Recherche opérationnelle

Save this PDF as:
 WORD  PNG  TXT  JPG

Dimension: px
Commencer à balayer dès la page:

Download "Recherche opérationnelle"

Transcription

1 Recherche opérationnelle Master 2 LT, MPM, MIR Université du Littoral - Côte d Opale, Pôle Lamartine Laurent SMOCH 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

Programmation linéaire suite

Programmation linéaire suite Programmation linéaire suite Cas limites du simplexe Hugues Talbot Laboratoire A2SI 6 avril 2007 Plan Cas limites de la programmation linéaire Limites de l algorithme du simplexe Solution unique Solution

Plus en détail

Unité d Enseignement RCP101 : Recherche Opérationnelle et Aide à la Décision. Cours 5 Programmation linéaire (suite)

Unité d Enseignement RCP101 : Recherche Opérationnelle et Aide à la Décision. Cours 5 Programmation linéaire (suite) Unité d Enseignement RCP101 : Recherche Opérationnelle et Aide à la Décision Cours 5 Programmation linéaire (suite) Conservatoire National des Arts et Métiers E. Soutil 2 UE RCP101 Recherche Opérationnelle

Plus en détail

4.1 Définitions et notations 1 CHAPITRE 4. Matrices Définitions et notations

4.1 Définitions et notations 1 CHAPITRE 4. Matrices Définitions et notations 4 Définitions et notations CHAPITRE 4 Matrices 4 Définitions et notations On désigne par K un des deux ensembles R ou C et par n et p deux entiers strictement positifs 4 Matrices Définition On appelle

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

FICHE DE RÉVISION DU BAC

FICHE DE RÉVISION DU BAC systèmes d équations suites 1. Vocabulaire 2.Calcul matriciel 3. suites Prérequis Plan du cours 1. Vocabulaire Définition : Une matrice de dimension est un tableau de nombres comportant lignes colonnes.

Plus en détail

Matrices. () Matrices 1 / 45

Matrices. () Matrices 1 / 45 Matrices () Matrices 1 / 45 1 Matrices : définitions 2 Calcul matriciel 3 Opérations élémentaires sur les lignes d une matrice 4 Transposition On va principalement travailler avec R Mais on peut remplacer

Plus en détail

a 11 a 1n A = (a ij ) = ... a m1 a mn

a 11 a 1n A = (a ij ) = ... a m1 a mn Chapitre 4 Les matrices 4 Notions de bases Définition Une matrice est un tableau rectangulaire contenant des nombres : a a n A a ij a m a mn Les matrices peuvent représenter toutes sortes d informations

Plus en détail

Université du Littoral - Côte d Opale Laurent SMOCH. Septembre 2012

Université du Littoral - Côte d Opale Laurent SMOCH. Septembre 2012 ISCID - PRÉPA 2ème année MATHÉMATIQUES APPLIQUÉES À L ÉCONOMIE ET À LA GESTION 2 Université du Littoral - Côte d Opale Laurent SMOCH Septembre 202 Laboratoire de Mathématiques Pures et Appliquées Joseph

Plus en détail

Ch. 03 MATRICES et SUITES

Ch. 03 MATRICES et SUITES Ch 03 MATRICES et SUITES I Notion de matrice Une matrice est un tableau de nombres réels à n lignes et p colonnes, de taille (n, p) ou n p Notation La matrice M ci-dessous peut être notée M = (a ij ) où

Plus en détail

Déterminants. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F. Geoffriau

Déterminants. Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle F. Geoffriau Agrégation interne de Mathématiques Département de Mathématiques Université de La Rochelle 2006-2007 Déterminants Définition Déterminant d une matrice On définit par récurrence le déterminant, noté det(a),

Plus en détail

Calcul matriciel. 1.1 Définitions Matrices carrées particulières... 3

Calcul matriciel. 1.1 Définitions Matrices carrées particulières... 3 Chapitre 10 Calcul matriciel 1 Généralités 2 11 Définitions 2 12 Matrices carrées particulières 3 2 Opérations sur les matrices 4 21 L espace vectoriel M np (R 4 22 Produit de deux matrices 5 23 Transposée

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

Simplexe. Recherche Opérationnelle et Optimisation Master 1 I2L. Sébastien Verel

Simplexe. Recherche Opérationnelle et Optimisation Master 1 I2L. Sébastien Verel Simplexe Recherche Opérationnelle et Optimisation Master 1 I2L Sébastien Verel verel@lisic.univ-littoral.fr http://www-lisic.univ-littoral.fr/~verel Université du Littoral Côte d Opale Laboratoire LISIC

Plus en détail

L2PC 2011/2012 USTV. Algèbre linéaire M331. Aide-mémoire et exercices corrigés. G. Faccanoni. Dernière mise-à-jour

