Académique Documents
Professionnel Documents
Culture Documents
D’après les conditions du premier ordre, −∇f (x ∗ ) est dans le cône engendré par les gradi-
ents des contraintes actives en x∗ (le cône du dessin C, puisque ci (·) 6 0 dans X et que le
gradient de ci est dirigé vers les valeurs croissantes de c i ). Donc ∇f (x∗ ) est dans le cône
du dessin D.
Le cône du dessin B est le cône tangent à X en x ∗ .
On en déduit que
`(x̄(p), λ̄(p)) + λ̄(p)>p = f (x̄(p)).
2. On a alors en dérivant :
>
(f ◦ x̄)0 (p) · q = `0x (x̄(p), λ̄(p)) · x̄0 (p) · q + c(x̄(p))>λ̄0 (p) · q + λ̄0 (p) · q p + λ̄(p)>q.
39
x̄
x̄(p)
∇f (x̄)
c(·) = 0
c(·) + p = 0 (p > 0)
En utilisant le lagrangien
n n n
!
X X X
`(x, v, y, s+ , s− ) = c>x + y vi − 1 + s+
i (xi − vi ) − s−
i (xi + vi ),
i=1 i=1 i=1
c + s + − s− = 0
(a)
+ −
Pn− s − s = 0
(b)
ye
(c) i=1 vi = 1
(d) −v 6 x 6 v
(e) s+ > 0, s− > 0
(f ) s+
i (xi − vi ) = 0, s−
i (xi + vi ) = 0, ∀i,
40
• Si |ci | < kck∞ , alors s+ −
i > 0, si > 0 puis xi = vi = −vi , donc xi = vi = 0.
• Si ci = kck∞ , alors s+ −
i = 0, si > 0 donc xi = −vi 6 0.
• Si ci = −kck∞ , alors s+ −
i > 0, si = 0 donc xi = vi > 0.
p0
|ci |
p
xi = − sgn(ci ) .
kckp0
Dans le cas où p = 2, on obtient simplement
c
x=− .
kck2
41
3. Il s’agit de résoudre P
minx i ci xi
−1 6 xi 6 1, ∀i.
Il s’agit des n problèmes indépendants :
minxi ci xi
−1 6 xi 6 1,
dont les solutions sont
• si ci > 0, alors xi = −1,
• si ci < 0, alors xi = 1,
• si ci = 0, alors −1 6 xi 6 1.
Quel que soit c et x ∈ Rn de norme kxk∞ 6 1, on a donc
n
X
>
c x>− sgn ci ci = −kck1 .
i=1
4 Bifurcation de solutions
1. La contrainte non différentiable peut être remplacée par les 2 contraintes suivantes :
x2 + ε > 2x1
x2 + ε > −2x1 .
2. f est continue, l’ensemble admissible est non vide et fermé, mais il est non borné. On
a cependant x22 + 2εx2 + ε2 > 4x21 , donc
3 2 ε ε2
f (x) > x2 − x2 −
4 2 4
x22 3ε2
> −
4 8
et par conséquent f (x) → ∞ lorsque kxk → ∞ dans l’ensemble admissible. On en
déduit l’existence d’une solution.
42
2ε
Cas 1: 2x1 − x2 − ε = 0 et 2x1 + x2 + ε > 0. On en déduit que λ1 = , λ2 = 0,
3
2ε ε
x1 = et x2 = . C’est un point stationnaire si ε > 0.
3 3
2ε
Cas 2: 2x1 − x2 − ε < 0 et 2x1 + x2 + ε = 0. On en déduit que λ1 = 0, λ2 = ,
3
2ε ε
x1 = − et x2 = . C’est un point stationnaire si ε > 0.
3 3
x1 x1 = 2 x2
3 −
3
x1 = 0
0
x1 = − 2
3
1. On note
X = {x ∈ R2 : 0 6 x1 + x2 6 x31 + ε}.
