modélisation et optimisation 1-611-09 - hec
TRANSCRIPT
Modélisation et optimisation
1-611-09
Séance 1
Optimisation d’une
fonction d’une seule
variable
Plan
1.1 Introduction
1.2 Conditions d’optimum du premier ordre
1.3 Nature des optima locaux
1.4 Conditions d’optimum du second ordre
1.5 Analyse de convexité
1.6 Conditions d’optimum d’ordre supérieur
1.7 Résumé des étapes d’optimisation
Cours 1-611-09 2 HEC Montréal
1.1 Introduction
• L’optimisation est l'étude des minima et maxima d’une fonction.
• Qu’est-ce qu’un minimum local, minimum absolu, maximum local, maximum absolu?
Cours 1-611-09 3
f atteint un maximum absolu en Ax * si )()( *xfxf Ax .
f atteint un minimum absolu en Ax * si )()( *xfxf Ax .
f admet un maximum local en Ax * si )()( *xfxf Ax voisin de *x .
f admet un minimum local en Ax * si )()( *xfxf Ax voisin de *x .
HEC Montréal
1.1 Introduction
Cours 1-611-09 4
-100
0
100
200
300
400
500
600
-6 -4 -2 0 2 4 6 8x
f(x)
Optimum Minimum ou maximum Local ou absolu
x = -6
x = -4
x = 2
x = 8
HEC Montréal
1.2 Conditions d’optimum du premier
ordre
Cours 1-611-09 5
Un optimum peut se retrouver en 3 types de points :
i) Bornes : extrémités d’un domaine fermé
ii) Point critique : point où la dérivée n’existe pas
iii) Point stationnaire : point où la dérivée s’annule
Théorème 1.1 : Condition (nécessaire) d'optimum du premier ordre
Si Af : admet un optimum local en *x et si )( *xf existe,
alors on a nécessairement 0)( * xf .
HEC Montréal
1.3 Nature des optima locaux
Cours 1-611-09 6
i) Comment identifier les bornes et leur nature?
Identification?
Borne inférieure : ext. de gauche du domaine fermé
Borne supérieure : ext. de droite du domaine fermé
Nature ?
Borne inférieure : signe de dérivée à droite
Borne supérieure : signe de dérivée à gauche
HEC Montréal
1.3 Nature des optima locaux
Cours 1-611-09 7
i) Comment identifier les bornes et leur nature?
Ex 1 :
Identification?
Borne inférieure :
Borne supérieure :
Nature ?
Borne inférieure :
Borne supérieure :
100,0pour 2)( xxxf
HEC Montréal
1.3 Nature des optima locaux
Cours 1-611-09 8
i) Comment identifier les bornes et leur nature?
Ex 2 :
Identification?
Borne inférieure :
Borne supérieure :
Nature ?
Borne inférieure :
Borne supérieure :
5,1pour12
1,5pour164)(
2
34
xxx
xxxxf
-150
-100
-50
0
50
100
-6 -4 -2 0 2 4 6
HEC Montréal
1.3 Nature des optima locaux
Cours 1-611-09 9
ii) Comment identifier les points critiques et leur nature?
Identification?
cas 1 : dérivée tend vers l’infini (division par zéro dans la
dérivée)
cas 2 : dérivée à gauche ≠ dérivée à droite (point de coupure)
Nature ?
cas 1 : pas vu dans ce cours
cas 2 : Comparer le signe de la dérivée à gauche et de la
dérivée à droite
HEC Montréal
1.3 Nature des optima locaux
Cours 1-611-09 10
51pour122
15pour124)('
23
xx
xxxxf
-150
-100
-50
0
50
100
-6 -4 -2 0 2 4 6
ii) Comment identifier les points critiques et leur nature?
Suite de l’exemple 2
Identification?
Nature ?
