Académique Documents
Professionnel Documents
Culture Documents
TD : Série 1
Exercice 1
Situations : A déterminer :
f : Rn −→ R
1◦ ) ∇ f (x), ∇2 f (x) en tout point x
x 7−→ f (x) := ⟨c, x⟩ + γ
F : Rn −→ Rm
2◦ ) . JF(x)
x 7−→ F(x) := Lx + b, où L ∈ Mm,n (R)
3◦ ) f : Rn −→ R x 7−→ f (x) := 21 ⟨Ax, x⟩ + ⟨d, x⟩ + δ où A ∈ Mn (R). ∇ f (x), ∇2 f (x)
2
4◦ ) g : Rn −→ R x 7−→ g(x) := ∑m n
i=1 [ri (x)] où les ri : R −→ R
sont deux fois différentiables. ∇g(x), ∇2 g(x)
[01]
Exercice 2
Soit f : Rn −→ R convexe et différentiable sur Rn . montrer l’équivalence des trois propriétés suivantes (où L
est une constante > 0 ) :
(i) ∥∇ f (x) − ∇ f (x′ )∥ ⩽ L ∥x − x′ ∥ pour tout x, x′ (∇ f est L-lipschitzienne sur Rn ).
(ii) f (x′ ) − f (x) − ⟨∇ f (x), x′ − x⟩ ⩾ 1
2L ∥∇ f (x) − ∇ f (x′ )∥2 pour tout x, x′ .
(iii) ⟨∇ f (x) − ∇ f (x′ ) , x − x′ ⟩ ⩾ L1 ∥∇ f (x) − ∇ f (x′ )∥2 pour tout x, x′
[02]
Exercice 3
Soit h : Rn −→ R continûment différentiable.
1◦ ) Soit x0 tel que ∇h (x0 ) ̸= 0. Que représente ∇h (x0 ) pour la surface de niveau S := {x ∈ Rn | h(x) = h (x0 )}?
2◦ ) Rappeler l’équation de l’hyperplan affine (de Rn+1 ) tangent au graphe de h en (x0 , h (x0 )). Donner à
l’aide de ∇h (x0 ) un vecteur normal à cet hyperplan.
3◦ ) On suppose qu’il existe L > 0 tel que ∥∇h(x) − ∇h (x′ )∥ ⩽ L ∥x − x′ ∥ pour tout (x, x′ ) ∈ Rn × Rn .
Montrer qu’alors
|h(x + d) − h(x) − ⟨∇h(x), d⟩| ⩽ L2 ∥d∥2 pour tout (x, d) ∈ Rn × Rn
[03]
Exercice 4
(Condition de second ordre pour la convexité.) Prouvez qu’une fonction deux fois différentiable f est convexe
si et seulement si son domaine est convexe et ∇2 f (x) ⪰ 0 pour tout x ∈ dom f . Indice. Considérons d’abord le
cas f : R → R. Vous pouvez utiliser la condition de premier ordre pour la convexité. [04]
Astuce. Il suffit de prouver le résultat pour une fonction sur R ; le résultat général suit par restriction à une ligne
arbitraire. [05]
1
Exercice 6
1) Supposons que f : Rn → R est différentiable, dom f est convexe, et f (x) > 0 pour tout x ∈ dom f .
Montrer que f est log-concave si et seulement si pour tout x, y ∈ dom f ,
∇ f (x)T (y − x)
f (y)
⩽ exp
f (x) f (x)
Exercice 8
a) Déterminez si la fonction, f : Rn → R, donnée par
! ( )
n
1 n aTi x+bi
f (x) = log log n aT x+b , dom f = x ∈ R | ∑ e <1
∑i=1 e i i
i=1
2
c) Déterminez si la fonction, f : Rn → R, donnée par
Exercice 9
Prouvez les affirmations suivantes sur la convexité des fonctions.
a) Soit f : Rn → R est convexe et g : R → R convexe et non décroissante. Alors h(x) = g( f (x)) est convexe.
b) f : R2 → R avec f (x1 , x2 ) = |x1 |+|x2 |+3x22 +3x22 +(x1 − 18x2 )4 +2e10x1 +2x2 −5 est une fonction convexe
sur R2 .
∥Ax+b∥2
c) f (x) = c⊤ x+d 2 avec domaine x | c⊤ x + d > 0 , où A ∈∈ Rm×n , b ∈ Rm , c ∈ Rn et d ∈ R, est une fonction
convexe.
d) Une fonction différentiable f : Rn → R est fortement convexe avec une constante m si et seulement si
(∇ f (x) − ∇ f (y))⊤ (x − y) ⩾ m∥x − y∥22 vaut pour tous les x, y.
e) f (X) = σ (X) sur Rm×n où σ (X) désigne la plus grande valeur singulière de X, est une fonction convexe.
f Soit f une fonction univariée définie sur l’intervalle (0, 1). Montrer que f ′ (x1 ) < f ′ (x2 ) chaque fois que
x1 > x2 dans (0, 1) implique que f (y) > f (x) + f ′ (x)(y − x) pour tout x, y dans (0, 1) et vice versa.
[09]
Exercice 10
(Convexité et concavité de la valeur optimale d’un PL) Considérons le problème de programmation linéaire
.
p∗ = min c⊤ x : Ax ⩽ b
x
Exercice 11
◦
Soit P n (R) l’ensemble des A ∈ Sn (R) qui sont définies positives (c’est un ouvert convexe de Sn (R) ). Soit
◦
f :P n (R) −→ R
A 7−→ f (A) := ln dét A−1
◦ ◦
On se propose de montrer que f est strictement convexe sur P n (R). Pour cela, on prend X0 ∈P n (R), H ∈
Sn (R), et on considère la fonction ϕ de la variable réelle définie par
ϕ(t) := ln dec (X0 + tH)−1
1) Vérifier que ϕ est définie sur un intervalle ouvert (de R ) contenant l’origine ; on notera IX0 ,H cet inter-
valle.
2) Montrer que
n
ϕ(t) − ϕ(0) = − ∑ ln (1 + tλi ) pour tout t ∈ IX0 ,H
i=1
−1/2 −1/2
où les λi désignent les valeurs propres de X0 HX0 .
3
3) Déduire de ce qui précède la stricte convexité de f .
[11]
1) Soit n ∈ N∗ . On désigne par ⟨·, ·⟩ le produit scalaire euclidien de Rn . Soit A ∈ Sn++ (R), b ∈ Rn et c ∈ R.
On considère le problème d’optimisation quadratique
1
inf J(x) avec J(x) = ⟨Ax, x⟩ et K = {x ∈ Rn | ⟨x, b⟩ = c}
x∈K 2
Proposer une approche numérique de résolution que vous décrirez très précisément. On explicitera
notamment l’étape de modélisation et l’algorithme retenu.
2) Soit k > 0. On définit sur R2 la fonction appelée Rosenbrock banana, par la relation
2
f (x, y) = (x − 1)2 + k x2 − y
On souhaite minimiser f sur R2 à l’aide de la méthode du gradient à pas optimal à partir de l’initiali-
sation x0 = (0, 0). Décrire cet algorithme. Montrer qu’il existe un choix optimal de pas à la première
itération et qu’il appartient à ]0, 1[. De façon plus générale, comment feriez-vous pour déterminer numé-
riquement le pas optimal à chaque itération ? À votre avis, quel type de problème numérique rencontre
cet algorithme lorsque k prend des valeurs trop grandes ?
[14]