Chapitre 2

Fonctions convexes
En analyse convexe, on considère très souvent des fonctions prenant des valeurs
dans l'ensemble des réels auxquels on rajouter l'inni, i.e. R = R ∪ {+∞}. Un
avantage est de pouvoir inclure directement les contraintes dans la fonctionnelle
optimisée, c'est-à-dire remplacer
min f (x)
C
où K est un ensemble convexe d'un espace vectoriel E par le problème sans contraintes
(
0 si x ∈ C
min f (x) + iC (x), où iC (x) =
E +∞ sinon
Plus fondamentalement, des fonctions convexes prenant la valeur +∞ apparaissent
de manière très naturelle lorsqu'on s'intéresse à la transformée de Legendre-Fenchel,
qui est unanalogue de la transformée de Fourier en analyse convexe.
1 L'ensemble

R ∪ {±∞} est muni des règles de calcul intuitives suivantes :

∀a ∈ R, a + (+∞) = +∞
∀a > 0, a × (+∞) = +∞
∀a < 0, a × (+∞) = −∞
On fera en sorte de ne jamais faire apparaître de quantités indéterminées de la forme
0 × (+∞) ou (+∞) − (+∞)).

2.1 Dénition et propriétés élémentaires

Dénition 7. Soit E un espace vectoriel et f : E → R. On appelle

(i) domaine de f , noté dom(f ), le sous-ensemble de E où f prend des valeurs
nies :
dom(f ) = {x ∈ E, f (x) 6= +∞};

1. Par exemple, on verra que la transformée de Legendre-Fenchel d'une norme est une fonction

à valeurs dans {0, +∞}.

12
CHAPITRE 2. FONCTIONS CONVEXES 13

(ii) épigraphe de f la partie de l'espace produit E ×R au-dessus du graphe de

f, i.e.
epi(f ) = {(x, t) ∈ E × R; t ≥ f (x)}.
Une fonction f :E→R est propre ssi dom(f ) 6= ∅.

Dénition 8. On appelle fonction convexe une fonction f :E→R dont l'épi-

graphe est un sous-ensemble convexe de E × R.

Remarque 2. On dit que f : E → R ∪ {−∞} est concave si −f est convexe, et tout ce

qu'on va dire s'applique aussi bien au fonctions concaves qu'aux fonctions convexes,
à ce changement de signe près.

Proposition 13. Une fonction f : E → R est convexe si et seulement si dom(f ) est

convexe et si pour tout x, y dans dom(f ) et tout α ∈ [0, 1],
f ((1 − α)x + αy) ≤ (1 − α)f (x) + αf (y) (2.1)

Démonstration. Soit f une fonction convexe. Alors,

dom(f ) = {x ∈ R | ∃t ∈ R, (x, t) ∈ epi(f )} = ΠE (epi(f ))

où ΠE : E × R → R est l'application ane ΠE (x, t) = x. Ainsi, dom(f ) est convexe

comme image d'un convexe par une application ane. Ensuite, pour tout points
x, y ∈ E , les points x0 := (x, f (x)) y 0 := (y, f (y)) appartiennent
et à epi(f ). Ainsi,
par convexité de l'épigraphe, pour tout α ∈ [0, 1], le point

z 0 = (1 − α)x0 + αy 0 = ((1 − α)x + αy, (1 − α)f (x) + αf (y))

est lui aussi dans l'épigraphe de f, ce qui se traduit par (2.1). La réciproque se
démontre de la même manière.

Cette proposition permet de déduire des opération préservant la convexité des

fonctions similaire aux opérations préservant la convexité des ensembles. Nous nous
contentons d'énoncer les plus importantes.

Proposition 14. (i) Si (fi )i∈I est une famille quelconque de fonctions convexes
sur E , alors la fonction x 7→ supi∈I fi (x) est également convexe.
(ii) Soit A : F → E une application ane, et f une fonction convexe sur E .
Alors, la fonction f ◦ A est convexe.
(iii) Si
PNf1 , . . . , fN sont des fonctions convexes et λ1 , . . . , λN ≥ 0, la fonction
i=1 λi fi est convexe.

Exemple 6. (i) Soit C un sous-ensemble de E , et iC : E → R sa fonction indica-

trice, dénie par iC (x) =0 si x∈C et +∞ si x ∈ 6 C . Alors, iC est convexe si
et seulement si C est convexe.
CHAPITRE 2. FONCTIONS CONVEXES 14

(ii) Toute norme kk sur E est convexe.

