Vous êtes sur la page 1sur 135

Université Frères Mentouri Constantine

Faculté Des Sciences Exactes

Département Des Mathématiques

Hameida Ali et Berkane Abdelhak

Analyse Fonctionnelle
Linéaire
I- Opérateurs Linéaires bornés

2019
Hameida Ali et Berkane Abdelhak

Université Frères Mentouri Constantine

Faculté des Sciences Exactes

Département de Mathématiques

Analyse fonctionnelle linéaire


I- Opérateurs linéaires bornés

Hameida Ali et Berkane Abdelhak

2019

1
Hameida Ali et Berkane Abdelhak

2
Hameida Ali et Berkane Abdelhak

Préface

Une partie du développement de l'analyse fonctionnelle peut être attribuée aux


tentatives de trouver un cadre approprié pour discuter des équations différentielles et
intégrales. Souvent, le paramètre approprié s’avérait être un espace vectoriel de fonctions
réelles ou à valeurs complexes définies sur un ensemble. En général, un tel espace est de
dimension infinie. Cela pose des difficultés en ce que, même si nombre des propriétés
élémentaires des espaces vectoriels de dimension finie sont conservés dans des espaces
vectoriels de dimension infinie, de nombreuses autres ne le sont pas. Par exemple, dans les
espaces vectoriels de dimension infinie en général, il n’existe aucun cadre permettant de
donner un sens à des concepts analytiques tels que la convergence et la continuité.
Néanmoins, il existe souvent une norme sur les espaces qui nous intéressent le plus (qui étend
l'idée de la longueur d'un vecteur à un cadre un peu plus abstrait). Puisqu’une norme sur un
espace vectoriel donne lieu à une métrique sur l’espace, il est maintenant possible de faire une
analyse dans l’espace. Comme les fonctions réelles ou à valeurs complexes sont souvent
appelées fonctionnelles, le terme analyse fonctionnelle a été utilisé pour désigner ce sujet.

Nous décrivons maintenant brièvement le contenu du manuel.

Dans le chapitre 1, nous présentons (pour référence et pour établir notre notation)
diverses idées de base qui seront nécessaires tout au long du manuel. Plus précisément, nous
discutons des résultats de l’algèbre linéaire élémentaire et de la théorie de base des espaces
métriques qui sera requise dans les chapitres suivants. Nous donnons également un bref
résumé des éléments de la théorie de la mesure de Lebesgue et de son intégration. Parmi les
trois sujets abordés dans ce chapitre d'introduction, l'intégration de Lebesgue est sans aucun
doute le plus difficile sur le plan technique et celui que le lecteur potentiel est le moins
susceptible d'avoir rencontré auparavant. Malheureusement, bon nombre des espaces les plus
importants qui naissent de l'analyse fonctionnelle sont des espaces de fonctions intégrables. Il
est donc nécessaire d'utiliser l'intégrale de Lebesgue pour surmonter divers inconvénients de
l'intégrale élémentaire de Riemann, couramment enseignée dans les cours d'analyse réels. Le
lecteur qui n'a pas encore rencontré l'intégration de Lebesgue peut toujours lire ce livre en
acceptant l'existence d'un processus d'intégration qui coïncide avec l'intégrale de Riemann
lorsque celle-ci est définie, mais qui s'étend à une classe plus large de fonctions et qui possède
les propriétés décrites dans la section 1.3. .

Au chapitre 2, nous examinons le concept fondamental de l'analyse fonctionnelle,


l'espace vectoriel normé. Comme mentionné ci-dessus, une norme sur un espace vectoriel est
simplement une extension de l'idée de la longueur d'un vecteur à un paramètre plus abstrait.
Via une métrique associée, la norme est à l’origine de toute la discussion sur la convergence
et la continuité dans les espaces vectoriels de ce livre. Les propriétés de base des espaces
vectoriels normés sont décrites dans ce chapitre. En particulier, nous commençons l’étude des
espaces de Banach, qui sont des espaces vectoriels normés complets. En dimension finie, en
plus de la longueur d'un vecteur, l'angle entre deux vecteurs est également utilisé.

3
Hameida Ali et Berkane Abdelhak

Après avoir abordé diverses propriétés des espaces vectoriels de dimension infinie,
l'étape suivante consiste à examiner les transformations linéaires entre ces espaces. Les
transformations linéaires les plus importantes sont les transformations continues, appelées
opérateurs linéaires.

Au chapitre 3, nous décrivons les propriétés générales des opérateurs linéaires entre
espaces vectoriels normés. Toute transformation linéaire entre espaces vectoriels de
dimension finie est automatiquement continue, aussi les questions relatives à la continuité de
la transformation peuvent-elles être ignorées (et le sont généralement). Cependant, lorsque les
espaces sont de dimension infinie, ce n'est certainement pas le cas et la continuité, des
transformations linéaires, doit être étudiée individuellement beaucoup plus attentivement. De
plus, nous étudions les propriétés de l’ensemble des opérateurs linéaires entre des espaces
vectoriels normés donnés. En particulier, il sera montré que cet ensemble est lui-même un
espace vectoriel normé, et certaines propriétés de cet espace seront discutées. Enfin, pour
certains opérateurs linéaires, il est possible de définir un opérateur inverse et nous conclurons
le chapitre par une caractérisation de l'inversibilité d'un opérateur.

Un grand nombre d'exercices est inclus, ainsi que des solutions complètes.
Beaucoup de ces exercices sont relativement simples, alors que d'autres le sont beaucoup
moins. Il est vivement recommandé à l'étudiant de tenter de résoudre au moins la plupart de
ces questions avant de voir la solution. C’est le seul moyen d’apprendre vraiment dans
n’importe quelle branche des mathématiques.

4
Hameida Ali et Berkane Abdelhak

5
Hameida Ali et Berkane Abdelhak

1- Préliminaires

0 Introduction

L'analyse fonctionnelle peut être décrite comme une algèbre linéaire de dimension infinie
combinée à une analyse, afin de donner un sens à des idées telles que la convergence et la continuité.

Il s’ensuit que nous allons faire un usage intensif de ces sujets.

Dans ce chapitre, nous rappelons brièvement et résumons les différentes idées et résultats
essentiels à l’étude de l’analyse fonctionnelle. Cependant, nous devons insister sur le fait que ce
chapitre n’essaie que de passer en revue le matériel et d’établir la notation que nous utiliserons.

Nous n'essayons pas de motiver ni d'expliquer ce matériel, et tout lecteur qui ne l'a pas encore
rencontré devrait consulter un manuel approprié pour plus d'informations.

La section 1.1 discute des résultats de base de l’algèbre linéaire qui seront nécessaires. Le
matériel ici est assez standard bien qu'en général nous n'émettions aucune hypothèse de
dimensionnalité finie sauf en cas d'absolue nécessité.

La section 1.2 traite des idées de base des espaces métriques. Les espaces métriques
constituent le cadre approprié pour discuter des concepts analytiques de base tels que la convergence
des suites et la continuité des fonctions. Les idées sont un prolongement naturel des concepts habituels
rencontrés dans les cours élémentaires d’analyse réelle. Dans les espaces métriques généraux, aucune
autre structure n'est imposée au-delà d'une métrique, utilisée pour discuter de la convergence et de la
continuité. Cependant, l’essence de l’analyse fonctionnelle est de considérer les espaces vectoriels
(généralement de dimension infinie) qui sont des espaces métriques et d’étudier l’interaction entre les
structures algébriques et métriques des espaces, en particulier lorsque ces espaces sont des espaces
métriques complets.

Dans la section 1.3 nous décrirons les résultats de base de la théorie de l’intégration de
Lebesgue qui seront nécessaire, sans aucune preuve. L'intégration de Lebesgue est un outil technique
important dans la théorie. Cela est dû au fait que de nombreux espaces vectoriels importants sont
constitués d’ensembles de fonctions intégrables. Pour que les propriétés d’espace métrique
souhaitables, telles que la complétude, soient conservées dans ces espaces, il est nécessaire d’utiliser
l’intégration de Lebesgue plutôt que l’intégration plus simple de Riemann habituellement décrite dans
les cours d’analyse élémentaire. Parmi les trois sujets abordés dans ce chapitre introductif,
l’intégration de Lebesgue est sans aucun doute le plus difficile du point de vue technique et celui que
le futur étudiant aura probablement jamais rencontré. Pour le lecteur peu familiarisé avec l’intégration
de Lebesgue et qui ne souhaite pas se lancer dans une étude prolongée de la théorie, il suffit d’accepter
l’existence d’un processus d’intégration qui s’applique à une large classe de fonctions de «Lebesgue
intégrable» et qui possède propriétés décrites à la section 1.3, dont la plupart sont des extensions
évidentes des propriétés correspondantes de l’intégrale de Riemann.

6
Hameida Ali et Berkane Abdelhak

1 Algèbre linéaire

Tout au long du cours nous avons essayé d'utiliser la notation mathématique standard autant
que possible. La base de la discussion est la théorique des ensembles standard, notation et
terminologie. Des détails sont donnés dans, par exemple, [7].

 Les ensembles seront généralement désignés par des lettres majuscules, , , . . ., tandis que
les éléments des ensembles seront indiqués par des lettres minuscules, , , . . ..
 Les opérations théoriques habituelles sur les ensembles seront utilisées :
⊂ , ∪, ∩, ø (l’ensemble vide), × (produit cartésien), \ = { ∈ : ∉ }.

 Les ensembles standards suivants seront utilisés,


= l'ensemble des nombres réels,

ℂ = l'ensemble des nombres complexes,

= l'ensemble des entiers positifs {1, 2, ...}.

 Les ensembles et ℂ sont des champs algébriques. Ces champs apparaîtront tout au long de
la discussion, associés à des espaces vectoriels. Parfois, il sera crucial de spécifier lequel de
ces champs nous utilisons, mais lorsque la discussion s’appliquera aussi bien aux deux, nous
utiliserons simplement la notation pour désigner l’un ou l’autre ensemble.
 Les parties réelle et imaginaire d'un nombre complexe seront respectivement notées ℜ et
ℑ , tandis que le complexe conjugué sera noté ̅.
 Pour tout ∈ , soit = × . . .× (le produit cartésien de copies de ).
 Les éléments de seront écrits sous la forme
= ( , . . . , ), ∈ , = 1, . . . , .

 Pour deux ensembles quelconques et , la notation : → désignera une fonction ou


application de dans . L'ensemble est le domaine de et le co domaine. Si ⊂ et
⊂ , on utilise la notation
( ) = { ( ): ∈ }, ( ) = { ∈ : ( ) }.

 Si est un troisième ensemble et que : → est une autre fonction, nous définissons la
composition de , écrite ∘ : → , par
( ∘ ) ( ) = ( ( ) ), pour tout ∈ .

Nous discutons maintenant des concepts essentiels de l’algèbre linéaire qui seront requis dans
les chapitres suivants. La plupart de cette section doit être familière, du moins dans le cadre des
dimensions finies. Voir par exemple [1] ou [5], ou tout autre livre sur l'algèbre linéaire.

Cependant, nous ne supposons pas ici que les espaces sont de dimension finie sauf indication explicite.

Définition 1

Un espace vectoriel sur est un ensemble non vide avec deux lois, l'une de × dans
et l'autre de × dans , notées respectivement + et , pour tout , ∈ et ∈ ,
tels que, pour tout , ∈ et tout , , ∈ ,

(a) + = + , +( + ) = ( + )+ ;

7
Hameida Ali et Berkane Abdelhak

(b) il existe un unique 0 ∈ (indépendant de x) tel que + 0 = ;

(c) il existe un unique − ∈ tel que + (− ) = 0;

(d) 1 = , ( ) = ( ) ;

(e) ( + ) = + ,( + ) = + .

Si = (respectivement, = ℂ), alors est un espace vectoriel réel (ou complexe).

Les éléments de s'appellent des scalaires, alors que les éléments de s'appellent des
vecteurs.

L'opération + est appelée addition de vecteurs, tandis que l'opération est appelée
multiplication scalaire.

De nombreux résultats concernant les espaces vectoriels s'appliquent aussi bien aux espaces
vectoriels réels que complexes.

Par conséquent, si le type d'un espace n'est pas spécifié explicitement, l'espace peut être de l'un ou
l'autre type et nous utiliserons simplement le terme «espace vectoriel».

 Si est un espace vectoriel avec ∈ et , ⊂ , on utilise la notation,


+ = { + : ∈ },

+ ={ + : ∈ , ∈ }.

Définition 2
Soit un espace vectoriel. Un ensemble non vide ⊂ est un sous-espace linéaire de si
est lui-même un espace vectoriel (avec la même addition vectorielle et les mêmes
multiplications scalaires dans ). Ceci est équivalent à la condition que

+ ∈ , , ∈ , ∈

(qui s'appelle le test de sous-espace).

Notez que, par définition, les espaces vectoriels et les sous-espaces linéaires sont toujours non
vides, alors que les sous-ensembles généraux d'espaces vectoriels qui ne sont pas des sous-espaces
peuvent être vides. En particulier, une des conséquences des définitions d'espace vectoriel est que
0 = pour tout ∈ (ici, 0 est le zéro scalaire et 0 est le zéro du vecteur ; sauf s'il est important
de distinguer les deux, les deux seront être noté 0). Par conséquent, tout sous-espace linéaire ⊂
doit contenir au moins le vecteur 0 et l'ensemble {0} ⊂ est un sous-espace linéaire.

Définition 3
Soit un espace vectoriel, soit = { ,..., }⊂ , ≥ 1, soit un ensemble fini et soit
⊂ un ensemble arbitraire non vide.
(a) Une combinaison linéaire des éléments de v est un vecteur quelconque de la forme

= +...+ ∈ , (1.1)

8
Hameida Ali et Berkane Abdelhak

pour tout ensemble de scalaires ,..., .


(b) v est linéairement indépendant si l'implication suivante est vraie:

+ ...+ =0 ⇒ = ...= = 0.

(c) est linéairement indépendant si chaque sous-ensemble fini de est linéairement


indépendant. Si n'est pas linéairement indépendant, il est linéairement dépendant (lié).

(d) L'étendue de (notée ) est l'ensemble de toutes les combinaisons linéaires de tous les
sous-ensembles finis de . Cet ensemble est un sous-espace linéaire de . De manière
équivalente, est l'intersection de l'ensemble de tous les sous-espaces linéaires de qui
contiennent . Ainsi, est le plus petit sous-espace linéaire de contenant (en ce sens
que si ⊂ ⊂ et sont des sous-espaces linéaires de alors ⊂ ).

(e) Si v est linéairement indépendant et v= , alors v est appelé une base pour . On peut
montrer que si a une telle base (finie), toutes les bases de ont le même nombre d'éléments.
Si ce nombre est , alors est dit être de dimension (ou, plus généralement, de dimension
finie), et nous écrivons = . Si n’a pas une telle base finie, on dit qu’il est de
dimension infinie .

(f) Si v est une base pour alors tout ∈ peut être écrit comme une combinaison linéaire de
la forme (1.1), avec un ensemble unique de scalaires , = 1, . . . , . Ces scalaires (qui
dépendent clairement de ) sont appelés les composantes de en ce qui concerne la base v.

(g) L'ensemble est un espace vectoriel sur et l'ensemble des vecteurs

̂ = (1, 0, 0, . . . , 0), ̂ = (0, 1, 0, . . . , 0) , . . . , ̂ = (0, 0, 0, . . . , 1)

est une base pour . Cette notation sera utilisée tout au long du cours et cette base sera
appelée la base standard de .

Nous écrirons parfois dim = ∞ lorsque est de dimension infinie.

Cependant, ceci est simplement une commodité de notation et ne doit pas être interprété dans
le sens de nombres ordinaux ou cardinaux (voir [7]). En un sens, les espaces de dimension infinie
peuvent varier considérablement dans leur «taille»; voir la section 3.4 pour plus de détails à ce sujet.

Définition 4

Soit , des espaces vectoriels sur . Le produit cartésien × est un espace vectoriel
comportant les opérations spatiales suivantes :

9
Hameida Ali et Berkane Abdelhak

Pour tout ∈ et tout , ∈ × , = 1, 2, soient

( , ) + ( , ) = ( + , + ), ( , ) = ( , )

(en utilisant les opérations spatiales vectorielles correspondantes en et ).

Nous décrivons ensuite une construction typique d’espaces vectoriels composée de fonctions
définies sur un ensemble sous-jacent.

Définition 5
Soit un ensemble et un espace vectoriel sur .

(a) On dénote l'ensemble des fonctions : → par ( , ).

(b) Pour tout ∈ et tout , ∈ ( , ), nous définissons les fonctions + et αf dans


( , ) par

( + )( ) = ( ) + ( ), ( )( ) = ( ), ∈

(en utilisant les opérations spatiales vectorielles dans ).

(c) Avec ces définitions, l’ensemble ( , ) est un espace vectoriel sur .

Bon nombre des espaces vectoriels utilisés dans l'analyse fonctionnelle sont de la forme ci-dessus.

partir de maintenant, chaque fois que des fonctions seront ajoutées ou multipliées par un scalaire, le
processus sera comme dans Définition 5.

Nous notons que l'élément zéro dans ( , ) est la fonction qui est identique à l'élément zéro de .

De plus, si contient une infinité d'éléments et que ≠ {0}, alors ( , ) est de dimension infinie.

Exemple
Si est l'ensemble des entiers {1, . . . , } alors l'ensemble ( , ) peut être identifié avec
l'espace (en identifiant un élément ∈ avec la fonction ∈ ( , ) défini par
( ) = , 1 ≤ ≤ ).

Souvent, dans la construction de la définition 5, l'ensemble est un espace vectoriel et seul un


sous-ensemble de l'ensemble des fonctions : → est considéré. En particulier, dans ce cas, les
fonctions les plus importantes à considérer sont celles qui préservent la structure linéaire des espaces
vectoriels au sens de la définition suivante.

Définition 6
Soient , des espaces vectoriels sur le même champ scalaire

(a) Une fonction : → est appelée transformation linéaire (ou application) si, pour tout
, ∈ , ∈ ,

10
Hameida Ali et Berkane Abdelhak

( + )= ( )+ ( ).

(b) L'ensemble de toutes les transformations linéaires : → sera noté ( , ).

(c) Avec la multiplication scalaire et l'addition de vecteur définis dans la définition 5,


l'ensemble ( , ) est un espace vectoriel (il s'agit d'un sous-espace de ( , )).

Lorsque = , nous abrégerons ( , ) en ( ).

(d) Une transformation linéaire particulièrement simple dans ( ) est définie par ( )= ,
pour ∈ . Cette transformation est l’identité sur V (nous utilisons habituellement la notation
si on sait clairement dans quel espace agit la transformation).

Chaque fois que nous discutons des transformations linéaires : → , il sera pris pour
acquis, sans être explicitement indiqué, que et sont des espaces vectoriels sur le même champ
scalaire.

Les transformations linéaires étant des fonctions, elles peuvent être composées (quand elles
agissent sur des espaces appropriés).

Les lemmes suivants sont des conséquences immédiates de la définition d'une transformation linéaire.

Lemme 1
Soient , , des espaces vectoriels et ∈ ( , ), ∈ ( , ).

Alors, la composition ∘ ∈ ( , ).

Lemme 2
Soit un espace vectoriel, , , ∈ ( ) et ∈ . Alors:

(a) ∘ ( ∘ ) = ( ∘ )∘ ;

(b) ∘ ( + ) = ∘ + ∘ ;

(c) ( + ) ∘ = ∘ + ∘ ;

(d) ◦T = T ◦ = T;

(e) ( ) ∘ = ( ∘ ) = ∘ ( ).

Ces propriétés sont également valables pour les transformations linéaires entre différents
espaces lorsque les opérations pertinentes ont un sens (par exemple, (a) est valable lorsque
∈ ( , ), ∈ ( , ) ∈ ( , ) , pour les espaces vectoriels , , , ).

Les cinq propriétés énumérées dans le lemme 2 sont exactement les axiomes supplémentaires
qu'un espace vectoriel doit satisfaire pour être une algèbre.

Comme il s'agit du seul exemple d'algèbre que nous allons rencontrer dans ce livre, nous n'en
discuterons pas davantage, mais nous notons qu'une algèbre est à la fois un espace vectoriel et un
anneau, voir [5].

11
Hameida Ali et Berkane Abdelhak

Lorsqu'il s'agit de la composition des transformations linéaires , , il est classique d'omettre le


symbole et d'écrire simplement . Nous finirons par le faire, mais pour l’instant nous conservons le
symbole ∘.

Le lemme suivant donne quelques propriétés élémentaires supplémentaires des transformations


linéaires.

Lemme 3
Soit , des espaces vectoriels et ∈ ( , ).

(a) (0) = 0.

(b) Si est un sous-espace linéaire de , l'ensemble ( ) est un sous-espace linéaire de et


( ) ≤ (sous forme de nombres finis ou ∞).

(c) Si est un sous-espace linéaire de alors l'ensemble { ∈ : ( ) ∈ } est un sous-


espace linéaire de .

Nous pouvons maintenant énoncer une terminologie standard.

Définition 7
Soit , des espaces vectoriels et ∈ ( , ).

(a) l'image de (souvent appelée rang de T) est le sous-espace = ( );

le rang de est le nombre ( ) = ( ).

(b) Le noyau de (souvent appelé espace nul de ) est le sous-espace

= { ∈ : ( ) = 0};

la nullité de est le nombre ( ) = ( ).

Le rang et la nullité, ( ), ( ), peuvent avoir la valeur ∞.

(c) a un rang fini si ( ) est fini.

(d) est injective si, pour tout ∈ , l'équation ( ) = a au plus une solution .

(e) est surjective si, pour tout ∈ , l'équation ( ) = a au moins une solution .

(f) est bijectif si, pour tout ∈ , l’équation ( ) = a exactement une solution (c’est-à-
dire que T est à la fois surjective et injective).

Lemme 4
Soient , des espaces vectoriels et ∈ ( , ).

(a) est injective si et seulement si l'équation ( ) = 0 n'a que la solution = 0.

Cela équivaut à = {0} ou ( ) = 0.

(b) est surjective si et seulement si = .

Si est fini, cela équivaut à ( ) = .

12
Hameida Ali et Berkane Abdelhak

(c) L’application ∈ ( , ) est bijective si et seulement si, il existe une transformation


unique ∈ ( , ) qui est bijective et S ◦T = et T ◦S = .

Si est de dimension alors ( ) + ( ) = (en particulier, ( ) est nécessairement fini,


que soit ou non de dimension finie). Donc, si est aussi de dimension alors est bijectif
si et seulement si ( ) = 0.

En rapport avec la bijectivité, ou autrement, d'une transformation d'un espace en lui-même, nous
avons la définition suivante, qui sera extrêmement importante ultérieurement.

Définition 8
Soit un espace vectoriel et ∈ ( ).

Un scalaire ∈ est une valeur propre de si l'équation ( ) = a une solution non nulle
∈ , et toute solution de ce type non nulle est un vecteur propre.

Le sous-espace Ker ( − ) ⊂ est appelé espace propre (correspondant à ) et la


multiplicité de est le nombre = ( − ).

Lemme 5
Soit un espace vectoriel et soit ∈ ( ). Soit { , . . . , } un ensemble de valeurs propres
distinctes de et, pour chaque 1 ≤ ≤ , un vecteur propre correspondant à .

Alors l'ensemble { , . . . , } est linéairement indépendant.

Les transformations linéaires entre espaces vectoriels de dimension finie sont étroitement liées
aux matrices. Pour tout nombre entier , ≥ 1, soit ( ), l'ensemble des matrices × avec
des entrées dans . Un élément typique de ( ) sera écrit sous la forme [ ] ( [ ] s'il
faut souligner la taille de la matrice).

Toute matrice =[ ]∈ ( ) induit une transformation linéaire ∈ ( , )


comme suit: pour tout ∈ , soit = , où ∈ est défini par

= , 1≤ ≤

Notez que, si nous devons considérer et comme vecteurs de colonnes, cette transformation
correspond à la multiplication de matrice standard. Cependant, principalement à des fins de notation, il
est généralement pratique de considérer les éléments de comme des vecteurs de lignes. Cette
convention sera toujours utilisée ci-dessous, sauf lorsque nous souhaitons spécifiquement effectuer des
calculs de matrices agissant sur des vecteurs, puis il sera pratique d'utiliser la notation vectorielle à
colonnes.

D'autre part, si et sont des espaces vectoriels de dimension finie, une transformation
linéaire ∈ ( , ) peut être représentée sous la forme d'une matrice. Pour corriger notre notation,
nous passons brièvement en revue cette représentation (voir le chapitre 7 de [1] pour plus de détails).
Supposons que est n-dimensionnel et est m-dimensionnel, avec les bases = { , . . . , } et
= { ,..., } respectivement. Tout vecteur ∈ peut être représenté sous la forme

13
Hameida Ali et Berkane Abdelhak

pour une collection unique de scalaires ,..., . Nous définissons la matrice de colonnes

⎡ . ⎤
⎢ ⎥
=⎢ . ⎥∈ ( )
⎢ . ⎥
⎣ ⎦

L’application → est une transformation linéaire bijective de dans ( ), c'est-à-dire qu'il


existe une correspondance injective entre les vecteurs ∈ et les matrices de colonnes ∈
( ). Il existe une correspondance similaire entre les vecteurs ∈ et les matrices de colonnes ∈
( ). Maintenant, pour tout 1 ≤ j ≤ n, le vecteur a la représentation

pour les scalaires appropriés (uniques) , = 1, . . . , , = 1, . . . , . Il en résulte, par linéarité, que


pour tout ∈ ,

= =

et par conséquent, en laissant désigner la matrice [ ], la représentation matricielle du vecteur


= a la forme

(en utilisant la multiplication de matrice standard ici). Nous écrirons ( )= pour la


représentation matricielle de ci-dessus par rapport aux bases , (la notation insiste sur le fait que la
représentation ( ) dépend de u et v ainsi que de ).

Cette représentation matricielle a les propriétés suivantes.

Théorème
(a) L’application → ( ) est une transformation linéaire bijective de ( , ) vers
( ), c'est-à-dire si , ∈ ( , ) et ∈ , alors

( )= ( ), ( + ) = ( ) + ( )

(b) Si ∈ ( , ), ∈ ( , ) (où est -dimensionnel, avec la base ) alors (encore une


fois en utilisant la multiplication de matrice standard).

( ) = ( ) ( )

Lorsque = et = , les constructions ci-dessus d'un opérateur à partir d'une


matrice et d'une matrice à partir d'un opérateur sont cohérentes, dans le sens suivant.

14
Hameida Ali et Berkane Abdelhak

Lemme 6
Soit la base standard de et est la base standard de .

Soit ∈ ( ) et ∈ ( , ). Alors,

(a) ( )= ;

(b) = T (où = ( )).

Les résultats ci-dessus montrent que, bien que les matrices et les transformations linéaires entre
espaces vectoriels de dimension finie soient des concepts logiquement distincts, il existe un lien étroit
entre eux, et une grande partie de leur théorie est, par essence, identique. Cela sera particulièrement
évident au chapitre 6.

15
Hameida Ali et Berkane Abdelhak

2 Espaces métriques

Les espaces métriques constituent un cadre abstrait permettant de discuter des concepts
analytiques de base tels que la convergence de suites et la continuité de fonctions. L'outil fondamental
requis pour cela est une fonction de distance ou «métrique». La définition suivante répertorie les
propriétés cruciales d'une fonction de distance.

Définition 1
 Une distance sur un ensemble est une fonction : × → avec les propriétés
suivantes. Pour tout , , ∈ ,

(a) ( , ) ≥ 0;

(b) ( , )=0⇒ = ;

(c) ( , ) = ( , );

(d) ( , ) ≤ ( , ) + ( , ) (l'inégalité triangulaire).

 Si est une distance sur , la paire ( , ) est appelée un espace métrique.

Un ensemble donné peut avoir plus d'une distance (à moins qu'il ne soit constitué d'un seul
point). Si la distance est claire, nous écrivons souvent simplement «l'espace métrique », plutôt que
«l'espace métrique ( , )».

Exemple 1
Pour tout nombre entier ≥ 1, la fonction ∶ × → définie par

( , )= ∑ − (1.2)

est une distance de l’ensemble .

Cette distance sera appelée distance standard sur et, sauf indication contraire, sera
considérée comme un espace métrique avec cette distance.

Un exemple de métrique alternative sur est la fonction

( , )=∑ − .

Définition 2
Soit ( , ) un espace métrique et que soit un sous-ensemble de .
Définissons : × → par

( , ) = ( , ) pour tout , ∈

(c’est-à-dire que est la restriction de au sous-ensemble ).

Alors est une distance sur , appelée distance induite sur par .

16
Hameida Ali et Berkane Abdelhak

Chaque fois que nous considérons des sous-ensembles d'espaces métriques, nous les
considérons comme des espaces métriques avec la distance induite, sauf indication contraire. De plus,
nous conserverons normalement la notation d'origine pour la distance (c'est-à-dire que dans la notation
de la définition 2, nous écrirons simplement plutôt que pour la distance induite).

Définition 3
Une suite { } dans un espace métrique ( , ) converge vers ∈ (ou la suite { } est
convergente) si, pour tout > 0, il existe ∈ tel que

( , ) < , pour tout ≥ .

Comme d'habitude, on écrit

= ou ⎯⎯⎯⎯ .
→ →

Notez que, en utilisant l’idée de convergence d’une suite de nombres réels, les définitions ci-
dessus sont équivalentes à

( , ) ⎯⎯⎯⎯ 0.

Théorème 1
Supposons que { } est une suite convergente dans un espace métrique ( , ). Alors:

(a) la limite = est unique;


(b) toute sous-suite de { } converge également vers ;

Suites de Cauchy
Définition 4
Une suite ( ) dans un espace métrique est dite de Cauchy si,

∀ > 0, ∃ ∈ tel que ( ; )< chaque fois que , ≥ .

Cette condition est souvent abrégée comme suit:

( ; ) ⎯⎯⎯⎯⎯ 0 (ou lim ( ; ) = 0)


, → , →

Exemple 2
Dans l'espace métrique , la suite est de Cauchy.

Preuve.
Étant donné > 0 choisissons > . Si , > , alors

1 1 1 1 1 1 2
, = − ≤ + ≤ <

Notez que dans cette suite est également convergente.

Exemple 3
Dans l'espace métrique \{0}, la suite est de Cauchy. (La preuve est exactement la même
que dans l'exemple précédent.)

17
Hameida Ali et Berkane Abdelhak

Notez cependant que cette suite ne converge pas dans \{0}.

Proposition 1
Dans un espace métrique, toute suite convergente est une suite Cauchy.

Preuve
Supposons que ( ) soit une suite convergente dans un espace métrique et est sa limite.

Soit > 0 choisissons ∈ tel que ( , )< ≥ . Alors

( , )≤ ( , )+ ( , )< + = chaque fois que , ≥ .

Cela montre que ( ) est Cauchy.

Proposition 2
Toute suite de Cauchy ayant une sous-suite convergente est elle-même convergente (et a la
même limite que la sous-suite).

Preuve
Supposons que est une sous suite convergente, d’une suite de Cauchy ( ) et telle que
→ . Etant donné > 0 choisissons ∈ tel que ( , )< , ≥ .

