Vous êtes sur la page 1sur 20

Chapitre 2

Ensembles convexes : Introduction

Les sous-espaces linéaires et les ensembles affines sont “trop simples” pour satisfaire à tous
les besoins d’analyse convexe. Ce qui nous intéresse réellement sont les ensembles convexes dans
Rn .

2.1 Definition, Exemples, Description interne, Propriétés algébriques


2.1.1 Ensembles convexes
A l’école on a appris qu’une figure s’appelle convexe si elle contient, avec n’importe quelle
paire de ses points x, y, le segment entier [x, y] liant ces points. C’est exactement la définition d’un
ensemble convexe dans le cas multidimensionnel ; il suffit d’exprimer en language mathématique
le sens de la phrase “le segment [x, y] liant les points x, y ∈ Rn ”.

Définition 2.1.1 [Convex set]


1) Soit x, y deux points dans Rn . L’ensemble

[x, y] = {z = λx + (1 − λ)y | 0 ≤ λ ≤ 1}

est appelé segment avec les extrémités x, y.


2) Un sous-ensemble M de Rn est appelé convexe, s’il contient avec toute paire de points
x, y, le segment entier [x, y] :

x, y ∈ M, 0 ≤ λ ≤ 1 ⇒ λx + (1 − λ)y ∈ M.

Commentaire : Comme nous savons de la Section 1.4.2, ensemble de tous les combinaisons
affines {z = λx + (1 − λ)y | λ ∈ R} de deux vecteurs donnés est leur enveloppe affine qui est
une droite, à condition que x 6= y. Quand le paramètre λ de la combinaison est 0, nous obtenons
un des points x, y (notamment, y), et quand λ = 1 – l’autre (x). Et le segment [x, y], en accord
avec l’intuition géométrique, est composé de des combinaisons affines de x, y avec ces extrémités
et toutes les valeurs intermédiaires du paramètre λ.
Notez que par cette définition un ensemble vide est convexe (par convention, ou, plutôt, par
le sens exact de la définition : pour l’ensemble vide, vous ne pouvez pas présenter un contre-
exemple pour prouver qu’il n’est pas convexe).

31
32 CHAPITRE 2. ENSEMBLES CONVEXES : INTRODUCTION

2.1.2 Examples d’ensembles convexes


les exemples les plus simples d’ensembles convexes non vides sont des singletons (points) et
l’espace entier Rn . Un exemple beaucoup plus intéressant est le suivant :

Exemple 2.1.1 L’ensemble de solution d’un système (peut-être infini) d’inégalités linéaires

aTα x ≤ bα , α ∈ A

de n inconnus x, c.-à-d. l’ensemble

M = {x ∈ Rn | aTα x ≤ bα , α ∈ A}

est convexe.
En particulier, l’ensemble de solutions d’un système fini

Ax ≤ b

de m inégalités avec n inconnus (A et une matrice m × n) est convexe ; ce type d’ensemble porte
le nom de polyhedre.

En effet, soit x, y deux solutions du système ; il faut montrer que tout point z = λx + (1 − λy)
avec λ ∈ [0, 1] est aussi une solution du système. Cela est évident car pour tout α ∈ A on a

aTα x ≤ bα
aTα y ≤ bα .

Par consequence, en multipliant les inégalités par les réels non négatif λ et 1 − λ et en faisant la
somme :
λaTα x + (1 − λ)aTα y ≤ λbα + (1 − λ)bα = bα ,
et ce qui est sur la gauche est exactement aTα z.

Remarque 2.1.1 Remarquez que tout ensemble de l’Example 2.1.1 est aussi fermé (pourquoi ?)

Comme nous nous rappelons du cours précédent, tout ensemble affine dans Rn (et en par-
ticulier, tout sous-espace linéaire) est l’ensemble de toutes les solutions à un certain système
d’équations linéaires. Maintenant, un système d’équations linéaires est équivalent à un système
d’inégalités linéaires (vous pouvez d’une manière équivalente représenter une égalité linéaire par
une paire d’inégalités linéaires opposées). Il suit qu’un ensemble affine est un cas particulier d’un
ensemble polyhedral et donc est un ensemble convexe. Naturellement, nous pourrions obtenir
cette conclusion directement : la convexité d’un ensemble signifie qu’il est fermé par rapport aux
certaines combinaisons affines – notamment, les combinaisons des paires de ces éléments avec
les poids non négatifs ; et un ensemble affine est fermé par rapport à toutes les combinaisons
affines de ses éléments (Proposition 1.3.2).

Exemple 2.1.2 [k · k-boule] Soit k · k une norme sur Rn c.-à-d. une fonction réelle sur Rn
qui satisfait les trois propriétés caractéristiques de la norme, mentionnées dans la Section 1.1.2.
Alors la boule unité dans cette norme – l’ensemble

{x ∈ E | k x k≤ 1},
2.1. DEFINITION, EXEMPLES, DESCRIPTION INTERNE, PROPRIÉTÉS ALGÉBRIQUES33

ainsi que toute autre boule-k · k


{x | k x − a k≤ r}
(a ∈ Rn et r ≥ 0 sont fixés) est convexe.
En particulier, boules Euclidiennes (boules-|·| associées avec la norme Euclidienne k · k= |·|)
sont convexe.

En effet, soit V = {x | k x − a k≤ r} et x, y ∈ V . Nous avons a verifier que si λ ∈ [0, 1],


alors z = λx + (1 − λ)y ∈ V . Ceci est donné par le calcul suivant :

kz−ak = k [λx + (1 − λ)y] − a k


= k [λ(x − a)] + [(1 − λ)(y − a)] k
≤ k λ(x − a) k + k (1 − λ)(y − a) k [inégalité de triangle - définition de la norme]
= λ k x − a k +(1 − λ) k y − a k [homogénéité - définition de la norme]
≤ λr + (1 − λ)r = r [since x, y ∈ V ]

Les exemples basiques des normes sur Rn sont les normes Lp :


p 1/p
 Pn
k x kp = ( i=1 |xi | ) , 1 ≤ p < ∞ .
max1≤i≤n |xi |, p=∞

Ces sont réellement des normes (ce qui n’est pas évident au départ). Quand p = 2, nous
obtenons la norme Euclidienne ; bien sur, vous sauriez dessiner la boule Euclidienne. Quand
p = 1, nous obtenons
Xn
k x k1 = |xi |,
i=1

et la boule unité est un hyperoctaedron


n
X
V = {x ∈ Rn | |xi | ≤ 1}
i=1

Quand p = ∞, nous obtenons


k x k∞ = max |xi |,
1≤i≤n

et la boule unité est un hypercube

V = {x ∈ Rn | −1 ≤ xi ≤ 1, 1 ≤ i ≤ n}.

