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

Dimension: px
Commencer à balayer dès la page:

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

Transcription

1 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 à soulever un nombre minimale de dalles Trouver une solution minimale par la programmation linéaire. ( Indication: poser x i = 0 ou 1, i = 1,.,8;si on ne soulève pas ou on soulève la dalle i ) Ecrire un programme linéaire avec les contraintes d intégrité. Remplacer les contraintes par 0 x i 1, i = 1,, 8. Appliquer l algorithme du simplexe, puis justifier ce changement de contraintes. 76. Résoudre par la méthode des deux phases les problème linéaires suivant : a) min z = 2 x 1 - x 2 + x 3 x 1 + x 2 - x 3 = x 1 - x 2 + x 4 = 1 x x 2 - x 4 = 2 x 1 0,, x 4 0 b) min z = x 1 + x 2 - x 3 2 x 5 x x 2 + x 4 = 3 3 x 2 - x 4 + x 5 5 x 2 + x 5 3 x 1 0,, x En utilisant la forme produit de l inverse, déterminer A -1 si : a) A = b) A = ième année Licence LMD de mathématiques, USDBlida 29

2 78. Par la méthode révisée du simplexe ( forme matricielle de la méthode du simplexe), résoudre les problèmes: a) min z = - 2 x 1 + x 2-3x 3 x 4 x 5 x 1 + x x x 4 2 x x 1-2 x x 3-2 x 4 + 3x 5 10 x 1 0,, x 5 0 b) max z = 9 x x 2 10 x x x x ,5 x x 2 81 x 1 0, x 2 0 c) min z = - 6 x 2-5x 3 x x 2 + x 3 + x 4 = 10 2 x x x x 4 = 21 x 1 0,, x 4 0 d) max z = x 1 - x 2 + x x 4 x 1 + x 2 + x x 4 = 7 x 2 + x 3 + x 4 = 5 x 3 - x 4 = 9 x 1 0,, x Par la méthode révisée du simplexe ou méthode matricielle, résoudre le problème suivant : MinZ = - 5 x 1-6 x 2 2 x x 2 + x 3 = 10 x x 2 + x 4 = 6 x 1 0 ;.. ; x ième année Licence LMD de mathématiques, USDBlida 30

3 80. On considère les problèmes de programmation linéaire : a) min z = - 3/4 x x 2 1/50 x x 4 1 / 4 x 1-60 x 2 1 / 25 x x 4 + x 5 = 0 1 / 2 x 1 90 x 2-1/ 50 x x 4 + x 5 = 0 x 3 + x 7 = 1 x j 0, j = 1,,7. b) max z = x 3 - x 4 + x 5 - x 6 x 1 + x 3 2 x 4-3 x x 6 = 0 x x 3-3 x 4-2 x 5 + x 6 = 0 x 3 + x 4 + x 5 + x 6 + x7 = 1 x j 0, j = 1,,7. 1) Résoudre ces problèmes par l algorithme du simplexe et montrer que dans ces exemples, le phénomène de cycles se produit. 2) En appliquant la méthode lexicographique, éviter le cycle et obtenir la solution optimale de chaque problème. 81. On considère les problèmes de programmation linéaire a) minx z = 3x 1 - x x 3 2 x 1 - x 2 - x 3 + x 4-1 x 2 + x 4 2 x j 0, j = 1,,4. b) max z = 2x x 2 - x 3 x 1 + x x 1 - x 2 + x 3 7 x 2 - x 3 0 x 1 - x 3 10 x j 0, j = 1,,3. c) max z = - 2 x 2 + x x 5 x 1 2 x x 4 + x 5 = 8 x 2 + x 3 + x 4-2 x 5 = 6 x j 0, j = 1,,5. Déterminer les problèmes duaux correspondants. 3 ième année Licence LMD de mathématiques, USDBlida 31

4 82. Donner les problèmes duaux pour les problèmes suivants : a) min z = x 1-2 x 2 +x 3 - x 4 + x 5 x 1 2 x 2 + x 3 3 x 4-2 x 5 = 6 2 x x 2-2 x 3 - x 4 + x 5 4 x x 3-4 x 5 8 x 1 0, x 2 0, x 3 et x 4 sont quelconques. b) max z = 2 x 1 - x 3 x 1 + x 2 + x x x 3 = 5 - x 1 + x 2 0 x 2 - x 3 = 2 x 1 - x 2 - x 3-2 x 1 0, x 3 0, x 2 est quelconque. c) minz = c x + d y A 1 x + A 2 y a B 1 x + B 2 y = b x 0, y quelconque. 83. Par l algorithme du simplexe, résoudre les problèmes : a) max z = 2 x x 2 - x x 2 6 x 1-4 x 2 2 x 1 - x 2 5 x 1 0, x 2 0. b) max z = 2 x 1 - x x 3 2 x 4 + x 5 - x 1 + x 2 + x 3 = 1 x 1 - x 2 + x 4 = 1 x 1 + x 2 + x 5 = 2 x i 0, i = 1,,5. Déterminer les solutions optimales des problèmes duaux correspondants. 3 ième année Licence LMD de mathématiques, USDBlida 32

5 84. Soit le programme linéaire suivant : MinZ = 2 x 1 + x 3 x 1 + x 2 - x 3 5 x 1-2 x x 3 8 x 1 0 ;.. ; x 3 0 Ecrire son dual. Le résoudre géométriquement. Déterminer une solution optimale du problème primal. Conclure. 85. On considère le programme linéaire : max z = 4 x x 2 - x x 2 6 x 1 + x x 1 - x 2 15 x 1 0, x 2 0. En utilisant l interprétation géométrique, trouver la solution optimale. En utilisant le théorème fondamental de la dualité, déterminer la solution optimale du programme dual correspondant. 86. On considère le programme linéaire suivant : min z = x x x 3 3 x 1 2 x 2 + x 3 5 x 1 + x x x x 2 - x 3 2 x 1 0, x 2 0. Par la méthode du simplexe, résoudre le problème dual correspondant et déterminer la solution optimale du problème primal. 87. Résoudre le programme linéaire : min z = x x n x n x 1 + x x i i ( i = 1,, n ) x j 0, j = 1,, n. ( Indication : considérer le problème dual correspondant) 3 ième année Licence LMD de mathématiques, USDBlida 33

