Ecole Centrale de Lyon - S8

Analyse fonctionnelle

Théorie et applications

Notes de Cours

Martine MARION

1
Table des matières

1 Espaces de Hilbert 4
1.1 Définitions. Propriétés élémentaires . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.2 Projection sur un ensemble convexe fermé . . . . . . . . . . . . . . . . . . . . . . 5
1.3 Bases hilbertiennes et espaces séparables . . . . . . . . . . . . . . . . . . . . . . . 6
1.4 Equations variationnelles et théorème de Lax-Milgram . . . . . . . . . . . . . . . 7

2 Espaces Lp 9
2.1 Définitions et premières propriétés. . . . . . . . . . . . . . . . . . . . . . . . . . . 9
2.2 Principales propriétés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.1 Complétude. Séparabilité. . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.2 Convergence dans Lp (Ω) et convergence p.p. . . . . . . . . . . . . . . . . . 10
2.2.3 Comparaison entre les espaces Lp . . . . . . . . . . . . . . . . . . . . . . . 10
2.2.4 Résultat de densité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11
2.2.5 Un résultat fondamental . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
2.2.6 Dual de Lp (Ω). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13

3 Espaces de Sobolev en dimension un et formulations variationnelles 15

3.1 Dérivées faibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.1.1 Exemples importants. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
3.1.2 Résolution de ũ0 = f˜. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.1.3 Un résultat de “continuité”. . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3.1.4 Dérivées faibles d’ordre supérieur. . . . . . . . . . . . . . . . . . . . . . . . 18
3.2 Espaces de Sobolev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.2.1 Produit scalaire et norme. . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
3.2.2 Continuité. Formule d’intégration par parties . . . . . . . . . . . . . . . . . 19
3.2.3 Inclusion de Sobolev . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
3.2.4 Espaces de Sobolev d’ordre supérieur . . . . . . . . . . . . . . . . . . . . . 21
3.2.5 Espace H01 (I) . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3.3 Exemples de formulation variationnelle . . . . . . . . . . . . . . . . . . . . . . . . 22
3.3.1 Conditions aux limites de Dirichlet . . . . . . . . . . . . . . . . . . . . . . 22
3.3.2 Conditions aux limites de Neumann . . . . . . . . . . . . . . . . . . . . . . 25

4 Topologie faible dans les espaces de Hilbert et les espaces de Banach 29

4.1 Démonstration du théorème de Lax-Milgram dans les espaces séparables. Méthode
de Galerkin. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.2 Topologie faible dans les espaces de Hilbert . . . . . . . . . . . . . . . . . . . . . . 32
4.3 Retour à la démonstration du théorème de Lax-Milgram . . . . . . . . . . . . . . 36
4.4 Topologie faible dans les espaces de Banach . . . . . . . . . . . . . . . . . . . . . 38
4.4.1 Topologie faible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38

2
 4.4.2 Topologie faible étoile. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 39

5 Optimisation dans les espaces de Hilbert 40

5.1 Minimisation de fonctionnelles convexes . . . . . . . . . . . . . . . . . . . . . . . 40
5.1.1 Fonctionnelles convexes. . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.1.2 Convexité et topologie faible . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.1.3 Minimisation de fonctionnelles convexes . . . . . . . . . . . . . . . . . . . 43
5.2 Conditions d’optimalité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 44
5.2.1 Différentiation en dimension quelconque. . . . . . . . . . . . . . . . . . . . 45
5.2.2 Equation d’Euler. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
5.2.3 Conditions d’optimalité dans le cas convexe. . . . . . . . . . . . . . . . . . 47

3
Chapitre 1

Espaces de Hilbert

1.1 Définitions. Propriétés élémentaires

Soit H un espace vectoriel sur R.
Définition 1.1 On appelle produit scalaire sur H toute application a : H × H → R bilinéaire,
symétrique et définie positive.
Remarque. On notera souvent a(u, v) = (u, v).

Propriétés
• L’application kuk = (u, u)1/2 définit une norme sur H.
• Inégalité de Cauchy-Schwarz : ∀u, v ∈ H, |(u, v)| ≤ kukkvk.
• Identité du parallélogramme : ∀u, v ∈ H,
u+v 2 u−v 2 1
kuk2 + kvk2 .


k k +k k =
2 2 2

Définition 1.2 Un espace de Hilbert est un espace vectoriel H muni d’un produit scalaire (u, v)
et qui est complet pour la norme associée kuk = (u, u)1/2 .

Dans toute la suite, H désignera un espace de Hilbert.

Proposition 1.3 Tout sous-espace vectoriel fermé d’un espace de Hilbert est un espace de Hilbert
(muni du produit scalaire induit).

Exemple fondamental
Soit Ω ouvert de RN . L’espace
Z
L (Ω) = {f˜, f : Ω → R mesurable et t.q.
2
f (x)2 dx < +∞}
Ω
muni du produit scalaire : Z
(f˜, g̃) = f (x)g(x)dx
Ω
est un espace de Hilbert. La norme associée
Z 1/2
˜
kf k2 = 2
|f (x)| dx
Ω
est la norme de la convergence en moyenne quadratique.

4
1.2 Projection sur un ensemble convexe fermé
Définition 1.4 Soit K ⊂ H. On dit que K est convexe si et seulement si :
∀(u, v) ∈ K 2 , ∀t ∈ [0, 1], tu + (1 − t)v ∈ K.

Théorème 1.5 (théorème de la projection). Soit H espace de Hilbert et K ⊂ H un ensemble

convexe, fermé, non vide. Alors pour tout h ∈ H il existe un unique élément u ∈ K vérifiant :
kh − uk = min kh − vk.
v∈K

On note u = PK (h) = projection de h sur K.

Démonstration.
Etape 1. Introduction d’une suite minimisante. 0n introduit une suite minimisante, c’est-
à-dire une suite (un )n d’éléments de K telle que
dn = kh − un k → d = inf J(v), quand n → +∞.
v∈K

Etape 2. Convergence de la suite. 0n montre que (un )n est une suite de Cauchy en appliquant
l’inégalité du parallélogramme à h − up et h − uq :
up + uq 2 up − uq 2 1
kh − up k2 + kh − uq k2 .


kh − k +k k =
2 2 2
up +uq up +uq
Comme K est convexe on a 2
∈ K et kh − 2
k ≥ d. Donc
up − uq 2 1 2
k k ≤ (dp + d2q ) − d2 → 0 quand p, q → +∞
2 2

Etape 3. Comme H est complet et K fermé, ∃ u ∈ K, un → u quand n → +∞ et kh − uk = d.

u1 +u2
Etape 4 : unicité. Si le minimum de J est atteint en deux points u1 6= u2 , on a 2
∈ K et
u1 + u2 2 u1 − u2 2 1 u1 − u2 2
kh − u1 k2 + kh − u2 k2 = −k k + d2 < d2


kh − k = −k k +
2 2 2 2
d’où la contradiction.

Caractérisation de la projection

Théorème 1.6 Sous les hypothèses du théorème 1.5, on a la caractérisation suivante :


u∈K
u = PK (h) ⇔
∀v ∈ K, (h − u, v − u) ≤ 0.

Cas particulier d’un sous-espace vectoriel fermé

Proposition 1.7 (i) PK est linéaire si et seulement si K est un sous-espace vectoriel fermé.
(ii) Soit M un sous-espace vectoriel fermé. Alors

u∈M
u = PM (h) ⇔
(h − u, v) = 0, ∀v ∈ M.

5
Corollaire 1.8 Soit M un sous-espace vectoriel fermé. Alors H = M ⊕ M ⊥ .

Caractérisation du dual d’un espace de Hilbert

Le dual (topologique) d’un espace vectoriel normé E est défini par :

E 0 = L(E, R) = {L : E → R lineaire et continue}.

On le munit de la norme :
|L(v)|
kLkE 0 = sup .
v6=0 kvk

Théorème 1.9 (théorème de Riesz). Soient un espace de Hilbert H et L ∈ H 0 . Alors il existe

u ∈ H unique tel que :
∀v ∈ H, L(v) = (u, v).
De plus, on a kLkH 0 = kuk.

1.3 Bases hilbertiennes et espaces séparables

Bases hilbertiennes

Définition 1.10 On appelle base hilbertienne une suite (en ) d’éléments de H telle que
(i) ∀m, n, (em , en ) = δm,n ,
(ii) L’espace vectoriel engendré par les (en ) est dense dans H.

L’espace vectoriel engendré pas les (en ), noté F , est défini comme l’ensemble des combinaisons
linéaires (finies) d’éléments de la suite (en ) :
∞
X
F = {a, ∃ λn ∈ R tous nuls sauf un nombre fini tels que a = λn en }. (1.3.1)
n=1

On a
F̄ = H ⇔ ∀u ∈ H, ∃ an ∈ F tel que an → u quand n → +∞}.

Théorème 1.11 On suppose que (en ) est une base hilbertienne de H. Soit u ∈ H et ∀n ≥ 1,
un = (u, en )en . Alors ∀u ∈ H on a : P 
(i) u = ∞ k
P
n=1 (u, e )e
n n , c’est-à-dire u = limk→+∞ n=1 (u, e )e
n n ,

(ii) kuk2 = ∞ 2
P
n=1 (u, en ) (égalité de Parseval).

Réciproquement, (αn )n dans R telle que ∞

P 2
P∞
n=1 αn < +∞, alors la série n=1 αn en converge vers
un élément u ∈ H et on a αn = (u, en ).

Démonstration. Notons Sk = kn=1 PEn où PEn désigne la projection sur le droite engendrée par
P
en ; Sk est une application linéaire et continue de H dans H. Soit u ∈ H ; on a
k
X
kSk (u)k2 = kun k2 . (1.3.2)
n=1

6
D’autre part, dû à la caractérisation de la projection, (u, un ) = kun k2 . Donc par sommation
(u, Sk (u)) = kSk (u)k2 d’où
kSk (u)k ≤ kuk.

Soit F l’espace vectoriel engendré par les en . Comme F̄ = H,

∀ > 0, ∃ū ∈ F, ku − ūk ≤ .

On a ū = vi1 + ... + vil . Donc,

∃k0 , ∀k ≥ k0 , Sk (ū) = ū.
De plus, kSk (u) − Sk (ū)k ≤ ku − ūk. Donc, pour k ≥ k0 ,

kSk (u) − uk ≤ kSk (u) − Sk (ū)k + kū − uk ≤ 2ku − ūk ≤ 2.

On a donc bien montré que limk→+∞ Sk u = u.

P∞
Finalement, en passant à la limite quand k → +∞ dans (1.3.2), on obtient kuk2 = n=1 kun k2 .
La démonstration de la réciproque est laissée à titre d’exercice.

Espaces séparables

Définition 1.12 On dit qu’un espace vectoriel normé E est séparable s’il existe un sous-ensemble
D ⊂ E dénombrable tel que D̄ = E.

Proposition 1.13 Tout sous-espace vectoriel fermé d’un espace séparable est séparable.

Exemple. L’espace L2 (Ω), Ω ⊂ RN , est séparable.

Soit (Ri )i la famille dénombrable des pavés R de la forme R = ΠNk=1 ]ak , bk [, ak , bk ∈ Q et R ⊂ Ω.
L’espace vectoriel sur Q engendré par les fonctions χRi est dénombrable et dense dans L2 (Ω).

Théorème 1.14 Un espace de Hilbert est séparable si et seulement si il admet une base hilber-
tienne.

Exemples de bases hilbertiennes

H = L2 (]0, 2π[)
- base : √12π , √1π sin(nx), √1π cos(nx), n ≥ 1 ;
- base : √12π , √1π cos( nx
2
), n ≥ 1 ;
1 nx
- base : √π sin( 2 ), n ≥ 1.

1.4 Equations variationnelles et théorème de Lax-Milgram

Soit a : H × H → R une forme bilinéaire. Alors a est continue si et seulement s’il existe une
constante M telle que, ∀(u, v) ∈ H 2 , |a(u, v)| ≤ M kukkvk.

Définition 1.15 On dit qu’une forme bilinéaire a : H × H → R est coercive s’il existe une
constante α > 0 telle que, ∀v ∈ H, a(v, v) ≥ αkvk2 .

7
Théorème 1.16 (théorème de Lax-Milgram). Soit a(u, v) une forme bilinéaire, continue, coercive
et soit L ∈ H 0 . Alors le problème
Trouver u ∈ H tel que ∀v ∈ H a(u, v) = L(v)
admet une unique solution.
De plus, si a est symétrique, u est caractérisé par la propriété
1
u ∈ H et J(u) = min J(v) avec J(v) = a(v, v) − L(v).
v∈H 2

8
Chapitre 2

Espaces Lp

Dans ce chapitre, Ω désigne un ouvert non vide de RN , N ≥ 1.

2.1 Définitions et premières propriétés.

Définition 2.1 Soit un réel p ≥ 1. On dit que f ∈ Lp (Ω) si f : Ω → R (mesurable) vérifie
Z
|f (x)|p dx < +∞.
Ω

On dit que f ∈ L∞ (Ω) si f est mesurable et ∃ C t.q. |f (x)| ≤ C p.p.

Pour f ∈ Lp (Ω), 1 ≤ p < ∞, on note

Z
1
kf kp = ( |f (x)|p dx) p .
Ω

Pour f ∈ L∞ (Ω), on note

kf k∞ = inf{C, |f (x)| ≤ C p.p.}.
On montre que kf k∞ est le plus petit majorant p.p. et on l’appelle borne supérieure essentielle de
f.

Inégalité de Holder
Pour 1 ≤ p ≤ ∞, on désigne par p0 l’exposant conjugé de p, c’est-à-dire :
1 1
+ 0 = 1.
p p
0
Théorème 2.2 (Inégalité de Holder).Soient f ∈ Lp (Ω) et g ∈ Lp (Ω). Alors f g ∈ L1 (Ω) et
Z
|f g| ≤ kf kp kgkp0 .
Ω

Remarque. Soient p ≥ 1, q ≥ 1, r ≥ 1 avec 1r = p1 + 1q . Si f ∈ Lp (Ω) et g ∈ Lq (Ω) alors f g ∈ Lr (Ω)

et
kf gkr ≤ kf kp kgkq .

