Algorithme de gradient projeté ? - L3 Maths

[kay7512]

Bonjour à tous, je travaille actuellement sur les algorithmes et voici que les choses se compliquent un petit peu avec les contraintes.

Je tiens avant toute chose à préciser qu'il ne s'agit pas d'un devoir maison ou autres, mais seulement d'un exercice de TD qui ne sera pas forcément corrigé par notre professeur ..

On cherche à minimiser une fonctionnelle quadratique J classique (A symétrique définie positive..etc) mais là n'est pas le plus important.

On dispose de la contrainte K:= (x ;) R^N, x>g) avec gi= - 1 + max(0.0625 -10(1/(N+1) -0.4)^2) pour tout i entre 1 et N

J'ai réussi à effectuer l'algorithme sous SCILAB, mais on demande auparavant d'expliquer pourquoi il est impossible de prendre la norme du gradient de J(x^n) comme erreur.

Je pense qu'il faut montrer que ça ne converge pas vers zéro.
J'ai essayé de passer par la norme au carré, de développer (on sait que le gradient de J(x^n)=Ax^n - b .. mais je n'arrive à rien.
Si quelqu'un a une idée :)
Merci d'avance

[pikor]

cette question est dure, la réponse se trouve à paris 7 demande les devoirs des gens qui bossent dessus :ptdr:

[kay7512]

cette question est dure, la réponse se trouve à paris 7 demande les devoirs des gens qui bossent dessus :ptdr:

Ah je vois que je ne suis pas le seul à être dans cette situation ^^