
pour tout entier q > 0. On obtient donc une estimation de la forme
kzkr |F(J f )(z)| Cr e(a+)kIm(z)k ,
pour tout entier r > 0. Par le theor`eme de Paley-Wiener 5.4, la fonction J f a donc son
S

support dans B(0, a + ). Comme J f f lorsque 0, on en deduit que le support de


f est contenu dans B(0, a).

5.4.3

Produit de convolution dans S (Rn )

Nous voulons etendre encore le produit de convolution en generalisant (5.8). Pour tout
, S(Rn ), on a
Z
(e
y x)(e
y ) de
y
(e )(x) =
n
R
Z
(y)(x + y) dy
=
Rn

= h, ux i,

avec ux : Rn Rn : y 7 x + y. Par consequent, si f S (Rn ),


hf , i = hf, e i = hf , ui,

avec u : Rn Rn Rn : (x, y) 7 x + y. Lexpression dans le membre de droite peut avoir


un sens si on prend S (Rn ), mais sous certaines conditions. En effet, la fonction u
nest pas `
a decroissance rapide dans R2n , car elle est constante sur les n-plans dequation
x + y = c avec c Rn . Il existe diverses conditions sur f et permettant de rendre
lexpression hf , ui bien definie, mais nous nous interesserons plus particuli`erement
au cas o`
u lune des distributions temperees f et est `a support compact.

89

Soient f, g S (Rn ). Supposons que f ou g au moins est `a support compact. On definit


leur produit de convolution f g S (Rn ) par
hf g, i = hf g, ui,
pour tout S(Rn ), avec u : Rn Rn Rn : (x, y) 7 x + y. Le membre de droite est `a
interpreter comme
hf g, ui = hf g, ( u)i,
o`
u D(R2n ) est egale `
a 1 sur le compact (supp f supp g) supp ( u).

Comme avant, les proprietes de ce produit de convolution sobtiennent aisement par dualite.
Proposition 5.10. Soient f, g S (Rn ). Supposons que f ou g au moins est a
` support
compact.
(i) Pour tout multi-indice , on a
(f g) = ( f ) g = f ( g);
(ii) lapplication lineaire S (Rn ) S (Rn ) : f 7 f g est continue ;

(iii) pour tout h S (Rn ) telle que le support de 2 distributions au moins parmi f , g et
h est compact, on a
f g = g f,

(f g) h = f (g h);
(iv)

F(f g) = (2) 2 F(f )F(g).

Remarquons que le membre de droite dans la propriete (iv) est bien defini, car lun des
facteurs F(f ) ou F(g) est une fonction C `a croissance lente, par le theor`eme de PaleyWiener 5.6.
Nous avons vu quil faut imposer des conditions sur la decroissance de f et g S (Rn )
`a linfini pour que leur produit de convolution soit bien defini en tant que distribution
temperee. Par contre, pour que la multiplication de f et g S (Rn ) soit bien definie en
tant que distribution temperee, il faut imposer `a f et g des conditions de regularite. Ceci
nest pas surprenant, au vu de la propriete (iv) ci-dessus, car la transformee de Fourier
echange les proprietes locales avec le comportement `a linfini. Par exemple, en effet, la
derivation par (operateur local) est echangee avec la multiplication (`a un facteur pr`es)
par x (affectant le comportement `
a linfini).

90

5.5

Equations aux d
eriv
ees partielles

La transformee de Fourier est un outil formidable pour resoudre des equations aux derivees
partielles `
a coefficients constants sur Rn tout entier, car elle transforme ces equations en
equations algebriques. Au vu des sections precedentes, nous pourrons donc resoudre ces
equations aux derivees partielles dans S(Rn ) ou dans S (Rn ). Nous allons illustrer ces
applications avec des exemples dequations aux derivees partielles rencontrees en physique,
dont nous chercherons les solutions dans lespace S (Rn ) S(Rn ).

5.5.1

Probl`
emes aux limites

Soit f S (Rn ) et A =
cients constants C .

||p C

un operateur differentiel lineaire dordre p, `a coeffi-

On consid`ere lequation aux derivees partielles Au = f dans S (Rn ) et on desire trouver


toutes les solutions u de cette equation dans S (Rn ). Souvent, on ne sinteressera quau
cas o`
u f C (Rn ), dans lespoir que les solutions u sont egalement dans C (Rn ). Il
sagit bien dun probl`eme aux limites, dans la condition u S (Rn ) impose un certain
comportement pour u `
a linfini.
Le fait que lon consid`ere f S (Rn ) plut
ot que C (Rn ) permet de definir la notion de
solution
el
ementaire : il sagit dune distribution G S (Rn ) telle que AG = . Si on a
trouve la solution elementaire la plus generale, on peut alors resoudre le probl`eme initial
en posant u = G f , car
A(G f ) = (AG) f = f = f.
Exemple. Considerons le probl`eme u + 2 u = f avec R et 6= 0.
Toute solution elementaire satisfait G+2 G = . En prenant la transformee de Fourier
membre `a membre, on obtient
n

b + 2 G
b = 1
.
kyk2 G
2

Par consequent,

b
G(y)
=

n

Lorsque n = 1, on en deduit que

G(x) = F

1
.
kyk2 + 2

1
1

2
2 kyk + 2

e|x|
,
2

de sorte que la solution du probl`eme est donnee par


Z |xx0|
e|x|
e
u=
f =
f (x0 ) dx0 .
2
2

91

Lorsque n = 3, on en deduit que


G(x) = F

3

1
kyk2 + 2

er
,
4r

avec r = kxk, de sorte que la solution du probl`eme est donnee par


er
u=
f =
4r
Lorsque 0, on obtient

R3

b=
kyk G
2

ek~r~r0 k
f (~r0 ) d~r0 .
4k~r ~r0 k


n

de sorte que la solution elementaire nest plus unique. En effet, on montre que toute
b0 = 0 est de la forme
distribution temperee dans Rn satisfaisant kyk2 G
X
b0 = C0 +
G
C .
||=1

P
On en deduit que G0 (x) = C0 + ni=1 Ci xi . Il sagit bien de la solution generale de
lequation homog`ene G0 = 0, qui satisfait egalement aux conditions aux limites puisque
G0 est `a croissance lente.
N

5.5.2

Probl`
emes d
evolution

Soit v S (Rn ) et A un operateur differentiel lineaire `a coefficients constants.


On consid`ere le probl`eme devolution suivant :
 d
dt u(t) = Au(t),
u(0) = v.

t 0,

On cherche toutes les solutions u reguli`res en t et telles que u(t) S (Rn ) pour tout t 0.
Formellement, on demande que u C (R+ , S (Rn )).
Exemples.
1. Considerons lequation de la chaleur avec dissipation :

2
t 0, x Rn ,
t u(t, x) = u u,
u(0, x) = v(x).
En appliquant la transformee de Fourier `a cette equation aux derivees partielles, on
obtient
d
u
b = (kyk2 + 2 )b
u.
dt
Par consequent,
2
2
2
2
u
b(t) = e(kyk + )t u
b(0) = e(kyk + )t vb.
92

On en deduit


n
n 

1
1
1 n 2 t kxk2
1 (kyk2 +2 )t

u(t) =
F (e
)v =
e
e 4t v,
2
2
2t
ou encore
u(t, x) =

4t

n

2t

kxx0 k2
4t

Rn

v(x0 ) dx0 .

2. Considerons lequation des ondes :


(
Pn

j=1 cj xj u = c u,
t u(t, x) =
u(0, x) = v(x).

t 0, x Rn ,

En appliquant la transformee de Fourier `a cette equation aux derivees partielles, on


obtient
d
u
b = ic yb
u.
dt
Par consequent,
u
b(t) = eicyt u
b(0) = eicyt vb.
On en deduit

u(t) =

n

F 1 (eicyt ) v = Tct v = Tct v,

ou encore u(t, x) = v(x ct).

3. Considerons lequation de Schr


odinger :

i t u(t, x) = u,
u(0, x) = v(x).

t 0, x Rn ,

En appliquant la transformee de Fourier `a cette equation aux derivees partielles, on


obtient
d
i u
b = kyk2 u
b.
dt
Par consequent,
2
2
u
b(t) = eikyk t u
b(0) = eikyk t vb.
On en deduit

u(t) =

n

u(t, x) =

ou encore

ikyk2 t

)v =

(e

4it

n Z

Rn

ei

4it

kxx0 k2
4t

n

ei

kxk2
4t

v,

v(x0 ) dx0 .
N

93

Exercices sur le Chapitre 5


1. (a) Montrer que ex nest pas une distribution temperee, en lappliquant `a la fonction
Ta D(R) avec a grand ;

(b) Montrer que ex cos(ex ) est une distribution temperee, en lexprimant au moyen
dune autre distribution temperee.

2. (a) On dit quune distribution f D (R) est paire (resp. impaire) si hf, i = 0
pour toute fonction test impaire (resp. paire). Montrer que la transformee
de Fourier dune distribution temperee paire (resp. impaire) est paire (resp.
impaire).
(b) Montrer la r`egle de calcul

F(f ) = F(ixj f )
yj
pour tout f S (Rn ).

(c) En deduire la transformee de Fourier de vp( x1 ).


3. Resoudre le probl`eme devolution suivant :

t u(t, x) = u(t, x) c u(t, x),
u(0, x) = v(x).
avec (t, x) R+ Rn et c Rn .

94

Chapitre 6

Espaces de Lebesgue
Analysis takes back with one hand what it gives with the other.
I recoil in fear and loathing from that deplorable evil :
continuous functions with no derivatives.
Charles Hermite (1822 - 1901)

6.1
6.1.1

Espaces L2
D
efinition

Soit un ouvert de Rn . Commencons par rappeler la definition de lespace L2 (, K) =


L2 () esquissee dans la section 3.2 avant de la preciser.
On munit lespace vectoriel C0 () dun produit scalaire defini par
Z
(x)(x) dx,
h, iL2 =

pour tout ,

C0 ().

On obtient ainsi un espace prehilbertien, qui a pour norme


p
kkL2 = h, i.

Avec cette norme, on dit quune suite (k ) converge vers au sens L2 , ce que lon note
L2

a-dire si et seulement si
k , si et seulement si kk kL2 0 lorsque k , cest-`
k converge en moyenne quadratique vers .
D
efinition 6.1. Lespace de Lebesgue L2 () est la completion de lespace prehilbertien

` lespace L2 () est
C0 () muni du produit scalaire h, iL2 . La norme k kL2 etendue a
2
appelee norme L .
Les elements rajoutes `
a C0 () pour obtenir la completion L2 () sont plus generaux
que des fonctions localement integrables (au sens de Riemann). Pour mieux comprendre
lespace L2 (), nous allons interpreter ces elements comme des distributions.

95

Soit (k ) une suite de Cauchy dans C0 () pour la norme L2 . Cette suite na en general
pas de limite dans C0 (). En revanche, pour tout C0 (), la suite hk , iL2 est une
suite de Cauchy dans K, car
|hk , iL2 hl , iL2 | = |hk l , iL2 | kk l kL2 kkL2 .
Par consequent, cette suite est convergente et on peut poser
hf, i = lim hk , iL2 ,
k

ce qui definit clairement une fonctionnelle lineaire f sur C0 (). De plus, f est continue
L2

au sens D car si k alors k et donc hf, k i hf, i, car


|hf, k i hf, i| = |hf, k i| =

lim |hj , k iL2 |

lim kj kL2 kk kL2 = Ckk kL2 .

Par consequent, `
a toute suite de Cauchy (k ) au sens L2 dans C0 () correspond une
distribution f D ().
Lemme 6.2. Deux suites de Cauchy au sens L2 dans C0 () sont equivalentes (au sens
de la definition 1.8) si et seulement si elles determinent la meme distribution dans D ().
Demonstration. Si (k ) et (
ek ) sont deux suites de Cauchy equivalentes, alors elles determinent la meme distribution car
lorsque k .

|hk , i h
ek , i| kk
ek kL2 kkL2 0,

Inversement, si deux suites de Cauchy (k ) et (


ek ) determinent la meme distribution,
alors la suite des differences k = k
ek est aussi de Cauchy car
ek
el kL2 .
ek ) (l
el )kL2 kk l kL2 + k
kk l kL2 = k(k

En particulier, la suite kk kL2 dans R est convergente.

Par hypoth`ese, la suite (k ) determine la distribution nulle, de sorte que


lim hk , iL2 = 0,

pour tout C0 ().


On a alors
lim kk k2L2

=
=

lim hk , k iL2 2 lim Rehk , iL2 + lim h, iL2


k

lim kk k2L2
k

+ lim kk2L2
k

lim kk k2L2 .

96

Mais comme C0 () est dense dans L2 (), la limite limk kk k2L2 peut etre rendue
aussi petite que possible par un choix approprie de C0 (). Par consequent,
lim kk kL2 = lim kk
ek kL2 = 0,

de sorte que les deux suites de Cauchy (k ) et (


ek ) sont equivalentes.

