(i) Le nombre de travailleurs commencant leur service est positif ou nul : x i 0 i = 1,...,7

Dimension: px
Commencer à balayer dès la page:

Download "(i) Le nombre de travailleurs commencant leur service est positif ou nul : x i 0 i = 1,...,7"

Transcription

1 Chapitre 1 Modelisation 11 Exemples de Problèmes 111 La Cafétaria Cafétaria ouverte toute la semaine Statistique sur le personnel requis : Jour Lundi Mardi Mercredi Jeudi Vendredi Samedi Dimanche Nombre Un employé travaille 5 jour d affilée puis a deux jours de repos Problème : nombre minimal d employé requis Quelles inconnues : x i le nombre d employés le jour i Pas pratique : comment définir le nombre d employés? x i le nombre d employés qui commencent le jour i Modèle : Σ i=7 i=1 x i est le nombre d employés à minimiser : fonction objectif Les contraintes : (i) Le nombre de travailleurs commencant leur service est positif ou nul : x i 0 i = 1,,7 (ii) Les x i sont des entiers (iii) Pour chaque jour le nombre de travailleur est supérieur ou égal à celui requis Le jour i, le nombre de travailleurs est (en comptant modulo 7) : x i + x i x i 4 1

2 2 CHAPITRE 1 MODELISATION D où : x 1 + x 7 + x 6 + x 5 + x 4 14 x 2 + x 1 + x 7 + x 6 + x 5 13 x 3 + x 2 + x 1 + x 7 + x 6 15 x 4 + x 3 + x 2 + x 1 + x 7 16 x 5 + x 4 + x 3 + x 2 + x 1 19 x 6 + x 5 + x 4 + x 3 + x 2 18 x 7 + x 6 + x 5 + x 4 + x 3 11 Ce problème est un problème de programmation linéaire en nombre entiers Le problème peut se mettre sous la forme : Résolution avec le logiciel Eclipse [eclipse 2]: {X1+X4+X5+X6+X7 >= 14, X1+X2+X5+X6+X7 >= 13, X1+X2+X3+X6+X7 >= 15, X1+X2+X3+X4+X7 >= 16, X1+X2+X3+X4+X5 >= 19, X6+X2+X3+X4+X5 >= 18, X6+X7+X3+X4+X5 >= 11, X1>=0, X2>=0, X3>=0, X4>=0, X5>=0, X6>=0, X7>=0, Z=X1+X2+X3+X4+X5+X6+X7}, minimize(z) X1 = 4 X2 = X2 X3 = X3 X4 = X4 X5 = X5 X6 = 3 X7 = 0 Z = 22 Max z = cx Ax b x 0

3 11 EXEMPLES DE PROBLÈMES 3 % Linear constraints: { X5 = 7 - X4, X3 = 8 - X2, X4 =< 7, X2 =< 7, X4 - X2 =< 1, X4 >= 4 }Yes (001s cpu) 112 Problème de jeu Ciseau/Pierre/Papier Jeu à somme nulle : Gain +1 si gagnant, perte -1 si perdu, 0 si égalité Tableau des gains/pertes Question : Trouver la strategie optimale au jeu (en supposant que l adversaire joue du mieux possible) Si on considère une suite de parties, on cherche une stratégie sans mémoire : le coup joué ne dépend pas de l historique du jeu Principe : Joueur 1 joue Ciseau avec la probabilité x 1, Pierre avec x 2 et Papier avec x 3 Contraintes : 0 x i 1 x 1 + x 2 + x 3 = 1 Son espérance de gain est : Si joueur 2 joue Ciseau : x 2 x 3 Si joueur 2 joue Pierre : x 3 x 1 Si joueur 2 joue Papier : x 1 x 2 Hypothèse : Joueur 2 joue du mieux possible donc le gain réalisé par 1 est minimal ie g = min(x 2 x 3, x 3 x 1, x 1 x 2 ) But : Maximiser g Apparemment le problème n est pas un problème de programmation linéaire à cause du min dans la définition de g Mais on peut s y ramener : Max(g) g x 2 x 3 g x 3 x 1 g x 2 x 1 g 0 (avec g une variable) Remarque : la solution est x 1 = x 2 = x 3 = 1/3 avec g = 0

4 4 CHAPITRE 1 MODELISATION 113 Placement Financier Placer 1000 euros sur 6 ans de la manière optimale sachant que : la caisse d épargne rapporte 5% par an et immobilise le capital un an, l obligation 1 rapporte 12% à l échéance si on le choisit la premieère année sinon elle rapporte 11%, immobilise le capital deux ans, l obligation 2 rapporte 18% à l échéance, immobilise le capital trois ans, l obligation 3 rapporte 24% à l échéance L obligation 2 est disponible tous les ans sauf l année 3, l obligation 2 n est pas disponible l année 1, et l obligation 3 n est disponible que l année 1 Ecrire le problème de programmation linéaire qui correspond au meilleur placement possible Idée : en début d année i on place x i à la caisse d épargne, y i en obligation i, z i en obligation z et w i en obligation w A chaque année on écrit quelle somme est disponible (tout ce qui arrive à échéance avec les intérêts et on la place dans ce qui est disponible On maximise la somme obtenue à la fin d année 6 12 Définition de la PL 121 Formes canonique et standard c = (c 1,,c n ), x = x 1 x n, b = b 1 b m, A = (a i,j ) 1 i m 1 j n avec c i, b j, a i,j des réels Forme canonique Max z = cx Ax b x 0 Si les variables doivent prendre des valeurs entières, on a un problème de programmation linéaire en nombres entiers (plus difficile) Forme standard Max z = cx Ax = b x 0 IMPORTANT : on peut transformer la forme canonique en forme standard et vice-versa On peut aussi transformer un max en min par max{x }) = min{ x } De même