6 88. Soit le programme linéaire suivant : min z = 2 x x 2 + x 3 x 1 + x 2 - x 3 1/2 x 2 + x 3 1 x i 0, i = 1,,3 Ecrire et résoudre le programme dual. Retrouver une solution du problème initial appelé primal en utilisant le théorème des écarts complémentaires. 89. En utilisant le théorème des écarts complémentaires, vérifier si x = (3, 0, 1, 3) est une solution optimale des problèmes suivants : a) max z = - 2 x 1 - x 2 + x 3 + x 4 2 x 1 + x 2-3 x 3 + x 4 = 6 x 1 - x x 3 - x 4 = 2 x 1-3 x 2-2 x 3 x 4 = - 2 x i 0, i = 1,,4. b) max z = 2 x 1 - x x 3-6 x 4 3 x 1 - x x 4 15 x x 2 - x 3-2 x 4-4 x x 3 x 4 0 x i 0, i = 1,,4. c) max z = 2 x 1 - x x 3-6 x 4 2 x 1 - x x 4 = 10 x 1 + x 2 - x 4 = 0 2 x 1-2 x x 4 = 13 x i 0, i = 1,, Soit le problème linéaire max. W = ½ x 1 + x 2 x 1 2 (P) x 1 + x x 1 + x 2 1 x 1 0, x ième année Licence LMD de mathématiques, USDBlida 34

7 a) Déterminer une solution de ce problème. b) Ecrire le dual de (P). En utilisant les résultats du théorème des écarts complémentaires, déterminer une solution du dual. 91. On considère le problème de la PL max z = ( 3 m )x 1 + ( m 3 ) x 2 + x 3 x x x x 1 + x 2 + x 3 7 x i 0, i = 1,,3. a) résoudre ce problème selon les valeurs de «m». b) Pour m = 0, déterminer une solution optimale du problème dual si elle existe. 92. Par la méthode duale du simplexe, résoudre le problème suivant : min z = 2 x 1 + x 3 x 1 + x 2 - x 3 5 x 1-2 x x 3 8 x i 0, i = 1,, a) Soit un couple de problèmes duaux sous forme standard min z = cx max w = ud ( I ) Ax = d et (II) ua c x 0 u quelconque c n, x n, A : m x n, d m, u m. 1) Montrer que si x est une solution réalisable de (I) et u est une solution du dual (II) alors on a : c x u d. 2) Montrer que si x est une solution réalisable du (I) et u est une solution du dual (II) et si c x = u d alors x et u sont des solutions optimales respectivement de (I) et (II). b) Soit un couple de problèmes duaux sous forme canonique min z = cx ( I ) Ax d et (II) x 0 max w = ud ua c u 0 3) Montrer qu une condition nécessaire et suffisante pour que x et u soient des solutions optimales de (I) et (II) est que : u ( A x - d ) = 0 et (c- u A) x = 0. 3 ième année Licence LMD de mathématiques, USDBlida 35

8 4) Que deviennent ces conditions si les problèmes sont mis sous la forme standard? 5) On appelle «Lagrangien» associé à ces problèmes la fonction des variables x et u définie par : (x, u) = c x + u d u A x. On dit que le couple ( x, u ), x 0, u 0, constitue un col ou «point selle» si pour tout x 0, u 0 on a : ( x, u) ( x, u ) ( x, u ). 6) Montrer qu une condition nécessaire et suffisante pour que ( x, u ) soient deux solutions optimales du problème primal (I) et du dual (II) est que le couple ( x, u ) constitue le col du Lagrangien ( x, u). La valeur commune des fonctions objectives de (I) et (II) est égale à ( x, u ). max z = cx 94. Soit le problème linéaire suivant (P) Ax b x 0 Montrer que la variation de la valeur optimum de la fonction objective du problème linéaire pour une variation δb suffisamment faible pour que la base optimale (P) soit max z = cx encore la base optimale de (P δ ) Ax b + δ b x 0 solution optimale du dual de (P). est égale à yδ b où y est une 95. Par la méthode du grand M, résoudre le problème de la programmation linéaire suivant : min Z = - 2 x 1 - x 2 - x 3 4 x x x x x 2 - x x x 2-5 x 3 4 x 1 0, x 2 0 et x Résoudre par la méthode du problème augmenté le problème de la programmation linéaire suivant : min Z = - x 1-2 x 2 3 x 1 + x 2 + x 3 = 6 x x 2 - x 4 = 10 3 ième année Licence LMD de mathématiques, USDBlida 36

9 x 1 0,, x Résoudre le problème suivant : min Z = x 1 + x 2 - x 3 2 x 5 x x 2 + x 4 = 3 x 3-2 x 4 = 2 3 x 2 - x 4 + x 5 5 x 2 + x 5 3 x 1 0, x 2 0,, x Enoncer l algorithme de transport. Résoudre le problème de transport donné par le tableau suivant : b j a i Où a i et b j représentent respectivement les quantités d un produit disponible au site i et la quantité demandée par le lieu de vente j. Les éléments du tableau sont les coûts de transport du site i au lieu de vente j. Ecrire le problème dual correspondant. 99. Résoudre le problème de transport donné par le tableau suivant : b j a i Où a i et b j représentent respectivement les quantités d un produit disponible au site i et la quantité demandée par le lieu de vente j. Les éléments du tableau sont les coûts de transport du site i au lieu de vente j. 3 ième année Licence LMD de mathématiques, USDBlida 37

10 100. Soit un problème de transport donné par le tableau ci dessous : b j a i où a i et b j représentent respectivement les quantités d un produit disponible au site i et la quantité demandée par le lieu de vente j. Les éléments du tableau sont les coûts de transport du site i au lieu de vente j. a. Ecrire le programme linéaire correspondant à ce problème de transport et lui associer son dual. b. par la règle du produit minimum, déterminer une solution de base réalisable. c. par la règle de Houthaker, déterminer une solution de base réalisable. d. Est-elle optimale? Sinon déterminer une solution optimale. 3 ième année Licence LMD de mathématiques, USDBlida 38

