1 : Espaces vectoriels normés

Dans la suite du cours, nous noterons E un espace vectoriel de dimension d sur R ou C.

Exemple d’application de la notion d’espace vectoriel :

Un stock de données, par exemple en économie, biologie, etc.
Question : comment mesurer l’écart entre deux données ?
Réponse : ce sera la taille d’un vecteur.

Section 1 : Normes sur un espace vectoriel

Définition :

On appelle norme sur un espace vectoriel E une application N : E → R+ telle que

1) N (⃗x) = 0 ⇐⇒ ⃗x = ⃗0
2) ∀ ⃗x ∈ E, ∀ λ ∈ R, N (λ⃗x) = |λ|N (⃗x)
3) ∀ ⃗x, ⃗y ∈ E, N (⃗x + ⃗y ) ≤ N (⃗x) + N (⃗y ) (Inégalité triangulaire)

Le couple (E, N ) est appelé ”espace vectoriel normé”.

Exemple :

∀ ⃗x ∈ E = R, la valeur absolue, |⃗x| donne la norme du vecteur ⃗x :

Proposition :

N (x1 + ... + xn ) ≤ N (x1 ) + ... + N (xn )

Preuve :

Par récurrence pour chaque terme. □

Proposition :

N1 (⃗x) := |x1 | + ... + |xd | est une norme sur Rn :

Démonstrations :

1) N1 (⃗x) = 0
⇐⇒ |x1 | + ... + |xd | = 0
⇐⇒ ⃗x = 0

2) N1 (λ⃗x) = |λx1 | + ... + |λxd |

= |λ| · |x1 | + ... + |λ| · |xd |
= |λ| (|x1 | + ... + |xd |)
= |λ|N1 (⃗x)

3) N1 (⃗x + ⃗y ) = |x1 + y1 | + ... + |xd + yd |

≤ |x1 | + |y1 | + ... + |xd | + |yd |
= N1 (⃗x) + N1 (⃗y )

Proposition :

1
La norme euclidienne, associée au produit scalaire euclidien de Rd , est une norme sur Rn :
p Pd
N2 (x) = ⟨x, x⟩, avec ⟨x, y⟩ := i=1 xi yi

Démonstrations :
q
1) N2 (⃗x) = x21 + ... + x2d = 0
⇐⇒ x1 = ... = xd = 0
⇐⇒ ⃗x = 0

p
2) N2 (λ⃗x) = (λx1 )2 + ... + (λxd )2
q
= λ2 x21 + ... + λ2 x2d
q
= λ2 (x21 + ... + x2d )
√ q
= λ2 x21 + ... + x2d
= |λ|N2 (⃗x)

d
X
3) N2 (x + y)2 = (xi + yi )2
i=1
= ⟨x + y, x + y⟩
= ⟨x, x⟩ + ⟨y, y⟩ + ⟨x, y⟩ + ⟨y, x⟩
= N2 (x)2 + N2 (y)2 + 2⟨x, y⟩
≤ N22 (x) + N2 (y)2 + 2N2 (x)N2 (y) (*, Cauchy-Schwarz)
2
= (N2 (x) + N2 (y))
En passant par la racine carrée, on retrouve l’inégalité cherchée :
N2 (x + y) ≤ N2 (x) + N2 (y) □
Rappels sur l’inégalité de Cauchy-Schwarz :
p p
∗ |⟨x, y⟩| ≤ ⟨x, x⟩ ⟨y, y⟩ = N2 (x)N2 (y)
Formule générale :
v v
X d u d
uX uX
u d
xi yi ≤ t x2i t yi2
i=1 i=1 i=1

Démonstration de l’inégalité de Cauchy-Schwarz :

∀ t ∈ R, on a 0 ≤ N2 (x + ty)2 = N22 (x) + t2 N2 (y)2 + 2⟨x, y⟩t, qui est un polynôme de second degré, positif. Donc
son discriminant est ≤ 0, et nous avons ∆ = b2 − 4ac = 4⟨x, y⟩2 − 4N2 (x)2 N2 (y)2 ≤ 0. Or, ceci est équivalent à
⟨x, y⟩2 ≤ N2 (x)2 N2 (y)2 , ce qui signifie |⟨x, y⟩| ≤ N2 (x)N2 (y), ce qui termine la preuve. □

Proposition, remarque :
p
Pour tout espace euclidien (E, ⟨, ⟩), on a (E, N (x)) := ⟨x, x⟩.

