logo

Crowdly

Browser

Add to Chrome

APM_43035_EP - Optimisation et Contrôle (2024-2025)

Looking for APM_43035_EP - Optimisation et Contrôle (2024-2025) test answers and solutions? Browse our comprehensive collection of verified answers for APM_43035_EP - Optimisation et Contrôle (2024-2025) at moodle.polytechnique.fr.

Get instant access to accurate answers and detailed explanations for your course questions. Our community-driven platform helps students succeed!

Soit un Lagrangien {\cal L}(v,q){\cal L}(v,q) défini de V\times R^MV\times R^M dans RR.

Le lemme de dualité faible affirme que:

0%
0%
0%
View this question

On considère le problème de minimisation

\inf_{v\in K} J(v) \quad \text{ avec } \quad K=\{v\in V, \ F(v)\leq0 \}\inf_{v\in K} J(v) \quad \text{ avec } \quad K=\{v\in V, \ F(v)\leq0 \}

F(v) =(F_1(v),...,F_M(v))F(v) =(F_1(v),...,F_M(v)) est une fonction de VV dans R^MR^M. Pour un point de minimum local u\in Ku\in K, on écrit la condition d'optimalité avec un multiplicateur de Lagrange \lambda\in R^M\lambda\in R^M.

Qu'appele-t-on "condition de complémentarité" ?

0%
0%
0%
View this question

Donner la bonne condition qui permet d'affirmer qu'une fonction JJ d'un espace de Hilbert VV dans RR est différentiable  au sens de Fréchet.

0%
0%
0%
View this question

Lorsque l'on minimise une fonction différentiable JJ d'un espace de Hilbert VV dans RR sur un ensemble convexe K\subset VK\subset V, un point de minimum u\in Ku\in K vérifie l'inéquation d'Euler qui s'écrit

 \langle J'(u) , v-u \rangle \geq 0 \quad \text{ pour tout } v\in K \langle J'(u) , v-u \rangle \geq 0 \quad \text{ pour tout } v\in K

Cochez toutes les affirmations correctes ci-dessous. 

0%
0%
View this question

Une fonction convexe vérifie une ou plusieurs des propriétés ci-dessous. Cocher toutes les bonnes réponses:

0%
0%
0%
View this question

On considère le problème d'optimisation sous contrainte d'égalité

\inf_{F(v)=0} J(v) \inf_{F(v)=0} J(v)

JJ est une fonction d'un espace de Hilbert VV dans RR et FF est une fonction de VV dans R^MR^M.

Une condition d'optimalité en un point de minimum local u\in Vu\in V s'écrit

J^\prime(u)+\sum^M_{i=1}\,\lambda_iF^\prime_i(u)=0J^\prime(u)+\sum^M_{i=1}\,\lambda_iF^\prime_i(u)=0

où les réels \lambda_i\lambda_i sont les multiplicateurs de Lagrange.

Quelle est la condition suffisante parmi celles ci-dessous qui permet d'affirmer la véracité de cette condition d'optimalité ?

0%
0%
0%
0%
0%
View this question

Soit la fonction de R^nR^n dans RR définie par


J(x) = \frac12 Ax\cdot x - b\cdot (Bx )

J(x) = \frac12 Ax\cdot x - b\cdot (Bx )

AA est une matrice symétrique, BB est une matrice quelconque et b\in R^n.b\in R^n.

Sa dérivée est:

0%
0%
0%
View this question

Pour une fonction convexe, définie sur tout l'espace, il n'y a pas de différence entre un minimum local et un minimum global.

0%
0%
View this question

Une fonction convexe, définie sur tout l'espace et localement bornée, peut ne pas être continue.

100%
0%
View this question

Soit KK un sous-ensemble non-vide et borné de R^nR^n. Soit JJ une fonction continue sur R^nR^n.

Il existe toujours un point de minimum u\in Ku\in K de JJ sur KK, c'est-à-dire que 

J(u) \leq J(v) \quad \forall v\in K .J(u) \leq J(v) \quad \forall v\in K .

100%
0%
View this question

Want instant access to all verified answers on moodle.polytechnique.fr?

Get Unlimited Answers To Exam Questions - Install Crowdly Extension Now!

Browser

Add to Chrome