MARCO A. PÉREZ B.

Université du Québec à Montréal.

Département de Mathématiques.

ANALYSE
Notes de cours

Z
f dµ

(0, 0)

Décembre, 2011.
Ces notes sont basées sur un cours donné par Gordon Craig à l’UQÀM à l’automne 2010.
Toute erreur ou omission sont la resposabilité de l’auteur.

i
ii
 TABLE DES MATIÉRES

1 THÉORIE DE LA MESURE 1
1.1 Espaces mesurables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
1.2 Mesure de Lebesgue . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
1.3 Fonctions mesurables . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.4 Intégration . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

2 ANALYSE FONCTIONELLE 31
2.1 Espaces de Banach . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
2.2 Applications entre espaces de Banach et dualité . . . . . . . . . . . . . . . . . . . . 44

BIBLIOGRAPHIE 63

iii
iv
CHAPITRE 1

THÉORIE DE LA MESURE

1.1 Espaces mesurables

Soit P(X) l’ensemble de tout les sous-ensembles de X.

Définition 1.1.1. Soit R ⊆ P(X). R est un σ-algèbre ssi :

(1) X ∈ R.

(2) Si A ∈ R, alors Ac ∈ R.
S∞
(3) Si A1 , A2 , A3 , · · · ∈ R alors n=1 An ∈ R.

Exemple 1.1.1. Les ensembles P(X) et {X, ∅} sont exemples triviaux de σ-algèbres.

T∞
Lemme 1.1.1. Si A, B ∈ R, alors A ∩ B ∈ R. Si A1 , A2 , · · · ∈ R alors n=1 An ∈ R.

Démonstration : Notez que A ∩ B = (Ac ∪ B c )c . Alors

Ac , B c ∈ R =⇒ Ac ∪ B c ∈ R =⇒ A ∩ B = (Ac ∪ B c )c ∈ R.
T∞ S∞ c
Similairement, n=1 An = ( n=1 Acn ) ∈ R.

T∞ S∞
Exemple 1.1.2. n=1 (−1 − 1/n, 1 + 1/n) = [−1, 1]. R2 = n=1 An , where An = {p ∈ R2 / d(p, 0) ≤ n}.

1
Théorème 1.1.1. Soit F une collection de sous-ensembles de X. Il existe un σ-algèbre minimal M∗ ⊆ P(X),
appelé le σ-algèbre engendré par F, tel que F ⊆ M∗ . (“minimal” signifie que si S est une σ-algèbre qui
contient F, alors M∗ ⊆ S).

Démonstration : Soit M∗ = ∩{Mα / Mα est un σ-algèbre et F ⊆ Mα }. Nous avons que M∗ 6= ∅

puisque F ⊆ P(X). Nous prouvons que M∗ est un σ-algèbre.

(1) X ∈ Mα ∀α =⇒ X ∈ M∗ .
(2) A ∈ Mα ∀α =⇒ Ac ∈ Mα ∀α =⇒ Ac ∈ M∗ .
(3) Même chose.

Définition 1.1.2. Si τ est une topologie sur X, soit B le σ-algèbre engendré par les ouverts. B est appelé
le σ-algèbre de Borel.

Exemple 1.1.3. X = R, T τ = topologie standarde.

(a, b) ∈ B, ∀ −∞ ≤ a ≤ b ≤ +∞. Nous avons que
∞
[a, b] ∈ B, puisque [a, b] = n=1 a − n1 , b + n1 . Également, [a, b) = [a, ∞) ∩ ([b, ∞))c ∈ B. L’ensemble de
Cantor C est aussi dans B.

C1 = [0, 1],
C2 = [0, 1/3] ∪ [2/3, 1],
C3 = [0, 1/9] ∪ [2/9, 1/3] ∪ [2/3, 7/9] ∪ [8/9, 1],
..
.
∞
[
C= Cn ∈ B.
n=1
S
Notez que {x} ∈ B ∀ x ∈ X, et que Q = q∈Q {q} ∈ B.

Définition 1.1.3. Une mesure (positive) µ sur un σ-algèrre M est une fonction µ : M −→ [0, +∞] telle
que il existe A ∈ M avec µ(A) < ∞, et si Ai ∩ Aj = ∅ ∀i, j alors
∞
! ∞
[ X
µ An = µ(An ).
n=1 n=1

2
Exemple 1.1.4. X = Z, M = P(X), µ(A) = Card(A). Par exemple, si A = {4, 1, 7} = {4} ∪ {1, 7}, alors

3 = µ(A) = µ({4}) + µ({1, 7}) = 1 + 2.

Définition 1.1.4. Si µ(X) = 1, on dit que µ est une mesure de probabilité.

µ(A) = probabilité de l’évènement A.

Exemple 1.1.5. X = {2, 3, 4, . . . , 11, 12},

µ({2}) = 1/36,
µ({3}) = 2/36,
..
.
1 2 6 1
µ({2, 3, 7}) = µ({2}) + µ({3}) + µ({7}) = + + = .
36 36 36 4

Remarque 1.1.1. Si X est dńombrable, on peut prendre M = P(X) et définir une mesure en posant
µ({xi }) = ai ≥ 0. Si A ∈ P(X), A est dénombrable et
!
[ X
µ(A) = µ {x} = µ({x}).
x∈A x∈A

Exemple 1.1.6. Soit X = N, µ({n}) = 1/3n . Nous avons

1 1
µ({5, 19}) = 5
+ 19 ,
3 3 !
[∞ ∞
X ∞
X ∞
X
1 1 1
µ({naturels pairs}) = µ {2k} = µ({2k}) = 2k
= k
= ,
3 9 8
k=1 k=1 k=1 k=1
∞
X 1 1
µ(N) = = .
3k 2
k=1

Remarque 1.1.2. Si µ(X) < ∞ et µ(X) 6= 0, on peut normaliser pour obtenir une mesure de probabilité
µ(A)
en définissant ν(A) = µ(X) . Donc ν(X) = 1. Dans l’exemple précédent, ν(A) = 2µ(A) et ν({n}) = 2/3n .

Théorème 1.1.2. Soit µ une mesure sur M.

(a) µ(∅) = 0.
(b) µ(B\A) = µ(B) − µ(A) si A ⊆ B (si cette différence est définie)
(c) A ⊆ B =⇒ µ(A) ≤ µ(B).
S∞
(d) Si A1 ⊆ A2 ⊆ A3 ⊆ · · · ⊆ An ⊆ · · · et A = An , alors µ(A) = limn→∞ µ(An ).
n=1
T∞
(e) Si A1 ⊇ A2 ⊇ A3 ⊇ · · · ⊇ An ⊇ · · · , alors limn→∞ µ(An ) = µ ( n=1 An ).

3
Remarque 1.1.3.

(d) µ(An ) % µ(A).

T∞
(e) µ(An ) & µ ( n=1 An ).

Démonstration :
S
(a) Soit A un ensemble tel que µ(A) < ∞. Nous avons que µ(A) = µ(A ∅) = µ(A) + µ(∅) =⇒
µ(∅) = 0 puisque µ(A) < ∞.
(b) A ⊆ B =⇒ µ(b) = µ(A ∪ B\A) = µ(A) + µ(B\A) =⇒ µ(B\A) = µ(B) − µ(A).
(c) µ(B\A) ≥ 0. En utilisant (b), nous avons que µ(B) ≥ µ(A).
S∞ S∞
(d) Soit Cn = An \An−1 et A0 = ∅. Alors Ci ∩ Cj = ∅ si i 6= j, et k=1 Ck = k=1 Ak . Nous avons
n
X
µ(An ) = µ(C1 ∪ C2 ∪ · · · ∪ Cn ) = µ(C1 ) + µ(C2 ) + · · · + µ(Cn ) = µ(Ck ).
k=1
Sn Pn Pn
Alors µ (Pk=1 Ak ) = k=1 µ(Ck ). Notez
Pn que k=1 µ(Ck ) est non-décroissante en n. Alors soit
n
limn→∞ k=1 µ(Ck ) = ∞ ou limn→∞ k=1 µ(Ck ) est un nombre réel. Donc
n
! n ∞ ∞
! ∞
!
[ X X [ [
lim µ Ak = lim µ(Ck ) = µ(Ck ) = µ Ck = µ Ak .
n→∞ n→∞
k=1 k=1 k=1 k=1 k=1

(e) Soit Cn = A1 \An . Notez que C1 ⊆ C2 ⊆ C3 ⊆ · · · et

∞ ∞ ∞ ∞
! ∞
!c ∞
[ [ [ [ \ \
Ck = (A1 \Ak ) = (A1 ∩ Ack ) = A1 ∩ Ack = A1 ∩ Ak = A1 \ Ak .
k=1 k=1 k=1 k=1 k=1 k=1

Donc par (d) nous avons

∞
! ∞
!
\ [
µ A1 \ Ak =µ Ck = lim µ(Cn ) = lim µ(A1 \An ).
n→∞ n→∞
k=1 k=1
T∞
Notez que An ⊆ A1 ∀n et k=1 Ak ⊆ A1 . Donc par (b) nous avons
∞
! ∞
!
\ \
µ A1 \ Ak = µ(A1 ) − µ Ak et µ(A1 \An ) = µ(A1 ) − µ(An ).
k=1 k=1

Alors
∞
! ∞
!
\ \
µ(A1 ) − µ Ak = lim (µ(A1 ) − µ(An )) et lim µ(An ) = µ Ak .
n→∞ n→∞
k=1 k=1

4
Définition 1.1.5. Une mesure extérieure sur X est une fonction µ∗ : P(X) −→ [0, +∞] telle que

(1) µ∗ (∅) = 0.

(2) Si A ⊆ B alors µ∗ (A) ≤ µ∗ (B).

S∞ P∞
(3) µ∗ ( n=1 An ) ≤ n=1 µ∗ (An ).

Exercice 1.1.1. Si µ est une mesure sur un σ-algèbre M, alors µ satisfait (1), (2) et (3).

Définition 1.1.6. Soit µ∗ une mesure extérierure, E ⊆ X est (µ∗ )-mesurable sii

µ∗ (A) = µ∗ (A ∩ E) + µ∗ (A\E)

pour tout A ⊆ X.

À partir de maintenant, soit M = {E ⊆ X / E est mesurable}.

Théorème 1.1.3. µ∗ |M = µ est une mesure sur le σ-algèbre M.

Démonstration : Premièrement, puisque µ∗ est une mesure extérieure, ∀A, E ⊆ X,

µ∗ (A) = µ∗ ((A ∩ E) ∪ (A\E)) ≤ µ∗ (A ∩ E) + µ∗ (A\E).

Donc pour montrer que

µ∗ (A) = µ∗ (A ∩ E) + µ∗ (A\E), ∀A ⊆ X,
pour E donné, n’aurons qu’à montrer

µ∗ (A) ≥ µ∗ (A ∩ E) + µ∗ (A\E), ∀A.

(i) Si µ∗ (E) = 0 alors E ∈ M.

µ∗ (A ∩ E) + µ∗ (A\E) ≤ µ∗ (E) + µ∗ (A), puisque A ∩ E ⊆ E et A\E ⊆ A,

= 0 + µ∗ (A)
= µ∗ (A).

(ii) ∅ ∈ M puisque µ∗ (∅) = 0.

(iii) Si E ∈ M alors E c ∈ M;

µ∗ (A ∩ E c ) + µ∗ (A\E c ) = µ∗ (A\E) + µ∗ (A ∩ E) = µ∗ (A).

(iv) X = ∅c ∈ M.

5
 (v) E1 , E2 ∈ M =⇒ E1 ∪ E2 ∈ M.

µ∗ (A) = µ∗ (A ∩ E1 ) + µ∗ (A\E1 ), parce que E1 ∈ M,

µ (A\E1 ) = µ∗ ((A ∩ E1 ) ∩ E2 ) + µ∗ ((A\E1 )\E2 ), puisque E2 ∈ M,
∗

µ∗ (A) ≥ µ∗ (A ∩ E1 ) + µ∗ (A\E1 )
= µ∗ (A ∩ E1 ) + µ∗ ((A\E1 ) ∩ E2 ) + µ∗ ((A\E1 )\E2 ) (∗).

Mais (A\E1 )\E2 = A\(E1 ∪ E2 ) et

[(A\E1 ) ∩ E2 ] ∪ [A ∩ E1 ] = A ∩ (E1 ∪ E2 ).

Alors,

(∗) ≥ µ∗ (A ∩ (E1 ∪ E2 ))
(∗) ≥ µ∗ ([A ∩ E1 ] ∪ [(A\E1 ) ∩ E2 ]) + µ∗ (A\(E1 ∪ E2 )).

(vi) E1 , . . . , EN ∈ M =⇒ ∪N
n=1 En ∈ M (Exercice)
S∞
(vii) Reste deux choses à démontrer: {En }∞
n=1 , En ∈ M =⇒ n=1 En ∈ M et que si les En sont disjoint
alors !
∞
[ X∞
µ∗ En = µ∗ (En ).
n=1 n=1

SN
Lemme 1.1.2. Supposons que E1 , . . . , EN ∈ M sont disjoint (pour paires) et SN = n=1 En . Alors
N
X
µ∗ (A ∩ SN ) = µ∗ (A ∩ En ), ∀A ⊆ X.
n=1

Démonstration : Par induction: Le cas N = 1 est trivial. Supposons pour N . Nous avons N < ∞
=⇒ SN ∈ M. Alors
 \   \ \   \  
µ∗ A SN +1 = µ∗ (A SN +1 ) SN + µ∗ A AN +1 \SN
 \   \ 
= µ∗ A SN + µ∗ A EN +1
N
X  \   \ 
= µ∗ A En + µ∗ A EN +1
n=1
N
X +1  \ 
= µ∗ A En .
n=1

6
 T S∞
Corollaire 1.1.1. E1 , . . . , En , · · · ∈ M, Ei Ej = ∅ si i 6= j et S = n=1 En , alors
 \  X∞  \ 
µ∗ A S = µ∗ A En , ∀A ⊆ X.
n=1

PN
Démonstration : µ∗ (A ∩ S) ≥ µ∗ (A ∩ SN ) = n=1 µ∗ (A ∩ En ). Laissez N −→ ∞:
∞
X
µ∗ (A ∩ S) ≥ µ∗ (A ∩ En )
n=1
∞
!! ∞
!
[ [
∗ ∗ ∗
µ (A ∩ S) = µ A∩ En =µ (A ∩ En )
n=1 n=1
∞
X
≤ µ∗ (A ∩ En ).
n=1

Démonstration du Théorème 1.1.3:

(vii) Soit En ∈ M, Ei ∩ Ej = ∅ si i 6= j, A ⊆ X. Par le lemme précédent, nous avons

PN
µ∗ (A ∩ Sn ) ≥ n=1 µ∗ (A ∩ En ). D’autre part, SN ⊆ S =⇒ µ∗ (A\SN ) ≥ µ∗ (A\S). Alors

µ∗ (A) = µ∗ (A ∩ SN ) + µ∗ (A\SN )
N
X
≥ µ∗ (A ∩ En ) + µ∗ (A\S)
n=1
X∞
≥ µ∗ (A ∩ En ) + µ∗ (A\S)
n=1
= µ∗ (A ∩ S) + µ∗ (A\S), par le corollaire précédent.

Ainsi l’union disjointe est dans M. Par conséquent, M est un σ-algèbre.

(viii) Enfin, µ∗ |M est une mesure. En disjoint, En ∈ M,

∞
!! ∞
\ [ X
∗
µ A En = µ(A ∩ En ).
n=1 n=1

Posez A = X.

7
1.2 Mesure de Lebesgue

Définition 1.2.1. Soit a, b ∈ Rn , Ia,b = {x = (x1 , . . . , xn ) ∈ Rn / ai < xi < bi }.

Exemple 1.2.1.

(1) Pour n = 1: Ia,b = (a, b).

(2) Pour n = 2: I(−1,1),(0,1) = (−1, 0) × (1, 2).

Qn
Définition 1.2.2. λ(Ia,b ) = i=1 (bi − ai ).

Exemple 1.2.2.

(1) Pour n = 1: λ((a, b)) = b − a.

(2) Pour n = 2: λ(I(−1,1),(0,2) ) = (0 − (−1)) × (2 − 1) = 1.

