Beruflich Dokumente
Kultur Dokumente
Thmes
Ceci est une sorte dindex thmatique.
Thme 1 : Fonctions Lipschitz
(1) Dfinition : 11.189.
(2) La notion de Lipschitz est utilise pour dfinir la stabilit dun problme, dfinition 25.23.
Thme 2 : Polynme de Taylor
(1) nonc : thorme 11.204.
(2) Le polynme de Taylor gnralise lutilisation de toutes les drives disponibles le rsultat
de dveloppement limit donn par la proposition 11.76.
(3) Il est utilis pour justifier la mthode de Newton autour de lquation (25.128).
Thme 3 : Points fixes
(1) Il y a plusieurs thormes de points fixes.
Thorme de Picard 16.109 donne un point fixe comme limite ditrs dune fonction
Lipschitz. Il aura pour consquence le thorme de Cauchy-Lipschitz 16.123, lquation
de Fredholm, thorme 16.114 et le thorme dinversion locale dans le cas des espaces
de Banach 16.128.
Thorme de Brouwer qui donne un point fixe pour une application dune boule vers
elle-mme. Nous allons donner plusieurs versions et preuves.
(c) Dans R2 via lhomotopie, thorme 19.19. Oui, cest trs loin. Et cest normal parce
que a va utiliser la formule de lindice qui est de lanalyse complexe 1 .
Thorme de Markov-Kakutani 16.121 qui donne un point fixe une application continue dun convexe ferm born dans lui-mme. Ce thorme donnera la mesure de Haar
16.122 sur les groupes compacts.
Thorme de Schauder 16.119 qui est une version valable en dimension infinie du thorme de Brouwer.
(2) Pour les quations diffrentielles
(a) Le thorme de Schauder a pour consquence le thorme de Cauchy-Arzela 16.125 pour
les quations diffrentielles.
(b) Le thorme de Schauder 16.119 permet de dmontrer une version du thorme de
Cauchy-Lipschitz (thorme 16.123) sans la condition Lipschitz, mais alors sans unicit
de la solution. Notons que de ce point de vue nous sommes dans la mme situation que
la diffrence entre le thorme de Brouwer et celui de Picard : hors hypothse de type
contraction, point dunicit.
(3) En calcul numrique
La convergence dune mthode de point fixe est donne par la proposition 25.55.
La convergence quadratique de la mthode de Newton est donne par le thorme 25.61.
En calcul numrique, section 25.6
Mthode de Newton comme mthode de point fixe, sous-section 25.7.2.
(4) Dautres utilisation de points fixes.
Processus de Galton-Watson, thorme 28.47.
Dans le thorme de Max-Milgram 17.44, le thorme de Picard est utilis.
1. On aime bien parce que a ne demande pas Stokes, mais quand mme hein, cest pas gratos non plus.
3
Thme 4 : Mthode de Newton
(1) Nous parlons un petit peu de mthode de Newton en dimension 1 dans 25.7.
(2) La mthode de Newton fonctionne bien avec les fonction convexes par la proposition 25.62.
(3) La mthode de Newton en dimension n est le thorme 25.68.
(4) Un intervalle de convergence autour de sobtient par majoration de |g 1 |, proposition 25.55.
(1) Lellipse de John-Loewner donne un ellipsode de volume minimum autour dun compact
dans Rn , thorme 13.212.
(2) Le cercle circonscrit une courbe donne un cercle de rayon minimal contenant une courbe
ferme simple, proposition 14.81.
(3) Enveloppe convexe du groupe orthogonal 12.36.
Thme 6 : Produit semi-direct de groupes
(1) Dfinition 2.85.
(2) Le corollaire 2.87 donne un critre pour prouver quun produit N H est un produit semidirect.
(3) Lexemple 12.80 donne le groupe des isomtries du carr comme un produit semi-direct.
(4) Le thorme 12.44 donne les isomtries de
le groupe des translations.
(5) La proposition 12.46 donne une dcomposition du groupe orthogonal Opnq SOpnq C2
o C2 tId, Ru o R est de dterminant 1.
(6) La proposition 8.44 donne AffpRn q T pnq GLpn, Rq o AffpRn q est le groupe des
applications affines bijectives de Rn .
(6) La proposition 4.105 nous annule un polynme plusieurs variables lorsquil a trop de
racines.
(7) En analyse complexe, le principe des zros isols 19.20 annule en gros toute srie entire
possdant un zro non isol.
(8) Polynmes irrductibles sur
Fq .
4
Thme 9 : quations diophantiennes
(1) quation ax ` by c dans
N, quation (2.57).
(3) Lexemple 3.79 donne une application de la pure notion de modulo pour x2 3y 2 ` 8. Pas
de solutions.
?
(4) Lexemple 3.80 rsout lquation x2 `2 y 3 en parlant de lextension Zri 2s et de stathme.
(5) Les propositions 3.81 et 3.84 parlent de triplets pythagoriciens.
Q, le lemme 4.102.
Thme 12 : Rang
(1) Dfinition 6.12.
(2) Le thorme du rang, thorme 6.13
(3) Prouver que des matrices sont quivalentes et les mettre sous des formes canoniques, lemme
6.15 et son corollaire 6.16.
(4) Tout hyperplan de Mpn, Kq coupe GLpn, Kq, corollaire 6.16. Cela utilise la forme canonique
sus-mentionne.
(5) Le lien entre application duale et orthogonal de la proposition 6.32 utilise la notion de rang.
(6) Prouver les quivalences tre un endomorphisme cyclique du thorme 6.343 via le lemme
6.342.
Thme 13 : Topologie produit
(1) La dfinition de la topologie produit est 5.5.
(2) Pour les espaces vectoriels norms, le produit est donn par la dfinition 6.197.
(3) Lquivalence entre la topologie de la norme produit et la topologie produit est le lemme
6.199.
Thme 14 : Produit de compact
(1) Les produits despaces mtriques compacts sont compacts ; cest le thorme de Tykhonov.
Nous verrons ce rsultat dans les cas suivants.
R, lemme 5.106.
Produit fini despaces mtriques compacts, thorme 5.147.
Produit dnombrable despaces mtrique compacts, thorme 5.149.
5
Thme 15 : Connexit
(1) Dfinition 5.67
(2) Le groupe SLpn, Kq est connexe par arcs : proposition 12.18.
(5) Le groupe GLpn, Rq a exactement deux composantes connexes par arcs, proposition 12.20.
(6) Le groupe Opn, Rq nest pas connexe, lemme 12.14.
(7) Les groupe Upnq et SUpnq sont connexes par arcs, lemme 12.15.
(8) Le groupe SOpnq est connexe mais ce nest pas encore dmontr, proposition 12.16.
(9) Connexit des formes quadratiques de signature donne, proposition 16.155.
(3) Pour toute norme algbrique nous avons pAq }A}, proposition 6.85.
pAt Aq.
(4) Dans le cadre du conditionnement de matrice. Voir en particulier la proposition 25.42 qui
utilise le thorme 6.91.
6
Thme 19 : Sous-groupes
(1) Thorme de Burnside sur les sous groupes dexposant fini de GLpn, Cq, thorme 6.357.
(2) Sous-groupes compacts de GLpn, Rq, lemme 12.38 ou proposition 12.39.
Thme 20 : Mesure et intgrale
(1) Mesure de Lebesgue, dfinition 7.160
(2) Intgrale associe une mesure, dfinition 7.113
Thme 21 : quivalence de normes
(1) La proposition 6.138 sur lquivalence des normes dans Rn .
(2) Montrer que le problme a b est stable dans lexemple 25.24.
Thme 22 : Espace L2 (L2)
(1) Dfinition de L2 p, q, 18.28.
(2) Lespace L2 est discut en analyse fonctionnelle, en 18.3.6 parce que ltude de L2 utilise
entre autres lingalit de Hlder 18.20.
Thme 23 : Espaces Lp (Lp)
`
7
Thme 29 : Dterminant
(1) Les n-formes alternes forment un espace de dimension 1, proposition 6.42.
(2) Dterminant dune famille de vecteurs 6.45.
(3) Dterminant dun endomorphisme 6.48.
(4) Des interprtations gomtriques du dterminant sont dans la section 13.7.
Thme 30 : Polynme dendomorphismes
(1) Endomorphismes cycliques et commutant dans le cas diagonalisable, proposition 6.340.
(2) Racine carr dune matrice hermitienne positive, proposition 12.26.
(3) Thorme de Burnside sur les sous groupes dexposant fini de GLpn, Cq, thorme 6.357.
8
Thme 37 : quations diffrentielles Lutilisation des thormes de point fixe pour lexistence
de solutions des quations diffrentielles est fait dans le chapitre sur les points fixes.
(1) Le thorme de Schauder a pour consquence le thorme de Cauchy-Arzela 16.125 pour
les quations diffrentielles.
(2) Le thorme de Schauder 16.119 permet de dmontrer une version du thorme de CauchyLipschitz (thorme 16.123) sans la condition Lipschitz
(3) Le thorme de Cauchy-Lipschitz 16.123 est utilis plusieurs endroits :
2
Pour calculer la transforme de Fourier de ex {2 dans le lemme 21.15.
(4) Thorme de stabilit de Lyapunov 24.15.
(5) Le systme proie prdateurs, Lokta-Voltera 24.16
(6) quation de Schrdinger, thorme 24.22.
(7) Lquation px x0 q u 0 pour u P D 1 pRq, thorme 22.55.
(8) La proposition 24.18 donne un rsultat sur y 2 ` qy 0 partir dune hypothse de croissance.
Les densits sont bien entendu utilises pour prouver des formules sur un espace en sachant quelles
sont vraies sur une partie dense. Mais galement pour tendre une application dfinie seulement
sur une partie dense. Cest par exemple ce qui est fait pour dfinir la trace 0 sur les espaces de
Sobolev H s pRd q en utilisant le thorme dextension 16.166.
Thme 40 : Injections
proposition 23.8.
(1) Lespace de Sobolev H 1 pIq sinjecte de faon compacte dans C 0 pIq,
(2) Lespace de Sobolev H 1 pIq sinjecte de faon continue dans L2 pIq, proposition 23.8.
9
Thme 43 : Permuter des limites
(1) Les thormes sur les fonctions dfinies par des intgrales, section 13.19. Nous avons entre
autres
(b) Si f est majore par une fonction ne dpendant pas de x, nous avons le thorme 13.177.
(c) Si lintgrale est uniformment convergente, nous avons le thorme 13.178.
(3) Lespace de Schwartz est stable par transforme de Fourier. Lapplication F : S pRd q
S pRd q est une bijection linaire et continue. Proposition 21.12
(2) Un oprateur ou une matrice est dfini positif si toutes ses valeurs propres sont positives,
cest la dfinition 6.294.
(3) Pour une matrice symtrique, dfinie positive implique xAx, xy 0 pour tout x. Cest le
lemme 6.296.
(4) Une application linaire est dfinie positive si et seulement si sa matrice associe lest. Cest
la proposition 6.366.
Remarque : nous ne dfinissons pas la notion de matrice dfinie positive dans le cas dune matrice
non symtrique.
10
Thme 49 : Gaussienne
(1) Le calcul de lintgrale
ex dx
2
(0.1)
(4) Elle est utilise pour rgulariser une intgrale dans la preuve de la formule dinversion de
Fourier 21.20
Thme 50 : Ingalits
Ingalit
(1) Pour une forme quadratique q sur Rn nous avons
a de Minkowsky
a
qpxq ` qpyq. Proposition 6.373.
qpx ` yq
1{p
1{p
p
dpyq.
|f px, yq|p dpxq
f px, yqdpyq
}fy }p dpyq
(0.2)
(0.3)
Transforme de Fourier Pour tout f P L1 pRn q nous avons }f}8 }f }1 , lemme 21.6.
Thme 53 : Dduire la nullit dune fonction depuis son intgrale Des rsultats qui
disent que si f 0 cest que f 0 dans un sens ou dans un autre.
(1) Il y a le lemme 7.123 qui dit a.
(2) Un lemme du genre dans L2 existe aussi pour f 0 pour tout . Cest le lemme 18.42.
(4) Si f 0 pour tout support compact alors f 0 presque partout, proposition 18.1.
(5) La proposition 18.44 donne f 0 dans Lp lorsque f g 0 pour tout g P Lq lorsque lespace
est -fini.
(6) Une fonction h P Cc8 pIq admet une primitive dans Cc8 pIq si et seulement si I h 0.
Thorme 16.94.
11
Index
35
0 Introduction
0.1 Prface . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
0.2 Auteurs, contributeurs, sources et remerciements . . . . . .
0.3 Les questions pour lesquelles je nai pas (encore) de rponse
0.3.1 Mes questions danalyse. . . . . . . . . . . . . . . . .
0.3.2 Mes questions dalgbre, gomtrie. . . . . . . . . . .
0.3.3 Mes questions de probabilit et statistiques. . . . . .
0.3.4 Mes questions de modlisation . . . . . . . . . . . .
0.3.5 Les preuves relire par des experts . . . . . . . . . .
0.4 Comment maider rendre ces notes plus utiles ? . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
57
57
57
59
59
61
62
63
63
68
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
69
69
69
70
70
71
71
71
73
73
75
77
78
80
82
82
.
.
.
.
.
.
.
.
.
85
85
86
87
88
89
90
90
92
92
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
12
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
92
93
94
95
96
96
98
101
102
106
111
113
115
115
3 Anneaux
3.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2 Binme de Newton et morphisme de Frobenius . . . . . . . . .
3.3 Dcomposition en facteurs premiers . . . . . . . . . . . . . . . .
3.4 Le groupe des racines de lunit . . . . . . . . . . . . . . . . . .
3.5 Fonction indicatrice dEuler (premire partie) . . . . . . . . . .
3.5.1 Introduction par les racines de lunit . . . . . . . . . .
3.5.2 Gnrateurs . . . . . . . . . . . . . . . . . . . . . . . . .
3.6 Idal dans un anneau . . . . . . . . . . . . . . . . . . . . . . . .
3.7 Caractristique . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.8 Modules . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.9 Anneau intgre . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.9.1 PGCD et PPCM . . . . . . . . . . . . . . . . . . . . . .
3.9.2 Contenu dun polynme . . . . . . . . . . . . . . . . . .
3.10 Anneau factoriel . . . . . . . . . . . . . . . . . . . . . . . . . .
3.11 Anneau principal . . . . . . . . . . . . . . . . . . . . . . . . . .
3.11.1 Bzout . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.11.2 Anneau noetherien . . . . . . . . . . . . . . . . . . . . .
3.12 Anneau euclidien . . . . . . . . . . . . . . . . . . . . . . . . . .
3.12.1 quations diophantiennes . . . . . . . . . . . . . . . . .
3.12.2 Triplet pythagoriciens et quation de Fermat pour n 4
3.12.3 Lignes et colonnes de matrices . . . . . . . . . . . . . .
3.12.4 Algorithme des facteurs invariants . . . . . . . . . . . .
3.13 Anneaux des polynmes . . . . . . . . . . . . . . . . . . . . . .
3.13.1 Irrductibilit . . . . . . . . . . . . . . . . . . . . . . . .
3.13.2 Division euclidienne . . . . . . . . . . . . . . . . . . . .
3.13.3 Bzout . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.13.4 Idaux . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.13.5 Racines des polynmes . . . . . . . . . . . . . . . . . . .
3.13.6 Quelque identits . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
117
117
118
119
119
121
122
123
123
124
125
127
128
129
130
131
132
133
133
135
136
138
139
141
142
143
143
144
145
147
4 Corps
4.1 Gnralits . . . . . . . . . . . . . . .
4.1.1 Corps des fractions . . . . . . .
4.1.2 Corps premier . . . . . . . . .
4.1.3 Petit thorme de Fermat . . .
4.2 Thorme des deux carrs . . . . . . .
4.2.1 Un peu de structure dans Zris
4.2.2 Rsultats chinois . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
149
149
150
151
153
153
154
157
2.6
2.7
2.8
2.9
2.10
2.11
2.12
2.13
2.14
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
13
4.3
4.4
4.5
4.6
4.7
4.8
5 Topologie gnrale
5.1 Topologie en gnral . . . . . . . . . . . . .
5.1.1 Dfinitions basiques . . . . . . . . .
5.1.2 Topologie produit . . . . . . . . . .
5.1.3 Sparabilit . . . . . . . . . . . . . .
5.1.4 Topologie mtrique . . . . . . . . . .
5.1.5 Espace vectoriel norm . . . . . . . .
5.1.6 Topologie sur lensemble des rels . .
5.1.7 Base de topologie . . . . . . . . . . .
5.2 Limite et continuit . . . . . . . . . . . . .
5.3 Compacit . . . . . . . . . . . . . . . . . . .
5.3.1 Quelque proprits . . . . . . . . . .
5.4 Topologie induite . . . . . . . . . . . . . . .
5.5 Connexit . . . . . . . . . . . . . . . . . . .
5.6 Un peu de topologie relle . . . . . . . . . .
5.6.1 Suites numriques . . . . . . . . . .
5.6.2 Maximum, supremum et compagnie
5.6.2.1 . . . et quelque exemples . .
5.6.3 Intervalles . . . . . . . . . . . . . . .
5.6.3.1 Connexit . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
159
160
160
163
164
166
167
168
172
173
175
175
178
179
179
183
185
186
186
189
194
196
201
201
202
204
206
208
208
210
212
217
217
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
219
219
219
220
220
221
222
225
227
228
230
230
231
232
234
234
236
237
241
241
14
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
243
245
247
247
247
247
248
250
251
256
257
258
259
259
259
261
261
262
263
265
265
266
6 Espaces vectoriels
6.1 Parties libres, gnratrices, bases et dimension . . . . . . . . . .
6.2 Applications linaires . . . . . . . . . . . . . . . . . . . . . . . .
6.2.1 Dfinition . . . . . . . . . . . . . . . . . . . . . . . . . .
6.2.2 Rang . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.3 Matrice dune application linaire . . . . . . . . . . . . . . . . .
6.3.1 criture dans une base . . . . . . . . . . . . . . . . . . .
6.3.2 Changement de base : vecteurs de base . . . . . . . . . .
6.3.3 Changement de base : coordonnes . . . . . . . . . . . .
6.3.4 Changement de base : matrice dune application linaire
6.3.5 Changement de base : matrice dune forme bilinaire . .
6.4 Dualit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.4.1 Orthogonal . . . . . . . . . . . . . . . . . . . . . . . . .
6.4.2 Transpose . . . . . . . . . . . . . . . . . . . . . . . . .
6.4.3 Transpose : sans le dual . . . . . . . . . . . . . . . . .
6.4.4 Polynmes de Lagrange . . . . . . . . . . . . . . . . . .
6.4.5 Dual de Mpn, Kq . . . . . . . . . . . . . . . . . . . . . .
6.5 Dterminants . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.5.1 Formes multilinaires alternes . . . . . . . . . . . . . .
6.5.2 Dterminant dune famille de vecteurs . . . . . . . . . .
6.5.3 Dterminant dun endomorphisme . . . . . . . . . . . .
6.5.4 Dterminant de Vandermonde . . . . . . . . . . . . . . .
6.5.5 Dterminant de Gram . . . . . . . . . . . . . . . . . . .
6.5.6 Dterminant de Cauchy . . . . . . . . . . . . . . . . . .
6.5.7 Matrice de Sylvester . . . . . . . . . . . . . . . . . . . .
6.5.8 Thorme de Kronecker . . . . . . . . . . . . . . . . . .
6.6 Directions conserves . . . . . . . . . . . . . . . . . . . . . . . .
6.6.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . . . .
6.6.2 Matrice orthogonale . . . . . . . . . . . . . . . . . . . .
6.6.3 Comment trouver la matrice dune symtrie donne ? . .
6.6.3.1 Symtrie par rapport un plan . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
269
269
272
272
272
274
274
276
277
277
277
278
278
278
281
281
282
283
283
286
287
289
292
292
292
295
296
296
297
298
298
15
6.7
6.8
6.9
6.10
6.11
6.12
6.13
6.14
6.15
6.16
6.17
6.18
6.19
6.20
6.21
6.22
6.23
6.24
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
linaires .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
299
300
300
300
300
302
304
306
306
307
309
311
312
313
313
315
321
322
323
324
325
325
325
326
329
329
329
331
331
332
333
333
337
338
338
342
342
342
343
344
344
344
347
348
349
350
350
350
351
352
356
357
360
16
6.25
6.26
6.27
6.28
6.29
6.30
6.31
6.32
6.33
6.34
6.35
6.36
6.37
6.38
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
362
363
364
366
366
372
375
376
377
377
378
381
383
385
386
387
389
391
392
392
393
394
397
399
399
399
402
403
403
404
406
409
409
411
413
414
417
417
417
417
419
420
421
422
425
425
425
426
426
17
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
429
429
429
430
431
431
431
433
434
436
442
444
452
454
454
454
457
458
462
463
463
463
464
470
473
473
475
478
478
479
481
483
484
484
485
486
491
495
496
501
503
504
505
506
506
508
.
.
.
.
.
.
509
509
510
512
513
513
515
18
8.7
8.8
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
517
520
522
522
9 Gomtrie hyperbolique
525
9.1 Inversion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 525
9.1.1 Cercles perpendiculaires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 525
9.1.2 Inversion . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 526
10 Espaces projectifs
10.1 Sous espaces projectifs . . . . . . . . . . . . . .
10.2 Espace projectifs comme complts despaces
10.3 Thorme de Pappus . . . . . . . . . . . . . . .
10.4 Homographies . . . . . . . . . . . . . . . . . . .
10.4.1 Homographies . . . . . . . . . . . . . . .
10.4.2 Le groupe projectif . . . . . . . . . . . .
10.5 Coordonnes homognes . . . . . . . . . . . . .
10.5.1 Dualit . . . . . . . . . . . . . . . . . .
10.5.2 Polynmes . . . . . . . . . . . . . . . .
10.5.3 Repres projectifs . . . . . . . . . . . .
10.5.4 Birapport . . . . . . . . . . . . . . . . .
10.6 Sphre de Riemann . . . . . . . . . . . . . . . .
10.6.1 Action du groupe modulaire . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
531
531
533
535
536
536
537
538
538
540
541
542
544
544
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
topologie induite
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
. . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
551
551
551
552
553
558
558
560
561
562
566
566
568
569
571
573
573
578
578
579
579
580
581
581
582
583
583
583
583
. . . .
affines
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
. . . .
11 Analyse relle
11.1 Limite et continuit . . . . . . . . . . . . . . . . .
11.1.1 Dfinition . . . . . . . . . . . . . . . . . . .
11.1.2 Proprits de base . . . . . . . . . . . . . .
11.1.3 Limites de fonctions . . . . . . . . . . . . .
11.1.4 Rgles simples de calcul . . . . . . . . . . .
11.2 Limites plusieurs variables . . . . . . . . . . . . .
11.2.1 Rgle de ltau . . . . . . . . . . . . . . . .
11.2.2 Mthode des chemins . . . . . . . . . . . .
11.2.3 Mthode des coordonnes polaires . . . . .
11.2.4 Mthode du dveloppement asymptotique .
11.2.5 Continuit . . . . . . . . . . . . . . . . . . .
11.2.6 La fonction la moins continue du monde . .
11.2.7 Approche topologique . . . . . . . . . . . .
11.2.8 Continuit de la racine carr, invitation la
11.2.9 Limites en des nombres . . . . . . . . . . .
11.2.10 Limites quand tout va bien . . . . . . . . .
11.2.11 Discussion avec mon ordinateur . . . . . . .
11.2.12 Limites et prolongement . . . . . . . . . . .
11.3 Drive : exemples introductifs . . . . . . . . . . .
11.3.1 La vitesse . . . . . . . . . . . . . . . . . . .
11.3.2 La tangente une courbe . . . . . . . . . .
11.3.3 Laire en dessous dune courbe . . . . . . .
11.4 Dfinition de la drive . . . . . . . . . . . . . . . .
11.5 Continuit et drivabilit . . . . . . . . . . . . . . .
11.6 Drivation de fonctions dune variable relle . . . .
11.6.1 Exemples . . . . . . . . . . . . . . . . . . .
11.6.1.1 La fonction f pxq x . . . . . . .
11.6.1.2 La fonction f pxq x2 . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
19
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
583
584
584
585
586
587
587
592
594
595
599
600
601
601
604
605
605
606
609
610
610
613
613
613
615
615
616
617
617
619
622
623
623
624
624
626
626
626
627
630
631
635
636
638
639
641
641
641
644
644
645
646
646
20
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
647
647
647
649
649
651
655
655
655
656
657
657
657
659
659
660
660
662
662
663
663
664
664
664
665
667
668
669
669
669
670
671
672
672
675
675
675
676
677
679
681
681
683
684
685
686
689
689
691
691
692
693
694
21
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
705
705
707
707
713
715
717
718
718
721
723
725
728
729
732
733
738
741
744
744
744
746
749
750
750
750
750
751
752
757
757
758
761
763
764
764
766
766
767
767
767
768
768
768
769
770
771
772
773
775
775
776
22
. .
fin
. .
. .
. .
. .
. .
. .
. .
. .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
13 Intgration
13.1 Thorme de la moyenne . . . . . . . . . . . . . . . . . . . . . . . . . .
13.2 Mesure densit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13.2.1 Thorme de Radon-Nikodym . . . . . . . . . . . . . . . . . . .
13.2.2 Mesure complexe . . . . . . . . . . . . . . . . . . . . . . . . . .
13.2.3 Thorme dapproximation . . . . . . . . . . . . . . . . . . . .
13.2.4 Mesure densit . . . . . . . . . . . . . . . . . . . . . . . . . .
13.3 Constructions plus naves de la mesure et de lintgrale dans le cas rel
13.3.1 Mesure de Lebesgue, version rapide . . . . . . . . . . . . . . . .
13.3.2 Pavs et subdivisions . . . . . . . . . . . . . . . . . . . . . . . .
13.3.3 Intgrale dune fonction en escalier . . . . . . . . . . . . . . . .
13.3.4 Intgrales partielles . . . . . . . . . . . . . . . . . . . . . . . . .
13.3.5 Rduction dune intgrale multiple . . . . . . . . . . . . . . . .
13.3.6 Proprits de lintgrale . . . . . . . . . . . . . . . . . . . . . .
13.3.7 Intgrales multiples, cas gnral . . . . . . . . . . . . . . . . . .
13.3.8 Rduction dune intgrale multiple . . . . . . . . . . . . . . . .
13.3.9 Intgrales sur des parties de R2 . . . . . . . . . . . . . . . . .
13.3.10 Intgrales sur des parties de R3 . . . . . . . . . . . . . . . . . .
13.3.11 Fonctions et ensembles non borns . . . . . . . . . . . . . . . .
13.4 Proprits . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13.5 Primitives et intgrales . . . . . . . . . . . . . . . . . . . . . . . . . . .
13.5.1 Primitives et intgrales . . . . . . . . . . . . . . . . . . . . . .
13.5.2 Intgrales impropres . . . . . . . . . . . . . . . . . . . . . . . .
13.6 Thorme de Fubini . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13.6.1 Thorme de Fubini-Tonelli et de Fubini . . . . . . . . . . . . .
13.7 Interprtation gomtrique du dterminant . . . . . . . . . . . . . . .
13.7.1 Par rapport la mesure de Lebesgue . . . . . . . . . . . . . . .
13.7.2 En petite dimension . . . . . . . . . . . . . . . . . . . . . . . .
13.7.3 Produit vectoriel . . . . . . . . . . . . . . . . . . . . . . . . . .
13.7.4 Produit mixte . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13.7.5 Dterminant en dimension deux . . . . . . . . . . . . . . . . . .
13.7.6 Dterminant en dimension trois . . . . . . . . . . . . . . . . . .
13.8 Changement de variables dans une intgrale multiple . . . . . . . . . .
13.8.1 Des lemmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13.8.2 Le thorme et sa dmonstration . . . . . . . . . . . . . . . . .
13.8.3 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
13.8.4 Rcapitulatif des changements de variables . . . . . . . . . . .
13.8.4.1 Coordonnes polaires . . . . . . . . . . . . . . . . . .
13.8.4.2 Coordonnes cylindriques . . . . . . . . . . . . . . . .
13.8.4.3 Coordonnes sphriques . . . . . . . . . . . . . . . . .
13.8.5 Changement de variables . . . . . . . . . . . . . . . . . . . . .
13.8.5.1 Coordonnes polaires . . . . . . . . . . . . . . . . . .
13.8.5.2 Coordonnes sphriques . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
778
779
782
782
783
784
785
785
787
787
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
789
789
789
789
791
792
792
792
792
793
796
796
797
798
799
799
801
804
807
807
808
811
812
815
815
820
820
821
822
823
825
825
826
826
827
831
834
834
834
834
835
835
836
23
Coordonnes polaires . . . . . . . . . . . . . . . . . .
Coordonnes cylindriques . . . . . . . . . . . . . . .
Coordonnes sphriques . . . . . . . . . . . . . . . .
diffrentielle . . . . . . . . . . . . . . . . . . . . . . .
13.9.0.1 Lisomorphisme musical . . . . . . . . . . .
13.10Intgrale sur une varit . . . . . . . . . . . . . . . . . . . .
13.10.1 Mesure sur une carte . . . . . . . . . . . . . . . . . .
13.10.1.1 Exemple : la mesure de la sphre . . . . . .
13.10.2 Intgrale sur une carte . . . . . . . . . . . . . . . . .
13.10.3 Exemples . . . . . . . . . . . . . . . . . . . . . . . .
13.10.4 Orientation . . . . . . . . . . . . . . . . . . . . . . .
13.10.5 Formes diffrentielles . . . . . . . . . . . . . . . . . .
13.10.6 Intgrale dune fonction sur une varit . . . . . . .
13.11Intgrales curvilignes . . . . . . . . . . . . . . . . . . . . . .
13.11.1 Chemins de classe C 1 . . . . . . . . . . . . . . . . .
13.11.2 Intgrer une fonction . . . . . . . . . . . . . . . . . .
13.11.3 Intgrer un champ de vecteurs . . . . . . . . . . . .
13.11.4 Intgrer une forme diffrentielle sur un chemin . . .
13.11.5 Intgration dune forme diffrentielle sur un chemin
13.11.6 Interprtation physique : travail . . . . . . . . . . . .
13.11.7 Intgrer un champs de vecteurs sur un bord en 2D .
13.11.8 Intgrer une forme diffrentielle sur un bord en 2D .
13.11.9 Intgrer une forme diffrentielle sur un bord en 3D .
13.11.10Intgrer dun champ de vecteurs sur un bord en 3D
13.11.11Drives croises et forme diffrentielle exacte . . . .
13.12Surfaces paramtres . . . . . . . . . . . . . . . . . . . . . .
13.12.1 Graphe dune fonction . . . . . . . . . . . . . . . . .
13.13Intgrales de surface . . . . . . . . . . . . . . . . . . . . . .
13.13.1 Intgrale dune fonction . . . . . . . . . . . . . . . .
13.13.2 Intgrale dun champ de vecteurs . . . . . . . . . . .
13.14Intgrales de surface . . . . . . . . . . . . . . . . . . . . . .
13.14.1 Aire dune surface paramtre . . . . . . . . . . . . .
13.14.2 Intgrale dune fonction sur une surface . . . . . . .
13.14.3 Aire dune surface de rvolution . . . . . . . . . . .
13.14.4 Intgrale dune 2 . . . . . . . . . . . . . . . . . . . .
13.15Flux dun champ de vecteurs travers une surface . . . . .
13.16Divergence, Green, Stokes . . . . . . . . . . . . . . . . . . .
13.16.1 Thorme de la divergence . . . . . . . . . . . . . .
13.16.2 Formule de Green . . . . . . . . . . . . . . . . . . .
13.16.3 Formule de Stokes . . . . . . . . . . . . . . . . . . .
13.16.3.1 Quelle est la bonne orientation ? . . . . . .
13.17Rsum des intgrales vues . . . . . . . . . . . . . . . . . .
13.17.1 Lintgrale dune fonction sur les rels . . . . . . . .
13.17.2 Intgrale dune fonction sur un chemin . . . . . . . .
13.17.3 Intgrale dune fonction sur une surface . . . . . . .
13.17.4 Intgrale dune fonction sur un volume . . . . . . . .
13.17.5 Conclusion pour les fonctions . . . . . . . . . . . . .
13.17.6 Circulation dun champ de vecteurs . . . . . . . . .
13.17.7 Flux dun champ de vecteurs . . . . . . . . . . . . .
13.17.8 Conclusion pour les champs de vecteurs . . . . . . .
13.17.9 Attention pour les surfaces fermes ! . . . . . . . . .
13.18Intgrales convergeant uniformment . . . . . . . . . . . . .
13.18.1 Dfinition et proprit . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
836
837
837
838
839
840
840
841
841
842
842
844
845
846
846
846
848
848
849
850
851
851
851
852
852
853
854
855
855
856
857
857
858
859
861
861
864
864
865
867
867
868
868
868
868
869
870
870
870
870
871
872
872
24
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
873
874
874
876
876
877
879
882
884
888
888
889
889
894
897
898
898
900
901
901
902
905
906
907
907
907
908
910
912
912
912
913
913
914
914
915
915
916
917
918
920
921
923
924
924
924
927
927
25
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
929
929
930
930
931
934
935
939
939
939
939
941
943
944
949
951
953
954
957
958
958
959
962
968
968
970
971
974
975
978
15 Analyse vectorielle
15.1 Le thorme de Green . . . . . . . . . . . . . . . . . . . . .
15.2 Thorme de la divergence dans le plan . . . . . . . . . . .
15.2.1 La convention de sens de parcours . . . . . . . . . .
15.2.2 Thorme de la divergence . . . . . . . . . . . . . .
15.3 Thorme de Stokes . . . . . . . . . . . . . . . . . . . . . .
15.4 Thorme de Gauss . . . . . . . . . . . . . . . . . . . . . . .
15.5 Coordonnes curvilignes . . . . . . . . . . . . . . . . . . . .
15.5.1 Base locale . . . . . . . . . . . . . . . . . . . . . . .
15.5.2 Importance de lorthogonalit . . . . . . . . . . . . .
15.5.3 Coordonnes polaires . . . . . . . . . . . . . . . . . .
15.5.4 Coordonnes cylindriques . . . . . . . . . . . . . . .
15.5.5 Coordonnes sphriques . . . . . . . . . . . . . . . .
15.5.6 Gradient en coordonnes curvilignes . . . . . . . . .
15.5.6.1 Coordonnes sphriques . . . . . . . . . . .
15.5.7 Divergence en coordonnes curvilignes . . . . . . . .
15.5.7.1 Coordonnes cylindriques . . . . . . . . . .
15.5.7.2 Coordonnes sphriques . . . . . . . . . . .
15.5.8 Laplacien en coordonnes curvilignes orthogonales .
15.5.9 Rotationnel en coordonnes curvilignes orthogonales
15.5.9.1 Coordonnes cylindriques . . . . . . . . . .
15.5.9.2 Coordonnes sphriques . . . . . . . . . . .
15.6 Les formules . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
979
979
983
983
983
985
986
988
988
988
990
990
991
991
992
992
994
994
994
995
996
996
996
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
26
16 Suite de lanalyse
16.0.1 Drivabilit au sens complexe et diffrentielle . . . . . . . .
16.1 Srie de fonctions . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16.2 Sries entires . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16.2.1 Disque de convergence . . . . . . . . . . . . . . . . . . . . .
16.2.2 Proprits de la somme . . . . . . . . . . . . . . . . . . . .
16.2.3 Drivation, intgration . . . . . . . . . . . . . . . . . . . . .
16.2.4 Exponentielle et logarithme . . . . . . . . . . . . . . . . . .
16.2.5 Forme polaire ou trigonomtrique des nombres complexes .
16.3 Vitesses de x , de lexponentielle et du logarithme . . . . . . . . .
16.3.1 Dnombrement des solutions dune quation diophantienne
16.4 Le cercle trigonomtrique . . . . . . . . . . . . . . . . . . . . . . .
16.4.1 Les fonctions sinus et cosinus . . . . . . . . . . . . . . . . .
16.4.2 La fonction tangente . . . . . . . . . . . . . . . . . . . . . .
16.4.3 Les coordonnes polaires . . . . . . . . . . . . . . . . . . . .
16.4.3.1 Transformation inverse : thorie . . . . . . . . . .
16.4.3.2 Transformation inverse : pratique . . . . . . . . .
16.4.4 Srie gnratrice dune suite . . . . . . . . . . . . . . . . . .
16.4.5 Dveloppement en srie et Taylor . . . . . . . . . . . . . . .
16.4.6 Resommer une srie . . . . .
. . . . . . . . . . . . . . . . .
16.4.6.1 Les sommes du type n P pnqxn . . . . . . . . . .
16.4.6.2 Les sommes du type n xn {P pnq . . . . . . . . . .
16.4.6.3 Sage, primitives et logarithme complexe . . . . . .
16.4.6.4 Nombres de Bell . . . . . . . . . . . . . . . . . . .
16.4.7 Sries entires de matrices . . . . . . . . . . . . . . . . . . .
16.4.8 Exponentielle et logarithme de matrice . . . . . . . . . . . .
16.5 Nombres de Bell . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16.6 Lemme de Borel . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16.6.1 Fonctions plateaux . . . . . . . . . . . . . . . . . . . . . . .
16.6.2 Le lemme de Borel . . . . . . . . . . . . . . . . . . . . . . .
16.7 Densit des polynmes . . . . . . . . . . . . . . . . . . . . . . . . .
16.7.1 Thorme de Stone-Weierstrass . . . . . . . . . . . . . . . .
16.7.2 Primitive de fonction continue . . . . . . . . . . . . . . . .
16.7.3 Thorme taubrien de Hardi-Littlewood . . . . . . . . . .
16.7.4 Thorme de Mntz . . . . . . . . . . . . . . . . . . . . . .
16.8 Compltude avec la norme uniforme . . . . . . . . . . . . . . . . .
16.9 Thormes de point fixe . . . . . . . . . . . . . . . . . . . . . . . .
16.9.1 Points fixes attractifs et rpulsifs . . . . . . . . . . . . . . .
16.9.2 Picard . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16.9.3 Brouwer . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
16.9.4 Thorme de Schauder . . . . . . . . . . . . . . . . . . . . .
16.9.5 Thorme de Markov-Kakutani et mesure de Haar . . . . .
16.10Thormes de point fixes et quations diffrentielles . . . . . . . . .
16.10.1 Thorme de Cauchy-Lipschitz . . . . . . . . . . . . . . . .
16.10.2 Thorme de Cauchy-Arzella . . . . . . . . . . . . . . . . .
16.11Thormes dinversion locale et de la fonction implicite . . . . . . .
16.11.1 Mise en situation . . . . . . . . . . . . . . . . . . . . . . . .
16.11.2 Thorme dinversion locale . . . . . . . . . . . . . . . . . .
16.11.3 Thorme de la fonction implicite . . . . . . . . . . . . . . .
16.11.4 Exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
999
999
1002
1007
1007
1009
1012
1017
1021
1021
1022
1024
1024
1025
1026
1026
1027
1027
1028
1030
1030
1031
1033
1035
1035
1038
1041
1043
1043
1044
1046
1046
1049
1050
1054
1057
1058
1058
1058
1061
1063
1065
1066
1066
1068
1068
1068
1069
1074
1076
27
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
18 Analyse fonctionnelle
18.1 Thorme dAscoli . . . . . . . . . . . . . . . . . . . . . . .
18.2 Thorme de Banach-Steinhaus . . . . . . . . . . . . . . . .
18.3 Espaces Lp . . . . . . . . . . . . . . . . . . . . . . . . . . .
18.3.1 Gnralits . . . . . . . . . . . . . . . . . . . . . . .
18.3.2 Lespace L8 . . . . . . . . . . . . . . . . . . . . . . .
18.3.3 Ingalit de Jensen, Hlder et de Minkowski . . . . .
18.3.4 Ni inclusions ni ingalits . . . . . . . . . . . . . . .
18.3.5 Compltude . . . . . . . . . . . . . . . . . . . . . . .
18.3.6 Lespace L2 . . . . . . . . . . . . . . . . . . . . . . .
18.3.7 Coefficients et srie de Fourier . . . . . . . . . . . .
18.4 Convolution . . . . . . . . . . . . . . . . . . . . . . . . . . .
18.4.1 Densit des fonctions infiniment drivables support
18.4.2 Dualit et thorme de reprsentation de Riesz . . .
18.4.3 Approximation de lunit . . . . . . . . . . . . . . .
18.4.4 Densit des polynme trigonomtrique . . . . . . . .
18.5 Thormes de Hahn-Banach . . . . . . . . . . . . . . . . . .
18.6 Thorme de Tietze . . . . . . . . . . . . . . . . . . . . . .
18.7 Espace de Schwartz . . . . . . . . . . . . . . . . . . . . . . .
18.7.1 Topologie . . . . . . . . . . . . . . . . . . . . . . . .
18.7.2 Produit de convolution . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
compact .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
. . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1077
1080
1080
1080
1081
1084
1087
1091
1093
1093
1093
1094
1095
1101
.
.
.
.
.
.
.
.
.
.
.
1103
. 1103
. 1104
. 1107
. 1107
. 1109
. 1110
. 1114
. 1117
. 1118
. 1119
. 1120
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1123
. 1123
. 1124
. 1126
. 1126
. 1128
. 1129
. 1131
. 1132
. 1136
. 1138
. 1139
. 1140
. 1142
. 1151
. 1153
. 1154
. 1156
. 1159
. 1161
. 1163
28
19 Analyse complexe
19.1 Fonctions holomorphes . . . . . . . . . . . . . .
19.1.1 quations de Cauchy-Riemann . . . . .
19.1.2 Intgrales sur des chemins ferms . . . .
19.1.3 Lacets, indice et homotopie . . . . . . .
19.1.4 Thorme de Cauchy et analycit . . . .
19.1.5 Thorme de Brouwer en dimension 2 .
19.1.6 Principe des zros isols . . . . . . . . .
19.1.7 Prolongement de fonctions holomorphes
19.1.8 Thorme de Runge . . . . . . . . . . .
19.2 Intgrales de fonctions holomorphes . . . . . .
19.3 Conditions quivalentes lholomorphie . . . .
19.4 Singularits, ples et mromorphe . . . . . . .
19.5 Fonctions dEuler . . . . . . . . . . . . . . . . .
19.5.1 Euler et factorielle . . . . . . . . . . . .
19.6 Partition dun entier en parts fixes . . . . . . .
19.7 Exponentielle complexe . . . . . . . . . . . . .
19.7.1 Intgrale de Fresnel . . . . . . . . . . .
19.8 Thorme de Weierstrass . . . . . . . . . . . . .
19.9 Thorme de Montel . . . . . . . . . . . . . . .
19.10Espaces de Bergman . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1165
. 1165
. 1165
. 1166
. 1169
. 1170
. 1172
. 1173
. 1174
. 1174
. 1177
. 1181
. 1182
. 1183
. 1186
. 1186
. 1189
. 1191
. 1193
. 1195
. 1196
20 Srie de Fourier
20.1 Densit des polynmes trigonomtriques . . . . . . . . . . . .
20.1.1 Convergence pour les fonctions continues (Weierstrass)
20.1.2 Convergence pour les fonctions continues (Fejr) . . .
20.1.3 Densit dans Lp . . . . . . . . . . . . . . . . . . . . .
20.2 Fonctions de Dirichlet . . . . . . . . . . . . . . . . . . . . . .
20.3 Coefficients et srie de Fourier . . . . . . . . . . . . . . . . . .
20.3.1 Le contre-exemple que nous attendions tous . . . . . .
20.3.2 Ingalit isoprimtrique . . . . . . . . . . . . . . . . .
20.3.3 Suite quirpartie, critre de Weyl . . . . . . . . . . .
20.3.4 propos des coefficients . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
21 Transformation de Fourier
21.1 Transforme de Fourier dans L1 pRd q . . . . . . .
21.1.1 Formule sommatoire de Poisson . . . . . .
21.2 Transforme de Fourier dans lespace de Schwartz
21.2.1 Quelque transformes de Fourier . . . . .
21.3 Suite rgularisante . . . . . . . . . . . . . . . . .
21.3.1 Formule dinversion . . . . . . . . . . . .
21.4 Transforme de Fourier sur L2 pRd q . . . . . . . .
21.4.1 Extension de L1 X L2 vers L2 . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1201
1201
1201
1202
1205
1205
1206
1208
1210
1212
1214
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1217
. 1217
. 1220
. 1222
. 1225
. 1227
. 1229
. 1231
. 1231
22 Distributions
22.0.0.1 Drive partielle au sens faible . . . . . .
22.1 Topologie . . . . . . . . . . . . . . . . . . . . . . . . . . .
22.2 Distributions . . . . . . . . . . . . . . . . . . . . . . . . .
22.2.1 Multiplication dune distribution par une fonction
22.2.2 Drive de distribution . . . . . . . . . . . . . . . .
22.2.3 Ordre et support dune distribution . . . . . . . .
22.3 Distributions tempres . . . . . . . . . . . . . . . . . . .
22.3.1 Topologie . . . . . . . . . . . . . . . . . . . . . . .
22.3.2 Distributions associes des fonctions . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1235
1235
1235
1238
1240
1240
1241
1244
1245
1245
29
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1245
1246
1246
1247
1250
1251
1253
1253
1253
1256
1258
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1261
1261
1261
1267
1268
1269
1271
1274
24 quations diffrentielles
24.1 Que faire avec f pzqdz gptqdt ? . . . . . . . . . . . . . . . . . . .
24.2 quations linaires du premier ordre . . . . . . . . . . . . . . . .
24.2.1 Pourquoi la variation des constantes fonctionne toujours ?
24.3 quations variables spares . . . . . . . . . . . . . . . . . . . .
24.3.1 La mthode rapide . . . . . . . . . . . . . . . . . . . . . .
24.3.2 La mthode plus propre . . . . . . . . . . . . . . . . . . .
24.3.3 Les thormes . . . . . . . . . . . . . . . . . . . . . . . . .
24.4 quations linaires dordre suprieur . . . . . . . . . . . . . . . .
24.4.1 quations et systmes linaire coefficients constants . .
24.4.2 Si les coefficients ne sont pas constants ? . . . . . . . . . .
24.5 Systme dquations linaires . . . . . . . . . . . . . . . . . . . .
24.5.1 La magie de lexponentielle. . . . . . . . . . . . . . . . . .
24.5.2 . . . mais la difficult . . . . . . . . . . . . . . . . . . . . .
24.5.3 La recette . . . . . . . . . . . . . . . . . . . . . . . . . . .
24.5.4 Systme dquations linaires avec matrice constante . . .
24.5.5 Systme dquations linaires avec matrice non constante
24.6 Rduction de lordre . . . . . . . . . . . . . . . . . . . . . . . . .
24.7 Proprit des solutions . . . . . . . . . . . . . . . . . . . . . . . .
24.7.1 Fuite des compacts et explosion en temps fini . . . . . . .
24.7.2 Stabilit de Lyapunov . . . . . . . . . . . . . . . . . . . .
24.7.3 Systme proie et prdateurs : Lokta-Voltera . . . . . . . .
24.8 quation du second ordre . . . . . . . . . . . . . . . . . . . . . .
24.8.1 Wronskien . . . . . . . . . . . . . . . . . . . . . . . . . . .
24.8.2 Avec second membre . . . . . . . . . . . . . . . . . . . . .
24.8.3 quation y 2 ` qptqy 0 . . . . . . . . . . . . . . . . . . .
24.8.4 quation de Hill . . . . . . . . . . . . . . . . . . . . . . .
24.9 Diffrents types dquations diffrentielles . . . . . . . . . . . . .
24.9.1 quation homogne . . . . . . . . . . . . . . . . . . . . .
24.9.2 quation de Bernoulli . . . . . . . . . . . . . . . . . . . .
24.9.3 quation de Riccati . . . . . . . . . . . . . . . . . . . . .
24.9.4 quation diffrentielle exacte . . . . . . . . . . . . . . . .
24.9.4.1 Rsolution lorsque tout va bien . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1279
1280
1281
1282
1283
1283
1284
1284
1286
1286
1286
1287
1287
1287
1287
1288
1289
1289
1290
1290
1291
1295
1298
1298
1299
1299
1301
1304
1304
1305
1305
1305
1305
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
30
25 Calcul numrique
25.1 Reprsentations numriques . . . . . . . . . . . . . .
25.1.1 Entier relatif en complment deux (binaire)
25.1.2 Reprsentation en virgule flottante . . . . . .
25.1.3 Simple prcision, IEEE-754 . . . . . . . . . .
25.2 Problmes pour crire des nombres . . . . . . . . . .
25.2.1 Troncature : la base . . . . . . . . . . . . . .
25.2.2 Troncature : le drift . . . . . . . . . . . . . .
25.2.3 Quelque bonnes rgles . . . . . . . . . . . . .
25.3 Erreur de cancellation . . . . . . . . . . . . . . . .
25.3.1 Erreur dabsorption . . . . . . . . . . . . . .
25.3.2 Calcul dune drive . . . . . . . . . . . . . .
25.4 Conditionnement et stabilit . . . . . . . . . . . . .
25.4.1 Comment choisir et penser le K ? . . . . . . .
25.5 Conditionnement dune matrice . . . . . . . . . . . .
25.5.1 Perturbation du vecteur . . . . . . . . . . . .
25.5.2 Perturbation de la matrice . . . . . . . . . . .
25.6 Un peu de points fixes . . . . . . . . . . . . . . . . .
25.6.1 Choix de la fonction point fixe . . . . . . .
25.6.2 Convergence quadratique . . . . . . . . . . .
25.6.3 Convergence . . . . . . . . . . . . . . . . . .
25.7 Mthode de Newton . . . . . . . . . . . . . . . . . .
25.7.1 Justification par la formule par Taylor . .
25.7.2 Justification par points fixes . . . . . . . .
25.7.3 Convergence de la mthode de Newton . . . .
25.7.4 Formalisation de lalgorithme . . . . . . . . .
25.7.5 Caractristiques . . . . . . . . . . . . . . . .
25.7.6 Exemple de la racine carr . . . . . . . . . . .
25.7.7 Si multiplicit . . . . . . . . . . . . . . . . . .
25.7.8 Et la drive ? . . . . . . . . . . . . . . . . . .
25.7.9 Mthode de Newton : le cas gnral . . . . .
25.8 Estimation de lordre de convergence . . . . . . . . .
25.9 Autres mthodes . . . . . . . . . . . . . . . . . . . .
25.9.1 Mthode de Schrder . . . . . . . . . . . . .
25.9.2 Halley . . . . . . . . . . . . . . . . . . . . . .
25.10Mthode des scantes variables . . . . . . . . . . . .
25.10.1 Aitken . . . . . . . . . . . . . . . . . . . . . .
25.11quations algbrique . . . . . . . . . . . . . . . . . .
25.11.1 Rsoudre un systme linaire . . . . . . . . .
25.11.2 Caractristiques . . . . . . . . . . . . . . . .
25.11.3 Dfinitions . . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1306
1306
1306
1310
1313
1315
1317
1318
1318
1320
1323
1323
1323
1324
1325
1327
1328
1328
1329
1329
1331
1332
1332
1335
1336
1338
1339
1340
1340
1342
1344
1345
1345
1346
1346
1348
1349
1349
1350
1350
1351
1353
1353
1353
1353
1354
1354
1355
1355
1356
1356
31
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1357
1358
1360
1361
1364
1364
1365
1367
1368
1369
1370
1371
1371
1372
1372
1372
1373
1377
1378
1386
1386
1387
1390
1391
1391
1391
1391
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1393
1393
1394
1394
1397
1398
1400
1401
1402
1403
1404
1410
1411
1411
1412
1412
1413
1414
1414
1415
1415
1415
1417
1418
1419
1419
32
27 Statistiques
27.1 Notations et hypothses . . . . . . . . . . . . .
27.2 Modle statistique . . . . . . . . . . . . . . . .
27.3 Modles dchantillonnages . . . . . . . . . . .
27.4 Estimation ponctuelle . . . . . . . . . . . . . .
27.5 Statistiques et estimateurs . . . . . . . . . . . .
27.5.1 Qualit des estimateurs . . . . . . . . .
27.5.2 Mthode des moments . . . . . . . . . .
27.5.3 Mthode de substitution . . . . . . . . .
27.5.4 Mthode du maximum de vraisemblance
27.5.5 Estimation dune fonction de rpartition
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1424
1424
1426
1429
1430
1430
1430
1431
1432
1432
1433
1436
1436
1438
1439
1443
1445
1445
1446
1450
1450
1450
1450
1450
1451
1451
1452
1454
1454
1454
1455
1455
1455
1456
1457
1457
1458
1458
1458
1459
1459
1461
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1465
1465
1465
1468
1471
1473
1473
1474
1476
1476
1478
33
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1481
1481
1484
1484
1487
1488
1489
1489
1492
1492
1492
1493
1494
1495
1496
1497
. . .
. . .
. . .
. . .
. . .
. . .
. . .
laver
. . .
. . .
. . .
. . .
. . .
. . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1503
1503
1504
1506
1508
1509
1509
1509
1511
1511
1514
1515
1520
1522
1524
29 Martingales
29.1 Convergence de martingales . . . . . . . . . . . .
29.2 Temps darrt et martingale termine . . . . . .
29.3 Dcomposition de martingales . . . . . . . . . . .
29.4 Problme de la ruine du joueur . . . . . . . . . .
29.4.1 Le cas o la pice est truque . . . . . . .
29.4.1.1 Introduction dune martingale .
29.4.1.2 Finitude du temps darrt . . . .
29.4.1.3 Temps moyen de jeu . . . . . . .
29.4.1.4 Probabilit de victoire du joueur
29.4.2 Le cas o la pice est non truque . . . .
29.4.2.1 Probabilit de gagner . . . . . .
29.4.2.2 Temps moyen de jeu . . . . . . .
29.4.3 Un petit complment . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1529
1529
1532
1534
1536
1537
1537
1538
1538
1539
1540
1540
1542
1542
30 Processus de Poisson
30.1 Processus de Poisson . . . . . . .
30.2 Quelques trucs sur la simulation
30.2.1 Le thorme central limite
30.2.2 Feuille 5 . . . . . . . . . .
30.2.3 Feuille 6 . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1543
1543
1546
1547
1547
1547
. . .
. . .
pour
. . .
. . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . . .
. . . . .
Markov
. . . . .
. . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
34
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
la force lectrique
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
. . . . . . . . . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
1549
1549
1549
1550
1550
1550
1550
1551
1551
1551
1551
1552
1552
1552
1552
1553
1556
1557
1557
1557
1557
1558
1558
1559
1560
1562
1564
1564
1564
1564
1564
1565
1565
1566
1567
1567
1569
1589
Bibliographie
1597
1615
Index
-systme, 439
p-Sylow, 752
p-groupe, 752
ther, 1552
vnement, 1557
lment
primitif, 161
lmentaire
polynme symtrique, 175
lments
associs dans un anneau, 130
quation
de Riccati, 1305
des classes, 105
des orbites, 104
diffrentielle
tude qualitative, 1302
Hill, 1301
homogne, 1304
systme, 1302
diophantienne, 95, 135, 137
Fredholm, 1061
orbite-stabilisateur, 104
quation diffrentielle
linaire du premier ordre, 1315
linaire du premier ordre, homogne, 1315
linaire du second ordre, 1318
linaire du second ordre, homogne, 1318
premier ordre, 1310
second ordre, 1311
variables sparables, 1313
quation homogne associe, 1315
quilibre
point point une quation diffrentielle, 1291
quivalence
de norme, 323
tage
fonction, 470
tat
apriodique, 1523
rcurrent, 1512
rcurrent positif, 1512
transitoire, 1512
tranger
35
36
convergent, 1356
facteurs invariants, 139
fortement consistant, 1356
stable, 1356
altern
groupe, 109
polynme, 175
alterne
forme linaire, 283
analytique
au sens complexe, 1170
angle
dune courbe, 961
entre deux droites, 734
entre vecteurs, 306
Anneau
Z{nZ
polynme cyclotomique, 181
anneau, 71
Z{nZ, 184, 188, 761, 766
division, 149
de sries formelles, 1041
euclidien
facteurs invariants, 139
factoriel, 130
intgre, 127
noetherien, 133
principal, 132, 154, 370
utilisation, 156
quotient par un idal, 123
anneaux
de sries formelles
utilisation, 1186
apriodique
tat dune chane de Markov, 1523
chane de Markov, 1523
application
affine, 522
dfinie positive, 302
de classe C k , 642
diffrentiable, 606, 608, 639, 642, 1070, 1091
extrema li, 1082
en escalier, 795
linaire
borne, 351
thorme de Banach-Steinhaus, 1124
mesurable, 438
multilinaire, 348
ouverte, 346
semi-dfinie positive, 302
tangente, 612
application rciproque, 262
approximation
INDEX
arc
de fonctions
par des polynmes, 1461
de lunit, 1151
par polynmes, 1052
polynmiale, 1174
gomtriques, 943
paramtr, 929
arc cosinus, 683
arc sinus, 681
arc tangente, 684
archimdien, 72
associ, 130
associe
subdivision, 795
asymptotiquement pivotale, 1484
attractif
point fixe, 1058
automorphisme, 272
axiome
du choix, 69
Bzout
anneau principal, 132
calcul effectif, 93
nombres entiers, 90
polynmes, 144
Baire
espace, 266
thorme, 258, 267
tribu, 432
Banach
espace, 1103
barycentre
cas affine, 515
cas vectoriel, 741
enveloppe convexe, 519
base, 269
canonique de Rm , 269
dun module, 126
de Newton, 1365
de topologie, 221
dnombrable, 227
espace mtrique, 227
duale, 669, 838
espace prhilbertien, 1114
hilbertienne
utilisation, 1211
locale, 988
Bergman (espace), 1196
Bernoulli, 1430
somme, 1447
Berry-Essen (borne), 1429
Bessel
37
INDEX
ingalit, 1111
biais
destimateur, 1474
bien
conditionn, 1333
enchan, 256
bijection, 262
bilinaire, 348
binormale, 952
birgulier
point sur une courbe, 941
birapport, 542
Bolzano-Weierstrass
espaces mtriques, 251
borlienne
fonction, 454
tribu, 431
borliens, 431
bord, 260
born, 221
partie de V , 314
temps darrt, 1532
borne, 241
diffrentielle, 635
partie de Rm , 592
suite, 235
boule
avec semi-normes, 263
ferme, 259, 313
ouverte, 221, 259, 313
Bruhat (dcomposition), 723
Burnisde
formule, 105
Cne de lumire, 1557
canonique
base, 269
dcomposition, 71
espace affine, 509
Cantor
ensemble, 501
caractristique
dun anneau, 124
polynme, 372
sous-groupe, 85
caractre, 775
ablien, 769
de S4 , 783
groupe didral, 784
irrductible, 776
cardiode, 941
carr
dans un corps fini, 189
catgorie
38
de Fourier, 1138
coefficients binomiaux, 118
coercion, 1120
coercive, 1084
colinarit, 531
combinaison
convexe, 515
combinatoire, 750
commutant, 403
commutateur
dans un groupe, 87
compacit, 251, 253, 257, 1178, 1193
sous-groupes du groupe linaire, 725
thorme de Dini, 658
utilisation, 895
thorme de Montel, 1195
compact, 220, 316, 594
arc paramtr, 929
Bolzano-Weierstrass dans Rn , 245
boule unit, 244
et fonction continue, 245, 252
ferm et born, 244
implique ferm, 230
intervalle ra, bs, 243
le coup du, 876
localement, 220
oprateur, 1123
produit dnombrable, 258
produit fini, 257
quasi, 220
relatif, 1123
relativement, 220
squentiellement, 221
suite exhaustive, 255
complment
deux, 1323
complmentaire, 70
complt
dun espace mtrique, 1099
compltion
projective, 533
compltude, 1097, 1099, 1132
de R, 326
espaces Lp , 1134
complte
famille de projecteurs, 126
complet
R, 226
corps, 72
espace mesur, 444
espace topologique, 223
composante, 663
composition
INDEX
suite de, 99
concave, 647
log-concave, 654
condition initiale, 1312
conditionnement
absolu, 1333
dune matrice inversible, 1336
relatif asymptotique, 1356
conjugus
lments dune extension, 160
connexe
par arc, 247
connexit, 257
dfinition, 233
et intervalles, 242
fonction holomorphe, 1173
indice dune courbe, 1169
le groupe GL` pn, Rq, 714
par arc
fonction diffrentiable, 639
points daccumulation, 253
prolongement analytique, 1101
signature dune forme quadratique, 1088
thorme de Runge, 1174
thorme des valeurs intermdiaires, 570
utilisation
Brouwer, 1172
Conservative, 850
consistance
estimateur, 1473
constructible
angle, 212
point, 208
rel, 208
construction
des rels, 78
contenu, 129
continue, 567
fonction
en un point, 229, 672
sur un intervalle, 673
fonction entre espaces mtriques, 247
fonction entre espaces topologiques, 229
fonction relle, 567
forme diffrentielle, 838
sur espace mtrique, 572
uniformment, 592
continuit, 553
fonction dfinie par une intgrale, 874
squentielle, 248
sur un intervalle, 567
contraction, 1058
convergence
39
INDEX
absolue, 327
commutative, 338
dans un espace vectoriel norm, 325
de martingales, 1533
de suite, 220
en loi, 1420
en norme, 657
en probabilit, 1420
normale, 327
ordre, 1353
presque srement, 1419
quadratique, 1342
rapidit, 765, 1220, 1221, 1351, 1447
srie, 326
suite
dans un corps, 72
suite dans Rm , 261
suite numrique, 234, 1052, 1212
Abel angulaire, 885
uniforme, 657
intgrale, 872
srie de fonctions, 327
suite de fonctions, 657
thorme de Dini, 658
convergent
estimateur, 1473
convexit
barycentre, 517
enveloppe de Opnq, 722
fonction, 647
ingalit de Jensen, 655
locale, 1156
mthode de Newton, 1348
stricte, 647
utilisation, 895
convolution, 1399, 1526
coordonnes
barycentriques, 521
cartsiennes
dans un espace affine, 521
curvilignes, 988
cylindrique, 426
dans un espace affine, 510
homogne, 538
sphriques, 426
corps, 71
archimdien, 72
complet, 72
de dcomposition, 166
de rupture, 164
polynme cyclotomique, 181
des fractions, 151
des fractions rationnelles
utilisation, 1186
extension, 169, 176
fini, 188, 192, 195
Wedderburn, 185
ordonn, 72
premier, 151
cosinus
angle entre deux vecteurs, 306
hyperbolique, 685
courbe, 930
tude mtrique, 1211
de Jordan, 978, 1210
efficacit, 1494
ferme, 958
simple, 958
courbe de niveau, 628, 631
courbure, 952
signe, 959
totale, 960
covariance, 1402
critre
Abel, 1007
Abel pour intgrales, 873
Cauchy
uniforme, 658
de Cauchy, 326
srie alterne, 331
Weierstrass, 873
srie de fonctions, 1004
critique
Galton-Watson, 1526
point, 1080
point dun arc, 941
rgion, 1493
valeur, 1494
cyclique
endomorphisme, 368
groupe, 85
matrice, 368
cyclode
coordonnes normales, 946
longueur, 940
dcalage, 1325
dcimale
dcomposition, 336
dcomposition
Bruhat, 723
canonique, 71
corps, 166
Dunford, 388
application, 391
exponentielle de matrice, 389
Jordan
40
et exponentielle de matrice, 389
polaire, 719
primaire, 387
sous-espaces caractristiques, 387
spectrale, 387
dnombrable, 71
linfini, 221
dnombrement, 750
partitions de t1, . . . , nu, 1041
driv
groupe, 87
drive, 581
au sens de distributions, 1261
dans Sobolev H 1 pIq, 1261
directionnelle, 601, 604
distributionnelle, 1240
faible, 1235
fonction valeurs dans E 1 , 266
partielle, 600, 602, 662
seconde, 581, 675
drivabilit
fonction dfinie par une intgrale, 876
lemme de Borel, 1044
drivable, 582, 675
au sens complexe, 999
fonction, 581, 1279
drivation
au sens des distribution
Sobolev, 1265
dterminant, 283
Cauchy, 1055
dun endomorphisme, 288
dune famille de vecteurs, 286
de Cauchy, 292
et inversibilit, 288
forme linaire alterne, 283
Gram, 292, 1055
interprtation gomtrique, 820
rsultant, 293, 889
utilisation, 895
Vandermonde, 289
dveloppable
en srie entire, 1028
dveloppement
asymptotique, 694
limit
en zro, 686
fonction holomorphe, 1165
premier ordre, 587
Taylor, 1091
degr
application S 1 S 1 , 962
dune reprsentation, 769
INDEX
extension de corps, 161
dense
nulle part, 258
densit, 1099
conjointe, 1398
dune variables alatoire, 1394
dans un espace de fonction
critre de Weyl, 1212
de Q dans R, 226
utilisation, 653
de GLpn, Rq dans Mpn, Rq, 715
de DpRn q dans L1 pRn q, 1162
d
de Cc8`pRd q dans Lp pR
` q, 1140
2
p
de L r0, 1s dans L r0, 1s , 1142
de S ` pn, Rq dans S `` pn, Rq, 719
des fonctions tages dans Lp , 1140
des polynmes
dans Cc0 r0, 1s, 1461
des polynmes trigonomtriques dans Lp pS 1 q,
1154
matrices diagonalisables dans Mpn, Cq, 715
mesure, 63, 483
points extrmaux dans L, 721
prolongement, 1097
densit dune mesure, 792
didral, 751
diagonalisable, 378
et polynme minimum scind, 378
exponentielle, 391
diagonalisation
cas complexe, 382
cas rel, 384
endomorphisme auto-adjoint, 422
simultane, 380
diamtre, 592
diffomorphisme, 355, 835, 913
de classe C k , 642
diffrence
divise, 1366
diffrentiabilit, 639
diffrentiable, 611
dans un Banach, 350
deux fois, 641
sur un ouvert, 616
diffrentielle, 351, 606
de u u1 , 360
partielle, 356
totale, 662
dilatation, 708
dilatation (matrice), 138
dimension, 271
n-formes multilinaires alternes, 283
dfinition, 271
41
INDEX
sous espace affine, 513
utilisation, 519
direction, 601, 949
sous-espace affine, 513
Dirichlet
noyau, 1202
thorme, 1202
thorme (sur les nombres premiers), 184
disque de convergence, 1007, 1008
distance, 221
associe une norme, 224
entre deux mesures de probabilits, 1489
point et ensemble, 250
distingu, 85
distribution, 1238
quation de Schrdinger, 1307
de Dirac, 1244
produit par une fonction, 1240
tempre, 1244
divergence, 665
diviseur
de zro, 127
de zro droite, 127
polynme, 143
division
euclidienne, 90, 143
domaine, 672
fondamental dune action, 105
domin
modle statistique, 1472
domine
convergence (Lebesgue), 482
mesure, 790
droite
projective, 531
dual, 278
dun espace de Hilbert, 1109
de Mpn, Kq, 282
de Lp pq, 1150
de Lp ,` 1145
de Lp r0, 1s avec 1 p 2, 1143
espaces Lp , 1142
topologique, 278
Dunford
dcomposition, 388
dyadique, 504
cart-type, 1401
chantillon, 1466, 1468
effectif
empirique, 1497
efficacit
courbe, 1494
dune mthode itrative, 1360
lment
de surface, 858
de torsion, 115
lment de surface, 840
ellipsode, 421
endomorphisme, 272
auto-adjoint, 422
cyclique, 368
dcomposition
polaire, 719
diagonalisable, 413, 717, 1302
Dunford, 388
diagonalisation, 384
nilpotent
Dunford, 388
prservant une forme quadratique, 728
sous-espace stable, 388, 1302
engendr, 131
-systme, 439
corps et anneau, 161
idal dans un anneau, 131
sous-espace affine, 514
sous-groupe, 85
tribu, 430
par une variable alatoire, 1395
ensemble
de Cantor, 501
diffrence symtrique, 70
infini, 69
entrelacement, 776
enveloppe
convexe, 517
quation
diffrentielle
linaire, 1281
ordinaire dordre 1, 1279
variables spares, 1283
gnrale de degr n, 218
quicontinuit, 1123
qui-intgrable, 1533
quivalence
arcs paramtrs, 943
chemin, 937
classe de fonctions, 1126
de reprsentations, 776
de suites, 326
homotopie, 1169
norme, 323
relation, 70
suite de composition, 100
erreur, 1367, 1390
assignation, 1328
quadratique, 1370
42
troncature, 1328
erreur relative, 1327
escalier, 470
esprance, 1400
conditionnelle, 1404, 1409
vnement, 1410
vnements, 1410
variable alatoire, 1409
Espace
de Sobolev, 1268
espace
L2
Sobolev, 1265
Lp , 1127
affine, 509
canonique, 509
Banach, 1103
complet, 1099
Cb0 pX, Y q,norme uniforme, 1057
DpKq, 1237
S pq, 1254
de Baire, 266
de Bergman, 1196
de fonctions
Lp , 1134
Sobolev H 1 , 1265
de Hilbert
espace de Sobolev H 1 , 1265
de probabilit, 1393
de Schwartz, 1160, 1244
de Sobolev, 1261, 1269
euclidien, 306
mtrique, 221
base de topologie, 227
mesur, 436
complt, 447
mesurable, 429
projectif, 531
propre, 375
tangent, 1095
topologique, 232
mtrisable, 247
vectoriel
dimension, 283
espace vectoriel
topologique, 222
estimateur, 1473
biais, 1474
consistant, 1473
convergent, 1473
de fonction de rpartition, 1479
maximum de vraisemblance, 1476
estimation
INDEX
des grands carts, 1447
trangers
polynmes, 143
Euclide
algorithme tendu, 92
lemme, 94
euclidien
anneau, 133
espace, 303
Euler
indicatrice, 122
vnement, 1393
exact
intervalle de confiance, 1482
excs
intervalle de confiance, 1482
exhaustive (suite de compacts), 255
exponentielle, 1019
complexe, 1189
convergence, 333
de matrice, 337, 389, 391, 1038
utilisation, 1078
existence, 1017
rapide, 768
unicit, 1018
exposant, 413, 758
dun groupe, 86
extension
corps de base, 393
de corps, 160, 176
algbrique, 160, 165
finie, 196
monogne, 161
simple, 161
utilisation, 213
isomtrie, 1098
extrmal
point dans un convexe, 721
extrmit
dun intervalle, 241
extrapolation, 1365
extrema, 1081
li, 1082
local
relatif, 1081
volume dun ellipsode, 895
extremum, 1091
facteur
intgrant, 1306
factoriel
anneau, 130
factorisation
de polynme, 146, 163
43
INDEX
faisceau de droites, 539
famille
sommable, 340
Fatou, 481
Fejr
noyau, 1202
ferm, 219, 260, 316
dans un compact, 230
fermeture, 318
squentielle, 249
fidle (action), 103
filtration, 1529
fine
subdivision, 932
fixateur, 102
flux
dun champ de vecteur, 865
flux dun champ de vecteurs, 862
fonction, 672
dEuler, 1183
tage, 1140
dcroissance rapide, 1160
borlienne, 454
caractristique, 797
dune variable alatoire, 1415
continue
gales, 250
par morceaux, 473
convexe, 647, 653
croissante, 672
dcroissante, 672
dfinie par une intgrale, 874, 879, 1044, 1193
dEuler, 1183
utilisation, 1435
de classe C 1 , 635
de Dirichlet, 1205
de Mbius, 206
de rpartition, 1415
diffrentiable, 1081
en escalier intgrable, 796
gnratrice, 1417
holomorphe, 999, 1193
thorme de Montel, 1195
image, 672
mromorphe
dEuler, 1183
monotone, 672
par morceaux, 473
valeurs vectorielles, 663
fondamental
domaine dune action, 105
forme
bilinaire, 302
44
gnratrice
partir dun module, 126
gomtrie
avec des groupes, 545, 745
avec nombres complexes, 545, 745
gomtrique
avec des nombres complexes, 1211
Galton-Watson
sous-critique, 1526
sur-critique, 1526
Gauss
lemme
polynmes, 152
somme de, 190
Grnwall (lemme), 1279
gradient, 607, 617, 626
Gram (dterminant), 292
Gram-Schmidt, 306
graphe, 584, 672
de transition (chane de Markov), 1509
fonction, 628
fonction de deux variables, 630
groupe
p-groupe, 752
GLpn, Rq, 1090
action, 545
utilisation, 728
agissant sur un ensemble
didral, 744
altern, 109
driv, 87
de GLpn, Kq, 713
de SLpn, Kq, 713
du groupe altern, 111
du groupe symtrique, 109
de Galois, 217
de permutation, 784
caractres de S4 , 783
de permutations, 750
de torsion, 115
des isomtries
espace mtrique, 222
des symtries, 742
didral, 744, 751
gnrateurs (preuve), 745
gnrateurs (utilisation), 784
en gomtrie, 744
et gomtrie, 283, 545, 750
isomtries du cube, 113
fini, 185, 188, 750, 754, 761, 766
altern, 110
didral, 744
Wedderburn, 185
INDEX
linaire, 723
dcomposition polaire, 719
enveloppe convexe de pnq, 722
hyperplan, 283
sous-groupes compacts, 725
modulaire, 544
orthogonal, 297
dune forme quadratique, 728
partie gnratrice, 110, 545, 766
permutation, 283, 290, 723, 766
didral, 744
projectif, 537
quotient, 98
rsoluble, 101
spcial orthogonal, 298
symtrique, 106
action sur un triangle, 773
groupe driv
de GLpn, Cq, 707
Hadamard
formule, 1008
Hardy-Littlewood (thorme), 1052
Hausdorff, 220
Heine (thorme), 593
hermitien
produit scalaire, 376
hessienne, 644
Hilbert, 1103
holomorphe, 999
homomorphisme, 228
homogne
chane de Markov, 1503
homographie, 536, 545
homotopie, 964
hyperplan, 738
de Mpn, Kq, 283
spare
au sens strict, 1156
sparer
au sens large, 1156
hypothse
alternative, 1493
composite, 1493
multiple, 1493
nulle, 1493
simple, 1493
idal
bilatre, 123
dans un anneau, 71
maximal, 131
maximum, 172
principal
INDEX
droite, 131
gauche, 131
identifiable, 1472
identit
polarisation, 417
image, 672
ingalit
arithmtico-gomtrique, 656
Bessel, 1111
Cauchy-Schwarz, 302, 1104
de Khintchine, 1444
de la moyenne, 639
des pentes, 648
Hlder, 1129
utilisation, 1401, 1462
isoprimtrique, 1211
Jensen, 655
esprance conditionnelle, 1415
pour une somme, 655
version intgrale, 1129
Kantorovitch, 656
Markov, 1424
Minkowski, 1131
triangulaire, 221, 223
produit scalaire, 303
incompressible
champ de vecteur, 667
indcomposable
module, 126
indpendance, 1397
vnements, 1394
utilisation, 1459, 1536
affine, 520
algbrique, 217
sous tribus, 1394
variables alatoires, 1395
indicatrice dEuler, 122
indice, 96
dune courbe dans C, 1169
de rotation, 963
inductif, 69
induite
topologie, 317
tribu, 430
infrence statistique, 1465
infimum, 238
injection, 262
intgrable, 474
fonction non en escalier, 802
fonction positive, 807
intgrale
calcul, 1212
convergente, 813, 889
45
dune fonction sur une carte, 841
dune fonction sur une varit, 846
dune forme diffrentielle, 849
fonction en escalier, 796
fonction sur un intervalle, 811
Fresnel, 1191
impropre, 812, 813
sur un chemin, 846
intgration
fraction rationnelle, 889
intrieur, 259
dun ensemble, 315
point, 315
intgre
anneau, 127
interpolation, 1365
Intervalle, 1557
intervalle, 241, 672
ferm, 672
longueur, 492
ouvert, 672
intervalle de confiance
asymptotique, 1486
invariant
de similitude, 400
invariante
mesure
pour une chane de Markov, 1520
inverse gnralis, 1451
inversion, 526
dans le groupe symtrique, 107
involution, 380
irrductible
chane de Markov, 1509
dans un anneau, 130
module, 126
polynme, 142
reprsentation, 773
irrationalit
?
2, 75
isobarycentre, 515
isol
lment de R, 261
point dans un espace vectoriel norm, 321
isomtrie
despaces mtriques, 222
de forme quadratique, 729
de lespace euclidien R2 , 745
espace euclidien
isomtries du cube, 113
groupe, 222
isomorphisme
pZ{pZq Z{pp 1qZ, 188
46
despaces topologiques, 228
espace affine, 513
isotrope
cne, 420
totalement, 420
isotrope (vecteur), 420
INDEX
partie, 269
partie dun module, 126
Ligne dunivers, 1553
limite, 344
densembles, 438
dune fonction, 228
de fonctions holomorphes, 1193
jacobien, 626, 664
de suite
Jordan
espace topologique, 220
chemin, 865
fonction, 228, 551
courbe, 1210
fonction de plusieurs variables, 553
rduction, 402
infrieure, 463, 464
Jordan-Hlder, 99
inversion, 1041, 1052, 1127, 1193
permutation
Kronecker, 269
utilisation, 1417
suite, 325
lacet, 1169
suite dans Rm , 261
Lagrange
suite numrique, 234
multiplicateur, 1082
suprieure, 463, 464
polynme, 281
unicit, 229
lagrangien, 1082
linaire
(application), 272
Laplace
Lipschitz, 1058
transforme, 1417
localement, 640
Laplacien, 994
Lipschitzienne, 639
Legendre
localement
symbole, 189
intgrable, 812
Leibnitz, 584, 586
log-concave,
654
applications entre espaces vectoriels norms,
logarithme, 679, 1020
356
de matrice, 1038
lemme
loi
Borel, 1044
2 , 1445
dEuclide, 94
binomiale
de Borel-Cantelli, 1423
comportement asymptotique, 1447
de Gauss
conjointe,
1397
contenu de polynme, 129
dune variable alatoire, 1418
pour des entiers, 94
de Poisson, 1432
de Morse, 1091
des grands nombres
de Schreider, 100
forte, 1425
de Slutsky, 1421
pour les chanes de Markov, 1522
de transfert, 455
processus de Poisson, 1544
de Zorn, 69
utilisation, 1447, 1459
des noyaux, 364
marginale, 1397
Fatou, 481
normale
Gauss
vecteur gaussien, 1439
dans un anneau principal, 133
parente, 1465, 1466
polynmes, 152
parente dun chantillon, 1468
Grnwall, 1279
rciprocit quadratique, 192
Hadamard, 881
sans mmoire, 1434
regroupement, 1397
Student, 1445
Schur complexe, 381
Lokta-Voltera,
1295
Schur rel, 383
longueur
Levi-Civita, 989
lment de, 939
libre, 269
arc gomtrique, 944
action, 106
47
INDEX
dun arc paramtr compact, 932
dun intervalle, 492
dune arrte, 794
longueur darc, 934
mromorphe, 1182
Mthode
de Newton, 1346
mthode
des chemins, 561
Newton, 1351
cas convexe, 1348
mtrique
discrte, 222
maigre, 431
maigre (ensemble), 258
majorant, 236, 237
essentiel, 1128
Markov
ingalit, 1424, 1471
martingale, 1529
borne dans L2 pq, 1530
matrice, 545, 723
quivalence, 273
dans le groupe linaire, 728
associe une forme quadratique, 417
compagnon, 399
creuse, 1371
cyclique, 368
de dilatation, 138
de permutation, 138
de similitude, 999
de Sylvester, 292
de transition, 1503
de transvection, 138
dense, 1371
hermitienne
racine carr, 717
jacobienne, 617, 626
normale, 707
orthogonale, 297
permutation
lmentaire, 1377
racine carr, 717
semblable, 717
semblables, 744, 1090
stochastique, 1503
symtrique, 1090
relle, 1088
trigonalisable, 411
matrices
similitude, 273
maximal
idal, 131
48
dalgbres, 149
danneaux, 117
Frobenius, 125
moyenne
de Cesaro, 333
empirique, 1402
empirique dun chantillon, 1469
quadratique, 1401
multiplicateur
de Lagrange, 1082
multiplicit
racine dun polynme, 145
racine de f pxq 0, 1345
valeur propre
algbrique, 373
gomtrique, 373
ngatif, 81
ngligeable
partie dun espace mesur, 444
nabla, 625
Newton
mthode, 1351
nilpotent, 125
niveau de confiance, 1482
nombre
complexe
norme 1, 185
dnormalis, 1326
de Fermat, 213
de Nper, 1019
normal, 1459
normalise, 1326
premier, 154, 184, 188, 757, 761, 765, 766
dans leur ensemble, 90
deux nombres entre eux, 90
thorme des deux carrs, 156
tours dune courbe plane, 962
nombre premier
polynme cyclotomique, 181
non dnombrable, 71
norm
espace vectoriel, 223
normal
arc paramtr, 944
endomorphisme, 707
nombre, 1459
sous-groupe, 85
normal extrieur
vecteur, 864
normale
loi rduite, 1438
principale, 952
normalisateur, 85
INDEX
norme, 307
quivalence, 323
dalgbre, 309
dapplication linaire, 308
dune application linaire, 308
dfinition, 223
euclidienne, 301
dans Rm , 425
oprateur, 309
subordonne, 309
supremum, 301
vecteur, 304
noyau
dune forme bilinaire, 420
Dirichlet, 1202
Fejr, 1202
nulle part dense, 258
observation, 1393
oprateur
adjoint, 377
autoadjoint, 377
dfinit positif, 384
hermitien, 377
linaire
born, 351
oprateurs
compatibles, 1119
opposs
chemins, 937
ordre, 69
lment, 86
dun groupe, 86
dun polynme, 197
dans un corps, 72
distribution, 1241
sur un anneau factoriel, 130
total, 69
orientable
varit, 843
orientation, 842
origine
abscisse curviligne, 944
repre affine, 521
orthogonal, 424, 1107
coordonnes curviligne, 988
famille de projecteurs, 126
matrice, 297
sous-espace, 278
vecteur, 304
orthonorm, 425
systme, 1110
oscillation
dune fonction, 587
49
INDEX
dune fonction en un point, 587
osculateur (cercle), 957
ouvert, 219, 241, 260, 316
dans Rn , 259
parallle
sous-espaces affines, 513
paramtrages
admissible, 943
paramtrisation, 938
normale, 944
Parseval, 1114
partie
rgulire, 686
totale, 1110
partie gnratrice, 85
partition
dun entier en parts fixes, 1186
dnombrable mesurable, 466
de lunit, 845
pav, 792, 793
pavable, 793
Pearson
theoreme, 1498
peigne de Dirac, 1250
permutation
matrice, 138
permuter
drive et intgrale
Rn , 879
dans R, 876
dans R avec les bornes, 878
drive et limite, 659
diffrentielle et intgrale
Rn , 880
intgrale
et srie, 819
limite et intgrale, 874
convergence domine, 482
convergence monotone, 479
espace mesur, 874, 875
srie entire et drivation, 1013
srie entire et intgration, 1013
somme et intgrale, 480, 1004
petit thorme de Fermat, 153
PGCD
dans un anneau intgre, 128
polynmes, 144
pgcd, 117
calcul effectif, 92
pivotale, 1484
plan
projectif, 531
tangent, 626, 662
Plancherel, 1114
plongement, 1097
Poincar (demi-plan), 544
point
dquilibre
stable, 1291
pondr, 515
point critique
dfinition, 1093
point fixe, 1526
attractif, 1058
Brouwer, 1061
Picard, 1059
Schauder, 1063
Poisson
formule sommatoire, 1220
processus, 1543
polarisation (identit), 417
polynme
plusieurs indtermines, 195, 295
altern, 175
annulateur, 364, 367
caractristique, 372, 382
contenu, 129
cyclotomique, 179
irrductibilit, 181
proprits, 180
dendomorphisme, 717
dcomposition de Dunford, 388
de Bernstein, 1461
irrductible, 142
sparable, 168
sur Fq , 207
Lagrange, 281
minimal, 163, 366
dun lment dune extension, 160
ponctuel, 367
primitif, 197
primitif (au sens du contenu), 129
racines, 176
sparable, 168
scind, 143
semi-symtrique, 175
symtrique, 175, 176, 195, 290, 295
lmentaire, 175, 178
trigonomtrique, 1153
porte
mesure, 790
positif, 80
potentiel, 853, 900
PPCM
dans un anneau intgre, 128
prcision
50
simple, 1325, 1326
prhilbertien, 1103
premier
corps, 151
deux lments dun anneau principal, 132
deux polynmes entre eux, 143
idal, 131
sous corps, 151
premier temps datteinte, 1511
premier type
rgion solide, 805
presque
nulle, 115
partout, 438
surjective, 1156
primitif
lment dun corps, 188
lment dune extension de corps, 161
polynme, 143, 197
racine, 200
primitive, 581, 811, 897
de fonction continue, 1049
et intgrale, 809, 814
fonction, 599
principal
anneau, 131
idal, 131
principe
prolongement analytique, 1101
zros isols, 1173
Principe de correspondance, 1568
probabilit
conditionnelle, 1403
problme de Cauchy, 1312
processus
adapt une filtration, 1529
arrt, 1534
croissant prvisible, 1534
Galton-Watson, 1524
Poisson, 1543
sans mmoire, 1434
produit
despaces vectoriels norms, 344
dune mesure par une fonction, 63, 483
de Cauchy, 1009
de convolution, 1139
et Fourier, 1217
distribution et fonction, 1240
espaces mesurs, 491
espaces topologiques, 220
mixte, 313, 823
scalaire
en gnral, 302
INDEX
hermitien, 376
sur Mpn, Rq, 311
sur Rn , 423
semi-direct, 112
tensoriel
de reprsentations, 782
vectoriel, 312, 822
produit remarquable, 1176
projecteur
dans un module, 126
projectif
compltion, 533
droite, 531, 533
espace, 531
groupe, 537
hyperplan, 532
plan, 531
repre, 541
sous-espace, 531
projection
orthogonale, 1106
prolongement
analytique, 1101
utilisation, 1195
de fonctions, 1097
lemme de Borel, 1044
mromorphe de la fonction , 1183
par continuit, 579, 673
dans H 1 pIq, 1264
par densit, 1097
thorme de Hahn, 452
proprit dintersection non vide, 230
puissance
dun point, 525
dun test, 1494
quasi-compact, 220
quaternion, 171
quotient, 90, 143
dans une suite de composition, 99
de groupe, 98
de groupes, 761
rciproque
continuit, 262
drivabilit, 585
rcurrent
tat, 1512
nul, 1512
point dun systme dynamique, 462
positif, 1512
rduction
dendomorphisme, 388
Frobnius, 400
51
INDEX
Jordan, 402
rel, 78
rflexif, 1149
rflexion, 732
glisse, 736
par rapport un hyperplan, 738
rgion
critique, 1493
de confiance exact, 1484
de rejet, 1493
rgularit
dune mesure, 460
extrieure de la mesure de Lebesgue, 498
intrieure de la mesure de Lebesgue, 500
rgulire
surface, 854
rgulier
arc, 941
chemin, 865
point dun arc, 941
rgulier droite, 117
rpulsif
point fixe, 1058
rsidu
mthode itrative, 1390
rsolvante, 1288
rsultant, 293
utilisation, 295, 889
rgle
du produit nul, 127
Rgle de Leibnitz, 586
racine
carr
de matrice hermitienne, 717
carr de matrice
hermitienne positive, 717
de lunit, 119, 181, 184, 413, 545, 745
primitive, 121
utilisation, 180
de polynme, 163
multiple, 1345
primitive, 200
simple, 1345
racine carr, 570
raffinement, 932
subdivision dun pav, 794
rang, 272, 283, 744
classe dquivalence, 273
diagonalisation, 384
diffrentielle, 1082
utilisation, 1109
rare, 431
rayon
de convergence, 1007
de courbure, 952
de torsion, 953
spectral, 309, 389
recouvrement, 594
rectangle
produit de tribus, 484
rectifiable, 932
arc gomtrique, 944
rejet
rgion dans une prise de dcision, 1493
relvement, 962
relations
coefficient-racines, 178
de Chasles, 509, 916
relativement
compact, 220, 1123
repre
affine, 520
cartsien
espace affine, 509
de Frenet, 952
projectif, 541
Reprsentation
virgule flottante normalise, 1324
reprsentation, 772
de groupe fini
caractres de S4 , 783
fidle, 769
groupe didral, 784
irrductible, 773, 774
produit tensoriel, 782
rgulire gauche, 778
virgule fixe, 1324
reste, 90, 143
dun dveloppement limit, 686
risque
premire espce, 1494
quadratique, 1473
seconde espce, 1494
rupture
corps, 164
spar, 220
espace topologique, 220
sparable, 1110
lment dune extension, 170
espace topologique, 220
extension de corps, 170
polynme irrductible, 168
polynme non constant, 168
spare
les points, 1047
srie
52
dans un espace vectoriel norm, 326
de Fourier, 1206, 1220
utilisation, 1211
de Laurent, 1182
de puissance, 1007
divergence, 326
donnant p1 Aq1 , 328
entire, 1007, 1041, 1220
Abel angulaire, 885
fonctions holomorphes, 1170
processus de Markov, 1526
utilisation, 1186, 1417
fonctions, 1052, 1220
gnratrice dune suite, 1028
utilisation, 1186
gomtrique, 332
harmonique, 332
nombres, 1052
numrique, 765, 1041
Riemann, 332
Taylor, 1029
Schrdinger, 1307
Schur (thorme), 776
section, 602
de graphe, 628
proprit des, 486
segment
dans Rp , 241
dans un espace affine, 515
semblables
matrices, 377
semi-dfinie positive, 384
semi-norme, 263
semi-simple
endomorphisme, 369
semi-symtrique
polynme, 175
signature
dune permutation, 107
similitude, 999
simple
extension de corps, 161
fonction, 470
module, 126
singularit, 1182
effaable, 1182
ple, 1182
sinus
hyperbolique, 685
sinus cardinal, 926
solfge, 120
solution
gnrale, 1310
INDEX
particulire, 1310
somme
infrieure, 799
partielle, 326
suprieure, 799
somme directe (de reprsentations), 773
somme partielles
Abel angulaire, 885
sommet, 976
sous anneau, 123
sous arc, 929
sous-additivit
sur algbre de parties, 434
sous-espace
affine engendr par une partie, 514
caractristique, 386
sous-groupe
caractristique, 85
distingu, 761
dans le groupe altern, 110
engendr, 85
normal, 98, 761
sous-martingale, 1529
sous-module, 126
sous-suite, 592
spectre
dun endomorphisme, 375
matrice hermitienne, 381
matrice symtrique relle, 384
sphre, 313
de Riemann, 544
stabilit
dun point dquilibre, 1291
Lyapunov, 1292
stable, 1332
stathme
sur Zris, 154
stathme euclidien, 133
stationnaire
chane de Markov, 1520
statistique, 1473
statistiques
descriptives, 1465
structure
complexe, 959
structure danneau canonique, 117
Student, 1445, 1486
subdivision, 794
associe une fonction, 795
dun intervalle, 932
suite, 115
quirpartie, 1212
critre de Weyl, 1212
53
INDEX
arithmticogomtrique, 333
dfinie par itration, 1351
de Cauchy, 223, 325
dans un corps, 72
de composition, 99
de fonctions, 1127
thorme de Montel, 1195
de fonctions intgrables, 874, 1193
de Jordan-Hlder, 99
exacte, 111
rgularisante, 1227
support, 796
distribution, 1241
famille dlments, 115
supremum, 237, 238
dune suite densembles, 429
sur-martingale, 1529
surface paramtre, 853
surjection, 262
Sylow
p-Sylow, 752
Sylvester (matrice), 292
symtrique
polynme, 175
symbole
de Legendre, 189
systme
fondamental, 1286
orthonorm, 1110
trigonomtrique, 1111, 1153
tangent
vecteur unitaire, 952
tangente, 679, 949, 1025
tangente un chemin, 1094
Tangente hyperbolique, 1562
tangente hyperbolique, 686
taubrien, 1050
taux daccroissement, 647
Taylor, 644
srie entire, 1028
temps darrt, 1532
temps de retour, 1511
termine
martingale, 1533
test, 1493
bilatral, 1494
unilatral, 1494
thorme
lment primitif, 170, 197, 198
accroissements finis, 358
drive directionnelle, 603
dans R, 598
forme gnrale, 639
Ascoli, 1123
Bzout
polynmes, 144
utilisation, 293
Baire, 258
Banach-Steinhaus, 1124
avec semi-normes, 1125
base incomplte, 271
Beppo-Levi, 479
Bolzano-Weierstrass, 251
Bolzano-Weierstrass dans Rn , 245
Borel-Cantelli, 1393
Borel-Lebesgue, 244
Brouwer, 1062
dimension 2, 1172
Carathodory, 519
Cauchy, 752
Cauchy-Arzela, 1068
Cauchy-Lipschitz, 1066
Cayley-Hamilton, 374, 716
central limite, 1427
processus de Poisson, 1545
Chevalley-Warning, 195
chinois, 158
anneau des polynmes, 142
anneau principal, 132
Cochran, 1470
Cochrane, 1471
convergence
domine de Lebesgue, 482
monotone, 479
dAlembert-Gauss, 142
dcomposition des noyaux
et exponentielle de matrice, 366
de Baire, 267
de Jordan, 978
de reprsentation de Riesz, 1109
des deux carrs, 156
version faible, 154
Dini, 658
Dirichlet, 1202
forme faible, 184
Doob, 1533
du rang, 273
extension disomtrie, 1098
extrema
li, 1082
Fejr, 1203
fonction implicite dans Rn , 1075
fonction implicite dans Banach, 1074
fondamental du calcul intgral, 810
Fubini
dans Rn , 820
54
INDEX
espace mesur, 816
version compacte dans R2 , 902
Fubini-Tonelli, 815
fuite des compacts, 1290
Gauss
polynmes, 152
Gauss-Wantzel, 213
Glivenko-Cantelli, 1479
Hahn-Banach, 1154
Hardy-Littlewood, 1052
Heine, 593
incidence, 532
inversion locale, 1070
utilisation, 1082, 1091
isomorphisme
premier, 88
second, 88
troisime, 89
isomorphisme de Banach, 1123
Jordan, 1210
Kronecker, 295
Lagrange, 96
Lie-Kolchin, 415
Lokta-Voltera, 1296
Markov-Takutani, 1065
Montel, 1195
Pappus
affine, 535
projectif, 536
Pearson, 1498
petit de Fermat, 153
Picard, 1059
point fixe
Brouwer, 1172
projection
cas vectoriel, 1106
partie ferme convexe, 1104
prolongement de Hahn, 452
prolongement de Riemann, 1182
Radon-Nikodym, 790
complexe, 791
reprsentation de Riesz, 1150
Rolle, 597
Rothstein-Trager, 889
Runge, 1174
Schauder, 1063
Schur, 776
spectral, 387
autoadjoint, 422
matrice symtrique, 384
matrices normales, 382
stabilit de Lyapunov, 1292
Stone-Weierstrass, 1047, 1049
Sylvester, 744
taubrien, 1050
taubrien faible, 887
transfert, 1418
Tykhonov, 256
dnombrable, 258
fini, 257
valeurs intermdiaires, 570
Von Neumann, 1078
Wedderburn, 185
Weierstrass, 252
topologie, 219, 317
-faible, 265, 1239
p-adique, 343
et semi-normes, 263
faible, 309
forte, 309
induite, 231
mtrique, 221, 241
produit, 220
sur Dpq , 1236
sur DpKq , 1236
sur C 8 pq , 1236
sur dual topologique, 265
usuelle sur Rn , 317
topologique
somme directe, 1107
torsion, 953
dun groupe, 115
totale, 1110
trace, 1271
dual de Mpn, Kq, 282
endomorphisme, 409
matrice, 409
produit scalaire sur Mpn, Rq, 311
unicit pour la proprit de trace, 282
transcendant, 172
par rapport une extension de corps, 172
transforme
de Cauchy, 1179
de Fourier, 1217, 1416
continuit, 1218
groupe ablien fini, 771
Fourier
distribution tempre, 1246
Laplace, 1417
transformation
Fourier, 1220
gaussienne, 1372
transient
tat, 1512
transition
probabilit, 1503
55
INDEX
transitive, 106
transitoire
tat, 1512
transpose, 278
transvection, 708
transvection (matrice), 138
transversale, 105
tribu, 429
borlienne, 431
de Baire, 432
de Lebesgue, 495
engendre, 430
par un vnement, 1395
par une application, 455
par une variable alatoire, 1395
induite, 430
produit, 484
trigonalisation
et polynme caractristique, 412
simultane, 415
triplet
pythagoricien, 137
type
fini
en algbre, 172
espace vectoriel, 270
binomiale
utilisation, 1536
centre, 1400
de Bernoulli
utilisation, 1536
de Rademacher, 1443
intgrable, 1400
suite de variables alatoire de Bernoulli, 1524
variance, 1401
empirique, 1401, 1469
empirique corrige, 1469
vecteur gaussien, 1439
variation des constantes, 1282, 1286
vecteur
cyclique, 368
gaussien, 1439
propre, 375
unitaire normal, 952
unitaire tangent, 950
Vitali (ensemble), 503
vitesse dun chemin, 930
voisinage, 240, 317
volume
dune rgion solide, 806
rgion borne dans R3 , 803
vraisemblance, 1476
unicit
des mesures, 441
unipotent, 125
unitaire
normale principale, 952
Wronskien, 1299
valeur
principale (distribution), 1244
propre, 375
singulire, 392
valeur absolue
p-adique, 343
valeur propre
dune forme quadratique, 419
valuation, 142
p-adique, 343
Vandermonde (dterminant), 289
varit, 1082
varit
oriente, 843
variable
de dcision, 1494
variable alatoire, 1394
absolument continue, 1394
Bernoulli
marche alatoire, 1506
utilisation, 1461
56
INDEX
Chapitre 17
Espaces de Hilbert
17.1
Espaces de Hilbert
Dfinition 17.1.
Un espace de Banach est un espace vectoriel norm complet pour la topologie de la norme.
Dfinition 17.2.
Un espace vectoriel muni dun produit scalaire est une espace prhilbertien. Si il est complet 1
pour la norme induite par le produit scalaire alors il est de Hilbert.
Dans les deux cas nous considrons la topologie mtrique drivant du produit scalaire.
La diffrence entre un espace de Hilbert et un espace de Banach est que dans le cas dun espace
de Hilbert, nous demandons que la norme drive dun produit scalaire.
Dans le cas des espaces de dimension finie, le fait dtre complet est automatique, comme le
montre la proposition suivante.
Proposition
`
17.3.
Soit E, }.} un espace vectoriel norm sur un corps
C). Alors E est complet.
}fn fm } } pan am qe }
|an am |2 .
(17.1)
?
Pour tout , il existe N tel que si m, n N alors |an8 am | . Autrement dit, pour chaque ,
la suite
pan qPN est de Cauchy dans K et converge donc dans K. Soit a la limite et dfinissons
f a e . Nous avons alors
}fn f } } pan a qe },
(17.2)
dont la limite n 8 est bien zro. Donc la suite pfn q converge vers f P E. Lespace E est alors
complet.
Proposition 17.4.
Si H est un espace de Hilbert rel, alors
}x ` y}2 }x}2 ` }y}2 ` 2xx, yy.
(17.3)
(17.4)
1. Dfinition 5.30.
1103
1104
Dans un espace vectoriel de dimension infinie, tous les oprateurs linaires ne sont pas continus.
Exemple 17.5
Soit un espace vectoriel V engendr par la base tek ukPN et lapplication linaire T : V V donne
par
T ek kek .
(17.6)
Nous allons montrer que limage inverse de la boule unit ouverte O nest pas ouverte. En effet si
pk q est une suite de rels strictement positifs tendant vers zro, les vecteurs
1
ak
` k ek
(17.7)
k
sont hors de T 1 O parce que
(17.8)
T ak p1 ` kk qek .
Mais la suite pak q converge vers 0 qui fait partie de T 1 O. Donc le complmentaire de T 1 O nest
pas ferm, ce qui prouve que T 1 O nest pas ouvert.
4
17.2
Thorme de la projection
Dmonstration. Nous commenons par prouver lexistence et lunicit dun lment dans C vrifiant la premire condition. Ensuite nous verrons lquivalence.
Nous nommons d linfimum en question de la premire condition.
Existence Soit pyn q une suite dans C telle que
lim }x yn } inft}x y} tel que z P Cu d.
n8
(17.9)
Nous allons montrer que cette suite peut tre choisie de Cauchy. Elle convergera donc
dans H parce que ce dernier est complet. Mais C tant suppos ferm dans H , la limite
appartiendra C. Soient r, s P N. Dabord nous avons
}yr ys }2 xyr ys ` x x, yr ys ` x xy
2
(17.10a)
(17.10b)
Ensuite,
2
yr ` ys
2
yr ` ys
}yr ys } 4
x ` 2}yr x}2 ` 2}ys x}2 .
2
(17.11a)
(17.11b)
(17.12)
1105
1
.
n
(17.13)
Dautre part tant donn que C est convexe, pyr ` ys q{2 est dans C et nous avons
yr ` ys
x d.
(17.14)
2
1
1 1
1
2
`2 d`
` .
}yr ys } 4d ` 2 d `
r
s
r s
(17.15)
La suite pyn q est donc de Cauchy et la limite est un lment de C. Prouvons que cet lment
y ralise linfimum. Pour cela nous avons les ingalits
d }x y} }x yn } ` }yn y}.
(17.16)
d }x y} d.
(17.17)
Proposition 17.7.
Soit C une partie convexe et ferme de lespace de Hilbert H . Alors pour tout x1 , x2 P H nous
avons
} projC px1 q projC px2 q} }x1 x2 }.
(17.18)
En particulier la projection est une application continue.
Dmonstration. Nous posons y1 projC px1 q et y2 projC px2 q. Par la partie (1)b du thorme
17.6, nous avons, pour tout z, z 1 P C les ingalits
Rexx1 y1 , z y1 y 0
(17.19a)
Rexx2 y2 , z y2 y 0.
(17.19b)
Rexpx1 y1 q ` py2 x2 q, y2 y1 y 0.
(17.20)
}y1 y2 }2 Re }y1 y2 }
xy1 y2 , x1 x2 y
(17.21)
}y1 y2 }}x1 x2 }.
(17.22)
1106
(17.23)
x y P K K.
Llment y ainsi dfinit est la projection orthogonale de x sur K et sera not projK pf q.
(17.24a)
}z x} .
(17.24b)
Le produit scalaire est nul parce que a z P K. La distance }z x} est donc bien la plus petite
distance entre x et les lments de K.
Dans lautre sens, nous supposons que y P K minimise la distance x dans K. Par hypothse
pour tout a et pour tout P R, la diffrence
}py ` aq x}2 }y x}2
(17.25)
2 }a}2 ` 2xa, y xy 0
(17.26)
est positive. En dveloppant les produits scalaires nous trouvons la conditions suivante
qui doit tre vraie pour tout P R. En tant que polynme du second degr en , cela naura pas
deux racines relles distinctes uniquement si xa, y xy 0.
Nous montrons maintenant la linarit de la projection orthogonale. Soient x1 , x2 P H . Llment y projK x1 ` projK x2 satisfait la condition dorthogonalit : pour tout z P K,
xx1 ` x2 projK x1 projK x2 , zy xx1 projK x1 , zy ` xx2 projK x2 , zy 0.
(17.27)
tant donn que K est un sous-espace vectoriel, la condition de minimalit est automatiquement
vrifie (seconde partie du thorme 17.6).
En ce qui concerne la norme oprateur de projK , la dcomposition de x P H en composantes
dans K et K K est
x x ` px projK xq.
(17.28)
tant deux parties orthogonales nous avons
(17.29)
En prenant }x} 1 nous trouvons } projK x}2 1 et par consquent } projK } 1. Mais dautre
part en prenant x P K nous avons automatiquement } projK } 1.
Proposition 17.9.
Soit H L2 p, A, q, F une sous tribu de A et K lensemble de fonctions F-mesurables dans
L2 p, A, q. Si f P L2 p, A, q est positive, alors projK f est positive (presque partout).
Dmonstration. Lensemble A tprojK f 0u est dans F. En effet
`
A pprojK f q1 s8, 0r
0
f 1A
projK f 1A 0.
(17.30)
tant donn que nous avons suppos f 0 nous avons alors pAq 0. Do le fait que projK f
est presque partout positive.
1107
17.3
Dans cette partie nous noterons K le corps de base de lespace H . Seuls deux cas sont envisags :
K C ou K R.
y xx, yy.
(17.32)
Lemme 17.10.
Lapplication : H LpH , Kq donne par y y est une isomtrie : nous avons }y } }y}.
De plus pour chaque y, lapplication y est continue.
Dmonstration. En utilisant la dfinition de la norme oprateur et lingalit de Cauchy-Schwarz,
}y } sup }y pxq} sup |xx, yy| sup }x}}y} }y}.
}x}1
(17.33)
Par consquent }y } }y}. Mais dautre part le fait que y pyq }y}2 montre que }y } }y}.
En ce qui concerne la continuit de y , elle est garantie par le fait que cest une application
linaire borne via la proposition 6.217.
17.3.1
Orthogonalit
(17.34)
Dmonstration. Par dfinition lapplication x est continue pour chaque x P H et par consquent
lensemble ker x 1
x pt0uq est ferm. Lensemble
AK
ker x
(17.35)
xPA
Lorsquune dcomposition en somme directe vrifie la proposition 17.12, nous disons que la
dcomposition est topologique.
Thorme 17.13.
Soit H un espace de Hilbert et F un sous-espace ferm de H . Alors
(1) Nous avons la dcomposition
H F F K.
(17.36)
(2) La projection sur F par rapport la somme directe (17.36) est la projection projF du
thorme de projection.
1108
Dmonstration. Nous savons par la proposition 17.11 que F K est ferm, par consquent le thorme
17.13 donne la somme directe
H F K F KK .
(17.37)
(17.38)
Mais F F KK (prendre une suite). Les espaces F et F KK tant tous deux des supplmentaires de
F K , nous dduisons quils doivent tre gaux.
Proposition 17.15.
Soit H un espace de Hilbert et F un sous-espace vectoriel de H . Alors F est dense si et seulement
si F K t0u.
Dmonstration. Nous savons que
H F K F .
(17.40)
Pour vrifier si un sous-espace vectoriel dun espace de Hilbert est dense, il suffit donc de
montrer que son orthogonal est rduit zro.
Lemme 17.16 (Thorme fondamental dapproximation [124]).
Soit un espace mesurable et f : r0, 8s une application mesurable. Alors il existe une suite
croissante dapplications tages n : R` dont la limite est f .
De plus si f est borne, la convergence est uniforme.
Thorme 17.17 ([228]).
Soit I un intervalle de R. Lespace Cc pIq des fonctions continues support compact sur I est
dense dans L2 pIq.
Ce thorme sera gnralis tous les Lp pRd q par le thorme 18.40. Cependant Lp ntant
pas un Hilbert, il faudra travailler sans produit scalaire.
Dmonstration. Soit g P L2 pIq une fonction telle que g K f pour toute fonction f P Cc pIq. Nous
avons donc
xf, gy f g 0.
(17.41)
I
En passant ventuellement aux composantes relles et imaginaires nous pouvons supposer que les
fonctions sont toutes relles. Nous dcomposons g en parties positives et ngatives : g g ` g .
Notre but est de montrer que g ` g , cest dire que g est nulle. La proposition 17.15 conclura
que Cc pIq est dense dans L2 pIq.
Soit un intervalle ra, bs I et une suite croissante de fonctions fn P Cc pIq convergent vers
1ra,bs . Par hypothse pour chaque n nous avons
fn g
fn g .
(17.42)
1109
g`,
(17.43)
fn g `
lim
n8 I
de telle sorte que nous ayons, pour tout intervalle ra, bs I lgalit
b
b
`
g.
g
b
b
?
`
|g| |g|1ra,bs x|g|, 1ra,bs y }g}L2 b a 8
g
a
(17.44)
(17.45)
`
n g n g .
(17.46)
I
Une fois de plus nous pouvons utiliser le thorme de la convergence monotone et obtenir
`
g
g
(17.47)
A
pour tout ensemble mesurable A I. Si nous notons dx la mesure de Lebesgue, les mesures g ` dx
et g dx sont par consquent gales et domines par dx. Par le corollaire 13.5 du thorme de
Radon Nikodym, les fonctions g ` et g sont gales.
17.3.2
Dual
Dfinition 17.18.
Le dual de lespace de Hilbert H est lensemble
H 1 tf : H K linaire et continueu.
(17.48)
Notons que dans le contexte des espaces de Hilbert nous demandons la continuit des lments
du dual parce quelle nest pas automatique par la linarit dans les cas de dimension infinie. En
principe nous devrions prciser dual topologique, mais nous ne le ferons pas systmatiquement
lorsque le contexte parle clairement de topologie (ce qui est le cas lorsquon parle despaces de
Hilbert). De temps en temps le dual algbrique dun espace est not E ; dans ce cas la continuit
nest pas demande.
Thorme 17.19 (Thorme de reprsentation de Riesz).
Lapplication
: H H 1
est une bijection isomtrique.
y y
(17.49)
Dmonstration. Nous savons du lemme 17.10 que est une isomtrique. Nous devons seulement
montrer que est surjective. Soit f P H 1 . Par continuit nous savons que F kerpf q est ferm,
donc
H kerpf q pker f qK
(17.50)
par le thorme 17.13. Nous considrons une base de H adapte cette dcomposition, cest dire
1110
fy pus q xus , yy 0.
(17.52a)
(17.52b)
fy pvq xv,
(17.53)
17.3.3
Sparabilit
Dfinition 17.20.
Un espace topologique est sparable si il possde une partie dnombrable dense.
Dfinition 17.21.
Si E est un espace vectoriel norm nous disons que est une partie totale[229] de E si Span est
dense dans E. Attention : ici Span est lensemble des combinaisons linaires finies dlments
de .
Proposition 17.22.
Un espace vectoriel norm est sparable si et seulement si il possde une partie totale dnombrable.
Dmonstration. Si est une partie dnombrable de E, alors le
dnombrable, et sa fermeture est la mme que celle de SpanK .
Dfinition 17.23.
Une famille pui qiPI dlments de H indice par un ensemble quelconque I est un systme orthonorm si
(1) }ui } 1 pour tout i P I,
(2) ui K uj pour tout i j.
Notons que si pun qnPN est un systme orthonorm dnombrable alors en utilisant les formules
de la proposition 17.4, nous avons
n
n
k uk
|k |2 .
k1
k1
(17.54)
1111
1
2
expp intq
L
ba
(17.55)
et
1
xen , en y
ba
expp
1
xen , em y
ba
2
2
intq expp intq 1
L
L
b
a
e L pnmqt dt 0.
(17.56)
(17.57)
Dans cette intgrale nous utilisons le fait que b a ` pb aq pour simplifier les expressions en
cours de calcul.
La famille (17.55) est le systme trigonomtrique de L2 pa, bq. On en parle aussi dans [212].
4
Proposition 17.25.
Un systme orthonorm est libre.
Dmonstration. Soit pui qiPI un systme orthonorm de H et une combinaison linaire finie nulle :
n
k1
ak uk 0.
(17.58)
0 } ak uk }2
|ak |2 }uk }2 ` 2 xak uk , al ul y.
k
(17.59)
kl
|ak |2 0,
(17.60)
Avant de continuer nous devons dfinir comment nous calculons des sommes sur des ensembles
quelconques. Si I est un ensemble et si pour chaque i P I nous avons un nombre rel positif ai ,
alors nous dfinissons
ai sup
aj .
(17.61)
iPI
JI
J fini jPJ
xx, ui y2 }x}2 .
(17.62)
iPI
Dmonstration. Les lments de la somme tant des rels positifs, la notion de somme utiliser
est celle de la dfinition 6.185.
Posons ci pxq xx, ui y. Pour toute partie finie J I nous avons
2
0 x
cj pxquj }x}2 2 Re xx, cj pxquj y ` |cj pxq|2 .
(17.63)
jPJ
1112
jPJ
cj pxquj } }x}2
jPJ
jPJ
|cj pxq|2 .
(17.64)
(17.65)
(17.66)
Ayant cette ingalit pour toute partie finie de I, nous lavons encore pour le supremum.
Remarque 17.27.
mon avis il doit exister un thorme de compltion de base hilbertienne disant que si on a
une famille orthonorme, alors elle se prolonge en base. Utilisant cela, nous trouvons une nouvelle
dmonstration de la proposition 17.26 en disant que la somme sur la partie de base est plus
petite que la somme sur la base complte.
Dans la suite les systmes orthonorms dnombrables vont jouer un rle important. Nous allons
conventionnellement les indicer par N.
Proposition 17.28.
Soit H un prhilbert et un systme orthonorm dnombrable pun qnPN . Si
x
alors n xx, un y.
n un ,
(17.67)
n1
Dmonstration. Nous appliquons uk lquation (17.67). tant donn que le produit scalaire est
continu, nous pouvons permuter avec la somme infinie et obtenir
xx, uk y
xun , uk y k .
(17.68)
n0
La proposition suivante explique que la notion de projection est compatible avec la dcomposition dun vecteur dans un systme orthonorm.
Proposition 17.29.
Soit puk qk1 un systme orthonorm dun prhilbert H . Soient
x
et
Alors
k uk
(17.69)
k1
F Spantu1 , . . . , un u.
projF pxq
k uk .
(17.70)
(17.71)
k1
k1
k uk
(17.72)
1113
xx
k uk , uj , y x
k uk , uj y 0
k1
(17.73)
kn`1
o nous avons utilis la continuit du produit scalaire pour permuter la somme (infinie) et le
produit. tant donn que y P F K nous avons projF y 0 par le point (2) du thorme 17.13.
Dautre part projF y peut tre calcul selon
projF y projF x
k projF uk
(17.74)
k1
k uk ,
(17.75)
k1
} xx, uj yuj x} }
aj uj x}.
(17.76)
jPJ
jPJ
Ce thorme exprime le fait que les nombres xx, ui y sont les meilleurs coefficients mettre
devant les ui pour approximer x.
Corollaire 17.31.
Soit tui uiPI une famille orthonorm de H . Pour tout x P H et pour toutes parties finies J, K de
I avec J K nous avons
}
xx, uj yuj x} } xx, uj yuj x}.
(17.77)
jPK
jPJ
Ce corollaire exprime le fait que plus on prend de termes de la forme x, ui yui , mieux cest.
Proposition 17.32.
Soit H un espace de Hilbert et pun q un systme orthonorm dans H . Si pn qnPN est une suite
dans `2 alors la srie
8
n un
(17.78)
converge dans H .
Autrement dit lapplication
est surjective.
n1
S : H `2
`
x xx, un y n1
(17.79)
n`p
lim
k uk 0
(17.80)
n8
kn
n`p
2 n`p
k uk
|xk |2 .
kn
(17.81)
kn
Mais si pn q est dans `2 , pour tout , il existe N tel que si n N alors le membre de droite est
infrieur indpendamment de p.
1114
17.3.4
Dfinition 17.33.
Une base orthonorme est une famille dnombrable orthonorm et totale.
Notons que cela nest pas la mme notion de base quen algbre. En effet pour avoir une base
algbrique dun espace vectoriel, nous demandons que les lments soient des combinaisons linaires
finies des lments de la base, tandis quici en demandant que la partie soit totale nous demandons
simplement que les combinaisons linaires finies soient denses.
Nous allons voir quun espace de Hilbert est gnr par les sommes infinies de vecteurs dune
base orthonorm avec des coefficients qui forment une suite dans `2 .
tant donn une base hilbertienne de H , nous notons
(17.82)
ck pxq xx, uk y.
Dans le thorme suivant (et dailleurs partout), les sommes sur I sont prises au sens de la dfinition
6.186.
Thorme 17.34 (Dcomposition dans une base orthogonale).
Soit H un espace de Hilbert sparable tui uiPI une base orthonorme (I est un ensemble dnombrable
quelconque).
(1) Pour tout x P H nous avons
iPI
xx, ui yui
(17.83)
}x}2
iPI
|xx, ui y|2 .
(17.84)
Le point (5) nous indiquera que cette galit est en fait suffisante pour dire que nous avons
une base.
(4) Nous avons lidentit de Parseval
xx, yy
iPI
xx, ui yxy, ui y.
(17.85)
(5) Si tei u est une famille de vecteurs unitaires vrifiant lidentit de Plancherel, alors cest
une base hilbertienne.
(6) Si tui uiPI est une base hilbertienne, la suite n |xx, en y| appartient `2 pIq.
Dmonstration.
(1) tant donn que le systme tui uiPI est total, nous pouvons considrer une
suite de combinaisons linaires finies des ui qui converge vers x. Nous crivons
xn
an,k uj
(17.86)
xPJn
xx, uj yuj
aj uj
(17.87)
jPJN
jPJ
1115
aj
xx, uj y si j P JN
0
sinon,
xx, uj yuj x}
} xx, uj yuj x} }
(17.88)
(17.89)
jPJN
jPJ
par consquent la somme iPI xx, ui yui converge vers x au sens gnral, et en particulier
commutativement.
