Recherche opérationnelle
|
|
- Sabine Ducharme
- il y a 7 ans
- Total affichages :
Transcription
1 Recherche opérationnelle Master 2 LT, MPM, MIR Université du Littoral - Côte d Opale, Pôle Lamartine Laurent SMOCH (smoch@lmpauniv-littoralfr) Septembre 2013 Laboratoire de Mathématiques Pures et Appliquées Joseph Liouville Université du Littoral, zone universitaire de la Mi-Voix, bâtiment H Poincarré 50, rue F Buisson, BP 699, F Calais cedex
2 2
3 I Table des matières 0 Introduction générale 1 1 La programmation linéaire - Méthode graphique 7 11 Introduction 7 12 Modélisation d un programme linéaire Exemples Formule générale d un programme linéaire 9 13 Méthode graphique : problème à deux inconnues Régionnement du plan Les ensembles convexes Résolution de systèmes d inéquations - Exemples Résolution de programmes linéaires Cas général Exercices 22 2 La programmation linéaire - Méthode du simplexe Introduction La méthode du simplexe Programme linéaire standard L algorithme du simplexe Détermination d une solution de base admissible Utilisation de la méthode du simplexe lorsque la solution optimale n existe pas Utilisation de la méthode du simplexe dans un problème de minimisation Exercices récapitulatifs 62 3 La programmation linéaire - Écriture matricielle Rappels La méthode du simplexe sous forme matricielle Forme générale d un programme linéaire Représentation matricielle Description générale de l algorithme Exemple avec solution optimale unique Exemple avec solution optimale multiple Exemple avec solution non bornée 80
4 II TABLE DES MATIÈRES
5 67 Chapitre 3 La programmation linéaire - Écriture matricielle 31 Rappels Définition 311 On appelle matrice m n (ou d ordre m n) à coefficients dans K tout tableau de m lignes et n colonnes d éléments de K L ensemble des matrices m n à coefficients dans K est noté M m,n (K) Si m = n on dit qu on a une matrice carrée L ensemble des matrices carrées de taille n à coefficients dans K est noté M n (K) Une matrice m 1 est appelée vecteur-colonne et une matrice 1 n est appelée vecteur-ligne On convient de noter a ij l élément de la matrice situé sur la i-ème ligne et j-ième colonne (1 i m et ) Une matrice A est représentée entre deux parenthèses ou deux crochets : a 11 a 1j a 1n a 11 a 1j a 1n A = a i1 a ij a in ou A = a i1 a ij a in a m1 a mj a mn a m1 a mj a mn ou encore Nous travaillerons avec K = R, Q ou Z A = (a ij ) 1 i m ou A = [a ij ] 1 i m Exemple 311 La matrice A = est carrée et d ordre Définition Addition de matrices Si A = (a ij ) 1 i m et B = (b ij ) 1 i m sont deux matrices m n, on définit l addition des matrices par Exemple 312 Soient les matrices A = A + B = A + B = (a ij + b ij ) 1 i m et B = ( On obtient ) = Remarque 311 La somme de deux matrices de tailles différentes n est pas définie
6 68 CHAPITRE 3 LA PROGRAMMATION LINÉAIRE - ÉCRITURE MATRICIELLE Définition 313 La matrice nulle, notée O m,n, est la matrice dont tous les éléments sont nuls La matrice opposée d une matrice A est notée A Si A = (a ij ) 1 i m alors A = ( a ij ) 1 i m Propriété 311 Si A, B et C sont des matrices de même ordre, alors nous avons A + B = B + A (commutativité), A + (B + C) = (A + B) + C (associativité) Exemple 313 Soient les matrices A =, B = et C = On a alors A + B = = et B + A = = A + B = et (A + B) + C = B + C = et A + (B + C) = Définition 314 On appelle matrice diagonale toute matrice carrée D = (d ij ) 1 i, j n telle que i j d ij = 0 Si on note d i = d ii, une matrice diagonale est de la forme d d D n = 0 0 d n d n On la note Diag(d 1, d 2,, d n ) La matrice identité d ordre n, notée I n, est la matrice diagonale Diag(1, 1,, 1) Définition 315 On dit qu une matrice carrée A = (a ij ) 1 i,j n inférieure) si i > j a ij = 0 (resp si i < j a ij = 0) est triangulaire supérieure (resp Remarque 312 Une matrice triangulaire supérieure et inférieure est une matrice diagonale Définition Produit d une matrice par un scalaire Si A = (a ij ) 1 i m est une matrice m n et si α K, on définit le produit d une matrice par un scalaire par Exemple 314 Si A = αa = (αa ij ) 1 i m et α = 1, on obtient C = αa = = Propriété 312 Soient A et B deux matrices de même ordre et α K un scalaire, on a α(a + B) = αa + αb (distributivité) Définition Produit de matrices Si A = (a ik ) 1 i m est une matrice m p et si B = (b kj ) 1 k p 1 k p produit des matrices par est une matrice p n, on définit le
