Académique Documents
Professionnel Documents
Culture Documents
Optimisation - Corrigé - Série N°1
Optimisation - Corrigé - Série N°1
DJEGHALI
Département Automatique
Faculté de Génie Electrique et de l’Informatique
Master 1 (AII et AS)
Année 2021/2022
Alors le problème de fabrication des deux produits est modélisé comme suit :
Max 5x 1 + 6x 2
s.c :
2x 1 + x 2 ≤ 800
4x 1 + 2 x 2 ≤ 700
x 2 ≤ 300
x 1 ≥ 0, x 2 ≥ 0
Alors le problème de fabrication des deux types du café est modélisé comme suit :
1
N.DJEGHALI
1) f1 ( x ) = x 2
f1′( x ) = 2x ; f1′′( x ) = 2 > 0 ∀x ∈ R ⇒ f1 est strictement convexe.
1 1
2) f 2 ( x 1 , x 2 ) = − x 1 − 2 x 2 − 2 x 1 x 2 + x 12 + x 22
2 2
Pour calculer la matrice hessienne de f2, on commence par le calcul du gradient puis à partir
du gradient on calcule facilement la matrice hessienne
• Calcul du gradient de f2
∂f 2
∂x − 1 − 2 x 2 + x 1
∇f 2 ( x 1 , x 2 ) = 1 =
∂f 2 − 2 − 2 x 1 + x 2
∂x 2
• Calcul de la matrice hessienne
1 −2
∇ 2 f 2 (x1 , x 2 ) =
− 2 1
3) f 3 ( x 1 , x 2 ) = − x 12 − 5x 22 + 3x 1 x 2 − x 1 + 2 x 2 + 10
∂f 3
∂x − 2 x 1 + 3x 2 − 1
∇f 3 ( x 1 , x 2 ) = 1 =
∂f 3 − 10 x 2 + 3x 1 + 2
∂x 2
• Calcul de la matrice hessienne
− 2 3
∇ 2 f 3 (x 1 , x 2 ) =
3 − 10
2
N.DJEGHALI
∆ 1 = −2 < 0
∆ 2 = 11 > 0
4) f 4 ( x 1 , x 2 , x 3 ) = 2( x 12 + x 22 + x 32 − x 1 x 2 − x 2 x 3 )
• Calcul du gradient de f4
∂f 4
∂x 1 4 x 1 − 2 x 2
∂f
∇f 4 ( x 1 , x 2 , x 3 ) = 4 = 4 x 2 − 2 x 1 − 2 x 3
∂x
∂f 2 4 x 3 − 2 x 2
4
∂x 3
• Calcul de la matrice hessienne
4 −2 0
∇ f 4 ( x1 , x 2 , x 3 ) = − 2 4 − 2
2
0 − 2 4
∆1 = 4 > 0
∆ 2 = 12 > 0
∆ 3 = 32 > 0
Ex.#4 Trouver analytiquement les minima et les maxima des fonctions suivantes:
Rappel de cours : Soit f : R n → R et soit x* le point critique de f ( ∇ 2 f ( x*) =0), alors:
• Si ∇ 2 f ( x*) est définie positive (resp. négative) alors x* est un point de minimum
(resp. point de maximum) local.
• Si ∇ 2 f ( x*) est indéfinie alors x* est un point selle ou point col (x* n’est pas un point
d’extremum).
• Si ∇ 2 f ( x*) est semi-définie positive (resp. négative) alors on ne peut pas conclure.
Dans le cas d’une fonction d’une seule variable c'est-à-dire f : R → R . Soit x* le point
critique de f ( f ′( x*) = 0 ), alors :
3
N.DJEGHALI
1) f1 ( x ) = x 3
1.1) Calcul des points critiques
f1′( x ) = 3x 2 = 0 ⇒ x = 0
1.2) Nature du point critique
f1′′( x ) = 6x, f1′′(0) = 0 ⇒ f1 ( x ) possède un point d’inflexion en x=0.
