i'(
[0
CI,cs3
*:*3:H:,*lg:,1rnne
Dlmocratique
et
populaire
i
IWi ni
stdre de
r
Eni
eignem
enr
s
rp;;i
**
lli."
iu'
i#';f,.
Scientifique
Universitd
g
Mai
lg45 _ Guelma
Far:ulltd
de
Mathdmatiques
et de
I'Informatique
et
Sciences
de
la
Matidre
Ddpartement
de
Mathdmatiques
Mdmoire
de
Fin
d'Etude
Master
Acad6mique
en
Mathdmatiques
Option
:
probabilit6s
et
applications
THIIl\4tE
Pr6senti!
par
:
FAGHI Abdellah.Jury
:
Mr. KERBOUA.M
Mr.BENCHaaBAI.IE a.
tvft.BOUIIADJAR.
S. P16sident Rapporteur Examinateur ZtiElrt,'lir|clt
i'**-lliJt
siolutions
de
viscosit6
et
contrdle
Optimal
Stochastique
I
1'1
'l
Uniru
(E'
MaL 45Guelma
F.MISM
D6partenent
deMath6matiques
i1fl
Ill
tt
\,
ir
1l
ilr
IIT
I\l
1Ir
I'
\i
\-.,
rl
Iir
1l
ll
Ii-r
s"r"tiry*#,YHff3fi*f;h$3l
tr61e
M6moire
de
Master
en
Math6rnatiques
Par : FAGHI
Abdellah
Dirig6 par
:Mr'
BENCHAABAIiIEAbbes
^lnnde
universitaire 2012'
s
Lardussite
: "99o/odetranspiration'
1olod'iinnovation'"
Fernand
Petd -
SP6l6ologueWMRemerciements
Ce
mirnoire
n'aurait
vu
kjour
sans fesgeru qui nt'entourent et qui
tn'ottt
encowagi
d. fe rnencr d. son terme. fufesprenitrs
remerciernents,t*
phu
rtifs, aont
d. mon
encafreur,
fiv{r.BENCT{AABWE
A66esqui rn'o
q{comPagndtout
au
tang de cette
i.nautigation
et
qu i.[trouoe
eryrinie
i.ci, maprofon[e
gratitudc
et
fiur. recontlaissance.
le
ooudrais
remzrcier, endeu4iime fieu hs mzmbru
d"jwy
:
Mr.
IGKtsOUA.
ivt'. et
BOar{ADtAft,,
S.pow
f'fi'otr.rueurqu'ik
mefon't
en'partbiparut d
{'ioafuation
fe
notre traoai[.
je
nepourrais P*tser
soussihnce
fa pr&ence,{'arfection
etI inutimah{e soutizn
fe
nu
psf,eflts etmafantiffu
,Llngrandmcrci au{tou^s mu
professernsfepuis
{eprimaire,
quin'snt
[onn6
fegof"tt des
matfis et
du
sci.encu eng6ndra{.Je
garde
toujows
fe mei[teursoartenir
fu
totx
mu
co{{iguu
de['uniaersitd
de08
gyl:ai45.
Merci
d.mu
coffigues[e promation
deprobabilit&
pou.r {'arn6in'n'cecfra-[etrreuse d. ta4ueffe
i{s
contrihuent. Qye
soicnt,
enfn,
remerciles toutes
[esper'
sannes
quine
trow)erlt pas
ktr
rlofii sur
cette page,nnis
qui
lnt
aitr6, etconcouru
d.,rnriafkation
de cenimoire.
.s"6d4{a[1.
EffiilTabte
des matidres
'fable
des matiEreslintroduction
.Contr6le optimal stochastique
1.1
Equationsdiff6rentielles
stochastiques1.2
Contr6le
de processus dediffusion
.
'
'1,.2.I
Principe
de laprogrammation
dytu*tqte
'!.2.2
Equation d'Hamilton-Jacobi-Bellman
'
'L.2.3
D6rivation formelle
de FIJBt.2.4
Th6orEme dev6rification
.7.2.5
Un
problEme de contrOleoptimal
stochastique avecfonction
va-leur
non-lisse (non r6guliEre)Solutions
deviscosit6
2.L
Pr6sentation etddfinitions
1 3 5 5 7I
9I
11 72 15 152.2
Solutions de viscosit€ et d6riv6es g6n6ralis6es'
'
162.3
Existenced'une solution
par la m6thode dePerron
192.3.1.
La mdthode d'ePerron
-
.
-
192.3.2
Existence d,unesolution
de viscosit6continue
. .
.
.
.
27I
f
.Bbusflo[
':'&':..1
*orobi[it&
etapp[tuatin*'l
-. -t
,*z
TABLE
DESMATIENNS
2.4
2.5
2.6
Principe
de comParaisonPreuve
du principe
de comparaison Pour le secondordre
la
programmation
dyr*iqre
et lessolutions
de viscosite23 24 28 30 31 31 34 34 36 37 39 47
2.6.1
ProPridtd de viscositd2.7
ExemPle d'aPP1ication2.7.L
Calcul du
coOt desurr€plication
3;
y'\nnexe3.1
Calcul
stochastique3t.2
Formule dTtd .:i.3
AnalYseconvexe
-31.4 Mesure et
int6gration
Iiibliographie
I
f
,gburtte!
,J':.-,1
*or*i[it(s
etoppntoru*'-l
^?
WffiilIntroduction
()ns
nrobldmes de contr6le optimal stochastique ont un grand nombre d'applications{z
dans les domaines de I'dconomie eti
la finance,poufiant
le contrdle optimalstrochastique repose totalement sur la mdthode de la programmation dynamique via
I'diquation d'Hamilton -Jacobi-Bellman
fUA
[ehaO7] qui est en gdndrale une dquation auxd(lrivSes partielles non lindaire. Cependant, cette mdthode suppose
i
priori
que lafonctjion valeur soit rdgulidre, ce qui n'est pas ndcessairement le cas m€me pour des cas
uEs simples.
