Une ressource Excellence Maths. Découvrir le professeur
Un espace vectoriel normé (EVN) est un espace vectoriel muni d’une norme : une application qui mesure la « taille » de chaque vecteur et vérifie trois axiomes — séparation, homogénéité et inégalité triangulaire. C’est le cadre qui donne tout son sens à la topologie de deuxième année : distances, boules, suites et continuité y prennent racine.
Au programme (MP, MPI)
- Avant : 🔵 norme d’un vecteur au lycée, espaces vectoriels en MPSI.
- Ici : 🟠 normes, distances, boules, parties bornées, suites et comparaison des normes (BO n°31 du 26/08/2021, programme MP-MPI). En PSI et PC : espaces vectoriels normés de dimension finie.
- Après : topologie des EVN, norme subordonnée. La complétude, les espaces de Banach et les suites de Cauchy sont des compléments de licence, hors programme MP/MPI.
I. Qu’est-ce qu’une norme ?
Une norme sur un espace vectoriel réel ou complexe est une application qui à chaque vecteur associe un réel positif — sa longueur — en respectant trois règles : elle ne s’annule qu’en zéro (séparation), elle est compatible avec la multiplication par un scalaire (homogénéité) et la longueur d’une somme ne dépasse pas la somme des longueurs (inégalité triangulaire). Un espace muni d’une telle norme est dit normé.
Définition — Norme et espace vectoriel normé
Soit \(E\) un \(\mathbb{K}\)-espace vectoriel (\(\mathbb{K} = \mathbb{R}\) ou \(\mathbb{C}\)). Une application \(N : E \to \mathbb{R}_+\) est une norme si :
- Séparation : \(\forall x \in E,\ N(x) = 0 \Longleftrightarrow x = 0_E\) ;
- Homogénéité : \(\forall \lambda \in \mathbb{K},\ \forall x \in E,\ N(\lambda x) = \vert \lambda \vert \, N(x)\) ;
- Inégalité triangulaire : \(\forall (x,y) \in E^2,\ N(x+y) \leq N(x) + N(y)\).
Le couple \((E, N)\) est alors un espace vectoriel normé. On note souvent \(N(x) = \Vert x \Vert\).
Dans la définition ci-dessus, la positivité est déjà incluse dans le codomaine. Si l’on part plutôt d’une application à valeurs réelles, elle se déduit aussi des trois propriétés. En effet, \(0 = N(0_E) = N(x + (-x)) \leq N(x) + N(-x) = 2\,N(x)\) grâce à l’homogénéité avec \(\lambda = -1\), donc \(N(x) \geq 0\) pour tout \(x\). Les premiers exemples sont familiers : la valeur absolue sur \(\mathbb{R}\), le module sur \(\mathbb{C}\) et la norme d’un vecteur du plan sont tous des normes.
A. Semi-norme : quand la séparation manque
Une semi-norme est une application à valeurs réelles positives qui vérifie l’homogénéité et l’inégalité triangulaire, sans que la séparation soit exigée. Une norme est donc aussi une semi-norme ; l’exemple suivant est une semi-norme qui n’est pas une norme. L’exemple type sur \(\mathbb{R}^2\) est \(N(x,y) = \vert x \vert\) : elle est homogène, triangulaire, mais \(N(0,1) = 0\) alors que \((0,1) \neq 0_E\). La séparation mérite une vérification attentive ; selon l’application, l’inégalité triangulaire peut aussi être le point délicat.
B. 🔴 Méthode et rédaction : montrer qu’une application est une norme
Pour prouver qu’une application \(N\) est une norme, une progression efficace (et attendue en copie) consiste à traiter les points dans cet ordre — sans que cet ordre soit le seul possible :
- Vérifier que \(N\) est bien définie et à valeurs dans \(\mathbb{R}_+\).
- Établir l’homogénéité : factoriser \(\vert \lambda \vert\).
- Établir l’inégalité triangulaire (souvent via l’inégalité triangulaire de \(\mathbb{R}\) ou l’inégalité de Cauchy-Schwarz).
- Traiter la séparation par exemple en dernier : \(N(x) = 0 \Longrightarrow x = 0_E\). C’est ici que la continuité intervient pour les normes intégrales.
Ce que vérifie le correcteur : que chaque axiome est cité et démontré, que l’homogénéité absorbe bien \(\vert \lambda \vert\) (et non \(\lambda\)), et que la séparation utilise une hypothèse précise (positivité stricte, continuité, liberté d’une famille…).
