Bonjour
Un truc que je pige pas trop dans les problèmes d'optimisation comme les MC. Par exemple prenons le cas des MC en vectoriel et l'équation
x = Ha + b
(x, a, b = vecteurs de taille N, H =matrice de taille en conséquence). Le critère des mc peut s'écrire
J(a)= (x- Ha)'(x-Ha)
(' pour transpose)
Et une solution de a est la minimisation de J(a). Or J(a) est une fonction de R^N dans R...
Déjà à partir de là je ne vois pas trop pourquoi on parle de critère convexe, de minimisation puisqu'on ne peut pas représenter la fonction J(a) dans R^2 ou R^3
Ensuite on peut écrire de manière équivalente J(a)=||x-Ha||²
(avec ||.|| norme eucliedienne) et là, je vois encore moins comment fonctionne la minimisation de J(a) puisque lorsqu'on fait la norme on obtient un scalaire... Que signifie minimiser un scalaire ?
Un peu d'aide serait la bienvenue !
-----