Scribd Logo
Importer

Bienvenue sur Scribd !

  • 139 vues

    I-Existence Et Unicité: 2 - Convexité

    Transféré par

    Amin Zekri
    Ce document traite de l'existence et la caractérisation des extrema d'une fonction, ainsi que de méthodes pour trouver ces extrema comme la méthode de Newton. Le document contient de nombreuses définitions, théorèmes et propriétés sur ce sujet.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    I-Existence Et Unicité: 2 - Convexité

    Transféré par

    Amin Zekri
    139 vues4 pages
    Ce document traite de l'existence et la caractérisation des extrema d'une fonction, ainsi que de méthodes pour trouver ces extrema comme la méthode de Newton. Le document contient de nombreuses définitions, théorèmes et propriétés sur ce sujet.

    Description originale:

    151 - Dimension d un espace vectoriel (cas de la dimension finie). Rang. Ex(1)

    Titre original

    219(1)

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Ce document traite de l'existence et la caractérisation des extrema d'une fonction, ainsi que de méthodes pour trouver ces extrema comme la méthode de Newton. Le document contient de nombreuses définitions, théorèmes et propriétés sur ce sujet.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    139 vues4 pages

    I-Existence Et Unicité: 2 - Convexité

    Transféré par

    Amin Zekri
    Ce document traite de l'existence et la caractérisation des extrema d'une fonction, ainsi que de méthodes pour trouver ces extrema comme la méthode de Newton. Le document contient de nombreuses définitions, théorèmes et propriétés sur ce sujet.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 4

    219 : Extrema: existence, caractérisation, recherche.

    Exemples et Applications

    Soit E un R-espace vectoriel normé et X ⊆ E. Soit f : X → R. 2- Convexité


    Soit C une partie convexe de E non vide.
    Déf 1 ([5]). • On dit que f admet en a un maximum global si
    f (x) ≤ f (a) pour tout x ∈ X. Déf 4 ([1]). On dit que f est convexe si
    • On dit que f admet en a un maximum local s’il existe un
    voisinage de a dans E tel que f (x) ≤ f (a) pour tout x ∈ V ∩ X. ∀(x, y) ∈ C 2 , ∀λ ∈ [0, 1], f (λx + (1 − λ)y) ≤ λf (x) + (1 − λ)f (y).

    • On dit que f admet en a un maximum strict global (resp. On dit que la fonction f est strictement convexe si l’inégalité pré-
    local) si les inégalités précédentes sont strictes pour x 6= a. cédente est stricte pour tout x 6= y et tout λ ∈]0, 1[.

    Prop 5 ([1]). • Si f est une fonction convexe sur C, alors l’en-


    semble des points réalisant le minimum est un convexe.
    I- Existence et unicité
    • Si f est une fonction strictement convexe sur C, alors f a au
    1- Compacité plus un point minimisant sur C.

    Théo 2 ([4]). Si X est compact et f est continue, alors f est bornée 3 - Projection sur un convexe fermé
    et atteint ses bornes.
    Dans cette section on se donne (H, < . >) un espace de Hilbert et
    App 3 ([4]). • La distance entre deux compactes est atteinte. X ⊆ H un convexe fermé non vide dans H
    • Soit F un fermé non borné de E et f : F → R une application Théo 6 ([1]). Soit f ∈ H. Alors il existe un unique u ∈ X
    continue telle que
    lim f (x) = +∞. k f − u k= inf k f − v k .
    v∈X
    ||x||→∞
    x∈F
    On appelle alors u la projection de f sur X et on le note pX (f )
    Alors, il existe x ∈ F tel que f (x) = inf f (y). De plus pX (f ) est caractérisé par :
    y∈F

    • Soit K un compact de E et F un fermé de E. Alors il existe pX (f ) ∈ X et ∀v ∈ X, Re(< f − pX (f ); v − pX (f ) >) 6 0.