II. Les normes usuelles sur Kⁿ
Pour \(n\ge1\), sur \(\mathbb{K}^n\), trois normes reviennent sans cesse : la norme de la somme, la norme euclidienne et la norme du maximum. Elles se généralisent toutes dans la famille des normes \(p\).
| Norme | Définition pour \(x = (x_1, \dots, x_n)\) | Boule unité (dans \(\mathbb{R}^2\)) |
|---|---|---|
| \(\Vert x \Vert_1\) | \(\displaystyle\sum_{i=1}^{n} \vert x_i \vert\) | Losange |
| \(\Vert x \Vert_2\) | \(\sqrt{\displaystyle\sum_{i=1}^{n} \vert x_i \vert^2}\) | Disque |
| \(\Vert x \Vert_\infty\) | \(\displaystyle\max_{1 \leq i \leq n} \vert x_i \vert\) | Carré |
| \(\Vert x \Vert_p\) (\(1\le p\lt +\infty\)) | \(\left( \displaystyle\sum_{i=1}^{n} \vert x_i \vert^p \right)^{1/p}\) | Interpole entre losange et carré |
A. La norme euclidienne ‖·‖₂
La norme \(\Vert \cdot \Vert_2\) est associée à un produit scalaire : \(\Vert x \Vert_2 = \sqrt{\langle x, x \rangle}\). C’est là qu’intervient l’inégalité de Cauchy-Schwarz, \(\vert \langle x, y \rangle \vert \leq \Vert x \Vert_2 \, \Vert y \Vert_2\), qui fournit directement l’inégalité triangulaire. Le vocabulaire « euclidien » concerne le cadre réel ; sur \(\mathbb C^n\), le produit associé est hermitien. Dans le cadre réel, on retrouve cette structure dans l’espace euclidien.
Ne pas confondre norme et produit scalaire. Toute norme ne provient pas d’un produit scalaire : une norme euclidienne vérifie l’identité du parallélogramme \(\Vert x+y \Vert^2 + \Vert x-y \Vert^2 = 2(\Vert x \Vert^2 + \Vert y \Vert^2)\), ce qui est faux pour \(\Vert \cdot \Vert_1\) ou \(\Vert \cdot \Vert_\infty\) sur \(\mathbb R^n\) lorsque \(n\ge2\). En dimension un, ces normes coïncident. Sur un espace réel, le produit scalaire est bilinéaire ; dans le cadre complexe, on utilise un produit hermitien, sesquilinéaire. La norme s’applique à un seul vecteur.
Fiche PDF à imprimer
Le support de révision est reçu gratuitement par e-mail.
📄 Je reçois la fiche EVNReçois gratuitement le PDF par e-mail.
Pour un centre \(a\in E\) et un rayon \(r\gt 0\), la boule ouverte est \(B(a,r)=\{x\in E:N(x-a)\lt r\}\), la boule fermée est \(\overline B(a,r)=\{x\in E:N(x-a)\le r\}\), et la sphère est \(S(a,r)=\{x\in E:N(x-a)=r\}\).
B. Boules unités des normes usuelles
La boule unité fermée \(\{x : \Vert x \Vert \leq 1\}\) change de forme selon la norme : losange pour \(\Vert \cdot \Vert_1\), disque pour \(\Vert \cdot \Vert_2\), carré pour \(\Vert \cdot \Vert_\infty\). La sphère unité est son bord. Visualiser ces trois formes est le meilleur moyen de comprendre pourquoi les trois normes « se ressemblent » à une constante près.
III. Normes sur un espace de fonctions
En dimension infinie, le cadre naturel est l’espace \(\mathcal{C}([0,1], \mathbb{R})\) des fonctions continues, où l’on définit trois normes analogues à celles de \(\mathbb{K}^n\) :
Normes usuelles sur \(\mathcal{C}([0,1], \mathbb{R})\)
- Norme uniforme : \(\Vert f \Vert_\infty = \displaystyle\sup_{t \in [0,1]} \vert f(t) \vert\) ;
- Norme de la moyenne : \(\Vert f \Vert_1 = \displaystyle\int_0^1 \vert f(t) \vert \, \mathrm{d}t\) ;
- Norme quadratique : \(\Vert f \Vert_2 = \sqrt{\displaystyle\int_0^1 \vert f(t) \vert^2 \, \mathrm{d}t}\).
