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.

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

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

Approximations variationelles des EDP Notes du Cours de M2

Approximations variationelles des EDP Notes du Cours de M2 Approximations variationelles 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

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

Introduction à la Topologie

Introduction à la Topologie Introduction à la Topologie Licence de Mathématiques Université de Rennes 1 Francis Nier Dragoş Iftimie 2 3 Introduction Ce cours s adresse à des étudiants de Licence en mathématiques. Il a pour objectif

Plus en détail

Rappels sur les applications linéaires

Rappels sur les applications linéaires Rappels sur les applications linéaires 1 Définition d une application linéaire Définition 1 Soient E et F deux espaces vectoriels sur un même corps K et f une application de E dans F Dire que f est linéaire

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

Intégration et probabilités TD1 Espaces mesurés Corrigé

Intégration et probabilités TD1 Espaces mesurés Corrigé Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.

Plus en détail

Dualité dans les espaces de Lebesgue et mesures de Radon finies

Dualité dans les espaces de Lebesgue et mesures de Radon finies Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention

Plus en détail

Opérateurs non-bornés

Opérateurs non-bornés Master Mathématiques Analyse spectrale Chapitre 4. Opérateurs non-bornés 1 Domaine, graphe et fermeture Soit H un espace de Hilbert. On rappelle que H H est l espace de Hilbert H H muni du produit scalaire

Plus en détail

Applications Bilinéaires et Formes Quadratiques

Applications Bilinéaires et Formes Quadratiques 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

Calcul fonctionnel holomorphe dans les algèbres de Banach

Calcul fonctionnel holomorphe dans les algèbres de Banach Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte

Plus en détail

Image d un intervalle par une fonction continue

Image d un intervalle par une fonction continue DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction

Plus en détail

Introduction à la méthode des éléments finis

Introduction à la méthode des éléments finis ÉCOLE NATIONALE SUPERIEURE DES MINES DE PARIS Introduction à la méthode des éléments finis Michel KERN 1 2004 2005 S3733 / S3735 1 Inria, Rocquencourt, BP 105, 78153 Le Chesnay, Michel.Kern@inria.fr 2

Plus en détail

COURS METHODES MATHEMATIQUES POUR L INGENIEUR. MAM 3, Polytech Lyon. Ionel Sorin CIUPERCA

COURS METHODES MATHEMATIQUES POUR L INGENIEUR. MAM 3, Polytech Lyon. Ionel Sorin CIUPERCA COURS METHODES MATHEMATIQUES POUR L INGENIEUR MAM 3, Polytech Lyon Ionel Sorin CIUPERCA Le cours s adresse en principal à des élèves des écoles d ingénieurs, filière modélisation mathématique. Une partie

Plus en détail

3 Approximation de solutions d équations

3 Approximation de solutions d équations 3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle

Plus en détail

Calculs approchés d un point fixe

Calculs approchés d un point fixe M11 ÉPREUVE COMMUNE DE TIPE 2013 - Partie D TITRE : Calculs approchés d un point fixe Temps de préparation :.. 2 h 15 minutes Temps de présentation devant les examinateurs :.10 minutes Dialogue avec les

Plus en détail

Cours MP. Espaces vectoriels normés

Cours MP. Espaces vectoriels normés Table des matières Espaces vectoriels normés B. Seddoug. Médiane Sup, Oujda I Norme et distance 1 I.1 Définitions..................... 1 I.2 Evn produit.................... 12 I.3 Notions topologiques

Plus en détail

Introduction à la. Points Critiques. Otared Kavian. et Applications aux Problèmes Elliptiques. Springer-Verlag

Introduction à la. Points Critiques. Otared Kavian. et Applications aux Problèmes Elliptiques. Springer-Verlag Otared Kavian Introduction à la Théorie des Points Critiques et Applications aux Problèmes Elliptiques Springer-Verlag Berlin Heidelberg NewYork London Paris Tokyo Hong Kong Barcelona Budapest Avant propos

Plus en détail

IV.1 Dual d un espace vectoriel... 77

IV.1 Dual d un espace vectoriel... 77 76 IV FORMES LINÉAIRES, DUALITÉ IV Formes linéaires, dualité Sommaire IV.1 Dual d un espace vectoriel.......... 77 IV.1.a Rappels sur les e.v................... 77 IV.1.b Rappels sur les applications linéaires........

