Mathématiques des modèles multi-échelles. Frédéric Legoll et Mathieu Lewin

Dimension: px
Commencer à balayer dès la page:

Download "Mathématiques des modèles multi-échelles. Frédéric Legoll et Mathieu Lewin"

Transcription

1 Mathématiques des modèles multi-échelles Frédéric Legoll et Mathieu Lewin Mars 213

2

3 Table des matières Introduction v 1 Rappels et compléments d analyse Applications linéaires Applications linéaires continues Injectivité, surjectivité, bijectivité Compacité Espaces de Hilbert Théorèmes fondamentaux Bases hilbertiennes Applications définies positives Orthogonal d un sous-espace Application adjointe Espaces de Sobolev Définitions principales Trace Inégalité de Poincaré Injections de Sobolev Convergence faible Opérateurs compacts Problème de l élasticité linéarisée Le modèle Inégalité de Korn Problème aux limites Formulation variationnelle Interprétation des résultats Problèmes aux valeurs propres Motivation Spectre d un opérateur Décomposition spectrale d un opérateur auto-adjoint compact Valeurs propres d un problème elliptique Problème variationnel abstrait i

4 ii TABLE DES MATIÈRES Première application : valeurs propres du laplacien Seconde application : l élasticité linéarisée Méthodes numériques Discrétisation du problème Convergence et estimation d erreur Algorithmes pour le calcul de valeurs et de vecteurs propres Méthode de la puissance Méthode de Lanczos Equations différentielles ordinaires Introduction Quelques modèles Problème de Cauchy Quelques exemples de schémas Notions d erreur, ordre d un schéma Méthodes de Runge-Kutta Définition Conditions d ordre Méthodes de collocation Définition Lien avec les méthodes de Runge-Kutta Lien avec les formules de quadrature Méthodes symétriques Systèmes partitionnés et méthodes de Runge-Kutta partitionnées Définition Exemples Conditions d ordre Systèmes hamiltoniens Définition et exemples Les équations de Newton Autres exemples Conservation de l énergie et de la mesure Symplecticité Symplecticité et conservation du volume Symplecticité et flot d un système hamiltonien Changement de variables dans les systèmes hamiltoniens Schémas symplectiques Symplecticité de quelques schémas usuels Cas d un hamiltonien séparé Analyse rétrograde Equation modifiée Notion d équation modifiée

5 TABLE DES MATIÈRES iii Construction Systèmes hamiltoniens et schémas symplectiques Conservation de l énergie Cas d un problème linéaire Problèmes d évolution Exemples d équations d évolution Préliminaires Lemme de Gronwall Espaces dépendant du temps L équation de transport L équation de la chaleur L équation de la chaleur dans tout l espace L équation de la chaleur sur un ouvert borné Solutions faibles Propriétés qualitatives des solutions faibles L équation des ondes L équation des ondes 1D L équation des ondes dans un ouvert borné Solutions faibles Propriétés qualitatives des solutions faibles Analyse numérique L équation de la chaleur Semi-discrétisation en espace Discrétisation totale en espace-temps L équation des ondes Semi-discrétisation en espace Discrétisation totale en espace-temps Optimisation Modélisation à différentes échelles des solides Modélisation à l échelle du continuum De l échelle atomique à l échelle élastique Optimisation : théorie générale Existence Convexité Conditions de minimalité Différentiabilité Cas de contraintes convexes Multiplicateurs de Lagrange Exemples Cas convexes Un cadre général

6 iv TABLE DES MATIÈRES Elasticité linéaire Le problème de l obstacle Cas non convexes, avec ou sans contrainte Quelques exemples simples en dimension un Un problème non convexe sans contrainte Un problème non convexe avec contrainte Un modèle microscopique : l atome d hydrogène Méthodes multi-échelles Introduction Approches couplées discret-continu pour la simulation des matériaux Energie d un modèle couplé Cas général Un cas particulier en une dimension Analyse mathématique Existence et unicité Hypothèses sur la partition Analyse d erreur Introduction à la dynamique moléculaire Modèles physiques et objectifs Calcul de la dynamique d un système Exemples Analyse mathématique et numérique Calcul de moyennes thermodynamiques Motivation physique Formalisation Exemples d observables Intégration numérique en grande dimension Dynamique moléculaire : principe Théorème ergodique Utilisation dans le cadre de la dynamique moléculaire L oscillateur harmonique mono-dimensionnel L oscillateur harmonique bi-dimensionnel Fréquences rationnellement indépendantes Fréquences rationnellement dépendantes Dynamique moléculaire : un premier bilan

7 Introduction De nombreux problèmes en physique, mécanique, sciences de l ingénieur,..., font apparaitre plusieurs échelles d espace ou de temps. Le traitement numérique efficace de tels problèmes nécessite une approche spécifique. Ce cours est une introduction à ce domaine. Il vise en premier lieu à mettre en place les outils techniques utiles pour la suite. Des questions simples relevant de problèmes multi-échelles sont ensuite étudiées dans le détail, en mettant l accent sur des questions d ordre numérique. Commençons par un exemple simple issu de la science des matériaux. Les matériaux peuvent être décrits à différentes échelles d espace. L approche traditionnelle est celle du continuum, à l échelle macroscopique. C est le domaine de la mécanique : la déformation de la matière et les contraintes sont modélisées par des champs. Cependant, de nombreux phénomènes ne peuvent être décrits par une telle approche, qui devient discutable lorsqu on cherche à prendre en compte des phénomènes très localisés. Illustrons ceci par deux exemples. Un premier exemple est celui de la propagation de fractures dans des matériaux cristallins (comme les métaux). Dans certaines conditions, un métal peut être correctement modélisé par un ensemble de particules discrètes (les atomes) agencées de façon relativement ordonnée (sur un réseau périodique, pour simplifier). Cette approximation est raisonnable dès lors que le matériau est soumis à des sollicitations faibles. Elle est justifiée par le fait que les dimensions caractéristiques des déformations sont bien supérieures à l échelle atomique, et permet de dériver un modèle macroscopique à partir de l échelle microscopique. Cependant, il en va autrement lorsqu on s intéresse à la propagation de fractures. En effet, au niveau de la pointe de la fracture, des liaisons atomiques se cassent, et sur les lèvres de la fracture, le réseau atomique est fortement distordu. Dans ce cas particulier où la déformation subie par le matériau possède des dimensions caractéristiques proches des dimensions atomiques, une approche purement macroscopique ne décrira pas correctement les phénomènes que l on désire modéliser. Notre deuxième exemple (à une échelle complètement différente) est celui des matériaux granulaires, lorsqu ils sont soumis à des chargements importants. C est le cas du ballast des voies ferrées, soumis au poids d un train : une approche fondée sur une description en terme de continuum donne des résultats très imprécis sur la déformation du matériau dans la zone d application de la charge. Il est donc important de conserver, au moins sous le point d application de la charge, une description v

8 vi INTRODUCTION en terme de granulats. Dans les deux cas cités ci-dessus, une stratégie numérique possible consiste à utiliser une approche multi-échelle, où deux modèles écrits à des échelles d espace différentes, l un continu et l autre discret, sont couplés. Cette approche est basée sur une décomposition de domaine : dans une zone critique, on décide de faire appel au modèle précis et coûteux (le modèle discret), tandis que dans le reste du domaine de calcul, on utilise le modèle grossier et efficace (le modèle de continuum). Dans d autres situations, l identification même d un modèle à l échelle macroscopique n est pas simple. C est le cas par exemple de matériaux soumis à des conditions extrêmes de température et/ou de pression. On s attend à sortir complètement d un régime de comportement linéaire, et il devient bien difficile de postuler (et de tester expérimentalement!) des lois de comportement à l échelle macroscopique. Une idée consiste alors à utiliser le modèle à l échelle microscopique pour calculer numériquement la loi de comportement macroscopique. Ceci peut être par exemple réalisé en s appuyant sur des méthodes de mécanique et de physique statistiques : en utilisant le fait que le matériau est composé d un très grand nombre de particules, on peut déduire des lois macroscopiques à partir du comportement microscopique. L objectif de ce cours est de former les élèves à la complémentarité des deux approches, continue et discrète. La motivation est double. D une part il s agit d un sujet de recherche très actuel. D autre part, dans certaines industries, il y a un enjeu, à terme, à maîtriser (ou du moins à comprendre) ce genre d approches. Le point de vue sera celui du mathématicien appliqué. Cependant, il apparaîtra au fil du texte qu une approche plus interdisciplinaire est très fructueuse. La première partie du cours sera consacrée à la solidification des connaissances acquises en première année de l Ecole des Ponts, en Analyse et Calcul Scientifique, en nous intéressant aux problèmes variationnels nonlinéaires et aux problèmes d évolution. Il s agit donc de compléter les connaissances des élèves sur des modèles de type continu. Dans un second temps, les notions élémentaires de mécanique discrète seront introduites : le système est alors un ensemble de particules interagissant les unes avec les autres. La troisième partie du cours aborde, de façon très introductive, le couplage d échelle, soit dans une vision décomposition de domaine (les deux échelles sont présentes ensemble et sont simulées dans le modèle), soit dans une version réduction de modèle : des quantités macroscopiques sont alors calculées à partir de modèles microscopiques. Ces notes de cours sont organisées de la façon suivante. Après des rappels et compléments d analyse (Chapitre 1), nous nous intéressons au Chapitre 2 à la résolution de problèmes aux valeurs propres. Cette question a un intérêt en soi (pour le calcul des modes propres de vibration d une structure par exemple), mais elle sera également très utile pour la résolution des problèmes d évolution faisant l objet du Chapitre 5. Le dernier thème abordé dans le monde du continu est celui de l optimisation, au Chapitre 6, dans lequel nous nous intéresserons à des problèmes variationnels nonlinéaires et à la modélisation des matériaux en terme de continuum.

9 En parallèle aux problèmes d évolution continus, nous étudierons les problèmes d évolution discrets, dans lesquels la variable dépendant du temps n est plus un champ mais un vecteur de dimension finie (possiblement grande). Le Chapitre 3 est consacré à quelques rappels sur les équations différentielles ordinaires, et surtout à la construction de schémas d intégration d ordre élevé. La plupart des systèmes discrets rencontrés dans ce cours sont des systèmes hamiltoniens : les équations d évolution ont alors une structure bien particulière et certaines quantités sont conservées au cours de la trajectoire (par exemple l énergie mécanique totale). Cette structure hamiltonienne et la bonne façon de l utiliser au niveau discret rend l étude des schémas numériques tout à fait spécifique. C est l objet du Chapitre 4. Enfin, les aspects multi-échelles sont abordés dans les deux derniers chapitres. L objectif est d introduire les élèves à ces notions qui font actuellement l objet de recherches actives et sont donc moins figées. La présentation est moins académique, et plus interdisciplinaire. Au Chapitre 7, nous nous intéressons à une méthode de décomposition de domaine avec couplage discret/continu, dans un esprit variationnel proche de celui du Chapitre 6 d optimisation. Le Chapitre 8 est une brève introduction à la dynamique moléculaire, dont l objet est de permettre le calcul de grandeurs macroscopiques, en partant d une description microscopique. Nous ferons alors grandement appel aux schémas d intégration en temps de systèmes hamiltoniens, tels qu étudiés au Chapitre 4. Des problèmes multi-échelles en temps, dans la continuité des modèles décrits au Chapitre 4, seront aussi discutés. vii Frédéric Legoll et Mathieu Lewin, Champs sur Marne, 15 février 213.

