Exercices. Programmes linéaires modélisation et géométrie
|
|
- Charlotte Caron
- il y a 7 ans
- Total affichages :
Transcription
1 Exercices Programmes linéaires modélisation et géométrie Exercice 1. Vous avez décidé ouvrir une fabrique de bonbons. Vous envisagez de produire deux types de bonbons : Slugger et Cool Breeze, les deux composés uniquement de sucre, de noix et de chocolat. À l heure actuelle, vous avez en stock 100 kg de sucre, 20 kg de noix, et 30 kg de chocolat. Le mélange utilisé pour faire Cool Breeze doit contenir au moins 20% de noix. Le mélange utilisé pour préparer Slugger doit contenir au moins 10% de noix et 10% de chocolat. Chaque kilo de Cool Breeze peut être vendu pour 25EUR, et chaque kilo de Slugger pour 20EUR. Formuler un PL qui vous permettra de maximiser vos revenus de vente. Rédigez-le en forme standard ou canonique. Exercice 2. La compagnie Chandler Oil possède barils de pétrole de type 1 et barils de pétrole type 2. La société vend deux produits : l essence et le fioul. Les deux produits sont fabriqués en combinant le pétrole 1 et le pétrole 2. Les niveaux de qualité des pétroles 1 et 2 sont respectivement 10 et 5. L essence doit avoir un niveau de qualité moyen d au moins 8 et le mazout au moins 6. La demande pour chaque produit doit être créée par publicité. Chaque dollar dépensé en publicité pour l essence crée une demande de 5 barils, et chaque dollar dépensé pour le fioul de chauffage crée une demande de 10 barils. L essence est vendue pour 25$ le baril, le mazout pour 20$. Formuler un PL pour aider Chandler Oil à maximiser ses profits. On admet qu aucun pétrole de l un ou l autre type ne peut être acheté. Exercice 3. Quand est-ce qu un demi-espace contient un autre? Sous quelles conditions {x R n : a T x b} {x R n : (a ) T x b } (on suppose que a 0 et a 0). Sous quelles conditions les 2 demi-espaces coincident? Calculez la distance entre les 2 hyperplans parallèles {x R n : a T x = b 1 } et {x R n : a T x = b 2 }. Exercice 4. Meuble&Co fabrique des bureaux et des fauteuils. Le profit de vente d un bureau est 40EUR, et d un fauteuil 25EUR. Chaque bureau utilise 4 unités de bois, et chaque fauteuil en utilise 3. Seulement 20 unités de bois sont disponibles. Les contraintes de commercialisation exigent que le nombre de fauteuils soit au moins deux fois supérieur au nombre de bureaux produits. La demande de fauteuils est limitée à 6. En outre, en raison de ses engagements précédents, Meuble&Co doit fabriquer au moins 2 fauteuils. Formulez le problème de maximisation du profit de Meuble&Co comme PL par rapport aux variables x 1 et x 2, les quantités de tables et de fauteuils réalisés. 1. Indiquez la région réalisable du PL de Meuble&Co en montrant les lignes définies par chaque inégalité (y compris les contraintes de signe). 2. Dénombrez tous les points extrêmes et calculer leur valeur objective. 1
2 3. Dessinez la ligne d iso-profit qui passe par la solution optimale et indiquez la direction de la valeur objective croissante. 4. Identifiez la solution optimale et calculer les valeurs des variables à la solution optimale. 5. Indiquer toutes les contraintes actives à la solution optimale. 6. Supposons que la contribution d un fauteuil augmente de 25 à 30EUR, trouver deux solutions optimales points extrêmes pour la nouvelle fonction objective. 7. Convertir le problème de depart en forme standard. Exercice 5. Dans les problèmes suivantes dessinez l ensemble réalisable, les lignes de niveau de la fonction-objective, en indiquant la direction de la valeur objective croissante et la solution optimale. (a) c 1x 1 + c 2 x 2 + c 3 x 3 : x 1 + x 2 1 x 1 + 2x 2 3 x 1 0, x 2 0, x 3 0 pour les valeurs d objectif c = [ 1; 0; 1], c = [0; 1; 0], c = [0; 0; 1]. 3x 1 + 2x 2 36 (b) z = 3x 1 + 4x 2 : 3x 1 + 5x 2 45 x 1 0, x 2 0 Exercice 6. Gestion de production avec demande incertaine. Vous devez commander des quantités (non négatives) r 1,..., r m des matières premières, qui sont nécessaires à la fabrication des quantités (non négatives) q 1,..., q n de n produits différents. La fabrication d une unité du produit j exige au moins A ij d unités de matières premières i(nous supposons que A ij sont non négatifs.) Le coût unitaire des matières premières est donnée par c R m +, de sorte que le le coût total des matières premières est c T r. La demande (non négative) pour le produit i est notée d i, le nombre d unités du produit i vendu est s i = {q i, d i } (quand q i > d i, d i q i est la quantité de produit i produite, mais non vendue, quand d i > q i, d i q i est la demande non satisfaite). Le chiffre d affaires de la vente des produits est p T s, où p R n + est le vecteur des prix des produits. Le profit réalisé est donc p T s c T r. (d et q sont des vecteurs réels, leurs éléments ne sont pas des nombres entiers). On suppose donnés A, c, et p connues, mais la demande en produits n est pas connue a priori. Au lieu de cela, un ensemble de K vecteurs d (1),..., d (K) de demandes possibles, avec des probabilités associées π 1,..., π K, est donné (ceux-ci satisfont m i=1 π i = 1, π 0). L objectif est de maximiser l espérance du profit. On explorera deux problèmes d optimisation différents qui se posent dans le choix de r et q (les variables du problème). 