29.07.2013 Views

Méthodes Variationnelles et Applications `a Quelques Probl`emes d ...

Méthodes Variationnelles et Applications `a Quelques Probl`emes d ...

Méthodes Variationnelles et Applications `a Quelques Probl`emes d ...

SHOW MORE
SHOW LESS

You also want an ePaper? Increase the reach of your titles

YUMPU automatically turns print PDFs into web optimized ePapers that Google loves.

variationnelle est maintenant plus complexe. Le fait de passer de σi < 4<br />

N à σi > 4<br />

N modifie<br />

complètement la géométrie de la fonctionnelle. Nous avons maintenant<br />

inf F (u) = −∞<br />

u∈S(c)<br />

<strong>et</strong> donc il n’y a pas de minimum global. Nous montrons que F a une géométrie de col sur<br />

S(c) c’est à dire qu’il existe u1, u2 ∈ S(c) tels que si<br />

nous avons<br />

Γ(c) := {g ∈ C([0, 1], S(c)) ; g(0) = u1, g(1) = u2}<br />

γ(c) := inf<br />

g∈Γ(c) max<br />

s∈[0,1] F (g(s)) > max{F (u1), F (u2)}.<br />

Ce résultat qui est obtenu en utilisant une inégalité de type Gagliardo-Sobolev <strong>et</strong> le<br />

caractère autonome de (4.1) est à notre connaissance le seul exemple dans la littérature,<br />

de fonctionnelle, dont on montre qu’elle possède une géométrie de col sur une contrainte.<br />

Le principe d’Ekeland garantit l’existence d’une suite PS, {vn} ⊂ S(c) telle que, si n → ∞,<br />

F (vn) → γ(c) <strong>et</strong> F ′<br />

|S(c)(vn) → 0. (4.2)<br />

Si vn → vc pour un vc ∈ H 1 (R N ), (P )c est résolu. Une première étape pour obtenir la<br />

convergence est de prouver que {vn} est bornée. Une fois de plus nous sommes confronté<br />

à l’absence d’estimations à priori sur les suites PS. Nous rappellons qu’une difficulté<br />

identique avait été surmontée dans [ABe] en utilisant le “monotonicity trick” de Struwe.<br />

Il n’est pas clair que c<strong>et</strong>te idée peut s’appliquer ici <strong>et</strong> de long calculs seraient de toute facon<br />

nécessaires. Nous proposons dans [8] une approche nouvelle qui repose sur l’introduction<br />

de la fonctionnelle auxiliaire ˜ F : H 1 (R N ) × R → R définie par<br />

˜F (u, s) = e2s<br />

2<br />

<br />

R N<br />

|∇u(x)| 2 dx − 1<br />

e sN<br />

m<br />

i=1<br />

<br />

ai<br />

σi + 2 RN |e sN<br />

2 u(x)| σi+2<br />

dx.<br />

Sur la contrainte élargie S(c) × R, ˜ F a la même géométrie que F . En eff<strong>et</strong> pour les u1, u2<br />

précédemment introduit, si<br />

on a<br />

˜Γ(c) := {h ∈ C([0, 1], S(c) × R) ; h(0) = (u1, 0), h(1) = (u2, 0)}<br />

γ(c) = ˜γ(c) := inf<br />

max<br />

h∈˜ Γ(c) t∈[0,1]<br />

˜F (h(t)) > max{ ˜ F (u1, 0), ˜ F (u2, 0)}.<br />

Maintenant en appliquant sur ˜ F le principe de localisation utilisé dans [7] on construit<br />

pour F , une suite bornée {un} ⊂ S(c) satisfaisant (4.2).<br />

L’introduction de ˜ F perm<strong>et</strong> d’incorporer dans la procédure variationnelle l’information<br />

que toutes les solutions faibles de (4.1) satisfont l’identité de Pohozaev. Plus généralement,<br />

19

Hooray! Your file is uploaded and ready to be published.

Saved successfully!

Ooh no, something went wrong!