La notion de dualité

Dimension: px
Commencer à balayer dès la page:

Download "La notion de dualité"

Transcription

1 La notion de dualité Dual d un PL sous forme standard Un programme linéaire est caractérisé par le tableau simplexe [ ] A b. c Par définition, le problème dual est obtenu en transposant ce tableau. [ A T c T ]. b T Soit v R n le vecteur-colonne des variables du problème dual ou u R n le vecteur-ligne des variables du problème dual. 38

2 Le problème primal s écrit: (P ) Min x z = cx sous Ax = b et x 0 Le problème dual s écrit: (D) ou encore, avec u = v T, (D) Max v w = b T v sous A T v c T et v 0 ou < 0 Max u w = ub sous ua c et u 0 ou < 0 39

3 Dual d un PL sous forme générale Primal Dual Minimiser cx Second membre c T Second membre b Maximiser b T v A matrice des contraintes A T matrice des contraintes Contrainte j Variable v j 0 Variable x i 0 Contrainte i contrainte j = Variable v j 0 ou 0 Variable x i 0 ou 0 Contrainte i = 40

4 Théorèmes de la dualité 1. Le dual du dual est le primal. En effet, la transposée d une matrice est la matrice elle-même. 2. Si x et ū sont respectivement des solutions du primal et du dual, alors: z = c x w = ūb. Démonstration : Dans (P), multiplions les 2 termes de la contrainte A x = b à gauche par ū ūa x = ūb Dans (D), multiplions les 2 termes de l inégalité ūa c à droite par x: ( x 0): ūa x c x. D où ūb c x. Interprétation : Une solution primale admissible sous-optimale est meilleure qu optimale, mais non admissible pour le problème dual. Une solution duale admissible sous-optimale est meilleure qu optimale, mais non admissible pour le problème primal. 41

5 3. Si (P) et (D) ont des solutions, alors chacun d entre eux a une solution optimale et: z = min cx = w = max ub Réciproquement, si x est admissible pour (P) et u est admissible pour (D) et que cx = ub, alors x est optimal pour (P) et u est optimal pour (D). Si l un d eux a un optimum non borné, l autre n a pas de solution. 4. Complémentarité: Une CNS pour que (x, u ) soit optimal est: (u A j c j )x j = 0 j = 1,.., n, A j représentant la jème colonne de A. Eléments de démonstration : donc ūa x = ūb ūa x c x = ūb c x L égalité est obtenue si et seulement si (x, u ) est optimal. Interprétation Les variables x j 0 sont associées aux contraintes inégalité ua j c j : Une variable duale associée à une contrainte inégalité non saturée (ua j < c j ) est nécessairement nulle. Une variable duale associée à une contrainte saturée (ua j = c j ) est nécessairement positive.

6 Interprétation économique de la dualité: La variable duale associée à une contrainte correspond au coût de cette contrainte dans la solution courante. Si cette contrainte est saturée, ce coût est positif. Il est nul si cette contrainte n est pas saturée. Utilisation algorithmique de la dualité Résolution du dual La première utilisation, évidente, du problème dual, est de le résoudre s il est plus simple que le problème primal. Ce sera le cas, en particulier, lorsque le problème primal n a pas de solution admissible évidente mais qu il est facile d en construire une pour le problème primal. 42

7 Propriétés du dual On remarque que la condition d admissibilité d une solution de base pour le problème dual est c 0, qui est la condition d optimalité du problème primal. De façon analogue (duale), la condition d admissibilité d une solution de base pour le problème primal est b 0, qui est la condition d optimalité du problème dual. On résoudra donc plutôt le problème dual au lieu du problème primal s il est plus simple ou (et) si l on parvient plus facilement à construire une solution avec c 0 qu avec b 0 43

8 Exemple Min x1,x 2 z = 4x 1 + 6x x 3 sous x 1 + 3x 3 3 sous x 2 + 2x 3 5 et x 1, x 2, x 3 0 L introduction de variables d écart x 4 et x 5 conduit au tableau simplexe suivant: x 4 x 5 x 1 x 2 x 3 z (1) (2) (c) La solution de base construite avec comme variables de base les variables d écart n est pas admissible car les termes de b sont négatifs. Mais on peut remarquer que tous les coûts réduits associés aux variables d écart sont positifs. La valeur de base du critère est donc un minorant de la valeur optimale du critère. 44

