Scribd
Importer
30 vues3 pages

Epreuve Sol

Le document présente une épreuve finale de module d'optimisation pour l'année 2018-2019, contenant trois exercices. Le premier exercice traite de la résolution d'un système d'équations et de la détermination d'un minimiseur, le second exercice concerne l'analyse d'une fonction critique, et le troisième exercice aborde un problème de minimisation à l'aide de méthodes de descente. Des calculs et des résultats spécifiques sont fournis pour chaque exercice.

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

Thèmes abordés

  • méthode du gradient,
  • analyse mathématique,
  • calcul différentiel,
  • pas optimal,
  • méthodes de résolution,
  • méthodes itératives,
  • point selle,
  • points critiques,
  • analyse de sensibilité,
  • problèmes d'optimisation
30 vues3 pages

Epreuve Sol

Le document présente une épreuve finale de module d'optimisation pour l'année 2018-2019, contenant trois exercices. Le premier exercice traite de la résolution d'un système d'équations et de la détermination d'un minimiseur, le second exercice concerne l'analyse d'une fonction critique, et le troisième exercice aborde un problème de minimisation à l'aide de méthodes de descente. Des calculs et des résultats spécifiques sont fournis pour chaque exercice.

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

Thèmes abordés

  • méthode du gradient,
  • analyse mathématique,
  • calcul différentiel,
  • pas optimal,
  • méthodes de résolution,
  • méthodes itératives,
  • point selle,
  • points critiques,
  • analyse de sensibilité,
  • problèmes d'optimisation

Module : Optimisation Année 2018-2019

Responsable : I.DIDI Durée 1h30


Date : 02/07/2019
Épreuve nale (Solution avec barème)

Exercice 1 [7 pts]
Soit le système d'équations (1 pt)
 a0 + a1 x1 + a2 x21 = f1

a0 + a1 x2 + a2 x22 = f2
a0 + a1 x3 + a2 x23 = f3

En utilisant une des méthodes de résolution des systèmes d'équations Ax = b, on trouve :


x22 − x23 f1 + x23 − x21 f2 + x21 − x22 f3
  
a1 = − (1pt)
(x1 − x2 ) (x1 − x3 ) (x2 − x3 )

(x2 − x3 ) f1 + (x3 − x1 ) f2 + (x1 − x2 ) f3


a2 = (1pt)
(x1 − x2 ) (x1 − x3 ) (x2 − x3 )
La première dérivée de p(x) par rapport à x est
p0 (x) = a1 + 2a2 x(0.25pt)

et si
p0 (x) = 0
et a 2 , alors le minimiseur de p(x) est donné par
6= 0
a1
x? = − (1pt)
2a2
En remplaçant les expressions de a et a , on a :
1 2

x22 − x23 f1 + x23 − x21 f2 + x21 − x22 f3


  
?
x = (0.5pt)
2 [(x2 − x3 ) f1 + (x3 − x1 ) f2 + (x1 − x2 ) f3 ]

Application.

x1 = −1 −→ f1 = 1.367 (0.25 pt)


x2 = −0.5 −→ f2 = 0.731 (0.25 pt)
x3 = 0 −→ f3 = 1 (0.25 pt)

Ainsi, après calcul, on trouve :


x? = −0.398(1pt)

1
Le tracé de f (0.5 pt)

Exercice 2 [4 pts]
1. Simplions l'écriture de f . On a :
f (x, y) = |1 + eix + eiy |2

qui vaut
f (x, y) = 3 + 2 cos(x) + 2 cos(y) + 2 cos(x − y)(1pt)
Par conséquent, f est C sur R et
∞ 2

 
−2 sin(x) − 2 sin(x − y)
∇f (x, y) = (1pt)
−2 sin(y) + 2 sin(x − y)

Les points critiques de f sont solutions de l'équation


sin(x − y) = − sin(x) = sin(y)(0.25pt)

Le résultat souhaité s'ensuit.


2. (0, π) est un point critique de f . Puisque
 
−2 cos(x) − 2 cos(x − y) 2 cos(x − y)
H(x, y) = (1pt)
2 cos(x − y) −2 cos(y) − 2 cos(x − y)

On a 
0 −2

H(0, π) = (0.25pt)
−2 4
avec un déterminant strictement négatif (0.25 pt).
Par conséquent, (0, π) est un point selle (0.25 pt) .
Exercice 3 [8 pts]
1 9
min f (x, y) = x2 + y 2
2 2
Commençons par analyser le problème de minimisation : d'une part, la fonction f est deux fois dif-
férentiable sur R et strictement convexe. D'autre part, le point (0, 0) vérie les conditions susantes
2

d'optimalité du premier ordre. Donc (0, 0) est l'unique point de minimum global de f (0.25 pt) .
Soit X = (x , y ) ∈ R l'itéré courant tel que : g(x , y ) 6= 0. Calculons par la méthode de descente,
2

l'itéré suivant :
k k k k k

 Direction de plus forte pente : d = −g(X ) = −9y (1pt)


 
−x k
k k
k

2
 Calcul du pas optimal α solution, si elle existe, du problème à une dimension :
k

1 9
min f (Xk + αdk ) = min x2k (1 − α)2 + yk2 (1 − 9α)2 (1pt)
α>0 α>0 2 2
La solution se calcule de façon immédiate :
x2k + 92 yk2
αk = (1pt)
x2k + 93 yk2

A chaque itération, la méthode génère donc le point :


x2 + 92 yk2
 
−xk
Xk+1 = Xk + k2 (1pt)
xk + 93 yk2 −9yk

Appliquons maintenant ces deux méthodes à partir du point x 0 = [10 1]T

k f (xk , yk ) kg(xk , yk )k2 αk xk yk


0 54.5 13.453 - 10 1
1 34.740 11.684 0.218 (0.25 pt) 7.816 (0.25 pt) -0.965 (0.25 pt)
2 22.145 8.575 0.184 (0.25 pt) 6.374 (0.25 pt) 0.637 (0.25 pt)
3 14.116 7.448 0.218 (0.25 pt) 4.982 (0.25 pt) -0.615 (0.25 pt)

Table 1  Méthode du gradient à pas optimal

k f (xk , yk ) kg(xk , yk )k2 xk yk


0 54.5 13.453 10 1
1 34.880 10.762 8 (0.25 pt) -0.8 (0.25 pt)
2 22.323 8.610 5.12 (0.25 pt) -0.512 (0.25 pt)
3 14.286 6.888 4.096 (0.25 pt) 0.409 (0.25 pt)

Table 2  Méthode du gradient à pas xe α = 0.2

Vous aimerez peut-être aussi