Beruflich Dokumente
Kultur Dokumente
= <
( )
a b
( )
( )
( ) { } ( )
1
Dans l'intervalle ouvert ,
est un ensemble ouvert puisque
, , 0 tel que
: ,
R a b
x a b
B x z x z a b
>
= <
[ ] ( )
{ }
2
2
Dans l'ensemble
, : , , 0
n'est pas un ensemble ouvert puisque
nous ne pouvons pas bouger pour
modifier la valeur de
R
x y R x a b y
y
= =
( )
{ }
est un ensemble ouvert si il existe un >0
tel que ; .
n
n
X R x X
B x z R x z X
= <
( )
{ }
2
2
Dans l'ensemble est ouvert
puisque pour tout , il existe
un 0 tel que la sphre ouverte de
rayon ,
; .
R X
x X
B x z R x z X
>
= <
X
x
( ) B x
1
1
Soit un ensemble ouvert et : une fonction
valeurs relles.
Si / ( possde des drives partielles de premier
ordre continues sur ), pour toute paire de point
dveloppement de T
s ,
n
Y R f Y R
f C Y f
Y x y Y
( ) ( ) ( ) ( ) ( )
( )
( )
( )
( )
T
0
aylor de premier ordre (versi
,
o
lim , 0
on rsidu)
y x
f y f x f x y x x y x y x
x y x
= + +
=
( ) ( ) [ ]
{ } ( )
( ) ( ) ( ) ( )
T
il existe un vecteur sur le segment de droite entr
dveloppement de Taylor sa
e et
, : 1 , 0,1
tel que
ns rsidu
n
z x y
z x y t R t x y
f y f x f z y x
= = +
= +
( ) ( ) ( ) ( ) ( ) ( )
1
T
Si / ( possde des drives partielles de premier
ordre continues sur ), pour toute paire de p
dveloppement de Taylor de premier ordre (version rsi
oints ,
,
o
lim
du)
y
f C Y f
Y x y Y
f y f x f x y x x y x y x
= + +
( )
( ) ( )
0
, 0
x
x y x
=
( ) ( ) ( ) ( ) ( )
( )
1
T
Si / ( possde des drives partielles de premier
ordre continues sur ), pour tout et
dveloppement de Taylor de premier ordre (version rsidu)
,
n
f C Y f
Y x Y d R
f x d f x f x x d x x x d x x d x
f x d f
+ = + + + + +
+ =
( ) ( ) ( ) ( )
( )
( )
T
0
, 3.1
pour tout , o , est une fonction de prenant des
valeurs relles telles que
lim , 0
x f x d x d d
x d
x d
+ +
=
( ) ( )
( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
( )
( )
T
T
T
1
1
0
Preuve
Soient un ensemble ouvert, : ,
/ , et . Alors
lim .
Utilisant la relation (
Lemme
,
: 3.
3.1:
1)
alors
pour 0
,
3.1
n
n
f
Y R f Y R
f C Y x Y d R
f x d f x
f x d
f x d f x x d d
f x d
f x
x d f x f x d d d
d
x
+
=
+ = + +
+
=
+
( )
( ) ( )
T
,
f x
x d d f x d
=
( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( ) ( )
( )
T
T
T
T
0 0 0
T
0
Utilisant la relation (3.1)
alors pou
Preuve
r 0
,
,
lim lim , lim
l
, 3.1
im
:
.
f x d f x x d d
f x d
f x d f x
x d d f x d
f x d f x
x d d f x d
f x d f x
f x
f x d f x f x d
d
x d d
+
=
+ = + +
+
=
+
=
+
=
( )
( ) ( )
1
Dfinition:
direction ralisable
Soient et : . tant donn , est
une s'il existe un scalaire , 0 tel que
0, .
,
n
n
X R f X R x X d R
x d
x d X
x
x d
>
( +
( )
( ) ( )
1
T
Soient , / , et . Si est
une direction ralisable et 0, alors il existe
un scalaire 0 tel que pou
Lemme 3.2:
direction de descent
r tout 0
.
(i.e., est un e e .)
n n
X R f C X x X d R
x f x d
f x d f x
d x
<
> <
+ <
x
d
( )
, x x d d +
( )
( ) ( )
1
T
Soient , / , et . Si est
une direction ralisable et 0, alors il existe
un scalaire 0 tel que pou
Lemme 3.2:
direction de descent
r tout 0
.
(i.e., est un e e .)
n n
X R f C X x X d R
x f x d
f x d f x
d x
<
> <
+ <
( ) ( )
( )
( ) ( )
( ) ( ) ( ) ( )
T
0
Puisque lim 0, alors
il existe un scalaire >0 tel que pour tout 0, ,
0.
Il suffit de restreindre
P
t
reu
re positif pour avoir
0 ou .
ve :
f x d f x
f x d
f x d f x
f x d f x f x d f x
+
= <
+
<
+ < + <
( )
( )
1
Preuve
Lemme 3 Soient un ensemble ouvert, / .
Si est un minimum local de sur , alors =0.
Par contradiction, supposons que est un minimum
local et que 0. Considrons la directio
.3:
n
.
n
X R f C X
x f X f x
x
f x
( )
( ) ( ) ( ) ( )
( )
T T
.
Puisque est ouvert, alors est une direction ralisable , et
0, puisque 0.
Par le Lemme 3.2, est une direction de descente
et par consquent il est possible de
d f x
X d x
f x d f x f x f x
d f x x
=
= <
=
( ) ( ) ( )
dterminer un scalaire >0
tel que et , une contradiction. x d B x f x d f x
+ + <
( )
1
Soient un ensemble ouvert, / .
Si est un maximum local de sur , al
Lemme 3.4:
ors =0.
Simil P ai uv r e. e re
n
X R f C X
x f X f x
( )
1
T
Dfinition:
forme quadratiqu
tant donn une matrice relle de dimension ,
la associe est la fonction : suivante
.
e
n
D n n
R R
x x Dx
=
( )
( )
( )
Dfinition:
semi-dfinie posi
Une matrice relle de dimension est
( ) si tiv dfinie positive
0 , 0
e 0
.
n
n
x
x x R
D
x
n
x R
n
>
dfinie positiv
Une matrice D relle symtrique de dimension
est ( ) si et seulement si
) toutes ses valeurs propres sont
Rsultats:
semi-dfinie positive
non
e
positives ( ) nga ;
) tous les
tives
m
n n
i
ii
(tous les
"leadin
ineurs principaux son
g" mineurs principaux
t non ng
sont posi
ati
ti
f
s
fs).