7 31 RAPPELS 69 qui est une matrice m n ( p ) A B = a ik b kj k=1 1 i m On procède de la manière suivante pour multiplier deux matrices : Exemple 315 Soient les deux matrices A = et B = La matrice A est d ordre 2 3, la matrice B est d ordre 3 3 donc la matrice A B est d ordre 2 3 On a ( ) ( ) ( 1) ( 2) A B = = ( 1) ( 1) ( 1) ( 1) ( 2) Propriété 313 Si A M m,n (K), B M n,p (K), C M p,q (K), alors A (B C) = (A B) C (associativité), A (B + C) = A B + A C (distributivité) Si A M n (K) alors A I n = I n A = A Remarque 313 Attention, A B B A en général Prenons le cas général avec A d ordre m p et B d ordre p n Le produit A B est défini, c est une matrice d ordre m n Qu en est-il du produit B A? Il faut distinguer trois cas : si m n le produit B A n est pas défini ; si m = n mais p n, le produit A B est défini et c est une matrice d ordre m n = n n tandis que le produit B A est défini mais c est une matrice d ordre p p donc A B B A ; si m = n = p, A et B sont deux matrices carrées d ordre m Les produits A B et B A sont aussi carrés et d ordre m mais là encore, en général, A B B A Exemple 316 Soient les matrices A = 9 6 B A = et B = On obtient A B = et
8 70 CHAPITRE 3 LA PROGRAMMATION LINÉAIRE - ÉCRITURE MATRICIELLE Définition Matrice transposée Si A = (a ij ) 1 i m est une matrice de format m n, on définit la matrice transposée de A, notée A T, par A = (a ji ) 1 i m C est donc une matrice n m obtenue en échangeant lignes et colonnes de la matrice initiale Exemple 317 Soit la matrice A d ordre 2 3 suivante A = Sa transposée est la matrice A T d ordre 3 2 suivante A T = Propriété 314 (A T ) T = A si A M m,n (K), (αa) T = αa T si α K et A M m,n (K), (A + B) T = A T + B T si A, B M m,n (K), (A B) T = B T A T si A M m,n (K) et B M n,p (K) Définition Matrice symétrique, matrice antisymétrique Une matrice A est dite symétrique si A T = A Une matrice A est dite antisymétrique si A T = A Exemple A = est une matrice symétrique B = est une matrice antisymétrique Définition Matrice inversible, matrice singulière Une matrice carrée A M n (K) est dite inversible ou régulière si elle est symétrisable pour le produit matriciel, autrement dit s il existe une matrice B M n (K) telle que A B = B A = I n L inverse, s il existe, d une matrice A est noté A 1 Une matrice non régulière est dite singulière Proposition 311 Soient A et B deux matrices inversibles, alors A 1 l est aussi et (A 1 ) 1 = A, A T l est aussi et (A T ) 1, A B l est aussi et (A B) 1 = B 1 A 1 Définition Déterminant d une matrice d ordre n Soit A = (a ij ) 1 i m une matrice carrée d ordre n Étant donné un couple (i, j) d entiers, 1 i, j n, on note A ij la matrice carrée d ordre n 1 obtenue en supprimant la i-ième ligne et la j-ième colonne de A On définit le déterminant de A, et on le note det(a), par récurrence sur l ordre de la matrice A : si n = 1 : le déterminant de A est le nombre det(a) = a 11, si n > 1 : le déterminant de A est le nombre n det(a) = ( 1) i+j a ij det(a ij ) quelle que soit la ligne i, 1 i n, j=1 ou, de manière équivalente, le nombre n det(a) = ( 1) i+j a ij det(a ij ) quelle que soit la colonne j, i=1
9 31 RAPPELS 71 Remarque 314 Pour retrouver les signes de ces deux formules, on peut remarquer que la distribution des signes + et avec la formule ( 1) i+j est donnée par : a11 a Exemple 319 Soit la matrice A = 12 alors a 21 a 22 det(a 11 ) = a 22, det(a 12 ) = a 21, det(a 21 ) = a 12, det(a 22 ) = a 11 et on peut calculer det(a) par l une des formules suivantes : a 11 det(a 11 ) a 12 det(a 12 ) = a 11 a 22 a 12 a 21 (développement suivant la ligne i = 1), a 21 det(a 21 ) + a 22 det(a 22 ) = a 21 a 12 + a 22 a 11 (développement suivant la ligne i = 2), a 11 det(a 11 ) a 21 det(a 21 ) = a 11 a 22 a 21 a 12 (développement suivant la colonne j = 1), a 12 det(a 12 ) + a 22 det(a 22 ) = a 12 a 21 + a 22 a 11 (développement suivant la colonne j = 2) Ces formules donnent bien le même résultat Remarque 315 Il convient d utiliser cette définition après avoir fait apparaître sur une même rangée le plus possible de zéros sachant que si deux colonnes (resp deux lignes) sont identiques ou proportionnelles, alors det(a) = 0, si on échange deux colonnes (resp deux lignes), alors le déterminant est changé en son opposé, on ne change pas un déterminant si on ajoute à une colonne (resp une ligne) une combinaison linéaire des autres colonnes (resp lignes) Exemple 3110 Soit la matrice A = alors det(a 11 ) = det = 10, det(a ) = det = 0, det(a ) = det = 0, det(a 21 ) = det = 3, det(a ) = det = 5, det(a ) = det = 3, det(a 31 ) = det = 2, det(a ) = det = 0, det(a ) = det = 2, 0 2 et on peut calculer det(a) par l une des formules suivantes : 1 det(a 11 ) + 0 det(a 12 ) + 1 det(a 13 ) = = 10, 0 det(a 21 ) + 2 det(a 22 ) + 0 det(a 23 ) = = 10, (formule pratique car il n y a qu un déterminant à calculer), 0 det(a 31 ) + 3 det(a 32 ) + 5 det(a 33 ) = = 10, 1 det(a 11 ) + 0 det(a 21 ) + 0 det(a 31 ) = = 10, (formule pratique car il n y a qu un déterminant à calculer), 0 det(a 12 ) + 2 det(a 22 ) + 3 det(a 32 ) = = 10, 1 det(a 13 ) + 0 det(a 23 ) + 5 det(a 33 ) = = 10 Proposition Déterminant d une matrice d ordre 2 Soit A une matrice carrée d ordre n = 2 Le déterminant de A peut se calculer à l aide de la technique suivante :