Les sommes tant commutatives (en particulier x iPI xx, ui yui ), et les bases hilbertiennes
tant dnombrables, nous ne perdons aucune gnralit en ne considrant que des bases
indexes par N.
(2) Nous devons montrer que lensemble des combinaisons linaires finies est dense dans H .
Par hypothse, pour tout , il existe un ensemble fini J tel que
(17.90)
} xx, uj yuj x} .
jPJ
(17.92)
iPI
(4) Au tour de Parseval. Nous commenons par prouver que la somme du membre de droite
converge. En utilisant lingalit |zz 1 | |z|2 ` |z 1 |2 (valable pour z, z 1 P C) et Plancherel,
nous avons
|xx, ui yxy, ui y|
|xx, ui y|2 ` |xy, ui y|2
iPI
iPI
(17.93)
}x}2 ` }y}2 .
Nous en dduisons que la famille xx, ui yxy, ui y est (commutativement) sommable en utilisant
la proposition 6.193. Par ailleurs nous savons que
x
ci pxqui
(17.94a)
iPI
iPI
ci pyqui ,
xx, yy
xci pxqui , cj pyquj y
(17.94b)
(17.95a)
iPI jPI
iPI jPJ
iPI
ci pxqcj pyqij
ci pxqcj pyq.
(17.95b)
(17.95c)
1116
}uj }2 }uj } `
|xuj , ui y|2 .
(17.96)
iPIztju
Par consquent xuj , ui y 0 ds que i j. Cela prouve que le systme tui uiPI est orthonorm.
Nous devons encore prouver que le systme est total. Pour cela nous repartons de lquation
(17.65) que nous avions dduites dans la dmonstration de lingalit de Bessel :
|cj pxq|2 .
(17.97)
cj pxquj } }x}2
}x
jPJ
jPJ
Par hypothse le membre de droite peut tre rendu aussi petit que lon veut en prenant
J grand (mais fini) dans I. Le membre de gauche indique alors que le systme tui uiPI est
total.
(6) Lidentit de Plancherel signifie entre autres que si x P H alors iPI |xx, ui y|2 converge. Du
coup la suite pxx, ui yqiPI est dans `2 pIq.
Remarque 17.35.
Nous avons dcid dindexer les bases hilbertiennes par N ; cela est lgitime parce que les sommes
sont commutatives. Il ne faut cependant pas perdre de vue quen pratique lensemble naturel avec
lequel on indexe une base est parfois Z. Un tel cas est donn par la base trigonomtrique de L2 .
Indexer cette dernire par N plutt que par Z serait une contorsion inutile.
Remarque 17.36.
Lgalit de Parseval est la raison pour laquelle les physiciens crivent souvent
Id
n1
|un yxun |
dans les livres de mcanique quantique par exemple. Dans [230], nous lisons mme
`8
dq|qyxq| I.
8
(17.98)
(17.99)
Notons que ces personnes travaillent avec un espace de Hilbert dont la base nest pas dnombrable.
Pour dire que la physique, a nutilise pas des mathmatiques pour rire !
Remarque 17.37.
Par dfinition une base orthonorme est donc une partie dnombrable dont lespace vectoriel engendr est dense. Un espace de Hilbert possdant une base orthonorme est donc sparable. Cest
ce fait qui nous pousse ne considrer que des espaces de Hilbert sparables ; nous nallons donc
pas tudier ce quil se passerait par exemple en considrant lespace vectoriel librement engendr
par les lments de R.
Exemple 17.38
Lidentit de Parseval (17.85), dans le cas de lespace des fonctions continues priodiques de priode
2 signifie quen posant
1 2
cn pf q
f psqeins ,
(17.100)
2 0
nous avons
1 2
|f psq|2
|cn pf q|2 .
(17.101)
2 0
n8
4
1117
x xx, un y nPN
(17.102)
S 1 : `2 H
8
pn q
n un .
(17.103)
(17.104)
n1
Dmonstration. Nous devons prouver que lapplication est bijective et quelle vrifie
Proposition 17.40.
Tout espace de Hilbert sparable possde des bases orthonormes.
Dmonstration. Soit pvn qnPN une partie totale et sparable. Quitte supprimer les vi qui sont
combinaisons linaires des prcdents, nous pouvons supposer que cette partie est libre. Nous
considrons lespace vectoriel
Fn Spantv1 , . . . , vn u.
(17.106)
Sur Fn nous pouvons appliquer un procd de Gram-Schmidt pour construire une base orthonorme
tu1 , . . . , un u de Fn au sens usuel. En considrant Fn`1 et en recommenant, les vecteurs u1 , . . . , un
ne changent pas, mais nous obtenons un vecteur un`1 .
Nous construisons ainsi une suite pun q qui est alors orthonorme au sens des espaces de Hilbert.
Nous devons encore prouver quil sagit dun ensemble total. Cela est simplement d au fait que tout
lment de Spantvn u est contenu dans Spantun u parce que Span ne considre que des combinaisons
linaires finies.
17.3.5
Le thorme 17.34 nous indique que si tui uiPI est une base hilbertienne, alors pour tout x P H
nous avons
projui pxq xx, ui yui ,
(17.107)
et donc
iPI
projui x x.
projui Id
iPI
(17.108)
(17.109)
1118
lim projui Id 0,
N 8
i1
i1
(17.110)
N, lgalit (17.109)
projui puN `1 q uN `1 uN `1 .
(17.111)
sup projui x x 1.
}x}1 i1
n1
projui Id
(17.112)
(17.113)
i1
projui Id .
(17.114)
i1
projui pxq x 8
iN `1 xx, ui yui .
(17.115)
iN `1
}xx, ui yui }
iN `1
|xx, ui y|,
(17.116)
dont la limite N 8 est zro tant donn que la suite i |xx, ui y| est dans `2 pRq par le thorme
17.34.
17.3.6
ek kek
(17.117)
ntait pas continue en zro alors quelle est linaire. Nous allons maintenant voir quelle est un
contre-exemple la proposition 11.157. Calculons les drives partielles :
Bf
d
d
pxq
f px ` tej q
1119
Lendroit qui coince dans la preuve de la proposition 11.157 est lintroduction des contrestermes dans lquation (11.358). En effet les contre-termes ajouter seraient
lpxq
qui ici serait
l
`
k
d `
f a ` spx aq
dt
t0
d `
xk e k
f s xk e k
xk ek ,
dt
t0
k
k
(17.119)
(17.120)
Bf
d
d
f px ` tuq
pxq
kpxk ` tuk qek
kuk ek
(17.121)
Bu
dt
dt k
t0
t0
k
La convergence de la dernire somme nest pas garantie pour tout u.
17.4
Thorme de Kochen-Specker
Ici nous disons que deux oprateurs sont compatibles lorsquils possdent une base hilbertienne
commune de vecteurs propres.
Dmonstration. Soit tun unPN une base hilbertienne de H . Nous notons proji loprateur de projection sur lespace (ferm) engendr par ui . Ce sont des oprateurs compatibles deux deux parce
que la base tun unPN est une base commune de vecteurs propres 3 .
Dabord nous devons avoir vp1q 1. En effet pour tout oprateur A, nous avons
vpAq vpA1q vpAqvp1q.
(17.122)
En effet le thorme de la projection orthogonale 17.8 nous enseigne que proji x serait lunique
vecteur de la forme ui tel que ui x K ui . Il est facile de vrifier que le vecteur propos par
(17.123) vrifie cette proprit.
Une consquence est que
proji pxq x.
(17.124)
i0
vpproji q vp1q 1.
(17.125)
3. Pour les besoins de la physique, nous remarquons que ces oprateurs sont des oprateurs hermitiens qui
commutent, mais a ne joue pas ici.
1120
(17.126)
et donc vpproji q doit valoir zro ou un. Mais la relation (17.125) donne une forte contrainte sur
le choix de 0 et de 1. En effet, parmi les vpproji q, un et un seul doit valoir 1, les autres doivent
valoir 0.
Refaisant le raisonnement pour une autre base orthonormale hilbertienne, nous trouvons que
les valeurs de v sur les oprateurs de projection sur les diffrentes directions doivent tre choisies
de telle faon que tout choix de base hilbertienne orthogonale contienne exactement un 1 et les
reste de zros.
Nous voudrions maintenant insister sur un point. Le problme de dterminer de faon cohrente
les valeurs 0 ou 1 pour tous les vpproji q revient attacher 0 ou 1 tous les rayons de H de faon
que toute base orthogonale de H contienne exactement un 1. Un rayon est une direction, cest
dire une classe dquivalence x x. Si nous dcidons de nommer blanc les rayons attachs
la valeur 0 et noirs ceux attachs la valeur 1, le problme se rduit colorer la boule unit de
faon compatible.
Soit tui uiPN une base orthogonale de H numrote de telle sorte que vpu0 q 1 et vpuk q 0
pour k 0. Nous allons maintenant nous particulariser au cas de dimension suprieure ou gale
4. Si R est une rotation dans le plan Spantu0 , u1 , u2 , u3 u, alors lensemble
tRu0 , Ru1 , Ru2 , Ru3 , uk uk3
(17.127)
est encore une base orthogonale de H et nous avons encore vpuk q 0 pour k 4. Par consquent
un et un seul des vecteurs Ru0 , Ru1 , Ru2 ou Ru3 est colori en noir ; les trois autres tant blancs. Le
problme est maintenant compltement rduit la dimension 4. Note : pour rduire la dimension
3, on procde de mme, mais pour conclure, il faut travailler plus.
Nous allons construire 9 base orthogonales de R4 partir de 18 vecteurs, chacun arrivant dans
exactement deux des bases. Ils sont donns dans le tableau suivant :
0 1
0 0
0 0
1 1
1 1
1 1 1 1
1 1 1 1
0 0
1 0
0 1
1 1
1 1
1 1
1 1 1 1 1 1
0 0
0 1
0 0
1 1
1 1
1 1
1 1
1 1
1 1
0 1
0 0
1 0
1 1 1 1
1 1
1 1
1 1 1 1
1 0
1 0
1 1
1 0
1 1
1 0
1 0
1 0
1 1
1 0
0 1
0 0
1 0
0 0
0 1
0 1
1 0
0 0
1 0 1 0
1 1 0 1
0 0
0 1
0 1 0 1
0 0
1 0 0 1 0 0
0 1
1 1
1 0
1 0 0 1
1 1
Chaque case de ce table reprsente un rayon de R4 ; il y en a 18 diffrents, chacun cris deux
fois. Une simple vrification montre que chaque colonne est un systme orthogonal. La preuve
du thorme de Kochen-Specker revient montrer que nous ne pouvons pas colorier ce tableau
de faon cohrente. En effet, tant donn que chaque vecteur est crit deux fois, le tableau doit
contenir un nombre pair de cases blanches et un nombre pair de cases noires.
Par ailleurs chaque colonne tant un systme orthogonal, chaque colonne contient exactement
une case noire ; il y a donc exactement neuf cases noires dans le tableau, ce qui est impossible.
17.5
Thorme de Lax-Milgram
Dfinition 17.43.
Une forme bilinaire a : V V R sur un espace vectoriel norm V est coercitive si il existe
0 tel que apu, vq }u}2 pour tout u P V .
Thorme 17.44 (Lax-Milgram[232]).
Soit un espace de Hilbert rel V muni de diffrentes choses.
(1) Lapplication linaire L : V R qui est borne sur V . Nous notons C sa norme.
1121
(2) La forme bilinaire continue a sur V V . Nous considrons M 0 tel que |apu, vq|
M }u}}v} pour tout u, v P V .
Alors le problme qui consiste chercher u P V tel que apu, vq Lpvq pour tout v P V admet une
unique solution. De plus cette solution vrifie lingalit
}u}
M
C
(17.128)
}u}
(17.129)
(17.130)
mais la norme produit 5 sur V V ne donne pas }u}}v}. Le fait pour a dtre bilinaire donne en
ralit plus que la linarit, et la proposition 6.200 nous assure lexistence du M .
Reformulation en quation linaire La forme L est continue et donc dans le dual V 1 ; le
thorme de Riesz 17.19 nous donne donc f P V tel que
Lpvq xf, vy
(17.131)
}v}1
(17.132)
Encore une fois, bw tant continue et linaire, elle est dans V 1 et Riesz nous fournit un
lment Apwq P V tel que
bw pvq xApwq, vy
(17.133)
pour tout v P V .
Le problme variationnel apu, vq Lpvq est quivalent xApuq, vy xf, vy. Lensemble des
solution de cette dernire est gal lensemble des solution de lquation
Apuq f.
(17.134)
(17.135a)
apw, vq ` apz, vq
(17.135b)
(17.135d)
xApwq, vy ` xApzq, vy
(17.135c)
tant donn que nous avons galit pour tout v P V nous en dduisons que Apw ` zq
Apwq ` Apzq, ce qui signifie que A est linaire.
4. Dfinition 17.43.
5. Dfinition 6.197.
1122
Une autre proprit de A Nous dduisons une majoration de }Apvq}2 lorsque ce nest pas
nul. Pour ce faire,
}Apvq}2 a xApvq, Apvqy
(17.136a)
apv, Apvqq
(17.136b)
}Apvq}2 M 2 }v}2 .
(17.137)
M }v}}Apvq}.
(17.136c)
Une contraction Nous allons choisir une valeur de 0 telle que lapplication
`
T : w w Apwq f
(17.138)
`
(17.139a)
(17.139b)
Vu que le dernier terme arrive avec un signe moins, pour majorer lexpression, il faut minorer
ce terme, cest dire utiliser apw w1 , w wq }w w w1 }. Et en mme temps nous
utilisons (17.137) pour le second terme. Au final pour pouvons factoriser }w w1 } et
`
}T pwq T pw1 q} }w w1 } 1 ` 2 M 2 2 .
(17.140)
Pout que T soit contractante, il faut 0 P pxq 1 avec P pxq M 2 x2 2x`1. Le minimum
2
de ce polynme est obtenu en x M2 (la formule du xmin b{2a) et vaut 1 M
2 1.
Vu que par ailleurs limx8 P pxq `8, et que ce polynme passe par au moins une valeur
strictement infrieure 1, nous savons quil existe u x tel que 0 P pxq 1. En donnant
cette valeur, lapplication T est une contraction.
(17.141)
6. Dfinition 16.108.
C
.
(17.142)
(17.143)
Chapitre 18
Analyse fonctionnelle
Proposition 18.1.
Soit f P L1 pRq une fonction telle que
f ptqptqdt 0
(18.1)
18.1
Thorme dAscoli
Dfinition 18.3.
Une partie A dun espace topologique X est relativement compacte dans X si sa fermeture est
compacte.
Proposition 18.4 ([163]).
Soient E et F deux espaces vectoriels norms sur R ou C et une application f P LpE, F q. Les
proprits suivantes sont quivalentes.
(1) Limage dun born de E par f est relativement compact dans F .
(2) Limage par f de la boule unit ferme est relativement compacte dans F .
(3) Si pxn q est
borne dans E, alors nous pouvons en extraire une sous-suite pxpnq q
` une suite
Dfinition 18.6.
Soit pfi qiPI une famille de fonctions fi : X Y entre espaces mtriques. Cette famille est quicontinue si pour tout 0 et pour tout x P X, il existe un px, q 0 tel que
pour tout i P I.
(18.2)
1124
18.2
Thorme de Banach-Steinhaus
Les k sont ouverts Soit x0 P k ; nous avons alors une fonction f P H telle que }f px0 q} k,
et par continuit de f il existe 0 tel que }f pxq} k pour tout x P Bpx0 , q. Par
consquent Bpx0 , q k et k est ouvert par le thorme 5.3.
Les k ne sont pas tous denses dans E Nous supposons que les ensembles k soient tous
dense dans E. Le thorme de Baire 5.187 nous indique que E est un espace de Baire (parce
que de Banach) et donc que
k E.
(18.4)
kPN
kPN k .
f PH
(18.5)
ce qui est contraire lhypothse. Donc les ouverts k ne sont pas tous denses dans E.
La majoration Il existe k 0 tel que k ne soit pas dense dans E, et nous voulons prouver
que t}f } tel que f P Hu est un ensemble born. Soit donc k 0 tel que k ne soit pas
dense dans E ; il existe un x0 P E et 0 tels que
Bpx0 , q X k H.
(18.6)
f PH
(18.7)
Afin dvaluer }f } nous devons savoir ce quil se passe avec les vecteurs sur une boule autour
de 0. Pour tout x P Bp0, q et pour tout f P H, la linarit de f donne
}f pxq} }f px ` x0 q f px0 q} }f px ` x0 q ` f px0 q} 2k.
(18.8)
Par continuit nous avons alors }f pxq} 2k pour tout x P Bp0, q. Si maintenant x P F
vrifie }x} 1 nous avons
1
2k
}f pxq} }f pxq}
,
(18.9)
et donc }f }
2k
,
ce qui montre que 2k{ est un majorant de lensemble t}f } tel que f P Hu.
1125
Corollaire
18.9.
`
Soient E, ppl q et F, pqk q deux espaces localement compacts munis de semi-normes. Nous supposons que E est mtrisable et complet. Soit pTj qjPN une suite dapplication linaires E F telles
que pour tout x P E il existe x P F tel que
F
Tj x x .
(18.10)
(18.11)
Tj xj T x
(18.12)
j8 xPK
La version suivante du thorme de Banach-Steinhaus est nonce de faon ad hoc pour fonctionner avec lespace DpKq des fonctions de classe C 8 support dans le compact K. Un nonc
un peu plus fort est donn dans le cadre des espaces de Frchet dans [61].
Thorme 18.10 (Banach-Steinhaus avec des semi-normes).
Soit pE, dq un espace vectoriel mtrique complet dont la topologie est galement 2 donne par une
famille P de semi-normes. Soit tT uPA une famille dapplications linaires continues T : E R
telles que pour tout x P E nous ayons
(18.13)
sup T pxq 8.
PA
Alors il existe une constante C 0 et un sous-ensemble fini J P tels que pour tout x P E nous
ayons
(18.15)
PA
sup T px0 q 8,
(18.16)
PA
ce qui contredirait lhypothse. Donc les k ne sont pas tous denses. Soit k0 P N tel que k0 nest
pas dense dans E. Il existe donc x0 P E et un ouvert autour de x0 nintersectant pas k0 .
Nous jouons prsent sur la topologie de E. Louvert dont il est question est un d-ouvert et
donc un P-ouvert, lequel contient une P-boule ouverte. Cette dernire boule nest pas spcialement
une d-boule, mais cest un d-ouvert.
Il existe dont J fini dans P et 0 tels que BJ px0 , qXk0 H. Donc pour tout y P BJ px0 , q
nous avons
sup T pyq k0 .
(18.17)
PA
1126
T pyq T py ` x0 q T px0 q
T py ` x0 q ` T px0 q
(18.18a)
(18.18b)
k0 ` C
(18.18c)
o nous avons pos C supPA T px0 q. En normalisant, sur la boule BJ p0, 1q nous avons
maxjPJ pj pxq
P BJ p0, 1q
x
T
pj pxq 1 pk0 ` Cq.
maxjPJ
(18.20)
(18.21)
(18.22)
18.3
Espaces Lp
18.3.1
Gnralits
Soit p, F, q un espace mesur. Deux fonctions valeurs complexes f et g sur cet espaces sont
dites quivalentes et nous notons f g si elles sont -presque partout gales. Nous notons rf s
la classe de f pour cette relation.
Lemme 18.11.
Une classe contient au maximum une seule fonction continue.
Dmonstration. Soient deux fonctions continues f1 et f2 avec f1 paq f2 paq. Si |f1 paq f2 paq|
alors il existe un tel que |f1 pxq f1 paq| pour tout x P Bpa, q. En particulier f1 f2 sur
Bpa, q. Cette dernire boule est de mesure de Lebesgue non nulle ; ergo f1 et f2 ne sont pas dans
la mme classe.
Nous introduisons lopration
}f }p
|f pxq| dpxq
1{p
(18.23)
Dmonstration. Le fait que si f P Lp , alors f P Lp est vident. Ce qui est moins immdiat, cest
le fait que f ` g P Lp lorsque f et g sont dans Lp . Cela dcoule du fait que la fonction : x xp
est convexe, de telle sorte que
paq ` pbq
a`b
,
(18.24)
2
2
ou encore
pa ` bqp 2p1 pap ` bp q
(18.25)
1127
18.3. ESPACES LP
Lopration f
}f }p nest pas une norme sur Lp parce que pour f presque partout nulle, nous
avons |f |p 0. Il y a donc des fonctions non nulles sur lesquelles }.}p sannule.
Lemme 18.13.
Si f P Lp pq et f g, alors g P Lp pq et }f }p }g}p .
Dmonstration. Soit hpxq |gpxq|p |f pxq|p ; cest une fonction par hypothse presque partout
nulle et donc intgrable sur ; son intgrale y vaut zro. Nous avons
p
p
(18.26)
|f pxq| dpxq
|f pxq| ` hpxq dpxq |gpxq|p dpxq.
Cela prouve que la dernire intgrale existe et vaut la mme chose que la premire.
Nous pouvons donc considrer la norme |.|p comme une norme sur lensemble des classes plutt
que sur lensemble des fonctions. Nous notons Lp lensemble des classes des fonctions de Lp . Cet
espace est muni de la norme
}rf s}p }f }p ,
(18.27)
1{p
p
}rf s}p
|f pxq| dpxq
(18.28)
|f pxq|p dpxq 0,
(18.29)
(18.30)
puis nous posons uk pxq |hk pxq f pxq|p . Notons que ce uk est une vraie fonction, pas une classe.
Et en plus cest une fonction positive. Nous avons
Vu que uk est une fonction positive la suite des sommes partielles de k uk est croissante et vrifie
donc le thorme de la convergence monotone 7.129 :
8
8
8
uk pxq dpxq
uk pxqdpxq
2kp 8.
(18.32)
k0
k0
k0
Le fait que lintgrale de la fonction k uk est finie implique que cette fonction est finie -presque
partout. Donc le terme gnral tend vers zro presque partout, cest dire
|hk pxq f pxq|p 0.
(18.33)
1128
Est-ce quon peut faire mieux que la convergence ponctuelle presque partout dune sous-suite ?
En tout cas on ne peut pas esprer grand chose comme convergence pour la suite elle-mme, comme
le montre lexemple suivant.
Exemple 18.15
Nous allons montrer une suite de fonctions qui converge vers zro dans Lp r0, 1s (avec p 8) mais
qui ne converge ponctuellement pour aucun point. Cet exemple provient de bibmath.net.
Nous construisons la suite de fonctions par paquets. Le premier paquet est form de la fonction
constante 1.
Le second paquet est form de deux fonctions. La premire est 1r0,1{2s et la seconde 1r1{2,1s .
Plus gnralement le paquet numro k est constitu des k fonctions 1ri{k,pi`1q{ks avec i
0, . . . , k 1.
Vu que les fonctions du paquet numro k ont pour norme }f }p k1 , nous avons videmment
fn 0 dans Lp . Il est par contre visible que chaque paquet passe en revue tous les points de r0, 1s.
Donc pour tout x et pour tout N , il existe (mme une infinit) n N tel que fn pxq 1. Il ny a
donc convergence ponctuelle nulle part.
4
La proposition suivante est une espce de convergence domine de Lebesgue pour Lp .
Proposition 18.16.
Soit f P Lp pq avec 1 p 8 et pfn q une suite de fonctions convergeant ponctuellement vers f
Lp
et telle que |fn | |f |. Alors fn f .
Dmonstration. Nous avons immdiatement |fn pxq|p |f pxq|p , de telle sorte que le thorme de la
convergence domine implique que fn P Lp . La convergence domine donne aussi que }fn }p }f }p ,
mais cela ne nous intresse pas ici.
Nous posons hn pxq |fn pxqf pxq|. En reprenant la formule de majoration (18.25) et en tenant
compte du fait que |fn pxq| |f pxq|, nous avons
`
p
p
|fn pxq f pxq| dx
lim hn pxqdx 0.
(18.35)
lim }fn f }p lim
n8
18.3.2
n8
Rd
Rd n8
Lespace L8
Il nest pas possible de dfinir le supremum dune fonction dfinie ensemble de mesure nulle
prs parce que toute classe contient des fonctions qui peuvent tre arbitrairement grandes en
nimporte que point. Nous cherchons alors dfinir une notion de supremum qui ne tient pas
compte des ensembles de mesure nulle.
Dfinition 18.17.
Soit f : C. Un nombre M est un majorant essentiel de f si
`
|f pxq| M 0.
(18.36)
Nous posons alors N8 pf q inftM tel que |f pxq| M presque partoutu. Cela revient prendre
le supremum ensemble de mesure nulle prs. Nous dfinissons alors les espaces de Lebesgue
correspondants :
L8 pq tf : C tel que N8 pf q 8u,
(18.37)
et L8 en est le quotient usuel. Dans ce contexte nous notons }f }8 le supremum essentiel de f , qui
est indpendant de la classe.
1129
18.3. ESPACES LP
18.3.3
f
d pf qd.
R R et une
(18.38)
Dmonstration. Soit a P R et le nombre ca donn par la proposition 11.223 : pour tout P nous
avons
`
f pq f paq ca pq a .
(18.39)
souvenant que d 1 :
a
pf qd f paqd ca
pf qd f paq ca pa aq
f paq pf qd.
(18.40a)
(18.40b)
(18.40c)
| psqdpsq| }}p .
(18.41)
Dmonstration. Il suffi dutiliser lingalit de Jensen sur la fonction convexe f pxq |x|p . Nous
avons alors
p
| psqdpsq|
|psq|p dpsq,
(18.42)
cest dire
psqdpsq|
1{p
|psq|p dpsq
}}p
(18.43)
Plus gnralement si
1
p
1
q
1
r
1
p
1
q
1. Si f P Lp pq, g P Lq pq,
}f g}1 }f }p }g}q .
(18.44)
}f g}r }f }p }g}q
(18.45)
alors
d 1.
1130
Dmonstration. Nous allons prouver lingalit (18.45). Dabord nous supposons }g}q 1 et nous
posons
A tx P tel que |gpxq| 0u.
(18.46)
Hors de A, les intgrales que nous allons crire sont nulles. Nous avons
p{r
(18.47)
et le coup tordu est de considrer cette intgrale comme tant une intgrale par rapport la mesure
|g|q d qui a la proprit dtre une mesure de probabilit par hypothse sur g. Nous pouvons
alors utiliser lingalit de Jensen 4 parce que p{r 1, ce qui fait de x |x|p{r une fonction
convexe. Nous avons alors
` r rq p{r q
p
}f g}r
|f | |g|
|g| d
(18.48a)
A
|f |p |g|pprqq{r |g|q d
(18.48b)
p
}f g}r
|f |p d }f }pp .
(18.49)
A
La dernire ingalit est le fait que le domaine A nest pas tout le domaine .
Si maintenant }g}q 1 alors nous calculons
}f g}r }g}q }f
en appliquant la premire partie la fonction
g
}r }g}q }f }p
}g}q
g
}g}q
(18.50)
Remarque 18.21.
Dans le cas dun espace de probabilit, la fonction constante g 1 appartient Lp pq. En prenant
p q 2 nous obtenons
}f }1 }f }2 .
(18.51)
Lemme 18.22.
Lorsque I est born nous avons L2 pIq L1 pIq. Si I nest pas born alors L2 pIq L1loc pIq.
Dmonstration. En effet si I est born, alors la fonction constante 1 est dans L2 pIq et lingalit
de Hlder 18.20 nous dit que le produit 1u est dans L1 pIq.
Si I nest pas born, nous refaisons le mme raisonnement sur un compact K de I.
Proposition 18.23 (Ingalit de Minkowski[236, 237]).
Si 1 p 8 et si f, g P Lp p, A, q alors
(1) }f ` g}p }f }p ` }g}p
(2) Il y a galit si et seulement si les vecteurs f pxq et gpxq sont presque partout colinaires :
il existe , tels que f ` g 0 presque partout.
`
f px, yqdpyq
}fy }p dpyq
(18.52)
1131
18.3. ESPACES LP
La partie (3) est une gnralisation de lingalit triangulaire (cest dire du point (1)) dans le
cas o nous navons pas une somme de deux fonctions mais dune infinit paramtre par y P Y .
Elle sera le plus souvent utilise sous la forme dballe :
X
18.3.4
|f px, yq|dpyq
1{p
1{p
|f px, yq|p dpxq
dpyq.
dpxq
(18.53)
Ni inclusions ni ingalits
Aucun espace Lp pRq nest inclus dans aucun autre ni aucune norme nest plus grande quune
autre (sur les intersections). Nous verrons
`
cependant en la proposition 18.24 que de telles inclusions
et ingalits sont possibles pour Lp r0, 1s .
Nous allons donner des exemples de tout a en supposant p q et en nous appuyant lourdement
sur les intgrales de x1 tudies par la proposition 13.76.
Lp Lq La fonction
f pxq
1
x1{q
si 0 x 1
sinon
(18.54)
1
0
Lq Lp La fonction
f pxq
1
xp{q
1
0
dx 8
1
dx 8.
x
1
x1{p
si x 1
sinon
(18.55)
(18.56)
(18.57)
Exemple de }f }p }f }q La fonction
f pxq
(18.58)
dx 8.
(18.59)
1 si x P r0, 2s
0 sinon.
(18.60)
1
8
x
xq{p
Nous avons
}f }p 21{p
1{q
}f }q 2
(18.61a)
.
(18.61b)
Exemple de }f }p }f }q La fonction
#
1
f pxq
0
si x P r0, 12 s
sinon.
(18.62)
1132
}f }p
21{p
}f }q
21{q
(18.63a)
(18.63b)
et donc }f }p }f }q .
Ces exemples donnent un exemple de fonction f telle que }f }p }f }q pour tout espace Lp pIq
et Lq pIq avec I R. Par contre lexemple }f }p }f }q ne fonctionne que si la taille de I est plus
grande que 1. Et pour cause : il y a des inclusions si I est born.
Proposition 18.24 ([29]).
Inclusions et ingalits dans le cas dun ensemble de mesure finie.
(1) Soit p, A, q un espace mesur fini et 1 p `8. Alors Lq pq Lp pq ds que p q.
`
Dmonstration. Pour la simplicit des notations nous allons noter Lp pour Lp pq, et pareillement
pour Lq . Soit f P Lq . Nous posons
A tx P r0, 1s tel que |f pxq| 1u.
(18.64)
}f }1 }|f |p }1 }f }pp .
(18.65)
tant
donn que p q nous avons |f |p |f |q sur A ; par consquent A |f |p converge parce que
q
A |f | converge.
Lensemble Ac est videmment
born (complmentaire dans ) et sur Ac nous avons |f pxq| 1
p
et donc |f | 1. Lintgrale Ac |f |p converge donc galement.
Au final |f |p converge et f P Lp .
Soit prsent f P L2 ; par le premier point nous avons immdiatement f P L2 X Lp . Soit aussi
1
` 1r 1. Nous avons |f |p P L2{p , et vu que nous sommes sur un domaine born,
r P R tel que 2{p
1 P Lr . Nous crivons lingalit de Hlder (18.44) avec ces fonctions. Dune part
Dautre part
p
}|f | }2{p
|f |
p{2
}f }p2 .
(18.66)
Nous navons cependant pas L2 r0, 1s Lp r0, 1s parce que lexemple (18.54) fonctionne encore :
1
f pxq ?
x
(18.67)
(18.68)
18.3.5
1
0 xp{2
8 parce que 1 p 2.
Compltude
1
8
x
1133
18.3. ESPACES LP
Dmonstration. Soit pfn qnPN une suite de Cauchy dans Lp . Pour tout i, il existe Ni P N tel que
}fp fq }p 2i pour tout p, q Ni . Nous considrons la sous suite gi fNi , de telle sorte quen
particulier
}gi gi1 }p 2i .
(18.69)
i1
|gj | |g0 | `
Nous allons noter
hj |g0 | `
(18.70)
pgi gi1 q
|gi gi1 |.
(18.71)
|gi gi1 |.
(18.72)
i1
j
i1
La suite de fonctions phj q ainsi dfinie est une suite croissante de fonctions positive qui converge
donc (ponctuellement) vers une fonction h qui peut ventuellement valoir linfini en certains points.
Par continuit de la fonction x xp nous avons
lim hpj hp ,
(18.73)
j8
p
hj d
hp d.
lim
j8
(18.74)
j8
hpj
1{p
|h|
1{p
(18.75)
1{p
(18.76)
(18.77)
(18.78)
lim }hj }p
j8
|h|
o, encore une fois, rien ne garantit ce stade que lintgrale droite soit un nombre fini. En
utilisant lingalit de Minkowski (proposition 18.23) et lingalit (18.69) nous trouvons
}hj }p }g0 }p `
En passant la limite,
|h|
1{p
i1
j8
h P Lp p, A, q.
(18.79)
En particulier, lintgrale h est finie (parce que p 1) et donc que hpxq 8 pour presque tout
x P .
Nous savons que hpxq est la limite des sommes partielles (18.72), en particulier la srie
8
j1
|gi gi1 |
(18.80)
1134
converge ponctuellement. En vertu du corollaire 7.136, la srie de terme gnral gi gi1 converge
ponctuellement. La suite gi converge donc vers une fonction que nous notons g. Par ailleurs la suite
gi est domine par h P Lp , le thorme de la convergence domine (thorme 7.134) implique que
lim }gj g}p 0.
(18.81)
j8
Nous allons maintenant prouver que limn8}fn g}p 0. Soit 0. Pour tout n et i nous avons
}fn g}p }fn fNi ` fNi g}p }fn fNi }p ` }fNi g}p .
(18.82)
Pour rappel, fNi gi . Si i et n sont suffisamment grands nous pouvons obtenir que chacun des
deux termes est plus petit que {2.
Il nous reste prouver que g P Lp p, A, q. Nous avons dj vu (quation (18.79)) que h P Lp ,
mais |gi | hp , par consquent g P Lp .
Nous avons donc montr que la suite de Cauchy pfn q converge vers une fonction de Lp , ce qui
signifie que Lp est complet.
Thorme 18.27 (Fischer-Riesz[1]).
Soit un ouvert de Rn et p P r1, 8s. Alors
(1) Toute suite convergente dans Lp pq admet une sous-suite convergente presque partout sur
.
(2) La sous-suite donne en (1) est domine par un lment de Lp pq.
(3) Lespace Lp pq est de Banach.
Dmonstration. Le cas p 8 est sparer des autres valeurs de p parce quon y parle de norme
uniforme, et aucune sous-suite nest considrer.
Cas p 8. Nous commenons par prouver dans le cas p 8. Soit pfn q une suite de Cauchy
dans L8 pq, ou plus prcisment une suite de reprsentants dlments de Lp . Pour tout
k 1, il existe Nk 0 tel que si m, n Nk , on a
1
.
k
En particulier, il existe un ensemble de mesure nulle Ek sur lequel
}fm fn }8
(18.83)
1
,
k
(18.84)
1
k
(18.85)
et si nous posons E kPN Ek , nous avons encore un ensemble de mesure nulle (lemme
7.34). En rsum, nous avons un Nk tel que si m, n Nk , alors
pour tout x hors de E. Donc pour chaque x P zE, la suite n fn pxq est de Cauchy dans
R et converge donc. Cela dfini donc une fonction
f : zE R
x lim fn pxq.
(18.86)
n8
1
.
k
(18.87)
Donc non seulement f est dans L8 , mais en plus la suite pfn q converge vers f au sens L8 ,
cest dire uniformment. Cela prouve le point (3). En ce qui concerne le point (2), la suite
fn est entirement ( partir dun certain point) domine par la fonction 1 ` |f | qui est dans
Lp .
1135
18.3. ESPACES LP
Cas p 8. Toute suite convergente tant de Cauchy, nous considrons une suite de Cauchy
pfn q dans Lp pq et ce sera suffisant pour travailler sur le premier point. Pour montrer
quune suite de Cauchy converge, il est suffisant de montrer quune sous-suite converge.
Soit : N N une fonction strictement croissante telle que pour tout n 1 nous ayons
}fpn`1q fpnq }p
1
.
2n
(18.88)
Pour crer la fonction , il est suffisant de prendre le Nk donn par la condition de Cauchy
pour 1{2k et de considrer la fonction dfinie par rcurrence par p1q N1 et pn`1q
maxtNn , pn 1qu. Ensuite nous considrons la fonction
gn pxq
k1
(18.89)
Notons que pour crire cela nous avons considr des reprsentants fk qui sont alors des
fonctions lancienne. tant donn que gn est une somme de fonctions dans Lp , cest une
fonction Lp , comme nous pouvons le constater en calculant sa norme :
}gn }p
k1
}fpk`1q fpkq }p
8
n
1
1
1.
k
2
2k
k1
k1
(18.90)
tant donn que tous les termes de la somme dfinissant gn sont positifs, la suite pgn q est
croissante. Mais elle est borne en norme Lp et donc sujette obir au thorme de BeppoLevi 7.129 sur la convergence monotone. Il existe donc une fonction g P Lp pq telle que
gn g presque partout.
Soit un x P pour lequel gn pxq gpxq ; alors pour tout n 2 et @q 0,
q1
q1
k1
k1
q
q
fpn`kq
fpn`k1q pxq
k1
k1
q
(18.91a)
(18.91b)
(18.91c)
k1
(18.91d)
(18.91e)
(18.92)
pour tout q. Donc pour presque tout x P , la suite n fpnq pxq est de Cauchy dans
donc y converge vers un nombre que nous nommons f pxq. Cela dfinit une fonction
f : zE R
R et
(18.93)
n8
o E est de mesure nulle. Montrons que f est bien dans Lp pq ; pour cela nous compltons
la srie dingalits (18.91) en
(18.95)
1136
(18.96b)
La premire ingalit assure que |f |p est intgrable sur zE parce que |f | est majore par
|g| ` |fpnq |. Elle prouve par consquent le point (1) parce que n fpnq est une sous-suite
convergente presque partout. La seconde montre le point (2).
Attention : ce point nous avons prouv que n fpnq est une suite de fonctions qui
converge ponctuellement presque partout vers une fonction f qui savre tre dans Lp . Nous
navons pas montr que cette suite convergeait au sens de Lp vers f . Ce que nous devons
montrer est que
}f fpnq }p 0.
(18.97)
(18.98)
ce qui signifie que la suite 5 |f fpnq |p est domine par la fonction |g|p qui est intgrable
sur zE et tout autant sur parce que E est ngligeable ; cela prouve au passage le point
(2), et le thorme de la convergence domine de Lebesgue (7.134) nous dit que
(18.99)
lim f pxq fpnq pxqdx 0.
f pxq fpnq pxq dx
lim
n8
n8
n8
(18.100)
Nous en dduisons que la suite n fpnq est convergente vers f au sens de la norme Lp pq.
Or la suite de dpart pfn q tait de Cauchy (pour la norme Lp ) ; donc lexistence dune
sous-suite convergente implique la convergence de la suite entire vers f , ce quil fallait
dmontrer.
18.3.6
Lespace L2
Lespace L2 est lespace Lp dfinit la section 18.3 avec p 2. Cependant il possde une
proprit extraordinaire 6 par rapport aux autres Lp , cest que la norme |.|2 drive dun produit
scalaire. Il sera donc un espace de Hilbert.
Nous en rappelons la construction. Soit p, A, q un espace mesur. Nous considrons lopration
xf, gy
f pqgpqdpq
(18.101)
et la norme associe
}f }2
xf, f y.
L2 p, q tf : R tel que }f }2 8u
(18.102)
(18.103)
1137
18.3. ESPACES LP
Dfinition 18.28.
Nous dfinissons le quotient
L2 p, q L2 p, q{ .
(18.104)
Lemme 18.29.
La formule (18.101) dfinit un produit scalaire sur L2 , et ce dernier est un espace de Hilbert.
Dmonstration. Dabord si f et g sont dans L2 , alors lingalit de Hlder (proposition 18.20) nous
indique que le produit f g est un lment de L1 . Par consquent la formule a un sens.
Ensuite nous montrons que la formule passe au quotient. Pour cela, nous considrons des
fonctions et nulles presque partout et nous regardons le produit de f1 f ` par g1 g ` :
xf1 , g1 y
(18.105)
f g ` f ` g ` .
Les fonction f , g et tant nulles presque partout, leur intgrale est nulle et nous avons bien
xf1 , g1 y xf, gy. Nous pouvons donc considrer le produit sur lensemble des classes.
Pour vrifier que la formule est un produit scalaire, le seul point non videment est de prouver
que xf, f y 0 implique f 0. Cela dcoule du fait que
xf, f y
|f |2 .
(18.106)
La fonction x |f pxq|2 vrifie les hypothses du lemme 7.123. Par consquent |f pxq|2 est presque
partout nulle.
En ce qui concerne le fait que L2 pq soit un espace de Hilbert, il sagit simplement de se
remmorer que cest un espace complet (thorme 18.26) et dont la norme drive dun produit
scalaire. Nous sommes donc bien dans la dfinition 17.2.
Attention : dans 18.3.6, le produit scalaire a t dfini avec un coefficient 1{2. Voir lquation
(18.109).
Nous notons ici une consquence du thorme 18.27 dans le cas de lespace L2 . La proposition
suivante est une petite partie du corollaire 17.39, qui sera dailleurs dmontr de faon indpendante.
Proposition 18.30.
2
Si nous avons une suite de rels pak q telle que 8
k0 |ak | 8 alors la suite
fn pxq
ak eikx
(18.107)
k0
Dmonstration. Quitte sparer les parties relles et imaginaires, nous pouvons faire abstraction
du fait que nous parlons dune srie de fonctions valeurs dans C au lieu de R.
Un simple calcul est :
}fn fm }2
2
m
0
kn
|ak |2 dx 2
kn
|ak |2 .
(18.108)
Par hypothse le membre de droite est |sm sn | o sk dnote la suite des somme partielle de la
srie des |ak |2 . Cette dernire est de Cauchy (parce que convergente dans R) et donc la limite
n 8 (en gardant m n) est zro. Donc la suite des fn est de Cauchy dans L2 et donc converge
dans L2 .
1138
18.3.7
Nous utilisons ici des rsultats de bases hilbertiennes de la sous-section 17.3.4. Nous considrons
lespace de Hilbert L2 rT {2, T {2s muni du produit scalaire 7
xf, gy
1
T
T {2
T {2
f ptqgptqdt.
(18.109)
Pour toute fonction pour laquelle a a un sens (que ce soit des fonctions L2 ou non), nous
posons
1 T {2
cn pf q
f ptqe2int{T dt.
(18.110)
T T {2
Ces nombres sont les coefficients de Fourier de f . Leur importance dans le cadre de L2 provient
du fait que la famille de fonctions
ek ptq e2ikt{T
(18.111)
est une base hilbertienne de L2 rT {2, T {2s et que
cn pf q xf, en y.
(18.112)
Nous pouvons tre plus prcis. Pour un lment donn f P L2 r0, 2s , nous dfinissons
Sn f
xf, ek yek
(18.113)
kn
et nous avons le thorme suivant, qui rcompense les efforts consentis propos de la densit des
polynmes trigonomtriques dans L2 .
Thorme` 18.31.
Soit f P L2 r0, 2s . Nous avons galit 8
nPZ
cn pf qen
(18.114)
dans L2 .
Nous avons aussi la convergence
L2
(18.115)
`
Dmonstration. Le systme trigonomtrique ten unPZ est total pour lespace de Hilbert L2 r0, 2s
(sans priodicit particulire). Donc le point (1) du thorme 17.34 nous donne lgalit demande.
La convergence (18.115) est une reformulation de lgalit (18.114).
Sn f f.
Si nous voulons une vraie convergence ponctuelle voir uniforme pSn f qpxq f pxq, alors il faut
ajouter des hypothses sur la continuit de f , sa priodicit ou le comportement des coefficients
cn .
Remarque 18.32.
Obtenir la convergence L2 ne demande pas dhypothse de priodicit
est automatique du fait que le systme trigonomtrique soit total. Ce
quune convergence L2 et elle ne demande pas f p0q f p2q, mme si
avons ek p0q ek p2q.
Si f p2q f p0q, alors il existe une suite pfn q convergente vers f au
fn p2q.
: la convergence (18.115)
nest cependant pas plus
pour chacun des ek nous
sens L2 telle que fn p0q
7. Attention la convention : nous mettons un coefficient qui nest pas dans la dfinition gnrale (18.101).
8. Notons que la somme sur Z dans (18.114) est commutative ; il nest donc pas besoin dtre plus prcis.
1139
18.4. CONVOLUTION
18.4
Convolution
f pyqgpx yqdy.
pf gqpxq
Rn
(18.116)
(18.117)
(2) f g P L1 pRn q.
(3) }f g}1 }f }1 }g}1 .
Lemme 18.34.
Le produit de convolution est commutatif : f g g f .
8
8
pf gqpxq
f pyqgpx yqdy
dy1 . . .
dyn f pyqgpx yq.
Rn
(18.118)
pf gqpxq
gpzqf px zqdz pg f qpxq.
(18.119)
Rn
Attention : on pourrait
y donne dz dy. Mais en
8
`8 croire quun signe apparat du fait que z x
ralit, lintgrale 8 devient par le mme changement de variables `8 qui redonne un nouveau
signe au moment de remettre dans lordre.
Proposition 18.35.
Si 1 p 8 et si f P Lp pRd q et g P L1 pRd q alors
(1) f g P Lp
(2) }f g}p }f }p }g}1 .
Cette proposition est une consquence de lingalit de Minkowski sous forme intgrale :
18.23(3).
Dmonstration. La fonction quil faut intgrer pour obtenir f g est f ptqgpx tq, dont la drive
par rapport x est f ptqg 1 px tq. La norme de cette dernire est majore (uniformment en x) par
Gptq |f ptq|}g 1 }8 . La fonction f tant dans L1 pRq, la fonction G est intgrable et le thorme de
drivation sous lintgrale (thorme 13.180) nous dit que f g est drivable et
d
1
pf gq pxq
f ptqgpx tqdt
f ptqg 1 px tqdt pf g 1 qpxq.
(18.120)
dx R
R
Corollaire 18.37.
Si f P L1 pRd q et si g est de classe C 8 , alors f g est de classe C 8 .
Dmonstration. Il sagit ditrer la proposition 18.36.
1140
18.4.1
Dfinition 18.38.
Une fonction est tage par rapport Lp si elle est de la forme
f
o les Bk sont des mesurables disjoints et
ck 1Bk
(18.121)
k1
Lemme 18.39.
Si f est une fonction tage en mme temps qutre dans Lp , alors elle est tage par rapport
Lp .
Dmonstration. Nous pouvons crire
f
ck 1Bk
(18.122)
k1
o les Bk sont disjoints. Par hypothse }f }p existe. Donc chacune des intgrales |1Bk |p doit
exister parce que les Bk tant disjoints, nous pouvons inverser la norme et la somme ainsi que la
somme et lintgrale :
|f |
k1
k1
k1
|ck |
(18.123)
Le contraire nest pas vrai : la fonction tage sur R qui vaut n sur Bpn, 14 q est tage par
rapport Lp , mais nest pas dans Lp .
Lensemble Cc8 pRd q des fonction de classe C 8 et support compact sur Rd est souvent galement not DpRd q.
Thorme 18.40 ([236]).
Nous avons des densits emboites. Ici D est un borlien born de
est un compact contenant Bp0, r ` 2q.
(1) Les fonctions tages par rapport Lp sur Rd sont denses dans Lp pRd q. A fortiori les
fonctions tages sont denses dans Lp , mais nous nen aurons pas besoin ici.
(2) Il existe une suite fn dans CpK, Cq telle que
Lp
fn 1D .
(3) Si A est un borlien tel que
borne pDn qnPN tels que
(18.124)
L
1Dn
1A .
(18.125)
(4) Il existe une suite n dans DpRd q Cc8 pRd q telle que
Lp
n 1D .
(18.126)
(5) Lensemble DpRd q Cc8 pRd q est dense dans Lp pRd q pour tout 1 p 8.
Dmonstration. Nous allons montrer les choses point par point.
9. Je pense que cette hypothse manque dans [236]. En tout cas je vois mal comment je pourrais justifier les diffrentes
tapes de la preuve en prenant par exemple A Rd .
1141
18.4. CONVOLUTION
(1) Si f P L1 pRd q, nous savons par la proposition 7.106 quil existe une suite fn de fonctions
tages convergeant ponctuellement vers f telle que |fn | |f |. La proposition 18.16 nous
Lp
dit qualors fn f .
La fonction fn tant tage et dans Lp en mme temps, elle est automatiquement tage
par rapport Lp par le lemme 18.39.
(2) Cest le thorme dapproximation 13.10 appliqu au borlien D contenu dans lespace
mesur K.
(3) En vertu du point (2), il existe f P C 0 pK, Rq telle que
}f 1D }p .
(18.127)
} f } .
En combinant et en passant {2 nous avons trouv une fonction P C 8 pK, Rq telle que
} 1D } .
(18.130)
(4) Nous considrons les borliens ferms Dn A X Bp0, nq. Alors 1Dn P Lp et nous avons pour
n assez grand :
Rd
Rd zBp0,nq
|1A pxq|p ,
(18.131)
L
1Dn
1A .
(5) Il suffit de remettre tout ensemble. Si f P Lp pRd q, par le point (2) nous commenons par
prendre tage par rapport Lp telle que
(18.132)
} f }p .
Ensuite nous crivons sous la forme
ck 1Bk
(18.133)
k1
et nous appliquons le point (3) chacune des 1Bk pour trouver des borliens borns Dk tels
que
}1Dk 1Bk }p .
(18.134)
Enfin nous appliquons le point (4) pour trouver des fonctions k P Cc8 pRd q telles que
}k 1Dk }p .
(18.135)
ck k f p 2 ck ` .
k1
(18.136)
1142
Corollaire 18.41.
`
Dmonstration. Nous savons du thorme 18.40(5) que Cc8 r0, 1s est dense dans Lp . Mais nous
avons videmment Cc8 L2 X Lp , donc L2 X Lp est dense dans Lp .
Lemme 18.42.
Soit f P L2 pIq telle que
f 0
(18.137)
g xf, gy
f g.
(18.138)
Par densit 11 nous pouvons aussi considrer une suite pn q dans Cc8 pIq convergent vers f dans
L2 . Alors nous avons pour tout n :
xf, n y 0.
(18.139)
Ce rsultat est encore valable dans les espaces Lp (proposition 18.50), mais il demande le
thorme de reprsentation de Riesz 12 .
Lemme 18.43 ([236]).
Soit 1 p 8 et f P Lp pq. Nous notons v loprateur de translation par v :
Alors sans surprises,
v f : x f px vq.
(18.140)
lim }v f }p 0.
(18.141)
v0
18.4.2
Dans la suite E 1 est le dual topologique, cest dire lespace des formes linaires et continues
sur E.
Proposition 18.44.
Soit un espace mesur -fini p, A, q et une fonction f P Lp pq telle que
f 0
(18.142)
Dmonstration.Vu que est -finie, nous pouvons considrer des parties Kn de telles que
pKn q 8 et n Kn . Nous posons
`
1143
18.4. CONVOLUTION
Cela est une partie mesurable de mesure finie de , donc n 1An P Lq pq et nous avons
f 0.
(18.144)
An
(18.145)
Ce ensemble est union dnombrable densembles de mesure nulle ; donc pAq 0. Nous faisons
de mme pour les ensembles Repf q 0, Impf q 0 et Impf q 0. Au final, lensemble tx P
tel que f pxq 0u est de mesure nulle, cest dire que f 0 au sens des classes de Lp .
1
p
1
q
1. Lapplication
`
1
: Lq r0, 1s Lp r0, 1s
g pf q
f g.
(18.146)
r0,1s
Dmonstration. Pour la simplicit des notations nous allons noter L2 pour L2 r0, 1s , et pareillement pour Lp .
|g pf q|
|f g| }f g}1 }f }p }g}q .
(18.147)
r0,1s
}g } sup g pf q }g}q .
}f }p 1
(18.148)
Cela signifie que lapplication g est borne et donc continue par la proposition 6.217. Nous
avons donc bien g P pLp q1 .
Isomtrie Afin de prouver que }g } }g}q nous allons trouver une fonction f P Lp telle que
|g pf q|
}f }p }g}q . De cette faon nous aurons prouv que |g | }g}q , ce qui conclurait que
|g | }g}q .
Nous posons f g|g|q2 , de telle sorte que |f | |g|q1 et
}f }p
|g|
ppq1q
1{p
|g|
1{p
}g}q{p
q
(18.149)
o nous avons utilis le fait que ppq 1q q. La fonction f est donc bien dans Lp . Dautre
part,
q2
g pf q f g g|g| g |g|q }g}qq .
(18.150)
Donc
q q
|g pf q|
}g}q p }g}q
}f }p
q
p
qpp1q
p
1.
(18.151)
1144
Surjectif Soit ` P pLp q1 ; cest une application ` : Lp C sont nous pouvons prendre la restriction L2 parce que la proposition 18.24 nous indique que L2 Lp . Nous nommons
: L2 C cette restriction.
P pL2 q1 Nous devons montrer que est continue pour la norme sur L2 . Pour cela nous
montrons que sa norme oprateur (subordonne la norme de L2 et non de Lp ) est
finie :
|`pf q|
|pf q|
sup
8.
(18.152)
sup
f PL2 }f }p
f PL2 }f }2
g pfn q
fn g
|g|q .
(18.153)
0
|g|n
}`}
|g|n
}`}
|g|n
|g|pq1qp
|g|
1{p
(18.154a)
1{p
(18.154b)
(18.154c)
o nous avons nouveau tenu compte du fait que ppq 1q q. En combinant avec
(18.153) nous trouvons
1{p
et donc
cest dire
|g|n
|g|q }`}
|g|n
1 1
|g|
|g|q
|g|q
|g|n
|g|n
1{q
}`},
}`}.
(18.155)
(18.156)
(18.157)
Si ce ntait pas encore fait nous nous fixons un reprsentant de la classe g (qui est dans
L2 ), et nous nommons galement g ce reprsentant. Nous posons alors
gn |g|q 1|g|n
(18.158)
qui est une suite croissante de fonctions convergeant ponctuellement vers |g|q . Le thorme de Beppo-Levi 7.129 nous permet alors dcrire
1
q
lim
|g|
|g|q .
(18.159)
n8 |q|n
Mais comme pour chaque n nous avons |g|n |q|q }`}q , nous conservons lingalit
la limite et
1
|g|q }`}q .
(18.160)
Cela prouve que g P Lp .
1145
18.4. CONVOLUTION
18.41 nous pouvons considrer une suite pfn q dans L2 telle que fn f . Pour tout n
nous avons
`pfn q g pfn q.
(18.161)
Lp
(18.162)
1
gd P S,
(18.163)
pEq e
alors gpxq P S pour presque tout x P X.
Dmonstration. Soit D Bpa, rq un disque ferm dans le complmentaire de S (ce dernier tant
ferm, le complmentaire est ouvert). Posons E g 1 pDq. Prouvons que pEq 0 parce que cela
prouverait que gpxq P D pour seulement un ensemble de mesure nulle. Mais S c pouvant tre crit
14
c
comme une union
dnombrable de disques ferms , nous aurions gpxq P S presque nulle part.
1
Vu que pEq E a a nous avons
1
1
1
gd a
pg aq
|g a|
pEqr r.
(18.164a)
pEq
pEq E
pEq E
pEq
Donc
1
gd P D,
pEq E
ce qui est une contradiction avec le fait que D S c .
g pf q
f gd
(18.165)
1
p
1
q
1. Alors lapplication
(18.166)
Note : ici nous considrons dans Lp des fonctions valeurs complexes, et donc les lments du
dual sont des applications linaires continues valeurs dans C.
Dmonstration. Nous commenons par prouver que est injectif. Soient g, g 1 P Lq tels que g
g1 . Alors pour tout f P Lp nous avons
f pg g 1 qd 0.
(18.167)
1146
Une mesure complexe Si E P A nous notons pEq p1E q. Nous prouvons maintenant
que est une mesure complexe 15 sur p, Aq. a seule condition pas facile est la condition
de dnombrable additive. Il est dj facile de voir que A et B sont disjoints, pA
Y Bq
pAq ` pBq.
des ensembles An deux deux disjoints et posons Ek ik Ai
Soient ensuite
pour avoir k Ak k Ek avec lavantage que les Ek soient embots. Cela donne
}1E 1Ek }p pEzEk q1{p ,
(18.168)
1{p
(18.169)
et vu que Ek E est une suite croissante, le lemme 7.27(1), sachant que est une mesure
normale , donne
`
lim pEk q
Ek .
(18.170)
n8
Donc effectivement pEk q pEq et donc oui : pEzEk q 0. Jusqu prsent nous avons
lim }1E 1Ek }p 0,
k8
cest dire
(18.171)
L
1Ek
1E . La continuit de sur Lp donne alors
k8
k8
k8
(18.172)
i1 pAi q
ik
pAi q
(18.173)
(18.174)
pAq
gd.
(18.175)
A
gd
g1A d.
(18.176)
Nous avons donc exprim comme une intgrale pour les fonctions caractristiques densembles.
Pour les fonctions tages Par linarit si f est mesurable et tage nous avons aussi
pf q
f gd g pf q.
(18.177)
1147
18.4. CONVOLUTION
Pour f P L8 pq Une fonction f P L8 est une fonction presque partout borne. Nous supposons
que f est presque partout borne par M . Par ailleurs cette f est limite uniforme de fonctions
tages : }fk f }8 0 en posant fk f 1|f |k . Pour chaque k nous avons lgalit
g pfk q pfk q.
(18.178)
k8
Lp
(18.180)
De L8 Lp Soit f P Lp . Si nous avions une suite pfn q dans L8 telle que fn f alors
lim pfn q pf q par continuit de . La difficult est de trouver une telle suite de faon
pouvoir permuter lintgrale et la limite :
fn g
lim fn g
f g g pf q.
(18.181)
lim
n8
n8
Lp
fn g pfn q.
(18.182)
Soit g ` la partie relle positive de g. Alors nous avons la limite croissante ponctuelle fn g `
f g ` et le thorme de la convergence monotone 7.129 nous permet dcrire
`
lim fn g f g ` .
(18.183)
n8
Faisant cela pour les trois autres parties de g nous avons prouv que si f P Lp est relle et
positive,
f g pf q,
(18.184)
(18.185)
pour tout f P Lp pq. Nous avons donc galit de et g dans pLp q1 et donc bijection entre
pLp q1 et Lq .
1148
Isomtrie : mise en place Nous devons prouver que cette bijection est isomtrique. Soit P
pLp q1 et g P Lq telle que g . Il faut prouver que
}g}q }}pLp q1 .
(18.186)
}} }g}q Nous savons que pf q f g, et nous allons crire la dfinition de la norme dans
pLp q1 :
}}pLp q1 sup pf q
(18.187a)
}f }p 1
sup | f g|
sup |f g| .
loomoon
(18.187b)
(18.187c)
}f g}1
(18.188)
| gd| p1E q.
(18.189)
Mais le fait quepq 8 donne que 1E P L1 pq. Donc 1E P L8 X L1 ; nous pouvons alors
crire p1E q 1E gd et donc
(18.190)
| 1E gd| | gd| p1E q }}pL1 q1 }1E }1 }}pEq.
Pour utiliser le lemme 18.46, nous crivons cela dans lautre sens :
1
1
}}
| 1E gd| |
gd|.
pEq
pEq E
Si nous prenons S tt P C tel que |t| }}u, cest un ferm vrifiant que
1
gd P S,
pEq E
(18.191)
(18.192)
donc g P S presque partout, ce qui signifie que }g}8 P S. Nous en concluons que
}g}8 }}
(18.193)
et donc que g P L8 .
Notons que cet argument ne tient pas avec p 1 parce que lquation (18.190) terminerait sur }}pEq1{p . Du coup lensemble S prendre serait S tt P C tel que |t|
}}pEq1{p1 u et nous sommes en dehors des hypothses du lemme parce quil ny a pas
1
d prend ses valeurs.
densemble indpendant de E dans lequel lintgrale pEq
Eg
1 p 8 La fonction
pxq
gpxq
|gpxq|
si gpxq 0
si gpxq 0
(18.194)
a la proprit de faire g |g| en mme temps que |pxq| 1 pour tout x. Nous dfinissons
En tx tel que |gpxq| nu
(18.195)
1149
18.4. CONVOLUTION
et
fn 1En |g q1 |.
(18.196)
(18.197)
sur En . Dans En nous avons |fn | |g q1 | nq1 et dans En nous avons fn 0. Au final,
fn P L8 . Par ce que nous avons vu plus haut, nous avons alors
pfn q g pfn q.
Par ailleurs,
fn g 1En |g q1 |
(18.198)
g
g,
|g|
(18.199)
donc 18
q
| fn gd| |pfn q| }}}fn }p }}
|g|
d
En
En
|fn |p
1{p
}}A1{p
}}
A1{p
En
|g|q
1{p
(18.200)
2
}}1{p A1{p ,
2
1{p
1{p
et donc A }}}} A
. Continuant ainsi injecter lingalit dans elle-mme,
En
1` p1 `...` 1k
p
|g| d }}
q
En
|g| d
1{pk
(18.201)
1
1
p
` ... ` k
q.
p
p
p1
En
|g|q d }}q .
(18.202)
(18.203)
Lintgrale scrit tout aussi bien sous la forme |g|q 1En . La fonction dans lintgrale est
une suite croissante de fonctions mesurables valeurs dans r0, 8s. Nous pouvons alors
permuter lintgrale et la limite n 8 en utilisant la convergence monotone (thorme
7.129) qui donne alors |g|q }}q ou encore
}g}q }}.
(18.204)
Ceci achve de prouver que lapplication g est une isomtrie, et donc le thorme.
Dfinition 18.48.
Un espace V est rflexif si linjection naturelle V V 1 est surjective.
Thorme 18.49 (Thorme de reprsentation de Riesz[241, 136]).
Nous considrons pour ce thorme des fonctions valeurs relles.
Soit lespace mesur p, A, q et 1 p 8.
(1) Lespace Lp pq est rflexif.
17. Cest ici que nous utilisons le lien entre p et q. En loccurrence, de 1{p ` 1{q 1 nous dduisons qpp 1q p.
18. Dans [29], cette quation arrive sans modules, ce qui me laisse entendre que pfn q est rel et positif pour pouvoir
crire que pfn q }}}fn }p , mais je ne comprends pas pourquoi.
1150
1
p
1
q
1 alors lapplication
: Lq pLp q1
f u d
u u : f
(18.205)
(2) L1 pL8 q1 avec une inclusion stricte sauf dans les cas triviaux.
Proposition 18.50.
Soit f P Lp pq telle que
f 0
(18.206)
u
fu
(18.207)
Par hypothse cette forme est nulle sur la partie dense Cc8 pq. Si pn q est une suite dans Cc8 pq
convergente vers u dans Lp , nous avons pour tout n que
0 f pn q
(18.208)
En passant la limite, nous voyons que f est la forme nulle. Elle est donc gale 0 . La partie
unicit du thorme de reprsentation de Riesz 18.49 nous indique alors que f 0 dans Lp et
donc f 0 presque partout.
Proposition 18.51.
Si f P L1loc pIq est telle que
f 1 0
(18.209)
pour tout P Cc8 pIq, alors il existe une constante C telle que f C presque partout.
Dmonstration. Soit P Cc8 pIq une fonction dintgrale 1 sur I. Si w P Cc8 pIq alors nous considrons la fonction
h w w,
(18.210)
I
qui est dans Cc8 pIq et dont lintgrale sur I est nulle. Par la proposition 16.94, la fonction h admet
une primitive dans Cc8 pIq ; et nous notons cette primitive. Lhypothse applique donne
0
fw
f pxqpxqdx
I
loooooooooomoooooooooon
C
wpyqdy
wpf Cq.
(18.211)
Lannulation de la dernire intgrale implique par la proposition 18.50 que f C 0 dans L2 ,
cest dire f C presque partout.
1151
18.4. CONVOLUTION
18.4.3
Approximation de lunit
Nous considrons Rd ou pS 1 qd .
Dfinition 18.52.
Une approximation de lunit sur est une suite pn q dans L1 pq telle que
lim
sup }k }1 8
k
n 1
(18.212a)
(18.212b)
|k | 0
k8 zBp0,q
(18.212c)
1
L pq telle que 1 puis de poser
k pxq k d pkxq.
R ou S 1 .
pyq
(18.214)
pxqn ,
alors nous obtenons une approximation de lunit dans les deux cas suivants :
(1) Soit une fonction continue et positive sur S 1 telle que pxq p0q pour tout x R 2 Z.
dy
Dans ce cas la mesure prendre pour lintgrale est 2
.
(2) Soit est une fonction continue et positive support compact sur
pour tout x 0.
Lp
k g g.
(18.215)
(18.216)
k g g
Dmonstration. Les trois points vont se ressembler.
(18.217)
1152
(1) Nous notons dk pk gqpx0 q gpx0 q et nous devons prouver que dk 0. Vu que k est
dintgrale 1 sur nous pouvons crire
gpx0 yq gpx0 q .
(18.219)
Nous nous restreignons maintenant aux k suffisamment grands pour que ABp0,q |k pyq|dy
. Alors en dcoupant lintgrale en Bp0, q et son complmentaire dans ,
(18.221)
|dk pxq|
}y pgq g}8 |k pyq|dy.
(18.222)
Luniforme continuit de g signifie que pour tout , il existe un tel que pour tout y P
Bp0, q,
}y pgq g}8 .
(18.223)
Encore une fois nous dcoupons le domaine dintgration en B Bp0, q et son complmentaire :
}dk }8
}
}
(18.224a)
y pgq g}8 |k pyq|dy `
y pgq g}8 |k pyq|
loooooomoooooon
loooooomoooooon
B
AB
M ` 2}g}8
2}g}8
(18.224b)
o la seconde ligne est justifie par le choix dun k assez grand pour que AB |k pyq|dy .
Nous avons donc bien }dk }8 0.
(3) Cette fois g P Lp pq et nous cherchons montrer que }dk }p 0. Encore quici dk soit dfini
partir dun reprsentant dans la classe de g et que dailleurs, nous allons travailler avec
ce reprsentant.
Dabord nous dveloppons un peu ce dk :
p 1{p
(18.225a)
}dk }p
gpx yq gpxq k pyqdy dx
1{p
dx
.
(18.225b)
cette dernire expression nous appliquons lingalit de Minkowski (thorme 18.23) sous
la forme (18.53) pour la norme dpyq |k pyq|dy et f px, yq gpx yq gpxq :
p 1{p
}dk }p
gpx yq gpxq dx
|k pyq|dy
}y g g}p |k pyq|dy.
(18.226)
Par le lemme 18.43 nous pouvons trouver 0 tel que }y g g}p pour tout y P Bp0, q.
Avec cela nous dcoupons encore le domaine dintgration :
}dk }p
}
}
y g g}p |k pyq|dy `
y g g}p |k pyq|dy M ` 2}g}p . (18.227)
loooomoooon
loooomoooon
Bp0,q
ABp0,q
2}g}p
1153
18.4. CONVOLUTION
Une petite remarque en passant : aussi triste que cela en ait lair, la convergence uniforme
nimplique pas la convergence Lp pq si nest pas born. En effet si f P Lp , la suite donne par
fn pxq f pxq `
1
n
(18.228)
1
n
(18.229)
18.4.4
Nous allons beaucoup travailler avec le systme trigonomtrique donn par ten unPZ et
en ptq eint .
(18.230)
Une bonne partie de la douleur quvoque mot densit consiste montrer que ce systme est
total dans L2 pS 1 q L2 pr0, 2sq, et donc en
est une base hilbertienne. Un polynme trigonomN
trique est une fonction de la forme P kN Pk ek pour des constantes Pk .
Un polynme trigonomtrique est une fonction de la forme
P ptq
cn eint .
(18.231)
nN
Lemme 18.56.
Deux petits rsultats simples mais utiles propos des polynmes trigonomtriques.
(1) Si f P L1 pS 1 q, alors nous avons la formule
f en cn pf qen .
(18.232)
1 2
pf en qpxq
f px tqen ptqdt
2 0
2
einx
f px tqeinpxtq dt
0
cn pf qen pxq.
(18.233a)
(18.233b)
(18.233c)
f P
Pk f e k
ck pf qek ,
(18.234)
kN
kN
Exemple 18.57
Sur S 1 nous construisons alors lapproximation de lunit base sur la fonction 1 ` cospxq et le
lemme 18.54. Cette fonction est videmment un polynme trigonomtrique parce que
cospxq
eix ` eix
.
2
(18.235)
1154
`
n
n
1 ` cospxq
cosn pxq,
k
k0
(18.236)
dans laquelle nous pouvons remettre cospxq comme un polynme trigonomtrique et dvelopper
nouveau la puissance avec (encore) la formule du binme. La chose importante est quil existe une
approximation de lunit pn q forme de polynmes trigonomtrique.
Ce qui fait la spcificit des polynmes trigonomtriques est quils sont la fois stables par
convolution (lemme 18.56) et quils permettent de crer une approximation de lunit sur r0, 2s.
Ce sont ces deux choses qui permettent de prouver limportant thorme suivant.
4
Thorme 18.58.
Les polynme trigonomtriques sont dense dans Lp pS 1 q pour 1 p 8.
`
k f f
(18.237)
par le thorme 18.55. Nous avons donc convergence Lp dune suite de polynmes trigonomtrique,
ce qui prouve que lespace de polynmes trigonomtriques est dense dans Lp pS 1 q.
Remarque 18.59.
Deux remarques.
Il nest pas possible que les polynmes trigonomtriques soient dense dans L8 parce quune
limite uniforme de fonctions continues est continue (cest le thorme 11.233).
Nous donnerons au thorme 20.6 une dmonstration indpendante de la densit des polynmes trigonomtriques dans Lp pS 1 q.
18.5
Thormes de Hahn-Banach
Soit de plus G E un sous-espace vectoriel muni dune application g : G R vrifiant gpxq ppxq
pour tout x P G. Alors il existe f P LpE, Rq telle que f pxq gpxq pour tout x P G et f pxq ppxq
pour tout x P E.
Dmonstration. Si h une application linaire dfinie sur un sous-espace de E, nous notons Dh ledit
sous-espace.
Un ensemble inductif Nous considrons P , lensemble des fonctions linaires suivant
$
&G D h
!
)
P h : Dh R tel que hpxq gpxq @x P G
(18.238)
%
hpxq ppxq @x P Dh
Cet ensemble est non vide parce que g est dedans. Nous le munissons de la relation dordre
h1 h2 si et seulement si Dh1 Dh2 et h2 prolonge h1 . Nous montrons prsent que P est
1155
x lpxq si x P Dl
(18.239)
Cela est bien dfinit parce que si x P Dl X Dl1 alors, vu que Q on a obligatoirement Dl Dl1
et l1 qui prolonge l (ou le contraire) parce que Q est totalement ordonn (i.e. l l1 ou
l1 l). Donc h est un majorant de Q dans P parce que h l pour tout l P Q. Cela montre
que P est inductif (dfinition 1.4). Le lemme de Zorn 1.5 nous dit alors que P possde un
maximum f qui va tre la rponse notre thorme.
Le support de f La fonction f est dans P ; donc f pxq ppxq pour tout x P Dh et f pxq gpxq
pour tout x P G. Pour terminer nous devons montrer que Df E. Supposons donc que
Df E et prenons x0 R Df . Nous allons contredire la maximalit de f en considrant la
fonction h donne par Dh Df ` Rx0 et
hpx ` tx0 q f pxq ` t
(18.240)
(18.241)
yPDf
(18.242b)
(18.243a)
(18.243b)
(18.244)
(18.245)
(18.246)
La dernire ingalit est le fait que f P P . Un choix de donnant les inquations (18.242)
est donc possible.
partir des inquations (18.242) nous obtenons la relation (18.241) de la faon suivante.
Si t 0 nous multiplions lquation (18.242a) par t :
tf pxq ` t tppx ` x0 q.
(18.247)
Et nous crivons cette relation avec x{t au lieu de x en tenant compte de la linarit de f :
`x
1156
Dfinition 18.61.
Un espace topologique est localement convexe si tout point possde un systme fondamental de
voisinages form de convexes.
Dfinition 18.62 (Hyperplan qui spare).
Soit E un espace vectoriel topologique ainsi que A, B des sous-ensembles de E. Nous disons que
lhyperplan dquation f spare au sens large les parties A et B si f pxq pour tout
x P A et f pxq pour tout x P B.
La sparation est au sens strict si il existe 0 tel que
pour tout x P A
f pxq
pour tout x P B.
f pxq `
(18.249a)
(18.249b)
A
pai ` Vai q.
(18.250)
i1
Vai .
(18.251)
i1
Cet ensemble est non vide parce et il contient un voisinage de zro parce que cest une intersection
finie de voisinages de zro. Soit x P A ` V . Il existe i tel que
x P ai ` Uai ` V ai ` Vai ` Vai ai ` Uai EzB.
(18.252)
Donc pA`V qXB H. Lensemble A`V est alors un ouvert convexe disjoint de B. Par la premire
forme gomtrique du thorme de Hahn-Banach 18.63 nous avons un hyperplan qui spare A ` V
de B au sens large : il existe f P E 1 zt0u tel que f paq ` f pvq f pbq pour tout a P A, v P V et b P B.
Il suffit donc de trouver un v P V tel que f pvq 0 pour avoir la sparation au sens strict. Cela
est facile : V tant un voisinage de zro et f tant linaire, si elle tait nulle sur V , elle serait nulle
sur E.
18.6
Thorme de Tietze
Dfinition 18.65.
Si E et F sont des espaces norms, une application f : E F est presque surjective si il existe
P s0, 1r et C 0 tels que pour tout y P BF p0, 1q, il existe x P BE p0, Cq tel que }y f pxq} .
19. Dfinition 18.61.
1157
C
(2) pour tout y P BF p0, 1q, il existe x P BE p0, 1
q tel que y f pxq.
Le point (2) est une prcision du point (1) : il dit quelle est la taille de la boule de E ncessaire
obtenir la boule unit dans F .
` C
Dmonstration. Soit y P BF p0, 1q. Nous allons construire x P B 0, 1
qui donne f pxq y. Ce
x sera la limite dune srie que nous allons construire par rcurrence. Pour n 1 nous utilisons
la presque surjectivit pour considrer x1 P BE p0, Cq tel que }y f px1 q} . Ensuite nous
considrons la rcurrence
xn P BE p0, Cq
(18.253)
tel que
y
i1 f pxi q n
(18.254)
i1
Pour montrer que cela existe nous supposons que la srie est dj construire jusqu n 1 :
n
1
i1
y
f
px
q
P BF p0, 1q
i
n
i1
y ni1 i1 f pxi q
f pxn`1 q .
n
(18.255)
(18.256)
y
i1 f pxi q n`1 .
(18.257)
i1
Nous nous intressons une ventuelle limite la somme des n1 xn . Dabord nous avons la
majoration }n1 xn } n1 C, et vu que par la dfinition de la presque surjectivit 0 1, la
srie
8
n1 xn
(18.258)
n1
absolument 21
converge
parce que la suite des normes est une suite gomtrique de raison . Vu
que E est de Banach, la convergence absolue implique la convergence simple (la suite des sommes
partielles est de Cauchy et Banach est complet). Nous posons
x
et en termes de normes, a vrifie
}x}
n1
n1
(18.259)
n1 xn P E,
n1 }xn } C
n1
n1
C
.
1
(18.260)
` C
Donc cest bon pour avoir x P B 0, 1
. Nous devons encore vrifier que y f pxq. Pour cela nous
remarquons que
N
}y f
n1 xn } N .
(18.261)
n1
1158
Nous pouvons prendre la limite N 8 et permuter f avec la limite (par continuit de f ). Vu que
0 1 nous avons
}y f pxq} 0.
(18.262)
(18.263)
Lapplication T est videmment linaire. Elle est de plus born pour la norme oprateur usuelle
donne par la proposition 6.80 parce que }T pf q} }f } 8. Lapplication T est alors continue
par la proposition 6.217.
Presque surjection Soit g P Cb0 pY, Rq avec }g}8 1. Nous posons
1
gpxq 1u
3
1
tx P Y tel que 1 gpxq u.
3
Y ` tx P Y tel que
Y
Nous considrons alors
f: X R
x
1 dpx, Y q dpx, Y ` q
3 dpx, Y q ` dpx, Y ` q
(18.264a)
(18.264b)
(18.265)
Vu quen valeur absolue le dnominateur est plus grand que le numrateur nous avons
}f }8 13 . Notons que
Si x P Y ` alors f pxq 31 et gpxq P r 13 , 1s ;
Si x P Y alors f pxq 31 et gpxq P r1, 13 s ;
f pxq ` gpxq 2 .
3
Dans les deux cas nous avons f pxq gpxq P r0, 32 s pour tout x P X. Cela prouve que
2
}T pf q g}Y,8 .
3
(18.266)
En rsum nous avons pris g dans la boule Bp0, 1q de Cb0 pY, Rq, }.}8 et nous avons
`
construit une fonction f dans la boule Bp0, 13 q de Cb0 pX, Rq, }.}8 telle que }T pf qg}8 23 .
Lapplication T est donc une presque surjection avec 13 et C 23 .
Prolongement dans les boules unit fermes La proposition 16.103 nous assure que les
espaces Cb0 pX, Rq et Cb0 pY, Rq sont de Banach (complets), et le lemme 18.66 nous dit alors
que T est surjective et que pour tout g P Bp0, 1q, il existe
f PB
1{3
0,
1 23
Bp0, 1q.
telle que g T pf q.
22. Nous rappelons que }g} 1, donc gpxq est forcment ente 1 et 1.
(18.267)
1159
Prolongement pour les boules ouvertes Jusqu prsent nous avons montr quune fonction g P Bp0, 1q admet une prolongement
` 0 continu dans
Bp0, 1q. Nous allons montrer que si
g est dans la boule ouverte Bp0,
` 1q de Cb pY, Rq, }.}8 alors g admet un prolongement dans
la boule ouverte Bp0, 1q de Cb0 pX, Rq, }.}8 .
Soit g P BC 0 pY q p0, 1q et son prolongement h P BC 0 pXq p0, 1q. Si }h}8 1 alors le rsultat est
b
b
vrai. Sinon nous considrons lensemble
Z tx P X tel que |hpxq| 1u.
(18.268)
Nous avons Y XZ H parce que nous avons h g sur Y et nous avons choisi }g}8 8. Par
ailleurs Y est ferm par hypothse et Z est ferm parce que h est continue ; par consquent
Y X Z est ferm, donc 23
Y X Z Y X Z H.
(18.269)
Nous posons
u : X R`
x
(18.270)
dpx, Zq
dpx, Y q ` dpx, Zq
Le dnominateur nest pas nul parce quil faudrait dpx, Y q dpx, Zq 0, ce qui demanderait
ce qui nest pas possible. Nous posons f uh. Si x P Y alors upxq 1, donc
x P Y X Z,
f est encore un prolongement de g. De plus f est encore continue, et donc encore un bon
candidat. Enfin si x est hors de Y alors dpx, Y q 0 (strictement parce que Y est ferm) et
donc 0 upxq 1, ce qui donne |f pxq| |hpxq| 1. Donc }f }8 1.
Nous avons donc trouv quune fonction dans la boule ouverte BC 0 pY q p0, 1q se prolonge en
b
une fonction dans la boule ouverte BC 0 pXq p0, 1q.
b
C 0 pY,
18.7
arctanptq
Espace de Schwartz
(18.271)
1160
Dfinition 18.68.
Soit Rd . Lespace de Schwartz S pq est le sous-ensemble de C 8 pq des fonctions dont
toutes les drives dcroissent plus vite que tout polynme :
(
S pq P C 8 pq tel que @, P Nd , p, pq 8
(18.272)
o nous avons considr
p, pq sup |x pB qpxq| }x B }8 .
(18.273)
xP
Pour simplifier les notations (surtout du ct de Fourier), nous allons parfois crire Mi pour
la fonction x xi pxq.
Exemple 18.69
2
La fonction ex est une fonction dcroissance rapide sur
R.
Dfinition 18.70.
Une fonction f : Rd C est dite dcroissance rapide si elle dcrot plus vite que nimporte
1
quel polynme. Plus prcisment, si pour tout polynme Q, il existe un r 0 tel que |f pxq| |Qpxq|
pour tout }x} r.
Proposition 18.71.
Une fonction Schwartz est dcroissance rapide.
Dmonstration. Nous commenons par considrer un polynme P donn par
P pxq
ck xk
(18.274)
o les k sont des multiindices, les ck sont des constantes et la somme est finie. Nous avons la
majoration
|ck |p0,k pq 8.
(18.275)
sup |pxqP pxq|
sup ck pxqxk
xPRd
|pxq|
MP
1
1
.
|P pxq|
| MP P pxq|
Rd nous ayons
(18.276)
Notons que cette ingalit est a fortiori correcte pour les x sur lesquels P sannule.
Soit maintenant un polynme Q. Nous considrons le polynme P pxq }x}Qpxq. tant de
plus haut degr, pour toute constante C il existe un rayon rC tel que |P pxq| C|Qpxq| pour tout
|x| rC . En particulier pour |x| rMP nous avons
|P pxq| MP |Qpxq|
et donc, pour ces x,
|pxq|
| M1P
1
1
.
|Qpxq|
P pxq|
(18.277)
(18.278)
La premire ingalit est valable pour tout x, et la seconde pour }x} rMP .
Corollaire 18.72 ([8]).
Soit une fonction Schwartz sur
Rm Rn . Alors la fonction
y sup |px, yq|
xPRn
est intgrable.
(18.279)
1161
}y}r
}y}r
(18.281)
La premire intgrale est borne par Vol Bp0, rq }f }8 tandis que la seconde est borne par lin1
tgrale de Qpyq
. En prenant Q de degr suffisamment lev en toutes les composantes de y nous
avons intgrabilit.
18.7.1
Topologie
Lemme-dfinition 18.73.
Les p, donns par lquation (18.273) ci-dessus sont des semi-normes 24 . La topologie considre
sur S pRd q est celle des semi-normes p, .
Lemme 18.74 ([4]).
La topologie sur S pRd q est donne aussi par les semi-normes
`
m
qn,m max sup 1 ` }x} B pxq.
||n xPRd
(18.282)
S pRd q
Le fait que les qn,m pq restent borns est la proposition 18.71. Cependant ce lemme est plus
prcis parce quen disant seulement que est major par des polynme, nous ne disons pas que
S
les polynmes correspondants aux n tendent vers zro si n 0. Et dailleurs on ne sait pas trs
bien ce que signifierait Pn 0 pour une suite de polynmes.
Proposition 18.75.
Pour p P r1, 8s, lespace S pRd q sinjecte continument dans Lp pRd q.
Dmonstration. Linjection dont nous parlons est lidentit ou plus prcisment lidentit suivie de
la prise de classe. Il faut vrifier que cela est correct et continu, cest dire dabord quune fonction
S
Lp
dcroissance rapide est bien dans Lp et ensuite que si fn 0, alors fn 0.
S
Commenons par p 8. Alors }fn }8 p0,0 pfn q 0 parce que si fn 0, alors en particulier
p0,0 pfn q 0.
Au tour de p 8 maintenant. Nous savons quen dimension d, la fonction
x
1
p1 ` }x}qs
p1 ` }x}qm pxq
q pqp
p
p
`
mp
` 0,m mp .
}}p
|pxq| dx
1 ` }x}
Rd
Rd
Rd 1 ` }x}
(18.283)
(18.284)
En choisissant m de telle sorte que mp d, nous avons convergence de lintgrale et donc }}p 8.
Nous retenons que
}}pp Cq0,m pqp
(18.285)
pour une certaine constance C et un bon choix de m.
24. Dfinition 5.175.
1162
Ceci prouve que S pRd q Lp pRd q. Nous devons encore vrifier que linclusion est continue.
S
Si n 0, alors en particulier nous avons q0,m pn q 0 par le lemme 18.74. Par consquent la
majoration (18.285) nous dit que }n }p 0 galement.
En rsum, si n
S pRd q
Lp
alors n .
Dmonstration. Soit f P S pRd q, et , une fonction de DpRd q telle que pxq 1 pour |x| 1
(lexistence de telles fonctions est discute en 16.6.1). Soit aussi k pxq px{kq. Nous posons
(18.286)
(18.287)
Pour cela nous allons noter lorsque est un multiindice contenu dans . En utilisant la
drive du produit nous avons
pB fk qpxq
pB k qpxqB f pxq
(18.288a)
k || pB qpx{kqpB f qpxq
(18.288b)
(18.288c)
xPRd
(18.289)
En ce qui concerne le second terme, soit 0, vu que f est Schwartz, il existe R tel que
|x pB f qpxq|
ds que }x} R. En prenant k R,
|x pB f qpxq|
0 si }x} R
si }x} R.
||
sup x
k
pB
qpx{kqpB f qpxq
xPRd
(18.290)
(18.291)
(18.292a)
1
sup
pB
qpx{kqpx B f qpxq
k x
1
sup
pB
qpx{kqp, pf q
k x
(18.292b)
(18.292c)
1163
La somme ne contient quun nombre fini de diffrents, donc nous pouvons considrer un nombre
K qui majore tous les p, pf q en mme temps. La partie avec peut tre majore par }B }8
(qui est fini) dont nous pouvons prendre le maximum sur . Toute lexpression dans la somme
est donc majore par un nombre qui ne dpend ni de x ni de . Vu que la somme est finie, elle est
majore par ce nombre multipli par le nombre de termes dans la somme et au final
K1
||
sup x
k
pB
qpx{kqpB f qpxq
.
k
d
xPR
(18.293)
S pRd q
Cest dire convergence uniforme de toutes les drives multiplies par nimporte quel polynme.
18.7.2
Produit de convolution
p, p q sup |x pB p qqpxq|
xPRd
(18.295)
est born pour tout multiindices et . En appliquant || fois la proposition 18.36, nous mettons
toutes les drives sur : B p q p B q. Cela tant fait, nous majorons
x p B qpxq |x |
pB qpx yq dy
|pyq| looooooomooooooon
(18.296a)
Rd
|x |}B }8
Rd
p, pq}}L1 .
Par consquent, p, p q }}L1 p, pq 8.
}B }8
|pyq|dy
(18.296b)
(18.296c)
1164
Chapitre 19
Analyse complexe
19.1
Fonctions holomorphes
19.1.1
quations de Cauchy-Riemann
Notons que la formule (16.18) donne un dveloppement limit pour les fonctions holomorphes. Si f est holomorphe en z0 alors si z est dans un voisinage de z0 , il existe une fonction
s : R C telle que limt0 sptq{t 0 et
(19.1)
1 B
B
i
2 Bx
By
1 B
B
`i
2 Bx
By
(19.2a)
(19.2b)
Si f est une fonction C-drivable reprsente par la fonction F P ` iQ, les quations de CauchyRiemann signifient que P Q 0, cest dire que la fonction f a des composantes harmoniques.
Thorme 19.1.
Si f P C 1 pq alors nous avons quivalence des faits suivants :
(1) f est holomorphe sur ,
(2) f vrifie Bzf 0.
Proposition 19.2.
Une application f : C est
&
Bx
By
Bu
Bv
By
Bx
(19.3b)
Bf
0.
B
z
(19.4)
(19.3a)
o f px ` iyq upx, yq ` ivpx, yq. Ces quations se notent de faon plus compacte
Bx upaq By upaq
.
Bx vpaq By vpaq
1165
(19.5)
1166
cest dire
(19.6a)
T p1q ` i
(19.6b)
T piq ` i,
.
T
(19.7)
Dmonstration. Soit f px ` iyq f1 px, yq ` if2 px, yq une fonction holomorphe. Les fonctions relles
f1 et f2 sont assujetties aux quations de Cauchy-Riemann de la proposition 19.2 :
"
(19.9a)
Bx f1 By f2
(19.9b)
Bx f2 By f1 .
R2 R et fi : C R :
d
f pz0 ` tuq
dt
t0
Bx f1 u1 ` By f1 u2 ` i Bx f2 u1 ` By f2 u2
Bx f1 By f1
u1
Bx f2 By f2
u2
Bx f1 By f1
u1
.
By f1 By f2
u2
dfz0 puq
(19.10a)
(19.10b)
(19.10c)
(19.10d)
(19.10e)
B
B
i
Bx
By
1`
Bx f1 ` iBx f2 iBy f1 ` By f2 ,
2
(19.11)
19.1.2
Lemme 19.4.
Si g est une fonction continue dans un ouvert C et si g admet une primitive complexe sur
alors
gpzqdz 0
(19.12)
1167
g G1
0
1
(19.13a)
G1 ptq 1 ptqdt
(19.13b)
(19.13c)
pG gq1 ptqdt
`
Gpp1qq G p0q
(19.13d)
(19.13e)
f pzqdz 0.
(19.14)
BT
Dmonstration. Nous notons BT . Dans la suite nous allons dfinir une suite de triangles T pnq
et nous noterons n BT pnq avec une orientation que nous allons expliquer. Pour commencer nous
posons T p0q T et 0 BT p0q .
Nous considrons le cas z1 R T , et nous posons
2
c lpq | f |.
(19.15)
Notre objectif est de montrer que c 0. Soit A, B, C les trois sommes du triangle ; nous divisons
le triangle de la faons suivante. Dabord nous considrons les points A1 , B, C 1 respectivement
milieux de BC, AC et AB. En traant le triangle A1 B 1 C 1 , nous construisons quatre triangles que
p0q
nous nommons Ti . Le thorme de Thals assure que le primtre de chacun des quatre triangles
est la moiti du primtre du grand triangle T .
Sur T nous choisissons lorientation ABC. De faon tre compatible, nous choisissons les
orientations AC 1 B 1 , BA1 C 1 et A1 CB 1 . La somme de ces trois triangles donne T plus le triangle
A1 C 1 B 1 . Par consquent nous choisissons sur le triangle central lorientation (inverse) AB 1 C 1 de
faon avoir
f
f.
(19.16)
p0q
i1 BTi
p0q
1
f
f
p0q
4 BT p0q
BTk
et donc
lp1 q2 |
|f 4lp0 q2 |
1
f | 4lp0 q2 |
4
1
(19.18)
f | c.
(19.19)
En rptant le procd nous construisons une suite de triangles T pnq qui satisfont toujours
lpBT pnq q
1. Nous considrons ici le triangle plein.
1
lpBT p0q q.
2n
(19.20)
1168
Ces triangles forment une suite de ferms emboits dont le diamtre tend vers zro. Leur intersection contient donc exactement un point (lemme 16.164) que nous nommons z0 (et qui appartient
videmment ). tant donn que f est holomorphe nous utilisons le dveloppement limit (19.1)
autour de z0 :
f pzq f pz0 q ` f 1 pz0 qpz z0 q ` sp|z z0 |qpz z0 q
(19.21)
avec limt0 sptq 0. Nous posons gpzq f pz0 q ` f 1 pz0 qpz z0 q et nous considrons 0. Soit
0 tel que
|f pzq gpzq| |z z0 |
(19.22)
pour tout |z z0 | . Le choisir pour obtenir cet effet est celui qui donne sp|z z0 |q . Soit
N P N tel que lpn q pour tout n N . Dautre part, deux points dans un triangle sont toujours
distance moindre que la longueur dun ct, donc pour tout z P T pnq nous avons |z z0 | et
par consquent pour tout z dans T pnq nous avons
|f pzq gpzq| |z z0 |.
(19.23)
g0
(19.25)
|
f| |
pf gq|
n
(19.24)
(19.26a)
et par consquent
c lpn q
f | ,
(19.26b)
(19.26c)
(19.27)
ce qui signifie que c 0 parce que est arbitraire. Nous avons donc prouv le lemme de Goursat
dans le cas o le point de non holomorphie z1 est en dehors de T .
Si z1 est sur un ct, disons sur le ct AB, alors nous considrons un vecteur v P C tel que
T T ` v ne contienne z1 pour aucun . Le vecteur v z1 C fait par exemple laffaire. En
vertu du point prcdent nous avons
BT
f 0
(19.28)
pour tout 0. tant donn que la fonction f est continue (y compris en z1 ), lintgrale sur BT
est galement nulle.
Si maintenant le point z1 est lintrieur de T nous dcomposons T en trois triangles ayant
z1 comme sommet commun. Si nous considrons les orientations Az1 C, ABz1 et BCz1 , alors nous
avons
f
f`
f`
f,
(19.29)
T
Az1 C
ABz1
BCz1
alors que par le point prcdent les trois intgrales du membre de droite sont nulles.
f 0.
(19.30)
1169
19.1.3
Dfinition 19.8.
Soit un chemin ferm 2 dans
Cz Z
1
z
2i
d
.
z
(19.31)
Thorme 19.10. (1) La fonction Ind est continue et prend des valeurs entires.
(2) La fonction indice est constante sur chaque composante connexe de Cz et est nulle sur la
composante non borne.
Le second point est en partie la proposition 5.68.
Exemple 19.11
Si est un cercle de centre z0 P C et de rayon r, alors
#
2i si z P Bpz0 , rq
Ind pzq
0
sinon.
(19.32)
La seconde ligne provient directement du thorme 19.10. Pour la premire, le cercle se paramtre
par
pq z0 ` rei ,
(19.33)
et lintgrale vaut
z0
2
0
1
irei d 2i.
rei
(19.34)
4
f pzqdz
f pzqdz.
(19.35)
2. Par abus de langage, nous dsignerons par la fois le chemin et son image.
1170
19.1.4
Cette sous-section veut prouver le thorme de Cauchy. Comme dhabitude, une rfrence qui
ne peut pas rater est [244].
Thorme 19.14 (Formule de Cauchy).
Soit ouvert dans C, z0 P et f , une fonction holomorphe sur . Soit r 0 tel que Bpz0 , rq .
Alors pour tout z P Bpz0 , rq nous avons
1
f pq
f pzq
d.
(19.36)
2i BBpz0 ,rq z
Dmonstration. Soit z P Bpz0 , rq et considrons la fonction
#
f pqf pzq
si z
z
gpq
1
f pzq
si z.
(19.37)
Cette fonction est holomorphe sur Bpz0 , rqztzu et continue en z. Elle vrifie donc la proposition
19.6 et nous avons
g0
(19.38)
f pq
f pzq
0
,
z
z
f pq
d 2if pzq,
(19.39)
(19.40)
ce quil fallait.
Dfinition 19.15.
Une fonction f : C est
pcn q et r 0 tels que
n0
cn pz z0 qn
(19.41)
n0
an pz z0 qn .
f pnq pz0 q
1
an
n!
2i
o BBpz0 , rq avec |z z0 | r r0 .
f pq
d
p z0 qn`1
(19.42)
(19.43)
1171
1
f pq
f pzq
d
(19.44)
2i z
o BBpz0 , rq. Nous pouvons paramtrer ce chemin par z0 ` rei et P r0, 2s. Nous avons
2
f pz0 ` rei q
1
f pzq
riei d
2i 0 z0 ` rei z
f pz0 ` rei q
1 2
d.
2 0 1 ei pz z0 q{r
(19.45a)
(19.45b)
2
8
0
n0
(19.47)
Lart est maintenant de permuter la somme et lintgrale. Pour cela nous remarquons que ce qui
se trouve dans la somme est major en module par
z z 0 n
(19.48)
M
r
o M est le maximum de |f | sur . La borne (19.48) ne dpend pas de ; par consquent la
convergence de la somme est uniforme en par le critre de Weierstrass (thorme 16.14). Le
thorme 16.16 sapplique 3 et nous pouvons permuter la somme avec lintgrale.
Ce que nous trouvons est que
f pzq
o
1
an
2
2
0
n0
in n
f pz0 ` re qe
(19.49)
an pz z0 qn
1
d
2i
f pq
.
p z0 qn`1
(19.50)
Cette formule est valable pour |z z0 | r. Sur cette boule, la fonction est donc une srie entire. Le
thorme de Taylor 16.64 nous permet donc daffirmer que f est partout infiniment continument
drivable (parce que en chaque point on a un voisinage sur lequel cest vrai), et didentifier les
coefficients (qui, eux, ne sont valables que localement) sous la forme
an
f pnq pz0 q
.
n!
(19.51)
Corollaire 19.17.
Soit f une fonction continue sur un ouvert telle que pour toute boule Bpa, rq contenue dans ,
nous ayons
f pq
1
d.
(19.52)
f paq
2i BBpa,rq a
Alors f est holomorphe.
3. tant donn que nous savions dj que la somme tait une fonction intgrable, nous sommes loin davoir utilis
toute la puissance du thorme.
1172
h0
h
0 lim
(19.54a)
(19.54b)
Donc F 1 f . Cela montre que F est C-drivable et donc holomorphe. En consquence du thorme 19.16, la fonction F est infiniment drivable et f lest alors aussi. La fonction f est donc
holomorphe 4 .
19.1.5
(19.55)
est continue. De plus gpxq x sur BBp0, 1q. Nous allons montrer quune telle fonction 5 ne peut
pas exister.
Pour s P r0, 1s nous paramtrons le cercle BBp0, sq par
xs : r0, 1s BBp0, 1q
`
t s cosp2tq, s sinp2tq .
(19.56)
s : r0, 1s BBp0, sq
t g xs .
4. Dire que la drive dune fonction holomorphe est holomorphe est un raisonnement classique.
5. Qui est nomme rtraction de la sphre sur elle-mme.
(19.57)
1173
Lapplication s est continue et s p0q s p1q. Les chemins s sont des lacets ; nous nous intressons
maintenant lindice au point 0 de 0 et 1 . Dune part 0 ptq gp0q (lacet constant) et 1 ptq e2it
(parce que gpxq x sur le bord). Nous avons donc
d
1
1
Ind0
Ind0 p0q
2i
2i
alors que
1
Ind1 p0q
2i
1
0
1
0
01 ptq
dt 0,
0 ptq
2ie2it
dt 1.
e2it
(19.58)
(19.59)
(19.60)
Nous avons gp0q 0 parce que g prend ses valeurs sur le bord. Vu que cest une quivalence
dhomotopie 6 entre 1 et 2 , les indices devraient tre gaux par le corollaire 19.13.
19.1.6
n0
(19.61)
cn pz aqn
valable sur une boule Bpa, rq. Soit cm le premier coefficient non nul (si il nexiste pas cest que f
est nulle sur tout Bpa, rq et alors le thorme est prouv). Nous avons alors
f pzq cm pz aq
1`
k1
dk pz aqk
(19.62)
avec dk cmk . Le rayon de convergence de la srie k dk pz aqk est le mme que celui de (19.61)
parce que la suite dk rm`k reste borne (critre dAbel, lemme 16.23). Si nous posons
gpzq 1 `
k1
dk pz aqk ,
(19.63)
(19.64)
Soit une suite pzn q de zros de f convergent vers a. tant donn que g est continue, nous
devrions avoir limk8 gpzk q gpaq 1, mais si f pzk q 0 avec zk a, alors gpzk q 0. Cela est
un paradoxe qui nous permet de conclure que si la suite zn existe bien, alors f est identiquement
nulle sur un voisinage, cest dire que tous les cn sont nuls.
Corollaire 19.21.
Soit f une fonction holomorphe sur un ouvert connexe . Si f sannule sur un un ouvert (non
vide) de , alors f sannule sur tout .
6. Dfinition 19.9
1174
Dmonstration. soit
N tz P tel que f 0 sur un ouvert autour de zu.
(19.65)
Le fait que N soit ouvert est vident partir de sa dfinition. Nous allons montrer que N est
galement ferm dans , et donc conclure que N . Soit pzn q une suite dans N convergente vers
z P . tant donn que f pzn q 0 et que f est continue, nous avons
f pzq lim f pzn q 0,
n8
(19.66)
ce qui fait de z un zro non isol de f . Par consquent le principe des zros isols (thorme 19.20)
nous enseigne que f sannule dans un voisinage autour de z, cest dire que z P N . Lensemble N
est donc ferm.
19.1.7
Proposition 19.22.
Soit , un ouvert de C et f : C une fonction holomorphe sur ztau (a P ). Nous supposons
quil existe r 0 tel que f est borne sur Bpa, rq X . Alors f se prolonge en une fonction
holomorphe sur .
Le thorme de prolongement de Riemann 19.37 donnera plus dinformations.
Dmonstration. Nous dfinissons la fonction g : C par
#
pz aqf pzq si z a
gpzq
0
si z a.
(19.67)
Sur ztau, la fonction g est holomorphe (produit de fonctions holomorphes), et elle est continue
en a. Par consquent elle est holomorphe sur . Nous la dveloppons en srie entire sur une boule
Bpa, rq :
8
gpzq
cn pz aqn .
(19.68)
n0
pzq
n0
cn`1 pz aqn .
(19.69)
Si z a, alors pzq f paq parce que pzq gpzq{pz aq. Mais est continue en a, et donc
holomorphe en a.
La fonction est par consquent un prolongement holomorphe de f en a.
19.1.8
Thorme de Runge
Le thorme que nous allons prouver nest en ralit quune partie de ce qui est usuellement
appelle le thorme de Runge.
Thorme 19.23 (Thorme de Runge).
Soit K, un compact de C tel que AK soit connexe. Si a P AK alors la fonction
a pzq
est limite uniforme de polynmes sur K.
1
za
(19.70)
1175
Dmonstration. Nous considrons P pKq, ladhrence des polynmes sur K pour la norme uniforme
(sur K). Nous devons montrer que pour tout a P AK, la fonction a est dans P pKq. Pour cela nous
considrons lensemble
A ta P AK tel que a P P pKqu
(19.71)
et nous allons montrer quil est la fois non vide, ouvert et ferm dans le connexe AK.
Je rpte : nous allons prouver louverture et la fermeture pour la topologie de AK. Nous nallons
pas prouver que A est un ouvert de C. Ce qui sera par consquent prouv est que A AK.
Non vide Soit R supzPK |z| et a P AK tel que |a| R. Nous avons
a pzq
1
a
z
a
1
1 1
a1
1
z
a
8
8
zk
1 z k
.
a k0 a
ak`1
k0
(19.72)
Ici la convergence de la srie et sa limite sont assures par le fait que |z{a| 1 par choix
de R et a. La suite de polynmes
Pn pzq
zk
ak`1
k0
(19.73)
Ferm Nous allons montrer que la fermeture de A (dans AK) est inclue dans A, et donc quelle
est gale A et donc que A est ferm. Par le lemme 5.62, la fermeture de A dans AK est
lensemble A X AK o A est la fermeture de A au sens usuel.
Bref, soit a P A X AK, et montrons que a P P pKq. Vu que P pKq est dj une fermeture,
nous aurons en fait a P P pKq et donc a P A, ce qui signifierait que A X AA A et donc
que A est ferm.
Au travail.
Soit pan q P A une suite convergente vers a. Soit aussi d dpa, Kq ; on a d 0 parce que K
est compact et a est hors de a alors le complmentaire de K est ouvert. Nous choisissons
en plus la suite an pour avoir |an a| d2 ; au pire on prend la queue de suite. Soit z P K ;
nous avons
1
an a
.
|an pzq a pzq|
(19.74)
z an z a
pz an qpz aq
Vu que an P Bpa, d2 q et que z P K et d dpa, Kq nous avons |an z|
Nous pouvons donc majorer (19.74) par
}a an }K 2
; et aussi |az| d2 .
|an a|
.
d2
(19.75)
|an a|
0
d2
(19.76)
d
2
o la norme }.}K est la norme supremum sur K. Donc a P P pKq P pKq et A est ferm.
Ouvert Vu que K est compact, il est ferm et donc AK est ouvert. Par consquent, ainsi que
prcis dans lexemple 5.63, les ouverts de AK sont les ouverts de C contenus dans AK. Afin
de prouver que A est ouvert, nous prenons a P A et nous cherchons une boule (au sens de
C) autour de a qui serait incluse dans A.
Soit donc h P C petit dans un sens que nous allons prciser plus tard. Encore une fois
nous posons d dpa, Kq. Nous avons
a`h pzq
1
1
1
hk
.
h
zah
z a 1 za
pz aqk`1
k0
(19.77)
1176
hk
8.
|a`h pzq|
dk`1
k0
(19.78)
Cela pour dire que la somme droite de (19.77) converge bien pourvu que h soit bien petit.
Nous pouvons donc poursuivre :
a`h pzq
hk
hk a pzqk`1 .
k`1
pz
aq
k0
k0
(19.79)
Nous montrons maintenant que la convergence de la somme (19.79) est en ralit uniforme
en z. En effet
N
8
a`h pzq
hk a pzqk`1
hk a pzqk`1
k0
kN `1
8
kN `1
|h|k |a pzq|k`1 .
(19.80a)
(19.80b)
tant donn que a est continue sur le compact K, elle y est majore en module ; on peut
mme tre plus prcis :
1
1
|a pzq|
.
(19.81)
|z a|
d
Nous pouvons donc crire
k
N
8
1
h
k
k`1
a`h pzq
.
h a pzq
(19.82)
d
d
k0
kN `1
tant donn que la somme
k0 |h{d|
lim }a`h
N 8
k0
hk k`1
a }K 0.
(19.83)
Pour avoir a`h P P pKq, il faut encore savoir si les fonctions ka sont dans P pKq pour tout
k. Dans ce cas pour chaque N la somme sera encore dans P pKq et a`h sera limite uniforme
dlments de P pKq.
Par hypothse, a P P pKq ; soit Pn une suite de polynmes qui converge uniformment vers
a . Nous allons montrer qualors la suite de polynmes Pnk converge uniformment vers ka .
Soit n tel que }Pn a }K et utilisons le produit remarquable
ak bk pa bq
pour obtenir
k1
ai bk1i
(19.84)
i0
k1
i0
(19.85)
Vu que Pn et a sont continues sur le compact K, on peut majorer la somme par une
constante M , et il restera
ou encore
(19.86)
}Pnk ka } M .
(19.87)
Cela prouve que ka P P pKq et donc que a`h est limite uniforme (sur K) dlments de
P pKq et donc fait partie de P pKq lui aussi.
Ceci achve de prouver que A est ouvert dans AK.
1177
Conclusion Lensemble A est non vide, ouvert et ferm dans AK, donc il est gal AK. Le
thorme est ainsi dmontr.
19.2
r
r |z z0 |
(
i
2 max f pz0 ` re q PR .
(19.88)
Dmonstration. Par translation nous pouvons supposer que z0 0. tant donn que f est holomorphe, elle admet un dveloppement en sries entires
8
f pzq
(19.89)
an z n
n0
et nous notons M maxtf pzq tel que z P Bp0, rqu. Nous avons rn |an | M . Par consquent
|f 1 pzq|
nan z n1
(19.90a)
n1
n1
1 n
|z|
r |an |n
(19.90b)
r
r
n1
|z|
M
n
.
(19.90c)
r
r
ce point nous devons utiliser la srie de lexemple 16.72. Nous avons alors
|f 1 pzq|
1
1
|z|
r
Mr
.
pr |z|q2
F pzq
f pz, qdpq
(19.91)
C. Nous voulons
(19.92)
(3) Pour tout compact K A, il existe une fonction gK : R telle que |f pz, q| gK pq et
telle que
gK pqdpq
(19.93)
existe.
F pzq
Bf
pz, qdpq.
Bz
(19.94)
1178
r
maxtf pz0 ` rei quPR
pr |z z0 |q2
rfK pq
.
pr |z z0 |q2
|f1 pzq|
(19.97a)
(19.97b)
Cette majoration est valable pour tout z P Bpz0 , rq. Si nous supposons de plus que z P Bpz0 , r{2q
nous avons
rfK pq
4
|f 1 pzq| `
(19.98)
fK pq.
r 2
r
r 2
tant donn que la boule Bpz0 , r{2q est convexe, la fonction f est Lipschitz et pour tout h P C
tel que |h| r{2 nous avons
.
(19.99)
h
r
Soit maintenant une suite phn q qui converge vers 0 dans C. Nous considrons la suite de fonctions
correspondantes
f pz0 ` hn , q f pz0 , q
gn pq
.
(19.100)
hn
Cette suite de fonction vrifie la convergence ponctuelle
gn pq
Bf
pz0 , q.
Bz
(19.101)
De plus gn est une fonction (de ) domine par 4frK qui est intgrable. Par consquent le thorme
de la convergence domine nous indique que
Bf
gn pqdpq
pz0 , qdpq,
(19.102)
Bz
tandis que
F pz0 ` hn q F pz0 q
lim
n8
n8
hn
F 1 pzq lim
gN pqdpq.
(19.103)
Corollaire 19.26.
Si f est une fonction holomorphe sur louvert contenant la fermeture de la boule Bpz0 , rq, alors
pour tout z dans Bpz0 , q ( r) les drives de f sexpriment pas la formule suivante :
f
pkq
1
pzq
2i
BBpz0 ,rq
f pq
d.
p zqk`1
(19.104)
1179
f pq
z
(19.105)
avec BBpz0 , rq et A Bpz0 , q avec r. tant donn que f est holomorphe, elle est continue
et donc borne sur tout compact K A par une constante M (qui dpend du compact choisi).
Dautre part, nous avons toujours | z| r et donc
|gpz, q|
M
.
r
(19.106)
M
La fonction constante gK r
est videmment intgrable. Le thorme conclut que f est holomorphe (cela, nous le savions dj 7 ), et
f pq
1
1
f pzq
d.
(19.107)
2i BB p zq2
f pq
1
pkq
d.
f pzq
2i BBpz0 ,rq p zqk`1
(19.108)
Dfinition 19.27.
Une mesure de Radon sur un compact K de C est une forme linaire continue sur CpKq. Si
est une mesure de Radon, on dfinit la transforme de Cauchy de par
CzK C
1
z
1
z
Thorme 19.28.
Si est une mesure de Radon sur K alors
est infiniment C-drivable sur
avons
n!
1
pnq
pzq
.
p zqn`1
(19.109)
CzK et nous
(19.110)
Lemme 19.29.
Si f est holomorphe sur et si B est une boule ferme dans alors pour tout z P IntpBq nous
avons
n!
f pq
pnq
f pzq
d.
(19.111)
2i BB p zqn`1
Dmonstration. Appliquer le thorme 19.28 la mesure de Radon
pq
pqd.
BB
(19.112)
Lemme 19.30.
Si f est holomorphe sur et si B est une boule ferme dans alors pour tout z dans lintrieur
de B nous avons
n!
f pq
f pnq pzq
d.
(19.113)
2i BB p zqn`1
7. et cela fournit une preuve alternative la rciproque du thorme de Cauchy : une fonction continue qui vrifie
la formule de Cauchy est holomorphe.
1180
Thorme 19.31.
Si f est une fonction holomorphe sur le disque ouvert Bpz0 , Rq alors
f pzq
f pnq pz0 q
pz z0 qn
n!
n0
(19.114)
Dmonstration. Sans perte de gnralit nous supposons que z0 0. La formule de Cauchy fournit
f pq
f pq d
1
1
f pzq
d
.
(19.115)
2i BB z
2i BB 1 pz{q
Nous utilisons la srie gomtrique
8 n
1
z
,
1 pz{q n0
nous avons
(19.116)
8
1
z n f pq
f pzq
2i n0 BB n`1
1
f pq
zn.
n`1
2i
BB
n0
(19.117a)
(19.117b)
Nous devons maintenant montrer que ce qui se trouve dans la grande parenthse vaut f pnq p0q{n!.
Nous utilisons le thorme de Radon 19.28 la mesure
pq
pqd.
(19.118)
BB
pzq
1
z
BB
1
d,
z
(19.119)
pnq
n!
pzq
1
p zqn`1
n!
BB
1
d.
p zqn`1
(19.120)
1 pnq
n!
1
pnq
f pzq
pzq
d,
(19.121)
2i
2i BB p zqn`1
et
pnq
n!
p0q
2i
BT
BB
1
n`1
d.
f 0
pour tout triangle (plein) T contenu dans , alors f est holomorphe sur .
(19.122)
(19.123)
1181
Dmonstration. Il est suffisant de prouver que f est holomorphe sur toute boule ouverte Bpa, rq
inclue dans . Nous posons, pour tout z P Bpa, rq,
F pzq
f,
(19.124)
rp,zs
f,
(19.125)
f`
f`
0
az
z`ha
zz`h
cest dire
F pz ` hq F pzq
f.
(19.126)
zz`h
En paramtrant le chemin par z ` th avec t P r0, 1s, et en tenant compte de la remarque 13.138,
F pz ` hq F pzq
h0
h
1
1
f pz ` thqhdt,
lim
h0 h 0
F 1 pzq lim
(19.127a)
(19.127b)
ce qui prouve que F est drivable et F 1 f . Par dfinition (16.1), F est holomorphe, et donc C 8
par le thorme 19.16. Du coup f est galement C 8 et donc en particulier holomorphe.
19.3
Nous nous proposons de lister les conditions que nous avons vues tre quivalentes lholomorphie.
Thorme 19.33.
Soit un ouvert de
lentes.
C-drivable.
(4) f est C 8
(5)
Bf
B
z
f 0.
f pzq
1
f paq
dz.
2i BBpa,rq z a
(19.128)
Dmonstration. (1) implique (2) est le lemme de Goursat 19.5. (2) implique (1) est le thorme de
Morera 19.32.
(3) est la dfinition de lholomorphie.
(4) implique (1) est un a fortiori sur la dfinition. (1) implique (4) est contenu dans le thorme
de dveloppement en srie entire 19.14.
Lquivalence entre (5) et lholomorphie est le thorme 19.2.
Lquivalence entre (6) et (1) est la proposition 19.18.
Lquivalence entre (1) et (7) est dune part le thorme 19.16 et dautre part le corollaire
19.17.
1182
19.4
Dfinition 19.34.
Si f est holomorphe sur un ouvert , alors une singularit de f est un point isol du bord de .
(1) La singularit est effaable si la fonction f sy prolonge en une fonction holomorphe.
(2) La singularit Z est un ple dordre k de f si elle nest pas effaable et si la fonction
z pz Zqk f pzq se prolonge en une fonction holomorphe en Z.
Exemple 19.35
La fonction
sinpzq
(19.129)
z
nest pas dfinie en z 0, mais elle sy prolonge en une fonction continue en posant f p0q 1. 4
z
Proposition 19.36.
Une singularit de f est un ple si et seulement si
lim f pzq 8.
zZ
(19.130)
f pzq
fn pzq
(19.131)
n0
n0
fn1 pzq.
(19.132)
f pzq
an z n .
(19.133)
nPZ
1183
f pzq
dz
z n`1
(19.134)
19.5
Fonctions dEuler
(19.135)
Alors
(19.136)
C, lequel a des
Dmonstration.
Holomorphie sous lintgrale Pour tudier lholomorphie de la fonction
sur P nous utilisons le thorme 19.25.
Nous considrons la fonction
g : P R` C
(19.137)
pz, tq et z z1
et nous commenons par montrer que cest holomorphe en z pour chaque t 0 fix. Nous
i
le vrifions par le critre de Bzf 0 8 et en nous souvenant que ti elnpt q ei lnptq . Nous
obtenons rapidement que
Bg
0.
(19.138)
B
z
Le fait que la fonction t gpz, tq soit mesurable pour tout z est daccord.
Et enfin soit K compact dans P. Il faut trouver une fonction gK ptq intgrable sur r0, 8r
telle que pour tout z P K et t P r0, 8r nous ayons |f pz, tq gptq|. Pour cela nous majorons
sparment les parties t P s0, 1r et t 1.
Soit donc K compact dans P ; nous posons M maxzPK <pzq et minzPK <pzq.
Si t P s0, 1r alors nous avons
et tz1 et epz1q lnptq ,
(19.139)
|t
1
|t
8. Thorme 19.2.
1
.
t1
(19.140a)
(19.140b)
(19.140c)
(19.140d)
(19.140e)
1184
(19.141)
Cette dernire fonction est un produit dune exponentielle dcroissante avec un polynme.
Cest donc intgrable entre 1 et linfini.
La fonction gK que nous considrons est donc
$
1
& t1
gK ptq born
% t M 1
e t
si t 1
si 1 t b
si t b.
(19.142)
Cela est une fonction intgrable sur s08, r et qui majore f uniformment en z sur le compact
K de P. Le thorme 19.25 nous permet donc de conclure que
8
f pz, tqdt
(19.143)
pzq
0
8
0
Bf
pz, tqdt.
Bz
(19.144)
1
0
t z1
e t
dt `
8
1
et tz1 dt
(19.145)
1
Premire partie Nous commenons par parler de la premire partie : 0 et tz1 dt dans laquelle
nous voulons utiliser le dveloppement en srie de lexponentielle et . Nous devons donc
traiter
1
8
p1qn n`z1
t
dt.
(19.146)
n!
0 n0
Nous allons permuter la somme avec lintgrale laide du thorme de Fubini 13.78 en
posant la fonction
p1qn n`z1
gpn, tq
t
(19.147)
n!
et en considrant le produit entre la mesure de Lebesgue sur C et la mesure de comptage
sur N, cest dire que nous tudions
1
0
gpn, tqdndt.
(19.148)
Pour permuter il suffit de prouver que |g| est intgrable pour la mesure produit, cest dire
que
1
p1qn n`z1
8.
