Notes de cours de l'ISIMA, deuxième année, [Link]

fr/∼leborgne

Opérateur à noyau intégral, espace de Hilbert à noyau reproduisant :

introduction

Gilles Leborgne

31 janvier 2024

Table des matières

I Cadre 2
1 L'espace (L2 (Ω), (·, ·)L2 ) 2
2 L'espace P1 3
2.1 L'espace usuel P1 sur [a, b] . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1.2 Base usuelle des fonctions chapeau . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3
2.1.3 Base non orthonormée relativement à (·, ·)L2 . . . . . . . . . . . . . . . . . . . . . . . . . . 4
2.2 Rappels de dénitions . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2.1 Matrice d'un produit scalaire = matrice de masse . . . . . . . . . . . . . . . . . . . . . . . . 5
2.2.2 Diagonalisation d'une matrice de masse . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2.2.3 B.o.n. dans H par diagonalisation d'une matrice de masse . . . . . . . . . . . . . . . . . . . 7
2.2.4 Exemple : b.o.n. de diagonalisation dans P1 . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

3 Base duale vectorielle (relativement à un produit scalaire) 8

3.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.2 Composantes à l'aide de la base duale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
3.3 Exemple : base duale vectorielle dans P1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
3.4 Noyau reproduisant dans P1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10

4 L'espace usuel P0 sur [a, b] 11

5 Rappels : endomorphisme 11
5.1 Dénition . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
5.2 Matrice de représentation dans une base . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
5.3 Notations tensorielles (relativement à un produit scalaire) . . . . . . . . . . . . . . . . . . . . . . . 12
5.4 Bases de L(H) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
5.5 Endomorphisme transposé (relativement à un produit scalaire) . . . . . . . . . . . . . . . . . . . . 14
5.6 Endomorphisme symétrique (relativement à un produit scalaire) . . . . . . . . . . . . . . . . . . . 15
5.7 Diagonalisation des endomorphismes symétriques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
5.8 Projection et espace propre associé à la valeur propre λ=1 . . . . . . . . . . . . . . . . . . . . . . 17
5.8.1 Projection . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
5.8.2 Projection orthogonale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2
5.8.3 Approximée de f ∈ L (]a, b[) par fh ∈ P1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18

6 Application linéaire continue (opérateur borné) 18

II Noyau intégral 19
7 Dans ℓ2 : noyau intégral discret = matrice généralisée 19
2
7.1 Produit scalaire dans ℓ . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
2
7.2 Endomorphisme de ℓ : sa matrice → son noyau intégral . . . . . . . . . . . . . . . . . . . . . . . . 20

8 Opérateur de HilbertSchmidt 21
8.1 Rappel : norme de Frobenius dans Rn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
8.2 Opérateur de HilbertSchmidt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
8.3 Opérateur de HilbertSchmidt symétrique : diagonalisable . . . . . . . . . . . . . . . . . . . . . . . 21
2

9 Théorème de Mercer 22
9.1 Endomorphisme à noyau intégral : introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2
9.2 Noyau intégral L . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2
9.3 Opérateur de HilbertSchmidt dans L (Ω) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
9.4 Noyau d'un opérateur de HilbertSchmidt . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 24
9.5 Cas HilbertSchmidt symétrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 25
9.6 Théorème de Mercer de diagonalisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 26
9.7 Cas positif et opérateur racine carrée . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
2
9.8 Existence du noyau pour l'identité dans L (Ω) : résultat négatif . . . . . . . . . . . . . . . . . . . . 28
9.9 Noyau intégral borné et noyau intégral continu . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29

III Noyau intégral reproduisant 29

10 Espace de Hilbert à noyau reproduisant 29
10.1 La masse de Dirac δ⃗x et fonctionnelle K⃗x d'évaluation en ⃗
x . . . . . . . . . . . . . . . . . . . . . . 29
10.2 Fonctionnelle d'évaluation et son représentant par Riesz . . . . . . . . . . . . . . . . . . . . . . . . 30
10.3 Noyau reproduisant et EHNR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 30
10.4 Propriété de positivité et symétrie du noyau reproduisant . . . . . . . . . . . . . . . . . . . . . . . 31
10.5 Propriété de convergence presque partout . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

11 Annexe : théorème de MooreAronszajn 32

11.1 Position du problème . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
11.2 Analyse et pré-EHNR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
11.2.1 Noyau positif . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
11.2.2 Produit scalaire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 32
11.2.3 Pré-EHNR . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
11.3 Cas de noyaux bornés ou continus . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
11.4 Théorème de MooreAronszajn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 34

Références 35

La notation f := g signie : f est dénie par f = g , encore note f =déf g .

La notation f =not. g signie : f est également noté g .

Première partie
Cadre
1 L'espace (L2 (Ω), (·, ·)L2 )
Soit Ω un ouvert dans Rn . On note L2 (Ω) l'ensemble des fonctions Ω → R qui sont de carré intégrable
relativement à la mesure de Lebesgue (fonctions d'énergie nie) :

Z
L2 (Ω) = {f : Ω → R t.q. f (⃗x)2 dx < ∞}. (1.1)
Ω

Voir cours d'intégration. Le produit scalaire usuel de L2 (Ω) et sa norme associée sont : pour f, g ∈ L2 (Ω),
Z p Z  21
(f, g)L2 = f (⃗x) g(⃗x) dx, et ||f ||L2 = (f, f )L2 = f (⃗x)2 dx . (1.2)
Ω Ω

Proposition 1.1 2
(L (Ω), (·, ·)L2 ) est un Hilbert (espace vectoriel muni d'un produit scalaire qui est
complet pour la norme associée).

Preuve. Voir polycopié Intégrale de Lebesgue.

2
3

2 L'espace P1
2.1 L'espace usuel P1 sur [a, b]
Dans ce polycopié, l'exemple d'espace vectoriel de dimension nie composé de fonctions sera essen-
tiellement l'espace P1 des fonctions continues anes par morceaux sur un intervalle de R. Les autres
exemples usuels (Pk , Qk , ...) sont calqués sur ce modèle.

2.1.1 Dénition
Soit a, b ∈ R, a < b, et soit C 0 ([a, b]) l'ensemble des fonctions continues de [a, b] dans R.
Soit n ∈ N∗ , n ≥ 2, et soit n points xi pour i = 1, ..., n t.q. :
x1 = a, xn = b, et xi < xi+1 , ∀i = 1, ..., n−1. (2.1)

On considère le maillage de [a, b] en les n−1 intervalles consécutifs (faire un dessin) :

n−1
[
[a, b] = [xi , xi+1 ]. (2.2)
i=1

Voir gure 2.1. Le maillage est dit uniforme ssi xi+1 − xi est constant (noté h en éléments nis).
Soit P1 l'ensemble des fonctions continues sur [a, b] qui sont anes sur chaque intervalle du maillage :

P1 = {fh ∈ C 0 ([a, b]) et, ∀i = 1, ..., n−1, fh|[xi ,xi+1 ] ane}

(2.3)
0
= {fh ∈ C ([a, b]) t.q. ∀i = 1, ..., n−1, ∃ai , bi ∈ R, ∀x ∈ [xi , xi+1 ], fh (x) = ai + bi x}
L'indice h dans fh fait référence à la largeur d'intervalle h = max (xi+1 −xi ), cf. polycopié d'éléments
i=1,...,n
2
nis. Une fonction f ∈ L (]a, b[) sera approchée par une fonction f h ∈ P1 , voir Ÿ 5.8.3.

2.1.2 Base usuelle des fonctions chapeau

Dénition 2.1 Les fonctions (de type) chapeau φx i sont les fonctions de P1 dénies par, pour i = 1, ..., n :
(
=1 si i = j,
∀j = 1, ..., n, φxi (xj ) = δij = (2.4)
=0 si i ̸= j,
donc  x − xi−1
 φxi (x) = sur [xi−1 , xi ] (si i ≥ 2),
xi − xi−1




x − xi+1 (2.5)
φ (x) = sur [xi , xi+1 ] (si i ≤ n−1),
 xi

 x i − xi+1


φxi (x) = 0, ailleurs,
pour i = 1, ..., n (les φxi sont continues et anes par morceau), voir gure 2.1. (Les fonctions extrémités
φx1 et φxn sont des demi-chapeau.)

S14
Figure 2.1  Sur [a, b] = [0, 1], avec xi = i−115 pour i = 1, ..., 15 et le maillage i=1 [xi , xi+1 ] : les
fonctions chapeau φx1 et φx7 de la base de P1 .

Notation. Soit V un espace vectoriel de dimension n, et soit (⃗bi )i=1,...,n une base de V.
x1
 
n
. 
X
Si ⃗x = xi⃗bi alors on note [⃗x]|⃗b =  .
. (2.6)
i=1 xn
la matrice colonne stockant les composantes de ⃗x dans la base (⃗bi ) .

3
4 2.1. L'espace usuel P1 sur [a, b]

Proposition 2.2 L'ensemble P1 donné en (2.3) est un espace vectoriel de dimension n, et (φxi )i=1,...,n
est une base de P1 (base constituée des fonctions chapeau). Et toute fonction f h ∈ P1 est donnée par :

 
n y1
X .
.
 noté
fh = yi φxi , où yi = fh (xi ), soit [fh ]|φ =   = [⃗y ]. (2.7)

.
i=1 yn
Pn
Donc fh (x) = i=1 yi φxi (x) pour tout x ∈ [a, b], avec yi = fh (xi ).

Preuve. Si fh , gh ∈ P1 et α ∈ R, alors αfh + gh est bien dans P1 (est continue dans [a, b] et ane sur
chaque [xi , xi+1 ]). Donc P1 est un sous-espace vectoriel de (C 0 ([a, b]), +, .).
Vérions que (φxi )i=1,...,n est une base de P1 , ce qui donnera aussi dim P1 = n.
Pn Pn
• Famille libre : si i=1 αi φxi = 0 (égalité Pntout x ∈ [a, b], i=1 αi φxi (x) =
Pnentre fonctions), i.e. si pour
0 (égalité entre réels), alors en particulier i=1 αi φxi (xj ) = 0, donc i=1 αi δij = 0, donc αj = 0, vrai
pour tout j : tous les αj sont nuls.
• Famille génératrice. Soit fh ∈ P1 . Par dénition de P1 , fh est ane sur les [xi , xi+1 ], et de plus
fh est continue, donc fh est déterminée
Pn ssi on connaît ses valeurs yi = fh (xi ) pour tout i = 1, ..., n.
Notons yi := fh (xi ) et gh :=
Pn Pn i=1 i xi . On a gh ∈ P1 car P1 est un espace vectoriel. Et gh (xj ) =
y φ
y φ
i=1 i xi (x j ) = y δ
i=1 i ij = yj , ce pour tout j , donc fh = gh aux points xi pour xi = 1, ..., n. Donc
fh = gh sur [a, b]. Donc fh ∈ Vect{φi , i = 1, ..., n}.

Exercice 2.3
Pn
Montrer que pour tout x ∈ [a, b] on a i=1 φxi (x) = 1.
Réponse. La fonction fh = 1[a,b] est dans P1 (trivial), vérie fh (xi ) = 1 pour tout i, et on a (2.7).

2.1.3 Base non orthonormée relativement à (·, ·)L 2

P1 est un sous-espace vectoriel de L2 (]a, b[) (car de dimension nie et les φxi ∈ L2 (]a, b[) : trivial).
Donc (·, ·)L2 a un sens dans P1 . On note (P1 , (·, ·)L2 ) =
noté P .
1

Lemme 2.4 La base usuelle (φxi ) de P1 dénie en (2.4) n'est pas orthogonale pour le produit sca-
laire (·, ·)L2 (en particulier ce n'est pas une b.o.n. dans (P1 , (·, ·)L2 )).

Preuve. Z xn Z x2
(φx1 , φx2 )L2 = φx1 (x)φx2 (x) dx = φx1 (x)φx2 (x) dx > 0, (2.8)
x1 x1

car φx1 est nulle sur ]x2 , xn [ et φx1 et φx2 sont strictement positives continues sur ]x1 , x2 [. Donc
̸ 0, donc (φxi )i=1,...,n n'est pas orthogonale dans (P1 , (·, ·)L2 ).
(φx1 , φx2 )L2 =
On note, pour tout i, j = 1, ..., n :

Z b
Mij = (φxi , φxj )L2 = φxi (x)φxj (x) dx, et M = [Mij ] i=1,...,n , (2.9)
j=1,...,n
a

M étant la matrice du produit scalaire (·, ·)L2 dans P1 relativement à la base (φxi ) (matrice de masse).

Exercice 2.5 Montrer :

x2 − x1 x3 − x1 x2 − x1
||φx1 ||2L2 = , ||φx2 ||2L2 = , (φx1 , φx2 )L2 = . (2.10)
3 3 6

(x−x2 )2 (x−x2 )3 x2
Réponse. ||φx1 ||2L2 =
R x2 (x2 −x1 )
x1 (x1 −x2 )2
dx = [ 3(x 1 −x2 )
2 ]x 1 = 3
.
2
R x2 (x−x1 )2 R x3 (x−x3 )2 (x2 −x1 ) (x3 −x2 ) (x3 −x1 )
||φx2 ||L2 = x1 (x2 −x1 )2 dx + x2 (x2 −x3 )2 dx = 3
+ 3
= 3
.
R x2 (x−x2 ) (x−x1 ) 1
(φx1 , φx2 )L2 = x1 (x1 −x2 ) (x2 −x1 ) dx = 6 (x2 − x1 ).

4
5 2.2. Rappels de dénitions

2.2 Rappels de dénitions

2.2.1 Matrice d'un produit scalaire = matrice de masse
Soit H un espace vectoriel réel de dimension n (exemple H = P1 ).

Dénition 2.6 La matrice d'un produit scalaire sur H dans une base de H est appelée matrice de masse
(ou matrice de Gram).

Donc : si (⃗ai )1,...,n est une base de H, si (·, ·)H est un produit scalaire sur H, alors la matrice :

noté
M = [(⃗ai , ⃗aj )H ] = [(·, ·)H ]|⃗a (2.11)

est une matrice de masse : c'est la matrice du produit scalaire

P P (·, ·)H dans la base (⃗ai ). Et on a immédia-
tement, pour tous ⃗x = i∈I xi⃗
ai et ⃗y = i∈I yi⃗
ai :

X n
X
(⃗x, ⃗y )H = xi yj (⃗ai , ⃗aj )H = xi Mij yj = [⃗x]T|⃗a .M.[⃗y ]|⃗a . (2.12)
i,j∈I i,j=1

Proposition 2.7
Pn
Soit (⃗ai )1,...,n une base de H , ⃗x ∈ H , ⃗x = i=1 xi⃗ai . On a :

n
X
(⃗x, ⃗aj )H = Mij xi . (2.13)
i=1

Donc (⃗x, ⃗aj )H = xj pour tout j ssi M = I, i.e. ssi (⃗ai ) est une (·, ·)H -b.o.n..

Preuve. (⃗x, ⃗aj )H = (

P P P
i xi⃗ai , ⃗aj )H = i xi (⃗ai , ⃗aj )H = i Mij xi .

Exemple 2.8 Rn = R × ... × R (produit cartésien n fois), soit (⃗ei ) sa base canonique, soit (·, ·)Rn son
Soit
produit scalaire canonique (déni par (⃗ ei , ⃗ej )Rn = δij pour tout i, j ). Alors la matrice de masse associée
est M = [(⃗
ei , ⃗ej )Rn ] = [δij ] = I la matrice identité.

Exemple 2.9 Soit P1 muni du produit scalaire (·, ·)L2 et (φxi ) est la base des fonctions chapeau, cf. (2.4).
M = [(φxi , φxj )L2 )] = [Mij ] est la matrice de masse correspondante. Exempled'un maillage régulier :
 
2 1 0 ... 0
. 
.
1 4 1 0 . 

 .. 
h 0 1
 4 1 . 
M =  .. . . . . . . . . , (2.14)

6. . . . . 0 
..
 
. 1 4 1 
 

0 ... 0 1 2
cf. (2.10). C'est la matrice usuelle qu'on retrouve dans tous les problèmes élémentaires de mécanique 1-D
ou de noyaux intégraux 1-D. Ici M ̸= I : la base n'est pas orthonormée, cf. lemme 2.4.

Rappels : • Le produit cartésien Rn := R × ... × R (produit n-fois) muni de l'addition interne et de

la multiplication externe usuelles est un espace vectoriel réel. On note (⃗ei ) sa base canonique, où donc
⃗e1 = (1, 0, ..., 0), ..., ⃗en = (0, ..., 0, 1) avec 0 l'élément neutre de l'addition et 1 l'élément de la multiplication
du corps R.
• L'ensemble des matrices réelles n ∗ n est noté Mnn , et l'ensemble des matrices réelles n ∗ 1 (dites
matrices colonnes) est noté Mn1 . Ce sont des espaces vectoriels réels pour les opérations d'addition interne
et de multiplication externe usuelles. La base canonique (E ⃗ i ) de Mn1 sera systématiquement utilisée, où
1 0
   
0  .. 
donc E⃗ 1 := [⃗e1 ]|⃗e =  . , ..., E ⃗ n := [⃗en ] ⃗ =  . . Une matrice M ∈ Mnn est dénie positive ssi
 ..  |E 0
0 1
⃗cT .M.⃗c > 0 pour tout ⃗c ∈ Mn1 −{⃗0} (matrice colonne non nulle).

Proposition 2.10 1- Une matrice de masse est une matrice symétrique dénie positive.
2- Une matrice symétrique dénie positive est une matrice de masse.

5
6 2.2. Rappels de dénitions

Preuve. (H, (·, ·)H ) Hilbert de dimension nie.

1- Soit M = [(⃗ai , ⃗aj )H ] une matrice de masse, où donc (⃗ai ) est une base dans H . La symétrie de M
est immédiate car (·, ·)H est un produit scalaire. Et (⃗x, ⃗y )H = [⃗x]T|⃗a .M.[⃗y ]|⃗a , et 0 < ||⃗x||2H pour ⃗x ̸= ⃗0,
donc 0 < [⃗x]T .M.[⃗x]|⃗a pour ⃗x ̸= ⃗0 : M est dénie positive.
|⃗
a
2- Soit M = [Mij ] symétrique dénie positive. Soit (⃗aj ) une base de H; on dénit la forme bilinéaire
b(·, ·) sur H par b(⃗ai , ⃗aj ) = Mij . On vérie immédiatement que b(·, ·) est un produit scalaire dans H.

Proposition 2.11 Un espace de Hilbert (H, (·, ·)H ) de dimension n est isomorphe au produit cartésien
Rn muni de son produit scalaire canonique (·, ·)Rn (déni par (⃗ei , ⃗en )Rn = δij pour tout i, j ).

Preuve. Soit (·, ·)H -b.o.n. dans H (où donc (⃗ai , ⃗aj )H = δij pour tout i, j ). Soit J : H → Rn
(⃗ai ) une
l'application linéaire dénie par J(⃗ ai ) = ⃗ei . Alors J est trivialement bijective et vérie (J(⃗ai ), J(⃗ai ))Rn =
δij car (J(⃗ai ), J(⃗ai ))Rn = (⃗ei , ⃗ej )Rn , donc J conserve le produit scalaire, donc J est un isomorphisme
entre deux Hilbert.

Exemple 2.12 Soit M ∈ Mnn symétrique dénie positive. Soit (Rn , (·, ·)M ) l'espace Rn muni d'un
produit scalaire (·, ·)M (où donc (⃗x, ⃗y )M := [⃗x]T|⃗e .M.[⃗y ]|⃗e ). On a : (Rn , (·, ·)M ) est isomorphe à Rn usuel,
n n
i.e. isomorphe à (R , (·, ·)Rn ) = (R , (·, ·)I ) (où donc (⃗x, ⃗y )I := [⃗x]T|⃗e .[⃗y ]|⃗e ).

