Forum Prepas.org

Si l'on veut caluculer $ x, Ax = b $, on peut utiliser la methode du gradient en calculant $ x* = argmin_{x} 1/2 * (x^T * A * x) - b * x = argmin_{x} \phi (x) $.

En effet, en calculant le gradient par rapport a x de cette derniere expression, on tombe sur la premiere.

Je me demandais si, plutot que de minimiser $ \phi $ et faire une 'descente' de gradient, on ne pourrait pas la maximiser et faire une 'montee' de gradient?
Les deux me semblent equivalents et je me demandais si c'est vrai...

Merci beaucoup d'avance !

edit: latex

Si A est symétrique définie positive la fonctionnelle $ x\mapsto\frac{1}{2}x^TAx-b^Tx $ admet un minimum mais pas de maximum.

Merci pour la reponse!
Je vois que on a $ x^T A x > 0 $ du coup, mais je n'arrive pas a l'utiliser pour montrer qu'il y a un minimum et pas de maximum

Tu peux dériver deux fois (Hessienne) pour montrer qu'elle est convexe, d'où ce que tu cherches.

La derivee premiere est $ 1/2 (A + A^T)x - b $. Si l'on suppose A symetrique, la derivee seconde par rapport a x est $ A + A^T = A $.

A est donc la matrice hessienne de la fonctionnelle. Si on suppose aussi qu'elle est diagonalisable et positive, ses valeurs propres sont strictement positives. Donc la fonctionnelle passe par un minimum !

Je crois que ca joue comme ca, merci beaucoup !!

Pour les méthodes itératives, dont la méthode du gradient fait partie (elle n'est jamais utilisée en pratique, elle est juste introduite en premier pour des raisons pédagogiques), vous pouvez consulter le très complet polycopié: https://www-users.cs.umn.edu/~saad/Iter ... _2ndEd.pdf (le téléchargement est légal, c'est la page de l'auteur du livre. Il laisse libre les anciennes éditions de ce livre). C'est de niveau M1-M2, voire plus.

Passe à 1D et tu sentiras le problème.
ax=b

Tu postes ça en "informatique". Dans quel cadre?
Tu veux vraiment résoudre un système linéaire? est ce que A est carrée? quelle taille? quel langage?
En fonction de tout ça tu as de bonnes et de mauvaises façons de faire.

On a vu l'algorithme en cours mais je n'implemente rien, l'interet etait juste theorique.
Merci encore

Ok donc passe à un 1D, ax+b et constate le problème C'est bon?

Oui, c'est vrai que en 1d c'est direct plus evident