Analyse Fonctionnelle Cours, Chapitre n 5 Luc Hillairet. Espaces L p
|
|
- Flavien Lamothe
- il y a 6 ans
- Total affichages :
Transcription
1 SOM1MT05 Université d Orléans Analyse Fonctionnelle Cours, Chapitre n 5 Luc Hillairet. Espaces L p On ne considère que des fonctions à valeurs réelles (ou dans [0, ]). Le cas des fonctions à valeurs complexes s en déduit en séparant parties réelles et imaginaires. Dans première partie on travaille dans un espace mesuré quelconque puis, dans la deuxième partie on spécificiera à la mesure de Lebesgue 1 sur R k. 1 Approximation par des fonctions étagées Soit (, A, µ) un espace mesuré. Définition 1. Une fonction f sur est dite étagée lorsqu il existe tels que 1. Un ensemble d indices I fini, 2. Une collection (finie) (α i ) i I de nombres réels, 3. Une collection (finie) (A i ) i I d éléments de A f = i I α i 1 Ai. Le théorème suivant permet d approcher toute fonction mesurable positive par une suite de fonctions étagées. Proposition 1. Soit f : [0, ] une fonction mesurable positive. Il existe une suite (f n ) n 0 de fonctions étagées telle que 1. Pour tout x, la suite (f n (x)) n 0 est croissante, 2. Pour tout x, la suite (f n (x)) n 0 converge vers f(x). Si de plus f est bornée alors sup { f n (x) f(x), x } 0. Démonstration. On construit f n de la façon suivante. Pour n fixé et 0 k < n2 n on pose { k A n,k = x, 2 n f(x) < k + 1 } 2 n A n, = {x, f(x) n }. 1. Lebesgue, Henri, : mathématicien français. 1
2 On vérifie que tous ces ensembles sont mesurables et donc la fonction f n := n2 n 1 k=0 k 2 n 1 A n,k + n1 An,. est bien étagée. Vérifions que la suite (f n ) n 0 est bien croissante. Si x A n,k alors x A n+1,2k A n+1,2k+1 et on a l alternative suivante : Si x A n, on utilise alors Sur un tel A n+1,k on a et sur A n+1, on a x A n+1,2k f n (x) = k 2 n = 2k 2 n+1 = f n+1(x) x A n+1,2k+1 f n (x) = k 2 n < 2k n+1 = f n+1 (x) A n, = n f n (x) = n A n+1,k A n+1,. k 2 n+1 < n+1 k 2 n+1 = f n+1(x), f n (x) = n < n + 1 = f n+1 (x). Pour tout x fixé, si f(x) = alors x n A n, et donc f n (x) = n pour tout n et f n (x) converge bien vers f(x). Inversement, s il existe n 0 tel que f(x) n 0 alors, pour tout n n 0 on a f n (x) f(x) 1 2 n. Si f est bornée, on peut prendre n 0 indépendant de x et on a bien la convergence uniforme. On en déduit le corollaire suivant Corollaire 1. Tout fonction f mesurable de dans R est limite d une suite de fonctions étagées telles que n 0, x, f n (x) f(x). Démonstration. On décompose f en partie positive et négative f = f + f et on applique la proposition à f et f +. L intégrale d une fonction étagée est définie par f dµ := α i µ(a i ), i I avec la convention 0. = 0 (nécessaire pour gérer l annulation de f sur un ensemble de mesure infinie). Remarque : L écriture d une fonction étagée sous la forme i I α i1 Ai n est pas unique. Il convient donc de montrer que la définition de l intégrale ne dépend pas de cette écriture. 2
3 On définit alors l intégrale d une fonction à valeurs dans [0, ] par { f dµ := sup s dµ, s fonction étagée t.q. 0 s f On dit qu une fonction à valeurs positives est intégrable lorsque f dµ <. On définit ensuite l intégrale des fonctions à valeurs réelles en demandant que les parties positives et négatives soient intégrables et en posant f dµ = f + dµ f dµ. Exercice 1. Montrer à l aide de cette définition les propriétés de base de l intégrale (linéarité, monotonie, restriction, fonctions positives d intégrale nulle) }. 2 Théorèmes de convergence On rappelle les théorèmes de convergence suivants valables dans un espace mesuré (, A, µ). Théorème 1 (Convergence monotone). 