11 Annexe 1 : La méthode Lexicographique Un vecteur a n est dit lexicographiquement positif si sa première composante non nulle est positif ( ou 1-positif ). Un vecteur a n est 1-supérieur à un vecteur b n est si a b > 0 ( a > b lexicographiquement ). Cette relation définit un ordre total sur les vecteurs de n ( par analogie avec l ordre dans lequel sont rangés les mots d un dictionnaire ). Etant donné une suite finie de vecteurs de n, on peut définir 1-max ou 1-min de cette suite finie. Soit le problème (P) min z = cx Ax = b x 0, b 0 On suppose que rang A = rang (A, b) = m. On suppose que A est rangée de façon que les «m» premières colonnes forment une base initiale A B = ( a 1, a 2,, a m ) Formons ( b, A B ) = Avec α i = ( a i0, a i1,, a im ). a10 a11... a1m a20 a21... a2m am0 am1... amm Supposons que chaque α i ( i = 1,,m) soit l-positif. α1 α2 =... αm La méthode de simplexe est basée sur un changement de base pour améliorer la fonction objectif. Si x = = ( a 10, a 20,, a i0,, a m0, 0,,0 ) n est pas optimale, pour déterminer la colonne pivot, on utilise { min c j, c j < 0 }= c s Le critère de sortie à la même forme que la méthode de simplexe, mais le minimum doit être pris lexicographiquement. αr a rs αi = l min a a is > 0 is ai0 On calcule min, I ensemble des indices de vecteurs ( des variables de bases). i I ais Si ce minimum est unique et a lieu pour i = r, on fait sortir a r ai0 ai1 si min est atteint en plusieurs points, on calcule min, I 1 I et on répète i I ais i I a 1 is air l opération sur I r avec min i I a r is. 3 ième année Licence LMD de mathématiques, USDBlida 39

12 Si rg(a) = m, deux lignes de A ne peuvent pas être proportionnelles et donc au plus tard à ( m + 1 ) étapes d application de cette procédure on a un minimum unique. Montrons que dans ce nouveau tableau a) Chaque ligne est l-positive b) La ligne a augmenté lexicographiquement c est à dire ai0 ai1 aim ain,,...,,... > ais ais ais ais ar0 ar1 arm arn,,...,,... (*) ars ars ars ars Si a is > 0 alors pour obtenir la ième ligne du nouveau tableau, il suffit de retrancher ( a r0, a r1,, a r n ) multiplié par ais de ( a i0, a i1,, a i n ). ars Soit ( a i0, a i1,, a i n ) - ( a r0, a r1,, a r n ) x D après (*) la ième ligne est l-positive. ais > 0. ars Si a is < 0, ( a i0, a i1,, a i n ) - ( a r0, a r1,, a r n ) x l-positifs est l-positive. ais est la somme de deux vecteurs ars ais Pour obtenir la ligne de z, il faut ajouter v = ( a r0, a r1,, a r n ) multiplié par à ars la ligne de z. Puisque v est l-positif, - z augmente lexicographiquement. La ligne de z sert à ordonner les bases du problème de la programmation linéaire. Dans le cas de dégénèrescence, la valeur de z est la somme d un tableau du simplexe à un nouveau tableau mais la ligne de z augmente. 3 ième année Licence LMD de mathématiques, USDBlida 40

13 Annexe 2 : Indications sur la résolution de quelques exercices de modélisation Réponse 01. Soient x i la quantité de P livrée au détaillant D i ( i = 1, 2, 3). Les contraintes sont: x 1 + x 2 + x 3 = 24 x 2 9, x 3 9 x 1 2 x x 1 0, x 2 0 et x 3 0. Minz = 4 x x x 3 Réponse 2. Si on note x j le nombre de gâteaux de type G j, le problème s écrit : Maxz = 2 x x x 3 x 1 + x x 3 20 x x 2 + x x 1 + x 2 + x 3 20 x x 2 20 x x 2 + 2x 3 10 x 1 0, x 2 0, x 3 0. Réponse 3. Une plaque de 200 cm de largeur peut être coupée de cinq façons : 1. une plaque de 75 cm et deux plaques de 60 cm. Les déchets seront de 05 cm. 2. une plaque de 110 cm et une plaque de 75 cm. Les déchets seront de 15 cm. 3. une plaque de 110 cm et une plaque de 60 cm. Les déchets seront de 30 cm. 4. trois plaques de 60 cm. Les déchets seront de 20 cm. 5. deux plaques de 75 cm. Les déchets seront de 50 cm. Soit x i : le nombre de plaques à découper par la façon i, le problème s écrit : Min z = 5 x x x x x 5 x 2 + x 3 30 x 1 + x 2 + x x 1 + x x x 1 0,, x ième année Licence LMD de mathématiques, USDBlida 41

14 Réponse 4. Soit x et y respectivement le nombre d assiettes de type 1 et du type 2 à offrir. Le problème est de maximiser la fonction 80 x y sous les contraintes: 5 x + 3 y 30 2 x + 3 y 24 x + 3 y 18 x 0 et y 0. Réponse 5. Soient x 1 le nombre de bouteilles de type boisson_a et x 2 le nombre de bouteilles de type boisson_b. Le problème est de : Max z = 3 x x 2 2 x 1 + x x 1 + x x x x 1 0 et x 2 0. Réponse 6. Soient x 1 et x 2 respectivement le nombre d inspecteurs de 1 er et du 2 nd catégorie à affecter à l inspection. Chaque inspecteur de 1 er catégorie inspecte 25 x 8 pièces par jour, soit 200 pièces. S il commette 2% d erreur, cela représentera 4 pièces qui coûteront 4 x 50 DA. Chaque inspecteur de 2 nd catégorie inspecte 15 x 8 pièces par jour, soit 120 pièces. S il commette 5% d erreur, cela représentera 6 pièces qui coûteront 6 x 50 DA. Le problème est de : Minz = ( 100 x ) x 1 + ( 70 x ) x x x x 1 12 x 2 17 x 1 0, x 2 0. Réponse 7. Le problème de transport est un problème particulier de la programmation linéaire. Sa formulation mathématiques est : 3 ième année Licence LMD de mathématiques, USDBlida 42

15 Minz = m n 1 c ij x ij i= 1 j= 1 m a i i= 1 n 1 b j j= 1. Cette équation traduit que la demande doit être satisfaite. n 1 x ij j= 1 a i, i = 1,, m. m x ij = b j, j = 1,, n - 1. i= 1 x ij 0, i = 1,, m et j = 1,, n 1. a i 0, i = 1,, m, b j 0, j = 1,, n 1, c ij 0, i = 1,, m et j = 1,, n 1. n Réponse 8. Il s écrit, Max z = c j x j j= 1 n a ij x j j= 1 b i i = 1,, m. x j 0, j = 1,, n. Réponse 09. Soient x 1 et x 2 le nombre de mètres cubes de carburant de type 1 et 2 à produire. Max z = 6000 x x 2 20 % x % x % x % x % x % x % x % x x 1 0, x 2 0. Réponse 10. Si x 1, x 2, x 3 représentent les nombres de pièces de type p 1, p 2, p 3 à fabriquer, le profit total est: max Z = 50 x x x 3 2 x x x x x x x 1 0, x 2 0, x ième année Licence LMD de mathématiques, USDBlida 43

