Chapitre2 3

Notations, Généralités et Prérequis
Théorie des distributions

Espaces de Sobolev
Généralités et classification des EDP
Chapitre II. Introduction au calcul

scientifique pour les EDP
Pr. Sabry Abdelhadi
Institut Nationale de Statistiques et de l’Economie

Appliquées
DS-SDRO-ESB-ACT FIN
1 / 42
Espaces de Sobolev
Plan
1 Notations, Généralités et Prérequis

L’espace des fonctions test D(Ω)
2 Théorie des distributions

0
L’espace des distributions D (Ω)
3 Espaces de Sobolev
4 Généralités et classification des EDP
2 / 42
Espaces de Sobolev
Introduction
Introduction
La plupart des phénomènes mécaniques, physiques, biologiques ou
économiques sont modélisées à l’aide d’équations aux dérivées
partielles (EDP) linéaires ou non linéaires.
Bien plus, dans de nombreux domaines (industrie aéronautique,
industrie pétrolière, industrie nucléaire, problèmes de la fusion
contrôlée, prévision météorologique, prévision en finance etc.)
Techniquement, on chreche à résoudre numériquement des
systèmes d’équations aux dérivées partielles parfois très compliqués
afin d’obtenir des propriétés quantitatives des solutions.
La résolution numérique des EDP profite aujourd’hui des
performances des ordinateurs et la simulation numérique des
phénomènes devient plus souple, plus facile à réaliser, et surtout
plus économique en temps.
3 / 42
Espaces de Sobolev
Introduction
Introduction
La solution d’un problème d’équations aux dérivées partielles (EDP)
est une fonction continue. En génerale, on discrétise le problème.
Les solutions approchées seront calculées comme des collections de
valeurs discrètes sous la forme d’un vecteur solution d’un
problème matriciel.
En vue du passage d’un problème exact (continu) au problème
approché (discret), on dispose de plusieurs techniques
concurrentes : les différences finies, les éléments finis et les
volumes finis.
On s’interesse à la résolution numérique des EDP elliptiques par
deux familles de méthodes numériques : les différences finies et
les éléments finis.
Dans le premier chapitre, on présente les espaces de Sobolev qui
se sont imposés comme l’outil fournissant le cadre théorique pour
la recherche des solutions des EDP.
4 / 42
Espaces de Sobolev
Notations et Généralités
Notations et Prérequis
n
p x = (x1 , x2 , . . . , xn ) les n éléments de R (n ∈ N, n ≥ 1),
On notera
2 2
|x| = x1 + x2 + . . . + xn2 est la norme euclidienne de x .
Un vecteur : α = (α1 , α2 , . . . , αn ) ∈ Nn est appelé un multi-indice
et |α| = α1 + . . . + αn est la longueur du multi-indice. Pour toute
fonction F : Rn → R régulière, on note :
∂ |α| F (x)
D α F (x) =
∂ α1 x 1 ∂ 2 x2 . . . ∂ n xn
α α
Soit Ω un ouvert non-vide de Rn et ϕ : Ω 7→ R une fonction de

classe C 1 . On note le gradient de ϕ par :
5ϕ(x) = ( ∂∂xϕ (x), . . . , ∂∂xϕn (x))
1
Si ϕ est de classe C 2 , on définit le laplacien de ϕ par :

2 2
4ϕ(x) = div (5ϕ(x)) = ∂∂ xϕ2 (x) + . . . + ∂∂ xϕ2 (x).
1 n
5 / 42
Espaces de Sobolev
Notations et Prérequis
Un ensemble F ⊂ Rn est compact si et seulement si F est fermé
et borné.
Exemple : I = [a,b] est un compact dans R.
La boule B(a, r ) = {||x − a|| ≤ r } est compact dans R2 .
La sphère : B(a, r ) = {||x − a|| ≤ r } est un compact dans R3 .
Soit Ω un ouvert non vide de Rn (n=1,2 ou 3). Soit ϕ une
fonction, définie sur Ω à valeurs dans R.
Définition : On appelle support de ϕ l’ensemble
supp(ϕ) = {x ∈ Ω : ϕ(x) 6= 0} (l’adhérence en Rn de l’ensemble de
non-annulation de ϕ ). Le support est toujours fermé.
On note C ∞ l’ensemble des fonctions à valeurs dans R
indéfiniment différentiables sur Ω. Les fonctions de classe C ∞ à
support compact jouent, en Analyse, un rôle permet de définir des
objets plus généraux que les fonctions.
6 / 42
Espaces de Sobolev

On appelle l’espace des fonctions test et on note par D(Ω)
l’ensemble des fonctions ϕ : Ω → R indéfiniment diérivables
(appartient à C ∞ (Ω) ) et à support compact et inclus en Ω. On
pourrait travailler aussi en R.
Remarque : Une fonction de D(Ω) est nulle dans un voisinage du
bord de Ω. Plus précisément, si ϕ ∈ D(Ω), il existe K borné et
fermé de Rn , tel que ϕ(x) = 0, pour tout x ∈ Ω\K .
Quelques exemples :
Exemple 1 : La fonction constante 0 est toujours un élément de
D(Ω), car son support est l’ensemble vide qui est considéré comme
un compact inclus dans tout ensemble.
Exemple 2 : Une fonction constante quelconque non nulle est
dans C ∞ (Ω) mais elle n’est pas dans D(Ω) car elle s’annule jamais.
7 / 42
Espaces de Sobolev
Quelques exemples fondamentaux