Il sera bien utile de dessiner les boules unité de normes k · k1 et k · k∞ dans R2 .

Exemple 2.1.3 [Ellipsoid] Soit Q une matrice n × n symétrique (Q = QT ) et positive définie


(xT Qx ≥ 0, avec ≥ étant = si et seulement si x = 0). Alors, pour tout r non négatif, le
Q-ellipsoid du rayon r centré en a – l’ensemble

{x | (x − a)T Q(x − a) ≤ r2 }

est convexe.

La façon la plus simple de prouver qu’un ellipsoid est convexe est la suivante : étant
donné une matrice symétrique définie positive Q, on peut lui associer le produit scalaire :

hx, yi = xT Qy

qui, qu’on le voit immédiatement, satisfait les propriétés caractéristiques – bilinéarité,


symétrie et positivité – du produit scalaire standard xT y (en fait ces trois propriétés du
34 CHAPITRE 2. ENSEMBLES CONVEXES : INTRODUCTION

produit scalaire associé à Q, prises ensemble, sont exactement équivalent à la symétrie et


positivité de la matrice Q). Il suit que la Q-norme, c.-à-d. la fonction
p
|x|Q = xT Qx,

est une norme : en montrant que la norme Euclidienne standard est une norme (section 1.1.2),
nous avons employé la bilinéarité, la symétrie et la positivité du produit scalaire standard
seulement, et aucunes autres propriétés spécifiques). On voit maintenant qu’un Q-ellipsoid
n’est qu’une boule dans la norme | · |Q , de sorte que sa convexité soit prouvé dans l’Example
2.1.2.
+
Exemple 2.1.4 [-voisinage d’un ensemble convexe]
Soit M un ensemble convexe dans Rn , et soit  > 0. Alors, quelque soit la norme k · k sur Rn ,
le -voisinage de M , c.-à-d. l’ensemble

M = {y ∈ Rn | distk·k (y, M ) ≡ inf k y − x k ≤ }


x∈M

est convexe.

2.1.3 Description interne d’ensembles convexes : Combinaisons convexes et


enveloppes convexes
Combinaisons convexes
Nous avons défini la notion de combinaison linéaire y d’un ensemble donné de vecteurs
y1 , ..., ym - c’est un vecteur représenté comme
m
X
y= λ i yi ,
i=1

où λi sont certains coefficients réels. À partir de cette définition, nous sommes venus à la notion de
combinaison affine – une combinaison linéaire avec la somme de coefficients égale à 1. Maintenant
nous présentons la notion suivante dans le genre : celle de combinaison convexe.

Définition 2.1.2 Une combinaison convexe des vecteurs y1 , ..., ym est leur combinaison affine
avec des coefficients non négatifs. Ou, ce qui est identique, une combinaison linéaire
m
X
y= λ i yi
i=1

avec des coefficients non négatifs avec la somme de coefficients égale à 1 :


m
X
λi ≥ 0, λi = 1.
i=1

Le résultat suivant ressemble à ceux qui nous avons obtenu pour des sous-espaces linéaires et
ensembles affines :

Proposition 2.1.1 Un ensemble M dans Rn est convexe si et seulement s’il est fermé par
rapport à toutes les combinaisons convexes de ses éléments, c.-à-d., si et seulement si n’importe
quelle combinaison convexe des vecteurs de M est encore un vecteur de M .
2.1. DEFINITION, EXEMPLES, DESCRIPTION INTERNE, PROPRIÉTÉS ALGÉBRIQUES35

Preuve.
partie ”si” (la suffisance) : supposons que M contient toutes les combinaisons convexes des
éléments de M . Alors, avec deux points quelconques x, y ∈ M , M contient également le vecteur
λx + (1 − λ)y pour tout λ ∈ [0, 1], puisque c’est une combinaison convexe de x et y ; ainsi, M
est convexe.
partie ”seulement si” (la nécessité) : supposez que M est convexe ; nous devrions montrer
qu’alors M contient n’importe quelle combinaison convexe
m
X
(∗) y= λ i yi
i=1

de vecteurs yi ∈ M . La preuve est donnée par récurrence en m. Le cas de m = 1 est évident


(puisque la seule combinaison convexe d’un terme est 1 · y1 = y1 ∈ M ). Supposons que nous
savons déjà que n’importe quelle combinaison convexe de m − 1 vecteurs, m ≥ 2, de M est
encore un vecteur de M , et montrons que ce résultat demeure valide également pour toutes
les combinaisons convexes de m vecteurs de M . Soit (*) une telle combinaison. Nous pouvons
supposer que 1 > λm , puisqu’autrement il n’y a rien à démontrer. En supposant λm < 1, nous
pouvons écrire
m−1
X λi
y = (1 − λm )[ yi ] + λ m ym .
i=1
1 − λm
Ce qui est entre les parenthèses est une combinaison convexe de m − 1 points de M et, par notre
hypothèse inductive c’est un point, disons z, de M ; nous avons

y = (1 − λm )z + λm ym

avec z et ym ∈ M , et y ∈ M par la définition du convexe M .

Enveloppe convexe
Comme pour les sous-espaces linéaires et ensemble affines nous avons le fait fondamental
(bien qu’évident) suivant :

Proposition 2.1.2 [Convexité d’intersections] Soit {Mα }α une famille d’ensembles convexes
de Rn . Alors l’intersection
M = ∩α Mα
est convexe.

En effet, si les bouts d’un segment [x, y] appartiennent à M , ils appartient également au chaque
Mα ; en raison de la convexité de Mα , le segment [x, y] lui-même appartient au chaque Mα , et,
par conséquent, à leur intersection, c.-à-d., à M .
Une conséquence immédiate de cette proposition (cf. les résultats analogues pour des sous-
espaces linéaires et ensembles affines dans le Chapitre 1) est comme suit :

Corollaire 2.1.1 [Enveloppe convexe]


Soit M un sous-ensemble non vide dans Rn . Alors parmi tous les ensembles convexes conte-
nant M (ces ensembles existent, par exemple, Rn lui-même) il existe le plus petit, à savoir,
l’intersection de tous les ensembles convexes contenant M .
Cet ensemble s’appelle enveloppe convexe de M [ notation : Conv(M )].
36 CHAPITRE 2. ENSEMBLES CONVEXES : INTRODUCTION

Enveloppe linéaire de M est l’ensemble de toutes les combinaisons linéaires des vecteurs de
M , enveloppe affine est l’ensemble de toutes les combinaisons affines des vecteurs de M . Comme
vous devinez,

Proposition 2.1.3 [Enveloppe convexe par combinaisons convexes] Pour M ⊂ Rn non vide :

Conv(M ) = {l’ensemble de tous les combinaisons convexes de vecteurs de M }.