2 Soit (f n ) n 0 une suite croissante de fonctions mesurables à valeurs dans [0, ] alors (f n ) n 0 converge simplement vers une fonction mesurable f à valeurs dans [0, ] et f n dµ f dµ. Démonstration. Pour tout x, la suite (f n (x)) n 0 est croissante. Elle converge donc vers un élément de [0, ] que l on note f(x). De plus, on a f(x) = sup{f n (x), n 0}. ainsi, pour tout réel a, f 1 (]a, ]) = n 0 fn 1 (]a, ]), ce qui assure la mesurabilité de f. Posons I := f dµ [0, ] et J := sup { f n dµ, n 0 }. Pour tout n on a f n f et donc f n dµ I. Ce qui assure J I. Soit s une fonction étagée telle que s f. Fixons un 0 < t < 1, et définissons 2. Levi, Beppo, :mathématicien italien. n := {x, f n (x) t s(x) }. 3
4 Comme (f n ) n 0 est croissante et tend vers f, la suite ( n ) n 0 est une suite croissante d ensembles telle que n =. On a alors J On observe que puisque s est étagée n 0 f n dµ n s dµ := i I f n dµ t s dµ. n n α i µ( n A i ). Les propriétés de la mesure assure que µ( n A i ) µ(a i ) et donc J t s dµ. Il reste à faire tendre t vers 1 puis à prendre le sup sur s pour trouver J I Une des conséquences du théorème de convergence monotone est le lemme de Fatou. Lemme 1 (de Fatou). 3 Soit (f n ) n 0 une suite de fonctions mesurables à valeurs dans [0, ] alors lim inf f n dµ lim inf f n dµ. Démonstration. On pose g m := inf{f n, n m }, de sorte que (g m ) m 0 est une suite croissante de fonctions mesurables à valeurs dans [0, ]. Comme, pour tout n, g n f n on a g n dµ f n dµ. Le passage à la liminf préserve cette inégalité de sorte que lim inf g n dµ lim inf f n dµ. D après le théorème de convergence monotone, la liminf de gauche est en fait une vraie limite et vaut lim inf f n dµ. 3. Fatou, Pierre, : mathématicien français. 4
5 Les deux résultats précédents concernent les fonctions à valeurs dans [0, ]. Pour les fonctions à valeurs réelles, le théorème de convergence dominée permet de traiter de nombreuses situations. Théorème 2 (Convergence dominée). Soit (f n ) n 0 une suite de fonctions mesurables qui converge simplement vers une fonction f. On suppose qu il existe une fonction intégrable positive g telle que n 0, x, f n (x) g(x). alors f est intégrable et On en déduit f n f dµ 0. f n dµ f dµ. Démonstration. On sait déjà que la limite simple de fonctions mesurables est mesurable. En passant à la limite dans l hypothèse de domination on a f g. Cela entraîne f dµ g dµ <, et donc f est bien intégrable. On pose h n := 2g f f n. On obtient une suite de fonctions positives qui converge simplement vers la fonction 2g. Le lemme de Fatou entraîne 2g dµ lim inf h n dµ. On a On obtient bien lim inf h n dµ = La dernière propriété s obtient grâce à f n dµ 2g dµ lim sup f n f, dµ. f n f dµ 0. f dµ f n f dµ. Remarque : On peut supposer la convergence de (f n ) n 0 ainsi que la domination seulement µ presque partout. Cela revient à déterminer un ensemble de mesure nulle A et à appliquer le théorème à f n 1 A c. On notera aussi que le théorème de convergence monotone entraîne directement le corollaire suivant pour les séries de fonctions intégrables positives. Corollaire 2. Soit f n une série de fonctions à valeurs dans [0, ] alors f n dµ. n 0 f n dµ = n 0 5
