Université Abdehamid Ibn Badis de Mostaganem Faculté des Sciences Exactes et des Siences de la Nature et de la Vie Département de Mathématiques 1ere Année Master AH-AF-MCO Matière : Analyse Spectrale des Opérateurs I Responsable : S. M. Bahri Leçon 1 : Quelques aspects fondamentaux des espaces vectoriels (Dim 23 Oct 2009) 1 Concept d’un espace vectoriel En algèbre linéaire, un espace vectoriel est une structure algébrique permettant en pratique d’e¤ectuer des combinaisons linéaires. Étant donné un corps (commutatif) K (R ou C), un espace vectoriel E sur K est un groupe commutatif (dont la loi est notée +) munie d’une action compatible de K : 1. (x + y) + z = x + (y + z) (associativité de l’addition); 2. x + y = y + x (commutativité de l’addition); 3. il existe un élément dans E tel que 0x = pour tout x 2 E; 4. ( + ) x = x + x (distributivité); 5. (x + y) = x + y (distributivité); 6. 1x = x: Les éléments de E sont appelés des vecteurs, et les éléments de K des scalaires. Les plus simples exemples d’espaces vectoriels étudiés dans un cours d’algébre linéaire sont ceux des espaces vectoriels de dimension …nie Rn , Cn ou l’espace des polynômes de degré inférieur à n. Un important exemple d’espace vectoriel est l’espace C [a; b] des fonctions continues à valeurs réels (ou complexes) dé…nies sur l’intervalle [a; b]. 1.1 Applications linéaires Une application A : E1 ! E2 entre deux espaces vectoriels E1 et E2 est dite linéaire si, et seulement si, pour tout x; y 2 E1 et pour tout scalaires a; b A(ax + by) = aA(x) + bA(y): 1 (1) Pour de telles applications nous ecrivons souvent Ax à la place de A (x) : En outre, nous dé…nissons deux ensembles importants associés avec une application linéaire A. C’est son noyau ker A et son image Im A dé…nis par : ker A = fx 2 E1 : Ax = 0g (2) Im A = fAx : x 2 E1 g : (3) et Une application linéaire A : E1 ! E2 entre deux espaces vectoriels E1 et E2 est appellée isomorphisme si ker A = 0 et Im A = E2 , c’est à dire que A est une application linéaire bijective et par conséquent inversible. Nous notons par A 1 son inverse. 1.2 Exemples d’espaces vectoriels 1. s est l’ensemble des suites à support …ni : c’est l’ensemble des suites in…nies d’éléments telles que seul un nombre …ni d’éléments soit non nul. En d’autres termes, une suite (ai ) est dans s si, et seulement si, il existe N 2 N de sorte que ai = 0 pour tout i > N . Cet ensemble forme un espace vectoriel par rapport à l’addition et la multiplication des suites, et bien évidemment il est isomorphe à l’espace de tous les polynômes. 2. L’ensemble c0 des suites convergentes vers zero. 3. L’ensemble c des suites convergentes. 4. L’ensemble l1 des suites bornées. 5. L’ensemble s de toutes les suites. Tous ces ensembles sont des espaces vectoriels et ils sont liés de la manière suivante: s c0 c l1 s: (4) Dé…nition 1.1 Un sous-ensemble E1 de l’espace vectoriel E est dit sous-espace s’il est relativement fermé aux opérations linéaires dans E. Nous écrivons E1 ,! E: Donc, c0 , par exemple, est un sous-espace de c qui est un sous-espace de l1 : Il est clair que pour un opérateur A : E1 ! E2 , ker A est un sous-espace de E1 and Im A est un sous-espace de E2 : Un