THEOREMES DANALYSE
Apr 12 2005 Par définition de la limite
Chapitre 2 Continuité des fonctions réelles
On montre par la même méthode que f est minorée et que la borne inférieure est atteinte. D'apr`es le théor`eme des valeurs intermédiaires
1. R Ensembles
Bornes
Continuité
Pour cet exemple l'application f est non majorée et elle est minorée mais sa borne inférieure est non atteinte. Le théor`eme 2.2 permet de montrer que
Borne Inférieure borne supérieure
? A m ? a). • On dit que A est majorée (resp. minorée) dans R si A admet au moins un majorant (resp. au moins
Continuité 1 Théorie
Montrer que f = 1 ou f = ?1. Exercice 3 Soit f : R+ ? R continue admettant une limite finie en +?. Montrer que f est bornée. Atteint-elle ses bornes ?
COURS 12 : Fonctions continues (suite)
Si f est une fonction continue sur un intervalle fermé borné [a b] alors f est bornée sur [a
203. Utilisation de la notion de compacité
May 29 2010 Si on considère une fonction dérivable alors f (I) est un intervalle. Application 4. ... est minorée et atteint sa borne inférieure.
Module B01 : Étude locale des fonctions.
Dec 21 2007 Soient l
Optimisation.
alors on dit que m? est la borne inférieure de J et on note m? = inf(J). Montrer que f est bornée sur F et y atteint sa borne sa borne inférieure.
[PDF] Borne Inférieure borne supérieure
Si l'ensemble des minorants d'une partie A de R admet un plus grand élément m on dit que m est la borne inférieure de A et on note m = inf(A) Cette borne est
[PDF] 1 R Ensembles Applications 11 Valeur absolue Bornes
Exercice : Si A ? R est majorée montrer que sa borne supérieure est unique (1) 1) Dans R toute partie non vide minorée admet une borne inférieure
[PDF] Bornes supérieures et inférieures - Licence de mathématiques Lyon 1
Montrer que admet une borne inférieure et la déterminer est-ce un minimum ? Montrer que est minoré si et seulement si est majoré
[PDF] COURS 12 : Fonctions continues (suite)
Si f est une fonction continue sur un intervalle fermé borné [a b] alors f est bornée sur [a b] et atteint ses bornes sur [a b] Démonstration Pour montrer
[PDF] CHAPITRE 1 R BORNE SUP´ERIEURE ET CONS´EQUENCES
On montre de même que f est minorée sur [a b] et que la borne inférieure est atteinte Remarques 1 23 — 1) L'image de [04?] par la fonction continue sin est
[PDF] THEOREMES DANALYSE
12 avr 2005 · Par définition de la limite f(I) n'est ni majoré ni minoré f est bornée sur R Montrer que f atteint l'une de ses bornes
[PDF] Bornes des fonctions
La fonction exponentielle est minorée par 0 tandis que la fonction Donnez la définition de la borne inférieure inf f d'une fonction f
[PDF] Rappels 1 Logique ensembles - Exo7 - Exercices de mathématiques
f n'est pas inférieure à g Correction ? Vidéo ? [000120] Exercice 2 Montrer par contraposition les assertions
[PDF] Analyse 1 - Alexandre Afgoustidis
Définition 1 6 – Majorant minorant ; partie majorée minorée bornée Ainsi la borne inférieure de A lorsqu'elle existe est le plus grand des
[PDF] CH XI : Étude globale des fonctions réelles dune variable réelle
La fonction f n'admet pas de minimum sur R • Elle est minorée par tout réel m ? 0 • Sa borne inférieure est : inf R f = 0 • La fonction g : x ??
Comment montrer que f est minorée ?
f est minorée sur I , s' il existe un réel m tel que pour tout x de I , f ( x ) ? m . On dit que m est un minorant de f . f est bornée sur I , si elle est minorée et majorée sur I . Tout réel M' supérieur à M est aussi un majorant de f .Comment montrer qu'une fonction admet une borne inférieure ?
Si l'ensemble des majorants d'une partie A de R admet un plus petit élément M on dit que M est la borne supérieure de A et on note M = sup(A). Cette borne est alors unique. Si l'ensemble des minorants d'une partie A de R admet un plus grand élément m, on dit que m est la borne inférieure de A et on note m = inf(A).Comment montrer le majorant et minorant ?
