Polyèdres et facettes

Dimension: px
Commencer à balayer dès la page:

Download "Polyèdres et facettes"

Transcription

1 Polyèdres et facettes ENSIIE Master MPRO Alain Faye 1

2 Introduction Problème en variables entières: Min cx s.c. xx où X={x:Axb}Z n Objectif: obtenir description de ConvX par un polyèdre P et résoudre le progr. linéaire: (PL) Min cx s.c. xp Ou au moins obtenir une bonne approximation P t.q. ConvXP On a vu différentes méthodes pour trouver inégalités valides pour X Les inégalités valides disponibles pour X et donc ConvX Sont-elles toutes indispensables? quelles sont celles vraiment utiles? Généralement nombreuses, on ne peut toutes les mettre dans (PL). Nécessité d un algorithme de coupes et résolution du pb de séparation. 2

3 Sommaire Espace affine Ensemble convexe Face Polyèdre Algorithme de coupes 3

4 Espace affine 4

5 Espace affine A R n, est un espace affine si: x,ya (1-)x+y A A R n un espace affine (non vide), il existe un unique sous-espace vectoriel L de R n t.q. A=L+x où x est un point de A quelconque Note: A=L+x ={ x=y+x : yl} L est le sous-espace parallèle à A. Exemple dans R 2 : A s obtient par translation de x de L A L x 0 5

6 Hyperplan Un hyperplan H est un espace affine de la forme: H={xR n : ax=b} Avec a0 Exemple: H={(x 1,x 2 ) : 2x 1 +x 2 =3} est un hyperplan de R 2 Tout espace affine () de R n est l intersection d un nombre fini d hyperplans 6

7 Enveloppe affine Déf: étant donné M R n, AffM, l'enveloppe affine de M, est le plus petit espace affine contenant M c'est-à-dire l'intersection de tous les espaces affines contenant M. AffM est l intersection de tous les hyperplans qui contiennent M Une combinaison affine de points x 1,, x p de R n est un point z de la forme: z = 1 x p x p avec p =1 AffM est l'ensemble des combinaisons affines de points de M. Exemple: l enveloppe affine des 2 points x, y est la droite en vert Aff {x,y} x + y + 0 7

8 Indépendance affine Déf: Des points x 1,, x p de R n sont affinement indépendants lorsque 1 x p x p =0 avec p =0 1 = = p =0 ou encore x 2 - x 1,, x p - x 1, sont linéairement indépendants Exercice: montrer que (1,0), (2,1),(3,3) sont affinement indépendants montrer que (1,0), (2,1),(3,2) ne sont pas affinement indépendants 8

9 Ensemble convexe 9

10 Ensemble convexe C R n, est convexe si: x,yc et 0 1(1-)x+y C Noter les conditions de non-négativité sur les coefficients Le segment [x,y] est l'ensemble des points z de la forme : z=(1-)x+ y avec 01 x convexe y pas convexe une partie du segment [x,y] n est pas dans C 10

11 Enveloppe convexe Déf: étant donné M R n, ConvM, l'enveloppe convexe de M, est le plus petit convexe contenant M c'est-à-dire l'intersection de tous les convexes contenant M. M ConvM = M+partie hachurée 11

12 Combinaison convexe Une combinaison convexe de points x 1,, x p de R n est un point z de la forme : z= 1 x p x p avec p =1 et 1 0,, p 0 Par rapport à une combinaison affine, noter la condition de nonnégativité sur les coefficients ConvM est l'ensemble des combinaisons convexes de points de M. zconvm z = 1 x p x p avec x 1,, x p M et p =1 et 1 0,, p 0 et p entier quelconque 12

13 Dimension Soit C un convexe de R n Déf: Soit p le nombre maximum de points affinement indépendants contenus dans C, la dimension de C est égale à p-1. Notation : dim(c) La dimension de C est la dimension de AffC le plus petit espace affine contenant C 13

14 Face d un convexe 14

15 Face d un convexe pour x,y R n le segment [x,y] est l'ensemble des points z de la forme z = (1-)x+ y avec 01. Le segment ouvert ]x,y[ est obtenu en restreignant à 0<<1 (les extrémités x, y sont exclues). Déf: soit C un convexe fermé de R n. F C est une face de C si F est convexe si pour tout x y de C t.q. le segment ouvert ]x,y[ rencontre F alors x, y F C lui-même est une face de C La partie verte n est pas une face x La partie verte est une face y 15

16 Points extrêmes, facettes Un point extrême est une face de dimension 0 Une facette de C est une face de C de dimension dim(c)-1. Point extrême = face de dim 0 La partie verte est une facette soient G, F faces d'un convexe C t.q. G est strictement contenue dans F alors dimg<dimf. une facette est une face propre (i.e. C) maximale (pour l'inclusion) 16

17 Faces et faces exposées Les faces exposés d un convexe C sont les parties de C de la forme suivante. Soit x 0 une inégalité valide pour C (i.e. C{x: x 0 }), Définition: F=C {x: x= 0 } est une face exposée de C. Remarquer le qui s est transformé en = Exercice: montrer qu une face exposée est une face 17