6 3 Complétude des espaces L p 3.1 Passage au quotient Les théorèmes de convergence du paragraphe précédent permettent d étudier les espaces de fonctions intégrables. On s intéresse ici seulement au cas 1 p <, le cas p = se traite à part. On introduit donc pour pour p 1 L p := {f, mesurable f p intégrable }. On définit l application N de L p dans [0, ) par ( N(f) := ) 1 f p p dµ Cette application est clairement positivement homogène et l inégalité de Minkowski entraîne l inégalité triangulaire. Comme N(0) = 0 on définit ainsi une semi-norme. Cette semi-norme n est, en général, pas une norme. On a en effet l équivalence : N(f) = 0 µ(f 0) = 0. Autrement dit N(f) = 0 si et seulement si f = 0 µ p.p. L ensemble F L p des fonctions nulles µ p.p. est un sous-espace vectoriel par lequel on peut quotienter. On note L p (, dµ) := L p /F l espace vectoriel quotient ainsi obtenu. Un élément de L p est donc théoriquement une classe d éléments de L p. D un point de vue concret, quand on veut travailler dans L p on travaille en fait avec un représentant dans L p et on s assure que toutes les opérations effectuées ne dépendent pas du représentant choisi (on dit parfois que l opération descend au quotient). Exercice Vérifier que la somme et le produit par un scalaire sont bien définis sur L p. 2. Vérifier que N descend au quotient. 3. Montrer que si f L p et g L q avec 1 p + 1 q = 1 alors f g est bien défini comme un élément de L Complétude On note N( ) = p, et on vient de voir que l espace (L p, p ) était un espace vectoriel normé. Le théorème de Riesz-Fisher assure que c est un espace de Banach. Théorème 3 (Riesz-Fischer). 4 Soit (, A, µ) un espace mesuré et 1 p alors L p (, µ) est un espace de Banach. 4. Riesz, Frygies, : mathématicien hongrois, Fischer, Ernst, : mathématicien autrichien. 6
7 Démonstration. Soit (f n ) n 0 une suite de Cauchy de L p. On commence par extraire une sous-suite (f nk ) k 0 telle que f nk+1 f nk p 2 k. On pose g K := K f nk+1 f nk, g := f nk+1 f nk. k 0 k=0 La fonction g est bien définie comme une fonction à valeurs dans [0, ]. Par construction, on a K g K p 2 k 2. k=0 Par ailleurs la suite (g p k ) k 0 est une suite croissante de fonctions à valeurs positives qui converge simplement vers g p et donc le théorème de convergence monotone assure g p dµ 2. En particulier g est fini µ p.p.. Cela entraîne que µ p.p. la série f nk+1 (x) f nk (x) k 0 converge absolument. On définit f de telle sorte que la somme de la série précédente soit f f n0 et que donc (f nk ) k 0 converge simplement vers f µ p.p.. Il reste à voir que (f n ) n 0 converge dans L p vers f. Comme la suite est de Cauchy, ε > 0, n 0 0, q, r n 0, f q f r p ε. On en déduit que ε > 0, n 0, k 0 0, q n 0, k k 0, f nk f q p dµ ε p. Puisque (f nk ) k 0 converge simplement vers f, le lemme de Fatou assure alors ε > 0, n 0, q n 0, f f q p dµ ε p. Ceci entraîne premièrement que f est dans L p et deuxièmement la convergence de (f n ) n 0 vers f dans L p. On a en particulier montré dans la preuve qu une suite de Cauchy de L p admettait une sous-suite qui convergeait simplement µ p.p.. On retiendra la proposition suivante. Proposition 2. Soit (f n ) n 0 une suite de fonctions L p qui converge vers f dans L p, alors on peut extraire une sous-suite qui converge µ p.p. vers f. 7
8 Démonstration. Comme (f n ) n 0 converge dans L p elle est en particulier de Cauchy. La preuve du théorème de Riesz-Fischer entraîne alors qu il existe une sous-suite et une fonction f telle que 1. La sous-suite converge µ p.p. vers f. 2. La suite (f n ) n 0 converge dans L p vers f. L unicité de la limite donne alors f = f. Remarques : 1. Il n est pas possible en général de faire converger µ p.p. toute la suite (f n ) n 0 2. En revanche, si on sait que (f n ) n 0 converge dans L p et µ p.p, alors cette proposition entraîne que la limite L p coïncide µ p.p. avec la limite simple. On a vu que toute fonction mesurable pouvait être approchée par des fonctions étagées. On peut donc se poser la question de savoir ce qu il en est dans L p. On commence par donner une condition sur une fonction étagée pour qu elle soit dans L p. Lemme 2. Soit f une fonction étagée alors les propriétés suivantes sont équivalentes 1. f L 1 (, µ), 2. α 0, µ(f 1 ({α})) <, 3. 