Résumé de Cours Et Exo EVN

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET
POPULAIRE
MINISTERE DE L’ENSEIGNEMENT SUPERIEUR ET DE
LA RECHERCHE SCIENTIFIQUE
Université Mohamed Boudiaf de M’sila

Faculté des Mathématiques et de l’Informatique
Département de Mathématiques
Notes de cours
Espaces vectoriels normés
Licence 3 Mathématiques - Semestre 5
MOKHTARI Abdelhak
Version 2021
Table des matières
1 Généralités sur les espaces vectoriels normés 2

1.1 Norme sur un espace véctoriel . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Equivalence des normes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.3 Espaces de Banach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.4 Corrigé des exercices du chapitre 1 . . . . . . . . . . . . . . . . . . . . . . 6
2 Applications linéaires continues 11

2.1 Définitions et propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2 Espace L(E, F ) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
3 Espaces de Hilbert 20
3.1 Généralités sur les espaces préhilbertiens et de Hilbert . . . . . . . . . . 20
3.2 Orthogonalité, famille orthogonale et famille orthonormale . . . . . . . . 23
3.3 Orthogonal d’une partie et propriétés . . . . . . . . . . . . . . . . . . . . 25
3.4 Projection orthogonale dans un espace préhilbertien . . . . . . . . . . . . 26
3.5 Projection orthogonale sur un sous-espace de dimension finie et appli-
cations . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.6 Procédé d’orthonormalisation de Gram-Schmidt . . . . . . . . . . . . . . 28
3.7 Théorème de représentation de Riesz . . . . . . . . . . . . . . . . . . . . . 29
1
C HAPITRE 1
G ÉNÉRALITÉS SUR LES ESPACES

VECTORIELS NORMÉS
Dans ce chapitre le corps des scalaires K désigne soit R soit C et les espaces vécto-
riels seront définis sur K.
1.1 Norme sur un espace véctoriel
Définition 1.1.1. Soit E un espace vectoriel sur K, une norme sur E est une application :
N : E → R+ (1.1.1)
x 7→ N (x) (1.1.2)
possédant les propriétés suivantes :
(N1) pour tout x ∈ E, on a : N (x) = 0 ⇔ x = 0.
(N2) pour tout x ∈ E et tout λ ∈ K, on a : N (λx) = |λ|N (x).
(N3) pour tout x, y ∈ E, on a : N (x + y) ≤ N (x) + N (y).
La norme N sera désignée par le symbole k · k et le couple (E, k · k) s’appelle espace

normé ou espace vectoriel normé.
Définition 1.1.2. Soit E un K-espace vectoriel. Un espace normé est un couple (E, k · k) où
k · k est une norme sur E.
Exemple 1.1.1. 1. La valeur absolue est une norme sur R, le module est une norme sur
C.
2
1.1. NORME SUR UN ESPACE VÉCTORIEL 3
2. Les applications suivantes sont des normes sur Rn :

Xn X n 1
2 2
kxk1 = |xi |(∗vrif ier), kxk2 = |xi | , kxk∞ = sup |xi |.
1≤i≤n
i=1 i=1
La norme k · k2 est la norme euclidienne sur Rn .
Exemple 1.1.2. Soit E = C([a, b], R) l’espace des fonctions réelles continues sur [a, b]. Pour
tout f ∈ E, montrer que les applications suivantes définient des normes sur E.
Z b
1. kf k1 = |f (x)| dx(* vérifier cet exemple),
a
Z b 12
2
2. kf k2 = |f (x)| dx ,
a
3. kf k∞ = max |f (x)|.
a≤x≤b
Voici quelques propriétées de la norme.
Proposition 1.1.1. 1. On peut remplacer la propriété (N3) ci-dessus par la propriété sui-
vante :
(N3’) pour tout x, y ∈ E et tout t ∈ [0, 1], on a :
ktx + (1 − t)yk ≤ tkxk + (1 − t)kyk.
2. Pour tout x, y ∈ E, on a
(1.1.3)

kxk − kyk ≤ kx − yk.
3. L’inégalité (N3) se généralise à n points. Pour tout x1 , x2 , ..., xn ∈ E, on a :

X n X n
xi ≤ kxi k.

i=1 i=1
De l’inégalité (1.1.3), on a l’affirmation suivante :
Corollaire 1.1.1. L’application norme k · k : E → R+ est continue sur E muni de la topologie

induite par k · k. Elle est même 1-Lipschitzienne.
Remarque 1.1.1 (Distance associée à une norme). Soit (E, k · k) un espace normé. L’appli-
cation suivante :
f :E×E → R
(x, y) 7→ d(x, y) = kx − yk,
est appelée distance associée à la norme k · k. Elle vérifie les propriétés suivantes :

1.2. EQUIVALENCE DES NORMES 4
1. ∀(x, y) ∈ E 2 : d(x, y) = 0 ⇔ x = y.
2. ∀(x, y) ∈ E 2 : d(x, y) = d(y, x).
3. ∀(x, y, z) ∈ E 3 : d(x, z) ≤ d(x, y) + d(y, z).
1.2 Equivalence des normes
Définition 1.2.1. Deux normes k · k1 et k · k2 sur un espace vectoriel E sont dites équivalentes
s’il existe α, β > 0 tels que pour tout x ∈ E on ait
αkxk2 ≤ kxk1 ≤ βkxk2 .
Exercice 1. Montrer que Les normes fondamentales k · k1 , k · k2 , k · k∞ définies sur Rn sont

équivalentes.
Exercice 2. Soit E = C 1 ([0, 1], R) l’espace vectoriel des fonctions continûement dérivables de
[0, 1] dans R. Pour tout f ∈ E, on pose
kf k1 = sup (|f (x)| + |f 0 (x)|).

x∈[0,1]
1. Montrer que k · k1 est une norme sur E.
2. Est-elle équivalente à la norme kf k2 = sup |f (x)| + sup |f 0 (x)|) ?

x∈[0,1] x∈[0,1]
Remarque 1.2.1. En général pour prouver que deux normes k·k1 , k·k2 sur un espace véctoriel
E ne sont pas équivalentes, il suffit de trouver une suite (xn )n ⊂ E de sorte que
kxn k1 kxn k1
lim =0 ou lim = +∞.
n→+∞ kxn k2 n→+∞ kxn k2
Z 1
Exercice 3. La quantité kf k1 = |f (t)| dt est une norme sur C([0, 1], R) qui n’est pas
0
équivalente à la norme de la convergence uniforme kf k∞ = max |f (x)|.
0≤x≤1
Utiliser la suite de fonctions (fn )n définie par

 1 − (n + 1)x, 0 ≤ x ≤ 1 ;
n+1
fn (x) =
1
 0, ≤ x ≤ 1.
n+1

1.3. ESPACES DE BANACH 5
1.3 Espaces de Banach
Définition 1.3.1. Une suite (xn )n∈N de points d’un espace normé (E, k · k) est une suite de
Cauchy si :
∀ε > 0, ∃n0 ∈ N, ∀p, q ∈ N : p > q ≥ n0 ⇒ kxp − xq k ≤ ε.
Définition 1.3.2. Une suite (xn )n∈N de points d’un espace normé (E, k·k) est dite convergente
vers x0 ∈ E si :
∀ε > 0, ∃n0 ∈ N, ∀n ∈ N : n ≥ n0 ⇒ kxn − x0 k ≤ ε.
Définition 1.3.3. Un espace normé (E, k · k) est complet si toute suite de Cauchy de points de
E est convergente.
L’avantage des espaces complets est que dans de tels espaces, il n’est pas utile de
connaitre la limite d’une suite pour montrer qu’elle est convergente, il suffit de montrer
qu’elle est de Cauchy.
Définition 1.3.4. Un espace de Banach est un espace normé (E, k · k) qui est complet pour la
distance associée à la norme.
Exemple 1.3.1. 1. (R, | · |) est un espace de Banach.

X n 1
n p p
2. R muni de kxkp = |xi | ; (p ≥ 1) ou de kxk∞ = sup |xi | est un espace de
1≤i≤n
i=1
Banach.
Exercice 4. Montrer que C([a, b], R), k · k∞ est un espace de Banach.

Exercice 5. Soit E = C([−1, 1], R) muni de la norme fondamentale :

Z 1 1/2
kf k2 = |f (t)|2 dt .
−1
On considère la suite (un ) qui définie par




 0, si −1 ≤ x < −1n
,

un (x) = nx + 1, si −1
n
≤ x < 0,


si 0 ≤ x ≤ 1.

