L3 SIF Mathcomp

Optimisation 2020-2021

3. Optimisation sous contraintes mixtes

Exercice 1. On s’intéresse aux extrema de la fonction f : (x, y) 7→ x + y sous les contraintes :


xy > 2,
y 6 −2x + 5.

1. Étudier la condition de qualification des contraintes.

2. Trouver tous les extrema de f et donner leur nature.

Correction :
1. On rappelle qu’une condition  suffisante pour que les contraintes soient qualifiées en (x, y) est que
la famille de vecteurs de R2 ∇gi (x, y) i∈I(x,y) soit libre, où les gi sont les contraintes et I(x, y) est
l’ensemble des indices pour lesquels les contraintes sont saturées. Pour le problème considéré ici, on a
g1 (x, y) = 2 − xy et g2 (x, y) = y + 2x − 5. On calcule donc
   
−y 2
∇g1 (x, y) = et ∇g2 (x, y) = .
−x 1

On distingue alors les cas possibles pour I(x, y) :

— si I(x, y) = ∅, les contraintes sont trivialement qualifiées ;
— si I(x, y) = {1} : dans ce cas seule la première contrainte est qualifiée, donc on a xy = 2. En
particulier cela implique que x 6= 0 et y 6= 0 donc la famille ∇g1 (x, y) est bien libre. Ainsi les
contraintes sont qualifiées dans ce cas ; 
— si I(x, y) = {2} : on a ∇g2 (x, y) 6= 0 pour tout (x, y) ∈ R2 , donc ∇g2 (x, y) est libre et les
contraintes sont qualifiées ;
— enfin, si I(x, y) = {1, 2}, alors xy = 2 et y = −2x + 5. La famille
n   o
 −y 2
∇g1 (x, y), ∇g2 (x, y) = ,
−x 1

étant libre si et seulement si y 6= 2x, il reste à étudier le cas où y = 2x. Mais dans ce cas la
saturation des contraintes implique que x = ±1 et x = 54 , ce qui est impossible. Donc les contraintes
sont également qualifiées dans ce cas.
Ainsi on a montré que les contraintes sont toujours qualifiées.

2. Le Lagrangien du problème est L(x, y, λ, µ) = x + y + λ(2 − xy) + µ(y + 2x + 5). Par le théorème de
Karush-Kuhn-Tucker (KKT), les extrema de f sous les contraintes g1 (x, y) ≤ 0, g2 (x, y) ≤ 0 satisfont le
système 
 1 − λy + 2µ = 0,
∇x,y L(x, y, λ, µ) = 0,


 
1 − λx + µ = 0,
g1 (x, y) ≤ 0, g2 (x, y) ≤ 0, ⇔
  xy ≤ 2, y ≤ −2x + 5,
λg1 (x, y) = 0, µg2 (x, y) = 0.
 

λ(2 − xy) = 0, µ(y + 2x + 5) = 0.


On distingue alors les cas selon si les contraintes sont saturées ou non.
— si I(x, y) = ∅ : dans ce cas λ = µ = 0 et le système n’a pas de solution ;
 
1 − λy = 0

— si I(x, y) = {1} : alors xy = 2 et µ = 0 et le système est réduit à 1 − λx = 0 . En particulier

xy = 2

x et y sont non nuls, et en multipliant la √première ligne par x et la seconde par y on obtient
√
x = 2λ = y et ainsi x = y = ± 2 et λ = ± 22 ; (
1 + 2µ = 0
— si I(x, y) = {2} : cette fois λ = 0 et y + 2x + 5 = 0. On obtient donc le système
1+µ=0
qui n’a pas de solution ;
— enfin, si I(x, y) = {1, 2}, on a donc xy = 2 et y + 2x + 5 = 0. En particulier 2x2 + 5x + 2 = 0 et
donc x = x± = − 54 ± 34 et y = y± = x2± . Enfin, on obtient pour (λ± , µ± ) les systèmes
( (
1 + 4λ+ + 2µ+ = 0 1 + λ− + 2µ− = 0
et
1 + 12 λ+ + µ+ = 0 1 + 2λ− + µ− = 0.

