3.1.3 Exercices (Extrema, Convexité) : 3.1. Définitions Et Rappels Chapitre 3. Optimisation

3.1. DÉFINITIONS ET RAPPELS CHAPITRE 3.
OPTIMISATION
3.1.3 Exercices (extrema, convexité)

Exercice 105 (Vrai / faux). corrigé en page 213
1. L’application x 7→ kxk∞ est convexe sur IR 2 .
2. L’application x 7→ kxk∞ est strictement convexe sur IR 2 .
3. L’application de IR 2 dans IR définie par F (x, y) = x2 − 2xy + 3y 2 + y admet un unique minimum.
4. Soit A ∈ Mn,m (IR), b ∈ IR n , l’application x 7→ kAx − bk2 admet un unique minimum.
Exercice 106 (Minimisation dans IR). Corrigé en page 213
On considère les fonctions définies de IR dans IR par f0 (x) = x2 , f1 (x) = x2 (x−1)2 , f2 (x) = |x|, f3 (x) = cos x,
f4 (x) = | cos x|, f5 (x) = ex . On pose K = [−1, 1]. Pour chacune de ces fonctions, répondre aux questions
suivantes :
1. Etudier la différentiabilité et la (stricte) convexité éventuelles de la fonction, ; donner l’allure de son graphe.
2. La fonction admet elle un minimum global sur IR ; ce minimum est-il unique ? Le cas échéant, calculer ce
minimum.
3. La fonction admet elle un minimum sur K ; ce minimum est-il unique ? Le cas échéant, calculer ce minimum.
Exercice 107 (Fonctions quadratiques).
1. Montrer que la fonction f de IR 2 dans IR définie par f (x, y) = x2 + 4xy + 3y 2 n’admet pas de minimum
en (0, 0).
2. Trouver la matrice symétrique S telle que f (x) = xt Sx, pour f1 (x) = 2(x21 + x22 + x23 − x1 x2 − x2 x3 ),
puis pour f2 (x) = 2(x21 + x22 + x23 − x1 x2 − x1 x3 − x2 x3 ) Etudier la convexité des fonctions f1 et f2 .
3. Calculer les matrices hessiennes de g1 et g2 définies par : g1 (x, y) = 41 x4 +x2 y+y 2 et g2 (x, y) = x3 +xy−x
et étudier la convexité de ces deux fonctions.
Exercice 108 (Convexité et continuité). Suggestions en page 213.
1. Soit f : IR → IR une fonction convexe.
(a) Montrer que f est continue.
(b) Montrer que f est localement lipschitzienne.
2. Soit n ≥ 1 et f : IR n → IR. On suppose que f est convexe.
(a) Montrer f est bornée supérieurement sur les bornés (c’est-à-dire : pour tout R > 0, il existe mR t.q. f (x) ≤
mR si la norme de x est inférieure ou égale à R).
(b) Montrer que f est continue.
(c) Montrer que f est localement lipschitzienne.
(d) On remplace maintenant IR n par E, e.v.n. de dimension finie. Montrer que f est continue et que f est locale-
ment lipschitzienne.
3. Soient E un e.v.n. de dimension infinie et f : E → IR. On suppose que f est convexe.
(a) On suppose, dans cette question, que f est bornée supérieurement sur les bornés. Montrer que f est continue.
(b) Donner un exemple d’e.v.n. (noté E) et de fonction convexe f : E → IR t.q. f soit non continue.
Analyse numérique I, télé-enseignement, L3 212 Université d’Aix-Marseille, R. Herbin, 16 septembre 2016

