République Algérienne Démocratique et Populaire

Ministère de l’Enseignement Supérieur et de la Recherche Scienti…que

UNIVERSITÉ MOHAMED KHIDER, BISKRA

FACULTÉ des SCIENCES EXACTES et des SCIENCES de la NATURE et de la VIE

DÉPARTEMENT DE MATHÉMATIQUES

Mémoire présenté en vue de l’obtention du Diplôme :

MASTER en Mathématiques

Option : Analyse

Par

HAMMANI KHAOULA

Titre :

Transformée de Legendre et Ses Applications

Membres du Comité d’Examen :
Dr. MENACER TIDJANI UMKB Président

Dr. BERBICHE MOHAMED UMKB Encadreur

Dr. GHODJMIS FATIHA UMKB Examinateur

Juin 2019
 Dédicace

À ma chère grande mère

À mes chers parents
À mes frères et mes soeurs
À toute ma famille
À tous mes amis
À toutes les personnes qui m’ont soutenu

i
 REMERCIEMENTS

A la …n de ce travail, je tiens à remerciemier,

En tout premier lieu, je remercie le bon DIEU tout puissant de m’avoir accordé
la puissance et la volonté pour achever ce travail.

Je tiens à exprimer toute ma reconnaissance à mon encadreur de mémoire Dr. BERBICHE

MOHAMED. Je le remercie de m’avoir encadré, orienté, aidé et conseillé.

J’adresse mes sincères remerciements à tous les professeurs, intervenants et toutes les personnes
qui par leurs paroles, leurs écrits, leurs conseils et leurs critiques ont guidé mes ré‡exions et ont
accepté à me rencontrer et répondre à mes questions durant mes recherches.

Je voudrai également remercier les membres de mon jury :

"MENACER TIDJANI"

"GHODJMIS FATIHA"

Bien sûr, j’adresse un merci tout particulier à ma famille et mes amis qui a toujours été là pour
moi, dans les bons comme dans les mauvais moments, et qui me donne toute cette énergie.

En…n, je remercie tous ceux qui ont contribué à rendre merveilleuses mes années à l’Université.

ii
Table des matières

Dédicace i

Remerciements ii

Table des matières iii

Table des …gures v

Introduction 1

1 Notation et Dé…nition Préliminaire 3

1.1 Ensemble convexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3

1.2 Fonctions convexes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5

1.3 Enveloppe supérieure . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7

1.4 Fermeture . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8

1.5 Fonction semi-continuité iférieurement . . . . . . . . . . . . . . . . . . . . . . . . . 9

1.6 Sous-di¤érentiabilité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2 Transformée de Legendre 11

2.1 Transformée de Legendre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 11

2.2 Biconjugaison de Legendre . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16

2.3 Transformée de Legendre et Sous-di¤érentiels . . . . . . . . . . . . . . . . . . . . . 18

iii
Table des matières

2.3.1 Interprétation géométrique de TFL . . . . . . . . . . . . . . . . . . . . . . . 21

2.4 Régle de Calcul de TFL . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

2.4.1 Quelques règles pour calculer la TFL d’une fonction . . . . . . . . . . . . . . 22

2.4.2 Transformée de l’inf-convolution . . . . . . . . . . . . . . . . . . . . . . . . . 22

2.4.3 Transformée d’une somme . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23

2.4.4 Transformée de l’in…mum et la suprémum . . . . . . . . . . . . . . . . . . . 24

3 Applications de Transformée de Legendre 25

3.1 Théorème de Fenchel-Rockafellar et applications . . . . . . . . . . . . . . . . . . . . 25

Conclusion 29

Bibliographie 30

iv
Table des …gures

2.1 Interprétation géométrique de la transformation de Legendre. . . . . . . . . . . . . . 21

v
Introduction

Dans de nombreuses applications, il est nécessaire de résoudre un problème d’optimisation, c’est-

à-dire de trouver la valeur minimale ou maximale d’une fonction peut prendre à condition que
certaines conditions soient remplies.

La notion est d’une importance capitale dans l’analyse convexe et l’optimisation est la notion de
la dualité «conjugué» , et en particulier celle de la dualité de Fenchel.

La méthode de dualité est l’une des techniques d’optimisation les plus importantes et les plus
utilisées. Elle consiste à rattacher à un problème initial d’optimisation d’un problème dit dual
dont la valeur objective optimale est inférieure ou égale à la valeur objective optimale du problème
initial.

Le conjugué a un impact signi…catif dans de nombreux domaines. Il joue un rôle essentiel dans
l’élaboration de la théorie et des méthodes d’optimisation convexe. Il est largement utilisé dans
l’analyse matricielle et l’optimisation des valeurs propres.

Le conjugué est également couramment utilisé en thermodynamique et dans la théorie des équa-
tions di¤érentielles non linéaires du premier ordre, par ex. pour résoudre une classe d’équations de
Hamilton-Jacobi avec des formules explicites [6]. En outre, la fonction dite ’log-exp’est la fonction
entropique bien connue de Shannon [2], largement utilisée dans le domaine des sciences de l’infor-
mation et dans de nombreux domaines allant de l’amélioration de l’image à l’économie et à la de
la mécanique statistique à la physique nucléaire [6].

Ce mémoire est divisé en trois chapitres :

Dans le premier chapitre, nous rappelons quelques notions très importantes de l’analyse convexe :
ensembles convexes, fonctions convexes, enveloppe supérieure, semi continuité inférieure et sous-

1
Introduction

di¤érentiabilité. Dans le second chapitre est consacré à l’étude de transformation de Legendre des
fonctions convexes et démontrons ses propriétés principales, et nous donnons plusieurs exemples
a…n d’illustrer les propriétés essentielles de cette transformation. Nous étudions la biconjugai-
son de Legendre, lien entre de transformée de Legendre et sous-di¤érentielles et l’interprétation
géométrique de cette transformation. À la …n de ce chapitre nous donnons quelques règles pour
calculer la transformée de Legendre d’une fonction. En…n, dans le dernier chapitre on appliquant
la transformation de Legendre en dimension in…nie (dualité de Fenchel).

