Académique Documents
Professionnel Documents
Culture Documents
Analyse Fonctionnelle 1
Par :
AMIN BENAISSA CHERIF
Département de Mathématiques
E-mail : amine.banche@gmail.com
ABDERRAHMANE BENIANI
E-mail : a.beniani@yahoo.fr
Il peut servir comme un support pédagogique, car il contient presque tous les éléments de la
théorie de spectrale, tous les théorèmes sont démontrés avec des illustrations par des exemples
et des exercices résolus à la n de chaque chapitre.
L'analyse fonctionnelle est maintenant à la base de toute l'analyse et d'autres branches des
Mathématique.
Analyse Fonctionnelle signie ici analyse sur des espaces de fonctions. Il s'agit d'un domaine des
mathématiques qui s'est développé dans la première moitié du 20eme siècle grâce en particulier
aux travaux de M. Fréchet, S. Banach, D. Hilbert. Les espaces fonctionnels utilisés sont des
espaces vectoriels toplogique, ainsi que leurs applications linéaires. On y démontre et utilise le
Théorème de Riesz.
Nous espérons que ce nouvel ouvrage pourra rendre des services aux étudiants qu'utilisaient,
et nous accueillerons avec plaisir et intérêt toutes remarques des lecteurs.
i
Table des matières
1 Préliminaires 3
1.1 Espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.1 Structure d'espace vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.2 Famille de vecteurs . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
1.1.3 Sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.1.4 Somme de sous-espaces vectoriels . . . . . . . . . . . . . . . . . . . . . . 4
1.1.5 Applications linéaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Espaces métriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2.1 Boules ouvertes, fermées. Sphères. Parties bornées . . . . . . . . . . . . . 6
1.2.2 Ouverts et Fermés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.2.3 Espaces complets . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.2.4 Continuité dans un espace métrique . . . . . . . . . . . . . . . . . . . . . 8
1.3 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.1 Énoncés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.3.2 Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
1
Table des Matières
2.3.3 Suites de Cauchy dans un espace vectoriel normé . . . . . . . . . . . . . 23
2.3.4 Séries dans un espace vectoriel normé . . . . . . . . . . . . . . . . . . . . 24
2.3.5 Espaces de Banach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
2.4 Applications linéaires continues . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2.5 Les espaces de Banach classiques . . . . . . . . . . . . . . . . . . . . . . . . . . 33
2.5.1 Espaces de fonctions continues . . . . . . . . . . . . . . . . . . . . . . . . 33
2.5.2 Le R-espace vectoriel des suites réelles . . . . . . . . . . . . . . . . . . . 34
2.6 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.6.1 Énoncés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36
2.6.2 Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
3 Espaces de Hilbert 55
3.1 Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 55
3.2 Orthogonalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
3.3 Projection hilbertienne . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
3.4 Bases Hilbertiennes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.5 Théorème de Gram-Schmidt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
3.6 Inégalité de Bessel . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 74
3.7 Le Théorème de représentation de Riesz . . . . . . . . . . . . . . . . . . . . . . 77
3.8 Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.8.1 Énoncés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 81
3.8.2 Correction des exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . 84
Bibliographie 98
Index 99
2
1 | Préliminaires
Dénition 1.1.1. On appelle espace vectoriel sur K (ou K-espace vectoriel) un ensemble E
muni de deux lois :
i) Une loi interne, notée +, telle que (E, +) soit un groupe commutatif.
L'élément nul est noté 0 .E
ii) Une loi externe, notée ·, qui est une application de K×E dans E vériant :
a) ∀ (α, β) ∈ K , ∀x ∈ E : (α + β) · x = α · x + β · y .
2
b) ∀α ∈ K, ∀ (x, y) ∈ E : α · (x + y) = α · x + α · y .
2
c) ∀ (α, β) ∈ K , ∀x ∈ E : α. (β · x) = (αβ) · x.
2
d) ∀x ∈ E : 1 · x = x.
Remarque. Une combinaison linéaire d'une famille quelconque (x ) est un vecteur x s'écri-
i i∈I
vant X
x= α i xi ,
i∈I
3
Chapitre 1 Préliminaires
Dénition 1.1.3. Une famille nie de vecteurs (x , .., x ) est libre si, pour tout choix de
1 n
α1 , .., αn ∈ K , Xi=n
αi x = 0 ⇒ αi = 0, ∀i ∈ {1, .., n} .
i=1
Remarque.
1) Une famille quelconque de vecteurs est libre si toute sous-famille nie extraite est libre.
2) Une famille qui n'est pas libre est une famille liée.
Dénition 1.1.4. Une famille (x ) est génératrice de E si tout vecteur de E est combinaison
i i∈I
4
Chapitre 1 Préliminaires
Dénition 1.2.1. Soit E un ensemble non vide. Une distance (ou métrique) sur E, est la
donnée d'une application d : E × E → R vériants les axiomes suivants
+
5
Chapitre 1 Préliminaires
Exemple 1.2.1.
1) Si E = R, soit x, y ∈ R : d (x, y) = |x − y|.
2) Si E = R , on a les distances suivantes
n
1, si x ̸= y.
d (x, y) =
B (a, r) = {x ∈ E : d (x, a) ≤ r} .
Dénition 1.2.4. Une partie bornée A de E est une partie de E pour laquelle on peut trouver
une boule (ouverte ou fermée) qui contient tous les points de A.
6
Chapitre 1 Préliminaires
Une partie fermée (ou un fermé) de E est une partie telle que son complémentaire U dans E
est un ouvert.
Remarque. E et ∅ sont à la fois ouverts et fermés.
Dénition 1.2.6. Soit E un ensemble non-vide et P (E) l'ensemble de ses parties. On appelle
topologie l'ensemble des ouverts τ ⊂ P (E) vériant les propriétés suivantes :
1) E et ∅ sont des éléments de τ .
Dénition 1.2.7. Position d'un point par rapport à une partie de (E, d)). Soit A ⊂,
1) On dit que a est intérieur à A si on peut trouver un ouvert U ⊂ E , tel que .
a ∈ U et U ⊂ A.
7
Chapitre 1 Préliminaires
n ≥ n0 ⇒ d (xn , x) ≤ ε.
n n∈N
Proposition 1.2.3 (Caractérisation des ensembles à l'aide des suites). Soient (E, d) un espace
m etrique et F une partie de E. On a
telle que lim x = x .
F = x ∈ E : ∃ (xn )n ∈ F n
n→+∞
Dénition 1.2.10 (Suites de Cauchy). Soit (E, d) un espace métrique. On dit qu'une suite
(x )
n n∈N d'éléments de E est une suite de Cauchy si, pour tout ε > 0, il existe n ∈ N tel que
0
m, n ≥ n implique d (x , x ) ≤ ε.
0 n m
Dénition 1.2.11. Un espace métrique est dit complet si ses suites de Cauchy sont conver-
gentes.
Théorème 1.2.1. Chaque sous-espace fermé d'un espace métrique complet est complet.
8
Chapitre 1 Préliminaires
Dénition 1.2.12. Soient (E, d) et (F, δ) deux espaces métriques. Une application f : E → F
est dite uniformément continue si, pour tout ε > 0, il existe α > 0 tel que pour tout x et y ∈ E,
d (x, y) ≤ α ⇒ δ (f (x) , f (y)) ≤ ε.
Théorème 1.2.3 (Théorème du point xe). Soit (E, d) un espace métrique complet. Si l'ap-
plication f : E → E est une application contractante
∀x, y ∈ E d (f (x) , f (y)) ≤ αd (x, y) , α < 1,
9
Chapitre 1 Préliminaires
1.3 Exercices
1.3.1 Énoncés
Exercice 1.
Soit (E, d) un espace métrique et φ : R +
→ R+ une application strictement croissante vériant :
φ (a + b) ≤ φ (a) + φ (b) , ∀a, b ∈ R+
(y ) dans R , on pose
n n
N
X n=∞ 1 |xn − yn |
d (x, y) = .
n=0 2n |xn − yn | + 1
(1) Montrer que d est une distance sur R . N
Exercice 3.
Soit E = ]0, +∞[. Pour x et y dans E, on pose
δ (x, y) = |ln x − ln y| .
(4) La suite , est-elle convergente dans l'espace métrique (E, δ). Est-elle de une
1
n
suite de Cauchy dans (E, δ).
n≥1
Exercice 4.
Soit (E, d) un espace métrique et soit A une partie dans E.
Montrer que A est bornée si et seulement si, pour tout a ∈ E, il existe r > 0, tel que A ⊂ B (a, r).
10
Chapitre 1 Préliminaires
φ1 (a + b) ≤ φ1 (a) + φ1 (b) .
De plus, φ est strictement croissante. La question 1 montre alors que d est une dis-
1 1
tance.
De même, d = φ ◦ d, avec φ (t) = ln (1 + t). On vérie facilement que φ est stricte-
2 2 2 2
Solution 2.
(1) Soit x, y, z ∈ R , posons u
N
n =
|xn − yn |
, pour tout n ∈ N, alors 0 ≤ u n , pour
≤1
tout n ∈ N,
|xn − yn | + 1
Xn=∞ 1 Xn=∞ 1
d (x, y) = u n ≤ = 1 < ∞,
n=0 2n n=0 2n
11
Chapitre 1 Préliminaires
alors
Xn=∞ 1
d (x, y) = φ (|xn − yn |)
n=0 2n
Xn=∞ 1
≤ φ (|xn − zn | + |xn − zn |)
n=0 2n
Xn=∞ 1 Xn=∞ 1
≤ φ (|x n − zn |) + φ (|xn − zn |)
n=0 2n n=0 2n
= d (x, z) + d (z, y) ,
(2) Soit x ∈ R , on a
N
X n=∞ 1 |xn |
d (x, 0) = ≤ 2,
n=0 2n |xn | + 1
alors x ∈ B d (0, 1) , d'où RN , d
est borné.
Solution 3.
(1) Il est facile de voir que δ est une distance.
(2) Par continuité de la fonction x → ln x sur (0, +∞). Soit x 0 ∈ (0, +∞) , pout tout ε > 0,
il existe α > 0, tel que
∀x ∈ (0, +∞) : |x − x0 | < α ⇒ |ln x − ln x0 | < ε,
c'est-à-dire
Bd (x0 , α) ⊂ Bδ (x0 , ε) ,
donc T ⊂ T .
δ d
Inversement, par continuité de la fonction x → exp (x) sur (0, +∞). Soit x 0 ∈ (0, +∞),
pout tout ε > 0, il existe α > 0 tel que
∀x ∈ (0, +∞) : |ln x − ln x0 | < α ⇒ |x − x0 | < ε,
c'est-à-dire
Bδ (x0 , α) ⊂ Bd (x0 , ε) ,
(3) La suite est une suite de Cauchy dans (E, d) mais ne converge pas dans (E, d),
1
n
donc (E, d) n'est pas complet.
n≥1
(4) Supposons que la suite converge dans (E, δ). Il existerait ℓ ∈ E tel que
1
n n≥1
ln
1
n
− ln ℓ = |ln n + ln ℓ| → 0 , lorsque n → +∞.
12
Chapitre 1 Préliminaires
Ce qui est impossible. La suite diverge donc dans (E, δ). Supposons que
1 1
n n≥1 n n≥1
soit une suite de Cauchy dans (E, δ), il vient
= |ln n − ln m| → 0, lorsque n, m → +∞.
1 1
ln − ln
n m
Cela veut dire que la suite (ln n) est de Cauchy dans R et donc converge, ce qui est
n≥1
absurde.
(5) Soit (x )
n n∈N une suite de Cauchy de (E, δ), on a
|ln x − ln x | → 0, lorsque n, m → +∞.
n m
Cela montre que la suite (ln x ) est de Cauchy dans R ; si l est sa limie,
n n∈N
Solution 4.
Tout d'abord, il est clair que si, pour tout a ∈ X , il existe r > 0 tel que A ⊂ B (a, r), alors A
est bornée.
Réciproquement, soit A une partie bornée. Par dénition, il existe x ∈ X et r > 0, tel que
A ⊂ B (x, r).
Soit a ∈ X . Montrons que, si R = r + d (a, x), alors A ⊂ B (a, R).
En eet, si y ∈ A, on a y ∈ B (x, r) et donc d (y, x) < r. En particulier,
d (a, y) ≤ d (a, x) + d (x, y)
< d (a, x) + r = R,
13
2 | Espaces de Banach et applications li-
néaires continues
Dénition 2.1.1 (Espace vectoriel normé). Soit E un espace vectoriel. Un norme sur E est
une fonction ∥.∥ : E → R , qui satisfait les axiomes suivants :
+
(N1 ) ∥x∥ = 0 ⇔ x = 0.
L'espace vectoriel E muni de la norme ∥.∥ est appelé espace vectoriel normé, et noté
(E, ∥.∥) .
