2C9122

Ecole Normale Supérieure Paris-Saclay

Ecole Normale Supérieure de Rennes

SECOND CONCOURS – ADMISSION EN CYCLE

MASTER MATHEMATIQUES

Session 2019

Epreuve de Mathématiques 2

Durée : 5 heures

« Aucun document n'est autorisé »

« L'usage de toute calculatrice est interdit »

Si, au cours de l’épreuve, un candidat repère ce qui lui semble être une erreur
d’énoncé, il le signale sur sa copie et poursuit sa composition en expliquant les raisons
des initiatives qu’il est amené à prendre.

Sujet 1- Probabilités et statistiques

Sujet 2- Analyse numérique

Le candidat traitera au choix le sujet 1 ou le sujet 2 et rappellera sur sa

copie le sujet qu’il a choisi de traiter.
 Sujet : Probabilités et Statistiques

Préambule
Ce sujet est consacré à l’étude de la marche persistante, qui est une chaı̂ne de Markov
(Xn , Vn )n∈N sur Z × {−1, 1} définie comme suit. On considère U : Z → R telle que
X
Z := e−U (k) < +∞ .
k∈Z

On cherche, par méthode de Monte-Carlo, à calculer des moyennes par rapport à la loi de
probabilité π sur Z définie par
1 −U (k)
π(k) = e ∀k ∈ Z .
Z
Pour cela, on considère X0 ∈ Z et V0 ∈ {−1, 1} des conditions initiales et une suite (An )n∈N de
variables aléatoires indépendantes et identiquement distribuées (ce qu’on note dans la suite :
i.i.d.) de loi U([0, 1]) (uniforme sur [0, 1]), indépendante de (X0 , V0 ), et on pose pour n ∈ N


(Xn + Vn , Vn ) si An 6 min 1, eU (Xn )−U (Xn +Vn )
(Xn+1 , Vn+1 ) =
(Xn , −Vn ) sinon.

On appelle Xn et Vn respectivement la position et la vitesse de la marche persistante au temps

n. Si Vn = −Vn−1 , on dit qu’il y a une collision au temps n.
On rappelle que la loi géométrique de paramètre p ∈ (0, 1), notée G(p), est la loi de
probabilité sur N de fonction de répartition F (k) = 1 − (1 − p)k pour k ∈ N.

Les 4 sections sont indépendantes. On pourra admettre le résultat d’une ques-

tion pour l’utiliser par la suite.

1 Simulation de la chaı̂ne
L’objectif de cette section est de proposer une méthode efficace pour simuler une trajectoire
de la chaı̂ne de Markov. Par “efficace”, on entend une méthode qui ne nécessite pas de calculer
U (Xn ) à chaque temps n ∈ N, ce qui peut s’avérer coûteux en pratique. On part du principe
qu’un ordinateur peut générer des variables indépendantes de loi U([0, 1]).
1. Soit A de loi U([0, 1]) et α < 0. Montrer que dα ln Ae est une variable aléatoire de loi
géométrique dont on précisera le paramètre (on rappelle que, pour x ∈ R, dxe désigne
la partie supérieure de x, c’est-à-dire le plus petit entier supérieur ou égal à x).
2. On note T1 = inf{n ∈ N∗ , Vn = −Vn−1 } le premier temps de collision. Pour tout k ∈ N,
k < T1 , exprimer (Xk , Vk ) en fonction de (X0 , V0 ) et k, et de même exprimer (XT1 , VT1 )
en fonction de (X0 , V0 ) et T1 .
L’objectif revient donc à simuler T1 efficacement. Dans les questions suivantes, on suppose que
U est Lipschitz, c’est-à-dire que |U (x + 1) − U (x)| 6 L pour tout x ∈ Z, avec une constante
L connue. On pose S0 = 0 et pour tout k ∈ N,

Sk+1 = inf{n > Sk , An > e−L } .

3. Pour tout k ∈ N, quelle est la loi de Sk+1 − Sk ?

1
 4. Montrer que, pour i, j ∈ N avec i 6= j, Si+1 − Si est indépendant de Sj+1 − Sj .
5. Montrer que, pour k ∈ N∗ , la loi de Sk est donnée par
 
s − 1 −L(s−k)
P (Sk = s) = e (1 − e−L )k ∀s > k
k−1

(on pourra raisonner par récurrence ; ou bien remarquer qu’il y a autant de n-uplets
d’entiers non nuls dont la somme vaut m ∈ N que de façons de mettre n − 1 barrières
entre m boules alignées, les entiers du n-uplet étant alors donnés par le nombre de boules
entre deux barrières successives).
On considère une suite i.i.d. (Bn )n∈N de loi U([0, 1]) indépendante de (An )n∈N et de (X0 , V0 )
et on pose

1 − eU (X0 +(k−1)V0 )−U (X0 +kV0 )

 
−L
T̃1 = inf k ∈ N∗ , Ak−1 > e et Bk−1 6 .
1 − e−L

6. Montrer que T̃1 a la même loi que T1 .

7. Proposer une façon de simuler (Xn , Vn )n∈N à partir de deux suites i.i.d. de variables
aléatoires de loi uniformes sur [0, 1], de telle sorte que U (Xk ) ne soit pas systématiquement
calculé pour tout k ∈ N.

