Académique Documents
Professionnel Documents
Culture Documents
net/publication/287995065
CITATIONS READS
3 372
3 authors, including:
Some of the authors of this publication are also working on these related projects:
All content following this page was uploaded by Mohamed Laghdir on 24 December 2015.
Association
c mathématique du Québec
120 Sous-différentiels de fonctions convexes composées
Y+∗ = { y ∗ ∈ Y ∗ : hy ∗ , yi ≥ 0, ∀ y ∈ Y+ } ;
où int C désigne l’intérieur topologique de C. Pour plus de détails sur la notion de
coeur voir [8] et [21].
Soit F : X → Y une multi-application. Le domaine et le graphe de F sont respec-
tivement les sous-ensembles de X et X × Y notés et définis par
dom F = { x ∈ X : F (x) 6= ∅ }
Graph F = { (x, y) ∈ X × Y : y ∈ F (x) }.
dom h = {x ∈ X : h(x) ∈ Y }.
Définition 2.2.
i) Une application h : X → Y ∪ {+∞} est dite Y+ -convexe si pour tout λ ∈ ]0, 1[
et pour tous x1 , x2 éléments de X on a
h λx1 + (1 − λ)x2 ≤Y λh(x1 ) + (1 − λ)h(x2 ).
y1 ≤Y y2 =⇒ g(y1 ) ≤ g(y2 ).
a son épigraphe fermé mais n’est pas S-s.c.i. (ici l’ordre considéré sur R2 est l’ordre
usuel).
122 Sous-différentiels de fonctions convexes composées
Remarque 3.5. Lorsque h(x̄) ∈ Y , il a été démontré dans [19] que la définition 3.4 se
transforme d’une manière équivalente à : pour tout voisinage V de zéro, il existe un
voisinage U de x̄ tel que
h(U ) ⊆ h(x̄) + V + Y+ ∪ {+∞} .
La proposition suivante montre en effet que les deux définitions 3.1 et 3.4 sont
équivalentes lorsque X et Y sont des espaces vectoriels topologiques métrisables.
Proposition 3.6. Supposons que X et Y soient métrisables et soit h : X −→ Y ∪{+∞}
une application. Alors les deux propositions suivantes sont équivalentes.
i) h est S-s.c.i en x̄.
ii) h est s.c.i en x̄ (selon Penot-Théra).
Preuve. i) ⇒ ii). Supposons que h ne soit pas s.c.i en x̄, c’est-à-dire qu’il existe b
élément de Y vérifiant b ≤Y h(x̄) et il existe un voisinage V de zéro tels que pour tout
voisinage U de x̄ l’on ait
h(U ) 6⊆ b + V + Y+ ∪ {+∞} . (3.1)
Posons Un = B(x̄, 1/n), la boule ouverte de centre x̄ et de rayon 1/n avec n ∈ N ∗ .
Alors il existe xn ∈ B(x̄, 1/n) tel que pour chaque n ≥ 1, on ait
h(xn ) − b ∈
/ V + Y+ ∪ {+∞} .
Notons que la suite (xn ) converge vers x̄ quand n tend vers +∞. Si h était S-s.c.i en x̄
alors on aurait l’existence d’une suite (bn ) de Y convergeant vers b et vérifiant
bn ≤Y h(xn ), ∀n ≥ 1
C. Combari, M. Laghdir et L. Thibault 123
et
lim bn = b.
n→+∞
Ainsi à partir d’un certain rang N on aurait
(bn − b) ∈ V, ∀ n ≥ N. (3.2)
bn − b ≤Y h(xn ) − b, ∀n ≥ N
on obtient alors
h(xn ) − b ∈ V + Y+ ∪ {+∞} , ∀n ≥ N
ce qui contredit (3.1).
ii) ⇒ i). Soit b ∈ Y vérifiant b ≤Y h(x̄) et soit une suite (xn ) de X qui converge vers
x̄. Pour chaque entier k ≥ 1 choisissons par la semi-continuité de h, un voisinage Uk
de x̄ tel que
1
h(Uk ) ⊆ b + B(x̄, ) + Y+ ∪ {+∞} . (3.3)
k
Comme la suite (xn ) converge vers x̄, il existe pour chaque k ≥ 1 un entier Nk tel que
xn ∈ Uk , ∀ n ≥ Nk . (3.4)
Considérons la suite strictement croissante d’entiers s(k) définie par récurrence par
s(1) = N1
s(k + 1) = max s(k) + 1, Nk .
