Vous êtes sur la page 1sur 59

Introduction

La programmation mathmatique est un domaine trs actif de recherche


en mathmatiques et a de nombreuses applications dans les autres sciences
et de lindustrie. Lobjectif gnral est de minimiser (ou maximiser) une
fonction objective dont les arguments sont rserv un ensemble de points
possible. Gnralement lensemble ralisable est dcrite par des contraintes
comme des quations, des ingalits, ou les conditions dintgralit. Bien
sr, il est difcile de rsoudre le problme dans le cadre gnral. Par cons-
quent, plusieurs branches de la recherche volu, qui a examin les classes
spciales des problmes doptimisation par exemple aux programmes li-
naires, loptimisation de sous contrainte, convexe programmes, et lopti-
misation combinatoire. Une tche intressante est de dvelopper la thorie
et des solveurs qui couvrent deux ou plusieurs de ces branches.
Une classe trs gnrale de problmes doptimisation des programmes co-
nique, qui sont des programmes linaires sur un cne. savoir, la fonction
objective est linaire et lensemble ralisable est dni par des contraintes
linaires et la condition supplmentaire que la variable est dans un cne.
cnes bien tudis sont les orthants non ngatif, le cne de matrices semi-
dnies positives, et le cne du second ordre. Le correspondant programmes
coniques sont rsolubles en temps polynomial par point intrieur mthodes.
Par consquent, les problmes NP-complets ne peuvent tre rsolus via les
coniques programmes. Nanmoins, dans la programmation semi-dnie
permet notamment le calcul des limites fort pour de nombreux problmes
doptimisation NP-complet. Une question qui se pose naturellement est de
savoir si ces limites peuvent tre renforces par laide de cnes diffrents.
La rponse est afrmative. Remplacement le cne semi-dnie positive
par le cne copositive
C = A R
nn
[
t
xAx 0 f or all x 0
conduit ce quon appelle les programmes copositive. Cette classe contient
de nombreux problmes doptimisation difciles comme clique max, daf-
fectation quadratique, de partitionnement de graphe, quadratique stan-
dard, certaines fractions de problmes quadratiques et linaires et non
1
convexe problmes quadratique avec des contraintes binaires. Cela im-
plique que
programmation copositive est NP-difcile, et mme pire que de dcider si
une matrice donne est copositive est un problme co-NP-complet. Dautre
part, programmes copositive sont des problmes doptimisation convexe
et le seul dur contrainte est la condition copositivity. Ainsi, la manipula-
tion de cette contrainte sera cruciale pour rsoudre des programmes copo-
sitive.
Depuis matrices copositive ont t introduites par Motzkin dans les an-
nes 1950, beaucoup des critres pour copositivity ont t dvelopps.
Initialement, lobjectif tait sous-matrices et leurs dterminants. En 2000,
Parrilo suggr un critre de type diffrent, qui est bas sur ingalits
matricielles linaires et peuvent tre vris par la programmation semi-
dnie. Cela permet non seulement de vrier si une donne matrice est
copositive mais donne galement une squence dintrieur cnes rappro-
chement du cne copositive qui est exacte dans la limite. Cela offre un
moyen de rsoudre programmes copositive en remplaant le cne copo-
sitive par un rapprochement cne. DeKlerk et Pasechnik (2002), et Bomze
DeKlerk (2002), et Pena et al. (2007) dnissent des squences similaires,
qui conduisent des linaires ou semi dnitive programmes. Ils ont en
commun quils approximative du cne copositive uniforme, mais la taille
des programmes linaires ou semi dnitive des augmentations trs rapi-
dement avec la prcision de lapproximation.
Ni pour tester si une matrice donne est copositive ni doptimiser sur le
cne copositive il est ncessaire de rapprocher le cne copositive uniforme
que seule une petite partie du cne est pertinente. Ainsi, nous proposons
des squences dapproximations intrieure et extrieure, qui peut tre raf-
n localement en fonction de linstance du problme. Cela rduit la crois-
sance de la la taille de lapproximation et permet de rsoudre plus de cas
plus lev prcision. En outre plus, que nous considrons comme des ap-
proximations intrieures et extrieures, nous toujours connatre la qualit
de notre rapprochement. Cette approche peut tre applique pour le test
et la rsolution des programmes copositivity copositive ainsi. Numrique
expriences montrent des rsultats trs prometteurs et pour certaines cat-
gories de notre problme la mise en uvre ralise mme un solveur ltat
de lart-optimisation globale comme BARON (Tawarmalani et Sahinidis,
2
2004).
La thse est une introduction la programmation autonome et copositive
est organis comme suit. Chapitre 1 nonce les proprits de base
de matrices copositive et donne un aperu des critres de copositivity. Le
cne copositive, son double cne, cnes et se rapprochant le cne copo-
sitive sont dcrits dans Chapitre 2. Dans le chapitre 3, les diffrentes for-
mulations de programmes coniques sont discutes et des rsultats prsen-
ts dualit, qui sera utilis plusieurs reprises dans le chapitre suivant.
Cela donne un aperu des problmes doptimisation qui peut tre formu-
ls comme des programmes copositive. Le chapitre 5 examine algorithmes
pour decide si une matrice donne est copositive et le chapitre 6 considre
algorithmes pour rsoudre des programmes copositive
3
Ces algorithmes sont labors partir des critres du chapitre 1 et les ap-
proximations du chapitre 2. Convergence et quelques dtails de mise en
uvre sont examins et les rsultats numriques prsents. Le dernier cha-
pitre prsente quelques sujets intressants de nouvelles recherches et les
tats des questions ouvertes qui se posent partir des rsultats de cette
thse.
Contributions
Les principales contributions de la thse sont :
Nous dcrivons de nouveaux critres ncessaires et sufsants pour co-
positivity base sur des partitions simplicial (cf. section 1.4), de dvelop-
per un algorithme bas sur ces conditions pour tester si une matrice don-
ne est copositive (voir Section 5.2) et prsente des rsultats numriques
pour une application certains instances du problme clique max. Ces
rsultats ont t publis dans (Bundfuss et Dur , 2008).
Les avantages des nouveaux critres pour copositivity par rapport cri-
tres fonds sur les sous-matrices et leurs dterminants est dmontre
par une application sur le terrain des systmes dynamiques (cf. Sec-
tion1.4.1). Il apparatra dans (Bundfuss et Dur, 2009b).
En utilisant les nouveaux critres, nous dnissons linaire rapproche-
ment interne et externe cnes du cne et de lexactitude copositive mon-
trer dans la limite (cf. Sec- tion 2.4). Ces rsultats permettent de rsoudre
des programmes copositive comme dcrit la section 6.2. Nous dcla-
rons un algorithme, parler de convergence et de certains dtails de mise
en uvre, et donnent des rsultats numriques. Celui-ci apparatra dans
(Bundfuss et Dur, 2009a).
Dans la section 2.4.1.2, nous gnralisons notre approche, ce qui conduit
semi- approximations dnitive. Celles-ci pourraient amliorer les r-
sultats en particulier pour les problmes combinatoires (voir section
7.3).
Dans la section 4.1, nous gnralisons le problme quadratique stan-
dard. Cette les rendements dun problme que nous appelons seul pro-
4
blme contrainte quadratique (SQC), qui contient les programmes stan-
dard quadratique, clique max, et certains problmes fractionnaires. Nous
montrons que (SQC) peut tre formule comme programme tout fait
positive et que copositive.
Pour certaines catgories de programmes copositive lalgorithme pr-
sent dans Section 6.2 peuvent tre spcialises telles quil nya pas de
LP-solver ncessaire (Voir section 7.2).
5
Notation
Nous utilisons la notation suivante : Lensemble des nombres naturels est
not Net lensemble des nombres rels par des scalaires et les vecteurs de
R. sont dsigns par lettres minuscules et les matrices et les ensembles
par des lettres majuscules. Calligraphie lettres indiquent les cnes, par
exemple :
S = A R
nn
[
t
A = A
dsigne le cne des matrices symtriques. Les indices sont principalement
utiliss pour se rfrer des lments dun vecteur ou une matrice, sa-
voir, pour v R
n
et A R
mn
nous avons
v =
_
_
_
v
1
.
.
.
v
n
_
_
_
et
A =
_
_
_
A
11
A
1n
.
.
.
.
.
.
A
m1
A
mn
_
_
_
Il ya des exceptions. Par exemple, e
i
est le vecteur unit dont la i-me l-
ment est une et tous les autres sont nuls et E
ij
de la matrice symtrique
1
2
(e
i
t
e
j
+ e
j
t
e
i
). Lensemble E
ij
/i, j 1, ..., n avec i j avec une base
du vecteur lespace des matrices symtriques S.
Si A est la matrice, A
i
renvoie la colonne i-me et A
i
la i-me ligne
de A. Pour un vecteur v donn ou dune matrice A, les relations v 0 et
A 0 sera compris lentre sage. Le produit intrieur de matrices (ou vec-
teurs)
A, B R
mn
est dsign par
A, B = tr(
t
BA) =
m

