mybox2[1] boxsep=4pt,enhanced,breakable, colframe=red!

0, fonttitle=,
title=1, coltitle=green!0!black, interior style= left color=green!10,right
color=green!10, title style= left color=brown!20,right color=white!20
mybox[1] boxsep=4pt,enhanced,breakable, colframe=red!0, fonttitle=, title=1,
coltitle=red!0!black, interior style= left color=green!10,right color=green!10,
title style= left color=orange!20,right color=white!20 mybox1[1]
boxsep=4pt,enhanced,breakable, colframe=red!0, fonttitle=, title=1, coltitle=red!0!black,
interior style= left color=green!10,right color=green!10, title style=
left color=blue!25,right color=white!20 mybox3[1] boxsep=4pt,enhanced,breakable,
colframe=red!0, fonttitle=, title=1, coltitle=red!0!black, interior style=
left color=green!10,right color=green!10, title style= left color=black!20,right
color=white!20 mybox4[1] boxsep=4pt,enhanced,breakable, colframe=red!0,
fonttitle=, title=1, coltitle=red!0!black, interior style= left color=blue!16green!10,righ
color=blue!15green!10, title style= left color=red!20,right color=white!99

1
 Département de Mathématiques

Projet de fin d’étude

Sous le titre :

redThéorème de Lax-Milgram
dans l’espaces de Hilbert et
applications
Présenté par :
blueEL MALLAGUI ISMAIL

Encadré par : Pr. Mohammed KLILOU

Pour obtenir le diplôme de:

Licence fondamentale : Sciences Mathématiques et

Appliquations

Soutenue le : XX XX XX
 Devant le jury composé de :

Pr. XX XX : Professeur à la Faculté des Sciences Dhar El Mahraz-Fès

Pr. XX XX : Professeur à la Faculté des Sciences Dhar El Mahraz-Fès

2
ContentsTABLE DE MATIÈRES

1
Contents

2
Introduction

Les espaces de Hilbert constituent une généralisation au cadre de la dimension

infinie, des espaces euclidiens et hermitiens que l’on étudie au niveau du
L2 de Mathématiques. D’une part,on peut y donner un sens aux concepts
fondamentaux de la géométrie euclidienne classique tels que la notion d’angle
fournie par l’inégalité de Cauchy-Schwarz, la notion d’orthogonalité illustrée
par le fameux théorème de Pythagore, la notion de projection orthogonale
sur un sous espace et enfin le concept de dualité qui est cachée en dimension
finie.
Le présent travail est consacré au théorème de Lax-Milgram dans les
espaces de Hilbert. On rappelle que ce théorème est bien connu dans les
espaces de Hilbert, vu son application simple grâce au produit scalaire.
Il est utilisé pour assurer l’existence et l’unicité de la solution de certains
problèmes. On cite dans ce contexte, les équations différentielles ordinaires et
aux dérivées partielles linéaires dans les espaces de Hilbert où après formulation
faible, dite aussi variationnelle, se présentent sous la forme

a(x, y) = L(y) (F )

où a est une forme bilinéaire et L est une forme linéaire et le problème revient
à montrer l’existence et l’unicité de x solution de l’équation (F), qui doit être
satisfaite pour tout élément y de l’espace de Hilbert en question.

Le but de ce mémoire, basé essentiellement sur la lecture des articles

3
des livres d’analyse fonctionnelles, est de voir comment ce grand théorème
peut-être généralisé aux espaces de Hilbert. On verra aussi comment on peut
appliquer le théorème de la représentation de Riesz dans ces espaces qui ne
sont munis d’aucun produit scalaire. Pour plus de détails voir ([1], [2], [3],
[4]).

Tout ceci va être découvert dans ce mémoire qui se présente comme suit
:

Chapitre 1 : Dans ce chapitre d’introduction , on donnera quelques

généralités sur les espace de Hilbert. Il contient quelques notions préliminaires
et outils de base utilisées tout a long de ce travail concernant la norme et
le produit scalaire et étudie les application linéaire continue dans l’espace
normée , et l’analyse fonctionnelle comme les espaces de Lebesgue, les espaces
de Sobolev, etc.

Chapitre 2 : Dans le première partie nous représentons dans ce chapitre

l’orthogonalité et le projection, et quelques propretés dans l’espace Hilbert.
Et la deuxième partie nous énonçons des théorèmes de projection sur les sous
espace vectoriel convexe et fermée, et le théorème de Lax-Milgram dans les
espaces de Hilbert, ce théorème est basé sur le théorème de représentation
Riesz. Enfin représentons des applications. Nous avons considéré application
de opérateur l’adjoint , et les problèmes Dirichlet pour résoudre l’équation
aux dérivées partielles elliptiques. Après avoir la formulation faible de ce
problème on a montré l’existence et l’unicité de la solution en appliquant le
théorème de Lax-Milgram dans l’espace H01 (]0; 1[):

4
Chapter 1

Préliminaires et Notion, espace

fonctionnels

1.1 Généralités d’espaces de Hilbert

Cet partie présente quelques unes des principales propriétés des espaces de
Hilbert,essentiellement celles qui sont utilisées au ce chapitre . Un espace de
Hilbert est un espace vectoriel pré-hilbertien (c’est-à-dire muni d’un produit
scalaire), complet pour la norme associée.L’exemple canonique est L2 (Ω).
C’est la généralisation en << dimensioninf inie >> des espaces euclidiens
usuels, et ils en partagent la plupart des propriétés, avec toutefois quelques
différences dues à la perte de la dimension finie.
Dans tout le cours, K désigne soit l’ensemble des nombres réels (K = R), soit
l’ensemble des nombres complexes (K = C) .

1.1.1 Rappel sur espace normé

Définition 1.1.1 La norme :

Soit E un espace vectoriel réel ou complexe . Une norme sur E, est une

5
application définit par :
∥.∥ : E −→ R+

x −→ ∥x∥

vérifie les trois propriétés suivantes :

1. a) pour tout x ∈ E : ∥x∥ ≥ 0 et b) ∥x∥ = 0 ⇐⇒ x=0;

2. pour tout x ∈ E et λ ∈ K : ∥λx∥ = |λ| ∥x∥ (homogénéité) ;

3. pour tout x , y ∈ E : ∥x + y∥ ≤ ∥x∥ + ∥y∥ (inégalité triangulaire);

Exemple 1.1.1 : sur Rn les normes suivant sont les plus utilisées ; pour
tout x ∈ Rn tel que x = (x1 , x2 , .........., xn ). On a :

X
n
• ∥x∥1 = |xk |
k=1
v
u n
uX
• ∥x∥2 = t x2k
k=1

• ∥x∥∞ = maxk=1,...,n {|xk |}

Définition 1.1.2 espace normée :

Un espace vectoriel normé est un couple (E, ∥.∥) où E est un K-espace

vectoriel et ∥.∥ est une norme sur E.

1.1.2 Espaces complets :

Définition 1.1.3 suite de Cauchy

Soit (E; ∥.∥) un espace vectoriel normé sur K. On dit qu’une suite (xn )n≥0
d’éléments de E est de Cauchy si ;

∀ε > 0; ∃n0 ∈ N : ∀n ≥ n0 ∀p > 0 ∥xn − xn+p ∥ ≤ ε

6
Rappelons que toute suite convergente est de Cauchy. Lorsque (E; ∥.∥) est un
espace vectoriel normé quelconque, la réciproque n’est pas forcément vraie.

Définition 1.1.4 espace complet .

On dit qu’un espace vectoriel normée E, muni de la norme ∥.∥ est complet
pour cette norme, si toute suite de Cauchy (pour cette norme) d’éléments de
E converge. On dit aussi que E est un espace de Banach.

1.1.3 Notions topologique sur espace normée :

Définition 1.1.5 les boules ouvertes et fermées :

A partir d’une norme, on obtient une distance sur E en posant d(x, y) =

∥x − y∥ .
On définit alors les :
boules ouvertes :
B(x, r) = {y ∈ E; ∥x − y∥ < r}

boules fermées:
Bf (x, r) = {y ∈ E; ∥x − y∥ ≤ r}

où r est une rayon des boules.

Définition 1.1.6 les ouvertes et fermées :

1) Soit E est une K-e.v normé, et V est un partie de E (V ⊆ E). On

dit que V est un ouvert de E si et seulement si : (∃r > 0) (∀x ∈ V :
B(x, r) ⊂ V .
2) Soit E est une K-e.v normé, et F est un partie de E (F ⊆ E). On
dit que F est un fermée de E si et seulement si son complémentaire est un
ouvert ( i.e : F c est un ouvert de E ).

7
Proposition 1.1.1

Toute boule ouverte est un ouvert et toute boule fermée est un fermé.
Preuve :
1°) Soit x ∈ B(x0 , r0 ) et soit 0 < r < r0 −∥x−x0 ∥. Pour ∥x−y∥ ≤ r, on a :

∥y − x0 ∥ ≤ ∥y − x∥ + ∥x − x0 ∥
≤ r + ∥x − x0 ∥
< r0
Donc Bf (x, r) ⊆ B(x0 , r0 ) .

2°) Soit x ne contient pas a Bf (x0 , r0 ) et soit 0 < r < ∥x − x0 ∥ − r0 .

Puisque , si ∥y − x∥ ≤ r, on a :

∥y − x0 ∥∥ ≥ ∥x0 − x∥ − ∥x − y∥
≥ ∥x0 − x∥ − r
> r0

alors Bf (x, r) ⊆ [Bf (x0 , r0 )]c .

Notation. On notera par B(0, 1) la boule fermée Bf (0, 1) de centre

0 et de rayon 1. On dira que c’est la boule unité de E, est définit par:
B(0, 1) = {z ∈ E / ∥z∥E ≤ 1} .

1.1.4 Applications linéaires :

Définition 1.1.7 application linéaire :

Soient E, F deux-K espace vectoriel normés.

Une application f : E −→ F est dite linéaire si :

• 1) f (x + y) = f (x) + f (y) ∀x, y ∈ E .

8
 • 2) f (λx) = λf (x) ∀λ ∈ K ∀x ∈ E

L’ensemble des applications linéaires de E dans F est K-e.V noté L(E, F ).

Proposition 1.1.2

Soit (E, ∥.∥E ) et (F, ∥.∥E ) deux espaces normés et soit T : E −→ F

une application linéaire. Alors T est continue si et seulement s’il existe une
constante K ≥ 0 telle que :

∥T (x)∥F ≤ K∥x∥E , ∀x ∈ E.

