S´ eance 1 Pr´ esentation
Pascal Laurent Math´ematiques 2
19 septembre 2007
Documents Contrˆole
Objectifs du cours
2 L’optimisation
Exemples ´el´ementaires
Les principes d’extr´emalit´e en physique
3 Syst`eme non lin´eaire et optimisation Un exemple d’´equation
Analyse par optimisation
4 Calcul diff´erentiel D´efinition
Exemples simples
Organisation Documents Contrˆole
Objectifs du cours
2 L’optimisation
Exemples ´el´ementaires
Les principes d’extr´emalit´e en physique
3 Syst`eme non lin´eaire et optimisation Un exemple d’´equation
Analyse par optimisation
4 Calcul diff´erentiel D´efinition
Exemples simples
Divisions du cours
Le cours est en trois parties : Optimisation (5 s´eances).
Analyse et simulation des ´equations aux d´eriv´ees partielles (9 s´eances).
Th´eorie des graphes et optimisation discr`ete (5 s´eances).
A noter
S´eances suppl´ementaires de pr´erequis et compl´ements.
Jeudi 20/11 `a 11 h 30 puis voir le site.
Cours d’application “Pratique de la simulation num´erique”.
Divisions du cours
Le cours est en trois parties : Optimisation (5 s´eances).
Analyse et simulation des ´equations aux d´eriv´ees partielles (9 s´eances).
Th´eorie des graphes et optimisation discr`ete (5 s´eances).
A noter
S´eances suppl´ementaires de pr´erequis et compl´ements.
Jeudi 20/11 `a 11 h 30 puis voir le site.
Cours d’application “Pratique de la simulation num´erique”.
Divisions du cours
Le cours est en trois parties : Optimisation (5 s´eances).
Analyse et simulation des ´equations aux d´eriv´ees partielles (9 s´eances).
Th´eorie des graphes et optimisation discr`ete (5 s´eances).
A noter
S´eances suppl´ementaires de pr´erequis et compl´ements.
Jeudi 20/11 `a 11 h 30 puis voir le site.
Cours d’application “Pratique de la simulation num´erique”.
Divisions du cours
Le cours est en trois parties : Optimisation (5 s´eances).
Analyse et simulation des ´equations aux d´eriv´ees partielles (9 s´eances).
Th´eorie des graphes et optimisation discr`ete (5 s´eances).
A noter
S´eances suppl´ementaires de pr´erequis et compl´ements.
Jeudi 20/11 `a 11 h 30 puis voir le site.
Cours d’application “Pratique de la simulation num´erique”.
Divisions du cours
Le cours est en trois parties : Optimisation (5 s´eances).
Analyse et simulation des ´equations aux d´eriv´ees partielles (9 s´eances).
Th´eorie des graphes et optimisation discr`ete (5 s´eances).
A noter
S´eances suppl´ementaires de pr´erequis et compl´ements.
Jeudi 20/11 `a 11 h 30 puis voir le site.
Cours d’application “Pratique de la simulation num´erique”.
Organisation des s´eances Une s´eance =
Cours en Amphi + exercices en PC.
Cours et exercices en PC.
Voir la r´epartition dans l’emploi du temps.
Important
Il faudra s’inscrire en petites classes aujourd’hui.
Organisation des s´eances Une s´eance =
Cours en Amphi + exercices en PC.
Cours et exercices en PC.
Voir la r´epartition dans l’emploi du temps.
Important
Il faudra s’inscrire en petites classes aujourd’hui.
Organisation des s´eances Une s´eance =
Cours en Amphi + exercices en PC.
Cours et exercices en PC.
Voir la r´epartition dans l’emploi du temps.
Important
Il faudra s’inscrire en petites classes aujourd’hui.
Organisation des s´eances Une s´eance =
Cours en Amphi + exercices en PC.
Cours et exercices en PC.
Voir la r´epartition dans l’emploi du temps.
Important
Il faudra s’inscrire en petites classes aujourd’hui.
Scilab
Charger Scilab sur les PC.