5 12 DÉFINITION DE LA PL 5 si on a un problème ou il n y a pas de contraintes x 0 mais x peut être quelconque, on peut se ramener à un problème avec des variables 0 en posant x = x 1 x 2 avec x 1, x 2 0 Une solution admissible d un problème de PL (en forme standard ou canonique) est un vecteur x qui satisfait les contraintes 122 Résolution Graphique Fabriquant d ordinateurs : portable ou PC le portable rapporte 750 euros, le PC 1000 euros Le PC comme le portable utilise un microprocesseur Le PC a deux unités de mémoire de 256Mb et le portable en a une Il faut 4 minutes d assemblage pour un portable et 3 minutes pour un PC On dispose de 25 milliers minutes d assemblage de 15 milliers de mémoires et de 10 milliers de processeurs x 1, x 2 nombre de millier de portables, PC, d òu le problème de PL : Max z = 750x x 2 x 1 + x 2 10 x 1 + 2x x 1 + 3x 2 25 x 1, x 2 0 Les contraintes sont délimités par les droites x 1 + x 2 = 10, x 1 + 2x 2 = 15, 4x 1 + 3x 2 = 25, x i = 0 et définissent un polytope Le maximum peut se calculer en faisant glisser la droite d équation 0, 75x 1 + x 2 = K en augmentant la valeur de K (qui correspond au profit obtenu) On trouve que le maximum est atteint par le sommet P(1,7) qui donne un profit maximum de 7750 Résolution avec Eclipse [eclipse 3]: { Z=750*X1+1000*X2, X1+X2=<10, X1+2*X2=<15, 4*X1+3*X2=<25, X1>=0, X2>=0 }, maximize(z) X1 = 1 X2 = 7 Z = 7750 Yes (000s cpu)

6 6 CHAPITRE 1 MODELISATION 13 Géométrie de la PL 131 Espaces Affines et Vectoriels Un vecteur de R n est un n-uplet de réels Un sous-espace vectoriel est un sous-ensemble stable par addition et multiplication par un scalaire Une base d un sous-espace vectoriel V est un ensemble finis de vecteur e 1,,e p tel que (i) tout vecteur v V est combinaison linéaire des e i (ii) une combinaison lineaire des e i est nulle ssi les coefficients sont nuls Un espace affine est l ensemble des points M=N+S avec N un point particulier (un element de R n et S un sous-espace vectoriel La dimension de l espace affine est celle de l espace vectoriel S 132 Polyhedres et Polytopes Un hyperplan H est un espace affine de dimension n 1 et se décrit par une équation a 1 x a n x n = K Un demi-espace fermé délimité par H est défini par a 1 x a n x n K ou a 1 x a n x n K Definition 1 Un polyhèdre est une intersection de demi-espaces fermés Definition 2 Un polytope est un polyhèdre borné Etant donnés un polyhèdre P, un hyperplan H et HS un demi-espace fermé correspondant à H, si HS P H, alors P HS est une face de P Une face de dimension 0 (donc un point) est appelé un sommet de P Une face de dimension 1 est appelée une arête de P Une face de dimension n 1 est appelée une facette de P On admettra la proposition suivante : Proposition 1 Un polytope P n a qu un nombre fini de sommets et tout point M de P peut s ecrire comme combinaison linéaire convexe des sommets M = Σ Si sommetsλ i S i (avec Σλ i = 1 et λ i 0 pour tout i

7 14 OPTIMISATION DE FONCTION CONVEXES SUR UN POLYTOPE 7 14 Optimisation de fonction convexes sur un polytope Unconvexe C est un sous-ensemble de points tels que pour tout couple de points M, M de C, le segment MM est inclus dans C (le segment est l ensemble des points de la forme λm + (1 λ)m avec 1 λ 0) Exercice : montrer que l intersection de deux convexes est un convexe puis qu un polyhèdre est un convexe Une fonction de f : R n R est convexe ssi pour tous points M, M on a f(λm + (1 λ)m ) λf(m) + (1 λ)f(m ) Une fonction est concave si -f est convexe Une fonction linéaire est convexe et concave, la parabole x x 2 est convexe On s interesse à calculer le minimum d une fonction convexe sur un ensemble convexe, plus particulièrement sur un polytope, ce qui est identique à calculer le maximum de -f sur sur le même ensemble Proposition 2 Une fonction convexe f sur un polytope P a un maximum et celui-ci est obtenu sur un sommet Preuve : On utilise le fait que tout point du polytope est combinaison linéaire convexe de ses sommets Soit (S i ) i I l ensemble des sommets de P Alors pour tout M P M = Σ i I λ i S i avec Σ i I λ i = 1 et 1 λ i 0 pour tout i D où et donc d où f(m) = f(σ i I λ i S i ) Σ i I λ i f(s i ) f(m) (Σ i I λ i )Max{f(S i ) i I} f(m) Max{f(S i ) i I} = f(s i0 ) Comme f(s i0 ) est une valeur particulière de f sur P, on a bien que f atteint son maximum sur P ATTENTION : le maximum peut être atteint aussi sur des points qui ne sont pas des sommets Exemple : prendre un carré d écrit par x 1, x 2 0, x 1 1, x 2 1 et la fonction z = x 2 Le maximum est obtenu sur tout un segment de droite (délimité par deux sommets) Un algorithme de calcul du max serait donc d énumerer les sommets et de garder la plus grande valeur de f obtenue : malheureusement, les polytopes qui interviennent dans les applications ont des dizaines ou centaines de milliers de sommets Si on considère un polyhèdre et non un polytope, une fonction (convexe ou concave) n a pas forcement de maximum