10 viii INTRODUCTION

11 Chapitre 1 Rappels et compléments d analyse Ce chapitre a un double objectif. Tout d abord, nous rappelons plusieurs notions élémentaires, qui pour la plupart ont été étudiées dans le cours d Analyse de première année. Nous profitons de ces rappels pour faire un certain nombre de remarques, illustrées par plusieurs exercices, et montrant la spécificité de la dimension infinie par rapport à la dimension finie. Le deuxième objectif est d introduire quelques notions nouvelles (en particulier celle d opérateurs compacts), qui seront fondamentales pour la suite de ce cours. La dernière section de ce chapitre est consacrée à l étude du problème de l élasticité linéaire. De même que l équation de Poisson, ce modèle servira de motivation et d illustration dans les chapitres suivants. 1.1 Applications linéaires Applications linéaires continues Soient E et F deux espaces vectoriels normés. On rappelle la caractérisation suivante des applications linéaires continues de E dans F. Proposition 1.1. Soit A une application linéaire de E dans F. Les 3 propositions suivantes sont équivalentes : A est continue. A est continue en. il existe une constante c telle que u E, Au F c u E. Démonstration. Cf. le cours d Analyse de première année [7]. Définition 1.2. On note L(E, F) l ensemble des applications linéaires continues de E dans F, et L(E) l ensemble des applications linéaires continues de E dans E. On 1

12 2 CHAPITRE 1. RAPPELS ET COMPLÉMENTS D ANALYSE rappelle que L(E, F) est muni de la norme A L(E,F) = Au F sup. u E,u u E Un cas particulier important est lorsque l espace d arrivée est R. Définition 1.3. L ensemble L(E, R) des applications linéaires continues de E dans R est appelé espace dual de E et est noté E. Un élément de E est appelé forme linéaire continue et son action sur un élément u E est notée à l aide du crochet de dualité : A, u E,E = Au R. L espace E est équipé de la norme A E = sup u E,u On rappelle enfin les notations suivantes : Définition 1.4. La boule unité fermée de E est Au u E. B E = {x E; x E 1}. Définition 1.5. Soit A une application linéaire de E dans F. Le noyau Ker A et l image Im A de A sont définis par Ker A = {x E; Ax = }, Im A = {y F; x E tel que Ax = y} Injectivité, surjectivité, bijectivité En dimension finie, on a le résultat classique suivant : Proposition 1.6. Soit E un espace vectoriel de dimension finie et A une application linéaire de E dans E. Alors A est continue, et de plus les 3 propositions suivantes sont équivalentes : A est injective sur E. A est surjective sur E. A est bijective de E dans E. Comme le montrent les deux exercices suivants, la situation en dimension infinie est plus complexe : une application linéaire peut ne pas être continue, et une application linéaire continue peut être injective sans être surjective. Exercice 1.7. On considère les espaces de fonctions C ([, 1]) et C 1 ([, 1]), qu on munit de la norme f = sup f(t). t [,1]

13 1.2. COMPACITÉ 3 L application A : C 1 ([, 1]) C ([, 1]) f f est linéaire. Montrer qu elle n est pas continue. Remarque 1.8. On a cependant le résultat positif suivant. Soient E et F deux espaces de Banach, et A une application linéaire de E dans F qui est fermée, c està-dire telle que l ensemble u E [u, Au] est fermé dans E F. Alors A est continue (cf. par exemple [5, Théorème II.21 p. 31]). Exercice 1.9. Soit u = (u i ) i N R N une suite de réels. On considère l ensemble l 2 = {u R N ; i u2 i < + } des suites de carré sommable, qu on munit de la norme u = u 2 i. Soit A l opérateur de shift à droite : i A : l 2 l 2 u Au = (, u, u 1,...). Montrer que A est continue et injective mais n est pas surjective. On admet le résultat suivant (cf. [5, Corollaire II.6 p. 19]) : Théorème 1.1. Soient E et F deux espaces de Banach, et soit A L(E, F). On suppose que A est bijectif. Alors A 1 est continue de F dans E. 1.2 Compacité On se place dans un espace vectoriel normé E. On rappelle la définition suivante : Définition Un sous-ensemble K E est compact si, de toute suite (u n ) n d éléments de K, on peut extraire une sous-suite convergente dans K. Nous aurons besoin dans la suite de ce cours d une notion plus fine que celle d ensemble compact, et que nous introduisons maintenant : Définition Un sous-ensemble K E est relativement compact si, de toute suite (u n ) n d éléments de K, on peut extraire une sous-suite convergente dans E. La différence avec la notion d ensemble compact est donc que la limite de la suite n appartient pas nécessairement à K. La preuve de la proposition suivante est laissée en exercice : Proposition Un sous-ensemble K E est relativement compact si et seulement si K est compact.

14 4 CHAPITRE 1. RAPPELS ET COMPLÉMENTS D ANALYSE 1.3 Espaces de Hilbert Dans cette section, on se place dans un espace de Hilbert V. On rappelle que V est donc un espace vectoriel muni d un produit scalaire, qu on note x, y, que la norme induite par ce produit scalaire est x = x, x, et que V est complet pour cette norme. Le résultat suivant est caractéristique de la dimension infinie : Proposition Soit V un espace de Hilbert de dimension infinie. Alors la boule unité fermée de V n est pas compacte. Démonstration. Comme l espace est de dimension infinie, on peut construire une suite orthonormée infinie (e n ) n 1 (en utilisant le procédé de Gram-Schmidt). Cette suite appartient bien à la boule unité fermée. Par ailleurs, pour n p, on a e n e p 2 = e n 2 + e p 2 2 e n, e p = 2. (1.1) Supposons que la boule unité fermée est compacte. Alors on peut extraire de la suite (e n ) n 1 une sous-suite convergente, donc de Cauchy. Or ceci est contradictoire avec (1.1) Théorèmes fondamentaux On rappelle maintenant quelques théorèmes fondamentaux pour les espaces de Hilbert. Théorème 1.15 (Théorème de projection orthogonale). Soit V un espace de Hilbert et K un sous-espace vectoriel fermé de V. Pour tout u V, il existe un unique v = P K u K, appelé projection orthogonale de u sur K, tel que De plus, P K u est caractérisé par P K u u = inf w u. w K P K u K et w K, u P K u, w =. (1.2) Démonstration. Cf. le cours d Analyse de première année [7]. On peut faire un peu mieux, et simplement supposer que K est un sous-ensemble convexe et fermé de V. Définition Soit E un espace vectoriel et C un sous-ensemble de E. L ensemble C est convexe si, pour tout x et y dans C et tout λ [, 1], on a λx+(1 λ)y C.

15 1.3. ESPACES DE HILBERT 5 Théorème 1.17 (Théorème de projection sur un convexe). Soit V un espace de Hilbert et K un sous-ensemble fermé et convexe de V. Pour tout u V, il existe un unique v = P K u K, appelé projection de u sur K, tel que De plus, P K u est caractérisé par P K u u = inf w u. w K P K u K et w K, u P K u, w P K u. (1.3) Démonstration. La preuve est très similaire à celle du théorème de projection orthogonale donnée dans [7]. Le théorème suivant permet d identifier un espace de Hilbert V avec son dual V = L(V, R) : Théorème 1.18 (Théorème de Riesz). Soit V un espace de Hilbert. Etant donné ϕ V, il existe u V unique tel que w V, ϕ(w) = u, w. De plus, on a u V = ϕ V. En d autres termes, l application de V dans V qui à ϕ associe u permet d identifier l espace de Hilbert V avec son dual. Démonstration. Cf. le cours d Analyse de première année [7]. La notion d application bilinéaire coercive joue un rôle fondamental pour l étude des équations aux dérivées partielles. Définition Soit V un espace de Hilbert et soit a une forme bilinéaire sur V. On dit que a est coercive sur V s il existe un réel α > tel que u V, a(u, u) α u 2. Théorème 1.2 (Théorème de Lax-Milgram). Soit V un espace de Hilbert et a une forme bilinéaire sur V, symétrique, continue et coercive. Soit b une forme linéaire continue sur V. Alors le problème { Chercher u V tel que (1.4) w V, a(u, w) = b(w) admet une unique solution. De plus, le problème (1.4) est équivalent au problème de minimisation { Chercher u V tel que J(u) = inf J(w) (1.5) w V où la fonctionnelle d énergie J(w) est définie par J(w) = 1 a(w, w) b(w). 2 Démonstration. Cf. le cours d Analyse de première année [7]. Remarque On peut supprimer l hypothèse de symétrie sur la forme bilinéaire a. Alors le problème (1.4) admet encore une unique solution, mais il n y a plus d équivalence de (1.4) avec un problème de minimisation du type (1.5).

16 6 CHAPITRE 1. RAPPELS ET COMPLÉMENTS D ANALYSE Bases hilbertiennes La notion de base hilbertienne généralise en dimension infinie la notion de base orthonormée. Définition Soit V un espace de Hilbert. On appelle base hilbertienne de V une suite (e n ) n 1 d éléments de V tels que pour tout n, e n = 1 et pour tous m n, e n, e m =. l espace vectoriel engendré par la famille (e n ) n 1 est dense dans V. Proposition Soit V un espace de Hilbert admettant une base hilbertienne (e n ) n 1. Soit u V et posons u n = u, e n pour tout n 1. Alors, les séries n 1 u ne n et n 1 u n 2 sont convergentes dans V et R respectivement, et on a u = n 1 u n e n et u 2 = n 1 u n 2. Démonstration. Cf. le cours d Analyse de première année [7] Applications définies positives Nous avons introduit à la définition 1.19 la notion d application coercive. On introduit maintenant une notion reliée, qui est celle d application définie positive : Définition Soit V un espace de Hilbert, et soit A une application linéaire continue de V dans V. On dit que A est définie positive si u V \ {}, Au, u >. Remarque Soit V un espace de Hilbert, et soit A une application linéaire continue de V dans V. On lui associe la forme bilinéaire a définie par a(u, w) = Au, w. En dimension finie, A est définie positive si et seulement si a est coercive. En dimension infinie, ce n est plus le cas, comme le montre l exercice ci-dessous. Exercice Soit un ouvert borné de R d. On se place sur l espace de Hilbert L 2 (), muni du produit scalaire usuel sur L 2 () (des rappels sur les espaces de fonctions utilisés dans cet exercice sont donnés à la section 1.4). Pour tout f L 2 (), le problème { Chercher u H 1 u = f () tel que dans D () admet une unique solution. On considère l application (1.6) A : L 2 () L 2 () f u solution du problème (1.6).