Nous obtenons donc une definition equivalente, mais plus explicite, de lespace L2 ().
D
efinition 6.3. Lespace L2 () est lespace des distributions de D () qui sont limites
au sens D de suites de Cauchy au sens L2 dans D(). Cet espace est muni du produit
scalaire
hf, giL2 = lim hk , k i,
(6.1)
k

o`
u (k ) et (k ) sont des suites de Cauchy convergeant vers f et g L2 () comme cidessus.
Remarquons en effet que, si (k ) et (k ) sont des suites de Cauchy au sens L2 dans D(),
alors la suite hk , k i dans K est convergente, et sa limite ne change pas si on remplace
(k ) et (k ) par des suites de Cauchy equivalentes. En particulier, on a
kf kL2 = lim kk kL2
k

et

lim kf k kL2 = 0,

pour tout f L2 (), si (k ) est une suite de Cauchy dans D() convergeant vers f .
Remarquons quun element f L2 () D () est une fonctionnelle lineaire ayant pour
domaine D(). Cependant, ce domaine peut etre etendu `a L2 () par (6.1), en posant
hf, gi = hf , giL2 ,
pour tout g L2 (). De plus, cette fonctionnelle lineaire etendue est continue au sens L2 .

6.1.2

Propri
et
es

Au vu de la construction de L2 () par completion de C0 () muni de la norme k kL2 et


de la proposition 1.11, nous avons le resultat suivant.
Th
eor`
eme 6.4. Lespace L2 (), muni du produit scalaire h, iL2 , est un espace de Hilbert.
Parmi les distributions de D () figurent les fonctions continues. Il est interessant de savoir
lesquelles dentre elles sont dans L2 ().
Proposition 6.5. Une fonction continue f : K est un element de L2 () si et
seulement si
Z
|f (x)|2 dx < .
(6.2)

97

Demonstration. Supposons que f L2 (). Dans ce cas, il existe une suite de Cauchy (k )
dans C0 () convergeant au sens L2 vers f . En particulier, kf kL2 = limk kk kL2 < .
Inversement, soit f une fonction localement integrable de module carre sommable. Pour
tout R > 0, on definit un sous-ensemble compact KR par
KR = {x B(0, R) | B(x, 1/R) },

de sorte que KR KR si R R et R>0 KR = . On definit alors fR : Rn K par



f (x) si x KR ,
fR (x) =
0
si x
/ KR .

u J
Pour > 0 suffisamment petit, on definit ensuite fR, C0 () par fR, = J fR , o`
est un operateur de lissage comme dans la section 4.3.
Alors
lim

|f (x) fR (x)| dx = lim

R \KR

au vu de (6.2) et des proprietes de KR .

|f (x)|2 dx = 0,

De plus, comme fR, (x) = J fR (x) converge vers fR (x) lorsque 0, pour tout x ,
on a
Z
Z
|fR (x) fR, (x)|2 dx = 0.
|fR (x) fR, (x)|2 dx = lim
lim
0 B(0,R+)

Par consequent, en choisissant Rk et k 0, on obtient une suite de fonctions


k = fRk ,k C0 () convergeant au sens L2 vers f . Ceci montre bien que f L2 ().
En particulier, lensemble des fonctions localement integrables et de module carre sommable est dense dans L2 (), puisque cet ensemble contient C0 (). Lorsque = Rn , on
a aussi le resultat suivant.
Proposition 6.6. Les inclusions
D(Rn ) S(Rn ) L2 (Rn ) S (Rn ) D (Rn )
sont continues et denses.
Demonstration. Au vu des conclusions de la section 5.1, il ne reste qu`a considerer les 2
inclusions du milieu. Linclusion S(Rn ) L2 (Rn ) est une consequence de la proposition
6.5, puisque toute fonction `
a decroissance rapide est de module carre sommable.
Cette inclusion est dense par construction de L2 (Rn ), puisque C0 (Rn ) S(Rn ). De plus,
cette inclusion est continue, car la convergence S implique la convergence uniforme sur
tout compact, qui implique `
a son tour la convergence L2 .
A partir de linclusion continue S(Rn ) L2 (Rn ), on obtient linclusion continue entre
les espaces duaux (L2 (Rn )) S (Rn ), puisque la restriction dune fonctionnelle lineaire
continue de L2 (Rn ) `
a S(Rn ) est continue au sens S. Par le theor`eme de representation
de Riesz 3.14, on a (L2 (Rn )) = L2 (Rn ). Enfin, linclusion L2 (Rn ) S (Rn ) est dense car
linclusion S(Rn ) S (Rn ) lest.

98

Comme L2 (Rn ) S (Rn ), on peut definir par restriction la transformee de Fourier sur
L2 (Rn ). Le resultat suivant donne les proprietes de F sur L2 (Rn ).

Th
eor`
eme 6.7 (Plancherel). Soient f, g L2 (Rn ).
(i) F(f ) L2 (Rn ) ;

(ii) hF(f ), F(g)iL2 = hf, giL2 .


Demonstration. Commencons par demontrer (ii) lorsque f, g S(Rn ). On a en effet
hF(f ), F(g)iL2 = hF(f ), F(g)i = hF(F(f )), gi = hf , gi = hf, giL2 .
La deuxi`eme egalite suit de la relation de Parseval et la troisi`eme egalite est une consequence du fait que F(f ) = F 1 (f ).
Pour montrer (i), soit (k ) une suite de Cauchy au sens L2 dans C0 (Rn ), convergeant
vers f L2 (Rn ). Alors (c
k ) est une suite de Cauchy au sens L2 dans S(Rn ), qui converge
donc vers un element h L2 (Rn ). Il reste `a montrer que h = F(f ).
Par la proposition 6.6, (k ) converge vers f dans S (Rn ). Par la continuite de F sur S (Rn ),
ceci implique que (c
k ) converge vers fb dans S (Rn ). Or cette suite converge au sens L2 ,

donc au sens S , vers h. Par unicite de la limite dans S (Rn ), on a donc h = F(f ).

Enfin, la propriete (ii) dans tout L2 (Rn ) est une consequence de la continuite jointe du
produit scalaire.

6.1.3

Autres espaces L2

Espaces L2
egrale de RiemannSoit : R R une fonction croissante et soit C0 (R). Lint
Stieltjes
Z
(x) d(x)
R

de par rapport `
a est definie comme la limite des sommes de Riemann
N
X
i=1

(i ) ((ai+1 ) (ai ))

lorsque maxi |ai+1 ai | 0. Si C 1 (R), on a simplement


Z
Z
(x) (x) dx,
(x) d(x) =
R

ce qui revient `
a integrer par rapport `a une densite . Par contre, si est discontinue
au point a R, alors le singleton {a} aura un poids (a+) (a) > 0.
Lorsque limx (x) = 0 et limx (x) = 1, on peut interpreter comme la fonction
de repartition de la variable aleatoire x. Si de plus C 1 , sa derivee est la densite

99

de probabilite de x. Dans ce cas, lintegrale de Riemann-Stieltjes dune fonction est la


moyenne, ou esperance mathematique, de la variable aleatoire (x).
Soient , C0 (R) ; on pose
h, iL2 =

(x)(x) d(x)

et
kkL2 =

h, iL2 .

Alors k kL2 a les proprietes (ii) et (iii) de la definition 2.4 dune norme, mais pas la
propriete (i). En effet, kkL2 = 0 d`es que est constante sur le support de . On dit alors
que k kL2 est une semi-norme.
On dit quune suite (k ) dans C0 (R) est de Cauchy au sens L2 si
kk l kL2 0
lorsque k, l . Dans ce cas, (k ) determine une distribution f D (R) definie par
hf, i = lim hk , iL2
k

pour tout C0 (R). On definit alors lespace L2 (R) comme lespace des distributions
de D (R) obtenues comme limites au sens D de suites de Cauchy au sens L2 dans C0 (R).
Cet espace vectoriel, muni du produit scalaire
hf, giL2 = lim hk , k iL2 ,
k

et de la norme
kf kL2 =

L2

L2

(k ) f, (k ) g,
hf, f iL2

est un espace de Hilbert. Remarquons en particulier que k kL2 est definie positive sur
L2 (R), car toute fonction C0 (R) telle que kkL2 = 0 correspond `a la distribution
nulle dans D (R). Ceci signifie par contre quil ny a pas dinclusion de C0 (R) dans L2 (R).
De plus, si est constante sur un intervalle ouvert I alors f = 0 sur I pour tout f L2 (R).
Enfin, il est possible de definir de mani`ere semblable lespace L2 (Rn ) avec n > 1, lorsque
: Rn R est une fonction croissante de chaque composante xj de x = (x1 , . . . , xn ) Rn .
Espaces L2 (S)
On voudrait maintenant definir des espaces L2 lorsque le domaine est un sous-ensemble
suffisamment regulier de Rm , tel quune sph`ere, un tore, . . .
On dit quun sous-ensemble S de Rm est une sous-vari
et
e de dimension n de Rm
si pour tout x S, il existe un voisinage U de x dans S, un ouvert V de Rn et un
homeomorphisme : V Rn U S Rm de classe C . Un couple (U, ) avec U et
comme ci-dessus est une carte locale pour S. Cette notion est illustree par la figure 6.1.

100

R3

R2

S
V

Fig. 6.1 Carte locale pour une sous-variete S de dimension 2 de R3 .


On dit quune fonction continue : S K est de classe C si, pour toute carte locale
(U, ) de S, la composition : 1 (U ) Rn K est C . On definit alors lespace
C0 (S) comme lespace des fonctions de classe C sur S et `a support compact. On dit
quune suite (k ) dans C0 (S) converge vers C0 (S) au sens D si
(i) il existe un compact K S tel que supp k K pour tout k N ;

(ii) pour toute carte locale (U, ) de S, la suite (k ) et ses derivees convergent
uniformement sur tout compact de 1 (U ) vers et ses derivees.

On obtient ainsi lespace D(S) ; son dual topologique est note D (S).

Soient , C0 (S) et (U, ) une carte locale de S telles que supp , supp U . On
pose
Z
(x) (x)kdk dx
h, iL2 =
1 (U )

Notons que cette expression peut etre interpretee comme une integrale de RiemannStieltjes sur Rn avec C 1 (Rn ) et = kdk.
On etend ensuite ce produit scalaire `a tout , C0 (S) en utilisant une partition de
lunite comme dans la section 4.5.2. On peut alors definir L2 (S) comme la completion de
C0 (S) pour la norme k kL2 associee au produit scalaire ci-dessus, comme precedemment.

6.2
6.2.1

Espaces Lp
D
efinition

Soit un ouvert de Rn . Pour definir les espaces Lp () avec 1 < p < , comme dans la
section 2.3.1, on munit lespace vectoriel C0 () de la norme k kLp definie par
kkLp =

Z

|(x)| dx

1

pour tout C0 (). Cette norme poss`ede les proprietes suivantes.


Proposition 6.8. Soient , C0 () ; les inegalites suivantes sont satisfaites :

101

(i) (inegalite de H
older)

Z



(x)(x) dx kkLp kkLq ,

pour tout 1 < p, q < tels que

1
p

1
q

= 1;

(ii) (inegalite de Minkowski)

k + kLp kkLp + kkLp


pour tout 1 < p < .
Demonstration.
(i) La fonction log etant concave

1 p
a +
log
p

sur R+
0 , on a

1 q
1
1
b log ap + log bq = log ab,
q
p
q

pour tout a, b > 0. En prenant a = (x) et b = (x), puis en exponentiant et en


integrant membre `
a membre, on obtient
Z
1
1
|(x)(x)| dx kkpLp + kkqLq .
p
q

En remplacant par avec > 0, on obtient


Z
p1
1
|(x)(x)| dx
kkpLp +
kkqLq .
p
q

q/p

Le membre de droite est minimum lorsque = kk1


Lp kkLq et pour cette valeur de
, on obtient linegalite de Holder.
(ii) On a
Z
Z
Z
p1
p
|(x)| |(x) + (x)|p1 dx.
|(x)| |(x) + (x)|
dx +
|(x) + (x)| dx

En appliquant linegalite de Holder aux deux termes du membre de droite, on obtient


p1
k + kpLp kkLp k + kp1
Lp + kkLp k + kLp

egalite de Minkowski.
soit, apr`es division par k + kp1
Lp , lin

Comme linegalite de Minkowski nest autre que linegalite triangulaire pour k kLp , la
proposition ci-dessus montre en fait que k kLp est une norme.
Soit (k ) une suite de Cauchy au sens Lp dans C0 (). Par linegalite de Holder, on a
Z



(k (x) l (x))(x) dx kk l kLp kkLq ,

102

pour tout C0 () avec

1
p

1
q

= 1. Par consequent, la suite


Z

k (x)(x) dx

converge dans K et (k ) converge au sens D vers une distribution f D () definie par


Z
k (x)(x) dx,
hf, i = lim
k

pour tout C0 (). On verifie comme dans le lemme 6.2 que deux suites de Cauchy
au sens Lp dans C0 () sont equivalentes si et seulement si elles determinent la meme
distribution dans D ().
On obtient donc la definition suivante de Lp (), equivalente `a celle de la section 2.3.1.
D
efinition 6.9. Lespace Lp () est lespace des distributions de D () qui sont limites
au sens D de suites de Cauchy au sens Lp dans D(). Cet espace est muni de la norme
kf kLp = lim kk kLp ,
k

o`
u (k ) est une suite de Cauchy convergeant vers f Lp () comme ci-dessus.