La norme uniforme est celle de la convergence uniforme : c’est elle qui gouverne la continuité d’une fonction limite. Attention à la séparation de \(\Vert \cdot \Vert_1\) : si \(\int_0^1 \vert f \vert = 0\), c’est la continuité de \(f\) qui force \(f = 0\) ; pour des fonctions seulement continues par morceaux, \(\Vert \cdot \Vert_1\) ne serait qu’une semi-norme.
A. Normes sur les matrices (aperçu)
Sur \(\mathcal{M}_n(\mathbb{K})\), on construit des normes particulières adaptées au produit matriciel (sous-multiplicativité). Ce sujet est traité en détail dans le cours sur la norme subordonnée et la norme de Frobenius.
IV. Distance associée à une norme, parties bornées
Une norme fabrique automatiquement une distance : poser \(d(x,y) = \Vert x- y \Vert\) permet de mesurer l’écart entre deux vecteurs et ouvre la porte à toute la topologie (boules, ouverts, limites).
Définition — Distance et partie bornée
La distance associée à la norme est \(d(x,y) = \Vert x- y \Vert\) ; elle est symétrique, séparée et vérifie \(d(x,z) \leq d(x,y) + d(y,z)\).
Une partie \(A \subset E\) est bornée lorsqu’il existe \(M \geq 0\) tel que \(\forall x \in A,\ \Vert x \Vert \leq M\).
Le caractère borné d’une partie dépend a priori de la norme choisie — mais en dimension finie, nous allons voir que ce n’est pas le cas.
V. Normes équivalentes
Deux normes sont équivalentes lorsqu’elles encadrent mutuellement l’une l’autre à une constante multiplicative près. Concrètement, elles définissent les mêmes suites convergentes, les mêmes ouverts et les mêmes parties bornées.
Définition — Normes équivalentes
Deux normes \(N_1\) et \(N_2\) sur \(E\) sont équivalentes s’il existe deux constantes \(\alpha, \beta > 0\) telles que : \(\forall x \in E,\ \alpha \, N_1(x) \leq N_2(x) \leq \beta \, N_1(x)\).
A. En dimension finie, toutes les normes sont équivalentes
C’est le résultat central du chapitre. Sur \(\mathbb{K}^n\), on dispose des encadrements explicites suivants, valables pour tout \(x \in \mathbb{K}^n\) :
\(\Vert x \Vert_\infty \leq \Vert x \Vert_2 \leq \Vert x \Vert_1\)
\(\Vert x \Vert_1 \leq n \, \Vert x \Vert_\infty \qquad \Vert x \Vert_2 \leq \sqrt{n}\, \Vert x \Vert_\infty \qquad \Vert x \Vert_1 \leq \sqrt{n}\, \Vert x \Vert_2\)
Les constantes (\(n\), \(\sqrt{n}\)) dépendent de la dimension. Plus généralement :
Théorème — Équivalence des normes en dimension finie
Si \(E\) est un espace vectoriel de dimension finie, alors toutes les normes sur \(E\) sont équivalentes.
Démonstration en complément : la preuve n’est pas exigible au programme MP-MPI. Si \(E=\{0\}\), le résultat est immédiat. Sinon, fixons une base \((e_1,\ldots,e_n)\) et la norme des coordonnées \(M_\infty(x)=\max_i|x_i|\). Pour toute norme \(N\), l’inégalité triangulaire donne \(N(x)\le C M_\infty(x)\), où \(C=\sum_i N(e_i)\gt 0\). Ainsi \(|N(x)-N(y)|\le C M_\infty(x-y)\) : la continuité de \(N\) pour la topologie des coordonnées est démontrée, sans supposer l’équivalence recherchée.
Dans les coordonnées réelles (parties réelles et imaginaires si nécessaire), la sphère \(S=\{M_\infty=1\}\) est un compact non vide de l’espace euclidien usuel. La fonction continue \(N\) y atteint un minimum \(m\gt 0\), puisque \(0\notin S\). Par homogénéité, \(mM_\infty(x)\le N(x)\le CM_\infty(x)\) pour tout \(x\). Toute norme est donc équivalente à cette même norme de coordonnées, d’où le résultat pour deux normes quelconques.
B. En dimension infinie : un contre-exemple
L’hypothèse de dimension finie est indispensable. Sur \(\mathcal{C}([0,1], \mathbb{R})\), les normes \(\Vert \cdot \Vert_1\) et \(\Vert \cdot \Vert_\infty\) ne sont pas équivalentes. Pour \(n\ge1\), posons \(f_n(t) = t^n\) : alors \(\Vert f_n \Vert_\infty = 1\) (atteint en \(t = 1\)) tandis que \(\Vert f_n \Vert_1 = \displaystyle\int_0^1 t^n \, \mathrm{d}t = \displaystyle\frac{1}{n+1} \to 0\). Aucune constante \(\alpha\) ne peut vérifier \(\Vert f \Vert_\infty \leq \alpha \, \Vert f \Vert_1\) pour tout \(f\), car il faudrait \(\alpha \geq n+1\) pour tout \(n\).
