Optimisation convexevignette|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.
Dualité (optimisation)En théorie de l'optimisation, la dualité ou principe de dualité désigne le principe selon lequel les problèmes d'optimisation peuvent être vus de deux perspectives, le problème primal ou le problème dual, et la solution du problème dual donne une borne inférieure à la solution du problème (de minimisation) primal. Cependant, en général les valeurs optimales des problèmes primal et dual ne sont pas forcément égales : cette différence est appelée saut de dualité. Pour les problèmes en optimisation convexe, ce saut est nul sous contraintes.
Optimisation SDPEn mathématiques et en informatique théorique, l'optimisation SDP ou semi-définie positive, est un type d'optimisation convexe, qui étend l'optimisation linéaire. Dans un problème d'optimisation SDP, l'inconnue est une matrice symétrique que l'on impose d'être semi-définie positive. Comme en optimisation linéaire, le critère à minimiser est linéaire et l'inconnue doit également satisfaire une contrainte affine. L'optimisation SDP se généralise par l'optimisation conique, qui s'intéresse aux problèmes de minimisation d'une fonction linéaire sur l'intersection d'un cône et d'un sous-espace affine.
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.
ConiqueEn géométrie euclidienne, une conique est une courbe plane algébrique, définie initialement comme l’intersection d'un cône de révolution (supposé prolongé à l’infini de part et d’autre du sommet) avec un plan. Lorsque le plan de coupe ne passe pas par le sommet du cône, la conique est dite non dégénérée et réalise l’une des trois formes de courbe suivantes : ellipse, parabole ou hyperbole (le cercle étant un cas particulier de l'ellipse, parfois appelé quatrième forme). Ces courbes sont caractérisées par un paramètre réel appelé excentricité.
Fonction convexevignette|upright=1.5|droite|Fonction convexe. En mathématiques, une fonction réelle d'une variable réelle est dite convexe : si quels que soient deux points et du graphe de la fonction, le segment est entièrement situé au-dessus du graphe, c’est-à-dire que la courbe représentative de la fonction se situe toujours en dessous de ses cordes ; ou si l'épigraphe de la fonction (l'ensemble des points qui sont au-dessus de son graphe) est un ensemble convexe ; ou si vu d'en dessous, le graphe de la fonction est en bosse.
Parabolevignette|Une parabole représentée par la fonction f(x)=x. La parabole est une courbe plane, symétrique par rapport à un axe, ayant approximativement la forme d'un U dont les branches s'écarteraient indéfiniment. Cette courbe intervient dans les problèmes les plus élémentaires de mécanique ou de mathématiques. En effet la trajectoire d'un projectile qui n'est soumis qu'à la pesanteur est une parabole, ou encore, en mathématiques, la représentation graphique des polynômes de degré 2 est une parabole.
Apollonios de PergaApollonios de Perga ou Apollonius de Perge (en grec ancien / Apollốnios o Pergaíos), né dans la seconde moitié du (probablement autour de ), disparu au début du est un géomètre et astronome grec. Il serait originaire de Pergé (ou Perga, ou encore Pergè actuelle Aksu en Turquie), mais a vécu à Alexandrie. Il est considéré comme l'une des grandes figures des mathématiques hellénistiques et a exercé une influence importante sur les développements de l'analyse au . Apollonius serait né à Perge autour de 240 .
Ensemble convexeUn objet géométrique est dit convexe lorsque, chaque fois qu'on y prend deux points et , le segment qui les joint y est entièrement contenu. Ainsi un cube plein, un disque ou une boule sont convexes, mais un objet creux ou bosselé ne l'est pas. On suppose travailler dans un contexte où le segment reliant deux points quelconques et a un sens (par exemple dans un espace affine sur R — en particulier dans un espace affine sur C — ou dans un ).
Enveloppe convexeL'enveloppe convexe d'un objet ou d'un regroupement d'objets géométriques est l'ensemble convexe le plus petit parmi ceux qui le contiennent. Dans un plan, l'enveloppe convexe peut être comparée à la région limitée par un élastique qui englobe tous les points qu'on relâche jusqu'à ce qu'il se contracte au maximum. L'idée serait la même dans l'espace avec un ballon qui se dégonflerait jusqu'à être en contact avec tous les points qui sont à la surface de l'enveloppe convexe.
Analyse convexeL'analyse convexe est la branche des mathématiques qui étudie les ensembles et les fonctions convexes. Cette théorie étend sur beaucoup d'aspects les concepts de l'algèbre linéaire et sert de boîte à outils en analyse et en analyse non lisse. Elle s'est beaucoup développée du fait de ses interactions avec l'optimisation, où elle apporte des propriétés particulières aux problèmes qui y sont étudiés. Certains voient la naissance de l'analyse convexe « moderne » dans l'invention des notions de sous-différentiel, d'application proximale et d'inf-convolution dans les années 1962-63.