1. On choisit r et q à l avance vous devez choisir r et q, sachant seulement les données énumérées ci-dessus. En d autres termes, vous devez commander les matières premières, et de s engager à produire les quantités de produits choisis, avant de connaitre la demande en produits. 2
3 2. On choisit r en avance, mais on choisit q après que d soit connue. Vous devez choisir r, connaissant seules les données énumérées ci-dessus. Après que vous avez choisi r, la demande devient connus. Une fois que vous savez laquelle des K possibles demandes s est réalisée, vous devez choisir les quantités à fabriquer. Autrement dit, vous devez commander les matières premières avant que la demande en produits soit connue ; mais vous pouvez choisir la combinaison des produits à fabriquer, après que vous avez appris la vrai demande. Expliquez comment formuler chacun des ces problèmes comme un problème d optimisation linaire. Indiquez clairement quels sont les variables du problème, quelles sont les contraintes, et décrivez les rôles de toutes les variables auxiliaires dont vous avez besoin. Bonus. Le fichier data.r définit les données m, n, A, D, K, c, p et Pi, les K colonnes de D étant les K vecteurs de demande possibles. A partir de ces données, assemblez les deux PL ci-dessus pour les résoudre en utilisant RMosek. Pour les deux problèmes décrits ci-dessus précisez la valeur optimale de r et le profit attendu. Exercice 7. Pour chaque PL suivant exprimer la solution optimale en fonction des données du problème (paramètres c, n, d, etc). Si la solution optimale n est pas unique, il suffit de donner une solution optimale. 1. x R n{c T x : 0 x 1} 2. x R n{c T x : 1 x 1} 3. x R n{c T x : 1 1 T x 1} 4. x R n{c T x : 1 T x = 1, x 0} 5. x R n{c T x : 0 x 1 x 2... x n 1} 6. u,v R n{1 T u + 1 T v : u v = c, u 0, v 0} 7. u,v R n{d T 1 u + dt 2 v : u v = c, u 0, v 0} pour d 1 > d 2 Exercice 8. Formulez les problèmes suivantes comme programmes linéaires. Pour chaque programme donner une forme canonique ou standard du problème (assemblez avec soin la matrice A du problème). Dans tous les problèmes C R m n et d R m. 1. z R n{ Cz d 1 : z 1} 2. z R n{ z 1 : Cz d 1} 3. z R n Cz d 1 + r z, avec r > 0 4. z R n m i=1 max{0, ct i z + d i}, où c T i sont les lignes de C 5. z R n { z 1 : Cz d r}, r > 0 6. z R n r Cz d + z 1, r > 0. 3
4 Polyèdres, dualité linéaire Exercice 9. Expliquez comment vous allez utiliser l OL pour résoudre le problème suivant : vous êtes donnés deux ensemble de points dans R n : S 1 = {z 1,..., z N } et S 2 = {y 1,..., y M }. Vous devez chercher un polyèdre P = {x R n : a T i x b i, 1 i m} qui contient tous les points de S 1 et ne contient aucun point de S 2 : S 1 {x R n : a T i x b i, 1 i m} = P, S 2 {x R n : a T i x > b i, au moins pour un i} = R n /P. (on suppose que les deux ensembles de points sont séparables de cette façon). Votre solution doit rendre les données a i, b i, i = 1,...m du polyèdre. Exercice 10. Expliquez comment vous allez résoudre le problème suivant en utilisant l OL : étant donné deux polyèdres P 1 = {x R n : Ax b}, P 2 = {x R n : Cx d}, vous devez soit montrer que P 1 P 2, soit trouver un point dans P 1 qui n est pas dans P 2. On suppose données les matrices A, C R m n et les vecteurs b, d R m. Exercice 11. Utiliser le théorème sur l alternative linéaire pour montrer le résultat suivant : [Lemme de Farkas non-homogène] L inégalité linéaire c T x d est une consequence du système linéaire réalisable Ax b (autrement dit, c T x b pour tout x : Ax b) si et seulement il existe λ R m tel que λ 0, A T λ = c, b T λ d. Exercice 12. Soit PL 47x x x 3 93x 4 : x 1 x 2 x 3 x
5 Montrez que x = [1; 1; 1; 1] est une solution optimale. Exercice 13. On considère le problème d optimisation en x R : {c T x : Ax + b 1 1}, où A R m n, b R m et c br n. 1. Formuler le problème comme un PL avec des contraintes d inégalité. 2. Dérivez le problème linéaire dual, et montrez qu il est équivalent au problème max{b T z z : A T z + c = 0}. Quel est le lien de z optimal et de la solution optimale du problème linéaire dual. Exercice 14. On considère le problème PM suivant en x R n : { x 1 : Ax b γ}. 1. Formuler le problème comme un PL avec des contraintes d inégalité. 2. Dérivez le problème linéaire dual, vérifiez qu il est équivalent au problème max{b T z γ z 1 : A T z 1}. Exercice 15. Proposez une méthode de construction d un hyperplan qui sépare deux polyèdres P 1 = {x R n : Ax b}, P 2 = {x R n : Cx d}. (on suppose que l intersection de P 1 et P 2 soit vide.) a a T x = γ Votre méthode doit rendre un vecteur a R n tel que a T x < γ x P 1, et a T x < γ x P 2. 5
