Mediaspace scheduled maintenance: Aug 25, 2026 07:00 - 12:00 AM. During this time, videos will be temporarily unavailable. Check status updates.

Séance de cours

Deux inégalités et un cône réalisable : une approche linéarisée

Dans cours

MATH-329: Continuous optimization

This course introduces students to continuous, nonlinear optimization. We study the theory of optimization with continuous variables (with full proofs), and we analyze and implement important algorithms to solve constrained and unconstrained problems. ...

Description

Cette séance de cours couvre deux inégalités, le cône réalisable linéarisé et la Qualification de Contrainte (CQ). Il explique le concept de directions réalisables, le cône réalisable linéarisé et la condition CQ. Linstructeur discute des exemples et des conditions dans lesquelles le CQ tient, en soulignant limportance de lindépendance linéaire dans la détermination de lensemble réalisable.

Cette vidéo est disponible exclusivement sur Mediaspace pour un public restreint. Veuillez vous connecter à Mediaspace pour y accéder si vous disposez des autorisations nécessaires.

Regarder sur Mediaspace

Enseignant·e

Nicolas Boumal

Source officielle

Concepts associés (21)

Combinaison linéaire

En mathématiques, une combinaison linéaire est une expression construite à partir d'un ensemble de termes en multipliant chaque terme par une constante et en ajoutant le résultat. Par exemple, une combinaison linéaire de x et y serait une expression de la forme ax + by, où a et b sont des constantes. Le concept de combinaison linéaire est central en algèbre linéaire et dans des domaines connexes des mathématiques. La majeure partie de cet article traite des combinaisons linéaires dans le contexte d'espace vectoriel sur un corps commutatif, et indique quelques généralisations à la fin de l'article.

Optimisation convexe

vignette|320x320px|Optimisation convexe dans un espace en deux dimensions dans un espace contraint L'optimisation convexe est une sous-discipline de l'optimisation mathématique, dans laquelle le critère à minimiser est convexe et l'ensemble admissible est convexe. Ces problèmes sont plus simples à analyser et à résoudre que les problèmes d'optimisation non convexes, bien qu'ils puissent être NP-difficile (c'est le cas de l'optimisation copositive). La théorie permettant d'analyser ces problèmes ne requiert pas la différentiabilité des fonctions.

Indépendance linéaire

En algèbre linéaire, étant donné une famille de vecteurs d'un même espace vectoriel, les vecteurs de la famille sont linéairement indépendants, ou forment une famille libre, si la seule combinaison linéaire de ces vecteurs qui soit égale au vecteur nul est celle dont tous les coefficients sont nuls. Cela revient à dire qu'aucun des vecteurs de la famille n'est combinaison linéaire des autres. Dans le cas où des vecteurs ne sont pas linéairement indépendants, on dit qu'ils sont linéairement dépendants, ou qu'ils forment une famille liée.

Optimisation (mathématiques)

L'optimisation est une branche des mathématiques cherchant à modéliser, à analyser et à résoudre analytiquement ou numériquement les problèmes qui consistent à minimiser ou maximiser une fonction sur un ensemble. L’optimisation joue un rôle important en recherche opérationnelle (domaine à la frontière entre l'informatique, les mathématiques et l'économie), dans les mathématiques appliquées (fondamentales pour l'industrie et l'ingénierie), en analyse et en analyse numérique, en statistique pour l’estimation du maximum de vraisemblance d’une distribution, pour la recherche de stratégies dans le cadre de la théorie des jeux, ou encore en théorie du contrôle et de la commande.

Optimisation combinatoire

L’optimisation combinatoire, (sous-ensemble à nombre de solutions finies de l'optimisation discrète), est une branche de l'optimisation en mathématiques appliquées et en informatique, également liée à la recherche opérationnelle, l'algorithmique et la théorie de la complexité. Dans sa forme la plus générale, un problème d'optimisation combinatoire (sous-ensemble à nombre de solutions finies de l'optimisation discrète) consiste à trouver dans un ensemble discret un parmi les meilleurs sous-ensembles (ou solutions) réalisables, la notion de meilleure solution étant définie par une fonction objectif.

Afficher plus

Séances de cours associées (33)

Théorème des multiplicateurs Lagrange

Explore le théorème des multiplicateurs de Lagrange, couvrant les conditions extrêmes et les interprétations géométriques.

Dépendance linéaire et indépendance : propriétés et critères MOOC: Algèbre Linéaire (Partie 1)

Couvre les propriétés et les critères de la dépendance linéaire et de l'indépendance dans un espace vecteur.

Contraintes linéaires : élimination des variables MOOC: Optimisation : principes et algorithmes - Optimisation linéaire

Explique les contraintes linéaires et l'élimination des variables dans les problèmes d'optimisation, illustrant le processus étape par étape.

Optimisation linéaire: Dérivés directionnels

Explore les dérivés directionnels dans l'optimisation linéaire pour l'optimisation des fonctions dans des directions spécifiques.

Indépendance linéaire et base

Explique l'indépendance linéaire, la base et le rang matriciel avec des exemples et des exercices.

Afficher plus

Concepts associés (21)

Combinaison linéaire

Optimisation convexe

Indépendance linéaire

Optimisation (mathématiques)

Optimisation combinatoire

Afficher plus