9 Problème dual Cette propriété sur les coûts réduits indique que la solution de base associée est admissible pour le problème dual. Le problème dual s écrit: Max u1,u 2 w = 3u 1 + 5u 2 sous u 1 4 u 2 6 3u 1 + 2u 2 18 et u 1, u

10 Appliquons la méthode du simplexe au problème dual. Etape 1: u 3 u 4 u 5 u 1 u 2 w (1) (2) (3) (c) Etape 2: variable entrante u 2, variable sortante u 4, puis variable entrante u 1, variable sortante u 5, ce qui donne u 3 u 2 u 1 u 5 u 4 w (1) /3 2/3 0 2 (2) (3) /3-2/3 0 2 (c) La solution duale optimale est donc: w = 36, u 1 = 2, u 2 = 6, u 3 = 2, u 4 = u 5 = 0. 46

11 L algorithme dual du simplexe 1. Base initiale en représentation primale, non-réalisable pour le primal mais correspondant à une solution réalisable du problème dual : B 0, k = 0. Pour être duale-réalisable, on doit avoir, pour une minimisation, c N 0, et pour une maximisation, c N 0 2. Pour k, calculer b = B 1 b, π = c B B 1, c N = c N πn, Ā = B 1 A, 3. Si b 0, STOP, optimum réalisable atteint Sinon, choisir s tel que b s 0. En pratique, on choisit la variable de base dont la valeur est la plus négative. Cette variable sort de la base. Elle sera donc nulle dans la base de l itération k+1. 47

12 4. Pivot. Soit Ā s la ligne s de Ā. On fait entrer dans la base une variable de base à coefficient négatif dans Ā s. On choisit comme variable entrante i celle c pour laquelle le rapport i est non-négatif Ā is et minimal, de façon à faire croître le critère le moins possible. Construire la nouvelle base, B et aller en 2-

13 Exemple x 4 x 5 x 1 x 2 x 3 z (1) (2) (c) On constate que la solution est duale-réalisable car les coefficients c i sont non-négatifs. Etape 1 On choisit x 5 comme variable de base sortante. La variable entrante est x 2, que l on élimine dans l équation (c), ce qui donne, après permutation des colonnes de x 5 et x 2 : x 4 x 2 x 1 x 5 x 3 z (1) (2) (c) On constate que la solution est restée duale-réalisable car les coefficients c i sont non-négatifs. 48

14 Etape 2 La nouvelle variable sortante est x 4 et la nouvelle variable entrant en base est x 3, ce qui donne: x 3 x 2 x 1 x 5 x 4 z (1) 1 0 1/3 0-1/3 0 1 (2) 0 1-2/3-1 2/3 0 3 (c) La solution est devenue primale-réalisable tout en restant duale-réalisable. Elle est donc optimale. La solution primale optimale est donc : z = 36, x 1 = 0, x 2 = 3, x 3 = 1.

15 Utilisation de la complémentarité La solution duale et la solution primale optimales ont été obtenues par deux techniques différentes. On vérifie que z = w = 36, mais ce résultat était connu théoriquement. De même, la théorie permet directement de trouver les valeurs optimales des variables duales. On a donc en pratique un seul problème à résoudre, Théorème La valeur optimale de la variable duale associée à une contrainte inégalité est égale (au signe pres) au coût réduit de la variable d écart associée dans le tableau simplexe de la solution primale optimale. Exemple: Ici, à partir de la solution primale, on déduit: u 1 = 2, u 2 = 6. En reportant ces valeurs dans l expression du dual, on obtient les variables d écart du dual: u 3 = 2, u 4 = 0 u 5 = 0. 49

16 Algorithme primal-dual Dans le cas où il est difficile de trouver une solution primale-réalisable mais aussi une solution duale-réalisable, on peut partir d une initialisation quelconque des variables et procéder alternativement par optimisation duale et primale. L introduction de variables artificielle est un autre moyen de résoudre le problème de recherche d une solution initiale admissible. Il s agit alors de la méthode dite révisée du simplexe. 50