Preuve : selon la Proposition 2.1.1, tout ensemble convexe contenant M (en particulier,
Conv(M )) contient toutes les combinaisons convexes des vecteurs de M . Il reste a vérifier que
Conv(M ) ne contient rien d’autre. À cet effet il suffit de montrer que l’ensemble de toutes les
combinaisons convexes des vecteurs de M , nous l’appelons M ∗ , lui-même est convexe (en tenant
compte du fait que Conv(M ) est le plus petit ensemble convexe contenant M , nous réalisons
notre but – l’inclusion Conv(M ) ⊂ M ∗ ). Montrer que M ∗ est convexe est la même chose que
de montrer que n’importe quelle combinaison convexe νx + (1 − ν)y de deux points quelconques
x = i λi xi , y = i µi xi de M ∗ – deux combinaisons convexes des vecteurs xi ∈ M – est encore
P P

une combinaison convexe des vecteurs de M . C’est évident :


X X X
νx + (1 − ν)y = ν λi xi + (1 − ν) µi xi = ξi xi , ξi = νλi + (1 − ν)µi ,
i i i

et les coefficients ξi sont bien non négatifs avec la somme égale 1.


La Proposition 2.1.3 nous fournit une description (“de maçon”) interne d’un ensemble
convexe. Bientôt nous obtiendrons également une description (d’“artiste”) externe extrêmement
utile des ensembles convexes fermé : nous montrerons que tous ces ensembles sont donnés par
l’Example 2.1.1 – ils sont exactement les ensembles de toutes les solutions aux systèmes (proba-
blement, infinis) d’inégalités linéaires “non strictes”1) .

2.1.4 Plus d’exemples d’ensembles convexes : le polytope et le cône


Notre “ approche de maçon” à produire des ensembles convexes nous fournit deux exemples
apparemment nouveaux : un polytope et un cône.

Un polytope est, par définition, l’enveloppe convexe d’un un ensemble fini non vide dans Rn ,
c.-à-d. l’ensemble de forme
N
X X
Conv({u1 , ..., uN }) = { λi ui | λi ≥ 0, λi = 1}.
i=1 i

Un cas important d’un polytope est le simplex : l’enveloppe convexe de n + 1 points v1 , ..., vn+1
affinement indépendants de Rn :
n+1
X n+1
X
M = Conv({v1 , ..., vn+1 }) = { λi vi | λi ≥ 0, λi = 1};
i=1 i=1

les points v1 , ..., vn+1 s’appellent les sommets du simplex.


1)
L’ensemble de solutions de n’importe quel système d’inégalités linéaires non strictes est un ensemble fermé
et convexe – ceci nous déjà savons de l’exemple 2.1.1 et remarquons 2.1.1. L’inverse est aussi vrai, mais il nous
faudra de montrer que n’importe quel ensemble convexe fermé est l’ensemble de solutions d’un système d’inégalités
linéaires
2.1. DEFINITION, EXEMPLES, DESCRIPTION INTERNE, PROPRIÉTÉS ALGÉBRIQUES37

Nous découvrirons sous peu qu’un polytope n’est rien d’autre qu’un ensemble polyhedral
borné, c.-à-d. un ensemble borné donné par un nombre fini d’inégalités linéaires. L’équivalence
de ces deux definitions – interne et externe — d’un polytope est l’un des faits les plus profonds
de l’Analyse Convexe.

Un cone Un sous-ensemble non vide M de Rn s’appelle conique, s’il contient, avec chaque
point x ∈ M , le rayon entier Rx = {tx | t ≥ 0} engendré par le point :

x ∈ M ⇒ tx ∈ M ∀t ≥ 0.

Un ensemble conique convexe s’appelle cône 2) .

+
Proposition 2.1.4 Le sous-ensemble non vide M de Rn est un cône si et seulement s’il
possède les propriétés suivantes :
– il est conique : x ∈ M, t ≥ 0 ⇒ tx ∈ M ;
– il contient des sommes de ses éléments : x, y ∈ M ⇒ x + y ∈ M .

Comme conséquence immédiate, nous obtenons qu’un cône est fermé par rapport aux combinai-
sons linéaires avec des coefficients non négatifs de ces éléments. Et vice versa, un ensemble non
vide fermé par rapport à ces combinaisons est un cône.
+
Exemple 2.1.5 L’ensemble de solutions d’un système homogène (peut-être infini)

aTα x ≤ 0, α ∈ A

d’inégalités linéaires avec n inconnus x, c.-à-d. l’ensemble

K = {x | aTα x ≤ 0 ∀α ∈ A},

est un cône.
En particulier, l’ensemble de solutions d’un système homogène fini de m inégalités linéaires

Ax ≤ 0

(A est une matrice m × n) est un cône ; un cône de ce dernier type s’appelle polyhedral.

Notez note que les cônes donnés par des systèmes d’inégalités homogènes linéaires non strictes
sont nécessairement fermés. Nous verrons bientôt que, vice versa, chaque cône convexe fermé est
l’ensemble de solutions d’un tel système, de sorte que l’Exemple 2.1.5 soit l’exemple générique
d’un cône convexe fermé.
Les cônes forment une famille très importante d’ensembles convexes, et on peut
développer la théorie de cônes absolument semblable (et dans un sens, équivalente) à celle des
ensembles convexes. Par exemple, en introduisant la notion de combinaison conique des vec-
teurs x1 , ..., xk comme combinaison linéaire des vecteurs avec des coefficients non négatifs,
vous pouvez facilement montrer les résultats suivants complètement analogues à ceux qui
concernent les ensembles convexes généraux, avec la combinaison conique jouant le rôle de
la combinaison convexe :
2)
certains appellent cônes ce que nous appelons ensembles coniques et cônes convexes ce que nous appelons
cônes
38 CHAPITRE 2. ENSEMBLES CONVEXES : INTRODUCTION

– Un ensemble est un cône si et seulement s’il est non vide et est fermé par rapport à
toutes les combinaisons coniques de ses éléments ;
– L’intersection de n’importe quelle famille des cônes est encore un cône ; en particulier,
pour tout ensemble non vide M ⊂ Rn il existe le plus petit cône contenant M – son
enveloppe conique Cone (M ), et cette enveloppe conique est composé de toutes les
combinaisons coniques des vecteurs de M .
En particulier, l’enveloppe conique d’un ensemble fini non vide M = {u1 , ..., uN } de
vecteurs dans Rn est le cône

XN
Cone (M ) = { λi ui | λi ≥ 0, i = 1, ..., N }.
i=1

Un fait fondamental (cf. l’histoire ci-dessus au sujet des polytopes) est que c’est la description
(interne) générique d’un cône polyhedral – d’un ensemble donné par (description externe)
un nombre fini d’inégalités linéaires homogènes.