ensemble de vecteurs x1 ; x2 ; : : : ; xn est dit ensemble linéairement dépendant et les vecteurs des vecteurs linéairement dépendants, s’il existe des nombres (ai )ni=1 non tous nuls tels que a1 x1 + a2 x2 + : : : + an xn = 0: 2 (5) D’autre part, les (xi )ni=1 sont dits linéairement indépendants s’ils ne sont pas linéairement dépendants. Par conséquent, pour de tel ensemble de vecteurs, Pn a x = 0 implique que ai = 0 8i = 1; 2; : : : ; n. i=1 i i Nous dé…nissons l’enveloppe linéaire (notée span) d’un sous-ensemble M d’un espace vectoriel E comme étant l’intersection de tous les sous-espaces de E contenant M . C’est à dire spanM = \ fE : E ,! E et M E g: (6) On peut aussi dé…nir spanM comme l’ensemble de toutes les combinaisons linéaires …nies des vecteurs de M . Le résultat suivant est un important théorème d’algèbre linéaire : Théorème 1 Soit (xi )ni=1 un ensemble maximal de vecteurs linéairement indépendants dans E (cela signi… qu’il n’existe pas une extension linéairement indépendante de cet ensemble). Alors le nombre n est invariant et appellé la dimension de l’espace E. Nous écrivons dim E = n et nous dirons que les vecteurs (xi )ni=1 forment une base de E. 1.3 Espace Quotient Maintenant, nous introduisons la notion des espaces quotients. Pour un sousespace E1 de E, nous dé…nissons un nouveau espace vectoriel appellé espace quotient de E relativement à E1 de la manière suivante. Considérons une famille de sous-ensembles f[x] = x + E1 : x 2 Eg: (7) Les ensembles [x] sont dits coensembles de E. Notons que deux coensembles [x] et [y] sont, soit identiques, soit disjoints. En e¤et, si z 2 [x] \ [y], alors z x; z y sont deux éléments de E1 . Comme E1 est un espace vectoriel, il s’en suit que y x = (z Donc, si a 2 [x] nous avons a a x) (z y) 2 E1 : x 2 E1 et d’aprés la structure linéaire de E1 ; y = (a x) (y x) c’est à dire, a 2 [y]. Ainsi, nous avons montré que [x] [y]. D’une manière similaire, nous montrons que [y] [x]. Nous dénotons par E=E1 la collection de tous les coensembles [x]. Il est utile de noter que [x] = [y] si, et seulement si, x y 2 E1 : Maintenat, nous introduisons la structure linéaire sur E=E1 par [x] + [y] = [x + y]; a [x] = [ax]: 3 Notons que [0] est le vecteur nul du nouveau espace E=E1 . L’espace E=E1 est dit espace quotient. La dimension dim E=E1 est dite codimension de E1 et nous écrivons co dim E1 = dim E=E1 : Exemple 2 La codimension de co à l’intérieur de l’espace c des suites conver1 gentes est égale à 1. En e¤ et, pour tout x = (xn )1 ; 2 c; x + c0 = a (1 + c0 ) où a = lim xn et 1 est la suite constante avec tous les termes égaux à 1.Ainsi, [x] = a [1] : Dé…nition 1.2 Les vecteurs x1 ; x2 ; :::; xn sont dits linéairementt indépandants relatirement au sous-espace E1 ,! E, si n X ai xi 2 E1 implique que a1 = a2 = = an = 0: i=1 Lemme 1.1 La dimension de E=E1 est égalé à n si ,et seulement si, il existe des vecteurs x1 ; x2 ; :::; xn linéairement indépandants relativement à E1 tel que pour chaque x 2 E, il existe un ensemble de nombres uniques a1 ; a2 ; :::; an et un vecteur unique y 2 E1 tel que x= n X ai xi + y: (8) i=1 Par conséquent, les ensembles [x1 ] ; [x2 ] ; :::; [xn ] de ces vecteurs forment