    x ∈ K et y ∈ F tels que d(x, y) = d(K, F ).
    0
    • Pour tout n ∈ N il existe un unique polynôme Pn ∈ Rn [X] tel App 7. (Théorème de représentation de Riesz) ∀φ ∈ H (dual topo-
    que logique de H) ∃!f ∈ H ∀v ∈ H φ(v) =< f ; v >
    ||f − Pn ||∞ = inf ||f − P ||.
    P ∈R[ X]
    II - Extrema locaux et différentielle
    Pn est appelé le polynôme de meilleure approximation uni-
    forme de f l’ordre n. Soit U ⊆ E un ouvert d’un R espace vectoriel. Soit f : U → R.

    1
    219 : Extrema: existence, caractérisation, recherche. Exemples et Applications

    1- Condition du premier ordre • Si, de plus, E est de dimension finie, si a est un point critique
    et que Da 2 f est une forme quadratique définie positive(resp. né-
    Déf 8 ([4]). On dit que a ∈ U est un point critique de f si f est
    gative), alors f admet un minimum (resp.maximum) local strict
    différentiable en a et Da f = 0.
    en a
    Théo 9 ([4]). Si f admet en a un extremum local et si f est différen-
    tiable en a, alors a est un point critique de f . Cor 16 ([4]). (Notation de Monge) Soit f : U ⊆ R2 → R de classe
    2 ∂2f
    C 2 telle que Da f = 0 pour a ∈ U . Posons r = ∂∂xf2 (a), s = ∂x∂y (a),
    NB 10. • U est essentiel. En effet, pour f : x → x atteint son 2

    maximum sur [0,1] en x = 1 mais f 0 (1) 6= 0. t = ∂∂yf2 (a)

    • La réciproque est fausse. En effet, pour f : x → x3 . On a f 0 (0) = 0 • si rt − s2 > 0 et r > 0, alors f admet un minimum local en a ;
    et pourtant 0 n’est pas un extremum de f . • si rt − s2 > 0 et r < 0, alors f admet un maximum local en a ;
    Théo 11 ([5]). Etant donnés n points (xi , yi ) du plan R2 , avec des xi • si rt − s2 < 0, alors f n’a pas d’extremum en a ;
    non tous égaux entre eux. Alors il existe un unique couple (λ, µ) ∈ R2
    tel que ni=1 (λxi + µ − yi )2 soit minimal.
    P • si rt − s2 = 0, on ne peut pas conclure.

    Déf 12. La somme des carrés des distances (mesurées verticalement)


    des points donnés (xi , yi ) à la droite d’équation y = λx + µ est donc 3 - Principe du maximum
    minimale. Cette droite est appelée droite des moindres carrés.
    On considère f : Rn → R une fonction C 2
    Théo 13 (Rolle). ([4]) Soit f : [a, b] → une application vérifiant :
    (i) f est continue sur [a, b] Déf 17 ([4]). On définit le laplacien de f par
    (ii) f est dérivable sur ]a, b[ n
    X ∂ 2f
    (iii) f (a) = f (b) ∆f = 2
    .
    i=1 ∂x
    Alors il existe c ∈]a, b[ tel que f 0 (c) = 0.
    Théo 18. Notons D la boule unité ouverte de Rn .
    Prop 14. Soit f une fonction convexe différentiable en a ∈ U . On
    a alors a est un point critique si et seulement si a est un extremum • Si pour tout x ∈ D ∆f (x) > 0, alors
    global de f .
    ∀x ∈ D, f (x) < max f (y).
    kyk=1
    2- Condition du second ordre
    Théo 15 ([5]). • Si f admet en a un minimum (resp. maximum) • Si pour tout x ∈ D ∆f = 0, alors
    local et si Da 2 f existe, alors a est un point critique et Da 2 f est
    une forme quadratique positive (resp.négative). ∀x ∈ D min f (y) 6 f (x) 6 max f (y).
    kyk=1 kyk=1

    2
    219 : Extrema: existence, caractérisation, recherche. Exemples et Applications