Exemple 3 : Soit Ω = R et ϕ : R → R la fonction qui vaut :
1 − x 2 si x ∈ [−1, 1];
ϕ(x) =
0 si si x ∈] − ∞, −1] ∪ [1, +∞[
Si on prends K = [−1, 1] alors K est un compact et ϕ s’annule
bien en dehors de K . Mais la fonction n’est pas dans C ∞ (Ω), donc
elle n’est pas dans D(Ω).
Exemple 4 (fondamental) : On considère n = 1 et Ω = R. La
fonction suivante fournit un ( exemple classique d’une fonction de
exp( x 21−1 ) si |x| < 1;
D(R) définie par : ϕ(x) =
0 si |x| ≥ 1.
Il est evident que l’ensemble de non-annulation de ϕ est
l’intervalle ] − 1, 1[, donc on a supp(φ ) = [−1, 1] ; le support est
donc un compact inclus dans R. De plus la fonction ϕ est
indéfininement dérivable, donc ϕ ∈ D(R).
8 / 42
Espaces de Sobolev

Quelques exemples fondamentaux
Exemple 5 : Soit Ω ouvert en Rn . Soit a = (a1 , a2 , . . . , an ) ∈ Ω. Soit
la fonction ϕ de l’exemple 4 , Comme Ω est ouvert, il existe ε > 0
tel que ∏nk=1 [ak − ε, ak + ε] ⊂ Ω. On considère la fonction
ψ : Rn → R définie par
ψ(x1 , x2 , . . . , xn ) = ϕ( x1 −ε a1 )ϕ( x2 −ε a2 ) . . . ϕ( xn −ε an ) Il est facile de voir
que ψ est un élément de D(Rn ).
n
Exemple ( 6 : On considère la fonction φ définie sur R par :
1
exp(− 1−|x |2 ) si |x| < 1;
φ (x) =
0 si |x| ≥ 1.
où |x|pdésigne la norme euclidienne, c’est-à-dire
|x| = (x12 + x22 + . . . + xn2 ). La fonction φ est de classe C ∞ sur Rn
exp(− x1 ) si x ≥ 0;

comme composée de la fonction f : f (x) =
0 si x ≤ 0.
n 2
et la fonction de g de R dans R définie par : x 7→ 1 − |x| , toutes
les deux de classe C ∞ .
9 / 42
Espaces de Sobolev

Proposition : Toute combinaison linéaire des éléments de D(Ω)
est encore un élément de D(Ω) ( c’est à dire :
∀α1 , α2 ∈ R, ∀ϕ1 , ϕ2 ∈ D(Ω) on a α1 ϕ1 + α2 ϕ2 ∈ D(Ω))
Lemme : Si f ∈ D(Ω) et g ∈ C ∞ (Ω) et en plus supp(fg ) ⊂ supp(f ) ;
donc comme supp(f ) est compact supp(fg ) est compact aussi.
Ce lemme donne une manière de construire d’autres éléments de
D(Ω) si on en connaı̂t un seul exemple : xϕ1 (x), sin(x)ϕ1 (x) etc..
sont des fonctions dans D(R).
Dans la suite on introduira la façon de dire qu’une suite des
éléments de D(Ω) est convergente vres un élément de D(Ω).
(c’est à dire : une topologie sur D(Ω) )
10 / 42
Espaces de Sobolev

Définition : Soit {ϕp }p∈N une suite des éléments de D(Ω) et
ϕ ∈ D(Ω). On dit que ϕn → ϕ au sens de D(Ω) si les deux
conditions suivantes sont satisfaites :
1- Il existe un ensemble compact K fixe, indépendant de p, avec
K ⊂ Ω tel que supp(ϕp ) ⊂ K , ∀p ∈ N et aussi supp(ϕ) ⊂ K
2- Pour tout multi-indice α ∈ Rn la suite {D α ϕp }p∈N converge
uniformément sur K vers D α ϕ, c’est à dire :
supx ∈K |D α ϕp (x) − D α ϕ(x)| → 0 pour p → ∞
11 / 42
Espaces de Sobolev
Suites régularisantes
Définition : On appelle suite régularisante (ou approximation de
l’unité) une famille (φn )n≥0 de fonctions définies sur Rn vérifiant les
propriétés suivantes : pour tout p ≥ 1
φn ∈ C ∞ (Rn ), supp(φp ) ⊂ B(0, M
R
p ), φp ≥ 0 et Rn φp dx = 1, où M > 0
n
Exemple ( : Reprenons la fonction φ définit de R dans R par :
1
exp(− 1−|x |2 ) si |x| < 1;
φ (x) =
0 si |x| ≥ 1.
Cette fonction est dans D(Rn ) et vérifié supp(φ ) ⊂ B(0, 1). On
pose alors φe(x) = R nφφ(x)
(x)dx
qui est également dans D(Rn ). La suite
R
(φep )p ⊂ D(Rn ) définie par φep (x) = p n φe(px) est une suite
régularisante et vérifié : 1- φep ∈ D(Rn ) et
supp(φp ) ⊂ B(0, 1 ), ∀p ∈ N∗ . 2- n φep (x)dx = 1, ∀p ∈ N∗
R
p R
12 / 42
Espaces de Sobolev
Espaces L2 (Ω)
Soit Ω un ouvert de Rn . L’espace L2 (Ω) est défini par
L2 = {f : Ω → R; tel que Ω |f (x)|2 dx < ∞ i.e fini}. C’est.à.dire
R
l’ensemble des fonctions mesurables qui sont de carré intégrables