10 72 CHAPITRE 3 LA PROGRAMMATION LINÉAIRE - ÉCRITURE MATRICIELLE Exemple 3111 Soit la matrice A = 5 7 alors 4 3 det(a) = = = 13 Proposition Déterminant d une matrice d ordre 3 : Règle de Sarrus Soit A une matrice carrée d ordre n = 3 Le déterminant de A peut se calculer à l aide de la technique suivante : Exemple 3112 Soit la matrice A = On a alors det(a) = ( ) ( ) = Exemple 3113 Soit la matrice A = 4 3 2, alors det(a) = ( ) ( ) = 62 Propriété 315 Le déterminant d une matrice triangulaire est égal au produit des éléments diagonaux Théorème 311 A est inversible si et seulement si det(a) 0 Propriété 316 det(a T ) = det(a), det(a 1 1 ) = det(a), det(a B) = det(a) det(b) Définition 3112 Rang Le rang d une matrice quelconque A est égal au plus grand entier s tel que l on puisse extraire de A une matrice carrée d ordre s inversible, c est-à-dire de déterminant non nul Les opérations élémentaires sur les lignes ou les colonnes (ajout à une colonne - resp une ligne - une combinaison linéaire des autres colonnes - resp lignes) d une matrice ne modifient pas le rang Exemple 3114 Soit la matrice suivante A = Le rang de A est 2 : A est d ordre 2 3 donc s min{2, 3} soit s = 0, 1 ou 2 ; comme le déterminant de la sous-matrice composée de la première et de la deuxième colonne est nul, on ne peut pas conclure ;
11 32 LA MÉTHODE DU SIMPLEXE SOUS FORME MATRICIELLE 73 comme le déterminant de la sous-matrice composée de la première et de la troisième colonne est non nul, alors s = Exemple 3115 Soit la matrice suivante A = A est d ordre 3 3 donc s 3, le déterminant de A est 0 donc s ( 3, ) 1 0 le déterminant de la sous-matrice est 5, donc s = La méthode du simplexe sous forme matricielle 321 Forme générale d un programme linéaire Le programme linéaire (11)-(12) s écrit sous forme canonique matricielle : { Ax b, x 0 maximiser Z(x) = c T x (31) avec x 1 c 1 b 1 a 11 a 12 a 1n x 2 x = c 2 Rn +, c = b 2 Rn, b = a 21 a 22 a 2n Rm et A = Rm n x n c n b m a m1 a m2 a mn Remarque 321 Les coefficients de la matrice A définis précédemment ne sont pas nécessairement ceux du programme linéaire (11)-(12) En effet, (11) implique des inégalités quelconques { ( ou ) tandis que (31) x + 2y 2 implique uniquement l inégalité Considérons par exemple les contraintes Elles pourront 2x y x x 2 alors s écrire, matriciellement, sous la forme ou 2 1 y y 3 Proposition 321 Chaque programme linéaire sous forme canonique peut s écrire sous forme standard et inversement Preuve : ( ) Considérons le programme linéaire (31) écrit sous sa forme canonique On a Ax b, x 0 n a ij x j b i, i = 1,, m, x 0 j=1 n a ij x j + e i = b i où e i = b i j=1 x On pose alors Z(x) = c T où c = e x (A I m ) = b, x 0 }{{} e à }{{} x ) ( c 0 n a ij x j, i = 1,, m, x 0 = (c 1,, c n, 0,, 0) et le programme linéaire (écrit sous sa }{{} m fois forme canonique) est strictement équivalent au programme linéaire suivant (écrit sous sa forme standard) : { à x = b, x 0, maximiser Z( x) = c T x ( ) Soit Ax = b un programme linéaire donné sous sa forme standard On a j=1
12 74 CHAPITRE 3 LA PROGRAMMATION LINÉAIRE - ÉCRITURE MATRICIELLE { { Ax b Ax = b Ax b Ax b A b ( A)x b A b A Si on pose à = et A b b =, l inégalité précédente implique b Ãx b qui est bien un programme linéaire sous forme canonique Exemple 321 On considère le programme linéaire de l exercice 10 du chapitre 2 On rappelle sa forme canonique et sa forme standard : x, y, z 0 x, y, z, e 1, e 2, e 3 0 x + 2y + 4z 70 x + 2y + 4z + e 1 = 70 2x + y + z 80 2x + y + z + e 2 = 80 3x + 2y + 2z 60 3x + 2y + 2z + e 3 = 60 maximiser Z(x, y, z) = 3x + 5y + 6z maximiser Z(x, y, z, e 1, e 2, e 3 ) = 3x + 5y + 6z Si on pose x x y 5 A = 2 1 1, x = y, b = 80, c = 5, à = , x = z z e 1 et c = 6 0, e 2 0 e 3 0 le programme s écrit sous les formes canonique et standard matricielles suivantes : { Ax b, x 0 maximiser Z(x) = c T x { à x = b, x 0 maximiser Z( x) = c T x On utilisera dorénavant la forme standard matricielle et on posera A = Ã, x = x et c = c 322 Représentation matricielle Définition 321 On appelle base une sous-matrice régulière de A Il faut que la matrice A(m, n) soit de rang m Une solution de base est obtenue en posant n m variables égales à 0, et en résolvant par rapport aux m variables restantes, qui sont les variables de base (VDB) Les n m variables à 0 sont les variables hors base (VHB) Des choix différents de VHB donnent lieu à différentes solutions de base Les colonnes de A permettant à une sous-matrice B de A d être régulière et qui représentent des variables particulières peuvent commuter si on ordonne correctement x et c T On peut alors écrire xb A = (BE), x =, c T = c T b ct e x e et ainsi { Ax = b, x 0 maximiser ou minimiser Z(x) = c T x Une solution de base est donc telle que { Bxb + Ex e = b, x 0 maximiser ou minimiser Z(x) = c T b x b + c T e x e { xe = 0 Bx b = b x b = B 1 b (32) Certains choix de variables peuvent ne pas générer de solution de base Définition 322 Une solution de base est dite réalisable (SBR) si
