Programmation Linéaire - Cours 4
|
|
- Françoise Roussel
- il y a 8 ans
- Total affichages :
Transcription
1 Programmation Linéaire - Cours 4 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265
2 Sommaire Dualité 1 Dualité 2 3
3 Primal / Dual Dualité Les PL vont toujours par paires : Primal : max j c jx j s.c. j a i,jx j b i x j 0 pour i = 1,..., m pour j = 1,..., n Dual : min s.c. i b iy i i a i,jy i c j y i 0 pour j = 1,..., n pour i = 1,..., m
4 faible Dualité Théorème Dualité faible : Pour toute solution réalisable x du problème primal et toute solution réalisable y du problème dual, on a n c j x j j=1 m b i y i. i=1 Preuve : n j=1 c jx j n j=1 ( m i=1 a i,jy i )x j = m i=1 ( n j=1 a i,jx j )y i m i=1 b iy i
5 faible Dualité Corollaire Si x est une solution réalisable du problème primal et ȳ une solution réalisable du problème dual tel que n j=1 c j x j = m i=1 b jȳ j, alors x est optimale pour le primal et ȳ est optimale pour le dual.
6 faible Dualité Preuve : Supposons au contraire que x n est pas une solution optimale du primal. Il existe donc une solution x telle que n j=1 c j x j < n j=1 c jx j. On a alors m i=1 b jȳ j < n j=1 c jx j ce qui est contraire au théorème de dualité faible. La solution x est donc optimale. La preuve est similaire pour ȳ.
7 forte Dualité Théorème Dualité forte : Si le primal a une solution optimale x = (x 1,..., x n), alors le dual a une solution optimale y = (y 1,..., y m) telle que n c j xj = j=1 m i=1 b i y i. Idée pour la preuve : z = c B B 1 b = cx = y b On devine qu on doit avoir (y 1,..., y m) = c B B 1. On va montrer que cette solution est réalisable et optimale pour le dual.
8 Preuve dualité forte Remarque sur les coûts réduits : cx = (c c B B 1 A)x (c B c B B 1 B)x B +(c N c B B 1 N)x N (c B c B I)x B + c N x N 0x B + c N x N = (c O c B B 1 A O )x O +(c E c B B 1 A E )x E (c O c B B 1 A O )x O +(c E c B B 1 I)x E (c O c B B 1 A O )x O +( c B B 1 )x E
9 Preuve dualité forte Soit x la solution optimale du problème primal et B la base optimale. On a z = c B B 1 b + c N x N c B B 1 b +(c O c B B 1 A O )x O +( c B B 1 )x E s.c. x B = B 1 b B 1 Nx N x B, x N O Posons y = c B B 1 = c E. Les conditions d optimalités de x impliquent la duale réalisabilité de y : c E 0 y 0. c O 0 c O c B B 1 A O 0 c O y A O 0 A T O y c O De plus : y b = c B B 1 b = cx. Par le corollaire précédent, y est une solution optimale du dual.
10 Ecart de dualité Dualité faible z Dualité forte z Solutions dualréalisables Min Min Ecart de dualité Solution optimale Solutions primalréalisables Max Max
11 Utilité de la dualité forte Si on a une paire (x,y ) de solutions du primal et du dual, on peut facilement vérifier la réalisabilité de x pour le problème primal, la réalisabilité de y pour le problème dual, l égalité des deux objectifs. On a alors un certificat d optimalité pour la paire (x,y ).
12 Théorème des écarts complémentaires Théorème Si une solution x est primale réalisable et qu une solution y est duale réalisable, alors les conditions nécessaires et suffisantes à leur optimalité simultanée sont 1 ( b i n j=1 a i,jx j ) y i = 0, i = 1,..., m 2 ( m i=1 a i,jy i c j )x j = 0, j = 1,..., n Observation : A l optimalité, soit une contrainte est satisfaite à l égalité, soit sa variable duale est nulle.
13 Interpretation économique z = j c jxj = i b iyi j a i,jxj b i (yi ) et i a i,jyi c j (xj ) Si une ressource n est pas limitative du profit, sa valeur (expliquant de combien le profit augmenterait si sa capacité était augmentée) doit être nulle : n j=1 a i,jxj < b i yi = 0. yi > 0 n j=1 a i,jxj = b i. Si la valeur totale des ressources utilisées pour produire j dépasse le profit escompté, on ne produira pas j : m i=1 a i,jyi > c j xj = 0. xj > 0 m i=1 a i,jyi = c j.