9
Espace vectoriel et norme
Pour 1 ≤ p ≤ ∞, Lp (Ω) est un espace vectoriel. L’application f → kf kp est une semi-norme mais
ce n’est pas une norme car
kf kp = 0 ⇐⇒ f = 0 p.p.
On note Lp (Ω) l’espace des classes d’équivalence de fonctions de Lp (Ω) pour la relation d’équiva-
lence f = g p.p.. L’application f˜ → kf kp est une norme sur Lp (Ω).
Quand p = 2, l’application Z
˜
(f , g̃) = fg
Ω
2
définit un produit scalaire sur L (Ω).

2.2 Principales propriétés

2.2.1 Complétude. Séparabilité.
Théorème 2.3 Pour 1 ≤ p ≤ ∞, Lp (Ω) est un espace de Banach ; L2 (Ω) est un espace de Hilbert.
De plus, pour 1 ≤ p < ∞, Lp (Ω) est séparable.

2.2.2 Convergence dans Lp (Ω) et convergence p.p.

La convergence dans Lp (Ω) pour 1 ≤ p < ∞ n’entraîne pas la convergence p.p.
Il existe des suites (fn )n convergeant dans Lp (Ω) telles que, pour tout x ∈ Ω, la suite (fn (x))n
diverge. C’est le cas de la suite de fonctions définies sur [0, 1] de la façon suivante : on subdivise
de façon successive [0, 1] en p intervalles de longueur 1/p, p croissant, et on considère les fonctions
caractéristiques des différents sous-intervalles :

f1 = χ[0, 1 ] , f2 = χ[ 1 ,1] , f3 = χ[0, 1 ] , f4 = χ[ 1 , 2 ] , f5 = χ[ 2 ,1] , f6 = χ[0, 1 ] , f7 = χ[ 1 , 1 ] , f8 = χ[ 1 , 3 ] , ...

2 2 3 3 3 3 4 4 2 2 4

Par contre la convergence dans Lp (Ω) entraîne la convergence p.p. d’une suite extraite.

Théorème 2.4 Soit 1 ≤ p < ∞. Soit (f˜n )n une suite convergeant vers f˜ dans Lp (Ω). Alors il
existe une sous-suite (fϕ(n) )n convergeant [Link] f .

2.2.3 Comparaison entre les espaces Lp

Théorème 2.5 Supposons Ω borné et soit 1 ≤ p ≤ q ≤ +∞. Alors on a

L∞ (Ω) ⊂ Lq (Ω) ⊂ Lp (Ω) ⊂ L1 (Ω). (2.2.1)

De plus il existe une constante c dépendant de p et q telle que

∀f˜ ∈ Lq (Ω), kf˜kp ≤ ckf˜kq . (2.2.2)

La propriété (2.2.2) signifie que les injections dans (2.2.1) sont continues. On note

L∞ (Ω) ,→ Lq (Ω) ,→ Lp (Ω) ,→ L1 (Ω).

10
2.2.4 Résultat de densité
On considère l’espace C(Ω) = C 0 (Ω) = {f : Ω → R continue}. Pour f ∈ C(Ω), on définit le
support de f par
Supp f = {x ∈ Ω, f (x) 6= 0},
c’est-à-dire :

Supp f = {x ∈ RN | ∃xn ∈ Ω avec f (xn ) 6= 0 t.q. xn → x, quand n → +∞ (dans RN )}.

Définition 2.6 On dit que f ∈ C(Ω) est à support compact dans Ω si Supp f ⊂ Ω et Supp f est
un ensemble borné.

Pour f à support compact dans Ω, l’ensemble Supp f est un compact inclus dans l’ouvert Ω. La
distance entre Supp f et le complémentaire de Ω, égale à inf u∈Supp f,v∈c Ω ku − vkRN , est strictement
positive. Par exemple, si f ∈ Cc (]a, b[), avec a < b réels, il existe a < c < d < b tels que
Supp f ⊂ [c, d] ⊂]a, b[. On a f = 0 sur ]a, c] ∪ [c, b[.
On note
Cc (Ω) = {f ∈ C(Ω) a support compact dans Ω}.

Si f ∈ Cc (Ω), alors f est bornée et f ∈ L1 (Ω).

On considère aussi les espaces :

C m (Ω) = {f : Ω → R de classe C m }, m entier ≥ 1, et C ∞ (Ω) = ∩m≥0 C m (Ω)

et
Ccm (Ω) = Cc (Ω) ∩ C m (Ω), m entier ≥ 1, et Cc∞ (Ω) = Cc (Ω) ∩ C ∞ (Ω) = D(Ω).

On s’intéresse à l’existence de fonctions dans Cc∞ (Ω).

Exemple. La fonction
exp( x21−1 ) si |x| < 1

f (x) =
0 sinon
appartient à Cc∞ (R).

Proposition 2.7 Soit x0 ∈ Ω et R > 0 tels que la boule fermée B(x0 , R) de centre x0 et de rayon
R soit contenue dans Ω. Alors il existe φ ∈ Cc∞ (Ω), φ 6= 0, vérifiant Supp φ ⊂ B(x0 , R).

Pour 1 ≤ p < ∞, les fonctions de Lp (Ω) peuvent être approchées par des fonctions C ∞ à support
compact, comme énoncé dans le résultat suivant.

Théorème 2.8 Soit 1 ≤ p < ∞. Pour tout f ∈ Lp (Ω), il existe une suite φn ∈ Cc∞ (Ω) telle que

kφn − f kp → 0, quand n → +∞.

On voit facilement que ce résultat est faux dans L∞ (Ω)

11
2.2.5 Un résultat fondamental

Fonctions localement intégrables

Définition 2.9 On dit que f : Ω → R est localement intégrable sur Ω si f ∈ L1 (K) pour tout
K ⊂ Ω fermé et borné. On note L1loc (Ω) l’espace des fonctions localement intégrables sur Ω.

On note L1loc (Ω) l’espace des classes de fonctions localement intégrables pour la relation d’équiva-
lence f = g p.p.

Pour 1 ≤ p ≤ ∞, on a Lp (Ω) ⊂ L1loc (Ω).

Vers la notion de dérivée faible

Soit f ∈ L1loc (Ω) et φ ∈ Cc (Ω). Alors f φ ∈ L1 (Ω).

Théorème 2.10 Soit f˜ ∈ L1loc (Ω) telle que

Z
f (x)φ(x)dx = 0, ∀φ ∈ Cc∞ (Ω). (2.2.3)
Ω

Alors f˜ = 0̃, ou f (x) = 0 pour presque tout x ∈ Ω.

Démonstration. On fait la démonstration pour f˜ ∈ L2 (Ω). Par le théorème 2.8, il existe une suite
φn ∈ Cc∞ (Ω) telle que
kφn − f k2 → 0, quand n → +∞. (2.2.4)
0n peut prendre φ = φn dans (2.2.3), ce qui donne
Z
∀n, f (x)φn (x)dx = 0. (2.2.5)
Ω

Par l’inégalité de Cauchy-Schwarz dans L2 (Ω) :

Z Z Z
2
| f (x)φn (x)dx − f (x) dx| = | f (x)(φn (x) − f (x))dx| ≤ kf k2 kφn − f k2 .
Ω Ω Ω

Grâce à (2.2.4), il en résulte que

Z Z
f (x)φn (x)dx → f (x)2 dx quand n → +∞.
Ω Ω

Au vu de (2.2.5), on en déduit que

Z
f (x)2 dx = 0 quand n → +∞
Ω

D’où, comme f (x)2 ≥ 0, f (x)2 = 0 pour presque tout x ∈ Ω, c’est-à-dire f˜ = 0̃.



12
Corollaire 2.11 Soit f˜ ∈ L1loc (Ω) telle que
Z Z
∞
f (x)φ(x)dx = 0, ∀φ ∈ Cc (Ω) tel que φ(x)dx = 0. (2.2.6)
Ω Ω

Alors, il existe c ∈ R telle que f (x) = c pour presque tout x ∈ Ω.

Démonstration. Soit θ ∈ Cc∞ (Ω) telle que

Z
θ(x)dx = 1.
Ω

Pour φ ∈ Cc∞ (Ω) quelconque, on introduit la décomposition

Z Z
φ(x) = φ(x) − θ(x) φ(x)dx + θ(x) φ(x)dx.
Ω Ω

Alors Z
ψ(x) = φ(x) − θ(x) φ(x)dx (2.2.7)
Ω

appartient à Cc∞ (Ω) et est à moyenne nulle. Donc, par l’hypothèse (2.2.6),
Z
f (x)ψ(x)dx = 0.
Ω

En revenant à la définition (2.2.7) de ψ, cela donne

Z  Z 
f (x) − f (y)θ(y)dy φ(x)dx = 0.
Ω Ω

Posons c = Ω f (y)θ(y)dy. Comme φ ∈ Cc∞ (Ω) est quelconque, on peut appliquer le théorème 2.10
R

à f (x) − c. On obtient que f (x) = c pour presque tout x ∈ Ω.



2.2.6 Dual de Lp (Ω).

Dual de Lp (Ω) pour 1 < p < ∞

0
Théorème 2.12 Soit 1 < p < ∞ et soit L ∈ (Lp (Ω))0 . Alors il existe ũ ∈ Lp (Ω) unique tel que
Z
˜ p ˜
∀ f ∈ L (Ω), L(f ) = uf.
Ω

De plus on a kLk(Lp )0 = kũkp0 .

Le théorème 2.12 exprime que toute forme linéaire sur Lp (Ω) avec 1 < p < ∞ se représente à
0
partir d’un élément de Lp (Ω). De plus l’application L 7→ ũ est une isométrie qui permet d’identifier
0 0
(Lp (Ω))0 et Lp (Ω). On écrit Lp (Ω) = (Lp (Ω))0 .

Au sujet de L1 (Ω) et de L∞ (Ω)

13
Théorème 2.13 Soit L ∈ (L1 (Ω))0 . Alors il existe ũ ∈ L∞ (Ω) unique tel que
Z
˜ 1
∀ f ∈ L (Ω), L(f ) =˜ uf.
Ω

On a de plus kLk(L1 )0 = kũk∞ .

Le théorème 2.13 affirme que toute forme linéaire sur L1 (Ω) se représente à partir d’un élément de
L∞ (Ω). De plus l’application L 7→ ũ est une isométrie qui permet d’identifier (L1 (Ω))0 et L∞ (Ω).
On écrit L∞ (Ω) = (L1 (Ω))0 .

Attention. Le dual de L∞ (Ω) ne s’identifie pas à L1 (Ω).

14
Chapitre 3

Espaces de Sobolev en dimension un et

formulations variationnelles

3.1 Dérivées faibles

Soit I =]a, b[ , −∞ ≤ a < b ≤ +∞ un intervalle ouvert de R borné ou non.

Définition 3.1 On dit que ũ ∈ L1loc (I) est dérivable au sens faible s’il existe ṽ ∈ L1loc (I) tel que :
Z b Z b
∞ 0
∀φ ∈ Cc (I), uφ = − vφ. (3.1.1)
a a

Proposition 3.2 Si ũ ∈ L1loc (I) est dérivable au sens faible, alors il existe un unique ṽ ∈ L1loc (I)
satisfaisant (3.1.1). On dit que ṽ est la dérivée faible de ũ et on note ṽ = ũ0 .

Démonstration. Supposons que deux fonctions v1 et v2 de L1loc (I) vérifient :

Z b Z b Z b
∞ 0
∀φ ∈ Cc (I), uφ = − v1 φ = − v2 φ.
a a a
Rb
Alors, ∀φ ∈ Cc∞ (I), a
(v1 − v2 )φ = 0 et, grâce au théorème 2.10, ṽ1 = ṽ2 .


3.1.1 Exemples importants.

Proposition 3.3 Soit u ∈ C 1 (I). Alors ũ est dérivable au sens faible et ũ0 = ũ0 où u0 désigne la
dérivée usuelle de u.

Démonstration. On remarque d’abord que ũ ∈ L1loc (I). Soit φ ∈ Cc∞ (I) quelconque. Alors il existe
Rb Rd
c < d tels que Supp φ ⊂ [c, d] ⊂]a, b[. On a alors aussi Supp φ0 ⊂ [c, d] de sorte que a uφ0 = c uφ0 .
Comme u et φ sont de classe C 1 sur le compact [c, d], une intégration par parties donne
Z b Z d Z d
0 0
uφ = uφ = − u0 φ + u(d)φ(d) − u(c)φ(c).
a c c

Comme la fonction φ est nulle hors de ]c, d[, on conclue que

Z b Z b
0
uφ = − u0 φ.
a a

15
Comme u0 ∈ C(I) ⊂ L1loc (I), on obtient que ũ est dérivable au sens faible et que sa dérivée faible
est la classe d’équivalence de la fonction dérivée u0 .


Proposition 3.4 Soit u ∈ C 0 (I) tel que ∃ a0 = a < a1 < ... < an+1 = b tel que ∀i ∈ {0, ..., n},
u ∈ C 1 (]ai , ai+1 [). Soit v : I → R vérifiant v(x) = u0 (x) ∀x ∈ ]ai , ai+1 [, ∀i ∈ {0, ..., n}. On suppose
que ṽ ∈ L1loc (I). Alors ũ est dérivable au sens faible et ũ0 = ṽ.

Démonstration. Laissée en exercice.

L’exemple suivant est fondamental pour toute la suite.

Proposition 3.5 Soit ṽ ∈ L1loc (I) et α ∈ I. On pose

Z x
u(x) = v(t)dt, ∀x ∈ I.
α

Alors ũ est dérivable au sens faible et ũ0 = ṽ.

Démonstration. On suppose pour simplifier I =]0, 1[, ṽ ∈ L1 (]0, 1[), et α = 0. Le cas général est
un peu plus technique àR écrire (exercice).
x
La fonction u(x) = 0 v(t)dt est continue sur ]0, 1[ donc localement intégrable sur ]0, 1[ (exer-
cice).
Soit φ ∈ Cc∞ (]0, 1[) quelconque. On a
Z 1 Z 1 Z x
0
uφ = ( v(t)dt)φ0 (x)dx.
0 0 0

Attention : on ne peut pas faire d’intégration par parties car u n’est pas de classe C 1 .
On va utiliser le théorème de Fubini. On a
Z 1 Z x Z 1 Z 1
0
( v(t)dt)φ (x)dx = ( v(t)χ[0,x] (t)dt)φ0 (x)dx.
0 0 0 0

La fonction (x, t) → v(t)χ[0,x] φ0 (x) est intégrable sur ]0, 1[×]0, 1[ car
Z 1 Z 1 Z 1 Z 1
0 0
|v(t)|χ[0,x] |φ (x)|dxdt ≤ ( |φ (x)|dx)( |v(t)|dt) < +∞.
0 0 0 0

0n peut donc appliquer le théorème de Fubini à cette fonction et l’interversion des signes somme
donne : Z 1 Z x Z 1 Z 1 Z 1
0 0
( v(t)dt)φ (x)dx = v(t)( φ (x)dx)dt = − v(t)φ(t)dt.
0 0 0 t 0

Comme v ∈ L1loc (I), les conclusions de la proposition en découlent aussitôt.



