pakdoltogel.net
$\\$ Pour aller plus loin, on peut mettre en évidence le rôle joué par la convexité dans le théorème de séparation de Hahn-Banach. On peut aussi parler des propriétés d'uniforme convexité dans certains espaces, les espaces $L^p$ pour $p>1$, par exemple, et de leurs conséquences. Autres rapports + (2017: 253 - Utilisation de la notion de convexité en analyse. On pensera bien sûr, sans que ce soit exhaustif, aux problèmes d'optimisation (par exemple de la fonctionelle quadratique), au théorème de projection sur un convexe fermé, au rôle joué par la convexité dans les espaces vectoriels normés (convexité de la norme, jauge d'un convexe,... Par ailleurs, l'inégalité de Jensen a aussi des applications en intégration et en probabilités. Pour aller plus loin, on peut mettre en évidence le rôle joué par la convexité dans le théorème de séparation de Hahn-Banach. On peut aussi parler des propriétés d'uniforme convexité dans certains espaces, les espaces $L^p$ pour $p > 1$, par exemple, et de leurs conséquences.
(2016: 253 - Utilisation de la notion de convexité en analyse. Même si localement (notamment lors de la phase de présentation orale) des rappels sur la convexité peuvent être énoncés, ceci n'est pas attendu dans le plan. On pensera bien sûr, sans que ce soit exhaustif, aux problèmes d'optimisation, au théorème de projection sur un convexe fermé, au rôle joué par la convexité dans les espaces vectoriels normés (convexité de la norme, jauge d'un convexe,... Par ailleurs, l'inégalité de Jensen a aussi des applications en intégration et en probabilités. Pour aller plus loin, on peut mettre en évidence le rôle joué par la convexité dans le théorème de séparation de Hahn-Banach. On peut aussi parler des propriétés d'uniforme convexité dans certains espaces, les espaces $L^p$ pour $ p > 1$, par exemple, et de leurs conséquences. Plans/remarques: 2020: Leçon 253 - Utilisation de la notion de convexité en analyse. Plan de Owen Auteur: Références: Analyse, Gourdon Analyse numérique et optimisation: une introduction à la modélisation mathématique et à la simulation numérique, Allaire Analyse fonctionelle, Brézis Cours d'analyse, Pommelet Analyse.
et g: [ a; b] → ℝ une fonction continue à valeurs dans I. f ( 1 b - a ∫ a b g ( t) d t) ≤ 1 b - a ∫ a b f ( g ( t)) d t . (Inégalité d'entropie) Soit φ: I → ℝ convexe et dérivable sur I intervalle non singulier. Établir que pour tout a, x ∈ I on a l'inégalité φ ( x) ≥ φ ( a) + φ ′ ( a) ( x - a) . Soit f: [ 0; 1] → I continue. Établir φ ( ∫ 0 1 f ( t) d t) ≤ ∫ 0 1 φ ( f ( t)) d t . Soit f: [ 0; 1] → ℝ continue, strictement positive et d'intégrale égale à 1. Montrer ∫ 0 1 f ( t) ln ( f ( t)) d t ≥ 0 . Soient f, g: [ 0; 1] → ℝ continues, strictement positives et d'intégrales sur [ 0; 1] égales à 1. En justifiant et en exploitant l'inégalité x ln ( x) ≥ x - 1 pour x > 0, montrer ∫ 0 1 f ( t) ln ( f ( t)) d t ≥ ∫ 0 1 f ( t) ln ( g ( t)) d t . φ étant convexe, la courbe est au dessus de chacune de ses tangentes. Posons a = ∫ 0 1 f ( u) d u ∈ I et considérons x = f ( t) ∈ I: φ ( f ( t)) ≥ φ ( a) + φ ′ ( a) ( f ( t) - a) En intégrant sur [ 0; 1], on obtient ∫ 0 1 φ ( f ( t)) d t ≥ φ ( ∫ 0 1 f ( u) d u) car ∫ 0 1 φ ′ ( a) ( f ( t) - a) d t = φ ′ ( a) ( ∫ 0 1 f ( t) d t - ∫ 0 1 f ( u) d u) = 0 .
Montrez que l'existence du projeté sur un convexe est toujours vrai dans L^4 malgré le fait que ce dernier ne soit pas un Hilbert. Pour cela, on prends un convexe fermé C de L^4, et, comme pour la projection sur un convexe fermé, on prends (f_n) une suite minimisante la distance de f à C. Supposons dans un premier temps f = 0. On montre, puisque L^4 est complet par Riesz-Fisher, que (f_n) est de Cauchy, ce qui est direct par l'inégalité admise précédemment (en remarquant que |(f_p + f_q)/2|^4 =< d^4). Donc (f_n) converge, et on a la conclusion. Dans le cas général, on fait pareil, mais avec la suite g_n = f_n - f. - On considère l'ensemble E des fonctions de L² positives presque partout. Que dire de cet ensemble? (il est convexe et fermé: convexe, c'est direct, fermé il faut introduire les ensembles induits par le "presque partout", et on utilise notamment le fait que si (f_n) converge dans L² vers f, on a une sous-suite qui converge presque partout). Le théorème de projection s'applique donc.
Alors, il existe tels que et. Considérons la fonction croissante de la propriété 3 ci-dessus et un réel tel que. Pour tout, on a, avec égalité si. La propriété est donc satisfaite en prenant. Propriété 11 Soit une fonction continue. Pour que soit convexe sur, il suffit qu'elle soit « faiblement convexe », c'est-à-dire que. (L'expression « faiblement convexe » est empruntée à Emil Artin, The Gamma Function, Holt, Rinehart and Winston, 1964, 39 p. [ lire en ligne], p. 5. ) Cette démonstration, extraite de, utilise le théorème de Weierstrass (ou « des bornes »). Pour une autre démonstration, voir le § « Possibilité de n'utiliser que des milieux » de l'article de Wikipédia sur les fonctions convexes. Raisonnons par contraposée, c'est-à-dire supposons que (continue sur) n'est pas convexe et montrons qu'alors elle n'est même pas « faiblement convexe ». Par hypothèse, il existe un intervalle tel que le graphe de la restriction de à ce sous-intervalle ne soit pas entièrement en-dessous de la corde qui joint à, c'est-à-dire tel que la fonction (continue) vérifie:.