sur Ω relativement à la mesure de Lebesgue dx = dx1 . . . dxn dans .
L’espace L2 (Ω) est muniR de la norme définie par le produit
scalaire : < f , g >L2 (Ω) = Ω f (x)g (x)dx
1
(x)|2 dx) 2
R
La norme correspondante : ||f ||L2 (Ω) = ( Ω |f
Géneralement, pour p ≥ 1, On définit l’ensemble :
Lp (Ω) = {f : Ω → R; tel que Ω |f (x)|p dx < ∞} muni de la norme
R
1
(x)|p dx) p
R
||f ||Lp (Ω) = ( Ω |f
Quelques exemples :
1- La fonction √1x est L1 mais pas L2 .
2- La fonction |x1| est L2 mais pas L1 . 3- La fonction e −|x |
p
|x| est
L1 mais pas L2 .
13 / 42
Espaces de Sobolev
Espaces Lploc (Ω)

Pour tout p tel que 1 ≤ p < ∞ on note : Lploc (Ω) = {u : Ω → R,
pour tout compact K ⊂ Ω on a : u ∈ Lp (K )}
Soit K un compact inclus dans Ω on note :
Lp (K ) = {u : K → R, K |f (x)|p dx < ∞}
R
Remarque : Soit Ω un ouvert de Rn

1- Si u ∈ L2 (Ω) alors u ∈ L2loc (Ω). On déduit :
L2 (Ω) ⊂ L2loc (Ω) ⊂ L1loc (Ω
2- Lp (Ω) ⊂ Lploc (Ω)
3- C (Ω) ⊂ Lploc (Ω)
Exemple : u : R → R, u ≡ 1. On a u ∈ L1loc (R). mais u ∈
/ L1 (R
14 / 42
Théorie des distributions Théorie des distributions 0
Espaces de Sobolev L’espace des distributions D (Ω)
Introduction
Introduction
Dans cette section, nous introduisons les distributions dans le cas
de la dimension 1 . La plupart des résultats présentés sont
cependant valables dans le cas de la dimension quelconque.
Les distributions peuvent être considérées comme une
généralisation de la notion de fonction.
L’introduction des distributions est motivée par la difficulté de
rendre compte rigoureusement de certains phénomènes physiques à
l’aide simplement de la notion de fonction.
Une distribution est une sorte de ’fonction généralisée’ et elle est
introduite pour modéliser des phénomènes où les fonctions
habituelles ne sont pas très pratiques à utiliser.
15 / 42
Exemples introductifs
Exemple 1 :
Supposons qu’on a une distribution (au sens physique) de charge
dans un fil qui peut être modélisée par une fonction définit sur un
segment L tel que f : L → R.
R
La charge totale est alors L f (x)dx et supposée égale à 1 . La
distribution est considéré régulière et représentée par f .
Si on suppose que toute la charge est concentrée en un point x0 ,
par exemple x0 = 0, ( Une charge électrique très concentrée dans
un petit voisinage du point 0 , et nulle ailleurs ; une charge
ponctuelle).
Il n’existe pas de Rfonction f telle que f (x) = 0 pour tout x 6= 0 et
en même temps 0L f (x)dx = 1. La distribution de la charge est
dite singulière. Une très grande intensité sur une region très
petite dans l’espace.
16 / 42
Exemple 1
Pour simplification on suppose que la charge est en dimension 1 .
Nous pouvons présenter la densité de charge par cette fonction
f : R →R telle que :
0 grande 0 si x ∈ intervalle autour de 0;
f (x) =
0 ailleurs.
R
mais de tel sorte que R f (x)dx = 1.
On peutdonner comme exemple d’une telle densité la fonction
1 1
n si x ∈ [− 2n , 2n ];
f (x) =
0 sinon.
avec n un nombre très grand. On aimerait avoir une limite, pour
n → ∞ de la fonction f .
Le physicien P. Dirac qui a introduit et utilisé La fonction δ et
vue comme un sorte de limite pour n → ∞ de la fonction f définie
en haut.
17 / 42
Exemple 1 : (Fonction de Dirac )

La fonction δ : R → R (connue aussi sous l’appellation : fonction
de Dirac) est telle que :
1- δ (0) = ∞
2- δR (x) = 0, ∀x 6= 0
3- R f (x)dx = 1.
L’existence d’une telle fonction contredit un résultats
R
trivial de la
l’intégration car de la propriété 2 on déduit que R f (x)dx = 0.
Ce qui est en contradiction avec 3 .
La limite de la fonction f présenté en haut par la fonction δ
sortira du cadre des fonctions ; ça sera définie sous l’appellation de
distribution.
18 / 42
Exemple 2
Prenons une fonction v ∈ D(R). Posons
u(x) = c + 0x v (y )dy , c ∈ R. Alors u est une fonction continue et
R
dérivable, de dérivée v . La connaissance de v détermine u à une