18 Toutes les faces ne sont pas forcément exposées. Face non exposée Face exposée {x : x=0} Face non exposée 18

19 Polyèdres 19

20 Polyèdre Un polyèdre est l ensemble des solutions d un système fini d inégalités linéaires P={x: a i xb i ii} (I fini) Un polyèdre est un convexe fermé. On peut démontrer que pour décrire les faces de P on peut ne considérer que les inégalités valides de la description initiale a i xb i Plus précisément F est une face de P ssi JI tel que F = P{x: a j x=b j jj} Le nombre de faces d un polyèdre est fini et borné par 2 I le nombre de façons de choisir J dans I. Note: l ensemble vide est une face Exercice: montrer que toutes les faces de P sont des faces exposées Indication: soit F = P{x: a j x=b j jj} face de P, construire x 0 en additionnant les inégalités de J et monter que F = P{x: x= 0 } 20

21 Points extrêmes Notation : Rang d un ensemble de vecteurs {a 1,,a p } est le rang de la matrice dont les colonnes sont les vecteurs a 1,,a p Les points extrêmes étant des faces de dimension 0, pour les obtenir il suffit de suivre la méthode suivante: Parmi les systèmes obtenus en parcourant les ensembles J I : a i x = b i ij I Choisir ceux ayant une unique solution i.e. n = rang{a i : ij} Les points extrêmes sont les solutions xp Les points extrêmes sont intéressants car lorsque l on maximise ou minimise une forme linéaire sur un polyèdre la solution optimale est atteinte en un point extrême 21

22 Exercice: trouver les points extrêmes du polyèdre de R 3 défini par (1) x 1 +x 2 1 (2) x 1 +2x 3 2 (3) x 2 +x 3 4 (4) x 1 +2x 2 x

23 Dans ce qui suit, on s intéressera à: Dimension d un polyèdre Représentation minimale d un polyèdre c est à-dire avec un minimum d égalités et d inégalités (facettes) 23

24 On partitionne I en I = et I de la façon suivante: i I : il existe un point de P qui satisfait l'inégalité i strictement xp a i x < b i i I = : l inégalité i satisfaite avec égalité par tous les points de P xp a i x = b i Donc P peut se décrire par le système suivant: a i x = b i i I = a i x b i i I Avec I = I = I et I = I = éventuellement I = ou I = = 24

25 Dimension d un polyèdre La dimension de P peut s obtenir de deux façons différentes: Façon 1 (définition): Chercher p le nombre maximum de points affinement indépendants dans P et poser Dim(P)=p-1 Façon 2: Déterminer le «rang» du système a i x = b i i I = dim(p) = n rang{a i : i I = } Exercice: soit P R 2 (1) x 1 +x 2 1 (2) x 1 x 2 1 (3) x 1 x 2 1 (4) x 1 0 (5) x 2 0 Donner I = et I. En déduire dim(p). 25

26 Inégalité redondante: on peut la retirer du système décrivant P sans rien changer Inégalité non redondante: si on la retire du système décrivant P on obtient un polyèdrep Les inégalités non redondantes correspondent aux facettes de P: si i I est l'indice d'une inégalité non redondante de P alors F=Px: a i (x) = b i est une facette de P (dim(f)=dim(p)1) Donc toute inégalité qui n induit pas une facette de P peut être retirée de la description de P car redondante 26

27 Exercice: soit le polyèdre P défini par: (1) x 3 x 1 0 (2) x 3 x 2 0 (3) x 1 +x 2 x 3 1 (4) x 1 1 (5) x Montrer que P est de dimension pleine par les façons 1 et Soit la face de P induite par (4) c est-à-dire F=Px: x 1 =1. - En observant le fait que F est un polyèdre, donner la dimension de F par la façon 2. - En déduire que F n est pas une facette de P. - Vérifier que (4) est redondante. 27

28 Comment prouver qu une face est une facette? soit j I et F = Px: a j x = b j Pour montrer que F face de P est une facette, on peut faire de deux façons: Façon 1 (définition) Chercher p le nombre maximum de points affinement indépendants dans F p-1 est la dimension de F donc si p-1=dim(p)-1 c est-à-dire p=dim(p) Alors F est une facette Façon 2: Utiliser le résultat suivant F est une facette de P ssi pour tout (g,) t.q. Fx: gx = il existe réels, i i I = t.q. (g,) = (a j, b j ) + ii = i (a i, b i ) Dans cette approche les points x de F sont les données et g, les inconnues du système gx =. F est une facette ssi les solutions de ce système sont de la forme (g,) = (a j, b j ) + ii = i (a i, b i ) 28

29 Exercice: à nouveau soit le polyèdre P défini par: (1) x 3 x 1 0 (2) x 3 x 2 0 (3) x 1 +x 2 x 3 1 (4) x 1 1 (5) x 2 1 On rappelle que P est de dimension pleine (ici 3) c est-à-dire P n est contenu dans aucun (hyper)plan 1. Soit la face de P induite par (3) c est-à-dire F=Px: x 1 +x 2 x 3 =1. - Montrer que F est une facette de P par la façon 2. - Montrer que F est une facette de P par la façon 1. 29