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique

La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation

Plus en détail

Programmation linéaire

Programmation linéaire 1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit

Plus en détail

Programmation linéaire

Programmation linéaire Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire

Plus en détail

* fermeture le lendemain

* fermeture le lendemain MOIS DE JANVIER 2011 Samedi 1 01h35 08h43 14h09 21h14 Dimanche 2 02h41 09h42 15h15 22h09 Lundi 3 03h38 10h32 16h10 22h56 Mardi 4 04h26 11h15 16h57 23h37 Mercredi 5 05h07 11h54 17h37 *00h14 Jeudi 6 05h45

Plus en détail

Recherche opérationnelle. Programmation linéaire et recherche opérationnelle. Programmation linéaire. Des problèmes de RO que vous savez résoudre

Recherche opérationnelle. Programmation linéaire et recherche opérationnelle. Programmation linéaire. Des problèmes de RO que vous savez résoudre Recherche opérationnelle Programmation linéaire et recherche opérationnelle Ioan Todinca Ioan.Todinca@univ-orleans.fr tél. 0 38 41 7 93 bureau : en bas à gauche Tentative de définition Ensemble de méthodes

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

Programmation linéaire et Optimisation. Didier Smets

Programmation linéaire et Optimisation. Didier Smets Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des

Plus en détail

Programmation Linéaire - Cours 1

Programmation Linéaire - Cours 1 Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.

Plus en détail

Chapitre 6. Modélisation en P.L.I. 6.1 Lien entre PL et PLI. 6.1.1 Approximation de la PLI

Chapitre 6. Modélisation en P.L.I. 6.1 Lien entre PL et PLI. 6.1.1 Approximation de la PLI Chapitre 6 Modélisation en P.L.I. 6.1 Lien entre PL et PLI (P) problème de PL. On restreint les variables à être entières : on a un problème de PLI (ILP en anglais). On restreint certaines variables à

Plus en détail

À propos des matrices échelonnées

À propos des matrices échelonnées À propos des matrices échelonnées Antoine Ducros appendice au cours de Géométrie affine et euclidienne dispensé à l Université Paris 6 Année universitaire 2011-2012 Introduction Soit k un corps, soit E

Plus en détail

Analyse des données et algèbre linéaire

Analyse des données et algèbre linéaire Analyse des données et algèbre linéaire Fondamentaux pour le Big Data c Télécom ParisTech 1/15 Machine-Learning : Une donnée x i = un ensemble de features (caractères) d un individu i x i = (x i,1,...,

Plus en détail

Contexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples,

Contexte. Pour cela, elles doivent être très compliquées, c est-à-dire elles doivent être très différentes des fonctions simples, Non-linéarité Contexte Pour permettre aux algorithmes de cryptographie d être sûrs, les fonctions booléennes qu ils utilisent ne doivent pas être inversées facilement. Pour cela, elles doivent être très

Plus en détail

La notion de dualité

La notion de dualité La notion de dualité Dual d un PL sous forme standard Un programme linéaire est caractérisé par le tableau simplexe [ ] A b. c Par définition, le problème dual est obtenu en transposant ce tableau. [ A

Plus en détail

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION Dans les leçons précédentes, nous avons modélisé des problèmes en utilisant des graphes. Nous abordons dans cette leçon un autre type de modélisation.

Plus en détail

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA 75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche

Plus en détail

Espaces vectoriels et applications

Espaces vectoriels et applications Espaces vectoriels et applications linéaires 1 Définitions On parle d espaces vectoriels sur le corps R ou sur le corps C. Les définitions sont les mêmes en substituant R à C ou vice versa. Définition

Plus en détail

Optimisation en nombres entiers

Optimisation en nombres entiers Optimisation en nombres entiers p. 1/83 Optimisation en nombres entiers Michel Bierlaire michel.bierlaire@epfl.ch EPFL - Laboratoire Transport et Mobilité - ENAC Optimisation en nombres entiers p. 2/83

Plus en détail

Séance de soutien PCSI2 numéro 10 : Espaces vectoriels et applications linéaires

Séance de soutien PCSI2 numéro 10 : Espaces vectoriels et applications linéaires Séance de soutien PCSI2 numéro 10 : Espaces vectoriels et applications linéaires Tatiana Labopin-Richard Mercredi 18 mars 2015 L algèbre linéaire est une très grosse partie du programme de Maths. Il est

Plus en détail

Université de Nantes Année 2009-2010 Faculté des Sciences et des Techniques Département de Mathématiques. Topologie et calculs différentiel Liste n 5

Université de Nantes Année 2009-2010 Faculté des Sciences et des Techniques Département de Mathématiques. Topologie et calculs différentiel Liste n 5 Université de Nantes Année 009-010 Faculté des Sciences et des Techniques Département de Mathématiques Topologie et calculs différentiel Liste n 5 Applications Différentiables Exercice 1. Soit f : R n

Plus en détail

Correction de l épreuve intermédiaire de mai 2009.

