Amphi 2: Suites - Compacité - Connexité

Documents pareils
Amphi 3: Espaces complets - Applications linéaires continues

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration et probabilités TD1 Espaces mesurés

Image d un intervalle par une fonction continue

Limites finies en un point

Suites numériques 3. 1 Convergence et limite d une suite

Cours d Analyse 3 Fonctions de plusieurs variables

I. Polynômes de Tchebychev

3 Approximation de solutions d équations

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

Fonctions de plusieurs variables

Continuité d une fonction de plusieurs variables

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Continuité en un point

Différentiabilité ; Fonctions de plusieurs variables réelles

Cours3. Applications continues et homéomorphismes. 1 Rappel sur les images réciproques

Développement décimal d un réel

La mesure de Lebesgue sur la droite réelle

CCP PSI Mathématiques 1 : un corrigé

Théorie de la mesure. S. Nicolay

Chapitre 7 : Intégration sur un intervalle quelconque

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

n N = u N u N+1 1 u pour u 1. f ( uv 1) v N+1 v N v t

Problème 1 : applications du plan affine

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

Théorie de la Mesure et Intégration

MESURE ET INTÉGRATION EN UNE DIMENSION. Notes de cours

Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche

Filtrage stochastique non linéaire par la théorie de représentation des martingales

Texte Agrégation limitée par diffusion interne

Théorèmes du Point Fixe et Applications aux Equations Diérentielles

Sur certaines séries entières particulières

Approximations variationelles des EDP Notes du Cours de M2

Théorie de la Mesure et Intégration

Comparaison de fonctions Développements limités. Chapitre 10

Intégrale de Lebesgue

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours.

Chapitre 2 Le problème de l unicité des solutions

Construction de l'intégrale de Lebesgue

F1C1/ Analyse. El Hadji Malick DIA

3. Conditionnement P (B)

Calcul fonctionnel holomorphe dans les algèbres de Banach

Fonctions holomorphes

Optimisation des fonctions de plusieurs variables

Cours Fonctions de deux variables

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)

Programmation linéaire

rf( 1 f(x)x dx = O. ) U concours externe de recrutement de professeurs agreg6s composition d analyse

Mesures et Intégration

Séminaire TEST. 1 Présentation du sujet. October 18th, 2013

Capacité d un canal Second Théorème de Shannon. Théorie de l information 1/34

Continuité et dérivabilité d une fonction

PROBABILITÉS: COURS DE LICENCE DE MATHÉMATIQUES APPLIQUÉES LM 390

Mesures gaussiennes et espaces de Fock

Cours d analyse numérique SMI-S4

Exercices - Polynômes : corrigé. Opérations sur les polynômes

Capes Première épreuve

Moments des variables aléatoires réelles

EXERCICE 4 (7 points ) (Commun à tous les candidats)

Calcul différentiel sur R n Première partie

Travail en collaboration avec F.Roueff M.S.Taqqu C.Tudor

Algorithmes pour la planification de mouvements en robotique non-holonome

Programmation linéaire

Mesure et Intégration (Notes de cours de L3)

O, i, ) ln x. (ln x)2

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Le modèle de Black et Scholes

Loi binomiale Lois normales

Plan du cours : électricité 1

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008)

CHAPITRE IV. L axiome du choix

Programmes des classes préparatoires aux Grandes Ecoles

Travaux dirigés d introduction aux Probabilités

Equations aux Dérivées Partielles

Théorème du point fixe - Théorème de l inversion locale

Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

Exercice autour de densité, fonction de répatition, espérance et variance de variables quelconques.

Chp. 4. Minimisation d une fonction d une variable

ENS de Lyon TD septembre 2012 Introduction aux probabilités. A partie finie de N

Produits d espaces mesurés

FIMA, 7 juillet 2005

1 Définition et premières propriétés des congruences

Commun à tous les candidats

Chapitre 6. Fonction réelle d une variable réelle

Méthodes de quadrature. Polytech Paris-UPMC. - p. 1/48

Optimisation Discrète

Groupoïdes quantiques mesurés : axiomatique, étude, dualité, exemples

14. Introduction aux files d attente

Calcul intégral élémentaire en plusieurs variables

Planche n o 22. Fonctions de plusieurs variables. Corrigé

Approximation diophantienne uniforme et dimension de Hausdorff

TIQUE DE FRANCE NILSYSTÈMES D ORDRE 2 ET PARALLÉLÉPIPÈDES

THÉORIE DE LA MESURE ET DE L INTÉGRATION.

AC AB. A B C x 1. x + 1. d où. Avec un calcul vu au lycée, on démontre que cette solution admet deux solutions dont une seule nous intéresse : x =

Rappels sur les suites - Algorithme

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

Leçon 01 Exercices d'entraînement


Transcription:

Amphi 2: Suites - Compacité - Connexité Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suites Soit (X, d) un espace métrique. Soit x X, et soit (x n ) n N une suite d éléments de X. La suite (x n ) n N est convergente de limite x si la suite de nombres réels ( d(x n, x) ) converge vers 0. n N On dit aussi que la suite (x n ) n N converge vers x. Lorsque (x n ) n N n a pas de limite, on dit que la suite (x n ) n N est divergente (ou encore (x n ) n N diverge). Propriété (de séparation) Dans un espace métrique, la limite d une suite, quand elle existe, est unique.