Exemple 2.1.2. On dénit une norme sur l'espace vectoriel C ([a, b] , R) de la manière suivante
∥f ∥∞ = sup |f (x)| .
x∈[a,b]
14
Chapitre 2 Espaces de Banach et applications linéaires
Démonstration.
Les axiomes de la norme, montrent que c'est une métrique.
B (x, r) = {y ∈ E : d (x, y) = ∥x − y∥ ≤ r} ,
S (x, r) = {y ∈ E : d (x, y) = ∥x − y∥ = r} ,
15
Chapitre 2 Espaces de Banach et applications linéaires
Dénition 2.2.1. Soit (E, ∥.∥) un espace vectoriel normé, un ensemble U est appelé ouvert si,
∀x ∈ U , ∃r > 0 tel que B (x, r) ⊂ U .
Dénition 2.2.2. Soit (E, ∥.∥) un espace vectoriel normé, un ensemble F est appelé fermé si,
F est est un ouvert
c
Démonstration.
(i) Soient a ∈ E , r > 0 et B (a, r) la boule ouverte de centre a et de rayon r dans E . Soit
x ∈ B (a, r) , on pose ρ := r − ∥x − a∥ > 0, nous montrerons que B (x, ρ) ⊂ B (a, r). En eet,
soit y ∈ B (x, ρ), alors
∥y − a∥ ≤ ∥y − x∥ + ∥x − a∥
< ρ + ∥x − a∥ = r,
∥x − a∥ ≤ ∥x − y∥ + ∥y − a∥ .
De manière équivalente,
∥y − a∥ ≥ ∥x − a∥ − ∥x − y∥
> ∥x − a∥ − ρ
= r.
c
donc B (a, r) est un ensemble ouvert dans E .
Nous allons à présent dénir la notion de topologie sur un espace vectoriel normé (E, ∥.∥).
16
Chapitre 2 Espaces de Banach et applications linéaires
Démonstration.
(i) On a B (a, r) ⊂ B (a, r), par passage l'adhérence, B (a, r) ⊂ B (a, r), et nous avons l'ensemble
B (a, r) est fermé, donc
B (a, r) ⊂ B (a, r) = B (a, r) .
Si ∥x − a∥ = r, montrons que x ∈ B (a, r), cela signie, pour tout ρ > 0 : B (x, ρ) ∩ B (a, r) ̸= ∅,
il sut de montrer que
∀ρ ∈ (0, r) : B (x, ρ) ∩ B (a, r) ̸= ∅.
Posons
ρ ρ
y = a+ 1− x.
r r
Alors
ρ
∥y − x∥ = ∥a − x∥ = r,
r
ρ
∥y − a∥ = 1 − ∥a − x∥ = r − ρ < r,
r
donc y ∈ B (x, ρ) ∩ B (a, r) , et nous en concluons B (x, ρ) ∩ B (a, r) ̸= ∅.
◦
(ii) On a B (a, r) ⊂ B (a, r) , alors [B (a, r)]◦ ⊂ B (a, r) , et nous avons l'ensemble B (a, r)
◦
L'inclusion inverse, soit x ∈ B (a, r) , alors ∥x − a∥ ≤ r, montrons que x ∈ B (a, r).
ε
y =x+ (x − a) .
2r
ε
On a ∥y − x∥ = < ε, donc y ∈ B (x, ε) . Alors que
2
ε ε
∥y − a∥ = 1 + ∥x − a∥ = r + > r.
2r 2
◦
Donc y ∈
/ B (a, r), alors B (x, ε) n'est pas incluse dans B (a, r) , ce qui est une contradiction.
17
Chapitre 2 Espaces de Banach et applications linéaires
équivalente
(i) ∥.∥ et ∥.∥ sont équivalentes.
1 2
Démonstration.
(ii) ⇒ (i)
Si ∥.∥1 et ∥.∥2 sont équivalentes, alors les ouverts de l'un sont des ouverts pour l'autre. Soit
∀x ∈ E : ∥x∥2 ≤ C1 ∥x∥1 ,
Exemple 2.2.1. Sur R , les normes ∥.∥ , ∥.∥ et ∥x∥ sont équivalentes.
n
∞ 1 2
Plus précisément, on a
∞
√
∥x∥ ≤ ∥x∥ ≤ n ∥x∥ ≤ n ∥x∥ ,
1 pour tout x ∈ R .
2 ∞
n
18
Chapitre 2 Espaces de Banach et applications linéaires
Démonstration.
Soit N une norme sur Rn , pour tout x ∈ Rn :
Xi=n
x= xi e i , avec e1 = (0, .., 1, 0, .., 0),
i=1 i
donc
Xi=n Xi=n
N (x) = N xi e i ≤ |xi | N (ei )
i=1 i=1
Xi=n
≤ max |xi | N (ei )
i∈1,n i=1
= C1 ∥x∥∞ .
Inversement, posons
S = {x ∈ Rn : ∥x∥∞ = 1} .
L'ensemble S est fermé et borné, donc S est compacte. Soit N : (Rn , ∥.∥) → (R, |.|), on a
∀x, y ∈ E,
≤ C ∥x − y∥∞ .
alors N est C -lipschitzienne, donc N est continue. Comme S est compacte, alors l'application
atteint ses bornes sur l'ensemble S ,
x
Pour tout x ∈ Rn , x ̸= 0, on a ∈ S, alors
∥x∥∞
x
N ≥ C2 ,
∥x∥∞
donc
N (x) ≥ C2 ∥x∥∞ ,
Démonstration.
Si N1 et N1 sont des normes sur Rn , alors N1 ∼ ∥.∥∞ et ∥.∥∞ ∼ N2 , d'où N1 ∼ N2 .
19
Chapitre 2 Espaces de Banach et applications linéaires
Proposition 2.2.5. Tout (E, ∥.∥) e.v.n de dimension n est algébriquement isomorphe à (Rn , ∥.∥∞ ) .
Démonstration.
Soit E un espace vectoriel de dimension n, alors il existe u1 , ..., un ∈ E , tel que {u1 , ..., un } est
une base pour E, avec
Xi=n
∀x ∈ E : ∃x1 , ..., xn ∈ K, x= xi u i .
i=1
Posons
φ: Rn →E
Pi=n
λ = (λ1 , .., nλ) → φ (λ) = i=1 λi u i .
Il est claire que l'application φ est linéaire.
L'application φ est injective, car
ker φ = {λ ∈ Rn : φ (λ) = 0}
n Xi=n o
= λ ∈ Rn : λi u i = 0 .
i=1
Pi=n
Puisque {u1 , ..., un } est une base pour E, si i=1 λi ui = 0, alors λ1 = ... = λn = 0, donc
ker φ = {0} .
Proposition 2.2.6. Deux normes sur un espace vectoriel E de dimension nie sont toujours
équivalentes.
Démonstration.
Soit N1 et N2 deux normes sur E , alors N1 ◦ φ : Rn → R+ et N2 ◦ φ : Rn → R+ sont des normes
sur Rn , donc N1 ◦ φ et N2 ◦ φ sont équivalentes, il existe α, β > 0, tel que
c'est-à-dire N1 ∼ N2 .
20
Chapitre 2 Espaces de Banach et applications linéaires
Proposition 2.2.7. Soit E, un espace vectoriel de dimension n et soit (e , e , ..., e ) une base
1 2 n
Démonstration.
Il est claire que (E, N∞ ) espace vectoriel normé de dimension n.
D'autre part, on a
Xi=n
N∞ (φ (λ)) = N∞ φ λi e i
i=1
Par suite, on déduire que l'application φ est 1-lipschitzienne, donc φ est continue.
Démonstration.
Soit (E, N ) espace vectoriel normé de dimension n. Soit
Id φ−1 Id n
(E, N ) →E (E, N∞ ) → (Rn , ∥.∥∞ ) →
R
(Rn , ∥.∥) ,
On dit que (u )
n n a pour limite a ∈ E dans (E, ∥.∥) si, et seulement si lim ∥u − a∥ = 0, cela n
s'écrit encore :
n→+∞
Remarque. La notion de convergence dans un espace vectoriel normé est donc étroitement liée
au choix de la norme sur cet espace.
21
Chapitre 2 Espaces de Banach et applications linéaires
Proposition 2.3.2. Si (E, ∥.∥) est un e.v.n et H un s.e.v de E , alors H est un s.e.v de E.
Démonstration.
Soient α, β ∈ K et x, y ∈ H , alors il existe deux suites (xn )n , (yn )n ∈ H , tels que
x = lim xn et y = lim yn .
n→+∞ n→+∞
Alors
lim ∥αxn + βyn − (αx + βy)∥ = 0,
n→+∞
c'est-à-dire,
lim αxn + βyn = lim αx + βy
n→+∞ n→+∞
Proposition 2.3.3. Soit E, un espace vectoriel, et ∥.∥ et ∥.∥ , deux normes sur E.
1 2
∥.∥ et ∥.∥ sont équivalentes si et seulement si toute suite convergeant vers 0 pour une norme
1 2 E
Démonstration. (⇒) Soit ∥.∥ et ∥.∥ , deux normes sur E, tel que ∥.∥ ∼ ∥.∥ , alors il existe
1 2 1 2
Soit (xn )n une suite dans E, si (xn )n converge vers 0 dans (E, ∥.∥1 ) , alors
22
Chapitre 2 Espaces de Banach et applications linéaires
Alors (xn )n converge vers 0 dans (E, ∥.∥1 ), par l'hypothèse (xn )n converge vers 0 dans (E, ∥.∥2 ) ,
alors
∃n0 ∈ N, ∥xn0 ∥2 ≤ 1,
Par suite
∥x∥2
∥xn0 ∥2 = ≤ 1.
(n0 + 1) ∥x∥1
Alors
∃n0 ∈ N, ∀x ∈ E , ∥x∥2 ≤ (n0 + 1) ∥x∥1 ,
Cela signie
∃α = n0 + 1 > 0, ∀x ∈ E , ∥x∥2 ≤ α ∥x∥1 .
De même, on trouve
∃β > 0, ∀x ∈ E , ∥x∥1 ≤ β ∥x∥1 .
Proposition 2.3.4. Soit (E, ∥.∥), un espace vectoriel normé, les propriétés suivantes sont
équivalentes
i) A est dense dans E .
ii) Pour tout x ∈ E , il existe une suite (xn )n dans A qui converge vers x.
23
Chapitre 2 Espaces de Banach et applications linéaires
Dénition 2.3.4. Soit E un e.v.n et (x ) une suite dans E. On dit que la série P x est
n n n∈N n
alors (E, ∥.∥ ) est un espace de Banach si et seulement si (E, ∥.∥ ) est un espace de Banach.
1 2
Démonstration.
Soient ∥.∥1 et (E, ∥.∥2 ) deux normes sur E , tel que
∥.∥1 ∼ ∥.∥2 .
Proposition 2.3.7. Tout espace vectoriel normé de dimension nie est un espace de Banach.
24
Chapitre 2 Espaces de Banach et applications linéaires
Démonstration.
Soit (E, ∥.∥) espace vectoriel normé de dimension m, alors il existe e1 , ..., en ∈ E , tel que
{e1 , ..., en } est une base pour E, avec
Xi=m
∀x ∈ E, ∃ λ1 , . . . , λm ∈ R, x= λi ei .
i=1
Montrons que (E, N∞ ) espace de Banach, en eet : Soit (xn )n suite de Cauchy dans (E, N∞ ),
alors
∀ ε > 0, ∃ nε ∈ R, ∀ p, q ≥ nε : N∞ (xp − xq ) < ε.
Alors
N∞ (xp − xq ) = max |λpi − λqi | ≤ ε.
i=1,n
De la dernière formule, on trouve que (λni )n∈N est une suite de Cauchy dans R qui qui est
complet, alors il existe λi ∈ R tel que :
Pi=m
Posons x = i=1 λi ei ∈E , alors
donc la suite (xn )n converge vers x dans (E, N∞ ), d'où (E, N∞ ) est espace de Banach.
Comme dim E = m < +∞, alors N∞ ∼ ∥.∥, Nous concluons que (E, ∥.∥) est un espace de
Banach.
Exemple 2.3.2. Rn et C sont des espace de Banach, car la dimension n est nie.
n
Théorème 2.3.1. Soit E un espace vectoriel normé. Les deux propriétés suivantes sont équi-
valentes
(a) E est un espace de Banach.
Démonstration.
Montrons que (a) =⇒ (b)
25
Chapitre 2 Espaces de Banach et applications linéaires
Soit (xn )n∈N une suite dans E , tel que ∥xn ∥ est onvergente.
P
n∈N
On pose
Xk=n
Sn = xk , pour tout n ∈ N.
k=0
La suite (Sn )n est convergente dans R, ce qui implique (Sn )n est une suite de Cauchy.