1 p <, f L p (, µ). Démonstration. Sens 1 2 : Puisque f est étagée, on peut écrire f = i I α i 1 Ai, et f dµ = α i µ(a i ). i I On en déduit que La propriété 2 s ensuit. 2 3 On calcule Ce qui donne le résultat. Le dernier sens est évident. i I, α i 0 µ(a i ) α i 1 f p dµ = i I On en déduit le résultat de densité suivant. α i p µ(a i ). f dµ <. Proposition 3. Pour tout 1 p <, l ensemble des fonctions L p étagées est dense dans L p. 8
9 Démonstration. Il suffit de montrer que toute fonction f L p est limite de fonctions étagées intégrables. On suppose dans un premier temps que f 0. Il existe alors une suite (f n ) n 0 de fonctions étagées positives qui converge en croissant vers f. La suite (f p n) n 0 converge alors aussi en croissant vers f p. On en déduit que f p n appartient à L p pour tout n. De plus, on a Donc, par convergence dominée f f n p f p. f f n p 0, ce qui assure la convergence dans L p de f n vers f. Quand f est quelconque, on sépare partie positive et négative ; ce qui permet de conclure. Pour montrer qu une partie Z est dense dans L p il suffira donc de montrer que Z contient les fonctions étagées intégrables. Remarquons que l espace des fonctions étagées intégrables est un sous-espace vectoriel engendré par les fonctions caractéristiques 1 A où A est ensemble mesurable tel que µ(a) <. Si Z est un espace vectoriel, il suffira donc de montrer que Z contient toutes les fonctions 1 A telle que µ(a) <. 4 Régularité de la mesure de Lebesgue Dans cette partie on va restreindre notre propos à = R k et à la mesure de Lebesgue que l on notera soit Leb soit dx. On rappelle que la mesure de Lebesgue est définie sur la tribu borélienne complétée (c est à dire la tribu borélienne à laquelle on a rajouté tous les sous-ensembles des ensembles de mesure nulle). Parmi les propriétés importantes de la mesure de Lebesgue, il y a la régularité. Cela signifie qu elle est régulière extérieurement : pour tout ensemble mesurable A : Leb(A) = inf {Leb(O), O ouvert contenant A }, régulière intérieurement : pour tout ensemble mesurable A : Leb(A) = sup {Leb(K), K compact inclus dans A }, On utilisera aussi le fait que R k est une union croissante dénombrable de compacts. En effet, posons K n la boule de centre 0 et de rayon n (pour une norme quelconque), on a alors R k = n 0 K n. On rappelle qu une fonction mesurable f est dite à support compact dès qu il existe n tel que f 1 (R ) K n. Cette propriété a la conséquence suivante. Lemme 3. Pour tout 1 p <, les fonctions étagées à support compact sont denses dans L p (R k, Leb). 9
10 Démonstration. On remarque d abord qu une fonction étagée à support compact est automatiquement intégrable (puisque, pour tout α 0, Leb(f 1 ({α})) LebK n < ). Ensuite, l ensemble des fonctions étagées à support compact est un sous-espace vectoriel. Il suffit donc de montrer que pour tout ensemble mesurable A de mesure finie 1 A est limite de fonctions étagées mesurables à support compact. On pose A n := A K n et f n = 1 An. Il est clair que f n est étagée à support compact, qu elle converge simplement vers 1 A et qu on a la majoration suivante : 1 An 1 A 1 A. Le résultat suit par convergence dominée. Pour montrer la densité d un sous-espace vectoriel il suffira donc de montrer que son adhérence contient toute les fonctions 1 A où A est une partie mesurable incluse dans un compact. 