30 30 Soit le polytope Q=ConvM avec M={x 1,,x p } un ensemble de points de R n. ConvM est le plus petit convexe contenant M. C est aussi l ensemble des combinaisons convexes de points de M Théorème de Weyl : Q est un polyèdre de R n. Exercice soit un ensemble de 4 points de R 3. Ecrire un point (x,y,z) de ConvM comme combinaison convexe des 4 points avec i i=1,,4 les coefficients de la combinaison. Eliminer les variables du système. Donner la description de ConvM comme polyèdre de R 3 en les variables x, y, z , 1 0 0, 0 1 0, M Enveloppe convexe

31 Algorithme de coupes 31

32 On considère le problème discret suivant: (P) maximiser cx s.c. x X où X R n et de cardinal fini. On se ramène au problème continu: (PL) maximiser cx s.c. x ConvX Par le théorème de Weyl, Q=ConvX est un polyèdre i.e. Q={x : Axb} donc (PL) est un programme linéaire Exercice: montrer qu'il existe une solution optimale de (PL) qui est dans X. 32

33 Pourquoi un algorithme de coupes? Supposons Q=ConvX décrit par les ensembles I = et I d égalités et d inégalités Les égalités servent à décrire l enveloppe affine de Q, AffQ R n et donc I = n s il n y a pas d égalités redondantes I peut être très grand (devant n). Dans ce cas on ne peut résoudre (PL) avec toutes les inégalités On ne met que celles utiles 33

34 Algorithme de coupes 0. choisir un polyèdre initial P contenant Q=ConvX construit avec les égalités I = et quelques inégalités de I 1. soit x* solution du problème maximiser cx s.c. x P 2. ajouter à P quelques inégalités de I violées par x*, s'il n'en existe pas STOP (PL) est résolu 3. Aller en 1. La partie 2 consiste à rechercher des inégalités de I violées c est-à-dire non satisfaites par x* Généralement on ajoute à P les inégalités les plus violées. C est le problème de séparation. 34

Génération de colonnes

Génération de colonnes Génération de colonnes ENSIIE-Master MPRO Alain Faye 1 Introduction On considère le problème: (Pb) max f(x) s.c. g j (x) 0 j J, x X Avec f linéaire, g j affines Avec X={x Z n : h(x) 0 } X partie de Z n,

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

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

Ensembles convexes, polytopes et

Ensembles convexes, polytopes et Chapitre 12 Ensembles convexes, polytopes et polyèdres 12.1 Propriétés algébriques Définition 12.1 (Ensemble convexe). Un sous-ensemble C de R n est dit convexe si x, y C, λ [0, 1], λx + (1 λ)y C. Dans

Plus en détail

J.F.C. F.N.P.V. p. 1 EXTREMUM. Dans ce cas le minimum de f sur D est f(a), c est le plus petit élément de f(d) et on le note : Min

J.F.C. F.N.P.V. p. 1 EXTREMUM. Dans ce cas le minimum de f sur D est f(a), c est le plus petit élément de f(d) et on le note : Min 19-3- 2010 J.F.C. F.N.P.V. p. 1 V EXTREMUM 1. Les définitions de base Il convient d avoir une parfaite connaissance des définitions qui suivent Déf. 37 f est une application d une partie D de R n dans

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

Optimisation combinatoire Concepts fondamentaux

Optimisation combinatoire Concepts fondamentaux Optimisation combinatoire Concepts fondamentaux Décembre 2004 2 Table des matières Chapitre 1. Approches Polyédrales........................ 11 Ali Ridha MAHJOUB 1.1. Introduction..................................

Plus en détail

HLMA101 : Algèbre linéaire et Analyse 1

HLMA101 : Algèbre linéaire et Analyse 1 HLMA101 : Algèbre linéaire et Analyse 1 PARTIE B Algèbre linéaire et Géométrie Chapitre B.2 Systèmes linéaires B.2.A) NOTION DE SYSTÈME LINÉAIRE. Recherche d intersection d espaces affines Exercice. Soit

Plus en détail

Optimisation linéaire

Optimisation linéaire Optimisation Recherche opérationnelle GC-SIE Géométrie de la programmation 1 Polyèdres Définitions : Un polyèdreest un ensemble qui peut être décrit comme P={x IR n Ax b} où A est une matrice m x n et

Plus en détail

Programmation Linéaire : Résumé examen janvier 08

Programmation Linéaire : Résumé examen janvier 08 Programmation Linéaire : Résumé examen janvier 08 Introduction aux problèmes linéaires On nous donne un problème industriel, il faut le modéliser en problème linéaire afin de le résoudre et de trouver

Plus en détail

Chapitre 3 - Fonctions exponentielles

Chapitre 3 - Fonctions exponentielles Chapitre 3 - Fonctions exponentielles I Fonctions exponentielles de base q TD1 : Du discret au continu On étudie la croissance d une population de bactéries dans une culture. Le nombre de bactéries (exprimé