Soit n, m ∈ N, avec m > n, on a
Xk=n Xk=m
∥Sn − Sm ∥ = xk − xk
k=0 k=0
Xk=m
= xk
k=n+1
k=m
X
≤ ∥xk ∥,
k=n+1
Pk=,
Comme ∥xn ∥ est onvergente, alors Sn0 = xk est une suite de Cauchy dans E , c'est-
P
n∈N k=0
à-dire
Xk=m
∀ε > 0, ∃n0 ∈ N tel que n, m ≥ n0 : ∥xk ∥ < ε,
k=n+1
On déduit que, (sn )n est une suite de Cauchy dans E , qui est complet, donc la suite (sn )n est
convergente dans E . ce qui signie que la série n∈N xn est convergente dans E .
P
1
Pour tout k ∈ N∗ , nous choisissons ε := , alors
2k
1
∃nk ∈ N, ∀p, q ≥ nk tel que ∥xp − xq ∥ ≤ ,
2k
1
nnk+1 − xnk ≤ .
2k
Comme la série k∈N 21k est convergente, alors par le critère de comparaison, on obtient que
P
26
Chapitre 2 Espaces de Banach et applications linéaires
C'est-à-dire
lim xnm = S + xn0 := x,
m→∞
ε
nm ≥ m0 : ∥xnm − x∥ ≤ .
2
Proposition 2.3.8. Soit (E, ∥.∥) est un espace de Banach et F un s.e.v ni, alors (F, ∥.∥) est
un espace de Banach.
Démonstration.
Soit (xn ) suite de Cauchy dans (F, ∥.∥), alors (xn )n suite de Cauchy dans (E, ∥.∥) qui est
complet, donc il existe x ∈ E , tel que (xn )n converge vers x dans (E, ∥.∥), comme F est fermé,
donc x ∈ F et (xn )n converge vers x dans F , d'où (F, ∥.∥) est un espace de Banach.
Notation.
, l'ensemble des applications linéaires de E dans F .
i) L (E, F )
Théorème 2.4.1. Soit A ∈ L (E, F ). Alors, les propositions suivantes sont équivalentes :
(1) A est continue sur E .
27
Chapitre 2 Espaces de Banach et applications linéaires
Démonstration.
(1) ⇒ (2) , est évident.
(2) ⇒ (3) , si A est continue en 0E , alors il existe δ > 0, tel que
Soit x ∈ B (0, 1), alors δx ∈ B (0, δ) , donc A (δx) ∈ B (0, 1) , comme A ∈ L (E, F ) , alors
1
∀x ∈ B (0, 1) , A (x) ∈ B 0, ,
δ
∀x ∈ S (0, 1) , ∥A (x)∥ ≤ M.
Soit x ∈ E, avec x ̸= 0, on a x
∥x∥
∈ S (0, 1), donc
x
A ≤ M.
∥x∥
d'où
∀x ∈ E, ∥A (x)∥ ≤ M ∥x∥ .
Théorème 2.4.2. Soit A ∈ L (E, F ). Supposons de plus que u est continue. Posons :
N = sup
1
x∈E\{0}
. ∥Ax∥F
∥x∥E
N2 = sup ∥Ax∥F .
x∈S(0,1)
N3 = sup ∥Ax∥F .
x∈B(0,1)
Alors, on a :
N1 = N2 = N3 = N4 .
28
Chapitre 2 Espaces de Banach et applications linéaires
Démonstration.
Soit x ∈ E, alors
∥Ax∥F ≤ N2 , pour x ∈ S (0, 1) .
x
Si x ̸= 0, alors ∈ S (0, 1) , donc
∥x∥
∥Ax∥F
≤ N2 , pour x ∈ E\ {0} ,
∥x∥E
donc
∥Ax∥F
N1 = sup ≤ N2 .
x∈E\{0} ∥x∥E
d'où
N2 ≤ sup ∥Ax∥F ≤ N3 .
x∈S(0,1)
Alors,
∥Ax∥F ≤ Mε ∥x∥E ≤ (ε + N4 ) ∥x∥E , pour tout x ∈ E.
Par suite
N3 = sup ∥Ax∥F ≤ ε + N4 .
x∈B(0,1)
Lorsque ε → 0, on obtient N3 ≤ N4 .
Par la dénition de N1 , on a
Alors
N1 ∈ M ∈ R+ : ∥Ax∥F ≤ M ∥x∥E .
Donc
N4 = inf M ∈ R+ : ∥Ax∥F ≤ M ∥x∥E ≤ N1 .
N1 ≤ N2 ≤ N3 ≤ N4 ≤ N1 .
29
Chapitre 2 Espaces de Banach et applications linéaires
Cela signie
N1 = N2 = N3 = N4 .
Proposition 2.4.1.
i) L (E, F )est un sous-espace vectoriel de L (E, F ).
ii) L'application L (E, F ) → R , A → ∥A∥
+
est une norme sur L (E, F ).
L(E,F )
Démonstration.
Soient α, β ∈ K, A, B ∈ L (E, F ), il existe M1 > 0 et M2 > 0 tel que
Alors
Donc, l'application αA + βB est continue, cela signie αA + βB ∈ L (E, F ), d'où L (E, F ) est
un sous-espace vectoriel de L (E, F ).
Proposition 2.4.2. Si F est un K-espace vectoriel normé complet, alors L (E, F ) est également
un espace vectoriel normé complet.
Démonstration.
Soit (An )n∈N une suite de Cauchy dans L (E, F ), pour tout ε > 0,
30
Chapitre 2 Espaces de Banach et applications linéaires
Pour tout x ∈ E, on a
≤ ε ∥x∥E .
Cela signie, pour tout x ∈ E, (An x)n∈N est une suite de Cauchy dans F . Par la la complétude
de F nous permet d'armer que An x converge dans F vers une certaine limite que nous notons
Ax.
Nous allons montrer que l'application A : E → F est linéaire. Soientt α, β ∈ K et x, y ∈ E , on
a
= α lim An x + β lim An y
n→+∞ n→+∞
= αAx + βAy.
≤ M ∥x∥ ,
avec M = sup {∥An ∥ : n ∈ N} < ∞, car (An )n∈N suite borné, d'où la continuité de A.
Montrons que (An )n∈N est converge vers A dans L (E, F ). Soit x ∈ B E (0, 1) , on a
Alors
∃n0 ∈ N, n ≥ n0 : ∥An − A∥L(E,F ) ≤ ε.
31
Chapitre 2 Espaces de Banach et applications linéaires
Démonstration.
Soit x ∈ B E (0, 1) , on a
≤ ∥B∥L(F,G) ∥Ax∥F
≤ ∥B∥L(E,F ) ∥A∥L(E,F ) .
d'où
∥B ◦ A∥L(E,G) = sup ∥(B ◦ A) (x)∥G : x ∈ B E (0, 1)
≤ ∥B∥L(E,F ) ∥A∥L(E,F ) .
Proposition 2.4.4. Soient E et F , deux espaces vectoriels normés, avec E de dimension nie.
Alors L (E, F ) = L (E, F ), autrement dit, toute application linéaire dans E de dimension nie
est continue.
Démonstration.
Soit {e1 , e2 , ..., en } une base de E . Pour tout x ∈ B E (0, 1) , on a
Xi=n
∥Ax∥F = A xi ei
i=1 F
Xi=n
≤ |xi | ∥Aei ∥F
i=1
≤ max |xi |
i∈{1,..,n}
Xi=n
= ∥Aei ∥F N∞ (x)
i=1
Comme dim E = n < ∞, alores toutes les normés sont équivalentes, alors
Donc
Xi=n
∥Ax∥F ≤ ∥Aei ∥F α ∥x∥E .
i=1
d'où la continuité de A.
32
Chapitre 2 Espaces de Banach et applications linéaires
∥f ∥∞ = sup |f (x)|
x∈[a,b]
Démonstration.
Soit (fn )n∈N une suite de Cauchy dans C ([a, b] , R), pour tout ε > 0,
ε
∃n0 ∈ N, n, m ≥ n0 : ∥fn − fm ∥∞ ≤
3
Alors
ε
∀x ∈ [a, b] : |fn (x) − fm (x)| ≤ .
3
Cela signie, ∀x ∈ [a, b] , (fn (x))n∈N est une suite de Cauchy dans R qui est complét, nous
permet d'armer que (fn x)n converge vers une certaine limite que nous notons f (x), c'est-à-
dire
∀x ∈ [a, b] : f (x) = lim fn (x) .
n→+∞
Comme les fonctions (fn )n∈N sont continues. Soit x0 ∈ [a, b], on a
ε
∃δ0 > 0, |x − x0 | < δ : |fn0 (x) − fn0 (x0 )| ≤ .
3
Alors, si |x − x0 | < δ , on a
|f (x) − f (x0 )| ≤ |f (x) − fn0 (x)| + |fn0 (x) − fn0 (x0 )| + |fn0 (x0 ) − f (x0 )|
≤ ε.
d'où la continuité de f .
Montrons que (fn )n∈N converge vers f dans C ([a, b] , R). On a
ε
∃n0 ∈ N, n, m ≥ n0 : |fn (x) − fm (x)| ≤ , ∀x ∈ [a, b]
3
33
Chapitre 2 Espaces de Banach et applications linéaires
Lorsque m → +∞,
ε
∃n0 ∈ N, n ≥ n0 : |fn (x) − f (x)| ≤ , ∀x ∈ [a, b] .
3
Donc
ε
∃n0 ∈ N, n ≥ n0 : ∥fn − f ∥ ≤ ,
3
Ce qui établit la convergence de la suite (fn )n vers f dans C ([a, b] , R).
On dénit des opérations sur l'ensemble RN des suites réelles à partir des opérations sur R. De
même pour la relation d'ordre à partir de la relation d'ordre sur R. Ainsi RN muni des deux
lois :
Notation.
− Addition : Soit (u ) , (v ) ∈ R : (u ) + (u ) = (u + v ) .
n n n n
N
n n n n n n n
− Multiplication :Soit (u ) , (v ) ∈ R : (u ) × (u ) = (u × v ) .
n n n n
N
n n n n n n n
Soit p ≥ 1, on considère ℓp (N) l'ensemble des suites réelles (un )n telles que la série |un |p
P
n∈N
34
Chapitre 2 Espaces de Banach et applications linéaires
um = (um
n )n , pour tout m ∈ N.
Alors,
∀p, q ≥ m0 , ∀n ∈ N, |upn − upn | < ε,
un = lim um
n, ∀n ∈ N.
m→∞
Finalement, la suite (un )n est bornée et la suite (un )n converge vers u pour la norme ∥.∥∞ .
35
Chapitre 2 Espaces de Banach et applications linéaires
2.6 Exercices
2.6.1 Énoncés
Exercice 5.
Pour tout x = (x , x ) de R , on pose
1 2
2
q
N (x) = x21 + 2x1 x2 + 5x22 .
Exercice 6.
Soit n un entier naturel et a , a , . . . , a des réels deux à deux distincts. On considère l'applica-
0 1 k
Xi=k
∥P ∥k = |P (ai )| .
i=0
Exercice 7.
On considère sur E = C ([0, 1] , R) les deux normes dénies par
et ∥f ∥ = |f (t)| dt.
Z 1
∥f ∥ = sup |f (t)|
∞ 1
t∈[0,1] 0
Exercice 9.
Soit (E, d) un espace vectoriel muni d'une distance vériant
(i) Pour tous x, y ∈ E et λ ∈ R, d (λx, λy) = |λ| d (x, y).
Montrer que d provient d'une norme, c'est-à-dire qu'il existe une norme N sur E telle que
pour tous x, y ∈ E : d (x, y) = N (x − y) .
36
Chapitre 2 Espaces de Banach et applications linéaires
Exercice 10.
Soit E un espace vectoriel normé complet. Soit B = B (a , r ) une suite décroissante de boules
n n n
(1) Soit a, b ∈ E, r, ρ > 0, tels que B (b, ρ) ⊂ B (a, r). Démontrer que ∥a − b∥ ≤ r − ρ.
(2) Démontrer que (a ) converge vers a ∈ E , que (r ) converge vers r, puis que ∩ B =
n n n n n
B (a, r) .
Exercice 11.
Soit E une partie complète d'un espace vectoriel normé.
(1) Montrer qu'une intersection dénombrable d'ouverts denses dans E est dense dans E.
Exercice 12.
Montrer que si un sous-espace vectoriel F d'un espace vectoriel normé E est ouvert alors F = E.
Exercice 13.
Dans E = R [X], on considère les normes
∥p∥1 = sup |p (t)|
t∈[0,1]
et ∥p∥2 = sup |p (t)| .
t∈[1,2]
Exercice 14.
Soient E = C ([0, 1] , R) normé par ∥.∥ et la partie
∞
A = f ∈ E : f (0) = 0 et
Z 1
f (t) dt ≥ 1 .