17 1.3. ESPACES DE HILBERT 7 Montrer que A est bien linéaire continue et que A est définie positive. Pour montrer que la forme bilinéaire associée a n est pas coercive, on pourra supposer que est la boule ouverte de centre et de rayon 1, et considérer les fonctions f n (x) = n d/2 χ(nx), où χ est une fonction fixée de D() Orthogonal d un sous-espace Définition Soit V un espace de Hilbert, et W V un sous-espace vectoriel. On note W = {v V ; w W, v, w = }. Lemme Soit V un espace de Hilbert, et W V un sous-espace vectoriel. Alors W est un sous-espace vectoriel fermé de V. Démonstration. Soit (v n ) n 1 une suite d éléments de W qui converge vers v V. Pour tout w W, et tout n 1, on a v n, w =. En passant à la limite, on obtient donc v, w = et par conséquent v W. Lemme Soit V un espace de Hilbert, et W V un sous-espace vectoriel. Alors ( W ) = W. Démonstration. Par définition, ( W ) = { v V ; w W, v, w = }. On a immédiatement que W ( W ). D après le lemme 1.28, ( W ) est fermé, donc W ( W ). Soit maintenant x ( W ). Comme W est fermé, on peut appliquer le théorème de projection orthogonale de V sur W et décomposer x selon x = P W x + y, (1.7) avec y (W), et donc y, P W x =. On a aussi y W, et comme x ( W ), ceci implique x, y =. Donc = x, y P W x, y = x P W x, y = y, y, ce qui conduit à y =. La relation (1.7) implique alors que x W. On a donc montré que ( W ) W, ce qui termine la preuve Application adjointe On introduit maintenant une notion qui généralise à la dimension infinie la notion de matrice transposée.

18 8 CHAPITRE 1. RAPPELS ET COMPLÉMENTS D ANALYSE Théorème-Définition 1.3. Soit V un espace de Hilbert, et soit A une application linéaire continue de V dans V. Il existe une unique application linéaire continue A de V dans V, dite adjointe de A, telle que x, y V, Ax, y = x, A y. Démonstration. Soit y V : on considère l application L(x) = Ax, y. Comme A est une application linéaire continue, on voit que L est une forme linéaire continue. D après le théorème de Riesz 1.18, il existe un unique z V tel que L(x) = z, x. On définit alors l application A de V dans V qui associe à chaque y le z correspondant. Cette application est bien linéaire continue. Par définition de A y, on a L(x) = Ax, y = A y, x. Définition Soit V un espace de Hilbert, et soit A une application linéaire continue de V dans V. On dit que A est auto-adjointe si elle coïncide avec son adjointe, c est-à-dire que A = A. Remarque En dimension finie, les applications linéaires auto-adjointes s identifient aux matrices symétriques. 1.4 Espaces de Sobolev Les espaces de Sobolev jouent un rôle central dans l étude des équations aux dérivées partielles Définitions principales Soit un ouvert de R d. On rappelle que, pour tout p 1, l ensemble L p () est l ensemble des fonctions dont la puissance p-ième est intégrable sur. On rappelle qu un multi-indice α = (α 1,...,α d ) est un élément de N d. Sa longueur est α = d i=1 α i et on adopte la notation suivante : pour toute distribution u D (), α u = α u α 1 x 1... α d x d = α1+...+αd u α 1 x 1... α d x d. Définition Pour k 1, l espace de Sobolev H k () est l ensemble des fonctions f L 2 () telles que les dérivées de f au sens des distributions, jusqu à l ordre k, s identifient à des fonctions de L 2 (). Autrement dit, H k () = { f L 2 () telles que α N d, α k, α f L 2 () }. Comme l espace L 2 (), les espaces H k () sont des espaces de Hilbert.

19 1.4. ESPACES DE SOBOLEV 9 Théorème Muni du produit scalaire (f, g) H k = f(x) g(x) dx + 1 α k α f(x) α g(x) dx, l espace H k () est un espace de Hilbert. Sa norme est notée H k (). On rappelle maintenant un théorème de densité de l ensemble des fonctions test. Théorème Pour tout ouvert de R d, l ensemble D() est dense dans L 2 () pour la norme L 2 (). De plus, pour tout k 1, l ensemble D(R d ) est dense dans H k (R d ) pour la norme H k (R d ). Pour tout k 1, si R d avec R d, alors D() n est pas dense dans H k (). Définition Pour k 1, on définit H k () comme la fermeture de D() dans H k () (pour la norme de H k ()). On donne maintenant un résultat propre à la dimension 1. Théorème Soit I un intervalle de R et u H 1 (I). Alors u s identifie à une fonction continue et, pour tout x et y dans I, u(x) u(y) = x y u (s)ds. On souligne que ce théorème est faux en dimension plus grande. Démonstration. On esquisse ici la preuve, dont les détails sont laissés au lecteur. Soit x I fixé. Pour u H 1 (I), on définit w(x) = x x u (s)ds. Grâce à l inégalité de Cauchy-Schwarz, cette définition a bien un sens, et on montre que w est une fonction continue sur I. On calcule ensuite la dérivée de w au sens des distributions, en utilisant le théorème de Fubini. On montre ainsi que w = u dans D (I). Par conséquent, w u est une constante, et u s identifie donc bien à une fonction continue Trace Pour une fonction définie dans un ouvert, on souhaite définir sa valeur au bord de. Pour les fonctions u L 2 (), cette notion n a pas de sens. Par contre, si u est plus régulière, alors on peut définir rigoureusement cette notion.

20 1 CHAPITRE 1. RAPPELS ET COMPLÉMENTS D ANALYSE Proposition Soit un ouvert borné et régulier. On peut définir une application linéaire et continue γ : H 1 () L 2 ( ) u γ(u), et qui prolonge l application trace pour les fonctions continues sur : pour tout u H 1 () C (), γ(u) = u. L application trace est continue de H 1 () dans L 2 ( ), ce qui signifie qu il existe une constante C telle que u H 1 (), γ(u) L 2 ( ) C u H 1 (). (1.8) Remarque L application trace n est pas surjective sur L 2 ( ), mais sur un espace plus petit, qui est H 1/2 ( ). Elle est en fait continue de H 1 () vers H 1/2 ( ), si bien qu il existe C tel que u H 1 (), γ(u) H 1/2 ( ) C u H 1 (). Enfin, pour tout u H 1/2 ( ), on a u L 2 ( ) u H 1/2 ( ). L espace H 1 (), défini comme la fermeture dans H 1 () de D(), s identifie à l espace des fonctions à trace nulle : Proposition 1.4. Soit un ouvert de R d. On a Inégalité de Poincaré On rappelle la notation suivante : H 1 () = { u H 1 (), γ(u) = }. Définition Soit un ouvert de R d. Pour une fonction u à valeur vectorielle u = (u 1,..., u d ) L 2 () d, on note u L 2 () = d u i 2 L 2 (). Proposition 1.42 (Inégalité de Poincaré). Soit un ouvert borné de R d. Alors il existe une constante C telle que i=1 u H 1 (), u L 2 () C u L 2 (). (1.9) Démonstration. Cette inégalité est démontrée dans le cours d Analyse [7]. L exercice 1.68 en propose une autre démonstration. L exercice 2.2 donne une caractérisation de la meilleure constante C en terme de valeur propre du laplacien.

21 1.5. CONVERGENCE FAIBLE Injections de Sobolev On considère une fonction u H 1 (). Bien sûr, u L 2 (). On peut se demander si u n est pas plus régulière que ceci, du fait que u soit dans L 2 (). Le théorème suivant répond à cette question. Théorème Soit un ouvert régulier de R d, et soit k un entier. On a les injections continues suivantes : si d > 2k, alors H k () L p () avec 1/p = 1/2 k/d. si d = 2k, alors H k () L q () pour tout q [2, + [. si d < 2k, alors H k () C (). On rappelle maintenant l inégalité de Hölder. Lemme 1.44 (Inégalité de Hölder). Soient p et q deux réels compris (au sens large) entre 1 et +, avec 1/p+1/q = 1. Soient f L p () et g L q (). Alors le produit f g est dans L 1 () et f g L 1 () f L p () g L q (). On déduit de cette inégalité (le faire en exercice!) le résultat suivant : Lemme Soient p et q deux réels compris (au sens large) entre 1 et +, avec p < q. Soit f L p () L q (). Alors, pour tout r [p, q], on a f L r (), avec où α est tel que 1/r = α/p + (1 α)/q. f L r () f α L p () f 1 α L q (), Ainsi, soit un ouvert régulier de R d, et soit k un entier, avec par exemple d > 2k. On a vu que H k () L p () avec 1/p = 1/2 k/d. De plus, H k () L 2 (). Donc H k () L r () pour tout r [2, p ]. 1.5 Convergence faible On rappelle qu une suite d éléments (u n ) n d un espace de Hilbert V converge vers u V si lim n u n u =. On introduit ici une notion de convergence plus faible, la convergence faible. Pour éviter les confusions, on parlera alors de convergence forte pour la convergence usuelle. Avant d introduire cette nouvelle notion, on définit la limite inférieure d une suite de réels. Définition Soit u n une suite de réels. On définit sa limite inférieure par ( ) lim inf u n = lim inf u k. n k n

22 12 CHAPITRE 1. RAPPELS ET COMPLÉMENTS D ANALYSE La suite I n = inf k n u k est une suite croissante de réels, qui admet donc bien une limite (éventuellement infinie). Le lemme suivant montre que la notion de limite inférieure généralise la notion de limite. Lemme Soit u n une suite de réels qui converge vers λ. Alors λ = lim inf u n. Dans le cas d une suite quelconque, on a le résultat suivant : Lemme Soit u n une suite de réels, et soit λ = lim inf u n. On peut extraire de u n une sous-suite qui converge vers λ. Démonstration. On suppose λ R (le cas λ = + se traite de la même façon). On pose I n = inf k n u k : par définition, λ = lim n I n. Soit ε > et N >. Il existe n > N tel que λ I n λ ε. De plus, il existe k n tel que ε + inf k n u k u k inf k n u k. Donc on a ε + λ u k λ ε, ce qui conclut la preuve. On introduit maintenant la notion de convergence faible. Définition Soit V un espace de Hilbert. On dit qu une suite u n de V converge faiblement vers u dans V si u V et w V, lim u n, w = u, w. n + On note u n u. Si V est de dimension finie, alors la convergence au sens faible est équivalente à la convergence au sens fort. En dimension infinie, les deux notions sont différentes. Théorème 1.5. Soit u n une suite de V. si u n converge fortement vers u dans V, alors u n converge faiblement vers u dans V ; si u n converge faiblement vers u dans V, alors la suite u n est bornée dans V et u lim inf n u n. Si u n converge vers u faiblement et w n converge vers w fortement, alors on a lim n u n, w n = u, w. Démonstration. La preuve de la première et de la troisième affirmation sont laissées au lecteur (utiliser l inégalité de Cauchy-Schwarz). La seconde affirmation est plus difficile à démontrer, et sera ici admise. L intérêt de la convergence faible réside dans la proposition suivante, que nous admettrons. Proposition Soit V un espace de Hilbert. La boule unité de V est faiblement compacte : de toute suite bornée de V, on peut extraire une sous-suite qui converge faiblement dans V.