16
3.1.2 Résolution de ũ0 = f˜.
Proposition 3.6 Soit ũ ∈ L1loc (I) à dérivée faible ũ0 = 0̃. Alors, il existe c ∈ R tel que u(x) = c
pour presque tout x ∈ I.
Démonstration. L’hypothèse ũ0 = 0̃ signifie
Z b
∀φ ∈ Cc∞ (I), uφ0 = 0. (3.1.2)
a

La démonstration du lemme suivant est laissé à titre d’exercice.

Lemme 3.7 Soit φ ∈ Cc∞ (I). Les deux propriétés suivantes sont équivalentes
(i) Il existe ψ ∈ Cc∞ (I) telle que φ = ψ 0 .
R
(ii) φ est à moyenne nulle : I φ(x)dx = 0.
Au vu de ce lemme, la propriété (3.1.2) est équivalente à
Z Z
∞
uφ = 0, ∀φ ∈ Cc (I) tel que φ(x)dx = 0.
I I

Par le corollaire 2.11, on en déduit qu’il existe c ∈ R telle que u(x) = c pour presque tout x ∈ I.

Proposition 3.8 RSoit f˜ ∈ L1loc (I). Alors les solutions de l’équation ũ0 = f˜ sont les classes d’équi-
x
valence de u(x) = α f (t)dt + c, où α ∈ I est fixé et c ∈ R est quelconque
Démonstration. Par la proposition 3.5, si on pose
Z x
v(x) = f (t)dt, ∀x ∈ I,
α

alors ṽ est dérivable au sens faible et ṽ 0 = f˜.

Ensuite si w̃ ∈ L1loc (I) est tel que w̃0 = f˜, alors w̃0 − ṽ 0 = 0̃. Par la proposition 3.6, il existe
c ∈ R tel que w(x) − v(x) = c pour presque tout x ∈ I. Ceci conclue la preuve de la proposition.


3.1.3 Un résultat de “continuité”.

Proposition 3.9 Soit ũ ∈ L1loc (I) à dérivée faible ṽ ∈ L1loc (I). Alors il existe une unique fonction
ū ∈ C 0 (I) telle que u(x) = ū(x) pour presque tout x ∈ I. De plus,
Z x
ū(x) − ū(y) = v(t)dt, ∀ x, y ∈ I.
y

Démonstration. Soit α ∈ I. Par la proposition 3.8, il existe c ∈ R tel que, pour presque tout x ∈ I,
Z x
u(x) = v(t)dt + c = ū(x).
α
Rx
La fonction ū ainsi définie est continue sur I et ū(x) − ū(y) = y v(t)dt, ∀ x, y ∈ I.
L’unicité d’une fonction continue dans la classe d’équivalence ũ résulte du fait que, si deux
fonctions continues sont égales p.p., alors elles sont égales partout (exercice).


17
3.1.4 Dérivées faibles d’ordre supérieur.

Notation : Pour φ ∈ C p (I), on note Dp φ la dérivée d’ordre p de φ.

Proposition 3.10 Soit ũ ∈ L1loc (I). On dit que ũ est dérivable au sens faible jusqu’à l’ordre m ≥ 1
s’il existe ṽ1 , ..., ṽm ∈ L1loc (I) tels que :
Z b Z b
j
u(x)D φ(x)dx = (−1) j
vj (x)φ(x)dx, ∀φ ∈ Cc∞ (I), ∀j = 1, ..., m.
a a

Les ṽj sont alors uniquement déterminés et on dit que ṽj est la dérivée faible d’ordre j de ũ pour
1 ≤ j ≤ m.

Proposition 3.11 Soit u ∈ C m (I). Alors ũ est dérivable au sens faible jusqu’à l’ordre m et,
∀j = 1, ..., m, D
g j u est la dérivée faible d’ordre j de ũ.

3.2 Espaces de Sobolev

Soit I =]a, b[ , −∞ ≤ a < b ≤ +∞ un intervalle de R borné ou non.

Définition 3.12 L’espace de Sobolev H 1 (I) est défini par :

H 1 (I) = {ũ ∈ L2 (I) ayant une derivee faible ũ0 ∈ L2 (I)}

On a
2

 ũ ∈ L (I),
ũ ∈ H 1 (I) ⇔ Rb Rb (3.2.3)
2
∃ g̃ ∈ L (I) t.q. ∀φ ∈ Cc∞ (I), 0
uφ = − gφ.

a a

Le lien suivant avec les fonctions de classe C 1 résulte aisément de la proposition 3.3.
Proposition 3.13 (i) Soit u ∈ C 1 (I) ∩ L2 (I) tel que u0 ∈ L2 (I). Alors ũ ∈ H 1 (I) et ũ0 = ũ0 .
¯ ũ ∈ H 1 (I) et ũ0 = ũ0 .
(ii) On suppose I borné. Pour u ∈ C 1 (I),
Démonstration. (i) résulte de la proposition 3.3. Pour (ii), quand I est borné, une fonction continue
sur I¯ est de carré intégrable, d’où le résultat.


3.2.1 Produit scalaire et norme.

On définit le produit scalaire :
Z Z
(u, v)H 1 (I) = uv + u0 v 0 (3.2.4)
I I

et la norme associée :
 1/2
Z 
2 0 2

kukH 1 (I) = |u| + |u | .
I
Ci-dessus, la notation ’tilde’ pour la classe d’équivalence a été omise. Voir d’importantes remarques
à ce sujet après le théorème 3.15

18
Théorème 3.14 L’espace H 1 (I) muni du produit scalaire (3.2.4) est un espace de Hilbert sépa-
rable.

Démonstration. Soit (un )n une suite de Cauchy de H 1 (I). Par définition, pour tout  > 0 il existe
N ∈ N tel que, ∀ p ≥ N , ∀ q ≥ N , kup − uq kH 1 (I) ≤ . En utilisant la définition de la norme de
H 1 (I), cela s’écrit aussi :

∀ > 0, ∃ N ∈ N, ∀ p ≥ N, ∀ q ≥ N, kup − uq k2L2 (I) + ku0p − u0q k2L2 (I) ≤ 2 .

Les suites (un )n et (u0n )n sont donc de Cauchy dans L2 (I), et donc convergentes comme L2 (I) est
complet : il existe u ∈ L2 (I) et g ∈ L2 (I) tels que

un → u dans L2 (I), u0n → g dans L2 (I). (3.2.5)

On va montrer que u ∈ H 1 (I) et u0 = g. Par définition de la dérivée faible :

Z b Z b
∞ 0
∀φ ∈ Cc (I), ∀n, un φ = − u0n φ. (3.2.6)
a a
Rb Rb
Comme φ ∈ L2 (I) et φ0 ∈ L2 (I), les applications w → a wφ0 et w → a wφ sont continues sur
L2 (I) (théorème de Riecz) donc les convergences dans (3.2.5) entraînent par passage à la limite
dans (3.2.6) :
Z b Z b
∞ 0
∀φ ∈ Cc (I), ∀n, uφ = − gφ. (3.2.7)
a a

Comme u ∈ L (I) et g ∈ L (I), (3.2.7) entraîne que u ∈ H (I) et u0 = g.

2 2 1

Finalement comme u0 = g, (3.2.5) donne la convergence de la suite (un )n vers u dans H 1 (I).


3.2.2 Continuité. Formule d’intégration par parties

Théorème 3.15 Soit ũ ∈ H 1 (I). Alors il existe une unique fonction ū ∈ C(I)¯ telle que u(x) =
ū(x) pour presque tout x ∈ I. De plus, ∀x, y ∈ I,¯
Z x
ū(x) − ū(y) = v(t)dt, v quelconque dans ũ0 .
y

Démonstration. C’est presque une ré-écriture de la proposition 3.9. Toutefois, de plus, comme
¯
v ∈ L1 (I), on a ū ∈ C(I).

Remarque importante : Dans toute la suite, on identifie u ∈ H 1 (I) et son unique représentant
¯ Aussi, on notera (de façon abusive) u0 ∈ L2 (I) la dérivée de
continu ū. On écrira H 1 (I) ⊂ C(I).
u. Avec ces notations, on a :
Z x
¯ u(x) − u(y) =
∀ x, y ∈ I, u0 (t)dt. (3.2.8)
y

Corollaire 3.16 (Intégration par parties dans H 1 (I)). Soit u, v ∈ H 1 (I). Alors, ∀c, d ∈ I¯ avec
c < d, on a : Z d Z d
0
u v = u(d)v(d) − u(c)v(c) − uv 0 .
c c

19
Cas particulier. Si I est borné : I =]a, b[ , a < b, on a
Z b Z b
0
u v = u(b)v(b) − u(a)v(a) − uv 0 .
a a
Démonstration. Pour simplifier légèrement on fait la démonstration dans le cas I borné. Par le
théorème 3.15 on a Z x
v(x) = v(a) + v 0 (t)dt
a
d’où :
Z b Z b Z x Z b Z b Z x
0 0 0 0 0
u (x)v(x)dx = u (x)(v(a) + v (t)dt)dx = v(a)( u (x)dx) + u (x)( v 0 (t)dt)dx.
a a a a a a
(3.2.9)
En appliquant à nouveau le théorème 3.15, pour le premier terme dans (3.2.9), on a
Z b
v(a)( u0 (x)dx) = v(a)(u(b) − u(a)).
a

Le second terme dans (3.2.9) se traite en utilisant le théorème de Fubini de façon analogue à la
preuve de la proposition 3.5. Les détails sont laissés en exercice.


3.2.3 Inclusion de Sobolev

Théorème 3.17 Les fonctions de H 1 (I) sont bornées. De plus, il existe une constante c > 0 telle
que
∀u ∈ H 1 (I), kuk∞ = sup |u(x)| ≤ ckukH 1 . (3.2.10)
x∈I¯
1 ∞
On a donc H (I) ,→ L (I).
Démonstration. On considère le cas I = R. On démontre d’abord l’inégalité pour v ∈ Cc1 (R). Au
sens de la dérivation des fonctions de classe C 1 on a (v 2 )0 = 2vv 0 . Ensuite comme v est à support
compact : Z x
v(x)2 = 2 v(t)v 0 (t)dt ≤ 2kvkL2 kv 0 kL2 ≤ kvk2L2 + kv 0 k2L2 ,
−∞
d’où
∀v ∈ C 1 (R), kvk∞ ≤ kvkH 1 . (3.2.11)
On va étendre ce résultat en utilisant la densité de Cc1 (R) dans H 1 (R). Soit u ∈ H 1 (R). Il existe
une suite un ∈ Cc1 (R) telle que un → u dans H 1 (R). Grâce à (3.2.11), pour tous les indices entiers
p et q, on a
kup − uq k∞ ≤ kup − uq kH 1 (3.2.12)
La suite est convergente dans H 1 (R) donc de Cauchy dans H 1 (R). Il résulte de (3.2.12) que (un )n
est de Cauchy dans L∞ (R). Cet espace étant complet, il existe v ∈ L∞ (R) tel que un → u dans
L∞ (R). Par unicité de la limité dans L1loc (R), on a u = v. Finalement on a aussi
∀n, kun k∞ ≤ kun kH 1
et par passage à la limite quand n → +∞
∀n, kuk∞ ≤ kukH 1


20
Corollaire 3.18 ∀ α ∈ I¯ fixé, l’application u → u(α) appartient au dual de H 1 (I).

3.2.4 Espaces de Sobolev d’ordre supérieur

Définition 3.19 Etant donné un entier m ≥ 2, on définit par récurrence l’espace

H m (I) = u ∈ H m−1 (I) | u0 ∈ H m−1 (I) .



On vérifie aisément que u ∈ H m (I) si et seulement s’il existe g1 , g2 , ..., gm ∈ L2 (I) telles que :
Z Z
∞ j j
∀j = 1, 2, ..., m, ∀φ ∈ Cc (I), uD φ = (−1) gj φ.
I I

On note Dj u = gj . On a u0 = g1 , g2 = u00 = (u0 )0 , ....

L’espace H m (I) muni du produit scalaire

m
X
(u, v)H m = (u, v)L2 + (Dj u, Dj v)L2
j=1

et de la norme m
X
kuk2H m = kuk22 + kDj uk22
j=1

est un espace de Hilbert séparable.

¯
On peut étendre à H m (I) des propriétés démontrées pour H 1 (I) ; par exemple H m (I) ⊂ C m−1 (I)
avec injection continue.

3.2.5 Espace H01 (I)

Définition 3.20 L’espace H01 (I) est l’adhérence de Cc∞ (I) dans H 1 (I), c’est-à-dire que u appar-
tient à H01 (I) si et seulement s’il existe une suite φn ∈ Cc∞ (I) telle que kφn − ukH 1 → 0 quand
n → +∞.

Muni du produit scalaire induit par H 1 (I), H01 (I) est un espace de Hilbert séparable.

Les fonctions de H01 (I) sont les fonctions de H 1 (I) nulles au bord, comme énoncé dans le
théorème suivant.

Théorème 3.21 On a H01 (I) = {u ∈ H 1 (I), u = 0 sur ∂I}.

Cas particulier. Si I est borné : I =]a, b[ , a < b, on a

H01 (]a, b[) = {u ∈ H 1 (]a, b[), u(a) = u(b) = 0}.

Théorème 3.22 (Inégalité de Poincaré). Supposons I borné : I =]a, b[ , a < b. Alors

∀ u ∈ H01 (]a, b[), kuk2 ≤ (b − a)ku0 k2 .

