Optimisation numérique
Transcription
Optimisation numérique
Optimisation numérique Inéquation d'Euler Daniele Di Pietro A.A. 2013-2014 Au menu 1 Fonctions numériques sur un intervalle fermé 2 Inéquation d'Euler, cas convexe 3 Inéquation d'Euler, cas général Outline 1 Fonctions numériques sur un intervalle fermé 2 Inéquation d'Euler, cas convexe 3 Inéquation d'Euler, cas général Une remarque élémentaire I Soit J : [a, b] → R une fonction dérivable sur [a, b] ⊂ R Soit x un minimiseur local de J sur [a, b], à savoir ∃δ > 0, ∀y ∈ [a, b], |x − y| < δ =⇒ J(x) ≤ J(y) On a trois cas de gure a (a) a b x ∈ (a, b), J 0 (x) = 0 (b) b x = a, J 0 (x) ≥ 0 a (c) b x = b, J 0 (x) ≤ 0 Figure: Minimiseur d'une fonction numérique dérivable sur un intervalle Une remarque élémentaire II En eet, si x ∈ [a, b) pour h > 0 susamment petit x + h ∈ [a, b] et J(x) ≤ J(x + h) = J(x) + hJ 0 (x) + o(h) En divisant par h et en faisant tendre h → 0+ , o(h) J(x + h) − J(x) = lim+ J 0 (x) + = J 0 (x) 0 ≤ lim+ h h h→0 h→0 Si x = b pour h > 0 susamment petit x − h ∈ [a, b] et J(x) ≤ J(x − h) = J(x) − hJ 0 (x) + o(h) En divisant par h et en faisant tendre h → 0+ , J(x + h) − J(x) o(h) 0 ≤ lim+ = lim+ −J 0 (x) + = −J 0 (x) h h h→0 h→0 Une remarque élémentaire III On peut formuler ces conditions de manière plus synthétique : x minimiseur local de J sur [a, b] =⇒ ∀y ∈ [a, b], J 0 (x)(y − x) ≥ 0 Si x = a on a forcement y ≥ x et J 0 (x) ≥ 0 Si x = b on a forcement y ≤ x et J 0 (x) ≤ 0 Enn, si x ∈ (a, b) on peut avoir soit (y − x) > 0 soit (y − x) < 0 et donc l'inégalité est vériée uniquement si J 0 (x) = 0 Par la suite nous allons généraliser cette remarque à des fonctionnelles plus complexes Outline 1 Fonctions numériques sur un intervalle fermé 2 Inéquation d'Euler, cas convexe 3 Inéquation d'Euler, cas général Inéquation d'Euler, cas convexe I Par la suite on note V un EHR et K ⊂ V On considère le problème de minimisation sous contrainte inf J(v) v∈K Un première généralisation des résultats ci-dessus est simple à obtenir si K est un convexe fermé non vide Un point clé pour généraliser ultérieurement ce résultat consistera à identier des directions admissibles Inéquation d'Euler, cas convexe II Théorème (Inéquation d'Euler, cas convexe) Soit K un convexe fermé non vide, J continue sur un ouvert contenant K et diérentiable en u. Alors, si u est un minimiseur local de J sur K , (∇J(u), v − u)V = hJ 0 (u), v − uiV 0 ,V ≥ 0 ∀v ∈ K. (IE) Si u vérie (IE) et J convexe, alors u est minimiseur global de J sur K . Inéquation d'Euler, cas convexe III Pour tout v ∈ K et h ∈ (0, 1], u + h(v − u) ∈ K par convexité de K De plus, pour h susamment petit, 0 ≤ J(u + h(v − u)) − J(u) = hhJ 0 (u), v − uiV 0 ,V + o(h) =⇒ hJ 0 (u), v − uiV 0 ,V + o(h) ≥0 h L'inégalité (IE) suit en faisant tendre h → 0+ Si J convexe