Analyse Convexe et Dualit´e

1 Fonctions convexes
1.1 Caract´erisation et propri´et´es de continuit´e
D´efinition ♦ Une fonction f : X →] −∞, +∞] est dite convexe lorsque, ∀(x, y) ∈ X,
∀λ ∈]0, 1[, f(λx + (1 −λ)y) ≤ λf(x) + (1 −λ)f(y). ♦
Proposition: Soit f : R
n
→R.
i) Si f est diff´erentiable alors f est convexe ⇐⇒ ∀(x, y) ∈ R
n
, f(y) −f(x) ≥
'∇f(x), y −x`.
ii) Si f est (
2
alors f est convexe ⇐⇒ ∀x ∈ R
n
, f

(x) est positive.
Remarque: f

(x) repr´esente la matrice Hessienne de f, i.e. ((

2
f
∂x
i
∂x
j
(x)))
i,j∈[1,n]
. On
dit qu’une matrice M est positive si, pour tout v ∈ R
n
, 'v, Mv` ≥ 0; lorsque M est
sym´etrique, cela revient `a dire que toutes ses valeurs propres sont positives.
Th
´
eor
`
eme: Si f : X →] − ∞ + ∞] alors f est convexe s.c.i. ⇐⇒ f(x) =
sup¦'ζ, x` + α, (ζ, α) ∈ X

R tels que ∀u ∈ X , 'ζ, u` + α < f(u)¦.
Remarque: Cela revient `a dire que f est l’enveloppe sup´erieure des fonctions affines
continues qui minorent strictement f.
Remarque: On note Γ(X) = ¦f : X →] − ∞, +∞] convexes s.c.i. avec dom(f) = ∅¦,
o` u dom(f) = ¦x ∈ X [ f(x) < +∞¦.
Th
´
eor
`
eme: Si (U, V ) sont des ouverts de X norm´e, δ > 0 est tel que V +
δB(0, 1) ⊂ U et f est convexe born´ee par N sur U alors f est
2N
δ
-lipschitzienne
sur V .
Corollaire: i) Si f : R
n
→] − ∞, +∞] est convexe finie sur un voisinage de
0 alors f est lipschitzienne sur un voisinage de 0.
ii) Si f est convexe finie sur R
n
alors f est localement lipschitzienne sur
R
n
.
Th
´
eor
`
eme: Si X est un Banach et f ∈ Γ(X) alors:
f est continue en x ⇐⇒ x ∈ int(dom(f)).
1.2 Conjugu´ee de Fenchel-Moreau
D´efinition ♦ Lorsque f ∈ Γ(X), on d´efinit:
i) f

: X

→] −∞, +∞] par f

(ζ) = sup
x∈X
¦'ζ, x` −f(x)¦,
ii) f
∗∗
: X →] −∞, +∞] par f
∗∗
(x) = sup
ζ∈X

¦'ζ, x` −f

(ζ)¦. ♦
1
Proposition: i) Pour tous (x, ζ) ∈ X X

, f(x) + f

(ζ) ≥ 'ζ, x`.
ii) La fonction u → 'ζ, u` −α minore f ⇐⇒ (ζ, α) ∈ epi(f

).
iii) Si f ≤ g alors f

≥ g

.
Th
´
eor
`
eme: Si f ∈ Γ(X) alors f

∈ Γ(X

) et f
∗∗
= f.
Remarque: Si I
S
est la fonction caract´eristique d’un ensemble convexe ferm´e S, alors
I
S
∈ Γ(X), I

S
= H
S
et donc H

S
= I
S
.
1.3 Sous-diff´erentiel
D´efinition ♦ Le sous-diff´erentiel en x de f ∈ Γ(X) est le convexe faiblement-∗ ferm´e
de X

d´efinit par ∂f(x) = ¦ζ ∈ X

[ ∀y ∈ X , f(y) −f(x) ≥ 'ζ, y −x`¦. ♦
Remarque: Si S est convexe, ∂I
S
(x) = N
S
(x).
Th
´
eor
`
eme: ζ ∈ ∂f(x) ⇐⇒ f(x) + f