Démonstration identique □

Exemple :

Soit E = C ∼ R2 . ∀ ⃗z = a + ib ∈ E, la norme du vecteur ⃗z, soit la ”distance” entre ⃗z et l’origine du plan

cartésien R2 , est égal à
|⃗z| = |a + ib|
p
= a2 + b2

2
Exemple :

Sur Rd : ⃗xp= (x1 , ..., xd ), on a :

N2 (⃗x) := x21 + ... + x2d

Proposition, définition :

N∞ (⃗x) := max(|x1 |, ..., |xd |) est une norme sur Rd

Démonstrations :

1) N∞ (⃗x) = max(|x1 |, ..., |xd |) = 0

⇐⇒ |x1 | = ... = |xd | = 0
⇐⇒ ⃗x = 0

2) N∞ (λ⃗x) = max(|λx1 |, ..., |λxd |)

= max(|λ| · |x1 |, ..., |λ| · |xd |)
= |λ|max(|x1 |, ..., |xd |)

3) N∞ (⃗x + ⃗y ) = max(|x1 + y1 |, ..., |xd + yd |)

= |xi + yi |
≤ |xi | + |yi |
≤ max(|x1 | + ... + |xd |) + max(|y1 | + ... + |yd |)
= N∞ (⃗x) + N∞ (⃗y )

Exercice 1 :

Cours exemples

Remarque :

Un même espace vectoriel peut avoir plusieurs normes.

Remarque :
1
∀ 1 ≤ p < +∞, Np (x) := (|x1 |p + ... + |xd |p ) p est une norme (exo maison).

Définition :

On appelle boule de rayon r et de centre 0 l’ensemble de tous les vecteurs entre r et l’origine. Lorsque r = 1,
on l’appelle boule unité de centre 0. On définit donc une boule fermée :

B N (0, r) := {x ∈ E / N (⃗x ≤ 1}

De même, on définit une boule ouverte :

BN (0, r) := {x ∈ E / N (⃗x < 1}

Exercice 2 :

3
Dans R2 , on a :

Faire de même dans R3 :

B1 : octaèdre
B2 : boule
B3 : cube
Définition :

Soit E un espace vectoriel. On dit que deux normes N et N ′ sont équivalentes s’il existe c1 , c2 > 0 tels que ∀
⃗x ∈ E, c1 N (⃗x) ≤ N ′ (⃗x) ≤ c2 N (⃗x), et on note N1 ∼ N2 .

Remarque :

Cette définition est équivalente à :

∃ c > 0 / 1c N (⃗x) ≤ N ′ (⃗x) ≤ cN (⃗x)

Démonstration :
⇐= : Trivial
 
1
=⇒ : On prend c = max c2 ,
c1
Proposition :

L’équivalence des normes est une relation d’équivalence sur l’ensemble des normes d’un espace vectoriel fixé.

Démonstration :
Réflexivité : N ∼ N
c1 = c2 = 1

Symétrie : N ∼ N ′ =⇒ N ′ ∼ N
1 ′ 1
N (⃗x ≤ N (⃗x) ≤ N ′ (x)
c2 c1

Transitivité : N ∼ N ′ et N ′ ∼ N ′′
=⇒ ∃ c1 , c2 , c′1 , c′2 > 0 / ∀ ⃗x ∈ E,
on a c1 N (⃗x) ≤ N ′ (⃗x) ≤ c2 N (⃗x)
et c′1 N ′ (⃗x) ≤ N ′′ (⃗x) ≤ c′2 N ′ (⃗x)
=⇒ c1 c′1 N (⃗x) ≤ N ′′ (⃗x) ≤ c2 c′2 N (⃗x) (c1 c′1 et c2 c′2 > 0)
=⇒ N ∼ N ′′ □
Exercice 3 :

Maison

Exercice 4 :

4
Maison

Exercice 5 :

Maison

Exercice 2.2 :

Plus généralement sur Rd

Proposition :

Sur Rd , les normes vues sont équivalentes ∀ p ≥ 1 : N1 ∼ N2 ∼ Np ∼ N∞

Démonstration :

N∞ (x1 , ..., xd ) ≤ N1 (x1 , ..., xd ) ≤ dN∞ (x1 , ..., xd )

Donc N1 ∼ N∞

N∞ (x1 , ..., xd ) ≤ Np (x1 , ..., xd )

1
= (|x|p + ... + |xd |p ) p
≤ dN∞ (x1 , ..., xd ), ∀ p ≥ 1, ∀ x1 , ..., xd ∈ R

On conclut avec la proposition précédente (∼ est une relation d’équivalence) □

Question / conjecture :

Sur tout espace vectoriel de dimension finie, toutes les normes sont-elles équivalentes ? Si oui, que peut-on en
conclure ? (théorème triviale)

Exercice 2.3 :

Remarque : effet sur les boules :

   
′
BN 0, c12 ⊂ BN (0, 1) ⊂ BN 0, c11

Construction de normes (semblable à la construction d’espaces vectoriels)

Proposition : [Norme produit]

Soient (E1 , N1 ), ... , (Ek , Nk ) des espaces vectoriels normés. Alors

N : E1 × · · · × Ek → R+
(x1 , . . . , xk ) 7→ max (Ni (xi ))
1≤i≤k

est une norme de E1 × · · · × Ek

Démonstration :

Exercice maison

Lemme :

Soient E un espace vectoriel, (F, NF ) un e.v. normé, et f : E → F une application linéaire (injective). Alors