0
F = u ∈ ℓ1 (N) : ∃m ≥ 2
tel que u n = 0, ∀n ≥ m .
37
Chapitre 2 Espaces de Banach et applications linéaires
Exercice 16.
Soient E = ℓ ∞
(N) normé par ∥.∥ et les sous-ensembles suivants
∞
n X o
B = (xn )n : |xn | < ∞ = ℓ1 (N) .
n∈N
Exercice 17.
On considère l'espace des fonctions continues E = C ([a, b] , R). Soit φ ∈ E une fonction qui ne
s'annule pas sur [a, b]. Posons
∥f ∥ = sup |φ (t) f (t)| ,
φ pour f ∈ E
t∈[a,b]
Exercice 18.
Dans E = C 1
([a, b] , R), on considère la norme
N (f ) = ∥f ∥∞ + f
′
∞
, pour f ∈ E
L'espace (E, N ) est-il complet ?
Exercice 19.
On considère l'espace normé (R, |.|) . On pose
n √ o
D = p + q 2 : p, q ∈ Z .
0<u <b−a n
et a < mu < b. n
3. Déduire que D = R.
38
Chapitre 2 Espaces de Banach et applications linéaires
Exercice 20.
Soit E un un espace vectoriel normé, et A et B deux parties de E. On dénit :
x + A = {x + x : x ∈ A}
0 0 et A + B := {x + y : x ∈ A, y ∈ B}
Montrer que si A est ouvert, alors x + A et A + B sont ouverts.
0
Exercice 21.
Soit m ∈ N xé, et a , a , ..., a
∗
1 2 m ∈ [0, 1] , on note
ωm (t) := (t − a1 ) (t − a2 ) .... (t − am ) .
Exercice 23.
Soient l'espace E = {f ∈ C 1
([0, 1] , R) : f (0) = 0} et N , N les applications dénies sur E par
1 2
et N (f ) = f + f
N1 (f ) = f
′
2
′
.
39
Chapitre 2 Espaces de Banach et applications linéaires
q
N (x) = (x1 + x2 )2 + 4x22 = ∥(x1 + x2 , x2 )∥2 .
= |λ| N (x) .
= N (x) + N (y) ,
Solution 6.
Soit n ∈ N et a , a , . . . , a ∈ R, tel que a ̸= a , pour i ̸= j. On a
0 1 k i j
Xi=k
∥λP ∥k = |(λP ) (ai )|
i=0
Xi=k
= |λP (ai )|
i=0
Xi=k
= |λ| |P (ai )| = |λ| ∥P ∥k .
i=0
= ∥P ∥k + ∥Q∥k .
40
Chapitre 2 Espaces de Banach et applications linéaires
P (x) = c (x − a0 ) (x − a1 ) ... (x − an ) ,
cela ne signie pas que P = 0, donc ∥.∥ n'est pas une norme sur R
k n [X] .
Solution 7.
Soit f ∈ C ([0, 1] , R) , on a
Z 1 Z 1
∥f ∥1 = |f (t)| dt ≤ ∥f ∥∞ dt = ∥f ∥∞ ,
0 0
On a
∥fn ∥∞
∥fn ∥1
=n+1→∞ , lorsque n → ∞,
d'où la contradiction.
Solution 8.
(i) Montrer que N est une norme sur R . 2
41
Chapitre 2 Espaces de Banach et applications linéaires
a) Si N (x, y) = 0,alors
|x| = |y| = |x − y| = 0 ⇔ (x, y) = 0.
= |λ| N (x, y) .
= N (x, y) + N (u, v) .
2
B ((0, 0) , 1)
−1 O 1
x
−2
Solution 9.
Soit x ∈ E, on pose N (x) = d (x, 0) . Montrons que N est une norme sur E.
(i) Si N (x) = 0 ⇔ d (x, 0) = 0 ⇔ x = 0.
(ii) Soit λ ∈ R et x ∈ E , on a
42
Chapitre 2 Espaces de Banach et applications linéaires
= d (x, 0) + d (y, 0)
= N (x) + N (y) .
= d (x − y, y − y) par (ii)
= d (x, y) .
Solution 10.
On a F est un sous-espace vectoriel, alors 0 ∈ F . E
y ∈ B (0, ε) ⊂ F.
Si λ = 2ε ∥x∥ ∈ R, alors
λy = x ∈ F.
Donc E ⊂ F, ce qu'implique E = F.
Solution 11.
(1) Posons y = b + ρ ∥bb −− a∥
a
. Alors ∥y − b∥ = ρ et donc ∥y − a∥ ≤ r. Or,
∥y − a∥ = ∥b − a∥ + ρ ≤ r.
43
Chapitre 2 Espaces de Banach et applications linéaires
ce qui prouve
∥b − a∥ ≤ r − ρ.
En particulier, la suite (r ) est une suite décroissante de réels qui sont tous positifs.
n n
Elle est donc convergente, vers r > 0 par hypothèse. La suite (r ) est donc aussi une suite de
n n
Cauchy.
L'inégalité
∥ap − aq ∥ ≤ rp − rq .
montre que la suite (a ) est aussi une suite de Cauchy. Puisque E est complet, il existe a ∈ E
n n
∥x − an ∥ ≤ rn
Ainsi, x ∈ B (a, r) .
Réciproquement, de
∥ap − aq ∥ ≤ rp − rq ,
B (a, r) ⊂ ∩p Bp .
Solution 12.
(1) Soit x ∈ E et ε > 0. Il faut construire un élément qui appartient à B (x, ε) et à ∩ U . i=∞
i=1 i
On va déduire cet élément du théorème des fermés emboités. Précisément, on va construire une
suite (x ) d'éléments de E, et (r ) une suite de nombre réels strictement positifs tels que :
n n n n
r ≤ 1
n n
B (xn , rn ) ⊂ B (xn−1 , rn−1 )
B (x , r ) ⊂ B (x, ε) ∩i=n U
n n i=1 i
44
Chapitre 2 Espaces de Banach et applications linéaires
B (x1 , r1 ) ⊂ B (x, ε) ∩ U1 .
Supposons maintenant les suites construites jusqu'au rang n − 1. Puisque U est ouvert, il n
D'après le théorème des fermés emboités, la suite (x ) converge vers un point y ∈ E. Mainte-
n n
(2) Soit F un fermé d'intérieur vide. Alors F = U est un ouvert dense. Donc ∩
n
c
n n n≥1 Un est
dense. Ainsi, [ \ c
Fn = Un
n n
B (p , ε) ⊂ Ω,
0 avec ε = 21 |p (0)| > 0. 0
donc
p0 (t) − ε < p (t) < p0 (t) + ε , pour tout t ∈ [0, 1] ,
De lui, nous trouvons
1 1
p0 (0) − |p0 (0)| < p (0) < p0 (0) + |p0 (0)| .
2 2
On a deux cas,
45
Chapitre 2 Espaces de Banach et applications linéaires
1
2
3
p0 (0) < p (0) < p0 (0)
2
ce qu'implique p (0) > 0.
3
2
ce qu'implique p (0) < 0.
1
p0 (0) < p (0) < p0 (0)
2
Dans les deux cas, nous trouvons p (0) ̸= 0, donc p ∈ Ω, d'où Ω est un ouvert.
2) Montrons que Ω n'est pas un ouvert pour la norme ∥.∥ , c'est-à-dire 2
donc
p (t) = at + bt, ε pour tout t ∈ R.
2
Avec
a + b = 1 − ε et 2a + b =
1+ε
,
3
ce qu'implique
a=
3ε − 1
2
et b=
3 − 5ε
2
.
∥pε − p0 ∥2 = ε.
B (p0 , ε) pε
ε
1
ε
O 1 2
x
Solution 14.
Soit (f ) une suite dans A telles que (f ) converge vers f dans E. Pour montrer que A est
n n n n
ce qu'implique
pour tout t ∈ [0, 1] .
lim fn (t) = f (t) ,
n→∞
On a (f ) ∈ A, alors
n n
Z 1
∀n ∈ N, fn (t) dt ≥ 1.
donc
0
Z 1
lim fn (t) dt ≥ 1.
n→∞
n n
X
lim xk − x 1
= lim xkn − xn = 0.
k→∞ k→∞ n∈N
Comme X
∀k, n ∈ N, xkn − xn ≤ xkn − xn = 0,
n∈N
alors lim x
k→∞
k
n = xn , on a
∀k ∈ N, ∃mk ≥ 2 tel que x k
n = 0, ∀n ≥ mk ,
lorsque k → +∞
∃m ≥ 2 tel que x n = 0, ∀n ≥ m.
donc x ∈ F.
47
Chapitre 2 Espaces de Banach et applications linéaires
Posons
si n ≤ 3,
ρ,
si n ≥ 4,
0 n
u = (un )n =
0,
Alors u 0
∈F , mais u 0
∈
/ B (0, ρ) , car
u0 1
= 3ρ > ρ.
lim xk − x ∞
= 0,
k→∞
avec x =k
xkn et x = (x ) .
n n
Comme x ∈ A, alors pour tout k ∈ N, la suite est converge vers un élément noté x ,
k n k
k
xkn k
c'est-à-dire
k n
∀k ∈ N , n→∞
lim xkn = xk .
Pour tout, n, m ∈ N, on a
|xn − xm | ≤ xn − xkn + xkn − xkm + xkm − xm
≤ 2 xk − x ∞
+ xkn − xk + xkm − xk ,
lorsque n, m → ∞, on a
lim |xn − xm | ≤ 2 xk − x ∞
+ lim xkn − xk + xkm − xk
n,m→∞ n,m→∞
≤ 2 xk − x ∞
, pour tout k ∈ N,
lorsque k → ∞, on a
lim |xn − xm | = 0.
n,m→∞
Alors, la suite (x ) est de Cauchy dans R, qui est complet, donc (x ) est convergente, c'est-
n n n n
à-dire x ∈ A.
48
Chapitre 2 Espaces de Banach et applications linéaires
k+2
xk xkn = (n + 1)− k+1
k
= n k
.
n,k
On a xk
k
∈B , car
X X 1 X 1
∀k ∈ N : xkn = k+2 ≃ < ∞,
n∈N n∈N
(n + 1) k+1 n≥1 nα
et X 1
=∞
n∈N n+1
Alors x k
k
converge vers x = 1
n+1 n
dans ℓ ∞
(N) et x ∈/ B.
Solution 17.
Soit (f ) une suite de Cauchy dans E, alors
n n
∀ε ≥ 0, ∃ n0 ∈ N, ∀ p, q ≥ n0 : ∥fp − fq ∥φ < ε,
Comme
∥fp − fq ∥φ = ∥φfp − φfq ∥∞ ,
Nous concluons (f φ) est suite de Cauchy dans (E, ∥ . ∥ ) qui est complet, alors : ∃ g ∈ E,
n n ∞
tel que (f φ) converge vers g de (E, ∥ . ∥ ). Comme φ (x) ̸= 0, pour tout x ∈ [a, b] , posons :
n n ∞
g
f := ∈ E.
φ
Solution 18.
Soit (f ) une suite de Cauchy dans E, alors
n n
∀ε ≥ 0, ∃ n0 ∈ N, ∀ p, q ≥ n0 : N (fp − fq ) < ε,
49
Chapitre 2 Espaces de Banach et applications linéaires
Comme
′ ′
∀ p, q ≥ n0 : N (fp − fq ) = ∥fp − fq ∥∞ + fp − fq ≤ ε,
∞
ce qu'implique
∀ p, q ≥ n0 : ∥fp − fq ∥∞ ≤ ε et f − f ≤ ε, ′
p
′
q
∞
Alors les deux suites (f ) et (f ) sont de Cauchy dans (C([a, b], R), ∥.∥ ) qui est complet,
n n
′
n n ∞
D'autre part
f (s) ds + f (a) , pour n ∈ N et t ∈ [a, b].
Z t
′
f (t) =
n n n
Lorsque n → +∞,
a
et f → f pour ∥.∥ .
′ ′
(f ) → f
n n n ∞
n
ce qu'implique
(f ) → f pour N.
n n
Posons m = . Alors
hai
+1
un a
m−1≤ < m.
un
L'inégalité de droite donne a < mu . L'inégalité de gauche s'écrit aussi mu
n n
− un ≤ a ,
ce qui implique
mun ≤ un + a ≤ b − a + a
50
Chapitre 2 Espaces de Banach et applications linéaires
d'où
a < mun < b.
3. Déduisons que D = R, on a
∀a, b ∈ R, a < b, ∃m, n ∈ N , un ∈ [a, b] et mu
n
∈ D,
∃x ∈ A, tel que y = x + x. 0
qu'implique
∥(z − x0 ) − x∥ < ρ,
Alors
z − x0 ∈ B (x, ε) ⊂ A,
donc z ∈ x + A, d'où x
0 0 +A est ouvert.