L2PC 2011/2012 USTV. Algèbre linéaire M331. Aide-mémoire et exercices corrigés. G. Faccanoni. Dernière mise-à-jour L2PC 2/22 Aide-mémoire et exercices corrigés USTV M33 Algèbre linéaire G Faccanoni Dernière mise-à-jour Lundi 9 janvier 22 Attention, ce polycopié est encore en cours de développement, ne vous étonnez

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

Chapitre 3 : Matrices

Chapitre 3 : Matrices Chapitre 3 : Matrices Sommaire I Notion de matrice et vocabulaire II Opérations de base sur les matrices 3 1 Addition de matrices et multiplication d un réel par une matrice 3 Multiplication matricielle

Plus en détail

Calcul matriciel Matrices Cours

Calcul matriciel Matrices Cours Calcul matriciel Matrices Cours CHAPITRE 1 : Généralités sur les matrices 1) Notion de matrice 2) Matrices particulières CHAPITRE 2 : Egalité de deux matrices CHAPITRE 3 : Opérations sur les matrices 1)

Plus en détail

Programmation linéaire et Méthode du simplexe (en bref)

Programmation linéaire et Méthode du simplexe (en bref) Université de Versailles Saint-Quentin-en-Yvelines Tahar Z. BOULMEZAOUD boulmeza@math.uvsq.fr Programmation linéaire et Méthode du simplexe (en bref) On appelle programme linéaire un problème d optimisation

Plus en détail

Chapitre 1 : Programmation linéaire

Chapitre 1 : Programmation linéaire Graphes et RO TELECOM Nancy 2A Chapitre 1 : Programmation linéaire J.-F. Scheid v2.1 1 I. Introduction 1) Modélisation En Recherche Opérationnelle (RO), modéliser un problème consiste à identifier: les

Plus en détail

Matrices. 6 On appelle matrice triangulaire inférieure toute matrice carrée d ordre n telle que, si

Matrices. 6 On appelle matrice triangulaire inférieure toute matrice carrée d ordre n telle que, si Agrégation interne UFR MATHÉMATIQUES Matrices On note K un corps commutatif. n et p représentent deux entiers naturels non nuls. 1. Notion de matrice 1.1. Définitions Définition 1 On appelle matrice d

Plus en détail

Chapitre 13. Calcul matriciel. Mathématiques PTSI. Mathématiques PTSI (Lycée Déodat de Séverac) Calcul matriciel 1 / 44

Chapitre 13. Calcul matriciel. Mathématiques PTSI. Mathématiques PTSI (Lycée Déodat de Séverac) Calcul matriciel 1 / 44 Chapitre 13 Calcul matriciel Mathématiques PTSI Lycée Déodat de Séverac Mathématiques PTSI (Lycée Déodat de Séverac) Calcul matriciel 1 / 44 On note K = R ou C Mathématiques PTSI (Lycée Déodat de Séverac)

Plus en détail

Chapitre 2 : Les matrices

Chapitre 2 : Les matrices Chapitre 2 : Les matrices I. Définitions On appelle matrice à lignes et colonnes N, N à coefficients dans =R C un tableau à lignes et colonnes contenant un élément de à l intersection de chaque ligne et

Plus en détail

Plan (1/2) Support au cours. Plan (2/2) Vecteurs de R N et opérations Produit scalaire de deux vecteurs de R N Norme d un vecteur

Plan (1/2) Support au cours. Plan (2/2) Vecteurs de R N et opérations Produit scalaire de deux vecteurs de R N Norme d un vecteur Plan (1/2) Mathématique Élémentaire Introduction à l algèbre linéaire Support au cours S. Bridoux Université de Mons-Hainaut 1 L espace R N Vecteurs de R N et opérations Produit scalaire de deux vecteurs

Plus en détail

Algèbre linéaire pour GM Jeudi 01 novembre 2012 Prof. A. Abdulle

Algèbre linéaire pour GM Jeudi 01 novembre 2012 Prof. A. Abdulle Algèbre linéaire pour GM Jeudi novembre Prof A Abdulle EPFL Série 6 Corrigé Exercice a Calculer la décomposition LU de la matrice A = 9 6 6 On effectue la réduction de la matrice A jusqu à obtenir une

Plus en détail

LFA / Terminale S SPÉCIALITÉ MATHS Mme MAINGUY. Les nombres contenus dans ce tableau sont appelés les coefficients de la matrice.

