Accueil Blog Page 18

Exercices corrigées sur l’optimisation

0
exercices-corriges-sur-l-optimisation

Nous proposons des exercices corrigés sur l’optimisation et l’analyse convexe. Notez que l’optimisation est très importante dans notre vie quotidienne et qu’elle est utilisée par les banques, les sociétés et les entreprises pour maximiser les gains et minimiser les pertes. Une partie de l’optimisation est basée sur les fonctions convexe.

Une sélection d’exercices corrigés sur l’optimisation

Exercice: Soit $b\in\mathbb{R},\,c\in\mathbb{R}$ et $A\in\mathcal{S}_n^{++}$. Soit la fonction $f:\mathbb{R}^n\to\mathbb{R}$ définie par \begin{align*}f(x)=\frac{1}{2}\langle Ax,x\rangle+\langle b,x\rangle. \end{align*}Minimiser $f$ sur $\mathbb{R}^n$.

Solution: La fonction $f$ est strictement convexe, coercive et définie sur un fermé, donc il existe un seule $x_0\in \mathbb{R}^n$ qui le minimum de $f$. Ce minimum satisfait $\nabla f(x_0)=0$. d’autre part, comme $A$ est symétrique alors la différentielle de $f$ est donnée par (par un calcul simple): pour tout $x,h\in\mathbb{R}^n,$\begin{align*}Df(x).h=\langle Ax+b,h\rangle.\end{align*}Alors $\nabla f(x)=Ax+b$. Ainsi $Ax_0+b=0$, donc $x_0=-A^{-1}b$. Alors\begin{align*}f(x_0)=\frac{1}{2}\langle A^{-1}b,b\rangle+c.\end{align*}

Exercices d’analyse fonctionnelle

0
exercices d’analyse fonctionnelle

On propose des exercices d’analyse fonctionnelle moderne. En effet, on donne des applications des grands théorème d’analyse fonctionnelle. En particulier, les théorèmes de Hahn-Banach et Banach-Steinhaus.

Sélection d’exercices d’analyse fonctionnelle 

Exercice: Soient $E$ et $F$ deux espaces de Banach. On note par $E’=\mathcal{L}(E,\mathbb{K})$ et $F’=\mathcal{L}(F,\mathbb{K})$ (duals topologique de $E$ et $F$). Soit $T:E\to F$ une application linéaire telle que pour toute forme linéaire $\varphi\in F’$ on a $\varphi\circ T\in E’$. Montrer que $T$ est continue.

Solution: Il suffit de montrer que si $(x_n)_n\subset E$ et $x\in E$ tels que $x_n\to x$ et $T(x_n)\to y$ alors $y=T(x)$. En effet, comme par hypothèse pour tout $\varphi\in F’,$ $\varphi\circ T$ est continue alors $(\varphi\circ T)(x_n)\to (\varphi\circ T)(x)$ et $\varphi(T(x_n))\to \varphi(y)$. D’après le théorème de Hahn-Banach $F’$ sépare les points de $F,$ donc $y=T(x)$. Ainsi, d’après de théorème du graphe fermé, $T$ est continue.

Exercice: Soit $H$ un espace de Hilbert et $T:H\to H$ linéaire telle que\begin{align*}\langle x,T(y)\rangle=\langle T(x),y\rangle,\qquad \forall x,y\in H.\end{align*}Monter que $T$ est continue.

Solution: Ici on va utiliser le résultat de la question (1). Soient $\varphi\in H’$. Comme $H$ est un Hilbert, par le théorème de Riesz, il existe $a\in H$ unique tel que $\varphi(x)=\langle x,a\rangle$ pour tout $x\in H$. Donc $(\varphi\circ T)(x)=\varphi(T(x))=\langle T(x),a\rangle$. Et par hypothèse on a alors $(\varphi\circ T)(x)=\langle x,T(a)\rangle$. Ceci implique (par Cauchy Schwarz inégalité) que $\varphi\circ T\in H’$. En conclu par l’utilisation de l’exercice précèdent.

Sur les espaces connexes

0
espaces-connexes

On propose des exercices corrigés sur les espaces connexes et ensembles connexes par arcs. On travail dans le cadre des espaces vectoriel normés. Les connexes c’est notion géométrique utiles pour les démonstration de quelque théorèmes classique. Par exemple pour la preuve d’unicité globale de solution maximale pour les équations différentielles non-linéaires.