11 12 13
21 22 23
31 32 33
11 2 3 1 3 1 2
Leading mineurs Mineurs principaux
d'ordre 1:
principaux
d'ordre 1:
, ,
d'ord
a a a
a a a
a a a
a a a a
(
(
(
22 23 11 13 11 12
21 22 32 33 31 33
11 12 13
21 22 23
31 3
11 12
21 22
11 12 13
21 22 23
3 3 33 2 33 1 2
re 2:
, ,
d
d'ordre 2:
d'ordre 3: 'ordre 3:
a a a a a a
a a a a a a
a a a
a a a
a
a a
a a
a a a
a a a
a a a a a
( ( (
( ( (
(
(
(
(
(
(
( (
Conditions de 2
ime
ordre pour minimum locaux
( )
( )
2
2
2
Soit le (matrice
relle ) au point d'une fonction de classe (ayant
de
Dfiniti
s drives partielles continues d'ordre 2).
on: Hes
sien
i j
f x
f x
x x
n n x f C
(
=
(
(
( )
( )
2
2
Soient un ensemble ouvert et / .
Si est un minimum local de sur , alors =0 et
est une ma
Lemm
trice semi-definie positive.
e 3.5:
n
X R f C X
x X f X f x
f x
( )
( )
2
2
Soient un ensemble ouvert et / .
Si est un minimum local de sur , alors =0 et
est une matrice semi-definie positiv
Preuve
e.
La premire condition a t demontre au
Lemme 3.5:
.
n
X R f C X
x X f X f x
f x
( ) ( ) ( ) ( ) ( )
( )
( )
( ) ( ) ( ) ( )
ime
T 2
2 T 2
0
2
2 T 2
Lemme 3.4.
La seconde condition est tablie partir du dveloppement de
Taylor de 2 ordre:
1
,
2
o lim , =0.
Puisque =0, alors
1
,
2
1
f x d f x f x d d f x d x d d
x d
f x
f x d f x d f x d x d d
+ = + + +
+ = +
=
( ) ( )
2
2 T 2
2 , .
2
d f x d x d d
(
+
( ) ( ) ( ) ( ) ( )
( )
ime
T 2
2 T 2
0
La premire condition a t demontre au Lemme 3.4.
La seconde condition est tablie partir du dveloppement de
Taylor de 2 ordre:
1
,
2
o lim , =0.
P
Preuv
u
e
is
.
f x d f x f x d d f x d x d d
x d
+ = + + +
( )
( ) ( ) ( ) ( )
( ) ( )
( )
( )
2
2 T 2
2
2 T 2
2
T 2
que =0, alors
1
,
2
1
2 , .
2
Par contradiction, si n'est pas semi-definie positive, alors
il existe un tel que 0.
Ainsi, pour 0 suffisemm
n
f x
f x d f x d f x d x d d
d f x d x d d
f x
d R d f x d
+ = +
(
= +
<
>
( )
( )
( )
( )
( )
( )
( )
( )
2
T 2
ent petit, et , 0.
Par consquent
2 , 0
et alors 0 ou , contredisant
le fait que est un minimum local de .
x d B x x d
d f x d x d d
f x d f x f x d f x
x f
+
+ <
+ < + <
( ) ( )
( ) ( )
( )
2
3 3
2 2
Les conditions que =0 et que
est une matrice semi-definie positive ne sont pas suffisantes pour
assurer que est un minimum local.
Au
Contre-exemple:
point 0
, , 0
, 3 , 3
f x f x
x
x y
f x y x y f x y
f x y x y
= =
= + =
= (
( ) [ ]
( ) ( )
( )
T
T
2 2
3
0, 0 0, 0
6 0 0 0
, 0, 0 semi-def . pos.
0 6 0 0
Donc les conditions sont satisfaites au point 0.
Mais pour un >0 suffisemment petit, , 0, 0 et
2 2
,
2 2 2
f
x
f x y f
y
x y
B
f
=
| | | |
= =
| |
\ \
= =
(
(
| | | |
= +
| |
\ \
( )
[ ]
3
3
2
0 0, 0 ,
2 8
et 0,0 ne peut tre un minimum local mme si les conditions
sont satisfaites.
f
| |
= < =
|
\
( ) ( )
( ) ( )
( )
2
2
Soient un ensemble ouvert et / .
Si * =0 et * est une matrice definie positive, alors
il existe un >0 suffisemment petit tel que * < pour
tout * .
Se rfra
Lemme 3
Preuve. nt a
.6:
n
X R f C X
f x f x
f x f x
x B x
( ) ( ) ( ) ( ) ( )
( )
( )
( ) ( ) ( ) ( )
T 2
2 T 2
0
2
2 T 2
u Lemme 3.5,
1
* * * * *,
2
o lim *, =0.
Puisque =0, alors
1
* * * 2 *, .
2
f x d f x f x d d f x d x d d
x d
f x
f x d f x d f x d x d d
+ = + + +
(
+ = +
( )
( )
( )
2
T 2
2
2 2
Il est facile de vrifier que * o 0 est la plus
petite valeur propre de * . En effet, sous l'hypothse que
/ , alors * est symtrique.
Par consquent, il existe une matrice orth
d f x d d
f x
f C X f x
>
( )
( )
T 1
2 T
2
2
ogonale (i.e., )
telle que
*
o est une matrice diagonale comportant les valeurs propres de
* sur la diagonale et o les colonnes de sont les vecteurs
propres normaliss de
P P P
f x P P
f x P
=
=
( )
( )
( )
{ }
T 2 T T T 2
1
2
1, .
2
T T 2 2 T T
1 1
* .
Donc
*
o les sont les valeurs propres de * .