Exemple 2.13 Isomorphisme (P1 , (·, ·)L2 ) vers (Rn , (·, ·)M ). Soit fh , gh ∈ P1 . Notons y1 , ..., yn et
z1 , ..., zn leurs composantes sur la base (φxi ) :
 
y1 z1
 
n n
X X  ..  noté .  noté
.
fh = yi φxi , gh = zi φxi , i.e. [fh ]|φ =  .  = [⃗y ], [gh ]|φ =  . = [⃗z]. (2.15)
i=1 i=1 yn zn

Et soit ⃗y , ⃗z ∈ Rn dénis par

n
X n
X
[⃗y ]|⃗e = [⃗y ], [⃗z]|⃗e = [⃗z], i.e. ⃗y = yi⃗ei , ⃗z = zi⃗ei . (2.16)
i=1 i=1
P P
Comme (fh , gh )L2 = ij yi zj (φxi , φxj )L2 = ij yi Mij zj , on a :

(fh , gh )L2 = [⃗y ]T .M.[⃗z] = (⃗y , ⃗z)M . (2.17)

Ainsi, les calculs dans (P1 , (·, ·)L2 ) sont traduits en calculs dans (Rn , (·, ·)M ), où (·, ·)M est un produit
scalaire dans Rn puisque M est une matrice symétrique dénie positive (matrice de masse).

2.2.2 Diagonalisation d'une matrice de masse

Soit M une matrice réelle de masse et le problème spectral (problème de recherche de valeurs et
vecteurs propres) :
(
trouver les couples (λ, ⃗v ) ∈ R × Mn1 t.q. :
(2.18)
M.⃗v = λ⃗v .
En général ce problème est traduit en problème dans Rn cartésien muni de sa base canonique (⃗ei ) et de
son produit scalaire canonique (·, ·)Rn :

(
trouver les couples (λ, ⃗v ) ∈ R × Rn t.q. :
(2.19)
M.[⃗v ]|⃗e = λ[⃗v ]|⃗e , réécrit abusivement M.⃗v = λ⃗v .

C'est cette forme traduite et sa notation abusive qu'on utilisera quand il n'y a aura pas d'ambiguïté.
Comme M est symétrique réelle, elle est diagonalisable dans une b.o.n. (⃗vi ) de (Rn , (·, ·)Rn ), voir
poly diagonalisation. I.e. le problème spectral (2.19) a une innité de solutions (λ, ⃗ v ) parmi lesquelles
on peut en choisir n, notées (λi , ⃗vi ), telles que (⃗vi )i=1,...,n est une b.o.n. (de vecteurs propres), dite

6
7 2.2. Rappels de dénitions

b.o.n. de diagonalisation, et les λi sont les valeurs propres associées : ∃λ1 , ..., λn ∈ R, ∃⃗v1 , ..., ⃗vn ∈ Rn ,
∀i, j = 1, ..., n,
M.⃗vj = λj ⃗vj et (⃗vi , ⃗vj )Rn = δij . (2.20)

Notons P = [Pij ] la matrice de passage de la base (⃗ei ) à la base (⃗vi ), où donc

 
n P1j
.
X
⃗vj = Pij ⃗ei , i.e. [⃗vj ]|⃗e =  . , et P = [Pij ] = ( [⃗v1 ]⃗e ... [⃗vn ]⃗e ) . (2.21)
 
.
i=1
Pnj

Avec D = diag(λi ) la matrice n∗n des valeurs propres, (2.20) s'écrit sous forme matricielle :

M.P = P.D et P T .P = I, donc D = P −1 .M.P et P −1 = P T . (2.22)

Proposition 2.14 Si M est une matrice de masse alors ses valeurs propres sont toutes > 0, et M est
inversible.

Preuve. λi = λi (⃗vi , ⃗vi )H = (λi⃗vi , ⃗vi )H = (M.⃗vi , ⃗vi )H > 0, car M est dénie positive, vrai pour tout i.
Donc D est inversible, avec P inversible (matrice de changement de base), donc M = P.D.P −1 est
inversible.

2.2.3 B.o.n. dans H par diagonalisation d'une matrice de masse

Soit (⃗ai ) une base de H (par exemple la base (φxi ) dans P1 ), soit M = [(⃗ai , ⃗aj )H ] la matrice de masse
associée.
On se plonge dans Rn : soit (⃗vi ) une b.o.n. de Rn de diagonalisation de M associée aux valeurs
propres λi de M, cf. (2.20). Et on déni p⃗j ∈ H par, pour tout j,
 
n P1j
.
X
p⃗j = Pij⃗ai , i.e. [⃗
pj ]|⃗a := ⃗vj =  . . (2.23)
 
.
i=1
Pnj

Proposition 2.15 Les p⃗j forment une base orthogonale dans H : on a, pour tout i, j ,

(⃗
pi , p⃗j )H = λi δij , donc (⃗bi , ⃗bj )H = δij où ⃗bi = √p⃗i , (2.24)
λi

et (⃗bi ) = ( √p⃗λi )i=1,...,n est orthonormale dans (H, (·, ·)H ).

i

Preuve. Par bilinéarité

X de (·, ·)H , pour tout i, j on a, avec (2.22) :
X
(⃗
pi , p⃗j )H = Pki Pℓj (⃗ak , ⃗aℓ )H = (P T )ik Mkℓ Pℓj = (P T .M.P )ij = (P −1 .M.P )ij = Dij = λi δij .
kℓ kℓ

Exercice 2.16 Soit H 2 muni d'un produit scalaire (·, ·)H . Soit (⃗a1 , ⃗a2 )
un espace vectoriel de dimension
 
2 1
une base de H et M = [(⃗ ai , ⃗aj )H ] = la matrice de masse associée. Diagonaliser M et trouver la
1 2
b.o.n. (⃗
b1 , ⃗b2 ) (à exprimer dans la base (⃗a1 , ⃗a2 ), donc donner P ).
Réponse. On a det(M − λI) = λ2 − 4λ + 3 = (λ − 1)(λ − 3). Donc λ1 = 1 et λ2 = 3 sont les deux valeurs
√ √ √
 
2 2 2 1
propres. Soit (⃗e1 , ⃗e2 ) la base canonique de R . Et ⃗v1 = − ⃗e2 ) et ⃗v2 =(⃗e1 + ⃗e2 ) (⃗e1 v1 ] = 22
(où donc [⃗
2 2 −1
√
 
2 1 2
et [⃗
v1 ] = 2 ) sont deux vecteurs propres normés associés formant une b.o.n. dans (R , (·, ·)R2 ) (immédiat).
1
√
 
1 1
Et P = ( [⃗ v1 ] [⃗v2 ] ) = 22 . Donc dans H on prend p ⃗1 et p ⃗2 t.q. [⃗
p1 ]|⃗a = [⃗v1 ] et [⃗
p2 ]|⃗a = [⃗v2 ], i.e.
−1 1
√ √ √
⃗1 = 22 (⃗a1 − ⃗a2 ) et p
p ⃗2 = 22 (⃗a1 + ⃗a2 ). Puis on pose ⃗b1 = √1λ p ⃗1 = p ⃗1 = 22 (⃗a1 − ⃗a2 ) et ⃗b2 = √1λ p ⃗2 = √13 p ⃗2 =
1 2
1
√ (⃗
6
a1 + ⃗
a 2 ). Vérications :

(⃗b1 , ⃗b1 )H = 12 ((⃗a1 , ⃗a1 )H − 2(⃗a1 , ⃗a2 )H + (⃗a2 , ⃗a2 )H = 21 (M11 − 2M12 + M22 ) = 1,
(⃗b1 , ⃗b2 )H = √ 2
1
3
((⃗a1 , ⃗a1 )H − (⃗a2 , ⃗a2 )H = 1 (M11 − M22 ) = 0,
2
(⃗b2 , ⃗b2 )H = 16 ((⃗a1 , ⃗a1 )H + 2(⃗a1 , ⃗a2 )H + (⃗a2 , ⃗a2 )H = 61 (M11 + 2M12 + M22 ) = 1.

7
8

2.2.4 Exemple : b.o.n. de diagonalisation dans P1

Matrice de masse M = [(φxi , φxj )L2 ] (voir (2.14) par exemple). (2.22) donne :

M = P.D.P −1 avec P −1 = P T . (2.25)

La proposition 2.15 donne : une b.o.n. (ζi )i=1,...,n de fonctions de P1 associée aux valeurs propres λi est
donnée par, cf. (2.24), pour i = 1, ..., n :

 
P1j n
1  . 1 X
[ζj ]|φ = p  . , i.e. ζj = p Pij φxi . (2.26)

.
λj λj i=1
Pnj

Voir gure 2.2.

Figure 2.2  Suite de la gure 3.1 (maillage de 15 intervalles réguliers). Représentation de 6 fonctions
propres associées aux 6 premières valeurs propres rangées dans l'ordre décroissant, cf. (2.26).

3 Base duale vectorielle (relativement à un produit scalaire)

3.1 Dénition
Soit (H, (·, ·)H ) un espace de Hilbert de dimension nie n muni d'un produit scalaire, soit (⃗ai )i=1,...,n
une base de H . Soit M = [(⃗ai , ⃗aj )H ] = [(·, ·)H ]|⃗a (la matrice de masse de (·, ·)H pour la base (⃗ai )).

Dénition 3.1 La base duale vectorielle (ou base vectorielle duale) de la base (⃗ai )i=1,...,n relativement au
a⋆
produit scalaire (·, ·)H est la base des vecteurs notée (⃗ i )i=1,...,n de H qui vérie, pour tous i, j = 1, ..., n :

(⃗a⋆
i ,⃗
aj )H = δij . (3.1)

(Attention, elle dépend du choix du produit scalaire.)

3.2 Composantes à l'aide de la base duale

Proposition 3.2 La base duale vectorielle (⃗a⋆i )i=1,...,n existe et est unique, et la matrice N = [(⃗a⋆i , ⃗a⋆j )H ]
(matrice de masse de (·, ·)H pour la base (⃗a⋆
i )) vérie

n
⃗a⋆ =
X
−1
N =M , avec j Nij⃗ai . (3.2)
i=1

8
9 3.3. Exemple : base duale vectorielle dans P1

Donc N est la matrice de passage de la base (⃗ai ) à laPbase (⃗a⋆

i ) (stocke dans sa j -ème colonne les
a⋆
n
composantes de ⃗ j dans la base (⃗ai )). Et si ⃗x ∈ H , ⃗x = j=1 xj⃗aj alors, pour tout j ,

xj = (⃗x, ⃗a⋆
j )H . (3.3)

Et la base vectorielle biduale est la base initiale : (⃗a⋆ ⋆ ai

i ) =⃗ pour tout i = 1, ..., n.

Preuve. P a⋆
Supposons que la base duale (⃗ i ) existe. Notons Zij ⃗a⋆
les composantes dej dans la base (⃗ai ),
a⋆ = = (⃗a⋆
n P P
i.e. ⃗j i=1 Zij ⃗
ai . Alors (3.1) donne δij i ,⃗
aj )H = Z (⃗
a ,
k kj k i H ⃗
a ) = k M Z
ik kj = (M.Z) ij (car
M est symétrique), pour tous i, j , donc I = M.Z , donc Z est inversible d'inverse Z = M −1 (car M est
inversible cf. prop. 2.14). Donc les Zij sont uniques, donc si la base duale existe alors elle est unique.
Pn
et ⃗ ai . On a (⃗bj , ⃗ai )H =
−1
P P
Puis posons Z = M bj = i=1 Zij ⃗ k Zkj (⃗
ak , ⃗ai )H = k Mik Zkj =
(M Z)ij = δij pour tous i, j . Donc (⃗bi ) est une base duale de (⃗ai ). Vu l'unicité (⃗bi ) =noté (⃗a⋆ i ) existe et
⃗ ⃗ ⃗
est unique. Et (bi , bj )H = (bi ,
P P ⃗ P
k Zkj ⃗
ak )H = k Zkj (bi , ⃗ak )H = k Zkj δik = Zij pour tout i, j , donc
Z = N , et Z P= N est la matrice de passage P de la base ) à la base (⃗a⋆
(⃗aiP i ).
Puis ⃗
⋆ ⋆
x = i xi⃗ai donne (⃗x, ⃗aj )H = i xi (⃗ai , ⃗aj )H = i xi δij = xj .
Et, par symétrie du produit scalaire, (⃗ ai , ⃗a⋆
j )H = δij pour tous i, j : donc (⃗ a⋆ ⋆ ai pour tout i.
i ) =⃗

Corollaire 3.3 Ssi (⃗ai ) est une b.o.n., les projections πi sur Vect{⃗ai } parallèlement aux directions ⃗aj
pour j ̸= i sont : 

 H →R
πi = (⃗a⋆

n
i , ·)H : déf (3.4)
xj⃗aj → πi (⃗x) = (⃗a⋆
X

 ⃗x = i ,⃗
x)H = xi .

j=1

Exercice 3.4 (R2 , (·, ·)R2 ) avec (⃗e1 , ⃗e2 ) la base canonique (et (·, ·)R2
Dans le produit scalaire canonique).
a1 := ⃗e1 et ⃗a2 := ⃗e1 + ⃗e2 . Calculer la base duale (⃗a⋆
Soit ⃗ a⋆
1 ,⃗ 2 ).

Réponse. Le couple (⃗a1 , ⃗a2 ) est une base (immédiat). Cherchons ⃗a⋆
1 et ⃗a⋆
2 sous la forme ⃗a⋆
1 = Z11⃗
e1 + Z21⃗e2 et

⃗a⋆
2 = Z12⃗
e1 + Z22⃗e2 .
Réponse 1 : (3.1) s'écrit ici (⃗a⋆ aj )R2 = δij , donc Z11 ∗ 1 + Z21 ∗ 0 = 1, Z11 ∗ 1 + Z21 ∗ 1 = 0, Z12 ∗ 1 + Z22 ∗ 0 = 0
i ,⃗
et Z12 ∗ 1 + Z22 ∗ 1 = 1, donc Z11 = 1, Z21 = −1, Z12 = 0, Z22 = 1, donc ⃗ a⋆1 =⃗ e1− ⃗e2 et⃗a⋆ 2 =⃗ e2 .
1 1
Réponse 2 : la matrice de passage de la base (⃗ ei ) à la base (⃗ai ) est P = . Notons Z la matrice
0 1
de passage de la base (⃗ ei ) à la base (⃗a⋆ i ). On a (⃗ a⋆i ,⃗a ) 2 = δ , donc [⃗a⋆ T
i ]|⃗ .[⃗aj ]|⃗e = δij , pour tout i, j , donc
   j R  ij e   
1 −1 ⋆ a⋆
T T −1 1 0 1 0
Z .P = I . Donc Z = P = , donc Z = , donc [⃗
a1 ]|⃗e = et [⃗ ]
2 |⃗e = .
0 1  −1 1  −1 1
2 −1
a⋆ a1 −⃗a2 et ⃗a⋆
1 1
Réponse 3 : M = [(⃗ ai , ⃗aj )Rn ] = , d'inverse N = . Donc ⃗ 1 = 2⃗ 2 = −⃗a1 +⃗a2 .
1 2 −1 1
   
1 1 2 −1
Exemple 3.5 Suite de l'exemple 3.4. M = [(⃗ai , ⃗aj ) ]=
Rn
1 2
, d'inverse N =
−1 1
. Donc
   
2 −1
[⃗a⋆
1 ]|⃗
a = (première colonne de N ) et [⃗ a⋆2 ]|⃗a =
(deuxième colonne de N ). Donc ⃗ a⋆1 =
−1 1
2⃗a1 − ⃗a2 et ⃗a⋆ 2 = −⃗ a1 + ⃗a2 sont les vecteurs duaux exprimés dans la base (⃗ai ).
Vérication : (⃗ a⋆
1 ,⃗a1 )Rn = 2(⃗a1 , ⃗a1 )Rn − (⃗a2 , ⃗a1 )Rn = 2M11 − M21 = 1, (⃗a⋆ a2 )Rn = 2(⃗a1 , ⃗a2 )Rn −
1 ,⃗
(⃗a2 , ⃗a2 )R = 2M12 − M22 = 0, (⃗a⋆
n
2 ,⃗a1 )Rn = −(⃗a1 , ⃗a1 )Rn + (⃗a2 , ⃗a1 )Rn = −M11 + M21 = 0, (⃗a⋆ 2 ,⃗ a2 )Rn =
−(⃗a1 , ⃗a2 )R + (⃗a2 , ⃗a2 )R = −M12 + M22 = 1.
n n

3.3 Exemple : base duale vectorielle dans P1

Dans P1 , la base (·, ·)H -duale vectorielle (φ⋆
xi )i=1,...,n de la base (φxi )i=1,...,n est donnée par

n
φ⋆
X
xj = Nij φxi . (3.5)
i=1

Voir gure 3.1. Et puisque φxi (xj ) = δij on a donc φ⋆

xj (xi ) = Nij , donc, pour tout i, j = 1, ..., n,

φ⋆ ⋆ ⋆
xj (xi ) = (φxi , φxj )L2 . (3.6)

Cette relation φ⋆ ⋆ ⋆
xj (xi ) = (φxi , φxj )L2 sera très utilisée dans la suite (noyau reproduisant).

9
10 3.4. Noyau reproduisant dans P1

i i+1
S15
Figure 3.1  Sur [a, b] = [0, 1], i=1 [ 15 , 15 ]. En haut les fonctions chapeau φx1 et
pour le maillage
⋆
φx7 de la base de P1 , comme en gure 2.1, et en bas les fonctions φx1 et φx7 de la base vectorielle duale ⋆
de P1 , relativement au produit scalaire (·, ·)L2 .

3.4 Noyau reproduisant dans P1

yi =(3.3) (φ⋆
Pn
Si f h ∈ P1 , f h = i=1 yi φxi , alors xi , fh )L2 , donc

n
(φ⋆
X
fh = xi , fh )L2 φxi . (3.7)
i=1

Donc, pour x ∈ [a, b] :

n Z b Z b n
fh (y)φ⋆ φ⋆
X X
fh (x) = ( xi (y) dy)φxi (x) = ( xi (y)φxi (x))fh (y) dy (3.8)
i=1 y=a y=a i=1

Donc, posant

n n
déf X déf
φxi ⊗ φ⋆ φxi (x)φ⋆
X
K= xi , i.e. K(x, y) = xi (y), et avec Kx (y) = K(x, y), (3.9)
i=1 i=1

on a
Z b
fh (x) = (Kx , fh ) L2 = K(x, y)fh (y) dy. (3.10)
y=a

φxi ⊗ φ⋆
Pn
Et K= i=1 xi sera notre noyau reproduisant : le calcul (Kx , fh )L2 reproduit fh (x). Dessin de K
gure 3.2 : sur chaque rectangle Rij = [xi , xi+1 ] × [xj , xj+1 ], les φxi et les φ⋆xi étant anes par morceau,
(3.9) indique que la fonction K est bi-ane par morceaux, i.e. de la forme

K|Rij (x, y) = (ai x + bi )(cj y + dj ). (3.11)

Figure 3.2  Le graphe du noyau intégral reproduisant K, cf. (3.9) (suite de la gure 3.1).

10
11

4 L'espace usuel P0 sur [a, b]

Sn−1
On conserve le maillage (2.2) : [a, b] = i=1 [xi , xi+1 ]. On dénit :

déf
P0 = {fh : [a, b] → R t.q. ∀i = 1, ..., n−1, fh|]xi ,xi+1 [ constante}
(4.1)
= {fh : [a, b] → R t.q. ∀i = 1, ..., n−1, ∃ai ∈ R, ∀x ∈]xi , xi+1 [, fh (x) = ai },

l'ensemble des fonctions en escalier relativement au maillage.