Exercice: L’ensembles suivantes sont-ils connexes par arcs ? begin{align*}GL_n(mathbb{R}),qquad GL_n(mathbb{C}).end{align*}

Solution: On suppose que $GL_n(mathbb{R})$ est connexe par arcs. On rapple que l’application $det$ (déterminant) est continue. Donc $mathbb{R}^ast=det(GL_n(mathbb{R}))$ serais connexe par arcs, ce n’est pas possible. Donc $GL_n(mathbb{R})$ n’est pas connexe par arcs.

Exercice: Soit $E$ un espace vectoriel normé de dimension (finie ou infinie) au moins égale à $2$.

  1. Montrer que les sphères de $E$ sont connexes par arcs
  2. Une partie $P$ de $E$ est dite étoilée par rapport à un point $a$ de $E$ si, pour tout $xin P,$ le segment $[a,x]$ est continue dans $P$. Montrer que le complémentaire de toute partie étoilée et bornée de $E$ est connexe par arcs.

Théorème de Banach Steinhaus et ses applications

0
theoreme-de-banach-steinhaus-et-ses-applications

Le théorème de Banach Steinhaus et ses applications constituent une partie importante de la théorie des opérateurs. En fait, ce théorème est la source de la preuve des grands théorèmes de la théorie des opérateurs. Aussi, nous rappellerons ici ce fameux théorème et donnerons ses applications.

Théorème de Banach-Steinhaus et ses applications

Soient $E$ et $F$ sont deux espaces de Banach (espaces vectoriels normés et complets). Pour simplifier on note les normes de ces espaces par le même symbole $|cdot|$. On note aussi l’espace des application linéaire continues de $E$ dans $F$ par $\mathcal{L}(E,F)$. De plus on pose $\mathcal{L}(E,E):=\mathcal{L}(E)$.

Sur $\mathcal{L}(E,F)$ on définie une norme par \begin{align*} \|T\|:=\sup_{x\in E,x\neq 0}\frac{\|Tx\|}{\|x\|}.\end{align*}Muni de cette norme $\mathcal{L}(E,F)$ est un espace de Banach. On rappel que si on a une suite d’opérateurs $(T_n)\subset \mathcal{L}(E,F)$ et un opérateur $T\in \mathcal{L}(E,F)$. Si \begin{align*} \lim_{n\to +\infty}\|T_n-T\|=0,\end{align*}alors on dit que $(T_n)$ converge uniformément vers $T$. Dans ce cas, il est facile de voir aussi que, pour tout $x\in E$ on a $\|T_n x-Tx\|\to 0$ quand $n\to\infty$ (convergence dans $F$). C’est la convergence simple ou convergence forte. Par suit, sur $\mathcal{L}(E,F)$ on peut définir deux topologies, à savoir, la topologie uniforme et la topologie forte.

Voici un théorème fondamental d’analyse fonctionnelle.

Théorème de Banach Steinhaus: Soit $E$ et $F$ espace de Banach et soit $(T_i)_{i\in I}\subset \mathcal{L}(E,F)$. On suppose que\begin{align*}\forall x\in E,\quad \sup_{i\in I}\|T_i(x)\| < \infty.\end{align*}Alors on a aussi\begin{align*}\sup_{i\in I}\|T_i\| < \infty.\end{align*}

Applications du théorème de Banach Steinhaus

Soient $E$ et $F$ deux espaces de Banach sur le même corps $\mathbb{R}$ ou $\mathbb{C}$. Soient $(T_n)_n\subset\mathcal{L}(E,F)$ une famille d’opérateurs bornés, $T\in \mathcal{L}(E,F)$ et soit $B$ une partie totale de $E$, i.e. $E=\overline{{\rm Vect}(B)}$. Montrer que les points suivants sont équivalents:

  1. $T_n(b)\to T(b)$ pour tout $b\in B,$ et $\sup_{n\ge 1}\|T_n\| < \infty$.
  2. $T_n(x)\to T(x)$ quand $n\to +\infty$, pour tout $x\in E$.