Sln.*
surmonter cettedifficulti,
Crandall et Lions ontintroduit
dans les anndes 80\V
t"
notion de solution de viscositd[Uoeg]
pour les dquations du premier ordre. Cettethdorie a dtd ensuite gdndralisde aux iquations du second ordre. Ce concept
fournit
unmoyen uds puissant pour dtudier en toute gdndralitd les probldmes de contr6le
stochastique et permet de donner une formulation rigoureuse
i
I'dquation d'HJB pour des fonctiions supposdes seulement localement borndes.()'ewression
"th6orie" des solutions de viscositd peut preter)
sourire car, pour I'instant4r
du moins. |'utilisation de cette notion de solution se heurtei
ladifficultd
suivante :sauf
quelqu.,
"u,
bien rdpertorids commeltquation
d'Hamilton-Jacobi-Bellman, parexemple, I'dquation
)
laquelle on s'intdresse ne satisfait qu'exceptionnellement leshlpothdses des rdsultats classiques de la thdorie.
r
Intro'duction
J"4
Nous passons maintenant
i
la description prdcise du plan de ce mdmoire, ce mdmoire est comprq5{ cle deux parties principales.,/'
'."*"
Chapitre
1. Dans le premier chapitre nous rappellerons quelques notionsconcernant le contr6le optimal stochastique cotnme par exemple la notion d'une EDS,
ainsi nous prdsenterons le conuOle des processus et leurs propridtds, et nous terminerons
ce chapitre par donner un exemple qui montre bien pourquoi la notion de solution de
viscositd
i
dtd introduite.."1
"i'**"
Ghapitre 2. Dans le deuxidme chapitre ondifinira
ce qui est une solution deviscolsitd et donner quelques propri6t6s concernant cette notion et nous donnerons
e)iactement un rdsultat trds important qui est I'existence et I'unicitd d'une solution au sens de viricosit"d, par la mdthode de Ferron pour I'existence, et le principe de comparaison
pour l'unicitd. Et aprds nous donnerons une approche de la relation entre les solutions de viscolsitd et le principe de la programmation dynamique, et
finir
par un exempled'application de cette notion.
I
-t
.0
I
Cfinpitre
1-lru
Contrdle
optimal
stochastique
1..1
Equations
diff6rentielles
stochastiques
Le concept d'dquation diffdrentielle stochastique gdniralise celui d'dquation diffdrentielle
ordilaire
aux processus stochastiques. La formalisation th€orique de ce problAmei
elleseule a posd
problime
aux math€maticiens, etil
afallu
attendre les anndes 40 et lesn:avurux du mathdmaticien japonais
It6
Kiyoshi pour la ddfinition de I'intdgralestoc6astique.
Il
s'agit d'dtendre la notion dtntdgrale de Lebesgue atu( processusstoclastiques selon un mouvement brorarnien. On construira cette intdgfale, et on donnera
un sens
i
I'eripression
f
,I
f
(",
a)dBuof
f
(u,.)
est un processus,ro.t urriqolmuni
de propridtds de rdgularitd suffisantes.ir partir
de la thdorie de I'intdgration, on construit la thdorie des dquations diffdrentiellesstochastiques EDS
[Pro05]
.1.1
Elquationsdiff6rentielles stochastiques
a7''
6Soit
(O,9,IF
=
(9r)ret..rt,P)
un espace deprobabiliti filud
satisfaisant les conditionshabituelles 1, et soit
(Br),
un 9,-mouvement brorrvnien d valeurs dans lR. On se donne desfonctions
b(t,x,ar)
eto(t,x,al)
ddfinies sur [O,f]
x
Rx
Oi
valeurs dans IR. On supposeque pour
tout
@, les fonctions b(., ., <rr) eto(-,
-,ar) sont bordliennes sur [0,T]
x
IR et pourto,ut :r e lR., les processus
b(-,x,.)
eto(.,
x, .), notds parfois pour sirnplifier b(.,x)
eto(.,r:)
sont progressifs. On considdre alors fEDS)
valeurs dans lR :dXr-
b(t,xr)d.t +
o(t,xr)dB,
(1.1)Les c,cefficients b(t, x, @) et
o(t,x,al)
sont de laforrre
b(t,x,ar(o)), 6(t,x,cr(al))
oir6,,
6
sont des fonctions ddterministes bordliennes sur[q
T] x
lR x A" A sous ensemble delR, et
c
:
((If )f€lo,rl est un processus progressifi
valeurs dansA
Une solution de (1.1) porte le nom
de'di:ffusion'.
Ces dquations perrnettent de construire la plupart des modtles d'actifs utiles en finances, aussi bien lorsquefon
cherche iLmodrlliser des actifs des taux
dlntdr€t.
Bidcisons, ce que I'on entend p:u une solution forte de I'EDS
(1-1)-Dfrnvrrror
1.1.1 (Solution forte d'EDS), Une solutionforte de\EDS(L.I)
partant dll,nstunt
t
est unprocesflts(Xr),
progressif telquel'on
ait
f'
r'
I
latu,x,)ldu+
|
lotu,x,)l'du(
*oo,
ps.,vt
(
s€
[0,r]
J,
Jt
et:
quela
relotionXr=X,
o(u,Xr)dBu,
(7.2)soitvraie p.s.
Notons qu'une solution forte de IEDS (1.1) est un processus continu 2.
Ll'exfutence et I'unicit€ d'une solution forte
i
IEDS (1.1) est assurde par les conditions deLipschiU et croissance lindaire suivantes :
il
existe une constante finieK
tels que pourtous
f
€
[0,T],
ar € O,x,
y
€lRlb{t,x,co)-b(t,y,o)l+
lo(t,x,a)-
o(t,y,<o)l
S
Klx-
yl
(1.:1f
b(t,x,
c,r)l+
lo(t,x,o)l
<rc(r
+
lxl)
(1.4)c-i-d que la filtration F = (%t)t.rcIl est continue iL droite et compldte.
Ses trajectoires sont p.s.
continue-+
lr'
utu,x,ror*
l,
1. 2.
:f
.lTbneIlo[
.*i-
..,!
*ornbilitis
etapp{batio*-
|
li
L.2
(lontr6le
de processus dediffusion
,;f-
I
Tntcrntun 1.1.1.
Sous les conditions(1.3),
(1.4),il
esciste pour toutt
€
[0,Tf,
une solutionfctrte d.I'EDS
(1.1)
Partant d l'instantt.
De plus, pour tout{
%r-mesurable d valeurs dcns IR, te:l qtrcE(16'l)
( *€,
ily a
unicit6, il'une solutian forteX
partont d l'rnstantt
de €, i.e.X,
:
6.
Ilunicitd est trajectorielle (ou indistinguable3). De plus cette solunan est ile carrdirtdgrable
etvdifie
:pour tout T
>
t, il
ercrste une constante C7 tel que:E( sup
l&l')
<
cr(1 + E(lE'l)).
t<s<T
'/.,.2
Contr6le
de
processus de
diffusion
On considdre un moddle de contr6le
of lttat
du systlme est gouvernd par I'dquationdiffdrentielle stochastique EDS
i
valeurs dans lR."dX,:
b(X'ar)ds
+o(X,,%)dB.
(1.5)orh
(Itr),
est un mouvement brownien d-dimensionnel sur un espace de probabilitdfiltr€
(17, 9r,
(9
r) r>o, P) satisfaisant les conditions habituelles.On note par
.4
fensemble des conu6les admissiblesc,
tel qued:
(d")" est un processus p:rog:essif (par rapporti
(4),>o).
Les firnctions mesurables
:
b : lR.nxA
--
IRo eto
: IRnxA
-{
lRnxd sadsfont une conditiondre Lipschiu uniforme
enA
et une condition de croissance lindaire,c-i-d
:f,K
):0, Vx,y
€Rn,
Va e A,lb(x,a)
-
b(y,a)l
+
lo(x ,a)
-
o(y,a)l
<Klr
-
yl.