16 Réponse 11. Soient x 1, x 2 et x 3 le nombre de produits à fabriquer respectivement de type A, B et C Max Z = ( ) x 1 + ( ) x 2 + ( )x 3 x x x x 1 + x x x x 2 + x x x 2 + x x 1 0, x 2 0, x 3 0 Réponse 12. Soient x 1, x 2 et x 3 le nombre de produits à fabriquer respectivement de type A, B et C Max Z = ( ) x 1 + ( ) x 2 + ( )x 3 x x x x x 2 30 x 2 / 3 x 3 x 1 0, x 2 0, x 3 0 Réponse13. Soient x 1, x 2 et x 3 le nombre de m 3 à fabriquer respectivement du 1 er, 2 nd et du 3 ième gaz. Min Z = 100 x x x x x x x x x x 1 0, x 2 0, x 3 0 Réponse 14. Soit x 1 le nombre de pain introduit dans la ration de 100g x 2 le nombre de beurre introduit dans la ration de 100g x 3 le nombre de fromage introduit dans la ration de 100g x 4 le nombre de pois introduit dans la ration de 100g x 5 le nombre d épinards introduit dans la ration de 100g 3 ième année Licence LMD de mathématiques, USDBlida 44

17 Max Z = 3 x x x x x 5 10 x x x x x x x x x x x x x x x x x x 5 12 x i 0, i = 1,, 5 Réponse 15. Soit x ij le nombre de pièces i à fabriquer sur la machine j. On aura 12 variables. Le problème s écrit : Minz = 3x x x x x 12 + x 22 + x x x x x x 43 Sous les contraintes : 3x x x x x 12 + x 22 + x x x x x x x 11 +x 12 + x 13 = 10 x 21 + x 22 + x 23 = 40 x 31 + x 32 + x 33 = 50 x 41 + x 42 + x 43 = 20 x ij 0, i = 1,, 4 et j = 1, 2, 3. Réponse 16. Soient x 1 le nombre de bureau A, x 2 le nombre de bureau B, x 3 le nombre de bureaux C, x 4 le nombre de bureau D à fabriquer. Max z = 900 x x x x 4 x x 2 + x 3 + x x 1 + x x 3 + x x x 3 + x x i 0, i = 1,, 4. Réponse 17. Soit x 1 le nombre d autos à construire et x 2 le nombre de camions. 4/3 x 1 + 4/3 x 2 représente le nombre d heures de travail dans l atelier I ½ x x 2 représente le ««««««I I 8/7 x 1 + 5/2 x 2 ««««««««I I I 3 ième année Licence LMD de mathématiques, USDBlida 45

18 Exercices du Cours de la programmation linéaire donné par le Pr. Ali DERBALA 4/ 3x1 + 4/ 3x 2 = 200 1), x 1 = 100 et x 2 = 50. 1/ 2 x 1 + 3x 2 = 200 2) 8/7 x /2 x 50 = 239, 28. La production en 1) n est pas possible. x1+ x2 200 (I) 3) et 4) x1 + 6 x2 400 (II) 8/ 7x 1 + 5/ 2x ( III) L intersection de (I) et (II) donne l optimum et qui est le point B = ( 128,94; 21,05) et Z(B) = DA. Réponse 18. Soit x ij le nombre de tonnes de métal qui sont acheminés chaque semaine depuis le port i vers l usine j ( i = 1, 2 et j = 1, 2, 3). Le programme s écrit : minz = 500 x x x x x x 23 x 11 + x x 12 + x x 13 + x x 11 + x 12 + x x 21 + x 22 + x x ij 0 ( i = 1, 2 et j = 1, 2, 3 ) Réponse 19. Réponse 20. Soient x ij : le nombre de tonnes de déchets à transporter de la ville i ( i = 1, 2 ) à l incinérateur j ( j = 1, 2 ) et y jk le nombre de tonnes de débris à transporter de l incinérateur j au terrain-vague k ( k = 1, 2 ) min Z = 40 (x 11 + x 21 ) + 30 (x 12 + x 22 ) + 3 ( 30 x x x x y y y y 22 ) x 11 + x 12 = 500 x 21 + x 22 = 400 y 11 + y 12 = 0.2 ( x 11 + x 21 ) y 21 + y 22 = 0.2 (x 12 + x 22 ) x 11 + x x 12 + x ième année Licence LMD de mathématiques, USDBlida 46

19 y 11 + y y 12 + y x ij 0, y jk 0 ( i, j, k = 1, 2 ) La programmation linéaire est notamment très utilisée dans l industrie du pétrole. Réponse 21. Appelons respectivement x 1, x 2 et x 3 les quantités de brut, en millions de tonnes, traitées annuellement par la raffinerie. Le tableau des rendements ci-dessus montre que la production de gaz et gaz liquéfiés correspondant à 1 million de tonnes de pétrole brut atteint : 0.02 million de tonnes quand on traite du brut n million de tonnes quand on traite du brut n 3 Comme la fabrication de cette catégorie de produit est limitée à tonnes, soit 0.3 million de tonnes, la contrainte correspondante s écrit : 0.2 x x Soit encore : x x 3 15 On obtient de même : - pour la limitation de production d essences : 0.20 x x x soit encore : 4 x x x pour la limitation de production de pétrole : 0.08 x x soit encore : 4 x x pour la limitation de production de gasoil : 0.40 x x x qui est équivalent à l équation : 8 x x x pour la limitation de production de fuel-oil : 0.30 x x x Soit encore : 3 x x x ième année Licence LMD de mathématiques, USDBlida 47

20 Le problème est de maximiser le bénéfice en millions de DA, qui s écrit : Sous les contraintes : Max z = 40 x x x 3 x x x x x x x x x x x x x 3 18 x 1 0, x 2 0, x 3 0. Réponse 22. 1) a) Pour assurer une production hebdomadaire de 400 téléviseurs et 600 magnétoscopes il faut : 400 x 0, x 1 = 800 heures de main d œuvre. L entreprise dispose de 20 x 39 = 780 heures de main d œuvre. Elle ne dispose donc pas de la main d œuvre suffisante pour assurer cette production. b) Une production de 600 téléviseurs et 400 magnétoscopes nécessite 3000 x x 400 = DA de composants. Comme elle ne peut consacrer que DA par semaine au financement de ses approvisionnements en composants, elle ne peut donc assurer cette production. 3000x+ 200y x+ 2y 256 0, 5x+ y 780 0, 5x+ y 780 c) x 600 x 600 y 600 y 600 x 0, y 0 x 0, y 0 La représentation est facile. 2) Le bénéfice est 1500 x y. Si le bénéfice réalisé est DA, alors 1500 x y = , soit 3 x + 4 y = Les couples qui réalisent cette équation sont à l extérieur du polyèdre de réalisabilité. L entreprise ne peut assurer une telle production. ( 400, 570 ) ; ( 450, 550) sont les points qui assurent un bénéfice supérieur ou égal à DA. 3 ième année Licence LMD de mathématiques, USDBlida 48