(19.149)
n! t
Nous avons
|tz
t<pzq |,
donc
8 n`z1
8 n
t
t
t<pzq1
t<pzq1 et .
n!
n!
n0
n0
(19.150)
1185
tant donn que nous avons fix z P P, nous avons <pzq 1 1 et donc t<pzq1 est
intgrable entre 0 et 1. La partie et se majore sur r0, 1s par une constante quelconque. Nous
avons donc pay le droit dinverser la somme et lintgrale :
1
8 1
8
8
p1qn n`z1
p1qn n`z 1
p1qn
t z1
e t dt
t
dt
rt
s0
.
(19.151)
n!
n!
n!pn ` zq
0
n0 0
n0
n0
Nous avons donc lintressante formule suivante, valable pour tout z P P :
8
8
p1qn
pzq
`
et tz1 dt.
n!pn
zq
1
n0
(19.152)
p1qn
n!pn zq
n0
(19.153)
C avec des ples en les entiers ngatifs. Pour cela nous considrons la
fn pzq
p1qn
n!pz ` nq
(19.154)
1
,
n!pn N q
(19.156)
(19.155)
|z ` n| |z pzq| n |z| n |z| n NK ,
et par consquent
|fn pzq|
1
,
(19.157)
n!pn N q
dont la srie converge. Cela signifie que la srie nN fn converge normalement 9 sur K,
donc la fonction
8
f pzq
fn pzq
(19.158)
}fn }8,K
n0
est une fonction mromorphe dont les ples sont ceux des fn , cest dire les entiers ngatifs
(proposition 19.39).
(19.159)
est holomorphe sur C. Pour cela nous considrons la fonction de deux variables f pz, tq
et tz1 et nous utilisons le thorme dholomorphie sous lintgrale 19.25. Dabord pour z0
fix dans C nous avons
8
8
1
|et tz0 1 |
et t<pz0 q1 dt,
(19.160)
donc lintgrale converge parce que cest polynme contre exponentielle. Par ailleurs pour
chaque t0 fix sur r0, 8r, la fonction z et0 t0z1 est holomorphe sur C comme en tmoigne
le calcul suivant :
B
1 B
`i
tx`iy1 0.
(19.161)
2 Bx
By 0
9. Dfinition 6.153.
1186
C nous avons
(19.162)
(19.163)
C.
Conclusion Au final nous avons prouv que la fonction dEuler admet le prolongement mromorphe sur C donn par
8
8
p1qn
pzq
`
et tz1 dt.
(19.164)
n!pz
`
nq
1
n0
19.5.1
Euler et factorielle
Proposition 19.42.
Nous avons la formule pnq pn 1q! pour tout n P N.
Dmonstration. Nous partons de la formule
pnq
que nous intgrons par partie en posant
8
0
(19.165)
et tn1 dt
u tn1 u1 pn 1qtn1
v et
v 1 et .
(19.166)
Les termes au bord sannulent (ici il y a un passage la limite qui nest pas crit) et nous trouvons
8
pnq
pn 1qet tn2 dt pn 1qpn 1q.
(19.167)
0
19.6
(19.168)
et u0 1.
Alors nous avons lquivalence de suite (pour n 8) :
un
1
nk1
.
a1 . . . ak pk 1q!
(19.170)
1187
x0
z xai
pz ai qx .
(19.171)
tant donn que |z ai | 1 si et seulement si |z 1|, cette srie a un rayon de convergence gal
1. Nous allons calculer le produit de Cauchy de ces k sries, en nous souvenant que le thorme
16.28 nous assure que la srie rsultante aura un rayon de convergence au moins gal 1 et vaudra
le produit des diffrentes sries.
Le coefficient de z n dans cette srie vaut
1 un
(19.172)
xPN
xi ai n
k
parce que dans chacune des sries, le coefficient de tous les z xai est 1. Nous dfinissons la fonction
8
k
8
k
1
n
xai
.
(19.173)
f pzq
un z
z
z ai
n0
i1 x0
i1
La fonction f existe sur |z| 1 parce que nous venons de voir quelle peut sexprimer comme un
produit de Cauchy ; et la dernire galit est simplement la somme de la srie harmonique. Dautre
part la fonction f est la srie gnratrice de la suite pun q.
Nous sommes en prsence dune fonction ayant des ples aux racines a1 ,. . . , ak e de lunit.
tant donn que 1 est une racine de lunit de tous les ordres, le ple en z 1 est de multiplicit
ai
k. Les autres ples sont de multiplicit strictement infrieure ; en effet
soit P C tel que 1
10
pour tout i. Alors Bezout nous donne des entiers vi P Z tels que i vi ai 1. Alors nous avons
vi ai
p ai qvi 1.
(19.174)
i1
Donc nous voyons que 1 est le seul tre racine de tous les ordres en mme temps. Nous notons
P t1 , . . . , p u
(19.175)
lensemble des ples avec 1 1. Par ailleurs la fonction f est une fraction rationnelle dont nous
connaissons les racines du dnominateur (ce sont les i ) et peu prs leurs ordres. Nous utilisons
le truc de la dcomposition en fractions simples en sparant le terme de puissance k qui nexiste
que pour la racine 1 1 :
p k1
cij
f pzq
`
.
k
p1 zq
pi zqj
i1 j1
(19.176)
k!
,
p zqk`1
(19.178)
1
zk
,
z k0 k`1
(19.179)
1188
valable pour |z| 1. Ce qui nous intresse, cest dexprimer une srie pour 1{p zqj ; et voyant
(19.178), nous voyons quil suffit de calculer les drives de la srie de g. Nous driver terme
terme lintrieur du rayon de convergence. Avec quelques abus dcriture, et en utilisant la bte
formule (16.177) nous avons 11
1
g pj1q pzq
p zqj
pj 1q!
pj1q
1
1
pj 1q! z
8
1
1
pz k qpj1q
pj 1q! k0 k`1
1
k!
1
z kj`1
k`1
pj
1q!
pk
j
`
1q!
8
kj
8
pn ` j 1q! n
z
n!pj 1q!
n0
n`j1 n
1
z .
n`j
n
n0
n`j
(19.180a)
(19.180b)
(19.180c)
(19.180d)
(19.180e)
(19.180f)
Nous pouvons utiliser cela pour rcrire la formule (19.176) de faon considrablement plus complique :
p k1 8
8
n`j1 n
n ` j 1 zn
.
(19.181)
f pzq
z `
cij
n
n
in`j
n0
i1 j1 n0
Mais nous savons que ce f est la srie gnratrice de la suite pun q et que nous pouvons donc utiliser
la formule (16.179) pour exprimer les nombres ul : ul est simplement le coefficient de z l divis par
l!. Cest dire
p k1
l ` j 1 1
l`k1
ul
`
cij
.
(19.182)
l
l
il`j
i1 j1
Notre boulot est dexaminer le comportement de cela lorsque l 8, cest dire regarder quels
sont les puissances de l en prsence. Notons que
En ce qui concerne le premier terme, la puissance dominante dans le coefficient binomial est
k1
l . Dans les autres termes 12 , cest lj1 qui est de degr moins grand. Donc le comportement de
ul en terme de l est
lk1
ul
.
(19.183)
pk 1q!
Il nous reste voir ce que vaut . Pour cela nous repartons de lexpression 19.173 que nous crivons
sous la forme
k
1z
p1 zqk f pzq
.
(19.184)
ai
1
z
i1
Nous reconnaissons linverse dune somme harmonique partielle :
p1 zqk f pzq
1
.
2 ` . . . ` z ai 1
1
`
z
`
z
i1
(19.185)
Par ailleurs, nous ne savons pas si f p1q existe parce que son rayon de convergence nest que de
1 ; et nous savons mme quelle nexiste pas (parce que ce serait la somme des un ). Mais nous
11. ce niveau jai pas exactement le mme coefficient binomial que dans [1], mais je nexclus absolument pas que ce
soit moi qui me trompe. crivez-moi si vous pouvez infirmer ou confirmer lerreur. Quoi quil en soit, cela ne change pas
le rsultat asymptotique que nous cherchons.
12. Attention : les termes i 1 ont 1 1 et il nest donc pas possible de conclure simplement en disant que
ilj 0 pour l 8 ; bien que cela soit vrai pour tous les i 1.
1189
savons aussi que le ple de plus grande multiplicit de f est en z 1 et est de multiplicit k. Donc
p1 zqk f pzq devrait converger pour z 1. Pour tout |z 1| nous avons
k
p1 zq f pzq `
p k1
cij
i1 j1
p1 zqk
.
pi zqj
(19.186)
Lorsque z 1, tous les termes des sommes tendent vers zro, y compris ceux avec i 1 parce que
j k. Il reste donc
lim p1 zqk f pzq .
(19.187)
z0
z1
Donc
z1
i1
19.7
1`z`
z2
1
1
.
a
1
` ... ` z i
a1 . . . ak
1
,
a1 . . . ak
(19.188)
(19.189)
Exponentielle complexe
Dfinition 19.44.
Soit z x ` iy P C. Nous dfinissons lexponentielle de z par
exp :
CC
z
zn
.
n!
n0
(19.190)
Dmonstration. Lexponentielle est continue parce quelle est la somme dune srie entire de rayon
de convergence infini (proposition 16.10).
Les sries exppzq et exppwq ayant un rayon de convergence infini nous pouvons utiliser le produit
de Cauchy (thorme 16.28) :
z i wj
(19.191a)
ez ew
i!j!
n0 i`jn
8
n
z i wni
(19.191b)
i!pn
iq!
n0 i0
8
n
1 n i ni
zw
(19.191c)
n! i0 i
n0
1
pz ` wqn
n!
n0
exppz ` wq.
(19.191d)
(19.191e)
1190
Proposition 19.46.
Si z x ` iy P C alors
ez ez e0 1.
(19.192)
(19.193)
Dmonstration. Par la proposition 19.45 nous savons que ex`iy ex eiy . Nous devons donc seulement tudier eiy . Nous avons
8
piyqn
e
n!
n0
(19.194a)
iy
p1qn
n0
y 2n
y 2n`1
`i
p1qn
p2nq!
p2n ` 1q!
n0
(19.194b)
cospyq ` i sinpyq.
(19.194c)
E:
RC
(19.195)
t etz
(19.196)
E 1 ptq zetz .
zn n
t .
n!
n0
etz
R en t 0 et
(19.197)
Dmonstration. Nous fixons z P C. Par dfinition 19.44, la srie suivante est etz :
f ptq
zn n
t .
n!
n0
(19.198)
8
8
z n n1
z n1 n1
nt
z
t
zetz .
n!
pn
1q!
n1
n1
R. Nous pouvons la
(19.199)
Thorme 19.48.
La fonction exponentielle vrifie les proprits suivantes.
(1) exp est holomorphe.
(2) pez q1 ez .
zn
n!
n0
(19.200)
C.
1191
R2 C, la fonction
(19.201)
BE
px, yq ex`iy Epx, yq
Bx
BE
px, yq iEpx, yq,
By
(19.202a)
(19.202b)
Si r est fix, par le critre dAbel appliqu la suite r{n! nous savons que la srie z n {n!
converge normalement sur le compact Bp0, rq.
19.7.1
Intgrale de Fresnel
(19.203)
en suivant la dmarche prsente par wikipdia. Nous commenons par prouver que lintgrale est
convergente en nous contentant de justifier la convergence de
8
sinpx2 qdx.
(19.204)
0
Pour tout a 0, lintgrale 0 sinpx2 qdx ne pose pas de problmes. En tenant compte du lemme
13.54, nous devons donc seulement calculer
b
lim
sinpx2 qdx
(19.205)
b8 a
o a est une constante strictement positive. Nous effectuons une intgration par partie en posant
u
1
x
1
x2
1 cospxq
v
.
2
u1
v 1 x sinpxq
(19.206a)
(19.206b)
1 cospx2 q
sinpx qdx
2x
2
b8
1 cospx2 q
2x
b
a
cospx2 q 1
dx
2x2
1 cospb2 q 1 cospa2 q
1 cospa2 q
.
b8
2b
2a
2a
lim
(19.207)
(19.208)
(19.209)
(19.210)
1192
3
1
2 : r0, s C
4
t Reit ,
(19.212)
3 : r0, Rs C
(19.213)
t tei{4 .
Tout dabord la fonction f est bien holomorphe par le critre du thorme 19.2. Le calcul de
2
se fait simplement en posant f px, yq epx`iyq . Le calcul est usuel :
Bf
B
z
t2
{4
R2 e2it
e dt `
e
Rie dt `
et e ei{4 dt .
0
0
0
loooomoooon
looooooooooomooooooooooon
loooooooooomoooooooooon
I1 pRq
it
I2 pRq
2 i{2
(19.214)
I3 pRq
Lintgrale est nulle pour tout R en vertu de la proposition 19.6. Lintgrale I1 est une gaussienne
et nous avons
?
(19.215)
lim I1 pRq
R8
2
par lexemple 13.81. Nous montrons maintenant que limR8 |I2 pRq| 0 13 . Dabord nous majorons
en prenant la norme puis nous effectuons le changement de variables u 2t :
|I2 pRq|
{4
0
ReR
{2
0
eR
cosp2tq
dt
cospuq
du.
(19.216a)
(19.216b)
13. Dans [249], ce fait est dmontr via le lemme de Jordan. Nous donnons ici une dmonstration moins technologique.
1193
Nous savons que le graphe du cosinus est concave : il reste au dessus de la droite que joint p0, 1q
p 2 , 0q. Du coup cospuq 1 2 u et par consquent
eR
cospuq
eR
2 p1 2 uq
eR
2 p 2 u1q
(19.217)
R {2 R2 2R2 u
e
e du
2 0
{2
R
2
2R2 u{
e
eR
2
2R2
0
2
eR
,
4R
4R
|I2 pRq|
(19.218a)
(19.218b)
(19.218c)
et nous avons bien limR8 |I2 pRq| 0. Nous passons la troisime intgrale. En tenant compte
que ei{2 i, nous avons
R
e3 ptq ei{4 dt
0
1 ` i R t2 2i{4
?
e e
2 0
1 ` i R it2
?
e
.
2 0
I3 pRq
2 1 ` i 8 it2
0
?
e
dt,
2
2 0
ce qui signifie que
8
0
19.8
it2
?
?
2
i{4
dt
e
.
2p1 ` iq
2
(19.219a)
(19.219b)
(19.219c)
(19.220)
(19.221)
Thorme de Weierstrass
(19.222)
1
fn pq
fn pzq
d
(19.223)
2i BBpa,rq z
pour tout z dans un boule Bpa, q incluse dans Bpa, rq. tant donn que le cercle BB est compact,
elle y est majore par une constante M . Montrons que de plus nous pouvons choisir M de telle faon
avoir |fn pq| M pour tout n et tout en mme temps. Dabord nous utilisons la continuit de
1194
la limite f sur le compact BB pour poser A maxzPBB |f pzq|. Ensuite nous considrons un 0
et N tel que | fn f }BB pour tout n N . Nous savons maintenant que
t|fn pq| tel que n N, P BBu
(19.224)
(19.225)
nN PBB
et alors le nombre M maxtA ` , Bu majore |fn pq| pour tout n et tout P BB.
De plus pour tout P BB et pour tout z dans la petite boule, nous avons | z| r ,
donc la fonction dans lintgrale est majore par une constante ne dpendant ni de n ni de . Nous
pouvons donc permuter lintgrale et la limite sur n :
1
f pzq
2i
BB
f pq
.
z
(19.226)
1
2i
BBpz0 ,rq
f pq
d.
p zqk`1
(19.227)
Nous voulons la convergence sur tout compact contenu dans louvert . Pour ce faire, nous allons
considrer un compact K et prouver la convergence uniforme dans toute boule de la forme
Bpz0 , rq avec z0 P K et Bpz0 , rq . Pour chaque tel couple pz0 , rq, nous aurons un Npz0 ,rq P N
tel que si n Npz0 ,rq ,
(19.228)
Vu que ces boules Bpz0 , rq forment un recouvrement de K par des ouverts, nous pouvons en retirer
un sous-recouvrement fini et prendre, comme N , le maximum des Npz0 ,rq correspondants. Pour ce
N nous aurons
}fnpkq f pkq }K .
(19.229)
Au travail !
Pour z P Bpz0 , rq nous considrons r1 r tel que Bpz0 , r1 q et nous avons
f
pq
f
pq
n
|fnpkq pzq f pkq pzq|
d
1
|fn pq f pq|
d.
2 BBpz0 ,r1 q |r r1 |k`1
(19.230a)
(19.230b)
Nous avons pris ce r1 de telle manire que | z| soit born par le bas par |r r1 | ; sinon la
majoration que nous venons de faire ne marche pas. tant donn que fn f uniformment, nous
pouvons considrer n assez grand pour que le numrateur soit plus petit que indpendamment
de et de z. Donc pour un n assez grand,
|fnpkq pzq f pkq pzq|
2r1
2 |r r1 |k`1
(19.231)
pkq
pour tout z P Bpz0 , rq. Donc nous avons convergence uniforme fn f pkq sur cette boule. Par
largument de compacit donn plus haut, nous avons la convergence uniforme sur tout compact.
1195
19.9
Thorme de Montel
1
f pq
xy
f pq
f pq
f pxq f pyq
d
d
(19.233)
2i BB x y
2i BB p xqp yq
Nous majorons a par
f pxq f pyq |x y|
2
BB
|f pq|
|x y|
d
Mn .
2
2n
n
(19.234)
Justifications :
| x| 2n et | y| n parce que est au mieux sur le rayon passant par x et y.
|f pq| Mn o Mn est la borne uniforme de F sur le compact Kn .
Nous avons aussi fini par calculer lintgrale dans laquelle il ne restait plus rien, a a
donn la circonfrence du cercle de rayon 2n .
Jusqu prsent nous avons prouv que lensemble
Fn tf |Kn tel que f P Fu
(19.235)
Largument diagonal La suite k f1 ...k pkq converge uniformment sur tous les Kn . Si
K est un compact de , alors les petites proprits sympas du lemme 5.140 nous disent
que K IntpKm q pour un certain m. Ladite suite convergeant uniformment sur Km ,
elle converge uniformment sur K et nous avons montr la convergence uniforme sur tout
compact de .
1196
et tel que |f 1 pzq| 1 sur Bpa, rq. tant donn que f 1 pzq est continue sur le compact Bpa, rq, nous
en prenons le maximum (qui est strictement infrieur 1) et nous avons au final
|f 1 pzq| 1
(19.236)
pour tout z P Bpa, rq. Le thorme des accroissements finis 11.187 nous dit que
f pzq a |z a|
(19.237)
pour tout z P Bpa, rq. Cest ici que nous utilisons lhypothse de convexit de . Nous montrons
alors par rcurrence que
n
f pzq a n |z a| n r r.
(19.238)
Lensemble A tf n tel que n 1u est donc uniformment born sur Bpa, rq par a ` r. Autre
manire de le dire : pour tout z P Bpa, rq nous avons
(19.239)
La suite pf n q est donc uniformment borne sur tout compact de Bpa, rq. Le thorme de Montel
19.50 nous indique que lon peut extraire une sous-suite convergente uniformment sur tout compact. Au vu de (19.238) cette convergence ne peut avoir lieu que vers une fonction g qui vaut la
constante a sur Bpa, rq.
Dautre par la fonction g est holomorphe en tant que limite uniforme de fonctions holomorphes,
thorme 19.49. Or une fonction holomorphe constante sur un ouvert est constante sur tout son
domaine dholomorphie (principe dextension analytique, thorme 16.174).
19.10
Espaces de Bergman
Source : [204].
Soit un born dans
Dfinition 19.52.
Lespace de Bergman sur , not A2 pq est lespace des fonctions holomorphes sur qui sont
en mme temps dans L2 pq.
Nous mettons sur A2 pq le produit scalaire usuel hrit de L2 :
xf, gy
f pzqgpzqdz.
(19.240)
Lemme 19.53.
Soit K un compact et f P A2 pq. Alors
1
1
max |f pzq| ?
}f }2 .
zPK
dpK, Bq
(19.241)
Bpa,q
f pq
1
f
a
2
2
0
f pa ` ei qd
(19.242)
1197
r
0
1
2
2
0
(19.244a)
f pa ` ei qdd
1
f pzqdz
2 Bpa,rq
1
x1, f yB
2
1 a
(19.244b)
(19.244c)
(19.244d)
(19.244e)
r2 f paq
et donc
1a
x1, 1yB xf, f yB ,
r2 f paq
r2 }f }2 ,
(19.245)
(19.246)
parce que xf, f yB }f }22 . En effet le produit scalaire }.}2 est donn par une intgrale sur alors
que Bpa, rq et que la fonction quon y intgre est positive (cest |f pzq|2 ). En simplifiant,
1
f paq ? }f }2 .
r
(19.247)
1
? }f }2 .
dpa, Bq
(19.248)
Maintenant si nous prenons a P K, nous avons encore la minoration dpa, BKq dpa, Bq et
donc
1
? }f }2 .
|f paq|
(19.249)
dpa, BKq
Thorme 19.54.
Soit un ouvert de
C.
n`1 n
z
(19.250)
pour n 0.
Dmonstration. Nous commenons par montrer que A2 pq est complet. Pour cela nous considrons
une suite de Cauchy pfn q dans A2 pq et un compact K . Nous savons par le lemme 19.53 que
1
}fn fm }2 .
dpK, Bq
(19.251)
Donc fn converge uniformment sur K. Par le thorme de Weierstrass 19.49, la fonction f est
holomorphe. Il existe donc une fonction holomorphe f qui est limite uniforme sur tout compact de
de la suite pfn q.
Mais L2 pq tant complet, la suite pfn q a une limite g P L2 pq. Ce que nous voudrions faire
est prouver que f g. Notons que tel quel, ce nest pas vrai parce que f est une vraie fonction
alors que g est une classe. Ce que nous enseigne la proposition 18.14 est quil existe une sous-suite
1198
(quon note pgn q) qui converge vers g presque partout. Dans cette dernire phrase, gn et g sont de
vraies fonctions, des reprsentants des classes dans L2 .
Nous dduisons que f g presque partout (ici f et g sont les fonctions) parce que la sous-suite
converge uniformment vers f en mme temps que presque partout vers g. Donc f g dans L2 pq
(ici f et g sont les classes). Donc f P L2 pq et lespace A2 pq est de Hilbert.
Il nous faut encore prouver que pen qn0 est une base orthonormale. En ce qui concerne les
produits scalaires,
c
pm ` 1qpn ` 1q
xem , en y
z n z m dz
(19.252a)
D
c
2
pm ` 1qpn ` 1q 1
d
dm`n eipnmq
(19.252b)
2
0
0
c
2
pm ` 1qpn ` 1q
1
(19.252c)
eipnmq d
2
m ` n ` 2 loooooooomoooooooon
0
c
2mn
1q2
pn `
2
nm .
1
2nm
2n ` 2
(19.252d)
(19.252e)
Donc les fonctions donnes sont bien orthonormales. Nous devons montrer quelles sont denses
dans A2 pDq. Soit f P A2 pDq et cn pf q xf, en y ; nous allons montrer que
}f }22
n0
|xf, en y|2 ,
(19.253)
parce que le point (5) du thorme 17.34 nous indique que ce sera suffisant pour avoir une base
hilbertienne.
tant donn que f est holomorphe sur D, le thorme 19.14 nous dveloppe f en srie entire :
f pzq
ak z k .
(19.254)
k0
n`1
cn pf q
f pzq
en pzq
f pzq
z n dz.
D
D
(19.255)
n`1
n`1
n
cn pf q
lim
z f pzqdz
lim
ak z k zn .
(19.257)
r1 |z|r
r1 |z|r k0
Par la convergence uniforme de la srie entire lintrieur du disque D nous pouvons permuter
lintgrale et la somme (proposition 16.36) :
c
n`1
cn pf q
lim
ak
z k zn dz.
(19.258)
r1 k0
|z|r
1199
r2n`2
zn z k dz
kn .
n`1
|z|1
(19.259)
Nous pouvons donc continuer le calcul de cn pf q en effectuant la somme sur k qui se rduit changer
k en n puis en effectuant la limite :
c
c
r2n`2
n`1
cn pf q
lim
ak
kn
an .
(19.260)
r1 k
n`1
n`1
Nous effectuons le mme genre de calculs pour valuer }f }22 :
|f pzq|2 dz
}f }22
D
lim
r1 |z|r
lim
r1
lim
r1
k0
8
k0
f pzq
a
k
a
k zk dz
(19.261b)
k0
|z|r
a
k ak
(19.261c)
intgrale dj faite.
(19.261d)
permuter
f pzq
z k dz
r2k`2
k`1
(19.261a)
et
}f }22 lim
r1
|ck pf q|2 .
k0
(19.262)
k0
(19.263)
1200
Chapitre 20
Srie de Fourier
Soit f une fonction ; nous dfinissons ses coefficients de Fourier par
cn pf q
1
2
2
0
(20.1)
f ptqeint
inx
kPZ ck pf qe
vers f pxq
(1) Si f est continue et priodique, convergence au sens de Cesaro, thorme de Fejr 20.5.
(3) Si f est continue, priodique et sa srie de Fourier converge uniformment, thorme 20.11.
(4) Si f est priodique et la srie des coefficients converge absolument pour tout x, proposition
20.12.
(5) Si f est priodique et de classe C 1 , thorme 20.13.
Il est cependant faux de croire que la continuit et la priodicit suffisent obtenir une convergence,
comme le montrons dans la proposition 20.16.
20.1
20.1.1
Le rsultat fondamental qui nous permet dutiliser les polynmes trigonomtriques comme base
pour les fonctions continues priodiques est le suivant. Notons que pour les fonctions non continues,
il y a encore du travail.
Lemme 20.1.
Si f : R C est une fonction continue 2-priodique et si 0, alors il existe un polynme
trigonomtrique P tel que }f P }8 .
Dmonstration. Nous allons utiliser le thorme de Stone-Weierstrass 16.88. Soit le compact Hausdorff
S 1 tz P C tel que |z| 1u,
(20.2)
et CpS 1 , Cq lalgbre des fonctions continues de S 1 vers C. Il suffit de vrifier que les polynmes
trigonomtriques vrifient les hypothse du thorme de Stone-Weierstrass. Un polynme trigonomtrique est un polynme en z et z dfini sur S 1 .
(1) Le polynme constant est dans lalgbre, ok.
(2) Pour la sparation des points, le polynme trigonomtrique x eix .
(3) Si P est un polynme en z et z, alors P lest encore.
1201
1202
|fpeit q P ptq| .
(20.3)
t
Soit f : R C une fonction continue 2-priodique. Nous considrons f P CpS 1 , Cq donne par
fpeit q f ptq. Alors supt |f ptq P ptq| .
20.1.2
0 , }.}
des polynmes trigonomtrique dans C2
8 , nous pouvons passer par le gros thorme de
Fejr. Cest ce que nous faisons maintenant.
Le noyau de Dirichlet est la fonction
Dn ptq
(20.4)
eint .
kn
Fn ptq
(20.5)
Lemme 20.2.
Le noyau de Dirichlet sexprime sous la forme
Dn ptq
Note : ce noyau nest pas positif.
ikt
kn
`
sin 2n`1
2 t
sinpt{2q
(20.6)
kn
eint eint
2n
eikt .
(20.7)
k0
1 peit q2n`1
1 eit
1 ep2n`1qit
eint
1 eit
p2n`1qit{2
e
ep2n`1qit{2 ep2n`1qit{2
eint
t
eit{2 eit{2
e`i 2
p2iq sin 2
Dn ptq eint
(20.8a)
(20.8b)
(20.8c)
(20.8d)
(20.9)
f px` q ` f px q
.
2
(20.10)
kn
lim sn pxq
n8
ck pf qeikx .
1203
sin nt
2
sin 2t
(20.11)
Note : ce noyau est positif. Cest important parce quon sen sert dans la preuve du thorme
de Fejr.
Dmonstration. Lastuce est de noter sinpxq =peix q et de repartir du rsultat propos du noyau
de Dirichlet. En utilisant encore la formule de la srie gomtrique partielle,
Fn ptq
n1
1
=
ep2k`1qit{2
n sinpt{2q k0
(20.12a)
n1
it
1
=e 2
n sinpt{2q
k0
it
1
1 enit
=e 2
n sinpt{2q
1 eit
int
nit
nit
2
2
2
e
e
e
1
=eit{2 it `
n sinpt{2q
e 2 eit{2 eit{2
` nt
nit sin
1
2
=e
lo
omo2on
n sinpt{2q
sinp 2t q
1
n
sin 2
sin 2t
ek :
Fn
Alors
(1)
1
2
(20.12d)
(20.12e)
(20.12f)
RC
(20.13)
x eikx .
(20.12c)
sinpnt{2q
nt 2
(20.12b)
Sn pf q
ck pf qek
(20.14a)
1
Fn n pf q
Sk pf q.
n k0
(20.14b)
ek
kn
D0 ` . . . ` Dn1
n
kn
n1
Fn ptqdt 1.
(4) Le systme trigonomtrique tek ukPZ est total pour lespace C 0 pS 1 q, }.}8 des fonctions
continues 2-priodiques.
Dmonstration. Un calcul usuel montre que
el ptqdt
0
2
si l 0
si l 0
(20.15)
1204
n1 k
n1
1 1
1
Fn ptqdt
el ptqdt
1 1.
2 n k0 lk looooomooooon
n k0
(20.16)
2l
1
,
pn ` 1q sin2 p{2q
(20.17)
n pxq 1
D
f ptqeikt dt eikx
(20.18a)
2 kn
1
f ptq
ek px tq
(20.18b)
2
kn
f ptqDk px tq.
(20.18c)
2
Fn pxq
f ptqFn px tqdt
f px uqFn puqdu
x`
f px uqFn puqdu.
(20.19a)
(20.19b)
(20.19c)
Nous prouvons prsent luniforme continuit. Soit 0 ; tant donn que f est continue et 2priodique,
elle
f pxq Fn pxq 1
f px tq f pxq Fn ptqdt
(20.20a)
2
1
1
|2M Fn ptq|dt `
|Fn ptq|dt
(20.20b)
2 |t|
2
2M
Fn ptqdt ` 1
(20.20c)
2 |t|
Pour obtenir (20.20a) nous avons pu rentrer f pxq dans lintgrale en utilisant le premier point.
Pour obtenir (20.20c) nous avons dabord utilis la positivit de Fn (lemme 20.4) pour enlever les
valeurs absolues, et nous avons ensuite utilis le fait que son intgrale valait 2.
tant donn que Fn 0 uniformment sur r, , szr, s, il existe un N tel que
Fn ptqdt
(20.21)
|t|
1205
20.1.3
Densit dans Lp
Nous venons
` 0 de voir (de
deux faons diffrentes) que les polynmes trigonomtriques taient
dense dans C2
pRq, }.}8 . Nous avons aussi dj vu par le thorme 18.58 que ces polynmes
trigonomtriques taient denses dans Lp pS 1 q. Nous prsentons prsent une autre faon de prouver
cette dernire densit.
Thorme 20.6.
Les polynmes trigonomtriques sont denses dans Lp pS 1 q pour 1 p 8.
2
0
|fn f |p
2
0
p 2p .
(20.22)
` 0
20.2
Fonctions de Dirichlet
Dfinition 20.7.
Une fonction f : R C est une fonction de Dirichlet si
(1) elle est 2-priodique,
f pxq
f px` q ` f px q
.
2
(20.23)
Dmonstration. Nous commenons par supposer que f P D nait quun seul point de discontinuit,
x0 . Alors nous considrons la fonction fn qui est gale f sur S 1 zBpx0 , n1 q et qui sur Bpxn , n1 q est
le segment de droite joignant f px0 n1 q et f px0 ` n1 q. Cela est une fonction continue, et de plus
nous avons
|fn pxq| }f }8
(20.24)
pour tout x. En effet si x est en dehors de Bpx0 , n1 q cest vident, et si x P Bpx0 , n1 q, alors |fn pxq|
est major soit par f px0 n1 q soit par f px0 ` n1 q suivant que le raccord affin soit croissant ou
dcroissant. Avec a nous avons
}fn
f }22
x0 `1{n
x0 1{n
|f pxq fn pxq| dx
x0 `1{n
x0 1{n
4}f }8
8}f }8
.
n
(20.25)
Notons que la densit de C 0 pS 1 q dans D, }.}8 est impossible parce quune limite uniforme de
fonctions continue est continue.
1206
Thorme 20.9.
`
Dmonstration. Soit f P D. Si elle est continue, le thorme de Fejr 20.5 nous donne convergence
uniforme sur S 1 dune suite de polynmes trigonomtriques vers f . Cette convergence est galement
une convergence L2 parce que S 1 est compact.
Prenons donc f P D non continue et 0 1 . Par le lemme 20.8, il existe une fonction g P C 0 pS 1 q
telle que
}g f }2 .
(20.26)
Le thorme de Fejr donne aussi un polynme trigonomtrique P tel que }P g}2 ; nous
avons alors
}P f }2 }P g}2 ` }g f }2 2.
(20.27)
Notons que cette histoire de fonctions de Dirichlet na pas attaque le vrai fond du problme de
la densit des polynmes trigonomtriques dans L2 pS 1 q parce que nous restons avec une hypothse
de continuit, alors que les reprsentants des lments de L2 pS 1 q nont strictement aucune rgularit
a priori.
20.3
Dfinition 20.10.
La srie de Fourier associe f est
f pxq
n8
cn pf qe2i T x .
n
(20.28)
Cette expression est pour linstant purement formelle. Cela ne prsume ni de la convergence
de la srie, ni, au cas o elle serait convergente, que la limite soit f .
Pour la suite nous allons considrer des fonctions priodiques de priode 2, et les coefficients
de Fourier de f (quand ils existent) sont alors
1 2
cn pf q
f ptqeint dt
(20.29)
2 0
}SN pf q f }L2 0.
1
N 8 2
lim
2
0
|f ptq SN ptq|2 dt 0.
(20.30)
(20.31)
Lhypothse de convergence uniforme nous dit que la fonction |f ptq SN ptq|2 converge uniformment vers la fonction |f ptq Sptq|2 o nous avons crit S la limite de SN . En permutant la limite
et lintgrale,
1 2
|f ptq Sptq|2 dt 0,
(20.32)
2 0
ce qui signifie que la fonction t |f ptq Sptq|2 est la fonction nulle. Nous en dduisons que
f S.
1. Par exemple 0.4, mais ce nest quun exemple hein. Si vous en voulez un autre, prenez p, un nombre
premier puis calculez 1{p.
1207
Proposition 20.12.
Soit f une fonction 2-priodique. Si nPZ |cn pf q| 8, alors pour tout x P R nous avons
cn pf qeinx .
(20.33)
f pxq
nPZ
nPZ
cn pf qeinx .
(20.34)
tant donn les hypothses, la srie de droite converge absolument, la fonction g est continue sur
R. Nous avons
(20.35)
|k|n
mais le terme de droite tend vers zro lorsque n 8 parce que cest le reste dune srie convergente.
Cela signifie que Sn f converge uniformment vers g.
Par ailleurs nous savons que dans L2 nous avons la convergence Sn f f (parce que f est
continue sur le compact r0, 2s et donc y est borne et L2 ), ce qui signifie que g f presque
partout au sens L2 . Ces deux fonctions tant continues, elles sont gales partout.
Thorme 20.13.
Soit f , une fonction C 1 et 2-priodique. Nous notons pcn qnPZ la suite de ses coefficients de Fourier.
Alors pcn q P `1 pZq et pour tout x P R nous avons
f pxq
nPZ
cn pf qeinx .
(20.36)
2
0
g ptqdt
2
0
(20.37)
Du coup, cn pf 1 q incn pf q. La fonction f 1 tant borne (parce que continue sur r0, 2s), elle est
de carr intgrable sur r0, 2s et par les ingalits de Parseval (thorme 17.34) nous avons
nPZ
|cn pf 1 q|2 8.
(20.38)
Par consquent pcn pf 1 qq P `2 pZq et a fortiori pcn pf 1 qqnPN P `2 pNq. Lingalit de Cauchy-Schwartz
nous indique alors
1
|cn pf 1 q|
|cn pf q|
n
nPN
nPN
1{2
1{2
1
1 2
|cn pf q|
8.
2
n n
n
|cn pf q| 8.
nPZ
Corollaire 20.14.
Soient f, g deux fonctions continues et 2-priodiques. Si cn pf q cn pgq alors f g.
(20.39)
(20.40)
1208
Dmonstration. Dans le cas de fonctions continues, le thorme de Fejr nous enseigne que si nous
posons
n
Sn pxq
ck pf qeikx
(20.41)
kn
1
Sn pf qpxq f pxq.
N ` 1 n0
(20.42)
Cest dire quune fonction continue est dtermine par ses coefficients de Fourier.
Exemple 20.15
Considrons la fonction
x2
(20.43)
2
sur r, s. Nous la dveloppons en srie trigonomtrique, et tant paire il ny a pas de sinus. Un
calcul montre que
4
a0
(20.44)
3
et
4
an p1qn`1 2 2 ,
(20.45)
n
de telle sorte que
8
4
2
cospnxq
.
(20.46)
f pxq 2
p1qn
3 n1
n2
f pxq 1
20.3.1
8
2
4 1
2
,
3 n1 n2
1
2
.
2
n
6
n1
(20.47)
(20.48)
4
Nous montrons maintenant que la continuit et la priodicit ne sont pas suffisantes pour avoir
convergence de la srie de Fourier.
Proposition 20.16 ([1]).
0 lensemble des fonctions continues muni de la norme uniforme. Nous dfinissons
Soit C2
Sn pf qpxq
kn
ck pf qeikx .
(20.49)
f Sn pf qp0q
kn
ck pf q.
(20.50)
1209
La forme est continue Nous montrons dabord que }ln } est continue en montrant que }ln }
8 et en utilisant la proposition 6.217. Pour cela nous calculons un peu :
n
n
1
1
1
ln pf q
f ptqeikt dt
f ptq
f ptqDn ptqdt (20.51)
eikt dt
2
2
2
kn
kn
o Dn ptq est le noyaux de Dirichlet dont nous savons une formule par le lemme 20.2. Nous
avons donc
1
|ln pf q|
|Dn ptq|}f }8 dt.
(20.52)
2
1
|Dn ptq|dt 8.
}ln }
2n
sin 2n`1
t
`2
t
sin 2t
(20.53)
(20.54)
t0
a cospatq
sinpatq
lim
a.
t0 cosptq
sinptq
(20.55)
Donc Dn ptq a une limite bien dfinie pour t 0 et est alors une fonction continue sur le
compact r, s.
1
La norme de ln (dbut) Nous avons prouv que }ln } 2
|Dn ptq|dt. Nous allons prsent
prouver que cela est effectivement la norme de ln . Pour 0 nous considrons la fonction
f :
RC
x
Dn pxq
.
|Dn pxq| `
(20.56)
Cest une fonction continue et 2-priodique satisfaisant }f } 1 parce que le dnominateur
est toujours plus grand que le numrateur. Nous nous proposons de calculer
1
ln pf q
f ptqeikt dt.
(20.57)
2
kn
Vu que f ptqeikt vaut en norme |f ptq| qui est une fonction intgrable (ne dpendant pas
de k) sur r, s, le thorme de la convergence domine 7.134 nous permet de permuter
la somme et lintgrale :
1
Dn ptq
1 Dn ptq
ikt
ln pf q
e
dt
dt.
(20.58)
2 |Dn ptq| ` kn
2 |Dn ptq| `
loooomoooon
Dn ptq
1
lim ln pf q
0
2
|Dn ptq|dt.
|Dn ptq|dt.
(20.59)
(20.60)
1210
Norme de ln tend vers 8 Nous utilisons la divergence de lintgrale du sinus cardinal (13.846).
Dabord nous crivons
`
t
1 sin 2n`1
2
dt,
(20.61)
}ln }
2 sinpt{2q
ensuite nous nous souvenons que | sinpxq| |x| pour tout x, ce qui nous permet de changer
le dnominateur :
2 sin 2n`1
2 t
}ln }
dt
(20.62)
0
|t|
2n`1
2 t
qui donne
pn` 1 q
2
sinpuq
0
|u|
(20.63)
lim }ln } 8.
(20.64)
n8
` 0
La conclusion Lespace C2
, }.}8 est complet 2 , donc le thorme de Banach-Steinhaus 18.8
sapplique. Par rapport aux notations de lnonc de Banch-Steinhaus, nous posons
` 0
E C2
, }.}8
(20.65a)
F R
(20.65b)
H tln unPN .
(20.65c)
0 tel que
Vu que la suite p}ln }q nest pas borne, il existe f P C2
sup }ln pf q} 8.
(20.66)
sup Sn pf qp0q 8,
(20.67)
n0
20.3.2
Ingalit isoprimtrique
Dfinition 20.17.
Une courbe de Jordan dans le plan est une application : S 1 R2 qui est continue et injective.
Une telle courbe peut videmment tre vue comme une application : r0, 2s R2 telle
que p0q p2q. En particulier il nest jamais mauvais de se rappeler quon peut choisir une
paramtrisation normale par la proposition 14.41.
1211
(2) Nous avons lgalit L2 4S si et seulement si la courbe donne par f est un cercle.
Dmonstration. Nous commenons par considrer un chemin dont la longueur est 2 et nous en
considrons sa paramtrisation normale. Nous allons exprimer laire S en utilisant le thorme de
Green, et plus particulirement la formule de surface (13.442).
Si f psq xpsq ` iypsq, nous devons intgrer y 1 x x1 y, qui nest rien dautre que la partie
imaginaire de f 1 psqf psq. Donc
2
1
f 1 psqf psqds
S Im
(20.68)
2
0
Nous considrons les coefficients de Fourier de f donns par la formule (20.29) :
cn pf q
1
f psqeins .
2
(20.69)
Ceux de f 1 (qui est aussi continue sur le compact S 1 et donc tout autant L2 ) sont donns par
(20.70)
cn pf 1 q incn pf q.
parce que nous avons choisit une paramtrisation normale qui vrifie automatiquement |f 1 psq| 1
pour tout s. Lidentit de Parseval sous sa forme (17.101) applique f 1 nous enseigne que
L 2
2
0
|f 1 psq|2 ds 2xf 1 , f 1 y 2
n8
|cn pf 1 q|2 2
n2 |cn pf q|2 .
(20.72)
Par ailleurs
trigonomtrique tant une base hilbertienne, et les fonctions f et f 1 tant
` le systme
2
dans L r0, 2s (parce que continues sur un compact), elles sont gales leurs sries de Fourier
(au sens L2 ), cest dire que nous avons lgalit (18.114). Nous avons alors
xf 1 , f yL2 x
cn pf 1 qen ,
cm pf qem y
(20.73a)
nPZ
m n
nPZ
mPZ
cn pf qcm pf q looomooon
xen , em y
(20.73b)
m,n
cn pf qcn pf q
in|cn pf q|2
(20.73c)
(20.73d)
o nous avons utilis la continuit du produit scalaire pour sortir les sommes. Avec cela nous
pouvons exprimer laire (20.68) en termes de coefficients de Fourier :
S
1
Im 2xf 1 , f y
n|cn pf q|2 .
2
nPZ
(20.74)
En utilisant les expressions (20.72) et (20.74) pour L et S, et en crivant L 2L, nous avons
L2 4S 4 2
pn2 nq|cn pf q|2 0.
(20.75)
nPZ
1212
Si nest pas de longueur 2 mais L, alors nous considrons le chemin ptq 2ptq
L . Sa
longueur est 2 et son aire, au vu de la formule de Green (20.68), son aire est 4 2 LS2 . Lingalit
isoprimtrique applique au chemin donne alors L2 4S.
Le cas dgalit sobtient uniquement si cn 0 pour tout n diffrent de 0 ou 1. Dans ce cas
nous avons
f psq c0 pf q ` c1 pf qeis ,
(20.76)
qui est un cercle de centre c0 pf q et de rayon |c1 pf q|.
20.3.3
Dfinition 20.20.
Soit u une suite dans r0, 1s. Pour 0 a b 1 nous posons
(
Xn pa, bq Card k P t1, . . . , nu tel que uk P ra, bs .
(20.77)
n8
Xn pa, bq
0.
b
(20.78)
(2) Pour toute fonction continue valeurs relles sur r0, 1s,
1
n
1
f pxk q
f pxqdx.
n8 n
0
k1
lim
(20.79)
n
1 2ipuk
e
0.
n8 n
k1
(20.80)
lim
Dmonstration. On pose
Sn pf q
n
1
f pxk q.
n k1
(20.81)
Une espce de lemme Supposons connaitre un ensemble de fonctions A dense dans C 0 pr0, 1sq
pour toutes les fonctions duquel nous avons la limite (20.79). Alors la limite a lieu pour
toute fonction de C 0 pr0, 1sq. En effet, soit f P C 0 pr0, 1sq et g P A tel que }f g}8 . Alors
1
n
n `
1
1
f pxk q
f ptqdt
f pxk q gpxk q
n
n
0
k1
k1
n
1
`
gpxk q
gptqdt
n
0
k1
1
` gptqdt
f ptqdt .
0
(20.82a)
(20.82b)
(20.82c)
1 `
Le premier terme se majore par . Le troisime est la mme majoration : 0 f ptqgptq dt
}f g}8 . Par hypothse sur lespace A, le second terme se majore par lorsque n est
grand.
1213
(1)(2) Nous supposons que la suite est quirpartie et nous commenons par montrer le
rsultat pour les fonctions en escalier. Soit donc la fonction en escalier pxq cj sur
aj1 x aj . Sur le point aj lui-mme, la fonction vaut soit cj soit cj`1 . Nous avons
ff
n
m
m
m
1
1
pxk q
cj Xn paj , aj`1 q
cj Xn paj , aj q `
paj qXn paj , aj q . (20.83)
n k1
n j1
j1
j1
la limite n 8, les deux derniers termes tombent 4 et il reste
n
m
1
pxk q
cj paj1 aj q.
n8 n
j1
k1
lim
(20.84)
j1
cj paj1 aj q
1
0
(20.85)
tant donn que les fonctions en escalier sont denses dans les fonctions continues, lespce
de lemme plus haut conclut.
(2)(1) Nous prouvons maintenant le sens inverse. Cest dire que pour toute fonction continue sur r0, 1s, nous avons
1
n
1
f pxqdx lim
f pxk q.
(20.86)
n8 n
0
k1
Nous devons en dduire que pxn q est quirpartie. Pour ce faire, soit x P r0, 1r et 0 tel
que x ` 1. Nous considrons 1rx,1r et
ptq
&0
tx
%
1
si t P r0, xr
si t P rx, x ` r
si t x ` .
tx
lim Sn ptq
dt `
1dt 1 x .
ptqdt
n8
2
0
x
x`
(20.87)
(20.88)
lim inf Sn pq 1 x.
n8
(20.89)
Notons que nous ne savons pas si la vraie limite de gauche existe ; cest pourquoi nous
prenons la limite infrieure, qui existe toujours.
Nous dfinissons aussi
$
si t P r0, x r
&0
(20.90)
ptq tx`
si t P rx , xr
%
1
si t x.
Cest encore une fonction continue et nous trouvons 5
1
ptqdt 1 x ` .
2
0
(20.91)
4. Jen profite pour mentionner que mon quation (20.83) nest pas la mme que celle de [204] dans laquelle il
me semble voir une faute ; quoi quil en soit, les termes litigieux tombent.
5. Je recommande chaudement de dessiner les fonctions et pour avoir une ide de la situation.
1214
(20.92)
(20.93)
lim Sn pq 1 x.
n8
(20.94)
Cela est pour la fonction caractristique 1rx,1r . Si nous prenons une fonction caractristique 1ra,bs , nous avons la mme chose parce que 1ra,br est une combinaisons linaire de
fonctions du type 1rx,1r .
Nous avons donc
`
lim Sn 1ra,bs b a,
(20.95)
n8
1ra,bs
n
1
1
(20.96)
(2)(3) Vu que e2ipuk cosp2puk q ` sinp2iuk q est une fonction priodique, cest immdiat.
(3)(2) Par linarit, le point (2) montre que si f est un polynme trigonomtrique, alors
1
n
1
lim
f puk q
f ptqdt.
n8 n
0
k1
(20.97)
Il nous reste prouver que les polynmes trigonomtriques sont denses dans les fonction
continues sur r0, 1s. Soit une fonction continue sur r0, 1s avec f p0q f p1q. Alors le thorme
de Stone-Weierstrass dans sa version trigonomtrique (lemme 20.1) nous donne la densit.
Si f p1q f p0q cest pas trs grave : on peut trouver une fonction g vrifiant gp0q gp1q et
}f g}8 . Ensuite un polynme trigonomtrique approxime trs bien g. .
20.3.4
f pcn pf qqnPZ
(20.98)
qui une fonction 2-priodique fait correspondre la suite (borne) de ses coefficients de Fourier.
Nous rappelons la dfinition
1 2
cn pf q
f ptqeint .
(20.99)
2 0
Nous allons montrer que cette application est linaire, continue, injective et non surjective. Pour
la continuit, par la linarit il suffit de la montrer en 0. Nous devons donc montrer que si nous
avons une suite de fonctions fk qui tend vers 0 au sens L1 , alors cpfk q 0 au sens de la norme
}.}8 sur lensemble des suites.
2
Si nous posons rk 0 |fk ptq|dt, alors rk }fk }1 et nous avons rk 0. Mais par dfinition
|cn pfk q| rk ,
(20.100)
et donc }cpfk q}8 rk . Lapplication c est donc continue. Linjectivit est donne par le corollaire
20.14.
1215
Si nous supposons que lapplication c est continue, alors le thorme disomorphisme de Banach
(18.2) nous dit que cela devrait tre un homomorphisme, cest dire que c1 serait galement
continue. Nous allons montrer quil nen est rien.
Nous considrons la suite de suite
#
1 si k n
pcn qk
(20.101)
0 sinon.
Ici pcn qk est le terme numro k de la suite n. Par injectivit de lapplication qui une fonction fait
correspondre la suite de ses coefficients de Fourier, la seule fonction qui possde ces coefficients est
fn ptq
cn,k eikt .
(20.102)
kPN
tant donn que }fn }1 n, la suite p}fn }1 q nest pas borne alors que a suite de suites (20.101)
est borne dans lensemble des suites parce que }cn }8 1.
1216
Chapitre 21
Transformation de Fourier
Ici nous utilisons la convention de la transforme de Fourier de wikipedia, cest dire
eix f pxqdx
(21.1a)
f pq
R
eix fpqd.
(21.1b)
f pxq 2
R
Nous allons par ailleurs utiliser indiffremment les notations Fpf q ou f pour la transforme de
Fourier de f . La notation F est pratique pour les transformes de loooooongues expressions ainsi
que pour parler de lapplication transforme de Fourier dun espace de fonction vers un autre.
21.1.
Nous verrons dans le thorme 21.25 que la Transforme de Fourier nest pas une isomtrie de L2 .
Pour avoir une isomtrie, il aurait fallu choisir des coefficients moins simples dans (21.1a).
21.1
Rdq
Dfinition 21.2.
Si f P L1 pRd q alors nous dfinissons sa transforme de Fourier est la fonction donne par
Fpf qpq f pq
eix f pxqdx
(21.2)
R
Lemme 21.3.
Si f P L1 pRd q et si gpxq f pxq alors
gpq d fp{q.
gpq
f pxqeix dx.
Rd
(21.3)
(21.4)
z
f gpq
f pyqgpt yq eit dt.
R
1217
(21.5)
(21.6)
1218
Ici nous avons choisit des reprsentants f et g dans les classes de L1 . Montrons que f est borlienne.
Dabord f pxq f` pxq f pxq o f` et f sont des fonctions positives. Afin dallger les notations
nous supposons un instant que f est positive et nous posons
2n
k
fn pxq
1
k k`1 .
n f pxqPr n , n r
k1
(21.7)
Le fait que f soit dans L1 implique que chacune des fonctions fn est borlienne et donc que f lest
aussi en tant que limite ponctuelle de fonctions borliennes 1 .
Nous allons appliquer le thorme de Fubini 13.79 la fonction
(21.8)
px, yq f pxqgpyqeipx`yq
qui est borlienne en tant que produit et compos de fonctions borliennes. Nous avons
ix
iy
|gpyq|dy dx
|f pxqe
||gpyqe
|dy dx
|f pxq|
R
R
R
R
|f pxq|}g}1
}f }1 }g}1 8.
ix
iy
fpq
g pq
f pxqe
dx
gpyqe
dy
R
R
ipx`yq
f pxqgpyqe
dy dx
R R
(21.9a)
(21.9b)
(21.9c)
(21.10a)
(21.10b)
(21.10c)
Jusquici nous navons pas utilis Fubini. Nous avons seulement introduit le nombre R gpyqeiy dy
dans lintgrale par rapport x et effectu le changement de variables y t x ` y. Maintenant
nous appliquons le thorme de Fubini pour inverser lordre des intgrales :
it
f pq
g pq
f pxqgpt xqe
dx dy
(21.11a)
R
R
it
e
f pxqgpt xqdx dt
(21.11b)
R
R
eit pf gqptqdt
(21.11c)
R
(21.11d)
fz
gpq.
Proposition 21.5.
Soit une fonction f P L1 pRd q. Alors sa transforme de Fourier est continue.
Dmonstration. Nous considrons une fonction f dfinie sur
transforme de Fourier est donne par
f pq
eix f pxqdx.
Rd et valeurs dans R ou C. Sa
Rd
(21.12)
Pour montrer que cette fonction f est continue en 0 nous considrons une suite pn q 0 et nous
voulons montrer que fpn q fp0 q. Pour cela nous considrons les fonctions
gn pxq ein x f pxq
(21.13)
n8
1219
(21.14)
(21.15)
fpq
f pxqeix dx,
Rn
|fpq|
|f pxq|dx,
(21.16)
(21.17)
Dmonstration. Nous commenons par prouver le rsultat dans le cas dune fonction g en escalier,
et plus prcisment par une fonction caractristique dun compact K ra, bs. Au niveau de la
transforme de Fourier nous avons
b
1
1 K pq eix dx peib eia q.
(21.18)
i
a
Par consquent
Plus gnralement si g
K pq|
|1
i1 ci Ki ,
alors
|
g pq|
2
.
||
N
2
|ci |,
|| i1
(21.19)
(21.20)
(21.22)
lim |
g pq| 0,
(21.23)
Le premier terme est plus petit que . Il nous reste voir que
8
Dmonstration. Par le corollaire 21.5, la transforme de Fourier dune fonction L1 est continue.
Le lemme de Riemann-Lebesgue 21.7 impliquant quelle tend vers zro en 8, elle doit tre
borne.
1220
21.1.1
|f pxq|
(2)
n8 |f p2nq|
M
,
p1 ` |x|q
(21.24)
8.
8
n8
f pnq
n8
fp2nq.
(21.25)
Dmonstration.
Convergence normale Nous commenons par montrer quil y a convergence
normale sur tout compact sparment des sries sur les n 0 et sur les n 0.
Soit K un compact de R contenu dans rA, As et n P Z tel que |n| 2A. Pour x P K nous
avons
|n|
|x ` n| |n| |x| |n| A
.
(21.26)
2
Du coup nous avons un 1 tel que
M
M
.
|f px ` nq| `
1 ` |x ` n|
1 ` |n|
2
(21.27)
n0
(21.28)
f px ` nq
a
f px ` nq
(21.29a)
n0
convergent normalement.
n0
f px ` nq
(21.29b)
nPZ
f px ` nq a` ` a .
(21.30)
En effet si nous prenons J01 N fini tel que | NzJ0 f px ` nq a` | et J11 P N tel que
|
f pn ` xq pa` ` a q| |
f pn ` xq a` | ` |
f pn ` xq a | 2 (21.31)
nPK
nPK `
nPK
o K ` sont les lments positifs de K et K sont les strictement ngatifs. Maintenant que
la famille tf pn`xqunPZ est une famille sommable, nous savons quelle est commutativement
sommable et que la proposition 6.191 nous permet de
sommer dans lordre
8 que lon veut.
Nous pouvons donc crire sans ambigit lexpression nPZ f px ` nq ou n8 f px ` nq.
1221
nPZ
(21.32)
f px ` nq
qui converge tant commutativement que normalement. Notons que nous pouvons maintenant dire que la srie sur Z converge normalement ; pas seulement les deux sries sparment.
Continuit, priodicit tant donn que chacune des fonctions f px ` nq est continue, la
convergence normale nous assure que F est continue.
De plus F est priodique parce que
F px ` 1q
o nous avons pos p 1 ` n.
n8
f px ` 1 ` nq
p8
f px ` pq
(21.33)
1{2
1{2
1
0
1
F ptqe2int dt
F ptqe2int dt
f pt ` nqe2int dt
0 nPZ
n`1
nPZ n
8
8
f puqe2ipunqt du
f puqe2inu du
fp2nq.
(21.34a)
(21.34b)
(21.34c)
(21.34d)
(21.34e)
(21.34f)
F pxq
n8
nPZ
f px ` nq
cn pF qe2inx ,
8
n8
fp2nqe2inx .
f pnq
fp2nq.
nPZ
nPZ
(21.35)
(21.36)
(21.37)
Exemple 21.10
La formule sommatoire de Poisson peut tre utilise pour calculer des sommes dans lespace de
Fourier plutt que dans lespace direct. Nous allons montrer dans cet exemple lgalit
8
8 c
2 n2 {
n2
e
e
.
(21.38)
n8
n8
1222
Si est grand, alors la somme de gauche est plus rapide, tandis que si est petit, cest le contraire.
Nous appliquons la formule sommatoire de Poisson la fonction
(21.39)
f pxq ex .
2
Nous avons
fpxq
et
dt
(21.40a)
?
ix 2
p t` 2?
q
(21.40b)
2 ixt
ex
2 {4
e
R
1
2
ex {4 ?
R`
eu du.
2
ix
?
2
(21.40c)
Pour traiter cette intgrale nous utilisons la proposition 19.6 en considrant le chemin rectangulaire
2
ferm qui joint les points R, R, R ` ai, R ` ai et f pzq ez . Calculons lintgrale sur les deux
cts verticaux. Nous posons
R ptq R ` tia
(21.41)
avec t : 0 1. Nous avons
1
0
ae
`
1
f R ptq }R
ptq}dt
R2
f | ae
R2
1
0
1
0
(21.42a)
(21.42b)
e2tRia`at dt,
2
eat dt M eR ,
2
(21.43)
2
2
eu du
eu du,
(21.44)
R`ai
que nous pouvons utiliser pour continuer le calcul (21.40). Nous avons
c
2
ex {4
x2 {4
u2
f pxq ?
e du
e
(21.45)
o nous avons utilis la formule (13.124). Par consquent ce qui rentre dans la formule sommatoire
de Poisson est
c
2 n2 {
e
.
(21.46)
f p2nq
21.2
pq
pxqeix dx.
Rn
(21.47)
pM f qpxq x1 . . . xm f pxq.
(21.48)
1223
et
(21.49)
pq piq|| pq.
By
(21.50)
Gpxq Mi pxq,
(21.51)
Dmonstration. Nous considrons la fonction hpx, q pxqeix dont la drive par rapport
i est donne par ipMi qpxqex . Cette fonction est majore en norme par
qui est encore une fonction dcroissance rapide et donc parfaitement intgrable sur Rd . Le
thorme 13.180 nous dit donc que la drive de par rapport i existe et vaut
B
z
pq i
xi pxqei x iM
(21.52)
i pq.
Bi
Rn
B
z
Bxk pq
pxqeix dx.
(21.53)
Rd Bxk
tant donn que
B
B
pxqeix ik pxqeix ,
pxqeix
Bxk
Bxk
(21.54)
B
pxqeix dx 0.
Rd Bxk
(21.55)
Autrement dit, nous voulons montrer que le terme au bord dune intgration par partie sannule.
Dabord le fait que soit dcroissance rapide nous assure que lintgrale (21.55) converge. Pour
chaque , la fonction
B
f px, q
pxqeix
(21.56)
Bxk
est intgrable par rapport x. De plus, f est dans S pRq pour chacune de ses variables (les autres
tant fixes). Le thorme de Fubini 13.78 nous permet alors de dcomposer lintgrale en
f px, qdx
...
f px1 , . . . , xd qdx1 . . . dxd .
(21.57)
Rd
De plus nous pouvons intgrer dans lordre de notre choix et nous choisissons videmment dintgrer
dabord par rapport xk . tudions donc lintgrale
A
B
B
pxqeix dx lim
pxqeix dx
(21.58)
A8 A Bx
R Bx
dans laquelle nous avons un peu allg les notations. Une primitive de ce qui est intgr est toute
trouve : cest pxqeix , et nous pouvons utiliser le thorme fondamental du calcul intgral pour
crire que
A
1
xA
.
(21.59)
pxqeix dx pxqeix
A
xA
1224
En substituant maintenant (21.54) dans (21.53) et en tenant compte du terme que nous venons
de montrer sannuler, nous avons
y
Bk pq ik
pxqeix ik pq.
(21.60)
Rd
(21.61)
piq|| M
B M pq.
(21.62)
pq piq
Ensuite nous nous souvenons que }f}8 }f }1 parce que
ix
|f pq|
f pxqe
|f pxq|dx }f }1 .
Rd
Donc
(21.63)
Rd
M } }B M } .
p, pq
}B{
(21.64)
Du fait que soit dans S , la dernire expression est finie. Cela prouve dj que
`
F S pRd q S pRd q.
S
(21.65)
Continuit Nous supposons avoir une suite n , et nous devons prouver que n .
Pour
allger les notations, nous posons fn n . Nous avons
}f}, } B f}8
M f } lemme 21.11.
}B{
8
}B M f }1
(21.66a)
(21.66b)
(21.66c)
18.75 nous dit que B M fn 0, ce qui signifie, par les majorations (21.66) que
}fn }, }B M fn }1 0,
(21.67)
Alors P S pRn Rm q.
2. Pour rappel, en dimension infinie, il nest pas garanti quune application linaire soit continue.
(21.68)
1225
x k B B px,
kq x k B piq| | M
x B B 1 M1 px, kq.
1 px, kq piq
(21.69)
(21.70)
est dans L1 pRm q par le corollaire 18.72. Par consquent le thorme 13.180 permet de permuter
la drive et lintgrale dans
B
B
px,
kq
eiky px, yqdy.
(21.71)
Bx
Bx Rm
Dans le mme ordre desprit mais dans difficults de permutation de limites nous avons M
M
.
Dautre part nous avons encore }}
8 parce que
Rm
Rm
(21.73)
21.2.1
Exemple 21.14([1])
2
Soit la fonction g pxq ex . Sa transforme de Fourier sera dduite dans le lemma 21.15 en
utilisant le lemme de transfert 21.11. Nous nous proposons ici de dduire de faon directe lquation
diffrentielle vrifie par la transforme de Fourier de g .
Nous posons
Ipkq
(21.74)
(21.75)
Elle est de classe C 1 par rapport k, et intgrable en x pour chaque k. De plus sa drive
pBk f qpk, xq ixeikx ex
(21.76)
vrifie |Bk f | xex . La drive est donc majore (uniformment en k) par une fonction intgrable.
Le thorme 13.180 permet de permuter la drive et lintgrale :
2
1
I pkq
ixeikx ex dx
(21.77a)
R
1 d x2
e
dx
(21.77b)
i
eikx
2 dx
R
i
d ikx x2
e
e
dx
par partie
(21.77c)
2 R dx
k
2
eikx ex dx
(21.77d)
2 R
k
Ipkq.
(21.77e)
2
2
1226
k
Do lquation diffrentielle I 1 pkq 2
Ipkq.
d{2
(21.78)
(21.79)
e}}
2 {4
2 {2
2
2
gpq
et {2 ek x dt
exk eik xk dx
fpk q
(21.80)
Rd k1
k1
k1
2 {2
f pxq ex
(21.81)
yp0q y0
?
2
f p0q
ex {2 dx 2.
2 {2
. En ce qui concerne
fpq
2e
2 {2
(21.84)
(21.85)
(21.86)
Utilisant successivement la transforme de Fourier de g que nous venons de calculer et 21.3 (facteur
dchelle) nous trouvons
gpq p2qd{2 gpq
` ?
g pq p2qd{2 g { 2
d{2
2
e|| {4 ..
Nous voyons que g P S pRd q (ctait gagn davance par la proposition 21.12).
3. Une faon directe de dduire cette quation diffrentielle est donne dans lexemple 21.14.
(21.87a)
(21.87b)
(21.87c)
1227
21.3
Suite rgularisante
Dfinition 21.16.
Une suite rgularisante est une suite pn q dans L1 pRd q telle que
lim
n8 |t|
n 0.
(21.88)
Une telle suite est rgularisante parce que souvent n P DpRd q, ce qui donne f n P C 8 par
le corollaire 18.37.
Proposition 21.17 ([3, 257]).
Soit une suite rgularisante n P L1 pRd q. Alors :
(1) Si f est continue support compact, nous avons la convergence uniforme sur
Rd :
unif
(21.89)
Lp
(21.90)
f n f.
(2) Si g P Lp (1 p 8) alors
g n g.
Dmonstration. Si f est continue support compact, elle est uniformment continue 4 , et elle est
borne. Soit 0 et 0 tel que pour tout x, y tels que }x y} nous ayons |f pxq f pyq| .
Nous prenons de plus n suffisamment grand pour avoir Bp0,qc n . Nous avons alors
|f pxq pf n qpxq| |
f pxq f pyq n px yqdy|
(21.91a)
d
R
Bpx,qc
2}f }8
(21.91b)
p1 ` 2}f }8 q.
(21.91c)
Nous avons prouv que pour tout 0, il existe N tel que n N implique f pxq pf n qpxq .
Cela prouve luniforme convergence sur Rd de f n vers f .
Pour le point (2) nous considrons g P L1 pRd q et P DpRd q. Nous avons la majoration
}g n g}p }g n n }p ` } n }p ` } g}p
(21.92)
}pg q n }p }g }p
(21.93)
}g n g}p 2}g }p ` } n }p .
(21.94)
Lp
Par la densit de D dans Lp (thorme 18.40(5)) nous pouvons considrer une suite i g dans
DpRd q. Pour tout i nous avons
}g n g}p 2}g i }p ` }i n }p .
(21.95)
(21.96)
1228
parce que le point (1) sapplique i . Nous effectuons ensuite la limite sur i 8 dans
lim }g n g} 2}g i } 0.
n8
Lemme 21.18.
2
Si g pxq e}x} alors la suite
n
1
g
p2qd 1{n
(21.97)
(21.98)
0 pour tout . Il y a seulement un couac avec la norme. Nous calculons Rd g pqd avec la forme
(21.87c). En utilisant sauvagement Fubini 5 pour sparer les intgrales et en effectuant le change?
ment de variable u t{p2 q nous calculons :
Rd
||2 {4
k1
et
2 {4
dt
d
?
2
eu du
2
k1
? ?
2
k1
d
2 pqd{2 .
(21.99a)
(21.99b)
(21.99c)
(21.99d)
Nous avons utilis lexemple 13.82 ou 13.81 (au choix). Avec tout cela nous avons
Donc
1
g
p2qd 1{n
Rd
g p2qd .
(21.100)
Le corollaire suivant regroupe les rsultats propos des suites rgularisantes, leur utilit et leur
existence.
Corollaire 21.19.
Si la suite rgularisante n est dans L1 pRd q X C 8 pRd q alors pour f P Lp pRd q en posant fn n f
nous avons
(1) fn P C 8 pRd q X Lp pRd q
Lp
(2) fn f
1229
21.3.1
Formule dinversion
1
f pxq
eikx fpkqdk.
2 R
(21.101)
(21.102a)
(21.102b)
(21.102c)
(21.103)
0
(21.104)
de deux faons.
Dabord en utilisant directement le thorme de la convergence domine 7.134. La fonction
2
f est dans S pRq (thorme 21.12) et par consquent f P L1 pRq parce que le facteur ek ne
va certainement pas empcher de converger. De plus |f | |f| et f P L1 . Le thorme est de la
convergence domine est applicable et
lim
0
k2 ikx
fpkqdk
eikx fpkqdk.
(21.105)
Pour le deuxime calcul nous allons faire appel Fubini 6 pour la fonction
u:
RRR
(21.106)
Dabord nous nous assurons que u P L1 pR Rq par le corollaire 13.79, et ensuite nous utilisons
le thorme de Fubini 13.78 pour manipuler les intgrales (et en particulier les inverser). Dans un
premier temps nous avons :
R R
|e
ikpxyq k2
f pyq|dy dk
k2
|f pyq|dy dk 8
(21.107)
parce que f tant dans S pRq, lintgrale intrieure se rduit un nombre. Nous savons maintenant
6. Parce quil est toujours plus simple de refiler le boulot aux autres que de le faire soi-mme. . . pauvre Fubini !
1230
2
2
eikx ek eiky f pyqdy dk
eikx ek fpkqdk
R
R R
2
eikpxyq ek f pyqdk dy
R R
2
eikpxyq ek dk dy
f pyq
R
R
f pyq
g py xqdy
R
c
f pyqepyxq {4 dy
R
c
?
?
2
2
f px ` 2 tqet dt
R
?
?
2
2
f px ` 2 tqet dt
R
(21.108a)
(21.108b)
(21.108c)
(21.108d)
(21.108e)
(21.108f)
(21.108g)
(21.108h)
Justifications :
La fonction g est la gaussienne dont la transforme de Fourier est calcule dans le lemme
21.15.
?
?
Nous avons effectu le changement de variables t py xq{p2 q qui donne dt dy{2 .
La fonction f tant Schwartz (en particulier borne), dans la dernire intgrale, nous pouvons
effectuer la majoration
?
2
2
f px ` 2 tqet }f }8 et ,
(21.109)
qui est une fonction intgrable. Nous pouvons donc permuter la limite et lintgrale. Dans lgalit
?
?
2
ikx k2
f px ` 2 tqet dt
(21.110)
lim
e e
f pkqdk lim 2
0
0
?
?
?
?
2
2
lim 2
f px ` 2 tqet dt
f pxqet dt 2 f pxq 2f pxq
0
2
2f pxq lim
ek eikx fpkqdk
eikx fpkqdk,
0
(21.111)
(21.112)
R R
(21.113)
eikx dk pxq
(21.114)
R
o serait la fonction de Dirac qui vaut zro partout sauf en x 0 o elle vaudrait linfini, mais
pas nimporte quel infini ; juste celui quil faut pour que sont intgrale valle 1.
1231
Bt Bx
t
(21.115)
o le chapeau dnote la transforme de Fourier par rapport la variable dans Rn et non par rapport
celle dans R. Le t par contre est la variable dans R.
Dmonstration. Par dfinition de la transforme de Fourier nous avons
pBt qpt, q
pt, xqeix dx.
Bt Rn
(21.116)
Notre but est de permuter lintgrale et la drive en utilisant le thorme 13.180. Il nous faut une
fonction G : Rn R qui soit intgrable sur Rn et telle que
pt, xq Gpxq
(21.117)
Bt
pour tout t P Bpt0 , q. tant donn que la fonction Bt est tout autant Schwartz que elle-mme
nous pouvons allger les notations et chercher une fonction G qui convient pour toute fonction
P S pR Rn q. Soit la fonction
sup |pt, xq|.
Gpxq
Pour tout multiindice nous avons alors
sup x Gpxq
xPRn
(21.118)
tPBpt0 ,q
sup
pt,xqPRRn
x pt, xq M P R.
(21.119)
Grce la proposition 18.71, cela signifie que dcrot plus vite que nimporte quel polynme ; G
est donc intgrable sur Rn .
Rdq
21.4
La thorie des transformes de Fourier est intressante sur L2 pRd q parce quelle y donne une
isomtrie. Nous allons la donner avec des fonctions valeurs dans C.
Remarque 21.24.
Une remarque qui vaut ce quelle vaut, mais si u est une classe de fonction pour la relation u v
si et seulement si upxq vpxq pour presque tout v alors lintgrale
u
pq
upxqeix dx
(21.120)
Rd
ne dpend pas du choix du reprsentant. Nous pouvons donc parfaitement parler de transforme
de Fourier dune classe de fonctions.
21.4.1
Extension de L1 X L2 vers L2
1232
Dmonstration. Le fait que f P L1 implique }Fpf q}8 }f }1 (cest le lemme 21.6). En particulier,
|Fpf qpq|2 est major et lintgrale
2
|f|2 e d
(21.122)
Rd
2
ix
y
f pxqe dx
f pyqe
e|| d
(21.123a)
Rd Rd
Rd
Rd Rd
Nous avons utilis le thorme de Fubini pour regrouper les intgrales 7 . Vu que f P L1 pRd q,
2
la fonction px, y, q f pxqf pyqe|| est dans L1 pRd Rd Rd q et le thorme de Fubini
13.78 avec 1 Rd Rd et 2 Rd nous permet de permuter les intgrales pour avoir
ipxyq ||2
f pxqf pyq
e
e
d dxdy.
(21.124)
Rd Rd
Rd
(21.125a)
(21.125b)
(21.126a)
(21.126b)
Nous voyons que g P S pRd q (ctait gagn davance par la proposition 21.12) et que g
est une fonction paire (encore une fois, ctait gagn davance parce que la transforme de
Fourier dune fonction paire est paire).
Tout cela pour dire que lintgrale entre crochet dans (21.124) est g py xq g px yq, et
donc
f pxqf pyq
g px yqdxdy.
(21.127)
Rd Rd
Encore une fois le thorme de Fubini permet de sparer les intgrales et de calculer lintgrale sur y en premier. Vu que f P L1 et que g P S pRd q, le produit de convolution f g
est un lment de S pRd q par la proposition 18.79. Nous avons donc
f pxqpf g qpxqdx.
(21.128)
Rd
2
|f|2 e d xf, f g yL2 pRd q .
Rd
(21.129)
1233
Suite rgularisante Nous prenons la suite rgularisante du lemme 21.18 donne par
n
1
g .
p2qd 1{n
(21.130)
2
|f|2 e| |{n d xf, f g1{n yL2 pRd q p2qd xf, f n y.
(21.131)
Rd
2
|f|2 e d p2qd }f }2 .
lim
n8
(21.132)
Rd
Pour effectuer la limite du membre de gauche nous devons remarquer quen posant
2
gn pq |fpq|e|| {n ,
(21.133)
(21.134)
nous avons une suite dcroissante de fonction (cest dire que fix, cest dcroissant en
n). Par ailleurs ces fonctions sont toujours valeurs dans r0, 8s et nous pouvons utiliser le
thorme de la convergence monotone 7.129 pour permuter la limite et lintgrale. Au final :
En ce qui concerne lextension, soit f P L2 pRd q et une suite pfn q dans L1 XL2 telle que fn f .
L2
2 {n2
(21.135)
Par lingalit de Hlder (18.44) nous avons fn P L1 pRd q ; de plus fn P L2 pRd q parce que
L2
pour tout x nous avons |fn pxq| |f pxq|. Montrons que fn f . Nous avons
2
2
2
|f pxqp1 e|x |{n q|2 dx.
}fn f }L2
Rd
(21.136)
Nous voulons prendre la limite n 8. Pour ce faire droite nous remarquons que
2
2
e|x| {n est major par 1 ; ce qui se trouve dans lintgrale est donc major (uniformment
en n) par |f pxq|2 , qui est une fonction L1 parce que f est L2 . Le thorme de la convergence
domine 7.134 nous permet alors de permuter la limite et lintgrale, ce qui donne
2
2
2
lim }fn f }2
lim |f pxqp1 e|x| {n q|2 dx 0.
(21.137)
n8
Rd n8
Dfinition de F : L2 L2 La suite pfn q est une suite convergence dans L2 , et elle est donc de
Cauchy. De plus pour chaque n, m nous avons
}fn fm } p2qd }fn fm }.
(21.138)
La suite pfn q est donc elle aussi de Cauchy, dans lespace L2 pRd q qui est complet (lemme
18.29). Nous posons
f lim fn .
(21.139)
n8
Indpendance aux choix Nous devons montrer que la dfinition de f ne dpend pas de la
L2
(21.140)
Par consquent pfn gn qn est une suite qui converge vers zro. Par unicit de la limite,
F G.
1234
Remarque 21.26.
Une autre suite possible, la place de (21.135), est
fn pxq f pxq1|x|n .
Cest dire la fonction f limite une boule de rayon n autour de 0.
(21.141)
Chapitre 22
Distributions
Nous donnons ici une partie de la thorie sur les distributions. Lutilisation des distributions
dans le cadre des quations diffrentielles est mise dans le chapitre sur les quations diffrentielles,
section 24.10.
22.0.0.1
Dfinition 22.1.
Si i 1, . . . , n, la drive faible de v dans la direction ei est lapplication 1 note Bi v dfinie par
xBi v, y xv, Bi y
(22.1)
Dmonstration. Supposons f, g telles que xg, y et xf, y soient tous deux gaux xv, Bi y. En
particulier pour tout P Dpq nous avons xpf gq, y 0.
Cela donne f g 0 par la proposition 18.50.
22.1
Topologie
Soit un ouvert de Rd . Le but de notre histoire est de dfinir une distribution comme tant
un lment de lespace dual (topologique, voir dfinition 6.27) de lespace Dpq des fonctions C 8
support compact dans . Pour ce faire nous devons voir un peu de topologie sur diffrents
espaces de fonctions. Notons que cet espace nest pas rduit la fonction nulle comme en tmoigne
lexemple donn par lquation (16.303).
Pour chaque K compact dans et multiindice P Nd nous considrons sur C 8 pq la seminorme suivante :
pK,m pf q
}B f }K,8 .
(22.2)
En particulier,
||m
(22.3)
xPK
Dfinition 22.3.
Les topologies que nous allons considrer sont :
(1) Sur C 8 pq, la topologie des semi-normes pK,m (avec K et m comme paramtres).
(2) Sur DpKq, la topologie des semi-normes pK,m (avec seulement m comme paramtre).
1235
1236
Cela nest pas trs explicite, mais heureusement nous naurons souvent pas besoin de plus que
de la notion de convergence dans D 1 pq. Rappelons que la topologie dun espace donne la notion
de convergence par la dfinition 5.4.
Lemme 22.4 (Convergence dans DpKq).
DpKq
(22.4)
B n B .
DpKq
}B n }
}B n }K,8 .
(22.5)
(22.6)
n8
O
OK
(22.7)
K compact de
est ouvert dans C 8 pq. Si inf 1 pIq, nous avons P DpKq pour un certain K compact de ,
donc f 1 pIq O. A forciori nous avons f 1 pIq O X Dpq.
Dans lautre sens, si P O, alors est dans un des OK et donc dans f 1 pIq. Nous avons donc
bien f 1 pIq Dpq X O.
Dpq
Soit pn qnPN une suite dans Dpq et P Dpq. Nous avons n si et seulement si il existe
DpKq
Dmonstration. Supposons que n et quil nexiste pas de compacts contenant tous les
supports des n . Alors pour tout compact de il existe un n tel que le support de nne soit pas
dans K. Nous considrons une suite de compacts pKi q tels que IntpKn q Kn`1 et n Kn . Une
telle suite existe par le lemme 5.140. Ensuite nous construisons des sous-suites de la faon suivante.
Dabord L1 K1 et n1 P N est choisit de telle sorte que n1 ait un support non contenu dans L1 .
Ensuite Li est un compact de la suite pKn q choisit plus loin que Li1 et tel que ni1 P DpLi q.
Le nombre ni est alors choisit plus grand que ni1 de telle sorte que ni R DpLi q. Ce faisant, en
posant i ni nous avons
i P DpLi`1 qzDpLi q
(22.8)
et IntpLn q Ln`1 et n Ln . tant donn que pi q et une sous-suite de pi q nous avons encore
Dpq
i .
1237
22.1. TOPOLOGIE
f DpLi q .
(22.9b)
f DpLi q 0.
(22.10a)
(22.10b)
i1
fi pq
.
|fi pi q|
(22.11)
Limage de la suite convergente k par p doit tre borne parce que p est continue. Mais
dans la somme (22.11), tous les termes sont positifs et en particulier le terme i k vaut k, donc
ppk q k, ce qui contredit le fait que limage de la suite soit borne. Nous en dduisons donc
lexistence dun compact K tel que n P DpKq pour tout n.
DpKq
Dpq
5.65 nous dit que nous avons aussi n , ce qui signifie que pour tout K et m nous avons
pK,m pn q 0.
(22.12)
DpKq
En particulier pour le K fix plus haut nous avons pm pn q 0, cest dire que n .
Proposition 22.7.
Si K est compact dans , lespace DpKq est mtrique et complet.
Dmonstration. Nous allons dabord montrer que DpKq est complet. Ensuite nous allons montrer
que sa topologie peut tre donne par une distance.
Complet Nous considrons une suite de Cauchy pn q dans DpKq au sens de la dfinition 5.29.
Soient 0 et i P N ; si k et l sont assez grands nous avons
k l P Bi p0, q.
(22.13)
La suite pn q est donc de Cauchy dans CpKq, }.}8 et y converge donc par compltude,
proposition 16.103. Il existe donc une fonction P CpKq telle que
unif
n .
(22.15)
Notre jeu prsent est de prouver que P DpKq, cest dire quelle est de classe C 8 .
Soit un multiindice 1 , . . . , n , i. Si k et l sont assez grands nous avons
}B pk l q}8 ,
(22.16)
1238
(22.17)
Si nous notons k B k cela signifie que pBi n q est une suite de Cauchy dans CpKq, }.}8 .
Elle y converge donc et il existe une fonction gi P CpKq telle que
}Bi pB k q Bi pB l q}8 .
unif
Bi n gi .
(22.18)
Dans ce cas le thorme 11.235 nous indique que est de classe C 1 , cest dire que
P C n`1 pKq.
Mtrique La proposition 5.180 nous dit que la topologie donne par lcart
1
dp1 , 2 q sup mint , pk1 p1 2 qu
k
k1
(22.19)
est la mme que celle de DpKq. Il reste montrer que cette formule est bien une distance
au sens de la dfinition 5.17.
(1) Nous avons bien dp1 , 2 q 0 parce que tous les lments du supremum et du minimum
sont positifs.
(2) Si dp1 , 2 q 0 alors pour tout k nous devons avoir pk1 p1 2 q 0 ; en particulier
pour k 1 cela donne 1 2 .
(3) Nous avons
pk p1 2 q pk p2 1 q pl p2 1 q
(22.20)
pk p1 2 q pk p1 3 ` 3 2 q pk p1 3 q ` pk p3 2 q
(22.21)
22.2
Distributions
Si est un ouvert de Rd , alors lensemble Dpq est contenu dans C 8 pq. Nous allons commencer par dfinir une topologie sur C 8 pq et ensuite donner Dpq la topologie induite 3 .
Dfinition 22.8 (Distribution).
Une distribution sur un ouvert de
Cest donc un lment de D 1 pq.
Le thorme suivant donne quelques faons de vrifier quune forme linaire soit continue. En
particulier il nous dit que pour prouver quune forme linaire est une distribution il suffi de prouver
la continuit squentielle.
1239
22.2. DISTRIBUTIONS
(2) Pour tout compact K il existe m P N et C 0 tel que pour tout P DpKq nous ayons
T pq Cpm,K pq.
(22.22)
Un certain nombre douvrages comme [259] prennent le point (2) comme la dfinition dune
distribution.
Dfinition 22.10 (Topologie sur D 1 pq).
Nous munissons lespace D 1 pq de la topologie -faible, cest dire celle de la famille de seminormes
p : D 1 pq R
(22.23)
T T pq.
Oui, cest bien une famille de semi-normes indice par lensemble Dpq. Il ny en a donc a
priori pas du tout une quantit dnombrable.
Proposition 22.11 (Convergence au sens des distributions).
D 1 pq
Dmonstration. La convergence Tn T signifie que lon ait p pTn T q 0 pour tout P Dpq,
ce qui en retour signifie que
pTn T qpq 0.
(22.24)
Cette proposition suppose que lon ait une distribution T qui vrifie Tn pq T pq et conclut
quon a une convergence dans les distributions. Le thorme suivant est plus fort : il va seulement
supposer que Tn pq converge dans C et va conclure que T : limn8 Tn pq est une distribution.
Soit pTn q une suite dans D 1 pq et nous supposons que pour tout P Dpq la suite Tn pq converge
dans
D 1 pq
Proposition 22.13.
Lapplication
i : L2 pq D 1 pq
f Tf
(22.25)
Dmonstration. Le fait que ce soit une injection est le fait que si Tf Tg alors pour tout P Dpq
nous avons xf g, y 0, et cela implique que f g est nulle presque partout en tant que fonction
et est simplement nulle en tant que classe de fonction dans L2 .
L2
En ce qui concerne la continuit, il suffit de la prouver en zro (par linarit). Soit donc fn 0
D 1 pq
et montrons que Tfn T0 . Pour prouver cela, la proposition 22.11 nous indique quil est suffisant
de tester Tn pq 0 pour tout P Dpq.
Notons que si P D a fortiori P L2 . Nous avons
Tfn pq
fn }fn }L1 }fn }2 }}2 0
(22.26)
1240
Cette proposition permet de donner un sens des phrases du type Soit une distribution T .
Si T P L2 , alors . . . . Cela signifie quil existe u P L2 tel que T Tu . Notons que dans ce cas, la
distribution est dfinie sur L2 et non seulement sur D.
22.2.1
Dfinition 22.14.
Si T P D 1 pq et si f P C 8 pq nous dfinissons la distribution f T par
(22.27)
pf T qpq T pf q.
Souvent crit sous la forme plus compacte xf u, y xu, f y.
Cela a un sens parce que si P Dpq alors f est aussi dans Dpq.
Cette dfinition est motive par ce que lon ferait pour une distribution densit. Si T est une
distribution de densit note galement T , nous avons T pq T pxqpxq et donc
pf T qpq
pf T qpxqpxq
T pxqf pxqpxq
T pxqpf qpxq T pf q.
(22.28)
En ce qui concerne les distributions tempres, nous pouvons dfinir le produit avec une fonction
f P S pq par la mme formule : si f, P S pq alors le produit f est encore Schwartz. Notons
toutefois que nous ne pouvons pas dfinir f T dans S 1 pq si f est seulement dans C 8 pq.
22.2.2
Drive de distribution
Proposition-dfinition 22.15.
Soit T une distribution sur et P Nd . Alors la formule
(22.29)
pB T qpq p1q|| T pB q
thorme 22.9. Nous considrons donc une suite n et nous vrifions que
lim pB T qpn q pB T qpq.
(22.30)
n8
Dabord T tant une distribution (et donc continue) nous pouvons la permuter avec la limite :
lim pB T qpn q lim p1q|| T pB n q p1q|| T
n8
n8
lim B n .
n8
(22.31)
Ensuite le lemme 22.4 nous dit que lhypothse n signifie en particulier que nous avons un
compact K contenant tous les supports des n et que B n converge uniformment (sur K
et donc sur ) vers B . Donc
lim pB T qpn q p1q|| T
n8
n8
(22.32)
Le lemme suivant montre une compatibilit entre la drive des distribution, la drive faible
et linjection de L2 dans lespace des distributions.
1241
22.2. DISTRIBUTIONS
Lemme 22.16.
Soit un ouvert borne de
(22.33)
22.2.3
xT, y CK max }B }8 .
||p
N si pour
(22.35)
Pour la proposition suivante, on peut se remmorer la dfinition 22.3 de la topologie sur C 8 pq.
(1) Si T P C 8 pq1 , alors la restriction de T Dpq est une distribution support 4 compact.
(2) Si T est une distribution support compact alors elle se prolonge de faon unique en une
forme linaire continue sur C 8 pq.
Dmonstration. Soit x R supppuq. Alors il existe un voisinage Vx de x tel que xu, y 0 pour tout
P DpVx q. En particulier, si x P supppq, alors x nest pas dans le support de u et les ensembles
tVx tel que x P supppqu recouvrent supppq. Cependant est support compact et nous pouvons
extraire un sous-recouvrement fini de supppq : il existe x1 , . . . , xp tels que
supppq
Vxi .
(22.36)
i1
Nous prenons une partition de lunit 5 subordonne ce recouvrement. Cest dire des fonctions
i P DpVxi q telles que pour tout x P supppq,
p
i1
4. Dfinition 22.17.
5. Lemme 13.128.
i pxq 1.
(22.37)
1242
pxq, et donc
i i pxqpxq
(22.38)
R, si supppuq tx0 u et si
px0 q . . . pN q px0 q 0
(22.39)
alors xu, y 0.
Dmonstration. Les fonctions plateaux dont nous avons parl dans la section 16.6.1 nous permettent de considrer une fonction P DpRq vrifiant
#
1 si x P Bp0, 1q
pxq
(22.40)
0 si |x| 2
Ensuite nous posons n pxq npxx0 q . Par consquent n px0 q p0q 1 et mme n px0 `q
pq 1 tant que est plus petit que disons 21 pour tre sur. Nous en dduisons que la fonction
1 n sannule sur un voisinage de x0 et que donc x0 nest pas dans le support de 1 n . Donc
suppp1 n q X supppuq H et le lemme 22.21 est utilisable : xu, p1 n qy 0, ou encore :
xu, y xu, n y
(22.41)
pour tout n. Vu que le but est de prouver que xu, y 0, nous allons prouver que
|xu, n y| 0.
(22.42)
sup
(22.43)
n8
2
xPBp0, n
q
}f pxq}
}f }ppq sup }B i f }8 .
ip
(22.44)
La distribution u est dordre fini N , et nous en crivons la dfinition 22.18 en prenant supppn q
en tant que K :
k
k
|xu, n y| C
}B pn q}n C
}B i n }n }B ki }n .
(22.46)
i
k0
k0
Notons que la seconde ingalit est une ingalit du type }f g} }f }}g}. En drivant un petit peu
nous trouvons que
`
pB i n qpxq ni pB i q npx x0 q .
(22.47)
Donc 6
yPr2,2s
6. Dans [2], la dernire galit vient avec une ingalit, et je comprends pas pourquoi.
(22.48)
1243
22.2. DISTRIBUTIONS
i`1
N
k
2
i i i
k`1
xu, n y C
n }B
}
}B
}n
8
loomoon
loooomoooon
k
n
k0 i0
}}pN q
(22.50a)
}}pN `1q
N k
1 k i`1
C}}pN q }}pN `1q
2
n k0 i0 i
(22.50b)
C1
n
(22.50c)
C1
n
0 nous avons
(22.51)
i
Soit u P DpRq1 avec supppuq tx0 u. Alors u N
i0 ai B x0 o N est lordre de u.
Dmonstration. Dabord il faut prciser que lordre de u est fini parce que son support est compact
(proposition 22.20) ; nous notons N cet ordre.
Soit P DpRq. Nous considrons P DpRq telle que
#
1 si x P Bpx0 , 1q
pxq
(22.52)
0 si |x x0 | 2.
Encore une fois, 1 sannule sur un voisinage autour de x0 , ce qui fait que
`
supppuq X supp p1 q H,
et donc xu, p1 qy 0. Au final,
xu, y xu, y.
1 k
pB qpx0 qpx x0 qk
pxq pxq pxq
k!
k1
(22.53)
(22.54)
(22.55)
La fonction ayant un support disjoint de celui de u, nous avons aussi xu, y 0, ce qui donne
En posant ak
1
k! xu, x
1 k
xu, y xu, y xu,
pB qpx0 qpx x0 qk y.
k!
k0
(22.56)
k0
ak pB k qpx0 q
p1qk ak pB k x0 qpq.
(22.57)
1244
22.3
Distributions tempres
Lespace de Schwartz 7 S pq est dfini dans la dfinition 18.68 ; sa topologie y est discute.
Dfinition 22.24.
Une distribution tempre est une forme linaire continue sur S pRd q. Lensemble des distributions tempres est not S 1 pRd q. Si T est une telle distribution, nous notons xT, y limage de
par T .
Si f est une fonction sur Rd telle que f P L1 pRd q pour tout P S pRd q, alors nous dfinissons
la distribution Tf P S 1 pRd q par
f pxqpxqdx.
(22.58)
xTf , y
Rd
Cette dfinition ne fonctionne pas pour toute les fonctions. Par exemple pour f pxq ex , et
2
pxq ex P S pRq nous avons f 1 qui nest pas du tout intgrable sur R.
2
Exemple 22.25
La distribution de Dirac est donne par
(22.59)
x, y p0q.
S
Montrons quelle est continue. Soit une suite n 0. En particulier, p0,0 pn q supx |n pxq| 0.
Donc n p0q 0 comme il le faut.
4
Exemple 22.26
La valeur principale de la fonction x
1
x
est la distribution
T : S pRq R
lim
0 |x|
0
pxq
.
x
(22.60)
pxq
an
dx.
(22.61)
|x|n x
Nous montrons que cette suite converge dans R en montrant quelle est de Cauchy. Pour cela nous
travaillons un peu la forme de :
x
1
pxq p0q `
1 ptqdt p0q `
x1 pxqd.
(22.62)
0
Ce qui est dans lintgrale est born par K }Mx 1 }8 qui est parfaitement fini parce que est
dcroissance rapide. Lorsque nous calculons |am an |, le terme p0q{x donne une intgrale nulle
parce que le domaine dintgration n |x| n est symtrique alors que la fonction 1{x est
impaire.
|am an |
K 2|n m |K
(22.63)
m |x|n
7. Attention : ce Schwartz (avec un t) est le Schwartz des distribution dont le prnom est Laurent. ne pas
confondre avec Schwarz (sans t) dont le prnom est Cauchy.
1245
Tout cela nous dit que T est bien dfinie. Nous devons encore tudier sa continuit.
Soit une fonction dans Cc8 pRq telle valant 1 sur r1, 1s, paire et valeurs dans r0, 1s. Pour
`
pxq
pxq
pxq p0q
pxq
dx
dx `
1 pxq
dx
(22.64a)
x
x
|x| x
||0
||0
`
pxq
1
pxq
d
`
1 pxq
pxq
dx
(22.64b)
loomoon
x
||0
}1 }8
|x|
}1 }8
|x|1
(22.64c)
pxqdx ` }}L1
(22.64d)
C}1 }8 ` }}1 .
S pRq
Cela est valable pour toute fonction P S pRq. Mais nous savons que si n 0, alors }n }8 0,
S pRq
pxq
T pn q lim
C}1n }8 ` }n }1 0.
0 |x| x
(22.65)
0
22.3.1
Topologie
La topologie que nous mettons sur lespace S 1 pRd q est le mme type que celle que nous mettons
sur D 1 pRd q, cest dire celle des semi-normes p pT q |T pq|. La dfinition 22.10 et la proposition
22.11 restent.
Proposition 22.27.
S 1 pRd q
22.3.2
Si f P L1loc pRd q alors nous lui associons une distribution Tf P D 1 pRd q dfinie par la formule
Tf pq
f pxqpxqdx.
(22.66)
Rd
Proposition 22.28.
Lapplication ainsi dfinie
est injective.
(22.67)
22.3.3
Alors F P C k pAq.
Rd . Nous posons
F: AR
`
T f p, .q .
(22.68)
1246
22.3.4
Dfinition 22.30.
La transforme de Fourier de la distribution tempre T P S 1 pRd q est la distribution T dfinie
par
Tpq T pq
(22.69)
pour tout P S pRd q.
Lemme 22.31.
Si f P S pRd q, nous avons Tf Tf.
Dmonstration. En utilisant les dfinitions,
Tf pq Tf pq
Rd
f pxqpxqdx
Rd
f pxq
Rd
pyqe
iyx
dy dx
(22.70)
o nous avons not xy le produit scalaire x y. Nous permutons les intgrales en utilisant le
thorme de Fubini 13.78 avec la fonction
(22.71)
px, yq f pxqpyqeixy
qui est parfaitement dans L1 pRd Rd q. Nous crivons alors
Tf pq
22.3.5
Rd
Rd
f pxqpyqe
iyx
dx dy
Rd
pyqfpyqdy Ttpq.
(22.72)
pT qpxq T y px yq .
(22.73)
Notons que T est bien une fonction et non une distribution.
Le but de la dfinition est davoir
Tf f .
En effet
pTf qpxq Tf y px yq
Rd
(22.74)
(22.75)
Exemple 22.32
La distribution de Dirac est le neutre pour le produit de convolution. En effet
cest dire .
p qpxq y px yq pxq,
(22.76)
1247
T y pxqpx yq dx
d
R
T y
pxqpx yqdx
Rd
`
T y p qpyq
T p q.
Attention :
(22.77a)
(22.77b)
(22.77c)
(22.77d)
(22.77e)
22.3.6
lim
upxqjn pxqdx up0q.
(22.78)
n8
In
I,n
Z,n
(22.79a)
jn u
jn u
(22.79b)
up0qjn
(22.79c)
Bp0,q
Bp0,q
Nous allons progressivement montrer quen prenant assez petit et n assez grand, les quantits
|In I,n |, |I,n Z,n | et |Z,n up0q| peuvent tre simultanment
majores par .
Soit 0 et 0 ; vu que u P S pRq, il existe M tel que |x|M |u| . Soit N1 P N tel que
pour tout n N1 nous avons |jn pxq| 1 ds que |x| M (hypothse (3)). Alors
|jn pxqupxq| .
(22.80)
|x|M
De plus en posant s maxt|upxq| tel que |x| M u (qui existe parce que u est continue et
prise sur un compact) nous pouvons considrer N2 tel que jn pxq {s pour tout |x| .
Avec n maxtN1 , N2 u nous avons
|
jn u
jn u| |
jn u|
(22.81a)
Bp0,q
R
Bp0,qc
|jn u| `
|j|
(22.81b)
|x|M
p1 ` |M |q.
|x|M
(22.81c)
1248
En redfinissant le nous avons donc montr que pour tout et , il existe un N P N tel que
(22.82)
|I,n In |
ds que n N .
La fonction u est uniformment continue sur tout Bp0, q, et nous pouvons donc choisir tel
que |up0q upxq| pour tout x P Bp0, q. Pour ce , nous avons dj trouv un N tel que
|I,n In | ds que n N . Nous avons :
jn
(22.83b)
Bp0,q
(22.83c)
.
Nous avons donc prouv que pour tout 0, il existe un et un N tels que
"
|I,n In |
|I,n Z,n |
ds que n N .
Enfin nous avons
|z,n up0q| up0q
Bp0,q
jn 1 ,
(22.84a)
(22.84b)
(22.85)
et par lhypothse (4) nous pouvons choisir n assez grand pour que la parenthse soit plus petite
que .
Pour donn, nous avons donc trouv un et un N tels que
|In up0q| |In I,n | ` |I,n Z,n | ` |Z,n up0q| 3.
En passant la limite nous avons bien In up0q dans
(22.86)
R.
Il va sans dire que nous connaissons de telles fonctions. Nous en donnons une maintenant.
Exemple 22.35([262])
Nous introduisons la fonction f ( 0) donne par
(22.87)
f pxq e|x| .
Nous calculons la transforme de Fourier de f en divisant le domaine dintgration :
f pkq
eikx e|x| dx
ex eikx dx `
8
0
ex eikx dx
(22.88)
En dcomposant les parties imaginaires et relles, et avec un peu de changement de variables, nous
pouvons utiliser les intgrales (13.850) et (13.851) pour obtenir
f pkq
Sachant que arctgpxq est une primitive de
nous avons 8
8
f pkqdk
R
1
x2 `1
k2
2
.
` 2
(22.89)
2
2rarctgpx{qs8
8 2.
k 2 ` 2
(22.90)
1249
1
,
2
` k2
(22.91)
alors nous avons une fonction qui tout en mme temps ressemble f et vrifie
pkqdk 1
R
pour tout .
Jusquici nous avons montr que
(22.93)
R R
(22.92)
gpxqeixy dx dy 2gp0q.
(22.94)
Dmonstration. Soit u P S pRq ; nous multiplions lquation (22.93) par upkq et nous intgrons
par rapport k :
upkq
eikx e|x| dx dk 2
upkq pkqdk.
(22.95)
R
Il sagit de passer la limite dans lquation (22.95). Les intgrales gauche peuvent effectues
sparment parce quelles respectent le thorme de Fubini. En effet soit la fonction
(22.96)
qui est dans L1 pR Rq en vertu du critre du corollaire 13.79 et du fait que la fois k |upkq|
et x e|x| sont dans L1 pRq.
Nous pouvons donc grouper et dgrouper les intgrales et en particulier les inverser. Si nous
effectuons dabord lintgrale sur k nous trouvons
ikx
ikx |x|
|x|
upkq
e
e
dx dk
e
upkqe
dk dx
e|x| u
pxqdx.
(22.97)
R
La fonction x |e|x| u
pxq| est majore (uniformment en ) par x u
pxq qui est intgrable
parce que la transforme de Fourier dune fonction de S est dans S par la proposition 21.12. Le
thorme de la convergence domine de Lebesque 7.134 nous permet de permuter la limite 0
avec lintgrale et obtenir
ikx |x|
lim
upkq
e
e
dx dk
u
pxqdx
upkqeikx dk dx.
(22.98)
0
R R
Notons quen passant la limite nous avons perdu le droit de permuter les intgrales.
Nous devons encore prouver que
lim
upkq pkqdk up0q.
0
(22.99)
Cela nest rien dautre que le lemme 22.34 appliqu la suite de fonctions jn 1{n .
22.37.
Notons que les intgrales dans (22.94) ne peuvent pas tre permutes parce que R eixy dy nexiste
pas. Il faut avouer que, malgr tous les conseils du type attention : permuter des intgrales doit
tre fait avec prudence, ce nest pas tous les jours que nous trouvons des intgrales qui ne peuvent
pas tre permutes, autrement que dans des exemples fait exprs.
1250
22.3.7
Peigne de Dirac
Proposition 22.38.
La formule
kPZ
ka
(22.100)
Dmonstration. Nous utilisons le critre de continuit squentielle en zro du thorme 22.9. Soit
une suite n 0 dans DpRq. Par le thorme 22.6 il existe un compact K de R pour lequel
n P DpKq pour tout n et n 0 dans DpKq. La somme 22.100 est donc finie et nous pouvons
la permuter avec une limite :
lim a pn q
lim n pkaq.
(22.101)
n8
kPZ
n8
La limite n 0 dans DpKq signifie que nous avons convergence uniforme de la fonction et de
toutes ses drives vers 0. En particulier }n }8 0 ; disons que la somme (qui est finie) fasse s
termes :
n pkaq s}n }8 .
(22.102)
kPZ
1
1 Da
a
(22.103)
kPZ
pkaq
1
1
pDa qpkq 1 pDa q.
a kPZ
a
(22.104)
(22.105)
Proposition 22.40.
Le peigne de Dirac est une distribution tempre.
Notez quil y a plus de fonctions dans S pRq que dans DpRq ; il est donc plus difficile de rentrer
dans S 1 pRq que dans D 1 pRq : il est plus compliqu davoir existence de T pq pour tout P S pRq
que pour tout P DpRq.
Dmonstration. Soit P S pRq. Nous avons
p1 ` a2 k 2 qpakq
p1 ` x2 qpxq
|a pq| | pakq|
xP
R
2
2
1`a k
1 ` a2 k 2
k
k
k
(22.106)
La somme k 1`a12 k2 est une somme convergente, et et supremum est born par la proposition
18.71 en prenant Qpxq 1 ` x2 . En effet sur Bp0, rq la fonction x p1 ` x2 qpxq est borne par ce
que cest une fonction continue sur un compact, et lextrieur de Bp0, rq cette fonction est alors
borne par 1.
1251
pxqdx.
(22.107)
pq pq
p0q
Rd
22.4
Lespace C 8 p , D 1 p
Rdqq
Dabord parlons un peu de continuit en recopiant la proposition 5.184 dans notre contexte.
Proposition 22.42.
Soit I un intervalle ouvert de
(22.108)
lim ut ut0 .
(22.109)
tt0
En ce qui concerne la dfinition de lespace C 8 pI, D 1 pRd qq, cest la dfinition 5.185. Grce au
point (1)
22.42, nous retenons que la proprit fondamentale dune application
` de 1 la proposition
k
T P C I, D pq est que pour tout P pq, lapplication
IC
(22.110)
t Tt pq
est de classe C k .
Proposition `22.43.
Soit pTt q P C 0 I, D 1 pq et P DpI q. Alors lapplication
`
t Tt pt, .q
(22.111)
Dmonstration. La fonction dont nous voulons prouver la continuit est une fonction R R ; il
est donc loisible de se contenter de la continuit squentielle.
Soit t0 P I et ptj q une suite dans I
`
convergeant vers t0 . Nous posons Uj Ttj et j tj , . . Par hypothse de continuit de pTt q nous
D 1 pq
avons Uj Tt0 . Dautre part le support de tant compact nous avons supppq rc, ds K
o rc, ds I et K est compact dans . Par consquent nous avons aussi supppj q K.
DpKq
j pt0 , .q.
(22.113)
1252
Dpq
D pq
le point (3) du corollaire 18.9 nous donne la
tant donn que Uj Tt0 et j ,
convergence
(22.114)
Uj pj q Tt0 pq
`
T pq Tt pt, .q dt
(22.115)
Dmonstration. La proposition 22.43 nous indique que la fonction t Tt pt, .q est continue.
tant donn quelle est seulement non nulle sur un compact, lintgrale
Tt pt, .q dt
(22.116)
I
a un sens et est finie. Lapplication T : DpI q C ainsi dfinie est linaire. Il reste voir quelle
est continue. Pour cela nous allons utiliser le thorme 22.9(2)
qui nous
`
dit que nous pouvons nous
fixer un compact rc, ds K I et considrer P D rc, ds K .
Soit, pour commencer, donne une application P DpKq. Lapplication t Tt pq est continue
et non nulle sur le et il existe donc C 0 tel que
(22.117)
|Tt pq| C
Uu : D rc, ds K R
`
(22.118)
Tu pu, .q .
Commenons par prouver que cela est une application continue pour chaque u. Ce sera le cas si la
projection
`
est continue. Pour cela nous notons Pkl la semi-norme sur D rc, ds K donne par
Pk,l pq
(22.120)
nk ||l tPrc,ds
xPK
Nous`montrons que
proj est squentiellement continue ; tant donn que les topologies sur DpKq
et D rc, ds K sont donnes par des mtriques (proposition 22.7), cela suffit pour assurer la
`
D rc,dsK
pj projpq
sup |B pu, xq|
||j xPK
P0,j pq.
DpKq
0, alors projpn q 0.
(22.121a)
(22.121b)
(22.121c)
1253
pj projpn q P0,j pn q 0
(22.122)
o nous avons utilis la proposition 5.178. Utilisant cette mme proposition lenvers, nous dduiDpKq
sons que projpn q ` 0. Les applications Uu sont donc continues ; elles sont galement bornes
parce que si P D rc, ds K nous avons
`
(22.123)
sup Uu pq sup Tu pu, .q ,
u
uPrc,ds
et la continuit dj voque, sur le compact rc, ds, nous dit que cette quantit est finie. Le thorme
de Banach-Steinhaus
`
peut maintenant tre appliqu et il existe C 0 et k, l P N tels que pour
tout P D rc, ds K ,
Uu pq CPk,l pq C
sup Btn B pt, xq C
t,x
||k nl
||`nk`l
(22.124)
Quelque remarques
Nous navons pas mis de maximum devant le supremum (alors que la conclusion (18.14) en
demande) parce que dans le cas des semi-normes Pkl , cest toujours celle avec k et l le plus
grand possible qui sont les plus grandes parce quelles sont des sommes emboites les unes
les autres.
La fusion de deux sommes est bien une majoration parce quil y a plus de termes dans la
seconde que dans la premire.
La quantit la plus droite est ( part le C) ce que nous pouvons noter Pk`l pq : cest bien
une des semi-normes associes lespace de dimension d ` 1.
Nous majorons maintenant T pq par
T pq
d
c
Tt pt, .q dt
d
c
(22.125)
Maintenant le thorme 22.9(2) appliqu louvert I et avec au lieu de nous informe que
T P DpI Kq.
22.4.1
Drivation
22.5
Lespace C 8 p , S 1 p
Rdqq
Dans cette section nous notons I un ouvert de R et un ouvert de Rd ; si est une fonction
sur I nous allons noter t : R la fonction t pxq pt, xq. Cest une notation plus lgre
que pt, .q.
22.5.1
Proprits gnrales
La dfinition de lespace C 8 pI, S 1 pqq est encore la dfinition 5.185 et les proprits nonces
dans la proposition 22.42 sont encore bonnes ici.
Dabord parlons un peu de continuit en recopiant la proposition 5.184 dans notre contexte.
Proposition 22.45.
Soit I un intervalle ouvert de
1254
(22.126)
lim ut ut0 .
(22.127)
tt0
tt0
Lemme 22.46.
Nous avons C 8 pI, S 1 pqq C 8 pI, D 1 pqq.
(22.128)
t Tt pq
(22.129)
est de classe C 8 parce que cest le cas pour toute fonction dans S pq. La proposition 22.42 (en
changeant D en S ) conclut que pTt q P C 8 pI, D 1 pqq.
Proposition 22.47.
Lespace S pq est complet et mtrisable.
Dmonstration. En ce qui concerne le mtrisable nous reprenons la formule de lcart (5.142).
Dans notre cas pour lcrire explicitement il faudrait une numration de N2 partir de 1 (et non
de zro). Cette formule donne bien une distance parce que si dp1 2 q 0 alors en particulier
p00 p1 2 q }1 2 }8 0 et donc 1 2 .
Nous montrons maintenant que S pq est complet en y considrant une suite de Cauchy pn q.
Soit 0 et , P N ainsi que k, l assez grands pour que k l P B p0, q. En particulier pour
0 nous avons }k l }8 , ce qui signifie que nous avons une suite vrifiant le critre
de Cauchy uniforme 11.232. Elle converge donc uniformment vers une certaine fonction que la
proposition 11.233 nous assure tre continue. Il existe donc P Cpq telle que
unif
k .
(22.130)
unif
(22.131)
Nous devons montrer que P S pq. Le fait que soit de classe C 8 sobtient en utilisant les
semi-normes p0, pq }B }8 de la mme faon que dans la preuve que Dpq tait complet
(proposition 22.7). Nous obtenons en particulier que
B k B
pour tout multiindice . Montrons encore que est dcroissance rapide : nous devons montrer
que pour tout et nous avons
p pq sup x pB qpxq 8.
(22.132)
xP
tant donn que pn q est de Cauchy dans S pq nous avons (pour fix et k, l assez grands) :
x pB k B l qpxq
(22.133)
pour tout x P . En considrant l fix et en prenant la limite k 8 et en utilisant la convergence
uniforme (22.131) nous trouvons que
x pB B l qpxq
(22.134)
Du coup nous pouvons faire la majoration
(22.135)
1255
Proposition `22.48.
Soit pTt q P C 0 I, S 1 pq et P S pI q. Alors la fonction
(22.136)
t Tt pt q
S 1 pq
(22.137)
Ttj Tt0 .
S pq
Montrons que nous avons aussi tj t0 . Pour cela nous utilisons les semi-normes 9 p dfinies
en (18.273) :
`
p ptj t0 q
x
B
pt
,
xq
B
pt
,
xq
(22.138a)
j
0
xP
xP
(22.138b)
(22.138c)
xP tPI
(22.138d)
p ptj t0 q 0
(22.139)
Pour la premire majoration nous avons utilis le thorme des accroissements finie 11.187. Pour
la dernire ligne nous avons not P les semi-normes de S pI q et ptq est le multiiindice qui
commence par la variable t et qui continue par . tant donn que Pptq pq 8 nous avons bien
S pq
et donc tj t0 .
tant donn que S pq est mtrisable et complet, le corollaire 18.9 nous dit que
Ttj ptj q Tt0 pt0 q,
(22.140)
T pq Tt pt q
(22.141)
Notons que ce T ne sera pas toujours une distribution tempre comme le montre lexemple
suivant.
Exemple 22.50
2
En posant Tt pq et p0q avec I R, lintgrale
2
T pq
Tt pt q
et pt, 0qdt
R
(22.142)
ne converge pas pour tout P S pR q. En effet par rapport t, la fonction pt, 0q dcrot
2
rapidement mais pas spcialement assez rapidement pour compenser et .
4
9. Pas parce que nous en avons envie, mais bien parce quelles font partie de la dfinition de la convergence et de
tous ces trucs.
1256
22.5.2
Drivation
Proposition
` 22.51 ([260]).
Tt0 : S pq C
l
d
Tt pq pt0 q
dt
(22.143)
t Tt
P C kl I, S 1 pq .
(22.144)
Attention que la formule (22.143) est bonne si P S pq. Si par contre P S pI q et quon
p1q
veut regarder ut pt q alors il faut regarder la proposition 22.52 et utiliser la formule (22.149) dans
p1q
laquelle se trouve ut pt q.
p0q
Tt0 pq
o
Tt ` pq Tt0 pq
d
Tt pq
lim 0 j
lim Uj pq
j8
j8
dt
j
tt0
Uj
1`
Tt0 `j Tt0 .
j
(22.145)
(22.146)
p1q
18.9 nous dit que limj8 Uj pq Tt0 pq et Tt0 est une distribution (linaire et continue).
`
p1q
Nous devons encore voir que t Tt est une application C 0 I, S 1 pq . Cela est une consquence du fait que pTt q soit de classe C 1 , ce qui se traduit par le fait que lapplication
t
d
Tt pq
dt
(22.147)
est continue (dfinition de la drive et point (1) de la proposition 22.45 applique la drive).
Les cas k 1 se traitent par rcurrence.
Proposition `22.52 ([260]).
t Tt pt, .q
d `
p1q `
Tt pt, .q Tt pt, .q ` Tt
dt
(22.148)
B
pt, .q
Bt
(22.149)
1257
Afin dallger les notations nous allons crire t pt, .q. Dans le numrateur de (22.150) nous
ajoutons et soustrayons la quantit Tt0 `j pt0 q et nous dcoupons la limite en deux morceaux :
Tt0 `j pt0 `j t0 q
pTt0 `j Tt0 qpt0 q
` lim
j8
j8
j
j
lim
(22.151)
d
p1q
(22.152)
Tt0 pt0 q
Tt pt0 q
dt
tt0
par la proposition 22.51. Occupons nous de lautre morceau de . Nous posons Uj Tt0 `j et
j
1
pt0 `j t0 q.
j
lim Uj pj q Tt0
pt0 , .q .
j8
Bt
(22.153)
(22.154)
S 1 pq
Dune part pTt q est de classe C 8 en t et nous avons donc la convergence Uj Tt0 . Reste
prouver que
S pq B
j
pt0 , .q.
(22.155)
Bt
Cela en remarquant bien que la variable de drivation nest pas celle par rapport laquelle nous
voulons la convergence Schwartz 10 . Soient et des naturels et calculons un peu :
1`
B
`
B
pt0 , .q sup x B
pt0 ` j , xq pt0 , xq
pt0 , xq
(22.156)
p j
Bt
j
Bt
xP
Il est prsent lheure dutiliser un dveloppement de Taylor avec le reste de la proposition 11.209 :
pt0 ` j , xq pt0 , xq ` j
2j B 2
B
pt0 , xq `
pt, xq
Bt
2 Bt2
(22.157)
pour un certain t P rt0 , t0 ` j s. En mettant a dans le calcul (22.156) nous restons avec
B2
`
p j
pt0 , .q sup x B j 2 pt, xq j P,2;,0 pq
(22.158)
Bt
Bt
xP
o P,k;,l sont les semi-normes de S pI q avec la notation plus ou moins vidente de prendre
drivations sur x, k sur t puis de multiplier par x tl . Au final nous avons bien
`
B
pt0 , .q 0
lim p j
j8
Bt
(22.159)
S pq B
Bt pt0 , .q.
et donc la convergence j
Lemme 22.53.
`
(22.160)
d
d
p1q
p1q
p1q
pFTt qpq Tt pFq
Tt pFq
pFTt qpq pFT qt pq.
dt
dt
10. Je ne sais pas si je me suis bien fait comprendre l.
(22.161)
1258
22.6
px x0 q u 0
(22.162)
px x0 q u 0
(22.163)
pour u P D 1 pRq et P N est donn fix. Notons tout de suite que (22.162) est un petit abus
de notation pour dire quen vertu de la dfinition
22.14 du produit
dune distribution par une
Dmonstration. Nous commenons par prouver que u est une solution de (22.163) si et seulement
si 11 xu, y 0 pour tout P D telle que
px0 q . . . B 1 px0 q 0.
(22.164)
Condition ncssaire Supposons que u soit une solution. Alors le corollaire 13.191 du thorme de Hadamard donne P DpRq telle que pxq px x0 q pxq. Dans ce cas, si u est
solution de (22.163), alors
0 xpx x0 q u, y xu, px x0 q pxqy xu, y.
(22.165)
Nous avons vu que si u est solution, alors xu, y 0 pour tout satisfaisant la condition
(22.164).
Condition suffisante Supposons maintenant linverse : u est une distribution sannulant sur
toute fonction P D 1 satisfaisant (22.164). Nous allons alors prouver que u est une solution.