Rappels : lipschitzienne
Soit un K-e.v normée. On dit que la fonction f : E −→ F est lipschitzienne,
s’il existe un constante réel k strictement positive telle que : ∥f (x)−f (y)∥F ≤
k∥x − y∥E ∀x, y ∈ Kn
Si de plus f est continues : ∥f (x − y)∥F ≤ k∥x − y∥E .
Pour z = x − y on a : ∥f (z)∥F ≤ k∥z∥E .
Preuve.
Il est clair que cette propriété entraîne la continuité de T car on a, grâce à
la linéarité :

∥T (x) − T (y)∥F ≤ k∥x − y∥E , ∀x, y ∈ E;

T est donc même lipschitzienne.

Inversement, si T est continue en 0, on a, par définition :

1
(∃k > 0) ∥y −0∥E = ∥y∥E ≤ ⇒ ∥T (y)∥F = ∥T (y)−T (0)∥F ≤ 1. Pour
k
1
tout x ∈ E, non nul, posons y = ∥x∥E x; on a ∥Y ∥E = 1/K et l’implication
K

9
ci-dessus donne, grâce à l’homogénéité de T et de la norme :
1
∥T (x)∥F ≤ 1.
k∥x∥E
d’où ∥T (x)∥F ≤ K∥x∥E . Comme cette inégalité est évidemment vraie pour
x = 0, cela montre la Proposition.
∥T (x)∥F
On a donc supx̸=0 < ∞. La proposition suivante est alors évidente
∥x∥E
:

Proposition 1.1.3

Soit T : E −→ F une application linéaire continue. Si l’on pose ∥T ∥ =

∥T (x)∥F
, alors:
∥x∥E
∥T (x)∥F ≤ ∥T ∥∥x∥E , ∀x ∈ E;

∥T ∥ est donc la plus petite constante K ≥ 0 apparaissant dans la Proposition

(1.1.1) .

Proposition 1.1.4

On a aussi

∥T ∥ = sup∥x∥E ≤1 ∥T (x)∥F = sup∥x∥E =1 ∥T (x)∥F

Preuve.
Appelons S la première expression et S1 la suivante. On a bien sûr S1 ≤ S,
et aussi S ≤ ∥T ∥, puisque ∥T (x)∥F ≤ {T ∥ si ∥x∥E ≤ 1, par définition de
∥T ∥. Il reste à voir que ∥T ∥ ≤ S1, mais :
∥T (x)∥F x
∥T ∥ = supx̸=0 = supx̸=0 ∥T ( ∥F ≤ S1
∥x∥E ∥x∥E

car x/∥x∥E est de norme 1.

10
Théorème 1.1.1

Soit E et F deux K- espaces vectoriels normées. Une application linéaire

f de E dans F est continue si et seulement si elle satisfait l’une des propriétés
suivantes :

1. f est continue sur E .

2. f est continue en 0.

3. f est bornée sur la boule unité B(0, 1) de E.

4. il existe M > 0 tel que, pour tout x ∈ E, ∥f (x)∥F ≤ M ∥x∥E (i.e f est
lipschitzienne).

Preuve :
Pour 1) ⇒ 2) évident .

Pour 2) ⇒ 3) : On a ∀ε > 0; ∃η > 0/ ∥x∥E ≤ η⇒ ∥f (x)∥F <

ε
si ∃η > 0/ ∥x − 0∥E ≤ η ⇒ ∥f (x) − f (0)∥F < ε
x x 1 η
soit y = avec ∥x∥E ≤ η on a ∥y∥E = ∥ ∥E = ∥x∥E ≤ = 1 .
η η η η
x 1 ε
=⇒ ∥f (y)∥F = ∥f ( )∥F = ∥f (y)∥F ≤
η η η
ε
si on pose M = alors ∥y∥E ≤ 1 ⇒ ∥f (y)∥F ≤ M
η
donc f est bornée sur B(0, 1) .

Pour 3) =⇒ 4) ; ∃M > 0 ∀y ∈ B(0, 1) ; ∥f (y)∥F ≤ M

on veut montrer que ; ∃α > 0 / ∀x ∈ E : ∥f (x)∥F ≤ α∥x∥E
x x 1
soit x ∈ E ( x ̸= 0) ; y = =⇒ ∥y∥E =∥ ∥E = ∥x∥E = 1
∥x∥E ∥x∥E ∥x∥E
x
alors si ∥y∥E = 1et∥f (y)∥F ≤ M ⇐⇒ ∥f ( )∥F ≤ M
∥x∥E
1 1
⇐⇒ ∥ f (x)∥F = ∥f (x)∥F ≤ M
∥x∥E ∥x∥E
⇐⇒ ∥f (x)∥F ≤ M ∥x∥E (M = α)

11
donc f est Lipschitzienne .

Pour 4) =⇒ 1) déjà démontrer a proposition précédent .

Proposition 1.1.5

Soit f une application linéaire continue de (E, ∥.∥E ) a valeur dans (F, ∥.∥F ).
La quantité ∥.∥ définit par:

∥f (x)∥F
∥f ∥ = supx∈E−0 { }≥0
∥x∥E

est une norme dans Lc (E, F ).

Lc (E, F ) espace vectoriel des applications linéaires continues de E a valeur
dans F.
démonstration :

• i) On a ∀f ∈ Lc (E, F ) ; ∥f ∥ ≥ 0
∥f (x)∥F ∥f (x)∥F
si ∥f ∥ = 0 =⇒ supx∈E/0 = 0 alors ∀x ̸= 0 =0 =⇒
∥x∥E ∥x∥E
∥f (x)∥F = 0
si x ̸= 0; f (x) = 0 et x = 0; f (x) = 0 =⇒ ∀x ∈ E : f (x) = 0
d’où ; si ∥f ∥ = 0 =⇒ f = 0.

• ii) ∀λ ∈ R et ∀f ∈ Lc (E, F ): il suffit montre que ∥λf ∥ = |λ|∥f ∥.

Pour tout x ∈ E (x ̸= 0) ; ∥f (x)∥F ≤ ∥f ∥∥x∥E
on a ∥(λf )(x)∥F = ∥λf (x)∥F ≤ |λ|∥f ∥F ∥x∥E

∥(λf )(x)∥F
=⇒ ≤ |λ|∥f ∥ ∀x ̸= 0
∥x∥E
En passant au sup on a ∀x ∈ E 0

∥λf ∥ ≤ |λ|∥f ∥. (∗)

12
 a d’autre part soit µ ∈ R et g ∈ Lc (E, F ) on a ; ∥µg∥ ≤ |µ|∥g∥
si on pose g = λf donc ∥µg∥ = ∥µλf ∥ ≤ |µ|∥λf ∥
1 1
si pour µ = on a ∥f ∥ ≤ ∥λf ∥
λ |λ|

=⇒ ∥λf ∥ ≥ |λ|∥f ∥ (∗∗)

alors
∥λf ∥ = |λ|∥f ∥

• iii) Inégalité triangulaire :

si pour x ∈ E (x ̸= 0) et f, g ∈ Lc (E, F );
∥(f + g)(x)∥F = ∥f (x) + g(x)∥F
≤ ∥f (x)∥F + ∥g(x)∥F
≤ ∥f ∥F ∥x∥E + ∥g∥F ∥x∥E
≤ ∥f ∥ + ∥g∥
donc
∥f + g∥(x)
∥f + g∥ = supx∈E,(x̸=0) ≤ ∥f ∥ + ∥g∥
∥x∥E

alors ∥f ∥ est une norme dans Lc(E, F ).

1.1.5 Formes bilinéaires et Formes hermitiennes :

Définition 1.1.8 forme linéaire :

Soit E un K-espace vectoriel quelconque. Une forme linéaire sur K est

application linéaire de E vers K.

Définition 1.1.9 dual de espace vectoriel :

Soit E un K -espace vectoriel quelconque. On appelle espace duale de E,

noté E ∗ , l’espace vectoriel de toutes les formes linéaires φ : E −→ K. On

13
note E ∗ = LK (E, K). Notation : Soient x ∈ E et φ ∈ E ∗ , on pose
φ(x) =< x, φ >.

Définition 1.1.10 Forme Bilinéaire :

Soient E et F deux K-e.v et une application

φ : E × F −→ K

(x, y) −→ φ(x, y)

On dit que φ est une forme bilinéaire si on a ;

• ∀x ∈ E ; l’application φ(x, .) : y −→ φ(x, y) est linéaire .

• ∀y ∈ F ;l’application φ(., y) : x −→ φ(x, y) est linéaire .

Rappels 1) Si f : E × E −→ K est bilinéaire, alors

• i) f (x1 + x2 , y) = f (x1 , y) + f (x2 , y).

• ii) f (x, y1 + y2 ) = f (x, y1 ) + f (x, y2 ).

• iii) f (λx, y) = λf (x, y) .

• iv) f (x, λy) = λf (x, y).

2) Symétrie : f (x, y) = f (y, x) ∀x, y ∈ E .

3)Positivité : f (x, x) ≥ 0 ∀x ∈ E .
4)Définition : f (x, x) = 0 ⇒ x = 0 ∀x ∈ E.
Les formes sesquilinéaires sont définies lorsque le corps de base est C.

Définition 1.1.11 forme sesquilinéaires :

Soient E et F deux C-e.v et une application ;

φ : E × F −→ C

(x, y) −→ φ(x, y)

on dit que φ est forme sesquilinéaires :

14
 1. pour tout x ∈ E , l’application φ(x, .) est linéaire

2. pour tout y ∈ F , l’application φ(x, .) est antilinéaire i.e ;

• ∀x1 , x2 ∈ E : φ(x1 + x2 , y) = φ(x1 , y) + φ(x2 , y)

• ∀λ ∈ C et ∀x ∈ E: φ(λx, y) = λ̄φ(x, y)

Exemple 1.1.2 :
Si E désigne le C-e.v des fonctions continues de [0 1] dans C
si l’application
φ : E 2 −→ C
Z 1
(x, y) −→ φ(x, y) = f¯(t)g(t)dt
0
2
définit un norme sesquilinéaires sur E .
En effet :

• on a l’application φ est linéaire (évident )

• IL reste montrer que φ est antilinéaire :

i) pour tout f1 , f2 et g ∈ E on a :
Z 1
φ(f1 + f2 ; g) = f1 + f2 (t)g(t)dt
Z0 1 Z 1
= ¯
f1 (t)g(t)dt + f¯2 (t)g(t)dt
0 0
= φ(f1 , g) + φ(f2 , g)

ii) pour tout λ ∈ C et pour tout f ∈ E on a :

Z 1
φ(λf, g) = λf (t)g(t)dt
0Z
1
= λ̄ f¯(t)g(t)dt
0
= λ̄φ(f, g)

15
 alors φ est antilinéaire .