(iii) Toute forme linéaire (même discontinue) sur E est convexe.
(iv) Les sous-niveaux d'une fonction convexe sont convexes (cela se vérie facile-
ment manuellement, mais on peut aussi utiliser

{f ≤ t0 } = ΠE (epi(f ) ∩ {(x, t) | t ≥ t0 })

où la projection ΠE (x, t) = x est linéaire). La réciproque est fausse : il existe des

fonctions non convexes dont les sous-niveaux sont tous convexes. Par exemple,
les sous-niveaux de toute fonction monotone sur R sont convexes.
(v) Soit X une partie bornée de E. x 7→ supp∈X kx − pk est convexe.
La fonction
(vi) Si f est convexe et K est un ensemble convexe, la fonction g = f + ιK est
convexe (g(x) = f (x) si x ∈ K , g(x) = +∞ sinon). De plus, les deux problèmes
d'optimisation suivants sont équivalents

min f (x) ⇐⇒ min f (x) + ιC (x).

x∈C x∈E

(vii) La composition de fonctions convexes n'est pas nécessairement convexe. Par

exemple f, g : R → R, f (x) = exp(−x) et g(x) = x2 sont convexes alors que
f ◦ g(x) = exp(−x2 ) n'est pas convexe.
Dénition 9. Soient E un espace vectoriel normé. Une fonction convexe f : E 7→ R
est strictement convexe si pour tout x 6= y ∈ dom(f ) et tout λ ∈]0, 1[,

f ((1 − λ)x + λy) < (1 − λ)f (x) + λf (y) (2.2)

En exercice, on pourra démontrer le lemme suivant.

Lemme 15. Soit f : E → R atteignant son minimum m = minE f .

(i) Si f est convexe, alors {x ∈ E | f (x) = m} est convexe.
(ii) Si f est strictement convexe, alors {x ∈ E | f (x) = m} est un singleton.

2.2 Continuité et lipschitzité des fonctions convexes

Pour parler de continuité et a fortiori de Lipschitzité, on supposera dans cette
section que E est un espace vectoriel normé.

Dénition 10. Une fonction f : Ω ⊆ E → R est localement lipschitzienne sur un

ouvert Ω de E si tout point de Ω admet un voisinage sur lequel f est lipschitizienne,
c'est-à-dire

∀x0 ∈ Ω, ∃δ > 0, ∃M ∈ R, ∀x, y ∈ B(x0 , δ), |f (x) − f (y)| ≤ M kx − yk .

Proposition 16. Soit f : E → R une fonction convexe sur un espace vectoriel

normé et Ω un ouvert de E . Si f est bornée supérieurement sur Ω, alors elle est
localement lipschitzienne sur cet ouvert.
CHAPITRE 2. FONCTIONS CONVEXES 15

Remarque 3. Comme on le verra, la démonstration permet d'estimer assez précisé-

ment la constante de Lipschitz M en fonction de la borne sur f. En revanche, la
constante de Lipschitz peut exploser au bord du domaine. Considérons par exemple
√
la fonction convexe f : x ∈ [0, 1] 7→ − x. Alors, limx→0,x6=0 f 0 (x) = −∞, et f n'est
pas localement lipschitzienne au voisinage de 0.
Remarque 4. On peut se servir de cette proposition pour montrer que toute forme
linéaire f sur E est continue en l'origine si et seulement si elle est globalement
lipschitzienne. Un des sens est évident (globalement lipschitzienne =⇒ continue en
l'origine). Pour l'autre il faut remarquer que si f est continue en l'origine, alors elle
est bornée à son voisinage et (par la proposition) L-lipschitzienne sur une boule
B(0, r). Alors, pour x1 , x2 ∈ E , et en posant R = max(kx1 k , kx2 k),
R  r r  LR r r
|f (x1 ) − f (x2 )| = f ( x1 ) − f ( x2 ) ≤ x1 − x2 = L kx1 − x2 k .

r R R r R R
Remarque 5. L'hypothèse que f est majorée est cruciale ! Par exemple, si l'espace E
est de dimension innie, on peut construire une application linéaire f non continue
sur E . (Par exemple, on peut considérer R[X] muni de la norme `1 des coecients,
0
et f : P ∈ R[X] 7→ P (1). Alors, Pn =
1 n
n X converge vers 0, tandis que f (Pn ) = 1.
Ainsi, f est linéaire et discontinue.) Alors, dom(f ) = E , c'est-à-dire que f est nie
partout, et pourtant f n'est continue en aucun point.

Avant de démontrer la proposition 16, on va démontrer un résultat intermédiaire

pour une fonction convexe que l'on suppose bornée supérieurement et inférieurement.

Lemme 17. Soit f : E → R une fonction convexe telle que |f | ≤ M sur une boule
B(x0 , 2δ).
Alors, f est 2M
δ -lipschitzienne sur la boule B(x0 , δ).

Démonstration. Soit x, y deux points de la boule B(x0 , δ). Pour comparer f (x) et
f (y) et montrer la propriété de lipschitzité, on va prolonger le segment [x, y] dans la
direction de y et utiliser la borne sur f sur la boule B(x0 , 2δ). Posons α = kx − yk
etz := y + αδ (y − x). Le point z construit de cette manière appartient à la boule
B(x0 , 2δ) car
δ
kz − x0 k ≤ kz − yk +
ky − xk ≤ 2δ.
α
En utilisant la dénition de z , on peut réécrire le point y comme combinaison convexe
de x et z . La relation (1 + δ/α)y = (δ/α)x + z implique que