Soit donc P D et calculons
xpx x0 qu, y xu, px x0 qy 0
(22.166)
Nous passons maintenant au cur de la preuve : nous supposons que u est une solution. Si le
support de est contenu dans Rztx0 u alors est nulle dans
de x0 (et donc B k 0
` un voisinage
px x0 q u 0
(22.167)
pour u P D 1 pRq. Les solutions sont les combinaisons linaires des drives de x0 jusqu la e
exclue.
Dmonstration. Dabord montrons que les B i x0 sont des solutions. Avec les dfinition 22.14 et
22.15 des drives de distributions et de leur produits avec des fonctions 12 ,
`
px x0 q B i x0 pq x0 B i px x0 q pxq
(22.168)
11. En ralit nous naurons besoin que de la condition ncessaire, en particulier pour le thorme 22.55.
12. Comme souvent, dans lexpression suivante, il y a un abus de notation parce que x est une variable muette :
il faudrait crire x au dbut de la grade parenthse.
1259
i `
i
i
B px x0 q B
!pB i qpx0 q
(22.169)
qui est le seul terme contenant pB i qpx0 q. Il suffit alors de choisir P DpRq de sorte que
#
0 si k i
k
pB qpx0 q
(22.170)
1 si k i
et alors on est certain que le tout nest pas nul, et donc que px x0 q pB i x0 q 0.
Jusquici nous avons prouv que B i x0 est solution si et seulement si 0 i .
Il faut encore prouver que les solutions sont toutes des combinaisons linaires de drives de
delta de Dirac centres en x0 . Pour cela nous invoquons dabord le lemme 22.54 qui nous assure
que u est dordre fini et de support tx0 u. Ensuite la proposition 22.23 nous indique que u doit alors
tre une combinaisons linaire de drives de Dirac.
1260
Chapitre 23
Espaces de Sobolev
23.1.1
Sur un intervalle de
Sauf mention du contraire dans cette section I est un intervalle born ouvert I sa, br de
R.
Dfinition 23.1.
Soit f P Lp pIq o I est lintervalle ouvert sa, br. Sa drive au sens des distributions est une
fonction 1 g telle que
1
f g
(23.1)
I
pour tout P
Cc8 pIq.
Lemme 23.2.
Lorsquune fonction admet une drive au sens des distributions, cette dernire est unique (et
justifie le singulier dans la dfinition).
Dmonstration. Soient g, h P L2 tels que
1
u g h
I
(23.2)
pg hq 0.
(23.3)
!
)
1
2
2
8
1
H pIq u P L pIq tel que Dg P L pIq tel que @ P Cc pIq, u g .
I
(23.4)
Lunique lment g de L2 pIq vrifiant I u1 I g est not u1 est est nomm drive ; nous
verrons dans les prochaines pages pourquoi.
Lespace H 1 accepte le produit scalaire suivant :
xu, vy uv ` u1 v 1 ,
(23.5)
I
1261
1262
(23.6)
Nous introduisons lespace L1loc pIq des fonctions tant L1 sur tout compact de I.
Corollaire 23.4.
Si u P H 1 pIq et si u1 0 alors il existe une constant C telle que u C presque partout.
Dmonstration. Lhypothse u1 0 signifie que pour tout fonction P Cc8 pIq,
1
u u1 0.
(23.7)
La proposition 18.51 nous dit alors quil existe une constante C telle que u C presque partout.
Lemme 23.5.
Tout lment de H 1 pIq admet un unique reprsentant continu.
Nous verrons dans le corollaire 23.7 que ce reprsentant pourra tre prolong par continuit
sur I.
(23.8)
y0
Notons que par dfinition, u1 P L2 donc lintgrale ne pose pas de problmes. Montrons que u
est
Pour cela nous considrons x P I et h tel que x ` h P I.
Alors
continue sur I.
u
px ` hq u
pxq
x`h
x
x`h
x
(23.9)
|u1 |.
Mais la fonction |u1 | est dans L1loc pIq par le lemme 18.22 ; elle est en particulier intgrable sur un
ouvert contenant x et par consquent la dernire intgrale tend vers zro lorsque h tend vers 0.
Nous prouvons prsent que u
est dans H 1 pIq et que sa drive est gale u1 ; pour cela nous
allons montrer que pour tout P Cc8 pIq,
1
u
u1 .
(23.10)
I
Nous avons
x
y0 x
b x
1
1
1
1
1
1
u
u ptqdt pxqdx
u ptqdt pxqdx `
u ptqdt 1 pxqdx.
I
y0
y0
y0
y0
y0 x
1
1
u ptq pxq
f pt, xq1tx pt, xqdt dx
a
y0
a
y0
a y0
y0
a
y0
a
t
a
y0
f pt, xqdxdt
t
a
u1 ptq1 pxqdx dt
(23.11)
(23.12a)
(23.12b)
(23.12c)
(23.12d)
1263
La permutation dintgrales pour obtenir (23.12b) est due au thorme de Fubini 13.78(3). Par le
mme petit jeu, la seconde intgrale vaut
b b
u1 ptq1 pxqdx dt.
(23.13)
y0
En refaisant la somme,
b
b
y0
1
1
1
1
1
u ptq
pxqdx dt
u ptq
pxqdx dt `
u
I
a
y0
a
b
y0
b
y0
u1
(23.14a)
(23.14b)
(23.14c)
(23.14d)
u1 .
Notons que paq pbq 0 parce que est support compact dans sa, br. Nous avons donc
prouv que u
est dans H 1 pIq et que u
1 u1 . Par le corollaire 23.4, nous avons une constante C
telle que u
u ` C presque partout, cest dire u u
` C dans H 1 pIq.
En rsum, u
u
u
` C est un reprsentant continu de u dans L2 pIq.
Lunicit du reprsentant continu est simplement le fait que deux fonctions continues gales
presque partout sont gales (proposition 13.12).
Proposition 23.6.
Si u P H 1 pIq, alors
upxq upyq
pour tout x, y P I.
(23.15)
u1
Dmonstration. Pour fixer les ides, nous supposons x y. Nous considrons une suite n P Cc8 pIq
convergeant uniformment sur I vers 1rx,ys . Nous exigeons de plus que
1n est positive sur ra, x ` n1 s
1n est ngative sur ry n1 , bs
n 1 sur rx ` n1 , y n1 s.
n 0 sur ra, x 1{ns et sur ry ` 1{n, bs.
Pour chaque n, nous dcoupons lintgrale comme
u n
u1n
a1{n
a
u1n `
x`1{n
x1{n
u1n `
y1{n
x`1{n
u1n `
y`1{n
y1{n
u1n `
y`1{n
u1n . (23.16)
Par construction de n , de ces 5 morceaux, il nen reste que deux de non nulles :
u1
x`1{n
y`1{n
uptq1n ptqdt `
uptq1n ptqdt
x1{n
y1{n
looooooooooomooooooooooon
loooooooooomoooooooooon
A
(23.17)
Soit 0 et n suffisamment
grand
pour
avoir
uptq
P
B
upxq,
pour tout t P Bpx, n1 q et (en
`
1
mme temps) uptq P B upyq, pour tout t P Bpy, n q. Cest la continuit de u qui permet de
trouver un tel n. Pour cette valeur de n, en tenant compte des hypothses sur la positivit de 1n
nous avons
x`1{n
x`1{n
x`1{n
`
`
1
1
upxq n ptqdt
uptqn ptqdt
upxq ` 1n ptqdt,
(23.18)
x1{n
x1{n
x1{n
1264
x`1{n
x1{n
(23.19)
(23.20)
Pour encadrer la seconde, il faut tre plus prudent avec les signes parce que 1n y est ngative. En
posant n n nous avons
y`1{n
uptqn ptqdt,
(23.21)
B
y1{n
et donc
ou encore
upyq B upyq `
(23.22)
upyq B upyq.
(23.23)
En additionnant avec (23.20) nous voyons que pour tout 0 il existe un N pq tel que nous ayons
(23.24)
upxq upyq 2 u1 n upxq upyq ` 2
I
pour tout n N . Nous voulons videmment prendre la limite 0, cest dire n 8. tant
donn que n ptq 1 pour tout t et pour tout n, la fonction t u1 ptqn ptq est domine par u1 ,
qui est dans L1 pIq par le lemme 18.22. Le thorme de la convergence domine nous permet donc
daffirmer que
lim
n8 I
u1 n
u1 1rx,ys
(23.25)
u1 ,
et donc les ingalits (23.24) donnent le rsultat, grce au signe dans (23.16).
Corollaire 23.7.
Si rus P H 1 pIq, le reprsentant continu u P C 0 pIq peut tre prolong par continuit en u P C 0 pIq.
(23.26)
n8
qui sera videmment continue. Cette construction ne dpendra pas du choix de la suite pxn q parce
que deux fonctions continues sur I et gales sur I sont gales sur I.
1
1
En notant
u la drive de u dans H , nous avons par construction du reprsentant continu :
x
upxq y0 u1 ptqdt. Et donc
xn`p xn`p
xn 1
upxn q upxn`p q
u
u1 .
u1
y0
y0
(23.27)
xn
H 1 pIq
R.
1265
(1) Le seul critre vrifier est la compltude. Pour cela nous considrons une suite de Cauchy
pun q dans H 1 pIq. Si 0, alors il existe N 0 tel que pour tout p 0 nous ayons
}un`p un }2H 1 , cest dire
}un`p un }2L2 ` }u1n`p u1n }2L2 `
(23.28)
En particulier les suites pun q et pu1n q sont de Cauchy dans L2 qui est complet par le thorme
de Fischer-Riesz 18.27. Nous notons donc
L2
(23.29a)
un u
L2
(23.29b)
u1n v.
Nous allons dmontrer les points suivants 3
u P H 1 pIq avec u1 v.
H1
un u.
Pour cela nous introduisons la drive faible de u dans L2 , cest dire la forme linaire
continue Bu sur Cc8 pIq :
Bu : Cc8 pIq R
xBu, y
Pour tout P Cc8 pIq nous avons
1
1
u un
I
I
1
|u un || |
u1 .
(23.30)
(23.31a)
(23.31b)
(23.31c)
(23.31d)
(23.31e)
n8
Dans le calcul suivant, les deux crochets sont des produits scalaires dans L2 :
1
1
xun , y xv, y un v
I
I
|u1n v|||
I
(23.32)
(23.33a)
(23.33b)
(23.33c)
0.
(23.33d)
(23.34)
R,
n8
3. Cest le moment de lire lnonc du problme 12 et de mcrire si vous avez une rponse.
1266
(23.35)
Encore une fois nous rptons qu gauche le crochet est lapplication de la forme Bu sur
tandis qu droite cest le produit scalaire dans L2 .
Nous sommes maintenant mme de prouver que u P H 1 pIq et que sa drive (au sens de
H 1 ) est v. En effet
u1 xBu, y xv, y
v.
(23.36)
Par consquent nous avons u1 v dans H 1 et aussi u1 v presque partout au sens des
fonctions.
Nous pouvons alors prouver que un u dans H 1 pIq :
}un u}2H 1 pIq }un u}2L2 ` }u1n u1 }2L2 .
(23.37)
: H 1 pIq C 0 pIq
(23.38)
rus u
x 1
upxq upyq
(23.39a)
u ptqdt
y
(23.39c)
(23.39d)
(23.39e)
o nous insistons sur le fait que la continuit nimpliquant pas la drivabilit, le u1 ici est
la driv au sens de H 1 , et non la drive usuelle. Quoi quil en soit, lensemble B est
quicontinu 5 . Nous montrons prsent quil est galement born pour la norme uniforme.
Soit u P B ; vu la construction du reprsentant continu au lemme 23.5, nous avons
upxq 1
upxqdy
(23.40a)
b a
a
b x
1
u ptqdt upyq dy
(23.40b)
ba a
y
x
b
1
1
1
(23.40c)
u ptqdtdy
upyqdy
ba a y
ba a
bb
b
1
1
1
|u ptq|dt dy `
|upyq|dy.
(23.40d)
ba a a
ba a
4. Encore que par soucis dconomie dencre nous nallons pas crire toujours les tildes et noter u le reprsentant
continu prolong I par le corollaire 23.7.
5. Dfinition 18.6
1267
Notons en particulier que dans le cas du passage vers lquation (23.40d), le nombre x est
fix alors que y est une variable dintgration. Donc lordre des deux est certainement de
temps en temps le mauvais.
Quoi quil en soit, la premire intgrale se rduit une multiplication par b a et le calcul
continue :
?
` 1
1
?
ba`
}u }L2 ` }u}L2
(23.42c)
ba
?
1
(23.42d)
ba` ?
}u}H 1
ba
?
1
ba` ?
.
(23.42e)
ba
Donc B est born pour la norme L8 . Et cest mme born par un nombre facilement
calculable connaissant I. En particulier lensemble
(23.43)
?1
ab
(3) Les lments de H 1 pIq sont des lments de L2 pIq ; donc lidentit est une injection. Nous
devons seulement tudier la continuit. Si pun q est une suite dans H 1 convergeant dans H 1
vers u, alors
}un u}L2 }un u}L2 ` }u1n u1 }L2 }un u}H 1 0.
(23.44)
Donc la suite des images (par lidentit) converge dans L2 . Lidentit est donc continue.
Problmes et choses faire
Au point de la preuve auquel vous devriez tre si vous lisez ceci, vous pourriez avoir envie de dmontrer u1 v de la faon suivante :
u lim
n8 I
un lim
n8 I
un
v.
(23.45)
Javoue ne pas trouver dexemples pour lesquels a ne marche pas. Est-ce quon peut inverser la limite et lintgrale dans L2 ?
Ceci ninvalide pas la preuve donne, mais a suggre un sacr raccourcis.
23.1.2
Sur un ouvert de
Rn
1268
23.1.2.1
(23.46)
o u
i Bi u
P L2 .
(23.47)
Lexistence des intgrales dans le produit scalaire est assure par le fait que u, v, u et v
sont dans L2 pq. La dfinition du produit scalaire dans L2 est la dfinition 18.101 (mais sans la
conjugaison complexe).
Pour la mme raison, pu, uqH 1 0 demande que chacun des deux termes est sparment nul,
et nous avons u 0 dans L2 , et donc aussi dans H 1 .
Thorme 23.10 ([263]).
Lespace H 1 pq est un espace de Hilbert 6 .
Dmonstration. Nous devons nous assurer que lespace H 1 est complet. Pour cela nous considrons
une suite de Cauchy pun q dans H 1 . Soit 0 ; il existe N 0 tel que si n, m N alors
}un um }H 1 . Dans ce cas nous avons en particulier
}um un }2H 1 pu, uqH 1 xu, uy ` xu, uy }u}2L2 ` }u}2L2 ,
(23.48)
et en particulier les suites pun q et pun q sont de Cauchy dans L2 . Vu que L2 , lui, est complet
(thorme 18.26), il existe u P L2 et vi P L2 tels que
L2
(23.49a)
un u
L2
(23.49b)
Bi un vi .
Nous savons que linjection i : L2 D 1 est continue par la proposition 22.13. Nous avons donc
aussi les limites
D1
(23.50a)
Tun Tu
D1
(23.50b)
TBi un Tvi .
La drive tant une opration continue sur D 1 nous avons de plus
D1
(23.51)
(23.52)
Bi pTun q Bi pTu q
En utilisant le lemme 22.16 nous avons alors
TBi un Bi pTun q Bi pTu q TBi u .
En comparant avec (23.50b) et par lunicit de la limite, nous avons Tvi TBi u . Cela implique
vi Bi u.
Vu que vi P L2 nous avons aussi Bi u P L2 . Par consquent u P H 1 pq parce que ses drives
sont dans L2 .
H1
Nous devons maintenant prouver que un u. Nous avons
(23.53)
L2
Le premier terme tend vers zro parce que un u et le second parce que Bi un Bi u.
6. Dfinition 17.2.
1269
23.1.3
Dfinition 23.11.
Pour m P N et un ouvert de
(23.54)
pu, vqH m
xB u, B vyL2 .
(23.55)
||m
Le lemme suivant montre que la proposition 21.11 fonctionne encore avec L2 au lieu de S .
Lemme 23.12 (Lemme de transfert[264], thme 52).
Soit f P H m pRd q. Alors pour tout multiindice avec || m nous avons
(23.56)
Lemme 23.13.
Il existe des constantes c1 et c2 telles que pour tout x P Rd ,
c1 p1 ` }x}2 qm
px q2 c2 p1 ` }x}2 qm .
(23.57)
||m
Lemme 23.14.
Soit u P L2 pRd q. Nous avons u P H m pRd q si et seulement si lapplication
`
k{2
1 ` ||2
u
est dans L2 pRd q pour tout k m. Ici || est la norme euclidienne de dans
(23.58)
Rd .
(23.59)
(23.60)
et donc
Or |||| ||
11 . . . nn ,
(23.61)
| | |1 |1 . . . |n |n .
(23.62)
| | |||| .
(23.63)
p1 ` x2 qk{2 xk
(23.64)
Donc si le membre de droite est de carr intgrable, celui de gauche lest galement.
(23.65)
1270
`
s{2
H s pRd q tu P L2 pRd q tel que 1 ` }}2
u
P L2 pRd qu.
(23.66)
pu, vq
Hs
u
pq
v pqp1 ` }}2 qs d.
(23.67)
23.16.
Vu que DpRd q est dense dans L2 pRd q (thorme 18.40), on pourrait croire la densit a fortiori
dans H s pRd q. Mais attention : DpRd q est dense dans L2 pour la norme L2 . Nous navons encore
rien dit pour la norme H s pRd q.
Proposition 23.17 ([266]).
La partie S pRd q est dense dans H s pRd q.
(23.68)
est dans L2 pRd q. Elle peut donc tre approxime au sens L2 par des fonctions dans DpRd q (thorme 18.40(5)), cest dire quil existe des fonctions n P DpRd q telles que
L2 pRd q
n p1 ` }}2 qs{2 u
.
Nous posons
n
n
p1 ` 2 qs{2
(23.69)
(23.70)
Cela est encore une fonction de DpRd q, et donc de S pRd q. Vu que la transforme de Fourier est
une bijection de DpRd q (proposition 21.12), nous pouvons considrer une suite n P DpRd q telle
H s pRd q
2
}n u}H s
|n u
|2 p1 ` 2 qs d
d
R
n pq
2
u
pq p1 ` 2 qs d
s{2
2
d p1 ` q
R
|n pq u
pqp1 ` 2 qs{2 |2 d
Rd
}n p1 ` 2 qs{2 u
}2L2 .
(23.71a)
(23.71b)
(23.71c)
(23.71d)
(23.72)
Hs
Notons que mme si n est dans DpRd q, nous navons pas prouv la convergence n u,
Hs
mais bien n u. Or les fonctions n sont dans S pRd q, et rien nassure quelles soient support
compact. Nous avons donc bien prouv la densit de S et non celle de D.
Remarque 23.18.
Pour qui a tout compris, cela peut sembler une vidence, mais nous prcisions que nous parlons
de densit de S pRd q dans H s pRd q, aucun moment la topologie de S pRd q nentre` en compte.
Un peu moins vident : ce que nous avons rellement montr est la densit de DpRd q dans
H s pRd q o est lapplication prise de classe. Nous navons pas insist l-dessus, mais il faut
1271
23.2. TRACE
dire que dans la preuve de la proposition 23.17, u est un reprsentant dun lment choisit dans
H s pRd q.
Nous avons ensuite prouv la convergence }n u}H s pRd q 0 qui est une convergence dune
suite dans R, et dans laquelle lopration }.}H s est dfinie sur un espace de fonctions et nest pas
une norme (cest pour que cela devienne une norme que lon prend les classes).
H s pRd q
Dmonstration. Nous savons dj que DpRd q est dense dans` H s pRd q par la proposition
23.17.
Nous devons seulement prouver que DpRd q est dense dans S pRd q, }.}H 2 pRd q . Pour cela nous
utilisons la densit de DpRd q dans S pRd q de la proposition 18.77. Soit donc f P DpRd q et une
suite fk dans DpRd q telle que
S pRd q
(23.73)
fk f.
Vu que la transforme de Fourier est continue sur S pRd q (proposition 21.12) nous avons aussi
S pR q
fk f,
d
(23.74)
(23.75)
Dautre part la fonction |fk pq fpq|2 p1 ` 2 qs est Schwartz et en tout point dcroissante
en k. Soit 0 et r 0 choisit de telle sorte avoir
|fk pq fpq|p1 ` 2 qs d .
(23.76)
}}r
pour tout k. La convergence uniforme (23.75) permet de considrer k0 tel que pour tout k k0 ,
|fk f|p1 ` 2 qs
Vol Bp0, rq
(23.77)
2 s
}fk f }H s pRd q
|fk f |p1 ` q d
R
Bp0,rq
... `
}}r
. . . 2.
(23.78)
Donc nous avons bien }fk f }H s pRd q 0 et convergence de fk vers f dans H s pRd q.
23.2
Trace
(23.79)
(23.80)
1272
Une ingalit pour P DpRd q Nous commenons par considrer v P DpRd q (fonction C 8
support compact). Nous allons alors prouver que
}0 }
H s 2 pRd1 q
K}}H s pRd q
(23.81)
H s 2 pRd1 q
p0 , 0 q s 21
H
2
2 s 1
|{
0 pq| p1 ` }} q 2 d
d1
R
2
1
p0 qpxqeix dx p1 ` }}2 qs 2 d
Rd1
Rd1
(23.82a)
(23.82b)
(23.82c)
(23.82d)
(23.83)
2
1
1
}0 }2 s 1 d1
eiky eix px, yqdy dk dx p1 ` }}2 qs 2 d.
H 2 pR
q
2 Rd1 Rd1 R R
(23.84)
Nous voudrions permuter les intgrales en k et en x. Pour cela nous tudions la fonction
u : R Rd1 C donne par
ikx
upk, xq e
eix px, yqdy
(23.85)
R
1
1
2
}0 } s 1 d1
|
eiky eix px, yqdy dx dk|2 p1 ` }}2 qs 2 d.
H 2 pR
q
2 Rd1 R Rd1 R
(23.86)
tant donn que est support compact, les intgrales sur x et sur y peuvent se runir en
utilisant encore le thorme de Fubini ; ces intgrales donnent :
iky ix
e
e
px, yqdx b dy
eip,kq px,yq px, yqdx b dy p,
kq.
Rd1 R
Rd1 R
1
1
|
p,
kqdk|2 p1 ` }}2 qs 2 d.
2 Rd1 R
(23.87)
(23.88)
1
|
p,
kqdk| |
p,
kqp1 ` 2 ` k 2 qs{2
dk| |xf1 , f2 yL2 pRd q |
2
p1 ` ` k 2 qs{2
R
R
(23.89)
7. Dont une relecture de la preuve ne serait vraiment pas de trop, ainsi que la preuve de 18.72.
1273
23.2. TRACE
Ici est vu comme une constante et les fonctions f1 et f2 sont
f1 : k p,
kqp1 ` 2 ` k 2 qs{2
1
f2 : k
2
p1 ` ` k 2 qs{2
(23.90a)
(23.90b)
1{2
1
2
2
2 s
dk
|p,
kq| p1 ` ` k q dk
2
2 s
R
R p1 ` ` k q
(23.91)
Nous notons gpq ce qui se trouve dans la seconde parenthse (aprs intgration sur k). Avec
cela nous continuons :
1
1
|gpq||p,
kq|2 p1 ` 2 ` k 2 qs p1 ` }}2 qs 2 dk d. (23.92)
}0 }2 s 1 d1
H 2 pR
q
2 Rd1 R
Vu que est Schwartz, la fonction qui est lintrieur des deux intgrales est dans L1 pRd1
Rq et nous pouvons runir les deux intgrales :
1
1
|gpq||p,
kq|2 p1 ` 2 ` k 2 qs p1 ` }}2 qs 2 dk b d. (23.93)
}0 }2 s 1 d1
q
H 2 pR
2 RRd1
1
2 s 21
2 s 12
p1 ` q
dk
(23.94a)
gpqp1 ` q
2 ` k2 q
p1
`
s
1
1 ` 2
dk
(23.94b)
p1 ` 2 q1{2 R 1 ` 2 ` k 2
s
1
1
dk.
(23.94c)
k2
p1 ` 2 q1{2
1 ` 1`
2
1
1` 2
1
1 ` t2
dt,
(23.95)
qui est effectivement indpendant de . Nous nommons cela K (auquel nous ajoutons le
1
2 ) :
2
}0 } s 1 d1 K
|p,
kq|2 p1 ` 2 ` k 2 qs dk b d K}}2H s pRd q .
(23.96)
H
2p
RRd1
H s 2 pRd1 q
K}}H s pRd q .
(23.97)
propos de classes Il serait tentant de conclure en disant que DpRd q est dense dans H s pRd q.
Hlas, techniquement, lensemble DpRd q nest mme pas un sous-ensemble de H s pRd q parce
que ce dernier est un ensemble de classes de fonctions. Ce petit dtail a ici son importance
parce que 0 nest pas une application qui descend aux classes. En effet, Rd1 tant de
mesure nulle dans Rd , deux fonctions de la mme classe peuvent diffrer en tous les points
de Rd1 en mme temps.
Si nous notons lapplication qui consiste prendre la classe ce qui est dense dans H s pRd q,
cest pDpRd qq. Or chaque classe contient au maximum une seule fonction continue (qui
sera mme de classe C 8 support compact pour les lments de pDq).
1274
0 : DpRd q DpRd1 q.
(23.98)
`
1
0 : DpRd q, }.}H s pRd q H s 2 pRd1 q, }.}
s 1
2
pR
d1 q
(23.99)
Mais la proposition 23.19 nous donne la densit de la partie DpRd q dans H s pRd q. La
proposition 16.166 nous donne alors une extension
`
`
1
0 : H s pRd q, }.}H s pRd q H s 2 pRd1 q, }.}
s 1
2
pR
d1 q
(23.100)
Remarque 23.22.
Lextension nest pas vidente parce que les lments de H s pRd q sont en gnral des classes de
fonctions dont les valeurs sur le bord ne sont pas du tout fixes du fait que le bord soit de mesure
nulle.
23.3
Thorme de plongement
Lobjet des thormes de plongement de Sobolev est de montrer que si s d2 ` k alors les
lments de H s pRd q possdent des reprsentants de classe C k . Avant de dmontrer le thorme,
pour allger, nous allons donner deux lemmes.
Lemme 23.23.
Soit puj q une suite dans S pRd q telle que
H s pRd q
(23.101)
uj u
avec s 0. Alors nous avons aussi la convergence
L2 pRd q
(23.102)
uj u.
Dmonstration. Vu que s 0 nous avons p1 ` k 2 qs 1 (ici nous crivons k 2 pour }k}2 ). Par
consquent
2 s
pu, vqH s pRd q
u
vp1 ` k q dk
u
vdk x
u, vyL2 pRd q .
(23.103)
Rd
Rd
1
}
uj u
}L2
p2qd
|
uj u
|2
p2qd Rd
|
uj u
|2 p1 ` k 2 qs dk
p2qd Rd
1
}uj u}L2
(23.104a)
(23.104b)
(23.104c)
(23.104d)
1275
Rd
uj
Rd
v.
(23.105)
(23.106)
Dmonstration. La suite puj q est quiborne. En effet il existe une queue de suite pour laquelle
}uj v}8 ; cette queue de suite est alors quiborne par }v}8 ` . Le dbut de la suite est un
nombre fini de fonctions, toutes bornes. Le maximum des bornes donne alors une borne.
Soit donc M 0 tel que |uj pxq| M pour tout x P Rd et pour tout j P N. Nous avons
alors |uj | M || pour tout j et les fonctions |uj | sont majores par la fonction M || qui est
intgrable. Nous pouvons donc utiliser le thorme de la convergence domine de Lebesgue 7.134
nous donne
v.
(23.107)
uj
lim
j8
Rd
Rd
(23.109)
1
eikx u
pkqdk,
upxq
p2qd Rd
(23.110)
p2q |upxq|
d
R
|
upkq|dk
(23.111a)
p1 ` kqs{2 |
upkq|p1 ` k 2 qs`2 dk
(23.111b)
1{2
1{2
|
upkq|2 p1 ` k 2 qs
p1 ` k 2 qs
dk
Rd loooooooooooomoooooooooooon loooooooomoooooooon
(23.111c)
(23.111d)
Ici il convient nous arrter un instant pour nous convaincre que f et g sont rellement des lments
de L2 . En ce qui concerne f , cest facile : u
est une fonction Schwartz. En ce qui concerne g il
2
faut lintgrabilit de |g| , cest dire de k p1 ` k 2 qs . Cela a lieu si et seulement si 2s n
1276
et donc a lieu dans les hypothses du thorme. Nous utilisons le thorme de Cauchy-Schwarz 8
pour continuer :
p2qd |upxq| }f }L2 }g}L2
1{2
2
2 s
c
|
upkq| p1 ` k q dk
Rd
c}u}H s pRd q .
(23.112a)
(23.112b)
(23.112c)
(23.113)
(23.114)
uj u
Ici u est une classe, mais nous identifions uj avec sa classe (parce quil ne faut pas exagrer non
plus). La suite puj q est de Cauchy dans H s , donc si 0 est donn, il existe N tel que si n, m N ,
}um un } . Nous avons alors aussi
}um un }8 c,
(23.115)
ce qui signifie que puj q est galement une suite de Cauchy dans C 0 pRd q, }.}8 qui est un espace
complet par la proposition 16.103.
Il existe donc une fonction v P C00 pRd q telle que
`
uj
v.
(23.116)
uj u.
(23.117)
(23.118)
(23.119)
R) nous avons
xv, yL2 xu, yL2
(23.120)
pour tout P S pRd q. La proposition 18.1 applique u v montre alors que u v 0 presque
partout, cest dire que v est bien un reprsentant de u.
Le reprsentant v de u est non seulement continu (comme limite uniforme de fonction continues), mais galement borne, comme limite uniforme de fonctions Schwartz.
Proposition 23.26 ([268]).
Si u P H s pRd q (s P R) alors
8. Formule 6.203.
1277
est continue.
(23.121)
Dmonstration. Nous allons seulement prouver que Bj : H s pRd q H s1 pRd q est bien dfinie 9 et
continue. Par composition, la thse suivra.
Soit u P H s pRd q par le lemme 23.12 nous avons
f:
By
.
j u ij u
Rn R
x
xi
1 ` }x}2
(23.122)
(23.123)
est borne (et mme indpendamment de i) par une constante K. Donc nous avons pour tout 10
s:
ki p1 ` }k}2 qs Kp1 ` }k}2 qs`1 .
(23.124)
Avec cela nous pouvons calculer un peu : si u P H s pRd q, nous avons
2 s1
}Bj u}H s1 pRd q
|By
dk
j u|p1 ` k q
d
R
kj |
u|p1 ` k 2 qs1 dk
d
R
K|
u|p1 ` k 2 qs dk
Rd
K}u}H s pRd q .
(23.125a)
(23.125b)
(23.125c)
(23.125d)
Nous avons donc que }Bj u}H s1 pRd q est fini lorsque u P H s pRd q.
La majoration }Bj u} K}u} donne la majoration suivante pour la norme de loprateur Bj :
}Bj }
}u}H s 1
(23.126)
(23.127)
Remarques :
Lespace C0k pRd q est lensemble des fonctions de classe C k qui sannulent linfini.
Linclusion (23.127) signifie que tout lment dans H s possde un reprsentant dans C0k pRd q.
uj u.
9. Au sens o lespace darrive est bien celui-l.
10. Question : dans [268], il faut dpendre cette constante de s. Je ne comprends pas pourquoi.
(23.128)
1278
Vu que lespace topologique C0k pRd q, }.}8 est complet il existe v P C0k tel que
Ck
0
uj
v.
(23.129)
Il reste montrer que v est un reprsentant de u. Cela se fait comme plus haut en montrant que
L2
uj u.
Chapitre 24
quations diffrentielles
de
Une quation diffrentielle ordinaire est la recherche de toutes les fonctions dfinie sur une partie
R satisfaisant une certaine galit, faisant intervenir les drives de la fonction recherche.
Dans la suite, I dsignera un intervalle de R. Une fonction sera drivable sur I si elle est
drivable au sens usuel sur lintrieur de I, et si elle est drivable droite (resp. gauche) sur
lventuel bord gauche (resp. droit) de I.
Dfinition 24.1.
Une quation diffrentielle ordinaire dordre n sur I est la recherche dune fonction y : I
R drivable n fois, satisfaisant une quation du type
F pt, yptq, y 1 ptq, . . . , y n1 ptqq 0
o I est un intervalle de
pour tout t P I
(24.1)
Remarque 24.2.
Lquation diffrentielle (24.1) sera raccourcie sous la forme
F pt, y, y 1 , . . . , y n1 q 0
(24.2)
y 1 f ptq
se ramne la recherche des primitives de f sur lintervalle I.
psqpsqds
(24.4)
t0
t0
(24.5)
1280
24.1
Dans de nombreux exercices dquations diffrentielles, nous tombons sur u1 f ptq, et nous
faisons formellement
du
(24.6)
f ptq du f ptqdt,
dt
et ensuite, il y a la formule un peu magique
t
f ptqdt.
(24.7)
u u0
t0
Voyons ce quil en est. Tout dabord, il faut comprendre ce que signifie la formule
f pzqdz gptqdt.
(24.8)
Il sagit dune galit entre deux formes diffrentielles sur R o z est une fonction de t. tant donn
que z est une fonction de t, il faut voir dz comme la diffrentielle de cette fonction. La diffrentielle
dune fonction une variable est donn par la drive :
(24.9)
dzt z 1 ptqdt
crire lquation (24.8) pour chaque t revient donc crire
`
(24.10)
Cela est une galit entre deux formes diffrentielles. Nous avons donc galit entre les intgrales
des formes sur un chemin. Prenons un chemin tout simple de t0 vers t :
t
t
`
1
f zptq z ptqdt
gptqdt.
(24.11)
t0
t0
Dans le premier membre, nous faisons un changement de variable zptq, d z 1 ptqdt, et nous
obtenons
zptq
t
f pqd
gptqdt.
(24.12)
z0
t0
o nous avons remplac la constante zpt0 q par z0 dans la borne dintgration. Si F est une primitive
de f et G une primitive de g, nous avons
F pzq F pz0 q Gptq Gpt0 q.
(24.13)
Si aucun problme de Cauchy nest donn, les constantes F pz0 q et Gpt0 q sont mises en une seule
et nous crivons la solution
`
F zptq Gptq ` C,
(24.14)
f pzqdz dt.
En remplaant gptq 1 dans (24.12), nous trouvons la fameuse
z
t t0
f pzqdz,
(24.15)
(24.16)
z0
dans laquelle il y a un abus de notation terrible entre le z de la borne (que les tudiants oublient
souvent) et la variable dintgration z ! !
Le passage de (24.15) (24.16) sera trs souvent utilis dans le cours de mcanique par exemple.
1281
24.2
y 1 ` uptqy vptq.
Exemple 24.5
Tant quil ny a pas de second membre, cest facile. Prenons lexemple suivant :
y 1 ` 2ty 0.
(24.18)
(24.19)
(24.20)
4
(24.21)
Lastuce est de commencer par rsoudre lquation sans le second membre (lquation homogne
associe). Nous notons yH la solution. Ici, la rponse est
(24.22)
yH ptq Ket .
2
Ensuite le truc est dessayer de trouver la solution de lquation (24.21) sous la forme
(24.23)
yptq Kptqet .
Lide est de prendre la mme que la solution de lquation homogne (sans second membre), mais
en disant que K est une fonction. Afin de trouver la fonction K qui donne la solution, il suffit de
remettre lessai (24.23) dans lquation (24.21) :
K 1 et 2tKet ` looomooon
2tKet 4t
loooooooooomoooooooooon
(24.24)
K 1 ptq 4tet ,
(24.25)
y 1 ptq
2typtq
ce qui signifie Kptq 2et `C . Nous avons donc dtermin la fonction qui fait fonctionner lessai,
et la solution lquation est
` 2
2
2
yptq 2et ` C et 2 ` Cet .
(24.26)
2
La technique pour rsoudre cette quation est de commencer par rsoudre lquation homogne
associe. Si U ptq est une primitive de uptq, nous avons
1
yH
ptq ` uptqyH ptq 0
1
yH
uptq
yH
lnpyH q U ptq ` C
(24.27)
1282
o K eC .
Cela fournit la solution gnrale de lquation homogne. Il existe un truc gnial qui permet den
tirer la solution gnrale du systme non homogne. Lorsque nous avons trouv yH ptq KeU ptq ,
le symbole K dsigne une constante. La mthode de variation des constantes consiste essayer
la solution
yptq KptqeU ptq ,
(24.28)
cest dire dire que la constante est en ralit une fonction. Afin de trouver quelle fonction Kptq
fait en sorte que lessai (24.28) soit une solution, nous la remplaons dans lquation de dpart
y 1 ` uy v. Maintenant,
y 1 ptq K 1 ptqeU ptq KptquptqeU ptq .
(24.29)
y 1 ` uy K 1 eU KueU ` uKeU K 1 eU v.
(24.30)
Notez que les termes en K se sont miraculeusement simplifis. Cela est directement d au fait que
eU est solution de lquation homogne. Nous restons avec lquation
K1
v
eU
(24.31)
pour Kptq. La solution gnrale du problme non homogne est donc finalement donne par
`
Proposition 24.6.
Soient u et v continues sur I et U , une primitive de u sur I et W une primitive de veU sur I.
Une fonction y : I R est solution de y 1 ` uptqy vptq si et seulement si il existe une constante
C P R telle que
`
pour tout t P I.
24.2.1
(24.34)
et supposons avoir une solution de lhomogne associe sous la forme zH ptq Chptq. Le coup de
la variation des constates consiste essayer une solution pour lquation non homogne sous la
forme 1
zptq Kptqhptq.
(24.35)
Nous injectons cette solution dans lquation de dpart en utilisant le fait que z 1 ptq K 1 ptqhptq `
Kptqh1 ptq :
K 1 ptqhptq ` Kptqh1 ptq f ptqKptqhptq ` gptq.
(24.36)
Le terme Kptqh1 ptq se rcrit en utilisant la proprit de dfinition de h, cest dire que h1 ptq
f ptqhptq. Nous voyons que les termes ne contenant pas de K 1 se simplifient ; il reste
K 1 h g.
(24.37)
1. Je ne sais plus qui a eu lide de changer le nom de la constante de C vers K au moment de la transformer en
fonction, mais cest une bonne ide.
1283
f
` C.
(24.38)
h
Jinsiste sur la constante dintgration ! En ralit, celles et ceux qui auront compris lquation
(24.16) sauront que K est donn par
t
f pq
Kptq
d
(24.39)
0 gpq
K
g
zptq Kptqhptq
` C h.
h
(24.40)
` g
h
(1) Si vous avez encore du K (et pas que du K 1 ) dans votre quation qui donne K, cest que
vous ntre pas dans le cadre dune quation de type (24.34). Le plus souvent, cest que
vous avez fait une faute de calcul quelque part.
(2) La mthode des variations des constantes nest pas en contradiction avec le principe de
SGEH+SPENH . En effet, la SGEP et la SPENH sont toutes deux dans la solution
(24.40).
(3) La variation des constantes peut tre vue comme une faon cool de trouver une solution
particulire de lquation non homogne.
(4) La simplification ne se fait que aprs avoir remplac Kh1 par Kf h, cest dire aprs avoir
utilis le fait que zH est solution de lhomogne. Sinon, la simplification nest pas du tout
vidente a priori. Il se peut mme que, visuellement, les termes Kh1 et Kf h ne se ressemblent
pas du tout. Un exemple de cela arrivera par exemple dans lexemple 24.9, pour arriver
lquation (24.56).
24.3
(24.41)
24.3.1
La mthode rapide
dy
dx ,
(24.42)
et on envoie le dx du ct des x :
dy
upxqdx.
f pyq
(24.43)
Maintenant il suffit de prendre lintgrale des deux cts : comme la position des dx et dy lindiquent, il faut intgrer par rapport y dun ct et par rapport dx de lautre ct.
Lintgrale gauche est facile : cest lnpyq. droite, par contre, a dpend tout fait de u.
1284
24.3.2
(24.44)
G yptq U ptq ` C.
(24.45)
24.3.3
Les thormes
Proposition 24.7.
Nous considrons lquation (24.41) avec uptq continue sur I et f continue sur J avec f pq 0
pour tout P J. Soit U , une primitive de u sur I, et G, une primitive de 1{f sur J.
Si y : Y 1 J est une fonction sur un intervalle I 1 I, alors y est solution de lquation (24.41)
si et seulement si il existe C P R tel que
`
G yptq U ptq ` C.
(24.46)
Cette` proposition
dit que toutes les solutions qui ne sannulent jamais sur un intervalle ont la
forme G yptq U ptq ` C et peuvent donc tre trouves en calculant des primitives.
La formule (24.46) peut tre obtenue de la faon heuristique suivante, en crivant y 1 dy{dt,
et en passant le dt droite. Nous trouvons successivement
y 1 uptqf pyq
dy uptqf pyqdt
dy
uptqdt
f pyq
dy
uptqdt
f pyq
Gpyq U ptq ` C.
(24.47)
Proposition 24.8.
Soient u continue sur I et f continue sur J, et f pq 0 sur J. Soient t0 P I et y0 P J. Alors il
existe I 1 I avec t0 P I 1 et f P C 1 pI 1 Jq tels que
(1) y est solution de (24.41) sur I 1 et vrifie ypt0 q y0 ,
Exemple 24.9
Rsoudre lquation diffrentielle
`
(24.48)
(24.49)
1285
.
cosptq
(24.50)
Ceci est une quation variables spares que nous rsolvons en suivant les mthodes donnes plus
haut : nous posons
1
uptq
,
cosptq
f pzq z,
(24.51)
t
(voir formulaire),
`
U ptq ln tan
4 2
1
Gpzq ln
.
z
La solution zH est donne par lquation
1
t
ln
ln K tan
,
(24.52)
`
z
4 2
cest dire
zH ptq
tan
K
`
4
t
2
(24.53)
Nous appliquons maintenant la mthode de variation des constantes sur cette solution afin de
trouver la solution gnrale de lquation (24.49). En utilisant la rgle de Leibnitz, z 1 K 1 zH `
1 , nous trouvons
KzH
K
K1
K
`
cosptq
1
sinptq
.
(24.54)
t ` cosptq
t
tan 4 ` 2
tan 4 ` 2
2 sin2 4 ` 2
Malgr leurs apparences, les deux termes en K se simplifient. En effet, en vertu de lquation
1 zH , nous avons
zH
cosptq
K
K
`
`
.
(24.55)
t
2
2 sin 4 ` 2
cosptq tan 4 ` 2t
`
Le travail de voir quel est le lien entre sin2 4 ` 2t , tan 4 ` 2t et cosptq est en ralit fait dans
votre formulaire au moment o vous lavez utilis pour intgrer u pour obtenir le U ptq de (24.51).
Aprs cette simplification durement mrite, nous trouvons lquation suivante pour Kptq :
K1
`
1 sinptq.
tan 4 ` 2t
1 sinptq tan
t
`
4 2
2x `
2x `
Kptq ln sin
` 1 ` ln sin
1
4
4
2x `
2 2x `
` 2 ln sec
` 2 sin
4
4
(24.56)
(24.57)
(24.58)
Nous pouvons un peu simplifier en utilisant le fait que lnpa ` bq ` lnpa bq lnpa2 b2 q :
2x `
2 2x `
2 2x `
Kptq ln cos
` 2 ln sec
` 2 sin
.
(24.59)
4
4
4
Il me semble toutefois quil faudrait prendre des valeurs absolues pour les logarithmes.
1286
24.4
24.4.1
(24.60)
o les coefficients ak sont maintenant des constantes. Il faut commencer par rsoudre le polynme
caractristique
rn ` a1 rn1 ` . . . ` an 0.
(24.61)
Si 1 , . . . , k sont les solutions avec multiplicit 1 , . . . , k , alors le systme fondamental de
solutions linairement indpendantes est lensemble suivant de solutions lquation homogne :
e1 t , te1 t , . . . , t1 1 e1 t
..
.
(24.62)
ek t , tek t , . . . , tk 1 ek t .
Nous notons yi ces solutions. La solution gnrale de lquation homogne est donc donne par
yH
ci yi .
(24.63)
i
Afin de trouver la solution gnrale de lquation non homogne, nous appliquons la mthode de
variation des constantes, en imposant les n 1 conditions
n
plq
c1i ptqyi ptq 0
(24.64)
i1
24.4.2
Une quation diffrentielle linaire dordre n sur I est une quation de la forme
y pnq ` u1 ptqy pn1q ` . . . ` un1 ptqy 1 ` un ptqy vptq
(24.65)
et disons que uH est une solution de lquation homogne. La mthode de variations des constantes
consiste poser uptq KptquH ptq, et donc u1 ptq K 1 uH ` Ku1H . En remettant dans lquation de
dpart,
K 1 uH ` Ku1H ` f KuH g.
(24.67)
La somme Ku1H ` f KuH est nulle, par dfinition de uH . Par consquent, il ne reste que
gptq
.
(24.68)
uH
Lorsquon utilise la mthode de variation des constantes, nous trouvons toujours une simplification
miraculeuse .
Dans limmdiat, nous ne considrons que le cas o les ui sont des constantes. Le cas o les ui
deviennent des fonctions de t sera vu plus tard.
K1
24.5
24.5.1
La magie de lexponentielle. . .
1287
(24.69)
(24.70)
Donc on a le facteur multiplicatif eaptt0 q qui sert faire passer de yp0q yptq. Cest un peu un
oprateur dvolution. Ce qui fait la magie de lexponentielle, cest son dveloppement en srie
ex 1 ` x `
x2 x3 x4
`
`
` ...
2
3!
4!
qui est tel que chaque terme est la drive du terme suivant.
Maintenant, si on a un systme
y1 A
y,
(24.71)
(24.72)
il nest pas du tout tonnant davoir comme solution yptq eAt o lexponentielle de la matrice est
dfinie exactement par la srie (24.71). Cest un peu longuet, mais dans le cours, cest effectivement
ce qui est prouv. La matrice rsolvante Rpt, t0 q : y0 ypt; t0 , y0 q est donn par
Rpt, t0 q eptt0 qA ,
(24.73)
24.5.2
. . . mais la difficult
Maintenant, il est suffisant de calculer des exponentielles de matrices pour rsoudre des systmes. Hlas, il est en gnral trs difficile de calculer des exponentielles. Tu peux essayer de
prouver les deux suivantes :
0 a
cospaq sinpaq
A
; eA
a 0
sinpaq cospaq
(24.74)
0 a
coshpaq sinhpaq
S
S
;e
.
a 0
sinhpaq coshpaq
La premire, tu vas la revoir si tu fais de la gomtrie diffrentielle ou de la mcanique quantique :
lalgbre de Lie du groupe des matrices orthogonales de dterminant 1 est lalgbre des matrices
antisymtriques.
La seconde se retrouve en relativit parce que eS est la matrice qui prserve x2 y 2 , tout comme
eA prserve x2 ` y 2 . Quelque mots sur luutilisation des fonctions hyperboliques en relativit dans
31.4.8.1.
24.5.3
La recette
Afin dviter de devoir calculer explicitement des exponentielles de matrices, nous faisons appel
toutes sortes de trucs, dont la forme de Jordan. Le rsultat final est la mthode suivante. Soit le
systme homogne
y1 A
y.
(24.75)
1. Dabord, nous calculons les valeurs propres de A.
2. Ensuite les vecteurs propres.
1288
3. Une bonne valeur propre, cest une valeur propre dont lespace propre a une dimension gale
sa multiplicit. Cest dire que si est de multiplicit m, alors on a, dans les bon cas, m
vecteur propres linairement indpendants.
Dans ce cas, si v1 , . . . , vm sont les vecteurs, alors on a les solutions linairement indpendantes suivantes :
..
..
. t
. t
v1 e , . . . , vm e .
(24.76)
..
..
.
.
Pour chaque bonne valeur propre, a nous fait un tel paquet de solutions linairement
indpendantes.
4. Si nest pas une bonne valeur propre, alors les choses se compliquent. Mettons que ait
k vecteurs propres en moins que sa multiplicit. Dans ce cas, il faut chercher des solutions
sous la forme
pkq k
p0q
a1 t ` . . . ` a1
t
..
(24.77)
e .
.
pkq
p0q
a1 tk ` . . . ` an
5. Nous avons un cas particulier du cas prcdent. Si est une valeur propre de multiplicit
m qui na que un seul vecteur propre v, alors il faut chercher des polynmes de degr m 1,
et on peut directement fixer le coefficient de tm1 , ce sera lunique vecteur propre :
fi
pm2q
..
a
. 1 . m2
ffi t
v ` . t
` . . .ffi
.
fl e .
..
pm2q
an
.
(24.78)
24.5.4
y 1 ptq Ayptq
pour la fonction y : R Rn et A est une matrice ne dpendant pas de t. Nous supposons que A
est diagonalisable pour les vecteurs propres vi et les valeurs propres i correspondantes.
La matrice
Rptq e1 t v1 . . . en t vn
(24.80)
est la matrice rsolvante du systme. Alors la solution du systme (24.79) pour la condition
initiale yp0q y0 est
yptq Rptqy0 .
(24.81)
En effet
fi
ARptq A e1 t v1 . . . A en t vn fl R1 ptq.
(24.82)
1289
24.5.5
y 1 ptq M ptqyptq
admet une unique solution maximale dfinie sur I telle que ypt0 q y0 ;
(2) lensemble des solutions de lquation (24.83) sur I est un espace vectoriel de dimension n.
24.6
Rduction de lordre
Afin de diminuer lordre dune quation dans laquelle le paramtre napparat pas, il y a deux
changements de variables trs utiles. Le premier, le plus simple, est simplement
de poser zptq
`
1 ptq y 2 ptq. Le second, qui nest pas le mme, est z yptq y 1 ptq, qui entrane
y 1 ptq, ce qui
donne
z
`
y 2 ptq z 1 yptq zptq. Dans ce second cas, il faut galement changer de variable, et utiliser yptq
comme variable au lieu de t.
Si a ne marche pas, il faut suivre la procdure ci-aprs.
Nous supposons avoir une quation diffrentielle dordre p dans laquelle y ppq est isole des autres
drives :
`
et une fonction y :
R Rp Rp
px, Xq
X2
..
.
Xp
f px, X1 , . . . , Xp q
(24.85)
R Rp
ypxq
y 1 pxq
..
.
y pp1q pxq
Y 1 ptq F t, Y ptq .
(24.86)
(24.87)
De plus si lquation (24.84) est donne avec les conditions initiales y pkq ak (k 0, . . . , p 1)
alors lquation (24.87) vient avec les conditions initiales
a0
Y pt0 q ... ,
(24.88)
ap1
1290
24.7
" 1
y ptq f t, yptq
ypt0 q y0
24.7.1
(24.89a)
(24.89b)
" 1
y ptq f t, yptq
ypt0 q y0
(24.90a)
(24.90b)
n.
Dmonstration. Soit K un compact de et nous considrons une suite ptm q dans stmin , tmax r telle
que tm tmax . Si nous supposons que yM ptq ne sort pas de K alors nous avons yM ptm q P K, cest
dire une suite dans un compact. Quitte passer une sous-suite, nous supposons quelle est
convergente. Soit x1 P K la limite limm8 yM ptm q x1 .
Vu que tmax P I, la condition initiale yptmax q x1 est valide et le thorme de Cauchy-Lipschitz
16.123 nous donne une unique solution maximale yP dfinie sur un ouvert JP autour de tmax .
Nous allons maintenant construire une solution au problme initial qui contredit la maximalit
de yM . Attention : il nest pas vident a priori que yP ptq yM ptq sur lintersection des domaines.
Si ctait vident, la proposition serait dmontre.
Soit J JM Y JP X stmin , `8r et la fonction
#
yM ptq si t tmax
yptq
(24.91)
yP ptq si t tmax .
La fonction y est continue par construction parce que
(24.92)
ttmax
Nous vrifions prsent que y est une solution : y1 ptmax q f tmax , yptmax q :
yptmax q yptmax q
yM ptmax q yP ptmax q
lim
(24.93a)
0
0
yM ptmax q yP ptmax q ` yP ptmax q yP ptmax q
lim
0
(24.93b)
yP ptmax q yP ptmax q
lim
(24.93c)
0
yP1 ptmax q.
(24.93d)
lim
Donc y est solution pour la condition initiale yptmax q x1 et concide avec yP en tmax et avec yM
avant tmax . Donc en ralit yP , yM et y sont identiques et cela contredit la maximalit de yM .
Corollaire 24.12 (Explosion en temps fini).
Soit pym , Jq la solution maximale du problme de Cauchy (16.444) :
" 1
y f pt, yq
ypt0 q y0
(24.94a)
(24.94b)
1291
Dmonstration. Attention : ceci nest pas une simple paraphrase de la fuite des compacts. Linformation supplmentaire que ce corollaire donne est que la solution sort de tout compact pour ne
plus y retourner.
Lhypothse tmax suppIq signifie que la solution finit dexister avant que les hypothses sur
f cessent dtre vraies. Cest dire que la solution maximale est moindre que ce que nous aurions
pu esprer.
Soit K compact et supposons que que pour tout t0 tmax il existe t P st, tmax r tel que
yM ptq P K. Alors cela cre une suite tk dans J telle que yM ptk q est dans K. Comme dans le
thorme de la fuite des compacts nous concluons limpossibilit de la chose.
Donc pour tout compact K de , il existe T tmax tel que yM ptq P zK pour tout t P rT, tmax r.
En prenant des boules fermes de plus en plus grandes en guise de compacts nous concluons que
lim }yM ptq} 8.
ttmax
(24.95)
Exemple 24.13
Soit lquation diffrentielle
$ 1
& y ypy 1q sinpytq
1
% yp0q .
2
(24.96a)
(24.96b)
La fonction f pt, yq ypy 1q sinpytq ayant une drive borne partout, est localement Lipschitz
et le thorme de Cauchy-Lipschitz 16.123 sapplique. Pour toute condition initiale, une solution
maximale unique existe.
Si nous oublions la condition initiale, il est facile de trouver des solutions constantes : y 1 0
avec yptq k donne lquation
0 kpk 1q sinpktq.
(24.97)
Les solutions y1 ptq 0 et y2 ptq 1 sont des solutions existant pour tout t.
Le graphe de la solution correspondante la condition initiale yp0q 21 ne pouvant pas croiser
les graphes de y1 et y2 , elle est oblige dexister pour tout t parce quelle ne peut pas exploser en
temps fini.
4
24.7.2
Stabilit de Lyapunov
Dfinition 24.14.
`
(24.98a)
(24.98b)
1292
(1) Il existe k 0 tel que si }y0 } k alors la solution maximale est dfinie sur
R,
Prolgomne Le thorme de Cauchy-Lipschitz 16.123 nous enseigne que lquation diffrentielle considre possde une unique solution maximale (entre autres parce quune fonction
de classe C 1 est localement Lipschitz) et nous nommons J lintervalle sur lequel elle est
dfinie.
Systme linaris Nous posons A df0 . La fonction yL ptq etA y0 est solution du systme
linaris
" 1
y ptq Ayptq
(24.99a)
(24.99b)
yp0q y0 .
Pour valuer la norme de yL nous utilisons le lemme 16.81 : il existe un polynme P tel que
r
`
}yL ptq} P |t|
eRe i t }y0 }.
(24.100)
i1
Rn :
tA
` `
xe x, etA yy }etA x}}etA y} P1 |t| P2 |t| e2t }x}}y},
(24.102)
(24.103)
Ce qui est dans lintgrale est forcment (pas strictement) positif pour tout t. Mais si x 0
alors }x}2 est strictement positif et sur un voisinage de t 0 nous avons aussi }etA x}2 qui
est strictement positif. Ergo bpx, xq 0 ds que x 0, ce qui signifie que b est strictement
dfinie positive (lemme 6.296).
Nous notons
q : V R la forme quadratique associe b et aussi la norme qui va avec :
a
}x}q qpxq. En ce qui concerne le gradient q : V V , nous avons la formule qpxq y
2bpx, yq[272]. En effet, nous utilisons une des nombreuses formules du lemme 11.132 4 :
d
qpx ` tyq
dt
t0
qpxq y
2. Parce que sinon lenvironnement description qui suit donne un mauvais effet.
3. Proposition 16.58.
4. Le fait que q soit diffrentiable est simplement le fait que b soit bilinaire.
(24.105a)
(24.105b)
(24.105c)
1293
tT
.
lim xetA x, etA xy
T 8
t0
(24.106a)
(24.106b)
(24.106c)
(24.106d)
Ax
`
1
Majoration de q yptq Nous posons
r:
Rn Rn
(24.108)
x f pxq Ax.
Soit y la solution maximale au problme (24.98) que nous pouvons aussi crire sous la forme
`
(24.110a)
2bpy, y q
`
2b y, Ay ` 2b y, rpyq
`
}y}2 ` 2b y, rpyq
`
(24.110b)
(24.110c)
(24.107) avec x yptq (24.110d)
(24.110e)
Chacun des deux termes peut encore tre major. En ce qui concerne le premier, par quivalence des normes 5 , il existe une constante C telle que }y} C}y}q . En renommant
immdiatement C 2 en C, }y}2 C}y}2q Cqpyq.
Pour le second, nous allons utiliser la diffrentiabilit de r et le thorme des accroissements
finis. Vu que df0 A nous avons dr0 df0 A 0 et de plus r est de classe C 1 parce que
f lest. Toutes les normes tant quivalentes 6 sur Rn nous pouvons exprimer la continuit
de dr pour la norme }.}q : si 0 est fix alors il existe 0 tel que }x} implique
}drx }q . Nous pouvons crire les accroissements finis 7 pour la fonction r :
}rpxq rp0q}q sup }dfa }}x}q .
aPr0,xs
(24.111)
1294
}rpxq}q }x}q
tant que }x}q . Par consquent, tant que }yptq}q nous avons }r yptq } }yptq}q .
Nous continuons le calcul (24.110) :
`
1
q yptq Cqpyq ` 2}yptq}2q
(24.113a)
pC 2qqpyq.
q yptq q yptq
(24.113b)
(24.114)
(24.115a)
(24.115b)
`
1
Nous avons donc q ypt1 q et q yptq tt1 0. Par consquent pour tout t proche de t1
`
avec 0 t t1 il y a q yptq .
Pour
la
`
mme raison, prise en t 0`nous avons pour tout t proche de 0 avec t 0 que
q yptq . Par continuit de t q yptq cette fonction doit passer par la valeur dans
st2 , 0r et s0, t1 r, ce qui contredit la maximalit de t2 et la minimalit de t1 .
`
t2
t1
Deux conclusions
`
:
Vu que q yptq est born pour tout t P R, nous sommes dans le cas (1) de lalternative
du thorme dexplosion en temps fini 24.12. Donc la solution yptq existe sur tout R
pourvu que }y0 } soit assez petit. Plus prcisment par quivalence des normes, il existe
un nombre D 0 tel que }x} D}x}q pour tout x. Si }y0 } D alors
D}y0 }q }y0 } D,
(24.117)
qui donne immdiatement }y0 }q , ce qui faut pour faire fonctionner lexistence de
yptq pour tout t.
`
minimum seulement sur les t P r0, ts s ; or par continuit q yptq dfinit un ferm. Bref t1 est un infimum sur un
compact (ferm born) et donc bien un minimum atteint.
1295
et qpyq
(24.118)
mais nous avons dj prouv que qpyq1 qpyq (quation (24.114)), donc
1
et qpyq 0
(24.119)
et q yptq qpy0 q,
cest dire
(24.120)
q yptq et qpy0 q
(24.121)
(24.122)
lorsque t 0. Par quivalence des normes, nous avons des nombres D1 et D2 tels que
(24.123)
Point dquilibre Le point y 0 est point dquilibre (dfinition 24.14) parce que f p0q 0,
donc yptq 0 fonctionne. Dans ce cas, y0 0.
24.7.3
y cy ` dxy
(24.124a)
(24.124b)
(5) Les termes bxy et dxy sont les termes dinteraction entre le proies et les prdateurs. Ils
sont proportionnels la frquence de leurs rencontres, lesquelles sont avantageuses pour les
prdateurs et problmatiques pour les proies.
1296
& x ax bxy
y 1 cy ` dxy
%
xpt0 q 0, ypt0 q 0.
(24.125a)
(24.125b)
(24.125c)
Alors
R.
`
x
ax bxy
.
(24.126)
f t,
y
cy ` dxy
Cest une fonction continue localement Lipschitz partout par le lemme 11.194 et la proposition 11.193.
Nous savons cependant que les solutions sont de classe C 1 et que moyennant la donne
dune condition initiale, la solution est unique.
Les solutions restent positives Supposons xpsq 0 pour un certain s t0 . Alors le solution
"
xptq 0
(24.127a)
yptq exppctq
(24.127b)
est une solution pour rt0 , s ` s. Par unicit de la solution avec condition initiale spsq 0,
nous avons aussi xpt0 q 0 pour toutes les solutions, ce qui contredit notre condition.
De la mme faon, avoir ypsq 0 donne une solution avec yptq 0 pour tout t et donc une
contradiction.
Solutions sur R Nous montrons maintenant que les solutions sont dfinies sur
Nous avons x1 ax, donc pour tout t o la solution est dfinie,
0 xptq xpt0 qeaptt0 q ,
R.
(24.128)
cest dire que la solution ne peut pas exploser en temps fini 9 : elle est borne par le haut
et le bas. Elle doit donc exister pour tout t P R. Par ailleurs, y 1 dxy donc
0 yptq ypt0 qe
t0
xpsqds
(24.129)
Vu lquation x1 xpa byq, tant que xptq, yptq est dans cette zone, la fonction x1 a le
signe de x et est donc positive. Donc x est croissante dans cette zone.
De la mme faon, y 1 ypc dxq est y 1 a un signe constant dans la zone.
9. Voir le corollaire 24.12.
1297
4 zones : on bouge Nous prouvons prsent quune solution ne reste pas dans une zone.
`
tc dx 0u
y 0
1
(24.131a)
(24.131b)
et que la solution reste dans cette zone (pour les t t0 ). Nous avons en particulier
x1 0, donc x est croissante tout en ayant la borne suprieure x c{d. Par consquent
x a une limite que nous appelons x1 P r0, dc s.
De la mme faon, ; y est dcroissante et borne vers le bas par zro. Donc y a une limite
que nous notons y1 P r0, ypt0 qs.
Vu que x est borne et de classe C 1 nous avons forcment limt8 x1 ptq 0. Mais vu
que x1 ax bxy nous devons avoir
ax1 bx1 y1 0.
(24.132)
tc dx 0u
y 0
1
(24.133a)
(24.133b)
et que la solution reste dans cette zone (pour les t t0 ). Les fonctions x et y sont
convergentes. Par consquent lnpyq converge aussi et vu que x est croissante,
y1
c ` dx x ` dxpt0 q 0
y
(24.134)
Cela signifie que lnpyq1 est toujours positive et borne par le bas. Cela est impossible si
y est born.
Donc on sort de la zone pour entrer dans . . .
`
tc dx 0u
(24.135b)
tc dx 0u
(24.136a)
(24.135a)
y 0
1
y 0
1
(24.136b)
et que la solution reste dans cette zone (pour les t t0 ). Encore une fois, cela nous fait
sortir de la zone et retourne vers la premire zone.
ce moment nous voyons dj que la relation entre proie et prdateurs, cest un peu le
mythe de Sisyphe
1298
Une simple drivation montre que x H xptq, yptq est constante. Nous considrons la
fonction
f: RR
`c
(24.138)
s H , s
d
a
1
dont la drive nest autre que f psq b s . La fonction f est donc dcroissante sur
lintervalle r ab , 8r et donc injective. Sur les changements de zones, il existe un t0 tel que
d
(24.139a)
c
ypt0 q 0.
(24.139b)
`
Pour cette valeur t0 nous avons alors H xpt0 q, ypt0 q f ypt0 q . En posant s0 ypt0 q 0
nous avons
Hpx0 , y0 q f ps0 q
(24.140)
xpt0 q
Conclusion La fonction x passant dune zone lautre, il existe un t1 t0 tel que xpt1 q a{b.
Nous avons videmment
`
H , ypt1 q f ps0 q,
b
(24.142)
(24.143a)
(24.143b)
Cela est donc un point par lequel la solution repasse. Par unicit de la solution, elle est
donc priodique.
24.8
24.8.1
Wronskien
(24.144)
Dans ce point nous allons considrer la fonction q sans hypothse de priodicit. Lquation de Hill
(sous-section 24.8.4) sera la mme quation, mais en supposant que q est priodique.
Nous commenons par argumenter que si q est continue, alors lensemble des solutions de
lquation (24.144) est un espace vectoriel de dimension deux. Pour cela il suffit dappliquer la
mthode de rduction de lordre (section 24.6) puis le thorme de dimension pour les systmes
linaires (thorme
24.10). En effet si la fonction y1 est solution de (24.144) si et seulement si le
y1
vecteur Y
est solution du systme linaire
y2
0
1
Y 1 ptq
Y ptq.
(24.145)
qptq 0
1299
(24.147)
le Wronskien peut tre dtermin sans savoir explicitement y1 et y2 parce que W y1 y21 y11 y2 ,
et en drivant,
W 1 y1 y22 ` y11 y21 y12 y2 y11 y21
y1 ppy21
y
p 11
y1
cest dire
qy2 q
y2
,
y21
ppy11
qy1 qy2
W 1 pW.
(24.148a)
(24.148b)
(24.148c)
(24.149)
Il suffit donc de savoir une condition initiale pour obtenir une quation diffrentielle pour W .
24.8.2
Une quation diffrentielle du second ordre avec un second membre se prsente sous la forme
ay 2 ptq ` by 1 ptq ` cyptq vptq
(24.150)
o vptq est une fonction donne. Le truc est de commencer par rsoudre lquation diffrentielle
sans second membre, cest dire trouver la fonction yH ptq telle que
2
1
ayH
ptq ` byH
ptq ` cyH ptq 0.
(24.151)
24.8.3
quation y 2 ` qptqy 0
(24.152)
8
0
converge, alors
|qptq|dt
(24.153)
1300
La fonction y tant borne, lhypothse sur q permet de dire que lintgrale de droite existe. Par
ailleurs,
a
8
2
y 2 lim y 1 paq y 1 p0q.
(24.155)
y lim
a8
a8 0
Cela justifie que la limite limt8 y 1 ptq existe. Posons limt8 y 1 ptq et supposons par labsurde
que 0. Soit 0 et assez grand pour que
(24.156)
}y 1 }r,8r .
Soit aussi x . Nous avons
(24.157a)
y 1 ptqdt
ypxq ypq `
x
ypq p q
(24.157b)
(24.157c)
ypq ` x .
En prenant la limite des deux cts on voit que ypxq 8 ds que 0, ce qui est contraire aux
hypothses. Donc 0.
Pour la seconde partie de la proposition, nous devons prouver que lquation y 2 ` qy 0
possde des solutions non bornes. Si lquation a seulement des solutions bornes et si tu, vu est
une base de solutions, alors nous avons u1 , v 1 0. Si nous reprenons lquation (24.149) avec p 0
nous savons que dans notre cas le Wronskien satisfait W 1 0, cest dire quil est constant.
Mais vu que u et v sont bornes et que les drives tendent vers zro, nous avons W ptq 0 et
donc W ptq 0.
Or lannulation identique du Wronskien contredit que tu, vu serait une base de solutions. Donc
il existe des solutions non bornes.
Proposition 24.18.
Soit lquation diffrentielle y 2 `qy 0. Si q est C 1 , strictement positive et croissante, alors toutes
les solutions sont bornes.
Dmonstration. Soit y une solution et multiplions lquation par 2y 1 (qui est non nulle par hypothse) :
2y 1 y 2 ` 2qy 1 y 0.
(24.158)
Nous allons intgrer cela en nous souvenant que 2y 1 y 2 est la drive de py 1 q2 . Pour tout t 0 nous
avons
t
1
2
1
2
0 y ptq y p0q ` 2 qptqy 1 ptqyptqdt
(24.159a)
0
looooooooomooooooooon
par partie
t
1
2
1
2
2 t
1 2
y ptq y p0q ` 2 rqy s0 q y
(24.159b)
(24.159c)
t
0
q1y2
(24.160)
1301
t
0
q1y2 ` K
t
0
q1 2
qy .
q
(24.161)
Cest le moment dutiliser le lemme de Grnwall 24.4 avec qy 2 et q 1 {q. Les hypothses de
croissance et de positivit ont t poses exprs. Bref, on a
t 1
q psq
2
qy K exp
ds
(24.162a)
0 qpsq
qptq
(24.162b)
K exp ln
qp0q
qptq
K
.
(24.162c)
qp0q
Notons que qp0q est strictement positif. Nous dduisons que
y2
K
qp0q
(24.163)
24.8.4
quation de Hill
(24.164)
o
(1) q P C 1 pR, Rq,
(24.165)
(24.166)
Le thorme 24.10 nous assure que deux telles solutions existent et quelles forment une base de
W parce que W est de dimension 2.
1302
y1 pq y2 pq
.
y11 pq y21 pq
(24.167)
a b
, alors
T
c d
a
1
a b
ay1 ` cy2 .
(24.168)
T y1
c
0
c d
En valuant cela en t 0,
(24.169)
donc a pT y1 qp0q y1 pq. En drivant (24.168), en tenant compte du fait que pT y1 q1 T y11 et
en valuant en t 0, nous trouvons de mme c y11 pq. Puis le mme cinma avec y2 donne
T
y1 pq y2 pq
.
y11 pq y21 pq
(24.170)
Passons maintenant la parit de y1 et y2 . Nous posons ptq y1 ptq. Alors 1 ptq y11 ptq
et 2 ptq y12 ptq, tant et si bien que
2 ptq ` qptqptq y12 ptq ` qptqy1 ptq 0.
donc est une solution de lquation. Mais
"
p0q y1 p0q
1
p0q
y11 p0q
(24.171)
(24.172a)
0,
(24.172b)
donc a les mmes conditions initiales que y1 . Par consquent y1 (par le lunicit donne
dans le thorme de Cauchy-Lipschitz 16.123) et y1 est paire. Nous procdons de mme en partant
de ptq y2 ptq pour trouver que y2 et que donc que y2 est impaire.
Remmorons nous toutefois, pour calmer toute enthousiasme excessif, que T dpend de deux
solutions et donc de la fonction q donne dans lquation.
Proposition 24.20 ([1]).
Nous considrons lquation y 2 ` qy 0 et sa base de solutions ty1 , y2 u en suivant les notations
donnes plus haut.
(1) Si | TrpT q| 2, alors toutes les solutions de lquation sont bornes.
(3) Si | TrpT q| 2 alors toutes les solutions de lquation sont non bornes.
(4) Le cas | TrpT q| 2 se prsente si et seulement si y11 pqy2 pq 0.
Dmonstration. Remarquons que le dterminant de la matrice T est gal au Wronskien des solutions y1 et y2 calcul en t . Calculons sa valeur :
y y2
W py1 , y2 q det 11
y1 y21 y11 y21 .
(24.173)
y1 y21
1303
En drivant et en remplaant yi2 par qyi , nous trouvons tout de suite W py1 , y2 q1 0. Donc le
Wronskien est constant et il est facile de le calculer en t 0 :
W py1 , y2 qp0q 1 0 1.
(24.174)
(24.175)
(1) Si | TrpT q| 2, alors 0 et T a deux racines complexes conjugues que nous notons
et . De plus le produit des racines tant le terme indpendant,
1 ; en particulier
|| |
| 1. Notons tu, vu une base de vecteurs propres : T u u et T v v. Il est vite
vu que la fonction |u| est -priodique :
|u|pt ` q |upt ` q| |pT uqptq| |puqptq| |||u|ptq |u|ptq.
(24.177)
La fonction |u| est continue 10 et priodique ergo borne. La fonction |v| est borne pour la
mme raison et par linarit, toutes les fonctions de W sont bornes.
(2) Si TrpT q 2, alors 0 et T a une racine relle double 11 qui doit tre 1. Soit u un
vecteur propre de T pour la valeur propre 1. Nous avons
|u|pt ` q |T uptq| | uptq|,
(24.178)
(24.179)
(24.180)
(24.181)
En faisant n 8, nous avons pr1 qn 0 tandis que le premier terme tend vers 8
suivant le signe de .
10. La fonction u elle-mme nest cependant pas garantie dtre priodique.
11. Ce qui nimplique pas le fait davoir deux vecteurs propres pour cette valeur propre, mais tout de mme au
moins un, voir lexemple 6.269.
12. Mais pas trop hein ; nous aurons encore besoin dassigner t dautres valeurs dans dautres thormes.
1304
(4) Dabord le thorme de Cayley-Hamilton 6.262 nous indique que T pT q 0, cest dire
que
T 2 TrpT qT ` 1 0.
(24.182)
Nous avons dj mentionn le fait que T tait inversible. Multiplions donc (24.182) par
T 1 :
T ` T 1 TrpT q12 .
(24.183)
y1 pq y2 pq
y1 pq y2 pq
1
T
y11 pq y21 pq
y11 pq y21 pq
(24.184)
o nous
paire et y2 impaire (lemme 24.19). Si nous notons
utilis le faitque y1 tait
avons
a b
a b
et
, alors T 1
T
c d
c d
T `T
2a 0
.
0 2b
2a 0
a`d
0
,
0 2b
0
a`d
ce qui donne immdiatement a d. La matrice de T a donc comme forme T
(24.185)
(24.186)
a b
c a
et
TrpT q 2a.
Donc TrpT q 2 si et seulement si a 1 et vu que 1 detpT q a2 bc, nous avons
a 1 si et seulement si bc 0, ce qui signifie exactement y11 pqy2 pq 0.
24.9
24.9.1
quation homogne
y 1 f pt, yq
(24.187)
degr n en t, y
,
degr n en t, y
(24.188)
zptq
donc tz y, et
remettre dans lquation de dpart.
yptq
,
t
(24.189)
(24.190)
24.9.2
1305
quation de Bernoulli
y 1 aptqy ` bptqy
(24.191)
(24.193)
u1 p1 q aptqu ` bptq .
(24.192)
24.9.3
quation de Riccati
En gnral, on ne peut pas la rsoudre, mais si on en connat a priori des solutions particulires,
alors on peut sen sortir.
(1) Si on sait que y1 ptq est une solution, alors on pose
yptq y1 ptq `
1
,
uptq
(24.194)
(24.195)
y y1
Ke aptq
y y2
y1 ptqy2 ptq dt
(24.196)
Pour rsoudre une quation de Ricatti, il faut donc dabord deviner une ou deux solutions.
24.9.4
24.9.4.1
Avant de vous lancer dans les quations diffrentielles exacte, vous devez lire la section sur les
formes diffrentielles 13.9. Une quation diffrentielle exacte est de la forme P pt, yq ` Qpt, yqy 1 0
que nous allons crire sous la forme
P pt, yqdt ` Qpt, yqdy 0.
(24.197)
Nous savons que si By P Bt Q, alors il existe une fonction f pt, yq telle que P dt ` Qdy df . Pour
trouver une telle fonction, nous pouvons simplement intgrer la forme P dt ` Qdy. En effet, si
: r0, 1s R2 est un chemin tel que p0q p0, 0q et p1q pt, yq, alors en dfinissant
f pt, yq
rP dt ` Qdts
1
0
(24.198)
nous avons df P dt ` Qdy. Nimporte quel chemin fait laffaire. Calculons avec puq ptu, yuq.
La drive de ce chemin est donne par
1
0
1 puq t
`y
.
(24.199)
0
1
1306
a
a
b, nous avons
a et dy
tant donn que dt
b
b
1
`
0
1
du
`y
f pt, yq rP dt ` Qdys puq t
1
0
0
1
1
`
Q ptq ydu
P ptq tdu `
0
0
1
(24.200)
Nous retrouvons exactement la formule (13.558). Si a ttonne, cest que tu nas pas compris ;)
Dans le cas o nous avons la fonction f qui vrifie P Bt f et Q By f , lquation (24.197) devient
Bf
Bf dy
`
0,
Bt
By dt
cest dire
d `
f t, yptq 0,
dt
dont la solution
f t, yptq C
(24.201)
(24.202)
(24.203)
Si la forme P dt ` Qdy nest pas exacte, il nexiste pas de fonction f qui rsolve laffaire. Nous
pouvons toutefois essayer de trouver un facteur intgrant. Nous cherchons une fonction M telle
que
pM P qdt ` pM Qqdy
(24.204)
soit exacte. Nous cherchons donc M pt, yq telle que By pM P q Bt pM Qq. En utilisant la rgle de
Leibnitz, nous trouvons lquation suivante pour M :
M pBy P Bt Qq QpBt M q P pBy M q.
(24.205)
Cette quation est en gnrale extrmement difficile rsoudre, mais dans certains cas particuliers,
il est possible den trouver une solution ttons.
24.10
si
Pour dfinir ce que nous entendons par une fonction de classe C k valeurs dans S 1 pRd q nous nous
souvenons de la proposition 22.27.
24.10.1
quation de Schrdinger
u0 g
(24.206a)
(24.206b)
1307
R, S 1 pRd q .
(2) Cette solution u vrifie de plus u
P S 1 pR Rd q.
Dmonstration. Nous allons donner explicitement une fonction u P C 8 R, S 1 pRd q et nous allons
vrifier lquation (24.206a) en testant sur une fonction P S 1 pR Rd q. Cela prouvera le point
(2) ainsi que la partie existence de (1). Dans ce qui suit toutes les transformes de Fourier seront
par rapport la variable x P Rd ou par rapport . Jamais par rapport t P R.
Existence Pour t P R nous posons 13
ut F 1 pft gq
(24.207)
o ft P S pRd q est la fonction ft pxq eit}x} . Pour toute fonction P S pRd q nous avons
2
`
`
ut pq pf gq F 1 pq g f F 1 pq g F f F 1 pq .
(24.208)
Le fait que F 1 pq soit une fonction Schwartz fait partie de la proposition 21.12. Pour
chaque t nous avons bien ut P S 1 pq.
2
De plus la fonction hpt, xq eit}x} pF 1 qpxq est dans C 8 pR Rd q, et par consquent
lapplication
`
t g hpt, .q
(24.209)
`
est galement C 8 par la proposition 22.29. Ceci pour dire que u P C 8 R, S 1 pRd q . Il faut
encore vrifier que cette fonction est bien une solution de notre problme. Nous testons
cette quation sur P S pR Rd q. Pour allger les notations nous posons t : x pt, xq
et par consquent aussi pBt t qpxq pBt qpt, xq. Nous avons :
pBt u
i
uqpq
upBt q i
upq
ut pBt t q ` ipt q dt
R
(24.210a)
(24.210b)
(24.210c)
Ici nous nous souvenons du lemme 21.23 qui nous dit que nous pouvons permuter F 1 et
Bt . Et pour lautre terme il faut utiliser le lemme 21.11 avec || 2 et une somme pour
obtenir que
y
pxq
}x}2 pxq,
(24.211)
qui dans notre cas scrit sous la forme
Pour allger les notations nous notons t pxq pF 1 qpt, xq. Nous avons
(24.212)
(24.213a)
(24.213b)
2
2
2
2`
Bt eit}x} t pxq i}x}2 eit}x} t pxq ` eit}x} pBt t q, xq eit}x} Bt i}x}2 t pxq;
(24.214)
13. En utilisant la dfinition (22.27) du produit dune distribution par une fonction.
1308
2
g Bt eit}.} t p.q dt
2
Bt g eit}.} t p.q dt
lim
N 8
tN
2
g ei}.} t p.q
.
tN
(24.215a)
(24.215b)
(24.215c)
2
Histoire de bien comprendre les notations, il ne sagit pas de calculer g eit}.} t pour un
`
2
t gnral et de remplacer ensuite t par N et N . En effet la valeur de g eit}.} t pour
un t donn est celle quon obtient en calculant gp. . .q aprs avoir remplac t par ce que lon
2
veut. Par consquent, en posant pt, q ei}} t pq nous avons :
tN
ix
e
pt, qd
lim g x
N 8
R
tN
ix
ix
lim g x
e
pN, qd lim g x
e
pN, qd
N 8
N 8
(24.216a)
(24.216b)
La limite commute avec g parce que cette dernire est une distribution (continue). De plus
la limite commute avec lintgrale parce que ce qui est dedans est Schwartz. La fonction
tant Schwartz, la limite est nulle. Donc
0
(24.217)
et la fonction u propose est bien une solution de lquation de Schrdinger dans C 8 pR, S 1 pRd qq.
`
(24.218b)
Nous allons montrer que seule la fonction ut 0 peut satisfaire cela pour tout P
S pR Rd q. Nous allons mme montrer quen imposant ces quations seulement sur la
partie de S pR Rd q qui est support compact par rapport R, la seule solution est
ut 0. Soit donc P S pR Rd q support compact vis--vis de sa variable t. Alors
0
upBt ` iq
ut pBt t q ` ipt q dt
(24.219)
R
o encore une fois Bt t est la fonction x pBt qpt, xq. Maintenant nous utilisons la proposition 22.52 pour dire que
B
d
p1q
ut pt q ut pt q ` ut
pt, .q
(24.220)
dt
Bt
pour crire
d`
p1q
ut pt q ut pt q ` ut ipqpt, .q dt
R dt
Le premier terme est facile :
tN
d
ut pt q dt lim ut pt q
0
N 8
tN
R dt
0
parce que est support compact par rapport t. Nous restons donc avec
p1q
ut pt q iut pqpt, .q dt 0
R
(24.221)
(24.222)
(24.223)
1309
p1q
(24.224)
(24.226)
Pour lautre terme on fait un peu la mme chose en nous souvenant ce que fait la transforme
de Fourier en traversant le laplacien :
`
p1q
pFuqt pF 1 t q ` ipFut q }.}2 F 1 t dt 0.
Cette quation est valable tant que P S pR Rd q avec support compact en t. Nous allons
nous en crer une super cool. Dabord nous choisissons P S pRd q et P DpRq et nous
considrons 14
2
pt, xq F eit}} pqptq pxq.
(24.227)
Notons que la transforme de Fourier conserve le fait quune fonction soit Schwartz 15 , mais
pas le fait davoir support compact. Cependant nous ne prenons que la transforme de
Fourier par rapport x. Le rsultat est donc une fonction qui est Schwartz par rapport
x et support compact par rapport t. Nous pouvons donc crire (24.226) en utilisant la
fonction (24.227) :
2
2
p1q
0 pFuqt x eit}x} pxqptq ` ipFut q x }x}2 eit}x} pxqptq dt.
(24.228)
R
d`
d ` it}.}2
2
u
t peit}.} q
ut Fe
(24.229a)
dt
dt
B
2
2
p1q `
ut Feit}.} ` ut
Feit}.}
(24.229b)
Bt
2
2
p1q `
pFut q x eit}x} pxq ` pFut q x i}x}2 eit}x} pxq
(24.229c)
`
2
2
p1q
pFuqt x eit}x} pxq ` pFut q x i}x}2 eit}x} pxq . (24.229d)
d `
2
u
t x eit}x} pxq ptqdt 0
R dt
(24.230)
pour toute fonctions support compact . Donc la proposition 18.1 nous dit que
`
2
Bt u
t x eit}x} pxq 0.
(24.231)
Cest zro partout et non seulement presque partout parce quen plus nous avons la continuit. Par consquent pour tout t P R nous avons
`
2
u
t x eit}x} pxq u
0 x pxq 0.
(24.232)
Et cela est vrai pour toute fonction P S pRd q. Nous considrons donc t0 P
fonction P S pRd q pour construire
pxq eit0 }x} pxq.
2
14. Le candidat qui parvient effectivement prsenter a comme dveloppement, il est fort.
15. Proposition 21.12.
R et une
(24.233)
1310
24.11
pour x P I,
(24.234)
y 1 y,
x P R,
(24.235)
1311
(24.236)
pour x P I.
10
20
30
40
1312
(24.238)
est Y tC1 cospxq ` C2 sinpxq : C1 , C2 P Ru. Remarquez que lquation est du second ordre et
que sa solution gnrale est une famille dquations deux paramtres rels. Ce sera toujours les
cas pour les quations abordes dans la section 24.14. Pour dterminer une solution particulire
de (24.238) il faut fixer les valeurs des deux paramtres et donc, en gnral, il sera ncessaire de
donner deux conditions.
4
Remarque 24.36.
Une condition comme yp0q 4 nous dit que la constante C1 4 mais elle ne nous permet pas de
trouver C2 . Il y a donc une infinit de solutions de (24.238) qui satisfont la condition yp0q 4.
On peut fixer les deux condition de deux manires diffrentes.
(1) Problme de Cauchy : on fixe une terne de valeurs rels x
, y, y1 et on cherche la solution
1
1
telle que yp
xq y, y p
xq y .
Exemple 24.37
Les conditions yp0q 4, y 1 p0q 15 permettent de trouver la solution zpxq 4 cospxq `
15 sinpxq.
4
(2) Problme aux bords : on fixe deux point dans le plan x-y, A p
x, y) et B p
x, yq, et on
cherche la solution dont la trajectoire passe par A et B, cest dire, on impose yp
xq y,
yp
xq y.
Exemple 24.38
Les conditions yp0q 4, yp{2q 15 permettent de trouver la solution zpxq 4 cospxq `
15 sinpxq.
4
24.12
Pour certaines quations diffrentielles la recherche dune solution particulire se rduit une
recherche de primitive moyennant un changement de variables.
Dfinition 24.39 (quation diffrentielle du premier ordre variables separables).
Une quation diffrentielle du premier ordre variables sparables est une quation qui,
pour tout les x dans un intervalle donn, I, peut se mettre sous la forme
f pyqy 1 gpxq,
(24.239)
R dans R.
Nous pouvons intgrer les deux cotes de lgalit par rapport x et obtenir
o G est une primitive de g et C une constante relle. Il est facile ce point deffectuer une
changement de variable dans le membre de gauche de lquation en posant (sans surprise) y ypxq
et donc y 1 pxq dx dy.
1
f pypxqqy pxq dx f pyq dy F pypxqq ` C,
o F est une primitive de f et C une constante relle. En somme nous avons
F pypxqq Gpxq ` C,
(24.240)
Remarque 24.40.
Lexpression de F 1 peut tre difficile calculer. Il sera alors prfrable de garder y dans la forme
implicite.
Exemple 24.41
Lquation
3y 2 y 1 x,
pour tout x P R,
(24.241)
est une quation variables sparables. Pour reprendre les notations du dbut du chapitre, ici
f pyq 3y 2 et gpxq x. En intgrant de deux cotes on trouve
y3
x2
` C.
2
La fonction F pyq y 3 est une bijection de R dans R, donc nous pouvons crire la solution gnrale
de lquation (24.241) dans la forme
+
#
1{3
x2
Y
`C
tel que C P R .
2
4
Exemple 24.42
En intgrant de deux cotes lquation variables sparables
2yy 1 x, pour tout x P R,
(24.242)
1314
on trouve
y2
x2
` C.
2
a
La fonction F pyq y 2 est nest pas inversible sur tout R, et on sait que y 2 |y|. Au moment
de rendre y explicite on doit choisir entre
2
1{2
1{2
2
x
x
y
`C
`C
ou
y
.
2
2
Ce choix se fait suivant la condition initiale, si elle est donne. Sil ny a pas de condition initiale
nous pouvons crire que la solution gnrale est lensemble
*
"
x2
2
` C et C P R .
Y y : R R tels que y
2
4
Exemple 24.43
On considre le problme de Cauchy
#
1
ey y 1 x`3
,
yp4q 0.
x Ps 8, 3r,
(24.243)
ey lnp|x ` 3|q ` C.
Nous pouvons alors imposer la condition initiale et obtenir e0 lnp| 4 ` 3|q ` C, cest dire
C 1 lnp1q 1.
Remarque 24.44.
Lnonc du problme de Cauchy dit que x peut varier dans s8, 3r, mais nous voyons maintenant
que la solution nest pas dfinie sur toute la demi-droite, parce que ey est toujours positif et
lnp|x ` 3|q ` 1 est positif seulement pour x p1{e ` 3q 3, 3679.
Donc la solution du problme de Cauchy est ypxq lnp|x`3|q`1 pour tout x Ps8, p1{e`3qr.
4
Exemple 24.45
Attention, cet exemple est le plus important de la section !
On considre lquation variables sparables
y 1 sinpxqy,
x P R.
(24.244)
Dans ce cas, pour pouvoir crire lquation dans la forme (24.239) il faut pouvoir multiplier les
deux cts par 1{y. Il faut donc liminer tout de suite le cas o y 0.
Si y 0 alors y 1 0 et on a une solution constante (on dit souvent : une solution stationnaire)
de lquation. Par ailleurs les trajectoires des solutions ne peuvent pas se croiser ; donc si yG est
une solution non nulle de lquation (24.244) alors yG pxq 0 pour tout x 16 . Il ny a donc aucun
danger diviser par y dans la recherche dune solution non identiquement nulle.
Supposons maintenant que y 0 et crivons y 1 {y sinpxq. En intgrant des deux cotes on
trouve
lnp|y|q cospxq ` C,
do
16. a vaut la peine de prendre un peu de temps pour bien comprendre cela.
1315
Si on avait impose une condition initiale alors on pourrait dterminer une solution particulire
de lquation en choisissant une valeur de la constante C. Nous pouvons observer cependant que
la fonction exponentielle est bijective de R dans R`, et par consquent il ny a pas de perte de
gnralit en disant que la solution gnrale de lquation est
!
)
Y y : |y| Ke cospxq , pour K P R`, Y ty 0u.
Il nempche quil serait plus lgant dcrire la solution gnrale de lquation sous une forme plus
explicite, sans valeur absolue. Nous pouvons le faire en nous nous rappelant que
#
x
si x 0,
|x|
x
si x 0,
24.13
Remarque 24.47.
Une fonction f : R
constantes et on a
(24.247)
Ces quations diffrentielles sont dites linaires parce que la partie de lquation qui contient y (le
membre de gauche) satisfait la proprit (24.247) par rapport y. En effet par les proprits de la
drive nous avons que
apxqpy1 ` y2 q1 ` bpxqpy1 ` y2 q papxqy11 ` bpxqy1 q ` papxqy21 ` bpxqy2 q.
Dfinition 24.48.
Lquation (24.246) est dite homogne quand c est la fonction nulle. Si (24.246) nest pas homogne on dit que lquation
apxqy 1 ` bpxqy 0,
(24.248)
Toute quation linaire du premier ordre homogne est une quation du premier ordre variables sparables, comme on en a vu dans la section prcdente et en particulier dans lexemple
24.45. Nous nallons pas rpter les dtails du procd pour trouver sa solution gnrale, qui aura
la forme suivante
1316
retenir 24.49
*
"
bpxq
apxq dx
: KPR .
Yh Ke
(24.249)
Proposition 24.50. (1) Soit yp une solution particulire de lquation (24.246) et yh une solution particulire de lquation homogne associ (24.248). Alors la fonction somme z
yp ` yh est encore une solution particulire de lquation (24.246).
(2) Soient y1 et y2 deux solutions particulires de (24.246). Alors la fonction diffrence w
y1 y2 est un solution particulire de (24.248).
Dmonstration.
(2)
(1)
`
`
apxq pyp ` yh q1 ` bpxq pyp ` yh q cpxq apxqyp1 ` bpxqyp cpxq ` apxqyh1 ` bpxqyh 0.
(24.250)
`
`
apxq py1 y2 q1 ` bpxq py1 y2 q apxqy11 ` bpxqy1 cpxq apxqy21 ` bpxqy2 cpxq 0.
(24.251)
Cette proposition permet de dmontrer le thorme suivant, qui est le plus important de cette
section.
Thorme 24.51.
Soit yp une solution particulire de lquation (24.246) et Yh la solution gnrale de lquation
(24.248), alors la solution gnrale de lquation (24.246) est lensemble
Y Yh ` yp tz yh ` yp : y h P Yh u .
(24.252)
retenir 24.52
La rsolution dune quation diffrentielle linaire du premier ordre comporte trois tapes :
(1) rsolution de lquation homogne associe ;
(2) recherche dune solution particulire de lquation non homogne ;
(3) somme de la solution gnrale de lquation homogne et de la solution particulire
trouve au point prcdent.
La partie qui nous manque encore est de savoir comment trouver une solution particulire de
lquation non homogne (24.246). Si la fonction c dans (24.246) est une constante ou un polynme
simple, ou une exponentielle alors on peut essayer de deviner. Cette mthode cependant nest pas
la plus sre pour des dbutants.
Exemple 24.53
On considre lquation
y 1 5y 10,
x P R.
(24.253)
Comme tous les coefficients de lquation sont constants on peut essayer de trouver une solution
constante.
Toutes les fonctions constantes on drive nulle, par consquent, si une solution constante existe
elle doit satisfaire 5y 10, ce qui veut dire que la solution constante est ypxq 2.
4
1317
xy 1 ` y x ` 1,
x P R`, .
(24.254)
xy 1 y x ` 1,
x P R`, .
(24.255)
Comme le membre de droite de lquation est un polynme de degr un on cherche une solution
de la forme ypxq Ax ` B avec A et B dans R.
Par substitution on obtient Ax ` pAx ` Bq x ` 1, cest dire que une solution particulire
de lquation est ypxq x{2 ` 1.
4
Exemple 24.55
Lquation
ressemble beaucoup celle de lexemple prcdent, cependant il nexiste pas un polynme de degr
un qui en soit solution.
Dans un cas comme celui-ci, il faut rapidement abandonner la divination et replier sur la
mthode, plus technique mais plus sre, dite variation de la constante
4
24.13.1
Soit Yh la solution gnrale de lquation homogne associ (24.246). Il sagit dune famille
un paramtre de fonctions. La premire tape de cette mthode consiste construire un
candidat solution particulire yp en remplaant le paramtre dans Yh par une fonction
C : R R dterminer.
Exemple 24.56
Lquation homogne associe y 1 y cospxq est y 1 y 0, dont la solution gnrale
est Yh tCex : C P Ru. Le candidat solution sera alors yp Cpxqex , avec C fonction
dterminer.
4
La deuxime tape de cette mthode consiste injecter yp dans lquation. Cela permet de
trouver une quation diffrentielle variables sparables pour C, en principe plus facile
rsoudre que lquation de dpart.
Exemple 24.57
On continue avec lexemple prcdent. On a yp1 C 1 pxqex ` Cpxqex , do
pC 1 pxqex ` Cpxqex q Cpxqex cospxq,
cest dire
C 1 pxq cospxqex .
4
C 1 pxq cospxqex .
)
` K : K P R . Il nous suffit une solution particulire, nous pou-
sinpxqcospxq
.
2
1318
Remarque 24.59.
Le plus souvent en intgrant lquation pour C on en trouvera la solution gnrale. Dans ce cas
on peut remplacer C par cette solution gnrale et obtenir dun seul coup la solution gnrale
de lquation (24.246) , cest dire sans faire la somme entre la solution gnrale de lhomogne
associe et la solution particulire.
Exemple 24.60
Dans lexemple quon vient de voir la solution gnrale de (24.246) est
"
*
psinpxq cospxqq
x
Y Yh ` yp Ce `
: CPR .
(24.256)
2
)
!
`
K
:
K
P
R
. Notez quon
On obtient le mme rsultat est crivant Y ex e1 psinpxqcospxqq
2
a chang le nom du paramtre de C K seulement pour souligner quon obtient de mme rsultat
par deux chemins diffrents, sinon les deux expression sont quivalentes !
4
24.14
Dans ce cours nous allons tudier exclusivement le cas o a, b et c sont des fonctions constantes.
Dfinition 24.62 (quation diffrentielle linaire du second ordre homogne).
Une quation diffrentielle linaire du second ordre homogne est une quation diffrentielle de la forme (24.257), telle que le coefficient d est nul.
toute quation de la forme (24.257) on peut associer une quation homogne exactement
comme on a fait dans la section prcedente pour les quations linaires du premier ordre.
24.14.1
Rsolution des quations diffrentielles linaires du second ordre homognes coefficients constants
Remarque 24.63.
Lapplication qui la fonction y fait correspondre apxqy 2 ` bpxqy 1 ` cpxqy est linaire, au sens de
la remarque 24.47.
Cela nous dit en particulier, que si y1 et y2 sont deux solutions de lquation homogne alors
toute leur combinaison de la forme z y1 ` y2 , avec et dans R, est encore une solution.
Jusquici nous avons toujours travaill avec des fonctions dfinies sur R et valeurs dans R.
Dans cette section nous nous authorisons passer par des fonctions dfinies sur R et valeurs
dans C, mais cela sera uniquement une tape dans nos calculs. Au final toutes les solutions
que nous allons considrer sont des fonctions valeurs dans R.
La solution gnrale valeurs dens les complexes dune quation de ce type a la forme
YhC tC1 er1 x ` C2 er2 x : C1 , C2 P C, x P Iu ,
(24.258)
o r1 et r2 sont aussi des nombres complexes. Remarquez que la solution gnrale est une famille
deux paramtres. Il faut aussi observer que en tout cas lintervalle I dans lequel varie x est un
intervalle dans R, parce que I est une des donnes du problme.
1319
partir de cette information nous pouvons, pour toute quation donne, chercher la solution
gnrale complexe par substitution. Il suffit de remplacer y dans lquation par erx et chercher
les valeurs de r qui nous conviennent.
Si notre quation de dpart est
ay 2 ` by 1 ` cy 0,
alors la substitution nous donne
pour x P I,
(24.259)
erx ar2 ` br ` c 0.
Il est connu que la fonction exponentielle ne prend pas la valeur 0, par consequent ce qui sannulle
est le polinme de degr deux ar2 ` br ` c. Il est donc trs facile de trouver les valeurs de r quon
pourra utiliser comme r1 et r2 dans la solution gnrale complexe.
Si b2 4ac 0 : le polinme admet deux solutions relles et distinctes, r1 et r2 ;
Il faut maintenant crire la solution gnrale relle de lquation, qui est celle que nous intresse
vraiment. La faon de lobtenir est diffrente dans les trois cas.
Si b2 4ac 0 : la solution gnrale relle a la mme forme que la solution complexe, (24.258),
il suffit de prendre les paramtres C1 et C2 dans R plutt que dans C.
Yh tC1 er1 x ` C2 er2 x : C1 , C2 P R, x P Iu ,
(24.260)
(24.261)
(24.262)
(24.263)
Pour justifier cette formule nous observons dabord que toute fonction x Cerx , pour
C P R est une solution de lquation diffrentielle (par construction). Ensuite nous utilisons
la mthode de variation de la constante. On trouve rapidement que si une fonction de la
forme x Cpxqerx est une solution alors Cpxq est un polynnme de degr au plus 1, cest
dire Cpxq C1 ` C2 x avec C1 et C2 dans R.
1320
24.14.2
Nous ne prsentons pas une mthode gnrale pour la rsolution de ces quations. Comme dans
le cas des quations diffrentielles linaires du premier ordre non homognes, la solution gnrale
de (24.257) est donne par la somme dune solution particulire et de la solution gnrale de
lquation homogne associe. La recherche dune solution particulire est facilit par le fait que
les coefficients de (24.257) sont supposs constants, cest dire que a, b et c sont des fonctions
constantes. Il faut essayer de dviner la forme dune solution particulire partir de la forme du
second membre de lquation, la fonction d. Si d est un polynme il faut essayer avec un polynme
du mme degr, si d est unexponentielle, par exemple dpxq e5x , on pourra essayer avec un
multiple de la mme fonction exponentielle, dans lexemple f pxq ke5x , avec k determiner. Si d
est une combinaison linaire de sinus et cosinus, comme par exemple 12 cospxq ` 2 sinpxq, on peut
essayer avec k1 cospxq ` k2 sinpxq.
Exemple 24.64
On considre lquation diffrentielle
y 2 ` 12y 1 ` 36y 192e2x ,
x P R.
y 2 ` 12y 1 ` 36y 0,
(24.264)
(24.265)
dont le polynme characteristique est r2 ` 12r ` 36. Ce polynme admet une racine double, qui
est 6, par consquent la solution gnrale de (24.265) est
(
Yh pC1 ` C2 xqe6x : C1 , C2 P R, x P R .
Le membre de droite de (24.264) est une fonction exponentielle, nous allons donc chercher une
solution particulire de (24.264) de la forme f pxq ke2x . Par substitution nous trouvons
ke2x p4 ` 12 2 ` 36q 192e2x ,
(
Y pC1 ` C2 xqe6x 3e2x : C1 , C2 P R, x P R .
Exemple 24.65
Nous allons rsoudre lquation
y 2 ` 12y 1 ` 36y 12 cospxq ` 2 sinpxq,
x P R.
(24.266)
Cette quation a comme homogne associe lquation (24.265), comme dans lexemple prcedent. Il nous suffit donc de trouver une solution particulire de (24.264).
Nous pouvons essayer avec f pxq k1 cospxq ` k2 sinpxq. Par substitution on trouve
pk1 cospxq ` k2 sinpxqq ` 12 pk1 sinpxq ` k2 cospxqq ` 36 pk1 cospxq ` k2 sinpxqq
12 cospxq ` 2 sinpxq
Cette quation doit tre satisfaite pour tout valeur de x, en particulier pour x 0 et x {2.
Cela revient considre sparemment les coefficients des fonctions sinus et cosinus. Il faut alors
que k1 et k2 soient solutions du systme
#
k1 ` 12k2 ` 36k1 12,
k2 12k1 ` 36k2 2.
1321
4
Exemple 24.66
Nous allons rsoudre lquation
y 2 ` 12y 1 ` 36y 10x2 ` 3,
x P R.
(24.267)
Cette quation a comme homogne associe lquation (24.265), comme dans lexemple prcedent. Il nous suffit donc de trouver une solution particulire de (24.264).
Nous pouvons essayer avec f pxq k1 x2 ` k2 x ` k3 . Par substitution on trouve
`
&36k1
24k1 ` 36k2
%
2k1 ` 12k2 ` 36k3
ce qui donne k1 5{18, k2 5{27 et k3 7{54. La solution gnrale de notre quation est
*
"
5
7
5
: C1 , C 2 P R , x P R .
Y pC1 ` C2 xqe6x ` x2 x `
18
27
54
4
1322
Chapitre 25
Calcul numrique
Dautres lectures agrables dans [274]
25.1
Reprsentations numriques
Dans cette section les squences de chiffres crites entre crochet sont comprendre comme des
squences de chiffres qui reprsentent une quantit suivant un codage donn.
25.1.1
Si nous avons m bits pour coder un entier relatif, une ide serait de prendre le premier bit pour
le signe (0 pour positif et 1 pour ngatif) et les autres pour la valeur absolue. Deux inconvnients :
(1) Il y a deux codages pour le zro, donc gaspillage.
(2) Lalgorithme pour faire la somme passe mal. Par exemple pour faire 1 ` p1q, le 1 est cod
comme r001s et le 1 par r101s et la somme se ferait navement comme
0 0 1
1 0 1
1 1 0
1324
La rponse est donc r110s quil faut interprter via le complment deux.
`1
110 111
complment
000.
(25.1)
m1
m2
ai 2i .
(25.2)
i0
Le premier bit donne effectivement le signe du nombre, mais linterprtation dun nombre nest
pas aussi simple que ce que lon pourrait croire de prime abord.
Exemple 25.3(Entier sign en 8 bits)
Que
nous faire avec 8 bits ? Le plus grand nombre est cod par r01111111s qui vaut
6 pouvons
k
7
k0 2 2 1 127. (avez-vous utilis la somme (6.347) ?)
Le plus petit nombre codable en 8 bits nest pas r11111111s mais bien r10000000s (cela est plus
clair en regardant la formule (25.2) quen tentant de suivre la construction du complment deux)
qui signifie 27 128.
Nous pouvons donc coder tous les nombres de 128 127.
4
Plus gnralement un systme qui codes des entiers signs en N bits utilisant le complment
deux peut coder de p2N 1 q 2N 1 1.
(25.3)
25.1.2
xj .bj .
(25.4)
jm
1325
j1
(25.5)
bj aj bqd
Une ide retenir est que lexposant est un entier non sign parce quil est plus simple dintroduire un dcalage dans la formule (25.5) que de compliquer lcriture de lexposant.
25.1.3
En criture binaire, la reprsentation en virgule flottante est un peu diffrente parce quil y a
une ide supplmentaire ; la simple prcision que nous allons voir maintenant nest donc pas un
cas particulier de 25.6 avec b 2.
Nous commenons par une description informelle de la prcision simple avant de donner la
dfinition. La reprsentation en prcision simple dun nombre se fait sur 32 bits rpartis comme
suit :
(1) 1 bit pour le signe,
(2) 8 bits pour lexposant interprt comme nombre entier non sign
(3) 23 bits pour la mantisse
Soit le triple
s, q, ra1 , . . . , a23 s
(25.6)
Dans le cas gnrique, lide est de donner 24 bits pour la mantisse, mais en gardant en tte le fait
que de toutes faons, le premier bit doit tre 1, sinon il suffirait de dcaler, cest dire changer
lexposant. Par consquent la mantisse ne reoit que 23 bits ; il y a un 1 sous-entendu en premire
position. Donc la mantisse ra1 , . . . , a23 s est lire comme le nombre
1, a1 . . . a23 1 `
23
aj 2j .
(25.7)
j1
Exemple 25.7
La mantisse r011100 . . . 0s signifie 1, 0111 1 ` 22 ` 23 ` 24 1 `
1
4
justifier la formule
1
8
1
16 .
4 Cela pour
23
(25.8)
j1
Notons :
23
j1
aj 2j .
(25.9)
1326
En particulier, si q 0 et a r0 . . . 0s, nous avons le nombre zro exact (il y a deux possibilits
pour le code).
Enfin, nous avons des cas particuliers lorsque lexposant est maximum, cest dire q
r1111 1111s 28 1 255. Dans ce cas, le nombre cod est soit `8 soit NaN. Nous posons
spps, q 255, a 0q `8 et spps, q 255, a 0q N aN . Il y a en ralit plusieurs valeurs
diffrentes de NaN, mais nous nentrons pas dans ces dtails[276].
Dfinition 25.8 (Reprsentation en simple prcision (binaire)).
La reprsentation en prcision simple dun nombre se fait sur 32 bits rpartis comme suit :
(1) 1 bit pour le signe,
(2) 8 bits pour lexposant interprt comme nombre entier non sign
(3) 23 bits pour la mantisse
Un nombre est reprsent par un triple
`
s, q, ra1 , . . . , a23 s
(25.10)
Selon que lexposant q d soit gal 0, 28 1 255 ou autre chose, les rgles dinterprtation
sont diffrentes. Il y a donc trois cas.
Exposant q gnrique[277] Si q 0 et q 255 alors le nombre est normalise. La rgle
de lecture est alors
23
s
sp s, q, ra1 , . . . , a23 s p1q 1 `
aj 2j 2q127 .
(25.11)
j1
(25.12)
j1
Exposant q gal 255 La rgle de lecture est alors au cas pas cas ou peu prs.
(1) spps, q 255, a 0q `8.
(25.13)
4
1
spp1, q 254, a r1 . . . 1sq 1 `
2j 2254127 p1 24 q2128
2
j1
3.40282346638528859811704183484516925440 1038
o nous avons utilis la somme (6.347) (et Sage pour le dernier calcul).
Notons ceci avec Sage :
(25.14a)
(25.14b)
4
1327
1
2
3
4
5
6
7
8
(25.15)
4
126
23
j1
(25.16)
4
25.2
Dfinition 25.13.
Lerreur relative commise en remplaant un nombre rel x par une valeur approche x
est dfinie
par
x x
x :
.
(25.17)
x
Lerreur relative nest pas influence par lordre de grandeur de x. En effet, lordre de grandeur
de x
est certainement la mme que celle de x, dans la majorit des cas sans problmes. Du coup
si x1 200x alors x1 200
x et le 200 se simplifie.
1328
Le nombre de chiffres significatifs correct dans lapproximation est donn par log10 px q. La
partie entire de ce nombre est le nombre de chiffres tout fait exacts et la partie dcimale donne
une ide sur le fait que le chiffre suivant est plus ou moins bien.
Remarque 25.14.
Si nous voulons donner x P R un ordinateur, nous sommes soumis deux erreurs :
(1) Dabord, vu que nous ne pouvons pas taper sur le clavier toutes les dcimales de x, nous
faisons une erreur de troncature.
(2) Lordinateur devant convertir cela en base deux, il commet une seconde erreur, dite erreur
dassignation.
25.2.1
Troncature : la base
Supposons que nous voulions crire le nombre (crit ici en base 10)
0.4567894251
(25.18)
de faon plus facile lire, on peut demander de ne laisser que t chiffres significatifs. Disons t 3.
Technique de troncature On garde 3 chiffres significatifs : 0.456. Facile.
Technique darrondi Vu que le premier quon supprime est un 7, le dernier quon garde est
major de 1 : on crit 0.457.
Que faire si le premier chiffre rejet est un 5 ? En premire approximation, nous pouvons prendre
la rgle suivante : si le premier chiffre rejet est un 5, il faut augmenter de 1 de dernier chiffre
gard parce quil y a presque certainement encore un chiffre non nul derrire.
Remarque 25.15.
Les ordinateurs travaillent tous en mode darrondi.
Exemple 25.16
Si on doit entrer le nombre 0.38358546 dans un ordinateur qui ne garde que 3 chiffres significatifs,
il faut taper 0.384 au clavier (erreur classique dans les exercices).
4
25.2.2
Troncature : le drift
Soit une machine ne pouvant retenir que 3 chiffres significatifs et effectuant les arrondis vers
le haut lorsque le chiffre liminer est un 5. Nous notons et a les oprations daddition et
soustraction avec arrondis[279]. Les galits comprenant plus de trois chiffres significatifs sont des
galits au sens de la machine. Nous crirons donc sans tats dme :
1 0.555 1.555 1.56.
(25.19)
avec y 0.555.
Nous avons
et ensuite
"
x0 1.00
xn pxn1 a yq y
(25.20a)
(25.20b)
(25.21)
(25.22)
Et ainsi de suite. La suite est donc croissante alors que la dfinition nous donnerait envie davoir
xn x0 pour tout n.
1329
(25.23)
Le fait est qu ce moment, lerreur de troncature est assez loin dans les dcimales pour que le
premier chiffre nglig soit un 0 au lieu dun 5.
Notons toutefois que cette stabilit nest pas l pour nous rassurer parce quelle nen est pas
moins compltement fausse.
La rgle de troncature adopte dans Sage est darrondir au nombre pair le plus proche lorsque
le premier nombre ngliger est un 5. Donc 12.5 sarrondit 12 plutt que 13.
Exemple 25.18
Soient les expressions (algbriquement gales) :
(1) A xpx ` 1q
(2) B x2 ` x
x flpxq 1030
(25.24)
1 flp1q
(25.25)
25.2.3
(1) Si on a plusieurs nombres additionner ou soustraire, il vaut mieux commencer par sommer
ou soustraire ceux dont on sait quils ont le mme ordre de grandeur. Il ny a donc pas tout
fait associativit des erreurs.
(2) Les oprations dlicates sont laddition et la soustraction. La multiplication et la division
sont sans dangers, part lerreur de dpassement du maximum. Dans une multiplication, on
perd au pire quelque chiffres significatifs, mais certainement les derniers, pas les premiers.
25.3
Erreur de cancellation
Lorsque deux nombres sont de mme ordre de grandeur, avec plusieurs nombres significatifs
identiques. La cancellation est le fait que, suite la soustraction, tous les chiffres significatifs ou
presque se sont simplifis et quil ne reste plus que des chiffres non significatifs.
Exemple 25.19([280])
Sur une machine ne gardant que 4 chiffres significatifs, faire
0.5678 106 0.5677 106 0.0001 106 0.1000 103 .
(25.26)
Le fait est que les trois derniers zros ne sont pas significatifs, mais maintenant la machine nous
fait croire quils le sont.
1. Erreur de relation normale.
1330
Une autre faon de voir ce problme est dimaginer quil faille faire la diffrence entre 0.5678 289798
et 0.5677 3136907 sur cette machine. Certes la machine nous autorise avoir 4 chiffres significatifs, donc au moment dentrer les nombres nous perdons un beau paquet de chiffres. Mais au
moment de faire la diffrence, nous perdons (presque) tout le reste. Donc l o nous pouvions
esprer avoir 4 chiffres significatifs de la diffrence, nous nen avons que 1. Les trois derniers zros
de la rponse (0.1000 103 ) sont faux.
4
106
Exemple 25.20
Soit rsoudre lquation ax2 ` bx ` c 0 avec a, b, c 0 et b2 4ac 0. Solution :
x1,2
b2 4ac
.
2a
(25.27)
Supposons que |4ac| ! b2 avec tout de mme pas tellement petit quon se perd dans la prcision.
Bref, on suppose que seules quelque dernires dcimales de b2 4ac sont diffrentes de zro.
On a :
a
a
b2 4ac b |b|
(25.28a)
?
b b2 4ac
x1
(25.28b)
?2a
b ` b2 4ac
(25.28c)
x2
2a
Si b 0, nous avons une erreur de cancellation dans x2 parce quon fait la diffrence entre deux
nombres presque gaux. Donc x2 mal calcul. Par contre x1 est bien calcul.
Si par contre b 0, cest le contraire.
Avec a 103 , b 0.8, c 1.2105 . la main nous obtenons : x1 800, x2 1.5105 ,
et un ordinateur se tromperait . . .
1
2
3
4
5
6
7
8
9
10
11
12
Comment rsoudre ce problme ? Ou, autre faon de poser la question : comment Sage a fait
pour rsoudre le problme ?
Utilisons les relations coefficients-racines :
x1 ` x2 b{a
x1 x2 c{a
(25.29a)
(25.29b)
1331
La premire lie les deux racines par des oprations de addition et soustractions, et donc nest pas
intressantes. La seconde est bien. Si nous connaissons x1 , nous calculons
x2
c
.
ax1
(25.30)
(25.31)
(25.32)
.
f pxq 2 sinp{2q sin x `
2
(25.33)
Exemple 25.21
Nous considrons :
Cela a une erreur de cancellation lorsque || ! |x|. On limine lerreur de cancellation par
4
Exemple 25.22
Pour
On fait la coup du binme conjugu :
f pxq
f pxq ?
x`
?
x.
? .
x`` x
(25.34)
(25.35)
Plus derreur de cancellation, vu quau dnominateur nous avons une somme de deux positifs. 4
Les erreurs de cancellation ne se rsolvent pas en augmentant la prcision des nombres donns.
25.3.1
Erreur dabsorption
Laddition dun nombre avec un nombre trs diffrent peut faire perdre de linformation sur le
plus petit. Par exemple avec 4 chiffres significatifs,
0.5678 0.0001237 0.5679
(25.36)
(25.37)
qui ne possde quun seul chiffre significatif correct alors que voyant le calcul, la rponse aurait pu
tre trouve.
Moralit : si certains manipulations algbrique peuvent faire apparatre des simplifications
avant de passer le calcul la machine, il est bon de les effectuer.
1332
25.3.2
h0
f pa ` hq f paq
.
h
(25.38)
Le numrateur est alors sujet une erreur dabsorption dans le calcul de a`h et ensuite une erreur
de cancellation dans le calcul de la diffrence.
En utilisant la formule
f pa ` hq f pa hq
f 1 paq lim
(25.39)
h0
2h
nous pouvons esprer avoir une erreur de cancellation plus petite.
25.4
Conditionnement et stabilit
Dfinition 25.23.
Soit F une fonction valeurs relles dfinie sur X D o X et D sont des espaces vectoriels rels
norms. Le problme de la recherche des solutions de
F px, dq 0
(25.40)
(2) Pour tout 0, et pour tout d0 , il existe un nombre K 0 tel que }d d0 } entraine
}xpdq xpd0 q} K }d d0 }.
Nous avons :
xpa, bq xpa1 , b1 q |a b a1 ` b1 |
1
(25.42a)
1
|a a | ` |b b |
1
}pa, bq pa , b q}1
(25.42b)
(25.42c)
1333
sup
(25.44)
Krel pb0 , q
|b|
.
|a b|
(25.47)
|ab ab1 |
|a|.
|b b1 |
Et aussi
Krel a
|b|
1.
|ab|
(25.48)
(25.49)
4.19x ` 7.0y 15
(25.50a)
(25.50b)
1334
Le fait est quun ordinateur effectue toujours une perturbation, au moins de lordre 1016 pour
ne fut-ce que reprsenter les nombres. Cest dire une perturbation sur les six nombres dfinissant
le systme. Il ny a donc pas despoir dobtenir un algorithme donnant une bonne rponse.
4
Un rsultat pratique pour tudier le conditionnement dun problme est le suivant.
Corollaire 25.30.
Soit x xpdq un problme stable. Supposons D de dimension finie, supposons que U est ouvert
dans D. Supposons encore x : U R diffrentiable en d0 . Alors quand est petit, on a
Kabs
pd0 q }xpd0 q}.
(25.51)
Lemme 25.31.
Tout problme de la forme x xpdq avec d P R et x P C 1 pRq est stable.
(25.53)
(25.54)
est continue, mais pas C 1 (non drivable en x 0). La drive est partout borne par 1, et donc
le problme est stable.