21
Démonstration. Soit u ∈ H01 (]a, b[). Par le théorème 3.15 on a
Z x
∀x ∈ [a, b], u(x) = u(a) + u0 (t)dt.
a

Au vu du théorème 3.21, u(a) = 0, d’où :

Z x
u(x) = u0 (t)dtt.
a

Puis Z x Z b
0
|u(x)| ≤ |u (t)|dt ≤ |u0 (t)|dt.
a a
2
Ensuite par l’inégalité de Cauchy-Schwarz dans L (]a, b[) :
√
∀x ∈ [a, b], |u(x)| ≤ b − aku0 kL2 (]a,b[)

et √
kuk∞ = sup |u(x)| ≤ b − aku0 kL2 (]a,b[)
x∈[a,b]

Enfin
∀u ∈ H01 (]a, b[), kuk2L2 (]a,b[) ≤ (b − a)kuk2∞ ≤ (b − a)2 ku0 k2L2 (]a,b[)
ce qui est l’inégalité recherchée.


Corollaire 3.23 Supposons I borné. Alors il existe une constante c > 0 telle que :

∀ u ∈ H01 (I), ku0 k2 ≥ ckukH 1 (I) .

Démonstration. Grâce à l’inégalité de Poincaré, on obtient que

∀u ∈ H01 (I), kuk2H 1 (]a,b[) = kuk2L2 (]a,b[) + ku0 k2L2 (]a,b[) ≤ (b − a)2 + 1 ku0 k2L2 (]0,1[)
 

ce qui entraîne l’inégalité recherchée avec c = √ 1

.
(b−a)2 +1

3.3 Exemples de formulation variationnelle

3.3.1 Conditions aux limites de Dirichlet

Nous considérons le problème aux limites suivant :
 00
−u + 2u = f dans I =]0, 1[,
(3.3.13)
u(0) = u(1) = 0,

où f est un second membre qui appartient à l’espace L2 (]0, 1[).

Les conditions aux limites où on impose la valeur de l’inconnue u sur le bord sont dites condi-
tions de Dirichlet. Quand cette valeur est nulle, comme ici, on parle de conditions de Dirichlet
homogènes.

22
L’approche variationnelle pour étudier (3.3.13) est constituée de trois étapes que nous détaillons.

Etape 1 : Etablissement d’une formulation variationnelle

Dans une première étape il faut proposer une formulation variationnelle du problème aux limites
(3.3.13), c’est-à-dire qu’il faut trouver une forme bilinéaire a(., .), une forme linéaire L(.), et un
espace de Hilbert H tels que (3.3.13) puisse se mettre sous la forme :

Trouver u ∈ H tel que a(u, v) = L(v) pour tout v ∈ H. (3.3.14)

Le but de cette première étape est seulement de trouver la formulation variationnelle (3.3.14) ; on
étudiera dans la troisième étape comment et en quel sens on peut revenir au problème aux limites
(3.3.13) à partir de (3.3.14).
On part de u solution du problème aux limites (3.3.13). Pour trouver la formulation varia-
tionnelle, on multiplie l’équation dans (3.3.13) par une fonction test régulière v et on intègre par
partie. Cette étape 1 est formelle au sens où l’on suppose que tous les calculs effectués sont li-
cites. Seule cette première étape sera formelle. Dès que la formulation variationnelle sera obtenue,
l’étude (étapes 2 et 3) sera rigoureuse et totalement justifiée mathématiquement. On trouve :
Z 1 Z 1 Z 1 Z 1 Z 1
00 0 0 0 0
fv = − u v+2 uv = u v − u (1)v(1) + u (0)v(0) + 2 uv. (3.3.15)
0 0 0 0 0

Comme u doit satisfaire des conditions de Dirichlet homogènes, on a u(0) = u(1) = 0. On remarque
que, si la fonction test v vérifie de même v(0) = v(1) = 0, alors (3.3.15) devient
Z 1 Z 1 Z 1
0 0
uv +2 uv = f v. (3.3.16)
0 0 0

Pour que le terme de gauche de (3.3.16) ait un sens il suffit que u, v soient dans L2 (]0, 1[), et
0 0
qu’ils aient des dérivées faible u , v dans L2 (]0, 1[). Pour que le terme de droite de (3.3.16) ait
un sens il suffit que u, f soient dans L2 (]0, 1[). Par conséquent, un choix raisonnablepour H est
H = H01 (]0, 1[).
En conclusion la formulation variationnelle proposée pour (3.3.13) est :

u ∈ H01 (]0, 1[),



R1 0 0 R1 R1 (3.3.17)
1
∀v ∈ H0 (]0, 1[), 0 u v + 2 0 uv = 0 f v.


Une solution de la formulation variationnelle sera dite solution faible de (3.3.13).

Etape 2 : Résolution de la formulation variationnelle

Théorème 3.24 Soit f ∈ L2 (]0, 1[). La formulation variationnelle (3.3.17) possède une unique
solution u ∈ H01 (]0, 1[).

Démonstration. On va appliquer le théorème de Lax-Milgram (théorème 1.16).

Par le paragraphe précédent on sait que H01 (]0, 1[) muni de la norme
Z 1 Z 1 1/2
2 0 2
kvkH 1 (]0,1[) = v + (v ) . (3.3.18)
0 0

est un espace de Hilbert.

23
On a Z 1 Z 1
0 0
a(u, v) = uv +2 uv.
0 0

Clairement, a est bilinéaire. Grâce à l’inégalité de Cauchy-Schwarz dans L2 (]0, 1[), on a

∀(u, v) ∈ H01 (]0, 1[)2 , |a(u, v)| ≤ ku0 kL2 (]0,1[) kv 0 kL2 (]0,1[) + 2kukL2 (]0,1[) kvkL2 (]0,1[) . (3.3.19)

Au vu de (3.3.18), on a kukL2 (]0,1[) ≤ kukH 1 (]0,1[) , ku0 kL2 (]0,1[) ≤ kukH 1 (]0,1[) et des inégalités similaires
pour les termes en v. On déduit donc de (3.3.19) la majoration :

∀(u, v) ∈ H01 (]0, 1[)2 , |a(u, v)| ≤ 3 kukH 1 (]0,1[) kvkH 1 (]0,1[) .

Il reste à établir la coercivité de a. On remarque que :

Z 1 Z 1
1
∀v ∈ H0 (]0, 1[), a(v, v) ≥ 2
v + (v 0 )2 = kvk2H 1 (]0,1[)
0 0

ce qui donne la coercivité avec α = 1.

Finalement Z 1
L(v) = fv
0

est linéaire et en utilisant à nouveau l’inégalité de Cauchy-Schwarz dans L2 (]0, 1[) et la définition
(3.3.18) de la norme de H01 (]0, 1[) :

∀v ∈ H01 (]0, 1[), |L(v)| ≤ kf kL2 (]0,1[) kvkL2 (]0,1[) ≤ kf kL2 (]0,1[) kvkH 1 (]0,1[)

ce qui donne la continuité de L.

En conclusion toutes les hypothèses du théorème de Lax-Milgram sont satisfaites. L’application
de ce théorème donne l’existence et l’unicité d’une solution de (3.3.27).


Etape 3 : Interprétation de la formulation variationnelle

A ce stade, il y a existence et unicité de la solution u de la formulation variationnelle. Dans
cette troisième étape, on se demande de quelle équation et en quel sens u est solution, et si u
vérifie des conditions aux limites.

Proposition 3.25 La solution u de (3.3.17) vérifie :

00
(i) u ∈ H 2 (]0, 1[) et u = 2u − f dans L2 (]0, 1[) et p.p.
(ii) u(0) = u(1) = 0.

Démonstration.
00
(i) On va montrer en même temps que u ∈ H 2 (]0, 1[) et calculer u . On a Cc∞ (]0, 1[) ⊂ H01 (]0, 1[).
On peut donc prendre v = φ ∈ Cc∞ (]0, 1[) dans (3.3.17). On a donc
Z 1 Z 1 Z 1
∞ 0 0
∀φ ∈ Cc (]0, 1[), uφ +2 uφ = fφ
0 0 0

ou encore Z 1 Z 1 Z 1 Z 1
∀φ ∈ Cc∞ (]0, 1[), 0 0
u φ = −2 uφ + fφ = (f − 2u)φ. (3.3.20)
0 0 0 0

24
Ici u0 ∈ L2 (]0, 1[) et f − 2u ∈ L2 (]0, 1[). Par la définition (3.12) de l’espace de Sobolev H 1 (]0, 1[),
on en déduit que
u0 ∈ H 1 (]0, 1[) et (u0 )0 = 2u − f. (3.3.21)
Par la définition (3.19) de H 2 (]0, 1[), comme u ∈ H 1 (]0, 1[), on conclut que u ∈ H 2 (]0, 1[) et
00
u = 2u − f dans L2 (]0, 1[) et p.p., ce qui prouve (i).
Concernant (ii), comme u ∈ H01 (]0, 1[), on a u(0) = u(1) = 0.


Remarque. Considérons maintenant le cas d’une fonction f continue sur [0, 1]. Comme elle est
de carré intégrable sur ]0, 1[, (3.3.17) possède une unique solution u, qui vérifie aussi u ∈ H 2 (]0, 1[)
00
et u = 2u − f dans L2 (]0, 1[) et p.p. par l’étape 3. On peut vérifier que

u ∈ C 2 ([0, 1]) et u00 (x) = 2u(x) − f (x) pour tout .x ∈ [0, 1]. (3.3.22)

En effet comme u0 ∈ H 1 (]0, 1[) et, au sens faible, (u0 )0 = 2u − f , la proposition 3.8 entraîne que
Z x
0 0
u ∈ C([0, 1]) et u (x) = (2u(t) − f (t))dt + c pour tout .x ∈ [0, 1]. (3.3.23)
0

Ensuite comme 2u − f ∈ C([0, 1]), la formule intégrale dans (3.3.23) entraîne

u0 ∈ C 1 ([0, 1]).

Finalement, comme on a aussi,

Z x
u(x) = u0 (t)dt + c̄ pour tout .x ∈ [0, 1],
0

avec u0 ∈ C 1 ([0, 1]), on conclut que u ∈ C 2 ([0, 1]) et u00 (x) = 2u(x) − f (x) pour tout .x ∈ [0, 1].
En conclusion si f ∈ C([0, 1]), la solution de la formulation variationnelle vérifie le problème
aux limites (3.3.13) de façon standard. On dit aussi alors que c’est une solution classique.

3.3.2 Conditions aux limites de Neumann

Nous considérons le problème aux limites suivant
00
−u + 21 u = f dans ]0, 1[,

0 0 (3.3.24)
u (0) = u (1) = 0,

où f est un second membre qui appartient à l’espace L2 (]0, 1[).

Les conditions aux limites où on impose la valeur de la dérivée de l’inconnue u sur le bord sont
dites conditions de Neumann. Quand cette valeur est nulle, comme ici, on parle de conditions
de Neumann homogènes.

L’approche variationnelle pour étudier (3.3.24) suit les mêmes étapes que dans le premier exemple.

Etape 1 : Etablissement d’une formulation variationnelle

25
 On multiplie l’équation dans (3.3.24) par une fonction test régulière v et on intègre par partie.
On trouve :
Z 1 Z 1
1 1
Z 1
1 1
Z Z
00 0 0 0 0
fv = − u v+ uv = u v − u (1)v(1) + u (0)v(0) + uv. (3.3.25)
0 0 2 0 0 2 0
0 0
Comme u doit satisfaire des conditions de Neumann homogènes, on a u (0) = u (1) = 0. (3.3.25)
devient donc : Z 1
1 1
Z Z 1
0 0
uv + uv = f v. (3.3.26)
0 2 0 0

On peut noter que (3.3.26) est analogue à (3.3.16) mais en apparence seulement car maintenant
on ne suppose rien sur v sur le bord.
Pour que le terme de gauche de (3.3.26) ait un sens il suffit que u, v soient dans L2 (]0, 1[), et
0 0
qu’ils aient des dérivées faible u , v dans L2 (]0, 1[). Pour que le terme de droite de (3.3.26) ait
un sens il suffit que u, f soient dans L2 (]0, 1[). Par conséquent, un choix raisonnable pour H est
H = H 1 (]0, 1[). Ici on n’a pas de conditions aux limites dans l’espace H car on n’a rien supposé
sur v au bord.
En conclusion la formulation variationnelle proposée pour (3.3.24) est :

u ∈ H 1 (]0, 1[),


R1 0 0 1 R1 R1 (3.3.27)
1
∀v ∈ H (]0, 1[), 0 u v + 2 0 uv = 0 f v.


Etape 2 : Résolution de la formulation variationnelle

Théorème 3.26 Soit f ∈ L2 (]0, 1[). La formulation variationnelle (3.3.27) possède une unique
solution u ∈ H 1 (]0, 1[).

Démonstration. C’est très similaire au cas précédent. J’ai toutefois modifié un peu l’équation pour
que les calculs soient différents.
Par le cours, on sait que H 1 (]0, 1[) muni de la norme
Z 1 Z 1 1/2
2 0 2
kvkH 1 (]0,1[) = v + (v ) . (3.3.28)
0 0

est un espace de Hilbert.

On a Z 1 Z 1
1
0 0
a(u, v) = uv + uv.
0 2 0

Clairement, a est bilinéaire. Grâce à l’inégalité de Cauchy-Schwarz dans L2 (]0, 1[), on a

1
∀(u, v) ∈ H 1 (]0, 1[)2 , |a(u, v)| ≤ ku0 kL2 (]0,1[) kv 0 kL2 (]0,1[) + kukL2 (]0,1[) kvkL2 (]0,1[)
2
et en utilisant la définition (3.3.28) de la norme de H 1 (]0, 1[) :
3
∀(u, v) ∈ H 1 (]0, 1[)2 , |a(u, v)| ≤ kukH 1 (]0,1[) kvkH 1 (]0,1[) .
2

26
Il reste à établir la coercivité de a :
Z 1 Z 1
1 1 1
1
∀v ∈ H (]0, 1[), a(v, v) ≥ v + 2
(v 0 )2 = kvk2H 1 (]0,1[)
2 0 2 0 2
ce qui donne la coercivité avec α = 12 .
Finalement Z 1
L(v) = fv
0
est linéaire et en utilisant à nouveau l’inégalité de Cauchy-Schwarz dans L2 (]0, 1[) et la définition
(3.3.28) de la norme de H01 (]0, 1[) :
∀v ∈ H 1 (]0, 1[), |L(v)| ≤ kf kL2 (]0,1[) kvkL2 (]0,1[) ≤ kf kL2 (]0,1[) kvkH 1 (]0,1[)
ce qui donne la continuité de L.
En conclusion toutes les hypothèses du théorème de Lax-Milgram sont satisfaites. L’application
de ce théorème donne l’existence et l’unicité d’une solution de (3.3.27).