Correction de l épreuve intermédiaire de mai 2009. Licence de Gestion. 3ème Année Année universitaire 8-9 Optimisation Appliquée C. Léonard Correction de l épreuve intermédiaire de mai 9. Exercice 1 Avec les notations du cours démontrer que la solution

Plus en détail

Cours 02 : Problème général de la programmation linéaire

Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =

Plus en détail

Rappels sur les applications linéaires

Rappels sur les applications linéaires Rappels sur les applications linéaires 1 Définition d une application linéaire Définition 1 Soient E et F deux espaces vectoriels sur un même corps K et f une application de E dans F Dire que f est linéaire

Plus en détail

IV.1 Dual d un espace vectoriel... 77

IV.1 Dual d un espace vectoriel... 77 76 IV FORMES LINÉAIRES, DUALITÉ IV Formes linéaires, dualité Sommaire IV.1 Dual d un espace vectoriel.......... 77 IV.1.a Rappels sur les e.v................... 77 IV.1.b Rappels sur les applications linéaires........

Plus en détail

1 Notion d espace vectoriel

1 Notion d espace vectoriel Arnaud de Saint Julien - MPSI Lycée La Merci 2014-2015 1 Résumé de cours sur les espaces vectoriels et les applications linéaires Les vecteurs du plan, les nombres réels, et les polynômes à coefficients

Plus en détail

Jeux à somme nulle : le cas fini

Jeux à somme nulle : le cas fini CHAPITRE 2 Jeux à somme nulle : le cas fini Les jeux à somme nulle sont les jeux à deux joueurs où la somme des fonctions de paiement est nulle. Dans ce type d interaction stratégique, les intérêts des

Plus en détail

Université Joseph Fourier, Grenoble. Systèmes linéaires. Bernard Ycart

Université Joseph Fourier, Grenoble. Systèmes linéaires. Bernard Ycart Université Joseph Fourier, Grenoble Maths en Ligne Systèmes linéaires Bernard Ycart Si vous savez déjà résoudre un système linéaire par la méthode de Gauss, vous n apprendrez pas grand chose de neuf dans

Plus en détail

www.h-k.fr/publications/objectif-agregation

www.h-k.fr/publications/objectif-agregation «Sur C, tout est connexe!» www.h-k.fr/publications/objectif-agregation L idée de cette note est de montrer que, contrairement à ce qui se passe sur R, «sur C, tout est connexe». Cet abus de langage se

Plus en détail

Exercices Corrigés Premières notions sur les espaces vectoriels

Exercices Corrigés Premières notions sur les espaces vectoriels Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3

Plus en détail

Planning Groupe 1. du Lundi 24 Aout au Samedi 5 Septembre. Matin. Lundi 24 Mardi 25 Mercredi 26 Jeudi 27 Vendredi 28 Lundi 31. Samedi 5.

Planning Groupe 1. du Lundi 24 Aout au Samedi 5 Septembre. Matin. Lundi 24 Mardi 25 Mercredi 26 Jeudi 27 Vendredi 28 Lundi 31. Samedi 5. Planning Groupe 1 Lundi 24 Mardi 25 Mercredi 26 Jeudi 27 Vendredi 28 Lundi 31 Samedi 5 RDV à 14h00 Planning Groupe 2 Lundi 24 Mardi 25 Mercredi 26 Jeudi 27 Vendredi 28 Lundi 31 Samedi 5 RDV à 14h30 Planning

Plus en détail

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé

PAD - Notes de cours. S. Rigal, D. Ruiz, et J. C. Satgé ALGÈBRE PAD - Notes de cours S. Rigal, D. Ruiz, et J. C. Satgé November 23, 2006 Table des Matières Espaces vectoriels Applications linéaires - Espaces vectoriels............................... 3 -. Approche

Plus en détail

Mathématiques appliquées à l informatique

Mathématiques appliquées à l informatique Mathématiques appliquées à l informatique Jean-Etienne Poirrier 15 décembre 2005 Table des matières 1 Matrices 3 1.1 Définition......................................... 3 1.2 Les différents types de matrices.............................

Plus en détail

Cours de mathématiques fondamentales 1 année, DUT GEA. Mourad Abouzaïd

Cours de mathématiques fondamentales 1 année, DUT GEA. Mourad Abouzaïd Cours de mathématiques fondamentales 1 année, DUT GEA Mourad Abouzaïd 9 décembre 2008 2 Table des matières Introduction 7 0 Rappels d algèbre élémentaire 9 0.1 Calcul algébrique................................

Plus en détail

Exercices théoriques

Exercices théoriques École normale supérieure 2008-2009 Département d informatique Algorithmique et Programmation TD n 9 : Programmation Linéaire Avec Solutions Exercices théoriques Rappel : Dual d un programme linéaire cf.

Plus en détail

Applications des nombres complexes à la géométrie

Applications des nombres complexes à la géométrie Chapitre 6 Applications des nombres complexes à la géométrie 6.1 Le plan complexe Le corps C des nombres complexes est un espace vectoriel de dimension 2 sur R. Il est donc muni d une structure naturelle

Plus en détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante

Plus en détail

Jeux-Langages-Logique Jeux extensifs, jeux stratégiques

Jeux-Langages-Logique Jeux extensifs, jeux stratégiques Université de Bordeaux Master Informatique, 2015/2016 Jeux extensifs, à information complète Jeux-Langages-Logique Jeux extensifs, jeux stratégiques Exercice 2.1 Th. de Von Neumann Soit un graphe orienté

Plus en détail

Optimisation Discrète

Optimisation Discrète Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et

Plus en détail

Définition et caractérisations des applications affines, en particulier par le barycentre, et si possible en coordonnées.

