Académique Documents
Professionnel Documents
Culture Documents
1/3
chaque cas l’action à exécuter
2.6) Donner l’algorithme ainsi obtenu
2.7) Dire comment optimiser cet algorithme en avançant à chaque fois un tamis jusqu’au blocage et
donner le nouvel algorithme.
Exercice 4
Dire ce que fait le programme suivant et le prouver :
i := 1 j := n
tantque i<j faire
si t(i)<=t(j) alors i := i+1
sinon j := j-1
resultat := t(i)
2/3
min := a ; max := b
<invariant>
Jusqu’à <condition de sortie> faire
<invariant>
<Mise à jour de min et max avec mise en évidence de la diminution du variant>
x* := <approximation proposée>
6.5) Dire pourquoi si f’ est continue avec f’(a) < 0 et f’(b) > 0, alors le minimum x* de f est dans
l’intervalle a, b.
6.6) Rappeler le théorème des accroissements finis pour les intervalles [a, x*] et [x*, b]
6.7) Déduire une valeur x’ telle que
f(x’) – f(x*) (b-a)Min (|f ‘(b)|, f ‘(a))
6.8) Dire comment on peut tenter d’améliorer x’ en utilisant a et b.
On s’intéresse maintenant à une méthode itérative dite du gradient qui à chaque pas améliore
l’approximant xn en évoluant dans une direction d dans laquelle f diminue. Autrement dit on
prend xn+1 = xn + dn, étant un paramètre positif. On peut alors, une fois qu’on a trouvé dn,
soit minimiser f(xn+1 = xn + dn) par rapport à
soit se contenter de prendre assez petit
6.9) Faites une proposition pour dn en utilisant le développement de Taylor de f(xn+1 = xn + dn)
au voisinage de xn
On considère maintenant la méthode dite de Newton qui consiste à remplacer localement la
fonction f par la parabole correspondant au développement limité à l’ordre 2.
6.10) Donner le développement limité de f(xn + ∆x) à l’ordre 2 ainsi que la valeur de ∆x qui le
minimise
6.11) Déduire un algorithme itératif de calcul d’une approximation de x*.
6.12) Rappeler le développement limité f(xn + ∆x, yn + ∆y) d’une fonction différentiable f de
deux variables x, y autour de (xn, yn).
6.13) Donner une condition simple paramétrée par un réel positif , pour que (xn + ∆x, yn +
∆y) soit une meilleure approximation que (xn, yn).
6.14) Proposer une méthode du gradient en dimension 2 pour la calcul d’une valeur
approchée du minimum d’une fonction différentiable.
3/3