NE : E → R+
x 7→ NF (f (x))

est une norme de E

5
Démonstration :

1) NE (⃗x) = 0 ⇐⇒ NF (f (⃗x)) = 0
⇐⇒ f (⃗x) = 0 (car NF est une norme)
⇐⇒ ⃗x = 0 (car f injective)

2) NE (λ⃗x) = NF (f (λ⃗x))
= NF (λf (⃗x)) (car f injective)
= |λ|NF (f (⃗x)) (car NF une norme)
= |λ|NE (⃗x)

3) NE (⃗x + ⃗y ) = NF (f (⃗x + ⃗y ))
= NF (f (⃗x) + f (⃗y )) (car f injective)
≤ NF (f (⃗x)) + NF (f (⃗y )) (car NF est une norme)
= NE (⃗x) + NE (⃗y ) □

Théorème :

Soit B = {e1 , ..., ed } une base d’un espace vectoriel E (donc ∀ ⃗x ∈ E, ⃗x s’écrit comme combinaison linéaire
x1 e1 + ... + xd ed ). Alors les applications suivantes sont des normes :
d
X
NB,1 (⃗x) := |xi |
i=1

d
! 12
X
NB,2 (⃗x) := x2i
i=1

d
! p1
X
NB,p (⃗x) := |xpi |
i=1
NB,∞ (⃗x) := max |xi |
1≤i≤d

Démonstration :

Corollaire du lemme : on considère F = Rd , NF = Np , f : E → Rd , ⃗x 7→ (x1 , ..., xd ), où ⃗x = x1 e1 + ... + xd ed .

f est isomorphe, donc injectif linéaire, et donc on a Np (f (⃗x)) (= Np (x1 , ..., xd )) est une norme de E □

Exemple :

Soit E = R2 , B = {e1 , e1 + e2 }, base de R2 . NB,∞ induit la boule limite :

Question : y a-t-il un autre espace vectoriel que l’on voudrait nommer ?

Soit L(E, F ) := {f : E → F linéaires}

De dimension finie, on a Md′ ,d si dim(E) = d et dim(F ) = d′ .
Donc on peut utiliser ce qui précède.

6
(Mn (R), +, ·, ×, 0, In ) est une algèbre (unitaire). On rappelle que Mn (R), muni de +, ·, et 0, est un espace
vectoriel. Muni du produit ×, Mn (R devient une algèbre (unitaire avec In en plus). On cherche N compatible
avec le produit ×.

Exemple :

Soit A ∈ Mn,m (R). On a alors

N (A) := N∞ (A) max (|aij |) , qui est une norme (déjà vu)
1≤i≤n
1≤j≤m

Donc pour A, B ∈ Mn R, on a
n
X
(AB)ij = aik bkj , d’où
k=1
N (AB) ≤ N (A)N (B)
Definition : [Norme d’algèbre]

Soit (A, +, ·, ×, 0, 1) une algèbre (unitaire) sur R. Une norme N de l’espace vectoriel (A, +, ·, 0) est une
norme d’algèbre si, en plus des trois conditions d’une norme classique, N vérifie ∀ A, B ∈ A :
4) N (AB) ≤ N (A)N (B)
5) N (1) = 1
Exemple :

(Mn (R), +, ·, ×, 0, N ) est une algèbre normée, mais pas unitaire, car N (In ) = n ̸= 1.

Remarque :

N∞ n’est pas une norme d’algèbre :

 2 !  
1 1 2 2
N =N = 2,
1 1 2 2
qui n’est pas égal à
 2
1 1
N = 12 = 1
1 1
Question : y aurait-il une autre norme d’algèbre (si possible unitaire) ?
n
!
X
Ñ (A) := max |aij | (i = lignes, j = colonnes)
1≤j≤m
i=1

Et la transposée :
 
Xm
N
b (A) := max  |aij | (i = lignes, j = colonnes)
1≤i≤n
j=1

7
Proposition :

Ñ et N
b sont deux normes d’algèbre unitaires

Démonstration :

Mêmes arguments pour Ñ et N

b

1) Ñ (A) = 0
⇐⇒ A = 0

2) Ñ (λA) = |λ|Ñ (A)

 
n
X Pn Pn
3) Ñ (A + B) = max  |aij + bij | (≤ i=1 |aij | + i=1 |bij |)
1≤j≤m
j=1
n
! n
!
X X
≤ max |aij | + max |bij | (=Ñ (A) + Ñ (B))
1≤j≤m 1≤j≤m
i=1 i=1

n
X
4) |(AB)ij | = aik bkj , ce qui implique :
k=1

n
X n X
X n
|(AB)ij | = aik bkj
i=1 i=1 k=1
Xn Xn
≤ |aik ||bkj |
i=1 k=1
n n
!
X X Pn
= |aik | |bkj | ( i=1 |aik | ≤ Ñ (A))
k=1 i=1
n
X X n
Pn
|(AB)ij | ≤ Ñ (A) |bkj | ( k=1 |bkj | ≤ Ñ (B))
i=1 k=1

5) Ñ (In ) = max (1)

1≤j≤n

=1 □