Définition 1.2.3. Mésure extérieure de Lebesgue sur Rn :

(∞ ∞
)
X [
∗
µ (A) = inf λ (Ian ,bn ) / Ian ,bn ⊇ A .
n=1 n=1

Remarque 1.2.1. Il existe toujours un tel recouvrement de A par des Ian ,bn .

Soit In = Ian ,bn .

Théorème 1.2.1. µ∗ est une mesure extérieure.

Démonstration : µ∗ : P(X) −→ [0, +∞].

(i) µ∗ (∅) ≥ 0 et 0 ≤ µ∗ (∅) ≤ λ((0, )n ) = n , ∀0 . Alors µ∗ (∅) = 0.

Sn Sn
(ii) Si A ⊆ B, B ⊆ n=1 In , alors A ⊆ n=1 In . Nous avons

µ∗ (A) = inf sur un plus grand ensembles de nombres réel que µ∗ (B)
≤ µ∗ (B).
S∞ S∞
(iii) Soit n=1 An . Pour tout n ∈ N et  > 0, il existe In,k tel que An ⊆ k=1 In,k et tel que
∞
X 
λ(In,k ) ≤ µ∗ (An ) + .
2n
k=1

8
 P∞
Il existe une suite de In,k telle que k=1 λ(In,k ) & µ∗ (A). Si on prend un élément assez près de
µ∗ (An ), alors
X∞ X∞

λ(In,k ) − n ≤ µ∗ (An ) ≤ λ(In,k ).
2
k=1 k=1
S∞ S∞ S∞ S∞
De plus, n=1 An ⊆ n=1 ( k=1 In,k ) = n,k=1 In,k implique

∞
! ∞ ∞ X
∞
[ X X
∗
µ An ≤ λ(In,k ) = λ(In,k )
n=1 n,k=1 n=1 k=1
∞ h
X  i
≤ µ∗ (An ) +
n=1
2n
X∞ X∞

= µ∗ (An ) + n
n=1 n=1
2
X∞
= µ∗ (An ) + , ∀ > 0.
n=1
S∞ P∞
Alors, µ∗ ( n=1 An ) ≤ n=1 µ∗ (An ).

Corollaire 1.2.1. µ∗ |M est une mesure.

Définition 1.2.4. On appelle cette mesure la mesure de Lebesgue en n dimensions.

Remarque 1.2.2. A 6∈ M existe par mesures de Lebesgue, mais a des propriétés telles ques
[
µ∗ (A B) ≥ µ∗ (A) + µ∗ (B)

si A ∩ B = ∅.

Définition 1.2.5. Une mesure µ : M −→ [0, +∞] est complète ssi E ∈ M, µ(E) = 0 et

A ⊆ E =⇒ A ∈ M.

Remarque 1.2.3. Ceci oblige

0 ≤ µ(A) ≤ µ(E) = 0 =⇒ µ(A) = 0.

Proposition 1.2.1. La mesure de Lebesgue est complète.

Démonstration : Soit E ∈ M, A ⊆ E, µ(E) = 0. Alors, µ∗ (A) ≤ µ∗ (E) = 0 =⇒ µ∗ (A) = 0. Puisque

µ∗ (A) = 0, (i) du Théorème 1.1.3 implique A ∈ M.

9
Pour le reste de la section, µ = mesure de Lebesgue est Mµ = ensembles mesurables. Nous avons E ∈ Mµ
ssi µ∗ (A) = µ∗ (A ∩ E) + µ∗ (A\E), ∀A ⊆ X.

Exercice 1.2.1. Soit I un intervalle ouvert dans R. Alors I ∈ Mµ (R).

Corollaire 1.2.2. B(R) ⊆ Mµ (R).

Puisque B(R) est le σ-algèbre engendré par les ouverts dans R (qui sont eux-mêmes engendré par des unions
dénombrables d’intervalles).

Exemple 1.2.3. [a, b] ∈ Mµ (R). L’ensemble de Cantor est aussi dans Mµ (R). Aussi Q ∈ Mµ (R).

Proposition 1.2.2. Soit I un intervalle ouvert. Alors I ∈ Mµ (R).

Démonstration : Devons montrer que

µ∗ (A) = µ∗ (A ∩ I) + µ∗ (A\I), ∀ ⊆ R où µ∗ = mesure extérieure de Lebesgue.

Nous avons déjà µ∗ (A) ≤ µ∗ (A ∩ I) + µ∗ (A\I). Soit  > 0, il existe In = Ian ,bn tel que
∞
X ∞
[
λ(In ) ≤ µ∗ (A) +  et In ⊇ A.
n=1 n=1

Puisque nous sommes en dimension 1, I∩In et In \I sont des intervalles, ou des unions des deux intervalles.
It existe donc intervalles In0 , In00 , In000 (ouverts) tels que

I ∩ In ⊆ In0 ,
[
In \I ⊆ In00 In000 et

λ(In0 ) + λ(In00 ) + λ(In000 ) ≤ λ(In ) + n .
2
S∞ S∞ S∞ S∞
Avons A\I ⊆ n=1 (I\In ) ⊆ n=1 (In ∪In ) et A∩I ⊆ I ⊆ n=1 (I ∩In ) ⊆ n=1 In0 . Par la sous-additivité
00 000

de µ∗ , nous avons
∞
X ∞
X
∗ ∗ ∗
µ (A\I) + µ (A ∩ I) ≤ µ (In0 ) ∗
+µ (In00 ) ∗
+µ (In000 ) = λ(In0 ) + λ(In00 ) + λ(In000 )
n=1 n=1
X∞ X∞

≤ λ(In ) + n = λ(In ) + 
n=1
2 n=1
≤ µ∗ (A) + 2.
µ∗ (A\I) + µ∗ (A ∩ I) ≤ µ∗ (A) + 2, for every  > 0, alorsµ∗ (A\I) + µ∗ (A ∩ I) ≤ µ∗ (A).

Par conséquent, I ∈ Mµ (R).

10
Corollaire 1.2.3. B(R) ⊆ Mµ (R).

Démonstration : B(R) = ensemble de Borel = σ-algèbre engendré par les ouverts. Puisque les in-
tervalles ouverts dans R sont mesurables et que Mµ (R) est un σ-algèbre, B(R) ⊆ Mµ (R).

Proposition 1.2.3. Soit (X, M, µ) l’espace mesurable, µ complete et A ∈ M. Si MA = {E ∩ A / E ∈ M},

alors MA est un σ-algèbre et µ̃ = µ|MA est une mesure complète.

11
1.3 Fonctions mesurables
Convention: µ = mesure quelconque, M = domaine µ ⊆ P(X).

Définition 1.3.1. Soit f : X −→ Y , où Y est un espace topologique. f est mesurable ssi pour tout ouvert
V ⊆ Y , f −1 (V ) est mesurable.

Proposition 1.3.1. Si f : I −→ R est continue alors f est mesurable par rapport à la mesure de Lebesgue.

Démonstration : V ⊆ R ouvert =⇒ f −1 (V ) ⊆ I ouvert =⇒ f −1 (V ) mesurable.


0 si x ∈ Q,
Exemple 1.3.1. Soit f (x) = . Soit V ouvert,
1 si x 6∈ Q.


 R si 0∈V et 1∈V,

−1 Q si 0∈V et 1 6∈ V ,
f (V ) =

 Qc si 0 6∈ V et 1∈V,

∅ si 0 6∈ V et 1 6∈ V

Exercice 1.3.1. Les fonctions continues par morceaux sont mesurables.

Exemple 1.3.2. Soit (fn ) la suite de fonctions donnée par

f1 (x) = x,
 3
 2x si 0 ≤ x ≤ 13 ,
1
f2 (x) = 2 si 13 ≤ x ≤ 32 ,
 3 1
2x − 2 si 23 ≤ x ≤ 1.

Soit f : [0, 1] −→ [0, 1] la fonction f (x) = limn→∞ fn (x). Nous avons f 0 (x) = 0 ssi x 6∈ C, où C est l’ensemble
de Cantor. Notez que f (x) n’est même pas continue pour x ∈ C et que f (x) est monotone (non décroissant).
On verra plus tard que f es mesurable.

3
f1
4

1
2
f2
1
4
1 2
3 3 1

12
Proposition 1.3.2. Si f : X −→ R est mesurable et h : R −→ R est continue, alors h ◦ f est mesurable.

Démonstration : V ⊆ R ouvert.

(h ◦ f )−1 (V ) = f −1 (h−1 (V )).

h−1 (V ) ouvert parce que h est continue et V est ouvert. Alors, f −1 (h−1 (V )) est mesurable parce que f
est mesurable.

Exemple 1.3.3. Si f (x) est mesurable, cf (x) l’est pour tout c ∈ R. La fonction g(x) = (f (x))2 − 1 est aussi
mesurable.

Définition 1.3.2. Soit R = [−∞, ∞] = R∪{±∞} avec la topologie standards. Par exemple, (1, ∞] et (1, ∞)
sont ouverts, est 1/x2 est une fonction continue.

Définition 1.3.3. Soit E ⊆ X. Sa fonction charactéristique est


1 si x ∈ E
χE =
0 si x 6∈ E.

Exemple 1.3.4. χ[0,1] (x).

1•
• •

0 1

Proposition 1.3.3. χE est mesurable ssi E l’est.


E si 1 ∈ V ,
Démonstration : χ−1
E (V )=
∅ si 1 ∈
6 V.

Théorème 1.3.1. Soit u, v : X −→ R mesurable, Y un espace topologique, et Φ : R2 −→ Y continue.

Alors, la fonction h : X −→ Y donnée par x 7→ Φ(u(x), v(x)) est mesurable.

13
Corollaire 1.3.1. Φ(u, v) = u + v =⇒ u, v mesurable =⇒ u + v l’est aussi. Similairement, Φ(u, v) = u · v
=⇒ u, v mesurables =⇒ u · v mesurable.

Dans le deux cas précédent, nous pouvons prendre Y = R ou Y = [0, +∞]. Ne pouvons pas prendre
Y = [−∞, +∞] parce que on pourrait avoir u(x) + v(x) = ∞ − ∞.

Soit M(X, Y ) l’ensemble de fonctions mesurables de X à Y . On a M(X, R) forme un algèbre.

Exemple 1.3.5. Y = C, Φ(u, v) = u + iv ∈ C. Comme u + iv est mesurable, nous avons que U ⊆ C

ouvert =⇒ f −1 (U ) mesurable. Alors M(X, C) est aussi un algèbre et f ∈ M(X, C). Par conséquent
Re(f ), Im(f ), |f | ∈ M(X, R).

Démonstration du Théorème 1.3.1: Φ est continue =⇒ N 0 avons qu’à montrer que β : X −→ R2

(β(x) = (u(x), v(x))) est mesurable si u est v le sont. Soit R = I1 × I2 le produit d’intervalles ouverts.
est l’intersection d’ensembles mesurables. Tout V ⊆ R2 peut
L’ensemble β −1S(R) = u−1 (I1 ) ∩ v −1 (I2 ) S
∞ ∞
−1
être écrit V = i=1 Ri . Alors β (V ) = i=1 β −1 (Ri ) est mesurable.

Définition 1.3.4. Une fonction simple est un s ∈ M(X, C) ou s ∈ M(X, R) tel que s(X) est un ensemble
fini. Allons définir Z X
sdµ = αi µ(s−1 (αi )).
X αi ∈s(X)

Exemple 1.3.6. χQ est χE sont simples, pour tout E ∈ M. Soit s la fonction donnée par le graphique
suivant:

Alors, Z
s = 1 · µ(s−1 (1)) + 2 · µ(s−1 (2)) + 3 · µ(s−1 (3)) + 5 · µ(s−1 (5)) + 0 · µ(s−1 (0)).


∞ si a > 0,
Convention: Si a ≥ 0, a · ∞ =
0 si a = 0.

14
 
∞ si n = 2k,
Remarque 1.3.1. Dans [−∞, ∞], an = est une suite, bn = n2 n’est pas une suite
1 si n = 2k + 1.
convergente.

Définition 1.3.5. Soit (an )∞

n=1 une suite. an ∈ [−∞, ∞], bk = supn≥k {an }.

liman = lim sup an = lim bk = inf {bk }.

k→∞ k

Remarque 1.3.2.

(1) b1 ≥ b2 ≥ b3 ≥ · · · =⇒ limk→∞ bk existe et est egal à inf k {bk }.

(2) il existe un sous-suite ank telle que ank −→ lim sup an et lim sup an est le réel le plus grand ayant cette
propriété.
(3) lim inf an = liman = supk {inf n≥k (an )} = limk→∞ {inf n≥k (an )}.
(4) lim inf an = − lim sup(−an ).

Proposition 1.3.4. Soit f : X −→ [−∞, +∞], et µ = les ensemble mesurables. Si f −1 ((−α, ∞]) ∀α ∈ R,
alors f est mesurable.

Démonstration : Ω = {E ⊆ R / f −1 (E) ∈ M}.

But : Ω contient tout les ouverts. Soit α ∈ R, αn < α tel que αn −→ α. Par l’hypothése, (αn , ∞] ∈ Ω
∀αn . Alors,

∞
[ ∞
[
[−∞, α) = [−∞, αn ] = ((αn , ∞]c )
n=1 n=1
[∞ ∞
[ ∞
[
f −1 ((−∞, α)) = f −1 ([−∞, αn ]) = f −1 ((αn , ∞]c ) = [X\f −1 ((αn , ∞])] ∈ M,
n=1 n=1 n=1
puisque M est un σ-algèbre.

Nous avons (−∞, α) ∈ M et

f −1 ((−α, β)) = f −1 ([−∞, β) ∩ (α, ∞]) = f −1 ([−∞, β)) ∩ f −1 ((α, +∞]) ∈ M.

Par conséquent (α, β) ∈ Ω. Tout ouvert contenu dans R est l’union dénombrable d’intervalles ouverts.
Alors U ouvert =⇒ U ∈ Ω.

Théorème 1.3.2. Soit fn : X −→ [−∞, ∞] mesurables et

g(x) = sup(fn (x)) et h(x) = lim(fn (x)).

n≥1 n

Alors h et g sont mesurables.

15
 S∞
Démonstration : g −1 ((α, ∞]) = n=1 f −1 ((α, ∞]), g(x) ∈ (α, ∞]. S Mais g(x) ≥ fn (x) ∀n, et puisque
∞
est le supremum, il existe n tel que fn (x) ≥ α. Alors x ∈ n=1 fn−1 ((α, ∞]). Par contre, si
g(x) S
∞ −1
x ∈ n=1 fn ((α, ∞]) alors il existe n tel que fn (x) > α. Nous avons g(x) = sup fn (x) > α et donc
x ∈ g −1 ((α, ∞]). Puisque les fn sont mesurables, g −1 ((α, ∞]) est un ensemble mesurable pour tour α.
Alors g est aussi mesurable.
Même chose aurai pour les infimums (pouvez utiliser que inf(an ) = − sup(−an )). Et
 
h(x) = limn fn (x) = inf sup fn (x) .
k≥1 n≥k

Par conséquent h est mesurable.

Corollaire 1.3.2.
(i) Si fn ∈ M(X, R) ∀n alors limn→∞ fn (x) ∈ M(X, R), si elle existe.

(ii) Si fn ∈ M(X, C) ∀n alors limn→∞ fn (x) ∈ M(X, C).

(iii) f, g ∈ M(X, R) =⇒ max{f, g}, min{f, g} ∈ M(X, R).

Démonstration :

(i) Si fn (x) −→ f (x) alors f (x) = limn→∞ fn (x) = limn fn (x).

(ii) fn (x) = un (x) + iv(x) où un (x), vn (x) ∈ M(X, R). Appliquez (i).

(iii) max{f (x), g(x)} = sup{f (x), g(x)} ∈ M(X, [−∞, ∞]). Même chose pour min {f, g}.

Définition 1.3.6. Soit f ∈ M(X, R). Posons f + = max{f, 0} et f − = − min{f, 0}.

Remarque 1.3.3. f + (x) ≥ 0, f − (x) ≥ 0 ∀x. Notez que |f | = f + + f − et f = f + − f − .

Proposition 1.3.5. Si f = g − h, g ≥ 0, h ≥ 0, alors f + ≤ g et f − ≤ h.