Ainsi, si =Min , alors
.
n
i i
i
i
i
i n
n n
i i i
i i
f x
d f x d d P P d y y y
f x
d P P d y y d PP d d
=
=
= =
= = =
= = =
( ) ( ) ( ) ( ) ( )
( )
( )
( ) ( ) ( ) ( )
( )
T
2 T 2
0
2
2 T 2
2
T 2
Se rfrant au Lemme 3.5,
1
* * * * *,
2
o lim *, =0.
Puisque =0, alors
1
* * * 2 *, .
2
Nous venons de vrifier que * o 0
Preuve.
f x d f x f x d d f x d x d d
x d
f x
f x d f x d f x d x d d
d f x d d
+ = + + +
(
+ = +
>
( )
( ) ( ) ( )
( )
( ) ( ) ( )
( ) ( )
2
2 2
2
2
2
est la plus
petite valeur propre de * .
Donc
1
* * 2 *,
2
1
2 *, .
2
Puisque 0, il s'ensuit que pour >0 suffisemment petit
*, * et 2 *, 0
et ainsi
* * 0 o
f x
f x d f x d x d d
d x d
x d B x x d
f x d f x
(
+ +
( +
>
+ >
+ >
( ) ( )
u * * . f x d f x + >
( ) ( )
2
2
Soient un ensemble ouvert et / .
Si * =0 et * est une matrice definie positive, alors
* est
Corollaire 3.7:
un minimum locale de sur .
n
X R f C X
f x f x
x f X
Convergence dalgorithme
{ }
{ } ( )
0
2 0
1 2
Un algorithme dfini sur un sous-ensemble est un processus
itratif qui, partant d'une solution initiale , gnre une suite de
points dans .
Exemple: : 0
u
,
n algor
0 100,100 .
n
k
X x R x x x
X R
x X
x X
=
( )
( )
1 2
ithme correspond une multi application
(multi function ou "mapping")
:
associant un point un sous ensemble .
Dnotons par * l'ensemble de
Exemple: 0, , 0,
s so i
2 2
lut
.
k k
A X X
x X A x
x x
X
A x
X
X
( (
=
`
( (
)
( )
ons recherches.
Exemple: * 0, 0 X =
( ) ( ) ( )
( ) ( ) ( )
( )
( )
1
1 2
1 2
Un algorithme est un par
rapport une fonction : continue si
) * et
) * et .
No
Dfinition: algorithme de des
Exemple: 0, , 0,
2 2
te: souve
cente
n
A
z X R
i x X y A x z y z x
ii
x x
A x
x X y A x z y z x
z x x x
<
( (
=
`
( (
)
= +
( )
1 2
t la fonction que nous utilisons est la fonction
conomique du problme que nous voulons rsoudre l'aide
de l'
Exemple: Min
algorithme
.
x X
z x
z
x x
= +
{ }
( ) { }
( )
Un algorithme est au point si
) a la proprit que
) a la proprit que
alors .
Note: la notion de f
Df
erm
inition
eture p
: fer
our les multi applications correspond
c
m
k k
k
k k k
k
A x X
i x X x x
ii y A x y y
y A x
( )
( ) ( )
1 2
Exemple: 0, , 0,
2 2
1 1 3 3 5 5
2 , 2 , 1, ; 1,1 , , , , , , 2, 2
2 2 3 3
1 1 1 1 3 3 5 5
1 , 1 , 1, ; , , , ,
elle de continuit pour les fonct
,
2 2 2 2 4
n
6
o s.
4
i
6
k
k
x x
A x
x k
k k
y k
k k
( (
=
`
( (
)
| | | | | |
= =
| | |
\ \ \
| | | | | | | |
= =
| | |
\ \ \ \
( )
, , 1,1
|
( )
Supposons que
i) , un ensemble non vide ferm, et * l'ensemble
non vide des solutions;
ii)
Thor
un
me 3.8: Thorme de conv
algorithme dfini sur qui, partant d'un poin
ergence globale
n
X R X
A X
{ }
( )
0
1
t ,
gnre une suite de points comme suit:
si *, l'algorithme s'arrte
sinon, soit
remplacer par ( 1)
k
k
k k
x X
x
x X
x A x
k k
+
+
{ }
rpter le processus;
iii) la suite de points gnr par l'algorithme est contenu dans
un sous ensemble compact de ;
iv) il existe une fonction continue par rapport laquelle est un
k
x
X
z A
algorithme de descente.
Sous ces conditions, si la multi application est ferme aux points
n'appartenent *, alors
a) soit que l'algorithme s'arrte en un nombre fini d'itrations
A
X
{ }
{ }
un point de *,
b) soit qu'il gnre une suite infinie de points telle que
le point limite de toute sous-suite convergente de
appartient *.
k
k
X
x
x
X
{ }
point d'accumulation
point
Considrons une suite de points , 1, telle que
. Le point est un
( ) de
est un si tout point d'accumulation ensemble
(point
limit
limite) de appar
fer
tie
e
nt
m
k
k
x X k
x x x
X
X
X X
=
.
[ ]
a b
[ ]
1
Dans l'intervalle ferm ,
est un ensemble ferm.
R a b
[ ] [ ]
{ }
2
2
Dans l'ensemble
, : , , 0
est aussi un ensemble ferm.
R
x y R x a b y = =
{ }
point d'accumulation
point
Considrons une suite de points , 1, telle que
. Le point est un
( ) de
est un si tout point d'accumulation ensemble
(point
limit
limite) de appar
fer
tie
e
nt
m
k
k
x X k
x x x
X
X
X X
=
.
( )
{ }
est un ensemble ouvert si
, alors la boule ; .
n
n
X R
x X B x z R x z X
= <
( )
a b
( )
( )
( ) { } ( )
1
Dans l'intervalle ouvert ,
est un ensemble ouvert puisque
, , 0 tel que
: ,
R a b
x a b
B x z x z a b
>
= <
[ ] ( )
{ }
2
2
Dans l'ensemble
, : , , 0
n'est pas un ensemble ouvert puisque
nous ne pouvons pas bouger pour
modifier la valeur de
R
x y R x a b y
y
= =
( )
Supposons que
i) , un ensemble non vide ferm, et * l'ensemble
non vide des solutions;
ii)
Thor
un
me 3.8: Thorme de conv
algorithme dfini sur qui, partant d'un poin
ergence globale
n
X R X
A X
{ }
( )
0
1
t ,
gnre une suite de points comme suit:
si *, l'algorithme s'arrte
sinon, soit
remplacer par ( 1)
k
k
k k
x X
x
x X
x A x
k k
+
+
{ }
rpter le processus;
iii) la suite de points gnr par l'algorithme est contenu dans
un sous ensemble compact de ;
iv) il existe une fonction continue par rapport laquelle est un
k
x
X
z A
algorithme de descente.