2.1.5 Propriétés algébriques d’ensembles convexes


Le résultat suivant est une conséquence directe de la définition de l’ensemble convexe.
+
Proposition 2.1.5 Les operations suivantes préservent la convexité des ensembles :
– Somme arithmétique et multiplication par des réels : si M1 , ..., Mk sont convexes dans Rn
et λ1 , ..., λk sont des réels, alors l’ensemble
k
X
λ1 M1 + ... + λk Mk = { λi xi | xi ∈ Mi , i = 1, ..., k}
i=1

est convexe.
– Prendre l’image par transformation affine : si M ⊂ Rn est convexe et x 7→ A(x) ≡ Ax + b
est une transformation affine de Rn dans Rm (A est une matrice m × n, b est un m-
vecteur), alors l’ensemble

A(M ) = {y = A(x) ≡ Ax + a | x ∈ M }

dans Rm est convexe.


– Prendre l’image inverse par transformation affine : si M ⊂ Rn est convexe et y 7→ Ay + b
est une transformation affine de Rm vers Rn (A est une matrice n × m, b est un vecteur
à n dimensions), alors l’ensemble

A−1 (M ) = {y ∈ Rm | A(y) ∈ M }

dans Rm est convexe.

2.1.6 Propriétés topologiques d’ensembles convexes


Les ensembles convexes et les objets étroitement liés - fonctions convexes - jouent le rôle
central dans l’optimisation. Pour jouer ce rôle correctement, seule la convexité ne suffit pas ;
nous avons besoin en plus de la convexité la fermeture. Dans le Chapitre 1 nous avons déjà parlé
au sujet des notions les plus fondamentales de topologie – convergence des suites de vecteurs,
fermés et ouverts dans Rn . Voici trois notions supplémentaires dont nous avons besoin :
2.1. DEFINITION, EXEMPLES, DESCRIPTION INTERNE, PROPRIÉTÉS ALGÉBRIQUES39

Fermeture Il est claire de la définition d’un ensemble fermé que l’intersection de n’importe
quelle famille des ensembles fermés dans Rn est également fermée. De ce fait il découle, comme
d’habitude, que pour n’importe quel sous-ensemble M de Rn il existe le plus petit ensemble
fermé contenant M ; cet ensemble s’appelle fermeture de M et est noté cl M . Dans l’analyse ils
démontrent la description (“interne”) suivante de la fermeture d’un ensemble dans un espace
métrique (et, en particulier, dans Rn ) :
La fermeture d’un ensemble M ⊂ Rn est exactement l’ensemble de tous les point limites de
toutes suites convergeantes d’éléments de M .
Maintenant il est facile à démontrer que, par exemple, la fermeture d’une boule Euclidienne
ouverte
{x | |x − a| < r} [r > 0]
est la boule fermée {x | |x − a| ≤ r}. Une autre application utile est l’exemple de fermeture de
l’ensemble
M = {x | aTα x < bα , α ∈ A}
donné par un système strict d’inégalités linéaires : si un tel ensemble n’est pas vide, alors sa
fermeture est donnée par des versions non strictes des mêmes inégalités :

cl M = {x | aTα x ≤ bα , α ∈ A}.

La condition que M soit non vide dans le dernier exemple est essentielle : l’ensemble M
donné par deux inégalités strictes

x < 0, −x < 0

dans R est vide, ainsi que sa fermeture ; par contre, en appliquant formellement la règle
ci-dessus, on aurait la réponse fausse :

cl M = {x | x ≤ 0, x ≥ 0} = {0}.

L’intérieur. Soit M ⊂ Rn . On dit qu’un point x ∈ M est un point intérieur de M , si un


certain voisinage de x est contenu dans M , c.-à-d. qu’il existe une boule, centrée en x de rayon
positif qu’appartient à M :

∃r > 0 Br (x) ≡ {y | |y − x| ≤ r} ⊂ M.

L’ensemble de tous les points intérieurs de M s’appelle intérieur de M [ notation : int M ].


Par exemple,
– l’intérieur d’un ensemble ouvert est l’ensemble lui-même ;
– l’intérieur de la boule fermée {x | |x − a| ≤ r} est la boule ouverte {x | |x − a| < r}
(pourquoi ?)
– l’intérieur d’un ensemble polyhedral {x | Ax ≤ b} avec la matrice A ne contenant pas de
lignes nulles est l’ensemble {x | Ax < b} (pourquoi ?)
le dernier résultat n’est pas valide pour des ensembles de solutions des systèmes
infinis d’inégalités linéaires. Par exemple, le système

1
x≤ , n = 1, 2, ...
n
40 CHAPITRE 2. ENSEMBLES CONVEXES : INTRODUCTION

dans R a comme ensemble de solutions le rayon nonpositive R− = {x ≤ 0} ; l’intérieur


de ce rayon est le rayon négatif {x < 0}. En même temps, les versions strictes de nos
inégalités
1
x < , n = 1, 2, ...
n
définissent le même rayon nonpositive, pas le rayon négatif.
Il est facile a voir également (et c’est vrai pour les espaces métriques arbitraires, pas pour Rn
seulement), que
– l’intérieur d’un ensemble arbitraire est ouvert
L’intérieur d’un ensemble, naturellement, est contenu dans l’ensemble, qui, alternativement, est
contenu dans sa fermeture :
int M ⊂ M ⊂ cl M. (2.1)
Le complément de l’intérieur dans la fermeture – l’ensemble

∂M = cl M \ int M

s’appelle frontière de M , et les points de ∂M s’appellent des points de frontière de M (aver-


tissement : ces points n’appartiennent pas nécessairement à M , parce que M peut être moins
que cl M ; en fait, tous les points de frontière appartiennent à M si et seulement si M = cl M ,
c.-à-d., si et seulement si M est fermé).
La frontière d’un ensemble est fermée (comme intersection de deux ensembles fermés cl M
et de Rn \ int M ; le dernier ensemble est fermé étant le complément d’un ensemble ouvert, voir
Chapitre 1). De la définition de la frontière,

M ⊂ int M ∪ ∂M [= cl M ],

de sorte qu’un point de M est soit un point intérieur de M ou un point de frontière de M .

Intérieur relatif. Plusieurs objets qu’on verra dans la suite possèdent des bonnes propriétés
seulement dans l’intérieur de l’ensemble lié à leur construction et peuvent perdre ces propriétés
aux points de frontière de l’ensemble ; c’est pourquoi dans beaucoup de cas nous sommes par-
ticulièrement intéressés par les points intérieurs des ensembles et voulons que l’ensemble de ces
points soit assez “ massif”. Que faire si ce n’est pas le cas, par exemple, s’il n’y a aucun point
intérieur du tout (considérez à un segment dans un plan) ? Il s’avère que dans ces cas nous
pouvons employer un bon substitut de l’intérieur “normal” – intérieur relatif défini comme suit :

Définition 2.1.3 [Intérieur relatif] Soit M ⊂ Rn . Nous disons qu’un point x ∈ M est
relativement intérieur pour M , si M contient l’intersection d’une assez petite boule centrée
en x avec Aff(M ) :

∃r > 0 Br (x) ∩ Aff(M ) ≡ {y | y ∈ Aff(M ), |y − x| ≤ r} ⊂ M.