21 Réponse 23. Si le gérant achète x lots A et y lots B ( x 0, y 0 ) Le nombre de draps de bain est 2 x + 3 y. Il doit être supérieur ou égale à 90 d où la condition 2 x + 3 y 90. Le nombre de serviettes est 4 x + 12 y. Il doit être supérieur ou égal à 240 d où la condition 4 x + 12 y 240. Le nombre de gants de toilette est 8 x + 6 y. Il doit être supérieur ou égal à 240 d où la condition 8 x + 6 y 240. Le système des contraintes est donc: 2x+ 3y 90 4x+ 12y 240 8x+ 6y 240 x 0 ety 0 équivalent à 2x+ 3y 90 x+ 3y 60 4x+ 3y 120 x 0 ety 0 Réponse 24. Définissons les variables de décision par : X 1 : le nombre de verres à café produits pendant la semaine à venir ; X 2 : le nombre de verres à thé produits pendant la semaine à venir ; X 3 : le nombre de verres à eau produits pendant la semaine à venir ; Le plan de production maximisant le chiffre d'affaires est solution du programme linéaire : Max z = 8 X X X 3 4 X X X X 1 + X X ,1 X 1 + 0,15 X 2 + 0,1 X X 1 0, X 2 0 et X ième année Licence LMD de mathématiques, USDBlida 49

UNIVERSITE SAAD DAHLAB DE BLIDA

UNIVERSITE SAAD DAHLAB DE BLIDA LA PROGRAMMATION LINEAIRE La première révolution industrielle avait remplacé la force musculaire de l'homme par celle des machines. La seconde voyait la machine se commander elle-même. Les ordinateurs

Plus en détail

Première partie. Modélisation des problèmes en programmes linéaires notés PL

Première partie. Modélisation des problèmes en programmes linéaires notés PL Première partie Modélisation des problèmes en programmes linéaires notés PL ième année Licence LMD de mathématiques, USDBlida 0. Un grossiste doit livrer unités d un produit déterminé P à trois détaillants

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

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

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

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

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

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

Recherche Opérationnelle Mercredi 06 Novembre 2013 - Contrôle Terminal - Session 1

Recherche Opérationnelle Mercredi 06 Novembre 2013 - Contrôle Terminal - Session 1 Master 2 LT, MPM, MIR Pôle Lamartine - ULCO Recherche Opérationnelle Mercredi 06 Novembre 2013 - Contrôle Terminal - Session 1 Durée de l épreuve : 2h00 Documents interdits. Calculatrice autorisée Exercice

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

Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique

Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique F. Clautiaux francois.clautiaux@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 Motivation et objectif du cours

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

Chapitre 4 : Dualité en programmation linéaire

Chapitre 4 : Dualité en programmation linéaire Graphes et RO TELECOM Nancy 2A Chapitre 4 : Dualité en programmation linéaire J.-F. Scheid 1 Plan du chapitre 1 Introduction et définitions 2 Propriétés et Théorèmes de dualité 3 Conditions d optimalité

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

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

Programmation Linéaire - Cours 2

Programmation Linéaire - Cours 2 Programmation Linéaire - Cours 2 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Sommaire 1 2 3 Retournons dans le yaourt! Reprenons l exemple du 1er cours Forme normale

Plus en détail

INTRODUCTION A L OPTIMISATION

INTRODUCTION A L OPTIMISATION INTRODUCTION A L OPTIMISATION Les domaines d application L optimisation est essentiellement un outil d aide à la décision au sein de l entreprise, mais aussi pour des individus. Le terme optimal est souvent

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

Méthode du simplexe Analyse algébrique

Méthode du simplexe Analyse algébrique Analyse algébrique Illustration des théorèmes On reprend l exemple des ceintures de cuir, c- à-d maximiser z, avec : z = 4x + 3x 2 x + x 2 + s = 40 2x + x 2 + s 2 = 60 x, x 2, s, s 2 0 Solution optimale

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

1 Programmation linéaire

1 Programmation linéaire UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2012 2013 Master d économie Cours de M. Desgraupes Méthodes Numériques Document 4 : Corrigé des exercices d optimisation linéaire

Plus en détail

Fonctions de plusieurs variables

Fonctions de plusieurs variables Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme

Plus en détail

Exercices de Programmation Linéaire Modélisation

Exercices de Programmation Linéaire Modélisation Modélisation exercice 1 : On veut préparer 500 litres de punch à partir de cinq boissons A, B, C, D et E. Le punch doit comporter au moins 20% de jus d orange, 10% de jus de pamplemousse et 5% de jus de

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

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

Max z = cx Ax b x 0. x 1.. x n

Max z = cx Ax b x 0. x 1.. x n Chapitre 2 Dualité 21 Introduction Avant de donner la definition formelle d un problème dual, nous allons expliquer comment il s explique en terme de problème de production Une entreprise I fabrique n

Plus en détail

Cours Diagonalisation

Cours Diagonalisation Cours Diagonalisation par Pierre Veuillez 1 Objectif Pour une matrice A donnée, déterminer une matrice D diagonale et une matrice P inversible telle que A = P D P 1. Interprètation : Quelle relation reconnaît-on?

Plus en détail

Terminale ES Correction du bac blanc de Mathématiques (version spécialité).

Terminale ES Correction du bac blanc de Mathématiques (version spécialité). Terminale ES Correction du bac blanc de Mathématiques (version spécialité). Lycée Jacques Monod février 05 Exercice : Voici les graphiques des questions. et.. A 4 A Graphique Question. Graphique Question..