δ/α 1
y= x+ z,
1 + δ/α 1 + δ/α

où la somme des deux coecients vaut 1. Ainsi, par convexité de f,

δ/α 1
f (y) ≤ f (x) + f (z)
1 + δ/α 1 + δ/α
−1 1
i.e. f (y) − f (x) ≤ f (x) + f (z)
1 + δ/α 1 + δ/α
CHAPITRE 2. FONCTIONS CONVEXES 16

On peut maitenant utiliser la borne sur |f | :

2M 2M 2M
f (y) − f (x) ≤ ≤ α= kx − yk
1 + δ/α δ δ
En inversant les rôles de x et y on nit de démontrer la borne sur la constante de
Lipschitz de f.
Démonstration de la Proposition 16. x0 un point de l'ouvert Ω et δ > 0 tel que
Soit
B(x0 , 2δ) ⊆ Ω. Par hypothèse, la fonction f qu'on considère est bornée supérieure-
ment, i.e. f ≤ M0 sur la boule B(x0 , 2δ). Pour tout point x dans la boule B(x0 , δ),
le point 2x0 − x est aussi dans la boule B(x0 , 2δ), de sorte que

1 1
f (x0 ) ≤ (f (x) + f (2x0 − x)) ≤ (f (x) + M0 ).
2 2
Ainsi,f (x) ≥ 2f (x0 )−M0 , et la fonction est donc bornée inférieurement sur B(x0 , δ).
On peut donc appliquer le lemme, et en déduire que f est lipschitzienne sur la
boule B(x0 , δ/2). Ceci étant vrai pour tout x0 , on en déduit que f est localement
Lipschitzienne sur Ω.

Le résultat suivant montre que si f est bornée au voisinage d'un point, alors elle
automatiquement continue sur l'intérieur de son domaine. La convexité permet de
partir d'une hypothèse de régularité très faible (f bornée au voisinage d'un point)
et d'en déduire un résultat de régularité très fort (f localement lipschitzienne sur
l'intérieur de son domaine).

Proposition 18. Soit f : E → R une fonction convexe sur un espace vectoriel normé
E . S'il existe
un ouvert sur lequel f est borné, alors f est localement Lipschitz sur
int(dom(f )).
Démonstration. Soit B(x, δ) une boule sur laquelle |f | ≤ M . On va utiliser cette
hypothèse pour démontrer que f est localement majorée dans l'intérieur de son
domaine, puis conclure avec la proposition précédente. Soit y un point de Ω =
int(dom(f )). L'ensemble Ω étant ouvert, il existe t > 0 petit tel que le point
z := y + t(y − x) soit dans Ω. Par construction, le point y appartient au segment
[x, z]. Plus précisément, comme (1 + t)y = z + tx on a
t 1
y= x+ z (2.3)
1+t 1+t
= (1 − α)x + αz (2.4)

avec α = 1/(1 + t). Ainsi, on a

(1 − α)B(x, δ) + z = B(y, (1 − α)δ)

Montrons que f ≤ max(M, f (z)) sur la boule B := B(y, (1 − α)δ). Par dénition
de la somme de Minkowski, pour tout point wy ∈ B , il existe wx ∈ B(x, δ) tel que
wy = (1 − α)wx + αz . D'où

f (wy ) ≤ (1 − α)f (wx ) + αf (z) ≤ max(M, f (z)).

CHAPITRE 2. FONCTIONS CONVEXES 17

La fonction est donc bornée supérieurement au voisinage de y. Par la proposition

précédente, f est donc lipschitzienne au voisinage de y. Ceci étant vrai pour tout
y ∈ Ω, on en conclut que f est localement lipschtzienne sur Ω.

Corollaire 19. Soit f : E → R une fonction convexe sur un espace vecto-

riel normé E . S'il existe un point x0 ∈ dom(f ) où f est continue, alors f est
localement Lipschitz sur int(dom(f )).

2.3 Dérivées directionnelles

Dans cette section, on utilise les propriétés algébriques, c'est-à-dire sans topo-
logie, des dérivées directionnelles d'une fonction convexe. L'espace E est donc un
espace vectoriel quelconque, qui n'est pas nécessairement normé. Comme on utilise
uniquement la structure linéaire de l'espace, on ne doit pas s'attendre à pouvoir
en déduire des informations sur la régularité (même la continuité !) des fonctions
considérées.

Dénition 11. Soit E un espace vectoriel, f : E → R une fonction, x un point

du domaine de f et v ∈ E une direction. On pose, si la limite existe,

f (x + εv) − f (x)
f + (x; v) = lim (2.5)
ε→0+ ε

Proposition 20. Soit f : E → R une fonction convexe, et x ∈ dom(f ). Alors,

la dérivée directionnelle v ∈ E 7→ f + (x; v) ∈ R ∪ {±∞} est bien dénie et de
plus,
f (x + εv) − f (x)
f + (x; v) = inf (2.6)
ε>0 ε

Remarque 6. La limite dénissant f + (x; ±) peut prendre les valeurs ±∞.