17 Application Numérique Voici des valeurs numériques relatives au problème de transport: QUANTITES DEMANDEES QUANTITES DISPONIBLES PARIS MARSEILLE 1 LE HAVRE TOULOUSE BORDEAUX Application Numérique Minimiser z = 5x x x x x x 23 sous les contraintes: x 11 + x 12 + x x 21 + x 22 + x x 11 x x 12 x x 13 x x ij 0 pour i = 1, 2, pour j = 1,.., 3. 51

18 Interprétation du problème dual Le problème primal exprime le point de vue du constructeur qui cherche à minimiser ses coûts de production. Le problème dual s écrit ainsi : Maximiser z = 550u 1 350u v v v 3 sous les contraintes: v 1 u 1 5 v 2 u 1 6 v 3 u 1 3 v 1 u 2 3 v 2 u 2 5 v 3 u 2 5 u i 0 pour i = 1, 2, v j 0 pour j = 1,.., 3. 52

19 Interprétation du problème dual Le problème dual exprime le point de vue du transporteur qui veut maximiser son profit. Ses variables sont les prix d achat à Marseille (u 1 ) et au Havre (u 2 ) et ses prix de vente à Paris (v 1 ), Toulouse (v 2 ) et Bordeaux (v 3 ). Les quantités qu il doit acheter et vendre sont fixées. Les contraintes du problème dual expriment que les prix sont compétitifs, c est à dire acceptables pour le constructeur. 53

20 Résolution La valeur optimale du critère est 3700 $. Elle correspond au graphe d approvisionnement suiv- QUANTITES DEMANDEES QUANTITES DISPONIBLES PARIS MARSEILLE TOULOUSE ant. 350 LE HAVRE BORDEAUX Solution optimale 54

21 Approche Lagrangienne en Programmation Linéaire Le lagrangien d un problème permet de combiner la formulation duale et la formulation primale. Soit x le vecteur de variables de (P), appelées variables primales. Soit u le vecteur de variables de (D), appelées variables duales. Les variables duales sont associées aux contraintes Ax = b du problème primal. Elles sont encore appelées multiplicateurs de Lagrange, car elles sont associées multiplicativement aux contraintes à travers les relations de complémentarité à l optimum : u j (b j A j x ) = 0. 55

22 Approche Lagrangienne en Programmation Linéaire Le lagrangien du problème est la fonction: L(x, u) = cx + u(b Ax) Résoudre le problème (P) est équivalent à résoudre son problème dual (D). Ces problèmes sont équivalents au problème suivant : Max u Min x 0 L(x, u) = cx + u(b Ax) Le problème d optimisation sous contraintes revient à la recherche du point selle du lagrangien sans contraintes. 56

23 Lemme de Farkas-Minkowski C est un lemme tres utile dans de nombreuses démonstration, et à la base des propriétés de dualité. Lemme Un et un seul des systàmes linéaires suivants a une solution : { Ax b x 0 et ua 0 u 0 ub < 0 Il y a de nombreuses variantes de ce Lemme. Corollaire du Lemme de Farkas x 0; Ax = b si et seulement si ua 0 = ub 0 (b, u R m ). Corollaire x; Ax b si et seulement si u 0 et ua = 0 = ub 0 (b, u R m ). Corollaire x 0; Ax b si et seulement si u 0 et ua 0 = ub 0 (b, u R m ). 57

INTRODUCTION A L OPTIMISATION

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Rappels sur les tableaux et l algorithme du simplexe

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

Plus en détail

Programmation Linéaire - Cours 2

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

Plus en détail

Chapitre 4 : Dualité en programmation linéaire

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

Plus en détail

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

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

Plus en détail

Exercices théoriques

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

Plus en détail

Programmation linéaire

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

Plus en détail

Programmation linéaire

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

Plus en détail

LES ÉTAPES DE L ALGORITHME DU SIMPLEXE

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

Plus en détail

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

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

Plus en détail

Optimisation linéaire

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

Plus en détail

Optimisation Discrète

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

Plus en détail

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

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

Plus en détail

Optimisation en nombres entiers

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Programmation Linéaire - Cours 1

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Programmation linéaire et Optimisation. Didier Smets

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

Plus en détail

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

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

Plus en détail

Cours 02 : Problème général de la programmation linéaire

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

Plus en détail

(2) Où trouver une solution de base pour commencer?