(1.6)lb(x,
a)l*
lo(x, a)l
<K(1
+
lrl)
(r.7)
Critbre de
minimisation
Srrient
f
: lO,T]
x
IRnx
A---+ 1R. etg
: IR'-r
lR des fonctions mesurables. On suppose que :(i)
g esti
croissance quadratique:
lg(x)l <
C(1*
lxl'),
Vx
€ JR",(ii)
Jr est)
coissance quadratique: lf
G,x,o)l
<
C(1*
lxl'),
Vx
€ IR.n,3. Signifie que si (Xr), et (Yt)t sont deux telles solutions fortes, on a P(X,
-
y", Vf < s e [0, T]) =t
1.2 Contrdle
de processus dediffusion
J'g
pour une constante C inddpendante de
x.
C,Btt€:
derniire
condition garantit l'existence et I'unicitd d'un processus conff61d pourchague dtat
initial
donnd et pour un tel contrdle, sous la condition de Lipschitz uniforme pour les coefficients b eto.
C'est une cons€quence d'existence Pour des dquationsstochLastiques avec des coefficiens aldatoires
voir
[Pro05].On peut alors ddfinir sous
(i)
et(ii)
la fonction decotit
:f
r'
^
I
J(t,x,")
:
E
|
|
j[(s,X"''*,cr,)ds+
g(XiL-)l,
LJ,
Jpour
tout (t,
x)
e
[0,f]
x
lR." et ae
-d.Iiobjectif
dtant de minimiser cette fonction decorig on
introduit
la fonction valeur :v(t,x):
Hl(t,x,d\
(1.8)Four un dtat
initial
(t,x)
e
[0,f
[xR",
ondit
qued e
-d
estun contr6le optimal siv(t,:r)
-
J(t,x,d.).
1.2.1
Principe
de
la Programmation
dynamique
Le principe de la programmation dynamique (PPD) 4 est un principe fondamental pour la
tftdo:rie du contrdle stochastique [I(rySO], [FS06]. Dans le contexte de contrdle de
procrsssus de diffrrsion
dicrit
au paragraphe pr€cddent, et m€me plus g€ndralement pourdes contr6les de processus de Markovs,
il
s'dnonce ainsi :TnfontMe
1.2.1 (Principe de la programmation dynamique). Soif(t,x)
€
[0,T]
x
lR'o.A.lors on a
f
re
I
v(t,x)
-
-
qrf.-i"J
E
|
|
/(s,X,t'*,cr,)ds
+v(e,x!'-)
l ae-40esr,7
LJ,
Jf
ro
I
:
ill;Y,'t
lJ,
ru't;r'c')ds+v(o'xel')l
'oi 9\1
estl'ensemble des temps il'arr€ts dvaleurs dans[t,
T]-4. Ce principe est initid dans les annde 50 par Bellman.
5. Un processus de Markov est un processus stochastique jouissant de la propridtd de Markov, c-d-d : "ce
qui se pasie dans le futur d€pend seulement de
fitat
pr€sent et ne ddpend pas du parcours de1-.,2
Contr6le
de processus dedi{fusion
J^'
gRnuangun 1.2.1. Le pincipe de
la
programmatian dynamique 6nonc€ ci-dessus peut sefo'rmlrler de maniire dquivalente :
G) R;ur tout a
e
.4
et0
e9r,,
:f
ro
I
v(t,x)s"
I
I
f(s,x;*,%)ds+v(o,xj'.)
|
.LJ'
I
(ti)
P,our tout6 >
0,il
aciste a€
,4
tel que pour tout 0 e9r,,
:f
re
I
v(t,x)+5 >E
|
|
;F(s,X"t'*,a")ds+v(O,Xjr)
|
.LJ'
I
C"est une version plus
forte
que laversion traditionnelle du principe ilela
programmation$matnique:
f
r'
I
v(t,x):gtE
|
|
f(s,X,t,',a,)ds+v(0,x';\1
,
(1.9)aed
LJ,
J
pour tout temps d'arr€t
0
e 9r-r.t,,z.iZ
Equation
d'Hamilton-|acobi-Bellman
L'tiquiation d'Hamilton-Jacobi-Bellman FIIB est la version infinitdsimale du principe de la proSlammation dynamique : elle ddcrit le comportement local de la fonction valeur
v(t,r')
lorsqu'onfait
tendre le temps d'arr€tg
dans (1.9) vers r.Dans ce paragraphe, nous ddrivons formellement fdquation d'FUB en supposant que la
fonction valeur v
estsuffsamment
rdgulibre
lYon00], [phaOZ].l.,z.il
Ddrivation forurelle
de
HIB
Considirons le temps
0:
t*h
et un contr6le constantd":
e, avecc
arbitraire dans, ,on a d'aprds la relation de la programmation dynamique :
I
pt+tr
I
v(t,x)sE |
LJ,
| f(r,x,''',c)ds*v(r*h,x:fh)1.
(1.10)I
Err supposant que v est suffisamment rdgulidre, on a par la formule dTt66
ente t
et f*h
:6. tbur appliquer la fomrule d1t6, il faut que v soit une fois ddrivable par rapport
i
f et deux fois d€rivable par fappofti
x
(suffisamment rdgulidre).1.2 Contr6le
de processus dediffusion
;F
ro
v(r*
h,x:';)=v(t,r)+
f
'*
(
{*e"v)(s,xt')ds*
l'*o
*rr,x:,,)itB,.
J, ot
J, 0x"
s
'--
:oi
2?" est I'opdrateur associdi
la diffusion (1.5) pour le contr6le constantc
et d€fini par :gov
:
b(x,a)D,v+
ltr(o(x
,a)o,(x,a)D1u).
2
En substituant dans (1.L0), on obtient alors :
I
r'*o.au
I
0 S
E
|
|
(*
*
g"v)(s,Xt*)+/(s,X"'.*,c)ds
|
.LJ, vL
J(on
l;ait que le Processuslr'*o
#t
,*,t*)d4
est une martingale locale alors que"
(/,'*u
fr{r,x;')a4)
:0
voir
remafque 3-1.1. dans annexe).Err divisant par h et en faisant tendre h vers 0, on a :
Av
o
<
U;G,x)+
-v"v(t,x)*/(t,x,e).
Ceci rltant valable pour tour
a
€A, on altndgalitd
:0v
-
TG,x)+sg[-9"v(t,x)-
f
(t,x,c)]
<
0.