Démonstration : f ≥ g et g ≥ 0 =⇒ f + = max{f, 0} ≤ g. Même chose pour h. Si f ≥ 0, nous allons

définie Z Z 
f dµ = sup sdµ
X s≤f X

où s est une fonction simple.

16
Théorème 1.3.3. Soit f : X −→ [0, +∞] mesurable. Il existe des fonctions simples sn sur X telles que
(1) 0 ≤ s1 ≤ s2 ≤ · · · ≤ f .
(2) sn (x) −→ f (x) ∀x ∈ X.

Démonstration : Prenez
 i−1
2n si i−1
2n ≤ f (x) ≤
i
2n , i = 1, . . . , n2n .
sn (x) =
n si f (x) ≥ n.

sn (x) est simple et mesurable si f (x) l’est. De plus, 0 ≤ sn (x) ≤ f (x), 0 ≤ f (x)−sn (x) ≤ 21n si f (x) < n.
Si f (x) < ∞, lorsque n −→ ∞, nous avons sn (x) −→ f (x). Si f (x) = ∞, alors sn (x) = n −→ ∞ = f (x).
Ne reste qu’à montrer que sn (x) ≤ sn+1 (x). Si f (x) ≥ n + 1, sn (x) = n ≤ sn+1 (x) = n + 1. Si
n+1
n ≤ f (x) ≤ n + 1 alors sn (x) = n = 22n+1n ≤ sn+1 (x). Enfin, f (x) ≤ n, il existe i, 1 ≤ i ≤ 2n n tel que

i−1 2(i − 1)
sn (x) = n
= .
2 2n+1
i−1 i 2(i−1) 2i
Puisque, dans ce cas, 2n ≤ f (x) ≤ 2n . Nous avons que 2n+1 ≤ f (x) ≤ 2n+1 . Alors,

2(i − 1)
sn+1 (x) ≥ = sn (x).
2n+1

17
1.4 Intégration

Définition 1.4.1. Soit s : X −→ [0, +∞) une fonction simple (toujours mesurable)
n
X
s= αi χAi .
i=1

Remarque 1.4.1. Ai = s−1 (αi ).

Alors on définit l’integrale de Lebesgue de s sur E ⊆ X, E mesurable, est donnée par

Z n
X
sdµ = ai µ(Ai ∩ E).
E i=1

1/2 si x ∈ Q
Exemple 1.4.1. s(x) = = 21 χQ + 3χQc . Si µ est la mesure de Lebesgue,
3 si x ∈ Q
Z
1 1
sdµ = µ(Q ∩ [0, 1]) + 3µ(Qc ∩ [0, 1]) = · 0 + 3 · 1 = 3,
[0,1] 2 2
Z
1
= µ(Q) + 3µ(Qc ) = ∞.
R 2

Définition 1.4.2 (Integrale de Lebesgue). Soit f ∈ M(X, [0, +∞]) et E ∈ M,

Z Z 
f dµ = sup sdµ / s simple et 0 ≤ s ≤ f
E E

Exercice 1.4.1. Si f est simple, le suprémum est atteint par f .

Convention : mn = mesure de Lebesgue sur Rn , m0 = mesure de Lebesgue sur Z ou N.


f (n) si n ≤ N
Exemple 1.4.2. X = N, µ = m0 , M = P(X). Soit f (n) = 1/2n et sN = . Alors sN est
0 si n > N
simple, et sN ≤ f . Nous avons
Z XN XN
1 1
sN dµ = n
µ({n}) + 0 · µ((N, +∞)) = n
X n=1
2 n=1
2
Z XN
1
f dµ ≥
X n=1
2n
Z X∞
1
f dµ ≥ n
= 1.
X n=1
2

18
En fait, on peut montrer que ∀ > 0 il existe K tel que

XN Z Z X∞
1 1
N > K =⇒ n
≥ f dµ −  =⇒ f dµ = (Exercice)
n=1
2 X X n=1
2n

Convention: f, g ∈ M(X, [0, +∞]) et E, A, B ∈ M.

Proposition 1.4.1.
R R
(i) Si 0 ≤ f ≤ g alors f dµ ≤ E gdµ.
E
R R
(ii) Si A ⊆ B et f ≥ 0 alors A f dµ ≤ B f dµ.
R R
(iii) Si f ≥ 0 et c ≥ 0 constante, alors E cf dµ = c E f dµ.
R
(iv) Si f (x) = 0 ∀x ∈ E, alors E f dµ = 0.
R
(v) Si µ(E) = 0 alors E f dµ = 0.
R R
(vi) Si f ≥ 0 alors E f dµ = X χE · f dµ.

Démonstration :
R R
R s ≤ f alors
(i) Si R s ≥ g. Donc E
f dµ est un suprémum sur un plus petit ensemble que E
gdµ. Alors
E
f dµ ≤ E
gdµ.
(ii) Soit s ≤ f sur B. Alors
Z N
X N
X Z
sdµ = αi µ(A ∩ Ai ) ≤ αi µ(B ∩ Ai ) = sdµ
A i=1 i=1 B

(iii) s ≤ f ⇐⇒ cs ≤ cf .
Z Z  Z  Z
cf dµ = sup csdµ = sup c sdµ = c sup sdµ, car c ≥ 0
E cs≤cf E s≤f E s≤f E
Z
=c f dµ
E

(iv) f (x) = 0 ∀x ∈ E =⇒ f (x) est une fonction simple sur E.

Z
f dµ = 0 · µ(E) = 0.
E

(v) µ(E) = 0, s ≤ f sur E. Alors

Z n
X
sdµ = αi µ(E ∩ Ai ) = 0 car µ(E ∩ Ai ) = 0.
E i=1

19
 R R
(vi) X
χE · f dµ = sups≤χE ·f X
sdµ puisque χE = 0, x 6∈ E, on peut se restreindre aux s telles que
s = 0 sur E c . Alors Z Z Z
χE · f dµ = sup sdµ = f dµ.
X s≤f E E

R
Remarque 1.4.2. Donnée f ≥ 0, ϕ(E) = E
f dµ est une mesure.

Théorème 1.4.1 (Convergence Monotone). Soit fn ∈ M(X, [0, +∞]) telles que

(a) 0 ≤ f1 (x) ≤ f2 (x) ≤ f3 (x) ≤ · · · ∀x ∈ X,

(b) fn (x) −→ f (x) ∀x ∈ X.
R R
Alors X fn dµ −→ X f dµ.

Remarque 1.4.3. f (x) ∈ M(X, [0, +∞]) puisqu’il est la limite de fonctions mesurables.

R R R
Démonstration : fn ≤ fn+1 R puisque fn ≤ fn+1 . Alors il existe
R α ∈R [0, +∞] tel que X fn dµR −→ α.
Donc f ∈ M(X, [0, +∞]) =⇒ X f dµ est définie et fn ≤ f =⇒ fn ≤ f , ∀n ∈ N. Alors α ≤ X f dµ.
Soit 0 ≤ s ≤ f , s simple, 0 < c < 1 fixé. Posons

En = {x / fn (x) ≥ cs(x)} = {x / |fn (x) − cs(x)| ≥ 0} ∈ M.

S∞
Notez que E1 ⊆ E2 ⊆ E3 ⊆ · · · et X = n=1 En puisque si f (x) = 0 alors s(x) = 0, et donc x ∈ E. Si
f (x) > 0, alors f (x) > cs(x) (puisque c < 1). Cela implique qu’il existe n tel que fn (x) ≥ cs(x) (puisque
fn (x) −→ f (x)). De plus Z Z Z
fn dµ ≥ fn dµ ≥ c sdµ
X En En

Prenez n → ∞, Z Z
α = lim fn dµ ≥ c lim sdµ.
n→∞ X n→∞ En
R R R
Puisque En ⊆ En+1 et s ≥ 0, la suite En sdµ est monotone. Donc limn→∞ En sdµ = X sdµ. Nous
R R
avons α ≥ c X sdµ, ∀c ∈ (0, 1) et ∀0 ≤ s ≤ f . Alors α ≥ X sdµ ∀0 ≤ s ≤ f . Donc
Z Z
α ≥ sup sdµ = f dµ
0≤s≤f X X
R R
Puisqu’on avait déjà α = limn→∞ X
fn dµ ≤ X
f dµ, avons terminé.

Corollaire 1.4.1. Pouvons prendre les si du Théorème 1.3.3 pour définir l’integrale de f ≥ 0, c’est à dire
que Z Z
lim sn dµ = f dµ
n→∞ X X

20
Proposition 1.4.2. Si s, t ∈ M(X, [0, +∞]) sont simples, alors
Z Z Z
(s + t)dµ = sdµ + tdµ
X X X

Pn Pm Sm
Démonstration : s =
Sm
a χ , t =
S n j Ej
j=1 k=1 bk χFk . Avons que Ej = k=1 (Ej ∩ Fk ) puisque
k=1 F k = X. Aussi Fk = j=1 (E j ∩ F k ). Notez que F i ∩ F j = ∅ si i 6
= j. Même chose pour les
Ei . Alors

Z Z n
X m
X
s+ f= aj µ(Ej ) + bk µ(Fk )
j=1 k=1
Xn m
X m
X n
X
= aj µ(Ej ∩ Fk ) + bk µ(Fk ∩ Ej )
j=1 k=1 k=1 j=1
Xn Xm
= (aj + bk )µ(Fk ∩ Ej )
j=1 k=1
Z
= (s + t),
S
puisque l’image de la fonction Im(s + t) = Im(s) + Im(t) et j,k (Fk ∩ Ej ) = X,
et cette union est disjoint.

R R R
Corollaire 1.4.2. f, g ∈ M(X, [0, +∞]) =⇒ f +g = f+ g.

R R R
Démonstration : Prenons sn % f , tn % g, alors (sn + tn ) % (f + g) et (sn + tn ) = sn + tn . Le
Théorème de convergence monotone implique que
Z Z Z Z Z 
(f + g) = lim (sn + tn ) = lim (sn + tn ) = lim sn + tn
n→∞ n→∞ n→∞
Z Z Z Z Z Z
= lim sn + lim tn = lim sn + lim tn = f + g.
n→∞ n→∞ n→∞ n→∞

P∞ R P∞ R
Corollaire 1.4.3. fn ∈ M(X, [0, +∞]), ∀n et f (x) = n=1 fn (x). Alors f (x) = n=1 fn (x).

21
 PN
Démonstration : gN = n=1 fn ∈ M(X, [0, +∞]), gN +1 (x) ≥ gN (x), ∀x ∈ X puisque

gN +1 (x) − gN (x) = fN +1 (x) ≥ 0.

Notez que gN −→ f ponctuellement. Alors

Z Z Z Z X
N
f= lim gN = lim gN = lim fn
N →∞ N →∞ N →∞
n=1
N Z
! ∞ Z
X X
= lim fn = fn .
N →∞
n=1 n=1

P∞ P∞ P∞ P∞
Corollaire 1.4.4. Si aij ≥ 0 ∀i, j ∈ N, alors i=1 j=1 aij = j=1 i=1 aij .

Démonstration : X = N, µ = m0 (comptage), fj (i) = aij . Par le corollaire précédent,

Z X
∞ ∞ Z
X
fj (i) = fj (i),
N j=1 j=1 N

R P∞ P∞ P∞ P∞ P∞
mais N g(n) = n=1 g(n). L’egalité précédent implique que i=1 j=1 fj (i) = j=1 i=1 fj (i)
puisque fj (i) = aij .

Théorème 1.4.2 (Lemme de Fatou). Soit fn ∈ M(X, [0, +∞]), alors

Z Z
lim inf(fn )dµ ≤ lim inf fn dµ.
X n→∞ n→∞ X

Remarque 1.4.4. limn→∞ inf fn (x) est défini.

R R
Démonstration : Posons gk (x) = inf i≥k (fi (x)). Nous avons gk (x) ≤ fk (x) ∀k ∈ N. Alors gk ≤ fk ,
rappelez que gk ∈ M(X, [0, +∞]) puisque c’est le inf de fonctions mesurables. Donc
Z Z
lim inf gk ≤ lim inf fk .
k→∞ k→∞

Mais gk+1 ≥ gk ≥ 0 ∀k. Par conséquent la limite limk→∞ gk (x) existe et donc
 
lim inf(gk ) = lim gk (x) = lim inf fi (x) = lim inf fk (x).
k→∞ k→∞ k→∞ i≥k k→∞

22
 Avons donc que
Z Z Z
lim inf fk = lim gk = lim gk par convergence monotone
k→∞ k→∞ k→∞
Z
≤ lim inf fk .
k→∞

Remarque 1.4.5. Prenons X = R, µ = m, fn = χ[0,1] si n est pair, fn = 1 − χ[0,1] si n est impair. Notez
que Z Z
f2k dm = 1 et f2k+1 dm = +∞.
R R

· · · = f2 = f4 = f6 = · · ·
1

· · · = f1 = f3 = f5 = · · ·

0 1

De plus,
Z  Z 
lim inf fn = 1 = lim inf fi = lim (inf{1, +∞}) ,
n→∞ n→∞ i≥n n→∞
   
lim inf fn (x) = lim inf (fn (x)) = lim inf {0, 1} = 0,
n→∞ n→∞ i≥n n→∞ i≥n
Z Z
=⇒ lim inf fn = 0 < 1 = lim inf fn .

Soit f ∈ M(X, R), f = f + − f − , 0ù f + = max{f, 0} et f − = − min{f, 0}.

Définition 1.4.3. Soit f ∈ M(X, R). Nous définissons

Z Z Z
f dµ = f + dµ − f − dµ
X X X

si cette différence n’est pas ∞ − ∞.

R
Convention : Si on écrit f on suppose implicitement que celle-ci est définie.

23
Définition 1.4.4. Soit Y ⊆ R ou Y = C. Nous définissons
 Z 
L1 (X, µ, Y ) = f ∈ Mµ (X, Y ) / |f |dµ < ∞
X

R
Proposition 1.4.3. Si f ∈ L1 alors X
f dµ est définie.

Démonstration : |f | = f + f − implique que |f | ≥ f ± . Alors

Z Z Z Z
+
|f |dµ ≥ f dµ et |f |dµ ≥ f − dµ.
X X X X
R R R R
Car X
|f |dµ < ∞ nous avons X
f + dµ < ∞ et X
f − dµ < ∞. Alors X
f dµ < ∞.

Définition 1.4.5. Si f ∈ M(X, C), posons u = Re(f ) et v = Im(f ). On déninit

Z Z Z
f dµ = udµ + i vdµ
X X X

si ces intégrales et cette somme sont définie.

R
Proposition 1.4.4. Si f ∈ L1 (X, µ, C) alors X
f dµ est définie.

Démonstration : Semblable
p à celle de la Proposition 1.4.3 mais on utilise |f | ≥ |u| ≥ u± et |f | ≥ |v| ≥
±
√
v . (Rappelez que |f | = f · f = u2 + v 2 ).

Proposition 1.4.5. Supposons que f, g ∈ L1 (X, µ, Y ) où Y = R ou C et α, β ∈ Y . Alors αf + βg ∈

L1 (X, µ, Y ) et Z Z Z
(αf + βg)dµ = α f dµ + β gdµ.
X X X

Démonstration : αf + βg mesurable et |αf + βg| ≤ |αf | + |βg| = |α||f | + |β||g| implique

Z Z Z Z
|αf + βg| ≤ (|α||f | + |β||g|)dµ = |α| |f |dµ + |β| |g|dµ.
X X X X

1
Alors
R αf +R βg ∈R L (X,R µ, Y ). Maintenant,
R nous allons démontrer que f, g ∈ L1 (X, µ, Y ) implique que
f + g = f + g et αf = α f .

24
Supposons f, g ∈ L1 (X, µ, R). Soit h = f + g. Nous avons

h+ − h− = f + − f − + g + − g −
h+ + f − + g − = f + + g + + h+
Z Z
h+ + f − + g − = f + + g + + h− .

Puisqu’il n’y a que des fonctions positives, nous avons

Z Z Z Z Z Z
h+ + f − + g − = f + + g + + h−
Z Z Z Z Z Z
h − h = f − f + g − g−
+ − + − +

Z Z Z
h = f + g.

Si f ∈ L1 (X, µ, R) et α ≥ 0, nous avons

Z Z Z Z Z
αf dµ = (αf )+ dµ − (αf )− dµ = αf + dµ − αf − dµ
Z Z Z
+ −
= α f dµ − α f dµ = α f dµ.

