Université Akli Mohand Oulhadj Bouira Année universitaire: 2021/2022

Faculté des sciences et des sciences appliquées Module: Méthodes numérique

Département de génie électrique appliquées et optimisation
Master 1 Réseaux Electriques

Série N°3

Exercice 1:
Soit la fonction suivante : f 1 ( x ) = x 2 − 3x + 2

1. Trouver analytiquement le minimum de la fonction f 1 .

2. On prend α = 0.3 , x ( 0) = 0 et n = 4 , Utiliser l’algorithme de descente du gradient (à pas
fixe) pour trouver le minimum de cette fonction.
3. Appliquer l’algorithme de descente du gradient (à pas variable) pour trouver le minimum de
la fonction f 1 .

Exercice 2:
Soit la fonction suivante : f 2 ( x 1 , x 2 ) = x 1 − 4x 1 − x 1x 2 + x 2 − x 2 .
2 2

1. Trouver analytiquement le minimum de la fonction f 2 .

0
2. On prend α = 0.3 , x ( ) =   et n = 4 , Utiliser l’algorithme de descente du gradient (à pas
0

0
fixe) pour trouver le minimum de cette fonction.
3. Appliquer l’algorithme de descente du gradient (à pas variable) pour trouver le minimum de
la fonction f 2 .

Exercice 3:
Soit la fonction de l’excercice 2 : f 2 ( x 1 , x 2 ) = x 1 − 4x 1 − x 1x 2 + x 2 − x 2 .
2 2

- Utiliser l’algorithme du gradient conjugué pour trouver le minimum de cette fonction, on

0
prend α = 0.5 , x ( ) =   et n = 4 .
0

0

Exercice 4:
(
Soit la fonction suivante : f ( x1 , x 2 ) = 50 x 2 − x1 ) + (1 − x )
2 2
1
2

 −2 
On prend x ( ) =   et n = 3 , Appliquer l’algorithme de Newton pour trouver le minimum
0
-
3
de cette fonction.

1
 Solutions
Exercice 1:
soit la fonction suivante : f ( x ) = x 2 − 3 x + 2
Pour trouver analytiquement le minimum de la fonction f , il faut trouver les racines de l'équation

f ′(x ) = 0 ⇒ 2 x − 3 = 0 ⇒ x * =
3
2
( )
⇒ f x * = −0.25

1. On va utiliser l’algorithme du gradient (à pas fixe ) pour trouver le minimum de cette fonction :
( ) ( )
On prend α = 0.3 et x (0 ) = x0 = 0 ⇒ f x (0 ) = 2 , g (k −1) = ∇f x (k −1) = 2 x − 3
Itération (k) Gradient g (k −1) Solution x (k ) ( )
Fonction f x (k )
1 -3 0.9 0.11
2 -1.2 1.26 -0.1924
3 -0.48 1.404 -0.2408
4 -0.192 1.4616 -0.2485

2. On va utiliser l’algorithme du gradient (à pas variable ) pour trouver le minimum de cette fonction :
Itération (k) pas α k Gradient g (k −1) Solution x (k ) Fonction f x (k ) ( )
1 1 -3 3 2
2 0.7071 3 0.8787 0.136
3 0.5774 -1.2426 1.5961 -0.2408
4 0.5 0.1922 1.5 -0.25

Exercice 2:
Soit la fonction suivante : f ( x1 , x 2 ) = x12 − 4 x1 − x1 x 2 + x 22 − x 2
le minimum est atteint quand :

(
∇f x )
( k −1) 2 x1 − 4 − x 2  0
=
− + −
=
 0  ⇒
 x1*  3
( )
 *  =   ⇒ f x1 , x 2 = −7
* *

 1 x 2 x 2 1    2  
x 2

1. On va utiliser l’algorithme du gradient (à pas fixe ) pour trouver le minimum de cette fonction :
 x 0  0 
( ) 0 
( )
2 x − 4 − x 2 
On prend α = 0.3 et x (0 ) =  1  =   ⇒ f x (0 ) =   , g (k −1) = ∇f x (k −1) =  1 
 x 2  0 0  − x1 + 2 x 2 − 1
0

Itération (k) Gradient g

( k −1)
Solution x
(k )
Fonction f x ( ( ))
k

 − 4 1.2 
1  − 1 0.3 -3.93
   
− 1.9 1.77 
2   0.78 -5.4993
− 1.6  
− 1.24 2.142
3  − 1.21 1.143  -6.2647
   
− 0.859 2.3997 
4 − 0.856 1.3998  -6.6397
   

2
 2. On va utiliser l’algorithme du gradient (à pas variable ) pour trouver le minimum de cette fonction :
Itération (k) pas α k Gradient g (k −1) Solution x (k ) Fonction f x (k ) ( )
 − 4  4
1 1  − 1 1  -4
   
3 1.8787 
2 0.7071 − 3 3.1213 -3.2279
   
−
 3.364 3.8209
3 0.5774  3.364  1.1791 -4.9785
   
 2 . 4626  2.5896
4 0.5 − 2.4626 2.4104 -6.4946
   

Exercice 3:
On va utiliser l’algorithme du gradient conjugué pour trouver le minimum de cette fonction :
 x 0  0  0 
( )  2x 1 − 4 − x 2 
On prend α = 0.5 et x (0 ) =  1  =   ⇒ f x (0 ) =   , ∇f x ( k −1) =
 ( )  ( )
 − 4
, ∇f x ( 0 ) = d 0 =  
 x 2  0 0   − x 1 + 2x 2 − 1 − 1 
0

Itération (k) x (k ) ( ( ))
∇f x
k
βk dk ( )
Fonction f x (k )
2 − 0.5  − 1.5 
1 0.5  −2  − 2.25
    0.25   -5.25
 2.75  − 0.125  − 0.2188
2 1.625  − 0.5  − 0.6406
    0.0625   -6.8906
2.8594 − 0.2266 − 0.2696
3 1.9453   0.0313  − 0.0949
    0.1969   -6.9849
2.9942  − 0.0044 − 0.0049
4 1.9928  − 0.0087   − 0.0088
    0.0018   -7.0000

Exercice 4:
On va utiliser l’algorithme de Newton pour trouver le minimum de cette fonction :
(0 )  x10  − 2
( ) (k )( )
=
 g1 x (k )  − 200 x1 (x 2 − x12 ) − 2(1 − x1 )
 =
x =  0 =   (k )   
( )  g 2 x  100(x 2 − x1 )
g x

2
 x 2  3  ,
La matrice hessienne est donnée comme suit :
( )
 ∂g1 x (k ) ( ) ∂g1 x 
(k )

( )
H x =
(k )

 ∂x1(k ) (

=
)
∂x 2(k )  − 200 x 2 − 3 x1 + 2 − 200 x1 
2

( ) ( )
 ∂g 2 x (k ) ∂g 2 x (k )   − 200 x1 100 

 (k ) 
 ∂x1 ∂x 2(k ) 
Itération
(k)
( ) gx
(k )
( ) H x
(k )
( )
H −1 x
(k )
x (k ) ( )
f x (k )
− 406 1802 400  0.005 −0.0198  −1.9703
1  − 100   400 100   −0.0198 0.0829   3.8812  8.8227
       
 − 6.2883  1.555 0.3941  0.4595 −1.8106   0.7592 
2 − 0.0882 0.3941  *103  −1.8106 7.1447   −6.8737  2.7752*103
   0.1     
1.1307   1.7226 −0.1518 0.0007 0.001  0.7595
3  −0.745 *103  −0.1518 *103 0.0578
   0.1   0.001 0.0115
 
0.5769
 