(1.11)D'autre part, supposons que d* est un contr6le optimal. Alors dans (1.9), on a :
v(t,
x)
=
E
I
f
'*0,
u,";,
al)ds
*
v(r +
h,q*o)l
,LJt
Joti
X*
est l'6tat du qntdme solution de (1.5) partant dex
ent
avec le controle d*. Far unargunlent similaire et avec des conditions de rdgularit€s sur y, on obtient :
0v
ilG,x)-
9"iv(t,x)
-f
(t,x,c])
=
o,ce qui combind avec (1.11) suggEre que v
doit
satisfaite :-#U,x)
uL*
sup[-
Eov(t,x)- f
(t,x,a)]
=
O
V(r,x)
e
[0, T[xlRo,aeA
si Ie supremum ci-dessus en
c
estfini. on rdicrit
souvent cette EDp sous la forme :0v
- ;
ot
*Il(r,
x,D*v(t,x),Dlv(t,x)):
e
V(r,x)
e
[0,T[xR.",
(L.L2)
.,T
oir po,ur
(t,x,p,M)
€
[0,r]
x
IRNx
IR.Nx
s"
(s"
est l'ensemble des matrices nx
n symdmiques) :'l
H(t,x,p,M):
sup[-b(x,a).p
-
,tr(oo'(x,a)M)- f
(t,x,c)].
Cette fonction
H
est appelde Hamiltonien du probldme de contrdle considdrd. Cetteiquation
(1.12) est appel6eiquation
de la programmation dynamique ou dquation deHami:tton-Jacobi-Bellman FLIB. A cette dquation aux ddrivdes partielles,
il faut
ajouter lacondi'rion terminale :
v(4x):
g(x),
Vx
e tR".P*
optrsrrrox
I .2-l .
Soit/
(., .,a)
une fonction continue por rapport (t ,x)
pour tout contr6|ea eAt
et soitH
continue. Supposons quelafonctionvaleurv
est ile clcssegt,,(l0,Tl,R').
Ona
trlorspour
tout(t,
x)
€
[0,f]
x
IRn.-0v
VG,x)
*
H(r,
x, v(r, x),D*v(t,
x),D]v(t,
x))
:
o.l|:2.4.
Th6or&me
de
v6rification
Lttapr:
la plus importante dans la prograrnmation dynamique consistei
montrer,itant
do:nnde une solution rdgulidre
i
I'dquation d'[UB, sous des conditions suffisantes, coincideavec la fonction valeur. Ce rdsultat est appeld
thdorime
de vdrification et permet aussid'o'btenir un contrdle optimal.
Il
repose essentiellement sur la formuled'Itd
[yon00].Tufon:tMe
1.2.2.
soitw e
cr'z(lo,r[xRI)
n co([O,T]
x
IR{) d. croksance quailratique,i.e.
il
existe une constante C telle que :lw(t,x)l
<
c(1*
lrl'),
V(t,x)
€
[0,r]
x
IRN.(i)
Suptposorrs que:0w
-
At
+sup[-.9"w(r,r)
-
f
(t,x,d)]
So,
(t,x)
e
[0,r[xRN,
w(T,x)<g(x),
xelRN.
oi,l'op'6rateur
9o
associ4d.la
diffusion (L.5)pourle
mntrilIea
estdffinipar
:1[-2
Contr6le
de processus dediffusion
,ryq.y"
12-g
o w:
b (x,a).D,w
+
lrtr
(o (x, a)o, (x,o)Dlw).
Alorsw
Sv
sur[e
T]
x
lRN.(iii) L'e pfus supposons que
w(7.)
:
g, etpour
tout(r,x) e
[o
r[xRN,
il
acbte d,(t,x)
m:.esurable d va.leurs dans
Atel
que :
0w
-i(r,x)+sg[-
g"w(t,x)-f
(t,x,d)f
:
-ffft,x)-ga$.x)w(t,x)_f
(t,x,d.(t,x))
=
0, I'E:P5, dX,=
b(X ", A(s, X,))ds+
CI(X,d(s,
X,))dB"sd;mette une solution, not6e
x!*,
dtant donn*eune
condition
initiale
x,
-
x,
et {d(s,Jrj,*),r
< s<
Tl
€
-d.
Alorsw=v
etii
es,tun
contrile optimal morkovien.sur
[0,I]
x
lRil,f
i!'5
un problime
de
contrdle
optimal
stochastique
avec
fonction
valeur non-Iisse (non r6gutibre)
Dans crstte partie, nous allons donner un exemple
de conu6le de processus on suppose au
ddbut que la fonction valeur soit suffisamment
rigulidre
et on arrive a la
fin
que cefte fonctiorn ne peut 0ue pas rdgulidre.soitA
== lR, et soit le processus contr6rdy
-
(y,z)dans
rR2, ddfini par les dynamiques :dY,
=
Zr"fran!
etilZ,
=
vtdt+
,ndB?,
ori 8l'
=
1tr.l'Bf) est un mouvement brownienstandard
i
valeurs dans IR.2.soit g
unefoncrionL non-ndgative semi-continue infdrieur
dans IR, et soit le probldme de controle
stochastique ddfini par :
v(t,
x)
:
t:3
E ,*[s(rr)].
On raiso,nne par l,absurde,
o'
si
y
e
81'2{o,r],R2}
alors d'aprds la proposition (1.2.1.)v
satisfait :av av ,7rv
a2v
-
at
-u6-z'e7-E>o
VueJR,f
.9bur:tlaf=ixL
--l
*orobiritis
etappficatio*-.1
t lt:aSS"aI.
d.
e*"""r",
a.
er pour
tout t
e
[0,f],
x
=
(y,z)e
lR2.:,H::*itraire'
il
ddcoule que la fonction valeurv
est inddpendantede la variable z,
av. ,
^02v
-
illr,y)-
"'G(t,y)
>
o
Va eJR,
(r.13)
et porur
tout
(t,y)
€
[0,r]
x
R-Fosons
z:
anous voyons alors queV(.,y)
est ddcroissanre pour touty
elR.
G.14)
Arrssi, lorsque on tendre z vers
l,infini,
il
convient :
V(t,.)
est concave pourtout r e
[0,f].
(1.15)
O. Delpuis
g
est positive,il
est facile d,obtenir:
V(T-,y)
-WV(t,y,z)>
g(y)
V(y,z)e
tR2.
(1.16) c'est une consdquence du lemme de Fatau, du
semi continuitd infdrieur de g, et de la conLtinuitd de y,' en son dtat
initial
y.
Majlntenant, de (1.14J
et
(1.16), on av(t,y,z)= v(r,y)
>
v(T-,yl
>
g(y)
v(t,y,z)€
[0,
r]
x
rR2.Utilisons (1.1S), on obtient alors
v(t,y,z):v(t,y)
2
g"o".(y)7
v(t,y,z)
€
[0,
T]
x
lR2.
G.17)
O.
tltillsons
ltnigalitd
de Jensen, et la donner que g Sg,on ,utilis6115 aussi la propridtd
de martingale sur
y,
on obtient alors :V (t, y,
z)
:
sup4.*
[S(yr)]
yed<
supE,,,[g'on'(yr)]
v€d
s
j:jg'"".(E,,[(yr)])
=
g.on.(y).on
a prouvd que, lorsque on combine cettedernidre indgalitd
et
(1.17)v
e
vr,z(Lo,rl,
R2)a*jil,tt#jj::1".*"
concave de g' i'e' Ia plus petite fonction concave dont re sraphe se ,,ouve
+V(t,y,z)=
g,o",(y)
y(t,y,z)
€
[0,
T]
x
JR2.Rapprelons exactement que cette implication se tient pour la fonction semi-continue
inrfdrrieur non-ndgative arbitraire
g.