5,1pour12
1,5pour164)(
2
34
xxx
xxxxf
HEC Montréal
1.3 Nature des optima locaux
Cours 1-611-09 11
iii) Comment identifier les points stationnaires et leur nature?
Identification?
Trouver les points qui annulent la dérivée première (résolution
d’une équation à un inconnu)
Nature ?
Utilisation des conditions d’optimum du second ordre, de
l’analyse de convexité ou des conditions d’optimum d’ordre
supérieur (sections 1.4 à 1.6) .
HEC Montréal
1.4 Conditions d’optimum du second
ordre
Cours 1-611-09 12
Théorème 1.2 : Condition (suffisante) d'optimum du second ordre
Soit *x un point stationnaire et f dérivable deux fois :
si 0)( * xf , alors *x est un minimum local.
si 0)( * xf , alors *x est un maximum local.
HEC Montréal
1.4 Conditions d’optimum du second ordre
Cours 1-611-09 13
Ex 3 :
Identification des points stationnaires :
xxxxxf pour 364)( 234
HEC Montréal
1.4 Conditions d’optimum du second ordre
Cours 1-611-09 14
Suite ex 3 :
Nature des points stationnaires :
xxxxxf pour 364)( 234
xxxxf 72124)( 23
-1000
-800
-600
-400
-200
0
200
400
600
-5 -3 -1 1 3 5 7 f(x)
f''(x)
HEC Montréal
1.5 Analyse de convexité
Cours 1-611-09 15
Théorème 1.3 : Soit *x un point stationnaire de )(xf .
Si )(xf est convexe, alors *x est un minimum absolu.
Si )(xf est concave, alors *x est un maximum absolu.
Théorème 1.4 : Soit )(xf une fonction deux fois dérivable sur A.
)(xf est convexe 0)( xf , Ax ;
)(xf est concave 0)( xf , Ax .
HEC Montréal
1.5 Analyse de convexité
Cours 1-611-09 16
Ex 4 :
Identification des points stationnaires:
Nature des points stationnaires :
xxxxf où76)( 2
-5
0
5
10
15
20
25
-4 -2 0 2 4 6 8 10
HEC Montréal
1.5 Analyse de convexité
Cours 1-611-09 17
Ex 5 :
Identification des points stationnaires:
Nature des points stationnaires :
8,0où)4(2)( 4 xxxf
HEC Montréal
1.5 Analyse de convexité
Cours 1-611-09 18
Ex 6 :
Identification des points stationnaires:
Nature des points stationnaires :
4,4où)25ln()( 2 xxxf
HEC Montréal
1.5 Analyse de convexité
Cours 1-611-09 19
Ex 7 :
Identification des points stationnaires:
Nature des points stationnaires :
xxxf où)1()( 3
-250
-200
-150
-100
-50
0
50
100
-6 -4 -2 0 2 4 6
HEC Montréal
Retour sur ex 3 :
Max local en
Min locaux en
Intervalles de convexité?
1.5 Analyse de convexité
Cours 1-611-09 20
xxxxxf pour 364)( 234
xxxxf 72124)( 23
-1000
-800
-600
-400
-200
0
200
400
600
-5 -3 -1 1 3 5 7 f(x)
f''(x)
722412)( 2 xxxf
0x
6et 3 xx
HEC Montréal
1.6 Conditions d’optimum d’ordre
supérieur
Cours 1-611-09 21
Théorème 1.5 : Conditions (suffisantes) d’optimum d’ordre supérieur
Soit )(xf dérivable n fois et *x un point stationnaire :
1. Trouver la première dérivée non nulle de )(xf en*x ,
et soit nr l’ordre de cette dérivée.
2. Si r est pair alors *x est un : maximum local si 0)( *)( xf r
;
minimum local si 0)( *)( xf r.
Si r est impair, alors *x est un point singulier.