2 Invariance de la mesure de Gibbs

Soit E un ensemble discret, et (Zn )n∈N une chaı̂ne de Markov à valeurs dans E, qui est
homogène, c’est-à-dire telle que pour tout n ∈ N,

P Zn+1 = z 0 Zn = z = P Z1 = z 0 Z0 = z .

On rappelle qu’à une telle chaı̂ne est associé un noyau de transition q : E 2 → [0, 1] défini par

q (z, z 0 ) = P Z1 = z 0 Z0 = z ∀z, z 0 ∈ E .

Remarquons que, à z ∈ E fixé, q(z, ·) est une loi de probabilité sur E.

Un noyau de transition est dit symétrique si q (z, z 0 ) = q (z 0 , z) pour tous z, z 0 ∈ E. Pour ν
une loi de probabilité sur E, q est dit ν-réversible si

ν(z)q (z, z 0 ) = ν(z 0 )q (z 0 , z) ∀z, z 0 ∈ E .

D’autre part, ν est dite invariante pour (Zn )n∈N (ou, de façon équivalente, pour q) si le fait
que Z0 soit distribué selon ν entraı̂ne que Z1 est distribué selon ν.
1. Montrer que, si q est le noyau de transition associé à (Zn )n∈N , alors ν est invariante pour
(Zn )n∈N si et seulement si
X
ν(z) = ν(z 0 )q(z 0 , z) ∀z ∈ E .
z 0 ∈E

2. Montrer que, si ν est invariante pour (Zn )n∈N et si Z0 est distribué selon ν, alors Zn est
distribué selon ν pour tout n ∈ N.
3. Montrer que si q est ν-réversible, alors ν est invariante pour q.

2
Étant donnés deux noyaux de transition q1 et q2 sur E, on définit une chaı̂ne de Markov de
la façon suivante. Pour tout n ∈ N, étant donné Yn ∈ E, on tire aléatoirement Ỹn selon la loi
q1 (Yn , ·), puis Yn+1 selon la loi q2 (Ỹn , ·). On note q3 le noyau de transition de (Yn )n∈N .
4. Exprimer q3 en fonction de q1 et q2 .
5. Montrer que, si ν est invariante pour q1 et q2 , alors ν est invariante pour q3 .
Étant donné un noyau de transition q et une loi de probabilité ν sur E, l’algorithme de
Metropolis-Hastings définit une chaı̂ne de Markov de la façon suivante. Pour tout n ∈ N,
étant donné Yn ∈ E on tire aléatoirement Ỹn selon la loi q (Yn , ·) et Bn ∼ U([0, 1]), et on pose
(  
ν(Ỹn )
Ỹn si Bn ≤ min 1, ν(Yn )
Yn+1 =
Yn sinon.

On note qν le noyau de transition de (Yn )n∈N .

6. Exprimer qν en fonction de q et ν.
7. Montrer que, si q est symétrique, alors qν est ν-réversible.
Dans la suite de cette section, E = Z × {−1, 1}. On considère une chaı̂ne de Markov
(Yn , Wn )n∈N sur E donnée pour tout n ∈ N par

(Yn+1 , Wn+1 ) = (Yn + Wn , −Wn ) .

8. Donner le noyau de transition de (Yn , Wn )n∈N .

9. Montrer que ce dernier est symétrique.
On considère la loi de probabilité ν sur Z × {−1, 1} donnée par
1
ν(x, v) = π(x) ∀x ∈ Z, v ∈ {−1, 1} ,
2
et une chaı̂ne de Markov (Yn0 , Wn0 )n∈N sur E donnée pour tout n ∈ N par
0 0
(Yn+1 , Wn+1 ) = (Yn0 , −Wn0 ) .

10. Montrer que le noyau de transition de (Yn0 , Wn0 )n∈N est ν-réversible.
11. Déduire de toutes les questions précédentes que ν est invariante pour la marche persis-
tante (Xn , Vn )n∈N définie dans le préambule du sujet.
12. Montrer que, si (X0 , V0 ) est distribué selon la loi ν, alors Xn est distribué selon la loi π
pour tout n ∈ N.
13. Le noyau de transition de la marche persistante est-il réversible ?

3 Ergodicité dans un cas unimodal

Dans toute cette partie, on suppose que U est paire (U (k) = U (−k) pour tout k ∈ Z) et
qu’il existe r > 0 tel que U (k +1)−U (k) > r pour tout k > 0. En particulier, U est strictement
décroissante sur K − ∞, 0K et strictement croissante sur J0, +∞J. On considère également une
fonction f : Z → R qu’on suppose paire et bornée. L’objectif est d’étudier la limite quand n
tend vers l’infini de la moyenne empirique
n
1X
f (Xi ) .
n i=1

3
On suppose que (X0 , V0 ) = (0, 1) et l’on pose R0 = 0 et, pour n ∈ N,

Tn = inf{k > Rn , Vk+1 = −Vk } − Rn

Rn+1 = inf{k > Rn , Xk = 0} .