4.1 Densité des fonctions continues à support compact La densité des fonctions continues à support compact s appuie sur le lemme d Urysohn 5 suivant. Lemme 4. Soit A une partie mesurable incluse dans un compact, alors, pour tout ε il existe un ouvert borné O, et un compact K et une fonction continue g tels que K A O, Leb(O \ K) ε, 1 K g 1 O. Démonstration. Puisque A est inclus dans un compact, il existe K n tel que A K n K n+1. Par régularité de la mesure de Lebesgue, pour tout ε > 0, il existe K et O tels que les deux premières propriétés sont vraies, Quitte à intersecter O avec K n+1 on peut supposer que O K n+1. On pose d(x, O c ) g := d(x, K) + d(x, O c ), où d désigne une distance (par exemple la distance euclidienne). On vérifie que g est continue à support compact et que 1 K g 1 O Remarquons que 1 A 1 O 1 O\A. On en déduit le résultat de densité suivant. Théorème 4. Pour tout 1 p <, les fonctions continues à support compact sont denses dans L p (R k Leb). 5. Urysohn, Pavel, : mathématicien ukrainien. 10
11 Démonstration. On remarque tout d abord que l ensemble des fonctions continues à support compact est un sous-espace vectoriel de L p (R k, Leb). Il suffit donc de montrer que pour tout mesurable A inclus dans un compact, la boule L p centré en 1 A et de rayon ε rencontre les fonctions continues à support compact. Fixons ε et choisissons la fonction g construite dans le lemme. Par constuction, on a g 1 A 1 O\A. D où, par intégration Ce qui achève la preuve. g 1 A p ε 1 p. Remarque : Ce théorème est faux pour p = puisqu une limite L de fonctions continues est automatiquement continue. 11
Intégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailThéorie de la Mesure et Intégration
Université Pierre & Marie Curie (Paris 6) Licence de Mathématiques L3 UE LM364 Intégration 1 & UE LM365 Intégration 2 Année 2010 11 Théorie de la Mesure et Intégration Responsable des cours : Amaury LAMBERT
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailProduits d espaces mesurés
Chapitre 7 Produits d espaces mesurés 7.1 Motivation Au chapitre 2, on a introduit la mesure de Lebesgue sur la tribu des boréliens de R (notée B(R)), ce qui nous a permis d exprimer la notion de longueur
Plus en détailThéorie de la Mesure et Intégration
Ecole Nationale de la Statistique et de l Administration Economique Théorie de la Mesure et Intégration Xavier MARY 2 Table des matières I Théorie de la mesure 11 1 Algèbres et tribus de parties d un ensemble
Plus en détailMESURE ET INTÉGRATION EN UNE DIMENSION. Notes de cours
MSUR T INTÉGRATION N UN DIMNSION Notes de cours André Giroux Département de Mathématiques et Statistique Université de Montréal Mai 2004 Table des matières 1 INTRODUCTION 2 1.1 xercices.............................
Plus en détailConstruction de l'intégrale de Lebesgue
Université d'artois Faculté des ciences Jean Perrin Mesure et Intégration (Licence 3 Mathématiques-Informatique) Daniel Li Construction de l'intégrale de Lebesgue 10 février 2011 La construction de l'intégrale
Plus en détailMesures et Intégration
Mesures et Intégration Marc Troyanov - EPFL - Octobre 2005 30 avril 2008 Ce document contient les notes du cours de Mesure et Intégration enseigné à l EPFL par Marc Troyanov, version 2005-2006. Table des
Plus en détailThéorie de la mesure. S. Nicolay
Théorie de la mesure S. Nicolay Année académique 2011 2012 ii Table des matières Introduction v 1 Mesures 1 1.1 Sigma-algèbres................................. 1 1.2 Mesures.....................................