3.2. OPTIMISATION SANS CONTRAINTE CHAPITRE 3. OPTIMISATION
3.2.3 Exercices (optimisation sans contrainte)

Exercice 109 (Maximisation). Suggestions en page 220
Soit E un espace vectoriel normé et f : E → IR. En utilisant les résultats de la section 3.2.2, répondre aux
questions suivantes :
1. Donner une condition suffisante d’existence de x̄ ∈ E tel que f (x̄) = supx∈E f (x).
2. Donner une condition suffisante d’unicité de x̄ ∈ E tel que f (x̄) = supx∈E f (x).
3. Donner une condition suffisante d’existence et unicité de x̄ ∈ E tel que f (x̄) = supx∈E f (x).
Exercice 110 (Complément de Schur). Corrigé en page 220
Soient n et p deux entiers naturels non nuls. Dans toute la suite, si u et v sont deux vecteurs de IR k , k ≥ 1, le
produit scalaire de u et v est noté u · v. Soient A une matrice carrée d’ordre n, symétrique définie positive, soit B
une matrice n × p, C une matrice carrée d’ordre p, et soient f ∈ IR n et g ∈ IR p . On considère le système linéaire
suivant :
x f A B
M = , avec M = . (3.14)
y g Bt C

1. On suppose dans cette question seulement que n = p = 1, et A = a , B = b , C = c
(a) Donner une condition nécessaire et suffisante sur a, b, et c pour que M soit inversible.
(b) Donner une condition nécessaire et suffisante sur a, b, et c pour que M soit symétrique définie positive.
2. On définit la matrice S = C − B t A−1 B, qu’on appelle “complément de Schur".

1 1 1 1 1 0
(a) Calculer S dans le cas A = ,B= ,C = .
0 1 0 1 0 1
(b) Montrer qu’il existe une unique solution au problème (3.14) si et seulement si la matrice S est inversible.
Est-ce le cas dans la question (a) ?
3. On suppose dans cette question que C est symétrique.

(a) Vérifier que M est symétrique.
(b) Soient x ∈ IR n , y ∈ IR p et z = (x, y) ∈ IR n+p . Calculer M z · z en fonction de A, B, C, x et y.
(c) On fixe maintenant y ∈ IR p , et on définit la fonction F de IR n dans IR par : x 7→ Ax · x + 2By · x + Cy · y.
Calculer ∇F (x), et calculer x0 ∈ IR n tel que ∇F (x0 ) = 0
(d) Montrer que la fonction F définie en 3(c) admet un unique minimum, et calculer la valeur de ce mimimum.
(e) En déduire que M est définie positive si et seulement si S est définie positive (où S est la matrice définie à
la question 1).
4. On suppose dans cette question que C est la matrice (carrée d’ordre p) nulle.
(a) Montrer que la matrice S̃ = −S est symétrique définie positive si et seulement si p ≤ n et rang(B)=p. On
supposera que ces deux conditions sont vérifiées dans toute la suite de la question.

A 0
(b) En déduire que la matrice P = est symétrique définie positive.
0 S̃
(c) Calculer les valeurs propres de la matrice T = P −1 M (il peut être utile de distinguer les cas KerB t = {0}
et KerB t 6= {0}).
Analyse numérique I, télé-enseignement, L3 218 Université d’Aix-Marseille, R. Herbin, 16 septembre 2016

3.1.3 Exercices (Extrema, Convexité) : 3.1. Définitions Et Rappels Chapitre 3. Optimisation

Transféré par

Droits d'auteur :

Formats disponibles

3.1.3 Exercices (Extrema, Convexité) : 3.1. Définitions Et Rappels Chapitre 3. Optimisation

Transféré par

Informations du document

Description originale:

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

3.1.3 Exercices (Extrema, Convexité) : 3.1. Définitions Et Rappels Chapitre 3. Optimisation

Transféré par

Droits d'auteur :

Formats disponibles

3.1. DÉFINITIONS ET RAPPELS CHAPITRE 3.

3.1.3 Exercices (extrema, convexité)

Analyse numérique I, télé-enseignement, L3 212 Université d’Aix-Marseille, R. Herbin, 16 septembre 2016

3.2.3 Exercices (optimisation sans contrainte)

2. On définit la matrice S = C − B t A−1 B, qu’on appelle “complément de Schur".

3. On suppose dans cette question que C est symétrique.

Analyse numérique I, télé-enseignement, L3 218 Université d’Aix-Marseille, R. Herbin, 16 septembre 2016

Vous aimerez peut-être aussi