1. Supposons que, pour un certain n ∈ N, Xn Vn 6 0. Montrer qu’alors, presque sûrement,

Xn+k = Xn + kVn pour tout k 6 |Xn |.
2. Montrer que pour tout n ∈ N, Rn+1 − Rn = 2Tn + 1.
3. Calculer VRk pour tout k ∈ N.
4. Montrer que pour tout k ∈ N,

P (T0 > k) = eU (0)−U (k) .

5. En déduire que R1 est d’espérance et de variance finie.

Pour tout n ∈ N on pose
Rn+1 −1
X
Zn = f (Xk ) .
k=Rn

On admettra que, du fait de la parité de U et f et de la propriété de Markov forte, les

{Zn , n ∈ N} sont indépendants et identiquement distribués.
6. Montrer que Z0 est d’espérance et de variance finie.
7. Montrer que X X
E (Z0 ) = λ f (k)π(k) avec λ = eU (0)−U (k) .
k∈Z k∈Z

8. En déduire que E(Rn+1 − Rn ) = λ pour tout n ∈ N.

1
9. On note An l’événement {|Rn /(nλ) − 1| 6 n− 4 }.√Montrer qu’il existe une constante
C > 0 telle que pour tout n ∈ N∗ , P (An ) > 1 − C/ n.
10. Pour ε > 0 et n ∈ N on note Bnε l’événement
( n
)
1X X
f (Xi ) − f (k)π(k) > ε .
n i=1 k∈Z


Montrer que pour tout ε > 0, P Adn/λe ∩ Bnε tend vers 0 quand n tend vers +∞.
11. En déduire que n−1 ni=1 f (Xi ) converge en probabilité quand n tend vers l’infini vers
P
une limite que l’on précisera.

4 Limite d’échelle
Dans cette partie, on considère H ∈ C 2 (R) avec kH 00 k∞ < ∞ et qui tend vers l’infini
à l’infini, et x ∈ R, v ∈ {−1, 1} fixés. Pour tout δ > 0, on considère xδ ∈ Z et on note
Uδ : Z → R la fonction définie par Uδ (k) = H(δk) pour k ∈ Z. On considère la marche
persistante (Xnδ , Vnδ )n∈N associée à Uδ et avec conditions initiales (xδ , v) telle que définie dans
le préambule, c’est-à-dire qu’on pose (X0δ , V0δ ) = (xδ , v) et, pour tout n ∈ N,
(  
δ δ δ Uδ (Xnδ )−Uδ (Xnδ +Vnδ )
δ δ (X n + V n , Vn ) si A n 6 min 1, e
(Xn+1 , Vn+1 )=
δ δ
(Xn , −Vn ) sinon,

4
avec (An )n∈N une suite i.i.d. de variables aléatoires de loi U([0, 1]). Le but est d’étudier le
comportement de la chaı̂ne lorsque δ tend vers 0. On pose T0δ = 0 et, pour tout k ∈ N∗ ,
Tkδ = inf{n > Tk−1 , Vnδ = −Vn−1
δ
}.
On s’intéresse d’abord au premier temps de collision T1δ .
Rt
1. Montrer que, pour v ∈ {−1, 1}, 0 (vH 0 (vs))+ ds tend vers +∞ quand t tend vers +∞
(où, pour y ∈ R, (y)+ := max(0, y) désigne la partie positive de y).
2. Montrer que la fonction de répartition Fδ de T1δ est donnée par
k−1 
!
X 
Fδ (k) = 1 − exp − Uδ (xδ + (j + 1)v) − Uδ (xδ + jv) ∀k ∈ N .
+
j=0

3. En déduire que, si δxδ tend vers x quand δ tend vers 0, alors δT1δ converge en loi quand
δ tend vers 0 vers une variable T1∗ dont on précisera la fonction de répartition F∗ sur R.
4. En déduire que, si δxδ tend vers x quand δ tend vers 0, alors (δXTδ δ , VTδδ ) converge en
1 1
loi quand δ tend vers 0 vers une variable aléatoire que l’on précisera (en l’exprimant en
fonction de T1∗ ).
5. Soit Y une variable aléatoire de fonction de répartition F . On rappelle que l’inverse
généralisée F −1 de F est définie par F −1 (u) = inf{t ∈ R, F (t) > u} pour u ∈ [0, 1]. Soit
A une variable aléatoire de loi U([0, 1]). Montrer que F −1 (A) a la même loi que Y .
6. Construire une variable aléatoire S1∗ de même loi que T1∗ et, pour tout δ > 0, une variable
aléatoire S1δ de même loi que T1δ , de telle sorte que, si δxδ tend vers x quand δ tend vers
0, alors δS1δ converge presque sûrement vers S1∗ quand δ tend vers 0.
À partir de maintenant on suppose que xδ = dx/δe. Pour δ > 0, z ∈ Z et v ∈ {−1, 1} on note
Fδ,z,v la fonction de répartition sur N définie par
k 
!
X 
Fδ,z,v (k) = 1 − exp − Uδ (z + (j + 1)v) − Uδ (z + jv) ∀k ∈ N .
+
j=0

On pose (Y0δ , W0δ ) = (xδ , v) puis, pour tout n ∈ N,

−1
Snδ = Fδ,Y δ
= Ynδ + Snδ − 1 Wnδ δ
= −Wnδ .