Matrix representation of conic sectionsIn mathematics, the matrix representation of conic sections permits the tools of linear algebra to be used in the study of conic sections. It provides easy ways to calculate a conic section's axis, vertices, tangents and the pole and polar relationship between points and lines of the plane determined by the conic. The technique does not require putting the equation of a conic section into a standard form, thus making it easier to investigate those conic sections whose axes are not parallel to the coordinate system.
Inégalité de HölderEn analyse, l’inégalité de Hölder, ainsi nommée en l'honneur de Otto Hölder, est une inégalité fondamentale relative aux espaces de fonctions , comme les espaces de suites . C'est une généralisation de l'inégalité de Cauchy-Schwarz. Il existe une formulation de l'inégalité utilisée en mathématiques discrètes. Plus généralement, pour et défini par , si et alors et . De plus, lorsque et sont finis, il y a égalité si et seulement si et sont colinéaires presque partout (p.p.), c'est-à-dire s’il existe et non simultanément nuls tels que p.
Théorème des cinq pointsEn géométrie, le théorème des cinq points est un énoncé sur les coniques du plan, démontré initialement par Blaise Pascal. Il assure que par cinq points trois à trois non alignés passe une unique conique propre. Ce théorème admet des versions dégénérées, par exemple, avec quatre conditions d'incidence et une de tangence : il existe une unique conique propre passant par quatre points trois à trois non alignés, et tangente en l'un de ces points à une droite prescrite ne contenant aucun des trois autres points ; ou encore, avec trois conditions d'incidence et deux de tangence : il existe une unique conique propre passant par trois points non alignés prescrits, et tangente en chacun des deux premiers points à une droite prescrite qui ne contient qu'un seul des trois points.
Inégalité de MinkowskiEn mathématiques, l'inégalité de Minkowski, ainsi nommée en l'honneur de Hermann Minkowski, est l'inégalité triangulaire pour la norme des espaces L pour p ≥ 1, établissant ainsi que ce sont des espaces vectoriels normés. Elle concerne en particulier la norme des espaces de suites l. Soient un espace mesuré, et deux fonctions . Alors c'est-à-dire étant un espace vectoriel, . Si , l'inégalité est vérifiée. Sinon, en appliquant successivement l'inégalité triangulaire dans et l'inégalité de Hölder (avec ), il vient: d'où l'inégalité annoncée.
Inégalité triangulaireEn géométrie, l'inégalité triangulaire est le fait que, dans un triangle, la longueur d'un côté est inférieure à la somme des longueurs des deux autres côtés. Cette inégalité est relativement intuitive. Dans la vie ordinaire, comme dans la géométrie euclidienne, cela se traduit par le fait que la ligne droite est le plus court chemin : le plus court chemin d'un point A à un point B est d'y aller tout droit, sans passer par un troisième point C qui ne serait pas sur la ligne droite.
Dualité (mathématiques)thumb|Dual d'un cube : un octaèdre. En mathématiques, le mot dualité a de nombreuses utilisations. Une dualité est définie à l'intérieur d'une famille d'objets mathématiques, c'est-à-dire qu'à tout objet de on associe un autre objet de . On dit que est le dual de et que est le primal de . Si (par = on peut sous-entendre des relations d'isomorphies complexes), on dit que est autodual. Dans de nombreux cas de dualité, le dual du dual est le primal. Ainsi, par exemple, le concept de complémentaire d'un ensemble pourrait être vu comme le premier des concepts de dualité.
Definite matrixIn mathematics, a symmetric matrix with real entries is positive-definite if the real number is positive for every nonzero real column vector where is the transpose of . More generally, a Hermitian matrix (that is, a complex matrix equal to its conjugate transpose) is positive-definite if the real number is positive for every nonzero complex column vector where denotes the conjugate transpose of Positive semi-definite matrices are defined similarly, except that the scalars and are required to be positive or zero (that is, nonnegative).
Constrained optimizationIn mathematical optimization, constrained optimization (in some contexts called constraint optimization) is the process of optimizing an objective function with respect to some variables in the presence of constraints on those variables. The objective function is either a cost function or energy function, which is to be minimized, or a reward function or utility function, which is to be maximized.
Optimization problemIn mathematics, computer science and economics, an optimization problem is the problem of finding the best solution from all feasible solutions. Optimization problems can be divided into two categories, depending on whether the variables are continuous or discrete: An optimization problem with discrete variables is known as a discrete optimization, in which an object such as an integer, permutation or graph must be found from a countable set.