Choisissons pour chaque entier non nul n < s(1) un élément bn ∈ Y tel que bn ≤Y
h(xn ). Comme la suite (yn ) définie par
y n = bn − b si n < s(1)
yn = vn,k si n ∈ [s(k), s(k + 1)[
bn = yn + b, ∀n ≥ 1
bn ≤Y h(xn ), ∀ n ≥ 1.
Deuxième cas. h(x̄) = +∞. Alors puisque h est S-s.c.i en x̄, pour tout b ∈ Y , il existe
une suite (bn ) de Y convergeant vers b et vérifiant pour tout entier n
bn ≤Y h(xn ).
À l’aide de la croissance de g et de sa semi-continuité inférieure en b, on obtient
g(b) ≤ lim inf (g ◦ h)(xn ). (3.6)
n→∞
Comme g n’est pas majorée sur Y et que (3.6) a lieu pour tout b ∈ Y , on a forcément
lim inf (g ◦ h)(xn ) = +∞ = (g ◦ h)(x̄). Ceci termine la preuve.
n→∞
Contre-exemple. L’exemple suivant illustre la raison pour laquelle on suppose que g
n’est pas majorée. Considérons deux fonctions g : R −→ R et h : R −→ R définies
par :
g(x) = 1, ∀ x ∈ R
et ( 1
si x > 0,
h(x) = x
+∞ sinon.
Alors g et h sont s.c.i mais g ◦ h : R −→ R ∪ {+∞} donnée (d’après notre convention)
par
1 si x > 0,
(g ◦ h)(x) =
+∞ sinon.
n’est pas s.c.i sur R car son épigraphe Epi(g ◦ h) = ]0, +∞[×{1} n’est pas fermé dans
R × R.
C. Combari, M. Laghdir et L. Thibault 125
et pour tout x ∈ X
En posant y = h(x) dans (4.3) et en utilisant l’inégalité (4.4), on obtient pour tout
x∈X
(f + g ◦ h)(x) − (f + g ◦ h)(x̄) ≥ hx∗ , x − x̄i
et donc
x∗ ∈ ∂(f + g ◦ h)(x̄).
L’outil principal qu’on utilisera pour établir l’autre inclusion est basé sur la théorie
des perturbations qui consiste à étudier une famille de problèmes de minimisation
définis par
p(y) = inf k(x, y)
x∈X
X et Y sont des espaces vectoriels localement convexes,
(C.Q.M.R)
g est finie et continue en un point de h(dom f ∩ dom h).
C. Combari, M. Laghdir et L. Thibault 127
X et Y sont des espaces de Fréchet, g et f sont s.c.i et h est S-s.c.i,
(C.Q.R)
0 ∈ Coeur [ dom g − h(dom f ∩ dom h)].
Évidemment la condition (C.Q.R) est un cas particulier de (C.Q.A.B), mais elle est
souvent plus facile à vérifier. Nous devons aussi préciser qu’elle a été considérée dans
[22] bien avant que (C.Q.A.B) ne soit apparue dans [1].
Soit x̄ ∈ dom(f + g ◦ h) et soit la fonction k : X × Y −→ R ∪ {+∞} définie par
f (x) + g(y + h(x))−f (x̄)−g(h(x̄))−hx∗ , x − x̄i si y + h(x) ∈ dom g
k(x, y) =
+∞ sinon
où x∗ ∈ X ∗ .
Nous considérons la fonction p : Y −→ R définie par
Lemme 4.5.
1) p est convexe et Y+ - croissante.
2) Si l’on suppose que g est non majorée, s.c.i et que h est S-s.c.i, alors l’application
k est s.c.i sur X × Y .