6.2.2

Propri
et
es

Certaines proprietes de L2 () setendent aux espaces Lp (). Nous les listons ici en ne
donnant les preuves que lorsquelles diff`erent du cas L2 .
Th
eor`
eme 6.10. Lespace Lp (), muni de la norme k kLp , est un espace de Banach.
Par contre, Lp () nest pas un espace Hilbert lorsque p 6= 2. On peut le verifier aisement
en trouvant un contre-exemple `
a lidentite du parallelogramme dans Lp ().
Proposition 6.11. Une fonction continue f : K est un element de Lp () si et
seulement si
Z
|f (x)|p dx < .

La premi`ere etape dans la determination du dual de Lp () consiste `a generaliser linegalite


de Holder.
Proposition 6.12. Soient f Lp () et g Lq () avec 1 < p, q < tels que
Alors
|hf, gi| kf kLp kgkLq ,

1
p

1
q

= 1.

avec
hf, gi = lim hk , k i,
k

o`
u (k ) et (k ) sont des suites dans

C0 ()

convergeant au sens Lp et Lq vers f et g.

103

Demonstration. Il suffit dappliquer linegalite de Holder `a k , k C0 (), puis de


prendre la limite lorsque k .
En particulier, tout element f Lp () peut etre vu comme une fonctionnelle lineaire
continue sur Lq (). Le resultat suivant, qui generalise le theor`eme de representation de
Riesz, donne la reciproque. Nous omettrons sa demonstration, qui fait appel aux proprietes
des espaces de Banach uniformement convexes.
Th
eor`
eme 6.13. Soit F : Lp () K une fonctionnelle lineaire continue, avec 1 < p <
. Alors il existe un unique g Lq () avec 1p + 1q = 1, tel que
hF, f i = hf, gi,
pour tout f Lp (). De plus,
kF k =

|hF, f i|
= kgkLq .
f Lp () kf kLp
sup

On en deduit donc le dual de lespace Lp ().


Corollaire 6.14.
(i) Le dual de Lp () avec 1 < p < est Lq () avec
(ii) Les espaces

Lp ()

1
p

1
q

= 1.

avec 1 < p < sont reflexifs.

Lorsque = Rn , on a egalement des inclusions analogues au cas L2 , mais qui se demontrent


un peu differemment.
Proposition 6.15. Les inclusions
D(Rn ) S(Rn ) Lp (Rn ) S (Rn ) D (Rn )
sont continues et denses.
Demonstration. Linclusion S(Rn ) Lp (Rn ) continue et dense sobtient comme dans le cas
p = 2. Par les espaces duaux, on obtient linclusion continue (Lp (Rn )) = Lq (Rn ) S (Rn )
avec 1p + 1q = 1. Comme on a la premi`ere inclusion pour tout p R+
0 , on a la seconde pour
+
n
p
n
tout q R0 . On a donc des inclusions continues S(R ) L (R ) S (Rn ). La deuxi`eme
inclusion est dense car linclusion S(Rn ) S (Rn ) lest.

6.3
6.3.1

Espaces L1 et L
D
efinition

On consid`ere sur lespace C0 () les normes k kL1 et k k definies par


Z
|(x)| dx
kkL1 =

104

et
kk = sup |(x)|,
x

C0 ().

La convergence pour la norme k kL1 est appelee convergence au


pour tout
sens L1 , tandis que la convergence pour la norme k k est la convergence uniforme.
Linegalite de Holder setend a
` ces valeurs de p et q (notons que
Z
|(x)(x)| dx kkL1 kk ,

1
1

= 1), car

pour tout , C0 ().


On construit lespace L1 () exactement comme les espaces Lp () avec 1 < p < , de
sorte que lon obtient la definition suivante, equivalente `a la definition de la section 2.3.1.
D
efinition 6.16. Lespace L1 () est lespace des distributions de D () qui sont limites
au sens D de suites de Cauchy au sens L1 dans D(). Cet espace est muni de la norme
kf kL1 = lim kk kL1 ,
k

o`
u (k ) est une suite de Cauchy convergeant vers f L1 () comme ci-dessus.
Par contre, la completion de C0 () pour la norme kk est lespace des fonctions continues
sur et sannulant sur . On ne peut donc pas definir un espace L () constitue
delements aussi generaux que les espaces Lp () avec 1 p < par completion.
On proc`edera donc comme dans la section 4.5.1 pour definir lespace L ().
D
efinition 6.17. Lespace L () est lespace des distributions bornees de D (), muni
de la norme k kL definie par
kf kL = inf{M R+ | Re(ei f ) M, pour tout R},
pour tout f L ().
Remarquons que la norme k kL de cette definition etend bien la norme supremum k k
sur C0 ().

6.3.2

Propri
et
es

De nouveau, certaines proprietes des espaces Lp () se generalisent `a L1 () et L ().


Th
eor`
eme 6.18. Les espaces L1 () et L (), munis respectivement de la norme k kL1
et de la norme k kL , sont des espaces de Banach.
Comme les espaces Lp () avec p 6= 2, les espaces L1 () et L () ne sont pas des espaces
de Hilbert.

105

Proposition 6.19. Une fonction continue f : K est un element de L1 () si et


seulement si
Z
|f (x)| dx < .
Dautre part, f est un element de

L ()

si et seulement si |f | est bornee sur .

Pour determiner le dual de L1 (), etendons linegalite de Holder au cas p = 1 et q = .


Proposition 6.20. Soient f L1 () et g L (). Alors
|hf, gi| kf kL1 kgkL ,
avec
hf, gi = lim hg, k i,
k

o`
u (k ) est une suite dans C0 () convergeant au sens L1 vers f .
Demonstration. Linegalite pour f = k C0 () est equivalente au fait que g est une
distribution bornee. Il suffit donc de prendre la limite lorsque k .
En particulier, tout element f L () peut etre vu comme une fonctionnelle lineaire
continue sur L1 () et inversement.
Th
eor`
eme 6.21. Soit F : L1 () K une fonctionnelle lineaire continue. Alors il existe
un unique g L (), tel que
hF, f i = hf, gi,

pour tout f L1 (). De plus,

kF k =

|hF, f i|
= kgkL .
f L1 () kf kL1
sup

On en deduit donc le dual de lespace L1 ().


Corollaire 6.22. Le dual de L1 () est L () .
Par contre, on peut montrer que le dual de L () contient strictement L1 (). En particulier, les espaces L1 () et L () ne sont pas reflexifs.
Lorsque = Rn , on a encore des chaines dinclusions.
Proposition 6.23. Les inclusions
D(Rn ) S(Rn ) L1 (Rn ) S (Rn ) D (Rn )
D(Rn ) S(Rn ) L (Rn ) S (Rn ) D (Rn )
sont continues et denses, sauf linclusion S(Rn ) L (Rn ) qui est seulement continue.

106

Demonstration. Les inclusions continues S(Rn ) Lp (Rn ) avec p = 1, sobtiennent


comme pour les autres valeurs de p. Linclusion dans L1 (Rn ) est clairement dense par
definition de L1 (Rn ).
En revanche, ladherence de S(Rn ) dans L (Rn ) est lensemble des fonctions continues
qui tendent vers 0 `
a linfini. Par dualite, on obtient linclusion continue L (Rn ) S (Rn ).
Linclusion continue L1 (Rn ) S (Rn ) sobtient en etendant le domaine de f L1 (Rn ) `a
S(Rn ) L (Rn ). Ces deux inclusions sont denses car linclusion S(Rn ) S (Rn ) lest.
Nous terminons avec une propriete de la transformee de Fourier dans les espaces L1 (Rn )
et L (Rn ).
Th
eor`
eme 6.24 (Riemann-Lebesgue). Si f L1 (Rn ), alors F(f ) Cb0 (Rn ) et

n
1
kf kL1 .
kF(f )k
2
Demonstration. Demontrons dabord linegalite de lenonce lorsque f = S(Rn ). On a


n Z
n Z
n



1
1
1
iyx


|(x)| dx =
kkL1 .
(x) dx
|F()(y)| =
ne
2
2
2
Rn
R

Par consequent,

kF()k = sup |F()(y)|


yRn

n

kkL1 .

(6.3)

Soit maintenant f L1 (Rn ), et soit (k ) une suite dans C0 (Rn ) convergeant vers f au
sens L1 . Alors (k ) converge vers f au sens S , de sorte que (F(k )) converge vers F(f )
au sens S .
Dautre part, linegalite (6.3) montre que (F(k )) converge uniformement vers une certaine
fonction continue g. Ceci implique que (F(k )) converge vers g au sens S . Par unicite
de la limite dans S (Rn ), on doit avoir g = F(f ). En prenant la limite pour k
dans (6.3) avec = k , on obtient linegalite recherchee, qui implique en particulier que
F(f ) Cb0 (Rn ).

6.4

Op
erations

Les operations sur les distributions peuvent sappliquer en particulier aux espaces de Lebesgue. Dans ce cas, nous allons voir que ces operations ont de meilleures proprietes que
pour des distributions generales.

6.4.1

Multiplication

Soient f Lp () et g Lq (), et soient (k ) et (k ) des suites dans C0 () convergeant


vers f au sens Lp et vers g au sens Lq . Si la suite produit (k k ) est de Cauchy dans
Lr () et converge au sens D dans D (), quel que soit le choix des suites (k ) et (k )

107

comme ci-dessus, on note sa limite f g Lr (). Par construction, cette limite ne depend
pas du choix des suites (k ) et (k ).
La proposition suivante decrit des circonstances dans laquelle la situation ci-dessus se
produit, et donc o`
u lon peut multiplier f Lp () avec g Lq () pour obtenir f g Lr ().
Proposition 6.25. Soient f Lp () et g Lq () avec 1 p, q < et
f g Lr () avec 1r = 1p + 1q et

1
p

+ 1q 1. Alors

kf gkLr kf kLp kgkLq .


Demonstration. Commencons par montrer linegalite ci-dessus lorsque f = et g =
avec , C0 (). Linegalite de Holder appliquee `a ||r et ||r avec les exposants
conjugues p/r et q/r donne en effet
kkrLr kkrLp kkrLq .
Dans le cas general f Lp () et g Lq (), soient (k ) et (k ) des suites dans C0 ()
convergeant vers f et g au sens Lp et Lq respectivement. Alors
kk k l l kLr

kk (k l )kLr + k(k l )l kLr

kk kLp kk l kLq + kk l kLp kl kLq ,

qui tend vers 0 lorsque k, l . Par consequent, (k k ) est une suite de Cauchy au sens
Lr . Le meme argument montre que si (k ) et (k ) sont des suites de Cauchy equivalentes
au sens Lp , alors (k k ) et (k k ) sont equivalentes au sens Lr ; il en va de meme pour
(k ). Par consequent, la suite (k k ) converge vers f g Lr (), et linegalite recherchee
est obtenue en prenant la limite k dans
kk k kLr kk kLp kk kLq .

En particulier, le produit de deux elements de L2 () est un element de L1 (). On peut


aussi montrer que le produit dun element de L () par un element de Lp () est encore
dans Lp ().

6.4.2

Int
egration

Proposition 6.26. Soient f Lp (R) avec 1 p et F =


si on normalise F en posant F (a) = 0, on a
1 p1

kF k = sup |F (x)| (b a)
axb

108

Rx

kf kLp .

f . Alors F C 0 (R) et

Demonstration. Soit (k ) une


suite dans C0 (R) convergeant vers f au sens Lp . On definit
R
x
p
. Alors, pour tout x [a, b], en vertu
k C (R) par k (x) = a k (y) dy. Soit q = p1
de linegalite de Holder, on a
Z x



|k (x) l (x)| = (k (y) l (y)) dy
a
 1 Z x
Z x
1
q
p
q
p
1 dy

|k (y) l (y)| dy
a

1
q

(b a) kk l kLp .

Par consequent, la suite (k ) converge uniformement sur [a, b], de sorte que sa limite Fe
est une fonction continue. Dautre part, lintegration etant une operation continue dans
D (R), la suite (k ) converge vers F au sens D . Comme la convergence uniforme implique
la convergence au sens D et par unicite de la limite, F = Fe est bien continue.

Comme ci-dessus, on a linegalite

|k (x)| (b a) q kk kLp .
En passant `
a la limite pour k et en prenant le supremum pour x [a, b], on obtient
linegalite souhaitee.