δ ,W δ (An ) , Yn+1 et Wn+1
n n

7. Montrer que pour tout k ∈ N, (Ykδ , Wkδ , Skδ ) a la même loi que (XTδ δ , VTδδ , Tk+1
δ
− Tkδ ).
k k

8. Montrer que pour tout N ∈ N∗ , (δYkδ , Wkδ , δSkδ )k∈J0,N K converge presque sûrement quand δ
tend vers 0 vers un vecteur aléatoire (Yk∗ , Wk∗ , Sk∗ )k∈J0,N K dont on précisera la construction.
Pn−1 δ
Pour tout δ > 0, on définit R0δ = 0 et, pour tout n > 1, Rnδ = k=0 Sk −1/2. Pour tout n ∈ N et
Rt
tout t ∈ [Rn , Rn+1 [, on pose Ṽt = (−1) v. Enfin, pour tout t > 0, on pose X̃tδ = xδ + 0 Ṽsδ ds.
δ δ δ n

9. Montrer que (X̃nδ , Ṽnδ )n∈N a la même loi que (Xnδ , Vnδ )n∈N .
On pose Rn∗ = n−1 ∗
∈ N et tout t ∈ [Rn∗ , Rn+1 ∗
P
k=0 Sk pour tout n ∈ N. Pour tout n R [, on pose
∗ n ∗ t ∗
Ṽt = (−1) v. Enfin, pour tout t > 0, on pose X̃t = x + 0 Ṽs ds.
10. Montrer que pour tout N ∈ N∗ et pour tout (t1 , . . . , tN ) ∈ RN ∗ ,
   
p.s
(δ X̃tδ1 /δ , Ṽtδ1 /δ ), . . . , (δ X̃tδN /δ , ṼtδN /δ ) −→ (X̃t∗1 , Ṽt∗1 ), . . . , (X̃t∗N , Ṽt∗N )
δ→0

11. En déduire que pour tout N ∈ N∗ et pour tout (t1 , . . . , tN ) ∈ RN ∗ ,

(δXdtδ 1 /δe , Vdtδ 1 /δe ), . . . , (δXdtδ N /δe , Vdtδ N /δe )

converge en loi, quand δ tend vers 0, vers une limite qu’on précisera.

5
 Sujet : Analyse numérique

Schémas numériques pour les équations de Hamilton-Jacobi

On considère une fonction H continue sur R, et une condition initiale x 7→ u0 (x) bornée et Lipschitzienne sur
R de constante de Lipschitz L. Soit (t, x) 7→ u(t, x) solution de l’équation de Hamilton-Jacobi
(
∂t u + H (∂x u) = 0, t > 0, x ∈ R,
(HJ)
u(0, x) = u0 (x), x ∈ R.

La fonction H est appelée Hamiltonien. Si H et u0 sont suffisamment régulières, et si u0 est à support compact,
on peut montrer que ce problème admet une unique solution de classe C 2 définie pour t ∈ [0, T [ et x ∈ R, où T
est un temps maximal d’existence. Si on considère que u est solution presque partout de l’équation (HJ), on peut
alors exhiber des solutions moins régulières, Lipschitziennes et définies sur [0, +∞[×R. Elles ne sont en revanche
pas uniques. On peut montrer qu’une classe de solutions, appelées solution de viscosité, assure l’existence sur
]0, +∞[×R et l’unicité de la solution de (HJ). Cette notion sera définie dans la suite.
Le but de ce problème est de proposer des schémas aux différences finies pour (HJ). Le manque de régularité
des solutions de viscosité, la complexité de leur définition, ainsi que la non linéarité de (HJ) entraînent que des
conditions doivent être vérifiées pour assurer la convergence des schémas vers la solution de viscosité de (HJ).

I- Notations
Dans toute la suite, on considérera les paramètres ∆t et ∆x strictement positifs et on définit la grille

(tn , xj ) = (n∆t, j∆x)n∈N,j∈Z .

De manière générale, on notera en majuscules les suites bornées U = (Uj )j∈Z ∈ l∞ (Z). On équipera cet espace
de la norme
kU k∞ = sup |Uj |,
j∈Z
∞
et si U, V ∈ l (Z), on notera U 6 V si ∀j ∈ Z, Uj 6 Vj .
On notera U n l’approximation numérique de u par le schéma au temps tn : il s’agit d’un élément de l∞ (Z)
dont les valeurs sont notées Ujn (qui est donc une approximation de u(tn , xj )). On va considérer des schémas
explicites à un pas qu’on définit par récurrence, avec l’initialisation Uj0 = u0 (xj ) pour tout j ∈ Z, et avec la
relation
∀j ∈ Z, Ujn+1 = G(Uj−p n n
, . . . , Uj+q+1 ), (S)
où (p, q) ∈ N × N sont fixés. La fonction G est donc une fonction de p + q + 2 variables. Pour simplifier les
notations, on pourra aussi écrire cette relation sous forme vectorielle