(2) Où trouver une solution de base pour commencer? Problèmes avec l algorithme du simplexe p. 1/1 (2) Où trouver une solution de base pour commencer? Modifier le problème de sorte que le nouveau problème auxiliaire aie une solution de base triviale et

Plus en détail

Correction de l épreuve intermédiaire de mai 2009.

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

Plus en détail

À propos des matrices échelonnées

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

Plus en détail

Cours 4: Programmation linéaire

Cours 4: Programmation linéaire Cours 4: Programmation linéaire Position du problème Algorithme du simplexe générique Dualité. Dégénérescence et terminaison de l algorithme 1-1 Cours 4: Programmation linéaire Position du problème Algorithme

Plus en détail

Recherche Opérationnelle

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

Plus en détail

Ax = b iff (B + N) x N

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

Plus en détail

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

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

Plus en détail

Programmation Linéaire - Cours 4

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

Plus en détail

Chapitre 7 : Programmation dynamique

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

Plus en détail

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

Introduction à la programmation en variables entières Cours 3

Introduction à la programmation en variables entières Cours 3 Introduction à la programmation en variables entières Cours 3 F. Clautiaux francois.clautiaux@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 272 Sommaire Notion d heuristique Les algorithmes gloutons

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

M2 MPRO. Optimisation dans les Graphes 2014-2015

M2 MPRO. Optimisation dans les Graphes 2014-2015 M2 MPRO Optimisation dans les Graphes 2014-2015 Programmation linéaire et problèmes d'optimisation dans les graphes 1 Problèmes d'optimisation dans les graphes : quelles méthodes pour les résoudre? Théorie

Plus en détail

Méthodes avancées en décision

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

Plus en détail

Recherche opérationnelle

Recherche opérationnelle Université dulittoral Côte d Opale Master 2 en Sciences Economiques et de Gestion Recherche opérationnelle Daniel DE WOLF Dunkerque, Septembre 2006 Table des matières 1 Laprogrammation linéaire. 7 1.1

Plus en détail

Fonctions de plusieurs variables

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

Plus en détail

LA PROGRAMMATION LINEAIRE : UN OUTIL DE MODELISATION

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

Plus en détail

Cours de spécialité mathématiques en Terminale ES

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

Plus en détail

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

Sujet 6: Dualité interpretations intuitives

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

Plus en détail

Sujet 4: Programmation stochastique propriétés de fonction de recours

Sujet 4: Programmation stochastique propriétés de fonction de recours Sujet 4: Programmation stochastique propriétés de fonction de recours MSE3313: Optimisation Stochastiqe Andrew J. Miller Dernière mise au jour: October 19, 2011 Dans ce sujet... 1 Propriétés de la fonction

Plus en détail

6.11 Bases de Lanczos bi-orthogonales pour des matrices non symétriques

6.11 Bases de Lanczos bi-orthogonales pour des matrices non symétriques Chapitre 6 Méthodes de Krylov 611 Bases de Lanczos bi-orthogonales pour des matrices non symétriques Dans le cas où la matrice A n est pas symétrique, comment peut-on retrouver une matrice de corrélation

Plus en détail

2B La résolution de modèles linéaires par Excel 2010

2B La résolution de modèles linéaires par Excel 2010 2B La résolution de modèles linéaires par Excel 2010 Nous reprenons ici, de façon plus détaillée, la section où est indiqué comment utiliser le solveur d'excel 2010 pour résoudre un modèle linéaire (voir

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Cours de mathématiques - Alternance Gea

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

Plus en détail

1 Programmation linéaire

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

Plus en détail

Exercice : la frontière des portefeuilles optimaux sans actif certain

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

Plus en détail

TP - Modélisation et optimisation des systèmes complexes

TP - Modélisation et optimisation des systèmes complexes Master Informatique 1ere année (M1) Année 2010-2011 TP - Modélisation et optimisation des systèmes complexes Résolution du problème d'aectation généralisé par relaxation lagrangienne 1 Introduction Le

Plus en détail

Cours Diagonalisation

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

Plus en détail

Restauration d images

Restauration d images Restauration d images Plan Présentation du problème. Premières solutions naïves (moindre carrés, inverse généralisée). Méthodes de régularisation. Panorama des méthodes récentes. Problème général Un système