une base de E=E1 : Preuve. Soit [x1 ] ; [x2 ] ; :::; [xn ] une base de E=E1 : Alors les vecteurs x1 ; x2 ; :::; xn sont linéairement indépandants relativement à E1 ;en e¤ et, si n X i=1 alors n X ai xi 2 E1 ai ([xi ]) = i=1 " n X # ai xi = [0] i=1 et donc (de la linéarité indépendante de [xi ]) il s’en suit que ai = 0. Maintenant, pour tout x 2 E, [x] = x + E1 = n X ai ([xi ]) i=1 c’est à dire x2 X ai xi + E1 : 4 2 Espaces Normés Procédons maintenant à dé…nir la notion de distance dans un espace vectoriel (linéaire). Cela est nécessaire si on veut étudier et analyser la convergence. Dé…nition 2.1 Une norme p(x) = kxk pour x 2 E est une fonction de E dans R véri…ant les propriétés suivantes: 1. p(x) 0 et p(x) = 0 si, et seulement si, x = 0. 2. p( x) = j j p(x): 3. p(x + y) p(x) + p(y) pour tout x; y 2 E et pour tout 2 R (ou C) : Avec cette dé…nition, la distance entre deux points x et y dans E est la norme de la di¤érence : kx yk : Exemple 3 (i) Sur les espaces c0 ; c; l1 nous dé…nissons la norme comme borne 1 supérieure de la valeur absolue des suites : pour x = (ai )1 nous posonskxk = sup jai j : (ii) Pour l’espace C [0; 1], nous dé…nissons la norme d’une fonction par : kf k = max fjf (x)j : x 2 [0; 1]g : (iii) Un autre exemple est l’espace l1 = (R1 ; kk1 ) qui consiste en les suites 1 x = (xi )1 véri…ants 1 X kxk1 = jxi j < 1: (9) i=1 D’une manière similaire, nous dé…nissons les espaces lp = R1 ; kkp 1 p < 1 par !1=p 1 X p kxkp = jxi j < 1: pour (10) i=1 Ils est souvent non trivial que ces ensembles ( pour p > 1) forment des espaces vectoriels. En e¤et, nous montrons en premier que la fonction kkp est une norme et que l’inégalité triangulaire implique que si x et y sont dans lp , alors x + y est aussi dans lp . Cela découle de l’inégalité de Hôlder suivante. 2.1 Inégalité de Hölder Théorème 4 Pour toutes suites de scalaires (ai ) et (bi ) nous avons : où 1 p + 1 q X ak bk = 1 (1 < p < q) : X p jak j 5 1=p X q jbk j 1=q ; (11) Preuve. Observons en premier quelques liaisons entre les nombres p et q : 1 p 1 =q 1 et (p 1) q = p: (12) Pour montrer l’inégalité (11), nous posons jbi j jai j ci = P et di = P : p 1=p q 1=q ( jaj j ) ( jbj j ) Alors Maintenant, montrons que X cpi = 1 et X dqi = 1: 1 p 1 q c + di : p i q ci di En e¤et, cela est vrai car si l’on considère la fonction y = xp 1 et si on l’intègre par rapport à la variable x de 0 à ci ; ensuite si on intègre son inverse x = yp1 1 = y q 1 par rapport à y de 0 à di , il est facile de voir, géométriquement, que la somme de ces deux intégrales excede toujours le produit ci di et qu’il est égale à 1 p 1 q p ci + q di . Ainsi, nous obtenons X 1 1 + = 1: p q ci di (13) L’inégalité (12) est dite inégalité de Cauchy-Schwartz si p = q = 2. De l’inégalité de Hölder s’en suit l’inégalité de Minkowski qui est l’inégalité triangulaire des espaces lpn = Rn ; kkp : 2.2 Inégalité de Minkowski Théorème 5 Pour toutes suites de scalaires a = (ai ) et b = (bi ) et pour tout 1 p 1 nous avons : ka + bkp Preuve. p ka + bkp = = X X X 1 p + p p (jak j + jbk j) X 1 q (14) jak + bk j X p 1 p 1 (jak j + jbk j) jak j + (jak j + jbk j) jbk j X X X 1=q 1=p p p p (jak j + jbk j) jak j + jbk j = pour q tel