Sous ces conditions, si la multi application est ferme aux points
n'appartenent *, alors
a) soit que l'algorithme s'arrte en un nombre fini d'itrations
A
X
{ }
{ }
un point de *,
b) soit qu'il gnre une suite infinie de points telle que
le point limite de toute sous-suite convergente de
appartient *.
k
k
X
x
x
X
{ } point d'accumulation
poin
Considrons une suite de points , 1, telle que
. Le point est un
( ) de
est un si tout point d'accumulati ensem on
(p
t
o
ble ferm
int limite) de appartient
li
mite
k
k
x X k
x x x
X
X
X
=
. X
Un ensemble est si , alors
.
Un ensemble est si
est un en
born
semble ferm et born
co
mpa
.
ct
x
x
<
{ } point d'accumulation
poin
Considrons une suite de points , 1, telle que
. Le point est un
( ) de
est un si tout point d'accumulati ensem on
(p
t
o
ble ferm
int limite) de appartient
li
mite
k
k
x X k
x x x
X
X
X
=
. X
( )
Supposons que
i) , un ensemble non vide ferm, et * l'ensemble
non vide des solutions;
ii)
Thor
un
me 3.8: Thorme de conv
algorithme dfini sur qui, partant d'un poin
ergence globale
n
X R X
A X
{ }
( )
0
1
t ,
gnre une suite de points comme suit:
si *, l'algorithme s'arrte
sinon, soit
remplacer par ( 1)
k
k
k k
x X
x
x X
x A x
k k
+
+
{ }
rpter le processus;
iii) la suite de points gnr par l'algorithme est contenu dans
un sous ensemble compact de ;
iv) il existe une fonction continue par rapport laquelle est un
k
x
X
z A
algorithme de descente.
Sous ces conditions, si la multi application est ferme aux points
n'appartenant *, alors
a) soit que l'algorithme s'arrte en un nombre fini d'itrations
A
X
{ }
{ }
un point de *,
b) soit qu'il gnre une suite infinie de points telle que
le point limite de toute sous-suite convergente de
appartient *.
k
k
X
x
x
X
Un ensemble est si , alors
.
Un ensemble est si
est un en
born
semble ferm et born
co
mpa
.
ct
x
x
<
+
+
= +
1
et en prenant un dans cette direction pour
s'loigner de .
Les mthodes diffrent par leurs choix de
direction
directio
pas
pas et de . n
k n
k
k
k
k
d R
d
x
R
Mthode de descente par coordonnes
1 2
est minimise pour chaque coordonne squentiellement.
Ainsi, les directions utilises en squence sont
1 0 0
0 1 0
, , , .
0 0 1
chaque fois que itrations sont compl
n
f
e e e
n
( ( (
( ( (
= = =
( ( (
( ( (
tes, la squence
est reprise.
1
0
tape 0 Soit : minimiser.
le niveau de tolerance
Choisir solution initiale
Poser 0
n
f R R
x
k
=
0
1
1
1
1
tape 1 a)
b) Pour 1
solution optimale de
Min ( )
c)
k
j
j j
R
j j j
j
k n
y x
j n
f y e
y y e
x y
+
=
=
+
= +
=
1 1
tape 2 Si , STOP et * .
Sinon 1, et reprendre tape 1.
k k k
x x x x
k k
+ +
< =
= +
k
x
=
0
y
1
y
2
y
=
+1 k
x
Mthode de Gauss-Seidel
La valeur de diminue mesure
que les courbes de niveau se
rapproche du centre des ellipses
f
1
0
tape 0 Soit : minimiser.
le niveau de tolerance
Choisir solution initiale
Poser 0
n
f R R
x
k
=
1
1
tape 1
a) Pour 1
solution optimale de
Min ( )
b) dfini comme suit
j
k j
R
k
j n
f x e
x
+
1
, 1, ,
k k
j j j
x x j n
+
= + =
1 1
tape 2 Si , STOP et * .
Sinon 1, et reprendre tape 1.
k k k
x x x x
k k
+ +
< =
= +
k
x
1
1
k
x e +
2
2
k
x e +
1 k
x
+
Mthode de Jacobi
La valeur de diminue mesure
que les courbes de niveau se
rapproche du centre des ellipses
f
3.2 Mthodes itratives de rsolution
{ }
1
0
1
1
Une pour optimiser une fonction :
gnre une suite de points o est un point initial choisi
dans et o
i.e., est gnr partir de en choisiss
mthode itr
ant
ative
une
k k
n
k
n
k k
k
k
f R R
d
x x
R
x
x
x
x
+
+
= +
1
et en prenant un dans cette direction pour
s'loigner de .
Les mthodes diffrent par leurs choix de
direction
directio
pas
pas et de . n
k n
k
k
k
k
d R
d
x
R
1
1
0
tape 0 Soit : minimiser.
Choisir solution initiale
Poser 0
n
f R R
f C
x
k
=
( )
tape 1 Si 0, alors l'algo.
s'arrte avec * .
k
k
f x
x x
=
=
( )
( )
( )
( ) { }
( )
0
1
tape 2 Dterminer tel que
Min .
Poser .
Poser 1.
Rpter l'tape 1.
k
k
k
k
k
k
k
k k
k
f x f x
f x f x
x x f x
k k
+
=
=
= +
k
x
1 k
x
+
2 k
x
+
( )
Note: En pratique, le critre d'arrt
l'tape 1 est souvent dfini en utilisant
un niveau de tolrance :
<
k
f x
La valeur de diminue mesure
que les courbes de niveau se
rapproche du centre des ellipses
f
( )
{ }
{ }
1
( ) Soit . Tout point limite *
d'une sous-suite convergente de la suite gnre par la mthode
du gradient est t
Preuve.