Plus en détail

Programmation linéaire et Optimisation. Didier Smets

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

Plus en détail

TD 3 : Problème géométrique dual et méthode des moindres carrés

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

Plus en détail

Optimisation dans les réseaux

Optimisation dans les réseaux Optimisation dans les réseaux Recherche Opérationnelle GC-SIE Le problème de transbordement Énoncé sous contraintes Transbordement ichel Bierlaire Lagrangien Dualité Fonction duale Transbordement ichel

Plus en détail

Problèmes de transport et transbordement

Problèmes de transport et transbordement Problèmes de transport et transbordement Résolution Hugues Talbot Laboratoire A2SI 9 avril 2009 Plan Introduction Introduction Solution des problèmes de transport Solution de base initiale Le simplexe

Plus en détail

Chapitre 1 : Programmation linéaire

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

Plus en détail

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

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

Plus en détail

Table des matières I La programmation linéaire en variables continues 1 Présentation 3 1 Les bases de la programmation linéaire 5 1.1 Formulation d'un problème de programmation linéaire........... 5 1.2

Plus en détail

Fonctions de référence Variation des fonctions associées

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

Plus en détail

Résolution de systèmes linéaires par des méthodes directes

Résolution 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 détail

IV. PROGRAMMATION LINEAIRE. Forme standard Résolution graphique Définitions et théorèmes Algorithme du simplexe Dualité Approches non linéaires

IV. PROGRAMMATION LINEAIRE. Forme standard Résolution graphique Définitions et théorèmes Algorithme du simplexe Dualité Approches non linéaires Forme standard Résolution graphique Définitions et théorèmes Algorithme du simplexe Dualité Approches non linéaires IV.1 Forme standard (1) Minimiser avec Il est toujours possible de revenir à la forme

Plus en détail

Chapitre 3. Les distributions à deux variables

Chapitre 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 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

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

Jeux à somme nulle : le cas fini

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

Plus en détail

Programmation Linéaire - Cours 5

Programmation Linéaire - Cours 5 Programmation Linéaire - Cours 5 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Sommaire Algorithme du simplex dual 1 Algorithme du simplex dual 2 3 4 Changement

Plus en détail

PARTIE I MÉTHODES STANDARDS EN OPTIMISATION DÉPARTEMENT GÉNIE MATHÉMATIQUE ET MODÉLISATION 4ÈME ANNÉE, 2012-2013. Aude RONDEPIERRE & Pierre WEISS

PARTIE I MÉTHODES STANDARDS EN OPTIMISATION DÉPARTEMENT GÉNIE MATHÉMATIQUE ET MODÉLISATION 4ÈME ANNÉE, 2012-2013. Aude RONDEPIERRE & Pierre WEISS DÉPARTEMENT GÉNIE MATHÉMATIQUE ET MODÉLISATION 4ÈME ANNÉE, 2012-2013. PARTIE I MÉTHODES STANDARDS EN OPTIMISATION NON LINÉAIRE DÉTERMINISTE Aude RONDEPIERRE & Pierre WEISS Table des matières 1 Introduction

Plus en détail

Notes de cours L1 MATH120. Hervé Le Dret

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

Plus en détail

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls.

est diagonale si tous ses coefficients en dehors de la diagonale sont nuls. Diagonalisation des matrices http://www.math-info.univ-paris5.fr/~ycart/mc2/node2.html Sous-sections Matrices diagonales Valeurs propres et vecteurs propres Polynôme caractéristique Exemples Illustration

Plus en détail

Polynômes à plusieurs variables. Résultant

Polynômes 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 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

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

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

Plus en détail

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

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

Plus en détail

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

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

Plus en détail

Programmation linéaire

Programmation linéaire Programmation linéaire NICOD JEAN-MARC Master 2 Informatique Université de Franche-Comté UFR des Sciences et Techniques septembre 2008 NICOD JEAN-MARC Rappels sur les graphes 1 / 47 Sommaire 1 Exemple

Plus en détail

Le corps R des nombres réels

Le corps R des nombres réels Le corps R des nombres réels. Construction de R à l aide des suites de Cauchy de nombres rationnels On explique brièvement dans ce paragraphe comment construire le corps R des nombres réels à partir du