LFA / Terminale S SPÉCIALITÉ MATHS Mme MAINGUY. Les nombres contenus dans ce tableau sont appelés les coefficients de la matrice. Les matrices chapitre 2 : calcul matriciel I / Définitions Soit n et p deux entiers naturels non nuls Une matrice n p (on dit aussi de format n ; p ( ) est un tableau de nombres réels à n lignes et p colonnes

Plus en détail

Matrices. Christophe ROSSIGNOL. Année scolaire 2016/2017

Matrices. Christophe ROSSIGNOL. Année scolaire 2016/2017 Matrices Christophe ROSSIGNOL Année scolaire 016/017 Table des matières 1 Notion de matrice 1.1 Définition................................................. 1. Addition de matrices...........................................

Plus en détail

Recherche Opérationnelle I

Recherche Opérationnelle I Recherche Opérationnelle I Nadia Brauner Nadia.Brauner@imag.fr Programmation linéaire Programmation linéaire Plan 1 Introduction à la programmation linéaire 2 Interprétation géométrique 3 Bases et points

Plus en détail

LES MATRICES. Chapitre Premières définitions

LES MATRICES. Chapitre Premières définitions Chapitre 1 LES MATRICES 11 Premières définitions Définition Une matrice à n lignes et p colonnes et à coefficients dans R est un tableau de np éléments de R que l on représente sous la forme : a 11 a 12

Plus en détail

2 Diverses interprétations des matrices

2 Diverses interprétations des matrices 1 Rappels Espace vectoriel M p,n (K) : Addition : dénition et propriétés élémentaires : commutativité, associativité, existence d'un neutre, toute matrice admet un(e) opposé(e) pour + Multiplication par

Plus en détail

L p B calculer le produit matriciel ligne par ligne, ou bien colonne par colonne.

L p B calculer le produit matriciel ligne par ligne, ou bien colonne par colonne. 40 CHAPITRE 4. MATRICES ligne L M 1,n (K) et d une matrice B M n,q (K) est encore une matrice ligne. De plus, si on note L i la i-ième ligne de A, alors le produit AB est la L 1 B L 2 B matrice (la juxtaposition

Plus en détail

Optimisation Linéaire - TD 2 (Corrigé)

Optimisation Linéaire - TD 2 (Corrigé) Optimisation Linéaire - TD (Corrigé) Exercice 1 : Mise sous forme canonique Mettre les problèmes linéaires suivants sous forme canonique. Problème 1 : max 3x 1 x + x 3 (1) 5x 1 + x + x 3 5 () 3x 1 4x =

Plus en détail

Algorithme du Simplexe

Algorithme du Simplexe MATH-F-306 Optimisation chapitre 3 Algorithme du Simplexe 20 avril 2007 Optimisation MATH-F-306 MATH-F-306 3. Algorithme du Simplexe RAPPEL au TABLEAU : Algorithme du Simplexe TODO step 0 : step 1 : step

Plus en détail

Matrices à coecients réels

Matrices à coecients réels Matrices à coecients réels Dans tout ce chapitre d, n, p et q sont des entiers naturels non nuls 1 Systèmes linéaires : 11 Généralités : Dénition 1 : On appelle système linéaire de n équations à p inconnues

Plus en détail

Algorithmes du pivot de Gauss. Applications

Algorithmes du pivot de Gauss. Applications 14 Algorithmes du pivot de Gauss Applications On utilise les dénitions et notations du chapitre 13 On se reportera au paragraphe 131 pour les dénitions d'opérations élémentaires, de matrices de transvection,

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

PROGRAMMATION LINEAIRE

PROGRAMMATION LINEAIRE PROGRAMMATION LINEAIRE Une entreprise a la faculté de fabriquer, sur une machine donnée travaillant 45 heures par semaine, trois types de produits différents P 1, P 2 et P 3. Une unité du produit P 1 laisse

Plus en détail

Laurent Garcin MPSI Lycée Jean-Baptiste Corot

Laurent Garcin MPSI Lycée Jean-Baptiste Corot DÉTERMINANTS Dans tout ce chapitre, n désigne un entier naturel non nul. 1 Groupe symétrique 1.1 Permutation Définition 1.1 Permutation, groupe symétrique On appelle permutation de 1, n toute bijection

Plus en détail

Matrices. 1 Matrices rectangulaires. 1.2 L espace vectoriel M n,p (K) Dans tout ce chapitre, K désigne R ou C.

