[PDF] 345 Exercices (optimisation avec contraintes) PDF anum-td11.pdf

16 sept 2016 · OPTIMISATION SOUS CONTRAINTES CHAPITRE Corrigé en page 268 Exercice 126 (Aire maximale d'un rectangle à périmètre donné)

Fondamentales, CSMI QUELQUES EXERCICES CORRIGÉS D'OPTIMISATION 3 Analyse des problèmes d'optimisation sous contrainte 9 4 Algorithmes

[PDF] 345 Exercices (optimisation avec contraintes)

16 sept 2016 · OPTIMISATION SOUS CONTRAINTES CHAPITRE Corrigé en page 268 Exercice 126 (Aire maximale d'un rectangle à périmètre donné)

[PDF] Exercices sur le cours “Optimisation et programmation dynamique” 1

Exercice 24 L'objectif de l'exercice est de montrer qu'on peut mettre tout probl` eme d'opti- misation avec crit`ere et contraintes affines sous la forme standard de

[PDF] OPTIMISATION CONTRAINTE

Corrigé de l'exercice 1 1 On doit résoudre un problème d'extremum pour une fonction de deux variables soumise à une contrainte donnée sous forme d'égalité

[PDF] Séance 4 : Exercices corrigés OPTIMISATION SOUS CONTRAINTES

Remarquer que, si on remplace la sphère de rayon 1 par la boule de même rayon, on a un problème d'optimisation d'une fonction linéaire sur un convexe, son

[PDF] Optimisation

1 2 Exercices corrigés 4 3 1 Minimisation d'une fonction quadratique convexe sous des contraintes linéaires 5 1 Optimisation sous contraintes d'inégalité

[PDF] MS41 Optimisation I - Gloria FACCANONI

29 juil 2014 · Recueil d'exercices corrigés et aide-mémoire de sorte que, sous la contrainte de budget, la fonction d'utilité peut être exprimée sous la

[PDF] INSA TD 5: Corrigé Exercice 7 : Nous allons résoudre ∂2f ∂x∂y (x

donc d'après l'exercice 7, il existe h : R → R et g : R → R de classe C2 tel que cours : Théorème des extrema liés et Lagrangien - Optimisation sous contrainte

[PDF] Éléments de Cours, exercices et problèmes corrigés - Institut de

OPTIMISATION Éléments de Cours, exercices et problèmes corrigés D AZÉ N° 37 Maximisation d'un volume sous une contrainte de ficelage 166

[PDF] Optimisation sous contraintes - Le laboratoire de Mathématiques

infra)énonce que tout point critique d'une fonction concave définie sur un convexe est un maximum global 2 8 2 Dans l'exemple 2 6 2 en deux variables, le

3.4. OPTIMISATION SOUS CONTRAINTES CHAPITRE 3. OPTIMISATION

3.4.5 Exercices (optimisation avec contraintes)

Exercice 125(Sur l"existence et l"unicité).Corrigé en page 268

Etudierl"existence et l"unicité des solutions du problème(3.48), avec les donnéessuivantes :E= IR, f: IR→IR

est définie parf(x) =x2, et pour les quatre différents ensemblesKsuivants : (iii)K={|x| ≥1}; (iv)K={|x|>1}.(3.55) Exercice 126(Aire maximale d"un rectangle à périmètre donné).Corrigé en page 268

1. On cherche à maximiser l"aire d"un rectangle de périmètredonné égal à 2. Montrer que ce problème peut se

formuler comme un problème de minimisation de la forme (3.48), oùKest de la formeK={x?IR2;g(x) =

0}.On donnerafetgde manière explicite.

2. Montrer que le problème de minimisation ainsi obtenu est équivalent au problème

?¯x= (¯x1,¯x2)t?˜K où

˜K=K∩[0,1]2,Ketfétant obtenus à la question 1. En déduire que le problème de minimisation de l"aire

admet au moins une solution.

3. CalculerDg(x)pourx?Ket en déduire que sixest solution de (3.56) alorsx= (1/2,1/2). En déduire que

le problème (3.56) admet une unique solution donnée par¯x= (1/2,1/2). Exercice 127(Fonctionnelle quadratique).Suggestions en page 244, corrigé en page 269

Soitfune fonction quadratique,i.e.f(x) =1

2Ax·x-b·x, oùA?Mn(IR)est une matrice symétrique

définie positive etb?IRn.On suppose que la contraintegest une fonction linéaire deIRndansIR, c"est-à-dire

g(x) =d·x-coùc?IRetd?IRn, et qued?= 0. On poseK={x?IRn, g(x) = 0}et on cherche à résoudre

le problème de minimisation (3.48).