2
Chapitre 1

Notation et Dé…nition Préliminaire

1.1 Ensemble convexe

Dé…nition 1.1.1 (Ensemble convexe) Un ensemble C de E est dit convexe si

8x; y 2 C; 8 2 [0; 1] : x + (1 )y 2 C:

On peut dire que C est convexe donc le segment [x; y] est inclus dans C:

Exemple 1.1.1

1. Tout espace vectoriel est un ensemble convexe.

2. L’ensemble vide ?, les singletons fxg tout entier sont convexes.

3. Un ensemble est convexe ssi son intersection avec une droite quelconque est convexe.

4. Les boules d’un espace normé sont convexes.

Dé…nition 1.1.2 ( Combinaison convexe ) Pour tout n éléments x1 ; :::; xn de E. On dit que
x est combinaison convexe de ces points s’il existe ( 1; :::; n) tels que :

X
n
x= i xi ;
i=1

3
Chapitre 1. Notation et Dé…nition Préliminaire

où les i sont des réels positifs de somme 1.

Proposition 1.1.1

1. Une partie C de E est convexe si et seulement si toute combinaison convexe d’éléments de

C appartient à C.

2. L’intersection quelconque d’une famille de convexe est un convexe.

Corollaire 1.1.1 Si C est un convexe fermé, alors C est l’intersection de tous les demi-espaces
fermés le contenant.

Dé…nition 1.1.3 (Enveloppe convexe) Soit A une partie de E: L’enveloppe convexe de A est
l’intersection de tous les convexes contenant A et elle est notée conv(A).

Autrement dit :

conv(A) est le plus petit ensemble convexe contenants A.

conv(A) est un ensemble de toutes les combinaisons convexes d’éléments de A:

Proposition 1.1.2 Si A est une partie de E, alors

( n )
X X
n
conv(A) = i xi :n 1; i 0; i = 1; xi 2 A :
i=1 i=1

Proposition 1.1.3 Une combinaison linéaire de convexes est un convexe.

Dé…nition 1.1.4 Si A est une partie de E, alors l’enveloppe convexe fermée de A est l’intersection
de tous les convexes fermés contenant A. On le note conv (A). C’est le plus petit convexe fermé
contenant A.

Dé…nition 1.1.5 (cône convexe) Soit E est un cône si

8x 2 ; 8 0: x2 :

4
Chapitre 1. Notation et Dé…nition Préliminaire

Et elle est notée cone ( ) : Autrement dit, un cône doit véri…er pour tout 0:

Dé…nition 1.1.6 (Combinaison conique ) Pour tout n éléments x1 ; :::; xn de E; Une combi-
Pn
naison conique de x1 ; :::; xn est une combinaison linéaire i=1 i xi telle que i 0 pour tout
i 2 f1; :::; ng :

Proposition 1.1.4 Un ensemble est un cône convexe si et seulement si il contient toutes les
combinaisons coniques de ses éléments.

Proposition 1.1.5 Si 2 E, alors cône est l’ensemble des combinaisons coniques des éléments
de : ( n )
X
cone ( ) = i xi :n 1; xi 2 ; i 0 :
i=1

1.2 Fonctions convexes

Dé…nition 1.2.1 (Fonction convexe) Soient f : E ! R une fonction est convexe si et seule-
ment si pour tout x; y 2 E et tout 2 [0; 1] ; on a

f ( x + (1 )y) f (x) + (1 )f (y):

On dit que f est concave si ( f ) est convexe .

Proposition 1.2.1 On dit que f : E ! R une fonction est strictement convexe si pour tout
x; y 2 E avec x 6= y et tout 2 ]0; 1[ ; on a

f ( x + (1 )y) < f (x) + (1 )f (y):

Sur un espace normé E. On dit que la fonction f est fortement convexe si de module 0; si
pour tout x; y 2 E et tout 2 [0; 1] ; on a

f ( x + (1 )y) f (x) + (1 )f (y) (1 ) kx yk2 :

2

5
Chapitre 1. Notation et Dé…nition Préliminaire

Remarque 1.2.1 Une fonction fortement convexe est donc strictement convexe.

Exemple 1.2.1 Norm carré est un exemple de fonction fortement convexe : La fonction x !
j x j2 est fortement convexe. Pour véri…er cela, laissez d’abord x et y sont des vecteurs dans Rn et
soit un nombre positif inférieur à un. Puisque

j x + (1 )y j2 j x j2 (1 ) j y j2 = (1 )jx y j2 :

La norme au carré est fortement convexe avec une constante 2.

Lemme 1.2.1 Pour la fonction convexe f , nous avons D2 f 0 la dérivée seconde est dé…nie.
Inversement, si f est deux fois di¤érentiable D2 f 0, alors f est convexe.

Dé…nition 1.2.2 (Domaine e¤ectif) Soit f : E ! R une fonction. Son domaine e¤ectif est
dé…ni par dom(f ) = fx 2 E; f (x) < +1g :

Remarque 1.2.2 Le domaine d’une fonction est l’ensemble des points où elle ne prend pas la
valeur +1.

Proposition 1.2.2 Si f : E ! R est une fonction convexe, alors dom(f ) est convexe.