1
2) f 2 ( x 1 , x 2 ) = x 12 − x 1 x 2 + x 32
6
2.1) Calcul des points critiques :
∂f 2
∂x 2 x 1 − x 2 0
∇f 2 ( x 1 , x 2 ) = 1 = 1 2 =
∂f 2 − x 1 + 2 x 2 0
∂x 2
1
⇒ On trouve deux points critiques ( x 1 , x 2 ) = (0,0) et ( x 1 , x 2 ) = ( ,1)
2
2.2) La nature des points critiques
• Calcul de la matrice hessienne
2 −1
Hf 2 ( x 1 , x 2 ) = ∇ 2 f 2 ( x 1 , x 2 ) =
− 1 x 2
2 −1
• Hf 2 (0,0) =
− 1 0
∆1 = 2 > 0
∆ 2 = −1 < 0
On a n=2 (‘n’ est pair) et ∆ 2 <0 ⇒ Hf 2 (0,0) est indéfinie ⇒ (0,0) est un point selle.
1 2 − 1
• Hf 2 ( ,1) =
2 − 1 1
1
Les mineurs principaux de Hf 2 ( ,1) , sont :
2
∆1 = 2 > 0 1 1
⇒ Hf 2 ( ,1) est définie positive ⇒ ( ,1) est un point de minimum local. Le
∆2 = 1 > 0 2 2
1 1
minimum local de f2 est : Min f 2 = f 2 ( ,1) = − .
2 12
4
N.DJEGHALI
3) f 3 ( x 1 , x 2 ) = − x 12 − 5x 22 + 3x 1 x 2 − x 1 + 2 x 2 + 10
−4 1
Le point critique de f3 est : ( x 1 , x 2 ) = ( , )
11 11
3.2) La nature du point critique
• Calcul de la matrice hessienne
− 2 3
Hf 3 ( x 1 , x 2 ) = ∇ 2 f 3 ( x 1 , x 2 ) =
3 − 10
−4 1 − 2 3
• Hf 3 ( , )=
11 11 3 − 10
−4 1
Les mineurs principaux de Hf 3 ( , ) , sont :
11 11
∆ 1 = −2 < 0 −4 1 −4 1
⇒ Hf 3 ( , ) est définie négative ⇒ ( , ) est un point de maximum local.
∆ 2 = 11 > 0 11 11 11 11
−4 1
Le maximum local de f3 est : Max f 3 = f 3 ( , ) = 10.2727.
11 11
Ex.#5 Calculer les extrema de la fonction suivante. Montrer qu’ils sont globaux et uniques
f ( x 1 , x 2 ) = x 12 + x 22
a) Calcul des points critiques :
∂f
∂x 2 x 0
∇f ( x 1 , x 2 ) = 1 = 1 =
∂f 2 x 2 0
∂x 2
5
N.DJEGHALI
2 0
H (0,0) =
0 2
b.2) Les mineurs principaux de H (0,0) , sont :
∆1 = 2 > 0
⇒ H(0,0) est définie positive ⇒ (0,0) est un point de minimum local. Le
∆2 = 4 > 0
minimum local de f est : Min f = f (0,0) = 0.
c) Le point de minimum (0,0) est global et unique si la fonction f est strictement convexe
(voir chapitre 1, le point 1.5).
f ( x 1 , x 2 ) = 2 x 12 + x 22 − x 1x 2 − 3x 1 − x 2 + 4
4 − 1
H (1,1) =
− 1 2
∆1 = 4 > 0
⇒ H(1,1) est définie positive ⇒ (1,1) est un point de minimum local. Le minimum
∆2 = 7 > 0
local de f est : Min f = f (1,1) = 2.
6
N.DJEGHALI
∇f ( x k ) ≤ ε avec ε = 10 −3
Itération 1 : k=0
x 1 = x 0 − (H( x 0 )) −1 ∇f ( x 0 )
2 4 − 1
On a ∇f ( x 0 ) = ∇f ( x 10 , x 02 ) = , H( x 0 ) = H( x 10 , x 02 ) =
3 − 1 2
2 / 7 1 / 7
(H( x 0 )) −1 = , alors :
1 / 7 4 / 7