Si α < 0 alors α = −|α| et

Z Z Z
αf dµ = −|α|f dµ = |α| −f dµ
Z Z 
+ −
= |α| (−f ) dµ − (−f ) dµ
Z Z 
− +
= |α| f dµ − f dµ
Z Z 
+ −
= −|α| f dµ − f dµ
Z
= α dµ.

Si f ∈ L1 (X, µ, C), α ∈ R, alors

Z Z Z
αf dµ = α(u + iv)dµ = (αu + iαv)dµ
X
ZX Z X
Z Z
= αudµ + αvdµ = α udµ + αi vdµ
X X X X
Z Z 
=α udµ + i vdµ
Z X X

=α f dµ.
X

25
 Si f ∈ L1 (X, µ, C), alors
Z Z Z
if dµ = i(u + iv)dµ = (iu − v)dµ
X
ZX Z X
Z Z
= −vdµ + i udµ = − vdµ + i udµ
X X X X
Z Z 
=i udµ + i vdµ
Z X X

=i f dµ.
X

Si f, g ∈ L (X, µ, C) et f = u + iv, g = s + it, alors

1

Z Z Z
f + g = (u + iv) + (s + it) = (s + u) + i(v + t)
Z Z
= u+s+i v+t
Z Z Z Z 
= u+ s+i v+ t
Z Z  Z Z 
= u+i v + s+i t
Z Z
= f + g.

Enfin, si f ∈ L1 (X, µ, C), α = a + ib où a, b ∈ R, alors

Z Z Z
αf = (a + ib)f = af + ibf
Z Z Z Z
= af + ibf = a f + ib f
Z Z
= (a + ib) f = α f.

Convention : L1 = L1 (X, µ, Y ) où Y = R ou C.

Proposition 1.4.6. Si f ∈ L1 , E ⊆ X est mesurable, alors

Z  Z
 
 f dµ ≤ |f |dµ
 
E E

26
 Démonstration : f ∈ L1 (X, µ, R). Nous savons que −|f | ≤ f ≤ |f | ∀x ∈ X. Alors

0 ≤ f + |f | ≤ 2|f |
Z Z
0 ≤ (f + |f |)dµ ≤ 2|f |dµ
Z Z Z
0 ≤ f + |f | ≤ 2 |f |
Z Z Z Z  Z
 
− |f | ≤ f ≤ |f | =⇒  f  ≤ |f |.

R
Si f ∈ L1 (X, µ, C) posons z = E f dµ. Sans pertre g 6= 0. Posons α = |z| z
. Alors |α| = 1 et
αz = |z| = |z| ∈ R . Posons u = Re(αf ) et v = Im(αf ). Alors u ≤ |αf | = |α||f | = |f | avec egalité ssi
zz +

αf est une fonction réele. Donc

Z  Z Z
 
 f dµ = |z| = αz = α f dµ = αf dµ
 
E E E
Z Z Z Z
= (u + iv)dµ = udµ + i vdµ, où vdµ = 0
ZE Z E E E

≤ |αf |dµ = |α||f |dµ

ZE E

= |f |dµ.
E

R R
Remarque 1.4.6. Si f, g ∈ L1 (X, µ, R) alors f ≤ g =⇒ E f ≤ E g. En fait
Z Z Z Z Z
f ≤ g =⇒ 0 ≤ g − f =⇒ 0 ≤ (g − f ) = g− f =⇒ ≤ g.
E E E E E

Théorème 1.4.3 (Théorème de convergence dominée de Lebesgue). Soit fn ∈ M(X, C) telles que il existe
f (x) = limn→∞ fn (x) ∀x ∈ X. S’il existe g ∈ L1 (µ) telle que |fn (x) ≤ g(x)| ∀x ∈ X et ∀n ∈ N, alors f ∈ L1
et nous avons que Z Z Z
lim |fn − f |dµ = 0 et lim fn dµ = f dµ.
n→∞ X n→∞ X X

Démonstration : Nous avons

|fn (x)| ≤ |g(x)| ∀x ∈ X =⇒ |f (x)| ≤ |g(x)| ∀x ∈ X

Z Z
=⇒ |f |dµ ≤ |g|dµ < ∞
X X
=⇒ f ∈ L1 .

27
 De plus, |fn − f | ≤ |fn | + |f | ≤ g + g = 2g =⇒ 0 ≤ 2g − |fn − f |. Donc
Z Z
2gdµ = lim inf(2g − |fn − f |)dµ
X X n→∞
Z 
≤ limn 2g − |fn − f |dµ , par le Lemme de Fatou
ZX Z 
= limn 2gdµ − |fn − f |dµ
X
Z  XZ 
= 2gdµ + limn − |fn − f |dµ
ZX Z X

= 2gdµ − limn |fn − f |dµ.

X X
R R R R
Alors X
2gdµ ≤ X
2gdµ − limn X |fn − f |dµ. Puisque g ∈ L1 , X 2g < ∞, et on peut le soustraire
Z Z
−limn |fn − f |dµ ≥ 0 =⇒ limn |fn − f |dµ ≤ 0.
X X

Mais Z Z
0 ≤ limn |fn − f |dµ ≤ limn |fn − f |dµ ≤ 0.
X X

Comme lim = lim, la suite converge vers leur valuer commune. Par conséquent
Z
lim |fn − f |dµ = 0.
n→∞ X
R R  R  R
Enfin, 0 ≤  fn − f  =  (fn − f ) ≤ |fn − f |. Donc
Z Z  Z
 
0 ≤  fn dµ − f dµ ≤ |fn − f |dµ −→ 0.
X X X
R R
Alors X
fn dµ −→ X
f dµ.

Rb
Remarque 1.4.7. Soit f ∈ C 0 [a, b] continue. Alors a |f |dx = 0 =⇒ f ≡ 0. Mais c’est pas vrai pour
fonctions mesurables : Z Z
χQ dm = 1dm = 0 puisque m(Q) = 0.
R Q

Nous allons df́inir une distance pour f, g ∈ L1 (µ) :

Z
d(f, g) = |f − g|dµ
X
R
On veut d(f, g) = 0 =⇒ f = g. Faux ! Considérons f = χQ , g = 0. Alors |f − g| = 0.

Définition 1.4.6. On dit qu’une propriété est vrai presque partout (par rapport à µ), ou p.p.(µ) sur X,
si elle est vrai ∀x ∈ X\E où µ(E) = 0.

Exemple 1.4.3. χQ = 0 p.p.(µ).

28
Nous allons écrire f ∼ g si f = g p.p.(µ). Si µ est une mesure complète, alors ∼ est une relation d’équivalence.

(1) f ∼ f parce que f (x) = f (x) ∀x ∈ X.

(2) f ∼ g ssi g ∼ f parce que f (x) = g(x) p.p.(µ) ⇐⇒ g(x) = f (x) p.p.(µ).

(3) Si f ∼ g et g ∼ h alors f (x) = g(x) ∀x ∈SX\E et g(x) = h(x) ∀x ∈ X\F oùSµ(E) = µ(F ) = 0. Nous
avons f (x) = h(x) sauf sur G et G ⊆ E F puisque µ est complète et µ(E F ) = µ(E) + µ(F ) = 0.
Donc µ(G) = 0 et f ∼ h.

Remarque 1.4.8. Donné une mésure µ nous pouvons toujours l’étendre aux sous-ensembles des ensembles
de mesure 0, c’est-à-dire la compléter.

R R
Proposition 1.4.7. Si f ∼ g (µ) alors E
f dµ = E
gdµ, ∀E ∈ M.

Démonstration : N = {x / f (x) 6= g(x)}, µ(N ) = 0. Alors

Z Z Z
f dµ = χE · f dµ = (χE\N + χE∩N ) cot f dµ
E
ZX X
Z
= χE\N · f dµ + χE∩N · f dµ
X X
Z Z
R
= f dµ + f dµ, où µ(E ∩ N ) = 0 et donc E∩N f dµ,
E\N E∩N
Z Z
= gdµ = gdµ.
E\N E

Définition 1.4.7. Soit µ une mesure complète. On dit que f est définie p.p.(µ) si f : E −→ Y où E ∈ M
et µ(E c ) = 0. Un tel f est mesurable si pour tout ouvert V ⊆ Y , E ∩ f −1 (V ) ∈ M.


d 1 si x > 0, Rx
Exemple 1.4.4. H(x) = dx (|x|) = Pas définie en x = 0, mais 0 H(t)dt = |x|.
−1 si x < 0.
R
Remarque 1.4.9. Pouvons donc définir L1 (X, µ, R). Si f, g ∈ M(X, R), X
|f |dµ < ∞, alors

µ({x / f (x) = ±∞}) = 0.

Si f, g ∈ L1 (X, µ, R) alors f + g est définie presque partout :

Z Z Z
(f + g)dµ = f dµ + gdµ.
X X X

R
Théorème 1.4.4. Si f ∈ L1 (µ) et X
|f |dµ = 0 alors f = 0 p.p.(µ).

29
 Démonstration : Soit An = {x / |f (x)| > 1/n}, n ∈ N. Nous avons
Z Z Z
1 1
0= |f |dµ ≥ |f |dµ ≥ dµ = µ(An ) ≥ 0.
X An An n n
S∞
Alors µ(An ) = 0 ∀n ∈ N. Posons A = {x ∈ E / |f (x)| > 0}. Donc A = n=1 An et
∞
! ∞
[ X
0 ≤ µ(A) ≤ µ An ≤ µ(An ) = 0.
n=1 n=1

R R
Corollaire 1.4.5. Si f, g ∈ L1 (µ) et E
f dµ = E
gdµ, ∀E ∈ M, alors f = g p.p.(µ).

Démonstration : Supposons f, g ∈ L1 (X, µ, R). Posons E = {x / f (x) ≥ g(x)}, alors

Z Z Z Z
0≤ |f (x) − g(x)|dµ = f (x) − g(x)dµ = f (x)dµ − g(x)dµ = 0.
E E E E

Prenons F = {x / f (x) < g(x)}, alors

Z
|f (x) − g(x)|dµ = 0.
F
S
Comme X = E F , nous avons
Z Z Z
|f (x) − g(x)|dµ = |f (x) − g(x)|dµ + |f (x) − g(x)|dµ = 0
X E F

et donc |f (x) − g(x)| = 0 p.p. C’est-à-dire f (x) = g(x) p.p.

Si f, g ∈ L1 (X, µ, C), appliquez le théorème aux parties réels et complexes.

30
CHAPITRE 2

ANALYSE FONCTIONELLE

2.1 Espaces de Banach

Soit V un espace vectoriel sur F (où F = R ou C) tel que dim(V ) = n. Rappelez que dim(V ) est le nombre
d’éléments dans une base. Donc V ∼
= Rn ou V ∼ = Cn (mais pas de façon canonique).

Théorème 2.1.1. Il existe toujours une base pour un espace vectoriel. Cette base peut avoir un nombre
infini d’éléments (dim(V ) = ∞).

Il existe B = {uα }, uα ∈ V , telle que les uα sont linéairement independent et ∀v ∈ V , nous pouvons écrire

v = c1 uα1 + · · · + cn uαn

Probléme : B est ´norme (dans tous les cas qui nous concerneront, non-dénombrable).

P∞
Solution : Soit (un )∞
n=1 une base de Schauder, alors ∀v ∈ V , ∃!an tel que v = n=1 an un .

PN
Probléme : Suite sN = n=1 an vn doit converger.

Notions de convergence :

C0
(1) ϕn −→ ϕ ssi supx∈X |ϕn (x) − ϕ(x)| −→ 0.
ponc
(2) ϕn −→ ϕ ssi ϕn (x) −→ ϕ(x), ∀x ∈ X.
L1 R
(3) ϕn −→ ϕ ssi X
|ϕn − ϕ|dµ −→ 0.
µ
(4) ϕn −→ ϕ (en mesure) si ∀ > 0, δ > 0, ∃N tel que n ≥ N =⇒ µ(|ϕn − ϕ| > δ) < .


 0
si 0 ≤ x ≤ 21 − n1 ,
n 1 n
Exemple 2.1.1. Soit fn (x) = 2x + 2 − 4 si 12 − n1 ≤ x ≤ 12 + n1 ,

1 si x > 12 + n1 .

31
 1

3
4
1
f4
2
1
4

0 1 1 3 1
4 2 4

 2
 n x si 0 ≤ x ≤ n1 ,
Exemple 2.1.2. Soit gn (x) = −n2 x + 2n si n1 ≤ x ≤ n2 ,

0 si n2 ≤ x ≤ 1.

Z 1
gn dx = 1
0

0 1 2 1
n n

Remarque 2.1.1. Une suite an dans une espace m´triqu diverge si ∀N , ∃m ≥ N tel que d(am , aN ) ≥ c > 0
et c est indépendent de N . Nous avons

 0 si 0 ≤ x ≤ 21 ,
ponc 1
fn (x) −→ f (x) = si x = 12 ,
 2
1 si 12 < x ≤ 1.
ponc
gn (x) −→ 0
ponc
Convergence C 0 : fn diverge, sinon on aurait fn (x) −→ f (x). Si sup0≤x≤1 |fn (x) − f (x)| −→ 0 alors
|fn (x) − f (x)| −→ 0 ∀x ∈ [0, 1]. Donc fn (x) −→ f (x) ∀x ∈ X. Mais la limite uniforme de fonctions continues
est continue. Aussi, gn diverge et sup0≤x≤1 |gn − gn+1 | > 1. De plus, fn et gn convergent ponctuellement
R1 R1
mais divergent au sens C 0 . Au sens L1 , nous étudions 0 |fn − f |dx. Comme 0 |fN − f |dx ≤ n2 · 1 −→ 0,
L1
nous avons fn −→ f . Par contre, gn diverge dans L1 , parce que
Z 1 Z 1/2n Z 1/2n Z 1/2n  2 1/2n
2 2 2 2x  3
|g2n − gn |dx > |g2n − gn |dx = (4n x − n x)dx = 3n xdx = 3n = .
0 0 0 0 2 0 8

32
 Somaire ponc C0 L1
fn converge diverge converge
gn converge diverge diverge

Enfin, convergence en mesure : Soit hn : [0, 1] −→ R

h1 (x) = 1
 
1 sur [0, 1/2], 0 sur [0, 1/2),
h2 (x) = h3 (x) =
0 sur (1/2, 1]. 1 sur [1/2, 1].
 
1 sur [0, 1/4], 0 sur [0, 1/4) ∪ (1/2, 1],
h4 (x) = h5 (x) =
0 sur (1/4, 1]. 1 sur [1/4, 1/2].

R1
Nous avons µ({x / |hN (x) − 0| > δ}) −→ 0, c’est-à-dire hn −→ 0. Aussi, 0
|hn (x) − 0|dx −→ 0 et donc
L1
hn −→ 0. D’autre part, hn diverge ponctuellement.

Définition 2.1.1. Soit V un espace vectoriel sur F. Un norme sur V est une fonction

|| || : V −→ [0, +∞)

telle que :

(1) ||u|| = 0 ssi u = 0.

(2) Si c ∈ F, alors ||cu|| = |c|||u||.

(3) ||u + v|| ≤ ||u|| + ||v||.

Exemple 2.1.3.

(1) (R, | |).

(2) (Qn , || ||p ) où ||v||p = (v1p + · · · + vnp )1/p .

Remarque 2.1.2. Si (V, || ||) est un espace vectoriel normé, on peut définir une métrique (et ainsi un
topologie sur V par d(u, v) = ||u − v||).

(1) d(u, v) = ||u − v|| ≥ 0 et d(u, v) = 0 ssi u = v.

(2) d(v, u) = ||v − u|| = | − 1|||u − v|| = ||u − v|| = d(u, v).

(3) d(u, v) = ||u − v|| = ||u − w + w − v|| ≤ ||u − w|| + ||w − v|| = d(u, w) + d(w, v).

Rappel : Une suite an dans un espace métrique (X, d) est une suite de Cauchy ssi ∀ > 0, ∃N tel que
n, m ≥ N =⇒ d(an , am ) < . Un espace métrique (X, d) est complet ssi toute suite de Cauchy est conver-
gente.

33
Définition 2.1.2. Un espace de Banach est un espace vectoriel normé complet.

Exemple 2.1.4.

(1) (R, | |).