13 32 LA MÉTHODE DU SIMPLEXE SOUS FORME MATRICIELLE 75 x b = B 1 b 0 Si le vecteur x b contient des termes nuls, on dira que cette solution est une solution de base dégénérée Remarque 322 Lorsque les coefficients b i sont positifs ou nuls, on obtient systématiquement une solution de base réalisable en mettant les variables du problème initial hors base (donc nulles) et les variables d écart dans la base et égales aux b i Exemple 322 Illustrons ces définitions à l aide du programme linéaire (déjà exprimé sous forme standard) de l exercice 10 du chapitre précédent : x, y, z, e 1, e 2, e 3 0 x + 2y + 4z + e 1 = 70 2x + y + z + e 2 = 80 3x + 2y + 2z + e 3 = 60 maximiser Z(x, y, z, e 1, e 2, e 3 ) = 3x + 5y + 6z On peut dresser le tableau suivant avec n = 6, m = 3 : n o VDB VHB Rang(A) Solution de base Réalisabilité 1 x, y, z e 1, e 2, e 3 3 (100 ;-225 ;105) >0 2 x, y, e 1 z, e 2, e 3 3 (100 ;-120 ;210) >0 3 x, y, e 2 z, e 1, e 3 3 (-5 ;37,5 ;52,5) >0 4 x, y, e 3 z, e 1, e 2 3 (30 ;20 ;-70) >0 5 x, z, e 1 y, e 2, e 3 3 (100 ;-120 ;450) >0 6 x, z, e 2 y, e 1, e 3 3 (10 ;15 ;45) réalisable 7 x, z, e 3 y, e 1, e 2 3 (35,7143 ;8,5714 ;-64,2857) >0 8 y, z, e 1 x, e 2, e 3 2 Pas de solution 9 y, z, e 2 x, e 1, e 3 3 (25 ;5 ;50) réalisable 10 y, z, e 3 x, e 1, e 2 3 (125 ;-45 ;-100) >0 11 e 1, e 2, e 3 x, y, z 3 (70 ;80 ;60) réalisable 12 x, e 1, e 2 y, z, e 3 3 (20 ;50 ;40) réalisable 13 x, e 1, e 3 y, z, e 2 3 (40 ;30 ;-60) >0 14 x, e 2, e 3 y, z, e 1 3 (70 ;-60 ;-150) >0 15 y, e 1, e 2 x, z, e 3 3 (30 ;10 ;50) réalisable 16 y, e 1, e 3 x, z, e 2 3 (80 ;-90 ;-100) >0 17 y, e 2, e 3 x, z, e 1 3 (35 ;45 ;-10) >0 18 z, e 1, e 2 x, y, e 3 3 (30 ;-50 ;50) >0 19 z, e 2, e 3 x, y, e 1 3 (17,5 ;62,5 ;25) réalisable 20 z, e 1, e 3 x, y, e 2 3 (80 ;-250 ;-100) >0 Table 31 Bases et réalisabilité de la SBR associée Intéressons-nous au nombre de solutions possibles en général : le nombre de bases candidates est
14 76 CHAPITRE 3 LA PROGRAMMATION LINÉAIRE - ÉCRITURE MATRICIELLE C m n = n! (n m)!m! (on a bien testé C6 3 = 6! 3!(6 3)! = = 20 bases dans l exemple précédent) Toutes les bases candidates ne sont pas inversibles, donc on peut seulement dire que le nombre précédent est une borne supérieure (dans notre exemple, on trouve 19 bases inversibles) Une méthode basée sur l exploration des points extrêmes est cependant non-polynomiale (on comprend bien qu on ne peut appliquer pour m grand la technique qui nous a permis, pour l exemple précédent, de récupérer le tableau 31, à savoir la résolution de 21 systèmes de taille 3 3) L expérience montre que pour un problème de n variables à m contraintes, la solution optimale est trouvée en moyenne en moins de 3m opérations (ce qui signifie pour notre exemple, qu on doit pouvoir trouver la solution du PL en moins de 9 itérations) Définition 323 Pour tout problème de PL, deux SBR sont adjacentes si leurs ensembles de variables de base ont m 1 variables de base en commun L interprétation géométrique est que les 2 SBR sont situées le long d une même arête sur le polytope réalisable 323 Description générale de l algorithme On rappelle que l algorithme du simplexe (pour une maximisation) suit les étapes suivantes : 1 Trouver une SBR pour le PL, appelée la SBR initiale 2 Déterminer si la SBR courante est optimale Sinon, trouver une SBR adjacente qui possède une valeur Z plus élevée 3 Retourner au point 2 avec la nouvelle SBR comme SBR courante Les deux questions suivantes sont donc : comment détecter l optimalité? et comment se déplacer? Pour répondre à ces questions, on écrit : et Z = c T b x b + c T e x e Bx b + Ex e = b Donc, puisque B R m m est de rang m, B est inversible et Par substitution, on obtient en posant x b = B 1 (b Ex e ) Z = c T b B 1 b + (c T e c T b B 1 E)x e = c T b B 1 b + c T e x e c T e = c T e c T b B 1 E Le terme c T e correspond à l augmentation du coût pour une augmentation des variables dans x e Pour une SBR, on a x e = 0 et donc, ce terme n a pas d incidence Si tous les coûts c e sont négatifs (pour une maximisation), toute augmentation des variables de x e diminuera la valeur de Z, et donc la solution obtenue est optimale Réciproquement, pour une minimisation, si tous les coûts sont positifs, toute augmentation des variables de x e augmentera la valeur de Z On a donc répondu à la première question, relative au test d optimalité Pour une maximisation, si notre base est telle que c T e ne soit pas strictement négative ou nulle, alors il existe une variable (x e ) k = x k de x e telle que (c e ) k = c k > 0 Une augmentation de x k est donc susceptible d améliorer Z C est bien-sûr le critère de Dantzig qui va désigner cette variable La solution va alors s écrire :