Plus en détail

4 Espaces topologiques vectoriels

4 Espaces topologiques vectoriels 4 Espaces topologiques vectoriels Il existe des exemples importants d espaces vectoriels pour lesquels la notion naturelle de convergence n est pas engendrée par une norme. C est le cas, par exemple, de

Plus en détail

Cours de Master 1ère année Filière : Ingénierie Mathématique à Toulouse. Approximation des équations aux dérivées partielles, 24h de cours, 24h de TDs

Cours de Master 1ère année Filière : Ingénierie Mathématique à Toulouse. Approximation des équations aux dérivées partielles, 24h de cours, 24h de TDs Cours de Master 1ère année Filière : Ingénierie Mathématique à Toulouse Approximation des équations aux dérivées partielles, 24h de cours, 24h de TDs Marie Hélène Vignal Université Paul Sabatier, UPS,

Plus en détail

2. MATRICES ET APPLICATIONS LINÉAIRES

2. MATRICES ET APPLICATIONS LINÉAIRES 2. MATRICES ET APPLICATIONS LINÉAIRES 2.1 Définition Une matrice n m est un tableau rectangulaire de nombres (réels en général) à n lignes et m colonnes ; n et m sont les dimensions de la matrice. Notation.

Plus en détail

X-ENS PSI - 2009 Un corrigé

X-ENS PSI - 2009 Un corrigé X-ENS PSI - 009 Un corrigé Première partie.. Des calculs élémentaires donnent χ A(α) = χ B(α) = X X + et χ A(α)+B(α) = X X + 4α + 4 On en déduit que Sp(A(α)) = Sp(B(α)) = {j, j } où j = e iπ 3 Sp(A(α)

Plus en détail

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé ALGÈBRE PAD - Notes de cours S. Rigal, D. Ruiz, et J. C. Satgé November 23, 2006 Table des Matières Espaces vectoriels Applications linéaires - Espaces vectoriels............................... 3 -. Approche

Plus en détail

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1

La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois

Plus en détail

TD2 Fonctions mesurables Corrigé

TD2 Fonctions mesurables Corrigé Intégration et probabilités 2012-2013 TD2 Fonctions mesurables Corrigé 0 Exercice qui avait été préparé chez soi Exercice 1. Soit (Ω, F, µ) un espace mesuré tel que µ (Ω) = 1. Soient A, B P (Ω) deux sousensembles

Plus en détail

Espaces vectoriels et applications

Espaces vectoriels et applications Espaces vectoriels et applications linéaires 1 Définitions On parle d espaces vectoriels sur le corps R ou sur le corps C. Les définitions sont les mêmes en substituant R à C ou vice versa. Définition

Plus en détail

Notes du cours Mathématiques pour l ingénieur. Sup Galilée - année 2008-2009

Notes du cours Mathématiques pour l ingénieur. Sup Galilée - année 2008-2009 Notes du cours Mathématiques pour l ingénieur Sup Galilée - année 2008-2009 Benoît Merlet Ces notes de cours s adressent aux élèves ayant suivi le cours. Elles contiennent peu d explications. Elles pourront

Plus en détail

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015 Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k

Plus en détail

Le corps R des nombres réels

Le corps R des nombres réels Le corps R des nombres réels. Construction de R à l aide des suites de Cauchy de nombres rationnels On explique brièvement dans ce paragraphe comment construire le corps R des nombres réels à partir du

Plus en détail

Amphi 3: Espaces complets - Applications linéaires continues

Amphi 3: Espaces complets - Applications linéaires continues Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite

Plus en détail

Introduction à l Optimisation Numérique

Introduction à l Optimisation Numérique DÉPARTEMENT STPI 3ÈME ANNÉE MIC Introduction à l Optimisation Numérique Frédéric de Gournay & Aude Rondepierre Table des matières Introduction 5 Rappels de topologie dans R n 7 0.1 Ouverts et fermés de

Plus en détail

Une caractérisation des lois de Wishart en dimension finie ou infinie

Une caractérisation des lois de Wishart en dimension finie ou infinie Une caractérisation des lois de Wishart en dimension finie ou infinie Gabriel Fraisse et Sylvie Viguier-Pla Université de Perpignan, IUT, Domaine d Auriac, Carcassonne Laboratoire de Statistique et Probabilités,