Plus en détail

Modélisation en Programmation Linéaire

Modélisation en Programmation Linéaire Ecole Centrale Paris, vincent.mousseau@ecp.fr March 3, 2009 Contexte Modélisation du problème 1 Exemple de référence Contexte Modélisation du problème 2 Les 4 étapes Une seconde illustration 3 4 Définitions

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

ESPACES VECTORIELS. Résumé de cours d algèbre linéaire L1 de B. Calmès, Université d Artois (version du 1 er février 2016)

ESPACES VECTORIELS. Résumé de cours d algèbre linéaire L1 de B. Calmès, Université d Artois (version du 1 er février 2016) ESPACES VECTORIELS Résumé de cours d algèbre linéaire L1 de B. Calmès, Université d Artois (version du 1 er février 2016) 1. Espaces et sous-espaces vectoriels Dans ce qui suit, K est un corps, que l on

Plus en détail

CM 1 Programmation linéaire Exemple

CM 1 Programmation linéaire Exemple CM 1 Programmation linéaire Exemple Cours Optimisation Discrète 24 février 2011 Friedrich Eisenbrand EPFL 1 Programmation linéaire Un exemple max x 1 + x 2 x 1 0 x 2 0 x 2 x 1 1 x 1 + 6x 2 15 4x 1 x 2

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

Optimisation numérique

Optimisation numérique Optimisation numérique Programmation linéaire Daniele Di Pietro A.A. 2012-2013 1 / 28 Rappel : Rang d une matrice I Définition (Rang d une matrice) Soit A R m,n, m n. On dit que A est de rang plein si

Plus en détail

Axiome du choix et conséquences. Tout espace vectoriel admet une base.

Axiome du choix et conséquences. Tout espace vectoriel admet une base. Axiome du choix et conséquences. Tout espace vectoriel admet une base. 1 Axiome du choix Definition 1.1. Etant donnée une famille (A i ) i I de parties d un ensemble E (c est à dire une application de

Plus en détail

Calcul des équilibres de Nash pour un jeu stratégique à 2 joueurs

Calcul des équilibres de Nash pour un jeu stratégique à 2 joueurs Calcul des équilibres de Nash pour un jeu stratégique à 2 joueurs Basé sur chapitre 3 du livre Algorithmic Game Theory: Equilibrium Computation for two-player Games in strategic and extensive form de B.

Plus en détail

FONCTIONS DE PLUSIEURS VARIABLES : OPTIMISATION

FONCTIONS DE PLUSIEURS VARIABLES : OPTIMISATION Chapitre 17 : FONCTIONS DE PLUSIEURS VARIABLES : OPTIMISATION ECS2 Lycée La Bruyère, Versailles Année 2013/2014 1 Recherche d extremums locaux sur un ouvert 2 1.1 Condition nécessaire du premier ordre.............................

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

Notations et présentation du sujet. Partie A : une majoration des modules des racines d un polynôme

Notations et présentation du sujet. Partie A : une majoration des modules des racines d un polynôme Notations et présentation du sujet Dans tout le problème n désigne un entier naturel non nul. Si a et b sont deux entiers naturels tels que a < b on note [a, b] l ensemble des entiers naturels k tels que

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

DU LINEAIRE AU CONVEXE

DU LINEAIRE AU CONVEXE Chapter DU LINEAIRE AU CONVEXE. Notations préliminaires Espace vectoriel IR n : On travaillera avec des vecteurs à n composantes réelles notés: x IR n soit x = x. x n avec x i IR,i =,...,n Deux types d

Plus en détail

Vecteurs et applications linéaires

Vecteurs et applications linéaires Vecteurs et applications linéaires (1) (1) () Vecteurs et applications linéaires 1 / 41 1 Familles de vecteurs de R n 2 Sous-espace vectoriels dans R n 3 Base d un sous-espace vectoriel (1) () Vecteurs

Plus en détail

Calculer une enveloppe convexe

Calculer une enveloppe convexe Calculer une enveloppe convexe Préparation à l agrégation - option Calcul formel Antoine Chambert-Loir 1. Introduction Soit A une partie du plan ; de nombreux problèmes géométriques requièrent de déterminer

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

Table des matières 1/15

Table des matières 1/15 Table des matières Introduction : histoire et modernité...2 I- Généralités...3 - Définitions...3 2- Interprétations d'un système linéaire....3 a- Application linéaire u de Kp dans Kn...3 b- Vecteurs de

Plus en détail

et Systèmes d équations linéaires

et Systèmes d équations linéaires Opérations élémentaires et Systèmes d équations linéaires MPSI-Schwarz Prytanée National Militaire Pascal Delahaye 2 avril 2015 1 Les opérations élémentaires 11 Matrices associées aux OEL et aux OEC Lemme

Plus en détail

Dualité en Programmation Linéaire Algorithmes primal et dual du simplexe. Alain Faye Option 3A Optimisation 1