Dé…nition 1.2.3 Soit f : E ! R une fonction. L’épigraphe de f est le sous-ensemble de E R

dé…nie par
epi(f ) = f(x; ) 2 E R f (x) g:

L’épigraphe stricte de f est :

epis (f ) = f(x; ) 2 E R f (x) < g :

Proposition 1.2.3

1. On dit qu’une fonction f : E ! R est convexe si son épigraphe est convexe dans E R:

6
Chapitre 1. Notation et Dé…nition Préliminaire

2. Si f : E ! R est une fonction convexe si et seulement si epi(f ) (epis (f )) est convexe dans
E R:

3. Si Une fonction identiquement égale à +1 est convexe alors son epigraphe est vide.

Dé…nition 1.2.4 Soit f : E ! R une fonction ne prenant pas la valeur 1 et n’étant pas
identiquement égale à +1 est dite propre, sinon elle est dite impropre.

Autrement dit : La fonction f sera dite propre lorsque f (x) > 1 pour tout x 2 E et dom(f ) 6=
?. On note
conv (E) :

L’ensemble des fonctions de E ! R qui sont convexes et propres. Si f 2 conv (E) alors son
épigraphe n’est pas vide. Et on dit que f est fermé si son épigraphe est fermé. On note

conv (E) :

La partie de conv (E) formée des fonctions fermées.

Proposition 1.2.4 (Inégalité de Jensen) Une fonction propre f est convexe si et seulement si

!
X
n X
n
f i xi if (xi )
i=1 i=1

Pn
pour tout n 2 N; tout i 0 avec i=1 i = 1 et tout xi 2 E.

1.3 Enveloppe supérieure

L’enveloppe supérieure d’une famille de fonctions est la fonction dont la valeur en un point est le
supremum (ou borne supérieure) des valeurs prises par ces fonctions en ce point.

Soit I un ensemble quelconque utilisé comme ensemble d’indices. Pour tout i 2 I, on suppose
donnée une fonction f : E ! R . On peut alors introduire la fonction f = supi2I fi dé…nie pour

7
Chapitre 1. Notation et Dé…nition Préliminaire

x 2 E par
f (x) = sup (fi (x)) :
i2I

Cette fonction s’appelle l’enveloppe supérieure des fonctions fi :

Proposition 1.3.1 Si fi : E ! R sont des fonctions convexes (fermées) propres pour tout i 2 I;
alors supi2I fi est une fonction convexe (fermée).

Proposition 1.3.2 Soit ffi gi2I une famille quelconque de fonctions. Alors

\
epi sup fi = (epi (fi )) :
i2I
i2I

Remarque 1.3.1 Il se peut cependant que l’enveloppe supérieure de fonctions convexes soit iden-
tiquement égale à +1; même si les fi 2 conv (E) :

1.4 Fermeture

Dé…nition 1.4.1 (La fermeture) Soit f : E ! R une fonction. Alors adh (epi (f )) est l’épi-
graphe d’une fonction f : E ! R :
epi f = epi (f ):

Proposition 1.4.1 Soit f : E ! R une fonction, et f sa fermeture . Alors

1. f est femée et f f;

2. Pour tout x 2 dom (f )

f (x) = lim inf f (y):
y!x

3. En x 2 dom (f ) ; f (x) = f (x) ssi f est semi-continuité ifèrieurement en x:

Proposition 1.4.2 Soit f 2 conv (E) : Alors f est l’enveloppe supérieure des minorantes a¢ nes
de f:

8
Chapitre 1. Notation et Dé…nition Préliminaire

1.5 Fonction semi-continuité iférieurement

Dé…nition 1.5.1 Soit f : E ! R une fonction. Alors est semi-continue inférieurement (S.C.I.)
au point x 2 E si
lim inf f (y) f (x):
y!x

Une fonction f est semi-continue inférieurement si elle est semi-continue inférieurement en chaque
point de E.

Exemple 1.5.1

– considérons la fonction f dé…nie par f (x) = 0 pour x 6= 0 et f (0) = 1. Cette fonction est
S.C.Supérieurement, mais non S.C.I. Plus généralement, la fonction caractéristique d’une partie
A d’un espace topologique est S.C.Supérieurement ssi A est fermé et S.C.I. ssi A est ouvert.
– L’enveloppe supérieure de fonctions S.C.I. est S.C.I. .

Proposition 1.5.1 Soit f : E ! R une fonction. La fonction f est S.C.I ssi l’épigraphe epi(f )
est un ensemble fermé de E R.

Remarque 1.5.1 On dira que f est S.C.I. en x0 2 E si lim inf f (x) = f (x0 ):
x!x0

Proposition 1.5.2 Si ffi : i 2 Ig est une famille de fonctions propres S.C.I sur E, alors supi2I fi
est une fonction S.C.I.

Proposition 1.5.3 Soit f : E ! R une fonction est S.C.I en x ssi f (x) = f (x):

1.6 Sous-di¤érentiabilité

Rappelons que si f est convexe et G-di¤érentiable, alors son gradient en x, à savoir rf (x), ap-
partient à E et véri…e l’inégalité hOf (x) ; y xi f (y) f (x) pour tout y 2 E. L’idée est de
généraliser le concept de gradient en remplaçant rf (x) par un élément du dual E dans cette
inégalité. C’est la notion de sous-gradient.

9
Chapitre 1. Notation et Dé…nition Préliminaire

Dé…nition 1.6.1 Si f : E ! R est une fonction, alors un sous-gradient de f en x 2 dom (f ) est

un élément p 2 E tel que
f (y) f (x) + hp; y xi 8y 2 E:

L’ensemble des sous-gradients de f en x est appelé le sous-di¤érentiel de f en x et est noté @f (x);

tel que

@f (x) = fp 2 E ; 8y 2 E; f (y) f (x) + hp; y xig

= fp 2 E ; f (x) + f (p) = hp; xig

lorsque f (x) est …ni. Le sous-di¤érentiel de f est la multiapplication @f (x) : E E telle que
@f (x) désigne l’ensemble des sous-gradients de f en x. Par convention, on pose @f (x) = ; si f (x)
est in…ni. On dira que f est sous-di¤érentiable en x 2 E ssi @f (x) 6= ;.