(2) (Rn , || ||p ) où si v = (v1 , . . . , vn ).

||v||p = (|v1 |p + · · · + |vnp |)1/p , p ≥ 1.

 R
(3) Lp (X, µ, F) = f ∈ Mµ (X, F) / X |f |p dµ < ∞ / ∼, où ∼ est la relation d’équivalence = p.p.(µ). Si
R
1/p
1 ≤ p < ∞, ||f ||p = X ||f ||p dµ .

(4) C 0 [a, b] = {f : [a, b] −→ F / f continue}, ||f ||u = supx∈[a,b] |f (x)|. Nous savons que C 0 [a, b] est un
espace vectoriel. Nous vérifions que || ||u est une norme. Notez que 0 ≤ ||f ||u , ||f || < ∞ puisque [a, b]
est compacte.

(a) ||0||u = supx∈[a,b] |0| = 0. Si ||f ||u = 0 alors supx∈[a,b] |f (x)| = 0. Donc |f (x)| = 0 ∀x ∈ [a, b]. Par
conséquent f (x) = 0 ∀x ∈ [a, b].
(b) c ∈ R, ||cf ||u = supx∈[a,b] |cf (x)| = supx∈[a,b] |c||f (x)| = |c| supx∈[a,b] |f (x)| = |c|||f ||u .
(c) ||f + g||u = supx∈[a,b] |f (x) + g(x)| ≤ supx∈[a,b] (|f (x)| + |g(x)|). Aussi,

|f (x)| ≤ ||f ||u , |g(x)| ≤ ||g||u =⇒ |f (x)| + |g(x)| ≤ ||f ||u + ||g||u .

Alors supx∈[a,b] (|f (x)| + |g(x)|) ≤ ||f ||u + ||g||u .

Si (fn ) est une suite de Cauchy, ∀ > 0, ∃N tel que

n, m ≥ N =⇒ d(fn , fm ) = ||fn − fm ||u <  ⇐⇒ sup |fn (x) − fm (x)| < .

x∈[a,b]

Donc ∀x ∈ [a, b], la suite (fn (x)) dans F est une suite de Cauchy,

|fn (x) − fm (x)| <  ∀x ∈ X.

Mais F est complet. Alors fn (x) −→ f (x), ∀x ∈ [a, b]. Soit f : [a, b] −→ F la fonction donnée par
f (x) = limn→∞ fn (x). Devons montrer qu’elle est continue. Nous avons

||fn − f ||u = sup |fn (x) − f (x)| −→ 0.

x∈[a,b]

Alors ∀ > 0 ∃N tel que n ≥ N =⇒ supx∈[a,b] |fn (x) − f (x)| < . Donc |fn (x) − f (x)| < , ∀x ∈ [a, b].
Alors fn −→ f uniformément et donc f est continue.

Exemple 2.1.5. (Q, | |) est un espace vectoriel normé non-complet, pas de Banach.

n=1 / xn ∈ R, xn = 0 ∀n ∈ N sauf un ensemble fini}. Soit ||x|| = supn∈N |xn |.

Exemple 2.1.6. V = {(xn )∞

34
  1
n k ≤ n,
Alors (V, || ||) est un espace normé, mais pas complet. Considérons la suite a = (akn )∞
k=1 = 2k :
0 k>n

a1 = (1/2, 0, . . . )
a2 = (1/2, 1/4, 0, . . . )
a3 = (1/2, 1/4, 1/8, 0, . . . )
..
.

Nous avons que ak est une suite de Cauchy :

 
1 1
||ak − al || ≤ max , −→ 0
2k 2l

Mais limn→∞ an 6∈ V .

Définition 2.1.3. Soit X, µ, M un espace de mesure, 1 ≤ p < ∞. Nous définissons

 Z 
Lp (X, µ, M, Y ) = f ∈ Mµ (X, Y ) / |f |p dµ < ∞ / ∼
X

où f ∼ g ssi f = g p.p.(µ). Nous allons prendre Y = F = R ou C, sauf si on dit autrement.

Définition 2.1.4. Soit f ∈ Mµ (X, Y ),

sZ
||f ||p = p
|f |p dµ
X

Remarque 2.1.3. f ∈ Lp ssi ||f ||p < ∞.

Exemple 2.1.7. X = ensemble ayant n éléments, µ = mesure de comptage, M = P(X), Y = F, f ∈

Mµ (X, F) = toutes fonction X −→ F. Ici, ∼ p.p.(µ) est =. Si f est une fonction R de X dans F, alorsPf peut
être écrit : (f1 , . . . , fn ) ∈ Fn . Aussi Mµ (X, F) ∼
n
= F n
. Si g ∈ M µ (X, F), alors X
gdµ = g1 +· · ·+gn = i=1 gi .
Donc sZ v
u n
uX
||f ||p = p
|f | dµ = t
p p
|fi |p , ||f ||p < ∞ for all f ∈ Mµ (X, F).
X i=1

Exercice 2.1.1. Montrer que l’exemple précédent est un espace de Banach.

Lemme 2.1.1. Si a ≥ 0, b ≥ 0 et 0 < λ < 1, alors aλ b1−λ ≤ λa + (1 − λ)b, avec égalité ssi a = b.

Démonstration : Soit f (t) = tλ − λt, t ≥ 0.

 
0 λ−1 λ−1 1
f (t) = λt − λ = λ(t − 1) = λ −1 .
t1−λ

35
 Alors f (t) atteint le maximum global en t = 1. Donc f (t) ≤ f (1) = 1 − λ, avec = ssi t = 1. Révenons à
aλ b1−λ ≤ λa + (1 − λ)b. Trivial si b = 0. Si b > 0 posons t = a/b. Nous avons
 a λ a
f (t) = −λ ≤ f (1) = 1 − λ
b b
aλ b−λ − λab−1 ≤ 1 − λ
aλ b1−λ − λa ≤ (1 − λ)b
aλ b1−λ ≤ λa + (1 − λ)b.

Notez que = ssi t = 1 =⇒ a = b.

Théorème 2.1.2 (Inegalité de Hölder). Soit 1 < p < ∞ et p1 + 1q = 1 (donc 1 < q < ∞). Si f, g ∈ M(X, F),
alors
||f · g||1 ≤ ||f ||p · ||g||q .

Démonstration : Si ||f ||p = 0 ou ||g||q = 0 alors f · p = 0 p.p. (trivial). Assez de démontrer l’inegalité
si ||f ||p = ||g||q = 1, puisque si ||f ||p = α > 0, ||g||q = β > 0, alors
   
 f   
  = 1 ||f ||p ,  g  = 1 ||g||q .
 α  |α|  β  |β|
p q

Si Hölder est vrai pour fonctions de norme 1, aurons

     
 f g     
 ·  ≤  f  ·  g 
 α β   α   β 
1 p q
1 1 1
||f · g||1 ≤ · ||g||q .
|αβ| |α| |β|

Donc ||f · g||1 ≤ ||f ||p · ||g||q . Pouvons prendre ||f ||p = ||g||q = 1. Appliquons le lemme précédent avec
a = |f (x)|p ≥ 0 et b = |g(x)|q ≥ 0. Prenons λ = p1 . Alors 1 − λ = 1 − p1 = 1q . Nous avons

aλ b1−λ ≤ λa + (1 − λ)b
1 1
a1/p b1/q ≤ a + b
p q
1 1
|f (x)| · |g(x)| ≤ |f (x)|p + |g(x)|q
p q
Z Z Z
1 1 1 p 1 q
||f · g||1 = |f (x) · g(x)| ≤ |f (x)|p + |g(x)|q = (||f ||p ) + (||g||q )
X p X q X p q
1 1 1 1
= 1p + 1q = + = 1 = ||f ||p · ||g||q .
p q p q

36
Remarque 2.1.4.

(1) µ ≡ 0 exclue pour les espaces Lp . Nous exclurons également les espaces Lp tels que Lp = {0} ou Lp = ∅.

(2) Un sous-espace de Banach d’un espace de Banach est un sous-espace vectoriel qui est complet avec la
norme restreinte.

 
1 1
Corollaire 2.1.1. ||f · g||1 = ||f ||p · ||g||q où p + q =1 .

Démonstration : Avons appliqué le lemme précédent à a = |f (x)|p et b = |g(x)|q . Prenons λ = p−1 .

Alors

|f (x) · g(x)| ≤ p−1 |f (x)|p + q −1 |g(x)|q

α|f (x)|p = β|g(x)|q p.p.(µ), ∃ α, β > 0,
égalité =⇒ |f (x) · g(x)| = p−1 |f (x)|p + q −1 |g(x)|q
=⇒ |f (x)|p = |g(x)|q ,

puisque nous avons intégré, ceci |f (x)|p = |g(x)|q p.p.. Ceci démontre cas ||f ||p = ||g||q = 1.

Exercice 2.1.2. Prouver le cas général.

Théorème 2.1.3 (Inégalité de Minkowski). Si 1 ≤ p < ∞, f, g ∈ Lp , alors

||f + g||p ≤ ||f ||p + ||g||p .

Démonstration : Vrai si p = 1 ou si f + g = 0 p.p.. Sinon,

|f + g|p = |f + g| · |f + g|p−1
≤ (|f | + |g|) · |f + g|p−1
Z Z Z
=⇒ |f + g|p dµ ≤ |f | · |f + g|p−1 dµ + |g| · |f + g|p−1 dµ
X X X
= |||f | · |f + g|p−1 ||1 + |||g| · |f + g|p−1 ||1
≤ ||f ||p · |||f + g|p−1 ||q + ||g||p · |||f + g|p−1 ||q
Z 1/q
p−1 q


= (||F ||p + ||g||p ) |f + g| dµ .
X

37
 1 1 1 1 p−1
Mais q + p = 1 =⇒ q =1− p = p =⇒ q(p − 1) = p. Alors,
Z 1/q
p p
(||f + g||p ) ≤ (||f ||p + ||g||p ) · |f + g|
X
p· q1
= (||f ||p + ||g||p ) · (||f + g||p )

1− q1
||f + g||pp ≤ ||f ||p + ||g||p

1/p
||f + g||pp ≤ ||f ||p + ||g||p
||f + g||p ≤ ||f ||p + ||g||p .

Corollaire 2.1.2. Lp (X, µ, F) est un espace vectoriel normé.

Démonstration : ∀f, g ∈ Lp , ||f + g||p ≤ ||f ||p + ||g||p et si c ∈ F alors

Z 1/p Z 1/p
||cf ||p = |cf |p = |c|p |f |p
 Z 1/p Z 1/p
p p p 1/p p
= |c| |f | = (|c| ) |f |

= |c| · ||f ||p .

R
1/p R
Enfin, ||0||p = |0|p dµ = 0 et si ||f ||p = 0, alors |f |p = 0 =⇒ |f |p = 0 p.p. =⇒ f = 0 p.p.

Exemple 2.1.8. Supposez que X set discret et µ est la mesure de comptage. Nous noterons
qX
lp (X, F) = Lp (X, µ, F) et ||v||p = p |vi |p .

Entre autres, X = {1, . . . , n},

lp (X, F) = (Fn , || ||p ).

Lemme 2.1.2. Un espace vectoriel normé X est complet ssi toute série telle que
∞
X
||xi || < ∞
i=1

est convergente.

38
 P∞ PN
Démonstration P: Si X set  complete et i=1 ||xi || < ∞, posons sN = n=1 xi . Alors M > N =⇒
 M  PN
||sM − sN || =  N +1 xi  ≤ N +1 ||xi || −→ 0. Donc SN est une suite de Cauchy et donc convergent.
P∞ P∞
Supposons que i=1 ||xi || < ∞ =⇒ i=1 xi convergente. Soit an un suite de Cauchy (donc ∀  > 0, ∃
N tel que n, m > N =⇒ ||an − am || < .) Prenons n1 < n2 < · · · tels que ||an − am || < 2−j , ∀ m, n > nj .
Posons x1 = an1 , . . . , xj = anj − anj−1 pour j > 1. Alors

k
X
xi = an1 + (an2 − an1 ) + (an3 − an2 ) + · · · + (ank − ank−1 ) = ank .
i=1

Nous avons
∞
X ∞
X ∞
X
||xi || ≤ ||x1 || + ||xi || ≤ ||x1 || + 2−i
i=1 i=2 i=2
≤ ||x1 || + 1 < ∞.
k
X
=⇒ lim xi = lim ank existe.
k→∞ k→∞
i=1

Par l’unicité des limites de suites de Cauchy, nous avons

lim ank = lim an = a

k→∞ n→∞

et donc X est complet.

Théorème 2.1.4. Lp est un espace de Banach (1 ≤ p < ∞).

P∞
Démonstration : Supposons que (fk ) ∈ Lp et k=1 ||fk ||p = β < ∞. Posons
n
X
Gn (x) = |fk (x)|,
k=1
G(x) = lim Gn (x).
n→∞

Nous avons
Z 1/p Z Xn
p !1/p  n
  X

 n
X
   
||Gn ||p = |Gn |p =  |fk | =  |fk | ≤ ||fk ||p , par Minkowski.
   
k=1 k=1 p k=1

Alors Gn (x) ≤ Gn+1 (x), ∀x, ∀n. Aussi, Gn (x) ≥ 0, ∀n. Par le Théorème de convergence monotone
appliqué à Gp (x), nous avons
Z Z   Z
(G(x))p = lim Gpn = lim Gpn = lim (||Gn ||p )p ≤ β p .
n→∞ n→∞ n→∞

39
 P∞
Alors G(x) ∈ Lp et donc G(x)P< ∞ p.p.(µ). Puisque F est complet,
P∞par le lemme précédent, k=1 fk (x)
∞
converge p.p. Posons F (x) = k=1 fk (x). Nous avons |f (x)| ≤ k=1 |fk (x)| = G(x). Donc
Z Z
|F (x)|p ≤ |G(x)|p < ∞ / / / et / / / F ∈ Lp .

P∞ PN Pn Lp
Avons F (x) = k=1 fk (x) ∈ Lp et P k=1 fk (x) −→ F (x) p.p.. Reste à montrer k=1 fk (x) −→ F (x) si
n
n −→ ∞. Devons montrer que ||F − k=1 fk ||p −→ 0. Notez que
   
 Xn  Xn 
   
F − fk  ≤ |F | +  fk  ≤ 2G
   
k=1 k=1
 
 Xn p R
 
F − fk  ≤ (2G)p ∈ L1 , puisque G ∈ Lp =⇒ |G|p < ∞.
 
k=1

Convergence dominée et fait qu’on a convergence ponctuelle p.p. =⇒

 p Z  p
 Xn  Xn 
   
lim F − fk  = lim F − fk 
n→∞   n→∞  
k=1 p k=1
Z  p
 Xn 
 
= lim F − fk  , par le Théorème de convergence dominée,
n→∞  
k=1
Z
= p.p. 0 = 0, par convergence ponctuelle.

P∞ P∞
Alors k=1 ||fk ||p = β < ∞ =⇒ k=1 fk converge dans Lp . Donc Lp est complet.

Exemple 2.1.9.

(1) lp (N) : (1/n)∞ p ∞ 1

n=1 ∈ l si p > 1, et (1/n)n=1 6∈ l . Notez que

(1, 0, 0, . . . , 0, . . . ) ∈ l1
(1, 1/2, 0, . . . , 0, . . . ) ∈ l1
(1, 1/2, 1/3, . . . , 0, . . . ) ∈ l1
↓
∞ dans L1 .
P
En général, lp (N) ⊆ lq (N) si p < q. Soit b ∈ lp (N), b = (bn )∞
n=1 , si |bn |p < ∞ alors bn −→ 0. Donc il
existe N tel que n ≥ N , |bn | < 1. Notez que
∞
X N
X ∞
X
||b||qq = |bn |q = |bn |q + |bn |q .
n=1 n=1 n=N +1

PN
Soit K = n=1 |bn |q . Si n ≥ N + 1 alors |bn | < 1 =⇒ |bn |q < |bn |p . Ceci implique
∞
X
||bn ||qq ≤ K + |bn |p ≤ K + ||b||pp < ∞.
n=N +1

40
 Par conséquent b ∈ lq .

√
(2) Lp ([0, 1]). Soit f (x) = 1/ x. Nous avons
Z 1
1
||f ||1 = √ dx = 2 < ∞ =⇒ f ∈ L1 .
0 x

D’autre part,
Z 1 1/2
||f ||2 = (f (x))2 dx = ∞.
0

Alors f ∈ L1 \L2 . En général, µ(X) < ∞, et p < q =⇒ Lp ⊇ Lq .