Finalement sa forme définie un forme sesquilinéaire sur E 2 .

Définition 1.1.12 forme hermitienne :

Soit φ est forme sesquilinéaires sur un C-e.v E. On dit que φ est symétrie
hermitienne si :
pour tout (x, y) ∈ E 2 ; φ(x, y) = φ(y, x).
On appelle forme hermitienne sur un C-e.v tout application de la forme :
φ : E −→ C x −→ φ(x, x)
où φ est une forme sesquilinéaires à symétrie hermitienne .

1.1.6 Espace Hilbert :

Définition 1.1.13 produit scalaire :

Soit E un K-espace vectoriel réel, (resp. complexe). On appelle produit

scalaire sur E toute forme bilinéaire symétrique,( resp. hermitienne), qui
est définie positive.
On notera < x, y > le produit scalaire des vecteurs x, y ∈ E.
Cela signifie que l’application :

< ., . > : E × E −→ K = R ou C

(x, y) −→< x, y >

appelée produit scalaire, vérifiant les propriétés suivantes :

• i) ∀x, x′ , y ∈ E; ∀λ ∈ K; < x + λx, y >=< x, y > +λ < x′ , y > .

(Linéarité à gauche)

16
 • ii) ∀x, y, y ′ ∈ E; ∀λ ∈ K; < x, y + λy ′ >=< x, y > +λ̄ < x, y ′ >
(Semi-linéarité à droite)

• iii) ∀x, y ∈ E; < x, y >= < y, x > (Symétrie hermitienne)

• iv ∀x ∈ E; < x, x >≥ 0 et < x, x >= 0 ⇔ x = 0 (Définie positive)

Le scalaire < x, y > est appelé le produit scalaire de x et y.

Définition 1.1.14 espace pré-hilbertien :

On appelle espace pré-hilbertien le couple constitue par un K-espace

vectoriel E, et un produit scalaire< ., . > sur E. on le note (E; < ., . >).

Remarque 1.1.1 :

• Un K-espace pré-hilbertien de dimension finie est dit espace euclidien.

• Un C-espace pré-hilbertien de dimension finie est dit espace hermitien.

Exemple 1.1.3 :

1. ) l’espace Rn est une espace pré-hilbertien réel, oú le produit scalaire

sur Rn est définit par :

X
n
< x, y >= xk yk .
k=1

oú x = (x1 , x2 , ...., xn ) et y = (y1 , y2 , ...., yn ) deux vecteurs de Rn . est

appelé le produit scalaire euclidien usuel sur Rn .

17
 l’espace Cn est une espace pré-hilbertien complexe, oú le produit scalaire
sur Cn est définit par :

X
n
< x, y >= xk y¯k .
k=1

oú x = (x1 , x2 , ...., xn ) et y = (y1 , y2 , ...., yn ) deux vecteurs de Cn . est

appelé le produit scalaire euclidien usuel sur Cn .

2. ) Léspace de Lebesgue L2 ([a, b]) des classes d’équivalences de fonctions

mesurables x : [a, b] −→ C, pour la relation d’équivalence définie
Z b
d’égalité presque partout, et telle |x(t)|2 dt < ∞, est un espace pré-
a
hilbertien, muni du produit scalaire
Z b
(x, y) −→< x, y >= ¯
x(t)y(t)dt .
a

¯ ≤ |x(t)|2 + |y(t)|
D’après l’inégalité |x(t)y(t)| ¯ 2 on a :
Z b Z b Z b
¯
x(t)y(t)dt ≤ |x(t)| dt+ ≤
2 ¯ 2 dt < ∞
|y(t)|
a a a

Z b
pour tout x, y ∈ L ([a, b]), on peut alors définir < x, y >=
2 ¯
x(t)y(t)dt.
a
il est alors facile de vérifier que < x, y > est un produit scalaire,
qu’on appellera produit scalaire stetard de L2 ([a, b]). Ainsi L2 ([a, b])
est un espace
Z b pré-hilbertien . Ce produit scalaire induit la norme
1
∥x∥2 = ( |x(t)|2 dt) 2 .
a

3. ) soit A = (ai,j )1≤i,j≤n ∈ Mn (C) une matrice hermitienne , oú ai,j =

āj,i .
alors l’ application :
fA : C × C −→ C

18
 (x, y) −→ fA (x, y) =< Ax, y >

Est une forme hermitienne .

- fA est positive si et seulement si les valeur propre de A sont strictement
positive .
- fA est un produit scalaire si et seulement si les valeur propre de A
sont strictement positive .

X
∞
4. ) soit l (N, C) = { x = (xk )k∈N : xk ∈ C oú
2
|xk |2 < ∞} :
k=1

X
∞
D’après l’inégalité |xk y¯k | ≤ |xk | + |y¯k | On a implique
2 2
|xk ȳk | ≤
k=1
X
∞
|xk |2 + |ȳk |2 .
k=1
Pour tout x = (xk )k∈N , y = (ykk∈N deux éléments de l2 (N, C) . On en
X
∞
déduit que la série xk y¯k converge absolument , ceci nous permet de
k=1
définir :
X
∞
< x, y >= xk y¯k
k=1

On sait que < x, y > est un produit scalaire qu’on appellera le produit
scalaire standard de l2 (N, C) . Ainsi l2 (N, C) est un espace pré-hilbertien
. v
u n
uX
La norme induit par ce produit est : t |xk |2
k=1

Théorème 1.1.2 Inégalité Cauchy-Schwarz

Soit E un espace pré-hilbertien sur K muni d’un produit scalaire < ., . >
, pour tout x, y deux élément de E . On a :
√ √
| < u, v > | ≤ < u, u >. < v, v > : (1.1)

19
 Preuve :
soit u , v ∈ E et λ ∈ C avec |λ| = 1 d’après définition (p.s) on a pour
tout t ∈ R

0 ≤< tu + λv, tu + λv > = < tu, tu > + < tu, λv > + < λv, tu > + < λv, λv >
= t2 < u, u > +tλ̄ < u, v > +tλ < v, u > +|λ|2 < v, v >
= t2 < u, u > +2tReλ < v, u > +|λ|2 < v, v > (*)

Et puis que Reλ < v, u >≤ |λ < v, u > | = | < u, v > | :alors

t2 < u, u > +2tReλ| < v, u > | + |λ|2 < v, v >≤ t2 < u, u > +2t| <
u, v > | + |λ|2 < v, v >

d’oú de ( * ) 0 ≤ t2 < u, u > +2t| < u, v > | + |λ|2 < v, v >

ainsi on a pour tout t ∈ R : P (t) = t2 < u, u > +2t| < u, v >

| + |λ|2 < v, v >≥ 0

Le discriminant du trinôme p(t) doit être négatif ou nul .

△′ = (| < u, v > |)2 − < u, u > . < v, v > ≤ 0

√ √
qui implique | < u, v > | ≤ < u, u >. < v, v > ; ce le résultat .

Corollaire 1.1.1 (Inégalité de Minkowski)

Soit E un espace pré-hilbertien. Pour tout x, y ∈ E on a :

∥x + y∥ ≤ ∥x∥ + ∥y∥

20
Cette inégalité est l’inégalité triangulaire pour ∥.∥. Preuve .
D’après l’inégalité de Cauchy-Schwarz, on a ∀x, y ∈ E :
∥x + y∥ = ∥x∥2 + ∥y∥2 + 2Re < x, y > ≤ ∥x∥2 + ∥y∥2 + 2∥x∥∥y∥


≤ ∥x∥ + ∥y∥ 2

Proposition 1.1.6 norme induite par un produit scalaire :

Soit E un espace pré-hilbertienne sur K du produit scalaire < ., . >, et

√
L’application ∥.∥ définit sur E par : ∥.∥ = < ., . > est une norme sur E .
Démonstration :

√
Soit u ∈ E . ∥u∥ = < u, v > ≥ 0 .
pour tout u , v ∈ E et λ ∈ K on a :

1.
√
∥u∥ = 0 =⇒ < u, u > = 0
=⇒ < u, u >= 0
=⇒ u = 0

2. p
∥λu∥ = < λu, λu >
p
= λ2 < u, u >
√
= |λ| < u, u >
= |λ|∥u∥

3. inégalité triangulaire

∥u + v∥2 = < u + v, u + v >

= < u, u > + < u + v > + < v, u > + < v, v >
= ∥u∥2 + 2Re < u, v > +∥v∥2
≤ ∥u∥2 + 2| < u, v > | + ∥v∥2
√ √
≤ ∥u∥2 + 2 < u, u >. < v, v > + ∥v∥2 (daprslingalitdeCauchy − Schwa
≤ (∥u∥ + ∥v∥)2

21
 √
qui implique ∥u+v∥ ≤ ∥u∥ + ∥v∥ ainsi l’application ∥.∥ = < u; v >
est une norme sur E

Définition 1.1.15 Espace Hilbert :

Un espace de Hilbert, est une espace vectoriel réel ou complexe, muni

d’un produit scalaire et qui est complet, pour la norme associée à ce produit
scalaire.
Si K = R ( resp K = C ) . H est dit espace de Hilbert réel ( resp complexe ) .

- Exemple :

• 1°) Toute espace euclidien ou hermitien est complet car de dimension

finie. C’est donc un espace de Hilbert. En particulier, R2 et C2 munis
du produit scalaires canonique sont des espace de Hilbert.

X
∞
• 2°)L’espace l (N, K) = {(xn )n≥0 ∈ C
2 n
: |xn |2 < ∞} muni de
n=0
produit scalaire
X
∞
< (xn )n≥0 , (yn )n≥0 >= xn y¯n
n=0

est un espace de Hilbert .

En effet . on sait que l2 (N, K) est un espace pré-hilbertienne . Il suffit

montrer est complet .

soient x = (xn )n≥0 , y = (yn )n≥0 , deux élément de l2 (N, K), si ∀n ≥ 0

on a :
2|xn y¯n | ≤ |xn ||yn |;

22
 Donc la série de terme générale xn y¯n est convergente dans K. Alors
(l2 (N, K); ∥.∥) est un espace de Hilbert .

• 3°) L’espace L2 ([01]) des classes d’équivalences pour la relation d’équivalence

” être égale presque par tout au sens de la mesure de Lebesgue ”
de fonctions mesurables à valeur dans R ou C, de module au carré
intégrable muni de produit scalaire
Z 1
< f, g >= f (x)g(x)dx
0

est un espace de Hilbert .