P0 est un ensemble de fonctions dénies presque partout au sens de la mesure de Lebesgue.

Diérence essentielle avec P1 : les valeurs d'une fh ∈ P0 ne sont pas données aux xi .
Remarque 4.1 Utilité : Stockage d'une photo sous forme de pixels . L'ensemble des pixels reconstitue
la photo (de manière approchée).

Il est immédiat que P0 est un sous-espace vectoriel de L2 (]a, b[) de dimension n−1, dont une base est
la base (φi )i=1,...,n−1 des fonctions dénies par (les fonctions indicatrices) :

φi = 1]xi ,xi+1 [ , i = 1, ..., n−1. (4.2)

Rb R
Et (immédiat) Mij = (φi , φj )L2 = a φi (x)φj (x) dx = ]xi ,xi+1 [T]xj ,xj+1 [ dx = (xi+1 −xi )δij . (Et donc
1
une b.o.n. dans (P0 , (·, ·)L2 ) est donnée par les ζi où ζi (x) = √ φ (x).) Et donc la matrice de masse
xi+1 −xi i
de (·, ·)L2 pour la base (φi ) est
M = diag((xi+1 −xi )). (4.3)

Donc N = M −1 = diag((xi+1 −xi )−1 ), et la base duale vectorielle (φ⋆ i )i=1,...,n−1 relativement au produit
⋆
scalaire (·, ·)L2 (celle qui vérie (φj , φi )L2 = δij ) est donnée par, cf. (3.5) :

n
φ⋆
X
j = Nij φi = (xj+1 −xj )−1 φj . (4.4)
i=1

Et toute f h ∈ P0 s'écrit, pour presque tout x ∈ [a, b] (plus précisément pour tout x∈
/ {x1 , ..., xn }) :

n−1 n−1 Z b n−1

(fh , φ⋆ φ⋆
X X X
fh (x) = cj φj (x) = j )L2 φj (x) = fh (y) j (y)φj (x) dy
j=1 j=1 y=a j=1
(4.5)
Z b
= K(x, y)fh (y) dy = (Kx , fh )L2 ,
y=a

où
n−1
φj (x)φ⋆
X
K(x, y) := j (y) et Kx (y) := K(x, y). (4.6)
j=1

La fonction K ∈ L2 (]a, b[2 ) est notre noyau reproduisant.

Remarque 4.2 Kx n'est pas dénie pour x = xi , mais dénir les Kxi ne sert pas à grand chose puisque
l'information sauvegardée est celle à l'intérieur des pixels (et non au bord des pixels).

5 Rappels : endomorphisme
5.1 Dénition
Dénition 5.1 Soit H un espace vectoriel. Un endomorphisme sur H (ou dans H , ou de H ) est une
application linéaire de H dans lui-même. On note L(H) l'ensemble des endomorphismes de H . Et pour
L ∈ L(H) on note :
noté
L(⃗x) = L.⃗x, (5.1)

notation d'un produit car la linéarité permet de distribuer : L.(⃗x + λ⃗y ) = L.⃗x + λL.⃗y .

11
12 5.2. Matrice de représentation dans une base

5.2 Matrice de représentation dans une base

SoitH un espace vectoriel soit de dimension nie n. Soit (⃗ai )i=1,...,n =not. (⃗ai ) une base de H . Soit
L ∈ L(H) (endomorphisme). Pour j = 1, ..., n, on note Lij les composantes du vecteur L.⃗aj dans la
base (⃗
ai ) :  
n L1j
Lij ⃗ai , i.e. [L.⃗aj ]|⃗a =  L2j  .
X
L.⃗aj = (5.2)
 
.
i=1 .
.

Dénition 5.2 [L]|⃗a = [Lij ] i=1,...,n

j=1,...,n
est appelée la matrice de L relativement à la base (⃗ai ).
S'il n'y a pas d'ambiguïté sur le choix de la base on note [L]|⃗a = [L] = [Lij ].
Pn Pn
Par linéarité de L, quand ⃗x = j=1 xj⃗aj on a L.⃗x = j=1 xj L.⃗aj , et donc :

 Pn
L1j xj

n X
n Pj=1
n not.
[L.⃗x]|⃗a =  j=1 L2j xj  = [L]|⃗a .[⃗x]|⃗a = [L.⃗x] = [L].[⃗x],
X
L.⃗x = Lij xj ⃗ai , donc (5.3)
 
.
i=1 j=1 .
.

la dernière notation s'il n'y a pas d'ambiguïté sur le choix de la base.

Remarque 5.3 Si on dispose d'un produit scalaire (·, ·)H sur H, alors on dispose de la base duale
vectorielle (⃗a⋆
i ), cf. (3.1). Donc (5.2) donne immédiatement, pour tous i, j :

Lij = (⃗a⋆
i , L.⃗
aj )H , (5.4)

cf. (3.4).

Exercice 5.4 Soit (⃗ai ) et (⃗bi ) deux bases dans H, et soit P la matrice de passage de la base (⃗ai ) à la
base (⃗bi ), et soit Q la matrice de passage de la base (⃗bi ) à la base (⃗ai ), i.e., pour tout j = 1, ..., n :
n
X n
X
⃗bj = Pij⃗ai , ⃗aj = Qij⃗bi . (5.5)
i=1 i=1

Vérier Q = P −1 , et vérier la formule de changement de base pour les endomorphismes :

[L]⃗b = P −1 .[L]⃗a .P. (5.6)

Réponse. ⃗aj = ⃗
Pn P P P P P
i=1 Qij bi = i Qij ( k Pki⃗ak ) = k( ak = k (P.Q)kj ⃗ak .
i Pki Qij )⃗ Donc (P.Q)kj = δkj , vrai
pour tout j, k , donc P.Q = I , soit Q = P −1 .
ai et L.⃗bj = ⃗ ⃗
P P P
Soit A = [L]⃗a et B = [L]⃗b , où donc L.⃗aj = i Aij ⃗ iB ij bi , pour tout j . Donc i Bij bi =
L.⃗bj = L.( k Pkj ⃗ak ) = k Pkj L.⃗ak = k Pkj ( ℓ Aℓk⃗aℓ ) = kℓ Aℓk Pkj ( i Qiℓ⃗bi ) = i ( kℓ Qiℓ Aℓk Pkj )⃗bi =
P P P P P P P P
P ⃗
i (Q.A.P )ij bi . D'où Bij = (Q.A.P )ij , vrai pour tout i, j , donc B = Q.A.P .

Exercice 5.5 Montrer : un endomorphisme L peut avoir dans une base (⃗ai ) sa matrice [L]⃗a symétrique,
et peut avoir dans une autre base (⃗bi ) sa matrice [L]⃗b non symétrique.
 
1 0
Réponse. Soit (⃗a1 , ⃗a2 ) une base dans R2 , et L déni par L.⃗a1 = ⃗a1 et L.⃗a2 = 2⃗a2
[L]⃗a = est une Donc
  0 2
1 1
matrice symétrique. Soit ⃗ b1 = ⃗a1 et ⃗b2 = ⃗a1 + ⃗a2 , donc (⃗b1 , ⃗b2 ) est une base, et P = est la matrice de
  0 1
1 −1
ai ) à (⃗bi ). La formule de changement de base (5.6) donne [L]⃗b =
passage de (⃗ , matrice non symétrique.
0 2

5.3 Notations tensorielles (relativement à un produit scalaire)

Rappel : le produit tensoriel f ⊗ g de deux fonctions f, g : H → R est par dénition la fonction
f ⊗g : H ×H → R dénie par (f ⊗ g)(x, y) := f (x)g(y) pour tout x, y ∈ H . Ici on dénit le produit
tensoriel relatif à un produit scalaire.
Soit H un espace vectoriel muni d'un produit scalaire (·, ·)H .

12
13 5.4. Bases de L(H)

Dénition 5.6 Pour ⃗u, ⃗v ∈ H , on note ⃗u ⊗H ⃗v ∈ L(H) le (·, ·)H -endomorphisme déni relativement
à (·, ·)H par :
(
H → H,
⃗u ⊗H ⃗v : (5.7)
⃗y 7→ (⃗u ⊗H ⃗v ).⃗y = (⃗v , ⃗y )H ⃗u.
(La linéarité est immédiate car (·, ·)H est bilinéaire. Pas de dénition ici sans produit scalaire.)

N.B. : attention : cette dénition est très dépendante du choix du produit scalaire (·, ·)H sur H (dénition
non intrinsèque). Par exemple dans H = P1 on pourra prendre (·, ·)H = (·, ·)L2 , ou = (·, ·)H 1 ou = (·, ·)H01 ,
ou... suivant le problème et/ou l'utilisateur.

Exemple 5.7 (⃗a⋆i ) la base

Soit vectorielle (·, ·)H -duale de (⃗ai ). Pour i, j = 1, ..., n, le (·, ·)H -
ai ⊗H ⃗a⋆
endomorphisme ⃗ j est déni par, pour tout k = 1, ..., n :

(⃗ai ⊗H ⃗a⋆
j ).⃗
ak = δjk ⃗ai . (5.8)

Donc la matrice [⃗ai ⊗H ⃗a⋆

j ]|⃗
a du (·, ·)H -endomorphisme ⃗ai ⊗H ⃗a⋆
j dans la base (⃗
ai ) : a tous ses éléments nuls
sauf l'élément à l'intersection de la ligne i et de la colonne j qui vaut 1. Cela donnera une base de L(H),
voir (5.11).

Exemple 5.8 Soit M = [(⃗ai , ⃗aj )H ] la matrice de masse de (·, ·)H pour la base (⃗ai ). Pour i, j = 1, ..., n,
le (·, ·)H -endomorphisme ⃗ai ⊗H ⃗aj est donné par, pour tout k = 1, ..., n :
(⃗ai ⊗H ⃗aj ).⃗ak = (⃗aj , ⃗ak )H ⃗ai = Mjk ⃗ai . (5.9)

0
 
. 
0
 

Donc le k -ème vecteur colonne de la matrice [⃗ ai ⊗H⃗aj ]|⃗a est réduit à  Mjk ← ligne i  : tous ses éléments
 
0
 

.
 
0
0 ... 0
 
 . 
 0 ... 0 
 
nuls sauf le i-ème qui vaut Mjk ). Donc [⃗ ai ⊗H⃗aj ]|⃗a =  Mj1 . . . Mjn  ← ligne i : la matrice [⃗ai ⊗H⃗aj ]|⃗a
 
 0 ... 0 
 
.
 
0 ... 0
a toutes ses lignes nulles sauf la i-ème qui est la j -ème ligne de M .
(
H × H → L(H)
Exercice 5.9 Montrer que le (·, ·)H -produit tensoriel : ⊗H : déf est bili-
(⃗u, ⃗v ) 7→ ⊗H(⃗u, ⃗v ) = ⃗u ⊗H ⃗v
ai ) et (⃗bi ) sont deux bases, si ⃗u = i ui⃗ai et ⃗v = i vi⃗bi , alors :
P P
néaire. En particulier si (⃗
X
⃗u ⊗H ⃗v = ui vj⃗ai ⊗H ⃗bj . (5.10)
ij

Réponse. À ⃗v xé (5.7) donne trivialement la linéarité en ⃗u, et à ⃗u xé (5.7) donne trivialement la linéarité en ⃗v .
D'où (5.10).

5.4 Bases de L(H)

Soit (⃗ai ) et (⃗bi ) deux bases de H.

Proposition 5.10 (⃗ai ⊗H⃗bj ) i=1,...,n

j=1,...,n
est une base de L(H), donc L(H) est de dimension n2 . En particulier
(⃗ai ⊗H ⃗a⋆j ) j=1,...,n
i=1,...,n est une base de L(H). Et si L ∈ L(H) a pour composantes Lij dans la base (⃗ai ),
Pn
i.e. si L.⃗ aj = i=1 Lij⃗ai pour tout j, cf. (5.2), alors les Lij sont aussi les composantes de L dans la
base (⃗ ai ⊗H ⃗a⋆j ) :
n
Lij⃗ai ⊗H ⃗a⋆
X
L= j , quand [L]|⃗a = [Lij ]. (5.11)
i,j=1

13
14 5.5. Endomorphisme transposé (relativement à un produit scalaire)

Preuve. Montrons : (⃗ai ⊗ ⃗bj ) i=1,...,n =not. (⃗ai ⊗ ⃗bj ) αij⃗ai ⊗H ⃗bj = 0
P
H H
est libre dans L(H). Supposons ij
j=1,...,n

(endomorphisme nul) où les αij sont des réels. Soit (⃗b⋆

j ) la base vectorielle duale de (⃗bj ). Alors pour
ai ⊗H bj ).bk = 0 = ij αij⃗ai (bj , ⃗b⋆
⃗ ⃗ ⋆ ⃗ ⃗
P P P P
k ∈ [1, n]N on a ij αij (⃗ k )H = ij αij ⃗
ai δjk = i αik⃗ai , donc αik = 0
pour tout i (car (⃗ai ) est une famille libre), ce pour tout k. Donc αik = 0 pour tous i, k . Donc (⃗ai ⊗H ⃗bj )
est libre. En particulier (⃗ai ⊗H ⃗a⋆
j ) est libre dans L(H).
Montrons : (⃗
⋆ P
ai ⊗H ⃗aj ) est génératrice dans L(H). Soit L ∈ L(H), L.⃗aj = i Lij⃗ai pour tout j . Soit
M = i,j Lij⃗ai ⊗H ⃗a⋆ ak = i,j Lij⃗ai (⃗a⋆
P P P P
j ∈ L(H). On a M.⃗ j ,⃗
ak )H = i,j Lij⃗ai δjk = i Lik⃗ai = L.⃗ak ,
ai ⊗H ⃗a⋆ ai ⊗H ⃗a⋆
P
vrai pour k ∈ [1, n]N . Donc M = L, donc L = i,j Lij ⃗ j : (⃗ j ) est génératrice et on a (5.11).
Donc (⃗
⋆
ai ⊗ ⃗a ) est une base dans L(H). Donc dim(L(H)) = n . 2
H j
Donc (⃗ai ⊗H ⃗bj ) famille libre de n2 éléments : est une base de L(H).

Proposition 5.11 Suite. Avec [L]|⃗a = [Lij ] et avec M = [(⃗ai , ⃗aj )H ] on a :

n
X
L= Zij⃗ai ⊗H ⃗aj où [Zij ] = [L]|⃗a .M −1 . (5.12)
i,j=1

Et [Zij ] = [Lij ] ssi (⃗ai )i=1,...,n est une b.o.n. de (H, (·, ·)H ).

Preuve.
P P
P Pour k ∈ [1,
Pn]NP, d'une part L.⃗ aP
k = i Lik⃗ai , et d'autre part ( i,j Zij⃗ai ⊗H ⃗aj ).⃗ak =
i,j Zij ⃗
ai (⃗aj , ⃗ak )H = i( j Zij Mkj )⃗
ai = i (Z.M )ik⃗
ai (car M est symétrique). Vrai pour tout k ,
d'où Lik = (Z.M )ik pour tous i, k , d'où (5.12). Et [L] = Z ssi M = I .

Proposition 5.12 Avec [L]|⃗a = [Lij ] et M = [(⃗ai , ⃗aj )H ], on a, pour tout i, j ,

n
X
(L.⃗aj , ⃗ai )H = Mik Lkj = (M.[L]|⃗a )ij . (5.13)
k=1
P P
Donc, pour ⃗x = i xi⃗ai et ⃗y = i yi⃗ai ,
n
X
(L.⃗x, ⃗y )H = [⃗y ]T .M.[L]|⃗a .[⃗x] (= xj yi Mik Lkj ). (5.14)
k,j,i=1

(NB : dans notre exemple (P1 , (·, ·)L2 ), cf. Ÿ 2.1, il ne faudra pas oublier M dans (5.14), car la base usuelle
(φxi ) n'est pas (·, ·)L2 -orthonormée : M ̸= I .)

Preuve.
Pn Pn
(L.⃗aj , ⃗ai )H = k=1 Lkj (⃗ak , ⃗ai )H = k=1 Mik Lkj = (M.[L])ij . D'où (5.14) par bilinéarité
de (·, ·)H .

Exercice 5.13
P P
Soit M = [(⃗ai , ⃗aj )H ]). Montrer : si ⃗u = i ui⃗ai et ⃗v = i vi⃗ai , alors la matrice [(⃗u ⊗H⃗v )ij ]
de ⃗u ⊗H ⃗v dans la base (⃗
ai ) est donnée par :
X
[⃗u ⊗H ⃗v ] = [ui vj ].M, soit (⃗u ⊗H ⃗v )ij = ui Mjk vk = ui (M.[⃗v ])j . (5.15)
k

Et [ui vj ] n'est la matrice de ⃗u ⊗H ⃗v que si (⃗ai ) est une b.o.n..

Réponse. On a ⃗u ⊗H ⃗v =
P P P
ik ui vk⃗ai ⊗H ⃗ak , cf. (5.10), donc (⃗
u ⊗H ⃗v ).⃗aj = ik ui vk⃗ai (⃗ak , ⃗aj )H = ik ui vk Mkj ⃗ai =
P P
i( k ui Mjk vk )⃗
ai car M est symétrique.

5.5 Endomorphisme transposé (relativement à un produit scalaire)

Dénition 5.14 Soit L ∈ L(H) un endomorphisme. L'application linéaire transposée de L relativement
au produit scalaire (·, ·)H est l'endomorphisme LTH ∈ L(H) déni par, pour tous ⃗x, ⃗y ∈ H :

(LTH .⃗y , ⃗x)H = (⃗y , L.⃗x)H . (5.16)

Remarque 5.15 Malheureusement la dénition de LTH n'est pas intrinsèque : elle dépend du produit
scalaire (·, ·)H choisi dans H. Donc attention au produit scalaire choisi.

14
15 5.6. Endomorphisme symétrique (relativement à un produit scalaire)

Proposition 5.16 (H, (·, ·)H ), il existe un unique endomorphisme LTH .

Dans
Soit (⃗
ai ) une base dans H et soit M = [(⃗ai , ⃗aj )H ] la matrice de masse correspondante. Et soit
[L]|⃗a = [Lij ] =not. [L] et [LTH ]|⃗a = [(LTH )ij ] =noté [LTH ] les matrices de L et LTH dans cette base. On a :

[LTH ] = M −1 .[L]T .M. (5.17)

Et [LTH ] = [L]T ssi M.[L] = [L].M , i.e. ssi les matrices M et [L] commutent.

Preuve. Analyse. Supposons que

P LH
T T
existe. Par dénition de LH on a (LTH .⃗aj , ⃗ai )H = (L.⃗ai , ⃗aj )H pour
T T
P
tous i, j . D'où, ayant LH .⃗
aj = k (LH )kj ⃗
ak et L.⃗aj = ℓ Lℓj⃗aℓ :
X X
(LTH )kj (⃗ak , ⃗ai )H = Lℓi (⃗aℓ , ⃗aj )H , (5.18)
k ℓ

Mik (LTH )kj =

P P
soit k ℓ Mjℓ Lℓi par symétrie de M, pour tous i, j . Donc :

(M.[LTH ])ij = (M.[L])ji = ((M.[L])T )ij = ([L]T .M )ij , (5.19)

car M est symétrique, d'où (5.17). Donc si LTH LTH est unique, donnée par (5.17).
existe alors
T −1
Synthèse. Soit Z l'endomorphisme de matrice A = M
P P P .[L] .M dans la base (⃗ai ). Alors −1
:
T
(Z.⃗aj , ⃗ai )H P
= k A kj (⃗
a k , ⃗
a i ) H = k A kj gki = P k gik A kj = (M.A) ij = (M.M .[L] .M )ij =
T
P
([L] .M )ij = k Lki M kj = k L ki (⃗
a k , ⃗
a j ) H = ( k Lki ⃗
a k , ⃗
a j )H = (L.⃗a i , ⃗
a j )H , ce pour tous i, j ,
T
d'où (5.16). D'où Z vérie(5.16) : c'est donc LH .
T T T T
Si M.[L] = [L].M alors (M.[L]) = ([L].M ) et donc [L] .M = M.[L] car M est symétrique, donc
T T −1 T −1 T T
M et [L] commutent. D'où [LH ] = M .[L] .M = M .M.[L] = [L] .
T T −1
Si M.[L] ̸= [L].M , alors [L] .M ̸= M.[L] , d'où M .[L]T .M ̸= [L]T , d'où [LTH ] ̸= [L]T .