3) Si x∗ ∈ ∂(f + g ◦ h)(x̄), alors p(0) = 0.
Preuve. 1) La convexité de k découle immédiatement de celles de f, g, h et de la
monotonie de g. Quant à la croissance de p, elle est une conséquence de celle de g. Soit
E l’image de l’épigraphe de k par la projection (x, y, α) −→ (y, α) où (x, y, α) ∈
X × Y × R. Alors
Puisque Epi k est convexe et que la convexité est préservée par la projection, alors E
est convexe et l’écriture de Epi p montre que Epi p est convexe.
2) Pour montrer la semi-continuité inférieure de k sur X × Y , il est facile de remarquer,
d’après l’expression de k, qu’il suffit de montrer la semi-continuité de la fonction
Ψ(x, y) = g(y + h(x)) sur X × Y puisque la fonction x −→ f (x) − f (x̄) − g(h(x̄)) −
hx∗ , x − x̄i est s.c.i sur X. Pour cela, il est clair que l’application (x, y) −→ y + h(x)
est S-s.c.i sur X × Y et comme g est Y+ -croissante, non majorée et s.c.i alors d’après
la proposition 3.7, la fonction Ψ est s.c.i.
3) Par définition de p on a
x∗ ∈ ∂(f + g ◦ h)(x̄)
on a
(f + g ◦ h)(x) − (f + g ◦ h)(x̄) ≥ hx∗ , x − x̄i ∀ x ∈ X,
on en déduit p(0) ≥ 0 et donc p(0) = 0.
Considérons maintenant le lemme suivant.
Lemme 4.6. Soit Y0 un sous-espace vectoriel de Y muni de la topologie induite et soit
p0 : Y0 −→ R la restriction de p à Y0 . Si la restriction de g est continue en un point de
Y0 ∩ h(dom f ∩ dom h) et si p(0) est finie alors ∂p0 (0) 6= ∅.
Preuve. Soit a ∈ dom f ∩ dom h tel que la restriction de g à Y0 soit continue en
b = h(a) ∈ Y0 . Il existe alors β ∈ R et un voisinage V de zéro dans Y0 tel que
g(b + v) ≤ β, ∀ v ∈ V.
Ainsi
k(a, v) ≤ α, ∀ v ∈ V,
où
α := β + f (a) − f (x̄) − g(h(x̄)) − hx∗ , a − x̄i ∈ R,
F (x, λ) = { y ∈ Y : k(x, y) ≤ λ}
Preuve. 1) C’est une conséquence immédiate du fait que h est convexe et s.c.i.
2) On a dom p = Im F = dom g − h(dom f ∩ dom h) + Y+ . Puisque g est croissante,
il en découle que dom p = Im F = dom g − h(dom f ∩ dom h).
C. Combari, M. Laghdir et L. Thibault 129
3) On a F (x̄, 0) = { y ∈ Y : k(x̄, y) ≤ 0 } et
F (x, λ) = { y ∈ Y0 : k(x, y) ≤ λ}
où (x, λ) ∈ X × R. Si g est non majorée sur Y0 , alors en vertu du lemme 4.7, F vérifie
toutes les hypothèses du lemme 4.8. En particulier au point (x̄, 0) on a
0 ∈ F (x̄, 0) ∩ Coeur Im F ⊆ int F X× ] − 1, 1[ .
y ∈ F (xy , λy )
c’est-à-dire
k(xy , y) ≤ λy .
Par conséquent pour tout y ∈ U on a
Avec les mêmes arguments utilisés à la fin de la preuve du lemme 4.6, on obtient la
continuité de p0 en zéro qui assure à son tour la non-vacuité de ∂p0 (0).
Supposons maintenant que g soit majorée sur Y0 . Comme g est convexe, sa restriction
à Y0 est continue sur Y0 tout entier. Ainsi d’après le lemme 4.6 on a ∂p0 (0) 6= ∅.