Quel que soit ε ∈ R, X 6= ∅ (pour ε > 0, prendre x 1 = x2 = 0; pour ε < 0 prendre
x2 = 0 et x1 positif suffisamment grand). Pour x ∈ X, on a x 1 > −ε1/3 donc,
43
Donc si kxk → ∞ dans X, x1 → +∞ et
lim f (x) = +∞.
kxk→∞
x∈X
Comme X est fermé, non vide et f est continue, on en déduit l’existence d’au moins
une solution de (P ).
On introduit le lagrangien
`(x, λ) = f (x) − λ1 (x1 + x2 ) + λ2 (x2 − x31 + x1 − ε).
Les conditions de Kuhn et Tucker s’écrivent
3(x1 + 1)2 − λ1 + λ2 (1 − 3x21 ) = 0
−λ1 + λ2 = 0
0 6 x1 + x2 6 x31 + ε
(KT)
λ1 (x1 + x2 ) = 0
λ (x − x31 + x1 − ε) = 0
2 2
λ1 > 0, λ2 > 0.
44
En résumé.
• = 0 : x̄ = (0, 0) est solution du problème sans système d’optimalité et sans
multiplicateur associé.
• < 1, 6= 0 : x̄ = (−1/3 , 1/3 ) est solution du problème avec les multiplicateurs
λ̄1 = λ̄2 = (−1/3 − 1)2 .
• = 1 : x̄ = (−1, 1) est solution avec multiplicateurs λ̄1 = λ̄2 = 0.
• > 1 : les points stationnaires sont les x̄ 1 ∈ {−1} × [1, ] avec les multiplicateurs
λ̄1 = λ̄2 = 0 et x̄2 = (−1/3 , 1/3 ) avec multiplicateurs λ̄1 = λ̄2 = (−1/3 − 1)2 .
3. Voyons ce que donnent les conditions du second ordre pour le cas où > 1. On a
2 6(x1 + 1) − 6λ2 x1 0
∇xx `(x, λ) = .
0 0
1. La fonction f est continue et le domaine admissible est fermé, borné, non vide.
2. On va écrire les conditions de Kuhn et Tucker. Pour cela, il faut montrer que la
contrainte est qualifiée en x̄. Seul le cas où kx̄k = ∆ est à considérer. Alors, x̄ =
6 0 et
donc ∇c(x̄) = x̄ 6= 0. La contrainte est donc qualifiée.
Il existe alors un multiplicateur λ̄ tel que les conditions de Kuhn et Tucker soient
vérifiées. En remplaçant la contrainte de (10) par la contrainte équivalente (mais diffé-
rentiable) c(x) 6 0, on trouve les conditions (11), (12) et (13).
3. Si kx̄k < ∆, x̄ est dans l’intérieur du domaine admissible et est donc minimum local du
problème sans contrainte. La condition nécessaire du second ordre dit que ∇ 2 f (x̄) = A
est semi-définie positive.
D’autre part, (13) implique que λ̄ = 0. On a donc démontré (14).
4. (i) Si kx̄k = ∆, le cône critique (Définition 1.20, Remarque 1.21) contient les h ∈ R n
tels que c0 (x̄) · h = x̄>h = 0. Pour ces h, on a donc (Théorème 1.22)
h>∇2xx `(x̄, λ̄)h = h>(A + λ̄I)h > 0.
(ii) C’est clair, car si kxk = kx̄k, alors x est admissible et donc f (x̄) 6 f (x).
(iii) En utilisant (11), on a
1 >
f (x̄) = x̄ Ax̄ − b>x̄
2
1 >
= x̄ Ax̄ − x̄>Ax̄ − λ̄kx̄k2
2
1
= − x̄>Ax̄ − λ̄kx̄k2 .
2
45
Pour kxk = kx̄k, on a alors d’après (ii), la relation ci-dessus et (11)
1 λ̄ λ̄ 1
− x̄>Ax̄ − kx̄k2 − kxk2 = − x̄>Ax̄ − λ̄kx̄k2
2 2 2 2
= f (x̄)
6 f (x)
1 >
= x Qx − b>x
2
1 >
= x Qx − x̄>(A + λ̄I)x.
