Cours 02 : Problème général de la programmation linéaire
|
|
- Laure Sergerie
- il y a 4 ans
- Total affichages :
Transcription
1 Cours 02 : Problème général de la programmation linéaire Cours 02 : Problème général de la Programmation Linéaire. 5
2 . Introduction Un programme linéaire s'écrit sous la forme suivante. MinZ(ou maxw) = c x + c 2 x c n x n sous les contraintes ou conditions : p équations a x + a 2 x a n x n = d a 2 x + a 22 x a 2n x n = d 2. a p x + a p2 x a pn x n = d p et (m-p) inéquations a p+ x + a p+2 x a p+n x n d p+ a m x + a m2 x a mn x n d m x j 0 (variables réalisables), j =, 2,, q x j (variables quelconques), j > q. On peut écrire ce système sous une autre forme condensée. (I) n MinZ(ou MaxW) = c i x i i= n aijx j = di (i =,..., p) j= n airx r dr (r = p +,..., m) i= x j 0, j =,...,q x j, j = q +,..., n a ij, d i, c j étant des données numériques réelles. On adoptera les notations suivantes. M = {,, m}ensemble des indices de contraintes et N = {,, n} ensemble des indices de variables. M M un sous ensemble de M, N N un sous ensemble de N, A = (a ij ) mxn une matrice m x n, i M, j N. a j la j ième colonne de A, un vecteur colonne. α i la ième ligne de A, un vecteur ligne. X un vecteur colonne à n composantes, x, x 2,, x n C un vecteur colonne à n composantes, c, c 2,, c n D un vecteur colonne à m composantes, d, d 2,, d m Cours 02 : Problème général de la Programmation Linéaire. 6
3 A est appelée matrice technologique D vecteur de demande, C vecteur de prix et X vecteur des inconnues. Le problème (I) s'écrit aussi : Min Z (ou Max W) = C X ( le produit scalaire) (I) 2. Formulations des programmes linéaires αi x = di i M αi x di i M M x j 0, j N x j, j N N Nous considérons et il existe trois formulations du programme linéaire avec la condition de non-négativité (ou de positivité ou de réalisabilité) de l'ensemble des variables x 0, x 2 0,, x n 0. La première forme est la " forme standard ": MinZ = C. X A.X = d X 0. La seconde est la " forme canonique " : MinZ = C. X A.X d X 0. La troisième forme est " mixte " : MinZ = C. X α i.x d i i M α i.x = d i i M - M X 0. On peut ramener les formes générales et mixtes à la forme standard ou à la forme canonique et on peut passer de la forme standard à la forme canonique et vice-versa par des opérations élémentaires. ère opération : min f(x) = - max (-f(x)). 2 nd opération: on peut remplacer chaque variable par une différence de variables positives. x j = x j ' - x j " où x j ' 0 et x j " 0. 3 ième opération: chaque équation a i x + a i2 x a in x n = d i peut être remplacée par les inéquations : a i x + a i2 x a in x n d i a i x + a i2 x a in x n d i ou par les inéquations équivalentes: Cours 02 : Problème général de la Programmation Linéaire. 7
4 a i x + a i2 x a in x n d i - a i x - a i2 x a in x n - d i 4 ième opération: Toute inéquation a i x + a i2 x a in x n d i (ou a i x + a i2 x a in x n d i ) peut être remplacée par les équations : a i x + a i2 x a in x n + x n+i = d i, avec x n+i 0 (ou a i x + a i2 x a in x n - x n+i = d i, avec x n+i 0) x n+i est appelée une variable d'écart qu'on peut introduire dans le problème et qui est affecté d'un coefficient nul dans la fonction à optimiser. Les x i sont appelées des " variables structurelles ". Résumé : De la forme générale, on peut passer à la forme mixte en procédant par les opération et 2. De la forme mixte et standard à la forme canonique, on procède par l'opération 3. De la forme mixte et canonique à la forme standard, on procède par l'opération Quelques notions de la programmation linéaire Définitions :. La fonction à optimiser Z est appelée " fonction objectif " (sous entend fonction dont l'objectif) ou " fonction économique ". 2. On appelle solution réalisable (ou possible), tout vecteur X satisfaisant à toute les contraintes du problème y compris celle de la non-négativité. 3. On appelle solution optimale une solution réalisable finie (toutes les composantes sont finies) rendant optimale la fonction objectif. 4. Deux problèmes linéaires PL et PL2 sont équivalents si pour chaque solution X de PL on trouvera par une certaine règle une solution correspondante Y de PL2 et réciproquement. Théorème fondamental de la programmation linéaire Soit le problème sous forme standard min z = cx ( P) Ax = d où A : m x n avec m < n. x 0 Le rang de la matrice A, r(a) = m < n. Le problème a une infinité de solutions. Il existe au moins un ensemble de " m " vecteurs (a j ) i=,,m linéairement indépendants. Cours 02 : Problème général de la Programmation Linéaire. 8