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailI. Polynômes de Tchebychev
Première épreuve CCP filière MP I. Polynômes de Tchebychev ( ) 1.a) Tout réel θ vérifie cos(nθ) = Re ((cos θ + i sin θ) n ) = Re Cn k (cos θ) n k i k (sin θ) k Or i k est réel quand k est pair et imaginaire
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailIntégrale de Lebesgue
Intégrale de Lebesgue L3 Mathématiques Jean-Christophe Breton Université de Rennes 1 Septembre Décembre 2014 version du 2/12/14 Table des matières 1 Tribus (σ-algèbres) et mesures 1 1.1 Rappels ensemblistes..............................
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
Plus en détailTHÉORIE DE LA MESURE ET DE L INTÉGRATION.
THÉORIE DE LA MESURE ET DE L INTÉGRATION. THIERRY GALLAY Transcrit par Tancrède LEPOINT 29 UNIVERSITÉ JOSEPH FOURIER, GRENOBLE TABLE DES MATIÈRES Avant-propos Biographie sommaire...........................................
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailCommun à tous les candidats
EXERCICE 3 (9 points ) Commun à tous les candidats On s intéresse à des courbes servant de modèle à la distribution de la masse salariale d une entreprise. Les fonctions f associées définies sur l intervalle
Plus en détailContinuité d une fonction de plusieurs variables
Chapitre 2 Continuité d une fonction de plusieurs variables Maintenant qu on a défini la notion de limite pour des suites dans R n, la notion de continuité s étend sans problème à des fonctions de plusieurs
Plus en détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détail4. Martingales à temps discret
Martingales à temps discret 25 4. Martingales à temps discret 4.1. Généralités. On fixe un espace de probabilités filtré (Ω, (F n ) n, F, IP ). On pose que F contient ses ensembles négligeables mais les
Plus en détailNotes de cours M2 Équations aux dérivées partielles elliptiques. Hervé Le Dret
Notes de cours M2 Équations aux dérivées partielles elliptiques Hervé Le Dret 4 mars 2010 2 Table des matières 1 Rappels en tous genres 7 1.1 Les théorèmes de convergence de Lebesgue............ 7 1.2
Plus en détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
Plus en détailEspérance conditionnelle
Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle
Plus en détailApproximations variationelles des EDP Notes du Cours de M2
Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation
Plus en détailMesure et Intégration (Notes de cours de L3)
Mesure et Intégration (Notes de cours de L3) Ahmed Zeriahi Version préliminaire-octobre 2011 Avertissement : Ceci est une version préliminaire des notes du cours que l auteur a dispensé en troisème année
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailMesures gaussiennes et espaces de Fock
Mesures gaussiennes et espaces de Fock Thierry Lévy Peyresq - Juin 2003 Introduction Les mesures gaussiennes et les espaces de Fock sont deux objets qui apparaissent naturellement et peut-être, à première
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailLa mesure de Lebesgue sur la droite réelle
Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et
Plus en détailCours d Analyse 3 Fonctions de plusieurs variables
Université Claude Bernard, Lyon I Licence Sciences, Technologies & Santé 43, boulevard 11 novembre 1918 Spécialité Mathématiques 69622 Villeurbanne cedex, France L. Pujo-Menjouet pujo@math.univ-lyon1.fr
Plus en détailn N = u N u N+1 1 u pour u 1. f ( uv 1) v N+1 v N v 1 1 2 t
3.La méthode de Dirichlet 99 11 Le théorème de Dirichlet 3.La méthode de Dirichlet Lorsque Dirichlet, au début des années 180, découvre les travaux de Fourier, il cherche à les justifier par des méthodes
Plus en détailChapitre 7 : Intégration sur un intervalle quelconque
Universités Paris 6 et Paris 7 M1 MEEF Analyse (UE 3) 2013-2014 Chapitre 7 : Intégration sur un intervalle quelconque 1 Fonctions intégrables Définition 1 Soit I R un intervalle et soit f : I R + une fonction
Plus en détailEXERCICE 4 (7 points ) (Commun à tous les candidats)
EXERCICE 4 (7 points ) (Commun à tous les candidats) On cherche à modéliser de deux façons différentes l évolution du nombre, exprimé en millions, de foyers français possédant un téléviseur à écran plat