14 Preuve du théorème Soit x une solution primale réalisable et y une solution duale réalisable. On a : n j=1 c jx j n j=1 ( m i=1 a i,jyi )x j = m i=1 ( n j=1 a i,jxj )y i m i=1 b iy i ( ) Supposons d abord que x et y sont optimales. Par le théorème de dualité forte, on a cx = by et on obtient l égalité partout dans la formule précédente. En particulier : n j=1 c jx j = n j=1 ( m i=1 a i,jyi )x j n j=1 ( m i=1 a i,jyi c j )xj = 0
15 Preuve du théorème n j=1 ( m i=1 a i,jy i c j )x j = 0 x est réalisable xj 0 y est réalisable m i=1 a i,jyi c j Il s ensuit que ( m i=1 a i,jyi c j )xj 0. Par conséquent, pour que la formule ci-dessus soit nulle, il faut que chaque terme de la somme soit nulle. Ainsi ( m i=1 a i,jy i c j )x j = 0, j = 1,..., n. De la même façon, on montre que ( b i ) n j=1 a i,jxj yi = 0, i = 1,..., m.
16 Preuve du théorème ( ) Supposons maintenant que ( m i=1 a i,jyi c j )xj = 0, j = 1,..., n, ( b i ) n j=1 a i,jxj yi = 0, i = 1,..., m. En sommant la première formule sur j = 1,..., n et la seconde sur i = 1,..., m, on obtient : n j=1 ( m i=1 a i,jyi c j )xj = 0, m i=1 ( n j=1 a i,jxj b i )yi = 0. Ceci implique n j=1 ( m i=1 a i,jyi )x j = n j=1 c jxj, m i=1 ( n j=1 a i,jxj )y i = m i=1 b iyi. On a alors n j=1 c jxj = m i=1 b iyi Par le théorème de dualité forte, on en déduit que x et y sont optimales.
17 Utilité des écarts complémentaires Connaissant la solution optimale x du primal, le théorème des écarts complémentaires permet de retrouver directement la solution optimale y du dual. Il permet aussi de vérifier si une solution donnée est optimale. Théorème Une solution primale réalisable x = (x1,..., x n) est optimale si, et seulement si, il existe des nombres (y1,...y m) tels que { m = i=1 a i,jyi cj pour tout j : xj > 0 (1a) c j pour tout j : xj = 0 (1b) { = 0 pour tout i : n yi j=1 a i,jxj < b i (2a) 0 pour tout i : n j=1 a i,jxj = b i (2b)
18 Utilité des écarts complémentaires En pratique : Etant donnée une solution de base réalisable x, y est la solution du système linéaire donné par les égalités (1a) et (2a). Si la base n est pas dégénérée, ce système contient m équations et m inconnues. Si ce système a une solution unique, alors x est optimale si, et seulement si, y vérifie les inégalités restantes. Si x est une solution de base dégénérée, il y a moins de m égalités pour déterminer les y i et donc plusieurs solutions duales possibles. Théorème Si la solution x est une solution primale réalisable non dégénérée, alors le système d équations (1a) et (2a) admet une et une seule solution y.
19 Relations Primal / Dual Le dual du dual est le primal. DUAL optimal irréalisable non-borné optimal possible impossible impossible PRIMAL irréalisable impossible possible possible non-borné impossible possible impossible On peut appliquer le simplex au dual au lieu du primal si le dual a moins de contraintes que le primal (cf complexité empirique du simplex).
20 Relations Primal / Dual Il n est pas nécessaire de passer en forme normale pour écrire le dual d un programme linéaire. Tableau de passage : Primal (Max) Dual (Min) Contraintes Variables 0 0 = non restreinte Variables Contraintes 0 0 non restreinte =
21 Sommaire Dualité 1 Dualité 2 3
22 Question de réalisabilité Est-ce que le système suivant est réalisable? x 1 + 3x 2 + 2x 3 + 4x 4 5 (y 1 ) 3x 1 + x 2 + 2x 3 + x 4 4 (y 2 ) 5x 1 3x 2 3x 3 3x 4 = 9 (y 3 ) x 3 0 (y 4 ) x 4 0 (y 5 ) En prenant les multiplicateurs on obtient y 1 = 1, y 2 = 3, y 3 = 2, y 4 = 2, y 5 = 1 0x 1 +0x 2 +0x 3 +0x 4 1 Toute solution devrait satisfaire cette contrainte irréalisable. On en déduit que le système est irréalisable.