VI. Suites dans un espace vectoriel normé
Une suite converge dans un EVN exactement quand la norme de l’écart à la limite tend vers zéro. Toute la mécanique des limites (unicité, opérations) se transporte alors du réel au vectoriel.
Définition — Convergence d’une suite
Une suite \((u_n)\) de \((E, \Vert \cdot \Vert)\) converge vers \(\ell \in E\) si \(\Vert u_n- \ell \Vert \to 0\). La limite, lorsqu’elle existe, est unique.
Une propriété fondamentale découle de la seconde inégalité triangulaire : \(\bigl\vert \, \Vert x \Vert- \Vert y \Vert \, \bigr\vert \leq \Vert x- y \Vert\). Elle signifie que l’application norme est 1-lipschitzienne, donc continue — un fait réutilisé en continuité uniforme. En dimension finie, on démontre qu’une suite converge si et seulement si chacune de ses coordonnées converge.
Hors programme MP/MPI : les suites de Cauchy, la complétude et les espaces de Banach (« tout EVN de dimension finie est complet ») relèvent de la licence. On peut les évoquer, mais ils ne sont pas exigibles au programme de deuxième année.
VII. Norme produit sur E × F
Pour travailler sur un produit d’espaces \(E \times F\) (par exemple en fonctions de plusieurs variables), on munit le produit d’une norme. Trois choix classiques, tous équivalents, même si les facteurs sont de dimension infinie :
\(N_\infty(x,y) = \max\bigl(\Vert x \Vert_E, \Vert y \Vert_F\bigr), \quad N_1(x,y) = \Vert x \Vert_E + \Vert y \Vert_F, \quad N_2(x,y) = \sqrt{\Vert x \Vert_E^2 + \Vert y \Vert_F^2}\)
En effet, \(N_\infty\le N_2\le N_1\le2N_\infty\), indépendamment de la dimension de \(E\) et \(F\). Une suite converge dans \(E\times F\) pour l’une de ces normes si et seulement si chacune de ses deux composantes converge dans son espace.
VIII. Erreurs fréquentes
Oublier la séparation. Vérifier l’homogénéité et l’inégalité triangulaire ne suffit pas : sans \(N(x) = 0 \Longrightarrow x = 0\), on n’a qu’une semi-norme. C’est le piège typique des normes intégrales.
Écrire \(\Vert x + y \Vert = \Vert x \Vert + \Vert y \Vert\). C’est une inégalité, pas une égalité. L’égalité n’a lieu que dans des cas particuliers (vecteurs positivement liés pour une norme euclidienne).
Croire que les normes sont toujours équivalentes. L’équivalence de toutes les normes est garantie en dimension finie. En dimension infinie, deux normes données peuvent être équivalentes, mais ce n’est pas automatique. Par exemple, sur \(C([0,1],\mathbb R)\), les normes intégrale et uniforme ne sont pas équivalentes, et une boule fermée n’y est même plus forcément compacte.
IX. Exercices corrigés
Exercice 1 — Une norme du maximum ★
Montrer que \(N(x,y) = \max(\vert x \vert, \vert y \vert)\) définit une norme sur \(\mathbb{R}^2\).
Voir la correction de l’exercice 1
\(N\) est bien à valeurs dans \(\mathbb{R}_+\).
Homogénéité : \(N(\lambda(x,y)) = \max(\vert \lambda x \vert, \vert \lambda y \vert) = \vert \lambda \vert \max(\vert x \vert, \vert y \vert) = \vert \lambda \vert N(x,y)\).
Inégalité triangulaire : \(\max(\vert x + x' \vert, \vert y + y' \vert) \leq \max(\vert x \vert + \vert x' \vert, \vert y \vert + \vert y' \vert) \leq N(x,y) + N(x',y')\).
Séparation : si \(N(x,y) = 0\) alors \(\vert x \vert = \vert y \vert = 0\), donc \((x,y) = (0,0)\).
C’est donc bien une norme : il s’agit de \(\Vert \cdot \Vert_\infty\).