On obtient finalement λ+ = 31 , µ+ = − 67 , λ− = 31 = µ− .
Ainsi les solutions du système sont
n √ √ √2 √ √
√
2 1 1 7 1 1 o
(x, y, λ, µ) ∈ ( 2, 2, , 0), (− 2, − 2, − , 0), (− , −4, , − ), (−2, −1, , ) .
2 2 2 3 6 3 3
Pour savoir si ce sont des minima locaux, des maxima locaux ou des points selles, on regarde le signe des
multiplicateurs de Lagrange. En effet, le théorème KKT stipule que dans le cas d’un minimum local, les
multiplicateurs
√ √ sont positifs ou nuls. On en déduit que :
— ( √ 2, 2)√et (−2, −1) sont des minima locaux ;
— (− 2, − 2) est un maximum local ;
— (− 12 , −4, ) est un point selle.
Enfin, pour achever la classification, notons que f (− n2 , −n) → −∞ lorsque n → ∞ et donc f n’a pas
√ √
de minimum global satisfaisant les contraintes. Ainsi( 2, 2) et (−2, −1) sont seulement des minima
locaux. Par contre, l’ensemble des contraintes K = (x, y) ∈ R2 , xy ≥ 2, y ≤ −2x + 5 n’est pas
borné (comme
 on vient de le voir), mais K = K+ t K− avec K+ = (x, y) ∈ K, x > 0, y > 0
et K− = (x, y) ∈ K, x < 0, y < 0 , et K+ est compact. Ainsi, pour (x, y) ∈ K, si k(x, y)k → ∞
alors nécessairement (x, y) ∈ K− et donc x → −∞ ou y → −∞. Dans les deux cas on a f (x, y) → −∞.
Ceci
√ montre
√ que (−f ) est coercive sur K, et donc f admet un maximum global, qui ne peut être que
(− 2, − 2).

Exercice 2. On note x = (x1 , . . . , xn ) ∈ Rn . On cherche les extrema globaux de la fonction

n
X
f : x ∈ Rn 7→ xi 2 ,
i=1

sur l’ensemble A donné par

( n
)
X
n
A= x∈R , xi = 1 et xi > 0 pour tout i 6 n .
i=1

1. Étudier la qualification des contraintes.

2. Définir le Lagrangien du problème d’optimisation et déterminer les points critiques du problème
de Karush-Kuhn-Tucker associé.
3. Conclure.

Correction : 
1. L’ensemble des contraintes est donné parPK = x ∈ Rn , g1 (x) ≤ 0, ..., gn (x) ≤ 0, gn+1 (x) = 0
n
avec gi (x) = −xi , i = 1, ..., n et gn+1 (x) = i=1 xi − 1. En particulier on a les ensembles d’indices
J = {1, ..., n} et E = {n + 1}. Dans le cas de contraintes mixtes, une condition suffisante de qualification
des contraintes est que la famille ∇gi (x) i∈E∪I(x) soit libre, où I(x) ⊂ J est l’ensemble des indices
des contraintes saturées en x ∈ Rn . Puisque
  ∇gi (x) = ei pour i = 1, ..., n (avec ei les vecteurs de la
1
n  .. 
base canonique de R ) et ∇gn+1 (x) =  . , on voit que la famille est libre si et seulement si I(x) 6= J .
1
I(x) = J implique que pour tout i = 1, ..., n on a xi = 0, i.e. x = 0, ce qui est exclu par la
Mais le casP
n
contrainte i=1 xi = 1. Ainsi les contraintes sont toujours qualifiées.

2. Le Lagrangien est donné par

n
X n
X n
X n  

X
L(x, µ1 , ..., µn+1 ) = x2i − µi xi + µn+1 xi − 1 = x2i + (µn+1 − µi )xi − µn+1 .
i=1 i=1 i=1 i=1

Le problème KKT s’écrit alors

 
∇x L(x, µ1 , ..., µn+1 ) = 0,
 2xi + µn+1 − µi = 0, P
 i = 1, ..., n,
n
g1 (x) ≤ 0, ..., gn (x) ≤ 0, gn+1 (x) = 0, ou encore xi ≥ 0, i = 1, ..., n, i=1 xi = 1,
 
µ1 g1 (x) = ... = µn gn (x) = 0, µ1 x1 = ... = µn xn = 0.
 