Plus en détail

AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES

AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES AGRÉGATION INTERNE: RÉDUCTION DES ENDOMORPHISMES VINCENT GUEDJ 1. Notions fondamentales 1.1. Noyau, Image. On se donne E un K-espace vectoriel de dimension finie (K = R, C principalement) et f L(E) un

Plus en détail

Exo7. Topologie générale. Enoncés : M. Quéffelec Corrections : A. Bodin

Exo7. Topologie générale. Enoncés : M. Quéffelec Corrections : A. Bodin Enoncés : M. Quéffelec Corrections : A. Bodin Exo7 Topologie générale Exercice 1 1. Rappeler les définitions d une borne supérieure (inférieure) d un ensemble de nombres réels. Si A et B sont deux ensembles

Plus en détail

ANALYSE MATHEMATIQUE. Jean SCHMETS

ANALYSE MATHEMATIQUE. Jean SCHMETS UNIVERSITE DE LIEGE Faculté des Sciences Institut de Mathématique ANALYSE MATHEMATIQUE Introduction aux espaces fonctionnels Notes du cours de la seconde candidature en sciences mathématiques ou en sciences

Plus en détail

THÉORIE DE LA MESURE ET INTÉGRATION

THÉORIE DE LA MESURE ET INTÉGRATION Université Pierre et Marie Curie Licence de Mathématiques Années 2004-2005-2006 LM 363 THÉORIE DE LA MESURE ET INTÉGRATION Cours de P. MAZET Edition 2004-2005-2006 Table des matières Table des matières

Plus en détail

Espaces vectoriels et applications linéaires

Espaces vectoriels et applications linéaires Espaces vectoriels et applications linéaires Exercice 1 On considère l'ensemble E des matrices carrées d'ordre 3 défini par,,, 1) Montrer que est un sous-espace vectoriel de l'espace vectoriel des matrices

Plus en détail

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours

* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****

Plus en détail

Applications linéaires

Applications linéaires Chapitre IV Applications linéaires Révisions Définition. Soient E, deux espaces vectoriels sur le même corps commutatif est dite linéaire si quels que soient x, y E et λ,. Une application f : E f x y f

Plus en détail

Problèmes de Mathématiques Noyaux et images itérés

Problèmes de Mathématiques Noyaux et images itérés Énoncé Soit E un espace vectoriel sur IK (IK = IR ou lc). Soit f un endomorphisme de E. On pose f 0 = Id E, et pour tout entier k 1, f k = f f k 1. 1. Montrer que (Im f k ) k 0 et (Ker f k ) k 0 forment

Plus en détail

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer

Exercices - Fonctions de plusieurs variables : corrigé. Pour commencer Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy

Plus en détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante

Plus en détail

TOPOLOGIE - SÉRIE 1. x f 1 B i f(x) B i x f 1 (B i ). f 1 ( i I B i) = i I f 1 (B i ); en effet. f 1 B i = f 1 B i et f 1 (B \ B ) = A \ f 1 B ; i I

TOPOLOGIE - SÉRIE 1. x f 1 B i f(x) B i x f 1 (B i ). f 1 ( i I B i) = i I f 1 (B i ); en effet. f 1 B i = f 1 B i et f 1 (B \ B ) = A \ f 1 B ; i I TOPOLOGIE - SÉRIE 1 Exercice 1. Soit f : A B une application. Prouver que (a) A f 1 fa pour tout A A, avec égalité si f est injective; (b) ff 1 B B pour tout B B, avec égalité si f est surjective; Preuve.

Plus en détail

Théorie des Opérateurs 1 M1 Mathématiques, Université de la Réunion

Théorie des Opérateurs 1 M1 Mathématiques, Université de la Réunion Théorie des Opérateurs 1 M1 Mathématiques, Université de la Réunion Guillaume AUBRUN 1. Ce cours est très largement inspiré de l'excellent livre de John Conway, A Course in Functional Analysis. Pour toute

Plus en détail

Théorème du point fixe - Théorème de l inversion locale

Théorème du point fixe - Théorème de l inversion locale Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion

Plus en détail

Un tout petit peu d homotopie

Un tout petit peu d homotopie Vincent Beck On note I = [ 0, 1 ]. Un tout petit peu d homotopie 0.1 Homotopie Définition 1 Applications homotopes. Soient X, Y deux espaces topologiques et f, g : X Y deux applications continues. On dit

Plus en détail

Par contre, lorsque P est finie, l inclusion f(p ) P implique l égalité f(p ) = P car, f

Par contre, lorsque P est finie, l inclusion f(p ) P implique l égalité f(p ) = P car, f Université Lyon 1 Algèbre générale S.P. Groupes III I. Groupe symétrique et géométrie. On se donne un ensemble E (souvent un espace euclidien ou une partie de cet espace) et une bijection f : E E (souvent

Plus en détail

Suites numériques 3. 1 Convergence et limite d une suite

Suites numériques 3. 1 Convergence et limite d une suite Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n

Plus en détail

Fiche Méthode 11 : Noyaux et images.

Fiche Méthode 11 : Noyaux et images. Fiche Méthode 11 : Noyaux et images. On se place dans un espace vectoriel E de dimension finie n, muni d une base B = ( e 1,..., e n ). f désignera un endomorphisme de E 1 et A la matrice de f dans la

Plus en détail

Théories spectrales. Stefan Neuwirth

Théories spectrales. Stefan Neuwirth Théories spectrales Stefan Neuwirth Introduction historique Voici le point de départ historique de la théorie des opérateurs : le problème de Sturm-Liouville (pv ) + qv = r(λv + w) αv(a) + α v (a) = 0

Plus en détail

1 Notion d espace vectoriel

1 Notion d espace vectoriel Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Résumé de cours sur les espaces vectoriels et les applications linéaires Les vecteurs du plan, les nombres réels, et les polynômes à coefficients

Plus en détail

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre

Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables

Plus en détail

Continuité en un point

Continuité en un point DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à

Plus en détail

Equations aux Dérivées Partielles

Equations aux Dérivées Partielles Equations aux Dérivées Partielles Tony Lelièvre 29-2 Après avoir considéré dans le capitre précédent des équations d évolution pour des fonctions ne dépendant que du paramètre temps, nous nous intéressons

Plus en détail

Introduction à l optimisation Première Partie : aspects théoriques Univ. Rennes 1, E.N.S. Rennes

Introduction à l optimisation Première Partie : aspects théoriques Univ. Rennes 1, E.N.S. Rennes Notes de cours - Préparation à l agrégation Introduction à l optimisation Première Partie : aspects théoriques Univ. Rennes 1, E.N.S. Rennes Yannick Privat ENS Cachan Bretagne, CNRS, Univ. Rennes 1, IRMAR,

Plus en détail

L2 MIEE 2012-2013 VAR Université de Rennes 1

L2 MIEE 2012-2013 VAR Université de Rennes 1 . Sous-ensembles de R n et fonctions (suite) 1 Nappes paramétrées Si f une fonction de deux variables, son graphe est une surface incluse dans R 3 : {(x, y, f(x, y)) / (x, y) R 2 }. Une telle surface s

Plus en détail

Espaces vectoriels. Université d Orléans Année 2009-2010 Espaces vectoriels et applications linéaires. 2MA01-Licence de Mathématiques

Espaces vectoriels. Université d Orléans Année 2009-2010 Espaces vectoriels et applications linéaires. 2MA01-Licence de Mathématiques Université d Orléans Année 2009-2010 Espaces vectoriels et applications linéaires 2MA01-Licence de Mathématiques Espaces vectoriels Exercice 1 Soit E un espace vectoriel. Pour x, y E et λ, µ K, montrer

Plus en détail

À propos des matrices échelonnées

À propos des matrices échelonnées À propos des matrices échelonnées Antoine Ducros appendice au cours de Géométrie affine et euclidienne dispensé à l Université Paris 6 Année universitaire 2011-2012 Introduction Soit k un corps, soit E

Plus en détail

Formulaire de maths Algèbre linéaire et multilinéaire

Formulaire de maths Algèbre linéaire et multilinéaire Formulaire de maths Algèbre linéaire et multilinéaire Nom Formule Espaces vectoriels Famille libre On dit que la famille est libre si Famille liée On dit que la famille est liée si Théorème de la base

Plus en détail

Table des matières. Applications linéaires.