23 1.5. CONVERGENCE FAIBLE 13 Dans un espace de Hilbert, pour montrer qu une suite converge faiblement (à extraction près), il suffit donc de montrer qu elle est bornée. La définition d ensemble fermé pour la topologie faible est naturelle : Définition Soit V un espace de Hilbert, et C un sous-ensemble de V. On dit que C est faiblement fermé si, pour toute suite d éléments (u n ) n de C qui converge faiblement vers u dans V, on a u C. Comme la convergence forte implique la convergence faible, un ensemble faiblement fermé (i.e. fermé pour la topologie faible) est fortement fermé (i.e. fermé pour la topologie forte). La réciproque est fausse, sauf si l ensemble est convexe, comme le montre le résultat suivant : Proposition Soit V un espace de Hilbert, et C un sous-ensemble de V qui soit convexe et fortement fermé. Alors C est faiblement fermé. Démonstration. Soit u n est une suite de points de C qui converge faiblement vers u V. Comme C est convexe et fortement fermé dans V, on peut considérer la projection de V sur C, qu on note P C. D après le théorème 1.17, on a w C, u P C u, w P C u. On écrit cette inégalité avec w = u n et on passe à la limite n + en utilisant la convergence faible de u n vers u. Donc u P C u, u P C u, ce qui implique que u = P C u et donc u C. Proposition Soit V un espace de Hilbert et J : V R une fonction continue (pour la topologie forte de V ) et convexe sur V. Pour toute suite u n qui converge faiblement dans V vers u, on a J(u) lim inf J(u n ). Démonstration. Pour tout λ R, l ensemble C(λ) = {u V ; J(u) λ} est convexe, car J est convexe. Comme J est continue, cet ensemble est fortement fermé. On utilise la proposition 1.53 : C(λ) est faiblement fermé. Soit λ = lim inf J(u n ). Le lemme 1.48 donne l existence d une sous-suite extraite u ϕ(n) telle que lim n J(u ϕ(n) ) = λ. Par conséquent, pour tout ε >, et pour tout n n (ε), on a J(u ϕ(n) ) ε + λ, et donc u ϕ(n) C(ε + λ ). Par ailleurs, la suite u ϕ(n) converge faiblement vers u. Donc u C(ε +λ ), soit J(u) ε +λ, et ce pour tout ε. Donc J(u) λ, ce qui conclut la preuve. On a donc vu que les notions de topologie faible et de convexité sont reliées. En guise d application de ces notions aux espaces de Sobolev, nous donnons la proposition suivante :

24 14 CHAPITRE 1. RAPPELS ET COMPLÉMENTS D ANALYSE Proposition De toute suite bornée de H 1 (), on peut extraire une-suite qui converge faiblement vers u dans H 1 (). De plus, u H(). 1 Démonstration. La proposition 1.51 donne l existence d une sous-suite qui converge faiblement vers u dans H 1 (). L espace H 1 () est fermé dans H1 () et convexe, donc il est faiblement fermé en vertu de la proposition 1.53, et donc u H 1 (). 1.6 Opérateurs compacts Définition Soient V et W deux espaces de Hilbert, et soit A une application linéaire continue de V dans W. On dit que A est compacte si l image par A de la boule unité de V est relativement compacte. On note K(V, W) l ensemble des applications compactes de V dans W et K(V ) = K(V, V ). Autrement dit, l image d un ensemble borné de V par l application A est un ensemble de W qui est relativement compact. Théorème L ensemble K(V, W) est un sous-espace vectoriel fermé de L(V, W), pour la norme L(V,W). Démonstration. Cf. le cours d Analyse en fréquences [6], ou bien [5, Théorème VI.1 p. 89]. Exercice Soit V un espace de Hilbert de dimension infinie. Montrer que l application identité sur V n est pas compacte. Proposition Soient U, V et W trois espaces de Hilbert, et soit T 1 L(U, V ) et T 2 L(V, W). Si T 1 est compacte, ou bien si T 2 est compacte, alors l application T 2 T 1 est compacte. Démonstration. On suppose que T 1 L(U, V ) et T 2 K(V, W). Comme T 1 est continue, l image par T 1 de la boule unité de U, qu on note T 1 (B U ), est bornée. Comme T 2 est linéaire compacte, l image par T 2 d un ensemble borné est relativement compacte dans W. Donc T 2 T 1 (B U ) est relativement compacte dans W, et T 2 T 1 est une application compacte. Supposons maintenant que T 1 K(U, V ) et T 2 L(V, W). Soit w n = T 2 T 1 (u n ) une suite d éléments de T 2 T 1 (B U ), avec u n B U. On pose v n = T 1 (u n ) V. Comme T 1 est compacte, on peut extraire de v n une sous-suite convergente dans V, qu on note v ϕ(n), avec lim n v ϕ(n) = v. Par conséquent, comme T 2 est continue, on a lim w ϕ(n) = lim T 2 (v ϕ(n) ) = T 2 (v). n n On peut donc extraire de toute suite de T 2 T 1 (B U ) une sous-suite convergente : donc T 2 T 1 est une application compacte.

25 1.6. OPÉRATEURS COMPACTS 15 Exercice 1.6. Soit V un espace de Hilbert de dimension infinie. Déduire du théorème 1.1 et de la proposition 1.59 que, si A K(V ), alors A n est pas bijectif. Exercice Soit un ouvert de R d, et soit V = L 2 () et K(x, y) L 2 ( ). Soit u L 2 (). Montrer que la fonction v(x) = K(x, y)u(y) dy est dans L 2 (). On considère l application 1 A : L 2 () L 2 () u (Au)(x) = K(x, y)u(y) dy. Montrer que A est une application compacte de L 2 (). On pourra utiliser le fait que, de toute suite bornée de L 2 (), on peut extraire une sous-suite qui converge faiblement dans L 2 () (cf. le théorème 1.51). Exercice Soit u = (u i ) i N R N une suite à valeur réelle. On considère l ensemble l 2 = {u R N ; i u2 i < + } des suites de carré sommable, qu on munit du produit scalaire u, v = i u iv i. Soit (a i ) i une suite de réels bornés : a i C < + pour tout i. On définit l application linéaire A sur l 2 par Au = (a i u i ) i. Montrer que Au l 2 et que A est continue. Montrer que A est compacte si et seulement si lim i + a i = (indication : pour montrer que lim i + a i = implique A est compacte, on pourra utiliser un principe d extraction diagonale). Proposition Soit A K(V ). Alors Ker (Id A) est de dimension finie. Démonstration. Soit E 1 = Ker (Id A). Montrons que la boule unité fermée de E 1 est compacte. Soit v Ker (Id A) avec v 1 : on a donc v = Av, donc v A(B V ), et ainsi B E1 A(B V ). Comme A est compacte, A(B V ) est relativement compacte, et donc B E1 est relativement compact. Comme B E1 est fermée, on a donc que B E1 est compacte. En application de la proposition 1.14, on a donc que E 1 est de dimension finie. Définition Soient V et H deux espaces de Hilbert avec V H. On note respectivement, V et, H leur produit scalaire. On dit que l injection V H est compacte si l application I : V H u u est continue et compacte, autrement dit : il existe C tel que, pour tout u V, on a u H C u V ; 1 Une telle application s appelle un opérateur de Hilbert-Schmidt sur L 2 ().

26 16 CHAPITRE 1. RAPPELS ET COMPLÉMENTS D ANALYSE de toute suite bornée de V (pour la norme V ), on peut extraire une soussuite convergente dans H (pour la norme H ). On énonce maintenant un résultat d analyse fonctionnelle très important. Théorème 1.65 (de Rellich-Kondrachov). Soit ouvert régulier borné de R d. On a les injections compactes : si d > 2, alors H 1 () L q () pour tout q [1, p [, avec 1/p = 1/2 1/d. si d = 2, alors H 1 () L q () pour tout q [1, + [. si d = 1, alors H 1 () C (). On en déduit en particulier le résultat suivant. Corollaire Soit un ouvert régulier borné de R d. Alors l injection H 1 () L 2 () est compacte. Donc, si est un ouvert régulier borné, alors, de toute suite bornée de H 1 (), on peut extraire une sous-suite convergente dans L 2 (). Démonstration. Si d 2, le résultat découle directement du théorème de Rellich. On se place maintenant en dimension 1, et on suppose, pour simplifier la preuve, que est un intervalle. Soit u n une suite bornée de H 1 (). Alors on peut extraire une sous-suite u ϕ(n) qui converge vers u C () au sens de la norme de C () : lim sup u ϕ(n) (t) u(t) =. n t Par conséquent, la suite de fonctions u ϕ(n) (t) converge presque partout vers u(t) pour t. Par ailleurs, avec le théorème 1.37, on a, pour tout x et y dans, x > y : x u n (x) u n (y) = u n (s)ds y x y u n (s) ds x x ds u n(s) 2 ds y u n H 1 () x y. Soit C tel que u n H 1 () C pour tout n, et soit y. Pour tout x, on a u n (x) u n (y ) C x y et par conséquent, x, n, u n (x) u n (y ) + C x y. Comme est borné et que u ϕ(n) (y ) converge, on voit donc qu il existe une constante M telle que, pour tout x et tout n, on a u ϕ(n) (x) M. On peut donc appliquer le théorème de convergence dominée, ce qui montre que u ϕ(n) converge dans L 2 () vers u. y

27 1.7. PROBLÈME DE L ÉLASTICITÉ LINÉARISÉE 17 Corollaire Soit un ouvert régulier borné de R d. Soit u n une suite bornée de H 1 (). On peut extraire de la suite u n une sous-suite qui converge faiblement vers u dans H 1 () et qui converge fortement vers u dans L 2 (). Démonstration. Grâce aux théorèmes 1.51 et 1.66, on peut extraire de u n une soussuite u ϕ(n) qui converge faiblement vers u dans H 1 () et fortement vers v dans L 2 (). Il reste à montrer que u = v. Soit ψ L 2 () : en applicant le théorème de Lax-Milgram, on montre qu il existe une unique fonction ϕ H 1 () tel que w H 1 (), ϕ w + ϕw = ψw. On a donc ( ) lim ψu ϕ(n) = lim ϕ u ϕ(n) + ϕu ϕ(n) n n = ϕ u + ϕu = ψu. Donc u ϕ(n) converge faiblement dans L 2 () vers u. Comme u converge fortement dans L 2 () vers v, on a u = v. Exercice En utilisant le corollaire ci-dessus, démontrer l inégalité de Poincaré (1.9) par un raisonnement par l absurde. 1.7 Problème de l élasticité linéarisée Dans le cours de première année, on a étudié l équation de Poisson u = f (avec u H 1 () par exemple). Cette équation modélise par exemple le déplacement vertical d une membrane soumise à des forces verticales f(x) et dont les bords sont maintenus fixes (d où la condition aux limites u = sur ). L équation de Poisson intervient aussi dans d autres domaines, comme l électrostatique (u représente alors un potentiel électrostatique), la thermique (u est alors la température locale dans un solide),... Nous nous intéressons dans cette section au problème de l élasticité linéaire, qui est le modèle le plus simple apparaissant en mécanique des solides déformables. Une différence essentielle avec l équation de Poisson est que l inconnue est une fonction à valeur dans R d, et non pas à valeur scalaire comme dans l équation de Poisson. Commençons par décrire plus précisément le modèle de l élasticité linéarisée.