Plus en détail

I - Programmation linéaire

I - Programmation linéaire EOAA - 2009/10 Préliminaires Formulation Exemple de problème bidimensionnel Généralisation Problème sous forme normale Résolution dans le cas général Programmation linéaire en nombres entiers Exercice

Plus en détail

Programmation Linéaire - Cours 4

Programmation Linéaire - Cours 4 Programmation Linéaire - Cours 4 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Sommaire Dualité 1 Dualité 2 3 Primal / Dual Dualité Les PL vont toujours par paires

Plus en détail

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3 Chapitre 5 Systèmes linéaires 1 Généralités sur les systèmes linéaires 2 11 Définitions 2 12 Opérations élémentaires 2 13 Systèmes échelonnés et triangulaires 3 2 Résolution des systèmes linéaires 3 21

Plus en détail

LES ÉTAPES DE L ALGORITHME DU SIMPLEXE

LES ÉTAPES DE L ALGORITHME DU SIMPLEXE LES ÉTAPES DE L ALGORITHME DU SIMPLEXE Sommaire 1. Introduction... 1 2. Variables d écart et d excédent... 2 3. Variables de base et variables hors base... 2 4. Solutions admissibles... 3 5. Résolution

Plus en détail

Sujet 6: Dualité interpretations intuitives

Sujet 6: Dualité interpretations intuitives Sujet 6: Dualité interpretations intuitives MHT 423: Modélisation et optimisation Andrew J. Miller Dernière mise à jour: March 31, 2010 Dans ce sujet... 1 L analyse de sensibilité 2 1 L analyse de sensibilité

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

Heuristique et métaheuristique. 8. Optimisation combinatoire et métaheuristiques. Optimisation combinatoire. Problème du voyageur de commerce

Heuristique et métaheuristique. 8. Optimisation combinatoire et métaheuristiques. Optimisation combinatoire. Problème du voyageur de commerce Heuristique et métaheuristique IFT1575 Modèles de recherche opérationnelle (RO) 8. Optimisation combinatoire et métaheuristiques Un algorithme heuristique permet d identifier au moins une solution réalisable

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

Chapitre 1 : Programmation linéaire

Chapitre 1 : Programmation linéaire Graphes et RO TELECOM Nancy 2A Chapitre 1 : Programmation linéaire J.-F. Scheid 1 I. Introduction 1) Modélisation En Recherche Opérationnelle (RO), modéliser un problème consiste à identifier: les variables

Plus en détail

Travaux dirigés n 1. Programmation linéaire

Travaux dirigés n 1. Programmation linéaire Université de Reims Champagne Ardenne U.F.R. de Sciences Exactes et Naturelles MASTER 1 Informatique - 2014/2015 Pierre Delisle Travaux dirigés n 1 Programmation linéaire Exercice 1 (Résolution d'un programme

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

TRAVAUX PRATIQUES : PROGRAMMATION LINEAIRE

TRAVAUX PRATIQUES : PROGRAMMATION LINEAIRE Optimisation TP1 - Programmation linéaire 1 TRAVAUX PRATIQUES : PROGRAMMATION LINEAIRE Programmation linéaire Les problèmes de cette partie sont à traiter à l aide du logiciel MATLAB. La fonction à utiliser

Plus en détail

Mathématique pour l informatique Examen durée : 3 heures. Question 1. Mettre ce problème en forme standard en introduisant des variables d écarts.

Mathématique pour l informatique Examen durée : 3 heures. Question 1. Mettre ce problème en forme standard en introduisant des variables d écarts. Mathématique pour l informatique Examen durée : 3 heures. Université de Provence Licence Informatique Année 2001-2002 Exercice 1 (Simplexe : 10 points) On donne le problème de programmation linéaire (P)

Plus en détail

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

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

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

Partie I Le consommateur et la demande

Partie I Le consommateur et la demande Partie I Le consommateur et la demande Chapitre 1 La fonction d utilité 1 Plan du cours 1. Le consommateur. 2. La notion d utilité. 3. Les courbes d indifférence. 4. L optimum du consommateur. 5. Exercices.

Plus en détail

Baccalauréat STG Mercatique Nouvelle-Calédonie 15 novembre 2012 Correction

Baccalauréat STG Mercatique Nouvelle-Calédonie 15 novembre 2012 Correction Baccalauréat STG Mercatique Nouvelle-Calédonie 15 novembre 2012 Correction EXERCICE 1 : TAUX D ÉVOLUTION 5 points Le tableau ci-dessous présente le nombre de voitures neuves vendues en France en 1980,

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

Ax = b iff (B + N) x N

Ax = b iff (B + N) x N Chapitre 3 Algorithme du simplexe 3.1 Solution de base admissible P en forme standard. A = (a 1,...,a n ) Hypothèse : n m (plus de variables que d équations) et rg(a)=m (pas d équation inutile). Donc après

Plus en détail

Modèle dual. Programmation linéaire (dualité et analyse de sensibilité) Dualité : exemple Wyndor Glass. Modèle dual (suite)

Modèle dual. Programmation linéaire (dualité et analyse de sensibilité) Dualité : exemple Wyndor Glass. Modèle dual (suite) Modèle dual Modèles de recherche opérationnelle (RO Programmation linéaire (dualité et analyse de sensibilité Variables de décision : y i = prix ($/h pour louer du temps à l usine i Dual Glass cherche

Plus en détail

INFO-F-310 (MATH-H404) Algorithmique et Recherche Opérationnelle. Prof. Yves De Smet (co-titulaire Prof. Bernard Fortz)

INFO-F-310 (MATH-H404) Algorithmique et Recherche Opérationnelle. Prof. Yves De Smet (co-titulaire Prof. Bernard Fortz) INFO-F-310 (MATH-H404) Algorithmique et Recherche Opérationnelle Prof. Yves De Smet (co-titulaire Prof. Bernard Fortz) Terminologie Recherche Opérationnelle Méthodes quantitatives de gestion Mathématiques

Plus en détail

Chapitre IV Bases et dimension d un espace vectoriel

Chapitre IV Bases et dimension d un espace vectoriel Chapitre IV Bases et dimension d un espace vectoriel Objectif : Nous allons voir comment fabriquer des systèmes de coordonnées pour les vecteurs d un espace vectoriel général. Dans ce chapitre désigne

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

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

Cahier de vacances - Préparation à la Première S

Cahier de vacances - Préparation à la Première S Cahier de vacances - Préparation à la Première S Ce cahier est destiné à vous permettre d aborder le plus sereinement possible la classe de Première S. Je vous conseille de le travailler pendant les 0

Plus en détail

LA PROGRAMMATION LINEAIRE : ANALYSE DE SENSIBILITE

LA PROGRAMMATION LINEAIRE : ANALYSE DE SENSIBILITE LA PROGRAMMATION LINEAIRE : ANALYSE DE SENSIBILITE Nous abordons dans cette leçon la partie analyse de sensibilité de la résolution d'un problème de programmation linéaire. Il s'agit d'étudier les conséquences