(ζ) = 'ζ, x` ⇐⇒ x ∈ ∂f

(ζ).
Proposition: Si f est convexe continue en x alors ∂f(x) = ∅.
Proposition: Si (f, g) sont convexes sur X et s’il existe x
0
∈ dom(f) ∩dom(g)
tel que f soit continue en x
0
alors, pour tout x ∈ dom(f) ∩dom(g), ∂(f +g)(x) =
∂f(x) + ∂g(x).
Proposition: Soit A : X → Y continue et g(x) = f(Ax). S’il existe x
0
∈ X tel
que f soit continue en Ax
0
, alors ∂g(x) = A

∂f(Ax).
Remarque: On se ram`ene au cas de la somme en posant
ϕ(x, y) = f(y) + I
{(x,y) , y=Ax}
(x, y),
et en remarquant que ζ ∈ ∂g(x) ssi (ζ, 0) ∈ ∂ϕ(x, Ax).
Proposition: Si f est convexe sur X norm´e et x ∈ dom(f), alors x est un
minimum global de f ⇐⇒ x est un minimum local de f ⇐⇒ 0 ∈ ∂f(x).
Th
´
eor
`
eme: f : X →] − ∞, +∞] est positivement homog`ene sous additive
s.c.i. si et seulement s’il existe Σ ∈ X

convexe ferm´e faible-∗ non vide tel que
f = H
Σ
.
Remarque: On a Σ = ¦ζ ∈ X

[ ∀x ∈ X , f(x) ≥ 'ζ, x`¦.
1.4 Diff´erentiabilit´e
D´efinition ♦ On d´efinit, lorsqu’elle existe, la d´eriv´ee directionnelle de f en x dans la
direction v par f

(x; v) = lim
t→0
+
f(x+tv)−f(x)
t
. ♦
Proposition: Si f est convexe et x ∈ dom(f), alors f

(x; v) existe dans
[−∞, +∞] pour tout v et vaut inf
t>0
f(x+tv)−f(x)
t
.
Th
´
eor
`
eme: Si X est un Banach, f ∈ Γ(X) et x ∈ int(dom(f)), alors f

(x; v) =
max
ζ∈∂f(x)
'ζ, v`, i.e. f

(x; .) = H
∂f(x)
(.).
Remarque: C’est un max car ∂f(x) est ferm´e faible-∗ born´e (f est localement lips-
chitzienne), donc compact.
Remarque: f

(x; .) est en fait lipschitzienne.
D´efinition ♦ Si f : X →R, alors on dit que f

G
(x) ∈ X

est la d´eriv´ee de Gˆateaux de
f en x si, pour tout v ∈ X, f

(x; v) = 'f

G
(x), v`. ♦
Proposition: Si f est convexe et f

G
(x) existe, alors ∂f(x) = ¦f

G
(x)¦.
2
Proposition: Si X est un Banach, f ∈ Γ(X) et x ∈ int(dom(f)), alors ∂f(x) =
¦ζ¦ ⇐⇒ f

G
(x) existe et f

G
(x) = ζ.
2 Applications au calcul des variations
Proposition: Si ϕ : [a, b]R
n
→R est une fonction de Carath´eodory v´erifiant
il existe θ ∈ L
1
(a, b), ∃c : [a, b] R
n
→ R finie sur les born´es tels que ϕ(t, v) ≥
'v, θ(t)` + c(t, v), alors pour tout m ≥ 0,
inf
v∈L

(a,b) , ||v||

≤m

b
a
ϕ(t, v(t)) dt =

b
a
inf
v∈R
n
, |v|≤m
ϕ(t, v) dt
Si, de plus, ϕ(t, 0) ∈ L
1
(a, b) alors
inf
v∈L

(a,b)

b
a
ϕ(t, v(t)) dt =

b
a
inf
v∈R
n
ϕ(t, v) dt
Th
´
eor
`
eme: Si g(t, v) est continue [a, b] R
n
→ R, convexe par rapport `a v
et telle qu’il existe ε > 0, p > 1 et γ ∈ R avec g(t, v) ≥ ε[[v[[
p
+ γ, alors en
posant, pour v ∈ L
2
(a, b), f(v) =