5.6 Endomorphisme symétrique (relativement à un produit scalaire)

Dénition 5.17 L est dite (·, ·)H -symétrique, ou symétrique relativement au produit scalaire (·, ·)H ssi,
pour tous ⃗x, ⃗y ∈ H :
(L.⃗y , ⃗x)H = (⃗y , L.⃗x)H , (5.20)

i.e. ssi, cf. (5.16) :

LTH = L. (5.21)

Attention : le caractère symétrique dépend du choix du produit scalaire (·, ·)H . Voir exercice 5.19.

Proposition 5.18 Soit (⃗ai ) une base. L est (·, ·)H -symétrique ssi pour tous i, j = 1, ..., n :

(L.⃗ai , ⃗aj )H = (⃗ai , L.⃗aj )H , i.e. ssi M.[L]|⃗a = [L]T|⃗a .M, (5.22)

où M = [(·, ·)H ]|⃗a .

Preuve. On applique (5.17).

Exercice 5.19 On se xe un produit scalaire (·, ·)H .

1- Donner un exemple d'endomorphisme L (·, ·)H -symétrique dont la matrice n'est pas symétrique.
2- Montrer : si la matrice de L est (·, ·)H -symétrique dans une (·, ·)H -b.o.n., alors elle est symétrique
dans toute autre (·, ·)H -b.o.n..
3- Montrer : la symétrie d'un endomorphisme L est dépendante du choix du produit scalaire : on peut
avoir L symétrique pour un produit scalaire (·, ·)H donné, et L non symétrique pour un autre produit
scalaire (·, ·)h donné :
LTH = L et LTh ̸= L. (5.23)

   
1 0 1 1
Réponse. Suite de l'exemple 5.5 : [L]|⃗a = , ⃗b1 = ⃗a1 et ⃗b2 = ⃗a1 + ⃗a2 , donc P = et [L]|⃗b =
  0 2 0 1
1 −1
P −1 .[L]|⃗a .P = qui n'est pas symétrique.
0 2
2
1- On prend L ∈ L(R ), (⃗ai ) = (⃗ei ) la base canonique et (·, ·)H = (·, ·)R2 le produit scalaire euclidien.

15
16 5.7. Diagonalisation des endomorphismes symétriques

Ici L est (·, ·)R2 -symétrique : sur la base canonique (⃗e1 , ⃗e2 ) on a (L.⃗ei , ⃗ej )R2 = (L.⃗ej , ⃗ei )R2 = ([L]|⃗e )ij (la
matrice [L]|⃗e est symétrique). Mais la matrice [L]⃗b , de L dans la base (⃗b1 , ⃗b2 ), n'est pas symétrique (la matrice
dépend de la base), bien que L est (·, ·)R2 -symétrique.
2- Soit (⃗ ai ) et (⃗bi ) deux b.o.n., donc (⃗ai , ⃗aj )H = δij et (⃗bi , ⃗bj )H = δij pour tous i, j . Soit P la matrice de
ai ) à (⃗bi ), donc ⃗bj = i Pij ⃗ai pour tout j .
P
passage de (⃗

On a P .P = I car δij = (⃗ bi , ⃗bj )H = kℓ Pki Pℓj (⃗ak , ⃗aℓ )H = kℓ Pki Pℓj δkℓ = k Pki Pkj = (P T .P )ij . Donc
T P P P
P −1 = P T .
−1
Et formule de changement de base des endomorphismes : [L]⃗ b = P .[L]⃗a .P . Donc si [L]⃗a symétrique alors
T T T −1 T −1
[L]⃗b = P .[L]⃗a .(P ) = P .[L]⃗a .P = [L]⃗b , et [L]⃗b est bien symétrique.
2
3- On reprend le cadre R du 1-, et (·, ·)H = (·, ·)R2 le produit scalaire euclidien. La matrice de (·, ·)H dans la
base (⃗ ei ) est donc la matrice identité [(·, ·)H ] = I . On a vu que L est (·, ·)R2 -symétrique.  
1 1
Soit h(·, ·) = (·, ·)h le produit scalaire déni dans la base (⃗ ei ) par sa matrice [h] = dans la base
1 2
canonique. Et h(·, ·) est un produit scalaire : symétrie OK car (h(⃗ ei , ⃗ej ) = h(⃗ej , ⃗ei ), soit hij = hji pour tous i, j ),
et valeurs propres strictement positives car Tr([h]) > 0 et det([h]) > 0.
     
T 1 1 0 1
On a (Lh .⃗ e2 , ⃗e1 )h = (L.⃗e1 , ⃗e2 )h = (⃗e1 , ⃗e2 )h = ( 1 0 ) . . = (1 0). = 1, alors que
    1   2 1 2
1 1 1 1
(Lh .⃗e2 , ⃗e1 )h = (2⃗e2 , ⃗e1 )h = 2 ( 0 1 ) . . = 2(0 1). = 2, donc LTh ̸= L.
1 2 0  1 
1 2
Ou encore on applique (5.14) avec ici M = [h], et M.[L] = n'est pas symétrique.
1 4

5.7 Diagonalisation des endomorphismes symétriques

Dénition 5.20 Soit L ∈ L(H) un endomorphisme. Un couple (λ, ⃗v) ∈ R × H est un couple (valeur
propre , vecteur propre) de L ssi :
⃗v ̸= ⃗0 et L.⃗v = λ⃗v . (5.24)

Théorème 5.21 Soit H un espace vectoriel réel de dimension n muni d'un produit scalaire (·, ·)H .
Soit L ∈ L(H). Si l'endomorphisme L est (·, ·)H -symétrique, alors L est diagonalisable dans une b.o.n.
de (H, (·, ·)H ). I.e. : si ∀⃗x, ⃗y ∈ H on a (L.⃗x, ⃗y )H = (⃗x, L.⃗y )H , alors :
( )
∃λ1 , ..., λn ∈ R,
t.q. ∀i, j = 1, ..., n, L.⃗pj = λj p⃗j et (⃗
pi , p⃗j )H = δij . (5.25)
∃⃗p1 , ...., p⃗n ∈ H,

Et donc, (⃗
pi ) étant une (·, ·)H -b.o.n.,
n
X
L= λi p⃗i ⊗H p⃗i . (5.26)
i=1

Preuve. Soit (⃗bi ) une (·, ·)H -b.o.n dans H . Ainsi la matrice [L]|⃗b de L dans la base (⃗bi ) est symétrique,
cf. (5.22). Donc avec Rn (⃗ei ) et de son produit scalaire canonique (·, ·)Rn ,
muni de sa base canonique
la matrice A = [L] ⃗ est diagonalisable dans une b.o.n. (⃗
|b vi ) de Rn : ∃λ1 , ...., λn ∈ R, ∃⃗v1 , ...⃗vn ∈ R t.q.
A.⃗vi = λi⃗vi et (⃗vi , ⃗vj )Rn P
= δij pour tout i, j . Notons P = [Pij ] la matrice de passage de la base (⃗ei ) à la
base (⃗vi ), où donc ⃗vj = i Pij ⃗ei . Posons
X
[⃗
pj ]|⃗b = [⃗vj ]|⃗e , i.e. p⃗j = Pij⃗bi . (5.27)
i

Donc :
[L]|⃗b .[⃗
pj ]|⃗b = λj [⃗
pj ]|⃗b avec pj ]T|⃗b .[⃗
[⃗ pj ]|⃗b = I, (5.28)

donc, pour tout i, j :

L.⃗
pj = λj p⃗j , avec (⃗ pi , p⃗j )H = δij (5.29)

⃗i ⊗H p⃗⋆ ⃗⋆
Pn
car (⃗bi ) est une (·, ·)H -b.o.n.. Donc L = i=1 λi p i , et ici p i =p ⃗i (cas d'une b.o.n.), d'où (5.26).

16
17 5.8. Projection et espace propre associé à la valeur propre λ = 1

5.8 Projection et espace propre associé à la valeur propre λ = 1

5.8.1 Projection
Soit H un espace vectoriel de dimension n (nie) et L ∈ L(H). Rappel KerL := {⃗x ∈ H : L.⃗x = ⃗0}
(noyau) et ImL := {⃗y ∈ H : ∃⃗x ∈ H t.q. L.⃗x = ⃗y } (image).

Dénition 5.22 Une projection de H dans H est un endomorphisme P ∈ L(H) qui vérie :

P ◦ P = P. (5.30)

Proposition 5.23 Soit P une projection non nulle (il existe ⃗v ∈ H t.q. P.⃗v ̸= ⃗0).
1- ⃗v ∈ ImP ssi P.⃗v = ⃗v (la restriction de P à ImP est l'identité).
2- KerP ∩ ImP = {⃗ 0}.
3-
H = KerP ⊕ ImP. (5.31)

Et on dit que P est la projection sur ImP parallèlement à KerP .

4- P est diagonalisable : P n'a que deux valeurs propres 0 et 1 associées respectivement aux espaces
propres KerP et ImP .

Preuve. 1- Si ⃗v = P (⃗v), alors ⃗v ∈ ImP . Et si ⃗v ∈ ImP alors il existe ⃗u ∈ H tel que P (⃗u) = ⃗v. Et
P (P (⃗u)) = P (⃗u) car P est une projection, donc P (⃗v ) = ⃗v . Donc P|ImP = I .
2- Soit ⃗v ∈ KerP ∩ ImP : donc P (⃗v ) = ⃗0 et ∃⃗u t.q. ⃗v = P (⃗u). Donc ⃗0 = P (⃗v ) = P (P (⃗u)) = P (⃗u) = ⃗v :
on a ⃗v = 0.
3- Soit ⃗ v ∈ H . On a ⃗v − P.⃗v ∈ KerP car P.(⃗v − P.⃗v ) = P.⃗v − (P ◦ P ).⃗v = P.⃗v − P.⃗v = 0. Donc
⃗v = P ⃗v +(⃗v −P.⃗v ) ∈ ImP +KerP , donc H = KerP +ImP . Et KerP ∩ImP = {⃗0} donne H = KerP ⊕ImP .
4- Si ⃗v ∈ KerP , alors P (⃗v ) = 0 : donc tout vecteur de KerP est vecteur propre associé à la valeur
propre 0. On peut en choisir nK = dim(KerP ) indépendants.
v ∈ ImP , alors P.⃗v = ⃗v . Donc tout vecteur de ImP est vecteur propre associé à la valeur propre 1. On
Si ⃗
peut en choisir dim(ImP ) = n − nK indépendants car n = dim(H) = dim(KerP ⊕ ImP ) = dim(KerP ) +
dim(ImP ) : On a ainsi obtenu une base de vecteurs propres : P est diagonalisable, et il n'y a pas d'autre
valeur propre (0 est valeur propre de multiplicité nK et 1 est valeur propre de multiplicité n−nk ).

Exercice 5.24 Vérier : si H est de dimension nie n, si A est la matrice d'une projection P, alors
A2 = A, et les deux seules valeurs propres possibles de A sont 0 et 1.
Réponse. Soit (⃗ai ) une base et A la matrice de
Pn
PP n
dans cette base, soit P.⃗
Pn aj = i=1 Aij ⃗
P n
ai pour tout P j . Alors pour
n
toutj = 1, ..., n on a P (P.⃗aj ) = P.⃗aj , soit P ( i=1 Aij ⃗
a i ) = k=1 Akj ⃗
a k , donc i,k=1 A ij Aki .⃗
a k = k=1 Akj ⃗
ak ,
donc (A.A)kj = Akj , ce pour tous k, j , donc A2 = A.
Si λ ∈ R et ⃗ x ∈ Rn −{⃗0} vérient A.⃗ x = λ⃗x, alors A2 .⃗
x = A.(A.⃗
x) = A.(λ⃗ x = λ2 ⃗
x) = λA.⃗ x, avec A2 = A,
2 2
donc λ⃗
x=λ ⃗ x, donc λ = λ , donc λ = 0 ou 1.

5.8.2 Projection orthogonale

Dénition 5.25 On munit H d'un produit scalaire (·, ·)H . Une projection (·, ·)H orthogonale, ou projec-
tion orthogonale relativement au produit scalaire (·, ·)H , est une projection telle que :

∀⃗vk ∈ KerP, ∀⃗vi ∈ ImP, (⃗vk , ⃗vi )H = 0, i.e. t.q. ImP ⊥H KerP, (5.32)

⊥H
et, avec (5.31), on note H = KerP ⊕ ImP .

Proposition 5.26 Une projection (·, ·)H -orthogonale est diagonalisable dans une (·, ·)H -b.o.n..
En particulier une projection (·, ·)H -orthogonale est un endomorphisme (·, ·)H -symétrique.

Preuve. La projection étant orthogonale, on prend une b.o.n. dans KerL et une dans ImL, et on obtient
une b.o.n. faite de vecteurs propres.
Et un endomorphisme L diagonalisable dans une (·, ·)H -b.o.n. (⃗vi ) est nécessairement (·, ·)H -
symétrique : on a (L.⃗vi , ⃗vj )H = (λi⃗vi , ⃗vj )H = λi δij = (⃗vi , λj ⃗vj )H , donc (L.⃗vi , ⃗vj )H = (⃗vi , L.⃗vj )H , ce
T
pour tous i, j : donc L est (·, ·)H -symétrique : LH = L.

17
18

Exercice 5.27 Montrer que si P est une projection, on peut toujours trouver un produit scalaire (·, ·)H
sur H telle que P est une projection orthogonale.

Réponse. Soit (⃗ai )i=1,...,nK une base de KerP et soit (⃗bi )i=1,...,nI une base de ImP . Comme H = KerP ⊕ ImP , la
famille (⃗ci )i=1,...,n dénie par ⃗
ci = ⃗ai pour tout i = 1, ..., nK et ⃗cnK +i = ⃗bi pour tout i = 1, ..., nI est une base de H .
On dénit alors la forme bilinéaire g(·, ·) par g(⃗
ci , ⃗cj ) = δij pour tous i, j = 1, ..., n. On vérie immédiatement que
g(·, ·) =noté (·, ·)H ainsi dénie est symétrique dénie positive.

5.8.3 Approximée de f ∈ L2 (]a, b[) par fh ∈ P1

Soit f ∈ L2 (]a, b[) fh ∈ P1 qui approche au mieux f ?
donnée. Comment trouver la fonction
Si on dispose d'une distance on veut minimiser la distance entre f et P1 . Ici on dispose de l'instrument
de mesure ||.||L2 , donc : on veut trouver la fonction fh ∈ P1 qui minimise ||f − fh ||L2 .
P1 étant un sous-espace vectoriel de L2 (]a, b[) de dimension nie, il est fermé, donc fh existe et est
unique : c'est la projection (·, ·)L2 -orthogonale de f sur P1 , i.e. est solution de

(fh , gh )L2 = (f, gh )L2 , ∀gh ∈ P1 , (5.33)

ou si on préfère (f −fh , gh )L2 = 0 pour tout gh ∈ P1 , i.e. f −fh ⊥L2 P1 , faire un dessin.

Calcul : soit (φi ) une base de P1 (par exemple la base des fonctions chapeau), et

n
X
fh = yj φj , (5.34)
j=1

où donc les yj sont les composantes de fh sur la base (φi ). Connaître fh c'est connaître les n yj (les
inconnues sont y1 , ..., yn ).
• 1ère méthode : dans (5.33), les gh = φi donnent les n équations :

n
X
yj (φj , φi )L2 = (f, φi )L2 , ∀i = 1, ..., n,
j=1

soit    
y1 (f, φ1 )L2
. .
M.[⃗y ] = [⃗b], où M = [(φi , φj )L2 ], [⃗y ] =  . , [⃗b] =  . . (5.35)
   
. .
yn (f, φn ) L2
P
La résolution de ce système donne les yi , d'où fh = i yi φi .
• 2ème méthode : si on connaît la base duale vectorielle (φ⋆
i ) alors (3.1) donne directement :

Z b Z b
yi = (fh , φ⋆ ⋆
i )L2 = (f, φi )L2 = φ⋆ (x)f (x) dx =
i K(xi , x)f (x) dx, (5.36)
a a
P
d'où fh = i yi φxi .
Le coût de calcul de la base duale vectorielle est le coût d'inversion de M : C'est le coût d'une
diagonalisation, d'où la :

Pn• 3ème méthode : on connaît une b.o.n. (ζi ) de diagonalisation, cf. (2.26). Alors, notant fh =
j=1 zj ζj , (5.33) donne directement

donc
zi = (fh , ζi )L2 = (f, ζi )L2 , ∀i = 1, ..., n. (5.37)

6 Application linéaire continue (opérateur borné)

Rappel : si (E, ||.||E ) et (F, ||.||F ) sont deux espaces de Banach (espace vectoriel normés complets),
l'application linéaire L : (E, ||.||E ) → (F, ||.||F ) est continue dans E ssi :

∃C > 0, ∀⃗u ∈ E, ||L.⃗u||F ≤ C||⃗u||E . (6.1)

Ce qui revient à dire que, L étant linéaire, L est continue en ⃗0, ou encore bornée sur la boule unité : une
application linéaire continue est aussi appelée un opérateur borné.

18
19

Et on note ||L||L(E,F ) = ||L|| la plus petite des constantes C vériant (6.1), donc :

||L.⃗u||F ⃗u
||L|| = sup ||L.⃗u||F = sup (= sup ||L( )||F ). (6.2)
||⃗
u||E =1 u̸=0 ||⃗
⃗ u||E u̸=0
⃗ ||⃗u||E

Donc, si L est un opérateur borné, pour tout ⃗u ∈ E on a ||L.⃗u||F ≤ ||L|| ||⃗u||E .

Notation. Cas (E, ||.||E ) = (F, ||.||F ) = (H, (·, ·)H ) Hilbert. On notera :

L(H) = {L : H → H t.q. L linéaire et bornée}

(6.3)
= {L : H → H linéaire t.q. ||L|| < ∞}

l'ensemble des opérateurs bornés (endomorphismes continus) de H dans H , où ||L|| = sup||⃗u||H =1 ||L.⃗u||H .
Rappel : si E et F sont de dimension nie alors toutes les applications linéaires sont continues. Dé-
monstration immédiate à l'aide de bases et des matrices. C'est faux en dimension innie : voir exemple 6.1.