U n+1 = G(U n ). (1)

On suppose que le schéma est écrit à l’aide de différences finies, c’est à dire qu’il existe une fonction g telle que
 n n n n 
n n n
Uj−p+1 − Uj−p Uj+q+1 − Uj+q
∀j ∈ Z, G(Uj−p , . . . , Uj+q+1 ) = Uj − ∆t g ,..., . (2)
∆x ∆x

L’expression précédente n’est qu’une réécriture du schéma (S), on utilisera indifféremment les deux formes. La
fonction g est appelée Hamiltonien numérique, elle sera supposée localement Lipschitzienne dans la suite :

∀v ∈ Rp+q+1 , ∀η > 0, ∃k > 0, ∀w1 , w2 ∈ Bk·k (v, η), |g(w1 ) − g(w2 )| 6 kkw1 − w2 k,

où k · k désigne une norme sur Rp+q+1 , et Bk·k (v, η) est la boule ouverte de centre v et de rayon η associée à
cette norme.

1
On rappelle que l’erreur de troncature du schéma (S) s’écrit
∀j ∈ Z, ∀n ∈ N, Ejn = u(tn+1 , xj ) − G(u(tn , xj−p ), . . . , u(tn , xj+q+1 )),
où u est une solution de (HJ) qu’on suppose de classe C 2 . Un schéma est dit consistant si il existe r > 0 et s > 0
tels que
∀j ∈ Z, ∀n ∈ N, Ejn = ∆t (O(∆tr ) + O(∆xs )) ,
quand ∆t et ∆x tendent vers 0. On dit alors qu’il est consistant à l’ordre r en temps et s en espace.

Question I – 1. On suppose que H ∈ C 1 (R) et que u ∈ C 2 ([0, +∞[×R). À l’aide de développements limités de
u, montrer que
Ejn = ∆t [∂t u(tn , xj ) + g (∂x u(tn , xj ), . . . , ∂x u(tn , xj )) + O(∆t) + O(∆x)] .
En déduire que le schéma (S) est consistant avec l’équation (HJ) si et seulement si
∀a ∈ R, g(a, . . . , a) = H(a), (3)
et préciser son ordre de consistance.

Question I – 2. Soit U ∈ l∞ (Z). Montrer que G(U ) ∈ l∞ (Z).

On dira que le schéma (S) est monotone sur [−R, R] si G est une fonction croissante de chacun de ses arguments
sur le domaine
 
p+q+2 Uj−p+1 − Uj−p Uj+q+1 − Uj+q
dR = (Uj−p , . . . , Uj+q+1 ) ∈ R , 6 R, . . . , 6R .
∆x ∆x
C’est à dire que pour tout k ∈ [[−p, q + 1]], et en fixant Uj−p , . . . , Uj+k−1 , Uj+k+1 , . . . , Uj+q+1 , la fonction
x 7−→ G(Uj−p , . . . , Uj+k−1 , x, Uj+k+1 , . . . , Uj+q+1 ),
est croissante pour x tel que (Uj−p , . . . , Uj+k−1 , x, Uj+k+1 , . . . , Uj+q+1 ) ∈ dR .

II - Le cas linéaire : l’équation de transport

Dans cette partie, on se place dans le cas de l’équation de transport : le Hamiltonien H est une fonction linéaire,
∀x ∈ R, H(x) = c x où c > 0 est fixé. En utilisant les notations précédentes, on considère le schéma aux
différences finies donné par la fonction
n
Ujn − Uj−1
n
G(Uj−1 , Ujn , Uj+1
n
) = Ujn − ∆t c , (4)
∆x
et on suppose que ∆t et ∆x sont choisis tels que
∆t
c 6 1.
∆x

Question II – 3. Montrer que le schéma (4) est consistant avec l’équation de transport.

Question II – 4. Montrer que

∀n ∈ N, ∀j ∈ Z, inf u0 (xi ) 6 unj 6 sup u0 (xi ).
i∈Z i∈Z

Question II – 5. Soit εnj = |u(tn , xj ) − Ujn |. Montrer que

sup εn+1
j 6 C∆t(∆t + ∆x) + sup εnj ,
j∈Z j∈Z

et en déduire que le schéma (4) est convergent, c’est à dire que

sup sup εnj −→ 0.
n∈[[0,N ]] j∈Z ∆t→0, ∆x→0

Question II – 6. Montrer que le schéma (4) est monotone sur tout intervalle [−R, R].

2
III - Stabilité du schéma (S)

Dans toute la suite de ce problème, on fixe le rapport

∆t
Λ= ,
∆x
on suppose que le schéma (S) est monotone sur [−(L + 1), L + 1], où L est la constante de Lipschitz de u0 , et
consistant avec l’équation (HJ). On définit l’ensemble
 
Uj+1 − Uj
DL+1 = U ∈ l∞ (Z), ∀j ∈ Z, 6L+1 .
∆x

Ainsi G : DL+1 −→ l∞ (Z). Dans toute cette partie, on considère U, V ∈ DL+1 .