15 32 LA MÉTHODE DU SIMPLEXE SOUS FORME MATRICIELLE 77 x b = B 1 (b x k A k E x e) où A k désigne la k-ième colonne de A En fixant x e = 0, et en faisant varier x k seulement, on obtient : x b = B 1 (b A k x k ) = B 1 b B 1 A k x k = b P x k Comme originellement x k est nulle, on ne peut que l augmenter Il y a deux cas : cas 1 : i, 0 En ce cas la solution est non bornée x k tend vers + et Z vers cas 2 : il y a 2 possibilités : pour chaque i 1 soit 0, et donc, (x b ) i 0 pour tout x k 0 : on ne peut pas utiliser cette variable 2 soit > 0, et dans ce cas, (x b ) i 0 pour x k b i Ainsi, pour tout > 0, il existe une valeur maximale de x k = b i, permettant x b 0 On choisit donc la variable k telle que : 324 Exemple avec solution optimale unique b i k = argmin i/ >0 Reprenons l exercice 10 du chapitre précédent : 1ère itération : On choisit comme base initiale VB= (e 1, e 2, e 3 ) On a dans ce cas B = = I 3, b = 80 = b, E = Les coûts réduits définis par c T e = c T e c T b B 1 E sont égaux à x y z c T e = (3 5 6) Le critère de Dantzig implique que la variable z entre en base On a P = B 1 A 3 = (4, 1, 2) et on calcule ensuite les ratios b i : e 1 e 2 e 3 b i 70 4 = 17, = = 30 On en déduit que la variable sortante est e 1 2ème itération : On a maintenant la base VB= (z, e 2, e 3 ) On a alors , B = 1 1 0, b = 62, 5, E = On remarque que b est défini dans la ligne 19 du tableau 31 Les coûts réduits sont égaux à x y e 1 c T e = ( ) Le critère de Dantzig implique que la variable y entre en base On a P = B 1 A 2 = (2, 1, 2) et on calcule ensuite les ratios b i : z e 2 e 3 b i On en déduit que la variable sortante est e 3 3ème itération : On a maintenant la base VB= (z, e 2, y) On a alors B = 1 1 1, b = 50, E =
16 78 CHAPITRE 3 LA PROGRAMMATION LINÉAIRE - ÉCRITURE MATRICIELLE On remarque que b est défini dans la ligne 9 du tableau 31 Les coûts réduits sont égaux à x e 1 e 3 c T e = ( ) L algorithme s arrête car tous les poids sont négatifs On a donc trouvé l optimum Conclusion : La solution est constituée des variables de base y, z, e 2 Les valeurs de ces variables sont données respectivement par 25, 5, 50 Toutes les autres valeurs sont égales à 0 La fonction de coût vaut donc : Z = = Exemple avec solution optimale multiple Une ébénisterie produit des bureaux, des tables et des chaises Chaque type de produit réclame du bois et deux types de travaux : mise en forme et finition, suivant le tableau : Ressource bureau table chaise planches 8m 6m 1m mise en forme 4h 2h 3 2 h finition 2h 3 2 h 1 2 h On dispose de 48m de planches, 20h de mise en forme et 8h de finition On vend un bureau pour 60e, une table pour 35e et une chaise pour 20e La demande pour les chaises et les bureaux est illimitée, mais on ne pense vendre que 5 tables au plus On veut maximiser le profit Formalisons le problème : soient x 1, x 2, x 3 les variables décrivant respectivement les nombres de bureaux, de tables et de chaises On cherche à résoudre le PL x 1, x 2, x 3 0 8x 1 + 6x 2 + x x 1 + 2x x x x x 3 8 x 2 5 maximiser Z(x 1, x 2, x 3 ) = 60x x x 3 Première itération : On a initialement VB= {x 4, x 5, x 6, x 7 } On a donc B = , b = 20 8, E = Les coûts réduits sont égaux à x 1 x 2 x 3 c T e = ( ) Le critère de Dantzig implique que la variable x 1 entre en base On a P = B 1 A 1 = (8, 4, 4, 0) et on calcule ensuite les ratios b i : x 4 x 5 x 6 x 7 b i On en déduit que la variable sortante est x 6
17 32 LA MÉTHODE DU SIMPLEXE SOUS FORME MATRICIELLE 79 Deuxième itération : On a initialement VB= {x 4, x 5, x 1, x 7 } On a donc B = , b = 4 4, E = Les coûts réduits sont égaux à x 2 x 3 x 6 c T e = ( ) Le critère de Dantzig implique que la variable x 3 entre en base On a P = B 1 A 3 = ( 1, 1 2, 1 4, 0) et on calcule ensuite les ratios b i : x 4 x 5 x 1 x 7 b i On en déduit que la variable sortante est x 5 Troisième itération : On a maintenant VB= {x 4, x 3, x 1, x 7 } On a donc B = , b = Les coûts réduits sont égaux à x 2 x 5 x 6, E = c T e = ( ) On a trouvé un optimum mais x 2 est à zéro Ceci indique une solution non unique car on peut faire entrer x 2 dans la base à coût constant Donc x 2 entre dans la base On poursuit alors le calcul normalement On a P = B 1 A 3 = ( 2, 2, 5 4, 1) et on calcule ensuite les ratios b i : x 4 x 3 x 1 x 7 b i , 6 5 On en déduit que la variable sortante est x 1 Quatrième itération : On a maintenant VB= {x 4, x 3, x 2, x 7 } On a donc , B = , b = 11, 2 1, 6, E = , Les coûts réduits sont égaux à x 1 x 5 x 6 c T e = ( ) On a trouvé un optimum, mais x 1 est à zéro Ceci indique une solution non unique, car on peut faire entrer x 1 dans la base à coût constant Donc x 1 entre dans la base et on poursuit alors le calcul normalement On a P = B 1 A 3 = ( 2, 2, 5 4, 1) et on calcule ensuite les ratios b i : x 4 x 3 x 2 x 7 b i On en déduit que la variable sortante est x 2 On a découvert un cycle Conclusion : La solution est constituée des variables de base réalisables possibles Ici VB1= {x 4, x 3, x 1, x 7 }, VB2= {x 4, x 3, x 2, x 7 } et de toutes leurs combinaisons linéaires intermédiaires