Exemple 6.1 ∗ P∞ 2
H = ℓ2 = {(⃗x = (xn )N∗ ∈ RN t.q.
Soit x < ∞} muni du produit scalaire
P∞ n=1Pnn 1
canonique (⃗ x, ⃗y )ℓ2 = n=1 xn yn et de la norme associée ||⃗x||ℓ2 = ( i=1 x2n ) 2 . Ainsi ℓ2 est un Hilbert. On
en ) la base canonique de ℓ2 (donc ⃗e1 = (1, 0, 0, ...), ⃗e2 = (0, 1, 0, ...), ...,et (⃗ei ) est une (·, ·)ℓ2 -b.o.n.,
note (⃗
trivial).
Soit L : ℓ2 → ℓ2 linéaire dénie par L.⃗en = λn⃗en pourPtout n. Sa matrice généralisée estP la matrice
diagonale [L]|⃗
noté diag(λ ). Et L.⃗
e = diag(λn )n∈N∗ = n x = n λn xn⃗en quand ⃗x = (xn )N∗ = n x n⃗
P en .
Si la suite (λn )N∗ est bornée, alors L est bornée de norme ||L|| = supN∗ (|λn |), puisque ⃗
x = n xn ⃗en ,
P∞ P∞
L.⃗x = n λn xn⃗en et Pythagore généralisé donnent ||L.⃗x||2 = n=1 λ2n x2n ≤ (supN∗ λ2n ) n=1 x2n , et que
P
||L.⃗en || = |λn | permet de s'approcher aussi près que souhaité de supN∗ (|λn |).
Si la suite (λn )N∗ n'est pas bornée alors L n'est pas borné : on prend une sous suite (λnk )k∈N∗ telle
∗
que |λnk | −→k→∞ ∞, et on a ||L.⃗ enk || −→k→∞ ∞. (Ici L : ℓ2 → RN n'est pas un endomorphisme de ℓ2 : il
2 2
n'est pas à valeurs dans ℓ . Ou encore, si on veut Im(L) ⊂ ℓ , le domaine de dénition de L est strictement
2
inclus dans ℓ .)

Remarque 6.2 Il n'existe pas d'exemple explicite d'endomorphisme non borné d'un Hilbert dans lui-
même au sens où : si H est Hilbert, si L ∈ L(H) (où donc l'ensemble de dénition est H tout entier et
l'image ImL est incluse dans H) est donné explicitement, alors L est borné.
Pour trouver un endomorphisme non borné dans un Hilbert (donc avec ||L|| = ∞), il faut faire appel
à l'axiome du choix. Résultat démontré par Solovay (plus généralement dans un Banach), voir J. D.
Maitland Wright [5].
Donc dans la pratique, quand on considèrera un endomorphisme dans un Hilbert H, il sera borné, et
on pourra calculer (ou en tout cas estimer) sa norme : les seules hypothèses à vérier seront que L est
déni sur tout H, L est linéaire, et ImL ⊂ H .

Deuxième partie
Noyau intégral
7 Dans ℓ2 : noyau intégral discret = matrice généralisée
7.1 Produit scalaire dans ℓ2
∗
L'ensemble de suites réelles ⃗x = (xi )i∈N∗ RN = R×R×... produit cartésien inni dénombrable.
est noté
(RN , +, .) =noté RN est un espace
∗ ∗
vectoriel dont la base canonique est la base (⃗
ei )i∈N∗ donnée par
n
⃗e1 = (1, 0, 0, ...), ⃗e2 = (0, 1, 0, ...), ..., extension de la base canonique de R pour n inniment grand.
∗
ℓ2 est le sous-ensemble de RN constitué des suites de carrés sommables (suites d'énergie nie) :

∞
∗ X
ℓ2 = {⃗x = (xi )i∈N∗ ∈ RN t.q. x2i < ∞}. (7.1)
i=1

∗ ∗
C'est un sous-espace vectoriel de RN . Tous les ⃗ei de la base canonique de
P∞ RN sont trivialement dans ℓ2 ,
et (⃗ei )i∈N∗ est la base (encore dite) canonique de ℓ2 . La condition
2 2
i=1 xi < ∞ permet de munir ℓ du

19
20 7.2. Endomorphisme de ℓ2 : sa matrice → son noyau intégral

produit scalaire (·, ·)ℓ2 (euclidien généralisé)Pet de la norme ||.||ℓ2 associée (Pythagore généralisé) : pour
∞ ∞
ei et ⃗y = (yi )i∈N∗ = i=1 yi⃗ei dans ℓ2 :
P
⃗x = (xi )i∈N∗ = i=1 xi⃗

∞ ∞
1
X X
(⃗x, ⃗y )ℓ2 = xi yi et ||⃗x||ℓ2 = ( x2i ) 2 . (7.2)
i=1 i=1

Dans la suite on utilisera exclusivement la base canonique ℓ2 , et on notera [.]|⃗e =not. [L].
(⃗ei ) de
2
On renvoie au cours d'éléments nis pour la démonstration de : (ℓ , (·, ·)ℓ2 ) est un espace de Hilbert :
2
(·, ·)ℓ2 est bien un produit scalaire, et ℓ est complet pour la norme associée ||.||ℓ2 .

7.2 Endomorphisme de ℓ2 : sa matrice → son noyau intégral

Soit L ∈ L(ℓ2 ) un endomorphisme de ℓ2 . Pour j ∈ N∗ , on note Lij = K(i, j) les composantes de L.⃗ej
dans la base canonique (⃗ei ) :
   
L1j K(1, j)
∞ ∞  ..   .
.

X X  .   . 
L.⃗ej = Lij ⃗ei = K(i, j) ⃗ei , [L.⃗ej ] = 
  =
  = [L].[⃗ej ]. (7.3)
 Lnj   K(n, j) 
 
i=1 i=1
. .
. .
. .

(On rappelle que [.]|⃗e =not. [.].)

Dénition 7.1 La matrice (généralisée) [L]|⃗e = [L] de L dans la base (⃗ei ) est le tableau de réels :

  K(1, 1) K(1, 2) . . . 
L11 L12 ...


[L] = [Lij ] i∈N∗∗ = [K(i, j)] i∈N∗∗ =  L21 L22  K(2, 1) K(2, 2) . . .  .
... =  (7.4)

j∈N j∈N . . .. . . ..
. . . . .
. . . . .

(La j -ème colonne [L.⃗ej ] = [L].[⃗ej ] de [L] donne les composantes de L.⃗ej dans la base (⃗ei ).)
P∞
Par linéarité de L, pour ⃗x = (xi )i∈N∗ = i=1 xi⃗ei ∈ ℓ2 , on a

P
L1j xj

j
∞ ∞ X
∞ .
.
 
P .
X X  
L.⃗x = xj L.⃗ej = Lij xj ⃗ei , donc [L.⃗x] =   = [L].[⃗x], (7.5)
 j Lnj xj 
 
j=1 i=1 j=1
.
.
.
P∞ P∞
à comparer avec (5.3). Et on note ⃗x = (xi )i∈N∗ = i=1 xi⃗ei =not. i=1 x(i)⃗ei ∈ ℓ2 , et (L.⃗x)i =not. (L.⃗x)(i)
la i-ème composante de L.⃗x dans la base (⃗ei ) :
∞
X ∞
X ∞
X
(L.⃗x)(i) = Lij xj = K(i, j)x(j) = Ki (j)x(j), donc ⃗ i , ⃗x)ℓ2 ,
= (K (7.6)
j=1 j=1 j=1

où
∞
X ∞
X
Ki (j) := K(i, j) = Lij , et ⃗ i = (Ki (1), Ki (2), . . .) =
K (Ki (j)⃗ej = Lij ⃗ej . (7.7)
j=1 j=1

Et la matrice K = [K(i, j)] est le noyau intégral discret.

Remarque : (7.6) deviendra pour les fonctions f ∈ L2 (]a, b[) :
Z b Z b
(L.f )(x) = K(x, y)f (⃗y ) dy = Kx (y)f (y) dy = (Kx , f )L2 . (7.8)
y=a y=a

Et la fonction K : (x, y) → K(x, y) sera le noyau intégral.

Remarque 7.2
P∞
Dans (7.6) la mesure utilisée est la mesure µ = j=1 δj de comptage :
P ∞ P ∞
(L.⃗x)(i) =j=1 Ki (j)x(j) = j=1 (Ki x)(j) = µ(Ki ⃗
x).
Dans (7.8) la mesure utilisée est la mesure µℓ = dΩ de Lebesgue :
Rb Rb
(L.f )(x) = y=a Kx (y)f (y) dy = y=a (Kx f )(y) dy = µℓ (Kx f ).

20
21

8 Opérateur de HilbertSchmidt
8.1 Rappel : norme de Frobenius dans Rn
A11
 
.
.
.
  
V1
  
A
 
⃗ =  n1  =  ..  ∈ Rn2
Soit une matrice n ∗ n carrée A = [Aij ] ett le vecteur colonne associé V
 
:
.
 A12 
 . 
 ..  V n 2

Ann
on a mis les colonnes de L les unes à la suite des autres. La norme de Frobenius ||A||2 de la matrice A
n2
est la norme usuelle dans R :

2
n
X n
X
⃗ ||2 n2 =
||A||2 = ||V Vi2 = A2ij . (8.1)
R
i=1 i,j=1

P∞
Et de même que la généralisation simple de Rn est ℓ2 (on ajoute la contrainte
P∞ n=1 x2i < ∞), les
2 2
endomorphismes simples de ℓ seront ceux dont les matrices vérieront i,j=1 Aij < ∞.

8.2 Opérateur de HilbertSchmidt

Soit (H, (·, ·)H ) un espace de Hilbert séparable (i.e. qui admet une base dénombrable), et soit (⃗ai )N∗
une (·, ·)h -b.o.n. (donc (⃗ai , ⃗aj )H = δij pour tout i, j ), et on dira simplement (⃗ai ) est une b.o.n..

Dénition 8.1 P
Soit L ∈ L(H) (un endomorphisme sur H ) et soit Lij est composantes sur la base (⃗ai ),
∞
où donc L.⃗aj = i=1 Lij⃗ai pour tout j. L'endomorphisme L est de HilbertSchmidt ssi :

∞
X
L2ij < ∞. (8.2)
i,j=1

On note v
u ∞ 2
uX
||L||2 = t Lij , et LHS = {L de HilbertSchmidt} (⊂ L(H)). (8.3)
i,j=1

Exemple 8.2 Dans (ℓ2 , (·, ·)ℓ2 ) muni de sa base canonique, L ∈ L(ℓ2 ) donnée par (7.3), L ∈ LHS ssi
P∞ 2
i,j=1 Lij < ∞. P∞
En particulier l'opérateur diagonale L.⃗ei = λi⃗ei est de HilbertSchmidt ssi i=1 λ2i < ∞.
L'opérateur identité I n'est pas de HilbertSchmidt.

Exercice 8.3 Montrer : 1- LHS est un sous-espace vectoriel de L(H).

2- ||L||2 est un réel indépendant de la b.o.n. (ai )N∗ choisie dans L2 (Ω) pour représenter L.
3- ||.||2 est une norme sur LHS .
4-
||L|| ≤ ||L||2 . (8.4)

5-
||L ◦ M ||2 ≤ ||L||2 ||M ||2 . (8.5)

Réponse. Voir cours de 3ème année Problèmes paraboliques....

8.3 Opérateur de HilbertSchmidt symétrique : diagonalisable

Dénition 8.4 1- A l'aide du produit scalaire (·, ·)H xé, pour L ∈ L(H) on dénit l'application linéaire
transposée LTH =not. LT par, pour tous ⃗x, ⃗y ∈ H :

(LT .⃗y , ⃗x)H = (⃗y , L.⃗x)H (= (L.⃗x, ⃗y )H ). (8.6)

2- L est (·, ·)H -symétrique ssi LT = L, i.e. ssi (L.⃗y , ⃗x)H = (⃗y , L.⃗x)H pour tout ⃗x, ⃗y .
3- L est déni positif ssi ∀⃗
x ̸= 0, (L.⃗x, ⃗x)H > 0.

21
22

Avec (⃗ai ) une b.o.n. de H, on note, pour tout j :

X X
L.⃗aj = Lij⃗ai , LT .⃗aj = (LT )ij⃗ai . (8.7)
i i

Et (LT .⃗aj , ⃗ai )H = (L.⃗ai , ⃗aj )H donne pour tout i, j :

(LT )ij = Lji soit [LT ]|⃗a = ([L]|⃗a )T (cas d'une b.o.n.). (8.8)

Proposition 8.5 Si L ∈ LHS , cf. (8.2), alors

T
L ∈ LHS , et :
T
||L ||2 = ||L||2 . (8.9)

Preuve. On a ∞ > ∞
P∞ 2 P∞ P∞
L = j=1 i=1 L2ij grâce au théorème
P
de Fubini (les séries étant à
P∞ j=1 Tij 2
i=1
T
termes positifs), donc = i,j=1 (L )ij , donc ||L ||2 = ||L||2 < ∞.

Théorème 8.6 Un opérateur

∗
L de HilbertSchmidt symétrique est diagonalisable dans une b.o.n. : il
∗
existe (λi )i∈N∗ ∈ RN (valeurs propres) et (⃗vi )i=1,...,∞ ∈ H N (vecteurs propres associés) t.q. :

∀i ∈ N , L.⃗vi = λi⃗vi , (⃗vi )N∗ base, ∀i, j ∈ N∗ , (⃗vi , ⃗vj )H = δij .

∗
(8.10)
P∞2
P∞ 2
Et ||L||2 = i=1 λi , donc i=1 λi < ∞ (et donc en particulier λi −→i→∞ 0.)
Si de plus L est déni positif, alors toutes des valeurs propres λi sont > 0. Et dans ce cas, notant
Lij =noté K(i, j) les composantes de L dans une b.o.n., la forme bilinéaire (·, ·)K dénie par :

not.
X X
(⃗x, ⃗y )K := (L.⃗x, ⃗y )H = Lij xj yi = K(i, j)x(j)y(i), (8.11)
ij ij

est un produit scalaire sur H.

Preuve. Un opérateur de HilbertSchmidt est compact, et un opérateur compact symétrique est diago-
nalisable (voir cours de 3ème année : Problèmes spectraux et équations d'évolution de type parabolique
et hyperbolique). D'où (8.10).
Et si L est déni positif, alors λi = (L.⃗vi , ⃗vi )H > 0. Et la bilinéarité de (·, ·)K est immédiate par
linéarité de L et bilinéarité de (·, ·)L2 (Ω) . La symétrie est immédiate par symétrie de L et de (·, ·)L2 (Ω) .
Puis (L.⃗x, ⃗x)H > 0 quand ⃗x ̸= 0 car L est déni positif.
Ainsi dans la b.o.n. (⃗vi ) de diagonalisation on a (comparer avec (5.26)) :
v
∞
X
u∞
uX
K= λi ⃗vi ⊗H ⃗vi , ||L||2 = t λ2i . (8.12)
i=1 i=1
ZZ
Remarque 8.7 Pour les fonctions, (8.11) se lira (f, g)K = K(x, y)f (x)g(y) dxdy .
x,y

Remarque 8.8 La trace d'un endomorphisme L de Hilbert Schmidt symétrique vérie

∞
X ∞
X
Tr(L) = (L⃗vi , ⃗vi )H = λi . (8.13)
i=1 i=1
1
Attention, cette trace peut valoir +∞ : prendre λi = i.

9 Théorème de Mercer
(ℓ2 , (·, ·)ℓ2 ) et (L2 (Ω), (·, ·)L2 ) sont séparables, i.e. admettent une b.o.n. dénombrable (cf. la base de
2
Fourier dans L (]0, 2π[) par exemple). Mais diérence essentielle :
2
Les endomorphismes de L (Ω) ne sont pas tous représentables par des matrices généralisés, exemple :
2 2
l'identité de ℓ a une matrice généralisée (la matrice identité), pas l'identité dans L (Ω) (n'a pas de noyau
intégral voir Ÿ 9.8).
Dans la suite on se restreindra au cas simple des endomorphismes de Hilbert Schmidt dans L2 (Ω) :
ils ont des noyaux intégraux qui permettent, et on pourra alors faire des calculs matriciels.

Rem : on peut remplacer le produit scalaire usuel de L2 (Ω) donné par un produit scalaire de densité :
Z
(f, g)L2ρ = f (⃗x)g(⃗x)dm(⃗x), dm(⃗x) = ρ(⃗x) dx (9.1)
Ω
où ρ est une fonction positive intégrable (pour (·, ·)L2 usuel ρ = 1).

22
23 9.1. Endomorphisme à noyau intégral : introduction

9.1 Endomorphisme à noyau intégral : introduction

Soit :
L2 (Ω) → L2 (Ω)
(
L: noté (9.2)
f 7→ L(f ) = Lf,
un endomorphisme (application linéaire de L2 (Ω) dans lui-même). Il est à noyau intégral ssi il est de la
forme : Z
Lf (⃗x) = K(⃗x, ⃗y ) f (y) dy = (K⃗x , f )L2 , (9.3)
y ∈Ω
⃗
R
intégrale qui dépend du paramètre ⃗x, (9.3) étant une extension de (7.6), les signes Σ et étant les signes
somme. Et la fonction K est appelée le noyau intégral de L, où donc

2
( (
Ω →R Ω →R
K: et K⃗x : (9.4)
(⃗x, ⃗y ) → K(⃗x, ⃗y ) ⃗y → K⃗x (⃗y ) := K(⃗x, ⃗y ).

Cas particulier K(⃗x, ⃗y ) = k(⃗y − ⃗x) : l'opérateur intégral L est à noyau de convolution k :

Z
Lf (⃗x) = (k ∗ f )(⃗x) = f (⃗x)k(⃗y − ⃗x) dy. (9.5)
y ∈Ω
⃗

9.2 Noyau intégral L2

On supposera K ∈ L2 (Ω2 ), donc déni presque partout et t.q. :

ZZ
||K||L2 (Ω2 ) < ∞, i.e. K(⃗x, ⃗y )2 dxdy < ∞, (9.6)
(⃗ y )∈Ω2
x,⃗

à comparer à (8.2).

Proposition 9.1 SoitK ∈ L2 (Ω2 ). Alors, pour tout ⃗x ∈ Ω, K⃗x ∈ L2 (Ω). Et pour f ∈ L2 (Ω), on a
2
Lf ∈ L (Ω), et L ∈ L(L2 (Ω)) est un endomorphisme continu, avec :

||L||L(L2 (Ω)) ≤ ||K||L2 (Ω2 ) . (9.7)

À comparer avec (8.4).

Preuve. K ∈ L2 (Ω2 ) ssi K 2 ∈ L1 (Ω2 ) ; et K 2 ≥ 0, donc on peut appliquer le théorème de Fubini :

2 1 2 2
x ∈ L (Ω), donc K⃗
donc en particulier K⃗ x ∈ L (Ω). D'où, si f ∈ L (Ω), avec (9.3) et CauchySchwarz
2
dans L (Ω) on obtient :
Lf (⃗x)2 = (Kx , f )2L2 ≤ ||Kx ||2L2 ||f ||2L2 (Ω) ,
d'où : Z Z Z Z
Lf (⃗x)2 dx ≤ ||f ||2L2 (Ω) ||Kx ||2L2 dx ≤ ||f ||2L2 (Ω) ( |K(⃗x, ⃗y )|2 dy)dx,
Ω x∈Ω
⃗ x∈Ω
⃗ y ∈Ω
⃗
2
et donc ||Lf ||L2 (Ω) ≤ ||K||2L2 (Ω2 ) ||f ||2L2 (Ω) < ∞, d'où Lf ∈ L (Ω) 2
et (9.7).

Exercice 9.2 (Composition des noyaux). Soit L, M ∈ L(L2 (Ω)) opérateurs à noyaux KL , KM ∈ L2 (Ω2 ).
2 2 2
Montrer : L ◦ M ∈ L(L (Ω)), et L◦M est à noyau KLM ∈ L (Ω ) donné par

Z
KLM (⃗x, ⃗y ) = KL (⃗x, ⃗z)KM (⃗z, ⃗y ) dz (= (KL (⃗x, .), KM (., ⃗y ))L2 (Ω) ), (9.8)
z ∈Ω
⃗
R
à comparer à (8.5). Ainsi (L ◦ M )(⃗x) = Ω
KLM (⃗x, ⃗y )f (⃗y ) dy pour tout ⃗x ∈ Ω.