Proposition Si M est un majorant de f et N un majorant de g, alors M + N est un majorant de f + g. Si M est un majorant de f et N un majorant de g, avec f et g positives, alors MN est un majorant de fg. . Si M est un majorant de f , alors ?M est un minorant de ?f .- Les bornes (supérieure et inférieure) d'une fonction se lisent sur son TV : ce sont le plus grand et le plus petit des nombres qui apparaissent dans la ligne des y.
![Optimisation. Optimisation.](https://pdfprof.com/Listes/17/57069-17cours_opti.pdf.pdf.jpg)
Optimisation.
Université Aix-Marseille
Préparation à l"agrégation (Option B)
2020/2021
Thomas Ourmières-Bonafos
Table des matières
1 Introduction 1
1.1 Extrait du programme de l"agrégation externe 2020 . . . . . . . . 1
1.2 Borne inférieure et minima . . . . . . . . . . . . . . . . . . . . . 2
1.3 Généralités . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
1.4 Questions associées au problème d"optimisation . . . . . . . . . . 4
1.5 Quelques exemples . . . . . . . . . . . . . . . . . . . . . . . . . . 5
2 Rappels des outils mathématiques 7
2.1 Calcul différentiel . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
2.1.1 Différentielle d"ordre un . . . . . . . . . . . . . . . . . . . 7
2.1.2 Différentielle d"ordre deux . . . . . . . . . . . . . . . . . . 14
2.2 Convexité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
3 Existence et unicité des minimiseurs 19
3.1 Existence . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 19
3.2 Unicité . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
4 Caractérisation des minimiseurs 20
4.1 Problème sans contrainte . . . . . . . . . . . . . . . . . . . . . . 20
4.2 Problème avec contrainte . . . . . . . . . . . . . . . . . . . . . . 22
5 Méthodes de Gradient 23
5.1 Notion d"-convexité . . . . . . . . . . . . . . . . . . . . . . . . . 23
5.2 Méthode du gradient à pas constant . . . . . . . . . . . . . . . . 24
5.3 Méthode du gradient à pas optimal . . . . . . . . . . . . . . . . . 24
5.4 Méthode de gradient pour l"optimisation sous contrainte . . . . . 25
5.5 Méthode de Newton . . . . . . . . . . . . . . . . . . . . . . . . . 26
A Théorème de Rayleigh-Ritz 28
1 B Théorème de projection sur un convexe fermé 291 Introduction
1.1 Extrait du programme de l"agrégation externe 2020
Avant de commencer, on prendra connaissance du programme de l"agrégation externe, qui détaille les notions à maîtriser concernant les problèmes d"optimi- sation (voir Figure 1.1).Figure1 - Extrait du programme de l"agrégation 2020 concernant la partie optimisation. Disponible à l"url suivante :http://media.devenirenseignant.1.2 Borne inférieure et minima
Définition 1 (Minorant d"un sous-ensemble deR)SoitJR. On dit quem2Rest un minorant deJsi pour toutx2Jon a mx: Définition 2SoitJR.Jest minorée s"il existe un minorant deJ. Autre- ment dit,Jest minorée s"il existem2Rtel que pour toutx2Jon ait mx: 2 Définition 3SoitJR, l"ensemble des minorants deJestM(J) :=fm2R:pour toutx2J;mxg:
Définition 4SoitJR. S"il existem?2Rtel que pour toutm2M(J)on a mm? alors on dit quem?est la borne inférieure deJet on notem?= inf(J). Exercice 1 (?10min)Pour les ensembles suivants, démontrer s"ils sont ou non minorés et déterminer leur ensemble des minorants.1.J1= [0;1],J2=]0;1],J3=]5;2][[5;8[,J4= [12;5][] 1;20],
J5=] 1;2]\]0;1].
2.J=fun:n2Ngoù la suite(un)n2N2RNest définie par
u n=2nsinest pair;2nsinest impair:
3.Jk=ffk(x) :x2Rgoù pourk2 f1;2;3gla fonctionfkest définie par
f 1:R!R x7!x23x+ 2; f2:R!R x7!ln(jxj+ 1); f3(x) :=
1x six6= 0;0sinon:
4.J=fcos(x1x2) :x1;x22Rg.
On commence par rappeler la proposition suivante à propos de l"existence d"une borne inférieure. Proposition 1Tout sous-ensembleJRnon vide et minoré admet une borne inférieurem?2R. Nous rappelons à toutes fins utiles les caractérisations suivantes de la borne inférieure. Proposition 2SoitJRnon vide et minoré. Il y a équivalence entre1.m?= inf(J),
2.m?2M(J)et pour tout" >0il existem2Jtel quem?m < m?+".