Il en découle dans les deux cas que ∂p0 (0) 6= ∅. Soit y0∗ ∈ ∂p0 (0). D’après le
théorème de Hahn-Banach on peut prolonger y0∗ en y ∗ ∈ Y ∗ . On vérifie aisément que
dom p0 = dom p et donc il s’ensuit que y ∗ ∈ ∂p(0).
Proposition 4.11. Si l’une des deux conditions (C.Q.M.R) ou (C.Q.A.B) a lieu alors
on a:
i) G
∂(f + g ◦ h)(x̄) = ∂(f + y ∗ ◦ h)(x̄)
y ∗ ∈∂g(h(x̄))
pour tout x̄ ∈ X.
ii)
(f + g ◦ h)∗ (x∗ ) = min
∗ ∗
{g ∗ (y ∗ ) + (f + y ∗ ◦ h)∗ (x∗ )},
y ∈Y+
x∗ ∈ ∂(f + y ∗ ◦ h)(x̄).
On a ainsi montré
G
∂(f + g ◦ h)(x̄) ⊆ ∂(f + y ∗ ◦ h)(x̄)
y ∗ ∈∂g(h(x̄))
et pour y ∗ ∈ Y+∗ , on a
p∗ (y ∗ ) + p(0) ≥ 0
c’est-à-dire
pour tout y ∗ ∈ Y+∗ . Si (f + g ◦ h)∗ (x∗ ) = +∞, alors ii) est une conséquence de (4.9).
Supposons donc (f + g ◦ h)∗ (x∗ ) finie, alors p(0) est finie d’après (4.7) et
Les hypothèses (C.Q.M.R) et (C.Q.A.B) assurent toutes les deux, en vertu des lemmes
4.6 et 4.10 que ∂p(0) 6= ∅ c’est-à-dire qu’il existe z ∗ ∈ ∂p(0) tel que
p∗ (z ∗ ) + p(0) = 0. (4.11)
Comme z ∗ ∈ Y+∗ (puisque ∂p(0) ⊆ Y+∗ d’après les lemmes 4.2 et 4.5), alors en
combinant (4.7), (4.8), (4.9), (4.10) et (4.11), on obtient
Preuve. Il suffit de prendre f égale à la fonction nulle sur X tout entier et d’appliquer
la proposition 4.11.
Corollaire 4.15. Soient X, Y et Z trois espaces de Fréchet. Supposons que h soit
continue et que g soit s.c.i. Soit C un convexe de X qui est la projection d’un convexe
fermé de X × Z. Si R+ [dom g − h(C)] est un sous-espace vectoriel fermé de Y , alors
i)
G
∂(y ∗ ◦ h)(x̄) + N (x̄, C),
∂ g ◦ h + δ( . , C) (x̄) =
y ∗ ∈∂g(h(x̄))
y ∗ ∈∂g(h(x̄,z̄))
Comme
∂(y ∗ ◦ h)(x̄, z̄) = ∂(y ∗ ◦ h)(x̄) × {0}
C. Combari, M. Laghdir et L. Thibault 133
il existe
y ∗ ∈ ∂g(h(x̄, z̄)) = ∂g(h(x̄))
et
(u∗ , z ∗ ) ∈ N ((x̄, z̄), K)
tels que
(u∗ , 0) ∈ ∂(y ∗ ◦ h)(x̄) × {0} + (u∗ , z ∗ ).
Il en découle que
z∗ = 0 et (u∗ , 0) ∈ N ((x̄, z̄), K).
Ainsi si pour tout x ∈ C on choisit z ∈ Z vérifiant (x, z) ∈ K on obtient de la relation
que
hu∗ , x − x̄i ≤ 0, ∀x ∈ C
et donc
x∗ ∈ N (x̄, C).
Par conséquent le premier membre de l’égalité i) est bien inclus dans le second membre.
Comme l’autre inclusion est immédiate, l’égalité i) est prouvée.
ii) C’est une conséquence immédiate de i) en prenant h = IX c’est-à-dire l’application
identité de X.
iii) L’épigraphe de f est un convexe fermé de X × R puisque f est convexe et s.c.i sur
X. Par conséquent C = dom f est convexe et il est la projection de Epi f sur R. On
obtient le résultat en appliquant ii).