Maintenant choisissons tel que ≥ et , < , alors pour tout ≥

( , )≤ , + , < + =
2 2

Proposition 3
Toute suite de Cauchy est bornée.

Preuve
Une suite dans un espace métrique , étant une fonction, est dite bornée si son rang est un sous-
ensemble borné de .

Si est une suite de Cauchy dans , alors il existe ∈ tel que ( , ) < 1 à chaque fois
que , ≥ .

Pour 1 ≤ ≤ − 1, soit = ( , ); et soit = ,…, ,1 .

Alors pour chaque ∈ , il est clair que appartient à ( ) (la boule fermée centre de
rayon ). Ainsi, le rang de la suite ( ) est bornée.

Bien que chaque suite convergente soit de Cauchy, l’inverse n’est pas nécessaire vrai. Les
espaces pour lesquels l'inverse est vrai sont dits espaces complets que nous définirons ci-après .

Diverses propriétés et classes de sous-ensembles d'espaces métriques peuvent maintenant être


définies en termes de métrique.

Définition 5
Soit ( , ) un espace métrique.

 Pour tout ∈ et tout nombre > 0, l'ensemble

18
Hameida Ali et Berkane Abdelhak

( ) = { ∈ : ( , ) < }

sera appelé la boule ouverte de centre et de rayon .

 Si = 1, la boule (1) est dite boule unité ouverte.


 L'ensemble

{ ∈ : ( , )≤ }

sera appelé la boule fermée de centre et de rayon .

 Si = 1, cet ensemble sera appelé boule unité fermée.

Définition 6
Soit ( , ) un espace métrique et soit ⊂ .

(a) est borné s'il existe un nombre entier > 0 tel que

( , ) < pour tout , ∈ .

(b) est ouvert si, pour chaque point ∈ , il existe un > 0 tel que ( )⊂ .

(c) est fermé si l'ensemble \ est ouvert.

(d) Un point ∈ est un point de fermeture de A, ( ∈ ̅ ) si, pour tout > 0, il existe un
point ∈ avec ( , ) <

(de manière équivalente, s'il existe une suite { }⊂ ‚ telle que { } ⎯⎯⎯ ).

(e) La fermeture de , notée ̅, est l’ensemble des points de fermeture de .

(f) A est dense (dans ) si ̅ = .

Notez que si ∈ alors est, par définition, un point de fermeture de (dans la définition,
mettez = pour tout > 0), donc ⊂ ̅ . Il n'est pas nécessaire vrai que = ̅, comme nous
voyons dans le théorème suivant.

Théorème 2
Soit ( , ) un espace métrique et soit ⊂ .

(a) ̅ est fermé et est égal à l'intersection de la collection de tous les sous-ensembles fermés de
contenant

(donc ̅ est le plus petit ensemble fermé contenant ).

(b) est fermé si et seulement si = ̅.

(c) A est fermé si et seulement si, chaque fois que { } est une suite dans A qui converge vers un
élément ∈ , alors ∈ .

(d) ∈ ̅ si et seulement si { ( , ): ∈ } = 0.

e) Pour tout ∈ et > 0, les boules «ouvertes» et «fermées» de la définition 1.23 sont
ouvertes et fermées au sens de la définition 1.24.

19
Hameida Ali et Berkane Abdelhak

De plus, ( ) = { ∈ : ( , ) ≤ }, mais ces ensembles ne doivent pas nécessairement être


égaux en général

(cependant, pour la plupart des espaces considérés dans ce livre, ces ensembles sont égaux). ,
voir exercice 2.12).

(f) A est dense si et seulement si, pour tout élément ∈ et tout nombre > 0, il existe un
point ∈ avec ( , ) <

(de manière équivalente, pour tout élément ∈ , il existe une suite { }⊂ ‚ telle que
{ } → ).

Heuristiquement, la partie (f) du théorème 1.25 dit qu'un ensemble est dense dans si un
élément ∈ peut être «arbitrairement, approximativement proche par des éléments de », au sens
de la métrique sur .

Exemple 4
Soit = , avec la métrique standard, et soit = (0, 1] ⊂ . Si = (0, 1), la fermeture
de dans est égale à (si est dense dans ), mais la fermeture de dans est [0, 1].

En analyse réelle, l'idée de «fonction continue» peut être définie en termes de métrique standard sur
, de sorte qu'elle peut également être étendue au paramètre d'espace métrique général.

Définition 7
Soit ( , ) et ( , ) des espaces métriques et : → une fonction.

(a) est continu en un point ∈ si, pour tout > 0, il existe > 0 tel que, pour ∈ ,

( , )< ⇒ ( ( ), ( )) < .

(b) est continu (sur ) s'il est continu en chaque point de .

(c) est uniformément continu (sur ) si, , pour tout > 0, il existe > 0 tel que, pour
, ∈ ,

( , )< ⇒ ( ( ), ( )) < .

(c’est-à-dire que le nombre peut être choisi indépendamment de , ∈ ).

Comme dans l'analyse réelle, l'idée de continuité est étroitement liée aux suites, ainsi qu'aux
ensembles ouverts et fermés.

Théorème 3
Supposons que ( , ) et ( , ) soient des espaces métriques et que : → ; alors :

(a) est continu en ∈ si et seulement si, pour chaque suite { } dans ( , ) avec
⎯⎯⎯ , la suite { ( )} dans ( , ) vérifie ( ) ⎯⎯⎯ ( );
→ →

(b) est continu sur si et seulement si l’une des conditions suivantes est remplie:

(i) pour tout ensemble ouvert ⊂ , l'ensemble ( )⊂ est ouvert;

20
Hameida Ali et Berkane Abdelhak

(ii) pour tout ensemble fermé ⊂ , l'ensemble ( )⊂ est fermé.

Corollaire
Supposons que ( , ) et ( , ) soient des espaces métriques, est un sous-ensemble dense
de et , : → sont des fonctions continues avec la propriété que ( ) = ( ) pour
tout ∈ . Alors = (c’est-à-dire que ( ) = ( ) pour tout ∈ ).

Dans de nombreux espaces, l'inverse de la partie (c) du théorème 1.22 est également valable,
c'est-à-dire que toute suite de Cauchy est convergente. Cette propriété est tellement utile que les
espaces métriques avec cette propriété ont un nom spécial.

Définition 8
Un espace métrique ( , ) est complet si chaque suite de Cauchy dans ( , ) est convergente.

Un ensemble ⊂ est complet (dans ( , )) si chaque suite de Cauchy située dans


converge vers un élément de .

Théorème 4
Pour chaque ≥ 1, l'espace avec la métrique standard est complet.

Malheureusement, tous les espaces métriques ne sont pas complets. Cependant, la plupart des
espaces que nous considérons dans ce livre sont complets (en partie parce que la plupart des espaces
importants sont complets, en partie parce que nous avons choisi d'éviter les espaces incomplets). Le
théorème suivant est un résultat approfondi de la théorie de l'espace métrique, fréquemment utilisé
dans l'analyse fonctionnelle. C'est l'une des raisons pour lesquelles les espaces métriques complets
sont si importants dans l'analyse fonctionnelle.

Théorème 5 (théorème de la catégorie de Baire)


Si ( , ) est un espace métrique complet et =⋃ , où chaque ⊂ , = 1,2, . . ., est
fermé, alors au moins l'un des ensembles contient une boule ouvert.

Définition 9
Soit ( , ) un espace métrique.

 Un ensemble ⊂ est compact si chaque suite { } dans contient une sous-suite qui
converge vers un élément de .
 Un ensemble ⊂ est relativement compact si la fermeture ̅ est compacte.
 Si l'ensemble lui-même est compact, nous dirons que ( , ) est un espace métrique
compact.

Remarque
La compacité peut également être définie en termes de 'couvertures ouvertes', et cette
définition est plus appropriée dans les espaces topologiques plus généraux, mais dans les espaces
métriques, les deux définitions sont équivalentes, et la définition séquentielle ci-dessus est la seule qui
sera utilisée dans ce document.

Théorème 6
Supposons que ( , ) est un espace métrique et que ⊂ . Alors :

21
Hameida Ali et Berkane Abdelhak

(a) si est complet, il est fermé ;

(b) si est complet, alors est complet si et seulement s'il est fermé ;

(c) si est compact, il est fermé et borné ;

(d) (théorème de Bolzano-Weierstrass) chaque sous-ensemble fermé et borné de est


compact.

La compacité est une propriété très puissante et utile, mais elle est souvent difficile à prouver.
Ainsi, le théorème de Bolzano-Weierstrass ci-dessus, qui donne un critère très simple pour la
compacité d'un ensemble dans , est très utile.

Les espaces métriques constitués d'ensembles de fonctions définis sur d'autres espaces sont
extrêmement courants dans l'étude de l'analyse fonctionnelle (en fait, de tels espaces pourraient
presque être considérés comme la caractéristique déterminante du sujet et l'inspiration pour le terme
«analyse fonctionnelle»). Nous décrivons maintenant l'une de ces constructions les plus importantes,
impliquant des fonctions continues à valeurs dans .

Théorème 7
Supposons que ( , ) soit un espace métrique compact et que : → soit continue.

Il existe alors une constante > 0 telle que

| ( )| ≤ pour tout ∈

(on dit que f est bornée).

En particulier, si IK = alors les nombres

{ ( ): ∈ } et { ( ): ∈ },

existent et sont finis.

De plus, ils existent des points , ∈ tels que

( )= { ( ): ∈ }, ( )= { ( ): ∈ }.

Définition 10
Soit (M, d) un espace métrique compact.

L'ensemble des fonctions continues : → sera noté ( ).

Nous définissons une distance sur ( ) par

( , )= {| ( ) − ( )| ∶ ∈ }

(on peut facilement vérifier que pour tout , ∈ ( ), la fonction | − | est continue donc
( , ) est bien défini, par le théorème 7, et que est une distance sur ( ).

22
Hameida Ali et Berkane Abdelhak

Cette distance sera appelée distance uniforme et, sauf indication contraire, on supposera
toujours que ( ) possède cette distance.

Notation
La plupart des propriétés de l'espace ( ) sont également valables dans les cas réels et
complexes.

Par conséquent, sauf dans les cas où il est important de faire la distinction entre ces cas, nous
omettons l'indice et nous écrivons simplement ( ).

Une convention similaire sera adoptée ci-dessous pour d'autres espaces avec des versions
réelles et complexes.
De plus, lorsque est un intervalle borné [ , ] ⊂ , nous écrivons [ , ].

Définition 11
Supposons que ( , ) soit un espace métrique compact et que { } soit une suite de ( ) et
que : → soit une fonction.
(a) { } converge ponctuellement vers si

| ( )− ( )| ⎯⎯⎯ 0 pour tout ∈ .


(b) { } converge uniformément vers si

{| ( )− ( )|: ∈ } ⎯⎯⎯ 0.

Il est clair que la convergence uniforme implique une convergence ponctuelle, mais pas
l'inverse. De plus, la convergence uniforme implique que ∈ ( ), mais ce n'est pas le cas pour la
convergence point par point, voir [3]. Ainsi, la convergence uniforme fournit une définition plus utile
de la convergence en ( ) que la convergence par point, et en fait, la convergence uniforme
correspond à la convergence par rapport à la distance uniforme sur ( ) dans la définition 10.

Nous avons maintenant le théorème crucial suivant concernant ( ).

Théorème 8
L'espace métrique C(M) est complet.

Supposons maintenant que soit un sous-ensemble compact de .

Nous désignons l'ensemble des polynômes à valeurs réelles par . Tout polynôme ∈ peut être
considéré comme une fonction : → , simplement en restreignant le domaine de à , donc
dans ce sens, ⊂ ( ).

Le théorème suivant est un cas particulier du théorème 5.62 dans [3]. Cela nous permettra
d'approcher les fonctions continues générales sur par des fonctions «simples» (c'est-à-dire des
polynômes).

23
Hameida Ali et Berkane Abdelhak

Théorème 9 (Théorème de Stone – Weierstrass)


Pour tout ensemble compact ⊂ , l’ensemble est dense dans ( ).

Une autre façon d’énoncer ce résultat est que, si est une fonction continue sur à valeurs
réelles, il existe alors une suite de polynômes { } qui converge uniformément vers sur l’ensemble
. Les polynômes { } sont bien sûr définis sur l'ensemble de , mais leur comportement en dehors
de l'ensemble n'est pas pertinent ici.
Les espaces métriques généraux peuvent, dans un sens, être très grands et pathologiques.

Nos définitions finales dans cette section décrivent un concept qui sera utilisé ci-dessous pour
limiter la «taille» de certains des espaces rencontrés et éviter certains types de «mauvais»
comportement (voir en particulier la section 3.4).

Définition 12
 Un ensemble est dénombrable s'il contient un nombre fini d'éléments ou un nombre infini
d'éléments et peut être écrit sous la forme = { : ∈ }; dans ce dernier cas, on dit
que est infiniment infini (countably infinite).
 Un espace métrique ( , ) est séparable s'il contient un sous-ensemble dénombrable et
dense.
 L'ensemble vide est considéré comme séparable.

Heuristiquement, un ensemble infiniment infini a la même taille que l'ensemble des entiers positifs ,
il peut donc être considéré comme un «petit» ensemble infini (voir [7], ou tout livre sur la théorie des
ensembles, pour une discussion plus approfondie de ce point ).

De plus, l'ensemble = { : ∈ } dans la définition ci-dessus peut être considéré comme


une suite, de manière évidente, et nous construirons souvent des ensembles dénombrables sous la
forme d'une suite (généralement par induction). Ainsi, dans la définition ci-dessus de la séparabilité,
«sous-ensemble dénombrable» peut être remplacé par «suite».

Exemple 5
L'espace est séparable puisque l'ensemble des nombres rationnels est infiniment infini
(countably infinite ) (voir [7]) et dense dans .

Un espace séparable est un espace pour lequel tous ses éléments peuvent être approximativement
arbitrairement rapprochés par des éléments d'un «petit» ensemble (infiniment infini).

En pratique, on peut aussi espérer que les éléments de cet ensemble approximatif ont des
propriétés «plus agréables» que les éléments généraux de l'espace.

Par exemple, le théorème 9 montre que les éléments généraux de l'espace ( ) peuvent être
approximés par des polynômes. Bien que l'ensemble ne soit pas dénombrable, nous en déduirons à
la section 3.5 que l'espace ( ) est séparable.

Théorème 10
Supposons que ( , ) soit un espace métrique et que ⊂ .

(a) Si est compact, il est séparable.

(b) Si est séparable et ⊂ , alors est séparable.

24
Hameida Ali et Berkane Abdelhak

3 Intégration de Lebesgue

Dans la section précédente, nous avons introduit la distance uniforme sur l'espace [ , ] et
noté que l'espace métrique ( [ , ], ) est complet.

Cependant, il existe d'autres distances utiles sur [ , ] qui sont définies par des intégrales.
Soit ∫ l’intégrale de Riemann usuelle d’une fonction ∈ [ , ], telle que définie dans les cours
d’analyse réelle élémentaire (voir, par exemple, [2]).

Alors, pour 1 ≤ < ∞, la fonction : [ , ] × [ , ]→ définie par

( , )= | ( ) − ( )|

est une distance sur [ , ].

Malheureusement, l'espace métrique ( [ , ], ) n'est pas complet. Etant donné que les
espaces métriques complets sont beaucoup plus importants que les espaces incomplets (par exemple,
le théorème de la catégorie de Baire est valable dans des espaces métriques complets), cette situation
n’est pas souhaitable.

Heuristiquement, le problème est que les suites de Cauchy dans ( [ , ], ) "convergent"


vers des fonctions qui n'appartiennent pas à [ , ] et peuvent ne pas être intégralement Riemann.
Ceci est une faiblesse de l’intégrale de Riemann et le remède consiste à remplacer l’intégrale de
Riemann par l’appellation dite «intégrale de Lebesgue» (l’intégrale de Riemann souffre également
d’autres inconvénients mathématiques, décrits à la section 1.2 de [4]). L'intégrale de Lebesgue est une
théorie d'intégration plus puissante qui permet d'intégrer une classe de fonctions plus large. Un résumé
très lisible (sans preuves) des principaux éléments de cette théorie, requis pour l'étude de l'analyse
fonctionnelle, est donné au chapitre 2 de [8], tandis que la théorie (avec preuves) est décrite en détail
dans [4] , à un niveau mathématique similaire à celui de ce livre. Il existe bien entendu de nombreux
autres ouvrages plus avancés sur le sujet.

Nous allons donner ici un très bref résumé des résultats qui seront requis dans ce livre. Pour le
lecteur qui ne souhaite pas se lancer dans une étude prolongée de la théorie de l'intégration de
Lebesgue, il suffira d'accepter l'existence d'un processus d'intégration qui s'applique à une large classe
de fonctions «intégrables au sens de Lebesgue» et qui possède les propriétés décrites ci-dessous dont
sont des extensions évidentes des propriétés correspondantes de l’intégrale de Riemann (voir
notamment le théorème 1.52 et les résultats qui suivent ce théorème).

Le problème du manque de complétude de l'espace ( [ , ], ) (avec 1 ≤ < ∞) est


résolu en introduisant l'espace métrique [ , ] dans Définition 1.54. Cet espace contient [ , ] et a
la même métrique . De plus, les théorèmes 1.61 et 1.62 montrent que [ , ] est dense dans [ , ]
et que [ , ] est complet (en termes de théorie de l'espace métrique abstrait, on dit que [ , ] est
“le complété” de l'espace ( [ , ], ) , mais nous n'utiliserons plus le concept de complété ici.

De plus, les espaces , 1 ≤ ≤ ∞, introduits dans l'exemple 1.57 seront très utiles, mais ces
espaces peuvent être compris sans aucune connaissance de l'intégration de Lebesgue.

25
Hameida Ali et Berkane Abdelhak

L’idée de la taille ou de la «mesure» d’un ensemble est fondamentale à la théorie de l’intégrale de


Lebesgue. Par exemple, pour tout intervalle borné = [ , ], ≤ , on dit que j'ai une longueur
( )= − .

Pour définir l'intégrale de Lebesgue sur , il est nécessaire de pouvoir attribuer une «longueur» ou
une «mesure» à une classe d'ensembles beaucoup plus large que les simples intervalles.
Malheureusement, en général, il n'est pas possible de construire une définition utile de «mesure» qui
s'applique à chaque sous-ensemble de (il y a ici un point de théorie d'ensemble assez subtil que
nous allons ignorer, voir [4] pour un complément d'analyse). De ce fait, il est nécessaire de limiter
l’attention à certaines classes de sous-ensembles de possédant des propriétés utiles. Une première
étape évidente consiste à définir la «mesure» d’une union finie d’intervalles disjoints comme étant
simplement la somme de leurs longueurs. Cependant, pour définir une intégrale qui se comporte bien
en ce qui concerne la prise de limites, il est également souhaitable de pouvoir traiter les unions
dénombrables d'ensembles et de pouvoir calculer leur mesure en fonction des mesures des ensembles
individuels. En outre, dans la théorie générale, il est tout aussi facile de remplacer par un ensemble
abstrait et d’envisager des mesures abstraites sur des classes de sous-ensembles de . Ces
considérations inspirent les définitions 1 et 2 ci-dessous.

Avant de donner ces définitions, nous notons que de nombreux ensembles doivent clairement
être considérés comme ayant une mesure infinie (par exemple, a une longueur infinie). Pour traiter
cela, il convient d’introduire les ensembles étendus suivants de nombres réels, = ∪ {−∞, ∞}
et = [0, ∞) ∪ {∞}. Les opérations algébriques standard sont définies de manière évidente (par
exemple, ∞ + ∞ = ∞), sauf que les produits 0. ∞, 0. (− ∞) sont définis comme étant nuls, tandis
que les opérations ∞ − ∞ et ∞/ ∞ sont interdits.

Définition 1
Une - algèbre (également appelée champ ) est une classe de sous-ensembles d'un
ensemble avec les propriétés suivantes:

(a) ∅, ∈ ;

(b) ∈ ⇒ \ ∈ ;

(c) ∈ , = 1,2, … , ⇒ ⋃ ∈

Un ensemble ∈ est dit mesurable.

Définition 2
Soit X un ensemble et , une σ-algèbre de sous-ensembles de .

Une fonction μ: → est une mesure si elle a les propriétés suivantes:

(a) μ (∅) = 0;

(b) μ est dénombrable additif, c'est-à-dire si ∈ , = 1, 2, . . ., sont des ensembles disjoints


deux à deux, alors

μ ⋃ =∑ μ

Le triple (X, Σ, µ) est appelé un espace de mesure.

26
Hameida Ali et Berkane Abdelhak

Dans de nombreuses applications de la théorie de la mesure, les ensembles dont la mesure est
nulle sont considérés comme «négligeables» et il est utile de disposer d'une terminologie pour ces
ensembles.

Définition 3
Soit ( , , μ) un espace de mesure.

 Un ensemble ∈ avec μ ( ) = 0 est dit de mesure nulle (ou est un ensemble nul).
 Une propriété donnée ( ) de points ∈ est vraie presque partout où si l'ensemble
{ : ( ) } est de mesure nulle; alternativement, on dit que la propriété est
valable pour presque chaque ∈ .
 L'abréviation a.e. désignera l'un ou l'autre de ces termes.

Exemple 1 (Mesure de comptage)


Soit = , soit la classe de tous les sous-ensembles de et, pour tout ⊂ ,
définissons μ ( ) comme étant le nombre d'éléments de S.

Alors est une σ - algèbre et μ est une mesure sur . Cette mesure s'appelle mesure de
comptage sur . Le seul ensemble de mesure nulle dans cet espace de mesures est l'ensemble
vide.

Exemple 2 (mesure de Lebesgue)


Il existe une σ - algèbre dans et une mesure μ sur telle que tout intervalle fini I= [a,
b] ∈ et μ ( ) = ( ).

Les ensembles de mesure nulle dans cet espace sont exactement les ensembles avec la
propriété suivante:

∀ > 0, il existe une suite d'intervalles ⊂ , = 1, 2, . . ., tels que

⊂⋃ , ∑ <

Cette mesure est appelée mesure de Lebesgue et les ensembles dans sont dits Lebesgue
mesurables.

Les deux propriétés ci-dessus de la mesure de Lebesgue caractérisent de manière unique cet
espace de mesure. Il existe d'autres mesures, par exemple la mesure de Borel, qui coïncident avec la
mesure de Lebesgue sur les intervalles, mais pour lesquelles certains ensembles avec la propriété
«couvrant» ci-dessus ne sont pas réellement mesurables. Cette distinction est une caractéristique assez
technique de la théorie de la mesure qui n’aura pas d’importance ici.

Il est discuté plus en détail dans [4].

Pour tout entier > 1, ils existent une σ – algèbre de et une mesure de Lebesgue μ sur , qui
étendent l'idée de l'aire d'un ensemble lorsque = 2, du volume lorsque = 3 et du «volume
généralisé» lorsque ≥ 4.

Supposons maintenant que nous ayons un espace de mesure fixe (X, Σ, μ). Dans la suite de
définitions suivante, nous décrivons la construction de l'intégrale des fonctions appropriées : →
. Les preuves et des détails supplémentaires sont donnés au chapitre 4 de [4].

 Pour tout sous-ensemble ⊂ , la fonction caractéristique χ : → de est définie par

27
Hameida Ali et Berkane Abdelhak

1 si x ∈ A
χ (x) =
0 si x ∉ A

 Une fonction : → est simple si elle a la forme


φ =∑ αχ

pour certains ∈ , où ∈ et ∈ , j = 1, ..., k.

 Si φ est non négatif et simple, l’intégrale de φ (sur X par rapport à μ) est définie comme étant
∫ φdμ = ∑ αμ S

(nous autorisons μ S = ∞ ici, et nous utilisons les règles algébriques de IR mentionnées ci-dessus
pour évaluer le membre de droite - car φ est non négatif, nous ne rencontrons aucune différence de la
forme ∞ − ∞). La valeur de l'intégrale peut être ∞.

 Une fonction : → est dite mesurable si, pour tout α ∈ IR,


{ ∈ : ( )> } ∈ .
±
 Si est mesurable, alors les fonctions | |: → et :
→ , définis par
| |( ) = | ( )|, ± ( ) = {± ( ), 0},

sont mesurables.

 Si est non négatif et mesurable, l’intégrale de est définie comme étant

μ = sup μ: est simple et 0 ≤ ≤ .

 Si est mesurable et ∫ | | μ < ∞ alors est dite intégrable et l'intégrale de est définie
comme étant

μ= μ− μ

(On peut montrer que si f est intégrable, alors chacun des termes à droite de cette définition est fini, il
n’y a donc aucun problème avec une différence telle que ∞ − ∞ apparaissant dans cette définition).

 Une fonction à valeur complexe est dite intégrable si les parties réelle et imaginaire ℜ et
ℑ (ces fonctions sont définies de manière évidente) sont intégrables et que l'intégrale de
est définie comme étant

μ= ℜ μ+ ℑ μ

 Enfin, supposons que ∈ et est une fonction à valeurs réelles ou complexes sur .
Etendons à une fonction sur en définissant ( ) = 0 pour ∉ . Alors, est dite
intégrable (sur S) si est intégrable (sur ), et on définit

μ= μ

28
Hameida Ali et Berkane Abdelhak

Notation
L'ensemble des fonctions intégrables à valeur dans , sur sera désigné par ℒ ( ) (ou
ℒ ( ) pour les fonctions ∈ ). Nous verrons ci-dessous la raison de l’indice 1.

Comme nous l'avons remarqué lors de l'examen de l'espace ( ), sauf dans les cas où il est
important de faire la distinction entre les versions réelle et complexe d'un espace, nous omettons
l'indice indiquant le type. Dans ce cas, nous écrivons simplement ℒ ( ).

De plus, lorsque est un intervalle compact [ , ], nous écrivons ℒ [ , ].

Des conventions de notation similaires seront adoptées pour d'autres espaces de fonctions
intégrables ci-dessous.

Exemple 3 (Mesure de comptage)


Supposons que ( , , μ) = ( , , μ ) (voir Exemple 1.47).

Toute fonction : → peut être considérée comme une suite { } à valeurs dans (avec
= ( ), ≤ 1) et, comme tous les sous-ensembles de sont mesurables, chaque telle suite
{ } peut être considérée comme une fonction mesurable.

Il découle des définitions ci-dessus que la suite { } est intégrable (par rapport à μ ) si et
seulement si ∑ | | < ∞, alors l'intégrale de { } est simplement la somme ∑ . Au
lieu de la notation générale ℒ ( ), l’espace de telles suites sera désigné par (ou ).

Définition 4 (intégrale de Lebesgue)


Soit ( , , μ) = ( , , μ ), pour un certain ≥ 1.

Si ∈ℒ ( ) (ou ∈ ℒ ( ), avec ∈ ), alors est dite Lebesgue intégrable.

La classe de fonctions Lebesgue intégrables est beaucoup plus grande que la classe de fonctions
intégrables de Riemann. Cependant, lorsque les deux intégrales sont définies, elles s’accordent.

Théorème 1
Si = [ , ] ⊂ est un intervalle borné et que : → est bornée et Riemann intégrable sur
, alors est Lebesgue intégrable sur et les valeurs des deux intégrales de coïncident.

En particulier, les fonctions continues sur sont Lebesgue intégrables.

Au vu du théorème 1, l'intégrale de Lebesgue de sur = [ , ] sera notée par

( ) = ( )

(c’est-à-dire que la même notation est utilisée pour les intégrales de Riemann et de Lebesgue).

Il ressort également du théorème 1 que, pour les fonctions intégrables de Riemann, l'intégration de
Lebesgue ne fournit rien de nouveau et que les méthodes bien connues d'évaluation des intégrales de
Riemann (basées sur le théorème fondamental du calcul) s'appliquent toujours.

Nous énumérons maintenant certaines des propriétés de base de l'intégrale.

Théorème 2
Soit ( , , μ) un espace de mesure et laisse ∈ ℒ ( ).

29
Hameida Ali et Berkane Abdelhak

(a) Si ( ) = 0 . ., alors ∈ ℒ ( ) et ∫ μ

(b) Si ∈ et , ∈ ℒ ( ) alors les fonctions + et (voir la définition 1.5)


appartiennent à ℒ ( ) et

∫ ( + ) μ=∫ μ+∫ μ, ∫ μ= ∫ μ

En particulier, l’espace ℒ ( ) est un espace vectoriel.

(c) Si , ∈ℒ ( ) ( )≤ ( ) ∈ , alors ∫ μ≤∫ μ.

Si en plus ( ) < ( ) ∈ , μ( ) > 0 alors ∫ μ<∫ μ

Il résulte de la partie (a) du théorème 2 que les valeurs de sur les ensembles de la mesure zéro
n'affectent pas l'intégrale. En particulier, les bornes sur qui valent presque partout sont souvent plus
appropriées que celles qui valent partout (d’autant plus que nous permettons à des fonctions
mesurables de prendre la valeur ∞).

Définition 5
Supposons que soit une fonction mesurable et qu'il existe un nombre tel que

( )≤ . .

Alors, nous pouvons définir le sup essentiel de pour être

= { : ( ) ≤ . . }.

C’est une conséquence simple (mais pas tout à fait triviale) de cette définition que

( ) ≤ . .

L'inf essentiel de peut être défini de la même manière.

Une fonction mesurable est dite essentiellement bornée s'il existe un nombre tel que

| ( )| ≤ . .

Nous aimerions maintenant définir une métrique sur l’espace ℒ ( ), et un candidat évident pour
cela est la fonction

( , )= | − | μ, ∀ , ∈ ℒ ( ).

Il découle des propriétés de l'intégrale dans le théorème 2 que cette fonction satisfait à toutes les
exigences d’une mesure, à l’exception de la partie (b) de la définition 1.17. Malheureusement, il existe
des fonctions , ∈ ℒ ( ) avec = . . mais ≠ (pour tout ∈ ℒ ( ), nous pouvons
construire un tel g simplement en modifiant les valeurs de sur un ensemble de mesure zéro), et ainsi,
par la partie (a) du théorème 2, ( , ) = 0.

30
Hameida Ali et Berkane Abdelhak

La fonction n'est donc pas une métrique sur ℒ ( ). Pour contourner ce problème, nous nous
engageons à "identifier" ou à considérer comme "équivalente" deux des fonctions , qui sont p.p.
égales. Plus précisément, nous définissons une relation d’équivalence ≡ sur ℒ ( ) par

≡ ⇔ ( )= ( ) pour presque tout ∈ .

(Des détails précis sur cette construction sont donnés dans la section 5.1 de [4]). Cette relation
d'équivalence partitionne l'ensemble ℒ ( ) en un espace de classes d'équivalence, que nous
désignerons par (X).

En définissant l'addition et la multiplication scalaire de manière appropriée sur ces classes


d'équivalence, l'espace (X) devient un espace vectoriel et il découle du théorème 1.52 que ≡ si
et seulement si ( , ) = 0, et par conséquent la fonction d1 donne une métrique sur l'ensemble
(X). Nous utiliserons donc désormais l’espace (X) plutôt que l’espace ℒ ( ).