 1,
1. Montrer que (un ) est de Cauchy dans E.

1.4. CORRIGÉ DES EXERCICES DU CHAPITRE 1 6
2. Montrer que (un ) n’est pas convergente dans E.
3. Que peut-on déduire ?
Remarque 1.3.1. La complètude est conservée par changement de normes équivalentes. Si, par
exemple, une suite (xn )n est de Cauchy et qu’elle converge pour une norme donnée, il en sera
de même pour tout autre norme équivalente.
Dans ce paragraphe on s’intéresse à un K-espace véctoriel E de dimension finie n.
Lemme 1.3.1. Soit E un espace véctoriel de dimension finie. Alors il existe une infinité de
normes sur E.
Démonstration. Soit {e1 , e2 , ..., en } une base de E, alors pour tout x ∈ E, il existe un
unique élément (λ1 , λ2 , ..., λn ) ∈ Kn tel que x = ni=1 λi ei . Alors l’application
P
ψ : Kn → E
n
X
(λ1 , λ2 , ..., λn ) 7→ ψ(u) = λi ei
i=1
est linéaire et bijective. Comme on a une infinité de normes dans Kn , alors on déduit le
résultat.
Théorème 1.3.1. Soit (E, k · k) un espace véctoriel normé de dimension finie alors toutes les
normes sur E sont équivalentes.
1.4 Corrigé des exercices du chapitre 1
Correction de l’exercice1
— Evident que kxk∞ = sup |xi | ≤ N i=1 |xi | = kxk1 .
P
PN
kxk1 = i=1 |xi | ≤ N sup |xi | = N kxk∞ .
√
— Par Cauchy Schwarz on obtient kxk1 = N N kxk2 .
P
i=1 |xi | ≤
D’autre part, on a :
v
u N N N
uX X p X
kxk2 = t 2
|xi | ≤ 2
|xi | = |xi | = kxk1 .
i=1 i=1 i=1

1. k · k1 est une norme, car :
(a) Soit f ∈ E = C 1 ([0, 1], R). Si kf k1 = 0, alors :
kf k1 = 0 ⇒ sup (|f (x)| + |f 0 (x)|) = 0

x∈[0,1]
⇒ |f (x)| + |f 0 (x)| = 0

 |f (x)| = 0, ∀x ∈ [0, 1]
⇒
 |f 0 (x)| = 0 ∀x ∈ [0, 1]
⇒ |f (x)| = 0, ∀x ∈ [0, 1]
Donc f = 0.
(b) Soit f ∈ E et soit λ ∈ R :
kλf k1 = sup (|λf (x)| + |λf 0 (x)|)

x∈[0,1]
= sup |λ(f (x)| + |f 0 (x)|)

x∈[0,1]
= |λ| sup |(f (x)| + |f 0 (x)|) = |λ|kf k1 .

x∈[0,1]
(c) Soit f, g ∈ E ; on a : kf + gk1 = sup (|f (x) + g(x)| + |f 0 (x) + g 0 (x)|). Pour tout
x∈[0,1]
x ∈ [0, 1], on a :
|f (x) + g(x)| + |f 0 (x) + g 0 (x)| ≤ |f (x)| + |g(x)| + |f 0 (x)| + |g 0 (x)|
≤ (|f (x)| + |f 0 (x)|) + (|g(x)| + |g 0 (x)|)
≤ sup (|f (x)| + |f 0 (x)|) + sup (|g(x)| + |g 0 (x)|)

x∈[0,1] x∈[0,1]
et par suite :
sup |f (x)+g(x)|+|f 0 (x)+g 0 (x)| ≤ sup (|f (x)|+|f 0 (x)|)+sup (|g(x)|+|g 0 (x)|),
x∈[0,1] x∈[0,1] x∈[0,1]
ce qui montre que kf + gk1 ≤ kf k1 + kgk1 . Par conséquent k · k1 définie une

norme sur E.
2. D’une part, pour tout x ∈ [0, 1] on a :
|f (x)| + |f 0 (x)| ≤ sup |f (x)| + sup |f 0 (x)|,

x∈[0,1] x∈[0,1]

donc
sup (|f (x)| + |f 0 (x)|) ≤ sup |f (x)| + sup |f 0 (x)|,
x∈[0,1] x∈[0,1] x∈[0,1]
d’où : kf k1 ≤ kf k2 .
D’autre part, pour tout x ∈ [0, 1], on a :
|f (x)| = |f (x)| + |f 0 (x)| − |f 0 (x)|
≤ sup (|f (x)| + |f 0 (x)|) − |f 0 (x)|,

x∈[0,1]
donc
sup |f (x)| ≤ sup (|f (x)| + |f 0 (x)|) − |f 0 (x)|
x∈[0,1] x∈[0,1]
ce qui implique :
|f 0 (x)| ≤ sup (|f (x)| + |f 0 (x)|) − sup |f (x)|, ∀x ∈ [0, 1],

x∈[0,1] x∈[0,1]
alors on a :
sup |f 0 (x)| ≤ sup (|f (x)| + |f 0 (x)|) − sup |f (x)|,

x∈[0,1] x∈[0,1] x∈[0,1]
par suite :
sup |f (x)| + sup |f 0 (x)| ≤ sup (|f (x)| + |f 0 (x)|), ∀x ∈ [0, 1].
x∈[0,1] x∈[0,1] x∈[0,1]
On déduit que kf k2 ≤ kf k1 . La conclusion est que les normes son équivalentes

(kf k2 ≤ kf k1 ≤ kf k2 ) et en plus kf k1 = kf k2 .
Correction de l’exercice3 on a kfn k∞ = 1 tandis que kfn k1 = 1

n+1
de telle sorte que
kfn k∞
lim = lim n + 1 = +∞.
n→+∞ kfn k1 n→+∞
On vérifie par exemple que l’espace C([a, b], R), k · k∞ est complet :

Soit (fn )n∈N une suite de Cauchy. Donc
∀ε > 0, ∃n0 ∈ N, ∀p, q ∈ N : p > q ≥ n0 ⇒ kfp − fq k∞ ≤ ε,
d’où :
∀p, q ∈ N : p > q ≥ n0 , ∀x ∈ [a, b] ⇒ |fp (x) − fq (x)| ≤ ε. (1.4.1)

Donc pour tout x ∈ [a, b], la suite de nombres réels (fn (x))n∈N est une suite de
Cauchy, mais comme (R, | · |) est complet, cette suite de Cauchy converge vers un réel
que nous noterons f (x). On définit la fonction :
f : [a, b] → R
x → f (x)
On fait tendre p vers +∞ dans (1.4.1). On a donc
∀q ∈ N : q ≥ n0 , ∀x ∈ [a, b] ⇒ |f (x) − fq (x)| ≤ ε.
Puisque cette inégalité est vraie pour tout x dans [a, b], on a :
kf − fq k∞ ≤ ∞.
Ceci est vrai pour tout q ≥ N , et donc (fq ) converge vers f . Finalement, toute suite de
Cauchy (fn ) de C([a, b], R) converge, donc C([a, b], R) est complet.
1. D’abord, on remarque que les fonctions un sont continues pour tout n ∈ N, donc
(un ) ⊂ E. Elle est de Cauchy, en effet ; soit ε > 0 et soit p, q ∈ N telles p > q, on
estime kup − uq k. On s’appuit sur le tableaux suivant :
−1 −1
x −1 q p
0 1
up (x) 0 0 px + 1 1
uq (x) 0 qx + 1 qx + 1 1
up (x) − uq (x) 0 −(qx + 1) (p − q)x 0
TABLE 1.1 – Table to test captions and labels
d’où :
Z 1
2
kup − uq k = |up − uq |2 dx
−1
Z − p1 Z 0
2 2
= |qx + 1| dx + (p − q) x2 dx
− 1q − p1
(p − q)3 (p − q)2
= +
3qp3 3p3
2
≤ → 0 quand q → +∞.
q

2. Par ailleurs, il est clair que la suite (un ) converge simplement vers la fonction u
avec : 
 0, si −1 ≤ x < 0 ;
u(x) =
 1, si 0 ≤ x ≤ 1.
On a :
1
Z −n
2
kun − uk = (nx + 1)2 dx
−1
1
= →0 n → +∞.
3n
En fin, on constate que u n’est pas continue en 0, il en résulte qu’elle n’appartient

pas à E et par suite (un ) n’est convergente dans E.
3. (E, k · k) n’est pas complet donc n’est pas un espace de Banach.