Matrices. 1 Matrices rectangulaires. 1.2 L espace vectoriel M n,p (K) Dans tout ce chapitre, K désigne R ou C. Matrices Dans tout ce chapitre, K désigne R ou C Matrices rectangulaires Soient n, p deux nombres entiers non-nuls On appelle matrice à n lignes et p colonnes à coefficients dans K tout tableau rectangulaire

Plus en détail

Calcul matriciel. matrices-ligne et colonne : on appelle matrice-ligne toute matrice n ayant qu une seule ligne. On peut identifier

Calcul matriciel. matrices-ligne et colonne : on appelle matrice-ligne toute matrice n ayant qu une seule ligne. On peut identifier Calcul matriciel Dans ce qui suit, K désigne R ou C. 1 Petite visite au zoo matriciel 1.1 matrices générales notion de matrice : une matrice à coefficients dans K est une liste d éléments de K disposés

Plus en détail

Recherche Opérationnelle

Recherche Opérationnelle Chapitre : Programmation linéaire (Partie : Un problème d optimisation linéaire en dimension supérieure) Vendredi 13 Novembre 015 Sommaire 1 Problème de transport 3 Plan 1 Problème de transport 3 Problème

Plus en détail

MAT 1200: Introduction à l algèbre linéaire

MAT 1200: Introduction à l algèbre linéaire MAT 1200: Introduction à l algèbre linéaire Robert Guénette et Saïd El Morchid Département de Mathématiques et de Statistique Chapitre 2: Les matrices. Références Exemple, Définitions, Notations Exemple:

Plus en détail

Exercice I.1 Montrer que la somme de vecteurs et le produit d un vecteur par un nombre réel donnent à IR 3 une structure d espace vectoriel sur IR.

Exercice I.1 Montrer que la somme de vecteurs et le produit d un vecteur par un nombre réel donnent à IR 3 une structure d espace vectoriel sur IR. Exercices avec corrigé succinct du chapitre 1 (Remarque : les références ne sont pas gérées dans ce document, par contre les quelques?? qui apparaissent dans ce texte sont bien définis dans la version

Plus en détail

Opérations élémentaires et déterminants

Opérations élémentaires et déterminants 10 Opérations élémentaires et déterminants On note toujours K le corps de réels ou des complexes On se donne un entier n 1 et M n (K désigne l espace vectoriel des matrices carrées d ordre n à coefficients

Plus en détail

La dualité en programmation linéaire

La dualité en programmation linéaire La dualité en programmation linéaire Motivation : recherche de bornes Dual d un problème canonique Règles de dualisation Théorèmes de dualité faible et forte Théorèmes des écarts complémentaires Interprétation

Plus en détail

colonne j ligne i Proposition 12.1: Deux matrices sont égales ssi elles ont même taille et mêmes coefficients.

colonne j ligne i Proposition 12.1: Deux matrices sont égales ssi elles ont même taille et mêmes coefficients. Chapitre 12 : Matrices - résumé de cours Dans tout le chapitre désigne ou, n et p deux entiers naturels non nuls. 1. L'ensemble M n,p() 1.1 Définition et vocabulaire Déf: On appelle matrice à n lignes

Plus en détail

Chapitre 2. Introduction aux matrices

Chapitre 2. Introduction aux matrices L1 2012-2013 Université Paris 13 Algèbre linéaire Chapitre 2 Introduction aux matrices Référence: Liret-Martinais [2], chapitre 4 Nous avons déjà rencontré des tableaux de nombres, ou matrices Nous allons

Plus en détail

MP33/M331 Algèbre linéaire

MP33/M331 Algèbre linéaire MP33/M33 Algèbre linéaire Licence Sciences et Techniques L2 PC SI Recueil d exercices corrigés et aide-mémoire Gloria Faccanoni i http://faccanoniuniv-tlnfr/enseignementshtml Année 23 24 Dernière mise-à-jour

Plus en détail

Les opérations sur les matrices Algèbre linéaire I MATH 1057 F

Les opérations sur les matrices Algèbre linéaire I MATH 1057 F Les opérations sur les matrices Algèbre linéaire I MATH 1057 F Julien Dompierre Département de mathématiques et d informatique Université Laurentienne Sudbury, 30 janvier 2011 Matrices (p. 107) Définition

Plus en détail

Base d algèbre Chapitre 1. Calcul matriciel. 1. Vecteurs

Base d algèbre Chapitre 1. Calcul matriciel. 1. Vecteurs Base d algèbre Chapitre 1. Calcul matriciel 1. Vecteurs Base d algèbre Chapitre 1. Calcul matriciel 1. Vecteurs Définition. On appelle un vecteur réel en dimension n une colonne x 1 x 2. x n de n nombres

Plus en détail

deux matrices de M n,p (K) et λ K. On définit

deux matrices de M n,p (K) et λ K. On définit CHAPITRE 6 MATRICES Dans tout le chapitre, K désignera R ou C 1 Matrices à éléments dans K 11 Algèbre des matrices Définition 61 Soient n, p N On appelle matrice de taille (n, p) à coefficients dans K

Plus en détail

Optimisation Linéaire

Optimisation Linéaire Optimisation Linéaire Cours 2 : algorithme du simplexe Adrien Goëffon Bureau H207 / adrien.goeffon@univ-angers.fr Algorithme du simplexe On souhaite résoudre le programme linéaire suivant (ici sous forme