Strictement parlant, lorsqu’on utilise l’espace (X), il convient de distinguer une fonction
∈ℒ ( ) de la classe d’équivalence correspondante dans (X) constituée de toutes les fonctions
p.p. égal à . Cependant, ceci est fastidieux et, dans la pratique, il est rarement utilisé. Nous parlerons
donc systématiquement de la «fonction» ∈ (X), ce qui signifie un représentant de la classe
d'équivalence appropriée. Nous notons en particulier que si = I est un intervalle de longueur
positive dans , une classe d'équivalence peut contenir au plus une fonction continue sur (elle n'en
contient pas nécessairement), et si c'est le cas, nous prendrons toujours ceci en tant que représentant de
la classe.

En particulier, si est compact, alors les fonctions continues sur appartiennent à l’espace
( ) dans ce sens (car elles sont certainement Riemann intégrables sur ).

Nous pouvons maintenant définir d'autres espaces de fonctions intégrables.

Définition 6
Définissons les espaces

 ℒ ( ) = { : ∫ | | μ < ∞}, 1 ≤ <∞


 ℒ ( ) = { : | | < ∞}.

Nous définissons également les ensembles correspondants (X) en identifiant des fonctions
dans ℒ ( ) qui sont p.p. égales et en considérant les espaces correspondants des classes
d'équivalences (en pratique, nous nous référons à nouveau simplement aux fonctions représentatives
de ces classes d'équivalences plutôt qu'aux classes elles-mêmes).

Lorsque est un intervalle borné [ , ] ∈ 1 ≤ ≤ ∞, nous écrivons [ , ].


Le cas = 1 dans la définition 1.54 coïncide avec les définitions précédentes.

Théorème 3
Supposons que et sont des fonctions mesurables.

Alors, les inégalités suivantes sont valables (les valeurs infinies sont autorisées).

 Inégalité de Minkowski (pour 1 ≤ < ∞):

31
Hameida Ali et Berkane Abdelhak

∫ | + | μ ≤ ∫ | | μ + ∫ | | μ

| + |≤ | |+ | |

 Inégalité de Holder (pour 1 < < ∞ et + = 1):

∫ | | μ≤ ∫ | | μ ∫ | | μ

∫ | | μ≤ | |≤ | |∫ | | μ

Corollaire 1
Supposons que 1 ≤ ≤ ∞.

(a) ( ) est un espace vectoriel (essentiellement, cela découle de l'inégalité de Minkowski


ainsi que des propriétés simples de l'intégrale).

(b) La fonction

( , )= ∫ | − | μ , 1 ≤ <∞
| − |, =∞

est une métrique sur ( ) (la condition (b) de la définition 1.17 découle des propriétés (a) et
(c) du théorème 2, ainsi que de la construction des espaces ( ), tandis que l'inégalité de
Minkowski montre que vérifie l'inégalité triangulaire).

 Cette distance sera appelée distance standard sur ( ) et, sauf indication contraire, on
supposera que ( ) possède cette distance.

Exemple 4 (Mesure de comptage)


Supposons que 1 ≤ ≤ ∞. Dans le cas particulier où ( , , μ) = ( , , μ ),

l’espace ( ) est constitué de l’ensemble des suites { } de avec la propriété

(∑ | | ) < ∞, 1 ≤ <∞

{| |, ∈ }<∞, =∞

Ces espaces seront notés (ou ).

Notez qu'il n'y a pas d'ensembles de mesures zéro dans cet espace de mesures, il n'est donc pas
question de prendre des classes d'équivalence ici.

Au corollaire 1, les espaces sont à la fois des espaces vectoriels et des espaces métriques.

La distance standard sur est définie de manière analogue à celle ci-dessus

En utilisant les mesures de comptage et ayant et des suites dans IK (ou des éléments de
pour certains ∈ - dans ce cas, et peuvent être considérés comme des suites avec uniquement

32
Hameida Ali et Berkane Abdelhak

un nombre fini d’éléments non nuls), nous pouvons obtenir le cas spécial important suivant du
théorème 3.

Corollaire 2
 Inégalité de Minkowski (pour 1 ≤ < ∞):

∑ + ≤ ∑ + ∑

 Inégalité de Holder (pour 1 < < ∞ et + = 1):

∑ ≤ ∑ ∑

Ici, et les valeurs des sommes peuvent être ∞.

Pour référence future, nous indiquons spécifiquement le cas spécial le plus important de ce
résultat, à savoir l’inégalité de Holder de = = 2.

Corollaire 3
∑ ≤ ∑ ∑

Quelques éléments particuliers de vont maintenant être définis, ce qui sera extrêmement utile
ci-dessous.

Définition 7
Soit ̃ = (1, 0, 0, . . . ), ̃ = (0, 1, 0, . . . ), . . . .
Pour n’importe quel ∈ la suite ̃ ∈ pour tout 1 ≤ ≤∞

Les vecteurs ̃ dans l’espace de dimension infinie , introduits dans la définition 7, présentent
certaines ressemblances avec les vecteurs ̂ de l’espace en dimensions finies , introduits dans la
définition 1.3. Cependant, bien que la collection de vecteurs { ̂ , . . . , ̂ } constitue une base pour ,
il convient de souligner qu’à l’heure actuelle, nous n’avons aucune notion de base pour des espaces
vectoriels de dimension infinie, nous ne pouvons donc pas faire d’affirmations analogues en ce qui
concerne la collection { ̂ : ∈ }.

Enfin, nous pouvons énoncer les deux théorèmes suivants. Celles-ci seront cruciales pour une grande
partie de notre utilisation des espaces abordés dans cette section.

Théorème 4
Supposons que 1 ≤ ≤ ∞. Alors, l'espace métrique ( ) est complet.

En particulier, l'espace de suites est complet.

Théorème 5
Supposons que [ , ] est un intervalle borné et 1 ≤ < ∞. Alors l'ensemble [ , ] est dense
dans [ , ].

Comme discuté au début de cette section, ces résultats montrent que l’espace [ , ] est la
“complétion” de l’espace métrique ( [ , ], ) (voir la section 3.5 de [3] pour plus de détails sur la
complétion d'un espace métrique - nous n'utiliserons pas ce concept plus loin qu’ici car les théorèmes

33
Hameida Ali et Berkane Abdelhak

ci-dessus suffiront à nos besoins). Le théorème 1.62 montre que l’espace [ , ] est “ proche de ”
l’espace métrique ( [ , ], ) en ce sens que si ∈ [ , ], alors il existe une suite de fonctions
{ } dans [ , ] qui converge vers dans la métrique [ , ].

C'est un type de convergence relativement faible (mais extrêmement utile).

En particulier, cela n’implique pas une convergence ponctuelle (pas même pour presque tout
∈ [ , ]).

34
Hameida Ali et Berkane Abdelhak

2- Espaces vectoriels normés

1 Normes

Lorsque les espaces vectoriels et sont représentés de la manière habituelle, nous


avons l’idée de la longueur d’un vecteur dans ou associée à chaque vecteur.

C'est clairement un bonus qui nous donne une compréhension plus profonde de ces espaces
vectoriels. Lorsque nous nous tournons vers d’autres espaces vectoriels (peut-être de dimensions
infinies), nous pouvons espérer obtenir un meilleur aperçu de ces espaces s’il existe un moyen
d’attribuer quelque chose de similaire à la longueur d’un vecteur pour chaque vecteur de l’espace. En
conséquence, nous recherchons un ensemble d'axiomes qui est satisfait par la longueur d'un vecteur
dans et . Cet ensemble d'axiomes définira la «norme» d'un vecteur et, tout au long de ce livre,
nous examinerons principalement les espaces vectoriels normés. Dans ce chapitre, nous étudions les
propriétés élémentaires des espaces vectoriels normés.

Définition 1
(a) Soit un espace vectoriel sur . Une norme sur est une application

‖. ‖: →

telle que pour tout , , ∈ et ∈ ,

( ) ‖ ‖≥0

( ) ‖ ‖=0 =0

( ) ‖ ‖ = | |‖ ‖

( ) ‖ + ‖≤‖ ‖+‖ ‖

(b) Un espace vectoriel muni d’une norme est appelé espace vectoriel normé ou simplement
un espace normé.

(c) Si est un espace normé, un vecteur unitaire dans est un vecteur tel que‖ ‖ = 1

Comme motivation pour examiner les normes, nous avons laissé entendre que la longueur
d’un vecteur en et répond aux axiomes d’une norme. Ceci sera vérifié dans l'exemple 2.2,
mais nous notons à ce stade que la propriété (iv) de la définition 2.1 est souvent appelée l'inégalité du
triangle car, dans , il s'agit simplement du fait que la longueur d'un côté d'un triangle est inférieure
ou égal à la somme des longueurs des deux autres côtés.

Normes standard sur

Sur , les applications qui associent à = ( ,…, ) les nombres réels :

‖ ‖ =∑ | |, ‖ ‖ = (∑ | | ) ou encore ‖ ‖ = | | sont des normes (nous


,…,
allons le vérifier pour ‖ ‖ ).

35
Hameida Ali et Berkane Abdelhak

 Tout −espace vectoriel de dimension finie admet donc des normes, et peut être vu (de
plusieurs façon différentes) comme un espace métrique .
 Nous verrons aussi que ces normes se généralisent à des −espaces vectoriels de dimension
finie.

Montrons par exemple que ‖ ‖ est une norme sur .

Pour cela il suffit de démontrer l’inégalité triangulaire car les deux autres axiomes de la norme :
séparation et homogénéité sont facile à vérifier.

Nous avons alors

‖ + ‖ = | + | = | | +2 | || | + | |

≤ | | +2 | | | | + | | ( inégalité de Cauchy Schwarz)

= ‖ ‖ + 2‖ ‖‖ ‖ + ‖ ‖ = (‖ ‖ + ‖ ‖)

D’où ‖ + ‖ ≤ ‖ ‖ + ‖ ‖.

Norme en dimension finie


Soit un IK-espace vectoriel de dimension finie de base ( , , … , ) . Tout ∈ peut
être écrit sous la forme = ∑ pour l'unique ( , , … , ) ∈ .
Alors l’application ‖. ‖: → définie par

‖ ‖= ∑

est une norme sur .

Solution
Soient = ∑ et = ∑ et soit ∈ . Alors =∑ et les résultats suivants
montrent que ‖. ‖ est une norme.

(i) ‖ ‖ = ∑ ≥0

(ii) Si = 0 ⇒ ‖ ‖ = 0.

Inversement, si ‖ ‖ = 0 alors ∑ = 0 et par suite = 0, ∀ = 1, . . , , donc

= =0

(iii) ‖ ‖= ∑ = | |∑ = | |‖ ‖

36
Hameida Ali et Berkane Abdelhak

(iv) D’après l’inégalité de (avec = = 2).

Alors

‖ + ‖ = +

= + ̅ + ̅ +

= +2 ℜe ̅ +

≤ +2 +

≤ +2 +

= ‖ ‖ + 2‖ ‖‖ ‖ + ‖ ‖ = (‖ ‖ + ‖ ‖)

D’où ‖ + ‖ ≤ ‖ ‖ + ‖ ‖.

Normes matricielles standards

Les espaces de matrice (ou d’applications linéaire) sont des exemples d’espaces vectoriels, sur
lesquels les normes précédentes sont bien définies.

Plus précisément, pour tout entier ≥ 1, l’espace ( ) des matrices × à coefficients


dans admet les normes ‖. ‖ , ‖. ‖ et ‖. ‖ définies par : ‖ ‖ = ∑ , ,‖ ‖ =

∑, et ‖ ‖ = où désigne la matrice .
, ,…, ,

Normes matricielles subordonnées

Dans le cas des espaces d’applications linéaires ou de matrices, il existe un autre procédé de
fabrication de normes, à partir d’une norme pré-existante sur l’espace vectoriel sous-jacent.

Plus précisément : pour tout entier ≥ 1, étant donnée une norme sur , on peut définir
( )
sur ( ) la norme matricielle subordonnée à par ‖ ‖ = ( )
.
∈ { }

37
Hameida Ali et Berkane Abdelhak

On dispose des définitions équivalentes ‖ ‖ = ( )= ( ).


∈ ∈
( ) ( )

Par définition d’une norme subordonnée, on ( ) ≤ ‖ ‖ ( ), ∀ ∈ .

On vérifie également que l’on a l’inégalité ‖ ‖ ≤ ‖ ‖‖ ‖, ∀ , ∈ ( ).

De nombreux espaces vectoriels normés intéressants ne sont pas de dimension finie.

38
Hameida Ali et Berkane Abdelhak

2 Exemples d'espaces normés

Norme sur l’espace ( )


Soit M un espace métrique compact et ( ) l’espace vectoriel de fonctions continues à
valeurs dans définies sur M . Alors l’application ‖. ‖: ( )→ définie par

‖ ‖= {| ( )|: ∈ }, ∀ ∈ ( )

est une norme sur ( ) appelée norme usuelle sur ( ).

Solution
Soient , ∈ ( ) et soit ∈ .

( ) ‖ ‖ = sup{| ( )|: ∈ }≥0

( ) Si est la fonction nulle alors ( ) = 0, ∀ ∈ et donc ‖ ‖ = sup{| ( )|: ∈ } = 0.

Inversement, si ‖ ‖ = 0 alors sup{| ( )|: ∈ } = 0 donc ( ) = 0, ∀ ∈ et par suite est la


fonction nulle.

( )‖ ‖ = sup{| ( )|: ∈ } = | |sup{| ( )|: ∈ } = | |‖ ‖.

( ) Si ∈ alors

|( + )( )| ≤ | ( )| + | ( )| ≤ ‖ ‖ + ‖ ‖

Et par suite

‖ + ‖ = sup{|( + )( )|: ∈ } ≤ ‖ ‖+‖ ‖

Normes sur l’espace ([ , ], )


Sur ([0,1], ) on peut définir (par analogie) les normes :

‖ ‖ =∫ ( ) , ‖ ‖ = ∫ | ( )| et ‖ ‖ = | ( )| (norme de la
∈[ , ]
convergence uniforme).

Pour vérifier que ‖. ‖ est une norme, on utilise l’inégalité de Cauchy-Schwarz qui s’exprime cette
fois-ci sous la forme

( ) ( ) ≤ | ( )| | ( )|

Ensuite, la démonstration est identique à celle pour les normes standard sur .

Dans l'exemple suivant, nous montrons que certains des espaces vectoriels de fonctions
intégrables définies au chapitre 1 ont des normes.

Nous rappelons que si ( , , μ) est un espace de mesure et que 1 ≤ ≤ ∞, l’espace ( ) est


l’espace qui a été introduit dans la définition 1.54.

Normes sur ( ), ≤ ≤ ∞
Soit ( , , μ) un espace de mesuré.

39
Hameida Ali et Berkane Abdelhak

(a) Si 1 ≤ < ∞ alors ‖ ‖ = ∫ | | est une norme sur ( ) appelée norme


standard sur ( ).

(b) ‖ ‖ = {| ( )|: ∈ } est une norme sur ( ) appelée norme standard sur
( ).

Solution
(a) Soient , ∈ ( ) et soit ∈ . Alors ‖ ‖ ≥ 0 et ‖ ‖ = 0 si et seulement si = 0 p.p. (qui
est la classe d'équivalence de la fonction nulle) par le théorème 1.52. Également,

‖ ‖ = | | μ =| | | | μ = | |‖ ‖

et l'inégalité triangulaire découle du théorème 1.55.

(b) Soient , ∈ ( ) et soit ∈ . Alors ‖ ‖ ≥ 0 ‖ ‖ = 0 si et seulement si = 0 p.p. (qui


est la classe d'équivalence de la fonction nulle). Si = 0 alors ‖ ‖ = | |‖ ‖ alors supposons
que ≠ 0. Comme | ( )| ≤ | |‖ ‖ p.p. il s'ensuit que

‖ ‖ ≤ | |‖ ‖

En appliquant le même argument à , il en résulte que

‖ ‖ =‖ ‖ ≤| |‖ ‖ ≤| || |‖ ‖ = ‖ ‖

Donc

‖ ‖ = | |‖ ‖ .

Enfin, l'inégalité triangulaire découle du théorème 1.55.

La notation spécifique a été introduite au chapitre 1 pour le cas de la mesure de comptage sur .

Rappelons que est l’espace vectoriel de toutes les suites { } sur tel que ∑ | | <∞
pour 1 ≤ < ∞ et est l'espace vectoriel de toutes les suites bornées sur .

Par conséquent, si nous prenons la mesure de comptage sur N dans l'exemple 2.5, nous en déduisons
que pour 1 ≤ < ∞ et sont des espaces normés.

Normes sur , ≤ ≤∞
(a) Si 1 ≤ < ∞ alors ‖{ }‖ = (∑ | | ) est une norme sur appelée norme usuelle
sur .

(b) ‖{ }‖ = { | |: ∈ } est une norme sur appelée norme usuelle sur .

A l'avenir, si nous écrivons l'un des espaces des exemples 2.2, 2.4, 2.5 et 2.6 sans mentionner
explicitement une norme, nous supposerons que la norme sur l'espace est la norme usuelle.

Avec un espace normé, il est possible d’en construire beaucoup plus. La solution à l'exemple 7
est si simple qu'elle est omise.

40
Hameida Ali et Berkane Abdelhak

Exemple 1
Soit un espace vectoriel avec une norme ‖. ‖ et soit un sous-espace linéaire de . Soit ‖. ‖
la restriction de ‖. ‖ à . Alors, ‖. ‖ est une norme sur S.

41
Hameida Ali et Berkane Abdelhak

3 Distance associée à une norme

Comme nous le voyons dans les exemples ci-dessus, il existe de nombreux espaces normés
différents, ce qui explique en partie pourquoi l'étude des espaces normalisés est importante. Puisque la
norme d’un vecteur est une généralisation de la longueur d’un vecteur dans , il n’est peut-être pas
surprenant que chaque espace normé soit un espace métrique d’une manière très naturelle.

Lemme 1
Soit un espace vectoriel muni de la norme ‖. ‖. Si : × → est défini par

( , )=‖ − ‖

alors (X, d) est un espace métrique.

Preuve
Soit x, y, z ∈ X. En utilisant les propriétés de la norme, nous voyons que

(a) ( , )=‖ − ‖≥0

(b) ( , ) = 0 ⇔ ‖ − ‖ = 0 ⇔ − =0⇔ =

(c) ( , ) = ‖ − ‖ = ‖(−1)( − )‖ = |−1|‖ − ‖ = ‖ − ‖ = ( , )

(d) ( , ) = ‖ − ‖ = ‖ − + − ‖ ≤ ‖ − ‖+‖ − ‖ = ( , )+ ( , )

Donc satisfait les axiomes d’une métrique.

Notation
Si est un espace vectoriel muni de la norme ‖. ‖ et est la métrique définie par

( , )=‖ − ‖

alors d est appelée métrique associée à ‖. ‖ (ou distance induite par la norme ‖. ‖).

Chaque fois que nous utilisons une métrique ou un concept d'espace métrique, par exemple
convergence, continuité ou complétude, dans un espace normé, nous utiliserons toujours la métrique
associée à la norme, même si cela n'est pas explicitement indiqué. Les métriques associées aux normes
standard sont déjà familières.

Exemple 2
Les métriques associées aux normes usuelles sur les espaces ci-dessous sont les métriques
usuelles.

(a) ;

(b) ( ) où est un espace métrique compact;

(c) ( ) pour 1 ≤ < ∞ où ( , , μ) est un espace de mesure ;

(d) ( ) où ( , , μ) est un espace de mesure

Solution
(a) Si , ∈ alors

42
Hameida Ali et Berkane Abdelhak

( , )=‖ − ‖= −

et ainsi est la métrique usuelle sur .

(b) Si , ∈ ( ) alors

( , ) = ‖ − ‖ = sup{| ( ) − ( )|: ∈ }

et ainsi est la métrique usuelle sur ( ).

(c) Si , ∈ ( ) alors

( , )=‖ − ‖= | − |

et ainsi est la métrique usuelle sur ( ).

(d) Si , ∈ ( ) alors

( , ) = ‖ − ‖ = ess sup{| ( ) − ( )|: ∈ }

et ainsi est la métrique usuelle sur ( ).

En utilisant la mesure de comptage sur IN, il s'ensuit que les métriques associées aux normes
usuelles sur les et sont également les métriques usuelles sur ces espaces.

Nous concluons cette section avec quelques informations de base sur la convergence des suites
dans des espaces vectoriels normés.

Théorème
Soit un espace vectoriel sur avec la norme ‖. ‖.

Soit { } et { } des suites dans qui convergent vers , dans respectivement et { } une
séquence dans qui converge vers dans . Alors:

(a) |‖ ‖ − ‖ ‖| ≤ ‖ − ‖

(b) ‖ ‖=‖ ‖

(c) ( + )= +

(d) =

Preuve
(a) Par l'inégalité triangulaire

‖ ‖ = ‖( − ) + ‖ ≤ ‖ − ‖ + ‖ ‖

Et donc

43
Hameida Ali et Berkane Abdelhak

‖ ‖−‖ ‖ ≤‖ − ‖

En échangeant et , on obtient ‖ ‖ − ‖ ‖ ≤ ‖ − ‖. Cependant, comme

‖ − ‖ = ‖(−1)( − )‖ = ‖ − ‖

nous avons

−‖ − ‖‖ ‖ − ‖ ‖ ≤ ‖ − ‖

et donc

|‖ ‖ − ‖ ‖| ≤ ‖ − ‖

(b) Puisque lim = et |‖ ‖ − ‖ ‖| ≤ ‖ − ‖, ∀ ∈ , il s’ensuit que


lim ‖ ‖=‖ ‖

(c) Puisque lim = et lim = , et


→ →

‖( + ) − ( + )‖ = ‖( − )+( − )‖ ≤ ‖ − ‖+‖ − ‖

pour tout ∈ , il s’ensuit que

lim ( + )= +

(d) Puisque { } est convergente, alors elle est bornée, donc ∃ > 0 tel que | |≤ ,∀ ∈ .
Egalement

‖ − ‖=‖ ( − )+( − ) ‖

≤| |‖ − ‖+| − |‖ ‖

≤ ‖ − ‖+| − |‖ ‖, ∀ ∈

Donc lim = .

Une autre façon d’énoncer les résultats dans le théorème 11 des parties (b), (c) et (d) est que la
norme, l’addition et la multiplication scalaire sont des fonctions continues, comme on peut le voir à
l’aide de la caractérisation séquentielle de la continuité.

44
Hameida Ali et Berkane Abdelhak

4 Espaces normés de dimension finie

Les espaces vectoriels les plus simples à étudier sont les espaces à dimensions finies. Il est
donc naturel de commencer notre étude des espaces normés par les espaces normés à dimension finie.
Nous avons déjà vu plus haut que chaque espace de dimension finie a une norme, mais cette norme
dépend du choix de la base. Cela suggère qu'il peut exister de nombreuses normes différentes sur
chaque espace de dimension finie. Même dans , nous avons déjà vu qu'il y a au moins deux
normes:

(a) la norme standard définie par ‖( , )‖ = (| | + | | ) ;

(b) la norme ‖( , )‖ = | | + | | , définie dans l’exercice 1.

Pour montrer à quel point ces deux normes sont différentes, il est instructif d’esquisser l’ensemble

{( , ) ∈ : ‖( , )‖ = 1}

pour chaque norme. Cependant, même lorsque nous avons deux normes sur un espace vectoriel, si ces
normes ne sont pas trop différentes, il est possible que les propriétés d’espace métrique de l’espace
soient identiques pour les deux normes. Une définition plus précise de ce que l’on entend par être «pas
trop dissemblable» est donnée dans la définition suivante

Définition (normes équivalentes)


Soit un espace vectoriel et ‖. ‖ et ‖. ‖ deux normes sur . On dit que la norme ‖. ‖ est
équivalente à la norme ‖. ‖ s'il existe , > 0 tels que, pour tout ∈

‖ ‖ ≤‖ ‖ ≤ ‖ ‖

Compte tenu de la terminologie utilisée, il ne faut pas s'étonner que cela définisse une relation
d'équivalence sur l'ensemble de toutes les normes sur X, comme nous le montrons maintenant.

Lemme 1
Soit un espace vectoriel et ‖. ‖ , ‖. ‖ et ‖. ‖ , trois normes sur . Supposons que ‖. ‖
équivalent à ‖. ‖ et ‖. ‖ soit équivalent à ‖. ‖ .
(a) ‖. ‖ équivaut à ‖. ‖ .
(b) ‖. ‖ est équivalent à ‖. ‖ .

Preuve
Par hypothèse, ils existent M, m > 0 tels que, pour tout x ∈ X

‖ ‖ ≤‖ ‖ ≤ ‖ ‖

Et ils existent K, k > 0 tels que, pour tout x ∈ X

‖ ‖ ≤‖ ‖ ≤ ‖ ‖

Donc :

(a) ‖ ‖ ≤‖ ‖ ≤ ‖ ‖ , ∀ ∈ , donc ‖. ‖ est équivalente à ‖ ‖ .

(b) ‖ ‖ ≤‖ ‖ ≤ ‖ ‖ , ∀ ∈ , donc ‖. ‖ est équivalente à ‖ ‖ .

45
Hameida Ali et Berkane Abdelhak

Nous montrons maintenant que dans un espace vectoriel avec deux normes équivalentes, les
propriétés de l'espace métrique sont les mêmes pour les deux normes.

Lemme 2
Soit un espace vectoriel, et ‖. ‖ et ‖. ‖ des normes sur . Soient et les métriques
définies par

( , ) = ‖ − ‖ et ( , )=‖ − ‖ .

Supposons qu'il existe > 0 tel que

‖ ‖≤ ‖ ‖ ,∀ ∈ .

Soit { } une suite dans .


(a) Si { } converge vers dans l'espace métrique ( , ), alors { } convergera vers dans
l'espace métrique ( , ).
(b) Si { } est Cauchy dans l'espace métrique ( , ), alors { } est de Cauchy dans l'espace
métrique ( , ).

Preuve
(a) Soit > 0. Il existe ∈ tel que ‖ − ‖ < quand ≥ .
Par conséquent, lorsque ≥ ,
‖ − ‖≤ ‖ − ‖ < .

Par conséquent, { } converge vers dans l'espace métrique ( , ).


(b) Soit > 0. Il existe dans tel que ‖ − ‖ < quand , ≥ .
Par conséquent, lorsque , ≥

‖ − ‖≤ ‖ − ‖ <

Donc { } est Cauchy dans l’espace métrique ( , ).

Corollaire 1
Soit un espace vectoriel, et ‖. ‖ et ‖. ‖ des normes équivalentes sur . Soient et les
métriques définies par

( , ) = ‖ − ‖ et ( , )=‖ − ‖ .

Soit { } une suite dans .


(a) { } converge vers dans l'espace métrique ( , ) si et seulement si { } converge vers
dans l'espace métrique ( , ).
(b) { } est de Cauchy dans l'espace métrique ( , ) si et seulement si { } est de Cauchy dans
l'espace métrique ( , ).
(c) ( , ) est complet si et seulement si ( , ) est complet.

Preuve
Comme ‖. ‖ et ‖. ‖ sont des normes équivalentes sur , ils existent M, m > 0 tels que, pour tout x ∈ X

‖ ‖≤‖ ‖ ≤ ‖ ‖

(a) Comme ‖ ‖ ≤ ‖ ‖ pour tout x ∈ X, si { } converge vers dans l’espace métrique ( , ),


donc { } converge vers dans l’espace métrique ( , ) d’après le lemme 2 précédent.

46
Hameida Ali et Berkane Abdelhak

Inversement, comme ‖ ‖ ≤ ‖ ‖ pour tout x ∈ X, si { } converge vers dans l’espace métrique


( , ), donc { } converge vers dans l’espace métrique ( , ) d’après le lemme 2 précédent.

(b) Comme ‖ ‖ ≤ ‖ ‖ pour tout ∈ , si { } est une suite de Cauchy dans l'espace métrique
( , ), alors { } est de Cauchy dans l'espace métrique ( , ) d’après le lemme 2 précédent.
Inversement, comme ‖ ‖ ≤ ‖ ‖ pour tout ∈ , si { } est une suite de Cauchy dans l'espace
métrique( , ), alors { } est de Cauchy dans l'espace métrique ( , ) d’après le lemme 2
précédent.

(c) Supposons que ( , ) soit complet et que { } soit une suite de Cauchy dans l'espace métrique
( , ). Alors { } est de Cauchy dans l’espace métrique ( , ) de la partie (b) et donc { } converge
vers un point de l’espace métrique ( , ), puisque ( , ) est complet. Ainsi, { } converge vers
dans l'espace métrique ( , ) de la partie (a) et ainsi ( , ) est complet.

L'inverse est vrai par symétrie.

Si est un espace vectoriel avec deux normes équivalentes ‖. ‖ et ‖. ‖ , et ∈ il est


probable que ‖ ‖ ≠ ‖ ‖ . Toutefois, selon le corollaire 2.15, peu importe la propriété de l’espace
métrique, que l’on considère l’une ou l’autre norme. Ceci est important car parfois l’une des normes
est plus facile à travailler que l’autre.

Si est un espace de dimension finie, nous savons à l'aide de l'exemple 2.3 que a au moins
une norme. Nous montrons maintenant que toute autre norme sur est équivalente à cette norme et
nous en déduisons donc de nombreuses propriétés d'espace métrique à partir d'espaces vectoriels
normés de dimension finie.

Théorème
Soit un espace vectoriel de dimension finie muni de la norme ‖. ‖ et soit { , ,... , } une
base de X. Une autre norme sur telle que définie dans Exemple 2.3 par

∑ = ∑ . (2.1)

Les normes ‖. ‖ et ‖. ‖ sont équivalentes

Preuve

Soit = ∑ . Alors > 0, comme { , ,..., } est une base de .

Egalement

≤ =

≤ =

Maintenant considérons : → définie par

47
Hameida Ali et Berkane Abdelhak

( , ,…, )=

La fonction est continue par rapport à la métrique standard sur selon le théorème 2.11.

Maintenant si

= ( , ,…, )∈ : =1 ,

Alors est compact, donc il existe ( , ,…, )∈ tel que

= ( , ,…, )≤ ( , ,…, ), ∀( , ,…, )∈ .

Si = 0 alors ∑ = 0 donc ∑ = 0 qui est en contradiction avec le fait que


{ , , . . . , } est une base de . Ainsi > 0.

En outre, d’après la définition de ‖. ‖ , si ‖ ‖ = 1 alors ‖ ‖ ≥ . Donc si ∈ \{0}, puisque

‖ ‖
= 1, nous devons avoir ‖ ‖
≥ 1 et par suite ‖ ‖ ≥ ‖ ‖ .

Comme ‖ ‖ ≥ ‖ ‖ quand = 0 il s’ensuit que ‖. ‖ et ‖. ‖ sont équivalentes.

Corollaire 2
Si ‖ ‖ ‖ ‖ sont deux normes quelconques sur un espace vectoriel de dimension finie,
elles sont équivalentes.

Preuve
Soit {e , e , . . . , e } une base pour X et soit ‖. ‖ la norme sur X définie par (2.1).

Alors, les deux ‖. ‖ et ‖. ‖ sont équivalentes à ‖. ‖ , selon le théorème et donc ‖. ‖ est équivalent à
‖. ‖, selon le lemme 1.

