Professional Documents
Culture Documents
Pn
et K l’ensemble défini par: K = {(x1 , . . . , xn )t ∈ Rn , xi ≥ 0 ∀i, i=1 xi = 1}
a = (a1 , . . . , an )t est un vecteur donné de Rn dont toutes les composantes sont strictement positives.
Exercice 3
Etant donné u = (u1 , . . . , u2 ) ∈ Rn on cherche un élément x = (x1 , . . . , xn ) ∈ Rn vérifiant x1 ≤ x2 ≤
· · · ≤ xn le plus proche possible de u (au sens de la norme euclidienne usuelle de Rn )
2. Décrire les conditions caractérisant l’unique élément x̄ = (x̄1 , . . . , x̄n ) répondant à la question.
3. on traite ici un exemple dans R4 : étant donné u = (2, 1, 5, 4), trouver l’unique x̄ = (x̄1 , x̄2 , x̄3 , x̄4 )
vérifiant x1 ≤ x2 ≤ · · · ≤ x4 à distance minimale de u.
4. L’algorithme d’UZAWA est une méthode numérique itérative pour résoudre de ce type de
problèmes. Décrire cette méthode en l’appliquant à ce problème ( Question 1) .
1
Exercice 4
Soit V = Rn , on considère le problème de minimisation convexe suivant:
Inf J(v),
(P)
F (v) ≤ 0
où J est une fonction convexe continue de Rn dans R et F une fonction covexe continue de Rn dans
Rm . Pour ε > 0, nous introduisons alors le problème sans contraintes
m
1X
[max(Fi (v), 0)]2 ;
(Pε ) inf J(v) +
v∈V ε i=1
On suppose que J est strictement convexe et coercive, que Fi sont convexes et continue pour 1 ≤
i ≤ m, et que l’ensemble
K = {v ∈ Rn , Fi (v) ≤ 0∀i ∈ {1, . . . , m}}
et non vide. Montrer que (P) resp. (Pε ) admet une solution unique noté u (resp. uε ) et que
lim uε = u
ε→0
Exercice 5
Pour minimiser f : Rn → R on considère en générale x0 donné puis xk+1 = xk + tk dk où dk est
une direction de descente pour f en xk et où le pas tk n’est pas obtenu par une minimisation
unidimentionnelle exacte mais par une recherche linéaire dont le succès consiste juste à satisfaire les
deux conditions suivantes (appelée règles de Wolfe):
h(tk ) ≤ h(0) + tk m1 h0 (0), règle (1)
4. En déduire
m1 (1 − m2 ) 2
f (xk ) − f (xk+1 ) ≥ δ k ∇f (xk ) k2
L
P∞
5. En déduire que k=0 k∇f (xk )k2 converge, donc ∇f (xk ) → 0.
6. On suppose de plus que f est coercive et strictement convexe. Montrer alors que xk converge
vers x∗ le min unique de f .