1. Montrer que l"ensembleKest non vide, fermé et convexe.En déduire que le problème (3.48) admet une unique

solution.

2. Montrer que si¯xest solution de (3.48), alors il existeλ?IRtel quey= (¯x,λ)tsoit l"unique solution du

système :??A d dt0?? ?¯xλ?? =??bc?? (3.57) Exercice 128(Minimisation sans dérivabilité). SoientA?Mn(IR)une matrice s.d.p.,b?IRn,j: IRn→IRune fonction continue et convexe, à valeurs

positives ou nulles (mais non nécessairement dérivable, par exemplej(v) =?nj=1αi|vi|, avecαi≥0pour tout

i? {1,...,n}). SoitUune partie non vide, fermée convexe deIRn. Pourv?IRn, on poseJ(v) = (1/2)Av·v-

b·v+j(v).

1. Montrer qu"il existe un et un seulutel que :

2. Soitu?U, montrer queuest solution de (3.58) si et seulement si(Au-b)·(v-u) +j(v)-j(u)≥0,pour

toutv?U. Exercice 129(Utilisation du théorème de Lagrange).

1. Pour(x,y)?IR2, on pose :f(x,y) =-y,g(x,y) =x2+y2-1. Chercher le(s) point(s) oùfatteint son

maximum ou son minimum sous la contrainteg= 0.

Analyse numérique I, télé-enseignement, L3266Université d"Aix-Marseille, R. Herbin, 16 septembre 2016

3.4. OPTIMISATION SOUS CONTRAINTES CHAPITRE 3. OPTIMISATION

2. Soita= (a1,...,an)?IRn,a?= 0. Pourx= (x1,...,xn)?IRn, on pose :f(x) =?ni=1|xi-ai|2,

g(x) =?ni=1|xi|2. Chercher le(s) point(s) oùfatteint son maximum ou son minimum sous la contrainte

g= 1.

3. SoientA?Mn(IR)symétrique,B?Mn(IR)s.d.p.etb?IRn. Pourv?IRn, onposef(v) = (1/2)Av·v-b·v

etg(v) =Bv·v. Peut-on appliquer le théorème de Lagrange et quelle condition donne-t-il surusif(u) =

min{f(v), v?K}avecK={v?IRn;g(v) = 1}? Exercice 130(Contre exemple aux multiplicateurs de Lagrange). Soientfetg:IR2→IR, définies par :f(x,y) =y, etg(x,y) =y3-x2. On poseK={(x,y)?IR2;g(x,y) = 0}.

1. Calculer le minimum defsurKet le point(

x,y)où ce minimum est atteint.

2. Existe-t-ilλtel queDf(

x,y) =λDg(x,y)?

3. Pourquoi ne peut-on pas appliquer le théorème des multiplicateurs de Lagrange?

4. Que trouve-t-on lorsqu"on applique la méthode dite "de Lagrange" pour trouver(

x,y)? Exercice 131(Application simple du théorème de Kuhn-Tucker).Corrigé en page 269 Soitfla fonction définie deE= IR2dansIRparf(x) =x2+y2etK={(x,y)?IR2;x+y≥1}.

Justifier l"existence et l"unicité de la solution du problème (3.48) et appliquer le théorème de Kuhn-Tucker pour la

détermination de cette solution. Exercice 132(Exemple d"opérateur de projection).Correction en page 270

1. SoitK=C+={x?IRn, x= (x1,...,xk)t, xi≥0,?i= 1,...,N}.

(a) Montrer queKest un convexe fermé non vide. (b) Montrer que pour touty?IRn, on a :(pK(y))i= max(yi,0). (a) Montrer queKest un convexe fermé non vide.

(b) SoitpKl"opérateur de projection définie à la proposition 3.40 page270. Montrer que pour touty?IRn, on

a : (pK(y))i= max(αi,min(yi,βi)),?i= 1,...,n.

Analyse numérique I, télé-enseignement, L3267Université d"Aix-Marseille, R. Herbin, 16 septembre 2016

quotesdbs_dbs5.pdfusesText_9

[PDF] [PDF] 345 Exercices (optimisation avec contraintes)

[PDF] Table des matières 1 Calcul différentiel