Dualité en Programmation Linéaire Algorithmes primal et dual du simplexe. Alain Faye Option 3A Optimisation 1 Dualité en Programmation Linéaire lgorithmes primal et dual du simplee lain Fae Option 3 Optimisation Dualité lagrangienne Dualité lagrangienne Problème Primal min f() s.c. g i, i =,, m X &h j () =, j

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

Espaces vectoriels notes de cours Licence Sciences et Technologies, L1, M 2

Espaces vectoriels notes de cours Licence Sciences et Technologies, L1, M 2 Espaces vectoriels notes de cours Licence Sciences et Technologies, L1, M 2 H. Le Ferrand, leferran@u-bourgogne.fr February 26, 2007 Contents 1 Espaces vectoriels 2 1.1 Définition.................................................

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

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 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

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

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

Proposition : Tout sev F est stable par combinaison linéaire, c est-à-dire :

Proposition : Tout sev F est stable par combinaison linéaire, c est-à-dire : 61 Proposition : Tout sev F est stable par combinaison linéaire, c est-à-dire : n, ( x 1,..., x n ) F n, (λ 1,..., λ n ) n, n λ i x i F i=1 Par récurrence sur le nombre de termes dans la combinaison linéaire.

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

Chapitre 4. Applications

Chapitre 4. Applications Chapitre 4 Applications 1. Définitions et exemples Définition 4.1 Soient E et F deux ensembles. Une application f de E dans F est un procédé qui permet d associer à chaque élément x de E un unique élément

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

Méthode. Montrer qu une famille est libre. Laurent Garcin MPSI Lycée Jean-Baptiste Corot

Méthode. Montrer qu une famille est libre. Laurent Garcin MPSI Lycée Jean-Baptiste Corot ESPACES VECTORIELS DE DIMENSION FINIE 1 Familles de vecteurs 1.1 Opérations sur une famille engendrant un sous-espace vectoriel Lemme 1.1 Soient E un K-espace vectoriel, A et B deux parties de E. Alors

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

Formes bilinéaires et quadratiques

Formes bilinéaires et quadratiques Formes bilinéaires et quadratiques 0 Prolégomènes Caractéristique d un corps Si K, +, est un corps commutatif, alors l application ϕ : n n K, où K est l élément neutre de K pour le produit, est un morphisme

Plus en détail

Notes du cours MTH1101 Calcul I Partie III: Optimisation

Notes du cours MTH1101 Calcul I Partie III: Optimisation Notes du cours MTH1101 Calcul I Partie III: Optimisation Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2016 Table des matières 1 Optimisation

Plus en détail

Chapitre V. Chapitre V : Bases et dimension

Chapitre V. Chapitre V : Bases et dimension Chapitre V Chapitre V : Bases et dimension Introduction On avait vu au Chapitre IV qu une base pour un espace vectoriel V est une partie à la fois libre et génératrice de V. Les bases constituent un outils

Plus en détail

Espaces vectoriels et applications linéaires

Espaces vectoriels et applications linéaires Chapitre 1 Espaces vectoriels et applications linéaires Dans ce chapitre, nous rappelons, souvent sans démonstration, les définitions et résultats importants du cours de première année. Dans tout le chapitre,

Plus en détail

Analyse en composantes principales

Analyse en composantes principales Analyse en composantes principales Gilles Gasso, Stéphane Canu INSA Rouen - Département ASI Laboratoire LITIS 1 17 septembre 01 1. Ce cours est librement inspiré du cours DM de Alain Rakotomamonjy Gilles

Plus en détail

Définition du problème

Définition du problème Analyse des contraintes p. 1 Définition du problème sous contraintes min x R nf(x) h(x) = 0, g(x) 0, x X. f : R n R, n > 0 h : R n R m, m 0 g : R n R p, p 0 X R n ensemble convexe Analyse des contraintes

Plus en détail

Vecteurs aléatoires. I) Vecteurs aléatoires

Vecteurs aléatoires. I) Vecteurs aléatoires Vecteurs aléatoires I) Vecteurs aléatoires 1.1) Définition On considère un espace probabilisé,, et variables aléatoires,, définies sur Ω à valeurs dans R. On considère l'application de Ω dans Rⁿ définie

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

TD1 : Interpolation et splines

TD1 : Interpolation et splines 2015-2016, Licence 3 ème année parcours Mathématiques M66, Modélisation et analyse numérique TD1 : Interpolation et splines Interpolation Exercice 1 (Différences divisées) Soient x 0, x 1,, x n des points

Plus en détail

Puissances n-ieme d une matrice. Application aux systèmes linéaires. x + 2y = 6 Exemple : soit à résoudre le système linéaire ( )

Puissances n-ieme d une matrice. Application aux systèmes linéaires. x + 2y = 6 Exemple : soit à résoudre le système linéaire ( ) II Application aux systèmes linéaires { x + 2y = 6 Exemple : soit à résoudre le système linéaire où x et y sont les inconnues x + 2y = 5 x 6 On forme ensuite les matrices suivantes : A =, X = et B = Donc