Lemme 3.
el que * 0.
Considrons la sou
9: Co
s-suit
nverg
e de
ence
tell
k
k j
f C x
f x
x x
=
{ }
{ }
{ }
{ } { }
1
1 1
e que
*.
Par consquent, se rfrant aux suites
, , , , ,
, , , , o .
k
j
k k k
k j j j
k k k k k
j j j j j
x x
x x x x
x x x x x
+ +
+
+ +
=
= =
{ }
{ }
{ }
{ }
{ }
{ } { }
{ }
( )
1
1 1
1
Considrons la sous-suite de telle que
*.
Par consquent, se rfrant aux suites
, , , , ,
, , , , o .
Ainsi, se rfrant la
Preuve.
suite
k
k j
k
j
k k k
k j j j
k k k k k
j j j j j
k
k k
j j
x x
x x
x x x x
x x x x x
x
f x f x
+ +
+
+ +
+
=
= =
=
( ) ( )
( ) ( )
( )
{ }
( ) ( )
( )
1
1
0
1
Min .
Donc
0.
k
j
k k k
j j j
k k k
j j j
f x
f x f x f x
f x f x f x
+ +
+
+
=
( ) ( ) ( )
( ) ( )
( )
{ }
( ) ( )
( )
( )
( )
( )
( )
( )
( )
( )
1
1
1
1
0
1
1
1
puisque 1
Min .
Ainsi
0.
Puisque , est continue sur et
lim *
lim * * 0.
Donc
*
k k
j j
j j
k k k
j j j
k k k
j j j
n
k
j
j
k k
j j
j
f x f x k k
f x f x f x
f x f x f x
f C f R
f x f x
f x f x f x f x
f x
+
+
+
+
+
+
+
=
=
(
=
(
( )
( )
( )
* * 0. 3.2 f x f x
( ) ( )
( )
( )
( ) ( )
( )
* * * 0. 3.2
Par consquent * 0 car autrement si * 0, alors
* est une direction de descente et se rfrant au lemme
3.2 nous obtenons une contradiction la relation (3.2).
f x f x f x
f x f x
f x
=
+
=
=
=
=
{ }
( ) ( ) ( )
( ) ( ) ( ) ( )
1 1
T
on : : 0
.
Par drivation en chane,
.
k k
k k k
R R
f x f x
f x f x f x
=
=
( ) ( ) ( ) ( ) avec
k k
f g g x s = = +
( ) ( ) ( ) ( )
( )
( )
( )
( ) ( ) ( ) ( ) ( )
T
T T
1
Par drivation en chane,
.
Puisque est un minimum local de , alors par le
lemme 3.3 0,
et alors
0 .
k k k
k
k
k k k k k
k k
f x f x f x
f x f x f x f x f x
+
= = =
=
=
( )
( )
rrespond
.
f x
f x
Mthode de Newton
2
Mthode de deuxime ordre supposant que et utilisant
l'information au niveau du Hessien de .
Extension directe de la mthode pour les fonctions
Mthode de
une s
Newto
eule
variable.
Processus i
n
t ra
f C
f
{ }
( ) ( ) ( ) ( ) ( )
0
1
T T
tif pour construire une suite de points en
partant d'un point dans le voisinage d'une solution optimale *.
Pour obtenir , considrons l'approximation quadratique de
1
2
k
k
k k k k
k
x
x x
x f
Q x f x f x x x x x
+
= + +
( )( )
2
.
k k
f x x x
( ) ( ) ( ) ( ) ( ) ( )( )
T T
2
Par le Thorme de Taylor, il existe un entre et tel que
1
2
k
k k k k k
z x x
f x f x f x x x x x f z x x = + +
{ }
0
1
Processus itratif pour construire une suite de points en
partant d'un voint dans le voisinage d'une solution optimale *.
Pour obtenir , considrons l'approximation quadrati
Mthode de N
q
ewton
k
k
x
x x
x
+
( ) ( ) ( ) ( ) ( ) ( )( )
( )
( ) ( ) ( )( )
( ) ( )
T T
2
1
1 2 1
1
1 2
ue de
1
.
2
est le point o le gradient de l'approximation s'annule:
0
ordre de convergenc
=
au moins ga e l 2 si :
k k k k k k
k
k
k
k k k k k
k
k k k k
f
Q x f x f x x x x x f x x x
x Q x
Q x f x f x x x
x x f x f x
+
+ +
+
= + +
= +
(
=
( )
0
est choisi
suffisemment prs de * o * 0.
x
x f x =
( ) ( ) ( )( )
2 k k k
k
Q x f x f x x x = +
( )
2
Note: le Hessien doit tre une matrice non-singulire.
k
f x
( ) ( ) ( )
( )
( )
( )
T
T T T
T
11 12 1 1
1 1 2 2
12 22
2 2
T
T
11 12 1 11 12 1
1 2 1
2
12 22 2 12 22
Supposons que la matrice est symetrique
1 1 1
2 2 2
1
,
2
1
, ,
2
k k k k k k
k
k k
k
k k
A
x x x x A x x x Ax x Ax x Ax
a a x x
x x x x
a a
x x
a a x a a x
x x x x
a a x a a
= = +
| |
(
=
|
(
\
( | | (
=
|
( (
\
( )
( ) ( )
( )
T
11 12 1
1 2
2 12 22
2
T T
2 2
11 12 1 11 12 1
11 1 12 1 2 22 1 1 2
2 2
12 22 2 12 22
2
11 1 12 2 11 1
12 1 22 2
1
,
2
1 1 1
, ,
2 2 2
k
k k
k
k
k k k k
k
k
a a x
x x
x a a
x
a a x a a x
a x a x x a x x x x x
a a x a a
x
a x a x a a
x x
a x a x
| |
| | (
+
|
|
(
\
\
| |
( | | (
= + + +
` |
|
( (
\ )
\
+
(
=
(
+
1
2
12 22
2
1
11 12 1 11 12
12 22 2 12 22
2
1 1
11 12
12 22
2
2
k
k
k
k
k
k
x
a a
x
x
a a x a a
a a x a a
x
x x
a a
a a
x x
| |
(
|
(
|
\
| |
( | | (
=
|
|
( (
|
\
\
| |
(
=
|
(
|
\
{ }
0
1
Processus itratif pour construire une suite de points en
partant d'un voint dans le voisinage d'une solution optimale *.
