Chapitre 2. Espaces métriques. 2.1 Distance

Documents pareils
Amphi 3: Espaces complets - Applications linéaires continues

Continuité d une fonction de plusieurs variables

Limites finies en un point

Théorème du point fixe - Théorème de l inversion locale

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

3 Approximation de solutions d équations

I. Polynômes de Tchebychev

Cours d Analyse 3 Fonctions de plusieurs variables

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

Théorèmes du Point Fixe et Applications aux Equations Diérentielles

Image d un intervalle par une fonction continue

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

Fonctions de plusieurs variables

3. Conditionnement P (B)

Cours Fonctions de deux variables

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

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Continuité en un point

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Résolution d équations non linéaires

Différentiabilité ; Fonctions de plusieurs variables réelles

8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2

Cours d Analyse. Fonctions de plusieurs variables

Chapitre 7 : Intégration sur un intervalle quelconque

Intégration et probabilités TD1 Espaces mesurés Corrigé

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

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

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples

Calcul fonctionnel holomorphe dans les algèbres de Banach

Problème 1 : applications du plan affine

Calcul différentiel. Chapitre Différentiabilité

Approximations variationelles des EDP Notes du Cours de M2

Chapitre 2 Le problème de l unicité des solutions

Simulation de variables aléatoires

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

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

Chapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme

Sur certaines séries entières particulières

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

Continuité et dérivabilité d une fonction

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

3. Caractéristiques et fonctions d une v.a.

Intégration et probabilités TD1 Espaces mesurés

Calcul différentiel sur R n Première partie

Yamina Yagoub-Zidi. Inconditionnalité et propriétés du point fixe dans les espaces de fonctions lisses

Programmes des classes préparatoires aux Grandes Ecoles

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

NOTICE DOUBLE DIPLÔME

4. Martingales à temps discret

NOTATIONS PRÉLIMINAIRES

Probabilités sur un univers fini

Introduction à l analyse numérique : exemple du cloud computing

Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles

Calcul Différentiel. I Fonctions différentiables 3

C1 : Fonctions de plusieurs variables

Modèles bi-dimensionnels de coques linéairement élastiques: Estimations de l écart entre leurs solutions.

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

Dérivées d ordres supérieurs. Application à l étude d extrema.

Planche n o 22. Fonctions de plusieurs variables. Corrigé

Théorie de la Mesure et Intégration

Introduction à l optimisation de forme et application à la mécanique des fluides

Optimisation des fonctions de plusieurs variables

Licence de Mathématiques 3

Fonctions Analytiques

Théorie de la Mesure et Intégration

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

Développement décimal d un réel

FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)

INTRODUCTION AUX ÉQUATIONS AUX DÉRIVÉES PARTIELLES Cours de maîtrise, L. Boutet de Monvel

Cours d analyse numérique SMI-S4

Chapitre 5 : Flot maximal dans un graphe

INTRODUCTION. 1 k 2. k=1

MESURE ET INTÉGRATION EN UNE DIMENSION. Notes de cours

Fonctions de plusieurs variables. Sébastien Tordeux

Chapitre VI Fonctions de plusieurs variables

Fonctions de plusieurs variables

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

Introduction. aux équations différentielles. et aux dérivées partielles

Intégrale de Lebesgue

Exercice 1 Trouver l équation du plan tangent pour chaque surface ci-dessous, au point (x 0,y 0,z 0 ) donné :

Cours de mathématiques

MATHÉMATIQUES EN PREMIER CYCLE PRÉSENTATION DU PROGRAMME

Chp. 4. Minimisation d une fonction d une variable

ÉTUDE ASYMPTOTIQUE D UNE MARCHE ALÉATOIRE CENTRIFUGE

Le modèle de Black et Scholes

Construction de l'intégrale de Lebesgue

Calcul intégral élémentaire en plusieurs variables

Intégrales doubles et triples - M

Notes du cours MTH1101N Calcul I Partie II: fonctions de plusieurs variables

6 Equations du première ordre

Théorie de la mesure. S. Nicolay

TIQUE DE FRANCE NILSYSTÈMES D ORDRE 2 ET PARALLÉLÉPIPÈDES

Texte Agrégation limitée par diffusion interne

OM 1 Outils mathématiques : fonction de plusieurs variables

Filtrage stochastique non linéaire par la théorie de représentation des martingales

MESURE ET PRECISION. Il est clair que si le voltmètre mesure bien la tension U aux bornes de R, l ampèremètre, lui, mesure. R mes. mes. .

Notes de cours M2 Équations aux dérivées partielles elliptiques. Hervé Le Dret

Les travaux doivent être remis sous forme papier.