Etape 3 : Interprétation de la formulation variationnelle

Proposition 3.27 La solution u de (3.3.27) vérifie :
00
(i) u ∈ H 2 (]0, 1[) et u = 12 u − f dans L2 (]0, 1[) et p.p.
0 0
(ii) u (0) = u (1) = 0.
Démonstration.
(i) Cette partie est très similaire au cas précédent. On va montrer en même temps que u ∈ H 2 (]0, 1[)
00
et calculer u . On a Cc∞ (]0, 1[) ⊂ H 1 (]0, 1[). On peut donc prendre v = φ ∈ Cc∞ (]0, 1[) dans
(3.3.27). On a donc Z 1
1 1
Z Z 1
∞ 0 0
∀φ ∈ Cc (]0, 1[), uφ + uφ = fφ
0 2 0 0
ou encore Z 1
1 1
Z Z 1 Z 1
∞ 0 0 1
∀φ ∈ Cc (]0, 1[), uφ =− uφ + fφ = (f − u)φ (3.3.29)
0 2 0 0 0 2
Ici u0 ∈ L2 (]0, 1[) et f − 12 u ∈ L2 (]0, 1[). Par la définition (3.12) de l’espace de Sobolev H 1 (]0, 1[),
on en déduit que
1
u0 ∈ H 1 (]0, 1[) et (u0 )0 = u − f. (3.3.30)
2
Par la définition (3.19) de H 2 (]0, 1[), comme u ∈ H 1 (]0, 1[), on conclut que u ∈ H 2 (]0, 1[) et
00
u = 12 u − f dans L2 (]0, 1[) et p.p., ce qui prouve (i).
(ii) Cette partie n’est pas similaire au cas précédent car, comme déjà écrit, il n’y a pas de conditions
aux limites incluses dans la définition de H = H 1 (]0, 1[).
Rappelons que u vérifie
Z 1
1 1
Z Z 1
1 0 0
∀v ∈ H (]0, 1[), uv + uv = fv (3.3.31)
0 2 0 0

Comme u ∈ H 2 (]0, 1[), en appliquant la formule d’intégration par partie à u0 et v (corollaire 3.16),
on a Z Z 1 1
0 0
1
∀v ∈ H (]0, 1[), uv =− u00 v + u0 (1)v(1) − u0 (0)v(0).
0 0

27
Donc en revenant à (3.3.31)
Z 1 Z 1 Z 1
1 00 1 0 0
∀v ∈ H (]0, 1[), − u v+ uv + u (1)v(1) − u (0)v(0) = fv
0 2 0 0

ou encore Z 1
1
1
∀v ∈ H (]0, 1[), (−u00 + u − f )v + u0 (1)v(1) − u0 (0)v(0) = 0. (3.3.32)
0 2
00
Par l’étape (i), on sait que u = 12 u − f dans L2 (]0, 1[) et p.p. L’intégrale dans (3.3.32) est donc
nulle et on a
∀v ∈ H 1 (]0, 1[), u0 (1)v(1) − u0 (0)v(0) = 0. (3.3.33)
En prenant v(x) = x, on en déduit u0 (1) = 0, et en prenant v(x) = 1 − x, on trouve u0 (0) = 0.


Remarque. Comme pour l’exemple 1, on peut montrer que si f ∈ C([0, 1]), la solution de la
formulation variationnelle (3.3.27) vérifie

u ∈ C 2 ([0, 1]) et u00 (x) = 2u(x) − f (x) pour tout .x ∈ [0, 1]. (3.3.34)

Remarques importantes.
(i) Les traitements des conditions aux limites diffèrent dans les deux exemples ci-dessus. Dans
l’exemple 1, les conditions apparaissent dans l’espace de la formulation variationnelle. Ce n’est
pas le cas dans l’exemple 2. Toutefois, pour l’exemple 2, elles ne sont pas perdues pour autant
puisqu’on peut montrer que la solution de la formulation variationnelle est dans H 2 (]0, 1[) et
vérifie les conditions de Neumann homogènes (proposition 3.27). L’information sur les conditions
aux limites est en quelque sorte "cachée" dans la formulation variationnelle.
(ii) Les problèmes aux limites diffèrent entre eux par l’équation et/ou les conditions aux limites.
Chaque problème est spécifique. Le traitement des conditions aux limites est souvent un mélange
des exemples 1 et 2. Il va falloir pratiquer grâce à de nombreux exercices.
(iii) Le choix de l’espace de la formulation variationnelle est délicat. Deux remarques très utiles :
- il ne faut jamais introduire dans cet espace des conditions aux limites qui ne sont pas présentes
dans le problème aux limites à étudier.
- il faut toujours se demander si l’espace qu’on introduit a un sens mathématique. Par exemple
si u ∈ H 1 (]0, 1[), les quantités u0 (0) et u0 (1) n’ont pas de sens. Introduire un espace consistant de
fonctions H 1 (]0, 1[) satisfaisant les conditions de Neumann serait dons absurde. Dans l’exemple 2,
le fait qu’on démontre que u ∈ H 2 (]0, 1[) est essentiel pour obtenir dans une deuxième étape que
u0 (0) = u0 (1) = 0.

28
Chapitre 4

Topologie faible dans les espaces de Hilbert

et les espaces de Banach

La topologie faible est un outil fondamental pour l’étude des équations aux dérivées partielles
non linéaires.
Elle n’est pas nécessaire pour les problèmes aux limites du type de ceux que nous venons
d’étudier dans le chapitre précédent. Je vais toutefois motiver son introduction en commençant
une démonstration du théorème de Lax-Milgram par la méthode de Galerkin (section 4.1). Cette
méthode est très importante dans le domaine des équations aux dérivées partielles non linéaires,
stationnaires ou d’évolution ; l’étude des formulations variationnelles linéaires faite ici permet
d’appréhender plusieurs aspects de la méthode. Nous verrons que la démonstration repose sur des
arguments de compacité. La topologie faible permet en effet d’avoir des résultats de compacité
dans des espaces de dimension infinie. Elle sera aussi utilisée dans le chapitre suivant consacré à
l’optimisation (théorème 5.5).
La topologie faible est présentée dans la section 4.2 dans le cas des espaces de Hilbert. Ce cas,
très important dans les applications, permet aussi des démonstrations assez élémentaires.
Puis dans la section 4.3 on conclura la démonstration du théorème de Lax-Milgram.
Enfin la dernière section 4.4 présente des résultats concernant les espaces de Banach.

4.1 Démonstration du théorème de Lax-Milgram dans les

espaces séparables. Méthode de Galerkin.
On se donne :
- un espace de Hilbert H séparable ;
- une application a : H × H → R bilinéaire, continue, coercive ;
- une application L ∈ H 0 .
C’est le cadre théorique du théorème de Lax-Milgram sauf que l’espace de Hilbert H est supposé
de plus séparable. Ce n’est pas une restriction dans les applications car les espaces de Sobolev
sont séparables.
On se propose de démontrer par la méthode de Galerkin que le problème

u ∈ H,
(P )
∀ v ∈ H, a(u, v) = L(v)

29
a une unique solution. Cette méthode consiste à introduire un problème en dimension finie et à
passer ensuite à la limite au sens de la topologie faible.

Etape 1 : introduction d’un problème en dimension finie

L’espace H, séparable, possède une base hilbertienne (en )n . Pour m ≥ 1, on introduit les sous-
espaces de dimension finie de H donnés par Hm = Vect {e1 , ., , , , em }. Alors
- Hm ⊂ Hm+1 ;
- H = ∪m Hm ;
- dim Hm = m.
Ensuite, pour m ≥ 1 on considère le problème

(Pm ) Trouver um ∈ Hm tel que ∀v ∈ Hm , a(um , v) = L(v).

La seule différence entre (P ) et (Pm ) est que (Pm ) est posé dans un espace de dimension finie. Des
arguments propres à la dimension finie vont nous permettre de résoudre (Pm ).

Lemme 4.1 Le problème (Pm ) possède une unique solution.

Démonstration. Le problème (Pm ) est équivalent à un système linéaire de m équations à m incon-

nues. En effet, en utilisant la base {e1 , ., , , , em } de Hm et la bilinéarité de a, on a :

um ∈ Hm
(Pm ) ⇔
a(um , ei ) = L(ei ), ∀ i = 1, ..., m

∃ ξj , 1 ≤ j ≤ m, um = m
 P
j=1 ξj ej
⇔ Pm
j=1 a(e , e
j i j)ξ = L(ei ), ∀ i = 1, ..., m.
Soit A la matrice carrée d’ordre m de terme général aij = a(ej , ei ). Le système linéaire ci-dessus
a pour matrice A. Le système linéaire (et donc le problème (Pm )) a une unique solution si et
seulement si A est inversible. Pour prouver que A est inversible, il suffit de démontrer que Aξ =
0 ⇒ ξ = 0. !
m
X Xm
Aξ = 0 ⇔ ∀i, a(ej , ei )ξj = 0 ⇔ ∀i, a ξj ej , ei = 0.
j=1 j=1

Ceci entraîne : !
m
X m
X
a ξj ej , ξj ej = 0.
j=1 j=1

Par la coercivité de a, on en déduit

m
X
αk ξj ej k2 ≤ 0
j=1
Pm 2
et comme αk j=1 ξj ej k ≥ 0, on conclut que
m
X
αk ξj ej k2 = 0
j=1

d’où m
X
ξj ej = 0 ⇒ ∀ j, ξj = 0.
j=1

30
On a donc Aξ = 0 ⇒ ξ = 0 et A est inversible.


Etape 2 : Estimation a priori sur la suite um

Une estimation a priori est une majoration d’une norme d’une solution ne dépendant que des
données (ici a et L). Dans notre problème il y a une seule norme (celle de H), mais en général on
peut avoir besoin d’estimations pour différentes normes. Pour obtenir des estimations on choisit
une fonctions test adaptée dans la formulation variationnelle.
Ici on prend v = um dans la formulation variationnelle du problème (Pm ). Cela donne :

a(um , um ) = L(um ).

Puis en utilisant la coercivité de a et la continuité de L :

αkum k2 ≤ a(um , um ) = L(um ) ≤ kLkH 0 kum k

kLk
Si kum k > 0, on peut simplifier par kum k et on obtient kum k ≤ αH 0 . On note que l’inégalité est
encore vrais si kum k = 0. La suite (um )m est donc bornée indépendamment de m dans H. Plus
précisément :
kLkH 0
∀m, kum k ≤ (4.1.1)
α

Etape 3 : Extraction d’une sous-suite convergeante et passage à la limite

Une façon commode d’extraire des sous-suites convergeantes est d’avoir des propriétés de compa-
cité.

Rappels et compléments sur la compacité

I. Soient (E, k.k) un espace vectoriel normé et K ⊂ E.
a. On dit que a ∈ K est valeur d’adhérence de la suite (un )n d’éléments de K si on peut en extraire
une sous-suite convergeant vers a.
b. K est compact si toute suite de points de K possède au moins une valeur d’adhérence dans K.
c. Soit K compact. Si une suite (un )n d’éléments de K a une unique valeur d’adhérence, alors la
suite converge vers cette valeur.
II. Les propriétés ci-dessus se généralisent au cas où (K, d) est un espace métrique. On appelle
espace métrique tout couple constitué par un ensemble K et une application (u, v) → d(u, v), dite
distance, de K × K dans R+ ayant les propriétés suivantes :
- u = v ⇔ d(u, v) = 0
- d(u, v) = d(v, u)
- d(u, w) ≤ d(u, v) + d(v, w).

(Dans un espace vectoriel normé, les propriétés ci-dessus sont satisfaites par d(u, v) = ku − vk).
On dit qu’une suite (un )n d’un espace métrique (K, d) converge vers a si d(un , a) → 0 quand
n → +∞. Les résultats du I sur la compacité s’étendent alors de façon immédiate.

Ici, à l’issue de l’étape 2, ∀m, um ∈ B(0, R) = {v ∈ H, kvk ≤ R} avec R = kLkH 0 /α. Or

on peut montrer que la boule fermée B(0, R) est compacte si et seulement si H est un espace

31
vectoriel de dimension finie (exercice). On va donc chercher une autre topologie qui va faire des
boules fermées, des ensembles compacts.

4.2 Topologie faible dans les espaces de Hilbert

Soient H un espace de Hilbert et H 0 son espace dual.

Définition 4.2 Soit (un )n une suite de H. On dit que un tend vers u ∈ H au sens de la topologie
faible si
∀L ∈ H 0 , L(un ) → L(u) quand n → +∞.
On note un * u quand n → +∞. Si une telle limite faible u existe, alors elle est uniquement
définie.

Justification de la définition 4.2. Il faut montrer que si une limite faible existe alors elle est unique.
Supposons que un * u quand n → +∞ et un * v quand n → +∞. Pour tout f ∈ H, l’application
w → (w, f ) étant un élément de H 0 , on a nécessairement (un , f ) → (u, f ) quand n → +∞ et
(un , f ) → (v, f ) quand n → +∞. Par unicité de la limite (dans R), ∀f ∈ H, (u, f ) = (v, f ), ou
(u − v, f ) = 0. Pour f = u − v cela donne ku − vk2 = 0 et donc u = v.

On a dorénavant deux notions de convergence des suites :
 un → u quand n → +∞ si kun − uk → 0 quand n → +∞ ; on dit qu’il y a convergence forte
ou que la suite converge fortement
 un * u quand n → +∞ ; on dit qu’il y a convergence faible ou que la suite converge
faiblement.
Les deux notions de convergence coïncident dans les espaces de dimension finie (exercice).

La convergence forte entraîne la convergence faible comme énoncé dans la proposition suivante,
qui donne d’autres premières propriétés.

Proposition 4.3 Soit (un )n une suite de H. On a :

(i) Si un → u quand n → +∞ fortement, alors un * u quand n → +∞ faiblement.
(ii) un * u faiblement quand n → +∞ ⇔ ∀f ∈ H, (un , f ) → (u, f ) quand n → +∞.
(iii) Si un * u quand n → +∞ faiblement, alors la suite (kun k)n est bornée :

∃ R > 0, ∀n, kun k ≤ R.

(iv) Si un * u quand n → +∞ faiblement et Ln → L quand n → +∞ dans H 0 fortement, alors

Ln (un ) → L(u) quand n → +∞.