On a alors xi = 0 et µi = µn+1 pour i ∈ I(x), xi = − µn+1

P
2 et µi = 0 pour i ∈ J \ I(x), et i∈I(x)
/ xi =
2
1 =⇒ µn+1 = − #(J \I(x)) . Notons que #(J \ I(x)) 6= 0 puisqu’on a vu plus haut que le cas I(x) = J
est exclu. Ainsi les points critiques du problème KKT sont les x = p1 δJp pour p = 1, ..., n et Jp ⊂ J
parcourt(les sous-ensembles de J de cardinal p, et où on note δJp le vecteur de Rn de coordonnées
1 si i ∈ Jp ,
(δJp )i = .
0 sinon.
3. Notons que K est fermé, et borné puisque 0 ≤ xi ≤ 1 pour x ∈ K. Donc K est compact, et comme f est
continue on en déduit que f admet un minimum global et un maximum global sur K. Les multiplicateurs
de Lagrange associés au point critique x = p1 δJp sont µi = 0 si i ∈ Jp et µi = − p2 si i ∈ J \ Jp , et donc
en particulier sont négatifs ou nuls, avec le cas particulier p = n pour lequel Jn = J et tous les µi = 0.
Ainsi, x = n1 δJ est l’unique minimum global de f sur K, tandis que pour p = 1, ..., n − 1 et Jp ( J
un ensemble d’indices de cardinal p, x = p1 δJp est un maximum local. La valeur de f en ces points est
maximum lorsque p = 1, et ainsi les maxima globaux de f sont les x = ei pour i = 1, ..., n.

Exercice 3. On s’intéresse au problème

min y − x3 ,
(x,y)∈K

2 2 2
où K = [0, 1] ∩ {(x, y), (x − 1) + (y − 1) > 1}.
1. Montrer l’existence de solutions du problème.
2. Étudier la qualification des contraintes.
3. Résoudre le problème de Karush-Kuhn-Tucker associé et conclure.

Correction :

1. L’ensemble K est fermé, et borné car K ⊂ [0, 1]2 . Donc K est compact, et f est polynomiale en (x, y),
donc en particulier continue. Ainsi f admet un minimum global sur K et donc le problème admet au
moins une solution.

2. On écrit K sous la forme K = {(x, y) ∈ R2 , gi (x, y) ≤ 0, i = 1, ..., 5} avec

g1 (x, y) = −x, g2 (x, y) = x − 1, g3 (x, y) = −y, g4 (x, y) = y − 1, g5 (x, y) = 1 − (x − 1)2 − (y − 1)2 .

      
1 0 −2x + 2
On a ∇g2 = −∇g1 = , ∇g4 = −∇g3 = et ∇g5 (x, y) = . Notons que les contraintes 1
0 1 −2y + 2
et 2 (respectivement 3 et 4) ne peuvent pas être saturées en même temps. On peut alors discuter selon
I(x, y).
— si I(x, y) = ∅, les contraintes sont qualifiées ;
n 1 0 o
— si 5 ∈/ I(x, y), les contraintes sont qualifiées car , est libre ;
0 1
— si 5 ∈ I(x, y) et #I(x, y) = 1, les contraintes sont qualifiées si (x, y) 6= (1, 1), ce qui est vérifié car
(1, 1) ∈
/ K;
— si 5 ∈ I(x, y) et #I(x, y) = 2, alors dans les cas I(x, y) = {1, 5} ou {2, 5}, les contraintes sont
y 6= 1, ce qui est le cas puisque 4 ∈
qualifiées si n / I(x,
o y). De même, si I(x, y) = {3, 5} ou {4, 5} ;
— si I(x, y) ∈ {1, 3, 5}, {1, 4, 5}, {2, 3, 5}, {2, 4, 5} , alors on note d’abord que {1, 3, 5} ⇒ (x, y) =
(0, 0) qui ne sature pas 5, et de même {2, 4, 5} est exclu. Enfin, les cas {1, 4, 5} et {2, 3, 5}
correspondent à (x, y) = (0, 1) et (x, y) = (1, 0) qui sont admissibles. Les vecteurs ∇g1 , ∇g4 et
∇g5 sont alors liés, et il faut donc revenir à la définition de la qualification des contraintes pour
pouvoir conclure : si v = (−1, 1), alors v vérifie bien que h∇gi , vi < 0 pour i ∈ I(x, y) et donc les
contraintes sont encore qualifiées aux points (0, 1) et (1, 0).
3. Le problème KKT s’écrit


 −3x2 − µ1 + µ2 + µ5 (−2x + 2) = 0,

1 − µ + µ + µ (−2y + 2) = 0,
3 4 5


 0 ≤ x ≤ 1, 0 ≤ y ≤ 1, (x − 1)2 + (y − 1)2 ≥ 1,
 
µ1 x = 0, µ2 (x − 1) = 0, µ3 y = 0, µ4 (y − 1) = 0, µ5 1 − (x − 1)2 − (y − 1)2 = 0.


