Cours Ise de Analyse Fonctionnelle

ANALYSE FONCTIONNELLE ET ANALYSE
CONVEXE
Chapitre 1: Espaces vectoriels

normés et espaces de Banach
1.1 Notion d’espace vectoriel et d’application linéaire
1.1.1 Espaces vectoriels
Dans ce paragraphe, K désigne un corps commutatif, d’élémént nul 0 et d’unité
1.
Définition: On appelle espace vectoriel sur K tout ensemble non vide E
muni de deux structures:
. Une addition (loi de composition interne dans E)
+ : E × E −→ E
telle que (E, +) est un groupe abélien.
(x, y) 7−→ x + y
. Une multiplication par un scalaire (loi de composition externe sur E à
opérateurs dans le corps K)
. : K × E −→ E
et qui vérifie les propriétés:
(λ, x) 7−→ λx
∀x, y ∈ E, ∀λ ∈ K, λ(x + y) = λx + λy.
∀x ∈ E, ∀λ, µ ∈ K, (λ + µ)x = λx + µx.
∀x ∈ E, ∀λ, µ ∈ K, (λµ)x = λ(µx).
∀x ∈ E, 1x = x
Les éléments de E sont des vecteurs et les éléments de K des scalaires.
Soit S = {x1 , ..., xn } une famille finie de vecteurs de E
Définition: On dit que la famille S est libre ou que les vecteurs x1 , ..., xn
sont linéairement indépendants si l’équation
λ1 x1 + ... + λn xn = 0 admet pour unique solution λ1 = ... = λn = 0.
On dit qu’une famille infinie S 0 = {x1 , ..., xn ...} est libre si ∀q ∈ N∗ , la famille
finie Sq = {x1 , ..., xq } est libre ( toute sous famille finie de S 0 est libre).
Définition: La dimension d’un espace vectoriel E est le nombre maximum
de vecteurs linéairement indépendants de E. Si ce nombre est fini, on dit que
E est de dimension finie et s’il est infini, on dit que E est de dimension infini.
1
Un espace vectoriel E est de dimension infinie si on peut trouver dans E une
famille infinie de vecteurs linéairement indépendants.
Exemple 1: Soit E l’ensemble des suites de nombres réels
x = (x1 , ..., xn , ...) = (xn )n∈N∗ . On définit dans E les lois:
Si x = (xn )n≥1 , y = (yn )n≥1 et λ ∈ R, on pose
x + y = (xn + yn )n≥1 et λx = (λxn )n≥1 .
E est un espace vectoriel sur R et E est de dimension infinie. En effet, soit
(e(i) )i≥1 la famille définie par e(i) = (0, ..., 0, 1, 0, ...) (1 à la ième place).
La famille S = {e(i) , i ∈ N∗ } est libre.
En effet, soit q ∈ N∗ et soit λ1 , ..., λq ∈ R. On a:
λ1 e(1) + ... + λq e(q) = (λ1 , ..., λq ...) et on a donc
λ1 e(1) + ... + λq e(q) = 0 =⇒ λ1 = ... = λq = 0.
Exemple 2: Soit E l’espace des applications de R dans R. Alors, E est un
espace vectoriel pour les lois:
(f + g)(x) = f (x) + g(x) et (λf )(x) = λf (x).
E est de dimension infinie: considérer la famille (e(i) )i∈N telle que
e(i) : x 7→ xi .
Alors, S = {e(i) , i ∈ N} est une famille libre.
Définition: Soit E un espace vectoriel sur K. On appelle sous espace vectoriel
de E toute partie non vide F de E telle que la restriction des lois de E à F font
de F un espace vectoriel sur K.
Proposition 1: Une partie F de E est un sous espace vectoriel de E si et
seulement si
. 0E ∈ F
. ∀x, y ∈ F, x + y ∈ F
. ∀x ∈ F, ∀λ ∈ K, λx ∈ F
Proposition 2: Soit F un sous espace vectoriel de E, alors, pour toutes
familles finies
Pn
(xi )1≤i≤n d’éléments de F et (λi )1≤i≤n d’éléments de K, λ i xi ∈ F .
i=1
n
P
Une somme finie de la forme λi xi est appelée combinaison linéaire des
i=1
xi .
Proposition 3: Pour toute famille (Fi )i∈I de sous espaces vectoriels de E,
∩ Fi est un sous espace vectoriel de E.
i∈I
Soit A une partie non vide de E. L’intersection de tous les sous espaces
vectoriels de E contenant A est un sous espace vectoriel de E qu’on appelle le
sous espace vectoriel de E engendré par A; c’est l’ensemble des combinaisons
linéaires d’éléments de A. On le note hAi.
Définition: Soit (Nα )α∈I une famille
P de sous espaces vectoriels de E. On
appelle somme des Nα et on note Nα le sous espace vectoriel de E engendré
α∈I
par A = ∪ Nα .
α∈I P
Tout élément de Nα est une somme de la forme xα1 +...+xαm où (αi )1≤i≤m
α∈I
est une famille d’éléments de I et ∀i ∈ {1, ..., m}, xαi ∈ Nαi .
2
Si I = {1, 2}, on note N1 + N2 .
Définition: Soit (Ei )i∈I une famille d’espaces vectoriels sur K. On appelle
somme directe de la famille (Ei )i∈I et on note ⊕ Ei l’espace vectoriel E construit
i∈I
de la manière suivante:
. Les éléments de E sont les familles (xi )i∈I où xi ∈ Ei , ∀i ∈ I et xi = 0
sauf pour un nombre fini d’indices; xi est la composante d’indice i de x.
. Les lois de E sont définies par les formules:
(xi ) + (yi ) = (xi + yi ) et λ(xi ) = (λxi ).
Si I = {1, 2}, on note E = E1 ⊕ E2 . Q
Si I est un ensemble fini, ⊕ Ei s’identifie au produit cartésien Ei .
i∈I t∈I
Si E = E1 ⊕ E2 , on dit que les sous espaces vectoriels E1 et E2 sont supplé-
mentaires.
On a l’équivalence:
E = E1 ⊕ E2 ⇐⇒ E = E1 + E2 et E1 ∩ E2 = {0}.
Définition: On dit qu’un sous espace vectoriel V de E est de codimension
finie si V admet dans E un supplémentaire de dimension finie. Cette dimen-
sion est indépendante du supplémentaire et est appelée la codimension de V .
Si V n’admet pas de supplémentaire de dimension finie, on dit que V est de
codimension infinie.
Un sous espce vectoriel de E, de codimension 1 est appelé un hyperplan de
E.
1.1.2 Applications linéaires

Soient E et F deux espaces vectoriels sur K et soit f une application de E dans
F.
Définition: On dit que f est une application linéaire si
∀x, y ∈ E, ∀λ, µ ∈ K, f (λx + µy) = λf (x) + µf (y).
Remarque: Si f est une application linéaire de E dans F , f (0E ) = 0F .
Définitions: Toute application linéaire de E dans E est applée un endomor-
phisme de E.
Une application linéaire bijective de E dans F est appelée un isomorphisme
de E sur F .
Un endomorphisme bijectif de E est appelé un automorphisme de E.
Définition: Soit f une application linéaire de E dans F .
On appelle noyau de f et on note ker f l’ensemble des vecteurs de E qui ont
pour image 0F .
kerf = {x ∈ E/f (x) = 0}.
On appelle image de f l’ensemble imf des vecteurs de F qui ont un antécé-
dent dans E.
imf = f (E) = {y ∈ F/∃x ∈ E : f (x) = y} = {f (x), x ∈ E}
Proposition 4: Soit f une application linéaire de E dans F . Alors:
f est injective si et seulement si ker f = {0}
f est surjective si et seulement si imf = F
Si E et F sont de diemnsion finie, alors on a l’équivalence:
3
(f injective)⇔(f surjective)⇔(f bijective)
Notations: On note:
hom(E, F ) l’ensemble des applications linéaires (homomorphismes d’espaces
vectoriels) de E dans F , c’est un espace vectoriel sur K.
End(E) l’ensemble des endomorphismes de E; c’est un anneau unitaire, non
commutatif en général pour l’addition et la composition des applications.
Aut(E) l’enseble des automorphismes de E; c’est un groupe non abélien pour
la composition des applications.
1.2 Espaces vectoriels normés et espaces de Banach

1.2.1 Espaces vectoriels normés
Généralités sur les espaces vectoriels normés
Dans ce paragraphe, K désigne l’un des corps R ou C.
Soit E un espace vectoriel sur K.
Définition: : On appelle norme sur E toute application N de E dans R telle
que:
(i) N (x) ≥ 0, ∀x ∈ E.
(ii) N (x) = 0 ⇐⇒ x = 0.
(iii) N (λx) = |λ|N (x), ∀x ∈ E, ∀λ ∈ K.
(iv) N (x + y) ≤ N (x) + N (y), ∀x, y ∈ E (inégalité de Minkowski ou inégalité
de convexité)
On appelle espace vectoriel normé un espace vectoriel muni d’une norme.
Remarque: 1. ∀x1 , ..., xn ∈ E, N (x1 + ... + xn ) ≤ N (x1 ) + ... + N (xn )
2. L’application d de E × E dans R définie par d(x, y) = N (x − y) est une
distance sur E. Cette distance vérifie les propriétés supplémentaires:
d(λx, λy) = |λ|d(x, y), ∀x, y ∈ E, ∀λ ∈ K
d(x + z, y + z) = d(x, y), ∀x, y, z ∈ E.
Notation: On adopte très souvent la notation N (x) = kxk.
Exemples
1. kxk = |x| est une norme sur K.
2. Sur K n , les applications ci-dessous définies sont des normes:
k(x1 , ...xn )k1 = max |xi |
1≤i≤n
1
k(x1 , ..., xn )kp = (|x1 |p + ... + |xn |p ) p pour tout réel p ≥ 1.
Indication de preuve de l’inégalité de convexité pour k.kp
Pour p = 1, l’inégalité est évidente. Nous supposons dans la suite p > 1 et
soit q > 1 le réel tel que p1 + 1q = 1
Soit v ≥ 0; alors l’application f de [0+∞[ dans R définie par f (u) = p1 up −uv
1
admet u0 = v p−1 comme minimum p
absolu,
p
d’où:
∀u ≥ 0, f (u0 ) ≤ f (u) ou p1 v p−1 − v p−1 ≤ p1 up − uv ou − 1q v q ≤ p1 up − uv
On a donc montré que ∀u ≥ 0, ∀v ≥ 0, uv ≤ p1 up + 1q v q ......(1)
Soit (ui )1≤i≤n et (vi )1≤i≤n deux familles de réels. En appliquant (1) avec
4
|uj | |vj |
u = n
1 et v = n
1 et faisant la somme, on a l’inégalité
P p P q
|ui |p |vi |q
i=1 i=1
suivante appelée inégalité de Hölder:
n
n p1 n q1
p q
P P P
|ui ||vi | ≤ |ui | |vi | .
i=1 i=1 i=1
On écrit ensuite, pour p > 1:
n n n
|ui + vi |p ≤ |ui ||ui + vi |p−1 + |vi ||ui + vi |p−1
P P P
i=1 i=1 i=1
On applique l’inégalité de Hölder aux termes du second membre de l’inégalité
ci-dessus et on obtient l’inégalité de Minkowski.
3. Soit `∞ l’espace des suites bornées d’éléments de K. On définit une norme
sur `∞ en posant, pour x = (xn )n∈N ∈ `∞ ,
kxk∞ = sup|xn |.
n∈N
4. Soit p ∈ [1, +∞[. On désigne par `p l’espace des suites x = (xn )n∈N telles
∞
|un |p soit convergente. Alors, on définit une norme sur `p en
P
que la série
n=1
posant:
∞
p1
p
P
kxkp = |un | .
n=1
5. Soit B(E, K) l’espace des applications bornées d’un ensemble non vide
E dans K, alors kf k∞ = sup |f (x)| est une norme sur B(E, K).
x∈E
En particulier, si E est un espace topologique compact, l’espace C (E, K) des
applications continues de E dans K est un espace vectoriel normé pour k.k∞ .
6. Soit a et b deux réels tels que a < b . Alors l’espace C ([a, b], R) des
fonctions continues de [a, b] dans R est un espace vectoriel normé pour la norme:
! p1
b́
kf kp = |f (x)|p dx
a
Définition: Deux normes k.k1 et k.k2 sur un espace vectoriel E sont dites
équivalentes si on peut trouver deux constantes strictement positives C1 et C2
telles que
C1 kxk2 ≤ kxk1 ≤ C2 kxk2 ∀x ∈ E
Si deux normes k.k1 et k.k2 sont équivalentes, alors, les distances associées
d1 et d2 sont aussi équivalentes...
Espaces vectoriels normés de dimension finie

Théorème 1: Dans un espace vectoriel normé de dimension finie, toutes les
normes sont équivalentes.
Preuve: Soit E un espace vectoriel normé de dimension finie sur R, (e1 , ..., en )
une base de E.
Soit x ∈ E; alors x = x1 e1 + ... + xn en .
Posons kxk∞ = max(|x1 |, ..., |xn |) et notons k.k une autre norme sur E.
Alors, on a:
5
kxk = kx1 e1 + ... + xn en k ≤ |x1 | ke1 k + ... + |xn | ken k
≤ (ke1 k + ... + ken k) kxk∞ ≤ C1 kxk∞ avec C1 = ke1 k + ... + ken k, d’où:
∀x, y ∈ E; kx − yk ≤ C1 kx − yk∞ , ce qui montre que l’application
k.k : (E, k.k∞ ) −→ R
est une application continue.
x 7−→ kxk
L’application ϕ (E, k.k∞ ) : −→ (Rn , k.k∞ ) définie par
ϕ(x1 e1 + ... + xn en ) = (x1 , ..., xn ) est un homéomorphisme qui conseve la
norme.
BR0 n (0, 1) = [−1, 1] × ... × [−1, 1] est une partie compacte de (Rn , k.k∞ ), car
étant un produit de parties compactes de R, d’où ϕ−1 (BR0 n (0, 1)) est une partie
compacte de E
SE (0, 1) = {x ∈ E/ kxk∞ = 1} est une partie fermée de E contenue dans
ϕ−1 (BR0 n (0, 1)), d’où SE (0, 1) est une partie compacte de E.
L’application continue k.k atteint donc ses bornes sur SE (0, 1).
Soit α = min(kxk , x ∈ SE (0, 1), alors α > 0, car 0 ∈S / E (0, 1).
D’autre part, α ≤ kxk ∀x ∈ SE (0, 1).
Soit y ∈ E \ {0}, alors kyky ∈ SE (0, 1), d’où
∞
kyk
α ≤ kyk ou α kyk∞ ≤ kyk ∀y ∈ E. On a montré que:
∞
∀y ∈ E, α kyk∞ ≤ kyk ∈ C1 kyk∞
Corollaire: Dans un espace vectoriel de dimension finie, toute partie fermée
et bornée est compacte.
Preuve: L’application ϕ du théorème est un homéomorphisme bi-uniformément
continu.
Théorème 2 (théorème de Riesz) Un espace vectoriel normé E est de di-
mension finie si et seulement si E est localement compact, si et seulement si la
boule unité fermée de E est compacte.
Pour la preuve de ce théorème, on aura besoin de quelques lemmes.
Lemme 1: Tout espace vectoriel normé de dimension finie est complet.
Preuve: Soit (E, k.k) un espace vectoriel normé de dimension n ∈ N. Soit
(e1 , ...en ) une base de E.
L’application ϕ de E dans Rn d’finie par ϕ(x1 e1 +...+xn en ) = (x1 , ..., xn ) est
linéaire, bijective, continue ainsi que sa réciproque; c’est un homéomorphisme
bi-uniformément continu. Rn étant complet, E est complet.
Lemme 2: Soit E un espace vectoriel normé. Alors, tout sous espace vecto-
riel de dimension finie de E est fermé dans E.
Preuve: Soit E un espace vectoriel normé de dimension quelconque et soit
F un sous espace vectoriel de dimension finie de E.
Soit (xn ) une suite convergente de vecteurs de F , de limite x ∈ E. On va
montrer que x ∈ F .
La suite (xn ) étant convergente, est une suite de Cauchy dans F , qui d’après
le lemme 1, est complet; elle converge donc dans F vers. Soit y ∈ F sa limite
dans F . F étant un sous espace de E, la suite (xn ) converge vers y dans E et
l’unicité de la limite dans E entraine qu’on a y = x ∈ F .
Preuve du théorème:
6
Si E est de dimension finie, alors ∀x ∈ E, ∀r > 0, B 0 (x, r) est une partie
femée et bornée de E, donc d’après le lemme 2, c’est une partie compacte de E,
ce qui montre que E est localement compact.
Supposons E localement compact; alors, ∃r > 0 tel que B 0 (0, r) soit compact.
L’application ψ de E dans E définie par ψ(x) = 1r x étant un homéomor-
phisme, B 0 (0, 1) est compacte et on a:
B 0 (0, 1) ⊂ ∪0 B(x, 12 ), d’où
x∈B (0,1)
n
∃x1 , ..., xn ∈ B 0 (0, 1) tel que B 0 (0, 1) ⊂ ∪ B(xi , 12 ).
i=1
Soit F = hx1 , ..., xn i le sous espace vectoriel engendré par {x1 , ..., xn }. On
va montrer que E = F .
Soit x ∈ E \{0}, alors, ∃r > 0 tel que rx ∈ B 0 (0, 1). Il suffit donc de montrer
que B 0 (0, 1) ⊂ F .
Soit x ∈ B 0 (0, 1), alors ∃i ∈ {1, ..., n} tel que x ∈ B(xi , 12 ) ou x−xi ∈ B(0, 21 ).
∃u ∈ B(0, 1) tel que x − xi = 21 u ou x = xi + 21 u.
u ∈ B(0, 1) =⇒ ∃j ∈ {1, ..., n} tel que u ∈ B(xj , 12 ) ou u − xj ∈ B(0, 12 ),
d’où
∃v ∈ B(0, 1) tel queu − xj = 12 v ou u = xj + 21 v et alors
x = xi + 12 xj + 14 v et xi + 12 xj ∈ F .
Par récurrence, on en déduit que ∀n ∈ N∗ , ∃yn ∈ F, ∃un ∈ B(0, 1) tel que
x = yn + 21n un , d’où x = lim yn , car (un ) est bornée.
Comme F est fermé d’après le lemme 2, x ∈ F .
Applications linéaires continues