Démonstration.
(i) Continuité de L ∈ H 0
(ii) Conséquence du théorème de Riesz (théorème 1.9).
(iii) Admis
(iv) On a les majorations suivantes :

|Ln (un ) − L(u)| ≤ |(Ln − L)(un ) + L(un − u)| ≤ kLn − LkH 0 kun k + |L(un − u)|

Par (ii) la suite (kun k)n est bornée, d’où

|Ln (un ) − L(u)| ≤ kLn − LkH 0 R + |L(un − u)|

32
Chacun des deux termes à droite de l’inégalité tend vers 0 quand n → +∞, d’où le résultat.


Une propriété dans H 1 (I). Soit (un )n une suite de H 1 (I) convergeant faiblement vers u ∈ H 1 (I)
(I est un intervalle de R). Alors ∀α ∈ I¯ on a un (α) → u(α) quand n → +∞.

La proposition suivante donne des critères pour démontrer qu’une suite est faiblement convergente.

Proposition 4.4 Soit (un )n une suite bornée de H. Alors

(i) un * u quand n → +∞ faiblement ⇔ ∀f ∈ F , (un , f ) → (u, f ) quand n → +∞ où F ⊂ H
vérifie F̄ = H.
(ii) On suppose H séparable de base hilbertienne (ep )p , p ≥ 1. Alors

un * u quand n → +∞ faiblement ⇔ ∀p ≥ 1, (un , ep ) → (u, ep ) quand n → +∞.

Démonstration.
Les deux implications ⇒ sont évidentes. Montrons les réciproques.
(i) Par hypothèse, il existe une constante R > 0 telle que, ∀n, kun k ≤ R et kuk ≤ R. Soit v ∈ H.
Par densité de F dans H, pour tout  > 0, il existe f ∈ F tel que kv − f k ≤ . Alors

|(un − u, v)| ≤ |(un − u, v − f )| + |(un − u, f )| ≤ 2R + |(un − u, f )| ≤ 4R

pour n assez grand. On a donc bien (un , f ) → (u, f ) quand n → +∞, et la convergence faible de
(un )n .
(ii) Soit F l’espace vectoriel engendré par les (ep ) (voir (1.3.1)). Clairement, ∀f ∈ F , on a (un , f ) →
(u, f ) quand n → +∞. L’argument du (i) montre que ∀f ∈ F̄ , on a (un , f ) → (u, f ) quand n →
+∞. Comme F̄ = H, cela prouve la convergence faible de (un )n .


Suites bornées
Le résultat suivant est fondamental.

Théorème 4.5 Soit (un )n une suite bornée de H. Alors on peut en extraire une sous-suite conver-
geante au sens de la topologie faible.

Démonstration.
Pour démontrer ce résultat on va décomposer sur une base hilbertienne et travailler avec les
coefficients. Comme H n’est pas supposé séparable, on introduit d’abord un espace séparable bien
choisi M . Pour cela soit F l’espace vectoriel engendré par les un . On pose M = F̄ . L’espace M
est séparable et possède une base hilbertienne (ep )p .
On travaille d’abord avec le premier coefficient (un , e1 ). La suite ((un , e1 ))n est bornée dans R,.
On peut donc extraire une sous-suite (uϕ1 (n) )n telle que (uϕ1 (n) , e1 ) soit convergeante.
On considère ensuite le second coefficient pour la suite qui vient d’être extraite. La suite (uϕ1 (n) , e2 )
est bornée dans R. On peut donc extraire une sous-suite (uϕ1 ◦ϕ2 (n) )n telle que (uϕ1 ◦ϕ2 (n) , e2 ) conver-
geante. On note que, pour cette suite extraite, on a aussi (uϕ1 ◦ϕ2 (n) , e1 ) convergeante.
On procède ensuite de proche en proche par récurrence. A l’étape k, on extrait une suite (uϕ1 ◦...◦ϕk (n) )n
telle que (uϕ1 ◦...◦ϕk (n) , ek ) est convergeante. La construction fait que (uϕ1 ◦...◦ϕk (n) , el ) converge pour
l < k.

33
On considère alors la "suite diagonale" (wl )l avec wl = uϕ1 ◦...◦ϕl (l) . Par construction, ∀k ≥ 1, la
suite (wl , ek )l a une limite ak quand l → +∞.
On va montrer que les ak sont les coefficients de Fourier d’un élément de M . On a
N
X N
X
2
|ak | = lim (wl , ek )2 .
l→+∞
k=1 k=1

Or ∀k
N
X
(wl , ek )2 ≤ kwl k2 ≤ R2
k=1
où ∀n, kun k ≤ R (la suite (un )n est supposée bornée). Donc
N
X
|ak |2 ≤ R2
k=1
P∞ 2
ce qui entraîne que la série k=1 |ak | converge. Grâce au théorème 1.11, on peut donc définir
∞
X
a= ak e k .
k=1

On a a ∈ M et (a, ek ) = ak .
On a donc ∀k, (wl , ek ) → (a, ek ) quand l → +∞. Par la proposition 4.4, on en déduit que
∀f ∈ M, (wl , f ) → (a, f ) quand l → +∞.
Comme H = M ⊕ M ⊥ (corollaire 1.8) on conclut que ∀f ∈ H, (wl , f ) → (a, f ) quand l → +∞
(à expliciter), ce qui entraîne la convergence faible de (wl )l vers a.

Théorème 4.6 Soit H un espace de Hilbert séparable. Alors, ∀R > 0, la boule fermée
B(0, R) = {u ∈ H, kuk ≤ R}
munie de la topologie faible, est un espace métrique compact.
Par le théorème 4.5, de toute suite de B(0, R) on peut extraire une sous-suite faiblement conver-
gente. Dans un espace métrique. cette propriété peut être une définition de la compacité. Mais
la topologie faible n’est pas une topologie d’espace métrique. Toutefois si H est séparable on
peut montrer que la topologie faible restreinte aux boules peut être associée à une distance, d’où
l’énoncé du théorème 4.6. Ceci dépasse le cadre de ce cours.

Applications linéaires
Une application linéaire continue entre deux espaces de Hilbert reste continue quand on munit
ceux-ci de leurs topologies faibles respectives, comme énoncé dans la proposition suivante.
Proposition 4.7 Soient H1 , H2 deux espaces de Hilbert. Soit T une application linéaire et conti-
nue de H1 dans H2 . Alors si un * u quand n → +∞ dans H1 faible, on a T (un ) * T (u) quand
n → +∞ dans H2 faible.
Démonstration. Soit L ∈ H20 . On a L(T (un )) = (L ◦ T )(un ) → (L ◦ T )(u) = L(T (u)) quand n → ∞
car L ◦ T ∈ H10 .


34
Topologie faible et opérateurs compacts

Soient E, F deux espaces de Banach. On note BE = boule unité fermée de E = {u ∈ E, kuk ≤ 1}.

Définition 4.8 On dit qu’un opérateur T ∈ LC(E, F ) (application linéaire continue de E dans
F ) est compact si l’ensemble T (BE ) est relativement compact dans F , c’est-à-dire si

∃ C ⊂ F, C compact tel que T (BE ) ⊂ C ⇔ T (BE ) compact de F.

On note K(E, F ) = { opérateurs compacts E → F }.

T ∈ LC(E, F ) est compact ⇔ ∀B ⊂ E fermé borné, T (B) est relativement compact.

Proposition 4.9 K(E, F ) est un sous-espace vectoriel de L(E, F ).

Démonstration. Cela résulte facilement de (T1 + T2 )(BE ) ⊂ T1 (BE ) + T2 (BE ) ⊂ T1 (BE ) + T2 (BE ).

Une opérateur compact entre deux espaces de Hilbert transforme une suite faiblement convergente
en une suite fortement convergeante, comme énoncé dans la proposition suivante. C’est un résultat
fondamental.

Proposition 4.10 Soient H1 , H2 deux espaces de Hilbert, T ∈ K(H1 , H2 ). Si un * u quand

n → +∞ dans H1 faible, alors T (un ) → T (u) quand n → +∞ dans H2 fort.

Démonstration. On commence par remarquer qu’il y a convergence faible de la suite (T (un ))n . En
effet, par la proposition 4.7, on a T (un ) * T (u) quand n → +∞ dans H2 faible.
Comme la suite (un )n est faiblement convergeante, elle est bornée : ∃R > 0, ∀n, kun k ≤ R. On
a donc T (un ) ∈ T (B(0, R)) compact de H2 (comme T est compact).
On va montrer que la suite (T (un ))n admet une unique valeur d’adhérence. Soit l valeur
d’adhérence de T (un ). Il existe une sous-suite telle que T (uϕ(n) ) → l quand n → +∞ fort. Alors
T (uϕ(n) ) → l quand n → +∞ faible. Mais, T (uϕ(n) ) * T (u) faiblement quand n → +∞. Par
unicité de la limite faible, on a l = T (u).
La suite (T (un ))n appartient à un compact et admet T (u) comme unique valeur d’adhérence
donc T (un ) → T (u) fortement quand n → +∞.

Exemple fondamental

Théorème 4.11 (théorème de Rellich) Si I est borné, l’injection de H 1 (I) dans L2 (I) est com-
pacte.

Conséquence. Soit (un )n une suite bornée de H 1 (I) où I est un intervalle borné. Alors il existe
une sous-suite uϕ(n) et u ∈ H 1 (I) tels que, quand n → +∞,
— uϕ(n) * u dans H 1 (I) faible
— uϕ(n) → u dans L2 (I) fort.

35
4.3 Retour à la démonstration du théorème de Lax-Milgram
Etape 3 : Extraction d’une sous-suite convergeante et passage à la limite
On rappelle que um est l’unique solution du problème (Pm ) (étape 1). Puis dans l’étape 2 on a
montré qu’il existe R > 0 tel que ∀m, kum k ≤ R (voir (4.1.1)).
Par le théorème 4.4, on peut donc extraire une sous-suite (uϕ(m) )m telle qu’il existe u ∈ H et
uϕ(m) * u quand m → +∞ dans H faible (l’application ϕ : N → N est strictement croissante).
Montrons que u est solution de (P ). La formulation variationnelle de uϕ(m) s’écrit

∀v ∈ Hϕ(m) , a(uϕ(m) , v) = L(v).

Attention : l’espace de la formulation variationnelle dépend de m, d’où les précautions

qui suivent. Soit m0 fixé. ∀m ≥ m0 , Hϕ(m0 ) ⊂ Hϕ(m) , donc pour v ∈ Hϕ(m0 ) fixé,

∀m ≥ m0 , a(uϕ(m) , v) = L(v). (4.3.2)

On se propose maintenant de passer quand m → +∞ dans (4.3.2). Par définition de la topologie

faible et continuité de l’application linéaire w → a(w, v), on a

a(uϕ(m) , v) → a(u, v) quand m → +∞

On déduit donc de (4.3.2) que

a(u, v) = L(v). (4.3.3)
(4.3.3) est vérifié pour tout v dans Hϕ(m0 ) . L’indice m0 étant quelconque, on a :

a(u, v) = L(v), ∀v ∈ ∪m Hϕ(m) .

Par continuité de l’application linéaire w → a(u, w), on en déduit :

∀v ∈ ∪m Hϕ(m) , a(u, v) = L(v).

Comme ∪m Hϕ(m) = H on a finalement

∀v ∈ H, a(u, v) = L(v)

et u est solution de la formulation variationnelle (P ).

Etape 4 : Unicité d’une solution

Il reste à montrer l’unicité d’une solution de (P ). Supposons que u1 et u2 soient deux solutions de
(P ). On a
∀v ∈ H, a(u1 , v) = L(v),
∀v ∈ H, a(u2 , v) = L(v).
En soustrayant les deux formulations on obtient que

∀v ∈ H, a(u1 − u2 , v) = 0 (4.3.4)

En prenant v = u1 − u2 dans (4.3.4), il vient a(u1 − u2 , u1 − u2 ) = 0 et en utilisant la coercivité

de a :
αku1 − u2 k2 ≤ a(u1 − u2 , u1 − u2 ) = 0

36
Comme αku1 − u2 k2 ≥ 0, on en déduit αku1 − u2 k2 = 0 et u1 = u2 .


Convergence forte
On va montrer que la suite entière des approximations de Galerkin (um )m converge fortement vers
l’unique solution de (P ). Ce résultat est important du point de vue de l’approximation numérique
car la méthode de Galerkin où on introduit un problème en dimension finie est à la base de
nombreuses méthodes numériques, en particulier de la méthode des éléments finis.
Il est rare qu’on puisse démontrer ainsi la convergence forte. C’est dû à des propriétés très
particulières. Il est impossible de démontrer directement que kum − uk → 0 quand m → +∞. On
va passer à la limite dans une quantité étroitement liée aux formulations variationnelles (qui est
a(u − um , u − um )).
Proposition 4.12 Sous les hypothèses du théorème de Lax-Milgram (avec H séparable), on a
um → u quand m → +∞ dans H fort.
Démonstration.
(i) On commence par remarquer que la suite (um )m toute entière converge faiblement vers u quand
m → +∞.
En effet, la suite (um )m est bornée donc appartient à un compact pour la topologie faible.
Montrons qu’elle admet une unique valeur d’adhérence. Soit l une valeur d’adhérence. Il existe
une sous-suite (uψ(m) )m telle que uψ(m) * l quand m → +∞ dans H faible. Exactement comme
ci-dessus pour la suite (uϕ(m) )m , on montre que l est solution de (P ). Dans l’étape 4 on a prouvé
que (P ) possède une unique solution u. On a donc l = u.
La suite (um )m étant dans un compact et ayant une unique valeur d’adhérence u (pour la
topologie faible), on a que um * u dans H faible quand m → +∞.
(ii) Il reste à montrer la convergence forte. On a
a(u, v) = L(v), ∀v ∈ H (4.3.5)
a(um , v) = L(v), ∀v ∈ Hm . (4.3.6)
Attention : les espaces pour les deux formulations variationnelles sont différents. Mais
on peut prendre v ∈ Hm pour (4.3.5) et (4.3.6). En soustrayant les relations on trouve que
∀v ∈ Hm , a(u − um , v) = 0 (4.3.7)
C’est la propriété qui va permettre de conclure. On a
a(u − um , u − um ) = a(u − um , u) − a(u − um , um )
En prenant v = um dans (4.3.7), on a a(u − um , um ) = 0 et donc :
a(u − um , u − um ) = a(u − um , u) (4.3.8)
Comme l’application w → a(w, u) est linéaire continue et que um − u * 0 dans H faible quand
m → +∞, on conclut que
a(u − um , u − um ) = a(u − um , u) → 0 quand m → +∞.
Donc, comme αku − um k2 ≤ a(u − um , u − um ), um → u quand m → +∞ dans H fort.