Pour obtenir , considrons l'approximation quadrati
Mthode de N
q
ewton
k
k
x
x x
x
+
( ) ( ) ( ) ( ) ( ) ( )( )
( )
( ) ( ) ( )( )
( ) ( )
T T
2
1
1 2 1
1
1 2
0
ue de
1
.
2
est celui o le gradient de l'approximation s'annule:
0=
ordre de convergenc au moins e: gal 2 si
k k k k k k
k
k
k
k k k k k
k
k k k k
f
Q x f x f x x x x x f x x x
x Q x
Q x f x f x x x
x x f x f x
x
+
+ +
+
= + +
= +
(
=
( )
est choisi
suffisemment prs de * o * 0. x f x =
( )
( ) ( )
0
1
2
Pour contrer la difficult de choisir dans le voisinage de *
o * 0.
Mthode itrative o la direction au point e
Mthode de Newton
st la suivante:
.
es
avec pas optim
t
al
k k
k k k
k
x x
f x
d x
d f x f x
d
=
(
=
( )
( )
( ) ( ) ( ) ( )
2
1
T T
2
bien une direction de descente si le Hessien est
une matrice positive dfinie et si 0:
0.
k
k
k k k k k
f x
f x
f x d f x f x f x
(
= <
( ) ( )
2 1
1
k k k k
f x f x x x
+
(
=
( )
( ) ( )
0
1
2
Pour contrer la difficult de choisir dans le voisinage de *
o * 0.
Mthode itrative o la direction au point e
Mthode de Newton
st la suivante:
.
Pas o
avec pas optimal
p
k k
k k k
x x
f x
d x
d f x f x
=
(
=
( ) ( ) ( )
( )
( ) ( )
( )
{ }
1
1 2
1
2
0
timal dfini comme suit:
Min .
au moins ordre de convergence gal : 2
k
k k k k
k
k k k
f x f x f x f x
f x f x f x
(
= =
(
( )
( )
0
2
Pour contrer la difficult de choisir dans le voisinage de *
o * 0.
Si le Hessien n'est pas
Mthode
une matr
de Newton modifie a
ice positive dfinie
ve
,
c
considrons la d
pas optimal
irecti
k
x x
f x
f x
=
( ) ( )
( )
1
2
k
2
on suivante au point :
o est la matrice identit et o 0 est la plus petite valeur
assurant que la matrice a toute ses valeurs
propres positives (i.e., es
k k
k k k
k
k
k
d x
d I f x f x
I
I f x
(
= +
(
+
ordre de convergence
t dfinie positive).
au moins gal : 2
( )
2
Plusieurs variantes existent. Voici celle de Fletcher-Powell.
viter de calculer le Hessien et son inverse chaque
itration. Nous utilisons plutt un
Mtho
e mat
de Quasi-
rice
N
dfinie
ewt
p s
on
o
k
k
f x
H
itive
qui est modifie d'une itration l'autre.
( )
1 2 0
0
0 0
tape 0. Soit : et . Soit = . Choisissons une
solution initiale .
Si 0, alors l'algo. s
Mthode Quasi-New
'arrte et alors * .
Sinon, 0.
tape
ton
1
n
n
f R R f C H I
x R
f x x x
k
= =
=
( )
( ) ( ) { }
( )
0
1
1
. Dnotons .
Dterminons le pas optimal dans la direction :
Min .
tape 2. Posons = .
Si 0, alors l'algo. s'arrte et alors *
k k k
k
k
k k k k
k
k k k
k
k
s H f x
s
f x s f x s
x x s
f x x
+
+
=
+ = +
+
= =
1
.
k
x
+
( )
( ) ( )
( )
1
1 1
1
1
T
2
T
T
T
tape 2. Posons = .
Si 0, alors l'algo. s'arrte et alors * .
tape 3. Posons
o
et .
k k k
k
k k
k k k
k k k k
k k
k
k
k k
k
k k k k
k
k k k
x x s
f x x x
y f x f x
H H A B
s s
A
s y
H y H y
B
y H y
+
+ +
+
+
+
= =
=
= + +
=
=
Remplacer par 1 et reprendre l'tape 1. k k +
( )
( )
( )
( )
( ) ( ) ( )
T
T T
Si est dfinie positive et 0 , alors est
une direction de descente i.e., 0 .
Par dfinition . Donc
0
sous les hypothses que
Preu
Lem
ve
me 3.
e
1
t
.
.
s
1
d
k k k
k k k
k k k
k k k k k
k
H f x s
x f x s
s H f x
f x s f x H f x
H
<
=
= <
( )
finie positive et 0.
k
f x
( )
1
Le prochain rsultat indique que la direction est
perpendiculaire au .
k
k
s
f x
+
( )
( )
( ) ( )
T
1
Si est dfinie positive, alors 0.
Si 0, la preuve est complte.
Si 0, dfinissons
Preuv
la fonction p
Lemme 3
e
our 0
.
12
.
.
.
:
k k k
k
k
k k
H s f x
s
s
f x s
+
=
=
= +
( )
{ }
( ) ( )
T
1
1 1
1 1
Si est dfinie positive, alors 0.
Si =0, la preuve est complte.
Si
Lemme
0, considrons la fonction : : 0 :
.
Puisque : , par drivation e
Pre
3.12.
n ch
uv .
e
e
a n
k k k
k
k
k k
H s f x
s
s R R
f x s
R R
+
=
= +
( ) ( )
( )
( )
( ) ( ) ( )
T
T T
1
.
Puisque est un minimum local de , alors par le
lemme 3.3, 0 et alors
0= .
k k k
k
k
k k k k k
k k
s f x s
s f x s s f x
+
= +
= + =
( ) ( ) { }
0
Min
k k k k
k
f x s f x s
+ = +
( ) ( ) ( ) ( ) avec
k k
f g g x s = = +
0
T 1 T T T
2 T
T
est dfinie positive , 0,1, 2, .