constante additive près.
Considérons maintenant la fonction dite d’Heaviside, définie par
H(x) = 0 si x < 0, H(x) = 1 si x ≥ 0.
La valeur en 0 de H n’a pas de grande importance dans l’analyse.
La dérivée de H est nulle, mais sa connaissance ne permet pas de
déterminer H, même à une constante additive près.
Pour une fonction régulière u, onR applique la formule intégration
0 0
par partie pour tout v ∈ D(R) : R u vdx = − R uv dx + [uv ]+ ∞
R
−∞ .
Or v est nulle en dehors d’un compact inclus dans R donc on a :
[uv ]+∞
−∞ = 0. Ce qui permet de définir la formule de transposition de
R 0 R 0
la dérivée : R H vdx = − R Hv dx.
19 / 42
Exemple 2
0 0
De plus, pour tout v ∈ D(R) on a : − R Hv dx = 0∞ v (x)dx. Or
R R
0 R 0
on a : H (x) = 0, ∀x ∈ R, donc R H vdx = 0 pour tout v .
0 0
On déduit donc : R Hv dx = 0∞ v (x)dx = 0 pout toute fonction v ,
R R
Or il n’existe pas de
R
fonction H non nulle qui vérifier ceci.
(Rappelons que si R uvdx = 0 pour toute fonction v , alors u = 0.)
0
On pourrait cependant introduire H comme l’objet tel que cette
égalité est vérifiée pour toute fonction test v .
0
Intuitivement, on se rend compte de définir H qui dépend non
seulement de H , mais également de l’espace de fonctions test
considéré D(R).
En effet, on peut la distribution de d’Heaviside appliquée a toute
fonction ϕ ∈ D(R) par la formule suivante : < H, ϕ >= 0∞ ϕ(x)dx.
R
20 / 42
0
La notion de distribution
Définition : On appelle distribution sur Ω toute application
linéaire et continue de D(Ω) dans R ; c’est.à.dire, une application
T : D(Ω) → R est une distribution sur Ω si elle satisfait les deux
conditions suivantes :
1- T est linéaire ; T (β1 ϕ1 + β2 ϕ2 ) = β1 T (ϕ1 ) + β2 T (ϕ2 )
2- Pour toute suite {ϕp }p∈N ⊂ D(Ω) telle que ϕp → 0 dans D(Ω)
on a aussi T (ϕp ) → 0 dans R.
Notation :
0
1- On notera dans la suite par D (Ω) l’ensemble de toutes les
0
distributions sur Ω. On dit aussi que D (Ω) est le dual de D(Ω)
2- On utilisera dans la suite la notation plus commode < T , ϕ >
(crochet de dualité) au lieu de T (ϕ), pour toute distribution
0
T ∈ D (Ω) et tout élément ϕ ∈ D ( Ω) (on appellera ϕ fonction
test pour la distribution T ).
21 / 42
0
Exemples des distributions :
Quelques exemples des distributions en dimension 1 pour
(Ω = I ⊂ R) et se généralisent dans Rn pour n ≥ 2.
Pour toute fonction u integrable sur un intervalle I (u ∈ L1loc (I )),
on peut associer
R
l’application Tu : D(I ) → R définie par
Tu : φ 7→ I uφ dx. Tu est linéaire et continue, donc c’est une
distribution.
La distribution Tu s’appelle distribution régulière associée à u.
Parfois, on identifiera souvent dans la notation de la fonction u et
la distribution qui lui est associée.
La réciproque en génerale n’est pas vraie, il existe des
distributions qui ne peuvent pas être représentées par des
fonctions. l’exemple suivant montre ceci.
Un exemple (fondamental) de telles distributions est donné par la
distribution de Dirac en un point x0 ∈ I , notée δx0 et définie pour
tout φ ∈ D(I ) par : < δx0 , φ >= φ (x0 ).
22 / 42
0
Opérations sur les distributions :