Définition et caractérisations des applications affines, en particulier par le barycentre, et si possible en coordonnées. Université Claude Bernard Lyon I Agrégation de Mathématiques : Algèbre & géométrie Année 2006 2007 Applications affines A ne pas rater Définition et caractérisations des applications affines, en particulier

Plus en détail

2. MATRICES ET APPLICATIONS LINÉAIRES

2. MATRICES ET APPLICATIONS LINÉAIRES 2. MATRICES ET APPLICATIONS LINÉAIRES 2.1 Définition Une matrice n m est un tableau rectangulaire de nombres (réels en général) à n lignes et m colonnes ; n et m sont les dimensions de la matrice. Notation.

Plus en détail

Master Modélisation Statistique M2 Finance - chapitre 1. Gestion optimale de portefeuille, l approche de Markowitz

Master Modélisation Statistique M2 Finance - chapitre 1. Gestion optimale de portefeuille, l approche de Markowitz Master Modélisation Statistique M2 Finance - chapitre 1 Gestion optimale de portefeuille, l approche de Markowitz Clément Dombry, Laboratoire de Mathématiques de Besançon, Université de Franche-Comté.

Plus en détail

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre

1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre 1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Les deux modes de représentation des sous-espaces vectoriels Il existe deux modes

Plus en détail

Recherche Opérationnelle 1A Programmation Linéaire Résolution d un Programme Linéaire Introduction

Recherche Opérationnelle 1A Programmation Linéaire Résolution d un Programme Linéaire Introduction Recherche Opérationnelle 1A Programmation Linéaire Résolution d un Programme Linéaire Introduction Zoltán Szigeti Ensimag April 4, 2015 Z. Szigeti (Ensimag) RO 1A April 4, 2015 1 / 16 Forme Générale Définition

Plus en détail

TD 2 Exercice 1. Un bûcheron a 100 hectares de bois de feuillus. Couper un hectare de bois et laisser la zone se régénérer naturellement coûte 10 kf par hectares, et rapporte 50 kf. Alternativement, couper

Plus en détail

Éléments d analyse convexe

Éléments d analyse convexe Éléments d analyse convexe Cours de M1 Mathématiques Fondamentales Université Paul Sabatier Pierre Maréchal Table des matières 1 Préliminaires 2 1.1 Notations et définitions élémentaires................

Plus en détail

Recherche Opérationnelle

Recherche Opérationnelle Chapitre 2 : Programmation linéaire (Introduction) Vendredi 06 Novembre 2015 Sommaire 1 Historique 2 3 4 5 Plan 1 Historique 2 3 4 5 La programmation linéaire est un cadre mathématique général permettant

Plus en détail

1 Sujets donnés en option scientifique

1 Sujets donnés en option scientifique Les sujets suivants, posés aux candidats des options scientifique, économique, technologique et littéraire BL constituent la première version d un échantillon des sujets proposés lors des épreuves orales

Plus en détail

UNIVERSITÉ DE POITIERS

UNIVERSITÉ DE POITIERS UNIVERSITÉ DE POITIERS Faculté des Sciences Fondamentales et Appliquées Mathématiques PREMIÈRE ANNEE DE LA LICENCE DE SCIENCES ET TECHNOLOGIES UE L «algèbre linéaire» Plan du cours Exercices Enoncés des

Plus en détail

PLANNING BTS CI1 ALTERNANCE 2010 / 2011

PLANNING BTS CI1 ALTERNANCE 2010 / 2011 Prof référente: Mme Omiecinski Effectif : 3 étudiants Cours septembre 2010 Jeudi 16 Vendredi 17 Cours octobre 2010 Lundi 18 Mardi 19 PLANNING BTS CI1 ALTERNANCE 2010 / 2011 ATELIER RECHERCHE STAGE PRESENTATION

Plus en détail

Applications linéaires

Applications linéaires Applications linéaires I) Applications linéaires - Généralités 1.1) Introduction L'idée d'application linéaire est intimement liée à celle d'espace vectoriel. Elle traduit la stabilité par combinaison

Plus en détail

Université Joseph Fourier MAT231 2008-2009

Université Joseph Fourier MAT231 2008-2009 Université Joseph Fourier MAT231 2008-2009 mat231-exo-03.tex (29 septembre 2008) Feuille d exercices n o 3 Exercice 3.1 Soit K un corps commutatif et soit {P 0, P 1,... P n } une famille de polynômes de

Plus en détail

COUPLES DE VARIABLES ALÉATOIRES

COUPLES DE VARIABLES ALÉATOIRES CHAPITRE 13 COUPLES DE VARIABLES ALÉATOIRES Dans tout le chapitre, (Ω, P) désignera un espace probabilisé fini. 1 Couple de variables aléatoires Définition 13.1 On appelle couple de variables aléatoires

Plus en détail

Optimisation linéaire

Optimisation linéaire Optimisation linéaire Recherche opérationnelle GC-SIE Algorithme du simplexe Phase I 1 Introduction Algorithme du simplexe : Soit x 0 une solution de base admissible Comment déterminer x 0? Comment déterminer

Plus en détail

Programmes des classes préparatoires aux Grandes Ecoles

Programmes des classes préparatoires aux Grandes Ecoles Programmes des classes préparatoires aux Grandes Ecoles Filière : économique et commerciale Option : Scientifique (ECS) Discipline : Mathématiques- Informatique Seconde année Ministère de l enseignement

Plus en détail

X-ENS PSI - 2009 Un corrigé

X-ENS PSI - 2009 Un corrigé X-ENS PSI - 009 Un corrigé Première partie.. Des calculs élémentaires donnent χ A(α) = χ B(α) = X X + et χ A(α)+B(α) = X X + 4α + 4 On en déduit que Sp(A(α)) = Sp(B(α)) = {j, j } où j = e iπ 3 Sp(A(α)

