Académique Documents
Professionnel Documents
Culture Documents
MATH-H-402
Introduction `
a lanalyse
fonctionnelle et applications
Frederic Bourgeois
1 Espaces m
etriques et topologiques
1.1
1.2
11
Espaces metriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1.1
Definitions
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1.1.2
1.1.3
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
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
2.2.4
Operateurs lineaires . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
Espaces de Banach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.3.1
Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34
2.3.2
2.3.3
Projecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.4
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
3.4
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
4.2.6
4.3
Lissage . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
4.4
Regularisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
4.5
Proprietes locales . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
4.6
4.5.1
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
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
Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.3.2
Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
5.3.3
Theor`eme de Paley-Wiener . . . . . . . . . . . . . . . . . . . . . . . 82
Produit de convolution . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 85
5.4.1
5.4.2
5.4.3
5.5.2
Probl`emes devolution . . . . . . . . . . . . . . . . . . . . . . . . . . 92
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
7 Espaces de Sobolev
7.1
112
Espaces H m () . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
7.1.1
Definition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 112
7.1.2
7.1.3
Proprietes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 114
7.2
7.3
7.3.2
Espaces H s . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 121
8 Probl`
emes aux limites
8.1
8.2
8.3
122
8.1.2
8.1.3
8.1.4
8.1.5
Generalisation
. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 129
8.2.2
8.3.2
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.
Espaces topologiques
(chap 1, sec 1.2)
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
11
Le diam`
etre (A) est defini par
(A) = sup d(y, z).
y,zA
1.1.2
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
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 .
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 :
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 EE = d.
de sorte que d|
15
lorsque k .
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 les ensembles Fi , i I, avec I fini, sont fermes alors iIFi est ferme.
16
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.
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
21
(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
c1 = . . . = ck = 0.
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 }.
e + ker A).
ker A) + A(v
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,
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
p
X
< ,
1 p < ,
|xn |p
kxkp =
n=0
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
27
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, )
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
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
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
kAvk
.
kvk
k(B + C)vk
kBvk
kCvk
sup
+ sup
= kBk + kCk.
kvk
vV kvk
vV kvk
v6=0
v6=0
kAvk
kB Avk
sup kBk
= kBk kAk.
kvk
kvk
vV
v6=0
31
(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.
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
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
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
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.
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,
(iii) V = ker P im P ,
Demonstration.
(i) (I P )2 = I 2P + P 2 = I P .
36
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
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,
n
\
i=1
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
n
X
i=1
|xi |
et
41
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
n=0
!1
|xn |
< ,
1 p < ,
(a) Montrer que lespace lp (R), muni de la norme k kp , est un espace de Banach.
(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} ;
f
xi
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
43
pour tout v, w V .
Demonstration.
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
1
4
1
4
kv + wk2 kv wk2 + ikv + iwk2 ikv iwk2
kv + wk2 kv wk2 (identite de polarisation),
pour tout v, w V .
(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
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
Par consequent,
1
kwi wj k2 4(d + )2 4kv (wi + wj )k2
2
4(d + )2 4d2
= 4(2d + ).
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
3.3
et on normalise le resultat :
en = ebn /kb
en k.
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.
n
X
i=1
ai ei k2 = kvk2 2Re
= kvk2 +
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 .
(ii) Lorsque lerreur ci-dessus est minimale, son carre est donne par
kv
n
X
i=1
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 ,
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
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
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
|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
(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
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
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
(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
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 ;
kU vk
= 1.
kvk
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.
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
(b) (V1 + V2 ) = V1 V2 .
(c) (V1 V2 ) = V1 + V2 .
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
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
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
pour tout n N
Ceci revient `
a demander quil existe un compact K de tel que n CK
D
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
(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
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
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
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
Rn
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
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
(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
g
x
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.
61
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
f2
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
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
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 )
4.2.6
Propri
et
es des op
erations
Les operations introduites ci-dessus sont des applications lineaires continues dans D . En
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 ,
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
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
xy
.
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 ) ;
(v) J f f lorsque 0 ;
D
(vi) si fn f alors J fn J f ;
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.
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
||
|(y + x) (y)|(x) dx
B(0,1)
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
(vi) De meme,
hJ fn , i = hfn , J i hf, J i = hJ f, i
(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
(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 =
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
Z
1
(x)dx +
x
1
(x)dx
x
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
(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
69
N
X
i=1
hfi , i i.
4.5.3
Structure locale
4.6
Produit tensoriel
70
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 ( ) ;
2 2
n en x .
d
dx
1
(c) log kxk
D (R2 ).
1
r r (r r )
fonction x1 .
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.
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
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
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 .
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
|f (x)| P (kxk)
74
5.2
5.2.1
Transform
ee de Fourier dans S(Rn )
D
efinition
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
75
i|| y F() = F( );
et
n Z
Rn
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
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
formement vers ,
b on en deduit que
b
yj
= F(ixj ).
bk
yj
converge vers
b
yj .