Maintenant que nous avons montré que toutes les normes d’un espace de dimension finie sont
équivalentes, nous pouvons obtenir les propriétés d’espace métrique de la métrique associée à toute
norme en prenant simplement en considération une norme particulière.

Lemme 3
Soit un espace vectoriel de dimension finie sur et soit { , , . . . , } une base de . Si
‖. ‖ : → est la norme sur définie par (2.1) alors est un espace métrique complet.

Preuve
Soit { } une suite de Cauchy dans et soit > 0. Chaque élément de la suite peut être écrit ainsi:

= , , pour , ∈ .

Comme { } est de Cauchy, il existe ∈ tel que lorsque , ≥ ,

48
Hameida Ali et Berkane Abdelhak

, − , =‖ − ‖ ≤

Donc , − , ≤ pour , ≥ et 1 ≤ ≤ . Ainsi , est une suite de Cauchy dans


pour 1 ≤ ≤ et puisque est complet, ils existent ∈ tels que lim , = . Et donc ils

existent ∈ tels que ≥ ,

, − ≤ .

Soit =( , ,…, ) et =∑ , alors lorsque ≥ , on a

‖ − ‖ = , − ≤ =

Ainsi { } converge vers , et par suite est complet.

Corollaire 3
Si ‖. ‖ est une norme quelconque dans un espace de dimension finie , alors est un espace
métrique complet.

Preuve
Soit { , , . . . , } une base pour et soit ‖. ‖ : → une seconde norme sur X définie par (2.1).
Les normes ‖. ‖ et ‖. ‖ sont équivalentes d’après le corollaire 2 et X muni de la norme ‖. ‖ est
complète d’après le lemme 3. Par conséquent, muni de la norme ‖. ‖ est également complet d’après
le corollaire 1.

Corollaire 4
Si est un sous-espace de dimension finie d'un espace vectoriel normé , alors est fermé.

Preuve
L'espace est lui-même un espace vectoriel normé. Il s'agit donc d'un espace métrique complet
d’après le corollaire 3. Donc, est fermé puisque tout sous-ensemble complet d'un espace métrique
est fermé.

Ces résultats montrent que les propriétés d'espace métrique de tous les espaces normés à
dimensions finies sont similaires à celles de . Cependant, chaque norme d'un espace de dimension
finie donnera des propriétés d'espace normé différentes. Au début de cette section, nous avons donné
un exemple géométrique pour illustrer cela.

Un autre exemple est la difficulté d'obtenir une bonne estimation du plus petit intervalle
possible que nous pouvons prendre pour [ , ] dans le corollaire 2.

49
Hameida Ali et Berkane Abdelhak

5 Espaces de Banach

Lorsque nous nous tournons vers un espace vectoriel de dimension infinie, nous avons vu
dans l'exercice précédent, par exemple, qu'il peut exister deux normes sur qui ne sont pas
équivalentes. Par conséquent, de nombreuses méthodes utilisées dans la section précédente ne
s'étendent pas aux espaces vectoriels de dimension infinie et nous pouvons donc nous attendre à ce que
beaucoup de ces résultats ne soient plus vrais.

Par exemple, chaque sous-espace linéaire de dimension finie d'un espace vectoriel normé est fermé,
d’après le Corollaire 4. Ce n'est pas vrai pour tous les sous-espaces linéaires à dimension infinie
d'espaces normés, comme nous le voyons maintenant.

Exemple 1
Soit = { } ∈ , ∈ = 0, ∀ ≥ , de sorte que est le sous-
espace linéaire de - constitué des suites ne contenant qu’un nombre fini de termes non nuls.
Alors n'est pas fermé.

Solution
Si = 1, , , … alors ∈ \ . Soit = 1, , , … , , 0,0, … . Alors ∈ et

1 1 1
‖ − ‖= 0,0, … ,0, , ,… =
+1 +2 +1

Donc lim ‖ − ‖ = 0 et par suite lim = . Donc ∈ ̅\ et d’où n’est pas fermé.
→ →

Nous verrons ci-dessous que les sous-espaces linéaires fermés sont plus importants que les
sous-espaces linéaires qui ne sont pas fermés. Ainsi, si un sous-espace linéaire n’est pas fermé, il
sera souvent avantageux de considérer plutôt sa fermeture ̅ (rappelons que pour tout sous-ensemble
d’un espace métrique, ⊂ ̅ et = ̅ si et seulement si est fermé).

Cependant, nous devons d’abord montrer que la fermeture d’un sous-espace linéaire d’un
espace vectoriel normé est aussi un sous-espace linéaire.

Lemme 1
Si est un espace vectoriel normé et S est un sous-espace linéaire de , alors ̅ est un sous-
espace linéaire de .

Preuve
Soit , ∈ ̅ et ∈ . Puisque , ∈ ,̅ ils existent des suites { } et { } dans telles que

= lim et = lim
→ →

Puisque est un sous espace + ∈ ,∀ ∈ , donc

+ = lim ( + )∈ ̅

De même ∈ ,∀ ∈ , donc

= lim ∈ ̅

50
Hameida Ali et Berkane Abdelhak

et donc ̅ est un sous espace linéaire.

Supposons que soit un espace vectoriel normé et que soit un sous-ensemble non vide de
. Nous rappelons de la définition 1.3 que la plage de est l’ensemble de toutes les combinaisons
linéaires d’éléments de ou, de manière équivalente, l’intersection de tous les sous-espaces linéaires
contenant .

Puisque est un sous-espace linéaire fermé de contenant , nous pouvons former une
intersection similaire avec des sous-espaces linéaires fermés.

Définition 1
Soit un espace vectoriel normé et soit E un sous-ensemble non vide de . La plage linéaire
fermée de , notée , est l'intersection de tous les sous-espaces linéaires fermés de
contenant .

La notation utilisée pour l'étendue linéaire fermée de suggère qu'il existe un lien entre Sp et
Sp . Ce lien est clarifié dans le lemme 2.

Lemme 2
Soit un espace normé et un quelconque sous-ensemble non vide de .

(a) est un sous-espace linéaire fermé de qui contient .

(b) = , c’est-à-dire que est la fermeture de Sp E.

Preuve
(a) Comme l'intersection de toute famille d'ensembles fermés est fermée, Sp l'est également, et
l'intersection de toute famille de sous-espaces linéaires est un sous-espace linéaire.

Sp est un sous-espace linéaire. Par conséquent, Sp est un sous-espace linéaire fermé de qui
contient .

(b) Puisque SpE est un sous-espace linéaire fermé contenant E, nous avons Sp ⊆ SpE.

D'autre part, Sp est un sous-espace linéaire de contenant , donc SpE ⊆ Sp , puisque Sp est
fermé, SpE ⊆ Sp . Donc SpE ⊆ Sp .

Théorème 1 (Lemme de Riesz)


Supposons que soit un espace vectoriel normé, est un sous-espace linéaire fermé de tel
que ≠ et est un nombre réel tel que 0 < < 1.

Alors il existe ∈ tel que

‖ ‖=1 ‖ − ‖ > 0, ∀ ∈

Preuve
Comme ≠ , il y a au moins un point ∈ \ . De plus, puisque Y est un ensemble fermé,

= inf{‖ − ‖: ∈ } > 0

d’après la partie (d) du théorème 1.25.

Ainsi < puisque 0 < < 1, de sorte qu’il existe ∈ tel que ‖ − ‖ < .

51
Hameida Ali et Berkane Abdelhak

Soit =‖ . Alors ‖

‖ = 1 et pour tout ∈ ,


‖ − ‖= −
‖ − ‖

‖ − ‖
= − −
‖ − ‖ ‖ − ‖ ‖ − ‖

= ‖ − ( + ‖ − ‖ )‖
‖ − ‖

>( ) =

Remarquer que + ‖ − ‖ ∈ , puisque est un sous-espace linéaire.

Théorème 2
Si est un espace vectoriel normé de dimension infinie. Alors :

ni ={ ∈ : ≤ 1}, ni = { ∈ : ‖ ‖ = 1} ne sont compacts.

Preuve
Soit ∈ . Alors, comme n’est pas de dimension finie, Sp{ } ≠ et que Sp{ } est de
dimension finie, Sp{ } est fermé d’après le corollaire 4.4 de la section précédente.

Par conséquent, selon le lemme de Riesz, il existe ∈ tel que

3
‖ − ‖> , ∀ ∈ .
4
De manière analogue Sp{ , }≠ et que Sp{ , } est de dimension finie, Sp{ , } est fermé
d’après le corollaire 4.4.

Par conséquent, selon le lemme de Riesz, il existe ∈ tel que

3
‖ − − ‖> , ∀ , ∈ .
4

En continuant ainsi, nous obtenons une séquence { } dans telle que

‖ − ‖> lorsque ≠ .

Cela ne peut pas avoir de sous-suite convergente, donc et ne sont pas compacts.

La compacité peut être une propriété d'espace métrique très utile, comme nous l'avons vu dans
la preuve du théorème 16.

Nous rappelons que, dans tout espace normé de dimension finie, tout ensemble fermé borné est
compact, mais malheureusement, il n'y a pas autant d'ensembles compacts dans les espaces normés de
dimension infinie comme dans le théorème 2.

C'est une différence majeure entre la structure d'espace métrique d'espaces normés de dimension finie
et infinie. Par conséquent, les résultats plus profonds dans les espaces normés ne se produiront
probablement que dans les espaces complets.

52
Hameida Ali et Berkane Abdelhak

Définition 2
Un espace de Banach est un espace vectoriel normé qui est complet par rapport à la métrique
associé à la norme.

Heureusement, beaucoup de nos exemples d'espaces vectoriels normés sont des espaces de
Banach.

Il est pratique de répertorier tous ces éléments ensemble dans un même théorème, même si de
nombreux détails ont déjà été fournis.

Théorème 3
(a) Tout espace vectoriel normé de dimension finie est un espace de Banach.

(b) Si est un espace métrique compact, alors ( ) est un espace de Banach.

(c) Si ( , , μ) est un espace de mesure,

alors ( ) est un espace de Banach pour 1 ≤ ≤ ∞.

(d) est un espace de Banach pour 1 ≤ ≤ ∞.

(e) Si est un espace de Banach et est un sous-espace linéaire de , alors est un espace de
Banach si et seulement si est fermé dans .

Preuve
(a) Ceci est donné dans le corollaire 19.

(b) Ceci est donné dans le théorème 1.39.

(c) Ceci est donné dans le théorème 1.61.

(d) Il s'agit d'un cas particulier de la partie (c) en prenant une mesure de comptage sur .

(e) est un sous-espace linéaire normé de l'exemple 2.7 et est un espace de Banach si et
seulement s'il est complet.

Cependant, un sous-ensemble d'un espace métrique complet est complet si et seulement si il est
fermé par le théorème 1.35.

Donc est un espace de Banach si et seulement si est fermé dans .

Pour donner une petite démonstration de l'importance que la complétude jouera dans la suite
de ce livre, nous concluons ce chapitre par un analogue du test de convergence absolue des séries
valable pour les espaces de Banach.

Pour le dire, nous avons d’abord besoin de la définition de la convergence d’une série dans un espace
normé.

Définition 3
Soit un espace normé et { } une suite dans . Pour chaque entier positif ,

soit =∑ est la nième somme partielle de la suite.

53
Hameida Ali et Berkane Abdelhak

On dit que la série ∑ converge si existe dans et, dans l’affirmatif, on définit

∑ =

Théorème 4
Soit un espace de Banach et { } une suite de .

Si la série ∑ ‖ ‖ converge, alors la série ∑ converge.

Preuve
Soit > 0 et soit =∑ est la nième somme partielle de la suite.

Comme ∑ ‖ ‖ converge, la suite des sommes partielles de ∑ ‖ ‖ forment une suite de


Cauchy, donc il existe ∈ tel que

∑ ‖ ‖< dés que > ≥ .

Par conséquent, par l’inégalité triangulaire, lorsque > ≥ ,

‖ − ‖≤ ‖ ‖<

Donc { } est une suite de Cauchy et converge car est complet. Ainsi, ∑ converge.

Exemple 2
Soit un ensemble. On note ( , ) le − espace vectoriel des fonctions bornées de dans
. On norme ( , ) en posant

∀ ∈ ( , ), ‖ ‖ = | ( )|

Montrer que ( , ), muni de cette norme, est un espace de Banach.

Solution
Rappelons qu’un espace de Banach est un . . complet.

La preuve de la complétude d’un espace métrique est hyper classique. On procède comme suit :

(i) On considère une suite de Cauchy, et on construit sa limite éventuelle,

(ii) On vérifie qu’elle appartient à l’ensemble de départ,

(iii) On montre que la suite de Cauchy converge bien vers cette limite éventuelle.

(i) Soit ( ) une suite de Cauchy de ( , ). Fixons ∈ . Pour , ∈ , l’inégalité

( )− ( ) ≤ sup ( )− ( ) = −

Implique que ( ( )) est une suite de Cauchy dans . Comme est complet, la suite ( ( ))
converge. Notons ( ) sa limite.

(ii) L’application : → ainsi construite vérifie ( ) = lim ( ) pour tout ∈ .


54
Hameida Ali et Berkane Abdelhak

Montrons que est bornée. La suite ( ) étant de Cauchy, elle est bornée.

Ainsi, il existe > 0 tel que ‖ ‖ ≤ ,∀ ∈ .

Si ∈ , on a | ( )| ≤ ,∀ ∈ , donc en passant à la limite, on obtient | ( )| ≤ .

Ceci étant vrai pour tout , est bien bornée, i.e. ∈ ( , ).

(iii) Montrons maintenant que ( ) tend vers dans ( , ). Soit > 0, il existe > 0 tel que
pour tout , ≥ , n a − ≤ . Ainsi, si on fixe un élément quelconque de , on a

∀ ≥ ,∀ ≥ , ( )− ( ) ≤ − <

En fixant dans l’assersion précédente et en faisant tendre vers l’infini, on en déduit linégalité
( ) − ( ) < . Ceci étant vrai pour tout ∈ , on a − < . Ceci est vrai ∀ ≥ , donc
converge vers .

Finalement, toute suite de Cauchy ( ) de ( , ) converge, donc ( , )est complet.

55
Hameida Ali et Berkane Abdelhak

6 Produits et quotients

Produits
Proposition 1
Soient deux espaces normés ; il existe une norme sur × qui définit la topologie
produit.

Preuve
Notons : × → l’application ( , ) → ‖ ‖ + ‖ ‖ . Il est clair que est une norme, et que
pour toute suite ( , ) ∈ × , nous avons

( , ) → 0 ssi ‖ ‖ → 0 et ‖ ‖ → 0

c’est-à-dire

ssi → 0 dans et → 0 dans ,

ce qui équivaut à ( , ) → (0,0) pour la topologie produit.

Remarquons que la norme décrite plus haut n’est pas l’unique norme définissant la
topologie produit : n’importe quelle norme équivalente convient. Plusieurs normes équivalentes sont
tout aussi naturelles que . Par exemple la norme

( , )→ (‖ ‖ , ‖ ‖)

ou la norme

( , ) → (‖ ‖ + ‖ ‖ ) , > 1.

On dit qu’un espace vectoriel topologique est normable s’il existe une norme sur qui
définisse la topologie de , donc × est normable quand sont normables.

Remarque
On vérifie sans peine que × est un Banach si et seulement si sont des espaces de
Banach.

Quotients
Définition 1
Soit un espace vectoriel et un sous espace de X, rappelons que / est le quotient de
pour la relation telle que

⇔ − ∈ .

Le quotient / est muni de l’unique structure d’espace vectoriel pour laquelle l’application
quotient → / est linéaire.

La classe 0 est égale à et c’est le vecteur nul de l’espace quotient / , les autres classes
sont les translatés de (ce sont les sous espaces affines + , parallèles à ).

56
Hameida Ali et Berkane Abdelhak

Proposition 2
Soient un espace normé et un sous espace vectoriel fermé de , notons : → /
l’application quotient. La fonction : / → définie par

∈ / , ( )= {‖ ‖: ∈ , ( )= }

Est une norme sur / .

Preuve
Supposons que ( ) = 0 et montrons que est la classe nulle dans / , c’est-à-dire la classe
d’équivalence égale au sous espace , c’est ici que l’hypothèse fermé est cruciale : dire que ( ) =
0 signifie qu’il existe des vecteurs tels que ( ) = et tels que ‖ ‖ → 0. Si ∈ , la suite
− ( ) est dans la classe de 0, c’est-à-dire dans , et converge vers , il en résulte que ∈
puisque est fermé, donc ⊂ ce qui implique en fait que = = 0 / .

Montrons que est une semi norme. Il est clair que ( ) = | | ( ) pour tout ∈ et tout ∈
/ . Soient , ′ ∈ / et > 0, on peut trouver , ′ ∈ tels que

( )= , ( ′) = ‖ ‖ ≤ ( ) + , ‖ ′‖ ≤ ( ′) +

on a

( + ′) ≤ ‖ + ‖ ≤ ‖ ‖ + ‖ ‖ ≤ ( ) + ( ′) + 2

D’où ( + ′) ≤ ( ) + ( ′) en faisant tendre vers 0.

Notons que la distance ( , ) de deux classes de / est simplement la distance naturelle des sous
ensembles de , c’est-à-dire l’inf de ( , ), lorsque dans et dans .

Notons aussi que la projection verifie ‖ ‖ ≤ 1, on a même en général ‖ ‖ = 1, sauf si = {0} ,


c’est-à-dire si = (on suppose toujours fermé).

Notons encore que l’image par de la boule unité ouverte (0,1) de est exactement la boule unité
ouverte du quotient / ( l’énoncé correspondant pour la boule unité fermée n’est pas vrai en
général).

Proposition 3
Soient , deux espaces linéaires normés, un sous espace fermé de et ∈ ( , ) nulle
sur , il existe un unique ℎ ∈ ( , ) telle que =ℎ∘ ( où : → / est l’application
quotient), on a ‖ℎ ‖ = ‖ ‖

Preuve
Soit ∈ / , on va vérifier que tous les vecteurs de la classe ont la même image ∈ , ce qui
permettra de poser ℎ( ) = = ( ) :

si , ′ ∈ sont dans la classe , alors − ′∈ ⊂ , donc ( − ) = 0, soit ( ) = ( ).

Donc ( ) ne dépend pas du choix du représentant de la classe , notons le ℎ( ). Il est clair que ℎ
est linéaire, et par construction on a = ℎ ∘ .

Comme est surjective, il est clair que ℎ est unique.

57
Hameida Ali et Berkane Abdelhak

Notons la norme quotient de / . Pour ∈ / et pour tout tel que ( ) = , on a

‖ℎ( )‖ = ‖ ( )‖ ≤ ‖ ‖‖ ‖.

Cela étant vrai pour tout dans la classe , on a ‖ℎ ( )‖ ≤ ‖ ‖‖ ( )‖. Donc ℎ est continue et
‖ℎ ‖ ≤ ‖ ‖. Enfin, ‖ ‖ = ‖ℎ ∘ ‖ ≤ ‖ℎ ‖‖ ‖ et comme ‖ ‖ ≤ 1, on a bien ‖ℎ ‖ = ‖ ‖.

Proposition 4
Soient un espace de Banach et un sous espace fermé, alors / est un espace de Banach.

Preuve
On va utiliser le critère de la proposition 1.6.

Soit ∑ une série normalement convergente dans le quotient, pour tout entier ≥ 0 on peut
trouver un représentant ∈ tel que ‖ ‖ ≤ 2‖ ‖, la série ∑ est elle aussi normalement
convergente dans puisque est complet.

Finalement la série ∑ , image par l’application linéaire continue de la série convergente ∑ , est
convergente dans / , ce qui termine la démonstration.

58
Hameida Ali et Berkane Abdelhak

7 Exercices

Exercice 1
Soient et des espaces vectoriels sur et soit = × le produit cartésien de et .
Ceci est un espace vectoriel d’après la définition 1.4. Si ‖. ‖ est une norme sur et ‖. ‖ est
une norme sur Y, alors ‖( , )‖ = ‖ ‖ + ‖ ‖ définit une norme sur Z.

Solution
Soit ( , ), ( , ) ∈ et soit ∈ .

(a) ‖( , )‖ = ‖ ‖ + ‖ ‖ ≥ 0.

(b) Si ( , ) = 0 alors = 0 et = 0. D'où ‖ ‖ = ‖ ‖ = 0 et ainsi ‖( , )‖ = 0.

Inversement, si ‖( , )‖ = 0 alors ‖ ‖ = ‖ ‖ = 0. Donc = 0 et = 0 et donc ( , ) = 0.

(c) ‖ ( , )‖ = ‖( , )‖ = ‖ ‖ +‖ ‖ = | |‖ ‖ + | |‖ ‖ = | |‖( , )‖.

(d) ‖( , ) + ( , )‖ = ‖( + , + )‖ = ‖ + ‖ + ‖ + ‖

≤ ‖ ‖ + ‖ ‖ + ‖ ‖ + ‖ ‖ = ‖( , )‖ + ‖( , )‖

Exercice 2
Soit un ensemble non vide et un espace normé sur . Soit ( , ) le sous-espace linéaire
de ( , ) de toutes les fonctions : → telles que { ( ): ∈ } soit borné. Montrer que
( , ) a une norme définie par

‖ ‖ = { ( ): ∈ }.

Solution
Soient , ∈ ( , ) et soit ∈ .

(a) ‖ ‖ = sup { ( ): ∈ } ≥ 0.

(b) Si = 0 alors f(s)=0 , ∀ ∈ , de sorte que ‖ ( )‖ = 0 , ∀ ∈ et donc ‖ ‖ = 0.

Inversement, si ‖ ‖ = 0, alors ‖ ( )‖ = 0, ∀ ∈ . Alors f(s)=0 , ∀ ∈ et donc = 0.

(c) ‖ ‖ = sup ‖ ( )‖ : ∈ = sup | |‖ ( )‖ : ∈

= | | sup ‖ ( )‖ : ∈ = | |‖ ‖ .

(d) Nous avons

‖( + )( )‖ ≤ ‖ ( )‖ + ‖ ( )‖ ≤ ‖ ‖ + ‖ ‖ , ∀ ∈

‖ + ‖ = sup ‖( + )( )‖ : ∈ ≤‖ ‖ +‖ ‖

Exercice 3
Pour chaque ∈ , définissons : [0, 1] → ( )= .

Trouvez la norme de dans les cas suivants:

(a) dans l'espace normé ([0,1]);

59
Hameida Ali et Berkane Abdelhak

(b) dans l'espace normé ([0,1]);

Solution
Nous utilisons les normes standard sur ces espaces.

(a) ‖ ‖ = sup {| ( )|∶ ∈ [0, 1]} = 1.

(b) Comme est continu, les intégrales de de Riemann et de Lebesgue sont identiques, de sorte que

1
‖ ‖= = .
+1
Exercice 4
Soit un espace linéaire normé.

Si ∈ \ {0} et > 0, trouvez ∈ tels que ‖ ‖= .

Solution
Si = ± ‖ ‖
alors ‖ ‖ = |α|‖ ‖ = r.

Exercice 5
Soit un espace vectoriel de norme ‖. ‖ et un espace vectoriel de norme ‖. ‖ . Soit = ×
muni de la norme indiquée à l'exemple 8. Soit {( , )} une suite dans .

(a) Montrer que {( , )} converge vers ( , ) dans si et seulement si { } converge vers


dans et { } converge vers dans .

(b) Montrer que {( , )} est de Cauchy dans si et seulement si { } est de Cauchy dans
et { } est de Cauchy dans .

Solution
Soit > 0.
(a) Supposons que {(x , y )} converge vers ( , ) dans . Alors il existe ∈ tel que

‖(x − , y − )‖ = ‖(x , y ) − ( , )‖ ≤ , quand ≥

Alors

‖x − ‖ ≤ ‖(x − , y − )‖ ≤

et

‖y − ‖ ≤ ‖(x − , y − )‖ ≤ ,

quand ≥ . Donc {x } converge vers x dans X et {y } converge vers y dans Y.

Inversement supposons que {x } converge vers x dans X et {y } converge vers y dans Y, alors ils
existent , ∈ tels que

‖x − ‖ ≤ quand ≥
2

60
Hameida Ali et Berkane Abdelhak

‖y − ‖ ≤ quand ≥
2

Soit = { , }, alors

‖(x , y ) − ( , )‖ = ‖(x − , y − )‖

= ‖x − ‖ + ‖y − ‖ ≤ ,

quand ≥ . Donc {(x , y )} converge vers (x, y) dans Z

(b) Supposons que {(x , y )} est de Cauchy dans . Alors il existe ∈ tel que

‖(x − x , y − y )‖ = ‖(x , y ) − (x , y )‖ ≤ , quand , ≥

Alors

‖x − x ‖ ≤ ‖(x − x , y − y )‖ ≤

et

‖y − y ‖ ≤ ‖(x − x , y − y )‖ ≤ ,

quand , ≥ . Donc {x } est de Cauchy dans X et {y } est de Cauchy dans Y.

Inversement supposons que {x } est de Cauchy dans X et {y } est de Cauchy dans Y, alors ils existent
, ∈ tels que

‖x − x ‖ ≤ quand , ≥
2

‖y − y ‖ ≤ quand , ≥
2

Soit = { , }, alors

‖(x , y ) − (x , y )‖ = ‖(x − x , y − y )‖

= ‖x − x ‖ + ‖y − y ‖ ≤ ,

quand ≥ . Donc {(x , y )} est de Cauchy dans Z

Exercice 6
Soit l’espace vectoriel (de dimension infinie) des polynômes définis sur [0, 1].

Puisque est un sous-espace linéaire de ([0,1]), il a une norme

‖ ‖ = {| ( )|∶ ∈ [0,1]}

et puisque est un sous-espace linéaire de [0,1], il a une autre norme

‖ ‖ = ∫ | ( )| .

Montrer que ‖ ‖ et ‖ ‖ ne sont pas équivalentes sur .

61
Hameida Ali et Berkane Abdelhak

Solution
Supposons que ‖. ‖ et ‖. ‖ soient équivalentes sur P. Alors, il existe , > 0 tels que

‖ ‖ ≤‖ ‖ ≤ ‖ ‖ , ∀ ∈

Comme > 0, il existe ∈ tel que < . Soit

: [0,1] → , définie par ( )= .

Alors ‖ ‖ =1 ‖ ‖ = d’après l'exercice 3. D'où

1
= ‖ ‖ ≤‖ ‖ = ,

ce qui est une contradiction. Ainsi, ‖. ‖ et ‖. ‖ ne sont pas équivalentes

Exercice 7
Si = { } ∈ : ∃ ∈ = 0, ∀ ≥ de sorte que est un sous-espace
linéaire de constitué des suites n’ayant qu’un nombre fini de termes non nuls.

Montrer que n'est pas fermé.

Solution
Si = 1, , , … alors ∈ \ . Pour chaque ∈ , prenons = 1, , , … , , 0,0, … . Alors
∈ et
1 1 1
‖ − ‖ = 0,0, … ,0, , ,… =
+1 +2
D’où lim ‖ − ‖ = 0 et ainsi lim = . Donc ∈ \̅ et donc S n'est pas fermé.
→ →

Exercice 8
Soit un espace normé, soit ∈ \{0} et un sous-espace linéaire de .
(a) S'il existe > 0 tel que

{ ∈ :‖ ‖< } ⊆

Montrer que ‖ ‖

(b) Si est ouvert, montrez que = .

Solution
‖ ‖
(a) ‖ ‖ = ‖ ‖
= < , donc par la condition donnée ‖ ‖
∈ .

(b) Soit ∈ \{0}. Comme est ouvert, il existe > 0 tel que { ∈ : ‖ ‖ < } ⊆ .

D'où ‖ ‖
∈ d’après la partie (a).

Comme un scalaire que multiplie un vecteur dans Y est aussi dans Y, nous avons

2‖ ‖
= ∈
2‖ ‖

62
Hameida Ali et Berkane Abdelhak

Donc ⊆ . Comme est un sous-ensemble de par définition, il en résulte que = .

Exercice 9
Soit un espace linéaire normé et, pour tout ∈ et > 0, considérons

= { ∈ : ‖ − ‖ ≤ } et ={ ∈ :‖ − ‖ < }

(a) Montrer que T est fermé.

(b) Si ∈ et =( − ) , ∈ ;

Montrez que = et montrez donc que ̅ = .


Solution
(a) Soit { } une suite dans qui converge vers un point ∈ . Alors,

‖ − ‖≤ , ∀ ∈

et donc

‖ − ‖ = lim ‖ − ‖≤

d’après le théorème 2.11. Ainsi, ∈ et donc est fermé.


(b) Nous avons

‖ − ‖ = ‖ − (1 − ) ‖= ‖ ‖≤ , ∀ ∈

Par conséquent, lim = .


Puisque ⊆ et T est fermé, ̅ ⊆ . Inversement, si ∈ et sont définis comme ci-dessus, alors

‖ ‖ = (1 − )‖ ‖ ≤ (1 − ) <

donc ∈ .

Ainsi est la limite d'une suite d’éléments de , donc ∈ ̅. D'où ⊆ et par suite = .

Exercice 10
Soit un espace de Banach de norme ‖. ‖ et est un espace de Banach de norme ‖. ‖ .

Considérons = × , muni de la norme donnée dans l'exemple 8.

Montrez que est un espace de Banach.

Solution
Soit {( , )} une suite de Cauchy dans .

Alors { } est de Cauchy dans et { } est Cauchy dans d’après l'exercice 5.

Comme et sont des espaces de Banach, { } converge vers ∈ et { } converge vers ∈ .

Donc {( , )} converge vers ( , ) d’après l'exercice 5. Donc est un espace de Banach

63
Hameida Ali et Berkane Abdelhak

Exercice 11
Soit un ensemble non vide, soit un espace de Banach sur et soit ( , ) l’espace
vectoriel donné dans l’exercice 2 avec la norme

‖ ‖ = {‖ ( )‖: ∈ }

Montrer que ( , ) est un espace de Banach.

Solution
Soit { } une suite de Cauchy dans ( , ) et soit > 0. Il existe ∈ tel que

‖ − ‖ < , quand , >

Pour tout ∈

‖ ( )− ( )‖ ≤ ‖ − ‖ < , quand , >

Il s’ensuit que { } est une suite de Cauchy dans .

Comme est complet, alors { ( )} converge, nous définissons donc une fonction

: → par ( ) = lim ( )

Comme ‖ ( ) − ( )‖ < pour tout ∈ quand , > , en prenant la limite quand tend
vers l'infini, nous avons ‖ ( ) − ( )‖ < quand > . Donc

‖ ( )‖ ≤ + ‖ ( ))‖ < + ‖ ‖

quand > pour tout ∈ .

Par conséquent, est une fonction bornée, donc ∈ ( , ) et lim = car ‖ − ‖ <

quand > . Donc ( , ) est un espace de Banach.

Exercice 12
Soient un espace normé, un sous espace vectoriel de dence dans et un espace de
Banach. Montrer alors que toute application linéaire continue : → se prolonge de façon
unique en une application linéaire continue : → et que = ‖ ‖.

Remarque
C’est par ce procédé que l’on définit par exemple la transformée de Fourier sur X = F = L (IR), à
partir de sa définition intégrale sur sous espace dense X = L ∩ L .