Plus en détail

1 Complément sur la projection du nuage des individus

1 Complément sur la projection du nuage des individus TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent

Plus en détail

Projection orthogonale sur une droite du plan, projection vectorielle associée. Applications (calculs de distances et d angles, optimisation )

Projection orthogonale sur une droite du plan, projection vectorielle associée. Applications (calculs de distances et d angles, optimisation ) Projection orthogonale sur une droite du plan, projection vectorielle associée. Applications (calculs de distances et d angles, optimisation ) Introduction : On se place dans plan affine euclidien muni

Plus en détail

Partie II. Supplémentaires d un sous-espace donné. Partie I. Partie III. Supplémentaire commun. MPSI B 8 octobre 2015

Partie II. Supplémentaires d un sous-espace donné. Partie I. Partie III. Supplémentaire commun. MPSI B 8 octobre 2015 Énoncé Dans tout le problème, K est un sous-corps de C. On utilisera en particulier que K n est pas un ensemble fini. Tous les espaces vectoriels considérés sont des K espaces vectoriels de dimension finie.

Plus en détail

1.3 Produit matriciel

1.3 Produit matriciel MATRICES Dans tout ce chapitre, K désigne les corps R ou C, p et n des entiers naturels non nuls 1 Matrices à coefficients dans K 11 Définition Définition 11 Matrice On appelle matrice à coefficients dans

Plus en détail

Programmation. linéaire

Programmation. linéaire Programmation linéaire Université Virtuelle Africaine Note Ce document est publié sous une licence Creative Commons. http://en.wikipedia.org/wiki/creative_commons Attribution http://creativecommons.org/licenses/by/2.5/

Plus en détail

Exercice : la frontière des portefeuilles optimaux sans actif certain

Exercice : la frontière des portefeuilles optimaux sans actif certain Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué

Plus en détail

Chapitre 7. Problèmes de flots. 7.1 Exemple. 7.2 Notions de base sur les graphes

Chapitre 7. Problèmes de flots. 7.1 Exemple. 7.2 Notions de base sur les graphes Chapitre 7 Problèmes de flots. 7.1 Exemple. Un réseau electrique est formé de lignes reliant des noeuds (transformateurs, centre de redistributions,...), chaque ligne a une capacité de transport maximale.

Plus en détail

Document créé le 27 novembre 2013 Lien vers la dernière mise à jour de ce document Lien vers les exercices de ce chapitre

Document créé le 27 novembre 2013 Lien vers la dernière mise à jour de ce document Lien vers les exercices de ce chapitre Document créé le 27 novembre 2013 Lien vers la dernière mise à jour de ce document Lien vers les exercices de ce chapitre Chapitre 17 Matrices et applications linéaires Sommaire 171 Matrices et applications

Plus en détail

Première ES DS1 second degré 2014-2015 S1

Première ES DS1 second degré 2014-2015 S1 1 Première ES DS1 second degré 2014-2015 S1 Exercice 1 : (3 points) Soit la parabole d équation y = 25x² - 10x + 1. On considère cette parabole représentée dans un repère (O ;I,J). 1) Déterminer les coordonnées

Plus en détail

Problème 1 : applications du plan affine

Problème 1 : applications du plan affine Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées

Plus en détail

Effectif : 6 étudiants Cours septembre 2011 PRE-RENTREE Jeudi 8. Cours octobre 2011 SEMAINE 1 Lundi 17 Mardi 18 Jeudi 20. Cours Novembre 2011

Effectif : 6 étudiants Cours septembre 2011 PRE-RENTREE Jeudi 8. Cours octobre 2011 SEMAINE 1 Lundi 17 Mardi 18 Jeudi 20. Cours Novembre 2011 Effectif : 6 étudiants Cours septembre 2011 PRE-RENTREE Jeudi 8 Cours octobre 2011 SEMAINE 1 Lundi 17 Mardi 18 Jeudi 20 SEMAINE 2 Lundi 24 Mardi 25 SEMAINE 3 Lundi 31 Cours Novembre 2011 Mardi 1er SEMAINE

Plus en détail

Cours de mathématiques - Alternance Gea

Cours de mathématiques - Alternance Gea Cours de mathématiques - Alternance Gea Anne Fredet 11 décembre 005 1 Calcul matriciel Une matrice n m est un tableau de nombres à n lignes( et m colonnes. 1 0 Par exemple, avec n = et m =, on peut considérer

Plus en détail

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes.

Sujet proposé par Yves M. LEROY. Cet examen se compose d un exercice et de deux problèmes. Ces trois parties sont indépendantes. Promotion X 004 COURS D ANALYSE DES STRUCTURES MÉCANIQUES PAR LA MÉTHODE DES ELEMENTS FINIS (MEC 568) contrôle non classant (7 mars 007, heures) Documents autorisés : polycopié ; documents et notes de

Plus en détail

Visibilité polygone à polygone :

Visibilité polygone à polygone : Introduction Visibilité polygone à polygone : calcul, représentation, applications Frédéric Mora Université de Poitiers - Laboratoire SIC 10 juillet 2006 1 La visibilité Introduction Contexte L espace

Plus en détail

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées.

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées. Chapitre 10 Calcul Matriciel 101 Qu est-ce qu une matrice? Définition : Soit K un ensemble de nombres exemples, K = N, Z, Q, R, C, n, p N On appelle matrice à n lignes et p colonnes la données de np nombres

Plus en détail

Fiche Méthode 11 : Noyaux et images.