sur K , nous avons prouvé (2e séance) que ∀v ∈ K, J(v) ≥ J(u) + hJ 0 (u), v − uiV 0 ,V , ce qui montre que u est minimiseur global car hJ 0 (u), v − uiV 0 ,V ≥ 0 Inéquation d'Euler, cas convexe IV Dans certains cas (IE) se réduit à l'équation d'Euler (EE) J 0 (u) = 0 Si K = V , v − u décrit V lorsque v décrit V car, pour obtenir un élément générique w ∈ V il sut de prendre v =w+u La même conclusion s'impose si u est un point intérieur de K Inéquation d'Euler, cas convexe V Exemple (K sous-espace ane fermé de V ) Soit V de dimension nie et K ⊂ V sous-espace ane fermé de la forme K = u0 + P, P = {v ∈ V | (ai , v)V = 0 ∀i ∈ J1, mK} , avec (ai )1≤i≤m famille libre de vecteurs de V . Prouver, à partir de (IE), la caractérisation suivante d'un minimiseur u ∈ K : ∃λ1 , . . . , λm ∈ R, ∇J(u) + m X i=1 λi ai = 0. Inéquation d'Euler, cas convexe VI L'inégalité (IE) établit que hJ 0 (u), v − uiV 0 ,V ≥ 0 ∀v ∈ K Comme u ∈ K , u = u0 + ũ avec ũ ∈ P Lorsque v = u0 + ṽ décrit K , w = v − u = ṽ − ũ décrit P à savoir, hJ 0 (u), wiV 0 ,V ≥ 0 ∀w ∈ P Comme P est un sous-espace vectoriel, w ∈ P =⇒ −w ∈ P , et hJ 0 (u), wiV 0 ,V = 0 ∀w ∈ P, Inéquation d'Euler, cas convexe VII Par dénition, cela signie que ∇J(u) ∈ P ⊥ = span ((ai )1≤i≤m ) Comme (ai )1≤i≤m est une base de P ⊥ , on a donc ∇J(u) = − m X i=1 λi ai =⇒ ∇J(u) + m X λi ai = 0, i=1 avec (−λi )1≤i≤m coordonnées de J 0 (u) dans la base (ai )1≤i≤m Les réels λi , 1 ≤ i ≤ m sont appelés multiplicateurs de Lagrange Outline 1 Fonctions numériques sur un intervalle fermé 2 Inéquation d'Euler, cas convexe 3 Inéquation d'Euler, cas général Inéquation d'Euler, cas général I Si K est convexe, toute direction v reste innitésimalement dans K Si ce n'est pas le cas il faudra dénir l'ensemble K(u) = {directions v ∈ K qui restent innitésimalement dans K} Ces directions sont dites admissibles Inéquation d'Euler, cas général II Dénition (Directions admissibles) Soit V un EHR et K ⊂ V . Pour tout v ∈ K on dénit le cône des directions admissibles K(v) := w ∈ V | ∃(vn ) ∈ K N , ∃(n ) ∈ (R∗+ )N , limn→+∞ vn = v, limn→+∞ n = 0, limn→+∞ vn −v n =w En termes imagés, on peut dire que K(v) est l'ensemble des vecteurs qui sont tangents à une courbe contenue dans K et passant par v Inéquation d'Euler, cas général III De manière équivalent, w ∈ K(v) ssi il existent (wn ) ∈ V N et (n ) ∈ (R∗+ )N t.q. lim wn = w, n→+∞ lim n = 0, n→+∞ v + n wn ∈ K Pour s'en convaincre, poser wn := (vn − v)/n Cela donne une façon d'approcher v en restant dans K On observe, pour conclure, que w ∈ K(v) =⇒ λw ∈ K(v) ∀λ ≥ 0, car il sut de remplaçer n ← n /λ ∀n ∈ N Inéquation d'Euler, cas général IV Théorème (Inéquation d'Euler, cas général) Soit V un EHR, K ⊂ V , u minimiseur local de J sur K et J diérentiable en u. On a (∇J(u), v)V = hJ 0 (u), viV 0 ,V ≥ 0 ∀v ∈ K(u).