Si le point 0 ∈ I On omettra souvent l’indice x0 = 0 pour noter la
distribution de Dirac en 0, i.e. δ ≡ δ0 . cette distribution
s’appellera simplement distribution de Dirac sur Ω = I .
Soit f une fonction continue sur I , si on a
I u(x)ϕ(x)dx = 0; ∀ϕ ∈ D(Ω) alors u = 0. En d’autre terme :
R
Tu = 0 ⇒ u = 0.
0
L’espace D (Ω) est muni d’une structure d’espace vectoriel pour
les opérations suivantes.
0
Toute combinaison linéaire des éléments de D (Ω) est encore un
0 0
élément de D (Ω) (c’est à dire : ∀α1 , α2 ∈ R, ∀T1 , T2 ∈ D (Ω) on a
0
α1 T1 + α2 T2 ∈ D (Ω))
23 / 42
0
Translation : Soit f une fonction localement sommable
(integrable) et soit a ∈ R, alors la translatée fa de f est la fonction
donnée par fa (x) = f (x − a).
La distribution régulière associée à fa vérifie donc :
D(R),
R
∀
R
ϕ ∈ < T fa , ϕ >= R f (x − a)ϕ(x)dx =
R f (y )ϕ(y + a)dy =< Tf , ϕ−a >.
La translatée d’une distribution T , notée Ta est la distribution
définie par : ∀ ϕ D(R), < Ta , ϕ >=< T , ϕ−a >
Transposition : Soit f une fonction localement sommable et
cherchons la distribution associée àR la fonction e
f qui à x associe
fR (−x). On a ∀ ϕ D(R), < Tef , ϕ >= R f (−x)ϕ(x)dx =
R f (x)ϕ(−x)dx =< Tf , ϕ e>
La transposée d’une distribution T , notée Te est la distribution
définie par : ∀ ϕ D(R), < T
e , ϕ >=< T , ϕe >
24 / 42
0
0
Produit : Soit f ∈ C ∞ (Ω) et T ∈ D (Ω). On définit le produit fT
de T par f comme la distribution définie pour tout ϕ ∈ D(Ω) par :
< fT , ϕ >=< T , f ϕ >
0
Dérivée : Étant donné T ∈ D (Ω), on définit la dérivée de T
0
comme la distribution T donnée pour tout ϕ ∈ D(Ω) par :
0 0
< T , ϕ >= − < T , ϕ >.
Lorsque la distribution T = Tf est associée à une fonction f
0
régulière, alors (Tf ) coincide avec Tf 0 .
0
Soit T ∈ D (Ω) et α ∈ Nn . On appelle dérivée à l’ordre α de T la
|α|
distribution sur Ω ⊂ Rn notée D α T ou ∂ α1 x∂ ...∂Tαn xn définie par :
1
< D α T , ϕ >= (−1)|α| < T , D α ϕ >, ∀ϕ ∈ D(Ω)
Pour tout i ∈ {1, 2, . . . , n} on a :
< ∂∂ xT , ϕ >= − < T , ∂∂ xϕ >, ∀ϕ ∈ D(Ω)
i i
25 / 42
0
Si n = 1, on va noter les dérivée d’une distribution T par
0 00
T , T , T 3 , . . . , T k , comme les dérivées classiques d’une fonction à
une variable. On a donc : ∀k ∈ N :
< T k , ϕ >= (−1)k < T , ϕ k >, ∀ ∈ D(Ω)
Exemple : Soit Ω = I intervalle ouvert inclus dans R et u ∈ C k (Ω)
avec k ∈ N. Alors on a : (Tu )k = Tuk . (donc pour une fonction de
classe C k la dérivée k fois au sens des distributions se confond
avec la dérivée k fois au sens habituel).
Soit la fonction de Heaviside H ( introduit comme la fonction
indicatrice de l’intervalle [0, +∞[ ). Il est évident que H ∈ L1loc (R)
donc H peut être vue comme une distribution sur R.
Calculons la dérivée au sens des distributions de H
0
(c’est.à.dire,(TH ) ). Pour tout ϕ ∈ D(Ω) on a :
0 0 0
< (TH ) , ϕ >= − R H(x)ϕ (x)dx = − 0+∞ ϕ (x)dx = ϕ(0).
R R
0
Ce qui nous donne (TH ) = δ .
26 / 42
0

0
Convergence dans D (Ω) : On définira une convergence des suite
0
dans D (Ω) au sens des distributions en Ω (une topologie).
0 0
Soit {Tp }p∈N une suite des éléments de D (Ω) et T ∈ D (Ω).
0
On dit que Tp → T en D (Ω) pour p → ∞ si < Tp , ϕ >→< T , ϕ >
pour p → ∞∀ϕ ∈ D(Ω)
Remarquons que si une suite de fonctions (un ) converge vers u.
alors la suite de distribution associée (Tun ) converge vers Tu dans
0
D (Ω)
Exemple ( : Considérons la suite des fonctions : fp : R → R
p
2 si |x| ≤ p1 ;
fp (x) =
0 sinon.
avec p ∈ N∗ . Il est facile de voir que fp ∈ L1loc (R) (on a même
fp ∈ L1 (R ).
27 / 42
0

Alors fp peut être vue comme une suite des distributions sur R (on
pense à Tfp ). On se demande si’il y a une limite au sens des
distributions de fp .
On a le calcul suivant : pour toute ϕ appartient à R on a :
1
R p R p
< Tfp , ϕ >= R fp (x)ϕ(x)dx = 2 −1 ϕ(x)dx = ϕ(ap ) (nous avons
p
utilisé le théorème de la moyenne : ab f (x)dx = (b − a)f (ξ ) avec :
R
ξ ∈]a, b[, pour toute fonction continue f ).

Comme |ap | < p1 nous avons ap → 0 pour p → ∞ et par continuité
de ϕ on a : ϕ(ap ) → ϕ(0). On déduit alors :
< Tfp , ϕ >→ ϕ(0) =< δ , ϕ > donc par définition Tfp → δ .
Ce qui s’écrit plus simplement (en confondant Tfp et fp ) : fp → δ
0
au sens des distributions D (R).
28 / 42
Espaces de Sobolev
Espaces de Sobolev
Introduction
Le but de cette partie est d’introduire les espaces de Sobolev
comme outil essentiel pour l’étude des équations aux dérivées
partielles.
les espaces de Sobolev sont des espaces fonctionnels
particulièrement adaptés à la résolution des problèmes d’équation
aux dérivées partielles et sont nécessaires pour le traitement
variationnel des EDP.
Les espaces de Sobolev est un espace vectoriel de fonctions muni
de la norme obtenue par la combinaison de la norme L2 (Ω) de la
fonction elle-même et de ses dérivées au sens des distributions.
29 / 42
Espaces de Sobolev
Espaces de Sobolev
Définitions et premières propriétés