3.m?2M(J)et il existe une suite(mn)n2N2JNtelle quelimn!+1mn=
m Nous proposons de faire la démonstration de ces points dans les questions sui- vantes. 3Exercice 2 (?10min)Démontrer la Proposition 2.
Soitd1, considérons maintenant une fonctionf:ARd!R.Définition 5 (Minimum local & Minimum global)
1.fadmet un minimum local enx?2Assidéf
9 >0;8x2Atel quekxx?kRd=)f(x?)f(x):
2.fadmet un minimum global enx?2Assidéf
8x2A; f(x?)f(x);
en particulier, on af(x?) = infff(x) :x2Ag. Exercice 3 (?5min)Pour les fonctionsfjsuivantes définies surAj2Rd, dire si elles sont minorées. Si oui, donnerinfffj(x) :x2Ajg, dire si c"est un minimum global et discuter l"unicité du minimiseur. f1:R!R;
x7!x2; f2:R!R; x7!sin(x); f3:]1;+1[!R; x7!1jln(x)j f4:R2!R;
(x1;x2)7!ex1jcos(x2)j1.3 Généralités
Dans ce cours, on s"intéresse à la minimisation d"une fonctionf:A!Roù Aest un sous-ensemble de l"espace vectoriel norméRd(d1). La fonctionf est apellée l"objectifet, en termes mathématiques, le problème d"optimisation consiste à s"intéresser à la quantité infff(x) :x2Ag:(1) On dit que le problème d"optimisation est sans contrainte siA=Rdet il est dit avec contraintes sinon. Remarque 1En lieu et place du problème de minimisation(1), on peut être amené à étudier le problème de maximisation supff(x) :x2Ag: Il s"agit également d"un problème dit d"optimisation. Toutefois, par le simple changement defenf, on peut se ramèner systématiquement au problème de minimisation, cas que nous considérons dans ce cours. 41.4 Questions associées au problème d"optimisation
Lorsque l"on s"intéresse au problème d"optimisation (1) plusieurs questions " naturelles » apparaissent et nous les commentons maintenant. Question 1 (Existence d"un minimiseur)Il s"agit de savoir si " l"inf est un min » dans(1). En termes mathématiques, on se demande s"il existex?2A tel que f(x?) = infff(x) :x2Ag: Si la réponse est positive, alors l"infimum dans(1)est un minimum et il atteint enx?. Pour pouvoir répondre par l"affirmative à la Question 1 on utilise essentiel- lement un argument de continuité de la fonction objectiffcombiné ou bien à la compacité deAou alors à la coercivité de la fonction objectiff. Ces résultats font l"objet du §3.1. Question 2 (Unicité du minimiseur)Supposons qu"il existex?2Atel que f(x?) = infff(x) :x2Ag: Cex?est-il le seul élément deAà réaliser le minimum de la fonction objectif fsurA? En termes mathématiques, six#2Avérifie f(x#) = infff(x) :x2Ag; a-t-onx#=x?? L"argument le plus utilisé pour répondre par l"affirmative à la Question 2 est la convexité de la fonction objectiff. On en discute au §3.2. Question 3 (Caractérisation du (des) minimiseur(s))S"il existe un (des) minimiseur(s), comment peut-on le (les) caractériser? On utilise en grande partie des outils issus du calcul différentiel. Nous en faisons quelques rappels au §4. Question 4 (Résolution numérique)Quels algorithmes peut-on mettre en oeuvre afin de résoudre un problème de minimisation de type(1)? On discute le cas des algorithmes de gradient à pas constant et optimal au §5. Finalement, les Question 1-4 se résument à la liste suivante. On peut l"in- terpréter comme une " marche à suivre » lorsque l"on s"attaque à un problème d"optimisation.1. Existence d"un minimiseur.2. Y a-t-il unicité des minimiseurs?