Un autre exemple trs classique serait de prendre xpdq |d|. Dans ce cas, on peut prendre
nimporte que et K 1. Le calcul est que
|xpdq xpd0 q| K|d d0 |
|d| |d0 | |d d0 |.
(25.55a)
(25.55b)
Cette dernire inquation est correcte, comme on peut le voir en mettant au carr les deux membres.
4
Exemple 25.33
Un exemple de problme instable de la forme x xpdq avec d P R et x P C 0 pRq.
Un exemple assez classique de fonction dont la drive nest pas borne sans pour autant que
?
la fonction aie un comportement immoral 4 est x x. Afin davoir une fonction dfinie sur R
tout entier, nous regardons la fonction
a
xpdq |d|.
(25.56)
3. Un compact est un ensemble ferm et born, typiquement un intervalle du type ra, bs.
4. Penser x x sinp1{xq.
1335
? .
|d d0 |
d
d
(25.57)
Il nest pas possible de trouver un K qui majore ce rapport. Le problme est donc mal conditionn.
Attention : dans ce calcul nous avons suppos d 0. Pensez adapter au cas d 0.
4
1 1 n x
In
x e dx
e 0
(25.58)
In 1 nIn1 .
(25.59)
1
Dautre part, I0 e1
e , I1 e . Puis par rcurrence, cest tout en main.
Du ct de lordinateur, nous lui donnons forcment une approximation de I1 , parce que nous
lui donnons une approximation de e. Soit lerreur 1 sur I1 .
Sans dmonstration :
Lemme 25.35.
Nous avons limn8 In 0.
Mais numriquement, il nest pas possible de rester longtemps sous 1 parce que nous nesprons
pas avoir une erreur plus petite que a. Donc partir du moment o In 1 , les valeurs sont toutes
compltement fausses. Cela est le mieux que lon puisse esprer. Mais la ralit est pire.
En ralit, en lanant le calcul sur un ordinateur, les valeurs sont mme croissantes avec n
partir dun certain moment.
On peut tudier lerreur et montrer que lerreur est donne par :
n p1qn1 n!1 .
(25.60)
Mais comme la factorielle est tellement forte que cest sans espoir daller loin en essayant trs fort
de donner une petite erreur sur 1 .
1
p1 In q.
n
(25.61)
Si nous savons un IN avec N grand, cette formule donne les Ii avec i N, N 1, . . . , 2. Posons
donc IN a P R nimporte comment. Donc N est grand. Mais il se trouve que lerreur sur 1 est
donne par
p1qN 1
1
N .
(25.62)
N!
Donc mme en prenant vraiment nimporte quoi pour IN , nous obtenons de bonnes approximations
pour Ii avec les petits i. Mme avec I20 1000 (qui est compltement faux), nous trouvons
normment de chiffres significatifs corrects pour I1 .
25.4.1
La formule (25.44) contient une formule qui ressemble trangement la drive. La stabilit
dun problme est trs lie la drive de F . La stabilit et la drive ne sont pas les mmes choses,
1336
mais il nest pas mauvais de penser au K de la stabilit comme la drive. Ou plus prcisment :
le supremum de la drive.
Un fil conducteur du lemme 25.31 et des exemples 25.32, 25.33 est que lon a un K qui fonctionne
lorsque la drive est borne sur lintervalle sd0 , d0 ` r. Dans le cas o ce supremum existe, le
prendre en guise de K fonctionne souvent.
Il faut cependant parfois faire acte dimagination. La fonction x |x| nest pas drivable en
0. Il nempche que K 1 fait fonctionner la dfinition de la stabilit. Remarquez que K 1 est
le supremum de la drive l o elle existe.
partir du moment o cest clair que le K est le supremum de la drive, on comprend pourquoi
cest le gradient qui arrive dans le corollaire 25.30. En effet, le gradient indique la direction de plus
grande pente. Cest donc bien dans cette direction quil faut chercher la plus grande drive.
Proposition 25.36.
Pour le problme stable x xpdq avec x P C 1 pRn , Rq, on a
Kabs pdq |dxd |op
(25.63)
25.5
Soit le systme dquations linaires Au b avec la matrice inversible A ainsi que le systme
perturb pA ` Aqu1 pb ` bq. Nous notons u u1 u et nous voudrions pouvoir dire des
choses de lerreur relative }u}
}u} .
Exemple 25.37([281])
Soit la matrice
10 7
A
(25.64)
7 5
32
1
et b
. La solution de Au b est u
. Si nous conservons la mme matrice mais nous
23
6
32.1
0.2
considrons b
. La solution devient u1
22.9
4.3
En norme }.}8 nous avons 5
}b}
0.1
0.003125
(25.65)
}b}
32
et
1.7
}u}
0.28.
}u}
6
(25.66)
Cela montre environ amplification dun facteur 100 entre lerreur sur b et lerreur sur la solution.
4
Dfinition 25.38.
Le conditionnement de la matrice inversible A P GLpn, Cq est le nombre positif
CondpAq }A}}A1 }.
(25.67)
Cette dnomination sera justifi par le corollaire 25.44 parce quil est vident que le conditionnement dune matrice est li au conditionnement du problme de rsolution dun systme linaire.
5. La proposition
6.138(3) montre que si nous voulions des estimations en norme }.}2 , il y aurait au maximum
?
un facteur 2 par-ci par l.
1337
Remarque 25.39.
Le conditionnement dpend de la norme choisie, mais cette dependence est contrle par la proposition 6.138 qui nous indique que si le conditionnement dune matrice est grand dans une norme,
il sera grand dans une autre norme.
Dautre part, lorsque nous crirons }A} nous supposerons toujours que }.} est une norme dalgbre 6 et donc que nous avons toujours
(25.68)
}AB} }A}}B}.
De plus nous supposerons toujours avoir une norme subordonne une norme sur lespace Cn , de
telle sorte avoir
}Au} }A}}u}
(25.69)
pour tout u P Cn . Voir aussi la proposition 6.88.
Si Q P Opnq alors
(1) Nous avons Cond2 pQq 1 o Cond2 est le conditionnement pour la norme }.}2 .
1 }1} }A}}A1 }
(25.70)
(25.71)
sup
}AQx}
sup
Q1 x
}AQQ1 x} }A}.
(25.72)
Donc }AQ} }A}. Les assertions sensuivent immdiatement en remarquant que Q1 est galement
orthogonale.
Lemme 25.41 ([281]).
Si A est une matrice carr et inversible,
SpecpA Aq SpecpAA q
(25.73)
Dmonstration. Nous allons montrer lgalit des polynmes caractristiques. Dabord une simple
multiplication montre que
pA A 1qA1 A1 pAA 1q.
(25.74)
Nous prenons le dterminant de cette galit en utilisant les proprits 6.49(1) et (3) :
detpA A 1q detpA1 q detpA1 q detpAA 1q.
(25.75)
En simplifiant par detpA1 q (qui est non nul parce que A est inversible) nous obtenons lgalit
des polynmes caractristiques et donc lgalit des spectres.
6. Dfinition 6.82.
1338
Soit une matrice inversible A P GLpn, Cq. La matrice A A est hermitienne 7 et le thorme
6.286 nous assure que ses valeurs propres sont relles. Par la remarque 6.287, ses valeurs propres
sont mme positives.
Proposition 25.42 ([281]).
Soit une matrice inversible A P GLpn, Cq, et 1 . . . n les valeurs propres de A A. Alors nous
avons la formule
c
n
Cond2 pAq
.
(25.76)
1
Dmonstration. Par le thorme 6.91, la norme de A est lie au au rayon spectral de A A par
a
?
}A}2 pA Aq n .
(25.77)
Vu que le spectre de AA est le mme que celui de A A (lemme 25.41) nous avons aussi
}A1 }2
b `
b `
1
pA1 q A1 pA Aq1 ?
1
(25.78)
parce que la plus grande valeur propre de pA Aq1 est linverse de la plus petite de A A.
Ces deux calculs tant,
c
n
1
Cond2 pAq }A}2 }A }2
.
(25.79)
1
25.5.1
Perturbation du vecteur
Au b .
(25.80a)
(25.80b)
(25.81)
}b}
}u}.
}A}
(25.83)
}u}
}A1 }}b}
}b}
}A} CondpAq
.
}u}
}b}
}b}
(25.84)
1339
(25.85)
F pu, bq Au b.
(1) Ce problme est stable pour toute valeur de b.
(2) Nous avons une majoration pour le conditionnement relatif 8 :
Krel p, b0 q CondpAq.
(25.86)
Dmonstration.
Stabilit Vu que A est inversible, il existe une solution unique tout systme
de la forme Au b1 . De plus upbq A1 b, donc
}upbq upb0 q} }A1 pb b0 q} }A1 }}b b0 },
(25.87)
Conditionnement En partant de la dfinition 25.45, et en utilisant la majoration de la proposition 25.43 sous la forme
}upbq upb0 q} CondpAq}upb0 q}
nous obtenons :
}b0 }
}upb0 q}
}upbq upb0 q} }b0 }
}b b0 }
}upb0 q}
}b}
,
}b0 }
(25.89a)
sup
}bb0 }
(25.88)
sup CondpAq
b
}upb0 q}
1
}b0 }
}b}
}b0 }
}b b0 } }upb0 q}
(25.89b)
CondpAq.
(25.89c)
Remarque 25.45.
La notion de conditionnement relatif dpend aussi de la norme choisie. Dans la formule (25.86)
il faut prendre le conditionnement CondpAq pour la norme dans laquelle le Krel est crit. Encore
une fois, toutes les normes tant quivalentes, cette majoration est constante prs bonne pour
toutes les normes. Si la dimension est trs grande, cette constante peut par contre tre grande.
25.5.2
Perturbation de la matrice
Au b
(25.90a)
(25.90b)
(2)
o limx0 pxq 0.
}u}
}A}
CondpAq
1
}u }
}A}
(25.91)
}u}
}A} `
CondpAq
1 ` p}A}q
}u}
}A}
(25.92)
1340
(25.93a)
1
pA Aqu Au Au
Au ` Au.
1
(25.93b)
(25.93c)
(25.94)
}u}
}A}
}A}
}A1 }}A}
CondpAq
.
1
}u }
}A}
}A}
(25.95)
(25.96)
CondpAq
}A}}A1 }
}pA ` Aq1 } }A}
CondpAq.
}A1 }
}A}
}pA ` Aq1 }
1,
}A1 }
}A}0
lim
lim 1
AA
}A11 }
1
}A1 }
(25.97a)
(25.97b)
(25.97c)
(25.98)
(25.99)
o la limite est celle dans GLpn, Cq. Par dfinition de la topologie, la norme est continue (quelle
quelle soit par lquivalence de norme 6.139). Par le thorme 6.234, lapplication A A1 est
galement continue et commute donc avec la limite. Nous avons donc
lim }A11 } }p lim
A1 q1 } }A1 }.
1
A1 A
A A
(25.100)
25.6
25.6.1
Pour lquation f pxq 0, il existe une infinit de fonctions g pour lesquelles lquation est
quivalente x gpxq.
Exemple : f pxq x2 2 lnpxq, nous pouvons faire
(1) x x2 2 lnpxq ` x
a
x 2 ` lnpxq
a
x 2 ` lnpxq.
(25.101a)
(25.101b)
1341
2 ` lnpxq
x
o nous savons dj que x 0 parce que x 0 nest pas dans le domaine de f .
x
x ex
2 2
(25.102)
(25.103)
Dans tous ces cas nous pouvons construire une suite pxn q en posant un nombre arbitraire pour x0
et ensuite la rcurrence
xn`1 gpxn q.
(25.104)
P1
Q2
Q0
Q1
x1
P2
x2
P0
x0
Attention : cette mthode ne converge pas toujours. Parfois elle converge de faon monotone,
et parfois pas. Le choix de la fonction g qui fait x gpxq peut normment changer la vitesse de
convergence.
Thorme 25.47 (Condition suffisante pour existence dun point fixe).
Une fonction continue f : ra, bs ra, bs admet au moins un point fixe dans ra, bs.
(2) Pour tout x0 P ra, bs, tous les termes de la suite xn`1 gpxn q sont dans ra, bs.
(3) Ladite suite pxn q converge vers le point fixe.
Thorme 25.49.
Soit f continue sur ra, bs avec gpxq P ra, bs pour tout x P ra, bs. Supposons
(1) quil existe 0 k 1 tel que pour tout x P ra, bs nous ayons |g 1 pxq| k et
(2) g est p fois drivable sur ra, bs.
f pxq x2 2 lnpxq.
(25.105)
1342
2
Et nous voulons rsoudre f pxq 0. Graphiquement cest lintersection entre
? y x 2 et y lnpxq.
Il est vite trac de savoir quil y a deux solutions : 1 P r0, 1s et 2 P r 2, 2s.
Dj un petit problme : lintervalle r0, 1s ne va pas parce que f ny est pas continue. Un petit
raffinement danalyse nous fournit 1 P re2 , 1s.
Nous avons au moins les fonctions de points fixes suivantes :
a
g1 pxq 2 ` lnpxq
(25.106a)
g2 pxq ex
2 2
(25.106b)
Pour la premire, il y avait un qui a t nglig parce que nous savons que les deux solutions
cherches sont positives. Travaillons avec la premire. Dabord
g11 pxq
1
a
.
2x 2 lnpxq
(25.107)
Nous avons limxe2 g21 pxq `8. Il ne sera donc pas possible de trouver 0 k 1 tel que
|g 1 pxq| k. Tentons quand mme la mthode :
x0 0.5
(25.108)
Il se fait que cela est plus proche de 1 que de 2 . Mais en ralit la suite converge vers 2 .
Passons la seconde mthode.
2
g21 pxq 2xex 2 .
(25.109)
Sur lintervalle re2 , 1s, g21 est croissante et prend toutes ses valeurs dans re2 , 1s. Nous pouvons
prouver que
|g21 pxq| 2e1 1.
(25.110)
Donc poser k 2e1 fait fonctionner la proposition. Donc quel que soit le x0 pris dans cet
intervalle, nous aurons une suite convergente vers un point fixe lintrieur de lintervalle. Cest
dire convergente vers 1 .
Cela est un exemple de problme pour lequel changer de fonction g change rellement la vie.
4
25.6.2
Convergence quadratique
Dfinition 25.51.
Une suite pxn q a une convergence quadratique vers si elle converge vers et si il existe un C
tel que pour tout n nous ayons
}xn`1 } C}xn }2 .
(25.111)
Il est bien entendu possible de parler de convergence quadratique si la relation (25.111) a lieu
seulement partir dun certain indice.
Le lemme suivant donne limportance du choix de point de dpart lorsquon utilise une mthode
itrative dont la convergence est quadratique.
Lemme 25.52.
Soit une suite xn de convergence quadratique. Si }x0 } r alors
}xn }
1
n
pCrq2
C
(25.112)
Dmonstration. Nous pourrions directement prouver la formule (25.112) par rcurrence, mais nous
allons la reconstruire un peu. Nous cherchons
}xn } C kpnq r2 .
n
(25.113)
1343
(25.114a)
2n`1
(25.114b)
2n`1
(25.114c)
C 2kpnq`1 r
do nous voyons que la fonction k doit vrifier
"
kp0q 0
(25.115a)
kpn ` 1q 2kpnq ` 1
(25.115b)
La premire quation est lhypothse }x0 } r compare la formule (25.113). Il est vite vrifi
que kpnq 2n 1. Do le rsultat.
Si le point de dpart est choisit de faon avoir Cr 1 alors nous avons l un trs bon
majorant parce quil sagit dun majorant convergeant trs rapidement vers zro. Si au contraire
Cr 1 alors ce majorant ne sert rien.
25.53.
Le fait davoir une convergence quadratique signifie que le nombre dcimales correctes double
(environ) chaque itrations, dans nimporte quelle base. En effet supposons que xn ait k dcimales
correctes ; cela signifie que |xn | 10k . Donc
|xn`1 | M 102k .
(25.116)
(25.117)
Cette limite est alors galement valable sans les valeurs absolues et si nous soustrayons xn au
numrateur, la limite devient 1 :
1 lim
n8
Ou encore
lim
n8
xn`1 xn
.
xn
xn xn`1
1.
xn
(25.118)
(25.119)
Donc si nous voulons une approximation de avec une erreur , il suffit darrter le calcul lorsque
|xn`1 xn | . Et ce faisant nous savons de plus si lapproximation est par excs ou par dfaut.
9. Cest dire sauf coup de malchance ou coup de chance.
1344
25.6.3
Convergence
(25.120)
(25.121a)
sup |g ptq||x |
(25.121b)
k|x |
(25.121c)
tPI
(25.121d)
parce que k 1 et |x | . Par consquent gpxq P Bp, q. Cela prouve le point (2). Pour le
point (1), soient x, y P Bp, q et
|gpxq gpyq| sup |g 1 paq||x y| k|x y|.
(25.122)
aPI
(25.123)
1345
Certes cette proposition demande moins dhypothses, mais en ralit, il ne donne pas de vrais
moyens de choisir un point de dpart x0 . Avec les deux thormes prcdents, nous pouvions
prendre x0 nimporte o dans ra, bs. Le fait est que pour choisir x0 nous pouvons tracer et donner
la main un x0 proche de ce qui semble tre . Si a ne converge pas, il faut donner un x0 plus
proche. La proposition nous assure que si nous jouons bien choisir x0 trs proche, la suite finira
par converger.
Notons que le corollaire 25.56 a encore linconvnient de demander de calculer g 1 pq alors que
est inconnu. La rsolution de linquation |g 1 pxq| 1 nous donne un certain nombre dintervalles
dans R.
Soient In les intervalles solutions de linquation. Si P In alors la mthode converge. Sinon,
cest pas garantit. En tout cas nous ne devons pas savoir rellement pour appliquer le thorme.
Il suffit de savoir que est dans un des In .
25.7
Mthode de Newton
Lobjectif de la mthode de Newton est dvaluer une racine a de lquation f pxq 0 lorsque
nous avons dj une approximation x0 de la racine .
Dfinition 25.57.
Le nombre est une racine simple de lquation f pxq 0 si f pq 0 et f 1 pq 0. Le nombre
est une racine multiple dordre r de f pxq 0 si
f pq f 1 pq . . . f pr1qpq 0
(25.127)
et f prq pq 0.
Exemple 25.58
La fonction x x3 en x 0 est un racine dordre 3.
25.7.1
Soit une fonction f continue et drivable sur ra, bs. Soit une racine de f et xn une de ses
approximation. Nous notons lerreur et nous avons xn ` . Du coup nous avons f pxn ` q
f pq 0.
crivons la srie de Taylor du thorme 11.204 autour de xn : il existe une fonction : R R
telle que limt0 ptq 0 telle que
f pq f pxn ` q f pxn q ` f 1 pxn q `
2
pq.
2
(25.128)
Nous isolons le du terme dordre 1 en nous souvenant que le membre de gauche est nul :
f pxn q 2 pq
f 1 pxn q
(25.129)
f pxn q ` 2 pq
.
f 1 pxn q
f pxn q
f 1 pxn q
(25.130)
(25.131)
1346
f pxn q ` 2 pq
f pxn q ` 2 pq
`
,
f 1 pxn q
f 1 pnn q
(25.132)
qui ne doit pas tre fondamentalement plus grand que ds que est petit, surtout que si xn est
une approximation de , nous pouvons esprer que f pxn q soit galement petit. L o les choses
peuvent draper en grand, cest si f 1 pxn q est petit.
Cette mthode de Newton ne converge pas toujours. Le pire est lorsque par malheur il y a une
bosse pas loin de la racine. Alors il y a un risque de tomber sur f 1 pxn`1 q 0 ou en tout cas trs
proche de zro. Dans ce cas le point xn`2 est envoy trs loin.
25.7.2
Nous savons que pour rsoudre f pxq 0 par une mthode de point fixe, il y a de nombreux
choix possibles de fonctions g telles que gpxq x donne la mme solution que f pxq 0. Soit
une solution de f pxq 0 et cherchons une fonction g de la forme
gpxq x kf pxq.
(25.133)
f pxq
,
f 1 pxq
(25.134)
f pxn q
.
f 1 pxn q
(25.135)
Nous savons par la proposition 25.55 que la fonction g donne une convergence quadratique lorsque
g 1 pq 0. Pour la forme (25.133) nous avons g 1 pq 1 kf 1 pq, ce qui nous donne lide de poser
1
k f 1 pq
.
Le fait est que f 1 pq nest pas connu, mais nous pouvons lapproximer par f 1 pxq lorsque x est
proche de . Do lide de considrer la fonction
gpxq x
et donc la suite xn`1 gpxn q cest dire
xn`1 x
Ds que xn est proche de , sous lhypothse (raisonnable par continuit) que f 1 pxn q soit proche
de f 1 pq, la mthode devrait donner une convergence quadratique.
Remarque 25.59.
Cette justification par points fixes nest pas vraiment diffrente de celle par Taylor parce que Taylor
est utilis dans la preuve de la proposition 25.55.
Dfinition 25.60 (Mthode de Newton).
La mthode de Newton pour la fonction f est la suite dfinie par rcurrence
xn`1 xn
f pxn q
.
f 1 pxn q
(25.136)
25.7.3
f pxq
g 1 pxq
(25.137)
1347
(2) Pour tout x0 P Bp, q nous avons convergence quadratique vers de la suite dfinie par
xn`1 gpxn q.
(3) Nous avons lestimation
2n
1`
C|x0 |
C
o C est la constante de la dfinition de convergence quadratique.
|xn |
(25.138)
f pxqf 2 pxq
,
f 1 pxq2
(25.139)
do nous dduisons que g 1 pq 0. Ensuite nous utilisons abondamment la formule des accroissements finis (thorme 11.187) en commenant par
(25.140)
o par }f }A nous entendons la norme uniforme de f sur A, cest dire }f }A supxPA }f pxq}.
Note : nous crivons rt, s, mais a pourrait tre r, ts.
Si x P rt, s alors
(25.141a)
(25.141b)
}g }rx,s |x |
(25.141c)
}g 2 }rx,s |t |
(25.141d)
}g }rt,s |t |.
(25.142)
La fonction g tant de classe C 2 , la drive seconde g 2 est borne (nous supposons dj travailler
sur un compact contenant ). Soit C une borne. Nous sommes en mesure de prouver le point (1)
avec 1{C. En effet si t P Bp, 1{Cq alors
|gptq | |gptq gpq| C|t |2 C
1
1
,
C2
C
(25.143)
(25.144)
pC|x0 |q2
2n`1
1
M |x0 |
.
C
(25.145)
La proposition suivante nous indique que dans le cas dune fonction convexe, le choix de point
de dpart de la mthode de Newton nest pas tellement crucial parce que il sont tous bons. De
plus la convergence se faisant de faon dcroissante (si on part de la droite), nous savons que le
rsultat sera une approximation par excs de .
1348
Dmonstration. Nous savons par la proposition 11.216(2) que la fonction f 1 est croissante, et par
hypothse f 1 pq 0, donc sur r, bs nous avons f 1 0. Par consquent, nous avons aussi f 0
sur r, bs.
Le graphe de f est au dessus de la tangente de f en x xn (proposition 11.222). Si nous
nommons tx la fonction qui donne la tangente en x nous avons txn pq 0 parce que f pq 0.
Par consquent
(25.146)
txn pxq 0
pour x xn . Cela prouve que xn`1 P r, bs, et que pxn q est une suite dcroissante
tant donn que pxn q est une suite dcroissante dans le compact r, bs, elle est convergente.
Notons sa limite. Nous avons la relation de rcurrence
xn`1 xn
f pxn q
.
f 1 pxn q
(25.147)
f pq
.
f 1 pq
(25.148)
25.7.4
Formalisation de lalgorithme
f pxn q
.
f 1 pxn q
(25.149)
o x0 est arbitraire.
Si on veut exprimer cela en terme dalgorithme, nous disons que lalgorithme de Newton est
donn par la suite de problmes
Fn pxn`1 , xn , f q xn`1 xn `
f pxn q
.
f 1 pxn q
(25.150)
f paq
.
f 1 paq
(25.151)
La mthode de Newton consiste slectionner une partie de ces problmes de la faon suivante :
"
F0 Gx0
(25.152a)
F n G xn .
(25.152b)
Le problme F0 fournit un nombre x1 qui nous permet de slectionner le problme Gx1 qui va
fournir le nombre x2 , etc.
Au moment de calculer le conditionnement de Fn , nous ne devons pas voir xn1 comme fonction
de x0 et de la donne f . Il ne faut donc pas driver travers les xn .
1349
fp = f . derivative ()
n =0
x = x0
diff = toll +1
w h i l e a b s ( diff ) > toll a n d n < maxit :
n = n +1
diff = - f ( x ) / fp ( x )
x = x + diff
return x,n
codeSnip_2.py
Commentaires :
(1) Notons que dans un langage vraiment numrique comme Matlab, il faut passer f 1 en argument.
(2) Dans le while il faudrait mettre xn`1 xn (en valeur absolue), mais cette diffrence est
aussi utilise pour calculer xn`1 donc on la calcule une seule fois.
(3) Il faudrait faire une vrification sur f pxn q 0. Il ny a pas tellement de choix que de changer
le point initial.
25.7.5
Caractristiques
(2) Aucune des solutions xn aux problmes intermdiaires nest une solution au problme de
dpart ( moins dun coup de chance).
(3) tant donn que la donne du problme Fn est la fonction f de dpart, nous avons dm
dn d pour tout m et n.
Thorme 25.64.
Soit f continue sur un voisinage de , racine simple. Alors il existe un voisinage de de rayon
tel que pour tout x0 dans ce voisinage, la mthode converge vers avec ordre de convergence
p 2.
Donc ds quon a continuit autour de la solution recherche, il suffit de prendre x0 assez proche
pour que tout se passe bien. Cela se fait par localisation des racines, par exemples en traant la
fonction avec un bon niveau de zoom. Le fait est quon cherche disons 3 dcimales la main (travail
sur ordinateur et graphique) et Newton donne les 20 dcimales suivantes la vitesse de la lumire.
25.7.6
Nous allons nous lancer?dans un exemple : le cas de la racine carr. Soit calculer une approximation numrique de 2. Il sagit dune racine de la fonction f pxq x2 ` 2. La fonction de
la mthode de Newton associe est :
gpxq x
f pxq
x2 2
.
f 1 pxq
2x
(25.153)
1350
?
Cherchons un intervalle autour de 2 sur lequel nous avons convergence de la mthode de Newton.
Cela sobtient
? grace la proposition 25.55 qui nous informe quil suffit de trouver un intervalle
autour de 2 sur lequel |g 1 pxq| 1.
Nous avons
x2 2
g 1 pxq
,
(25.154)
2x2
?
et nous cherchons rsoudre |g 1 pxq| 1. Dabord g 1 pxq 1 na aucune solutions alors que g 1 p 2q
1
`
1
0. Donc
anous avons g pxq 1 pour tout x P R . Par contre lquation g pxq 1 a des solutions :
x 2{3.
Nous avons donc convergence de la mthode de Newton pour x0 dans un intervalle de la forme
a
?
r 2{3, 2 ` . . .s
(25.155)
?
o les les trois points reprsentent lexpression quil faut pour que ce soit symtrique autour de 2.
La
? valeur prcise na pas tellement dimportance parce, vu que nous sommes en train de chercher
a2, il est peu probable que nous ayons dj en main une bonne approximation de nombres du type
2{3.
Proposition 25.65.
?
La mthode de Newton pour la fonction f pxq x2 2 converge vers 2 pour toute valeur de dpart
dans s0, `8r.
?
?
Dmonstration.
x2 2 est convexe et f 1 p 2q 2 2 0. Donc la mthode
? La fonction f pxq ?
converge vers 2 pour tout
? x0 2 par la proposition 25.62.
Si par contre x0 P s0, 2r nous avons
x1
x20 ` 2
.
2x0
(25.156)
?
?
?
En posant hpxq px2 ` 2q{2x et en rsolvant
h1 pxq 0 nous ?
trouvons x 2. Et l, hp 2q 2.
?
Donc hpxq est toujours plus grand?que 2 pour tout
? x P s0, 2r.
En dautres termes, si x0 P s0, 2r alors x1 2 et nous retombons dans le premier cas.
25.7.7
Si multiplicit
f pxn q
.
f 1 pxn q
(25.157)
Il est possible de prouver que cette suite est nouveau convergence quadratique.
Ou alors on pose F pxq f pr1q pxq et est une racine simple pour F . Donc faire Newton pour
F est nouveau quadratique, tout en donnant la mme solution parce que F pq 0 et F 1 pq 0.
La seconde faon est bien parce que le thorme de localisation fonctionne 25.64
Et si r nest pas connu ?
Il est toujours possible de faire r 2 puis r 3 et caetera jusquau moment o lon remarque
que le nombre ditrations baisse un grand coup.
Mais a demande beaucoup de calculs. Le mieux est de changer de mthode.
25.7.8
Et la drive ?
Un des problmes de la mthode de Newton est que lon doit pouvoir calculer la drive.
Typiquement, il faut savoir f de faon analytique. Si cela nest pas possible, nous pouvons changer
de mthode et utiliser la mthode des scantes dcrite en 25.10.
1351
25.7.9
Lemme 25.66.
Soient A et B deux matrices inversibles telles que la matrice pA ` Bq soit inversible pour tout
assez petit. Alors il existe une matrice Xpq telle que
pA ` Bq1 pA1 ` Xq
(25.158)
(25.159)
(25.160)
La matrice Xpq tant un inverse droite de pA ` Bq, son dterminant est non nul et X est
inversible. Par consquent elle est galement inversible au sens usuel. Le calcul de la limite est
direct :
lim pA ` Bq1 BA1 A1 BA1
(25.161)
0
Mpn, Rq.
Remarque 25.67.
Un calcul naf nous permet de trouver le mme rsultat de faon plus heuristique. En effet un
dveloppement usuel (dans R) est
1
1
b
2 ` ...
a ` b
a a
(25.162)
Si nous rcrivons cela avec des matrices, nous crivons (attention : passage heuristique !) :
pA ` Bq1 A1 A1 BA1 ` . . .
(25.163)
Notons le choix de gnraliser b{a2 par a1 ba1 . Dans les rels les deux critures sont quivalentes,
mais pas dans les matrices.
tudions si A1 A1 BA1 est bien un inverse 2 prs de pA ` Bq :
pA ` BqpA1 ` A1 BA1 q 1 BA1 ` BA1 2 BA1 BA1 1 2 BA1 BA1 . (25.164)
Par consquent, des termes en 2 prs la matrice A1 A1 BA1 est bien un inverse de A ` B.
Thorme 25.68 (Mthode de Newton[283]).
Soit f : Rn Rn une application de classe C 2 et un point a P Rn tel que f paq 0. Nous supposons
que dfa est inversible.
Alors il existe un voisinage V de a tel que pour tout x0 P V la suite dfinie par rcurrence
`
(25.165)
}xn a} C 12 .
(25.166)
converge vers a. De plus la vitesse est quadratique au sens o il existe C 1 tel que
n
1352
Dmonstration. tant donn que dfa est inversible et que df est continue, lapplication dfx est
continue 12 pour tout x dans un voisinage de a. Nous prenons r 0 tel que dfx est inversible pour
tout x P Bpa, rq.
Nous considrons la fonction
F : Bpa, rq Rn
x x pdfx q1 f pxq .
(25.167)
Cela est une application C 1 . La clef est de montrer que lapplication de F un point a`h rapproche
de a pourvu que h soit assez petit. Nous avons la formule suivante :
`
1 `
F pa ` hq F paq h dfa`h
f pa ` hq .
(25.168)
Nous allons maintenant utiliser un dveloppement de Taylor par rapport h en suivant la formule
(11.472). Nous avons
f pa ` hq f paq ` dfa phq ` }h}2 phq
(25.169)
o :
Rn Rn est une fonction qui tend vers une constante lorsque h 0. Nous avons aussi
dfa`h dfa ` }h} phq
(25.170)
o : Rn Mpn, Rq est une application qui tend vers une constante lorsque h 0. En ce qui
concerne linverse nous utilisons le lemme 13 25.66 :
`
1
pdfa q1 ` }h}Aphq
(25.171)
dfa ` }h} phq
o A est une autre matrice fonction de h qui tend vers une constante lorsque h tend vers zro. En
substituant le tout dans (25.168) nous trouvons
`
F pa ` hq F paq }h}2 pdfa q1 phq ` }h} Aphq dfa phq ` }h}3 Aphqphq.
(25.172)
En ce qui concerne la norme nous utilisons le fait que si T est un oprateur, }T x} }T }}x}. Nous
trouvons
}F pa ` hq F paq} }h}2 }pdfa q1 }}phq} ` }h}2 }Aphq dfa } ` }h}3 }Aphq}}phq}
}h}2 phq
pour une certaine fonction : Rn R qui tend vers une constante lorsque h 0.
En posant C limh0 phq nous avons la majoration
}F pxq a} C}x a}2 .
(25.173a)
(25.173b)
(25.174)
Nous pouvons galement supposer que C 1. Afin de prouver la vitesse de convergence (25.166),
nous allons encore redfinir r en demandant r 1{C 2 . De cette manire nous avons
}x0 a}
1
C2
(25.175)
(25.176)
Remarque 25.69.
La valeur de la constante C a t fixe par lquation (25.174). Certes nous pouvons toujours choisir
C plus grand affin daugmenter la vitesse de convergence, mais le point de dpart x0 devant tre
dans une boule de taille 1{C 2 autour de a, demander C plus grand revient demander un point
de dpart plus prcis.
12. Nous pouvons voir df comme lapplication qui x fait correspondre la matrice dfx P Mpn, Rq. Cette application
tant continue et la non inversibilit dune matrice tant donne par lannulation du dterminant, les matrices
inversibles forment un ouvert dans lensemble des matrices.
13. Pour linversibilit de }h} phq, notons que dfa est inversible et que par hypothse la somme dfa ` }h} phq est
inversible.
25.8
1353
|xn xn1 |
|xn1 xn2 | p
.
(25.178)
|xn1 xn2 |
|xn1 xn3 |
Cette approximation ne serait pas trop mauvaise tant que n est assez grand pour que la convergence
soit bien engage. Passons au logarithme :
|xn xn1 |
|xn1 xn2 |
ln
p ln
.
(25.179)
|xn1 xn2 |
|xn1 xn3 |
et donc
ln
ln
|xn xn1 |
|xn1 xn2
|xn1 xn2 |
|xn1 xn3 |
(25.180)
Avec cette approximation, en ralit nous calculons une suite ppi q qui sont les approximation de p
partir des termes i i ` 3 de la suite pxn q. Il sagit dune suite destimations de p.
En tout cas, le plus important est de savoir si p 1 ou non. Rappel : nous voulons la superlinarit
parce que nous voulons utiliser le test darrt de la diffrence entre deux termes, voir 25.54.
25.9
Autres mthodes
25.9.1
Mthode de Schrder
La formule est
f pxn qf 1 pxn q
(25.181)
f 1 pxn q2 f pxn qf 2 pxn q
Cette mthode est dordre 2 pour toute racine et toute valeur de multiplicit. Le problme de cette
mthode est quelle demande 3 valuations de f . Son efficacit :
?
3
E 2 1.25
(25.182)
xn`1 xn
25.9.2
Halley
Il a p 3 lorsque est racine simple. Mais encore p 1 pour les racines multiples. Plus efficace
que Newton pour les racines simples, mais mme problme pour les racines multiples.
xn`1 xn
2f pxn qf 1 pxn q
2f 1 pxn q2 f pxn qf 2 pxn q
(25.183)
1354
25.10
Supposons de ne pas avoir f analytique, mais seulement la possibilit de calculer f pxq pour
tout x. Newton ne fonctionne pas, mais la bisection fonctionne.
Nous pouvons approximer
f pxn q f pxn1 q
.
(25.184)
f 1 pxn q
xn xn1
(25.185)
Il sagit de prendre la droite qui passe par pxn1 , f pxn1 qq et par pxn , f pxn qq et de prendre
lintersection de cette droite avec laxe y 0. Cela donne le xn`1 .
Pour cette mthode, il ne faut pas seulement x0 mais galement x1 .
Lordre de convergence est le nombre dor
?
1 5
p
1.618.
(25.186)
2
Cela est donc superlinaire.
La nombre dvaluations est s 1 (il y a deux apparitions de f dans la formule, mais lune des
deux est rcupre dans litration suivante). Donc lefficacit est
E p.
(25.187)
(25.188)
25.10.1
Aitken
n8
yn
xn
(25.189)
1355
xn`2 xn x2n`1
pxn`1 xn q
xn
.
xn`2 2xn`1 ` xn
xn`2 2xx`1 ` xn
(25.190)
La premire expressions a deux cancellations (la seconde une seule) et de plus la premire est yn
elle-mme alors que la seconde est une correction.
Donc la seconde expression est numriquement meilleure.
Loprateur appliqu une suite est :
pxqn xn`1 xn
(25.191)
Donc
p2 xqn pxqn`1 pxqn xn`2 xn`1 xn`1 ` xn xn`2 2xn`1 ` xn .
Lacclration a alors la formule
yn
pxq2n
.
p2 xqn
(25.192)
(25.193)
Le problme est que a acclre tellement que lon arrive vite des erreurs de cancellations, et
donc une prcision en pics oscillants.
25.11
quations algbrique
Cest une quation du type P pxq 0 o P est un polynme. Soit un polynme de degr n.
Nous en savons des choses.
(1) Lquation a exactement n solutions dans
(2) Les racines complexes arrivent par paire complexes conjugue. Elles sont donc toujours en
nombre pair.
Si donc nous avons n 3, nous ne pouvons pas avoir 2 racine relles. Il y en a donc 1 ou 3
relles. Pas zro ni deux.
Quelque mthodes : Mller, matrice compagnon, Laguerre.
25.11.1
Pour rsoudre un systme linaire dquations, nous chelonnons la matrice du systme. Soit
rsoudre le systme Ax b o
2 4 6
4
A 1 5 3 , et b 10 .
(25.194)
1 3 2
5
F1 x1 , pA1 , b1 q A1 x1 b1 0
(25.195)
F2 x2 , pA2 , b2 q A2 x2 b2 0
(25.196)
avec A1 A et b1 b.
Ensuite, on commence chelonner et le second problme est
1356
avec
4
2 4 6
A 0 3 6 , et b 12 .
13
0 1 5
`
F3 x3 , pA3 , b3 q A3 x3 b3 0
2 4 6
4
A 0 3 6 , et b 12 .
0 0 3
3
(25.197)
(25.198)
(25.199)
Ce problme est facile rsoudre la main. Nous nous arrtons donc ici avec lalgorithme, et
nous trouvons le x3 qui rsous le problme F3 .
25.11.2
Caractristiques
(2) Toutes les solutions xn des problmes intermdiaires sont solutions du problme de dpart.
Nous avons Fn px, dn q 0 pour tout n (ici, dn pAn , bn q).
(3) Dun problme lautre, les donnes changent normment : la matrice chelonne peut
tre trs diffrente de la matrice de dpart.
25.11.3
Dfinitions
Nous allons maintenant formaliser en donnant quelques dfinitions pour nommer les proprits
que nous avons vues. Dabord, un algorithme est une suite de problmes. Un algorithme pour
rsoudre un problme F px, dq 0 est une suite de problmes tFn pxn , dn q 0unPN .
Dfinition 25.73.
Un tel algorithme est dit fortement consistant si pour toutes donnes admissibles dn , on a
Fn px, dn q 0
@ n,
(25.200)
(25.201)
1357
Remarque 25.76.
Dans le cas de lalgorithme de Newton, nous avons vu que la donne dn du problme Fn tait
en fait la mme que la donne initiale d, donc nous avons dn d, et par consquent nous avons
toujours |d dn | . Dans ce cas, la dfinition de la convergence revient demander que la suite
numrique des xn converge vers la solution x.
Remarque 25.77.
Dans le cas des matrices par contre, les donnes sont trs diffrentes les unes des autres, nous
avons donc en gnral que |d dn | . Mais en revanche nous savons que tous les problmes
intermdiaires Fn acceptent une solution unique 14 xn pdn q xpdq. Par consquent, |xn pdn q xpdq|
est toujours plus petit que . Lalgorithme des matrice est donc toujours un algorithme convergent.
25.12
Certains quations non linaires sont rsoluble explicitement, par exemples les polynmes de
degr jusqu 4 ou des choses comme
sin2 pxq ` 3 sinpxq ` 5 0.
(25.202)
R.
(1) Un problme crit sous la forme x gpxq peut utiliser des thormes de points fixes.
(2) Un problme sous la forme f pxq 0 peut utiliser des mthodes de bisection, Newton ou
autres.
(25.203)
f pxq x2 2 lnpxq 0
(25.204)
Les solutions de cette quations peuvent tre vues comme les intersections avec laxe X du graphe
y x2 2 lnpxq. Tracer peut donc aider. Par ailleurs, il faut noter que
lim f pxq 8,
(25.205)
x8
R.
(25.206)
Et l, ce sont deux fonctions dont nous pouvons tracer le graphe pour trouver graphiquement
les points dintersection. Une tude de fonction montre vite quil y a exactement deux solutions,
quelles sont strictement positives. Pour trouver des bornes, il faut calculer par exemple pour x 2
les valeurs de lnpxq et x2 2 pour voir si le graphe de x2 2 est dj plus haut.
4
1358
|f p
q|
sans que
ne soit une bonne approximation.
Lorsquon fait tourner une mthode itrative rsolvant f pxq 0, il nest pas suffisant de
sarrter lorsque
f pxn q 1 .
(25.208)
Il faut aussi sassurer que, si x
est la solution exacte, |xn x
| 2 . Ici 1 et 2 sont deux prcisions
que nous nous fixons au dpart.
videmment, vrifier la condition |xn x
| 2 , il faudrait savoir x
. Et savoir x
cest justement
le problme. Nous sommes donc amens faire des estimation de |xn x
|.
25.81.
Lorsque nous effectuons une mthode itrative, il faut donc contrler deux grandeurs :
|
x xn | 1
|xn`1 xn | 2 .
(25.209a)
(25.209b)
Proposition 25.82.
Soit p lordre de convergence de la suite pxn q vers x
. Si p 1 et |xn`1 xn | 2 alors |
x xn | 2 .
25.12.1
Mthode de bisection
|
x xn |
2
(25.211)
1359
25.85.
Notons que le thorme des valeurs intermdiaires nest pas trs puissant pour choisir lintervalle
de dpart ; penser la fonction
f pxq x2 5
(25.212)
sur lintervalle r10, 10s. Il y a bien deux solutions dans lintervalle, mais elles sont invisibles du
thorme des valeurs intermdiaires. La fonction x x2 a sa solution en x 0, mais elle aussi
nest pas visible.
25.86.
Certes la mthodes de bisection assure la convergence vers une solution, mais elle nassure pas la
convergence monotone. Il peut arriver que |
x xn | |
x xn`1 |. Cest le cas lorsque la solution
est trs proche du milieu de lintervalle choisit. Le x0 est alors proche de x
alors que x1 sera une
distance de x
denviron un quart de lintervalle de dpart.
Supposons dj avoir trouv un intervalle ra, bs dans lequel se trouve une unique solution
f pxq 0. Voici un algorithme possible.
1
f r o m __future__ i m p o r t division
2
3
4
5
6
7
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
R e t o u r n e u n t u p l e ( x , n ) o x e s t l a s o l u t i o n a p p r o c h e e t n
est le nombre d i t r a t i o n s e f f e c t u e s
"""
n = -1
amp = toll + 1 # P o u r s a s s u r e r q u e l o n e n t r e d a n s l e c y c l e
w h i l e amp > toll a n d n < nmax :
n = n + 1
amp = a b s ( b - a )
x = a + amp / 2
i f f ( a ) * f ( x ) < 0:
b = x
e l i f f ( a ) * f ( x ) > 0:
a = x
else :
# Problme ZERO
amp = 0
r e t u r n (x , n )
codeSnip_1.py
Plusieurs remarques :
(1) Le fait de retourner le nombre ditrations effectues permet lutilisateur de savoir la
prcision et si le nombre maximum ditrations est dpass. Si ce n retourn est gal
nmax, lutilisateur sait que le x retourn nest pas fiable.
(2) La ligne from __future__ import division fait en sorte que lopration / est bien la
division usuelle. Sinon, le dfaut en python 2 est que / soit la division entire, cest dire
1360
(3) Mme si lintervalle ra, bs contient plus dune solution, la mthode fonctionne et donne une
solution. Il est simplement ventuellement trs compliqu de savoir laquelle.
(4) Nous faisons amp=toll+1 parce que nous voulons absolument lancer le cycle au moins une
fois. Sinon, le x retourner ne serait pas dfinit au moment de sortir du cycle (si le cycle
nest pas excut).
(5) Calculer le point milieu dun intervalle ra, bs est par la formule pa ` bq{2 sauf que cette
opration est numriquement dangereuse parce qu cause de larithmtique en prcision
finie, il est possible que cela tombe exactement sur a ou b. Do le fait de calculer le point
milieu par
amp
xa`
.
(25.213)
2
(6) Dans le cas Problme ZERO nous dduisons f pxq 0. Attention que cest pas que f pxq 0
mais simplement que en mettant x dans f , la machine retourne son zro.
Il peut cependant avoir une fonction telle que f p1q 1050 et f p2q 0. Lalgorithme de
bisection risque de sarrter si xn 1. Parce que la machine risque de calculer f pxn q 0.
Quoi quil en soit, nous y mettons amp=0 pour tre sr de sortir de la boucle ds la prochaine
vrification.
(7) Il y a moyen de sauver les valeurs de f paq et f pxq pour ne pas les recalculer, et en particulier
au moment de faire b=x nous pouvons poser fa=fx.
Si est la prcision de la solution voulue, nous pouvons fixer a priori le nombre ditrations
faire grce la formule
R
V
`b a
n log2
.
(25.214)
Il y a un et non une galit parce quen arithmtique numrique, le nombre obtenu droite
pourrait ne pas tre le bon 1 prs.
Ici pour P R le nombre rs est le plus petit entier tre plus grand ou gal .
25.87.
Notons limportance de la continuit de f . Par exemple que ferait la bisection sur la fonction
f pxq 1{x pour lintervalle r3, 1s ?
Il y a changement de signe sans avoir de racine.
Vu que 210 est dj 1024. Donc si on veut de la prcision de lordre de 1{1000, dix itration
suffisent. Si donc nous avons besoin de 200 itrations pour atteindre la prcision voulue, cest
loccasion de trouver un intervalle plus petit. Par exemple en traant la fonction, en faisant un
zoom et en trouvant des valeurs de a et b qui sont dj proches.
25.88.
Dans le monde rel, il arrive souvent dutiliser une mthode de bisection pour se donner un point
de dpart pour une autre mthode.
25.13
Efficacit
Dfinition 25.89.
Lefficacit est le nombre
E
?
s
(25.215)
o p est lordre de convergence de la mthode et s est le nombre de fois quil faut calculer une
valeur de la fonction chaque itration (nous ne comptons pas linitialisation).
1361
25.14. EXERCICES
Que le nombre de dvaluations de f intervienne est logique parce que chaque valuation provoque une erreur possible.
Exemple 25.90(Bisection)
Pour la mthode de bisection, nous avons s 1 parce que chercher xn`1 , il faut seulement calculer
f pxn q.
4
Exemple 25.91(Newton)
Pour lalgorithme de Newton nous avons ?
p 2 et il y a deux valuations chaque itrations (une
1
fois f et une fois f ), donc s 2 et E 2.
4
25.14
Exercices
Exercice 1
Nous supposons une machine acceptant 5 chiffres significatifs. Elle retient les nombres sous la
forme 0.x 10... .
x 1.403, y 0.4112 103 , z 0.4111 103 .
Soient a px yq z et b py zq x.
(1) Dabord la calculer la main.
(2) Quel est le calcul prfrable ?
(3) Donner lerreur relative avec 3 chiffres significatifs.
Correction de lexercice 1
Dans le cas du calcul la main, il faut en faire un seul parce que, algnriquement, a b.
Nous avons x 1.403, y 0.0004112 et z 0.0004111. Et la somme donne :
a b 1.4030001 0.14030001 101 .
(25.216)
et y est dj normalis :
(25.217)
(25.218)
(25.219a)
(25.219b)
La somme donne 0.14034 101 . Et a, cest nouveau arrondi. Le premier chiffre supprim est un
4, donc
x y 0.1403 101 .
(25.220)
Et l on remarque que nous avons la mme chose que x. Cest un classique du calcul numrique.
Nous avons aussi
flpzq 0.4111 103 .
(25.221)
Et pour faire la somme de cela avec x y nous devons le remettre sous la forme dun 101 :
flpzq 0.00004 101
(25.222)
1362
(25.223)
(25.224)
(25.225a)
(25.226)
Pour cette somme, il faudra remettre notre 0.1000 106 avec une puissance 101 . Et l, nous
obtenons zro parce que vraiment ce nombre est trop petit pour tre crit avec 101 . Rsultat des
courses :
flpbq 0.1403 101 .
(25.227)
Dans le premier calcul nous avons deux relations anormales et dans le second nous en avons
une plus une cancellation.
Nous prfrons avoir deux relations anormales, parce que lerreur de cancellation est plus grave :
elle consiste une perte de chiffre significatifs. Le fait est que faisant la diffrence lordinateur
nous avons obtenu 0.1 qui est certes exact, mais qui est un coup de bol : la diffrence aurait aussi
bien pu tre 0.19 avec dautres nombres, machinement gaux.
Note : avec les donnes ici, il ny a en fait pas derreur de cancellation. Mais il y a une erreur
potentielle de cancellation, potentiellement grave.
En ce qui concerne lerreur relative. Dans la formule
r
|a a |
,
|a|
(25.228)
la diffrence ne peut pas tre calcule la calculatrice justement parce quelle est trs potentiellement sujette erreur de cancellation.
r
0.712758 107 .
0.14030001 101
0.14030001 101
(25.229)
En passant 3 chiffres significatifs, 0.713 107 (le premier chiffre supprim est un 7).
Exercice 2
Soient x 0.1 1021 et y 0.5 102 0 et les expressions
(1) z1
(2) z2
xy
y
x`y
x
x2 `y 2
xy .
1363
25.14. EXERCICES
Correction de lexercice 2
Pour z1 , en arithmtique exacte :
z1
(25.230)
Calcul de z1 Les deux valeurs sont mmorisables et la diffrence xy<++> se fait sans erreurs
de cancellation. Idem pour la somme x ` y. Idem pour les divisions.
Calcul de z2 Pour faire x2 , cest pas possible parce que cest de lordre de 1040 alors que nous
sommes en prcision simple. Idem pour le produit xy.
f pxq 2x2 4x ` 2 ex .
(25.231)
1.358500220734946,
(25.232)
Correction de lexercice 3
Note : si cest pour chercher la main des approximation pour dmarrer, il est videmment
prfrable de dessiner f1 pxq 2x2 4x ` 2 et f2 pxq ex sparment.
Quoi quil en soit, voici un graphique :
30
20
10
4
10
20
Nous voyons trois racines : 1 P r0, 0.5, s, 2 P r1, 1.5s et 0 P r4, 3.5s.
La plus grande solution est 2 . Nous pouvons dj remplir le tableau des prcisions :
n
an
bn
xn
gpxn q
|bn an |
`` `` `` `` ``
0.5
`` `` `` `` ``
0.25
`` `` `` `` ``
0.125
1364
Et nous calculons les valeurs de f aux points dextrmit de lintervalle. Note que seul le signe
nous importe :
f p1q 0.368
f p1.5q 0.278.
(25.233a)
(25.233b)
Puis :
n
an
bn
xn
gpxn q
|bn an |
0
0
1p`q
1.5pq
1.25pq 0.162 10
0.5
1 `` `` ``
``
0.25
2 `` `` ``
``
0.125
Et enfin :
n
an
bn
xn
gpxn q
|bn an |
0
0
1p`q
1.5pq
1.25pq
0.162 10
0.5
1 1.25pq 1.5p`q
1.375p`q `0.284 101
0.25
2 1.25pq 1.375p`q 1.3125pq q0.738 101
0.125
Note que les f pxn q restent toujours du mme ordre de grandeur. Si un moment on voit un 1.6107 ,
cest quune erreur a t commise.
En ce qui concerne le calcul de lerreur relative, la premire chose faire est de vrifier que le
propos est dans lintervalle qui nous reste. Sinon cest quune erreur a t commise.
De plus notre approximation est xn 1.3125, dont dj deux chiffres sont corrects. En deux
itrations de bisection en partant de 0.5, nous ne pouvons pas nous attendre mieux.
25.15
Approximations de fonctions
(1) Dhabitude on napproxime pas une fonction sur tout son domaine, mais seulement sur une
partie.
(2) Il y a le problme du choix de la classe des fonctions qui vont approximer. Nous allons
travailler avec des polynmes.
(3) Il nous faut un critre disant si une approximation est bonne ou non.
25.15.1
Critre dinterpolation
Li pxq
x xj
x xj
j0 i
ji
pour i 0, . . . , n.
(25.234)
1365
Les polynmes de Lagrange pour ces donnes dpendent seulement des xi , pas des yi . En
particulier,
px x1 qpx x2 qpx x3 q
p3q
L0 pxq
,
(25.235)
px0 x1 qpx0 x2 qpx0 x3 q
etc.
La rponse est que
x3 ` 13x2 ` 42x
660
3
x x2 ` 30x
p3q
L1 pxq
84
etc.
p3q
L0 pxq
(25.236a)
(25.236b)
(25.236c)
Ce quil y a de bien avec cette base est que en posant ai f pxi q alors le polynme
n
i0
pnq
ai Li pxq
(25.237)
passe par les points pxi , f pxi qq. Du coup il suffit dcrire
P3 pxq L0 pxq 23L1 pxq 54L2 pxq 954L3 pxq 4x3 ` 35x2 84x 954.
p3q
pnq
pnq
pnq
(25.238)
Un inconvnient de cette base est quelle est compltement dpendante des points choisis. Si
on ajoute un point ou quon en prend un peine diffrent, tous les coefficients changent. Mais en
pratique, ajouter des points est quelque chose qui arrive souvent parce que souvent, aprs avoir vu
le rsultat dun polynme dinterpolation, on veut ajouter un point pour avoir un meilleur rsultat.
25.94.
Une habitude : le premier et le dernier nud se choisissent aux extrmits de lintervalle sur lequel
nous voulons une approximation.
Le but dune approximation est davoir des approximations de f px q pour des valeurs de x
qui ne soit pas une des abscisses donnes (parce que sur ces points, le polynme et la fonction sont
gaux). Nous considrons donc
f px q Pn px q.
(25.239)
Si x est dans lintervalle I rxmin , xmax s alors nous disons que nous calculons f par interpolation. Si au contraire x est en dehors de cet intervalle nous parlons dextrapolation.
Si x est pris lextrieur de I, alors lerreur risque dtre trs grande, surtout parce que les
polynmes tendent tous vers 8 lorsque x 8.
Autant linterpolation via polynmes est le plus souvent valable, il faut garder lesprit que
les extrapolation sont souvent mauvaises si x est trop loin des extrmits de I.
25.15.2
Base de Newton
Aprs la base canonique et la base de Lagrange, nous voyons la base de Newton. Soient encore
n ` 1 points donns du graphe de f .
Dfinition 25.95.
La base de Newton pour les abscisses xi est lensemble des polynmes suivants :
1, px x0 q, px x0 qpx x1 q, . . . , px x0 qpx x1 q . . . px xn1 q
(25.240)
1366
Notons que ces polynmes nutilisent pas le dernier point des xi . Le polynme passant par les
points est
n
n1
Pn pxq x0 `
ci
px xj q.
(25.241)
i1
j0
Le calcul des ci nest pas absolument vident. Mais si nous ajoutons un point dinterpolation, les
polynmes dj calculs sont encore bons ; en particulier
Pn`1 pxq Pn pxq ` cn`1
px xj q.
(25.242)
j0
Et cela est bien, parce que a donne une faon de les calculer par rcurrence.
Il y a plusieurs faons de calculer les ci .
Les diffrences divises sont des faons dapproximer les drives.
Dfinition 25.96.
Soient n ` 1 nuds xi pour la fonction f . La diffrence divise sont :
Ordre 0
f rxi s f pxi q
Ordre 1
f rxi , xj s
Ordre 2
f rx0 , . . . , xn s
(25.244)
f rxi , xj s f rxj , xk s
.
xi xk
(25.245)
(25.246)
f rxi , xj , xk s
Ordre n
f rxi s f rxj s
.
xi xj
(25.243)
(25.247)
Cela donne effectivement une mthode de rcurrence pour trouver les coefficients ci .
Remarque 25.97.
Pour calculer c0 , il faut seulement calculer f rx0 s f px0 q. Mais pour calculer c1 il faut f rx0 s et
f rx1 s. Et pour c2 il faut f rx0 , x1 , x2 s qui demande f rx0 , x1 s et f rx0 , x1 s, qui demande etc.
Il faut donc calculer en ralit tous les f rxi s pour terminer le calcul. Par contre, pour ajouter
un point, il ne faut pas tout recalculer, et mme pas tout conserver en mmoire. Il faut seulement
garder en mmoire la dernire diagonale.
Exercice 4
Soit les nuds
x
3
1
5
6
f pxq
1
3
2
4
1367
f rxi s
1
3
2
4
f rxi , xj s
1`3
2 2
5
32
4 4
24
1 2
``
f rxi , xj , xk s
2 54
f rx0 ,x1 sf rx1 ,x2 s
3
x0 x2
2 8
5
2
3
4
5 20
f rx0 ,x1 ,x2 sf rx1 ,x2 ,x3 s
4
40
x0 x3
``
(25.248)
Un exercice typique serait de donner tout pour 3 points puis de demander le polynme qui
aurait un quatrime point.
25.15.3
Soient m ` 1 points connus sur le graphe de la fonction f que nous devons approximer. Au lieu
dexiger que notre approximation ne passe par tous les points, nous allons chercher une approximation qui minimise la somme des carrs des erreurs sur ces points.
Soit F une classe de fonctions dans laquelle nous allons chercher lapproximation. Nous cherchons g P F qui minimise
m `
2
Epgq
f pxi q gpxi q i
(25.249)
i0
o i 0 est une pondration. Souvent on prend i 1, mais pas toujours. La fonction E sur F
est la fonction derreur.
25.98.
part dans les exercices la main, le nombre de points est grand, du type du milliard. Il est bien
entendu pas envisageable de faire passer un polynme exactement par un milliard de points, parce
que cela demanderait un polynme de degr un milliard.
Plus gnralement, dun point de vue scientifique, avoir n paramtres libres pour n donnes
exprimentales, a ne passe pas Popper.
Afin de faire de la science qui passe Popper nous nous restreignons une classe de fonction F
dont la dimension nest pas grande : dimpFq ! m. Et nous notons dimpFq n ` 1.
Exemple 25.99
La qualit dune exprience peut tre influence par des paramtres extrieurs comme lhumidit,
le vent, etc. Donc il est normal davoir des expriences moins prcises que dautres. On le pse
moins.
4
Exemple 25.100
Dans un questionnaire, il se met des questions volontairement contradictoires. Si quelquun rpond
oui aux deux questions, il y a une indication que la personne a rpondu un peu nimporte
comment, et il faut moins peser ses rponses.
4
Soit g P F, et une base tgi ui0,...,n de F. Nous crivons
g a0 g0 ` a1 g1 ` . . . ` an gn
(25.250)
La fonction donne E donne en (25.249), est, partir du moment o F et une base sont choisis,
une fonction des paramtres ai que nous nommons F pa0 , . . . , ai q. Il faut minimiser F , cest dire
poser
BF
0
(25.251)
Baj
1368
pour j 0, . . . , n. Cela sont n ` 1 quations pour n ` 1 inconnues. Notons que ces quations sont
linaires parce que chacun des termes est du type
2
m
f pxi q
aj gj pxi q ,
(25.252)
j0
25.15.4
b
a
|f pxq|2 pxqdx
(25.253)
i0
(25.254)
f pxi qgpxi qi
i0
|f pxi q|2 i .
(25.255)
tant donn que i 0 pour tout i, lannulation de xf, f y implique lannulation de f pxi q pour
tout i. Cela signifie que f est dans la classe de 0 et donc est nul dans L2 .
En ce qui concerne la compltude, la proposition 17.3 rpond notre place, tant donn que
L2 est de dimension finie. Une base est donne par exemple par ei pxq x,xi . Ici le est celui de
Kronecker, et non celui de Dirac.
Lemme 25.102.
Si la classe de fonctions F est un sous-espace vectoriel de L2 et si f P L2 il existe un unique
lment g de F minimisant la distance f .
Dmonstration. Le thorme de projection (au choix 6.235 ou 17.6) nous assure lexistence et
lunicit dun lment de F minimisant la distance f P L2 .
25.103.
Ce lemme est gentil, mais ne nous donne pas de mthodes pour trouver ce minimum. Nous allons
donc crire explicitement un systme dquations permettant de letrouver. Si tg u est une base
(finie) de F alors nous cherchons le minimisant sous la forme f a g .
Nous devons minimiser
Epgq
m `
i0
m `
2
2
f pxi q gpxi q i
f pxi q a g pxi q i .
i0
(25.256)
1369
Vu que cela est maintenant plutt une fonction des coefficients a que de la fonction g nous la
notons F pa0 , . . . , an q. Il sagit dtudier le systme dquations
BF
0.
Ba
(25.257)
a i g pxi qg pxi q
i g pxi qf pxi q.
i
(25.258)
a xg , g y xf, g y.
(25.259)
25.15.5
Droite de rgression
La droite de rgression est la cas particulier n 1, cest dire un systme 22. Nous cherchons
P a0 ` a1 x. Et la base choisie est g0 pxq 1, g1 pxq x. Nous avons
xg0 , g0 y
i g0 pxi qg0 pxi q
i
(25.261a)
i
xg0 , g1 y
xg1 , g1 y
i xi
(25.261b)
i x2i .
(25.261c)
x
a
xf,
g
y
0
0
i
i
i
i
i
.
2
a1
xf, g1 y
i i x i
i i xi
(25.262)
Pour calculer les produits xf, g y il suffit de savoir f sur les points xi . Et encore heureux, parce
que toute la mthode est base sur le fait que nous ne connaissons pas f ailleurs. Cest pour cela
que nous avons dfini L2 comme un ensemble quotient.
Exemple 25.104
Faisons la droite de rgression pour les donnes avec tous les poids i 1.
xi f pxi q
5
18
3
7
1
0
3
7
4
16
6
50
8
67
1370
Nous avons
xg, g0 y
et
f pxi q 165
(25.263a)
(25.263b)
xf, f1 y
165
a0
.
810
a1
7 14
14 160
(25.264)
4
Proposition 25.105.
Si tous les poids sont identiques, alors la droite de rgression passe par le barycentre des points
donns :
$
m
x
xi
(25.265a)
& M
m`1
i0
yi .
% M
m ` 1 i0
(25.265b)
25.16
Soit un systme dquations linaires Ax b avec A P Mpn, Rq. Le problme est videmment
de savoir si il existe une unique solution x et de la dterminer. Nous supposons lexistence et
lunicit. Cest dire que les conditions quivalentes 16 sont vrifies :
(1) A est inversible, cest dire quil existe une matrice note A1 telle que AA1 A1 A 1.
(2) detpAq 0.
Note : si nous avons un systme pas carr du type Bx v avec B P Mpn mq alors nous pouvons
nous ramener un systme carr en crivant
B t Bx B t v.
(25.266)
Mais attention : bien que B t B soit symtrique et semi-dfinie positive, certaines valeurs propres
peuvent tre nulles.
25.107.
Deux choses gnrales en calcul numrique :
(1) On ne calcule pas linverse dune matrice.
(2) On ne calcule mme pas son dterminant.
Par consquent nous ne faisons pas x A1 v.
Il faut garder en tte le fait que dans la pratique, la matrice A possde des millions de lignes et
colonnes, si pas pire. Pour une matrice de taille de lordre du million, il y a 1000 milliards dentres.
Si on compte 32 bits par nombre (prcision simple, dfinition 25.8), cest dire 4 octets, il faut
4000 giga-octets pour enregistrer la matrice. Mme pour la mmoire actuellement disponible, ce
16. Lquivalence est la proposition 6.49(2).
1371
nest pas rien. Surtout que souvent, la prcision simple nest pas utilise, mais la prcision double,
ce qui donne 8000 giga pour enregistrer la matrice.
Heureusement, dans la majorit des cas pratiques, les matrices gantes qui apparaissent sont
pleines de zros.
Dfinition 25.108.
Une matrice est creuse si elle possde beaucoup de zros. Une matrice non creuse est dite dense.
Notons que lorsquon parle de matrice comprenant beaucoup de zros, nous pensons des
lments trs petits, et non de vrai zros.
Les matrices creuses ne sont pas mmorises entirement, mais plutt comme un dictionnaire
pi, j, vq qui donne la valeur v de Aij .
Dfinition 25.109.
Une matrice est de grande dimension si elle ne peut pas tre mise en mmoire sur un ordinateur
donn. Sur certains ordinateurs, a commence 5000 inconnues. Mais sur des plus forts, on peut
aller jusquau million ou le milliard.
Si la matrice est de petite dimension, il est possible dutiliser des mthodes dites directes.
Sinon, il faudra utiliser des mthodes itratives.
25.16.1
25.16.2
Mthodes itratives
Si la matrice est trop grande, il nest pas possible de faire des manipulations de matrices
chaque itration.
En gnral, les mthodes itratives ne convergent pas toujours. Mais lorsquune mthode
converge, cest une proprit de la matrice, et donc la convergence aura lieu pour tout vecteur
de dpart x0 . Cela est trs diffrent du cas des quations non linaires type Newton pour lesquelles
la convergence peut fortement dpendre du point de dpart.
1372
25.17
Les matrices que nous sommes autoriss inverser sont les matrices
orthogonales : linverse est la transpose
diagonales : linverse est diagonale avec les inverses sur la diagonale
triangulaires : nous en parlons maintenant.
25.17.1
Si T est une matrice triangulaire (mettons suprieure pour fixer les ides), il est possible den
calculer linverse sans trop defforts. Notons B la matrice inverse que nous allons construire ligne
par ligne. Vu que BT 1 nous avons
1j
k1
B1k Tkj
B1k Tkl
(25.267)
k1
parce que Tkj 0 pour k j. Donc nous pouvons calculer les lments B1j un par un parce que
chacun ne dpend que des prcdents. Le mme procd fonctionne pour les autres lignes :
ij
Bij Tkj .
(25.268)
k1
Et tu notes que le calcul peut tre paralllis : le calcul de la ligne numro j ne dpend pas du
rsultat des autres lignes.
25.17.2
Transformation gaussienne
..
k pxq
xk`1 {xk
..
(25.269)
(25.270)
xn {xk
la k e colonne.
1
.
0 . .
..
. 0
Mk pxq . .
.
.
. . xk`1 {xk 1
.. ..
..
..
. .
.
.
0
0 0
xn {xk 0
1
Mk pxq ij ij k pxqi kj .
(25.271)
(25.272)
1373
25.112.
Les matrices de transformation gaussienne sont des matrice triangulaires de diagonale unitaire
(cest dire avec des 1 sur la diagonale).
Lemme 25.113.
Si x P Rn alors nous avons
x1
..
.
xk
Mk pxqx
0 .
..
.
0
Mk pxqx i
Mk pxqil xl
il k pxqi kl xl xi k pxqi xk .
l
(25.273)
(25.274)
et alors Mk pxqx i 0.
xi
xk
Lemme 25.114.
Si y P Rn vrifie yi 0 pour i k alors Mk`1 pxqy y.
Mk`1 pxqy i
il k`1 pxqi k`1,l yl yi k`1 pxqi yk`1 .
(25.275)
Le sens de ce lemme est si un vecteur est dj gaussiannis au niveau k, alors en lui appliquant
une transformation gaussienne de niveau plus lev que k, il ne change pas. Ce fait est important
parce quil assure que lorsque lon avance dans le processus de Gauss, chaque tape ne dtruit pas
les prcdentes.
Le lemme suivant nous indique que linverse dune matrice de transformation gaussienne est
facile calculer 17 .
Lemme 25.115.
Linverse de la transformation gaussienne
Mk pxqij ij k pxqi kj .
(25.276)
Mk pxq1
ij ij ` k pxqi kj .
(25.277)
25.17.3
La mthode de Gauss est encore utilise aujourdhui dans les vrais problmes.
La mthode de Gauss est souvent aussi appele mthode LU qui va dcomposer A LU
o L est triangulaire infrieure et U est triangulaire suprieure. La dcomposition est mme plus
prcise que cela : on demande que L ait seulement des 1 sur la diagonale.
17. Elle rentre dailleurs dans la catgorie des matrices triangulaires dont nous avons dj discut linverse.
1374
(25.278)
(25.279)
Sil Alj .
(25.280)
l1
Dans la somme sur l il ne reste que les termes l i. Mais dans le calcul des lments de matrice
k pBqij , nous avons videmment i, j k. Donc l i k. Les seuls lments de matrice de A qui
sont utiliss dans la somme (25.280) sont les lments Alj avec l, j k.
Nous pouvons donc limiter la somme l k au lieu de l n et crire k pAqlj au lieu de Alj .
Mme chose en ce qui concerne S. partir du moment o l est limit k, les lments Sil et
k pSqil sont les mmes.
Thorme 25.117 (Dcomposition LU [287, 8]).
Soit une matrice A inversible telles que detpk pAqq 0 pour tout k. Alors il existe un unique
couple de matrices pL, U q telles que
U soit triangulaire suprieure
L soit triangulaire infrieure, de diagonale unit
A LU .
De plus pour tout k n nous avons
k pAq k pLqk pU q.
(25.281)
Dmonstration. Nous allons prouver par rcurrence le fait suivant : pour tout 1 k n 1 il
existe des matrices Ei (i 1, . . . , k) telles que en posant
(25.282)
Ak Ek . . . E1 A,
0
A2 E2 E1 A
0
0
0 f
0
(25.283)
1375
(25.284)
tant donne la forme (25.271), toutes les matrices du type k pEi q ont un dterminant
unit,
` et parhypothse 2 pAq est inversible, donc de dterminant non nul. Par consquent
det 2 pA1 q 0. Mais comme ce dterminant est le produit des lments diagonaux (cest
une matrice triangulaire), ces derniers ne sont pas nuls. Finalement, pA1 q2 2 0.
Le pas de rcurrence Nous supposons avoir Ak Ek . . . E1 A avec pAk qk`1,k`1 0. Alors il
existe une transformation gaussienne Ek`1 de la pk ` 1qe colonne telle que Ak`1 Ek`1 Ak
soit une matrice dont la pk `1qe colonne nait que des zros en dessous de la pk `1qe position.
Vu le lemme 25.114, cette transformation naffecte pas les colonnes prcdentes.
La matrice Ak`1 est donc triangulaire suprieure jusqu la pk ` 2qe colonne.
Vu que le produit Ek . . . E1 est une matrice triangulaire infrieure, le lemme 25.116 fonctionne encore et nous avons
k`1 pAk q k`1 pEk . . . E1 qk`1 pAq.
(25.285)
`
Au niveau des dterminants par hypothse nous avons det k`1 pAq 0 et det k`1 pEk . . . E1 q
1. Donc
`
Cette matrice tat triangulaire, ses lments diagonaux sont non nuls et nous avons pAk qk`1,k`1
0.
En poussant la rcurrence jusquau bout, la matrice
An1 En1 . . . En A
(25.287)
A pEn1 . . . E1 q1 An1 .
(25.288)
(25.289)
(25.290)
qui est immdiatement soluble. Autrement dit, en effectuant les annulations de colonnes, la matrice
U est gratuite.
Il nest pas indispensable de calculer la matrice L qui, elle, demande chaque tape de se
souvenir de la matrice Ei utilise. Si il faut rsoudre plusieurs systmes Axi bi , nous pouvons
encore travailler avec la matrice encore plus largie pA|b1 . . . bm q.
Si par contre nous ne connaissons pas lavance lensemble des vecteurs b avec lesquels il faudra
rsoudre le systme, il est bon de calculer la dcomposition A LU in extenso, cest dire de
garder une trace des matrices L et U sparment. Dans ce cas, rsoudre Ax b revient rsoudre
Ly b, et ensuite U x y. Ce sont deux systmes de rsolution directe parce que les matrices sont
triangulaires.
18. Le dterminant est multiplicatif, proposition 6.49(1).
1376
25.119.
Le fait que
k pAq k pLqk pU q
(25.291)
nous dit que si aprs avoir calculer L et U nous remarquons que le systme est un peu plus petit
ou un peu plus grand que prvu, tout le travail nest pas perdu. En particulier si le systme est
plus petit que prvu, ladaptation de L et U est immdiate.
Notons que U et L sont inversibles, et que detpLq 1. Donc detpU q detpAq.
Exemple 25.120
Pour travailler la mthode de Gauss pour le systme Ax b, nous introduisons la matrice un peu
augmente pA|bq. Nous faisons un exemple. Soit rsoudre
11
x
2 1 3
4 3 10y 28.
(25.292)
3
z
2 1 73
Nous introduisons la matrice augmente
pA|bqp0q
2 1 3 11
4 3 10 28.
2 1 7 3
(25.293)
Le premier pas consiste annuler tous les lments sous la diagonale de la premire colonne.
Aij
Autrement dit, nous prenons le 2 comme pivot. Nous introduisons les multiplicateurs lij Ai1
. La
nouvelle matrice est :
2 1 3 11
pA|bqp1q 0 1 4 6
(25.294)
0 2 10 14
o nous avons utilis les multiplicateurs l21 2, l31 1.
Et la matrice suivante est :
2 1 3 11
pA|bqp2q 0 1 4 6
0 0 2 2
o nous avons utilis le multiplicateur l32 2.
Cela est un systme de rsolution immdiate :
$
& 2x ` y ` 3z 11
y ` 4z 6
%
2z 2.
(25.295)
(25.296a)
(25.296b)
(25.296c)
1 0 0
L 2 1 0.
(25.297)
1 2 1
Le problme de cette mthode est que faisant ainsi
pivots. Par exemple tomber sur
2 1 3
pA|bq 0 0 4
0 2 10
11
6 .
14
(25.298)
1377
Le zro sur la deuxime ligne nous ennuie si nous voulons tout faire dans lordre. Mais notons
quen changeant les deux dernire lignes, tout va bien : le systme donn par
2 1 3 11
(25.299)
pA|bq 0 2 10 14
0 0 4 6
fonctionne trs bien. Et mme tellement bien quil est de rsolution immdiate, dans ce cas.
Un autre problme est que si un des pivots est 1014 , le multiplicateur sera de lordre 1014 ,
qui est mal reprsent en mmoire. Il est donc bon de prendre les pivots le plus grand possible. Si
le pivot est le plus grand nombre en valeur absolue dune colonne, alors les nombres xk`i {xk qui
entrent dans la matrice de transformation gaussienne sont des nombres dans r1, 1s qui sont bien
reprsents en mmoire.
Tout cela nous incite dvelopper une mthode de Gauss qui permet de tenir une trace des
permutations.
25.17.4
Dfinition 25.121.
Une matrice de permutation lmentaire est une matrice obtenue en permutant deux lignes
de la matrice identit. Nous notons Pij la matrice obtenue en inversant les lignes i et j de la
matrice identit.
Exemple 25.122
1 0 0
0 1 0
0 1 0 1 0 0 P12 .
0 0 1
0 0 1
(25.300)
4
Lemme 25.123.
La matrice Pij A est la matrice A avec ses lignes i et j inverses.
Dmonstration. Il suffit dcrire
pPij Aqkl
(25.301)
P12 pA|bqp0q .
(25.302)
P23 pA|bqp1q .
(25.303)
P 0
1
1 0
0 1.
0 0
(25.304)
1378
(25.306)
mais
(25.307)
parce que i, j k implique que dans Pij k pxq nous inversons deux lment non nuls de k pxq, tout
en laissant le k e lment. Le dnominateur ne change pas et il sagit rellement dune inversion de
ligne. Donc
`
(25.309)
Mais comme i, j k la k e ligne de Pij est la mme que celle de la matrice unit, donc pPij qkt kt .
`
25.17.5
chaque pas, nous faisons une permutation de ligne. Nous permutons chaque pas la premire
ligne avec celle qui a le pivot le plus grand (en valeur absolue). Donc :
2 1 3 11
pA|bqp0q 4 3 10 28
(25.311)
2 1 7 3
Nous commenons par dplacer des lignes :
p01 q
pA|bq
4 3 10 28
2 1 3 11.
2 1 7 3
(25.312)
Les multiplicateurs sont l21 1{2 et l31 1{2. Le fait est que les multiplicateurs ont toujours le
plus grand dnominateur possible et nous avons alors toujours 0 |lij | 1, qui sont des nombres
relativement petits, et bien reprsents en mmoire.
Nous avons la nouvelle matrice
4
3
10 28
pA|bqp1q 0 1{2 2 3.
(25.313)
0 5{2 12 17
Le pivot serait 1{2. Nous cherchons un pivot plus grand en dessous de ce 1{2 (et pas au dessus,
sinon on casserait les zros dj trouvs). Nous trouvons le 5{2 qui est plus grand. Nous permutons
donc les deux dernires lignes :
4
3
10 28
1
pA|bqp1 q 0 5{2 12 17
(25.314)
0 1{2 2 3
1379
4 3
10 28
0 5{2 12 17
0 0 2{5 2{5
pA|bqp1q
(25.315)
Dans ce cas, la matrice L nest pas aussi simple construire parce que nous avons permut des
choses. Dans ce cas, la matrice L est encore de la forme
1 0 0
L . 1 0.
. . 1
(25.316)
Mais vu que nous avons permut les lignes 2 et 3 au deuxime pas, nous devons permuter l21 et
l31 avant de remplir la matrice L avec les multiplicateurs :
1
0
0
1
0.
L 1{2
1{2 1{5 1
(25.317)
P A LU
(25.318)
Notons que ces L et U ne sont pas les mmes que le LU obtenu sans pivot. O est lunicit ?
Elle est que en fait maintenant nous navons pas A LU , mais
(25.319)
Notons que cette proposition ne demande que lhypothse dinversibilit pour A. Il ny a pas
dhypothses sur tous les mineurs comme ctait le cas avec Gauss sans pivot.
Dmonstration. Nous prouvons par rcurrence quil existe des matrices Qk , E1 , . . . , Ek et Ak telles
que
Qk A E1 . . . Ek Ak
(25.320)
avec
(25.321)
1380
0
0
k pA2 q
* * * *
* * * *
0 * * *
0 * * *
0 * * *
k`1 pA2 q
tant donn que det k`1 pAk q 0, parmi les nombres pAk qi,k`1 (i k ` 1), au moins un est
non nul et nous posons rk`1 tel que |pAk qrk`1 ,k`1 | soit maximum parmi ces lments.
Le nombre rk`1 est enregistr parce quil servira crire la matrice P plus tard. Les matrices
Ei ne sont pas enregistres, parce que nous verrons quelles vont encore changer. Seule la dernire
sera enregistre.
La composante pk ` 1, k ` 1q de la matrice
Prk`1 ,k`1 Ak
(25.322)
est non nulle et peut donc servir de pivot. Soit Mk`1 la transformation gaussienne pour la pk ` 1qe
colonne de la matrice Prk`1 ,k`1 Ak . La matrice
Ak`1 Mk`1 Prk`1 ,k`1 Ak
(25.323)
1
est alors une matrice triangulaire suprieure jusqu la pk ` 1qe colonne. En posant Ek`1 Mk`1
nous avons
Prk`1 ,k`1 Ek`1 Ak`1 Ak ,
(25.324)
(25.325)
Le lemme 25.124 nous permet de ramener la matrice Prk`1 ,k`1 en premire position, quitte
modifier un peu (pas beaucoup) chacune des matrices Ei (i 1, . . . , k). Cest pour cela que nous
nenregistrons pas les matrices Ei . Nous avons donc
Prk`1 ,k`1 Qk A E11 . . . Ek1 Ek`1 Ak`1
o
(25.326)
Le produit Prk`1 ,k`1 Qk est encore une matrice de permutation, et mieux : elle vaut
k`1
Pri ,i .
(25.327)
i1
Cela montre quil est suffisant denregistrer les nombres ri pour reconstituer cette partie.
La matrice Ei1 est une transformation gaussienne pour la ie colonne.
La matrice Ak`1 est triangulaire suprieure jusqu la k ` 1e colonne.
La rcurrence est maintenant finie et nous pouvons crire avec k n :
Qn A E1 . . . En An
(25.328)
1381
Note : dans lquation (25.328) nous avons bien entendu massivement renomm les Ei1 en Ei .
En ralit la matrice E1 vient avec n primes sur la tte.
Dans les exemples 25.127, 25.128 et 25.129, nous allons rsoudre le systme
9
1
x1
10
1
(25.329)
2
x2
1
1
dabord de faon exacte, et ensuite en supposant une machin ne tenant que 8 chiffres significatifs
en utilisant la mthode de Gauss avec ou sans pivot.
Commenons par voir comment se passe en pratique la dcomposition P A LU de Gauss avec
pivot partiel.
Exemple 25.126
Dcomposons la matrice
1 2 3
A 2 5 0.
3 8 0
(25.330)
Sur la premire colonne, le plus grand nombre est 3. Nous commenons par permuter la premire
et la troisime ligne en utilisant la matrice de permutation P1 P3,1 et nous enregistrons r1 3.
Nous avons alors la matrice
3 8 0
A10 2 5 0.
(25.331)
1 3 3
La matrice de transformation gaussienne pour la premire colonne est alors
1
0 0
M1 2{3 1 0
1{3 0 1
et L1 M11 . Le lemme 25.115 nous dit comment calculer facilement cet inverse :
1 0 0
L1 2{3 1 0
1{3 0 1
1
0 0
3 8 0
3
8
0
A1 2{3 1 02 5 0 0 1{3 0
1{3 0 1
1 3 3
0 2{3 3
et nous avons
Q1 A L1 A1
(25.332)
(25.333)
(25.334)
(25.335)
3
8
0
A11 0 2{3 3
(25.336)
0 1{3 0
et la matrice gaussienne pour la deuxime colonne est
1
0
0
1
0
M2 0
0 1{2 1
(25.337)
1382
1 0 0
L2 0 1 0
0 1{2 1
(25.338)
3
8
0
3 .
A2 M2 P3,2 A1 M2 A11 0 2{3
0
0
3{2
(25.339)
Q1 A L1 A1 L1 P3,2 L2 A
(25.340)
Notons toutefois que pour calculer cette matrice, seul le dernier lment demande un calcul. La
premire colonne ne change pas (par construction), la seconde gagne un zro en dernire ligne (la
matrice M2 sert a) et sur la dernire colonne, seule la dernire ligne est sujette changement.
Avec la matrice A2 , la trigonalisation suprieure est faite. La dcomposition nest cependant
pas termine. Nous devons encore trouver la partie triangulaire infrieure. Nous en sommes
1 0 0
L1 P3,2 P3,2 1{3 1 0
2{3 0 1
looooooomooooooon
(25.341)
L11
(25.342)
P A LU
(25.343)
avec
0 0 1
1
0 0
3
8
0
3 .
P 1 0 0, L 1{3 1 0, U A2 0 2{3
0 1 0
2{3 1{2 1
0
0
3{2
Notons que Sage utilise la mthode de Gauss avec pivots :
1
2
3
4
5
6
7
8
9
10
11
(25.344)
4
1383
2
x2
1
1
Exemple 25.127
Nous commenons de faon exacte, par la mthode de Gauss sans pivot. La premire transformation gaussienne est
1
0
(25.346)
E1
109 1
et nous calculons
E1 A
9 9
10
1
10
1
1
0
.
0
1 109
1
1
109 1
(25.347)
Vu que cette dernire est triangulaire suprieure, nous avons fini la mthode de Gauss et U E1 A.
En ce qui concerne la matrice L, elle est donne par L E11 , cest dire
L
1
1 0
1
0
.
109 1
109 1
9
1 0
10
1
.
L
U
109 1
0
1 109
(25.348)
(25.349)
donne y1 1 et y2 2 109 .
Ensuite nous rsolvons
Cela donne
U x y.
(25.350b)
1 0
y1
1
109 1
y2
2
(25.351)
10
1
x1
1
.
0
1 109
x2
2 109
(25.352)
109
1109
x1
1
.
9
210
x2
1
9
(25.353)
110
sage : var ( y )
y
sage : solve (
[10**( -9) * x + y ==1 , x + y ==2] ,[ x , y ]
)
[[ x == ( 1 0 0 0 0 0 0 0 0 0 / 9 9 9 9 9 9 9 9 9 ) , y == ( 9 9 9 9 9 9 9 9 8 / 9 9 9 9 9 9 9 9 9 ) ]]
sageSnip007.sage
1384
4
Exemple 25.128([288])
Nous recommenons tout le calcul avec une prcision limite 8 chiffres significatifs, sans pivot.
Nous avons nouveau la transformation gaussienne
1
0
,
(25.354)
E1
109 1
mais pour calculer U nous effectuons le produit matriciel
9 9
10
1
10
1
1
0
.
U E1 A
9
0
1
1
10 1
(25.355)
(25.356)
mais la prcision tant limite 8 chiffres, un arrondit arrive. tant donn que le premier chiffres
supprim est un 9 nous retombons sur 109 , et donc notre machine prcision limite donnera
9
10
1
U
.
(25.357)
0
109
Ensuite le calcul de L E11 ne cause pas de problmes :
1
0
L
.
109 1
Maintenant il sagit de rsoudre les systmes Ly b et U x y. Du systme
1 0
y1
1
9
10 1
y2
2
(25.358)
(25.359)
nous tirons tout de suite y1 1 et ensuite 109 ` y2 2, cest dire y2 2 109 , qui en prcision
limite donne encore y2 109 . rsoudre maintenant :
9
10
1
x1
1
.
(25.360)
0
109
x2
109
Cela donne immdiatement x2 1 et ensuite
donc x1 0. La solution trouve est
109 x1 ` 1 1,
(25.361)
x1
0
,
x2
1
(25.362)
Exemple 25.129([288])
Nous rsolvons encore le mme systme en prcision limite, mais en utilisant cette fois la mthode
de Gauss avec pivot partiel.
Le plus grand lment de la premire colonne est 1 ; nous utilisons donc la permutation P1,2 :
1
1
P1,2 A
.
(25.363)
109 1
1385
1
0
109 1
(25.364)
et nous posons
A1 M1 P1,2 A
1 1
1
1
1
1
1
0
U
0 1
0 109 ` 1
109 1
109 1
(25.365)
1
0
.
109 1
0 1
1
0
1 1
1 0 looooomooooon
109 1 looomooon
0 1
looomooon
P
(25.366)
(25.367)
Le moment de rsoudre est venu. Vu que P LU x b nous devons rsoudre les systmes
$
& Pz b
Ly z
%
U x y.
Pour y il y a un arrondi :
2
z
.
1
1
0
y1
2
.
109 1
y2
1
(25.368a)
(25.368b)
(25.368c)
(25.369)
(25.370)
2
.
1
1 1
x1
2
.
0 1
x2
1
(25.371)
(25.372)
(25.373)
4
25.130.
Lutilisation du pivot non seulement assure le fait que la trigonalisation va bien se passer (on vite
les zros en pivot), mais aussi et surtout, en choisissant de prendre le plus grand pivot possible,
nous obtenons une meilleur stabilit numrique.
1386
25.17.6
Dterminant
Pour calculer un dterminant lorsque nous avons la dcomposition A LU nous pouvons faire
detpAq detpLU q detpLq detpU q detpU q
(25.374)
detpP q p1qs
(25.375)
25.17.7
Mettons un systme Ax b quil faut rsoudre pour plusieurs b diffrents. Cest typiquement
le cas o lon voudrait calculer linverse de A. Mais on va directement se calmer. Soient donc
rsoudre Ax1 b1 , . . . , Axn bn .
Les oprations (avec ou sans pivot) que nous faisons ne dpendent que de la matrice A, mais
aucune dcisions concernant les pivots ou la matrice des multiplicateurs ne dpend de b. Autre
faon de dire : si le systme pA|b1 q devient pU |y1 q, le systme pA|bi q devient pU |yi q avec le mme
U.
Nous ne sommes donc pas obligs de faire tout le travail autant de fois quil ny a de systmes
rsoudre. Donc si on a plusieurs systmes rsoudre avec la mme matrice, on fait mieux de
retenir une fois pour toute la dcomposition LU (avec ou sans pivots), avant de vraiment rsoudre.
Ou alors on peut aussi faire que, au lieu de faire pA|bi q plein de fois, faire une seule fois
pA|b1 . . . bn q.
(25.377)
AX Y
(25.378)
Et on fait tout le travail sur tous les vecteurs dun en mme temps.
Soit ei la base canonique. Si nous notons xn les solutions des problmes Axi ei , tous les
problmes Axi ei scrivent dun seul coup
o X est la matrice des xi en colonnes, et Y est celle des ei en colonnes. Oh, mais Y 1
videmment. Donc
AX 1.
(25.379)
(25.380)
pU |L1 P q.
(25.381)
A1 U 1 L1 .
(25.382)
1387
25.17.8
Cholesky
Le commandant Cholesky travaillait sur le tir de canon (chose minemment lie de nombreuses
mathmatiques ingnieuses). La mthode de Cholesky est encore utilise aujourdhui dans les vrais
problmes.
La mthode de Gauss sapplique sans hypothses sur la matrice A, part quelle doit tre
de petite dimension, comme pour toute mthode directe. Souvent nous savons des choses sur la
matrice. Ici nous allons supposer que A est symtrique et dfinie positive.
Comment numriquement vrifier ces hypothses ? En ce qui concerne la symtrique, il suffit
de faire le test complet :
At A.
(25.383)
Dmonstration. Le fait que k pAq soit symtrique est videment. Le fait quelle soit dfinie positive
lest moins. Soit y P Rk et le vecteur y P Rn , qui est complt avec des zros.
Nous avons xk pAqy, yyk xA y, yn . En effet
xk pAqy, yy
Et droite :
xA y, yy
pA yqi p yqi
i1
k
k
pA yqi yi
i1
(25.384)
Ail yl yi .
i1 l1
k
n
i1 l1
Ail p yql yi
k
k
Ail yl yi
(25.385)
i1 l1
o nous avons utilis le fait que p yqi 0 ds que i k et que p yqi yi sinon.
En consquence de quoi xk pAqy, uy 0 pour tout y P Rk et la matrice k pAq est strictement
dfinie positive.
Lemme 25.133.
Si T est une matrice triangulaire, alors pTii q1 pT 1 qii .
Til pT 1 qli.
1
l
1 T T 1 donne
(25.386)
1388
Nous allons chercher une dcomposition de type LU sous la forme A LLt , cest dire U Lt .
Attention : maintenant nous navons plus des 1 sur la diagonale. Ce nest donc pas exactement la
dcomposition LU dont nous parlions plus haut. Cest pour cela que nous nallons pas la noter
LLt mais BB t .
Thorme 25.134 (Cholesky[287]).
Soit une matrice relle symtrique strictement dfinie positive. Il existe une unique matrice relle
B telle que
B est triangulaire infrieure,
la diagonale de B est positive,
A BB t .
Vu que k pAq est strictement dfinie positive par le lemme 25.132, son determinant est strictement
positif 19 et nous avons
`
det k pU q 0.
(25.389)
En appliquant cela k 1 nous avons U11 0 puis de proche en proche, Ui i 0 pour tout i.
Nous posons :
B LD
CD
(25.390a)
(25.390b)
Nous avons bien entendu A BC et nous allons prouver que C B t . Vu que A At nous
pouvons identifier BC et C t B t :
BC C t B t .
(25.391)
En mettant les matrices triangulaires suprieures gauche et infrieures droite :
CpB t q1 B 1 C t ,
(25.392)
qui sont donc deux matrices diagonales. Nous montrons que cette diagonale est en ralit lidentit.
Dabord
n
a
a
Bii
Lil Dli Lii Uii Uii
(25.393)
l1
parce que Lii 1. Notons en passant que la diagonale de B est positive. Ensuite
Cii
a
1
pD1 qil Uli pD1 qii Uii ? Uii Uii .
Ui i
l1
n
` 1 t
B C ii pB 1 qil pC t qli pB 1 qii Cii
(25.394)
(25.395)
19. Le thorme 6.292 donne une diagonalisation par des matrices de dterminant 1. Vu que les valeurs propres
forment sur la diagonale, et quelles sont toutes positives, el dterminant est positif.
1389
Mais B est une matrice triangulaire qui tombe sous le coup du lemme 25.133. Donc pB 1 qii
pBii q1 pCii q1 . Nous avons alors
pB 1 C t qii 1.
(25.396)
Ces deux matrices sont donc diagonales et nous posons D B 1 C, cest dire C BD. Nous
remplaons donc C par BD dans (25.397) :
(25.398)
A BB t BDpBDqt BDDt B t .
Donc DDt 1, ce qui signifie que les lments diagonaux de D sont 1. Nous montrons quils
sont positifs : partir de C BD nous dballons
Cii
Bil Dli ,
(25.399)
l
et donc
(25.400)
En sachant que les conditions de la dcomposition de Cholesky demandent les lments diagonaux
positifs nous en dduisons que Dii est positif et donc gal 1. Finalement D 1 et B C.
Prenons la matrice
4
2 2
A 2 10 7
2 7 9
(25.401)
(25.402a)
$
j1
2 1{2
ljj pajj
ljk
q
&
% lij paij
(25.403a)
k1
j1
k1
(25.403b)
pour i j ` 1, . . . , n.
Les formules (25.402) nous disent comment remplir
?
42
L
2{2 1
2{2 1
. .
(25.404)
. .
. .
Les formules (25.403) donnent les autres colonnes en fonction des prcdentes.
Dans Sage :
1
2
3
4
5
6
sage : A = matrix ( [
sage : A
[ 4 2 -2]
[ 2 10 -7]
[ -2 -7 9]
sage : A . cholesky ()
1390
7
8
9
[ 2 0
[ 1 3
[ -1 -2
25.18
Nous trouvons des mthodes itratives lorsque les matrices sont grandes, ce qui arrive lorsque
lon discrtise une quation diffrentielle.
Nous allons chercher des mthodes de la forme xn`1 Bxn ` q ; ce sont des mthodes stationnaires. La convergence dune mthode est toujours lie la matrice B et en gnral, la convergence
ne dpend pas du choix du vecteur initial. Nous faisons donc souvent x0 0 et donc x1 q. Voila
donc une itration de faire gratuitement.
Nous notons ek le vecteur derreur qui est dfinit par ek x xk . Et le vecteur rsidu
rk b Axk . Attention : ici k nest pas un indice mais un numro de vecteur.
Notons que si x est solution, alors b Ax 0, ce qui motive le vecteur rsidu.
Les conditions darrt dun algorithme seraient
"
}ek }8 ! 1
}rk }8 2
(25.405a)
(25.405b)
k8
k8
(25.406)
Vu que rk Aek , si la matrice A est mal conditionne, il peut arriver que rk reste grand alors
que ek est dj petit.
Remarque 25.136.
Dans les mthode stationnaires, nous avons xn`1 Bxn ` q avec B et q fixs au dpart de
lalgorithme. Il existe des mthodes non stationnaires pour lesquelles litration prend la forme
xn`1 Bn xn ` qn avec Bn et qn qui changement avec les tapes.
Proposition 25.137.
Pour la mthode xn`1 Bxn ` q nous avons quivalence de
(1) La mthode converge pour tout x0
(2) B est une matrice convergente 20
(3) pBq 1 (rayon spectral).
De plus si }B} 1 alors la mthode converge (quelle que soit la norme algbrique).
La norme dune matrice (en tout cas, certaines normes) est quelque chose de facile calculer
lordinateur. Typiquement }.}8 est un simple maximum. Cependant si aprs avoir calculer }B}i
pour des dizaines de normes i diffrentes, nous avons toujours }B}i 1, alors nous ne pouvons
rien conclure.
20. Cest dire limk8 B k 0.
25.18.1
1391
La mthode gnrale
x M 1 N x ` M 1 b,
(25.408)
25.18.2
Jacobi
Nous dcomposons
ADEF
(25.409)
25.18.3
Gauss-Seidel
25.18.4
Autres
21. Les matrices orthogonales sont aussi facilement inversibles, mais ne se prtent pas bien une dcomposition
de type somme.
1392
Chapitre 26
Espace de probabilit
Une mesure de probabilit sur un espace mesur p, Aq est une mesure positive telle que
P pq 1. Dans ce cas, le triple p, A, P q est un espace de probabilit.
Un point P est une observation, une partie mesurable A P A est un vnement.
Lensemble AYB reprsente lvnement A ou B tandis que lensemble AXB reprsente lvnement
A et B.
Si les An sont des vnements, nous avons dfini en 7.87 limite suprieure et la limite infrieure
de la suite An par
lim sup An
Ak
(26.1)
n8
et
n1 kn
lim inf An
n8
Ak
(26.2)
n1 kn
n1
n1 P pAn q
P pAn q 8
(26.3)
(26.4)
1An
(26.5)
n1
est P -intgrable. Par consquent, elle est finie presque partout (au sens de P ), cest dire
P p 8q 0.
(26.6)
n1
1An pq 8,
1393
(26.7)
1394
cest dire les qui appartiennent une infinit densembles An , ou encore les P lim sup An .
Nous avons donc montr que
t tel que pq 8u t P tel que P An pour une infinit de nu lim sup An .
(26.8)
26.2
Variables alatoires
Dfinition 26.3.
Une variable alatoire est une application mesurable
X : p, Aq pRd , BorpRd qq.
(26.9)
P pX P Iq f ptqdt.
(26.10)
I
26.2.1
Indpendance
Exemple 26.6
Soit r0, 1sr0, 1s muni de la mesure de Lebesgue. Soient A r0, asr0, 1s et B r0, 1sr0, bs.
Nous avons P pAq a et P pBq b ainsi que P pA Y Bq ab.
4
Lemme 26.7.
Les tribus A1 , . . . , An sont indpendantes si et seulement si
P pA1 X . . . X An q P pA1 q . . . P pAn q
pour tout Ai P Ai .
(26.12)
1395
`
`
P pAj q
(26.13)
Aj P
Ai
P pAi q
P
jPJ
i1
i1
jPJ
(26.14)
(26.15)
Cela est la plus petite tribu sous tribu de A pour laquelle X est mesurable. Elle sera aussi (le plus)
souvent note pXq.
Dfinition 26.8.
Nous disons que les variables alatoires Xk : Rd sont indpendantes si les tribus AX1 , . . . , AXn
le sont.
Remarque 26.9.
Il na de sens de dire que X1 et X2 sont indpendants que si X1 et X2 sont des application dont
lespace de dpart est identique.
Si nous voulons modliser le jet de deux pice indpendantes, le mauvais choix est de faire
t0, 1u, y mettre la mesure dquiprobabilit, et de considrer les deux variables alatoires
#
f si 0
Xi pq
(26.16)
p si 1.
Ces deux variables sont videment pas indpendantes. Il faut poser t0, 1u t0, 1u, y mettre
la mesure dquiprobabilit et poser
#
f si x 0
X1 px, yq
,
(26.17)
p si x 1
X2 px, yq
f
p
si y 0
,
si y 1
(26.18)
X21 tpu
et on a bien
ainsi que
1
P X11 tpu X X21 tpu P tp1, 1qu
4
P tXp1 ppqu
pour i 1 et i 2.
1
2
(26.19a)
(26.19b)
(26.20)
(26.21a)
1396
Proposition 26.10.
Soient pXk : Rdk q des variables alatoires indpendantes.
(1) Si Bk P BorpRdk q. Alors
(26.22)
(3) Les tribus engendres par des Xi et dautres sont indpendantes. Plus prcisment, si I et
J sont deux ensembles disjoints de N alors les tribus
ptXi , i P Iuq
(26.23)
ptXi , i P Juq
(26.24)
et
sont indpendantes.
(26.25)
Vu que par hypothse les tribus pAi q sont indpendantes, le lemme 26.7 nous montre que
P
n
`
i1
Xi P Bi
P pXi P Bi q.
(26.26)
Il reste voir que lensemble Xi1 pBi q fait partie de la tribu A de dpart. Cela est la dfinition du
fait que lapplication Xi soit une variable alatoire : elle doit tre mesurable en tant quapplication
Xi : p, Aq pRd , BorpRd qq.
(26.27)
Les affirmations (2) et (3) ne sont que des faons alternatives dexprimer la mme chose.
Lemme 26.11.
Les vnements pAi qi0,...,n sont indpendants si et seulement si les vnements obtenus en remplaant certains des Ai par AAi le sont.
Dmonstration. Sans perte de gnralit, nous pouvons nous contenter de prouver que les vnements AA0 , A1 , . . . , An sont indpendants sous lhypothse que les vnements A0 , A1 , . . . , An sont
indpendants. Soit I un sous-ensemble de t1, . . . , nu. Nous avons
`
`
P AA0 Ai P
Ai z Ai X A0
iPI
iPI
P
P
`
iPI
`
iPI
`
iPI
(26.28a)
iPI
Ai P
Ai X A0
(26.28b)
iPI
Ai 1 P pAA0 q
Ai P pAA0 q.
(26.28c)
(26.28d)
Proposition 26.12.
Les vnements pAi qi1,...,n sont indpendants si et seulement si les variables alatoires 1A1 , . . . , 1An
le sont.
1397
1Ak est
(26.29)
1
En effet si 1 P B, alors Ai 11
Ai pBq, et si 0 P B, alors AAi 1Ai pBq. Les lments 0 et 1 sont
tous deux soit dans B, soit hors de B. Cela donne les 4 possibilits numres dans (26.29).
Supposons que les vnements pAi q sont indpendants. Nous devons vrifier que les tribus le
soient, cest dire que les vnements Ai et AAj sont indpendants. Cela est une consquence du
lemme 26.11.
Proposition 26.14.
Soient des variables alatoires Xk : Rdk des variables alatoires indpendantes et des fonctions
borliennes fk : Rdk Rpk . Alors les variables alatoires fk pXk q sont indpendantes.
Dmonstration. Le thorme 26.13 assure que les applications
fk Xk : Rdk
(26.30)
sont AXk -mesurables. En particulier pour tout borlien B Rpk , nous avons Xk1 fk1 pBq P AXk .
Nous avons donc
pfk Xk q pXk q,
(26.31)
et par consquent les tribus pfk Xk q sont indpendantes tant donn que les tribus pXk q le
sont.
Lemme 26.15 (Lemme de regroupement).
Soit p, A, P q un espace de probabilit et pAqiPI une famille de tribus indpendantes dans A. Si
pMj qjPJ est une partition de I, alors les tribus
Bj
iPMj
Ai
(26.32)
sont indpendantes.
Si les variables alatoires tX1 , X2 , X3 , X4 , X5 u sont indpendantes, et si f et g sont des fonctions mesurables, alors les variables alatoires f pX2 , x3 , X5 q et gpX1 , X4 q sont indpendantes.
Une preuve a lair dtre donne dans [289].
26.2.2
Dfinition 26.16.
Deux vnements A et B sont dits indpendants si
P pA X Bq P pAqP pBq.
(26.33)
(26.34)
1398
Dfinition 26.18.
Soient tXi u1in des variables alatoires relles (pas spcialement indpendantes). La densit
conjointe de X1 ,. . . ,Xn est la fonction f : Rn R qui satisfait
(1) f px1 , . . . , xn q 0 pour tout px1 , . . . , xn q P Rn ,
(2) Rn f 1,
(3) pour tout Ai R nous avons
Pp
i1
Xi P Ai q
Ai
(26.35)
Proposition 26.19.
Si les variables alatoires X1 ,. . . Xn sont indpendantes et ont des densits fX1 ,. . . ,fXn , alors la
variable alatoire conjointe X pX1 , . . . , Xn q a pour densit conjointe la fonction
fX px1 , . . . , xn q fX1 px1 q . . . fXn pxn q.
(26.36)
P pX1 P A1 q . . . P pXn P An q
(26.37)
A1 ...An
La fonction px1 , . . . , xn q fX1 px1 q . . . fXn pxn q vrifie donc la condition (3) de la dfinition 26.18.
La vrification des autres conditions est immdiate.
La proposition suivante provient du fait que la mesure dune loi conjointe est le produit des
mesures lorsque les variables alatoires sont indpendantes (proposition 26.17).
Proposition 26.20 ([117]).
Si les variables alatoires relles X1 ,. . . ,Xn sont intgrables et indpendantes, alors leur produit
est intgrable et lesprance du produit est gal au produit des esprances :
EpX1 Xn q EpX1 q . . . EpXn q.
26.2.3
(26.38)
Soient X et Y , deux variables alatoires relles indpendantes. Nous voudrions tudier la loi
de la variable alatoire S X ` Y . Nous commenons par calculer la fonction de rpartition en
utilisant le rsultat de la proposition 26.19 :
FX`Y pzq P pX ` Y zq
fX,Y px, yqdx dy
(26.39a)
x`yz
zx
dx
dyfX pxqfY pyq
8
zx
fY pyqdy fX pxqdx
R
8
FY pz xqfX pxqdx.
8
(26.39b)
(26.39c)
(26.39d)
1399
dFX`Y
pzq
dz
R
(26.40a)
fY pz xqfX pxqdx,
(26.40b)
ce qui nous amne dire que la densit de la somme est le produit de convolution 1 des densits :
fY px tqfX ptqdt,
(26.41)
fX`Y pxq
R
ou encore fX`Y fX fY .
Notez que nous avons pass sous le silence la difficult dinverser la drive et lintgrale. Un
exemple sera donn au point 26.5.8.
Lemme 26.21.
Soient X et Y , deux variables alatoires indpendantes. Alors
(26.42)
EpXY q EpXqEpY q.
EpXY q
xyfX,Y px, yqdxdy EpXqEpY q.
(26.43)
RR
Nous dirons tout un tas de chose sur lindpendance et la variance en 26.5.13, mais pour
linstant nous allons mentionner et dmontrer dj ceci :
Lemme 26.22.
Soit X et Y deux variables alatoires indpendantes et identiquement distribues. Alors
VarpX ` Y q VarpXq ` VarpY q.
(26.44)
`
Dmonstration. Par dfinition, VarpX ` Y q E rX ` Y EpXq EpY qs2 . En dveloppant le
carr et en utilisant le lemme 26.21,
VarpX ` Y q EpX 2 q EpXq2 ` EpY 2 q EpY q2 VarpXq ` VarpY q.
(26.45)
Exemple 26.23
Deux variables alatoires non indpendantes dont la covariance est nulle. Nous considrons la
variable alatoire
Z : tp1, 0q, p1, 0q, p0, 1q, p0, 1qu
(26.46)
`
1
de loi uniforme. Cest dire que P Z z 4 pour tout z. Ensuite nous considrons les variables
alatoires X proj1 Z et Y proj2 Z. Toute personne tant capable de compter jusqu 4
voit que
P pX 1q P pX 1q
1
P pX 0q ,
2
1. Dfinition 18.33.
1
4
(26.47a)
(26.47b)
1400
(26.48)
parce que pour tout P nous avons soit Xpq 0 soit Y pq 0. Ces variables alatoires X et
Y ne sont donc pas corrles.
Mais elles ne sont pas indpendantes pour autant, comme nous allons le voir pas plus tard
quimmdiatement. Nous avons
P pX 0|Y 0q
P pX 0, Y 0q
0
P pY 0q
(26.49)
(26.50)
4
26.2.4
Esprance
EpXq
XdP P Rd .
(26.51)
Si EpXq 0 nous disons que la variable alatoire est centre. La variable alatoire X EpXq est
la variable alatoire centre associe X.
Le moment dordre p de la variable alatoire X est lesprance
(26.52)
mn pXq EpX n q.
Proposition 26.24.
Si X et Y sont deux variables alatoires (pas spcialement indpendantes), nous avons
EpX ` Y q EpXq ` EpY q.
(26.53)
Nous donnons la preuve dans le cas de variables alatoires indpendantes. Le cas plus gnral
de variable alatoires non indpendantes peut tre trouv dans [290].
Dmonstration. Nous avons le calcul suivant :
EpX ` Y q
xfX`Y pxqdx
R
x
fY px tqfX ptqdtdx
R R
fX ptq
xfY px tqdx dt
R
R
looooooooomooooooooon
(26.54a)
(26.54b)
(26.54c)
EpY q`t
fX ptq EpY q ` t dt
R
EpY q `
tfX ptqdt
R
EpY q ` EpXq
(26.54d)
(26.54e)
(26.54f)
1401
Une application de lingalit de Hlder (proposition 18.20) est la suivante. Si X et Y sont des
variables alatoires intgrables alors
EpXY q EpX 2 q1{2 EpY 2 q1{2 .
(26.55)
(26.56)
En effet
26.2.5
Variance
VarpXq E rX EpXqs2 .
(26.57)
Proposition 26.25.
La variance de la variable alatoire X peut tre exprime par la formule
VarpXq EpX 2 q rEpXqs2
(26.58)
Rd .
`
`
2
E rX EpXqs
Xpq EpXq Xpq EpXq dP pq
EpX q EpXq .
(26.59)
(26.60a)
(26.60b)
(26.60c)
VarpXq.
(26.61)
X }X EpXq}L2 .
(26.62)
1{2
}X}L2 EpX 2 q
.
(26.63)
La variable alatoire
1
n q2
Vn
pXi X
n i
(26.64)
(2) Si de plus Y est une variable alatoire indpendante de X, alors VarpX ` Y q VarpXq `
VarpY q.
1402
(26.65a)
2
(26.65b)
tant donn que X et Y sont indpendantes nous avons EpXY q EpXqEpY q par le lemme
26.21.
Si les X1 , . . . , Xn sont des variables alatoires on considre la moyenne empirique
n X1 ` . . . ` Xn .
X
n
26.2.6
(26.66)
Covariance
Soient X et Y , deux variables alatoires relles. Leur covariance est dfinie par
`
`
(26.67)
Lide est que la covariance devient grande si X et Y scartent de leurs moyennes dans le mme
sens. Il existe une formule alternative :
CovpX, Y q EpXY q EpXqEpY q
(26.68)
En ce qui concerne les dimensions plus hautes, si X : Rd est un vecteur alatoire de carr
intgrable, nous dfinissons
`
`
(26.69)
o par a b b nous entendons la matrice pa b bqij ai bj . Cela peut aussi tre not at b si lon fait
bien attention qui est un vecteur colonne et qui est un vecteur ligne.
Proposition 26.27.
Si X et Y sont deux variables alatoires non spcialement indpendantes, nous avons
VarpX ` Y q VarpXq ` VarpY q ` 2 CovpX, Y q.
(26.70)
VarpX ` Y q E pX ` Y q2 EpX ` Y q2
(26.71)
partir dici il sagit de recombiner tous les termes pour former la formule annonce.
Plus gnralement nous avons la formule
Varp Xi q
VarpXi q ` 2
i
1ijn
CovpXi , Xj q.
(26.72)
1403
26.2.7
PB pAq
(26.73)
La premire galit est la dfinition de PB . La seconde est une notation. Le nombre P pA|Bq est
nomme probabilit conditionnelle de A sachant B.
On vrifie que p, A, P q est un espace de probabilit parce que PB pq 1 et
PB pAi q
(26.74)
P B p Ai q
i
P pA|Bq P pK|Bq.
Thorme 26.28.
Soient pBn qn1 une partition finie de telle que P pBi q 0. Soit A P A tel que P pAq 0.
(1) Si A, B et C sont des vnements, alors
P pA X B|Cq P pA|B X CqP pB|Cq.
(26.77)
Dmonstration.
i1
P pA|Bi qP pBi q
P pA X Bi q.
P pA|Bk qP pBk q
P pBk |Aq
.
i P pA|Bi qP pBi q
(26.78)
(26.79)
P pA X B X Cq P pB X Cq
P pB X Cq
P pCq
P pA X B|Cq.
P pA X B|Cq
P pAq
P pA X Bi q
P pA|Bi qP pBi q.
i
(26.80)
(26.81)
(26.82)
1404
26.2.8
Esprance conditionnelle
XdP
(26.83)
Y dP.
Cette variable alatoire sera note EpX|Fq pour des raisons qui apparatront plus tard.
Remarque 26.30.
Prendre Y X ne fonctionne pas parce quen gnral si O est mesurable dans
est dans la tribu A, mais nest pas automatiquement dans la tribu F.
R, alors X 1 pOq
Dmonstration.
Unicit Si Y1 et Y2 vrifient tous les deux les conditions, lensemble tY1 Y2 u
est un lment de F et nous avons
X
Y1
Y2 .
(26.84)
En particulier nous avons
tY1 Y2 u
Y1 Y2
tY1 Y2 u pY1
Y1 Y2
Y2 q 0 et donc
pY1 Y2 q1Y1 Y2 0
(26.85)
(26.86)
X 1A
Y 1A ,
(26.87)
ou encore
X.
(26.88)
Existence en gnral Nous considrons maintenant que X P L1 p, A, P q. Quitte dcomposer X en deux fonctions positives X` et X telles que X X` ` X , nous pouvons
supposer que X est positive. Par hypothse X P L1 p, A, P q ; pour chaque n P N nous
posons
Xn pq mintXpq, nu.
(26.89)
tant donn que la mesure P est une mesure de probabilit, les constantes sont intgrables
et Xn P L2 p, A, P q. De plus la suite pXn q est croissante et
lim Xn pq Xpq.
n8
(26.90)
1405
Si nous notons encore K lensemble des variables alatoires dans L2 p, A, P q qui sont Fmesurables, pour chaque n nous avons donc la variable alatoire
Yn projK Xn EpXn |Fq
qui est F-mesurable et telle que
Xn
Yn
(26.91)
(26.92)
pour tout A P F. Nous voudrions prouver que la variable alatoire Y limn Yn existe et
est la solution au problme, cest dire est EpX|Fq.
Commenons par prouver que Yn 0 presque partout. Pour cela nous remarquons que
lensemble tYn 0u est mesurable et
0
Yn
Xn 0.
(26.93)
Yn 0
Yn 0
La premire ingalit est vidente et la dernire est due au fait que Xn est positive. Par
consquent
Yn 0
(26.94)
Yn 0
0
Z
projK Z 0,
(26.95)
A
ce qui montre que A projK Z 0 et par consquent que P tprojK pZq 0u 0. Cela nous
montre que la projection depuis L2 conserve la positivit.
tant donn que Xn1 Xn 0 nous avons aussi
Yn1 Yn 0
(26.96)
n Yn EpXn |Fq
(26.97)
La suite de fonctions
est croissante et vrifie le thorme de la convergence monotone :
X lim
Xn
n8 A
A
lim
EpXn |Fq
n8 A
Y.
(26.98a)
(26.98b)
(26.98c)
(26.98d)
(26.99)
(26.100)
1406
E EpX|B1 q|B2 dP
EpX|B1 qdP
dP.
(26.101)
EpX|B2 q
E EpX|B1 q|B2
(26.103)
E EpX|B1 q|B2
(26.102)
pour tout B P B2 . Cest donc EpX|B2 q par la partie unicit du thorme 26.29.
Proposition 26.32.
Soit p, F, P q un espace de probabilit, soit A une sous tribu de F et X, une variable alatoire Fmesurable et intgrable. Alors la variable alatoire EpX|Aq du thorme 26.29 est lunique (presque
partout) variable alatoire tre A-mesurable telle que nous ayons
`
E EpX|AqY EpXY q.
(26.104)
Dmonstration.
Supposons pour commencer que Y soit une fonction simple positive, alors Y
n
i1 ai 1Ei et nous avons
EpX|Y q
ai
EpX|Aq
(26.105a)
Ei
ai
(26.105b)
Ei
(26.105c)
XY.
Maintenant si Y est mesurable et borne, elle est limite croissante de fonctions tages bornes
(proposition 7.107) et le rsultat tient par la convergence monotone, thorme 7.129.
Si Y nest pas positive, nous sparons Y Y` Y .
Pour lunicit, soit Z et Z 1 deux variables alatoires telles que pour toute variable alatoire Y ,
ZY
XY
Z 1 Y.
(26.106)
pZ Z 1 q1ZZ 1
ZZ 1
Z Z 1,
(26.107)
do le fait que P pZ Z 1 q 0.
Si X est une variable alatoire dont la tribu engendre est indpendante de la tribu F, nous
voudrions que la connaissance de F ninfluence pas la connaissance de X, cest dire que
EpX|Fq EpXq.
Ce que nous avons est mme mieux. Nous avons le lemme suivant.
(26.108)
1407
(26.109)
Ici, par EpU q nous entendons la variable alatoire constante prenant la valeur numrique EpU q
en tout point de .
Dmonstration. Si F1 et F2 sont indpendantes, alors pour tout B P F2 nous avons
U dP EpU 1B q
B
EpU qEp1B q
EpU q 1B dP
EpU qdP.
(26.110a)
(26.110b)
(26.110c)
(26.110d)
Justifications.
E EpX|Fq EpXq.
E EpX|Fq
EpX|FqpqdP pq
XpqdP pq
EpXq.