Plus en détail

3. SYSTEMES LINEAIRES

3. SYSTEMES LINEAIRES 3 SYSTEMES LINEAIRES 31 Définition Un système linéaire est un ensemble de m équations linéaires à n variables Il a la forme générale suivante : a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 a 21 x 1 + a 22 x

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

Matrices. 1 Matrices rectangulaires. 1.2 L espace vectoriel M n,p (R)

Matrices. 1 Matrices rectangulaires. 1.2 L espace vectoriel M n,p (R) Matrices Matrices rectangulaires Soient n, p deux nombres entiers non-nuls On appelle matrice à n lignes et p colonnes un tableau rectangulaire de nombres réels comportant n lignes et p colonnes } }{{}

Plus en détail

Réseaux de transports

Réseaux de transports Réseaux de transports Marie-Pierre Béal Université Paris-Est Marne-la-Vallée. L3 Informatique Bibliographie V. Chávtal. Linear Programming, W.H. Freeman, 1983. Exemple de problèmes de transport Example

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

Optimisation linéaire

Optimisation linéaire Optimisation linéaire Recherche opérationnelle GC-SIE Algorithme du simplexe 1 Rappel Si un problème de programmation linéaire en forme standard possède une solution optimale, alors il existe une solution

Plus en détail

OPTIMISATION. Table des matières. 2 Programmation linéaire LICENCE MATHÉMATIQUE ET GESTION Optimisation linéaire

OPTIMISATION. Table des matières. 2 Programmation linéaire LICENCE MATHÉMATIQUE ET GESTION Optimisation linéaire OPTIMISATION LICENCE MATHÉMATIQUE ET GESTION 2013-2014 Table des matières 2 Programmation linéaire 1 2.1 Optimisation linéaire................................. 1 2.2 Polytopes.......................................

Plus en détail

Mathématiques appliquées aux sciences sociales - Algèbre matricielle -

Mathématiques appliquées aux sciences sociales - Algèbre matricielle - CHAPITRE 4 LE RANG D UNE MATRICE... 2 I DEFINITIONS... 2 A Définition des sous-matrices... 2 B Définition du rang d une matrice... 3 II FORME NORMALE OU CANONIQUE D UNE MATRICE... 4 A Le principe... 4

Plus en détail

DÉTERMINANTS I. Déterminant d une matrice carrée

DÉTERMINANTS I. Déterminant d une matrice carrée DÉTERMINANTS I Déterminant d une matrice carrée a Définition Proposition admise) et définition Il existe une unique application f : M n IK) IK vérifiant les trois propriétés suivantes : 1): fi n ) = 1

Plus en détail

Recherche Opérationnelle Mercredi 06 Novembre Contrôle Terminal - Session 1

Recherche Opérationnelle Mercredi 06 Novembre Contrôle Terminal - Session 1 Master LT, MPM, MIR Pôle Lamartine - ULCO Recherche Opérationnelle Mercredi 06 Novembre 0 - Contrôle Terminal - Session Durée de l épreuve : h00 Documents interdits. Calculatrice autorisée Exercice - Correction

Plus en détail

Chapitre I : MATRICES ET OPERATIONS

Chapitre I : MATRICES ET OPERATIONS I- Notion de matrice Chapitre I : MATRICES ET OPERATIONS Définition 1 : et désignent deux entiers naturels non nuls. On appelle matrice de format (,) tout tableau de nombres réels à lignes et colonnes.

Plus en détail

Programmation linéaire

Programmation linéaire Programmation linéaire Pierre Coupechoux Nicolas Jozefowiez 12 octobre 2015 Quelques exemples Exemple 1 : problème de production Exemple 2 : problème de transport Exemple 3 : Planification Pierre Coupechoux

Plus en détail

Matrice et vocabulaire associé

Matrice et vocabulaire associé I Matrice et vocabulaire associé I1 Définitions Définition 1 Deux entiers naturels m et n étant donnés non nuls, on appelle matrice de format m, n tout tableau rectangulaire ayant m n éléments, disposés

Plus en détail

Université du Littoral - Côte d Opale Laurent SMOCH. Septembre 2012

Université du Littoral - Côte d Opale Laurent SMOCH. Septembre 2012 ISCID - PRÉPA 2ème année MATHÉMATIQUES APPLIQUÉES À L ÉCONOMIE ET À LA GESTION 2 Université du Littoral - Côte d Opale Laurent SMOCH Septembre 202 Laboratoire de Mathématiques Pures et Appliquées Joseph

Plus en détail

2 Méthodes directes de résolution des systèmes linéaires en grande dimension

2 Méthodes directes de résolution des systèmes linéaires en grande dimension 2 Méthodes directes de résolution des systèmes linéaires en grande dimension {révisions} : calcul matriciel L erreur naïve que pourrait faire un lecteur peu averti serait de croire que le fait que l on