Table des matières. Applications linéaires. Table des matières Introduction...2 I- s et exemples...3 1-...3 2- Exemples...4 II- Noyaux et images...5 1- Rappels : images directes et images réciproques...5 a- s...5 b- Quelques exemples...5 2- Ker

Plus en détail

Cours de mathématiques ECS 1 ère année. BÉGYN Arnaud

Cours de mathématiques ECS 1 ère année. BÉGYN Arnaud Cours de mathématiques ECS 1 ère année BÉGYN Arnaud 12/11/2012 2 Introduction Ce manuscrit regroupe des notes de cours de mathématiques pour une classe d ECS première année. J ai écris ces notes lors de

Plus en détail

Agrégation interne de Mathématiques. Session 2009. Deuxième épreuve écrite. (et CAERPA)

Agrégation interne de Mathématiques. Session 2009. Deuxième épreuve écrite. (et CAERPA) Agrégation interne de Mathématiques (et CAEPA Session 2009 Deuxième épreuve écrite 2 NOTATIONS ET PÉLIMINAIES On désigne par le corps des nombres réels et par C le corps des nombres complexes. Si f est

Plus en détail

1 Sujets donnés en option scientifique

1 Sujets donnés en option scientifique Les sujets suivants, posés aux candidats des options scientifique, économique, technologique et littéraire BL constituent la première version d un échantillon des sujets proposés lors des épreuves orales

Plus en détail

CHAPITRE V. de U U dans Hom(F, F ) est de classe C. b dans Hom(F,F ) est de classe C, l application b b. de U U

CHAPITRE V. de U U dans Hom(F, F ) est de classe C. b dans Hom(F,F ) est de classe C, l application b b. de U U CHAPITRE V FIBRÉS VECTORIELS 1. Fibrés vectoriels 1. Cartes et atlas vectoriels Soit B une variété différentielle. Considérons un B -ensemble, c est à-dire un ensemble M muni d une application p : M B.

Plus en détail

Partie II. Supplémentaires d un sous-espace donné. Partie I. Partie III. Supplémentaire commun. MPSI B 8 octobre 2015

Partie II. Supplémentaires d un sous-espace donné. Partie I. Partie III. Supplémentaire commun. MPSI B 8 octobre 2015 Énoncé Dans tout le problème, K est un sous-corps de C. On utilisera en particulier que K n est pas un ensemble fini. Tous les espaces vectoriels considérés sont des K espaces vectoriels de dimension finie.

Plus en détail

Sommaire. Chapitre 1 Variables et vecteurs aléatoires... 5. Chapitre 2 Variables aléatoires à densité... 65

Sommaire. Chapitre 1 Variables et vecteurs aléatoires... 5. Chapitre 2 Variables aléatoires à densité... 65 Sommaire Chapitre 1 Variables et vecteurs aléatoires............... 5 A. Généralités sur les variables aléatoires réelles.................... 6 B. Séries doubles..................................... 9

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme

Plus en détail

1.3 Produit matriciel

1.3 Produit matriciel MATRICES Dans tout ce chapitre, K désigne les corps R ou C, p et n des entiers naturels non nuls 1 Matrices à coefficients dans K 11 Définition Définition 11 Matrice On appelle matrice à coefficients dans

Plus en détail

Équations aux Dérivées Partielles. Pedro Ferreira et Sylvie Mas-Gallic

Équations aux Dérivées Partielles. Pedro Ferreira et Sylvie Mas-Gallic Équations aux Dérivées Partielles Pedro Ferreira et Sylvie Mas-Gallic 11 décembre 21 Table des matières 1 Introduction 3 1.1 Exemple d une équation aux dérivées partielles........... 3 1.2 Rappels sur

Plus en détail

Intégration et probabilités TD1 Espaces mesurés

Intégration et probabilités TD1 Espaces mesurés Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?

Plus en détail

Cours de Topologie L3-math

Cours de Topologie L3-math Cours de Topologie L3-math Renaud Leplaideur Année 2014-2015 UBO 2 Table des matières 1 Rappels, préliminaires 5 1.1 Rappels sur les ensembles........................... 5 1.1.1 Formalisme ensembliste.........................