Soient E et F deux espaces vectoriels normés sur K.
On dit qu’une application g de E dans F est continue si
∀a ∈ E, ∀ε > 0, ∃α > 0 tel que ∀x ∈ E, kx − ak < α =⇒ kg(x) − g(a)k < ε.
Ceci est équivalent à dire que l’image réciproque par g de tout ouvert de F
est un ouvert de E.
Pour les applications linéaires de E dans F , on a la proposition:
Proposition 5: Pour toute application linéaire f de E dans F , les proposi-
tions suivantes sont équivalentes:
(a) f est continue
(b) f est continue en x = 0E .
(c) {f (x), kxk ≤ 1} est borné.
(d) ∃C > 0 tel que ∀x ∈ E, kf (x)k ≤ C kxk
Preuve:
(a)⇒(b) est évident, car f est continue en tout point de E.
(b)⇒(c) On a f (0E ) = 0F ; la boule fermée BF0 (0, 1) étant un voisinage de
0F , f −1 (BF0 (0, 1)) est un voisinage de 0E , d’où:
∃r > 0 tel que B 0 (0E , r) ⊂ f −1 (BF0 (0, 1)), ce qui signifie que:
∀x ∈ E, kxk ≤ r =⇒ kf (x)k ≤ 1. On en déduit que
∀x ∈ E, kxk ≤ 1 =⇒ kf (x)k ≤ 1r . En effet, soit x ∈ E tel que kxk ≤ 1.
Posons y = rx, alors kyk = r kxk ≤ r ⇒ kf (y)k ≤ 1 ou kf (x)k ≤ 1r , car f
est linéaire.
7
On a donc montré que {f (x), kxk ≤ 1} est borné.
(c)⇒(d) Soit C = sup{f (x), kxk ≤ 1}, alors kf (x)k ∈ C, ∀x ∈ E tel que
kxk ≤ 1.
x x
Soit x ∈ E \ {0}, alors kxk = 1, d’où f ( kxk ) ≤ C ou kf (x)k ≤ C kxk.
(d)⇒(a) Soit a ∈ E, Soit ε > 0, on cherche α > 0 tel que
kx − ak < α ⇒ kf (x) − f (a)k < ε.
Par hypothèse, kf (x) − f (a)k = kf (x − a)k ≤ C kx − ak.
Pour avoir kf (x) − f (a)k < ε, il suffit d’avoir C kx − ak < ε ou kx − ak < Cε .
On prnd donc α = Cε .
Exemple: Soit E l’espace des fonctions de classe C 1 de [0, 1] dans R
muni de la norme kf k1 = sup (|f (x)|, |f 0 (x)|)
x∈[0,1]
Soit F l’espace des fonctions continues de [0, 1] dans R muni de la norme
kgk2 = sup |g(x)|.
x∈[0,1]
Considérons l’application u de E dans F définie par u(f ) = f 0 . u est linéaire
et continue. En effet
∀f ∈ E, ku(f )k2 = kf 0 k2 = sup |f 0 (x)| ≤ kf k1 ; prendre C = 1 dans la
x∈[0,1]
proposition ci-dessus.
Si on muni E de la norme kf k3 = sup |f (x)|, alors l’application u n’est pas
x∈[0,1]
ku(v )k
continue. Il suffit de trouver une suite (vn ) d’éléments de E telle que kvnnk 2
3
prend des valeurs aussi grandes que l’on veut.
Posons vn (x) = cos(nx), alors u(vn )(x) = −n sin(nx).
ku(v )k
kvn k3 = 1 et ku(vn )k2 = n, d’où kvnnk 2 = n.
3
On note L (E, F ) l’ensemble des applications linéaires de E dans F ; c’est
un espace vectoriel sur K.
L’application f 7→ kf k = sup kf (x)k est une norme sur E. En effet:
kxk≤1
D’après la proposition 5, ∀f ∈ L (E, F ), kf k ∈ R et kf k ≥ 0.
kf k = 0 ⇐⇒ ∀x ∈ E, kxk ≤ 1 =⇒ f (x) = 0 =⇒ f (x) = 0 ∀x ∈ E.
On a aussi ∀λ ∈ K, ∀f, g ∈ L (E, F ), kλf k = |λ| kf k et kf + gk ≤ kf k + kgk.
Exercice: Montrer que ∀f ∈ L (E, F ), kf k = sup kf (x)k = sup kfkxk (x)k
et
kxk=1 x6=0
que
kf k = inf{M ≥ 0/ kf (x)k ≤ M kxk ∀x ∈ E} et kf (x)k ≤ kf k kxk ∀x ∈ E.
L (E, F ) est donc un espace vectoriel normé.
Proposition 6: Soient E,F et G trois espaces vectoriels sur K.
Soit f ∈ L (E, F ), g ∈ L (F, G). Alors g ◦f ∈ L (E, G) et kg ◦ f k ≤ kgk kf k.
Preuve: ∀x ∈ E,kg ◦ f (x)kG = kg(f (x)kG ≤ kgk kf (x)kF ≤ kgk kf k kxkE .
On a donc kg ◦ f k = sup kg ◦ f (x)k, d’où kg ◦ f k ≤ kgk kf k
kxk≤1
Proposition 7: Soient E et F deux espaces vectoriels normés. Si E est de
dimension finie, toute application linéaire de E dans F est continue.
Preuve: Supposons que dim E = n. Soit (e1 , ..., en ) une base de E.
8
n
P
Soit x = xi ei ∈ E. Alors
i=1
n
P n
P
kf (x)k = xi f (ei ) ≤ kf (ei )k max |xi |
i=1 i=1 1≤i≤n
1.2.2 Espaces de Banach

Définition: On appelle espace de Banach un espace vectoriel normé complet.
Exemple 1. ∀n ∈ N∗ , K n est un espace de Banach.
Exemple 2. Soit E un ensemble non vide et soit F un espace vectoriel normé
complet. Alors l’espace B(E, F ) des applications bornées de E dans F est un
espace de Banach pour la norme kf k∞ = sup kf (x)k.
x∈E
Preuve: Soit (fn ) une suite de Cauchy d’éléments de B(E, F ). Alors
∀ε > 0, ∃N ∈ N/∀p, q ∈ N, si on a p ≥ N et q ≥ N , alors kfp − fq k∞ ≤ ε.
On a kfp − fq k∞ < ε ⇐⇒ kfp (x) − fq (x)k < ε, ∀x ∈ E, d’où
∀x ∈ E, la suite (fn (x)) est de Cauchy dans l’espace F complet d’où
∀x ∈ E, (fn (x)) converge dans F vers f (x). On a donc une application
f : x 7−→ f (x) de E dans F . On va montrer que la suite (fn ) converge
vers f dans B(E, F )..
• Montrons que f ∈ B(E, F ).
On a: ∀ε > 0, ∃N ∈ N/∀p, q ∈ N, si on a p ≥ N et q ≥ N , alors
kfp (x) − fq (x)k ≤ ε, ∀x ∈ E. Fixons p ≥ N et faisons tendre q vers +∞;
alors, on a compte tenu du fait que l’application x 7→ kxk est continue,
kfp (x) − f (x)k ≤ ∀x ∈ E.
D’autre part, ∃ap ∈ F, ∃Rp > 0 tels que fp (E) ⊂ B 0 (ap , Rp ), on a donc:
kap − f (x)k ≤ kap − fp (x)k + kfp (x) − f (x)k ≤ Rp + ε, ce qui montre que
f (E) ⊂ B 0 (ap , Rp + ε)
• Montrons que (fn ) converge vers f dans B(E, F ).
On a:
∀ε > 0, ∃N ∈ N/∀p, q ∈ N, si on a p ≥ N et q ≥ N , alors
kfp (x) − fq (x)k ≤ ε, ∀x ∈ E
d’où
∀ε > 0, ∃N ∈ N/∀p ∈ N, p ≥ N ⇒ kfp (x) − f (x)k ≤ ε, ∀x ∈ E.
ou encore
∀ε > 0, ∃N ∈ N/∀p ∈ N, p ≥ N ⇒ kfp − f k∞ ≤ ε
Remarque: Si E est un espace topologique, on note C (E, F ) l’espace des
applications continues de E dans F et Cb (E, F ) le sous ensemble de C (E, F )
formé des applications continues bornées de E dans F . Alors:
Cb (E, F ) est fermé dans B(E, F ), d’où
Si F est un espace de Banach, Cb (E, F ) est de Banach.
Cas particulier: Si E est un espace topologique compact, alors Cb (E, F ) =
C (E, F ).
Exemple 3: Soit `∞ l’espace des suites bornées (xn ) d’éléments de K. Alors
`∞ = B(N, K) est un espace de Banach.
9
Exemple 4: ∀p ≥ 1, l’espace `p des suite (xn ) d’éléments de K telles que la
∞
|xn |p soit convergente est un espace de Banach pour la norme
P
série
n=0
∞ p1
p
P
k(xn )kp = |xn | .
n=0
Preuve: Soit (xk )k∈N une suite de Cauchy d’éléments de `p . Alors:
∀ε > 0, ∃k0 ∈ N/∀k, l ∈ N, si on a k ≥ k0 et l ≥ k0 , alors xk − xl p ≤ ε.
On a xk − xl ≤ ε ⇐⇒ ∀n ∈ N, |xkn − xln | ≤ ε, d’où
∀n ∈ N, la suite (xkn )k∈N est une suite de Cauchy d’éléménts de K.
K étant complet, ∀n ∈ N, (xkn ) converge vers une limite an quand k tend
vers ∞.
∀ε > 0, ∃k0 ∈ N/∀k, l ∈ N, k ≥ k0 et l ≥ k0 ⇒ |xkn − xln | ≤ εnp , ∀n ∈ N.
2
D’où on a
∀ε > 0, ∃k0 ∈ N/∀l ∈ N, l ≥ k0 ⇒ |xkn0 − xln | ≤ εnp , ∀n ∈ N. Prenant la limite
2
quand l → ∞, on a |xkn0 − an | ≤ εnp , d’où
2
∞ ∞
k0 p εp 1
|an − xkn0 |p ≤ εp = εp , ce qui montre que
P P
|xn − an | ≤ 2n =⇒ 2n
n=0 n=0
a − xk0 p ≤ ε⇒ kakp ≤ xk0 p
+ ε et a = (an ) ∈ `p .
D’autre part
∞
ε
∀ε > 0,∃k0 ∈ N/k ≥ k0 ⇒ |xkn − an | ≤ |xkn − an |p ≤ εp , ce qui
P
n ⇒
2p n=0
montre que
∀ε > 0,∃k0 ∈ N/k ≥ k0 ⇒ |xkn − an | ≤ εnp ⇒ xk − a p ≤ ε.
2
Exemple 5: Soient E et F deux espaces vectoriels normés. Alors , si F est
de Banach, L (E, F )est de Bananch.
Preuve: Soit (fn ) une suite de Cauchy d’éléments de L (E, F ). Alors, on a:
∀ε > 0, ∃N ∈ N tel que ∀n, m ∈ N n ≥ N et m ≥ N =⇒ kfn − fm k ≤ ε.
kfn − fm k = sup kfn (x) − fm (x)k, d’où
kxk≤1
∀x ∈ B 0 (0, 1), (fn (x)) est une suite de Cauchy d’éléments de F complet,
d’où
∀x ∈ B 0 (0, 1), (fn (x)) converge vers u(x) dans F .
On va définie u sur E tout entier.
x x
Soit x ∈ E tel que kxk > 1, alors kxk = 1, d’où u( kxk ) est défini.
(
u(x) si kxk ≤ 1
Posons v(x) = x .
kxk u( kxk ) si kxk > 1
x
v(x) est définie ∀x ∈ E et pour kxk > 1, v(x) = kxk lim fn ( kxk ) =
n→∞
lim fn (x).
n→∞
v est définie sur E tout entier et v(x) = lim fn (x) ∀x ∈ E.
n→∞
⇒ l’application x 7−→ v(x) est linéaire. Montrons qu’elle est continue.
On a:
10
∀ε > 0, ∃N ∈ N tel que ∀n, m ∈ N, n ≥ N et m ≥ N =⇒ kfn − fm k =
sup kfn (x) − fm (x)k ≤ ε
kxk≤1
Fixons n ≥ N et faisons tendre m vers ∞; pour kxk ≤ 1, on a donc
kv(x) − fn (x)k ≤ ε, d’où pour kxk ≤ 1, kv(x)k ≤ kfN (x)k + ε.
v est donc bornée sur la boule unité, ce qui montre que v est continue.
Montrons que (fn ) converge vers v dans L (E, F ).
∀x ∈ B 0 (0, 1), lim kfn (x) − v(x)k = 0, et la convergence est uniforme sur
n→∞
B 0 (0, 1) d’où lim sup kfn (x) − v(x)k = 0.
n→∞kxk≤1
Séries dans les espaces de Banach.

Soit E un espace vectoriel normé, (xn ) une suite points de E
∞
P
Définition: On appelle série de terme général xn la somme (formelle) xn .
n=0
∞
P
Définition: Soit S ∈ E; on dit que la série xn est convergente, de somme
n=0
n
P
S si la suite (Sn ) définie pour tout n ∈ N par Sn = xk est convergente et a
k=0
pour limite S.
∞
P
On note alors S = xn . La suite (Sn ) est appelée la suite des sommes
n=0
∞
P
partielles de la série xn .
n=0
∞
P
Définition: On dit que la série xn est normalement convergente si la
n=0
∞
P
série numérique kxn k est convergente.
n=0
Proposition 8: Dans un espace de Banach, toute série normalement conver-
gente est convergente et on a:
∞
P P∞
xn ≤ kxn k.
n=0 n=0
∞
P n
P
Preuve: Soit xn une série normalement convergente, Sn = xk ∀n ∈ N.
n=0 k=0
p+q
P
∀p, q ∈ N, Sp+q − Sp = xn , d’où
n=p+1
p+q
P p+q
P
kSp+q − Sp k = xn ≤ kxn k ∀p, q ∈ N.
n=p+1 n=p+1
∞
P
La série numérique kxn k étant convergente, on a:
n=0
p+q
kxn k < ε, ∀q ∈ N∗ . La suite (Sn ) est donc
P
∀ε > 0,∃n0 ∈ N/∀p ≥ n0 ,
n=p+1
de Cauchy dans E complet; elle converge et on a:
11
n
P n
P
kSn k = xk ≤ kxk k , ∀n ∈ N, d’où en passant à la limite quand
k=0 k=0
n → ∞, on a:
∞
P ∞
P ∞
P
lim kSn k = lim Sn ≤ kxk k ou xk ≤ kxk k.
n→∞ n→∞ k=0 k=0 k=0
Proposition 9: Si E est un espace vectoriel normé dans lequel toute série
normalement convergente est convergente, alors E est un espace de Banach.
Preuve: Soit (xn ) une suite de Cauchy d’éléments de E. On va montrer
qu’on peut extraire de (xn ) une sous suite convergente.
Soit ϕ l’applicaion de N dans N définie par:
1
ϕ(0) = 0 et ϕ(n + 1) = min p ≥ ϕ(n) + 1/sup kxp − xp+q k < (n+2)2 .
q∈N
(xn ) étant de Cauchy,
1
∀n ∈ N, ∃N ∈ N/p ≥ N =⇒ kxp+q − xp k < (n+1) 2 , ∀q ∈ N, ce qui montre
1
que l’ensemble {p ≥ ϕ(n) + 1/sup kxp − xp+q k < (n+2)2 }} est non vide dans N,
q∈N
donc admet un plus petit élément et l’application ϕ est strictement croissante
(ϕ(n + 1) > ϕ(n), ∀n ∈ N).
1
On a: sup xϕ(n+1) − xϕ(n+1)+q ≤ (n+2) 2 , d’où
q∈N
1
∀q ∈ N, xϕ(n) − xϕ(n)+q ≤ (n+1) 2 et ϕ(n + 1) ≥ ϕ(n) + 1, d’où
1
∀n ∈ N, xϕ(n) − xϕ(n+1) ≤ (n+1)2 .
∞
P
La série xϕ(n) − xϕ(n+1) est donc une série numérique convergente,
n=0
∞
P
d’où d’après l’hypothèse, la série xϕ(n+1) − xϕ(n) est convergente.
n=0
D’autre part,
n
P
∀n ∈ N, Sn = xϕ(k+1) − xϕ(k) = xϕ(n+1) − xϕ(0) .
k=0
La suite (Sn ) étant convergente, la suite (xϕ(n) ) est convergente.
La suite (xn ) est de Cauchy et admet une valeur d’adhérence; elle est donc
convergente.
Exponentielle d’un endomorphisme continu.