Remarque. La simplification dans (4.3.8) est essentielle. On ne peut pas passer à la limite par
convergence faible dans le terme a(um , um ).
La proposition 4.12 donne un résultat de convergence. L’étape suivante serait d’obtenir des
estimations d’erreur. Là aussi (4.3.7) joue un rôle fondamental.

37
4.4 Topologie faible dans les espaces de Banach

4.4.1 Topologie faible

Soit E un espace de Banach (c’est-à-dire espace vectoriel normé complet) de norme k.k. Le dual
E 0 muni de la norme :
|L(v)|
kLkE 0 = sup
v6=0 kvk

est un espace de Banach.

Définition 4.13 Soit (un )n une suite de E. On dit que un tend vers u ∈ E au sens de la topologie
faible si
∀L ∈ E 0 , L(un ) → L(u) quand n → +∞.
On note un * u quand n → +∞. Si une telle limite faible u existe, alors elle est uniquement
définie.

Proposition 4.14 Soit (un )n une suite de E. On a :

(i) Si kun − uk → 0 quand n → +∞, alors un * u quand n → +∞ faiblement.
(ii) Si un * u quand n → +∞ faiblement, alors la suite kun k est bornée :

∃ R > 0, ∀n, kun k ≤ R.

(iii) Si un * u quand n → +∞ faiblement et Ln → L quand n → +∞ dans E 0 , alors Ln (un ) →

L(u) quand n → +∞.

Proposition 4.15 Soient E, F deux espaces de Banach. Soit T une application linéaire et conti-
nue de E dans F . Alors si un * u quand n → +∞ dans E faible, on a T (un ) * T (u) quand
n → +∞ dans F faible.

Proposition 4.16 Soient E, F deux espaces de Banach, T ∈ K(E, F ). Si un * u quand n → +∞

dans E faible, alors T (un ) → T (u) quand n → +∞ dans F fort.

Suites bornées
L’espace E 0 admet lui-aussi un dual noté E 00 et appelé bidual de E. On a une injection J : E → E 00
définie comme suit. Soit u ∈ E fixé ; alors l’application L 7→< L, u > de E 0 dans R est une forme
linéaire continue sur E 0 c’est-à-dire un élément de E 00 .

Définition 4.17 Soit E un espace de Banach. On dit que E est réflexif si J(E) = E 00 .

Tout espace de Hilbert est réflexif.

Définition 4.18 Soit E un espace de Banach. On dit que E est séparable s’il existe un sous-
ensemble D ⊂ E dénombrable et dense.

38
Théorème 4.19 Soit E un espace de Banach séparable et réflexif. Soit (un )n une suite bornée de
E. Alors on peut en extraire une sous-suite convergeante au sens de la topologie faible.
Pour tout R > 0, la boule fermée

B(0, R) = {u ∈ H, kuk ≤ R}

munie de la topologie faible, est un espace métrique compact.

Exemple

Théorème 4.20 Pour 1 < p < ∞, l’espace Lp (Ω) est réflexif.

Pour 1 < p < ∞, le théorème 4.19 s’applique à Lp (Ω). Soit ũn une suite bornée de Lp (Ω) ; alors il
existe une sous-suite ũϕ(n) et ũ ∈ Lp (Ω) telles que, quand n → +∞ :
Z Z
˜ p0
∀ f ∈ L (Ω), uϕ(n) f → uf
Ω Ω

4.4.2 Topologie faible étoile.

Soit E un espace de Banach, soit E 0 son dual (muni de la norme [Link] 0 ).

Définition 4.21 Soit (Ln )n une suite de E 0 . On dit que Ln tend vers L ∈ E 0 au sens de la
topologie faible ∗ si
∀ u ∈ E, Ln (u) → L(u) quand n → +∞.
Si une telle limite faible ∗ existe, alors elle est uniquement définie.

Théorème 4.22 Soit E un espace de Banach séparable et (Ln )n une suite bornée de E 0 . Alors
on peut en extraire une sous-suite convergeante au sens de la topologie faible ∗.

Comme L1 (Ω) est séparable, le théorème 4.22 s’applique à L∞ (Ω). Soit ũn une suite bornée de
L∞ (Ω) ; alors il existe une sous-suite ũϕ(n) et ũ ∈ L∞ (Ω) telles que
Z Z
∀ f˜ ∈ L (Ω),
1
uϕ(n) f → uf
Ω Ω

quand n → +∞.

39
Chapitre 5

Optimisation dans les espaces de Hilbert

5.1 Minimisation de fonctionnelles convexes

5.1.1 Fonctionnelles convexes.

Soit E un espace vectoriel normé de norme k.k et J : E → R.

On dit qu’un ensemble K ⊂ E est convexe si

∀ (u, v) ∈ K 2 , ∀ t ∈ [0, 1], tu + (1 − t)v ∈ K.

On dit qu’une application J définie sur un ensemble convexe non vide K et à valeurs dans R est
convexe sur K si

∀ (u, v) ∈ K 2 , ∀ t ∈ [0, 1], J(tu + (1 − t)v) ≤ tJ(u) + (1 − t)J(v). (5.1.1)

On dit qu’une application J définie sur un ensemble convexe non vide K et à valeurs dans R est
strictement convexe sur K si

∀ (u, v) ∈ K 2 , u 6= v, ∀ t ∈]0, 1[, J(tu + (1 − t)v) < tJ(u) + (1 − t)J(v). (5.1.2)

Exemple.

Proposition 5.1 Soit g une fonction continue de R dans R. Alors, pour tout v ∈ H 1 (]a, b[), où
a et b sont deux réels tels que a < b, on peut définir
Z b
J(v) = g(v(x))dx. (5.1.3)
a

Si de plus g est convexe sur R, alors J est convexe sur H 1 (]a, b[).

Démonstration. Si v ∈ H 1 (]a, b[), alors v est continue sur [a, b]. Comme g est continue, g ◦ v est
aussi continue sur [a, b] et l’intégrale dans (5.1.3) est bien définie.
Supposons maintenant g convexe. Soient (u, v) ∈ H 1 (]0, 1[)2 et t ∈ [0, 1]. Alors
Z b
J(tu + (1 − t)v) = g(tu(x) + (1 − t)v(x))dx. (5.1.4)
a

40
Par convexité de g, pour tout x ∈ [a, b] :

g(tu(x) + (1 − t)v(x)) ≤ tg(u(x)) + (1 − t)g(v(x)).

En revenant à (5.1.4), on en déduit

Z b Z b
J(tu + (1 − t)v) ≤ t g(u(x))dx + (1 − t) g(v(x))dx = tJ(u) + (1 − t)J(v),
a a

d’où la convexité de J.

Remarque. Dans (5.1.3), l’argument de J est une fonction. On donne donc le nom de fonctionnelle
à J (et non de fonction définie sur un espace de fonctions...)

5.1.2 Convexité et topologie faible

On étudie des propriétés de la topologie faible qui concernent les ensembles et les fonctions
convexes. Elles joueront un rôle essentiel pour établir l’existence de minimum globaux.

Ensemble convexes
Soit H un espace de Hilbert et un ensemble fermé F ⊂ H non vide (pour la topologie forte
associée à la norme). Par définition d’un ensemble fermé, si (un )n est une suite d’éléments de F
convergeant dans H fort, sa limite appartient à F . Si la suite n’est que faiblement convergente, la
limite ne sera pas dans F a priori. Toutefois cette propriété est satisfaite si F est de plus convexe.

Théorème 5.2 Soit H un espace de Hilbert et K ⊂ H un ensemble convexe fermé non vide. Soit
un ∈ K telle que ∃u ∈ H, un * u dans H faible quand n → +∞. Alors u ∈ K.

Démonstration. On raisonne par l’absurde et on suppose que u ∈/ K. Le résultat est une consé-
quence du lemme suivant qui est un lemme de séparation, par un hyperplan entre un point et un
ensemble convexe fermé non vide.

Lemme 5.3 Soit H un espace de Hilbert. Soient K ⊂ H un ensemble convexe fermé non vide et
/ K. Alors il existe L ∈ H 0 et un réel α tels que
soit u ∈

∀v ∈ K, L(u) < α < L(v). (5.1.5)

Supposons le lemme démontré. Pour la forme linéaire continue donnée par le lemme 5.3, comme
un ∈ K, on a
∀n, L(u) < α < L(un )
ce qui est en contradiction avec L(u) = limn→+∞ L(un ) comme un * u dans H faible.
Il reste à démontrer le lemme 5.3. Comme K est convexe fermé non vide on dispose de la projection
sur K, PK , donnée par le théorème 1.5. Par le théorème 1.6, on sait que

∀v ∈ K, (u − PK (u), v − PK (u)) ≤ 0. (5.1.6)

Considérons
T (v) = (PK (u) − u, v − u)

41
convient. En effet T (u) = 0. Ensuite, pour tout v ∈ K

T (v) = (PK (u) − u, v − PK (u)) + (PK (u) − u, PK (u) − u)

et grâce à (5.1.6)
T (v) ≥ kPK (u) − uk2 .
kPK (u)−uk2
Ainsi L(v) = (PK (u) − u, v) convient pour obtenir (5.1.5) avec α = 2
+ (PK (u) − u, u).


Fonctions convexes
Pour énoncer le résultat relatif aux fonctions convexes et à la topologie faible, nous avons besoin
de la notion de limite inférieure d’une suite de réels.

Limites inférieure et supérieure d’une suite de réels.

Soit (un )n une suite d’un espace vectoriel normé général E. Posons Xn = {uk , k T
≥ n} ⊂ E. On
montre facilement que l’ensemble des valeurs d’adhérence de la suite (un )n est n∈N Xn . C’est
donc un fermé de E. Cet ensemble peut être vide.
Considérons maintenant une suite de réels (xn )n . Elle possède au moins une valeur d’adhérence
dans R = R ∪ {+∞, −∞}.
On appelle limite supérieure de la suite (xn )n , que l’on note lim supn xn , la plus grande valeur
d’adhérence de la suite (xn )n (dans R). On appelle limite inférieure de la suite (xn )n , que l’on note
lim inf n xn , la plus petite valeur d’adhérence de la suite (xn )n (dans R).
On peut montrer que

lim sup xn = lim sup Xn = inf sup xk , lim inf xn = lim inf Xn = sup inf xk .
n n→+∞ n n k≥n n n→+∞ n n k≥n

On donne maintenant quelques propriétés simples des limites supérieures et inférieures.

• La suite (xn )n converge (dans R) si et seulement lim supn xn = lim inf n xn .
• La suite de réels (xn )n est minorée dans R si et seulement si lim inf n xn > −∞.
• Pour deux suites (xn )n et (yn )n , lim inf n (xn + yn ) ≥ lim inf n xn + lim inf n yn .
Les propriétés relatives à la limite supérieure s’en déduisent immédiatement comme lim supn xn =
lim inf n (−xn ).

Fonctions convexes et topologie faible.

42
Soit H un espace de Hilbert et J une fonction continue de H dans R. Par définition de la continuité,
si un → u quand n → +∞ dans H (fort), on a J(un ) → J(u) quand n → +∞. La question est :
que peut-on dire si on a seulement un * u quand n → +∞ dans H faible ? On a une réponse
partielle si J est convexe.

Théorème 5.4 Soit H un espace de Hilbert et J : H → R une fonction convexe continue (pour
la topologie usuelle associée à la norme). Si un * u quand n → +∞ dans H faible, on a

J(u) ≤ lim inf J(un ).

n→+∞

Démonstration. Soit
λ < J(u) (5.1.7)
fixé quelconque. Montrons que

∃ n0 , ∀n ≥ n0 , λ < J(un ). (5.1.8)

Si l’assertion (5.1.8) est fausse, il existe une suite extraite (uϕ(n) )n telle que, pour tout n, J(uϕ(n) ) ≤
λ. Ou encore :
∀n ≥ n0 , uϕ(n) ∈ {v ∈ H, J(v) ≤ λ} = K. (5.1.9)
Comme J est convexe et continue, l’ensemble K est convexe fermé. Par le théorème 5.2, comme
uϕ(n) * u quand n → +∞ dans H faible, on a u ∈ K, c’est-à-dire J(u) ≤ λ ce qui est en
contradiction avec (5.1.7) et prouve (5.1.8).
Soit maintenant µ une valeur d’adhérence de la suite (J(un ))n . Par définition, il existe une suite
extraite (J(uψ(n) ))n telle que J(uψ(n) ) → µ quand n → +∞. La propriété (5.1.8) garantit que

∃ n1 , ∀n ≥ n1 , λ < J(uψ(n) ). (5.1.10)

En prenant la limite quand n → +∞ dans (5.1.10), on trouve que λ ≤ µ. Comme cette propriété
est satisfaite pour toute valeur d’adhérence de (J(un ))n , on a que λ ≤ lim inf n J(un ).
En conclusion, on a montré que, pour tout λ < J(u), on a λ ≤ lim inf n J(un ). En prenant la limite
λ → J(u), ceci entraîne que J(u) ≤ lim inf n J(un ).


5.1.3 Minimisation de fonctionnelles convexes

Théorème 5.5 Soit K un ensemble convexe fermé non vide d’un espace de Hilbert H et J une
fonctionnelle convexe continue de K dans R. On suppose de plus :

 − soit K est borne
(5.1.11)
− soit K est non borne et limkvk→+∞, v∈K J(v) = +∞


Alors, J admet un minimum global sur K en (au moins) un point. Si on suppose de plus J
strictement convexe, alors il existe un unique point de minimum global de J sur K.

