En mathématiques, un point col ou point-selle () d'une fonction f définie sur un produit cartésien X × Y de deux ensembles X et Y est un point tel que :
atteint un maximum en sur Y ;
et atteint un minimum en sur X.
Certains auteurs inversent les maximum et minimum ( a un minimum en et a un maximum en ), mais cela ne modifie pas qualitativement les résultats (on peut revenir au cas présent par un changement de variables).
Le terme point-selle fait référence à la forme de selle de cheval que prend le graphe de la fonction lorsque X et Y sont des intervalles de . Le terme de point col, renvoie, quant à lui, à l'image du col de montagne. Dans (au moins) une direction, le point-col est un point de maximum (pour passer d'une vallée à l'autre) et dans (au moins) une autre direction, c'est un point de minimum (pour passer d'une montagne à l'autre).
La notion de point col ou point-selle intervient :
en optimisation, comme concept permettant d'énoncer des conditions assurant l'existence de solution primale-duale ;
en théorie des jeux ;
pour déterminer des solutions particulières de certaines équations qui ne sont pas des minima ou des maxima de fonctionnelle d'énergie.
Voici une définition assez générale de la notion de point-selle d'une fonction définie sur un produit cartésien d'ensembles. Aucune structure n'est requise sur ces ensembles. La fonction doit par contre prendre ses valeurs dans l'ensemble des réels (ou plus généralement dans la droite réelle achevée ).
Autrement dit, atteint un maximum en sur Y et atteint un minimum en sur X. Rien n'est requis en dehors de la croix , si bien que l'image de la selle ou du col peut être trompeuse comme lorsque est définie par f(x,y)=xy (tous les points de l'axe des ordonnées sont des points-selles).
On pourra souvent se ramener à la définition précédente par un changement de variable. Par exemple, le point n'est pas un point-selle de la fonction , au sens de la définition ci-dessus, mais le devient localement après le changement de variable et .
Cette page est générée automatiquement et peut contenir des informations qui ne sont pas correctes, complètes, à jour ou pertinentes par rapport à votre recherche. Il en va de même pour toutes les autres pages de ce site. Veillez à vérifier les informations auprès des sources officielles de l'EPFL.
En analyse à plusieurs variables, un point critique d'une fonction de plusieurs variables, à valeurs numériques, est un point d'annulation de son gradient, c'est-à-dire un point tel que . La valeur prise par la fonction en un point critique s'appelle alors une valeur critique. Les valeurs qui ne sont pas critiques sont appelées valeurs régulières. Les points critiques servent d'intermédiaire pour la recherche des extrémums d'une telle fonction.
Un extremum (pluriel extrema ou extremums), ou extrémum (pluriel extrémums), est une valeur extrême, soit maximum, soit minimum. Cette notion est particulièrement utilisée en mathématiques, où l'expression maximo-minimum, introduite par Nicolas de Cues, correspond à partir de Fermat et Leibniz aux extrêmes d'une courbe ou d'une fonction, repérés par le fait que les dérivées s'y annulent. Elle est aussi utilisée en physique, où le principe de moindre action est un principe extrémal ainsi que Euler l'a montré.
En mathématiques, la matrice hessienne (ou simplement le hessien ou la hessienne) d'une fonction numérique est la matrice carrée, notée , de ses dérivées partielles secondes. Etant donnée une fonction à valeurs réelles dont toutes les dérivées partielles secondes existent, le coefficient d'indice de la matrice hessienne vaut . Autrement dit, On appelle discriminant hessien (ou simplement hessien) le déterminant de cette matrice. Le terme « hessien » a été introduit par James Joseph Sylvester, en hommage au mathématicien allemand Ludwig Otto Hesse.
Non-convex constrained optimization problems have become a powerful framework for modeling a wide range of machine learning problems, with applications in k-means clustering, large- scale semidefinite programs (SDPs), and various other tasks. As the perfor ...
EPFL2023
Deep learning has achieved remarkable success in various challenging tasks such as generating images from natural language or engaging in lengthy conversations with humans.The success in practice stems from the ability to successfully train massive neural ...
Laser-based mid-infrared (mid-IR) photothermal spectroscopy (PTS) represents a selective, fast, and sensitive analytical technique. Recent developments in laser design permits the coverage of wider spectral regions in combination with higher power, enablin ...