23 Lemme Le système Ax b est irréalisable si, et seulement si, il existe y 0 tel que ya = 0 et yb < 0. Preuve : Considérons la paire Primal/Dual suivante Primal Max 0x s.c. Ax b Dual Min yb s.c. ya = 0 y 0 ( ) Si le primal est réalisable, alors le dual est borné inférieurement par 0 (dualité faible). Il ne peut donc pas exister de y 0 tel que ya = 0 et yb < 0.
24 ( ) Si le primal est irréalisable, alors le dual est soit non-borné, soit irréalisable. Or le dual ne peut être irréalisable puisque la solution y = 0 est une solution réalisable. Le dual est donc non-borné. Il existe ainsi ȳ 0 tel que ȳa = 0 et ȳb < 0. Un tel ȳ peut être également vu comme une direction de descente et y = αȳ reste réalisable et diminue le coût quand α tend vers l infini.
25 Autres formes du lemme de Farkas Lemme Il existe un x, solution de Ax b si, et seulement si, pour tout y 0 tel que ya = 0, on a yb 0. Théorème Théorème des alternatives : un et un seul des deux systèmes suivants est réalisable yb < 0 (P) Ax b (D) ya = 0 y 0
26 Autres formes du lemme de Farkas Lemme Le système Ax b, x 0 est irréalisable si, et seulement si, il existe y 0 tel que ya 0 et yb < 0. Théorème Théorème des alternatives : un et un seul des deux systèmes suivants est réalisable { yb < 0 Ax b (P) (D) ya 0 x 0 y 0
27 Sommaire Dualité 1 Dualité 2 3
28 Définitions Dualité Hyperplan : H = {x IR n : n j=1 a jx j = b, avec a 0} Demi-Espace fermé : D = {x IR n : n j=1 a jx j b, avec a 0} Polyèdre : (intersection de demi-espaces fermés) P = {x IR n : n j=1 a i,jx j b i, pour i = 1,..., m}
29 Définitions Dualité Convexe : C IR n est convexe si, et seulement si : x,y C,z(λ) = λx +(1 λ)y C, 0 λ 1. Combinaison convexe : x = T t=1 λ tx t avec T t=1 λ t = 1 et λ t 0 pour t = 1,...,T est une combinaison convexe des points {x t }, t = 1,...,T. Enveloppe convexe de l ensemble de points S = {x 1,...,x T } est conv(s) = {x = T t=1 λ tx t : T t=1 λ t = 1 et λ t 0, t = 1,...,T}.
30 Définitions Dualité Point extrême : x est un point extrême de l ensemble P ssi : x P et x ne peut pas être écrit comme une combinaison convexe d autres points de P. Rayon : r IR n est un rayon de P si Ar 0 et r 0. Un rayon r peut être vu comme une direction infinie sur laquelle toutes les solutions sont réalisables (polyèdre non borné). En effet, si x est réalisable (Ax b) et r est un rayon (Ar 0), on a pour tout α > 0 : A(x +αr) = Ax +αar Ax b et la solution x +αr est réalisable. Rayon extrême : r est un rayon extrême de l ensemble P ssi : r ne peut pas être écrit comme une combinaison linéaire d autres rayons de P.
31 Propriétés Dualité Si un programme linéaire a une solution optimale, alors il admet une solution optimale en un point extrême. Pour tout point extrême x, il existe un vecteur c tel que x est optimal pour max{cx : x P}. Un polyèdre borné est l enveloppe convexe de ses points extrêmes.
32 Propriétés Dualité Un déplacement le long d un rayon r de P est réalisable (voir plus haut). Si l objectif croît le long d un rayon r de P, alors le problème est non borné : si x P et r IR n est un rayon de P tel que cr > 0, alors c(x +αr) quand α. Le lemme de Farkas dit qu un problème est non-réalisable si, et seulement si, son dual a un rayon extrême le long duquel l objectif décroît.
33 Théorème Dualité Théorème Théorème de Minkowski Si P = {x 0 : Ax b} et rang(a) = n, alors P = {x = T t=1 λ tx t + S s=1 µ sr s tel que T t=1 λ t = 1, λ t 0 t, µ s 0 s}, où {x 1,...,x T } est l ensemble des points extrêmes de P et {r 1,...,r S } est l ensemble des rayons extrêmes de P.