(i) Le fait de pouvoir remplacer la limite (2.5) par un inmum (2.6) implique que
f + (x; v) = +∞ si et seulement si la demi-droite {x + tv | t > 0} n'intersecte
pas le domaine de f . Par contraposée, si x est dans l'intérieur du domaine de f
(ou dans l'intérieur algébrique du domaine de f , cf TD), alors f + (x; v) < +∞.
(ii)
+
Il est facile de construire des exemples de fonctions tels que f (x; v) = −∞. Par
√ + 0
exemple f (x) = − x, x = 0 et v = 1. Alors f (x; v) = limt→0 −f (t) = −∞.

Lemme 21. La fonction ε 7→ 1

ε (f (x + εv) − f (x)) est croissante.
Démonstration. Soient ε2 ≥ ε1 ≥ 0, et supposons de plus que le point x + ε2 v
appartient à dom(f ) f (x + ε2 v) = +∞ et il n'y a rien à démontrer). Par
(sinon
CHAPITRE 2. FONCTIONS CONVEXES 18

hypothèse, le point x + ε1 appartient au segment [x, x + ε2 ] et donc au domaine de

f par convexité de celui-ci. Plus précisément on a :

x + ε1 v = (1 − ε1 /ε2 )x + ε1 /ε2 (x + ε2 v),

de sorte qu'en utilisant la convexité de f on obtient

f (x + ε1 v) ≤ (1 − ε1 /ε2 )f (x) + ε1 /ε2 f (x + ε2 v).

Ainsi,
f (x + ε1 v) − f (x) f (x + ε2 v) − f (x)
≤ .
ε1 ε2
Démonstration de la proposition 20. Le ratio
1
ε (f (x + εv) − f (x)) étant décroissant
lorsque ε→ 0+ , il admet une limite dans
R ∪ {±∞} donnée par (2.6). Si f + (x; v) <
+∞, alors il existe ε tel que f (x + εd) < +∞, auquel cas f est nie sur [x, x + ε] par
convexité.

Proposition 22. Soit f : E → R une fonction convexe,et x ∈ dom(f ). Alors,

(i) La fonction g : v 7→ f + (x, v) est positivement 1-homogène (g(λv) = λg(v)
pour λ > 0) et sous-linéaire (g(v + w) ≤ g(v) + g(w)).
(ii) Propriété de monotonie : pour tout x, y ∈ dom(f ),
f + (x; y − x) ≤ f + (y; y − x) (2.7)

Démonstration. g = f + (x, .) est 1-homogène. Soient u, v

(i) Il est facile de voir que
dans E , et montrons que g(u + v) ≤ g(u) + g(v). On peut supposer que que pour
ε > 0 assez petit, x + εu et x + εv appartiennent à dom(f ), sinon il n'y a rien à
montrer. Alors,
x + 2εu x + 2εv
x + ε(u + v) = +
2 2
et, par convexité,

1 1 1
(f (x + ε(u + v)) − f (x)) ≤ (f (x + 2εu) − f (x)) + (f (x + 2εv) − f (x)).
ε 2ε 2ε
En passant à la limite on obient l'inégalité voulue.
(ii) Cette propriété correspond à la croissance des pentes pour les fonctions convexes
sur un segment de R.

Proposition 23. Soit f : E → R convexe, et x ∈ dom(f ). De plus, la fonction

est linéaire sur E si et seulement si
v ∈ E 7→ f + (x; v)

∀v ∈ E, f + (x; v) < +∞
∀v ∈ E, f + (x; v) = −f + (x; −v).
CHAPITRE 2. FONCTIONS CONVEXES 19

Remarque 7. La fonction v 7→ f + (x; v) peut tout à fait être linéaire et discontinue !

En eet, pour toute forme linéaire f sur E , on a f + (x; v) = f (v). Il sut donc de
choisir f est linéaire non continue en dimension innie pour obtenir un exemple de
dérivée directionnelle v 7→ f + (x; v) qui est également linéaire et non continue.

Exemple 7. Soit f (x) = |x| sur R, alors f + (0; 1) = 1 et f + (0; −1) = 1 6= −f + (0, 1).
Ce corollaire se déduit de la sous-linéarité de f + (x; ·) et des deux lemmes suivants.

Lemme 24. Soit f : E → R une fonction convexe, et x ∈ dom(f ). Alors,

f + (x, v) ≥ −f + (x, −v) .
Démonstration. f + (x, v) < +∞ ou f + (x, −v) < +∞ car sinon
On peut supposer
l'inégalité est triviale. Alors, x − εv et x + εv appartiennent à dom(f ) pour ε > 0
assez petit. Par la convexité de f ,
 
x + εv x − εv 1 1
f (x) = f + ≤ f (x + εv) + f (x − εv)
2 2 2 2
Ainsi,
f (x + εv) − f (x) f (x − εv) − f (x)
≥− ,
ε ε
ce qui donne résultat par passage à la limite.

