Mathmatiques et Applications 70

Bases, outils et principes pour l'analyse variationnelle

von
Jean-Baptiste Hiriart-Urruty

1. Auflage

Bases, outils et principes pour l'analyse variationnelle Hiriart-Urruty

schnell und portofrei erhltlich bei beck-shop.de DIE FACHBUCHHANDLUNG
Thematische Gliederung:
Variationsrechnung

Springer 2012
Verlag C.H. Beck im Internet:
www.beck.de
ISBN 978 3 642 30734 8

Table des matires

- PROLGOMNES : LA SEMICONTINUIT INFRIEURE ;

LES TOPOLOGIES FAIBLES ;
- RSULTATS FONDAMENTAUX DEXISTENCE
EN OPTIMISATION. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2
La question de lexistence de solutions . . . . . . . . . . . . . . . . .
2.1
La semicontinuit infrieure . . . . . . . . . . . . . . . . . . . .
2.2
Des exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.3
Un rsultat standard dexistence . . . . . . . . . . . . . . . . .
3
Le choix des topologies. Les topologies faibles sur un espace
vectoriel norm. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1
Progression dans la gnralit des espaces de travail . . .
3.2
Topologie faible rE; E sur E . . . . . . . . . . . . . . . . .
3.3
Le topologie faible-, rE ; E (weak- en anglais) . . .
3.4
Lapport de la sparabilit . . . . . . . . . . . . . . . . . . . . .
3.5
Un thorme fondamental dexistence en prsence
de convexit . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Rfrences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
CONDITIONS NCESSAIRES DOPTIMALIT
APPROCHE . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1
Condition ncessaire doptimalit approche ou principe
variationnel dEKELAND . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1
Le thorme principal : nonc, illustrations, variantes
1.2
La dmonstration du thorme principal . . . . . . . . . .
1.3
Complments . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2
Condition ncessaire doptimalit approche ou principe
variationnel de BORWEIN-PREISS . . . . . . . . . . . . . . . . . . . . . .
2.1
Le thorme principal : nonc, quelques illustrations .

.
.
.
.
.
.

1
1
1
2
5
8

.
.
.
.
.

10
10
12
13
16

.
.

16
24

..

25

.
.
.
.

.
.
.
.

26
26
30
34

..
..

37
37

xi

xii

Table des matires

2.2
Applications en thorie de lapproximation hilbertienne . . .
3
Prolongements possibles . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Rfrences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3

-AUTOUR DE LA PROJECTION SUR UN CONVEXE FERM;

-LA DCOMPOSITION DE MOREAU.. . . . . . . . . . . . . . . . . . . .
1
Le contexte linaire : la projection sur un sous-espace vectoriel
ferm (Rappels). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1
Proprits basiques de pV . . . . . . . . . . . . . . . . . . . . . . .
1.2
Caractrisation de pV . . . . . . . . . . . . . . . . . . . . . . . . . .
1.3
La 00 technologie des moindres carrs00 . . . . . . . . . . . . . .
2
Le contexte gnral : la projection sur un convexe
ferm (Rappels). . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1
Caractrisation et proprits essentielles . . . . . . . . . . . .
2.2
Le problme de ladmissibilit ou faisabilit convexe
(the 00 convex feasibility problem00 ). . . . . . . . . . . . . . . . .
3
La projection sur un cne convexe ferm. La dcomposition
de MOREAU . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.1
Le cne polaire. . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3.2
Caractrisation de pK x ; proprits de pK ;
dcomposition de Moreau suivant K et K  . . . . . . . . . . .
4
Approximation conique dun convexe. Application
aux conditions doptimalit. . . . . . . . . . . . . . . . . . . . . . . . . . .
4.1
Le cne tangent . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2
Application aux conditions doptimalit . . . . . . . . . . . . .
Rfrences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
ANALYSE CONVEXE OPRATOIRE . . . . . . . . . . .
1
Fonctions convexes sur E . . . . . . . . . . . . . . . . . . .
1.1
Dfinitions et proprits. . . . . . . . . . . . . . .
1.2
Exemples . . . . . . . . . . . . . . . . . . . . . . . . .
2
Deux oprations prservant la convexit. . . . . . . . .
2.1
Passage au supremum . . . . . . . . . . . . . . . .
2.2
Inf-convolution . . . . . . . . . . . . . . . . . . . . .
3
La transformation de Legendre-Fenchel . . . . . . . . .
3.1
Dfinition et premires proprits . . . . . . . .
3.2
Quelques exemples pour se familiariser avec
concept . . . . . . . . . . . . . . . . . . . . . . . . . .
3.3
Lingalit de Fenchel . . . . . . . . . . . . . . . .
3.4
La biconjugaison. . . . . . . . . . . . . . . . . . . .
3.5
Quelques rgles de calcul typiques . . . . . . .
4
Le sous-diffrentiel dune fonction . . . . . . . . . . . .
4.1
Dfinition et premiers exemples . . . . . . . . .
4.2
Proprits basiques du sous-diffrentiel . . . .