18 80 CHAPITRE 3 LA PROGRAMMATION LINÉAIRE - ÉCRITURE MATRICIELLE Les valeurs de ces variables sont données par b 1 = {24, 8, 2, 5}, b 2 = {27, 2; 11, 2; 1, 6; 3, 4} respectivement Toutes les autres valeurs sont égales à 0 En ne comptant que les variables entrant dans le coût, les deux points optimaux extrêmes sont : f 1 = (x 1, x 2, x 3 ) = (2, 0, 8), f 2 = (x 1, x 2, x 3 ) = (0; 1, 6; 11, 2) Toutes les solutions intermédiaires sont données par : (x 1, x 2, x 3 ) = (2c; 1, 6 1, 6c; 11, 2 3, 2c) avec 0 c 1 La fonction de coût vaut donc : Z(x 1, x 2, x 3 ) = 60x x x3 = 280 et elle est constante pour toutes ces solutions Pour des problèmes plus complexes, on peut avoir plusieurs variables à zéro dans P, et non plus une seule L ensemble des solutions est alors l espace vectoriel convexe induit par les solutions extrêmes Pour les trouver il faut réaliser toute les substitutions possibles autorisées 326 Exemple avec solution non bornée Soit une boulangerie qui fabrique des petits pains ordinaires et des pains campagnards ; Les pains ordinaires se vendent pour 36 centimes et les pains campagnards 30 centimes ; Un pain ordinaire nécessite une dose de levure et 60g de farine, un pain campagnard une dose de levure et 50g de farine La boulangerie possède pour le moment 5 doses de levure et 100g de farine La levure coûte 3 centimes la dose, et la farine 4 centimes les 10g Maximisons le profit de la boulangerie Soient x 1, x 2, x 3 les nombres respectifs de pains ordinaires produits, de pains campagnards produits, de doses de levure et x 4 la quantité de farine consommée par quantité de 10g Les revenus sont égaux à 36x x 2, les coûts sontégaux à 3x 3 + 4x 4 La fonction objectif à maximiser est Z(x 1, x 2, x 3 ) = 36x x 2 3x 3 4x 4 Les contraintes sont données par les inégalités : x 1 + x x 3 et 6x 1 + 5x x 4 On introduit 2 variables d écart pour les contraintes, x 5, x 6 qui sont toutes deux positives 1ère itération : VB= {x 5, x 6 } ; VHB= {x 1, x 2, x 3, x 4 } b = (5 10) Coûts réduits : (36, 30, 3, 4), on va donc faire rentrer x 1 en base P = (1 6) Ratios : (5 1, 66667) on va donc faire sortir x 6 2ème itération : VB= {x 5, x 1 } ; VHB= {x 2, x 3, x 4, x 6 } 5 3 ) b = ( 10 3 Coûts réduits : (0, 3, 2, 6), on va donc faire rentrer x 4 en base P = ( ) Ratios : (20 10) on va donc faire sortir x 5 3ème itération : VB= {x 4, x 1 } ; VHB= {x 2, x 3, x 5, x 6 } b = (20 5) Coûts réduits : ( 2, 9, 12, 4), on va donc faire rentrer x 3 en base P = ( ) Ratios : ( 6 1) La solution n est pas bornée Solution : Avec la dernière solution de base { réalisable, le système s écrit : x4 6x 3 = 20 x 1 x 3 = 5 Donc en augmentant x 3 de façon arbitraire, on fait aussi croître x 4 et x 1 arbitrairement, et donc on peut réduire Z sans fin, tout en obéissant à toutes les contraintes
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 détailSouad 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 détailProgrammation 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 détailCalcul 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 détailProgrammation 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 détailProgrammation 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 détailCours 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 détailChapitre 2. Matrices
Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce
Plus en détailExercices 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 détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailOptimisation 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 détailExo7. 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 détailChapitre 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 détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailOptimisation 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 détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailProgrammation 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 détailTOUT CE QU IL FAUT SAVOIR POUR LE BREVET
TOUT E QU IL FUT SVOIR POUR LE REVET NUMERIQUE / FONTIONS eci n est qu un rappel de tout ce qu il faut savoir en maths pour le brevet. I- Opérations sur les nombres et les fractions : Les priorités par
Plus en détailCalcul différentiel sur R n Première partie
Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité
Plus en détailFonctions 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 détailChapitre VI - Méthodes de factorisation
Université Pierre et Marie Curie Cours de cryptographie MM067-2012/13 Alain Kraus Chapitre VI - Méthodes de factorisation Le problème de la factorisation des grands entiers est a priori très difficile.