C HAPITRE 2
A PPLICATIONS LINÉAIRES CONTINUES
2.1 Définitions et propriétés
Définition 2.1.1. Soient E et F deux espaces vectoriels sur un même corps K. une application
f : E → F est dite linéaire de E dans F , si elle vérifie pour tout α, β ∈ K et tout x, y ∈ E :
f (αx + βy) = αf (x) + βf (y).
Exercice 6. Montrer que les applications suivantes sont des applications linéaires :
i)
F : Rn → R
n
X
x = (x1 , ..., xn ) → λi xi , λ = (λ1 , ..., λn ) ∈ Rn .
i=1
ii)
T : C([0, 1], R) → R
Z 1
f → T (f ) = f (x) dx.
0
iii)
D : C 1 ([0, 1], R) → C([0, 1], R)
f → D(f ) = f 0 .
On note par L(E, F ) l’ensemble des applications linéaires définies de E dans F , cet
ensemble construit un structure d’espace vectoriel sur K quand on le muni par les deux
lois de composition usuelles suivants :
L(E, F ) × L(E, F ) = L(E, F )
(f, g) = f + g,
11
2.1. DÉFINITIONS ET PROPRIÉTÉS 12
K × L(E, F ) = L(E, F )
(λ, f ) = λf.
Définition 2.1.2 (Forme linéaire). On appelle forme linéaire sur un K-espace vectoriel E,
toute application linéaire définie de E dans K.
Définition 2.1.3 (Dual algébrique). On désigne l’ensemble des formes linéaires définies sur
E par :
E ∗ = L(E, K).
et on l’appelle dual algébrique de E.

∗
— D’après l’exercice 6, on peut remarquer que F ∈ (Rn )∗ , T ∈ C([0, 1], R) et D
n’est pas une forme linéaire.
— Facilement de voir que E ∗ possède une structure d’un K-espace vectoriel.
La proposition suivante fournit une caractérisation importante pour la continuité
d’une application linéaire.
Proposition 2.1.1. Soit (E, k · kE ) et (F, k · kF ) deux K-espaces vectoriels normés. Une ap-
plication linéaire f : E → F est continue si et seulement s’il existe une constante C > 0 telle
que
∀x ∈ E, kf (x)kF ≤ CkxkE . (2.1.1)
Démonstration. (⇒) Supposons que f est continue sur E, en particulier, elle est
continue en 0, donc par définition on a :
∀ε > 0, ∃δ > 0, ∀x, kxkE ≤ δ ⇒ kf (x)kF ≤ ε.
En prenant ε = 1, pour tout x ∈ E \ {0}, on pose y = δ

kxkE
x, comme kykE = δ,
alors on a :
δ
kf (y)kF = kf (x)kF ≤ 1,
kxkE
et par conséquent :
1
kf (x)kF ≤ kxkE .
δ
Il suffit de prendre C = 1δ .

2.1. DÉFINITIONS ET PROPRIÉTÉS 13
(⇐) Si l’inégalité 2.1.1 est satisfaite, alors il existe une constante C > 0 telle que
pour tout x, y ∈ E, on a :
kf (x) − f (y)kF = kf (x − y)kF ≤ Ckx − ykE
et l’application linéaire f est Lipschitzienne et par conséquent f est continue

(uniformément) sur E.
Exercice 7. Etudier la continuité des applications linéaires suivantes :

n
X 1
1. Soit E = RN muni de la norme euclidienne kxk2 = x2i 2 pour tout x ∈ RN .
i=1
L’application linéaire
f :E → R
n
X
x 7→ xi
i=1
2. Soit E = C([0, 1], R) muni de la norme infiné k · k∞ . L’application linéaire suivante :
T :E → R
Z 1
f → T (f ) = f (x) dx.
0
3. On munit les espaces E = C([0, 1], R) et F = C 1 ([0, 1], R) de la norme infini k · k∞ .

L’application définie par
L:E → F
f → L(f );
Rx
où L(f )(x) = 0
f (x) dx.
R1
4. On munit l’espace C([0, 1], R) de la norme kf k1 = 0
|f (x)| dx, la forme linéaire
S:E → R
f → S(f ) = f (0).

2.2. ESPACE L(E, F ) 14
Indication : utiliser la suite de fonctions (fn ) définie par


 1 − (n + 1)x, si 0 ≤ x ≤ 1 ;
n+1
1
 0, si ≤ x ≤ 1.
n+1
Définition 2.1.4 (Dual topologique). On appelle dual topologique de E, et on note E 0 =

L(E, K) l’espace des formes linéaires continues sur E.
Exemple 2.1.1. D’après l’exercice 7 et en prenant les normes associées, on remarque que f ∈
0 0
(Rn )0 , T ∈ C([0, 1], R) , L ∈ L C([0, 1], R), C 1 ([0, 1], R) mais S ∈

/ C([0, 1], R) .
Proposition 2.1.2. Soit (E, k · k) un espace normé de dimension finie, alors pour tout espace
normé F on a :
L(E, E) = L(E, E).
Autrement dit : toute application linéaire définie de E dans F est continue.

En particulier, on a E ∗ = E 0 .
Démonstration. On fixe une base {ei }1≤i≤n de E et on le muni de la norme

n
X
kxk1 = |xi |, ∀x ∈ E,
i=1
où (x1 , x2 , ..., xn ) sont les coordonnées de x dans la base considérée. Supposons que f
est une application linéaire de E dans un espace normé quelconque (F, k · k). On a
n
X n
X n
X

kf (x)k = kf xi ei k = k xi f (ei )k ≤ |xi |kf (ei )k.
i=1 i=1 i=1
On pose C = max kf (ei )k, d’où :

1≤i≤n
kf (x)k ≤ Ckxk1
ce qui montre que f est continue. De plus, si on prend F = K, alors on obtient E ∗ =

E 0.
2.2 Espace L(E, F )
Proposition 2.2.1. Soient (E, k · kE ), (F, k · kF ) deux K-espace vectoriels normés. L’espace
L(E, F ) est un espace vectoriel normé par :
kf (x)kF
kf k = sup .
x∈E\{0} kxkE

2.2. ESPACE L(E, F ) 15
Démonstration. Facilement de voir que L(E, F ) est un K-sous espace vectoriel. On va

montrer que k · k : L(E, F ) → K définie une norme ; soit f ∈ L(E, F ).
1. Evident que si f = 0 alors kf k = 0. Si kf k = 0, alors pour tout x ∈ E non nul on

kf (x)kF
a kxkE
= 0, d’où kf (x)kF = 0 et comme k · kF est une norme sur F , donc on
déduit que f (x) = 0, ∀x ∈ E \ {0}, de plus, on a f (0) = 0, donc on obtient que
f = 0.
2. Soit ∈ E \ {0} et soit λ ∈ K, on a

kλf (x)kF kf (x)kF
kλf k = sup = |λ| sup = |λ|kf k.
x∈E\{0} kxkE x∈E\{0} kxkE
3. Soit f, g ∈ L(E, F ), on a
kf (x) + g(x)kF
kf + gk = sup ,
x∈E\{0} kxkE
En utilisant le fait que k · kF est une norme sur F et la propriétée d’additivité de

la borne supérieure, on obtient :
kf (x)kF + kg(x)kF kf (x)kF kg(x)kF
kf + gk ≤ sup ≤ sup + sup .
x∈E\{0} kxkE x∈E\{0} kxkE x∈E\{0} kxkE
Ainsi, kf + gk ≤ kf k + kgk.
Exercice 8. Soient (E, k · kE ), (F, k · kF ) deux K-espace vectoriels normés et f une forme
linéaire continue. Montrer qu’on a :
kf (x)kF
sup = sup kf (x)kF = sup kf (x)kF = inf c > 0 : kf (x)kF ≤ ckxkE .
x∈E\{0} kxkE kxkE =1 kxkE ≤1
Remarque 2.2.1. De la définition de kf k, on peut écrire l’inégalité suivante :
∀x ∈ E : kf (x)kF ≤ kf kkxkE .
Exercice 9. Calculer la norme kT k dans les cas suivants :
1. Soit E = C([0, 1], R) muni de la norme infiné k · k∞ .
T :E → R
Z 1
f → T (f ) = f (x) dx.
0

