Click here to load reader
Upload
phammien
View
212
Download
0
Embed Size (px)
Citation preview
Mathématiques 2 1
Séance 1 : Exercices corrigésCALCUL DIFFÉRENTIEL
Objectifs
Les notions de différentielle, gradient... d’une fonction en dimension finie et infinie. Exercicesd’illustration et calcul des différentielles. Quelques applications.
Notations
On note V un espace vectoriel normé, x un point de V , F une fonction de V dans R. < x, y >=∑i xiyi est le produit scalaire canonique de Rn.
Question 1
Fonction quadratique
Soit V = Rn, A une matrice symétrique définie positive de dimension n, b ∈ Rn.• Soit F (x) = 1
2〈Ax, x〉 − 〈b, x〉, montrer que
DF (x).h = 〈Ax− b, h〉
et, pour le produit scalaire canonique
∇F (x) = Ax− b
Le plus simple est de calculer directement l’expression
∀h ∈ V DF (x).h =d
dtF (x+ th)|t=0
On développe en t et on garde le coefficient d’ordre 1 en t, soit 12(〈Ax, h〉+〉Ah, x〉) − 〈b, h〉 et,
compte tenu de la symétrie de A, 〈Ax, h〉 − 〈b, h〉, d’où
DF (x).h = 〈Ax− b, h〉
• Les points pour lesquels DF (x) = 0 sont donc solution de Ax = b. Si la matrice A est symétrique
ECP 2007-2008 Optimisation
Mathématiques 2 2
définie positive1l’extrémum est unique et c’est un minimum. Intérêt pour la résolution des systèmeslinéaires ?La résolution d’un système linéaire à matrice symétrique définie positive
Ax = b
est donc équivalente à la recherche de la solution du problème d’optimisation
minx∈Rn
12〈Ax, x〉 − 〈b, x〉
Nous étudierons dans la séance 3 des méthodes d’optimisation bien adaptées à ce problème.
Question 2
Une fonction non quadratique en dimension finieSoit V = Rn, A une matrice symétrique définie positive de dimension n, b ∈ Rn.• Soit
F (x) =12< Ax, x > +
14‖x‖44− < b, x >
Calculer DF (x) et∇F (x).Le plus simple est de calculer directement, terme à terme, l’expression
∀h ∈ V DF (x).h =d
dtF (x+ th)|t=0
− Pour ddt
12 < A(x+ th), x+ th > |t=0, on développe en t et on garde le coefficient d’ordre 1 en t,
soit 12(< Ax, h > + < Ah, x >) et, compte tenu de la symétrie de A, < Ax, h >
− pour ddλ
∑i
14 |xi + th4
i |t=0, en dérivant la fonction composée 14(xi + thi)4, on obtient x3
ihi.Finalement
∀h ∈ V DF (x).h =< Ax, h > + < x3, h > − < b, h >
où x3 est le vecteur de composantes (x3)i = x3i .
On en déduit∇F (x) = Ax+ x3 − b
Quels sont les points pour lesquels DF (x) = 0 ?Les extrémums sont donc solutions du système non linéaire
Ax+ x3 = b
• Calculer HF (x).On a
< HF (x)h, h >=d2
dλ2F (x+ λh) =< Ah, h > +
∑i
3x2ih
2i
1i.e. ∀x 6= 0 〈Ax, x〉 〉0
ECP 2007-2008 Optimisation
Mathématiques 2 3
Soit D la matrice diagonale avec di,i = 3x2i , il vient
< HF (x)h, h >=< (A + D)h, h >
Quelle est la nature des extrémums ?La matrice A+D est symétrique définie positive comme chacune des deux matrices A et D. Les ex-trémums sont donc des minimums. Nous montrerons dans la séance suivante, en utilisant la convexitéde la fonction, qu’il y a un seul extrémum et que c’est un minimum.
Question 3
Une fonction quadratique en dimension infinieSoit V = C1([0, 1], u ∈ V et f ∈ C([0, 1])
J (v) =∫ 1
0
12v′(x)2 +
12v(x)2 − f(x)v(x) dx
• Calculer la différentielle au sens de Gateaux de J (v).
DJ (v).h =d
dtJ (v + th)|t = 0
on peut développer l’expression de la fonction par rapport à t ou calculer en dérivant sous le signesomme ; il ne reste plus qu’à dériver des fonctions d’une variable réelle, il vient
DJ (v).h =∫ 1
0v′h′ + vh− fhdx
• On munit V du produit scalaire et de la norme de L2([0, 1]), J (v) est-elle différentiable au sens deFréchet ?Non, la forme linéaire
∫ 10 v′h′dx sur V muni de la norme de L2([0, 1]) n’est pas continue (on peut
faire “exploser” h′ tout en faisant tendre ‖h‖2 vers 0).• Soit V0 le sous-espace de C2([0, 1]) ∩ V formé des fonctions nulles en 0 et 1. On considère J (v)comme une fonction sur V0. Montrer que, pour le produit scalaire de L2([0, 1]),
∇J (v) = −v” + v − f
On intègre par partie∫ 10 v′h′dx∫ 1
0v′h′dx =
∫ 1
0−v′′h dx+ v′(1)h(1)− v′(0)h(0)
or le crochet et nul car h(0) = h(1) = 0 d’où
DJ (v).h =∫ 1
0(−v′′ + v − f)h dx = 〈−v′′ + v − f, h〉
le produit scalaire étant celui de L2([0, 1]), d’où le résultat (même si ce n’est pas l’usage d’utiliser lanotation gradient dans ce contexte). Noter que −v′′ + v − f n’est pas dans V0.