Plus en détail

MATHEMATIQUES Option Economique

MATHEMATIQUES Option Economique Concours EDHEC 9 Classes Préparatoires MATHEMATIQUES Option Economique La présentation, la lisibilité, l'orthographe, la qualité de la rédaction, la clarté et la précision des raisonnements entreront pour

Plus en détail

Régularité des Solutions d EDPs Elliptiques : Inégalité de Caccioppoli

Régularité des Solutions d EDPs Elliptiques : Inégalité de Caccioppoli République Algérienne Démocratique et Populaire Université Abou Bekr Belkaïd - Tlemcen Faculté des Sciences Département de Mathématiques Projet de fin d études pour l obtention du diplôme de Master. Option

Plus en détail

Université de Cergy-Pontoise Département de Mathématiques L1 MPI - S1. Cours de Mathématiques 1

Université de Cergy-Pontoise Département de Mathématiques L1 MPI - S1. Cours de Mathématiques 1 Université de Cergy-Pontoise Département de Mathématiques L1 MPI - S1 Cours de Mathématiques 1 Table des matières 1 Un peu de formalisme mathématique 7 1.1 Rudiments de logique........................................

Plus en détail

M42. Compléments d analyse (résumé).

M42. Compléments d analyse (résumé). Université d Evry-Val-d Essonne. Année 2008-09 D. Feyel M42. Compléments d analyse (résumé). Table. I. Rappels sur les suites. Limites supérieure et inférieure. II. Topologie élémentaire. III. Fonctions

Plus en détail

Méthodes de décomposition de domaine de type Schwarz

Méthodes de décomposition de domaine de type Schwarz Méthodes de décomposition de domaine de type Schwarz Franck Boyer - Florence Hubert Master 2ième année - Mathématiques et Applications Aix-Marseille université 2 février 24 ii F BOYER, F HUBERT - VERSION

Plus en détail

Introduction à l optimisation de forme et application à la mécanique des fluides

Introduction à l optimisation de forme et application à la mécanique des fluides Laboratoire Jacques-Louis LIONS Introduction à l optimisation de forme et application à la mécanique des fluides Master 2 - Année universitaire 2014-2015 Pascal FREY et Yannick PRIVAT Laboratoire Jacques-Louis

Plus en détail

Analyse et géométrie M. Alain CONNES, membre de l Institut (Académie des Sciences), professeur

Analyse et géométrie M. Alain CONNES, membre de l Institut (Académie des Sciences), professeur Analyse et géométrie M. Alain CONNES, membre de l Institut (Académie des Sciences), professeur Formules explicites, formules de trace et réalisation spectrale des zéros de la fonction zéta 1. Introduction

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : économique et commerciale Option : Scientifique (ECS) Discipline : Mathématiques- Informatique Seconde année Ministère de l enseignement

Plus en détail

Cours d Analyse. Fonctions de plusieurs variables

Cours d Analyse. Fonctions de plusieurs variables Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........

Plus en détail

Analyse - Résumés et exercices

Analyse - Résumés et exercices Analyse - Résumés et exercices Georges Skandalis Université Paris Diderot (Paris 7) - IREM Préparation à l Agrégation Interne 6 mars 205 Table des matières Suites de nombres réels. Développement décimal

Plus en détail

Espérance conditionnelle

Espérance conditionnelle Espérance conditionnelle Samy Tindel Nancy-Université Master 1 - Nancy Samy T. (IECN) M1 - Espérance conditionnelle Nancy-Université 1 / 58 Plan 1 Définition 2 Exemples 3 Propriétés de l espérance conditionnelle

Plus en détail

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que

De même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer

Plus en détail

Intégration et probabilités 2012-2013. TD3 Intégration, théorèmes de convergence Corrigé. 1 Petites questions. n hésitez pas à m envoyer un mail à

Intégration et probabilités 2012-2013. TD3 Intégration, théorèmes de convergence Corrigé. 1 Petites questions. n hésitez pas à m envoyer un mail à Intégration et probabilités 212-213 TD3 Intégration, théorèmes de convergence Corrigé xercice ayant été voué à être préparé xercice 1 (Mesure image). Soient (, A, µ) un espace mesuré, (F, B) un espace

Plus en détail

Actions de groupes. Exemples et applications

Actions de groupes. Exemples et applications 4 Actions de groupes. Exemples et applications G, ) est un groupe multiplicatif et on note ou G si nécessaire) l élément neutre. E est un ensemble non vide et S E) est le groupe des permutations de E.