Remarque 1.6.1 A priori, le sous-di¤érentiel est dé…ni pour n’importe quelle fonction, mais nous
verrons qu’il fonctionne bien essentiellement dans le cas les fonctions convexes.

Proposition 1.6.1 Si f : E ! R est une fonction et si p 2 E est un sous-gradient de f en

x 2 E, alors p dé…nit un hyperplan d’appui de epi(f ) en (x; f (x)).

Remarque 1.6.2 Nous voyons que la sous-di¤érentiabilité implique la semi-continuité inférieure.

10
Chapitre 2

Transformée de Legendre

2.1 Transformée de Legendre

(E; k:k) est un espace de Banach, E son dual topologique.

Les éléments de E sont notés x , mais aussi p ou s (p car ils peuvent correspondre à des pentes
dans certains contextes d’applications, s pour slope (= pente) en anglais).

Après la transformée de Fourier et la transformée de Laplace que nous avons rencontré,on a une
nouvelle transformée de fonction, portant le nom de W. Fenchel et A.-M. Legendre. Lorsque nous
considérons une fonction f : E ! R, elle ne sera pas identiquement égale à +1 et minorée par
une fonction a¢ ne continue, c’est-à-dire : pour un certain p0 2 E et un certain 2 R;

f (x) hp0 ; xi pour tout x 2 E: (2.1)

Dé…nition 2.1.1 (Transformée de Legendre) Soit f : E ! R une fonction propre (dom (f ) 6= ;) :On
dé…nit sa transformée de Legendre f : E ! R par :

f (p) = sup [hp; xi f (x)] : (2.2)

x2E

L’application L : f 7 ! f est appelée Transformation de Legendre de f: Et on a autres appellations

pour f : Transformation de Legendre-Fenchel de f; conjuguée de f , polaire de f:

11
Chapitre 2. Transformée de Legendre

La motivation pour introduire cette transformation est la suivante. On peut dé…nir la convexi…ée
fermée d’une fonction comme l’enveloppe supérieure de toutes les minorantes a¢ nes de f . Parmi
toutes les minorantes a¢ nes x 7! hp; xi + , on ne peut garder que celle qui est la plus haute,
c’est-à-dire qui a le plus grand . Il faut donc déterminer le plus grand tel que 8x 2 E :

hp; xi + f (x):

La plus petite valeur de est donnée par : f (p) = supx2E [hp; xi f (x)] :

Remarque 2.1.1 Comme f est propre, il existe x0 2 dom (f ) : Ainsi

8p 2 E , f (p) hp; xi f (x0 );

et f est minorée par une fonction a¢ ne sur E ; En particulier, f > 1:

Remarque 2.1.2 f est l’enveloppe supérieure de la famille de fonctions a¢ nes continues h:; xi
f (x) pour x 2 domf de E dans R:

Proposition 2.1.1 La fonction conjuguée f d’une fonction f : E ! R est convexe et fermée.

Par ailleurs, on a les équivalences suivantes :

1: f 6 +1 () f > 1 () f 6 1: (2.3)

2: f a une minorante a¢ ne () f 6 +1: (2.4)

3: f propre avec minorante a¢ ne () f propre () f 2 conv (E) : (2.5)

Démonstration(1). Si f 6 +1; il existe un x 2 E tel que f (x) < +1 ; dans ce cas, quel que soit
p 2 E ; f (p) hp; xi f (x) > 1; si bien que f > 1: Évidemment, f > 1 implique
que f 6 1: En…n, si f +1 alors f 1:

12
Chapitre 2. Transformée de Legendre

Démonstration(2). Soit x 7! hp; xi + une minorante a¢ ne de f; p 2 E et 2 R; alors, pour

tout x 2 E; f (x) hp; xi + ; on en déduit que supx2E [hp; xi + ] = f (p) et donc que
f +1, La réciproque est obtenue par le raisonnement inverse : si f +1; il existe p 2 E et
2 R tels que f (p) ; alors, pour tout x 2 E; hp; xi f (x) ; si bien que x 7! hp; xi +
est une minorante a¢ ne de f:

Démonstration(3). Par (1) et (2) ; f est propre et a une fonction a¢ ne si seulement si f : En…n,
il revient au même de dire que f est propre et que f 2 conv (f ), parce que f est toujours convexe
fermée.

Remarque 2.1.3 La fonction conjuguée f d’une fonction f : E ! R est convexe et fermée, alors

1. Si f prend la valeurs t 1 alors f +1 (par la dé…ntion de f ou par (2.4), une fonction

convexe et fermée (l’épigraphe de f est vide ,donc convexe et fermée).

2. Si f +1; alors f 1 (par la dé…ntion de f ou par (2.3), une fonction convexe et

fermée (l’épigraphe de f est égale à E R,donc convexe et fermée).

3. Si f est propre, f s’écrit comme le supremum de la famille indicée par x 2 dom(f ) (non
vide) des fonctions a¢ nes (donc convexes et fermées) p 7! hp; xi f (x). On en déduit que
f est elle-même convexe et fermée.