2. Soit E = C([0, 1], R) muni de la norme

Z 1
kf k1 = |f (x)| dx.
0
On considère l’application ψ : E → E définie par :

Z x
ψ(f )(x) = f (t) dt.
0
Utiliser la suite de fonctions (fn ) définie par :
fn (x) = ne−nx , x ∈ [0, 1].
Correction de l’exercice 6
Evident
Correction de l’exercice 7
1. D’après l’inégalité de Cauchy Schwarz, pour tout x ∈ RN , on a :

n n n
X X
2
21 X 12 √
|f (x)| = | xi | ≤ 1 x2i = nkxk2
i=1 i=1 i=1
√
donc, il suffit de prendre C = n.
2. Pour tout f ∈ C([0, 1], R), on a :

Z 1 Z 1 Z 1
|T (f )| = f (x) dx ≤ |f (x)| dx ≤ sup |f (x)| dx,

0 0 x∈[0,1] 0
donc
|T (f )| ≤ kf k∞ , (2.3.1)
il suffit de prendre C = 1.
3. Pour tout f ∈ E on a :
Z x
kL(f )k∞ = sup f (t) dt ≤ sup x sup |f (t)| = kf k∞ .

x∈[0,1] 0 x∈[0,1] t∈[0,1]
Il suffit de prendre C = 1.

4. Il suffit de trouver une suite (fn ) ⊂ E de sorte que

|S(fn )|
lim = +∞.
n→+∞ kfn k1
En effet, on prend la suite de fonctions (fn ) définie par


 1 − (n + 1)x, si 0 ≤ x ≤ 1 ;
n+1
 0, si 1
≤ x ≤ 1.
n+1
|fn (0)|
On a fn (0) = 1 tandis que kfn k1 = 1
n+1
, d’où lim = +∞.
n→+∞ kfn k1
(On s’inspire cette méthode de la négation de l’inégalité (2.1.1)).
kf (x)kF
On pose A = sup , B = sup kf (x)kF , C = sup kf (x)kF , D = inf λ >

x∈E\{0} kxkE kxkE =1 kxkE ≤1
0 : kf (x)kF ≤ λkxkE .

(i) Pour tout x ∈ E \ {0}, on a :

kf (x)kF 1 x
A = sup = sup f (x) = sup f ( ) ,

x∈E\{0} kxk E x∈E\{0} kxk E F x∈E\{0} kxk E F
x
on pose y = , donc on obtient :
kxkE

A = sup f (y) = B.

kykE =1 F
(ii) En remarquons que kf (x)kF ; kxkE = 1 ⊂ kf (x)kF ; kxkE ≤ 1 , alors on

déduit que B ≤ C.
(iii) On vérifie que C est un minirant de l’ensemble λ > 0 : kf (x)kF ≤ λkxkE ; en

effet, soit λ > 0 telle que kf (x)kF ≤ λkxkE . Donc pour tout x ∈ E avec kxkE ≤ 1,
on a
kf (x)kF ≤ λkxkE ≤ λ,
d’où supkxkE ≤1 kf (x)kF ≤ λ et par conséquent C ≤ D.
(iv) Pour tout x ∈ E \ {0}, on a

kf (x)kF
≤ A,
kxkE
c.à.d. kf (x)kF ≤ AkxkE , donc par la définition de D, on déduit que D ≤ A car
A ∈ λ > 0 : kf (x)kF ≤ λkxkE .


On conclut que A = B ≤ C ≤ D ≤ A ce qui montre que les quatre nombres sont égaux.
1. Soit E = C([0, 1], R) muni de la norme infiné k · k∞ . On a déjà montrer que

l’application
T :E → R
Z 1
f → T (f ) = f (x) dx.
0
appartient à L(E, R). Maintenant, on calcule kT k = sup |T (f )|, d’après l’inéga-

kf k∞
lité (2.3.1) et en vertu la définition de kT k (kT k = D), on voit que kT k ≤ 1.
D’autre part, on cherche, s’il existe, un élément de B(0, 1) de sorte que |T (f0 )| ≥
1, en effet, on prend f0 ≡ 1 qui vérifie :
Z 1
kf0 k∞ = sup |1| = 1, et T (f0 ) = f0 (x) dx = 1
x∈[0,1] 0
ce qui implique que kT k ≥ 1. On conclut que kT k = 1.
2. Soit E = C([0, 1], R) muni de la norme

Z 1
kf k1 = |f (x)| dx.
0
On considère l’application ψ : E → E définie par :

Z x
ψ(f )(x) = f (t) dt.
0
D’abord, on voit que ψ est linéaire, on vérifie que ψ est continue ; soit f ∈ E,
pour tout x ∈ [0, 1] on a :
Z x Z 1
|ψ(f )(x)| ≤ |f (t)| dt ≤ |f (t)| dt = kf k1 ,
0 0
d’où Z 1 Z 1
kψ(f )k1 = |ψ(f )(x)| dx ≤ kf k1 dx = kf k1 , (2.3.2)
0 0
il suffit de prendre c = 1 pour que ψ soit dans L(E). On calcule kψk ; de l’inéga-
lité (2.3.2), on obtient kψk ≤ 1.
Pour démontrer l’inégalité inverse, on considère la suite de fonctions (fn ) définie
par :
fn (x) = ne−nx , x ∈ [0, 1].

On sait que
kψ(fn )k1 ≤ kψkkfn k1 , (2.3.3)
De plus :
1 1 x
1 − e−n
Z Z Z
kψ(fn )k1 = |ψ(fn )(x)| dx = ne−nt dt dx = 1 − .

n

Z0 1 0 0
kfn k1 = ne−nx dx = 1 − e−n .

0
On remplace dans (2.3.3) on obtient
kψ(fn )k1 1 1
kψk ≥ = − ,
kfn k1 1 − e−n n
En faisant le passage de la limite dans cette inégalité, on conclut que kψk ≥ 1 ce

qui montre que kψk = 1.

C HAPITRE 3
E SPACES DE H ILBERT
3.1 Généralités sur les espaces préhilbertiens et de Hil-

bert
Définition 3.1.1 (Produit scalaire). Soit E un espace vectoriel sur R. Un produit scalaire
sur E est une application :
h·, ·i : E × E → R
(x, y) → hx, yi,
vérifiant pour tout x, x0 , y ∈ E et pour tout λ ∈ R :
1. Linéaire par rapport à la première variable : hx + λx0 , yi = hx, yi + λhx0 , yi.
2. Symétrique : hx, yi = hy, xi
3. (Positif : hx, xi ≥ 0 et défini ; c.à.d : hx, xi = 0 ⇔ x = 0) ou positif défini ; c.à.d.

∀x ∈ E − {0E }, hx, xi > 0.
Le nombre h·, ·i scalaire de x et y est appelé le produit scalaire des x et y.
Exercice 10. Montrer que les applications suivantes sont des produit scalaires.
1.
u1 : RN × RN → R
N
X
(x, y) = u1 (x, y) = xi yi .
i=1

2. (*) Soit E = C [0, 1], R l’espace des fonctions réelles continues sur [0, 1],
u2 : E × E → R
Z 1
(f, g) = u2 (f, g) = f (t)g(t) dt
0
20
3.1. GÉNÉRALITÉS SUR LES ESPACES PRÉHILBERTIENS ET DE HILBERT 21
Définition 3.1.2 (Espace préhilbertien). Soit E un K-espace vectoriel. Un espace préhil-

bertien est un couple (E, h·, ·i) où h·, ·i est un produit scalaire sur E.
Exemple 3.1.1. D’après les exercice 10, on déduit que (RN , u1 ), C([0, 1], R), u2 sont des

espaces préhilbertiens
Proposition 3.1.1 (Inégalité de Cauchy-Schwartz). Soit E un espace préhilbertien, alors

pour touts u, v ∈ E, on a :
p p
|hu, vi| ≤ hu, ui hv, vi. (3.1.1)
Démonstration. Soit u, v ∈ E ;
— Si u = 0, ou v = 0 ; l’inégalité (3.1.1) est immédiate.
— Si u 6= 0 et v 6= 0 : on pose
hu, vi
w =u− v,
hv, vi
d’une part on peut voir que hw, wi ≥ 0.
D’autre part, on a :
hu, vi hu, vi
hw, wi = hu − v, u − vi
hv, vi hv, vi
|hu, vi|2 |hu, vi|2
= hu, ui − 2 +
hv, vi hv, vi
2
|hu, vi|
= hu, ui − ;
hv, vi
D’ou :
|hu, vi|2
hw, wi ≥ 0 ⇔ hu, ui − ≥0
hv, vi
⇔ |hu, vi|2 ≤ hu, ui · hv, vi
p p
⇔ |hu, vi| ≤ hu, ui hv, vi.
Donc, on a l’inégalité.
Proposition 3.1.2 (Inégalité de Minkofiski). Soit (E, h·, ·i) un espace préhilbertien, pour
tout x, y ∈ E on a :
p p p
hx + y, x + yi ≤ hx, xi + hy, yi (3.1.2)