On en deduit que
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().
76
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 ).
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
=
()
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
Rn
pour une certaine constante C > 0. Mais le fait que n 0 implique que
sup (1 + kxkp+n )| (x n (x))| 0,
xRn
=
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
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
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
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)
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
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
hF 1 (f ), i = hf, F 1 ()i,
pour tout f S (Rn ), S(Rn ) ;
81
(5.5)
Demonstration.
S
(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 ).
= 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)
(5.7)
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
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
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
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
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
5.4
5.4.1
k2
1
4r
1
.
+ 2
3
est 12
1
.
k2
Produit de convolution
Produit de convolution dans S(Rn )
(iii) pour tout S(Rn ), lapplication lineaire S(Rn ) S(Rn ) : 7 est continue ;
85
( ) = ( );
(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
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
Rn
pour tout x
Rn .
pour tout x Rn .
= ( )(x),
86
= h, e i.
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
(5.8)
e
pour tout S(Rn ), avec (x)
= (x) pour tout x Rn .
87
pour tout y Rn .
J f (y) = hf, Ty i,
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.
= h, i,
88
5.4.3
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,
89
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)
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
Par consequent,
b
G(y)
=
n
G(x) = F
1
.
kyk2 + 2
1
1
2
2 kyk + 2
e|x|
,
2
91
3
1
kyk2 + 2
er
,
4r
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
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 .
j=1 cj xj u = c u,
t u(t, x) =
u(0, x) = v(x).
t 0, x Rn ,
u(t) =
n
t 0, x Rn ,
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
(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 ).
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
pour tout ,
C0 ().
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
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,
=
=
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,
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
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) },
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
R \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+)
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 ) ;
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 ))
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
(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
(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
101
(i) (inegalite de H
older)
Z
(x)(x) dx kkLp kkLq ,
1
p
1
q
= 1;
sur R+
0 , on a
1 q
1
1
b log ap + log bq = log ab,
q
p
q
q/p
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
1
p
1
q
k (x)(x) dx
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 < .
1
p
1
q
= 1.
avec
hf, gi = lim hk , k i,
k
o`
u (k ) et (k ) sont des suites dans
C0 ()
103
|hF, f i|
= kgkLq .
f Lp () kf kLp
sup
Lp ()
1
p
1
q
= 1.
6.3
6.3.1
Espaces L1 et L
D
efinition
104
et
kk = sup |(x)|,
x
C0 ().
1
1
= 1), car
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
105
L ()
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,
kF k =
|hF, f i|
= kgkL .
f L1 () kf kL1
sup
106
Par consequent,
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
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
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 .
6.4.2
Int
egration
kF k = sup |F (x)| (b a)
axb
108
Rx
kf kLp .
f . Alors F C 0 (R) et
|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.
|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.
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.
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
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
1
r
1
q .
Rn
|(x y)||(y)| dy
Z
Rn
1/q Z
Rn
|(y)| dy
11/q
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
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
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).
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
h
Ux
Q0
fronti`ekre
k lipschitzienne
RR
RRRR
RRRR
RRR
RR $,
kk
kkk
kkk
k
k
kk
qy kk
propriete du cone
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
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
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 ().
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 |,
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
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
||m
||m
119
7.3
7.3.1
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},
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 ().
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
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 )},
s
s
hf, gis = h(1 + kyk2 ) 2 fb, (1 + kyk2 ) 2 gbiL2
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
(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 ;
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)
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;
a(u, v) = hf, vi
pour tout v Va .
124
8.1.2
Probl`
eme de Poisson
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
(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
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
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
126
8.1.3
Probl`
eme de Poisson-Neumann
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 .
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
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.
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
8.1.4
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
i=1
i=1
129
u
ni=1 x
(x)
= f (x)
dans ,
p(x)
xi
i
u = 0
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.
130
(8.4)
a(u Ph u, u Ph u)
ku Ph uk2 .
On en deduit que
ku uh k
ku Ph uk =
min ku vk.
vVh
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
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
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
= 10
d=3
= 21
d=5
= 18 (+3 conditions)
d=5
!
2
X
j
i
(x)
(x) dx,
p(x)
xk
xk
k=1
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
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
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
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
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
e
lim inf 2Re hvk , wiL2 2Re
he
u, wiL2 ||2 c.
k
e
u, wiL2
lim inf Rehvk , wiL2 Rehe
k
0
c,
2
e
u, wiL2
lim sup Rehvk , wiL2 Rehe
k
0
c.
2
e
u, wiL2 = 0.
lim Rehvk , wiL2 Rehe
e
u, wiL2 = 0,
lim Imhvk , wiL2 Imhe
e u, wiL2 ,
lim hvk , wiL2 = he
pour tout w S .
j k
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
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
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 ().
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 ()
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