Définition : Soit Ω un ouvert de Rn . On pose :
H 1 (Ω) = {u ∈ L2 (Ω), et ∀i ∈ {1, 2, . . . , n}, ∃v ∈
L2 (Ω) tel que ∂ ∂(Txu ) = Tvi }.
i
L’espace de Sobolev H 1 (Ω) sur Ω est l’espace des fonctions de

L2 (Ω) qui admettent des dérivées d’ordre 1 dans L2 (Ω).
La définition de H 1 (Ω) peut s’écrire sous la forme :
H 1 (Ω) = {u ∈ L2 (Ω), ∂∂xu ∈ L2 (Ω) pour tout i = 1, 2, . . . , n} Bien
i
entendu, la dérivation est à comprendre au sens des distributions.
En d’autres termes, une fonction u ∈ L2 (Ω) est dans H 1 (Ω) s’il
existe des fonctions v1 , v2 , . . . , vn dans ∈ L2 (Ω) telles que :
R ∂u R R ∂ϕ
Ω ∂ x ϕdx = Ω vi ϕdx = − Ω vi ∂ x dx ∀i = 1, . . . , n
i k
30 / 42
Espaces de Sobolev
Espaces de Sobolev

L’espace HR1 (Ω) est muni du produit scalaire :
(u, v )H 1 = Ω u(x)v (x)dx + Σni=1 Ω ∂∂xu ∂∂xv dx.
R
i i
et de la norme Rassociée
1
||u||H 1 = (∑ni=1 Ω | ∂ ∂u(x) |2 dx + Ω | u(x) |2 ) 2 .
R
xi
∂f
Remarque : Si f ∈ C 1 (Ω) ∩ L2 (Ω) et si ∂ xi ∈ L2 (Ω), pour tout
∂f
1 ≤ i ≤ n, alors f ∈ H 1 (Ω). (ici ∂ xi ∈ L2 (Ω) désigne la dérivée
partielle de f au sens usuel ).
De plus les dérivées partielles au sens usuel coı̂ncident avec les
dérivées partielles au sens des distributions.
On définit L’espace de Sobolev H01 (Ω) comme l’adhérence de
D(Ω) dans H 1 (Ω). De plus on les inclusions suivantes :
D(Ω) ⊂ H01 (Ω) ⊂ H 1 (Ω) ⊂ L2 (Ω)
31 / 42
Espaces de Sobolev
Espaces de Sobolev
Exemples élémentaires de H 1 (Ω) :
1 Exemple 1 : - toute fonction de C 1 ([−1, 1]) est dans H 1 (] − 1, 1[).
- la fonction x 7→ x1 est dans H 1 (Ω) si Ω =]1, 2[ (car elle est dans
C 1 ([1, 2])), mais cette même fonction n’est pas dans H 1 (Ω) si
Ω =]0, 1[ (car elle n’est même pas dans L2 (Ω)).

1 si x > 0;
2 Exemple 2 : Soit u définie sur ] − 1, 1[ par : u(x) =
0 si x ≤ 0.
1 2 0
Alors u ∈ / H (] − 1, 1[). En effet u ∈ L (] − 1, 1[) mais u = δ0 (la
mesure de Dirac en 0) qui ne peut pas être identifiée avec une
fonction de L2 (] − 1, 1[).
3 Exemple 3 : Soit Ω =] − 1, 1[ et f (x) = x+2|x | , x ∈ Ω. Alors f admet
2 0
une dérivée
dans L (Ω) et f = H fonction de Heaviside définie par :
1 si 1 ≤ x ≤ 1;
H(x) = La fonction f est dans H 1 (] − 1, 1[).
0 si − 1 ≤ x ≤ 0.
En revanche, elle n’est pas dans H 2 (] − 1, 1[) car sa dérivée seconde
/ L2 (] − 1, 1[).
est égale à δ0 ∈
32 / 42
Espaces de Sobolev
Espaces de Sobolev

1 Soit Ω un ouvert de de Rn et m ∈ N∗ . On pose :
H m (Ω) = {u ∈ L2 (Ω), ∀α ∈ Nn avec |α| ≤ m ∃vα ∈
L2 (Ω) tel que D α (Tu ) = Tvα }
2 De même, on définit les espaces de Sobolev H m (Ω) où m est un
entier strictement positif par :
H m (Ω) = {u ∈ L2 (Ω) : D α u ∈ L2 (Ω), α ∈ NN , |α| ≤ m}
3 L’espace de Sobolev H m (Ω) est l’espace des fonctions u ∈ L2 (Ω)
qui admettent des dérivées partielles d’ordre inférieur ou égal à m
dans u ∈ L2 (Ω).
∂ 2u
4 Par exemple on a : H 2 (Ω) = {u ∈ L2 (Ω), ∂∂xu ∈ L2 (Ω) et ∂ xi ∂ xj ∈
i
2
L (Ω) pour tous i, j = 1, 2, . . . , m}.
33 / 42
Espaces de Sobolev
Notions et rappels autour des dérivées partielles

