الرئيسية

مسابقة دكتوراه 2022Université Oran 1

مسابقة تخصص · Analyse Mathématique · المدة: 2سا

MCP — Université Oran 1 2022

التمرين 1

Exercice 1

#analyse fonctionnelle#espace de Hilbert#inverse à gauche/droite

Soient HH un espace de Hilbert, AB(H)A \in B(H) un opérateur borné et II l'opérateur identité sur HH. On dit que AA est inversible à gauche s'il existe BB(H)B \in B(H) tel que BA=IBA = I. On dit que AA est inversible à droite s'il existe CB(H)C \in B(H) tel que AC=IAC = I.

1. Montrer que si AA possède un inverse à gauche BB et un inverse à droite CC, alors B=CB = C.

2. Donner un exemple d'un opérateur linéaire borné ayant un inverse à gauche mais ne possédant aucun inverse à droite.

3. Montrer que si AB(H)A \in B(H) et kerA=kerA\ker A = \ker A^*, alors AA est inversible à droite si et seulement si AA est inversible.

التمرين 2

Exercice 2

#distributions#produit de distribution#équation fonctionnelle

Soit C(R,R)C^\infty(\mathbb{R}, \mathbb{R}) l'espace des fonctions réelles indéfiniment dérivables sur R\mathbb{R}.

1. Soient αC(R,R)\alpha \in C^\infty(\mathbb{R}, \mathbb{R}) et TT une distribution sur R\mathbb{R} (i.e., TD(R)T \in D'(\mathbb{R})).

(a) On définit αT\alpha T par : pour tout φD(R)\varphi \in D(\mathbb{R}), αT,φ=T,αφ\langle \alpha T, \varphi \rangle = \langle T, \alpha \varphi \rangle. Montrer que αT\alpha T est une distribution.

(b) Montrer, au sens des distributions, que

ddx(αT)=dαdxT+αdTdx.\frac{d}{dx}(\alpha T) = \frac{d\alpha}{dx} T + \alpha \frac{dT}{dx}.

2. On cherche à résoudre l'équation xT=0xT = 0 dans D(R)D'(\mathbb{R}).

(a) Montrer que résoudre ce problème revient à trouver TT tel que, pour tout Φ\Phi de D(R)D(\mathbb{R}), Φ(0)=0\Phi(0) = 0 :

T,Φ=0.\langle T, \Phi \rangle = 0.

(b) En déduire que T=cδT = c\deltacc est une constante et δ\delta est la distribution de Dirac.

التمرين 3

Exercice 3

#contrôle optimal#Hamiltonien#optimisation

On considère le problème de contrôle d'un mobile que nous voulons amener de manière optimale, dans un intervalle de temps T>0T > 0, proche de la vitesse 0. La variable d'état x(t)=(x1(t)x2(t))x(t) = \begin{pmatrix} x_1(t) \\ x_2(t) \end{pmatrix} suit l'évolution suivante :

(S){x1(t)=x2(t)t[0,T],x2(t)=ax2(t)+u(t)t[0,T],x1(0)=x0,x2(0)=v0.(S) \quad \begin{cases} x_1'(t) = x_2(t) & \forall t \in [0, T], \\ x_2'(t) = -ax_2(t) + u(t) & \forall t \in [0, T], \\ x_1(0) = x_0, \quad x_2(0) = v_0. \end{cases}

Ici x1(t)x_1(t), x2(t)x_2(t) sont respectivement la position et la vitesse, x0,v0Rx_0, v_0 \in \mathbb{R} (position et vitesse initiales), u(t)u(t) est l'accélération (le contrôle) et a>0a > 0 est le coefficient de frottement. Le problème de contrôle optimal considéré s'écrit :

(P){minJ(x,u):=12uU2+12α(x2(T))2,x solution de (S),u(t)U p.p. sur [0,T],(P) \quad \begin{cases} \min \, J(x, u) := \dfrac{1}{2} \|u\|_U^2 + \dfrac{1}{2} \alpha (x_2(T))^2, \\ x \text{ solution de } (S), \\ u(t) \in U \text{ p.p. sur } [0, T], \end{cases}

avec α>0\alpha > 0 et UU un sous-ensemble convexe fermé non vide de R\mathbb{R}.

1. Écrire (P)(P) sous la forme minuUadJ(u)\displaystyle\min_{u \in U_{\text{ad}}} \mathcal{J}(u) en précisant J\mathcal{J} et UadU_{\text{ad}} puis montrer qu'il admet une solution unique u()\overline{u}(\cdot).

2. Donner le système d'optimalité caractérisant la solution en termes de l'Hamiltonien.

Dans la suite, on suppose qu'on n'a pas de contraintes sur le contrôle.

3. Résoudre le système d'optimalité et donner le contrôle optimal u()\overline{u}(\cdot), la trajectoire associée x()\overline{x}(\cdot), l'état adjoint p()\overline{p}(\cdot) et le coût correspondant en fonction de x2(T)x_2(T) et de α\alpha.

4. Calculer x2(T)x_2(T) et trouver la limite de u\overline{u} lorsque α+\alpha \to +\infty. Que représente cette limite.