    III - Quelques problèmes d’optimisation Méthode de Newton


    On considére f : R → R une fonction de classe C 3 .
    1- Optimisation sous contraintes Soit u un extremum local de f , alors F (u) = f 0 (u) = 0. Donc u est un
    zéro de F = f 0 , qu’on supposera régulier c’est à dire tel que F 0 (u) 6= 0.
    Rappel 19 (Fonctions implicites).
    Soit p, q ∈ N∗ , U un ouvert de Rq × Rp et Théo 22 ([2] [5]). Il existe  > 0 tel que pour tout x0 ∈ [u − ; u + ]
    la suite (xn )n>0 définie par : xn+1 = xn − FF0(x n)
    converge vers u.
    f = (f1 , ..., fp ) : U −→ Rp de classe C k (xn )
    Il existe de plus C > 0 telle que | xn+1 − u |6 C | xn − u |2
    (x, y) = (x1 , ..., xq , y1 , ..., yp ) 7−→ f (x, y)
    
    ∂fj
     NB 23. Nous pouvons écrire le même théorème pour f : Rn → Rn
    Soit (a, b) ∈ U tel que f (a, b) = 0 et det 6= 0.
    ∂xi 1≤i,j≤p
    Alors, il existe V un voisinage de a ∈ Rq , Ω un voisinage de 3- Optimisation géométrique
    (a, b) ∈ Rn et φ : V → Rp de classe C k tels que
    Déf 24 (Ellipsoïde de John-Loewner). (Développement 2) ([3]) L’en-
    ∀(x, y) ∈ Ω, avec x ∈ V, f (x, y) = 0 ⇔ y = φ(x). semble Eq = {x ∈ Rn | q(x) 6 1}, où q est une forme quadratique
    définie positive, est un ellipsoïde de Rn centré en l’origine.
    Théo 20 (Extrema liés). (Développement 1) Soit f, g1 , ..., gp : U → R
    de classe C 1 (U ⊂ Rn ouvert). Posons Lemme 25 (Développement 2). ([3]) (strict log-concavité du déter-
    minant) Si A et B sont deux matrices distinctes symétriques réelles
    X = {ω ∈ U : g1 (ω) = ... = gp (ω) = 0}. définies positives, α et β dans ]0; 1[ tels que α + β = 1, alors
    α β
    Si la restriction de f à X admet un extremum local en a ∈ X et si det(αA + βB) > (det A) (det B) .
    la famille (Da gi )i∈J1,pK est linéairement indépendante, alors il existe Théo 26 (Développement 2). ([3]) Soit K un compact d’intérieur
    (λ1 , ..., λp ) ∈ Rp tels que non vide de Rn . Il existe un unique ellipsoïde centré en 0 de volume
    Xp minimal contenant K.
    Da f = λi Da gi
    i=1

    Les (λi )i∈J1,pK sont appelés les multiplicateurs de Lagrange.


    App 21 ([4]). SOn est l’ensemble des matrices de SLn qui minimise
    la norme définie par : si M = (mi,j ) ∈ Mn k M k2 = ( i,j m2i,j )1/2
    P

    2- Optimisation numérique
    Nous nous intéressant dans cette partie à la recherche numérique
    des extrema à l’aide d’un algorithme

    3
    219 : Extrema: existence, caractérisation, recherche. Exemples et Applications

    Références
    [1] Vincent Beck, Jérôme Malick, and Gabriel Peyré. Objectif Agré-
    gation. HK, 2005.
    [2] Jean-Pierre Demailly. Analyse numérique et équations différen-
    tielles. EDP Sciences, 2006.
    [3] Serge Francinou, Hervé Gianella, and Serge Nicolas. Oraux X-ENS
    Algèbre 3. Cassini, 2010.
    [4] Xavier Gourdon. Les maths en tête Analyse. Ellipses, 2008.
    [5] François Rouvière. Petit guide du calcul différentiel. Cassini, 2003.

    Vous aimerez peut-être aussi