28 18 CHAPITRE 1. RAPPELS ET COMPLÉMENTS D ANALYSE Le modèle En mécanique, l inconnue est le déplacement u(x) R d d un point matériel situé en x dans la configuration de référence. Soit donc un ouvert de R d et u une fonction définie sur et à valeur dans R d. Une quantité importante est le tenseur des déformations, noté e(u) et défini par e(u) = 1 2 ( u + ( u) t ). (1.1) Donc e(u) est une matrice symétrique de taille d d dont les coefficients sont e ij (u) = 1 ( ui + u ) j. (1.11) 2 x j x i On s intéresse à un solide déformable, et on fait l hypothèse que les déplacements u et les déformations e(u) sont petits. Cette hypothèse permet de linéariser les équations générales décrivant un solide élastique. On s intéresse de plus ici aux équations stationnaires, c est-à-dire indépendantes du temps, et qui décrivent l équilibre d un solide (leurs versions instationnaires, qui décrivent au contraire la dynamique du solide, seront étudiées plus loin, au chapitre 5). En plus du tenseur des déformations, la modélisation fait intervenir le tenseur des contraintes σ. Comme e(u), le tenseur σ est une fonction de à valeur dans R d d. Le tenseur des contraintes est relié au tenseur des déformations par la loi constitutive du matériau, qui est ici linéaire. On s intéresse à des matériaux homogènes et isotropes, si bien que cette relation s écrit σ(u) = 2µe(u) + λ(tr e(u)) Id, (1.12) où λ et µ sont les coefficients de Lamé du matériau, qui varient d un matériau à un autre, et où Id est la matrice identité de R d d. La relation (1.12) s appelle loi de Hooke. Pour des raisons thermodynamiques que nous ne détaillons pas ici, les coefficients de Lamé vérifient µ > et 2µ + dλ >, (1.13) où d est la dimension de l espace dans lequel on travaille (en général, d = 3). Le tenseur e(u) étant symétrique, le tenseur σ(u) l est aussi. On définit la divergence d un tenseur symétrique σ comme le vecteur de composante 1 i d, (div σ) i = d j=1 σ ij x j. On montre en mécanique que la relation d équilibre pour un solide déformable soumis à des forces de volume f (fonction de dans R d ) s écrit div σ(u) = f. (1.14)

29 1.7. PROBLÈME DE L ÉLASTICITÉ LINÉARISÉE 19 Nous préciserons le sens mathématique de (1.14) à la section ci-dessous. Compte tenu de la loi de Hooke (1.12), on s intéresse donc à l équation aux dérivées partielles (d inconnue u) div [2µe(u) + λ(tr e(u)) Id] = f. On décrit enfin les conditions aux limites. Très souvent, la frontière du solide peut être divisée en deux parties, = D N avec D N =, telles que sur D, on impose le déplacement. Par exemple, le solide est encastré, et on impose donc u = sur D. sur le reste de la frontière N, on impose des forces de surface. Ces forces peuvent être nulles, ce qui correspond à un bord libre. Mathématiquement, cette condition aux limites s écrit σ n = g, où n est le vecteur normal (sortant) au domaine, et g est la force surfacique imposée. En détaillant par composante, on a donc x N, 1 i d, d σ ij (x)n j (x) = g i (x). j=1 Le cas où N = est plus simple mathématiquement, mais moins réaliste du point de vue physique. Il est en effet rare d imposer le déplacement sur l ensemble de la frontière du solide. On introduit ici quelques notations utiles pour la suite. On rappelle déjà la définition (1.41) : pour une fonction à valeur vectorielle u = (u 1,...,u d ) L 2 () d, où un ouvert de R d, on note u L 2 () = d u i 2 L 2 (). Définition Pour une fonction u à valeur matricielle u = (u ij ) 1 i,j d L 2 () d d, on note u L 2 () = d d u ij 2 L 2 (). On rappelle aussi le produit scalaire pour les matrices d d : i=1 i=1 j=1 Définition 1.7. Soit A R d d et B R d d. On note A B = d d A ij B ij i=1 j=1 le produit scalaire des deux matrices A et B.

Espaces de Sobolev. Résumé du cours de MEDP Maîtrise de mathématiques 2001 2002. medp-sobolev.tex (2001nov24)

Espaces de Sobolev. Résumé du cours de MEDP Maîtrise de mathématiques 2001 2002. medp-sobolev.tex (2001nov24) Espaces de Sobolev Résumé du cours de MEDP Maîtrise de mathématiques 2001 2002 medp-sobolevtex (2001nov24) Sauf mention explicite du contraire, toutes les fonctions considérées seront à valeurs réelles

Plus en détail

Outils d analyse fonctionnelle Cours 5 Théorie spectrale

Outils d analyse fonctionnelle Cours 5 Théorie spectrale Outils d analyse fonctionnelle Cours 5 Théorie spectrale 22 septembre 2015 Généralités Dans tout ce qui suit V désigne un espace de Hilbert réel muni d un produit scalaire x, y. Définition Soit A une application

Plus en détail

Université de Cergy-Pontoise 2008-2009 Calcul Diff S6 M. Topologie

Université de Cergy-Pontoise 2008-2009 Calcul Diff S6 M. Topologie Université de Cergy-Pontoise 2008-2009 Calcul Diff S6 M Topologie 1 Espaces métriques 1.1 Distance Dans toute cette partie E représente un ensemble qui n est pas forcément un espace vectoriel. Définition

Plus en détail

Feuille d exercices n o 1. N(x i ). 4. On rappelle qu un espace normé est séparable s il contient une partie dénombrable dense.

Feuille d exercices n o 1. N(x i ). 4. On rappelle qu un espace normé est séparable s il contient une partie dénombrable dense. 1 Feuille d exercices n o 1 1. Deuxième forme géométrique du théorème de Hahn-Banach Soient A E et B E deux convexes, non vides, disjoints (E est une espace vectoriel normé). On suppose que A est fermé

Plus en détail

Les espaces L p. Chapitre 6. 6.1 Définitions et premières propriétés. 6.1.1 Les espaces L p, avec 1 p < +

Les espaces L p. Chapitre 6. 6.1 Définitions et premières propriétés. 6.1.1 Les espaces L p, avec 1 p < + Chapitre 6 Les espaces L p 6.1 Définitions et premières propriétés 6.1.1 Les espaces L p, avec 1 p < + Soient (E, T,m) un espace mesuré, 1 p < + et f M = M(E, T) (c est-à-dire f : E R, mesurable). On remarque

Plus en détail

Intégrale de Lebesgue

Intégrale de Lebesgue Intégrale de Lebesgue ÉCOLE POLYTECHNIQUE Cours 4 : intégrale de Lebesgue Bertrand Rémy 1 / 50 1. Motivations et points de vue ÉCOLE POLYTECHNIQUE Cours 4 : intégrale de Lebesgue Bertrand Rémy 2 / 50 Deux

Plus en détail

Topologie des espaces vectoriels normés

Topologie des espaces vectoriels normés Topologie des espaces vectoriels normés Cédric Milliet Version préliminaire Cours de troisième année de licence Université Galatasaray Année 2011-2012 2 Chapitre 1 R-Espaces vectoriels normés 1.1 Vocabulaire

Plus en détail

ÉTUDE MATHÉMATIQUE DES PROBLÈMES ELLIPTIQUES

ÉTUDE MATHÉMATIQUE DES PROBLÈMES ELLIPTIQUES Chapitre 5 ÉTUDE MATHÉMATIQUE DES PROBLÈMES ELLIPTIQUES Exercice 5.2.1 A l aide de l approche variationnelle démontrer l existence et l unicité de la solution de { u + u = f dans (5.1) u = 0 sur où est

Plus en détail

[http://mp.cpgedupuydelome.fr] édité le 29 décembre 2015 Enoncés 1. b) Soit (u n ) n N une suite d éléments de [0 ; 1]. Montrer

[http://mp.cpgedupuydelome.fr] édité le 29 décembre 2015 Enoncés 1. b) Soit (u n ) n N une suite d éléments de [0 ; 1]. Montrer [http://mp.cpgedupuydelome.fr] édité le 9 décembre 05 Enoncés Familles sommables Ensemble dénombrable a) Calculer n+ Exercice [ 03897 ] [Correction] Soit f : R R croissante. Montrer que l ensemble des

Plus en détail

Espaces vectoriels normés

Espaces vectoriels normés Espaces vectoriels normés Essaidi Ali 19 octobre 2010 K = R ou C. E un K-espace vectoriel. 1 Normes et distances : 1.1 Normes et distances : Définition : On appelle semi-norme sur E toute application N

Plus en détail

1 Topologies, distances, normes

1 Topologies, distances, normes Université Claude Bernard Lyon 1. Licence de mathématiques L3. Topologie Générale 29/1 1 1 Topologies, distances, normes 1.1 Topologie, distances, intérieur et adhérence Exercice 1. Montrer que dans un

Plus en détail

Les espaces vectoriels

Les espaces vectoriels Agrégation interne UFR MATHÉMATIQUES 1. Généralités Les espaces vectoriels Dans tout le chapitre, K représente un corps commutatif. 1.1. Notion d espace vectoriel On considère un ensemble E sur lequel

Plus en détail

en dimension finie Table des matières

en dimension finie Table des matières Maths PCSI Cours Algèbre linéaire en dimension finie Table des matières 1 Rappels d algèbre linéaire 2 1.1 Applications linéaires......................................... 2 1.2 Familles libres, génératrices

Plus en détail

IV. Espaces L p. + tx 1. (1 t)x 0

IV. Espaces L p. + tx 1. (1 t)x 0 cours 13, le lundi 7 mars 2011 IV. spaces L p IV.1. Convexité Quand deux points x 0, x 1 R sont donnés, on peut parcourir le segment [x 0, x 1 ] qui les joint en posant pour tout t [0, 1] x t = (1 t)x

Plus en détail

Intégration de polynômes Points de Gauss

Intégration de polynômes Points de Gauss Intégration de polynômes Points de Gauss Commençons par un exercice classique de premier cycle. Problème 1 Trouver trois réels α, β et γ tels que, pour tout polynôme P de degré au plus 2, on ait : ( )

Plus en détail

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. Solution des exercices d algèbre linéaire

UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2013 2014 MATHS/STATS. Solution des exercices d algèbre linéaire UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 3 4 Master d économie Cours de M. Desgraupes MATHS/STATS Document : Solution des exercices d algèbre linéaire Table des matières

Plus en détail

Le théorème du point xe. Applications

Le théorème du point xe. Applications 49 Le théorème du point xe. Applications 1 Comme dans le titre de cette leçon, le mot théorème est au singulier, on va s'occuper du théorème du point xe de Picard qui a de nombreuses applications. Le cas

Plus en détail

LICENCE DE MATHÉMATIQUES FONDAMENTALES. D. Azé

LICENCE DE MATHÉMATIQUES FONDAMENTALES. D. Azé LICENCE DE MATHÉMATIQUES FONDAMENTALES Calcul Différentiel et Équations Différentielles D. Azé Université Paul Sabatier Toulouse 2008 Table des matières 1 Généralités sur les espaces normés 3 1.1 Espaces

Plus en détail

Unicité et minimalité des solutions d une équation de Ginzburg-Landau.