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

Résumé 01 : Algèbre Linéaire (I)

Résumé 01 : Algèbre Linéaire (I) http://mpbertholletwordpresscom Résumé 1 : Algèbre Linéaire (I) Dans tout ce chapitre, K sera le corps R ou C, et E sera un espace vectoriel sur K Vous remarquerez les grandes similitudes qui existent

Plus en détail

NOM : Seconde AHIJ Devoir n 6- sujet A mercredi 8 février 2012

NOM : Seconde AHIJ Devoir n 6- sujet A mercredi 8 février 2012 NOM : Seconde HIJ Devoir n 6- sujet mercredi 8 février 0 Exercice : sur points y répondre directement sur cette feuille. Donner le coefficient directeur de la droite D : 4 3 D D 3 D. Donner une équation

Plus en détail

Matroïdes. Le résultat suivant caractérise les structures pour lesquelles l algorithme glouton fournit une solution optimale

Matroïdes. Le résultat suivant caractérise les structures pour lesquelles l algorithme glouton fournit une solution optimale Matroïdes Définition Soit E un ensemble fini et soit F une famille de sous-ensembles de E. Le couple (E,F ) est un matroïde si (a) F (b) si F F et F F alors F F (c) si F, F F avec F = F +1, alors il existe

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

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

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

Systèmes d équations linéaires, Résumé

Systèmes d équations linéaires, Résumé Systèmes d équations linéaires, Résumé ycée Berthollet, PCSI1 2016-17 Exemple introductif (fil rouge) Exemple 1 On considère le système suivant : (S) x +2y 2z +3t = 2 2x +4y 3z +4t = 5 5x +10y 8z +11t

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

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

Travaux dirigés d OPTIMISATION. x cosy y sinx x y. (x,y) f(x,y) =

Travaux dirigés d OPTIMISATION. x cosy y sinx x y. (x,y) f(x,y) = 1 Dérivation 1.1 Exercice 2ème Année TR Travaux dirigés d OPTIMISATION Donner la dérivée première de la fonction 1.2 Exercice f : R 2 R 3 (x,y) f(x,y) = x cosy y sinx x y 1. Soit X un espace vectoriel

Plus en détail

Espaces vectoriels. Structure d'espace vectoriel

Espaces vectoriels. Structure d'espace vectoriel MTB - ch2 Page 1/16 Espaces vectoriels Dans tout ce chapitre, K = R ou K = C. I Structure d'espace vectoriel I.1 Règles de calcul dans un espace vectoriel Dénition 1 Soit E un ensemble muni d'une opération

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

Recherche Opérationnelle I

Recherche Opérationnelle I Recherche Opérationnelle I Nadia Brauner Nadia.Brauner@imag.fr Programmation linéaire en nombres entiers Programmation linéaire en nombres entiers Introduction Programmation Linéaire (PL) Variables de

Plus en détail

3.2. SOUS-ESPACES DE IR n, BASES ET

3.2. SOUS-ESPACES DE IR n, BASES ET .. SOUS-ESPACES DE IR n, BASES ET INDÉPENDANCE LINÉAIRE On a vu dans la section. que l image et le noyau d une application linéaire avaient en commun : ils contiennent le vecteur nul (du domaine pour le

Plus en détail

Saloua CHETTIBI Université de Jijel- Module : Optimisation Stochastique

Saloua CHETTIBI Université de Jijel- Module : Optimisation Stochastique Chapitre2 Programmation linéaire stochastique 1. Programmation linéaire 1.1 Définition PL : Un programme linéaire est un système d équations ou d inéquations non strictes appelés contraintes qui sont linéaires

Plus en détail

Épreuve d analyse numérique

Épreuve d analyse numérique Épreuve d analyse numérique Projections convexes, décomposition, et algorithme de projections alternées Dans tout ce sujet, on se place dans un espace de Hilbert : H désigne un espace vectoriel réel complet

Plus en détail

AGRÉGATION INTERNE DE MATHÉMATIQUES Session 2012, épreuve 2

AGRÉGATION INTERNE DE MATHÉMATIQUES Session 2012, épreuve 2 AGRÉGATION INTERNE DE MATHÉMATIQUES Session 2012, épreuve 2 2 NOTATIONS ET RAPPELS R désigne l ensemble des nombres réels N désigne l ensemble des entiers naturels Pour tous entiers naturels p et q vérifiant

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

UNIVERSITE SAAD DAHLAB DE BLIDA

UNIVERSITE SAAD DAHLAB DE BLIDA Cours 3 : Interrétation géométrique de la rogrammation linéaire Cours 3 : Interrétation géométrique de la Programmation Linéaire 27 On aelle " esace vectoriel V " un ensemble de vecteurs tel que la somme

Plus en détail

Chapitre I. L optimisation linéaire et la méthode du simplexe

Chapitre I. L optimisation linéaire et la méthode du simplexe Université Pierre et Marie Curie Chapitre I L optimisation linéaire et la méthode du simplexe 1. Notations matricielles On note L(R m, R n ) l espace des applications linéaires de R m dans R n. On l identifiera