Utilisation en PC.
Logiciels sur le site.
Comsol
Deux s´eances de PC en d´ecembre : TP sur Comsol.
Idem pendant le cours de M.M.C.
,→ Questions pos´ees au contrˆole.
Scilab
Charger Scilab sur les PC.
Utilisation en PC.
Logiciels sur le site.
Comsol
Deux s´eances de PC en d´ecembre : TP sur Comsol.
Idem pendant le cours de M.M.C.
,→ Questions pos´ees au contrˆole.
Scilab
Charger Scilab sur les PC.
Utilisation en PC.
Logiciels sur le site.
Comsol
Deux s´eances de PC en d´ecembre : TP sur Comsol.
Idem pendant le cours de M.M.C.
,→ Questions pos´ees au contrˆole.
Scilab
Charger Scilab sur les PC.
Utilisation en PC.
Logiciels sur le site.
Comsol
Deux s´eances de PC en d´ecembre : TP sur Comsol.
Idem pendant le cours de M.M.C.
,→ Questions pos´ees au contrˆole.
Scilab
Charger Scilab sur les PC.
Utilisation en PC.
Logiciels sur le site.
Comsol
Deux s´eances de PC en d´ecembre : TP sur Comsol.
Idem pendant le cours de M.M.C.
,→ Questions pos´ees au contrˆole.
Scilab
Charger Scilab sur les PC.
Utilisation en PC.
Logiciels sur le site.
Comsol
Deux s´eances de PC en d´ecembre : TP sur Comsol.
Idem pendant le cours de M.M.C.
,→ Questions pos´ees au contrˆole.
Documents
Le polycopi´e “Optimisation” (avec exercices).
Le polycopi´e “Analyse des ´equations aux d´eriv´ees partielles” + exercices.
Le polycopi´e “Graphes et Optimisation discr`ete”.
Les corrig´es des exercices, distribu´es apr`es chaque s´eance
Outils logiciels
Au CTI : le logiciel “Comsol”.
Site du cours : outils en Scilab
Documents
Le polycopi´e “Optimisation” (avec exercices).
Le polycopi´e “Analyse des ´equations aux d´eriv´ees partielles” + exercices.
Le polycopi´e “Graphes et Optimisation discr`ete”.
Les corrig´es des exercices, distribu´es apr`es chaque s´eance
Outils logiciels
Au CTI : le logiciel “Comsol”.
Site du cours : outils en Scilab
Documents
Le polycopi´e “Optimisation” (avec exercices).
Le polycopi´e “Analyse des ´equations aux d´eriv´ees partielles” + exercices.
Le polycopi´e “Graphes et Optimisation discr`ete”.
Les corrig´es des exercices, distribu´es apr`es chaque s´eance
Outils logiciels
Au CTI : le logiciel “Comsol”.
Site du cours : outils en Scilab
Documents
Le polycopi´e “Optimisation” (avec exercices).
Le polycopi´e “Analyse des ´equations aux d´eriv´ees partielles” + exercices.
Le polycopi´e “Graphes et Optimisation discr`ete”.
Les corrig´es des exercices, distribu´es apr`es chaque s´eance
Outils logiciels
Au CTI : le logiciel “Comsol”.
Site du cours : outils en Scilab
Documents
Le polycopi´e “Optimisation” (avec exercices).
Le polycopi´e “Analyse des ´equations aux d´eriv´ees partielles” + exercices.
Le polycopi´e “Graphes et Optimisation discr`ete”.
Les corrig´es des exercices, distribu´es apr`es chaque s´eance
Outils logiciels
Au CTI : le logiciel “Comsol”.
Site du cours : outils en Scilab
Contrˆole
Deux contrˆoles facultatifs (“B.E.”), Coeff. 0,4 : 1h 30, sans document .
Un contrˆole ´ecrit, Coeff. 0,6 : une heure sans document, deux heures avec tous documents.
Contrˆole
Deux contrˆoles facultatifs (“B.E.”), Coeff. 0,4 : 1h 30, sans document .