6.4.3

Lissage

Loperateur de lissage J permet de construire des suites explicites dans C0 (Rn ) convergeant au sens L2 vers un element donne dans L2 (Rn ).
Proposition 6.27. Soit f L2 (Rn ). Alors J f L2 (Rn ) et kJ f kL2 kf kL2 pour tout
L2

0. De plus, J f f lorsque 0.

Demonstration. Par le theor`eme 6.7 et les proprietes de la transformee de Fourier, on a

kJ f kL2 = kF(J f )kL2 = ( 2)n kF( )F(f )kL2 ( 2)n kF( )k kF(f )kL2 .
Par ailleurs,


n Z
n


1
1
iyx


|F( )(y)| =
(x) dx
.
ne
2
2
R
On en deduit que kJ f kL2 kf kL2 comme souhaite.


Dautre part, pour tout C0 (Rn ), on a

kJ f f kL2 kJ f J kL2 + kJ kL2 + k f kL2 .

Soit > 0. On peut choisir C0 (Rn ) de sorte que k f kL2 < et donc aussi
kJ f J kL2 < . Pour > 0 suffisamment petit, on a kJ kL2 < . Par consequent,
L2

kJ f f kL2 < 3 et ainsi J f f lorsque 0.

On peut egalement montrer que si f Lp (Rn ) avec 1 p < , alors J f Lp (Rn ) et


Lp

J f f lorsque 0.

109

6.5

Note sur la th
eorie de la mesure

Il existe une autre approche explicite des espaces de Lebesgue, tr`es repandue dans la
litterature, et faisant appel `
a la theorie de la mesure plut
ot qu`a la theorie des distributions.
Nous esquissons cette approche ci-dessous, pour donner une autre perpective sur les espaces
de Lebesgue au lecteur.
Lidee consiste `
a generaliser lintegrale de Riemann de mani`ere `a pouvoir integrer des
fonctions bien plus generales. Cette nouvelle integrale, appelee int
egrale de Lebesgue,
est definie en subdivisant lensemble darrivee plut
ot que lensemble de depart. Les sommes
de Riemann sont donc remplacees par des expressions de la forme
X
ai ({x Rn | ai1 < f (x) ai }),
(6.4)
i

dans laquelle (A) designe la mesure (intuitivement, le volume) de lensemble A. Contrairement aux sommes de Riemann, les ensembles apparaissant dans (6.4) sont bien plus
generaux que des produits dintervalles.
Il nest pas possible dassocier un nombre (A) 0 `a tout sous-ensemble de Rn en satisfaisant `a des proprietes simples quune notion de volume devrait intuitivement posseder. On
doit donc se restreindre `
a certains sous-ensembles A, appeles mesurables, pour lesquels
(A) sera defini. Une fonction f : Rn R est dite mesurable si les ensembles de la forme
{x Rn |f (x) a} sont mesurables, pour tout a R.
Sur Rn , il existe une unique mesure definie au moins sur tous les ouverts, invariante par
translation et normalisee par ([0, 1]n ) = 1 : cest la mesure de Lebesgue. Lintegrale
de Lebesgue est definie pour toute fonction mesurable sur Rn et sobtient en utilisant pour
la mesure de Lebesgue dans (6.4), avant de prendre la limite sur des partitions de plus
en plus fines du domaine darrivee R.
Soit un ouvert de Rn . De mani`ere analogue `a la proposition 6.11, on consid`ere lensemble
des fonctions mesurables sur telles que
1
Z
p
p
< ,
(6.5)
|f (x)| dx
kf kLp =

o`
u lintegrale est `
a prendre au sens de Lebesgue. Alors k kLp nest quune semi-norme,
car toute fonction f telle que f (x) = 0 sauf sur un ensemble de mesure nulle (comme par
exemple un ensemble fini ou denombrable) satisfait kf kLp = 0.
Pour obtenir un espace norme, on definit donc lespace Lp () comme lensemble des classes
dequivalences de fonctions mesurables sur satisfaisant (6.5), en definissant que f et g
sont equivalentes si et seulement si f (x) = g(x) sauf sur un ensemble de mesure nulle. On
montre alors que cet espace norme est complet, de sorte quil concide avec la completion
de C0 () pour la norme k kLp .
De cette mani`ere, les elements de Lp () sont realises par des classes dequivalences de
fonctions, plut
ot que par des distributions, ce qui offre un autre point de vue sur ces
espaces.

110

Exercices sur le Chapitre 6


1. Soit f Lp () Lq () avec 1 p q < . Montrer que f Lr () pour tout
r [p, q] et que
kf kLr kf kLp kf k1
Lq
avec [0, 1] satisfaisant

1
r

1
q .

2. Montrer par contradiction que la distribution de Dirac nest pas un element de


Lp (Rn ), pour tout 1 < p < , en utilisant linegalite de Holder.
3. Montrer que le produit de convolution C0 (Rn ) pour , C0 (Rn ) setend
0 (Rn ), avec f Lp (Rn ),
de mani`ere unique en un produit de convolution f g C
g Lq (Rn ), 1 < p, q < et p1 + 1q = 1, satisfaisant
kf gk kf kLp kgkLq .
0 (Rn ) d
esigne lespace des fonctions continues sur Rn qui tendent vers
La notation C
zero `
a linfini.

4. Montrer que le produit de convolution setend de mani`ere unique en un produit


de convolution f g Lr (Rn ), avec f Lp (Rn ), g Lq (Rn ), 1 p, q < et
1
1
1
egalite de Young
p + q 1 = r > 0, satisfaisant lin
kf gkLr kf kLp kgkLq ,
via les etapes suivantes :
(a) lorsque p = 1 et 1 r = q < , montrer que
Z

Rn

|(x y)||(y)| dy

Z

Rn

|(x y)| |(y)| dy

1/q Z

Rn

|(y)| dy

11/q

puis conclure dans ce cas.


(b) lorsque 1 < p, q < , verifier que max(p, q) < r < et appliquer deux fois
linegalite de Holder `
a
|(x y)||(y)| = |(x y)|p/r |(y)|q/r |(x y)|1p/r |(y)|1q/r
avec des exposants bien choisis.

111

Chapitre 7

Espaces de Sobolev
In mathematics you dont understand things.
You just get used to them.
John von Neumann (1903-1957)

7.1
7.1.1

Espaces H m ()
D
efinition

Soit un ouvert de Rn .
D
efinition 7.1. Pour tout entier positif m, lespace de Sobolev H m () est defini par
H m () = {f L2 () | f L2 (), pour tout tel que || m},
et est muni du produit scalaire H m, note h, im , defini par
X
hf, gim =
h f, giL2
||m

pour tout f, g H m ().


En particulier, lespace H m () est muni de la norme H m, notee k km , definie par
p
kf km = hf, f im .
Par consequent, la convergence de (fk ) vers f H m () au sens H m est equivalente `a la
convergence de ( fk ) vers f au sens L2 pour tout multi-indice tel que || m.
Par ailleurs, on definit dautres espaces H0m () par completion `a partir de C0 () pour la
norme k km , de mani`ere analogue `
a la definition des espaces de Lebesgue.

112

D
efinition 7.2. Pour tout entier positif m, lespace H0m () est lensemble des distributions de D () qui sont limites au sens D de suites de Cauchy pour la norme H m dans
C0 (). Cet espace est muni du produit scalaire
hf, gim = lim hk , k im ,
k

o`
u (k ) et (k ) sont des suites de Cauchy convergeant vers f et g H0m () comme
ci-dessus.
Exemple. Considerons lespace de Sobolev H m () avec =] 1, +1[ R et m = 1.
1. Soit f : ] 1, +1[ R la fonction definie par f (x) = 1 si x < 0 et f (x) = 1 si x 0.
Alors f = , de sorte que f
/ H 1 () puisque
/ L2 ().
2. Soit g : ] 1, +1[ R la fonction definie par g(x) = 1 + x si x < 0 et g(x) = 1 x
si x 0. Alors g = f , de sorte que g H 1 () puisque f, g L2 (). En fait, nous
verrons plus loin que g H01 (), puisque g(1) = g(1) = 0.
N

7.1.2

R
egularit
e du domaine

Les proprietes des espaces H m () et H0m () dependent fortement de la regularite du


domaine , ou plus precisement de son bord . Nous regroupons ci-dessous differentes
notions de regularites, qui seront utilisees dans les divers resultats de ce chapitre.
D
efinition 7.3. On dit quun ouvert de Rn poss`ede la propri
et
e du segment si pour
tout x , il existe un voisinage Ux de x dans Rn et un vecteur non nul vx Rn tels
que
{y + tvx | y Ux , 0 < t < 1} .
Dans ce cas, Rn a un bord de dimension n 1 et se trouve dun seul cote de ce
bord.
Pour la definition suivante, nous aurons besoin dun c
one de rayon r > 0, de hauteur
h > 0 et ayant son sommet `
a lorigine, defini par


q
n h
2
2
C(r, h) = (x1 , . . . , xn ) R
x1 + . . . + xn1 xn h .
r

D
efinition 7.4. On dit quun ouvert de Rn poss`ede la propri
et
e du c
one si il existe
un c
one C(r, h) avec r, h > 0 tel que, pour tout x il existe un c
one Cx de sommet
x et isometrique a
` C(r, h).

Pour la definition suivante, nous aurons besoin dun hypercube Q Rn et de certaines de


ses parties Q0 et Q+ , definies par
Q = {(x1 , . . . , xn ) Rn | |xi | 1, pour 1 i n},

Q0 = {(x1 , . . . , xn ) Q |xn = 0},

Q+ = {(x1 , . . . , xn ) Q |xn > 0}.

113

D
efinition 7.5. On dit quun ouvert de Rn est `
a fronti`
ere lipschitzienne (resp. de
k
classe C , avec k 0) si pour tout x , il existe un voisinage Ux de x dans Rn et
k
une bijection hx : Q Ux tels que hx et h1
x sont lipschitziennes (resp. de classe C ),
hx (Q0 ) = Ux

hx (Q+ ) = Ux .

et

Cette definition est illustree par la figure 7.1.


Rn
Q+

h
Ux

Q0

Fig. 7.1 Parametrisation de par h : Q Ux .


Ces differentes conditions de regularite ne sont pas independantes. mais sont reliees de la
mani`ere suivante.
fronti`ere de classe C k , k 1


fronti`ekre
k lipschitzienne
RR

RRRR
RRRR
RRR
RR $,

kk
kkk
kkk
k
k
kk
qy kk

propriete du cone

fronti`ere deKS classe C 0




propriete du segment
Ceci est illustre par les ouverts bornes de R2 representes sur la figure 7.2. Le domaine a a
la propriete du c
one, mais pas celle du segment. Le domaine b a la propriete du segment,
mais pas celle du c
one. Le domaine c na aucune de ces deux proprietes. Le domaine d
est `a fronti`ere lipschitzienne.

7.1.3

Propri
et
es

Th
eor`
eme 7.6. Lespace H m (), muni du produit scalaire h, im , est un espace de Hilbert.
Demonstration. Soit (fk ) une suite de Cauchy dans H m (). Comme
k fk fl kL2 kfk fl km

114

a
b

Fig. 7.2 Domaines avec diverses proprietes de regularite.


pour tout multi-indice avec || m, les suites ( fk ) sont de Cauchy dans L2 (). Soient
donc f L2 () leurs limites respectives. Lorsque || = 0, on ecrira simplement f = f .
Pour tout D(), comme la convergence L2 implique la convergence D , on a :
hf , i = lim h fk , i = (1)|| lim hfk , i = (1)|| hf, i = h f, i.
k

Par consequent, f = f L2 () pour tout multi-indice avec || m. Ainsi, la suite


(fk ) converge au sens H m vers f H m .
Corollaire 7.7. Lespace H0m () est un sous-espace ferme de H m ().
Demonstration. Lespace H m () est complet et contient lespace C0 (), donc il contient
sa completion H0m (). Ce dernier etant complet par definition, il est ferme dans H m ().

Contrairement aux espaces de Lebesgue, nous navons pas defini les espaces de Sobolev
H m () par completion. Les deux resultats suivants montrent neanmoins que certains
espaces de fonctions tr`es reguli`eres sont denses dans H m ().
Th
eor`
eme 7.8 (Meyers-Serrin). Lespace
C () H m () = { C () | kkm < }
est dense dans H m ().
Th
eor`
eme 7.9. Si poss`ede la propriete du segment, alors lensemble des restrictions a
`
des fonctions de C0 (Rn ) est dense dans H m ().
Le resultat suivant est un crit`ere de compacite dans H m1 (), qui permet de demontrer
des theor`emes dexistence.

