Séance 1 : Exercices corrigés CALCUL DIFFÉRENTIEL
Objectifs
Les notions de différentielle, gradient... d’une fonction en dimension finie et infinie. Exercices d’illustration et calcul des différentielles. Quelques applications.
Notations
On noteV un espace vectoriel normé,xun point deV,F une fonction deV dansR.< x, y >=
P
ixiyiest le produit scalaire canonique deRn. Question 1
Fonction quadratique
SoitV =Rn,Aune matrice symétrique définie positive de dimensionn,b∈Rn.
•SoitF(x) = 12hAx, xi − hb, xi, montrer que
DF(x).h=hAx−b, hi 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 ent et on garde le coefficient d’ordre 1 en t, soit 12(hAx, hi+iAh, xi) − hb, hi et, compte tenu de la symétrie deA,hAx, hi − hb, hi, d’où
DF(x).h=hAx−b, hi
•Les points pour lesquelsDF(x) = 0sont donc solution deAx=b. Si la matriceAest symétrique
définie positive1l’extrémum est unique et c’est un minimum. Intérêt pour la résolution des systèmes linéaires ?
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
x∈minRn
1
2hAx, xi − hb, xi
Nous étudierons dans la séance 3 des méthodes d’optimisation bien adaptées à ce problème.
Question 2
Une fonction non quadratique en dimension finie
SoitV =Rn,Aune matrice symétrique définie positive de dimensionn,b∈Rn.
•Soit
F(x) =1
2 <Ax, x >+1
4kxk44−< b, x >
CalculerDF(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 dtd12 <A(x+th), x+th >|t=0, on développe entet on garde le coefficient d’ordre 1 ent, soit 12(<Ax, h >+<Ah, x >)et, compte tenu de la symétrie deA,<Ax, h >
− pour dλd P
i1
4|xi +th4i|t=0, en dérivant la fonction composée 14(xi +thi)4, on obtient x3ihi. Finalement
∀h∈V DF(x).h=<Ax, h >+< x3, h >−< b, h >
oùx3est le vecteur de composantes(x3)i=x3i. On en déduit
∇F(x) =Ax+x3−b Quels sont les points pour lesquelsDF(x) = 0?
Les extrémums sont donc solutions du système non linéaire Ax+x3 =b
•CalculerHF(x).
On a
<HF(x)h, h >= d2
dλ2F(x+λh) =<Ah, h >+X
i
3x2ih2i
1i.e.∀x6= 0 hAx, xi i0
SoitDla matrice diagonale avecdi,i= 3x2i, il vient
<HF(x)h, h >=<(A+D)h, h >
Quelle est la nature des extrémums ?
La matriceA+Dest symétrique définie positive comme chacune des deux matricesAetD. Les ex- trémums sont donc des minimums. Nous montrerons dans la séance suivante, en utilisant la convexité de la fonction, qu’il y a un seul extrémum et que c’est un minimum.
Question 3
Une fonction quadratique en dimension infinie SoitV =C1([0,1],u∈V etf ∈C([0,1])
J(v) = Z 1
0
1
2v0(x)2+1
2v(x)2−f(x)v(x)dx
•Calculer la différentielle au sens de Gateaux deJ(v).
DJ(v).h= d
dtJ(v+th)|t= 0
on peut développer l’expression de la fonction par rapport àtou calculer en dérivant sous le signe somme ; il ne reste plus qu’à dériver des fonctions d’une variable réelle, il vient
DJ(v).h= Z 1
0
v0h0+vh−f hdx
•On munitV du produit scalaire et de la norme deL2([0,1]),J(v)est-elle différentiable au sens de Fréchet ?
Non, la forme linéaireR1
0 v0h0dxsurV muni de la norme deL2([0,1])n’est pas continue (on peut faire “exploser”h0tout en faisant tendrekhk2vers 0).