Un contrˆole ´ecrit, Coeff. 0,6 : une heure sans document, deux heures avec tous documents.
Le cours “Optimisation” : m´ethodes d’optimisation mais aussi le calcul diff´erentiel, la convexit´e et la dualit´e.
Le cours “Analyse 2” : bases math´ematiques de l’analyse et de l’approximation des ´equations aux d´eriv´ees partielles.
Le cours “Graphes et optimisation discr`ete” : une introduction aux math´ematiques de la gestion.
Devise
Il est (peut ˆetre) trop tard pour apprendre des maths Il n’est pas trop tard pour apprendre `a s’en servir.
Le cours “Optimisation” : m´ethodes d’optimisation mais aussi le calcul diff´erentiel, la convexit´e et la dualit´e.
Le cours “Analyse 2” : bases math´ematiques de l’analyse et de l’approximation des ´equations aux d´eriv´ees partielles.
Le cours “Graphes et optimisation discr`ete” : une introduction aux math´ematiques de la gestion.
Devise
Il est (peut ˆetre) trop tard pour apprendre des maths Il n’est pas trop tard pour apprendre `a s’en servir.
Le cours “Optimisation” : m´ethodes d’optimisation mais aussi le calcul diff´erentiel, la convexit´e et la dualit´e.
Le cours “Analyse 2” : bases math´ematiques de l’analyse et de l’approximation des ´equations aux d´eriv´ees partielles.
Le cours “Graphes et optimisation discr`ete” : une introduction aux math´ematiques de la gestion.
Devise
Il est (peut ˆetre) trop tard pour apprendre des maths Il n’est pas trop tard pour apprendre `a s’en servir.
Le cours “Optimisation” : m´ethodes d’optimisation mais aussi le calcul diff´erentiel, la convexit´e et la dualit´e.
Le cours “Analyse 2” : bases math´ematiques de l’analyse et de l’approximation des ´equations aux d´eriv´ees partielles.
Le cours “Graphes et optimisation discr`ete” : une introduction aux math´ematiques de la gestion.
Devise
Il est (peut ˆetre) trop tard pour apprendre des maths Il n’est pas trop tard pour apprendre `a s’en servir.
Organisation Documents Contrˆole
Objectifs du cours
2 L’optimisation
Exemples ´el´ementaires
Les principes d’extr´emalit´e en physique
3 Syst`eme non lin´eaire et optimisation Un exemple d’´equation
Analyse par optimisation
4 Calcul diff´erentiel D´efinition
Exemples simples
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
Fig.: Approximation au sens des moindres carr´es sous contraintes.
T1
T2 T3 T4
Tobj
Fig.:Optimisation de la temp´erature sur le bord d’un moule.
Ressources 1
Produits 1
Produits 2
Produits 3 Ressources 2
Ressources 3
Ressources 4
Quantité x1 Quantité x1
Quantité x2
Quantité x3 b11 x1+ b12 x2 < Q1
b21 x1+ b22 x2+b23 x3 < Q2
b31 x1+ b33 x3 < Q3
b41 x1+ b42 x2+ b43 x3 < Q4
Fig.:Optimisation de la valeur d’une production.
A A
B B φφ11
φφ22
φφnn−1φφnn 1 1
2 2
3 3
4 4
n− 1
n.
F F
L L L L
Fig.:Flambement d’une structure.