Exemple 2.1.1

(i) Soit A un ensemble non-vide de E; et A sa fonction indicatrice. Alors

8p 2 E ; A (p) = sup [hp; xi A (x)] = sup hp; xi = A:

x2E x2A

c’est la fonction d’appui de l’ensemble A:

(ii) Soit f = k:k la norme de l’espace E. Alors

8p 2 E ; f (p) = sup [hp; xi kxk] :

x2E

13
Chapitre 2. Transformée de Legendre

Si kpk > 1; alors supkxk 1 hp; xi > 1. 9x 2 E tel que kxk 1 et hp; xi > 1: Donc, hp; xi kxk
hp; xi 1 > 0:

Donc, comme lim hp; xi k xk = +1: Alors kpk = +1: Au contraire, si kpk 1; hp; xi
!+1

kxk 0 avec égalité

lorsque x = 0 Ainsi, f (p) = 0: Conclusion, f est la fonction indicatrice convexe de la boule unité
pour la norme

duale, i.e. f = B où B = fp 2 E =kpk 1g :

(iii) Soit f (x) = 1

p
jxjp sur R; pour 8y 0 on a

1 p 1 p
f (y) = sup xp jxj = sup xp jxj
x2R p x 0 p

alors, calculer le supremum de la fonction xp 1

p
jxjp pour x 0; qui concave

@ 1 p
xp jxj =y jxjp 1
= 0 =) x = y 1=(p 1)
@x p

1 1
où q est l’exposant conjugué de p i.e. p
+ q
= 1; (pour y 0 en utilisant la meme méthode) :

Alors 8y 2 R

1 p
f (y) = sup xp jxj
x2R p
1 p=(p
= y 1+1=(p 1)
y 1)
p
1 1 q
= 1 y p=(p 1)
= jyj :
p q

Proposition 2.1.2 La transformée de Legendre-Fenchel d’une fonction f : E ! R propre véri…e :

(i) Inégalité de Fenchel-Young : 8x 2 E; 8p 2 E ; f (p) + f (x) hp; xi :

On a l’égalité ssi p 2 @f (x):

(ii) f (0) = sup f = inf f:

14
Chapitre 2. Transformée de Legendre

Preuve.

(i) Inégalité de Fenchel-Young :

L’inégalité est une conséquence immédiate de la dé…nition de f

f (p) + f (x) = sup hp; yi f (y) + f (x) hp; xi 8x 2 E; 8p 2 E :

y2E

l’égalité :

f (p) = hp; xi f (x) , 8y; hp; xi f (x) hp; yi f (y)

, 8y; hp; x yi + f (x) f (y)

, p 2 @f (x):

(ii) On a autre lecture de la formule (2.1) :

f (p) = inf [f (x) hp; xi] :

x2E

R
Alors, on se rappelle qu’avec la transformée de Fourier Ff de f , on a Ff (0) = x2R
f (x)dx.

Avec la transformée de Legendre-Fenchel, on a quelque chose de similaire : f (0) = inf x2E f (x):

Alors,
f (p) = inf [f (x) hp; xi] = sup [hp; xi f (x)] ) f (0) = sup ( f (x)) :
x2E x2E x2E

Exemple 2.1.2 (L’inégalité de holder) avec f (x) = 1

p
jxjp pour x 2 R; on a

1 p 1 q
xy f (x) + f (y) = jxj + jyj
p q

En sommant, on obtient que pour x; y 2 Rn ; si kxkp = kykq = 1;

X
n
1 1
hx; pi x i yi kxkp + kykq = kxkp kykq :
i=1
p q

15
Chapitre 2. Transformée de Legendre

Cette inégalité reste vraie pour tout x; y 2 Rn :

Proposition 2.1.3 La fonction conjuguée f est soit une fonction convexe S.C.I. de E dans R,
soit la fonction identiquemen égale à 1.

Preuve. d’aprés la remarque (2.1.3)(3); f s’écrit comme le supremum de la famille indicée par
x 2 dom(f ) (non vide) des fonctions a¢ nes continue (donc convexes et fermées) p 7! hp; xi f (x).
On en déduit que f est elle-même convexe et fermée. alors f une fonction convexe S.C.I. et ne
prend pas la valeur 1.

Proposition 2.1.4 Soit fi : E ! R une fonction propre. Alors f = epi(f ) (:; 1) :

Preuve. Il su¢ t de voir que, pour tout p 2 E , on a

f (p) = sup hp; xi f (x) = sup hp; xi y= sup h(p; 1) ; (x; y)i = epi(f ) (p; 1) :
x2E (x;y)2epi(f ) (x;y)2epi(f )

2.2 Biconjugaison de Legendre

Ayant dé…ni f sur E , il est tentant de dé…nir (f ) (notée f ) sur E . Nous ne considérerons
que la restriction de f à E, en gardant la même notation. On peut penser qu’on va retomber sur
nos pieds, c’est-à-dire avoir f = f , ce qui est sans espoir en général puisqu’une transformée de
Legendre-Fenchel est.... toujours convexe. Le résultat qui suit, donné ici sans démonstration, est
fondamental dans ce contexte de biconjugaison.

Dé…nition 2.2.1 ( La biconjugaison de Legendre) Soit f : E ! R une fonction. Sa bicon-

juguée dé…nir par :
f (x) = sup [hx; pi f (p)] :
p2E

16
Chapitre 2. Transformée de Legendre

Proposition 2.2.1 La fonction biconjuguée f d’une fonction f : E ! R est convexe et fermée.

De plus
f est propre et a minorante a¢ ne () f 2 conv (E) :

Preuve. Si f est propre et a une minorante a¢ ne, alors f est propre par (2.5). Mais f a aussi
une minorante a¢ ne puisque, avec x 2 domf 6= ;, on a

8p 2 E f (p) hp; xi f (x):

Dès lors, f 2 conv (E) par (2.5) appliqué à f au lieu de f: Réciproqument, Si f 2 conv (E) ;
alors f est prpore par (2.5) appliqué à f :

Proposition 2.2.2 Soit f : E ! R une fonction propre ayant une minorante a¢ ne, Alors

1. Sa biconjuguée f est l’enveloppe supérieure des minorantes a¢ nes de f .

2. f f .

