UNIVERSITE MOHAMMED I
Faculté Des Sciences Année Universitaire 2024/25
Département De Mathématiques Filière : Master MSDDS
Et Informatique Analyse convexe et Optimisation
Oujda
SERIE D’EXERCICES N 0 2
I. On considère la fonction f : R2 → R définie par
f (x; y) = x3 + 6x2 + 3y 2 − 12xy + 9x.
(1) Calculer le gradient de f et déterminer les points critiques de la fonction.
(2) Pour chacun des points critiques, dire s’il s’agit d’un minimiseur local, d’un maximiseur
local, ou d’un point selle.
(3) La fonction f admet-elle un minimum global ?
II. On considère la fonction f définie sur R2 par
f (x, y) = x4 + y 4 − 2(x − y)2
(1) Montrer qu’il existe (α, β) ∈ R2+ (et les déterminer) tels que
f (x, y) ≥ αk(x, y)k2 + β
pour tous (x, y) ∈ R2 , où la notation k.k désigne la norme euclidienne de R2 .
(On utilisera le fait que xy ≥ − 12 (x2 + y 2 ) et que
∀(X, ε) ∈ R2 X 4 + ε4 − 2ε2 X 2 ≥ 0)
(2) En déduire que le problème
min f (x, y) (P)
2
(x,y)∈R
possède au moins une solution.
(3) La fonction f est-elle convexe sur R2 ?
(4) Déterminer les points critiques de f , et préciser leur nature (minimum local, maximum
local, point-selle, . . .).
(5) Résoudre alors le problème (P).
III. On veut résoudre le système Ax = b, x ∈ Rn (avec A symétrique définie positive) par une
méthode de gradient à pas constant. Soit x
e la solution de ce système. On propose l’algorithme
suivant
0 0
x , d0 = b − Ax
xk+1 k
= x + αdk
où dk = b − Axk
α est un réel constant.
(1) Soit ek = xk − x
e (pour k ≥ 0) ; montrer que ek = (I − αA)k e0 , (pour k ≥ 0).
(2) Soit 0 < λn ≤ λn−1 ≤ ... ≤ λ1 les valeurs propres de A. Montrer que l’algorithme
converge si et seulement si 0 < α < λ21 .
1
IV. Soit A la matrice (3, 3) définie par :
3 0 1
A= 0 4 2
1 2 3
(1) Montrer que A est symétrique définie positive.
(2) Construire des directions d0 , d1 , d2 , A− conjugués.
V. En utilisant la méthodes des direction conjuguées avec :
3 3
xT0 = (0, 0), dT0 = (1, 0), dT1 = (− , ),
8 4
trouver la solution optimale de la fonction :
à ! à !
1 4 2 −1
f (x) = −xT
; x ∈ R2 xT = (x1 , x2 )
2 2 2 1
VI. On considère la fonction f : R2 → R definie par
f (x1 , x2 ) = 2x21 + x22 − x1 x2 − 3x1 − x2 + 4.
(1) Montrer qu’il existe un unique x̄ ∈ R2 tel que
f (x̄) = min f (x)
2
x∈R
et le calculer.
(2) Calculer le premier itéré donné par l’algorithme du gradient à pas fixe (GPF) et du
gradient à pas optimal (GPO), en partant de (x01 , x02 ) = (0, 0), pour un pas de α = 0.5
dans le cas de GPF.
(3) Calculer le premier itéré donné par l’algorithme du gradient conjugué , en partant de
(x01 , x02 ) = (0, 0), pour un pas de α = 0.5 dans le cas de GPF.
VII. On se place dans R2 , et on note x = (x1 , x2 ). On considère la fonction f de R2 dans R définie
par :
1 1
f (x) = < Bx, x > + < b, x >= (x21 + αx22 ) + x1 α ∈ R
2 2
(1) Préciser B et b ; calculer ∇f (x).
(2) Donner une condition nécessaire pour que x soit un minimum (local) sans contraintes de
f.
a) Si α = 0, montrer que f possède un minimum et qu’il y a une infinité de x réalisant
ce minimum. Si α 6= 0, quel est l’élément x∗ pouvant éventuellement réaliser le
minimum ?
b) Si α > 0, x∗ réalise-t-il le minimum de f ? Pourquoi ?
c) Si α < 0, montrer que f ne possède pas de minimum.
d) Écrire les deux premières itérations de l’algorithme du gradient à pas optimal dans
le cas α = 2.