Soit E un espace de Banach; on note L (E) l’ensemble des endomorphismes
continus de E. On sait que L (E) est un espace de Banach, car L (E) =
L (E, E).
∞
fn
Soit f ∈ L (E). Considérons la série n
P
n! où f = f ◦ f ◦ ... ◦ f (n fois).
n=0
∞
n kf kn
On sait que kf n k ≤ kf k et la série numérique
P
n! est convergente et
n=0
a pour somme ekf k .
∞
fn
n! est normalement convergente dans l’espace de Banach L (E),
P
La série
n=0
elle est donc convergente. On note ef sa somme.
12
Théorème 3: Soit f, g ∈ L (E). Si f et g permutent, alors ef +g = ef ◦ eg .
Conséquence: ef −f = ef ◦ e−f = 1E , d’où ef est un élément inversible de
L (E)
Stabilité de l’ensemble des endomorphismes

Définition: Soient E et F deux espaces vectoriels normés et f une application
de E dans F . On dit que f est un isomorphisme d’espaces vectoriels normés si
(i) f est linéaire et continue (f ∈ L (E, F ))
(ii) g : E −→ F linéaire continue telle que g ◦ f = 1E et f ◦ g = 1F .
Notation: On note Isom(E, F ) l’ensemble des isomorphismes d’espaces vec-
toriels normés de E sur F .
Un isomorphisme d’espaces vectoriels normés est un homéomorphisme linéaire.
Théorème 4: Soit E un espace de Banach, u ∈ L (E).
Si kuk < 1, alors 1 − u est inversible dans L (E) où 1 = 1E .
∞
un est normalement convergente; en effet la série
P
Preuve: La série
n=0
∞
n
kuk est une série géométrique de raison kuk < 1. L (E) étant un espace
P
n=0
∞
un est convergente.
P
de Banach, la série
n=0
∞ ∞ ∞
un , alors on a uv = vu = un+1 = un
P P P
Soit v =
n=0 n=0 n=1
∞
un = 1 + uv, d’où v(1 − u) = (1 − u)v = 1, ce qui montre
P
On a v = 1+
n=1
que 1 − u est inversible et (1 − u)−1 = v
Théorème 5: Soient E et F deux espaces de Banach. Alors, Isom(E, F ) est
un ouvert de L (E, F ).
Preuve: Si Isom(E, F ) = ∅, alors, c’est un ouvert.
Supposons Isom(E, F ) 6= ∅. Soit u0 ∈ Isom(E, F ).
Pour que u ∈ L (E, F ) soit un isomorphisme d’espaces vectoriels normés, il
faut et il suffit que u−1
0 u soit un automorphisme de E.
Posons v = 1 − u−1 −1
0 u ou u0 u = 1 − v. On sait d’après le théorème 4 que
pour que 1 − v soit inversible, il suffiti que kvk < 1.
v = 1 − u−1 −1 −1 −1
0 u = u0 u0 − u0 u = u0 (u0 − u), d’où kvk ≤ u0
−1
ku0 − uk.
1
D’où si ku − u0 k < u−1 , u est un isomorphisme d’espaces vectoriels nor-
k 0 k
més.
1
On a montré que B(u0 , u−1 ) ⊂ Isom(E, F )
k 0 k
Le théorème de Banach-Steinhauss
Théorème 6: Soient E et F deux espaces vectoriels normés. Soit (fi )i∈I une
famille d’éléments de L (E, F ).
Alors si sup kfi k = +∞, il existe une partie G de E, intersection d’une famille
i∈I
dénombrable d’ouverts partout denses telle que ∀x ∈ G, sup kfi (x)k = +∞.
i∈I
13
Preuve: Soit n ∈ N∗ .
Notons Ωn la partie de E: Ωn = {x ∈ E/∃i ∈ I : kfi (x)k > n}.
Comme ∀i ∈ I, fi est continue, Ωn ouvert ∀n ∈ N∗ .
Montrons que Ωn est dense dans E ∀n ∈ N∗ .
Supposons qu’il existe n0 ∈ N∗ tel que Ωn0 ne soit pas dense dans E; alors,
∃x0 ∈ E, ∃r > 0 tel que B(x0 , r) ∩ Ωn0 = ∅, d’où
∀x ∈ B(x0 , r), ∀i ∈ I, kfi (x)k ≤ n0 .
Soit u ∈ B(0, 1), alors x0 + ru ∈ B(x0 , r), d’où kfi (x0 + ruk ≤ n0 , ∀i ∈ I.
kfi (ru)k = kfi (x0 + ru) − fi (x0 )k ≤ kfi (x0 + ru)k + kfi (x0 )k < 2n0 , ∀i ∈ I.
D’où kfi (u)k < 2nr 0 , ∀i ∈ I, ∀u ∈ B(0, 1).
On a donc sup kfi (u)k = sup kfi (u)k = kfi k < 2nr 0 , ∀i ∈ I, ce qui
u∈B(0,1) u∈B 0 (0,1)
contredit l’hypothèse sup kfi k = +∞, d’où ∀n ∈ N∗ , Ωn est dense dans E et
i∈I
∞
∀x ∈ G = ∩ Ωn , sup kfi (x)k = +∞, car ∃i ∈ I/ kfi (x)k > n, ∀n ∈ N∗ .
n=1 i∈I
Corollaire: Soit E un espace de Banach, F un espace vectoriel normé. Soit
(fn )n∈N une suite d’éléments de L (E, F ) telle que ∀x ∈ E, la suite (fn (x))
converge vers une limite f (x). Alors, f ∈ L (E, F ).
Preuve: (fn ) est une suite d’applications linéaires qui converge simplement
vers f , d’où f est linéaire; en effet, ∀x, y ∈ E, ∀λ, µ ∈ K,
f (λx + µy) = lim fn (λx + µy) = λ lim fn (x) + µ lim fn (y)
n→∞ n→∞ n→∞
∀x ∈ E, sup kfn (x)k est fini, car la suite (fn (x)) étant convergente, est
n∈N
bornée.
D’après le théorème (transposée) k = sup kfn k est fini.
n∈N
∀x ∈ E, ∀n ∈ N, kfn (x)k ≤ kf k kxk ≤ k kxk, d’où en passant à la limite,
kf (x)k ≤ k kxk, ce qui montre que f ∈ L (E, F ).
1.2.3 Le théorème de l’application ouverte- Le théorème du

graphe fermé
Théorème 7 (théorème d’intersection de Cantor): Soit (E, d) un espace métrique
complet. Soit (Fn ) une suite décroissante de parties fermées non vides de E telle
que lim δ(Fn ) = 0 où δ(A) désigne le diamètre de A.
n→∞
∞
Alors, F = ∩ Fn contient un point et un seul
n=1
Preuve: Soit ∀n ∈ N∗ , xn ∈ Fn . alors, la suite (xn ) est de Cauchy, en effet
∀n, m ∈ N∗ , 0 ≤ d(xn , xn+m ) ≤ δ(Fn ) et lim δ(Fn ) = 0, d’où
n→∞
lim d(xn , xn+m ) = 0, ce qui montre que (xn ) est de Cauchy dans l’espace
n→∞
E complet; (xn ) converge donc dans E. Soit x = lim xn .
n→∞
D’autre part, xm ∈ Fn , ∀m ≥ n, donc x ∈ Fn , ∀n ≥ 1, car Fn est fermé.
x ∈ ∩ Fn = F
n≥1
Soit x, y ∈ F , alors x, y ∈ Fn , ∀n ∈ N∗ et 0 ≤ d(y, x) ≤ δ(Fn ), d’où en
passant à la limite quand n → ∞, on a x = y.
14
◦
Définition: On dit qu’une partie A de E est rare si A = ∅.
Proposition 10: Pour toute partie A de E, les assertions suivantes sont
équivalentes:
(i) A est rare.
(ii) A ne contient aucun ouvert non vide de E.
(iii) Tout ouvert non vide de E contient un ouvert non vide disjoint de A.
(iv) Tout ouvert non vide de E contient un ouvert non vide disjoint de A
(v) Tout ouvert non vide de E contient une boule ouverte disjointe de A.
Preuve:
◦
(i)⇒(ii) Soit U un ouvert de E tel que U ⊂ A: alors U ⊂ A = ∅, d’où U = ∅.
(ii)⇒(iii) Ssupposons qu’il esiste un ouvert non vide U de E tel que tout
ouvert non vide de U rencontre A; alors U ⊂ A = A, ce qui contredit (ii)
(iii)⇒(iv) évident
(iv)⇒(v) évident
◦ ◦
(v)⇒(i) Supposons A 6= ∅, alors A est un ouvert non vide de E, d’où par
◦
hypothèse, A contient une boule ouverte B telle que B ⊂ {A
E . On a donc
◦
B ⊂ A ⊂ A et B ⊂ {A E , ce qui est impossible; en effet, soit x ∈ B ⊂ A, alors
x ∈ A et B est un ouvert contenant x, d’où B ∩ A 6= ∅, ce qui contredit le fait
que B ⊂ {A
E.
◦
On a donc A = ∅.
Théorème 8 (Théorème de Baire) Soit E un espace métrique complet. Soit
∞
(An )n≥1 une suite de parties de E telle que E = ∪ An .
n=1
Alors, l’un des An n’est pas rare.
Preuve: On va montrer que si (An ) est une suite de parties rare de E, alors
∞
/ An , ∀n ∈ N∗ .
∪ An 6= E . On veut montrer qu’il existe x ∈ E tel que x ∈
n=1
A1 étant rare et E étant un ouvert non vide de E, E contient une boule
B1 = B(x1 , r1 ) telle que B1 ∩ A1 = ∅ (on peut supposer r1 < 1).
◦
Soit F1 = B 0 (x1 , r21 ) ⊂ B1 ; alors Ω1 = F1 6= ∅.
A2 est rare et Ω1 est un ouvert non vide de E, alors ∃B2 = B(x2 , r2 ) ⊂ Ω1
(r2 < 21 ) telle que B2 ∩ A2 = ∅.
◦
Posons F2 = B 0 (x2 , r22 ); alors Ω2 = F2 6= ∅.
On continue ainsi; supposons construits xk , rk , Bk , Fk , Ωk pour 0 ≤ k ≤ n−1
◦
1
avec rk < 2k−1 , Bk = B(xk , rk ), Fk = B 0 (xk , r2k ), Ωk = Fk .
An étant rare et Ωn−1 étant un ouvert non vide de E, ∃Bn = B(xn , rn ),
1
rn < 2n−1 telle que Bn ∩ An = ∅.
◦
On pose alors Fn = B 0 (xn , r2n ) et Ωn = Fn
(Fn ) est une suite décroissante de parties fermées non vides de E telle que
∞
lim δ(Fn ) = 0. D’après le théorème 7, ∩ Fn est un point {x}.
n→∞ n=1
15
∞ ∞ ∞
Si x ∈ ∪ An , alors ∃n0 ∈ N∗ tel que x ∈ An0 et x ∈ ∩ Fn ⊂ ∩ Bn , d’où
n=1 n=1 n=1
x ∈ Bn0 , ce qui contredit le fait que Fn0 ∩ Bn0 = ∅.
Théorème 9 (théorème de l’application ouverte): Soient E et F deux espaces
de Banach et soit f ∈ L (E, F ).
Alors, f est surjective si et seulemet si f est ouverte.
Preuve: Supposons f ouverte. Alors f (E) est un ouvert de F et 0 ∈ f (E),
r
d’où ∃r > 0 tel que B(0, r) ⊂ f (E). Soit y ∈ F \{0} ; alors kyk+1 y = z ∈ B(0, r);
∗
d’où ∃k ∈ R tel que ky ∈ f (E) et donc y ∈ f (E).
Supposons réciproquement que f est surjective.
Pour montrer que f est ouverte, il suffit de montrer que ∃δ > 0 tel que
B(0F , δ) ⊂ f (B 0 (0, 1))....(*)
Supposons (*) démontrée et montrons que f est ouverte.
Soit U un ouvert non vide de E et soit y = f (x) ∈ f (U ).
x ∈ U et U est ouvert, donc ∃ε > 0 tel que B 0 (x, ε) = x + B 0 (0, ε) ⊂ U , d’où
∃ε > 0 tel que f (x) + f (B 0 (0, ε)) ⊂ f (U ) et on a B 0 (0, ε) = εB 0 (0, 1) d’où
∃ε > 0 tel que y+εf (B 0 (0, 1)) ⊂ f (U ) et ∃δ > 0 tel que B(0, δ) ⊂ f (B 0 (0, 1)),
d’où:
∃δ > 0 tel que y + εB(0, δ) ⊂ f (U ) ou ∃δ > 0 tel que B(y, εδ) ⊂ f (U ).
On a montré que f (U ) est ouvert.
Preuve de (*)
Pour n ∈ N∗ , soit Fn = f (B(0, n)). Alors, comme f est surjective et
∞ ∞
E = ∪ B(0, n), F = ∪ Fn . Le théorème de Baire entraîne que ∃n0 ∈ N∗
n=1 n=1
◦
tel que Fn 0 6= ∅.
◦
Soit y0 ∈ Fn0 , alors ∃r > 0 tel que B(y0 , r) ⊂ Fn0 . Soit y ∈ B(0F , r).
0
y0 ∈ Fn0 = f (B(0, n0 )), d’où il existe une suite (xn ) d’éléments de B(0, n0 )
0
tel que la suite (f (xn )) converge vers y0 .
y ∈ B(0, r) ⇒ y + y0 ∈ y0 + B(0, r) = B(y0 , r) ⊂ Fn0 , d’où il existe une suite
00 00
(xn ) d’éléments de B(0, n0 ) telle que (f (xn ) converge vers y + y0 .
00 0
Posons xn = xn − xn . Alors (f (xn )) est une suite d’éléments de B(0, 2n0 )
qui converge vers y.
yr
Soit y ∈ F \ {0}; alors, 2kyk ∈ B(0, r), d’où, il existe une suite (xn )
yr
d’éléments de B(0, 2n0 ) telle que la suite (f (xn )) converge vers 2kyk , d’où la
suite (f ( 2kyk
r xn )) converge vers y. On a donc:
kyk
∀ε > 0, ∃N ∈ N/ f( 2kyk 2kyk
r xN ) − y < ε et pour x = r xN , kxk ≤ 4n0 r .
On a montré que
∀y ∈ F, ∀ε > 0, ∃x ∈ E/ kxk ≤ 4n0 kyk r et ky − f (x)k < ε.
Soit δ = 4nr 0 . Montrons que 21 δB(0F ; 1) ⊂ f (B(0E , 1)).
Soit y ∈ 21 δB(0F , 1), alors, ∃x1 ∈ E tel que kx1 k ≤ 4nr 0 kyk = 1δ kyk < 21 et
kf (x1 ) − yk < 212 δ.
En prenant y − f (x1 ), ∃x2 ∈ E/ kx2 k ≤ 4nr 0 ky − f (x1 )k < 1δ 212 δ = 212 et
ky − f (x1 ) − f (x2 )k < 213 δ.
16
1
On construit ainsi une suite (xn ) d’éléments de E telle que kxn k < 2n et
n
1
P
y− f (xi ) < 2n+1 δ.
i=1
n
P
La suite (sn ) définie par sn = xi est de Cauchy dans E complet; elle
i=1
converge donc vers s ∈ E et ksk ≤ 1
f étant continue, la suite (f (sn )) converge vers f (s) et (f (sn )) converge vers
y, d’où y = f (s) ∈ f (B 0 (0, 1)).
Corollaire: Soient E et F deux espaces de Banach et f une application
linéaire, continue, bijective de E dans F . Alors f −1 est une application linéaire
continue; f est bicontinue.
Preuve: D’après le théorème de l’application ouverte, f est ouverte, donc
f −1 est continue.
Application: Soit E un espace vectoriel normé muni de deux normes k.k1 et
k.k2 telles que (E, k.k1 ) et (E, k.k2 ) soient des espaces de Banach. Alors si ces
deux normes sont comparables, elles sont équivalentes.
Preuve: L’application I : (E, k.k1 ) −→ (E, k.k2 ) est bijective et con-
tinue. D’après le corollaire, I est bicontinue, donc les normes sont équivalentes.
Définition: Soient E et F deux ensembles et f une application de E dans
F . On appelle graphe de f , la partie de E × F : G(f ) = {(x, f (x), x ∈ E}
Remarque: Si E et F sont des espaces vectoriels nornés, E ×F est un espace
vectoriel normé et si E et F sont des espaces de Banach, E × F est un espace
de Banach.
Théorème 10 (théorème du graphe fermé) Soient E et F deux espaces de
Banach et soit f une application linéaire de E dans F .
Alors f est continue si et seulement si le graphe de f est fermé dans E × F .
Preuve: Supposons f continue. Soit (xn , f (xn )) une suite de points de G(f )
qui converge vers (x, y) dans E × F . On veut montrer que y = f (x).
Comme la suite (xn , f (xn )) converge dans E × F vers (x, y), (xn ) converge
vers x et (f (xn )) converge vers y.
Comme (xn ) converge vers x et f est continue, alors (f (xn )) converge vers
f (x), d’où y = f (x).
Réciproquement, supposons que G(f ) est fermé dans E × F , alors G(f ) est
un espace de Banach, car E × F est de Banach.
Soit p : (x, y) 7→ x la projection de E × F sur E; p est linéaire et
continue. La restriction p|G(f ) : G(f ) → E définie par (x, f (x) 7→ x est
injective et surjective.
p|G(f ) est donc une bijection linéaire et continue de l’espace de Banach G(f )
sur l’espace de Banach E: elle est donc bicontinue d’après le corollaire du
théorème de l’application ouverte, d’où p|−1 G(f ) : E → G(f ) définie par
x 7→ (x, f (x)) est continue et par conséquent f est continue.
Théorème 11: (théorème de la borne uniforme): Soient E et F deux espaces
de Banach; soit (ui )i∈I une famille non vide d’applications linéaires continues
de E dans F .
On suppose que ∀x ∈ E, la famille (ui (x))i∈I est bornée dans F . ( (ui )i∈I
17
est simplement bornée ou ponctuellement bornée: ∀x ∈ E, ∃Cx > 0 telle que
sup kui (x)k ≤ Cx )
i∈I
Alors la famille (ui )i∈I est bornée (∃C > 0 tel que sup kui k ≤ C)
i∈I
Preuve: On sait que l’espace B(I, F ) des applications bornées de I dans F
est un espace de Banach pour la norme kf k∞ = sup kf (i)k .
i∈I
Soit
v : E −→ B(I, F ) v(x) : I −→ F
où
x 7−→ v(x) i 7−→ ui (x)
On a bien v(x) ∈ B(I, F ), car par hypothèse, ∀x ∈ E, sup kui (x)k ≤ Cx .
i∈I
L’application v est linéaire, car ∀x, y ∈ E, ∀λ, µ ∈ K,
v(λx + µy)(i) = ui (λx + µy) = λui (x) + µui (y) = (λv(x) + µv(y)) (i), ∀i ∈ I.
Montrons que v est continue.
E et B(I, F ) étant des espaces de Banach, il suffit d’après le théorème du
graphe fermé, de montrer que le graphe G(v) est fermé dans E × B(I, F ).
Soit (xn ) une suite de points de E telle que (xn ) converge vers x dans E et
(v(xn )) converge vers f dans B(I, F ). On veut montrer que f = v(x).
Soit i ∈ I; on a:
kv(x)(i) − f (i)k = kui (x) − f (i)k ≤ kf (i) − ui (xn )k + kui (xn ) − ui (x)k.
Comme v(xn ) → f , on a v(xn )(i) → f (i), d’où lim kf (i) − ui (xn )k = 0.
n→∞
D’autre part, xn → x et ui est continue, d’où ui (xn ) → ui (x).
On a donc lim kv(x)(i) − f (i)k = 0, ∀i ∈ I,
n→∞
ce qui entraîne que v(x)(i) = f (i), ∀i ∈ I ou v(x) = f .
G(v) est donc fermé, ce qui montre que v est continue; v ∈ L (E, B(I, F ))
Posons C = kvk = sup kv(x)k, alors C ∈ R.
kxk≤1
Montrons que ∀i ∈ I, kui k ≤ C
∀i ∈ I, kui k = sup kui (x)k = sup kv(x)(i)k ≤ sup kv(x)k∞ = kvk = C.
kxk≤1 kxk≤1 kxk≤1
1.2.4 Le théorème de Hahn Banach