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailIntégration sur des espaces produits
Chapitre 5 Intégration sur des espaces produits 5.1 Produit de deux mesures Étant donnés deux espaces mesurés (Ω 1, F 1, µ 1 ) et (Ω 2, F 1, µ 2 ), le but de cette section est de construire une mesure
Plus en détailCalcul différentiel sur R n Première partie
Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité
Plus en détailFiltrage stochastique non linéaire par la théorie de représentation des martingales
Filtrage stochastique non linéaire par la théorie de représentation des martingales Adriana Climescu-Haulica Laboratoire de Modélisation et Calcul Institut d Informatique et Mathématiques Appliquées de
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailSur certaines séries entières particulières
ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane
Plus en détailExamen optimisation Centrale Marseille (2008) et SupGalilee (2008)
Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut
Plus en détailÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE
ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE JEAN-DENIS FOUKS, EMMANUEL LESIGNE ET MARC PEIGNÉ J.-D. Fouks. École Supérieure d Ingénieurs de Poitiers. 40 avenue du Recteur Pineau, 860 Poitiers
Plus en détailCours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques
Université de Provence Topologie 2 Cours3. Applications continues et homéomorphismes 1 Rappel sur les images réciproques Soit une application f d un ensemble X vers un ensemble Y et soit une partie P de
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
Plus en détailLe produit semi-direct
Le produit semi-direct Préparation à l agrégation de mathématiques Université de Nice - Sophia Antipolis Antoine Ducros Octobre 2007 Ce texte est consacré, comme son titre l indique, au produit semi-direct.
Plus en détailSuites numériques 4. 1 Autres recettes pour calculer les limites
Suites numériques 4 1 Autres recettes pour calculer les limites La propriété suivante permet de calculer certaines limites comme on verra dans les exemples qui suivent. Propriété 1. Si u n l et fx) est
Plus en détailPROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390
PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390 Université PARIS 6 2008/2009 Jean BERTOIN 1 Table des Matières ( ) ces parties peuvent ^etre omises en première lecture, et ne feront pas
Plus en détailCalcul différentiel. Chapitre 1. 1.1 Différentiabilité
Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace
Plus en détailCHAPITRE IV. L axiome du choix
CHAPITRE IV L axiome du choix Résumé. L axiome du choix AC affirme qu il est légitime de construire des objets mathématiques en répétant un nombre infini de fois l opération de choisir un élément dans
Plus en détailYamina Yagoub-Zidi. Inconditionnalité et propriétés du point fixe dans les espaces de fonctions lisses
MINISTERE DE L ENSEIGNEMENT SUPERIEUR ET DE LA RECHERCHE SCIENTIFIQUE UNIVERSITE MOULOUD MAMMERI, TIZI-OUZOU FACULTE DES SCIENCES DEPARTEMENT DE MATHEMATIQUES THESE DE DOCTORAT SPECIALITE : MATHEMATIQUES
Plus en détailIntroduction à la. Points Critiques. Otared Kavian. et Applications aux Problèmes Elliptiques. Springer-Verlag
Otared Kavian Introduction à la Théorie des Points Critiques et Applications aux Problèmes Elliptiques Springer-Verlag Berlin Heidelberg NewYork London Paris Tokyo Hong Kong Barcelona Budapest Avant propos
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en détailDéveloppement décimal d un réel
4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce
Plus en détailComparaison de fonctions Développements limités. Chapitre 10
PCSI - 4/5 www.ericreynaud.fr Chapitre Points importants 3 Questions de cours 6 Eercices corrigés Plan du cours 4 Eercices types 7 Devoir maison 5 Eercices Chap Et s il ne fallait retenir que si points?
Plus en détailCapacité d un canal Second Théorème de Shannon. Théorie de l information 1/34
Capacité d un canal Second Théorème de Shannon Théorie de l information 1/34 Plan du cours 1. Canaux discrets sans mémoire, exemples ; 2. Capacité ; 3. Canaux symétriques ; 4. Codage de canal ; 5. Second
Plus en détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours.