Plus en détail

Solutions optimales multiples. 3D.1 Unicité de la solution optimale du modèle (FRB)

Solutions optimales multiples. 3D.1 Unicité de la solution optimale du modèle (FRB) 3D Solutions optimales multiples 3D.1 Unicité de la solution optimale du modèle (FRB) Le modèle (FRB) admet une solution optimale unique. En effet (voir page 182), l'algorithme du simplexe se termine par

Plus en détail

Algorithme du simplexe

Algorithme du simplexe Algorithme du simplexe Une solution à la programmation linéaire Hugues Talbot Laboratoire A2SI 18 mars 2008 Plan Algèbre linéaire Algorithme du simplexe Formulation et forme standard Notations Recherche

Plus en détail

www.almohandiss.com Recherche opérationnelle EXERCICES DE Serveur d'exercices 1/16

www.almohandiss.com Recherche opérationnelle EXERCICES DE Serveur d'exercices 1/16 EXERCICES DE RECHERCHE OPERATIONNELLE Serveur d'exercices 1/16 EXERCICE 1. Niveau : Gymnase (Lycée) Auteur : Vincent Isoz (isozv@hotmail.com Mots-clés : recherche opérationnelle Enoncé : Supposons qu'une

Plus en détail

un repère orthonormé de l espace.

un repère orthonormé de l espace. Terminale S GEOMETRIE Ch 13 DANS L ESPACE. Soit ( O ; i, j, k ) un repère orthonormé de l espace. I) Droites et plans dans l espace : Propriété 1 : Soient A et B deux points de l espace. AB est l ensemble

Plus en détail

La gestion des ventes.

La gestion des ventes. I. La prévision des ventes. A. Principe. La gestion des ventes. Elle consiste à déterminer les ventes futures à la fois en quantité et en valeur en tenant compte des tendances et contraintes imposées à

Plus en détail

Chapitre 6 : Programmation linéaire, Algorithme du simplexe

Chapitre 6 : Programmation linéaire, Algorithme du simplexe Chapitre 6 : Programmation linéaire, Algorithme du simplexe ENSIIE - Module de Recherche Opérationnelle (dimitri.watel@ensiie.fr) 2016-2017 Objectif Résoudre un programme linéaire quelconque de la forme

Plus en détail

se trouve en un sommet de l ensemble convexe des solutions admissibles K = {x 0 Ax =

se trouve en un sommet de l ensemble convexe des solutions admissibles K = {x 0 Ax = Chapitre 3 Méthode du simplexe Comme toujours, on suppose que A une matrice de format m n et b R m. On notera les colonnes de A par [a 1, a 2,..., a n ]. Aussi, on fera l hypothèse que le rang de la matrice

Plus en détail

TRAVAUX DE RECHERCHE

TRAVAUX DE RECHERCHE TRAVAUX DE RECHERCHE Jacques TANO (01 282 180) / Jaktano75@yahoo.fr cours RO Page 1 SUJET 1 La société des carrières d AZITO a pour objet l extraction et la distribution de matériaux de carrière. Elle

Plus en détail

Que faire en algorithmique en classe de seconde? ElHassan FADILI Lycée Salvador Allende

Que faire en algorithmique en classe de seconde? ElHassan FADILI Lycée Salvador Allende Que faire en algorithmique en classe de seconde? BEGIN Que dit le programme? Algorithmique (objectifs pour le lycée) La démarche algorithmique est, depuis les origines, une composante essentielle de l

Plus en détail

Module 06 - Leçon 03 : La méthode du simplexe

Module 06 - Leçon 03 : La méthode du simplexe Module 06 - Leçon 03 : La méthode du simplexe 1 - Principe Lorsque nous sommes en présence de plus de deux produits, la méthode du simplexe est la seule méthode permettant de trouver la combinaison de

Plus en détail

Fonctions de référence Variation des fonctions associées

Fonctions de référence Variation des fonctions associées DERNIÈRE IMPRESSION LE 9 juin 05 à 8:33 Fonctions de référence Variation des fonctions associées Table des matières Fonction numérique. Définition.................................. Ensemble de définition...........................3

Plus en détail

Baccalauréat ES Nouvelle-Calédonie 2 mars 2015

Baccalauréat ES Nouvelle-Calédonie 2 mars 2015 Baccalauréat ES Nouvelle-Calédonie mars 015 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats On considère la fonction f définie pour tout réel x de l intervalle [1,5 ; 6] par : f (x)=(5x 3)e x. On

Plus en détail

Méthodes avancées en décision

Méthodes avancées en décision Méthodes avancées en décision Support vector machines - Chapitre 2 - Principes MRE et MRS Principe MRE. Il s agit de minimiser la fonctionnelle de risque 1 P e (d) = y d(x;w, b) p(x, y) dxdy. 2 La densité

Plus en détail

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin. Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).

Plus en détail

Le problème des multiplications matricielles enchaînées peut être énoncé comme suit : étant

Le problème des multiplications matricielles enchaînées peut être énoncé comme suit : étant Licence informatique - L Année 0/0 Conception d algorithmes et applications (LI) COURS Résumé. Dans cette cinquième séance, nous continuons l exploration des algorithmes de type Programmation Dynamique.

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

MATH-F-306 - Optimisation. Prénom Nom Note

MATH-F-306 - Optimisation. Prénom Nom Note MATH-F-306 Optimisation examen de 1 e session année 2009 2010 Prénom Nom Note Répondre aux questions ci-dessous en justifiant rigoureusement chaque étape, affirmation, etc. AUCUNE NOTE N EST AUTORISÉE.

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

Problèmes de transport

Problèmes de transport Problèmes de transport formulation des problèmes d affectation Hugues Talbot Laboratoire A2SI 31 mars 2009 Problèmes de Transport Introduction Distribution Théorie Équilibrage Modélisation Plan Solution

Plus en détail

Cours 3: Inversion des matrices dans la pratique...

Cours 3: Inversion des matrices dans la pratique... Cours 3: Inversion des matrices dans la pratique... Laboratoire de Mathématiques de Toulouse Université Paul Sabatier-IUT GEA Ponsan Module complémentaire de maths, année 2012 1 Rappel de l épisode précédent

Plus en détail

Loi normale ou loi de Laplace-Gauss

Loi normale ou loi de Laplace-Gauss LivreSansTitre1.book Page 44 Mardi, 22. juin 2010 10:40 10 Loi normale ou loi de Laplace-Gauss I. Définition de la loi normale II. Tables de la loi normale centrée réduite S il y avait une seule loi de

Plus en détail

PROGRAMMATION DYNAMIQUE

PROGRAMMATION DYNAMIQUE PROGRAMMATION DYNAMIQUE 1 Le principe d optimalité de Bellman La programmation dynamique est fondée sur le principe d optimalité de Bellman : Soit f une fonction réelle de x et y = (y 1, y 2,..., y n ).