i=1
n

j=1
A
ij
B
ij
6
La multiplication lment par lment (Hadamard produit) des matrices
(ou des vecteurs) A, B R
mn
est dsigne par :
AoB =
_
_
_
A
11
B
11
A
1n
B
1n
.
.
.
.
.
.
A
m1
B
1m
A
mn
B
mn
_
_
_
Le produit de Kronecker des matrices A R
mn
et B R
kl
A B =
_
_
_
A
11
B A
1n
B
.
.
.
.
.
.
A
m1
B A
mn
_
_
_
R
kmln
La dimension des cnes comme le cne des matrices symtriques S nest
pas a dclar explicitement que ce sera vident dans le contexte. Habituel-
lement n noterons lordre de la matrice, cest dire, si A S, il sagit dune
matrice nn. Pour une liste complte des symboles et des oprateurs uti-
liss dans la thse voir la nomenclature.
7
Chapitre 1
Matrices Copositives
Dans ce chapitre, nous prcisons la dnition des matrices copositive et
certaines proprits de base dans la premire section. Dans les autres sec-
tions de plusieurs critres pour la copositivit qui sont prsents.
Dans les cinquante dernires annes, de nombreux critres ncessaires et
sufsantes pour copositivit ont t trouvs, qui peuvent tre regroups
en gros en deux catgories. Dabord laccent tait mis sur lexamen sous-
matrices principales et leurs dterminants et valeurs propres. Certains cri-
tres de ce type sont dcrits dans la section 1.2. Lautre type de critres
sont ceux qui utilisent des ingalits matricielles linaires (LMI). Ont t
dvelopps dans les dix dernires annes et sont dcrits dans les sections
1.3 et 1,4.
Tous les critres ont en commun quil est en gnral trs coteux de vri-
er eux. La raison en est que le problme de la dcision de savoir si une
matrice est pas copositive est NP-complet. Ce fut dabord reprsent par
Murty et Kabadi en rduisant le problme de la somme sous-ensemble
des tests non-copositive (voir (Murty et Kabadi, 1987) pour details) Le
NP-compltude rsulte galement de la la reprsentation du problme co-
positive maximum clique (cf. section 4.1.3).
1.1 Dnition et proprits de base
La dnition dune matrice copositive est trs similaire la dnition des
matrices semi-dnies positives. Une matrice est copositive si la forme
quadratique correspondante est positive pour tous les arguments positifs
ou nuls, cest--dire.
Dnition 1.1 (Copositive, plus copositive, strictement copositive)
Une matrice symtrique A? S est appel copositive si :
t
xAx 0 pour tout x 0
8
A matrice copositive est appele plus copositive, si
x 0 et
t
xAx = 0 A x = 0
A matrice copositive est appele strictement copositive si
x 0 et
t
xAx = 0 x = 0
Des exemples de matrices sont des matrices copositive non ngatives et
matrices positives semi dnies . En dimension n = 2, lensemble des ma-
trices copositive est exactement lunion de lensemble des matrices non n-
gatives et lensemble des semi-dnie positive matrices. Pour n = 3 et n =
4, toute matrice copositive est la somme dun positive ou nulle et une ma-
trice semi-dnie positive (voir (Diananda, 1962)). Dans des dimensions
suprieures, il existe des matrices copositive qui ne peut tre crite comme
la somme dun ngatif et un positif non semi matrice dnie. Un exemple
dune matrice de cette proprit est
H =
_
_
_
_
_
_
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
1 1 1 1 1
_
_
_
_
_
_
qui a t trouv par Horn comme le premier exemple (voir (Diananda,
1962)). Pour voir que H est copositive considrer la forme quadratique
correspondante :
t
xAx = (x
1
+ x
2
+ x
3
+ x
4
+ x
5
)
2
(1)
4x
1
x
2
4x
2
x
3
4x
3
x
4
4x
4
x
5
4x
5
x
1
. (2)
= (x
1
x
2
+ x
3
+ x
4
x
5
)
2
+ 4x
2
x
4
+ 4x
3
(x
5
x
4
) (3)
= (x
1
x
2
+ x
3
x
4
+ x
5
)
2
+ 4x
2
x
5
+ 4x
1
(x
4
x
5
) (4)
9
Le terme (3) est videmment non ngatif si x 0 et x
5
x
4
, tandis que le
terme (4) est non ngatif si x 0 et x
4
x
5
. Ainsi,
t
x H x 0
pour tout x 0.
Il peut tre dmontr que H est extrme, cest dire, H = H
1
+ H
2
avec H
1
, H
2
copositive implique quil existe [0, 1] avec H
1
= H et H
2
= (1-)H.
Pour une preuve de cette proprit voir par exemple (Hall et Newman,
1963) ou (Baston,
1969). De toute vidence, H nest ni positif ou nul, ni semi-dnie positive
que pour x = (1, 0, -1, -1, 0), nous avons
t
x H x = - 3. Par consquent, H
nest pas la somme dune matrice semi dnie positive et une matrice non
ngative depuis une dcomposition H = N + S avec N non ngative et S
semi dnie positive serait en contradiction avec le fait que H est extrme.
Certaines proprits de base des entres dune matrice copositive sont
rsumes dans le lemme suivant.
Lemme 1.2 :
Soit A S tre copositive. Alors, nous avons :
(a) Tous les lments diagonaux de A sont non ngatifs. Si A est
strictement positive, elles sont positives.
(b) Si A
ii
= 0, alors A
ij
0 pour tout j 1, . . . ,n.
Preuve
(a) Notons e
i
le i-me vecteur unitaire . Il rsulte de la dnition que pour
tout i 1,. . . , n
0
t
e
i
A e
i
= A
ii
et dans le cas que A est strictement copositive
0 <
t
e
i
A e
i
= A
ii
10
(b) Il rsulte de la dnition que pour tout i, j 1,. . . , n et > 0
t
( e
i
+ e
j
) A ( e
i
+ e
j
) 0

2
A
ii
+ 2 A
ij
+ A
jj
0
A
ij

A
jj
2

0
Pour dimensions infrieures, lensemble des matrices copositive peut tre
explicitement dcrit les ingalits en termes de coefcients de
la matrice : soit x 0. Considrons n = 2. Si x
1
= 0 (x
2
= 0), nous avons
t
x A
t
x 0 si et seulement si A
22
0 (A
11
0). Si x > 0, nous avons :
t
x A
t
x 0
A
11
x
2
1
+ 2 A
12
x
1
x
2
+ A
22
x
2
2
0
A
11
+ 2 A
12
x
2
x
1
+ A
22
(
x
2
x
1
)
2
0
En substituant y pour
x
2
x
1
il sensuit que
t
x A x 0 si et seulement si le
polynme A
11
+ 2 A
12
y A
22
y
2
na pas de zros ou de tous les zros sont
non positives. Dans le cas A
22
= 0, il sensuit que A
12
0. Sinon, les zros
sont
A
12

_
A
2
12
A
11
A
22
A
22
Ainsi, A
2
12
A
11
A
22
0 ou A
12
0. Pour rsumer, pour n = 2, nous
avons que A est copositive si et seulement si
A
11
0 A
22
0 (A
11
A
22
A
2
12
0 A
12
0) (1.3)
Notez que ceci implique que A est semi-dnie positive ou non ngatif.
Une rsultat similaire pour le cas n = 3 peut tre trouve dans (Hadeler,
1983) et pour n = 4 dans (Li et Feng, 1993).
Bien que dnitude semi positive est invariante sous des transformations
de base, cest dire pour toutes les matrices T R
nn
non singulire, nous
avons
A o
+

t
T A T o
+
11
o o
+
= A S[
t
x A x 0pourtout x R
n
est le cne de matrices
semi dnies positives, ce nest pas vrai pour la copositivit. Considrons
par exemple
A =
_
1 2
2 1
_
et T =
_
0 1
1 0
_
De toute vidence, A est copositive et T inversible, mais
t
T A T =
_
1 2
2 1
_
nest pas copositive car il ne remplit pas la condition (1.3).
Toutefois, si lensemble des transformations est limite la permutation
et chelle, la copositivit est invariant comme indiqu dans le lemme sui-
vant.
Lemme 1.3 :
(a) Soit P o une permutation, cest--P M 0,1
nn
|
t
M M = I.
Alors A o est (strictement) copositive si et seulement si
t
P A P est
(strictement) copositive.
(b) Soit S o avec S = Diag (diag (S)) et diag (S) > 0. Puis, A o est
(strictement) copositive si et seulement si
t
S A S est (strictement)
copositive.
Les cartes linaires diag et Diag fournir la diagonale dune matrice donne
respectivement une matrice diagonale avec donne en diagonale, cest--
dire,
diag : R
nn
R
n
: A =
_
_
_
A
11
.
.
.
A
nn
_
_
_
Diag : R
n
R
nn
: v
_
_
_
_
_
v
1
0 . . . 0
0
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. 0
0 . . . 0 v
n
_
_
_
_
_
12
Preuve :
Les ensembles de R
n
+
= x R
n
| x 0 et R
n
+
0 sont invariantes
par transformation avec P M 0, 1
nn
|
t
M M = I et S S avec
S = Diag (diag (S)) et diag (S) > 0. Ainsi, les deux assertions dcoulent di-
rectement de la dnition de copositivit.
Une gnralisation de copositivit est obtenue en remplaant la condition
x 0 avec x D pour un ensemble D R
n
:
Dnition 1.4 (D-copositive) :
Soit D R
n
. Une matrice A S est appel D-copositive si
t
x A x 0 pour tout x T
Cette proprit est aussi appel ensemble semi dnie ou copositive
lgard de D. Une matrice A S est appel strictement T-copositive si
t
x A x 0 pour tout x T 0
Copositivit par rapport T est une gnralisation des deux copositivits
(choisir T = R
n
+
) et semi dnie positive (T = R
n
). Il joue un rle dans
certaines conditions doptimalit pour une dure indtermine problmes
quadratiques, o copositivity ( lgard du cne tangent) de la Hessien est
lie au niveau local optimalit dune fonction quadratique, cf. (Danninger,
1992).
Dans le cas que lensemble D est un cne polydrique, copositivit en ce
qui concerne D peut tre rduite la copositivit comme le montre le tho-
rme suivant.
Theoreme 1.5 :
Soit A S, soit T R
n
un cne polydrique, et R une matrice dont les co-
lonnes sont des reprsentants des rayons extrmaux de D. Alors il sensuit,
que la matrice A est D-copositive si et seulement si la matrice est
t
R A R
copositive.
13
Preuve :
Voir (Eichfelder et Jahn, 2008, Corollaire 2.21).
Avec le thorme prcdent et le lemme suivant la plus-copositive la pro-
prit, peut tre rduite copositivit stricte .
Lemme 1.6 :
Soit A S et laissez : R
n
(ker(A))

dsigne la projection orthogo-


nal sur (ker(A))

. Les proprits suivantes sont quivalentes :


(a) A est copositive-plus.
(b) A est strictement copositive lgard de R
n
+
ker (A)
(c) A est strictement copositive lgard de (R
n
+
).
Preuve :
Lquivalence (a) (b) est vident en raison de la dnition de copositive-
plus. Il reste montrer lquivalence (b) (c). Soit A strictement coposi-
tive par rapport (R
n
+
) et soit x R
n
+
ker (A). Il existe une dcomposi-
tion x = x
0
+ x

avec x
0
ker(A) et x

(ker(A))