Lemme 25. Une fonction sous-linéaire g : E → R est linéaire si et seulement

si elle est partout nie et si g(v) = −g(−v) pour tout v dans E .
Démonstration. Par sous-linéarité de g,
g(v + w) ≤ g(v) + g(w)
g(−(v + w)) ≤ g(−v) + g(−w) = −g(v) − g(w),
où l'on a utilisé l'hypothèse pour la dernière égalité. Ainsi,

g(v) + g(w) ≤ −g(−(v + w)) = g(v + w) ≤ g(v) + g(w),

et toutes les inégalités doivent donc être des égalités. En particulier, on obtient
l'additivité de g : g(v + w) = g(v) + g(w). Comme on sait de plus que g(λv) = λg(v),
g est linéaire.

On conclut cette partie par une caractérisation de la convexité utilisant unique-

ment la notion de dérivée directionnelle.

Proposition 26. Soit f : X ⊆ E → R une fonction sur un ouvert convexe X. On

suppose que pour tout x ∈ X , l'application dérivée directionnelle
1
Dx f : v ∈ E 7→ lim (f (x + εv) − v)
ε→0 ε

est bien dénie et linéaire. Alors, les propriétés suivantes sont équivalentes :
CHAPITRE 2. FONCTIONS CONVEXES 20

(i) f est convexe ;

(ii) pour tout x, y ∈ X , f (y) ≥ f (x) + Dx f (y − x) ;
(iii) pour tout x, y ∈ X , (Dx f − Dy f )(x − y) ≥ 0.
Démonstration. (i) =⇒ (ii) : Comme la fonction f est convexe,

1
Dx f (y − x) = lim (f (x + t(y − x)) − f (x))
t→0+ t
1
= lim (f ((1 − t)x + ty) − f (x))
t→0 t
+

1
≤ lim ((1 − t)f (x) + tf (y) − f (x)) = f (y) − f (x)
t→0 t
+

(ii) =⇒ (iii) : Il sut de sommer les inégalités

f (y) ≥ f (x) + Dx f · (y − x)
f (x) ≥ f (y) + Dy f · (x − y)

(iii)=⇒ (i) : Soient x, y dans X et φ(λ) = f (xλ ) − (1 − λ)f (x) − λf (y), où on

a posé xλ := (1 − λ)x + λy . La fonction φ est diérentiable en tout λ ∈ [0, 1] et
φ(0) = φ(1) = 0. Montrer que f est convexe sur le segment [x, y] revient à montrer
que φ(λ) ≤ 0 sur [0, 1]. Supposons le contraire, et considérons λ0 un point du segment
0
ouvert ]0, 1[ où φ atteint son maximum, de sorte que φ (λ0 ) = 0 et φ(λ0 ) > 0. Pour
tout λ ∈ [0, 1], on a :

φ0 (λ) − φ0 (λ0 ) = (Dxλ f − Dxλ0 f ) · (y − x)

De plus, si λ 6= λ0 ,
1 1
y−x= [((1 − λ)x + λy) − ((1 − λ0 )x + λ0 y)] = (xλ − xλ0 )
λ − λ0 λ − λ0
λ > λ0 , alors φ0 (λ) ≥ φ0 (λ0 ) = 0.
Ainsi, en utilisant l'hypothèse (iii) on obtient que si
La fonction φ devrait donc être croissante croissante sur l'intervalle [λ0 , 1[, et en
particulier φ(1) ≥ φ(λ0 ). Ceci contredit l'inégalité φ(λ0 ) > 0 = φ(1). Par l'absurde,
on en déduit que φ ≤ 0, puis que f est convexe sur le segment [x, y] et enn qu'elle
est convexe sur l'ouvert X .

2.4 Diérentiabilité au sens de Gâteaux et de Fréchet

Dénition 12. Soient E un espaces vectoriel normé. Une fonction f :E→R

est dite Gâteaux-diérentiable en x ∈ dom(f ) si elle admet une dérivée direc-
tionnelle en x dans toutes les directions v ∈ E

d 
Dx f (v) := f (x + tv) ∈ R,
dt t=0
CHAPITRE 2. FONCTIONS CONVEXES 21

et si l'application v 7→ Dx f (v) est linéaire continue sur E.

Remarque 8. La diérentiabilité au sens de Gâteaux est une notion assez faible. Par
exemple, considérons la fonction f : R2 → R dénie par
(
1 si x1 6= 0 et x2 = x21
f (x1 , x2 ) =
0 sinon

Les dérivées directionnelles de f en (0, 0) sont toutes nulles, de sorte que f est
Gâteaux-diérentiable en ce point avec D(0,0) f = 0. Cependant, la fonction f n'est
même pas continue en (0, 0) !

Proposition 27. Soit f : E → R une fonction convexe continue en x ∈ E .

Alors,
f est Gâteaux-diérentiable en x ⇐⇒ v ∈ E 7→ f + (x; v) est linéaire
⇐⇒ ∀v ∈ E, f + (x; v) = −f + (x; −v)

Dans ce cas, on a Dx f = f + (x; ·).

On sait déjà que l'application v 7→ f + (x; v) est linéaire sous la deuxième hypo-
thèse, il sut donc d'appliquer le lemme suivant.