3.1. GÉNÉRALITÉS SUR LES ESPACES PRÉHILBERTIENS ET DE HILBERT 22
Démonstration. Soient x, y ∈ E, on a :
hx + y, x + yi = hx, xi + hy, yi + 2hx, yi,
en appliquant l’inégalité de Cauchy-Schwartz, on obtient :

p p
hx + y, x + yi ≤ hx, xi + hy, yi + 2 hx, xi hy, yi
p p
= ( hx, xi + hy, yi)2 ,
d’ou
p p p
hx + y, x + yi ≤ hx, xi + hy, yi.
Exercice 11. Si E est un espace préhilbertien munit par le produit h·, ·i, montrer l’application
k · k : E → R+
p
u → kuk = hu, ui
définit une norme sur E.
Remarque 3.1.1. D’après la proposition 11, on a l’implication suivant :

p
(E, h·, ·i) est un espace préhilbertien ⇒ (E, k · k) est un espace normé où k · k = h·, ·i.
Proposition 3.1.3 (Identité du parallélogramme). Soit (E, h·, ·i) un espace préhilbertien,
pour tout x, y ∈ E, on a :
kx + yk2 + kx − yk2 = 2kxk2 + 2kyk2 .

p
où k · k = h·, ·i.
Démonstration. Par un calcul simple on btient
kx + yk2 = hx + y, x + yi = kxk2 + kyk2 + 2hx, yi (3.1.3)
kx − yk2 = hx − y, x − yi = kxk2 + kyk2 − 2hx, yi (3.1.4)
En additionnant (3.1.3) et (3.1.4), on obtient kx + yk2 + kx − yk2 = 2kxk2 + 2kyk2
On a le résultat suivant :

3.2. ORTHOGONALITÉ, FAMILLE ORTHOGONALE ET FAMILLE ORTHONORMALE 23
Proposition 3.1.4. Soit E un R-espace vectoriel normé par k · k, on a l’équivalence suivant :

h i h i
Eest un espace préhilbertien ⇔ La norme k · kvérifie l’identité de parallélogramme
Remarque 3.1.2. La proposition 3.1.4 nous permet de vérifier que certaine normes est associé
au produit scalaire ou non, c’est-à-dire l’identité de parallélogramme caractérise les espaces
préhilbertiens parmi les espaces normés.
Exercice 12. 1. Soit (RN , k · k∞ ) ; avec kXk∞ = sup |xi | et X = (x1 , x2 , ..., xn ) ∈ RN .
1≤i≤n
N
Montrer (R , k · k∞ ) n’est pas un espace préhilbertien.
R1
2. Soit E = L1 ([−1, 1], R) munie de la norme kf k = −1 |f (t)| dt ; montrer que cet espace
n’est pas un espace préhilbertien.
Définition 3.1.3. Un espace de Hilbert (ou Hilbertien) est un espace préhilbertien complet.
Remarque 3.1.3. Il découle de cette définition que tout espace de Hilbert est un espace de
Banach particulier.
Exemple 3.1.2.
p
1. R est un espace de Hilbert avec hx, yi = xy et kxk = hx, xi =
√
x2 = |x|.
v
n
X
u n
uX
2. RN est un espace de Hilbert avec hX, Y i = xi yi et kxk = t x2 i
i=1 i=1
∞
X ∞
X
3. l2 (N) = {x = (xn )n∈N ; x2n
< ∞} est un espace de Hilbert avec hx, yi = xn yn
n=1 v n=1
u∞
uX
où x = (xn )n∈N et y = (yn )n∈N et kxk = t x2n .
n=1
R1
4. L’espace C([−1, 1], R) muni du produit scalaire hf, gi = −1
f (t)g(t) dt n’est pas un
espace de Hilbert car il n’est pas complet ; en effet : voir l’exercice 5.
3.2 Orthogonalité, famille orthogonale et famille ortho-

normale
Définition 3.2.1. Soit H un espace préhilbertien, soit x, y ∈ H, on dit que x et y sont ortho-
gonaux (noté x⊥y) si et seulement si hx, yi = 0.

3.2. ORTHOGONALITÉ, FAMILLE ORTHOGONALE ET FAMILLE ORTHONORMALE 24
PN
Exemple 3.2.1. E = RN , hX, Y i = i=1 xi y i
eα = (0, ..., 0, |{z}

1 , 0, ..., 0)
ordreα
pour tout α, β ∈ 1, 2, ..., N , α 6= β on a heα , eβ i = 0, c.à.d eα ⊥eβ

Rπ
Exercice 13. E = C([−π, π], R), hf, gi = −π
f (t)g(t) dt.
Considérons la famille des fonctions (fn )n∈N tel que
fn (t) = cos nt,
Montrer que fn ⊥fm , ∀n 6= m.
Dans la proposition suivante on rassemble quelques propriétés fondamentales.
Proposition 3.2.1. Soit E un espace préhilbertien
1. Pour tout x ∈ E : x⊥0.
2. Pour tout x, y ∈ E, pour tout α, β ∈ R : x ⊥ y ⇔ αx⊥βy.
3. Pour tout x, yi ∈ E, αi ∈ R ; i ∈ {1, ..., n}, on a :

n
X
∀i ∈ 1, 2, ..., n : x⊥yi ⇒ x⊥ αi y i .
i=1
Démonstration. Evidante.
Définition 3.2.2. On dit que (xi )i∈I est une famille orthogonale ou système orthogonal
si les xi sont deux à deux orthogonaux, autrement dit
∀i, j ∈ I, i 6= j, on ait : hxi , xj i = 0.
Définition 3.2.3. On dit que (xi )i∈I est une famille orthonormale ou système orthonor-
mal ou système orthonormé si (xi )i∈I est une famille orthogonale et si de plus pour tout
i ∈ I, on a hxi , xi i = 1, autrement dit

h i  1, si i = j
(xi )i∈I est une famille orthonormale ⇔ ∀i, j ∈ I : hxi , xj i = δij =
 0, si i 6= j.
n x o
i
Remarque 3.2.1. Si {xi }i∈I est une famille orthogonale, alors la famille est orthonor-
kxi k
male.

3.3. ORTHOGONAL D’UNE PARTIE ET PROPRIÉTÉS 25
Exemple 3.2.2. La famille {eα } est une famille orthonormale et la famille {fn }n est une famille
orthogonale (voir l’exemple 3.2.1 et l’exercice 13 ), de plus on a
Z π
2
kfn k = hfn , fn i = cos2 nt dt = π,
−π
alors la famille { √1π fn } est orthonormale.
3.3 Orthogonal d’une partie et propriétés
Définition 3.3.1. Soit (E, h·, ·i) un espace préhilbertien, si A une partie non vide de E, on
appelle orthogonal de A et l’on note A⊥ l’ensemble de vecteurs orthogonaux à tout les vecteurs
de A, c.à.d.
A⊥ = {x ∈ E : hx, ai = 0, pour tout a ∈ A}.
Exercice 14. 1. Trouver {0E }⊥ et E ⊥ .
2. Soit l’espace R4 muni du produit scalaire canonique et soit F le sous-espace vectoriel de

R4 défini par
F = {x = (x1 , x2 , x3 , x4 ) ∈ R4 ; x1 + 2x2 + x3 + x4 = 0, x2 + x3 = 0}
Calculer F ⊥ .
R1
3. Soit E = C([0, 1], R) muni du produit scalaire hf, gi = 0
f (t)g(t) dt. On considère le
sous-espace vectoriel F de E défini par
F = {f ∈ E : f (0) = 0}.
Montrer que F ⊥ = {0}.
Exercice 15. Soit A une partie non vide de E. A⊥ est un sous espace vectoriel fermé de E.
Indication : Vérifier d’abord :
\
A⊥ = {y}⊥ ;
y∈A