Pour terminer ce paragraphe indiquons comment nos résultats englobent ceux qui
existaient antérieurement (voir [1, 2, 3, 8, 21, 22, 24, 26]).
Corollaire 4.16.
1) Si A est un opérateur linéaire continu de X dans Y et si l’une des conditions
(C.Q.M.R), (C.Q.R) ou (C.Q.A.B) est satisfaite pour h = A, alors pour tous
x∗ ∈ X ∗ et x̄ ∈ X on a
et
∂(f + g ◦ A)(x̄) = ∂f (x̄) + A∗ (∂g(Ax̄)),
où A∗ : Y ∗ −→ X ∗ est l’opérateur adjoint de A défini par A∗ (y ∗ ) = y ∗ ◦ A
pour tout y ∗ ∈ Y ∗ .
2) Sous les hypothèses de l’assertion 1) avec A = IX on a
où est l’opération inf-convolution qui est atteinte dans le cas présent.
134 Sous-différentiels de fonctions convexes composées
Preuve. D’après la proposition 4.11 et le corollaire 4.12 pour Y+ = {0} les hypothèses
ci-dessus assurent les deux égalités suivantes
et G
∂(f + g ◦ A)(x̄) = ∂f (x̄) + (y ∗ ◦ A)), ∀ x̄ ∈ X.
y ∗ ∈∂g(A(x̄))
Ainsi l’égalité des sous différentiels de la première assertion est vérifiée. Pour conclure
il suffit de remarquer que
(f + y ∗ ◦ A)∗ (x∗ ) = sup { hx∗ , xi − f (x) − hA∗ y ∗ , xi}
x∈X
= sup {hx∗ − A∗ y ∗ , xi − f (x)}
x∈X
=f (x − A∗ y ∗ ).
∗ ∗
5. Applications. Dans cette section nous allons présenter deux exemples d’applications
de la formule du sous-différentiel d’une fonction composée. Le premier exemple est
issu de la programmation convexe et le second est lié au calcul du sous-différentiel du
maximum d’un nombre fini de fonctions.
Premier exemple: Conditions d’optimalité. Il s’agit d’un problème abstrait, noté (P),
qui englobe toute une famille de problèmes de minimisation soumis à des contraintes
vectorielles et à valeurs dans un espace vectoriel de dimension finie ou infinie. Le
problème (P) est le suivant
inf f (x)
(
(P) h(x) ∈ −Y+
x∈C
où X et Y sont des espaces de Fréchet, f : X −→ R ∪ {+∞} est convexe, s.c.i, propre,
h : X −→ Y ∪ {+∞} est Y+ -convexe, propre et C est un sous-ensemble de X supposé
convexe fermé non vide de X. Nous supposerons ici que Y+ est fermé.
Lemme 5.1. Soit g : Y −→ R ∪ {+∞} la fonction définie par
est satisfaite. Alors x̄ est une solution optimale du problème (P) si et seulement s’il
existe y ∗ ∈ Y+∗ vérifiant hy ∗ , h(x̄)i = 0 et tel que
0 ∈ ∂ f + y ∗ ◦ h + δ( . , C) (x̄).
Preuve. On constate que toutes les hypothèses de la Proposition 4.11 sont vérifiées, ce
qui permet d’écrire
0 ∈ ∂ f + δ( . , C) + y ∗ ◦ h (x̄).
est satisfaite. Alors x̄ est une solution optimale du problème (Q) si et seulement s’il
existe y1∗ ∈ Y1+∗
et y2∗ ∈ Y2∗ vérifiant hy1∗ , g1 (x̄)i = 0 et tels que
Preuve. On a h = (g1 , g2 ) continue sur X et avec ceci on constate que toutes les
hypothèses du corollaire 5.3 sont vérifiées et donc on obtient
c’est-à-dire
f et g1 sont finies et continues,
(C.Q.A2 .B2 ) R+ [Y1+ + g1 (C ∩ D)] sous-espace vectoriel fermé,
R+ [A(C) − b] sous-espace vectoriel fermé.
f et g1 sont finies et continues,
(C.Q.A3 .B3 ) R+ [Y1+ + g1 (C ∩ D)] sous-espace vectoriel fermé,
R+ [C − D)] sous-espace vectoriel fermé.
f et g1 sont finies et continues,
(C.Q.J.W) ∃ x̄ ∈ F : g1 (x̄) ∈ −intY1+ ,
R+ [A(C) − b] sous-espace vectoriel fermé .