. Comme x R
n
+
et x/
ker(A), nous avons x

(R
n
+
) 0, et il sensuit que
t
x A x =
t
(x
0
+ x

) A (x
0
+ x

)
t
x A x =
t
x
0
A x
0
. .
= 0
+
t
x
0
A x

. .
= 0
+
t
(x

) A x
0
. .
= 0
+
t
(x

) A x

t
x A x =
t
(x

) A x

> 0
Ainsi, A est strictement copositive lgard de R
n
+
ker (A).
Soit A strictement copositive lgard deR
n
+
ker (A) et soit
x (R
n
+
) 0. Il existe x
0
ker (A) tel que x
0
+ x R
n
0. Il sensuit
que
t
x A x =
t
(x
0
+ x) A (x
0
+ x) > 0
14
Par consquent, A est strictement copositive lgard de (R
n
+
).
Notez que, par consquent, tous les critres pour copositivit stricte peuvent
tre utiliss pour tester si une matrice est copositive-plus. Dans le cas o
0 int ( (R
n
+
)), copositivit stricte en matire de (R
n
+
) se rduit d-
nie positive.
1.2 Critres pour Copositivit Sur la base de sous-matrices principales
De nombreux critres de copositivit pour envisager les sous-matrices prin-
cipales et de leurs dterminants. Bien sr, leffort dnumrer tous les sous-
matrices principales est trs lev et intime cas inacceptables. Par cons-
quent, plusieurs raccourcis ont t propos, qui tentent de limiter le nombre
de sous-matrices prendre en considration.
Un sous-matrice principale est dnie comme suit :
Dnition 1.7 sous matrice Principale :
Soit A R
nn
. Une des principales sous matrice de A est une matrice
qui est construit en slectionnant certaines lignes et les colonnes de A en
mme temps. savoir, pour I 1, ..., n avec I ,= la sous-matrice prin-
cipale correspondante est la matrice A
I I
= (A
ij
)
i,jI
.
1.2.1 Sur la base de critres de valeurs propres et vecteurs propres
Matrices semi-dnies positives peuvent tre caractrises par leurs va-
leurs propres, savoir une matrice est semi-dnie positive si et seulement
si toutes les valeurs propres sont positives ou nulles. Comme la dni-
tion des matrices copositive ressemble beaucoup la dnition de positive
semi dnie, la question se pose de savoir si il est un analogue caractri-
sation des matrices copositive. La rponse est afrmative, mais en plus les
valeurs propres de la matrice galement les valeurs propres de tous les
principaux sous-matrices et les vecteurs propres correspondants doivent
tre considrs. Alors, en utilisant cette caractrisation pour tester si une
matrice est copositive est trs coteux. Plus prcisment, nous avons ce
qui suit :
15
Thorme 1.8 :
Soit A o
(a) La matrice A est strictement copositive si et seulement si tous les sous-
matrices principales de A nont pas de vecteurs propres non positifs avec
des valeurs propres non positives
(b) La matrice A est copositive si et seulement si tous les sous-matrices
principales A nont pas de vecteurs propres positives avec des valeurs
propres ngatives.
Preuve
voir (Kaplan, 2000)
1.2.2 Des critres similaires au complment de Schur
Pour tester si une matrice est dnie positive le complment de Schur peut
tre utilis :
_
a
t
b
b C
_
o
++
a > 0 et C
b
t
b
a
o
++
o o
++
dsigne lensemble des matrices dnies positives. Application
rcursive de cette proprit conduit un test un algorithme polynomial
pour tester si une matrice est semi dnie positive .
Le lemme suivant nonce une quivalence similaire.
Lemme 1.9
Considrons la partition suivante de la matrice symtrique A R
nn
A =
_
a
t
b
b C
_
a R , b R
n1
et C R
(n1)(n1)
16
(a) La matrice A est (strictement) copositive si et seulement si les condi-
tions suivantes sont satisfaites :
i a 0 (> 0)
ii C est (strictement) copositive
iii pour tout y 0 avec y ,= 0 et
t
b y 0 il sensuit que
t
y (a C b
t
b) 0 (> 0)
(b) Soit b 0. La matrice A est (strictement) copositive si et seulement si
a 0 (> 0) et C est (strictement) copositive.
(c) Soit b 0. La matrice A est (strictement) copositive si et seulement
si a 0 (> 0) et a C - b
t
b est (strictement) copositive.
Preuve
Pour une preuve de llment dabord voir (and Feng Li, 1993). Le deuxime
et le troisime point dcoule directement du premier. Une preuve pour les
deux derniers articles peuvent galement tre trouvs dans (Andersson et
al., 1995).
Notez que lapplication rcursive du lemme prcdent ne peuvent conduire
un algorithme ni, parce que dans le cas o ni b 0, ni b 0, on a pour
tester si la matrice a C-b
t
b est copositive par rapport au cne
y 0
t
b y 0 . En utilisant le thorme 1.5 ce qui peut tre trans-
form en un test de copositivit tels que le lemme peut tre applique de
nouveau, mais il nest pas clair si la taille de la matrice diminue.
Si lors de lapplication rcursive toujours b 0 est titulaire, la matrice
est positif ou nul et si toujours b 0 dtient, la matrice est semi-dnie
positive.
17
1.2.3 Autres critres.
Le lemme suivant ainsi le thorme suivant conduit un algorithme ni
de tester la copositivit.
Lemme 1.10.
Soit A o est (strictement) copositive. Ensuite, tous les sous matrices prin-
cipales de A sont (strictement) copositive.
Preuve
Soit I 1,. . . , n avec I ,= et soit v R
[I[
0 avec v 0. Soit
x R
n
avec x
I
= v et x
1,...,nI
= 0. Comme x 0, nous avons
t
v A
I, I
v =
t
x A x (> 0)
partir de laquelle lafrmation suivante
Thorme 1.11 :
Soit A o et tous les sous-matrices principales A de lordre n - 1 est
(strictement) copositive. Puis, A nest pas (strictement) copositive
si et seulement si det (A) < 0 (det (A) 0) et adj (A) 0 (adj (A) > 0).
La matrice adj(A) est la matrice des cofacteurs de A, cest--dire
adj(A) = (

A)
i,j1,...,n
Avec

A
i,j
= (1)
i+j
det (A
1,...,nj, 1,...,ni
)
Preuve
voir larticle de (Cottle et al, 1970, Theorem3.1 et 3.2.).
18
Si ce thorme est utilis pour tester une matrice pour copositivity, tous les
principaux sous-matrices doivent tre considres, qui sont nombreuses
exponentielle. Pour plus de dtails et plus des critres de ce type voir (Cot-
tle et al., 1970), (Hadeler, 1983), (Valiaho, 1986) et (Andersson et al., 1995).
Bien que la vrication de copositivit est NP-complet en gnral, il ya
quelques classes de matrices pour lesquelles il est possible de le faire en
temps polynomial, matrices dont les entres sont de 1 (cf. (Haynsworth
et Hoffman, 1969)), des matrices diagonales, des matrices tridiagonale (voir
(Bomze, 2000)), et les matrices acycliques (cf. (Ikramov, 2002)). Il existe
galement des heuristiques pour vrier la copositivit, voir par exemple
(Kaplan, 2001).
Les critres Sufsantes et ncessaires pour la copositivit par rapport
un cne polydrique sont indiques dans (Martin et Jacobson, 1981)
et (Martin, 1981).
1.3 Critres pour la Copositivit base sur les polynmes
Dans sa thse (cf. (Parrilo, 2000)) Parrilo propos un nouveau critre de
copositivit, ce qui conduit une hirarchie des ingalits matricielles li-
naires (LMI). Si un LMT est possible, qui peut tre vri par la pro-
grammation semi-dnie, la matrice est considre copositive. Bomze et
de Klerk ont tendu cette approche, comme que la faisabilit de leur LMT
peut tre vri galement par programmation linaire (voir (Bomze et de
Klerk, 2002)). Bien sr, les critres linaires sont plus faibles que les semi-
dnie.
Une matrice A o est copositive si et seulement si le polynme
p
A
(z) : =
t
z A z est non ngative pour tout z 0. Ceci est quivalent
la positivit de p
A
(x) : = p
A
(xx) = (xx)
t
A(xx) pour tout x R
n
, o
xx = (x
2
1
,..., x
2
n
) dsigne le produit de Hadamard. Ce polynme de degr
quatre peut tre reprsent par une matrice :
Soit I
0
= m N
n
0
|
t
e m = 2 (avec N
0
: = N 0)
dsigne lensemble des multi-indices de la taille de deux et de m I
0
soit
x
m
=
n
i=1
x
m
i
i
tre les monmes correspondant de degr deux. Alors il
19
existe une matrice M R
(
n+1
2
)(
n+1
2
)
tels que
p
A
(x) =

mI
0
x
m
M
m,m
x
m
=: q
M
(x)
La matrice M nest pas uniquement dtermine que nous avons pour
i, j, k, l 1,. . . , n
(x
i
x
j
)
2
= x
2
i
x
2
j
(5)
(x
i
x
j
)(x
i
x
k
) = x
i
(x
j
x
k
) (6)
(x
i
x
j
)(x
k
x
l
) = (x
i
x
k
)(x
j
x
l
) = (x
i
x
l
)(x
j
x
k
) (7)
Dnir lensemble L
0
A
= M o | Q
M
= p
A
des matrices reprsentant
les polynmes p
A
. Alors nous obtenons les critres suivantes sufsantes
pour la copositivit de A :
La matrice A o est copositive si lensemble L
0
A
contient une matrice qui
est
non ngative
semi-dnie positive.
Lexemple suivant illustre ce critre.
Example 1.12 :
Considrons la matrice
_
_
1 1 1
1 1 1
1 1 1
_
_
qui nest ni positif ou nul, ni semi-dnie positive. Nous avons
p
A
(z) = z
2
1
+ z
2
2
+ z
2
3
+ 2z
1
z
2
+ 2z
1
z
3
+ 2z
2
z
3
.
p
A
(x) = x
4
1
+ x
4
2
+ x
4
3
+ 2x
2
1
x
2
2
+ 2x
2
1
x
2
3
+ 2x
2
2
x
2
3
.
20
Si nous utilisons dans lordre (x
2
1
, x
2
2
, x
2
3
, x
1
x
2
, x
1
x
3
, x
2
x
3
) des monmes de
I
0
, les matrices de L
0
A
ont la forme
_
_
_
_
_
_
_
_
1 1
12
1
13
0 0
123
1
12
1 1
23
0
213
0
1
13
1
23
1
312
0 0
0 0
312
2
12

123

213
0
213
0
123
2
13

312

123
0 0
213

312
2
23
_
_
_
_
_
_
_
_
Les variables
ij
correspondent lquation (5), les variables
ijk
(6).
Lensemble L
0
A
ne comprend pas matrice non ngatif comme pour tout

23
R
1
23
< 0 or 2
23
< 0
Mais pour
123
=
213
=
312
=
23
= 0 et
12
=
13
= 1, on obtient la matrice
_
_
_
_
_
_
_
_
1 0 0 0 0 0
0 1 1 0 0 0
0 1 1 0 0 0
0 0 0 2 0 0
0 0 0 0 2 0
0 0 0 0 0 0
_
_
_
_
_
_
_
_
qui est semi-dnie positive. Ainsi, la matrice A est copositive.
De toute vidence, lensemble est un sous-espace L
0
A
linaire de o. Ainsi,
les critres peuvent tre vries laide de programmation linaire ou
semi-dnie.
Nous utilisons dans lordre :
(x
2
1
, x
2
2
, ..., x
2
n
, x
1
x
2
,..., x
1
x
n
, x
2
x
3
,..., x
2
x
n
, x
2
x
3
,..., x
n1
x
n
)
et : (i, j) 1,...,n
2
[ i j 1,...,
n(n+1
2

qui indique la position de x
i
x
j
monme dans le vecteur de commande.
Ensuite, les matrices dans L
0
A
ont la forme
21
M = A +

i,j1,...,n
i<j

ij
(E
(i,j),(i,j)
E
i,j
)
+

i,j,k1,...,n
i,=j,=k
j<k

ijk
(E
(i,j),(i,k)
E
i,(j,k)
)
+

i,j,j,k1,...,n
i<j<k<l

ijkl
(E
(i,j),(k,l)
E
(i,k),(j,l)
)
+

i,j,j,k1,...,n
i<j<k<l

ijkl
(E
(i,j),(k,l)
E
(i,k),(j,l)
)
=
_
A



_
Avec
A

=
_
_
_
_
_
A
11
A
12

12
. . . A
1n

1n
A
21

12
A
22
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. A
n1,n

n1,n
A
n1

1n
. . . A
n1,n

n1,n
A
nn
_
_
_
_
_
=
_
_
_
_
_
2
12
. . .