3.4. PROJECTION ORTHOGONALE DANS UN ESPACE PRÉHILBERTIEN 26
3.4 Projection orthogonale dans un espace préhilbertien
Définition 3.4.1. Soit (E, d) un espace métrique et soit F une partie fermée de E, soit x un
point de E. On appelle projection du point x sur F tout point b de F vérifie :
d(x, b) = d(x, F ) = inf d(x, y).

y∈F
On note par PF (x) la projection du x sur F s’il existe.
Remarque 3.4.1. 1. Evidement de voir que si x ∈ F , alors PF (x) = x.
2. L’existence de PF (x) n’est pas assurée et s’il existe il peut ne pas être unique, par
exemple : on prend E = R evec d(x, y) = |x − y|, F = [0, 1[ et x = 2, alors, dans
cet exemple on remarque que la projection de 2 sur F n’existe pas. Maintenant on prend
E = R2 avec d(x, y) = kx − yk2 et F est la sphère de la boule de centre x fixé dans E,
dans ce cas, la projection de x sur F n’est pas unique.
Théorème 3.4.1 (Projection sur un convexe). Soit (H, h·, ·i un espace préhilbertien et F ⊂
H une partie non vide convexe . On suppose de plus que A est complète. Alors on a :
1. Pour tout x ∈ H il existe une projection unique de x sur F ; c.à.d.
d(x, A) = kx − PF (x)k; PF (x) ∈ F.
2. La projection bx = PF (x) est caractérisée par
hx − bx , y − bx i ≤ 0, ∀y ∈ F. (3.4.1)
Exercice 16. Soit H un espace de Hilbert et F = B(0, 1) = {x ∈ H : kxk ≤ 1} la boule fermé

dans H. Pour tout x ∈ H il existe une projection PF (x) telle que

 x, si x ∈ F ;
PF (x) =
 1 , sinon.
kxk
Remarque 3.4.2. Dans le théorème 3.4.1, lorsque E est un espace de Hilbert, on peut
supposer que la partie F ⊂ H est convexe et fermé car on sait que le fermé dans un
espace complet est complet quand il est muni de la distance induite par la norme sur E.

3.5. PROJECTION ORTHOGONALE SUR UN SOUS-ESPACE DE DIMENSION FINIE ET
APPLICATIONS 27
Théorème 3.4.2 (Projection sur un sous espace de Hilbert). Soit (H, h·, ·i) un espace de
Hilbert et F un sous espace vectoriel fermé et x un élément de H. Alors il existe un unique
élément bx ∈ F tel que
kx − bx k = d(x, F ).
De plus, bx est l’unique élément de F tel que x − bx soit orthogonal à F ; c.à.d.
bx = PF (x) ⇔ hx − bx , yi = 0, ∀y ∈ F.
Exercice 17. Soit E = C([0, 1], R) muni du produit scalaire définie par
Z 1
hf, gi = f (t)g(t) dt,
0
pour tout f, g ∈ E. On pose F = V ect{1, t}, on considère la fonction f ∈ E définie par

f (t) = et . Calculer PF (et ).
3.5 Projection orthogonale sur un sous-espace de dimen-

sion finie et applications
Proposition 3.5.1. Soit E un espace de Hilbert et F un sous-espace vectoriel de dimension

finie avec {e1 , ..., en } une base orthonormale de F . Alors pour tout x ∈ E, on a :
n
X
PF (x) = hx, ei iei .
i=1
Démonstration. — On sait que PF (x) ∈ F = V ect{e1 , ..., en }, alors il existe α1 , α2 , ..., αn ∈

R tels que :
n
X
PF (x) = αi ei
i=1
— D’après le théorème 3.4.2, PF (x) et caractérisée par x − PF (x) ∈ F ⊥ , c.à.d.
hx − PF (x), yi = 0, ∀y ∈ F
et par suite
hx − PF (x), ej i = 0, ∀j ∈ {1, 2, ..., n},

3.6. PROCÉDÉ D’ORTHONORMALISATION DE GRAM-SCHMIDT 28
d’où :
n
X
hx − αi ei , ej i = 0, ∀j ∈ {1, 2, ..., n},
i=1
ce qui donne n équations linéaire dont les inconnues sont α1 , α2 , ..., αN

 n
X
αi hei , e1 i = hx, e1 i,





 i=1
n



 X



 αi hei , e2 i = hx, e2 i,

 i=1


.

.






.




n


 X
αi hei , en i = hx, en i .




i=1
Donc, on obtient :
α1 = hx, e1 i, α2 = hx, e2 i, ..., αn = hx, en i
et par conséquent :
n
X
PF (x) = hx, ei iei .
i=1
Exercice 18. Déterminer explicitement la quantité :

Z 1
α = min |x3 − c − bx − ax3 |2 dx
a,b,c∈R −1
Pour cela,
3.6 Procédé d’orthonormalisation de Gram-Schmidt
Théorème 3.6.1. Soient (E, h·, ·i) un espace préhilbertien et {xn } une famille finie ou infinie
de vecteurs linéairement indépendants de E. Pour tout n ∈ N, on pose Fn = V ect{x0 , ..., xn }
le sous-espace vectoriel engendré par x0 , ..., xn . On définie la famille {yn } par la relation de
récurrence suivante : 
 y =x ,
0 0
n+1 = xn+1 − PFn (xn+1 ),

 y

3.7. THÉORÈME DE REPRÉSENTATION DE RIESZ 29
et on définie la famille {en } par
y0 yn+1
e0 = , en+1 =
ky0 k kyn+1 k
Alors la famille {en } est orthonormale et pour tout n ∈ N, on a Fn = V ect{e0 , ..., en }.
Exercice 19. Soit l’espace E = C([−1, 1], R) muni du produit scalaire

Z 1
hf, gi = f (x)g(x) dx.
1
On considère la famille {x0 = 1, x1 = x, x2 = x2 }. On construire une famille orthonormale.
3.7 Théorème de représentation de Riesz
Définition 3.7.1. Le dual topologique d’un espace de Hilbert H est l’espace des formes linéaires
et continues sur H, on le note par H ∗ (ou H 0 ). On le muni de la norme duale
kf kH ∗ = sup |hf, xi|.

x∈H,kxkH ≤1
Théorème 3.7.1 (de représentation de Riesz). Soit H un espace de Hilbert muni de la norme
k · k associée au produit scalaire, soit H ∗ le dual topologique de H. Alors : " Pour tout ϕ ∈ H ∗ ,
il existe un unique élément yϕ ∈ H tel que pour tout x ∈ H, on ait :
ϕ(x) = hx, yϕ i.
De plus
kϕkH ∗ = kyϕ kH .
X
Exemple 3.7.1. Soit H = l2 (N) = {(xn ); x2n < ∞} muni du produit scalaire
n≥0
X
hx, yi = xn yn .
n≥0
Soit p ∈ N fixé, on considère l’application
ϕ:H → R
x → ϕ(x) = xp

ϕ est linéaire (évidant) et continue, en effet, Soit x ∈ H = l2 (N), alors x = (xn )n∈N , on a
q sX
|ϕ(x)| = |xp | = xp ≤2 x2n = kxk.
n≥0
de sorte que ϕ ∈ H ∗ .
On cherche l’unique élément yϕ ∈ H tel que ϕ(x) = hyϕ , xi, On prend
yϕ = (0, ..., 1, 0, ...) = ep
on peut voir facilement que yϕ ∈ l2 (N) avec
hyϕ , xi = xp = ϕ(x).
Remarque 3.7.1. Soit (H, h·, ·i) un espace de Hilbert. Alors le dual topologique H ∗ est un
espace de Hilbert pour le produit scalaire suivant :
Pour tout y, z ∈ H : hϕy , ϕz i∗ = hz, yi.
Notons que ce produit scalaire sur H ∗ induit la norme déjà existant sur H ∗ .
Voici une démonstration détaillée pour l’exemple 2.
— Soient f, g, h ∈ E et soit λ ∈ R :
Z 1
u2 (f + λg, h) = (f + λg)(t)h(t) dt
0
Z 1 Z 1
= f (t)h(t) dt + λ g(t)h(t) dt
0 0
= u2 (f, h) + λu2 (g, h).
— u2 est symétrique d’après la symétrisation de l’intégrale.

