f f x, y x y x y - α, β f x, y α x, y β x, y - f: − − ∈ × ≥ k k ∈ k k
f f x, y x y x y - α, β f x, y α x, y β x, y - f: − − ∈ × ≥ k k ∈ k k
f f x, y x y x y - α, β f x, y α x, y β x, y - f: − − ∈ × ≥ k k ∈ k k
pour tous (x, y) ∈ R2 , où la notation k.k désigne la norme euclidienne de R2 . En déduire que le
problème
inf f
(x,y)∈R2
Exercice 2. Soit f : Rn → R une fonction convexe deux fois différentiable. On suppose qu’il existe M
tel que
∀x, h ∈ Rn h∇2 f (x)h, hi ≤ M khk2 , en particulier Ad 6= 0.
autrement dit k∇2 f (x)kM(R) ≤ M
1. Montrer que pour tous x, y ∈ Rn ,
M
f (y) ≤ f (x) + h∇f (x), y − xi + ky − xk2
2
M
2. Pour x fixé on pose g(y) = f (x) + h∇f (x), y − xi + ky − xk2 . Montrer que g admet un unique
2
minimum y ∗ sur Rn et calculer la valeur minimale de g.
3. On suppose que f admet un minimum global en x∗ qui vaut p∗ . Montrer que pour tout x ∈ Rn
1
p∗ ≤ f (x) − k∇f (x)k2 .
2M
Exercice 4. Soient n, p ∈ N deux entiers non nuls. Soient A ∈ Mp,n (R) une matrice rectangulaire,
b ∈ Rp un vecteur. On définit la fonction f : Rn → R par
1
f (x) = kAx − bk2 .
2
Attention on utilisera la même notation pour la norme et le produit scalaire dans Rn et dans Rp , mais
les vecteurs ne sont a priori pas de la même taille !
1. Montrer que f est une fonctionnelle quadratique et préciser la matrice carrée A0 ∈ Mn (R), le
vecteur b ∈ Rn et la constante c ∈ R associés à f .
2. Donner l’expression du gradient ∇f (x) et de la matrice hessienne ∇2 f (x) de f en tout point
x ∈ Rn (on pourra se référer à un résultat du cours plutôt que de faire les calculs).
3. Montrer que f est convexe.
4. Montrer que f est strictement convexe si et seulement si ker(A) = {0}.
5. Soit x ∈ Rn tel que ∇f (x) 6= 0. Rappeler la définition d’une direction de descente d ∈ Rn au
point x et montrer que d ∈ Rn est une direction de descente si et seulement si
6. Soit x ∈ Rn tel que ∇f (x) 6= 0 et d une direction de descente au point x. Montrer que le
problème d’optimisation
inf f (x + td).
t∈R
h∇f (x), di
t∗ = − .
kAdk2
Exercice 5.
1. Soit n ∈ N∗ . On désigne par h; i le produit scalaire euclidien de Rn . Soit A une matrice symé-
trique définie positive, b ∈ Rn et c ∈ R. On considère le problème d’optimisation quadratique
1
inf J(x) avec J(x) = hAx, xiet et K = {x ∈ Rn : hx, bi = c}.
x∈K 2
Proposer une approche numérique de résolution que vous décrirez très précisément. On explici-
tera notamment l’étape de modélisation et l’algorithme retenu.
2. Soit k > 0. On définit sur R2 la fonction appelée Rosenbrock banana, par la relation
Exercice 6. Déterminer les extrema (locaux et globaux) des fonctions f suivantes sur leur domaine
de définition sous la contrainte g = 0.
1. f (x, y, z) = x − y + z, g(x, y, z) = x2 − y 2 + z 2 − 4
2. f (x, y) = xy, g(x, y) = x2 + y 2 − x − y.
3. f (x, y) = ln(x − y), g(x, y) = x2 + y 2 − 2.
x2 y2
4. f (x, y) = x2 + y 2 , g(x, y) = − .
4 16
5. f (x, y) = 2x + y, g(x, y) = x2 + xy − y 2 − 1.
1 1 1 1 1
6. f (x, y) = + , g(x, y) = 2 + 2 − .
x y x y 2
7. f (x, y) = x + y + (y − x) , g(x, y) = x2 + y 2 + 2y − 2x − 6.
2 2 2
Minimiser J(x, y) = x3 y
(P ) :
sous les contraintes x3 − y − 1 = 0.
√
1. Montrer que (x∗ , λ∗ ) = (2, 1, 2, 1) est une solution évantuelle de ce problème après la résolution
des conditions de 1er ordre.
2. Vérifier si la condition de la méthode du lagrangien est remplie.
Exercice 9. Un consommateur qui dispose d’un budget s’élevant à 140um choisit entre trois biens 1,
2 et 3 ayant tous le même prix unitaire égale à 1um. Le bien 1 est rationné à 40 unités physique. Il est
néammoins disponible sur le marché parallèle au double de son prix régulier. La fonction d’utilité qui
représente l’attitude du consommateur à l’égard des trois biens est
U (x) = 4 ln x1 + 2 ln x2 + ln x3 .
C = {x ∈ R2 : x21 ≤ x2 }.
Exercice 11.
1. Soit C un ensemble convexe fermé non vide de Rn , et ΠC l’application de projection sur C. Pour
τ ∈ Rn on note Cτ = C + τ = {x + τ, x ∈ C}. Déterminer l’expression de la projection ΠCτ (x)
de x ∈ Rn en fonction de ΠC et de τ .
2. On note D le disque fermé de centre (0, 0) et de rayon 1 dans R2 , et C le disque fermé de centre
(1, 0) et de rayon 1. Rappeler sans démonstration l’expression de la projection sur D, et déduire
de la question précédente l’expression de la projection sur C.
3. Montrer que le problème
2 2
Minimiser J(x, y) = ex +y − x + y
(P ) :
pour X = (x, y) ∈ C.
Minimiser J(x, y) = x2 + y 2 − 4y + 4
(P ) :
sous les contraintes y ≤ 2x2 et y ≥ x2 .
(Pα ) :
sous les contraintes y ≥ 0 et y ≤ x2 .
(P ) :
avec K = {(x, y, z) ∈ R3 : x + y + z = 1 et x2 + y 2 ≤ 1}.