6 Fonctions et ensembles convexes Exercice 16. On définit la dimension d ensemble X comme la dimension du plus petit ensemble affine (plan dans l espace) qui contient X. Dans la liste ci-dessous donnez la dimension de chaque ensemble et indiquez si l ensemble est convexe. 1. R n 2. {0} 3. {x R n : n i=1 ix i = 0} 4. {x R n : n i=1 ix i 0} 5. {x R n : n i=1 ix i 0} 6. {x R n : n i=1 ix2 i = 1} 7. {x R n : n i=1 ix2 i 1} 8. {x R n : n i=1 ix2 i 1} 9. {x R 2 : x 1 + x 2 1} 10. {x R 2 : x 1 x 2 1} 11. {x R 2 : x 1 x 2 1} Exercice 17. Cochez les fonctions convexes dans la liste ci-dessous : f(x) 1 sur R f(x) = x sur R f(x) = x sur R f(x) = x sur R f(x) = x sur R + = {x : x 0} exp{x} sur R exp{x 2 } sur R exp{ x 2 } sur R exp{ x 2 } sur {x : x 100} Exercice 18. Vérifiez que les fonctions suivantes sont convexes sur les domaines indiqués : x2 y on {(x, y) R2 : y > 0} ln(exp{x} + exp{y}) sur R 2 Dualité de Lagrange Exercice 19. Trouver l expression analytique des fonctions [ 1. f(z) = x R n 1 2 xt x z T x ] [ 2. f(z) = x R n 1 2 xt B T Bx z T x ], avec B tel que B T B est inversible. 6
7 Exercice 20. Soit a R n et G R n convexe et fermé. On appelle x = π G (a) projection (Euclidienne) de y sur G si x est la solution optimale de problème { a x 2 : x G}. x Calculez les projections dans les cas suivants : G = {x R n : x 2 1} G = {x R n : 1 x i 1, i = 1,..., n} G = {x R n : x 0, n i=1 x i = 1} G = {x R n : n i=1 x i 1} Exercice 21. Soit le problème d optimization lineaire x {c T x Ax b} avec la matrice A m n et soit x une solution optimale. Cela implique que x est un imiseur de la fonction convexe et différentiable f(x) = c T x sous les contraintes convexe et différentiables Ax b. Ainsi, les conditions nécessaires et suffisantes de Karush-Kuhn-Tucker sont satisfaites en x. Que signifient ces conditions en termes de A, b, c? Exercice 22. Trouver le imum de la fonction linéaire f(x) = c T x sur l ensemble n B p = {x R n x i p 1}; où p, 1 < p <, est le paramètre. Qu arrive-t-il quand le paramètre devient 0.5? i=1 Exercice 23. Soit a 1,..., a n > 0. Résoudre le problème d optimisation { n a i x x 2 : x > 0, } x i 1 i=1 i i Exercice On considère le problème de moindres carrés sous contrainte de norme l 1 : x { 1 2 (Ax b)t (Ax b) : x 1 r } (LS C ) où r > 0 est un paramètre. Écrire le problème dual de (LS C) (pour simplifier, on supposera que A T A est inversible). 7
8 2. Soit x [ 1 2 (Ax b)t (Ax b) + κ x 1 ] (LS P ) On écrira (LS P ) sous la forme équivalente, en introduisant une variable supplémentaire : { 1 (Ax x,v 2 b)t (Ax b) + κv : x 1 v 0 } (LS P ) Écrivez le problème dual de (LS P ), comparez-le au dual de (LS C). 8
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 détailProgrammation linéaire
1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit
Plus en détailProgrammation Linéaire - 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 détailLa 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 détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en détailOptimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Plus en détailOptimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications
Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications A. Optimisation sans contrainte.... Généralités.... Condition nécessaire et condition suffisante
Plus en détailCours 02 : Problème général de la programmation linéaire
Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) =
Plus en détailProgrammation linéaire et Optimisation. Didier Smets
Programmation linéaire et Optimisation Didier Smets Chapitre 1 Un problème d optimisation linéaire en dimension 2 On considère le cas d un fabricant d automobiles qui propose deux modèles à la vente, des
Plus en détail3 Approximation de solutions d équations
3 Approximation de solutions d équations Une équation scalaire a la forme générale f(x) =0où f est une fonction de IR dans IR. Un système de n équations à n inconnues peut aussi se mettre sous une telle
Plus en détailTravaux dirigés n 1. Programmation linéaire
Université de Reims Champagne Ardenne U.F.R. de Sciences Exactes et Naturelles MASTER 1 Informatique - 2014/2015 Pierre Delisle Travaux dirigés n 1 Programmation linéaire Exercice 1 (Résolution d'un programme
Plus en détailCHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE. EQUATIONS DIFFERENTIELLES.