Plus en détail

Graphes et Recherche Opérationnelle

Graphes et Recherche Opérationnelle Graphes et Recherche Opérationnelle ESIAL 2 nde année Notes de cours Tony Bourdier Version 4 Table des matières 2 Table des matières I Programmation linéaire continue 3 1 Introduction 3 11 Modélisation

Plus en détail

DE - DETERMINANTS. Rappels sur la méthode du pivot

DE - DETERMINANTS. Rappels sur la méthode du pivot DE - DETERMINANTS Rappels sur la méthode du pivot Si A est une matrice de M(n,m; R), les opérations intervenant dans la méthode du pivot s interprètent comme le produit de A par des matrices particulières

Plus en détail

Calcul matriciel. Julien Reichert. m1;1 m 1;2 m 1;3 m 2;1 m 2;2 m 2;3

Calcul matriciel. Julien Reichert. m1;1 m 1;2 m 1;3 m 2;1 m 2;2 m 2;3 Calcul matriciel Julien Reichert Notions de base Une matrice est un tableau comportant m lignes et n colonnes, dont les cellules contiennent des réels. La dimension de la matrice est m n, on parle alors

Plus en détail

Introduction au Compressed sensing. Méthode du simplexe

Introduction au Compressed sensing. Méthode du simplexe Introduction au Compressed sensing. Méthode du simplexe Guillaume Lecué 1 Résumé Dans les deux chapitres qui se suivent, nous présentons deux types d algorithmes pour résoudre des problèmes de programmation

Plus en détail

Lycée Dominique Villars ECE 1 CALCUL MATRICIEL

Lycée Dominique Villars ECE 1 CALCUL MATRICIEL Lycée Dominique Villars ECE 1 COURS CALCUL MATRICIEL 1 Définitions et Notations Soit n N et m N On appelle matrice à n lignes et m colonnes tout tableau de la forme suivant : a 1,1 a 1,2 a 1,m a 2,1 a

Plus en détail

Eléments de calcul matriciel

Eléments de calcul matriciel Eléments de calcul matriciel Définition et propriétés des matrices Définition Une matrice (l x c) (lire l croix c) est un ensemble de l fois c nombres, réels ou complexes, regroupés sous la forme d un

Plus en détail

Méthodes directes de résolution du système linéaire Ax = b

Méthodes directes de résolution du système linéaire Ax = b Chapitre 3 Méthodes directes de résolution du système linéaire Ax = b 3.1 Introduction Dans ce chapitre, on étudie quelques méthodes directes permettant de résoudre le système Ax = b (3.1) où A M n (R),

Plus en détail

Introduction à l optimisation et la recherche opérationnelle ( )

Introduction à l optimisation et la recherche opérationnelle ( ) Solution de la question 1: 1. Le domaine admissible est représenté en gris sur la Figure 1. La solution optimale correspond au sommet D (9,0). La fonction objective vaut alors -27. x 2 7 6 B 5 4 3 A c

Plus en détail

Programmation linéaire. Méthode du simplexe.

Programmation linéaire. Méthode du simplexe. Programmation linéaire. Méthode du simplexe. S. EL BERNOUSSI 25 octobre 2010 Table des matières 1 Introduction. 2 2 Notion de programme linéaire. 2 2.1 Exemple................................ 2 2.2 Forme

Plus en détail

Calcul matriciel , ,2 35 1,58

Calcul matriciel , ,2 35 1,58 Matrices Définition Soit m et n deux entiers naturels non nuls. On appelle «matrice de dimension m n» tout tableau de nombres réels comportant m lignes et n colonnes. Traditionnellement, on utilise une

Plus en détail

I-Définitions: A matrice à n lignes et p colonnes : np éléments réels (ou éventuellement complexes). p. 2/2

I-Définitions: A matrice à n lignes et p colonnes : np éléments réels (ou éventuellement complexes). p. 2/2 Matrice p. 1/2 I-Définitions: A matrice à n lignes et p colonnes : np éléments réels (ou éventuellement complexes). p. 2/2 I-Définitions: A matrice à n lignes et p colonnes : np éléments réels (ou éventuellement

Plus en détail

Programmation linéaire. Nazih Abderrazzak Gadhi

Programmation linéaire. Nazih Abderrazzak Gadhi Programmation linéaire Nazih Abderrazzak Gadhi Forme standard d un programme linéaire La forme standard d un programme linéaire (P) est : Fondements de la programmation linéaire Nazih Abderrazzak Gadhi

Plus en détail

Comme pour toutes les autres questions, d autres méthodes ou options sont évidemment possibles à condition d être justifiées.