Solution
Soient ∈ et ≥ 0, d’après la densité de dans , l’ensemble

={ ∈ :‖ − ‖ <2 }

est non vide, si , ∈ , on a ‖ − ‖ ≤ ‖ − ‖+‖ − ‖≤ 2 , donc le diamètre de


tend vers 0 (l’ensemble devrait s’appeler ( ), mais ce serait vraiment lourd).

Puisque est linéaire et bornée, alors la suite ( ( )) est une suite décroissante de sous-ensembles
non vide de , de diamètres tendant vers 0.

64
Hameida Ali et Berkane Abdelhak

Précisément, on déduit de ce qui précède que si , ∈ ( ), on a ‖ − ‖ ≤ ‖ ‖2 .

Puisque est complet, on sait que ∩ ( ) contient exactement un point. Appelons ( ) ce point
unique.

Soit ( ) ⊂ une suite quelconque telle que → , et soit quelconque, on aura ∈ pour
≥ , donc ‖ ( ) − ( )‖ ≤ 2 ‖ ‖ pour ≥ , ceci montre que ( ) = lim ( ) pour

toute suite ( )⊂ telle que = lim .

Il est facile de de vérifier que → ( ) est linéaire de dans , à partir de cette remarque (prendre
→ et → ′). On a aussi

‖ ( )‖ = lim ( ) = lim ‖ ( )‖ ≤ ‖ ‖ lim ‖ ‖ = ‖ ‖‖ ‖


→ → →

Ce qui montre que est continue et ‖ ‖ ≤ ‖ ‖.

Si ∈ , il est clair que ( ) est l’unique point commun aux ensembles ( ), donc ( ) = ( ).

Si est une autre application continue qui prolonge , on aura ( ) = lim ( ) par continuité de

, mais ( )= ( ) par hypothèse, donc ( ) = lim ( ) = ( ) pour tout ∈ , ce qui

montre l’unicité de . Il nous suffit pour finir de prendre = .

65
Hameida Ali et Berkane Abdelhak

3 Opérateurs linéaires

1 Transformations linéaires continues

Maintenant que nous avons étudié certaines propriétés des espaces normés, nous
examinons les fonctions qui appliquent un espace normé dans un autre. Les applications les plus
simples entre deux espaces vectoriels sont celles qui respectent la structure linéaire, c'est-à-dire les
transformations linéaires.

Nous rappelons la convention introduite au chapitre 1 selon laquelle si nous avons deux
espaces vectoriels et et une transformation linéaire de dans , il est entendu que et sont
des espaces vectoriels sur le même champ scalaire.

Puisque les espaces vectoriels normés ont une distance associée à la norme et que les
fonctions continues entre espaces métriques sont généralement plus importantes que les fonctions
qui ne sont pas continues, les transpositions importantes entre espaces vectoriels normés seront les
transformations linéaires continues.

Après avoir donné des exemples, fixons deux espaces normés et et examinons l’espace
de toutes les transformations linéaires continues de dans . Nous montrons que cet espace est
aussi un espace vectoriel normé, puis étudions plus en détail les cas où = et lorsque = .
Dans ce dernier cas, nous verrons qu'il est possible de définir le produit de transformations linéaires
continues. La dernière section de ce chapitre est consacrée à la détermination du moment où une
transformation linéaire continue a un inverse.

Nous commençons par étudier les transformations linéaires continues. Avant d'examiner des
exemples de transformations linéaires continues, il convient de donner des caractérisations
alternatives de la continuité pour les transformations linéaires.

Une convention de notation devrait être clarifiée ici. Si sont des espaces normés et
que : → une transformation linéaire, la norme d'un élément de et la norme d'un élément de
apparaissent fréquemment dans la même équation. Nous devons donc introduire une notation qui
distingue ces normes. En pratique, nous utilisons simplement le symbole ‖. ‖ pour la norme dans les
deux espaces, car il est généralement facile de déterminer dans quel espace se trouve un élément et
donc implicitement à quelle norme nous nous référons.

Lemme 1
Soient et deux espaces vectoriels linéaires normés et : → une transformation
linéaire.

Les assertions suivantes sont équivalentes :

(a) T est uniformément continue ;

(b) T est continue ;

(c) T est continue en 0 ;

66
Hameida Ali et Berkane Abdelhak

(d) il existe un nombre réel positif k tel que ‖ ( )‖ < chaque fois que ∈ et ‖ ‖ ≤ 1 ;

(e) il existe un nombre réel positif k tel que ‖ ( )‖ < ‖ ‖ pour tout ∈ .

Preuve
Les implications( ) ⇒ ( ) et ( ) ⇒ ( ) sont évidentes, il suffit donc de prouver que
( ) ⇒ ( ), ( ) ⇒ ( ) et ( ) ⇒ ( ).

( ) ⇒ ( ). Comme T est continu en 0, en prenant = 1 il existe un δ > 0 tel que

‖ ( )‖ < 1 quand ∈ et ‖ ‖ < . Soit ∈ avec ‖ ‖ ≤ 1. Comme

= ‖ ‖≤ < ,
2 2 2

( ) < 1 et comme est une transformation linéaire nous avons = ( ).

Donc ‖ ( )‖ < 1 et d’où ‖ ( )‖ < . Et par suite la condition (d) est vérifiée avec = .

( ) ⇒ ( ). Soit k tel que ‖ ( )‖ < chaque fois que ∈ et ‖ ‖ ≤ 1 , puisque (0) = 0 il est
clair que ‖ (0)‖ < ‖0‖. Soit maintenant ∈ avec ≠ 0, comme ‖ ‖
= 1, nous avons

(‖ ‖) ≤ , puisque est une transformation linéaire alors

1 1
‖ ( )‖ = ( ) ( ) = ( ) ≤
‖ ‖ ‖ ‖ ‖ ‖

Et donc ‖ ( )‖ ≤ ‖ ‖ et par suite ‖ ( )‖ < ‖ ‖ pour tout ∈ .

( ) ⇒ ( ). Puisque est une application linéaire

‖ ( ) − ( )‖ = ‖ ( − )‖ ≤ ‖ − ‖

Pour tous , ∈ .

Soit > 0 et soit = quand , ∈ et ‖ − ‖ < , nous avons

‖ ( ) − ( )‖ ≤ ‖ − ‖ < =

Et donc est uniformément continue.

Ayant obtenu ces caractérisations alternatives de la continuité des transformations linéaires,


nous pouvons maintenant regarder quelques exemples. Normalement, il est clair que les applications
que nous envisageons sont des transformations linéaires, nous allons donc nous concentrer sur la
démonstration qu'elles sont continues. Il est habituel de vérifier la continuité des transformations
linéaires en utilisant l’une des conditions équivalentes (d) ou (e) du lemme 1.

Exemple 2
Montrer que la transformation linéaire : [0,1] → définie par

∀ ∈ [0,1], ( ) = (0)

67
Hameida Ali et Berkane Abdelhak

est continue.

Solution
Soit ∈ ℂ [0,1], alors

| ( )| = | (0)| ≤ sup{| ( )|: ∈ [0,1]} = ‖ ‖

Donc est continue d’après (e) du lemme 1 avec =1.

Avant de commencer à vérifier qu'une transformation linéaire T est continue, il est parfois
nécessaire de vérifier que T est bien défini. Le lemme 3 sera utilisé pour vérifier que les exemples
suivants de transformations linéaires sont bien définis.

Lemme 3
Si { } ∈ et si { }∈ , où 1 ≤ < ∞, alors { }∈ et

∑ | | ≤ ‖{ }‖ ∑ | | (1)

Preuve
Puisque { } ∈ et { }∈ nous avons

‖{ }‖ = sup{| |: ∈ } < ∞ et ∑ | | < ∞.

Et comme

∀ ∈ , | | ≤ ‖{ }‖ | |

| | ≤ ‖{ }‖ | | = ‖{ }‖ | | <∞

alors ∑ | | converge d’après le test de comparaison des séries.

Donc { }∈ et l’inégalité (1) est bien vérifiée.

Exemple 4
Montrer que si { } ∈ , alors la transformation linéaire : → définie par

∀{ }∈ , ({ }) = ∑

est continue

Solution
Si { } ∈ et si { }∈ , où 1 ≤ < ∞, alors { }∈ d’après lemme 3, donc est bien
définie. De plus,

| ({ })| = ≤ | | ≤ ‖{ }‖ | | = ‖{ }‖ ‖{ }‖

Donc est continue d’après la condition ( ) du lemme 1 avec = ‖{ }‖ .

Exemple 5
Montrer que si { } ∈ , alors la transformation linéaire : → définie par

68
Hameida Ali et Berkane Abdelhak

∀{ }∈ , ({ }) = { }

est continue

Solution
Si { } ∈ et si { }∈ , où 1 ≤ < ∞, alors { }∈ d’après lemme 3, donc est bien
définie. De plus

‖ ({ })‖ = | | ≤ ‖{ }‖ | | = ‖{ }‖ ‖{ }‖

Donc est continue d’après la condition ( ) du lemme 1 avec = ‖{ }‖ .

Il existe une autre notation pour les applications qui satisfont la condition (e) du lemme 1
pour certains k.

Définition 6
Soient et deux espaces linéaires normés et : → une transformation linéaire.

On dit que est bornée s'il existe un nombre réel positif > 0 tel que

‖ ( )‖ ≤ ‖ ‖, ∀ ∈ .

Au lemme 1, nous pouvons utiliser les mots continu et borné de manière interchangeable
pour les transformations linéaires. Notez cependant qu'il s'agit d'une utilisation différente du mot
«borné» à celle utilisée pour les fonctions de dans .

Par exemple, si : → est la transformation linéaire définie par ( ) = , alors est


bornée au sens donné dans la définition 6 mais, bien sûr, n'est pas bornée au sens habituel d'une
fonction bornée (car ∈ ).

Malgré ce conflit apparent d'utilisation, le problème n'est pas grave car, mis à part la
transformation linéaire zéro, les transformations linéaires ne sont jamais bornées au sens habituel
des fonctions bornées. Le mot peut donc être utilisé de manière alternative. Comme le terme
«borné» donne une bonne indication de ce qui doit être montré, cela compense le désavantage de
l’ambiguïté potentielle. L'utilisation de ce terme explique également l'abréviation utilisée dans la
notation suivante pour l'ensemble de toutes les transformations linéaires continues entre deux
espaces normés.

Notation
Soient des espaces linéaires normés. L'ensemble de toutes les transformations linéaires
continues de est noté ( , ). Les éléments de ( , ) sont de véritables opérateurs
linéaires appelés opérateurs linéaires ou parfois simplement opérateurs.

Si et sont des espaces linéaires normés, alors ( , ) ⊂ ( , ).

Exemple 7
Soient , ∈ , soit : [ , ] × [ , ] → ℂ une application continue, et soit

= {| ( , )|: ( , ) ∈ [ , ] × [ , ]}.

69
Hameida Ali et Berkane Abdelhak

(a) Si ∈ [ , ], alors : [ , ] → ℂ définie par

∀ ∈ [ , ], ( )=∫ ( , ) ( )

est dans [ , ].

(b) Si l’opérateur : [ , ] → [ , ] est définie par

∀ ∈[ , ] ∀ ∈ [ , ], ( ) ( )=∫ ( , ) ( )

Alors ∈ ( [ , ], [ , ]) et

‖ ( )‖ ≤ ( − )‖ ‖.

Solution
(a) Considérons > 0 et ∈ [ , ]. Soit ∈ [ , ] la fonction définie par

∀ ∈ [ , ], ( )= ( , )

Puisque le pavé [ , ] × [ , ] est un sous espace compact de , la fonction est uniformément


continue et par suite : ∃ > 0 tel que, si | − ′| < alors

| ( )− ( )| < , ∀ ∈[ , ]

Donc

| ( ) − ( )| ≤ | ( , ) − ( , )|| ( )| ≤ ( − )‖ ‖

Ainsi est continue.

(b) Pour tout ∈ [ , ] et tout ∈ [ , ] nous avons

( ) ( ) ≤ | ( , ) ( )| ≤ ‖ ‖ = ( − )‖ ‖

Donc
| ( )| ≤ ( − )‖ ‖

Et par suite ∈ ( [ , ], [ , ]).

Dans l'exemple 7, il y a beaucoup de crochets. Pour éviter d'être submergé par ceux-ci, si ∈
( , ) et ∈ , il est habituel d'écrire plutôt que ( ) .

Les exemples présentés jusqu'à présent peuvent donner l'impression que tous les opérateurs
linéaires sont continus. Malheureusement, ce n'est pas le cas, comme le montre l'exemple suivant.

Exemple 8
Soit est un sous espace linéaire de ℂ [0,1] constitué de toutes les fonctions polynomiales.

Montrer que si : → est opérateur linéaire défini par

70
Hameida Ali et Berkane Abdelhak

∀ ∈ , ( )= ù é é

Alors n’est pas continue.

Solution
Soit ∈ définie par

∀ ∈ [0,1], ( )=

Alors

‖ ‖ = sup{| ( )|: ∈ [0,1]} = 1

Tandis que

‖ ( )‖ = ‖ ‖ = sup{| ( )|: ∈ [0,1]} = sup{| |: ∈ [0,1]} = .

Ainsi il n’existe pas ≥ 0 tel que ‖ ( )‖ ≤ ‖ ‖ pour tout ∈ , et donc n’est pas continue.

L'espace P de l'exemple 8 n'étant pas de dimension finie, il est donc naturel de se demander
si tous les opérateurs linéaires entre les espaces normés de dimension finie sont continus. La réponse
est donnée dans le théorème 9.

Théorème 9
Soient deux espaces normés et soit : → un opérateur linéaire.

Supposons de plus que X est de dimension fini.

Alors T est continu.

Preuve
Pour montrer cela, nous définissons d’abord une nouvelle norme sur . Puisqu'elle sera
différente de la norme d'origine, dans ce cas, nous devons utiliser une notation qui distinguera les
deux normes. Soit ‖. ‖ : → définie par

‖ ‖ = ‖ ‖ + ‖ ( )‖

Montrons que ‖. ‖ est une norme sur . Soient , ∈ et ∈ .

(i) ‖ ‖ = ‖ ‖ + ‖ ( )‖ ≥ 0

(ii) Si ‖ ‖ = 0 alors ‖ ‖ = ‖ ( )‖ = 0 , donc = 0.

Tandis que si = 0 alors

‖ ‖ = ‖ ( )‖ = 0

et donc ‖ ‖ = 0.

(iii) ‖ ‖ =‖ ‖+‖ ( )‖ = | |‖ ‖ + | |‖ ( )‖ = | |(‖ ‖ + ‖ ( )‖) = | |‖ ‖

(iv) ‖ + ‖ = ‖ + ‖ + ‖ ( + )‖ = ‖ + ‖ + ‖ ( ) + ( )‖

≤ ‖ ‖ + ‖ ‖ + ‖ ( )‖ + ‖ ( )‖ = ‖ ‖ + ‖ ‖
71
Hameida Ali et Berkane Abdelhak

Donc ‖. ‖ est une norme sur .

Maintenant, comme est de dimension finie, ‖ ‖ et ‖ ‖ sont équivalentes et par suite, il existe
> 0 tel que ‖ ‖ ≤ ‖ ‖ pour tout ∈ d’après le corollaire 2.17 ; donc

‖ ( )‖ ≤ ‖ ‖ ≤ ‖ ‖ pour tout ∈ , ainsi est borné.

Si le domaine d'un opérateur linéaire est de dimension finie, l’opérateur linéaire est continue
selon le théorème 9. Malheureusement, si le rang est de dimension finie, l’opérateur linéaire n'a pas
de raison d'être continue, comme nous le voyons dans l'exemple 10, dont la solution est laissée sous
la forme d'exercice.

Exemple 10
Soit le sous-espace linéaire de ℂ [0,1] constitué de toutes les fonctions polynomiales.
Montrer que si : → ℂ est l’opérateur linéaire défini par

∀ ∈ , ( )= (1) ù é é

Alors T n'est pas continu.

Maintenant que nous avons vu comment déterminer si un opérateur linéaire donné est
continu, nous donnons quelques propriétés élémentaires des opérateurs linéaires continus. Il
convient de noter ici que, bien que le lien entre matrices et transformations linéaires entre espaces
vectoriels de dimension finie donné dans le théorème 1.15 puisse être très utile, toute extension
possible aux transformations linéaires entre espaces de dimension infinie n’est pas aussi simple,
puisque les deux bases en infini des espaces et des matrices infinies sont beaucoup plus difficiles à
manipuler. Nous n’utiliserons donc que la représentation matricielle d’une transformation linéaire
entre espaces vectoriels de dimension finie.

Lemme 11
Si sont des espaces linéaires normés et que : → est un opérateur linéaire
continu, alors ( ) est fermé.

Preuve
Puisque est continue, ( ) = { ∈ : ( ) = 0} et {0} est fermé dans il s’ensuit que ( )
est fermé d’après le théorème 1.28.

Avant notre définition suivante, rappelons que si sont des espaces normés, le produit
cartésien × est un espace normé d’après l'exemple 2.8.

Définition 12
Si sont des espaces normés et : → est un opérateur linéaire, le graphe de T est
le sous-espace linéaire ( ) de × défini par

( ) = {( , ): ∈ }

Lemme 13
Si sont des espaces normés et que : → est un opérateur linéaire continu, alors
( ) est fermé.

72
Hameida Ali et Berkane Abdelhak

Preuve
Soit {( , )} ∈ ( ) qui converge vers ( , ) ∈ × . Alors, d’après l’exercice 2.5,

( ) converge vers ∈ et ( ) converge vers ∈ . Or

= ( ), ∀ ∈

car ( , ) ∈ ( ).

Donc, comme est continue,

= lim = lim ( )= lim = ( )


→ → →

Et par suite

( , ) = ( , ( )) ∈ ( )

Donc ( ) est fermé.

Nous concluons cette section en montrant que si sont des espaces normés donnés,
l’ensemble ( , ) est un espace vectoriel. Ceci sera fait en montrant que ( , ) est un sous-
espace linéaire de ( , ), qui est un espace vectoriel (muni des opérations algébriques données
dans la définition 1.7).

Lemme 14
Soient et deux espaces linéaires normés et , ∈ ( , ) avec

‖ ( )‖ ≤ ‖ ‖ ‖ ( )‖ ≤ ‖ ‖, ∀ ∈

Soit ∈ , alors

(a) ‖( + )( )‖ ≤ ( + )‖ ‖, ∀ ∈

(b) ‖( )( )‖ ≤ | | ‖ ‖, ∀ ∈

(c) ( , ) est un sous espace linéaire de ( , ) et donc ( , ) est espace vectoriel.

Preuve
(a) Si ∈ , alors

‖( + )( )‖ ≤ ‖ ( )‖ + ‖ ( )‖ ≤ ‖ ‖ + ‖ ‖= ( + )‖ ‖

(b) Si ∈ , alors

‖( )( )‖ = | |‖ ( )‖ ≤ | | ‖ ‖

(c) D’après la partie (a) et la partie (b), + et sont dans ( , ) donc ( , ) est un sous
espace linéaire de ( , ) et donc ( , ) est un espace vectoriel.

73
Hameida Ali et Berkane Abdelhak

2 La norme d'un opérateur linéaire borné

Si sont des espaces linéaires normés, nous avons montré dans le lemme 14 que
( , ) est un espace vectoriel. Nous montrons maintenant que ( , ) est aussi un espace
normé. Ce faisant, nous avons souvent jusqu'à trois normes différentes, issues de trois espaces
différents, dans la même équation, et nous devrions donc en principe faire la distinction entre ces
normes. En pratique, nous utilisons simplement le symbole ‖. ‖ pour la norme dans les trois espaces,
car il est toujours généralement facile de déterminer dans quel espace se trouve un élément et donc
implicitement à quelle norme nous nous référons.

Définition.
Soit ∈ ( , ) où et sont des espaces linéaires normés. Définissons

‖ ‖ = inf{ > 0: ‖ ‖≤ ‖ ‖, ∀ ∈ }

Ce nombre s'appelle la norme de .

Nous montrons ci-dessous que l’application → ‖ ‖ est vraiment une norme sur ( , ).

Il y a au moins quatre façons de calculer la norme d'une transformation linéaire T. Utilisez la


définition ou l'une des trois formules données dans le lemme suivant.

Lemme.
Soit T une application linéaire bornée entre des espaces linéaires normés non nuls. Alors
‖ ‖
‖ ‖ = sup : ≠ 0 = sup{‖ ‖: ‖ ‖ = 1} = sup{‖ ‖: ‖ ‖ ≤ 1}
‖ ‖

Preuve..
(a) La première égalité est un calcul facile
Remarquer que si est un sous ensemble de , non vide, majoré, alors supA existe et est égal au plus
petit des majorants, donc

‖ ‖ ‖ ‖
sup : ≠ 0 = inf > 0: ≥ , ∀ ≠0
‖ ‖ ‖ ‖

= inf{ > 0: ‖ ‖≤ ‖ ‖, ∀ ∈ }=‖ ‖

(b) La seconde est encore plus facile.

‖ ‖
sup : ≠ 0 = sup : ≠ 0 = sup{‖ ‖: ‖ ‖ = 1}
‖ ‖ ‖ ‖

(c) Pour obtenir la dernière égalité noter que puisque

{‖ ‖: ‖ ‖ = 1} ⊂ {‖ ‖: ‖ ‖ ≤ 1}

il est évident que

sup{‖ ‖: ‖ ‖ = 1} ≤ sup{‖ ‖: ‖ ‖ ≤ 1}

Par contre, si ‖ ‖ ≤ 1 et ≠ 0, alors =‖ ‖


est un vecteur unitaire, et donc

74
Hameida Ali et Berkane Abdelhak

‖ ‖
‖ ‖≤ =‖ ‖ ≤ sup{‖ ‖: ‖ ‖ = 1}
‖ ‖

Donc

sup{‖ ‖ : ‖ ‖ ≤ 1} ≤ sup{‖ ‖: ‖ ‖ = 1}

D’où

sup{‖ ‖ : ‖ ‖ = 1} = sup{‖ ‖: ‖ ‖ ≤ 1}

Corollaire
Si ∈ ( , ) où et sont des espaces linéaires normés, alors

‖ ‖ ≤ ‖ ‖‖ ‖, ∀ ∈

Preuve.
Si = 0 l’inégalité est triviale.

Soit maintenant ≠ 0 donc d’après le lemme précédent, nous avons


‖ ‖ ‖ ‖
‖ ‖ = sup : ≠ 0 donc ‖ ‖ ≥ , ∀ ≠ 0, et par suite ‖ ‖ ≤ ‖ ‖‖ ‖, ∀ ≠ 0.
‖ ‖ ‖ ‖

Ainsi

‖ ‖ ≤ ‖ ‖‖ ‖, ∀ ∈

Lemme 15
Soient et deux espaces normés. Si ‖. ‖: ( , ) → est définie par

‖ ‖= {‖ ( )‖: ‖ ‖ ≤ 1} , ∀ ∈ ( , )

Alors ‖. ‖ est une norme sur ( , ).

Preuve
Soient , ∈ ( , ) et ∈ .

(i) Il est clair que ‖ ‖ ≥ 0, ∀ ∈ ( , ).

(ii) Rappelons que l’opérateur linéaire nulle , satisfait ( ) = 0, ∀ ∈ . Donc

‖ ‖=0⇔‖ ‖ = 0, ∀ ∈

⇔ = 0, ∀ ∈

⇔ est l′opérateur linéaire nulle

(iii) Comme ‖ ( )‖ ≤ ‖ ‖‖ ‖ alors

‖( )( )‖ ≤ | |‖ ‖‖ ‖, ∀ ∈ d’après le lemme 14 (b).

Donc ‖ ‖ ≤ | |‖ ‖.

Si = 0 alors ‖ ‖ = | |‖ ‖

75
Hameida Ali et Berkane Abdelhak

Tandis que si ≠ 0 alors

‖ ‖=‖ ‖≤| |‖ ‖≤| || |‖ ‖ = ‖ ‖

Donc ‖ ‖ = | |‖ ‖ et par suite ‖ ‖ = | |‖ ‖

(iv) La dernière propriété à montrer est l’inégalité triangulaire.

‖( + )( )‖ ≤ ‖ ( )‖ + ‖ ( )‖ ≤ ‖ ‖‖ ‖ + ‖ ‖‖ ‖ = (‖ ‖ + ‖ ‖)‖ ‖

Donc ‖ + ‖ ≤ ‖ ‖ + ‖ ‖.

Par suite, ( , ) est un espace vectoriel normé.

Les exemples suivants montrent comment utiliser le lemme (en conjonction avec la
définition) pour calculer la norme d'une transformation linéaire.

Exemple 1
Soit : → défini par

( , ) = (3 + , − 3 , 4 ).

(a) Montrer que est une transformation linéaire bornée c-à-d ∈( , ).

(b) Trouver la norme de .

Solution
(a) Il est facile de voir que est linéaire. Montrons que est bornée, en effet

Pour tout ( , ) ∈

‖ ( , )‖ = ‖3 + , − 3 , 4 ‖ = ((3 + ) + ( − 3 ) + (4 ) )

= (10 + 26 ) ≤ √26( + ) = √26‖( , )‖

Ainsi la transformation linéaire est bornée.

(b) Nous avons déjà

‖ ( , )‖ ≤ √26‖( , )‖ , ∀( , ) ∈ .

Puisque ‖ ‖ est défini comme étant le minimum de l'ensemble de tous les nombres tel que

‖ ( , )‖ ≤ √26‖( , )‖ , ∀( , ) ∈ ,

et puisque √26 est l’un de ces nombres, nous avons que ‖ ‖ ≤ √26 (1)

D'autre part, le lemme nous savons que ‖ ‖ est le supremum de l'ensemble de tous les nombres ‖ ‖
où est un vecteur unitaire. Puisque (0, 1) est un vecteur unitaire et que

‖ (0,1)‖ = ‖(1, −3,4)‖ = √26

76
Hameida Ali et Berkane Abdelhak

nous concluons que


‖ ‖ ≥ √26 (2)

Les conditions (1) et (2) impliquent que ‖ ‖ = √26.

Exemple 2
Trouvez la norme de chacune des transformations linéaires suivantes

(a) L’application d'identité sur un espace linéaire normé.

(b) L’application nulle de ( ; ).

(c) Une projection de coordonnées

: × → , ( = 1,2)

où et sont des espaces linéaires normés non triviaux (c'est-à-dire des espaces linéaires
normés contenant des vecteurs autres que le vecteur nul).

Solution
(a) soit

: →
→ ( )=

Alors

‖‖= {‖ ‖ : ‖ ‖ = 1} = {‖ ‖: ‖ ‖ = 1} = 1

(b) Soit

: →
→ ( )=0

Alors

‖ ‖= {‖ ‖: ‖ ‖ = 1} = {0} = 0

(c) On suppose = 1, (le cas = 2 est semblable). Soit ∈ , ≠ 0 et =‖ ‖ . Puisque


‖( , 0)‖ = ‖ ‖ + ‖0‖ = ‖ ‖ = 1, on voit que

‖ ‖= {‖ ( , )‖: ‖( , )‖ = 1}

≥‖ ( , 0)‖ = ‖ ‖ = 1.

D’une autre, puisque ‖ ( , )‖ = ‖ ‖ ≤ ‖( , )‖ pou tout ( , )∈ × il découle de la


définition de la norme d’une transformation que ‖ ‖ ≤ 1.

Exemple 3
Soit = ( [ , ], ). Définissons : → par

=∫ ( ) , ∀ ∈ = ( [ , ], )

Montrer que ∈ ( , ) et trouver ‖ ‖.

77
Hameida Ali et Berkane Abdelhak

Solution
Soient , ∈ et ∈ , alors

( + )= ( ( ) + ( )) = ( ) + ( ) = +

et

( )= ( ) = ( ) =

Ainsi est linéaire. Si ∈ , alors

| |= ( ) ≤ | ( )| ≤ ‖ ‖ = ( − )‖ ‖

Ceci montre que est bornée et que ‖ ‖ ≤ − .

Soit maintenant ( ) = 1 pour tout ∈ [ , ] alors est un vecteur unitaire dans , (‖ ‖ = 1) et


=∫ ( ) = − . On conclut que ‖ ‖ ≥ − . Et par suite ‖ ‖ = − .

En utilisant le lien entre les matrices et les transformations linéaires entre les espaces de
dimension finie, nous pouvons utiliser la définition de la norme d'un opérateur linéaire borné pour
donner une norme sur l'espace vectoriel des matrice × .

Définition 17
Soit , muni de la norme usuelle et une matrice × avec des entrées dans .

Si : → est l’opérateur linéaire défini par

∀ ∈ , ( )=

alors la norme de la matrice est définie par ‖ ‖ = ‖ ‖.

Voyons maintenant comment calculer la norme d’un opérateur linéaire borné. Comme la
norme d'un opérateur est le supremum d'un ensemble, la norme peut parfois être difficile à trouver.
Même si est un espace linéaire normé de dimension finie et qu’il existe un élément avec ‖ ‖ = 1
dans tel que

‖ ‖ = sup{‖ ( )‖: ‖ ‖ ≤ 1} = ‖ ( )‖

il pourrait ne pas être facile de trouver cet élément y. Dans le cas de la dimension infinie, il est
également possible que le supremum ne soit pas atteint. Il n’existe donc pas de procédure générale
permettant de trouver la norme d’un opérateur linéaire borné.

Proposition
Soient : → un opérateur linéaire borné et ≥ 0. On suppose que ‖ ‖ ≤ , alors pour
avoir ‖ ‖ = , il suffit que l’une des deux conditions suivantes soit vérifiée :

(1) Il existe ∈ vérifiant

‖ ‖ = 1, ‖ ( )‖ =

78
Hameida Ali et Berkane Abdelhak

(2) Il existe une suite ( ) d’éléments de , vérifiant :

‖ ‖ = 1,∀ ∈ ‖ ( )‖ =

Preuve
La première assertion est une conséquence directe de la définition de la norme et du sup :

Puisque ‖ ‖ = 1 , et ‖ ( )‖ = donc sup ‖ ( )‖ = c’est-à-dire ‖ ‖ = .


‖ ‖

Montrons la deuxième. Sous les hypothèses énoncées, on a :

∀ > 0, ∃ ∈ :∀ > , − <‖ ( )‖

Il s’ensuit que

∀ > 0, ‖ ‖ = sup ‖ ( )‖ ≥ −
‖ ‖

En faisant tendre vers 0 dans cette dernière inégalité on obtient ‖ ‖ ≥ , d’où le résultat.

Exemple 1
Montrer que l’opérateur suivant est bien défini et trouver sa norme.

: ( ([0,1], ), ‖. ‖ ) → ( ([0,1]), ‖. ‖ )

∈ ([0,1], ) → ( )= ( ), ∀ ∈ [0,1]

Solution
1) Montrer que l’opérateur est bien défini, signifie qu’il faut montrer l’implication suivante :

∈ ([0,1], )⇒ ( )∈ ([0,1])

Nous avons

| ( )| = | ( )| ≤ | ( )| ≤ sup | ( )|
∈[ , ]

1
=‖ ‖ = ‖ ‖ < +∞
3

Par conséquent, ( ) ∈ ([0,1]) et l’opérateur est bien défini.