Solution:

  1. Supposons (2). Comme elle est vraie sur $E,$ elle est en particulier vraie pour tout $b\in B$. D’autre part, comme pour tout $x\in E$ la suite d’éléments de $F,$ $(T_n(x))_n$ est convergente, alors elle est bornée, i.e.,\begin{align*}\sup_{n\ge 1}\|T_n(x)\| < \infty.\end{align*}Ainsi le oint (1) découle par le théorème de Banach-Steinhaus.
  2. Supposons (1) et on pose $M:=\sup_{n\ge 1}\|T_n\| < \infty$. Comme les opérateurs $T$ et $T_n$ sont linéaire et que $T_n(x)\to T(x)$ pour $x\in B$, alors $T_n(x)\to T(x)$ pour tout $x\in {\rm Vect}(B)$. Soient $\varepsilon > 0$ et $x\in E$. Par densité de ${\rm Vect}(B)$ dans $E,$ il existe $(x_n)\subset{\rm Vect}(B)$ tel que $x_n\to x$. Donc il existe $n_0\ge 1$ et $y=n_{n_0}\in {\rm Vect}(B)$ tel que $\|x-y\|\le \varepsilon$. On a alors \begin{align*}\overline{\lim}_{n\to\infty} \|T_n(x)-T(x)\|\le (M+\|T\|)\varepsilon,\qquad \forall \varepsilon>0.\end{align*}Comme $\varepsilon$ est arbitarire, alors $T_n(x)-T(x)\to 0$.

Calcul du déterminant d’une matrice

0
calcul-du-determinant-d-une-matrice

On propose des exercices corrigés sur le calcul du déterminant d’une matrice. En effet, les déterminants sont utiles pour vérifier si une matrice carrée est inversible ou non. Cela aidera à résoudre les systèmes linéaires. On rappelle aussi que le déterminant peut être utilisé pour tester si deux matrices sont semblables ou non. En effet, une condition nécessaire pour que deux matrices soient semblables est qu’elles doivent avoir le même déterminant.

Exercice sur le calcul du déterminant d’une matrice

Exercice: Considérons $A\in\mathcal{M}_n(\mathbb{R})$ une matrice carrée d’ordre $n$. Montrer que\begin{align*} \det\left(A^2+I_n\right)\ge 0.\end{align*}

Solution: On rappelle que le déterminant d’un produit de deux matrices carrées est le produit des déterminants. Nous allons donc écrire la matrice $A^2+I_n$ comme produit de deux matrice. Nous allons utiliser le nombre complexe $i$. Donc\begin{align*}A^2+I_n=(A-i,I_n)(A+i,I_n).\end{align*}Ce qui implique que \begin{align*}\det\left(A^2+I_n\right)=\det(A-i,I_n)\det(A+i,I_n).\end{align*} Si $B$ est une matrice carrée a coefficients complexes alors on note par $\overline{B}$ la matrice obtenue par conjugaison des coefficients de $B$. De plus on a $\det(\overline{B})=\overline{\det(B)}$. En applicant cette remarque, comme $A$ est une matrice à coefficients réels, alors $\overline{A+i,I_n}=A-i,I_n$ et donc \begin{align*}\det\left(A^2+I_n\right)&=\det(\overline{A+i,I_n})\det(A+i,I_n)\cr &= \overline{\det(A+i,I_n)} \det(A+i,I_n)\cr & =|\det(A+i,I_n)|\ge 0.\end{align*}

Résolution de systèmes linéaires

Exercice: Résoudre le système suivant \begin{align*}\begin{cases}
x+2y-z=1\cr 2x+3y+2z=-1\cr 6x+8y+4z=0.
\end{cases}\end{align*}