34 Théorème Dualité Théorème Soient {x 1,...,x T } l ensemble des points extrêmes et {r 1,...,r S } l ensemble des rayons extrêmes de P = {x 0 : Ax 0}, alors pour tout c, le PL max{cx : x P} 1 est irréalisable si T = 0, 2 est non-borné si T > 0 et il existe s {1,...,S} tel que cr s > 0, 3 a une solution optimale si T > 0 et cr s 0 pour tout s {1,...,S}.
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 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 - 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 détailSouad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/
Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation
Plus en détailProgrammation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
Plus en 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 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 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 détail* très facile ** facile *** difficulté moyenne **** difficile ***** très difficile I : Incontournable T : pour travailler et mémoriser le cours
Exo7 Continuité (étude globale). Diverses fonctions Exercices de Jean-Louis Rouget. Retrouver aussi cette fiche sur www.maths-france.fr * très facile ** facile *** difficulté moyenne **** difficile *****
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 détailwww.h-k.fr/publications/objectif-agregation
«Sur C, tout est connexe!» www.h-k.fr/publications/objectif-agregation L idée de cette note est de montrer que, contrairement à ce qui se passe sur R, «sur C, tout est connexe». Cet abus de langage se
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 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 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 détailI - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES
I - PUISSANCE D UN POINT PAR RAPPORT A UN CERCLE CERCLES ORTHOGONAUX POLES ET POLAIRES Théorème - Définition Soit un cercle (O,R) et un point. Une droite passant par coupe le cercle en deux points A et
Plus en détailLa mesure de Lebesgue sur la droite réelle
Chapitre 1 La mesure de Lebesgue sur la droite réelle 1.1 Ensemble mesurable au sens de Lebesgue 1.1.1 Mesure extérieure Définition 1.1.1. Un intervalle est une partie convexe de R. L ensemble vide et
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 détailCorrigé du baccalauréat S Asie 21 juin 2010
Corrigé du baccalauréat S Asie juin 00 EXERCICE Commun à tous les candidats 4 points. Question : Le triangle GBI est : Réponse a : isocèle. Réponse b : équilatéral. Réponse c : rectangle. On a GB = + =
Plus en 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 détailIntégration et probabilités TD1 Espaces mesurés Corrigé
Intégration et probabilités TD1 Espaces mesurés Corrigé 2012-2013 1 Petites questions 1 Est-ce que l ensemble des ouverts de R est une tribu? Réponse : Non, car le complémentaire de ], 0[ n est pas ouvert.
Plus en 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 détailImage d un intervalle par une fonction continue
DOCUMENT 27 Image d un intervalle par une fonction continue La continuité d une fonction en un point est une propriété locale : une fonction est continue en un point x 0 si et seulement si sa restriction
Plus en 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 détailUne forme générale de la conjecture abc
Une forme générale de la conjecture abc Nicolas Billerey avec l aide de Manuel Pégourié-Gonnard 6 août 2009 Dans [Lan99a], M Langevin montre que la conjecture abc est équivalente à la conjecture suivante
Plus en détailFONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4)
FONCTIONS DE PLUSIEURS VARIABLES (Outils Mathématiques 4) Bernard Le Stum Université de Rennes 1 Version du 13 mars 2009 Table des matières 1 Fonctions partielles, courbes de niveau 1 2 Limites et continuité
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 détailGéométrie dans l espace Produit scalaire et équations
Chapitre 11. 2ème partie Géométrie dans l espace Produit scalaire et équations Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES 2ème partie Produit scalaire Produit scalaire
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 détailFonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre
IUFM du Limousin 2009-10 PLC1 Mathématiques S. Vinatier Rappels de cours Fonctions de plusieurs variables, intégrales multiples, et intégrales dépendant d un paramètre 1 Fonctions de plusieurs variables