que kakp + kbkp : p 1=q kakp + kbkp (jak j + jbk j) = 1: 6 1=p 3 Notions topologiques et géométriques Un espace vectoriel topologique est une structure composite. Sa structure est induite par les opérations algébriques et une topologie. Le concept de l’espace vectoriel topologique re‡ète les propriétés liées avec les concepts intuitives de voisinage, limite et continuité dans les espace euclidiens ordinaires. Dans un espace vectoriel topologique les deux structures sont interdépendantes. Cette relation re‡ète les propriétés de continuité des opérations algébriques sur les vecteurs dans les espaces euclidiens. Quelques remarques topologiques s’imposent. Nous dirons qu’une suite (xn ) converge vers un point x dans l’espace E si, et seulement si, kxn xk ! 0. Une boule ouverte de rayon r > 0 centrée en x0 est dé…nie par : Dr (x0 ) = fx= kx x0 k < rg (15) et un ensemble O est dit ouvert si, et seulement si, pour tout x 2 O il existe r > 0 tel que Dr (x0 ) O: Un ensemble F est dit fermé si pour toute suite xn 2 F convergente vers x 2 E on a x 2 F: Lemme 3.1 Si O est un ensemble ouvert alors l’ensemble F = Oc est fermé. Réciproquement, si F est un ensemble fermé alors l’ensemble O = F c est ouvert. Preuve. Soit xn 2 F et xn ! x 2 E. Si x 2 O alors pour tout r > 0 et n assez grand, dist (xn ; x) < r ce qui implique que pour n assez grand xn 2 O et non dans F. Pour l’inverse, si x 2 F c il existe > 0 telque D (x) O: Sinon pour toute suite décroissante vers zéro n > 0 il existe xn 2 F et dist (xn ; x) < n telque xn ! x c’est à dire x 2 F: Notons aussi que la réunion d’ensembles ouverts est un ensemble ouvert et l’intersection d’ensembles fermés est un ensemble fermé. Discutons maintenant quelques idées géométriques. Si deux points x et y sont données alors l’ensemble f x + (1 y)g pour 0 1 est le segment joignant ces deux points. Nous appelons aussi cet ensemble intervalle et nous ecrirons I [x; y]. Exercice 6 Montrer que si z 2 I [x; y] alors kx yk = kx zk + kz yk c’est à dire que l’inégalité triangulaire devient égalité. Dé…nition 3.1 Un sous ensemble M d’un espace vectoriel E est dit convexe si, et seulement si, pour tous points x; y 2 M; l’intervalle I [x; y] est contenu dans M . Il est facile de voir (exercice) que si (M ) est une famille d’ensembles convexes alors l’intersection \ M est aussi un ensemble convexe. Nous observons ici que si E est un espace vectoriel normé, l’ensemble D (E) = fx= kxk 7 1g ; (16) dit boule unité de l’espace E, est un ensemble convexe et symétrique par rapport à l’origine. 4 Espace Quotient Normé Lemme 4.1 Si X0 ,! X, et X0 est un sous espace fermé alors X=X0 est un espace normé et pour [x] 2 X=X0 sa norme est donnée par k[x]k = inf kx y2X0 yk : (17) Preuve. Si k[x]k = 0 alors il existe une suite xn 2 X0 telle que xn ! x: Ainsi x 2 X0 car X0 est fermé et donc [x] = 0. L’homogéniété de k[x]k est evidente car X0 est un sous espace linéaire et en…n, nous montrons l’inégalité triangulaire. Pour tout > 0; nous prenons z1 ; z2 2 X0 tels que kx + z1 k k[x]k + kx + z2 k k[y]k + : et Il s’en suit que pour chaque > 0 nous avons k[x] + [y]k = inf kx + y + zk z2X0 kx + y + z1 + z2 k kx + z1 k + kx + z2 k k[x]k + k[y]k + 2 ; ce qui achève la preuve. Une notion faible que celle de la norme est la notion de semi-norme. p (x) est une semi-norme sur un espace vectoriel E si elle satisfait les propriétés d’une norme sauf qu’elle peut être nulle pour des vecteurs non nuls. Donc, une semi-norme p : E ! R+ satisfait : 1. p (0) = 0; 2. p ( x) = j j p (x) ; 3. p (x + y) p (x) + p (y) pour tout x; y 2 E et tout 2 R (ou C) : Il est utile de noter que si p est une semi-norme et si E0 est son noyau, i.e., E0 = ker p = fx 2 E : p (x) = 0g, alors 1. E0 est un sous espace de E ( d’aprés l’inégalité triangulaire ) et 2. p dé…nie une norme sur le quotient E=E0 : 8 En e¤et, 1. est vrai d’aprés l’inégalité triangulaire et 2. est vrai puisque p (x + y) est indépendante de y 2 E0 : p (x + y1 ) p (x + y2 ) + p (y2 y1 ) = p (x + y2 ) et de même p (x + y2 ) p (x + y1 ) + p (y1 y2 ) = p (x + y1 ) ; (y1 ; y2 2 E0 ) : Par conséquent, p peut être regardé comme fonction sur les classes d’équivalence : p ([x]) = p (x) et elle ne dépent pas du représentant de la classe. Ainsi une seminorme p (x) sur E dé…nie d’une manière naturelle une norme sur l’espace quotient E=E0 : Ceci est un point crucial pour l’exemple suivant d’espace normé. Un analogue aux espaces lp est donné par les espaces de fonctions avec des p-normes …nies. Nous dé…nissons l’espace des fonctions continues Cp [a; b] de la façon suivante : !1=p Z b f 2 Cp [a; b] si kf kp = a p jf (x)j dx < 1: Notons que la quantité kf kp est une seminorme et donc nous pouvons passé à l’espace quotient si on veut avoir une norme. Donc nous passons à l’espace quotient comme il a été décrit çi dessus (quotient relativement à l’ensemble des zéros de k:kp ). Dans cet espace nous observons le problème suivant. Il est facile de montrer qu’il existe des suites de fonctions continues fn et une fonction non continye f telle que la quantité kfn f kp converge vers zéro. Donc fn est à l’intérieur de l’espace mais elle converge vers une fonction qui se trouve en dehors de l’espace des fonctions continues. Ce type d’espace est dit "incomplet". Dans la section suivante, nous abordons les espaces complets. 5 Complétion Pour approcher l’image générale nous avons besoin de la dé…nition suivante. Dé…nition 5.1 Un espace normé X est dit complet si, et seulement si, toute suite de Cauchy (xn ) dans X converge vers un élément x de l’espace X. Exemple 7 1. Il est bien connu du cours d’analyse que si (xn ) est une suite de Cauchy dans l’espace C [a; b] muni de la norme de la borne supérieure (i.e., pour tout " > 0; il existe N ( ) 2 N telle que supt2[a;b] jxn (t) xm (t)j < 1 pour tout n; m plus grand que N ( ) et pour tout t 2 [a; b] alors il existe une fonction continue x (t) telle que sup jxn (t) t2[a;b] x (t)j ! 0 quand n tend vers l’in…ni. Donc l’espace C [a; b] muni de la norm kxk1 = supt2[a;b] jx (t)j est un espace normé complet. 9 2. L’espace l2 est un espace normé complet, en e¤ et si xn = (xnm )m est une suite de Cauchy avec la norme k k2 alors toute suite (xnm )m est une suite de Cauchy et par complétude de R ou de C il existe la limite de (xnm ) quand n tend vers l’in…ni. Soit x = (xm )m alors k X 1 2 jxm j = lim n!1 k X 1 2 2 jxnm j sup kxn k2 < M < 1 pour un certain M > 0. Donc x 2 l2 : Finalement xn xk 2 " pour n; k assez grands et en passant à la limite quand k tend vers l’in…ni, nous obtenons kxn xk2 "; par conséquent xn ! x: Notons que la même démonstration (avec les modi…cations évidentes) est aussi valable. 