Optimisation sous contraintes
1 Gradient projet´ e
Soit A une matrice inversible de M N ( R ), et b ∈ R N . On cherche x ∈ R N minimisant :
J (x) = kAx − bk 2 sous les contraintes x i ≥ 0 (1 ≤ i ≤ N).
On note 0 < λ 1 ≤ · · · ≤ λ n les valeurs propres de A ∗ A.
1. Cacluler ∇J et ∇ 2 J .
2. Montrer que J est elliptique, et que ∇J est lipshitzienne (pr´ eciser les constantes associ´ ees, α = 2λ 1 et L = 2λ N ).
3. Expliciter l’algorithme du gradient projet´ e associ´ e au probl` eme de mini- misation consid´ er´ e ici. En d´ eduire que si τ < 2λ λ
12N