43
Démonstration. Sous les hypothèses de ce théorème, la fonctionnelle J n’est a priori pas minorée
sur K de sorte que
inf J(v) ∈ R ∪ {−∞}.
v∈K

0n introduit une suite minimisante, c’est-à-dire une suite (un )n d’éléments de K telle que

J(un ) → inf J(v) ∈ [−∞, +∞[, quand n → +∞. (5.1.12)

v∈K

La suite (un )n est bornée. En effet soit K est borné et c’est évident. Soit K est non borné et J est
∞ à l’∞. Dans ce second cas, fixons u0 ∈ K. Comme limkvk→+∞, v∈K J(v) = +∞, il existe R > 0
tel que
∀v ∈ K tels que kvk > R, on a J(v) > J(u0 ) + 1.
Alors (5.1.12) entraîne que kun k ≤ R pour n assez grand.
La suite (un )n est bornée dans H qui est un espace de Hilbert. Elle possède donc une sous-suite
faiblement convergente : il existe (uϕ(n) )n et u ∈ H tels que uϕ(n) * u quand n → +∞ dans H
faible.
Montrons que la limite faible u est un point de minimum global de J sur K. Comme K est convexe
fermé, on a
u ∈ K. (5.1.13)
Ensuite, J étant convexe continue, on a que :

J(u) ≤ lim inf J(uϕ(n) ).

n→+∞

Or par (5.1.12), la suite toute entière (J(un ))n converge vers inf v∈K J(v). On a donc

J(u) ≤ lim inf J(uϕ(n) ) = lim J(un ) = inf J(v).

n→+∞ n→+∞ v∈K

La fonctionnelle J est donc minorée sur K. De plus, comme u ∈ K par (5.1.13), la borne inférieure
de J sur K est atteinte en u et J(u) = minv∈K J(v).
Il reste à montrer l’unicité d’un point de minimum global si J est de plus strictement convexe. On
raisonne par l’absurde. Si le minimum de J est atteint en deux points u1 6= u2 , on a u1 +u
2
2
∈ K et

u1 + u2 1 1
J( ) < J(u1 ) + J(u2 ) = min J(v)
2 2 2 v∈K

d’où la contradiction.


5.2 Conditions d’optimalité

Le résultat d’existence ci-dessus est vrai dans un cadre hilbertien. Les conditions d’optimalité, qui
nous intéressent maintenant, peuvent, quant à elles, s’énoncer pour un espace vectoriel normé E
général.

44
5.2.1 Différentiation en dimension quelconque.

Soit E un espace vectoriel normé de norme k.k.

Définition 5.6 Soit J : E → R. On dit que J est différentiable en u ∈ E s’il existe une application
linéaire et continue Lu : E → R telle
|(v)|
∀ v ∈ E, J(u + v) = J(u) + Lu (v) + (v) et lim = 0.
kvk→0 kvk

Si J est différentiable en u, alors Lu est unique et appelée la différentielle de J au point u ; on la

note DJu .
On dit que J est différentiable si elle est différentiable en tout point de E.

Propriétés. Si J est différentiable en u alors J est continue en u. De plus

J(u + tv) − J(u)

DJu (v) = lim (5.2.14)
t→0 t

Exemples.
Toute application linéaire continue L : E → R est différentiable et, en tout point u, DLu = L.

Proposition 5.7 Soient E un espace vectoriel normé, a : E × E → R bilinéaire, symétrique

continue. Alors j(v) = 21 a(v, v) est différentiable et Dju (v) = a(u, v).

Démonstration. Comme a est continue, il existe une constante M > 0 telle que, ∀(u, v) ∈ E 2 ,
|a(u, v)| ≤ M kukkvk. Soient u, v ∈ E. On a
1 1 1
j(u + v) − j(u) = a(u + v, u + v) − a(u, u) = a(u, v) + a(v, v)
2 2 | {z } |2 {z }
lineaire continu
reste : ε(v)

et
|ε(v)| |a(v, v)| M
= ≤ kvk → 0 quand v → 0
kvk 2kvk 2

j est différentiable au point u et Dju (v) = a(u, v).



Proposition 5.8 Soit g une fonction de R dans R de classe C 2 . Soit la fonctionnelle J définie
sur H 1 (]a, b[), où ]a, b[ est un intervalle borné, par
Z b
J(v) = g(v(x))dx.
a

Alors J est différentiable sur H 1 (]a, b[) et

Z b
1
∀u ∈ H (]a, b[), DJu (v) = g 0 (u(x))v(x)dx avec v ∈ H 1 (]a, b[).
a

45
Démonstration. Soit u ∈ H 1 (]a, b[) et v ∈ H 1 (]a, b[). On a
Z b
J(u + v) = g(u(x) + v(x))dx.
a

Pour tout x ∈ [a, b], par la formule de Taylor-Lagrange à l’ordre deux, il existe θ(x) ∈ ]0, 1[ qui
dépend de u(x) et v(x), tel que
1
g(u(x) + v(x)) = g(u(x)) + g 0 (u(x))v(x) + g 00 (u(x) + θ(x)v(x))v(x)2 .
2
En intégrant sur [a, b], il en résulte
Z b Z b
0 1
J(u + v) = J(u) + g (u(x))v(x)dx + g 00 (u(x) + θ(x)v(x))v(x)2 dx.
a 2 a

b
Comme g 0 ◦ u est bornée sur [a, b], l’application v → a g 0 (u(x))v(x)dx est linéaire et continue de
R

H 1 (]a, b[) dans R. Ensuite soit

1 b 00
Z
(v) = g (u(x) + θ(x)v(x))v(x)2 dx. (5.2.15)
2 a
On veut montrer que
|(v)|
lim = 0. (5.2.16)
kvkH 1 (]a,b[) →0 kvkH 1 (]a,b[)

On peut supposer kvkH 1 (]a,b[) ≤ R où R > 0 est un réel quelconque fixé. Alors par l’injection
de Sobolev H 1 (]a, b[) ,→ L∞ (]a, b[), il existe une constante c1 > 0 telle que pour tout v tel que
kvkH 1 (]0,1[) ≤ R, on a
kvk∞ ≤ c1 kvkH 1 ≤ c1 R
et comme 0 ≤ θ(x) ≤ 1

ku + θvk∞ ≤ kuk∞ + kvk∞ ≤ kuk∞ + c1 R = β

En revenant à (5.2.15) on en déduit que, pour tout v tel que kvkH 1 (]0,1[) ≤ R :
Z b
1 00 1
|(v)| ≤ max |g (s)| v(x)2 dx ≤ max |g 00 | kvk2H 1 (]a,b[) , (5.2.17)
2 |s|≤β a 2 [−β,β]
ce qui entraîne (5.2.16).


Il existe des critères pour étudier si une fonctionnelle J différentiable est convexe ou strictement
convexe. Ils sont généralement plus faciles à utiliser que les définitions (5.1.1) et (5.1.2).

Caractérisation des fonctionnelles convexes différentiables

Proposition 5.9 Soient J : E → R différentiable et K ⊂ E un ensemble convexe non vide. Alors

J est convexe sur K si et seulement si l’une des conditions suivantes est réalisée

(i) ∀ u ∈ K, ∀ v ∈ K, J(v) ≥ J(u) + DJu (v − u)

(ii) ∀ u ∈ K, ∀ v ∈ K, (DJu − DJv )(u − v) ≥ 0.

46
Pour E = R, la propriété (i) signifie que la courbe est au-dessus de la tangente. La propriété (ii)
est équivalente à la croissance de la fonction dérivée.

Caractérisation des fonctionnelles strictement convexes différentiables

Proposition 5.10 Soient J : E → R différentiable et K ⊂ E un ensemble convexe non vide.

Alors J est strictement convexe sur K si et seulement si l’une des conditions suivantes est réalisée :

(i) ∀ u ∈ K, ∀ v ∈ K, v 6= u, J(v) > J(u) + DJu (v − u)

(ii) ∀ u ∈ K, ∀ v ∈ K, v 6= u, (DJu − DJv )(u − v) > 0.

Pour E = R, la propriété (i) signifie que la courbe est "strictement" au-dessus de la tangente. La
propriété (ii) est équivalente à la croissance stricte de la fonction dérivée.

On réfère à Ciarlet [3] et Faurre [5], pour les démonstrations de ces deux propositions.

Exemple.

Proposition 5.11 Soient E un espace vectoriel normé, a : E × E → R bilinéaire, symétrique

continue et telle que ∃ α ≥ 0, ∀ v ∈ E, a(v, v) ≥ αkvk2 . ALors j(v) = 21 a(v, v) est convexe. Si de
plus, α > 0, j est strictement convexe.

Démonstration. Par la proposition 5.7, j est différentiable en tout point u et Dju (h) = a(u, h).
Ensuite
(Dju − Djv )(u − v) = a(u − v, u − v) ≥ αku − vk2
d’où les résultats en appliquant la proposition 5.9 (ii) et la proposition 5.10 (ii).


5.2.2 Equation d’Euler.

Théorème 5.12 (équation d’Euler) Soient E un espace vectoriel normé et J : E → R une

fonctionnelle différentiable. Alors si u est un point de minimum global de J sur E, on a DJu = 0.

Démonstration. Soit v ∈ E. En utilisant (5.2.14), on montre facilement que DJu (v) = 0.



5.2.3 Conditions d’optimalité dans le cas convexe.

Théorème 5.13 Soient E un espace vectoriel normé, J : E → R une fonctionnelle convexe

différentiable et K ⊂ E un ensemble convexe fermé non vide. Alors u est solution du problème de
minimisation : 
u∈K
(5.2.18)
J(u) = inf v∈K J(v)
si et seulement si 
u∈K
(5.2.19)
∀v ∈ K, DJu (v − u) ≥ 0.

47
Démonstration. La partie condition nécessaire ne nécessite pas que J soit convexe, seulement
l’ensemble K. Soit u solution de (5.2.18). Soit v ∈ K. Comme K est convexe, pour t ∈]0, 1], on a
u + t(v − u) ∈ K et donc
J(u + t(v − u)) − J(u)
≥0 (5.2.20)
t
Par définition de la différentiabilité :
|(t(v − u))|
J(u + t(v − u)) − J(u) = tDJu (v − u) + (t(v − u)) avec lim =0
t→0 t
d’où
J(u + t(v − u)) − J(u)
→ DJu (v − u) quand t → 0,
t
et DJu (v − u) ≥ 0 grâce à (5.2.20).
Réciproquement supposons que u vérifie (5.2.19). Comme J est convexe, par la proposition 5.9
(i), on a :
∀ v ∈ K, J(v) ≥ J(u) + DJu (v − u)
d’où J(v) ≥ J(u) grâce à (5.2.19).

Cas particuliers importants
Les conditions (5.2.19) peuvent être simplifiées pour des ensembles plus particuliers. Les arguments
permettant ces simplifications sont importants par eux-mêmes.

1) K = C cône convexe fermé de sommet 0.

On dit que C est un cône convexe fermé de sommet 0 si C est convexe fermé et on a la propriété :
si λ est un réel positif ou nul et v appartient à C, alors λv appartient à C.
Les conditions (5.2.19) peuvent alors se simplifier. Plus précisément
 on a le résultat suivant.
  u∈C
u∈C u∈C

⇔ ⇔ ∀v ∈ C, DJu (v) ≥ 0,
J(u) = inf v∈C J(v) ∀v ∈ C, DJu (v − u) ≥ 0
DJu (u) = 0


J : E → R est une fonctionnelle convexe différentiable.

Démonstration. Un cône convexe fermé de sommet 0 est convexe fermé non vide, et le théorème
5.13 s’applique.
- Supposons u ∈ C point de minimum, ou encore

∀v ∈ C, DJu (v − u) ≥ 0. (5.2.21)

Soit v ∈ C. Alors u + v = 2 u+v

2
∈ C. Donc DJu (u + v − u) ≥ 0, c’est-à-dire DJu (v) ≥ 0.
Pour v = u, on obtient DJu (u) ≥ 0. Mais si on prend v = 0 dans (5.2.21), on trouve DJu (u) ≤ 0,
d’où DJu (u) = 0.
- La réciproque est évidente.


2) K = M sous-espace vectoriel fermé de E

 
u∈M u∈M
⇔
J(u) = inf v∈M J(v) ∀v ∈ M, DJu (v) = 0

48
J : E → R est une fonctionnelle convexe différentiable.
Démonstration. Un sous-espace vectoriel fermé est un cône convexe fermé de sommet 0, donc le
résultat précédent s’applique. On sait que u ∈ M est un point de minimum si et seulement si
∀v ∈ M, DJu (v) ≥ 0 et DJu (u) = 0. Comme −v ∈ M , on a DJu (−v) ≥ 0, d’où DJu (v) = 0.


3) K = E : J(u) = inf v∈E J(v) ⇔ DJu = 0.

L’équation d’Euler est une condition nécessaire et suffisante si J est convexe et différentiable.

Application aux fonctionnelles quadratiques

Proposition 5.14 On se donne :

• H espace de Hilbert
• a : H × H → R bilinéaire, symétrique, continue, coercive
• L : H → R linéaire, continue
• K convexe, fermé, non vide.
Soit
1
J(v) = a(v, v) − L(v).
2
Alors J admet un unique point de minimum global sur K. De plus, u est caractérisé par

u ∈ K,
(5.2.22)
∀ v ∈ K, a(u, v − u) ≥ L(v − u).
Dans le cas particulier où K est un cône C convexe fermé de sommet 0, u est caractérisé par

 u ∈ C,
∀ v ∈ C, a(u, v) ≥ L(v) (5.2.23)
a(u, u) = L(u).


Dans le cas particulier où K est un sous-espace vectoriel fermé M de H, u est caractérisé par

u ∈ M,
(5.2.24)
∀ v ∈ M, a(u, v) = L(v).
Démonstration. Par la proposition 5.11, J est strictement convexe, et J est continue. L’ensemble
K est convexe, fermé, non vide. Soit K est borné. Soit K est non borné. Alors, en notant α une
constante de coercivité de a, on a que
α
J(v) ≥ kvk2 − kLkH 0 kvk.
2
D’où limkvkH 1 →+∞ J(v) = +∞ dans H et a fortiori sur K. Le théorème 5.5 peut être appliqué et
fournit l’existence et l’unicité d’un point de minimum global de J sur K.
Par la proposition 5.7, J est différentiable et DJu (v) = a(u, v) − L(v). Par le théorème 5.13, u est
point de minimum global sur K si et seulement si u satisfait (5.2.22). Ces conditions se simplifient
en (5.2.23) ou (5.2.24), pour des ensembles K particuliers comme décrit après le théorème 5.13.


49
Bibliographie

[1] H. Brézis, Analyse Fonctionnelle : théorie et applications, Dunod, 2005

[2] G. Choquet, Cours de topologie, Dunod, 2000
[3] P. Ciarlet, Introduction à l’analyse numérique matricielle et à l’optimisation, Dunod, 2007
[4] R. Dautray, J.L. Lions, Analyse mathématique et calcul numérique pour les sciences et les
techniques, Masson, 1987
[5] P. Faurre, Analyse numérique. Notes d’optimisation, Ellipses, 1998

50