Applications des suites Soit A X. On note Ā son adhérence. Ā est l ensemble des limites des suites de A. A est fermé si (x n ) n N est une suite de A qui converge vers x X alors x A. A est dense dans X (i.e. Ā = X ) x X, il existe une suite (a n ) n N d éléments de A telle que lim a n = x. n + Propriété Soient (X, d) et (X, d ) deux espaces métriques et f : X X. f est continue pour toute suite (x n ) n N qui converge vers x X alors f (x n ) n N converge vers f (x). Valeurs d adhérence (y n ) n N est une sous-suite (ou une suite extraite) de (x n ) n N s il existe ϕ : N N strictement croissante telle que y n = x ϕ(n) pour tout n N. a X est une valeur d adhérence de la suite (x n ) n N s il existe une suite extraite de (x n ) n N qui converge vers a. Exemples Une suite convergente a une unique valeur d adhérence, c est sa limite. La suite (( 1) n ) n N a deux valeurs d adhérence 1 et 1. La suite ((1 + ( 1) n )n) n N a une unique valeur d adhérence, c est 0.

Compacité X est compact si de tout recouvrement de X par des ouverts, on peut extraire un recouvrement fini, i.e. si (U i ) i I est une famille d ouverts de X telle que X = i I U i alors il existe un ensemble fini F I tel que X = i F U i. Exemple [0, 1] est compact. En effet, soit (U i ) i I ouverts qui recouvrent [0, 1]. On pose W = {m [0, 1] : [0, m] admet un recouvrement fini par des U i }. W car i I tel que 0 U i donc 0 W. W est un intervalle de [0, 1]. Il est donc de la forme [0, c[ ou [0, c]. i I tel que c U i, donc W = [0, c]. Si c < 1, il existe ]c ε, c + ε[ U i car U i est ouvert, on aboutit à la contradiction [0, c + ε[ W. Compacité Exemple ]0, 1[= n 1 ]1/n, 1 1/n[ n a pas de sous-recouvrement fini. Théorème de Bolzano-Weierstrass X est compact si et seulement si toute suite d éléments de X admet une sous-suite convergente. Soient (X, d) et (X, d ) deux espace métriques et f : X X une application continue. Si X est compact alors f (X ) est un compact de X et f est uniformément continue sur X.

des compacts Une partie A X est bornée s il existe R > 0 et x 0 X, tel que A B(x 0, R). Propriété Soit K X. Si K est compact alors K est fermé et borné. Soit X un compact et F X. Alors F est compact si et seulement si F est fermé. Si K 1,... K n sont n parties compactes de X alors i {1,...,n} K i est compacte. Si (X, d) et (X, d ) sont deux espace métriques compacts alors X X est compact. Compacité dans R N On considère sur R N la norme (x 1,..., x N ) = max i=1,...,n x i. Théorème Soit K R N. K est compact K est fermé et borné. En effet, soit K une partie fermée et bornée. Il existe a > 0 tel que K [ a, a] N (K bornée). [ a, a] N est compact (produit fini de [ a, a] qui est compact). K est fermé dans [ a, a] N qui est compact donc K est compact. Théorème Soit (X, d) un espace métrique compact et f : X R continue. Alors, f est bornée et atteint ses bornes, i.e. il existe x 0, y 0 X tels que sup f (x) = f (x 0 ) x X et inf x X f (x) = f (y 0).

Équivalence des normes en dimension finie Théorème Toutes les normes de R N sont équivalentes. Soit (e 1,..., e N ) la base canonique de R N. Soit N une norme sur R N. On a N N ( N ) N (x) = N ( x i e i ) x i N (e i ) N (e i ) x. i=1 i=1 i=1 En particulier N : (R N, ) (R, ) est continue. La sphère S = {x R N : x = 1} est compacte. Il existe donc x 0 S tel que N (x 0 ) = inf x S N (x) > 0. Pour tout x R N, N (x) N (x 0 ) x. Résumé des propriétés en dimension finie Si E est un espace vectoriel de dimension finie alors Toutes les normes de E sont équivalentes. Les notions d ouverts, de continuité, de limite, de compacité ne dépendent pas du choix de la norme. Une partie K E est compacte si et seulement si K est fermée et bornée. Attention! Tout ceci est faux en dimension infinie, où toutes les propriétés topologiques dépendent du choix de la norme.

Connexité Soit (X, d) un espace métrique. On dit que X est connexe si X satisfait l une des trois propositions équivalentes suivantes : 1 X ne peut pas s écrire comme réunion disjointe de deux ouverts non vides. 2 X ne peut pas s écrire comme réunion disjointe de deux fermés non vides. 3 Si f : X {0, 1} est continue alors f est constante. Exemples X = [0, 1] est connexe et Y = [0, 1/2[ ]1/2, 1[ n est pas connexe. des connexes Soit A R. Alors A est connexe si et seulement si A est un intervalle. L image d un connexe par une application continue est connexe. L adhérence d un connexe est connexe. L union de deux connexes d intersection non vide est connexe. Si F est un ensemble discret, A est connexe et f : A F est continue alors f est constante.

Connexité par arcs Une partie A de X est dite connexe par arcs si deux points a et b de A peuvent être joints par un chemin continu contenu dans A, c est-à-dire qu il existe γ : [0, 1] A continu tel que γ(0) = a et γ(1) = b. Tout ensemble connexe par arcs est connexe. Attention! La réciproque est fausse en général. Propriété Soit (E, ) un espace vectoriel normé et soit U E ouvert. Alors U est connexe si et seulement si U est connexe par arcs.