En général, q ≥ p =⇒ lq ⊆ lp . Si µ(X) < ∞ =⇒ Lq ⊇ Lp si p ≤ q.

Z Z Z
p p p
||f ||p = |f | dµ = |f | dµ + |f |p dµ.
X |f |≥1 |f |<1

Si |f | ≥ 1 alors |f |p ≤ |f |q . Donc
Z Z Z Z
p q p q
||f ||p ≤ |f | + |f | ≤ |f | dµ + 1dµ ≤ ||f ||qq + µ(X).
|f |≥1 |f |<1 X X

Si f ∈ Lq , ceci est < ∞, alors f ∈ Lp . Enfin Lp (R) :

Z
|f |p dµ < ∞ =⇒ |f | −→ 0 lorsque x −→ ±∞.

Exemple 2.1.10. Soit f (x) = √1 χ[0,1] (x).

x

0
1

R1
Nous avons ||f ||1 = √1 dx = 2 < ∞ =⇒ f ∈ L1 . Aussi,
0 x

Z 1/2 Z 1 1/2
1
||f ||2 = |f |2 dx = dx = ∞.
R 0 x

41
Donc f ∈ L1 (R)\L2 (R) et en général f ∈ Lp (R) pour 1 ≤ p < 2. D’autre part si g(x) = x1 χ[0,+∞) alors
Z ∞
1
||g||1 = dx = ∞,
0 x
 1/2
1
||g||2 = dx = 1.
x2

Donc g ∈ L2 (R)\L1 (R).

Remarque 2.1.5. C 0 (X) et les fonctions simples sont tous deux denses dans Lp (X). Aussi, C ∞ (R) est
dense dans Lp (R). Cela implique que les limites dans Lp peuvent donner à des “dégénérations”importantes.

Rappelez que dans V = Rn , toute boule fermé

B(p, ) = {v / ||v − p|| ≤ }

est compacte.

Proposition 2.1.1. Soit (X, µ) un espace de mesure tel que il existe des En ⊆ X avec Ei ∩ Ej = ∅ si i 6= j
et 0 < µ(En ) < ∞, ∀n ∈ N. Alors

B(0, 1) = {v ∈ Lp (X, µ, F) : ||v||p ≤ 1}

n’est pas compact.

Remarque 2.1.6. Si X = [0, 1], alors E1 = [0, 1/2), E2 = [1/2, 3/4), E3 = [3/4, 7/8), etc. Si X = Z, alors
Ei = {i}.

1
Démonstration : Soit fi (x) = χ .
(µ(Ei ))1/p Ei
Alors
Z 1/p
1
||fi ||p = χpEi dµ = 1 =⇒ fi ∈ B(0, 1).
X µ(Ei )

Si i 6= j,
Z 1/p Z 1/p Z 1/p
p p p
||fi − fj ||p = |fi − fj | = |fi + fj | dµ ≥ |fi | = ||fi ||p = 1.
X X X

Donc ||fi −fj || ≥ 1 ∀ i, j. C’est-à-dire que (fi ) n’est pas une suite de Cauchy et alors n’a pas de sous-suite
convergente. Ceci implique que B(0, 1) n’est pas compacte dans l’espace métrique Lp .

Remarque 2.1.7. Les fi sont linéairement indépendent, car

N
X
an fn = 0 =⇒ an = 0 ∀n.
n=1

42
Aussi
∞
X
an fn = 0 p.p.(µ) =⇒ an = 0, ∀n.
n=1

Comment définir L∞ ? Pour Hölder : ||f · g||1 ≤ ||f ||p · ||g||q où p1 + 1q = 1. Donc p = 1 =⇒ q = ∞. Soit
f ∈ L1 . Nous avons
Z Z
|f · g|dµ ≤ sup |g| |f |dµ = ||f ||1 sup |g|, où g est continue.
X X X X

Peut être ||g||∞ = supX |g| ?

Définition 2.1.5. (X, µ) est σ-fini si

∞
[
X= Ei où µ(Ei ) < ∞.
i=1

Exemple 2.1.11.

(1) X = Rn , Z, etc.
(2) (R, µ), avec µ la mesure de comptage, n’est pas σ-fini.

Définition 2.1.6. Soit (X, µ) un espace σ-fini, et f ∈ Mµ (X, F). Nous définissons

||f ||∞ = inf{a ≥ 0 / µ({x : |f (x)| > a}) = 0} = sup ess|f (x)|
x∈X

et L∞ = {f ∈ Mµ (X, F) / ||f ||∞ < ∞}.

43
2.2 Applications entre espaces de Banach et dualité
Définition 2.2.1. Soit U et V espaces de Banach sur F. Une application T : U −→ V est linéaire ssi
∀u1 , u2 ∈ U et ∀c ∈ F :

T (u1 + u2 ) = T (u1 ) + T (u2 ),

T (cu1 ) = cT (u2 ).

Soit U et V espaces métriques, T : U −→ V linéaire. T est continue ssi ∀xn ∈ U telle que xn −→ x dans U
nous avons T xn −→ T x dans V .

Exemple 2.2.1. Soit l∞ (N, R). Suites bornée

||(xn )||l∞ = sup |xn | < ∞.

n≥1

Soit T : l∞ (N, R) −→ l∞ (N, R) donnée par

∞
∞
T (a1 , a2 , a3 , . . . ) = T ((an )n=1 ) = n2 an n=1
= (a1 , 4a2 , 9a3 , . . . ).

1/n si n = k,
Soit bk = (bkn )∞
n=1 ∈ l
∞
la suite donnée par bkn =
0 sinon.

b1 = (1, 0, 0, . . . )
 
2 1
b = 0, , 0, . . .
2
 
3 1
b = 0, 0, , 0, . . .
3
..
.

Nous avons ||bk ||l∞ = supn≥1 |bkn | = 1/k −→ 0. Alors bk −→ 0 dans l∞ . D’autre part,

n si k = 1,
(T (bk ))n =
0 sinon.
||T (bk )||l∞ = sup |(T (bk ))n | = k −→ ∞.
n≥1

Conclusion, T (bk ) diverge dans l∞ même si bk −→ 0 dans l∞ . Donc T n’est pas continue.

Définition 2.2.2. Soit U et V espaces de Banach. Une application linéaire T : U −→ V est bornée ssi il
existe C > 0 tel que
||Tx ||V ≤ C||x||U , ∀x ∈ U .
Ou équivalent : il existe C > 0 tel que

||x|| ≤ 1 =⇒ ||T x|| ≤ C.

Remarque 2.2.1. Ne disons pas que ||T x|| ≤ K ∀x ∈ U . Ceci impliquerait ||T (λx)|| ≤ K ∀λ ∈ F. Alors

44
|λ|||T x|| ≤ K ∀λ ∈ F. Donc ||T x|| ≤ K/|λ| & 0 lorsque |λ| −→ ∞. Par conséquent ||T x|| = 0, ∀u ∈ U et
donc T x = 0.

Proposition 2.2.1. Soit T : U −→ V une application linŕaire entre espaces de Banach. Les trois conditions
suivantes sont équivalentes :
(1) T est continue.

(2) T est continue en x = 0U .

(3) T est bornée.

Démonstration :

• (1) =⇒ (2) est trivial.

• (2) =⇒ (3) : Supposons (2). Soit xn −→ 0 dans U . Alors T xn −→ 0 dans V . Supposons que T
n’est pas bornée. Il existe une suite ||xn || = 1 telle que ||T xn || −→ ∞. Soit an xn /||T xn || ∈ U .
Nous avons ||an || = ||xn ||/||T xn || = 1/||T xn || −→ 0 et T (an ) = T (xn )/||T xn || où ||T (an )|| = 1.
Nous avons an −→ 0 mais T an 6−→ 0. Donc T est bornée.
• (3) =⇒ (1) : Si xn −→ x alors ||T xn − T x||V = ||T (xn − x)||V ≤ C||xn − x||U −→ 0 et donc
T xn −→ T x, c’est-à-dire T est continue.

Définition 2.2.3. L(U, V ) = {T : U −→ V / T et linéaire et bornée}.

df
Remarque 2.2.2. Les fonctions C ∞ sont denses dans L2 ((0, 1)). On peut définir dx , avec f ∈ L2 ((0, 1)),
en prenant ϕn ∈ C ∞ , ϕn −→ f dans L2 , et
df dϕn
= lim
dx n→∞ dx
Un tel opérateur será linéaire, mais non bornée.

Définition 2.2.4. La norme d’operateur de T ∈ L(U, V ) est donnée par

||T u||
||T || = sup ||T u|| = sup .
||u||=1 u6=0 ||u||

Remarque 2.2.3.

(1) ∀u ∈ U , ||T u|| ≤ ||T ||||u||.

(2) Si A ∈ L(Rn , Rn ) = Matn×n est diagonalisable, alors ||A|| = sup1≤λi ≤n |λi |.

45
 (3) Avec la norme d’oprateur, L(U, V ) est un espace de Banach. Notez que L(U, V ) est un espace vectoriel
avec

(T + S)(u) = T u + Su,
(cT )(u) = cT u.

Nous vérifions que || || est une norme :

||T u||
||T || = 0 ⇐⇒ sup = 0 ⇐⇒ T u = 0, ∀u ∈ U ⇐⇒ T est l’operateur 0.
u6=0 ||u||
||cT u|| ||T u|| ||T u||
||cT || = sup = sup |c| · = |c| · sup = |c|||T ||.
u6=0 ||u|| u6=0 ||u|| u6=0 ||u||
||T u + Su|| (||T u|| + ||Su||) ||T u|| ||Su||
||T + S|| = sup ≤ sup ≤ sup + sup = ||T || + ||S||.
u6=0 ||u|| u6=0 ||u|| u6=0 ||u|| u6=0 ||u||

Enfin si Tn est une suite de Cauchy, alors :

||Tn u − Tm u|| ||Tn u − Tm u||

||Tn − Tm || = sup ||Tn u − Tm u|| = sup ≥ , ∀u ∈ U.
||u||=1 u6=0 ||u|| ||u||

Alors ∀u ∈ U , (Tn u) est une suite de Cauchy et donc limn→∞ Tn u existe ∀u ∈ U . Nous définissons
T u = limn→∞ Tn u. Notez que T est linéaire puisque les Tn le sont. Aussi,

||T || = sup ||T u|| = sup lim ||Tn u||

||u||=1 ||u||=1 n→∞

= lim sup ||Tn u|| = lim ||Tn ||.

n→∞ ||u||=1 n→∞

Donc T ∈ L(U, V ).

Soit U , V et W des espaces de Banach, T ∈ L(U, V ), S ∈ L(V, W ). Alors S ◦ T : U −→ W est linéaire.

Aussi,

||ST u|| ||S(T u)|| ||S|| · ||T u|| ||T u||

||ST || = sup = sup ≤ sup = ||S|| · sup ≤ ||S|| · ||T ||.
u6=0 ||u|| u6=0 ||u|| u6=0 ||u|| u6=0 ||u||

   1

2 0 −1 2 0
Remarque 2.2.4. Même pour des matrices, avons ≤, A = 1 , A = . Nous avons
0 2 0 2
A, A−1 ∈ L(R2 , R2 ) et

||A|| = sup ||Au|| = 2,

u∈R2 ,||u||=1

||A−1 || = 2,
A · A−1 = I,
||I|| = sup ||Iu||,
||u||=1

1 = ||I|| = ||A · A−1 || ≤ ||A|| · ||A−1 || = 2 · 2 = 4.

46
On définit L(U, U ) = Op (U ). Notez que Op (U ) est un algèbre de Banach; nous avons

A, B ∈ Op (U ) =⇒ A · B ∈ Op (U ),
I ∈ Op (U ), et
||AB|| ≤ ||A|| · ||B||.

Définition 2.2.5. T ∈ L(U, V ) est inversible, ou un isomorphisme ssi il existe T −1 tel que T −1 ∈ L(V, U ).

Exemple 2.2.2. Soit T : l∞ (N) −→ l∞ (N) l’operateur

 a ∞  a2 a3 
n
T ((an )∞
n=1 ) = = a1 , , , . . .
n n=1 2 3
Nous avons
a 
 n
||a||∞ ≤ 1 =⇒ sup |an | ≤ 1 =⇒ sup   ≤ 1
n n n
=⇒ ||T a||l∞ ≤ 1
=⇒ sup ||T a||∞ ≤ 1
||a||∞ ≤1

=⇒ T ∈ L(l∞ , l∞ ).

Mais T (a) = 0 =⇒ a = 0 =⇒ T est injectif. Nous pouvons définir

T −1 ((bn )∞
n=1 ) = (b1 , 2b2 , 3b3 , . . . )

Mais T −1 6∈ L(l∞ , l∞ ). Par exemple, posons


1 si n = k,
bk =
0 sinon.

Nous avons ||bk ||∞ = 1 et ||T −1 bk || = k % ∞. Donc T −1 n’est pas bornée.

Définition 2.2.6. T ∈ L(U, V ) est une isométrie si ||T u|| = ||u||.

Exemple 2.2.3.

(1) A ∈ SO(n) est une isométrie de (Rn , || ||2 ).

(2) Soit T : l∞ −→ l∞ l’operateur donnée par

T (a1 , a2 , . . . ) = (0, a1 , a2 , . . . )

Notez que T n’est pas forcément surjectif. Mais toujours injectif :

T u = 0 =⇒ ||T u|| = ||u|| = 0 =⇒ u = 0.

Définition 2.2.7. Soit U un espace de Banach sur F. Une fonctionnelle linŕaire est une élément de
L(U, F) = U ∗ .

47
  
u1
 
Exemple 2.2.4. Si U = Rn , notons u ∈ U par u =  ... . Soit f ∈ L(Rn , R) la fonctionnelle donnée par
un
 
u1
 
f (u) = a1 u1 + · · · + an un = (a1 , . . . , an ) ·  ... 
un

Il est bien connu que (Rn )∗ ∼

= Rn . Soit P un plan dans R3 passant par l’origine. Il existe f ∈ (R3 )∗ telle que

P = {u / f (u) = 0} = Ker(f ).

Définition 2.2.8. Soit U un espace vectoriel réel. Une fonctionnelle sous-linéaire est une application
p : U −→ R telle que

p(x + y) ≤ p(x) + p(y), et

p(λx) = λp(x), ∀λ > 0.

Exemple 2.2.5.

(1) p(x) = c||x||, c > 0.

p
(2) U = R3 , p(u1 , u2 , u3 ) = u21 + u22 . Cette application s’appelle semi-norme.

Théorème 2.2.1 (Hahn-Banach). Soit U un espace de Banach sur R, p : U −→ R une fonctionnelle linéaire,
W un sous-espace vectoriel de U , et f : W −→ R bornée sur W telle que f (x) ≤ p(x), ∀x ∈ W . Alors il
existe F ∈ L(U, R) telle que F (x) ≤ p(x), ∀x ∈ U et F |W = f .

Remarque 2.2.5. Tant que p(x) est bornée sur la boule unitaire, F le sera aussi :

F (x) ≤ p(x),
F (−x) ≤ p(−x) = p(x)
−F (x) ≤ p(x)
F (x) ≥ −p(x).

Alors |F (x)| ≤ p(x) et

||F || = sup |F (x)| ≤ sup p(x) < ∞.
||x||=1 ||x||≤1

Démonstration : Soit x ∈ U − W . Si y1 , y2 ∈ W alors

f (y1 ) + f (y2 ) = f (y1 + y2 ) ≤ p(y1 + y2 )

= p(y1 − x + x + y2 )
≤ p(y1 − x) + p(x + y2 )
f (y1 ) − p(y − x) ≤ p(x + y2 ) − f (y2 ).

48
 Alors
sup {f (y) − p(y − x)} ≤ inf {p(x + y) − f (y)}.
y∈W y∈W

Soit α ∈ R avec
sup {f (y) − p(y − x)} ≤ α ≤ inf {p(x + y) − f (y)}.
y∈W y∈W

Définissons g : W ⊕ Rx comme

g(y + λx) = f (y) + λα, ∀y ∈ W .