Que nous obtenons alors une contradiction que lafcrnction g"o'" n'est pas V2(JR).
Rr
consdquent:g'on'
#.d'{R)
--t
Ve
vt'r(f1,r],
R2).l.flboelIaD
,a':."-l
*oro*o*
Cfrapitre
2
lEf
solutions
de
viscositd
Dan:s ce chapitre' on va
dtudier la notion de solutions de viscositd dans un
cadre
g6n6ral,
dansrun premier temps on va donner deux
ddfinitions dquivalentes de cette
notion, ainsi la
re'lati'n
entre les solutions de visocsitd et le contrdleoptimal stochastique
[uos3].
Nous;teruninerons ce chapitre par un exemple d,application.
2.7
.Prdsentation et
d€finitions
on
s'iintdresseici
i
une dquationelliptique, c,est-i-dire
i
une dquation de laforme :
H(x,u(x),Du(x),D2u(r)):O
xee
(Z.I)
of
O rest un ouvert de lRr donndet
I{
: Ox
lRx lRr
x Srv*
lR. Dans toutela suite on
supposeril que
H est'blliptique",
c,est-i-direque
Ir
est d6croissante par rapporti
ra
dernii:re r,rariable :
H(x"s,,t,x))Ir(x,s,
p,Y)
siX<
y
v{x,s,p,X,r)
€n
xlR
xlRNxs"
xs"
(2.2) (lindgalitr!x <y
dtant compriseau sens des matrices symcuiques).
f
.9,bor'rto[
".*"--.!
*ouor*r*
lglgg1*lt1gsitd
et d6riv6esD'frnvruor
2.1-1{solution
de viscosit.-ddfinition par les
fonctions-test).
on
dit
qu,unefo,nct,bn u : O
-r
lR est sous_s olution deviscosit|, de(2.1)si
a esf semi_continue
s,pdrieurement (s-c.s) dans dt
et
si"pour
toutefonction-test
s
e
v2(n)
terle que u_
Q a unmwdrnum local en
un
point xoe
e
on afr(xo,
u(xo), DS(x),
Dt 6Ui) .
o.symatiquement'
an
ilit qufunefanctionu:
o
--+ lR esf sursolution
d.eviscositr] iLe (2.1) si uest senni-continue infdtieurement (s'c-i)
darc dl
et
si,pour
tautefonction testS e
vz{n)
telte queu.- 6
u un minimumlocal en
un
point x6€
dl" on aH (xo,
u(x),
D S(x),
nzQ
ki) I
O.EnJin' iu : f,l --+ lR est soluao n
de viscositdl de
(2.r)
si u est sou'-et
sursolution de (2.1).z.tz
solutions
de
viscositd
et
d6riv6es
g6n6ralis6es
Nours alllons donner dans ce paragraphe une
ddfinition dquivalente de la notion de
solution de viscositd qui s'appuie sur la
notion de sur- et sous-diffdrentiels
dbrdre
2 d,unefonction'
L'i*tdrdt
de cettedifinition
dquivalente est trds
rimiti
pourles dquations du
prennie' ordre mais elle joue au contraire un r6le
fondamentar pour les iquations
du deurriinre ordre.
DfprNrtron 2.2.1(Sous-diffdrentiel d,ordre
2). Saitu
: O _+ lR (s.c.r).Le
sous_diff?rentielD2'-tt(x,r) d'ordre 2 de u
il
xoef,r esf tensembre
da
coupra@,x)e
IRo
x
s"
ters que,pour
tout .r
e
dl,u(x) >
u(xs)*
1
p,x-ro
) *I.x(x_
xo),x_xo
)
+o(x
_
xol\.
Renenguu2'2'l'
i)
Trornu
un sous-diff*rantieldbrdre
2
consiste donc d mettre, dune
et,eur d'ttrdre
supdieur
pris, une parobalesousle graphe de u,
porabole
qui. colle au grapheen xo.
ii)
De la m€me manidre, pour une fonction (s.c.s), on itefinit Iesuriliff|rmtiel
d,ordre Zu nat6
D2'+ u(x q'.1, en inv ersant
lln1gatitd-iii)
si
u e;tniguriire
alorsD2'-u(x):
{(vu(xo
),x),x
e
s*
tere queX
<
D2u(x)r.
on
a ailons une nouvelle ddfinitiondes solutions de viscositd, dquivalente
i
la prdc6dente:
1' srruligrons que, par ddfinition, orr.
*lurio'est
toujours une fonction continue.
li.ghut;IsbA
-
l
*orobititis
etappfitatio*=
!
2.2
fiolutions
deviscosit€
et d€riv€es g6n€ralis6esJ"
17DfrrNrrroN
2.2.2 (solution
de viscositd-d€finition par les sous- et surdiff€rentiels d'ordre2.). Soit
{l
un owtert de Rtr, et soit u : O-
&
i)
On dit queu
est une sous-solution de viscosit{, de (2.1) si u est (s.as) et si" pourtout
x,o
€
Q et tout(p,X)
e Da+u(xo),on
aff(xo,u(xs),p,X) <
0.it)
Dez m€me, u ?st une sursolution deviscositd de (2.1) si u est (s-c.i) et si, pour toutro e
Oel.tolrt
(p,X)
e D2'-u(xo), onaH(xo,u(xo),p,X)
Z
O.ii;i) u est une solution de viscositd de (2.1)
si
ellest
ufte sur ef sous-solution deviscositd de(:2.1).
Orn va donner maintenant la
dimonstration
deltquivalence
entre les deux ddfinitions (lad,dfinition par les fonctions-tests et la ddfinition par les sous- et surdiffdrentiels d'ordre 2),
mais avant de ga, on a besoin d'un lemme :
Leuuu 2.2.L.