Solution: Remarquons que si on pose \begin{align*}&A=\begin{pmatrix}1 & 2 & -1\\ 2 & 3 & 2\\6 & 8 & 4\end{pmatrix}\cr & X=\begin{pmatrix}x\\y\\z\end{pmatrix}\cr &b=\begin{pmatrix}1\\-1\\0\end{pmatrix}\;\end{align*} alors on peut écrire\begin{align*} AX=b.\end{align*} Donc, pour résoudre le système il suffit de montrer que la matrice $A$ est inversible. Ceci revient à montrer que le déterminant de matrice $A$ est non nul. En effet, on sait que le déterminant ne change pas si en remplace une colonne (une ligne) par une combinaison linéaire de autres colonnes (lignes). On note par $C_i$ les colonnes et $L_i$ les lignes pour $i:=1,2,3$. On replace le colonne $C_1$ par $C_1+C_3$ et on trouve \begin{align*}\begin{vmatrix}1 & 2 & -1\\ 2 & 3 & 2\\6 & 8 & 4\end{vmatrix}&=\begin{vmatrix}0 & 2 & -1\\4 & 3 & 2\\ 10 & 8 & 4\end{vmatrix}\;\cr &=2\begin{vmatrix}0 & 2 & -1\\2 & 3 & 2\\ 5 & 8 & 4\end{vmatrix}\end{align*}En replace le colonne $C_2$ par $C_2+2C_3$ on trouve: \begin{align*}\begin{vmatrix}1 & 2 & -1\\ 2 & 3 & 2\\6 & 8 & 4\end{vmatrix}&=2\begin{vmatrix}0 & 0 & -1\\2 & 7 & 2\\5 & 16 & 4\end{vmatrix}\;\cr &= 2\times (-1)\times \begin{vmatrix}2 & 7\\5 & 16\end{vmatrix}=6.\end{align*}Comme $\det(A)\neq 0,$ alors la matrice $A$ est inversible. De plus, on a \begin{align*}A^{-1}=\frac{1}{\det(A)} com(A)^\top\end{align*}Il faut ensuite calculer la co-matrice de $A$. En effet, par définition on a \begin{align*}com(A)=\begin{pmatrix} \Delta_{11} & \Delta_{12} & \Delta_{13}\\ \Delta_{21} & \Delta_{22} & \Delta_{23}\\ \Delta_{31} & \Delta_{32} & \Delta_{33}\end{pmatrix}.\end{align*} Ici $\Delta_{ij}$ est le cofacteur de l’élément $a_{ij}$ de $A=(a_{ij})_{1\le i,j\le 3}$ défini par\begin{align*}\Delta_{ij}=(-1)^{i+j}\det(M_{ij}),\end{align*}où $M_{ij}$ est la matrice obtenu en supprimant la ligne $i$ et la colonne $j$ dans la matrice $A$. Après tout calcul fait, on trouve \begin{align*}com(A)=\begin{pmatrix} -4 & 4 & -2\\ -16 & 10 & 4\\ 7 & -4 & -1\end{pmatrix}.\end{align*} L’inverse de la matrice $A$ est:\begin{align*}A^{-1}=\frac{1}{6}\begin{pmatrix} -4 & -16 & 7\\ 4 & 10 & -4\\ -2 & 4 & -1\end{pmatrix}.\end{align*}

D’autre part, \begin{align*}X=A^{-1}b=\frac{1}{6}\begin{pmatrix} -4 & -16 & 7\\ 4 & 10 & -4\\ -2 & 4 & -1\end{pmatrix}\begin{pmatrix}1\\ -1\\ 0\end{pmatrix}.\end{align*}Donc \begin{align*}X=\begin{pmatrix}x\\y\\ z\end{pmatrix}=\begin{pmatrix}2\\ -1\\-1\end{pmatrix}.\end{align*}

Remarquons que le calcul du déterminant d’une matrice est très important pour résoudre les systèmes linéaires.

Algèbre linéaire

0
algebre-lineaire

L’algèbre linéaire est une branche des mathématiques qui étudie les espaces vectoriels et les transformations linéaires. Elle constitue une partie essentielle des mathématiques et trouve des applications dans de nombreux domaines tels que la physique, l’informatique, l’ingénierie et les sciences sociales.

Quelques concepts fondamentaux en algèbre linéaire

Vecteurs : Un vecteur est une entité mathématique qui représente à la fois une direction et une magnitude. Les vecteurs sont souvent représentés par des matrices ou des listes de nombres.

Espaces vectoriels : Un espace vectoriel est un ensemble de vecteurs sur un certain corps (généralement les nombres réels ou les nombres complexes) qui satisfait certaines propriétés. Les espaces vectoriels peuvent avoir des dimensions finies ou infinies.

Transformations linéaires : Une transformation linéaire, ou bien application linéaire, est une fonction qui préserve les opérations vectorielles telles que l’addition et la multiplication par un scalaire. Elle associe un vecteur d’entrée à un vecteur de sortie.

Matrices : Une matrice est un tableau rectangulaire de nombres disposés en lignes et en colonnes. Les matrices sont utilisées pour représenter les transformations linéaires, résoudre des systèmes d’équations linéaires et effectuer des calculs vectoriels.

Déterminants : Le déterminant est une valeur associée à une matrice carrée. Il est utilisé pour déterminer si une matrice est inversible et pour calculer les valeurs propres.

Valeurs propres et vecteurs propres : Les valeurs propres et les vecteurs propres sont utilisés pour analyser les transformations linéaires. Les valeurs propres représentent les scalaires qui sont multipliés par les vecteurs propres lors d’une transformation linéaire.

Systèmes d’équations linéaires : Les systèmes d’équations linéaires sont des ensembles d’équations linéaires impliquant plusieurs variables. L’algèbre linéaire permet de résoudre ces systèmes et de trouver les solutions correspondantes.