Proposition 5.5 [27]. Supposons que C soit un convexe fermé, que l’image de A soit
un fermé et que la condition (C.Q.J.W) soit satisfaite. Alors x̄ ∈ F est une solution
optimale du problème (Q) si et seulement s’il existe y1∗ ∈ Y1+∗
et y2∗ ∈ Y2∗ vérifiant
∗
hy1 , h(x̄)i = 0 et
Preuve. Posons
f0 = f + δ( . , C) + δ( . , {0}) ◦ g2 ,
g = δ( . , −Y1+ ),
h = g1 .
Alors
R+ [dom g − h(dom f0 ∩ dom h)] = R+ [−Y1+ − g1 (C ∩ D)]
et donc la condition (C.Q.A2 .B2 ) assure que R+ [dom g − h(dom f0 ∩ dom h)] est un
sous-espace vectoriel fermé. Comme g1 est continue, il découle du lemme 5.1 et de la
proposition 4.11 que
G
∂(y1∗ ◦g1 )(x̄)
∂(f0 +g ◦h)(x̄) = ∂ f + δ( . , C) + δ( . , {0}) ◦ g2 (x̄) +
y1∗ ∈N (g1 (x̄),−Y1+ )
pour tout x̄ ∈ F . Compte tenu du fait que R+ [A(C) − b] est un sous-espace vectoriel
fermé (d’après (C.Q.A2 .B2 )) on obtient en appliquant le lemme 5.1 et la proposition 4.11
à nouveau qu’il existe y2∗ ∈ Y2∗ tel que
G
∂(f0 + g ◦ h)(x̄) = ∂f (x̄) + ∂(y1∗ ◦ g1 )(x̄) + A∗ y2∗ + N (x̄, C).
y1∗ ∈N (g1 (x̄),−Y1+ )
Par conséquent x̄ est une solution optimale si et seulement s’il existe y1∗ ∈ Y1+
∗ , y∗ ∈ Y ∗
2 2
∗
vérifiant hy1 , g1 (x̄)i = 0 et
Preuve. Il est facile de remarquer que le problème (Q) s’écrit de manière équivalente
comme
inf{ f (x) : x ∈ C ∩ D et g1 (x) ∈ −Y1+ }.
et donc la condition (C.Q.A3 .B3 ) entraı̂ne que R+ [dom g − h(dom f0 ∩ dom h)] est un
sous-espace vectoriel fermé. D’après la proposition 4.11, on obtient
G
∂ f + δ( . ; C ∩ D) + y1∗ ◦ g1 (x̄),
∂(f0 + g ◦ h)(x̄) =
y1∗ ∈N (g1 (x̄),−Y1+ )
Par conséquent x̄ ∈ F est une solution optimale du problème (Q) si et seulement s’il
existe y1∗ ∈ Y1+
∗ vérifiant hy ∗ , g (x̄)i = 0 et tel que
1 1
Corollaire 5.9. Supposons que l’image de l’opérateur A soit fermée dans Y2 . Alors
sous la condition (C.Q.A3 .B3 ), x̄ est une solution optimale du problème (Q) si et
seulement s’il existe y1∗ ∈ Y1+
∗
et y2∗ ∈ Y2∗ vérifiant hy1∗ , g1 (x̄)i = 0 et
Il est évident que I(ȳ) est toujours non vide. De plus, l’expression du sous-différentiel
∂g(ȳ) est donnée par
X
∂g(ȳ) = {(α1 , . . . , αn ) ∈ [0, 1]n : αi = 1; αi ≥ 0 si i ∈ I(ȳ)
i∈I(ȳ) et αi = 0 si i ∈
/ I(ȳ)}
Commençons par prouver le résultat suivant utilisé plus loin. Il fait appel à une condition
de qualification (C.Q.An .Bn ) qui est une adaptation de la notion d’ensembles convexes
en position générale introduite sous un nom différent dans [22, p. 56] et utilisée aussi
dans [3, 14, 24, 25, 26, 32].