Rappel: le théorème de Zorn
Soit (X, ≤) un espace ordonné.
Définition: On appelle chaîne dans X toute partie totalement ordonnée
d’éléments de X.
Définition: Soit A une partie non vide de X et soit x ∈ X. On dit que:
x est un majorant de A si ∀a ∈ A, a ≤ x.
x est un minorant de A si ∀a ∈ A, x ≤ a
Définition: Soit a ∈ X. On dit que:
a est un élément maximal de X si ∀x ∈ X, a ≤ x ⇒ a = x (il n’existe pas
d’élémént x ∈ X tel que a ≤ x et a 6= x)
a est un élément minimal de X si ∀x ∈ X, x ≤ a ⇒ x = a.
18
Définition: On dit que (X, ≤) est inductif si toute chaîne de X possède un
majorant.
Exemples:
1. Tout ensemble non vide fini, ordonné est inductif.
2. Soit E un ensemble non vide; alors (P(E), ⊂) est inductif.
3. (N, ≤) n’est pas inductif car, non majoré.
Thérème de Zorn: Tout ensemble ordonné, non vide et inductif possède au
mois un élément maximal.
Le thérème de Hahn Banach

Soit E un espace vectoriel sur R.
Définition: On dit qu’une application p de E dans R est une fonction ou
une forme sous linéaire si:
∀x, y ∈ E, p(x + y) ≤ p(x) + p(y)
∀x ∈ E, ∀t ≥ 0, p(tx) ≤ tp(x)
Théorème 12: (le théorème de Hahn Banach) Soit E un espace vectoriel sur
R et soit M un sous esppace vectoriel de E.
Soit f une forme linéaire sur M .
On suppose qu’il existe une forme sous linéaire p sur E telle que
f (x) ≤ p(x) ∀x ∈ M .
Alors f se prolonge en une forme linéaire fe sur E telle que
fe(y) ≤ p(y) ∀y ∈ E.
Pour la preuve de ce théorème, on utilise le lemme:
Lemme: Soit E un espace vectoriel sur R. Soit M un sous espace vectoriel
propre de E et soit f une forme linéaire sur M . Soit p une forme sous linéaire
sur M .
On suppose que f (x) ≤ p(x) ∀x ∈ M .
Soit a ∈ E \ M et soit M 0 = M + Ra = M ⊕ Ra (car a ∈ / M)
Alors, f se prolonge sur M 0 en un forme linéaire f 0 telle que
f 0 (x) ≤ p(x)∀x ∈ M 0
Preuve du Lemme
Soit y, z ∈ M ; alors on a f (y) − f (z) = f (y − z) ≤ p(y − z).
p(y − z) = p(y + a − y − a) ≤ p(y + a) + p(−z − a), d’où:
f (y) − f (z) ≤ p(y + a) + p(−z − a) ∀y, z ∈ M ou encore
−p(−z − a) − f (z) ≤ p(y + a) − f (y)∀y, z ∈ M . On a donc
sup [−p(−z − a) − f (z)] < +∞ et inf [p(y + a) − f (z)] > −∞.
z∈M y∈M
Posons m = sup [−p(−z − a) − f (z)] et m0 = inf [p(y + a) − f (z)].
z∈M y∈M
Alors m ≤ m0 . Soit ρ ∈ R tel que m ≤ ρ ≤ m0 .
∀y, z ∈ M , −p(−z − a) − f (z) ≤ m ≤ m0 ≤ p(y + a) − f (y).
f 0 : M 0 = M ⊕ Ra −→ R
Définissons
x = y + αa 7−→ f 0 (x) = f (y) + αρ
f 0 est une application car M 0 = M ⊕ Ra (M ∩ Ra = {0}) et f 0 est linéaire
et prolonge f .
Montrons que
19
f 0 (x) ≤ p(x) ∀x ∈ M 0 ou f (y) + αρ ≤ p(y + αa) ∀y ∈ M, ∀α ∈ R.
Si α = 0, f 0 (x) = f (x) ≤ p(x).
Si α > 0, dans l’inégalité ρ ≤ p(y + a) − f (y), remplaçant y par αy , on a:
ρ ≤ p( αy + a) − f ( αy ) ou ρ + α1 f (y) ≤ p( αy + a), d’où en multipliant par α > 0,
αρ + f (y) ≤ αp( α1 (y + αa)) ≤ p(y + αa), car p est sous linéaire. On a donc
f 0 (x) ≤ p(x).
Si α < 0, dans l’inégalité −p(−y − a) − f (y) ≤ ρ, remplaçant y par αy ,on a:
−p(− αy − a) − f ( αy ) ≤ ρ ou en multipliant par α < 0,
−αp(− α1 (y + αa)) − αf ( αy ) ≥ αρ ou p(y + αa) − f (y) ≥ αρ, car
p(− α1 (y + αa) ≤ − α1 p(y + αa).
On a donc
f (y) + αa ≤ p(y + αa) ou f 0 (x) ≤ p(x).
Remarque: ρ étant arbitraire entre m et m0 , le prolongement obtenu sur M 0
n’est pas nécessairement unique.
Preuve du théorème de Hahn Banach
Notons F l’ensemble des couples (M 0 , f 0 ) où M 0 est un sous espace vectoriel
de E contenant M et f 0 une forme linéaire sur M 0 qui prolonge f et telle que
f 0 (x) ≤ p(x) ∀x ∈ M 0 .
F est non vide car (M, f ) ∈ F.
Ordonnons F de la manière ( suivante:
M 0 ⊂ M 00
(M 0 , f 0 ) ≤ (M 00 , f 00 ) ⇐⇒ .
f 00 prolonge f 0
Montrons que (F, ≤) est inductif.
0 0
Soit (Mi , fi )i∈I une chaîne dans F. On a:
0 0
∪ Mi est un sous espace vectoriel de E car ((Mi )i∈I , ⊂) est totalement
i∈I
ordonnée. 0
h : ∪ M1 −→ R
Soit i∈I
0
x ∈ Mi 7−→ h(x) = fi0 (x)
0 0
h est linéaire et h(x) ≤ p(x) ∀x ∈ ∪ M1 , d’où ( ∪ M1 , h) est un majorant de
i∈I i∈I
0 0
(Mi , fi )i∈I dans F.
D’après le théorème de Zorn„ F a au moins un élément maximal (M0 , f0 ).
Montrons que M0 = E.
0
Supposons qu’il existe x0 ∈ E \ M0 et posons M0 = M0 + Rx0 .
0 0
D’après le Lemme, f0 se prolonge en une forme linéaire f0 sur M0 et telle que
0 0
f0 (x) ≤ p(x)∀x ∈ M0 .
0 0
(M0 , f0 ) ∈ F et majore (M0 , f0 ) qui est un élément maximal de F, ce qui
0
est impossible car M0 $ M0 .
Application au dual d’un espace vectoriel normé

Corollaire 1: Soit E un espace vectoriel normé réel. Soit M un sous espace
vectoriel de E, M 0 le dual topologique de M et soit f ∈ M 0 .
Alors, ∃fe ∈ E 0 prolongeant f et telle que fe = kf k.
20
p : E −→ R
Preuve: Soit
x 7−→ kf k kxk
p est une forme sous linéaire sur E et on a
f (x) ≤ |f (x)| ≤ kf k kxk = p(x) ∀x ∈ M .
D’après le théorème de Han Banach, f se prolonge sur E en une forme
linéaire fe telle que fe(x) ≤ p(x) = kf k kxk ∀x ∈ E.
On a aussi fe(−x) = −fe(x) ≤ kf k kxk ∀x ∈ E, d’où |fe(x)| ≤ kf k kxk ∀x ∈ E,
ce qui montre que fe est continue et fe ≤ kf k; mais on a aussi kf k ≤ fe , car
fe prolonge f , d’où fe = kf k.
Corollaire 2: Soit E un espace vectoriel normé réel et soit x0 ∈ E \ {0}.
Alors, ∃fe ∈ E 0 telle que fe(x0 ) = kx0 k et fe = 1.
Preuve: Soit M = hx0 i la droite vectorielle engendrée par x0 et soit
f : M −→ R
tx0 7−→ t kx0 k
f est linéaire et continue, d’où, d’après le Corollaire 1, ∃fe ∈ E 0 qui prolonge
f et telle que fe = kf k.
fe(x0 ) = f (x0 ) = kx0 k et kf k = 1.
Applications transposées
Soit E un espace vectoriel sur K = R ou C. On note E ∗ le dual algébrique de
E; c’est l’ensemble de toutes les fomes linéaires sur E.
Soient E et F deux espaces vectoriels sur K et soit u ∈ hom(E, F ) l’ensemble
des applications linéaires de E dans F .
Définition: On appelle transposée de u l’application t u de F ∗ dans E ∗ définie
de la manière suivante:
t
u : F ∗ −→ E∗
y ∗ 7−→ t u(y ∗ ) : E −→ R
x 7−→ y ∗ (u(x))
C’est à dire t u(y ∗ ) = y ∗ ◦ u.
Soient maintenat E et F deux espaces vectoriels normés sur K, E 0 (resp.
0
F ) le dual topologique de E (resp. F ).
Soit u ∈ L (E, F ); alors t u(F 0 ) ⊂ E 0 . En effet ∀y 0 ∈ F 0 ,t u(y 0 ) = y 0 ◦ u ∈ E 0 .
u0 : F 0 −→ E0
On peut donc définir une application
y 0 7−→ y 0 ◦ u
Proposition 11: On a ku0 k = kuk.
Preuve: On a par définition: ku0 (y 0 )k = sup ku0 (y 0 )(x)k = sup ky 0 (u(x))k,
kxk=1 kxk=1
d’où ku0 (y 0 )k ≤ ky 0 k sup ku(x)k ≤ ky 0 k kuk, ce qui montre que ku0 k ≤ kuk.
kxk=1
D’autre part, comme kuk = sup ku(x)k, par définition de la borne supérieure,
kxk=1
∀ε > 0, ∃x0 ∈ E/ kx0 k = 1 et kuk < ku(x0 )k + ε
D’après le Corollaie 2 du théorème de Hahn Banach,∃y 0 ∈ F 0 / ky 0 k = 1 et
y 0 (u(x0 )) = ku(x0 )k > kuk − ε.
21
On a donc
kuk − ε < u0 (y 0 )(x0 ) = y 0 (u(x0 )) ≤ ku0 (y 0 )k kx0 k ≤ ku0 k ky 0 k = ku0 k.
On a montré que ∀ε > 0, kuk < ku0 k + ε, d’où kuk ≤ ku0 k
1.2.5 Espaces vectoriel normés réflexifs

Bidual d’un espace vectoriel normé
Soit E un espace vectoriel normé sur K = R ou C, E 0 ’ le dual topologique de
E.
|hx,x0 i|
∀x0 ∈ E 0 , kx0 kE 0 = sup | hx, x0 i | = sup | hx, x0 i | = sup hxi .
kxk≤1 kxk=1 x6=0
Remarque: E 0 = L (E, K) est toujours de Banach, car K est complet.
Définition: On désigne par E 00 le dual topologique de E 0 ; on l’appelle le
bidual de E: E 00 = (E 0 )0 .
Soit x ∈ E et soit πx : E 0 → K définie par πx (x0 ) = hx, x0 i ∀x0 ∈ E 0 .
πx est une forme linéaire sur E 0 est on a:
|πx (x0 )| = | hx, x0 i | ≤ kx0 k kxk, car x0 est continue, ce qui mntre que πx est
continue et kπx k ≤ kxk.
π : E −→ E 00
Soit
x 7−→ πx
Proposition 12: π est une injection qui conserve le norme (isométrie); on
l’appelle l’injection canonique de E dans E 00 .
Preuve: ∀x ∈ E,kπ(x)k = kπx k ≤ kxk, d’où π est continue et kπk ≤ 1.
0 0
Soit x ∈ E \ {0}. D’après le Corollaire 2, ∃x0 ∈ E 0 tel que x0 = 1 et
D 0
E
| x, x0 | = kxk et alors:
D 0
E
kπx k = sup | hx, x0 i | ≥ | x, x0 | = kxk, d’où kπx k = kxk ∀x ∈ E.
kx0 k=1
L’injection π permet d’identifier E à un sous espace vectoriel normé de E 00 ;
on écrie alors E ⊂ E 00 . Mais π n’est pas surjective en général.
Par exemple, si E est un espace vectoriel normé non complet, E 00 étant
complet, il n’existe pas d’isomorphisme linéaire de E sur E 00 .
Définition: On dit que E est réflexif si π est surjective.
Exemple: L’espace `p (K) des suites x = (xn ) d’éléments de K telles que la
série de terme général |xn |p soit convergente est un espace réflexif pour 1 < p <
+∞.
Indication de preuve: On veut montrer que si q > 1 est tel que p1 + 1q = 1,
alors on a (`p )0 = `q .
Soit v = (vn ) ∈ `q et soit Lv l’application de `p dans K définie pour
∞
u = (un ) ∈ `p par Lv (u) = hu, vi =
P
un vn .
n=1
D’après l’inégalité de Hölder, | hu, vi | ≤ kukp kvkq , d’où
Lv est une forme linéaire continue sur `p et kLv k ≤ kvkq .
Pour montrer que kLv k = kvkq , considérons la suite (un ) définie par:
22
(
|vn |q−2 vn si vn 6= 0
un =
0 si vn = 0
Compte teu du fait que p1 + 1q = 1 ou p + q = pq, on a:
|un |p = |vn |p(q−2) |vn | = |vn |p+q−2q+p = |vn |q , ce qui montre que u ∈ `p .
∞ ∞ ∞
∞ p1 + q1
q−2 q q
P P P P
Lv (u) = un vn = |vn | vn vn = |vn | = |vn | , d’où,
n=1 n=1 n=1 n=1
compte tenu de ce que |un |p = |vn |q
∞ p1 ∞ q1 ∞ p1 ∞ q1
|vn |q |vn |q |un |p |vn |q , d’où
P P P P
Lv (u) = =
n=1 n=1 n=1 n=1
Lv (u) = kukp kvkq , ce qui montre que kLv k = kvkq
L : `q −→ (`p )0
On montre que l’application isométrique est surjec-
v 7−→ Lv
tive.
Chapitre 2: Ensembles convexes-

