• Aucun résultat trouvé

OPTIMISATION SOUS CONTRAINTES METHODOLOGIE

N/A
N/A
Protected

Academic year: 2022

Partager "OPTIMISATION SOUS CONTRAINTES METHODOLOGIE"

Copied!
1
0
0

Texte intégral

(1)

PREPA GESTION SORBONNE  x  Cours  Particuliers  Paris  

www.coursparticuliersparis.fr  -­‐  01  84  17  60  55  

OPTIMISATION SOUS CONTRAINTES METHODOLOGIE

Matrice Hessienne

Optimisation sous contraintes Etape 1 :

À partir de la contrainte g(x, y, z), on exprime une des variables en fonction des autres variables. Supposons par exemple que l’on exprime z en fonction de x et y.

Etape 2 :

On obtient alors une nouvelle expression en fonction en exprimant z en fonction des variables restantes.

Etape 3 :

On calcule la matrice Jacobienne de la contrainte et on détermine son rang, en vue de qualifier les contraintes.

Etape 4 :

Calcul du Lagrangien. En fonction des Lambda obtenus, on détermine les points candidats – condition de premier ordre.

Etape 4 :

On peut alors déterminer la nature des points candidats, en passant par la matrice Hessienne : condition de second ordre.

Rappel

• Si f’’(x) < 0 à concave à maximum

• Si f’’(x) > 0 à convexe à minimum

Références

Documents relatifs

Cette distribution ne peut cependant pas être assimilée à la distribution des individus décédés en période périnatale exhumés du site de Provins car, pour des raisons

Laurent Math´ ematiques 2 S´ eance 4 Optimisation sous

D’apr`es le principe du minimum de l’´ energie, la position d’´equilibre des noeuds est, parmi toutes les positions admissibles, celle pour laquelle le centre de gravit´e du

Remarquer que si on remplace la sph`ere de rayon 1 par la boule de mˆeme rayon on a un probl`eme d’optimisation d’une fonction lin´eaire sur un convexe, son minimum est donc atteint

D’après le principe du minimum de l’énergie, la position d’équilibre des noeuds est, parmi toutes les positions admissibles, celle pour laquelle le centre de gravité du système

Remarquer que, si on remplace la sphère de rayon 1 par la boule de même rayon, on a un problème d’optimisation d’une fonction linéaire sur un convexe, son minimum est donc atteint

Ainsi, s’il n’y avait pas les consid´erations li´ees au temps r´eel (parce que le temps de calcul allou´e est ´epuis´e, on peut ˆetre amen´e `a interrompre l’algorithme et

Dans le chapitre 1, nous avions donné deux dénitions ou formulations de C n+1 que l'on peut voir grosso modo comme : pour la première, le fait pour un polynôme d'être un carré, et