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 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 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 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 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 détailPrincipe de symétrisation pour la construction d un test adaptatif
Principe de symétrisation pour la construction d un test adaptatif Cécile Durot 1 & Yves Rozenholc 2 1 UFR SEGMI, Université Paris Ouest Nanterre La Défense, France, cecile.durot@gmail.com 2 Université
Plus en détailChapitre 3. Mesures stationnaires. et théorèmes de convergence
Chapitre 3 Mesures stationnaires et théorèmes de convergence Christiane Cocozza-Thivent, Université de Marne-la-Vallée p.1 I. Mesures stationnaires Christiane Cocozza-Thivent, Université de Marne-la-Vallée
Plus en détailSuites numériques 3. 1 Convergence et limite d une suite
Suites numériques 3 1 Convergence et limite d une suite Nous savons que les termes de certaines suites s approchent de plus en plus d une certaine valeur quand n augmente : par exemple, les nombres u n
Plus en détailF411 - Courbes Paramétrées, Polaires
1/43 Courbes Paramétrées Courbes polaires Longueur d un arc, Courbure F411 - Courbes Paramétrées, Polaires Michel Fournié michel.fournie@iut-tlse3.fr http://www.math.univ-toulouse.fr/ fournie/ Année 2012/2013
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 détail8.1 Généralités sur les fonctions de plusieurs variables réelles. f : R 2 R (x, y) 1 x 2 y 2
Chapitre 8 Fonctions de plusieurs variables 8.1 Généralités sur les fonctions de plusieurs variables réelles Définition. Une fonction réelle de n variables réelles est une application d une partie de R
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 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 détailSéminaire TEST. 1 Présentation du sujet. October 18th, 2013
Séminaire ES Andrés SÁNCHEZ PÉREZ October 8th, 03 Présentation du sujet Le problème de régression non-paramétrique se pose de la façon suivante : Supposons que l on dispose de n couples indépendantes de
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 détailPour l épreuve d algèbre, les calculatrices sont interdites.
Les pages qui suivent comportent, à titre d exemples, les questions d algèbre depuis juillet 003 jusqu à juillet 015, avec leurs solutions. Pour l épreuve d algèbre, les calculatrices sont interdites.
Plus en détailProbabilités sur un univers fini
[http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur
Plus en 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 détailRésolution de systèmes linéaires par des méthodes directes
Résolution de systèmes linéaires par des méthodes directes J. Erhel Janvier 2014 1 Inverse d une matrice carrée et systèmes linéaires Ce paragraphe a pour objet les matrices carrées et les systèmes linéaires.
Plus en 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 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 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 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 détailIntroduction. aux équations différentielles. et aux dérivées partielles
Université Claude Bernard, Lyon I Licence Sciences, Technologies & Santé 43, boulevard 11 novembre 1918 Spécialité Mathématiques 69622 Villeurbanne cedex, France L. Pujo-Menjouet pujo@math.univ-lyon1.fr
Plus en détailChp. 4. Minimisation d une fonction d une variable
Chp. 4. Minimisation d une fonction d une variable Avertissement! Dans tout ce chapître, I désigne un intervalle de IR. 4.1 Fonctions convexes d une variable Définition 9 Une fonction ϕ, partout définie
Plus en détailDUT Techniques de commercialisation Mathématiques et statistiques appliquées
DUT Techniques de commercialisation Mathématiques et statistiques appliquées Francois.Kauffmann@unicaen.fr Université de Caen Basse-Normandie 3 novembre 2014 Francois.Kauffmann@unicaen.fr UCBN MathStat
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 détailLicence de Mathématiques 3
Faculté des sciences et techniques Département de mathématiques 2004-2005 Licence de Mathématiques 3 M62 : Fonctions réelles de plusieurs variables Laurent Guillopé www.math.sciences.univ-nantes.fr/~guillope/m62/
Plus en détailRupture et plasticité
Rupture et plasticité Département de Mécanique, Ecole Polytechnique, 2009 2010 Département de Mécanique, Ecole Polytechnique, 2009 2010 25 novembre 2009 1 / 44 Rupture et plasticité : plan du cours Comportements
Plus en détailIntégration et probabilités TD1 Espaces mesurés
Intégration et probabilités TD1 Espaces mesurés 2012-2013 1 Petites questions 1) Est-ce que l ensemble des ouverts de R est une tribu? 2) Si F et G sont deux tribus, est-ce que F G est toujours une tribu?
