Scribd
Importer
5 vues1 page

Optimisation : Exercices et Approximations

Le document présente une série d'exercices sur l'optimisation, abordant des concepts tels que l'approximation linéaire et quadratique de fonctions, le gradient et le Hessien d'une fonction quadratique, ainsi que l'analyse de points stationnaires. Il inclut également des exercices sur la classification de matrices et l'étude de la convexité de certaines fonctions. Chaque exercice demande des calculs spécifiques et des vérifications de conditions d'optimalité.

Transféré par

islambounebbab
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
5 vues1 page

Optimisation : Exercices et Approximations

Le document présente une série d'exercices sur l'optimisation, abordant des concepts tels que l'approximation linéaire et quadratique de fonctions, le gradient et le Hessien d'une fonction quadratique, ainsi que l'analyse de points stationnaires. Il inclut également des exercices sur la classification de matrices et l'étude de la convexité de certaines fonctions. Chaque exercice demande des calculs spécifiques et des vérifications de conditions d'optimalité.

Transféré par

islambounebbab
Copyright
© All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Module : Optimisation Année 2023-2024

Série de TD 2

Exercice 1 Soit la fontion objectif


f (x) = 2x31 + x22 + x21 x22 + 4x1 x2 + 3
1. Trouver une approximation linéaire de f (x) au point x + δ si xT = [1 1].
2. Trouver une approximation quadratique de f (x) au même point.
Exercice 2 Une fonction quadratique à n variables est donnée par
1
f (x) = a + bT x + xT Qx
2
où Q est une matrice symétrique n × n, montrer que le gradient et le Hessien de f (x) sont
donnés par : g = b + Qx et H(x) = Q respectivement.
Exercice 3 Le point xTa = [2 4] est un minimiseur possible pour le problème
1 2
x1 + 4x22 − 4(3x1 + 8x2 ) + 100

min f (x) =
4
sc c1 (x) = x1 = 2
c2 (x) = x2 ≥ 0
1. Trouver les directions admissibles
2. Vérier si les conditions du second ordre sont vériées.
Exercice 4 Classier les matrices suivantes (DP, SDP, DN, SDN, Ind).
     
5 3 1 −5 1 1 −1 2 −3
(a) H =  3 4 2  , (b) H =  1 −2 2  et (c) H =  2 4 5 
1 2 6 1 2 −4 −3 5 −20
Exercice 5 Trouver et classier les points stationnaires de la fonction
f (x) = x21 − x22 + x23 − 2x1 x3 − x2 x3 + 4x1 + 12
Exercice 6 Montrer que la fonction
2
f (x) = x2 − x21 + x51
possède un seul point stationnaire qui n'est ni un maximum ni un minimum.
Exercice 7 L'un des points xa = [1 − 1]T , xb = [0 0]T et xc = [1 1]T minimise la fonction

f (x) = 100(x2 − x21 )2 + (1 − x1 )2


À l'aide de tests appropriés, identier le véritable minimiseur.
Exercice 8 Etudier la convexité des fonctions suivantes :
1. f (x) = x21 + 2x22 + 2x23 + x24 − x1 x2 + x1 x3 − 2x2 x4 + x1 x4
2. f (x) = x21 − 2x22 − 2x23 + x24 − x1 x2 + x1 x3 − 2x2 x4 + x1 x4

Vous aimerez peut-être aussi