Ces concepts sont la base de l’algèbre linéaire, et il existe de nombreux autres sujets et applications avancées, tels que les espaces vectoriels euclidiens, les produits scalaires, les espaces vectoriels orthogonaux, les décompositions matricielles, etc.

Programme d’algèbre général 1

0
programme-d-algebre-generale-1

Nous donnons ici un résumé du programme d’algèbre générale 1 de l’université. C’est un programme riche qui est essentiel pour d’autres types de mathématiques.

Théorie des ensemble est la base du programme d’algèbre général 1

L’etude des ensemble est appele la theorie d’ensemble. C’est la base du programme d’algebre 1. Contrairement à ce que vous savez au lycée, à l’université on s’intéresse aux ensembles arbitraires, pas forcément à l’ensemble des nombres réels ou complexes. Notez que pour chaque ensemble $E$ nous pouvons définir un ensemble plus grand, c’est-à-dire l’ensemble des parties de $E$. Il sera noté $\mathcal{P}(E)$. Sur cet ensemble on définit une relation d’ordre qui est l’inclusion. De plus, nous définissons les opérations d’intersection et d’union entre les ensembles.

Théorie des groupes c’est le cœurs d’algèbre de semestre 1

Après avoir étudier les relations entre ensemble, il est temps de définir une structure sur ces ensembles. En effet, dans un premier temps il faut définir un loi interne sur un ensemble $E$. C’est une opération entre les élément de $E$ qui résulte des éléments de $E$. En suite on défini une structure de groupe et sous groupes sur $E$, se sont des propriété supplémentaire de cette loi interne.

Anneaux et corps un chapitre avancé dans le programme d’algèbre général de semestre 1

Anneaux de polynômes

Exercices corrigés sur les suites de fonctions

0
exercices-corriges-sur-les-suites-de-fonctions

Explorez notre collection d’exercices corrigés dédiés aux suites de fonctions, en mettant en lumière deux formes de convergence : la convergence simple et la convergence uniforme. Gardez en tête que la convergence uniforme englobe la convergence simple, bien que cette réciprocité ne soit pas universelle. En outre, découvrez la distinction cruciale entre les suites de nombres réels et les suites de fonctions pour enrichir votre compréhension mathématique.

Une solide compréhension des suites de fonctions constituera un fondement essentiel pour saisir pleinement le contenu relatif aux séries de fonctions.

Exercices corrigés sur les suites de fonctions: convergence simple et uniforme

Exercice: Etudier la convergence uniforme de la suite de fonction $(f_n)_n$ avec $f_n(x)=x^n$ pour tout $x\in [0,1]$ et $n\in \mathbb{N}$.

Pour tout $x\in [0,1[$ on a $f_n(x)\to 0$ quand $n\to+\infty$. D’autre part, comme $f_n(0)=1\to 1$ quand $n\to +\infty,$ alors $f_n$ converge simplement sur $[0,1]$ vers la fonction $f$ définie par \begin{align*}f(x)=\begin{cases}0,& x\in [0,1[,\cr 1,& x=1.\end{cases}\end{align*} La convergence n’est pas uniforme sur $[0,1]$, car sinon la fonction $f$ serait continue sur $[0,1],$ ce n’est pas le cas.

Exercice: Soient $\gamma > 0$ et $(f_n)_n$ une suite de fonctions numériques définies sur $[0,+\infty[$ par \begin{align*}f_n(x)=n^\gamma x e^{-n x}.\end{align*}

  1. Item Montrer que la suite de fonctions $(f_n)_n$ converge simplement vers la fonction nulle sur $\mathbb{R}^+,$ et uniformément sur $[a,+\infty[$ pour tout réel $a>0$.
  2. Pour quelles valeurs de $\gamma$ la convergence est-elle uniforme sur $\mathbb{R}^+$?