CHAPITRE V SYSTEMES DIFFERENTIELS LINEAIRES A COEFFICIENTS CONSTANTS DU PREMIER ORDRE EQUATIONS DIFFERENTIELLES Le but de ce chapitre est la résolution des deux types de systèmes différentiels linéaires
Plus en détailRECHERCHE OPERATIONNELLE
RECHERCHE OPERATIONNELLE 0. Introduction. Ce cours a été enseigné jusqu en 2002, en année de licence, à la MIAGE de NANCY. L objectif principal de ce cours est d acquérir une connaissance approfondie de
Plus en détailCours d Analyse. Fonctions de plusieurs variables
Cours d Analyse Fonctions de plusieurs variables Licence 1ère année 2007/2008 Nicolas Prioux Université de Marne-la-Vallée Table des matières 1 Notions de géométrie dans l espace et fonctions à deux variables........
Plus en détailRO04/TI07 - Optimisation non-linéaire
RO04/TI07 - Optimisation non-linéaire Stéphane Mottelet Université de Technologie de Compiègne Printemps 2003 I Motivations et notions fondamentales 4 I1 Motivations 5 I2 Formes quadratiques 13 I3 Rappels
Plus en détailExamen optimisation Centrale Marseille (2008) et SupGalilee (2008)
Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut
Plus en détailCours d analyse numérique SMI-S4
ours d analyse numérique SMI-S4 Introduction L objet de l analyse numérique est de concevoir et d étudier des méthodes de résolution de certains problèmes mathématiques, en général issus de problèmes réels,
Plus en détailProblème 1 : applications du plan affine
Problème 1 : applications du plan affine Notations On désigne par GL 2 (R) l ensemble des matrices 2 2 inversibles à coefficients réels. Soit un plan affine P muni d un repère (O, I, J). Les coordonnées
Plus en détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailPremière partie. Modélisation des problèmes en programmes linéaires notés PL
Première partie Modélisation des problèmes en programmes linéaires notés PL ième année Licence LMD de mathématiques, USDBlida 0. Un grossiste doit livrer unités d un produit déterminé P à trois détaillants
Plus en détailSujet 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 détailRésolution d équations non linéaires
Analyse Numérique Résolution d équations non linéaires Said EL HAJJI et Touria GHEMIRES Université Mohammed V - Agdal. Faculté des Sciences Département de Mathématiques. Laboratoire de Mathématiques, Informatique
Plus en détailCalcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.
1 Définitions, notations Calcul matriciel Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes. On utilise aussi la notation m n pour le
Plus en détailCorrection du bac blanc CFE Mercatique
Correction du bac blanc CFE Mercatique Exercice 1 (4,5 points) Le tableau suivant donne l évolution du nombre de bénéficiaires de minima sociaux en milliers : Année 2002 2003 2004 2005 2006 2007 2008 2009
Plus en détailLES MÉTHODES DE POINT INTÉRIEUR 1
Chapitre XIII LES MÉTHODES DE POINT INTÉRIEUR 1 XIII.1 Introduction Nous débutons par un rappel de la formulation standard d un problème d optimisation 2 linéaire et donnons un bref aperçu des différences
Plus en détailLes équations différentielles
Les équations différentielles Equations différentielles du premier ordre avec second membre Ce cours porte exclusivement sur la résolution des équations différentielles du premier ordre avec second membre
Plus en détailCHAPITRE 5. Stratégies Mixtes
CHAPITRE 5 Stratégies Mixtes Un des problèmes inhérents au concept d équilibre de Nash en stratégies pures est que pour certains jeux, de tels équilibres n existent pas. P.ex.le jeu de Pierre, Papier,
Plus en détailChapitre 2 Le problème de l unicité des solutions
Université Joseph Fourier UE MAT 127 Mathématiques année 2011-2012 Chapitre 2 Le problème de l unicité des solutions Ce que nous verrons dans ce chapitre : un exemple d équation différentielle y = f(y)
Plus en détailExercices - Polynômes : corrigé. Opérations sur les polynômes
Opérations sur les polynômes Exercice 1 - Carré - L1/Math Sup - Si P = Q est le carré d un polynôme, alors Q est nécessairement de degré, et son coefficient dominant est égal à 1. On peut donc écrire Q(X)
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailLagrange, où λ 1 est pour la contrainte sur µ p ).