Siftt,X)
e
D\+u(xo)
il
anste unefonction$
de clcsse€2
telle quepr{(:r6)
-p,
D'Q(xo):X
ettellequeu-
Q ounmacimumlom.len
xo.Drfuronsrnarron
(dquivalence)ern va faire la preuve dans le cas'3ous-solution" seulemeng (indiquons que les cas
"r;ursolution" et osolution" sont prouvds de m€me maniEre).
rsr D"une
paft,
sid
une fonction-test de dasse32,
alors on peut dcrire$
comme suit :d(x)
-
d(xo)+
<
Dd(xo),x
-
xo, *;<
o'd(to)(x
-
xo),x
-
xo)
+o(lx
-
rol')-et si xo un point de maximum local de u
-
d,
ott a alors,u(x)
-
u(xo)S
d(x)
-
d(to)'
En crcmbinant ces deux derniers
rdfliltats,
on obtient :u{x)
-
u(xo)-
<
Dd(xo),r
-
ro, -;<
p'd(*o)(x
-
xo),x
-
rcg><
o(lx
-
xol'),
d'oir
(D{(xo),D2{(xo))
e Dz,+u(ro). (Daprds la ddfinition de sous-diffdrentiel d'ordre 2).16r Et
d'autre
parg Soit x0€
O et soit(p,X)
e Da+u(x6) sous laquelle on a.EI(x6,u(xs),p,X) <
O (c'est-d-dire u est une sous-solution de viscositd par la deuxidmed.dfirrition), alors d'aprds le lemme prdcddeng
il
existe une fonction$
de classeg2
telle
q.ue
D{(xo)
=p, D'd(to) =X
et telle queu-
$
a un maximum local enro.h
r,emplagant dans Fr(xo,
u(xo),p,X)
S Op
parD{(xo)
etX
parD2$(xs)
et le r€sultat a 6tdo,btenu.
E
l{ous allons montrer que ces ddfinitions ont bien un sens lorsque u est de classe 7!2 ; onremarquera dans la preuve que la condition
d'ellipticitd
surrl
est cruciale pour cela.:
:f
.tilburttstJ
w
-,.1
*oroblfrtds
etapp[icatio*--!
-d
2.2
liolutions
deviscosit6
et ddriv€es g6ndralisdesf'
1gpnoposrflor 2.2.1.
Soit u de classeg2
ilons O. Alors u est sous-s olutisn de vucositd si et seule,mmtsiuvffifie
H(x,u{x),Du(x),D2u(x))<O
xeO.
(2.3)Rnunnguu
2.2.2. Onvffifieimmddiatement
queles ossertionssymffiques
sont d,galementvrsies pour
la
sursolutiotu et pourla
solutions-Dtftltrcxstnettorrl
La condition est ndcessaire, car, si u est une sous-solution de viscositd, et si I'on prend
clcnune fonction-test la fonction
lf
-
u, alorsu-u
admet un maximum local en toutpoint
x
€!),
et donc (2.3) doit €trevirifid.
La condition est €galement suffisante. En effet, si u
vdrifie
(2.3), alors pour toutefoncldon-test
d
€
A'(n)
telle queu-
$
a un maximum local en un point xse on a, d'aprBsles conditions ndcessaires d'optimalitd,
Du(xo)-D{(xo)-6 et
D2u(xo)-D2'd(x0)<0.
Ciomme
H(x6,u(x6),Du(xo),D2u(xo)) <
0 par hypothdse et commeH
est elliptique(,c'est-i-dire vdrifie
(2.2)),
on en ddduit queH(xs, u(x6),
D{(ro), D'd(*o))
< I{(xs,
u(x6), Du(xo), D2u(xo)) S 0a
L,Erulur
2.2.2.
On wppose ici queH
at
continue dans toutes ses vsri%bla- Soit u unesous-soluti on ile vkcasitf, de
(2.L)
udmettant un darcloppement limit6' d'ordre 2 en unpoint
x.
AtlorsH (x,
u(x), Du(x),D2u(x)) <
0.llsMeneun
2.2.3.
Par*u
ailmetun
darcloppemmtlimitd il'ordre 2m
unpoint
x"
nousvoulons dire
quil
atbte un vecteurp € RN et une matriceX eS"
tels queu(y)
-
u(x)+
<
p,y-
x >
*f,.
xbt
-
x),y
-x
>
+llv
-
xll2e(v
-
x).
I?ar nbus
ile
notation" nous noteronsDu(x)
:
p
etExistence
d,une
solution
lamdthode
de
perron
Dfurousrnerron
(Lemme)Itixons e
>
0. Alors, comme u admet un DL d'ordre 2 enx,la
fonction
Jr
+ u(y)-
[u(r)+ <Du(x),y
-x
>
+i(.
(D2u(x)*er,v)(y_x),y_x >]
possddeun
nnaximum local en
x.
DoncH(x, u(x), Du(x),D2u(x) +
elrv) S 0. On obtient le rdsultatdldsn.d en laissant tendre e vers 0.
2!.3
Existence
d'une solution
par
ra
mdthode
de
perron
Nlous e:rpliquons dans cette partie comment construire une solution de viscositd d,une
drquation lorsque I'on en connait une sous- et une sursolution et que l,on sait que
ll5quation possdde
un'lrincipe
de comp?rais911,. Cette mdthodeest connue sous le nom
dre mdthode de Perron.
En
faig
le procddd trds gdndral ddcrit ici permeq pratiquement sans hypothdse, deconsruire
des solutions "trdsfaible'
: des solutions dites discontinues. On s'intdresse)
nouveau d 1'6quationH (x,
u(x), Du(x),
D2u(x))-
Oxef,l
(2.4)oii,
dans toute cette partie, f,l un ouvert de IRN etr{
:o
x
rRx
rRilx
srv-
lR est supposdeelliptique et continue.
D6rrutron
2.3.!.
Ondit qu'unefonctionu:
f,l --+ lR est une solution deviscositd ilkcontinuede (2.4) si u* est une sous-solution de
(2.4)
tandis queu*
est sursolutian ile cette |quation.Rruangut 2.3.1.
Ilne
manque ilonc d une solution discontinue quela continuitd pour Atre urrc solution continue!2.,3.I
La
mdthode
de
Penon
Nrrus ddcrivons maintenant la mdthode de
krron.
Bien plus que le r€sultat -qui est assezformel-,
il
convient de retenir de cette partie la technique de construction d'une solution, erpliqude au ddbut de la preuve.Soit (uo)orr une tamille localement majorde de fonctions de O dans lR. Posons
u(x):
suPu"(x).
deA
!
j'.(tbutf{b-&
..1
*oroilititfs
etapptiratio*-,1
lt
Existence
d,une
solution
la
m6thode
deperron
'Lrrunrn
2'3'1'
supposotu que, pour toutae,4
(u")*
est unesous-solutro n de l,7quation t(2.a0. Alors u* est encore une sous_solution de{2.4).
1lsdoniun 2.3.1.
On suppose queu:
O-r
]R est une sous_solution
ile
(2.4)
tandis querr : f,) -+ IIR esf une sursorution de cette dquation.
on
suppose i.e plusu
s
v danso.
AlorsiI
euaite une solution de viscasit{, discontinue
w :f,I _,
lR.
telle
que u1w
1
v.Dfuomsrnarrow
Sloit
E
=
{z : {-l '-+ JR la* est une sous-solution de (2.4) et u(
z<
vI.
lrlotcrns que
d
I
0 puisqu e ue
E.posonsw(x):
supz(x)
ze8
Ntour; allons montrer que
w
est bien la solution cherchdeRemirrquons d'abord que
il/
e E puisque u1w
1
v
etw*
est une sous-solution de (2.4)grdce au lemme (2.3.1). Reste
i
prouver que w* est une sursolution det2.4).pour
cela onraisonne par I'absurde en supposant
qu'il
existe un point xo€
f,l et une fonction-test6
e'8'tels
quew*-
6
a un minimum local strict en x0 etFl(xo, w *{xo), D
$(ro),
prd
(xo)) <
O. (2.s)Quitte
i
remplacerd
pard
-
d(xo)
*w*(xo),
on peut supposer que{(xo):
w*(ro).