Comme pour toutes les autres questions, d autres méthodes ou options sont évidemment possibles à condition d être justifiées. 0 0 3 3 EXERCICE Soit les matrices A = et B = 2 3 0 0. Calculer le déterminant de A. En déduire le rang de cette matrice. 0 0 0 Dét(A) = dét = dét 0 0 car (propriété P ) le déterminant d une matrice ne

Plus en détail

Matrices symétriques réelles. Exercice 2 Le produit de deux matrices symétriques réelles est-il symétrique? R n = ker (u) Im (u)

Matrices symétriques réelles. Exercice 2 Le produit de deux matrices symétriques réelles est-il symétrique? R n = ker (u) Im (u) Matrices symétriques réelles 1 Préliminaires On se place dans (R n, ) euclidien, le produit scalaire canonique étant défini par : (x, y) R n R n, x y = t x y = x k y k On note : M n (R) l algèbres des

Plus en détail

Cours de Mathématiques Calcul matriciel, systèmes linéaires. I Matrices à coefficients dans K... 3

Cours de Mathématiques Calcul matriciel, systèmes linéaires. I Matrices à coefficients dans K... 3 Table des matières I Matrices à coefficients dans K............................ 3 I.1 Généralités.................................. 3 I.2 Matrices particulières............................. 3 I.3 Matrices

Plus en détail

IFT2505. Programmation Linéaire

IFT2505. Programmation Linéaire IFT 2505 Programmation Linéaire DIRO Université de Montréal http://www.iro.umontreal.ca/~bastin/ift2505.php Automne 2013 Solutions de base min c T x x s.c. Ax = b, x 0. Supposons m n et rang(a) = m. Sans

Plus en détail

Master 1 Maths correction de l examen cc1 d optimisation

Master 1 Maths correction de l examen cc1 d optimisation Master 1 Maths 2013-2014 correction de l examen cc1 d optimisation Exercice 1 Résolution d un.l. par l algorithme du simplexe Dans cet exercice l algorithme du simplexe utilisera la stratégie suivante

Plus en détail

Algèbre linéaire pour GM Jeudi 07 novembre 2013 Prof. A. Abdulle. Exercice 1 Calculer les produits suivants en utilisant la multiplication par bloc :

Algèbre linéaire pour GM Jeudi 07 novembre 2013 Prof. A. Abdulle. Exercice 1 Calculer les produits suivants en utilisant la multiplication par bloc : Algèbre linéaire pour GM Jeudi 07 novembre 2013 Prof A Abdulle EPFL Série 7 Corrigé Exercice 1 Calculer les produits suivants en utilisant la multiplication par bloc : a b c 3 1 0 4 1 2 1 1 2 2 1 1 2 1

Plus en détail

Résolution de problèmes à l aide de matrices

Résolution de problèmes à l aide de matrices 3 Résolution de problèmes à l aide de matrices L E Ç O N Niveau : Terminale ES Prérequis : (définition d une matrice, opérations sur les matrices), fonction dérivée, intégrales, résolution d un système

Plus en détail

Commutant d une matrice

Commutant d une matrice Énoncé On désigne par n un entier naturel supérieur ou égal à 2, et par M n (IK) l algèbre sur IK des matrices carrées d ordre n à coefficients dans IK, avec IK = IR ou lc. La matrice identité de M n (IK)

Plus en détail

Modules sur un anneau commutatif

Modules sur un anneau commutatif Université de Nice Master 1 Mathématiques 2006-07 GAE Modules sur un anneau commutatif 1. Généralités 1.1. On considère un anneau commutatif A. Un module M sur l anneau A (ou A-module) est un groupe abélien

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

1/2 2/2. 2. Matrices. Sections 2.4 et 2.5 MTH1007. J. Guérin, N. Lahrichi, S. Le Digabel École Polytechnique de Montréal A2016.

1/2 2/2. 2. Matrices. Sections 2.4 et 2.5 MTH1007. J. Guérin, N. Lahrichi, S. Le Digabel École Polytechnique de Montréal A2016. 2. Matrices Sections 2.4 et 2.5 MTH1007 J. Guérin, N. Lahrichi, S. Le Digabel École Polytechnique de Montréal A2016 (v4) MTH1007: algèbre linéaire 1/18 Plan 1. Les règles des opérations matricielles 2.