D'autre part, on a [
A+B = y + A.
y∈B
i) Soit λ ∈ R et f ∈ E, on a
N (λf ) = ∥ωm (λf )∥ = |λ| ∥ωm f ∥
= |λ| N (f ) .
51
Chapitre 2 Espaces de Banach et applications linéaires
≤ N (f ) + N (g) .
donc
avec D = {a , a , ..., a } .
∀t ∈ [a, b] \D : f (t) = 0, 1 2 m
Soit donc (f ) une suite d'éléments de U qui converge uniformément vers une fonction
k j
c
ε,n
continue f
Il s'agit de montrer que f n'est pas dans U . ε,n
gence uniforme vers f , on peutnalement supposer que la suite (x ) est elle-même convergente.
k k
On xe maintenant y ∈ [0, 1] tel que 0 < |x − y| < ε et on veut montrer que
∗
f (x∗ ) − f (y)
≤ n,
x∗ − y
52
Chapitre 2 Espaces de Banach et applications linéaires
Les min et max sont là pour assurer que y est bien dans l'intervalle d'étude [0, 1]. On vérie
k
|yk − xk | ≤ |y − x∗ | < ε
On en déduit que, pour k assez grand, on a y ̸= x car (y − x ) converge vers y − x qui est
k k k k k
∗
non nul.
Ainsi, pour k assez grand, on peut appliquer à y = y , ce qui donne k
f (xk ) − f (yk )
≤ n, ∀k ≥ k0 .
xk − y k
Comme (f ) converge uniformément vers f , nous pouvons utiliser le théorème de double limite
k k
pour obtenir
lim f (x ) = f (x ) et lim f (y ) = f (y) ,
k k
∗
k k
k→∞ k→∞
y est bornée.
Les propriétés N (f + g) ≤ N (f ) + N (g) et N (λf ) = |λ| N (f ) sont faciles.
i i i i i
f (0) = 0 donne f = 0.
Ainsi les applications N , N sont bien des normes sur E.
1 2
(b) Pour f ∈ E , on a Z x
′
f (x) = f (t) dt,
′
∥f ∥∞ ≤ f .
∞
Puisque
′
N2 (f ) ≤ f + ∥f ∥∞ ≤ 2N1 (f ) .
∞
53
Chapitre 2 Espaces de Banach et applications linéaires
donc
|f (x)| ≤ N2 (f ) .
Puisque
′ ′
f (x) ≤ f (x) + f (x) + |f (x)| ,
on obtient
′
f (x) ≤ 2N2 (f )
et nalement
N1 (f ) ≤ 2N2 (f )
54
3 | Espaces de Hilbert
Les espaces de Hilbert sont des espace vectoriels ou complexe, de dimension nie ou innie,
dans lesquels on peut faire de la géométrie comme on a l'habitude de le faire dans l'espace
euclidien Rn ou hermitien Cn . En particulier on peut décomposer leurs éléments dans des bases
orthonormées.
Soit H un espace vectoriel sur K = C ou K = R.
Dénition 3.1.1. On appelle forme sesquilinéaire sur H tout application telle que u est
linéaire par rapport à la 1 variable et semi linéaire par rapport à la 2 variable c-à-d,
er ième
∀x, y, z ∈ H, ∀α, β ∈ K,
55
Chapitre 3 Espaces de Hilbert
Démonstration.
Montrons (i) ⇒ (ii)
Si u hermitienne, pour tout x ∈ E , on a u (x, x) = u (x, x), donc u (x, x) ∈ R.
Montrons (ii) ⇒ (i)
Soit x, y ∈ H, alors u(x + y, x + y) ∈ R, comme u une forme sesquilinéaire sur H,
Alors
u(x, y) + u(y, x) = u(x + y, x + y) − u(x, x) − u(y, y) := α ∈ R,
D'autre part
Alors
−iu(x, y) + iu(y, x) = u(x + iy, x + iy) − u(x, x) − u(y, y) = β ∈ R,
Dinalement, on trouver
u(x, y) + u(y, x) = α,
−u(x, y) + u(y, x) = −iβ,
ce qui implique
u(y, x) = 1 (α − iβ) ,
2
1
u(x, y) = (α + iβ) ,
2
Donc u(y, x) = u(x, y), d'où la forme u hermitienne.
Dénition 3.1.2. Une forme sesquilinéaire est dit positive si u (x, x) ≥ 0, ∀x ∈ H , elle est
dite dénie positive si u (x, x) ≥ 0, ∀x ∈ H − {0} .
Dénition 3.1.3. On appelle produit scalaire sur H tout forme sesquilinéaire, hermitienne,
dénie positive. On note un produit scalaire par ⟨., .⟩ .
Exemple 3.1.3.
(i) Sur C , on dénit le produit scalaire suivante :
n
Xn
⟨x, y⟩ = xj yj .
j=1
56
Chapitre 3 Espaces de Hilbert
Démonstration.
Comme u est dénie positive, alors pour tout λ ∈ K, on a
Soit
⟨x, y⟩
λ= , avec ⟨x, x⟩ =
̸ 0.
⟨x, x⟩
La formule (∗) devient
|⟨x, y⟩|2
− + ⟨y, y⟩ ≥ 0.
⟨x, x⟩
C'est-à-dire
|⟨x, y⟩|2 ≤ ⟨x, x⟩⟨y, y⟩.
a = ⟨x + y, x + y⟩
57
Chapitre 3 Espaces de Hilbert
Alors
p p
a ≤ ⟨x, x⟩ + ⟨y, y⟩ + 2 ⟨x, x⟩ ⟨y, y⟩
p p 2
= ⟨x, x⟩ + ⟨y, y⟩ .
Donc
p p 2
⟨x + y, x + y⟩ ≤ ⟨x, x⟩ + ⟨y, y⟩ .
Dénition 3.1.4. Un espace vectoriel muni d'un produit scalaire est dit un espace préhilber-
tien.
Démonstration.
Montrer que N est une norme.
(i) Soit x ∈ H , tel que N (x) = 0 ⇔ ⟨x, x⟩ = 0, comme ⟨., .⟩ dénie positive, alors x = 0.
(ii) Soit λ ∈ K et x ∈ H, on a
p p
N (x) = ⟨λx, λx⟩ = |λ|2 ⟨x, x⟩
p
= |λ| ⟨x, x⟩ = |λ|N (x).
= N (x) + N (y).
plet.
allemand.
58
Chapitre 3 Espaces de Hilbert
3.2 Orthogonalité
Dénition 3.2.1. Soit H un espace de Hilbert, on dit que x est orthogonal y et on écrit x⊥y
si ⟨x, y⟩ = 0.
Proposition 3.2.1. Soit (H, ⟨., .⟩) un espace de Hilbert, on a
1. ∀x ∈ H , 0⊥x.
2. ∀x, y ∈ H, ∀α, β ∈ K, x⊥y ⇒ αx⊥βy.
3. ∀x ∈ H, y ∈ H, ∀α ∈ K, i ∈ 1, n, x⊥y , i ∈ 1, n ⇒ x⊥ P
i i i
i=n
i=1 αi y i .
Démonstration.
(1) Pour tout x ∈ H,
⟨0H , x⟩ = ⟨0K .0H , x⟩ = 0K ⟨0H , x⟩ = 0.
Xi=n Xi=n
⟨x, αi y i ⟩ = αi ⟨x, yi ⟩ = 0.
i=1 i=1
On pose
F ⊥ := {x ∈ H : x⊥F } .
Proposition 3.2.2. Soit (H, ⟨., .⟩) un espace de Hilbert, si x⊥F, alors x⊥ [F ] ou [F ] est le
s.e.v engendre par F.
59
Chapitre 3 Espaces de Hilbert
Démonstration.
Soit F ⊂ H , on a
n Xi=n o
[F ] = x ∈ E : ∃n ∈ N, ∃λ1 , ..., λn ∈ K,∃x1 , ..., xn ∈ F tel que x = λ i xi
i=1
Soit x ∈ H tel que x⊥F, montrons que x⊥ [F ] . Soit y ∈ [F ], alors il existe n ∈ N, λ1 , ..., λn ∈ K,
y1 , ..., yn ∈ F tel que y = i=n
i=1 λi yi , comme (yi )i∈1,n ∈ F, alors ⟨x, yi ⟩ = 0, pour i ∈ {1, ..., n} ,
P
donc
D Xi=n E Xi=n
⟨x, y⟩ = x, λi yi = λi ⟨x, yi ⟩ = 0,
i=1 i=1
2. H = {0} .
⊥
3. A ∩ A =
0
⊥
∅
4. {a} est un s.e.v fermé.
⊥
Démonstration.
(1) Si A ⊂ B, soit x ∈ B ⊥ , pour tout a ∈ A, comme A ⊂ B, on a a ∈ B, alors
donc x ∈ A⊥ , d'où B ⊥ ⊂ A⊥ .
(2) Soit x ∈ H ⊥ , pour tout y ∈ H, on ⟨x, y⟩ = 0. Alors ⟨x, x⟩ = 0, ce qui implique x = 0H ,
donc H ⊥ ⊂ {0} , d'où H ⊥ = {0} .
(3) Soit a ∈ A ∩ A⊥ , alors a ∈ A et a ∈ A⊥ , donc
a ∈ A⊥ ⇔ ∀x ∈ A : ⟨x, a⟩ = 0,
comme a ∈ A, alors
∥a∥2 = ⟨a, a⟩ = 0.
x, a⟩ = 0 et ⟨y, a⟩ = 0.
60
Chapitre 3 Espaces de Hilbert
donc
⟨αx + y, a⟩ = α⟨x, a⟩ + ⟨y, a⟩ = 0,
≤ ∥a∥ ∥x∥ ,
ce qui implique
∥f ∥L(H,R) ≤ ∥a∥ .
Comme {0} est ensemble fermé dans R et f continue sur H , alors f −1 (0) est ensemble fermé
dans H ,
f −1 (0) = {x ∈ H : f (x) = 0}
= {x ∈ H : ⟨x, a⟩ = 0}
= x ∈ H : x ∈ a⊥ = a⊥ .
2. A = [A] = [A] .
⊥ ⊥ ⊥
Démonstration.
(1) Soit A ⊂ H , on a
A⊥ = {x ∈ H : ∀a ∈ A, ⟨x, a⟩ = 0}
= {x ∈ H : ∀a ∈ A, x⊥a}
n o
⊥
= x ∈ H : x ∈ {a} , ∀a ∈ A
\
= {a}⊥ .
a∈A
61
Chapitre 3 Espaces de Hilbert
⊥ ⊥
Ce qui implique x ∈ [A] , d'où [A] = [A]⊥
Proposition 3.2.5 (Identité de parallélogramme). Soit (H, ⟨., .⟩) un espace préhilbertien réel,
alors ∀x, y ∈ H, on a
∥x + y∥2 + ∥x − y∥2 = ∥x∥2 + ∥y∥2 . ((∗))
Inversement, si (H, ∥.∥) est e.v.n telle que vérier (∗) , alors il existe un produit scalaires
sur H dont la norme ∥.∥ .
1
∥x + y∥2 − ∥x − y∥2
⟨x, y⟩ =
4
Démonstration.
Soit (H, ⟨., .⟩) un espace préhilbertien, soit x, y ∈ H , on a
∥x + y∥2 + ∥x − y∥2 = ⟨x + y, x + y⟩ + ⟨x − y, x − y⟩
= ⟨x, x⟩ + ⟨y, y⟩
= ∥x∥2 + ∥y∥2 .
Inversement : Soit (H, ∥.∥) est e.v.n telle que vérier (∗) , tel que K = R. On pose
1
∥x + y∥2 − ∥x − y∥2 .
⟨x, y⟩ =
4
62
Chapitre 3 Espaces de Hilbert
1
∀x ∈ H − {0} : ⟨x, y⟩ = ∥x + x∥2 = ∥x∥2 > 0.
4
1
∥y + x∥2 − ∥y − x∥2 = ⟨x, y⟩ .
⟨y, x⟩ =
4
Montrons que ⟨., .⟩ est bilinéaire, il sut de montrer que par rapport à la première varaible,
c'est-à-dire
Posons
φ (x, y, z) = 4 [⟨x + y, z⟩ − ⟨x, y⟩ − ⟨x, z⟩] , pour tout x, y, z ∈ H.
Par dénition
D'autre part
Alors
1 1
∥x + y + z∥2 + ∥x − z − y∥2 − ∥y + x − z∥2 + ∥x + z − y∥2
φ (x, y, z) =
2 2
2 2
+ ∥y − z∥ − ∥z + y∥
= 0.
Donc
∀x, y, z ∈ H, ⟨x + y, z⟩ = ⟨x, y⟩ + ⟨x, z⟩ .