Unicité et minimalité des solutions d une équation de Ginzburg-Landau. Unicité et minimalité des solutions d une équation de Ginzburg-Landau. Gilles arbou.m.l.a Ecole Normale Supérieure de achan 61, avenue du Président Wilson 9435 achan edex Résumé. - On étudie les solutions

Plus en détail

Mathématiques pour la Mécanique

Mathématiques pour la Mécanique Daniel Choï 1 LMNO Groupe Mécanique Modélisation Mathématique et Numérique Université de Caen, Bld Maréchal Juin, 14032 Caen Cedex, France Version Novembre 2008 1 choi@meca.unicaen.fr Avertissement Ce

Plus en détail

TD7. ENS Cachan M1 Hadamard 2015-2016. Exercice 1 Sous-espaces fermés de C ([0,1]) formé de fonctions régulières.

TD7. ENS Cachan M1 Hadamard 2015-2016. Exercice 1 Sous-espaces fermés de C ([0,1]) formé de fonctions régulières. Analyse fonctionnelle A. Leclaire ENS Cachan M Hadamard 25-26 TD7 Exercice Sous-espaces fermés de C ([,] formé de fonctions régulières. Soit F un sous-espace vectoriel fermé de C ([,] muni de la convergence

Plus en détail

Théorie spectrale. Stéphane Maingot & David Manceau

Théorie spectrale. Stéphane Maingot & David Manceau Théorie spectrale Stéphane Maingot & David Manceau 2 Théorie spectrale 3 Table des matières Introduction 5 1 Spectre d un opérateur 7 1.1 Inversibilité d un opérateur........................... 7 1.2 Définitions

Plus en détail

Le fer à cheval de Smale

Le fer à cheval de Smale Le fer à cheval de Smale Selim GHAZOUANI, ENS Lyon Novembre 2010, Groupe de lecture dirigé par Alexey GLUSTYUK sur les systèmes dynamiques Le fer à cheval de Smale est un exemple de transformation continue

Plus en détail

et Transversalité par Pierre Vogel

et Transversalité par Pierre Vogel Université Paris 7 Denis Diderot Institut de Mathématiques de Jussieu Géométrie des Variétés et Transversalité par Pierre Vogel Introduction Ce cours est destiné à l étude des variétés différentiables

Plus en détail

LICENCE DE MATHÉMATIQUES PURES

LICENCE DE MATHÉMATIQUES PURES LICENCE DE MATHÉMATIQUES PURES Topologie Générale Philippe Charpentier Université Bordeaux I Année universitaire 2000-01 PHILIPPE CHARPENTIER UNIVERSITÉ BORDEAUX I LABORATOIRE DE MATHÉMATIQUES PURES 351,

Plus en détail

Espaces métriques complets. Espaces de Banach

Espaces métriques complets. Espaces de Banach Chapitre 5 Espaces métriques complets. Espaces de Banach La droite réelle est complète, car toute suite numérique de Cauchy converge. Cette propriété n est plus vraie pour le corps des nombres rationneles,

Plus en détail

Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint

Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint Chapitre 5: Opérateurs dans les espaces de Hilbert. Notions d opérateur adjoint 18 mars 2008 1 Généralités sur les opérateurs 1.1 Définitions Soient H et H deux espaces de Hilbert sur C. Définition 1.1

Plus en détail

À propos des limites inductives filtrantes et du théorème de Lazard sur les modules plats

À propos des limites inductives filtrantes et du théorème de Lazard sur les modules plats 1 À propos des limites inductives filtrantes et du théorème de Lazard sur les modules plats Cette note est écrite comme une section 7 du chapitre VIII du livre Algèbre Commutative. Méthodes Constructives.

Plus en détail

TOPOLOGIE DE LA DROITE REELLE

TOPOLOGIE DE LA DROITE REELLE TOPOLOGIE DE LA DROITE REELLE P. Pansu 16 mai 2005 1 Qu est-ce que la topologie? C est l étude des propriétés des objets qui sont conservées par déformation continue. Belle phrase, mais qui nécessite d

Plus en détail

Exercice 1. [Échauffement sur quelques inclusions] 2. Soient p, q [1, ]. Quelle inclusion y a-t-il entre L p et L q? Cette inclusion est-elle

Exercice 1. [Échauffement sur quelques inclusions] 2. Soient p, q [1, ]. Quelle inclusion y a-t-il entre L p et L q? Cette inclusion est-elle ENS de Lyon TD 1 21/09/2015 M1 - Analyse Avancée Exercice 1. [Échauffement sur quelques inclusions] 1. Soient p, q [1, ]. Quelle inclusion y a-t-il entre l p et l q? Cette inclusion est-elle continue?

Plus en détail

1 Espaces vectoriels normés

1 Espaces vectoriels normés Université Paris 7 Denis Diderot Année 2005/2006 Licence 2 MIAS MI4 1 Espaces vectoriels normés 1.1 Définitions Soit E un espace vectoriel sur R. Topologie des espaces vectoriels de dimension finie Définition

Plus en détail

Cours d Analyse Réelle 4M003

Cours d Analyse Réelle 4M003 Cours d Analyse Réelle 4M003 Jean SAINT RAYMOND Université Pierre et Marie Curie Avant-propos Ce texte a été rédigé pour servir de support écrit à un cours de Master 1 de l Université Pierre-et-Marie Curie.

Plus en détail

Rappels d Algèbre Linéaire de P.C.S.I

Rappels d Algèbre Linéaire de P.C.S.I Rappels d Algèbre Linéaire de PCSI Table des matières 1 Structure d espace vectoriel sur IK 3 11 Définition et règles de calcul 3 12 Exemples de référence 3 13 Espace vectoriel produit 4 14 Sous-espaces

Plus en détail

Exercice 3.1.1 Si f est une fonction continue sur [0, 1], montrer que l équation différentielle

Exercice 3.1.1 Si f est une fonction continue sur [0, 1], montrer que l équation différentielle Chapitre 3 FORMULATION VARIATIONNELLE DES PROBLÈMES ELLIPTIQUES Exercice 3.. Si f est une fonction continue sur [, ], montrer que l équation différentielle { d 2 u = f pour < x < dx 2 (3.) u() = u() =.

Plus en détail

Série n 5 : Optimisation non linéaire

Série n 5 : Optimisation non linéaire Université Claude Bernard, Lyon I Licence Sciences & Technologies 43, boulevard 11 novembre 1918 Spécialité Mathématiques 69622 Villeurbanne cedex, France Option: M2AO 2007-2008 Série n 5 : Optimisation

Plus en détail

1.1.1 Cas le plus général d espace topologique

1.1.1 Cas le plus général d espace topologique Chapitre 1 Topologie 1.1 Espaces topologiques 1.1.1 Cas le plus général d espace topologique Définition 1 (Topologie) Une topologie T sur l ensemble X est une partie T P (X) vérifiant : L ensemble vide

Plus en détail

1 Séancs du 14/21.11.08

1 Séancs du 14/21.11.08 1 1 Séancs du 14/21.11.08 1.1 Le rayon spectral Le spectre d un opérateur (ici, élément d une algèbre stellaire) est un compact non vide. La compacité est immédiate, car, pour z > u, u zi peut être inversé

Plus en détail

Algèbre linéaire 3 : produits scalaires, espaces euclidiens, formes quadratiques.

Algèbre linéaire 3 : produits scalaires, espaces euclidiens, formes quadratiques. Université Paris-Dauphine DU MI2E, 2ème année Algèbre linéaire 3 : produits scalaires, espaces euclidiens, formes quadratiques. Cours 2010/2011 Olivier Glass Le polycopié qui suit peut avoir des différences

Plus en détail

PC* Espaces préhilbertiens réels

PC* Espaces préhilbertiens réels I. Espace préhilbertien réel................................... 3 I.1 Produit scalaire dans un espace vectoriel réel................... 3 I.2 Inégalités de Cauchy-Schwarz et de Minkowski..................

Plus en détail

Agrégation de Mathématiques Exercices d algèbre linéaire

Agrégation de Mathématiques Exercices d algèbre linéaire Agrégation de Mathématiques Exercices d algèbre linéaire P. HUBERT La plupart des exercices ci-dessous se trouvent dans les livres suivants : - E. Leichtnam, X. Schaeur, Exercices corrigés de mathématiques

Plus en détail

Les théorèmes de Gerschgorin et de Hadamard

Les théorèmes de Gerschgorin et de Hadamard Localisation des valeurs propres : Quelques propriétés sur les disques de Gerschgorin. Jean-Baptiste Campesato 22 septembre 29 Gerschgorin est parfois retranscrit en Gershgorin, Geršgorin, Hershhornou

Plus en détail

CHAPITRE 2 SUITES RÉELLES ET COMPLEXES

CHAPITRE 2 SUITES RÉELLES ET COMPLEXES CHAPITRE SUITES RÉELLES ET COMPLEXES Les suites sont un objet fondamental à la fois en mathématiques et dans l application des mathématiques aux autres sciences. Nous verrons dans ce cours et les travaux

Plus en détail

Le Déterminant. par Alain Prouté Université Denis Diderot Paris 7. 1 Permutations. 1. 2 Application transposée, base duale. 3. 3 Mesures de volume.

Le Déterminant. par Alain Prouté Université Denis Diderot Paris 7. 1 Permutations. 1. 2 Application transposée, base duale. 3. 3 Mesures de volume. Ce cours peut être librement copié et distribué. Il est recommandé d en télécharger la version la plus récente à partir de : http://www.math.jussieu.fr/~alp. Toute remarque, correction ou suggestion doit

Plus en détail

Cours d analyse 1ère année. Rhodes Rémi

Cours d analyse 1ère année. Rhodes Rémi Cours d analyse 1ère année Rhodes Rémi 10 décembre 2008 2 Table des matières 1 Propriétés des nombres réels 5 1.1 Sous-ensembles remarquables de R........................ 5 1.2 Relations d ordre..................................

Plus en détail

TOPOLOGIE. une partie X d'un métrique est dite bornée ssi il existe une boule contenant X ; définition : diamètre : diam(x)=min{ r R

TOPOLOGIE. une partie X d'un métrique est dite bornée ssi il existe une boule contenant X ; définition : diamètre : diam(x)=min{ r R TOPOLOGIE 1) DISTANCE, ESPACES MÉTRIQUES a : distances : d'après le cours de M. Nicolas Tosel professeur en MP* au Lycée du Parc, Lyon Année 2004 2005 une distance est une application d de E dans R + telle

Plus en détail

2010/2011. Espaces vectoriels

2010/2011. Espaces vectoriels Université Paris-Est Marne-la-Vallée 010/011 M1 enseignement CD/Préparation au CAPES Espaces vectoriels Dans toute la suite on considèrera des espaces vectoriels sur un corps commutatif K de caractéristique

Plus en détail

Université Paris IX Dauphine UFR Mathématiques de la décision Notes de cours ALGEBRE 2. Guillaume CARLIER

Université Paris IX Dauphine UFR Mathématiques de la décision Notes de cours ALGEBRE 2. Guillaume CARLIER Université Paris IX Dauphine UFR Mathématiques de la décision Notes de cours ALGEBRE 2 Guillaume CARLIER L1, année 2006-2007 2 Ce support de cours est basé sur le poly de Tristan Tomala des années précédentes.