ECP 2007-2008 Optimisation
Mathématiques 2 4
Peut-on définir de même∇J (v) sur V pour le produit scalaire de L2([0, 1]) ?On fait la même transformation, il vient
DJ (v).h =∫ 1
0(−v′′+v−f)hdx+v′(1)h(1)−v′(0)h(0) = 〈−v′′+v−f, h〉+v′(1)h(1)−v′(0)h(0)
la différentielle ne s’exprime pas ici comme le produit scalaire de deux fonctions de L2([0, 1]).Nous n’irons pas plus loin dans l’analyse de cette difficulté (V n’est pas complet pour la norme deL2([0, 1]), la différentielle n’est pas continue), on en retiendra que la notion de gradient en dimensioninfinie n’est à manipuler que de façon heuristique, ce n’est que dans la cadre des espaces de Hilbertqu’elle prend un sens.Quels sont les extrémums de J (v) sur V0 ? (Nous verrons ultérieurement, en utilisant la convexitéde la fonction J (v) qu’il n’y a qu’un extrémum et que c’est un minimum).En un extrémum
∀h ∈ V0, DJ (v).h =∫ 1
0(−v′′ + v − f)h dx = 0
Nous admettrons que si g ∈ C([0, 1])
∀h ∈ V0,
∫ 1
0gh dx = 0 ⇒ g = 0
(Si on ne veut pas l’admettre : si g(x0) 6= 0, alors g(x) ne change pas de signe sur un petit intervalle[x0−ε, x0 +ε], on obtient une contradiction en prenant h(x) définie par h(x) = (x−(x0−ε))3((x0 +ε)− x)3 sur cet intervalle et 0 ailleurs, ce qui est bien dans V0.) d’où
−v′′ + v = f
Question 4
Généralisation : le “calcul des variations”Voir le cours.Soit V0 l’espace des fonctions de C1([0, 1]) telle que v(0) = v(1) = 0 et g(t, x, y) ∈ C1(R3). Ondéfinit sur V0 la fonction
J (u) =∫ L
0g(x, u(x), u′(x)) dx (1)
• Calculer DJ (u).
DJ (u).v =d
dtJ (u+ tv)|t = 0 =
d
dt(∫ L
0g(x, u+ tv, u′ + tv′) dx)|t=0
On dérive sous le signe somme
DJ (u).v =∫ L
0
∂g(x, u, u′)∂u
v +∂g(x, u, u′)
∂u′v′ dx
ECP 2007-2008 Optimisation
Mathématiques 2 5
• En ajoutant des hypothèses de régularité, calculer∇J (u) pour le produit scalaire de L2([0, 1]).Si u, g ∈ C2([0, 1]), il vient en intégrant par partie le terme v′ et en tenant compte de ce que le crochetest nul
DJ (u).v =∫ L
0(∂g(x, u, u′)
∂u− d
dx
∂g(x, u, u′)∂u′
)v(x) dx =< − d
dx
∂g(x, u, u′)∂u′
+∂g(x, u, u′)
∂u, v >
D’où le résultat avec les précautions d’usage sur la notion de gradient.En déduire qu’un extrémum de la fonction J (v) vérifie l’équation d’Euler
− d
dx(∂g
∂u′) +
∂g
∂u= 0 (2)
On écrit que la différentielle est nulle. D’où
∀v ∈ V0, < − d
dx
∂g(x, u, u′)∂u′
+∂g(x, u, u′)
∂u, v >= 0
ce qui implique, comme nous l’avons montré à la question précédente
− d
dx
∂g(x, u, u′)∂u′
+∂g(x, u, u′)
∂u= 0
• Applications :
J (v) =∫ 1
0
v′2
2+v4
4− fv dx
on a∂g
∂u′= u′ (3)
et∂g
∂u= u3 − f (4)
d’où− d
dx(∂g
∂u′) +
∂g
∂u= −u′′ + u3 − f (5)
et donc, si u est un minimum de J (v) sur V0
−u′′ + u3 = f (6)
u(0) = u(1) = 0 (7)
Nous verrons dans la séance suivante pourquoi ce minimum est unique.
ECP 2007-2008 Optimisation