Les probl`emes de dynamique peuvent s’´ecrire sous forme
“lagrangienne”, Th´eor`eme (Lagrange)
La trajectoire q(t) d’un syst`eme est une extr´emale de l’int´egrale A(q) =
Z T
0
L(q,q0)dt o`u A(q) est l’action lagrangienne,et
L(q,v) =T(q,v)−W(q,v)
en l’absence de frottement et si le champ de force d´erive d’un potentiel
Th´eor`eme (Lagrange)
La trajectoire q(t) d’un syst`eme est une extr´emale de l’int´egrale A(q) =
Z T
0
L(q,q0)dt o`u A(q) est l’action lagrangienne,et
L(q,v) =T(q,v)−W(q,v)
Les probl`emes de dynamique peuvent s’´ecrire sous forme
“lagrangienne”, Th´eor`eme (Lagrange)
La trajectoire q(t) d’un syst`eme est une extr´emale de l’int´egrale A(q) =
Z T
0
L(q,q0)dt o`u A(q) est l’action lagrangienne,et
L(q,v) =T(q,v)−W(q,v)
Les probl`emes de statique peuvent s’´ecrire sous la forme d’un principe de minimum
Th´eor`eme (Principe du minimum de l’´energie)
La position u d’un syst`eme est un minimum de l’int´egrale J(u) =E(u)−W(u)
estl’´energie potentielle totale.
en l’absence de frottement et si le champ de force d´erive d’un potentiel
Th´eor`eme (Principe du minimum de l’´energie)
La position u d’un syst`eme est un minimum de l’int´egrale J(u) =E(u)−W(u)
estl’´energie potentielle totale.
Th´eor`eme (Principe du minimum de l’´energie)
La position u d’un syst`eme est un minimum de l’int´egrale J(u) =E(u)−W(u)
estl’´energie potentielle totale.
A A
B B φφ11
φφ22
φφnn−1φφnn 1 1
2 2
3 3
4 4
n− 1
n.
F F
L L L L
Fig.:Flambement d’une structure.
(x2,y2) (x1,y1) (x0,y0)
(x3,y3)
(xn,yn)
(xn+1,yn+1))
Fig.:Position d’´equilibre d’une chaˆıne.
Position de la chaîne après 531 itérations
0.0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1.0
−0.643
−0.572
−0.500
−0.429
−0.357
−0.286
−0.214
−0.143
−0.071 0.000
Fig.:Position d’´equilibre calcul´ee d’une chaˆıne.
−1 −0.8 −0.6 −0.4 −0.2 0 0.2 0.4 0.6 0.8 1
−0.2
−0.15
−0.1
−0.05 0 0.05 0.1 0.15 0.2
Fig.:Position d’une structure avec contact.
f(x) =Ax+λx+x = 0 (1)
−u00+λu+u3 = 0 (2)
u(0) =u(1) = 0 (3)
−∆u+λu+u3 = 0 sur Ω⊂R2 (4)
u|∂Ω = 0 (5)
Probl`eme
Pourquoi un syst` eme non lin´ eaire, un probl` eme
diff´ erentiel, un probl` eme aux d´ eriv´ ees partielles
Organisation Documents Contrˆole
Objectifs du cours
2 L’optimisation
Exemples ´el´ementaires
Les principes d’extr´emalit´e en physique
3 Syst`eme non lin´eaire et optimisation Un exemple d’´equation
Analyse par optimisation
4 Calcul diff´erentiel D´efinition
Exemples simples
Soit le syst`eme non lin´eaire,
f(x) =Ax+λx+x3 = 0 (6)
x∈Rn,
Aest une matrice sym´etrique d´efinie positive, de valeurs propres 0< λ1 < ... < λn ,
λ∈Rune constante. Ce syst`eme admet une solution triviale x= 0.
Probl`eme
Combien ce syst` eme admet-il de solutions ?
A A
B B φφ11
φφ22
φφnn−1φφnn 1 1
2 2
3 3
4 4
n− 1
n.
F F
L L L L
Fig.:Flambement d’une structure.
x∈R
f(x) =Ax+λx+x3 = (A+λ)x+x3= 0 (7) Cette ´equation de degr´e 3 admet la solution triviale x = 0.
Question
Combien cette ´equation a-t-elle de solutions ?
x∈R
F(x) = (A+λ)x2 2 +x4
4 on a
f(x) =F0(x)
Analyse par optimisation Si λ >−A
F(x) est strictement convexe
⇒un seul minimum pour F(x)
⇒une seule solution pour f(x) = 0.
x∈R
F(x) = (A+λ)x2 2 +x4
4 on a
f(x) =F0(x)
Analyse par optimisation Si λ <−A
0 est un maximum local de F(x)
⇒deux minimums
⇒3 solutions de f(x) = 0.
f(x) =Ax+λx+x3 = 0 (8) o`u Aest une matrice sym´etrique d´efinie positive, de valeurs
propres 0< λ1 < ... < λn ,λune constante.