Lemme 28. Soit f : E → R une fonction convexe continue en x ∈ E . Alors

l'application v ∈ E 7→ f + (x, v) est continue.
Démonstration. Comme f est continue en x, elle est localement bornée au voisinage
de x et donc M -Lipschitz dans un voisinage de x. En particulier,

f (x0 + εv) − f (x0 ) ≤ M ε kvk ,

d'où g(v) := f + (x; v) ≤ M kvk. Par sous-additivité de la fonction g, pour v, h ∈ E ,

g(v) − g(h) ≤ g(v + h) ≤ g(v) + g(h),

on en déduit la continuité de g : g(v) − M khk ≤ g(v + h) ≤ g(v) + M khk.

Dénition 13. Une fonction f : E → R est dite Fréchet-diérentiable en x ∈ dom(f )

si elle est Gâteaux-diérentiable en x et si

|f (x + v) − f (x) − Dx f (v)|
lim =0 (2.8)
v→0,v6=0 kvk

ou de manière plus compacte, f (x + v) = f (x) + Dx f (v) + o(kvk).

CHAPITRE 2. FONCTIONS CONVEXES 22

Remarque 9. La diérentiabilité au sens de Fréchet est la notion habituelle de dié-

rentiabilité. Les implications suivantes sont vraies (et immédiates) : Fréchet diéren-
tiabilité =⇒ Gâteaux-diérentiabilité =⇒ linéarité de l'application v 7→ f + (x; v). En
revanche, les implications réciproques sont fausses sans hypothèses supplémentaires.

Remarque .
10 La Fréchet-diérentiabilité implique évidemment la continuité. Ainsi,
la fonction f : R2 → R considérée dans l'exemple précédent, qui est Gâteaux-
diérentiable en (0, 0) mais discontinue en ce point, n'est pas Fréchet-diérentiable.

2.5 Théorèmes de diérentiabilité presque partout

Motivation. Soit H un espace de Hilbert. Étant donné un compact convexe K⊆E
et x
∗ ∈ E, on s'intéresse au problème de programmation linéaire suivant :

maxhx∗ |xi (2.9)

x∈K

On note f : x∗ ∈ E → R la fonction valeur du problème de programmation linéaire,

qui est convexe comme maximum de fonctions linéaires. De plus, si x est une solution
du problème (2.9), c'est-à-dire x∈K ∗
et f (x ) = hx∗ |xi, on a
1
f + (x∗ , v ∗ ) = lim (f + (x∗ + εv ∗ ) − f (x∗ ))
ε→0 ε
1
≥ lim (hx∗ + v ∗ |xi − hx∗ |xi) ≥ hv ∗ |xi
ε→0 ε

On s'intéresse maintenant à l'unicité du maximiseur de (2.9). Supposons qu'il existe

x 6= y ∈ K tel que f (x∗ ) = hx∗ |xi = hx∗ |yi. Alors, par le raisonnement précédent,

f + (x∗ , v ∗ ) ≥ max(hv ∗ |xi, hv ∗ |yi).

L'application v ∗ ∈ E ∗ 7→ f + (x∗ ; v ∗ ) ne peut alors pas être linéaire, et f n'est donc

pas diérentiable en x. Étudier la diérentiabilité de f
∗
en x nous apprend donc des
choses sur l'unicité de la solution au problème de programmation linéaire (2.9).

2.5.1 Diérentiabilité des fonctions convexes sur R

Théorème 29. Soit f : R → R une fonction convexe, et I = int(dom(f )). Alors,
l'ensemble des points de I où f n'est pas dérivable est au plus dénombrable.
Démonstration. fd0 (x) = f + (x; 1) et fg0 (x) = −f + (x, −1) les dérivées à droite et
Soit
gauche. En utilisant la croissance des pentes d'une fonction convexe sur R, on peut
montrer que ces fonctions sont croissantes (exercice). Pour tout x ≤ x0 dans I , on a

f (y) − f (x) f (x0 ) − f (x)

fd0 (x) = inf ≤ ≤ fg0 (x0 ),
y>x y−x x0 − x
ce qui implique l'inégalité

lim fd0 (x) ≤ fg0 (x0 ) ≤ fd0 (x0 )

x→x−
0
CHAPITRE 2. FONCTIONS CONVEXES 23

La fonction f est dérivable en x0 si et seulement si fg0 (x0 ) = fd0 (x0 ). Ainsi, si f n'est
0
pas diérentiable en x0 , la fonction fd a un saut en x0 :

lim fd0 (x) < fd0 (x0 ).

x→x−
0

On conclut en utilisant le fait qu'une fonction croissante ne peut avoir qu'un nombre
dénombrable de sauts.

Remarque 11. Ce théorème est faux en dimension plus grande. Considérer la fonction
convexe f surR2 dénie par f (x1 , x2 ) = |x1 | : cette fonction n'est pas diérentiable
sur la droite {0} × R, qui est indénombrable.

2.5.2 Gâteaux-diérentiabilité des fonctions convexes sur un

espace de Banach séparable
On rappelle qu'un espace de Banach E est dit séparable si il contient un ensemble
dénombrable dense.