Alors g est linéaire et g|W = f , où W = {λ = 0}. Devons montrer que g(y + λx) ≤ p(y + λx), ∀λ ∈ R,
y ∈ W.

• Supposons λ = 0 : Alors g(y) = f (y) ≤ p(y).

• Si λ > 0 alors
   y 
1
g(y + λx) = f (y) + λα = λ f (y) + α = λ f +α
λ λ
h y  y  y i
≤λ f +p x+ −f
λ λ λ
1
≤ λ · · p(λx + y)
λ
= p(y + λy).

• Si λ < 0, posons µ = −λ > 0. Alors

          
y y y y
g(y + λx) = µ f −α ≤µ f −f +p −x
µ µ µ µ
 
y 1
g(y + λ) ≤ µp − x ≤ µ · · p(y − µx)
µ µ
g(y + λx) ≤ p(y + λx).

Donc ∀y ∈ W ⊕ Rx, g(y) ≤ p(y).

Définition 2.2.9.  est un ordre partiel sur E ssi :

(1) x  y et y  z =⇒ x  z.
(2) x  y et y  x =⇒ x = y.
(3) x  x, ∀x ∈ E.

Exemple 2.2.6. Dans E = R,  est ≤. Et dans E = P(X),  est ⊆.

Définition 2.2.10. Soit (E, ). Un élément y ∈ E est une borne supérieure pour E ssi x  y, ∀x ∈ E.

Exemple 2.2.7. Dans (P(X), ⊆), prenons y = X.

49
Définition 2.2.11. Un ordre partiel  sur E est dit linéaire ssi ∀x, y ∈ E, x  y ou y  x.

Exemple 2.2.8. (R, ≤) est linéaire, mais (P(X), ⊆) ne l’est pas si #(X) > 1.

Axiome 2.2.1 (Lemme de Zorn). Si  est un ordre partiel sur E et chaque sous-ensemble ordonné
linéairement de E a une borne supérieure, alors E a un élément maximal z, c’est-à-dire un z tel que

z  x =⇒ x = z.

Soit G ∈ L(V, R), W ⊆ V ⊆ U . Soit f = G|W et G(x) ≤ p(x), ∀x ∈ V . Alors G définit un sous-espace de
V ×R⊆U ×R :
EG = {(x, a) / a = G(x)}.
Avons donc un ordre partiel sur l’ensemble de tels sous-espaces donné par ⊆, aver borne supérieure U × R.
Par le Lemme de Zorn, il existe un élément maximal dans cette collection : F ∈ L(U, R), F |W = f et
F (x) ≤ p(x), ∀x ∈ V .

Proposition 2.2.2. Soit V un espace vectoriel sur C, f ∈ L(V, C), et u = Re(f ). Alors u ∈ L(V, R) et

f (x) = u(x) − iu(ix), ∀ x ∈ X.

Si u ∈ L(V, R) alors f (x) = u(x) − iu(ix) ∈ L(V, C). Si V est normé, alors ||u|| = ||f ||.

Démonstration : Si f ∈ L(V, C) alors

u(x + y) = Re(f )(y + x) = Re(f (x)) + Re(f (y)) = u(u) + u(y),

u(cx) = Re(f (cx)) = Re(cf (x)) = cRe(f (x)) c ∈ R.

Ceci implique que u ∈ L(V, R). D’autre part

Im(f (x)) = −Re(if (x)) = −Re(f (ix)) = −u(ix).

Donc f (x) = u(x) − iu(x). Si u ∈ L(V, R) alors f (x) = u(x) − iu(ix) satisfera :

f (x + y) = f (x) + f (y)
f (cx) = cf (x), si c ∈ R,
f (ix) = u(ix) − iu(i2 x) = u(ix) − iu(−x)
= u(ix) + iu(x) = i(u(x) − iu(ix))
= if (x).

Donc f ∈ L(V, C). Enfin, |u(x)| = |Re(f (x))| ≤ |f (x)| est alors ||u|| ≤ ||f ||.

50
 f (x)
Notons par || || la norme d’opérateur sur L(V, R) et L(V, C). Si f (x) 6= 0, posons α = |f (x)| ∈ C. Nous
avons

|f (x)| = αf (x) = f (αx) = Re(f (αx)) = u(αx) = |u(αx)|

≤ ||u|| · ||αx||
= ||u|| · |α| · ||x|| = ||u|| · ||x||.

Ceci implique que

||f || = sup |f (x)| ≤ sup ||u|| · ||x|| = ||u||.
||x||≤1 ||x||≤1

Alors ||u|| = ||f ||.

Définition 2.2.12. Soit U un espace vectoriel sur C. Une application p : U −→ R+ est dit une semi-norme
ssi |p(x + y)| ≤ p(x) + p(y) et p(λx) = |λ|p(x).

Théorème 2.2.2 (Hahn-Banach sur C). Soit U un espace vectoriel sur C et p(x) une semi-norme sur U .
Soit W ⊆ U un sous-espace vectoriel et f ∈ L(W, C) telle que |f (x)| ≤ p(x), ∀ x ∈ W . Alors il existe
F ∈ L(U, C) telle que F |W = f et |F (x)| ≤ p(x), ∀ x ∈ U .

Démonstration : Posons u = Re(f ). Par le Théorème de Hahn-Banach sur R, il existe une extension
e ∈ L(U, R) de u telle que
u
e(x) ≤ p(x), ∀ x ∈ U .
u
F (x)
e(x) − ie
Posons F (x) = u u(ix), et soit α = |F (x)| si F (x) 6= 0. Par la proposition précédent, nous avons :

|F (x)| = α(x)F (x) = F (αx) = u

e(αx)
≤ p(αx) = |α| · p(x) = p(x).

Si F (x) = 0 alors |F (x)| = u

e(x) = 0 ≤ p(x).

Théorème 2.2.3. Soit U un espace vectoriel normé sur F.

(a) Si W ⊆ U est un sous-espace fermé de U et x ∈ U \W , alors il existe f ∈ U ∗ telle que f (x) 6= 0 et
f |W = 0. En effet, si δ = inf y∈W ||x − y||, pouvons prendre ||f || = 1 et f (x) = δ.
(b) x ∈ U , x 6= 0 =⇒ ∃ f ∈ U ∗ telle que ||f || = 1 et f (x) = ||x||.

(c) Si x 6= y, alors il existe f ∈ U ∗ telle que f (x) 6= f (y).

(d) Soit x ∈ U , posons x̂ : U ∗ −→ F, x̂(f ) = f (x). Alors ˆ définit ainsi une application ˆ : U −→ U ∗∗
donnée par x 7→ x̂, qui est une isométrie linéaire.

51
 Démonstration :

(a) Définissons f : W ⊕ Fx −→ F par f (y + λx) = λδ. Nous avons f (x) = δ, f |W = 0 et si λ 6= 0 alors

|f (y + λx)| = |λδ| = |λ|δ

≤ |λ|||λ−1 y + x||
= ||λλ−1 y + λx||
= ||y + λx||
= p(y + λx), où p = || ||.

On peut appliquer le Théorème de Hahn-Banach pour obtenir F . Notez que W fermé =⇒ δ > 0.
(b) x ∈ U , x 6= 0. Nous utilisons (a) avec W = {0}. Alors

δ = inf ||x − y|| = inf ||x − 0|| = ||x||.

y∈W

Donc f (x) = ||x|| et ||f || = 1.

(c) Appliquons (b) avec z = x − y. Alors il existe f ∈ U ∗ telle que f (z) = ||z|| =
6 0. Nous avons

0 6= f (x − y) = f (x) − f (y)
f (x) 6= f (y).

(d) Si x ∈ U , f, g ∈ U ∗ et c ∈ F, nous avons

x̂(f + g) = (f + g)(x) = f (x) + g(x) = x̂(f ) + x̂(g),

x̂(xf ) = (cf )(x) = c(f (x)) = cx̂(f ).

Alors x̂ ∈ L(U ∗ , F) = U ∗∗ , ∀x ∈ U . Aussi |x̂(f )| = |f (x)| ≤ ||f || · ||x||. La partie (b) implique que
il existe f ∈ U ∗ telle que ||f || = 1 et f (x) = ||x||. Donc

|x̂(g)| |x̂(f )|
||x̂|| = sup ≥ = ||x||
g6=0 ||g|| ||f ||

et ˆ est une isométrie.

Remarque 2.2.6. En général, U ⊆ U ∗∗ . Pour Rn , ˆ = transposé. Verrons que p ∗ q

R (L ) = L , 1 < p < ∞.
Chaque g ∈ L définit une fonctionnelle linéaire ϕg : L −→ F par ϕg (f ) = f · g. Si 1 < p < ∞ alors
q p

(Lp )∗∗ = Lp .

Mais si c0 = ensemble des suites convergentes vers 0, alors (c0 )∗ = l1 . Si (an ) ∈ c0 , on peur définir
∞
X
ϕ(bn ) (an ) = an bn ∈ R
n=1

pour (bn ) ∈ l1 .

52
Mais (l1 )∗ = l∞ . Si (cn ) ∈ l1 , on peut définir
∞
X
ϕ(dn ) (cn ) = dn cn ∈ R, (dn ) ∈ l∞ .
n=1

Donc l1 ⊆ (c0 )∗ et l∞ ⊆ (l1 )∞ . Aussi, (c0 )∗∗ contient des éléments qui ne sont pas dans c0 .

Définition 2.2.13. Un espace est réflexif ssi U ∗∗ = U .

Théorème 2.2.4. Soit U un espace de Banach, C 6= ∅ convexe et ouvert. Soit L un sous-espace affine de U
tel que L ∩ C = ∅. Alors il existe un hyperplan affine fermé H tel que L ⊆ H et H ∩ C = ∅.

Rappelez que :

• C convexe ssi ∀p, q ∈ C, 0 ≤ t ≤ 1, tp + (1 − t)q ∈ C.

C
q

• B est affine si {p − q / p, q ∈ B} est un sous-espace vectoriel de U , ou si B = p + W où W est un

sous-espace vectoriel de U .
• H est un hyperplan affine si H = p + W , où W est un sous-espace de U et U = W ⊕ Fx , x ∈ U .

Exemple 2.2.9. L = {p}.

p
p

Exemple 2.2.10. f ∈ U ∗ , {f (w) = 0} définit un hyperplan.

53
Théorème 2.2.5. Soit C1 et C2 ensembles compactes et convexes, avec C1 ∩ C2 = ∅. Alors il existe un
hyperplan affine H qui les sépare.

C1

C2

Remarque 2.2.7. L’ensemble suivant est compact : E ⊆ l∞ (N),

 
∞ 1
E = (an ) ∈ l / |an | ≤ .
n

Exemple 2.2.11 (Application de Hahn-Banach aux EDP). Soit D ⊆ R2 ouvert, simplement connexe.
Problème de Dirichlet : 
uxx + uyy = 0,
∗
u|∂∇ = f, f ∈ C 0 (∂D).
Considérons l’espace de Banach U = (C 0 (∂D), || ||U ), et soit W ⊆ U le sous-espace

W = {f ∈ U / ∗ a une solution continue sur D}.

Notons que W 6= ∅ car 0 ∈ W . Soit (x0 , y0 ) ∈ D et ∆ : W −→ R l’application ∆(f ) = u(x0 , y0 ). Par le

Principe du Maximum, nous avons

|∆(f )| = |u(x0 , y0 )| ≤ sup |f | = ||f ||

∂D

˜ : U −→ R telle
Alors ∆(f ) est bornée par p(f ) = ||f ||. Le Théorème de Hahn-Banach implique que il existe ∆
˜ ˜
que ∆|W = ∆ et |∆(g)| ≤ ||g||U , ∀g ∈ U . Pouvons interpreter ∆(g) comme étant solution à uxx + uyy = 0,
u|∂D = g en (x0 , y0 ).

Convention p1 + 1q = 1. Soit g ∈ Lq (X, µ, F), q ∈ [1, +∞]. (Donc, si q = ∞, on suppose que (X, µ) est σ-fini).
R
Définissons ϕg (f ) = X f · gdµ du pour f ∈ Mµ (X, F) si cette intégrale est définie.

Proposition 2.2.3. ϕg ∈ (Lp )∗ , ou ϕg ∈ L(Lp , F).

54
 Démonstration : Nous avons
Z
ϕg (cf ) = c f · g = cϕg (f ),
Z Z Z Z
ϕg (f + g) = (f + g) · g = (f · g + h · g) = f · g + h · g = ϕg (f ) + ϕg (h).

Alors ϕg est linéaire si elle est définie. Par l’inegalité de Hölder, nous avons
Z  Z
 
|ϕg (f )| =  f · g  ≤ |f · g| = ||f · g||1 ≤ ||f ||p · ||g||q .

Alors
|ϕg (f )|
||ϕg || = sup ≤ ||g||q < ∞
f ∈Lp , f 6=0 ||f ||p

et donc ϕg ∈ L(L , F). p

Remarque 2.2.8. Ceci est vrai ∀p ∈ [1, +∞].

Proposition 2.2.4. ||ϕg || = ||g||q , ∀p ∈ [1, +∞]. Donc l’application ϕ : Lq −→ (Lp )∗ donnée par g 7→ ϕg
est une isométrie, et Lq est un sous-espace de Banach de façon canonique.

Démonstration : N’avons qu’à montrer ||ϕg || ≥ ||g||q . Si g ≡ 0 alors ϕ ≡ 0. Donc ||g||q = ||ϕg || = 0.
Supposons g 6= 0, 1 < p < ∞. Posons

g q−1 sign(g) g
f= , où sign(g) = ||g|| .
||g||q−1
q

Alors
Z  q−1 p Z
g sign(g)  1
||f ||pp =   = pq−p |g|pq−p .
 ||g||q−1
q  ||g||q

1 1
Comme p + q = 1, nous avons q = pq − p. Donc
Z
1 ||g||qq
||f ||pp = |g|q = = 1.
||g||qq ||g||qq

Alors
Z 
|ϕg (f )|  
||ϕg || ≥ = |ϕg (f )| =  f · g 
||f ||p
Z  Z 
 g q sign(g)  1  
   q
||ϕg || ≥  q−1 = q−1  |g| 
 ||g||q  ||g||q
1
||ϕg || ≥ ||g||qq = ||g||q .
||g||q−1
q

55
 R
• Si q = 1 alors ϕ : Lq −→ (Lp )∗ est donnée par ϕg (f ) = g · f . Posons f = sign(g). Nous avons
||ϕg || ≤ ||g||q . Aussi f ∈ L∞ : 
1 si g 6= 0,
||f || =
0 si g = 0.
Alors ||f ||∞ = 1 et
Z    Z g  Z 
      
|ϕg (f )| =  f · g  = sign(g) · g  =  · g  =  ||g|| = ||g||1 .
||g||

• Si q = ∞ (g ∈ L∞ ) : voulons que ||ϕg || ≥ ||g||∞S. ∀ > 0, il existe A = {x / |g(x)| > ||g||∞ − },
∞
avec µ(A) > 0. Comme µ est σ-fini, nous avons i=1 (Ei ∩ A) = A où µ(Ei ) < ∞. Alors il existe j
tel que µ(Ej ∩ A) > 0. Posons B = Ej ∩ A et f = (µ(B))−1 χB sign(g). Nous avons :
Z Z
|sign(g)| 1
||f ||1 = χB · dµ = χB dµ = 1,
X µ(B) µ(B) X
Z  Z   Z 
     1 
||ϕg || =    
sup  h · g  ≥  f · g  =   χB · g · sign(g)dµ
h∈L1 , h6=0 µ(B)
 Z  Z
 1  1
=  |g|dµ = |g|dµ.
µ(B) B µ(B) B

L’inclusion B ⊆ A implique que

Z Z
1 1
||ϕg || ≥ (||g||∞ − )dµ = (||g||∞ − ) · dµ = ||g||∞ − , ∀ > 0.
µ(B) B µ(B) B

Donc ||ϕg || ≥ ||g||∞ .

Définition 2.2.14. µ est sémifinie si ∀A ∈ M, ∃B ⊆ A tel que 0 < µ(B) < ∞.