115

Th
eor`
eme 7.10 (Rellich). Si est borne, alors de toute suite bornee dans H0m () on
peut extraire une sous-suite convergente dans H m1 ().
Si poss`ede la propriete du c
one, il en va de meme pour les suites bornees dans H m ().
Le resultat suivant permet dinterpreter H m () comme un sous-espace de H m (Rn ).
Th
eor`
eme 7.11 (Calder
on). Si est borne et a
` fronti`ere lipshiptzienne, il existe un
operateur de prolongement P : H m () H m (Rn ) lineaire et borne, tel que P f | = f .
Le resultat suivant montre que lon peut restreindre un element de H m () pour obtenir
une distribution le long de .
Th
eor`
eme 7.12 (Th
eor`
eme de trace). Si est borne et a
` fronti`ere lipschitzienne,
alors pour tout multi-indice avec || m 1, il existe une unique application lineaire
bornee
: H m () L2 ()
telle que pour tout x et f C (),

( (f )) (x) = f (x).
Lorsque || = 0, on ecrira simplement = . Pour f H m (), la distribution (f )
L2 () est appelee trace de f sur .
Demonstration. Pour eviter les complications techniques, nous donnons la demonstration
dans le cas o`
u est `
a fronti`ere de classe C 1 .
Remarquons que lon doit avoir = , avec lapplication lineaire bornee :
H m () H m|| () : f 7 f . Par consequent, il suffit de demontrer le cas m = 1.
Pour p , soient Up le voisinage de p dans Rn et hp : Q Up la bijection de classe C 1
comme dans la definition 7.5. Notons x = (x , xn ) Q avec x = (x1 , . . . , xn1 ) Rn1 .
Soit C () ; posons u = hp C (Q+ ). Pour tout ]0, 1[, on a
Z
u

u(x , 0) =
(x , xn )dxn + u(x , ).
0 xn
Par consequent,

|u(x , 0)|

Z
2


u

2
(x , xn )dxn + 2|u(x , )|2
0 xn
2
Z
Z

u

2
2


2
1 dxn
xn (x , xn ) dxn + 2|u(x , )|
0
0
2
Z 1
u

2


= 2
xn (x , xn ) dxn + 2|u(x , )| .
0

En multipliant membre `
a membre par lelement de surface dS = kd(hp |Q0 )k dx pour

116

S = hp (Q0 ) et en integrant sur Q0 , on obtient


Z
Z
2
|u(x , 0)|2 kd(hp |Q0 )k dx
|| dS =
S

Q0

C
= C

Q0

Q+


2
Z

u (x , xn ) dxn dx +
xn


2
Z
u



xn (x) dx +

Q0

Q0

|u(x , )|2 dx

|u(x , )|2 dx

En integrant membre `
a membre par rapport `a ]0, 1[, puis en introduisant lelement de
volume dV = kdhp k dx pour V = hp (Q+ ), il vient alors
!
2
Z
Z
Z 1Z


u

(x) dx +
||2 dS C
|u(x , )|2 dx d

Q+ xn
S
0
Q0
!

2
Z
Z


h
p
|u(x)|2 dx
(x) dx +
= C
||2
xn
Q+
Q+

Z
Z
2

2
|| dV
C
|| dV +
V

C kk21 .

En sommant membre `
a membre de telles inegalites pour un nombre fini douverts Upi
recouvrant le compact , on obtient finalement
k| kL2 C kk1 .
En dautres termes, lapplication lineaire de restriction `a de C () muni de la norme
H 1 vers C () L2 () muni de la norme L2 est uniformement continue. Par consequent, elle admet une unique extension lineaire continue : H 1 () L2 () comme
souhaite.
Signalons toutefois que loperateur de trace nest pas surjectif : on a une inclusion stricte
(H 1 ()) L2 ().

Corollaire 7.13. Si est borne et a


` fronti`ere lipschitzienne, H01 () est le noyau de
1
2
lapplication de trace : H () L ().
La trace nest definie que pour des ouverts suffisamment reguliers. En revanche, on peut
definir la notion de trace nulle sur pour tout ouvert , en disant que f H 1 () est
de trace nulle sur si et seulement si f H01 ().
Le resultat suivant montre que, lorsque m est suffisamment grand, les distributions de
H m (Rn ) ont de suffisamment bonnes proprietes que pour etre induites par des fonctions
continues et bornees via (4.2).
Th
eor`
eme 7.14 (Plongement de Sobolev). Si m > n2 , alors on a une injection continue
H m (Rn ) Cb0 (Rn ).

117

Demonstration. Si f H m (Rn ), alors y F(f ) et donc aussi |y| F(f ) L2 (Rn ) pour tout
multi-indice tel que || m. En particulier,
n

X
m 
F(f ) L2 (Rn ).
|yj |
1+
j=1

Puisque kyk =

qP

n
2
j=1 |yj |

Pn

j=1 |yj |,

ceci implique aussi

(1 + kykm )F(f ) L2 (Rn ).

1
Posons F(g) = (1 + kykm )F(f ) et (y) = 1+kyk
m , de sorte que F(f ) = F(g) avec F(g)
2
n
et L (R ). En effet,
2
Z 
1
dy < ,
1 + kykm
Rn

puisque 2m > n. Ceci implique que F(f ) = F(g) L1 (Rn ). Par le theor`eme de RiemannLebesgue, F(F(f )) Cb0 (Rn ). Comme F(F(f ))(x) = f (x), on a aussi f Cb0 (Rn )
comme souhaite.
La continuite de linjection est une consequence des inegalites
1
kf k = kF(F(f ))k ( )n kF(f )kL1
2
1 n
( ) kkL2 kF(g)kL2
2
1 n
( ) kkL2 Ckf km .
2

Bien entendu, lorsque m augmente encore , les elements de H m (Rn ) deviennent dautant
plus reguliers.
Corollaire 7.15. Si m >

n
2

et j 0, alors on a une injection continue


H m+j (Rn ) Cbj (Rn ).

Demonstration. Appliquons le theor`eme du plongement de Sobolev `a f H m+j (Rn ) et `a


ses derivees f pour tout multi-indice tel que || j. On obtient
k f k Ck f km+j|| .
Or, la norme de lespace de Banach Cbj (Rn ) est definie par
kf kj, = sup sup | f (x)|.
||j xRn

Dautre part, k f km+j|| kf km+j . Par consequent, on a bien


kf kj, Ckf km+j
comme desire.

118

Ce type de resultat est egalement valable lorsque le domaine est un ouvert suffisamment
regulier, en vertu du theor`eme de Calderon.
` fronti`ere lipschitzienne,
Corollaire 7.16. Si m > n2 , j 0 et Rn est un ouvert borne a
alors on a une injection continue
H m+j () Cbj ().

7.2

Dualit
e et espaces H m

Etudions les proprietes du dual topologique (H0m ()) de H0m ().


Proposition 7.17. On a une injection continue
(H0m ()) D (),
meme si (H0m ()) est muni de la topologie faible.
Demonstration. Comme dhabitude, linjection continue D() H0m () induit linjection
continue souhaitee, lorsque (H0m ()) est muni de la topologie forte.
Dans ce cas, la topologie faible sur (H0m ()) suffit, car la topologie dont nous avons muni
D () est aussi une topologie faible.
Lespace (H0m ()) a une description explicite en termes de distributions de L2 ().
Proposition 7.18. Lespace (H0m ()) est lespace vectoriel engendre par les distributions
g D () de la forme g = f avec f L2 () et || m.
Demonstration. Toute distribution g D ()de la forme g = f avec f L2 () et
|| m est un element de (H0m ()) . En effet, pour tout C0 (), on a
|h f, i| = |hf, i| kf kL2 k kL2 kf kL2 kkm .
Par consequent, g = f setend de mani`ere unique en une fonctionnelle lineaire continue
sur la completion H0m () de C0 () pour la norme H m .
Inversement, tout element de (H0m ()) est une combinaison lineaire de distributions de
la forme f avec f L2 () et || m. En effet, soit g (H0m ()) . Par le theor`eme de
representation de Riesz, il existe h H0m () tel que
hg, i = hh, im
pour tout C0 (). On a donc
X
X
X
(1)|| h ( h), i
hg, i =
h h, iL2 =
h h, i =
||m

||m

||m

avec h L2 (), ce qui est de la forme souhaitee.

119

Ce resultat justifie la notation usuelle


(H0m ()) = H m ().
Letude du dual topologique (H m ()) de H m () est plus compliquee. Si f (H m ()) ,
alors f se restreint en une fonctionnelle lineaire continue sur H0m () H m ().
En revanche, deux elements distincts f, g (H m ()) peuvent avoir la meme restriction
f0 = g0 dans (H0m ()) , si ils ne diff`erent que sur lorthogonal H0m () de H0m () dans
H m ().
Inversement, on a le resultat suivant.
Proposition 7.19. Toute distribution dans H m () admet une extension, en general non
unique, a
` lespace H m ().
Le caract`ere non unique de cette extension nest pas surprenant, au vu du theor`eme de
trace.
Les espaces de Sobolev H m () avec m Z forment une chane doublement infinie despaces
fonctionnels emboites. On peut y penser comme `a une echelle de regularite plus generale
que celle correspondant aux fonctions de classe C m , m 0 :
C0 () . . . H 2 () H 1 () L2 () H 1 () H 2 () . . .

7.3
7.3.1

Autres espaces de Sobolev


Espaces W m,p

On peut generaliser la definition des espaces de Sobolev H m (), basee sur L2 (), en
travaillant plut
ot avec les espaces Lp (), pour 1 p .
D
efinition 7.20. Pour tout un entier positif m et 1 p , lespace de Sobolev
W m,p () est defini par
W m,p () = {f Lp () | f Lp (), pour tout tel que || m},

et est muni de la norme W m,p , notee k km,p , definie par



1
P
p
f kp
si p < ,
k
||m
Lp
kf km,p =
max

si p = .
||m k f kL

Les espaces W m,p () sont des espaces de Banach. On definit ensuite lespace W0m,p ()
comme ladherence de C0 () dans W m,p ().

Enfin, on definit les espaces W m,q () avec


W m,q () =

1
p

1
q = 1 en
m,p
(W0 ()) .

posant

Lorsque p = 2, les espaces W m,2 (), W0m,2 () et W m,2 () sont des espaces de Hilbert,
qui sont couramment notes H m (), H0m () et H m ().

120

7.3.2

Espaces H s

La definition des espaces de Sobolev H m (Rn ) peut etre reformulee au moyen de la transformee de Fourier, comme dans la preuve du theor`eme de plongement de Sobolev. En effet,
en vertu du theor`eme de Plancherel, la norme H m peut se reecrire
sX
k|y |fbk2L2 .
kf km =
||m

Cette norme est equivalente `


a la norme

kf km = k(1 + kyk2 ) 2 fbkL2 ,

qui est induite par le produit scalaire

giL2 .
hf, gim = h(1 + kyk2 ) 2 fb, (1 + kyk2 ) 2 b

Dans ces derni`eres expressions, il ny a aucune raison de se limiter `a des valeurs enti`eres
de m. On peut donc definir des espaces de Sobolev dordre fractionnaire.
D
efinition 7.21. Pour tout s R+ , lespace de Sobolev H s (Rn ) est defini par
s
H s (Rn ) = {f L2 (Rn ) | (1 + kyk2 ) 2 fb L2 (Rn )},

et est muni du produit scalaire H s , note h, is , defini par

pour tout f, g H s (Rn ).

s
s
hf, gis = h(1 + kyk2 ) 2 fb, (1 + kyk2 ) 2 gbiL2

Les espaces H s (Rn ) sont encore des espaces de Hilbert.

Exercices sur le Chapitre 7


1. Soit =] 1, 1[ R.

(a) Montrer que la distribution de Dirac H 1 ().

Par le theor`eme de representation de Riesz, il existe un unique f H01 () tel que


h, ui = hf, ui1 pour tout u H01 ().

(b) Montrer que f f = dans D () et en deduire f .

121

Chapitre 8

Probl`
emes aux limites
God does not care about our mathematical difficulties.
He integrates empirically.
Albert Einstein (1879 - 1955)

8.1

Formulation variationnelle

Nous allons reformuler des probl`emes aux limites sous la forme de probl`emes de minimisation dune fonctionnelle, cest-`
a-dire sous une forme variationnelle. Cette formulation, dite
faible, joue un r
ole cle dans la resolution de ces probl`emes aux limites, tant dun point de
vue theorique que dans les calculs numeriques.

8.1.1

Fonctionnelle de Ritz

Soit A : D(A) H H un operateur lineaire (au sens de la definition 2.16) dans un


espace de Hilbert H. On consid`ere lequation
Au = f

(8.1)

avec f H donne, `
a resoudre dans H. Nous allons nous restreindre `a des operateurs A
jouissant de proprietes particuli`eres.
D
efinition 8.1. On dit que loperateur lineaire A est sym
etrique si D(A) est dense dans
H et
hAu, vi = hu, Avi
pour tout u, v D(A).
En particulier, si A est symetrique, alors hAu, ui R pour tout u H.