  1. Tout d’abord, pour $x=0$ on a $f_n(0)=0$ pour tout $n$. D’autre part, pour $x>0$ on a $f_n(x)>0$ et que\begin{align*}\ln(f_n(x))=\gamma \ln(n)-n x+\ln(x).\end{align*}Alors $\ln(f_n(x))\to -\infty$ quand $n\to +\infty$. Et donc $f_n(x)=e^{\ln(f_n(x))}\to 0$ quand $n\to +\infty$. Donc $(f_n)_n$ converge simplement vers la fonction nulle sur $[0,+\infty[$. Pour étudier la convergence uniforme de la suite de fonctions $(f_n)_n$, il faut discuter les variation de la fonction $x\mapsto f_n(x)$. Pour chaque $n$, la fonction $f_n$ est dérivable sur $\mathbb{R}^+$ et que $f’_n(x)=n^\gamma (1-nx)e^{-n x}$ pour tout $x\in \mathbb{R}$. la fonction dérivée $f’_n$ s’annule au point $\frac{1}{n}$. La fonction $f_n$ est croissante sur $[0,\frac{1}{n}]$ est décroît vers $0$ sur $[ \frac{1}{n},+\infty[$. Maintenant, soit $a>0$. $f_n$ sera décroissante sur $[a,+\infty[$ si $n\ge \frac{1}{a}$ et dans ce cas on a $0\le f_n(x)\le f_n(a)$ pour tout $x\ge a$. On a alors\begin{align*}0\le \sup_{x\ge a}f_n(x)\le f_n(a).\end{align*}Puisque $f_n(a)\to 0$ alors la suite $(f_n)_n$ converge uniformément vers la fonction nulle sur $[a,+\infty[$.
  2. On a\begin{align*}\sup_{x\in\mathbb{R}^+} f_n(x)= f_n\left(\frac{1}{n}\right)= \frac{n^{1-\gamma}}{e}.\end{align*}Ainsi pour que la suite de fonctions $(f_n)_n$ converge uniformément vers $0$ sur $\mathbb{R}^+$ il faut que $n^{1-\gamma}$ tend vers $0$ quand $n\to+\infty$, et donc il faut que $\gamma\in ]0,1[$.

Exercice: Soit la suite de fonctions $(f_n)_n$ telle que $f_n:\mathbb{R}^+\to\mathbb{R}$ $x\mapsto f_n(x)=e^{-nx}\arctan{nx}$ pour tout $n\in\mathbb{N}$. Etudier la convergence uniforme de la suite de fonctions $(f_n)_n$ sur $\mathbb{R}^+,$ puis sur $[\alpha,+\infty[$, pour tout $\alpha>0$.

Tout d’abord déterminant la limite simple de cette suite de fonctions. Comme $|\arctan{y}|\le \frac{\pi}{2}$ pour tout $y\in\mathbb{R},$ alors $|f_n(x)|\le \frac{\pi}{2} e^{-nx},$ pour tout $x\in\mathbb{R}^+$. Il est claire maintenant que $f_n$ converge simplement vers la fonction nulle sur $\mathbb{R}^+$. D’autre part, on pose $\psi(x)=e^{-y}\arctan(y)$. Ainsi $f_n(x)=\psi(nx)$. Comme $\mathbb{R}^+=n \mathbb{R}^+$, alors \begin{align*}\|f_n\|_\infty:=\sup_{x\in\mathbb{R}^+}|f_n(x)|=\sup_{x\in\mathbb{R}^+}|\psi(x)|>0.\end{align*}par suite, $(\|f_n\|_\infty)_n$ ne tend vers zéro, ce qui montre que la convergence vers la fonction nulle n’est uniforme sur $\mathbb{R}^+$. Par contre si on prend $\alpha>0,$ alors $|f_n(x)|\le \frac{\pi}{2} e^{-n\alpha},$ pour tout $x\ge \alpha$, et donc $\|f_n\|_\infty\le e^{-n\alpha}\to 0$ quand $n\to+\infty$. Donc $f_n$ converge uniformenemt vers la fonction nulle sur tout intervalle de la forme $[\alpha,+\infty[$ avec $\alpha>0$.

Exercice: Soit la suite de fonctions $f_n:[0,1]\to\mathbb{R},\;n\ge 0,$ définie par \begin{align*} f_n(x)=\begin{cases} n^2 x(1-nx),& x\in [0,\frac{1}{n}],\cr 0,& x\in]\frac{1}{n},1].\end{cases}\end{align*} Etudier la convergence uniforme de $(f_n)_n$ sur $[0,1]$ et sur $[\varepsilon,1]$ pour tout $\varepsilon>0$ assez petit.