Conclusion : Lq ⊆ (Lp )∗ isométriquement par ϕ. Verrons que Lq ∼ = (Lp )∗ avec 1 < p < ∞, et donc Lp
sera réflexif. D’autre part, nous avons (L ) = L si µ est σ-finie. Aussi, (L∞ )∗ % L1 , presque toujours.
1 ∗ ∞

Soit L∞ ([0, 1], µ, R) avec µ = mesure de Lebesgue. Soit ψ : C([0, 1]) −→ R l’application ψ(f ) = f (0). Nous
avons
|ψ(f )| = |f (0)| ≤ sup |f (x)| = ||f ||∞ , parce que f est continue.
[0,1]

Alors ∀f ∈ C([0, 1]) ⊆ L∞ . Par le Théorème de Hahn-Banach sur L∞ avec p = || ||∞ , il existe ψe ∈ (L∞ )∗
e C([0,1]) = ψ. Supposons que ψe ∈ L1 , c’est-à-dire que il existe g ∈ L1 telle que
telle que ψ|
Z 1
e )=
ψ(f f · gdµ.
0

Soit fn (x) = max{(1 − nx, 0)} ∈ C([0, 1]). Alors ψ(fe n ) = f (0) = 1, ∀n. Alors fn (x) −→ 0, ∀x ∈ (0, 1] et
donc
|fn (x) · g(x)| ≤ |g(x)| ∈ L1 .

56
Ceci implique Z 1
e n) =
1 = ψ(f fn · gdµ −→ 0, (contradiction).
0

Alors ψe ∈ (L∞ )∗ \L1 , et L1 n’est pas réflexif. Donc (L1 )∗∗ = (L∞ )∗ 6= L1 .

Lemme 2.2.1. E est un sous-ensemble dense dans X si ∀ W 6= ∅ ouvert on a W ∩ E 6= ∅.

Démonstration : Soit x ∈ E c . Devons montrer que il existe une suite (xn ) ⊆ E telle que xn −→ x.
Nous choisissons xn ∈ B(x, 1/n) ∩ E. Alors xn −→ x.

∞
T∞ Let X be a complete metric space. Si {Un }n=1 est un suite
Théorème 2.2.6 (Théorème de Baire).
d’ensembles denses et ouverts, alors n=1 Un est dense dans X.

T∞
Démonstration : Soit W ouverts dans X. Il suffira de montrer W ∩( n=1 Un ) 6= ∅. Comme U1 ∩W 6= ∅
est ouvert, il existe B(x0 , r0 ) ⊆ U1 ∩ W . Sans perte, 0 < r0 < 1. Pour n > 0, posons xn ∈ X et
rn ∈ (0, 2−n ) comme suit :

Un ∩ B(xn−1 , rn−1 ) 6= ∅ ouvert,

B(xn , rn ) ⊆ Un ∩ B(xn−1 , rn−1 ).

Si n, m ≥ N , alors xn , xm ∈ B(xN , rN ) puisque rN −→ 0. Alors (xn ) est une suite de Cauchy et donc il
existe x = limN →∞ xN . Comme
T∞ xn ∈ B(xN , rTN ) ∀ n ≥ N , nous avonsT
x ∈ B(xN , rN ) ⊆ UN ∩B(x0 , r0 ) ⊆
∞ ∞
W ∩ UN , ∀N . Alors x ∈ N =1 (UN ∩ W ) = ( N =1 UN ) ∩ W . Donc ( n=1 Un ) ∩ W 6= ∅, ∀ W 6= ∅. Ceci
∞
implique que ∩n=1 Un est dense.

Soit X un espace métrique complet. Un sous-ensemble A ⊆ X est rare (ou nulle part dense) ssi
Int(A) = ∅. Le Théorème de Baire implique que si X estSun espace métrique complet, alors X n’est pas l’union
∞
dénombrable d’ensembles rares. Supposons que X 6= n=1 En ou chaque En est rare. Alors Int(En ) = ∅.
Donc 6 ∃ x ∈ En et  > 0 tels que B(x, ) ⊆ En . Donc ∀ x ∈ En , ∃y ∈ (En )c tel que d(x, y) < .

•x y
•

T∞ S∞ S∞
Alors les (En )c sont denses et ouverts. Donc n=1 (En )
c
6= ∅. Par conséquent n=1 En ⊆ n=1 En 6= X.

57
Définition 2.2.15. Soit X et Y espaces topologiques. Une fonction f : X −→ Y et ouverte ssi

E ouvert =⇒ f (E) ouvert.

Exemple 2.2.12. Tout surjection linéaire f : Rn −→ Rm est ouverte. La fonction g : R −→ R donnée par
g(x) = x2 n’est pas ouverte, puisque f ((−1, 1)) = [0, 1).

Théorème 2.2.7 (Théorème de l’application ouverte). Soit U et V des espace de Banach. Si T ∈ L(U, V )
est une surjection, alors T est ouverte.

Remarque 2.2.9. Ceci montre que l’application T : l∞ (N) −→ l∞ (N) donnée par
 a ∞
n
T ((an )∞
n=1 ) =
n n=1
n’est pas une surjection. Notez que T (B(0, 1)) n’est pas ouvert : s’el existait  > 0 tel que B(0, ) ⊆ T (B(0, 1)),
alors 0 <  < 1/n ∀ n. Donc T n’est pas ouverte.

S
Démonstration : Puisque tout ouvert A de U est l’union A = α B(xα , rα ) et
[
T (A) = T (B(xα , rα )),
α

il suffit de montrer que chaque T (B(xα , rα )) est ouvert. D’autre part,

B(xα , rα ) = xα + B(0, rα ) = xα + rα B(0, 1)

et donc
T (B(xα , rα )) = T xα + rα T (B(0, 1)),

S∞ de montrer que ∀ y ∈ T (BU (0, 1)) il existe ρ tel que BV (y, ρ) ⊆ T (BU (0, 1)).
il suffit Comme
U = n=1 B(0, n) et T est surjectif, nous avons
∞
[
V = T (U ) = T (BU (0, n)).
n=1

Comme V est complet, par le Théorème de Baire, les T (BU (0, n)) ne sont pas tous rares. Ils sont
tous homéomorphes à T (BU (0, 1)). Donc T (BU (0, 1)) n’est pas rare. Alors Int(T (BU (0, 1))) 6= ∅. Ceci
implique que ∃ y0 ∈ V et r > 0 tels que BV (y0 , 4r) ⊆ T (B(0, 1)). Soit y1 = T x1 ∈ T (B(0, 1)), avec
x1 ∈ BU (0, 1) tel que ||y − y0 || < 2r. Alors B(y, 2r) ⊆ B(y0 , 4r) ⊆ T (BU (0, 1)). Nous avons que si y ∈ V
avec ||y|| < 2r, alors

y = −T x1 + y + T x1 = T (−x1 ) + y + y1 ∈ T (−x1 ) + T (BU (0, 1)), parce que y + y1 ∈ B(y1 , 2r).

Alors
y ∈ T (−x1 ) + T (BU (0, 1)) = T (−x! + BU (0, 1)) ⊆ T (BU (0, 2)), puisque ||x1 ||U ≤ 1.

58
 Si z = y/2 alors ||z|| < r. Donc z ∈ T (BU (0, 1)) ou BV (0, r) ⊆ T (BU (0, 1)). De la même façon :
||y|| < r2−n =⇒ y ∈ T (BU (0, 2−n+2 )). Nous avons

||y|| < 2r =⇒ y ∈ T (B(0, 2))

 y  y
 
  < 2r =⇒ ∈ T (B(0, 2))
c c
||y|| < 2rc =⇒ y ∈ cT (B(0, 2)) = T (B(0, 2c))
||y|| < 2−n r =⇒ y ∈ T (B(0, 2−n )).


Si n = 1 et ||y|| < 2r , alors y ∈ T (B(0, 2−1 )). Avons donc x1 ∈ BU 0, 12 tel que ||y − T x1 || < 4r .

•x y
•

||y − T x1 || < 2−2 r =⇒ (y − T x1 ) ∈ T (B(0, 2−2 ))

 
1 r
=⇒ ∃ x2 ∈ B 0, 2 tel que ||(y − T x1 ) − T x2 || < 3 .
2 2

En genéral, ∀ n, avons x1 , . . . , xn ∈ U tels que ||xi || ≤ 2−i (ou xi ∈ B(0, 2−i )) et

 
 Xn  r
 
y − T xi  < n+1
  2
i=1
 ! 
 Xn  r
 
y − T xi  < n+1 .
  2
i=1
P∞
Posons x = i=1 xi , x est définie parce que
∞
X X∞
1
||xi || ≤ = 1.
i=1 i=1
2i

r


Nous avons y = T x. Donc ∀ y ∈ B 0, 2 il existe x ∈ B(0, 1) tel que T x = y, c’est-à-dire
 r
BV 0, ⊆ T (BU (0, 1)).
2

Corollaire 2.2.1. Soit U et V des espaces de Banach, T ∈ L(U, V ) bijective. Alors T −1 ∈ L(V, U ).

59
 Démonstration : T −1 : V −→ U est une bejection linéaire. soit E ⊆ U ouvert. Nous avons que
(T −1 )−1 (E) = T (E) est ouvert par le Théorème de l’application ouverte. Alors T −1 est continue est
donc T −1 ∈ L(V, U ).

1
Remarque 2.2.10. En général, c’est pas vrai que ||T −1 || = ||T || :

||T −1 v|| ||T −1 (Tu )|| ||u||

||T −1 || = sup = sup = sup
v6=0 ||v|| T u6=0 ||T u|| T u6=0 ||T u||
||u|| 1 1
= sup = sup ||T u||
= ||T u||
u6=0 ||T u|| u6=0 inf u6=0
||u|| ||u||
1
6= .
||T ||

Soit T : U −→ V une application. Son graphe est définie comme

Γ(T ) = {(x, y) ∈ U × V / y = T x} ⊆ U × V.

Nous disons que T est fermé ssi Γ(T ) ⊆ U ×V est fermé. Si U et V sont espaces métriques, alors ceci implique
que si (xi , yi ) −→ (x, y) alors (x, y) ∈ Γ(T ), où chaque (xi , yi ) ∈ Γ(T ). Donc yi = T xi , xi −→ x et T xi −→ y
impliquent que y = T x.


1 si x 6= 0, 1


Exemple 2.2.13. Soit f (x) = Alors (xi , f (xi )) = i,1 −→ (0, 1) 6∈ Γ(f ).
0 si x = 0.

Si T : U −→ V est continue, et xi −→ x, alors T xi −→ T x (donc yi −→ y = T x). Par conséquent, T est fermé.

Théorème 2.2.8 (Théorème du graphe fermé). Soit U et V des espaces de Banach, T : U −→ V une
application fermé. Alors T ∈ L(U, V ).

Démonstration : Soit π1 et π2 les projections

π1 : Γ(T ) −→ U donnée par (x, T x) 7→ x,

π2 : Γ(T ) −→ V donnée par (x, T x) 7→ T x.

Les πi sont bornées; et puisque U et V sont complets, U × V le sera aussi. Comme Γ(T ) ⊆ U × V est
fermé, nous avons Γ(T ) est complet. Alors π1 est une bijection bornée entre Γ(T ) et U . Par le Théorème
de l’application ouverte, nous avons que π1−1 est bornée. Donc T = π2 ◦ π1−1 est bornée.

60
Théorème 2.2.9. Soit U et V des espaces vectoriels normés, et A ⊆ L(U, V ).
(i) Supposons que E n’est pas l’union dénombrable d’ensembles nulle part denses. Si supT ∈A ||T x|| < ∞,
∀ x ∈ E, alors supT ∈A ||T || < ∞.
(ii) Si U est un espace de Banach et ∀ x ∈ U , supT ∈A ||T x|| < ∞, alors supT ∈A ||T || < ∞.

Démonstration : (i) et le Théorème de Baire impliquent (ii). N’avons qu’à montrer (i). Soit
\
En = {x ∈ U / sup ||T x|| ≤ n} = {x ∈ U / ||T x|| ≤ n}
T ∈A
T ∈A
S∞
Alors chaque En est fermé et En ⊆ E et E = n=0 En . Par l’hypothése, il existe n tel que En n’est pas
nulle part dénse. C’est-à-dire qu’il existe n tel que Int(En ) = Int(En ) 6= ∅. Ceci implique qu’il existent
x0 et r0 tels que B(x0 , r0 ) ⊆ En . Comme En est fermé, B(xo , r0 ) ⊆ En . Nous avons B(x0 , r0 ) ⊆ E2n
puisque si ||x|| ≤ r0 alors x − x0 ∈ B(x0 , r0 ). Donc

sup ||T (x + x0 )|| ≤ n

T ∈A
||T x|| = ||T (x + x0 ) − T x0 || ≤ ||T (x + x0 )|| + ||T x0 || ≤ 2n.
2n
Conclusion : ||x|| ≤ r0 =⇒ ||T x|| ≤ 2n, ∀ T ∈ A =⇒ ||T || ≤ r .

Application : Supposons que Tn ∈ L(U, V ), limn→∞ Tn x existe ∀ x ∈ U . Alors il existe T ∈ L(U, V ) telle
que
T x = lim Tn x, ∀ x ∈ U.
n→∞

T est linéaire et ∀ x ∈ U ,  
 
||T x|| =  lim Tn x < ∞
n→∞

Par le Théorème de Banach-Steinhaus, ||T || < ∞ et donc T ∈ L(U, V ).

R
Remarque 2.2.11. (Lp )∗ = Lq si 1 ≤ p < ∞. Avons vu qu’avec g 7→ ϕg , g ∈ Lq , etR ϕg (f ) = X f · gdµ,
nous avons Lq ⊆ (Lp )∗ . Pour l’egalité, voulons ∀ Λ ∈ (Lp )∗ ∃ g ∈ Lq telle que Λ(f ) = X f · gdµ, ∀ f ∈ Lp .
Il suffit de montrer pour g = fonctions simples telles que µ({s 6= 0}) < ∞. Notez que Λ définit une mesure
à valuers dans F par ν(Ej ) = ∆(χEj ) si p < ∞. En fait, χ∅ ≡ 0, ν(∅) = ∆(χ∅ ) = 0. Alors nous avons qu’à
montrer que si les Ej sont disjoints alors
 
∞
[ X∞
ν Ej  = ν(Ej ),
j=1 j=1

S∞
ceci est faux, en général pour p = ∞. Soit E = j=1 Ej . Nous avons
   
 n   X 
 X   ∞ 
χE − χEj  
=  χEj  = 1 si ∃ j ≥ n + 1 tel que µ(Ej ) 6= 0.

 j=1  j=n+1 
L∞

61
 P∞ Pn
En général, j=1 χEj = limn→∞ j=1 χEj 6= χE dans L∞ . N’avons pas forcement
 
X∞ ∞
X ∞
X
ν(E) = ∆(χE ) = ∆  χEj  = ∆(χEj ) = ν(Ej ).
j=1 j=1 j=1

Si 1 ≤ p < ∞ et µ(E) = 0, alors ν(E) = ∆(χE ) = ∆(0) dans Lp presque partout. Alors ν  µ. Par le
Théorème de Radon-Nikodym, il existe g ∈ Lq telle que
Z Z
ν(E) = gdµ = g · χE dµ = ∆(χE ).
E X
Pn
Si s est une fonction simple s = i=1 χEi , nous avons
n
! n n Z Z n
! Z
X X X X
∆(s) = ∆ c i χ Ei = ci ∆(χEi ) = ci g · χEi dµ = g ci χEi dµ = g · sdµ.
i=1 i=1 i=1 X X i=1 X

Alors, les fonctions simples sont denses dans Lp . Donc

  Z Z
∆(f ) = ∆ lim sn = lim ∆(sn ) = lim g · sn dµ = g · f dµ
n→∞ n→∞ n→∞ X X

où la dernière égalité est une coséquence de le Théorème de convergence dominée. Enfin, g ∈ Lq .

62
 BIBLIOGRAPHIE

[1] Conway, J. A Course in Functional Analysis. Springer-Verlag, Inc. New York. (1990).
[2] Folland, G. Real Analysis. Modern Techniques and Their Applications. John Wiley and Sons, Inc. New
York. (1999).
[3] Friedman, A. Foundations of Modern Analysis. Dover Publications, Inc. Mineola, N.Y. (1982).

[4] Royden, H. Real Analysis. Pearson Education, Inc. Singapore. (1988).

[5] Rudin, W. Principles of Mathematical Analysis. McGraw-Hill, Inc. New York. (1953).

63
64