122

D
efinition 8.2. On dit quun operateur lineaire symetrique A est coercif si il existe
> 0 tel que
hAu, ui kuk2
pour tout u D(A).
Lorsque A est symetrique et coercif, on associe au probl`eme (8.1) une fonctionnelle (non
lineaire) F : D(A) H R appelee fonctionnelle de Ritz et definie par
1
F (v) = hv, Avi Rehf, vi
2
pout tout v D(A).
Th
eor`
eme 8.3. Soit H un espace de Hilbert et A un operateur lineaire symetrique et
coercif dans H. Alors lequation (8.1) a au plus une solution dans D(A). De plus, les
proprietes suivantes sont equivalentes :
(i) u D(A) est lunique solution de Au = f ;

(ii) u minimise la fonctionnelle de Ritz F associee sur D(A) ;

(iii) hAu, vi = hf, vi pour tout v D(A).

Demonstration. Supposons que u et v D(A) sont des solutions de (8.1). Alors A(uv) =
0 et hA(u v), u vi = 0. Comme A est coercif, ceci implique que ku vk = 0, cest-`
a-dire
que u = v. Il existe donc bien au plus une solution.
Pour tout u, v D(A), on a
1
F (u + v) = F (u) + RehAu f, vi + hv, Avi.
2

(8.2)

En particulier, si u est solution de (8.1), alors


1

F (u + v) = F (u) + hv, Avi F (u) + kvk2 .


2
2
Par consequent, u minimise F sur D(A).
Inversement, u ne peut minimiser F que si le deuxi`eme terme du membre de droite de
(8.2) est nul. On a donc RehAu f, vi = 0 pour tout v D(A). Lorsque K = C, en
remplacant v par iv on a aussi ImhAu f, vi = 0 pour tout v D(A). Par consequent,
Auf D(A) = {0}, puisque D(A) est dense dans H. En dautres termes, u est solution
de (8.1).
Lequivalence de (i) ou (ii) avec (iii) est maintenant immediate.
La formulation variationnelle du probl`eme aux limites (8.1) consiste `a minimiser la
fonctionnelle de Ritz F sur D(A). Cependant, lexistence dune solution nest pas garantie.
Ceci nest pas surprenant, car il se pourrait que f H dans (8.1) ne soit pas un element
de im A H.

123

Pour eviter cette difficulte, nous allons etendre la fonctionnelle de Ritz F sur un espace
plus grand que lespace D(A) de mani`ere `a pouvoir y garantir lexistence dun minimum.
Comme A est symetrique et coercif, la forme sesquilineaire
a(u, v) = hAu, vi
definit un produit scalaire sur D(A). Soit Va la completion de lespace D(A) pour ce
produit scalaire. Par construction, Va est un espace de Hilbert, est muni dun produit
scalaire h, ia et de la norme induite k ka . De plus, la coercivite de A implique quune
suite de Cauchy pour k ka est une suite de Cauchy pour k k, de sorte que Va H.
Comme la fonctionnelle de Ritz F est uniformement continue sur lespace D(A) muni de
la norme k ka , elle setend de mani`ere unique en une fonctionnelle continue F : Va R.
Cette extension permet de garantir lexistence dun minimum.
Th
eor`
eme 8.4. Sous les hypoth`eses du theor`eme 8.3,
(i) F : Va R est donnee par
1
F (v) = a(v, v) Rehf, vi
2

pour tout v Va H;

(ii) F : Va R poss`ede un et un seul minimum ;

(iii) u Va minimise F si et seulement si

a(u, v) = hf, vi

pour tout v Va .

Demonstration. La fonctionnelle de Ritz F : D(A) R secrit


1
1
F (v) = hAv, vi Rehf, vi = a(v, v) Rehf, vi,
2
2
pour tout v D(A). Le premier terme de la derni`ere expression setend bien `a Va , puisquil
sagit de 12 kvk2a . Le deuxi`eme terme est defini sur tout H, et est uniformement continu
pour la norme k ka car
1
|Rehf, vi| |hf, vi| kf k kvk kf k kvka

pour tout v D(A).


Lequation hu, via = hf, vi poss`ede une unique solution u Va en consequence du theor`eme
de representation de Riesz applique `a lespace de Hilbert Va , puisque le membre de droite
y definit une fonctionnelle lineaire continue.
En injectant cette unique solution u Va dans lexpression de F (v), on obtient
 1

1
1
F (v) = kvk2a Rehu, via =
kvk2a hu, via hv, uia =
ku vk2a kuk2a .
2
2
2

Lelement u Va est donc lunique minimum de F .

124

Remarquons que, dans ce dernier resultat, on peut generaliser la condition f H en la


remplacant par la condition plus faible f Va . En effet, la demonstration ci-dessus utilise
seulement le fait que Rehf, vi est une fonctionnelle lineaire continue sur Va .
De plus, la norme de lunique solution u Va du probl`eme variationnel est donnee par
u k ka designe la norme dans lespace dual Va . Par consequent, la solution
kuka = kf ka , o`
u Va depend continument de la donnee du probl`eme f Va .
De mani`ere generale, on dit quun probl`eme est bien pos
e si il a une et une seule solution,
qui depend des donnees du probl`emes de mani`ere continue. On voit donc que la formulation
variationnelle du probl`eme aux limites (8.1), etendue `a Va , permet dobtenir un probl`eme
bien pose.
Cette formulation poss`ede egalement une interpretation physique dans le cas de nombreux
probl`emes. Par exemple, supposons que (8.1) est lequation permettant de determiner
la deformation u dun corps elastique soumis `a une force exterieure f . Dans ce cas, la
forme quadratique 12 a(u, u) est lenergie interne de deformation du corps elastique, tandis
que hf, ui est lenergie potentielle de la force exterieure. Ainsi, la fonctionnelle de Ritz
represente lenergie totale du syst`eme, et le corps elastique se deformera de mani`ere `a minimiser cette energie totale. La condition a(u, v) = hf, vi est alors equivalente au principe
des travaux virtuels : `
a lequilibre un deplacement virtuel produit un travail virtuel nul.
Pour cette raison, le produit scalaire h, ia et la norme k ka sont quelquefois appeles
produit scalaire
energie et norme
energie.

8.1.2

Probl`
eme de Poisson

Considerons le probl`eme aux limites suivant, appele probl`


eme de Poisson :

u = f
dans ,
u = 0
sur ,
avec f L2 () et o`
u est un ouvert borne de Rn .
Nous pouvons reformuler ce probl`eme sous forme variationnelle en prenant H = L2 () et
A : D(A) = C0 () H H : u 7 Au = u.
Loperateur lineaire A est symetrique car
hu, viL2 = hu, viL2 = hu, viL2
pour tout u, v C0 (). Le resultat suivant permet de verifier que A est coercif.

Th
eor`
eme 8.5 (Premi`
ere in
egalit
e de Friedrichs). Soit un ouvert borne de Rn .
Alors il existe une constante C > 0 telle que
kk2L2 Ckk2L2
pour tout C0 ().

125

Demonstration. Soit U =] a, a[n un hypercube contenant . On peut considerer


C0 () comme un element de C0 (U ) en letendant par 0 hors de . On a
Z x1

(t, x2 , . . . , xn ) dt.
(x1 , . . . , xn ) =
a t
Par linegalite de Schwarz, on obtient
Z
2
|(x1 , . . . , xn )|

x1

1 dt

x1
a

(t, x2 , . . . , xn )|2 dt
t

| (t, x2 , . . . , xn )|2 dt.


2a
a t

En integrant membre `
a membre sur U , il vient
Z
Z

2
2
|(x)| dx 4a
|
(x)|2 dx
U
U x1
et donc aussi

|(x)| dx 4a

|(x)|2 dx.

Cette inegalite setend, par densite, a` tout H01 (). En effet, soit (k ) une suite dans C0 ()
L2

L2

convergeant en norme H 1 vers u H01 (). Alors k u et k u, de sorte quen


appliquant la premi`ere inegalite de Friedrichs et en prenant la limite pour k , on
obtient kuk2L2 Ckuk2L2 .
Par consequent, loperateur lineaire symetrique A est coercif. En effet, pour tout u D(A),
on a
1
hu, uiL2 = hu, uiL2 kuk2L2 .
C
p
De plus, la norme correspondante a(u, u) = kukL2 est equivalente `a la norme H 1 sur
D(A). En effet, pour tout u D(A), on a
kukL2 kuk1 (1 + C)kukL2 .

Ainsi, la completion Va de D(A) = C0 () pour cette norme coincide avec la completion


de cet espace pour la norme H 1 , cest-`
a-dire H01 (). Enfin, le produit scalaire energie h, ia
1
et la norme energie k ka sur Va = H0 () sont donnes par
hu, via = hu, viL2

et

kuka = kukL2 .

La formulation variationnelle du probl`eme de Poisson consiste donc `a minimiser la fonctionnelle de Ritz F : H01 () R definie par
F (v) =

1
kvk2L2 Rehf, viL2 .
2

Lunique element u H01 () minimisant F verifie la relation


pour tout v H01 ().

hu, viL2 Rehf, viL2 = 0

126

8.1.3

Probl`
eme de Poisson-Neumann

Considerons maintenant le probl`eme aux limites suivant, appele probl`


eme de PoissonNeumann :

u = f
dans ,
n u = 0
sur ,

avec f L2 (), o`
u est un ouvert borne de Rn `a fronti`ere de classe C 1 et n est la normale
exterieure unite `
a .

Pour reformuler ce probl`eme sous forme variationnelle, prenons H = L2 () et D(A) =


{u C () | n u| = 0}, de sorte que loperateur lineaire A de ce probl`eme soit
encore
A : D(A) L2 () L2 () : u 7 u.
Cet operateur lineaire est symetrique car en vertu du theor`eme de la divergence,
hu, viL2 = hu, uiL2 + hn u| , v| iL2 = hu, viL2
pour tout u, v D(A).
En revanche, cet operateur nest pas coercif car hAu, uiL2 = 0 pour toute fonction constante
u sur . Ceci nest pas surprenant, car la solution du probl`eme de Poisson-Neumann ne
peut etre determinee qu`a une constante pr`es. Dautre part, en integrant lequation aux
derivees partielles sur et en appliquant le theor`eme de la divergence, on obtient
hf, 1iL2 = hu, 1iL2 + hn u| , 1iL2 = 0,
de sorte que lon ne peut esperer pouvoir trouver un solution au probl`eme de PoissonNeumann que lorsque hf, 1iL2 = 0. Pour eviter ces difficultes, restreignons lespace de
Hilbert H `
a {1} L2 (). Ainsi, le domaine de A devient
D(A) = {u C () | n u| = 0, hu, 1iL2 = 0}.
Pour montrer que cet operateur restreint est bien coercif, nous aurons besoin de linegalite
suivante.
Th
eor`
eme 8.6 (In
egalit
e de Poincar
e). Soit un ouvert borne de Rn possedant la
propriete du c
one. Alors il existe une constante C > 0 telle que

kuk21 C kuk2L2 + |hu, 1iL2 |2

pour tout u H 1 ().

Demonstration. Supposons par labsurde que, pour tout k Z+ , il existe uk H 1 () tel


que

kuk k21 > k kuk k2L2 + |huk , 1iL2 |2 .

Puisque cette inegalite est homog`ene de degre 2 en uk , on peut supposer sans perte de
generalite que kuk k1 = 1. Par consequent, la condition ci-dessus implique que
kuk k2L2 + |huk , 1iL2 |2 0,

127

n .

Comme (uk ) est bornee dans H 1 (), on peut en extraire par le theor`eme de Rellich une
sous-suite convergente dans L2 (). Pour simplifier les notations, nous designerons toujours
L2

cette sous-suite par (uk ), de sorte que uk u


e pour un certain u
e L2 ().
L2

L2

H1

Comme uk u
e et uk 0, on a uk u
e et e
u = 0. De plus, la propriete huk , 1iL2 0
implique he
u, 1iL2 = 0.

Mais ces deux proprietes de u


e impliquent que u
e = 0, ce qui contredit le fait que ke
uk1 =
limk kuk k1 = 1.

Par consequent, loperateur lineaire symetrique A est coercif. En effet, pour tout u D(A),
on a
1
hu, uiL2 = hu, uiL2 kuk2L2 ,
C
car hu, 1iL2 = 0.
p
De plus, la norme correspondante a(u, u) = kukL2 est equivalente `a la norme H 1 sur
D(A). La completion Va de D(A) pour cette norme coincide donc la completion de cet
espace pour la norme H 1 , cest-`
a-dire avec
Va = {u H 1 () | hu, 1iL2 = 0}.
Comme 1 = 0, on peut remplacer le produit scalaire L2 par le produit scalaire H 1 dans
lexpression ci-dessus, de sorte que Va = {1} H 1 ().
Enfin, le produit scalaire energie h, ia et la norme energie k ka sur Va = H01 () sont
donnes par
hu, via = hu, viL2
et
kuka = kukL2 .
La formulation variationnelle du probl`eme de Poisson-Neumann consiste donc `a minimiser
la fonctionnelle de Ritz F : {1} H 1 () R definie par
F (v) =

1
kvk2L2 Rehf, viL2 .
2

Lunique element u {1} H 1 () minimisant F verifie la relation


hu, viL2 Rehf, viL2 = 0
pour tout v {1} H 1 ().