Question III – 7. On suppose U 6 V . Montrer que G(U ) 6 G(V ).

Dans toute la suite, on fera l’abus de notation suivant : si U ∈ l∞ (Z) et λ ∈ R, on note U + λ l’élément de
l∞ (Z) tel que ∀j ∈ Z, (U + λ)j = Uj + λ.

Question III – 8. Soit λ ∈ R. Montrer que U + λ ∈ DL+1 et que G(U + λ) = G(U ) + λ.

Question III – 9. Montrer que U 6 V + kU − V k∞ , puis en déduire que kG(U ) − G(V )k∞ 6 kU − V k∞ .

Question III – 10. Montrer que k∆+ G(U )k∞ 6 k∆+ U k∞ .

Vous pourrez utiliser les opérateurs ∆+ : DL+1 −→ l∞ (Z) et τ1 : DL+1 −→ DL+1 , définis par

∀ U ∈ DL+1 , ∀ j ∈ Z, (∆+ U )j = Uj+1 − Uj , et (τ1 U )j = Uj+1 .

Question III – 11. Montrer que G(U ) ∈ DL+1 .

Question III – 12. Soient K = sup {|g(ξ)|, ξ ∈ dL+1 }, et n, m ∈ N. On note

Gn = |G ◦ ·{z
· · ◦ G} ,
n fois

montrer que kGn+m (U ) − Gn (U )k∞ 6 m∆tK.

Question III – 13. Montrer que kGn (U )k∞ 6 kU k∞ + n∆t|H(0)|.

IV - Convergence du schéma (S)

Dans toute la suite, le schéma (S) est supposé monotone sur [−(L + 1), L + 1] et consistant avec l’équation (HJ).
On fixe N ∈ N∗ et T tel que N ∆t = T , et on suppose

u(tn , xj ) − Ujn = σ > 0.


sup (5)
j∈Z
0 6 n 6 N

Le but de cette partie est de majorer σ, pour établir la convergence du schéma numérique. La même technique
pourrait être utilisée pour estimer inf u(t, xj ) − Ujn dans le cas où cette quantité est négative. Pour établir ce
résultat, on a besoin de définir plus précisément les solutions de viscosité des équations de Hamilon-Jacobi. On
a le résultat suivant

3
Théorème 1 (Existence et unicité pour les équations de Hamilton-Jacobi). On suppose H ∈ C(R) et u0 bornée
et Lipschitzienne sur R. Alors il existe une unique fonction u bornée et Lipschitzienne sur (t, x) ∈ [0, T ] × R
pour tout T > 0, telle que u(0, x) = u0 (x) et telle que pour toute fonction ϕ ∈ C 1 (]0, +∞[×R) et tout T > 0
(
Si (t0 , x0 ) est un point de maximum local de u − ϕ sur ]0, T ] × R alors
(6)
∂t ϕ(t0 , x0 ) + H (∂x ϕ(t0 , x0 )) 6 0,

et (
Si (t0 , x0 ) est un point de minimum local de u − ϕ sur ]0, T ] × R alors
(7)
∂t ϕ(t0 , x0 ) + H (∂x ϕ(t0 , x0 )) > 0.

Une telle fonction u est appelée solution de viscosité de l’équation (HJ). Remarquons que si la fonction u est
solution classique (de classe C 1 ) de l’équation (HJ), alors elle en est solution de viscosité. Réciproquement, une
solution de viscosité de (HJ) vérifie

∂t u(t0 , x0 ) + H (∂x u(t0 , x0 )) = 0,

en tout point (t0 , x0 ) où elle est différentiable. Cette notion de solution est nécessaire pour avoir l’existence et
l’unicité de la solution de (HJ) sur (t, x) ∈ [0, +∞[×R. La solution de viscosité de (HJ) vérifie

∀x ∈ R, inf u0 6 tH(0) + u(t, x) 6 sup u0 . (8)

R R

On définit les ensembles

Q = [0, +∞[×R, QT = [0, T ] × R,
d
Q = (tn , xj )n∈N, j∈Z , QdN = (tn , xj )0 6 n 6 N, j∈Z ,
QT,N = QT × QdN ,
et β : R × R −→ R une fonction de classe C ∞ qui vérifie
2 2
si t2 + x2 6 1/2

 β(t, x) = 1 − (t + x )

β(t, x) < 1/2 si t2 + x2 > 1/2 (9)

 2 2
β(t, x) = 0 si t + x > 1.

Pour ε > 0 on pose βε (t, x) = β(t/ε, x/ε).

Question IV – 14. Dans toute la suite, on pose

M = sup(|u0 (y)|) + T |H(0)|.

y∈R

(a). Montrer que pour tout (t, x) ∈ QT , |u(t, x)| 6 M .

(b). Montrer que pour tout n ∈ [[0, N ]], kU n k∞ 6 M .