Plus en détail

Chapitre 7 : Programmation dynamique

Chapitre 7 : Programmation dynamique Graphes et RO TELECOM Nancy 2A Chapitre 7 : Programmation dynamique J.-F. Scheid 1 Plan du chapitre I. Introduction et principe d optimalité de Bellman II. Programmation dynamique pour la programmation

Plus en détail

Intérêts composés - Amortissements

Intérêts composés - Amortissements Intérêts composés - Amortissements Objectif : - Etudier et calculer les éléments d un placement à intérêts composés. - Effectuer un tableau d amortissement. I - Approche : Examinons la publicité suivante

Plus en détail

Formation CNAM 1. Plan du chapitre 4 Principes de base de la PL. 1. Introduction à la Programmation Linéaire. Exemple d un modèle de PL

Formation CNAM 1. Plan du chapitre 4 Principes de base de la PL. 1. Introduction à la Programmation Linéaire. Exemple d un modèle de PL Optimisation en Informatique RCP04 Cours 3 Principes de base de la Programmation Linéaire (PL) Plan du chapitre 4 Principes de base de la PL. Introduction à la programmation linéaire. Modélisation de problèmes

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

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur

Plus en détail

Les graphes d intervalles

Les graphes d intervalles Les graphes d intervalles Complément au chapitre 3 «Vol aux archives cantonales» Considérons un ensemble de tâches ayant chacune une heure de début et une heure de fin bien précises. Supposons qu on demande

Plus en détail

Cours de spécialité mathématiques en Terminale ES

Cours de spécialité mathématiques en Terminale ES Cours de spécialité mathématiques en Terminale ES O. Lader 2014/2015 Lycée Jean Vilar Spé math terminale ES 2014/2015 1 / 51 Systèmes linéaires Deux exemples de systèmes linéaires à deux équations et deux

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

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

Bac Blanc Terminale ES - Février 2014 Épreuve de Mathématiques (durée 3 heures)

Bac Blanc Terminale ES - Février 2014 Épreuve de Mathématiques (durée 3 heures) Bac Blanc Terminale ES - Février 2014 Épreuve de Mathématiques (durée 3 heures) L attention des candidats est attirée sur le fait que la qualité de la rédaction, la clarté et la précision des raisonnements

Plus en détail

Notes de cours L1 MATH120. Hervé Le Dret

Notes de cours L1 MATH120. Hervé Le Dret Notes de cours L1 MATH120 Hervé Le Dret 18 octobre 2004 40 Chapitre 3 Vecteurs dans R m Dans ce chapitre, nous allons nous familiariser avec la notion de vecteur du point de vue algébrique. Nous reviendrons

Plus en détail

4. Programmation en nombres entiers

4. Programmation en nombres entiers IFT575 Modèles de recherche opérationnelle (RO). Programmation en nombres entiers a. Modélisation Terminologie de base Programmation en nombres entiers Programmation linéaire avec certaines variables contraintes

Plus en détail

IFT1575 Modèles de recherche opérationnelle (RO) 2. Programmation linéaire b. Méthode du simplexe c. Dualité d. Analyse de sensibilité

IFT1575 Modèles de recherche opérationnelle (RO) 2. Programmation linéaire b. Méthode du simplexe c. Dualité d. Analyse de sensibilité IFT575 Modèles de recherche opérationnelle (RO) 2. Programmation linéaire b. Méthode du simplee c. Dualité d. Analyse de sensibilité Interprétation des variables d écart Dans la solution optimale du problème

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

1S DS 4 Durée :?mn. 2. La courbe ci-dessous est la représentation graphique de la fonction g, définie sur I = [ 1; 3].

1S DS 4 Durée :?mn. 2. La courbe ci-dessous est la représentation graphique de la fonction g, définie sur I = [ 1; 3]. 1S DS 4 Durée :?mn Exercice 1 ( 5 points ) Les trois questions sont indépendantes. 1. Soit f la fonction définie par f(x) = 3 x. a) Donner son ensemble de définition. Il faut 3 x 0 3 x donc D f =] ; 3]

Plus en détail

Introduction aux Support Vector Machines (SVM)

Introduction aux Support Vector Machines (SVM) Introduction aux Support Vector Machines (SVM) Olivier Bousquet Centre de Mathématiques Appliquées Ecole Polytechnique, Palaiseau Orsay, 15 Novembre 2001 But de l exposé 2 Présenter les SVM Encourager

Plus en détail

Rapport. TME2 - Problème d affectation multi-agents

Rapport. TME2 - Problème d affectation multi-agents Rapport TME2 - Problème d affectation multi-agents Auteurs : Encadrant : Lan Zhou Safia Kedad-Sidhoum Minh Viet Le Plan I. Problème :... 2 II. Question 1 - Formulation linéaire du problème :... 2 III.

Plus en détail

Optimisation linéaire

Optimisation linéaire Cours 1 Optimisation linéaire L optimisation linéaire est un domaine de la recherche opérationnelle. Elle consiste à modéliser des problèmes de recherche opérationnelle à l aide d inégalités linéaires

Plus en détail

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. 1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le

Plus en détail

LIVRET DE MATHEMATIQUES ENTREE EN PREMIERE S Institut Notre-Dame (Saint Germain en Laye) Année 2015-2016

LIVRET DE MATHEMATIQUES ENTREE EN PREMIERE S Institut Notre-Dame (Saint Germain en Laye) Année 2015-2016 LIVRET DE MATHEMATIQUES ENTREE EN PREMIERE S Institut Notre-Dame (Saint Germain en Laye) Année 015-016 Pourquoi ce livret? Afin de mieux préparer cette rentrée, ce livret reprend un ensemble de notions

Plus en détail

Théorie et codage de l information

Théorie et codage de l information Théorie et codage de l information Les codes linéaires - Chapitre 6 - Principe Définition d un code linéaire Soient p un nombre premier et s est un entier positif. Il existe un unique corps de taille q

Plus en détail

Chapitre 5 : Flot maximal dans un graphe

Chapitre 5 : Flot maximal dans un graphe Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d

Plus en détail