M.ontrons d'abord que w*(xo)
< v(rg).
En effet, sinon, commew
sv,cela
impliqueraitque
uu*(xo):
?(xo) et donc que v- {
possdderait un minimum local en xo. Mais alors(21.5) conuedirait lhypothdse que
v
est une sursolution de (2.4). Doncw*(xo)
<
v(xo).Choisiissons maintenant
r
>
0 et e)
0 tels qu"ffiJ
c fi
eto
Htix,d(x)
+
e,D$(x),
D2{(x))
<
o Vx eB.(xo)
(ce qui est possible d'aprds (2.5) et par continuitd de
H)
O
(w'*-
dXr)
>
eVx e dB.(xo)
(ce qui est possible car w*
-,f
possdde un minimum local strict en x0 etd(xo) =
w*(xo))g d(x)<v(x)-e
Vxe
B.(x6)
(ce qui est possible puisque
v
est (s-c.i) et ,f (xo):
u/*(r')
<
v(xo))
Vx€O.
a
lt_Ia
On pose
{ ,,
z(x):
ltt'l
sixeo\'.(xo)
Imax{w(x),6&)+
el
six
eB,'(ro)
On
:rffrme
que ze
E - F.neffet, d'aprBs @,
z(
v. De plus, u1 w
1a,
et donc u <z 1
v.llvlonLtrons que z* est une sous-solution
de
(2.4).Soit
rir une fonction_test telleque z*
_
4)possdde un maximum local en
un point -r1 € f,). si
z"(xr)
=
w*(xr),
alorsw*_
{
possEde aussi un maximum local enxl,
et donc.Fl(x,,z*(x1),Dls(x),D2$(xr))
<
O puisque w*est une sous-solution.
supposons maintenant que
z*(xr) > w*(xr).
Alors, d,aprds la ddfinition de z, on a
r,
effi).
Norons que,dansBm,
z*:max.,w*,0*e}.
Donc
z*(xr)=
d(xr)*e,
et@ implique que
x,
€ B_(xo).mr
consdquen
\
+ +
e_
lt
possdde un maximumlocal en
xl,
ce quLi entraine queDiQ)
-
Dth{l)
etDzg(xr)
<
or.h@).
D'aprds O et
I'ellipticitd
deIf,
on a alors0
>
H(x1,d(xr)
*
e, DS(xt),DrQ(xr))
>Il(xr,z*(xr), D*(xr),
pr{("r)).
Nous avons donc prouvd que z*
est'ne
sous-solution de
(2.4),et
que z e E.Prrruvons finalement que z
t'
w.
soit(xo),,
une suite qui converge vers .r0et
tele
quew(x,)
tend vers w*(xa)-Alorsz(x,) 2
6k)*
e. De plus (@(x,)+
e) converge versd(xo)
*
e, avecd(xo)
*
e)
w.(xo)-
Dong pour nassez
gran4 z(x^) >
w(x).Nous
avons donc prouvd que z
eE,zlw
etz*w.ceci
esten contradiction avec la
constn[cdon m6me
dew.
Lhlpothdsede ddpart (2.S) est donc impossible. Ceci
montre
que
w
est une sursolution, et donc une solution, de(2.4)-a
2.3i.2
Existence
d'une
solution
de
viscositd
continue
Afinr de rdcupdrer la continuitd de la solution,
nous allons supposer que l,cquation vdrifie
un princrpe de compa1ai.ss11 ;
Dtrnrrrr:rom
2'3'2'
on
dit que I'lquation (2.4)vdrtfie
un
principede
comparaison danso
si
pour totfte sous-solutron u et pour toute
sursorution v de
{2.4),sf
u<
v
dons ldto alorsus
vdcru; Q.
f
.gtbnelrslA
-.!
*ouobi{itas
etapp[b,atio*-.
!
Existence
d'une
solution
'RurmnQun
2.3-2-
Dans toutera suite,I'in6gatitd,u(
u
dansoQ
signifteparabus de
toottttian:
Iimsup
u(x')
<
liminf
u(x,)
Vx e
de.
a'+a,x/€f,I t'-r,x'€O
Itlous dtudions maintenant le probldme de Dirichlet pour
ltquation
(2.4).soit g
:
dfl.+
lRrme fonction continue.
conorrarRr 2'3'1-
supposons quel'lquation
(2.4) vdrifieun
principede
comparaison dansf). supposons 4galement qu'ir aciste iteuc opptimtrons u et
v
terlu
quer,
uesf une sous-solution de (2.4) et*,jlp.nu(x'):
g(x)
Vx e
?o
r
v r5t une sursolution de (2.4) et*,-{*,.no(x')
- g(x)
vx
e
6Q'r{lors
il
existe une unique solution de viscositiw
de l'ftquation(2.4)
telle que w --g
dans 0n.
Auffrsment
dit,
le probldme deDirichlet
(2.6)
prossdde une unique solution de viscositd.
Dftuolstnetron
Rr
lir m€thode de Ferron, on construit une solution discontinue w telle que uI
w
1v.
Mlonlrons d'abord que w+
:1ry*:
g
sur le bord def].
En effet, pour toutx
€
do,
on as(x)
-,,_,*.nu(x')
<
_Hif"r(x')
<
w*(x) < w*(x)
=,H:E
w(x')S
*,S.nv(x')
-
g(x).
Dbt
w*-
w* sur dO.Cromrne w* est une sursolution tandis que
w"
est une sous-solution, et comme 1,r/* :14,,* surd0,
le principe de comparaison affirme querr*
)
w*. Ilindgalit6 inverse dtant toujoursvl'aie., cela prouve que u/*
=
11y*, et donc que w est enfait
une solution de viscositdcontinue.
Lhnicitd
est une consdquence directe du principe de comparaison car, siwl
er w2 sonrdeux solutions du probldme de Dirictrlet, alors
wr=wzsur
le bord de O, et comme u/1 estune sous-solution etw2 est une sursolution, on a
wt
Swz- Llndgalitd inverse est obtenueerr int.ervertissant les r6les de
w,
etwz.
t
I
n(*,u(x),Du(x),D2u(x))-
g
x
€O
I
II
u-s
x€4CI
E
!2.4
Principe
de
comparaison
On
dit
que I'on a un principe de comparaisonfort
(pour les solutions discontinues) pourI'EDP (2"1) dans le cas d'un ouveft
f)
bornd siltnoncd
suivant est
wai
:lsi u est une sous-solution de viscositd de (2.1) et
v
est une sursolutionde
viscositi
de(2.1) tel que u*
(
y* sur7dl
alorsn*
1y*
surd.