Chapitre 1 Exercice 1 : Portefeuilles financiers Considérons trois types d actions qui sont négociées à la bourse et dont les rentabilités r 1, r 2 et r 3 sont des variables aléatoires d espérances µ i
Plus en détailOptimisation des fonctions de plusieurs variables
Optimisation des fonctions de plusieurs variables Hervé Hocquard Université de Bordeaux, France 8 avril 2013 Extrema locaux et globaux Définition On étudie le comportement d une fonction de plusieurs variables
Plus en détailCours de recherche opérationnelle I
1 Cours de recherche opérationnelle I Nadia Brauner Nadia.Brauner@imag.fr Grenoble, 2014-2015 Auteurs Ont participé à la rédaction de ce cours (par ordre d arrivée) Nadia Brauner Christophe Rapine Julien
Plus en détailFonctions de plusieurs variables
Maths MP Exercices Fonctions de plusieurs variables Les indications ne sont ici que pour être consultées après le T (pour les exercices non traités). Avant et pendant le T, tenez bon et n allez pas les
Plus en détailUne forme générale de la conjecture abc
Une forme générale de la conjecture abc Nicolas Billerey avec l aide de Manuel Pégourié-Gonnard 6 août 2009 Dans [Lan99a], M Langevin montre que la conjecture abc est équivalente à la conjecture suivante
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détailFormes quadratiques. 1 Formes quadratiques et formes polaires associées. Imen BHOURI. 1.1 Définitions
Formes quadratiques Imen BHOURI 1 Ce cours s adresse aux étudiants de niveau deuxième année de Licence et à ceux qui préparent le capes. Il combine d une façon indissociable l étude des concepts bilinéaires
Plus en détailFondements de l'analyse Économique Travaux Dirigés
Fondements de l'analyse Économique Travaux Dirigés Cours de Nicolas Drouhin Chargés de TD : Alexandre de Cornière & Marc Sangnier Octobre 2008 École Normale Supérieure de Cachan - Département Économie
Plus en détail1 Complément sur la projection du nuage des individus
TP 0 : Analyse en composantes principales (II) Le but de ce TP est d approfondir nos connaissances concernant l analyse en composantes principales (ACP). Pour cela, on reprend les notations du précédent
Plus en détailNOMBRES COMPLEXES. Exercice 1 :
Exercice 1 : NOMBRES COMPLEXES On donne θ 0 un réel tel que : cos(θ 0 ) 5 et sin(θ 0 ) 1 5. Calculer le module et l'argument de chacun des nombres complexes suivants (en fonction de θ 0 ) : a i( )( )(1
Plus en détailSimulation de variables aléatoires
Chapter 1 Simulation de variables aléatoires Références: [F] Fishman, A first course in Monte Carlo, chap 3. [B] Bouleau, Probabilités de l ingénieur, chap 4. [R] Rubinstein, Simulation and Monte Carlo
Plus en détailCommunications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes
Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction
Plus en détailOPTIMISATION À UNE VARIABLE
OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum
Plus en détaila et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe le nombre ax + b
I Définition d une fonction affine Faire l activité 1 «une nouvelle fonction» 1. définition générale a et b étant deux nombres relatifs donnés, une fonction affine est une fonction qui a un nombre x associe
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en détailFonctions de plusieurs variables
Module : Analyse 03 Chapitre 00 : Fonctions de plusieurs variables Généralités et Rappels des notions topologiques dans : Qu est- ce que?: Mathématiquement, n étant un entier non nul, on définit comme
Plus en détailExercices - Fonctions de plusieurs variables : corrigé. Pour commencer
Pour commencer Exercice 1 - Ensembles de définition - Première année - 1. Le logarithme est défini si x + y > 0. On trouve donc le demi-plan supérieur délimité par la droite d équation x + y = 0.. 1 xy
Plus en détailBaccalauréat ES/L Amérique du Sud 21 novembre 2013
Baccalauréat ES/L Amérique du Sud 21 novembre 2013 A. P. M. E. P. EXERCICE 1 Commun à tous les candidats 5 points Une entreprise informatique produit et vend des clés USB. La vente de ces clés est réalisée
Plus en détailCours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.