Preuve par induction sur .
Pour =0, = est dfinie positive.
Supposons que est dfinie positive. Alor
P
Lemme 3.
reuve.
3
s
1 .
k
k
k k k k
k
k
k
H k
k
k H I
H
x H x x H x x A x x B x
x s
x H x
+
=
= + +
= +
( )
( )
( )
T
T
T
T T
2
T
T T T
T T
T T
2 T
T T
.
Mais puisque est dfinie positive, il dcoule de l'ingalit
de Schwartz que
0.
k k k k
k
k k k k k
k
k
k k k k k k k k
k
k k k k k
k
k
k k k k k k
x H y H y x
s x
s y y H y
s x
x H x y H y x H y y H x
y H y s y
H
x H x y H y x H y
= +
T
2
T
k k
k
k
k k
k
s s
A
s y
=
( )
T
T
k k k k
k
k k k
H y H y
B
y H y
=
( )
( )
( )
2
T
T T T
T T
T 1
T T
2 T
T T
2
T
T 1
T
.
Mais puisque est dfinie positive, il dcoule de l'ingalit
de Schwartz que
0.
Il s'ensuit que
.
Or
k
k k k k k k k k
k
k
k k k k k
k
k
k k k k k k
k
k
k
k k
k
k
s x
x H x y H y x H y y H x
x H x
y H y s y
H
x H x y H y x H y
s x
x H x
s y
+
+
= +
( ) ( )
( )
( )
T T
1
T
1
T
puisque =0
par le lemme 3.12
puisque par le lemme 3.11 est une
> 0
direction de descente et que 0
k k k k k
k
k k
k k
k
k
k
s y s f x f x
s f x
s f x
s
+
+
(
=
| |
=
|
\
| |
>
\
|
( ) ( )
1 k k k
y f x f x
+
=
( )
( )
( )
2
T
T 1
T
T
T
T
1
1
Jusqu'ici nous avons tabli que
et que 0.
Donc si 0, alors la preuve est complte.
Par contre, si 0, puisque 0 par le lemme 3.12,
alors .
Rev
k
k
k
k k
k
k k
k
k
T
k k k
k
s x
x H x
s y
s y
s x
s x s f x
x f x
+
+
+
>
= =
=
( )
2
T
T T
T T
T 1
T T
k
T T
T T
T
enons l'expression originale
k
k k k k k k k k
k
k
k k k k k
k k k k k k k k
k k k
s x
x H x y H y x H y y H x
x H x
y H y s y
x H x y H y x H y y H x
y H y
+
= +
=
( )
( )
( )
T
1
1
2
T
T T
T T
T 1
T T
k
T T
T T
T
Par contre, si 0, puisque 0 par le lemme 3.12,
alors .
Revenons l'expression originale
T
k k k
k
k
k k k k k k k k
k
k
k k k k k
k k k k k k k k
k k
s x s f x
x f x
s x
x H x y H y x H y y H x
x H x
y H y s y
x H x y H y x H y y H x
y H y
+
+
+
= =
=
= +
=
( )
( )
1
2 T
T T
T T
T T
T 1
T
Substituant dans l'expression
on vrifie que cette dernire est positive.
Alors la preuve est complte puisque
0.
k
k
k k k k k k
k k k k k k k k
k
k k k
x f x
x H x y H y x H y
x H x y H y x H y y H x
x H x
y H y
+
+
=
= >
1
) Il est possible de dmontrer que si : est
quadratique et possde un minimum *, alors la
mthode dtermine * en itrations.
) Pour des fonctions gnrale
Notes
s, il est poss b
.
i
n
i f R R
x
x n
ii
le de dmontrer
que cette mthode a un ordre de convergence super linaire.
( )
T T
Type de mthodes prsent dans le cadre de la programmation
quadratique :
1
2
o est une matrice symtrique dfinie positive.
tant donn une
Mthodes de gradients conjugus
Dfinit ma ion: t
f x x Qx b x
Q n n
=
1 2
T
1 2
T T
1 2 1 2 1 2
1
Note.
rice symtrique , deux vecteurs
et sont ou si
0.
et sont orthogonaux si
-orthogonaux conjugu
0
Le vec
s par rapport
teurs unitaires , , qui sont orthogonaux deux
n
Q
d d
d Qd
d d d d d Id
e e
Q Q
=
= =
=
{ }
( )
( )
( )
( )
0
1
T T
T T
2
T T
onn un point
quelconque, la suite gnre comme suit
0,1, , 1
o
,
1
converge vers l'unique minimum * de
2
aprs itrations i.e., *
n
k
k k k
k
k k k k
k
k k k k k
x R
x
x x d k n
f x d Qx b d
d f x d d Qd
x f x x Qx b x
n x
= + =
= =
( )
.
n
x =
( )
( )
( )
T T
2
1
2
f x x Qx b x
f x Qx b
f x Q
=
=
=
{ }
1
0
T
Mais comment dfinir un tel ensemble de vecteurs
-orthogonaux deux deux?
Il est possible de dmontrer que la mthode suivante gnre
un tel ensemble tout en rsolvant le problme
1
Min
2
n
k
k
n
x R
d n
Q
x
T
. Qx b x
`
)
( )
( )
( ) ( )
T T
0
0 0
T
0
T
1
1
tape 0. Soit . Choisir une solution
2
initiale .
1
Mtho
Dfinir
de du gradient conjug
.
Poser 0.
tape 1.
pou
r :
2
n
k k k
k
f x x Qx b x
x R
d f x Q
f x x Qx b
d
x
x b
k
x x
+
=
= =
=
= +
=
( )
( )
( )
T T
T T
2
o
k k k k
k
k k k k k
f x d Qx b d
d f x d d Qd
= =
( )
( )
( )
T T
2
1
2
f x x Qx b x
f x Qx b
f x Q
=
=
=
( )
( )
( )
( )
( ) ( )
( )
( )
1
T T
T T
2
1 1
T T
1 2 1
T T
2
tape 1.
o
o .
tape 2. Si ( 1) , a
k k k
k
k k k k
k
k k k k k
k k k
k
k k k k k
k
k k k k k
x x d
f x d Qx b d
d f x d d Qd
d f x d
f x f x d f x Qd
d f x d d Qd
k n
+
+ +
+ +
= +
= =
= +
= =
+ = lors * .