Exercice 2 — Comparaison numérique ★
Pour \(x = (3, -4) \in \mathbb{R}^2\), calculer \(\Vert x \Vert_1\), \(\Vert x \Vert_2\) et \(\Vert x \Vert_\infty\), puis vérifier les inégalités entre normes.
Voir la correction de l’exercice 2
\(\Vert x \Vert_1 = 3 + 4 = 7\), \(\Vert x \Vert_2 = \sqrt{9 + 16} = 5\), \(\Vert x \Vert_\infty = \max(3,4) = 4\).
On vérifie \(\Vert x \Vert_\infty \leq \Vert x \Vert_2 \leq \Vert x \Vert_1\), c’est-à-dire \(4 \leq 5 \leq 7\). ✓
Exercice 3 — Encadrement sur ℝⁿ ★★
Montrer que pour tout \(x \in \mathbb{R}^n\), \(\Vert x \Vert_\infty \leq \Vert x \Vert_2 \leq \sqrt{n}\, \Vert x \Vert_\infty\). En déduire l’équivalence de ces deux normes.
Voir la correction de l’exercice 3
Soit \(k\) un indice tel que \(\vert x_k \vert = \Vert x \Vert_\infty\).
Minoration : \(\Vert x \Vert_\infty^2 = \vert x_k \vert^2 \leq \displaystyle\sum_{i=1}^n \vert x_i \vert^2 = \Vert x \Vert_2^2\), d’où \(\Vert x \Vert_\infty \leq \Vert x \Vert_2\).
Majoration : \(\Vert x \Vert_2^2 = \displaystyle\sum_{i=1}^n \vert x_i \vert^2 \leq n \, \Vert x \Vert_\infty^2\), d’où \(\Vert x \Vert_2 \leq \sqrt{n}\, \Vert x \Vert_\infty\).
Avec \(\alpha = 1\) et \(\beta = \sqrt{n}\), les deux normes sont équivalentes. Les constantes dépendent de \(n\).
Fiche PDF à imprimer
Le support de révision est reçu gratuitement par e-mail.
📄 Je reçois la fiche EVNReçois gratuitement le PDF par e-mail.
Exercice 4 — Deux normes non équivalentes ★★
Sur \(E = \mathcal{C}([0,1], \mathbb{R})\), montrer que \(\Vert \cdot \Vert_1\) et \(\Vert \cdot \Vert_\infty\) ne sont pas équivalentes.
Voir la correction de l’exercice 4
Posons \(f_n(t) = t^n\) pour \(t \in [0,1]\) et \(n\ge1\).
\(\Vert f_n \Vert_\infty = \displaystyle\sup_{[0,1]} t^n = 1\) et \(\Vert f_n \Vert_1 = \displaystyle\int_0^1 t^n \, \mathrm{d}t = \displaystyle\frac{1}{n+1}\).
Si les normes étaient équivalentes, il existerait \(\alpha > 0\) avec \(\Vert f \Vert_\infty \leq \alpha \, \Vert f \Vert_1\) pour tout \(f\). Appliqué à \(f_n\) : \(1 \leq \displaystyle\frac{\alpha}{n+1}\), soit \(\alpha \geq n+1\) pour tout \(n\) — impossible.
Les deux normes ne sont pas équivalentes (dimension infinie).
Exercice 5 — Le rôle de la continuité ★★
Montrer que \(N(f) = \displaystyle\int_0^1 \vert f(t) \vert \, \mathrm{d}t\) est une norme sur \(\mathcal{C}([0,1], \mathbb{R})\). Où intervient la continuité ?
Voir la correction de l’exercice 5
Valeurs et homogénéité : \(N(f) \geq 0\) et \(N(\lambda f) = \int_0^1 \vert \lambda \vert \vert f \vert = \vert \lambda \vert N(f)\).
Inégalité triangulaire : \(\vert f + g \vert \leq \vert f \vert + \vert g \vert\) puis intégration : \(N(f+g) \leq N(f) + N(g)\).
Séparation : supposons \(N(f) = 0\). La fonction \(\vert f \vert\) est continue, positive, d’intégrale nulle : elle est donc identiquement nulle, d’où \(f = 0\). C’est ici que la continuité est décisive : sans elle (fonctions continues par morceaux), \(f\) pourrait être non nulle en des points isolés, et \(N\) ne serait qu’une semi-norme.
Exercice 6 — Norme sur un espace de fonctions dérivables ★★★
Sur \(E = \mathcal{C}^1([0,1], \mathbb{R})\), on pose \(N(f) = \vert f(0) \vert + \Vert f^\prime \Vert_\infty\). Montrer que \(N\) est une norme, et que \(f \mapsto \Vert f^\prime \Vert_\infty\) seule n’est qu’une semi-norme.