13
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. . . 2
n1,n
_
_
_
_
_
Avec
ij
,
ijk
,
ijkl
,
ijkl
R, o les variables
ij
correspondent aux qua-
tions tion (5), les variables
ijk
(6), et les variables
ijkl
,
ijkl
(7).
Les entres dun * support pour une combinaison linaire des variables

ijk
,
ijkl
,
ijkl
. Si la matrice M est positive ou semi-dnie positive, la dia-
gonale entres sont non ngatifs, et donc
ij
0 pour tout i, j 1,. . . , n
avec i < j. En outre, si les variables
ijk
,
ijkl
,
ijkl
sont mis zro, la matrice
rsultante est galement non ngatif ou semi-dnie positive, respective-
ment.
22
Par consquent, le ensemble L
0
A
contient un non ngatif (semi-dnie po-
sitive) matrice sil existe
ij
0 (i, j 1,..., n avec i < j) tels que
_
_
_
_
_
A
11
A
12

12
. . . A
1n

1n
A
21

12
A
22
.
.
.
.
.
.
.
.
.
.
.
.
.
.
. A
n1,n

n1,n
A
n1

1n
. . . A
n1,n

n1,n
A
nn
_
_
_
_
_
A
Ici, N = A o | A 0 est le cne de matrices non ngatives. De cela,
nous avons immdiatement obtenir :
Lemme 1.13 :
Nous avons :
(a) L
0
A
A ,= A A
(b) L
0
A
o
+
,= A o
+
+ A
Donc, nous obtenons les critres bien connus suft que A est copositive
si
A A ou A o
+
+ A
Une gnralisation de lapproche conduit renforcer les critres. D-
nir
p
r
A
(x) = (
n

i=1
x
2
i
)
r
=: p
A
(x)
Ensuite, nous avons que p
A
est non ngative si et seulement si p
r
A
est non
ngative. Encore une fois nous pouvons reprsenter p
r
A
par une matrice M
telle que
p
r
A
(x) =

mI
0
x
m
M
m,m
x
m
=: q
r
M
(x)
Avec I
r
= m N
n
0
|
t
e m = r + 2 et nous dnissons
L
r
A
= M o | Q
r
M
= p
r
A
.
23
De manire analogue, nous obtenons les conditions suivantes sufsantes
pour la copositivit :
Lemme 1.14 :
Une matrice A o est copositive si lensemble L
r
A
contient une matrice
qui est :
non ngative
semi-dnie positive.
Les conditions du lemme prcdent peut galement tre formule en termes
des polynmes.
Lemme 1.15 :
Soit A o. Nous avons
(a) Tous les coefcients du polynme p
r
A
sont positifs ou nuls si et seule-
ment si L
r
A
A ,=
(b) Le polynme p
r
A
a une somme de dcomposition carrs, cest- dire
p
r
A
=
s
i=1
f
2
i
pour les polynomes f
i
, si et seulement si L
r
A
o
+
,= .
Preuve :
(a) Si tous les coefcients du polynme p
r
A
sont non ngatifs, alors la ma-
trice diagonale dont les coefcients de p
r
A
sont les lments diagonaux qui
sont non ngatifs est contenue dans L
r
A
.
Pour voir linverse, on note les coefcients de P
r
A
par p
m
avec m 2 I
r
.
Pour M L
r
A
A et m 2 I
r
, nous avons
p
m
=

i,jI
r
i+j=m
M
i,j
0
Notez que la matrice M est indexe par les lments de I
r
.
24
(b) Sil existe des polynmes tels que p
r
A
=
s
i=1
f
2
i
dsigne le vecteur des
coefcients de f
i
par v
i
. Ensuite, la matrice
s
i=1
v
i t
(v
i
) est semi-dnie
positive et contenue dans L
r
A
.
Maintenant soit M L
r
A
o
+
. Alors il existe une dcomposition en va-
leurs propres
M =
s

i=1

i
v
i t
(v
i
)
avec
i
> 0. Dnir le vecteur des coefcients de f
i
que
_
(
i
v
i
) donne un
somme des carrs de dcomposition de p
r
A
.
Avec les caractrisations du lemme 1.15, il est facile de montrer que la
premire condition du lemme 1.14 est plus faible que la seconde.
Lemme 1.16 :
Soit A o et r N
0
. Nous avons
L
r
A
A ,= L
r
A
o
+
,=
Preuve :
Soit L
r
A
A ,=. Daprs le lemme 1.15, il sensuit que tous les coefcients
de p
r
A
sont non ngatifs. Comme toutes les variables x
i
p
r
A
se produire
avec un mme exposant , le polynme p
r
A
est une somme des carrs. Par
consquent, L
r
A
o
+
,= .
Pour le cas o r = 1, le systme rsultant de la LMI est dcrit dans
(Parrilo,2000) et (Bomze et de Klerk, 2002).
25
Theoreme 1.17 :
Une matrice A o est copositive sil existe des matrices M
1
,..., M
n
o
qui remplissent
A M
i
A pour tout i 1, ..., n
M
i
ii
= 0 pour tout i 1, ..., n
M
i
jj
+ 2M
j
ij
= 0 pour tout i, j 1, ..., n avec i ,= j
M
i
jk
+ M
j
ik
+ M
k
ij
0 pour tout i, j, k 1, ..., n avec i < j < k
Dans larticle de (Bomze et de Klerk, 2002), une caractrisation pour des
valeurs arbitraires r est donne :
Theoreme 1.18 :
Soit r N
0
. La matrice A o est copositive si
m
t
mDiag(m), A = 0 pour tout m I
r
(8)
Pour vrier la condition (8), |I
r
| = n
r+2
des ingalits doivent tre consi-
drs. Par consquent, dans la pratique, cela nest possible que pour les
petites valeurs de r.
Un critre similaire, qui peut tre vrie via la programmation semi-
dnie, est indiqu dans le thorme suivant.
Theoreme 1.19 : ((Bomze and de Klerk, 2002, Theorem 2.2))
Soit r N
0
. Pour tout m N
0
, dnir m (i, j) = m-e
i
-e
j
et les coefcients
multinomiaux
c(m) =
_
[m[!

n
i=1
m
i
!
si m 0
0 sinon
Et pour A o
M
m
(A) =
n

i,j=1
c(m(i, j))A
ij
.
26
La matrice A o est copositive sil existe une matrice

M o
+
dordre
dd (avec d =
_
n + r + 1
r + 2
_
qui remplit

j,kI
r
j+k=2m

M(j, k) = M
m
(A) pour tout m I
r

j,kI
r
j+k=n

M(j, k) = 0 pour tout m I


2r
I
r
.
Notez que la matrice

M est indexe par les lments de I
r
.
L encore, le nombre de contraintes dans le programme rsultant semi
dnie crot exponentiellement avec r et, pire encore, la taille de la matrice
variable

M augmente exponentiellement avec r, ce qui limite lutilisation
du critre en pratique pour les petites valeurs de r.
Les critres examins jusquici taient tous des critres sufsants. Pour le
cas de copositivity strict, lapproche conduit galement un critre nces-
saire.
Theoreme 1.20 :
Soit la matrice A o strictement copositive. Alors il existe r N tel que
la L
r
A
contient une matrice semi-dnie positive.
Ce thorme est une consquence de lemmes 1.16 et 1.15 et du thorme
suivant de Polya.
Theoreme 1.21 :((Hardy et al., 1967, Theorem 56))
Soit p R[x
1
, ..., x
n
] tre homogne et strictement positive pour x 0 avec
t
ex > 0. Ensuite, il existe r Net un polynme homogne s R[x
1
, ..., x
n
],
avec coefcients positives de telle sorte que
p(x) =
s(x)
(x
1
+ ... + x
n
)
r
.
27
Ici, R[x
1
, ..., x
n
] dsigne lensemble des polynmes coefcients rels et les
variables sont x
1
, ..., x
n
.
Proof :
Comme A est strictement copositive, il sensuit que p
A
est un polynme
homogne et strictement positive pour tout x 0 avec
t
ex > 0. Ainsi, le
thorme 1.21 implique quil existe r N et un polynme homogne s
R[x
1
, ..., x
n
] avec des coefcients positifs tels que
p(x) =
s(x)
(x
1
+ ... + x
n
)
r
.
(
n
i=1
x
i
)
r
p
A
(x) = s(x)
(
n
i=1
x
2
i
)
r
p
A
(x x) = s(x x)
De toute vidence, le s polynme ((xx) a des coefcients positifs. Ainsi, il
rsulte du lemme 1.15 que la L
r
A
contient une matrice non-ngative. Par le
lemme 1.16, L
r
A
contient galement une matrice semi-dnie positive.
1.4 Critres de Copositivit bass sur des partitions simpliciales :
Dans cette section, nous afrmons des nouveaux critres ncessaires et
sufsants pour la copositivit. Ces critres sont importants pour les cha-
pitres suivants, car ils ne sont pas seulement conduire un algorithme
pour tester si une matrice est copositive mais permet galement pour r-
soudre des programmes copositive. Les rsultats de cette section ont t
publis dans (Bundfuss et D ur , 2008).
Lapproche suivante conduit une squence de critres plus en plus forte
que dans la section prcdente. Lquivalence de base de lapproche est
indiqu dans le lemme suivant.
28
Lemme 1.22 :
Soit A o et |.| designe une norme sur R
n
. Nous avons
(a) A est copositive
t
xAx 0 pourtout x R
n
+
avec |x| = 1
(b) A est strictement copositive
t
xAx > 0 pourtout x R
n
+
avec |x| = 1
Preuve :
Limplication est vidente. Pour montrer limplication , prendre
x R
n
+
avec |x| ,= 1. Si |x| = 0 alors il sensuit que x = 0 et
t
xA x = 0.
Si |x| > 0, alors x =
x
|x|
| x| = 1, remplit x = 1 do
t
x A x =
1
|x|
2
t
xAx, et
la dclaration suivante.
Dans ce qui suit nous utiliserons la norme |.|
1
et dnir le simplex stan-
dard

S
= x R
n
+
/ |x|
1
= 1 = conve
1
, ..., e
n

o e
1
, ..., e
n
dsignent les vecteurs unitaires. La proprit copositive se
traduit alors par
t
xAx 0 pour tout x
S
Pour obtenir un critre ncessaire que nous utilisons les coordonnes
barycentriques pour dcrire les points de la coque dun simplexe afne.
Soit = conv v
1
,. . . , v
n
un simplex et x aff (). Alors il existe unique

1
,. . . ,
n
R avec
x =
n

i=1

i
v
i
et
n

i=1

i
= 1
On les appelle les coordonnes barycentriques de x par rapport . Note
que
1
,. . . ,
n
0 si et seulement si x . Pour une illustration voir la
gure 1.1
29
v
1
(1, 0, 0) v
3
(0, 0, 1)
v
2
(0, 1, 0)
A