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailLes indices à surplus constant
Les indices à surplus constant Une tentative de généralisation des indices à utilité constante On cherche ici en s inspirant des indices à utilité constante à définir un indice de prix de référence adapté
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailProbabilités 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 détailAnalyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I
Analyse stochastique de la CRM à ordre partiel dans le cadre des essais cliniques de phase I Roxane Duroux 1 Cadre de l étude Cette étude s inscrit dans le cadre de recherche de doses pour des essais cliniques
Plus en détailLimites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailRECHERCHE OPERATIONNELLE
RECHERCHE OPERATIONNELLE 0. Introduction. Ce cours a été enseigné jusqu en 2002, en année de licence, à la MIAGE de NANCY. L objectif principal de ce cours est d acquérir une connaissance approfondie de
Plus en détailProblème 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 détailFactorisation Factoriser en utilisant un facteur commun Fiche méthode
Factorisation Factoriser en utilisant un facteur commun Fiche méthode Rappel : Distributivité simple Soient les nombres, et. On a : Factoriser, c est transformer une somme ou une différence de termes en
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailEteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :
MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE
Plus en détailMathématiques appliquées à l'économie et à la Gestion
Mathématiques appliquées à l'économie et à la Gestion Mr Makrem Ben Jeddou Mme Hababou Hella Université Virtuelle de Tunis 2008 Continuité et dérivation1 1- La continuité Théorème : On considère un intervalle
Plus en détailExercices 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 détailProgrammes des classes préparatoires aux Grandes Ecoles
Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Biologie, chimie, physique et sciences de la Terre (BCPST) Discipline : Mathématiques Seconde année Préambule Programme
Plus en détailPremière partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Plus en détailExamen optimisation Centrale Marseille (2008) et SupGalilee (2008)
Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut
Plus en détailFeuille d exercices 2 : Espaces probabilisés
Feuille d exercices 2 : Espaces probabilisés Cours de Licence 2 Année 07/08 1 Espaces de probabilité Exercice 1.1 (Une inégalité). Montrer que P (A B) min(p (A), P (B)) Exercice 1.2 (Alphabet). On a un
Plus en détailPlus courts chemins, programmation dynamique
1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailCours 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 détailExercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT
Exercices types Algorithmique et simulation numérique Oral Mathématiques et algorithmique Banque PT Ces exercices portent sur les items 2, 3 et 5 du programme d informatique des classes préparatoires,
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailCours 7 : Utilisation de modules sous python
Cours 7 : Utilisation de modules sous python 2013/2014 Utilisation d un module Importer un module Exemple : le module random Importer un module Exemple : le module random Importer un module Un module est
Plus en détailCorrigé du baccalauréat S Asie 21 juin 2010
Corrigé du baccalauréat S Asie juin 00 EXERCICE Commun à tous les candidats 4 points. Question : Le triangle GBI est : Réponse a : isocèle. Réponse b : équilatéral. Réponse c : rectangle. On a GB = + =
Plus en détailFonctions homographiques
Seconde-Fonctions homographiques-cours Mai 0 Fonctions homographiques Introduction Voir le TP Géogébra. La fonction inverse. Définition Considérons la fonction f définie par f() =. Alors :. f est définie
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 10 août 2015 Enoncés 1 Proailités sur un univers fini Evènements et langage ensemliste A quelle condition sur (a,, c, d) ]0, 1[ 4 existe-t-il une proailité P sur
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailOPTIMISATION À UNE VARIABLE
OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en détailContinuité et dérivabilité d une fonction
DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité
Plus en détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en détailChapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en détailJournées Télécom-UPS «Le numérique pour tous» David A. Madore. david.madore@enst.fr. 29 mai 2015
et et Journées Télécom-UPS «Le numérique pour tous» David A. Madore Télécom ParisTech david.madore@enst.fr 29 mai 2015 1/31 et 2/31 : définition Un réseau de R m est un sous-groupe (additif) discret L
Plus en détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détailBACCALAUREAT GENERAL MATHÉMATIQUES
BACCALAUREAT GENERAL FEVRIER 2014 MATHÉMATIQUES SERIE : ES Durée de l épreuve : 3 heures Coefficient : 5 (ES), 4 (L) 7(spe ES) Les calculatrices électroniques de poche sont autorisées, conformement à la
Plus en détailLe théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche
Le théorème de Perron-Frobenius, les chaines de Markov et un célèbre moteur de recherche Bachir Bekka Février 2007 Le théorème de Perron-Frobenius a d importantes applications en probabilités (chaines