3. L’espace c0 des suites convergentes vers zéro, muni de la norme de la borne supérieure est complet (laisser comme exercice). Pour les espaces normés non complets il existe une procédure pour "remplir le vide" et les rendrent complets. Théorème 8 Soit E un espace linéaire normé. Il existe un espace normé comb et un opérateur linéaire T : E ! E b tel que plet E (i) kT xk = kxk (isométrie ); b (i.e., T E = E). b (ii) Im T = (= T E) est un ensemble dense dans E 5.1 Construction du complété Soit E l’espace linéaire de toutes les suites de Cauchy 1 X = (xi 2 E)i=1 (18) dans E. Introduisons une seminorme dans l’espace E : p (X) = limi!1 kxi k ; où X = (xi ) est une suite de Cauchy. Notons que la limite existe toujours. [ En e¤et, jkxn k kxm kj kxn xm k ! 0 quand n m ! 1; par dé…nition des suites de Cauchy; alors la suite de nombres fkxn kg est une suite de Cauchy et donc convergente.] Dé…nissons N = fX : p (X) = 0g ; alors N est le sous espace de toutes les suites qui convergent vers 0. Alors p dé…nie bien une norme sur l’espace quotient b = E=N (comme indiqué çi dessus) par la même formule p (X) = limi!1 kxi k E ( pour tout représentant X d’une classe d’équivalence = X + N 2 E=N . b L’opérateur T : E ! E est dé…ni par T x = (= X + N ) où X est la suite constante X = (x; x; :::; x; :::)). (Une suite constante est, bien sûr, une suite de Cauchy et p (X) = kxk :) Maintenant, pour montrer le théorème, nous devons montrer que 10 b (a) T E est dense dans E; b est un espace complet. (b) E Preuve. (a) Pour tout > 0 et X = (xn ), il existe N 2 N tel que kxn xm k < pour n > m N: Dé…nissons Yn 2 E; Yn = (xn ; xn ; :::; xn ; :::) une suite constante; i.e., T xn = Yn : Alors la distance de X à Yn est p (X Yn ) . Donc tout X est approché par des éléments de T E. m ! 1 (i.e. X (n) est une suite (b) Soit p X (n) X (m) ! 0 quand n b = E=N ). de Cauchy dans E et représente une suite de Cauchy dans E (n) Prenons n & 0 et xn 2 E tel que p X T xn < n . Alors fxn g est une suite de Cauchy dans E: En e¤et, kxn xm k = p (T xn T xm ) p T xn X (n) +p X (n) X (m) +p X (m) quand n m ! 1. Alors X (0) = (xn ) est une suite de Cauchy (donc appartient à E) et X (0) = lim X (n) : En e¤et, p X (n) X (0) p (T xn T xn ) + p T xn X (0) ! 0: (Comparer cela avec la construction des nombres irrationnels à partir des nombres rationnels.) La complétion de C(p) [a; b] est appelé Lp [a; b]. Donc un élément dans Lp [a; b] est une classe de fonctions, mais nous choisissons toujours un représentant de cette classe et nous le traitons comme un élément de l’espace Lp [a; b]. Le plus important espace pour nous est L2 [a; b]. References [1] Kolmogorov & Fomine Eléments de la théorie des fonctions et de l’analyse fonctionnelle, Ellipses, 1999. [2] John B. Conway, Acourse in functional analysis, second edition, Springer 1990. [3] Walter Rudin, Functional analysis, second edition, McGrawHill, 1991. 11 T xm ! 0