Continuity of eigenvalues and shape optimisation for Laplace and Steklov problems
Notice bibliographique
Résumé
Abstract We associate a sequence of variational eigenvalues to any Radon measure on a compact Riemannian manifold. For particular choices of measures, we recover the Laplace, Steklov and other classical eigenvalue problems. In the first part of the paper we study the properties of variational eigenvalues and establish a general continuity result, which shows for a sequence of measures converging in the dual of an appropriate Sobolev space, that the associated eigenvalues converge as well. The second part of the paper is devoted to various applications to shape optimization. The main theme is studying sharp isoperimetric inequalities for Steklov eigenvalues without any assumption on the number of connected components of the boundary. In particular, we solve the isoperimetric problem for each Steklov eigenvalue of planar domains: the best upper bound for thek-th perimeter-normalized Steklov eigenvalue is $$8\pi k$$ 8πk , which is the best upper bound for the $$k^{\text {th}}$$ kth area-normalised eigenvalue of the Laplacian on the sphere. The proof involves realizing a weighted Neumann problem as a limit of Steklov problems on perforated domains. For $$k=1$$ k=1 , the number of connected boundary components of a maximizing sequence must tend to infinity, and we provide a quantitative lower bound on the number of connected components. A surprising consequence of our analysis is that any maximizing sequence of planar domains with fixed perimeter must collapse to a point.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,015 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,004 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,001 | 0,003 |
| Intégrité de la recherche | 0,002 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».