3. f 2 conv (E) =) f = f ( la ferméteure de f ) :

4. f 2 conv (E) () f =f .

Démonstration.

1. Soit x 2 E. La valeur en x de l’enveloppe supérieure des minorantes a¢ nes de f s’écrit

sup [hp; xi + ] = sup sup [hp; xi + ]

p2E ; 2R;hp;yi+ f (y);8y2E p2E 2R;hp;yi+ f (y);8y2E

= sup [hp; xi f (p)] = f (x):

p2E

2. Soit x 2 E; p 2 E .D’après l’inégalité de fenchel-young [ f (p) + f (x) hp; xi] ; On a f (x)

supp2E [hp; xi f (p)] = f (x):

3. Si f 2 conv (E) ; f est l’enveloppe supérieure des minorantes a¢ nes de f; c’est-à-dire f

d’après (1) :

17
Chapitre 2. Transformée de Legendre

(i) (ii)
4. Si f 2 conv (E) ; epi f =adh(epi f ) = epi f = epi f ; donc par (3) f = f : (i) car est epif fermé, (ii
Inversement, l’égalité f = f implique que f est convexe et fermée car f 2 conv (E) :

Remarque 2.2.1 Il est naturel d’appeler aussi la biconjuguée f ;l’enveloppe convexe femée de f:

Théorème 2.2.1 Si f 2 conv (E) et x 2 dom(f ) ,alors f (x) = f (x) ssi f est S.C.I. en x.

Preuve. lorsque , x 2 dom(f ) on a f (x) = f (x) ssi f est S.C.I. en x . Le résultat est alors une
conséquence du fait que f = f lorsque f 2 conv (E).

Proposition 2.2.3 (triconjuguée) Soit f : E ! R une fonction propre ayant une minorante
a¢ ne . Alors (f ) = f :

Preuve. On a f f , donc (f ) f : Inversement, pour p …xé , f hp; xi f (p) pour

tout x 2 E; et donc (f ) (p) = supx2E [hp; xi f (x)] f (p) :

2.3 Transformée de Legendre et Sous-di¤érentiels

Le calcul sous-di¤érentiel et la transformation de Legendre-Fenchel sont très étroitement liés.

Proposition 2.3.1 Soit f : E ! R une fonction propre convexe G-di¤érentiable en x 2 E. Alors

x 2 int(dom(@f )) et @f (x) = frf (x)g. Inversement, si @f (x) est le singleton fpg, alors f est G-
di¤érentiable en x et rf (x) = p: Lorsque la fonction considérée f est G-di¤érentiable et convexe,
la formule de Young nous donne une formule utile pour calculer la transformée de Legendre. En
e¤et, on a
f (Of (x)) = hOf (x) ; xi f (x) 8x 2 E:

Telle que la fonction x 7! hOf (x) ; xi f (x) atteint son supremum sur E en un point unique
x(p) 2 E, ainsi p = [rf (x)]x=x(p) , par conséquent

f (p) = sup hp; xi f (x) = hp; x (p)i f (x (p)) .

x2E

18
Chapitre 2. Transformée de Legendre

On a que si E = Rn

2 3 2 3 8
@f
(x) 7 p1 7 >
> p1 = @f
(x (p))
6 @x1 6 >
> @x1
6 7 6 7 >
>
6 7 6 >
6 : 7 6 : 7
7
< :
rf (x) = 6 7 et si p = 6 7 alors
6 : 7 6 : 7 >
> :
6 7 6 7 >
>
4 5 4 5 >
>
@f >
: p = @f
@xn
(x) pn n @xn
(x (p)) :

Donc p = rf (x) =) x = (rf ) 1 , tel que rf : E ! E soit surjectif. Alors

f (p) = p; (rf ) 1 (p) f (rf ) 1 (p pour tout p 2 E

Ceci est la formule de Legendre.

Théorème 2.3.1 Soit f : E ! R une fonction convexe S.C.I. Alors, pour tout x 2 E et tout
p 2 E , on a
P 2 @f (x) () x 2 @f (p):

Comme f est convexe et semi-continue inférieurement, on sait que

P 2 @f (x) () f (x) + f (p) = hp; xi

() f (x) + f (p) = hp; xi

() x 2 @f (p):

Exemple 2.3.1 Soit f : Rn ! R dé…nie par f (x) = 12 hAx; xi, où A est supposée dé…nie positive.
Alors
1
f (p) = A 1 p; p :
2

Exemple 2.3.2 Soit f : R ! R dé…nie par f (x) = ex : On a Of (x) = ex pout tout x 2 R et c’est
une bijection entre R et ]0; +1[; donc O 1 f (p) = ln (p) pour tout p 2]0; +1[: Il s’ensuit que

f (p) = p ln (p) p 8p 2]0; +1[:

19
Chapitre 2. Transformée de Legendre

Si p 0; alors f (p) = supx2R px ex = +1 car lim px ex = +1: En…n, f (0) = inf x2R ex = 0:

Corollaire 2.3.1 Si f : E ! R et x 2 E véri…ent f (x) = f (x); alors

p 2 @f (x) () x 2 @f (p):

Corollaire 2.3.2 Soient f 2 conv (E) et x 2 dom (f ) : Alors

1. @f (x) @f (x);

2. @f (x) 6= ? =) f (x) = f (x);

3. f (x) = f (x) () @f (x) = @f (x):

Démonstration.