Ilruaneun 2.4.1.
Dansle cas il,uneEDp elliptique(2.1)
dans toutl,espacee_ lR1
on ci'o
=
A eti|faut
raiouter des conditions de croissanced
I'infiw sur u etv,
commepar
exentple une croissance quadratique. De m€me, ilans
le
cas il'une EDp paraboliquesur Ie
olomaine
o
:
[0,T[xRn'
onu
ldt-
{T}
x
R1
et ilfaudra
aussirajouterdes conditions ile
croissonce
d.ltnfini
sur u et v.xl'ruenQuE 2-4-2- Leprincipe de comparaison seformule aussi demaniire 6,quivalente: Si u
est une sous-solution (s.c.s) de viscasitri ite
t2.1)
etv
est une sursolution (s.c.i)
ile
viscosit1 ile(2.1) tel que u*
(
y* sur7dl
alorsuSv
surd.
otn donne ci-dessous quelques exemples de fonctions
Ir
pour lesquelsil y
a un principe de
comparaison
fort.
Des rdsultats gdndraux avec leurs preuves peuvent €tre trouvdsdans
Crandall, Ishii et P.L.Lions
[epl92]
ou Barles[narlS].
r
on
considire d'abord le casoi
o
est un ouvertborni
de IRN.otH('x,s,p,x)=
pr*F(x,p)-)v1oo'(x)x)
avecp
)
0,o:
o--rlRN*d
Lipschitziennneet
F
: f,)x
RN-'
lR. vdrifiant ltrypothdse suivante :(l\1)
lF(x,p)
-
F(y,p)l
< m(lx
-
yl(1
+
lpl)),
of
m(z) tend vers zdro quands
rend vers z(!ro.o r{(x,s,p,x)
=
F(x,p)
avecF
:o
x
IRN-
lRvdrifiant
(Al}
et les hlpothdsessuLppldmentaires :
(A2)
F(x,p)
est convexe enp,
pourtout
r
€
{-l(riS) Il
existe une fonctiong e
cl(n),
continue surd,
etd >
0 telle queF(.x,Dtp(t:))
<
-5
sur O.2.5
Preuvedu
de comle second
ordre
€-
26D'aprds le lemme
(2'5'5),
pourtout
e>
0 suffisammentpetit
ma6*dw.
est strictement positif etil
existeg
>
0
(inddpendant de e) tel que, pour tout pointde maximum {x",
y,)
de
w.,
on ad.un(x)
>
g
et
dni(srr)>
0.Apartir
de maintenant, on fixe un tel e
>
0. Inuoduisons une nouvenerigurarisation
: pour
tout
c >
0, on posew,.o(x,y)=
u"(r)
-
v"(y)
-
J,,"
-
yll2,
o'li ud et vd sont respectivement les sup- et inf-convolutions de uet
y
dansn.
Alors,d'aprds le lemme (2.5.3), w€,a est semi-convexe dans
o
x o.
D,aprds le lemme (2.5-4)wr,o2w,
et^lTrrp
w,,o(xo,!o)
-
w.(x,y).
(l-U',Xd-X,!td-y
Enfin, le lemme (2.s.6) implique que, si
(xo,yo)est
un point de maximum de wuo dansnix
il,
alors(xo,yo)
est proche d'un point de maximum(x.,y.)
dew"pourvu
quec
>
osoit sufflsamment petit. En paniculie4 d7n(xo)
>
0/z
et
dun(y)
>
e/zpour
tout c
>
0
suffisamment petit. De plus,
"S.-"pA"
=Hffr. r
o.Montrons maintenant que
(u"(xo))
et(v"(y"))
sont bornds inddpendamment de a*
o+.crlmme u est s.c.s- dans
o
etv
s.c.i. dansG
il
existe une constante Mo telle que u<
Mo etv
1-Modans
d.
Alors uol
Moet vo)
-Mo
dansd.
Comme,poffi a
>
0 suffisammentpetit,
uo{xo)
-v'tyo)-
}l*" -
y,.ll':
S4}w.,,
)
0,on
au"(ro) > -Mo
etv"(y")
1Mo,
ce qui prouve(u"(x"))
et(v,(y"))
sont borndinddpendamment de
c
---' 0+. Donc, poura
assezpetit,
xo appartienti
0" =
{x
enlu"(x)
> -Moet
drn{r)
>
(2Woa)iy
tandis eue
/c
appartient dOo
=
U
e Olvofu)
)
Moet dBn(y)>
(2Moc;i
y.Par consdquent nous venons de montrer que, pour
a >
0 :rssez petit, la fonction w.,o possdde un maximum strictement positif dansl'ouvett
0"
x
Oo.Apartir
de maintenant, on fixe un tela >
o et on note Crc,D un tel point de maximum. comme w€,d estsemi-convexe, le corollaire (2.5.2) affirme
qu'il
existe une suite((r,,y"))
qui convergevers
(f,/)
et telle que w€,d possdde un DLdbrdre
2 en(xo,y,,),
avecDwr,o(xo,yn)
- 0
et D2wr,o(xn,!n)-+A
(
0'tA
€s*'
Notons que, vu ra strucfured,
*,,o,
na
etvoontdgarement un DL
dbrdre
2respectivement en xn et
en yn avec
Dw,,o(xn,!o)
=
(Du"(xnl
-
3O, -
y,)
-
Dv,(y)*
3(*" -
y,))
etDzw",o(xn,!n)=
(D2u"(x^) o
\\ o
-D,,o(yn))
-
3(ji
,j')
commeDw".o(xo,!n)
tendvers 0 quand 4 -+
*oo,
Duo(xo)et
Dvo(yr)tendent vers
3A
-7).
O.
plus, comm e D2w,,o(xn,y*)tend versA quand n _r
*oo,
lesmatices
Dttu"(xn) et
D2vo{y)
convergerrtrespe.tivement vers
'ne
matricex
ety
aveco=(I
o)-,(,*
-r"J=o
\o
_YJ
Ft_r"
rNJ
cela implique en particulier que
x
s
Y
(le rrerifier en testantA contredes vecteurs de ra
forme (z,z')).
D'aprds le lemme
(2-s-s),uc
est une sous-solutionde
(2.7)
darrsoo.comme
uo possdde un DL d'ordre 2en
xnqui apparti ent d. CIa,le lemme(2.1.f)
donne que
H (u" (x
),
Du" (xn),D2u"(ro))
<
0. Lonsque n-'
+oo cela implique que2.5
Preuvedu
pourle
secondordre
H(uo@),
je
-D,x)
<
o.De rn€me, vo dtant une sursolution de
(2.7)
dansOo, H (v
o(y,),
Dvo(!,),
Druo(y))
Z
O, ce qui implique, lorsque n _a*oo,
queH(voO),
je
-V),y)>
o.€'
2T(2.e)
t2.to)
calcrrlons la diffdrence enffe (2-9) et
(2-10),on
obtient, en tenant compte de
lhlpothdse
(2.8) et du