5 Définitions 2 :. On appelle base du système ou base du problème (P), tout ensemble de " m " vecteurs (a j ) i=,,m linéairement indépendants. Les vecteurs d'une base constituent une sous matrice de A régulière d'ordre " m " et inversement. 2. Les " m " variables associées aux vecteurs de base sont appelées variables de base. Elles constituent un vecteur X B à m composantes. Les autres variables sont dites hors bases et constituent un vecteur X HB complémentaire de X B dans X. On adoptera les notations suivantes. I ensemble des indices des vecteurs (ou variables) de base. J ensemble des indices des vecteurs (ou variables) hors base. J = N - I. A B = (a i ) i I (matrice formée par " m " vecteurs de base) A HB = (a j ) j J (matrice formée par " n- m " vecteurs hors base) C B = (c i ) i I (coefficients associés aux " m " vecteurs de base) C HB = (c j ) j J (coefficients associés aux " n- m " vecteurs hors base) Le problème linéaire peut s'écrire : (P') min z = cbxb + chbx HB ABxB + AHBx HB = d xb 0, x HB 0 En annulant les variables hors bases dans (P'), on obtient un système " Cramérien " A B X B = d possédant la solution unique xb = AB. d. 3. La solution X = (x B = A B -. d, x HB = 0) est appelée solution de base du problème. 4. Une solution de base est réalisable si x B = A B -. d Une solution de base est dite " dégénérée " si certaines composantes de x B sont nulles. Le vecteur x B ou X a moins de " m " composantes positives. 6. Une solution optimale de base du problème est une solution de base réalisable qui rend minimale la fonction objectif. Exemple : Déterminons des solutions de base du système 2 x + x2 + 2 x3-2 x 4 4 x + 3 x2 + 5 x3-6 x 4 = 4 = 0 Si on prend a = 2, a2 =, le déterminant formé par ces deux vecteurs 4 3 Cours 02 : Problème général de la Programmation Linéaire. 9
6 a a 2 = 2 qui est différent de 0. a et a 2 forment alors une base. 2 A B = (a, a 2 ) = 4 X B = (x, x 2 ), X HB = (x 3, x 4 ). 2 2, A HB = (a 3, a 4 ) = Le système peut s'écrire aussi A B X B + A HB X HB = d. 2 Posons X HB = (0, 0), le système deviendra : 4 x 3 x 2 4 x = 0 x 2 x = (, 2, 0, 0) est une solution de base réalisable non dégénérée car le rang de la matrice A est égale à deux. 2 Si on choisit A B = (a, a 3 ) = 4 2, A B X B = d x B = (x, x 3 ) = (0, 2). 5 =. 2 La nouvelle solution x = (0, 0, 2, 0) relative à la nouvelle base est de base réalisable dégénérée. 2 Si on choisit A B = (a, a 4 ) = 4 2, A B X B = d x B = (x, x 4 ) = (, -). 6 La solution x = (, 0, 0, -) est de base non réalisable et non dégénérée. 4. Détermination d'une solution de base par la méthode de pivotage de Gauss. Soit un système d'équations de la forme A. x = d, équivalent au système suivant. ax a2x... a kx... a mx ar xr +... a2r xr x r a mrx r +... an xn a2n x n... a knx n... a mnx n = d = d2 =... = dk. =... = dm Supposons que 0. Divisons la kième équation par qui devient : a k a x... x... kn + + r + + x n d = k Pour éliminer x r de la ième équation, il suffit de multiplier l'équation () par (-a ir ) et ajouter à la ième équation. On obtiendra : a a d ( a k a )x... (a kn a )x d k i ir + + in ir n = i air () Cours 02 : Problème général de la Programmation Linéaire. 20
7 (S) a' x a2x... a' k x... a' m x ar xr + ar + xr x r ar xr + ar + x r a' n xn a2n xn... a' kn x n... a mnx n = d' = d2 =... = d' k. =... = d' m a kj avec a' ij = a ij - a ir, i =,.., m, i k. a' kj = d' i = d i - a kj a ir, j =,.., n. d k air, i =,.., m, i k. d' k = d k air. dkr Ces relations sont les formules d'élimination de Gauss. est appelé " pivot ". La ligne " k " est appelée ligne pivot. Si le rang de la matrice A, r(a) est égale au rang de la matrice augmentée r(a,d), nous pouvons résoudre le système par rapport aux " m " variables ( x,, x m ). Le système devient. x cm + xm cn xn = b x c2m + xm c2n xn = b2... xm + cmm+ xm cmnxn = bm x= (b, b 2,, b m, 0, 0,, 0) est une solution de base. Remarque 2 : soit un PL Supposons que rg(a) = rg(a, d) = r < n. min z = cx ( P) Ax = d où A : m x n avec m < n. x 0. rg(a) = r veut dire qu'il existe une base a α, a α2,, a αr de l'ensemble des vecteurs colonnes de A et chaque vecteur a j (j ) peut être exprimé en leur fonction. Soit, r a j = λi a αi. i= Cours 02 : Problème général de la Programmation Linéaire. 2