Montrons que
∀x, y ∈ H, λ ∈ R : ⟨λx, y⟩ = λ ⟨x, y⟩ . ((3))
63
Chapitre 3 Espaces de Hilbert
= n ⟨x, y⟩ + ⟨x, y⟩
= (n + 1) ⟨x, y⟩ .
Si m ∈ Z− , on a −m ∈ N, alors
= λ ⟨x, y⟩ .
Proposition 3.2.6 (Identité de Pythagore). Soit (H, ⟨., .⟩) un espace préhilbertien, alors ∀x, y ∈
H, on a
∥x + y∥2 = ∥x∥2 + ∥y∥2
x⊥y ⇔
∥x + iy∥2 = ∥x∥2 + ∥y∥2
Démonstration.
(=⇒) Soit x, y ∈ H : ⟨x, y⟩ = 0, alors
= ∥x∥2 + ∥y∥2 ,
64
Chapitre 3 Espaces de Hilbert
et
= ∥x∥2 + ∥y∥2 .
Inversement,
⟨x, y⟩ + ⟨y, x⟩ = ∥y + x∥2 − ∥x∥2 − ∥y∥2 = 0,
Alors
0 = ⟨x, y⟩ + ⟨y, x⟩ = ⟨x, y⟩ + ⟨x, y⟩ = 2Re⟨x, y⟩.
Ce qui implique
⟨x, y⟩ = ⟨x, y⟩ + i⟨x, y⟩ = 0
d'où x⊥y.
Proposition 3.2.7. Soit x , x , ..., x des vecteurs non nul dans un espace préhilbertien, 2 à 2
1 2 n
Démonstration.
Pi=n
Soit α1 , α2 , .., αn ∈ K tel que i=1 αi xi = 0, pour tout k = 1, n,
DXi=n E Xi=n Xi=n
0= αi xi , xk = αi ⟨xi , xk ⟩ = αi δi,k = αk .
i=1 i=1 i=1
65
Chapitre 3 Espaces de Hilbert
Si y ∈ B (0, 1) , alors
∥a∥ − 1 ≤ ∥a∥ − ∥y∥ ≤ ∥a − y∥ ,
ce qui implique
∥a∥ − 1 ≤ inf ∥a − y∥ = d a, B (0, 1) ,
y∈B(0,1)
a
∥a∥ − 1 = a − ≥ d a, B (0, 1) ,
∥a∥
d'où d
a, B (0, 1) = ∥a∥ − 1.
Démonstration.
Soit a, b, c ∈ H , on pose x = a − b et y = a − c, alors
x − y = c − b et x + y = 2a − (b + c) .
1 1
∥a − b∥2 + ∥a − c∥2 = ∥c − b∥2 + ∥2a − (b + c)∥2
2 2
2
1 2 1
= ∥c − b∥ + 2 a − (b + c) .
2 2
Démonstration.
Posons
r = d (a, F ) = inf {∥a − x∥ : x ∈ F } .
66
Chapitre 3 Espaces de Hilbert
1
r ≤ ∥a − xn ∥ ≤ r + .
n
donc
2
1 1
∥xp − xq ∥2 = ∥a − xp ∥2 + ∥a − xq ∥2 − 2 a − (xp + xq ) .
2 2
Comme F s.e.v et xp , xq ∈ F , alors 1
2
(xp + xq ) ∈ F , donc
1
a− (xp + xq ) ≥ r.
2
Par conséquent,
2
1 1
0 ≤ ∥xp − xq ∥2 = ∥a − xp ∥2 + ∥a − xq ∥2 − 2 a − (xp + xq )
2 2
2 2
1 1
≤ r+ + r+ − 2r2 .
p q
c'est-à-dire (xn )n est de Cauchy dans F qui est complet, donc convergente vers un point b ∈ F.
donc
r = ∥b − a∥ = d (a, F ) .
′ ′
Montrons que b est unique, supposons qu'il existe b ∈ F , tel que r = b − a . Par l'indentié
médiane, on a
2
′ 2 1 ′ 2 1 ′
∥a − b∥2 + a − b = b−b +2 a− b+b ,
2 2
donc
2
1 ′ 2 ′ 2 1 ′
0 ≤ b−b = ∥a − b∥2 + a − b −2 a− b+b
2 2
2
2 1 ′
= 2r − 2 a − b+b ≤ 2r2 − 2r2 = 0,
2
67
Chapitre 3 Espaces de Hilbert
′
nous concluons b = b .
Montrons que b vérier, a − b ⊥ F, c'est-à-dire
∀x ∈ F : ⟨a − b, x⟩ = 0.
∥a − b∥2 ≤ ∥a − (b − λx)∥2
= ∥(a − b) + λx∥2
Si λ ∈ R, on a
λ2 ∥x∥2 + 2λRe ⟨a − b, x⟩ ≥ 0, pour tout λ ∈ R, ((∗))
Alors Re⟨a − b, x⟩ = 0.
On remplace x par ix dans (∗) , on trouver
′ ′ ′ ′
comme b, b ∈ F, alors b − b ∈ F et a − b ⊥ b − b , donc
′ 2 ′ 2
a−b + b−b = ∥a − b∥2 ,
′ 2
a−b > ∥a − b∥2 ,
Démonstration.
(=⇒)Soit F ⊂ H, tel que [F ] = H , alors
⊥
[F ] = H ⊥ = {0} ,
68
Chapitre 3 Espaces de Hilbert
⊥
comme F ⊥ = [F ] , donc F ⊥ = {0} .
(⇐)Suppons que [F ] ̸= H , alors il exsite x ∈ H et x ∈
/ [F ], comme [F ] est un s.e.v fermé.
D'après théorème de projection, il existe unique y ∈ [F ], telle que x − y ⊥ [F ], donc
x − y ∈ [F ]⊥ = F ⊥ = {0} ,
c'est-a-dire x = y , absurde.
H.
PF : H → F
x → PF (x) = b : d (x, F ) = ∥a − b∥ .
donc P F (x) est l'unique point de F qui vérier
x − PF (x) ∈ F ⊥ ⇔ ⟨x − PF (x) , y⟩ = 0, ∀y ∈ F.
3. ker P = F .F
⊥
4. H = F ⊕ F. ⊥
5. ∀x ∈ H : x = P (x) + P (x) .
F F⊥
Démonstration.
Soit H un espace de Hilbert et F s.e.v fermé.
(1) Si x ∈ F , alors PF (x) = x, donc x ∈ {x ∈ H : x = PF (x)} . Si x = PF (x) ∈ F , alors x ∈ F.
(2) Linéarité : Soit x, y ∈ H , α ∈ K, pour tout z ∈ F,
69
Chapitre 3 Espaces de Hilbert
donc
∥PF (x)∥ ≤ ∥x∥ , pour tout x ∈ H.
ker PF = {x ∈ H : PF (x) = 0}
= x ∈ H⊥ : x ∈ F ⊥
= F⊥
(5) Soit x ∈ H , montrons que PF ⊥ (x) = x−PF (x). On a x−PF (x) ⊥ F, c'est-à-dire x−PF (x) ∈
F ⊥,
⊥
x − (x − PF (x)) = PF (x) ∈ F = F ⊥ = F,
Démonstration. ⊥ ⊥
⊥
On sait que F ⊥ = [F ] . Montrons que [F ] = [F ], si on pose G = [F ], c'est-à-dire,
⊥
G⊥ = G, avec G est sous espace vectoriel férmé dans H.
Soit x ∈ G, alors
⊥
⟨x, z⟩ = 0, pour tout z ∈ G ,
⊥ ⊥ ⊥
donc x ⊥ G , c'est-à-dire x ∈ G⊥ , d'où G ⊂ G⊥ .
⊥
Inversement, soit x ∈ G⊥ , comme H = G⊥ G, alors
L
x = x1 + x2 , avec x1 ∈ G et x2 ∈ G⊥ ,
70
Chapitre 3 Espaces de Hilbert
Dénition 3.4.1. Une famille inni (a ) est dit linéairement indépendante, si toute famille
n n
,
1, m = n
∀n, m ∈ N ⟨an , am ⟩ = δn,m =
̸ n.
0, m =
[(an )n ] = [(cn )n ] .
Démonstration.
Posons
Fn = [a1 , a2 , ..., an ] , pour tout n ∈ N.
Alors Fn est sous espace vectoriel, tel que dim Fn = n < ∞, donc Fn est fermée. De plus
Posons
b =a ,
1 1
71
Chapitre 3 Espaces de Hilbert
Fn ⊂ Fm−1 ⊂ Fm ,
⊥
On a an ∈ Fn ⊂ Fm−1 et am − PFm−1 (am ) ∈ Fm−1 , alors
an , am − PFm−1 (am ) = 0.
⊥
De même PFn−1 (an ) ∈ Fn−1 ⊂ Fm−1 et am − PFm−1 (an ) ∈ Fm−1 , alors
Donc, ∀n ̸= m : ⟨bn , bm ⟩ = 0.
Posons
bn
cn = , pour tout n ∈ N.
∥bn ∥
Alors
∥cn ∥ = 1, pour tout n ∈ N,
Pour n ̸= m,
bn bm
⟨cn , cm ⟩ = ,
∥bn ∥ ∥bm ∥
1
= ⟨bn , bn ⟩ = 0.
∥bn ∥ ∥bm ∥
Xi=n
bn = αin ai , ∀n ∈ N,
i=1
Donc, pour n ∈ N
Xi=n αin
Cn = λni ai , avec λni = .
i=1 ∥bn ∥
Soit x ∈ [(Cn )n ] , il existe β1 , .., βm ∈ K, tel que
Xk=m Xk=m Xi=k
x = βk Ck = βk λni ai
k=1 k=1 i=1
Xk=m
= µk ak ∈ [(an )n ]
k=1
72
Chapitre 3 Espaces de Hilbert
b0 (x) = a0 (x) = 1.
1 0 1
c = 1 et c = (x − 1) .
1
0 1
2
Dénition 3.5.1. Soit (a ) une famille orthogonaux dans un espace Hilbert H .
n n
Fourier ) . 2
Exemple 3.5.2. Sur R , on a e = (0, ..., 1, .., 0) , alors (e ) une famille orthogonaux, alors
n
k
k=n
k k=1
Proposition 3.5.1. Soit (a ) une famille ni orthonormé dans un espace Hilbert H .
k=n
k k=1
Si x = P λ a , alors
k=n
k=1 k k
X k=n
∥x∥2 = |λk |2 .
k=1
Démonstration.
Pk=n
Soit x ∈ H , tel que x = k=1 λ k ak
DXk=n Xk=n E
∥x∥2 = ⟨x, x⟩ = λk ak , λ k ak
k=1 k=1
Xk=n Xi=n
= ⟨λk ak , λi ai ⟩
k=1 i=1
Xk=n Xi=n
= λk λi ⟨ak , ai ⟩
k=1 i=1
Xk=n Xi=n
= λk λi δk,i
k=1 i=1
Xk=n Xk=n
= λk λk = |λk |2 .
k=1 k=1
73
Chapitre 3 Espaces de Hilbert
Proposition 3.6.1. Soit (a ) une famille orthonormé dans un espace Hilbert H , alors
n n
Démonstration.
On pose
Xk=n
xn = ⟨x, ak ⟩ ak , pour n ∈ N.
k=1
D'autre part,
Xk=n 2
∥xn ∥2 = ⟨x, ak ⟩ ak
k=1
Xk=n
= |⟨x, ak ⟩|2
k=1
Xk=n
= |ξp |2
k=1
2
≤ ∥x∥ .
Pk=n 2 2
Alors k=1 |ξp | est la somme partielle de la série n≥0 |ξn | , donc |ξn |2 est convergente
P P
n≥0
et
X
|ξn |2 ≤ ∥x∥2 .
n≥0
3. Friedrich Wilhelm Bessel (22 juillet 1784, Minden-17 mars 1846, Königsberg) est un astro-
74
Chapitre 3 Espaces de Hilbert
Dénition 3.6.1. Soit (a ) une famille orthonormé dans un espace préhilbertien H . On dit
n n
que (a )
n n est une base hilbertien si
X
∀x ∈ H, x= λ n an .
n∈N
(∀b ∈ H, b⊥an , ∀n ∈ N) ⇒ (b = 0) .
Démonstration.
(⇒) Supposons que (an )n est une base hilbertien.
Soit b ∈ H, tel que ∀n ∈ N : b⊥an , alors
⊥
b ∈ [(an )n ]⊥ = [(an )n ] = H ⊥ = {0} ,
donc b = 0.
(⇐) Supposons que pour tout b ∈ H, tel que ∀n ∈ N, b⊥an , implique b = 0, d'autre part
⊥ ⊥
Alors [(an )n ] ⊂ {0} , donc [(an )n ] = {0} , ce qui implique
⊥ ⊥
[(an )n ] = {0}⊥ = H
[(an )n ] = H.
75
Chapitre 3 Espaces de Hilbert
Démonstration.