Z 1
— Soient f ∈ E,évident de voir que u2 (f, f ) = f 2 (t) dt ≥ 0. Supposons que
Z 1 0
f 2 (t) dt = 0 ; comme f est continue sur [0, 1], alors f 2 = 0 sur [0, 1] et par
0
suite f = 0 sur [0, 1]. Ce qui montre que u2 est défini positive et par conséquent
elle défini un produit scalaire.

Soient u, v ∈ E et λ ∈ R.
— Si u = 0, alors h0, 0i = 0 et par suite hu, ui = kuk = 0, si kuk = 0, alors
p
hu, ui = 0, d’où u = 0.
—
p
kλuk = hλu, λui
p
= λ2 hu, ui
p
= |λ| hu, ui
= |λ|kuk.
— En utilisant (3.1.2) on obtient

p p p
ku + vk = hu + v, u + vi ≤ hu, ui + hv, vi = kuk + kvk.
1. Si on prend
X1 = (1, 0, 0, ..., 0), X2 = (0, 1, 0, ..., 0) ∈ RN
alors on vera que
kX1 + X2 k2∞ + kX1 − X2 k2∞ = 2 6= 4 = 2kX1 k2∞ + 2kX2 k2∞ .
2. Les deux fonctions suivantes


 −1, si t ∈ [−1, 0] ;
f (t) = 1; t ∈ [−1, 1] g(t) =
 t, si t ∈ [0, 1].
ne vérifient pas l’identité du parallélogramme.
Rπ
Pour tout n 6= m, on a : hfn , fm i = −π
cos nt cos mt dt, en utilisant la formule :
1
cos α cos β = [cos(α + β) + cos(α − β)]
2
On obtient alors
Z π
1
hfn , fm i = cos(n + m)t + cos(n − m)t dt
2 −π
1 .π 1 .π
= sin(n + m)t + sin(n − m)t
2(n + m) −π 2(n − m) −π
= 0

ce qui montre que fn ⊥fm , ∀n 6= m.

1. On a : {0E }⊥ = E et E ⊥ = {0E }.
2. Soit l’espace R4 muni du produit scalaire canonique et soit F le sous-espace

vectoriel de R4 défini par
F = {x = (x1 , x2 , x3 , x4 ) ∈ R4 ; x1 + 2x2 + x3 + x4 = 0, x2 + x3 = 0}
par un calcul simple on obtient que {v1 = (−1, 1, −1, 0), v2 = (−1, 0, 0, 1)} est
une base de F , alors en vertu de la proposition 3.2.1
F ⊥ = {x = (x1 , x2 , x3 , x4 ) ∈ R4 ; hx, ai = 0; ∀a ∈ F }
= {x = (x1 , x2 , x3 , x4 ) ∈ R4 ; hx, v1 i = 0 et hx, v2 i = 0}
= {x = (x1 , x2 , x3 , x4 ) ∈ R4 ; x1 − x2 + x3 = 0, −x1 + x4 = 0}
= V ect{(1, 0, −1, 1), (0, 1, 1, 0)}.
R1
3. Soit E = C([0, 1], R) muni du produit scalaire hf, gi = 0
f (t)g(t) dt. On consi-
dère le sous-espace vectoriel F de E défini par
F = {f ∈ E : f (0) = 0}.
On a F ⊥ = {0}, en effet, il suffit de montrer que F ⊥ ⊂ {0}. Soit f ∈ F ⊥ , alors

pour tout g ∈ F , on a hf, gi = 0, en particulier, on remarque que la fonction
g0 : x 7→ xf (x) apprtient à F car g0 ∈ E et g0 (0) = 0, donc on a
Z 1
hf, g0 i = x|f (x)|2 dx = 0
0
L’application x 7→ x|f (x)|2 est continue sur [0, 1], positive, d’intégrale nulle, elle
est donc identiquement nulle. On en déduit que f (x) = 0 pour tout x ∈]0, 1], et
par continuité on a aussi f (0) = 0. Ainsi f = 0. On a bien montré que F ⊥ = {0}.
0 ∈ E et pour tout x, x0 ∈ A⊥ , α ∈ R on a αu + v ∈ A⊥ car pour tout y ∈ A
hαx + x0 , yi = αhx, yi + hx0 , yi = 0.

D’abord, on peut vérifier

\
A⊥ = {y}⊥ ;
y∈A
en effet : pour tout x ∈ A⊥ , on a
x ∈ A⊥ ⇔ ∀y ∈ A : hx, yi = 0
⇔ ∀y ∈ A : x ∈ {y}⊥
\
⇔ x∈ {y}⊥
y∈A
On considère la forme linéaire


 f : E → R,
y
 x 7→ f (x) = hx, yi
y
Soit y ∈ E fixé, pour tout x ∈ E, d’après l’inégalité de Cauchy Schwartz on a
|fy (x)| = |hx, yi| ≤ kxkkyk = ckxk.
donc on peut écrire

{y}⊥ = kerf = f −1 ({0}),
alors {y}⊥ est fermé et comme l’intersection quelconque des fermés est un fermé on
déduit que A⊥ est un fermé.
En effet, on utilise deux méthode
1ère méthode (par la définition) : — Si x ∈ F , alors d(x, F ) = 0 = d(x, PF (x)) et
par conséquent PF (x) = x.
— Si x ∈
/ F , on montre que d(x, F ) = kx − PF (x)k = kx − 1
kxk
xk.
On a :
1 kxk − 1

x − x = x = kxk − 1.

kxk kxk
Pour tout y ∈ F , on a :
kxk − 1 ≤ kxk − kyk ≤ kx − yk.
D’où :
kxk − 1 ≤ d(x, F ).

Par conséquent :
1
d(x, F ) ≤ x − x = kxk − 1.

kxk
2ème méthode (par la caractérisation) : H est un espace de Hilbert et B(0, 1) est
convexe et fermée, alors la projection existe et unique.
— Si x ∈ B(0, 1) : hx − x, y − xi = 0 ≤ 0, ∀y ∈ F .
— Si x ∈
/ B(0, 1) (kxk > 1), soit y ∈ B(0, 1) ;( kyk ≤ 1 :
D 1 1 E 1
x− x, y − x = hx, yi − kxk − hx, yi
kxk kxk kxk
1
= 1− hx, yi + 1 − kxk
kxk

≤ kxk − 1 kyk + 1 − kxk
= (kxk − 1)(kyk − 1) ≤ 0,
on déduit que ∀x ∈
/ B(0, 1) : PF (x) = 1
kxk
x.
Comme E est un espace préhilbertien et F est un sous-espace fermé (car il est de
dimension dinie). Alors la projection orthogonale de f sur F existe et unique, donc on
le calcule :
— On sait que PF (f ) ∈ F = V ect{1, t} donc il existe α, β ∈ R tels que PF (f ) =
αt + β.
— En vertu la caractérisation de la projection orthogonale on a :
hf − PF (f ), gi = 0, ∀g ∈ F = V ect{1, t}.
d’après la proposition 3.2.1-(3), on a :


 hf − P (f ), 1i = 0,
F
 hf − P (f ), ti = 0.
F
D’où  R
 1 et − αt − β dt = 0,
0
 R 1 (et − αt − β)t dt = 0.
0
Par un calcul simple on obtient


 α + 2β = 2e − 1,
 2α + 3β = 1.

