16 sept 2016 · OPTIMISATION SOUS CONTRAINTES CHAPITRE Corrigé en page 268 Exercice 126 (Aire maximale d'un rectangle à périmètre donné)
Previous PDF | Next PDF |
[PDF] Table des matières 1 Calcul différentiel
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
[PDF] exercices corrigés de chimie analytique pdf
[PDF] exercices corrigés de chimie organique licence 2 pdf
[PDF] exercices corrigés de chimie organique s3 pdf
[PDF] exercices corrigés de cinétique chimique pdf
[PDF] exercices corrigés de commerce international appliqué
[PDF] exercices corrigés de comptabilité générale ohada
[PDF] exercices corrigés de comptabilité nationale sur le tableau entrée sortie pdf
[PDF] exercices corrigés de conjugaison pdf
[PDF] exercices corrigés de construction mécanique pdf
[PDF] exercices corrigés de controle de gestion pdf
[PDF] exercices corrigés de corrosion pdf
[PDF] exercices corrigés de dissertation pdf
[PDF] exercices corrigés de droit du travail
[PDF] exercices corrigés de fiscalité des entreprises pdf
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 268Etudierl"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 2681. 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 269Soitfune 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 valeurspositives 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 2701. 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