Figure1.1 : coordonnes barycentriques par rapport = convv


1
,v
2
,v
3

En utilisant ces coordonnes nous obtenons le critre suivant ncessaire


quune forme quadratique est positive sur un simplex.
Lemme 1.23 :
Soit = convv
1
,v
2
,v
3
un simplex. Si
t
(v
i
)Av
j
0 (resp.
t
(v
i
)Av
j
> 0) pout tout i, j 1, ..., n (9)
Alors
t
xAx 0 (resp.
t
xAx > 0) pour tout x .
Preuve :
Compte tenu de , nous pouvons reprsenter chaque point x dans la coque
afne de dni par son unique coordonnes barycentriques
= (x) = (
1
,...,
n
) par rapport . Avec cette reprsentation, nous ob-
tenons
t
xAx =
t
(
n

i=1

i
v
i
)A(
n

j=1

j
v
j
) =
n

i,j=1
t
(v
i
)Av
j

j
.
30
Pour x , nous avons (x) 0, do (9) implique
t
xAx 0.
Lapplication de ce lemme avec des rendements =
S
que
t
xAx 0
pour tout x
s
, si
t
e
i
Ae
j
= A
ij
pour tout i, j 1,..., n. il sagit dun
critre bien connu que A est copositive si elle est positive.
Pour obtenir plus forte critres nous divisons
S
dans plusieurs simplexes
et dappliquer Lemme 1.23 chacun deux.
Defnition 1.24 :(Partition simpliciale)
Soit un simplexe dans R
n
. Une famille P =
1
,. . . ,
m
de simplexes
satisfaisant
=
m
i=1

i
et int(
i
) int(
j
) = pour i ,= j
est appel une partition simpliciale de .
On note lensemble des sommets de la partition par
V(T) = v
i,k
[i 1, ..., n, k 1, ..., m,
lensemble des artes par
E(T) = v
i,k
, v
j,k
[i, j 1, ..., n, avec i ,= j, k 1, ..., m,
et lensemble des couples non ordonns de sommets par
C(T) = v
i,k
, v
j,k
[i, j 1, ..., n, k 1, ..., m ,
o v
1,k
,. . . , v
n,k
, dsignent les sommets du simplex
k
pour k 1,. . . , m
et est la relation dquivalence dnie comme
(u, v) ( u, v) (u = u v = v) (u = v v = u).
31
Pour simplier les lments de C(T) sera dsign par [u, v]
(au lieu de [(u, v)]).
Avec cette dnition on obtient la condition suivante et ncessaire
Theoreme 1.25 :
Soit A o et soit T une partition simpliciale de
S
.
(a) Si
t
uAv 0 pour tout [u, v] C(T), alors A est copositive.
(En raison de la symtrie de A qui est bien dnie.)
(b) Si
t
uAv > 0 pour tout [u, v] C(T), alors A est strictement copositive.
Preuve :
Parce que du lemme 1.22, il suft de prouver non-ngativit de
t
xAx pour
x
S
. Ainsi, choisir un arbitraire x
S
. Alors x pour certains

S
P. Par hypothse,
t
uAv 0 pour toutes les combinaisons de sommets
u, v de ce simplex qui, par le lemme 1.23, implique
t
xAx 0.
Bien sr, la question se pose de savoir pour toutes les matrices coposi-
tive une partition simplicial existe tels que les conditions de Theorem1.25
sont remplies. Si nous nous limitons des matrices strictement copositive,
la rponse est dans la afrmative. Nous devons dabord la dnition sui-
vante pour dcrire la nesse de une partition.
Dnition 1.26 :(Finesse)
Soit P une partition simpliciale de
S
. Nous appelons le diamtre maxi-
mum dun simplexe dans la partition P de la nesse de P et il est not
par
(T) = max
u,vE(T)
| u v |
32
Avec cette dnition on obtient la condition suivante sufsante pour co-
positive stricte.
Theoreme 1.27 :
Soit A o strictement copositive.Alors il existe > 0 de telle sorte que
pour toutes les partitions simpliciales ni T de
S
avec (T) , nous
avons
t
uAv > 0 pour tout [u, v] C(T).
Preuve :
La copositivit stricte de la matrice A signie que la forme bilinaire
Q(x,y) =
t
xAy est strictement positive sur la diagonale de
S

S
, cest
dire Q(x,x) > 0 pour tout x
S
. Par continuit, pour tout x
S
, il existe

x
> 0 tel que.
|x y|
x
Q(x, y) > 0
Puisque Q est uniformment continue sur lensemble compact
S

S
, il
sensuit que
= inf
x
S

x
> 0
Soit P une partition simpliciale de
S
avec (T) . Choisissez un arbi-
traire simplex T, et les sommets arbitraires u, v de . Puis |x y| ,
et par consquent, Q (u, v) > 0, cest--dire
t
uAv > 0, comme on le souhaite.
33
Remarque 1.28 :
Les deux derniers thormes peuvent tre gnraliss manipuler la co-
positivit par rapport un c one K laide de partitions simpliciales de /
B
1
au lieu de
S
. Ici
B
1
= x R
n
[ |x| = 1
dsigne la sphre unit par rapport la norme 1.
Les deux derniers thormes et la plupart des items suivantes aussi tenir
si la partition simpliciale est remplac par un couvercle simplicial. Mais
an de garder la description petits que les partitions sont considrs sim-
pliciales.
1.4.1 Une application aux Systmes Dynamiques :
Lapplication suivante du domaine des systmes dynamiques dmontre
les avantages des critres proposs dans cette section par rapport la cri-
tres fonds sur les sous-matrices principales nonces la section 1.2. Les
rsultats de cette section apparaissent dans (Bundfuss et D ur, 2009b).
Considrons un systme linaire de la forme x = Ax avec la condition de
la valeur initiale x(0) = x
0
. Il est bien connu que ce systme est asympto-
tiquement stable si et seulement si la fonction de Lyapunov quadratique
t
xPx existe, cest dire, si et seulement sil existe une matrice symtrique
P tel que lingalit de Lyapunov est remplit, savoir,
P ~ 0 et
t
AP + PA 0, (10)
o la notation M~0 (M0) indique que M est dnie positive (ngative).
Dans certaines applications, on sintresse ce quon appelle les systmes
positifs, savoir, les systmes pour lesquels x(0)0 (composante par com-
posante) implique x(t) 0 pour tous les t 0, cf. (Farina et Rinaldi, 2000).
Plus gnralement, on peut tre intress dans un systme
x = Ax avec Mx 0 (11)
34
Pour une matrice donne M R
mn
. Dans ce cadre, la stabilit du systme
est lie lexistence dune matrice P de telle sorte que les conditions de la
nettet (10) tenir lgard du cne / = x R
n
| Mx 0 plutt que par
rapport tout lespace R
n
, cest--dire P et -(
t
AP+ P A ) sont strictement
copositive par rapport /, qui sera dsign par P
/
~ 0 et
t
AP+ P A
/
0. Cette gnralisation de lingalit de Lyapunov (10) donne
le premier problme pos par Camhbel (2004)
Probleme 1 :
Soit A une matrice carr et un c one / = x R
n
| Mx 0 donne.
Dterminer les conditions ncessaires et sufsantes pour lexistence dune
matrice symtrique P telle que P
/
~ 0 et
t
AP+ P A
/
0.
Dans une deuxime tape de la gnralisation, on peut envisager un sys-
tme o la matrice A nest pas xe, mais passe entre les matrices A
1
, A
2
plus temps. Cela signie, on considre un systme de la forme
x = A
i
x pour M
i
x 0, i = 1, 2. (12)
Trouver des conditions qui garantissent la stabilit asymptotique dun sys-
tme linaire par morceaux x = A
i
x avec A
i
dans certains famille de ma-
trices a attir beaucoup montant de lattention, cf. (Shorten et al., 2007) et
(Liberzon et al.1999) et les rfrences qui y sont, alors que les systmes
commuts cnes nont pas encore t tudi de manire approfondie. Pro-
blme 2 de C de amhbel (2004) est lie cette question :
Probleme 2 :
Soient deux matrices carres A
1
, A
2
et deux cnes
/
1
= x R
n
| M
1
x 0 , /
2
= x R
n
| M
2
x 0 tre donne.
Dterminer des conditions sufsantes pour lexistence dune matrice sy-
mtrique P tel que P
/
i
~ 0 et
t
(A
i
)P+ P A
i
/
i
0 pour i = 1, 2.
35
La combinaison de thormes 1,25 et 1,27, Remarque 1,28, et le fait que
v > 0 avec
t
vPv < 0 certicat non copositivit de P, on obtient la rponse
suivante au problme 1
Theoreme 1.29 :
Le systme
P
/
~ 0 et
t
AP + PA
/
0 (13)
(a) a une solution si et seulement si il existe une partition nie simpliciale
P de lensemble / B
1
tels que le systme
t
uPv > 0 pour tout [u, v] C(T) (14)
t
u(
t
AP + PA)v < 0 pour tout [u, v] C(T)
a une solution.
(b) na pas de solution sil existe une partition nie simplicial P de len-
semble / B
1
tels que le systme
t
uPv > 0 pour tout v V(T) (15)
t
v(
t
AP + PA)v < 0 pour tout v V(T)
na pas de solution.
Compte tenu dune partition dont les sommets sont connus, une expres-
sion comme
t
uAv > 0 est lingalit linaire pour les entres de P. Puisque
A est donn, le mme est vrai pour les expressions
t
u(
t
AP + PA)v < 0. Par
consquent, (14) et (15) sont des systmes dingalits linaires.
36
Pour trouver une solution ralisable dun systme linaire dingalits strictes
ou de prouver linfaisabilit, on peut utiliser la phase I de la mthode sim-
plex ou mthode de point intrieur, pour lequel plusieurs implmenta-
tions efcaces sont disponibles. Pour des raisons numriques, un systme
dingalits non stricte doit tre utilis : il est facile de voir que.
t
uPv > 0 pour tout [u, v] C(T)
t
u(
t
AP + PA)v < 0 pour tout [u, v] C(T)
a une solution si et seulement si pour tout a > 0, le systme de
t
uPv a pour tout [u, v] C(T)
t
u(
t
AP + PA)v a pour tout [u, v] C(T)
a une solution. La raison de cette quivalence est que lensemble des so-
lutions le premier systme est un cne. Passer de la stricte la non stricte
les ingalits dans Ainsi, la faisabilit de (14) et (15) peut tre facilement
contrl par la mthode du simplex.
En commenant par une partition de / B
1
, la partition peut tre afne
jusqu le systme correspondant (14) a une solution ou le systme corres-
pondant (15) savre impossible. Ainsi, en rsolvant une squence linaire
de systmes de lingalit de la matrice P se trouve, ou un certicat est
obtenu que une telle matrice nexiste pas. Si le systme (13) a une solution
et le rafnement procdure garantit que (T) 0, alors le thorme 1.27
implique que notre mthode se termine aprs les tapes de rafnement en
nombre ni.
Notez que dans le systme de cas (13) na pas de solution, la procdure
nest pas garantie de mettre n dans les tapes un nombre ni (bien que
dans notre cas dessai, il faisait dhabitude).
37
Le cas o notre procdure peut tre innie correspond la la situation
o ` u les c ones P o | P
/
_ 0 et P o |
t
AP+ P A
/
_ 0 ne se croisent
pas dans un point intrieur, mais partagent un rayon extrmal. Si linter-
section des deux cnes est que lorigine, ou si elles ont un point commun
intrieur, alors notre procdure dtecte soit la situation dans un nombre
ni dtapes.
Utilisation des thormes de 1,25 et 1,27 fois, nous obtenons une rponse
au problme 2
Theoreme 1.30 :
Le systeme
P
/
i
~ 0 et
t
A
i
P + PA
/
i
0 i = 1, 2
a une solution si et seulement si il existe une partition nie simpliciale T
1
de lensemble /
1
B
1
et une partition nie simplicial T
2
de lensemble
/
2
B
1
tels que pour tout i 1, 2 le systme
pour tout [u, v] C(T
i
) (16)
t
u(
t
A
i
P + PA
i
)v < 0 pour tout [u, v] C(T
i
)
a une solution.
Un analogue du thorme 1,29 (b) peut facilement tre formules. En outre,
il est facile de gnraliser cette approche un nombre ni de systmes
x = A
i
x pour M
i
x 0.
38
Chapitre 2
Le cne Copositive et cnes associs
Dans ce chapitre, nous considrons le cne copositive, son dual, le tout
cne positif, et plusieurs cnes dont un approximatif de ceux-ci. Un cne
est dnit comme suit.
Defnition 2.1 :(Cone)
Un ensemble / R
n
est appele un cne si 0 et A / impliquent A
/.
Un cne / est appel pointe si elle ne contient pas une ligne droite, cest
dire, -/ / = 0.
Notez que cette dnition ne demande pas de convexit. Cependant, tous
les cnes considre dans ce chapitre et le suivant sera convexe.
2.1 Le cne Copositive
Lensemble des matrices copositive est un cne et a des proprits plus
belle comme convexit comme indiqu dans le lemme suivant.
Lemme 2.2 :(Cone)
( = A o [ A est copositive
est un convexe ferm a plein cne dimensions. Il sera appel copositive
cne dans la suite.
39
Preuve :
Soit A, B (, > 0. Il rsulte de la dnition que A + B ( et A
(. Ainsi, ( est un cne convexe.
Pour montrer que ( est pointu
/ / = A o [
t
xAx 0 pour tout x 0
A o [
t
xAx 0 pour tout x 0
= A o [
t
xAx = 0 pour tout x 0 = 0.
Le cne est pleine dimension, parce que le
_
n + 1
2
_
matrices
E
ij
=
1
2
(e
i
e
T
j
+ e
j
e
T
i
) avec i, j 1, ..., n et i j sont copositive et linairement
indpendants. Il reste montrer que ( est ferm. Soit A
i
( (i N) une
suite convergente de matrices copositive et A = lim
i
A
i
. Soit x 0. Le
fonction Q
x
: o N: A x
T
Ax est continue. Par consquent
Q
x
(A) = Q
x
( lim
i
A
i
) = lim
i
Q
x
(A
i
)
. .
0
0
et A (.
Pour n = 2, le cne copositive est illustr la gure 2.1. De la section 1.1,
nous savons que dans cette dimension du cne copositive est lunion du
cne positif ou nul et le cne semi-dnie positive, qui est galement ob-
servable dans la gure. La partie infrieure provient du cne semi-dnie
positive et la partie suprieure du cne positif ou nul. De toute vidence,
le cne copositive nest pas polydrique.
Le lemme suivant rsume certaines proprits de base du
cne copositive.
40
Lemme 2.3 :
(a) pour n = 2, nous avons ( = o
+
A = o
+
+ A et pour n = 3, 4, nous
avons ( = o
+
+ A
(b) Le cne copositive est non polydrique.
(c) Lintrieur du cne copositive est lensemble des matrices strictement
copositive, cest dire,
int(() = A o [ x
T
Ax > 0 pour tout x R
n
+
0 = (
++
Preuve :
(a) Une preuve est donne dans (Diananda, 1962).
(b) Pour n = 2, il dcoule directement de llment (a) que ( est non poly-
drique, que le cne o
+
A est non polydrique.
Pour n quelconque, on suppose que ( est polydrique. Alors lensemble
M = ( A o|A
ij
pour tout i,j 1,..., n avec i > 2 ou j > 2 est poly-
drique, aussi. Mais M est juste le cne copositive pour n = 2 intgr dans
un espace de dimension suprieure et par consquent non polydriques.
(c) Tout dabord, nous montrons que (
++
est un ensemble ouvert, soit
A (
++
et soit |.| dsigne une norme sur R
n
. De toute vidence,