on obtient alors : α = 4e − 3 et β = −2e + 2 et par suite :
PF (f ) = (4e − 3)t − 2e + 2.
On considère l’espace des fonctions carées intégrables L2 ([0, 1]), on sait que cet es-
pace est Hilbertien muni du produit scalaire
Z 1
hf, gi = f (t)g(t) dt, ∀f, g ∈ L2 ([0, 1]).
−1
On considère F = R2 [X] = V ect{1, x, x2 } qui est un sous-espace vectoriel fermé (car il

est de dimension fini).
Alors, d’après le théorème 3.4.2, pour tout f ∈ L2 ([0, 1]), la projection PF (f ) ∈ F
existe et unique, En particulier, si on prend f0 (x) = x3 alors on peut voir facilement
que f0 ∈ L2 ([0, 1]).
— On a PF (f0 ) ∈ R2 [X] et PF (f0 ) s’écrit sous la forme :
PF (f0 ) = a0 + b0 x + c0 x2 .
— grâce à la caractérisation de PF (f0 ), on a
hf0 − PF (f0 ), P i = 0, ∀P ∈ R2 [X]. (3.8.1)
La relation (3.8.1) équivalent à


 hf − PF (f0 ), 1i = 0
 0


hf0 − PF (f0 ), xi = 0


 hf − P (f ), x2 i = 0

0 F 0
c.à.d.  R
1
 (x3 − a0 + b0 x + c0 x2 ) dx = 0
 R−1


1
−1
(x3 − a0 + b0 x + c0 x2 )x dx = 0


 hR 1 (x3 − a + b x + c x2 )x2 dx = 0

−1 0 0 0
on obtient PF (f0 ) = 53 x et par conséquent :

Z 1
2 3 8
α = kf0 − PF (f0 )k = |x3 − x|2 dx = .
−1 5 175

on trace les étapes suivant :
— on a

 y = x0 = 1 ⇒ y0 (x) = 1,
 0


y1 = x1 − PF0 (x1 ) ⇒ y1 (x) = x − PF0 (x), où F0 = V ect{1} (3.8.2)


 y = x − P (x ) ⇒ y (x) = x2 − P (x), où F = V ect{1, x}.

2 2 F1 2 2 F1 1
— Calcul de PF0 (x) et PF1 (x2 ).

On a PF0 ∈ F0 (x) = V ect{1} donc il existe λ ∈ R tel que PF0 = λ.
D’autre part PF0 (x) est caractérisé par :
hx − PF0 (x), 1i = 0
d’où Z 1
(x − λ) dx = 0,
1
et par suite λ = 0 donc PF0 (x) = 0.
On a PF1 (x2 ) ∈ F1 = V ect{1, x} alors il existe α, β ∈ R tels que PF1 (x2 ) = αx + β.
La projection PF1 (x2 ) est caractérisé par :

 hx2 − P (x2 ), 1i = 0,
F1
 hx2 − P (x2 ), xi = 0.
F1
d’où :  R
 1 (x2 − αx − β) dx = 0,
1
 R 1 (x2 − αx − β)x dx = 0,
1
après les calcules on obtient α = 0 et β = 1

3
et donc PF1 (x2 ) = 31 .
— On remplace dans (3.8.2) et on trouve

 y (x) = 1,
 0


y1 (x) = x,


 y (x) = x2 + 1 .

2 3
Enfin, on calcule ky0 k, ky1 k et ky2 k : On a

 R1 √


 ky0 k2 = 1 12 dx = 2 ⇒ ky0 k = 2, ,
 R1 q
ky1 k2 = 1 x2 dx = 23 ⇒ ky1 k = 23 ,


 ky k2 = R 1 (x2 + 1 )2 dx = 16 ⇒ ky k =

√4 .
2 1 3 15 2 15

q √
Par conséquent {e0 = √1 , e1 = 3
x, e2 = 415 (x2 + 13 )} est famille orthonormale, de
2
q 2 √
plus V ect{1, x, x2 } = V ect{ √12 , 32 x, 415 (x2 + 13 )}.

Bibliographie
[1] F. B AYER -C, Espace de Hilbert et opérateurs, Tome 2, Ellipse, (1986).
[2] N. E L H AGE H ASSSAN, Topologie générale et espaces normés, Dunod, Paris, (2011).
[3] M. H AZI, Topologie. Au delà des travaus dirigés, O.P.U, Alger, (2015).
[4] A. M OKHTARI, Notes de cours : Espaces vectoriels normés, Département de mathé-

matiques, Faculté de MI, université de M’sila, (2021).
[5] A. M OSTFAI, Cours de Topologie, O.P.U, Alger, (1989).
38

Résumé de Cours Et Exo EVN

Transféré par

Droits d'auteur :

Formats disponibles

Résumé de Cours Et Exo EVN

Transféré par

Informations du document

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

Résumé de Cours Et Exo EVN

Transféré par

Droits d'auteur :

Formats disponibles

REPUBLIQUE ALGERIENNE DEMOCRATIQUE ET

Université Mohamed Boudiaf de M’sila

Espaces vectoriels normés

Licence 3 Mathématiques - Semestre 5

1 Généralités sur les espaces vectoriels normés 2

2 Applications linéaires continues 11

G ÉNÉRALITÉS SUR LES ESPACES

1.1 Norme sur un espace véctoriel

possédant les propriétés suivantes :

(N1) pour tout x ∈ E, on a : N (x) = 0 ⇔ x = 0.

(N2) pour tout x ∈ E et tout λ ∈ K, on a : N (λx) = |λ|N (x).

(N3) pour tout x, y ∈ E, on a : N (x + y) ≤ N (x) + N (y).

La norme N sera désignée par le symbole k · k et le couple (E, k · k) s’appelle espace

2. Les applications suivantes sont des normes sur Rn :

La norme k · k2 est la norme euclidienne sur Rn .

Voici quelques propriétées de la norme.

ktx + (1 − t)yk ≤ tkxk + (1 − t)kyk.

3. L’inégalité (N3) se généralise à n points. Pour tout x1 , x2 , ..., xn ∈ E, on a :

De l’inégalité (1.1.3), on a l’affirmation suivante :

Corollaire 1.1.1. L’application norme k · k : E → R+ est continue sur E muni de la topologie

(x, y) 7→ d(x, y) = kx − yk,

Espaces vectoriels normés

2. ∀(x, y) ∈ E 2 : d(x, y) = d(y, x).

3. ∀(x, y, z) ∈ E 3 : d(x, z) ≤ d(x, y) + d(y, z).

1.2 Equivalence des normes

αkxk2 ≤ kxk1 ≤ βkxk2 .

Exercice 1. Montrer que Les normes fondamentales k · k1 , k · k2 , k · k∞ définies sur Rn sont

kf k1 = sup (|f (x)| + |f 0 (x)|).

1. Montrer que k · k1 est une norme sur E.

2. Est-elle équivalente à la norme kf k2 = sup |f (x)| + sup |f 0 (x)|) ?

Espaces vectoriels normés

1.3 Espaces de Banach

∀ε > 0, ∃n0 ∈ N, ∀n ∈ N : n ≥ n0 ⇒ kxn − x0 k ≤ ε.

Exemple 1.3.1. 1. (R, | · |) est un espace de Banach.

Exercice 4. Montrer que C([a, b], R), k · k∞ est un espace de Banach.

Exercice 5. Soit E = C([−1, 1], R) muni de la norme fondamentale :

On considère la suite (un ) qui définie par

1. Montrer que (un ) est de Cauchy dans E.

Espaces vectoriels normés

2. Montrer que (un ) n’est pas convergente dans E.

3. Que peut-on déduire ?

Dans ce paragraphe on s’intéresse à un K-espace véctoriel E de dimension finie n.

1.4 Corrigé des exercices du chapitre 1

Espaces vectoriels normés

1. k · k1 est une norme, car :

(a) Soit f ∈ E = C 1 ([0, 1], R). Si kf k1 = 0, alors :

kf k1 = 0 ⇒ sup (|f (x)| + |f 0 (x)|) = 0

(b) Soit f ∈ E et soit λ ∈ R :

kλf k1 = sup (|λf (x)| + |λf 0 (x)|)

= sup |λ(f (x)| + |f 0 (x)|)

= |λ| sup |(f (x)| + |f 0 (x)|) = |λ|kf k1 .

|f (x) + g(x)| + |f 0 (x) + g 0 (x)| ≤ |f (x)| + |g(x)| + |f 0 (x)| + |g 0 (x)|

≤ (|f (x)| + |f 0 (x)|) + (|g(x)| + |g 0 (x)|)

≤ sup (|f (x)| + |f 0 (x)|) + sup (|g(x)| + |g 0 (x)|)

ce qui montre que kf + gk1 ≤ kf k1 + kgk1 . Par conséquent k · k1 définie une

2. D’une part, pour tout x ∈ [0, 1] on a :

|f (x)| + |f 0 (x)| ≤ sup |f (x)| + sup |f 0 (x)|,

Espaces vectoriels normés

|f (x)| = |f (x)| + |f 0 (x)| − |f 0 (x)|

≤ sup (|f (x)| + |f 0 (x)|) − |f 0 (x)|,