Fonctions convexes
2.1 Ensembles convexes
2.1.1 Propriétés et exemples d’ensembles convexes
Définition: Soit x, y ∈ E. On appelle segment d’extrémités x et y le sous
ensemble de E : [x, y] = {(1 − t)x + ty, t ∈ [0, 1]}.
Définition: On dit qu’une partie A de E est convexe si le segment joignant
deux points quelconques de A est contenu dans A.
∀x, y ∈ A, [x, y] ⊂ A.
Exemples: 1. ∀x, y ∈ E, le segment [x, y] est convexe.
2. Tout sous espace vectoriel de E est une partie convexe de E.
3. Si E est un espace vectoriel normé, toute boule (ouverte ou fermée) de E
est une partie convexe de E.
Remarque: Une réunion de parties convexes de E n’est pas nécessairement
une partie convexe de E.
Exemple: Les parties A = [1, 3] × [ 21 , 1] et B = [2, 5] × [−2, 1] sont des parties
convexes de R2 et A ∪ B n’est pas convexe.
Proposition 1: 1. Toute intersection de parties convexes de E est une partie
convexe de E.
2. Si (Ci )i∈I est une famille de parties convexes de E telle que ∀i, j ∈ I, ∃k ∈
I tel que i ∪ Cj ⊂ Ck , alors ∪ Ci est convexe.
i∈I
3.Soit (Ci )i=1,...,n une famille finie de parties conveses de E; alors
C1 + ... + Cn = {x1 + ... + xn , x1 ∈ C1 , ..., xn ∈ Cn }est convexe.
23
4. Soit C une partie convexe de E; alors ∀λ ∈ R, λC est convexe.
5. Soient E et F deux espaces vectoriels sur R et soit f une application
linéaire de E dans F . Alors, si A est une partie convexe de E, f (A) est une
partie convexe de F et si B est une partie convexe de F , f −1 (B) est une partie
convexe de E.
La preuve de cette proposition est laissée comme exercice.
Définition: Soit x1 , ..., xn ∈ E. On appelle combonaison linéaire convexe
Pn n
P
des xi toute somme de la forme λi xi , où ∀i ∈ {1, ..., n}, λi ≥ 0 et λi = 1.
i=1 i=1
Proposition 2: Une partie C de E est convexe si et seulement si C contient
toutes ses combinaisons linéaires convexes.
Preuve: Si C contient toutes ses combinaisons linéaires convexes, alors
∀t ∈ [0, 1], ∀x, y ∈ C, (1 − t)x + ty est une combinaison linéaire convexe de
x et y, d’où (1 − t)x + ty ∈ C et C est donc convexe.
Supposons C convexe et démontrons par récurrence sur n ≥ 2 que
n
P n
P
∀x1 , ..., xn ∈ C, ∀λ1 , ..., λn ∈ [0, 1] tel que λi = 1, λi xi ∈ C.
i=1 i=1
La proposition est vraie pour n = 2. Supposons la vraie pour k = 3; 4, ..., n−
1 et montrons qu’elle est vraie pour k = n.
n
P
Soit ∀x1 , ..., xn ∈ C, soit λ1 , ..., λn ∈ [0, 1] tel que λi = 1.
i=1
n−1
P
Si λi = 0 ou λ1 = ... = λn−1 = 0 et λn = 1, le résultat est évident.
i=1
n−1 n−1
λi
Supposons que λ0 =
P P
λi 6= 0. Soit a = λ0 xi .
i=1 i=1
L’hypothèse de récurrence entraine que a ∈ C et on a:
n n
λi xi = λ0 a + λn xn et λ0 + λn = 1 d’où
P P
λi xi ∈ C.
i=1 i=1
Proposition 3: 1. Soit C une partie convexe de E. Alors ∀λ > 0, µ > 0, on
a (λ + µ)C = λC + µC.
2. Tout produit d’espaces convexes est convexe.
Preuve: On a toujours (λ + µ)C ⊂ λC + µC. En effet, soit x ∈ (λ + µ)C,
alors, x = (λ + µ)c, c ∈ C. D’où x = λc + µc ∈ λC + µC
Soit λ > 0, µ > 0; soit x = λa + µb ∈ λC + µC. Alors
λ µ λ µ λ µ
x = (λ + µ)[ λ+µ a + λ+µ b] et λ+µ a + λ+µ b ∈ C, car λ+µ + λ+µ = 1 et C est
convexe, d’où x ∈ (λ + µ)C.
Définition: Soit A ⊂ E. On appelle enveloppe convexe de A, l’intersection
de toutes les parties convexes de E contenant A; c’est la plus petite partie
convexe de E contenant A. On la note co(A).
Proposition 4: L’enveloppe convexe d’une partie A de E est l’ensemble des
combinaisons linéaires d’éléments de A.
n
P n
P
Preuve: Notons B = { ti xi , ti ≥ 0, xi ∈ A, ti = 1} l’ensemble des
i=1 i=1
combinaisons linéaires convexes d’éléments de A.
On a A ⊂ co(A), d’où co(A) contient toutes les combinaisons linéaires
d’éléments de A (Proposition 2)
24
Pour montrer que co(A) ⊂ B, il suffit de montrer que B est convexe, car
comme A ⊂ B, B sera alors une partie convexe de E contenant A.
n
P m
P
Soit x = λ i xi , y = µj yj ∈ B et soit t ∈ [0, 1]; alors; on a:
i=1 j=1
n
P m
P n
P m
P
(1 − t)x + ty = (1 − t)λi xi + tµj yj . Comme (1 − t)λi + tµj =
i=1 j=1 i=1 j=1
1 − t + t = 1, (1 − t)x + ty ∈ B et B est convexe.
Théorème 1 (théorème de Carathéodory) Soit E un espace vectoriel de
dimension n sur R. Soit A ⊂ E. Alors, co(A) est l’ensemble des combinaisons
linéaires convexes de familles d’au plus n + 1 éléments de A.
Preuve: Il suffit de montrer que toute combinaison linéaire convexe d’une
famille contenant p > n + 1 éléments est aussi combinaison linéaire convexe d’au
plus p − 1 éléments.
p
P
Soit p > n + 1, x1 , ..., xp ∈ A, λ1 , ..., λp ∈ [0, 1] tels que λi = 1.
i=1
p
P
Soit x = λ i xi .
i=1
Comme p > n+1, les vecteurs x2 −x1 ,..., xp −x1 sont liés, d’où ∃µ2 , ..., µp ∈ R
p
P
non tous nuls tels que µi (xi − x1 ) = 0.
i=2
p
µi , alors (µ1 , ..., µp ) est un vecteur non nul de Rp et
P
Posons µ1 = −
i=2
p
P p
P
µi = 0 et µi xi = 0
i=1 i=1
+ = {i ∈ {1,
L’ensemble In o ..., p}/µi > 0} est non vide.
λ
Soit t = min µλii , i ∈ I+ ;∃i0 ∈ I+ tel que t = µii0 .
0
Posons βi = λi − tµi ∀i ∈ {1, ..., p}; alors βi ≥ 0 ∀i ∈ {1, ..., p} et βi0 = 0.
Pp P Pp
D’autre part, comme µi = 0, on a βi = 1 et comme µi xi = 0,
i=1 i6=i0 i=1
p
P P
x= βi x i = β i xi .
i=1 i6=i0
x est donc combinaison linéaire de p − 1 éléments de A.
Notion de cône
Définition: On dit qu’une partie K de E est un cône de sommet x0 si
∀x ∈ K, ∀t ≥ 0, x0 + t(x − x0 ) ∈ K.
K est un cône de sommet 0 si ∀x ∈ K, ∀t ≥ 0, tx ∈ K.
Dans la suite, nous considérons des cônes de sommet 0.
Proposition 5: Un cône K est convexe si et seulement si ∀x, y ∈ K, x + y ∈
K.
Preuve: Soit K un cône convexe. Soit x, y ∈ K, alors,
1 1 1 1
2 (x + y) = 2 x + 2 y ∈ K, car K est convexe et alors x + y = 2 2 (x + y) ∈ K,
car K est un cône.
25
Réciproquement, Soit K un cône tel que ∀x, y ∈ K, x + y ∈ K.
Soit x, y ∈ K et soit t ∈ [0, 1]. On a: (1 − t)x, ty ∈ K, d’où d’après
l’hypothèse, (1 − t)x + ty ∈ K, ce qui montre que K est convexe.
Exemples:
1. Tout sous espace vectoriel de E est un cône convexe.
2. L’image directe et l’image réciproque de cônes convexes par une applica-
tion linéaire sont des cônes convexes
Exercice: Montrer que toute intersection de cônes convexes est un cône
convexe.
Définition: Soit A ⊂ E; on appelle enveloppe conique de A, l’intersection
de tous les cônes convexes de E contenant A. On le note cone(A)
Proposition6: Pour toute partie A de E, on a:
n
cone(A) = x ∈ E/∃n ∈ N∗ , ∀i = 1, ..., n, ∃ti ≥ 0, ∃xi ∈ A, /x =
P
ti xi
i=1
Preuve identique à celle de Proposition 3.
Théorème 2: Soit E un espace vectoriel de dimension n sur R, A ⊂ E.
Alors ∀y ∈ cone(A) \ {0}, il existe une famille libre (a1 , ..., ap ) d’éléments de A
p
P
et une famille (λ1 , ..., λp ) de réels positifs tels que y = λi ai .
i=1
Preuve identique à celle du théorème de Carathéodory.
Sous espaces affines

Définition: Soit x, y ∈ E. La droite passant par x et y est l’ensemble
Dxy = {z ∈ E : ∃λ ∈ R/z = (1 − λ)x + λy}
Définition: Une partie A de E est un sous espace affine de E si
∀x, y ∈ E, Dxy ⊂ A
Exemple: ∅, les singletons, les droites sont des sous espaces affines se E.
Notation: Dans la suite, on notera V (E) l’ensemble des sous espaces vecto-
riels de E et A (E) l’ensemble des sous espaces affines de E.
Proposition 7: Soit A ∈ A (E); alors A ∈ V (E) si et seulement si 0 ∈ A.
Preuve: Si A ∈ V (E), alors 0 ∈ A. Supposons que 0 ∈ A.
Soit x, y ∈ A et soit λ ∈ R. On a:
λx = (1 − λ)0 + λx ∈ A....(*)
x + y = 2 x+y x+y 1 1
2 et 2 = (1 − 2 )x+ 2 y ∈ Dxy ⊂ A, d’où x + y ∈ A d’après (*)
Proposition 8: Soit A ∈ A (E) et soit a ∈ E; alors a + A = {a + x, x ∈ A} ∈
A (E).
Preuve: Soit a + x, a + y ∈ a + A et soit λ ∈ R. On a:
(1 − λ)(a + x) + λ(a + y) = a + (1 − λ)x + λy ∈ a + A, car (1 − λ)x + λy ∈ A.
Définition: Soit A, B ∈ A (E); on dit que A et B sont parallèles si ∃x0 ∈ E
tel que B = x0 + A. On note A B.
Théorème 2: Tout sous espace affine de E est parallèle à un unique sous
espace vectoriel V de E qui vérifie V = A − A = {x − y, x, y ∈ A}.
Le sous espace vectoriel V est appelé la direction du sous espace affine A.
Preuve:
26
Existence: Soit a ∈ A, alors −a + A ∈ A (E) et 0 ∈ −a + A, d’où
−a + A ∈ V (E) et −a + A est parallèele à A.
Unicité: Soient U et V deux sous espaces vectoriels de E parallèles à A.
Alors, U est parallèle à V (exercice); d’où ∃x0 ∈ E tel que V = x0 + U .
Comme 0 ∈ V , −x0 ∈ U , d’où x0 ∈ U , car U est un espace vectoriel.et on a
V ⊂ U . De même, U ⊂ V , d’où U = V .
D’après l’unicité, V = −y + A, ∀y∈ A, D’où V = ∪ (−y + A) = A − A.
y∈A
Définition: On appelle combinaison affine d’éléments de E toute somme finie
m m
ai xi , m ∈ N∗ , a1 , ..., am ∈ R,
P P
de la forme ai = 1 et x1 , ..., xm ∈ E.
i=1 i=1
Proposition 9: Une partie A de E est un sous espace affine de E si et
seulement si A contient toutes ses combinaisons affines.
Preuve identique à celle de Proposition 2
Définition: On appelle dimension de A ∈ A (E) la dimension de l’unique
V ∈ V (E) parallè0el à A. On note dim A.
Proposition 10: Toute intersection de sous espaces affines de E est un sous
espace affine de E.
Preuve: Exercice.
Définition: Soit A ⊂ E. Le sous espace affine engendré par A est le plus
petit sous espace affine de E contenant A; c’est l’intersection de tous les sous
espaces affines de E contenant A.
On le note af f (A).
Proposition 11: Pour toute partie A de E, Af f (A) est égal à l’ensemble de
toutes les combinaisons affines d’éléments de A.
Preuve: Exercice
Exercice: Montrer que dans A (E) la relation A∼ B ⇐⇒ A B est une
relation d’équivalence.
2.1.2 Propriétés topologiques des ensembles convexes

Dans ce paragraphe, E désignera un espace vectoriel normé réel.
◦
Théorème 3: Soit C une partie convexe de E. Soit x ∈ C, y ∈ C. Alors
◦
l’ensemble [x, y[= {(1 − t)x + ty, 0 ≤ t < 1} ⊂ C.
◦ ◦
Preuve: On va montrer que ∀x ∈ C, ∀y ∈ C, ∀t ∈]0, 1[, (1 − t)x + ty ∈ C.
◦
Soit x ∈ C, y ∈ C, t ∈]0, 1[.
◦
Comme x ∈ C, ∃r > 0 tel que B(x, r) ⊂ C et comme y ∈ C, on a
tr tr
B(y, 1−t ) ∩ C 6= ∅, d’où ∃z ∈ C tel que kz − yk < 1−t .
On va montrer que C contient une boule ouverte contenant tx + (1 − t)y
. Montrons que:
B(tx + (1 − t)z, tr) ⊂ C et que tx + (1 − t)y ∈ B(tx + (1 − t)z, tr).
Soit u ∈ B(tx + (1 − t)z, tr); alors ku − tx − (1 − t)zk < tr d’où:
1 1−t 1 1−t
t u − x − t z < r et donc v = t u − t z ∈ B(x, r) ⊂ C.
Comme v ∈ C et u = vt+(1−t)z, alors, u ∈ C, car C est convexe et contient
v et z, ce qui montre que B(tx + (1 − t)z, tr) ⊂ C.
27
tr
ktx + (1 − t)y − (tx + (1 − t)zk = (1 − t) ky − zk < (1 − t) 1−t = tr. d’où
tx + (1 − t)y ∈ B(tx + (1 − tz, tr).
◦
Proposition 12: Soit C une partie convexe de E. Alors C et C sont convexes.
◦ ◦ ◦
Si de plus C 6= ∅, alors, on a: C = Cet C̊ = C.
Preuve:
◦
. Montrons que C est convexe.
◦ ◦ ◦
Soit x, y ∈ C, alors, x ∈ Cet y ∈ C ⊂ C, d’où d’après le théorème 3,
◦ ◦ ◦ ◦
[x, y[⊂ C, mais y ∈ C, donc [x, y] ⊂ C et C est convexe.
. Montrons que C est convexe.
Soit x, y ∈ C et soit t ∈ [0, 1]. Il existe deux suites (xn ) et (yn ) d’éléments
de telles que (xn ) converge vers x et (yn ) converge vers y. C étant convexe,
∀n ∈ N, (1−t)xn +tyn ∈ C et la suite ((1−t)xn +tyn ) converge vers (1−t)x+ty,
d’où (1 − t)x + ty ∈ C.
. Supposons C d’intérieur non vide.
◦ ◦ ◦
On a C ⊂ C, d’où C ⊂ C.
◦ ◦ ◦
C 6= ∅; soit x ∈ C. Soit y ∈ C, alors ∃r > 0 tel que B(y, r) ⊂ C.
◦ ◦
Si y = x, alors y ∈ C car x ∈ C. Supposons x 6= y, alors kx − yk > 0.
Posons z = y − λ(x − y); alors,
◦
r
pour |λ| kx − yk < r ou |λ| < kx−yk , z ∈ B(y, r) ⊂ C, d’où comme x ∈ C et
◦
z ∈ C,d’après le théorème 3, on a: [x, z[⊂ C.
r
On prend dans la suite 0 < λ < kx−yk .
◦
1 λ
Mais z = y − λx + λy = −λx + (1 + λ)y, d’où y = 1+λ z + 1+λ x ∈ [x, z[⊂ C.
◦ ◦
On a donc C = C.
◦
D’autre part,on a: C ⊂ C, d’où C̊ ⊂ C.
Soit x ∈ C̊. Soit y ∈ C; alors [x, y[⊂ C̊et y ∈ [x, y[ ⊂ C̊, d’où y ∈ C̊.
Remarque: Si C est d’intérieur vide: C̊ = ∅, les résultats précédents ne sont
plus nécessairement vrais.
Exemple 1: Si C est un singleton, C = {x}, alors C̊ = ∅ et C = C, d’où
C̊ = ∅ et C 6= ∅; on a dans ce cas
C̊ 6= C. ∞
1
P
Exemple 2: Soit E = ` = x = (xn )/ |xn | < +∞ .
n=0
On pose ∀k ∈ N, ek = (0, ..., 0, 1, 0...) avec 1 à la k ième place. Soit C =
hek , k ∈ Ni, le sous espace vectoriel engendré par {ek , k ∈ N}
On a C̊ = ∅; en effet, si x ∈ C̊, ∃r > 0 tel que B(x, r) ⊂ C, ce qui est
impossible, car C étant un sous espace vectoeiel deE contenant une boule de E,
on aurait C = E.
Montrons que C = E.
∞
Soit x = (xn ) ∈ `1 , alors, ∀ε > 0, ∃N ∈ N/∀n ∈ N, n ≥ N ⇒
P
|xk | < ε.
k=n+1
28
∞
n
n

P P P
x− xk ek ≤ |xk | < ε, d’où la suite xk ek converge vers x
k=0 k=n+1 k=0
˚ = `1 et C̊ = ∅ .
et donc x ∈ C. On a donc C = `1 , ce qui entraine C
Cas des espaces vectoriels normés de dimension finie