Si ( 1) , alors remplacer par 1 et
reprendre l'tape 1.
n
x x
k n k k
=
+ < +
( )
( )
( )
T T
2
1
2
f x x Qx b x
f x Qx b
f x Q
=
=
=
( )
2
0
0 0
2
tape 0. Soit .
Choisir une solution initiale .
Poser 0.
tape 1. a) P
Mthode du gradient conjug pour
oser et
b) Pour
quel
0
c n ue :
o q
n
k k
f C
x R
k
y x d f x
j n
f C
=
= =
=
( )
( )
1
T
T
2
1
o
j j j
j
j j
j
j j j
y y d
f y d
d f y d
+
= +
( )
( )
( )
( )
0 0
1
T
T
2
1 1
tape 1. a) Poser et
b) Pour 0 1
o
o
k k
j j j
j
j j
j
j j j
j j j
j
y x d f x
j n
y y d
f y d
d f y d
d f y d
+
+ +
= =
=
= +
= +
( ) ( )
( )
( )
T
1 2
T
2
1
1 1
.
c)
tape 2. Si 0, alors l'algo. s'arrte avec * .
Sinon remplacer par 1 et reprendre l'tape 1.
j j j
j
j j j
k n
k k
f y f y d
d f y d
x y
f x x x
k k
+
+
+ +
=
=
= =
+
( )
1
0
Dans plusieurs mthodes itratives, pour identifier il f
Optimisation unidimentionnelle approximative
(Inaccurate lin
aut
rsoudre le problme unidimentionnelle (line search)
Min
e searc
M
h):
in
k
x
+
> >
=
( ) ( ) ( )
0
afin de dterminer le pas optimal.
Il peut tre avantageux d'utiliser une approximation de en
completant une optimisation approximative comme suit.
Rappel: approximation linaire
k k k k
k k
k
f x d f x d
+ = + =
( ) ( ) ( )
de 0 est obtenue partir
du dveloppement de Taylor d'ordre 1:
0 0 .
+
( ) ( ) ( )
= 0 0
+
( ) ( )
0 0
+
( )
( ) ( ) ( )
Rappel: approximation linaire de 0 est obtenue partir
du dveloppement de Taylor d'ordre 1:
0 0 .
Pour dterminer une approximation acceptable du pas optimal
, nous considrons l'approximat
k
+
( ) ( ) ( )
ion suivante de :
= 0 0
pour une valeur fixe de entre 0 et 1 ( 0.2, par exemple).
+
=
( )
( )
( ) ( ) ( ) ( )
Une valeur est
,
si n'excde pas
acceptable
tout e
l'approximation
n n'tant pas trop
; i.e.,
=
grand
0 0
e
+
( ) ( )
( ) ( ) ( ) ( ) ( )
Une valeur est ,
= 0 0
acceptable tou
3.3
Pour s'assurer que la valeur de ch
t en n'tant pas trop gr
oisie n'est p
an
as
de
+
( ) ( ) ( ) ( )
doit satisfaire un des tests additionnels suivants:
la valeur est telle que
= 0 0 (3.4)
o >1 ( =2, pa
trop
Rg
r exemp
le d'
petit
Arm
l
e
j
e)
i
o:
> +
( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
Rgle d'Armijo:
= 0 0 3.3
la valeur est telle que
= 0 0 (3.4)
o >1 ( =2, par ex
> +
emple)
Ainsi, si est multipli par
un facteur gal a , alors
la relation (3.3) n'est plus
vrifie.
( ) ( ) ( )
= 0 0
+
( ) ( )
0 0
+
( )
valeurs acceptables de
( ) ( ) ( )
= 0 0
+
( ) ( )
0 0
+
( )
valeurs acceptables de
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
Implmentation de la rgle d'
= 0 0 3.3
= 0 0 (3.4)
Choisir une certaine valeur
Armi
de
Si (3.3) est satisfaite, multiplier r
jo:
p
> +
2 4
Le pas 2 satisfait la condition d'Armijo
( ) ( ) ( )
= 0 0
+
( ) ( )
0 0
+
( )
valeurs acceptables de
1
2
1
Le pas satisfait la condition d'Armijo
2
= 0 0 3.3
= 0 0 (3.4)
> +
( ) ( )
( ) ( ) ( ) ( ) ( )
Une valeur est ,
= 0 0
acceptable tou
3.3
Pour s'assurer que la valeur de ch
t en n'tant pas trop gr
oisie n'est p
an
as
de
+
( ) ( ) ( ) ( )
doit satisfaire un des tests additionnels suivants:
la valeur est telle que
0 1 0
Rgle de Gold
trop petite
(3.
stein:
5)
1
o 0
2
> +
< <
( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( )
Rgle de Golds
= 0 0 3.3
la valeur est telle que
0 1 0
tein:
(3.5)
1
o 0
2
> +
< <
( ) ( ) ( )
= 0 0
+
( ) ( )
0 0
+
( )
valeurs acceptables de
( ) ( ) ( )
0 1 0
+
( ) ( )
( ) ( ) ( ) ( ) ( )
Une valeur est ,
= 0 0
acceptable tou
3.3
Pour s'assurer que la valeur de ch
t en n'tant pas trop gr
oisie n'est p
an
as
de
+
( ) ( ) ( )
doit satisfaire un des tests additionnels suivants:
la valeur est telle que
1 0 (3.6)
1
o
Rgle de Wol
tr
0
2
op pe
e:
e
f
tit
< <
( ) ( )
( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
Rgle de Wolfe:
= 0 0 3.3
la valeur est telle que
1 0 (3.6)
1
o 0
+
< <
2
( ) ( ) ( )
= 0 0
+
( ) ( )
0 0
+
( )
valeurs acceptables de
( ) ( )
1 0