Académique Documents
Professionnel Documents
Culture Documents
Mathmatiques 3
Hypothse importante: on suppose que h est rgulire, i.e. que, pour tout x S , la famille de vecteurs Dh1 (x), . . . , Dhp (x) est une famille libre de Rn . Nous ne rappelerons plus cette hypothse dans la suite.
S en n'importe quel point x de S par p quations linaires :
Thorme 1
(1)
Il faut bien comprendre que chacune des p relations v, Dhi (x) = 0 est une quation linaire et que le thorme prcdent donne bien l'quation du s.e.v. Tx S . On supposera toujours que h est rgulire. S est alors dite surface rgulire de dimension n p. 1
Remarque 2 La preuve du thorme 1 comprend une partie dicile qui sort du cadre de ce cours. Elle utilise un thorme profond la base de la gomtrie direntielle : le thorme des fonctions implicites. Nous ne ferons que mentionner cette dicult.
Dnition 3 La fonction f : Rn R admet un maximum local sous la contrainte h(x) = 0 au point x S = x : h(x) = 0 si on peut trouver r > 0 tel que
Cela signie que les valeurs de f des points de la surface S autour de x sont infrieures f (x ). On dnit de mme un minimum local sous contraintes en changeant juste le signe par . Un extremum est un minimum ou un maximum.
Dnition 5 (Point stationnaire et multiplicateurs) Un point x est dit point stationnaire du problme d'optimisation
Optimiser localement f (x) sous la contrainte h(x) = 0 s'il existe un vecteur = ( , . . . , ) Rp tel que p 1
DL x , = 0.
Les points stationnaires du problme sous contraintes sont ainsi les points x tels qu'il existe Rp pour lequel (x , ) est un point stationnaire de L. On notera ici S(f |h(x) = 0) leur ensemble. Pour trouver les extrema d'une fonction sous contraintes, la premire tape est encore de rechercher les points stationnaires. C'est ce qu'arme le
Thorme 6 (Condition ncessaire du 1er ordre) Soit f : Rn R une fonction C 2 et h : Rp une application C 2 rgulire. Soit S = x : h(x) = 0 la surface rgulire associe. Si x S est un extremum local de f sous la contrainte h(x) = 0, x est un point stationnaire du problme d'optimisation Optimiser localement f (x) . sous contraintes sous la contrainte h(x) = 0
On peut rpondre dans les cas "favorables" grce l'tude d'une matrice hessienne bien choisie. On suppose que f et h sont C 2 et que la contrainte h est rgulire. On note
2 H = Dxx L(x , ) =
2L (x , ) xi xj
Mn (R)
i,j=1,...,n
la matrice hessienne de L en la variable x au point (x , ). Soit qH (u) = u H tu sa forme quadratique associe. On note toujours S = {x : h(x) = 0} et Tx S l'espace tangent S en x .
Thorme 7 (Conditions susantes du 2nd ordre) Sous les hypothses cidessus, i) Si la restriction de qH Tx S est dnie positive , x est un minimum local de f sous la contrainte h(x) = 0.
ii) Si la restriction de qH Tx S est dnie ngative, x est un maximum local de f sous la contrainte h(x) = 0. iii) Si 0 est un point col de la restriction de qH Tx S , x est un point col de f et n'est pas un extremum local de f sous la contrainte h(x) = 0.
3
iv) Dans tous les autres cas, on ne peut pas conclure ( ce stade).
Remarquez bien que la discussion est similaire celle dj vue en optimisation libre mais que
La matrice hessienne H considrer est maintenant enne de L en la variable x au point (x , ). La forme quadratique dont on tudie le "signe" est la l'espace tangent Tx S .
la matrice hessirestriction de qH