Fonction potentielle Soit
F(x) = 1
2h(A+λId)x,xi+X
j
xj4 4 on a
f(x) =∇F(x)
20 40 60 80 100 120 140 160 180 200 20
40 60 80 100 120 140 160 180 200
Un minimum
Min
:Dim 2. Equipotentielle de F(x).
Analyse
La matriceA+λId toutes ses valeurs propres positives et est donc d´efinie positive.
La fonctionF(x) tend vers l’infini `a l’infini, elle admet donc un minimum.
De plus le hessien deF(x) en 0 est HF(0) =A+λId Le point 0 est donc un minimum local deF(x)0 La fonctionF(x) strictement convexe.
⇒
20 40 60 80 100 120 140 160 180 200 20
40 60 80 100 120 140 160 180 200
Un point col, deux minimums
Min
Min
Col
Analyse
Le point 0 n’est plus un minimum mais un “col” car HF(0) =A+λId a alors une valeur propre n´egative.
La fonctionF(x) tend vers l’infini `a l’infini car le terme P
j xj4
4 est dominant.
Il existe doncx1 6= 0 qui r´ealise le minimum de F(x), mais comme F(x) est pair (F(−x) =F(x)) le pointx2=−x1 est aussi
minimum.
Ce qui fait donc 3 solutions 0,x1,x2 pour le syst`emef(x) = 0.
20 40 60 80 100 120 140 160 180 200 20
40 60 80 100 120 140 160 180 200
Deux minimums, deux cols, un maximum
Max Col
Col
Min
Min
Analyse
Le point 0 est alors un maximum local car le Hessien HF(0) =A+λId est alors d´efini n´egatif.
La fonctionF(x) tend vers l’infini `a l’infini car le terme P
j xj4
4 est toujours dominant.
Ce qui fait trois solutions 0,x1,x2 pour le syst`eme (3).
Entre les deux minimum il existe un points colx3, qui ne peut ici ˆetre 0 car c’est un maximum local.
Par sym´etrie, il existe donc un autre points colx4=−x3, ce qui fait 5 solutions 0,x1,x2,x3,x4!
20 40 60 80 100 120 140 160 180 200 20
40 60 80 100 120 140 160 180 200
Deux minimums, deux maximums, 4 cols
Max Col
Col
Min
Min Min
Min
Analyse
Le point 0 reste un maximum local,
on observe, sans le montrer, qu’il y quatre minimums et quatre points “col”, ce qui fait 9 solutions en tout pour le syst`eme.
La situation ne change pas pour des valeurs inf´erieures deλcar les abscisses et les ordonn´ees des solutions sont solutions d’une
´equation alg´ebrique de degr´e 9.
−u00+λu+u3 = 0 (9)
u(0) =u(1) = 0 (10)
u(x)∈C2([0,1])), λ∈Rune constante.
Ce probl`eme admet la solution trivialeu = 0.
Probl`eme
Combien ce probl` eme diff´ erentiel admet-il de
solutions ?
−u00+λu+u3 = 0 (9)
u(0) =u(1) = 0 (10)
u(x)∈C2([0,1])), λ∈Rune constante.
Ce probl`eme admet la solution trivialeu = 0.
Analyse par optimisation
u est un extr´emum de la fonction J(v) =
Z 1 v02 +λv2
+v4 dx
−∆u+λu+u3 = 0 sur Ω⊂R2 (11)
u|∂Ω = 0 (12)
u(x)∈C2([Ω])),
λ∈Rune constante. Ce probl`eme admet la solution trivialeu = 0.
Probl`eme
Combien ce probl` eme admet-il de solutions ?