Soit E un espace vectoriel normé de dimension finie.
Définition: Soit C une partie convexe de E.On appelle intérieur relatif de C
et on note ir(C) l’intérieur de C pour la topologie induite sur Af f (C).
Théorème 4: Si C est une partie convexe non vide de E, alors ir(C) est non
vide.
Preuve: On suppose que 0 ∈ C (on peut toujours s’y ramener par trans-
lation; on prend x0 ∈ C et on pose C 0 = −x0 + C, alors 0 ∈ C 0 et C 0 est
convexe).
0 ∈ C ⊂ Af f (C), alors Af f (C) est alors un sous espace vectoriel de E. Soit
(e1 , ..., ep ) une base de Af f (C) telle que ∀i = 1, ..., p, ei ∈ C; une telle base
existe, car Af f(C) est engendré par des veteurs de C:
n
P n
P
Af f (C) = ai xi , xi ∈ C ∀i = 1, ..., n, ai = 1 .
i=1 i=1
φ : Rp −→ Af f (C)
p
Soit P
(a1 , ..., ap ) 7−→ ai ei
i=1
φ est un isomorphisme d’espaces vectoriels normés; en effet, c’est une bijec-
tion linéaire continue entre espaces de Banach.
p

Soit Ω = (a1 , ..., ap ) ∈ Rp /∀i = 1, ..., p, ai > 0 et
P
ai < 1 ; Ω est un ou-
i=1
1
vert non vide de Rp ( 212 , ..., 2p+1 ) ∈ Ω), d’où φ(Ω) est un ouvert non vide de
Af f (C).
On va montrer que φ(Ω) ⊂ C.
Pp p
P p
P
Soit (a1 , ..., ap ) ∈ Ω; x = ai ei . Alors, x = ai ei + (1− ai ei )0 ∈ C,
i=1 i=1 i=1
p
P p
P
car ai + 1− ai = 1 et 0, ei ∈ C ∀i = 1, ..., p; ce qui montre que φ(Ω) ⊂ C
i=1 i=1
et φ(Ω) est un ouvert non vide de Af f (C), d’où ir(C) 6= ∅.
Théorème 5: Soit C une partie convexe de E. Alors ∀x ∈ ir(C), ∀y ∈
C, [x, y[⊂ ir(C).
Preuve identique à celle du théorème 3.
Corollaire: Soit C une partie convexe non vide de E. Alors ir(C) = ir(C)
et ir(C) = C..
Preuve: On va montrer que Af f (C) = Af f (C) et finir la preuve comme
dans Proposition 11 .
Comme C ⊂ C, on a Af f (C) ⊂ Af f (C).
D’autre part, E étant de dimension finie, Af f (C) est fermé dans E etC ⊂
Af f (C), d’où C ⊂ Af f (C) et donc Af f (C) ⊂ Af f (C).
29
Théorème 6: Soit E un espace vectoriel de dimension n sur R. Soit C une
partie convexe de E. Alors:
(x ∈ C̊) ⇐⇒ (∀u ∈ E, ∃ru > 0/x + ru u ∈ C).
Preuve: Soit x ∈ C̊, alors ∃r > 0 tel que B(x, r) ⊂ C.
r
Soit u ∈ E \ {0} et soit ru un réel tel que 0 < ru < kuk . Alors, on a
kx − (x + ru u)k = ru kuk < r, d’où x + ru u ∈ B(x, r) ⊂ C.
Réciproquement, soit (ei )i=1,...,n une base de E. Posons ui = −ei . Alors
par hypothèse,∃ri > 0, ∃si > 0 tels que x + ri u, x + si u ∈ C.
Soit r = min {ri , si } et soit φ l’isomorphisme canonique de Rn sur E.
1≤i≤n p

p
|ai | < r ; Ω est un ouvert non vide de Rn ,
P
Posons Ω = (a1 , ..., ap ) ∈ R /
i=1
donc φ(Ω) est un ouvert non vide de E.
Montrons que {x} + φ(Ω) ⊂ C.
Soit a = (a1 , ..., an ) ∈ Ω. Posons:
I+ = {i ∈ {1, ..., Pn}/ai > 0}P et I− {i ∈ {1, ...,
Pn}/ai < P 0}. Alors
x + φ(a) = x + ai ei + ai ei = x + ai ei − ai ui
i∈I+ i∈I− i∈I+ i∈I−
!
P ai
= 1r r − − ari (x + rui ) et on a
P P
|ai | x + r (x + rei ) +
i∈I+ i∈I+ i∈I−
!
n
1
P P P
r 1− |ai | + ai − ai = 1 , d’où x + φ(a) est une combinaison
i=1 i∈I+ i∈I−
linéaire convexe d’éléments de C , ce qui prouve que x + φ(a) ∈ C.
On a donc {x}+φ(Ω) ⊂ C et {x}+φ(Ω) est un ouvert , d’où {x}+φ(Ω) ⊂ C̊
et x ∈ {x} + φ(Ω) ⊂ C̊.
Remarque: La propriété du théorème 6 n’est pas vraie si E est de dimension
infinie.
1́
Exemple: Soit E = C ([0, 1], R) muni de la norme kxk = |x(t)|dt,
( ) 0
C= x ∈ E/ sup x(t) < 1 .

t∈[0,1]
∀x ∈ E, x est majorée, d’où ∃r > 0 tel que rx ∈ C, ce qui montre que x = 0
vérifie la propriété du théorème.
Montrons que C est convexe.
Soitx, y ∈ C, τ ∈ [0, 1]. Alors
sup [τ x(t) + (1 − τ )y(t)] ≤ τ sup x(t) + (1 − τ ) sup y(t) < τ + 1 − τ = 1.
t∈[0,1] t∈[0,1] t∈[0,1]
Montrons que 0 ∈ C̊. (
1 − nt si t ∈ [0, 1]
Soit (xn ) la suite d’éléments de E définie par xn (t) =
0 sinon
sup xn (t) = sup (1 − nt) = 1, d’où ∀n ∈ N∗ , xn ∈
/ C.
t∈[0,1] 1
t∈[0; n ]
1
ń
D’autre part, kxn − 0k = (1 − nt)dt tend vers 0 quand n → ∞, ce qui
0
30
montre que la suite (xn ) converge vers 0 dans E.
Supposons que 0 ∈ C̊, alors ∃r > 0 tel que B(0, r) ⊂ C et
∃N ∈ N/n ≥ N ⇒ kxn − 0k < r, d’où ∀n ≥ N, xn ∈ B(0, r) ⊂ C, ce qui
contredit le fait que ∀n ∈ N∗ , xn ∈/ C.
Proposition 13: Si E est de dimension finie, l’enveloppe convexe d’une partie
compacte de E est compact.
Preuve: Soit K une partien+1compacte de E. On sait (théorème de carathéodory)
P n+1
P
que si dimE = n, co(K) = ai xi , ∀i = 1, ..., n, xi ∈ K, ai ∈ [0, 1], ai = 1 .
i=1 i=1
n+1
S n+1 = (a1 , ..., an+1 ) ∈ [0, 1]n+1 /
P
ai = 1 est une partie compacte de
i=1
Rn+1 . D’autre part, l’application
ϕ : Rn+1 × E n+1 −→ E
n+1
P
(a1 , ..., an+1 , x1 , ..., xn+1 ) 7−→ ai xi
i=1
est continue et co(K) = ϕ(S n+1 × K n+1 ) et S n+1 × K n+1 est compact.
Retour aux espaces E de dimension quelconque

Soit E un espace vectoriel normé sur R.
Définition: On appelle polytope, l’enveloppe convexe d’une partie finie de
E. Le polytope engendré par la base canonique de Rn est appelé le simplexe de
Rn .
Proposition 14: Soit A ⊂ E. Alors co(A) est le plus petit convexe fermé
contenant A. et cone(A) est le plus petit cône convexe fermé contenat A.
Preuve: Comme co(A) est convexe, co(A) est convexe.
Soit C un convexe fermé contenant A, alors co(A) ⊂ C, d’où co(A) ⊂ C.
La preuve est identiqe pour cone(A).
Proposition 15: Tout polytope est compact.
n
Preuve: Soit x1 , ..., xn ∈ E. Posons S n = (a1 , ..., an ) ∈ [0, 1]n /
P
ai = 1 .
i=1
ϕ : Rn −→ E
n
Soit P .
(a1 , ..., an ) 7−→ ai xi
i=1
ϕ étant une application linéaire, est continue et co ({x, ..., xn }) = ϕ(S n ) est
compact, car étant l’image du compact S n par l’application continue ϕ.
Proposition 15: Si E est un espace de Banach, alors l’enveloppe convexe de
toute partie compacte de E est relativement compacte.
Preuve: Soit K une partie compacte de E, alors co(K) est complet, car
étant une partie fermée de l’espace de Banach E. Il suffit donc de montrer que
co(A) est précompact..
Soit r > 0; K étant compact, et K ⊂ ∪ B(x, 3r ), ∃x1 , ..., xn ∈ K tel que
x∈K
n
K ⊂ ∪ B(xi , 3r ).
i=1
31
D’après la Proposition 15, co({x1 , ..., xn }) est compact et contenu dans
m
∪ B(y, 3r ) , d’où ∃y1 , ..., ym ∈ co({x1 , ..., xn }) tel que co({x1 , ..., xn }) ⊂ ∪
y∈co({x1 ,...,xn }) j=1
B(yj , 3r ).
m
Montrons que co(K) ⊂ ∪ B(yj , 2r
3 ), ceci entrainera que
j=1
m m
co(K) ⊂ ∪ B 0 (yj , 2r
3 ) ⊂ ∪ B(yj , r).
j=1 j=1
p
Soit x ∈ co(K); alors ∃z1 , ..., zp ∈ K, ∃(b1 , ..., bp ) ∈ S p tel que x =
P
bk zk .
k=1
n
∀k ∈ {1, ..., p}, zk ∈ K ⊂ ∪ B(xi , 3r ), d’où ∃ik ∈ {1, ..., n}, ∃uk ∈ E tel que
i=1
r
kuk k < 3 et zk = xik + uk d’où
p
P p
P p
P p
P
x= bk zk = bk (xik + uk ) = bk xik + bk uk .
k=1 k=1 k=1 k=1
p
p
P
Comme (b1 , ..., bp ) ∈ S , on a donc bk xik ∈ co({x1 , ..., xn }), d’où ∃j ∈
k=1
p
r
P
{1, ..., m}, ∃v ∈ E tel que kvk < 3 et bk xik = yj + v, donc
k=1
p p p p
bk kuk k < 3r , car
P P P P
x = yj + v+ bk uk et on a: bk uk ≤ bk = 1
k=1 k=1 k=1 k=1
r
et kuk k < 3.
On a donc finalement:
kx − yj k < kvk + 3r < 2r 3 .
Remarque: Dans un espace de Banach, l’enveloppe convexe d’une partie
compacte peut ne pas être fermée.
Exemple: Soit E = `1 . Soit u = (un ) ∈ `1 une suite à termes strictement
positifs. Soit en = (0, ..., 0, 1, 0...) (1 à la nième place).
K = {0, u1 e1 , ..., un en , ...} est compact, car lim un en = 0.
n→∞
n n
∗ n 1 1 1 1
P P
∀n ∈ N , v = (0, 2 u1 , ..., 2n un , 0...) = u e + (1−
2k k k 2k
)0 ∈ co(K),
k=1 k=1
n n
1 1
P P
car 2k
+ (1− 2k
) =1.
k=1 k=1
∞
1
La suite (v n ) converge vers
P
u e
2k k k
∈
/ co(K), d’où co(K) n’est pas fermé.
k=1
Remarque
1. Si A est ouvert, alors co(A) est ouvert. En effet, A ⊂ co(A) ⇒ A ⊂ co(A) ˚
˚ ˚
et co(A) est convexe, d’où co(A) = co(A).
2. A fermé ; co(A) fermé.
Définition: Soit C un cône de E; on dit que C est finement p généré s’il existe
P
une famille finie (x1 , ..., xp ) d’éléments de E telle que C = ai xi , ai ≥ 0 ∀i ∈ {1, ..., p} .
i=1
C est finement généré si et seulement si ∃x1 , ..., xp ∈ E tel que C = cone({x1 , ..., xp }).
Proposition 17: Si C est un cône finement généré, alors C est fermé dans
E.
Preuve: Soit x1 , ..., xp ∈ E tel que C = cone({x1 , ..., xp }).
32
Posons P= {I ⊂ {1, ..., p}/(xi )i∈I libre}; alors, d’après Théorème 2,
P
C= ∪ ai xi , ai ≥ 0 ∀i ∈ I .
I⊂P i∈I

ai xi , ai ≥ 0 ∀i ∈ I et RI = {(ai )i∈I , ai ∈ R∀i ∈ I}
P
Soit I ⊂ P ; posons CI =
i∈I
P étant fini, il suffit de montrer que ∀I ⊂ P , CI est fermé.
Soit hxi , i ∈ Ii le sous espace vectoriel engendré par {xi , i ∈ I}.
ϕ : RI −→ hxP i , i ∈ Ii
Soit (ai )i∈I 7−→ ai xi .
i∈I
ϕ est une bijection linéaire, car la famille {xi , i ∈ I} est libre; ϕ est donc
bicontinue.
Posons Rn+ = {(a1 , ..., an ) ∈ Rn /ai ≥ 0 ∀i ∈ {1, ..., n}}, alors CI = ϕ(RI+ ) et
R+ est fermé dans RI , d’où CI est fermé dans hxi , i ∈ Ii et hxi , i ∈ Ii est fermé
I
dans E, comme sous espace de dimension finie de E, d’où CI est fermé dans E.
2.2 Fonctions convexes