8.1.4

Conditions aux limites essentielles et naturelles

Les deux probl`emes aux limites traites ci-dessus sont tr`es semblables, car lexpression de la
fonctionnelle de Ritz est la meme dans les deux cas. Par contre, les espaces de Hilbert Va
sur lesquels on minimise cette fonctionnelle diff`erent : on travaille sur Va = H01 () pour le
probl`eme de Poisson, et sur Va = {1} H 1 () pour le probl`eme de Poisson-Neumann.

128

En particulier, les conditions aux limites satisfaites par u sur apparassent de mani`eres
differentes dans les formulations variationnelles de ces probl`emes aux limites.
Dans le cas du probl`eme de Poisson, tous les elements de lespace Va = H01 () satisfont `a
la condition aux limites u| = 0. Comme cette condition est exigee de mani`ere explicite
dans la formulation variationnelle, on parle de conditions aux limites essentielles ou
principales.
Par contre, dans le cas du probl`eme de Poisson-Neumann, les elements de lespace Va =
{1} H 1 () ne satisfont pas forcement `a la condition aux limites n u| = 0. Ces
conditions sont en fait automatiquement satisfaites par le fait que la solution u Va
minimise la fonctionnelle de Ritz. On parle alors de conditions aux limites naturelles.

8.1.5

G
en
eralisation

Une fois un probl`eme aux limites formule dans lespace de Hilbert approprie Va muni
du produit scalaire energie h, ia , lespace de Hilbert initial H devient inutile. On peut
donc reformuler le theor`eme 8.4 et ses hypoth`eses directement dans lespace Va , note V
ci-dessous.
Th
eor`
eme 8.7. Soient V un espace de Hilbert, a : V V K une forme hermitienne
definie positive, continue et coercive, et f V . Alors la fonctionnelle F : V R definie
par
1
F (v) = a(v, v) Rehf, vi
2
poss`ede un unique minimum u V , qui est lunique solution de
a(u, v) = hf, vi,

pour tout v V.

En pratique, il est parfois preferable de formuler un probl`eme aux limites sous sa formulation variationnelle que sous sa formulation differentielle, car la formulation variationnelle
requiert peu de conditions de regularite pour les diverses fonctions definissant le probl`eme.
Exemple. Soient un ouvert borne de Rn , V = H01 (Rn ), f H 1 (Rn ) et a : V V K
definie par
n Z
X
u
v
(x)
(x) dx,
p(x)
a(u, v) =
xi
xi

i=1

avec p C 0 () satisfaisant p(x) p0 > 0 pour tout x .

La fonctionnelle F : V R associee `a ces donnees secrit


2

n Z

u
1X

(x) dx Rehf, vi.
p(x)
F (v) =
2
xi

i=1

La condition satisfaite par lunique element u V minimisant F est


n Z
X
v
u
p(x)
(x)
(x) dx = hf, vi,
pour tout v V.
xi
xi

i=1

129

En revanche, la formulation differentielle de ce probl`eme est donnee par




( P

u
ni=1 x
(x)
= f (x)
dans ,
p(x)
xi
i
u = 0

ce qui na de sens que si p et

8.2

u
xi

sur ,

sont de classe C 1 .

M
ethodes approch
ees

Nous allons maintenant appliquer la formulation variationnelle des probl`emes aux limites
`a leur resolution numerique approchee.

8.2.1

M
ethode de Ritz

Considerons un probl`eme aux limites donne sous sa formulation variationnelle comme dans
le theor`eme 8.7. La m
ethode de Ritz consiste `a remplacer le probl`eme de minimisation
de F sur V par le probl`eme de minimisation de F sur un sous-espace ferme Vh V . En
pratique, on choisit cet espace Vh de dimension finie.
Le but est dapprocher le minimum u V de F sur V par le minimum uh Vh de F
sur Vh . Lespace Vh sera choisi de mani`ere `a pouvoir calculer numeriquement la solution
approchee uh Vh . Cette solution approchee satisfait `a la condition
a(uh , v) = hf, vi,

pour tout v Vh .

(8.3)

Remarquons que, pour obtenir dette formulation approchee du probl`eme aux limites, il
nest pas necessaire de discretiser doperateurs differentiels (en les remplacant par des
differences finies, par exemple). De plus, lespace Vh peut etre choisi librement dans lespace
de Hilbert V . En particulier, Vh ne doit pas etre un sous-espace du domaine D(A) de
loperateur A de la formulation forte du probl`eme.
Lorsque Vh est de dimension finie N , cette condition sexprime sous la forme dun syst`eme
de N equations lineaires `
a N inconnues, que lon peut resoudre par ordinateur. En effet,
tout element v Vh peut secrire
N
X
j j ,
v=
j=1

o`
u (j )1jN est une base de Vh . La condition (8.3) devient alors
N
X
j=1

a(j , i )j = hf, i i,

i = 1, . . . , N.

En posant A = (aij ) RN N avec aij = a(i , j ), = (1 , . . . , N ) RN et b =


(b1 , . . . , bN ) RN avec bi = hf, i i, ce syst`eme dequation se reecrit sous la forme compacte
A = b.

130

Ce syst`eme dequations lineaires est appele syst`


eme de Ritz et la matrice A est appelee
matrice de rigidit
e. Par symetrie et coercivite de loperateur lineaire correspondant,
cest une matrice symetrique et definie positive.
On voudrait maintenant savoir si la solution approchee uh Vh est proche de la solution
exacte u V . Comme la fonctionnelle de Ritz F peut secrire

1
ku vk2a kuk2a ,
F (v) =
2
on en deduit que
ku uh ka = min ku vka .
vVh

En dautres termes, la solution approchee uh est lapproximation optimale de la solution


exacte u dans le sous-espace Vh , au sens de la norme energie k ka . Cependant, cette norme
depend du probl`eme considere et on pref`ere mesurer lerreur commise lors de la resolution
approchee au moyen de la norme usuelle k k sur V . Pour cela, on aura besoin du resultat
suivant.
Th
eor`
eme 8.8 (Lemme de C
ea). Sous les hypoth`eses du theor`eme 8.7, soit uh Vh
lapproximation du minimum u V de F obtenue par la methode de Ritz dans le sousespace ferme Vh V . Alors il existe une constante C 1 telle que
ku uh k C min ku vk.
vVh

(8.4)

Demonstration. Soit Ph : V V le projecteur lineaire orthogonal sur lespace Vh V .


On a donc
ku Ph uk = min ku vk.
vVh

Par continuite et coercivite de a, la norme energie k ka est equivalente `a la norme usuelle


k k sur V : il existe , > 0 tels que
kvk2 a(v, v) kvk2 ,

pour tout v V . Par consequent, on a

ku uh k2 a(u uh , u uh ) = min a(u v, u v)


vVh

a(u Ph u, u Ph u)
ku Ph uk2 .

On en deduit que
ku uh k

ku Ph uk =

min ku vk.
vVh

En general, la solution approchee uh Vh nest pas la meilleure approximation de u V


dans le sous-espace Vh . Cependant, linegalite (8.4) montre que, lorsque la constante C
nest pas trop grande, la solution approchee uh presque aussi bonne que la meilleure
approximation Ph u de u V dans Vh . On dit que cette solution approchee est quasioptimale pour la norme k k de V .

131

8.2.2

El
ements finis

La m
ethode des
el
ements finis repose sur lapplication de la methode de Ritz dans
le cas o`
u lespace Vh consiste en des fonctions polynomiales par morceaux, continues sur
ainsi que certaines de leurs derivees. Nous detaillons cette metode dans le cas dun
probl`eme aux limites formule sur un ouvert borne du plan R2 .
On decompose louvert en une juxtapositions de domaines elementaires l , l L,
appeles
el
ements finis. On travaille sur chaque l avec des fonctions polynomiales, qui
se raccordent continument le long des fronti`eres de ces domaines elementaires, ainsi que
certaines de leurs derivees. On doit avoir Vh V , o`
u V est typiquement un sous-espace
ferme de lespace de Sobolev H m (). On peut montrer quune fonction vh polynomiale par
morceaux est dans H m () si et seulement si vh C m1 (). Dans le cas dun probl`eme
du second ordre, on a m = 1, de sorte que les fonctions vh doivent etre continues.
Sur chaque element l , une fonction polynomiale sera determinee par ses valeurs (ainsi
que celles de certaines de ses derivees), appelees valeurs nodales, en certains points de
l , appeles points nodaux ou noeuds. Les noeuds, les valeurs nodales et le degre des
polynomes utilises doivent etre choisis de sorte que le nombre total de valeurs nodales
de coefficients dans un
suir un element fini coincide avec le nombre C(d) = (d+1)(d+2)
2
polynome de degre d en 2 variables. Une fonction dans Vh sera alors representee sur
ordinateur par le vecteur constitue de toutes ses valeurs nodales sur .
Pour affiner cette representation, dans le but dobtenir une meilleure solution approchee
uh Vh , on peut soit subdiviser les elements l en des domaines plus petits (version h),
soit augmenter le degre des polynomes utilises (version p).
Etudions maintenant quelques mani`eres de choisir les noeuds, les valeurs nodales et le
degre des polynomes utilises dans le cas delements finis triangulaires.
Interpolation de Lagrange
Dans ce cas, les valeurs nodales sont uniquement les valeurs de la fonction polynomiale
aux noeuds (et de ses derivees). Pour obtenir des fonctions polynomiales par morceaux
continues, il suffira dimposer que les valeurs nodales sur chaque cote de l suffisent exactement `a determiner le polynome sur ce cote. Par contre, il ne sera pas possible dobtenir
des fonctions polynomiales par morceaux de classe C k sur avec k > 0.
Interpolation lin
eaire

Lorsque d = 1 et donc C(d) = 3, il suffit de choisir comme noeuds les sommets du triangle.
Les valeurs nodales aux deux noeuds sur chaque cote determinent bien une fonction lineaire
sur ce cote.

132

Interpolation quadratique

Lorsque d = 2 et donc C(d) = 6, on choisit comme noeuds les sommets et les milieux des
cotes du triangle. Les valeurs nodales aux trois noeuds sur chaque cote determinent bien
une fonction quadratique sur ce c
ote.
Interpolation cubique

Lorsque d = 3 et donc C(d) = 10, on choisit comme noeuds les sommets du triangle,
les points subdivant chaque c
ote du triangle en 3 parties egales et le centre de gravite
du triangle. Les valeurs nodales aux quatre noeuds sur chaque cote determinent bien une
fonction cubique sur ce c
ote.

=3
d=1

=6
d=2

= 10
d=3

Fig. 8.1 Interpolation de Lagrange.

Interpolation dHermite
Dans ce cas, les valeurs nodales comprennent egalement les valeurs de certaines derivees du
polynome en certains noeuds. Suivant les cas, on obtiendra divers types de raccordement
pour les derivees le long des c
otes des triangles.
Interpolation cubique

Lorsque d = 3 et donc C(d) = 10, on choisit comme noeuds les sommets du triangle, o`
u

lon utilise comme valeurs nodales les valeurs de ,


et
,
ainsi
que
le
centre
de
gravit
e
x
y
du triangle, o`
u lon utilise comme valeur nodale la valeur de .
On peut montrer quune telle fonction polynomiale par morceaux est continue, mais que
ses derivees premi`eres ne se raccordent contnument quaux sommets des triangles.
Interpolation quintique

Lorsque d = 5 et donc C(d) = 21, on choisit comme noeuds les sommets du triangle, o`
u
2
2 2
lon utilise comme valeurs nodales les valeurs de , x , y , x2 , xy et y2 , ainsi que les
milieux des c
otes du triangle, o`
u lon utilise comme valeur nodale la valeur de la derive

de .
normale n

133

On peut montrer que, de cette mani`ere, on obtient des fonctions polynomiales par morceaux de classe C 1 sur .
Interpolation quintique r
eduite

Dans la methode precedente, au lieu dutiliser les milieux des cotes du triangle pour y

recolter les 3 derni`eres valeurs nodales, on impose que la derivee normale n


de sur
chaque cote soit une cubique.
De cette mani`ere, on obtient encore des fonctions polynomiales par morceaux de classe C 1
sur .

= 10
d=3

= 21
d=5

= 18 (+3 conditions)
d=5

Fig. 8.2 Interpolation dHermite.

Assemblage de la matrice de rigidit


e
Une fois que les noeuds et valeurs nodales ont ete choisis, et donc que lespace Vh et une
base (j )1jN sont determines, il faut calculer la matrice de rigidite du syst`eme de Ritz.
(l)
Les coefficients aij peuvent etre calcules en sommant des contributions locales aij pour
P
(l)
chaque element fini l : aij = L
l=1 aij , avec
(l)
aij

!
2
X
j
i
(x)
(x) dx,
p(x)
xk
xk
k=1

dans le cas de lexemple de la section 8.1.5.