(26.111)
(26.112a)
(26.112b)
(26.112c)
Exemple 26.35
Soient X1 , X2 deux variables alatoires valeurs dans t0, 1u avec probabilit 1{2 et indpendantes.
Nous considrons S X1 ` X2 . La situation est modlise par lespace
tp0, 0q, p0, 1q, p1, 0q, p1, 1qu
(26.113)
Sp1 , 2 q 1 ` 2 .
(26.114a)
(26.114b)
1408
Pour vrifier que de cette manire nous avons bien que X1 est indpendante de X2 , nous commenons par voir les tribus associes. Un ouvert de R soit contient 0 et 1, soit contient un seul des
deux soit nen contient aucun des deux. En appliquant X11 chacune de ces quatre situations
nous voyons que la tribu pX1 q est
F1 pX1 q tp0, 0q, p0, 1qu, tp1, 0q, p1, 1qu, , Hu.
(26.115)
(26.116)
(26.117a)
Nous posons
A1 tp1, 0q, p1, 1qu
(26.117b)
(26.117d)
(26.117c)
tant donn que Ai X Bj pi, jq, nous avons toujours que P pAi X Bj q 41 P pAi qP pBj q.
Lindpendance est donc assure.
Calculons lesprance conditionnelle EpS|F1 q. Une fonction F1 -mesurable doit tre constante
sur A0 et A1 , donc lesprance conditionnelle est une fonction constante sur A0 et A1 dont lintgrale
sur ces ensembles est gale lintgrale de S. Nous avons en particulier
EpS|F1 q
S,
(26.118)
A0
cest dire
A0
(26.119)
3
EpS|F1 qp1, 0q EpS|F1 qp1, 1q .
2
(26.120)
Nous en concluons que EpS|F1 qp0, 0q EpS|F1 qp0, 1q 21 . Cela correspond lintuition que si on
est au point p0, 1q ou au point p0, 0q en ne sachant que X1 , nous ne savons que le premier zro, et
donc lesprance de la somme est 21 .
Un calcul trs similaire montre que
Cela correspond au fait quen ces points, nous ne savons que le fait que le premier tirage a donn
1, et donc que lesprance est 32 .
Compltons ce tour dhorizon en mentionnant que la tribu engendre par X1 et X2 est la tribu
des parties de , de telle faon que lesprance conditionnelle de S sachant X1 et X2 est gale
S.
4
Proposition 26.36 ([117]).
Soit p, A, P q un espace probabilis et X, Y deux variables alatoires sur relles. Soit B une soustribu de A. Nous supposons que X P L1 p, A, P q, que Z P L8 p, B, P q et que XZ P L1 p, P q.
Alors
EpZX|Bq ZEpX|Bq
(26.121)
presque srement.
ZEpX|Bq
ZX.
(26.122)
1409
Si Z 1B pour un ensemble B P B, alors cette galit est vraie par dfinition de lesprance
conditionnelle 2 . Donc cette galit est correcte tant que Z est une variable alatoire B-mesurable
et tage. Nous considrons alors, grce au lemme 7.104, une suite Zn de variables alatoires tages
et B-mesurables avec |Zn | Z. Pour chaque n nous avons donc
ZEpX|Bq.
(26.123)
Zn X
Notre ide est de passer la limite. Vu que Z et Zn sont bornes (et donc intgrables sur ),
pour chaque n nous avons |Zn X| M |X| o M majore Z et donc tous les Zn de faon uniforme
vis--vis de n. Tout cela pour dire que le thorme de la convergence domine fonctionne et que
ZX.
(26.124)
Zn X
lim
n8
Zn EpX|Bq
ZEpX|Bq.
(26.125)
lim
L1
n8
ZEpX|Bq
ZX.
(26.126)
ZEpX|Bq
ZX.
(26.127)
B
Cela nest rien dautre que lgalit (26.122) que nous venons de prouver avec Z 1B au lieu de
Z.
Dfinition 26.37.
Soit Z une variable alatoire. Lesprance conditionnelle X sachant Z est la variable alatoire
EpX|Zq EpX|pZqq
(26.128)
Proposition 26.38.
Soit une variable alatoire relle X P L1 p, A, P q. Pour toute variable alatoire Y :
existe une fonction borlienne AY -mesurable h : Rd R telle que
EpX|Y q h Y.
Rd , il
(26.129)
Dmonstration. Nous utilisons le rsultat de Doob (thorme 26.13). Par dfinition EpX|Y q est
une variable alatoire relle AY -mesurable, et il existe une fonction borlienne h : Rd R telle
que EpX|Y q f Y .
Cette fonction h :
EpX|Z zq hpzq.
(26.130)
Cela est lesprance conditionnelle dune variable alatoire par rapport une valeur donne dune
autre variable alatoire.
2. Thorme 26.29.
1410
26.2.9
(26.131)
ai 1Bi .
(26.132)
EpX|Fq
iPN
XdP
EpX|Fq
aj
1Bj aj ij P pBj q ai P pBi q.
Bi
Bi
Bi
Par consquent
1
ai
P pBi q
et
EpX|Fq
iPN
(26.133)
(26.134)
XdP
Bi
1
P pBi q
XdP
Bi
1Bi .
(26.135)
(26.136)
1
P pBq
XdP
1B `
1
P pABq
AB
XdP
1AB .
(26.137)
P pA X Bq
P pBq
(26.138a)
(26.138b)
(26.139)
Remarque 26.40.
La dfinition P pA|Fq P p1A |Fq nest pas la probabilit conditionnelle de A sachant B, mme si
la tribu F est la tribu engendre par lvnement B.
1411
Il nous reste dfinir la probabilit conditionnelle dun vnement relativement une variable
alatoire. Si la variable alatoire X est valeurs discrtes, nous disons que P pA|Xq est la variable
alatoire de valeur
P pA|Xqpq P pA|X Xpqq.
(26.140)
Dans le cas dune variable alatoire valeurs continues, cette dfinition ne fonctionne pas parce
que la condition X Xpq est souvent de probabilit nulle, tandis que cest toujours une mauvaise
ide de conditionner par rapport un vnement de probabilit nulle. Cest la base du paradoxe de
Borel. La bonne dfinition du conditionnement de lvnement A par rapport la variable alatoire
X est
`
E P pA|Xq P pAq.
(26.142)
Dmonstration. Nous commenons par le cas discret, cest dire X : N. Nous notons pk
P pX kq. En dcomposant lintgrale sur par rapport lunion disjointe
Ak
t P tel que Xpq ku,
(26.143)
kPN
kPN
nous obtenons
E P pA|Xq
(26.144a)
P pA|XqpqdP pq
k0 Ak
P pA X X kq
dP pq
P pX kq
k Ak
1
P pA X X kq
1dP pq
pk
Ak
looooomooooon
k
(26.144b)
P pA|X XpqqdP pq
P pAk qpk
P pA X X kq
P pAq.
dans Ak , Xpq k
(26.144c)
(26.144d)
(26.144e)
(26.144f)
Nous devons maintenant prouver la proprit dans le cas o X prend des valeurs continues. Pour
cela il suffit dappliquer le corollaire 26.34 :
`
26.2.10
Un petit paradoxe
Attention : ce qui est crit ici est ma rflexion personnelle sur le sujet. Merci de me dire si je
me trompe.
26.2.10.1
Le cas facile
Vous frappez la porte dune famille dont vous savez seulement quil y a exactement deux
enfants. Une fille ouvre et vous dit je suis lane. Quelle est la probabilit que le cadet soit une
fille ?
1412
Si nous notons X0 et X1 les variables alatoires donnant le sexe des deux enfants, ce sont des
variables alatoires indpendantes et identiquement distribues, avec P pXi f q 21 . La formule
(26.73) de la probabilit conditionnelle ainsi que lindpendance donnent :
P pX1 f |X2 f q
P pX1 f, X2 f q
.
P pX2 f q
(26.146)
Premier raisonnement
Voici le raisonnement qui est, mon avis, faux. Vu que lenfant qui ouvre la porte est une
fille, la famille a une des compositions suivantes : f g, f f ou gf . Le cas o une fille ouvre la
porte et que lautre est galement une fille est seulement le cas f f dont la probabilit est 31 . Pour
justifier cela nous considrons le couple de variables alatoires pX1 , X2 q et le conditionnement
A tX1 f u Y tX2 f u : videmment P pAq 43 . Nous calculons facilement la loi du couple
pX1 , X2 q conditionn A :
P pX1 f, X2 f |Aq
de mme,
P ptX1 f, X2 f u X Aq
1{4
1
;
P pAq
3{4
3
1
3
1
P pX1 f, X2 g|Aq
3
P pX1 g, X2 g|Aq 0
P pX1 g, X2 f |Aq
Donc sachant A, la probabilit que la famille soit constitue de deux filles est 31 .
26.2.10.3
Simulation
3
4
i m p o r t random
5
6
7
8
9
10
11
12
d e f famille () :
"""
return a pair of f and g
"""
a =[ random . choice ( [ g , f ] ) ]
a . append ( random . choice ( [ g , f ] ) )
return a
13
14
15
16
d e f toctoc () :
F = famille ()
s = random . choice ([0 ,1])
(26.147)
(26.148a)
(26.148b)
(26.148c)
1413
17
18
19
20
21
t =( s +1) %2
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
N_girl_opens =0
N_girl_other =0
f o r k i n r a n g e (1 ,10000) :
print ( - - - - - - - - - - )
res = toctoc ()
i f res i s n o t None :
N_girl_opens = N_girl_opens +1
N_girl_other = N_girl_other + res
p r i n t ( res , N_girl_opens , N_girl_other )
37
38
39
La vraie rponse
Nous considrons les variables alatoires X0 , X1 : E tf, gu avec probabilit 21 . De plus nous
considrons une nouvelle variable alatoire qui donne le numro de lenfant qui ouvre la porte :
: C t0, 1u.
(26.149)
`
P X1 f, X f
P X1 f |X f
.
P pX f q
(26.150)
Lunivers de toute cette exprience est, donne en triples pour les valeurs pX1 , X2 , q :
(1) g, g, 0
(3) g, f, 0
(5) f, g, 0
(7) f, f, 0
(2) g, g, 1
(4) g, f, 1
(6) f, g, 1
(8) f, f, 1.
et
Donc
et
(26.151)
(26.152)
`
2
1
P X1 f, X f
8
4
P pX f q
4
1
.
8
2
(26.153)
(26.154)
1414
Au final,
26.2.10.5
`
1{4
2
1
.
P X1 f |X f
1{2
4
2
(26.155)
Nous avons une famille de deux enfants dont nous savons quau moins un des deux est une fille.
Quelle est la probabilit que la famille contienne deux filles ? Cela est a priori la mme question
que celle o une fille ouvre la porte sans dire si elle est lane ou non.
Nous avons les variables alatoires X1 et X2 qui valent 0 ou 1 suivant que lenfant soit une fille
ou un garon ; ce sont des variables alatoires indpendantes et identiquement distribues. Nous
dfinissons la variable alatoire somme
S X1 ` X2
(26.156)
P pS 2 X S 1q
P pS 2q
.
P pS 1q
P pS 1q
(26.157)
1{4
1
.
3{4
3
(26.158)
26.2.11
(26.159)
(26.160)
P pA X Bq
.
P pBq
(26.161)
(26.162)
(26.163)
La probabilit conditionnelle dun vnement par rapport une tribu est la variable
alatoire
P pA|Fq Ep1A |Fq.
(26.164)
Lesprance conditionnelle dune variable alatoire par rapport une tribu EpX|Fq
est la variable alatoire F-mesurable telle que
EpX|Fq
X
(26.165)
B
L2 p, A, P q
pour tout X P F. Si X P
alors EpX|Fq projK pXq o K est le sous-ensemble
2
de L p, A, P q des fonctions F-mesurables (thorme 26.29). Cela au sens des projections
orthogonales.
Lesprance conditionnelle dune variable alatoire par rapport une autre est une
variation sur le thme :
EpX|Y q EpX|pY qq.
(26.166)
1415
26.2.12
Ingalit de Jensen
Dmonstration. La convexit de g et la proposition 11.224 nous donnent deux suites pan q et pbn q
dans R telles que pour tout x P R,
gpxq suppan x ` bn q.
(26.168)
p.s. `
an EpY |Fq E an Y ` bn |F Epg Y |Fq.
(26.169)
nPN
Lingalit est due au fait que gY est le supremum sur les n de an Y `bn . Pour chaque n, lingalit
(26.169) est fausse sur un ensemble de mesure nulle Rn . Lunion
Rn
(26.170)
R
nPN
(26.171)
Vu que cela est vrai presque partout et pour tout n nous passons a supremum et nous avons encore
presque partout lingalit
`
Si nous ne nous intressons pas EpY |Fq mais seulement EpY q, alors une dmonstration
plus simple est donne sur Wikipdia[291].
26.2.13
Fonction de rpartition
Si X est une variable alatoire relle, nous dfinissons sa fonction de rpartition par
FX :
R r0, 1s
FX pxq P pX xq.
26.2.14
par
(26.173)
Fonction caractristique
X ptq
X ptq
(26.174)
(26.175)
eitx fX pxqdx
(26.176)
X ptq fX pt{2q.
(26.177)
1416
Proposition 26.43.
Soit X une variable alatoire qui accepte un moment dordre r 1. Alors la fonction caractristique
X est r fois continument drivable et
`
prq
X ptq E piXqr eitX .
(26.178)
f:
(26.179)
eitXpq dP pq.
RR
(26.180)
pt, q eitXpq .
(3) Note : par rapport aux notations du thorme 13.183, nous avons ici A R. Prenons donc
un intervalle (compact) ra, bs R et calculons
et
Bf
pt, q iXpqeitX ,
Bt
b
b
itXpq
|Xpq|d dt.
iXpqe
d dt
a
(26.181)
(26.182)
Par hypothse X accepte un moment dordre 1, de sorte que lintgrale par rapport
converge vers un nombre qui ne dpend pas de t. Lintgrale sur t ne pose alors aucun
problmes.
Par consquent nous pouvons effectuer la premire drivation :
d
1
ptq
ptq
iXpqeitXpq d EpiXeitX q
dt
(26.183)
et la fonction 1 est absolument continue. Ce dernier point est important parce que cest lui qui
permet de faire la rcurrence et passer lordre deux.
Le rsultat ressort alors en drivant successivement lexpression (26.181).
Exemple 26.44
Sachant la fonction caractristique de X, nous pouvons calculer les moments. Par exemple
EpX 2 q 2X p0q.
(26.184)
4
Thorme 26.45.
Si X Y , alors PX PY .
Notons que cela nimplique pas que X Y . En effet X et Y peuvent mme tre dfinis sur des
espaces probabiliss diffrents.
Dans le cas dune variable alatoire vectorielle, nous dfinissons X : Rd R par
`
X pvq E eixv,Xy
(26.185)
1417
26.2.15
La fonction
t EpetX q
(26.187)
(26.188)
EpX n q n
MX ptq
t .
n!
n0
sur IX`Y .
(26.189)
(26.190)
Dmonstration. Le fait que 0 soit dans IX est vident : Ep1q 1. Pour montrer que IX est un
intervalle nous prenons z P IX et 0 s z ou z s 0, puis nous montrons que s P IX . Il faut
remarquer que dans tous les cas,
esX 1 ` ezX .
(26.191)
En effet soit sX et zX sont tous deux gauche de zro et alors ils sont tous deux plus petit que
1 ; soit ils sont tous deux droite de 0 et alors ezX esX par croissance de lexponentielle. Nous
avons donc dans tous les cas que
EpesX q
fX pxqesX dx
fX pxqp1 ` ezx q 1 ` EpezX q.
(26.192)
R
Soit maintenant a 0 tel que ra, as P IX . tant donn que ea|X| eaX eaX , lesprance
Epea|X| q existe toujours pour |t|. Nous avons
N
N
nq
n
EpX
X
tn E etX
tn
(26.193a)
MX ptq
n!
n!
n0
n0
8
n
X
E
tn
(26.193b)
n!
nN `1
|tX|n
E
.
(26.193c)
n!
nN `1
Maintenant le but est de prendre la limite N 8 en inversant la limite et lesprance par le
thorme de la convergence domine (7.134). Lintgrale traiter est
|tXpq|n
lim
dP pq.
(26.194)
N 8
n!
nN `1
1418
Lintgrante est uniformment born (en N ) par etXpq , qui est intgrable par hypothse (choix de
t). Du coup
8
8
|tXpq|n
|tX|n
lim
dP pq E lim
0.
(26.195)
N 8
N 8
n!
n!
nN `1
nN `1
26.2.16
La loi de la variable alatoire X, note PX est la mesure image de P par X, cest dire
(26.196)
PX pBq P pX P Bq
pour tout borlien B Rd . Note :
`
(26.197)
Rd parce que
PX pRd q P pq 1.
(26.198)
Si Q est une mesure de probabilit sur Rd , nous notons X Q si PX Q. Nous disons alors que
X suit la loi Q.
La proposition suivante permet de calculer en pratique les intgrales qui dfinissent par exemple
lesprance mathmatique dune variable alatoire.
Proposition 26.47 (Thorme de transfert[293]).
Si X est une variable alatoire, alors
Epf Xq
f Xpq dP pq
Rd
f pxqdPX pxq
(26.199)
est telle quune des deux intgrales existe. En particulier, a marche si f est
ds que f : Rd R
borlienne.
En utilisant cette proposition nous trouvons une formule pratique pour lesprance dune variable alatoire relle :
EpXq
XpqdP pq
xdPX pxq,
(26.200)
R
Proposition 26.48.
Une variable alatoire relle X est intgrable si et seulement si P px 8q 0 et
|x|dPX pxq 8.
R
fX pxqdx
PX pAq
(26.201)
(26.202)
pour tout ensemble mesurable A R. Le lien entre la mesure de Lebesgue et celle de la loi de X
est alors donn par
dPX pxq fX pxqdx.
(26.203)
En particulier lesprance de X peut tre calcule partir de sa densit via la formule
EpXq
xdPX pxq
xfX pxqdx.
R
(26.204)
1419
26.3. CONVERGENCE
26.2.17
Changement de variables
Thorme 26.49.
Soit O, un ouvert de Rn et O1 un ouvert de Rm ainsi quun diffomorphisme C 1 : O O1 . Soit
X : Rn une variable alatoire prenant presque srement ses valeurs dans O. Si nous supposons
que X a la densit fX , alors la variable alatoire Y pXq accepte la densit fY : O1 R donne
par
`
fY pvqdv
(26.206)
1B pvqdPY pvq
(26.207a)
Ep1B Y q
`
E p1B q X
(26.207b)
P pY P Bq
pour tout borlien B O1 . Nous avons
P pY P Bq
Rm
Rn
(26.207c)
(26.207d)
(26.207e)
ce niveau, nous utilisons la formule de changement de variables du thorme 13.97. Nous trouvons
alors
`
`
P pY P Bq
1B 1 pvq fX 1 pvq |J1 pvq|dv.
(26.208)
Rm
26.3
Convergence
Soient Xi des variables alatoires relles dfinies sur le mme espace de probabilit p, A, P q.
Nous disons que Xi converge presque srement vers la variable alatoire X et nous notons
p.s.
si
Xn X
(26.209)
(26.210)
R.
Lemme 26.50.
p.s.
Nous avons Xn X si et seulement si il existe un vnement A P A tel que P pAq 1 et tel que
Xn pq Xpq pour tout P A.
Lemme 26.51.
Si X est une variable alatoire valeurs dans
R Y t8u, alors
p.s.
X ^ n X
(26.211)
1420
Nous disons que les variables alatoires relles Xn convergent en probabilit vers la variable
alatoire X si pour tout 0, on a
`
P |Xn X| 0,
et on note
(26.212)
Xn X.
(26.213)
(26.214)
Nous disons que Xn converge vers X en loi vers la variable alatoire X et nous notons
Xn X
si pour toute fonction continue et borne g nous avons
`
E gpXn q E gpXq
gdPX .
(26.215)
Proposition 26.52.
Deux autres caractrisations de la convergence en loi.
L
(26.216)
(2) Dans la dfinition de la convergence en loi nous pouvons indiffremment utiliser les fonctions
continues et bornes, les fonctions continues support compact ou les fonctions bornes
uniformment continues.
Proposition 26.53.
Les types de convergence sont relies par les implications suivantes :
presque sre en probabilit en loi.
(26.217)
La convergence en loi nimplique pas la convergence en probabilit, et par consquent pas non
plus la convergence presque certaine.
Dans le cas particulier d 1 nous avons quelques critres supplmentaires.
Proposition 26.54.
Supposons que les variables alatoires Xn soient relles, et notons Fn la fonction de rpartition de
L
Xn . Si Fn pxq F pxq pour tout x dans lensemble des points de continuit de F , alors Xn X.
Proposition 26.55.
Si les Xn sont des variables alatoires relles positives, et si X est une variable alatoire positive,
L
alors Xn X si les transformes de Laplace des fonctions de rpartition convergent ponctuellement, cest dire si
`
E eXn E eX
(26.218)
pour tout 0.
Proposition 26.56.
Si les Xn et X sont des variables alatoires relles discrtes valeurs dans tx0 , x1 , . . .u alors
L
Xn X si et seulement si
P pXn xk q P pX xk q
(26.219)
pour tout k P N.
1421
26.3. CONVERGENCE
Proposition 26.57 ([7]).
Soient Xn et X des variables alatoires relles. Nous avons
L
(26.220)
Xn X
si et seulement si pour tout t o FX est continue,
lim FXn ptq FX ptq.
(26.221)
n8
Xn a.
Dmonstration. Quitte passer aux composantes, nous pouvons supposer que d 1. Nous avons
`
1 FXn p ` aq ` FXn pa q.
(26.223b)
(26.223c)
Nous allons utiliser la proposition 26.57. La fonction de rpartition de la variable alatoire constante
X a est donne par
Fa ptq P pa tq 1R` pt aq.
(26.224)
L
(26.225)
pour tout t a parce que t 0 est un point de discontinuit de 1R` . Nous avons par consquent
`
parce que 0.
Le lemme de Slutsky sera utilis en combinaison avec la proposition 26.60 pour calculer des
intervalles de confiance, voir par exemple ce qui se passe autour de lquation (27.126).
Lemme 26.59 (Slutsky[294]).
Soient Xn et Yn des suites de variables alatoires relles telles que
L
Xn X
(26.227)
Yn a P R.
P
Dmonstration. tant donn que Yn a, nous avons Yn a par la proposition 26.58. Soit une
fonction f : R2 R2 ; nous devons prouver que
`
E f pXn , Yn q E f pX, aq .
(26.228)
P
(26.229)
1422
tudions prsent le premier terme du membre de droite de (26.229). Pour tout 0 et toute
variables alatoires Z et Z 1 nous avons
EpZq EpZ 1|Z 1 | q ` EpZ 1|Z 1 | q.
Nous dcomposons donc le premier terme de (26.229) en
`
(26.231)
(26.232)
(26.233)
Un tel existe par luniforme continuit de f . Dans le premier terme, |Yn a| , par consquent
}pXn , Yn q pXn , aq} |Yn a|
(26.234)
(26.235)
et donc
Le premier terme devient donc
`
(26.236)
parce que Ep1A q P pAq 1. Pour le second terme de (26.232) nous effectuons la majoration
}f pXn , Yn q f pXn , aq} 2}f }8
tandis que la convergence Yn a entraine
`
P |Yn a| .
(26.237)
(26.238)
Xi X
(26.239)
et h, une fonction mesurable sur lespace darrive de Xi . Soit C lensemble des points de continuit
de h au sens
C t P tel que h est continue en Xi pqu.
(26.240)
Alors si P pX P Cq 1, nous avons
hpXi q hpXq.
(26.241)
Une consquence de cette proposition couple au lemme de Slutsky est le rsultats suivant, qui
est donn sous le nom de thorme de Slutsky sur wikipdia.
Corollaire 26.61.
En reprenant les notations du lemme de Slutsky, si
L
(26.242a)
(26.242b)
Xn X
Yn a,
1423
26.3. CONVERGENCE
alors
L
(26.243a)
(26.243b)
(26.243c)
Xn ` Yn X ` a
Xn Yn aX
Yn1 Xn a1 X
(26.243d)
(1) Si 8
n0 P pAn q converge, alors
P pAn i.s.q 0.
P pAn i.s.q P
Ak P plim sup An q
N PN kN
(26.244)
(26.245)
(26.246)
Une faon de paraphraser le lemme de Borel-Cantelli est que nous avons lalternative
#
0 si n0 P pAn q 8
(26.247)
P plim sup An q
1 sinon.
Proposition 26.63.
Soit Xn , une suite de variables alatoires et X une variable alatoires. Si
`
P }Xn X} 8
(26.248)
p.s.
P pAn, q 8
(26.249)
n
(26.250)
Un lment est dans lim sup An si il est contenu dans tous les An , par consquent, pour chaque
nous avons linclusion
t P tel que Xn pq Xpqu A lim sup An .
(26.251)
(26.252)
Or la probabilit de lensemble
t P tel que }Xn X} u
(26.253)
est 0 pour chaque , et par consquent la probabilit du membre de droite de (26.252) est 1.
1424
Exemple 26.64
Considrons une suite de 0 et de 1 dans laquelle le 1 arrive avec une probabilit p et le 0 avec une
probabilit 1 p. Une telle suite est modlise par une suite de variables alatoires de Bernoulli
pXn qnPN indpendantes de paramtre p.
Question : une telle suite contient elle une infinit de 1 ? Considrons les vnements indpendants An tXn 1u. Nous avons
p 8.
(26.254)
P pXn 1q
P pAn q
n
(26.255)
Donc une infinit dvnements An se produisent, et nous avons bien une infinit de 1 dans la suite.
Remarque : dans
ce raisonnement nous pouvons considrer une probabilit non constante pn
tant que la srie n pn diverge.
4
Exemple 26.65
propos de maximum. La fonction h : Rd R donne par hpx1 , . . . , xd q maxi txi u est une
fonction continue. Nous voudrions prouver que si on a une famille (finie en i 1, . . . , l) de suites
piq p.s.
(en n) variables alatoires Xn a convergeant toutes vers la mme limite a, alors
p.s.
Mn maxtXnpiq u a.
i
(26.256)
piq
(26.257)
converge vers la mme limite. En effet si 0 est donn, il suffit de prendre Ni lentier tel que
piq
|xn a| pour tout n Ni . Et ensuite on prend N maxtNi u.
Si maintenant au lieu de suites numriques, nous avons des variables alatoires, le rsultat reste
valable. Nous cherchons prouver que
Par ce que nous venons de dire sur les suites numriques, un lment nest pas dans cet ensemble
piq
seulement si il y a un 8 pour lequel Xn ne converge pas vers a. Or cela, pour chaque i est un
vnement de probabilit zro.
Les qui ne fonctionneront pas dans lquation (26.258) sont ceux de la runion dun ensemble
fini densembles de probabilit nulle. Cest donc de probabilit nulle.
4
26.4
26.4.1
Ep|X| q
|X|
XpqdP pq
|X|
dP r P p|X| q.
(26.259)
(26.260)
1425
E pY q
P pY bq
.
(26.261)
pbq
Thorme 26.68 (Loi forte des grands nombres).
Soit pXn q une suite de variables alatoires relles
(1) indpendantes et identiquement distribues,
(2) intgrables (cest dire dans L1 ),
alors
n
1
p.s.
Xi EpX1 q.
n i1
(26.262)
Note : tant donn que les variables alatoires sont identiquement distribues, nous avons
videmment EpX1 q EpX2 q . . .
Problmes et choses faire
Corollaire 26.69.
Si les variables alatoires relles Xn sont
(1) indpendantes et identiquement distribues,
(2) dans L2
alors
P
n
X
EpX1 q.
n EpX1 q| 0.
P |X
(26.263)
(26.264)
nq
Remarquons dabord que les variables alatoires Xn tant identiquement distribues, EpX
EpX1 q parce que EpXi q EpX1 q pour tout i. Lingalit de Markov avec r 2 nous donne
n EpX
n q| 1 E |X
n EpX
n q|2
P |X
(26.265)
2
n EpX
n q|2 VarpX
n q. Par la proposition 26.26 nous avons VarpX
nq
o nous reconnaissons E |X
VarpX1 q{n et par consquent
`
n EpX
n q| 1 VarpX1 q,
P |X
n 2
(26.266)
Proposition 26.70.
Soient Xn des variables alatoires indpendantes et identiquement distribues avec Xn 0. Nous
acceptons EpX1 q 8, cest dire que nous relaxons la condition Xn P L1 par rapport la loi des
grands nombres.
Alors
p.s.
n
X
EpX1 q P r0, 8s.
(26.267)
Dmonstration. Si EpX1 q 8, nous sommes dans le cas de la loi des grands nombres. Pour chaque
N P N nous considrons la suite de variables alatoires
XnpN q minpXn , N q.
(26.268)
1426
npN q X
n . Les variables alatoires XnpN q tant bornes par N , elles vrifient
Nous avons videment X
la loi des grands nombres pour chaque N sparment. Par consquent nous avons pour chaque N
la limite
pN q EpX pN q q
X
(26.269)
n
1
pN q
q 8. Soit 0 et choisissons
(26.270)
npN q . Au
La limite (26.269) nous permet de trouver n0 tel que pour tout n n0 nous ayons X
final,
npN q X
n,
X
(26.271)
n 8.
ce qui montre que X
Exemple 26.71
La loi des grands nombres justifie la pratique courante dapproximer une grandeur physique par
la moyenne empirique dun grand nombre de mesures.
4
Exemple 26.72
Citons ici le dernier paragraphe de Le mystre de Marie Roget par Edgar Allan Poe, traduit par
Charles Baudelaire 4 .
Rien, par exemple, nest plus difficile que de convaincre le lecteur non spcialiste que,
si un joueur de ds a amen les six deux fois coup sur coup, ce fait est une raison
suffisante de parier gros que le troisime coup ne ramnera pas les six. Une opinion
de ce genre est gnralement rejete tout dabord par lintelligence. On ne comprend
pas comment les deux coups dj jous, et qui sont maintenant compltement enfouis
dans le Pass, peuvent avoir de linfluence sur le coup qui nexiste que dans le Futur.
La chance pour amener les six semble tre prcisment ce quelle tait nimporte
quel moment, cest--dire soumise seulement linfluence de tous les coups divers que
peuvent amener les ds. Et cest l une rflexion qui semble si parfaitement vidente,
que tout effort pour la controverser est plus souvent accueilli par un sourire moqueur
que par une condescendance attentive.
Dans le cours de la nouvelle, Edgar Poe cite et utilise la thorie des probabilits avec une justesse
inaccoutume dans la littrature. Mais dans ce paragraphe final, Poe montre de faon la plus
formelle quil na rien compris la loi des grands nombres.
4
26.4.2
Lemme 26.73.
Soit zn z une suite convergente dans
Thorme 26.74.
Si les variables alatoires Xn sont
C. Alors
zn n
1`
ez .
n
(26.272)
1
n
i1 Xi ,
EpXq
n m L
X
X
bn
? N p0, 1q.
{ n
nq
VarpX
(26.273)
1427
Dmonstration. Nous allons crire la dmonstration dans le cas de variables alatoires relles.
La proposition 26.52 dit que la suite Xn converge en loi vers X si et seulement si les fonctions
caractristiques convergent ponctuellement. Nous devons donc prouver, pour chaque 5 t P R, que
Sn nm
ptq N p0,1q ptq.
?
(26.274)
Supposons dans un premier temps que EpXi q 0 et pXi q 1. Dans ce cas nous considrons la
fonction
` i ?t nk1 Xk
n
?
(26.275a)
Sn E e
n
k1
n
` i ?t X
E e n 1
(26.275b)
X1 ?
n
k1
n
t
X1 ?
.
n
(26.275c)
(26.275d)
Cette quantit est a priori complexe ; nous ne pouvons donc pas immdiatement passer au logarithme. Nous pouvons par contre utiliser un dveloppement en puissances de t en nous servant de
la proposition 26.43 et de lhypothse comme quoi X1 P L2 :
X1 ptq X1 p0q ` 1X1 p0qt ` 2X1 p0q
t2
` ptqt2
2
(26.276)
1X1 p0q
2X1 p0q
X1
(26.277a)
E piXq 0
2
(26.277b)
EpX q VarpX1 q 1.
t
?
n
1 t2 t2
t
1
` ? ,
2 n looooomooooon
n
n
looomooon
PR
(26.277c)
(26.278)
PC
n
t2
`
n
?
1 2
Sn ptq
n
n
(26.279)
?
o n t2 pt{ nq. Nous avons bien entendu limn8 n 0.
Nous pouvons appliquer le lemme 26.73 pour obtenir la limite
t
lim ?
Sn ptq e
n8
2 {2
(26.280)
La convergence (26.274) est par consquent prouve dans le cas o EpXi q 0 et VarpXi q 1.
Considrons maintenant des variables alatoires avec EpXi q m et VarpXi q 2 . Elles peuvent
tre crites sous la forme
Xi Xi ` m
(26.281)
i1
Xi1 ` nm,
(26.282)
1428
et
o Sn1
Sn nm
S1
?
?n
n
n
1
i Xi .
(26.283)
(26.284)
?
revient donc celle de Sn1 { n qui vient dtre effectue.
Remarque 26.75.
Le thorme central limite sapplique quelle que soit la distribution des variables alatoires Xi (dans
les limites de hypothses) ; en particulier il ne dit rien sur la moyenne des Xi . Il dit seulement que
lcart de la moyenne mesure la moyenne thorique est une variable alatoire gaussienne
si on a mesur assez de fois.
Autrement dit, si la dure dattente la poste est de 5 minutes, et si jy vais 2000 fois, alors
la probabilit que ma moyenne dattente soit de 4 minutes est la mme que la probabilit quelle
soit de 6 minutes 6 .
Voir la question (8).
Problmes et choses faire
La remarque 26.75 est une interprtation personnelle. Jaimerais avoir lavis de quelquun de plus comptent.
Remarque 26.76.
Nous pouvons obtenir la limite (26.280) dune faon alternative. Nous considrons la dtermination
du logarithme complexe sur CzR ; cela est une fonction analytique vrifiant lquation
elnpzq z
lnp1 ` zq
p1qn`1
n1
(26.285)
zn
.
n
(26.286)
(26.287a)
?
Sn ptq
Sn ptq exp ln ?
n
n
ff
2
t2 n
exp n ln 1 `
(26.287b)
n
2
ff
` t2
t2 n
t2
exp n ` n
.
(26.287c)
2
2
n
la limite n 0 nous tombons sur et
2 {2
Remarque 26.77.
tant donn que la variable alatoire
Sn nm
?
n
(26.288)
converge en loi vers N p0, 1q, nous avons la convergence des fonctions de rpartition partout o la
fonction de rpartition de la normale est continue (donc sur tout R). En particulier,
nm
1
2 {2
n
y
P
? e
?
x
dy 0.
(26.289)
n
2
8
6. Et en loccurrence, cette probabilit est nulle parce quon est en train de parler de variable alatoire continue,
mais vous voyez lide.
1429
Nous avons la borne de Berry-Essen qui donne une estimation de la vitesse de convergence : si
X P L3 , alors il existe une constante C, indpendante de x, des Xi et de n telle que
nm
X3
1 y2 {2
P Sn
?
?
e
dy
3?
(26.290)
n
2
8
`
o 3 E |X1 m|3 est le moment dordre 3 de X. La chose retenir est que la convergence est
?
la vitesse de 1{ n.
En dimension d 1, nous avons encore un thorme central limite.
Thorme 26.78.
Si d 1, et si nous avons des variables alatoires Xn valeurs dans
(1) les Xn sont indpendantes et identiquement distribues
(2) les Xn sont dans L2 .
p1q
Rd avec
pdq
Sn nm L
?
N p0, q
n
(26.291)
26.4.3
Marche alatoire
pdq
`
p1q,...,X1
CovpX1
q i,j1,...,d .
(26.292)
Nous considrons un mobile qui se dplace sur laxe Z. chaque pas de temps, nous supposons
quil va faire un pas gauche avec une probabilit p et un pas droite avec une probabilit p1 pq.
Nous nous demandons quel est le mouvement du mobile sur le long terme.
La position Sn du mobile linstant n est donne par
Sn
Xi
(26.293)
i1
o Xi est le pas effectu linstant i. Ce sont des variables de Bernoulli indpendantes avec
L
Xi p1 ` p1 pq1
cest dire
P pXi 1q p
P pXi 1q 1 p.
|Xi |dP
|x|dPX
|x|pp1 ` p1 pq1 q |1 p| ` |p| 1.
(26.294)
(26.295a)
(26.295b)
(26.296)
et
p.s.
n 1
Xi EpX1 q p1 2pq
X
n i1
Sn
p1 2pq.
n
(26.297)
(26.298)
1430
De plus nous connaissons la vitesse de divergence : elle est linaire. Le mobile suit essentiellement
lquation ppnq p1 2pqn.
Remarque 26.79.
Cela ne traite pas le cas p 1{2. Dans ce cas, nous pouvons simplement dire que Sn opnq.
26.5
26.5.1
Loi de Bernoulli
(26.299)
couleur de la boule .
Nous notons Bp1, pq la loi de Bernoulli. Elle a une expression trs simple :
`
Bp0, 1q t1u p
`
Bp0, 1q t0u 1 p
(26.300b)
X: R
(26.301)
(26.300a)
R, nous avons
PX p1 ` p1 pq0 .
(26.302)
Une fonction h qui ralise le supremum de la formule (7.292) est par exemple une fonction en
escalier qui vaut en x le plus petit entier plus grand ou gal x. Lesprance dune loi de Bernoulli
est alors
Epxq p.
(26.303)
tant donn que la variable alatoire X prend seulement les valeurs 0 et 1, nous avons pour tout
ensemble mesurable B
PX 2 pBq P pX 2 P Bq P pX P Bq,
(26.304)
et par consquent PX 2 PX et EpX 2 q EpXq. Nous trouvons donc la variance
VarpXq EpX 2 q EpXq2 p p2 pp1 pq.
26.5.2
(26.305)
Loi binomiale
1431
En termes despaces probabilis, nous avons qui est lensemble des tuple de taille n valeurs
dans t0, 1u, la tribu A est lensemble des parties de , et la probabilit P est lquiprobabilit :
P pq
1
Nn
(26.306)
(26.307)
i1
n
exactement k fois 1. Il y a k manire de dcider lesquelles des n boules seront blanches. Ensuite,
chaque boule blanche peut tre choisie parmi les m boules disponibles, et chaque boule noire peut
tre choisie parmi les pN mq disponibles. Nous avons donc
k
n m pN mqnk
P pX kq
.
(26.308)
k
Nk
En effet la mesure de probabilit sur est la mesure de comptage renormalise par le cardinal de
qui vaut N m . tant donn que p m{N , nous transformons facilement (26.308) en
n k
P pX kq
p p1 pqnk .
(26.309)
k
Une variable alatoire de loi binomiale tant une somme de variables alatoires de Bernoulli
indpendantes, lesprance 7 et la variance 8 sobtiennent en sommant les esprances et variances
termes terme :
EpXq np
(26.310)
et
VarpXq
i1
VarpXi q npp1 pq
(26.311)
en vertu de (26.305).
La loi binomiale lorsque p 0.7 et n 10.
26.5.3
10
11
Loi multinomiale
i1
k
i1
Ni n
(26.312a)
pi 1.
(26.312b)
1432
n!
pn1 . . . pkk .
n 1 ! . . . nk ! 1
(26.313)
26.5.4
Loi gomtrique
Soit pXn q une suite indpendante et identiquement distribue de lois de Bernoulli de paramtre
p. Alors la variable alatoire
Z inftn 1 tel que Xn 1u
(26.314)
(26.315)
10
11
12
13
14
Note : si p est trop grand, on ne voit vite plus rien parce que la probabilit dattendre longtemps
est vite trs faible.
26.5.5
Loi de Poisson
Une variable alatoire Z suit une loi de Poisson de paramtre , note Ppq si
P pZ kq e
k
k!
(26.316)
pour tout k P N.
La loi de Poisson est une loi de probabilit discrte qui dcrit le comportement du nombre
dvnements se produisant dans un laps de temps fix, si ces vnements se produisent avec une
frquence moyenne connue et indpendamment du temps coul depuis lvnement prcdent.
Si un vnement se produit en moyenne p fois par seconde, la probabilit dobserver lvnement
k fois durant n secondes est donne par P pZ kq o Z est une loi de Poisson de paramtre pn.
VarpXq .
La loi de Poisson de paramtre 2.
(26.317a)
(26.317b)
1433
26.5.6
Loi exponentielle
La loi de exponentielle reprsente le temps quil faut attendre pour quune particule se dsintgre si elle a en permanence une probabilit 9 dt de se dsintgrer entre t et t ` dt. Lesprance
est donc 1{.
Il se passe donc en moyenne vnements par seconde. La proposition 26.87 nous montrera
que le nombre dvnements se produisant en une seconde suit une loi de Poisson de paramtre .
Plus formellement, la loi exponentielle de paramtre , note E pq est la loi de densit
#
ex si x 0
fX : x
(26.318)
0
sinon.
Densit de la loi exponentielle de paramtre 2.
2
Proposition 26.81.
Si X E pq, alors la fonction de rpartition de X est donne par
#
1 ex si x 0
F pxq P pX xq
0
sinon.
10
(26.319)
.
it
1
VarpXq 2 .
EpXq
(26.320)
(26.321)
9. tant donn que nest pas limit 1, en ralit ce nest pas une probabilit. Je suis preneur dune bonne
interprtation physique de ce paramtre.
1434
lim
A8
exp`itq
it
ffxA
(26.322b)
(26.322c)
x0
1
eApitq
.
A8 it
it
lim
eAp`itq
eA
0.
` it |it |
1
xex dx .
xfX pxqdx
EpXq
`
R
R
8
2
2
2
EpX q
x fX pxq
x2 ex 2 .
R
0
(26.322a)
(26.322d)
(26.323)
(26.324)
(26.325)
1
.
2
(26.326)
P pA X Bq
.
P pBq
P pX x ` yq
ex .
P pX yq
(26.327)
(26.328)
La proposition suivante montre que la loi exponentielle est peu prs la seule tre sans mmoire.
Do son importance dans ltude des machines dont les pices ne subissent pas dusure.
Proposition 26.82.
Soit X, une variable alatoire admettant une densit continue f par rapport la mesure de Lebesgue. Si elle est sans mmoire, alors elle est exponentielle.
Dmonstration. Nous posons pxq P pX xq. Cela est la fonction de rpartition de X ( part
que cette dernire est 1 pxq mais cest pas grave), et est donne par
x
pxq 1
f ptqdt.
(26.329)
0
Cette dernire intgrale vrifie les hypothses du thorme 26.82, de telle sorte que soit une
fonction drivable et 1 pxq f pxq.
Dautre part en utilisant la dfinition de la probabilit conditionnelle la proprit de ne pas
avoir de mmoire donne
px ` yq pxqpyq
(26.330)
1435
px ` q pxq
pq 1
pxq lim
pxq1 p0q.
0
0
1 pxq lim
(26.331)
Exemple 26.83
Une machine a une dure de vie reprsente par une variable alatoire suivant une loi de Poisson
de paramtre . Soit Ty la variable alatoire qui reprsente la temps de vie restant sachant que
la machine a dj vcu un temps y. Nous voulons trouver la fonction de rpartition de Ty . Nous
avons
P pTy xq P pX x ` y|X yq P pX xq ex .
(26.332)
Dans ce cas, la loi de Ty ne dpend pas de y. Cela signifie que la machine ne vieilli pas et surtout
que le modle nest pas raliste.
4
Proposition 26.84.
Si X E pq et Y E pq sont indpendantes, alors
(1) P pX Y q
(2) P pX Y q
(3) P pX Y q 0
(4) minpX, Y q E p ` q.
De plus les variables alatoires exponentielles ont une proprit dabsence de mmoire :
P pX t ` s|X sq P pX tq et .
(26.333)
Dmonstration. tant donn que X et Y sont indpendantes, la densit conjointe est le produit
des densits (26.19). Nous avons donc
P pX Y q
ex ey dxdy
(26.334)
D
P pX Y q
dx
dyex ey
.
0
0
(26.335)
sage: var(a,b)
(a, b)
sage: f(x,y)=exp(-a*x)*exp(-b*y)
sage: assume(a>0)
sage: assume(b>0)
sage: a*b*f.integrate(y,0,x).integrate(x,0,oo)
(x, y) |--> a*b/(a^2 + a*b)
Pour trouver la loi de minpX, Y q, nous crivons
`
P minpX, Y q t P pX t, Y tq
P pX tqP pY tq
`
`
1 FX ptq 1 FY ptq
1 FZ ptq
(26.336a)
par indpendance
(26.336b)
(26.336c)
(26.336d)
(26.336e)
1436
26.5.7
Proposition 26.85.
Soit pXn q une suite de variables alatoires avec Xn Bpn, pn q telle que npn converge vers une
L
constante 0. Alors Xn Ppq.
Dmonstration. Commenons par crire la loi binomiale sous une forme plus adapte au passage
la limite :
n k
npn 1q . . . pn k ` 1q k
P pX kq
p p1 pqnk
p p1 pqnk .
(26.337)
k
k!
Le produit au numrateur contient k termes dans lesquels nous mettons n en vidence. Nous
trouvons
`
`
pnpqk 1 n1 1 n2 . . . 1 k1
n
P pX kq
pk pn pqnk .
(26.338)
k!
Lorsque nous passons la limite, tous les facteurs du type 1l{n tendent vers 1 ainsi que p1pn qk .
Les facteurs dont la limite nest pas 1 sont donc
P pXn kq
Nous avons
pnpn qk
p1 pn qk .
k!
npn n
1
e .
n8
n8
n
La thse est alors obtenue en remettant les morceaux ensemble.
lim p1 pn qn lim
(26.339)
(26.340)
Exemple 26.86
Considrons un serveur informatique qui reoit des requtes. Toutes les 103 s il reoit une requte
avec une probabilit p 0.05. La variable alatoire qui consiste donner le nombre de requtes
effectivement effectues en une seconde suit une loi binomiale Pp1000, pq.
Dterminons la probabilit que le serveur reoive 20 requtes en une seconde. Nous approximons
Bp1000, 0.05q par Pp50q, et la rponse est
e50
5020
7 107 .
20!
(26.341)
4
26.5.8
Soient X1 , . . . , Xn des variables alatoires relles indpendantes de loi exponentielle de paramtre . En utilisant le produit de convolution, nous pouvons trouver la fonction de densit de la
somme (voir point 26.2.3). Commenons avec deux variables alatoires X et Y . Les densits sont
fX pxq 1rx0s ex
fY pyq 1ry0s e
2 ex
x
0
1 dt
x2 ex .
fS pxq xn1 n ex .
(26.342a)
(26.342b)
(26.343a)
(26.343b)
(26.343c)
(26.344)
1437
i1
Alors Nt Pptq.
Ti tu.
(26.345)
Nous introduisons la variable alatoire Vn1 pX1 , . . . , Xn`1 q ainsi que lensemble
An`1 tx P Rn`1 tel que x1 ` . . . ` xn t x1 ` . . . ` xn ` xn`1 u.
(26.347)
A`
n`1
fn`1 pxqdx
(26.348)
o A`
n`1 est la partie de An`1 dans laquelle xi 0 pour tout i et fn`1 est la fonction de densit
conjointe des variables alatoires Xi . Nous effectuons le changement de variables
sk
xi
(26.349a)
ik
xk sk sk1
(26.349b)
(26.350a)
dont le dterminant vaut 1. Dautre part par indpendance des variables alatoires Xi , la fonction
de partition jointe fn`1 sexprime sous la forme
n`1 epx1 `...`xn`1 q
n`1 sn`1
(26.350b)
(26.350c)
En ce qui concerne les bornes de lintgrale dans les variables si , nous voulons que tous les xi soient
positifs, par consquent s1 0 et ensuite lquation xk sk sk1 demande sk sk1 . Les bornes
sont donc donnes par lensemble
0 s1 s2 . . . sn t sn`1 ,
(26.351)
(26.352)
P pSn t Sn`1 q
n`1 esn`1 ds1 . . . dsn`1
Bn st,8r
n`1
sn`1
ds1 . . . dsn
e
dsn`1
Bn
t
loooooooooooomoooooooooooon
n t
VolpBn q
1 et
(26.353a)
(26.353b)
(26.353c)
o VolpBn q est le volume de Bn qui reste calculer. Lensemble C n r0, tsn se dcompose en
cellules disjointes ( ensemble de mesure nulle prs) de la forme
C t0 sp1q sp2q . . . spnq tu
(26.354)
1438
tn
n! .
26.5.9
(26.355)
ptqn ptq
e
.
n!
(26.356)
Loi normale
La loi normale de paramtres m et 0, note N pm, 2 q est la loi donne par la densit
ff
1
1 xm 2
.
(26.357)
m,2 pxq ? exp
2
2
Proposition 26.88.
Si la variable alatoire relle X suit une loi normale N pm, 2 q, alors nous avons EpXq m et
VarpXq 2 .
ff
1
1 xm 2
EpXq ?
x exp
dx
(26.358a)
2
2 R
1
2
? pu ` mqeu {2
(26.358b)
2 R
o nous avons effectu le changement de variable u px mq{. Nous utilisons ensuite lintgrale
remarquable
?
2
eu {2 du 2.
(26.359)
R
2 t2
N pm,2 q ptq exp itm
.
2
1 xm 2
1
N pm,2 q ptq ?
eitx e 2 p q dx.
2 R
(26.360)
Xm
suit
(26.361)
(26.362)
Nous reconnaissons une transforme de Fourier. Afin de la calculer sans encombres, nous passons
par les fonctions intermdiaires suivantes :
gpxq e 2 x
x
hpxq g
(26.363)
1439
?1 kptq.
2
itm
hptqe
kptq
hptq
g ptq
?
1 2
2
eitx e 2 x dx 2et {2 .
gptq
(26.364a)
(26.364b)
(26.364c)
Attention : lintgrale calculer est une transforme de Fourier inverse, do la formule (26.364a)
qui a un signe de diffrence avec la formule usuelle. En recombinant toutes ces expressions nous
trouvons
2 2
N pm,2 q e t {2 eitm ,
(26.365)
Exemple 26.90
Une esprance qui sert de temps en temps est celle de X eZ lorsque Z N p0, 1q. Elle se
calcule en remarquant que x2 2x px q2 2 , donc
1
2
ex ex {2 dx
(26.366a)
EpeZ q
2 R
1
1
2
2
?
e 2 pxq e {2
(26.366b)
2 R
2
e {2
?
dy
(26.366c)
2 ey2 {2
e
2 {2
(26.366d)
26.5.10
Vecteurs gaussiens
Le vecteur moyenne dun vecteur gaussien est EpXq EpX1 q, . . . , EpXn q et sa matrice de
variance-covariance est la matrice
`
`
Lemme 26.92.
Si les variables alatoires relles X1 , . . . , Xn sont des variables alatoires relles gaussiennes indpendantes, alors le vecteur X pX1 , . . . , Xn q est un vecteur gaussien.
Dmonstration. Nous devons montrer que si X et Y sont des variables alatoires gaussiennes
indpendantes, alors X `Y est encore gaussienne. Lindpendance nous assure les galits suivantes
pour la fonction caractristique :
`
`
`
1440
22 t2
p12 ` 22 qt2
12 t2
exp im2 t
exp ipm1 ` m2 qt
.
X`Y ptq exp im1 t
2
2
2
(26.369)
tant donn que la loi dune variable alatoire est entirement dtermine par sa fonction caractristique (thorme 26.45), nous dduisons que X ` Y est une normale de moyenne m1 ` m2 et
de variance 12 ` 22 .
Proposition 26.93.
La fonction caractristique dun vecteur gaussien est donne par
1
X puq exp iu EpXq u KX u
2
(26.370)
kl
nous trouvons
EpAkl quk ul
kl
EpAkl uk ul q,
E rX EpXqs u rX EpXqs u
`
2
E rX EpXqs u
.
(26.372)
(26.373a)
(26.373b)
(26.373c)
(26.373d)
(26.374)
(26.375a)
Nous avons donc obtenu une forme pour la variance de la variable alatoire u X. tant donn
que u X est gaussienne de moyenne m u EpXq et de variance 2 KX pu, uq, nous avons
`
1
u X ptq exp itm 2 t2 .
2
`
1
1
X puq u X p1q exp im 2 exp iEpu Xq u KXu .
2
2
(26.376)
(26.377)
(26.378)
1441
Thorme 26.94.
Soit X pX1 , . . . , Xd q, un vecteur gaussien. Les composantes sont indpendantes si et seulement
si elles sont non corrles.
Dmonstration. Nous savons que les variables alatoires indpendantes sont non corrles. Nous
devons donc surtout prouver le contraire. Le fait que les variables alatoires Xi soient non corrles
signifie que la matrice de covariance est
2
1
0
..
KX
(26.379)
.
d2
1
X puq exp ipu1 m1 ` . . . ` ud md q p12 u21 ` . . . ` d2 u2d q
2
`
`
1 2 2
1
exp iu1 m1 1 u1 . . . exp iud md d2 u2d
2
2
X1 pu1 q . . . Xd pud q.
(26.380a)
(26.380b)
(26.380c)
Les variables alatoires Xi sont donc indpendantes parce que la fonction caractristique se factorise.
Exemple 26.95
Nous donnons prsent un exemple de deux variables alatoires gaussiennes qui ne forment pas un
vecteur gaussien. Pour ce faire nous devons chercher des variables alatoires non indpendantes.
Soit Y N p0, 1q et une variable alatoire (indpendante de Y ) donne par P p 1q 12 ,
P p 1q 12 . Nous considrons le vecteur pY, Y q.
Dabord montrons que Y est une variable alatoire gaussienne. Soit A un borlien de R. Nous
avons
P pY P Aq P p 1, Y P Aq ` P p 1, Y P Aq.
(26.381)
Par indpendance et par symtrie de Y
10
nous trouvons
(26.382a)
(26.382b)
(26.382c)
(26.383)
Note : EpY 2 q 1.
Les variables alatoires Y et Y ne sont pas indpendantes. En effet si elles ltaient, Y serait
aussi indpendante de pY q2 Y 2 , alors que Y et Y 2 ne sont pas indpendantes. Donc X pY, Y q
nest pas un vecteur gaussien.
4
Thorme 26.96 ([117]).
Soit m P Rd et K P Mpd, Rq une matrice symtrique et positive. Alors il existe un vecteur gaussien
de moyenne m et de matrice de covariance K.
10. Cest dire que P pY P Aq P pY P Aq P pY P Aq.
1442
` 1
1
exp }u}2 .
r{2
2
p2q
Y0 : Rr
u u.
(26.384)
(26.385)
Cest une variable alatoire gaussienne de loi PY0 d o d est la mesure de Lebesgue sur
tant donn que K est symtrique et positive, il existe une matrice d r telle que K AAt .
Pour voir cela, remarquons quil existe une matrice dd qui fait le travail. En effet K se diagonalise
par une orthogonale (thorme 6.292) :
? ?
K ADAt A D DAt
(26.386)
?
o D est une matrice
et D est la matrice que lon imagine. Donc
? diagonale contenant d r zros
t
la matrice L A D est une matrice telle que LL K. Maintenant, tant donn que les d r
dernires lignes de D sont vides, les d r dernires lignes de L nont pas dimportance et peuvent
tre choisies nulles, voire mme ne pas exister. La matrice A P Mdr,R qui ralise AAt K est la
troncature de L ses r premires lignes.
Nous considrons la variable alatoire Y AY0 : Rd . tant donn que AY0 est une
transformation linaire dun vecteur gaussien, cest un vecteur gaussien. Nous avons encore mpY q
0 et
`
parce que EpY0 b Y0 q 1. Nous avons utilis les formules de la section 6.36, et en particulier la
formule (6.929).
Lorsquune matrice symtrique et positive K est donn, nous avons cr un vecteur gaussien de
covariance K en crant X AY o Y est le vecteur gaussien le plus simple et o A est donn
par AAt K. La proposition suivante montre linverse : un vecteur gaussien X peut se rduire
au vecteur gaussien le plus simple en utilisant la transformation Y A1 X o A est encore
donne par AAt K. Ce rsultat nous permettra de voir les vecteurs gaussiens gnraux comme
des changements de coordonnes par rapport au vecteur gaussien simple Y pY1 , . . . , Yd q avec
Yi N p0, 1q.
Proposition 26.97.
Soit Y pY1 , . . . , Yn q le vecteur gaussien form des variables alatoires indpendantes Yi
N p0, 1q. Soit K une matrice symtrique et positive et la matrice A telle que AAt K. Alors
le vecteur X AY est gaussien de covariance K.
Dmonstration. Nous montrons que la covariance de X AY est donne par K. Nous avons
`
KX E rX EpXqs b rX EpXqs
(26.388a)
`
(26.388d)
(26.388e)
(26.389)
1443
Thorme 26.98.
Un vecteur gaussien X : Rd possde une densit par rapport la mesure de Lebesgue si et
seulement si sa matrice de covariance est inversible. Dans ce cas nous avons la densit
1
1
1
1
a
exp rX EpXqs KX rX EpXqs .
fX pxq
(26.390)
2
p2qd{2 | detpKX q|
Dmonstration. Nous supposons que EpXq 0. En utilisant la proposition 26.97, nous posons
X AY o Y est un vecteur gaussien Y N p0, 1q et AAt KX . Si K nest pas inversible, alors
A nest pas inversible non plus. Notons r d le rang de A. tant donn que X AY , la variable
alatoire X prend presque srement ses valeurs dans limage de A, cest dire dans un sous-espace
de dimension r d de Rd . Ce sous-espace est de mesure nulle pour la mesure de Lebesgue, mais
de mesure 1 pour la mesure PX . La mesure PX ne peut donc pas avoir de densit par rapport
celle de Lebesgue.
Supposons maintenant que KX soit inversible. La matrice A lest aussi. Nous anticipons lutilisation du thorme de changement de variable 13.97. Ici le changement de variable sera la transformation linaire A dont le jacobien vaut
| detpA1 q|
Soit la densit de Y . Nous posons
1
1
a
.
det A
| det KX |
(26.391)
1
fX pxq a
pA1 Xq
| det KX |
(26.392)
o est le produit des densits de d gaussiennes usuelles N p0, 1q. Nous allons dabord montrer
que cette formule est bien la fonction (26.390) et ensuite que X admet fX comme densit. Nous
avons
1
1 1 2
1
pA q
exp }A x} ,
(26.393)
2
p2qd{2
et
1 t
qA
(26.394a)
(26.394b)
x, xy
(26.394c)
xpAAt q1 x, xy
1
x KX
x,
(26.394d)
ce qui nous donne bien la formule (26.390). Nous vrifions maintenant que fX est bien une densit
pour X. Soit B un borlien de Rd . Nous avons dabord
P pX P Bq P pAY P Bq P pY P A1 Bq.
Ici nous avons utilis le fait que A tait bijectif. Nous avons ensuite
P pX P Bq
ptqdy
A1 x |JA1 pxq|dx
fX pxqdx.
A1 B
(26.395)
(26.396)
Cest ici que nous avons utilis le thorme de changement de variable 13.97.
26.5.11
(26.397)
sur lensemble t0, 1u. Cest la variable alatoire qui prend valeur 1 ou 1 avec probabilit 12 .
Parmi les proprits videntes de cette variable alatoire nous avons Epq 0 et Ep2 q 1.
1444
X
ai ri
(26.398)
i1
avec ai P R. Alors
}X}2
? `
eE |X| .
(26.399)
}X}2 E |X|2 .
(26.400)
`
Vu que cest de la quantit E |X| que nous voulons parler, nous notons lingalit
E |X|
Xpq dP pq
XpqdP pq EpXq.
(26.401)
Nous supposons que nj1 a2j 1 ; sinon nous multiplions les aj parce quil faut pour lavoir et
ce facteur sortira des deux cts de (26.399).
Nous allons passer par la variable alatoire intermdiaire
Y
p1 ` iaj rj q
|1 ` iaj rj pq|
(26.402)
j1
j1
n d
j1
1 ` a2j loomoon
rj pq2
n b
1 ` a2j
j1
n b
(26.403a)
(26.403b)
(26.403c)
eaj
(26.403d)
g
f
f n a2
e
e j
(26.403e)
j1
j1
b
2
e aj
?
e.
(26.403f)
(26.403g)
?
Donc }Y }8 e o }.}8 est la norme supremum sur . Cela nous permet de donner une premire
ingalit propos de Ep|X|q. Dabord
`
EpXY q XpqY pqdP pq
Xpq}Y }8 dP pq }Y }8 E |X| ,
(26.404)
? `
eE |X| EpXY q.
(26.405)
1445
Pour ce faire nous commenons par noter que pour chaque j nous avons Eprj q 0 et Epiaj rj2 q
iaj ; en utilisant lindpendance des rj et le lemme 26.21 nous avons alors
Eprj Y q E rj p1 ` iaj rj q
p1 ` iak rk q
(26.406a)
kj
E rj p1 ` iaj rj q
Ep1 ` iak rk q
iaj
kj
iaj .
(26.406b)
kj
1 ` iak Eprk q
(26.406c)
(26.406d)
j1
aj Eprj Y q
aj iaj i
? `
eE |X| EpXY q 1,
a2j i.
(26.407)
(26.408)
a
et nous nous empressons de montrer que }X}2 1. En effet }X}2 Ep|X|2 q alors que
`
}X}22 E p ai ri q2
(26.409a)
E
26.5.12
a2k
a2k rk2 ` 2
`2
ij
ai aj ri rj
ij
ai aj Epri rj q
(26.409b)
(26.409c)
(26.409d)
Loi de Student
Dfinition 26.100.
La loi 2 d degrs de libert est la loi de la variable alatoire Y12 ` . . . ` yn2 si les pYi q sont des
variable alatoires normales indpendantes centres et rduites.
La loi de Student d degrs de libert est la loi de la variable alatoire
X
a
K{d
(26.410)
o X N p0, 1q et K 2 pdq sont des variables alatoires indpendantes. Cette loi est note
T pdq
Nous avons une illustration de la densit de la loi 2 p10q la figure 26.1.
Limportance de cette loi sera dans le thorme de Cochrane 27.15.
26.5.13
Si X et Y sont des variables alatoires relles, nous avons dfini la covariance par (26.67) :
`
`
Une clef est le lemme 26.21 qui dit que lorsque X et Y sont indpendantes, alors EpXY q
EpXqEpY q. Nous avons les liens suivants.
1446
1
10
1
20
10
15
20
25
30
(26.412)
Donc lorsque X et Y ne sont pas corrles, la variance est sympa avec la somme. En
particulier lorsquelles sont indpendantes, mais pas seulement.
26.6
P
p` .
(26.413)
n
La loi des grands nombres nous permet de dire que a ne va pas tre trs grand. En effet si nous
posons
Yi Xi p
(26.414)
et
Zn
n
1
Sn
Yi
p ,
n i1
n
(26.415)
Zn EpY1 q .
(26.416)
La proposition 26.53 sur le lien entre les types de convergence nous donne immdiatement la
convergence en loi. Cest dire que pour tout 0,
P |Zn ` | 0.
(26.417)
En prenant 2 ,
`
P pZn 0q P |Zn ` |
0.
2
(26.418)
1447
` Sn
p ` 0.
(26.419)
n
Autrement dit, la probabilit de tomber une distance fixe de la moyenne tend vers zro lorsque
le nombre dessais augmente. Rien dtonnant.
Le thorme suivant nous indique la vitesse de convergence. Elle est exponentielle et le coefficient est donn en fonction de p et de .
n8
i1
p`
p
h` pq pp ` q ln
Alors
(26.420)
Xi Bpn, pq.
` p1 p q ln
1p
1p
(26.421)
(1) h` pq 0.
Sn
p ` enh` pq .
n
` Sn
1
lim ln P
p ` h` pq.
n8 n
n
Dmonstration. Pour tout t 0 nous avons :
Sn
P
p ` P Sn np ` n
n
E etpSn npnq
`
entpp`q E etSn
8
entpp`q
etk P pSn kq
k0
n
n k
e
e
p p1 pqnk
k
k0
`
n
ntpp`q
e
p1 pq ` pet
tk
(26.422)
(26.423)
(26.424a)
(26.424b)
(26.424c)
(26.424d)
(26.424e)
(26.424f)
(26.424g)
Justifications :
Lingalit (26.424b) est lingalit de Markov (corollaire 26.67) avec pxq etx .
La ligne (26.424d) est une utilisation du thorme de transfert 26.47.
Nous posons maintenant
`
Sn
p ` enh .
n
(26.426)
1448
R` R
pet
1 p ` pet
p
g 1 p0q pp ` q
0.
1p`p
g 1 ptq pp ` q
(26.427)
(26.428a)
(26.428b)
Par consquent sur un voisinage de t 0 la fonction g est strictement croissante et nous concluons
que g prend (au moins) quelques valeurs strictement positives. Du coup nous avons
h }g}8 0.
(26.429)
Nous cherchons maintenant pour quelle valeur de t est ralis le maximum de g. Dabord rsoudre
g 1 ptq 0 donne
pp ` qp1 pq
t0 ln
(26.430)
pp1 p q
Vu que g 1 ptq p ` 1 0, nous avons limt8 gptq 8 et donc le t0 trouv est bien un
maximum et non un minimum.
Il est maintenant loisible de calculer une valeur pour h : il suffit de calculer gpt0 q. La calcul
nest pas trs compliqu et donne
p`
1p
h gpt0 q pp ` q ln
` pp ` 1q ln
,
(26.431)
p
1p
ce qui est bien h h` pq. Cela dmontre les points (1) et (2).
Nous montrons prsent laspect optimal de lestimation. Nous savons dj que
` Sn
1
ln P
p ` h` pq.
n
n
Nous posons kn rnpp ` qs. Vu que p ` 1 et que Sn n, nous avons
` Sn
n kn
p ` P Sn npp ` q P pSn kn q
p p1 pqnkn .
P
n
kn
(26.432)
(26.433)
Cest maintenant que nous utilisons la formule de Stirling (lemme 6.149) pour chacune des factorielles intervenant dans le coefficient binomial. Nous trouvons :
` n n ?
2npnqpkn p1 pqnkn
Sn
P
p ` P pSn kn q ` kn ?e
. (26.434)
`
nkn a
kn
n
2kn pkn q nkn
2pn kn q
e
Nous savons que kn npp ` q ` pnq avec born par 1. Par consquent n kn 8 et nous
pouvons regrouper les coefficients en en
pnq
pnq
1.
pkn qpn kn q
Nous remarquons aussi que les e se simplifient. Nous rcrivons sous la forme
c
1
n
nn pkn p1 pqnkn
?
pnq kn
2 kn pn kn q
kn pn kn qnkn
loooooooooooooomoooooooooooooon
(26.435)
(26.436a)
Apnq
p kn 1 p nkn
Apnqn
kn
n kn
kn
np
np1 pq nkn
Apnq
.
kn
n kn
n
(26.436b)
(26.436c)
1449
1
n
1 `
1
1
ln P pSn kn q lnp2q `
ln
n
2n
2n
` kn ln
np
kn
n
kn pn kn q
` pn kn q ln
np1 pq
n kn
1
2n
(26.437)
1
` ln pnq .
n
`
(2) Si nous remplaons kn par npp ` q ` pnq nous voyons que ce qui est dans le logarithme
1
est major par P pnq
pour un certain polynme P . Ce terme est dans le cas lnpPnpnqq qui tend
vers zro lorsque n 8.
(3) Pour ce terme nous remplaons kn par npp ` q ` kn npp ` q. Nous devons alors tudier
la limite de
np
kn npp ` q
np
pp ` q ln
`
.
(26.438)
ln
kn
n
kn
Ce qui est dans les logarithmes est encadr de la faon suivante :
npp ` q
kn
npp ` q ` 1
.
np
np
np
(26.439)
Donc la limite de kn {np est pp ` q{p. Les logarithmes restent borns. Pour le second terme
de (26.438), le numrateur du coefficient est born par 1. Donc le second terme tend vers
zro et le tout tend vers
p
pp ` q ln
.
(26.440)
p`
nkn
n
n kn
n npp ` q ` npp ` q kn
np1 p q ` npp ` q kn
1p
n
n
n
(26.441)
parce que npp ` q kn est born par 1. Sachant cela, notre terme a pour limite
n kn
np1 pq
1p
ln
p1 p q ln
.
(26.442)
n
n kn
1p
En remettant tous les morceaux bouts bout,
1
p
1p
P pSn kn q p1 ` q ln
` p1 p q ln
h` pq.
(26.443)
n
p ` {e
1p
`
tant donn que nous avions dj prouv que P Snn p ` P pSn kn q, nous avons
lim inf
n8
1 Sn
1
ln P p
p ` q lim P pSn kn q h` pq.
n8 n
n
n
(26.444)
1 ` Sn
ln P
p ` h` pq.
n8 n
n
lim
(26.445)
Pour cette dernire dduction nous utilisons le fait que si pan q est une suite telle que an l et
lim inf n8 an l, alors pan q admet une limite qui vaut l.
1450
26.7
26.7.1
26.7.1.1
(26.446)
Gnrateur uniforme
Premire mthode
Une premire faon de gnrer une variable alatoire de loi uniforme sur s0, 1r est de diviser
par m 1 la suite de xn . En effet nous avons la proposition suivante.
Proposition 26.102.
Si pYn q est une suite de variables alatoires indpendantes et identiquement distribues de loi
uniforme sur t0, . . . , n 1u. Alors
Yn L
U r0, 1s.
(26.447)
n
Dmonstration. Nous prouvons la convergence en loi en passant par la fonction de rpartition et
la proposition 26.54. La fonction de rpartition de la densit U r0, 1s est
FX pxq x1|r0,1s .
La fonction de rpartition de la variable alatoire (discrte) Xn
Pp
(26.448)
Yn
n
est
Yn
tnxu
xq P pYn nxq
n
n
(26.449)
n8
tnxu
x,
n
(26.450)
ce qui montre la convergence des fonctions de rpartitions et donc la convergence en loi qui nous
intresse.
26.7.1.2
Seconde mthode
Soit pYn q une suite de variables alatoires indpendantes et identiquement distribues selon la
loi Yn U t0, . . . , m 1u. Alors la srie de variables alatoires
Z
Yk
mk`1
k0
(26.451)
(26.452)
Largument pour montrer cette loi est quen base m, la variable alatoire Z a un dveloppement
dcimal Z 0.Y1 Y2 Y3 Y4 .
26.7.2
x8
lim f pxq 1.
x8
1451
(26.453a)
(26.453b)
(26.454)
Remarque 26.104.
Linverse gnralis dune fonction bijective est la vraie fonction rciproque usuelle.
Proposition 26.105.
Soit f une fonction admettant un inverse gnralis f 1 . Alors nous avons f 1 ptq a si et
seulement si t f paq.
La continuit droite joue pour dmontrer cette proposition.
Proposition 26.106.
Si F est la fonction de rpartition de la variable alatoire X et si V est une variable alatoire de
loi uniforme U r0, 1s, alors F 1 pU q a la mme loi que X.
P F 1 pU q y P U F pyq
(26.455a)
F pyq
P pX yq.
(26.455b)
(26.455c)
La difficult de la mthode par inversion est quil faut tre capable de calculer linverse de la
fonction de rpartition de la loi simuler.
26.7.2.1
Loi exponentielle
La loi exponentielle est une loi qui peut tre simule par inversion. La fonction de rpartition
vaut
F pxq 1 ex ,
(26.456)
et linverse vaut
1
F 1 pxq lnp1 yq.
Par consquent, une bonne formule pour simuler une loi exponentielle est
1
lnp1 U q.
(26.457)
(26.458)
Notez que U tant uniforme, nous pouvons tout autant prendre lnpU q{.
26.7.3
Algorithme de Box-Muller
pX, Y q
2 lnpU q cosp2V q, 2 lnpU q sinp2V q
(26.459)
vrifie
1452
Dmonstration. Nous allons montrer la proposition en utilisant les fonctions tests. Soit donc
: R2 R une fonction borne et mesurable. Soient Z et W , deux variables alatoires indpendantes de loi N p0, 1q. Nous allons montrer que
`a
a
`
Par indpendance de U et V , la densit du couple est le produit des densits, donc en passant aux
coordonnes polaires,
E pZ, W q
(26.461a)
8 8
1
2
2
8
1 2
2
d
pr cos , r sin qer {2 rdr.
(26.461c)
2 0
0
a
2
Nous posons u er {2 et v 2
. En particulier r 2 lnpuq et
11
a
`a
(26.462a)
(26.462b)
?
`?
2 ln x cosp2yq, 2 ln x sinp2yq
(26.463)
est une faon dobtenir deux gaussiennes partir de deux variables uniformes.
26.7.4
Mthode du rejet
La mthode du rejet permet de simuler des lois densit. Soit f la densit de la loi simuler.
Nous faisons les hypothses suivantes.
(1) Il existe une densit g dune variable alatoire facile simuler.
(2) Il existe un k 0 tel que f pxq kgpxq.
Remarque 26.108.
Le k de la seconde hypothse est ncessairement plus grand que 1. En effet,
1 f k gk
(26.464)
parce que f et g sont des densits et ont donc une intgrale gale 1.
Proposition 26.109.
Soient pXn q et pUn q des suites de variables alatoires indpendantes au sens o non seulement les
Xi et Uk sont indpendants entre eux, mais de plus Xi est indpendant de Uj pour tout i et j.
Nous supposons que les Xi sont indpendantes et identiquement distribues, de densit g et que les
Ui sont indpendantes et identiquement distribues de loi uniforme.
Nous introduisons la variable alatoire valeurs dans N
`
# f pxq
si gpxq 0
kgpxq
(26.466)
si gpxq 0.
1453
(26.467)
Y pq Xppq pq
Dmonstration. Dabord tant donn que f pxq kgpxq nous avons pxq P r0, 1s. Nous pouvons
a priori avoir ppq 8, ce qui rendrait caduque la dfinition de Y pq. Montrons donc pour
commencer que P pp 8q 0. En utilisant lindpendance nous avons
N
P pXn q Un , @n lim
P pXi q Ui
N 8
(26.468a)
i1
`
N
lim P pX1 q U1 .
(26.468b)
N 8
`
Pour conclure nous devons prouver que P pX1 q U1 1. Pour cela nous calculons
1
`
P pX1 q U1
dx
du1pxqu gpxq
(26.469a)
R
0
gpxq 1 pxq dx
(26.469b)
R
f pxq
(26.469c)
gpxq
k
R
1
1
(26.469d)
k
1.
(26.469e)
`
Lquation (26.468) nous permet donc de conclure que P pXn q Un , @n 0. Par consquent
la variable alatoire Y pq Xppq pq a un sens.
Nous devons maintenant prouver que Y a bien f pour densit. Pour
cela nous considrons un
i1
P pXj P A, p jq.
1 j1
P Xj P A, pXj q Uj 1
.
k
(26.470)
(26.471)
tant donn que gpxqdx est la densit de Xj et que du est la densit de U , nous avons
1
`
P Xj P A, pXj q Uj
1xPA 1pxqu gpxqdudx
(26.472a)
R 0
gpxq1xPA
1pxqu du dx.
(26.472b)
R
0
looooooomooooooon
pxq
1xPA
f pxq
dx
k
1
P pX P Aq.
k
(26.472c)
(26.472d)
1454
1
1 j1
.
P pX P Aq 1
k
k
1
1 j1
P pY P Aq P pX P Aq
P pX P Aq.
1
k
k
i1
26.7.5
(26.473)
(26.474)
Si pXn q est une suite de variables alatoires indpendantes et identiquement distribues avec
Xn Bppq, alors
Z mintk 1 tel que Xk 1u G ppq.
(26.475)
26.7.6
Nous pouvons utiliser la mthode de linversion. tant donn que la fonction de rpartition de
la loi exponentielle est F pxq 1 ex , nous avons F 1 pyq 1 lnp1 yq. Par consquent partir
dun gnrateur uniforme U , nous pouvons calculer
F 1 pU q
1
lnpU q
(26.476)
26.7.7
Nous savons du point 26.5.8 que si les Ti sont des variables alatoires indpendantes et identiquement distribues de loi E pq, alors nous avons
La faon usuelle pour crer une loi exponentielle est davoir un gnrateur de loi uniforme Ui et
dcrire que
1
lnpUi q E pq.
(26.478)
Nous devons donc faire la somme de telles variables alatoires et voir partir de quel moment la
somme dpasse 1. Le calcul est le suivant :
implique
1
lnpUi q 1
i1
n
i1
(26.479)
(26.480)
Ui e .
En pratique, la variable alatoire qui se comporte comme une loi de Poisson de paramtre est
N maxtn 1 tel que
i1
Ui e u.
(26.481)
Nous gnrons donc des nombres alatoires entre 1 et 1 et nous effectuons le produit jusqu ce
quil passe en dessous de e . ce moment, nous retournons le nombre de nombres quil a fallu
gnrer.
1455
26.8. SAGE
26.8
Sage
Nous allons montrer maintenant quelques trucs importants dans lutilisation de Sage pour
raliser des petits graphiques.
Remarque 26.110.
Dans ce qui suit, nous allons parler de Sage, mais en ralit nous allons surtout parler du module
scipy qui fait partie des modules hyper-usuels de Python. Les remerciements vont donc au moins
autant du ct de lquipe de scipy que vers celle de Sage.
26.8.1
Loi exponentielle
Il faut savoir que la dfinition dune loi continue retourne automatiquement la loi centre
rduite. Pour avoir une loi exponentielle de moyenne donne, il faut donc prciser de faon plus
maligne que ce que lon croit.
1
f r o m scipy i m p o r t stats
2
3
4
5
6
7
26.8.2
Pour trouver des intervalles de confiance, il faut souvent calculer des inverses de loi. Bien
entendu Sage le fait. Ce que sage connat, cest linverse de la fonction de survie. Autrement dit si
X est une variable alatoire, X.sf est la fonction x 1 P pX xq et X.isf en est linverse. Pour
rsoudre P pX q , il faut rsoudre F pq , cest dire
1 F pq 1 ,
(26.482)
ce qui se fait de la faon suivante : le programme suivant donne pour une loi normale centre
rduite la valeur de pour laquelle P pN q 0.05 :
1
f r o m scipy i m p o r t stats
2
3
4
5
N = stats . norm
p r i n t N . mean ()
p r i n t N . var ()
# 0
# 1
xi = N . isf (0.95)
p r i n t xi
N . cdf ( xi )
# Vrification : 0.05
6
7
8
-1.64485
9
10
11
12
# G r a p h i q u e s de la f o n c t i o n de d e n s i t et la c u m u l a t i v e .
13
14
15
code_sage2.py
1456
26.9
Monte-Carlo
(26.483)
Les mthodes
classiques consistent discrtiser lintervalle ra, bs et en calculant une somme de la
forme i wi f pxi q.
Lide de Mont Carlo est de remplacer le dcoupage dterministe xi par des variables alatoires
Xi en trois tapes.
(1) Pour cela nous commenons par crire lintgrale comme une esprance : I EpXq o
X est une variable alatoire dfinie sur un espace probabilis p, F, P q dterminer. Une
contrainte est videmment davoir X P L1 p, F, P q.
(2) Nous gnrons une suite indpendantes et identiquement distribue de variables alatoires
pXn q de mme loi que X et la loi (forte) des grands nombres implique que
n
1
p.s.
Xn
Xk EpXq I.
n k1
(26.484)
Exemple 26.111
1
Nous voudrions dterminer de faon approche lintgrale I 0 f pxqdx. Si U U r0, 1s, alors
`
I E f pU q
(26.485)
et il suffit de faire
n
1
f pUi q.
n k1
(26.486)
4
Exemple 26.112
Supposons que la fonction intgrer se prsente sous la forme f pxq hpxqgpxq avec g 0 et telle
que lintgrale R g existe. Notons
c
g
(26.487)
R
et
hpxqc
gpxq
dx.
c
I
f px1 , . . . , xd qdx1 . . . dxd .
Nous crivons
r0,1s1
(26.488)
4
(26.489)
I E f pU1 , . . . , Ud q
(26.490)
(26.491)
o les Ui sont de loi uniformes sur r0, 1s. En pratique, nous gnrons une suite de variables alatoires
de pZk q de lois uniformes que nous regroupons par paquets :
Ces variables alatoires Vk sont indpendantes et identiquement distribues de loi U r0, 1sd . Ensuite
la loi des grands nombres nous indique que
n
1
I
f pVk q.
(26.492)
n k1
1457
26.9. MONTE-CARLO
26.9.1
26.9.1.1
Intervalle de confiance
Principe
Nous supposons que nous travaillons sur une approximation de Monte-Carlo telle que la variable
n I tandis que le thorme
alatoire choisie soit dans L2 . La loi des grands nombres nous dit que X
central limite nous enseigne que
Par consquent
n EpXq L
X
?
N p0, 1q .
{ n
(26.493)
Xn EpXq
?
P
P ru, us P pu Z uq
{ n
(26.494)
o Z N p0, 1q. En remplaant EpXq par I et en effectuant les manipulations usuelles, nous
trouvons que P pI P J q 1 si
n u ? , X
n ` u ?
J X
n
n
(26.495)
o 2 est la variance de X. Si nest pas connue, alors nous le remplaons par un estimateur
Sn1
et nous considrons lintervalle
n
1
n q2
pXk X
n 1 k1
(26.496)
S1
Sn1
n u ?
Xn ` u ?n .
J1 X
n
n
(26.497)
1
2
ez ez {2 dz
I?
2 R
(26.498)
I EpXq.
(26.499)
avec 0. Nous introduisons la variable alatoire X eZ avec Z N p0, 1q. Nous avons alors
Par ailleurs lintgrale demande vaut e {2 . En appliquant les formules vues plus haut nous trouvons
n u ? , X
n ` u ?
J X
(26.500)
n
n
2
(26.501)
2973
1.96 ? 102 ,
n
(26.502)
Nous avons utilis la formule (26.366). Si nous choisissons 2, nous trouvons 2 2926. Donc
si nous voulons une longueur de J plus petite que 102 tout en demandant 0.05 (ce qui
implique u 1.96), nous devons avoir
cest dire environ n 1011 , ce qui soit dit en passant est trs largement au del des capacits de
la commande rand de scilab.
4
Nous allons maintenant voir quelques mthodes pour rduire la variance.
1458
26.9.1.2
chantillonnage prfrentiel
Nous devons calculer I R f pxqdx. Pour cela nous introduisons artificiellement une densit g
et nous crivons
f pxq
f pY q
I
(26.503)
gpxqdx E
gpY q
R gpxq
o Y est de densit g. Il faut essayer de trouver g de telle sorte ce que
Var
f pY q
gpY q
(26.504)
(26.505)
Il faut alors choisir Z de telle sorte que EpZq soit calculable et que X Z ait une variance plus
faible. En particulier, Z ne peut pas tre indpendante de X.
26.9.1.4
Variables antithtiques
1
Soit I 0 f pxqdx. La premire ide (exemple 26.111) est dcrire
`
I E f pU q
(26.506)
o U U r0, 1s, mais nous navons pas de garanties sur la variance de f pU q. Nous pouvons crire
1`
`
I E f pU q E
f pU q f p1 U q .
2
(26.507)
Ici 1U est encore une variable alatoire uniforme sur r0, 1s, mais il se fait que la variable alatoire
Z
1`
f pU q ` f p1 U q
2
(26.508)
1
Var f pU q ` Var f p1 U q ` Cov f pU q, f p1 U q .
(26.509)
4
4
2
`
Nous avons Var f p1 U q Var f pU q . En ce qui concerne le terme avec la covariance, nous lui
appliquons lquation (26.56) :
VarpZq
Cov f pU q, f p1 U q E pf pU q Iqpf p1 U q Iq
`
1{2 `
1{2
E pf pU q Iq2
E pf p1 U q Iq2
`
Var f pU q
(26.510a)
(26.510b)
(26.510c)
o nous avons utilis le fait que E f pU q E f p1 U q I. Au final nous avons bien obtenu
`
VarpZq Var f pU q .
(26.511)
1459
26.10
26.10.1
Nombres normaux
n pxq
bn
n1
(
Nx pr, nq Card i P t1, . . . , n k ` 1u tel que 1 pxq r1 , . . . , i`k1 rk .
(26.512)
(26.513)
Cest le nombre doccurrences du motif r (de longueur k) dans les n premires dcimales de x.
Dfinition 26.114.
Un nombre x P r0, 1r est normal en base b si pour tout r P t0, . . . , b 1uk nous avons
Nx pb, nq
1
k.
n
b
(26.514)
(26.515)
(26.517)
Les variables alatoire Xj sont des variables alatoire de Bernoulli indpendantes et identiquement
distribues de paramtre EpXj q P pXj 1q P p1 bq 1b . Nous pouvons utiliser dessus la
loi forte des grands nombres (thorme 26.68). Pour dire que
n
1
1
p.s.
Xi EpX1 q .
n i1
b
(26.518)
Mais en ralit nous avons aussi nj1 Xj N pr, nq parce que en appliquant x P r0, 1r :
#
n
(
1 si j pxq r
Card i P t1, . . . , nu tel que i pxq r Nx pr, nq,
(26.519)
j1 0 sinon
11. Nous excluons 1 parce que son dveloppement en puissances ngatives de b est zro.
1460
de sorte que lquation (26.518) nous dit exactement que pour tout r P A,
lim
n8
1
Nx pr, nq
n
b
(26.520)
(26.522)
alors que P pY1 1qP pY2 2q b4 . Nous pouvons contourner ce problme en remarquant que les
i , eux, sont indpendants. Donc le lemme de regroupement 26.15 nous dit que la famille tY2n u
est une famille de variables alatoires indpendantes (et idem pour la famille Y2n1 ). En effet, les
variables alatoires Y2n correspondent la partition 23, 45, 67, etc.
Nous appliquons la loi des grands nombres sur les deux familles indpendamment :
n
1
p.s. 1
Y2j1 2
n j1
b
et
(26.523)
n
1
p.s. 1
Y2j 2
n j1
b
(26.524)
Pour rappel, le but pour linstant est dtablir la limite limn8 n1 nj1 Yj b12 . Nous allons ltablir
sparment pour les termes pairs et impairs de la suite. Pour les pairs :
2n
n
n
1
1 1
1 1
p.s. 1
Yj
Y2j1 `
Y2j 2
(26.525)
2n j1
2 n j1
2 n j1
b
Pour les impairs 12 ,
2n1
1
n
Yj
2n 1 j1
2n 1
n
1
Y2j1
n j1
1
b2
n
`
2n 1
n
1
Y2j
n j1
1
b2
(26.526)
n1
N pr, nq
1
n1
Yj
n
n j1
n
n1
1
Yj
n 1 j1
1
b2
(26.527)
tant que r P A2 .
Pour prouver la mme chose avec r P Ak , il suffit de faire le mme raisonnement en divisant
en plus de paquets : tYkj`m um1,...,k1 sont indpendants et nous utilisons k fois la loi des grands
nombres.
Donc pour toute base b nous savons que les nombres normaux en base b forment un ensemble
de mesure nulle dans r0, 1r. Il reste voir que leur union reste de mesure nulle. Cela est vrai parce
que nous avons une union dnombrable et quune union dnombrable densembles de mesure nulle
est de mesure nulle par le lemme 7.34.
12. Ici dans [1], la seconde somme va jusqu n 1 et je ne comprends pas pourquoi.
1461
Remarque 26.116.
Un nombre x est normal en base b si et seulement si la suite uk xbk est quirpartie modulo
1 sur r0, 1s (cest dire quel la suite des parties fractionnelles des uk est quirpartie). Pour le
nombre 0.2357873 . . ., nous parlons de la suite 0.2357873 . . . ; 0.357873 . . . ; 0.57897 . . . etc. Cest la
suite des queues de suites de la suite de ses dcimales 13 .
26.10.2
Thorme de Bernstein
(26.528)
n k
k
nk
Bn pf qpxq
x p1 xq
f
.
k
n
k0
(26.529)
}f Bn pf q}8 C
1
?
n
(26.530)
(2)
unif
(26.531)
Bn pf q f
(3) Lingalit (26.530) est optimale : il existe une fonction g P C 0 r0, 1s, C et 0 tels que
pour tout N 1, }g Bn pgq}8 ?n . Cette fonction peut tre choisie Lipschitzienne. Une
telle fonction est donne par exemple par gpxq |x 21 |.
il y a trois astuces. La premire est de se souvenir que E f pxq f pxq, et la seconde est
que le thorme de transfert 26.47 appliqu x f px{nq donne 15
n
n
` Sn
n k
k
k
E f
P pSn kq
x p1 xqnk ,
f
f
n
n
n
k
k0
k0
Bn pf qpxq E f
` Sn
n
` 1
?
Sn
1 ?
Sn
Sn
|x
| ? | n ? |
n|x
|`1 ? .
n
n
n
n
n
13. Cest pas trop bien dit, mais on se comprend, non ?
14. Dfinition 26.8.
15. Nous avons aussi utilis la formule de lesprance pour les variables alatoires discrtes.
(26.532)
(26.533)
(26.534)
1462
`
f pxq Bn pf qpxq E f pxq f Sn
` Sn
E |f pxq f
|
n
Sn
E |x
|
n
?
1
Sn
?
E | nx
|`1 .
n
n
Le dernier facteur peut tre rcrit sous la forme
?
?
Sn
Sn
nx
E
` 1 nE x
` 1,
n
n
o }X}2 dsigne
}X}2
f pxq Bn pf qpxq
b `
E |X|2 .
1
?
n
?
Sn
`1 .
n x
n 2
x
1
Sn 2
x2 2 EpSn q ` 2 EpSn2 q.
E x
n
n
n
(26.535a)
(26.535b)
(26.535c)
(26.535d)
(26.536)
(26.537)
(26.538)
(26.539)
(26.540)
Ensuite nous savons lesprance de Sn (qui vaut EpSn q nx) par (26.310) et le lemme
26.21 nous permet de calculer EpSn2 q par indpendance des Xi qui composent Sn . Nous
avons alors
Sn 2
1
1
E x
x2 2x2 ` 2
EpXi qEpXj q ` 2
EpXi2 q
(26.541a)
n
n 1ijn
n i1
n2 n 2 nx
x ` 2
n2
n
xp1 xq
.
n
x2 `
Quelques justifications :
EpXi q EpXi2 q x parce que Xi est une variable alatoire de Bernoulli de
x.
La premire somme contient tous les couples pi, jq sauf les diagonaux ; il y
n2 n.
En recombinant le tout,
?
1
xp1
xq
f pxq Bn pf qpxq ?
n
`1
n
n
1 `a
?
xp1 xq ` 1
n
3
1
?
.
2
n
(26.541b)
(26.541c)
paramtre
en a donc
(26.542a)
(26.542b)
(26.542c)
1463
3
1
0.
(26.543)
}f Bn pf q}8 ?
2
n
Ceci prouve les deux premiers points du thorme.
(2) Fait.
(3) Nous considrons la fonction
1
gpxq }x j}
(26.544)
2
et nous vrifions quelle vrifie toutes les conditions. Dabord si u, v P r0, 1s alors
gpuq gpvq |u v|
(26.545)
et donc phq h, ce qui signifie que g est 1-Lipschitz. Le principe de cette partie est de
montrer que }g Bn pgq}8 est plus grand que dautres trucs (et non plus petit que dautres
trucs comme dhabitude). Nous commenons par
1
1
}g Bn pgq}8 gp q Bn pgqp q.
2
2
(26.546)
Trs vite nous nous rendons compte que gp1{2q 0. Ensuite nous nous souvenons que
Sn
Sn 1
1 `
1
|
E |2Sn n| .
(26.547)
Bn pgqp q E gp q E |
2
n
n
2
2n
}f Bn pf q8 }
n
n
2
`
2
j E
j
j1
j1
1ijn
Epi qEpj q `
i1
(26.548)
Ep2i q 0 ` n n.
(26.549)
}f Bn pf q8 }
1
?
n
(26.550)
1464
Chapitre 27
Statistiques
27.1
Notations et hypothses
Nous notons X le caractre tudier, et lensemble des individus. Le caractre tudier est
vu comme une fonction sur :
X : R, N, t0, 1u, . . .
(27.1)
Les statistiques descriptives sont les techniques pour prsenter et rsumer les donnes : diagrammes, graphiques, indicateurs numriques : moyenne, cart-type, mdiane, . . .
Nous faisons les hypothses suivantes :
(1) Chaque observation xi est la ralisation de la variable alatoire X qui sera de loi inconnue
.
(2) Le n-uple px1 , . . . , xn q est la ralisation de pX1 , . . . , Xn q qui est lchantillon de taille n.
(3) Les variables alatoires Xi sont indpendantes et identiquement distribues, de loi commune
. La loi est la loi parente de lchantillon.
Exemple 27.1
Un chantillon de taille 1 consisterait tirer au sort une personne dans une population et mesurer
sa taille.
4
Exemple 27.2
Une chantillon de taille n consisterait tirer au sort n personnes dans une population et de
mesurer leurs tailles.
4
Linfrence statistique est lart de dgager des informations sur la population partir dinformations partielles : intervalles de confiance, estimateurs, test dhypothses, . . .
En thorie des probabilits, nous connaissons la loi de la variable alatoire X et nous en
dduisons des informations sur le ralisations de X : valeur la plus probable, moyenne, intervalle
dans lequel Xpq a le plus de chance dappartenir. En statistique, au contraire, la loi est inconnues
et nous cherchons des informations sur la loi partir dun chantillon de donnes numriques
observes.
27.2
Modle statistique
S p, F, P q, pX qP , p qP
(27.2)
o p, F, P q est un espace probabilis, pX q est une famille de variables alatoires dfinies sur
et telles que pour tout P , la variable alatoire X suive la loi . Les sont des mesures sur
les borliens de R et pour tout B P BorpRq nous avons
P pX P Bq pBq.
1465
(27.3)
1466
Remarque 27.3.
Dune certaine manire, lintroduction de dans la dfinition est redondante parce que ces mesures
sont dj contenues dans la donnes des variables alatoires X .
Exemple 27.4(Modle statistique gaussien)
Si nous savons que les variables alatoires Xi suivent une loi gaussienne, alors nous considrons
R R` et pm, 2 jq. Dans ce cas, N pm, 2 q et le but de la statistique est
de dterminer la valeur de qui correspond une population en partant de lobservation dun
chantillon.
4
Dfinition 27.5.
Si Rk , nous disons que le modle statistique est un modle paramtrique.
Nous noterons souvent pX1 , . . . , Xn q la place de pX,1 , . . . , X,n q un chantillon, mais il faut
se souvenir que les Xi suivent toujours la mme loi donne par . La loi du vecteur pX1 , . . . , Xn q
est b . . . b et est dfinie sur lespace pn , F b . . . b F, P bn q.
Remarque 27.8.
Le travail du statisticien est de proposer un modle statistique S a priori. Si nous tudions la taille
dune population, nous allons choisir un modle gaussien. Plus le modle est prcis, plus lespace
est petit mais plus il y a de risques que le vrit soit hors de lensemble considr.
Exemple 27.9
Soit X une variable alatoire de carr intgrable que lon sait simuler. Afin dvaluer
la moyenne
1 n
a
a
a
dx
2
n ? , X
n ` ?
lim P P X
ex {2 ? .
(27.4)
n8
n
n
2
a
En effet, la condition sur est quivalente
a
n
X
? a,
{ n
tandis que le thorme central limite nous enseigne que la variable alatoire
comme N p0, 1q lorsque n est grand. Dans ce cas, nous avons que
a
Xn
1
2
? P ra, as ?
P
ex {2 dx.
{ n
2 a
Notons que dans ce calcul nous avons utilis le fait que EpX1 q.
(27.5)
n
X
?
{ n
se comporte
(27.6)
1467
n
1
Xi
n i1
(27.7)
et que
n
1
Xi
n i1
(27.8)
EpX1 q2 .
p.s.
(27.9)
n
1
1
EpXi2 q 2
n i1
n
2 ` 2
2
1 2
,
n
i1
EpXi2 q
ij
EpXi Xj qq
1`
2
2
2
2
np
`
q
`
pn
nq
n2
(27.10a)
(27.10b)
(27.10c)
(27.11)
Vu que le thorme central limite donne une convergence en loi, nous pouvons utiliser le lemme de
Slutsky pour montrer que
Xn 2
L
? , n
pZ, 2 q
(27.12)
1{ n
?x
y
si y 0
sinon
R2 R,
(27.13)
Xn 2
L
? , n
f pZ, 2 q,
f
1{ n
(27.14)
n L
X
? Z.
n { n
(27.15)
cest dire
P pZ, q P R t0u 0.
(27.16)
4
1468
Proposition 27.10.
Soit Xi des variables alatoires indpendantes et identiquement distribues de loi parente Bpn, pq.
n dsigne la moyenne empirique,
Alors si X
?
nb
n p
X
n p1 X
nq
X
Z N p0, 1q.
(27.17)
Dmonstration. Cela est une application de la loi des grands nombres, tu thorme central limite,
du lemme de Slutsky et de la proposition 26.60.
n p parce que p est lesprance de
Dabord, la loi des grands nombres nous indique que X
Bernoulli. Ensuite nous avons
EpXq
n p
? X
X
an
? na
VarpXq{ n
pp1 pq
(27.18)
parce que la variance dune loi de Bernoulli est pp1 pq. Le thorme central limite nous indique
par consquent que
n p
? X
L
na
Z N p0, 1q.
(27.19)
pp1 pq
Le lemme de Slutsky implique alors la convergence du couple :
n p
? X
L
n
na
,X
pZ, pq.
pp1 pq
(27.20)
(27.21)
qui est une fonction dont lensemble des points de discontinuit est C t0u. tant donn que
n 0q 0, la proposition sapplique et nous avons
P pX
n p
? X
L
n
f
,X
na
f pZ, pq,
(27.22)
pp1 pq
cest dire
27.3
nb
n p
X
n p1 X
nq
X
Z N p0, 1q.
(27.23)
Modles dchantillonnages
Soit X, une variable alatoire sur p, F, P q. Un chantillon de taille n pour X est une suite
de n variables alatoires pX1 , . . . , Xn q dfinies sur p, F, P q indpendantes et de mme loi que X.
Nous disons que la loi de X est la loi parente de la suite Xi .
Dfinition 27.11.
Soit
S p, F, P q, pX q, p q
(27.24)
1469
Xi .
Xn
n i1
(27.25)
La proposition suivante signifie que la moyenne empirique est une bonne faon dapprocher
la variable alatoire.
Proposition 27.12.
Soit X, une variable alatoire dans L2 pq (cest dire EpX 2 q 8) desprance m et de variance
2 . Alors
n q m et VarpX
n q 2 .
(1) EpX
n
p.s.
n
m
X
n m L
X
? Z N p0, 1q.
{ n
(27.26a)
(27.26b)
(27.27)
Remarque 27.13.
Lintrt de cette proposition en statistique descriptive exprimentale est le suivant. La taille
moyenne des franais est un nombre m qui existe, mais qui est largement hors de porte de
lexprience (mesurer 65 106 personnes risque de prendre un sacr temps). Si on mesure seulement
n personnes dont les tailles sont pxi qi1,...,n (ici xi est un nombre exprimental, pas une variable
alatoire), alors on peut calculer la moyenne x
n de ces n personnes-l. La proposition indique que
si n est assez grand, alors x
n donne une bonne ide de m.
Ne pas confondre Xn qui est une variable alatoire, cest dire une application mesurable, qui
nous sert dmontrer des thormes en mathmatique, avec xn qui est un nombre mesur sur le
terrain, qui a une existence physique bien dfinie, mais aucun status mathmatique.
Si on croit que toute cette histoire de variables alatoires, de tribu et de mesures dcrit ef n dcrit bien le
fectivement la ralit, alors on peut croire que le comportement de la suite X
comportement de la suite x
n (cette dernire ntant mme pas une suite parce quon na jamais
quun nombre fini de mesures exprimentales).
La variance empirique dun chantillon est la variable alatoire
n
1
n q2 .
pXi X
n i1
Vn2
(27.28)
n
1
n q2 .
pXi X
n 1 i1
(27.29)
Lemme 27.14.
La variance corrige et la variance empirique ont comme esprances :
n1 2
n
EpSn2 q 2 .
EpVn2 q
(27.30a)
(27.30b)
1470
Dmonstration. Nous commenons par calculer lesprance de la variance non corrige. La premire
tape est de la rcrire sous la forme
1 2
n ` X
n2 q
pXk 2Xk X
n k
1 2
1 2 2
X
Xk Xn
Xk `
n k
n
n k n
lokomoon
loomoon
Vn2
n
nX
2
nX
n
1 2
2 ` X
2
X 2X
n
n
n k k
1 2
2.
X X
n
n k k
(27.31)
Nous calculons sparment lesprance de ces deux termes. Si X est la loi parente des Xi , en
utilisant lindpendance des Xi nous trouvons
n
1 2
1
E
Xk
EpXk2 q
n k
n k1
(27.32)
EpX 2 q
EpXq2 VarpXq.
n2 :
Nous devons prsent calculer lesprance de X
2 q EpX
n q2 ` VarpX
n q.
EpX
n
(27.33)
Par consquent
1
Xk
n k
1
VarpXk q
n2 k
1
VarpXq.
n
1
n1
EpVn2 q VarpXq 1
VarpXq.
n
n
(27.34a)
(27.34b)
(27.34c)
(27.35)
n
2
n1 EpVn q
1
n q2 n Vn2 ,
pXk X
n1 k
n1
(27.36)
VarpXq.
(27.37)
1471
Nous pouvons aussi crire le dernier rsultat en termes de la variance corrige Sn , lestimateur
sans biais de la variance parce que
d
Vn
1
? Sn
(27.38)
n1
n
Proposition 27.16.
Soit X une variable alatoire de variance VarpXq . Si EpX 4 q 8, alors
(1) Sn2 2 .
p.s.
(2)
S 2 2 L
bn
Z N p0, 1q
4 4
n
(27.39)
Thorme 27.17.
Si pX1 , . . . , Xn q est un n-chantillon de loi parente N pm, 2 q, alors
(1) Les variables alatoires
n m
X
?
{ n
et pn 1q
Sn2
2
(27.40)
sont indpendantes.
(2) La loi de pn 1q Sn2 est 2 pn 1q.
2
Si un chantillon vrifie ces deux proprits, alors les Xi sont de loi N pm, 2 q.
Lingalit de Markov donne une borne suprieure la probabilit quune variable alatoire
positive soit plus grande ou gale une constante.
Thorme 27.18 (Ingalit de Markov).
Soit X une variable alatoire valeurs dans
pour tout a 0.
E pXq
P pXq a
a
`
dP
a
a
pXq
pXq
dP `
dP
a on
a
pXqa loomo
pXqa
Do lingalit voulue.
27.4
(27.41)
(27.42)
dP
pXqa
P pXq a .
Estimation ponctuelle
S p, F, P q, pX q, p q P
(27.43)
1472
et pour tout nous notons X pX,1 , . . . , X,n q un chantillon de loi parente . Tant que nous
travaillerons avec un fix, nous crirons X pX1 , . . . , Xn q sans expliciter la paramtre . Nous
noterons
E pX1 , . . . , Xn q
px1 , . . . , xn qdbn
(27.44)
px1 , . . . , xn q.
Rn
Dans cette notation nous plaons le sur lesprance, tandis quen ralit le devrait tre sur
chaque X1 . Tant quaucune confusion nest possible nous ferons toujours cet abus dcriture.
Le but de la thorie de lestimation est de dduire la valeur de (et donc la loi ) partir
dun chantillon de loi parente .
Nous posons les hypothses suivantes.
(1) Le modle statistique S est paramtr, cest dire que Rd avec le plus souvent d 1, 2.
Typiquement les paramtres seront la moyenne et la variance.
(2) Le modle statistique est identifiable, cest dire que pour tout couple p1 , 2 q P 2 , si
1 2 , alors 1 2 .
(3) Le modle S est domin par la mesure de Lebesgue si les lois sont continues et par la
mesure de comptage si les lois sont discrtes.
Exemple 27.19
`
La famille des lois exponentielles E pq 0 est identifiable. Les lois gaussiennes N pm, 2 q mPR,2 0
sont galement identifiables.
En ralit il est assez compliqu de trouver un exemple de modle non identifiable moins
de
la
faire exprs. Par exemple en paramtrant les lois exponentielles de la faon suivante :
`
E psinpqq PR . Cette famille nest pas identifiable.
4
Le corollaire 13.6 ainsi que lhypothse de modle domin implique que les lois ont des densits.
Si la loi est discrte, nous notons
ppx, q ptxuq
(27.45)
ppx, q f pxq
(27.46)
la densit de par rapport la mesure de comptage. Si La loi est continue, nous notons
pn px1 , . . . , xn ; q bn
tx1 , . . . , xn u ptx1 uq . . . ptxn uq ppx1 , q . . . ppxn , q.
(27.47)
La premire et la dernire galit sont des notations ; la seconde est une consquence de lindpendance des Xi contenues dans lchantillon. Pour une loi continues, nous adoptons la mme
notation. Le vecteur alatoire pX1 , . . . , Xn q admet la densit
px1 , . . . , xn q pn px1 , . . . , xn ; q f px1 q . . . f pxn q ppx1 , q . . . ppxn , q.
(27.48)
Exemple 27.20
Soit pX1 , . . . , Xn q un n-chantillon de loi Bp1, q avec P s0, 1r. Cest une loi discrte porte par
lensemble t0, 1u. Nous avons
$
si 0 x 1
&0
ppx, q 1 si x 0
(27.49)
si x 1.
(27.50)
1473
i p1xi q
1t0,1un px1 , . . . , xn q.
(27.51)
4
27.5
Statistiques et estimateurs
Dfinition 27.21.
Une statistique sur un modle dchantillonnage est une variable alatoire fonction de lchantillon
pX1 , . . . , Xn q ne dpendant pas de 1 . Cest dire une application borlienne T : Rn R ne
dpendant pas de . La statistique associe cette application est S T pX1 , . . . , Xn q.
Les fonctions T pX1 , . . . , Xn q donnes par i Xi , e Xi sont des statistiques. La constante 12 est
galement une statistique (mais elle est moins intressante).
Un estimateur est une statistique qui prend ses valeurs dans . Nous la noterons
n pX1 , . . . , Xn q.
(27.52)
Exemple 27.22
Soit un n-chantillon de loi Bp1, qPr0,1s . Les fonctions n n1 ni1 Xi et n 12 sont des
estimateurs. Cependant nous devinons que la premire va tre plus intressante que la seconde.
4
Pour la suite, nous travaillerons avec des estimateurs de carr intgrable, cest dire que
`
E |n pX1 , . . . , Xn q|2 8
(27.53)
pour tout P .
27.5.1
Dfinition 27.23.
Une estimateur est convergent ou consistant si pour tout P , la suite de variables alatoires
n pX1 , . . . , Xn q converge en probabilit vers .
En dautres termes, lestimateur n est convergent si pour tout P et pour tout 0,
`
lim P |n pX1 , . . . , Xn q | 0.
(27.54)
n8
(
n
n px1 , . . . , xn q | .
bn
px
,
.
.
.
,
x
q
P
R
tel
que
|
1
n
(27.55)
Rpn , q E pn q2 .
(27.56)
Nous disons quun estimateur n,1 est prfrable n,2 si pour tout P nous avons
Rpn,1 , q Rpn,2 , q.
1. Parce que dhabitude cest ce quon cherche estimer.
(27.57)
1474
Lemme 27.24.
Une formule alternative pour le risque quadratique :
`
2
Rpn , q Varpn q ` E pn q
(27.58)
E pn q2 Varpn q E pn q2 .
(27.59)
2
Dune part Varpn q Varpn q et dautre part E pn q2 Epn q . Par consquent
2
(27.60)
Rpn , q Varpn q Epn q .
Le biais de lestimateur n est la quantit
E pn q .
(27.61)
ce niveau, nous rappelons que nous crivons E lesprance calcule en supposant la valeur
pour le paramtre des diffrentes variables alatoires entrant dans le calcul. Voir la discussion
autour de la dfinition (27.44).
Exemple 27.25
Dans le cadre de la proposition 26.87, nous voulons savoir si
. Pour ce faire nous calculons
1
Nt
E pNt q
E
t
t
Nt
t
parce que EpNt q t. Ici nous avons calcul EpNt q en prenant pour valeur du paramtre du
processus de Poisson, alors que en principe cest justement le paramtre que nous voulons estimer.
4
Exemple 27.26
n est un estimateur sans billet de la moyenne. Lestimateur
La moyenne empirique X
n
1
i q2
pXi X
n 1 i1
(27.63)
4
Un estimateur sans biais nest pas toujours de meilleur qualit quun estimateur avec biais. En
effet ce que nous voulons est de se donner un (petit) intervalle I autour de la bonne valeur de et
de maximiser P pn P Iq. Sur la figure 27.1, cest lestimateur biais rouge tombe plus souvent sur
le bon intervalle que lestimateur non biais bleu.
Nous allons maintenant tudier quelques manires de construire des estimateurs convergents.
Il vont videmment sappuyer sur la loi des grands nombres.
27.5.2
E |M pXq| 8
2. Dfinition 7.64.
(27.64)
R R telle que
(27.65)
1475
hpq E M pXq
(27.66)
soit inversible et continue sur . Dans ce cas, pour estimer le paramtre , nous considrons
lestimateur
n
1
1
n h
M pXi q .
(27.67)
n i1
Cela est un estimateur convergent. En effet, la loi des grands nombres dit que
`
1
p.s.
M pXi q E M pXq .
n i
p.s.
n h1 E M pXq .
(27.68)
(27.69)
Dans cette construction, M pXq est le moment de X que lon souhaite dterminer.
Exemple 27.27
n . Pour une loi exponentielle,
Soit pX1 , . . . , Xn q un chantillon de loi E pq. Construire
EpXq
1
.
(27.70)
Nous devons donc dterminer le moment dordre 1 de X (cest dire sa moyenne). Nous considrons
donc la fonction M pxq x ; par consquent
hpq EpXq
(27.71)
1
n
1
n
i1 Xi
(27.72)
4
1476
27.5.3
Mthode de substitution
27.5.4
Rd R est une
(27.73)
Exemple 27.28
Nous dsirons contrler la qualit dune chane de production ; pour cela nous prlevons un chantillon de 10 pices, et nous en trouvons 3 dfectueuses. Que dire de la proportion de pices dfectueuses ?
videmment, le plus probable est que la proportion de pices dfectueuses soit de 1{3. Analysons
en dtail comment nous arrivons ce rsultat. Nous considrons que le fait de tirer 10 pices
revient une exprience binomiale de paramtres 10 et de probabilit p inconnue. Dans ce cas, la
probabilit dobserver exactement 3 pices dfectueuses est de
10 3
Lppq P pX 3q
p p1 pq7 .
(27.74)
3
Le maximum de Lppq est p 3{10.
Lppq
1
5
3
10
3
5
9
10
ppxi , q
(27.75)
i1
(27.76)
Remarque 27.29.
Nous passons sous le silence le fait que la fonction sup soit une fonction mesurable, et que par
consquent n soit bien une variable alatoire.
La variable alatoire n n pX1 , . . . , Xn q est lestimateur de maximum de vraisemblance
de .
Exercice 1
Soit pX1 , . . . , Xn q un chantillon de loi Bp1, q avec P r0, 1s. Trouver lestimateur de maximum
de vraisemblance de .
1477
pn px1 , . . . , xn ; q
ppxi , q
xi p1 q1xi 1t0,1un px1 , . . . , xn q.
i
(27.77)
Ln pq
xi lnpq ` p1 xi q lnp1 q
(27.78)
n
1
xi .
n i1
(27.79)
Exercice 2
Soit pX1 , . . . , Xn q un chantillon de loi E pq avec 0. Trouver lestimateur de maximum de
vraisemblance de .
Correction de lexercice 2
Nous avons
pn px1 , . . . , xn q
i exi .
(27.80)
i1
Lpq n lnpq
La minimisation donne
xi .
n
,
i xi
cest dire
(27.81)
(27.82)
n
1
n pX1 , . . . , Xn q
.
(27.83)
Xn
i Xi
Ce rsultat nest pas tonnant vu que le paramtre de la loi exponentielle est linverse de la
moyenne.
Exercice 3
Soit pX1 , . . . , Xn q, un chantillon de loi parente uniforme sur r0, s avec 0.
(1) Montrer que la fonction de vraisemblance est donne par
Lpx1 , . . . , xn ; q
1
1r0,8r minpx1 , . . . , xn q 1rmaxpx1 ,...,xn q,8r pq.
n
(27.84)
Correction de lexercice 3
Lorsque nous parlons de paramtres qui peuvent prendre un spectre continu de valeurs, il
est inutile de calculer la probabilit parce quelle est nulle. Le systme de maximum de vraisemblance fonctionne avec les densits. Dans notre cas, la fonction de vraisemblance est le produit des
densits :
Lpx1 , . . . , xn ; q
ppxi ; q
(27.85a)
i1
1
i
1r0,s pxi q
1
1 n px1 , . . . , xn q.
n r0,s
(27.85b)
(27.85c)
1478
De cette expression nous voyons que mintx1 , . . . , xn u doit tre positif en mme temps que le
maximum doit tre plus petit que . Cette seconde condition peut scrire 1rmaxtx1 ,...,xn u,8r pq. Au
final nous avons
Lpx1 , . . . , xn ; q
1
1
minpx
,
.
.
.
,
x
q
1rmaxtx1 ,...,xn u,8r pq.
1
n
r0,8r
n
(27.86)
Il nest videmment pas possible de driver explicitement cette expression. Par contre pour
cette fonction soit non nulle, il faut obligatoirement maxtx1 , . . . , xn u. Par consquent elle
prend son maximum pour maxtx1 , . . . , xn u.
La conclusion est que lestimateur de maximum de vraisemblance de est n maxi tXi u.
Exercice 4
Dterminer lestimateur de maximum de vraisemblance de la moyenne pour un modle statistique dans laquelle la famille de probabilits est
p q tN p, 2 q tel que PP Ru.
(27.87)
1
1 xi m 2
m, px1 , . . . , xn q n
.
(27.88)
exp
2 i
p2qn{2
i1
tant donn que le but est de minimiser, nous pouvons oublier le facteur et passer au logarithme :
n
1 xi m 2
L0 p
xq
.
(27.89)
2 i0
1
2
(27.90)
27.5.5
i xi .
n
1
xi .
n i1
(27.91)
Alors
P
lim }Fn F }8 0 1.
n8
(27.92)
(27.93)
lim }Fn p, .q F }8 0.
n8
(27.94)
1479
Notons que de faon gnrale lorsquon parle destimateurs, partout o il y a un n dans une
variable alatoire, il y a une dpendance sous-entendue en .
Proposition 27.31.
Pour presque tout x, lestimateur Fn pxq est sans biais par rapport F pxq :
`
E Fn pxq F pxq.
(27.95)
n
n
`
1
`
1
E Fn pxq
E 1tXi xu
F pxq F pxq.
n i1
n i1
(27.96)
Exercice 5
Dans cet exercice nous construisons un estimateur biais qui prsente un risque quadratique
infrieur un estimateur non biais.
Soit un modle statistique dont la famille de lois est tN pm, 2 quPs0,8r o m est un paramtre
rel connu. En ce qui concerne la variance nous considrons
n2
n
1
pXi mq2 .
n i1
(27.97)
Rp
n2 , q
22
.
n
(27.98)
1
E pXi mq2
n i
1
1
VarpXi mq
EpXi mj 2 q
n i
n i
1
VarpXi q
n i
Ep
n2 q
(27.99)
2.
(2) Par la formule (27.60) nous savons que le risque dun estimateur sans biais est donn par
sa variance :
Rpn , q Varp|
n2 |q Varp
n2 q.
(27.100)
tant donn que les variables alatoires Xi sont indpendantes et identiquement distribues,
le lemme 26.22 nous enseigne que la variance de la somme est la somme des variances. Nous
avons donc calculer
n2 q
Varp|
n2 |q Varp
1
2
Var pXi mq2
n i
2
1
2
E pXi mq4 E pXi mq2 .
n i
(27.101)
1480
t
Xm ptq E eitpXmq eitm EpeitX q eitm X ptq exp
.
(27.102)
2
Nous avons p4q p0q 3 4 et 2 p0q 2 . Par consquent
Varp
n2 q
Notez ici que 2 .
1 2 22
2
.
n2 i
n
(27.103)
E pc
n q2 Varpc
n2 q ` Epc
n2 q2
2
c2 2
n
(27.104a)
` pc 1q2 2 .
(27.104b)
n
. Notons que nous navons
La drive (par rapport c) de cela sannule pour c0 n`2
pas tout fait dmontr que cela est bien un minimum. Calculons cependant le risque
quadratique de notre estimateur pour cette valeur de c. Pour cela nous reportons c c0
dans lexpression (27.104b) :
` n
22
n2
E
.
(27.105)
n`2
n`2
Nous avons ainsi construit un estimateur biais qui a un risque quadratique plus petit que lestimateur non biais.
Exercice 6
Nous considrons la famille de probabilits N pq o pm, 2 q P R s0, 8r. Dterminer
lestimateur de maximum de vraisemblance du paramtre pm, 2 q.