2) D’après la formule précédente, l’opérateur est borné et donc ‖ ‖ ≤ . Montrons qu’en fait,
‖ ‖= .

Pour cela considérons la fonction constante ( ) = 1, ∀ ∈ [0,1]. Nous avons alors :

∈ ([0,1], ), et ‖ ‖ = 1

De plus

1
‖ ( )‖ = | ( )| = =
3

79
Hameida Ali et Berkane Abdelhak

D’après le point 1 de la proposition nous avons ‖ ‖ = .

Exemple 2
Montrer que l’opérateur suivant est bien défini et trouver sa norme.

: ( ) → ( )

=( , ,…, ,…) → ( , ,…, , … ) = (0, ,…, 1− ,…)

Solution
1) Pour tout =( , ,…, ,…) ∈ ( ), nous avons

1
| ( ) | = 1−

1
= 1− | | ≤ | | =‖ ‖

Donc ( ) ∈ ( ) et l’opérateur est bien défini

2) D’après la formule précédente, l’opérateur est borné et donc ‖ ‖ ≤ 1. Montrons qu’en fait,
‖ ‖ = 1.

Pour cela considérons la suite:

( )
= 0, … ,0,1 , 0, …

( )
Il est clair que = 1, ∀ ≥ 1 de plus

( )
lim = lim 0, … ,0,1 , 0, …
→ →

1 1
= lim 0, … ,0, 1 − , 0, … = lim 1− =1
→ →

Donc d’après le point 2 de la proposition nous avons ‖ ‖ = 1.

Néanmoins, il existe des cas où la norme peut facilement être trouvée. Comme premier
exemple, considérons la norme de l’opérateur linéaire donnée dans l'exemple 4.2.

Exemple 18
Montrer que si : [0,1] → est un opérateur linéaire défini par

∀ ∈ [0,1], ( ) = (0)

alors ‖ ‖ = 1.

80
Hameida Ali et Berkane Abdelhak

Solution
On a montré, dans l’exemple 2, que | ( )| ≤ ‖ ‖ , ∀ ∈ [0,1]. Donc

‖ ‖ = inf{ : ‖ ( )‖ ≤ ‖ ‖ , ∀ ∈ }≤1

D’autre part, si : [0,1] → ℂ est définie par

( ) = 1, ∀ ∈

alors ∈ ℂ [0,1] avec

‖ ‖ = sup{| ( )|: ∈ [0,1]} = 1 et | ( )| = | (0)| = 1

Donc

1 = | ( )| ≤ ‖ ‖‖ ‖ = ‖ ‖

ainsi ‖ ‖ = 1.

Exemple
Soit = ([0,1]) muni de la norme ‖. ‖ et ( . , . ) ∈ ([0, 1] × [0 , ]).

Soit l’application linéaire ∶ → définie par

( )=∫ ( , ) ( ) , ∀ ∈

Alors T est continue et on a

‖ ‖= ∫ | ( , )|
∈[ , ]

solution
Puisque, ( . , . ) est continue sur le compact ([0, 1] × [0 , ] , la fonction

→ ( , ) ( )

est continue sur [0 , 1] . D’où ∈ ,∀ ∈ .

C’est-à-dire est bien défini.

D’autre part, | ( )| = ∫ ( , ) ( ) ≤ ‖ ‖ ∫ | ( , )|

D’où ∈ ( ) et on a

‖ ‖ ≤ max | ( , )|
∈[ , ]

Montrons l’autre inégalité. Puisque la fonction →∫ ( , ) ( )

est continue sur le compact [0 , 1], elle atteint son maximum en un point ∈ [0,1].

Définissons la fonction :

81
Hameida Ali et Berkane Abdelhak

( , )
( ) = | ( , )| ( , )≠0
0 ailleurs

Alors est intégrable (car mesurable et bornée) et ‖ ‖ = 1 .

Par la densité de ([0,1]) dans ([0,1]), il existe une suite ( ) ⊂ ([0,1]) telle que ‖ ‖ ≤ 1 et
converge vers dans ([0,1]) . Par conséquent

‖ ‖≥‖ ‖ ≥( )( ) → ( , ) ( )

D’où

‖ ‖≥ ( , ) ( ) = | ( , ) ( )| = max | ( , )|
∈[ , ]

Finalement on obtient le résultat annoncé .

Exemple
Soient = ([0,1]) et : ([0,1]) → ℂ , l’opérateur linéaire défini par

= (1), ∀ ∈ ([0,1])

(a) Montrer que est borné, si ([0,1]) est muni de la norme ‖. ‖ .

(b) Montrer que n’est pas borné si ([0,1]) est muni de la norme ‖. ‖ .

Solution
(a) Nous avons

| | = | (1)| ≤ ‖ ‖

D’où est borné et ‖ ‖ ≤ 1, (mieux encore on a ‖ ‖ = 1).

(b) Supposons borné, alors il existe > 0, tel que

| |≤ ‖ ‖ , ∀ ∈ ([0,1])

Donc pour ( )= , ∈ [0,1], il est clair que ∈ ([0,1], on a

‖ ‖ = | ( )|

1
= | | =
( + 1)

on obtient alors

| | = | (1)| = 1 ≤ ‖ ‖

82
Hameida Ali et Berkane Abdelhak

= → 0, quand →∞
( + 1)

Ce qui est absurde, donc n’est pas borné.

Remarque
Est-ce le sup dans la définition de la norme d’un opérateur est atteint ?

C’est-à-dire pour ∈ ( , ),

∃? ∈ , tel que ‖ ‖=‖ ‖

La réponse en général est fausse. Comme le montre l’exemple suivant :

Exemple
Soit = ( )= ( ) ⊂ ℂ: = 0 muni de la norme ‖. ‖ .

Soit : → ℂ défini par

=∑ , =( )∈ ( )

Alors est linéaire et on a :


| |
| |≤∑ ≤‖ ‖ ∑ =‖ ‖

D’où ∈ ( , ℂ) et ‖ ‖ ≤ 1.

D’autre part, pour ≥ 1, ‖ + ⋯+ ‖ = 1 et

( + ⋯+ )=∑ =1−

Donc ‖ ‖ ≥ 1 − , comme ≥ 1 est arbitraire, on obtient ‖ ‖ ≥ 1.

Par suite ‖ ‖ = 1.

Maintenant si =( )∈ ( ) avec ‖ ‖ , alors

∃ ≥ 1 tel que, ∀ ≥ ,| |< (car → 0).

D’où

| |≤∑ + ∑ <1=‖ ‖

Donnons un exemple d’un opérateur dont la norme est atteinte :

Exemple
Soit = ( ) et soit : → ℂ défini par

=∑ , =( )∈ ( )

Alors est linéaire et ‖ ‖.

83
Hameida Ali et Berkane Abdelhak

Maintenant pour = (1,0, … , ), nous avons = 1 et donc ‖ ‖ = =1.

Nous considérons maintenant un type d'opérateur dont la norme est facile à trouver.

84
Hameida Ali et Berkane Abdelhak

3 L’espace ( , )

Maintenant que nous avons vu quelques exemples de normes d'opérateurs individuels,


examinons plus en détail l'espace normé ( , ), où et sont des espaces linéaires normés.
Puisque la plupart des propriétés plus profondes des espaces linéaires normés ne sont obtenues que
pour les espaces de Banach, il est naturel de se demander lorsque ( , ) est un espace de Banach.

Une hypothèse initiale pourrait suggérer que cela serait lié à la complétude de et .

Ce n'est que la moitié correcte. En fait, seul la complétude de est importante.

Théorème 27
Si est un espace linéaire normé et que est un espace de Banach, alors ( , ) est un
espace de Banach.

Preuve
Nous devons montrer que ( , ) est un espace métrique complet. Soit { } une suite de
Cauchy dans ( , ).

Dans tout espace métrique, une suite de Cauchy est bornée de sorte qu'il existe > 0 tel que
‖ ‖ ≤ pour tout ∈ . Soit ∈ . Puisque

‖ − ‖ = ‖( − ) ( )‖ ≤ ‖ − ‖ ( , )‖ ‖

or { } est une suite de Cauchy dans ( , ), il en résulte que { } est une suite de Cauchy dans .
Puisque est complet { } converge, on peut donc définir : → par

( ) = lim

Nous allons montrer que ∈ ( , ) et que T est la limite requise dans ( , ), de sorte que
( , ) est un espace de Banach.

La première étape consiste à montrer que est linéaire. Ceci résulte de

( + ) = lim ( + ) = lim ( + ) = lim + lim = +


→ → → →

Et

( ) = lim ( ) = lim = lim = ( ).


→ → →

Ensuite, il découle de

‖ ‖ = lim ‖ ‖ ≤ ‖ ‖

que T est borné et donc ∈ ( , ).

Enfin, nous devons montrer que lim = .


Soit > 0. Il existe ∈ tel que lorsque , ≥ , on a ‖ − ‖ < .

85
Hameida Ali et Berkane Abdelhak

Alors, pour tout avec ‖ ‖ ≤ 1 et tout , ≥ ,

‖ − ‖≤‖ − ‖‖ ‖ < .
2

Puisque ( ) = lim ( ) il existe ∈ tel que lorsque ≥ ,


‖ − ‖<
2

Ensuite, lorsque ≥ et ≥

‖ − ‖<‖ − ‖+‖ − ‖< + ‖ ‖≤


2 2
Donc ‖ − ‖≤ quand ≥ et par suite lim = .

Un cas particulier, qui est suffisamment important pour justifier une notation séparée, est le
cas où = .

Définition 28
Soit un espace normé. Les opérateurs linéaires de dans sont appelées fonctionnelles
linéaires. L'espace ( , ) s'appelle l'espace dual de et est noté ′

Corollaire 29
Si est un espace vectoriel normé, ′ est un espace de Banach.

Preuve
L'espace est complet, donc ′ est un espace de Banach d’après le théorème 27.

Proposition
Soit un espace vectoriel normé. Une fonctionnelle linéaire : → est continue si, et
seulement si son noyau est fermé dans .

Preuve
Si est continue, alors ( )= ({0}) est fermé dans .

Inversement, supposons que ne soit pas continue.

Alors n’est pas bornée sur la boule unité de , donc on peut trouver une suite ( )⊆ telle que

‖ ‖ ≤ 1 et | ( )| > 2 , ∀ ∈

En posant =‖ (
, on a alors ‖ ( )‖ = 1 et ‖ ‖ < 2
)‖
.

Soit ∈ tel que ( ) = 1, on a alors, ∀ ∈ , ( − ) = 0, c est à dire − ∈ ( )


comme ⎯⎯ 0 on en déduit que est adhérent à ( ):

cela prouve que ( ) n’est pas fermé dans puisque ∉ ( ).

Corollaire
Si est une fonctionnelle linéaire continue sur un espace vectoriel normé , alors ( ) est
dense dans .

86
Hameida Ali et Berkane Abdelhak

Solution
Si n’est pas continue, alors ( ) n’est pas fermé, donc ( ) est un sous espace vectoriel de
contenant strictement ( ).

Comme ( ) est un hyperplan (un sous espace de codimension un), on a donc ( )= .

Les espaces duaux seront examinés plus en détail au chapitre 5.

Nous examinons ici la structure algébrique de ( , ) pour les espaces généraux .

Lemme 30
Si , et sont des espaces linéaires normés et ∈ ( , ) et ∈ ( , ), alors ◦ ∈
( , ) et

‖ ∘ ‖ ≤ ‖ ‖‖ ‖.

Preuve
Comme ∘ ∈ ( , ) du Lemme 1.8 et

‖( ∘ )( )‖ = ( ) ≤ ‖ ‖‖ ( )‖ ≤ ‖ ‖‖ ‖‖ ‖,

∘ ∈ ( , ) et ‖ ∘ ‖ ≤ ‖ ‖‖ ‖.

Si , et sont trois espaces de dimension finie dont les bases sont respectivement
, ∈ ( , ) et ∈ ( , ), alors

( ∘ )= ( ) ( )

d’après le théorème 1.15. Un candidat naturel au produit des opérateurs linéaires bornés est donc la
composée des fonctions.

Définition 31
Soit , et des espaces linéaires normés et ∈ ( , ) et ∈ ( , ). La composition
( ∘ ) de et sera notée et appelée produit de S et T.

Soient X, Y et Z des espaces linéaires normés et ∈ ( , ) et ∈ ( , ). Si les espaces X,


Y et Z ne sont pas tous identiques, le fait que nous puissions définir le produit ne signifie pas que
nous pouvons définir le produit . Cependant, si = = , et seront tous deux définis.
Nous notons cependant que même si tous les espaces sont de dimension finie et que = = , en
général ≠ .

Puisque la situation où = = se présente fréquemment, il est commode d’avoir la


notation suivante.

Notation
Si X est un espace linéaire normé, l'ensemble ( , ) de tous les opérateurs linéaires bornés
de sur sera noté ( ).

Si est un espace normé, nous avons vu que ( ) a beaucoup de structure algébrique. Ceci
est résumé dans la partie (a) du lemme 32.

87
Hameida Ali et Berkane Abdelhak

Lemme 32
Soit un espace linéaire normé.

(a) ( ) est une algèbre avec identité et donc un anneau avec identité.
(b) Si { } et { } sont des suites dans ( ) telles que

= et = ,
→ →

alors = .

Preuve
(a) Les identités données dans le lemme 1.9 sont valables pour toutes les transformations linéaires,
et donc en particulier pour celles de ( ). Par conséquent, ( ) est une algèbre avec identité (et
donc un anneau avec identité) muni des opérations d'addition et de multiplication scalaire données
dans la définition 1.7 et de la multiplication donnée dans la définition 31.

(b) Comme { } est convergent, elle est bornée de sorte qu'il existe > 0 tel que ‖ ‖ ≤ pour
tout ∈ . Soit > 0.

∃ ∈ tel que lorsque ≥ , alors ‖ − ‖ <


2
Et

∃ ∈ tel que lorsque ≥ , alors ‖ − ‖ <


2‖ ‖

Comme

‖ − ‖≤‖ − ‖+‖ − ‖

≤ ‖ − ‖ + ‖ ‖‖ − ‖,

Lorsque ≥ max ( , ) nous avons

‖ − ‖≤ ‖ − ‖ + ‖ ‖‖ − ‖<

Donc lim = .

Notation
Soit un espace normé et soit ∈ ( ).

(a) sera noté , sera noté et, plus généralement, le produit de avec lui-même
fois sera noté .

(b) Si , ,…, ∈ et : → est le polynôme défini par

( )= , ,…, , ∀ ∈

alors nous définissons ( ) par

( )= , ,…, , ∀ ∈ ( )

88
Hameida Ali et Berkane Abdelhak

. Puisque ( ) est un anneau, la notation ci-dessus est compatible avec l’utilisation de la


notation puissance pour les produits d’un élément avec lui-même dans n’importe quel anneau. Ce
qui suit est une conséquence si facile des définitions que nous omettons la preuve.

Lemme 33
Soit un espace linéaire normé et soit ∈ ( ).

Si et sont des polynômes et , μ ∈ ℂ alors

(a) ( + μ )( ) = ( ) + μ ( );
(b) ( )( ) = ( ) ( ).

Prolongement par continuité d’un opérateur linéaire


Jusqu’à présent, nous avons supposé que l’opérateur linéaire : → était défini sur tout .

Il peut arriver cependant que soit défini seulement sur un sous-espace ( ) (domaine de ) de .

Première possibilité :
( )
( )= = < +∞
‖ ‖
∈ ( )

Dans ce cas, l’opérateur peut être prolongé à tout par continuité avec conservation de la
norme.

Deuxième possibilité :
( )
( )= = = +∞
‖ ‖
∈ ( )

Ce cas de figure sort du cas du présent cours.

Proposition (Prolongement par continuité)


Supposons que l’espace est de Banach et que
( )
( )= = < +∞
‖ ‖
∈ ( )

Alors il existe ∈ ( , ) tel que :

( ) = ( ), ∀ ∈ ( ), =

L’opérateur est appelé prolongement par continuité de

Preuve
Puisque ( )= , alors,

∀ ∈ , ∃( ) ⊂ ( ) : lim =

D’autre part

‖ ( )− ( )‖ ≤ ‖ − ‖

89
Hameida Ali et Berkane Abdelhak

Il découle de cette dernière inégalité que la suite ( ) est une suite de Cauchy (car ( ) est de
Cauchy puisque convergente). Par conséquent

∃ ∈ : = lim ( ), (car est de Banach)


Supposons ( ) ⊂ ( ) est une autre suite d’élément de ( ) qui converge vers et posons

′ = lim ( ). Alors

0≤‖ − ‖≤‖ − ( )‖ + ‖ ( )− ( )‖ + ‖ ( )− ‖

≤‖ − ( )‖ + ‖ − ‖+‖ ( )− ‖

Par passage à la limite, on obtient = ′. On a ainsi montrer que lim ( ) existe toujours et est

indépendante du choix de la suite ( ) qui converge vers .

Considérons : → défini par ( ) = = lim ( ).


Il est claire est linéaire et vérifie ( ) = ( ) pour tout ∈ ( ) et ≠ 0.

D’autre part, pour tout ∈ ,

( ) ( ) ( )
( ) = lim ( )⇒ = lim = lim ≤
→ ‖ ‖ → ‖ ‖ → ‖ ‖

Cette dernière formule montre que

( )
sup ≤
∈ ( ) ‖ ‖

D’autre part

( ) ( ) ( )
( )⊂ ⇒ = sup = sup ≤ sup
∈ ( ) ‖ ‖ ∈ ( ) ‖ ‖ ∈ ‖ ‖

Ainsi on a = .

Convergence simple et convergence uniforme


Définition
Soient et deux -espaces vectoriels normés.

1) On dit qu’une suite ( ) d’éléments de ( , ) converge simplement vers ∈ ( , ) si :

∀ ∈ , ‖ ( ) − ( )‖ = 0

Dans ce cas, on écrit → .

1) On dit qu’une suite ( ) d’éléments de ( , ) converge uniformément vers ∈ ( , ) si :

90
Hameida Ali et Berkane Abdelhak

‖ − ‖=0

Dans ce cas, on écrit → ou ⇉ .

Remarque
1) La convergence uniforme d’une suite d’opérateur bornés est convergence dans l’espace
( , ).

2) → ⇒ →

En effet , puisque pour tout , l’opérateur − est un élément de ( , ) alors,

0 ≤ ‖ ( ) − ( )‖ ≤ ‖ − ‖‖ ‖ , ∀ ∈

D’où par passage à la limite

0 ≤ lim ‖ ( ) − ( )‖ ≤ lim ‖ − ‖‖ ‖ = 0, ∀ ∈
→ →

3) Il existe des suites convergentes mais ne converge pas uniformément.

Soit ( ) une base hilbertienne de ( ). Considérons dans cet espace, la suite d’operateurs :

: ( )→ ( )

= 〈 , 〉 → ( )= 〈 , 〉 ,

Pour tout dans ( ),

‖ ( )− ‖ = 〈 , 〉 = |〈 , 〉|

Cette quantité est le reste de la série convergente

|〈 , 〉| = ‖ ‖

Elle converge donc vers 0 quand → +∞. Ainsi

lim ‖( − )( )‖ = lim ‖ ( ) − ‖
→ →

= lim |〈 , 〉| = 0, ∀ ∈ ( )

Donc → .

Montrons qu’on n’a pas cependant la convergence uniforme. En effet

91
Hameida Ali et Berkane Abdelhak

Pour tout naturel ≥ 1, posons = +⋯+ + . Alors

‖( − )( )‖ = ‖ ( )− ‖ = |〈 , 〉| = 1

D’où ‖ − ‖ ≥ 1 pour tout naturel ≥ 1.

Par conséquent, lim ‖ ( ) − ‖ ≥ 1 et on n’a pas ⇉ .


4) ( ⇉ )⇒ ‖ ‖=‖ ‖

Cela découle immédiatement de l’inégalité

|‖ ‖ − ‖ ‖| ≤ ‖ − ‖

Comme le montre l’exemple précédent, l’inverse n’est pas vrai.

En effet, on n’a pas ⇉ , mais

lim ‖ ‖ = lim (1) = 1 = ‖ ‖.


→ →

Principe de la borne uniforme, théorème de Banach-Steinhaus


Définition
Soient ( , ‖. ‖ ) et ( , ‖. ‖ ) deux espaces vectoriels normés. Une famille ( ) ∈ d’élément de
( , ) est dite :

a) uniformément bornée (bornée en norme), si ‖ ‖ < +∞, c’est à dire


∃ ≥ 0: ‖ ‖ ≤ ,∀ ∈ (2.15)

b) simplement bornée, si ∀ ∈ , ‖ ( )‖ < +∞, c’est à dire


∃ ≥ 0: ‖ ( )‖ ≤ ,∀ ∈ (2.16)

Remarque
Il est claire que

( ) ∈ uniformément bornée ⇒ ( ) ∈ simplement bornée.

En général l’inverse n’est pas vrai.

Exemple
Si on munit l’espace des polynômes [ ] de la norme définie par

‖ ‖ = sup{| ( )|: ∈ [0,1]},

alors la suite d’applications linéaires

: [ ] → [ ]
( )= ( )

92
Hameida Ali et Berkane Abdelhak

est simplement bornée (pour fixé, on a ( ) = 0 si est assez grand), mais elle n’est pas
bornée en norme

(‖ ‖ ≥ ‖ ( )‖ = , pour tout ∈ ).

Cependant le théorème de Banach-Steinhaus nous fournit une situation où ces deux notions
sont équivalentes.

Théorème (Baire)
Soit ( , ‖. ‖ ) un espace de Banach. Soit ( ) une suite d’ensembles fermés de .

On suppose que pour tout ∈ , est d'intérieur vide.

Alors =⋃ ∈ est aussi d’intérieur vide.

Remarque
En passant au complémentaire, le résultat précédent est équivalent à dire que dans un espace
de Banach, toute intersection dénombrable d’ouverts denses est encore dense.

Preuve
Soit (Ω ) une suite d’ouverts denses dans et soit Ω = ⋂ ∈ Ω .

On doit montrer que pour tout ouvert de , on a ∩ Ω ≠ ∅. Comme est ouvert et Ω ouvert
dense alors il existe ∈ ∩ Ω et > 0 tel que

( , )⊂ ∩Ω

De même ( , ) étant ouvert et Ω étant un ouvert dense, il existe ∈ ( , ) et > 0 tel que

( , ) ⊂ ( , )∩Ω ⊂ ∩Ω ∩Ω

de plus on peut supposer ≤ . Par récurrence, on construit ainsi deux suites ( ) et ( ) telles que
pour tout ∈

( , )⊂ ( , )∩Ω ⊂ ∩ Ω ∩ …∩ Ω

et ≤ .

En particulier, pour tout ≥ , on a ‖x − ‖ ≤ et par conséquent ( ) est de Cauchy.

Comme est complet, on déduit que ( ) converge vers une limite .

De plus, comme pour tout ∈ et tout ≥ , on a ∈ ( , , on en déduit que ∈ ( , )


pour tout ∈ . En particulier ∈ ∩ Ω.

Quelques conséquences du théorème de Baire

Théorème (Banach-Steinhaus)
Soient , deux espaces vectoriels normés. On suppose que est complet et on se donne
( ) ∈ une famille d’applications linéaires continues de dans . On suppose en outre que

∀ ∈ , ‖ ‖ <∞

93
Hameida Ali et Berkane Abdelhak

Alors ‖ ‖<∞

Preuve
Pour tout ∈ , on introduit l’ensemble

= { ∈ : ∀ ∈ ,‖ ‖≤ }

Comme les sont continues, les sont des fermés de . De plus, on a ⋃ ∈ = car la famille
( ) ∈ est simplement bornée. Comme est un espace de Banach, le théorème de Baire assure que
l’un des est d’intérieur non vide. On peut donc trouver un entier , un point ∈ et un nombre
> 0 tels que

∀ ∈ ( , ), ∀ ∈ , ‖ ( )‖ ≤

Par linéarité des , la même inégalité est valable pour ∈ − ( , ) = (− , ). En écrivant

1
ℎ= (− + ℎ ), ( + ℎ) ,
2

on en déduit que pour ℎ ∈ (0, ) et ∈ , on a

1
‖ ( )‖ ≤ (‖ (− + ℎ )‖ + ‖ ( + ℎ )‖) ≤
2

On obtient ainsi ‖ ‖ ≤ pour tout ∈ , ce qui termine la démonstration.

Corollaire
Soient , deux espaces de Banach et ( ) une suite d’applications linéaires continues de
dans . On suppose que ∀ ∈ , → quand → ∞. Alors, on a

i) ‖ ‖<∞

ii) ∈ ( , )

iii) ‖ ‖ ≤ ‖ ‖

Preuve
Comme les sont linéaires, l’unicité de la limite montre que l’application → est linéaire. De
plus, pour tout la suite ( ) converge, elle est donc bornée et on peut appliquer le théorème de
Banach Steinhaus à la famille ( ). On en déduit qu’il existe une constante > telle que pour tout
∈ (0,1), et pour tout ∈ , ‖ ‖ ‖ ‖, ce qui montre i). En passant à la limite dans cette
estimation on obtient ii).

Enfin en prenant la limite inf dans l’estimation ‖ ‖ ≤ ‖ ‖‖ ‖, il vient

‖ ‖ ≤ lim inf‖ ‖ ‖ ‖

Ce qui prouve le iii).

Lemme
Soient et deux espaces vectoriels normés, et soit ( ) une suite d’application linéaires
continues, : → . On fait les hypothèses suivantes :

94
Hameida Ali et Berkane Abdelhak

(a) La suite ( ) est bornée en norme ;

(b) ( ) tend vers 0 pour tout ∈ , où est une partie dense de .

Alors, ( ) vers 0 pour tout ∈ .

Preuve
Soit ∈ , et fixons > 0. Posons = Sup ‖ ‖.

Comme est dense dans , on peut trouver ∈ tel que ‖ − ‖ ≤ . On a alors

‖ ( )‖ ≤ ‖ ( )‖ + ‖ ( − )‖ ≤ ‖ ( )‖ + , ∀ ∈ .

Comme ‖ ( )‖ tend vers 0, on en déduit

lım ‖ ( )‖ ≤ , ∀ > 0.

Cela termine la démonstration.

Exercice
Soit un espace de Banach et un espace vectoriel normé.

Soit ( ) une suite d’applications linéaires continues de vers (c’est-à-dire ( ) ∈


( , )) telles que pour tout ∈ la suite correspondante ( ( )) de vecteurs de soit
convergente, disons de limite ( ).

Montrer que l’application : → ainsi obtenue est continue (c-à-d ∈ ( , )).

Solution
Il est clair que est une application linéaire de vers : pour tous scalaires , ∈ et tous
vecteurs , ∈ , on a :

( + ) = lim ( + ) = lim ( )+ ( )
→ →

= lim ( )+ lim ( )= ( )+ ( ).
→ →

Pour tout ∈ , la suite ( ( )) converge dans , en particulier elle est bornée :

Sup‖ ( )‖ < +∞.

Par le théorème de Banach-Steinhaus, cela implique que Sup‖ ‖ < +∞, autrement dit qu’il existe
> 0 tel que ‖ ‖ ≤ , ∀ ≥ 1. Ainsi ∀ ∈ et ∀ ≥ 1, on a

‖ ( )‖ ≤ ‖ ‖.

Et en passant à la limite, quand → +∞, on voit que est continue et ‖ ‖ ≤ .

95
Hameida Ali et Berkane Abdelhak

4 Opérateurs inversibles.

Une façon de résoudre une équation matricielle = consiste à rechercher la matrice


inverse (si elle existe), puis la solution est = y.

Dans cette section, nous verrons dans quelle mesure cela peut être généralisé au cas de dimension
infinie.

Notre première tâche est de définir un inverse dans ce sens.

Définition 34
Soit , des espaces linéaires normés. On dit qu'un opérateur T ∈ B (X, Y) est inversible s'il
existe ∈ ( , ) tel que = , = auquel cas est l'inverse de et est noté .

Notez que, d'après le lemme 1.12, si ∈ ( , ) est inversible, son inverse est unique.

La suite de cette section est consacrée à l'étude des propriétés des inverses, à la
caractérisation d'opérateurs inversibles et à la présentation d'exemples de ces opérateurs.

Le lemme simple suivant peut facilement être vérifié (en utilisant la définition 34), nous
omettons donc la preuve.

Lemme 35
Si , , sont des espaces linéaires normés et que ∈ ( , ), ∈ ( , ) sont inversibles,
alors:

(a) est inversible avec comme inverse;


(b) est inversible avec l'inverse

Remarque 36
Si = , nous avons vu que ( ) possède des propriétés algébriques supplémentaires par
rapport à l'espace ( , ).

En particulier, si ∈ ( ), alors les puissances , = 1,2, . . ., sont bien définies.

De même, si est inversible, les puissances inverses =( ) , = 1,2, . . ., sont bien définis.

Cependant, nous ne ferons aucune utilisation significative de cette structure algébrique


supplémentaire dans cet exposé.

Notre principal intérêt ici étant l’existence et les propriétés des inverses, nous notons
d’abord que l’existence d’un opérateur inversible entre les espaces , , exige que nombre des
propriétés algébriques et topologiques de ces espaces soient similaires. Ceci conduit à la définition et
au lemme suivants.

Définition 37
Soit , des espaces linéaires normés. Si un opérateur inversible ∈ ( , ) existe, alors
, sont isomorphes et est un isomorphisme (entre et ).

96
Hameida Ali et Berkane Abdelhak

Nous observons que si ∈ ( , ) est un isomorphisme, alors ∈ ( , ) est également


un isomorphisme.

Le lemme suivant peut être facilement vérifié, nous omettons donc à nouveau la preuve.

Lemme 38
Si les espaces linéaires normés , , sont isomorphes, alors:

(a) < ∞ si et seulement si < ∞, auquel cas = ;

(b) est séparable si et seulement si est séparable;

(c) est complet (c'est-à-dire de Banach) si et seulement si est complet (c'est-à-dire de


Banach).

Nous abordons maintenant un exemple simple, dans lequel nous pouvons vérifier
directement à partir de la définition qu'un opérateur est inversible.

Exemple 39
Pour tout ℎ ∈ [0, 1], définissons ∈ ( [0, 1]) par:

( )( ) = ℎ ( ) ( ), ∈ [0, 1], (3)

Si ∈ [0, 1] est définie par

( ) = 1 + , ∀ ∈ [0, 1]

alors est inversible.

Solution
Notez que nous avons montré dans l'exercice 2 que est borné pour tout ℎ ∈ [0, 1].

Soit ( )= . Alors ∈ [0, 1] et

( )= ( ) ( )= ( ) ( ) ( )= ( ), ∀ ∈ [ 0, 1].

Donc ( ) = pour tout ∈ [0, 1] donc = I. De même, = I. Par conséquent, est


inversible avec = .

Théorème 40
Soit un espace de Banach. Si ∈ ( ) est un opérateur avec ‖ ‖ < 1 , alors − est
inversible et l'inverse est donné par

( − ) =∑

Preuve
Comme est un espace de Banach, alors d’après le théorème 27, ( ) l'est également.