L’ensemble de tous les points relativement intérieurs de M s’appelle son intérieur relatif [nota-
tion : ri M ].

Par exemple l’intérieur relatif d’un singleton est le singleton lui-même (puisqu’un point dans
l’espace 0-dimensional est identique comme boule de n’importe quel rayon positif) ; de même,
l’intérieur relatif d’un ensemble affine est l’ensemble lui-même. L’intérieur d’un segment [x, y]
(x 6= y) dans Rn est vide dès que n > 1 ; contrairement à ceci, son intérieur relatif est non vide
2.1. DEFINITION, EXEMPLES, DESCRIPTION INTERNE, PROPRIÉTÉS ALGÉBRIQUES41

indépendamment de n et est l’intervalle (x, y) – le segment avec des points extrémaux supprimés.
Géométriquement parlant, l’intérieur relatif est l’intérieur que nous obtenons en considérant M
comme sous-ensemble de son enveloppe affine (le dernier, géométriquement, n’est rien que Rk ,
k étant la dimension affine de Aff(M )).
Nous pouvons jouer avec la notion de l’intérieur relatif de la même manière qu’avec celle de
l’intérieur, à savoir :
– comme Aff(M ) est fermé (Chapitre 1, Section 1.4.1) et contient M , il contient également
le plus petit parmi les ensembles fermés contenant M , c.-à-d, cl M . Ainsi nous avons les
analogues suivants d’inclusions (2.1) :

ri M ⊂ M ⊂ cl M [⊂ Aff(M )]; (2.2)

– nous pouvons définir frontière relative ∂ri M = cl M \ri M qui est un ensemble fermé
contenu dans Aff(M ), et, comme pour le “vrai” intérieur et la “vraie” frontière, nous
avons
ri M ⊂ M ⊂ cl M = ri M + ∂ri M.
Naturellement, si Aff(M ) = Rn , alors l’intérieur relatif devient l’intérieur habituel, de même
pour la frontière ; ce pour sûr est le cas quand int M 6= ∅ (car alors M contient une boule B, et
donc l’enveloppe affine de M est le Rn entier, qui est l’enveloppe affine de B).

Bonnes propriétés topologiques d’ensembles convexes


Un ensemble M dans Rn peut posséder une topologie très “pathologique” : les deux inclusions
dans la chaine
ri M ⊂ M ⊂ cl M
peuvent être très “peu denses”. Par exemple, si M est l’ensemble de nombres rationnels du
segment [0, 1] ⊂ R. Alors ri M = int M = ∅ – puisque n’importe quel voisinage de chaque réel
rationnel contient des réels irrationnels – tandis que cl M = [0, 1]. Ainsi, ri M est “incompara-
blement plus petit” que M , cl M est “incomparablement plus grand”, et M est contenu dans sa
frontière relative (d’ailleurs, qu’est-ce que cette frontière relative ?).
La proposition suivante montre que la topologie d ensembles convexes est bien meilleure
qu’elle pourrait être pour un ensemble arbitraire.

Théorème 2.1.1 Soit M un ensemble convexe dans Rn . Alors


+
(i) L’intérieur int M , la fermeture cl M et l’intérieur relatif ri M sont convexes ;
(ii) si M est non vide, alors son intérieur relatif est non vide ;
(iii) la fermeture de M est identique a la fermeture de son intérieur relatif :

cl M = cl ri M

(en particulier, chaque point de cl M est la limite d’une suite des points de ri M )
(iv) l’intérieurs relatif reste inchangé quand nous remplaçons M avec sa fermeture cl M :

ri M = ri cl M.

Preuve :
(ii) soit M un ensemble convexe non vide, montrons que ri M 6= ∅. Il suffit de considérer le
cas quand Aff(M ) est l’espace entier Rn . En effet, par translation de M nous pouvons toujours
42 CHAPITRE 2. ENSEMBLES CONVEXES : INTRODUCTION

supposer que Aff(M ) contient 0, c.-à-d. est un sous-espace linéaire. Comme nous savons du
chapitre précèdent, un sous-espace linéaire dans Rn , en ce qui concerne les opérations linéaires
et la structure Euclidienne, est équivalent à un certain Rk . Puisque la notion d’intérieur relatif
traite seulement les structures linéaires et Euclidiennes, nous ne perdons rien en identifiant
Aff(M ) à Rk et le prenant en tant que notre univers au lieu de l’univers original Rn . Ainsi, dans
le reste de la preuve (ii) nous supposons que Aff(M ) = Rn , et ce que nous devrions prouver est
que l’intérieur de M (ce qui dans le cas en question est identique à l’intérieur relatif) est non
vide.
Selon Theorem 1.3.1, Aff(M ) = Rn possède une base a0 , ..., an affine qui consiste en des
vecteurs de M . Puisque a0 , ..., an appartiennent à M et M est convexe, l’enveloppe convexe
entière des vecteurs – le simplex ∆ avec les sommets a0 , ..., an – est contenue dans M . En
conséquence, un point intérieur du simplex est certainement un point intérieur de M ; ainsi,
afin de montrer que int M 6= ∅, il suffit de montrer que l’intérieur de ∆ est non vide, comme il
devrait être selon l’intuition géométrique.
La preuve du dernier fait est comme suit : comme a0 , ..., an est, par sa construction, une
base affine de Rn , chaque point x ∈ Rn est une combinaison affine des points de la base. Les
coefficients λi = λi (x) de la combinaison – les coordonnées barycentriques de x par rapport à la
base – sont des solutions du système suivant des équations :
n
X n
X
λi ai = x; λi = 1,
i=0 i=0

ou, coordonnée par coordonnée,


a01 λ0 + a11 λ1 + ... + an1 λn = x1
a02 λ0 + a12 λ1 + ... + an2 λn = x2
..... ..... ..... ..... = ... ; (2.3)
a0n λ0 + a1n λ1 + ... + ann λn = xn
λ0 + λ2 + ... + λn = 1
(apq est la q-ème entrée du vecteur ap ). C’est un système linéaire de n + 1 equations à n + 1
inconnus. Le système homogène correspondant a seulement la solution triviale – en effet, une
solution non triviale du système homogène nous donnerait une combinaison linéaire non triviale
nulle de ai avec la somme de coefficients nulle ce qui contredit à l’indépendance affine de a0 , ..., an
(ils sont affinement indépendants puisqu’ils forment une base affine de Rn ). Il en suit que si A est
la matrice du système, elle est non singulière, de sorte que la solution λ(x) dépende linéairement
(et, par conséquent, de façon continue) de la partie droite, c.-à-d. de x.
Maintenant prenons n’importe quel x = x0 avec λi (x0 ) > 0, par exemple, le centre du
simplex :
n
0 −1
X
x = (n + 1) ai .
i=0