Plus en détail

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications

Université Paris-Dauphine DUMI2E 1ère année, 2009-2010. Applications Université Paris-Dauphine DUMI2E 1ère année, 2009-2010 Applications 1 Introduction Une fonction f (plus précisément, une fonction réelle d une variable réelle) est une règle qui associe à tout réel x au

Plus en détail

Introduction générale

Introduction générale Chapitre 1 Introduction générale Ce chapitre est consacré à une présentation rapide des méthodes numériques qui sont étudiées en détail dans ce cours Nous y donnons une approche très simplifiée des quatre

Plus en détail

-1 Goupes, Anneaux, Corps, Algèbres. Qu est-ce? 5 1 Groupes... 5 2 Anneaux... 5 3 Corps... 6 4 Algèbre... 6

-1 Goupes, Anneaux, Corps, Algèbres. Qu est-ce? 5 1 Groupes... 5 2 Anneaux... 5 3 Corps... 6 4 Algèbre... 6 Table des matières -1 Goupes, Anneaux, Corps, Algèbres. Qu est-ce? 5 1 Groupes.......................................... 5 2 Anneaux.......................................... 5 3 Corps...........................................

Plus en détail

Espaces vectoriels 2006-2007. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F.

Espaces vectoriels 2006-2007. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle 2006-2007 Espaces vectoriels Convention 1. Dans toute la suite, k désignera un corps quelconque. Définition 2.

Plus en détail

Théorie des ensembles

Théorie des ensembles Théorie des ensembles Cours de licence d informatique Saint-Etienne 2002/2003 Bruno Deschamps 2 Contents 1 Eléments de théorie des ensembles 3 1.1 Introduction au calcul propositionnel..................

Plus en détail

Université Joseph Fourier, Grenoble. Espaces vectoriels. Bernard Ycart

Université Joseph Fourier, Grenoble. Espaces vectoriels. Bernard Ycart Université Joseph Fourier, Grenoble Maths en Ligne Espaces vectoriels Bernard Ycart Vous devez vous habituer à penser en termes de «vecteurs» dans un sens très général : polynômes, matrices, suites, fonctions,

Plus en détail

Espaces vectoriels de dimension finie

Espaces vectoriels de dimension finie Chapitre 14 Espaces vectoriels de dimension finie Dans tout le chapitre K désigne R ou C. 14.1 Espaces vectoriels de dimension finie 14.1.1 Bases et dimension Ò Ø ÓÒ ½ º½ Espace vectoriel de dimension

Plus en détail

Développement décimal d un réel

Développement décimal d un réel 4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce

Plus en détail

λ i f( x i ) (doncf(cl( x i ))=cl(f( x i )))

λ i f( x i ) (doncf(cl( x i ))=cl(f( x i ))) A) APPLICATIONS LINÉAIRES REM : dans ce cours,e,f etgdésignent desk-espaces vectoriels. I) GÉNÉRALITÉS. 1) Définition. DEF : Soit f une application de E dans F ; on dit que f est K-linéaire (ou que c est

Plus en détail

Problème 1 : applications du plan affine

Problème 1 : applications du plan affine Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées

Plus en détail

M11 - Résumé de cours et exercices d analyses Premier cycle universitaire TABLES DES MATIÈRES

M11 - Résumé de cours et exercices d analyses Premier cycle universitaire TABLES DES MATIÈRES M11 - Résumé de cours et exercices d analyses Premier cycle universitaire TABLES DES MATIÈRES I. Logique. II. Ensemble. III. Relation, fonction, application. IV. Composition, réciprocité. V. Relation d

Plus en détail

Résolution d équations non linéaires

Résolution d équations non linéaires Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique

Plus en détail

Université de Nantes Année 2009-2010 Faculté des Sciences et des Techniques Département de Mathématiques. Topologie et calculs différentiel Liste n 5

Université de Nantes Année 2009-2010 Faculté des Sciences et des Techniques Département de Mathématiques. Topologie et calculs différentiel Liste n 5 Université de Nantes Année 009-010 Faculté des Sciences et des Techniques Département de Mathématiques Topologie et calculs différentiel Liste n 5 Applications Différentiables Exercice 1. Soit f : R n

Plus en détail