23
24 9.3. Opérateur de HilbertSchmidt dans L2 (Ω)

Réponse. Pour f ∈ L2 (Ω) et ⃗x ∈ Ω on a :

Z Z Z
L(M (f ))(⃗
x) = KL (⃗
x, ⃗z)M (f )(⃗z) d⃗z = KL (⃗
x, ⃗z)( KM (⃗z, ⃗
y )f (⃗
y ) d⃗
y )d⃗z. (9.9)
z ∈Ω
⃗ z ∈Ω
⃗ ⃗∈Ω
y

2 2
Vérions qu'on peut appliquer Fubini : posons KLM comme en (9.8), et vérions que KLM est dans L (Ω ). Avec
2 2 2 2
CauchySchwarz dans L (Ω), sachant KL , KM ∈ L (Ω ) et donc KL,⃗ y ∈ L (Ω), on a, pour ⃗
x , KM,⃗ y∈Ω:
x, ⃗
Z Z
KLM (⃗ y )2 ≤ ||KL (⃗
x, ⃗ x, .)||2L2 (Ω) ||KM (., ⃗
y )||2L2 (Ω) = x, ⃗z)2 d⃗z
KL (⃗ y )2 d⃗t,
KM (⃗t, ⃗
⃗
z ⃗
t

et les fonctions étant toutes positives on peut appliquer Fubini, donc

ZZ ZZ ZZ
KLM (⃗ y )2 d⃗
x, ⃗ y≤
xd⃗ x, ⃗z)2 KM (⃗t, ⃗
KL (⃗ y )2 d⃗ y d⃗zd⃗t
xd⃗
(⃗ y )∈Ω2
x,⃗ ⃗
x,⃗
y z ,⃗
⃗ t
ZZ ZZ
≤ x, ⃗z)2 d⃗
KL (⃗ xd⃗z y )2 d⃗
KM (⃗t, ⃗ y d⃗t
⃗
x,⃗
z ⃗,⃗
y t

= ||KL ||2L2 (Ω2 ) ||KM ||2L2 (Ω2 ) < ∞.

Donc KLM ∈ L2 (Ω2 ). Donc y → KLM (⃗

⃗ x, ⃗ y ) ∈ L1 (Ω) (car f ∈ L2 (Ω) et CauchySchwarz). Donc
y )f (⃗ on peut
R R R
appliquer Fubini à (9.9) : L(M (f ))(⃗
x) = y⃗∈Ω ( ⃗z∈Ω KL (⃗x, ⃗z)KM (⃗z, ⃗
y ) dz) d⃗
y = Ω KLM (⃗
x, ⃗
y )f (⃗
y ) d⃗
y.

9.3 Opérateur de HilbertSchmidt dans L2 (Ω)

(L2 (Ω), (·, ·)L2 ) est un Hilbert séparable, voir cours Intégrale de Lebesgue. Soit (ai )N∗ une b.o.n. de
(L2 (Ω), (·, ·)L2 ) (voir cours de 3ème année, les ai sont des fonctions ∈ L2 (Ω)). Soit L ∈ L(L2 (Ω)) (un
∗
endomorphisme borné) de matrice généralisée [L]|⃗ a = [Lij ] dans la b.o.n. (ai ) : pour tout j ∈ N :

∞
X
[Link] = Lij ai . (9.10)
i=1

Et L ∈ L(L2 (Ω)) est un opérateur de HilbertSchmidt ssi, cf. (8.2) :

∞
X
||L||2 < ∞, i.e. L2ij < ∞. (9.11)
i,j=1

Remarque 9.3 On travaille ici comme dans ℓ2  grâce à l'isomorphisme I : L2 (]a, b[) → ℓ2 explicitement
∗ 2
donné par I(ai ) = ⃗ei pour tout i∈N , où (⃗ei ) est la base canonique de ℓ . Et c'est bien un isomorphisme
entre deux Hilbert : il conserve le produit scalaire, à savoir :

(φ, ψ)L2 = (I(φ), I(ψ))ℓ2 . (9.12)

P P
En eet : (⃗ ei ) et (⃗ai )Pb.o.n., donc
P P φ = n φn an et ψ = n ψn an donnent (φ, ψ)L2 =
φn ψ m (an , am )L 2 = φ n ψn = φn ψ m (⃗
e n , ⃗
e m )ℓ 2 = (I(φ), I(ψ))ℓ2 , donc (9.12).
nm n nm

9.4 Noyau d'un opérateur de HilbertSchmidt

Ici (H, (·, ·)H ) = (L2 (Ω), (·, ·)L2 ). Soit (ai )i∈N∗ est une b.o.n. de L2 (Ω) (donc (ai ⊗H aj )i,j∈N∗ est une
b.o.n. de L2 (Ω2 )).

Théorème 9.4 Si K ∈ L2 (Ω2 ), alors l'endomorphisme L ∈ L(L2 (Ω)) associé par (9.3) est de Hilbert
Schmidt : L ∈ LHS .
Réciproquement, si l'endomorphisme L ∈ LHS (est de HilbertSchmidt), alors il a un noyau K ∈
L2 (Ω2 ), i.e. il existe K ∈ L2 (Ω2 ) t.q. (9.3).
Et :
∞
X ∞
X
si K= Kij ai ⊗H aj et [Link] = Lij ai , alors Lij = Kij . (9.13)
i,j=1 i=1

Autrement dit la matrice [Kij ] des composantes de la fonction K dans la b.o.n. (ai ⊗H aj ) est égale à la
matrice [Lij ] de l'endomorphisme L dans la b.o.n. (ai ).

24
25 9.5. Cas HilbertSchmidt symétrique

Preuve. ⇒ Hyp. : K ∈ L2 (Ω2 ), donc de la forme K =

P∞ P∞
Kij ai ⊗Haj , avec ||K||2L2 (Ω2 ) = i,j=1 Kij
i,j=1
2
<
2 2
∞ (Pythagore généralisé car (ai ⊗H aj )i,j∈N∗ est une b.o.n. de L (Ω × Ω)). Et, pour P f ∈ L (Ω) la propo-
2 2 ∞
sition 9.1 donne : L ∈ L(L (Ω)) déni par (9.3) vérie L.f ∈ L (Ω). Notons [Link] = i=1 Lij ai . Comme
R R
(⃗ai ) est une b.o.n., Lij = ([Link] , ai )L2 (Ω) = ⃗x ( ⃗y K(⃗x, ⃗y )aj (⃗y ) dy)ai (⃗x) dx = (K, ai ⊗H aj )L2 (Ω2 ) = Kij (Fu-
|K(⃗x, ⃗y )aj (⃗y )ai (⃗x)| dxdy ≤ ||K||L2 (Ω2 ) ||ai ⊗H aj ||L2 (Ω2 ) < ∞). Donc ij L2ij = ij Kij 2
RR P P
bini car < ∞.
Donc L est de HilbertSchmidt.
P∞
⇐ Supposons L ∈ LHS . Notons [Link] = i=1 Lij ai , avec donc ij L2ij < ∞. Soit K = ij Lij ai ⊗H aj .
P P
2 2 2 2
x et pour tout k ∈ N∗ :
P
Donc ||K||L2 (Ω2 ) = ij Lij < ∞ (Pythagore), donc K ∈ L (Ω ). Et, pour tout ⃗

∞
X ∞
X ∞
X
(K⃗x , ak )L2 = ( Lij ai (⃗x)aj , ak )L2 = Lij ai (⃗x)(aj , ak )L2 = Lik ai (⃗x),
i,j=1 i,j=1 i=1

la deuxième égalité par bilinéarité et continuité du produit scalaire, donc (K⃗x , ak )L2 = [Link] (⃗x). Donc
f ∈ L2 (Ω), f =
P P
pour k yk ak , i.e. f (⃗x) = k yk ak (⃗
x) p.p., (K⃗x , f )L2 = L.f (⃗x), donc K est le noyau
intégral de L.

Remarque 9.5 Soit L ∈ L(L2 (Ω)) un opérateur de HilbertSchmidt de noyau K. Soit f ∈ L2 (Ω). Pour
⃗x ∈ Ω on a : Z


L.f (⃗x) = (Kx , f )L2 = f (⃗y ) K⃗x (⃗y ) dy , (9.14)
Ω

donc la valeur Lf (⃗x) est une valeur moyenne de f en ⃗x pour la mesure de densité Kx (y) dy .
Et l'espace propre associé à la valeur propre 1 de L est :

Ker(L − I) = {f ∈ L2 (Ω) : L.f = f },

éventuellement réduit à {0} (quand 1 n'est pas valeur propre de L). Supposons Ker(L − I) ̸= {0}, et soit :

H = Ker(L − I).
( )
H →R
Alors, pour ⃗x ∈ Ω, K⃗x : est une fonctionnelle d'éva-
fh → K⃗x (fh ) = [Link] (⃗x) = fh (⃗x) = (K⃗x , fh )L2
luation de fh en ⃗x donnée par la mesure de densité Kx (y) dy .

9.5 Cas HilbertSchmidt symétrique

Ici l'endomorphisme L ∈ L(L2 (Ω)) est (·, ·)L2 -symétrique :

∀f, g ∈ L2 (Ω), (L.f, g)L2 = (L.g, f )L2 . (9.15)

Le produit scalaire (·, ·)L2 étant implicite dans la suite, on dira simplement que L est symétrique.

Proposition 9.6 Si L ∈ LHS est symétrique, alors son noyau K est symétrique :

K(x, y) = K(y, x), ∀x, y ∈ Ω. (9.16)

Preuve. Immédiat avec (9.13) et (9.15).

Théorème 9.7 Si L ∈ LHS (de HilbertSchmidt) symétrique déni positif de noyau K ∈ L2 (Ω2 ), voir
théorème 9.4, alors la forme bilinéaire (·, ·)K dénie par :

déf
ZZ
(f, g)K = (L.f, g)L2 (Ω) = (K, f ⊗H g)L2 (Ω2 ) = K(x, y)f (y)g(x) dxdy, (9.17)
Ω2

est un produit scalaire sur L2 (Ω). À comparer avec (8.11).

Preuve. La bilinéarité de (·, ·)K est immédiate par linéarité de L et bilinéarité de (·, ·)L (Ω) . La symétrie 2

est immédiate par symétrie de L et de (·, ·)L2 (Ω) . Puis (L.f, f )L2 (Ω) > 0 quand f ̸= 0 car L est déni
positif.

25
26 9.6. Théorème de Mercer de diagonalisation

9.6 Théorème de Mercer de diagonalisation

C'est le théorème de diagonalisation des matrices généralisées symétriques, appliqué à L2 (Ω) dans
le cas des endomorphismes à noyau intégral de HilbertSchmidt (voir remarque 9.3).

Théorème 9.8 Soit K ∈ L2 (Ω2 ) symétrique. L'opérateur L ∈ LHS (de Hilbert-Schmidt) associé par (9.3)
2
est diagonalisable dans une b.o.n. de L (Ω) :

( ∗ ) ( )
∃(λi )i∈N∗ ∈ RN , ∗ Lζi = λi ζi ,
t.q. ∀i, j ∈ N , (9.18)
∃(ζi )i∈N∗ base de L2 (Ω), (ζi , ζj )L2 = δij .

Et :
∞
X ∞
X
λ2i < ∞, [L]|ζ = diag(λi )i∈N∗ , K= λi ζi ⊗H ζi . (9.19)
i=1 i=1

(Faire le parallèle avec les matrices symétriques, cf. (5.26) et (8.12).) De plus :
1- si Ω est borné et si K est borné sur la diagonale, i.e. sup⃗x∈Ω |K(⃗x, ⃗x)| = C < ∞, et

P λi
2- si les sont tous positifs,
alors N∗ λ i < ∞, et la trace de K a un sens, cf. (8.13).

Preuve. On applique le théorème 8.6 : d'où (9.18) et (9.19).

∃C > 0, ∀x ∈ Ω, |K(⃗x, ⃗xR)| = | i λRi ζi2 (⃗x)| < C (il
P
Puis, si K est borné sur la diagonale, alors sut
Si de plus Ω est borné, alors ∞ >
que ce soit vrai pour presque tout ⃗
xR). P
2
P 2 2
P Ω C dx ≥ Ω |K(⃗x, ⃗x)| dx. Si de
plus λi ≥ 0 pour tout i, on a ∞ > λ ζ
i i i (⃗
x ) dx = λ ||ζ
i i i L || 2 = i λi : la trace est nie.
Ω

Remarque 9.9 La trace n'est pas toujours nie. Exemple Ω =]0, 1[ (borné) avec K non borné sur la
diagonale : on prend la base de Fourier ek (x) = cos(2kπx) si k ≥ 0 est pair et ek (x) = sin(2kπx) si
1
L(e0 ) = 0 et Lek = ek : la trace k k1 est innie. Ici K(x, y) =
P
k ≥ 1 est impair, et on dénit L par
X1 k
ek (x)ek (y), et K n'est pas essentiellement borné sur la diagonale, sinon le théorème serait faux.
k
k>0
Vérions-le dans ce cas. NotonsM0 l'ensemble des sous-ensemble de ]0, 1[ de mesure nulle. Dire que
K n'est pas essentiellement borné sur]0, 1[ signie ∀C > 0, ∃A ∈ / M0 , supA |K(x, x)| ≥ C .
∗
PN 1 1 2 1
Soit C > 0, soit N ∈ N t.q. > 2C ε ∈]0,
k=1 k , et soit
2N π [ t.q. cos (2N πε) > 2 ; alors pour tout
PN 1 ∞
x ∈]0, ε[ on a k=1 k cos2 (2kπx) > C , donc k=1 k1 cos2 (2kπx) > C (on a ajouté des termes ≥ 0), ce
P
pour tout x ∈]0, ε[, avec ]0, ε[ de mesure non nulle.

Remarque
R
9.10 Pour les fonctions à valeurs complexes, ne pas oublier le conjugué dans
P∞ P∞
(f, g)L2 (Ω;C) =
Ω
f (x)g(x) dx. (9.19)2 se lit K= i=1 λi ζi ⊗H ζi , soitK(⃗x, ⃗y ) = i=1 λi ζi (⃗x)ζi (⃗y ).
√ 
λ1 ζ1 (⃗x)
.
.
 
Notation : soit Φ : Ω → RN ∗
√ .
 
la fonction donnée par Φ(⃗x) = 
  . On suppose Φ(⃗x) ∈ ℓ2 pour
 λn ζn (⃗x) 

.
.
.
(presque) tout ⃗x. Alors, à ⃗x et ⃗y xés, cf. (9.19) :

K(⃗x, ⃗y ) = (Φ(⃗x), Φ(⃗y ))ℓ2 , (9.20)

i.e. K(⃗x, ⃗y ) s'exprime comme un produit scalaire dans ℓ2 . En particulier on obtient (CauchySchwartz) :

1 1
|K(⃗x, ⃗y )| ≤ (K(⃗x, ⃗x)) 2 (K(⃗y , ⃗y )) 2 = ||Φ(⃗x)||ℓ2 ||Φ(⃗y )||ℓ2 . (9.21)

x)|2 Φ(⃗x) ∈ ℓ2 ,
P
Le seul problème ( !) est qu'on ne sait pas a priori, pour un i λi |ζi (⃗
⃗x xé, si i.e. si < ∞.
Donc (9.20) est une notation formelle, sauf si, par exemple, on est dans le cadre du théorème 9.8.

26
27 9.7. Cas positif et opérateur racine carrée

9.7 Cas positif et opérateur racine carrée

Soit K ∈ L2 (Ω2 ) symétrique et positif : K(⃗x, ⃗y ) = K(⃗y , ⃗x) pour (presque) tout ⃗x, ⃗y ∈ Ω, et
ZZ
∀f ∈ L2 (Ω), K(⃗x, ⃗y )f (⃗x)f (⃗y ) dxdy ≥ 0.
Ω2

Autrement dit l'endomorphisme de HilbertSchmidt symétrique associé L, cf. (9.3), est positif :

∀f ∈ L2 (Ω), (L.f, f )L2 ≥ 0. (9.22)

Dans ce cas, les valeurs propres éventuelles, cf. (9.18), sont positives puisque 0 ≤ (Lζi , ζi )L2 = λi ||ζi ||2L2 .
Et, avec les ntotations du théorème 9.8 de Mercer :

X
K(⃗x, ⃗y ) = λi ζi (⃗x)ζi (⃗y ). (9.23)
i

Dénition 9.11 Notons alors (cas K symétrique positif ) :

Xp
k(⃗x, ⃗y ) = λi ζi (⃗x)ζi (⃗y ). (9.24)
i

Dénition 9.12 On appelle opérateur racine carrée de L l'opérateur L2

1
déni par le noyau intégral
k(·, ·) :
Z
1
L 2 f (⃗x) = k(⃗x, ⃗y )f (⃗y ) dy. (9.25)
⃗
y

Proposition 9.13 Pour tout ⃗x, ⃗y ∈ Ω on a :

Z
K(⃗x, ⃗y ) = (k(⃗x, ·), k(·, ⃗y ))L2 (= k(⃗x, ⃗z)k(⃗z, ⃗y ) dz). (9.26)
⃗
z

Et
1 1
(L.f, f )L2 = (L 2 f, L 2 f )L2 . (9.27)

Preuve. La symétrie de k est évidente, cf. (9.24). Avec (9.24) on a :

Xp p
(k(⃗x, ·), k(·, ⃗y ))L2 = λi λj ζi (⃗x)ζj (⃗y )(ζi (·), ζj (·))L2
ij
Xp p X
= λi λj ζi (⃗x)ζj (⃗y )δij = λi ζi (⃗x)ζi (⃗y ) = K(⃗x, ⃗y ).
ij i

Soit (9.26). Puis :

Z Z Z Z
1 1 1 1
(L 2 f, L 2 f )L2 = L 2 f (⃗z)L 2 (⃗z) dz = ( k(⃗z, ⃗y )f (⃗y ) dy)( k(⃗z, ⃗x)f (⃗x) dx) dz
⃗z ⃗
z ⃗
y ⃗x
Z Z Z
= ( k(⃗z, ⃗y )k(⃗z, ⃗x) dz)f (⃗y )f (⃗x) dydx
Z⃗z Z⃗x ⃗z
= K(⃗x, ⃗y )f (⃗y )f (⃗x) dydx = (L.f, f ).
⃗
z ⃗
x

D'où (9.27).

Application à un noyau intégral reproduisant : c'est le cas λi = 1 pour tout i et donc :

√
K= k, K(⃗x, ⃗y ) = (K(⃗x, ·), K(·, ⃗y ))L2 , (9.28)

propriété de reproduction. Ici L est diagonalisable avec λ = 1 l'unique valeur propre (multiple), donc
L = I.
NB : Attention l'opérateur identité I n'est pas de HilbertSchmidt dans tout L2 (Ω), et le théorème de
Mercer ne s'applique pas. Pour considérer L = I il faudra se contenter de sous-espace de L2 (Ω), par
exemple les sous-espaces de dimension nie comme P1 . Voir Ÿ suivant.

27
28 9.8. Existence du noyau pour l'identité dans L2 (Ω) : résultat négatif

9.8 Existence du noyau pour l'identité dans L2 (Ω) : résultat négatif

Question : est-ce que l'opérateur identité I : L2 (Ω) → L2 (Ω) est un opérateur qui a un noyau intégral
2 2
K ∈ L (Ω ) (qui serait donc un noyau reproduisant) ?