S
= x R
n
+
| |x| = 1 est un ensemble compact, donc,
0 < =
1
2
min
x
S
x
T
Ax est bien dni.
41
Soit B N

(A)= X o| |A X| < . o la norme matrice est celle


induite par la norme du vecteur utilis ci-dessus. Ensuite, nous avons pour
tout x
S
x
T
Bx = x
T
Ax + x
T
(B A)x 2 x
T
(A B)x
2 |x||(A B)x|
2 |A B| > > 0
Daprs le lemme 1.22, il sensuit que B (
++
, si, (
++
est un ensemble
ouvert.
Depuis (
++
( et ( est un ferm, nous avons (
++
(. Pour voir lin-
clusion inverse, supposons quil existe A ( (
++
. Alors il existe un
voisinage N

(A) de A avec N

(A) (
++
= . Maintenant, prenez un
anarbitraire B (
++
. Alors il existe [0,1] tel que (1 - )A + B
N

(A). Puisque (
++
( et ( est convexe, nous concluons que (1 - )A +
B ( (
++
. Par consquent, il existe x R
n
+
0 avec x
T
[1 - )A +
B]x = 0. Puisque x
T
B x > 0, cela implique
x
T
Ax =

1
x
T
Bx < 0
contredisant A (. Par consquent, nous avons ( (
++
, et donc (
++
=
(. Puisque ( est ouvert, il sensuit que int (() = (
++
.
Pour polytopes et polydres les sommets sont importants car un polytope
peut tre dcrit comme lenveloppe convexe si ses sommets, par exemple.
Cnes ont au plus un sommet, et si oui, il est lorigine. Donc les som-
mets dun cne ne sont pas trs intressants. Les lments pertinents dun
cne sont ses rayons extrmaux, comme dans le cas o le cne est soulign
quil peut tre dcrit comme la coque conique de ses rayons extrmaux. Un
rayon extrmale est dnie comme suit.
Dnition 2.4 (Extrmaux) :
Soit / un cne convexe ferm. Un lment A / 0 est appel extr-
mal si pour tout A
1
, A
2
/ lquation A = A
1
+ A
2
implique quil existe
[0,1] avec A
1
= A et A
2
= (1 - ) A. Si A est extrmal, alors le cne cne
(A) est appel rayon extrmal.
42
Une description complte de lrayons extrmaux du cne copositive est
encore inconnue. Le thorme suivant nonce deux classes de matrices ex-
trmales de (.
Thorme 2.5 :
(a) Tous les rayons extrmaux de /
+
+ A sont galement rayons extr-
maux du cne copositive, cest dire les matrices suivantes sont des
matrices extrmales de C :
* E
ij
avec i, j 1, ..., n et > 0.
* v v
T
avec v R
n
( - R
n
+
R
n
+
), cest dire au moins une entre de v
est ngative et au moins positive.
(b) Une matrice A ( 1, 1
nn
est une matrice extrmale du cne
copositive si et seulement si pour tout i, j 1, ..., n avec i,=j et A
ij
= 1
il existe k 1, ..., n tels que les A
ik
= A
jk
= -1.
Preuve :
Une preuve du premier lment peut tre trouve dans (Hall et Newman,
1963). Le deuxime point a t montr dans (Baston, 1969). Le point (b)
du thorme prcdent implique que la Corne-matrice (cf. (1.1)) est une
matrice extrmale du cne copositive. Pour plus de dtails et dautres r-
sultats sur les matrices extrmaux du copositive cne de voir (Hall et New-
man, 1963), (Baumert, 1966), (Baumert, 1967) et (Baston, 1969).
2.2 Le cne compltement positive
Dans cette section, nous considrons le cne dual du cne copositive. Le
dual cne est dni comme suit.
dnition 2.6 (cne dual)
Soit / R
nn
un cne . Lensemble
/

= Y R
nn
[X / : X, Y 0
est appel le cne dual.
43
Un cne / est appel auto-dual si / = /

.
Le lemme suivant stipule certaines proprits de base du cne dual.
Lemme 2.7 :
Soit / un cne. Ensuite, nous avons
(a) Le cne dual /

est un convexe ferm.


(b) Nous avons /

= / Si K est un convexe ferm, le cne dual /

est /
cest dire /

= /.
(c) Soit | / un cne . Alors /

.
Preuve :
(a) Soit A
i
/

(i R) soit une suite convergente avec


lim
i
A
i
= A
Soit B /. Comme le produit scalaire est continu, il sensuit que
A, B = lim
i
A
i
, B = lim
i
A
i
, B
. .
0
0.
Ainsi, A /

, ce qui prouve que /

est ferm.
Pour montrer la convexit de /

soit A
1
, A
2
/

, B / et [0, 1].
Alors
A
1
+ (1 )A
2
, B = A
1
, B
. .
0
+(1 ) A
2
, B
. .
0
0.
et donc, A
1
+ (1 - ) A
2
/

.
(b) Notez que tous les hyperplans de soutien dun cne contenant lori-
gine, et lintersection de tous les demi-espaces dnis par un hyperplan
support dun ensemble est la fermeture de lenveloppe convexe de len-
semble. Ainsi, nous avons
/

= A R
nn
[A, B 0 pour tout B /

B /

A R
nn
[A, B 0
= conv(/)
44
(c) Soit A /

. Puis A, B 0 pour tout B /. En particulier, cette


proprit est vrie pour tous les B |. Ainsi, A |

et par cons-
quent /

.
Le cne copositive est en contraste avec les cnes semi-dnie positive ou
non ngative ne sont pas auto-dual. Le cne dual du cne copositive est le
cne compltement positif. Il jouera un rle important dans le chapitre 4,
qui dcrit les problmes doptimisation qui peuvent tre formuls comme
des programmes copositive ou compltement copositive, cest dire des
programmes linaires sur le cne copositive ou compltement positif.
Nous utilisons principalement la dnition suivante du cne complte-
ment positive.
Dnition 2.8 (Cne compltement positif) :
(

=
k

i=1
v
k
(v
k
)
T
[k N, v
k
0
est appel le cne compltement positive.
Dans la littrature souvent la dnition alternative suivante se produit
(

= BB
T
[B R
nk
, B 0
Lensemble (

est en effet un cne et a des proprits plus agrable :


Lemme 2.9 :
Lensemble C * est un cne convexe ferm point plein.
Preuve :
Il est immdiat de la dnition que (

est un cne convexe. videmment,


nous avons (

A. Comme A est point, cela est vrai pour (

, trop
Le cne compltement positive est pleine dimension, parce que le (
n
k
) ma-
trices E
ii
avec i 1,. . . , n et (e
i
+ e
j
) (e
i
+ e
j
)
T
avec i, j 1,. . . , n et i
45
< j sont compltement positives et linairement indpendants.
Pour une preuve de la fermeture de (

voir (Hall et Newman, 1963).