Puisque ‖ ‖ < 1, la série ∑ ‖ ‖ converge et donc, comme ‖ ‖≤‖ ‖ ,∀ ∈ , la série


∑ ‖ ‖ converge également.

Donc ∑ converge par le théorème 2.30. Soit =∑ et soit =∑ .

97
Hameida Ali et Berkane Abdelhak

Alors, la suite { } converge vers dans ( ). À présent

‖( − ) − ‖ = − − = − ≤ ‖ ‖ .
Puisque ‖ ‖ < 1, on en déduit que le lim ( − ) = . Par conséquent,

( − ) = ( − ) lim = lim ( − ) = ,
→ →

d'après le lemme 32. De même, ( − ) = donc − est inversible et ( − ) = .

Exemple
Comme est un espace de Banach. Si ∈ ( ), alors on peut définir l’exponentielle de
l’opérateur par

=∑ !
,

Où la série converge dans ( ).

Preuve
La série ∑ !
converge absolument car

‖ ‖ ‖ ‖ ‖ ‖
≤ = < ∞.
! !

Notation
La série du théorème 40 est parfois appelée la série de Neumann.

En appliquant la méthode ci-dessus, montrons comment obtenir une solution à une équation
intégrale.

Exemple 41
Soit ∈ ℂ et soit : [ , ] × [ , ] → , , ∈ , définie par

( , )= ( − ), ∀( , ) ∈ [ , ] × [ , ]

Montrer que si | | < 1 alors pour tout ∈ [ , ] il existe ∈ [ , ] telle que

( ) = ( )+∫ ( , ) ( )

Solution
Dans l'exemple 7 (b), nous avons montré que l’opérateur linéaire

: [ , ] → [ , ] définie par

( ) ( )= ( , ) ( )

est linéaire et ‖ ( )‖ ≤ | |‖ ‖. Donc ‖ ‖ ≤ . Puisque l'équation intégrale peut être écrite


comme ( − ) = et − est inversible d’après le théorème 40, l’équation intégrale a l’unique
solution = ( − )

98
Hameida Ali et Berkane Abdelhak

Le théorème 40 peut également être utilisé pour obtenir une propriété d'espace métrique de
l'ensemble des opérateurs inversibles.

Corollaire 42
Soient , des espaces de Banach. L'ensemble d'opérateurs inversibles dans ( , ) est
ouvert.

Preuve
Soit ∈ et soit = ‖ ‖ . Pour montrer que est ouvert, il suffit de montrer que si
‖ − ‖ < alors ∈ . En conséquence, soit ‖ − ‖ < . alors

‖( − ) ‖ ≤ ‖ − ‖‖ ‖<‖ ‖ ‖ ‖=1

Donc −( − ) est inversible d’après le théorème 40. Cependant,

−( − ) = −( − )=

Par suite est inversible et donc = est inversible d’après le lemme 35,

ainsi ∈ .

Passons maintenant à une deuxième méthode permettant de déterminer l’inversibilité d’un


opérateur. Supposons que et sont des espaces normés et ∈ ( , ). Si est
inversible, alors il est bijectif (et donc ( ) = {0} et Im( ) = , d'après le lemme 1.12).
Inversement, si est bijectif, alors, de nouveau selon le lemme 1.12, il existe une transformation
linéaire unique : → telle que

∘ = ∘ =

Cependant, en général, n'a pas besoin d'être borné, la bijectivité de n'est donc pas suffisante
pour l'inversibilité (en dimensions infinies). La dernière partie du résultat suivant est donc plutôt
surprenante.

Théorème de l’application ouverte


Définition
Soient (X; ‖. ‖ ) et (Y; ‖. ‖ ) deux espaces normés. Une application : → est dite ouverte
si l’image par de tout ouvert de est un ouvert de .

( est une application ouverte) ⇔ (Si ⊆ , est un ouvert de , alors ( ) est un ouvert de
).

Remarques.
1. Tout homéomorphisme de dans est une application ouverte.

2. Une application constante de dans ne peut être ouverte car, l’image de tout sous
ensemble de est un singleton donc fermé de .

Pour les éléments de ( ; ), on a le résultat très utile suivant (nous admettrons ce résultat sans
démonstration).

Théorème (de l’application ouverte)


Soient (X, ‖. ‖ ) et (Y, ‖. ‖ ) deux espaces de Banach.

99
Hameida Ali et Berkane Abdelhak

Alors, tout élément surjectif de ( ; ) est une application ouverte.

Remarque
La réciproque du Théorème de l’application ouverte est vraie même avec seulement l’hypothèse
, espaces normés.

Proposition
Soient , deux espaces normés et ∶ → une application linéaire. Alors les conditions
suivantes sont équivalentes :

(1) est ouverte ;

(2) ∃ > 0 tel que (0, ) ⊆ (0,1) ;

(3) ∃ > 0 Tel que ∀ ∈ , ∃ ∈ , tel que = et ‖ ‖ ≤ ‖ ‖.

Théorème
Supposons que et soient des espaces de Banach et que ∈ ( , ) soit surjectif. Soit

= { ( ): ∈ ‖ ‖ ≤ 1},

avec la fermeture . Alors

(a) Il existe > 0 tel que

{ ∈ :‖ ‖≤ }⊆ ,

(b) ∈ :‖ ‖≤ ⊆

(c) Si de plus, est injective, alors est inversible.

Preuve
Pour clarifier les espaces dans lesquels se trouvent différents ensembles, nous utiliserons la notation
suivante dans cette preuve. Soit

, ( )={ ∈ :‖ ‖ < }

la boule ouverte de centre 0 et de rayon dans l'espace , avec la fermeture

, ( )={ ∈ :‖ ‖ ≤ }

et , ( ), , ( ) les ensemble correspondants dans l’espace .

(a) Puisque est surjectif, pour tout ∈ il existe ∈ tel que ( ) = .

Donc ∈ ‖ ‖ et par suite

Par conséquent, d'après le théorème 1.32 (le théorème de la catégorie de Baire), il existe ∈ tel
que contient une boule ouverte. Par conséquent, contient également une boule ouverte, car

100
Hameida Ali et Berkane Abdelhak

l'opération de multiplication par un scalaire non nul est une fonction continue avec un inverse
continu. Donc, il existe p ∈ et > 0 tels que

+ , ( )⊆

Soit ∈ , ( ), alors + et − sont tous les deux dans et par suite

1
= ( + )+( − ) ∈
2

Donc contient ∈ , ( ) et par suite le résultat découle en prenant =

(b) Soit ∈ , , puisque ‖2 ‖ ≤ et , ( ) ⊆ , alors ilexiste ∈ tel que

‖2 − ‖<
2

Et puisque 2 −2 ∈ , ( ) et , ( ) ⊆ , alors ilexiste ∈ tel que

‖2 −2 − ‖<
2

En continuant ainsi, nous obtenons une suite { } dans telle que pour tout ∈

‖2 −2 −2 −⋯− ‖<
2

Donc, pour tout n ∈ N,

− 2 <2

Et donc =∑ 2 . Puisque ∈ pour tout ∈ , il existe ∈ , (1) tel que

= ( ) . Maintenant comme

2 ≤ 2 =1

La suite des somme partielle de la série ∑ 2 est une de Cauchy, donc convergente vers ∈
, (1) . De meme

( )= 2 = 2 ( ) 2 =

D’où ∈ et par suite , ⊆ .

101
Hameida Ali et Berkane Abdelhak

Du lemme 1.12 il découle l’existence d’une unique transformation linéaire : → telle que ∘ =
et ∘ = . Soit ∈ avec ‖ ‖ ≤ 1 et soit = .

Comme ‖ ‖ ≤ , nous avons = ( ) pour ∈ avec ‖ ‖ ≤ 1 d’après la partie (b).

Ainsi = ( ) d’où

2 2
‖ ( )‖ = ≤

Donc est bornée.

En tant qu'application du théorème 43, nous donnons une réciproque au lemme 13 pour les
opérateurs situés entre des espaces de Banach.

Corollaire 44 (Théorème du graphe fermé)


Si et sont des espaces de Banach et que est un opérateur linéaire de sur telle que
( ), le graphe de , soit fermé, alors est continu.

Preuve
Comme × est un espace de Banach selon l'exercice 2.13, ( ) est également un espace de
Banach puisqu'il s'agit d'un sous-espace linéaire fermé de × .

Soit : ( ) → défini par ( , ) = . Alors est un opérateur linéaire de ( ) sur qui est
injectif et surjectif. Puisque

‖ ( , )‖ = ‖ ‖ ≤ ‖ ‖ + ‖ ‖ = ‖( , )‖

Donc est borné et ‖ ‖ = 1. Il existe donc un opérateur linéaire borné : → ( ) tel que

S◦R = I ( ) et R ◦S = I de théorème 43.

En particulier, = ( , ) pour tout ∈ . Comme

‖ ‖ ≤ ‖ ‖+‖ ‖ = ‖( , )‖ = ‖ ‖ ≤ ‖ ‖‖ ‖

Pour tout ∈ , il s’ensuit que est continu.

La partie (c) du théorème 43 est suffisamment importante pour être énoncée en soi.

Théorème d’isomorphisme de Banach


Définition
Soient (X; ‖. ‖ ) et (Y; ‖. ‖ ) deux espaces normés.

On appelle isomorphisme entre et tout opérateur ∈ ( ; ) inversible et à inverse


borné de dans .

Théorème (Isomorphisme de Banach)


Soit , deux espaces de Banach. Si ∈ ( , ) bijective alors ∈ ( , ).

(Autrement dit si est linéaire bijective continue alors est bi-continue).

102
Hameida Ali et Berkane Abdelhak

Preuve.
Notons tout d’abord que ce théorème signifie tout simplement que l’inverse d’un opérateur linéaire
borné et bijectif est aussi un opérateur linéaire borné. Pour la preuve, il suffit de remarquer que d’après
le théorème de l’application ouverte,

linéaire, bornée et bijective ⇒ linéaire, bornée et surjective

⇒ linéaire, bornée et l’image par A de tout ouvert de est un ouvert de

⇒ l’image par ( ) = de tout ouvert de est un ouvert de

⇒ l’application est continue de dan

⇒ ∈ ( ; ):

Malgré cette caractérisation précise de l'inversibilité d'un opérateur , si nous essayons de l'utiliser
pour résoudre l'équation ( ) = , nous observons que si nous pouvons vérifier à partir de la
définition que transforme sur , alors nous aurions déjà résolu l'équation. !

Pour éviter cet argument cyclique, nous devons essayer de trouver une autre façon de caractériser
l'inversibilité.

Lemme 46
Si , sont des espaces linéaires normés et que ∈ ( , ) est inversible, alors, pour tout ∈ ,

‖ ‖≥‖ ‖ ‖ ‖

Preuve
Pour tout ∈ nous avons

‖ ‖=‖ ( )‖ ≤ ‖ ‖‖ ‖

Et par suite

‖ ‖≥‖ ‖ ‖ ‖

Le lemme 46 montre que si ∈ ( , ) est inversible, alors il existe > 0 tel que

‖ ‖ ≥ ‖ ‖, ∀ ∈

Cette propriété fera partie de notre prochain critère d'inversibilité.

Lemme 47
Supposons que soit un espace de Banach, est un espace normé et ∈ ( , ).

S'il existe > 0 tel que

‖ ‖ ≥ ‖ ‖, ∀ ∈

alors ( ) est fermée.

Preuve
Nous utilisons la caractérisation séquentielle d'ensembles fermés, ainsi { } une suite dans Im( ) qui
converge vers ∈ .

103
Hameida Ali et Berkane Abdelhak

Puisque ∈ Im (T), il existe ∈ tel que = . Puisque { } converge, il s’agit d’une suite de
Cauchy et donc

‖ − ‖=‖ − ‖=‖ ( − )‖ ≥ ‖ − ‖

Pour tous , ∈ , on déduit que { } est une suite de Cauchy. Comme est complet, il existe
∈ tel que { } converge vers . Donc, par la continuité de ,

= lim = lim =
→ →

Donc ∈ Im( ) et par suite Im( ) est fermée.

À partir des lemmes 46 et 47, nous pouvons maintenant donner une autre caractérisation
des opérateurs inversibles.

Théorème 48
Supposons que , sont des espaces de Banach et ∈ ( , ). Les assertions suivantes sont
équivalentes:

(a) est inversible;

(b) ( ) est dense dans et il existe > 0 tel que

‖ ‖ ≥ ‖ ‖, ∀ ∈

Preuve
(a) ⇒ (b). Ceci est une conséquence des Lemmes 1.12 et 46.

(b) ⇒ (a). Par hypothèse, Im( ) est dense dans et donc, puisque Im( ) est également fermé, par
le lemme 47, nous avons Im( ) = . Si ∈ ( ) alors = 0 donc

0=‖ ‖≥ ‖ ‖

et par suite = 0. D’où ( ) = {0} et est donc inversible suite au corollaire 45.

Il est utile de préciser explicitement comment ce résultat peut être utilisé pour montrer
qu'un opérateur n'est pas inversible. Le corollaire suivant est donc simplement une reformulation du
théorème 48.

Corollaire 49
Supposons que , sont des espaces de Banach et ∈ ( , ). L'opérateur T n'est pas
inversible si et seulement si ( ) n'est pas dense en ou s'il existe une suite

{ } dans avec ‖ ‖ = 1 pour tout ∈ mais =0


Sans surprise, le corollaire 49 est un moyen utile de montrer la non-invertibilité d'un


opérateur. L'exemple 50 résout une question laissée ouverte après l'exemple 4.39.

Exemple 50
Pour tout ℎ ∈ [0, 1], soit ∈ ( [0, 1]) défini par (3). Si ∈ [0,1] est défini par ( ) =
, alors n'est pas inversible.

104
Hameida Ali et Berkane Abdelhak

Solution
Pour chaque ∈ , lsoit =√ [ , / ] . Alors ∈ [0,1] et

‖ ‖ = √ ( )√ ( ) = =1
, ,

pour tout ∈ Cependant,

( ) = √ ( ) √ ( ) = =
, , 3

Par conséquent lim ( ) = 0 et donc n’est pas inversible d’après le corollaire 4.49.

Il est également possible d'utiliser le théorème 48 pour montrer qu'un opérateur est
inversible.

Nous l'utilisons pour donner une solution alternative à l'exemple 39.

Exemple 51
Pour tout ℎ ∈ [0, 1], soit ∈ ( [0, 1]) défini par (3). Si ∈ [0, 1] est défini par ( ) =
1 + , alors est inversible.

Solution
Nous vérifions que les deux conditions du théorème 48 sont satisfaites pour cet opérateur.
Soit ∈ [0,1] et prenons = . Alors ∈ [0,1] et

( ) ( ) = ( ) ( ) = ( ), ∀ ∈ [0,1]

D’où ( )= et donc Im = [0,1]. De plus

( ) = ( ) ( ) ̅( ) ( ) = | ( )| | ( )| ≥ | ( )| =‖ ‖

Pour tout t ∈ [0,1]. Ainsi est inversible d’après le théorème 48.

On pourrait faire valoir que montrer que Im était dense dans la solution de l'exemple
51 était encore à peu près aussi difficile que de trouver explicitement la formule inverse. Toutefois,
dans le cas des opérateurs de ( ) où est un espace de Hilbert, il existe une structure
supplémentaire dans ( ), que nous étudierons au chapitre 6, qui nous permettra d’obtenir une
autre caractérisation de cette densité. condition qui est beaucoup plus facile à étudier.

Nous concluons ce chapitre par une autre application du théorème du graphe fermé.

Théorème 52 (principe de la borne uniforme)


Soit , des espaces de Banach. Supposons que soit un ensemble non vide et que, pour
chaque ∈ , ∈ ( , ) .

Si, pour chaque ∈ , l'ensemble {‖ ( )‖: ∈ } est borné, alors l'ensemble {‖ ‖: ∈ }


est borné.

105
Hameida Ali et Berkane Abdelhak

Preuve
Soit ( , ) l’espace de Banach défini dans les exercices 2.2 et 2.14.

Pour tout ∈ , définissons une application : → par

( )= ( )

Par définition, l'ensemble

{‖ ( )‖: ∈ } = {‖ ( )‖: ∈ }

est borné, donc ∈ ( , ).


Définissons maintenant un opérateur linéaire : → ( , ) par

( )= , ∀ ∈

Nous montrerons que ( ), le graphe de , est fermé. Soit {( ,φ( ))} une suite dans ( ) qui
converge vers ( , ) dans × ( , ) . Alors

lim ‖ ( ) − φ( )‖ ≤ lim ‖ − φ( )‖ = 0
→ →

Et donc, puisque est continu,

( ) = lim φ( )( ) = lim ( ) = lim ( )= ( )


→ → →

Ainsi ( ) = ( ) = φ( )( ) et donc = φ( ) et ( , ) ∈ ( ) et par suite ( ) est fermé.

Maintenant par le théorème du graphe fermé (corollaire 44), est bornée, donc

‖ ( )‖ = ‖ ( )‖ ≤ ‖ ‖ = ‖φ( )‖ ≤ ‖φ‖‖u‖, ∈ , ∈

Et donc

‖ ‖ ≤ ‖φ‖, ∀ ∈ .

Corollaire 53
Soit , des espaces de Banach et ∈ ( , ), = 1, 2, . . ..

Supposons que existe, pour chaque ∈ , et définissons


= .

Alors ∈ ( , ).

Preuve
Comme dans la preuve du théorème 27, on peut voir que est linéaire.

Ensuite, pour tout ∈ , il découle de l'existence de la limite lim que l'ensemble


{‖ ‖: ∈ }

est borné.

106
Hameida Ali et Berkane Abdelhak

Ainsi, selon le théorème 52 avec = , il existe tel que ‖ ‖ ≤ , pour tout ∈ .

Par conséquent,

‖ ‖ = lim ‖ ‖≤ ‖ ‖

ainsi est borné .

107
Hameida Ali et Berkane Abdelhak

5 Exemples d'opérateurs linéaires continus

Voyons maintenant quelques exemples d'opérateurs linéaires continus d'un espace de Hilbert
dans lui-même.

Opérateurs de multiplication et translation


Exemple 1

Prenons = ( ) et soit ( ), ∈ , une suite bornée de nombres complexes. Pour une


suite = ( ) dans ( ), on pose =( ) . On vérifie immédiatement que

‖ ‖ =∑ | | ≤ | | ‖ ‖

L'opérateur est donc continu sur ( ) et ‖ ‖ ≤ | |, en fait (voir exercice 1) on a


l'égalité ‖ ‖ = | |.

est appelé opérateur de multiplication par la suite ( ).

Exemple 2

Prenons = ( , , ) , où ( , , ) est un espace mesuré -fini et soit une fonction


mesurable sur à valeurs complexes.

On suppose que est essentiellement bornée, c-à-d qu'il existe une constante ≥ 0 telle que
| ( )| ≤ pour presque tout ∈ .

La plus petite de ces constantes , notée ‖ ‖ , est appelée la borne supérieure essentielle de
.

Pour dans ( , , ) , on pose = .

On définit ainsi l'opérateur de multiplication par et on vérifie que sa norme vaut ‖ ‖ .

Par exemple sur ([0,1], ) l'application qui à fait correspondre est un opérateur linéaire
continu et sa norme est égale à 1.

Remarquons que l'égalité ‖ ‖ = ‖ ‖ tombe en défaut si l'espace n'est pas -fini, comme le
montre l'exemple suivant : = [0,1] muni de la tribu borélienne Ω et de la mesure

(Δ) si 0 ∉ Δ
Δ ∈ Ω → μ(Δ) =
∞ 0∈Δ

Où est la mesure de Lebesgue. La mesure μ n'est pas -finie, puisque μ({0}) = +∞ . Prenons
la fonction caractéristique de 0 , elle est essentiellement bornée et ‖ ‖ = 1 . Pour tout ∈ ( ) ,
l'inégalité

| | ≥ | (0)|μ({0})

implique nécessairement (0) et donc = 0. L'opérateur de multiplication par est donc nul alors
que n'est pas nulle presque-partout.

108
Hameida Ali et Berkane Abdelhak

Exemple 3

Pour tout réel , on désigne par l'opérateur qui, à une fonction de ( ), associe la
fonction définie presque-partout par

( )= ( − )

C'est un opérateur linéaire continu sur ( ) et sa norme est égale à 1; il est appelé opérateur
de translation.

Exemple 4

Pour un entier relatif , on désigne par l'opérateur qui,

à une suite =( )∈ (ℤ) , fait correspondre la suite

On a là un opérateur linéaire continu sur (ℤ) et de norme 1.

Il est de même appelé opérateur de translation.

Opérateur intégral de Fredholm

Considérons un intervalle fermé borné [ , ] et une fonction continue sur [ , ] × [ , ] à valeurs


dans ℂ .

A une fonction ∈ ([ , ], ) , on fait correspondre la fonction définie sur l'intervalle [ , ] par

( )= ( , ) ( )

Nous allons montrer que est un opérateur linéaire continu de ([ , ], ) dans lui-même. En effet,
une application de l'inégalité de Cauchy-Schwarz permet d'écrire

| ( )| = | ( , )| ‖ ‖

Par intégration, on en déduit que ‖ ‖≤ ( − )‖ ‖ , où désigne le maximum de la fonction


sur [ , ] × [ , ].

Ainsi, on a montré que l'opérateur est continu et que ‖ ‖ ≤ ( − ).

est appelé opérateur intégral de Fredholm et la fonction est appelée le noyau de


l'opérateur .

Il faut préciser que, pour dans ([ , ], ), la fonction est continue sur [ , ] .

En effet, la fonction ( , ) → ( , ) ( ) est continue en et pour presque tout elle peut être
majorée indépendamment de par une fonction intégrable sur [ , ] , à savoir ; le théorème de
convergence dominée s'applique donc et permet de conclure.

109
Hameida Ali et Berkane Abdelhak

Il arrive souvent que l'intervalle dans lequel on travaille ne soit pas borné ou que le noyau ne soit pas
continu, le théorème suivant permet d'envisager des exemples de cette situation.

Théorème

Soit ( , , ) un espace mesuré -fini et soit une fonction mesurable, définie sur × à
valeurs complexes. On suppose qu'il existe deux constantes et telles que

∫ | ( , )| ( )≤ , −

Et

∫ | ( , )| ( )≤ , −

Alors pour toute ∈ ( , , ) , la fonction

( )=∫ ( , ) ( ) ( )

est définie presque-partout, appartient à ( , , ) et l'opérateur qui à fait


correspondre est continu dans ( , , ) et sa norme vérifie ‖ ‖ ≤ ( ).

Démonstration.

On doit démontrer que appartient à ( ) , mais ceci découlera de la démonstration du fait que
est borné. Si ∈ ( ) , l'inégalité de Hölder montre que, pour presque tout ,

| ( )| ≤ | ( , )|| ( )| ( )

≤ | ( , )| ( ) | ( , )|| ( )| ( )

≤ | ( , )|| ( )| ( )

Donc

| ( )| ( )≤ | ( , )|| ( )| ( ) ( )

≤ | ( )| | ( , )| ( ) ( )≤ ‖ ‖

Cela montre que la fonction est définie -presque partout, appartient à ( , Ω, ) et que

‖ ‖ ≤ ‖ ‖

L'opérateur décrit par ce théorème est aussi appelé opérateur intégral de noyau . Le
corollaire suivant en fournit plusieurs exemples intéressants.

110
Hameida Ali et Berkane Abdelhak

Corollaire

Soit une fonction mesurable sur et soit la fonction définie sur × par ( , ) =
( − ). On suppose que est intégrable sur muni de la mesure de Lebesgue, alors
l'application

→ ∗ ( )=∫ ( − ) ( )

définit un opérateur linéaire , borné de ( ) dans lui-même. De plus, on a

≤‖ ‖ ( ).

Les opérateurs de ce type, appelés opérateurs de convolution, interviennent dans beaucoup de


questions d'analyse. En voici quelques exemples bien connus.

L'opérateur de Poisson sur

C'est l'opérateur de convolution associé à la fonction

( )=
( )

le coefficient a été ajusté pour que ‖ ‖ = 1 . L'opérateur de Poisson, que nous noterons
pour la circonstance par , est alors défini par

( )
( )= ∫ , ù ∈ ( , )
( )

c'est un opérateur linéaire borné de ( , ) dans lui-même et de norme égale à 1.

On sait l'importance de cet opérateur dans la théorie des fonctions harmoniques; plus précisément,
posons pour > 0

1 1
( )= =

La fonction est d'intégrale 1 et l'opérateur de convolution qui lui est associé :

1 ( )
( )=
+( − )

est continu de ( , ) dans lui-même. La fonction ( , ) → ( ), définie dans le demi-plan


supérieur {( , ), ∈ , > 0 } est la partie imaginaire de , où = + , et est donc une
fonction harmonique, c'est-à-dire qu'elle vérifie

+ ( ) = 0, pour ∈ , et > 0

Par dérivation sous le signe d'intégration, qui se justifie facilement à l'aide du théorème de
convergence dominée, on voit que la fonction ( , ) → ( ) est harmonique dans le demi-plan
supérieur, de plus au sens de la norme de ( , ) , on a

111
Hameida Ali et Berkane Abdelhak

lim ‖ − ‖=0

ceci est un résultat général qui découle du fait que { , > 0} est une approximation de l'identité (voir
exercice 1). De l à , on peut voir que la convergence a lieu en tout point où est continue (et dans
( ) , 1 ≤ < ∞, si f est dans cet espace). Ainsi, résoud le problème de Dirichlet dans le demi-
plan supérieur :

+ ( ) = 0, pour >0

lim = , au sens ci − dessus


L'opérateur de Poisson du disque unité

Pour 0 ≤ < 1, on pose

1−
( )
1 − 2 cos +

C'est une fonction 2 -périodique, continue, paire, positive et on a

( )= | |

∈ℤ

En effet, le second membre s'écrit

| |
= 1+ +
∈ℤ

et il suffit alors de se rappeler la formule donnant la somme d'une série géométrique. Il est clair que

1
( ) =1
2

L'opérateur de convolution qui est associé à la fonction :

( )= ∫ ( ′) ( − ′)

est un opérateur linéaire continu de [0,2 ], dans lui-même et sa norme vaut 1.

La formule de Parseval (voir le théorème 2.1, section 2, chapitre II) permet d'exprimer , pour
dans [0,2 ], , à l'aide des coefficients de Fourier de et ceux de :

( )= ( ) | |
=
∈ℤ

= ( ) + (− )

112
Hameida Ali et Berkane Abdelhak

= ( ) + ( ), avec =

Rappelons que étant de carré intégrable, ses coefficients de Fourier ( ) sont bornés (en fait
( ) tend vers 0 quand | | tend vers l'infini) et donc les deux séries ci-dessus ont un rayon de
convergence au moins égal à 1. Il est clair que, dans le disque unité, la fonction ( )est holomorphe et
la fonction ( )est antiholomorphe. En d'autres termes, les fonctions et sont indéfiniment
dérivables dans le disque unité

= { ∈ ℂ: | | < 1}

Et

= 0, = 0, sur
̅

où l'on a posé

1 1
= + , = −
̅ 2 2

Notons que

1
= = ∆
̅ ̅ 4

Où ∆ est l'opérateur de Laplace sur .

Puisque v et w sont dans ( ) , nous avons ∆ = 0 et ∆ = 0 , et donc

∆ =0

de plus, si l'on désigne par ‖. ‖ la norme de [0,2 ], , la formule de Parseval donne

‖ − ‖ = ( ) (1 − | |
)
∈ℤ

et par suite

lim ‖ − ‖=0

Ainsi, est la solution du problème de Dirichlet dans le disque unité en ce sens que, pour toute
dans [0,2 ], , la fonction , < 1 , est une fonction harmonique à l'intérieur du disque unité
et converge vers sur la frontière de , lorsque → 1 (la convergence étant entendue au sens de la
norme de l'espace [0,2 ], ).

L'opérateur de Gauss

Considérons la fonction de Gauss :

113
Hameida Ali et Berkane Abdelhak

( )= , ∈

La fonction est intégrable sur et son intégrale vaut 1. L'opérateur de convolution , qui
lui est associé :

( )=∫ ( ) ( − ) =∫ ( − ) ( )

est borné de ( , ) dans lui-même et sa norme est majorée par 1.

Posons, pour > 0,

( )=
√ √

La fonction est d'intégrale égale à 1 et l'opérateur de convolution associé, est borné sur
( , ) , il est appelé opérateur de Gauss et joue un rôle important dans la résolution des
équations d'évolution classiques telle que l'équation de la chaleur.

En effet, on vérifie aisément que

1
=
2

On en déduit que, pour toute dans ( , ) , la fonction qui à ( , ) associe ( ) est deux fois
continûment dérivable sur × ]0, ∞[ et satisfait

1
=
2
lim ‖ − ‖ = 0

c'est-à-dire que l'opérateur de Gauss permet de résoudre l'équation de la chaleur sur × ]0, ∞[ .

Opérateur de Volterra

Soit[ , ] un intervalle fermé borné de et soit une fonction continue sur [ , ] × [ , ]


à valeurs complexes. Pour toute fonction ∈ ([ , ], ) , on pose

( )=∫ ( , ) ( )

On définit ainsi un opérateur linéaire borné de ([ , ], ) dans lui-même et on vérifie que

‖ ‖≤ ù = | ( , )|
√ [ , ]×[ , ]

Cet opérateur, appelé opérateur intégral de Volterra, diffère de l'opérateur intégral de Fredholm par le
fait que la borne supérieure de l'intégrale qui le définit est la variable , au lieu de l'extrémité de
l'intervalle, ceci a pour effet d'avoir une meilleure majoration de la norme de et par suite de ,
avec ∈ . On peut anticiper et voir l'exemple 3.12 du paragraphe qui suit.

114
Hameida Ali et Berkane Abdelhak

Exercice
Montrer que si ( ) est une suite de Cauchy d'éléments de ( ) , alors (‖ ‖) est elle aussi
une suite de Cauchy.

Solution :

L'inégalité triangulaire montre que, pour deux éléments et de ( ) , on a

‖ ‖ ≤ ‖ − ‖ + ‖ ‖ et ‖ ‖ ≤ ‖ − ‖ + ‖ ‖

On en déduit alors l'inégalité

|‖ ‖ − ‖ ‖| ≤ ‖ − ‖

Par conséquent, si ( )est une suite de Cauchy, il en sera de même de la suite (‖ ‖).

Exercice
Soit ( ) une suite d'éléments de ( ) qui converge vers et soit ( ) une suite d'éléments de
qui converge vers . Montrer que la suite ( ) converge vers .

Solution :

L'inégalité triangulaire permet d'écrire

‖ − ‖ ≤ ‖ ‖‖ − ‖+‖ ‖‖ − ‖

Lorsque tend vers l'infini, le premier terme du second membre tend vers 0 et le second terme fait de
même car la suite ( ), étant convergente, est bornée.

Approximation de l'identité:
Soit une fonction positive, intégrable sur et d'intégrale égale à 1. Pour > 0, on
considère la fonction définie par

( )=

(i) Montrer que est dans ( ) et que ‖ ‖ =1.

(ii) Montrer que pour tout > 0 ,

∫‖ ‖
( ) =0.

