Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Importer

Bienvenue sur Scribd !

  • 36 vues

    Cours 8

    Transféré par

    Coline Bertrand
    Le document présente les notions d'optimisation pour les fonctions de plusieurs variables. Il définit les points critiques et la matrice hessienne pour déterminer la nature des points critiques comme minimum, maximum ou point selle. Deux exemples illustrent le calcul des dérivées et la classification des points critiques.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd

    Cours 8

    Transféré par

    Coline Bertrand
    36 vues20 pages
    Le document présente les notions d'optimisation pour les fonctions de plusieurs variables. Il définit les points critiques et la matrice hessienne pour déterminer la nature des points critiques comme minimum, maximum ou point selle. Deux exemples illustrent le calcul des dérivées et la classification des points critiques.

    Copyright

    © © All Rights Reserved

    Formats disponibles

    PDF, TXT ou lisez en ligne sur Scribd

    Avez-vous trouvé ce document utile ?

    Ce contenu est-il inapproprié ?

    Le document présente les notions d'optimisation pour les fonctions de plusieurs variables. Il définit les points critiques et la matrice hessienne pour déterminer la nature des points critiques comme minimum, maximum ou point selle. Deux exemples illustrent le calcul des dérivées et la classification des points critiques.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    36 vues20 pages

    Cours 8

    Transféré par

    Coline Bertrand
    Le document présente les notions d'optimisation pour les fonctions de plusieurs variables. Il définit les points critiques et la matrice hessienne pour déterminer la nature des points critiques comme minimum, maximum ou point selle. Deux exemples illustrent le calcul des dérivées et la classification des points critiques.

    Droits d'auteur :

    © All Rights Reserved
    Téléchargez comme PDF, TXT ou lisez en ligne sur Scribd
    Télécharger au format pdf ou txt
    sur 20

    Université de Montréal

    Département de mathématiques et de statistique


    MAT1400 – CALCUL 1

    Chapitre 5. L’OPTIMISATION
    (Cours 8: section 5.2)

    MAT1400-Chap5: M. Ismaïla NDIAYE


    5.2 L’OPTIMISATION DES FONCTIONS DE PLUSIEURS VARIABLES

    Dans cette section, nous généralisons les notions d’optimisation de la section 5.1 aux
    fonctions de n  3 variables.

    ▪ Pour tout point fixé a  a et de rayon  notée


    n
    , la boule de centre

    B (a ) = x  n
    x−a  
    est un voisinage de a. MAT1400-Cours8(5.2): I. Ndiaye 2
    MAT1400-Cours8(5.2): I. Ndiaye
    3
    Quelques définitions

    NB:
    Condition nécessaire de premier ordre pour un extremum local

    Si f est différentiable et possède un extremum local en a , alors f (a ) = 0.

    NB: la condition n’est pas suffisante:

    f (a ) = 0  f (a ) est un extremum.

    MAT1400-Cours8(5.2): I. Ndiaye 4
    LE SIGNE D’UNE MATRICE

    Rappels: soit une matrice carrée d’ordre n

    ▪ A est symétrique si aij=aji

    MAT1400-Cours8(5.2): I. Ndiaye
    ▪ A est inversible si det(A)  0.

    5
    Définition. Si

    MAT1400-Cours8(5.2): I. Ndiaye 6
    On note j le j-ième mineur principal dominant de la matrice −A.

     − a11 − a12 − a1n 


     −a − a22 − a2 n 
    − A =  21
     
     
     − an1 − an 2 − ann 

     − a11 − a12 − a13 


     − a11 − a12  −a
    1 = −a11 ,  2 = det   = − a22 − a23  , ...
    − a22 
    ,  21
     − a21
    3

     − a31 − a32 − a33 

    MAT1400-Cours8(5.2): I. Ndiaye 7
    Le critère de Sylvester, qui consiste à vérifier le signe de certains déterminants
    associés à A, permet de déterminer si une matrice A est définie positive

    MAT1400-Cours8(5.2): I. Ndiaye
    Par exemple: soit −1 −4
    𝐴= , 𝛼1 = . . . , 𝛼2 = . . .
    −4 −3
    1 4
    −𝐴 = , 𝛽1 = . . . , 𝛽2 = . . .
    4 3

    NB : si n = 0, alors A est une matrice singulière (son signe est indéterminé) 8


    MAT1400-Cours8(5.2): I. Ndiaye
    Exemple 3 page 220

    9
    MATRICE HESSIENNE D’UNE FONCTION

    Si f possède des dérivées secondes continues, on définit la matrice hessienne de f, dont


    les éléments sont les dérivées secondes de f, comme suit:

    Exemple 4 page 221: La matrice hessienne de la fonction


    est:

    MAT1400-Cours8(5.2): I. Ndiaye 10
    OPTIMISATION

    𝐍𝐁: si ∇2 𝑓 𝑎Ԧ est une 𝐦𝐚𝐭𝐫𝐢𝐜𝐞 𝐬𝐢𝐧𝐠𝐮𝐥𝐢è𝐫𝐞, alors la nature du point 𝑎Ԧ est indéterminée.
    MAT1400-Cours8(5.2): I. Ndiaye 11
    MAT1400-Cours8(5.2): I. Ndiaye 12
    Exemple 1. Soit f ( x ) = x − 2 x + y − 3 y + z + 2 z où x = ( x, y, z )
    2 3 2

    1) Trouver les points critiques de f

    MAT1400-Cours8(5.2): I. Ndiaye 13
    2) Déterminer la nature des points critiques de f

      1 = ...
     2 f =   ,
      2 = ...
       3 = ...

      1 = ...
    − 2 f =   ,
      2 = ...
      3 = ...

    Complétez le tableau de la page suivante


    MAT1400-Cours8(5.2): I. Ndiaye 14
    Point Valeur 2 f −2 f Nature du point critique
    critique de f
    1 2 3 1 2 3

    MAT1400-Cours8(5.2): I. Ndiaye 15
    x4 − 2 x2
    Exemple 2. Soit f ( x ) = e − ( y − 1) 2 − ( z − 2) 2 +2 où x = ( x, y, z )

    1) Trouver les points critiques de f

    MAT1400-Cours8(5.2): I. Ndiaye 16
    2) Calculer

    f xx = ...

    f xy = ...
    f xz = ...
    f yz = ...
    f yy = ...
    f zz = ...

    MAT1400-Cours8(5.2): I. Ndiaye 17
    3) Déterminer la nature du point critique (0,1,2)

     
     2 f (0,1, 2) =  

     

    MAT1400-Cours8(5.2): I. Ndiaye 18
    4) Déterminer la nature du point critique (1,1,2)
      1 = ...
     2 f (1,1, 2) =   ,
      2 = ...
       3 = ...

      1 = ...
    − 2 f (1,1, 2) =   ,
      2 = ...
      3 = ...

    MAT1400-Cours8(5.2): I. Ndiaye 19
    5) Déterminer la nature du point critique (−1,1,2)

     
     2 f (−1,1, 2) =  

     

    MAT1400-Cours8(5.2): I. Ndiaye 20

    Vous aimerez peut-être aussi