1. Si p 2 @f (x); alors f (x) + f (p) = hp; xi, donc f (x) + (f ) (p) hp; xi car f f , et
(f ) = f ; si bien que p 2 @f (x):

2. On toujours f (x) f (x) : D’autre part ,si p 2 @f (x) on a par dé…nition de f et par
l’égalité f (x) + f (p) = hp; xi :

f (x) hp; xi f (p) = f (x):

Preuve. D’après le point 1) il reaste montrer l’inclusion @f (x) @f (x): Si p 2 @f (x); on a

f (x) + (f ) (p) = hp; xi : En utilisant l’hypothèse f (x) = f (x) et la propriété (f ) (p) =
f (x); on obtient f (x) + f (p) = hp; xi ; c’est-à-dire p 2 @f (x).

20
Chapitre 2. Transformée de Legendre

2.3.1 Interprétation géométrique de TFL

Voici l’Interprétation géométrique que l’on peut donner de la transformée de Legendre d’une fonc-
@f
tion si on prend E = R. Pour une pente p donnée il existe un unique réel x(p) tel que @x
(x) =
p. On dé…nit alors la fonction f (p) comme l’oposé de la valeur à l’origine de la tangente en x(p)
(voir …gure 2.1).
@f
f (p) = xp f avec p = (x) :
@x

Fig. 2.1 –Interprétation géométrique de la transformation de Legendre.

21
Chapitre 2. Transformée de Legendre

2.4 Régle de Calcul de TFL

2.4.1 Quelques règles pour calculer la TFL d’une fonction

Hypothèse Conclusion Remarque

(1) f (x) g(x) f (p) g (p)

(2) g(x) = C (x) g (p) = C (p)

8
>
< 0 si kpk 1
(3) g(x) = kxkE g (p) =
>
: +1 sinon

(4) g(x) = kxk2H g (p) = kpk2H H = Hilbert

(5) g(x) = f ( x); 6= 0 g (p) = f (p= )

(6) g(x) = f (x) ; 0 g (p) = f (p= )

(7) g(x) = b f (x); b 2E g (p) = f (p) + hp; bi b f (x) = f (x b) fonction translatée

(8) g(x) = f (x + ) ; 2R g (p) = f (p)

Démonstration. (1) Soit p 2 E ; 8x 2 E; on a f (x) g(x) =) g(x) f (x)

=) hp; xi g(x) hp; xi f (x)

cela implique facilement les relations f (p) = supx2E [hp; xi f (x)] g (p) = supx2E [hp; xi g(x)] ;
alors f g ; 8p 2 E ; 8x 2 E:

2.4.2 Transformée de l’inf-convolution

Étant données f et g deux fonctions E ! R minorées par une fonction a¢ ne commune, l’inf-
convolution (ou somme épigraphique) de f et g est la fonction f g : E ! R dé…nie comme
suit :

(f g) (x) := inf [f (y) + g (z)] = inf [f (y) + g(z) : y + z = x] = inf [f (y) + g (x y)] :
y+z=x y2E

22
Chapitre 2. Transformée de Legendre

Alors epis (f g) = epis (f ) + epis (g) et dom (f g) = dom (f ) + dom (g) :

Donc pour tout x 2 E et p 2 E ; nous avons

(f g) (p) = sup [hp; xi (f g) (x)]

x2E

= sup hp; xi inf (f (y) + g (x y))

x2E y2E

= sup sup hp; xi (f (y) + g (x y))

x2E y2E

= sup hp; x + yi (f (x) + g(y))

(x;y)2E 2

= sup hp; xi f (x) + sup hp; yi g(y) = f (p) + g (p):

x2E y2E

C’est la transformé de l’inf-convolution.

2.4.3 Transformée d’une somme

C’est une bonne idée pour évaluer (f + g) . En appliquant la formule ci-dessus à f ; g on obtient
que

(f g ) = (f + g ) = (f + g) :

Ainsi, si f g 2 conv (E), alors

(f + g) = f g :

23
Chapitre 2. Transformée de Legendre

2.4.4 Transformée de l’in…mum et la suprémum

Soit I un ensemble non-vide. Soient fi : E ! R des fonctions pour tout i 2 I. On a pour tout
p2E

inf (fi ) (p) = sup hp; xi inf (fi ) (x)

i2I x2E i2I

= sup sup hp; xi fi (x)

x2E i2I

= sup sup hp; xi fi (x)

i2I x2E

= sup (fi (p)) :

i2I

Ensuite, nous savons que fj supi2I (fi ) pour tout j 2 I. La transformée de Legendre inverse les
inégalités, ce qui donne (supi2I (fi )) (fj ) pour tout j 2 I. On en tire l’inégalité

sup(fi ) inf (fi ) :

i2I i2I

24
Chapitre 3

Applications de Transformée de
Legendre

On appliquons la fonction de transformée de Legendre pour convexi…er une fonction (en calcu-
lant la biconjuguée), calculer le sous-di¤érentiel d’une fonction convexe, calculer des problèmes en
optimisation (dualisation) et pour passer de la mécanique lagrangienne à la mécanique hamilto-
nienne,...... alors dans ce chapiter nous parlons comment calculer des problèmes en optimisation
par deux théorème important :

3.1 Théorème de Fenchel-Rockafellar et applications

Lemme 3.1.1 La fonction

h(u) = inf f (x) + g(x + u)
x2E

est convexe et continue en l’origine.