Correction de lexercice 6
Pour chaque observation xi nous avons une densit gaussienne. Le produit donne
ff
1
1
p x1 , . . . , xn ; pm, 2 q 2
exp 2 pxi mq2 .
2 i
p2qn{2
(27.106)
1
pxi mq2 .
2 2 i
n 2 ` pxi mq2 0
(27.107)
1
n
i xi .
Lannulation de
(27.108)
et donc
1
pxi x
n q.
n i
1
1
n q2 .
n
Xi ,
pXi X
n i
n i
(27.109)
(27.110)
27.5.6
1481
m,n E pTn q
Tn px1 , . . . , xn qdbn
(27.111a)
px1, . . . , xn q,
n
R
Var pTn q
rTn px1 , . . . , xn q m,n s2 dbn
(27.111b)
px1, . . . , xn q,
Rn
Lemme 27.32.
Si lestimateur Tn satisfait
lim E pTn q
n8
n8
(27.112a)
(27.112b)
1 `
(27.113b)
E |Tn mn, | ` E |mn, |
(27.113c)
Le second terme est lesprance dune constante. Nous majorons le premier terme en utilisant le
fait que }.}1 }.}2 (voir la remarque 18.21 aprs lingalit de Hlder) :
`
1 `
1{2 1
P |Tn pX1 , . . . , Xn q | E |Tn mn, |2
` |E pTn q |
(27.114a)
1
1
(27.114b)
VarpTn q1{2 ` |E pTn q |.
Les deux termes tendent sparment vers zro par hypothse. Nous avons par consquent la convergence en probabilit Tn .
27.6
Nous voudrions estimer la proportion dindividus dans une population ayant un certain caractre dtermin par une variable boolenne : chaque individu a ou non le caractre tudi.
Lchantillon sera donc une suite de 0 et de 1.
Pour tout i P t1, . . . , nu nous notons
#
1 si le ime individu a la caractre
xi
(27.115)
0 sinon.
et x
n n1 ni1 xi . Notre modle statistique sera
S p, F, P q, pX q, Bp1, q
(27.116)
o est lensemble des individus tudis, P est la manire de choisir les individus lors du sondage
(essentiellement cest une loi uniforme) et X est la variable alatoire
#
1 si a le caractre
Xpq
(27.117)
0 sinon
Cela est une variable alatoire de distribution Bp1, pq o p est inconnu. Ici, r0, 1s est lensemble
des p possibles.
1482
Remarque 27.33.
Nous supposons que est la population entire et que la variable alatoire est lopinion de la
personne . En cela, nous considrons que le tirage de lchantillon est sans remise. Le fait que nous
modlisions par une variable alatoire de Bernoulli signifie que nous considrons lapproximation
dans laquelle la population globale est grande.
Nous supposons que nous ayons un chantillon pX1 , . . . , Xn q dont nous avons observ une
n
ralisation px1 , . . . , xn q de frquence x
n . Nous voudrions dterminer un intervalle dans lequel X
a de fortes chances de se trouver. Plus prcisment nous considrons un petit et nous cherchons
tel que
`
n , X
n ` s 1 .
P p P rX
(27.118)
Typiquement, 5%. Le nombre est le niveau de confiance que nous nous fixons a priori.
Si nous trouvons un intervalle I tel que P pp P Iq 1 , nous disons que lintervalle est exact,
si nous avons P pp P Iq 1 , nous disons que lintervalle est par excs.
Il y a deux points de dparts pour trouver lintervalle. Le plus simple est dutiliser le thorme
central limite et considrer
n p
? X
L
N p0, 1q.
(27.119)
na
pp1 pq
n Xi Bpn, pq.
La seconde est dutiliser la loi exacte : nX
i
Bien entendu la seconde donne lieu des calculs plus complique.
Remarque 27.34.
Dans certaines vraies vies (par exemple en mdecine), la taille des chantillons est trs rduite.
Dans ce cas le thorme central limite na aucun sens et les calculs exact simposent.
De plus dans de nombreux cas de la vraie vie, nous avons un ordinateur disposition pour
calculer avec la loi exacte. Lutilisation du thorme central limite dans le but de produire un
intervalle de confiance semble donc de plus en plus tre une survivance du pass.
Dans la suite, nous allons supposer que n est suffisamment grand pour justifier lapproximation
normale du thorme central limite 26.74. Si Z est une variable alatoire normale centre rduite,
notre premier essai est de faire
`
n , X
n ` s
1 P p P rX
?
?
n p
? X
n
n
P a
na
a
pp1 pq
pp1 pq
pp1 pq
?
?
n
n
P a
Z a
pp1 pq
pp1 pq
?
n
2P Z a
1.
pp1 pq
(27.120a)
(27.120b)
(27.120c)
(27.120d)
La dernire ligne utilise la symtrie de la distribution N p0, 1q. Le nombre que nous cherchons
vrifie donc
?
n
P Za
1 .
(27.121)
2
pp1 pq
De nos jours, les ordinateur donnent la loi de rpartition inverse des normales. Cela nous fournit
un nombre t tel que
?
n
a
t
(27.122)
pp1 pq
1483
(1) Le problme est que nous ne pouvons pas dduire de lquation (27.122) parce que p est
inconnu.
(2) Cela ruine notre premier essai et nous demande de trouver mieux.
n , mais il faut le justifier.
(3) Lastuce est videmment de remplacer p par X
Mthode Slutsky Le point de dpart du premier essai infructueux tait la convergence
n p L
? X
na
N N p0, 1q
pp1 pq
(27.123)
donne par le thorme central limite 26.74. Ce que nous voudrions en ralit est la convergence
n p
?
X
L
N
(27.124)
nb
nq
n p1 X
X
La loi des grands nombres nous donne
p.s.
n p1 X
n q
X
pp1 pq.
n p b
a
? X
L `
n p1 X
nq
, X
N, pp1 pq .
na
pp1 pq
(27.125)
(27.126)
ce point des oprations nous pouvons utiliser la proposition 26.60 au couple avec la
fonction
xa
f px, yq
pp1 pq
(27.127)
y
dont la probabilit dtre continue est 1 (y 0 est de mesure nulle dans R2 ). La conclusion
du thorme est que
n p
?
X
L
N p0, 1q.
(27.128)
nb
Xn p1 Xn q
Cest partie de l que nous pouvons construire notre intervalle de confiance :
n p X
n ` q
1 P pX
?
?
n p
?
n
n
X
q
P b
nb
b
n p1 X
nq
n p1 X
nq
n p1 X
nq
X
X
X
?
?
n
n
q.
P b
N b
Xn p1 Xn q
Xn p1 Xn q
(27.129a)
(27.129b)
(27.129c)
P p N q 1
puis nous cherchons de telle sorte avoir
?
n
b
.
n p1 X
nq
X
(27.130)
(27.131)
1484
? X
n p
t .
na
pp1 pq
(27.132)
(27.133)
n pq2
pX
t2
pp1 pq
n ` t 2 q ` nX
2 0.
p2 pn ` t2 q pp2nX
n ` t q2 4pn ` t2 qnX
n2
2nXn ` t p2nX
.
p
2pn ` t2 q
(27.134)
(27.135)
(27.136)
Le but tant deffectuer une limite n 8, nous factorisons dabord n. Aprs simplification
b
n ` t t t22 ` X n p1X n q
X
2n
n
4n
p
.
(27.137)
t
1` n
tant donn que nous considrons que n est grand, nous allons ngliger les termes en n1 en
?
faisant attention ce que le terme en n1 sous la racine est en ralit 1{ n et ne doit pas
tre nglig. Nous trouvons, cette approximation, que
d
d
n t Xn p1 Xn q , X
n ` t Xn p1 Xn q
pP X
(27.138)
n
n
avec une probabilit 1 .
27.6.1
Rgion de confiance
Rn Borpq
px1 , . . . , xn q px1 , . . . , xn q.
R avec ouvert.
(27.139)
P P px1 , . . . , xn q 1 .
(27.140)
Si d 1, la rgion px1 , . . . , xn q est un intervalle.
27.6.2
Fonction pivotale
Soit n , un estimateur de . Une fonction v sur est pivotale pour si la loi de la variable
alatoire vpn , q ne dpend pas de . Elle est asymptotiquement pivotale si
vpn , q
L
(27.141)
1485
En pratique, nous essayons de faire apparatre une variable alatoire de loi connue qui ne
dpend pas du paramtre que lon recherche. Si la variance est connue et si lchantillon est grand,
le thorme central limite nous permet dintroduire une loi normale centre rduite.
Exemple 27.35
Soit X1 , . . . , Xn des variables alatoires de loi parente N pm, 2 q. Une fonction asymptotiquement
pivotale pour m est
z1 z2
?
(27.142)
vpz1 , z2 q
{ n
parce que la variable alatoire
n , mq
vpX
n m
X
?
{ n
(27.143)
4
Exemple 27.36
Si pXn q est une suite de variables alatoires indpendantes et identiquement distribues de moyenne
m et dcart type que nous supposons inconnus. Le fonction suivante est asymptotiquement
pivotale pour m :
m
n , mq Xn ?
vpX
.
(27.144)
{ n
4
Soit pX1 , . . . , Xn q un chantillon de loi N pm, 02 q avec 02 connu. Nous cherchons un intervalle
de confiance 1 pour m. Pour cela nous allons utiliser une fonction asymptotiquement pivotale,
savoir
n m
X
? N p0, 1q.
(27.145)
02 { n
n m
X
? z` 1 .
P z
0 { n
(27.146)
Pour des raisons de symtries (de la courbe gaussienne), nous allons chercher un intervalle symtrique : z z` . Le nombre chercher est donc le z tel que
`
P |Z| z 1 .
(27.147)
n m
X
? 1.96 0.95.
P 1.96
{ n
Nous avons donc
1.96
1.96
P m P Xn ? , Xn ` ?
0.95.
n
n
(27.148)
(27.149)
Supposons maintenant que nous avons observ 100 valeurs numriques avec x
n 12 et 1.
La ralisation de lintervalle de confiance pour m au niveau de confiance 0.95 est :
12 0.196, 12 ` 0.196 .
(27.150)
Cet intervalle est interprter de la faon suivante : si nous recommenons un grand nombre de
fois le sondage, la moyenne tombera 95% des fois dans lintervalle ainsi calcul. Mais il faut bien
comprendre que la probabilit
`
P m P 12 0.196, 12 ` 0.196
(27.151)
1486
n 1
X
Xi .
n i1
(27.152)
n , X
n ` s pour lequel P pm P Iq 1 . Nous
Nous cherchons un intervalle du type I rX
savons que la variable alatoire
n m
X
?
(27.153)
{ n
suit une loi N p0, 1q, mais la variance est inconnue. La subtilit savoir est que la variable alatoire
Z
n m
X
?
Sn {
(27.154)
n m
1 P X
(27.155a)
?
?
n
n
Z
.
(27.155b)
P
Sn
Sn
Les valeurs se trouvent dans des tables ; par exemple pour n 10 et 5% nous trouvons
?
n
2.262.
(27.156)
Sn
Plus gnralement nous notons tn1,1 2 le quantile dordre 1 2 de la loi T pn 1q, cest dire
le nombre tel que
P pZ tn1,1 2 q 1
(27.157)
2
si Z T pn 1q. Lintervalle de confiance est alors donn par
tn1,1 2 Sn
tn1,1 2 Sn
?
?
I Xn
, Xn `
.
(27.158)
n
n
(27.159)
lim P pm P In q 1 .
(27.160)
Sn2
2
(27.161)
1487
qui suit une loi 2 pn 1q. Cette loi ntant pas symtrique (voir figure 26.1), nous nallons pas
chercher un intervalle de confiance symtrique. Nous cherchons c1 et c2 tels que
$ ` 2
P
P
rc
,
c
s
1
(27.162a)
1
2
& ` 2
(27.162b)
P P r0, c1 s
2
% P 2 P rc2 , 8r
(27.162c)
2
La situation est reprsente la figure 27.3.
1
10
1
20
10
15
20
25
30
pn 1qSn2
pn 1qSn2
2
Z
.
P pc1 c2 q P
c2
c1
(27.163)
Nous notons tn1, 2 et tn1,1 2 les quantiles donns sur la figure 27.3, cest dire
P pZ tn1, 2 q
P pZ tn1,1 2 q 1 .
2
2
(27.164a)
pn 1qSn2 pn 1qSn2
,
I
tn1,1 2 tn1,1 2
(27.165a)
(27.165b)
(27.166)
avec P p 2 P Iq 95%.
Remarque 27.37.
Il nest pas clair a priori que la longueur de lintervalle I dcroisse avec n parce quil y a n dans
les t au numrateur.
27.6.3
Sondage de proportion
Une utilisation classique des statistiques est dinterprter une proportion donne par un sondage. Nous considrons une lection avec deux candidats A et B. Nous avons interrogs n 2500
1488
personnes et nous avons obtenus 51% pour le candidat A et 49% pour le candidat B. Que peut on
dire ?
La modlisation de cette situation est que nous avons des variables alatoires Xi BppA q et
que nous en avons observs n avec une moyenne
x
n 0.51.
(27.167)
n est une binomiale. Sa densit nest pas symtrique, mais si n est grand, elle le devient.
La loi de X
Nous cherchons un intervalle
n , X
n ` s
I rX
(27.168)
tel que P ppA P Iq 1 . Pour cela nous considrons le fait que n 2500 est grand et nous
utilisons la limite de la proposition 27.10 :
?
Zn
nb
n pA
X
n p1 X
nq
X
Z N p0, 1q.
(27.169)
La variable alatoire Zn est asymptotiquement pivotale et normale centre rduite. Nous cherchons
n pA :
donc un intervalle symtrique pour X
cest dire, si n est grand,
n pA q,
1 P p X
(27.170)
n
n
1 P b
Zn b
Xn p1 Xn q
Xn p1 Xn q
(27.171)
o Zn est une normale centre rduite. Nous trouvons ainsi, via les tables que
?
n
b
1.96
(27.172)
n p1 X
nq
X
?
n p1X
n q
X
?
si nous voulons un intervalle 5%. Par consquent nous avons 1.96
et lintervalle
nj
de confiance est
b
b
fi
n p1 X
nq
2.96 X
1.96 Xn p1 Xn q
n `
n
fl .
?
?
,X
(27.173)
IC X
n
n
La proprit de cet intervalle est que
lim P ppA P Ic q 1 .
n8
(27.174)
Remarque 27.38.
quel moment avons nous fait une hypothse sur la taille de la population globale ? En modlisant
les sonds par des variables de Bernoulli et leur somme par une binomiale, nous supposons que
le sondage est avec remise, sinon, elles ne seraient pas indpendantes. En supposant les sonds
indpendants, nous avons donc fait comme si la population totale tait infinie.
27.7
Nous supposons avoir une srie dobservations issues dun processus complexe dont nous navons
aucune ide de la loi parente, et nous voudrions nous faire une ide de la densit de cette loi
inconnue.
Nous observons une suite de ralisations que nous modlisons comme tant des variables alatoires pX1 , . . . , Xn q de loi parente (inconnue) . Notre but est de trouver un estimateur
de .
Par simplicit nous allons nous restreindre aux lois admettant une densit par rapport la mesure
de Lebesgue. Cest dire que nous allons estimer par une suite de lois
n qui sont toutes des
lois acceptant une densit par rapport la mesure de Lebesgue.
1489
27.7.1
sup
APBorpRq
R.
1 pAq 2 pAq
(27.175)
1
1
dp1 , 2 q pf1 f2 q`
|f1 f2 | }f1 f2 }1
2 R
2
R
(27.176)
Dmonstration. La dernire galit est simplement une notation usuelle ; nous devons seulement
prouver les deux premires. Pour la premire nous commenons par prouver que le borlien ralisant
le supremum est
B tx P R tel que f1 pxq f2 pxqu.
(27.177)
En effet si A est un borlien nous avons
f1 f2
f1 f2
f1 f2 pf2 f2 q` pf1 f2 q` (27.178)
1 pAq 2 pAq
A
AXB
Justifications :
f1 f2 ngative sur A X AB.
Vu que f1 f2 0 sur B, lintgrale augmente si on augmente le domaine.
Sur B nous avons f1 f2 pf1 f2 q` .
Donc pour tout borlien A nous avons
dp1 , 2 q pf1 f2 q` .
R
1 pBq 2 pBq
f1 f2 pf1 f2 q` pf1 f2 q.
B
(27.179)
(27.180)
Pour la seconde galit nous savons que f1 et f2 sintgrent toutes deux 1 (parce que ce sont
des densits de probabilit), donc
f1 f2 0.
(27.181)
pf1 f2 q ,
(27.182)
pf1 f2 q`
1
|f1 f2 |.
2 R
(27.183)
27.7.2
pf1 f2 q`
n
1
1
,
n i1 tXi xu
(27.184)
1490
et un nombre hn qui sera la taille de la fentre glissante. Nous avons en tte de faire limn8 hn 0.
Nous considrons ceci comme estimateur de la densit inconnue f des variables alatoires Xi :
Fn px ` hn q Fn px hn q
.
fn pxq
2hn
(27.185)
Dmonstration. Dabord fn est bien valeurs positives ou nulle. Ensuite devons parler de son
intgrale. Pour le numrateur nous avons
Fn px ` hn q Fn px hn q
n
1
1
.
n i1 Xi PBpx,hn q
(27.186)
En ralit cette galit est valable seulement presque partout parce quelle nest pas valable en
x x hn , mais cela ne va pas nous ennuyer dans la mesure o nous avons dans lide dintgrer
cela sur R. Avant de nous lancer dans lintgrale nous remarquons que Xi P Bpx, hn q est la mme
chose que x P BpXi , hn q, cest dire que
tXi P Bpx, hn qu tx P BpXi , hn qu.
Donc
n
n
1 1
1
fn
1BpXi ,hn q
2hn 1.
2hn n i1 loooooomoooooon
2nhn i1
R
R
(27.187)
(27.188)
2hn
hn 0
(27.189)
Dmonstration. Nous commenons par nous rappeler le fait que Fn pxq est un estimateur sans biais
de F pxq (proposition 27.31). Donc
`
F px ` hn q F px hn q
E fn pxq
.
2hn
(27.190)
Nous devons prendre la limite de cela lorsque hn 0, cest dire considrer la drive de F .
Attention : rien ne dit que F soit drivable, si ce nest la proposition 13.186 qui indique quelle est
drivable presque partout avec f comme drive.
La limite hn 0 dans (27.190) nous donne donc bien presque partout
`
P
fn pxq f pxq.
1491
Dmonstration. Il faut dabord comprendre ce que signifie la convergence L2 pP q pour presque tout
x. Pour cela il faut comprendre que fn pxq est en soi une variable alatoire et est en ralit une
fonction fn px, q. Ce que nous allons montrer est que pour presque tout x (maintenant fix),
cette variable alatoire converge vers une constante (par rapport ) et que cette constante est
f pxq.
`
L2 pP q
La convergence Xn X signifie E |Xn X|2 0, cest dire
Xn pq Xpq2 dP pq 0.
(27.194)
2
`
2
E fn pxq f pxq
E fn pxq f pxq ` Var fn pxq f pxq
(27.195)
Ici f pxq doit tre vue comme la variable alatoire constante sur . Par le lemme 27.41 et la
proposition 26.24 le terme de biais converge vers zro lorsque n 8.
Pour traiter le terme de biais, nous savons dj que
2nhn fn pxq
i1
1tXi PBpx,hn qu ,
(27.196)
o le membre de droite (et donc aussi celui de gauche) est est une variable alatoire binomiale
`
comptant le nombre de succs de lexprience Xi P Bpx, hn q en n essais. Nous notons px,n P Xi P
Bpx, hn q . Si est la loi parente des Xi , alors
`
et
Var fn pxq
1
npx,n p1 px,n q.
4n2 h2n
(27.199)
Nous pouvons faire la majoration tp1 tq t qui est valable pour tout t et crire
Varpfn pxqq
1 px,n
.
4nhn hn
(27.200)
Le premier facteur tend vers zro parce que nous avons suppos que nhn 8. Pour le second
facteur, il faut remarquer que lexpression (27.197) nous donne presque partout
pn,x
2f pxq,
hn 0 hn
lim
(27.201)
L pP q
Nous avons maintenant prouv que pour presque tout x nous avons fn pxq f pxq. Montrons
que cela implique la convergence en loi, cest dire que pour tout 0, nous avons la limite
`
Si cela ntait pas vrai, nous aurions un nombre 0 0 et 0 tel que pour tout n partir dune
certaine taille,
fn px, q f px, q2 dP pq
fn px, q f px, q2 dP pq
02 02 P pAq.
(27.204)
1492
(27.205)
Note : lhypothse nhn 8 revient dire que nous voulons que chaque bote contienne de
plus en plus dobservations. Si nous avions nhn 0, alors avec n qui augmente, la majorit des
botes deviendraient vides, ce qui reviendrait une perte dinformation.
27.8
27.8.1
Une usine fabrique des composantes lectronique garantis un an. Le constructeur ne veut pas
accepter que plus de 5% des pices tombent en panne avant un an.
Nous supposons que la dure de vie T dune pice soit une variable alatoire suivant une loi
exponentielle de paramtre (qui est linverse de la moyenne : 1{). Le fabriquant veut donc
sassurer que
0.95 P pT 1q,
(27.206)
ou encore
P pT 1q
donc le fabriquant doit sassurer que
8
0
1 x{
e
dx e1{ 0.95,
ln
1
0.95
(27.207)
(27.208)
Nous posons donc 0 19.5 et nous prenons comme modle de dcision que si 0 , alors la
chane de production doit tre revue, et si 0 , alors lusine peut continuer son travail.
Ce dont nous disposons nest pas de , mais dune estimation de partir dun chantillon.
Cela tant il faudra aussi pouvoir estimer la probabilit de faire un mauvais choix.
27.8.2
Un artisan a besoin dun fil qui a une rsistance une traction de 100 g en moyenne. Si la
rsistance est trop faible, le fil casse ; si elle est trop grande, cest trop rigide et a ne convient pas.
Remarque 27.43.
Dans lexemple prcdent, avoir 0 ne drange pas. Si la dure de vie moyenne est de 2 ans, le
directeur de lusine ne sera pas malheureux. Ici par contre lartisan cherche une valeur prcise et
a donc une borne vers le haut et vers le bas.
Lartisan reoit un lot de fils et souhaite savoir si il est conforme. Pour cela, il prend 4 fils au
hasard et mesure une moyenne de 112 g. Est-ce que cela est cohrent avec une moyenne de 100 g ?
Nous faisons lhypothse que ma rsistance des fils suit une loi normale N pm, 2 q avec m
inconnu. Pour la simplicit nous supposons que est connu et vaut 10.
Nous devons prendre une dcision entre deux hypothses. Lhypothse H0 sera de dire que le
lot a une rsistance de 100 g et lhypothse alternative sera que le lot a une rsistance diffrente.
Les 4 observations sont quatre variables alatoires pXi qi1,2,3,4 , et le nombre 112 est une ralisation de la variable alatoire
4 1 pX1 ` X2 ` X3 ` X4 q.
X
4
(27.209)
Nous supposons que H0 est vraie, et nous calculons quelle est lintervalle autour de m 100
qui a 95% de chances de contenir la moyenne observe. Si 112 est dedans, nous acceptons H0 et si
112 est hors de cet intervalle, nous refusons H0 .
1493
4 100
X
N p0, 1q.
5
(27.210)
Nous commenons connatre par cur lintervalle de confiance 95% dune loi normale centre
rduite ; le quantile est 1.96, cest dire
4 100
X
1.96 0.95,
(27.211)
P 1.96
5
ou encore
4 P r90.2, 109.8s .
P X
(27.212)
Il y a donc moins de 5% de chances que la moyenne de ces quatre fils tombent en dehors de
lintervalle r90.2, 109.8s. Lartisan doit donc rejeter lhypothse et considrer que le lot est mauvais.
La rgion
s8, 90.2s Y r109.8, 8r
(27.213)
27.8.3
Vocabulaire et thorie
Nous avons un modle dchantillonnage paramtrique pX,1 , . . . , X,n q de taille n et de paramtre inconnu , de loi parente appartenant une famille paramtrique de lois p qP .
Soient H0 et H1 deux ensembles disjoints tels que H0 Y H1 . Lensemble H0 sera nomm
hypothse nulle et lensemble H1 sera lhypothse alternative.
Pour lexemple des fils, nous avions H0 t100u et H1 Rzt100u. Si une hypothse est rduite
un singleton, nous parlons dhypothse simple et sinon cest une hypothse composite ou
multiple. Faire un tests consiste dterminer une rgion critique.
Dfinition 27.44.
Un test est une application mesurable qui px1 , . . . , xn q P Rn associe
px1 , . . . , xn q P t0, 1u.
(27.214)
(27.215)
R tpX,1 , . . . , X,n q P W u.
(27.216)
Exemple 27.45
Pour lexemple de 27.8.2 nous avions
px1 , . . . , x4 q 1Ar90.2,109.8s p
x4 q.
(27.217)
4
1494
27.8.4
Le modle de dcision que nous avons introduit comprend deux faons de se tromper. Soit nous
rejetons H0 alors quelle est vraie (cest le risque de premire espce), soit nous acceptions H0
alors quelle est fausse (risque de seconde espce). Nous pouvons formaliser ces concepts de la
faon suivante.
Nous considrons un test de rgion critique W . Le risque de premire espce, not est la
fonction
: H0 r0, 1s
`
(27.218)
P pX,1 , . . . , X,n q P W .
Il sagit de la probabilit de rejeter H0 alors quelle es vraie. Le risque de seconde espce est la
fonction
: H1 r0, 1s
`
(27.219)
P pX,1 , . . . , X,n q R W .
Cest la probabilit daccepter H0 alors quelle est fausse.
Dfinition 27.46.
Soit un test de rgion critique W . La puissance du test est la fonction
: H1 r0, 1s
`
P pX,1 , . . . , X,n q P W .
(27.220)
h : r0, 1s
`
P pX,1 , . . . , X,n q R W .
(27.221)
La puissance dun test est la probabilit de rejeter H0 lorsque H1 est vraie. Plus la puissance
est grande, mieux cest. La courbe defficacit du test est la probabilit daccepter H0 pour une
certaine valeur de .
Soit un test . Une statistique T Tn pX,1 , . . . , X,n q est une variable de dcision pour
si AW peut scrire dune des faons suivantes
$
n
%
n
tpx1 , . . . , xn q P R tel que c1 Tn px1 , . . . , xn q c2 u test bilatral.
Le plus souvent la variable de dcision sera la moyenne : Tn px1 , . . . , xn q n1 ni1 xi . Les valeurs
c, c1 , c2 sont des valeurs critiques.
En ce qui concerne les notations, ici Tn reprsente la valeur mesure sur un n-chantillon (do
lindice n) alors que T est la valeur thorique de T lorsque est la vraie valeur du paramtre quon
veut estimer.
Pour un test unilatral gauche, nous fixons la valeur critique c de telle manire a avoir
(27.223)
P pT cq .
Pour un test unilatral gauche, nous fixons c de telle manire a avoir
(27.224)
P pT cq
et pour un test bilatral nous fixons c1 et c2 de telle faon avoir
P pT c2 q P pT c1 q
.
2
(27.225)
27.8.5
1495
Xn
Xi
(27.226)
n i1
dans laquelle les Xi sont les lments de lchantillon, elles sont indpendantes et identiquement
distribues de loi N pm, 1q avec m inconnu.
n est proche de zro nous acceptons H0 , sinon nous la rejetons. La rgion de rejet scrit
Si X
donc sous la forme
n
1
W tpx1 , . . . , xn q P Rn tel que x
n
xi uu
(27.227)
n i1
dans lequel il faut fixer le u pour satisfaire au risque de premire espce de 5%. La contrainte est
davoir
n uq
P pX
(27.228)
si H0 est vrifie. Cela revient dire que dans 5% des cas o H0 est correcte, nous la rejetterons.
n est une moyenne de gaussiennes de moyennes m et nous avons
Si H0 est vraie alors X
n m
X
? N p0, 1q
{ n
avec m 0 et 1. Lquation (27.228) devient donc
?
Xn
u
? ?
P
P pT nuq
1{ n
1{ n
(27.229)
(27.230)
1.645
0.274
(27.231)
6
La rgle de dcision est donc la suivante : si x
n 0.274 alors nous rejetons H0 , et sinon nous
lacceptons.
Calculons la puissance de ce test (dfinition 27.46). Cest la fonction donne par
u
: H1 R
1
Xi u .
m P pX1,m , . . . , Xn,m q P W P
n
(27.232)
Dans ce calcul, les Xi sont dune loi normale N pm, 1q, et non N p0, 1q. En retranchant m et en
?
divisant par 1{ n nous trouvons
1
X
m
u
m
i
?
pmq P n
?
(27.233a)
1{ n
1{ t
?
P pT npu mqq
(27.233b)
P pT 16.45 6mq
1 p1.645 6mq
m8
lim pmq 1
m8
p0q
5
.
100
(27.233c)
(27.233d)
(27.234a)
(27.234b)
(27.234c)
1496
Remarque 27.47.
Si nous regardons m 0.001, le risque de seconde espce est quasiment de 90%. En effet le risque
de seconde espce est daccepter H0 alors quil est faux. Lorsque m 0.001, lhypothse H0 est
fausse, mais la probabilit quon laccepte est grande. Dailleurs les consquences de laccepter
tord ne sont peut-tre pas si grandes que cela.
27.9
Tests paramtriques
(27.235)
Dmonstration. Lhypothse sur signifie quavec les observations pX1 , . . . , Xn q, il y a une forte
probabilit (plus grande que 1 ) que soit dans pX1 , . . . , Xn q. Avec ou sans H0 nous avons
donc
P p P q 1 .
(27.236)
Supposons maintenant lhypothse H0 , alors
P pX1 , . . . , Xn q P Wn P 0 R pX1 , . . . , Xn q .
(27.237)
Remarque 27.49.
Soit Wn la rgion de confiance dun test de niveau pour tester H0 t0 u. Alors
tx P Rn tel que x R Wn u
(27.238)
1
1 ` 2
xi
u.
n i
2
(27.239)
1
0 ` 1
P
Xi
n i
2
(27.240)
1497
o les Xi sont des variables alatoires indpendantes et identiquement distribues de loi parente
N p0 , 1q. Cela est la probabilit dtre dans la rgion de rejet alors que lhypothse H0 est vraie.
La formule (27.240) se transforme en
0 `1
1
Xi 0
0
n
2
?
?
P
(27.241a)
1{ n
1{ n
P pT
? 1 0
n
q.
2
(27.241b)
` ? 1 0
n
2
(27.242)
Il sagit maintenant de trouver le nombre n qui ralise cette galit. Pour cela nous utilisons
linverse F 1 de la fonction de rpartition de la normale :
2
2
1
n
F p1 q .
(27.243)
1 0
Le risque de seconde espce est la possibilit daccepter H0 lorsque H1 est vraie, cest dire
1
0 ` 1
P
Xi
(27.244)
n i
2
sous lhypothse H1 . Dans le calcul de (27.244) nous prenons donc Xi N p1 , 1q. Le rsultat est
que
` ? 0 1
.
(27.245)
F n
2
Remarque 27.50.
Lexpression (27.243) diminue lorsque 0 et 1 sloignent, ce qui est normal : plus les nombres
discerner sont loigns, moins lchantillon prendre pour raliser le travail doit tre grand.
Notons aussi que 0 1 0, par consquent augmenter n diminue la valeur de
F
27.10
` ? 0 1
n
2
(27.246)
Tests dadquation
Soit X1 , . . . , Xn un chantillon de loi parente X finie prenant ses valeurs dans ta1 , . . . , ak u. La
loi de X est donne par les nombres
pi P pX ai q
(27.247)
Fi pi
(27.249)
N npi
L
a i
T N p0, 1q.
npi p1 pi q
(27.250)
Nous considrons un cas o les pi sont inconnus. Ils peuvent tre approchs par Ni npi . Le
thorme de Pearson nous indique comment.
1498
pNi npi q2
i1
npi
K 2 pk 1q
L
(27.251)
o la distribution 2 plq est la somme des carrs de l gaussiennes centres rduites indpendantes.
`
np1
np2
np1
np1 p1 q
2
pN1 np1 q
.
np1 p1 p1 q
tant donn que N1 est une variable alatoire binomiale nous avons
N np1
L
a 1
T N p0, 1q.
np1 p1 p1 q
(27.252a)
(27.252b)
(27.253)
2
N1 np1
L
a
T 2 2 p1q.
np1 p1 p1 q
(27.254)
P Ui p0, . . . , 1, . . . , 0q pi ;
(27.256)
cest le vecteur alatoire qui prend ses valeurs dans les vecteurs de la base canonique de Rk et qui
prend la valeur ei avec probabilit pi . Par construction nous avons
n
pN1 , . . . , Nk q
Ui .
(27.257)
i1
Nous allons tudier la fonction caractristique de pN1 , . . . , Nk q dfinie par lquation (26.185) :
pN1 ,...,Nk q :
Plus gnralement,
Nous avons
Rk C
ej Epeiej N q EpeiNj q.
j xt,Uj y
eixt,Uj y
(27.258)
(27.259)
(27.260)
et vu que les Ui sont indpendantes et identiquement distribues nous pouvons crire U1 la place
de Uj de faon avoir
`
(27.261b)
pl eitl
(27.261c)
pl eixt,el y
l1
pl e
itl
(27.261d)
1499
n8
12
2
j1 tj
tj pj
j1
(27.262)
Pour ce faire, nous allons effectuer un dveloppement limit. Dabord nous introduisons les variables
alatoires
Nj npj
(27.263)
j ?
npj
et nous calculons
` N1 np1
Nk npk
p1 ,...,k q pt1 , . . . , tk q E exp ixt,
,..., ?
y
?
np1
npk
(27.264)
tant donn que n et pj sont des variables dterministes, nous pouvons les sortir de lesprance.
Nous avons alors
?
tj npj
j1
N npj
j
j
tj ?
np
pN1 ,...,Nk q
tj npj
?np
j
tk
t1
,..., ?
?
np1
npk
?
E etj Nj { npj
(27.265)
(27.266)
?
tj npj
j1
j
i ?np
j
pj e
j1
looooooooomooooooooon
(27.267)
Nous
analysons maintenant le terme A. Nous crivons lgalit A A ` 1 1 en tenant compte
de j pj 1 sous la forme
A
1`
pj
j1
?
exppitj { npj q 1
(27.268)
(27.269)
t2j
itj
1
1 ?
` p1{nq
npj
2npj
n
(27.270)
?
itj { npj
pj e
j1
ff
lnpAq n ln 1 `
?
itj { npj
1q
x2
` x2 px2 q.
2
(27.271)
1500
Nous avons
ff
2
it
t
1
1
j
j
` p q
lnpAq n ln 1 ` pj ?
np
2np
n n
j
j
j
ff
c
t2j
pj
1 1
n ln 1 ` pj itj
` p q
n
2n n n
j
c
k
t2j
1
pj
` p1{nq
n
itj
n
2n n
j1
loooooooooooooooooooomoooooooooooooooooooon
1
n
2
(27.272a)
(27.272b)
(27.272c)
itj
` nK 2 pKq
2 fi
2
t
pj
1
j
` p1{nq fl
n
2n n
t2j
1 ?
?
itj pj n
itj pj
` p1{nq ` K 2 pKq.
lnpAq
2
2
j
j
En remplaant dans (27.267) et en passant la limite pour n 8,
1 2 1 ` ? 2
t `
tj pj
.
p1 ,...,k q pt1 , . . . , tk q exp
2 j j 2 j
(27.272d)
(27.272e)
(27.273)
(27.274)
Nous reconnaissons des lois gaussiennes dans le premier terme de lexponentielle. Nous allons
maintenant nous atteler identifier le second terme.
?
?
Soit C une matrice orthogonale dont la dernire ligne est p p1 , . . . , pk q. Nous considrons les
vecteurs
1
t1
..
..
. , t . .
(27.275)
k
tk
u1
U Ct ... .
uk
k
tant donn que C est orthogonale, nous avons i1 i2 ki1 i2 et
`
(27.276)
(27.277)
i1
k
j1
t2j
u2j
(27.278a)
?
tj pj pCtqk ,
k1
1 2
exp
u
2 j1 j
n8
(27.278b)
(27.279a)
(27.279b)
(27.279c)
1501
(27.280)
tant donn que lapplication x }x}2 est continue, nous avons aussi
}p1 , . . . , k q}2 }pZ1 , . . . , Zk1 , 0q}2 ,
L
(27.281)
et par consquent
}p1 , . . . , k q}2
L
k1
j1
}p1 , . . . , k q}2
Zj2 2 pk 1q.
pNj pj q2
.
npj
j1
(27.282)
(27.283)
1502
Chapitre 28
28.1
Gnralits
Les chanes de Markov interviennent pour la description des systmes dont lvolution future
ne dpend que de ltat prsent.
Dfinition 28.1.
Soit E un ensemble au plus dnombrable et p, F, P q un espace probabilis. Une chane de
Markov valeurs dans E est une famille pXn qnPN de variables alatoires telles que pour tout
x0 , . . . , xn`1 P E,
P pXn`1 xn`1 |Xn xn , . . . , X0 x0 q P pXn`1 xn`1 |Xn xn q.
(28.1)
Pour une chane de Markov, il nest pas important de savoir lhistorique pour prdire la futur :
Xn`1 est seulement dtermin par Xn .
Remarque 28.2.
Il existe une thorie des chanes de Markov temps continu ou avec E non dnombrable, mais ce
nest pas au programme.
Nous notons
pn px, yq P pXn`1 y|Xn xq
(28.2)
(28.3)
Nous avons
yPE
ppx, yq 1
(28.4)
parce que cest la somme de toutes les transitions possibles en partant de x. Notons aussi que
ppx, yq 0.
Dfinition 28.3.
Une matrice dont tous les lments sont positifs ou nuls et donc la somme de toutes les lignes sont
1 est une matrice stochastique.
Notons que lensemble des matrices stochastiques est un ferm dans lensemble des matrices.
1503
1504
Lemme 28.4.
Si U est une matrice stochastique 1 , alors il existe une chane de Markov dont la matrice de transition est U .
Remarque28.5.
La somme xPE ppx, yq ne vaut pas spcialement
1. Si les tats x1 et x2 arrivent tous les deux en
y de faon certaine, alors nous avons x ppx, yq 2. Il ny a donc pas de limites aux sommes des
colonnes.
Exemple 28.6
Nous considrons une fourmi qui se dplace dans un appartement trois pices A, B, C. Supposons
qu chaque minute, elle a une probabilit 1{3 de rester dans la pice et une probabilit 2{3 de se
dplacer. Le plan de lappartement est
A
/B
/C
(28.5)
De la pice A est est donc uniquement possible daller vers la pice B ; de la B il est possible daller
en A et en C et de la C il est uniquement possible daller en B.
La matrice de transition de cette chane de Markov est
1{3 2{3 0
Q 1{3 1{3 1{3
(28.6)
0 2{3 1{3
4
Exemple 28.7
Si Nt est un processus de Poisson, alors les variables alatoires Xn Nn forment une chane de
Markov.
4
28.2
Une chane de Markov est finie si lensemble E dans lequel elle prend ses valeurs est fini.
Proposition 28.8 ([302]).
Si pXn q est une chane de Markov irrductible sur un ensemble fini, alors pour tout ensemble A E
nous avons
P pA 8q lim P pA nq 1
(28.7)
n8
1505
1 2 . . . N
..
..
lim P n ...
.
.
n8
1 2 . . . N
(28.8)
(28.9)
P .
Dmonstration. Si la chane na quun seul tat cest vident parce que la probabilit de transition
est toujours 1 ; fin de lhistoire.
Hypothse Sinon nous supposons que P na que des lments positifs, quitte considrer P n
au lieu de P . Nous notons d le plus petit lment de P ; il vrifie d 12 parce que la somme
des lment dune ligne de la matrice P doit tre gale 1.
Les suites min et max Soit x un vecteur quelconque (de composantes positives). Nous notons
m0 mintxi u et M0 maxtxi u. tant donn que les lments du vecteur P x sont des
moyennes pondres des lments de x, si nous posons
mk mintpP k xqi ui1,...,N
(28.10a)
(28.10b)
(28.11)
parce que tous les autres coefficients de la ligne contenant le d (dans P k ) sont plus petits
ou gaux 1 d. De la mme faon nous avons la minoration
mk`1 dMk ` p1 dqmk .
(28.12)
(28.13)
1506
(28.14)
Conclusion pour la limite Pour tout vecteur x, la suite P k x tend vers un vecteur dont toutes
les composantes sont gales. En particulier pour le vecteur ei de la base canonique,
1
..
k
P ei . .
(28.15)
1
Rglons rapidement le cas des deux autres allgations du thorme. Dabord les matrices P k
sont toutes des matrices stochastiques ; et lensemble des matrices stochastiques est ferm, donc
la convergence se fait lintrieur de lensemble des matrices stochastiques. Cela prouve que 1 `
. . . ` N 1.
Ensuite la suite pmk q tant strictement croissante et m0 tant gal 0 dans le cas de ei nous
avons toujours i 0 (strictement).
Thorme 28.13 ([303]).
Si pXn q est une chane de Markov finie, irrductible et apriodique de loi stationnaire , alors
(1) La suite de matrices stochastiques P k converge vers la matrice
..
k
P . .
(28.16)
P pXk P k q .
(28.17)
28.3
Soit pYn q une suite de variables alatoires indpendantes et identiquement distribues valant
1 avec une probabilit p et 1 avec une probabilit p1 pq. La loi est
Yn p1 ` p1 pq1 .
(28.18)
Yi
(28.19)
i1
o X0 est une variable alatoire indpendante des Yi valeurs dans Z. Nous vrifions prsent
que Xn est une chane de Markov avec comme espace dtats E Z. Nous devons montrer que
`
(28.20)
Pour ce faire nous allons exprimer tout cela en termes des Yi au lieu des Xi . Dabord tant donn
que nous avons galit des vnements
tXn`1 xn`1 u X tXn xn , . . . , X0 x0 u tYn`1 xn`1 xn u X tXn xn , . . . , X0 x0 u,
(28.21)
1507
nous pouvons, en vertu du principe (26.76), remplacer Xn`1 xn`1 par Yn`1 xn`1 xn dans
le membre de gauche de (28.20). Nous avons donc dj
`
(28.22)
tX0 x0 , Y1 x1 x0 , Y2 x2 x1 , . . . , Yn xn xn1 u,
(28.23)
(28.24)
A tYn`1 xn`1 xn u
n
(28.25a)
qui est dans la tribu engendre par les variables alatoires X0 , pYi qi1,...,n . Le point dlicat du
raisonnement est de montrer que les vnements A et B donns par
(28.25b)
i1
sont indpendants. Nous ne pouvons pas montrer directement que P pA X Bq P pAqP pBq parce
que cela est la formule que nous voulons utiliser pour montrer que la chane est de Markov. Nous
passons donc par les tribus :
A P pYn`1 q
B P pX0 , Y1 , . . . , Yn q.
(28.26a)
(28.26b)
(28.27c)
(28.27d)
(28.27f)
Justifications :
(28.27c) parce que les tribus pYn`1 q et pYi , X0 q sont indpendantes.
(28.27d) Nous avons
tXn xn u P pX0 , Y1 , . . . , Yn q
tandis que
(28.27e)
(28.28)
(28.29)
ce sont donc deux vnements issus de tribus indpendantes. Donc conditionner ou non
lvnement Yn`1 xn`1 xn lvnement Xn xn ne change rien.
(28.27e) est encore lutilisation du fait que P pA|Bq P pK|Bq ds que A X B K X B.
La chane est par consquent de Markov.
La matrice de transition de cette chane de Markov est une matrice infinie dans tous les sens :
$
si y x 1
&p
ppx, yq p1 pq si y x ` 1
(28.30)
%
0
sinon.
1508
Remarque 28.14.
La plupart du temps lorsquil faut dmontrer quune chane est de Markov, il faut suivre la procdure que nous venons de suivre pour la marche alatoire sur Z.
crire tout en fonction des incrments.
Dire que les incrments conditionns sont indpendants des incrments qui conditionnent
(via les tribus engendres).
crire que la probabilit cherche est gale lvnement conditionn dans lequel on a juste
remplac lincrment par sa valeur.
Conditionner nouveau par rapport au dernier incrment qui est indpendant.
Changer la valeur du dernier incrment par la variable alatoire.
Dans ce raisonnement nous utilisons deux fois le fait que P pA|Bq P pK|Bq si A X B K X B.
28.3.1
Proposition 28.15.
Voici quelques proprits des chanes de Markov homognes.
(1) La probabilit dune trajectoire donne est
P pXn xn , Xn1 xn1 , . . . , X0 x0 q ppxn1 , xn q . . . ppx0 , x1 qP pX0 x0 q.
(28.31)
(2) La probabilit de transition en n coups est donne par la puissance nime de la matrice
de transition :
P pXn xn |X0 x0 q Qnx0 ,xn .
(28.32)
(3) Si lespace des tats E est fini, lesprance dune fonction borne f : E
donne par
`
f pyqppxn , yq.j
R de ltat est
(28.33a)
(28.33b)
yPE
Dmonstration.
(28.35)
P pX2 x2 |X0 x0 q
P pX2 x2 , X1 y|X0 x0 q
(28.36a)
yPE
(28.36b)
yPE
(28.36c)
yPE
ppx2 , yqppy, x0 q
(28.36d)
yPE
Q2x2 ,x0 .
(28.36e)
Bien entendu ici la notion de produit matriciel doit tre comprise de faon formelle lorsque
E est infini.
1509
Remarque 28.16.
Nous avons utilis lhomognit de la chane de Markov au moment dcrire lexpression
(28.36d). En principe nous aurions d crire p2 py, x2 qp1 px0 , yq.
28.3.2
Graphe de transition
Le graphe de transition dune chane de Markov est le graphe dont les sommets sont les
lments de lespace des tats de la chane et dont les sommets sont relis par des arrtes pondres
par la probabilit de transition correspondante.
Dfinition 28.17.
Une chane de Markov est irrductible si pour tout x, y P E, il existe n tel que pn px, yq 0 o
pn px, yq P pXn y|X0 xq.
(28.37)
zi PE
zi
(28.38)
La positivit dun des termes de la somme signifie que le graphe est connexe tandis que la positivit
de pn px, yq signifie que la chane est irrductible.
28.3.3
28.3.3.1
Proposition 28.19.
Soit X0 une variable alatoire valeurs dans E, un ensemble au plus dnombrable. Soit pYn q une
suite de variables alatoires relles indpendantes et identiquement distribues indpendantes de
X0 .
Soit pXn q la suite de variables alatoires valeurs dans E dfinie par rcurrence selon la formule
Xn`1 GpXn , Yn`1 q
(28.39)
o G : E R E est une fonction mesurable. Alors pXn q est une chane de Markov.
Dmonstration. Soient x0 , . . . , xn`1 des lments de E. Nous devons calculer la valeur de
P pXn`1 xn`1 |Xn xn , . . . , X0 x0 q.
(28.40)
Commenons par prciser les espaces sur lesquels nos variable alatoires sont dfinies. Nous avons
et
X0 : 0 E
(28.41)
Yi : R.
(28.42)
1510
p0 , 1 q G X0 p0 q, Y1 p1 q .
X2 : 0 2 E
p0 , 1 , 2 q G X1 p0 , 1 q, Y2 p2 q
`
G G X0 p0 q, 1 , Y2 p2 q
(28.43)
(28.44)
et ainsi de suite.
Considrons maintenant lvnement
tX1 x1 , X0 x0 u 0 .
(28.45)
(28.47)
(28.48)
P looooooooooomooooooooooon
Gpxn , Yn`1 q xn`1 | X
n xn , . . . , X 0 x0 .
looooooooooooomooooooooooooon
PpYn`1 q
(28.49a)
(28.49b)
(28.50a)
(28.50b)
(28.50c)
(28.50d)
Pour (28.50b) nous avons utilis le fait que pYn`1 q est indpendante de pXn q. Nous avons prouv
que la chane tait de Markov.
Les probabilits de transition de la chane de Markov dfinie dans la proposition 28.19 sont
`
(28.51)
1511
Cela est une chane de Markov en vertu de la proposition 28.19. Ici la fonction est
Les probabilits de transitions sont
Gpx, yq x ` y 1x0 .
&0
ppx, yq P pZ 0q
%
P pZ kq
si x y 2
si x y 1
si x y ` k 1
pour x 0.
Exercice 1
Soit pXn q une chane de Markov de matrice de transition
(28.53)
(28.54)
(28.55)
(28.56)
La probabilit daller de ltat 1 ltat 1 en trois tapes est donc 0.307. La chane tant de Markov,
sans mmoire, les probabilits entre les temps 4 et 7 sont les mmes quentre 0 et 3. Nous avons
alors
P pX7 0|X4 0q 0.344.
(28.57)
La chane est irrductible et na pas dtats absorbants.
28.4
Sauf mention expresse du contraire, nous considrons toujours une chane de Markov homogne.
Dfinition 28.20.
Un tat x P E est absorbant pour la chaine pXn q si ppx, xq 1.
Il nest pas spcialement impossible darriver sur un tat absorbant, mais il est impossible den
sortir.
Si x P E, nous notons
T pxq inftk 1 tel que Xk xu,
(28.58)
1512
Proposition 28.21.
La loi de la variable alatoire rTp pxq|Xp xs est la mme que celle de la variable alatoire
rT pxq|X0 xs.
Dmonstration. Nous devons montrer que
(28.60)
Cela est intuitivement vident du fait quune chane de Markov soit un processus sans mmoire.
Afin de prouver, nous allons sommer sur tous les tats intermdiaires possibles :
P pTp pxq k|X0 xq P pXp`k x, Xp`k1 x, . . . , Xp`1 x|Xp xq
zi x
zi
zi
P
pXp`2 z2 |Xp`1 z1 , Xp xq ppx, z1 q
looooooooooooooooooooomooooooooooooooooooooon
P pXp`2 z2 |Xp`1 z1 qppz1 ,z2 q
...
(28.61a)
(28.61b)
(28.61c)
(28.61d)
(28.61e)
(28.61f)
(28.61g)
zi
ce point ci, nous avons limin toute rfrence p grce lhomognit de la chane. Nous
pouvons refaire le calcul lenvers pour reconstituer lexpression de dpart sans le p :
P pT pxq kq,
(28.62b)
(28.62c)
Si` x est un tatrcurrent, et si E T pxq|X0 x 8, nous disons que x est rcurrent positif.
Si E T pxq|X0 x 8 alors nous disons que est rcurrent nul.
Nous introduisons une variable alatoire qui compte le nombre de fois que la chane de Markov
passe par ltat x :
8
Nx
1tXk xu .
(28.63)
k0
N Y t8u.
Proposition 28.23.
Les deux proprits suivantes sont quivalentes dire que x est rcurrent :
(1) P pNx 8|X0 xq 0
(2) EpNx |X0 xq 8.
Les deux proprits suivantes sont quivalentes dire que x est transient :
(1) P pNx 8|X0 xq 1
1513
tX
Nx 8
n x, Xn`k x@k 1u.
looooooooooooooomooooooooooooooon
nPN
(28.64)
Fn
P pNx 8|X0 xq
et
n0
(28.65)
(28.66a)
(28.66b)
(28.66d)
Justifications :
(28.66c)
(28.66e)
(1) Pour (28.66c), nous utilisons le fait que la chane soit sans mmoire.
(2) Pour (28.66d), nous utilisons le fait que la chane soit homogne.
(3) Pour (28.66e), lvnement Xk x pour tout k 1 est exactement lvnement T pxq 8.
En nous servant de la proposition 13.83 (thorme de Fubini et mesure de comptage), nous permutons lesprance et la somme dans lexpression
8
n0
P pXn x|X0 xq
n0
Ep1tXn xu |X0 xq
8
`
n0
1tXn xu |X0 x
EpY |X x0 q
Y pqdP pq
1tXx0 u pqY pqdP pq.
tXx0 u
1tXn xu |X0 x
(28.67a)
(28.67b)
(28.67c)
(28.68)
(28.69)
(28.70)
Si x est rcurrent, nous avons P T pxq 8|X0 x 0, mais la relation (28.71) ne permet pas de
conclure que le membre de gauche est nul parce quil reste la possibilit que EpNx |X0 xq 8.
Nous devons donc faire un pas en arrire et crire cette esprance comme la limite des sommes
partielles :
P pNx 8|X0 xq lim
N 8
n0
(28.72)
1514
parce que tous les termes de la suite des sommes partielles sont nuls. Nous avons donc bien que
P pNx 8|X0 xq 0. Il sensuit immdiatement que EpNx |X0 xq 1.
Nous devons maintenant dmontrer limplication inverse. Supposons que P pNx 8|X0
xq 0. Dans ce cas nous avons immdiatement P pNx 8|X0 xq 1 et EpNx |X0 xq 8.
Lquation (28.71) nous indique alors que
`
P T pxq 8|X0 x 0,
(28.73)
28.4.1
Chanes irrductibles
Proposition 28.24.
Soit pXn q une chane de Markov irrductible.
(1) Un tat x est rcurrent si et seulement si tous les tats sont rcurrents.
(2) Un tat x est transient si et seulement si tous les tats sont transients.
Dmonstration. Soient x et y des tats de la chane de Markov. Nous devons tester la valeur de
P pXn y|X0 yq. Afin dexploiter lhypothse dirrductibilit, nous considrons r, s P N tels
que
pr px, yq 0
(28.74a)
p py, xq 0
(28.74b)
(28.75a)
(28.75b)
nPN
nPN
(28.76)
(28.77)
(28.78)
o K est une constante strictement positive, par hypothse dirrductibilit de la chane de Markov.
Si x est un tat rcurrent, alors le membre de gauche est infini par la proposition (28.23) et
donc
P pXn`r`s y|X0 yq 8.
(28.79)
nPN
Aux r ` s premiers termes prs (qui ne changent pas la somme), nous avons
P pXn y|X0 yq 8,
nPN
(28.80)
1515
1
.
E T pxq|X0 x
`
(28.81)
tant donn que T pxq est un entier positif ou nul nous avons E T pxq|X0 x P r1, 8s et donc
pxq P r0, 1s.
`
Corollaire 28.25.
Un tat rcurrent est rcurrent positif si et seulement si pxq 0. Un tat rcurrent est rcurrent
nul si et seulement si pxq 0.
Dmonstration. Cest la formule (28.81).
Proposition 28.26.
Soit pXn q est une chane de Markov irrductible.
28.4.2
(28.82)
Nombre de visites
La fonction
n
1
1
n k1 tXk xu
(28.83)
Soit x un tat rcurrent, cest dire que P T pxq 8|X0 x 1. Nous classons les visites
de la faon suivante :
T1 pxq T pxq inftk 1 tel que Xk xu
(28.84a)
(28.84b)
(28.84d)
(28.84c)
La variable alatoire Ti reprsente le temps entre la visite numro i 1 et la visite numro i (si
X0 x, sinon il faut dcaler). Nous dfinissons linstant la na visite numro n :
Sn
k1
Tk pxq.
(28.85)
Lemme 28.27.
Les variables alatoires Ti sont indpendantes.
Dmonstration. Nous choisissons n des Ti et nous calculons la probabilit
P pTi1 k1 , Ti2 k2 , . . . , Tin kn q
(28.86)
P pXj zj , j 1, . . . , N q.
(28.87)
tzj u
compatibles
1516
Notons quici, le numro du dernier terme de la somme nest pas certain parce que tous les Ti
ne sont pas fixs. Nous lavons not N , mais en ralit il est diffrent dun terme lautre de la
somme. Il est certain que zN x et zN k1 x et si N k1 j N , alors zj x. Cela est
simplement le fait que nous demandions aux zi de respecter les conditions donnes par les ki . Nous
avons
tzj u
(28.88a)
(28.88b)
(28.88c)
Le premier facteur est P pTi1 k1 q tandis que le second facteur est prcisment P pTj kj , j 1q.
Nous avons donc montr que
P pTi1 k1 , Ti2 k2 , . . . , Tin kn q P pTi1 k1 qP pTj kj , j 1q,
(28.89)
pxq lim
(28.90)
presque srement.
Dmonstration. tant donn que la chane est irrductible, les tats sont soit tous transient soit
tous rcurrents par la proposition 28.24. Nous commenons par considrer que x est transient.
En comparant la dfinition (28.63) de Nx et le membre de droite de (28.90), nous avons pour
chaque n lingalit
n
1
1
1tXk xu EpNx q.
(28.91)
n k1
n
Dans le cas dun lment transient, nous avons pxq 0, donc il serait bon de montrer que
EpNx q 8, de sorte que prendre la limite n 8 dans (28.91) donne zro.
Nous dcomposons le calcul en deux morceaux :
`
`
`
`
(28.92)
Le fait que le premier terme soit fini dcoule immdiatement du fait que T pxq 8 implique Xk x
pour tout k 1. Dans ce cas lesprance de Nx est videmment finie.
Pour le second terme nous avons
8
`
`
E Nx |T pxq 8 E
k0
k1
1tXk xu |T pxq 8
(28.93a)
(28.93b)
1tXk xu |T pxq 8 .
Pour inverser la somme et lesprance, nous avons utilis le thorme de thorme de Fubini-Tonelli
qui est encore valable pour des fonctions qui prennent la valeur 8. Le fait dinverser ne signifie pas
que ni la somme ni lintgrale soit finie. Dailleurs cest exactement ce que nous sommes en train
de dterminer.
1517
tant donn que nous voulons seulement savoir si cette somme est finie ou non, nous pouvons
nous restreindre la somme depuis k 1 ou oublier le premier terme. Dautre par nous avons
8
k1
1tXk xu
j0
1tXj`T pxq xu
(28.94)
parce que les T pxq premiers termes sont par dfinition nuls. Nous regardons donc
8
j0
(28.95a)
(28.95b)
P pXj x|X0 xq
E 1tXj xu |X0 x
j
`
j
(28.95c)
1Xj x |X0 x
EpNx |X0 xq
(28.95d)
(28.95e)
parce que x est transient.
(28.95f)
Lquation (28.95b) provient de la proposition 28.26 et plus prcisment de lgalit entre les lois
(28.82). Nous avons termin la preuve dans le cas o x est transient.
Nous passons maintenant au cas o x est rcurrent, cest dire P pT pxq 8|X0 xq 1.
Les variables alatoires Ti dfinies en (28.84) pour i 2 sont indpendantes et identiquement
distribues et
`
L Tk pxq L T pXq|X0 x .
(28.96)
Sn
T1 pxq 1
p.s. `
`
Tk pxq E T2 pxq
n
n
n k2
`
E T pxq|X0 x .
(28.97a)
(28.97b)
Remarque 28.29.
La loi des grands nombres est encore vraie sans lhypothse de variables alatoires dans L1 pourvu
quelles soient positives. Alors dans la conclusion de la loi nous devons accepter la possibilit que
lesprance soit infinie.
Nous posons pour m P N
npmq
j1
1tXj xu
(28.98)
qui est le nombre de visites de x avant linstant m. Nous avons videmment npmq m. Mais Sn
est linstant de la nime visite, par consquent Snpmq est linstant de la dernire visite avant le
moment m. Pour tout m nous avons les ingalits
Snpmq m Snpmq`1 .
(28.99)
Snpmq ` 1
Sn pmq
m
npmq
npmq
npmq
(28.100)
j1
1tXj xu
(28.101)
1518
heur. . .
lim npmq lim
m8
m8
n1
p.s.
1tXj xu
8
(28.102)
par la proposition (28.23). Plus prcisment, la limite vaut Nx qui vaut presque srement 8 dans
le cas o x est rcurrent. Par ailleurs la loi des grands nombres (28.97) nous enseigne en particulier
que
Snpmq p.s. `
E T pxq|X0 x .
(28.103)
npmq
Le terme de droite dans (28.100) se traite de faon usuelle :
Snpmq`1
Snpmq`1 npmq ` 1
.
(28.104)
npmq
npmq ` 1 npmq
`
Le dernier facteur tend vers 1 et le tout a pour limite E T pxq|X0 x . Par consquent nous avons
m p.s. `
E T pxq|X0 x
npmq
et
m
npmq
1
1
pxq.
1tXj xu `
n
m j1
E T pxq|X0 x
(28.105)
(28.106)
Lemme 28.30.
Soit pXk q une chane de Markov dont lespace des tats est not E. Pour chaque x P E nous notons
T pxq inftk 1 tel que Xk xu
(28.107)
(28.108)
(28.109)
et
Alors nous avons
(1) Un tat x est transient si et seulement si tous les tats sont transients.
(2) Un tat est rcurrent positif si et seulement si tous les tats sont rcurrents positifs.
Dmonstration. Nous rappelons (proposition 28.28) que si la chane est irrductible
n
1
1rXk xs
n8 n
k1
pxq lim
Notons aussi que
N
k1
1Xk x N T pxq
k0
si N T pxq
(28.110)
(28.111)
o dans la seconde ligne nous avons effectu le changement de variable de sommation k 1 k `T pxq.
Dans la limite (28.110) nous sommes toujours dans le cas o N est assez grand. Nous pouvons
donc crire
N T pxq
1
pxq lim
1Xk`T pxq x .
(28.112)
N 8 N
k0
1519
N T
pxq
k0
1Xk`T pxq x
N
1
N T pxq N
N T
pxq
k0
1Xk`T pxq x .
(28.113)
Dans cette dernire galit le membre de droite tend vers pxq et nous avons
1
N 8 N T pxq
lim
ou encore
N T
pxq
k0
N
1
1Xk`T pxq x pxq
N 8 N
k0
lim
(28.114)
(28.115)
tant donn que pxq est une constante nous avons videmment Eppxqq pxq. Nous pouvons
cependant considrer les variables alatoires
n
1
Zn
1X
x
n k1 k`T pxq
(28.116)
p.s.
1 `
E 1Xk`T pxq x
n8 n
k1
pxq lim
1 `
P Xk`T pxq x .
n8 n
k1
lim
Par le lemme 28.30 nous avons
pxq lim
(28.117a)
(28.117b)
(28.118)
(28.119)
Soit maintenant un tat x positif rcurrent et y, un autre tat. Par dfinition 28.22 et par
corollaire 28.25 nous avons pxq 0. Nous devons prouver que pyq 0.
tant donn que la chane est irrductible il existe r et s tels que
" r
p px, yq P pXr y|X0 xq 0
(28.120a)
ps px, yq P pXs x|X0 yq 0
(28.120b)
N
N
1
1
P pXr`s`ny|X0 y q loooooooomoooooooon
pr px, yqps py, xq
P pXn x|X0 xq
N n1
N n1
loooooooooooooooomoooooooooooooooon
0
(28.121)
pxq
et nous prenons la limite lorsque N 8. r ` s termes prs, nous trouvons gauche lexpression
(28.119) de pyq. Par consquent
N
1
pyq lim
P pXr`s`n y|X0 yq pxq
N 8 n
n1
(28.122)
o est une constante positive. Le nombre pxq tant strictement positif par hypothse nous avons
montr que pyq 0, cest dire que y est rcurrent positif.
1520
28.5
Mesure invariante
Dfinition 28.32.
Une mesure de probabilit sur lespace des tats E dune chane de Markov est invariante si
pour tout x P E
ppy, xqpyq.
(28.123)
pxq
yPE
Remarque 28.33.
Une mesure invariante est une mesure de probabilit et nous noterons par abus pxq pour ptxuq.
Si A E nous avons
pxq.
(28.124)
pAq
xPA
Remarque 28.34.
Une loi invariante associe une chane de Markov est une loi associe la matrice de transition
de la chane, mais pas la loi de X0 . Par consquent nous pouvons tester si est une mesure
invariante pour une certaine chane de Markov pXk q en considrant la chane pYk q avec Yk Xk
pour k 0 et Y0 arbitraire.
Ladjectif invariant provient du lemme suivant.
Lemme 28.35.
Soit pXn q une chane de Markov telle que X0 o est une mesure invariante sur lespace des
tats. Alors Xk pour tout k.
P pX1 yq
P pX1 y|X0 xqP pX0 xq
(28.125a)
xPE
ppx, yqpxq
(28.125b)
(28.125c)
pyq.
Par consquent X1 suit galement la loi . Par rcurrence tous les tats suivent cette mme loi.
Si les tats dune chane de Markov ont comme loi une mesure invariante, alors nous disons
que la chane est stationnaire.
Remarque 28.36.
Pour une chane de Markov stationnaire de loi invariante nous avons
pxq
ppy, xqpyq
(28.126)
(28.127)
1521
xPE
pxq 1.
(28.128)
pxq lim
(28.129)
tant donn que E est fini nous pouvons sommer sur x P E et permuter la somme avec la limite :
xPE
N
1
1Xk x .
N 8 N
xPE
k1 loooomoooon
pxq lim
(28.130)
Nous nous retrouvons donc avec limN 8 N1 N 1. La fonction dfinit donc bien une mesure de
probabilit sur E.
Nous montrons prsent que cette mesure est invariante, cest dire que
pxq
ppy, xqpyq.
(28.131)
yPE
Pour cela nous utilisons encore le thorme de la convergence domine pour permuter la limite et
lintgrale dans
N
N
1 `
1
E
1
P pXk`1 xq.
lim
Xk x
loooomoooon
N 8 N
N 8 N
k1
k1
(28.132)
P pXk xq
La dernire galit dcoule du fait que en divisant par N et en faisant tendre N vers linfini, le fait
denlever un terme la somme ne change pas la valeur de la limite. Nous pouvons substituer dans
(28.132) la valeur
P pXk`1 xq
ppy, xqP pXk yq.
(28.133)
yPE
N
1
ppy, xqP pXk yq
N 8 N
k1 yPE
pxq lim
N
1
ppy, xq lim
P pXk yq
N 8 N
yPE
k1
ppy, xqpyq,
(28.134a)
(28.134b)
(28.134c)
yPE
ce qui signifie que est une mesure invariante. Notons que nous avons encore utilis le fait que E
soit fini pour permuter avec la limite.
Il nous reste montrer lunicit de la mesure invariante sur la chane de Markov. Soit une
mesure invariante pour la chane de Markov pXk q. Comme indiqu dans la remarque 28.34 nous
pouvons supposer que X0 suit la loi . Par le lemme 28.35 nous avons P pXk xq pxq pour
tout k. Par consquent
N
1
pxq lim
P pXk xq pxq.
(28.135)
N 8 N
k1
1522
Thorme 28.38 (loi des grands nombres pour les chane de Markov).
Soit pXn q une chane de Markov irrductible acceptant une mesure invariante. Soit f : E R une
fonction dans L1 pE, q. Alors nous avons
N
1
p.s.
f pxqpxq.
f pXk q
N k1
xPE
|f pxq|pxq
|f pxq|dpxq 8.
(28.136)
(28.137)
xPE
Dmonstration. Nous prouvons le thorme dans le cas o E est fini. Si nous crivons
f pyq1Xk y ,
f pXk q
(28.138)
yPE
alors
N
N
1
1
f pyq
f pXk q
1Xk y .
N k1
N
yPE
k1
(28.139)
tant donn que E est fini nous pouvons permuter les sommes et prendre la limite N 8 :
N
1
1
f pXk q
1Xk y
f pyq lim
f pyqpyq.
N 8 N
N 8 N
yPE
yPE
k
k1
lim
28.6
(28.140)
Nous voudrions savoir sous quelles conditions la variable alatoire Xn converge en loi vers
quelque chose lorsque n 8. Une telle loi limite doit dpendre de la loi initiale 2 comme le
montre lexemple de la chane de Markov
1
&
Ao
1{2
1{2
/B
(28.141)
1
pA ` B q.
(28.142)
2
Si par contre X0 B, la loi limite est B . Notons que la chane de Markov propose ici est
irrductible.
Notons quil ny a pas toujours de lois limite comme le montre lexemple
Ao
avec X0 A. La loi en est
Xk
A
B
1
1
si k est pair
si k est impair.
Lemme 28.39.
Si nous avons une loi limite
P pXn xq lpxq,
(28.143)
(28.144)
(28.145)
2. Lorsque la loi limite ne dpend pas de la loi initiale, nous disons que la chane de Markov est ergodique, nous
y reviendrons.
1523
(28.146)
Par le lemme 6.171 sur la moyenne de Cesaro et lhypothse (28.145), nous avons aussi
n
1
P pXk xq lpxq.
n k1
(28.147)
Ce lemme (qui peut tre prouv rigoureusement) est principalement d au fait que la chane
de Markov ne visite un tat transitoire quun nombre fini de fois par la proposition 28.23(1).
Dfinition 28.41.
Un tat x P E est apriodique si
(28.148)
Mettons que tous les n tels que pn px, xq 0 ont 2 comme diviseur. Ltat nest alors pas
apriodique, mais on voit que si X0 x, alors les tats impairs ne peuvent pas tre sur x. Cela est
une forme de priodicit.
Si un tat est apriodique, il existe p et q premiers entre eux tels que pp px, xq et pq px, xq sont
non nuls. En particulier pour tout n P pN ` q N, P pXn xq 0. Par consquent la proposition
2.26 nous indique qu partir dun certain moment tous les Xk pourraient tre x.
Ltat C de la chane de Markov suivante est apriodique :
1
A _o
2{3
1
(28.149)
1{3
pour tout k N .
Proposition 28.43.
Si une chane de Markov est irrductible, alors un tat est apriodique si et seulement si tous les
tats sont apriodiques.
Dmonstration. Soit x un tat apriodique de la chane de Markov pXn qnPN . En vertu de la proposition 28.42 il existe Nx tel que pk px, xq 0 pour tout k Nx . Soit y P E. tant donn que la
chane est irrductible, il existe r et s tels quepr px, yq 0 et ps py, xq 0. Nous avons
pk`r`s py, yq P pXk`r`s y|X0 yq ps px, yqP pXk x|X0 xqpr py, xq.
(28.151)
Si k est assez grand, cette quantit est strictement positive. Donc il suffit de prendre Ny Nx `r`s
pour savoir que y est galement apriodique.
1524
Exemple 28.44
Quelle est la diffrence entre une chane irrductible et une chane apriodique ? Une chane est
irrductible lorsque aucune sous-chane ne peut piger le systme. Pour toute paire dtats x, y P E,
il existe un n tel quil soit possible daller de x y en n pas. Une chane est apriodique lorsquaprs
un temps suffisamment long, tous les tats soient possibles en mme temps.
Un exemple de chane irrductible non apriodique :
1
Ai
(28.152)
Cette chane est irrductible parce que le graphe est connexe, par contre il nest pas apriodique
parce que si X0 A il nest pas possible dtre dans ltat A aprs un nombre impair de pas.
Plus formellement, pn pA, Aq 1 ds que n est pair ; le PGCD de la dfinition 28.41 nest donc
certainement pas 1.
4
Si E est fini et si la chane de Markov est irrductible, alors en posant N maxxPE N pxq,
la matrice P k a des lments non nuls sur toute la diagonale pour tout k N . Ces lments
diagonaux ne sont autre que les pk px, xq.
Thorme 28.45 (Convergence en loi des chane de Markov).
Si pXn q est
(1) irrductible,
(2) rcurrente positive,
(3) apriodique,
alors Xn converge en loi vers lunique probabilit invariante vrifiant
1
.
pxq
ppy, xqpyq `
E T pxq|X0 x
uPE
(28.153)
28.7
(28.154)
Processus de Galton-Watson
Nous considrons une maladie et notons Zn le nombre de malades linstant n. Nous posons
Z0 1 et
#
0
si Zn 0
(28.155)
Zn`1 Zn pnq
sinon
i1 i
pnq
o i est le nombre de personnes contamines par le malade i linstant n. Nous supposons que
ces variables alatoires sont indpendantes et identiquement distribues et admettent un moment
dordre 1.
Lquation de propagation 28.155 signifie que nous supposons quune personne malade linstant n nest plus malade linstant n`1. Par ailleurs les hypothses dindpendance signifient qu
chaque instant, le nombre de personnes contamines par le malade i est indpendant du nombre de
personnes contamines par le malade j. De plus la faon dont la contamination se passe linstant
n est indpendant de la faon dont la contamination se passe linstant m. Ces hypothses sont
raisonnables tant que le nombre de personnes non contamines est grand. partir du moment o
presque tout le monde est malade, lapproximation de Galton-Watson ne fonctionne plus.
pnq
Nous notons la loi parente des i . Ensuite nous considrons
Gpsq Eps q
m Epq
Gn psq EpsZn q.
(28.156a)
(28.156b)
(28.156c)
1525
Gn psq E f pZn q
sx dPZn pxq
k0
sk P pZn kq
(28.157)
o lintgrale sest transforme en somme parce que la loi de Zn est discrte : dPZn est une somme
de masses de Dirac. En particulier nous avons
Gn psq
(28.158a)
sk P pZn kq
k0
Gp0q P pZn 0q
et
Do lintrt dtudier Gn .
(28.158b)
(28.159)
n8
Lemme 28.46.
Pour tout n P N et pour tout s P r0, 1s, nous avons
Gn psq G
G . . . Gpsq .
loooooooooomoooooooooon
(28.160)
(28.161)
Gn psq EpsZn q
Zn1 pn1q
E s i1 i
8
k
pn1q
E
.
1tZn1 ku s i1 i
(28.162a)
n fois
p1q
et donc
comme il se doit.
Si n 1 nous crivons
(28.162b)
(28.162c)
k0
ce niveau, nous voulons permuter la somme et lesprance. tant donn que le lemme est facile
vrifier pour s 1, nous supposons s 1. Du coup
k
pn1q
i1 i
(28.163)
k0
1Zn1 k 1.
(28.164)
La fonction constante 1 est intgrable sur (ici nous utilisons fond le fait que lespace soit un
espace de probabilit) et nous pouvons utiliser le thorme de convergence domine de Lebesgue
16.17 pour permuter la somme et lintgrale. Nous continuons donc le calcul (28.162) :
Gn psq
k0
1tZn1 ku s
pn1q
i1 i
(28.165)
pn1q
i1 i
1526
pn1q
i
. Par consquent le lemme de regroupement 26.15 nous dit que ces variables alatoires sont
indpendantes, donc
8
`
` k pn1q
i1 i
Gn psq
E
1
.
(28.166)
tZ
ku
n1
looooooomooooooon E s
k0
P pZn1 kq
Nous avons utilis le fait que lesprance dune fonction indicatrice est la probabilit de lvnement.
En ce qui concerne la puissance de s, les vnements in1 sont indpendants et suivent tous la
mme loi , donc
k
k
pn1q
pn1q
i
i1
s
si
(28.167)
i1
et
k
`
i1
k1
s Eps qk Gpsqk .
Thorme 28.47.
La probabilit dextinction est donne par
P
pZn 0q lim P pZn 0q.
n8
n1
(28.168)
(28.169)
(28.170)
(a) si m 1 alors 1,
Le cas m 1 est dit sous-critique, le cas m 1 est dit critique. Le cas m 1 est dit
sur-critique.
Dmonstration. Commenons par prouver que G est une fonction continue. En utilisant la thorme de transfert comme pour lquation (28.157) nous trouvons que
Gpsq Eps q
pk sk
(28.171)
k0
o nous avons not pk P p kq. Si r 1, alors la suite pk rk est borne, donc le critre dAbel
(16.23) nous indique que la srie (28.171) converge absolument et la thorie gnrale des sries
entires conclut que la fonction G est en particulier drivable terme terme pour tout s P s1, 1r.
(28.172)
1527
est le plus petit point fixe de G Nous dmontrons maintenant que est plus prcisment
le plus petit point fixe de G sur r0, 1s. Nous allons effectuer cette partie en dcomposant
selon les valeurs de p0 et de p1 .
Au vu de lcriture (28.171), si p1 1 alors Gpsq s pour tout s P r0, 1s. Mais dans ce cas
nous savons par ailleurs que lextinction est impossible. Zro est bien la plus petite solution
de Gpsq s.
Supposons maintenant que p1 1 et p0 ` p1 1. Alors Gpsq p0 ` p1 s et s 1 est lunique
solution. Mais vu que nous savons que est solution, cest que 1 et lextinction est
certaine.
Nous passons au cas gnral : p0 ` p1 1. Dabord nous remarquons que s 1 est solution
parce que
Gp1q p0 ` p1 ` 1.
(28.173)
Remarquons aussi que dans ce cas s 0 nest plus solution.
La fonction G est strictement convexe sur r0, 1s (parce que G2 0). Cela se voir en effectuant
deux drivations termes termes (le rayon de convergence de la drive est le mme que
celui de la fonction). Cette stricte convexit entraine que lquation Gpsq s a au maximum
une autre solution que s 1. Nous nommons s0 la plus petite solution dans r0, 1s. tant
donn que G est croissante on a
Gp0q Gps0 q s0 .
(28.174)
`
Classification des cas Nous devons encore discuter les cas. Si P p 0q 0, alors p0 0 et
Gp0q 0, ce qui signifie que s0 0 et lextinction est impossible.
Nous passons au cas p0 0. Si p0 ` p1 1, alors m p1 1 et nous avions dj vu que
dans le cas p0 ` p1 1, la probabilit dextinction est 1.
Il nous reste traiter le cas p0 `p1 1. Encore une fois, la courbe G est strictement convexe
sur r0, 1s et elle est en particulier plus grande que sa tangente en s 1, cest dire
Gpsq G1 p1qps 1q ` Gp1q.
(28.176)
Nous savons que Gp1q 1. En ce qui concerne G1 p1q, nous drivons encore terme termes :
1
G psq
donc
G1 p1q
Ce que nous avons donc est
k1
kpk sk1 ,
(28.177)
kpk Epq m.
(28.178)
k1
(28.179)
Gpsq 1 ` ps 1q s,
(28.180)
1528
Gpsq Gp1q
1,
s1
(28.182)
Gpsq s 1 ` Gp1q s.
(28.183)
Nous avons donc Gpsq s dans un voisinage de 1. Mais Gp0q 0 p0 0, donc la fonction
f psq Gpsq s est positive en 0 et ngative proche de s 1. Le thorme de la valeur
intermdiaire nous indique alors quil existe un s P s0, 1r tel que f psq 0, cest dire tel
que Gpsq s.
Chapitre 29
Martingales
29.1
Convergence de martingales
Dfinition 29.1.
Si A est une tribu, une filtration de A est une suite croissante de sous-tribus Bi Bi`1 A.
Nous disons quune suite de variables alatoires pXn q est adapte une filtration pFn q si Xi
est Fi -mesurable pour tout i.
Ces dfinitions impliquent immdiatement que si pXn q est adapt pFn q alors Xn est Fk mesurable pour k n.
Dfinition 29.2.
Une martingale adapte la filtration pBn qnPN est une suite de variables alatoires Mn P L1 p, A, P q
telle que
(1) Mn est Bn -mesurable,
(2) EpMn`1 |Bn q Mn .
Le processus Mn est une sur-martingale si EpMn`1 |Bn q Mn , et cest une sous-martingale
si EpMn |Bn q Mn .
Exemple 29.3
Si M P L1 p, A, P q et si pBn qnPN est une filtration, nous pouvons considrer la martingale Mn
EpM |Bn q.
4
Exemple 29.4
Soit pXi qi1 une suite de variables alatoires indpendantes et centres. On pose
Sn X1 ` . . . ` Xn
(29.1)
et la filtration Bn pX1 , . . . , Xn q. Pour montrer que cela est une martingale, nous commenons
par remarquer que
EpXn`1 |Bn q EpXn`1 q 0
(29.2)
par indpendance des tribus Bn et pXn`1 q. Ici cest le lemme 26.33 qui joue.
Ensuite nous argumentons que EpX1 ` . . . ` Xn |Bn q X1 ` . . . ` Xn . En effet dune part
X1 ` . . . ` Xn est Bn -mesurable et videmment la condition intgrale de lesprance conditionnelle
est satisfaite.
Plus gnralement si X est une variable alatoire et si pXq B alors EpX|Bq X.
4
Lemme 29.5.
Soit pMn q une martingales adapte la filtration pFn q et n k. Alors
EpMn |Fk q Mk
EpMk |Fn q Mk .
1529
(29.3a)
(29.3b)
1530
Dmonstration. La seconde relation revient seulement dire que Mk est Fn -mesurable, ce qui est
vident parce que Fk Fn .
Nous prouvons la premire par rcurrence ( lenvers) sur k. Dabord si k n, lgalit
EpMn |Fn q Mn . Nous supposons maintenant que EpMn |Fk q Mk , et nous prouvons que
EpMn |Fk1 q Mk1 . Si Bk1 P Fk1 , nous avons
Mn .
(29.4)
Mk
Mk1
Bk1
Bk1
Bk1
La premire galit est la dfinition dune martingale, et la seconde est lhypothse de rcurrence.
Thorme 29.6 ([304, 305]).
Soit pMn qn0 une martingale borne dans L2 pq, cest dire telle que
sup EpMn2 q 8.
n0
(29.5)
(29.6)
k1
E n k |Fn1
n k
(29.7)
Bn1
Bn1
E E n k |Fn1 Epn k q
(29.8)
par la dfinition de lesprance (26.51). Par consquent, en utilisant le lemme 29.5 nous avons 1
EpM02 q
k1
Ep2k q.
(29.10)
k1
Ep2k q 8.
(29.11)
Cela prouve que la suite nk1 k converge dans L2 pq. Nous en dduisons immdiatement que
pMn q est de Cauchy dans L2 pq parce que si k, l n, nous avons (en utilisant encore lorthogonalit
des incrments)
l
8
2
2
E |Mk Ml |
Epi q
Ep2i q,
(29.12)
ik`1
ik`1
1. ce niveau je crois quil y a une faute dans [305] qui conditionne par rapport Fn .
1531
Mn EpM8 |Fn q.
Notons en particulier que la variable alatoire M8 est presque srement finie parce quen vertu
de (29.13) nous avons
Mn 8.
(29.14)
M8
Exemple 29.8
Soient des variables alatoires indpendantes Vk E p2n q et la variable alatoire somme
Sn
(29.15)
Vk .
k1
p.s.
Nous allons montrer que Sn X o X est une variable alatoire presque srement finie. Nous
posons
n
1
M n Sn
(29.16)
k
2
k1
Cela est une martingale adapte la filtration Fn pV1 , . . . , V
n q en vertu de lexemple 29.4. Nous
montrons prsent quelle est borne dans L2 pq au sens o n1 EpMn2 q 8. Nous avons
EpMn2 q
1 2
Sn
2k
k
1 2
pVk k q
2
(29.17)
La variable alatoire Vk 1{2k est une variable alatoire centre de variance 1{p2k q2 (voir proposition 26.81). tant donn que Mn est centre, VarpMn q EpMn2 q et nous avons
EpMn2 q
n
1
1
,
Var Vk k
k
2
p2 q2
k1
k1
n
1
k1 p2k q2 ,
(29.18)
nous avons
EpMn2 q l
(29.19)
avec l indpendant de n. Cest pour cela que pMn qnPN est une martingale borne dans L2 pq. Par
le thorme 29.7 nous avons Mn M8 et en faisant n 8 dans
Sn Mn `
nous trouvons
Sn M8 `
qui est presque srement finie.
1
,
k
2
k1
1
1
M8 `
k
2
k1
(29.20)
(29.21)
4
1532
29.2
Dfinition 29.9.
est un temps darrt
Soit p, Fn , F, P q un espace de probabilit filtr. Une application T : N
adapt la filtration pFn q si pour tout n P N nous avons tT nu P Fn .
Le temps darrt T est born si il existe k P N tel que T pq k pour presque tout P .
Lemme 29.10.
Si T est un temps darrt presque srement fini, alors 2
p.s.
T ^ n T ,
limn8 EpT ^ nq EpT q.
(29.22)
pour tout tel que T pq k pour tout k P N. Soit donc P tel que T pq k et n k. Nous
avons
pT ^ nqpq T pq ^ n k T pq.
(29.23)
En ce qui concerne la seconde assertion, la suite de variables alatoires Xx T ^n est croissante
et positive, donc le thorme de la convergence monotone 7.129 montre que
lim EpT ^ nq EpT q.
n8
(29.24)
Remarque 29.11.
Notons la diffrence subtile entre ST pq et pST qpq. La premire est la variable alatoire
1 ST p1 q pq
(29.25)
(29.26)
Remarque 29.13.
Un cas particulier intressant de ce thorme 29.12 est le cas S 0 qui est un temps darrt
vrifiant F0 t, Hu. Si X est nimporte quelle variable alatoire, la tribu engendre pXq est
toujours indpendante de la tribu t, Hu, donc le rsultat EpXT |FS q XS donne
EpXT q X0 .
(29.27)
1533
E |Xn`1 Xn | |Fn c
(29.28)
Alors XT est une variable alatoire presque srement bien dfinie nous avons
(29.29)
EpTT q EpX0 q.
Si pXn q est une sur-martingale, alors la conclusion est EpXT q EpX0 q et si pXn q est une sousmartingale, la conclusion est EpXT q EpX0 q.
Remarque 29.15.
Sous lhypothse (3), il est possible davoir T 8 sur un ensemble de mesure non nulle. Sur cet
ensemble, la variable alatoire XT doit tre dfinie de faon plus fine.
Problmes et choses faire
Daprs la page de discussion de larticle sur Wikipdia, il semblerait que la seconde condition soit mal nonce. Je nai pas vrifi.
Dfinition 29.16.
Nous disons que la martingale pMn qn1 est termine si il existe M P L1 p, A, P q telle que
EpM |An q M pour tout n 1.
Dfinition 29.17.
Un ensemble H L1 p, q est qui-intgrable si
lim
a8
sup
f PH |f |a
|f pxq|dpxq
0.
|f pxq|dpxq 0.
lim
a8 |f |a
(29.30)
(29.31)
1534
et, si k n,
kn
Mk 1T k .
(29.32)
(29.33)
tT ku looomooon
tT ku z loooooomoooooon
tT k 1u P Bk Bn .
(29.34)
PBk
PBk1
(29.35)
kn`1
o nous avons utilis la proposition 26.24. tant donn que 1T n`1 et 1T k sont des variables
alatoires Bn -mesurables nous pouvons utiliser la proposition 26.36 pour les sortir :
Pour cela nous avons utilis EpMn`1 |Bn q Mn (parce que pMn q est une martingale) et EpMk |Bn q
Mk parce que Mk est Bn -mesurable.
Dfinition 29.21.
Si pXn q est un processus adapt la filtration pFn q et si T est un temps darrt Fn -mesurable alors
le processus arrt linstant T est le processus Yn Xn^T .
Nous avons dj vu par la proposition 29.20 que si pXn q est une martingale alors son processus
arrt est encore une martingale.
29.3
Dcomposition de martingales
(3) An`1 est Fn -mesurable ; cest cette condition qui correspond prvisible.
(29.37)
(29.38a)
(29.38b)
Nous vrifions que cela est un processus croissant prvisible. Dabord EpXn`1 Xn |Fn q EpXn`1 |Fn q
EpXn |Fn q. Le second terme est gal Xn parce que cette variable alatoire est Fn -mesurable tandis que pXn q tant une sous-martingale nous avons EpXn`1 |Fn q Xn . Nous avons donc bien
An`1 An et le processus pAn q est croissant.
1535
En ce qui concerne la prvisibilit nous devons prouver que An`1 est Fn -mesurable. Dune
part An est Fn -mesurable et dautre part par dfinition de lesprance conditionnelle, la variable
alatoire EpXn`1 Xn |Fn q est galement Fn -mesurable.
Nous posons alors Mn Xn An et nous devons prouver que cela est une martingale. Nous
avons
EpMn`1 Mn |Fn q EpXn`1 Xn |Fn q EpAn`1 An |Fn q.
(29.39)
Le second terme vaut
(29.40)
par la proposition 26.31. Le processus pMn q est donc une martingale. La preuve de lexistence
dune dcomposition (29.37) est acheve.
Nous passons maintenant lunicit en posant Xn Mn ` An Mn1 ` A1n . Nous avons
A0 A10 0 et A1n Xn Mn1 , donc
1
1
A1n`1 A1n Xn`1 Xn ` Mn`1
Mn1 Xn`1 Xn pMn`1
Mn1 q.
(29.41)
(29.42)
A1n`1 A1n
Nous avons utilis le que que pMn q tant une martingale, EpMn`1 Mn Fn q 0, et idem avec
pMn1 q. Donc
A1n`1 A1n EpXn`1 Xn |Fn q EpMn`1 Mn |Fn q ` EpAn`1 An |Fn q An`1 An . (29.43)
Nous avons donc montr que An`1 An A1n`1 A1n et donc que An A1n pour tout n. Nous en
dduisons immdiatement que Mn Mn1 pour tout n et lunicit de la dcomposition.
Lemme 29.24.
Si pXn q est une martingale de carr intgrable adapte la filtration pFn q alors
(1) Le processus pXn2 q est une sous-martingale.
n
n
2
EpXi2 |Ai1 q Xi1
i1
(29.44)
i1
(29.45)
parce que EpXn |Fn1 q Xn du fait que pXn q soit une martingale.
En ce qui concerne la seconde assertion, nous nous souvenons que le processus prvisible de
la dcomposition de Doob dune sous-martingale est donn par la rcurrence (29.38) que nous
recopions ici :
"
A0 0
(29.46a)
2
An`1 An ` EpXn`1
Xn2 |Fn q
(29.46b)
2
An`1 An ` EpXn`1
|Fn q Xn2
et donc
An
i1
2
EpXi2 |Fi1 q Xi1
.
(29.47)
(29.48)
1536
2
E pXi Xi1 q2 |Fi1 E Xi2 ` Xi1
2Xi Xi1 |Fi1
EpXi2 |Fi1 q
EpXi2 |Fi1 q
EpXi2 |Fi1 q
2
Xi1
2
Xi1
2
Xi1
(29.49a)
(29.49b)
2Xi1 Xi
(29.49d)
(29.49c)
29.4
Nous considrons un joueur compulsif qui joue un jeu trs simple 4 : il joue pile ou face
contre la banque avec une pice truque. Si pile sort, la banque donne 1 au joueur et si cest face,
cest le joueur qui donne 1 la banque. Nous nommons a la fortune initiale du joueur, b celle de
la banque et p la probabilit dobtenir pile.
Nous supposons que le jeu se poursuit jusqu la ruine du joueur ou de la banque. La modlisation est comme suit : nous considrons pYn q une suite de variables alatoires indpendantes et
identiquement distribues de loi
Yn p1 ` p1 pq1 .
(29.50)
Cest le rsultat financier pour le joueur du ne lanc. La fortune du joueur au bout de n lancs est
la variable alatoire
n
Sn a `
Yj .
(29.51)
j1
Nous notons Y0 a.
Nous considrons la filtration
(29.52)
(29.53)
cest le temps quil faut pour que tout largent appartienne soit au joueur soit la banque.
Nous voulons tudier les paramtres suivants :
(1) P pST a ` bq, cest dire la probabilit que ce soit le joueur qui gagne contre la
banque.
(2) P pT 8q, cest dire la probabilit que le jeu se finisse.
(3) EpT q, la dure moyenne du jeu.
Lemme 29.25.
Le processus Sn du problme de la ruine du joueur est vrifie
EpSn |An1 q Sn1 ` p q.
De plus le processus Sn est
(1) une martingale si p q 12 ,
(29.54)
1537
j1
EpYj |An1 q a `
n1
j1
(29.55)
j
n1
j1
j1 Yj .
En ce qui concerne le terme j n nous utilisons le fait que pYn q soit une tribu indpendante
de An1 ; nous avons donc au final pour tout j que EpYj |An1 EpYj q p q. Nous avons donc
Si p q
1
2
(29.56)
Lemme 29.26.
La variable alatoire T est un temps darrt.
Dmonstration. Par dfinition T inftn 1 tel que Sn P t0, a`buu.
( Vu que les variables alatoires
Si avec i n sont Fn -mesurables, les ensembles Sk R t0, a ` bu avec k n sont Fn -mesurables.
Donc les ensembles
(
(
tT nu
Sk R t0, a ` bu X Sn P t0, a ` bu
(29.57)
kn
29.4.1
Considrons le processus
"
A0 0
(29.58a)
(29.58b)
Vu que EpSn |An1 q Sn1 ` p q (lemme 29.25) et que EpSn1 |An1 q Sn1 (parce que Sn1
est dans la tribu de An1 ), nous avons An An1 ` pp qq et donc
An npp qq.
(29.59)
Mn Sn An
(29.60)
et nous montrons que cest une martingale 5 . Nous conditionnons la dfinition (29.60) par rapport
An1 :
EpMn An1 q EpSn |An1 q EpA
n |An1 q
loooooomoooooon
An
(29.61a)
(29.61b)
(29.61c)
(29.62)
1538
29.4.1.2
Nous montrons maintenant, en tudiant MT ^n que T est intgrable et nous prouvons que
P pT 8q 0.
Nous voulons maintenant tudier la variable alatoire MT ^n o nous rappelons que le lemme
29.26 nous indique que T est un temps darrt. Le temps darrt T ^n est born (par n videmment)
et nous pouvons donc lui appliquer le thorme darrt 29.14 pour dire que
EpMT ^n q EpM0 q.
(29.63)
Le membre de droite est simple parce que M0 S0 A0 S0 a parce que cest largent de
dpart du joueur. Pour lautre :
EpMT ^n q EpST ^n q EpAT ^n q.
(29.64)
`
Dune part, EpAT ^n q E pT ^ nqpp qq et dautre part, EpST ^n q a ` b parce que ST vaut
zro ou a ` b (avec des probabilits encore inconnues 6 ). En combinant avec ce qui tait dit juste
au dessus et remarquant que pp qqEpT ^ nq 0 nous pouvons crire
0 pp qqEpT ^ nq b.
(29.65)
La suite de variables alatoires T ^ n est donc croissante, positive et intgrable 7 et donc nous
avons du travail pour le thorme de la convergence monotone 7.129. La variable alatoire T est
alors mesurable et
lim EpT ^ nq EpT q.
(29.66)
n8
Notons que nous navons pas encore prouv que EpT q 8, mais en passant la limite dans (29.65)
nous crivons
0 pp qqEpT q b.
(29.67)
Maintenant nous avons prouv que T est intgrable et mme L1 . Par consquent
P pT 8q 0.
(29.68)
(29.69)
(29.70)
(29.71)
6. Mais on y travaille.
7. Je rappelle que les constantes sont des fonctions intgrables sur . Oui, je sais, quand on est habitu faire
de lanalyse sur Rn cest un truc quon perd toujours un peu de vue.
1539
pa ` bq a
.
pq
(29.72)
(29.73)
Ne crions pas victoire trop vite : nous navons pas encore dexpression de P pST a ` bq. Le
temps moyen de jeu nest donc pas encore tout fait connu.
29.4.1.4
Nous avons besoin dexprimer en termes de a, b et p. Pour cela nous introduisons la variable
alatoire 8
Sn
p
.
(29.74)
Un
q
q Sn 1 q Yn
EpUn |An1 q E
|An1
p
p
(29.75)
Nous utilisons la proposition 26.36. Dans notre cas, Sn1 et Yn sont des variables alatoires An mesurables ; la variable alatoire Yn est mme An1 -mesurable et sort donc du conditionnement ;
nous avons donc
Sn1 Yn
q
q
EpUn |An1 q
E
(29.76)
p
p
Nous allons utiliser le thorme de transfert 26.47 :
Yn
Yn pq
Eps q
s
DP pq
sdP pq `
Yn 1
Yn 1
1
dP pq.
s
(29.77)
Donc
1p
s
(29.78)
p Yn
E
p ` q 1.
q
(29.79)
Sn 1
q
EpUn |An1 q
Un1 ,
p
(29.80)
|UT ^n |a
|UT ^n |dP 0
(29.81)
parce que le domaine dintgration est vide. Donc les variables alatoires Vn UT ^n sont quiintgrables 10 et le thorme 29.18 montre que la martingale pVn q est termine ; par ricochet 11 le
p.s.
thorme de Doob 29.19 montre quil existe une variable alatoire X telle que Vn X. Nous
8.
9.
10.
11.
Nous dirons un mot sur ce choix dans le petit complment plus bas
Pour n T le jeu est termin, donc on ne se pose pas la question.
Dfinition 29.17.
Nous rappellons que la convergence L1 nimplique pas la convergence presque partout.
1540
allons prouver que X UT presque partout. Nous savions dj (voir lquation (29.22) et ses
alentours) que
p.s.
(29.82)
Sn^T ST .
Nous avons alors (au sens du presque srement) :
ST ^n
q
q ST
q UT .
n8 p
p
n8
n8
(29.83)
Donc par unicit de la limite presque partout nous avons X UT presque partout. Par le thorme
de transfert 26.47 nous valuons
0
a`b
a`b
q
q
q
EpUT q
P pST 0q `
P pST a ` bq p1 q `
.
(29.84)
p
p
p
La remarque 29.13 nous permet de dire que
EpUT ^n q U0 .
(29.85)
S0 a
q
q
U0
,
p
p
(29.86)
a
q
EpUT ^n q
.
p
(29.87)
Nous voudrions passer la limite n 8 dans cette quation. Pour permuter la limite et lesprance, il faut utiliser le thorme de la convergence domine 7.134. Vu que nous avons choisi q p,
nous avons q{p 1 et donc UT ^n pq{pqa`b , ce qui montre que la fonction pUT ^n qpq est
majore par une constante (qui est une fonction intgrable). Nous pouvons donc permuter la limite
et lesprance :
`
n8
p.s.
(29.89)
(29.90)
et ensuite nous trouvons EpT q en remettant ce dans lexpression (29.73) donne plus haut.
29.4.2
Maintenant p q 1{2.
29.4.2.1
Probabilit de gagner
Le lemme 29.25 nous indique alors que pSn q est une martingale et le lemme 29.24 nous permet
de dire que pSn2 q est alors une sous-martingale. Le processus croissant prvisible de pSn2 q est donn
par (29.38) qui en adaptant les notations est
#
B0 0
(29.91a)
2
Bn Bn1 ` E pSn Sn1 q |An1 .
(29.91b)
1541
Nous avons toujours Sn Sn1 1 parce que soit le joueur gagne soit le joueur perd, mais de
toutes faons sa fortune varie de 1 chaque tape du jeu. Donc (29.91b) nous donne Bn Bn1 `1
et
Bn n.
(29.92)
Sn2 Bn Sn2 n
(29.93)
(29.94)
(29.95)
est une martingale (une sur-martingale moins son processus prvisible croissant). Nous lui appliquons le thorme darrt 29.12 avec les temps darrt 0 et T ^ n :
o F0 est la tribu engendre par la variable alatoire 0, cest dire t, Hu. Cette tribu est indpendante de toute autre tribu et nous pouvons donc supprimer le conditionnement dans (29.94).
Nous avons aussi S0 a par dfinition. Avec tout a nous avons la majoration
parce que Sk est toujours positif et entre 0 et a ` b. En utilisant le lemme 29.10 et en passant la
limite,
EpT q pa ` bq2 a2 .
(29.96)
En particulier, T P L1 pq et P pT 8q 1.
En suivant exactement les mmes tapes que dans le lemme 29.1029.10 nous avons aussi
lim ST ^n ST
(29.97)
0 ST2 ^n pa ` bq2 ,
(29.98)
(29.99)
n8
et nous pouvons donc utiliser le thorme de la convergence domine 7.134 pour dire que
n8
L2
Nous montrons prsent que ST ^n ST . Pour cela nous devons valuer la limite
|ST ^n ST |2 .
lim
n8
(29.100)
La fonction |ST ^n ST |2 est majore par pa ` bq2 et nous pouvons nouveau appliquer la convergence domine :
2
2
|ST pq^n pq ST pq pq| dP pq
lim |ST ^n ST |2 0.
lim Ep|ST ^n ST | q lim
n8
n8
n8
(29.101)
L1
La mme chose en ncrivant pas les carrs montre que lon a aussi ST ^n ST .
Il ny a pas que n Sn2 n qui est une martingale. Il y a aussi pSn q lui-mme (lemme 29.25).
Nous pouvons lui appliquer le thorme darrt 29.12 pour les temps darrts T ^ n et 0 :
EpST ^n q EpS0 q a.
(29.102)
(29.103)
En passant la limite, EpST q a. Lesprance EpST q peut par ailleurs tre calcule comme
En galisant les valeurs (29.102) et (29.103) de EpST q nous trouvons
a
.
a`b
(29.104)
Cette formule est assez logique : la probabilit que le joueur gagne est gale la proportion dargent
en jeu quil a amen.
1542
29.4.2.2
Nous calculons maintenant lesprance EpT q du temps de jeu (sans compter les pauses ni les
jours de fermeture du casino 12 ).
Nous recopions la premire galit de (29.95) sous la forme
a2 EpST2 ^n T ^ nq
(29.105)
(29.106)
EpT q ab.
(29.107)
Et l, on voit que si le joueur amne 1000 euros contre une banque qui en a un million, et si ils
jouent toutes les secondes , on en a pour 32 ans de jeu en moyenne.
Voila. Cest fini pour la ruine du joueur.
29.4.3
Un petit complment
Nous avons introduit lors de lquation (29.74) la variable alatoire Un pp{qqSn . Sans aller
jusqu motiver compltement ce choix, nous nous proposons maintenant de voir que parmi les
variables alatoires Un sSn , le choix s p{q est le seul qui donne une martingale.
Soit donc Un sSn et exprimons le fait que ce soit une martingale. Nous avons
EpUn |An1 q EpsSn1 sYn |An1 q
s
Sn1
Eps
Yn |An1
sSn1 EpsYn q.
(29.108a)
(29.108b)
(29.108c)
Le passage (29.108b) se justifie en disant que sSn1 est une variable alatoire borne et An1 mesurable, et en invoquant proposition 26.36. La variable alatoire Yn vaut 1 avec probabilit p et
1 avec probabilit q ; donc lesprance est vite vue :
EpsYn q ps ` q
et nous avons
1
s
1 Sn1
q
EpUn |An1 q ps ` q
s
pps ` qUn1 .
s
s
(29.109)
(29.110)
Pour que pUn q soit une martingale il faut (et il suffit) que
ps `
q
1.
s
(29.111)
Les solutions de cette quation sont s P t1, pq u. Cest videmment s p{q qui donne une martingale
non triviale. Attention pour tre complet, il faut se demander ce quil se passe si s 0 sparment
parce que manifestement lquation (29.111) ne traite pas ce cas. Encore une fois, en repartant du
dbut, s 0 ne se rvle pas tre une martingale trs excitante.
Bref, nous devons poser
Sn
p
Un
(29.112)
q
pour avoir une martingale.
Chapitre 30
Processus de Poisson
30.1
Processus de Poisson
Dfinition 30.1.
Une famille de variables alatoires pNt qt0 est une processus de Poisson dintensit si il existe
une suite de variables alatoires indpendantes et identiquement distribues pTk qkPN de loi E pq
telles que
n
Si nous posons Sn
k1 Tk ,
n1
1tSn tu .
(30.2)
ts Sn tu tNt n Ns u
(30.3b)
Thorme 30.2.
Les variables alatoires pNt qt0 est un processus de Poisson dintensit si et seulement si elles
vrifient les trois proprits suivantes.
Accroissements indpendants Pour tout choix 0 t0 t1 . . . tn , les variables alatoires
Nti`1 Nti sont indpendantes.
(30.4)
Nt`h Ns`h Nt Ns ,
cest dire que les accroissements dcals suivent les mmes lois.
Poisson Pour tout t nous avons Nt Pptq.
Une consquence des accroissements stationnaires est que Nt Ns Nts N0 Nts parce
que N0 0.
L
Proposition 30.3.
Si pNt q est un processus de Poisson dintensit , alors
lim Nt `8
t8
1543
(30.5)
1544
presque srement. De plus
Nt
t8 t
lim
(30.6)
presque srement.
La relation (30.6) est appele loi des grands nombres.
Dmonstration. Par dfinition nous savons que
Nt suptn 0 tel que Sn tu.
(30.7)
(30.8)
t8
existe dans r0, 8s. Nous pouvons nous restreindre t P N et considrer Lpq limn8 Nn pq.
Par somme tlescopique avec N0 0,
n
Nn
pNk Nk1 q
k1
.
(30.9)
n
n
tant donn que le processus est de Poisson, les variables alatoires pNk Nk1 qk1,...,n sont
indpendantes et suivent toutes la loi de N1 N0 , cest dire la loi de N1 . Encore par le fait que
Nt soit de Poisson nous savons que N1 Ppq. La loi des grands nombres (26.68) applique aux
variables alatoires Nk Nk1 nous dit que
Nn p.s.
EpN1 q 0.
n
(30.10)
Du coup Nn 8 et Lpq 8.
Nous dmontrons maintenant la loi des grands nombres pour les processus de Poisson. tant
donn que pour les entiers Nn {n , pour les rels, si la limite existe, a ne peut pas tre autre
chose. Si nous notons t la partie entire de t P R` ,
Nt
Nt Nt Nt
`
.
t
t
t
(30.11)
t
t on
t on loomo
loomo
(30.12)
o nous avons utilis le premier point, t tant entier. Pour le premier terme nous savons que t Nt
est croissante et donc que
Nt Nt Nt`1 Nt Nt`1 Nt t ` 1
.
t
t
t
t ` 1
(30.13)
Nn Nn1
n
(30.14)
et tend vers zro en tant que terme gnral de la srie (30.9) qui converge.
Proposition 30.4.
La variable alatoire Nt {t est un estimateur sans biais de . De plus il converge vers en moyenne
quadratique.
1545
Var
2 VarpNt q .
(30.15)
t
t
t
En appliquant la formule VarpXq EpX 2 q EpXq2 X Nt {t nous trouvons
2
Nt
E
` 2 .
2
t
t
Cela montre que
Nt
t
(30.16)
L2
Pour le thorme central limite dun processus de Poisson, nous visons un rsultat du style de
1
i Xi mn L
n
?
N p0, 1q.
(30.17)
n
Nous crivons le thorme central limite pour le nombre de sauts que le processus de Poisson a
connu en un temps t. Le rle de la moyenne empirique est jou par Nt . Nous considrons avoir
fait une seule exprience qui a dur un temps t. Donc le rle de n est jou par 1 (et non t comme
on pourrait le croire). Pour le reste, le nombre de succs en un temps t dune variable alatoire
exponentielle de paramtre est une variable alatoire de Poisson de paramtre t, en vertu de ce
qui est racont au point 26.5.8. Cest cela qui motive lnonc suivant.
Thorme 30.5 (Thorme central limite pour les processus de Poisson).
Si pNt qt0 est un processus de Poisson de paramtre , alors nous avons
Nt t L
?
N p0, 1q.
t
(30.18)
Remarque 30.6.
Avant de nous lancer dans la dmonstration, remarquons que si nous nous limitons t P N, alors
nous avons
n
Nn n
pNk Nk1 q n
?
?
k1
(30.19)
n
n
or par dfinition nous avons les galits de lois
(30.20)
Nk Nk1 N1 Ppq,
donc
Sn n
?
1
n
n S?
n
n
1
Sn
n? ? ,
{ n
(30.21)
ce qui est exactement le thorme central limite pour une suite de lois de Poisson 1 .
Dmonstration. Nous crivons t la partie entire de t et nous dcomposons :
Nt t
Nt N Nt t t t
?
? t` ?
` ?
.
t
t
t
t
looomooon
looomooon
looomooon
A
(30.22)
1. Au fait prs que nous devrions encore montrer que Sn est de carr intgrable.
(30.23)
1546
Notons que nous utilisons le fait que si an 1 (en tant que suite de nombre) et si Xn N p0, 1q
(limite en loi), alors an Xn N p0, 1q en loi.
Le terme C est galement facile parce que t t est major en norme par . Du coup
? C ? .
t
t
(30.24)
Donc limt8 C 0.
Reste travailler sur A. Vu que t Nt est croissante, la diffrence Nt Nt est positive. Soit
0, nous avons
P p|A| q P pNt Nt
?
?
`
tq P Nt`1 Nt t P pN1 tq
(30.25)
parce que nous savons que Nt`1 Nt N1 Ppq. En vertu des proprits de la loi de Poisson,
?
lim P pN1 tq 0.
(30.26)
t8
kl
P pZ kq e
k
.
k!
kl
(30.27)
Nous reconnaissons la queue de srie de e , qui tend donc vers zro lorsque l 8. Nous avons
donc prouv que
`
lim P |A| 0,
(30.28)
t8
B ` C U N p0, 1q
A 0.
P
(30.29a)
(30.29b)
pA, B ` Cq p0, U q.
(30.30)
A ` pB ` Cq 0 ` U,
(30.31)
ce quil fallait.
30.2
Cest avec cela quon calcule pxq partir dune simulation de chane de Markov.
(30.32)
1547
30.2.1
k1
ff
f d N p0, 2 q
L
(30.33)
1
f pxqpxq
f pXk q N
Z?
N
xPE
(30.34)
et puis on va mettre sa ralisation dans un histogramme. Dans le cas o on prend f piq 1ii0 , il
y a de la simplification dans lintgrale qui devient
1
Z?
N
30.2.2
i1
ff
1Xk i0 N pi0 q .
(30.35)
Feuille 5
On pose
Dn
(30.36)
xPR
pkq
(30.37)
`?
(30.38)
xPR
pkq
Note que chacun des Dn demande de crer un nouveau vecteur Yi de lois quon veut regarder.
Par exemple de loi exponentielle.
30.2.3
Feuille 6
Pour crer une fonction qui renvoie i avec probabilit pi pour i 1, 2, 3, on peut faire
U U r0, 1s
(30.39)
et puis on a
P pU p0 q p0
P pp0 U p0 ` p1 q p1
P pp0 ` p1 U p2 q p2 .
Une faon de faire une loi uniforme r0, 1s est de faire rand
(30.40a)
(30.40b)
(30.40c)
1548
30.2.4
Feuille 7
Y X `
2 ff
1
1 yi Xit
? exp
.
(30.42)
P py1 , . . . , yn q
2
2
i
Lastuce est de faire que yi Xit est la iime composante du vecteur Y X et donc la somme
qui est dans lexponentielle devient la norme de Y X :
n
1
1
2
?
exp }Y X} .
(30.43)
f py1 , . . . , yn q
2
2
On passe au logarithme et on drive par rapport 2 . Attention : la variable est 2 , donc la drive
de 2 est 1 et non 2. Bref, on trouve
2
30.2.5
1
}U ` X}.
2n
(30.44)
Nous voulons gnrer des couples pX, Y q tels que Y prend les valeurs 0 ou 1 et tels que
"
P pX|Y 0q E p0 q
(30.45a)
Le plus simple est de gnrer une liste
P pX|Y 1q E p1 q.
(30.45b)
pX1 , 0q
pX4 , 1q
pX3 , 0q
pX6 , 1q
pX2 , 0q
pX5 , 1q
(30.46a)
(30.46b)
(30.46c)
avec X1 , X2 , X3 E p0 q et X4 , X5 , X6 E p1 q.
Avec cette mthode cependant la liste est trie et en plus on a autant de 1 que de 0. On
peut faire un peu plus technologique pour corriger cela. Pour crer un couple, on commence par
Y Bppq et puis suivant que Y 0 ou y 1, on gnre X E p0 q ou X E p1 q.
Chapitre 31
31.1
Dmystification du MRUA
31.1.1
Preuve de la formule
(31.2)
vptq at ` C1
(31.3)
vptq at ` v0 .
(31.4)
Afin de trouver xptq en connaissant aptq, il suffit donc de prendre deux fois la primitive. Essayons
a dans le cas facile du MRUA o aptq a est constante.
La vitesse vptq doit tre une primitive de la constante a. Il est facile de voir que vptq at est
une primitive de a. Par le corollaire 11.103(bis),
pour une certaine constante C1 . Afin de fixer C1 , il faut faire appel la physique : daprs la
formule (31.3), la vitesse initiale est vp0q C1 . Donc il faut identifier C1 la vitesse initiale :
C1 v0 . Nous avons donc dj obtenu que
Afin de trouver xptq, il faut trouver une primitive de vptq. Il nest pas trs difficile de voir que
at2 {2 ` v0 t fonctionne, donc il existe une constante C2 telle que
xptq
at2
` v 0 t ` C2 .
2
(31.5)
Encore une fois, regardons la condition initiale : la formule donne comme position initiale xp0q C2 ,
et donc nous devons identifier C2 avec la position initiale x0 . En dfinitive, nous avons bien
xptq
at2
` v0 t ` x0 .
2
(31.6)
Cette formule est donc maintenant dmontre partir de la seule dfinition de la vitesse comme
drive de la position et de lacclration comme drive de la vitesse.
1549
1550
Remarquons cependant que la preuve complte fut trs longue. En effet, nous avons utilis les
rgles de drivation 11.74 et 11.71, pour la dmonstration desquels, les rsultats 11.60 et 11.59
ont ts utiles. Mais nous avons surtout utilis le corollaire 11.103(bis) qui repose sur le thorme
de Rolle 11.98, qui lui-mme demande le thorme de Borel-Lebesgue 11.94 dans lequel la notion
densemble compact a t cruciale.
31.1.2
Interprtation graphique
La distance parcourue xptq en un temps t est la primitive de la vitesse. Nous avons, par ailleurs,
que lopration inverse de la drive donnait la surface. Pour reprendre les mmes notations, nous
notons Sv ptq la surface contenue en dessous de la fonction v entre 0 et x. Nous ne serions donc pas
tonn que
at2
Sv ptq
` v0 t ` x0
(31.7)
2
soit la surface en dessous de la fonction vptq at ` v0 . Nous voyons que la surface totale sous la
fonction vptq at ` v0 est exactement
at2
` v0 t.
(31.8)
2
Cela est un bon dbut, mais hlas nous ne retrouvons pas le terme `x0 de la formule (31.7).
Cela nest pas tout fait tonnant parce que nous savons que la surface sous une fonction tait
une primitive de la fonction, mais nous navons pas dit laquelle. Daprs le fameux corollaire
11.103(bis), la primitive nest dfinie qu une constante prs. Ici, cest la constante x0 quon a
perdue en chemin.
Nous parlerons plus en dtail du lien entre les surfaces et les primitives dans la section ddi
lintgration.
Sv ptq
31.2
31.2.1
Relativit du mouvement
Prenons quelquun qui cours le cent mtres en onze secondes. Par rapport un spectateur
dans les gradins, il se sera dplac de cent mtres. Mais si je cours ct de lui de telle faon
avoir parcouru 80 mtres le temps quil en fasse cent, alors par rapport moi lathlte ne se sera
dplac que de 20 mtres. Par contre, par rapport mon chronomtre, il aura galement mit onze
secondes : ce nest pas parce que je cours que mon chronomtre saffole !
Entre moi et les spectateurs, on a donc une loi de transformation
x1 x vt
t1 t.
(31.9)
Cest dire que la distance x1 quaura parcouru lathlte par rapport moi vaut la distance x
parcourue par le spectateur moins la vitesse que jai courue moi-mme, cest dire moins vt.
31.2.2
Bob et Alice
Formalisons le concept de changement de repres. Pour cela, prenons deux amoureux, Bob et
Alice 1 . Mettons que Bob reste assis sur un banc pendant quAlice cours en ligne droite une
vitesse v. Tout deux dclenchent leur chronomtre quand Alice passe devant Bob. tout moment,
Bob et Alice ont leur repres de temps et despace. Par exemple si aprs un temps t, Alice voir
une peau de banane 1 mtre devant elle, elle va dire Il y a une peau de banane un mtre . ,
tandis que Bob va dire Il y a une peau de banane p1 ` vtq mtres .
Plus gnralement, si il se passe quelque chose la position x au temps t pour Bob, ce quelque
chose se passera au temps t1 t lendroit x1 x vt pour Alice parce quen un temps t, elle
aura dj avanc dune distance vt.
a cest ce dont tout le monde tait persuad depuis Galile jusquau dbut du vingtime sicle.
1. Cest plus potique que dire soit A et B, deux observateurs .
31.3
31.3.1
1551
mm1
,
r2
tandis que la force lectrique entre deux charges q et q 1 est donne par
Felec k
qq 1
.
r2
(31.10)
Nous avons aussi fait remarquer que dans le cas de la gravitation, la force a lair dtre instantane,
et que cela posait quelque problmes conceptuels. La force lectrique a apparemment le mme
problme. Une diffrence entre les deux est quune charge lectrique cest tout petit et quon
peut exprimenter souhait, tandis que pour avoir une masse dont on peut mesurer le champ de
gravitation correctement, il faut quelque chose grand comme la Terre 2 .
31.3.1.1
Si un micro est plac juste ct de ton oreille, et quil commence faire biiiiip, tu lentends
directement. Quand il sarrte, tu ne lentends plus. Si le micro est plac 600 m de toi, tu ne
commenceras lentendre que deux secondes aprs le commencement du son, et tu continueras
lentendre deux secondes aprs quil ait fini.
Eh bien, pour la force lectrique, on a pu mesurer que cest la mme chose (sauf que a va
beaucoup plus vite). Si on place une charge quelque part, on ne ressent la force (31.10) quaprs
quelle ait eut le temps darriver. Si on dplace la charge lectrique, on continue ressentir la
mme force pendant un certain temps : il faut que la modification du champ lectrique ait le
temps darriver. Exactement comme quand on fait des remous quelque part dans un tang : il faut
du temps que les remous arrivent plus loin.