• 4°) Soit E = C([0 1]; K]) l’espace vectoriel des fonctions continues sur
[0 1] et à valeurs dans K. Z 1
Pour tout f, g ∈ C([0 1]) on pose : < f, g >= f (t)ḡ(t)dt et
p 0
∥f ∥2 = < f, f >. Muni de ce produit scalaire, C([0 1]) est un
espace pré-hilbertien, mais non un espace de Hilbert.
Contre exemple : Soit (fn )n≥0 un suit dans C([0 1]) définie par :

 1
 n si 0 ≤ x ≤ 2
fn (x) = n
 1 1
 √ si ≤x≤1
x n2

est une suite de Cauchy sur C([0 1]) qui ne converge pas dans C([0 1]).
En effet : Pour tous m ≥ n ≥ 1, on a:


 1

 m−n si 0≤x≤ 2

 1 m
1 1
fm (x) − fn (x) = √ −n si ≤x≤ 2

 x m 2 n

 1
 0 si ≤x≤1
n2

23
Donc on a :

Z 1 Z 1 Z 1
n2 1 n2
∥fm − fn ∥ = (m − n)dx + ( √ − n)dx + 0dx
0 1 x 1
m2 n2
1 2 1 2 n
= (m − n) 2 + − − + 2
m n n m m
1 1
= −
n m
1
≤
n
1
Soit > 0, il existe N ∈ N∗ tel que < ε. Alors pour tous m ≥ n ≥ N
N
on a :
1 1
∥fm − fn ∥ ≤ ≤ < ε.
n N
Donc (fn )n≥1 est un suit de Cauchy dans (E; ∥.∥).
Si (E; ∥.∥) était complet, il existerait f : [0 1] −→ K continue tel que
lim ∥fn − f ∥ = 0.
n−→∞
Soit t ∈]0 1], alors il existe N ∈ N∗ tel que pour n > N , on ait
1
< t, on a aussi
n2
Z 1 Z 1
|fn (x) − f (x)|dx ≤ |fn (x) − f (x)|dx ≤ ∥fn − f ∥.
t 0

Z 1
1 1
Or pour tout n ≥ N , on a fn (x) = √ sur [t 1], d’où |√ −
x t x
f (x)|dx ≤ ∥fn − f ∥. Z
1
1 1
Par conséquence, on a | √ − f (x)|dx = 0, donc f (x) = √ sur
t x x
[t 1].
1
D’où on a f (x) = √ pour tout x ∈ [0 1], on en déduit que f n’est
x
pas bornée sur [0 1], ce qui est impossible car f est continue. Donc
(E; ∥.∥) n’est pas complet .

24
1.1.7 Propriétés élémentaires :
Proposition 1.1.7

Pour tout x, y ∈ H :

• a) ∥x + y∥2 = ∥x∥2 + ∥y∥2 + 2 < x, y > ( cas réel ).

• b) ∥x + y∥2 = ∥x∥2 + ∥y∥2 + 2Re < x, y > (cas complexe ) .

Preuve.

Il suffit de développer :

∥x + y∥2 = < x + y, x + y >

= < x, x > + < y, y > + < x, y > + < y, x >,

et utiliser le fait que : < x, y > + < y, x >=< x, y > +< x,¯y > = 2 <
x, y > dans les cas réel,
et < x, y > + < y, x >=< x, y > +< x,¯y > = 2Re < x, y > dans le cas
complexe .

Proposition 1.1.8 Formulaire géométrique

Soit E un espace pré-hilbertien sur le corps K, on a :

1. Identités de Pythagore :Pour tout x, y ∈ E on a :

i) ∥x + y∥ = ∥x∥2 + < x, y > +< x, y > + ∥y∥2 = ∥x∥2 + ∥y∥2 + 2Re <
x, y >
ii) ∥x − y∥ = ∥x∥2 − < x, y > −< x, y > + ∥y∥2 = ∥x∥2 + ∥y∥2 − 2Re <
x, y >

2. Identité de parallélogramme: Pour tout x, y ∈ E on a :

∥x + y∥2 + ∥x − y∥2 = 2 ∥x∥2 + ∥y∥2 )

25
 3. Identité de polarisation : Pour tout x, y ∈ E on a :
1

a) < x, y >= ∥x + y∥2 − ∥x − y∥2 si K = R
4
1
b) < x, y >= (∥x + y∥2 − ∥x − y∥2 − i∥x + iy∥ + i∥x − iy∥) si
4
K = C;

4. Formule de la médiane: On change x + y par x − a et x − y par

x − b; avec a, b ∈ E, On obtient :
1 1
∥x − a∥2 + ∥x − b∥2 = 2∥x − (a + b)∥ + ∥a − b∥2 .
2 2
5. Le cosinus de l’angle de deux vecteurs non nuls est défini par :

[ Re < x, y >
cos((x, y)) =
∥x∥∥y∥

1.2 Rappelles sur les espaces de fonctions :

a) Soit A un ensemble et soit l’espace Fb (A) l’espace (que l’on note aussi
l∞ (A) si l’on veut privilégier l’aspect ”famille d’éléments”) des fonctions
bornées sur A, à valeurs dans K = R ou C. Si l’on pose :

∥f ∥∞ = sup |f (x)|,
x∈A

on a une norme, appelée norme uniforme. La topologie associée à cette

norme est la topologie de la convergence uniforme; en effet, il est clair
que ∥fn − f ∥∞ −→ 0 quant n −→ ∞ si et seulement si (fn )n∈N converge
uniformément sur A vers f.

b) Soit K un espace compact et C(K) , l’espace des fonctions continues

sur K (à valeurs scalaires). Toute fonction continue sur un compact étant
bornée, C(K) est un sous-espace vectoriel de Fb (K). On le munit usuellement
de la norme induite ∥f ∥∞ = supx∈K |f (x)|.

26
 Notons que, lorsque K = [0, 1], par exemple, on peut aussi munirC([0, 1])
de la norme définie par :
Z 1
∥f ∥∞ = |f (t)|dt
0

qui vérifie ∥f ∥1 ≤ ∥f ∥∞ .

c) Sur l’espace C k ([0, 1]) des fonctions k fois continûment dérivables sur
[0 , 1], on peut mettre la norme :

∥f ∥k = M ax{∥f ∥∞ , ∥f ′ ∥∞ , ........., ∥f k ∥∞ }.

1.2.1 Les espaces de Lebesgue.

Nous commençons par introduire les espace de Lebesgue. Pour Ω un domaine
ouvert de RN , D(Ω) désigne l’ensemble des fonction de classe C ∞ et à support
compact dans Ω.

Définition 1.2.1 l’espace Lebesgue :

Si l’espace de Lebesgue LP pour p ∈ [1 ∞[ définit par :

Z
LP (Ω) = {f : Ω −→ R mesurable; |f (x)| < ∞}
Ω

On note Lp (Ω) l’ensemble des fonctions mesurables à valeurs réelles, qui sont
définies p.p. sur Ω Z
1
L est muni de la norme ∥f ∥p = [
p
|f (x)|p dx] p , cette norme complet,
Ω
c’est donc un espace de Banach.

Pour p = ∞

L∞ (Ω) = {f : Ω −→ R mesurable; ∃c > 0 |f (x)| ≤ c p.p x ∈ Ω}

où noté ∥f ∥L∞ (Ω) = inf {c / |f (x)| ≤ c p.p x ∈ Ω}

27
Proposition 1.2.1

L’espace Lp (Ω), muni de la norme ∥.∥Lp (Ω) , est un espace vectoriel normé
complet (i.e. un espace de Banach).

Remarque :

Remarque 1.2.1 :
Lp (Ω) est réflexif et séparable pour 1 < p < ∞ et son duale est isomorphe à
1 1
Lq (Ω) avec q le conjugué de p c’est à dire : + = 1
p q
Théorème 1.2.1 Inégalité de Minkowski

Soit 1 ≤ p ≤ ∞. Pour f, g ∈ LP (m) on a l’égalité de Minkowski :

Z Z Z
1 1 1
( |f + g| dm) p ≤ ( |f | dm) p + ( |g|p dm) p
p p
Ω Ω Ω

Il en résulte que LP (m) est un sous-espace vectoriel de l’espace des

fonctions mesurables et que ∥.∥p est une semi-norme sur LP (m). Pour p
= 1, l’inégalité est évidente.

Preuve. La preuve est la même que pour les suites. On se place dans le
cas p > 1. On peut supposer ∥f ∥p > 0 et ∥g∥p > 0 (car sinon f = 0 m-p.p.
et alors f + g = g m-p.p., ou g = 0 m-p.p. et alors f + g = f m-p.p.). On
applique l’inégalité de convexité [αu + (1 − α)v]p ≤ αup + (1 − α)v p avec
∥f ∥p |f (t)| |g(t)|
α= ∈ [0 1], u = et v = .
(∥f ∥p + ∥g∥p ) ∥f ∥p ∥g∥p
Comme
α 1−α 1
= =
∥f ∥p ∥g∥p ∥f ∥p + ∥g∥p
on a
|f (t) + |g(t)| p α 1−α
( ) ≤ p |f (t)| + |g(t)|
∥f ∥p + ∥g∥p ∥f ∥p ∥g∥pp
d’où, en intégrant :

28
 Z Z Z
|f (t)| + |g(t)| α 1−α
dm(t) ≤ |f (t)| dm(t) +
p
|g(t)|p dm(t)
Ω (∥f ∥p + ∥g∥p )p ∥f ∥pp Ω ∥g∥pp Ω
= α + (1 − α)
= 1
cela donne le résultat puisque |f (t) + g(t)| ≤ |f (t)| + |g(t)|.

Théorème 1.2.2 Inégalité de Hölder

Si 1 < p < ∞ et si q est l’exposant conjugué de p, on a, pour f ∈ LP (m)

et g ∈ Lq (m), l’inégalité de Hölder:
Z Z Z
1 1
|f g|dm ≤ ( |f | dm) p ( |g|q dm) q
p
Ω Ω Ω

Pour p = q = 2, on l’appelle inégalité de Cauchy-Schwarz :

Z Z Z
1 1
|f g|dm ≤ ( |f | dm) 2 ( |g|2 dm) 2
2
Ω Ω Ω

si f, g ∈ L2 (m) (elle a été démontrée par Bouniakowski en 1859 et redémontrée

par Schwarz en 1885 ; elle généralise l’inégalité pour les sommes démontrée
par Cauchy). Elle se démontre de la même façon que pour les sommes, en
intégrant au lieu de sommer.