Pour $x=0,$ on a $f_n(0)=0$. Pour $x\in ]0,1],$ il existe $N\in\mathbb{N},$ tel que $\frac{1}{N} < x$ (il suffit de prendre $N=E(1/x)+1$). Pour tout $n\ge N$, on a $\frac{1}{n} < x,$ et donc $f_n(x)=0$. Par suite la suite $f_n$ converge simplement vers la fonction nulle sur $[0,1]$. Dans la suite nous montrons que cette convergence n'est pas uniforme sur $[0,1]$. Pour cela nous allons calculer l'intégrale de $f_n$. En effet, on a \begin{align*} \int^1_0 f_n(x)dx=\int^{\frac{1}{n}}_0 n^2 x(1-nx)dx=\frac{1}{6}.\end{align*} Si la convergence de $f_n$ vers la fonction nulle était uniforme, alors on peut inverser la limite et l'intégrale, et dans ce cas on aura $\frac{1}{6}=0$, ce n'est pas possible. D'autre part, pour tout $n>\frac{1}{\varepsilon}$ on a $\frac{1}{n}<\varepsilon$, donc pour tout $n>\frac{1}{\varepsilon}$ on a $f_n=0$ sur $[\varepsilon,1]$, ce qui implique \begin{align*} \sup_{x\in [\varepsilon,1]}|f_n(x)|=0,\quad \forall n>\frac{1}{\varepsilon}.\end{align*} Donc $f_n$ converge uniformement vers la fonction nulle sur $[\varepsilon,1]$.

Exercices sur les Sommes de Riemann généralisées

0
sommes-riemann-generalisees

Des exercices sur les sommes généralisées de Riemann sont proposés avec des solutions détaillées. Ces sommes sont liées à des intégrales généralisées. Des applications au calcul de suites de nombres réels sont également données.

Exercices corrigés sur les séries de fonctions

0
exercices-corriges-sur-les-series-de-fonctions

Exercices corrigés sur les séries de fonctions sont proposés. Des séries dont le terme général est une suite de fonctions. Donc on a deux types de convergences, à savoir, la convergence simple et uniforme. Ces dernier sont facile a obtenir si on applique bien les critères de comparaisons.

Paquet d’exercices corrigés sur les séries de fonctions

Exercice: Etudier la convergence simple, normale est uniforme de la série de fonctions $\sum u_n(x)$ avec: \begin{align*}u_n(x)=\frac{x}{(1+nx)(1+(n+1)x)} ,\quad (x\in\mathbb{R}^+).\end{align*}

Solution: On remarque que pour tout $x\ge 0$ and $n\ge 1$ on a\begin{align*}\frac{x}{(1+nx)(1+(n+1)x)}=\frac{1}{1+nx}-\frac{1}{1+(n+1)x}.\end{align*}Alors la suite des sommes partielles,\begin{align*}S_n(x)=\sum_{k=1}^n u_n(x)=1-\frac{1}{1+(n+1)x}.\end{align*}Ce qui implique que $S_n(x)$ converge vers $1$ quand $n\to+\infty$ pour tout $x>0$, et vers $0$ si $x=0$. Donc la série de fonction $\sum u_n$ converge simplement sur $\mathbb{R}$ vers la fonction $f:\mathbb{R}^+\to \mathbb{R}$ définie par\begin{align*}f(x)=\begin{cases} 1,& x>0,\cr 0,& x=0.\end{cases}\end{align*}La fonction $f$ n’est pas continue sur $\mathbb{R}^+$. Comme les fonctions $u_n$ sont continues sur $\mathbb{R}^+,$ alors la convergence de la série n’est pas uniforme sur $\mathbb{R}^+$, car sinon la limite $f$ sera aussi continue sur $\mathbb{R}^+$. D’autre part, soit $a>0$ un réel. Alors on a\begin{align*}\sup_{x\ge a} |S_n(x)-1|\le \frac{1}{1+(n+1)a}.\end{align*}Donc la série $\sum u_n(x)$ converge uniformément vers la fonction constante égale à $1$ sur $[a,+\infty[$.

Exercice: Soit la série de fonctions $\sum_{n\ge 0} x^{2n}$. Etudier la convergence simple de cette série de fonctions sur $[0,1[,$ la convergence uniforme sur $[0,\beta]$ avec $0<\beta<1,$ et la convergence uniforme sur $[0,1[$.