Cours de Recherche Opérationnelle IUT d Orsay Nicolas M. THIÉRY E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.name/ CHAPTER 1 Introduction à l optimisation 1.1. TD: Ordonnancement
Plus en détailCalcul différentiel sur R n Première partie
Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité
Plus en détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en détailThéorème du point fixe - Théorème de l inversion locale
Chapitre 7 Théorème du point fixe - Théorème de l inversion locale Dans ce chapitre et le suivant, on montre deux applications importantes de la notion de différentiabilité : le théorème de l inversion
Plus en détailCapes 2002 - Première épreuve
Cette correction a été rédigée par Frédéric Bayart. Si vous avez des remarques à faire, ou pour signaler des erreurs, n hésitez pas à écrire à : mathweb@free.fr Mots-clés : équation fonctionnelle, série
Plus en détailEtude de fonctions: procédure et exemple
Etude de fonctions: procédure et exemple Yves Delhaye 8 juillet 2007 Résumé Dans ce court travail, nous présentons les différentes étapes d une étude de fonction à travers un exemple. Nous nous limitons
Plus en détailChapitre 5 : Flot maximal dans un graphe
Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d
Plus en détailDualité dans les espaces de Lebesgue et mesures de Radon finies
Chapitre 6 Dualité dans les espaces de Lebesgue et mesures de Radon finies Nous allons maintenant revenir sur les espaces L p du Chapitre 4, à la lumière de certains résultats du Chapitre 5. Sauf mention
Plus en détailDOCM 2013 http://docm.math.ca/ Solutions officielles. 1 2 10 + 1 2 9 + 1 2 8 = n 2 10.
A1 Trouvez l entier positif n qui satisfait l équation suivante: Solution 1 2 10 + 1 2 9 + 1 2 8 = n 2 10. En additionnant les termes du côté gauche de l équation en les mettant sur le même dénominateur
Plus en détailESSEC. Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring
ESSEC Cours «Management bancaire» Séance 3 Le risque de crédit Le scoring Les méthodes d évaluation du risque de crédit pour les PME et les ménages Caractéristiques Comme les montants des crédits et des
Plus en détailLa Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1
La Licence Mathématiques et Economie-MASS Université de Sciences Sociales de Toulouse 1 La licence Mathématiques et Economie-MASS de l Université des Sciences Sociales de Toulouse propose sur les trois
Plus en détailAmphi 3: Espaces complets - Applications linéaires continues
Amphi 3: Espaces complets - Applications linéaires continues Département de Mathématiques École polytechnique Remise en forme mathématique 2013 Suite de Cauchy Soit (X, d) un espace métrique. Une suite
Plus en détailItems étudiés dans le CHAPITRE N5. 7 et 9 p 129 D14 Déterminer par le calcul l'antécédent d'un nombre par une fonction linéaire
CHAPITRE N5 FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION Code item D0 D2 N30[S] Items étudiés dans le CHAPITRE N5 Déterminer l'image
Plus en détailPrudence, Epargne et Risques de Soins de Santé Christophe Courbage
Prudence, Epargne et Rique de Soin de Santé Chritophe Courbage ASSOCIATION DE GENÈVE Introduction Le compte d épargne anté (MSA), une nouvelle forme d intrument pour couvrir le dépene de anté en ca de
Plus en détailMéthodes de quadrature. Polytech Paris-UPMC. - p. 1/48
Méthodes de Polytech Paris-UPMC - p. 1/48 Polynôme d interpolation de Preuve et polynôme de Calcul de l erreur d interpolation Étude de la formule d erreur Autres méthodes - p. 2/48 Polynôme d interpolation
Plus en détailChapitre 1. L intérêt. 2. Concept d intérêt. 1. Mise en situation. Au terme de ce chapitre, vous serez en mesure de :
Chapitre 1 L intérêt Au terme de ce chapitre, vous serez en mesure de : 1. Comprendre la notion générale d intérêt. 2. Distinguer la capitalisation à intérêt simple et à intérêt composé. 3. Calculer la
Plus en détailUtiliser des fonctions complexes
Chapitre 5 Utiliser des fonctions complexes Construire une formule conditionnelle avec la fonction SI Calculer un remboursement avec la fonction VPN Utiliser des fonctions mathématiques Utiliser la fonction
Plus en détailLes devoirs en Première STMG
Les devoirs en Première STMG O. Lader Table des matières Devoir sur table 1 : Proportions et inclusions....................... 2 Devoir sur table 1 : Proportions et inclusions (corrigé)..................