b
a
g(t, v(t)) dt on a ∂f(v) = ¦ζ ∈ L
2
(a, b) [ ζ(t) ∈

v
g(t, v(t)) pp t ∈ [a, b]¦.
Th
´
eor
`
eme: Si L(t, x, v) est continue [a, b] R
n
R
n
→R, convexe par rapport
`a v et v´erifie ∃ε > 0, ∃r > 1, ∃γ ∈ R tels que L(t, x, v) ≥ ε[[v[[
r
+ γ alors il existe
une solution au probl`eme:

minimiser

b
a
L(t, x(t), x

(t)) dt sur W
1,r
(a, b)
sous les contraintes x(a) = A et x(b) = B.
Remarque: On introduit l’hamiltonien du syst`eme, d´efini par
H(t, x, p) = L(t, x, .)

(p) = sup
v∈R
n
¦'p, v` −L(t, x, v)¦.
On montre alors que H est continue, convexe par rapport `a p, major´ee par C[[p[[
r

−γ et
que l’on a L(t, x, v) = H(t, x, .)

(v) = sup
p∈R
n¦'p, v` −H(t, x, p)¦.
3 Optimisation convexe
On s’int´eresse au probl`eme:
(P) min¦f(x) [ x ∈ Ω, g(x) ≤ 0 , h(x) = 0¦
o` u Ω est un ensemble convexe de X, f est convexe, g est convexe `a valeurs dans R
n
(g(x) ≤ 0 signifie que toutes les composantes de g(x) sont ≤ 0) et h est lin´eaire `a valeurs
dans R
m
.
3
3.1 Conditions n´ecessaires
Th
´
eor
`
eme: Si x est solution de (P), alors il existe λ
0
= 0 ou 1, γ ≥ 0 et
λ ∈ R
m
v´erifiant (λ
0
, γ, λ) = 0 tels que x minimise f(x) +'γ, g(x)` +'λ, h(x)` sur Ω
et 'γ, g(x)` = 0.
Remarque: La derni`ere condition dit que, pour tout i ∈ [1, n], γ
i
g(x)
i
= 0.
Remarque: De tels (λ
0
, γ, λ) sont dit multiplicateurs pour x.
Remarque: On en d´eduit donc que 0 ∈ ∂(f + 'γ, g` + 'λ, h` + I

)(x), et donc que si
int(Ω) ∩ dom(f) ∩ dom(g) ∩ dom(h) = ∅, 0 ∈ ∂(f +'γ, g` +'λ, h`)(x) + N

(x).
Proposition: Sous les mˆemes hypoth`eses, si en plus (P) v´erifie la condition
de Slater: h = 0 et il existe x
0
∈ Ω tel que g(x
0
) < 0, alors, pour tout multipli-
cateur (λ
0
, γ, λ) de x, on a λ
0
= 1.
Remarque: Lorsque tous les multiplicateurs pour x v´erifient λ
0
= 1, on dit que x est
solution normale de (P).
Proposition: Si (P) v´erifie la condition de Slater, Ω ⊂ dom(f) et V (α) =
min¦f(x) [ x ∈ Ω, g(x) ≤ α¦ n’est jamais −∞, alors
−∂V (0) = ¦γ mutiplicateur pour x¦.
Proposition: Si x est admissible et poss`ede un multiplicateur avec λ
0
= 1,
alors x est solution de (P).
3.2 Dualit´e
En posant θ(γ, λ) = min
x∈Ω
¦f(x) +'γ, g(x)` +'λ, h(x)`¦, le probl`eme dual associ´e `a (P)
est
(D) max¦θ(γ, λ) [ γ ≥ 0 , λ ∈ R
m
¦
Th
´
eor
`
eme: Si x est une solution normale de (P), alors le minimum de (P)
est ´egal au maximum de (D) et:
(γ, λ) est mutiplicateur pour x ⇐⇒ (γ, λ) est solution de (D).
Remarque: En notant L(x, γ, λ) = f(x) +'γ, g(x)` +'λ, h(x)`, on voit que (x, γ, λ) est
un point selle de L, i.e. L(x, γ, λ) ≤ L(x, γ, λ) ≤ L(x, γ, λ) pour tout x ∈ Ω, γ ≥ 0 et
λ ∈ R
m
.
4

Sign up to vote on this title
UsefulNot useful