Par continuité des λi (·), il y a un voisinage de x0 – la boule Br (x0 ) centré en x0 du rayon positif
r - où les fonctions λi sont encore positives :

x ∈ Br (x0 ) ⇒ λi (x) ≥ 0, i = 0, ..., n.

et la dernière relation signifie que chaque x ∈ Br (x0 ) est une combinaison affine de ai avec des
coefficients positifs, c.-à-d. est une combinaison convexe des vecteurs, et donc x appartient à ∆.
Ainsi, ∆ contient un voisinage de x0 , de sorte que x0 soit un point intérieur de ∆.
2.1. DEFINITION, EXEMPLES, DESCRIPTION INTERNE, PROPRIÉTÉS ALGÉBRIQUES43

(iii) : On doit montrer que la fermeture de ri M est exactement la même que la fermeture de
M . En fait, on va montrer encore plus :

Lemme 2.1.1 Soit x ∈ ri M et y ∈ cl M . Alors tous les points du demi-segment [x, y),

[x, y) = {z = (1 − λ)x + λy | 0 ≤ λ < 1}

appartiennent à l’intérieur relatif de M .

Preuve du Lemme. Soit Aff(M ) = a + L, L étant un sous-espace linéaire ; alors

M ⊂ Aff(M ) = x + L.

Soit B une boule unité dans L :

B = {h ∈ L | k h k≤ 1}.

Comme x ∈ ri M , il existe un rayon positif r tel que

x + rB ⊂ M. (2.4)

Par ailleurs, comme y ∈ cl M , nous avons y ∈ Aff(M ) (voir (2.2)). De plus, pour tout  > 0 il
existe y 0 ∈ M tel que |y 0 − y| ≤  ; comme y 0 et y sont dans Aff(M ), le vecteur y − y 0 est dans
L, et donc dans B. Ainsi
(∀ > 0) : y ∈ M + B. (2.5)
Maintenant, soit z ∈ [x, y), alors
z = (1 − λ)x + λy
avec un certain λ ∈ (0, 1). Il nous faut démontrer que z est relativement intérieur pour M , c.-à-d.
que il existe r0 > 0 tel que
z + r0 B ⊂ M. (2.6)
Grâce à (2.5), pour tout  > 0 nous avons

λ 
z+B ≡ (1−λ)x+λy+B ⊂ (1−λ)x+λ[M +B]+B = (1−λ)[x+ B+ B]+λM. (2.7)
1−λ 1−λ
Notons que pour tous t0 , t00 non négatifs

t0 B + t00 B ⊂ (t0 + t00 )B.

En effet, si u ∈ t0 B et v ∈ t00 B, c.-à-d. k u k≤ t0 et k v k≤ t00 , alors, par l’inégalité de triangle,


k u + v k≤ t0 + t00 , c.-à-d. u + v ∈ (t0 + t00 )B. A partir de cette inclusion on obtient de (2.7)

(1 + λ)
 
z + B ⊂ (1 − λ) x + B + λM
1−λ
pour tout  > 0. En choisissant  assez petit, nous pouvons rendre le coefficient devant B dans
la partie droite ≤ r (voir (2.4)) ; pour ce choix de , nous avons, par (2.4),

(1 + λ)
x+ B ⊂ M,
1−λ
44 CHAPITRE 2. ENSEMBLES CONVEXES : INTRODUCTION

et on arrive à
z + B ⊂ (1 − λ)M + λM = M
(la dernière égalité est dû à la convexité de M ). Ainsi, z ∈ ri M .
Notre Lemme implique immédiatement (iii). Effectivement, cl ri M ne peut être que plus
petite que cl M : cl ri M ⊂ cl M , de sorte que tout ce que nous avons besoin à montrer est
l’inclusion inverse : cl M ⊂ cl ri M c.-à-d. que chaque point y ∈ cl M est une limite d’une suite
de points de ri M . C’est immédiat : nous pouvons supposer M non vide (autrement, les ensembles
en question sont vides et coincident l’un avec l’autre), de sorte que par (ii) il existe un point
x ∈ ri M . Selon le Lemme, le demi-segment [x, y) appartient à ri M , et y est la limite d’une suite
des points de ce demi-segment, par exemple, de la suite xi = n1 x + (1 − n1 )y.
Une consequence intéressante du Lemme 2.1.1 est suivante :
+
Corollaire 2.1.2 Soit M un ensemble convexe. Alors toute combinaison convexe
X
λi xi
i

des points xi ∈ cl M où au moins un terme avec le coefficient positif correspond à un xi ∈ ri M


est un point de ri M .
(iv) : Le résultat est évidemment vrai quand M est vide, ainsi supposons que M est non vide.
L’inclusion ri M ⊂ ri cl M est évident, et tout ce que nous avons besoin à montrer est l’inclusion
inverse. Alors soit z ∈ ri cl M , et montrons que z ∈ ri M . Soit x ∈ ri M (nous savons déjà que le
dernier ensemble est non vide). Considérez le segment [x, z] ; puisque z est dans l’intérieur relatif
de cl M , nous pouvons prolonger un peu ce segment par le point z sans quittercl M , c.-à-d. qu’il
existe y ∈ cl M tel que z ∈ [x, y). Et maintenant, z ∈ [x, y), avec x ∈ ri M , y ∈ cl M , on obtient
par Lemme 2.1.1 que z ∈ ri M .
Nous voyons de la preuve du Théorème 2.1.1 que pour obtenir la fermeture d’un ensemble
convexe (non vide), il suffit le soumettre “à la fermeture radiale”, c.-à-d. choisir un point
x ∈ ri M et prendre tous les rayons dans Aff(M ) commençant par x et regarder l’intersection
de ce rayon (disons, l) avec M . Une telle intersection sera un ensemble convexe sur la droite
qui contient un demi-voisinage x, c.-à-d. soit un segment [x, yl ], ou le rayon entier l, ou un
demi-intervalle [x, yl ). Dans les deux premiers cas nous n’avons rien à faire ; dans le dernier
cas nous ajoutons yl à M . Après avoir parcouru tous les rayons, quand tous les points finaux
”manqués” yl sont ajoutés à M , nous obtenons la fermeture de M . Pour voir le rôle qui joue
la convexité dans cette construction, on peut considerer l’ensemble non convexe de nombres
rationnels de [0, 1] ; l’intérieur (≡ l’intérieur relatif) de cet ensemble est vide, la fermeture
est [0, 1], et il n’y a aucune possibilité de reconstituer la fermeture à partir de l’intérieur.