Plus en détail

ÉLÉMENTS D OPTIMISATION. Complément au cours et au livre de MTH 1101 - CALCUL I

ÉLÉMENTS D OPTIMISATION. Complément au cours et au livre de MTH 1101 - CALCUL I ÉLÉMENTS D OPTIMISATION Complément au cours et au livre de MTH 1101 - CALCUL I CHARLES AUDET DÉPARTEMENT DE MATHÉMATIQUES ET DE GÉNIE INDUSTRIEL ÉCOLE POLYTECHNIQUE DE MONTRÉAL Hiver 2011 1 Introduction

Plus en détail

Définition d une norme

Définition d une norme Définition d une norme Définition E est un K-ev. L application N : E R + est une norme sur E ssi 1. x E, N(x) = 0 x = 0. 2. k K, x E, N(k.x) = k N(x). 3. x, y E, N(x + y) N(x) + N(y) Notation N,. Propriété

Plus en détail

3 Equations de Laplace et de Poisson

3 Equations de Laplace et de Poisson 3 Equations de Laplace et de Poisson 3. Formule d intégration par parties Soit un domaine borné à bord régulier de classe C. On note ν = ν(x) le vecteur normal extérieur au point x. Pour toutes fonctions

Plus en détail

208. Espaces vectoriels normés. Applications linéaires continues. Exemples.

208. Espaces vectoriels normés. Applications linéaires continues. Exemples. 208. Espaces vectoriels normés. Applications linéaires continues. Exemples. Pierre Lissy May 29, 2010 Dans totue la suite, E désigne un espace vectoriel sur R ou C. 1 Norme. Espace vectoriel normé 1.1

Plus en détail

Rapport de Recherche. 1 Estimation fonctionnelle en temps continu. 1.1 Vitesses de convergence pour l estimateur à noyau. (D. Blanke - Mars 2008)

Rapport de Recherche. 1 Estimation fonctionnelle en temps continu. 1.1 Vitesses de convergence pour l estimateur à noyau. (D. Blanke - Mars 2008) Rapport de Recherche (D. Blanke - Mars 2008) L essentiel de mes activités de recherche porte sur l estimation fonctionnelle ou paramétrique pour des processus. L ensemble de ces travaux peut se diviser

Plus en détail

Pour un socle de la licence de MATHEMATIQUES

Pour un socle de la licence de MATHEMATIQUES Pour un socle de la licence de MATHEMATIQUES Société Mathématique de France Société de Mathématiques Appliquées et Industrielles Société Française de Statistique Contexte général Afin d éviter de trop

Plus en détail

ALGÈBRE BILINÉAIRE 1

ALGÈBRE BILINÉAIRE 1 3-8- 213 J.F.C. Eve p. 1 ALGÈBRE BILINÉAIRE 1 P mentionne des résultats particulièrement utiles et souvent oubliés dans la pratique de l algèbre bilinéaire... mentionne des erreurs à ne pas faire où des

Plus en détail

Systèmes dynamiques. Chapitre 1

Systèmes dynamiques. Chapitre 1 Chapitre 1 Systèmes dynamiques 1) Placement financier On dépose une quantité d argent u 0 à la banque à l instant t 0 = 0 et on place cet argent à un taux r > 0. On sait qu en vertu de la loi des intérêts

Plus en détail

11. Espaces vectoriels, homomorphismes, bases

11. Espaces vectoriels, homomorphismes, bases 11. Espaces vectoriels, homomorphismes, bases 11.1. Espaces vectoriels, algèbres 11.1.1. Structure d espace vectoriel et d algèbre 11.1.2. Combinaisons linéaires 11.1.3. Espaces vectoriels et algèbres

Plus en détail

Master de Mathématiques M1 Analyse fonctionnelle Examen du 16 juin 2011 1 - durée : 3h

Master de Mathématiques M1 Analyse fonctionnelle Examen du 16 juin 2011 1 - durée : 3h Master de Mathématiques M1 Analyse fonctionnelle Examen du 16 juin 2011 1 - durée : 3h - Le seul document autorisé est un résumé manuscrit du cours de trois pages maximum. - Les téléphones portables et

Plus en détail

Quelques Remarques sur les Opérateurs et les q-algèbres de Banach

Quelques Remarques sur les Opérateurs et les q-algèbres de Banach E extracta mathematicae Vol. 19, Núm. 2, 233 241 (2004) Quelques Remarques sur les Opérateurs et les q-algèbres de Banach R. El Harti Département de Mathématiques, Faculté des Sciences et Techniques Université

Plus en détail

208 - Espaces vectoriels normés, applications linéaires continues. Exemples

208 - Espaces vectoriels normés, applications linéaires continues. Exemples 208 - Espaces vectoriels normés, applications linéaires continues. Exemples On se xe un corps K = R ou C. Tous les espaces vectoriels considérés auront K comme corps de base. 1 Généralités Remarque. Tout

Plus en détail

Arithmétique Algorithmique. http://www.math.univ-lyon1.fr/~roblot/ens.html

Arithmétique Algorithmique. http://www.math.univ-lyon1.fr/~roblot/ens.html Arithmétique Algorithmique http://www.math.univ-lyon1.fr/~roblot/ens.html Partie III Algorithmes classiques 1 Coût de la multiplication et de la division 2 Exponentiation rapide 3 Algorithme d Euclide

Plus en détail

Plan du cours. Espaces métriques. Espaces vectoriels normés

Plan du cours. Espaces métriques. Espaces vectoriels normés L3 Maths, 1 er semestre 20112012 Espaces métriques Plan du cours On suppose connues les propriétés élémentaires des nombres réels et des espaces vectoriels et, uniquement pour les exemples, quelques propriétés

Plus en détail

Recueil d annales en Mathématiques. Terminale S Enseignement obligatoire. Intégrales

Recueil d annales en Mathématiques. Terminale S Enseignement obligatoire. Intégrales Recueil d annales en Mathématiques Terminale S Enseignement obligatoire Frédéric Demoulin Dernière révision : 3 juin 2 Document diffusé via le site www.bacamaths.net de Gilles Costantini 2. frederic.demoulin

Plus en détail

Approximations variationnelles des EDP Notes du Cours de M2

Approximations variationnelles des EDP Notes du Cours de M2 Approximations variationnelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation

Plus en détail

Cours d Analyse Semestre 1. Stéphane Attal

Cours d Analyse Semestre 1. Stéphane Attal Cours d Analyse Semestre 1 Stéphane Attal 2 Contents 1 Les nombres réels 5 1.1 Les ensembles usuels de nombres................ 5 1.2 Ensembles ordonnés........................ 6 1.3 Le corps des nombres

Plus en détail

Seconde Partie. Cours de Mathématiques. Semestre

Seconde Partie. Cours de Mathématiques. Semestre Année 2009-2010 ntégration et Probabilités Seconde Partie Cours de Mathématiques Takéo Takahashi Première Année FICM Semestre Table des matières 5 Indépendance et Convolution 3 5.1 Indépendance..............................................

Plus en détail

Boîte à outils mathématiques de base pour l infographie et l animation par ordinateur. Yves Chiricota, professeur DIM, UQAC Cours 8TRD147

Boîte à outils mathématiques de base pour l infographie et l animation par ordinateur. Yves Chiricota, professeur DIM, UQAC Cours 8TRD147 Boîte à outils mathématiques de base pour l infographie et l animation par ordinateur Yves Chiricota, professeur DIM, UQAC Cours 8TRD147 14 Janvier 2015 2 Il est impossible d envisager l étude des méthodes

Plus en détail

2 Ensembles convexes. 2.1 Définition et premières propriétés

2 Ensembles convexes. 2.1 Définition et premières propriétés 2 Ensembles convexes Les chapitres 2 et 3 présentent les éléments d analyse convexe qui nous seront utiles pour étudier les problèmes d optimisation et les algorithmes qui les résolvent. Le chapitre 2

Plus en détail

Cours de Mathématiques II Chapitre 1. Algèbre linéaire

Cours de Mathématiques II Chapitre 1. Algèbre linéaire Université de Paris X Nanterre UFR Segmi Année 7-8 Licence Economie-Gestion première année Cours de Mathématiques II Chapitre Algèbre linéaire Table des matières Espaces vectoriels Espaces et sous-espaces

Plus en détail

MEÉF 1 - Mathématiques DS2-5 octobre 2015 Analyse - Géométrie

MEÉF 1 - Mathématiques DS2-5 octobre 2015 Analyse - Géométrie MEÉF - Mathématiques DS2-5 octobre 25 Analyse - Géométrie Eercice Soit E un K-espace vectoriel (K étant le corps R ou C). Deu normes N et N 2 sur E sont dites équivalentes s il eiste deu constantes réelles

Plus en détail

Théorème de Rolle et égalité des accroissements finis. Applications

Théorème de Rolle et égalité des accroissements finis. Applications 0 Théorème de Rolle et égalité des accroissements finis. Applications 0. Le théorème de Rolle sur un espace vectoriel normé Pour ce paragraphe, on se donne un espace vectoriel normé (E, ). Le théorème

Plus en détail

Suites et Convergence

Suites et Convergence Suites et Convergence Une suite c est se donner une valeur (sans ambigüité) pour chaque N sauf peutêtre les premiers n. Donc une suite est une fonction : I R où I = N: = N. Notation : On note ( ) I R pour

Plus en détail

Rappels (1) Objectif et plan. Rappels (2) On considère le problème modèle, supposé bien posé, Chercher uh V h tel que (1) a(u, v) = b(v)

Rappels (1) Objectif et plan. Rappels (2) On considère le problème modèle, supposé bien posé, Chercher uh V h tel que (1) a(u, v) = b(v) Rappels (1) On considère le problème modèle, supposé bien posé, { Chercher u V tel que a(u, v) = b(v) v V (1) Éléments finis en 2D Alexandre Ern ern@cermics.enpc.fr http://cermics.enpc.fr/cours/cs (V Hilbert,

Plus en détail

Agrégation externe de mathématiques, texte d exercice diffusé en 2012 Épreuve de modélisation, option informatique

Agrégation externe de mathématiques, texte d exercice diffusé en 2012 Épreuve de modélisation, option informatique Agrégation externe de mathématiques, texte d exercice diffusé en 2012 Épreuve de modélisation, option informatique Résumé : A partir du problème de la représentation des droites sur un écran d ordinateur,

Plus en détail

Analyse Fonctionnelle. Vincent GUEDJ

Analyse Fonctionnelle. Vincent GUEDJ Analyse Fonctionnelle Vincent GUEDJ Résumé Ce texte rassemble des notes de cours et des exercices portant sur la première moitié du module Analyse fonctionnelle qui intervient au premier semestre du Master

Plus en détail

Réduction des endomorphismes et des matrices carrées

Réduction des endomorphismes et des matrices carrées 48 Chapitre 4 Réduction des endomorphismes et des matrices carrées La motivation de ce chapitre est la suivante. Étant donné un endomorphisme f d un espace E de dimension finie, déterminé par sa matrice

Plus en détail

Construction de la mesure de Lebesgue. 1 Mesure positive engendrée par une mesure extérieure.