Théorème 30 (Mazur). Soit E un espace de Banach séparable, Ω ⊆ E un ou-

vert convexe et f : Ω → R une fonction convexe continue. Alors, f est Gâteaux-
diérentiable sur un sous-ensemble dense de Ω.
Pour démontrer ce théorème on considère une une suite (vn )n≥0 dense dans E et
on introduit les ensembles
[
Am,n = {x ∈ Ω | f + (x, vn ) + f + (x, −vn ) ≥ 1/m}, A= Am,n (2.10)
m,n≥1

Le plan de la démonstration est le suivant : (a) f est Gâteaux-diérentiable sur

l'ensemble Ω\A (b) que chacun des Am,n est fermé et (c) que chacun des Am,n est
d'intérieur vide. Par théorème de Baire appliqué à un ouvert dans un espace complet
?
(cf [ , p. 83]), on sait alors que A est d'intérieur vide (ou de manière équivalente que
Ω\A est dense).

Proposition 31. La fonction f est Gâteaux-diérentiable sur l'ensemble Ω \ A.

Démonstration. Comme f est continue sur Ω, par la proposition 27,

f n'est pas G.-diérentiable en x ∈ Ω =⇒ ∃v ∈ E, f + (x, v) + f + (x, −v) > 0

=⇒ ∃v ∈ E, ∃m > 1, f + (x, v) + f + (x, −v) > 2/m
=⇒ ∃m, n ≥ 1, f + (x, vn ) + f + (x, −vn ) > 1/m
=⇒ x ∈ A,

où l'on a utilisé la continuité de l'application v 7→ f + (x, v).

Proposition 32. L'ensemble Am,n déni par (2.10) est fermé dans E .
Cette proposition est une conséquence immédiate du lemme suivant donnant la
semicontinuité supérieure de x 7→ g + (x, v).
CHAPITRE 2. FONCTIONS CONVEXES 24

Lemme 33. Soit g : E → R une fonction convexe continue en un point x de E , et

soit (xk ) une suite qui converge vers x. Alors, g+ (x, v) ≥ lim supk→∞ g+ (xk , v).
Démonstration. Comme g est continue en x, elle est L-lipschitzienne dans un voi-
sinage de x. Sans perte de généralité, on suppose que la suite (xk ) reste dans ce
voisinage. Soit ε > 0. En utilisant la lipschitzité de g et xk → x, on a
1 1
(g(x + εv) − f (x)) = (g(xk + εv) − g(xk ) − 2L kx − xk k)
ε ε
2L kx − xk k
≥ g + (xk , v) −
ε
+
≥ lim sup g (xk , v).
k→∞

On en déduit le lemme en passant à l'inmum à gauche.

Proposition 34. L'ensemble Am,n déni par (2.10) est d'intérieur vide.
Démonstration. On raisonne par l'absurde, et l'on suppose que l'intérieur de Am,n
contient un point x. Alors, il existe r > 0 tel que B(x, r) ⊆ Am,n . Soit xt := x + tvn
et g : t ∈ [0, r] 7→ f (xt ). Alors,

∀t ∈ [0, r], −f + (xt , −vn ) + 1/m ≤ f + (xt , vn )

=⇒ ∀t ∈ [0, r], g n'est pas diérentiable en t

Ceci contredit le théorème (29), qui arme que l'ensemble de non-diérentiabilité

de g est au plus dénombrable.

2.5.3 Fréchet-diérentiabilité presque partout des fonctions

convexes en dimension nie
Le comportement des fonctions convexes en dimension nie est beaucoup plus
simple qu'en dimension innie. Soit f : Rd → R une fonction convexe et x est un
point de continuité de f. On va montrer la chaine d'implication suivante :

 
∂f
f admet des dérivées partielles
∂ei (x) 1≤i≤d

=⇒ l'application v 7→ f + (x; v) est linéaire

=⇒ f est Gâteaux-diérentiable en x
=⇒ f est Fréchet-diérentiable en x

On en déduira le théorème principal de ce chapitre, armant qu'une fonction convexe

f : Rd → R est diérentiable en presque tout point de son domaine.

Remarque 12. Dans la suite, on fera souvent l'hypothèse que le domaine des fonctions
considérées est d'intérieur non vide. Pour traiter le cas général, il sut de considérer
la restriction de f à l'enveloppe ane de dom(f ).
CHAPITRE 2. FONCTIONS CONVEXES 25

Proposition 35. Soit E un espace de dimension nie et f : E → R une fonc-

tion convexe. La restriction de f à l'intérieur relatif de dom(f ) est localement
Lipschitz.
Démonstration de la proposition 35. On suppose également que E = Rn . Quitte à
restreindre f à l'enveloppe ane de son domaine, on suppose que Ω = int(dom(f ))
est non vide, et quitte à translater, on suppose que Ω contient l'origine. Il existe donc
r > 0 tel que Ω contienne le cube [−r, r]n . Soit X = {(±r, . . . , ±r)}, de sorte que
[−r, r]n = conv(X) (exercice). On pose

M= max f (ε1 r, . . . , εn r).