∆X n = { (x, x, . . . , x) ∈ X n }.
i=n
Y
les hi sont s.c.i et R+ [∆X n − dom hi ]
(C.Q.An .Bn ). i=1
est un sous-espace vectoriel fermé de X n ,
X un espace de Fréchet,
La fonction Φ est convexe, s.c.i et propre puisque les hi le sont. ∆X n est un sous-espace
vectoriel fermé. Sous la contrainte (C.Q.An .Bn ) on peut écrire, d’après la proposi-
i=n
\
tion 4.15, pour tout x̄ ∈ dom hi = dom Φ
i=1
où
i=n
Y
∂Φ(x̄, . . . , x̄) = ∂hi (x̄).
i=1
on a pour tout x ∈ X
i=n
X
hu∗i , x − x̄i ≤ 0
i=1
d’où
i=n
X
u∗i = 0.
i=1
ce qui entraı̂ne
et
(x∗1 , x∗2 , . . . , x∗n ) ∈ ∂Φ(x̄, . . . , x̄)
vérifiant
∗
x = x∗1 + u∗1
x∗ + u∗ = 0, i ≥ 2
i i
i=n
X
u∗i = 0.
i=1
Il s’ensuit que
x∗ = x∗1 + x∗2 + · · · + x∗n
et donc
∂ [h1 + · · · + hn ] (x̄) ⊆ ∂h1 (x̄) + · · · + ∂hn (x̄).
i=n
\
Si x̄ ∈
/ dom hi alors (h1 + · · · + hn )(x̄) = +∞ et donc l’inclusion ci-dessus est
i=1
évidente. L’inclusion inverse étant immédiate, la preuve est terminée.
Avant d’établir la proposition suivante, évaluons l’expression de (α ◦ h)(x) pour
i=n
X
α = (α1 , α2 , . . . , αn ) ∈ Rn avec αi ≥ 0 et αi = 1. D’après ce qui précède la
i=1
proposition 3.7, on a pour x ∈ dom h
X X
(α ◦ h)(x) = αi hi (x) + δ(x, dom hi )
αi 6=0 αi =0
et pour x ∈
/ dom h on a
X X
(α ◦ h)(x) = +∞ = αi hi (x) + δ(x, dom hi ).
αi 6=0 αi =0
Φi (x, r) = αi hi (x) si i ≥ n0 + 1
x∗ ∈ ∂(α ◦ h)(x̄)
⇐⇒
(x∗ , 0) ∈ ∂ [Φ1 + Φ2 + · · · + Φn ] (x̄, r̄). (5.3)
C. Combari, M. Laghdir et L. Thibault 143
G
∂ max hi (x̄) = ∂ [α1 h1 + · · · + αn hn ] (x̄).
1≤i≤n X
αi = 1
i∈I(x̄)
αi ≥ 0+ si i ∈ I(x̄)
αi = 0+ si i ∈
/ I(x̄)
i=n
" #
Y
n
ii) Si de plus les hi sont s.c.i et R+ ∆X − dom hi est un sous-espace
i=1
vectoriel fermé de X n avec X Fréchet, (resp. si (n − 1) des fonctions hi
sont finies et continues en un point du domaine de l’autre), alors pour tout
i=n
\
x̄ ∈ dom hi on a
i=1
G i=n
X
∂( max hi )(x̄) = co ∂hi (x̄) + N (x̄; dom hi ).
1≤i≤n
α∈I(x̄) i=1
Preuve. i) Puisque la fonction g définie au début de cette section est continue partout
sur Y = Rn , la qualification de contrainte de (C.Q.M.R) se trouve satisfaite et donc il
découle de la proposition 4.11 que
G
∂(g ◦ h)(x̄) = ∂(α ◦ h)(x̄).