HEC Montréal
1.6 Conditions d’opt. d’ordre supérieur
Cours 1-611-09 22
Fin ex 2 :
Identification des points stationnaires:
51pour122
15pour124)('
23
xx
xxxxf
5,1pour12
1,5pour164)(
2
34
xxx
xxxxf
HEC Montréal
1.6 Conditions d’opt. d’ordre supérieur
Cours 1-611-09 23
Fin ex 2 :
Nature des points stationnaires :
-150
-100
-50
0
50
100
-6 -4 -2 0 2 4 6
5,1pour12
1,5pour164)(
2
34
xxx
xxxxf
51pour122
15pour124)('
23
xx
xxxxf
HEC Montréal
1.7 Étapes d’optimisation
Soit une fonction f(x), suivre les étapes suivantes pour optimiser cette fonction :
Étape 1 : Identification des points stationnaires
identifier les points stationnaires (f’(x) = 0) inclus dans le domaine sans déterminer leur nature et aller à l’étape 2.
Étape 2 : Identification des points critiques
identifier les points critiques (f’(x) n’existe pas ) inclus
dans le domaine sans déterminer leur nature :
– Si la fonction possède un seul point stationnaire et
aucun point critique, aller à l’étape 3.
– Sinon, aller à l’étape 4.
Cours 1-611-09 24 HEC Montréal
1.7 Étapes d’optimisation
Étape 3 : Nature des points par la convexité
vérifier si f(x) est convexe partout (f’’(x) ≥ 0) ou concave
partout (f’’(x) ≤ 0 ).
– Si f(x) est convexe partout, le point stationnaire est un
minimum absolu et les deux bornes des maximums
locaux. Aller à l’étape 5 pour identifier le maximum
absolu.
– Si f(x) est concave partout, le point stationnaire est un
maximum absolu et les deux bornes des minimums
locaux. Aller à l’étape 5 pour identifier le minimum
absolu.
– Si la convexité de f(x) change, aller à l’étape 4.
.
Cours 1-611-09 25 HEC Montréal
1.7 Étapes d’optimisation
Étape 4 : Nature locale des points
identifier la nature locale de chaque candidat individuellement :
– Borne inférieure : regarder le signe de la dérivée à droite pour
déterminer si le point est un min. local ou un max. local;
– Borne supérieure : regarder le signe de la dérivée à gauche
pour déterminer si le point est un min. local ou un max. local;
– Point critique : comparer les signes des dérivées à gauche et à
droite pour déterminer si le point est un min. local, un max. local
ou ni l’un, ni l’autre;
– Point stationnaire : utiliser les conditions d’optimum d’ordre
supérieur (théorème 1.5) pour déterminer si le point est un min.
local, un max. local ou un point singulier.
Une fois la nature locale de chaque candidat identifiée, aller à
l’étape 5.
.
Cours 1-611-09 26 HEC Montréal
1.7 Étapes d’optimisation
Étape 5 : Identification des min et max absolus
• Si la fonction est définie et continue partout sur le domaine et
que le domaine est fermé, il suffit de calculer la valeur de f(x)
en chacun des minimums locaux pour trouver le minimum
absolu et calculer la valeur de f(x) en chacun des maximums
locaux pour trouver le maximum absolu.
Remarque : Si le domaine est ouvert ou non-borné, la
fonction pourrait ne pas posséder de minimum absolu et/ou
de maximum absolu.
Cours 1-611-09 27 HEC Montréal
1.7 Étapes d’optimisation
Remarques
• Un croquis du graphique de la fonction pourrait aider à détecter des erreurs éventuelles (ex : deux maximums qui se suivent, deux minimums qui se suivent, …).
• Certaines étapes pourraient se faire plus rapidement (ex : la nature des bornes peut être déduite aisément connaissant la nature locale de tous les points stationnaires et de tous les points critiques). Les étapes données dans ce résumé constituent la démarche complète. L’utilisation de cette démarche permet d’éviter la multiplication des erreurs et parfois même de détecter certaines erreurs.
Cours 1-611-09 28 HEC Montréal