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailEquations aux Dérivées Partielles
Equations aux Dérivées Partielles Tony Lelièvre 29-2 Après avoir considéré dans le capitre précédent des équations d évolution pour des fonctions ne dépendant que du paramètre temps, nous nous intéressons
Plus en détailMA6.06 : Mesure et Probabilités
Année universitaire 2002-2003 UNIVERSITÉ D ORLÉANS Olivier GARET MA6.06 : Mesure et Probabilités 2 Table des matières Table des matières i 1 Un peu de théorie de la mesure 1 1.1 Tribus...............................
Plus en détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détaila et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détail4 Distributions particulières de probabilités
4 Distributions particulières de probabilités 4.1 Distributions discrètes usuelles Les variables aléatoires discrètes sont réparties en catégories selon le type de leur loi. 4.1.1 Variable de Bernoulli
Plus en détailLeçon 01 Exercices d'entraînement
Leçon 01 Exercices d'entraînement Exercice 1 Etudier la convergence des suites ci-dessous définies par leur terme général: 1)u n = 2n3-5n + 1 n 2 + 3 2)u n = 2n2-7n - 5 -n 5-1 4)u n = lnn2 n+1 5)u n =
Plus en détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Plus en détailrf( 1 f(x)x dx = O. ) U concours externe de recrutement de professeurs agreg6s composition d analyse
page 8 AGREGATIN de MATHEMATIQUES: 1991 1/5 externeanalyse concours externe de recrutement de professeurs agreg6s composition d analyse NTATINS ET DGFINITINS Dans tout le problème, R+ désigne l intervalle
Plus en détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable
Eo7 Fonctions de plusieurs variables Eercices de Jean-Louis Rouget Retrouver aussi cette fiche sur wwwmaths-francefr * très facile ** facile *** difficulté moenne **** difficile ***** très difficile I
Plus en détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailLe modèle de Black et Scholes
Le modèle de Black et Scholes Alexandre Popier février 21 1 Introduction : exemple très simple de modèle financier On considère un marché avec une seule action cotée, sur une période donnée T. Dans un
Plus en détailExo7. Limites de fonctions. 1 Théorie. 2 Calculs
Eo7 Limites de fonctions Théorie Eercice Montrer que toute fonction périodique et non constante n admet pas de ite en + Montrer que toute fonction croissante et majorée admet une ite finie en + Indication
Plus en détailExercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.
14-3- 214 J.F.C. p. 1 I Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques. Exercice 1 Densité de probabilité. F { ln x si x ], 1] UN OVNI... On pose x R,
Plus en détailTIQUE DE FRANCE NILSYSTÈMES D ORDRE 2 ET PARALLÉLÉPIPÈDES
Bulletin de la SOCIÉTÉ MATHÉMATIQUE DE FRANCE NILSYSTÈMES D ORDRE 2 ET PARALLÉLÉPIPÈDES Bernard Host & Alejandro Maass Tome 135 Fascicule 3 2007 SOCIÉTÉ MATHÉMATIQUE DE FRANCE Publié avec le concours du
Plus en détailLa fonction exponentielle
DERNIÈRE IMPRESSION LE 2 novembre 204 à :07 La fonction exponentielle Table des matières La fonction exponentielle 2. Définition et théorèmes.......................... 2.2 Approche graphique de la fonction
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailDéfinition 0,752 = 0,7 + 0,05 + 0,002 SYSTÈMES DE NUMÉRATION POSITIONNELS = 7 10 1 + 5 10 2 + 2 10 3
8 Systèmes de numération INTRODUCTION SYSTÈMES DE NUMÉRATION POSITIONNELS Dans un système positionnel, le nombre de symboles est fixe On représente par un symbole chaque chiffre inférieur à la base, incluant
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailÉquations non linéaires
Équations non linéaires Objectif : trouver les zéros de fonctions (ou systèmes) non linéaires, c-à-d les valeurs α R telles que f(α) = 0. y f(x) α 1 α 2 α 3 x Equations non lineaires p. 1/49 Exemples et
Plus en détailEtude de fonctions: procédure et exemple
Etude de fonctions: procédure et exemple Yves Delhaye 8 juillet 2007 Résumé Dans ce court travail, nous présentons les différentes étapes d une étude de fonction à travers un exemple. Nous nous limitons
Plus en détail