Preuve.
On peut supposer ∥f ∥p > 0 et ∥g∥q > 0 car sinon f = 0 m-p.p. ou g
ap bq
= 0 m-p.p., et alors f g = 0 m-p.p .. On utilise l’inégalité ab ≤ +
p q
a = |f (t)|/∥f ∥p et b = |g(t)|/∥g∥q . En intégrant, on obtient:
Z Z Z
|f (t)g(t)| 1 |f (t)|p 1 |g(t)|q
dm(t) ≤ p dm(t) + dm(t)
Ω ∥f ∥p ∥g∥q p Ω ∥f ∥p q Ω ∥g∥qq
1 1
= +
p q
= 1
d’où le résultat.

29
1.2.2 sur les espace Sobolev :
Les espaces de Sobolev 1 sont des espaces fonctionnels (c.à.d constitués de
fonctions) dont les puissances et les dérivées (au sens de la transposition,
ou au sens faible, que nous allons préciser) sont intégrables. Tout comme
les espaces de Lebesgue, ces espaces sont complets ce qui est un avantage
considérable pour l’étude des solutions des équations aux dérivées partielles.

Dérivées faibles :

Dans ce qui suit, on considérera un intervalle ouvert (non vide) I de R, borné

ou non, d’extrémités a et b (−∞ ≤ a < b ≤ +∞), et on notera I¯ son
adhérence dans R: I¯ = [0, ∞[ et si I =]0, ∞[.
On notera D1 (I) l’espace des fonctions continûment dérivables à support
compact contenu dans I.
Le point de départ est la remarque suivante : si u est continûment dérivable
sur I et si φ ∈ D1 (I), alors, en intégrant par parties, on obtient :
Z Z
u(t)φ (t)dt = − u′ (t)φ(t)dt
′
I I

puisque le fait que supp(φ) soit un compact de ]a, b[ entraîne

[uφ]ba = u(b)φ(b) − u(a)φ(a) = 0.

Définition 1.2.2 dérivée faible :

On dit que u ∈ Lp (I), 1 ≤ p < ∞, a une dérivée faible, S’il existe

v ∈ Lp (I) telle que :
Z Z
′
u(t)φ (t)dt = − u(t)φ(t)dt; ∀φ ∈ D1 (I).
I I

Définition 1.2.3 l’espace de Sobolev :

Pour 1 ≤ p < ∞, en définit l’espace de Sobolev W 1,p (I) par :

W 1,p (I) = {u ∈ Lp ; u′ ∈ Lp (I)}

30
où u a une dérivée faible.
On le munit de la norme ∥u∥W 1,p = ∥u∥Lp + ∥u′ ∥Lp .

On pourrait définir de même W 2,p (I), comme l’espace des u ∈ Lp (I)

ayant une dérivée faible seconde, et plus généralement W k,p (I) pour tout
entier k ≥ 1.

Pour p = 2, on note :
W 1,2 (I) = H 1 .

et on le munit du produit scalaire < u, v >=< u, v >L2 + < u′ , v ′ >L2 la

norme associée est :
q
∥u∥H 1 = ∥u∥2L2 + ∥u′ ∥2L2 .

√
qui est équivalente à ∥u∥1,2 : ∥u∥H 1 ≤ ∥u∥W 1,2 ≤ 2∥u∥H 1 .
Pour k ≥ 1 on note H (I) = W
k k,2
(I).

31
Chapter 2

Théorème de Lax-Milgram
dans les espaces de Hilbert

Introduction :
Parmi les espaces de Banach de dimension infinie qui possèdent la plus grande
analogie avec les espaces euclidiens sont les espaces de Hilbert, la commodité
des calculs dans ces espaces, leur interêt en physique mathématique, leurs
propriétés remarquables font de ces espaces un chapitre important de la
mathématique. Avant d’énoncer le théorème de Lax-Milgram, nous avons
besoin de rappeler le théorème des projections, qui généralise au cadre hilbertien
la notion bien connue de projection en dimension finie. Nous l’énonçons dans
le cas général pour une projection sur un convexe fermé non vide.

Et par la suite on rappelle aussi le théorème de la représentation de Riesz

qui est un cas particulier du théorème de Lax-Milgram.

Dans tout ce chapitre, H désigne un espace de Hilbert réel R ( resp

complexe C ). On note < ., . > : le produit scalaire sur cet espace et ∥.∥ la

32
norme associée.

2.1 Orthogonalité et projection :

2.1.1 Orthogonalité :
Définition 2.1.1

Soient x et y deux vecteurs d’un espace pré-hilbertien H. On dit que x ,

y sont orthogonaux si : < x, y >= 0. On note x ⊥ y . ·

Exemple 2.1.1 :
Dans H = R2 , pour le produit scalaire usuel, on a < −1, 1 > ⊥ < 1, 1 >.
Notons que la relation d’orthogonalité est symétrique : si x ⊥ y, alors y
⊥ x car ( < y, x > = < x, y > ).

Corollaire 2.1.1

D’après la Proposition (xxxx); on a, dans le cas réel :

x⊥y ⇐⇒ ∥x + y∥2 = ∥x∥2 + ∥y∥2

ce que l’on peut appeler le” Théorème de Pythagore”.

Dans le cas complexe :

x⊥y ⇐⇒ ∥x + y∥2 = ∥x∥2 + ∥y∥2 et ∥x + iy∥2 = ∥x∥2 + ∥y∥2

En effet, pour tout nombre complexe z, on a Im(z) = Re(−iz) et par

conséquent Im (< x, y >) = Re(< x, iy >).

Définition 2.1.2

33
 Soit H un espace de pré-hilbertien.

1. Soient A, B ⊆ H. On dit que A et B sont orthogonaux si et seulement

si : pour tout x ∈ A et pour tout y ∈ B, x ⊥ y. On note A ⊥ B.

2. Soit A ⊆ H. Le complément orthogonal de A est noté A⊥ et est

donné par :
A⊥ = {x ∈ H; x ⊥ y ∀y ∈ A}

Exemple 2.1.2 :

Dans R2 on a A = {(1, 2)} alors l’orthogonale de A est

A⊥ = {(x1 , x2 ) ∈ R2 / x1 + 2x2 = 0}

on obtient alors : A⊥ = {(−2t, t)/ t ∈ R}

Proposition 2.1.1

Soit H un espace de Hilbert, et soit A une partie de H (A ⊆ H). A⊥ est

un sous-espace vectoriel fermé de H
Démonstration.

A⊥ muni du produit scalaire sur H est un espace préhilbertien. On voit

que c’est un sous-espace vectoriel par linéarité du produit scalaire : toute
combinaison linéaire d’éléments orthogonaux à A est aussi orthogonale à A.

Il suffit donc de montrer que A⊥ est fermé. Si(yn )n∈N est une suite
d’éléments de A⊥ qui converge vers y ∈ H, et si x ∈ A, alors, par bicontinuité
du produit scalaire,

yn −→ y ⇒ < yn − y, x >−→ 0
⇒ < yn , x >−→ (y, x)

34
 Or, yn ∈ A⊥ , donc pour tout n, (yn ; x) = 0, et donc (y; x) = 0 et y ∈ A⊥ .

2.1.2 Le Théorème de projection et ses conséquences

:
C’est grâce à ce théorème que l’on obtient toutes les ”bonnes” propriétés des
espaces de Hilbert.
Rappelons d’abord qu’une partie C d’un espace vectoriel est dite convexe

Définition 2.1.3 convexe

Soit H un espace de Hilbert, C sous-espace de H ( C ⊆ H . On dit que

C et convexe si et seulement si :
∀t ∈ [0, 1], ∀(x, y) ∈ K 2 : alors tx + (1 − t)y ∈ K

Exemple 2.1.3 :
* La boule fermer Bf (0, 1) est convexe. En effet :
On a Bf (0, 1) = {x ∈ H /∥x∥ ≤ 1} Soient x1 , x2 deux élément de Bf (0, 1);
qui est implique ∥x1 ∥ ≤ 1,et ∥x2 ∥ ≤ 1
pour tout t ∈ [0; 1] on a :

∥tx1 + (1 − t)x2 ≤ t∥x1 ∥ + (1 − t)∥x2 ∥

≤ t+1−t=1

d ’oú tx1 + (1 − t)x2 ∈ Bf (0, 1) .

Donc la boule fermée Bf (0, 1) est convexe .

Théorème 2.1.1 (Théorème de Projection sur un convexe fermé).

Soit H un espace de Hilbert et soit C une partie convexe et fermée, non

vide, de H. Alors, pour tout x ∈ H, il existe un unique y ∈ C tel que :

∥x − y∥ = dist(x, C)

35
.
On dit que y = PC (x) est la projection de x sur C. Il est caractérisé par la
propriété:

y∈C et Re < x − y, z − y >≤ 0 z∈C (∗).

Dans le cas réel, l’inégalité dans la caractérisation (∗) signifie que l’angle
α = < x −\
y, z − y > est obtus.
Notons que la complétude de H n’est pas absolument indispensable : on peut
la supprimer, mais en supposant que c’est C qui est complet.

On aura besoin du lemme suivant, dont la preuve pour démontré a cette

théorème.

Lemme 2.1.1 (identité remarquable).

1. identité de parallélogramme: pour tout u, v ∈ H on a :

∥u + v∥2 + ∥u − v∥2 = 2(∥u∥2 + ∥v∥2 ).

identité de :

Cela signifie que la somme des carrés des diagonales d’un parallélogramme
est égale à la somme des carrés des quatre côtés.

Preuve de lemme .

Si ∀x, y ∈ H on a :
∥x + y∥2 + ∥x − y∥2 = < x + y, x + y > + < x − y, x − y >
= 2 < x, x > +2 < y, y > + < x, y > + < y, x > − < x, y > − < y, x
= 2 < x, x > +2 < y, y >
= 2(∥x∥2 + ∥y∥2 )
Preuve le théorème .

36
1. Existence.

Soit d = dist(x, C) = infz∈C ∥x − z∥.

Notons que si d = 0, alors x ∈ C (car C est fermé), et y = x est

l’unique point de C tel que ∥x − y∥ = d.