Fonctions holomorphes

Correction du baccalauréat ES/L Métropole 20 juin 2014

Transcription:

Chapitre 2 Espaces métriques 2.1 Distance On dispose sur R de la distance usuelle d : R R R + (x, y) d(x, y) = x y On l utilise pour définir la convergence des suites et la continuité des fonctions. Le but ici est de généraliser cette notion. Définition 2.1.1. Une distance sur un ensemble X est une application d : X X R +, telle que : a) x X, y X, d(x, y) = 0 x = y ; b) x X, y X, d(x, y) = d(y, x) (symétrie); c) x X, y X, z X,d(x, z) d(x, y) + d(y, z) (inégalité triangulaire). L ensemble X muni d une distance d est appelé un espace métrique, ses éléments sont habituellement appelés des points. Exemple 2.1.2. Distance usuelle sur R ou C : d(x, y) = x y. Exemple 2.1.3. Etant donné un espace métrique (X, d) : distance produit sur X X, définie par δ((x, y), (x, y )) = max(d(x, x ), d(y, y )). Exemple 2.1.4. La distance induite sur un sous-ensemble. Exemple 2.1.5. La distance triviale (ou discrète) : x y, d(x, y) = 1. Proposition 2.1.6 (seconde inégalité triangulaire). x X, y X, z X, d(x, y) d(y, z) d(x, z). 5

Définition 2.1.7. Dans un espace métrique (X, d), on appelle boule ouverte (resp. boule fermée) de centre a X et de rayon r > 0, le sous-ensemble : B(a, r) = {x X, d(a, x) < r} (resp. B f (a, r) = {x X, d(a, x) r}). Définition 2.1.8. Un sous-ensemble A d un espace métrique (X, d) est borné si et seulement s il est contenu dans une boule : a X, r > 0 / A B f (a, r). Une application à valeur dans un espace métrique est bornée si et seulement si son image est bornée. Exercice 2.1.9. Montrer que si A est une partie bornée d un espace métrique (X, d), alors : a) pour tout point b dans X, l application g b : X R définie par g b (x) = d(b, x) est bornée. b) La restriction de d à A A est bornée. Définition 2.1.10. On appelle diamètre d une partie bornée A d un espace métrique (X, d), le nombre diam(a) = sup (x,y) A A d(x, y). Exercice 2.1.11. Démontrer que le diamètre d une boule B(a, r) est majoré par 2r. Exemple 2.1.12. Distance uniforme d sur l ensemble des applications bornée de I dans un espace métrique X, d) : B(I, X). Exemple 2.1.13. Distance associée à une norme sur un espace vectoriel réel ou complexe. Exercice 2.1.14. Normes : 1. Rappeler la définition d une norme. 2. Donner des exemples de normes sur R n et C n. 3. Donner des exemples de normes sur l espaces des fonctions continues sur un intervalle : C([a, b], R). Exemple 2.1.15. Distance associée à la valuation sur R[X] : d(p, Q) = 2 v(p Q). 2.2 Limite et continuité Définition 2.2.1. Soient (X, d) un espace métrique et u = (u n ) n 0 une suite dans X. La suite u converge vers l X si et seulement si : ǫ > 0, N N, n N, d(u n, l) < ǫ. 6

Exercice 2.2.2. Démontrer l unicité de la limite. Définition 2.2.3. Soient (X, d) un espace métrique et u = (u n ) n 0 une suite dans X. La suite u est de Cauchy si et seulement si : ǫ > 0, N N, n, m N, d(u n, u m ) < ǫ. Toute suite convergente est de Cauchy. Définition 2.2.4. Un espace métrique est complet si et seulement si toute suite de Cauchy converge. Définition 2.2.5. Soit f : X Y une application entre deux espaces métriques (X, d) et (Y,δ). L application f est continue en a X si et seulement si : ǫ > 0, α > 0, x X,d(x, a) < α δ(f(x), f(a)) < ǫ. L application f est continue si et seulement si elle est continue en tout point a de X. L application f est uniformément continue si et seulement si : ǫ > 0, α > 0, x X, y X,d(x, y) < α δ(f(x), f(y)) < ǫ. Exercice 2.2.6. Soit (X, d) un espaces métrique. 1. Démontrer que pour tout a X, l application g a : X R définie par g a (x) = d(a, x) est continue. 2. Démontrer que la distance d : X X R est continue, pour la métrique produit sur X X. Proposition 2.2.7. Soit f : X Y une application entre deux espaces métriques (X, d) et (Y,δ). L application f est continue en a X si et seulement si : pour toute suite u = (u n ) n 0 de X convergent vers a, la suite (f(u n )) n 0 converge vers f(a). Exemple 2.2.8. L espace (B(I, X), d ) des applications bornées de l ensemble I vers l espace métrique (X, d), muni de la métrique uniforme d est complet. Exercice 2.2.9. Démontrer que l espace (C([a, b], R), d ) des fonctions continues sur [a, b], muni de la métrique d est complet. Exercice 2.2.10. Démontrer que l espace (C([ 1, 1], R), d 1 ) des fonctions continues sur [a, b], muni de la métrique d 1 associée à la norme f 1 = 1 f(t) dt, n est pas complet. 0 Définition 2.2.11. Soit f : X Y une application entre deux espaces métriques (X, d) et (Y,δ). L application f est lipschitzienne si et seulement si, il existe k > 0 tel que : x X, y X,δ(f(x), f(y)) kd(x, y). (Eventuellement on précise : k-lipschitzienne.) 7