Plus en détailThéorèmes de Point Fixe et Applications 1
Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des
Plus en détailIV- Equations, inéquations dans R, Systèmes d équations
IV- Equations, inéquations dans R, Systèmes d équations 1- Equation à une inconnue Une équation est une égalité contenant un nombre inconnu noté en général x et qui est appelé l inconnue. Résoudre l équation
Plus en détailBaccalauréat 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 détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en détailModule 2 : Déterminant d une matrice
L Mth Stt Module les déterminnts M Module : Déterminnt d une mtrice Unité : Déterminnt d une mtrice x Soit une mtrice lignes et colonnes (,) c b d Pr définition, son déterminnt est le nombre réel noté
Plus en détailLa classification automatique de données quantitatives
La classification automatique de données quantitatives 1 Introduction Parmi les méthodes de statistique exploratoire multidimensionnelle, dont l objectif est d extraire d une masse de données des informations
Plus en détail2. RAPPEL DES TECHNIQUES DE CALCUL DANS R
2. RAPPEL DES TECHNIQUES DE CALCUL DANS R Dans la mesure où les résultats de ce chapitre devraient normalement être bien connus, il n'est rappelé que les formules les plus intéressantes; les justications
Plus en détailRaisonnement par récurrence Suites numériques
Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailANALYSE GÉNÉRALE - PROPOSITION DE CORRIGÉ. Exercice 1
ANALYSE GÉNÉRALE - PROPOSITION DE CORRIGÉ OLIVIER COLLIER Exercice 1 Le calcul de la banque. 1 Au bout de deux ans, la banque aurait pu, en prêtant la somme S 1 au taux d intérêt r pendant un an, obtenir
Plus en détailOptimisation, traitement d image et éclipse de Soleil
Kléber, PCSI1&3 014-015 I. Introduction 1/8 Optimisation, traitement d image et éclipse de Soleil Partie I Introduction Le 0 mars 015 a eu lieu en France une éclipse partielle de Soleil qu il était particulièrement
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
Plus en détailUne forme générale de la conjecture abc
Une forme générale de la conjecture abc Nicolas Billerey avec l aide de Manuel Pégourié-Gonnard 6 août 2009 Dans [Lan99a], M Langevin montre que la conjecture abc est équivalente à la conjecture suivante
Plus en détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailApproximations variationelles des EDP Notes du Cours de M2
Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation
Plus en détailFormes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions
Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailCircuits RL et RC. Chapitre 5. 5.1 Inductance
Chapitre 5 Circuits RL et RC Ce chapitre présente les deux autres éléments linéaires des circuits électriques : l inductance et la capacitance. On verra le comportement de ces deux éléments, et ensuite
Plus en détailContexte. 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 détailDéveloppement décimal d un réel
4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce
Plus en détailCondition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½
Condition inf-sup pour l Elément Fini de Taylor-Hood È ¾ -iso-è ½ Patrick Ciarlet et Vivette Girault ciarlet@ensta.fr & girault@ann.jussieu.fr ENSTA & Laboratoire Jacques-Louis Lions, Paris 6 Condition
Plus en détailEléments de Théorie des Graphes et Programmation Linéaire
INSTITUT NATIONAL POLYTECHNIQUE DE LORRAINE Ecole Nationale Supérieure d Electricité et de Mécanique Eléments de Théorie des Graphes et Programmation Linéaire Didier Maquin Professeur à l INPL Version
Plus en détailCours 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 détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailCONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE. Cinquième épreuve d admissibilité STATISTIQUE. (durée : cinq heures)
CONCOURS D ENTREE A L ECOLE DE 2007 CONCOURS EXTERNE Cinquième épreuve d admissibilité STATISTIQUE (durée : cinq heures) Une composition portant sur la statistique. SUJET Cette épreuve est composée d un
Plus en détailMATHÉMATIQUES DISCRÈTES (4) CRYPTOGRAPHIE CLASSIQUE
MATHÉMATIQUES DISCRÈTES (4) CRYPTOGRAPHIE CLASSIQUE Michel Rigo http://www.discmath.ulg.ac.be/ Année 2007 2008 CRYPTOGRAPHIE. N. F. Art d écrire en chiffres ou d une façon secrète quelconque. Ensemble
Plus en détailEXERCICES - ANALYSE GÉNÉRALE
EXERCICES - ANALYSE GÉNÉRALE OLIVIER COLLIER Exercice 1 (2012) Une entreprise veut faire un prêt de S euros auprès d une banque au taux annuel composé r. Le remboursement sera effectué en n années par
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détaila et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
Plus en détailFctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines
FctsAffines.nb 1 Mathématiques, 1-ère année Edition 2007-2008 Fonctions affines Supports de cours de mathématiques de degré secondaire II, lien hpertete vers la page mère http://www.deleze.name/marcel/sec2/inde.html
Plus en détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
Plus en détailDéterminants. Marc SAGE 9 août 2008. 2 Inverses et polynômes 3
Déterminants Marc SAGE 9 août 28 Table des matières Quid des formes n-linéaires alternées? 2 2 Inverses et polynômes 3 3 Formule de Miller pour calculer un déterminant (ou comment illustrer une idée géniale)
Plus en détail