2.2 Théorèmes classiques sur ensembles convexes


2.2.1 Théorème de Caratheodory
Appelons dimension d’un ensemble M convexe non vide (notation : dim M ) la dimension
affine de Aff(M ).

Théorème 2.2.1 [Caratheodory] Soit M ⊂ Rn , et soit dim ConvM = m. Alors tout point
x ∈ ConvM est une combinaison convexe d’au plus m + 1 points de M .
2.2. THÉORÈMES CLASSIQUES SUR ENSEMBLES CONVEXES 45

Preuve : Soit x ∈ ConvM . Par Proposition 2.1.3 sur la structure de l’enveloppe convexe, x est
une combinaison convexe de certains points x1 , ..., xN de M :
N
X N
X
x= λi xi , [λi ≥ 0, λi = 1].
i=1 i=1

Choisissons parmi toutes ces représentations de x celle avec le plus petit possible nombre N de
coefficients non nuls, et supposons que c’est la combinaison ci-dessus. J’affirme que N ≤ m + 1
(cette affirmation mène au résultat désiré). En effet, si N > m + 1, alors les points x1 , ..., xN
ne sont pas affinement indépendants (puisque n’importe quel ensemble affinement indépendant
dans Aff(M ) ⊃ M est composé d’au plus de dim Aff(M ) + 1 = m + 1 points, cf. Proposition
1.3.5). Ainsi, certaine combinaison non triviale de x1 , ..., xN avec la somme zéro de coefficients
est nulle :
N
X N
X
δi xi = 0, [ δi = 0, (δ1 , ..., δN ) 6= 0].
i=1 i=1
Il en suit que pour tout t la combinaison affine
N
X
(∗) [λi + tδi ]xi = x.
i=1

Ici à gauche nous avons une combinaison affine des xi . Quand t = 0, c’est une combinaison
convexe – tous les coefficients sont non négatifs. Quand t est grand, ce n’est pas une combinaison
convexe, puisque certains δi sont négatifs (en effet, pas tous les δi sont zéro, et la somme de δi
est 0). Il existe, évidemment, le plus grand t pour lequel la combinaison (*) a des coefficients
non négatifs, à savoir
λi
t∗ = min .
i:δi <0 |δi |

Pour cette valeur de t, la combinaison (*) a tous les coefficients non négatifs, et au moins un des
coefficients est zéro. Ainsi, nous avons représenté x comme une combinaison convexe de moins
de N vecteurs de M .

2.2.2 Théorème de Radon


Théorème 2.2.2 [Radon] Soit S ensemble d’au moins n + 2 points x1 , ..., xN dans Rn . Alors
cet ensemble peut être divisé en deux ensembles non vides S1 et S2 dont les enveloppes convexes
ont un point commun : il existe une partition I ∪ J = {1, ..., N }, I ∩ J = ∅, de l’ensemble
d’indices {1, ..., N } en deux ensemble non vides I et J et les combinaisons convexe des points
{xi , i ∈ I}, {xj , j ∈ J} qui coincident, c.-à-d. qu’il existe αi , i ∈ I, and βj , j ∈ J, tels que
X X X X
αi xi = βj xj ; αi = βj = 1; αi , βj ≥ 0.
i∈I j∈J i j

Preuve. Comme N > n + 1, les points x1 , ..., xN ne sont pas affinement indépendants (car dans
Rn tout ensemble affinement indépendant contient au plus n + 1 éléments). Ainsi, il existe un
combinaison non triviale de xi égale 0 avec la somme nulle des coefficients :
N
X N
X
λi xi = 0, [ λi = 0, (λ1 , ..., λN ) 6= 0].
i=1 i=1
46 CHAPITRE 2. ENSEMBLES CONVEXES : INTRODUCTION

Soit I = {i | λi ≥ 0}, J = {i | λi < 0} ; alors I et J ne sont pas vides et forment une partition
de {1, ..., N }. Nous avons X X
a≡ λi = (−λj ) > 0
i∈I j∈J

(rappelez-vous que la somme des λi est nulle et tous les λi ne sont pas zéros). Si on pose

λi −λj
αi = , i ∈ I, βj = , j ∈ J,
a a
on obtient X X
αi ≥ 0, βj ≥ 0, αi = 1, βj = 1,
i∈I j∈J

et  
N
βj xj ] = a−1 [ (−λj )xj ] = a−1
X X X X X
[ αi xi ] − [ λi xi ] − [ λi xi = 0.
i∈I j∈J i∈I j∈J i=1

2.2.3 Théorème de Helley


Théorème 2.2.3 [Helley, I] Soit F une famille finie d’ensembles convexes dans Rn . On suppose
que n’importe quels n + 1 ensembles de la famille ont un point commun. Alors tous les ensembles
ont un point commun.

Preuve : montrons le résultat par récurrence en nombre N d’ensembles dans la famille. Le cas
de N ≤ n + 1 est évident. Supposons maintenant que nous avons prouvé le théorème pour toutes
les familles avec un certain nombre N ≥ n + 1 d’ensembles, et soit S1 , ..., SN , SN +1 une famille
de N + 1 ensembles convexes qui satisfait les conditions du Théorème de Helley ; nous devrions
montrer que l’intersection des ensembles S1 , ..., SN , SN +1 est non vide.
En supprimant de notre famille de N +1 ensembles l’ensemble Si , nous obtenons la famille de
N ensemble qui satisfait les conditions du Théorème de Helley et ainsi, par l’hypothèse inductive,
possède une intersection non vide de ses membres :

(∀i ≤ N + 1) : T i = S1 ∩ S2 ∩ ... ∩ Si−1 ∩ Si+1 ∩ ... ∩ SN +1 6= ∅.