(2) ⇒ (3) : Il sut de remplacer y par x dans (2) .
(3) ⇒ (4) : Soit x ∈ H , on pose
Xk=n
xn = ξk ak , pour tout n ∈ N.
k=1
Mais,
Xk=n Xk=n
∥xn ∥2 = ξk ak = |ξk |2 .
k=1 k=1
Xk=n
∥x∥2 = lim |ξk |2 .
n→∞ k=1
Alors
lim ∥xn − x∥2 = lim ∥x∥2 − ∥xn ∥2 = 0.
n→∞ n→∞
(4) ⇒ (1) : Si pour tout x ∈ H , x = alors (an )n est une base hilbertien.
P
n ξn an ,
Pk=n
On pose xn = k=1 ξk ak , pour n ∈ N, alors lim xn = x, ou lim ∥xn − x∥ = 0,
n→∞ n→∞
Xk=n X
∥x∥2 = lim |ξk | = |ξn | .
n→∞ k=1 n≥1
1 i
∥x + y∥2 − ∥x − y∥2 + ∥x + iy∥2 − ∥x − iy∥2 ,
⟨x, y⟩ =
4 4
76
Chapitre 3 Espaces de Hilbert
donc
X 1
|ξn + ηn |2 − |ξn − ηn |2 + i |ξn + iηn |2 − |ξn − iηn |2
⟨x, y⟩ =
n≥1 4
X
= ⟨ξn , ηn ⟩C
n≥1
X
= ξn ηn .
n≥1
Proposition 3.6.4. Soit H un espace de Hilbert séparables alors H admet une base hilbertien.
Démonstration.
Soit H un espace de Hilbert séparables, il existe (an )n , tel que
{an : n ∈ N} = H.
[(an )n ] = [(bn )n ] ,
alors [(bn )n ] = H . Par Par le Théoréme de Gram-Schmidt, il existe (cn )n orthonormal, tel que
[(cn )n ] = [(bn )n ] ,
donc
[(cn )n ] = [(bn )n ] = H,
Alors L'application ψ ∈ H .
a
′
77
Chapitre 3 Espaces de Hilbert
Démonstration.
Soient α, β ∈ K et x, y ∈ H , on a
= α ⟨x, a⟩ + β ⟨y, a⟩
a → T a = ψa .
2) Soit A est forme linéaire continue i.e. A ∈ H , alors il existe un unique a ∈ H , tel que
′
A = Ta et ∥A∥ = ∥a∥ . H′
Démonstration.
′
1) On a T est bien dénie, car ∀x ∈ H : T x = ψx ∈ H .
L'application T est semi-linéaire, Soient α, β ∈ K et a, b ∈ H , on a
= α ⟨x, a⟩ + β ⟨x, b⟩
4. Frigyes Riesz né le 22 janvier 1880 à et mort le 28 février 1956 à Budapest, est un mathéaticien
78
Chapitre 3 Espaces de Hilbert
alors
pour tout a ∈ H, ∥T a∥H ′ ≤ ∥a∥H .
a
Pour x0 = , avec a ̸= 0, alors
∥a∥H
a
(T a) (x0 ) = ψa (x0 ) = , a = ∥a∥H = ∥x0 ∥ ∥a∥H .
∥a∥H
Donc
pour tout a ∈ H, ∥T a∥H ′ = ∥a∥H .
∃ unique a ∈ H : A = T a.
Si A = 0, alors a = 0, donc
ψa (x) = ⟨x, a⟩ = 0 = Ax.
Si A ̸= 0, alors
∃b ∈ H : Ab ̸= 0.
′
Comme A ∈ H , alors ker A est sous espace vectoriel fermé, donc
H = ker A ⊕ ker A⊥ .
On a b ∈ H , alors
∃b1 ∈ ker A et b2 ∈ ker A⊥ tel que b = b1 + b2 ,
Posons
A (x)
y =x− b2 , pour tout x ∈ H,
A (b2 )
alors
A (x) A (x)
A (y) = A x − b2 = A (x) − A b2 = 0.
A (b2 ) A (b2 )
79
Chapitre 3 Espaces de Hilbert
A (x)
0 = ⟨y, b2 ⟩ = ⟨x, b2 ⟩ − ⟨b2 , b2 ⟩ .
A (b2 )
Donc * +
⟨x, b2 ⟩ A (b2 )
A (x) = A (b2 ) = x, b2 = (T a) (x) ,
∥b2 ∥2 ∥b2 ∥2
avec
A (b2 )
a= b2 ∈ H,
∥b2 ∥2
comme T est une isométrie, alors ∥A∥H ′ = ∥a∥ .
80
Chapitre 3 Espaces de Hilbert
3.8 Exercices
3.8.1 Énoncés
Exercice 24.
Soient a un vecteur unitaire d'un espace préhilbertien réel H , k un réel et Φ : H × H → R
l'application déterminée par
Φ (x, y) = ⟨x, y⟩ + k ⟨x, a⟩ ⟨y, a⟩ .
Donner une condition nécessaire et susant pour que Φ soit un produit scalaire.
Exercice 25.
L'espace de Hilbert L (]0, 1[) est noté H et ⟨., .⟩ désigne son produit scalaire. Soit
2
Z 1
F= f ∈H: f (x) dx = 0 .
0
Exercice 26.
Soient H et H deux espaces de Hilbert et Φ : H → H une application linéaire.
1 2 1 2
(i) ∥Φx∥ = ∥x∥ , pour tout x ∈ H .(l'application Φ est une isométrie linéaire)
2 1 1
(b) Montrer que, si Φ est une isométrie linéaire est est nécessairement injective.
(iii) Si (e ) est une base hilbertienne de H , alors (Φ (e )) est une base hilbertienne de
j 1 j
Φ (H ).
1
Exercice 27.
L'espace L (R), muni de sa norme usuelle avec 1 ≤ p < +∞, est-il un espace de Hilbert.
p
81
Chapitre 3 Espaces de Hilbert
Exercice 28.
Soit H un espace préhilbertien et soit (x ) ∈ H.n n
Montrons que, si (⟨x , x⟩) converge vers ⟨x, x⟩ et ∥x ∥ converge vers ∥x ∥, alors (x )
n n n n n n
converge vers x.
Exercice 29.
Soient M et N des sous-espaces fermés de H tels que
∀u ∈ M , ∀v ∈ N , ⟨u, v⟩ = 0.
Xn=+∞
⟨u, v⟩ = un vn .
n=0
Xn=+∞
Φ (u) = an u2n + bn un .
n=0
où (a ) , (b ) sont des suites réelles avec (a ) ∈ [α, β], pour tout n ∈ N et b ∈ ℓ (N) .
n n n n n n
2
Exercice 31.
On considère l'espace H = ℓ (N),
2
A = u ∈ ℓ2 (N) : u2n = 0 ,
Exercice 32.
Soit n ∈ N. On note H = R n [X] . Soit ⟨., .⟩ : H × H → R dénie pour tout P, Q ∈ H par
Xk=n
⟨P, Q⟩ = P (k) (0) Q(k) (0) .
k=0
82
Chapitre 3 Espaces de Hilbert
Exercice 33.
On suppose H = R [X] muni du produit scalaire déni par
Z 1
⟨P, Q⟩ = p (t) Q (t) dt.
−1
Z 1 Z 1 Z 1
p (t) Q (t) dt = |t| P (t) dt Q (t) dt .
−1 −1 −1
Exercice 34.
Soit H = C ([0, 1] , R). Pour f, g ∈ H , on pose
Z 1
′ ′
φ (f, g) = f (t) g (t) dt + f (1) g (0) + f (0) g (1) .
0
On pose
F = {f ∈ H : f (t) = 0, pour t ∈ [−1, 0]}
1) Montrer que F est un s.e.v fermé de H .
2) Caractériser le sous-espace F . ⊥
Exercice 36.
Soit H un espace de Hilbert.
Déterminer la projection orthogonale sur sa boule unité fermée.
Exercice 37.
Soit H = R [X]. On munit H du produit scalaire
Z 1
⟨P, Q⟩ = P (t) Q (t) dt
−1
(a) Montrer que la famille (L ) est une base orthogonale de l'espace préhilbertien (H, ⟨., .⟩).
n n
83
Chapitre 3 Espaces de Hilbert
= (k + 1) ∥x∥2 .
Si k ≥ −1, alors Φ est dénie positive. On trouve que k ≥ −1 implique Φ est dénie positive.
Montrons la réciproque, si Φ est dénie positive, alors
Φ (x, x) = ∥x∥2 + k |⟨x, a⟩|2 ≥ 0.
Si x = a, on obtient
Φ (a, a) = ∥a∥2 + k |⟨a, a⟩|2
= 1 + k ≥ 0,
donc k ≥ −1.
Solution 25.
(a) Soit l'application A : H → R est déni par :
Z 1
Af = f (x) dx.
0
H = F ⊕ F ⊥.
84
Chapitre 3 Espaces de Hilbert
Soit f ∈ H , on pose
et
Z 1 Z 1
f1 (x) = f (x) − f (x) dx f2 (x) = f (x) dx.
0 0
Alors f 1 ∈F et
Z 1 Z 1 Z 1
⟨f1 , f2 ⟩ = f (x) dx f (x) − f (x) dx dx = 0,
0 0 0
Donc f 2 ∈ F⊥ , d'où
F ⊥ = {f ∈ H : f = const p.p sur ]0, 1[} .
(c) La projection orthogonal de g sur F.
⟨g − PF (g) , f ⟩ = 0, ∀f ∈ F .
C'est-à-dire g − P F (g) ∈ F ⊥ , alors
g (x) − PF (g) (x) = C ∈ R, p.p sur ]0, 1[
Comme P F (g) ∈ F , alors
Z 1 Z 1
1
0= PF (g) (x) dx = (g (x) − C) dx = − C,
0 0 3
donc
PF (g) (x) = x2 −
1
3
p.p sur ]0, 1[ .
Solution 26.
(a) [(i) ⇒ (ii)] Soit x, y ∈ H, par (i), on a
∥Φ (x)∥22 = ∥x∥21 , ∥Φ (y)∥22 = ∥y∥21 , ∥Φ (x + y)∥22 = ∥x + y∥21 .
Ainsi
∥x + y∥21 = ⟨x + y, x + y⟩1 = ∥x∥21 + ∥y∥21 + 2Re ⟨x, y⟩1 ,
85
Chapitre 3 Espaces de Hilbert
donc
⟨Φ (x) , Φ (y)⟩2 = Re ⟨Φ (x) , Φ (y)⟩2 + iIm ⟨Φ (x) , Φ (y)⟩2
= ⟨x, y⟩1 .
= {x ∈ H : ∥Φ (x)∥2 = 0}
= {x ∈ H : ∥x∥1 = 0}
= {x ∈ H : x = 0} = {0} .
Φ (H1 ) = {Φ (x) : x ∈ H1 } .
Montrons que Φ (H ) est une sous espace vectoriel fermé, en eet, soient y, z ∈ Φ (H ) et
1 1
α, β ∈ K, alors
Par suite,
αy + βz = αΦ (u) + βΦ (v)
= Φ (αu) + Φ (βv)
Soit (y ) une suite dans Φ (H ) tel que (y ) est converge vers y dans H . Pour montrer que
n n 1 n n 2
∃ (x ) ∈ H , n n tel que (y ) = (Φ (x )) .
1 n n n n
86
Chapitre 3 Espaces de Hilbert
Pour tout n, m ∈ N, on a
∥xn − xm ∥1 = ∥Φ (xn − xm )∥1 = ∥Φ (xn ) − Φ (xm )∥1
= ∥yn − ym ∥2 .
Comme (y ) est une suite Cauchy dans H , alors (x ) est une suite Cauchy dans H , qu'est
n n 2 n n 1
Donc y = Φ (x) ∈ Φ (H ) . Comme Φ (H ) est une sous espace vectoriel fermé, alors (Φ (H ) , ∥.∥ )
1 1 1 2
est une espace de Banach, puisque ∥.∥ extrait de ⟨., .⟩ , donc (Φ (H ) , ⟨., .⟩ ) est un espace de
2 2 1 2
Hilbert.
(c) [(ii)] Montrons que Φ (E ) est dense dans Φ (H ). Soit y ∈ Φ (H ) , alors
1 1 1
Comme E est dense dans H , alors il existe une suite (x ) ∈ E, tel que (x ) est converge
1 1 n n n n
vers x dans H . 1
Posons
(yn )n = (Φ (xn ))n ∈ Φ (E) .
Ainsi
lim yn = lim Φ (xn ) = Φ (x) = y.
n→+∞ n→+∞
Alors Φ (E ) = Φ (H ) .
