Université Dr.
Moulay Tahar de Saïda Le 04/02/2019
Faculté: Des sciences, Département: De Mathématiques
Troisièma année Licence en Mathématique Matière: Optimisation sans contrainte
Corrigé de l’examen Final
Exercice 1.
Exercice 2. : (06 points)
Soit J (u) = 12 (Av; v) (b; v) où A est une matrice symitrique de Rn dans Rn et v 2 Rn ;une
fonctionnelle quadratique de Rn dans R
1. Montrer que J est convexe ssi A est semi dé…nie positive.(01pt)
Un rapide calcul donne tous u; v 2 Rn et t 2 [0; 1] :
t (t 1)
J (tu + (1 t) v) tJ (u) (1 t) J (v) = (A (u v) ; u v)
2
D’où (a) et (b) (01pt) :
La question (c) est une application directe du cours.(01pt)
s.
d) Soient u; v 2 Rn et t > 0 :
t2
J (u + tv) J (u) = t (Au b; v) + (Au; u) (1)
2
S’il existe u 2 Rn tel que : 8v 2 Rn ; J (u) J (v) ; (1) donne aprés divisionpar t
t
8v 2 Rn (Au b; v) + (Au; u) 0 (2)
2
En faisant tendre t vers 0 on voit que (Au b; v) 0 pour tout v et donc Au b=0
(l’ensemble fw 2 Rn : Aw = bg n’est pas donc vide ; par conséquent
t
8v 2 Rn ; 8t > 0 (Au; u) 0;
2
ce qui signife que A est semi-dé…nie positive.
positive.
Réciproquement, on choisit u dans l’ensemble fw 2 Rn : Aw = bg qui n’est pas vide.
Si de plus A est semi–dé…nie positive, la relation ( 1) montre que J(u) J(u + tv) pour tout
v 2 Rn : (1pt)
(a) i. On écrit
f (x ) f (x + h) = f (x ) + hrf (x ) ; hi + j hj ' ( h) ; avec ' ( h) ! 0:
!0
On divise alors par > 0 puis en fait tendre vers 0+ : En …n , en choisissant dans le développe-
ment précédent h pour tout h 2 Rn ; la conclusion s’ensuit. (1pt)
(a) ii On utilise en développement de Taylor-Young à l’ordre 2 et on utilise les memes
notations que précédemment. On a:
1
f (x + h) = f (x ) + hrf (x ) ; hi + hHess f (x ) h; hi + khk2 ' (h)
2
1
= f (x ) + hHess f (x ) h; hi + khk2 ' (h)
2
Comme précédemment, on remplace h par h; h quelconque, petit, puis en divise par
2
et en fait tendre vers 0:(1pt)
Exercice 3. (7pts)
exp (x + y)
g (x; y) = p
x+y
1. Le dénoménateur n’est dé…ni que si x + y 0; et il ne doit pas s’annuler ce qui interdit x + y
=0. On a donc Dg = f(x; y) 2 R2 : x + y 0g :(1; 5pt)
2. Dg est convexe car c’est un demi plan.(1; 5pt)
p 1
3. Pour tout (x; y) 2 Dg ; g (x; y) 0 et ln (g (x; y)) = x + y ln x + y = x + y 2
ln (x + y)
Or (x; y) ! x + y est convexe car c0 est une fonction a¢ ne. (x; y) ! 12 ln (x + y) est convexe
car la composée d’une fonction a¢ ne par la fonction 21 ln (:) qui est convexe; par la propriété
d’addition ln g est convexe et g par conséquent aussi convexe sur Dg :(2pt)
4. On a pour tout (x; y) 2 Dg ;
@g @g (2x+2y 1) exp(x+y)
@x
(x; y) = @y
(x; y) = 3 :(2pt)
2(x+y) 2
Exercice 4. Les points critiques:(7pt)
1. f (x; y) = x3 + y 3 3cxy; (c 2 R) (3pt)
On se pose dans le cadre c 6= 0; on calcule le gradient
rf (x; y) = 3x2 3cy; 3y 2 3cx
Les poits critiques sont p0 = (0; 0) et pc = (c; c)
D’aprés les calcules p0 = (0; 0) est un point-selle.
Et si c > 0; pc = (c; c) est un point de minimum;
si c < 0; pc = (c; c) est un point de maximum.
2. f (x; y) = x2 cos (y) (2pt)
on calcule le gradient
rf (x; y) = (2x; sin y)
Les poits critiques sont toutes les points de la forme pk = (0; k ) ; k 2 Z:
Si k est impair le point pk est un point selle,
si k est pair le point pk est un point de minimum.
3. (x; y) = x2 y 2 (2pt)
on calcule le gradient
rf (x; y) = 2xy 3 ; 3x2 y 2
Les poits critiques sont de la forme ph = (0; h) pk = (k; 0) ; plaçons nous au point critique (0; 0)
leur nature est un point selle.
Si k est impair le point pk est un point selle.