α∈∂g(h(x̄))
∂h1 (x̄) + N (x̄, dom h2 ) si ȳ1 > ȳ2
∂ max(h1 h2 )(x̄) = co[∂h1 ∪ ∂h2 ](x̄) + N (x̄, dom h1 ) + N (x̄, dom h2 ) si ȳ1 = ȳ2
∂h2 (x̄) + N (x̄, dom h1 ) si ȳ1 < ȳ2
X and Y are locally convex vector spaces and
(C.Q.M.R)
g is finite and continuous at some point in h(dom f ∩ dom h).
for every x̄ ∈ X.
ii)
(f + g ◦ h)∗ (x∗ ) = min
∗ ∗
{g ∗ (y ∗ ) + (f + y ∗ ◦ h)∗ (x∗ )},
y ∈Y+
i=n
" #
Y
ii) if furthermore the functions hi are l.s.c., R+ ∆X n − dom hi is a closed
i=1
vector subspace of X n and X is Fréchet, (resp. if (n − 1) functions hi are finite
and continuous at some point of the effective domain of the other one), then for
i=n
\
any x̄ ∈ dom hi , one has
i=1
G i=n
X
∂ max hi (x̄) = co ∂hi (x̄) + N (x̄; dom hi ).
1≤i≤n
α∈I(x̄) i=1
(Here ∆X n denotes the diagonal of X n, I(x̄) := j : max hi (x̄) = hj (x̄) and
1≤i≤n
0+ hi := δ( . , dom hi ) is the indicator function of dom hi ).
BIBLIOGRAPHIE
1. H. Attouch et H. Brézis, Duality for the sum of convex functions in general Banach spaces,
Aspects of Mathematics and its Applications (J. Barroso, ed.), North Holland, Amsterdam,
1986, pp. 125–133.
2. J. P. Aubin et I. Ekeland, Applied Nonlinear Analysis,, Wiley, New York, 1984.
3. D. Aze et J. P. Penot, Operations on convergent families of sets and function, Optimization
21 (1990), 521–534.
4. J.M. Borwein, Convex relations in analysis and Optimization, Generalized concavity in
Optimization and Economics (S. Schaible and T. Ziemmba, eds.), Academic Press, New
York, 1981, pp. 335–376.
5. J. M. Borwein et M. Théra, Sandwich theorems for semi-continuous operators, Canad.
Math. Bul. 35 (1992), 463–474.
6. I. Ekeland et R. Teman, Convex Analysis And Variational Problems, North-Holland, Ams-
terdam, 1976.
7. E. G. Gol’shtein, Duality theory in mathematical programming and its applications, Nauka,
Moscou, 1971.
8. M. S. Gowda et M. Teboulle, A comparison of constraint qualification in infinite dimensional
convex programming, SIAM J. Control Optim. 28 (1990), 925–935.
9. R. H. Holmes, Geometric Functional Analysis and Applications, Springer, New York, 1975.
10. A. D. Ioffe, Approximate subdifferentials and Applications I. The finite dimensional theory,
Trans. Amer. Math. Soc. 281 (1984), 389–416.
11. V. Jalby, Semi-continuité, convergence et approximation des applications vectorielles. Loi
des grands nombres, À paraı̂tre.
12. V. Jeyakumar, Duality and infinite dimensional optimization, Nonlinear Anal. 15 (1990),
111–1122.
13. V. Jeyakumar et H. Wolkowicz, Generalisations of Slater’s constraint qualifications for
infinite convex programs, Math. Programming 57 (1992), 85–101.
14. S. S. Kutateladze, Convex operators, Russian Math. Surveys 34 (1979), 181–214.
15. B. Lemaire, Subdifferential of a convex composite functional. Application to optimal control
in variational inequalities. Nondifferentiable Optimization, Sopron (Sept 1984).
16. V. L. Levin, On the subdifferential of a composite functional, Soviet Math. Dokl. 11,
1194–1195.
148 Sous-différentiels de fonctions convexes composées