Plus en détailMATHS FINANCIERES. Mireille.Bossy@sophia.inria.fr. Projet OMEGA
MATHS FINANCIERES Mireille.Bossy@sophia.inria.fr Projet OMEGA Sophia Antipolis, septembre 2004 1. Introduction : la valorisation de contrats optionnels Options d achat et de vente : Call et Put Une option
Plus en détailLA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING»
LA NOTATION STATISTIQUE DES EMPRUNTEURS OU «SCORING» Gilbert Saporta Professeur de Statistique Appliquée Conservatoire National des Arts et Métiers Dans leur quasi totalité, les banques et organismes financiers
Plus en détail[http://mp.cpgedupuydelome.fr] édité le 30 avril 2015 Enoncés 1
[http://mpcpgedupuydelomefr] édité le 3 avril 215 Enoncés 1 Exercice 1 [ 265 ] [correction] On note V l ensemble des matrices à coefficients entiers du type a b c d d a b c c d a b b c d a et G l ensemble
Plus en détailExercices Corrigés Premières notions sur les espaces vectoriels
Exercices Corrigés Premières notions sur les espaces vectoriels Exercice 1 On considére le sous-espace vectoriel F de R formé des solutions du système suivant : x1 x 2 x 3 + 2x = 0 E 1 x 1 + 2x 2 + x 3
Plus en détailCalcul intégral élémentaire en plusieurs variables
Calcul intégral élémentaire en plusieurs variables PC*2 2 septembre 2009 Avant-propos À part le théorème de Fubini qui sera démontré dans le cours sur les intégrales à paramètres et qui ne semble pas explicitement
Plus en détailJournées Télécom-UPS «Le numérique pour tous» David A. Madore. david.madore@enst.fr. 29 mai 2015
et et Journées Télécom-UPS «Le numérique pour tous» David A. Madore Télécom ParisTech david.madore@enst.fr 29 mai 2015 1/31 et 2/31 : définition Un réseau de R m est un sous-groupe (additif) discret L
Plus en détailFonctions de plusieurs variables. Sébastien Tordeux
Fonctions de plusieurs variables Sébastien Tordeux 22 février 2009 Table des matières 1 Fonctions de plusieurs variables 3 1.1 Définition............................. 3 1.2 Limite et continuité.......................
Plus en détailEnoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé.
Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. I- ACTIVITES NUMERIQUES (12 points) Exercice 1 (3 points) On considère
Plus en détailAlgorithmes pour la planification de mouvements en robotique non-holonome
Algorithmes pour la planification de mouvements en robotique non-holonome Frédéric Jean Unité de Mathématiques Appliquées ENSTA Le 02 février 2006 Outline 1 2 3 Modélisation Géométrique d un Robot Robot
Plus en détailANALYSE NUMERIQUE ET OPTIMISATION. Une introduction à la modélisation mathématique et à la simulation numérique
1 ANALYSE NUMERIQUE ET OPTIMISATION Une introduction à la modélisation mathématique et à la simulation numérique G. ALLAIRE 28 Janvier 2014 CHAPITRE I Analyse numérique: amphis 1 à 12. Optimisation: amphis
Plus en détailLes travaux doivent être remis sous forme papier.
Physique mathématique II Calendrier: Date Pondération/note nale Matériel couvert ExercicesSérie 1 : 25 septembre 2014 5% RH&B: Ch. 3 ExercicesSérie 2 : 23 octobre 2014 5% RH&B: Ch. 12-13 Examen 1 : 24
Plus en détailUn K-espace vectoriel est un ensemble non vide E muni : d une loi de composition interne, c est-à-dire d une application de E E dans E : E E E
Exo7 Espaces vectoriels Vidéo partie 1. Espace vectoriel (début Vidéo partie 2. Espace vectoriel (fin Vidéo partie 3. Sous-espace vectoriel (début Vidéo partie 4. Sous-espace vectoriel (milieu Vidéo partie
Plus en détailTests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles
Tests non-paramétriques de non-effet et d adéquation pour des covariables fonctionnelles Valentin Patilea 1 Cesar Sanchez-sellero 2 Matthieu Saumard 3 1 CREST-ENSAI et IRMAR 2 USC Espagne 3 IRMAR-INSA
Plus en détailCUEEP Département Mathématiques E 821 : Problèmes du premier degré 1/27
Problèmes du premier degré à une ou deux inconnues Rappel Méthodologique Problèmes qui se ramènent à une équation à une inconnue Soit l énoncé suivant : Monsieur Duval a 4 fois l âge de son garçon et sa
Plus en détailCorrigé Problème. Partie I. I-A : Le sens direct et le cas n= 2
33 Corrigé Corrigé Problème Théorème de Motzkin-Taussky Partie I I-A : Le sens direct et le cas n= 2 1-a Stabilité des sous-espaces propres Soit λ une valeur propre de v et E λ (v) le sous-espace propre
Plus en détailValeur cible et solveur. Les calculs effectués habituellement avec Excel utilisent des valeurs numériques qui constituent les données d'un problème.