•SoitV0 le sous-espace deC2([0,1])∩V formé des fonctions nulles en0et1. On considèreJ(v) comme une fonction surV0. Montrer que, pour le produit scalaire deL2([0,1]),
∇J(v) =−v” +v−f On intègre par partieR1
0 v0h0dx Z 1
0
v0h0dx= Z 1
0
−v00h dx+v0(1)h(1)−v0(0)h(0)
or le crochet et nul carh(0) =h(1) = 0d’où DJ(v).h=
Z 1 0
(−v00+v−f)h dx=h−v00+v−f, hi
le produit scalaire étant celui deL2([0,1]), d’où le résultat (même si ce n’est pas l’usage d’utiliser la notation gradient dans ce contexte). Noter que−v00+v−f n’est pas dansV0.
Peut-on définir de même∇J(v)surV pour le produit scalaire deL2([0,1])? On fait la même transformation, il vient
DJ(v).h= Z 1
0
(−v00+v−f)hdx+v0(1)h(1)−v0(0)h(0) =h−v00+v−f, hi+v0(1)h(1)−v0(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 de L2([0,1]), la différentielle n’est pas continue), on en retiendra que la notion de gradient en dimension infinie n’est à manipuler que de façon heuristique, ce n’est que dans la cadre des espaces de Hilbert qu’elle prend un sens.
Quels sont les extrémums deJ(v) surV0 ? (Nous verrons ultérieurement, en utilisant la convexité de la fonctionJ(v)qu’il n’y a qu’un extrémum et que c’est un minimum).
En un extrémum
∀h∈V0, DJ(v).h= Z 1
0
(−v00+v−f)h dx= 0
Nous admettrons que sig∈C([0,1])
∀h∈V0, Z 1
0
gh dx= 0 ⇒ g= 0
(Si on ne veut pas l’admettre : sig(x0)6= 0, alorsg(x)ne change pas de signe sur un petit intervalle [x0−, x0+], on obtient une contradiction en prenant h(x) définie parh(x) = (x−(x0−))3((x0+ )−x)3sur cet intervalle et0ailleurs, ce qui est bien dansV0.) d’où
−v00+v=f Question 4
Généralisation : le “calcul des variations”
Voir le cours.
SoitV0 l’espace des fonctions deC1([0,1])telle quev(0) = v(1) = 0etg(t, x, y) ∈ C1(R3). On définit surV0la fonction
J(u) = Z L
0
g(x, u(x), u0(x))dx (1)
•CalculerDJ(u).
DJ(u).v= d
dtJ(u+tv)|t= 0 = d dt(
Z L
0
g(x, u+tv, u0+tv0)dx)|t=0
On dérive sous le signe somme DJ(u).v =
Z L
0
∂g(x, u, u0)
∂u v+ ∂g(x, u, u0)
∂u0 v0 dx
•En ajoutant des hypothèses de régularité, calculer∇J(u)pour le produit scalaire deL2([0,1]).
Siu, g ∈C2([0,1]), il vient en intégrant par partie le termev0et en tenant compte de ce que le crochet est nul
DJ(u).v = Z L
0
(∂g(x, u, u0)
∂u − d
dx
∂g(x, u, u0)
∂u0 )v(x)dx=<− d dx
∂g(x, u, u0)
∂u0 +∂g(x, u, u0)
∂u , v >
D’où le résultat avec les précautions d’usage sur la notion de gradient.
En déduire qu’un extrémum de la fonctionJ(v)vérifiel’équation d’Euler
− d dx(∂g
∂u0) +∂g
∂u = 0 (2)
On écrit que la différentielle est nulle. D’où
∀v∈V0, <− d dx
∂g(x, u, u0)
∂u0 +∂g(x, u, u0)
∂u , v >= 0
ce qui implique, comme nous l’avons montré à la question précédente
− d dx
∂g(x, u, u0)
∂u0 +∂g(x, u, u0)
∂u = 0
•Applications :
J(v) = Z 1
0
v02 2 + v4
4 −f v dx
on a ∂g
∂u0 =u0 (3)
et ∂g
∂u =u3−f (4)
d’où
− d dx(∂g
∂u0) +∂g
∂u =−u00+u3−f (5)
et donc, siuest un minimum deJ(v)surV0
−u00+u3 =f (6)
u(0) =u(1) = 0 (7)
Nous verrons dans la séance suivante pourquoi ce minimum est unique.