3. Peut-on caractériser un minimiseur par une condition nécessaire ou suffi-
sante?4. Quel(s) algorithme(s) permettent de résoudre (1) numériquement?5
1.5 Quelques exemples
Les problèmes d"optimisation sont courants en mathématiques, voilà quelques exemples que vous avez probablement déjà rencontrés. Exemple 1 (Projection sur un compact en dimension finie)On considère R dmuni de son produit scalaire usuel etC Rdun ensemble compact. Pour y2Rdfixé, on s"intéresse à l"infimum inffkxyk:x2 Cg: Dans cet exemple, en reprenant les notations utilisées en(1), on a : (i) Le sous-ensembleARdest ici l"ensemble compactC. (ii) La fonction objectiffest donnée pourx2 Cparf(x) =kxyk. L"exemple 1 est un " cousin » du théorème de projection sur un convexe fermé (grand classique de l"agrégation). Vous pouvez le retrouver dans l"appendice B. Exemple 2 (Plus petite valeur propre d"une matrice symmétrique réelle) Soitd2NetM2Sd(R). On sait queMest diagonalisable dansRet on note1(M)sa plus petite valeur propre. En particulier, le théorème de Rayleigh-Ritz
(voir Proposition 17) donne la caractérisation1(M) = inffhMx;xi:x2Rd;kxk= 1g;
oùh;iest le produit scalaire usuel dansRdetkkest la norme associée. Ainsi, trouver la plus petite valeur propre d"une matrice symétrique réelle revient à étudier un problème d"optimisation. En reprenant les notations utilisées en(1), on a ici : (i) Le sous-ensembleARdest ici la sphère unité deRdc"est à direSd1:= fx2Rd:kxk= 1g. (ii) La fonction objectiffest donnée pourx2Sd1parf(x) =hMx;xi. Exemple 3 (Problème des moindres carrés)SoitN2Net(xj;yj)1jN Npoints deR2(on parle ici de nuage de points). Pourd2N, on considère le problème de minimisation suivant inffNX j=1jyjP(xj)j2:P2Rd[X]g: Autrement dit, on cherche un polynômeP?de degré au plusdqui approche le " mieux possible » le nuage de point. L"expression le " mieux possible » voulant dire ici qu"au sens de la norme2dansRNles vecteursy= (y1;;yN)et P ?=P?(x1);;P?(xN)sont les plus proches possibles. Afin de considérer 6 ce problème comme un problème d"optimisation on identifieRd[X]avecRd+1 grâce à l"isomorphisme canonique ':=8 :R d[X]!Rd+1P(X) =dX
j=0a jXj7!(a0;;ad): En reprenant les notations utilisées en(1), on a ici1. Le sous ensembleA=Rd+1.
2. La fonction objectiffest donnée, pour touta= (a0;:::;ad)2Rd+1par
f(a) =NX j=1 yjdX k=0a kxkj2:2 Rappels des outils mathématiques
On rappelle plusieurs notions préalable à l"étude de problèmes d"optimisa- tions.2.1 Calcul différentiel
Lorsque l"on étudie des problèmes d"optimisation, on se restreint au cadre de fonctionsf:URd!RavecUun ouvert deRd.2.1.1 Différentielle d"ordre un
On commence par rappeller la notion de dérivée directionnelle. Définition 6Soith2Sd1etx02U. Si la fonctiont7!f(x0+th)est dérivable ent= 0, on définit la dérivée directionnelle defau pointx0dans la directionhcommeddt (f(x0+th))jt=0. Exercice 4 (?10min)Pour les fonctions suivantes, calculer (si elles existent) les dérivées directionnelles aux points et directions données.1.f1: (x;y)2R27!xcos(y)+yexp(x)en(0;0)dans la direction(1p2
;1p2 2. f2(x;y) =:
xyx2+y2si(x;y)6= (0;0)
0sinon
en(0;0)dans la direction(1p2 ;1p2 )puis dans la direction(cos();sin()) pour2[0;2). 7 Lorsqu"elle existe, on définit la dérivée partielle defpar rapport à laj-ième variablexjen un pointx02Ucomme la dérivée directionnelle defenx0dans la direction deej= (0;:::;1;:::;0), lej-ème vecteur de la base canonique de R d. On note alors @f@x j(x0) := limt!0 f(x0+tej)f(x0)t =ddt f(x0+tej)jt=0 Remarque 2Sifest dérivable enx0dans la directionej, on note parfois la dérivée partielle@jf(x0)en lieu et place de@f@x j(x0). Exercice 5 (?5min)Calculer les dérivées partielles en(x;y;z)2R3de la fonction f:R3!R (x;y;z)7!xcos(xz) + ln(2sin2(y+z)) Exercice 6 (?5min)Calculer les dérivées partielles en(1;p3;1)de la fonc- tion f:R3!R (x;y;z)7!px2+y2+z2
Par la suite, nous aurons besoin d"une notion " plus forte » qui est la notion de base en calcul différentiel, celle d"application différentiable. Définition 7 (Application différentiable)On dit quefest différentiable en x02Us"il existe une forme linéaireL2 L(Rd;R)telle que pour touth2Rd
tel quex0+h2Uon ait f(x0+h) =f(x0) +L(h) +o(khk); h!0: Par définition, la différentielle defenx0estDf(x0) :=L2 L(Rd;R). On dit quefest différentiable surVUssidéfpour toutx2V,fest différentiable enx. Remarque 3D"autres auteurs peuvent utiliser des notations différentes comme, par exemple :Df(x0) =df(x0) =dx0f:
Exercice 7 (?12min)
1. Montrer que sif:U!Rest différentiable enx02Ualorsfest continue
enx0.2. Montrer que sif:U!Rest différentiable enx02Ualorsfadmet en
x0des dérivées dans toutes les directionsh2Sd1.