Réponse : NON. (Voir gure 3.2 pour l'intuition : le pic du noyau devient de plus en plus étroit
quand P1 → L2 (]a, b[), i.e. quand on rane le maillage, et le noyau tendrait vers la fonction nulle
presque partout.)
Si oui, prenant Ω =]0, 1[2 , il existerait un noyau K ∈ L2 (Ω2 ) tel que (9.3) soit satisfaite : pour
2
f ∈ L ([0, 1]) :
Z 1
(If (x) =) f (x) = K(x, y) f (y) dy. (9.29)
y=0

Donc, pour tous f, g ∈ L2 ([0, 1]) :

Z 1 Z 1 Z 1
(f, g)L2 = f (x)g(x) dx = ( K(x, y) f (y) dy) g(x) dx. (9.30)
0 x=0 y=0

Soit ]a, b[⊂]0, 1[ et ]c, d[⊂]0, 1[ tels que ]a, b[∩]c, d[= ∅, faire un dessin : le pavé ]a, b[×]c, d[ est un rectangle
dans le triangle supérieur y > x de ]0, 1[2 , ou dans le triangle inférieur y < x de ]0, 1[2 . Prenons f = 1]c,d[
et g = 1]a,b[ . L'intégrale de gauche est alors nulle, d'où :
Z 1 Z 1 Z b Z d
0= ( K(x, y) 1[c,d] (y) dy) 1]a,b[ (x) dx = ( K(x, y) dy) dx, (9.31)
x=0 y=0 x=a y=c

ce pour tout pavé ]a, b[×]c, d[ de [0, 1]2 tel que ]a, b[∩]c, d[= ∅, i.e. pour tout rectangle dans le triangle
2 2
supérieur y > x de ]0, 1[ , ou dans le triangle inférieur y < x de ]0, 1[ .
2 2 2 1
R Et comme ]0, 1[ est borné, comme K ∈ L (Ω ) on a K ∈ L (Ω) grâce à CauchySchwarz :
Ω
|K| dΩ
RR = (1Ω , |K|)L (Ω ) ≤ ||1Ω ||L (Ω ) ||K||L (Ω ) < ∞. Donc on peut appliquer Fubini,
2 2 2 2 2 2 et (9.31)
donne
C
K(x, y) dxdy = 0 sur tout carré C dans le triangle supérieur y > x de ]0, 1[2 , ou dans le
2
triangle inférieur y < x de ]0, 1[ . Voir gure 3.2.
2
Donc, la diagonale D = {(x, y) ∈]0, 1[ : x = y} étant de mesure de Lebesgue nulle, et les carrés hors
2 2
diagonale formant une base de voisinage de [0, 1] − D , K est nulle presque partout dans le carré [0, 1] .
2
Donc If = 0 = f pour tout f ∈ L ([0, 1]), absurde. Donc l'endomorphisme identité L = I n'a pas de
noyau intégral.

Remarque 9.14 Ce cas L2 (]a, b[) ℓ2 : dans ℓ2 , l'endomorphisme identité I :

est très diérent du cas
2 2
ℓ → ℓ a un noyau intégral, de matrice la matrice identité [I] : tous les termes sont nuls sauf les termes
2
pour i = j qui valent 1 (termes sur la diagonale). (Bien que I ne soit pas de HilbertSchmidt dans ℓ .)
2
P
Le cas ℓ correspond à la mesure de comptage µ = n δn , somme dénombrable des masses de Dirac
en n. C'est le cas des fonctions f =
noté x : n ∈ N∗ → f (n) =noté x ∈ R, i.e. le cas des suites ⃗ x =
n
(x(n))N∗ = (xn )N∗ . Et (9.29) donne (mesure de comptage), avec L = I et donc Lij = K(i, j) = δij :
∞
X ∞
X
x(i) = K(i, j)x(j) = δij x(j), (9.32)
j=1 j=1

ce qui est vrai. (Bien que l'identité I ℓ2 ).

ne soit pas de HilbertSchmidt dans
2
Rb
Le cas L (]a, b[) correspond à la mesure diuse µ = dx de Lebesgue, µ(f ) = f (x) dx, et ce Ÿ montre
a
qu'on ne peut pas passer brutalement de la mesure de comptage à la mesure diuse de Lebesgue.

Exercice 9.15 Dire pourquoi on ne peut pas appliquer le théorème de représentation de Riesz pour
trouver un noyau intégral dans (9.29).

Réponse. Soit L = I : L2 (]0, 1[) → L2 (]0, 1[) ; à x xé la fonction :


 L2 ([0, 1]) → R
Lx :
déf
 f → Lx (f ) = L.f (x) = f (x)
est trivialement une forme linéaire. Pour pouvoir appliquer le théorème de Riesz à Lx (qui donne l'existence d'une
2 2
fonction Kx ∈ L ([0, 1]) t.q. Lx (f ) = (Kx , f )L2 ), il faut que Lx soit continue sur L (]0, 1[), il faut :

∃c > 0, ∀f ∈ L2 (]0, 1[) t.q. ||f ||L2 = 1, |Lx (f )| ≤ c. (9.33)

√
C'est trivialement faux : pour x ∈]0, 1[ xé et n assez grand, prendre fn la fonction porte qui vaut n
1 1 √
sur [x− 2n , x+ 2n ] et qui vaut 0 ailleurs : pour tout n on a ||fn ||L2 = 1 avec |Lx (fn )| = |fn (x)| = n −→n→∞ ∞.
Donc Lx est non borné, et le théorème de représentation de Riesz ne s'applique pas.

28
29 9.9. Noyau intégral borné et noyau intégral continu

9.9 Noyau intégral borné et noyau intégral continu

Proposition 9.16 Soit K ∈ L2 (Ω2 ), et L ∈ LHS (de HilbertSchmidt) donné par (9.3). On suppose
K ∈ L∞ (Ω) i.e. ||K||∞ < ∞, et Ω borné. On note |Ω| le volume de Ω.
∞
Alors Im(L) ⊂ L (Ω) (i.e. les L(f ) sont bornés) :
p
|L.f (⃗x)| ≤ |Ω| ||K||∞ ||f ||L2 , pour presque tout ⃗x ∈ Ω, (9.34)
p p
et donc ||L.f ||∞ ≤ |Ω| ||K||∞ ||f ||L2 , et donc ||L||L(L2 (Ω),L∞ (Ω)) ≤ |Ω| ||K||∞ .
2
C'est en particulier vrai si K ∈ C 0 (Ω ), avec alors Im(L) ⊂ C 0 (Ω).

Preuve. |L.f (⃗x)| ≤ ||K||∞

R p
Ω
|f (⃗x)| dx ≤ ||K||∞ (1Ω , |f |)L2 ≤ ||K||∞ |Ω|||f ||L2 , soit (9.34).
0 2 0
K ∈ C (Ω ), le théorème de convergence dominée donne L.f ∈ C (Ω) : l'intégrant K(⃗x, ⃗y )f (⃗y ) est
Si
continu en ⃗x, et est dominé par ||K||∞ f (⃗y ), domination indépendante du paramètre ⃗x, avec ||K||∞ f ∈
L1 (Ω) car Ω est borné (CauchySchwarz).

Remarque 9.17 Quand K ∈ L2 (Ω2 ), on a L ∈ L(L2 (Ω)) de HilbertSchmidt, donc compact.

0 2 2 0
Si K ∈ C (Ω ) alors L : (L (Ω), ||.||L2 (Ω) ) → (C (Ω), ||.||∞ ) est également compact. En eet, montrons
que Lf est équicontinue, ce qui permet d'appliquer le théorème d'Ascoli, cf. cours Problèmes spectraux....
2
Soit f ∈ L (Ω) et soit ⃗ ˜ , ⃗x ∈ Ω. On a |L.f (⃗x) − L.f (⃗x
x ˜ )| ≤ |(K⃗x − K˜ , f )L2 | ≤ ||K⃗x − K˜ ||L2 ||f ||L2 ≤
⃗
x ⃗
x
2
˜
p
||f ||L2 |Ω| sup⃗y∈Ω |K(⃗x, ⃗y ) − K(⃗x, ⃗y )| −→⃗x→⃗x˜ 0, car K est uniformément continue sur Ω . En eet, mu-
n
nissant R et R
2n
de la norme euclidienne, ∀ε > 0, ∃η > 0, ∀⃗ ˜ , ⃗y , ⃗y˜ ∈ Ω t.q. ||(⃗x, ⃗y ) − (⃗x
x, ⃗x ˜ , ⃗y˜)||Rn 2 < η
(donc ||⃗ ˜ ˜ ˜
x − ⃗x||Rn < η ), on a |K(⃗x, ⃗y ) − K(⃗x, ⃗y )| < ε, car K continue sur un compact donc uniformément
continue, donc |K(⃗ x, ⃗y ) − K(⃗x ˜ , ⃗y )| < ε. Donc L.f est équicontinue sur Ω.

Troisième partie
Noyau intégral reproduisant
10 Espace de Hilbert à noyau reproduisant
10.1 La masse de Dirac δ⃗x et fonctionnelle K⃗x d'évaluation en ⃗x
Soit Ω un ouvert non vide dans Rn , n ≥ 1, C 0 (Ω) l'ensemble des fonctions Ω→R continues, ⃗x ∈ Ω.

Dénition 10.1 La masse de Dirac (ou mesure de Dirac) en ⃗x est la fonctionnelle (i.e. la fonction dont
l'ensemble de dénition est un ensemble de fonctions, ici F(Ω)) :

C 0 (Ω) → R
(
δ⃗x : déf (10.1)
f → δ⃗x (f ) = f (⃗x).

Il est immédiat que δ⃗x est linéaire : δ⃗x (f + λg) = (f + λg)(⃗x) = f (⃗x) + λ g(⃗x) = δ⃗x (f ) + λ δ⃗x (g).
Soit H un sous-espace vectoriel fermé dans (L2 (Ω), ||.||L2 (Ω) ). Soit K⃗x = δ⃗x |H restreignant δ⃗x à H :
(
H →R
K⃗x = δ⃗x |H : (10.2)
f → K⃗x (f ) = δ⃗x (f ) = f (⃗x).

Dénition 10.2 Si K⃗x est continue, K⃗x est appelée une fonctionnelle d'évaluation en ⃗x.

Rappel : K⃗x étant linéaire, sa continuité s'exprime :

∃c⃗x > 0, ∀f ∈ H, |K⃗x (f | ≤ c⃗x ||f ||L2 , (10.3)

donc ici |f (⃗x)| ≤ c⃗x ||f ||L2 . C'est en particulier vrai si : ∃c > 0, ∀f ∈ H , ||f ||∞ ≤ c||f ||L2 .

Exemple 10.3 Cas H = P1 cf. (2.3), x ∈]a, b[. On a P1 de dimension nie donc : P1 est fermé et
Kx continue (en dimension nie toutes les formes linéaires sont continues). Donc K⃗x = δ⃗x |P1 est une
fonctionnelle d'évaluation, ce pour tout x ∈ [a, b]. Remarque : les fonctions de P1 sont continues, donc
f (x) est bien déni.

29
30 10.2. Fonctionnelle d'évaluation et son représentant par Riesz

Exemple 10.4 H = P0 cf. (4.1), x ∈]a, b[−{x1 , ..., xn } : K⃗x = δ⃗x |P0 est une fonctionnelle d'évaluation.
N.B. : δ xi n'est pas déni car les fonctions de P0 ne sont pas continues en xi . Mais on n'en aura
pas besoins (on n'aura pas besoin de dénir les valeurs f (xi )) : l'information qui nous intéresse est
l'information dans les pixels de la photo (les bords des pixels ne nous intéresse pas).

10.2 Fonctionnelle d'évaluation et son représentant par Riesz

SoitH ⊂ C 0 (Ω) un sous-espace vectoriel fermé dans (L2 (Ω), ||.||L2 ), et donc (H, (·, ·)L2 ) =noté (H, (·, ·)H )
x ∈ Ω et la fonctionnelle d'évaluation K⃗x = δ⃗x |H .
est un Hilbert. Soit ⃗
Comme la forme linéaire K⃗ x est linéaire et continue on peut appliquer le théorème de représentation
de Riesz : K⃗x peut être représentée, à l'aide du produit scalaire (·, ·)H = (·, ·)L2 , par un vecteur K⃗ x ∈H
2
(ici un vecteur est une fonction dans l'espace vectoriel H ⊂ L (Ω)), i.e.

∃!K⃗x ∈ H, ∀f ∈ H, (δx (f ) =) K⃗x (f ) = (K⃗x , f )H . (10.4)

On a donc Z Z
f (⃗x) = (K⃗x , f )L2 = K⃗x (⃗y )f (⃗y ) d⃗y = f (⃗y ) dm(⃗y ), (10.5)
y ∈Ω
⃗ y ∈Ω
⃗

i.e. la valeur ponctuelle f (⃗x) est donnée par une valeur moyenne (dans le pixel) à l'aide de la mesure de
densité dm(y) = K⃗x (⃗y ) d⃗y , où K⃗x est le (·, ·)L2 -représentant de Riesz deR K⃗x = δ⃗x |H .
Exemple : H = P1 , fh ∈ P1 , donc K⃗ x ∈ P1 et fh (⃗x) = (K⃗x , fh )L2 = ⃗y∈Ω K⃗x (⃗y )fh (⃗y ) d⃗y (calcul simple
car la fonction produit K⃗ x fh est quadratique).

10.3 Noyau reproduisant et EHNR

Dénition 10.5 Avec (10.5), la fonction (dénie presque partout)
(
Ω×Ω →R
K: déf (10.6)
(⃗x, ⃗y ) → K(⃗x, ⃗y ) = K⃗x (⃗y ),
est appelé le noyau reproductif sur H.

Et (10.5) s'écrit
Z
f (⃗x) = (K⃗x , f )L2 = K(⃗x, ⃗y )f (⃗y ) d⃗y . (10.7)
y ∈Ω
⃗

En particulier
K(⃗y , ⃗x) = K⃗y (⃗x) = (K⃗x , K⃗y )L2 , (10.8)

et donc K est symétrique : K(⃗y , ⃗x) = K(⃗x, ⃗y ) (un produit scalaire est symétrique).

Dénition 10.6 (10.7) est appelée la propriété de reproduction de f par le noyau K.

Dénition 10.7 Lorsque H n'est pas réduit à {0}, le triplet :

noté noté
(H, (·, ·)H , (K⃗x )⃗x∈Ω ) = (H, (·, ·)H , K) = H (10.9)

est un EHNR = Espace de Hilbert à Noyau Reproduisant.

Exemple 10.8 Dans H = P1 , le noyau a été donné en (3.9).

Exemple 10.9 P1 et P0 comme vus aux exemples 10.8 et 10.10 sont des EHNR.
Exemple 10.10 Dans H = P0 , le noyau a été donné en (4.5).
Remarque 10.11 Cas d'une fonction f C 1 ([a, b]) par morceaux : sa série de Fourier S(f ) de f vérie
f (x−)+f (x+)
S(f )(x) = f (x) aux x où f est continue, et S(f )(x) = 2 valeur moyennée. Rappel : pour
[a, b] = [0, 1] pour simplier l'écriture,
X Z 1
S(f )(x) = ck e i2πkx
où ck = f (t)e−i2πkt dt, (10.10)
k∈Z 0

2
et S est un endomorphisme de L (]0, 1[). Est-ce que S a un noyau intégral ? I.e. a-t-on S de la forme
R
S(f )(x) = K(x, y)f (y) dy (donc = f (x) pour presque tout x) ? Si oui, que vaut K ?

30
31 10.4. Propriété de positivité et symétrie du noyau reproduisant

R
Vue l'expression des ck on a envie d'écrire, formellement après inversion des signes et Σ :

Z 1 X X
S(f )(x) = ( ei2πk(x−t) )f (t) dt, d'où K(x, t) = ei2πk(x−t) = Kx (t).
0 k∈Z k∈Z

Malheureusement Kx (t) n'a pas de sens au sens des fonctions (série en général divergente), mais seule-
ment au sens des distributions (converge alors vers δx sauf aux points x de discontinuité).
Mais on peut quand même s'en servir de manière approchée : pour un calcul numérique, on ne peut
pas faire une somme innie, et on est obligé d'approximer. Pour N ∈N (assez grand), posons :

N 1
noté
X Z
KN (x, t) = ei2πk(x−t) , puis LN (f )(x) = KN (x, t)f (t) dt = Kx (f ). (10.11)
k=−N 0

Ici on travail au sens des fonctions. Et ici LN est bien un opérateur à noyau. Et notre fonctionnelle Kx
d'évaluation en x donne approximativement Kx (f ) ≃ f (x−)+f
2
(x+)
.

Exercice 10.12 Montrer : il n'existe pas de fonction k ∈ L2 (Ω) t.q. ∀f ∈ L2 (Ω), δ⃗x (f ) = (k, f )L2 , i.e.
on ne peut pas représenter δx par une fonction L (Ω) : donc δx n'est pas continue sur L2 (Ω) (sinon le
2

théorème de Riesz serait faux).

Réponse. [a, b] = [−1, 1], n ≥ 2, fn 1

la fonction chapeau dénie par fn (0) = 1, fn ane sur [− n , 0] et sur
1 0 2
[0, n ], et nulle ailleurs, dessin. Soit x0 =0. On a fn ∈ C ∩ L (] − 1, 1[) (immédiat). La suite (fn )N∗ converge
2
dans L (] − 1, 1[) vers la fonction nulle p.p., car ||fn − 0||L2 −→n→∞ 0 (immédiat). On a δ0 (fn ) = fn (0) = 1 pour
2
tout n. S'il existait k ∈ L (] − 1, 1[) t.q. δ0 (fn ) = (k, fn )L2 , i.e. 1 = (k, fn )L2 , pour tout n, alors par continuité du
2
produit scalaire dans L on aurait limn→∞ (k, fn )L2 = (k, limn→∞ fn )L2 = (k, 0)L2 = 0, donc 1 = 0, absurde.

10.4 Propriété de positivité et symétrie du noyau reproduisant

Proposition 10.13 On suppose K ∈ L2 (Ω2 ).
1- K est symétrique, i.e. K(⃗x, ⃗y ) = K(⃗y , ⃗x) pour tous ⃗x, ⃗y ∈ Ω,
2- K est déni positif :

∀f ∈ H − {0}, ((K(⃗x, ⃗y ), f (⃗y ))dy , f (⃗x))dx > 0, (10.12)

qui n'est autre que (f, f )L2 > 0 pour tout f ∈ H − {0}. En particulier K⃗x n'est jamais l'application nulle.
Et
déf
ZZ
(f, g)K = K(⃗x, ⃗y )f (⃗y )g(⃗x) dxdy (= (f, g)L2 = (K, g ⊗ f )L2 (Ω2 ) ) (10.13)
Ω2
dénit un produit scalaire sur H.

Preuve.
R
Symétrie avec (10.8). Puis, pour f ∈ H , f (⃗x) = δ⃗x (f ) = (K⃗x , f )L2 = ⃗y K⃗x (⃗y )f (⃗y ) dy , donc
R R R
pour f ̸= 0, 0 < (f, f )L2 = ⃗x ( ⃗y K⃗x (⃗y )f (⃗y ) dy)f (⃗x) dx = ⃗x,⃗y K(⃗x, ⃗y )f (⃗x)f (⃗y ) dxdy (Fubini).

Exemple 10.14 Dans l'EHNR (P1 , (·, ·)L2 (]a,b[) , (δx )x∈]a,b[ ) le caractère positif du noyau K symétrique
et reproduisant s'exprime :
fh (x)2 dx =
R R R
∀fh ∈ P1 − {0}, x x y
K(x, y)fh (y)fh (x) dxdy > 0.