1 1
Soit y ∈ Φ (H ), alors
1
∃ (λ ) ∈ K, tel que x = X λ e ,
j j
j
j j
donc
X
y = Φ (x) = Φ λj ej
j
X
= Φ (λj ej )
j
X
= λj Φ (ej ) .
j
87
Chapitre 3 Espaces de Hilbert
Solution 27.
Si p = 2, soit f, g ∈ L (R) , on a
2
Z Z
∥f + g∥2L2 (R) + ∥f − g∥2L2 (R) = |f (x) + g (x)| dx + 2
|f (x) − g (x)|2 dx
ZR R
R R
= 2 ∥f ∥2L2 (R) + 2
2 ∥g∥L2 (R) .
Comme l'identité de parallélogramme est vérfait, alors L (R) est un espace de Hilbert.2
Si p ̸= 2, on pose
f (x) = χ (x) et g (x) = χ
[0,1] (x) , pour tout x ∈ R. [1,2]
Alors 1
∥f + g∥2Lp (R) = ∥f − g∥2Lp (R) = 4 p ,
∥f ∥2L2 (R) = ∥g∥2L2 (R) = 1.
Donc
∥f + g∥2Lp (R) + ∥f − g∥2Lp (R) ̸= ∥f ∥2L2 (R) + 2 ∥g∥2L2 (R) ,
| {z } | {z }
1 4
2.4 p
Solution 28.
(⇒) Soient (x ) n n ∈H et x ∈ H, alors
∥xn − x∥2 = ⟨xn − x, xn − x⟩
Comme
lim ⟨xn , x⟩ = ⟨x, x⟩
n→∞
, alors lim Re ⟨x , x⟩ = Re ⟨x, x⟩ .
n→∞
n
Donc
lim ∥xn − x∥2 = lim ∥xn ∥2 − 2Re ⟨xn , x⟩ + ∥x∥2 = 0.
n→∞ n→∞
88
Chapitre 3 Espaces de Hilbert
(⇐) Soient (x ) ∈ H et x ∈ H, on a
n n
lim ∥xn − x∥ = 0.
n→∞
Alors
∀n ∈ N : |∥xn ∥ − ∥x∥| ≤ ∥xn − x∥ ,
Solution 29.
Soit (x ) une suite dans M + N tel que (x ) converge vers x dans H.
n n n n
∃ (u ) ∈ M et ∃ (v ) ∈ N tel que (x ) = (u ) + (v )
n n n n n n n n n n .
Pour tout n, m ∈ N,
⟨un − um , vn − vm ⟩ = ⟨un , vn ⟩ + ⟨un , vm ⟩ − ⟨um , vn ⟩ − ⟨um , vm ⟩ = 0.
= ∥xn − xm ∥2
Comme (x ) est convergente, alors (x ) est une suite de Cauchy, donc les deux suites (u ) et
n n n n n n
= lim un + lim vn = u + v
n→∞ n→∞
Donc x ∈ M + N.
89
Chapitre 3 Espaces de Hilbert
Solution 30.
(i)L'application Φ : ℓ (N) → R est bien dénie.
2
u
∈ ℓ (N) et (b u ) ∈ ℓ (N) .
2
n n
1
n n n
1
an u2n + bn un ∈ ℓ1 (N) ,
n
Xn=+∞ Xn=+∞
|Φ (u) − Φ (v)| = an u2n + bn un − an vn2 + bn vn
n=0 n=0
Xn=+∞ Xn=+∞
= an u2n − vn2 + bn (un − vn )
n=0 n=0
Xn=+∞ Xn=+∞
an u2n − vn2 +
≤ bn (un − vn )
n=0 n=0
Xn=+∞ Xn=+∞
≤ |an | u2n − vn2 + |bn | |un − vn |
n=0 n=0
Xn=+∞ Xn=+∞
≤ ∥a∥∞ |un − vn | |un − vn | + |bn | |un − vn |
n=0 n=0
Alors
lim |Φ (u) − Φ (v)| ≤ lim [∥a∥∞ ∥u + v∥2 + ∥b∥2 ]2 ∥u − v∥2 = 0,
v→u v→u
Solution 31.
(i)Montrons que A est fermé de ℓ (N) . 2
Pour montrer que A est une partie fermée dans H , il sut de montrer que u ∈ A.
k k
∀k ∈ N, ∀n ∈ N, on a
sX
ukn − un ≤ |ukn − un |2 = uk − u 2
.
n∈N
90
Chapitre 3 Espaces de Hilbert
Alors
lim ukn − un ≤ lim uk − u 2
= 0,
k→∞ k→∞
Lorsque k → ∞, on trouve
∀n ∈ N : u2n = 0,
donc u ∈ A.
(i) Montrons que B est fermé de ℓ (N) . 2
Soit u une suite dans B telles que u = u converge vers u = (u ) dans H. Pour
k k k
n n k n n
montrer que B est une partie fermée dans H , il sut de montrer que u ∈ B. On a lim u = u ,
k k
k
n n
comme u ∈ B, alors
k→∞
k
k
Lorsque k → ∞, on trouve
∀n ∈ N∗ : u2n = 2−n u2n−1 ,
donc u ∈ B.
Solution 32.
Il est claire ⟨., .⟩ que est une forme bilinéaire et symétrique.
(1)
Montrons que ⟨., .⟩ est dénié positive, en etet, soit P ∈ H, alors
Xk=n
⟨P, P ⟩ = P (k) (0) P (k) (0)
k=0
Xk=n 2
= P (k) (0) ≥ 0.
k=0
Si ⟨P, P ⟩ = 0, alors
∀k ∈ {0, 1, ..., n} : P (k) (0) = 0.
si k ≤ p,
p! p−k
k!
x
si k > p.
L(k)
p (x) =
0
91
Chapitre 3 Espaces de Hilbert
Alors
si k = p,
p!
si k ̸= p.
(k)
Lp (0) =
0
Donc
⟨xp , xq ⟩ = ⟨Lp (x) , Lq (x)⟩
Xk=n
= L(k) (k)
p (0) Lq (0)
k=0
= δp,q p!q!.
xp xq
p q
⟨x , x ⟩ = δp,q p!q! ⇔ , = δp,q .
p! q!
Comme dim R [X] = 3 < ∞, alors R [X] est une sous espace vectoriel fermé.
2 2
h (x) = α + α x + α x , α , α , α ∈ R.
0 1 2
2
0 1 2
donc
p (0) = a0 , p(1) (0) = a1 , p(2) (0) = 2a2
donc α 0 = α1 = 0 et α 1 = 1, d'où
PR2 [X] (q) (x) = x2 .
92
Chapitre 3 Espaces de Hilbert
Solution 33.
(1) Montrons que F est un s.e.v fermé.
Soit l'application A : R [X] → R déni par
Z 1
AP = |t| P (t) dt.
−1
Il est claire que A est une forme linéaire. Pour tout P ∈ R [X] , on a
Z 1 Z 1
|AP | ≤ |t| |P (t)| dt ≤ |P (t)| dt
−1 −1
sZ sZ
1 1
≤ dt |P (t)|2 dt
−1 −1
√
= 2 ∥P ∥ .
Alors A est continue. Comme F = ker A. Puisque ker A est un s.e.v fermé, alors F est un s.e.v
fermé.
(2) Soit P ∈ R [X] , on pose
Z 1
P0 (t) = P (t) − |t| P (t) dt.
−1
Alors P 0 ∈ R [X] et on a
Z 1 Z 1 Z 1
|t| P0 (t) dt = |t| P (t) − |t| P (t) dt dt
−1 −1 −1
Z 1 Z 1 Z 1
= |t| P (t) dt − |t| P (t) dt |t| dt = 0,
−1 −1 −1
donc P ∈ F .
0
Soit Q ∈ F , alors ⟨P , Q⟩ = 0,
⊥
0
Z 1 Z 1
⟨P0 , Q⟩ = Q (t) P (t) − |t| P (t) dt dt
−1 −1
Z 1 Z 1 Z 1
= Q (t) P (t) dt − Q (t) |t| P (t) dt dt
−1 −1 −1
Z 1 Z 1 Z 1
= Q (t) P (t) dt − |t| P (t) dt Q (t) dt = 0.
−1 −1 −1
donc Z 1 Z 1 Z 1
Q (t) P (t) dt = |t| P (t) dt Q (t) dt.
−1 −1 −1
Solution 34.
Il est claire que φ est une forme bilinéaire et symétrique sur H.
Montrons que φ est dénie positive, en eet, soit f ∈ H , on a
Z 1 2
′
φ (f, f ) = f (t) dt + 2f (1) f (0) .
0
93
Chapitre 3 Espaces de Hilbert
D'autre part,
Z 1 Z 1
′ ′
|f (1) − f (0)| = f (t) dt ≤ f (t) dt
0 0
Z 1 21
′ 2
≤ f (t) dt ,
0
alors
Z 1 2
′
φ (f, f ) = f (t) dt + 2f (1) f (0)
0
≥ (f (1) − f (0))2 + 2f (1) f (0)
= f 2 (1) + f 2 (0) ≥ 0.
que f ∈ F . On a Z 1
lim |fn (t) − f (t)|2 dt = 0,
n→+∞ −1
, si
Z 0 Z 1
= |f (t)|2 dt + |fn (t) − f (t)|2 dt → 0 n → ∞,
−1 0
94
Chapitre 3 Espaces de Hilbert
donc
ce qu'implique , pour t ∈ [−1, 0] .
Z 0
|f (t)|2 dt = 0 f (t) = 0
2) Le sous-espace F . ⊥
F ⊥ = {f ∈ C ([0, 1] , R) : ⟨f, g⟩ = 0, ∀g ∈ F} .
Soit g ∈ F , alors
Z 1 Z 0 Z 1
⟨f, g⟩ = f (t) g (t) dt = f (t) g (t) dt + f (t) g (t) dt
−1 −1 0
Z 1
= f (t) g (t) dt = 0,
0
donc
F ⊥ = {f ∈ C ([0, 1] , R) : f (t) = 0 , pour t ∈ [0, 1]} .
Solution 36.
On trouve P u = u si ∥u∥ ≤ 1. Si ∥u∥ > 1, pour tout v avec ∥v∥ ≤ 1, on
∥u − v∥ ≥ ∥u∥ − ∥v∥
u
≥ ∥u∥ − 1 = u − .
∥u∥
Donc P u = ∥u∥
u
.
Solution 37.
Soit n ∈ N. Posons P (x) = (x − 1) de sorte que L = P .
n
2 n
n
(n)
n
Z 1 Z 1
⟨Ln , P ⟩ = Ln (x) P (x) dx = Pn(n) P (x) dx
−1 −1
Z 1
(n−1) 1
= Pn P (x) −1 − Pn(n−1) P (1) (x) dx.
−1
95
Chapitre 3 Espaces de Hilbert
Alors
1
Z 1
k
Pn(n−k−1) P (k) Pn(n−k−1) P (k+1)
⟨Ln , P ⟩ = (−1) (x) −1 − (x) dx
−1
Z 1
k+1
= (−1) Pn(n−k−1) P (k+1) (x) dx.
−1
En particulier
Z 1
n
⟨Ln , P ⟩ = (−1) Pn (x) P (n) (x) dx
−1
Z 1 n
= (−1)n x2 − 1 P (n) (x) dx.
−1
(b) On a
1 n
Z
2 n
∥Ln ∥ = ⟨Ln , Ln ⟩ = (−1) x2 − 1 Ln(n) (x) dx
−1
Z 1
n
= 2 (−1)n 2n! x2 − 1 dx
−1
Z 0
n
= 2 (2n)! 1 − cos2 t (− sin (t)) dt
π
2
Z π
2 n
= 2 (2n)! 1 − cos2 t sin (t) dt
. (Intégrales de Wallis)
0
= 2 (2n)!w2n+1
On sait que
2n 22n (n!)2
w2n+1 = w2n−1 = .
2n + 1 (2n + 1)!
On obtient alors
22n (n!)2
∥Ln ∥2 = 2 (2n)!
(2n + 1)!
22n+1 (n!)2
= ,
2n + 1
96
Chapitre 3 Espaces de Hilbert
donc r
2
∥Ln ∥ = 2n (n!) .
2n + 1
(c)On en déduit que la famil 2
1
n+1 n!
√
4n + 2Ln
est une base orthonormale de H . Pour n ∈ N,
on pose
n
1 √ dn 2
(n)
Qn (x) = 4n + 2 x − 1 .
2n+1 n! dxn
97
Bibliographie
[6] J. Charles, Mostafa Mbekhta and Hervé Queéec, Analyse fonctionnelle et théorie des opé-
rateur, Dunod, (2010).
[7] S. Gonnord, N. Tosel, Thèmes d'analyse pour l'agrégation, Topologie et analyse fonction-
nelle, Ellipses, (1996).
[8] W. Rudin, Analyse réelle et complexe, Masson, (1995).
98
Index
Distance, 5, 15 Isomorphisme, 5
99
Index
100