2.2.1 Propriétés des fonctions convexes
Multiplication dans R
On définit la multiplication dans R = R ∪ {−∞, +∞} par:
0.(−∞) = ( 0.(+∞) = 0 (
+∞ si t > 0 −∞ si t > 0
t.(+∞) = ; t.(−∞) =
−∞ si t < 0 +∞ si t > 0
Définition: On dit qu’une application f de E dans ] − ∞, +∞] est convexe
si
∀x, y ∈ E, ∀t ∈ [0, 1], f ((1 − t)x + ty) ≤ (1 − t)f (x) + tf (y).
On dit qu’une application g de E dans [−∞, +∞[ est concave si
∀x, y ∈ E, ∀t ∈ [0, 1], g((1 − t)x + ty) ≥ (1 − t)g(x) + tg(y).
Remarque: f est convexe si et seulement si −f est concave. Des résultats
obtenus pour f convexe, on déduit des résultats correspondants pour f concave.
Définition: Soit f : E → R . On appelle domaine de f et on note
dom(f ) l’ensemble des éléments x ∈ E tels que f (x) ∈ R.
Proposition 1: Si f est convexe ou concave, dom(f ) est une partie convexe
de E.
Preuve: Exercice
Définition: On dit qu’une fonction convexe ou concave est propre si son
domaine est non vide.
Définition: On appelle épigraphe de f , l’ensemble noté epi(f ) défini par
epi(f ) = {(x, t) ∈ E × R/t ≥ f (x)}
On appelle hypographe de f , l’ensemble qu’on note hypo(f ) défini par
hypo(f ) = {(x, t) ∈ E × R/t ≤ f (x).
33
Théorème 1: Les propositions suivantes sont équivalentes:
(i) f est convexe (resp. concave) n n
n, n
P P
(ii)∀n ≥ 2, ∀(x1 , ..., xn ) ∈ R , ∀(t1 , ..., tn ) ∈ S , f t i xi ≤ ti f (xi )
n n i=1 i=1
P P
(resp. f t i xi ≥ ti f (xi ) )
i=1 i=1
(iii) epi(f ) (resp. hypo(f )) est une partie convexe de E × R.
Preuve: On va montrer que (ii) ⇒ (i) ⇒ (iii) ⇒ (ii).
(ii)⇒(i) est évident: prendre n = 2.
(i)⇒(iii) On suppose f convexe.
Soit (x, u), (y, s) ∈ epi(f ), t ∈ [0, 1]; alors
f (tx + (1 − t)y) ≤ tf (x) + (1 − t)f (y) ≤ tu + (1 − t)s, par définition de epi(f ),
d’où (tx + (1 − t)y, tu + (1 − t)s) ∈ epi(f ), ce qui montre que epi(f ) est convexe.
(iii)⇒(ii)
n n≥
Soit 2, (x1 , ..., xn ) ∈ E n , (a1 , ..., an ) ∈ S n . On veut montrer
P Pn
que f ai xi ≤ ai f (xi ).
i=1 i=1
n
P
Si ∃i ∈ {1, ..., n} tel que f (xi ) = +∞ et ai > 0, alors ai f (xi ) = +∞ et
i=1
le résultat est évident.
On suppose ∀i ∈ {1, ..., n}, ai > 0 ( on enlève les ai = 0, car ai f (xi ) = 0).
n
P
Suposons que f (xi ) ∈ R, ∀i ∈ {1, ..., n}, alors (xi , f (xi ) ∈ epi(f ), d’où
i=1
ai (xi , f (xi )) ∈ epi(f ), car epi(f ) est convexe. n n
n
P n
P P P
On a donc ( ai xi , ai f (xi )) ∈ epi(f ), d’où f ai xi ≤ ai f (xi ).
i=1 i=1 i=1 i=1
Exemples
1. Soit f une fonction affine de E dans R; alors, il existe une forme linéaire
g sur E et un réel b tels que f (x) = g(x) + b, ∀x ∈ E.
Toute fonction affine f de E dans R est convexe et concave; en effet, ∀x, y ∈
E, ∀t ∈ [0, 1], on a:
f (tx + (1 − t)y) = g(tx + (1 − t)y + b = tg(x) + (1 − t)g(y) + b
= t[g(x) + b] + (1 − t)[g(y) + b] = tf (x) + (1 − t)f (y).
2. Une norme k.k : E → R est convexe.
3. Si C est( une partie de E, 1C : E → ] − ∞, +∞] définie par
1 si x ∈ C
1C (x) = .
+∞ sinon
Alors 1C est convexe si et seulement si C est convexe.
Définition: Soit C une partie convexe de E, contenant 0. La jauge de C
qu’on note jC est définie par j(x) = inf {b > 0/x ∈ bC} où bC = {by, y ∈ C}.
Remarque: On convient que inf ∅ = +∞.
Proposition 2: La jauge jC d’une partie convexe C de E vérifie les propriétés
suivantes:
(i) ∀x, y ∈ E, jC (x + y) ≤ jC (x) + jC (y).
(ii) ∀x ∈ E, ∀t ≥ 0, jC (tx) = tjC (x).
(iii) ∀x ∈ E, si x ∈ C, alors jC (x) ≤ 1 et si x ∈
/ C, jC (x) ≥ 1.
34
(iv) Si 0 ∈ C̊, jC (x) ∈ R, ∀x ∈ E. jC est une application convexe de E dans
R.
Preuve: (i) Si jC (x) = +∞ ou jC (y) = +∞, alors (i) est évident.
Supposons jC (x), jC (y) ∈ R. Soit λ > 0, µ > 0 tels que x ∈ λC et y ∈ µC;
alors ∃x0 , y 0 ∈ C tel que x = λx0 het y = µy 0 . i
µ
x + y = λx0 + µy 0 = (λ + µ) λ+µ λ
x0 + λ+µ y 0 . Comme x0 , y 0 ∈ C, λ+µ
λ
x0 +
µ 0
λ+µ y ∈ C car C est convexe, d’où x + y ∈ (λ + µ)C.
On a donc ∀λ ∈ {λ0 > 0/x ∈ λ0 C}, ∀µ ∈ {µ0 > 0/y ∈ µ0 C}, jC (x+y) ≤ λ+µ,
d’où
jC (x + y) ≤ inf{λ0 > 0/x ∈ λ0 C} + inf{µ0 > 0/y ∈ µ0 C} = jC (x) + jC (y),
d’où (i) est démontré.
(ii) Soit x ∈ E et t ≥ 0.
Si t = 0, alors jC (tx) = jC (0) = 0, car, comme 0 ∈ C, ∀λ > 0, 0 ∈ λC, d’où
inf{λ > 0/x ∈ λC} = 0.
Si t > 0, soit λ ∈ {λ0 > 0/tx ∈ λ0 C}.
tx ∈ λ0 C ⇒ x ∈ λt C ⇒ jC (x) ≤ λt ⇒ jC (x) ≤ inf{λ > 0/x ∈ λt C}
⇒ tjC (x) ≤ t inf{λ > 0/x ∈ λt C} ⇒ tjC (x) ≤ inf{λ > 0/tx ∈ λC}, d’où
tjC (x) ≤ jC (tx).
D’autre part, jC (x) = jC (t 1t x) ≥ 1t jC (tx), d’où jC (tx) ≤ tjC (x), on a donc
l’égalité.
(iii) Si x ∈ C,on a 1 ∈ {λ > 0/x ∈ λC}, d’où jC (x) ≤ 1.
Si x ∈ / C, supposons jC (x) < 1, alors∃λ < 1, ∃c ∈ C tel que x = λc et on a
alors x = (1 − λ)0 + λc et x ∈ C, contradiction, d’où jC (x) ≥ 1.
(iv) Soit x ∈ E \ {0}; il suffit de remarquer que si 0 ∈ C̊, alors ∃r > 0 tel
que B 0 (x, r) ⊂ C et on a jC (x) ≤ kxk r 0 kxk
r , car kxk x ∈ B (0, r) ou x ∈ r C.
Proposition 3: (i) Toute somme finie de fonctions convexes (resp. concave)
et convexe (resp. concave)
(ii) Si f est convexe (resp. concave), alors ∀λ > 0, λf est convexe (resp.
concave).
(iii) Si (fi )i∈I est une famille de fonctions convexes (resp. concaves), alors
supfi est convexe (resp. inf fi est concave)
i∈I i∈I
(iv) Si f est une fonction convexe (resp. concave) de E dans R et g est une
fonction convexe croissante de R dans R, alors g ◦ f est convexe (resp. concave).
Preuve: Exercice.
2.2.2 Quasi-convexité
Définition: Une fonction f de E dans ] − ∞, +∞] est dite quasi-convexe si
∀x, y ∈ E, ∀t ∈ [0, 1], f (tx + (1 − t)y ≤ max{f (x), f (y)}.
Une fonction g de E dans [−∞, +∞[ est dite quasi-concave si ∀x, y ∈ E,
∀t ∈ [0, 1], g(tx + (1 − t)y) ≥ min{f (x), f (y)}.
Exemple: Toute fonction convexe est quasi-convexe; toute fonction concave
est quasi-concave.
Si f est quasi-convexe, alors −f est quasi concave.
35
Proposition 4: Pour toute fonction f de E dans ] − ∞, +∞], les propositions
suivantes sont équivalentes:
(i) f est quasi-convexe
(ii) ∀a ∈ R, l’ensemble Aa = {x ∈ E/f (x) ≤ a} est convexe.
(iii) ∀a ∈ R, l’ensemble Ba = {x ∈ E/f (x) < a} est convexe.
Preuve: (i)⇒(ii) Soit a ∈ R. Soit x, y ∈ Aa ,t ∈ [0, 1]; alors f (tx + (1 − t)y) ≤
max{f (x), f (y)} ≤ a, d’où tx + (1 − t)y ∈ Aa .
(ii)⇒(iii) Soit x, y ∈ Ba ; alors f (x) < a et f (y) < a, d’où∃a0 < a tel que
f (x) ≤ a0 et f (y) ≤ a0 et alors x, y ∈ Aa0 et comme Aa0 est convexe, ∀t ∈ [0, 1],
tx + (1 − t)y ∈ Aa0 ou encore ∀t ∈ [0, 1], f (tx + (1 − t)y) ≤ a0 , d’où ∀t ∈ [0, 1],
f (tx + (1 − t)y) < a et tx + (1 − t)y ∈ Ba .
(iii)⇒(i) Soit x, y ∈ E, t ∈ [0, 1]. Soit ε > 0 et soit a = max{f (x), f (y)} + ε;
alors, f (x) < a et f (y) < a, d’où x, y ∈ Ba ; B a étant convexe, tx+(1−t)y ∈ Ba ,
ou encore f (tx + (1 − t)y < max{f (x), f (y)} + ε, ∀ε > 0.
On a donc f (tx + (1 − t)y) ≤ max{f (x), f (y)}, d’où (i).
Proposition 5: Soit f : E → ] − ∞, +∞] une fonction quasi-convexe.
Alors:
1. ∀t ≥ 0, tf est quasi-convexe.
2. Si g est une fonction croissante de R dans R, g ◦ f est quasi-convexe.
Preuve: 1. Soit x, y ∈ E, s ∈ [0, 1]; alors, on a:
tf (sx + (1 − s)y) ≤ t max{f (x), f (y)} = max{tf (x), tf (y)}, d’où tf est
quasi-convexe.
2. g ◦ f (sx + (1 − s)y) = g[f (sx + (1 − s)y)] et on a
f (sx + (1 − s)y) ≤ max{f (x), f (y)} et g est croissante, d’où
g[f (sx + (1 − s)y)] ≤ g[max{f (x), f (y)}] ≤ max{g ◦ f (x), g ◦ f (y)}, ce qui
montre que g ◦ f est quasi-convexe.
2.2.3 Propriétés topologiques des fonctions convexes

Théorème 2: Soit E un espace vectoriel normé réel et soit f une fonction
convexe de E dans ] − ∞, +∞]. Soit x0 ∈ dom(f ). Alors:
(i) f est continue en x0 si et seulement si ∃r > 0, ∃a ∈ R tel que
∀x ∈ B(x0 , r), f (x) ≤ a.
(ii) Si f est continue.en un point x0 ∈ dom(f ), alors f est localement lips-
chitzienne sur dom(f˚ ).
Preuve: (i) Soit x0 ∈ dom(f ). Si f est continue en x0 , ∀ε > 0, ∃r > 0 tel
que x ∈ B(x0 , r) ⇒ |f (x) − f (x0 )| < ε, d’où x ∈ B(x0 , r) ⇒ f (x) < f (x0 ) + ε
Réciproquement, supposons que ∃r > 0, ∃a ∈ R tel que ∀x ∈ B(x0 , r),
f (x) ≤ a.
Soit x ∈ B(x0 , 2r ). Pour tout y ∈ B(x, 2r ) tel que y 6= x, soit z + = x +
r − r + −
2ky−xk (y − x) et z = x − 2ky−xk (y − x). Alors kz − x0 k < r et kz − x0 k < r,
+ −
d’où f (z ) ≤ a et f (z ) ≤ a.
D’autre part, on a :
y = 2r ky − xk z + + 1 − 2ky−xk
r
2ky−xk
x et x = r+2ky−xk z − + r+2ky−xk
r
y.
f étant convexe, on a donc:
36

2ky−xk
f (y) ≤ r f (z + ) + 1 − 2ky−xk r f (x) et
2ky−xk − r
f (x) ≤ r+2ky−xk f (z ) + r+2ky−xk f (y) , d’ où:
f (y) − f (x) ≤ 2ky−xk
r (f (z + ) − f (x) ≤ 2ky−xk
r (a − f (x)).....(1)
2ky−xk − 2ky−xk
f (x) − f (y) ≤ r+2ky−xk (f (z ) − f (y)) ≤ r+2ky−xk (a − f (y)).....(2)
(2)⇒ f (y) ≥ 2ky−xk+r
r f (x) − 2ky−xk
r a
⇒ a − f (y) ≤ a + 2ky−xkr a − 2ky−xk+r
r f (x) ≤ 2ky−xk+r
r (a − f (x)).....(3)
En reportant (3) dans (2), on a:
2ky−xk 2ky−xk+r 2ky−xk
f (x) − f (y) ≤ r+ky−xk r (a − f (x)) = r (a − f (x)).....(4)
2ky−xk
(1) et (4)⇒ |f (x) − f (y)| ≤ r (a − f (x)).....(5).
Choisissons x ∈ B(x0 4r ). En remplaçant dans (3) y par x et x par x0 , on a:
a − f (x) ≤ 2kx−xr 0 k+r (a − f (x0 ) ≤ 23 (a − f (x0 ).....(6).
Pour y ∈ B(x0 , 4r ), kx − yk ≤ kx − x0 k + kx0 − yk < 2r , d’où
|f (x) − f (y)| ≤ 2ky−xkr
3 3
2 (a − f (x0 )) = r (a − f (x0 ) ky − xk. f est donc
lipschitzienne de rapport r (a − f (x0 )) sur B(x0 , 4r ), d’où f est continue en x0 .
3
(ii) Il suffit de montrer que si f est majorée au voisinage d’un point x0 ∈

dom(f ), alors f est majorée au voisinage de tout point de dom(f ˚ ).
soit x0 ∈ dom(f ) un point au voisinage duquel f est majorée. ∃r > 0, ∃a ∈ R
tel que ∀x ∈ B(x0 , r), f (x) ≤ a.
Soit y ∈ dom(f˚ ), y 6= x0 ; ∃ρ > 0 tel que B(y, 2ρ) ⊂ dom(f ).
ρ
Soit z = y + ky−x 0k
(y − x0 ), z ∈ B(y, 2ρ) ⊂ dom(f ). On a:
ρ ky−x0 k ρr
y= ρ+ky−x0 k x0 +ρ+ky−x0 k z. Soit u ∈ E tel que kuk < ρ+ky−x0 k ; alors:
0k ky−x0 k 0k
ρ
y + u = ρ+ky−x 0k
x0 + ρ+ky−x
ρ u + ρ+ky−x 0k
z, et ρ+ky−x
ρ kuk < r, d’où
ρ+ky−x0 k
x0 + ρ u ∈ B(x0 , r).
On a donc
ρ ρ+ky−x0 k ky−x0 k
f (y + u) ≤ ρ+ky−x0 k f x0 + ρ u + ρ+ky−x0 k f (z)
ρ ky−x0 k
≤ ρ+ky−x0 k a + ρ+ky−x0 k f (z), d’où f est majorée dans un voisinage de z.
2.2.3 Cas des espaces de dimension finie

Corollaire: Si E est de dimension finie, et si f est une fonction convexe de E
˚ ).
dans ]-∞, +∞], alors f est localement lipschitzienne sur dom(f
Preuve: D’après le théorème 2, il suffit de montrer que f est majorée au
voisinage d’un point de dom(f ).
˚ ) et soit (ei )1≤i≤n une base de E. ∃r > 0 tel que ∀i = 1, ..., n,
Soit x0 ∈ dom(f
x0 + rei ∈ dom(f ).
n
n
P
Notons A l’ensemble A = a = (a1 , ..., an ) ∈ R / ai < 1 ; soit ϕ l’isomorphisme
i=1
n
n
P
de R sur E défini par ϕ(a1 , ..., an ) = r( a i ei ) + x0 .
i=1
n
A étant un ouvert de R , ϕ(A) est un ouvert de E.
On va montrer que ϕ(A) ⊂ dom(f ) et que f est majorée sur ϕ(A).
37
n
P
Soit x = ϕ(a) = x0 + r( ai ei ) ∈ ϕ(A), alors,
i=1
P n
P
x = (1 − a i ) x0 + ai (x0 + rei ); dom(f ) étant convexe, x ∈ dom(f ).
i=1
P n
P
f étant convexe, f (x) ≤ (1 − ai ) f (x0 )+ ai f (x0 + rei )
i=1
≤ max{f (x0 ), f (x0 + re1 ), ..., f (x0 + ren )}, ce qui montre que f est majorée
sur ϕ(A).
Théorème 3: Soit E un espace vectoriel normé de dimension n sur R. Soit
C une partie compacte convexe de E, d’intérieur non vide, p = dim Af f (C).
Alors C est homéomorphe à la boule .unité fermée de Rp .
Preuve: Soit x0 ∈ C̊, alors Af f (C) = x0 + F où F est un espace vectoriel
de dimension p.
L’application θ : Af f (C) −→ F définie par θ(x) = x − x0 est in-
jective et continue; c’est donc un homéomorphisme de C sur θ(C) = D, D est
compact et convexe
0 = θ(x0 ) ∈ ir(D), car x0 ∈ C̊, d’où jD est finie sur F et convexe, donc jD
est continue et D étant fermé, D = {x ∈ F/jD (x) ≤ 1} d’après Proposition 2.
Soit (e1 , ..., ep ) une base de F . s
Pp n
P
On munit D de la norme ai ei = |xi |2 . Soit ψ l’isomorphisme
i=1 i=1
canonique de F sur Rp et soit
ϕ : F −→ ( Rp
jD (x)
kψ(x)k ψ(x) si x 6= 0
x 7−→
0 si x = 0
ϕ est continue sur F \ {0}.
Montrons que ϕ est continue en x = 0.
Comme 0 ∈ ir(D), ∃r > 0 tel que B 0 (0, r) ⊂ D, d’où ∀x ∈ F , jD (x) ≤ 1r kxk,
rx rx
car kxk ∈ D ⇒ jD ( kxk ) ≤ 1; on a donc ∀x ∈ F , kϕ(x)k ≤ 1r kxk = 1r kψ(x)k, ce
qui entraine que :
∀x ∈ F, kϕ(x)k = jD (x) ≤ 1r kψ(x)k = 1r kxk, d’où ϕ est continue en x = 0.
Montrons que ϕ est injective
Si x = 0, ϕ(x) = 0.
ψ(x1 ) ψ(x2 )
Soit x1 , x2 ∈ F tels que ϕ(x1 ) = ϕ(x2 ), alors jD (x1 ) kψ(x 1 )k
= jD (x2 ) kψ(x 2 )k
,
jD (x1 ) kψ(x2 )k
d’où ψ(x2 ) = λψ(x1 ) avec λ = jD (x2 ) kψ(x1 )k .
ψ(x2 ) ψ(x1 )
ψ étant un isomorphisme,x2 = λx1 , ce qui entraine que kψ(x 2 )k
= kψ(x 1 )k
;
car λ > 0, d’où
ψ(x1 ) ψ(x2 )
jD (x1 ) kψ(x1 )k
= jD (x2 ) kψ(x 2 )k
⇒ jD (x1 ) = jD (x2 ).
D’autre part, jD (x2 ) = jD (λx1 ) = λjD (x1 ), d’où λjD (x1 ) = jD (x1 ) ⇒ λ = 1
et x1 = x2 .
Montrons que ϕ est une surjection de F sur B 0 (0, 1).
Soit u ∈ B 0 (0, 1). Si u = 0, alors u = ϕ(0).
38
Supposons u 6= 0; alors, ∃t > 0 tel que tψ −1 (u) ∈ F r(D), d’où jD (tψ −1 (u)) =
1.
jD (x)
Soit x = t kuk ψ −1 (u), alors ϕ(x) = kψ(x)k ψ(x) et ψ(x) = t kuk u, jD (x) =
kuk
kuk, d’où ϕ(x) = kuk tu = u, donc ϕ est surjective.
tkuk2
ϕ est une bijection continue et D est compact, d’où ϕ est un homéomor-
phisme de D sur B 0 (0, 1).
2.3 Théorèmes de séparation