Le caractère particulier d’une équation aux dérivées partielles
(EDP) est de mettre en jeu des fonctions de plusieurs variables
(x, y , . . .) 7→ u(x, y , . . .).
On introduira quelques notions sur les fonctions de plusieurs
variables réelles. On s’intéresse au cas de fonctions de deux
variables.
les notions qui suivent se généralisent facilement aux fonctions de
n variables réelles, où n ∈ N, n ≥ 2.
Définition 1 : On dit qu’un sous-ensemble Ω de R2 est un ouvert
de R2 si, pour tout point (x, y ) de Ω, on peut trouver un disque
ouvert de rayon rxy > 0 contenu dans Ω. L’exemple de base est
d’un ouvert dans Ω est donné par : ]a, b[×]c, d[.
34 / 42
Espaces de Sobolev

Soit Ω un ouvert et f : Ω ⊂ R2 → R On dit que f est continue en
un point (x0 , y0 ) ∈ Ω lorsque : f (x, y ) − f (x0 , y0 ) → 0 quand
(x, y ) → (x0 , y0 ) On dit que f est continue sur Ω lorsque f est
continue en chaque point de Ω.
Définition 2 : Soit R2 7→ R et (x0 , y0 ), les deux ”sous” fonctions
de R dans R obtenues en figeant l’une des variables :
f1 : x 7→ f1 (x) = f (x, y0 ) et f2 : y 7→ f2 (y ) = f (x0 , y ). La notion de
dérivée partielle de f en un point (x0 , y0 ) revient à calculer des
dérivées des deux fonctions partielles associées à f en (x0 , y0 ).
Définition 3 : Soit Ω =]a, b[×]c, d[ dans R2 , et f : Ω ⊂ R2 → R.
Soit (x0 , y0 ) ∈ Ω et f1 :]a, b[→ R définie par f1 (x) = f (x, y0 ). On dit
que f admet une dérivée partielle par rapport à la première
variable en (x0 , y0 ) lorsque f1 est dérivable en x0 .
35 / 42
Espaces de Sobolev

0
On note ∂1 f (x0 , y0 ) ou encore ∂x f (x0 , y0 ) le nombre f1 (x0 ).
De même, si elle existe, on note ∂2 f (x0 , y0 ) la dérivée partielle de
f par rapport à la deuxième variable en (x0 , y0 ).
On définit ensuite par récurrence les dérivées partielles d’ordre
2
supérieur. Par exemple ∂xx u(x0 , y0 ) désigne en fait ∂x (∂x u)(x0 , y0 ),
c’est à dire la dérivée partielle par rapport à la première variable en
(x0 , y0 ) de la fonction de R2 dans R, (x, y ) 7→ ∂x u(x, y )
Définition 4 : Lorsque f admet des dérivées partielles ∂x f et ∂y f
continues dans Ω, on dit que f est de classe C 1 dans Ω.
36 / 42
Espaces de Sobolev

Définition 5 : Soit f une fonction de classe C 1 sur un ouvert. On
dira que f est de classe C 2 si ces dérivées partielles ∂x f et ∂y f
sont de classe C 1 .
2 2
On notera : ∂xx f = ∂x (∂x f ), ∂yx f = ∂y (∂x f ).
2 2
∂xy f = ∂x (∂y f ), ∂yy f = ∂y (∂y f ).
Proposition : Si f est de classe C 2 dans Ω, alors on a : ∂xy
2 2
= ∂yx ,
∂ 2f ∂ 2f
dans Ω On note aussi les dérivées secondes : ,
∂ x2 ∂ x∂ y
37 / 42
Espaces de Sobolev

Notions et Généralités
Soit x = (x1 , x2 , . . . , xn ) ∈ Rn . Une EDP est une équation contenant
en plus de la variable dépendante ( u(x) ci-dessous) et les
variables indépendantes x une ou plusieurs dérivées partielles.
Cette équation est ainsi de la forme :
F (x, u(x), D 1 u(x), D 2 u(x), . . . , D α u(x)) = 0
Une EDP est alors une relation entre les variables et les dérivées
partielles de u . Une telle équation est dite d’ordre m quand elle
contient au moins une dérivée partielle d’ordre m .
Toute fonction u = f (x1 , x2 , . . . , xn ) qui satisfait identiquement à
cette équation est une solution de celle-ci. Si la fontion F est
linéaire par rapport à u et à ses dérivées D 1 u, D 2 u, . . . , D α u, on
dit de l’équation qu’elle est linéaire.
L’équation ci-dessus est dite aussi :
- Semi-linéaire : si F est linéaire en D 1 u, D 2 u, . . . , D α u
- Quasi-linéaire : si F est linéaire en D α u
38 / 42
Espaces de Sobolev
On s’intéressera également aux EDP linéaires du premier et
second ordre à partir des exemples fondamentaux.
Rappel : On a déja vue qu’une équation différentielle ordinaire
0
(EDO) est une équation du type y (t) = f (t, y (t)) où t ∈ R. De plus
si f est lipschitzienne, il y a toujours
( une unique solution y (t)
y0 = y0
dépend continûment de y0 à 0
y = f (t, y (t))
Les EDP sont des équations d’inconnue u(t, x) avec t ∈ R et x ∈ Rd
(on prend d = 1,2,3 ) qui s’écrit sous la forme d’une relation
souvent linéaire entre toutes les dérivées partielles de u par rapport
à toutes les variables.
Remarque : Les EDO sont des EDP avec d = 0 . Il n’y a aucun
théorème général comme Cauchy-Lipschitz pour les EDP.
39 / 42
Espaces de Sobolev