(iii) En déduire que si est dans ( ),1≤ <, alors ∗ ∈ ( , ) et que

‖ − ∗ ‖ =0

(iv) Montrer que si est une fonction uniformément continue et bornée sur ,

alors ∗ converge uniformément sur vers lorsque tend vers 0.

115
Hameida Ali et Berkane Abdelhak

Solution :

L'assertion (i) résulte immédiatement du changement de variables = .

Pour l'assertion (ii), soit > 0 et posons encore = . Alors

( ) = = ( )
‖ ‖ ‖ ‖ ‖ ‖

Puisque est intégrable et tend vers l'infini lorsque tend vers 0, la dernière intégrale tend vers 0
avec .

Pour la partie (iii), on remarque d'après (i) que ( ) = ∫ ( ) et par suite

| ∗ |= ( − )− ( ) ( ) ≤ | ( − ) − ( )| ( ) ( )

Où + = 1 . En appliquant l'inégalité de Hölder et en intégrant par rapport à , on voit que ‖ ∗


( ) − ( )‖ est majorée par

| ( − ) − ( )| ( ) ( )

= | ( − ) − ( )| ( )

En changeant l'ordre des intégrations dans la dernière intégrale, ce qui est justifié car les fonctions sont
positives), on obtient

‖ ∗ − ‖ ≤ ( ) ( ) , où ( )=‖ − ‖ ,

étant l’opérateur de translation défini au début de ce paragraphe. Pour > 0, on peut écrire

( ) ( ) = + = , + ,
‖ ‖ ‖ ‖

Etant donné > 0 , on peut choisir de façon que ( ) soit strictement inférieur à dès que ‖ ‖ < ,
il en résulte que pour tout > 0 , , ≤ .

De plus, en utilisant l'inégalité de Minkowski, on peut voir que ‖ ‖ est majoré par 2 ‖ ‖ et par
suite , est, à une constante multiplicative près, majorée par ∫‖ ‖
( ) .

On conclue grâce à (ii). L'assertion (iv) se démontre de façon tout à fait analogue.

116
Hameida Ali et Berkane Abdelhak

Lemme de Schur :
Soit une fonction définie et positive sur × .

On suppose que pour tout > 0, ( , )= ( , ) et que pour un certain , 1 ≤ ≤


∞,

∫ (1, ) = <∞

Par exemple ( , ) = possède ces propriétés. Montrer que ‖ ‖ ≤ ‖ ‖ , où est


donné par

( )=∫ ( ) ( , ) , ( ≥ 0)

Solution :
On remarque que

( )= ( ) 1, = ( ) (1, ) ,

En utilisant la version intégrale de l'inégalité de Minkowski (voir exercice 15, section 1, chapitre I), on
peut écrire

‖ ‖ ≤ | ( ) (1, )|

Un changement de variables évident montre que le second membre est égal à

(1, ) | ( )| = ‖ ‖

117
Hameida Ali et Berkane Abdelhak

6 Exercices

Exercice 1
Si : [0,1] → est un opérateur linéaire défini par

∀ ∈ [0,1], ( )=∫ ( )

Montrer que est continu.

Solution
Comme

| ( )| ≤ sup{| ( )|: ∈ [0,1]} = ‖ ‖, ∀ ∈ [0,1]

Alors ∀ ∈ [0,1], et ∀ ∈ [0,1],

| ( )| = ( ) ≤ | ( )| ≤ ‖ ‖ =‖ ‖

Et donc est continu.

Exercice 2
(a) Soit ℎ ∈ [0,1]. Si ∈ [0,1], montrer que ℎ ∈ [0,1]

(b) Soit : [0,1] → [0,1] un opérateur linéaire défini par

∀ ∈ [0,1], ( )=ℎ

Montrer que est continu.

Solution
(a) Comme |ℎ( )| ≤ ‖ℎ ‖ , p.p.

|ℎ( ) ( )| ≤ | ( )| ‖ℎ( )‖ , . .

Et par suite

| ℎ| ≤ ‖ℎ( )‖ | | < ∞, car ∈ [0,1].

Donc ℎ ∈ [0,1], de plus

‖ ℎ‖ = | ℎ| ≤ ‖ℎ ‖ | | = ‖ ‖ ‖ℎ ‖

(b) D’après (a) nous avons, pour tout ∈ [0,1]

‖ ( )‖ = ‖ ℎ ‖ = ‖ ‖ ‖ℎ ‖

Donc est continu.

118
Hameida Ali et Berkane Abdelhak

Exercice 3
Soit un espace de Hilbert complexe et soit ∈ .

Montrer que l’opérateur linéaire : → ℂ défini par

∀ ∈ , ( )=〈 , 〉

est continu.

Solution
D’après l’inégalité de Cauchy-Schwarz, nous avons, pour tout ∈ ,

| ( )| = |〈 , 〉| ≤ ‖ ‖ ‖ ‖

Donc est continue.

Exercice 4
( ) Si =( , , , ,…) ∈ , montrer que

= (0,4 , ,4 , ,…) ∈

( ) Soit : → un opérateur linéaire défini par

∀ ∈ , ( )= ( , , , ,…) = = (0,4 , ,4 , ,…)

Montrer que est continu.

Solution
(a) Nous devrons montrer que

‖(0,4 , ,4 , , … )‖ < ∞.

Nous avons

‖(0,4 , ,4 , , … )‖ = 16| | + | | + 16| | + | | + ⋯

≤ 16 | | <∞

car { }∈ . Et donc (0,4 , ,4 , ,…) ∈ .

(b) est continu car

‖ { }‖ = ‖(0,4 , ,4 , , … )‖ ≤ 16‖{ }‖

Exercice 5
Soit le sous-espace linéaire de ℂ [0,1] constitué de toutes les fonctions polynomiales.

Montrer que si : → ℂ est l’opérateur linéaire défini par

( )= (1), ∀ ∈

où ′ est la dérivée de p, alors T n'est pas continu.

119
Hameida Ali et Berkane Abdelhak

Solution
Soit ∈ définie par ( )= . Alors

‖ ‖ = sup{| ( )|: ∈ [0,1]} = 1

Tandis que

‖ ( )‖ = ‖ (1)‖ = .

Donc il n’existe pas de ≥ 0 telle que ‖ ( )‖ = ‖ ‖, pour tout ∈ , et donc n’est pas continu.

Exercice 6
Soit ∈ [0,1] → un opérateur linéaire borné, défini par

( )=∫ ( ) , ∀ ∈ [0,1]

(a) Montrer que ‖ ‖ ≤ 1

(b) Si ∈ [0,1] est définie par

( ) = 1 , ∀ ∈ [0,1]

Trouver | ( )| et par suite ‖ ‖.

Solution
(a) Dans la solution de l’exercice 1, nous avons montré que

| ( )| = ( ) ≤ | ( )| ≤ ‖ ‖ =‖ ‖

Donc ‖ ‖ ≤ 1.

(b) Nous avons | ( )| = ∫ ( ) = 1.

Comme ‖ ‖ = sup{ ( ): ∈ [0,1]} = 1, alors

1 = | ( )| ≤ ‖ ‖‖ ‖ = ‖ ‖

En combinant ceci avec (a) on trouve ‖ ‖ = 1.

Exercice 7
Soit ℎ ∈ [0,1] et soit : [0,1] → [0,1] l’opérateur linéaire défini par

( )=ℎ , ∀ ∈ [0,1]

Montrer que ‖ ‖ ≤ ‖ℎ ‖ .

Solution
Dans la solution de l’exercice 2 nous avons montré que

‖ ( )‖ = ‖ℎ ‖ ≤ ‖ ‖ ‖ℎ ‖

Donc ‖ ( )‖ ≤ ‖ ‖ ‖ℎ ‖ et donc ‖ ‖ ≤ ‖ℎ ‖ .

120
Hameida Ali et Berkane Abdelhak

Exercice 8
Soit : → l’opérateur linéaire borné défini par

( , , , , … ) = (0, 4 , ,4 , , … ), ∀( , , , ,…) ∈

Trouver la norme de .

Solution
Dans la solution de l’exercice 4 nous avons montrer que

‖ { }‖ = ‖(0, 4 , ,4 , , … )‖ ≤ 16‖{ }‖

Donc ‖ { }‖ ≤ 4‖{ }‖ et par suite ‖ ‖ ≤ 4.

De plus ‖(1,0,0, … )‖ = 1 et

‖ (1,0,0, … )‖ = ‖(0,4,0, … )‖ = 4

Ainsi ‖ ‖ ≥ 4 et par suite ‖ ‖ = 4.

Exercice
Soient et deux espaces vectoriels normés et ( , ) l’espace des opérateurs linéaires
continus de dans .

1) Montrer que pour tout ∈ ( , ), on a


( ) ( ) ( )
‖ ( )‖
‖ ‖=
⏞ =
⏞ ‖ ( )‖ =
⏞ ‖ ( )‖
∈ ‖ ‖ ∈ , ∈ ,
‖ ‖ ‖ ‖

2) Montrer que ( ( , ), ‖. ‖ ) est un espace vectoriel normé.

3) Si est un troisième espace vectoriel normé.

Montrer alors que pour tout ∈ ( , ) et tout ∈ ( , ) on a

‖ ∘ ‖ ≤ ‖ ‖‖ ‖.

Solution
1) (a) Soit ∈ ( , ). D’après le lemme 1, il existe un réel tel que ‖ ( )‖ ≤ ‖ ‖. Ainsi
‖ ( )‖
l’ensemble ∈ : ∃ ∈ \{0}, = ‖ ‖
est majoré par , donc on peut définir ‖ ‖ comme la
borne supérieur cet ensemble :

‖ ( )‖
‖ ‖ = Sup .
∈ ‖ ‖

(b) Remarquons aussi que si ∈ \{0} alors =‖ ‖


est de norme 1 et

( )
= = ( ).
‖ ‖ ‖ ‖

121
Hameida Ali et Berkane Abdelhak

D’où, pour ∈ , l’équivalence

‖ ( )‖
∃ ∈ \{0}, = ⇔ {∃ ∈ , ‖ ‖ = 1 et = ‖ ( )‖}
‖ ‖

En particulier l’ensemble

={ ∈ : ∃ ∈ , ‖ ‖ = 1 et = ‖ ( )‖}

Est égal à

‖ ( )‖
∈ : ∃ ∈ \{0}, =
‖ ‖

Ce qui prouve que

sup = Sup ‖ ( )‖ = ‖ ‖
∈ ,
‖ ‖

(c) Soit maintenant

={ ∈ : ∃ ∈ , ‖ ‖ ≤ 1 et = ‖ ( )‖}

Comme ⊂ on a sup ≤ sup .

Montrons l’autre inégalité, c’est-à-dire que, pour tout ∈ , ≤ sup . Soit ∈ tel que ‖ ‖ ≤ 1 et
= ‖ ( )‖. Si = 0 alors = ‖ (0)‖ = 0 ≤ sup .

Si ≠ 0, posons =‖ ‖
de sorte que ‖ ‖ = 1 et donc ‖ ( )‖ ≤ sup .

Comme = ‖ ‖, on a

‖ ( )‖ = ( )‖ ‖ = ‖ ‖‖ ( )‖ ≤ ‖ ‖ sup ≤ sup

Ceci conclut que sup ≤ sup .

Finalement on a démontré toutes les égalités demandées :

‖ ( )‖
‖ ‖ = Sup = Sup ‖ ( )‖ = Sup ‖ ( )‖
∈ ‖ ‖ ∈ , ∈ ,
‖ ‖ ‖ ‖

2) Montrons maintenant que ( ( , ), ‖. ‖ ) est un espace vectoriel normé.

-) Positivité. Pour tout ∈ ( , ), l’ensemble

={ ∈ : ∃ ∈ , ‖ ‖ = 1 et = ‖ ( )‖}

est contenu dans et donc ‖ ‖ = sup ≥ 0. (Remarque : il suffit aussi de noter que contient un
seul réel positif).

-) Séparation. Si est l’opérateur nul, alors ‖ ‖ = sup{0} = 0.

122
Hameida Ali et Berkane Abdelhak

‖ ( )‖
Inversement, soit ∈ ( , ) tel que ‖ ‖ = 0, on a alors, pour tout ∈ \{0}, ‖ ‖
≤ 0, donc
‖ ( )‖ = 0 et par suite ( ) , ∀ ∈ \{0} et comme (0) = 0, est bien l’opérateur nul.

-) Homogénéité. Soient ∈ ( , ) et ∈ . Pour tout ∈ remarquons que

‖( )( )‖ ( )
∃ ∈ \{0}, = ⇔ ∃ ∈ \{0}, =
‖ ‖ ‖ ‖

‖ ( )‖
⇔ ∃ ∈ \{0}, = | | .
‖ ‖

De sorte que

‖ ( )‖
‖ ‖ = sup | | : ∃ ∈ \{0}, =
‖ ‖

‖ ( )‖
= | | sup : ∃ ∈ \{0}, = = | |‖ ‖
‖ ‖

(car la borne supérieur de l’image d’un ensemble par une homothétie de rapport positif est
l’homothétique de la borne supérieure.)

-) Inégalité triangulaire. Soient , ∈ ( , ). Pour tout ∈ ,

‖( + )( )‖ = ‖ ( ) + ( )‖ ≤ ‖ ( )‖ + ‖ ( )‖ ≤ ‖ ‖‖ ‖ + ‖ ‖‖ ‖.

Ainsi

‖( + )( )‖
‖ + ‖ = Sup ≤ ‖ ‖ + ‖ ‖.
∈ ‖ ‖

3) Soient ∈ ( , ) et S∈ ( , ). Pour tout ∈ , on a

‖( ∘ )( )‖ = ‖ ( ( )‖ ≤ ‖ ‖‖ ( )‖ ≤ ‖ ‖‖ ‖‖ ‖

En divisant, pour ≠ 0, par ‖ ‖ et en passant à la borne supérieure, on trouve

‖ ∘ ‖ ≤ ‖ ‖‖ ‖.

Exercice 12
Soit un espace linéaire normé, et , ∈ ( ).

Montrer que l’opérateur linéaire : ( ) → ( ) défini par

( )= , ∀ ∈ ( )

est borné.

Solution
D’après le lemme 30, nous avons ‖ ( )‖ = ‖ ‖ ≤ ‖ ‖‖ ‖‖ ‖

Donc est borné et ‖ ‖ ≤ ‖ ‖‖ ‖.

123
Hameida Ali et Berkane Abdelhak

Exercice 13
Soit : → un opérateur linéaire borné défini par

∀( , , , ,…) ∈ , ( , , , , … ) = (0,4 , ,4 , ,…)

(a) Trouver .

(b) Calculer ‖ ‖ et comparer la avec ‖ ‖ .

Solution
(a) ( , , , ,…) = ( , , , ,…)

= (0,4 , ,4 , ,…)

= (0,0,4 , 4 , 4 , 4 , … )

(b) Du résultat de (a), nous avons

‖ { }‖ = ‖(0,0,4 , 4 , 4 , 4 , … )‖ = 16‖{ }‖

Et donc ‖ ‖ ≤ 4 . De plus

‖(1,0,0,0, … )‖ = ‖(0,0,4,0, … )‖ = 4

Donc ‖ ‖ ≥ 4 et par suite ‖ ‖ = 4.

Et comme ‖ ‖ = 4 d’après l’exercice 8, il découle que

‖ ‖ = 16 ≠ 4 = ‖ ‖.

Exercice 14
Soit , des espaces linéaires normés et soit : → et : → des isométries.
Montrer que ◦ est une isométrie.

Solution
Puisque S et T sont des isométries,

( ◦ ) ( ) = ( ( )) = ( ) = , pour tout ∈

Alors, S ◦ T est une isométrie.

Exercice
Soit un espace linéaire normé et un sous-espace dense de . Soit un espace de Banach
et soit ∈ ( , ).

(a) Si ∈ et { } et { } sont deux suites dans telles que = = , alors


→ →
{ ( )} et { ( )} convergent et ( )= ( )
→ →

(b) Il existe ∈ ( , ) tel que

‖ ‖ = ‖ ‖ et = , ∀ ∈

124
Hameida Ali et Berkane Abdelhak

Solution
(a) Puisque { } converge, c’est donc une suite de Cauchy. De plus, comme

‖ ( )− ( )‖ = ‖ ( − )‖ ≤ ‖ ‖‖ − ‖

La suite { ( )} est aussi de Cauchy dans qui est un espace de Banach donc convergente.

Comme lim = lim = alors lim ( − ) = 0.


→ → →

Puisque
‖ ( ) − ( )‖ = ‖ ( − )‖ ≤ ‖ ‖‖ − ‖

Alors lim ( ( ) − ( )) = 0 et donc lim ( ) = lim ( )


→ → →

(b) Définissons maintenant comme suit :

∀ ∈ , ∃{ }∈ telle que lim = (car est dense dans )


Et nous définissons : → par ( ) = lim ( )


( est bien définie car la valeur de la limite est indépendante du choix de la suite { } qui converge
vers d’après la partie (a)).

Dans ce cas, il n’est peut-être pas évident que soit un opérateur linéaire. La première étape de
cette partie consiste à montrer que T est linéaire.

Soient , ∈ et soit ∈ . Soient { } et { } deux suites dans telles lim = et



lim = . Alors { } et { } sont des suites dans telles que lim ( + )= + et
→ →
lim = . Donc

( + ) = lim ( + ) = lim ( )+ ( )
→ →

= lim ( ) + lim ( )= ( )+ ( )
→ →

Et

( ) = lim ( ) = lim ( )= lim ( )= ( )


→ → →

Et par suite est un opérateur linéaire.

Maintenant supposons que ∈ avec ‖ ‖ = 1 et soit { } une suite dans telle que lim =

. Puisque lim ‖ ‖ = ‖ ‖ = 1, si on suppose que =‖ ‖
, alors { } est une suite dans

telle que

‖ ‖
lim = lim = et ‖ ‖= = 1, ∀ ∈
→ → ‖ ‖ ‖ ‖

Comme

125
Hameida Ali et Berkane Abdelhak

‖ ‖ = lim ‖ ‖ ≤ sup{‖ ‖: ∈ }

≤ sup{‖ ‖‖ ‖: ∈ }=‖ ‖

Donc est bornée et ‖ ‖ ≤ ‖ ‖. De plus, si ∈ , alors la suite constante { } est une suite dans
qui converge vers et donc

= lim = .

Ainsi

‖ ‖=‖ ‖ ≤ ‖ ‖‖ ‖

D’où ‖ ‖ ≤ ‖ ‖ donc ‖ ‖ = ‖ ‖ et nous avons déjà montré que ∀ ∈ , = .

Remarque
L'opérateur cet exercice peut être considéré comme une extension de l'opérateur au plus grand
espace.

Exercice 15
Démontrer le lemme 35 :

Si , , sont des espaces linéaires normés et que ∈ ( , ), ∈ ( , ) sont inversibles,


alors:

(a) est inversible avec comme inverse;

(b) est inversible avec l'inverse

Solution
(a) Puisque = =

est inversible avec comme inverse

(b) Puisque

( )( )= ( ) = =

Et

( )( )= ( ) = =

est inversible avec l'inverse

Exercice 16
Soit X un espace vectoriel sur lequel il y a deux normes ‖. ‖ et ‖. ‖ .

Supposons que sous les deux normes, est un espace de Banach et qu'il existe > 0 tel que

‖ ‖ ≤ ‖ ‖ , pour tout ∈ .

Montrer que ‖. ‖ et ‖. ‖ sont des normes équivalentes

126
Hameida Ali et Berkane Abdelhak

Solution
L'hypothèse dans la question signifie que l’application identité : → de l'espace de Banach
( , ‖. ‖ ) vers l'espace de Banach ( , ‖. ‖ ) est bornée.
Puisque est injectif et surjectif, il est inversible par le théorème 43.

Puisque l'inverse de est lui-même, on en déduit que est un opérateur linéaire borné de ( , ‖. ‖ )
à ( , ‖. ‖ ).

Par conséquent, il existe > 0 tel que ‖ ‖ ≤ ‖ ‖ pour tout ∈ , et donc ‖ ‖ et ‖ ‖ sont
équivalentes.

Exercice 17
Soit = { } ∈ et que ∈ ( ) soit défini par

{ }= , ∀ ∈

(a) Si {| |∶ ∈ } > 0 et = montrent que = ∈ et que

= =

(b) Si ∉ { : ∈ } , montrer que − est inversible

Solution
(a) Soit = inf{| |: ∈ }. Alors | | ≥ pour tout ∈ et donc

1 1
= ≤ pour tout ∈

D’où ={ }∈ . Maintenant

{ }= { }={ }={ }

Et

{ }= { }={ }={ }

Donc = =

(b) Si ∉{ : ∈ } alors inf{| − |: ∈ }.

Ainsi si = − donc { }∈ et comme inf{| |: ∈ } > 0 donc est inversible d’après


(a). Mais

{ } = {( − ) }={ }−{ }=( − ){ }

Donc = − . Ainsi, − est inversible.

Exercice 18
Soit = { } ∈ et que ∈ ( ) soit défini par

{ }= , ∀ ∈

Si = , montre que n'est pas inversible.

127
Hameida Ali et Berkane Abdelhak

Solution
Puisque ‖ ̃ ‖ = 1 pour tout ∈ et

1
( ̃ ) = (0,0, … , , 0, … )

De sorte que

1
lim ‖ ( ̃ )‖ = lim =0
→ →

Il s’ensuit que n’est pas inversible d’après le corollaire 4.49.

Exercice 19
Soit un espace de Banach et supposons que { } soit une suite d'opérateurs inversibles dans
( ) convergeant vers ∈ ( ).

Supposons aussi que ‖ ‖ < 1 pour tout ∈ .

Montrer que est inversible.

Solution
Puisque lim = , il existe ∈ tel que ‖ = ‖ < 1 quand ≥ .

Maintenant

‖ − ‖=‖ ( − )‖ ≤ ‖ ‖‖ − ‖ < 1 quand ≥ .

Donc est inversible d’après le théorème 4.40 et donc = est inversible.

Exercice 20
Soit = { = { }∈ : ≠0 }.

Pour ∈ , définissons ∈ ( , ) par ( )= .

Montrer que l'ensemble {‖ ‖: ∈ } n'est pas borné.

Déduire que l'hypothèse dans le théorème 52 selon laquelle soit complet est nécessaire.

Solution
Avec ̃ ∈ , ≥ 1 , comme dans la définition 1.60, nous avons ‖ ( ̃ )‖ = , donc ‖ ‖ ≥ , et
donc l'ensemble {‖ ‖: } n'est pas borné .

Pour voir que n'est pas complet, définissons

1 1 1
= 1, , , … , , 0, … ∈ , ≥1
2 3

ce qui donne une suite de Cauchy { } dans , qui ne pas converge pas dans .
Cependant, en posant = et = , on voit que cet exemple vérifie toutes les hypothèses du
théorème 52 à l’exception de la complétude de . Puisque la conclusion du théorème ne tient pas,
on voit que la complétude de est nécessaire.

128
Hameida Ali et Berkane Abdelhak

Exercice 21
Soit { } ne suite dans .

Montrer que si ∑ est finie pour tout ={ }∈ alors { }∈ .

Solution
Il ressort de l'hypothèse de la question que l’application : → définie par

est bien définie et par le corollaire 4.53, ∈ ( , ). Par conséquent,

| |=‖ ̃ ‖ ≤ ‖ ‖, pour tout ∈ , ce qui montre que { }∈ .

Exercice
(I) Soit un espace normé. Montrer que

[ est complet] si et seulement si [∀( ) ⊂ ,‖ ‖≤ alors ∑ converge dans ].

(II) Soit un espace de Banach, un espace normé et ∈ ( , ) surjectve ; (application


linéaire surjective).

[Montrer que est complet] si et seulement si [ est ouverte].

Solution
(I) Si est complet alors toute suite normalement convergente (i.e. ∑ ‖ ‖ < ∞) est convergente
(i.e. ∑ est convergente).

Réciproquement. Soit ( ) une suite de Cauchy dans . Pour montrer que ( ) est convergente il
suffit de trouver une sous suite de ( ) . Puisque ( ) est de Cauchy, on a :

∀ = ,∃ ( ) ∈ tel que ∀ ≥ , − ( ) < .

Posons = ( ), = ( ) − ( ), ∀ ≥ 1.

Alors ‖ ‖< , ∀ ≥ 1. Par hypothèse ∑ converge. Mais ( ) =∑ .

Donc la suite ( ) admet une sous suite ( ) convergente et donc est complet.

(II) Si est complet, par le théorème de l’application ouverte, est ouverte.

Réciproquement, soit ( ) une suite de tel que ‖ ‖ < , ∀ .

Montrons que ∑ est convergente.

Supposons que est ouverte, par la proposition 3.3.7 , ∃ > 0 tel que ∀ ∈ , ∃ ∈ avec =
et ‖ ‖ ≤ ‖ ‖.

129
Hameida Ali et Berkane Abdelhak

On a alors ∀ ≥ 1, ∃ ∈ tel que = et ‖ ‖≤ . Puisque est complet, ∑ est


convergente. Comme est continue, ∑ converge. Finalement, en appliquant (I), est complet.

130
Hameida Ali et Berkane Abdelhak

Bibliographie

1 A Course in Functional Analysis and Measure Theory (2018) Vladimir Kadets

2 A First Course in Mathematical Analysis - J. C. Burkill

3 A Problem text in advanced calculus - John M. Erdman

4 A Second Course in Analysis (1970) J. C. Burkill

5 A Short Course on Spectral Theory (2002) William Arveson

6 An Introduction to Hilbert Space (1988) Young N.

7 An Introduction to Partial Differential Equations (2004) M Renardy, R C. Rogers

8 Analyse fonctionnelle, Edition Mir (Moscou),(1985) Trénoguine V. A.:

9 Applications of Functional Analysis and Operator Theory (1980) V. Hutson and J.S. Pym

10 Basic Linear Algebra (2002) T. S. Blyth, E. F. Robertson

11 Elementary functional analysis (2018) Markin, Marat V

12 Eléments de la théorie des fonctions et de l'analyse fonctionnelle, Editions Ellipses, Collection Mir,
3ième édition (1994) Kolmogorov A. N., Fomin S. V.,

13 Elements of Functional Analysis (1970) I. J. Maddox

14 Essential Results of Functional Analysis (1990) Robert J. Zimmer

15 Exercises in Functional Analysis (2003)C. Costara, D. Popa

16 Functional analysis (1991) Walter Rudin

17 Functional analysis (1972) N. Ya. Vilenkin, R. E. Flaherty

18 Functional analysis (2018) Bühler, Theo_ Salamon, Dietmar A.

19 Functional analysis (2002) L.P. Lebedev, I.I. Vorovich, G.M. Gladwell

20 Functional Analysis (2018) ergei Ovchinnikov

21 Functional Analysis and Applications (2018) Abul Hasan Siddiqi

22 Functional analysis _ An introductory course (2018) Ovchinnikov, SergeĭMeasure, Integral and


Probability (2007) E Kopp, M Capiński

23 Functional Analysis _ in Applied Mathematics and Engineering (2018) Pedersen, Michael

24 Fundamentals of the theory of operator algebras Vol 1 (1983) R V. Kadison, J R. Ringrose

131
Hameida Ali et Berkane Abdelhak

25 Foundations of Modern Analysis (2010) Avner Friedman

26 Introduction to functional analysis (1980) Angus E Taylor_ David C Lay

27 Introductory Functional Analysis (1998) B. Daya Reddy

28 Introductory Functional Analysis with Applications – Kreyszig

29 Integral Operators in Spaces of Summable Functions (1975) M.A. Krasnosel'skii, P.P. Zabreyko, E.I.
Pustylnik, P.E. Sobolevski

30 Lectures and Exercises on Functional Analysis (2006) A. Ya. Helemskii

31 Linear Algebra_ An Introductory Approach (1984) Charles W. Curtis

32 Linear Functional Analysis (2008) Bryan P. Rynne, Martin A. Youngson

33 Linear Integral Equations (1999) Rainer Kress

34 Naive set theory (1998) Halmos P.R.

35 Principles of functional analysis (2001) Martin Schechter

36 Principles of real analysis_ measure, integration, functional analysis, and applications (2018)
Junghenn, Hugo Dietrich

37 Real and Functional Analysis_ Part B_ Functional Analysis (1986) A. Mukherjea, K. Pothoven

38 Sequences and Series in Banach Spaces (1984) J. Diestel

39 Theorems and Problems in Functional Analysis (1982) A. A. Kirillov, A. D. Gvishiani, H. H. McFaden

40 https://sites.google.com/site/bendoukhamaths

41 http://math.univ-lille1.fr/~mbekhta/

42 https://webusers.imj-prg.fr/~bernard.maurey/

43 http://www-irma.u-strasbg.fr/~guichard/AF/

44 http://bremy.perso.math.cnrs.fr/

45 https://www.math.univ-toulouse.fr/~fboyer/

46 https://www.math.ens.fr/~gallagher/

47 http://sma.epfl.ch/~buffoni/

132
Hameida Ali et Berkane Abdelhak

Table des matières


Préface ...............................................................................................................................................3
1- Préliminaires .............................................................................................................................6
0 Introduction ...............................................................................................................................6
1 Algèbre linéaire ..........................................................................................................................7
2 Espaces métriques ................................................................................................................. 16
Suites de Cauchy .................................................................................................................... 17
3 Intégration de Lebesgue ........................................................................................................ 25
2- Espaces vectoriels normés ...................................................................................................... 35
1 Normes .................................................................................................................................... 35
2 Exemples d'espaces normés ...................................................................................................... 39
3 Distance associée à une norme ................................................................................................. 42
4 Espaces normés de dimension finie .................................................................................... 45
5 Espaces de Banach ................................................................................................................. 50
6 Produits et quotients ............................................................................................................. 56
Produits .................................................................................................................................. 56
Quotients ................................................................................................................................ 56
7 Exercices ................................................................................................................................. 59
3 Opérateurs linéaires ...................................................................................................................... 66
1 Transformations linéaires continues ......................................................................................... 66
2 La norme d'un opérateur linéaire borné.................................................................................... 74
3 L’espace ( , ) ....................................................................................................................... 85
Prolongement par continuité d’un opérateur linéaire .............................................................. 89
Convergence simple et convergence uniforme ......................................................................... 90
Principe de la borne uniforme, théorème de Banach-Steinhaus............................................... 92
4 Opérateurs inversibles............................................................................................................... 96
Théorème de l’application ouverte .......................................................................................... 99
Théorème d’isomorphisme de Banach ................................................................................... 102
5 Exemples d'opérateurs linéaires continus ............................................................................... 108
Opérateurs de multiplication et translation ........................................................................... 108
Opérateur intégral de Fredholm ............................................................................................. 109
L'opérateur de Poisson sur ................................................................................................ 111
L'opérateur de Poisson du disque unité ................................................................................. 112

133
Hameida Ali et Berkane Abdelhak

L'opérateur de Gauss .............................................................................................................. 113


Opérateur de Volterra ............................................................................................................ 114
Approximation de l'identité: .................................................................................................. 115
Lemme de Schur : ................................................................................................................... 117
6 Exercices .................................................................................................................................. 118
Bibliographie .................................................................................................................................. 131

134

Vous aimerez peut-être aussi