Matrice hessienne

preliminaires . . . . . . . . . . . . . . . . . . . . . . 54 2.5.1 Determinant d' une matrice . . . . . . . . . . . . . . . . 54 2.5.2 Mineurs principaux d' une matrice . . . . . . . . . . . . 55 2.5.3 Matrice hessienne . . . . . . . . . . . . . . . . . . . . . . 56 2.5.4 Matrice hessienne bordee . . . . . . . . . . . . . . . . . . 56 2.5.5 Matrices denie positive et semi denie positive . . . . . 57 2.5.6 Matrices denie negative et semi denie negative . . . . 57 2.5.7 Caraterisation .

fonction de plusieurs variables sont ceux où toutes les dérivées partielles s'annulent. Pour être complet, signalons encore sans entrer dans les détails que la nature du point stationnaire est en général déterminée par l'étude de la matrice des dérivées secondes (matrice hessienne), c'est-à-dire du tableau carré dont les éléments sont donnés par : hi , j = ∂2 f ∂xi ∂x j 3.2. Différentielle Pour exprimer que fi(x1,…,xn) (i = 1,…,n) est la dérivée par rapport à xi d'une fonction F(x1,…,xn) on note :

pr´liminaires . . . . . . . . . . . . . . . . . . . . . e e 2.5.1 D´terminant d’ une matrice . . . . . . . . . . . . . . . e 2.5.2 Mineurs principaux d’ une matrice . . . . . . . . . . . 2.5.3 Matrice hessienne . . . . . . . . . . . . . . . . . . . . . 2.5.4 Matrice hessienne bord´e . . . . . . . . . . . . . . . . . e 2.5.5 Matrices d´finie positive et semi d´finie positive . . . . e e 2.5.6 Matrices d´finie n´gative et semi d´finie n´gative . . . e e e e 2.5.7 Carat´risation . . . .

hypothèses ne permettent pas de conclure quant à l’existence d’un extremum local de[pic]en [pic] Définition ( matrice hessienne) : Soient U un ouvert de (p, [pic]: U[pic]( de classe C² sur U, [pic]U, Q la forme quadratique : Q : (h1,…,hp)[pic] [pic]hi.hj.[pic]. La matrice H de Q dans la base canonique de (p, H=[pic] est appelée la hessienne de [pic]en [pic] La matrice H est symétrique réelle, par le théorème de Schwarz, donc H est diagonalisable dans Mn((). En notant Sp((H)

candidat est effectivement solution, on introduit la matrice 2 hessienne (Dx L)(x1 , x2 , µ) du lagrangien relative aux variables x1 , x2 : ∂2L  ∂x2 (x1 , x2 , µ)  1  2 Dx L(x1 , x2 , µ) = ∂2L (x1 , x2 , µ) ∂xi ∂xj =  ∂2L ∂x2 ∂x1 ∂2L (x1 , x2 , µ) ∂x1 ∂x2   ,  ∂2L 2 (x1 , x2 , µ) ∂x2 (x1 , x2 , µ) qui est bien définie lorsque f est de classe C 2 et le sous-espace vectoriel Fh (x) dit noyau de la matrice jacobienne des contraintes au point x : Fh (x)

{x ∈ Rn : x ≤ 0}. – Rn++ := {x ∈ Rn : x 0}. – x ∈ Rn et x ∈ Rn , x · x d´enote le produit scalaire de x et x. – A matrice r´eelle `a m lignes et n colonnes et B matrice r´eelle `a n lignes et colonnes, AB d´enote le produit matriciel de A et B. – Un vecteur x ∈ Rn est trait´e comme une matrice ligne. – xT d´enote le vecteur transpos´e de x ∈ Rn , xT est trait´e comme une matrice colonne. – Soient f une fonction de Rn dans R et x = (x1 , . . . , xh , . . . , xn ) ∈ Rn . Pour tout h = 1, . . . ,

alors elles sont égales en ce point: 2f xixj (X) = 2f xjxi (X) 3 Matrice hessienne 3.1 Définition et notations Soit une fonction f de Rn dans R de classe au moins C2. Les dérivées secondes croisées vérifient donc la formule de Schwarz précédente. La fonctionmatricielle de X appeléeD2f fait correspondre à tout point X0(x1, x2, ..., xn) la matrice formée des dérivées secondes de f en X0. Cette matrice carrée et symétrique est notée en un point X0: Hf (X0) = D2f(X0) = 2f 2X

dimension finie : on notera toujours · la norme, indépendamment de l’espace utilisé. Dans l’espace Rn , on note (e1 , . . . , en ) la base canonique et on identifie le plus souvent une application linéaire et sa matrice dans la base canonique. Par ailleurs, on notera AT la transposée d’une matrice A. L’espace Rn est naturellement muni d’un produit scalaire canonique, noté ·, · , et défini pour deux vecteurs x, y ∈ Rn par x, y = xT y. Définition 1 (différentielle). Soient U un ouvert de Rn et a ∈ U . Une

82 85 86 . 86 . 88 . 90 . 91 . 94 . 97 . 98 . 99 . 101 29 Espaces vectoriels 30 Applications linéaires 31 Espaces vectoriels de dimension finie 32 Applications linéaires en dimension finie 33 Matrices 34 Calcul matriciel 35 Équations linéaires 36 Déterminants 37 Calculs de déterminants 38 Rang de matrices 39 Projections 40 Réductions des endomorphismes 40.1 Diagonalisation . . . . . . . . . 40.2 Calculs . . . . . . . . . . . . . 40.3 Espaces fonctionnels . . . . . . 40.4 Polynômes caractéristique

graphique de la fonction, c’est-à-dire l’ensemble G = {(x, y, z = f (x, y)) : (x, y) ∈ Ê2 } est le plan d’équation z = 1, parallèle au plan de base (Oxy) (figure 1.1). Applications linéaires Soit une matrice A à p lignes et n colonnes et à coefficients réels (on note Mp,n (Ê) l’ensemble de ces matrices). On peut lui associer l’application dite linéaire, ou endomorphisme, définie dans les 1 2 z Chapitre 1. Fonctions de plusieurs variables y x Fig. 1.1 – Plan d’équation z = 1. bases