Théorème 4: Soit E un espace vectoriel normé réel. Soient A et B deux parties
convexes non vides disjointes.
Si A est d’intérieur non vide, alors il existe une forme linéaire continue non
nulle f sur E telle que sup{f (a), a ∈ A} ≤ inf{f (b), b ∈ B}.
Preuve: Soit a ∈ Å,b ∈ B, x0 = b − a, alors x0 6= 0, car A ∩ B = ∅.
Soit C = A−B +{x0 }, C est convexe, car A, B et {x0 } le sont et on a C̊ 6= ∅,
car Å − B + {x0 } est un ouvert contenu dans C (On sait que X ouvert⇒ X + Y
ouvert).
0 ∈ C̊, car 0 = a − b + x0 ∈ Å − B + {x0 } ⊂ C̊ et x0 ∈ / C, car A ∩ B = ∅,
d’où jC (x0 ) ≥ 1.
g : Rx0 −→ R
Soit ; on a g(tx0 ) ≤ jC (tx0 ) ∀t ∈ R; en effet, si t ≤ 0,
tx0 7−→ t
l’inégalité est évidente, car jC (tx0 ) ≥ 0 et si t > 0, g(tx0 ) = t et jC (tx0 ) =
tjC (x0 ) ≥ t.
D’après le théorème de Hahn Banach, g se prolonge en une forme linéaire f
sur E telle que f (x) ≤ jC (x), ∀x ∈ E.
∀x ∈ C, f (x)≤ jC (x) ≤ 1, ce qui montre que f est majorée sur un ouvert
non vide, d’où f est continue.
∀(x, y) ∈ A × B, x − y + x0 ∈ C, d’où f (x − y + x0 ) ≤ jC (x − y + x0 ) ≤ 1
ou f (x) − f (y) + 1 ≤ 1, ouf (x) − f (y) ≤ 0; en effet f (x0 ) = g(x0 ) = 1.
On a donc f (x) − f (y) ≤ 0 ∀x ∈ A, ∀y ∈ B,
d’où sup{f (a), a ∈ A} ≤ inf{f (b), b ∈ B}.
Corollaire 1: Soit E un espace vectoriel normé et soient A et B deux parties
convexes non vides et disjointes de E.
Si A est compact et B fermé, alors, il existe une forme linéaire continue non
nulle f sur E telle que sup{f (a), a ∈ A} < inf{f (b), b ∈ B}.
d : E −→ R
Preuve: L’application B est continue et comme x ∈ /
x 7−→ d(x, B)
B, dB (x) > 0.
Soit a le minimum de dB dans A (a = min{dB (x), x ∈ A}) ; a existe, car dB
est continue et A compact.
a ∈ A, car A est compact, d’où a ∈ / B et alors dB (a) = r > 0.
Posons Ã = ∪ B(a, 2r ), alors Ã est ouvert.
a∈B
Montrons que Ã est convexe
39
Soit x, y ∈ Ã, t ∈ [0, 1]. ∃a, b ∈ A tel que x ∈ B(a, 2r ) et y ∈ B(b, 2r ); A étant
convexe, ta + (1 − t)b ∈ A et on a:
ktx + (1 − t)y − (ta + (1 − t)bk < t kx − ak + (1 − t) ky − bk < 2r , d’où
tx + (1 − t)y ∈ B(ta + (1 − t)b, 2r ) ⊂ Ã.
Montrons que Ã ∩ B = ∅. Si x ∈ Ã ∩ B, alors ∃a ∈ A tel que kx − ak < 2r
et x ∈ B. x ∈ B et a ∈ A, d’où d(x, a) ≥ d(A, B) = r; contradiction car
d(x, a) < 2r .
Ã est ouvert, d’où Théorème 4 entraine qu’il existe une forme linéaire con-
tinue sur E , non nulle f telle que sup{f (a), a ∈ Ã} ≤ inf{f (b), b ∈ B}.
Montrons que sup{f (a), a ∈ A} < inf{f (b), b ∈ B}.
Comme A est compact, ∃a0 ∈ A tel que f (a0 ) = sup{f (a), a ∈ A}.
D’autre part, f 6= 0 =⇒ ∃u ∈ E/ kuk = 1 et f (u) > 0 et alors, a0 + 3r u ∈
Ã,d’où f (a0 + 3r u) = f (a0 ) + 3r f (u) > f (a0 ).
On a donc sup{f (a), a ∈ A} = f (a0 ) < sup{f (a), a ∈ Ã} et alors sup{f (a), a ∈
A} < inf{f (b), b ∈ B}.
Corollaire 2: Soit E un espace vectoriel normé et soient x et y deux point
distincts de E. Alors, ∃f ∈ E 0 tel que f (x) 6= f (y).
Preuve: Applique le corollaire 1 avec A = {x} et B = y
Corollaire 3: Soit E un espace vectoriel normé. Soit M un sous espace
vectoriel de E et soit x ∈ E. Alors, les propositions suivantes sont équivalentes:
(i) x ∈ M .
(ii) ∀f ∈ E 0 , f = 0 sur M =⇒ f (x) = 0.
Preuve: (i)⇒(ii). Soit x ∈ M , alors, il existe une suite (xn ) d’éléments de
M telle que x = lim xn . Soit f une forme linéaire continue sur E telle que
n→∞
f |M = 0, alors ∀n ∈ N, f (xn ) = 0 et donc f (x) = f ( lim xn ) = lim f (xn ) = 0,
n→∞ n→∞
car f est continue.
(ii)⇒(i). Soit x ∈ E \ M ; appliquons le Corollaire 1 au compact et au
convexe fermé M , alors il existe une forme linéaire continue f sur E telle que
f (x) < inf{f (y), y ∈ M }.
Montrons que f = 0 sur M .
Supposons qu’il existe y0 ∈ M tel que f (y0 ) 6= 0; alors lim f (ty0 ) = −∞
t→+∞
ou lim f (ty0 ) = −∞, ce qui contredit le fait que f est minorée sur M , d’où
t→−∞
f = 0 sur M et inf{f (y), y ∈ M } = 0; ceci entraine que f (x) < 0 ⇒ f (x) 6= 0.
On a montré que ∀x ∈ E \ M , ∃f ∈ E 0 tel que f = 0 sur M et f (x) 6= 0.
Cas des espaces de dimension finie

Corollaire 4: Soit E un espace vectoriel normé de dimension finie. Soit x ∈ E
et soit A une partie convexe non vide de E ne contenant pas x. Alors, il existe
une forme linéaire non nulle f sur E ∀a ∈ A, f (a) ≤ f (x).
Preuve: Comme E est de dimension finie, Af f (A) est fermé dans E.
Si x ∈
/ Af f (A), on sépare {x} et Af f (A) (Corollaire 1 )
Si x ∈ Af f (A), soit x0 ∈ A; alors, il existe un sous espace vectoriel F de E
tel que Af f (A) = x0 + F .
40
ϕ : Af f (A) −→ F
La translation est un isomorphisme, d’où ϕ(ir(A)) =
y 7−→ y − x0
ir(ϕ(A)), ,ce qui montre que ir(ϕ(A)) 6= ∅.
Comme x ∈ / A, ϕ(x) ∈/ ϕ(A). On applique le théorème de séparation à
{ϕ(x)} et ϕ(A) dans F ; alors ∃f ∈ F 0 non nulle telle que
sup{f (y), y ∈ ϕ(A)} ≤ f (ϕ(x)) ou f (y) ≤ f (ϕ(x)) ∀y ∈ ϕ(A).
On prolonge f en une forme linéaire continue f˜ sur E et on a encore
f (ϕ(a)) ≤ f˜(ϕ(x)), ∀x ∈ A ou f˜(a − x0 ) ≤ f˜(x − x0 ) ∀x ∈ A ou encore,
˜
compte tenu du fait qur f˜ est linéaire; f˜(a) ≤ f˜(x) ∀x ∈ A..
Corollaire5: Soit E un espace vectoriel normé réel de dimension finie; Soient
A et B deux parties convexes non vide et disjointes de E. Alors, il existe une
forme linéaire non nulle f sur telle que sup f (a) ≤ inf f (b).
a∈A b∈b
Preuve: Soit x ∈ B, alors x ∈ / A.
Corollaire 4⇒ ∃f ∈ E 0 telle que ∀a ∈ A, f (a) ≤ f (x) ⇒∃f ∈ E 0 telle que
sup , f (a) ≤ f (x) ∀x ∈ B ⇒ sup , f (a) ≤ inf f (x)
a∈A a∈A x∈B
2.4 Polarité et orthogonalité

Soit E un espace vectoriel normé, E 0 son dual topologique. Soit A ⊂ E et soit
B ⊂ E0.
Définition: On appelle polaire négatif de A, la partie A◦ de E 0 : A◦ = {f ∈
0
E /∀a ∈ A, f (a) ≤ 0}.
On appelle orthogonal de A la partie A⊥ de E 0 : A⊥ = {f ∈ E 0 /∀a ∈
A, f (a) = 0}.
On appelle polaire négatif de B la partie la partie B ◦ de E: B ◦ = {x ∈
E/∀f ∈ B, f (x) ≤ 0}.
On appelle orthogonal de B la partie la partie B ⊥ de E 0 : B ⊥ = {x ∈ E/∀f ∈
B, f (x) = 0}.
Proposition 5: On a les propriétés suivantes:
(i) A◦ et B ◦ sont des cônes convexes fermés de sommet 0 de E 0 et E respec-
tivement.
(ii) A⊥ et B ⊥ sont des sous espaces vectoriels fermés de E 0 et E respective-
ment.
(iii) A⊥ ⊂ A◦ et B ⊥ ⊂ B ◦ .
(iv) A1 ⊂ A2 ⇒ A◦2 ⊂ A◦1 et A⊥ 2 ⊂ A1
⊥
(v) B1 ⊂ B2 ⇒ B2◦ ⊂ B1◦ et B2⊥ ⊂ B1⊥ .

(vi) Si A est un sous espace vectoriel de E, alors A⊥ = A◦ et si B est un
sous espace vectoriel de E 0 , B ⊥ = B ◦ .
◦ ⊥
(vii) A◦ = A et A⊥ = A .
Preuve: Exercice.
Théorème 5: (théorème des bipolaires)
Soit A ⊂ E. Alors (A◦ )◦ = cone(A) et (A⊥ )⊥ = hAi .
Preuve: ∀x ∈ A, ∀f ∈ A◦ , f (x) ≤ 0, d’où ∀x ∈ A, x ∈ (A◦ )◦ et on a donc
A ⊂ (A◦ )◦ . (A◦ )◦ est donc un cône fermé contenant A ,d’où cone(A) ⊂ (A◦ )◦ .
41
Réciproquement, soit x0 ∈
/ cone(A). On applique le Corollaire 1 du Théorème
4 entre le compact {x} et le convexe fermé cone(A), alors ∃f ∈ E 0 tel que
sup f (y) < f (x0 ).
y∈cone(A)
f est donc majorée sur cone(A), d’où on a sup f (y) = 0; en effet,
y∈cone(A)
soit x ∈ cone(A), f (x) < α et ∀n ∈ N∗ , nx ∈ cone(A), d’où f (nx) < α ou
f (x) < α
n ⇒ f (x) ≤ 0 et 0 ∈ cone(A), d’où sup f (y) = 0 < f (x0 ).
y∈cone(A)
D’autre part„ A ⊂ cone(A), d’où f (y) ≤ 0 ∀y ∈ A ⇒ f ∈ A◦ . f ∈ A◦ et
f (x0 ) > 0,d’où x0 ∈ (A◦ )◦ .
On montre de même que A = (A⊥ )⊥ .
Corollaire 1: Soit E un espace vectoriel normé réel et soit A une partie de
E. Alors, A est un cône convexe fermé si et seulement si A = (A◦ )◦ et A et un
sous espace vectoriel fermé de E si et seulement si A = (A⊥ )⊥ .
Preuve immédiate à partir de Théorème 5.
Corollaire 2: Soit M un sous espace vectoriel de E. Alors, M est dense dans
E si et seulement si M ⊥ = {0}.
Preuve:
M = E ⇒ M ⊥ = (M )⊥ = E ⊥ = {0}.
M ⊥ = {0} ⇒ M = (M ⊥ )⊥ = {0}⊥ = E.
Théorème 6: (lemme de Farkas): Soit E un espace vectoriel normé et soit
E 0 le dual topologique de E.
( (ai )i∈I et (bj )j∈J deux familles finies d’éléments
Soenit ) de E. Soient
P P
A= λi ai + µj bj , λi ≥ 0 ∀i ∈ I, µj ∈ R ∀j ∈ J et
i∈I j∈J
B = {f ∈ E 0 /f (ai ) ≤ 0 ∀i ∈ I, et f (bj ) = 0 ∀j ∈ J}.
Alors: A◦ = B et B ◦ = A.
Preuve:
P Soit aP ∈ A, alors, ∀i ∈ I, ∃λP i ≥ 0 ∀j ∈ J,P ∃µj ∈ R tels que
a= λi ai + µj bj , d’où f (a) = λi f (ai ) + µj f (bj )
i∈I j∈J i∈I j∈J
Soit f ∈ B, alors,∀a ∈ A, f (a) ≤ 0,d’où f ∈ A◦ et on a B ⊂ A◦ .
Soit f ∈ A◦ , alors ∀a ∈ A, f (a) ≤ 0. Soit i0 ∈ I; on choisit µj = 0, ∀j ∈ J et
λi = 0 si i 6= i0 et λi0 > 0, alors f (ai0 ) ≤ 0, ce qui montre que ∀i ∈ I, f (ai ) ≤ 0.
De même, soit j0 ∈ J. En choisissant λi = 0∀i ∈ I, µj = 0∀j 6= j0 ,
on a µj0 f (bj0 ) ≤ 0∀µj0 ∈ R, f (bj0 ) ≤ 0 et −f (bj0 ) ≤ 0, ce qui montre que
∀j ∈ J, f (bj ) = 0.
On a montré que A◦ = B.
Montrons que B ◦ = A.
∀a ∈ A, f (a) ≤ 0∀f ∈ B, d’où ∀a ∈ A, a ∈ B ◦ , ce qui montre que A ⊂ B ◦ .
On a A◦ = B, d’où B ◦ = (A◦ )◦ = cone(A) (théorème des bipolaires). Pour
montrer que B ⊂ A◦ , il suffit de montrer que A = cone(A) ou que A est un
cône convexe fermé.
A est un cône finement généré par la famille ((ai )i∈I , (bj )j∈J , (−bj )j∈J ),
d’où d’après la Proposition 16 (2.1.2), A est fermé..
42
Corollaire3: Soit (ai )i∈I une famille
finie d’éléments de E.
λi ai , λi ≥ 0 ∀i ∈ I et B = {f ∈ E 0 /f (ai ) ≤ 0 ∀i ∈ I}.
P
Soit A =
i∈I
Alors A◦ = B et B ◦ = A.
Preuve: Appliquer le théorème avec (bj )j∈J = ∅.
Corollaire 4: Soit (ai )i∈I une famille finie d’éléments de E. Soit b ∈ E tel
que (∀f ∈ E 0 , f (ai ) ≤ 0∀i ∈ I) ⇒ (f (b) ≤ P0).
Alors ∃ (λi )i∈I , λi ≥ 0 telle que b = λi ai .
i∈I
λi ai , λi ≥ 0 ∀i ∈ I et B = {f ∈ E 0 /f (ai ) ≤ 0 ∀i ∈ I}
P
Preuve: Soit A =
i∈I
((y ∈ B ◦ ) ⇔ (∀f ∈ B, f (y) ≤ 0) ⇔ (∀y ∈ E 0 /f (ai ) ≤ 0∀i ∈ I, f (y) ≤ 0), d’où
b ∈ B ◦ et B ◦ = A (Corollaire 3), d’où b ∈ A.
Corollaire 5: Soit E un espace vectoriel normé, (ai )i∈I une famille finie
d’éléments deE.
λi ai , λi ≥ 0 ∀i ∈ I et B = {f ∈ E 0 /f (ai ) ≤ 0 ∀i ∈ I}.
P
Soit A =
i∈I
Alors A⊥ = B et B ⊥ = A
43

Cours Ise de Analyse Fonctionnelle

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Cours Ise de Analyse Fonctionnelle

Transféré par

Droits d'auteur :

Formats disponibles

ANALYSE FONCTIONNELLE ET ANALYSE

Chapitre 1: Espaces vectoriels

1.1.2 Applications linéaires

1.2 Espaces vectoriels normés et espaces de Banach

Espaces vectoriels normés de dimension finie

Applications linéaires continues

1.2.2 Espaces de Banach

Séries dans les espaces de Banach.

Exponentielle d’un endomorphisme continu.

Stabilité de l’ensemble des endomorphismes

1.2.3 Le théorème de l’application ouverte- Le théorème du

1.2.4 Le théorème de Hahn Banach

Le thérème de Hahn Banach

Application au dual d’un espace vectoriel normé

1.2.5 Espaces vectoriel normés réflexifs

Chapitre 2: Ensembles convexes-

Sous espaces affines

2.1.2 Propriétés topologiques des ensembles convexes

Cas des espaces vectoriels normés de dimension finie

C= x ∈ E/ sup x(t) < 1 .

Retour aux espaces E de dimension quelconque

2.2 Fonctions convexes

2.2.3 Propriétés topologiques des fonctions convexes

(ii) Il suffit de montrer que si f est majorée au voisinage d’un point x0 ∈

2.2.3 Cas des espaces de dimension finie

2.3 Théorèmes de séparation

Cas des espaces de dimension finie

2.4 Polarité et orthogonalité

(v) B1 ⊂ B2 ⇒ B2◦ ⊂ B1◦ et B2⊥ ⊂ B1⊥ .

Vous aimerez peut-être aussi