εi ∈{±1}n

Soit x ∈ [−r, r]n . Comme P [−r, r]n = conv(X)

P , il existe k ≥ 0, x1 , . . . , xk ∈ X ,
λ1 , . . . , λk ≥ 0 de sorte que i λi = 1 et x = i λi xi . Alors,
k
X k
X
f (x) ≤ λi f (xi ) ≤ λi M = M.
i=1 i=1

Ainsi, f est localement bornée en un point, et par proposition 18 elle est localement
lipschitzienne sur l'intérieur de son domaine.

Proposition 36. Soit E un espace vectoriel de dimension nie et f : E → R une

fonction convexe. Si f est Gâteaux-diérentiable en un point x de int(dom(f )), alors
f est Fréchet-diérentiable en ce point.

Cette proposition est en fait une conséquence du lemme suivant, et du fait que
f est localement lipschitzienne au voisinage de x.

Lemme 37. Soit f : B(x, r) → R, dim(E) < +∞, une fonction M -Lipschitz. Si f
est Gâteaux-diérentiable en x, alors elle est également Fréchet-diérentiable en x.
Démonstration. Soit ε > 0. Par compacité de la sphère unité S de E , il existe
une famille de vecteurs (vi )1≤i≤N de S telle que S ⊆ ∪i B(vi , ε). Par Gâteaux-
diérentiabilité de f en x, pour tout ε > 0 et tout i, il existe δi tel que

∀t ∈ [−δi , δi ], kf (x + tvi ) − (f (x) + tDx f (vi ))k ≤ ε |t|

Soit δ := mini δi > 0. Par construction des (vi ), pour tout vecteur v de S , il existe i
tel que kvi − vk ≤ ε. Alors, en utilisant le caractère Lipschitz de f et de Dx f ,

kf (x + tvi ) − f (x + tv)k ≤ M |t| ε

kDx f (vi ) − Dx f (x + tv)k ≤ M |t| ε

Ainsi, pour tout v∈S et t ≤ δ,

kf (x + tv) − (f (x) + tDx f (v))k ≤ kf (x + tvi ) − (f (x) + tDx f (vi ))k + 2M ε |t|
≤ (2M + 1)ε |t|
CHAPITRE 2. FONCTIONS CONVEXES 26

De manière équivalente, pour tout v ∈ E , kvk ≤ δ ,

kf (x + v) − (f (x) + Dx f (v))k ≤ (2M + 1)ε kvk ,
et la fonction f est donc bien Fréchet-diérentiable en x.
Proposition 38. Soit E un espace vectoriel de dimension nie, et (ei ) une base
de E et f : E → R une fonction convexe. Alors f est Gâteaux-diérentiable en
x ∈ int(dom(f )) si et seulement si elle admet des dérivées partielles en x :
∂f f (x + tei ) − f (x)
(x) = lim .
∂ei t→0 t
Lemme 39. Soit g : E → R une fonction sous-linéaire. Alors, l'ensemble
V = {v ∈ E | f + (x; v) = −f + (x; −v)}
est un sous-espace vectoriel de E .
Démonstration. Par sous-linéarité, 0 = p(u + (−u)) ≤ p(u) + p(−u), de sorte que
−p(−u) ≤ p(u). Par construction, l'ensembleV est stable par multiplication par un
scalaire. Soient v, w ∈ V . On a

g(v + w) ≤ g(v) + g(w) = −g(−v) + −g(−w) ≤ −g(−v − w) ≤ g(v + w).

Ainsi, v+w ∈V et V est bien un sous-espace vectoriel de E.
Démonstration de la proposition 38. La fonction f est localement Lipschitz au voisi-
nage de x, g = f + (x; ·) est sous-linéaire. Soit V := {v ∈ E | g(v) = −g(−v)}. Par
et
le lemme précédent, V est un sous-espace vectoriel de E , et par hypothèse ei ∈ V
+
pour tout i. Ainsi, V = E et f (x; ·) est linéaire.

Théorème 40. Soit E un espace vectoriel de dimension nie et f : E → R

une fonction convexe. Alors, f est Fréchet-diérentiable en presque tout point de
int(dom(f )).

Démonstration. Soit A l'ensemble des points de Ω := int(dom(f )) où la fonction f

n'est pas Fréchet-diérentiable. Par la proposition 38, l'ensemble A est contenu dans
l'intersection des ensembles
 
∂f
Ai := x∈Ω| n'existe pas en x .
∂ei
Ainsi, pour montrer que A a une mesure nulle, il sut de démontrer que chacun des
Ai a une mesure nulle. Sans perte de généralité, on suppose que E = Rn et i = n, et
on considère φ la fonction indicatrice de An . Par thèorème de Tonelli,
Z Z Z
λ(An ) = φ(x)dx = φ(y, xn )dxn dy
Rn Rn−1 R
Or, pour tout y ∈ Rn−1 , t 7→ φ(y, t) est la fonction indicatrice du lieu By de non-
diérentiabilité de la fonction convexe t ∈ R 7→ f (y, t). Par le theoreme 29, By est
dénombrable et donc de mesure de Lebesgue nulle.