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

Formes quadratiques. 1. Formes bilinéaires symétriques et formes quadratiques

Formes quadratiques. 1. Formes bilinéaires symétriques et formes quadratiques Agrégation interne UFR MATHÉMATIQUES Formes quadratiques On se place sur un R-espace vectoriel E de dimension finie n. 1. Formes bilinéaires symétriques et formes quadratiques 1.1. Formes bilinéaires symétriques

Plus en détail

Optimisation dans les réseaux

Optimisation dans les réseaux Optimisation dans les réseaux Recherche Opérationnelle GC-SIE Le problème du flot maximal 1 Introduction Données : Graphe (N,A) Capacités : x ij [b ij,c ij ] Un nœud source s Un nœud puits t Problème :

Plus en détail

Second degré et polynômes Résolution d équation, inéquations et problèmes du second

Second degré et polynômes Résolution d équation, inéquations et problèmes du second Second degré et polynômes Résolution d équation, inéquations et problèmes du second degré Y. Morel Table des matières 1 Trinôme du second degré 1 1.1 Equations du second degré...............................

Plus en détail

ENSI 98 - Filière MP - MATHÉMATIQUES 2. Thème : Pseudo-inverse d une matrice - Méthode des moindres carrés discrets

ENSI 98 - Filière MP - MATHÉMATIQUES 2. Thème : Pseudo-inverse d une matrice - Méthode des moindres carrés discrets ENSI 98 - Filière MP - MATHÉMATIQUES 2 Thème : Pseudo-inverse d une matrice - Méthode des moindres carrés discrets PARTIE I - CONSTRUCTION D UNE MATRICE INVERSE A GAUCHE On suppose dans cette partie que

Plus en détail

Programmation linéaire. Université de Rennes 1 et INRIA Rennes Bretagne-Atlantique

Programmation linéaire. Université de Rennes 1 et INRIA Rennes Bretagne-Atlantique Programmation linéaire Université de Rennes 1 et INRIA Rennes Bretagne-Atlantique Historique La programmation linéaire est dans les fondements de la recherche opérationnelle (RO) ou aide à la décision

Plus en détail

Indépendance linéaire Bases Dimension

Indépendance linéaire Bases Dimension Indépendance linéaire Bases Dimension Combinaison linéaire Définition Dans l espace vectoriel V le vecteur w est combinaison linaire des vecteurs v, v,, v r, s il existe des scalaires k, k,, k r tels que

Plus en détail

Déterminants. Chapitre 23. Objectifs. Plan

Déterminants. Chapitre 23. Objectifs. Plan Chapitre 23 Déterminants Objectifs Étudier le groupe des permutations de [[1n]] Définir les notions : de cycles, de transpositions, de décomposition en produit de cylces, de signature Définir les notions

Plus en détail

CONTRÔLE DE RECHERCHE OPÉRATIONNELLE

CONTRÔLE DE RECHERCHE OPÉRATIONNELLE CONTRÔLE DE RECHERCHE OPÉRATIONNELLE Tout objet électronique (smartphone, tablette, ordinateur, calculatrice, etc.) interdit. Tout document papier autorisé. 1. Production chimique Une usine de produits

Plus en détail

Polaires et courbes hessiennes

Polaires et courbes hessiennes Polaires et courbes hessiennes Emilie Morel 29 octobre 2010 1 2 POLAIRES 1 Motivation Cet exposé s intéresse à la manière de trouver les tangentes et les points d inflection des courbes algébriques dans

Plus en détail

Systèmes linéaires et échelonnement

Systèmes linéaires et échelonnement Systèmes linéaires et échelonnement 1 Systèmes linéaires, résolution de systèmes échelonnés. 1 1.1 Équations linéaires........................................... 1 1.2 Systèmes linéaires...........................................

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 2012 Considérons un ensemble S dans un sous-ensemble X de E n, défini comme S = {x X

Plus en détail

u1 + + λ k alors λ 1 = = λ k = 0.

u1 + + λ k alors λ 1 = = λ k = 0. Définition Une partie A V est libre si la seule combinaison linéaire qui donne 0 est la combinaison linéaire triviale (i.e. tous les coefficients sont nuls), c est-à-dire que quels que soient les vecteurs

Plus en détail

Variétés toriques et polytopes

Variétés toriques et polytopes Variétés toriques et polytopes S. Timsit - M. Zhykhovich Table des matières 1 Polytopes simpliciaux 2 2 Variétés toriques affines 3 2.1 Cônes polyédraux convexes.................... 3 2.2 Construction

Plus en détail

CONCOURS PREMIÈRE ÉPREUVE DE MATHÉMATIQUES (Durée de l épreuve : 3 heures) L usage de l ordinateur ou de la calculatrice est interdit.