Plus en détail

Équations du troisième degré

Équations du troisième degré par Z, auctore L objet de cet article est d exposer deux méthodes pour trouver des solutions à une équation du troisième degré : la recherche de racines évidentes d une part, et la formule de Cardan d

Plus en détail

Systèmes linéaires. 1. Introduction aux systèmes d équations linéaires. Exo7. 1.1. Exemple : deux droites dans le plan

Systèmes linéaires. 1. Introduction aux systèmes d équations linéaires. Exo7. 1.1. Exemple : deux droites dans le plan Exo7 Systèmes linéaires Vidéo partie 1. Introduction aux systèmes d'équations linéaires Vidéo partie 2. Théorie des systèmes linéaires Vidéo partie 3. Résolution par la méthode du pivot de Gauss 1. Introduction

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

Examen 2 Mathématiques L1S1 TD 1104 2015 2016 Université Paris 1

Examen 2 Mathématiques L1S1 TD 1104 2015 2016 Université Paris 1 Examen Mathématiques LS TD 04 05 06 Université Paris Nom : Prénom : Durée : heure. Calculatrice interdite. Aucun document autorisé. Chaque question de la partie QCM vaut un point. Identifiez toutes les

Plus en détail

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

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

Plus en détail

Mathématiques appliquées à l informatique

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

Plus en détail

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

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

Plus en détail

Examen de l UE LM125 Janvier 2007 Corrigé

Examen de l UE LM125 Janvier 2007 Corrigé Université Pierre et Marie Curie Licence Sciences et Technologies MIME L énoncé est repris sur fond mauve. En prune : des commentaires. Examen de l UE LM15 Janvier 007 Corrigé Commentaires généraux barème

Plus en détail

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

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

Plus en détail

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

Quelques perspectives pour la programmation mathématique en commande robuste

Quelques perspectives pour la programmation mathématique en commande robuste Quelques perspectives pour la programmation mathématique en commande robuste P. Apkarian, D. Arzelier, D. Henrion, D. Peaucelle UPS - CERT - LAAS-CNRS Contexte de la commande robuste 2 Théorie de la complexité

Plus en détail

Exercices de Programmation Linéaire Modélisation

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

Plus en détail

Cours FPV - Semaine 3 : Recherche d Extrema et Formes Différentielles

Cours FPV - Semaine 3 : Recherche d Extrema et Formes Différentielles Cours FPV - Semaine 3 : Recherche d Extrema et Formes Différentielles Frédéric Messine Introduction Dans ce chapitre, nous allons étudier une application de la dérivation des fonctions de plusieurs variables

Plus en détail

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

(i) Le nombre de travailleurs commencant leur service est positif ou nul : x i 0 i = 1,...,7 Chapitre 1 Modelisation 11 Exemples de Problèmes 111 La Cafétaria Cafétaria ouverte toute la semaine Statistique sur le personnel requis : Jour Lundi Mardi Mercredi Jeudi Vendredi Samedi Dimanche Nombre

Plus en détail

Calcul différentiel sur R n Première partie

Calcul 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 détail

Premier Exemple. Premier Exemple - Slack variables. Optimiser? Un peu de maths préliminaires La géométrie des PL

Premier Exemple. Premier Exemple - Slack variables. Optimiser? Un peu de maths préliminaires La géométrie des PL 1 Intro, Optimisation, Problème Linéaire 2 1 Intro, Optimisation, Problème Linéaire Optimiser? Problème Linéaire Un peu de maths préliminaires La géométrie des PL 2 Laure Gonnord (Lyon1 / ENS Lyon) Optimisation

Plus en détail

RELAXATION LAGRANGIENNE

RELAXATION LAGRANGIENNE Chapitre 4 RELAXATION LAGRANGIENNE 4.1 Introduction La relaxation lagrangienne est une manipulation classique en optimisation sous contraintes. Bien qu intimement liée à la convexité, elle est couramment

Plus en détail

Chp. 4. Minimisation d une fonction d une variable

Chp. 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 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

Second degré : Résumé de cours et méthodes

Second degré : Résumé de cours et méthodes Second degré : Résumé de cours et méthodes 1 Définitions : DÉFINITIN n appelle trinôme du second degré toute fonction f définie sur R par f () = a + b + c (a,b et c réels avec a 0). Remarque : Par abus

Plus en détail