Pour tout n ≥ 1, il existe Zn ∈ C tel que :

1
∥x − zn ∥2 ≤ d2 + ;
n

Appliquons alors, pour n, p ≥ 1, l’identité du parallélogramme à u =

x − zn et v = x − zp ; on obtient :

zn + zp 2
4∥x − ∥ + ∥zn − zp ∥2 = 2(∥x − zn ∥2 + ∥x − zp ∥2 );
2

zn + zp
Mais, C étant convexe, on a ∈ C ; Donc :
2
zn + zp
∥x − ∥ ≥ d;
2

de sorte que l’on obtient :

1 1 1 1
∥zn − zp ∥2 ≤ 2(d2 + + d2 + ) − 4d2 = 2( + ).
n p n p

La suite (zn )n est par conséquent une suite de Cauchy. Comme H est
complet, elle converge donc vers un élément y ∈ H. Mais comme C est
fermé, on a en fait, puisque les Zn sont dans C, y ∈ C.
1
De plus, le fait que ∥x − zn ∥2 ≤ d2 + entraîne, en passant à la limite,
n
que ∥x − y∥ ≤ d. On a donc ∥x − y∥ = d, puisque y ∈ C.

37
2. Unicité :
Si ∥x − y1 ∥ = ∥x − y2 ∥ = d, avec y1 , y2 ∈ C, alors, comme ci-dessus,
l’identité du parallélogramme donne :

y1 + y2 2
4d2 + ∥y1 − y2 ∥2 ≤ 4∥x − ∥ + |y1 − y2 ∥2
2

or :
y1 + y2 2
4∥x − ∥ + |y1 − y2 ∥2 = 2(∥x − y1 ∥2 + ∥x − y22 )
2
= 2(d2 + d2 ) = 4d2

d’où ∥y1 − y2 ∥ ≤ 0, ce qui n’est possible que si y1 = y2 .

3. démontré la relation (*)

• a) Si z ∈ C, on a (1−t)y +tz ∈ C pour 0 ≤ t ≤ 1, par la convexité

de C; donc:

∥x − (1 − t)y − tz∥2 ≥ ∥x − y∥2 ,

soit en développant ∥x − (1 − t)y − tz∥2 = ∥(x − y) + t(y − z)∥

avec la Proposition (xxxxx 1eme chap):

t2 ∥y − z∥2 + 2tRe < x − y, y − z > ≥ 0.

Pour t ̸= 0, divisons par t, puis faisons ensuite tendre t vers 0; il

vient Re < x − y, y − z > ≥ 0, soit :

Re < x − y, z − y > ≤ 0.

• b) Réciproquement, si y vérifie (∗), on a, pour tout z ∈ C :

38
 ∥x − z∥2 = ∥(x − y) + (y − z)∥2
= ∥x − y∥2 + ∥y − z∥2 + 2Re < x − y, y − z >
= ∥x − y∥2 + ∥y − z∥2 − 2Re < x − y, z − y >
≥ ∥x − y∥2 ;

donc y = PC (x), par unicité.

Théorème 2.1.2 (Théorème de Projection orthogonal sur un sous-espace

hilbertien ).

Soient E un espace hilbertien, F un sous-espace vectoriel de E complet,

alors on a :
L’application x −→ PF (x) est linéaire continue de E sur F . De plus, pour
tout x ∈ F , on a :

PF (x) = x et on a ∥Pf ∥ = 1 si F ̸= {0}.

Il est caractérisé par : ∀z ∈ F < z, x − PF (x) >= 0 c-à-d : x − PF (x) ∈ F ⊥ .

On l’appelle projection orthogonale de x sur F et on le note PF (x) .
Démonstration :
Soient x, y ∈ E et λ ∈ K. Alors on a : PF (x) + λPF (y) ∈ F
et pour tout z ∈ F on a ;

< x + λy − PF (x) − λPF (y), z >=< x − PF (x), z > +λ < y − PF (y), z >= 0

Donc on a x + λy − (PF (x) + λPF (y) ∈ F . Il résulte que l’on a :

PF (x) + λPF (y) = PF (x + λy)

donc PF est linéaire. Et Pour tout x ∈ F ,on a x − x = 0 ∈ F ⊥ donc

PF (x) = x.

39
 Par conséquent, PF est surjective de E sur F , et si F ̸= {0{ on a ;
∥PF ∥ ≥ 1 d’où ∥PF ∥ = 1.
Posons y = x − PF (x) et montrons que ; y ⊥ z; ∀z ∈ F . On peut se
ramener à ∥z∥ = 1, ∀λ ∈ K on a PF (x) − λz ∈ F :

∥y∥ = ∥x − PF (x)∥ ≤ ∥x − (PF (x) − λz)∥ = ∥y − λz∥

=⇒ ∥y∥2 ≤ ∥y − λz∥2 = < y − λz, y − λz >

= ∥y∥2 − < y, λz > − < λz, y > + < λz, λz >
Pour λ =< y, z >= < z, y > on a :

∥y∥2 ≤ ▷∥y∥2 − < y, z > < y, z > −< z, y > < z, y > +| < y, z > ∥

Ce qui implique :

0 ≤ −| < y, z >2 t − | < y, z > |2 + | < y, z > |2 ≤ | < y, z > |2 ≤ 0

d’où < y, z >= 0.

Donc y ∈ F ⊥ ou encore x − PF (x) ∈ F ⊥ .

2.1.3 Conséquences :
Proposition 2.1.2

Soit H un espace de Hilbert et soit C une partie convexe et fermée, non

vide, de H. L’application PC : H −→ C est continue; plus précisément, on a,
pour tous x1 , x2 ∈ H :

∥PC (x1 ) − PC (x1 )∥ ≤ ∥x1 − x2 ∥

Preuve.
Posons y1 = PC (x1 ) et y2 = PC (x2 ), la condition (∗) de théorème précédent
donne : 
 Re < x − y , z − y > ≤0 ∀z ∈ C;
1 1 1
 Re < x2 − y2 , z ′ − y2 > ≤0 ∀z ′ ∈ C;

40
En prenant z = y2 et z ′ = y1 , et en additionnant, il vient :

Re < (x1 − y1 ) − x2 − y2 ), y2 − y1 >≤ 0.

On obtient donc :

∥y1 − y2 ∥2 = Re∥y1 − y2 ∥2
= Re < (y2 − x2 ) + (x2 − x1 ) + (x1 ) − y1 ), y2 − y1 >
= Re < (x1 − y1 ) − (x2 − y2 ), y2 − y1 > +Re < x2 − x1 , y2 − y1 >
≤ Re < x2 − x1 , y2 − y1 >
≤ | < x 2 − x1 , y 2 − y1 > |
≤ ∥x2 − x1 ∥∥y2 − y1 ∥

par l’inégalité de Cauchy-Schwarz. Il en résulte, en divisant par ∥y2 − y1 ∥ Il

(que l’on peut supposer non nul, car sinon le résultat est évident), que l’on
a bien ∥y1 − y2 ∥ ≤ ∥x2 − x2 ∥.

Corollaire 2.1.2

Soient H un espace de Hilbert, et soit F sous-espace vectoriel fermé de H

. Pour tout x ∈ H, la projection de x sur F est l’unique point Px de F tel que ;

x − Px ∈ F ⊥

Preuve :
Comme F est convexe, d’après le théorème ci-dessus, Px est l’unique point
de F satisfaisant .

Re(< x − Px , z − Px >) ≤ 0 ∀z ∈ F

41
 Soit y ∈ F . En appliquant l’inégalité ci-dessus z = Px ± y dans le cas
réel à z = Px ± iy, complexe , on obtient < x − Px , y >= 0 ; ce qui entraine
que x − Px ∈ F ⊥ .
De plus Px′ est un autre point de tel que x − Px′ ∈ F ⊥ . Alors le fait que
Px′ − Px ∈ F .
entraine que

< x − Px , Px′ − Px >= 0 et < x − Px′ , Px′ − Px >= 0

En retranchant la deuxième égalité à la premier, on obtient ∥PX − Px′ ∥2 =

0 et par suit Px′ = Px comme désiré.

Proposition 2.1.3

Soit H un espace de Hilbert, et soit F un sous-espace de H. Alors les

assertions suivantes sont équivalent :

i) F est fermé

ii) H = F ⊕ F ⊥

iii) (F ⊥ )⊥ = F

Preuve :
i) ⇒ ii) / On a la assertion i) est vérifie F ∩ F ⊥ = {0} et que pour tout
x ∈ H, On a:
x = px + (x − px ) avec px la projection de x sur H et x − px ∈ F ⊥ , on en
déduit que : H = F ⊕ F ⊥ ce qui montre l’implication i) ⇒ ii) bien vérifie .

Montrons ii) ⇒ iii)

soit x ∈ (F ⊥ )⊥ . Écrivons x sous la forme y + z avec y∈ F et z∈ F ⊥ et

42
notons que

0 =< x, z >=< y, z > +∥z∥2 et < y, z >= 0

Ainsi z=0 et x ∈ F, ce qui montre que (F ⊥ )⊥ ⊆ F . Comme l’inclusion inverse

est toujours vérifie, donc l’implication ii) ⇒ iii) est alors prouvée.

Pour iii) ⇒ i); on sait que l’orthogonalité d’une partie de H, est toujours
fermée, alors l’implication est vérifie .

donc la preuve de proposition est complet .

Corollaire 2.1.3

Soit H un espace de Hilbert, et soit F un sous-espace vectoriel fermée de

H. Alors
(F ⊥ )⊥ = F

Preuve :

⇒ / On a F ⊆ (F ⊥ )⊥ puisque F ⊆ (F ⊥ )⊥ entraine F ⊆ (F ⊥ )⊥ = (F ⊥ )⊥

⇐ / inversement : le fait que F ⊆ F entraine que F ⊥⊆ F ⊥ puis

(F ⊥ )⊥ ⊆ (F )⊥ )⊥ . D’autre parte d’après la proposition précédent on a
((F )⊥ )⊥ = F , ainsi, (F ⊥ )⊥ ⊆ F ;
et par suite on à égalité bien démontrer .

Notation.

Soit H un espace de Hilbert, C ⊆ H une partie convexe fermée non-vide de

H. On introduit pC : H −→ C l’application qui envoie x vers sa projection

43
convexe sur C.

Il est évident que pour tout C, pc est surjective il suffit de remarquer que
pc restreinte à C est l’identité sur C. En vue de la prochaine proposition, il
convient d’introduire quelques notions d’ordre général.

Définition 2.1.4

Soient X un ensemble et Y un groupe. Soit f : X −→ Y une fonction.