CONCOURS PREMIÈRE ÉPREUVE DE MATHÉMATIQUES (Durée de l épreuve : 3 heures) L usage de l ordinateur ou de la calculatrice est interdit. A 2016 - MATH. I MP. École des PONTS ParisTech, ISAE-SUPAERO, ENSTA ParisTech, TÉLÉCOM ParisTech, MINES ParisTech, MINES Saint-Étienne, MINES Nancy, TÉLÉCOM Bretagne, ENSAE ParisTech (Filière MP). CONCOURS

Plus en détail

Complétude et dimension d un espace vectoriel normé. Introduction et rappels. Espaces métriques. Jean-Baptiste Campesato 10 février 2010

Complétude et dimension d un espace vectoriel normé. Introduction et rappels. Espaces métriques. Jean-Baptiste Campesato 10 février 2010 Complétude et dimension d un espace vectoriel normé Jean-Baptiste Campesato 10 février 2010 Le but de cet article est de présenter les liens entre la dimension d un espace vectoriel normé et de sa possible

Plus en détail

Seconde. Eric Leduc 2014/2015

Seconde. Eric Leduc 2014/2015 Seconde Lycée Jacquard 2014/2015 Rappel du plan 1 2 3 Équation courbe Définition n o 1: courbe Une équation de courbe est une relation qui lie les coordonnées de tous les points de la courbe. Autrement

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

i=1 x iy i On a bien i=1 x2 i > 0 quand x 0.

i=1 x iy i On a bien i=1 x2 i > 0 quand x 0. Chapitre 3 Produit scalaire, espaces vectoriels euclidiens 3.1 Produit scalaire, norme euclidienne Définition 3.1 Soit E un espace vectoriel réel. Un produit scalaire sur E est une forme bilinéaire symétrique

Plus en détail

Chapitre X Programmation linéaire et méthode du simplexe

Chapitre X Programmation linéaire et méthode du simplexe Chapitre X Programmation linéaire et méthode du simplexe Notes de cours préparées par Anik Soulière avec l aide des documents de Julie Milot, Bruno Perron et Alain Tranchida. Modification par Marc-Élie

Plus en détail

1 Calcul vectoriel. 2 Vecteurs colinéaires. 1.1 coordonnées d un vecteur dans un repère. 1.2 Caractérisation du milieu d un segment

1 Calcul vectoriel. 2 Vecteurs colinéaires. 1.1 coordonnées d un vecteur dans un repère. 1.2 Caractérisation du milieu d un segment Chapitre : Géométrie plane 1 Calcul vectoriel 1.1 coordonnées d un vecteur dans un repère Définition 1. Soit #» u un vecteur du plan. Pour tout point O du plan, il existe un unique point M tel que OM #»

Plus en détail

Unité d Enseignement RCP101 : Recherche Opérationnelle et Aide à la Décision. Cours 6 Programmation linéaire (suite) - Dualité

Unité d Enseignement RCP101 : Recherche Opérationnelle et Aide à la Décision. Cours 6 Programmation linéaire (suite) - Dualité Unité d Enseignement RCP0 : Recherche Opérationnelle et Aide à la Décision Cours 6 Programmation linéaire (suite) - Dualité Conservatoire National des Arts et Métiers E. Soutil 2 UE RCP0 Recherche Opérationnelle

Plus en détail

PARTIES GÉNÉRATRICES D'UN GROUPE. EXEMPLES

PARTIES GÉNÉRATRICES D'UN GROUPE. EXEMPLES PARTIES GÉNÉRATRICES D'UN GROUPE. EXEMPLES SOMMAIRE 1. Sous-groupe engendré par une partie non vide S 1 1.1. Définition : sous-groupe < S > engendré par une partie non vide S 2 1.2. Définition : partie

Plus en détail

Fiche 1 : Résoudre une équation de 1 er degré

Fiche 1 : Résoudre une équation de 1 er degré Fiche 1 : Résoudre une équation de 1 er degré Exercice 1 Vrai/Faux Pour chacune des affirmations suivantes, dire si elle est vraie ou fausse en justifiant. 1) 1 est solution de l équation 13 2 2 13 2)

Plus en détail

Chapitre 4 : Applications linéaires

Chapitre 4 : Applications linéaires Chapitre 4 : Applications linéaires I. Applications Dans ce paragraphe, on s intéresse à des applications allant d un ensemble à un autre (sans aucune structure d espace vectoriel). Un ensemble est un

Plus en détail

3 ème Chapitre A 4 EQUATIONS A UNE INCONNUE 1. I) Equation à une inconnue du 1 er degré. Exemple : Résoudre les équations suivantes :

3 ème Chapitre A 4 EQUATIONS A UNE INCONNUE 1. I) Equation à une inconnue du 1 er degré. Exemple : Résoudre les équations suivantes : 3 ème Chapitre A 4 EQUATIONS A UNE INCONNUE 1 I) Equation à une inconnue du 1 er degré. Exemple : Résoudre les équations suivantes : 4 ( 5x 3 ) + 8x 7 = 3 ( 3 2x ) + 5 20x 12 + 8x 7 = 9 6x + 5 12x 19 =

Plus en détail