On discute alors selon les cas possibles pour I(x, y) comme pour l’étude de la qualification des contraintes.
— Si I(x, y) = ∅ alors tous les µi sont nuls et le système n’a pas de solution ;
— Si 5 ∈ / I(x, y), alors µ5 = 0 et x, y < 1 donc µ2 = µ4 = 0. On a alors µ3 = 1 6= 0 donc y = 0,
et µ1 = −3x2 donc avec la condition µ1 x = 0 on obtient x = 0 = µ1 . On a donc une solution
(x, y, µ1 , ..., µ5 ) = (0, 0, 0, 0, 1, 0, 0).
— Si 5 ∈ I(x, y), on procède différemment. En effet dans ce cas le système est compliqué à résoudre
(non-linéaire) mais p on peut raisonner de la manière suivante p : si la contrainte 5 est saturée
on a y = 1 − 1 − (x − 1)2 et alors f (x, y) = F (x) = 1 − 1 − (x − 1)2 − x3 . On note que
F 0 (x) = √ x−1 2 − 3x2 < 0 et donc le minimum global de f , s’il est atteint en un point
1−(x−1)
1
satisfaisant la contrainte 5, ne peut alors être que (x, y) = (1, 0), auquel cas µ5 = 2(y−1) = − 12 < 0.
Or le théorème KKT stipule que les µi ≥ 0 pour le minimum de f . Donc ce n’est pas (1, 0).
Ainsi le minimum global de f sur K est atteint en (0, 0).

Exercice 4. Résoudre le problème de minimisation

min x(1 + y 2 )

sous les contraintes :


x2 + y 2 6 4,
2
y > 1 − x .
4

Correction :
2
Notons que l’ensemble des contraintes K = (x, y) ∈ R2 , x2 + y 2 ≤ 4, y ≥ 1 − x4 est compact et


f (x, y) = x(1 + y 2 ) est continue, donc il y a au moins une solution au problème de minimisation. Les
2
contraintes sont g1 (x, y) = x2 + y 2 − 4 et g2 (x, y) = 1 − x4 − y, et
   x 
2x
∇g1 (x, y) = , ∇g2 (x, y) = 2 ,
2y −1
et en particulier les contraintes sont qualifiées si x 6= 0 et y =
6 −2. Si x = 0, alors f (x, y) = 0 et donc ce
n’est pas le minimum de f sur K (par exemple (−1, 1) est admissible, et f (−1, 1) = −2 < 0). Si y = −2,
alors la contrainte 1 est satisfaite seulement pour x = 0, mais la contrainte 2 n’est alors pas satisfaite. Ainsi
la contrainte est toujours qualifiée pour les candidats potentiels. Afin de trouver le minimum (x, y) ∈ K,
on résout le problème KKT associé :

1 + y 2 + 2xλ + 12 xµ = 0,




2yx + 2yλ − µ = 0,
2
x2 + y 2 ≤ 4, y ≥ 1 − x4 ,

2

λ(x2 + y 2 − 4) = 0, µ(1 − x4 − y) = 0.


On discute alors selon les valeurs possibles de I(x, y) :

— si I(x, y) = ∅ alors λ = µ = 0 et le système n’a pas de solution ;
— si I(x, y) = {1} alors µ = 0 et x2 + y 2 = 4. Si y = 0 alors x = ±2 donc la contrainte
 2 est également
2 2
1 + y − 2x = 0,

saturée, ce qui contredit 2 ∈
/ I(x, y). Donc y = 2 2
6 0, et alors λ = −x et ainsi x + y = 4,
2
y > 1 − x4 ,


q q
ce qui implique y = 73 et x = ± 53 = −λ. Par la condition λ ≥ 0 du théorème KKT, on en
q q
déduit que le seul candidat possible dans ce cas est (x, y) = (− 53 , 73 ) ;
x2
— si I(x, y) = {2} alors λ = 0 et y = 1 − 4 .Dans ce cas µ = 2yx et 1 + y 2 + yx2 = 0 ⇒
√ p √
3X 2 − 8X − 32 = 0 avec X = x2 ≥ 0. Donc X = 43 (1 + 7) et x = √23 1 + 7 > 2, ce qui est
exclu ;
2
— enfin si I(x, y) = {1, 2}, alors x2 + y 2 = 4 et y = 1 − x4 , donc X 2 + 8X − 48 = 0 avec X = x2 ≥ 0.
1
Donc X = 4 et x = ±2, y = 0, µ = 0 et λ = − 2x = ∓ 14 . Encore une fois, la condition λ ≥ 0 impose
x = −2 et on trouve
q q un second candidat (x, y) = (−2, 0).
La comparaison f − 3 , 73 < −2 = f (−2, 0) permet de conclure que le minimum global de f est
5


q q

− 53 , 73 .