2
La relation entre les membres extrêmes donnent le résultat.
(iv) C’est une équation du second degré dont le discriminant vaut 4(x̄>h)2 > 0. Il y a
donc deux racines réelles distinctes.
(v) Soient h ∈ Rn tel que x̄>h 6= 0 et α la racine non nulle de l’équation de (iv). On
prend x = x̄ + αh. On a kxk = kx̄k et en appliquant (iii), on trouve le résultat
(α 6= 0).
5. La condition (14) est vérifiée grâce aux points 3, 4(i) et 4(v).
6. (i) D’après (11), x̄ vérifie la condition d’optimalité ∇ x `(x̄, λ̄) = 0 du problème.
D’autre part, l’application x 7→ `(x, λ̄) est convexe, car d’après (14) ∇2xx `(x, λ̄) =
A + λ̄I est semi-définie positive. Alors x̄ est solution du problème (la condition
d’optimalité du premier ordre est une CNS lorsque le problème est convexe).
(ii) Pour les x tels que kxk 6 ∆, on a
Les termes linéaires en H forment la dérivée directionnelle c 0y (X)·H, qui s’écrit aussi
(on utilise le fait que tr AB = tr BA)
D E
c0y (X) · H = tr(Xyy>H + yy>XH) = Xyy> + yy>X, H . (18)
On en déduit le résultat.
46
où Y est la matrice y 1 · · · y m . On en déduit que, pour v ∈ Rn , v>M v =
kY >vk2 > 0.
Dès lors, M est définie positive si et seulement si Y est surjective, c’est-à-dire si et
seulement si les vecteurs y i engendrent Rn .
4. Il suffit de montrer qu’il existe D ∈ S n telle que c0yi (X̄) · D < 0 pour les i vérifiant
kX̄y i k = 1. D’après (18), on a
On voit qu’il suffit de prendre D = −X̄, puis qu’alors c0yi (X̄) · D = −2kX̄y i k2 < 0
(y i 6= 0 pour les indices considérés et X̄ est inversible).
47
Les conditions de KKT s’écrivent alors
−1 > >
X̄ = X̄Y Λ̄Y + Y Λ̄Y X̄
kX̄y i k 6 1 et λ̄i > 0, pour tout i
λ̄i (kX̄y i k − 1) = 0,
1. L’équivalence (i) ⇔ (ii) se déduit du fait que E A = A−1 (B). Ensuite (ii) a lieu si
et seulement si pour tout i :
min xi + (ei )>A−1 u > 0.
u∈B
Le minimum en u ∈ B ci-dessus est −A−1 ei /kA−1 ei k2 . Dès lors (ii) est équivalente
à xi − kA−1 ei k2 > 0 pour tout i, c’est-à-dire à (iii).
2. On sait que la fonction − log det ∈ Conv(S n ); elle est donc semi-continue inférieu-
rement. Par ailleurs, l’ensemble admissible est non vide (M = 0 lui appartient),
fermé (M → kM ei k2 est continue) et borné (on raisonne par l’absurde et on utilise
le fait que kM ei k2 = 0 pour tout i ⇒ M = 0). On en déduit que le problème
d’optimisation dans (16) a une solution.
L’unicité de la solution vient de ce que M → − log det M est strictement convexe et
M 7→ kM ei k2 est convexe (composition de l’application linéaire M 7→ M e i et de la
norme euclidienne qui est convexe).
−M −1 + ΛM + M Λ = 0
kM ei k2 6 xi , ∀i
λ > 0, ∀i
i
λi (kM ei k2 − xi ) = 0, ∀i.
48
4. Si x 6> 0, l’ensemble admissible du problème d’optimisation dans (16) est vide ou
n’intersecte pas Sn++ , auxquels cas la valeur optimale vaut +∞ et l’identité est
bien vérifiée. Si x > 0, la solution du problème d’optimisation
Q P dans (16) est M =
Diag(x1 , . . . , xn ) et la valeur optimale vaut − log i xi = − i log xi ; l’identité est
également vérifiée.
49