−∆u+λu+u3 = 0 sur Ω⊂R2 (11)
u|∂Ω = 0 (12)
u(x)∈C2([Ω])),
λ∈Rune constante. Ce probl`eme admet la solution trivialeu = 0.
Analyse par optimisation
u est un extr´emum de la fonction J(v) =
Z
Ω
k∇vk22 2 +λv2
2 + v4 4 dx
Organisation Documents Contrˆole
Objectifs du cours
2 L’optimisation
Exemples ´el´ementaires
Les principes d’extr´emalit´e en physique
3 Syst`eme non lin´eaire et optimisation Un exemple d’´equation
Analyse par optimisation
4 Calcul diff´erentiel D´efinition
Exemples simples
Espaces, points, fonctions
V,W, espaces vectoriels norm´es.
Ex. : Rn,Mn(R), C([0,1]),C1([0,1])...
x,y,u des ´el´ements de V ouW.
Ex. : x= (x1, ...,xn)t, u :u(t) = sint.
f : application de V dans W.
Ex. : V =W =Mn(R), f(M) =M−1. F : applications deV dansR.
Ex. : V =C1([0,1]), F(u) =R1 0
p1 + (u0(t))2dt.
D´efinition (Diff´erentielle au sens de Fr´echet)
Une application f(x)de V dans W est diff´erentiable en x ∈V si il existe une application lin´eaire continue de V dans W , not´ee Df(x) telle que
∀h ∈V f(x+h) =f(x) +Df(x).h+(h)khk aveclimh→0k(h)k= 0.
Exemple 1
SoitV =Mn(R) l’ensemble des matrices r´eelles de dimensionn et f(M) =M2.
Il suffit de calculer
f(M+h) = (M+h)(M+h) =M2+ (Mh+hM) +h2 et de ne retenir que les termes lin´eaires enh :
Df(M).h=Mh+hM
Exemple 2
Soitu ∈V =C([0,1]) et F(u) =
Z 1 0
u4 4 dx Il vient, sih∈V
F(u+h) = Z 1
0
(u+h)4
4 dx =
Z 1 0
u4
4 +u3h+...dx o`u les termes suivants sont d’ordre sup´erieur ; d’o`u la diff´erentielle
1
D´efinition (Diff´erentielle au sens de Gˆateaux)
Une fonction F(x) de V dansRest une fonction diff´erentiable au sens de Gˆateaux en x ∈V si il existe une forme lin´eaire sur V , not´ee DF(x), telle que
∀h ∈V d
dλF(x+λh)|λ=0=DF(x).h (13) Th´eor`eme (Lien avec Fr´echet)
Si F est diff´erentiable au sens de Fr´echet, F est diff´erentiable au sens de Gˆateaux.
Exemple 1 SoitV =Rn
F(x) = 1
2hAx,xi+X
j
xj4 4
Df(x).h= d
dtf(x+th)|t=0=hAx,hi+X
j
xj3hj Df(x).h=hAx,hi+hx3,hi=hAx+x3,hi
Exemple 2
SoitV =Rn et f(x) =Ax+x3, o`u A est une matrice. Soit ∆(x) la matrice diagonale telle que ∆i,i = 3xi2.
Df(x).h = d
dtf(x+th)|t=0=Ah+ ∆(x)h
D´efinition (Gradient)
Soit V un espace de dimension finie muni d’un produit scalaire h·,·i. Il existe un vecteur, le gradient, not´e∇F(x), tel que
DF(x).h=h∇F(x),hi
SiV =Rn et hx,yi=P
i xiyi on retrouve la d´efinition usuelle du gradient
∇F(x) = (∂F
∂x1, ...,∂F
∂xi, ..., ∂F
∂xn)t
le gradient d´efinit la direction de plus grande pente⊥`a la surface
D´efinition (Gradient)
Soit V un espace de dimension finie muni d’un produit scalaire h·,·i. Il existe un vecteur, le gradient, not´e∇F(x), tel que
DF(x).h=h∇F(x),hi
Exemples
Df(x).h =hAx+x3,hi
∇F(x) =Ax+x3
Si V =W =Rn la diff´erentielle Df(x) est une application lin´eaire repr´esent´ee donc par une matrice Jf(x), appel´eematrice
jacobienne, de coefficients
Jf(x)i,j = ∂fi(x)
∂xj
Exemples
SoitV =Rn et f(x) =Ax+x3, o`u A est une matrice.