Choisissons un point xi dans chaque ensemble Ti (non vide). Nous obtenons N + 1 ≥ n + 2


points de Rn . Comme nous le savons du Théorème de Radon, nous pouvons diviser l’ensemble
d’indices {1, ..., n + 1} en deux sous-ensembles non vides I et J de telle manière qu’une certaine
combinaison convexe x des points xi , i ∈ I, soit simultanément une combinaison convexe des
points xj , j ∈ J. Pour accomplir la preuve il suffit de vérifier que x appartient à tous les ensembles
S1 , ..., SN +1 . En effet, soit i∗ un indice de notre ensemble d’indices, montrons que x ∈ Si∗ . Nous
avons i∗ ∈ I, ou i∗ ∈ J. Dans le premier cas tous les ensembles Tj , j ∈ J, sont contenus dans Si∗
(puisque Si∗ participe à toutes les intersections qui donnent T i avec i 6= i∗ ). En conséquence,
tous les points xj , j ∈ J, appartiennent à Si∗ , et donc x, qui est une combinaison convexe de ces
points, appartient également à Si∗ (tous nos ensembles sont convexes !), comme requis. Dans le
deuxième cas le raisonnement semblable indique que tous les points xi , i ∈ I, appartiennent à
Si∗ , et donc x, qui est une combinaison convexe de ces points, appartient à Si∗ .
Dans la version mentionnée ci-dessus du Théorème de Helley nous avons traité les familles
finies d’ensembles convexes. Pour étendre ce résultat au cas des familles infinies, nous devons
renforcer légèrement les conditions :
2.2. THÉORÈMES CLASSIQUES SUR ENSEMBLES CONVEXES 47


Théorème 2.2.4 [Helley, II] Soit F une famille d’ensembles convexes dans Rn . Suppo-
sons que
(a) tous les n + 1 ensembles de la famille on un point commun,
et
(b) chaque ensemble de la famille est fermé, et l’intersection des ensembles d’une certaine
sous-famille finie est bornée (par exemple, un des ensembles dans la famille est borné).
Alors tous les ensembles de la famille on un point commun.

Preuve : Par le théorème précédent, tous les sous-familles finies de F ont les intersections
non vides, et ces intersections sont convexes (puisque l’intersection de n’importe quelle famille
des ensembles convexes est convexe par Théorème 2.1.2) ; grâce à (a) ces intersections sont
également fermées. Ajoutant à F toutes les intersections des sous-familles finies de F, nous
obtenons une famille plus nombreuse F 0 qui consiste en des ensembles convexes fermés, et
n’importe quel sous-famille finie de cette famille plus nombreuse a encore une intersection
non vide. Par ailleurs, (b) implique que cette nouvelle famille contient un ensemble borné Q.
Puisque tous les ensembles sont fermés, la famille d’ensembles

{Q ∩ Q0 | Q0 ∈ F}

est une famille emboitée d’ensembles compacts (c.-à-d. une famille d’ensembles compacts avec
l’intersection non vide de toute sous-famille finie) ; par le théorème bien connu d’analyse, une
telle famille a une intersection non vide3) .

3)
voici la preuve de ce théorème : supposez, au contraire, que les ensembles compacts Qα , α ∈ A en question ont
l’intersection vide. Choisissez un ensemble Qα∗ de la famille ; pour chaque x ∈ Qα∗ il y a un ensemble Qx dans la
famille qui ne contient pas x – autrement x serait un point commun de tous nos ensembles. Puisque Qx est fermé,
il y a une boule ouverte Vx centrée en x qui n’intersecte pas Qx . Les boules Vx , x ∈ Qα∗ , forment une couverture
ouverte de l’ensemble compact Qα∗ , et donc on peut en extraire une sous-couverture Vx1 , ..., VxN finie de Qα∗ .
Puisque Qxi n’intersecte pas Vxi , nous en concluons que l’intersection de la sous-famille fini Qα∗ , Qx1 , ..., QxN est
vide, qui est une contradiction
48 CHAPITRE 2. ENSEMBLES CONVEXES : INTRODUCTION

2.3 Exercices
Exercice 2.1 Lesquels parmi les ensembles ci-dessous sont convexes :
– {x ∈ Rn | ni=1 x2i = 1}
P
Pn
– {x ∈ Rn | i=1 x2i ≤ 1}
– {x ∈ Rn | ni=1 x2i ≥ 1}
P

– {x ∈ Rn | maxi=1,...,n xi ≤ 1}
– {x ∈ Rn | maxi=1,...,n xi ≥ 1}
– {x ∈ Rn | maxi=1,...,n xi = 1
– {x ∈ Rn | mini=1,...,n xi ≤ 1}
– {x ∈ Rn | mini=1,...,n xi ≥ 1}
– {x ∈ Rn | mini=1,...,n xi = 1}

Faites selon votre choix au moins 3 parmi 5 exercices suivants 2.2 - 2.6 :

Exercice 2.2 Prouvez la Proposition 2.1.4.

Exercice 2.3 Prouvez le résultat contenu dans l’Exemple 2.1.5.

Exercice 2.4 Prouvez la Proposition 2.1.5.

Exercice 2.5 Prouvez la partie (i) du Théorème 2.1.1.

Exercice 2.6 Prouvez le Corollaire 2.1.2.

Exercice 2.7 ∆ 4) Prouvez le résultat suivant(Théorème de Kirchberger) :


Supposons que X = {x1 , ..., xk } et Y = {y1 , ..., ym } sont des ensembles finis dans Rn , avec
k + m ≥ n + 2, et que tous les points x1 , ..., xk , y1 , ..., ym sont distincts. Supposons aussi que
quelque soit le sous-ensemble S ⊂ X ∪ Y compris de n + 2 points, les enveloppes convexes des
ensembles X ∩ S et Y ∩ S ont l’intersection vide. Alors les enveloppes convexes de X et de Y
ont aussi l’intersection vide.
Indication : supposez, au contraire, que les enveloppes convexes de X et de Y intersectent, de
sorte que
k
X m
X
λi xi = µj yj
i=1 j=1
P P
pour certains λi , i λi = 1, et certains µj , j µj = 1, non négatives. Maintenant, regardez
l’expression de ce type avec le plus petit possible nombre de coefficients non nuls λi , µj .

Exercice 2.8 ∆ Montrez le théorème suivant (de Grunbaum) sur la partition de masse :
Soit x1 , ..., xN des points de Rn , et chaque point xi est assigné une masse non négative µi , la
somme des masses de tous les points étant égaux à 1. Alors il existe un point x∗ tel que n’importe
quel hyperplan {x | aT x = aT x∗ }, a 6= 0, passant par le point x∗ coupe l’espace Rn en deux
4)
les exercices marqués ∆ sont d’une nature toute particulière. Trois de ces exercices suffisent pour obtenir
une excellente note à l’examen théorique
2.3. EXERCICES 49

1
demi-espaces fermés de la masse au moins n+1 chacun, c.-à-d. que pour n’importe quel a 6= 0
on a
X 1
µi ≥
n+1
i| aT xi ≤aT x∗

et
X 1
µi ≥ .
n+1
i| aT xi ≥aT x∗

Indication : considérez la famille de tous les demi-espaces fermés de µ-measure > n/(n + 1).
Montrez que la famille satisfait les hypothèses du Théorème de Helley et vérifiez que n’importe
quel point qui appartient à l’intersection des ensembles de la famille satisfait la conclusion du
théorème de Grunbaum.
50 CHAPITRE 2. ENSEMBLES CONVEXES : INTRODUCTION

Vous aimerez peut-être aussi