Voir la correction de l’exercice 6
Valeurs / homogénéité : \(N(f) \geq 0\) et \(N(\lambda f) = \vert \lambda \vert \vert f(0) \vert + \vert \lambda \vert \Vert f^\prime \Vert_\infty = \vert \lambda \vert N(f)\).
Inégalité triangulaire : \(\vert (f+g)(0) \vert \leq \vert f(0) \vert + \vert g(0) \vert\) et \(\Vert f^\prime + g^\prime \Vert_\infty \leq \Vert f^\prime \Vert_\infty + \Vert g^\prime \Vert_\infty\) ; en sommant, \(N(f+g) \leq N(f) + N(g)\).
Séparation : si \(N(f) = 0\) alors \(f(0) = 0\) et \(f^\prime = 0\) sur \([0,1]\). Donc \(f\) est constante, égale à \(f(0) = 0\) : \(f = 0\). C’est une norme.
Contre-exemple pour \(\Vert f^\prime \Vert_\infty\) : une fonction constante \(f = c \neq 0\) vérifie \(f^\prime = 0\) donc \(\Vert f^\prime \Vert_\infty = 0\) alors que \(f \neq 0\) : la séparation échoue, c’est une semi-norme.
X. Fiche de révision PDF
Pour tes révisions, retrouve dans une fiche PDF l’essentiel de ce cours : les trois axiomes d’une norme, les normes usuelles et leurs boules unités, le théorème d’équivalence en dimension finie et la méthode pour montrer qu’une application est une norme. La fiche t’est envoyée par e-mail.
📄 Reçois gratuitement la fiche PDF par e-mail
XI. Questions fréquentes
Qu’est-ce qu’un espace vectoriel normé ?
C’est un espace vectoriel \(E\) muni d’une norme, c’est-à-dire d’une application \(\Vert \cdot \Vert : E \to \mathbb{R}_+\) vérifiant la séparation, l’homogénéité et l’inégalité triangulaire. La norme permet de mesurer la taille des vecteurs, de définir des distances, des boules et des suites convergentes.
Quelle différence entre une norme et une distance ?
Une norme mesure la taille d’un seul vecteur ; une distance mesure l’écart entre deux points. Toute norme fournit une distance par \(d(x,y) = \Vert x- y \Vert\), mais toutes les distances ne proviennent pas d’une norme (une distance peut exister sur un ensemble sans structure vectorielle).
Quelle différence entre une norme et un produit scalaire ?
Un produit scalaire est une forme bilinéaire (ou hermitienne) sur deux vecteurs ; une norme s’applique à un seul vecteur. Un produit scalaire induit toujours une norme par \(\Vert x \Vert = \sqrt{\langle x, x \rangle}\), mais l’inverse est faux : une norme ne provient d’un produit scalaire que si elle vérifie l’identité du parallélogramme.
Toutes les normes sont-elles équivalentes ?
L’équivalence de toutes les normes est garantie en dimension finie. Deux normes particulières peuvent aussi être équivalentes en dimension infinie. Sur un espace de dimension finie, toutes les normes sont équivalentes et définissent la même topologie. En dimension infinie, c’est faux : par exemple \(\Vert \cdot \Vert_1\) et \(\Vert \cdot \Vert_\infty\) ne sont pas équivalentes sur \(C([0,1],\mathbb R)\).
Une norme peut-elle valoir zéro pour un vecteur non nul ?
Non : l’axiome de séparation l’interdit. Si une application est homogène et triangulaire mais s’annule sur un vecteur non nul, ce n’est pas une norme mais une semi-norme (par exemple \(N(x,y) = \vert x \vert\) sur \(\mathbb{R}^2\)).
XII. Pour aller plus loin
Tu maîtrises la définition d’une norme, les normes usuelles et l’équivalence en dimension finie. Pour poursuivre dans le cocon :
- Continuité uniforme : définition, théorème de Heine et fonctions lipschitziennes
- Norme subordonnée et normes matricielles : définition, calculs, Frobenius et rayon spectral
- 34 exercices corrigés de topologie et d’espaces vectoriels normés (MP/MPI)
- 24 Exercices Corrigés sur les Matrices : Maths Expertes, Prépa & Concours (PDF)
Conforme au programme officiel de mathématiques MP-MPI 2026-2027 (BO n°31 du 26/08/2021).