Fiche Méthode 11 : Noyaux et images. Fiche Méthode 11 : Noyaux et images. On se place dans un espace vectoriel E de dimension finie n, muni d une base B = ( e 1,..., e n ). f désignera un endomorphisme de E 1 et A la matrice de f dans la

Plus en détail

Cours d Analyse. Fonctions de plusieurs variables

Cours d Analyse. Fonctions de plusieurs variables Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........

Plus en détail

Formulaire de maths Algèbre linéaire et multilinéaire

Formulaire de maths Algèbre linéaire et multilinéaire Formulaire de maths Algèbre linéaire et multilinéaire Nom Formule Espaces vectoriels Famille libre On dit que la famille est libre si Famille liée On dit que la famille est liée si Théorème de la base

Plus en détail

CHAPITRE V. de U U dans Hom(F, F ) est de classe C. b dans Hom(F,F ) est de classe C, l application b b. de U U

CHAPITRE V. de U U dans Hom(F, F ) est de classe C. b dans Hom(F,F ) est de classe C, l application b b. de U U CHAPITRE V FIBRÉS VECTORIELS 1. Fibrés vectoriels 1. Cartes et atlas vectoriels Soit B une variété différentielle. Considérons un B -ensemble, c est à-dire un ensemble M muni d une application p : M B.

Plus en détail

Préparation à l agrégation 2012/2013. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs.

Préparation à l agrégation 2012/2013. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs. Mots clés : Graphes. Vecteur propre ; matrices stochastiques ; matrices à coefficients positifs. Le jury n exige pas une compréhension exhaustive du texte. Vous êtes laissé(e) libre d organiser votre discussion

Plus en détail

Programme de mathématiques TSI1

Programme de mathématiques TSI1 Programme de mathématiques TSI1 1. PROGRAMME DE DÉBUT D ANNÉE I. Nombres complexes et géométrie élémentaire 1. Nombres complexes 1 2. Géométrie élémentaire du plan 3 3. Géométrie élémentaire de l espace

Plus en détail

Cours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.

Cours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery. Cours de Recherche Opérationnelle IUT d Orsay Nicolas M. THIÉRY E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.name/ CHAPTER 1 Introduction à l optimisation 1.1. TD: Ordonnancement

Plus en détail

Par contre, lorsque P est finie, l inclusion f(p ) P implique l égalité f(p ) = P car, f

Par contre, lorsque P est finie, l inclusion f(p ) P implique l égalité f(p ) = P car, f Université Lyon 1 Algèbre générale S.P. Groupes III I. Groupe symétrique et géométrie. On se donne un ensemble E (souvent un espace euclidien ou une partie de cet espace) et une bijection f : E E (souvent

Plus en détail

Applications Bilinéaires et Formes Quadratiques

Applications Bilinéaires et Formes Quadratiques Ce cours peut être librement copié et distribué. Il est recommandé d en télécharger la version la plus récente à partir de : http://www.math.jussieu.fr/~alp. Toute remarque, correction ou suggestion doit

Plus en détail

Algorithmique et Programmation Projets 2012/2013

Algorithmique et Programmation Projets 2012/2013 3 Dames 3. Objectif Il s agit d écrire un programme jouant aux Dames selon les règles. Le programme doit être le meilleur possible. Vous utiliserez pour cela l algorithme α β de recherche du meilleur coup

Plus en détail

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé

Baccalauréat ES Pondichéry 7 avril 2014 Corrigé Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient

Plus en détail

Espaces vectoriels et applications linéaires

Espaces vectoriels et applications linéaires Espaces vectoriels et applications linéaires Exercice 1 On considère l'ensemble E des matrices carrées d'ordre 3 défini par,,, 1) Montrer que est un sous-espace vectoriel de l'espace vectoriel des matrices

Plus en détail

Affichage rapide de scènes 3D

Affichage rapide de scènes 3D ÉPREUVE COMMUNE DE TIPE 2010 - Partie D TITRE : Affichage rapide de scènes 3D Temps de préparation :.. 2 h 15 minutes Temps de présentation devant les examinateurs :.10 minutes Entretien avec les examinateurs

Plus en détail

Rappels sur les tableaux et l algorithme du simplexe

Rappels sur les tableaux et l algorithme du simplexe Rappels sur les tableaux et l algorithme du simplexe À tout tableau est associée non seulement une base du problème initial (primal) mais également une base du problème dual. Les valeurs des variables

Plus en détail

Licence STIC, Semestre 1 Algorithmique & Programmation 1

Licence STIC, Semestre 1 Algorithmique & Programmation 1 Licence STIC, Semestre 1 Algorithmique & Programmation 1 Exercices Alexandre Tessier 1 Introduction 2 instruction de sortie 3 expressions 4 variable informatique 5 séquence d instructions, trace Exercice

Plus en détail

ANALYSE MATRICIELLE ET ALGÈBRE LINÉAIRE APPLIQUÉE. - Notes de cours et de travaux dirigés - PHILIPPE MALBOS

ANALYSE MATRICIELLE ET ALGÈBRE LINÉAIRE APPLIQUÉE. - Notes de cours et de travaux dirigés - PHILIPPE MALBOS UNIVERSITÉ CLAUDE BERNARD LYON Licence Sciences, Technologies, Santé Enseignement de mathématiques des parcours Informatique ANALYSE MATRICIELLE ET ALGÈBRE LINÉAIRE APPLIQUÉE - Notes de cours et de travaux