Valeur cible et solveur Atteindre une valeur cible Les calculs effectués habituellement avec Excel utilisent des valeurs numériques qui constituent les données d'un problème. A l'aide d'un certain nombre
Plus en détailINFO-F-310 - Algorithmique 3 et Recherche Opérationnelle
INFO-F- - Algorithmique et Recherche Opérationnelle Yves De Smet Bernard Fortz - Table des matières I Introduction Aide à la décision et modèles mathématiques Quelques exemples de modèles mathématiques
Plus en détailAnalyse en Composantes Principales
Analyse en Composantes Principales Anne B Dufour Octobre 2013 Anne B Dufour () Analyse en Composantes Principales Octobre 2013 1 / 36 Introduction Introduction Soit X un tableau contenant p variables mesurées
Plus en détailDe même, le périmètre P d un cercle de rayon 1 vaut P = 2π (par définition de π). Mais, on peut démontrer (difficilement!) que
Introduction. On suppose connus les ensembles N (des entiers naturels), Z des entiers relatifs et Q (des nombres rationnels). On s est rendu compte, depuis l antiquité, que l on ne peut pas tout mesurer
Plus en détail3. Conditionnement P (B)
Conditionnement 16 3. Conditionnement Dans cette section, nous allons rappeler un certain nombre de définitions et de propriétés liées au problème du conditionnement, c est à dire à la prise en compte
Plus en détailEXERCICES - ANALYSE GÉNÉRALE
EXERCICES - ANALYSE GÉNÉRALE OLIVIER COLLIER Exercice 1 (2012) Une entreprise veut faire un prêt de S euros auprès d une banque au taux annuel composé r. Le remboursement sera effectué en n années par
Plus en détailC1 : Fonctions de plusieurs variables
1er semestre 2012/13 CPUMP 3 U 11 : Abrégé de cours Compléments Analyse 3 : fonctions analytiques Les notes suivantes, disponibles à l adresse http://www.iecn.u-nancy.fr/~bertram/, contiennent les définitions
Plus en détailDifférentiabilité ; Fonctions de plusieurs variables réelles
Différentiabilité ; Fonctions de plusieurs variables réelles Denis Vekemans R n est muni de l une des trois normes usuelles. 1,. 2 ou.. x 1 = i i n Toutes les normes de R n sont équivalentes. x i ; x 2
Plus en détailChapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
Plus en détailCours 7 : Utilisation de modules sous python
Cours 7 : Utilisation de modules sous python 2013/2014 Utilisation d un module Importer un module Exemple : le module random Importer un module Exemple : le module random Importer un module Un module est
Plus en détail2.4 Représentation graphique, tableau de Karnaugh
2 Fonctions binaires 45 2.4 Représentation graphique, tableau de Karnaugh On peut définir complètement une fonction binaire en dressant son tableau de Karnaugh, table de vérité à 2 n cases pour n variables
Plus en détailApproximations variationelles des EDP Notes du Cours de M2
Approximations variationelles des EDP Notes du Cours de M2 Albert Cohen Dans ce cours, on s intéresse à l approximation numérique d équations aux dérivées partielles linéaires qui admettent une formulation
Plus en détailCHOIX OPTIMAL DU CONSOMMATEUR. A - Propriétés et détermination du choix optimal
III CHOIX OPTIMAL DU CONSOMMATEUR A - Propriétés et détermination du choix optimal La demande du consommateur sur la droite de budget Résolution graphique Règle (d or) pour déterminer la demande quand
Plus en détailOscillations libres des systèmes à deux degrés de liberté
Chapitre 4 Oscillations libres des systèmes à deux degrés de liberté 4.1 Introduction Les systèmes qui nécessitent deux coordonnées indépendantes pour spécifier leurs positions sont appelés systèmes à
Plus en détailwww.btsag.com 31 Coûts complets
www.btsag.com 31 Coûts complets Claude Terrier btsag.com 1/24 11/10/2010 Pérennisation de l entreprise Auteur : C. Terrier; mailto:webmaster@btsag.com ; http://www.btsag.com Utilisation: Reproduction libre
Plus en détailChapitre 5. Équilibre concurrentiel et bien-être
Chapitre 5 Équilibre concurrentiel et bien-être Microéconomie III 5 1 5.1 Qu est-ce qu un équilibre souhaitable socialement? E cacité versus équité Que nous permet de dire la science économique sur l e
Plus en détailCompte rendu des TP matlab
Compte rendu des TP matlab Krell Stella, Minjeaud Sebastian 18 décembre 006 1 TP1, Discrétisation de problèmes elliptiques linéaires 1d Soient > 0, a R, b 0, c, d R et f C([0, 1], R). On cerce à approcer
Plus en détailExtrait du poly de Stage de Grésillon 1, août 2010
MINI-COURS SUR LES POLYNÔMES À UNE VARIABLE Extrait du poly de Stage de Grésillon 1, août 2010 Table des matières I Opérations sur les polynômes 3 II Division euclidienne et racines 5 1 Division euclidienne
Plus en détail