Proposition 2.2.12. Une application lipschitzienne est uniformément continue. Proposition 2.2.13. Soit (X, d) un espace métrique, et δ la distance produit sur X X, alors d : X X R + est 2-lipschitzienne. Théorème 2.2.14. La composée de deux applications continues est continue. Théorème 2.2.15. La somme et le produit sont des applications continues de R R vers R, et de C C dans C. L application inverse : x 1 x est continue de R dans R, et de C dans C. 2.3 Produit d espaces métriques Soit (X k, d k ) 1 k n une famille finie d espaces métriques. Proposition 2.3.1. Sur le produit Y = X 1 X 2 X n, l application δ qui à (x, y) associe δ(x, y) = max 1 i n d i (x i, y i ), définit une distance, qu on appelle distance produit. Remarque 2.3.2. Les projections p i sur les facteurs X i sont 1-lipschitziennes. Pour f : Z Y = X 1 X 2 X n, on appelle composantes de f les applications f i = p i f. Proposition 2.3.3. Lorsque Z est un espace métrique, et Y est muni de la métrique produit : f est continue si et seulement si ses composantes le sont. Remarque : énoncé analogue pour la convergence des suites dans le produit Y. Proposition 2.3.4. Un produit fini d espaces métriques complets est complet. Exercice 2.3.5. Produit dénombrable. Soit (X k, d k ) 0 k une famille dénombrable d espaces métriques. Le produit Y = Π n 0 X n est l ensemble des suites (x n ) n 0 avec x n X n pour tout n. 1. Démontrer que l application δ qui à (x, y) associe δ(x, y) = sup n 0 (inf(2 n, d i (x n, y n )), définit une distance sur le produit Y = Π n 0 X n. Cette distance est appellée distance produit. 2. Démontrer qu un produit dénombrable d espaces complets est complet. 2.4 Distances équivalentes Définition 2.4.1. Deux distances d et δ sur le même ensemble X sont équivalentes si et seulement s il existe k 1, k 2 > 0 tels que : (x, y) X X, k 1 d(x, y) δ(x, y) k 2 d(x, y). 8

Cette définition exprime que l application Id X est lipschitzienne de (X, d) vers (X, δ), et de (X, δ) vers (X, d). L équivalence des distances est une relation d équivalence. Equivalence des normes Définition 2.4.2. Deux normes N et N sur un même espace vectoriel réel ou complexe E sont équivalentes si et seulement s il existe k 1, k 2 > 0 tels que : x E, k 1 N(x) N (x) k 2 N(x). L équivalence des normes équivaut à l équivalence des distances associées. Exercice 2.4.3. Montrer que les normes habituelles sur R n et C n : x 1 = x i, x 2 = ( sont équivalentes à la norme x = max x i. i Il existe des comparaisons de distances plus faibles : i x i 2 )1 2 Définition 2.4.4. Deux distances d et δ sur le même ensemble X sont uniformément équivalentes si et seulement l application identique Id X est uniformément continue de (X, d) vers (X, δ), et de (X, δ) vers (X, d). Deux distances d et δ sur le même ensemble X sont topologiquement équivalentes si et seulement l application Id X est continue de (X, d) vers (X, δ), et de (X, δ) vers (X, d). L équivalence topologique des distances sera étudiée plus en détail dans le prochain chapitre. 2.5 Continuité des applications linéaires Le corps de base, noté K est R ou C. Théorème 2.5.1. Soient f une application linéaire entre deux K-espaces vectoriels normés (E, et (E, ). Les énoncés suivants sont équivalents : a) f est continue; b) f est continue en zéro; c) f est bornée sur la boule unité fermée : B f (0 E, 1); d) f est lipschitzienne. 9

Remarque 2.5.2. On démontrera que lorsque E est de dimension finie, alors toute application linéaire de source E est continue. Exercice 2.5.3. Trouver un exemple d application linéaire non continue. On note L c (E, E ) l espace des applications linéaires continues de (E, vers (E, ). 10