En générale, pour chaque équation, on doit étudier :
• L’existence de solutions.
• L’unicité et La stabilité par rapport aux paramètres.
• Les approximations numériques.
Les EDP linéaires sont regroupées suivant trois grandes familles :
les EDP paraboliques, hyperboliques et elliptiques.
En première approche, on peut citer quelques exemples :
• les EDP elliptiques, dont le prototype est l’équation de Laplace :
−∆x u = f . (−∆x V (x) = ρ(x) V : potentiel, ρ : densité de masse).
• les EDP hyperboliques, dont les prototypes sont :
,x) ∂ u(t ,x)
L’équation de transport : ∂ u(t
∂t + c ∂x =0
,x) 2 ,x) 2
L’équation des ondes ∂ ∂u(tt2
= c 2 ∂ ∂u(t
x2
.
• les équations paraboliques, dont le prototype est l’équation de la
,x) ∂ 2 u(t ,x) 2 ,x)
chaleur : ∂ u(t n
∂ x + ∑i=1 ∂ x 2 = 0. ∆x u(t, x) = ∑ni=1 ∂ ∂u(t
x2
i i
40 / 42
Espaces de Sobolev
EDP du premier et second ordre

Le cas de deux variables, une EDP d’ordre 1 s’écrit :
F (x, y , u(x, y ), ∂x u(x, y ), ∂y u(x, y )) = 0
L’équation du second ordre s’écrit :
2 2
F (x, y , u(x, y ), ∂x u(x, y ), ∂y u(x, y ), ∂xx u, ∂yy u, ∂x ∂y u) = 0
Plus généralement, on peut considérer des équations mettant en
jeu des dérivées ∂xp ∂yq u(x, y ). L’ordre d’une EDP est alors le plus
grand ordre de dérivation p + q qui apparaı̂t dans l’équation.
Résoudre une EDP dans un domaine Ω de Rn (n est le nombre de
variables), c’est trouver une fonction suffisamment différentiable
dans Ω telle que la relation en dessus soit satisfaite pour toutes les
valeurs des variables dans Ω.
41 / 42
Espaces de Sobolev
EDP du premier et seconde ordre

Quelques exemples simples d’EDP è deux variables. Certaines de
ces EDP modélisent l’évolution au cours du temps de certains
systèmes, ( t désigne la variable temps ).
1 - ∂t u(t, x) + c∂x u(t, x) = 0 (une équation de transport).
2 - ∂t u(t, x) + u(t, x)∂x u(t, x) = 0 (une équation d’onde de choc).
3 - ∂x ∂y u(x, y ) = 0 (variante de l’équation des ondes).
2 2
4 - ∂xx u(x, y ) + ∂yy u(x, y ) = 0 (l’équation de Laplace).
5 - ∂tt2 u(t, x) = ∂xx
2
u(t, x) (l’équation des ondes ou des cordes
vibrantes).
il est commode de définir de l’opérateur aux dérivées partielles
associé à une EDP. Il s’agit de l’application qui à une fonction u
associe le membre de gauche de l’EDP. Par exemple l’opérateur
associée à l’équation 1 est : P1 : u 7→ ∂x u + ∂y u.
42 / 42

Chapitre2 3

Transféré par

Informations du document

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chapitre2 3

Transféré par

Droits d'auteur :

Formats disponibles

Notations, Généralités et Prérequis

Théorie des distributions

Chapitre II. Introduction au calcul

Pr. Sabry Abdelhadi

Institut Nationale de Statistiques et de l’Economie

1 Notations, Généralités et Prérequis

2 Théorie des distributions

4 Généralités et classification des EDP

Soit Ω un ouvert non-vide de Rn et ϕ : Ω 7→ R une fonction de

Si ϕ est de classe C 2 , on définit le laplacien de ϕ par :

L’espace des fonctions test D(Ω)

L’espace des fonctions test D(Ω)

L’espace des fonctions test D(Ω)

Quelques exemples fondamentaux

L’espace des fonctions test D(Ω)

L’espace des fonctions test D(Ω)

L’espace des fonctions test D(Ω)

L’espace des fonctions test D(Ω)

L’espace des fonctions test D(Ω)

supx ∈K |D α ϕp (x) − D α ϕ(x)| → 0 pour p → ∞

L’espace des fonctions test D(Ω)

l’ensemble des fonctions mesurables qui sont de carré intégrables

Espaces Lploc (Ω)

Remarque : Soit Ω un ouvert de Rn

Exemple 1 : (Fonction de Dirac )

dérivable, de dérivée v . La connaissance de v détermine u à une

Opérations sur les distributions :

Opérations sur les distributions :

Opérations sur les distributions :

ξ ∈]a, b[, pour toute fonction continue f ).

Définitions et premières propriétés

L’espace de Sobolev H 1 (Ω) sur Ω est l’espace des fonctions de

Définitions et premières propriétés

Définitions et premières propriétés

Généralités et classification des EDP

Notions et rappels autour des dérivées partielles

Généralités et classification des EDP

Notions et rappels autour des dérivées partielles

Généralités et classification des EDP

Notions et rappels autour des dérivées partielles

Généralités et classification des EDP

Notions et rappels autour des dérivées partielles

Généralités et classification des EDP

Généralités et classification des EDP

Généralités et classification des EDP

Généralités et classification des EDP

EDP du premier et second ordre

Généralités et classification des EDP

EDP du premier et seconde ordre

Vous aimerez peut-être aussi