Plus en détailSur certaines séries entières particulières
ACTA ARITHMETICA XCII. 2) Sur certaines séries entières particulières par Hubert Delange Orsay). Introduction. Dans un exposé à la Conférence Internationale de Théorie des Nombres organisée à Zakopane
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 détailQuelques tests de primalité
Quelques tests de primalité J.-M. Couveignes (merci à T. Ezome et R. Lercier) Institut de Mathématiques de Bordeaux & INRIA Bordeaux Sud-Ouest Jean-Marc.Couveignes@u-bordeaux.fr École de printemps C2 Mars
Plus en détailUne introduction aux codes correcteurs quantiques
Une introduction aux codes correcteurs quantiques Jean-Pierre Tillich INRIA Rocquencourt, équipe-projet SECRET 20 mars 2008 1/38 De quoi est-il question ici? Code quantique : il est possible de corriger
Plus en détailCoefficients binomiaux
Probabilités L2 Exercices Chapitre 2 Coefficients binomiaux 1 ( ) On appelle chemin une suite de segments de longueur 1, dirigés soit vers le haut, soit vers la droite 1 Dénombrer tous les chemins allant
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 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 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 détailCalcul fonctionnel holomorphe dans les algèbres de Banach
Chapitre 7 Calcul fonctionnel holomorphe dans les algèbres de Banach L objet de ce chapitre est de définir un calcul fonctionnel holomorphe qui prolonge le calcul fonctionnel polynômial et qui respecte
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 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 détailThéorèmes de Point Fixe et Applications 1
Théorèmes de Point Fixe et Applications 1 Victor Ginsburgh Université Libre de Bruxelles et CORE, Louvain-la-Neuve Janvier 1999 Published in C. Jessua, C. Labrousse et D. Vitry, eds., Dictionnaire des
Plus en détailLE PRODUIT SCALAIRE ( En première S )
LE PRODUIT SCALAIRE ( En première S ) Dernière mise à jour : Jeudi 4 Janvier 007 Vincent OBATON, Enseignant au lycée Stendhal de Grenoble ( Année 006-007 ) 1 Table des matières 1 Grille d autoévaluation
Plus en détailProgrammation linéaire
CHAPTER 1 Programmation linéaire 1.1. Qu'est-ce que la programmation linéaire 1.1.1. Exemple: le problème du régime de Polly [1, p.3]. Besoins journaliers: Énergie: 2000 kcal Protéines: 55g Calcium: 800
Plus en détailCorrection du Baccalauréat S Amérique du Nord mai 2007
Correction du Baccalauréat S Amérique du Nord mai 7 EXERCICE points. Le plan (P) a une pour équation cartésienne : x+y z+ =. Les coordonnées de H vérifient cette équation donc H appartient à (P) et A n
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 détailExercice 1 Trouver l équation du plan tangent pour chaque surface ci-dessous, au point (x 0,y 0,z 0 ) donné :
Enoncés : Stephan de Bièvre Corrections : Johannes Huebschmann Exo7 Plans tangents à un graphe, différentiabilité Exercice 1 Trouver l équation du plan tangent pour chaque surface ci-dessous, au point
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 détailContinuité en un point
DOCUMENT 4 Continuité en un point En général, D f désigne l ensemble de définition de la fonction f et on supposera toujours que cet ensemble est inclus dans R. Toutes les fonctions considérées sont à
Plus en détail6 Equations du première ordre
6 Equations u première orre 6.1 Equations linéaires Consiérons l équation a k (x) k u = b(x), (6.1) où a 1,...,a n,b sont es fonctions continûment ifférentiables sur R. Soit D un ouvert e R et u : D R
Plus en détailMoments des variables aléatoires réelles
Chapter 6 Moments des variables aléatoires réelles Sommaire 6.1 Espérance des variables aléatoires réelles................................ 46 6.1.1 Définition et calcul........................................
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 détailUNIVERSITE IBN ZOHR Faculté des sciences Agadir. Filière SMA & SMI. Semestre 1. Module : Algèbre 1
UNIVERSITE IBN ZOHR Faculté des sciences Agadir Filière SMA & SMI Semestre 1 Module : Algèbre 1 Année universitaire : 011-01 A. Redouani & E. Elqorachi 1 Contenu du Module : Chapitre 1 : Introduction Logique
Plus en détailPlan. 5 Actualisation. 7 Investissement. 2 Calcul du taux d intérêt 3 Taux équivalent 4 Placement à versements fixes.
Plan Intérêts 1 Intérêts 2 3 4 5 6 7 Retour au menu général Intérêts On place un capital C 0 à intérêts simples de t% par an : chaque année une somme fixe s ajoute au capital ; cette somme est calculée
Plus en détailAnalyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe
Analyse fonctionnelle Théorie des représentations du groupe quantique compact libre O(n) Teodor Banica Résumé - On trouve, pour chaque n 2, la classe des n n groupes quantiques compacts qui ont la théorie
Plus en détailQu est-ce qu une probabilité?