Théorème 3.1.1 (Fenchel-Rockafellar) Soit E un espace vectoriel normé, f; g : E ! R deux

fonctions convexes S.C.I. véri…ant l’hypothèse de quali…cation (Q) suivante :

9x0 2 dom(f ) \ dom(g); telque f est continue en x0 : (Q)

25
Chapitre 3. Applications de Transformée de Legendre

On suppose de plus inf x2E f + g > 1. Alors,

inf f (x) + g (x) = max f ( ) g ( ): (3.1)

x2E 2E

Démonstration. On a par dé…nition de la conjuguée (Transformée de Legendre),

inf f (x) + g (x) = (f + g) (0);

x2E

et la conclusion suit par la proposition sur la transformée de Legendre-Fenchel d’une somme

appliqué en =0:
(f + g) ( ) = inf f ( ) + g( )
2E

alors,

inf f (x) + g (x) = (f + g) (0) = inf f ( ) + g( ) = max f ( ) g ( ):

x2E 2E 2E

Théorème 3.1.2 (Fenchel-Rockafellar) Soit E un espace vectoriel normé, A : E ! F une

application linéaire continue et f : E ! R deux fonctions convexes S.C.I. véri…ant l’hypothèse de
quali…cation suivante :

9x 2 E; telque x 2 dom(f ) et g continue en Ax: (Q0 )

On suppose de plus que inf E f + g A > 1: Pour 2 F , on pose A = A 2 E : Alors,

inf f (x) + g (Ax) = max f ( A ) g ( ): (3.2)

x2E 2F

26
Chapitre 3. Applications de Transformée de Legendre

Démonstration. On va chercher à appliquer la précédente version du théorème de Fenchel-

Rockafellar sur l’espace produit E F . On pose
8
>
< f (x) si y = Ax
f1 : E F ! R; (x; y) 7 !
>
: 0 sinon

g1 : E F ! R; (x; y) 7 ! g(y):

On a alors facilement que inf E f + g A = inf E F f1 + g1 : Il s’agit maintenant d’appliquer la précé-

dente version du théorème de Fenchel-Rockafellar à ce deuxième problème. On identi…e (E F)
àE F : Pour 2 E et 2 F ; on a

f1 ( ; ) = sup h ; xi + h ; xi f1 (x) = sup h ; xi + h ; xi f (x)

x2E;y2F x;y
Ax=y

= sup h ; xi + h ; Axi f (x) = sup h + A ; xi f (x)

x;y x;y
Ax=y Ax=y

=f ( +A ):

g1 ( ; ) = sup h ; xi + h ; xi g1 (x) = sup h ; xi + h ; xi g(x)

x2E;y2F x;y
Ax=y
8
>
< +1 si 6= 0:
=
>
: g ( ) sinon

Ainsi, par thèorème de Fenchel-Rockafellar et en utilisant les calculs précédents,

inf f + g A = inf f1 + g1 = sup f1 ( ; ) + g1 ( ; )

E E F ( ; )2E F

= sup f ( A ) + g( ):
2F

Exemple 3.1.1 On considère le problème de minimisation sur Rn , où A est une matrice à m

27
Chapitre 3. Applications de Transformée de Legendre

lignes et n colonnes, x0 2 Rn :

1
minn kx x0 k22 kAxk1 = minn f (x) + g(Ax):
x2R 2 x2R

Comme f et g sont continues, on peut appliquer le théorème de Fenchel-Rockafellar. Calculons

maintenant les conjuguées (Transformée de Legendre) de f et g :

1
f (y) = sup hx; yi kx x0 k22
x2Rn 2
1
= hx0 ; yi + sup hx x0 ; yi kx x0 k22
x2Rn 2
1
= hx0 ; yi + kyk22
2
1 1
= ky + x0 k22 kx0 k22 ;
2 2

où l’on a utilisé 1
2
k:k22 = 21 k:k22 . De plus,

X X X
g (y) = sup xi yi jxi j = h (yi ) ;
x2Rm
i i 1<i<m

où l’on a posé h : x 2 R ! jxi j. De plus,

8
>
< 0 si r 2 [ 1; 1]
h (r) = sup rs jsj =
s2R >
: +1 sinon

Ainsi, g est la fonction indicatrice de (qui est la boule unité pour k:k1 ). Ainsi,

1
minn kx x0 k22 kAxk1 = minn f (x) + g(Ax)
x2R 2 x2R

= maxn f ( At y) g (y)
y2R
1 2 1
= min At y x0 2
kx0 k2 :
y2[ 1;1] n
2 2

28
Conclusion

En conclusion, nous avons présenté les théorèmes et les propositions de l’analyse convexe qui
jouent un rôle important dans divers domaines de mathématiques. Ensuite nous avons focalisé
notre travail sur le calcul de la Transformée de Legendre-Fenchel de problèmes d’optimisation
permettant ceux que nous souhaitons résoudre.

29
Bibliographie

[Livres]

[1] Aude Rondepierre. Introduction à l’optimisation convexe non di¤érentiable.

[2] D. Rudolph Fundamentals of Measurable Dynamics Oxford University Press.

[3] J.-B.Hiriart-Urruty, C.Lemaréchal, Convex Analysis and Minimization Algo-

ritms(1993).

[4] J. Garnier et V. Perrier. MATHÉMATIQUES Et APPLICATIONS.

[5] R. T. Rokfallar. (1997). Convex Analysis. Princeton University Press. Princeton.

New Jersey.

[6] V. I. Arnold. Mathematical Methods of Classical Mechanics, volume 60 of Gra-

duate Texts in Mathematics. Springer-Verlag, New York, 1978.

[Site internet]

[7] Jean Charel Gilbert. (3 juillet 2013). Éléments d’Optimisation Di¤érentiable-

Théorie et Algorithmes.

[8] Site internet http ://quentin.mrgt.fr/…les/teaching/aca-2016/chap3. pdf.

[Mémoires]

[9] Molla, Arman, (2016-2017 ). Analyse & optimisation convexe sur des espaces de
Banach. Master en sciences mathématiques, à …nalité approfondie.

30