10.5 Propriété de convergence presque partout

Lemme 10.15 Soit (H, (·, ·)H , K) est un EHNR (avec H ⊂ L2 (Ω) et Ω borné).
Si K est borné, i.e. ||K||∞ < ∞, alors la convergence dans H implique la convergence p.p. :

∗
f ∈ H, (fm )N∗ ∈ H N , et ||f − fm ||H −→ 0 =⇒ fm (x) −→ f (x) p.p.. (10.14)
m→∞ m→∞

Preuve.
p
|(fm − f )(⃗x)| = |(fm −R f, K⃗x )L22| ≤ ||fm − 2f ||L2 ||K⃗x ||L2 ≤ ||fm − f ||L2 |Ω| ||K||∞ , où |Ω| est
2
le volume de Ω, car ||K⃗ x ||L2 = ⃗ K(⃗x, ⃗y ) dy ≤ ||K||∞ |Ω|.
y

31
32

11 Annexe : théorème de MooreAronszajn

11.1 Position du problème
On se donne une application K ∈ L2 (Ω2 ), et pour (presque) tout ⃗x ∈ Ω on pose, pour (presque) tout
⃗y ∈ Ω :
déf
K⃗x (⃗y ) = K(⃗x, ⃗y ). (11.1)

On veut savoir si on peut construire un espace de Hilbert H et un produit scalaire (·, ·)H tel que dans H
l'application K soit un noyau reproduisant, i.e., si f ∈ H, pour (presque) tout ⃗x :

(δ⃗x (f ) =) f (⃗x) = (K⃗x , f )H . (11.2)

En particulier on devra avoir K⃗y (⃗x) = (K⃗x , K⃗y )H = (K⃗y , K⃗x )H , donc pour (presque) tout ⃗x, ⃗y :

K(⃗x, ⃗y ) = (K⃗x , K⃗y )H . (11.3)

Exemple 11.1 Cas H = P1 , et K donné par (3.11). Ici K est déni sur tout Ω (et est continu). Dans
ce cas (·, ·)H = (·, ·)L2 .
Et si K̃ = 2K , on veut f (x) = (K̃x , f )H , et (K̃x , f )H = 2(Kx , f )H , avec f (x) = (Kx , f )L2 , donc
2(Kx , f )H = (Kx , f )L2 , donc (·, ·)H = 21 (·, ·)L2 .

Exemple 11.2 Cas H = P0 , et K donné par (4.5). Ici K est déni presque partout dans Ω (partout
sauf aux xi ). Dans ce cas (·, ·)H = (·, ·)L2 .

11.2 Analyse et pré-EHNR

11.2.1 Noyau positif
En particulier (11.2) implique Ky (x) = (Kx , Ky )H , et un produit scalaire étant symétrique, ce n'est
possible que si K est symétrique : pour tous ⃗x, ⃗y ∈ Ω :

K(⃗x, ⃗y ) = K(⃗y , ⃗x), (11.4)

et si K est au moins positive :

Dénition 11.3 Une fonction K : Ω × Ω → R (non nulle) est dite positive ssi pour tout m ∈ N∗ , pour
toute suite nie (⃗x1 , ..., ⃗xm ) ∈ Ωm de points dans Ω, on a, pour tout vecteur ξ⃗ = (ξ1 , ..., ξm ) ∈ Rm :
m
X
ξi K(⃗xi , ⃗xj )ξj ≥ 0. (11.5)
i,j=1

En d'autres termes, quel que soit le nombre m de points ⃗xi pris dans Ω, la matrice N = [K(⃗xi , ⃗xj )] i=1,...,m
j=1,...,m

est positive, i.e. ⃗ ξ)

(N.ξ, ⃗ Rm = ξ⃗t .N.ξ⃗ ≥ 0 ⃗ ∈ Rm .
quand ξ

Exemple 11.4 Cas H = P1 , et K donné par (3.11). Comme on devra avoir

Pm
(K⃗x , K⃗y )H = K(⃗x, ⃗y ), posant
⃗ T ⃗
M = [(K⃗xi , K⃗xj )H ], (11.5) s'écrit i,j=1 ξi Mij ξj = [ξ] .M.[ξ]. Il est clair qu'ayant ici dim H = n < ∞,
la matrice matrice M ne peut être dénie positive que si (K⃗ xi )i=1,...,m est une famille libre, ce qui est
toujours faux pour m > n.

11.2.2 Produit scalaire

(11.3) indique : H doit inclure le sous ensemble F de L2 (Ω) des fonctions engendrées par les Kx :

F = Vect{K⃗x : ⃗x ∈ Ω}
m
X (11.6)
m m
= {f : Ω → R, ∃m ∈ N, ∃(⃗xi )i=1,...,m ∈ Ω , ∃(αi )i=1,...,m ∈ R , f = αi K⃗xi }.
i=1

De même (11.3) indique que : pour f, g ∈ F , (f, g)F et ||f ||F doivent être dénis par, quand f =

32
33 11.3. Cas de noyaux bornés ou continus

Pm Pp
i=1 αi K⃗xi et g= j=1 βj K⃗yj :
p
 m
 déf X X
(f, g) = αi βj K(⃗xi , ⃗yj ),

F



 i=1 j=1
(11.7)
m
 déf 1
X 1
||f ||F = ((f, f )F ) 2 = (



 αi αj K(⃗xi , ⃗xj )) 2 .

i,j=1
Pm
En particulier, pour (presque) tout ⃗x ∈ Ω et f= i=1 αi K⃗xi ∈ F ,
m
X m
X
(f, K⃗x )F = αi K(⃗xi , ⃗x) = αi K⃗xi (⃗x) = f (⃗x). (11.8)
i=1 i=1

propriété de reproduction dans F , qui dénit Kx = δ⃗x |F : F → R la fonctionnelle d'évaluation en x sur F .

En particulier on retrouve (11.3). Donc (11.7)1 s'écrit aussi :

m p
déf X X
(f, g)F = αi βj (K⃗xi , K⃗yj )F . (11.9)
i=1 j=1

Lemme 11.5 Soit f ∈ F. Pour (presque) tout ⃗x ∈ Ω on a

|f (⃗x)| ≤ ||f ||F ||K⃗x ||F . (11.10)

Et donc F ⊂ L∞ (Ω) : les f ∈F sont bornés dans Ω : ||f ||∞ ≤ ||f ||F ||K⃗x ||F .

Preuve. (11.8) donne |f (⃗x)| = |(f, K⃗x )F | ≤ ||f ||F ||K⃗x ||F .
Lemme 11.6 Lorsque K est symétrique positive, (·, ·)F est un produit scalaire sur F de norme asso-
ciée ||.||F .

Preuve. Avec (11.9) la bilinéarité et la symétrie sont immédiates. Et K est positif, donc (11.7)2 et (11.5)
donnent (f, f )F ≥ 0. Et (11.10) et ||f ||F = 0 donnent |f (⃗x)| = 0 p.p., donc f =0 dans L2 (Ω).

Exemple 11.7 Pmy) = sin(xy) pour x, y ∈ [0, 1]. Donc Kx (z) =

K(x, sin(xz) et (Kx , Ky )F = K(x, y),
Pm et
F = Vect{Kx } = { i=1 αi Kxi }, i.e. f ∈ F ssi de la forme f (y) = i=1 αi sin(xi y).

11.2.3 Pré-EHNR
Dénition 11.8 Lorsque K ∈ L2 (Ω2 ) est symétrique positive, que F est dénie par (11.6) et que (·, ·)F
est le produit scalaire associé, l'espace (F, (·, ·)F , K) est un pré-EHNR.

Un pré-EHNR est donc un EHNR si de plus (F, ||.||F ) est complet.

Proposition 11.9 Si F est de dimension nie, alors (F, (·, ·)F , K) est un EHNR.

Preuve. (F, ||.||F ) est un espace vectoriel réel normé de dimension nie, donc est complet.
Exemple 11.10 Exemples 11.1 et 11.2.

11.3 Cas de noyaux bornés ou continus

Lemme 11.11 Quand K ∈ L∞ (Ω2 ) on a F ⊂ L∞ (Ω) et :
p
||K⃗x ||F ≤ ||K||∞ , (11.11)

et, pour tout f ∈ F, pour presque tout ⃗x ∈ Ω :

p p
|f (⃗x)| ≤ ||f ||F ||K||∞ , et ||f ||∞ ≤ ||f ||F ||K||∞ . (11.12)

Et si(fm )N∗ est une suite de Cauchy dans (F, ||.||F ), alors (fm )N∗ une suite de Cauchy
dans (L∞ (Ω), ||.||∞ ), donc convergente dans L∞ (Ω) vers une fonction f ∈ L∞ (Ω) : pour (presque) tout
⃗x ∈ Ω :
lim fm (⃗x) = f (⃗x), où f ∈ L∞ (Ω). (11.13)
m→∞

33
34 11.4. Théorème de MooreAronszajn

Preuve. Supposons K ̸= 0 (trivial si K = 0). On a K ∈ L∞ (Ω2 ), donc pour (presque) tout ⃗x ∈ Ω on a

K⃗x ∈ L∞ (Ω) ; et f ∈ F est une combinaison linéaire de fonctions L∞ (Ω) (somme nie), donc f ∈ L∞ (Ω).
2
Et, avec (11.3), ||K⃗x ||F = (K⃗ x )F = |K(⃗
x , K⃗ x, ⃗x)| ≤ ||K||∞ . D'où (11.11)1 . Donc pour f ∈ F et
(presque) tout ⃗x ∈ Ω, (11.10) donne (11.12).
Puis soit (fm )N∗ une suite de Cauchy dans (F, ||.||F ). (11.12) donne :
p
||fp − fm ||∞ ≤ ||fp − fm ||F ||K||∞ −→ 0. (11.14)
p,m→∞

∞
Donc la suite (fm )N∗ est de Cauchy dans (L (Ω), ||.||∞ ) qui est complet, donc (fm ) est convergente
dans L∞ (Ω). Notons f = limn→∞ fm dans L∞ (Ω), avec donc ||f − fm ||∞ −→m→∞ 0. D'où (11.13).

Lemme 11.12 Quand

2
K ∈ C 0 (Ω ) on a le lemme précédent où on remplace L∞ (Ω) par C 0 (Ω) et où on
remplace presque partout par partout. En particulier, pour tout ⃗x ∈ Ω :

lim fm (⃗x) = f (⃗x), et f ∈ C 0 (Ω). (11.15)

m→∞

Preuve. On remplace L∞ (Ω) par C 0 (Ω) dans la démonstration précédente.

11.4 Théorème de MooreAronszajn

K ∈ L2 (Ω2 ) L∞ (Ω2 ) L2
T
Le théorème de MooreAronszajn concerne les noyaux : donc noyaux et
bornés.
Le paragraphe 11.2 a construit le pré-ENHR F qu'on va compléter pour avoir un EHNR.
On suppose F de dimension innie (le cas F de dimension nie a été traité à la proposition 11.9).
Construisons F le complété de (F, (·, ·)F ) de manière classique.

1. On considère l'ensemble des suites de Cauchy dans (F, ||.||F ).

2. On dit que deux suites de Cauchy (fm ) et (gm ) sont équivalentes ssi la suite (hm ) dénie par
h2m+1 = fm et h2m+2 = gm est de Cauchy.

3. On vérie que cela dénit bien une relation d'équivalence (réexive, symétrique, transitive).

4. On note F f˙ ∈ F est tel que si (fm )N∗ ∈ f˙

l'ensemble des classes d'équivalence. Donc un élément
alors f˙ (fm )N∗ .
est l'ensemble de toutes les suites de Cauchy équivalentes à

5. On dénit les opérations induites + et · dans F par : si (fm )N∗ ∈ f et si (gm ) ∈ ġ , alors f˙ + ġ est
˙
la classe de (fm + gm )N∗ , et pour λ ∈ R, λf˙ est la classe de (λfm )N∗ . (L'indépendance du choix
des suites (fm )N∗ ∈ f˙ et (gm ) ∈ ġ est immédiat.)

6. Avec les opérations induites, (F , +, .) est un espace vectoriel (exercice facile : cf. dénition d'un
espace vectoriel).

7. On pose (f˙, ġ)F = limm→∞ (fm , gm )F quand (fm )N∗ ∈ f˙ et (gm )N∗ ∈ ġ . On vérie que (·, ·)F
est un produit scalaire sur
q F (forme bilinéaire symétrique dénie positive : exercice facile). On
note ||f˙||F = (f˙, f˙)F la norme associée. (N.B. : la dénition (f˙, ġ)F = limm→∞ (fm , gm )F
est indépendante du choix des suites (fm )N∗ ∈ f˙ et (gm ) ∈ ġ : si (fm )N∗ ∈ f˙ et (gm ) ∈
′ ′
′ ′ ′ ′ ′ ′
ġ alors |(fm , gm )F − (fm , gm )F | = |(fm −fm , gm )F + (fm , gm −gm )F | ≤ ||fm −fm ||F ||gm ||F +
′ ′ ′ ′
||fm ||F ||gm −gm ||F −→m→∞ 0, donc limm→∞ (fm , gm )F = limm→∞ (fm , gm )F .)
8. On identie F à un sous-ensemble de F au sens : à tout f ∈ F on associe la suite constante
(fm = f )m∈N∗ =noté f ∈ f˙. Cette suite est constante donc de Cauchy, et sa classe f˙ est notée
abusivement f (le représentant choisi dans f˙ pour représenter sa classe). Ainsi F est identié au
sous-ensemble de F des classes des suites constantes dans F .

9. F est dense dans F : pour f˙ ∈ F et ε > 0, il s'agit de trouver g ∈ F t.q. ||f˙ − ġ||F < ε, où ġ
est la classe d'une suite constante (gm = g)m∈N∗ . Soit (fm )N∗ ∈ f˙. Soit N ∈ N t.q. ∀m, p ≥ N ,
∗

||fm − fp ||F < ε/2. En particulier ∀m ≥ N , ||fm − fN ||F < ε/2. On pose g = fN . Donc ∀m ≥ N ,
||fm − g||F < ε/2, donc limm→∞ ||fm − g||F ≤ ε/2 < ε. Donc ||f˙ − ġ||F < ε.
10. (F , ||.||F ) est complet : soit (f˙m ) une suite de Cauchy dans F , i.e. t.q. ||f˙m − f˙p ||F −→m→∞ 0.
Soit N ∈ N . Comme F est dense dans F , il existe gN ∈ F t.q. ||f˙N − ġN ||F <
∗ 1
N . La suite
(gN )N ∈N∗ ainsi construite dans F est de Cauchy, car ||gN − gM ||F = ||ġN − ġM ||F ≤ ||ġN −
f˙N ||F + ||f˙N − f˙M ||F + ||f˙M − ġM ||F −→N,M →∞ 0. Soit ġ ∈ F la classe de la suite (gN )N ∈N∗ . On a
||f˙m − ġ||F ≤ ||f˙m − f˙N ||F + ||f˙N − ġ||F −→m,N →∞ 0. Donc (f˙m )N∗ converge vers ġ ∈ F .

34
35 RÉFÉRENCES

11. On a ainsi construit l'Hilbert (F , (·, ·)F ).

Construisons l'Hilbert H de MooreAronszajn.
1. Pour f˙ ∈ F (une classe d'équivalence), et pour (fm )N∗ ∈ f˙, avec (11.13) (reps. (11.15)) on pose
h(⃗x) = limm→∞ fm (⃗x) pour tout ⃗x, où donc h ∈ L∞ (Ω) (reps. h ∈ C 0 (Ω)).
2. La fonction h est indépendante du choix de (fm )N∗ ∈ f˙ : si (fm )N∗ , (gm )N∗ ∈ f˙, si h(⃗ x) =
limm→∞ fm (⃗x) et k(⃗x) = limm→∞ gm (⃗x), donc |k(x) − f (x)| ≤ |k(x) − gm (x)| + |gm (x) − fm (x)| +
|fm (x) − f (x)| −→m→∞ 0, donc k(⃗x) = h(⃗x), vrai pour (presque) tout x.
∞ 0
3. On note H l'ensemble des fonctions obtenues. En particulier H ⊂ L (Ω) (resp. H ⊂ C (Ω)),
∞ 0
F ⊂ H , et H est un espace vectoriel, sous-espace vectoriel de L (Ω) (resp. C (Ω)), immédiat.
4. Pour h, k ∈ H , avec h = limm→∞ fm ∈ H où (fm )N∗ ∈ f˙, et k = limm→∞ gm ∈ H où (gm )N∗ ∈ ġ ,
on dénit (h, k)H = limm→∞ (fm , gm )F = (f˙, ġ)F (en particulier ne dépend pas des suites de

Cauchy choisie dans f˙ et ġ ). On vérie immédiatement que (·, ·)H est un produit scalaire (car
(·, ·)F en est un), et on note ||.||H la norme associée.
5. F ⊂ H , car pour f ∈ F la suite constante (fm = f )N∗ ∈ f˙ a pour limite elle-même.
∗
6. F est dense dans H h ∈ H , soit (fm )N∗ ∈ F N t.q. h(⃗x) = limm→∞ fm (⃗x) pour tout ⃗x.
: pour
˙ 2 2
On note f la classe de (fm )N∗ . On a limm→∞ ||h − fm ||H = ||h||H − limm→∞ 2(h, fm )H +
limm→∞ ||fm ||H = ||f˙||F − 2(h, limm→∞ fm )H + ||f˙||F = ||f˙||F − 2(h, h)H + ||f˙||F
2 2 2 2 2
= 0.
7. (H, ||.||H ) est complet car (F , ||.||F ) l'est : soit (hM )N∗ une suite de Cauchy dans H . Donc hM =
limm→∞ fM,m pour (fM,m )m∈N∗ de Cauchy dans F , et on note f˙M la classe de (fM,m )m∈N∗ . Donc
||hM − hN ||H = ||f˙M − f˙N ||F , et (f˙M )N∗ est de Cauchy dans F , donc convergente vers un f˙ ∈ F .
Soit (fm )N∗ ∈ f˙. Soit h = limm→∞ fm dans C (Ω), cf. (11.13). On a h ∈ H par dénition de H .
0

Et limM →∞ ||h − hM ||H = limM →∞ ||f˙ − f˙M || = 0. F

8. Donc (H, (·, ·)H ) est un Hilbert.

Théorème 11.13 Rn , K ∈ L2 (Ω2 ) L∞ (Ω2 ),

T
(MooreAronszajn.) Soit Ω un ouvert borné de soit soit
F déni par (11.6). On suppose K symétrique (cf.(11.4)) et positive sur F (cf. (11.5)).
Alors l'espace de Hilbert H déni ci-dessus est un EHNR :
(i) pour tout ⃗x ∈ Ω on a K⃗x ∈ H ,
x, ⃗y ∈ Ω on a (K⃗x , K⃗y )H = K(⃗x, ⃗y ),
(ii) pour tous ⃗
(iii) pour h ∈ H et (presque) tout ⃗ x ∈ Ω on a h(⃗x) = (K⃗x , h)H = δ⃗x (h), propriété de noyau
reproduisant.

Preuve. Par construction de H , (i), (ii) sont vériées.

Et h(⃗x) = lim fm (⃗x) = lim(K⃗x , fm )H = (K⃗x , lim fm )H = (K⃗x , h)H .

Références
[1] Aronszajn N. : Theory of Reproducing Kernels. Transactions of the American Mathematical Society,
Vol. 68, No. 3, May 1950, pp. 337-404.
[Link]
[2] Barra Vincent : Apprentissage statistique. Cours de l'ISIMA.

[3] Canu Stéphane : Machines à noyaux pour l'apprentissage statistique. Editions T.I. 2008.

[4] Guichardet A. : Intégration, analyse hilbertienne. Cours de l'Ecole Polytechnique, 1983.

[5] Maitland Wright J. D. : All operators on a Hilbert space are bounded. Bull. Amer. Math. Soc.,
Volume 79, Number 6 (1973), 1247-1250.

[6] Riesz F., Nagy S. : Leçons d'analyse fonctionnelle. 3ème édition 1955, reprint, éditions Jacques
Gabay.

[7] Rudin W. : Principles of Mathematical Analysis. MCGraw-Hill 1976.

[8] Sejdinovic D., Gretton A. : What is an RKHS ? . March 11, 2012.

[Link]
[9] Van der Oord E. : Indice d'une application linéaire. Théorème de Riesz. Opérateurs compacts
dans L2 . Séminaire Choquet. Initiation à l'analyse, tome 7, n◦ 1 (1967-1968), ◦
exp. n A1, p. A1-A8.
[Link]
[10] Vert J.P., Tsuda K., Schölkopf B. : A primer on Kernel Methods. 2004.

35