Pour simplifier, on suppose que

u(t, x) −→ 0, Ujn −→ 0, (10)
|x|→+∞ |j|→+∞

et que ces convergences sont uniformes en t ∈ [0, T ] et en n ∈ [[0, N ]]. On remarquera, mais ce n’est pas l’objet
de ce problème, que cette hypothèse n’est pas nécessaire pour établir la convergence du schéma (S). On définit
ψ : Q × Qd −→ R par
σ  σ
∀(t, x) ∈ Q, ∀(tn , xj ) ∈ Qd , ψ(t, x, tn , xj ) = u(t, x) − Ujn − (t + tn ) + 5M + βε (t − tn , x − xj ).
4T 2

Question IV – 15.
(a). En considérant un bon choix de (t, x, tn , xj ), montrer que

sup ψ > σ + 5M,

QT ,N

4
et que pour tous (t, x) ∈ Q, (tn , xj ) ∈ Qd tels que βε (t − tn , x − xj ) = 0, ψ(t, x, tn , xj ) 6 2M .
(b). En utilisant (10), en déduire qu’il existe (t0 , x0 , tn0 , xj0 ) ∈ QT,N tel que ψ(t0 , x0 , tn0 , xj0 ) > ψ(t, x, tn , xj )
pour tout (t, x, tn , xj ) ∈ QT,N .
(c). Montrer que βε (t0 − tn0 , x0 − xj0 ) > 3/5.
(d). En déduire que
2 2
∂t βε (t0 − tn0 , x0 − xj0 ) = − (t0 − tn0 ), et ∂x βε (t0 − tn0 , x0 − xj0 ) = − 2 (x0 − xj0 ).
ε2 ε

En notant kf k = supx∈R |f (x)| et f + = max(f, 0), la solution de viscosité de (HJ) possède les propriétés
suivantes :
Théorème 2 (Propriétés de la solution de viscosité de (HJ)). Soit H ∈ C(R), u0 et v0 deux fonctions bornées
et L-Lipschitziennes sur R et u, v les solutions de viscosité de (HJ) associées à ces deux conditions initiales. On
fixe t > 0. Alors
i. k(u(t, ·) − v(t, ·))+ k 6 k(u0 − v0 )+ k.
ii. ku(t, ·) − v(t, ·)k 6 ku0 − v0 k.
iii. Pour tout x ∈ R, inf R u0 6 tH(0) + u(t, x) 6 supR u0 .
iv. Pour tout y ∈ R, pour tout x ∈ R, |u(t, x + y) − u(t, x)| 6 supz∈R |u0 (z + y) − u0 (z)|.
v. x 7→ u(t, x) est L-Lipschitzienne et
∀τ > 0, ku(t, ·) − u(τ, ·)k 6 |t − τ | sup |H(p)|.
|p| 6 L

On remarquera en particulier que la solution de viscosité de (HJ) n’est a priori pas dérivable, puisqu’elle n’est
que L-Lipschitzienne.

Question IV – 16.
(a). Montrer que  σ
x 7→ u(t0 , x) + 5M + βε (t0 − tn0 , x − xj0 ),
2
admet un maximum en x0 , puis en déduire que
 σ
5M + |∂x βε (t0 − tn0 , x0 − xj0 )| 6 L.
2
où L désigne la constante de Lipschitz de u0 .
(b). On suppose t0 > 0 et on note L1 = max{|H(p)|, |p| 6 L}. Montrer que
 σ σ
− 5M + ∂t βε (t0 − tn0 , x0 − xj0 ) 6 L1 − .
2 4T
(c). On suppose que 0 < t0 < T . Montrer que
 σ σ
5M + |∂t βε (t0 − tn0 , x0 − xj0 )| 6 L1 + .
2 4T
(d). En utilisant la question IV -15, en déduire que
L
|x0 − xj0 | 6 ε2 ,
10M + σ
que si t0 = T alors
σ
L1 − 4T
|t0 − tn0 | 6 ε2 ,
10M + σ
et enfin que si 0 < t0 < T on a
σ
L1 + 4T
|t0 − tn0 | 6 ε2 .
10M + σ

Dans la suite, on fixe

ε = (∆t + ∆x)1/4 ,
et on poursuit la preuve de la convergence du schéma (S) en traitant séparément les cas (t0 , tn0 > 0), (t0 > 0,
tn0 = 0) et (t0 = 0, tn0 > 0).

5
IV-A Cas où t0 > 0, tn0 > 0

Question IV – 17.
(a). Montrer que (t0 , x0 ) réalise le maximum sur QT de
σ  σ
(t, x) 7→ u(t, x) − t + 5M + βε (t − tn0 , x − xj0 ).
4T 2

(b). Déduire à l’aide du théorème 1 que

σ  σ   σ 
− 5M + ∂t βε (t0 − tn0 , x0 − xj0 ) + H − 5M + ∂x βε (t0 − tn0 , x0 − xj0 ) 6 0.
4T 2 2

Question IV – 18.
(a). Montrer que pour tout n ∈ [[0, N ]] et pour tout j ∈ Z,
σ  σ
Ujn > Ujn00 + (n0 − n)∆t − 5M + (βε (t0 − tn0 , x0 − xj0 ) − βε (t0 − tn , x0 − xj )) .
4T 2