Plus en détail

Definition. Si A R 1 1. Definition. 2 Si A R m m, le mineur de l élément a i,j est det(aî,ĵ ) ;

Definition. Si A R 1 1. Definition. 2 Si A R m m, le mineur de l élément a i,j est det(aî,ĵ ) ; Sous matrices Déterminants, rangs, systèmes linéaires Pierre Mathonet Présentation provisoire Département de Mathématique Faculté des Sciences Une définition intuitive : on sélectionne certaines lignes

Plus en détail

Cours PCSI ( ) Les systèmes linéaires Lycée Baimbridge

Cours PCSI ( ) Les systèmes linéaires Lycée Baimbridge Cours PCSI (203-204) Les systèmes linéaires Lycée Baimbridge Table des matières Introduction...2 - Des tablettes d'argile aux ordinateurs...2 2- Premiers systèmes linéaires...2 a- Système linéaire le plus

Plus en détail

Calcul matriciel CHAPITRE L'ensemble des matrices Dénitions. Dans tout le chapitre, K désigne le corps R ou C.

Calcul matriciel CHAPITRE L'ensemble des matrices Dénitions. Dans tout le chapitre, K désigne le corps R ou C. CHAPITRE 0 Calcul matriciel Dans tout le chapitre, K désigne le corps R ou C 0 L'ensemble des matrices 0 Dénitions Dénition Soient n, p N On appelle matrice à coecients dans K à n lignes et p colonnes

Plus en détail

Chapitre 3. Matrices. Définition 1.1. Un tableau rectangulaire de la forme ci-dessous est appelé matrice : a 11 a a. 1q a 21 a 22...

Chapitre 3. Matrices. Définition 1.1. Un tableau rectangulaire de la forme ci-dessous est appelé matrice : a 11 a a. 1q a 21 a 22... Chapitre 3 Matrices 1 Définitions et généralités Définition 11 Un tableau rectangulaire de la forme ci-dessous est appelé matrice : a 11 a 12 a 1q a 21 a 22 a 2q A a p1 a p2 a ps Les coefficients a ij,

Plus en détail

Calcul matriciel. λa n,1 λa n,2... λa n,p. a 2,1 a 2,2... a 2,p... a n,1 a n,2... a n,p ... a n,1 + b n,1 a n,2 + b n,2...

Calcul matriciel. λa n,1 λa n,2... λa n,p. a 2,1 a 2,2... a 2,p... a n,1 a n,2... a n,p ... a n,1 + b n,1 a n,2 + b n,2... 11 mars 014 Calcul matriciel I IA Matrices : définition, opérations et propriétés Définitions et structure d espace vectoriel Définition 1 (Définition Une matrice de type (n, p est un tableau à n lignes

Plus en détail

Calculer l inverse d une matrice

Calculer l inverse d une matrice Méthodes et techniques des exercices Calculer l inverse d une matrice Définition. On dit qu une matrice A carrée n n à cœfficients dans un corps K est inversible si il existe une matrice carrée n n, B

Plus en détail

ISET Jerba wwww.isetjb.rnu.tn Département Génie Électrique. Cours d algèbre2. Haj Dahmane DHAFER

ISET Jerba wwww.isetjb.rnu.tn Département Génie Électrique. Cours d algèbre2. Haj Dahmane DHAFER ISET Jerba wwwwisetjbrnutn Département Génie Électrique Cours d algèbre2 Haj Dahmane DHAFER 19 février 2015 Chapitre I Généralités sur les matrices Sommaire I Définitions et notations 1 II Opérations sur

Plus en détail

Lorsque la matrice M est de format (2,2), le déterminant s écrit :

Lorsque la matrice M est de format (2,2), le déterminant s écrit : Fiche 6. Le déterminant. Le déterminant Le déterminant est un outil très utile lorsque l on manipule des matrices carrées. Nous allons construire une fonction appelée déterminant qui associe un nombre

Plus en détail

1. Familles de vecteurs

1. Familles de vecteurs Compléments d algèbre linéaire 1-1 Sommaire 1 Familles de vecteurs 1 11 Famille libre 1 1 Famille génératrice 1 13 Base 14 Propriétés Sous-espaces vectoriels 1 Somme de sous-espaces vectoriels Base adaptée

Plus en détail

Dans tout ce qui suit, n, m et p sont des entiers naturels supérieurs ou égaux à 1.

Dans tout ce qui suit, n, m et p sont des entiers naturels supérieurs ou égaux à 1. I Généralités sur les matrices Activité 1 Dans tout ce qui suit, n, m et p sont des entiers naturels supérieurs ou égaux à 1 Une matrice A de dimensions m p est un tableau de nombres à m lignes et p colonnes

Plus en détail

Université du Littoral - Côte d Opale Laurent SMOCH. Septembre 2012

Université du Littoral - Côte d Opale Laurent SMOCH. Septembre 2012 ISCID - PRÉPA 2ème année MATHÉMATIQUES APPLIQUÉES À L ÉCONOMIE ET À LA GESTION 2 Université du Littoral - Côte d Opale Laurent SMOCH Septembre 2012 Laboratoire de Mathématiques Pures et Appliquées Joseph

Plus en détail