Construction de la mesure de Lebesgue. 1 Mesure positive engendrée par une mesure extérieure. Université d Artois Faculté des Sciences Jean Perrin Analyse Fonctionnelle (Licence 3 Mathématiques-Informatique Daniel Li Construction de la mesure de Lebesgue 28 janvier 2008 Dans ce chapitre, nous allons

Plus en détail

Analyse II. Cours de deuxième année. donné à l Ecole normale supérieure de Lyon. année universitaire 2003-2004

Analyse II. Cours de deuxième année. donné à l Ecole normale supérieure de Lyon. année universitaire 2003-2004 Analyse II Cours de deuxième année donné à l Ecole normale supérieure de Lyon année universitaire 2003-2004 Cédric Villani Unité de Mathématiques Pures et Appliquées Ecole normale supérieure de Lyon 46

Plus en détail

Cours de mathématiques

Cours de mathématiques Cours de mathématiques Ó Ø Ó Ö ¾¼½ PSI Aurélien Monteillet ii Ce document contient les notes d un cours de mathématiques pour la classe de PSI. Les démonstrations non exigibles ou hors programme sont explicitement

Plus en détail

Statistiques - Notes de cours - M1. Elisabeth Gassiat

Statistiques - Notes de cours - M1. Elisabeth Gassiat Statistiques - Notes de cours - M1 Elisabeth Gassiat Table des matières 1 Introduction 5 1.1 Estimation et régions de confiance...................... 5 1.2 Tests.......................................

Plus en détail

Programme de Mathématique Préparation Maths-Physique. Analyse et Géométrie Différentielle. Première Année

Programme de Mathématique Préparation Maths-Physique. Analyse et Géométrie Différentielle. Première Année Programme de Mathématique Préparation Maths-Physique Analyse et Géométrie Différentielle Première Année I NOMBRES REELS ET COMPLEXES, SUITES ET FONCTIONS 1 Nombres réels et complexes 2 Suites de nombres

Plus en détail

Espaces affines. 2 Applications affines 7. 2.2 Projections et symétries affines ; affinités... 8 2.3 Alignement et parallélisme...

Espaces affines. 2 Applications affines 7. 2.2 Projections et symétries affines ; affinités... 8 2.3 Alignement et parallélisme... Maths PCSI Cours Espaces affines Table des matières 1 Espaces et sous-espaces affines 2 1.1 Espaces affines et translations.................................... 2 1.2 Exemples d espaces affines......................................

Plus en détail

Généralités sur les fonctions numériques

Généralités sur les fonctions numériques 7 Généralités sur les fonctions numériques Une fonction numérique est, de manière générale, une fonction d une variable réelle et à valeurs réelles. 7.1 Notions de base sur les fonctions Si I, J sont deux

Plus en détail

COURS DE LICENCE 2 SCIENCES ECONOMIQUES COURS D ANNIE CLARET

COURS DE LICENCE 2 SCIENCES ECONOMIQUES COURS D ANNIE CLARET COURS DE LICENCE 2 SCIENCES ECONOMIQUES COURS D ANNIE CLARET MATHEMATIQUES 3 PRISE DE NOTE PAR : PLASMAN SYLVAIN SERIE 7 ANNEE 2010-2011 1 Sommaire et accès aux chapitres/sous-chapitres Cliquez sur le

Plus en détail

COURS OPTIMISATION. Cours en Master M1 SITN. Ionel Sorin CIUPERCA

COURS OPTIMISATION. Cours en Master M1 SITN. Ionel Sorin CIUPERCA COURS OPTIMISATION Cours en Master M1 SITN Ionel Sorin CIUPERCA 1 Table des matières 1 Introduction 4 2 Quelques rappels de calcul différentiel, analyse convexe et extremum 5 2.1 Rappel calcul différentiel............................

Plus en détail

TRAVAUX DIRIGÉS DE l UE MNBif. Informatique 3A MÉTHODES NUMÉRIQUES DE BASE. 2015-2016, Automne. N. Débit & J. Bastien

TRAVAUX DIRIGÉS DE l UE MNBif. Informatique 3A MÉTHODES NUMÉRIQUES DE BASE. 2015-2016, Automne. N. Débit & J. Bastien TRAVAUX DIRIGÉS DE l UE MNBif Informatique 3A MÉTHODES NUMÉRIQUES DE BASE 2015-2016, Automne N. Débit & J. Bastien Document compilé le 13 novembre 2015 Liste des Travaux Dirigés Avant-propos iii Travaux

Plus en détail

Espaces vectoriels normés MP

Espaces vectoriels normés MP Espaces vectoriels normés MP 27 décembre 2012 Faites des dessins Table des matières 1 Espaces vectoriels normés 3 1.1 Normes, espaces normés................................. 3 1.2 Normes dans les espaces

Plus en détail

Chapitre IV Bases et dimension d un espace vectoriel

Chapitre IV Bases et dimension d un espace vectoriel Chapitre IV Bases et dimension d un espace vectoriel Objectif : Nous allons voir comment fabriquer des systèmes de coordonnées pour les vecteurs d un espace vectoriel général. Dans ce chapitre désigne

Plus en détail

2 Opérateurs non bornés dans un espace de Hilbert

2 Opérateurs non bornés dans un espace de Hilbert 2 Opérateurs non bornés dans un espace de Hilbert 2. Opérateurs non bornés: définitions et propriétés élémentaires Soit H un espace de Hilbert et A un opérateur dans H, c est-à-dire, une application linéaire

Plus en détail

Autour de Perron, Frobenius et Markov

Autour de Perron, Frobenius et Markov Université Claude Bernard Lyon 1-2007/2008 Préparation Capes - Algèbre et Géométrie - Devoir à rendre le 12 février 2008 - Autour de Perron Frobenius et Markov Rappels et notations On note M mn (K) le

Plus en détail

1.1.1 Composantes contravariantes, covariantes d un vecteur

1.1.1 Composantes contravariantes, covariantes d un vecteur Chapitre 1 Prérequis Ce chapitre regroupe les définitions et les résultats sur les tenseurs qui sont utilisés dans la théorie des coques et des membranes. Il comprend deux parties : 1. L algèbre tensorielle,

Plus en détail

Espaces Vectoriels Normés et Topologie

Espaces Vectoriels Normés et Topologie Cycle Préparatoire Polytechnique ème année Espaces Vectoriels Normés et Topologie Polycopié de cours Rédigé par Yannick Privat Bureau 31 - Institut Élie Cartan Nancy (Mathématiques) - Université Henri

Plus en détail

Le problème des multiplications matricielles enchaînées peut être énoncé comme suit : étant

Le problème des multiplications matricielles enchaînées peut être énoncé comme suit : étant Licence informatique - L Année 0/0 Conception d algorithmes et applications (LI) COURS Résumé. Dans cette cinquième séance, nous continuons l exploration des algorithmes de type Programmation Dynamique.

Plus en détail

Laurent Garcin MPSI Lycée Jean-Baptiste Corot

Laurent Garcin MPSI Lycée Jean-Baptiste Corot ESPACES VECTORIELS 1 Définition et exemples fondamentaux 1.1 Définition Définition 1.1 Espace vectoriel Soient K un corps et E un ensemble muni d une loi interne + et d une loi externe. i.e. d une application

Plus en détail

CONVEXITÉ ET APPLICATIONS. Rozenn Texier-Picard picard@bretagne.ens-cachan.fr. ENS Cachan Bretagne / Université Rennes 1

CONVEXITÉ ET APPLICATIONS. Rozenn Texier-Picard picard@bretagne.ens-cachan.fr. ENS Cachan Bretagne / Université Rennes 1 CONVEXITÉ ET APPLICATIONS cours rédigé par Rozenn Texier-Picard picard@bretagne.ens-cachan.fr Préparation à l Agrégation ENS Cachan Bretagne / Université Rennes 1 1 2 INTRODUCTION Bien que la notion de

Plus en détail

FONCTIONS CONVEXES. Chapitre 3. 3.1 Notations et définitions préliminaires

FONCTIONS CONVEXES. Chapitre 3. 3.1 Notations et définitions préliminaires Chapitre 3 FONCTIONS CONVEXES 3.1 Notations et définitions préliminaires L étude des fonctions convexes montrera que celles ci sont continues sur tout l intérieur de leur domaine de définition et qu elles

Plus en détail

Exo7. Espaces vectoriels. 1 Définition, sous-espaces. Fiche amendée par David Chataur et Arnaud Bodin.

Exo7. Espaces vectoriels. 1 Définition, sous-espaces. Fiche amendée par David Chataur et Arnaud Bodin. Exo7 Espaces vectoriels Fiche amendée par David Chataur et Arnaud Bodin. Définition, sous-espaces Exercice Montrer que les ensembles ci-dessous sont des espaces vectoriels (sur R) : E = { f : [,] R } :

Plus en détail

PROBABILITÉ ET CONVEXITÉ : APPLICATIONS À LA GÉOMÉTRIE ALGÉBRIQUE (GROUPE DE LECTURE À L ENS LYON 2015) Huayi Chen

PROBABILITÉ ET CONVEXITÉ : APPLICATIONS À LA GÉOMÉTRIE ALGÉBRIQUE (GROUPE DE LECTURE À L ENS LYON 2015) Huayi Chen PROBABILITÉ ET CONVEXITÉ : APPLICATIONS À LA GÉOMÉTRIE ALGÉBRIQUE (GROUPE DE LECTURE À L ENS LYON 2015) Huayi Chen Le but de ce groupe de lecture est de comprendre les méthodes probabilistes dans l étude

Plus en détail

Résumé de Math Sup et compléments : algèbre linéaire

Résumé de Math Sup et compléments : algèbre linéaire Résumé de Ma Sup et compléments : algèbre linéaire I - Espaces vectoriels - Sous espaces vectoriels 1) Structure de K-espace vectoriel Soient K un sous-corps de C et E un ensemble non vide muni d une l.d.c.i.

Plus en détail

CODES CORRECTEURS D'ERREURS

CODES CORRECTEURS D'ERREURS CODES CORRECTEURS D'ERREURS Marc URO TABLE DES MATIÈRES DÉTECTION ET CORRECTION D'ERREURS... 6 CAS D'UN CANAL SANS SYMBOLE D'EFFACEMENT...6 CAS D'UN CANAL AVEC SYMBOLE D'EFFACEMENT...7 GÉNÉRATION ET DÉTECTION

Plus en détail

Cours Statistiques L2 Université Nice Sophia-Antipolis. François Delarue

Cours Statistiques L2 Université Nice Sophia-Antipolis. François Delarue Cours Statistiques L2 Université Nice Sophia-Antipolis François Delarue Table des matières Chapitre 1. Rappels de Probabilités 5 1. Espaces de probabilité et Variables aléatoires 5 2. Espérances et variances

Plus en détail