(b). Montrer qu’il existe une constante C1 indépendante de ε telle que pour tout k ∈ [[−p, q]],
 σ  βε (t0 − tn0 + ∆t, x0 − xj0 +k+1 ) − βε (t0 − tn0 + ∆t, x0 − xj0 +k ) ∆t + ∆x
5M + 6 L + C1 .
2 ∆x ε2
En déduire que si ∆t est assez petit,
 σ  βε (t0 − tn0 + ∆t, x0 − xj0 +k+1 ) − βε (t0 − tn0 + ∆t, x0 − xj0 +k )
5M + 6 1 + L.
2 ∆x

(c). En utilisant notamment les questions III -7 et III -8, montrer que
σ  σ 
Ujn00 > Ujn00 + ∆t − 5M + βε (t0 − tn0 , x0 − xj0 ) − βε (t0 − tn0 + ∆t, x0 − xj0 )
4T
 2
σ  βε (t0 − tn0 + ∆t, x0 − xj0 −p+1 ) − βε (t0 − tn0 + ∆t, x0 − xj0 −p )
−∆tg 5M + ,
2 ∆x

 σ  βε (t0 − tn0 + ∆t, x0 − xj0 +q+1 ) − βε (t0 − tn0 + ∆t, x0 − xj0 +q )
. . . , 5M + .
2 ∆x

(d). Montrer qu’il existe une constante C2 , indépendante de ε telle que

σ  σ   σ  ∆t + ∆x
6 − 5M + ∂t βε (t0 − tn0 , x0 − xj0 ) + H − 5M + ∂x βε (t0 − tn0 , x0 − xj0 ) + C2 .
4T 2 2 ε2

(e). En déduire qu’il existe une constante C3 , indépendante de ε telle que

1
σ 6 C3 (∆t) 2 .

IV-B Cas où t0 = 0 ou tn0 = 0

Question IV – 19. On suppose que t0 > 0 et tn0 = 0.

(a). Montrer que
 σ
5M + σ 6 |u(t0 , x0 ) − u(t0 , xj0 )| + |u(t0 , xj0 ) − u(0, xj0 )| + 5M + βε (t0 , x0 − xj0 ).
2

(b). En déduire qu’il existe une constante C4 telle que

1/2
σ 6 C4 (∆t) .

6
Question IV – 20. On suppose que t0 = 0 et tn0 > 0.
(a). Montrer que
σ
5M + σ 6 5M + + L|x0 − xj0 | + kU 0 − Gn0 (U 0 )k∞ ,
2
et en déduire que
σ 6 2L|x0 − xj0 | + 2Ktn0 .

(b). Montrer que

σ  σ σ  σ
−Ujn00 − tn0 + 5M + βε (−tn0 , x0 − xj0 ) > − Ujn00 −1 − (tn0 − ∆t) + 5M + βε (∆t − tn0 , x0 − xj0 ),
4T 2 4T 2
et en déduire que si ∆t est assez petit alors
5M + σ/2 2
tn0 − (tn0 − ∆t)2 6 K∆t.


ε 2

(c). En déduire qu’il existe une constante C5 telle que

1/2
σ 6 C5 (∆t) .

IV-C Conclusion

Les questions précédentes ont permis de montrer le résultat suivant :

Théorème 3. On suppose H : R −→ R continu, u0 bornée et L-Lipschitzienne sur R, Λ = ∆t/∆x et N
sont fixés. Si le schéma (S) est monotone sur [−(L + 1), (L + 1)], consistant avec (HJ), tel que le Hamiltonien
numérique g soit localement Lipschitzien, et initialisé avec Uj0 = u0 (xj ) pour tout j ∈ Z. En notant u la solution
de viscosité de (HJ), alors il existe une constante C qui ne dépend que de sup |u0 |, L, g et T telle que pour tout
j ∈ Z, pour tout n ∈ [[0, N ]], √
|Ujn − u(tn , xj )| 6 c ∆t.

Question IV – 21. Comparer l’ordre de convergence du schéma (S) à l’ordre de consistance établi en question
I -1. Commenter.

V- Exemples

Question V – 22.
(a). On suppose que H est croissant, de classe C 1 , et vérifie les hypothèses du théorème 3. On considère le
schéma initialisé par Uj0 = u0 (xj ) pour tout j, et défini pour tout j ∈ Z par
 n n 
n+1 n
Uj − Uj−1
Uj = Uj − ∆tH .
∆x
Montrer qu’il existe une constante C telle que si C∆t 6 ∆x, alors ce schéma converge vers la solution de
viscosité de (HJ).
(b). On suppose que H est décroissant, de classe C 1 et vérifie les hypothèses du théorème 3. On considère le
schéma initialisé par Uj0 = u0 (xj ) pour tout j, et défini pour tout j ∈ Z par
 n
Uj+1 − Ujn

Ujn+1 = Ujn − ∆tH .
∆x
Montrer qu’il existe une constante C telle que si C∆t 6 ∆x, alors ce schéma converge vers la solution de
viscosité de (HJ).
(c). On considère le Hamiltonien H : R −→ R défini par H(p) = p2 pour tout p ∈ R. Proposer un schéma qui
approche correctement la solution de viscosité de (HJ).
FIN DE L'EPREUVE
7