More fixlets.

[Projet_Recherche_Operationnelle.git] / rapport / ProjetOptimRO.tex

diff --git a/rapport/ProjetOptimRO.tex b/rapport/ProjetOptimRO.tex
index 489e6c85001df30c282f361407ec0e384c8c21f3..3f3393fc09c911c48c88460c85dc39a9bbaada3a 100644 (file)
--- a/rapport/ProjetOptimRO.tex
+++ b/rapport/ProjetOptimRO.tex
@@ -775,8 +775,8 @@ Dans les deux cas, les équations de quasi-Newton forment un système sous-déte
 \newline
 Une stratégie commune est de calculer $ (x_{k+1},\lambda_{k+1},\mu_{k+1}) $ pour une matrice $ H_k $ donnée et faire une mise à jour de $ H_k $ de rang 1 ou 2 :
 $$ H_{k+1} = H_k + U_k $$
-
-\subsubsection{Mises à jour DFP et BFGS}
+% \subsubsection{Mises à jour DFP et BFGS}
+Les méthodes de mise à jour DFP et BFGS suivent par exemple cette stratégie.
 
 \subsection{Exemple d'utilisation de PQS}
 
@@ -849,7 +849,7 @@ $ L((100,100,0),(1,1)) = 4800. $
   \STATE \textbf{Data :}
   \STATE $k \leftarrow 0, (x_k, y_k, z_k) \leftarrow (100, 100, 0), r \leftarrow 100$
   \STATE $r_1 = r_2 \leftarrow 10, \varepsilon \leftarrow 0.01$
-  \STATE $\lambda_1 = \lambda_2 = 1$
+  \STATE $\lambda_1 = \lambda_2 \leftarrow 1$
   \STATE $ H[J](x,y,z)^{-1} \leftarrow
    \begin{pmatrix}
     0.5 & 0   & 0   \\
@@ -857,7 +857,7 @@ $ L((100,100,0),(1,1)) = 4800. $
     0   & 0   & 0.5 \\
    \end{pmatrix} $
   \newline
-  \STATE {//Calcul des deux composantes du gradient de $ g $: }
+  \STATE {//Calcul des deux composantes du gradient de $ g $:}
   \STATE $ \nabla g_1(x_k,y_k,z_k) = ((2x_k,2y_k,0)$ \hfill $ //résultat : (20, 20, 0)$
   \STATE $ \nabla g_2(x_k,y_k,z_k) = (2x_k,0,2z_k))$ \hfill $ //résultat : (20, 0, 20)$
   \STATE $ \nabla g(x_k,y_k,z_k) = (\nabla g_1(x_k,y_k,z_k), \nabla g_2(x_k,y_k,z_k))$