On appelle noyau de f et on note N(f) l’ensemble des éléments de X
envoyés par f sur l’élément neutre e de Y.

ker(f ) = N (f ) = {x ∈ X /f (x) = e : e ∈ Y }

On appelle image de f et on note IM (f ) l’ensemble des images d’éléments

de x par f.
Im(f ) = {f (x) / x ∈ X}

Nous utiliserons sans les montrer plusieurs théorèmes et résultats d’algèbre

linéaire en lien avec ces notions.

Théorème 2.1.3

Soit H un espace de Hilbert sur K, soit M ⊆ H un sous-espace vectoriel

fermé de H. M est convexe. Si PM est définie comme précédemment, alors

1. Si h ∈ M, alors (x - h) ⊥ M ⇔ PM (x) = h.

2. PM est une application linéaire.

3. PM est idempotente (c’est à dire que PM ◦ PM = PM .

4. N (PM ) = M ⊥

44
 Démonstration.

Ainsi que mentionné, puisque les combinaisons linéaires convexes sont des
combinaisons linéaires, si M est un sous-espace vectoriel, forcément si x, y ∈
M, on a que pour tout t ∈ [0 ; 1], tx + (1 − t)y ∈ M.
1) On montre d’abord ( ⇒). Si h ∈ M, alors si (x - h)⊥ M, pour tout y
∈ M,
< x − h, y >= 0

Donc, pour tout z ∈ M, puisque h ∈ M, (z -h) est aussi dans M et

< x−, z − h > + < z − h, x − h >= 0 ≤ 0

h correspond au critère (∗) de la projection convexe. Par conséquent,

h = PM (x).
(⇐) Par la caractérisation de PM (x), si h = PM (x), alors pour tout
z ∈ M,
< x − h, z − h > + < z − h, x − h > ≤0

Puisque M est un sous-espace vectoriel, pour tout y ∈ M, (h ± y) ∈ M .

Donc < x − h, y > + < y, x − h > ≤ 0 . Mais -y ∈ M aussi, et donc
< x − h, −y > + < −y, x − h) ≤ 0 aussi. Cela donne donc finalement

ℜ(< x − h, y >) = 0 et ∀y ∈ M

Si k = C , on considère aussi que (h − iy) ∈ M , d’où on obtient que

< x − h, iy > +(iy, x − h) ≤ 0 et < x − h, −iy > +(−iy, x − h) ≤ 0 ce
qui résulte en
ℑ(< x − h, y >) = 0 ∀y ∈ M

Donc finalement, pour tout y ∈ M, < x − h, y > = 0 et x - h ∈ M.

45
 2) Soit a ∈ K, x, y ∈ H. On montre que PM (ax + y) = aPM (x) + PM (y).
On écrit d’abord h = aPM (x) + PM (y) et w = ax + y. h ∈ M puisque
c’est une combinaison linéaire d’éléments de M. On prend z ∈ M.
< w − h, z > = < ax + y, z > − < aPM (x) + PM (y), z >
= < a(x − PM (x)) + (y − PM (y)), z >
= a < x − PM (x), z > + < y − PM (y), z >
=0
pour tout ν ∈ H, ν - PM (ν) ⊥ M, et z ∈ M. La dernière égalité est vraie car
par la propriété précédente,encore une fois, PM (ω) = h, ce qui implique que

PM (ax + y) = aPM (x) + PM (y)

3) Ce résultat s’applique pour n’importe quel C convexe fermé non-vide,

et suit de la définition de norme : Soit x ∈ C. alors ∥x − x∥ = 0 ≤ ∥x − z∥
pour tout z ∈ C et donc ;

PM (x) = x si x ∈ C.

Cependant, pour M un sous-espace vectoriel, il existe une preuve différente.

Pour tout h ∈ M, y ∈ M, < h − h, y >= 0 . Par la première propriété on en
conclue PM (h) = h si h ∈ M.

Le résultat est alors démontré, car pour tout x ∈ H, PM (x) ∈ M et

PM (PM (x)) = PM (x)x ∈ H

4) Pour tout x ∈ M ⊥ , < x, y >= 0 pour tout y ∈ M. En prenant h

= 0, < x − h, y >= 0 pour tout y ∈ M et h = PM (x) = 0. Donc

M ⊥ ⊆ N (PM )

46
:
D’autre part, pour tout x ∈ N(PM ), on a PM (x) = 0. Or, par la première
propriété,< x − PM (x)), y >= 0pour tout y ∈ M, et on a donc < x, y >= 0
pour tout y ∈ M, donc x ∈ M ⊥ . Donc

N (PM ) ⊆ M ⊥

2.1.4 Représentation du dual :

Rappelons que le dual est : H ∗ = { : H −→ K: f est linéaire continue }
où K = R. ou C est le corps de base.

Savoir donner une représentation ”concrète” du dual d’un espace fonctionnel

permet souvent de résoudre des problèmes sur l’espace lui-même. Dans le cas
des espaces de Hilbert, c’est particulièrement simple.

Rappelons d’abord que nous avons vu que, pour tout y ∈ H, la forme

linéaire fy : x ∈ H −→ < x, y > est continue, c’est-à-dire est un élément
du dual H ∗ , et que ∥fy ∥ = ∥y∥. Il s’avère que tous les éléments du dual sont
de cette forme .

Théorème 2.1.4 Théorème de représentation de Fréchet-Riesz.

Soit H un espace de Hilbert. Alors pour tout forme continue f ∈ H ′ , il

existe un unique y ∈ H tel que :

f (x) < x, y >H ∀x ∈ H

47
De plus ∥y∥ = ∥f ∥H ′ .

Démonstration :
Existence : i) Si f = 0 alors y = 0 fera l’affaire.
Si f est non nulle, alors ker(f ) est un hyperplan fermé de H ayant un
supplémentaire orthogonal ker(f )⊥ qui n’est pas réduit à {0}. Fixons un
vecteur u non nul de ker(f)⊥ .Alorsf(u)̸= 0 on a :
f (x)
x− u ∈ ker(f ) ∀x ∈ H.
f (u)

Il en résultat que ;
f (x)
< x, u >= ∥u∥2 ∀x ∈ H.
f (u)

¯
uf (u)
et pour le vecteur y = est vérifie bien :f (x) =< x, y > ∀x ∈ H.
∥u∥2

Unicité : Si y ′ un autre vecteur de H vérifiant f (x) =< x, y ′ > pour

tout x ∈ H, alors : < x, y − y ′ >= 0 ∀x ∈ H.
il résultat que y − y = 0 ce qui montre l’unicité de y.

Il reste a montrer l ’égalité ∥f ∥H ′ = ∥y∥.

par l’inégalité de Cauchy-Schwarz assure que |f (x) = | < x, y > | ≤ ∥x∥∥y∥;
et par suite ∥f ∥H ′ = ∥y∥.
Comme f (y) = ∥y∥2 . On déduit que ∥f ∥H ′ = ∥y∥.

2.1.5 Le théorème de Lax-Milgram :

Un des outils de base pour démontrer l’existence de solution pour certaines
equations aux dérivées partielles est le théorème de Lax-Milgram. Pour

48
l’énoncer, nous aurons besoin de la notion suivante :

Définition 2.1.5

Soit H un espace de Hilbert réel et a : H × H −→ R une forme bilinéaire.

1. a est continue si et seulement s’il existe c ≥ 0 telle que:

∀x, y ∈ H; |a(x, y)| ≤ c∥x∥∥y∥.

2. On dit que a est coercive, s’il existe une constante α > 0 telle que ;

∀x ∈ H a(x, x) ≥ α∥x∥2 .

Théorème 2.1.5 Théorème de Lax-Milgram

Soient H un espace de Hilbert réel, a une forme bilinéaire, continue et

coercive sur H et L une forme linéaire continue sur H. Alors, il existe un
unique élément u de H solution du problème

L(v) = a(u, v) ∀v ∈ H. (1.1)

De plus si a est symétrique, u est l’unique solution du problème de minimisation

suivant,
J(u) ≤ J(v) ∀v ∈ H. (1.2)

où J est définie sur H par ;

1
J(v) = a(v, v) − L(v) ∀v ∈ H. (1.3)
2
Preuve :
Nous remarquons d’abord qu’en raison de la coercivité de a, si une telle

49
solution existe, elle est unique. Soient u1 et u2 deux solutions du problème
(1.1), alors par soustraction on a,

∀v ∈ H a(u1 − u2 , v) = 0. (1.4)

en particulier pourv = u1 − u2 on a : a(u1 − u2 , u1 − u2)=0 :

Maintenant, comme α > 0, on déduit de la minoration (ceorcive) que u1 =
u2 . Montrons maintenant l’existence d’une telle solution. Pour tout u ∈ H,
la forme linéaire a(u, .) étant continue sur H, il existe, d’après le théorème
de la représentation de Riesz un unique élément Au ∈ H tel que,

∀v ∈ H a(u, v) =< Au, v >H . (1.5)

De la même façon, il existe un unique f ∈ H tel que; ∀v ∈ H L(v) =<

f, v >H .
L’équation (1.1) est alors équivalent à trouver u ∈ H tel que Au = f . Il
suffit pour cela démontrer que l’opérateur A est linéaire et surjectif.
Soient u1 , u2 ∈ H et λ ∈ R. On a
< A(u1 + λu2 ), v > = a(u1 + λu2 , v)
= a(u1 , v) + a(λu2 , v)
= a(u1 , v) + λa(u2 , v)
= < Au1 , v > +λ < Au2 , v > .

Nous remarquons aussi que A est continu, car nous avons, d’après (bilinéaire
continue), pour v = Au dans (1.5) on a, ∥Au∥2H = a(u, Au) ≤ M ∥u∥H ∥Au∥H
. Ce qui donne :
∥Au∥H ≤ M ∥u∥H

.
Montrons que A est surjectif : Nous Montrons d’abord que l’image de A,
notée Im(A), est fermée. Soit (vp ) une suite de Cauchy dans Im(A) :

∀ε > 0, ∃n0 ∈ N tel que si p ≥ p ≥ n0 alors ∥vp − vq ∥ ≤ ε.

50
 Comme vp et vq sont des éléments de Im(A), il existe des éléments up et
uq dans H tels que, Aup = vp et Auq = vq on a :

α∥up − uq ∥2H ≤ ∥a(up − uq , up − uq ∥ = ∥A < up − uq , up − uq > ∥

≤ ∥A(up − uq )∥H ∥up − uq ∥H
Il en résulte que
1
∥up − uq ∥H ≤ ∥Aup − Auq ∥H .
α

L’espace H étant complet, la suite (up )p∈N converge vers un élément u ∈ H;

et l’opérateur A étant continu, nous avons, Aup converge vers Au, d’où v =
Au. Nous avons ainsi montré que l’image de A est fermée. Ce résultat étant
établi, en conséquence, nous avons
M
H = Im(A) [Im(A)]⊥ .