(l)

La matrice A(l) = (aij ) est appelee matrice de rigidit


e
el
ementaire ou locale. Le
(l)
calcul de A `
a partir des matrices A sappelle lassemblage. Cette methode sapplique
aussi au calcul du vecteur b `
a partir de f V .
Pour assembler la matrice A, on parcourt dabord tous les elements dans et on somme
leurs contributions provenant dintegrales de volume (sur l ). La matrice ainsi obtenue est
appelee matrice de rigidit
e primitive. Ensuite, on parcourt tous les elements adjacents
`a et on somme encore leurs contributions de fronti`eres, provenant dintegrales de bord
(sur l ).
La matrice ainsi obtenue incorpore automatiquement les conditions aux limites naturelles
du probl`eme. Par contre, il faut imposer explicitement les conditions aux limites essen-

134

tielles. Pour cela, il faut donner des valeurs prescrites `a certaines valeurs nodales (composantes de ), puis deplacer les termes correspondants dans le membre de droite. Enfin,
on elimine les equations dans lesquelles une valeur nodale connue est multipliee par un
coefficient diagonal de A.

8.3

Probl`
emes aux valeurs propres

Nous allons maintenant formuler des probl`emes aux valeurs propres sous une forme variationnelle.

8.3.1

Quotient de Rayleigh

Soit A : D(A) H H un operateur lineaire symetrique dans un espace de Hilbert H.


On consid`ere lequation
Au = u
avec R et u H. Cette equation a en general de nombreuses solutions, qui sont les
valeurs propres et vecteurs propres de loperateur A.
Le quotient de Rayleigh de A est la fonctionnelle R : D(A) \ {0} R definie par
R(u) =

hu, Aui
.
hu, ui

Considerons le probl`eme variationnel qui consiste `a minimiser sur D(A) \ {0} le quotient
de Rayleigh.
Comme la fonctionnelle de Ritz, lorsque loperateur A est coercif, le quotient de Rayleigh
setend de mani`ere unique en une fonctionnelle definie sur Va \ {0}, o`
u Va H est la
completion de D(A) pour la norme energie k ka .
Lorsque loperateur A est symetrique, coercif et poss`ede une base orthonormee de vecteurs
propres, on peut montrer que
0 = inf R(u)
uVa \{0}

est la plus petite valeur propre de A et que cette valeur est atteinte par un vecteur propre
u0 Va \ {0} correspondant `
a la valeur propre 0 : R(u0 ) = 0 .
En minimisant ensuite le quotient de Rayleigh sur lorthogonal des espaces propres dej`a
obtenus, on peut trouver toutes les valeurs propres et vecteurs propres de loperateur A
par cette methode variationnelle.

135

8.3.2

Valeurs propres du laplacien

Nous allons illustrer la methode variationnelle ci-dessus dans le cas de loperateur laplacien.
Soit un ouvert borne de Rn , et considerons donc le probl`eme aux valeurs propres

u = u
dans ,
u = 0
sur ,
o`
u u L3 () et R.
Pour reformuler ce probl`eme sous forme variationnelle, prenons H = L2 () et
A : D(A) = C0 () H H : u 7 Au = u.
Nous avons vu dans la section 8.1.2 que cet operateur lineaire est symetrique et coercif, et
que la norme energie k ka correspondante est equivalente `a la norme H 1 sur D(A). Par
consequent, la completion de D(A) = C0 () pour cette norme est Va = H01 ().
Le quotient de Rayleigh etendu est donc la fonctionnelle R : H01 () R donnee par
R(u) =

kuk2L2
.
kuk2L2

Le numerateur de cette expression est appele int


egrale de Dirichlet :

Z X
n
u 2
2


kukL2 =
xi dx.

i=1

Nous devons maintenant montrer que linfimum du quotient de Rayleigh est atteint par
un element de H01 ().
Th
eor`
eme 8.9. Soit S = {uj H01 () | j J N} une collection de vecteur propres du
laplacien : uj = j uj pour des valeurs propres j R. Alors il existe u
e S \ {0} tel
que
kuk2L2
ke
uk2L2
e
=
inf
= .
2
ke
uk2L2
uS \{0} kukL2
eu.
De plus, e
u = e

e R par
Demonstration. Definissons
e=

kuk2L2
.
2
uS \{0} kukL2
inf

Par definition de linfimum, il existe une suite minimisante (vk ) dans S \ {0} pour le
quotient de Rayleigh, cest-`
a-dire telle que R(vk ) 0 lorsque k . Sans perte de
generalite, nous pouvons supposer que kvk kL2 = 1. Par consequent,
kvk k2H 1 = kvk k2L2 + kvk k2H 1 = 1 + R(vk ) 1,

136

k ,

de sorte que la suite (vk ) est bornee dans H01 (). Par le theor`eme de Rellich, on peut en
extraire une sous-suite, que nous noterons encore (vk ), qui est convergente dans L2 ().
Soit u
e L2 () sa limite. On a donc en particulier
ke
ukL2 = lim kvk kL2 = 1
k

et

he
u, ul iL2 = lim hvk , ul iL2 = 0.
k

e Comme R(u)
e pour tout u S \ {0}, on a
Verifions maintenant que R(e
u) = .
e k + wk2 2 0,
kvk + wk2L2 kv
L

pour tout w S et R. En developpant, on obtient



2
2
2
e
e
e k k2 2 + 2Re hvk , wiL2 2Re
+
||
kwk

kwk
hv
,
wi
kvk k2L2 kv
2
k
L
L2 0.
L

2 . En prenant la limite inf


e
erieure pour k , on obtient
Posons c = kwk2 kwk
L2

e
lim inf 2Re hvk , wiL2 2Re
he
u, wiL2 ||2 c.
k

Lorsque = 0 > 0, ceci donne

e
u, wiL2
lim inf Rehvk , wiL2 Rehe
k

0
c,
2

alors que pour = 0 < 0, on a

e
u, wiL2
lim sup Rehvk , wiL2 Rehe
k

0
c.
2

Comme 0 > 0 est arbitraire, on en deduit que

e
u, wiL2 = 0.
lim Rehvk , wiL2 Rehe

En remplacant w par iw, on obtient aussi

e
u, wiL2 = 0,
lim Imhvk , wiL2 Imhe

de sorte que finalement

e u, wiL2 ,
lim hvk , wiL2 = he

pour tout w S .

En prenant w = vj dans (8.5), et en prenant la limite pour j , on obtient


e
e uk2 2 = .
lim lim hvk , vj iL2 = ke
L

j k

En particulier, la suite (vk ) est une suite de Cauchy dans L2 () car


kvk vj k2L2 = kvk k2L2 2Rehvk , vj iL2 + kvj k2L2 .

137

(8.5)

u) =
e H01 () et R(e
La suite (vk ) est donc de Cauchy dans H01 (). Par consequent, u
e
limk R(vk ) = .
Lequation (8.5) devient alors

e u, wiL2 ,
he
u, wiL2 = he

pour tout w S . Soit C0 () ; alors


X
w =
huj , iL2 uj S
jJ

et donc, comme
on obtient

e u, uj iL2 = 0,
u, uj iL2 = he
he
u, uj iL2 = he
e u, iL2 ,
he
u, iL2 = he

eu.
pour tout C0 (). Ceci montre bien que e
u = e

Corollaire 8.10. Les vecteurs propres de loperateur sur H01 () forment une suite
orthogonale compl`ete dans H01 () et dans L2 ().
Demonstration. Lapplication repetee du Theor`eme 8.9 permet de construire une suite
orthonormee dans L2 () de vecteurs propres uj H01 (), correspondant aux valeurs
propres j et satisfaisant
0 < 1 2 3 . . .

Il suffit en effet dappliquer le Theor`eme 8.9 avec S = {u1 , . . . , uj } pour obtenir uj+1 et
j+1 .
Remarquons que, pour tout R, on a max{j N | j = R(uj ) < } < , ce qui revient
a` dire que limj j = . En effet, si ce netait pas le cas, la suite (uj ) serait bornee dans
H01 () et par le theor`eme de Rellich on pourrait en extraire une sous-suite convergente
dans L2 (). Mais une suite orthonormee ne peut etre convergente, une contradiction.
Soit v H01 () \ {0}, et soit k N tel que k > R(u). Si hv, uj iL2 = 0 pour tout
j = 1, . . . , k alors par construction de la suite (uj ), on doit avoir R(u) R(uk ) = k , une
contradiction. Comme H01 () est dense dans L2 (), ceci implique que la suite (uj ) est
compl`ete dans L2 ().
Enfin, remarquons que
hui , uj iH 1 = hui , uj iL2 + hui , uj iL2 = ij (1 + j ),
de sorte que la suite (uj ) est egalement orthogonale et compl`ete dans H01 ().

138

Exercices sur le Chapitre 8


1. On consid`ere le probl`eme aux limites

u = f
n u + u = 0

dans ,
sur ,

o`
u Rn est un ouvert borne `a fronti`ere de classe C 1 , n est la normale exterieure
unite `
a et f L2 ().

(a) Montrer avec un raisonnement par labsurde la deuxi`eme inegalite de Friedrichs :


il existe une constante C > 0 telle que

kk2L2 C kk2L2 + k()k2L2
pour tout C ().

(b) Montrer que loperateur A de ce probl`eme est symetrique et coercif.


(c) Donner la formulation variationnelle de ce probl`eme.

139

Notations
||
kk
h, i

(A)
(V, V )
(V , V )

A
A
B(x, r)
B(x, r)
B(X, E)
C m ()
C0m ()
Cbm ()
m ()
CK
m (Rn )
C
d(, )
D(T )
D()
D ()
EX
E()
E ()
fr
frc
F
G(T )

module.
norme.
crochet de dualite ou produit scalaire, dapr`es le contexte.
produit de convolution.
produit tensoriel.
somme directe algebrique ou topologique, dapr`es le contexte.
multi-indice (1 , . . . , n ).
derivee par rapport au multi-indice .
bord de lensemble A.
application de trace pour espaces de Sobolev.
distribution de Dirac.
diam`etre de lensemble A.
topologie faible sur V .
topologie faible * sur V .
ouvert de Rn .
adjoint de lapplication lineaire A.
adherence de lensemble A.
boule ouverte de centre x et de rayon r.
boule fermee de centre x et de rayon r.
espace des fonctions bornees de X dans E.
espace des fonctions de classe C m dans .
espace des fonctions de classe C m `a support compact dans .
espace des fonctions de classe C m `a derivees bornees sur .
espace des fonctions de classe C m `a support dans K .
espace des fonctions de classe C m qui tendent vers 0 `a linfini.
distance.
domaine de loperateur lineaire T .
espace des fonctions test sur .
espace des distributions sur .
espace des fonctions de X dans E.
espace des fonctions de classe C sur .
espace des distributions `a support compact dans .
regularisation de la distribution f .
regularisation canonique de la distribution f .
transformation de Fourier.
graphe de loperateur lineaire T .

140

H
H m ()
H0m ()
H s (Rn )
im A
Im(z)
int(A)
J
ker A
K
lp (E)
L2 (S)
L2 (R)
Lp ()
L(V, W )
P
Re(z)
supp(f )
S(Rn )
S (Rn )
S
Ta
T
vp(f )
W m,p ()

espace de Hilbert ou fonction de Heaviside, dapr`es le contexte.


espace de Sobolev dordre m sur .
espace de Sobolev dordre m `a trace nulle sur .
espace de Sobolev dordre fractionnaire s sur Rn .
image de lapplication lineaire A.
partie imaginaire de z.
interieur de lensemble A.
operateur de lissage.
noyau de lapplication lineaire A.
corps des scalaires : R ou C.
espace des suites dans E de norme `a la p`eme puissance sommable.
espace de Lebesgue dexposant 2 sur la sous-variete S.
espace de Lebesgue dexp. 2 pour lintegrale de Riemann-Stieltjes sur R.
espace de Lebesgue dexposant p sur .
espace des applications lineaires bornees de V dans W .
projecteur.
partie reelle de z.
support de la fonction ou de la distribution f .
espace de Schwartz des fonctions `a decroissance rapide sur Rn .
espace des distributions temperees.
orthogonal de S.
operateur de translation par a Rn .
topologie.
valeur principale de la fonction f .
espace de Sobolev dordre m et dexposant p sur .

141

Bibliographie
[1] H. Brezis, Analyse fonctionnelle : theorie et applications, Masson (1983).
[2] D.H. Griffel, Applied functional analysis, Dover (2002).
[3] E. Kreyszig, Introductory functional analysis with applications, Wiley (1978).
[4] L. Schwartz, Analyse I : theorie des ensembles et topologie, Hermann (1991).
[5] L. Schwartz, Methodes mathematiques pour les sciences physiques, Hermann (1965).

142