On a pu faire des dizaines dexpriences de ce type avec llectricit, le magntisme et la
lumire ; et les rsultats sont clairs : il faut du temps pour que a se dplace. Tout cela provoque
des ondes lectromagntiques qui se dplacent une vitesse finie. On peut produire de telles ondes
avec nimporte quel courant lectrique alternatif.
31.3.1.2
La gravitation telle que donne par Newton pose le mme problme de vitesse de propagation
que llectricit. Est-ce quen ralit la gravitation se propage galement une vitesse finie ?
Avec la gravitation cest beaucoup plus compliqu parce quelle est beaucoup plus faible, et donc
cest beaucoup plus difficile dtecter. Daprs la thorie dEinstein de la gravitation, la gravitation
devrait galement produire des ondes gravitationnelles. Seulement, si un simple courant lectrique
suffit pour mesurer une onde lectromagntique, affin de mesurer une onde gravitationnelle, il
faudrait un dplacement de masse de lampleur dune toile qui explose. Or a, on ne sait pas
produire dans un laboratoire. Les physiciens sont donc pour linstant (2009) en train dattendre
quune toile explose pas trop loin dici affin dtre capable de mesurer une onde gravitationnelle.
Lexistence de ces ondes de gravitation ne fait aucun doute dans la tte daucun physicien parce
quelles sont une consquence logique (et mathmatique) de la thorie de la relativit gnrale,
laquelle a dj eut beaucoup de confirmations exprimentales. Mais comme on est dans le cadre
dune science exprimentale, il faut tre patient et attendre den avoir effectivement observe une
avant de dire avec certitude que a existe.
2. Une autre diffrence fondamentale est quil existe des charges lectriques ngatives, mais pas de masses ngatives ; de ce fait on ne peut pas construire disolant gravitationnel, contrairement aux isolants lectriques qui existent.
Cela augmente encore la difficult de faire des expriences avec la gravitation.
1552
31.3.2
Nous avons dit quune onde lectromagntique se propage comme une onde sonore (quoique
beaucoup plus vite). Une question se pose alors. En effet, une onde sonore est matrialis par de
lair qui vibre. Quest-ce qui vibre pour une onde lectromagntique ?
tant donn que les ondes lectromagntiques se propagent dans le vide (cest pour a que la
radio fonctionne dans lespace), la question est problmatique. Les physiciens ont donc suppos
que tout lunivers tait rempli dun fluide invisible appel lther. Llectromagntisme consiste
en une vibration de lther, exactement comme lacoustique consiste en une vibration de lair.
En fait, vrifier cette hypothse nest pas trs compliqu. En effet il ny a aucune raison que
lther suive la Terre dans son mouvement. Or la Terre se dplace environ 30 km{s autour du
Soleil. Donc les ondes lectromagntiques doivent se propager plus vite dans le sens du mouvement
de la Terre que dans le sens perpendiculaire. Tout comme le son se propage plus vite dans le sens
du vent.
La clbre exprience de Michelson-Morley a mesur cet effet . . . et ce fut la consternation : il
ny a aucun effet ! Or, la lumire se dplace 300.000 km{s ; une variation de 30 km{s devrait tre
dtectable !
Mais rien ! On a recommenc les expriences dans tout les sens, tous les mois de lanne,
tous les endroits de la Terre. On na pas observ un poil de variation de la vitesse de la lumire.
Et a, a pose un gros problme la physique.
31.3.3
Le problme
Si je joue au football dans un train qui avance 100 km{h et que je lance une balle 20 km{h,
quelquun au sol mesura la vitesse de la balle soit 120 km{h soit 80 km{h daprs que lon ait
shoot vers lavant ou larrire du train. Cela parat logique. Mais ce quon vient de voir cest que
a ne marche pas avec la lumire.
Si un train avance 100.000 km{s et quon y allume une lampe de poche, la lumire avancera
300.000 km{s par rapport au train et 400.000 km{s par rapport au sol. Non ! Justement pas ! La
lumire avancera quand mme 300.000 km{s par rapport au sol.
L encore, on a fait des dizaines dexpriences partout, sur Terre, dans des avions, dans lespace
avec des atomes, des lampes de poche et des horloges atomique, et dans tous les sens, le sens de
dplacement de la Terre, le sens inverse, le sens perpendiculaire, vers le haut, vers le bas : rien !
Personne na jamais observ un rayon de lumire se dplacer une autre vitesse que 300.000 km{s.
Le problme est que le principe daddition des vitesse est faux pour la lumire. Puisque lexprience nous force, nous devons faire avec.
Loi numro 1.
La ralit est que la vitesse de la lumire est la mme dans tous les rfrentiels. On note c cette
vitesse. Cest une constante fondamentale de la Nature.
tant donn que cest une loi exprimentale, nous nen pouvons rien. Cest la nature qui est
comme a. En particulier tu ne peux pas en vouloir ton prof de physique davoir invent une
thorie complique. Ce nest pas lui qui la invente et ce nest pas de sa faute.
31.4
Consquences
Cest maintenant que les choses vraiment graves commencent (cela soit dit sans vouloir te
faire peur). Affin dun peu simplifier les choses, nous nallons tudier que les mouvements en une
dimension, cest dire sur une droite.
31.4.1
Ligne dunivers
Un vnement a une coordonne pt, xq. Si je pose un objet juste mes pieds (disons en x 0),
ses coordonnes seront tout moment pt, 0q. Il est bon de voir cette coordonne comme lquation
1553
31.4. CONSQUENCES
paramtrique dune droite horizontale dans le plan des coordonnes t et x. Plus gnralement
quand un mobile effectue un mouvement xptq, on appelle la ligne dunivers du mobile la ligne
(pas forcment droite) pt, xptqq. Dans le premier exemple, on avait xptq 0 pour tout t.
Le cas dun mobile se dplaant vitesse constante v donne comme ligne dunivers la droite 3
pt, x0 ` vtq, et un objet qui se dplace selon un MRUA a comme ligne dunivers
`
31.4.2
t, x0 ` v0 t `
at2
.
2
Transformations de Lorentz
Reprenons les amours scientifiques de Bob et Alice, mais cette-fois, analysons celles-ci en tenant
compte du fait que la vitesse de la lumire soit invariante. Maintenant, si Bob voit se passer quelque
chose au temps t lendroit x, on va dire quAlice voit cette chose au temps t1 la position x1 , et
on va chercher pt1 , x1 q en fonction de pt, xq.
Pos en termes mathmatiques, le problme snonce ainsi : trouver les fonctions f et g telles
que les formules
t1 f pt, xq
1
x gpt, xq
(31.11a)
(31.11b)
donnent les coordonnes vues par Alice pour un vnement vu par Bob linstant t au point x.
Une premire tape importante est franchie par la proposition suivante 4 .
Proposition 31.1.
Les fonctions f et g contenues dans les transformations (31.11) sont ncessairement linaires
(affines), cest dire quelles doivent scrire sous la forme
t1 t ` x ` p
x1 t ` x ` q
E2 pt0 ` t, x0 ` xq,
Bob et Alice se demandent combien de temps la pierre est reste en lair et quelle distance elle a
parcourue. Par le principe gnral dhomognit, les deux seules quantits pertinentes (qui ont
un sens physique) pour Bob sont pt0 ` tq t0 et px0 ` xq x0 , cest dire t et x. En effet,
si Bob avait choisit de sasseoir autre part et si Alice avait commenc courir un peu plus tard,
a naurait rien chang la longueur du jet de ve.
Dune faon ou dune autre, il doit exister une faon de dduire les mesures de Alice en connaissant celles de Bob ; je ne connais pas avec quelles formules, mais ces formules ne peuvent contenir
que t, x et v parce que ce sont les seules quantits qui dfinissent tous les vnements.
3. bon exercice de rvision de ton cours de math de vrifier que cest une droite.
4. dont je te suggre fortement de ne pas lire la preuve si tu ne veux pas que ton cerveau clate.
1554
Cela dit, Alice va caractriser le mouvement de la pierre avec la diffrence des coordonne entre
le jet et la chute sur le sol mesures par elle-mme. En dautres termes, pour Alice ce qui compte
cest la diffrence entre E11 et E21 , soit
`
`
Mais nous venons de signaler que ce quAlice mesurait devait pouvoir tre exprim en termes de
t et x. Nous concluons que la diffrence (31.12) ne dpend en fait pas de x et t mais seulement
de t et t.
Prenons maintenant une notation plus compacte et notons X pt, xq, X pt, xq puis
F pf, gq. Avec a, lexpression (31.12) se note F pX ` Xq F pXq. Comme mentionn, cette
expression ne dpend que de x. En particulier, elle ne dpend pas de X.
Maintenant tu vas comprendre pourquoi on apprend les` drives dans ton cours de math.
Comme F pX ` Xq F pXq ne dpend pas de X, le rapport F pX ` Xq F pXq {X non plus.
La limite de ce rapport quand X tend vers zro non plus :
lim
X0
F pX ` Xq F pXq
X
(31.13)
f pt, xq t ` x ` p
comme annonc.
gpt, xq t ` x ` q,
et b pp, qq on
(31.14a)
(31.14b)
Nous savons que lorsque pt, xq p0, 0q, alors pt1 , x1 q p0, 0q. En effet, Bob et Alice ont lancs
leurs chronos en mme temps au moment o ils taient au mme endroit. En mettant pt, xq p0, 0q
dans les quations (31.14), on trouve pt1 , x1 q pp, qq, et donc p q 0. a fait une chose de rgle ;
on se retrouve avec
" 1
t t ` x
(31.15a)
x1 t ` x.
(31.15b)
Quelles sont les contraintes vrifier pour que ces transformations dcrivent correctement la physique que lon cherche crire ?
(1) Il faut que les transformations dcrivent correctement que Alice avance une vitesse v par
rapport Bob,
(2) dans le mme ordre dide, il faut que lon trouve que Bob avance la vitesse v par rapport
Alice,
(3) il faut que si Alice et Bob observent un rayon lumineux, ce rayon aille la vitesse c par
rapport Alice et la mme vitesse c par rapport Bob,
(4) enfin, il faut avoir le principe de relativit, cest dire que comme les quations (31.15)
disent ce que Alice voit en fonction de ce que Bob voit, on demande que les quations
qui disent ce que Bob voit en fonction de ce que Alice voit soient les mmes. En dautres
termes, il faut que les transformations et les transformations inverses soient les mmes au
changement prs du signe de v.
1555
31.4. CONSQUENCES
tudions une une ce que chacune de ses contraintes impose. Rappelons que pt, xq et pt1 , x1 q
sont les coordonnes que Bob et Alice mettent sur le mme vnement. Par exemple sur lvnement
qui consiste ce que ve, par jalousie envers Bob, jette une peau de banane sous les pieds dAlice.
Cet vnement a lieu un certain moment, un certain endroit. Cest ce moment et cet endroit
qui sont nots pt, xq et pt1 , x1 q.
(1) Les coordonnes pt, xq et pt1 , x1 q peuvent dcrire nimporte quoi. Regardons les coordonnes
de Alice qui cours. Pour Alice, cela correspond pt1 , x1 q pt1 , 0q parce que si x1 dsigne
la position de Alice par rapport Alice, alors x1 est toujours nul. Pour Bob par contre,
Alice ne reste pas en place, mais se dplace une vitesse v. Cest dire que si pt, xq sont
les coordonnes de Alice pour Bob, alors x{t v. crivons les quations (31.15) en tenant
compte de tout a : avec x1 0, la seconde quation donne
0 t ` x,
(31.16)
x1 vt ` x.
x1 vt.
(31.18)
La vitesse de Bob par rapport Alice est v, donc on exige que x1 {t1 v, cest dire que
vt
v,
t
ce qui implique que . On avance encore un peu. crivons nouveau les lois de
transformation en en tenant compte :
" 1
t t ` x
(31.19a)
x1 vt ` x.
(31.19b)
(3) Si maintenant Bob et Alice regardent un mme rayon de lumire (comme cest romanesque !), on a que pt, xq et pt1 , x1 q expriment les coordonnes dun rayon lumineux expriment
les coordonnes dun rayon lumineux. Le fait que Bob regarde un rayon lumineux fait que
x ct, et donc que les coordonnes du rayon lumineux, observ par Alice sont :
t1 t ` ct
x1 vt ` ct.
(31.20)
Linvariance de la vitesse de la lumire exige que Alice mesure une vitesse c pour le rayon
de lumire, cest dire x1 ct1 . On exige donc que
ce qui implique que
vt ` ct ct ` c2 t,
v
.
c2
Une fois de plus, lavant-dernire, on r-crit les lois de transformations en tenant compte
de ce fait ; mais cette fois, on fait leffort dcrire aussi les transformations inverses :
v
1 ` 1 v 1
t1 t 2 x
t
t ` 2 x
(31.21)
c
c
1
x1 vt ` x
x pvt1 ` x1 q
(31.22)
o 2 c2v que tu noteras au passage tre toujours positif, et nul uniquement quand
v c.
2 2
1556
(4) Maintenant il reste imposer le principe de relativit. Les transformations (31.21) montrent
comment Alice voit le monde (cest dire pt1 , x1 qq en fonction de la faon dont Bob voit le
monde (cest dire pt, xq). On se demande donc quelle seraient, pour Bob, les coordonnes
pt, xq dun point vu en pt1 , x1 q par Alice. Cela signifie que lon impose que les deux systmes
(31.21) soient en ralit les mmes, un changement de signe prs.
Attention : il a priori faux de dire quen changeant le signe de v dans v{c2 , jobtiens v{c2
parce que est une fonction de v. En ralit, il faut noter pvqv{c2 et donc le changement
de signe de v donne pvqv{c2 . Ceci tant clair, on peut un petit peu calculer.
Commenons par galiser le coefficient de x dans t1 celui de x1 dans t, en changeant le
signe de v :
pvqv
pvqv
,
2
c
c2
et donc pvq pvq. a cest une bonne nouvelle. galisons maintenant le coefficient de
t dans t1 celui de t1 dans t en changeant le signe de v :
pvq
pvq
pvq
`
2
pvq
pvq 1
1
pvq b
1
v2
c2
v2
c2
.
(31.23)
Maintenant quon a tout, on peut crire les transformations de Lorentz. On met donc lexpression (31.23) dans les lois de transformations (31.21) :
1
1
v
v
t1 b
t b
t 2x
t1 ` 2 x1
2
2
c
c
1 vc2
1 vc2
(31.24)
1
1
x1 b
px vtq
x b
pvt1 ` x1 q.
2
2
1 vc2
1 vc2
31.4.3
Conditions dexistence
Comme tu vois une racine carre et un dnominateur dans ces formules, tu dois te demander
quelles sont les conditions dexistence. tant donn que v c, on a que v 2 {c2 1 et en particulier,
v 2 {c2 1 si et seulement si v c.
Ce qui se trouve dans la racine carr ne pose donc jamais de problmes parce que ce nest
jamais ngatif.
Le dnominateur est par contre plus problmatique : quand v c il ny a plus rien qui fonctionne. Quelle est la physique de ce problme ? Pour le comprendre, il faut se souvenir ce que
reprsente v. Nous avons dit que v est la vitesse laquelle Alice court. Ce que la condition dexistence nous enseigne, cest que personne ne peut courir la vitesse de la lumire. Cest une vitesse
que lon ne peut pas atteindre.
Dit en termes plus savants, on ne peut pas choisir un repre qui se dplace la vitesse de la
lumire.
La question qui se pose alors est ah bon, on ne peut pas atteindre la vitesse de la lumire !
Et la lumire, comment elle fait ? . Bonne question, merci de lavoir pose. Hlas la rponse sort
du cadre de ce cours.
1557
31.4. CONSQUENCES
Loi numro 2.
Aucun objet ne peut atteindre la vitesse de la lumire.
Loi numro 3.
Tu ne dois pas te demander pourquoi la lumire elle-mme se dplace la vitesse de la lumire
malgr la loi numro 2.
31.4.4
La notion dintervalle
Un vnement est quelque chose qui se passe un endroit un certain moment. Cest donc
caractris par le moment et le lieu. Comme on travaille une dimension, cest un couple de rels
pt, xq.
Regardons un rayon de lumire. Un vnement est le fait dallumer une lampe de poche, et
un autre est le fait que le lumire arrive sur lobjet quon claire. Appelons-les pt1 , x1 q et pt2 , x2 q.
Comme dhabitude, on note t t2 t1 et x x2 x1 . Comme le rayon de lumire va la
vitesse c, on a c x{t, ou encore
c2 t2 x2 0.
Pour cette raison, on va dire que lintervalle entre deux vnements pt1 , x1 q et pt2 , x2 q vaut en
gnral
s2 c2 pt2 t1 q2 px2 x1 q2 .
(31.25)
Par invariance de la vitesse de la lumire, si un intervalle est nul pour un observateur, il sera nul
pour tous les observateurs.
31.4.4.1
En mcanique newtonienne
Affin de voir un peu mieux lenjeu de linvariance de lintervalle, regardons un exemple chiffr.
Si par exemple je me dplace de 10 m en 5 s, mon intervalle mesur par une personne extrieure
est
c2 t2 x2 p300.000.000q2 p5q2 p10q2 2, 25 1018 m.
Si je fais le calcul pour moi, jai que x1 0 parce que je ne me dplace pas, et t1 5 parce que
je me suis dplac en 5 secondes. Le truc est que ct de p300.000.000q2 , lintervalle spatial x
ne pse pas grand chose. a ne change presque rien quil soit de 5 mtres ou de zro. a ne change
pas grand chose, mais a change quand mme ! Entre moi qui calcule ou une personne extrieure,
lintervalle change de 100 sur un nombre de la grandeur de 200.000.000.000.000.000.0000 !
Reprenons plus clairement le raisonnement. Daprs la mcanique classique, lintervalle mesur
par deux personnes est diffrent, mais trs peu diffrent. Inutile de dire que du temps de Newton,
on navait pas les moyens techniques de mesurer si cet intervalle est effectivement diffrent ou bien
si il est en ralit gal. Cest un peu comme si on te mettait un spot dans les yeux et quon te
demandait si cest un spot de 1000 W ou de 1001 W. Bonne chance pour le dire !
31.4.4.2
En mcanique relativiste
Maintenant quon a des moyens techniques nettement plus pousss que Newton, on a pu mesurer
que lintervalle est gal. Lintervalle est un invariant. Cela nest pas un nouveau principe physique
parce quil dcoule des transformations de Lorentz.
31.4.5
Il est intressant de dessiner dans le plan pt, xq lensemble des points atteins par le rayon
lumineux. Le point pt, xq est atteint si c2 t2 x2 0, ou encore si x ct. Cela forme deux droites
dans le plan trac par les coordonnes t et x. Ces deux droites forment ce quon appelle le cne
de lumire du point p0, 0q.
1558
31.4.6
Bob prend un morceau de bois quil mesure de longueur l et le dpose devant lui. linstant t
(de Bob), les deux extrmits sont aux coordonnes e1 pt, 0q et e2 pt, lq.
Afin de savoir quelle est la longueur de ce mme morceau de bois pour Alice, il faut quelle
mesure les deux extrmits en mme temps (pour elle), et quelle fasse la diffrence. Comme Bob
et Alice dclenchent leurs chronomtres en mme temps, le plus simple est de faire la mesure cet
instant.
Pour Bob, cest clair : les coordonnes des deux extrmits sont e1 p0, 0q et e2 p0, lq.
La longueur du bois est l. Pour savoir quelle est la longueur mesure par Alice, on utilise les
transformations de Lorentz qui donnent les coordonnes e11 et e12 relatives Alice. On trouve
e11 p0, 0q et
vl{c2 l
1
e2
.
(31.26)
,
pvq pvq
En dautres termes, on a x1 0 et x2 l{pvq, ce qui fait que la longueur observe par Alice est
l1 x2 x1 l{pvq.
Eh bien ce rsultat est faux. Si tu vois pourquoi sans lire la suite, tu es trs fort.
Pour mesurer la longueur dun objet, il faut mesurer la position des deux bouts en mme temps
puis faire la diffrence entre les deux. Effectivement, e1 et e2 sont en mme temps pour Bob, et
donc Bob peut mesurer la longueur de son bout de bois en faisant la diffrence x2 x1 . Mais comme
le montre les coordonnes (31.26), les vnements e11 et e12 ne se passent pas en mme temps pour
Alice ! Eh oui : t11 0 et t12 vl{c2 pvq ; cest pas la mme chose.
Il faut donc trouver un vnement qui pour Alice correspond lextrmit du bout de bois
au temps t1 0. Comme lvnement gnral qui correspond au bout du bois pour Bob est pt, lq,
lvnement gnral est pour Alice
t1
t cv2 l
pvq
x1
l vt
.
pvq
(31.27)
` vl
v2
l
1
q
lv 2 q
c2
x1 b c
b
lpvq.
2
2
1 vc2
1 vc2
Et l, cest la bonne formule. Si un objet a une longueur l dans le rfrentiel o il est au repos, il
aura une longueur
c
v2
(31.28)
l1 l 1 2
c
dans un rfrentiel qui se dplace la vitesse v par rapport lobjet.
31.4.7
Encore un petit effort et promit, je te donne une application concrte que tu connais des
bizarreries de la relativit. Mais en attendant, regarde bien ta montre, tu ne va pas en croire tes
yeux !
Reprenons Bob et Alice. On se rappelle que Bob et Alice avaient dclenchs leurs chronomtres
en mme temps quand Alice tait passe devant Bob. Un peu plus tard, Alice regarde sa montre
qui indique un temps t. Et elle se demande si Bob a aussi ce moment une montre qui indique un
temps t.
Ce serait dingue que non hein ! ? ! En effet, si je synchronise ma montre avec quelquun et que
je pars faire un tour, ma montre ne sera pas tout dun coup dsynchronise. Oui, mais Alice, elle
cours presque la vitesse de la lumire . . . et ces vitesses-l, on a dj vu des choses incroyables.
Calculons donc pour en avoir le cur net.
1559
31.4. CONSQUENCES
Le fait quAlice regarde sa montre est un vnement qui se passe pour Alice aux coordonnes
(le zro cest parce que par rapport elle-mme, Alice est toujours au repos). quelles
coordonnes pt, xq pour Bob correspond cet vnement ?
Lquation de t en fonction de t1 et x1 dans les transformations de Lorentz (31.24) prise avec
1
x 0 donnent
t1
t
.
pvq
pt1 , 0q
Et si, juste pour le plaisir, on faisait linverse ? Bob regarde sa montre, il voir un temps t et sa
coordonne spatiale est x 0. quel temps dAlice cela correspond ? Mettons x 0 dans la
transformation de Lorentz de t1 en fonction de t et x. Ce quon obtient cest
t1
t
.
pvq
Nest-ce pas gnial ? Cest la mme ! videment, a ne pouvait pas tre autre chose : le principe de
relativit demande quon ne puisse pas faire la diffrence entre Alice qui cours vers la droite avec
Bob assis et Alice assise avec Bob qui cours vers la gauche. Cest exactement pour a que dans
une gare, quand le train d ct dmarre, il tarrive de croire que cest ton train qui dmarre : tu
ne peux pas faire la diffrence, cest un principe physique.
31.4.8
Invariance de lintervalle
Dans deux secondes, je vais te montrer comment une utilisation intelligente des exponentielles
permet de trouver un rsultat trs fort en relativit. Quoi ? Les exponentielles, les mmes quau
cours de math ? Eh oui : la mme exponentielle que celle quon ta introduit avec des populations
de bactries qui se multiplient, cette mme exponentielle qui la la miraculeuse proprit dtre
gale sa propre drive.
Mais nanticipons pas.
Nous avons dj signal que si la quantit s2 c2 t2 x2 tait nulle pour un observateur,
alors elle tait nulle pour tous les observateurs. Supposons deux vnements A et B observs par
Alice et Bob. Bob les note aux coordonnes pta , xa q, et ptb , xb q tandis quAlice les note en pt1a , x1a q
et pt1b , x1b q.
Lintervalle entre les deux vnements mesur par Bob sera
s2 c2 ptb ta q2 pxb xa q2 ,
tandis que ce mme intervalle mesur par Alice sera
s12 c2 pt1b t1a q2 px1b x1a q2 .
On peut bien entendu remplacer dans la premire quation les ta , tb , xa et xb par leurs valeurs en
termes de t1a , t1b , x1a et x1b donnes par les transformations de Lorentz. Tu paries que les trois quart
des termes dans le calcul se simplifient et quil restera exactement s12 ? Je te dis que oui, et je te
conseille de me croire sur parole, sinon tu vas devoir lire le calcul suivant :
1
v 1
v 1 2
1
1
1
s c ptb ta q pxb xa q c
pt ` x q
pt ` x q
pvq b c2 b
pvq a c2 a
2
1
1
1
1
1
1
pvt ` xb q
pvt ` xa q .
pvq b
pvq a
2
Jusquici, on na fait que remplacer les choses par leurs valeurs donnes par les transformations
de Lorentz. Maintenant on regroupe lintrieur de chaque parenthse les termes de faon faire
1560
apparatre x1 et t1 :
2
v 1
c2 1
1
1
pt
t
q
`
px
x
q
b
a
b
a
pvq2
c2
`
1
1
1
1
1 2
px
x
q
`
vpt
t
q
b
a
b
a
pvq2
v
v2
c2
1 2
1
1
1 2
pt
q
`
2
t
x
`
px
q
pvq2
c2
c4
1
1 2
1
1
2
1 2
px q ` 2vx t ` v pt q .
pvq2
s2
c
v2
2vc2
2v
1 2
1
1
pt q
` t x
pvq2 pvq2
pvq2 c2 pvq2
2 2
c v
1
1 2
` px q
.
c4 pvq2 pvq2
partir de l, je te laisse vrifier (en utilisant le fait que pvq2 1 v 2 {c2 ) que les coefficients se
simplifient beaucoup et valent finalement respectivement c2 , 0 et 1 comme il se doit. Avec tout
a, nous avons montr le rsultat trs important suivant :
Lintervalle entre deux vnements est invariant sous les changements de repres dinertie, cest dire que la valeur mesure par nimporte qui qui se dplace en MRU sera
toujours la mme.
Pourquoi cela est tellement important ? cause de Pythagore et dune petite dmonstration
coups dexponentielles 5 .
31.4.8.1
ex ` ex
2
sinh
ex ex
.
2
(31.29)
Elles ont pas mal de proprits en commun avec les sinus cosinus et normaux. Dabord, leurs
drives sont faciles calculer :
cosh1 pxq sinhpxq
o tu noteras quil ny a pas de signe moins qui apparat, contrairement au cas de la trigonomtrie
normale. Une autre proprit qui ressemble fort une proprit de la trigonomtrie est :
Proposition 31.2.
Pour tout x P R,
(31.30)
1561
31.4. CONSQUENCES
2 1 `
1
1` x
e ` ex e2x ` 2ex ex ` e2x pe2x ` 2 ` e2x q
4
4
4
o lon a utilis le fait que pex q2 e2x et que ex ex 1. Il te reste faire la mme chose pour
sinh2 pxq, la rponse est :
1`
sinh2 pxq e2x 2 ` e2x .
4
Une proprit qui est par contre trs diffrente entre la trigonomtrie plane et la trigonomtrie
hyperbolique, cest la priodicit. Les fonctions usuelles cos et sin sont priodiques. Pas les fonctions
hyperboliques.
Proposition 31.3.
La fonction sinh : R R est bijective.
Dmonstration. Il faut dmontrer que sinus hyperbolique est injective et surjective. Calculons
dabord les limites. Comme tu sais que limx8 ex 8 et limx8 ex 0, tu vois facilement que
lim sinhpxq 8
lim sinhpxq 8.
x8
x8
(31.31)
Par ailleurs, la fonction sinus hyperbolique est continue et respecte donc le thorme de la valeur
intermdiaire 6 11.50. Soit y P R et voyons si il existe un x P R tel que sinhpxq y. Les deux
limites indiquent quil existe x1 P R tel que sinhpx1 q y et x2 P R tel que sinhpx2 q y. Le
thorme de la valeur intermdiaire conclu quil existe un x entre x1 et x2 tel que sinhpxq y.
Cela prouve la surjectivit.
Pour linjectivit, on va utiliser le thorme de Rolle et une petite preuve par labsurde. Supposons que sinhpx1 q sinhpx2 q avec x1 x2 . Dans ce cas, le thorme de Rolle nous dit quil
existe un x entre x1 et x2 tel que sinh1 pxq 0. La drive de sinus hyperbolique tant cosinus
hyperbolique, il faut se demander il existe un x tel que coshpxq 0. tant donn que ex 0 pour
tout x, en fait le cosinus hyperbolique ne sannule jamais.
7
6
5
4
3
2
1
2
1
2
3
4
5
6
7
1562
Un trs bon exercice serait de faire un tude complte des fonctions cosinus et sinus hyperbolique. Leur graphes sont donns la figure 31.1
Un corollaire de la surjectivit de sinh sur R est que si je prends nimporte quel deux nombres
dont la diffrence des carrs vaut 1, alors ces carrs sont reprsentables avec des fonctions hyperboliques :
@x, y P R tels que x2 y 2 1, D P R tel que x2 coshpq et y 2 sinhpq.
tanhpxq
sinhpxq
.
coshpxq
(31.32)
tanhpxq
coshpxq b
1 tanh2 pxq
1
1 tanh2 pxq
(31.33)
Nous avons prouv quen relativit, lintervalle est un invariant. Pour cela, nous avons utilis
les transformations de Lorentz dmontres partir de lhypothse dinvariance de la vitesse de la
lumire. Eh bien, oublions un instant que la vitesse de la lumire soit invariante, et posons la
place comme hypothse que lintervalle soit invariant. Cest dire que si Bob mesure un vnement
aux coordonnes pt, xq et Alice en pt1 , x1 q, alors c2 t2 x2 c2 pt1 q2 px1 q2 .
Thorme 31.4.
Les transformations de Lorentz sont les seules qui laissent lintervalle invariant.
Dmonstration. Toute la partie comme quoi les transformations doivent tres linaires reste parce
que cette partie ne demandait pas linvariance de la vitesse de la lumire.
Nous cherchons donc les transformations entre Alice et Bob sous la forme
t1 t ` x
x1 t ` x
telles que c2 pt1 q2 px1 q2 c2 t2 x2 . Lorsque Alice passe devant Bob, ils dclenchent tout deux
leurs chronomtre et leurs axes. Cest dire que si ce moment un vnement se trouve droite
pour Alice, il est aussi droite pour Bob. On doit donc avoir, quand t t1 0, que x 0 implique
x1 0. Cela donne la contrainte que 0. Dautre part, comme leurs chronomtres vont dans le
mme sens (ils choisissent tout les deux de compter le temps et non dcompter), on a que 0.
En dveloppant lexpression de ps1 q2 en termes de t et x, on trouve la condition dinvariance de
lintervalle sous la forme :
c2 p2 t2 ` 2tx ` 2 x2 q p 2 t2 ` 2tx ` 2 x2 q c2 t2 x2 ,
(31.34)
2 c2 2 1.
(31.35)
coshpq
sinhpq
(31.36)
qui doit tre valable pour tout t et pour tout x. En t 0 on trouve la condition
Cela implique quil existe un P R tel que 2 cosh2 pq et c2 2 sinhpq. La premire quation
donne coshpq (il faut rejeter coshpq parce quon a demand que 0). Pour la
seconde, on trouve c sinhpq o lon peut oublier la possibilit c sinhpq parce que cela
revient juste renommer (la fonction sinus hyperbolique est impaire). Bref, il existe un
tel que
1563
31.4. CONSQUENCES
En mettant maintenant x 0 dans la condition (31.34), on trouve la condition
2
2
1.
c2
(31.37)
c sinhpq.
Rien quen regardant deux cas trs particuliers, on a dj bien avanc, non ? Remettons maintenant
les valeurs (31.36) et (31.37) dans la condition (31.34). En utilisant lidentit cosh2 pxq sinh2 pxq
1, et en sparant les termes en t2 , x2 et tx pour satisfaire la condition, il faut
coshpq sinhpq sinhpq coshpq
(31.38)
parce que les termes en t2 et x2 donnent exactement c2 t2 x2 et quil faut que le terme en
tx sannule. Mettons la condition (31.38) au carr, et substituons cosh2 pq 1 ` sinh2 pq et
cosh2 pq 1 ` sinh2 pq, il reste
sinh2 sinh2 ,
ce qui signifie sinh sinh , ou encore . On voit que ne fonctionne pas dans
(31.38), donc on reste avec et les transformations prennent la forme
sinhpq
x
c
x1 c sinhpqt ` coshpqx.
t1 coshpqt `
(31.39)
Ce que nous avons prouv, cest quil existe un P R tel que les transformations entre Alice et Bob
aient cette forme. Il faut trouver ce que vaut en fonction de la vitesse v laquelle Alice court.
Pour ce faire, tudions le mouvement dAlice. Bob la voit aux coordonnes pt, vtq, ce qui correspond
x1 c sinhpqt ` coshpqvt
pour Alice. Mais ces coordonnes sont celles de Alice elle-mme, donc x1 0, ce qui donne 7
vt c sinhpqt{ coshpq, ou encore
v
tanhpq
(31.40)
c
En utilisant les relations (31.33), on trouve
1
coshpq b
1
v{c
sinhpq b
.
v2
1 c2
v2
c2
(31.41)
(31.42)
(31.43)
1564
31.4.9
Vitesse limite
Affin de nous passer de lhypothse dinvariance de la vitesse de la lumire, nous avons prouv
que lhypothse dinvariance de lintervalle tait suffisante. Mais il faut avouer que cette hypothse
nest pas trs intuitive. Nous allons montrer maintenant que lexistence dune vitesse limite est une
troisime hypothse qui peut tre utilise comme alternative aux deux premires.
31.5
Applications
Une premire application sympa est le logiciel 8 lightspeed. Si tu es sous Ubuntu-Linux, installe
juste le paquet nomm lightspeed, et rgales-toi ! Tu verras cest marrant. Si tu utilise des fentres,
je laisse faire ladage Windows cest facile .
31.5.1
Le GPS
Pour quun systme GPS puisse te localiser, en gros, il tenvoie un signal, tu lui rponds et il
mesure le temps quil a fallu la lumire pour faire laller-retour. Dj, tu remarques que cela nest
possible que grce au fait que la vitesse de la lumire soit finie. Sinon, le GPS ne fonctionnerait
pas. Mais il y a mieux.
Comme pour te localiser il faut plusieurs satellites en plus de ton appareil, il faut que les horloges
internes de tout ce petit monde soient bien synchronises, sinon pour mesurer des intervalles de
temps et calculer des distances, cest mal parti. Eh mais un satellite, a bouge assez vite (surtout
que les mesures doivent tre trs prcises), et en plus a ne fait mme pas un MRU, vu que a
tourne en rond. Comme tu vois tout le travail quil a fallu faire pour trouver les transformations
de Lorentz dun MRU, tu timagines le travail pour un mouvement circulaire ! Eh bien ce travail
a t fait, et le rsultat est que si on en tient pas compte, les contractions temporelles lies la
relativit sont suffisamment grandes pour compltement drgler le GPS.
31.5.2
Tu te souviens quau dbut du chapitre, nous avons dit que le problme qui a amen la relativit tait la propagation du champ lectrique. Maintenant que nous avons dj vu une partie des
consquences du problmes, il est temps de se rendre compte que les champs lectriques et magntiques sont les objets les plus soumis aux bizarreries relativistes du monde : elles se propagent la
vitesse de la lumire. Regarde un coup autour de toi ; tout ce qui est champ lectromagntique a
besoin de la relativit pour tre bien compris : GSM, lumire, four micro-onde, radio, wifi, fibre
optique, . . .
Si un jour un ingnieur te dit quil ny a pas besoin de connatre la relativit pour inventer la
radio (cest vrai : la radio a t invente avant la relativit), ni pour construire une fibre optique,
dis lui en pensant moi quil utilise tout le temps les quations de Maxwell 9 , et que ces quations
sont relativistes.
Bref, soit convaincu que tu vis dans un monde relativiste et que les transformations de Lorentz
te suivent chacun de tes pas.
31.6
Mcanique relativiste
Cela est bien beau, mais la dilatation du temps, et les contractions de longueurs doivent bien
avoir des rpercussions sur la cinmatique et la dynamique des objets. Est-ce que le thorme de
lnergie cintique est encore valable ? est-ce que les lois de Newton tiennent encore la route ?
8. jeu de mot sur application ! ah ah !
9. Cest sous ce nom l quon nome lensemble des quations de llectromagntisme comme la loi de linduction.
1565
31.6.1
Attardons-nous un peu pour faire quelque commentaires sur cette citation du chevalier pgase
dans les chevaliers du zodiaque :
Ses coups vont la vitesse de la lumire et pourtant je les vois distinctement arriver.
Est-ce possible ? Nous avons vu quil y avait des dnominateurs qui sannulent quand des objets
se dplacent plus vite que la lumire ; or pour voir venir un rayon de lumire qui vient vers soi, il
faudrait que le rayon mette de la lumire devant elle. a semble un peu mal parti pour respecter
les lois de la relativit, non ?
Cela pose en tout cas une question quil faudra rsoudre. On entend venir une ambulance parce
quelle met du son qui avance plus vite quelle. Pas de problmes avec a. Mais quid de la voir
venir ?
On peut voir venir un tram parce quil met de la lumire ; cette lumire allant plus vite que
le tram, elle arrive nos yeux avant le tram lui-mme. Cela est trs bien. Mettons que le tram
avance 50 km{h ; pour le conducteur, la lumire de son phare avant avance devant lui la vitesse
c. Par consquent pour un observateur au sol, cette mme lumire devrait avancer la vitesse
c ` 50. Encore une fois, on a un problme dinvariance de la vitesse de la lumire ; mais comme
cest de la lumire, on est habitu ce que des trucs bizarres arrivent. On ne sera pas tonn
que c ` 50 c dune manire ou dune autre 10 . Pire. Si un vaisseau spatial avance la vitesse
200000 km{s et quil envoie en reconnaissance un vaisseau devant lui la vitesse de 150000 km{s,
le vaisseau de reconnaissance ira la vitesse 150000 km{s par rapport au vaisseau principal. Et par
rapport au sol, il ira la vitesse 150000 ` 200000 350000 km{s, ce qui est impossible. Il faudra
trouver quelque chose pour que a se passe bien.
Un autre problme maintenant.
Prenons une masse m que lon soumet une force constante F . Par la loi de Newton, a F {m
est constante et la vitesse aprs un temps t vaut v F t{m. Pas de bol, a devient plus grand que
la vitesse de la lumire partir du temps t cm{F . a est un problme hein ? Il faut trouver un
truc pour quavec une force constante, lacclration diminue.
31.6.2
Si Bob observe un objet se dplacer la vitesse V , alors Alice devrait lobserver bouger la
vitesse V v. Tout comme si une vache voit passer un train 90 km{h, alors le vlo qui avance
25 km{h le voit passer 65 km{h.
Maintenant, tu es habitu ce que rien ne se passe comme dhabitude, donc tu te doutes bien
quen ralit la bonne formule ne va pas tre V v.
Bob observe lobjet aux coordonnes pt, V tq, ce qui fait pour Alice :
t cv2 V t V t vt
,
.
pvq
pvq
En divisant le x1 dAlice par le t1 dAlice, on trouve la vitesse mesure par Alice :
V1
pV vqt pvq
V v
`
.
pvq t 1 vV
1
vV
c2
c2
V v
.
1 vV
c2
(31.44)
Quen est-il de notre c ` 50 c ? Disons que Bob lance un bisou Alice pendant quelle arrive
vers lui. Le bisou arrive la vitesse de la lumire (cd V c) tandis que Alice sapproche de Bob
10. et je ne te cache pas que cest ce qui va arriver.
1566
la vitesse 50 m{s (cd v 50). Donc la vitesse laquelle Alice devrait voir arriver le bisou est
bien c ` 50. En utilisant la formule daddition relativiste des vitesses (31.44), nous trouvons
V1
c 50
c 50
cpc 50q
50c
50 c 50 c.
1 c2
1 c
Donc effectivement en relativit quand on additionne des vitesses il faut penser la rgle du
c ` 50 c .
31.6.3
Or tu nes pas sans savoir que lacclration est la drive seconde de la position par rapport au
temps. Nous noterions donc F mx2 ptq. Le problme est videment que si F est constante, on
trouve v F t{m qui dpasse toujours la vitesse c quand t est assez grand. Il faudra donc modifier
la loi F ma. Pour cela, posons-nous des questions sur la drive x1 ptq. On drive par rapport au
temps ; oui mais nous avons vu que le temps nest pas le mme pour tout le monde. Introduisons
donc la notation
dx
v
(31.45)
dt
qui ne signifie rien dautre que nous drivons x par rapport t et non par rapport au temps t1 de
quelquun dautre. Dans le cadre de la relativit, ce que signifie lquation (31.45) est que v est
la drive de x par rapport t. Dans le cas o x et t sont les coordonnes de la position dAlice
mesures par Bob, cela signifie quon drive la position mesure par Bob par rapport au temps
mesur par Bob.
Ce que dit la relativit est que cette quantit v ne peut pas varier proportionnellement la
force sous peine de dpasser la vitesse de la lumire. La subtilit est de modifier la loi de Newton
en disant que la quantit qui varie sous laction dune force nest plus dx{dt v, mais
dx
v
b
1
dt
1
v2
c2
cest dire la drive de la position mesure par Bob par rapport au temps mesur par Alice ! La
loi de Newton v F t{m devient donc
v
b
1
v2
c2
Ft
.
m
(31.46)
Est-ce que cela rsous le problme ? Pour le savoir, regardons la vitesse acquise par le mobile de
masse m soumit la force F pendant un temps t Il faut rsoudre lquation (31.46) par rapport
v et voir si cela reste bien toujours infrieur c. On commence par mettre la racine droite et
lever toute lquation au carr :
F 2 t2
v2
2
1 2
v
m2
c
2
2
2
2
F t
F t
v2 1 ` 2 2
c m
m2
a
F 2 t2 {m2
vb
,
2 2
1 ` cF2 mt 2
et donc finalement
vptq
Ft
b
m 1`
F 2 t2
c2 m2
(31.47)
1567
Tu dois remarquer que si F et t ne sont pas trop grands, lexpression F 2 t2 {c2 m2 est minuscule
parce que c est norme. Si on fait lapproximation F 2 t2 {c2 m2 0 dans cette expression, on
retrouve v F t{m. Cela montre qu moins de faire des exprience avec de trs grandes forces
pendant normment de temps, on ne peut pas voir la diffrence entre la mcanique de Newton et
la mcanique relativiste.
1
1
Sur le graphe suivant, la vitesse en fonction du temps lorsquune particule de masse m 1 est
soumise une force constante. Pour les besoin du graphique, nous avons mit 1 la vitesse c. Tu
vois que quand la vitesse nest pas trs grande, le graphiques est presque celui dune droite ; et
partir dun certain moment, la courbe sinflchit pour tendre vers 1 sans latteindre.
Remarque que si on maintient une acclration constante gale celle de la gravit terrestre
pendant deux heures, on arrive dj sur la Lune, une vitesse de 75 km{s, cest dire encore rien
par rapport la vitesse de la lumire ! Cela pour te dire que la formule (31.47) a lair dtre trs
diffrente de la formule classique v F t{m, mais en ralit tant quon natteint pas des forces
normes, elle ressemble trs fort.
Vrifions maintenant que la formule (31.47) nest pas en contradiction avec limpossibilit de
dpasser la vitesse de la lumire. Pour cela, regardons ce quil se passe si on applique une force
constante F sur un objet de masse m pendant un temps trs long. Cest dire : calculons la limite
lim vptq.
t8
8
Tu vois tout de suite quon est sur un cas 8
, ce qui toblige utiliser la rgle de lHospital. On
peut cependant un peu rflchir et deviner la rponse sans passer par des math trop compliques.
F 2 t2
En effet, quand t est vraiment norme, lexpression m
2 c2 devient trs grande, et le 1 qui se
trouve ct ne vaut plus grand chose, on peut le ngliger.
lim
t8
Ft
b
m 1`
F 2 t2
c2 m2
lim
t8
lim
v8
Ft
b
F 2 t2
m m
2 c2
Ft
Ft
m cm
(31.48)
c.
Tout est bien : on arrive au maximum la vitesse de la lumire, mais il faut un temps infini pour
y parvenir. Conclusion : il nest pas possible dacclrer un objet jusqu atteindre la vitesse de la
lumire.
31.6.4
31.7
Principe de correspondance
Nous ne sommes pas parvenu dmontrer la formule (31.46) de la mcanique relativiste qui
montre comme un objet acclre sous leffet dune force constante. Nous avons juste montr quil
fallait modifier la loi v F t{m et nous avons prit la premire modification qui nous soit tombe
sous la main, savoir quil faut driver la position par rapport au temps de lobjet quon observe
plutt que par rapport au temps de lobservateur.
1568
v2
c2
Mais il ny a pas moyen de trouver la valeur de la constante . Tout ce quil y a moyen de trouver
avec lhypothse de linvariance de la vitesse de la lumire est lexistence dune constante telle que
cette formule soit vraie.
Affin de fixer la constante , il faut faire intervenir un principe physique supplmentaire, le
principe de correspondance
Loi numro 4.
Lorsque la vitesse dune particule est faible, les quations doivent tre en premire approximation
les mmes que celles de la mcanique classique.
Que signifie en premire approximation ? Tu sais quune fonction x f pxq peut tre approxime (pour des petits x) par la formule
f pxq f p0q ` xf 1 p0q.
Nous voudrions donc que F t{m soit en premire approximation gal v. Nous devons tudier la
fonction
v
f pvq b
.
2
1 vc2
Voir ce que vaut cette fonction en premire approximation lorsque v est petit est un exercice de
drivation. En utilisant la rgle de drivation des fractions, on trouve que
f 1 pvq b
1
v2
c2
v 2
c2 1
v2
c2
3{2 ,
et donc que f 1 p0q . Bien entendu, f p0q 0. En premire approximation, nous trouvons donc
(31.49)
f pvq v
qui doit tre gal la quantit non relativiste v. Nous en dduisons quil faut fixer 1, et on
tombe sur la formule relativiste propose plus haut
Ft
v
b
m
1
v2
c2
Lutilisation cruciale du principe de correspondance a une rpercussion norme sur notre vision
de la physique. En effet, la relativit dEinstein ne parvient pas remplacer la mcanique de
Newton. On a besoin dinvoquer la mcanique de Newton pour fixer la thorie. On peut crire
laxiome suivant :
lim Einstein Newton.
(31.50)
v0
Cela nest pas une proprit de la thorie dEinstein, mais un de ses axiomes !
La relativit ne fait donc pas table rase des principes physiques de la mcanique newtonienne :
elle les complte et les contient.
Chapitre 32
# -* - c o d i n g : u t f 8 -* f r o m sage . a l l i m p o r t *
3
4
5
6
7
"""
This module provides _pragmatic_ tools for solving exercise for
a first year in g e n e r a l m a t h e m a t i c s .
"""
8
9
10
11
12
13
14
d e f automatedVar ( symbol , n ) :
" " " I f s y m b o l = " x " a n d n =4 , r e t u r n t h e s t r i n g x1 , x2 , x3 , x 4
"""
s = " , " . join ([ symbol + s t r ( i ) f o r i i n r a n g e (1 , n +1) ])
return s
15
16
17
18
19
20
Example :
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
self . matrix = A
self . vector = v
self . nvars = A . ncols ()
s = automatedVar ( " x " , self . nvars )
self . xx = var ( s )
d e f equations ( self ) :
""" Return the e q u a t i o n s c o r r e s p o n d i n g to the
s e l f . m a t r i x a n d s e l f . v e c t o r a s a l i s t o f e q u a t i o n s
"""
X = matrix ( [ self . xx [ i ] f o r i i n r a n g e (0 , self . nvars ) ]) .
1569
1570
36
37
38
39
40
41
42
43
transpose ()
eqs =[]
f o r i i n r a n g e (0 , self . matrix . nrows () ) :
exp = ( self . matrix * X ) [ i ][0]== self . vector [ i ]
eqs . append ( exp )
r e t u r n eqs
d e f solutions ( self ) :
r e t u r n solve ( self . equations () , self . xx )
d e f latex ( self ) :
44
45
a =[]
a . append ( r " " "
46
47
\ item
$
\ left \{
\ begin { array }{ ll }
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
""" )
f o r eq i n self . equations () :
a . append ( "
" + s t r ( eq ) . replace ( " x " , " x _ " ) . replace ( " * "
, " " ) . replace ( " = = " , " = " ) + " \ \ \ \ \ n " )
a . append ( r " " "
\ end { array }
\ right .
$
""" )
r e t u r n " " . join ( a )
d e f __str__ ( self ) :
a = []
a . append ( " T h e g i v e n m a t r i x c o r r e s p o n d s t o t h e s y s t e m " )
f o r eq i n self . equations () :
a . append ( s t r ( eq ) )
a . append ( " A n d t h e s o l u t i o n s a r e " )
a . append ( s t r ( self . solutions () ) )
r e t u r n " \ n " . join ( a )
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
d e f QuadraticMap (A , v ) :
"""
Return the result of the q u a d r a t i c form a s s o c i a t e d
with A a p p l i e d on the vector v , that is the number
A_ij v ^ iv ^ j
using the summation convention .
"""
n = A . nrows ()
i f n o t A . is_symmetric () :
print " W a r n i n g : Given matrix is not s y m m e t r i c "
i f n o t A . is_square () :
r a i s e TypeError , " E r r o r : T h e m a t r i x A i s n o t s q u a r e "
i f n o t v . degree () == n :
r a i s e TypeError , " T h e s i z e d o n o t a g r e e "
r e t u r n s u m ([ A [i , j ]* v [ i ]* v [ j ] f o r i i n r a n g e ( n ) f o r j i n r a n g e (
n)
85
]) . simplify_full ()
1571
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
c l a s s SymmetricMatrix ( o b j e c t ) :
"""
P r o v i d e i n f o r m a t i o n s a b o u t t h e m a t r i x A a s s u m i n g i t i s s y m m e t r i c
.
"""
d e f __init__ ( self , A ) :
i f n o t A . is_square () :
print " Error : A s y m m e t r i c matrix must be square "
r a i s e TypeError
self . matrix = A
self . degree = A . nrows ()
self . matrix . set_immutable ()
d e f p r i m a r y _ p r i n c i p a l _ s u b m a t r i x ( self , n ) :
"""
R e t u r n t h e p r i m a r y p r i n c i p a l s u b m a t r i x o f o r d e r n , t h a t i s t h e
matrix obtained
b y r e m o v i n g t h e n l a s t l i n e s a n d c o l u m n s f r o m s e l f
.
"""
111
"""
R e t u r n t h e l i s t o f p r i n c i p a l m i n o r s . T h e p r i n c i p a l m i n o r o f
order k is
t h e d e t e r m i n a n t o f t h e p r i m a r y p r i n c i p a l m a t r i x o f
order k.
"""
112
a =[]
113
f o r i i n r a n g e ( self . degree ) :
108
109
110
114
115
116
117
118
119
120
121
122
"""
123
defpos = True
defneg = True
semidefpos = True
semidefneg = True
indefinie = True
mineurs = self . principal_minors ()
f o r i i n r a n g e ( l e n ( mineurs ) ) :
m = mineurs [ i ]
i f m == 0:
124
125
126
127
128
129
130
131
1572
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
defneg = False
defpos = False
i f m < 0:
defpos = False
semidefpos = False
i f i %2==0:
defneg = False
i f m > 0:
semidefneg = False
i f i %2==1:
defneg = False
i f 0 n o t i n mineurs :
semidefneg = False
semidefpos = False
i f ( defpos == True ) o r ( defneg == True ) o r ( semidefpos == True ) o r (
semidefneg == True ) : indefinie = False
r e t u r n [ defpos , defneg , semidefpos , semidefneg , indefinie ]
d e f __str__ ( self ) :
r e t u r n s t r ( self . matrix )
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
c l a s s QuadraticForm ( SymmetricMatrix ) :
"""
F r o m a s y m m e t r i c m a t r i x A , p r o v i d e i n f o r m a t i o n s c o n c e r n i n g t h e
associated quadratic form .
"""
d e f __init__ ( self , A ) :
Y = vector ( variables )
r e t u r n self . d i a g o n a l i z i n g _ m a r t r i x () * Y
1573
180
181
182
183
184
d e f eigenmatrix_left ( self ) :
r e t u r n self . matrix . eigenmatrix_left ()
d e f eigenvectors ( self ) :
"""
Return a list of e i g e n v e c t o r s of the matrix .
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
D , P = self . eigenmatrix_left ()
r e t u r n [ P [ i ] f o r i i n r a n g e ( P . nrows () ) ]
d e f eigenvalues ( self ) :
"""
R e t u r n a l i s t o f e i g e n v a l u e s o f t h e m a t r i x i n t h e s a m e o r d e r
as the list of e i g e n v e c t o r s given in
self . e i g e n v e c t o r s ()
"""
D , P = self . eigenmatrix_left ()
r e t u r n [ D [i , i ] f o r i i n r a n g e ( D . nrows () ) ]
d e f orth onorm al_bas is ( self ) :
"""
Return a basis of e i g e n v e c t o r s n o r m a l i s e d to 1 as a list .
"""
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
d e f __str__ ( self ) :
a = []
a . append ( " H i g u y ; I m t h e q u a d r a t i c f o r m a s s o c i a t e d w i t h t h e
matix ")
a . append ( s t r ( self . matrix ) )
a . append ( " M y e i g e n v a l u e s a n d e i g e n v e c t o r s a r e : " )
veps = self . eigenvectors ()
vaps = self . eigenvalues ()
f o r i i n r a n g e ( l e n ( veps ) ) :
a . append ( " % s - > % s " %( s t r ( vaps [ i ]) , s t r ( veps [ i ]) ) )
a . append ( " I v e t h e f o l l o w i n g o r t h o n o r m a l b a s i s o f e i g e n v e c t o r s
:")
f o r v i n self . or thonor mal_ba sis () :
a . append ( s t r ( v ) )
a . append ( " A m a t r i x B s u c h t h a t B ^ t A B i s d i a g o n a l i s " )
a . append ( s t r ( self . d i a g o n a l i z i n g _ m a r t r i x () ) )
a . append ( " I m q u i t e p r e t t y i n t h e f o l l o w i n g v a r i a b l e s . . . " )
f o r i i n r a n g e ( self . degree ) :
a . append ( " x % s = % s " %( s t r ( i +1) , s t r ( self . new_variables () [ i ]) )
)
a . append ( " L o o k a t m e w h e n I w e a r m y c o o l v a r i a b l e s " )
a . append ( s t r ( self . verification () ) )
1574
228
229
230
231
232
233
234
235
236
c l a s s Extrema ( o b j e c t ) :
"""
F r o m a f u n c t i o n f , p r o v i d e s t h e i n f o r m a t i o n s f o r t h e s t u d y o f
the extrema :
partial derivative
critical points
H e s s i a n matrix at the c r i t i c a l points
Genius of the H e s s i a n and c o n c l u s i o n as local min / max
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
D e a r s t u d e n t : r e m e m b e r t h a t t h i s c l a s s d o e s n o t f u r n i s h a n y
informations
c o n c e r n i n g * global * e x t r e m a . The latter have to be found
among the c r i t i c a l points OR on the border of the domain .
"""
d e f __init__ ( self , f ) :
var ( x , y )
self . fun = f
self . gx = self . fun . diff ( x ) . full_simplify ()
self . gy = self . fun . diff ( y ) . full_simplify ()
self . gxx = self . gx . diff ( x ) . simplify_full ()
self . gxy = self . gx . diff ( y ) . full_simplify ()
self . gyy = self . gy . diff ( y ) . full_simplify ()
self . cp = solve ( [ self . gx (x , y ) ==0 , self . gy (x , y ) ==0] ,[ x , y ] )
d e f critical_points ( self ) :
"""
Return the c r i t i c a l points as a list of tuples (x , y )
"""
a = []
f o r pt i n self . cp :
try :
px = SR ( pt [0]. rhs () )
py = SR ( pt [1]. rhs () )
a . append (( px , py ) )
e x c e p t TypeError :
a . append ( " I m n o t a b l e t o s o l v e t h e s e e q u a t i o n s . " )
return a
d e f hessienne ( self ,a , b ) :
r e t u r n matrix ( SR ,2 ,2 ,[ self . gxx (a , b ) , self . gxy (a , b ) , self . gxy (a ,
b ) , self . gyy (a , b ) ])
d e f __str__ ( self ) :
a = []
a . append ( " T h e f u n c t i o n : " )
a . append ( s t r ( self . fun ) )
a . append ( " D e r i v a t i v e x a n d y : " )
a . append ( s t r ( self . gx ) )
a . append ( s t r ( self . gy ) )
a . append ( " H e s s i a n m a t r i x : " )
a . append ( s t r ( self . hessienne (x , y ) ) )
a . append ( " C r i t i c a l p o i n t s : " )
f o r pt i n self . critical_points () :
a . append ( s t r ( pt ) )
1575
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
f o r pt i n self . critical_points () :
try :
px = pt [0]
py = pt [1]
a . append ( " A t ( % s , % s ) , t h e H e s s i a n i s " %( s t r ( px ) , s t r ( py ) ) )
try :
Hess = SymmetricMatrix ( self . hessienne ( px , py ) )
f o r l i n Hess . matrix :
a . append ( " " + s t r ( l ) )
a . append ( " P r i m a r y p r i n c i p a l m i n o r s a r e % s " % s t r ( Hess .
principal_minors () ) )
l = Hess . genre_list ()
i f l [0]== True :
a . append ( " H e s s i a n p o s i t i v e d e f i n e d " )
a . append ( " l o c a l m i n i m u m " )
i f l [1]== True :
a . append ( " H e s s i a n n e g a t i v e d e f i n e d " )
a . append ( " l o c a l m a x i m u m " )
i f l [2]== True :
a . append ( " H e s s i a n p o s i t i v e s e m i d f i n i t e " )
a . append ( " I d o n t c o n c l u d e " )
i f l [3]== True :
a . append ( " H e s s i a n n e g a t i v e s e m i d e f i n i t e " )
a . append ( " I d o n t c o n c l u d e " )
i f l [4]== True :
a . append ( " U n d e f i n i t e H e s s i a n " )
a . append ( " s e l l e p o i n t " )
e x c e p t RuntimeError , data :
a . append ( " " + s t r ( data ) )
e x c e p t TypeError :
a . append ( " I m n o t a b l e t o s o l v e t h e s e e q u a t i o n s . " )
r e t u r n " \ n " . join ( a )
outilsINGE.py
Exemple 32.1
Calculer la limite
lim
x8
sinpxq cospxq
x
(32.1)
var(x)
f(x)=sin(x)*cos(x)/x
limit(f(x),x=oo)
La premire ligne dclare que la lettre x dsignera une variable. Pour la troisime ligne, notez que
linfini est crit par deux petits o .
4
Exemple 32.2
Quelques limites et graphes avec Sage.
(1) limx0 sinpxq
sinpxq .
Pour effectuer cet exercice avec Sage, il faut taper les lignes suivantes :
sage: var(x,a,b)
1576
(2) limx8
x2 `1x
x2
sage: f(x)=(sqrt(x**2+1))/(x-2)
sage: limit(f(x),x=oo)
1
sage: limit(f(x),x=-oo)
-1
Noter la commande pour la racine carr : sqrt. tant donn que cette fonction diverge en
x 2, si nous voulons la tracer, il faut procder en deux fois :
sage: plot(f,(-100,1.9))
Launched png viewer for Graphics object consisting of 1 graphics primitive
sage: plot(f,(2.1,100))
Launched png viewer for Graphics object consisting of 1 graphics primitive
La premire ligne trace de 100 1.9 et la seconde de 2.1 100. Ces graphiques vous
permettent dj de voir les limites. Attention : ils ne sont pas des preuves ! Mais ils sont de
srieux indices qui peuvent vous inspirer dans vos calculs.
4
Exemple 32.3
2 f , B 2 f et B 2 f des fonctions suivantes.
Calculer les drives partielles Bx f , By f , Bx2 f , Bxy
y
yx
(3) tanpx{yq
(4)
xy 2
x`y
# -* - c o d i n g : u t f 8 -* -
2
3
4
5
6
7
8
9
10
11
d e f LesCalculs ( f ) :
print " Pour la f o n c t i o n % s "% str (f)
p r i n t " d _ x " ,f . diff ( x ) . simplify_full ()
p r i n t " d _ y " ,f . diff ( y ) . simplify_full ()
p r i n t " d ^ 2 _ x " ,f . diff ( x ) . diff ( x ) . simplify_full ()
p r i n t " d _ x d _ y " ,f . diff ( x ) . diff ( y ) . simplify_full ()
p r i n t " d _ y d _ x " ,f . diff ( y ) . diff ( x ) . simplify_full ()
p r i n t " d ^ 2 _ y " ,f . diff ( y ) . diff ( y ) . simplify_full ()
print ""
12
13
14
15
d e f exercise_DV002 () :
var ( x , y )
1577
16
17
18
19
20
21
22
fb (x , y ) = ln ( x * y **2)
fc (x , y ) = tan ( x / y )
fd (x , y ) = x * y **2/( x + y )
LesCalculs ( fa )
LesCalculs ( fb )
LesCalculs ( fc )
LesCalculs ( fd )
exoDV002.sage
La sortie est :
Pour la fonction (x, y) |--> 2*x^3 + 3*x^2*y - 2*y^2
d_x (x, y) |--> 6*x^2 + 6*x*y
d_y (x, y) |--> 3*x^2 - 4*y
d^2_x (x, y) |--> 12*x + 6*y
d_xd_y (x, y) |--> 6*x
d_yd_x (x, y) |--> 6*x
d^2_y (x, y) |--> -4
Pour la fonction (x, y) |--> log(x*y^2)
d_x (x, y) |--> 1/x
d_y (x, y) |--> 2/y
d^2_x (x, y) |--> -1/x^2
d_xd_y (x, y) |--> 0
d_yd_x (x, y) |--> 0
d^2_y (x, y) |--> -2/y^2
Pour la fonction (x, y) |--> tan(x/y)
d_x (x, y) |--> 1/(y*cos(x/y)^2)
d_y (x, y) |--> -x/(y^2*cos(x/y)^2)
d^2_x (x, y) |--> 2*sin(x/y)/(y^2*cos(x/y)^3)
d_xd_y (x, y) |--> -(2*x*sin(x/y) + y*cos(x/y))/(y^3*cos(x/y)^3)
d_yd_x (x, y) |--> -(2*x*sin(x/y) + y*cos(x/y))/(y^3*cos(x/y)^3)
d^2_y (x, y) |--> 2*(x^2*sin(x/y) + x*y*cos(x/y))/(y^4*cos(x/y)^3)
Pour la fonction (x, y) |--> x*y^2/(x + y)
d_x (x, y) |--> y^3/(x^2 + 2*x*y + y^2)
d_y (x, y) |--> (2*x^2*y + x*y^2)/(x^2 + 2*x*y + y^2)
d^2_x (x, y) |--> -2*y^3/(x^3 + 3*x^2*y + 3*x*y^2 + y^3)
d_xd_y (x, y) |--> (3*x*y^2 + y^3)/(x^3 + 3*x^2*y + 3*x*y^2 + y^3)
d_yd_x (x, y) |--> (3*x*y^2 + y^3)/(x^3 + 3*x^2*y + 3*x*y^2 + y^3)
d^2_y (x, y) |--> 2*x^3/(x^3 + 3*x^2*y + 3*x*y^2 + y^3)
4
Exemple 32.4
Rsoudre les systmes suivants.
$
& x1 2x2 ` 3x3 2x4 0
3x1 7x2 2x3 ` 4x4 0
(1)
%
4x1 ` 3x2 ` 5x3 ` 2x4 0
$
& 2x1 ` x2 2x3 ` 3x4 0
3x1 ` 2x2 x3 ` 3x4 4
(2)
%
3x1 ` 3x2 ` 3x3 3x4 9
1578
(3)
(4)
(5)
(6)
(7)
(8)
x1 ` 2x2 x3 0
&
2x1 ` 5x2 ` 2x3 0
x ` 4x2 ` 7x3 0
% 1
x1 ` 3x2 ` 3x3 0
$
x1 ` x2 ` x3 ` x4 0
&
x1 ` x2 ` x3 x4 4
x ` x2 x3 ` x4 4
% 1
x1 x2 ` x3 ` x4 2
$
& x1 ` 3x2 ` 3x3 1
x1 ` 3x2 ` 4x3 0
%
x1 ` 4x2 ` 3x3 3
$
& x1 3x2 ` 2x3 6
3x1 ` 3x2 x3 17
%
2x1 x2 3
$
& x1 2x2 ` 3x3 2x4 0
3x1 7x2 2x3 ` 4x4 0
%
4x1 ` 3x2 ` 5x3 ` 2x4 0
(9)
(10)
(11)
(12)
(13)
(14)
$
& 2x1 ` x2 2x3 ` 3x4 0
3x1 ` 2x2 x3 ` 3x4 4
%
3x1 ` 3x2 ` 3x3 3x4 9
$
& x1 ` 2x2 3x3 0
2x1 ` 5x2 ` 2x3 0
%
3x1 x2 4x3 0
$
x1 ` 2x2 x3 0
&
2x1 ` 5x2 ` 2x3 0
x1 ` 4x2 ` 7x3 0
%
x1 ` 3x2 ` 3x3 0
$
x1 ` x2 ` x3 ` x4 0
&
x1 ` x2 ` x3 x4 4
x ` x2 x3 ` x4 4
% 1
x1 x2 ` x3 ` x4 2
$
& x1 ` 3x2 ` 3x3 1
x1 ` 3x2 ` 4x3 0
%
x1 ` 4x2 ` 3x3 3
$
& x1 3x2 ` 2x3 6
3x1 ` 3x2 x3 17
%
2x1 x2 3
# -* - c o d i n g : u t f 8 -* """
Ce script Sage rsout un c e r t a i n nombre
de s y s t m e s d q u a t i o n s l i n a i r e s du cours I N G E 1 1 2 1
"""
6
7
i m p o r t outilsINGE
8
9
10
11
12
13
d e f exercis e _ 1 _ 1 _ b c d e f h i () :
# Exercice 1.1. b ( INGE1121 )
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
1579
30
31
32
33
34
35
36
37
exo11.sage
Le rsultat est le suivant :
The given matrix corresponds to the system
x1 - 2*x2 + 3*x3 - 2*x4 == 0
3*x1 - 7*x2 - 2*x3 + 4*x4 == 0
4*x1 + 3*x2 + 5*x3 + 2*x4 == 0
And the solutions are
[
[x1 == -23/16*r19, x2 == -5/16*r19, x3 == 15/16*r19, x4 == r19, x5 == r18]
]
The given matrix corresponds to the system
2*x1 + x2 - 2*x3 + 3*x4 == 0
3*x1 + 2*x2 - x3 + 3*x4 == 4
3*x1 + 3*x2 + 3*x3 - 3*x4 == 9
And the solutions are
[
[x1 == 3*r20 - 7, x2 == -4*r20 + 11, x3 == r20, x4 == 1]
]
The given matrix corresponds to the system
x1 + 2*x2 - 3*x3 == 0
2*x1 + 5*x2 + 2*x3 == 0
3*x1 - x2 - 4*x3 == 0
And the solutions are
[
[x1 == 0, x2 == 0, x3 == 0]
]
The given matrix corresponds to the system
x1 + 2*x2 - x3 == 0
2*x1 + 5*x2 + 2*x3 == 0
x1 + 4*x2 + 7*x3 == 0
x1 + 3*x2 + 3*x3 == 0
And the solutions are
[
[x1 == 9*r21, x2 == -4*r21, x3 == r21]
]
The given matrix corresponds to the system
x1 + x2 + x3 + x4 == 0
x1 + x2 + x3 - x4 == 4
x1 + x2 - x3 + x4 == -4
x1 - x2 + x3 + x4 == 2
And the solutions are
[
[x1 == 1, x2 == -1, x3 == 2, x4 == -2]
]
1580
4
Exemple 32.5
Pour chacun des systmes suivants A X B,
2 1 2
10
A 3 2 2 , B 1
5 4 3
4
(32.2)
Nous utilisons Sage pour fournir la rponse. Le code suivant rsout le systme et donne linverse
de la matrice :
1
# -* - c o d i n g : u t f 8 -* -
2
3
i m p o r t outilsINGE
4
5
6
7
8
9
10
d e f exercise_1_3 () :
exo13.sage
La sortie est ici :
The given matrix corresponds to the system
2*x1 + x2 - 2*x3 == 10
3*x1 + 2*x2 + 2*x3 == 1
1581
5*x1 + 4*x2 + 3*x3 == 4
And the solutions are
[
[x1 == 1, x2 == 2, x3 == -3]
]
Matrice inverse :
[ 2/7 11/7 -6/7]
[ -1/7 -16/7 10/7]
[ -2/7
3/7 -1/7]
4
Exemple 32.6
Sachant que p1, 0, 1, 0q est un vecteur propre de la
2 1 1
1 0 1
A
1 1 2
1 1 1
matrice
1
1
1
0
(32.3)
(2) crire la forme quadratique X t AX sous forme dune somme pondre de carrs.
Calculons Av afin de savoir la valeur
2 1
1 0
1 1
1 1
(32.4)
La valeur propre est donc 3. Nous savons donc que p 3q pourra tre factoris dans le polynme
caractristique.
Pour le reste de lexercice cest standard et cest rsolu de la faon suivante :
1
# -* - c o d i n g : u t f 8 -* -
2
3
i m p o r t outilsINGE
4
5
6
7
8
d e f exercise_6_5 () :
1582
3 -> (0, 1, 2, 1)
-1 -> (1, 0, 1, -2)
-1 -> (0, 1, 0, -1)
Ive the following orthonormal basis of eigenvectors :
(1/2*sqrt(2), 0, -1/2*sqrt(2), 0)
(1/2, 1/2, 1/2, 1/2)
(1/6*sqrt(6), 0, 1/6*sqrt(6), -1/3*sqrt(6))
(-1/2*sqrt(1/3), 3/2*sqrt(1/3), -1/2*sqrt(1/3), -1/2*sqrt(1/3))
A matrix B such that B^tAB is diagonal is
[
1/2*sqrt(2)
1/2
1/6*sqrt(6) -1/2*sqrt(1/3)]
[
0
1/2
0 3/2*sqrt(1/3)]
[ -1/2*sqrt(2)
1/2
1/6*sqrt(6) -1/2*sqrt(1/3)]
[
0
1/2
-1/3*sqrt(6) -1/2*sqrt(1/3)]
Im quite pretty in the following variables ...
x1 = -1/2*sqrt(1/3)*y4 + 1/2*sqrt(2)*y1 + 1/6*sqrt(6)*y3 + 1/2*y2
x2 = 3/2*sqrt(1/3)*y4 + 1/2*y2
x3 = -1/2*sqrt(1/3)*y4 - 1/2*sqrt(2)*y1 + 1/6*sqrt(6)*y3 + 1/2*y2
x4 = -1/2*sqrt(1/3)*y4 - 1/3*sqrt(6)*y3 + 1/2*y2
Look at me when I wear my cool variables
3*y1^2 + 3*y2^2 - y3^2 - y4^2
4
Exemple 32.7
Rechercher les extrema des fonctions suivantes
a
(1) f px, yq 2 x2 ` y 2
(2) f px, yq x3 ` 3xy 2 15x 12y
(3) f px, yq
x3
3
4y 3
3
x2 3x 4y 3
1583
Derivative x and y :
(x, y) |--> -x/sqrt(x^2 + y^2)
(x, y) |--> -y/sqrt(x^2 + y^2)
Hessian matrix :
[-sqrt(x^2 + y^2)*y^2/(x^4 + 2*x^2*y^2 + y^4)
x*y/(x^2 + y^2)^(
[
x*y/(x^2 + y^2)^(3/2) -sqrt(x^2 + y^2)*x^2/(x^4 + 2*x^2*y^2 +
Critical points :
(0, 0)
At (0,0), the Hessian is
power::eval(): division by zero
Ici nous voyons que Sage a du mal calculer la matrice Hessienne en p0, 0q. En effet, nous
tombons sur une division
a par zro. Pour rsoudre lexercice, il faut se rendre compte que
la fonction px, yq x2 ` y 2 est toujours positive et est nulle seulement au point p0, 0q.
Donc f est toujours plus petite ou gale deux tandis que f p0, 0q 2. Le point est donc
un maximum global.
(2) The function :
(x, y) |--> x^3 + 3*x*y^2 - 15*x - 12*y
Derivative x and y :
(x, y) |--> 3*x^2 + 3*y^2 - 15
(x, y) |--> 6*x*y - 12
Hessian matrix :
[6*x 6*y]
[6*y 6*x]
Critical points :
(2, 1)
(1, 2)
(-1, -2)
(-2, -1)
At (2,1), the Hessian is
(12, 6)
(6, 12)
Primary principal minors are [108, 12]
Hessian positive defined
local minimum
At (1,2), the Hessian is
(6, 12)
(12, 6)
Primary principal minors are [-108, 6]
Undefinite Hessian
selle point
At (-1,-2), the Hessian is
(-6, -12)
(-12, -6)
Primary principal minors are [-108, -6]
Undefinite Hessian
selle point
At (-2,-1), the Hessian is
(-12, -6)
(-6, -12)
Primary principal minors are [108, -12]
Hessian negative defined
local maximum
(3) The function :
1584
are [32, 4]
are [-32, 4]
4
Exemple 32.8
Dterminer les valeurs extrmes et les points de selle des fonctions suivantes.
(1) f px, yq x2 ` 4x ` y 2 2y.
2
(2) f px, yq ex `xy .
Certains corrigs de cet exercice ont ts raliss par Sage. Le script utilis est exo103.sage
1
# -* - c o d i n g : u t f 8 -* -
2
3
4
i m p o r t outilsINGE
1585
5
6
7
8
d e f exercise_10_3_A () :
var ( x , y )
9
10
11
12
13
d e f exercise_10_3_H () :
var ( x , y )
f (x , y ) = exp ( x **2+ x * y )
p r i n t outilsINGE . Extrema ( f )
14
15
16
17
18
d e f exercise_10_3_Q () :
var ( x , y )
f (x , y ) = exp ( x ) * sin ( y )
p r i n t outilsINGE . Extrema ( f )
exo103.sage
Des rponses :
(1) The function :
(x, y) |--> x^2 + y^2 + 4*x - 2*y
Derivative x and y :
(x, y) |--> 2*x + 4
(x, y) |--> 2*y - 2
Hessian matrix :
[2 0]
[0 2]
Critical points :
(-2, 1)
At (-2,1), the Hessian is
(2, 0)
(0, 2)
Primary principal minors are [4, 2]
Hessian positive defined
local minimum
(2) The function :
(x, y) |--> e^(x^2 + x*y)
Derivative x and y :
(x, y) |--> (2*x*e^(x^2) + y*e^(x^2))*e^(x*y)
(x, y) |--> x*e^(x^2 + x*y)
Hessian matrix :
[(4*x*y*e^(x^2) + y^2*e^(x^2) + 2*(2*x^2 + 1)*e^(x^2))*e^(x*y)
[
(x*y*e^(x^2) + (2*x^2 + 1)*e^(x^2))*e^(x*y)
Critical points :
(0, 0)
At (0,0), the Hessian is
(2, 1)
(1, 0)
Primary principal minors are [-1, 2]
Undefinite Hessian
selle point
(3) The function :
(x, y) |--> e^x*sin(y)
Derivative x and y :
(x*y*
1586
equations.
equations.
equations.
equations.
Ici, Sage nest pas capable de rsoudre les quations qui annulent le jacobien. Les quations
rsoudre sont pourtant faciles :
" x
e cospyq 0
(32.5a)
ex sinpyq 0
(32.5b)
tant donn que lexponentielle ne sannule jamais, il faudrait avoir en mme temps cospyq
0 et sinpyq 0, ce qui est impossible. La fonction na donc aucun extrema local.
4
Exemple 32.9
Considrons la fonction
f px, yq xy 2 epx
2 `y 2 q{4
(32.6)
# -* - c o d i n g : u t f 8 -* -
2
3
i m p o r t outilsINGE
4
5
6
7
8
d e f exercise_10_4 () :
var ( x , y )
The function :
(x, y) |--> x*y^2*e^(-1/4*x^2 - 1/4*y^2)
Derivative x and y :
(x, y) |--> -1/2*(x^2 - 2)*y^2*e^(-1/4*x^2 - 1/4*y^2)
(x, y) |--> -1/2*(x*y^3 - 4*x*y)*e^(-1/4*x^2 - 1/4*y^2)
Hessian matrix :
[
1/4*(x^3 - 6*x)*y^2*e^(-1/4*x^2 - 1/4*y^2) 1/4*((x^2 - 2)*y^3 - 4*(x^2 - 2)*y)
[1/4*((x^2 - 2)*y^3 - 4*(x^2 - 2)*y)*e^(-1/4*x^2 - 1/4*y^2)
1/4*(x*y^4 - 10*x*y^2 + 8*x)
1587
Critical points :
(r17, 0)
(-sqrt(2), -2)
(sqrt(2), -2)
(-sqrt(2), 2)
(sqrt(2), 2)
At (r17,0), the Hessian is
(0, 0)
(0, 2*r17*e^(-1/4*r17^2))
Primary principal minors are [0, 0]
Hessian positive semidfinite
I dont conclude
Hessian negative semidefinite
I dont conclude
At (-sqrt(2),-2), the Hessian is
(4*sqrt(2)*e^(-3/2), 0)
(0, 4*sqrt(2)*e^(-3/2))
Primary principal minors are [32*e^(-3),
Hessian positive defined
local minimum
At (sqrt(2),-2), the Hessian is
(-4*sqrt(2)*e^(-3/2), 0)
(0, -4*sqrt(2)*e^(-3/2))
Primary principal minors are [32*e^(-3),
Hessian negative defined
local maximum
At (-sqrt(2),2), the Hessian is
(4*sqrt(2)*e^(-3/2), 0)
(0, 4*sqrt(2)*e^(-3/2))
Primary principal minors are [32*e^(-3),
Hessian positive defined
local minimum
At (sqrt(2),2), the Hessian is
(-4*sqrt(2)*e^(-3/2), 0)
(0, -4*sqrt(2)*e^(-3/2))
Primary principal minors are [32*e^(-3),
Hessian negative defined
local maximum
4*sqrt(2)*e^(-3/2)]
-4*sqrt(2)*e^(-3/2)]
4*sqrt(2)*e^(-3/2)]
-4*sqrt(2)*e^(-3/2)]
Notez la prsence de r1 comme paramtres dans les solutions. Tous les points avec y 0 sont
des points critiques. Cependant, Sage 1 ne parvient pas conclure la nature de ces points px, 0q.
Notons que le nombre f px, yq a toujours le signe de x parce que y 2 et lexponentielle sont
positives. Toujours ? En tout cas lorsque x 0. Prenons un point pa, 0q avec a 0. Dans un
voisinage de ce point, nous avons f px, yq 0 parce que si a 0, alors x 0 dans un voisinage de
a. Le point pa, 0q est un minimum local parce que 0 f pa, 0q f px, yq pour tout px, yq dans un
voisinage de pa, 0q.
De la mme faon, les points pa, 0q avec a 0 sont des maxima locaux parce que dans un
voisinage, la fonction est ngative.
Le point p0, 0q nest ni maximum ni minimum local. Cest un point de selle.
4
1. ou, plus prcisment, le programme que jai crit avec Sage.
1588
Exemple 32.10
Driver les fonctions suivantes.
`
3
4
f r o m sage . a l l i m p o r t *
5
6
7
8
9
10
11
12
13
14
var ( x )
f = sin ( ln ( x ) )
p r i n t f . diff ( x )
f = sin ( x ) / x
p r i n t f . diff ( x )
f = exp ( x **2)
p r i n t f . diff ( x )
f = cos ( x ) **( sin ( x ) )
p r i n t f . diff ( x )
corrDerive_0002.sage
Le rsultat est :
cos(log(x))/x
cos(x)/x - sin(x)/x^2
2*x*e^(x^2)
(log(cos(x))*cos(x) - sin(x)^2/cos(x))*cos(x)^sin(x)
4
Exemple 32.11
Donner une approximation de lnp1.0001q.
---------------------------------------------------------------------| Sage Version 4.5.3, Release Date: 2010-09-04
|
| Type notebook() for the GUI, and license() for information.
|
---------------------------------------------------------------------sage: numerical_approx(ln(1.0001))
0.0000999950003332973
Annexe A
Preamble
The purpose of this License is to make a manual, textbook, or other functional and useful
document free in the sense of freedom : to assure everyone the effective freedom to copy and
redistribute it, with or without modifying it, either commercially or noncommercially. Secondarily,
this License preserves for the author and publisher a way to get credit for their work, while not
being considered responsible for modifications made by others.
This License is a kind of copyleft, which means that derivative works of the document must
themselves be free in the same sense. It complements the GNU General Public License, which is a
copyleft license designed for free software.
We have designed this License in order to use it for manuals for free software, because free
software needs free documentation : a free program should come with manuals providing the same
freedoms that the software does. But this License is not limited to software manuals ; it can be
used for any textual work, regardless of subject matter or whether it is published as a printed
book. We recommend this License principally for works whose purpose is instruction or reference.
1590
connection with the subject or with related matters, or of legal, commercial, philosophical, ethical
or political position regarding them.
The Invariant Sections are certain Secondary Sections whose titles are designated, as being
those of Invariant Sections, in the notice that says that the Document is released under this License.
If a section does not fit the above definition of Secondary then it is not allowed to be designated as
Invariant. The Document may contain zero Invariant Sections. If the Document does not identify
any Invariant Sections then there are none.
The Cover Texts are certain short passages of text that are listed, as Front-Cover Texts
or Back-Cover Texts, in the notice that says that the Document is released under this License. A
Front-Cover Text may be at most 5 words, and a Back-Cover Text may be at most 25 words.
A Transparent copy of the Document means a machine-readable copy, represented in a
format whose specification is available to the general public, that is suitable for revising the document straightforwardly with generic text editors or (for images composed of pixels) generic paint
programs or (for drawings) some widely available drawing editor, and that is suitable for input
to text formatters or for automatic translation to a variety of formats suitable for input to text
formatters. A copy made in an otherwise Transparent file format whose markup, or absence of
markup, has been arranged to thwart or discourage subsequent modification by readers is not
Transparent. An image format is not Transparent if used for any substantial amount of text. A
copy that is not Transparent is called Opaque.
Examples of suitable formats for Transparent copies include plain ASCII without markup,
Texinfo input format, LaTeX input format, SGML or XML using a publicly available DTD,
and standard-conforming simple HTML, PostScript or PDF designed for human modification.
Examples of transparent image formats include PNG, XCF and JPG. Opaque formats include
proprietary formats that can be read and edited only by proprietary word processors, SGML or
XML for which the DTD and/or processing tools are not generally available, and the machinegenerated HTML, PostScript or PDF produced by some word processors for output purposes only.
The Title Page means, for a printed book, the title page itself, plus such following pages
as are needed to hold, legibly, the material this License requires to appear in the title page. For
works in formats which do not have any title page as such, Title Page means the text near the
most prominent appearance of the works title, preceding the beginning of the body of the text.
The publisher means any person or entity that distributes copies of the Document to the
public.
A section Entitled XYZ means a named subunit of the Document whose title either is precisely XYZ or contains XYZ in parentheses following text that translates XYZ in another language.
(Here XYZ stands for a specific section name mentioned below, such as Acknowledgements,
Dedications, Endorsements, or History.) To Preserve the Title of such a section
when you modify the Document means that it remains a section Entitled XYZ according to this
definition.
The Document may include Warranty Disclaimers next to the notice which states that this
License applies to the Document. These Warranty Disclaimers are considered to be included by
reference in this License, but only as regards disclaiming warranties : any other implication that
these Warranty Disclaimers may have is void and has no effect on the meaning of this License.
VERBATIM COPYING
You may copy and distribute the Document in any medium, either commercially or noncommercially, provided that this License, the copyright notices, and the license notice saying this License
applies to the Document are reproduced in all copies, and that you add no other conditions whatsoever to those of this License. You may not use technical measures to obstruct or control the
reading or further copying of the copies you make or distribute. However, you may accept compensation in exchange for copies. If you distribute a large enough number of copies you must also
follow the conditions in section 3.
1591
You may also lend copies, under the same conditions stated above, and you may publicly display
copies.
COPYING IN QUANTITY
If you publish printed copies (or copies in media that commonly have printed covers) of the
Document, numbering more than 100, and the Documents license notice requires Cover Texts, you
must enclose the copies in covers that carry, clearly and legibly, all these Cover Texts : Front-Cover
Texts on the front cover, and Back-Cover Texts on the back cover. Both covers must also clearly
and legibly identify you as the publisher of these copies. The front cover must present the full title
with all words of the title equally prominent and visible. You may add other material on the covers
in addition. Copying with changes limited to the covers, as long as they preserve the title of the
Document and satisfy these conditions, can be treated as verbatim copying in other respects.
If the required texts for either cover are too voluminous to fit legibly, you should put the first
ones listed (as many as fit reasonably) on the actual cover, and continue the rest onto adjacent
pages.
If you publish or distribute Opaque copies of the Document numbering more than 100, you must
either include a machine-readable Transparent copy along with each Opaque copy, or state in or
with each Opaque copy a computer-network location from which the general network-using public
has access to download using public-standard network protocols a complete Transparent copy of the
Document, free of added material. If you use the latter option, you must take reasonably prudent
steps, when you begin distribution of Opaque copies in quantity, to ensure that this Transparent
copy will remain thus accessible at the stated location until at least one year after the last time
you distribute an Opaque copy (directly or through your agents or retailers) of that edition to the
public.
It is requested, but not required, that you contact the authors of the Document well before
redistributing any large number of copies, to give them a chance to provide you with an updated
version of the Document.
MODIFICATIONS
You may copy and distribute a Modified Version of the Document under the conditions of
sections 2 and 3 above, provided that you release the Modified Version under precisely this License, with the Modified Version filling the role of the Document, thus licensing distribution and
modification of the Modified Version to whoever possesses a copy of it. In addition, you must do
these things in the Modified Version :
A. Use in the Title Page (and on the covers, if any) a title distinct from that of the Document,
and from those of previous versions (which should, if there were any, be listed in the History
section of the Document). You may use the same title as a previous version if the original
publisher of that version gives permission.
B. List on the Title Page, as authors, one or more persons or entities responsible for authorship
of the modifications in the Modified Version, together with at least five of the principal
authors of the Document (all of its principal authors, if it has fewer than five), unless they
release you from this requirement.
C. State on the Title page the name of the publisher of the Modified Version, as the publisher.
D. Preserve all the copyright notices of the Document.
E. Add an appropriate copyright notice for your modifications adjacent to the other copyright
notices.
F. Include, immediately after the copyright notices, a license notice giving the public permission to use the Modified Version under the terms of this License, in the form shown in the
Addendum below.
G. Preserve in that license notice the full lists of Invariant Sections and required Cover Texts
given in the Documents license notice.
1592
COMBINING DOCUMENTS
You may combine the Document with other documents released under this License, under the
terms defined in section 4 above for modified versions, provided that you include in the combination
all of the Invariant Sections of all of the original documents, unmodified, and list them all as
Invariant Sections of your combined work in its license notice, and that you preserve all their
Warranty Disclaimers.
The combined work need only contain one copy of this License, and multiple identical Invariant
Sections may be replaced with a single copy. If there are multiple Invariant Sections with the same
name but different contents, make the title of each such section unique by adding at the end of
it, in parentheses, the name of the original author or publisher of that section if known, or else a
unique number. Make the same adjustment to the section titles in the list of Invariant Sections in
the license notice of the combined work.
In the combination, you must combine any sections Entitled History in the various original
1593
documents, forming one section Entitled History ; likewise combine any sections Entitled Acknowledgements, and any sections Entitled Dedications. You must delete all sections Entitled
Endorsements.
COLLECTIONS OF DOCUMENTS
You may make a collection consisting of the Document and other documents released under
this License, and replace the individual copies of this License in the various documents with a
single copy that is included in the collection, provided that you follow the rules of this License for
verbatim copying of each of the documents in all other respects.
You may extract a single document from such a collection, and distribute it individually under
this License, provided you insert a copy of this License into the extracted document, and follow
this License in all other respects regarding verbatim copying of that document.
TRANSLATION
Translation is considered a kind of modification, so you may distribute translations of the
Document under the terms of section 4. Replacing Invariant Sections with translations requires
special permission from their copyright holders, but you may include translations of some or all
Invariant Sections in addition to the original versions of these Invariant Sections. You may include
a translation of this License, and all the license notices in the Document, and any Warranty
Disclaimers, provided that you also include the original English version of this License and the
original versions of those notices and disclaimers. In case of a disagreement between the translation
and the original version of this License or a notice or disclaimer, the original version will prevail.
If a section in the Document is Entitled Acknowledgements, Dedications, or History, the
requirement (section 4) to Preserve its Title (section 1) will typically require changing the actual
title.
TERMINATION
You may not copy, modify, sublicense, or distribute the Document except as expressly provided
under this License. Any attempt otherwise to copy, modify, sublicense, or distribute it is void, and
will automatically terminate your rights under this License.
However, if you cease all violation of this License, then your license from a particular copyright
holder is reinstated (a) provisionally, unless and until the copyright holder explicitly and finally
terminates your license, and (b) permanently, if the copyright holder fails to notify you of the
violation by some reasonable means prior to 60 days after the cessation.
1594
Moreover, your license from a particular copyright holder is reinstated permanently if the
copyright holder notifies you of the violation by some reasonable means, this is the first time you
have received notice of violation of this License (for any work) from that copyright holder, and
you cure the violation prior to 30 days after your receipt of the notice.
Termination of your rights under this section does not terminate the licenses of parties who
have received copies or rights from you under this License. If your rights have been terminated
and not permanently reinstated, receipt of a copy of some or all of the same material does not give
you any rights to use it.
RELICENSING
Massive Multiauthor Collaboration Site (or MMC Site) means any World Wide Web server
that publishes copyrightable works and also provides prominent facilities for anybody to edit
those works. A public wiki that anybody can edit is an example of such a server. A Massive
Multiauthor Collaboration (or MMC) contained in the site means any set of copyrightable
works thus published on the MMC site.
CC-BY-SA means the Creative Commons Attribution-Share Alike 3.0 license published by
Creative Commons Corporation, a not-for-profit corporation with a principal place of business in
San Francisco, California, as well as future copyleft versions of that license published by that same
organization.
Incorporate means to publish or republish a Document, in whole or in part, as part of another
Document.
An MMC is eligible for relicensing if it is licensed under this License, and if all works that were
first published under this License somewhere other than this MMC, and subsequently incorporated
in whole or in part into the MMC, (1) had no cover texts or invariant sections, and (2) were thus
incorporated prior to November 1, 2008.
The operator of an MMC Site may republish an MMC contained in the site under CC-BY-SA
on the same site at any time before August 1, 2009, provided the MMC is eligible for relicensing.
1595
If you have Invariant Sections, Front-Cover Texts and Back-Cover Texts, replace the with . . .
Texts. line with this :
with the Invariant Sections being LIST THEIR TITLES, with the Front-Cover Texts
being LIST, and with the Back-Cover Texts being LIST.
If you have Invariant Sections without Cover Texts, or some other combination of the three,
merge those two alternatives to suit the situation.
If your document contains nontrivial examples of program code, we recommend releasing these
examples in parallel under your choice of free software license, such as the GNU General Public
License, to permit their use in free software.
1596
Bibliographie
[1] Arnaud Girand. Dveloppements pour lagrgation externe de mathmatiques. 18 aot 2012.
URL http://perso.univ-rennes1.fr/arnaud.girand/pdf/dvp_agreg/dvp.pdf.
[2] Pierre Monmarch. Dveloppements. 18 mai 2011. URL http://perso.eleves.bretagne.
ens-cachan.fr/~pmonm570/fichiers/1-total.pdf.
[3] Richard Zekri. Analyse de fourier. 15 septembre 2009. URL http://lumimath.univ-mrs.
fr/infoetudiant/ANALYSEDEFOURIERMASTER2009.pdf.
[4] Sylvie Benzoni. Distributions tempres. 13 novembre 2013.
univ-lyon1.fr/~benzoni/Agreg/Distributions.pdf.
URL http://math.
URL http://ljk.imag.fr/
1598
BIBLIOGRAPHIE
BIBLIOGRAPHIE
1599
1600
BIBLIOGRAPHIE
[53] Wikipdia. Fonction de mbius wikipdia, lencyclopdie libre, mai 2013. URL http:
//fr.wikipedia.org/w/index.php?title=Fonction_de_M%C3%B6bius&oldid=91236321.
[En ligne ; Page disponible le 1-mai-2013].
[54] Wikipdia. Corps fini wikipdia, lencyclopdie libre, 2013. URL http://fr.wikipedia.
org/w/index.php?title=Corps_fini&oldid=92489466. [En ligne ; Page disponible le 1mai-2013].
[55] Wikipdia. Nombre constructible wikipdia, lencyclopdie libre, 2014. URL http://
fr.wikipedia.org/w/index.php?title=Nombre_constructible&oldid=103130793. [En
ligne ; Page disponible le 13-mai-2014].
[56] Tracs usuels la rgle et au compas. 2012-2013. URL http://dokeos3.u-cergy.fr/
dokeos20/courses/EEMEM2CRPE/scorm/2012_2013SCORMEEMEUE3EC2M2P1_SCORM/page_
04.htm.
[57] Wikipdia. Thorme de wantzel wikipdia, lencyclopdie libre, 2014. URL http:
//fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_de_Wantzel&oldid=
103220511. [En ligne ; Page disponible le 13-mai-2014].
[58] Wikipdia. Nombre de fermat wikipdia, lencyclopdie libre, 2014. URL http://
fr.wikipedia.org/w/index.php?title=Nombre_de_Fermat&oldid=103080861. [En ligne ;
Page disponible le 18-juin-2014].
[59] El Hage. quation gnrale de degr n.
http://les.mathematiques.free.fr/pdf/gal10.pdf.
[60] Florian Morel Chevillet. Rsolubilit par radicaux des quations algbriques. 31 mai 2012.
URL http://matthieu.gendulphe.com/MorelChevillet.pdf.
[61] Guillaume Carlier. Analyse fonctionnelle.
dauphine.fr/~carlier/poly2010.pdf.
2009-20010.
URL https://www.ceremade.
[62] Wikipdia. Suite de cauchy wikipdia, lencyclopdie libre, 2014. URL http://fr.
wikipedia.org/w/index.php?title=Suite_de_Cauchy&oldid=98046451. [En ligne ; Page
disponible le 11-mars-2014].
[63] Wikipdia. Espace spar wikipdia, lencyclopdie libre, 2013. URL http://fr.
wikipedia.org/w/index.php?title=Espace_s%C3%A9par%C3%A9&oldid=97013072.
[En
ligne ; Page disponible le 27-septembre-2013].
[64] C. Antonini, JF. Quint, P. Borgnat, J. Brard, E. Lebeau, E. Souche, A. Chateau, and
O. Teytaud. Gnralits. . URL http://www.les-mathematiques.net/a/a/b/node19.php.
[65] Emmanuel Vieillard Baron.
Sous-espaces compacts.
les-mathematiques.net/a/t/c/node5.php.
2001.
URL http://www.
[66] Wikipdia.
Thorme de borel-lebesgue wikipdia, lencyclopdie libre, 2014.
URL
http://fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_de_
Borel-Lebesgue&oldid=96560796. [En ligne ; Page disponible le 11-mars-2014].
[67] Wikipdia. Continuit wikipdia, lencyclopdie libre, 2013. URL http://fr.wikipedia.
org/w/index.php?title=Continuit%C3%A9&oldid=96548980. [En ligne ; Page disponible le
17-septembre-2013].
[68] Wikipdia.
Thorme des ferms emboits Wikipdia, lencyclopdie libre,
2012. URL http://fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_des_
ferm%C3%A9s_emboit%C3%A9s&oldid=85987870. [En ligne ; Page disponible le 1-avril-2013].
1601
BIBLIOGRAPHIE
[69] C. Antonini, JF. Quint, P. Borgnat, J. Brard, E. Lebeau, E. Souche, A. Chateau, and
O. Teytaud. Complt dun espace mtrique. . URL http://www.les-mathematiques.
net/a/a/b/node26.php.
[70] Zied Ammari. Analyse fonctionnelle : Pr-requis.
http://perso.univ-rennes1.fr/zied.ammari/other/pdf/chapitre1.pdf.
[71] Wikipdia.
Connexit (mathmatiques) wikipdia, lencyclopdie libre, 2016.
URL
http://fr.wikipedia.org/w/index.php?title=Connexit%C3%A9_(math%C3%
A9matiques)&oldid=123744973. [En ligne ; Page disponible le 26-avril-2016].
[72] C. Antonini, JF. Quint, P. Borgnat, J. Brard, E. Lebeau, E. Souche, A. Chateau, and
O. Teytaud. Connexit. . URL http://www.les-mathematiques.net/a/a/b/node23.php.
[73] Bill Casselman. Cauchys criterion for convergence. 2000.
http://www.math.ubc.ca/~cass/courses/m220-00/cauchy.pdf.
[74] Jean Saint Raymond. Semi-normes.
preprints/seminormes.pdf.
URL http://www.math.jussieu.fr/~raymond/
[75] Stphane Mischler. Semi-norme et introduction aux evtlcs. Fvrier 2007. URL https:
//www.ceremade.dauphine.fr/~mischler/Enseignements/AFAENS/Chap1evtlcs.pdf.
[76] Wikipdia. Semi-norme wikipdia, lencyclopdie libre, 2013. URL http://fr.
wikipedia.org/w/index.php?title=Semi-norme&oldid=89981857. [En ligne ; Page disponible le 22-septembre-2013].
[77] Wikipdia. Thorme de baire wikipdia, lencyclopdie libre, 2013. URL http://fr.
wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_de_Baire&oldid=95077621.
[En ligne ; Page disponible le 4-aot-2013].
[78] Daniel Ferrand. tendre le corps. Juillet 2007. URL http://webusers.imj-prg.fr/
~daniel.ferrand/ExtCorps.pdf.
[79] Marc Sage. Dualit en dimension finie. 24 octobre 2005.
http://www.normalesup.org/~sage/Cours/DualDimFinie.pdf.
[80] Emmanuel Vieillard Baron. Dterminant dune matrice, dune application linaire. 2001.
http://www.les-mathematiques.net/b/e/d/node5.php.
[81] Robert Rolland. Le thorme de Mntz-szsz. .
http://megamaths.perso.neuf.fr/rr/fichexo_201.pdf.
[82] Wikipdia. Rsultant wikipdia, lencyclopdie libre, Mai 2013. URL http://fr.
wikipedia.org/w/index.php?title=R%C3%A9sultant&oldid=90109864. [En ligne ; Page
disponible le 24-mai-2013].
[83] ric Brunelle. Norme matricielle.
http://www.dms.umontreal.ca/~math1600/6Supplement/Normematricielle-1.pdf.
[84] Gallout !Thierry. Norme et conditionnement dune matrice.
univ-amu.fr/~gallouet/licence.d/anum.d/anum-tg2.pdf.
URL https://www.i2m.
1602
BIBLIOGRAPHIE
URL
http://planetmath.org/
URL http://minerve.
URL http://robert.rolland.
BIBLIOGRAPHIE
1603
[106] Herv Carrieu, Maurice Fadel, Etienne Fieux, Patrice Lassre, and Frdric Rodriguez. Autour des matrices de Frobenius ou compagnon. 2007.
http://www.math.univ-toulouse.fr/~lassere/pdf/vfcomp.pdf.
[107] Grgory Vial. Autour du thorme des invariants de similitude. Octobre 2005.
http://w3.bretagne.ens-cachan.fr/math/people/gregory.vial/files/cplts/ivs.
pdf.
[108] Arnaud Moncet. Invariants de similitude.
http://blogperso.univ-rennes1.fr/arnaud.moncet/public/IVS.pdf.
[109] Commutant dun endomorphisme. . URL http://minerve.bretagne.ens-cachan.fr/
images/Commutant.pdf.
[110] Bernard Alken.
Dans un commentaire de dimension du commutant
dune
matrice.
2009.
URL
http://www.mathoman.com/index.php/
1538-dimension-du-commutant-d-une-matrice.
[111] La taverne de lIrlandais. De la rduction des endomorphismes. 2001. URL http://tanopah.
jo.free.fr/epilogues/reduction.pdf.
[112] Wikipdia. Trigonalisation wikipdia, lencyclopdie libre, 2014. URL http://
fr.wikipedia.org/w/index.php?title=Trigonalisation&oldid=109085753. [En ligne ;
Page disponible le 22-dcembre-2014].
[113] David Delaunay. Nilpotence. 10 juillet 2014. URL http://mp.cpgedupuydelome.fr/pdf/
Rductiondesendomorphismes-Nilpotence.pdf.
[114] Wikipdia. Thorme de burnside (problme de 1902) wikipdia, lencyclopdie libre,
2013. URL http://fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_de_
Burnside_(probl%C3%A8me_de_1902)&oldid=98510166. [En ligne ; Page disponible le 2novembre-2015].
[115] Wikipdia. Forme quadratique wikipdia, lencyclopdie libre, 2014. URL http://fr.
wikipedia.org/w/index.php?title=Forme_quadratique&oldid=103591878. [En ligne ;
Page disponible le 7-mai-2014].
[116] Christian Squarcini. Dgnrescence. 2005. URL http://squarcini.christian.perso.
sfr.fr/AgregInterne/Algebrelineaire/2_2.pdf.
[117] Daniel Li. Notions fondamentales de la thorie des probabilits. .
http://labomathlens.free.fr/Liens/ProbaM1/PROBA01.pdf.
[118] Daniel Saada. Tribu de borel et tribu de baire dun espace topologique. 2009. URL http:
//www.daniel-saada.eu/fichiers/16-Tribus_de_Baire.pdf.
[119] Daniel Li. Construction de la mesure de lebesgue. 28 javier 2008. URL http://li.perso.
math.cnrs.fr/textes/Integration/Lebesgue.pdf.
[120] ProofWiki.
Outer measure of limit of increasing sequence of sets proofwiki,,
2012. URL http://www.proofwiki.org/w/index.php?title=Outer_Measure_of_Limit_
of_Increasing_Sequence_of_Sets&oldid=85952. [Online ; accessed 2-February-2014].
[121] C. Antonini, JF. Quint, P. Borgnat, J. Brard, E. Lebeau, E. Souche, A. Chateau, and
O. Teytaud. Quelques rsultats dunicit. . URL http://www.les-mathematiques.net/a/
i/d/node1.php#T42.
[122] C. Antonini, JF. Quint, P. Borgnat, J. Brard, E. Lebeau, E. Souche, A. Chateau, and
O. Teytaud. Ensembles ngligeables et compltion de tribus. . URL http://www.
les-mathematiques.net/a/i/c/node1.php.
1604
BIBLIOGRAPHIE
[123] Wikipdia.
Compltion dune mesure wikipdia, lencyclopdie libre, 2014.
URL
http://fr.wikipedia.org/w/index.php?title=Compl%C3%A9tion_d%27une_
mesure&oldid=89819650. [En ligne ; Page disponible le 27-mars-2014].
[124] Daniel Li. Tribus et mesures. 24 mars 2011.
http://li.perso.math.cnrs.fr/textes/Integration/tribus.pdf.
[125] Gerald Teschl. Topics in real and functional analysis. 2013. URL http://www.mat.univie.
ac.at/~gerald/ftp/book-fa/fa.pdf.
[126] Emmanuel Vieillard Baron.
Les fonctions mesurables.
les-mathematiques.net/a/i/b/node1.php.
2001.
URL http://www.
[127] Wikipdia. Fonction tage wikipdia, lencyclopdie libre, 2014. URL http://fr.
wikipedia.org/w/index.php?title=Fonction_%C3%A9tag%C3%A9e&oldid=104836104.
[En ligne ; Page disponible le 6-septembre-2015].
[128] B. Mauray. Intgration jusquau thorme de Lebesgue. 2006. URL www.math.jussieu.fr/
~maurey/agreg/Textes/Lebesgue.pdf.
[129] Gilles Dubois. URL http://dubois.gilles.pagesperso-orange.fr/analyse_reelle/
intlimites.html.
[130] Daniel Cho. Mathmatiques pour la mcanique. 2008.
http://www.meca.unicaen.fr/Enseignement/Document/CoursChoi/mathmeca.pdf.
[131] Daniel Li. Construction de lintgrale de lebesgue. 10 fvrier 2011. URL http://li.perso.
math.cnrs.fr/textes/Integration/construc-integ.pdf.
[132] Daniel Li. Intgration sur un espace produit. 29 mars 2011. URL http://li.perso.math.
cnrs.fr/textes/Integration/Fubini.pdf.
[133] B. Mauray. Prparation lagrgation, analyse. 2011.
http://www.math.jussieu.fr/~maurey/agreg/index.html.
[134] Thierry Gallout and Raphale Herbin. Mesure, intgration, probabilits. 2012.
http://www.cmi.univ-mrs.fr/~gallouet/licence.d/mes-int-pro.pdf.
[135] Wikipdia. Ensemble de vitali wikipdia, lencyclopdie libre, 2014. URL http://fr.
wikipedia.org/w/index.php?title=Ensemble_de_Vitali&oldid=100925109. [En ligne ;
Page disponible le 9-septembre-2015].
[136] John Hunter. Measure theory. 2011. URL https://www.math.ucdavis.edu/~hunter/
measure_theory/measure_notes.pdf.
[137] Bruno Demange. Thorme de changement de variables. 2012. URL https://www-fourier.
ujf-grenoble.fr/~demange/integration/2012/integration-chap5.pdf.
[138] Daniel Li. Changement de variables dans les intgrales sur un ouvert de Rn . 8 juin 2010.
URL http://li.perso.math.cnrs.fr/textes/Integration/change-v.pdf.
[139] Marie-Claure David, Frdric Haglund, and Daniel Perrin. Gomtrie affine. 8 dcembre
2003.
http://webens.math.u-psud.fr/~mcld/GAEL/Gael/bar.pdf.
[140] Marie-Claude David, Frdric Haglund, and Daniel Perrin. Gometrie affine. Document de
travail pour la prparation au CAPES. Deuxime partit : barycentre. 8 dcembre 2003. URL
http://omphale.math.u-psud.fr/~mcld/GAEL/Gael/bar.pdf.
1605
BIBLIOGRAPHIE
[141] Marie-Claude David, Frdric Haglund, and Daniel Perrin. Gometrie affine. Document de
travail pour la prparation au CAPES. Troisime partie : convexit. 8 dcembre 2003. URL
http://omphale.math.u-psud.fr/~mcld/GAEL/Gael/conv.pdf.
[142] David Cimasoni. Cours de gomtrie I, semestre de printemps. Printemps 2014. URL
http://www.unige.ch/math/folks/cimasoni/GeometrieI.pdf.
[143] Les quadrilatres. URL http://ddata.over-blog.com/xxxyyy/4/39/08/01/cinquieme/
5eme.parallelogramme.jeu-set-et-maths.mathematiques.pdf.
[144] Robert Rolland. Gomtrie projective. .
http://robert.rolland.acrypta.com/telechargements/geometrie/pr0.pdf.
[145] Sbastien Pellerin. Action du groupe modulaire sur le demi-plan de Poincar. .
http://dynamaths.free.fr/docs/lecons/developpement_algebre_6.pdf.
[146] Alexandre Alessandri. Action du groupe modulaire sur le demi-plan de Poincar. 2011-2012.
http://minerve.bretagne.ens-cachan.fr/images/Dvt_psl2.pdf.
[147] Wikipdia.
Oprations sur les drives wikipdia, lencyclopdie libre, 2013.
URL http://fr.wikipedia.org/w/index.php?title=Op%C3%A9rations_sur_les_d%C3%
A9riv%C3%A9es&oldid=99099598. [En ligne ; Page disponible le 10-avril-2016].
[148] Adrien Fontaine. Dveloppement : thorme de Sarkiowski. 8 octobre 2013. URL http:
//perso.eleves.bretagne.ens-cachan.fr/~afontain/dvptthmdesarkowski.pdf.
[149] C. Schomblond. lectrodynamique classique. 20032004. Notes du cours dlectromagntisme
de deuxime anne en physique luniversit libre de Bruxelles.
http://homepages.ulb.ac.be/~cschomb/notes.html.
[150] Livio Flaminio. lments de gomtrie diffrentielle. 29 octobre 2009. URL http:
//www-gat.univ-lille1.fr/~flaminio/M403/2009-2010/cours_geo_top.pdf.
[151]
[152] Giuseppe De Marco. Analisi due. 1999.
[153] Wikipdia. Fonction convexe wikipdia, lencyclopdie libre, 2013. URL http://
fr.wikipedia.org/w/index.php?title=Fonction_convexe&oldid=94429550. [En ligne ;
Page disponible le 8-aot-2013].
[154] Wikipdia. Fonction convexe wikipdia, lencyclopdie libre, 2013. URL http://
fr.wikipedia.org/w/index.php?title=Fonction_convexe&oldid=98971686. [En ligne ;
Page disponible le 8-fvrier-2014].
[155] Wikiversit.
Fonctions convexes/dfinition et premires proprits wikiversit,,
2013. URL http://fr.wikiversity.org/w/index.php?title=Fonctions_convexes/D%
C3%A9finition_et_premi%C3%A8res_propri%C3%A9t%C3%A9s&oldid=381775. [En ligne ;
accd le 9-fvrier-2014].
[156] Wikiversit. Fonctions convexes/fonctions convexes drivables wikiversit,, 2013. URL
http://fr.wikiversity.org/w/index.php?title=Fonctions_convexes/Fonctions_
convexes_d%C3%A9rivables&oldid=379779. [En ligne ; accd le 9-fvrier-2014].
[157] Stephen Boyd and Lieven Vandenberghe. Convex optimization. 2004. URL http://www.
stanford.edu/~boyd/cvxbook/bv_cvxbook.pdf.
[158] Pierre Lecomte. Varits plonges dans
be/geom/node107.html.
1606
BIBLIOGRAPHIE
1607
BIBLIOGRAPHIE
[176] Christophe Mourougane. Thorie des groupes et gomtrie. 2008-2009.
http://perso.univ-rennes1.fr/christophe.mourougane/enseignements/2008-9/
THGG/poly.groupes.pdf.
[177] Groupes didraux.
http://theoriedesgroupes.perso.sfr.fr/cours/Diedraux.pdf.
[178] Pierre Lissy.
6 avril 2010.
developpements/Died.pdf.
URL http://www.ljll.math.upmc.fr/~lissy/Agreg/
1608
BIBLIOGRAPHIE
[194] Mohammad Ghomi. Lecture note on differential geometry. 2007. URL http://people.
math.gatech.edu/~ghomi/LectureNotes/LectureNotes5U.pdf.
[195] Wikipedia. Convex curve wikipedia, the free encyclopedia, 2015. URL https://en.
wikipedia.org/w/index.php?title=Convex_curve&oldid=685739052. [Online ; accessed
13-April-2016].
[196] Wikipdia. Thorme de jordan wikipdia, lencyclopdie libre, 2016. URL http:
//fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_de_Jordan&oldid=
124990679. [En ligne ; Page disponible le 6-avril-2016].
[197] romain Boillaud. Sries de fonctions. 2010-2011. URL http://www.rblld.fr/cours/chap6.
pdf.
[198] Grard Eguether. Ex-sries entires.
Eguether/zARTICLE/EX.pdf.
URL http://iecl.univ-lorraine.fr/~Gerard.
URL http://minerve.bretagne.
URL http://math.univ-lyon1.fr/capes/IMG/pdf/new.
1609
BIBLIOGRAPHIE
[212] Kenneth Kuttler. Topics in analysis. Janvier 2012.
http://www.math.byu.edu/~klkuttle/SobolevSpacesB.pdf
Juste un indice : ce document fait 2086 pages . . . jy arriverais, courage !
[213] Herv Le Dret. Notes de cours quations aux drives partielles elliptiques. 2010.
http://www.ann.jussieu.fr/~ledret/M2Elliptique/chapitre1.pdf.
2009-2010.
URL http://gc83.perso.sfr.fr/
[221] Louis
Fauchier-Magnan.
Introduction
la
thorie
de
Morse.
URL
http://cqfd.epfl.ch/webdav/site/cqfd/shared/projets/igat/
IntroductionlathoriedeMorse-LouisFauchier-Magnan.pdf.
[222] Michel Rascle. Analyse fonctionnelle pour la licence.
http://math.unice.fr/~rascle/pdffiles/coursanapp/ana-fonc.pdf.
[223] B. Mauray. Analyse fonctionnelle et thorie spectrale (version longue). 20012002.
http://www.math.jussieu.fr/~maurey/ts012/poly/lths.pdf.
[224] Mourad Besbes. Chapitre 5 : espaces mtriques complets, espaces de banach.
http://besbes.mourad.free.fr/Enseignement/Topologie/Chapitre5.pdf.
[225] Wikipdia. Espace complet Wikipdia, lencyclopdie libre, 2013. URL http://fr.
wikipedia.org/w/index.php?title=Espace_complet&oldid=91125353. [En ligne ; Page
disponible le 1-avril-2013].
[226] Aline Kurtzmann. Esprance conditionnelle.
http://www.iecn.u-nancy.fr/~kurtzman/cours/agreg/esperance-conditionnelle.
pdf.
[227] Wikipdia. Thorme de projection sur un convexe ferm wikipdia, lencyclopdie
libre, 2013. URL http://fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_
de_projection_sur_un_convexe_ferm%C3%A9&oldid=90246160. [En ligne ; Page disponible le 3-mai-2013].
1610
BIBLIOGRAPHIE
URL http://math.ucsd.edu/~lni/
BIBLIOGRAPHIE
1611
1612
BIBLIOGRAPHIE
quations diffrentielles.
URL http://www.math.ens.fr/~debarre/
1613
BIBLIOGRAPHIE
URL http://users.eecs.northwestern.edu/
1614
BIBLIOGRAPHIE
[300] Wikipdia.
Thorme de glivenko-cantelli wikipdia, lencyclopdie libre.
URL
http://fr.wikipedia.org/w/index.php?title=Th%C3%A9or%C3%A8me_de_
Glivenko-Cantelli&oldid=90841113. [En ligne ; Page disponible le 15-juin-2013].
[301] Vincent Rivoirard and Gilles Stoltz. Estimation de densit de probabilits. URL http:
//www.math.ens.fr/statenaction/PDF/Densite-Principal.pdf.
[302] Nils Berglund. Chanes de Markov. Dcembre 2007. URL http://www.univ-orleans.fr/
mapmo/membres/berglund/markov.pdf.
[303] Arnaud Guyader. Esprance conditionnelle et chanes de Markov. 200-2008.
http://www.sites.univ-rennes2.fr/laboratoire-statistique/AGUYADER/doc/proba/
poly.pdf.
[304] Massimiliano Gubinelli. Comportement asymptotique des martingales. 2011-2012.
http://www.ceremade.dauphine.fr/~mgubi/e1112/pd3.pdf.
[305] Jean Lacroix and Pierre Priouret. Probabilits approfondies. 2005-2006.
http://www.proba.jussieu.fr/cours/processus.pdf.
[306] Wikipedia. Optional stopping theorem wikipedia, the free encyclopedia, 2013. URL
http://en.wikipedia.org/w/index.php?title=Optional_stopping_theorem&oldid=
547547174. [Online ; accessed 14-August-2013].
[307] Nizar Touzi. Martingales en temps discret et chane de Markov. Septembre 2009. URL
http://www.cmap.polytechnique.fr/~touzi/MAP432-Poly.pdf.
N0
N0 Nzt0u, page 71
opxq
ppq
Fp
Fpn
Z, page 151
A, page 151
ArXs tous les polynmes de degr fini coefficients dans A, page 141
An rXs les polynmes coefficients dans A et de degr infrieur n, page 141
B A B divise A, page 143
1615
1616
BIBLIOGRAPHIE
cpsq
tpsq
Gomtrie
px0 : . . . : xn q coordonnes homognes dans un espace projectif, page 538
ConvpAq enveloppe convexe, page 517
Probabilits et statistique
pXq La tribu engendre par la variable alatoire X, page 1395
a ^ b minpa, bq, page 1533
KX
1617
BIBLIOGRAPHIE
rg, hs commutateur dans un groupe, page 87
An
Rn ., page 523
Gab
Gx
BA
Ac
complmentaire de A, page 70
Analyse
IsompXq Le groupe des isomtries de X, page 222
! La mesure est absolument continue par rapport la mesure ., page 790
`
pS, F,
q complt de lespace mesur pS, F,
q, page 447
Db
R`
exp
1618
BIBLIOGRAPHIE
La mesure extrieure associe la mesure , page 442
Lp
Mi
Sn f