Point adhérentEn mathématiques et plus précisément en topologie, un point adhérent à une partie A d'un espace topologique E est un élément de l'adhérence de A, c'est-à-dire un point x de E tel que tout voisinage de x rencontre A (i.e. est non disjoint de A) ou encore : tout ouvert contenant x rencontre A. Tous les points de A sont adhérents à A ; d'autres points de E peuvent aussi, selon le cas, être adhérents à A. La notion de point adhérent à un ensemble A n'est pas intrinsèque, en ce sens qu'elle dépend de l'espace topologique dont A est vu comme sous-ensemble.
Analyse convexeL'analyse convexe est la branche des mathématiques qui étudie les ensembles et les fonctions convexes. Cette théorie étend sur beaucoup d'aspects les concepts de l'algèbre linéaire et sert de boîte à outils en analyse et en analyse non lisse. Elle s'est beaucoup développée du fait de ses interactions avec l'optimisation, où elle apporte des propriétés particulières aux problèmes qui y sont étudiés. Certains voient la naissance de l'analyse convexe « moderne » dans l'invention des notions de sous-différentiel, d'application proximale et d'inf-convolution dans les années 1962-63.
Limite supérieure et limite inférieurevignette|upright=1.8|Exemple de recherche de limites inférieure et supérieure. La suite (x) est représentée en bleu. En mathématiques, plus précisément en analyse réelle, les limites inférieures et supérieures sont des outils d'étude des suites de nombres réels. Une telle suite n'est en général ni monotone, ni convergente. L'introduction des limites supérieure et inférieure permet de retrouver, partiellement, de telles propriétés. Il s'agit d'un cas particulier de valeurs d'adhérence de la suite.
Optimization problemIn mathematics, computer science and economics, an optimization problem is the problem of finding the best solution from all feasible solutions. Optimization problems can be divided into two categories, depending on whether the variables are continuous or discrete: An optimization problem with discrete variables is known as a discrete optimization, in which an object such as an integer, permutation or graph must be found from a countable set.
Fonction convexevignette|upright=1.5|droite|Fonction convexe. En mathématiques, une fonction réelle d'une variable réelle est dite convexe : si quels que soient deux points et du graphe de la fonction, le segment est entièrement situé au-dessus du graphe, c’est-à-dire que la courbe représentative de la fonction se situe toujours en dessous de ses cordes ; ou si l'épigraphe de la fonction (l'ensemble des points qui sont au-dessus de son graphe) est un ensemble convexe ; ou si vu d'en dessous, le graphe de la fonction est en bosse.
Fermé (topologie)En mathématiques, dans un espace topologique E, un fermé est un sous-ensemble de E dont le complémentaire est un ouvert. Toute réunion d'une famille finie de fermés est un fermé (y compris l'ensemble vide ∅, qui est — par définition — la réunion de la famille vide). Toute intersection d'une famille (finie ou infinie) de fermés est un fermé (y compris l'espace E tout entier, qui est — par convention dans ce contexte — l'intersection de la famille vide).
Dérivée secondeLa dérivée seconde est la dérivée de la dérivée d'une fonction, lorsqu'elle est définie. Elle permet de mesurer l'évolution des taux de variations. Par exemple, la dérivée seconde du déplacement par rapport au temps est la variation de la vitesse (taux de variation du déplacement), soit l'accélération. Si la fonction admet une dérivée seconde, on dit qu'elle est de classe D2 ; si de plus cette dérivée seconde est continue, la fonction est dite de classe C2.
Limit setIn mathematics, especially in the study of dynamical systems, a limit set is the state a dynamical system reaches after an infinite amount of time has passed, by either going forward or backwards in time. Limit sets are important because they can be used to understand the long term behavior of a dynamical system. A system that has reached its limiting set is said to be at equilibrium.
Bellman equationA Bellman equation, named after Richard E. Bellman, is a necessary condition for optimality associated with the mathematical optimization method known as dynamic programming. It writes the "value" of a decision problem at a certain point in time in terms of the payoff from some initial choices and the "value" of the remaining decision problem that results from those initial choices. This breaks a dynamic optimization problem into a sequence of simpler subproblems, as Bellman's “principle of optimality" prescribes.
One-sided limitIn calculus, a one-sided limit refers to either one of the two limits of a function of a real variable as approaches a specified point either from the left or from the right. The limit as decreases in value approaching ( approaches "from the right" or "from above") can be denoted: The limit as increases in value approaching ( approaches "from the left" or "from below") can be denoted: If the limit of as approaches exists then the limits from the left and from the right both exist and are equal.
