Année Universitaire 2023-2024

Université Cadi Ayyad Travaux dirigés d’optimisation

ENSA, Marrakech Responsable : Z. ANKHILI

TD N o 3.

Exercice 1. Soit S un ensemble convexe de Rn et f une fonction convexe sur S.

(1) Montrer que si x∗ , y ∗ sont deux minima de f sur S, alors ∀λ ∈ [0, 1], λx∗ + (1 − λ)y ∗ est un
minimum global de f sur S.
(2) Supposons maintenant que f est strictement convexe. Montrer que f admet au plus un mini-
mum global sur S.
Exercice 2. On considère le problème suivant :
x2 + y 2
(
min
(P ) s.à
(x − 1)3 − y 2 = 0
(1) Montrer que la contrainte est qualifiée en tout point sauf (1, 0).
(2) Montrer qu’aucun point ne satisfait les conditions nécessaires de KKT.
(3) Le problème (P ) admet-il une solution ?
Exercice 3. Soit f une fonction définie sur R2 par
f (x, y) = x2 + y 2
et soit
S = {(x, y) ∈ R2 / xy = 1}
(1) Trouver graphiquement les optima de f sur S
(2) Retrouver le résultat en utilisant le théorème de KKT.
Exercice 4. Soit le problème
f (x) = −x1 − x2 − x2 x3 − x1 x3

min
(P ) s.à
x1 + x2 + x3 − 3 = 0
(1) Montrer que la fonction f n’est pas coercive.
(2) La fonction f est-elle convexe ?
(3) Déterminer les points vérifiant les conditions nécessaires de KKT.
(4) Montrer que pour tout x ∈ R3 vérifiant x1 + x2 + x3 − 3 = 0, on a f (x) = (x1 + x2 − 2)2 − 4.
(5) En déduire les solutions optimales du problème (P ).
Exercice 5. On considère le problème d’optimisation :
x41 + 3x42
(
min
(P ) s.à
x21 + x22 ≥ 1
(1) Montrer le problème (P ) admet au moins une solution optimale.
(2) Vérifier que la contrainte est qualifiée en tout point.
(3) Soit x∗ une solution optimale. Montrer que
x∗2 ∗2
1 + x2 = 1
(4) Résoudre le problème (P ) .
Exercice 6. Soit le problème

 max −(x − 4)2 − (y − 4)2
s.à

(P ) x+y ≤4

x + 3y ≤ 9


(1) Justifier l’existence et l’unicité de la solution du problème (P )

(2) Appliquer le théorème de KKT pour la détermination de cette solution.
2

(3) Mêmes questions pour le problème :

x2 + y 2 + z 2

 min
(P ) s.à
 x + 2y + z = 1
2x − y − 3z = 4
Exercice 7. Soit Rn muni de son produit scalaire usuel et de la norme euclidienne ||.|| associée. Etant
donné a ∈ Rn . On considère le problème d’optimisation suivant :

min fa (x)
s.à



(Pa ) 1
∥x∥2 ≤


 T 4
a x≤0
où fa (x) = − ln(1 − ∥x∥2 ) + aT x ∀x ∈ Rn tel que ∥x∥ < 1
(1) Vérifier que le problème (Pa ) admet une solution unique.
(2) Résoudre (Pa ) pour a = 0.
On suppose maintenant que a ̸= 0.
(3) On désigne par x∗ la solution de (Pa ). Montrer que aT x∗ < 0.
(4) En distinguant selon que la contrainte ∥x∥2 ≤ 41 est active ou pas en x∗ , montrer que
(
a
p
∗ − ∥a∥ 2( 1 + ∥a∥2 − 1) si 0 < ∥a∥ < 43
x = a
− 2∥a∥ si ∥a∥ ≥ 34
Exercice 8. On considère le problème (P ) suivant :
1
(
(P ) min x21 + x22 + x1 x2 + x1
s.à 3
x1 + x2 − 1 ≤ 0
(1) Vérifier que pour tout µ ∈ R, la fonction x 7→ L(x, µ) est strictement convexe sur R2 où L est
la fonction de Lagrange associé à (P )
(2) Déterminer explicitement le problème duale (D) de (P ).
(3) Résoudre le problème (D).
(4) Utiliser les résultats précédents pour résoudre (P ).
Exercice 9. Soient A une matrice de Rn × Rn symétrique définie positive, a, b ∈ Rn avec a ̸= 0 et
c ∈ R. On considère le problème
1 T

 min x Ax − bT x
(P ) s.à 2
 aT x − c ≤ 0

Soit L la fonction de Lagrange associé à (P ) :

(1) Vérifier que la fonction x 7→ L(x, u) est strictement convexe sur Rn .
(2) Déterminer la fonction duale.
(3) Résoudre le problème duale (D) de (P ).
(4) Montrer que les problèmes (P ) et (D) ont la même valeur optimale.
(5) Utiliser les résultats précédents pour résoudre (P ).
Exercice 10. Soit a ∈ R+
∗ . On considère le problème d’optimisation suivant :
n

 X
 min f (x) = xi
(P ) s.à i=1
 ∥x∥2 ≤ a


(1) Vérifier que pour tout µ > 0, la fonction x 7→ L(x, µ) est strictement convexe sur Rn où L est
la fonction de Lagrange associé à (P )
(2) Montrer que la fonction duale est définie par :
( n
− − aµ si µ > 0
θ(µ) = 4µ
−∞ si µ ≤ 0
(3) Trouver la solution optimale et la valeur optimale du problème dual (D) de (P ).
(4) En déduire la solution optimale du problème (P ).