Solution: Soit $(S_n)_n$ la suite des sommes partielles. Alors pour tout $x\in [0,1[$ on a $0\le x^2<1$ et pour tout $N\in\mathbb{N},$\begin{align*} S_N(x)=\sum_{n=0}^N (x^2)^n=\frac{1-(x^2)^{N+1}}{1-x^2}.\end{align*} Comme $(x^2)^{N+1}\to 0$ quand $N\to+\infty,$ alors la suite de fonctions $S_N$ converge simplement vers la fonction $f:[0,1[\to\mathbb{R}$ donnée par $f(x)=\frac{1}{1-x^2}$. Soit $\beta\in ]0,1[$. Pour tout $x\in [0,\beta]$ on a $|x^{2n}|\le (\beta^2)^n$, ce qui implique que la série de fonctions $\sum_{n\ge 0} x^{2n}$ converge normalement, donc uniformément sur $[0,\beta]$. D’autre part, par l’absurde, on suppose que $S_N$ converge uniformément vers $f$ sur $[0,1[$. On a \begin{align*} |S_N(x)-f(x)|=\left|\frac{1-(x^2)^{N+1}}{1-x^2}-\frac{1}{1-x^2}\right|=\frac{(x^2)^{N+1}}{1-x^2}.\end{align*} Comme $a_N=1-\frac{1}{N}\in [0,1[$ pour tout $N\in \mathbb{N}^\ast,$ alors \begin{align*} \sup_{x\in [0,1[}|S_N(x)-f(x)|\ge \frac{(a_N^2)^{N+1}}{1-a_N^2}=N^2\frac{a_N^{2N+2}}{2N-1}.\end{align*} Il connu que $a_N\to e^{-1}$ quand $N\to+\infty$. Donc \begin{align*} N^2\frac{a_N^{2N+2}}{2N-1}\sim \frac{N}{2e^2}\to +\infty \quad (N\to\infty).\end{align*} Ainsi la convergence de la série de fonctions n’est pas uniforme sur $[0,1[$.

Exercice: On considère la suite de fonction $f_n:\mathbb{R}^+\to\mathbb{R}$ définie par \begin{align*} f_n(x)=(-1)^n\frac{e^{-nx}}{n+1},\quad n\in\mathbb{N},\quad x\ge 0.\end{align*}

  1. Montrer que la série de fonction $\sum_n f_n$ converge simplement sur $\mathbb{R}^+$.
  2. Montrer que $\sum_n f_n$ converge normalement sur $[\beta,+\infty[$ pour tout $\beta>0$. Que se passe-t-il sur $[0,+\infty[$ ou $]0,+\infty[$ ?
  3. Montrer que $\sum_n f_n$ converge uniformement sur $\mathbb{R}^+$.

Solution: 1- D’une part, $f_n(0)=\frac{(-1)^n}{n+1}$ est le terme général d’une série numérique alternée, donc converge. D’autre part, pour $x>0,$ (fixer) on a $n^2 |f_n(x)|\to 0$ quand $n\to +\infty$. Donc par comparaison avec la série de Riemann ($\alpha=2$), la série $\sum_{n\ge 0}f_n(x)$ converge. Ce qui implique que la série de fonctions $\sum_{n\ge 0}f_n$ converge simplement sur $[0,+\infty[$.

2- Soit $\beta>0$. Pour tout $x\in [\beta,+\infty[$, on a $|f_n(x)|\le (e^{-\beta})^n$, pour tout $n$. Comme $e^{-\beta}\in ]0,1[,$ alors la série numérique $\sum_n (e^{-\beta})^n$ converge. par suite la serie de fonctions $\sum_n f_n$ converge normalement sur $[\beta,+\infty[$. Comme la le maximum de la fonction $x\mapsto e^{-n x}$ sur $[0,+\infty[$ est égale a $1$, alors $\sup_{x\ge 0}|f_n(x)|=\frac{1}{n+1}$. Comme la serie Harmonique de terme général $\frac{1}{n+1}$ est divergente (il faut remarquer que $\frac{1}{n+1}\sim \frac{1}{n}$ quand $n\to\infty$), alors la convergence de la série de fonctions $\sum_n f_n$ n’est uniforme sur $\mathbb{R}^+$. La même chose sur $]0,+\infty[$.

3- La majoration du reste d’une série satisfaisant aux hypothèses du théorème des séries alternées, nous donne \begin{align*} |R_n(x)|\le |f_{n+1}(x)|=\frac{e^{-(n+1)x}}{n+2}\le \frac{1}{n+2},\quad x\ge 0.\end{align*} Donc \begin{align*} \sup_{x\ge 0}\left|\sum_{n=0}^\infty f_n(x)-\sum_{n=0}^N f_n(x)\right|&= \sup_{x\ge 0}|R_N(x)|\cr & \le \frac{1}{N+2}\to 0\quad (N\to\infty).\end{align*}Ainsi la serie de fonctions $\sum_n f_n$ converge uniformément sur $\mathbb{R}^+$.