Df(x).h =Ah+ ∆(x)h= (A+ ∆(x))h
f(x) =F0(x) =∇F(x) est une application diff´erentiable de Rn dansRn, la matrice jacobienne Jf(x) est sym´etrique .
D´efinition (Hessien)
Le Hessien de la fonction F(x), suppos´ee deux fois diff´erentiable, est la matriceHF(x) telle que
d2
dλ2F(x+λh)λ=0 =hHF(x)h,hi Ce qui implique
HF(x)i,j = ∂2F(x)
f(x) =F0(x) =∇F(x) est une application diff´erentiable de Rn dansRn, la matrice jacobienne Jf(x) est sym´etrique .
Exemples SoitV =Rn
F(x) = 1
2hAx,xi+X
j
xj4 4
f(x) =∇F(x) =Ax+x3 Jf =A+ ∆(x) HF =A+ ∆(x)
Theorem
Si x ∈V est un minimum local de F(x)et (si V =Rn) le Hessien HF(x) est semi-d´efini positif.
R´eciproquement :
Si DF(x) = 0 et si il existe une boule Br(x) telle que le Hessien est semi-d´efini positif alors x est un minimum local. Si
∀h∈V F(x+h) =F(x) +h∇F(x),hi+1
2hHF(x)h,hi+(h)khk2 o`u lim k(h)k= 0.
Pourquoi la notion de diff´erentielle ?
1 Intuitif.
2 Intrins`eque.
3 Extension `a la dimension infinie.
Equation et optimisation
1 Pourquoi un probl`eme admet-il une solution ?
2 Principe physique → optimisation.
3 Nous n’avons vu que le d´ebut de l’histoire...
Pourquoi la notion de diff´erentielle ?
1 Intuitif.
2 Intrins`eque.
3 Extension `a la dimension infinie.
Equation et optimisation
1 Pourquoi un probl`eme admet-il une solution ?
2 Principe physique → optimisation.
3 Nous n’avons vu que le d´ebut de l’histoire...
Pourquoi la notion de diff´erentielle ?
1 Intuitif.
2 Intrins`eque.
3 Extension `a la dimension infinie.
Equation et optimisation
1 Pourquoi un probl`eme admet-il une solution ?
2 Principe physique → optimisation.
3 Nous n’avons vu que le d´ebut de l’histoire...
Pourquoi la notion de diff´erentielle ?
1 Intuitif.
2 Intrins`eque.
3 Extension `a la dimension infinie.
Equation et optimisation
1 Pourquoi un probl`eme admet-il une solution ?
2 Principe physique → optimisation.
3 Nous n’avons vu que le d´ebut de l’histoire...
Pourquoi la notion de diff´erentielle ?
1 Intuitif.
2 Intrins`eque.
3 Extension `a la dimension infinie.
Equation et optimisation
1 Pourquoi un probl`eme admet-il une solution ?
2 Principe physique → optimisation.
3 Nous n’avons vu que le d´ebut de l’histoire...
Pourquoi la notion de diff´erentielle ?
1 Intuitif.
2 Intrins`eque.
3 Extension `a la dimension infinie.
Equation et optimisation
1 Pourquoi un probl`eme admet-il une solution ?
2 Principe physique → optimisation.
3 Nous n’avons vu que le d´ebut de l’histoire...
Pourquoi la notion de diff´erentielle ?
1 Intuitif.
2 Intrins`eque.
3 Extension `a la dimension infinie.
Equation et optimisation
1 Pourquoi un probl`eme admet-il une solution ?
2 Principe physique → optimisation.
3 Nous n’avons vu que le d´ebut de l’histoire...