Le thorme suivant tablit que le cne compltement positif est le dual
de cne copositive, ce qui lgitime la notation (

.
Thorme 2.10 :
Le cne compltement positif est le cne dual du cne copositive et vice
versa.
Preuve :
Le cne dual dun cne / est habituellement not /

, qui est la raison


pour dsigner le cne compltement positive par (

. Comme nous vou-


lons montrer que le cne compltement positif est le cne dual du cne
copositive, dans cette preuve le cne compltement positif est tout fait
dsign par T pour viter toute confusion.
Soit A ( et B =
k
i=1
v
k
(v
k
)
T
T. Alors
A, B = A,
k

i=1
v
k
(v
k
)
T
=
k

i=1
(v
k
)
T
Av
k
0
Ainsi, T (

.
Soit A T

. Ensuite, nous avons A, B 0 pour tout B T. En particu-


lier cette proprit vaut pour tous les B = vv
T
de rang un. Par consquent,
A est copositive et T

(. Daprs le lemme 2.7, il sensuit que (

= T.
Nous obtenons donc (

= T et en utilisant nouveau le lemme 2.7 conduit


( = T

.
Contrairement au cne copositive il ya une description complte et simple
des rayons extrmaux du cne compltement positive.
46
Lemme 2.11 :
Les rayons extrmaux de (

sont les matrices de rang 1 X = xx


T
avec
x 0 et x ,= 0.
Preuve :
Voir (Hall et Newman, 1963, thorme 3.1 (iii))
Ainsi, la matrice E = ee
T
est un rayon extrmal et par consquent pas dans
lintrieur.
Lintrieur du cne compltement positive a t rcemment caractris par
Dur et Still (2008).
Thorme 2.12 :
Nous avons
int((

) = AA
T
[A = (A
1
, A
2
) avec A1 > 0 non singuli ` ere et A
2
0.
Le thorme implique que chaque matrice lintrieur est llment sage
strictement positif. Par consquent, lidentit, I nest pas un point intrieur
du cne compltement positive.
2.3 Approximation du Cne Copositive utilisant des polynmes :
Certains des critres pour tester copositivit savoir les critres prsents
dans la section 1.3 et 1.4 conduisent rapprocher les cnes. Ces cnes sont
dcrits par des ingalits matricielles linaires. Ainsi, il est possible dop-
timiser les cnes se rapprochant en utilisant la programmation linaire ou
semi-dnie.
Les critres pour copositivit indiqu la section 1.3 peut tre utilis pour
dnir les cnes qui se rapprochent le cne copositive. Comme les critres
sont sufsants, ils seront des approximations intrieures. Nous allons uti-
liser les notations introduites dans la section 1.3.
47
Dnition 2.13 :
Soit r N
0
. dnir
(
r
= A o[L
r
A
A ,= ,
/
r
= A o[L
r
A
o
+
,= ,
Une troisime squence de cnes dapproximation est dnie dans (Pena
et al, 2007.)
Dnition 2.14 :
Soit r N
0
. Dnir la squence
c
r
=

mI
r2
x
m
x
T
(P
m
+ N
m
)x[P
m
o
+
, N
m
A R[x
1
, ..., x
n
]
et
Q
r
= A o[p
r
A
c
r
,
avec
p
r
A
=
n

i=1
p
A
(x)
Les proprits de base de ces squences dun rapprochement des cnes
sont rsumes dans le thorme suivant.
Thorme 2.15 :
Soit r N
0
(a) Les ensembles (
r
, Q
r
et /
r
sont des cnes convexes ferms et points.
Les cnes (
r
sont polydriques.
(b) Les squences des cnes sont embots cest dire, (
r
(
r+1
,
Q
r
Q
r+1
, /
r
/
r+1
. item [(c)] nous avons (
r
Q
r
/
r
et
(
0
= A, Q
0
= /
0
= A +o
+
, Q
1
= /
1
.
48
(d) Les squences sont des approximations interne du cne copositive,
cest dire (
r
, Q
r
et /
r
( et
_
r N
0
(
r
=
_
r N
0
Q
r
=
_
r N
0
/
r
= (
Preuve :
Certaines des proprits suit facilement de la section 1.3. Pour le reste et
les dtails, voir (Parrilo, 2000), (de Klerk et Pasechnik, 2002) et (Pena et al.,
2007).
2.4 Approximation du Cne Copositive Utilisation de partitions Sim-
plicials :
Les critres pour copositivity prsents dans Section1.4 conduire de nou-
velles approximations interne du cne copositive. Par ailleurs, partir des
partitions simplicial approximations externe du cne copositive peuvent
tre construits ainsi. Ces approximations sont cruciaux pour notre approche
pour rsoudre les programmes copositive. Les rsultats de cette section
apparat dans (Bundfuss et Dur, 2009a).
2.4.1 Approximation intrieure de ( :
Nous utilisons maintenant la condition sufsante de Theorem 1.25 de d-
nir des approximations intrieures de C. Comme prcdemment, consi-
drons une partition simplicial T de
S
. Pour une partition T donne, de
dnir
J
T
:= A o[u
T
A v 0 pour tout [u, v] C
T
.
Rappelez-vous lensemble des couples ordonns de sommets
C(T) := (v
k
i
, v
k
j
)[i, j 1, ..., n, k 1, ..., m.
o, v
k
i
dsigne la i
`me
sommet de simplex
k
contenue dans la partition
T =
1
, ...,
m
.
Notez que, tant donn les sommets u, v, une expression de la forme
u
T
A v 0 est une inquation linaire pour les entres de A. Par cons-
quent, J
T
est un ensemble polydrique.
49
Si T
1
et T
2
sont deux partitions simplicial de la mme simplexe, nous ap-
pelons T
2
un rafnement de T
1
si pour tout T
1
il existe une partie
T

T
2
est une partition simpliciale de . Une partition rafne mne
toujours une meilleure rapprochement de (
Lemme 2.16 :
Soit T, T
1
et T
2
dnotent partitions simplicial de
S
. Alors
(a) J
T
est un cne convexe ferm polydrique.
(b) J
T
(, savoir, J
T
est une approximation intrieure de (,
(c) si T
2
est un rafnement de T
1
, alors J
T
1 J
T
2.
Preuve :
Le point (a) est vident, daprs la dnition. Le point (b) dcoule du tho-
rme 1.25. Pour prouver le point (c), soit A J
T
1, soit
2
T
2
, et soit u,
v deux sommets arbitraires de T
2
(ventuellement gales). Nous devons
montrer u
T
A v 0. Puisque T
2
est un rafnement de T
1
, il existe un
simplexe
1
T
1
avec
2

1
. Par consquent, U et V sont des combi-
naisons convexes des sommets v
1
,. . . , v
n

1
, savoir u =
n
i=1

i
v
i
et
v =
n
i=1

i
v
i
avec
i
,
i
0 pour tout i 1,..., n et

n
i=1

i
=
n
i=1

i
= 1. Puisque (v
i
)
T
A v
j
pour tout i, j en raison de
A J
T
1, nous avons
u
T
Av =
n

i,j=1

j
(v
i
)
T
Av
j
0
Par consquent, A J
T
2.
Exemple 2.17 :
Si T =
S
, savoir, la partition se compose uniquement du simplexe
standard, puis
J
T
= A o[A
ij
0 pour tout i, j 1, ..., n = A
savoir J

est gale au cne des matrices non ngatives A.


50
Considrez plutt la partition T
2
=
1
,
2
qui est driv de T par bis-
sectrice le bord e
1
, e
2
au point mdian w :=
1
2
(e
1
+ e
2
). Nous obtenons

1
= conv w, e
2
, ..., e
n
et
2
= conv e
1
, w, ..., e
n
. Pour la dnition
de J
T
2, cela signie que lingalit e
T
1
A e
2
0 (cest dire A
12
0) cor-
respondant au bord de traverse est supprim et remplac par un certain
nombre de nouvelles ingalits. Plus prcisment,
J
T
2 = A o[ A
ij
0 pour tout i, j ,= 1, 2
A
i1
+ A
i2
0 pour tout i 1, ..., n,
A
11
+ 2A
12
+ A
22
0.
Ceci dnit un grand cne, savoir, une meilleure approximation de C.
Notez que le J
T
2 systme dnissant est redondant. Cette proprit causer
quelques difcults implmentations et sera discut en dtail dans la
section 6.2.4. Une rduction reprsentation est
J
T
2 = A o[ A
ij
0 pour tout i, j ,= 1, 2
A
11
+ A
12
0 pour tout i 1, ..., n,
A
22
+ 2A
21
+ A
22
0.
Ceci est une rduction de (
n+1
2
) + n pour (
n+1
2
) + 1 une des ingalits, cest
dire, dj en O(n) ingalits sont licencis aprs une tape de bissection
unique.
Pour une illustration des cnes J
T
et J
T
2 voir la gure 2.2.
Le thorme suivant montre que le polydre J
T
approximations intrieurs
nira ( environ avec une prcision arbitraire, condition que le diamtre
(T) de la partition simpliciale tend vers zro.
Thorme 2.18 :
Soit T
l
une squence de partitions simplicial de
S
avec (T
l
) 0. Alors,
nous avons
( =
_
l N
J
T
l
.
51
Preuve :
Daprs le lemme 2.16, nous avons J
T
l
( pour tout l N, de sorte que

l N
J
T
l
(. Pour voir linclusion inverse, prendre A (, savoir A est
strictement copositive (cf. Lemme 2.3 (c)). Puis thorme 1.27 implique
quil existe l
0
, tel que A J
T
l
0
. Par consquent A

l N
J
T
l
et donc
int (

l N
J
T
l
. La dclaration suivante, puis partir ( = int(
2.4.1.1 Aspects gomtriques :
Soit = conv v
1
, ..., v
n
un simplexe. Pour i 1, ..., n dsignons
par le vecteur b
i
unique qui remplit.
(v
j
)
T
b
i
= 0, pour tout j 1, ..., n avec i ,= j
(v
i
)
T
b
i
= 1
Lemme 2.19 :
Les
n(n+1)
2
rayons extrmaux de J

sont gnrs par les matrices R


ij
=
b
i
(b
j
)
T
+ b
j
(b
i
)
T
. pour tout i 1, ..., n nous avons R
ii
(, o ( d-
signe la frontire de (.
Preuve :
Le cne plein dimensionnelle J

est lintersection si les


n(n+1)
2
demi-
espaces
H
ij
= A o[A, v
i
(v
j
)
T
0
o i, j 1, ..., n avec i j. Soit i, j, k, l 1, ..., n avec k, l ,= i, j .
Alors
R
ij
, v
k
(v
l
)
T
= (v
l
)
T
b
i
(b
j
)
T
v
k
+ (v
l
)
T
b
j
(b
i
)
T
v
k
= 0
et
R
ij
, v
i
(v
j
)
T
= (v
j
)
T
b
i
(b
j
)
T
v
i
+ (v
j
)
T
b
j
(b
i
)
T
v
i
= 1 +
ij
.
52
Ainsi, R
ij
est lintrieur dexactement une des demi-espaces, et par cons-
quent, R
ij
gnre un rayon extrmal de J