Plus en détail

PC* Devoir 6: Corrigé 2011 2012. Partie I : Généralités

PC* Devoir 6: Corrigé 2011 2012. Partie I : Généralités PC* Devoir 6: Corrigé 20 202 Partie I : Généralités I.A - Questions préliminaires a b c I.A.) M S M = b l m avec (a, b, c, l, m, t) R 6. c m t Les éléments de S sont les matrices de la forme : M = ae +

Plus en détail

Recherche opérationnelle

Recherche opérationnelle Recherche opérationnelle Master 2 LT, MPM, MIR Université du Littoral - Côte d Opale, Pôle Lamartine Laurent SMOCH (smoch@lmpa.univ-littoral.fr) Septembre 20 Laboratoire de Mathématiques Pures et Appliquées

Plus en détail

Espaces vectoriels. Université d Orléans Année 2009-2010 Espaces vectoriels et applications linéaires. 2MA01-Licence de Mathématiques

Espaces vectoriels. Université d Orléans Année 2009-2010 Espaces vectoriels et applications linéaires. 2MA01-Licence de Mathématiques Université d Orléans Année 2009-2010 Espaces vectoriels et applications linéaires 2MA01-Licence de Mathématiques Espaces vectoriels Exercice 1 Soit E un espace vectoriel. Pour x, y E et λ, µ K, montrer

Plus en détail

Equations différentielles

Equations différentielles Maths PCSI Cours Table des matières Equations différentielles 1 Généralités 2 1.1 Solution d une équation différentielle................................ 2 1.2 Problème de Cauchy.........................................

Plus en détail

TD 3 : Problème géométrique dual et méthode des moindres carrés

TD 3 : Problème géométrique dual et méthode des moindres carrés Semestre, ENSIIE Optimisation mathématique 4 mars 04 TD 3 : Problème géométrique dual et méthode des moindres carrés lionel.rieg@ensiie.fr Exercice On considère le programme géométrique suivant : min x>0,y>0

Plus en détail

Espaces vectoriels 2006-2007. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F.

Espaces vectoriels 2006-2007. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle 2006-2007 Espaces vectoriels Convention 1. Dans toute la suite, k désignera un corps quelconque. Définition 2.

Plus en détail

1 Définition. 2 Systèmes matériels et solides. 3 Les actions mécaniques. Le système matériel : Il peut être un ensemble.un sous-ensemble..

1 Définition. 2 Systèmes matériels et solides. 3 Les actions mécaniques. Le système matériel : Il peut être un ensemble.un sous-ensemble.. 1 Définition GÉNÉRALITÉS Statique 1 2 Systèmes matériels et solides Le système matériel : Il peut être un ensemble.un sous-ensemble..une pièce mais aussi un liquide ou un gaz Le solide : Il est supposé

Plus en détail

Factorisation des matrices creuses

Factorisation des matrices creuses Chapitre 5 Factorisation des matrices creuses 5.1 Matrices creuses La plupart des codes de simulation numérique en mécanique des fluides ou des structures et en électromagnétisme utilisent des discrétisations

Plus en détail

Etude et illustration de méthodes itératives d optimisation non linéaire

Etude et illustration de méthodes itératives d optimisation non linéaire Ecole Polytechnique Fédérale de Lausanne Faculté Sciences de Base Chaire de Recherche Opérationnelle Sud Est Projet de master 2005-2006 Etude et illustration de méthodes itératives d optimisation non linéaire

Plus en détail

Exercice 1 Métropole juin 2014 5 points

Exercice 1 Métropole juin 2014 5 points Le sujet comporte 6 pages. Seule l annexe est à rendre avec la copie. BAC BLANC MATHÉMATIQUES TERMINALE STMG Durée de l épreuve : 3 heures Les calculs doivent être détaillés. Les calculatrices sont autorisées,

Plus en détail

PLANNING PREVISIONNEL BP JEPS APT / Randonnée 2014-2015

PLANNING PREVISIONNEL BP JEPS APT / Randonnée 2014-2015 Septembre 2014 Octobre 2014 9h-12h 13h30-15h30 15h30-17h30 Matin (9h-12h) 13h30-15h30 15h30-17h30 lundi 01/09/2014 mercredi 01/10/2014 mardi 02/09/2014 jeudi 02/10/2014 mercredi 03/09/2014 vendredi 03/10/2014

Plus en détail

Actions de groupes. Exemples et applications

Actions de groupes. Exemples et applications 4 Actions de groupes. Exemples et applications G, ) est un groupe multiplicatif et on note ou G si nécessaire) l élément neutre. E est un ensemble non vide et S E) est le groupe des permutations de E.

Plus en détail

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé

Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01

Plus en détail

I) Le temps des matrices. A- A propos des matrices. Quang-Thai NGO Ch 01. Difficulté ** Importance **** Objectifs

I) Le temps des matrices. A- A propos des matrices. Quang-Thai NGO Ch 01. Difficulté ** Importance **** Objectifs Ch01 : Matrice Les matrices ont été introduites récemment au programme des lycées. Il s agit d outils puissants au service de la résolution de problèmes spécifiques à nos classes, en particulier les problèmes

Plus en détail

Mathématiques I. Recueil d exercices #2. Analyse II

Mathématiques I. Recueil d exercices #2. Analyse II FACULTE DES SCIENCES ECONOMIQUES ET SOCIALES Sections des sciences économiques et des hautes études commerciales Mathématiques I Cours du professeur D. Royer Recueil d exercices #2 Analyse II Semestre

Plus en détail