Chapitre 1 Qu est-ce qu une probabilité? 1 Modéliser une expérience dont on ne peut prédire le résultat 1.1 Ensemble fondamental d une expérience aléatoire Une expérience aléatoire est une expérience dont
Plus en détailChapitre 11. Séries de Fourier. Nous supposons connues les formules donnant les coefficients de Fourier d une fonction 2 - périodique :
Chapitre Chapitre. Séries de Fourier Nous supposons connues les formules donnant les coefficients de Fourier d une fonction - périodique : c c a0 f x dx c an f xcosnxdx c c bn f xsinn x dx c L objet de
Plus en détailTempérature corporelle d un castor (une petite introduction aux séries temporelles)
Température corporelle d un castor (une petite introduction aux séries temporelles) GMMA 106 GMMA 106 2014 2015 1 / 32 Cas d étude Temperature (C) 37.0 37.5 38.0 0 20 40 60 80 100 Figure 1: Temperature
Plus en détailCalcul différentiel. Chapitre 1. 1.1 Différentiabilité
Chapitre 1 Calcul différentiel L idée du calcul différentiel est d approcher au voisinage d un point une fonction f par une fonction plus simple (ou d approcher localement le graphe de f par un espace
Plus en détailVision industrielle et télédétection - Détection d ellipses. Guillaume Martinez 17 décembre 2007
Vision industrielle et télédétection - Détection d ellipses Guillaume Martinez 17 décembre 2007 1 Table des matières 1 Le projet 3 1.1 Objectif................................ 3 1.2 Les choix techniques.........................
Plus en détailChapitre 2. Matrices
Département de mathématiques et informatique L1S1, module A ou B Chapitre 2 Matrices Emmanuel Royer emmanuelroyer@mathuniv-bpclermontfr Ce texte mis gratuitement à votre disposition a été rédigé grâce
Plus en détailModèles et Méthodes de Réservation
Modèles et Méthodes de Réservation Petit Cours donné à l Université de Strasbourg en Mai 2003 par Klaus D Schmidt Lehrstuhl für Versicherungsmathematik Technische Universität Dresden D 01062 Dresden E
Plus en détailTexte Agrégation limitée par diffusion interne
Page n 1. Texte Agrégation limitée par diffusion interne 1 Le phénomène observé Un fût de déchets radioactifs est enterré secrètement dans le Cantal. Au bout de quelques années, il devient poreux et laisse
Plus en détailBaccalauréat S Antilles-Guyane 11 septembre 2014 Corrigé
Baccalauréat S ntilles-guyane 11 septembre 14 Corrigé EXERCICE 1 6 points Commun à tous les candidats Une entreprise de jouets en peluche souhaite commercialiser un nouveau produit et à cette fin, effectue
Plus en détailchapitre 4 Nombres de Catalan
chapitre 4 Nombres de Catalan I Dénitions Dénition 1 La suite de Catalan (C n ) n est la suite dénie par C 0 = 1 et, pour tout n N, C n+1 = C k C n k. Exemple 2 On trouve rapidement C 0 = 1, C 1 = 1, C
Plus en détailThéorie des Graphes Cours 3: Forêts et Arbres II / Modélisation
IFIPS S7 - informatique Université Paris-Sud 11 1er semestre 2009/2010 Théorie des Graphes Cours 3: Forêts et Arbres II / 1 Forêts et arbres II Théorème 1.1. Les assertions suivantes sont équivalentes
Plus en détailExercice 3 (5 points) A(x) = 1-e -0039' -0 156e- 0,039x A '() -'-,..--,-,--,------:-- X = (l_e-0,039x)2
Les parties A et B sont indépendantes. Partie A Exercice 3 (5 points) Commun à tous les candidats On considère la fonction A définie sur l'intervalle [1 ; + 00 [ par A(x) = 1-e -0039' ' x 1. Calculer la
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 détailBien lire l énoncé 2 fois avant de continuer - Méthodes et/ou Explications Réponses. Antécédents d un nombre par une fonction
Antécédents d un nombre par une fonction 1) Par lecture graphique Méthode / Explications : Pour déterminer le ou les antécédents d un nombre a donné, on trace la droite (d) d équation. On lit les abscisses
Plus en détailNotes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables
Notes du cours MTH1101 Calcul I Partie II: fonctions de plusieurs variables Guy Desaulniers Département de mathématiques et de génie industriel École Polytechnique de Montréal Automne 2014 Table des matières
Plus en détail