. Ceci montre la premire af-


rmation.
Pour prouver la seconde, notons que R
ii
est semi-dnie positive, mais pas
dnie positive et par consquent copositive mais non strictement coposi-
tive.
2.4.1.2 Gnralisation de lapproche :
Les cnes se rapprochant de (
r
, Q
r
et /
r
sont dnies par des contraintes
linaires et semi-dnies. Les approximations semi-dnies Q
r
et /
r
sont
de meilleures approximations du cne copositive que les linaires approxi-
mations (
r
. rappelons que (
0
= A, tout Q
0
= /
0
= o
+
+ A. Le cne se
rapprochant J
p
est une approximation linaire. Alors la question se pose
si lapproche de lutilisation de partitions simpliciale peut tre gnralis
pour obtenir de meilleures approximations. Ceci est en effet possible. La
condition sufsante pour copositivit dune matrice symtrique A dclar
dans le thorme 1.25 peut tre gnralis
Thorme 2.20 :
Soit T =
1
, ...,
m
est une partition simpliciale o
k
= conv v
1,k
,. .
. , v
n,k
, soit A une matrice symtrique et soit / (. Notons la matrice
contenant les sommets de simplexe
k
comme des colonnes de V
k
, savoir
V
k
= (v
1,k
,. . . , v
n,k
).
Si pour tout k 1, ..., m
(V
k
)
T
AV
k
/
La matrice A est copositive.
53
Preuve :
Soit x
s
. Nous devons montrer que x
T
A x 0. Soit T est un
simplexe contenant x et soit v
1
,..., v
n
tre ses sommets. Nous reprsentons
x en coordonnes barycentriques par rapport :
x =
n

i=1

i
v
i
avec
n

i=1

i
= 1 pour tout i 1, ..., n.
Avec = (
1
, ...,
n
)
T
il sensuit que
x
T
Ax = (V)
T
A(V) =
T
V
T
AV
. .
/(
0
ce qui montre que A est copositive.
Nous dnissons une approximation intrieure du cne des matrices co-
positive lgard de lensemble / ( :
J
T,/
= A o[V
T
AV / pour tout V /(T)
Avec /(T) = (v
1
,..., v
n
) R
nn
| conv v
1
,..., v
n
T .
Daprs le thorme 2.18, nous avons immdiatement obtenir le rsultat
de convergence suivant
Thorme 2.21 :
Soit A / ( et T
l
une squence de partions simpliciale de
s
avec
(T
l
) 0. Alors nous avons
( =
_
l N
J
T
l
,/
.
Il ne suft pas de choisir /= o
+
pour montrer la convergence de lexemple
suivant.
Exemple 2.22 :
Considrons la matrice
_
1 2
2 1
_
54
ce qui est videmment strictement copositive mais pas semi-dnie posi-
tive (les valeurs propres sont 3 et -1).
Soit [0, 1] et u = e
1
et v = e
1
+ (1 - )e
2
. Alors
_
u
T
v
T
_
A(u v) =
_
1
1
_
A
_
1
0 1
_
=
_
1 2
2 1 + 2 2
2
_
= B
Les valeurs propres de B sont
1 +
2

_
(1 +
2
)
2
+ 3( 1)
2
< 0 et
1 +
2
+
_
(1 +
2
)
2
+ 3( 1)
2
> 0.
Ainsi, B nest pas semi-dnie positive pour tout [0, 1]. Parce que
chaque partition (non trivial) de
s
contient un simplexe conv u, v , il
nexiste pas de partition T telle que A J
T,/
.
2.4.1.3 Relation avec les cnes (
r
et /
r
:
Pour comparer nos approximations de la hirarchie des cnes polydriques
(
r
par (Bomze et de Klerk, 2002), observent que (
0
= A = J

s . Pour (
1
,
il est montr dans (Bomze et de Klerk, 2002) que A (
1
si et seulement si
A
ii
0 pour tout i 1, ..., n
A
ii
+ 2A
ij
0 pour tout i ,= j
A
ij
+ A
jk
+ A
ki
0 pour tout i < j < k.
Pour voir la diffrence entre les approches, considrer la dimension n = 2
pour plus de simplicit, dans ce cas, le systme ci-dessus dcrivant (
1
se
rduit
A
11
0, A
22
0, A
11
+ 2A
12
0, A
22
+ 2A
12
0
55
Considrons la partition = T conv e
1
, v , conv v, e
2
avec
v =
1
2
e
1
1
2
e
2
. Le systme correspondant des ingalits est alors
A
ii
0 i 1, 2 (2.2)
A
11
+ A
12
0 (2.3)
A
22
+ A
12
0 . (2.4)
plus les ingalits redondantes v
T
Av 0. videmment, le systme (2,2) -
(2,4) est implique par (2,1), et donc J
T
(
1
. Comme
_
1 1
1 1
_
rem-
plit (2.2) - (2.4) mais pas (2,1), nous avons J
T
,= (
1
. Il est facile de montrer
que pour. Il est facile de montrer que pour v e
1
+ (1 - ) e
2
nous avons
J
T
(
1
si [
1
3
,
2
3
] et J
T
(
1
autrement.
Une gnralisation de notre approche consiste utiliser au lieu de parti-
tions simplicial couvre simpliciaux
Dnition 2.23 :(Couverture Simplicial)
Soit un simplexe dans R
n
. Une famille T =
1
, ...,
m
de simplexes
satisfaisant
=
m
_
i=1

i
.
est appel un couvercle simplicial de .
Les ensembles V(T), E(T), et C(T) sont dnies comme des partitions sim-
pliciaux (voir dnition 1.24)
Notez que tous les rsultats dans les sections 1.4 et 2.4 sont galement va-
lables pour couvre simpliciaux. Il est facile de voir que pour n = 2 et
T = conv e
1
,
1
3
e
1
+
2
3
e
2
, conv
2
3
e
1
+
1
3
e
2
, e
2
nous avons J
T
= (
1
.
Cest une question intressante, qui de ces arguments peut tre tendue
aux dimensions suprieures et des approximations dordre suprieur (
r
avec r > 1.
La comparaison de nos rapprochement avec o
+
+ A, il est clair quil nya
pas de partition de T tel que J
T
o
+
+ A, car en dimension n = 2, nous
avons o
+
+ A = (, tandis que J
T
est un sous-ensemble des polydres (.
Cependant, pour n > 4, il est possible de construire des partitions avec
J
T
, o
+
+ A, qui dcoule de la la convergence rsulte thorme 2.18 et le
fait que ( ,= o
+
+ A.
56
Avec la gnralisation de notre approche (cf. section 2.4.1.2) nous avons
videmment J

s
,o
+
+A
= /
0
.
2.4.2 Approximation extrieure de ( :
Comme prcdemment, considrons une partition simpliciale
T =
1
, ...,
m
de
s
, et soit v
T
dsigne lensemble de tous les sommets
des simplexes deT. Dnir
O
T
= A o [ v
T
Av 0 pour tout v V(T)
Il est facile de voir que, semblable J

, lensemble O
T
est polydrique,
aussi bien.
Nous avons les proprits suivantes :
Lemme 2.24 :
Soit T, T
1
, T
2
dnotent partitions simplicial de
s
. Alors
(a) O
T
est un cne convexe polydrique ferm.
(b) O
T
(, cest dire O
T
est une approximation extrieure de (
(c) si T
2
est un rafnement de T
1
, alors O
T
2 O
T
1.
Preuve :
Le point (a) est vident, daprs la dnition. Si A (, alors x
T
A x
0 pour tout x
s
. Puisque V (T)
s
, lnonc (b) ci-dessous. Enn,
nous avons V (T
1
) V (T
2
). Par consquent, lensemble des ingalits d-
crivant O
T
1 est un sous ensemble de lensemble des ingalits dcrivant
O
T
2 et donc O
T
2 O
T
1, qui montre le point (c).
En gnral, lapproximation extrieure nest pas signal comme lexemple
suivant illustre.
Exemple 2.25 :
Si T se compose uniquement du simplexe standard, cest--dire
T =
s
, alors
O
T
= A o [ A
ii
0 pour tout i 1, ..., n
57
Cela correspond au fait bien connu que dune matrice copositive ncessai-
rement possde des entres non ngatives sur la diagonale (cf. Lemme 1.2
(a)). Notez que O

s nest pas point.


Effectuer une bissection milieu de larte e
1
, e
2
donne le nouveau som-
met w : =
1
2
(e
1
+ e
2
) et les rendements obtenus T
2
partition de lensemble
O
T
= A o[ A
ii
0 pour tout i 1, 2,
A
11
+ 2A
21
+ A
22
0
un ensemble plus petit et de meilleure approximation de C.
Pour une illustration des cnes O
T
et O
T
2 voir la gure 2.3.
Une approximation extrieure de O
T
converge vers le cne copositive que
la partition P safne
Thorme 2.26 :
Soit T
l
une suite de partition simplicial de
s
avec (T
l
) 0. Alors, nous
avons
( =

l N
O
T
l
.
Preuve :
videmment, le lemme 2.24 implique (

l N
O
T
l
.
Pour voir linverse, prendre A , (. Alors x
T
A x < 0 pour certains x
s
.
De la continuit il sensuit quil ya un voisinage N

( x) de x tel que
x
T
Ax < 0 pour tout x N

( x)
Soit T (T
l
) une certaine partition avec (T) < . Ensuite, il ya un sim-
plexe T et un sommet v de avec | x - v | < , de sorte v N

( x)
De (2.5), nous voyons que v
T
A v < 0, do A , O
T
Par consquent,
A ,

l N
O
T
l
.
58
Pour tout v
s
, lensemble 1 = X o [ v
T
X v = 0 est un hyperplan
dappui de (. En effet, prendre w v. Puis w w
T
est semi-dnie positive
et donc w w
T
(. Par ailleurs v
T
(w w
T
) v = (v
T
w)
2
. En consquence, w
w
T
1 (, et donc 1 ( est une face expose du cne C dans le sens
de (Hiriart-Urruty et Lemarechal, 1993). Il est mme un visage maximale
exposs, cest dire quelle nest pas contenue dans un autre visage lex-
ception du cne lui-mme. Pour le voir, supposons que 1 ( est contenue
dans le visage 1
1
( et 1
2
( avec
1
i
= X o [ V
i
, X v = 0 pour i = 1, 2 et 1
1
,= 1
2
, ce qui implique
que V
1
et V
2
sont linairement indpendants. Alors il existe
1
,
2
0 tel
que
vv
T
=
1
V
1
+
2
V
2
.
Il est immdiat de la dnition du cne dual que V
1
, V
2
(

. Mais cela
contredit le fait que les v v
T
est extrmale pour le cne dual (

. La dimen-
sion de la face expose 1 ( est au moins n-1, puisque la dimension de
v

est n - 1.
2.4.3 Des approximations du cne dual (

:
Rappelons que le cne dual de ( est le cne (

des matrices complte-


ment positives. Par dualit, le double cne dune approximation intrieure
(resp. extrieure) de C est un rapprochement extrieur (resp. intrieur) de
(

. En effet, il nest pas difcile de voir que


J

T
=

[u,v]((T)

uv
(uv
T
+ vu
T
) +

w1(T)

w
ww
T
[
uv
,
w
0 (

est une approximation externe de (

, et
O

T
=

vV(T)

v
vv
T
[
v
0 (

est une approximation intrieure de (

. De thormes 2.18 et 2.26, nous


avons immdiatement obtenir que si T
l
est une squence de partitions
simplicial de
s
avec (T
l
) 0, alors les approximations convergent, cest
dire
(

l N
J

T
l
(

=
_
l N
O

T
l
.
59