..
..
..
..
..
..
..
..
..
le
..
..
..
..
..
..
..

42
53
58

59
60
60
60
61
62
63
65
68
68
72
77
77
80
84

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

85
86
86
88
91
91
91
95
95

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

96
98
98
99
100
100
102

Table des matires

xiii

4.3
Quelques rgles de calcul typiques . . . . . . . . . . . . .
4.4
Sur le besoin dun agrandissement de of . . . . . . . . .
5
Un exemple dutilisation du sous-diffrentiel : les conditions
ncessaires et suffisantes doptimalit dans un problme
doptimisation convexe avec contraintes. . . . . . . . . . . . . . .
Rfrences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

...
...

105
108

...
...

108
116

......
......

117
118

......

118

.
.
.
.

.
.
.
.

119
125
129
140

...

141

...

142

...

144

...

150

...
...

153
156

...
...

158
158

...
...

161
166

Index . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

169

QUELQUES SCHMAS DE DUALISATION DANS DES

PROBLMES DOPTIMISATION NON CONVEXES . . .
1
Modle 1 : la relaxation convexe. . . . . . . . . . . . . . . . .
1.1
Lopration de 00 convexification ferme00
dune fonction . . . . . . . . . . . . . . . . . . . . . . . .
1.2
La 00 relaxation convexe ferme00
dun problme doptimisation P . . . . . . . . . .
2
Modle 2 : convexe + quadratique. . . . . . . . . . . . . . . .
3
Modle 3 : diff-convexe . . . . . . . . . . . . . . . . . . . . . . .
Rfrences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.

.
.
.
.

SOUS-DIFFRENTIELS GNRALISS DE FONCTIONS

NON DIFFRENTIABLES . . . . . . . . . . . . . . . . . . . . . . . . . .
1
Sous-diffrentiation gnralise de fonctions
localement Lipschitz . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.1
Drives directionnelles gnralises et
sous-diffrentiels gnraliss au sens de CLARKE:
Dfinitions et premires proprits . . . . . . . . . . . . .
1.2
Sous-diffrentiels gnraliss au sens de CLARKE:
Rgles de calcul basiques. . . . . . . . . . . . . . . . . . . .
1.3
Un exemple dutilisation des sous-diffrentiels
gnraliss : les conditions ncessaires
doptimalit dans un problme doptimisation
avec contraintes . . . . . . . . . . . . . . . . . . . . . . . . . .
1.4
En route vers la gomtrie non lisse . . . . . . . . . . . .
2
Sous-diffrentiation gnralise de fonctions s.c.i. valeurs
dans R [ f1g . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.1
Un panel de sous-diffrentiels gnraliss . . . . . . . .
2.2
Les rgles de va-et-vient entre Analyse et Gomtrie
non lisses . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Rfrences . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.

.
.
.
.