Supposons que Im(A) ̸= H; alors [Im(A)]⊥ ̸= 0H et il existe un élément non

nul u ∈ H tel que,
∀v ∈ H; < Av, u >H = 0.

Cette relation étant en particulier vraie pour v = u, nous obtenons,

0 = a(u, v) ≥ α∥u∥2H .

Ce qui entraine u = 0 , nous aboutissons ainsi à une contradiction, ce qui

signifie que Im(A) = H.
Pour conclure la preuve du théorème, il reste à montrer que si a est symétrique,
le problème de minimisation (1.2) est équivaut au problème (1.1). Soit
u ∈ H l’unique solution de (1.1) et montrons que u est la solution de (1.2).

51
Soit w ∈ H, on va montrer que J(u + w) ≥ J(u) :

1
J(u + w) = a(u + w, u + w) − L(u + w)
2
1 1 1
= a(u, u) + [a(u, w) + a(w, u)] + a(w, w) − L(u) − L(w)
2 2 2
1 1
= a(u, u) − L(u) + [a(u, w) − L(w)] + a(w, w)
2 2
1 α
= J(u) + a(w, w) ≥ J(u) + ∥w∥H . 2
2 2

Donc J(u + w) > J(u), pour tout w ∈ H, w ̸= 0H .

Réciproquement: supposons maintenant que u est la solution du problème
de minimisation (1.2) et montrons que u est la solution de (1.1) .
Soit w ∈ H et t > 0, on a

J(u + tw) − J(u) ≥ 0 et J(u − tw) − J(u) ≥ 0 :

Car u minimise J. On en déduit que,

1 1
t[a(u, w)−L(w)]+ t2 a(w, w) ≥ 0 et −t[a(u, w)−L(w)]+ t2 a(w, w) ≥ 0 ∀ ∈ H.
2 2

Comme t est strictement positif, on peut diviser ces deux inégalités par t à
obtenir

1 1
a(u, w)−L(w)+ ta(w, w) ≥ 0 et −a(u, w)+L(w)+ ta(w, w) ≥ 0 ∀ ∈ H.
2 2

On fait alors tendre t vers 0, nous obtenons,

a(u, w) − L(w) ≥ 0; et a(u, w) − L(w) ≤ 0; ∀w ∈ H;

Ce qui donne en définitive l’égalité a(u, w) = L(w) ∀w ∈ H . cela signifie

que u est la solution du problème (1.1).

On applique le théorème de Lax-Milgram pour résoudre une équation

différentielle par une méthode variationnelle.

52
2.2 Applications :

2.2.1 Adjoint d’un opérateur :

On appelle opérateur sur H toute application linéaire continue T : H −→ H.

Proposition 2.2.1

Soit H un espace de Hilbert. Pour tout T ∈ L(H), il existe un autre

opérateur, noté T ∗ , et appelé l’adjoint de T, tel que :

< T x, y >=< x, T ∗ y >, ∀x, y ∈ H.

De plus ∥T ∗ ∥ = ∥T ∥.
Démonstration :
Soit y ∈ H. L’application :

Φy oT : H −→ H

x −→< T x, y >

est une forme linéaire continue sur H ; il existe donc, par le Théorème
de Fréchet-Riesz, un unique élément de H, que l’on notera T∗ y, telque :<
x, T ∗ y >= (T x, y), ∈ H.
Acausedel′ unicit, l′ applicationT∗ : y ∈ H −→ T ∗ y ∈ H est clairement
linéaire : si y1 , y2 ∈ H et a1 , a2 ∈ K, on a, pour tout x ∈ H :

< x, T ∗ (a1 y1 + a2 y2 > = < T x, a1 y1 + a2 y2 >

= a¯1 < T x, y1 > +a¯2 < T x, y2 >
= a¯1 < x, T ∗ y1 > +a¯2 < x, T ∗ y2 >
= < x, a1 T ∗ y1 + a2 T ∗ y2 >;

53
 donc T ∗ (a1 y1 + a2 y2 ) = a1 T ∗ y1 + a2 T ∗ y2 .
D’autre part, l’inégalité de Cauchy-Schwarz donne :

|(Φy oT )(x)| = | < T x, y > | ≤ ∥T x∥∥y∥ ≤ ∥T ∥∥x∥∥y∥.

donc ∥T ∗ y∥ = ∥Φy oT ∥ ≤ ∥T ∥∥y∥. Cela prouve que l’application linéaire T ∗

est continue et que ∥T ∗ ∥ = ∥T ∥.·
Pour voir que ∥T ∥ ≤ ∥T ∗ ∥; remarquons que T ∗ a lui-même un adjoint T ∗∗ ,
et que l’on a T ∗∗ = T :

< y, T ∗∗ x >=< T ∗ y, x >=< y, T x >

pour tous x, y ∈ H; cela implique que T ∗∗ x = T x pour tout x ∈ H. Alors

∥T ∥ = ∥T ∗∗ ∥ ≤ ∥T ∗ ∥. Donc :

∥T ∗ ∥ = ∥T ∥.

2.2.2 Application du Théorème de Lax-Milgram :

Proposition 2.2.2 problème variationnel

Soit I =]0 1[, p ∈ C 1 (I), r, q ∈ C 0 (I), et f ∈ L2 (I). On suppose que

p ≥ α > 0, q ≥ 1 et r2 ≤ α alors il existe une unique solution faible au
problème ;

 −(pu′ )′ + ru′ + qr = f sur I
(∗)
 u(0) = u(1) = 0

54
c’est-à-dire qu’il existe un unique u ∈ H01 tel que ;
Z Z Z Z
′ ′ ′
∀v ∈ H0 ;1
pu v + ru v + quv = f v
I I I I

Démonstration :
on définit la forme bilinéaire a par;
Z 1 Z 1 Z 1
′ ′ ′
a(u, v) = pu v + ru v + quv
0 0 0

pour u, v ∈ P H01 , et la forme linéaire φ par,

Z 1
φ(v) = fv
0

pour v ∈ H01 . Il est immédiat que φ est continue. D’autre part, puisque p, q,
r sont continues sur I donc bornées, a est aussi continue. Enfin, si v ∈ H01 ,
on a par inégalité de Cauchy-Schwarz
Z 1 Z 1
′
√
− rv v ≤ | rv ′ v| ≤ α∥v∥2 ∥v ′ ∥2
0 0

et donc
Z Z Z
1
′2
1
′
1 √
a(v, v) = pv + rv v + qv 2 ≥ α∥v ′ ∥22 − α∥v∥2 ∥v ′ ∥2 + ∥v∥22
0 0 0

ce qui implique
√
α ′ 3α ′ 2 3α ′ 2
a(v, v) = ( ∥v ∥2 − ∥v∥2 )2 + ∥v ∥2 ≥ ∥v ∥2
2 4 4
3α ′ 2
≥ ∥v ∥H ′
4C 2
par inégalité de Poincaré et donc a est coercive. On peut ainsi appliquer
le théorème de Lax-Milgram pour obtenir l’existence d’une unique solution
faible u ∈ H01 .

55
Remarque 2.2.1 :
On considère ici une forme bilinéaire non symétrique afin d’avoir une vraie
application du théorème de Lax-Milgram. En effet si la forme bilinéaire
considérée est symétrique, continue et coercive, elle constitue un produit
scalaire dont la norme est équivalente à la norme ∥.∥H 1 , et donc l’espace
H01 est complet pour cette nouvelle norme et on peut appliquer le théorème
de Riesz. Cependant on perd ainsi le dernier point du théorème de Lax-
Milgram qui est l’expression de u comme le minimum d’une fonctionnelle, ce
qui peut-être utile pour obtenir des solutions approchées.

On voit maintenant comment montrer, avec des hypothèses de régularité,

que l’unique solution faible est en fait une solution forte.

Proposition 2.2.3

Soit I =]0 1[, p ∈ C 1 (I), r, q ∈ C 0 (I), et f ∈ L2 (I). On suppose que

p ≥ α > 0, q ≥ 1 et r2 ≤ α alors il existe une unique fonction u ∈ C 2 (I)
vérifiant .

 −(pu′ )′ + ru′ + qr = f sur I
(∗∗)
 u(0) = u(1) = 0

Démonstration :
Étape 1 : par intégration par parties sur H01 , une solution forte de (∗∗)
est une solution faible de (∗∗). La proposition précédente nous assure alors
l’existence et l’unicité d’une solution faible u ∈ H01 . On a donc unicité de la
solution forte, il nous faut maintenant montrer que u est en fait une solution
forte.
Étape 2 : puisque (D(I)) ⊂ H01 on a, par définition d’une solution faible,

−(pu′ )′ + ru′ + qu − f = 0 (∗ ∗ ∗)

56
au sens des distributions. Alors (pu′ )′ = ru′ + qu − f ∈ L2 et donc pu′ ∈ H 1 ,
1
et ainsi u′ = pu′ ∈ H 1 .
p Z x
′
On obtient pour tout u, u ∈ C (I) on a ; u(x) − u(y) =
0 ¯
u(t)dt qui relie
y
le représentant continue de u et u’; alors puisque (pu′ )′ = p′ u′ + pu′′ .
1
u′′ = ((pu′ )′ − p′ u′
p
1
= (ru′ + qu − f − p′ u′ ) ∈ C 0 (I)
¯
p

donc u′ ∈ C 1 (I)
¯ et par suit, puisque u ∈ C 1 (I);
¯ u ∈ C 2 (I).
¯
Étape 3 : puisque u ∈ C 2 (I),
¯ la relation (∗ ∗ ∗) est vérifiée au sens usuel
¯ dans D′ (I) et puisque u ∈ H 1 , u(0) = u(1) = 0 et
(par injection de C 0 (I) 0

donc u est une solution classique.

57
Bibliographie

[1] H. Brézis, Analyse fonctionnelle : théorie et applications, Masson, Paris,

1983.

[2] DANIEL LI, COURS D’ANALYSE FONCTIONNELLE avec 200

exercices corrigés, Paris : © ellipses, 2013.

[3] LAURENT SCHWARTZ,ANALYSE HILBERTIENNE, Paris : ©

Hermann, 1979.

[4] NAWFAL EL HAGE HASSAN, TOPOLOGIE GENERALE ET

ESPACES NORMES, Paris : © Dunod, 2011..

58