3. Montrer que sif:U!Rest différentiable enx02Ualors pour tout
h2Rdon aDf(x0)(h) =ddt
f(x0+th) j t=0: 84. Montrer que la fonctionf:x= (x1;;xd)2Rd7! kxk=qP
d j=1x2j est continue en0mais pas différentiable en0.Exercice 8 (?15min)
1. Soitf:R!Rdérivable enx02R. Montrer quefest différentiable en
x0et donner sa différentielle.
2. Soiru2 L(Rd;R)une application linéaire. Montrer queuest différentiable
en toutx2Rdet donner sa différentielle.3. Soitu2 BL(Rd;R)une forme bilinéaire deRdà valeurs dansR. Montrer
queuest différentiable en tout(x;y)2RdRd)et donner sa différentielle.4. SoitM2Rdd, montrer que l"application'M:x2Rd7! hMx;xiRdest
différentiable en tout point deRdet donner sa différentielle. Exercice 9 (?15min)Pourj2 f1;:::;dg, on introduit l"application coor- donée : e j:Rd!R (x1;:::;xd)7!xj1. Montrer queejest une forme linéaire, c"est-à-dire une application linéaire
deRd!R. Quelle est la matrice deejdans la base canonique deRd?2. Démontrer que sif:U!Rest différentiable enx02Ualors on a
Df(x0) =dX
j=1@f@x j(x0)ej: Dans quel espace vectoriel cette égalité est-elle vraie? Quelle est la matrice deDf(x0)dans la base canonique deRd? Remarque 4Historiquement, Leibniz notait la forme linéaireejcommedxj. C"est dans ce sens que l"on doit comprendre la relationDf(x0) =dX
j=1@f@x j(x0)dxj que l"on trouve en physique ou dans certains ouvrages mathématiques. Exercice 10 (?5min)Après avoir rappelé le théorème de représentation de Riesz, justifier que sif:U!Rest différentiable enx02Ualors il existe un unique élémentG(f)x02Rdtel que pour touth=Pd j=1hjejon aitDf(x0)(h) =hG(f)x0;~hi;où~h=0
B @h 1... h d1 C A: Donner explicitementG(f)x0.G(f)x0est le gradient defenx0(voir ci-dessous). 9 Définition 8 (Gradient)Lorsquefest différentiable enx02Uon définit le gradient defau pointx0comme rf(x0) :=0 B @@f@x 1(x0) @f@x d(x0)1 C A2Rd:En particulier, pourh=Pd
j=1hjej, on obtient :Df(x0)(h) =hrf(x0);~hiRd;où~h=0
B @h 1... h d1 C A: Exercice 11 (?15min - Calculs de gradients)Après avoir justifier leur existence, calculer le gradient des fonctions suivantes au poins indiqués.1. En tout point deR2:
f1:R2!R
(x;y)7!x2y+y2; f2:R2!R (x;y)7!x2y+y2; f3:R2!R
quotesdbs_dbs33.pdfusesText_39[PDF] relation de chasles parallélogramme
[PDF] vecteurs opposés
[PDF] vecteur nul exemple
[PDF] remplacement alternateur espace 3 2.2 dci
[PDF] tuto changement alternateur espace 4
[PDF] demontage alternateur espace 4 2.2 dci
[PDF] demontage alternateur espace 2 diesel
[PDF] demontage alternateur espace 4 1.9 dci
[PDF] prix changement alternateur espace 3
[PDF] changer alternateur renault espace 3
[PDF] tuto alternateur espace 4
[PDF] compétences conjugaison cm2 2016
[PDF] travailler la conjugaison en s amusant
[PDF] exercice radical terminaison ce2