8 Si en substituant " a j " à " a αj " avec λ i 0, nous montrons facilement que (a α, a α2,, a αi-, a j, a αi+,, a αr ) est une nouvelle base( A faire par les étudiants!). 2. si r(a) = r alors " m - r " équations de (2) sont redondantes. En supprimant ces équations, on obtient le système équivalent A. X = d. 3. chaque ensemble de " r " vecteurs linéairement indépendants forment une base. Donc, le nombre maximal de solutions de base est le nombre maximale de sousmatrices carrés d'ordre " r " que l'on peut extraire de A, égal à C r n n! =. r!(n r)! 5. Enoncé du Théorème fondamental de la programmation linéaire. Etant donné un problème de la programmation linéaire sous formestandard. a. s'il possède une solution réalisable finie, il possède une solution de base réalisable. b. s'il admet une solution optimale finie, il admet au moins une solution optimale de base réalisable. Preuve: a. supposons x une solution réalisable avec " k " composantes finies. Sans perte de généralité, on peut supposer que les " k " composantes positives soient les premières (quitte à faire un changement dans la numérotation des composantes et obtenir les k premières composantes positives). x = (x, x 2,, x k, 0,,0) Le problème est min z = cx ( P) Ax = d. x 0 Soit A = (a, a 2,, a k ) la matrice formée par les " k " premières colonnes de A. Par hypothèse : x a + x 2 a x k a k = d. Deux cas sont possibles. Cas. Soit rg(a ) = k alors forcément k m. Rg(A) = m se traduit par l'existence d'une base de A formée des vecteurs a α, a α2,, a αm. Chaque a j (j =,,k) s'expriment en fonctions des (a αi ) i =,,m dans laquelle un coefficient au moins est non nul. m D'où a = λi a αi ( λ 0 par exemple). (a, a α2,, a αm ) constituent une nouvelle i= base de m m '. a 2 = µ a + λ ia αi ( avec au moins un λ' i 0 (i = 2,,m). i= 2 Cours 02 : Problème général de la Programmation Linéaire. 22
9 a et a 2 sont linéairement indépendants si λ' 2 0. (a, a 2, a α3,, a αm ) constituent une seconde nouvelle base de m. Et ainsi de suite le même processus peut être répété jusqu'à ce que les vecteurs a, a 2,, a k sont devenus les vecteurs de base. Dans ce cas, x = (x, x 2,, x k, 0,,0) est une solution de base réalisable par définition. Cette solution est dégénérée si k < m et non dégénérée si k = m. Cas 2. Rg(A ) = k > m. Le vecteurs a, a 2,, a k sont linéairement dépendants. Dans m, plus de " m " vecteurs sont Linéairement Dépendants. k D'où j, j =,, k / λ j 0 et λia j = 0. j= Par hypothèse, x a + x 2 a x k a k = d () λ a + λ 2 a λ k a k = 0. Multiplions par α > 0 cette équation et retranchant là de l'équation (). On obtient : (x - λ α)a + (x 2 - λ 2 α)a (x k - λ k α)a k = d. Le vecteur (x - λ α, x 2 - λ 2 α,, x k - λ k α, 0, 0,, 0) est une solution réalisable si x i - λ i α 0, i =,, k. Choisissons " α " de tel sorte. Evidemment si λ i 0. Le choix sera α, tel que : α Déterminons α = x r λr x i λi x = min i, λi λi si λ i 0 et α > 0. x i λ si λ i 0. i x (x - λ r λ, x x 2 - λ r 2 r λ,, x x k - λ r k, 0, 0,, 0) est une nouvelle solution r λ r réalisable ne comportant au plus que (k-) composantes positives. Si les vecteurs associés à ces valeurs sont linéairement dépendants, on répète l'opération. Après un nombre " p " d'opérations ( ou inférieur à p), on obtient " k - p " vecteurs Linéairement Indépendants, L.I, ce qui ramène au cas. On a une solution dégénérée si k - p < m et non dégénérée si k - p = m. Preuve du b. Faire une même preuve pour une solution optimale sauf qu'il faut trouver des conditions pour que la valeur de la fonction objectif ne diminue pas. Remarque 3 : Le problème de la programmation linéaire est résolu par le théorème fondamental de la PL. En effet, le nombre de base et de solutions de base est fini Cours 02 : Problème général de la Programmation Linéaire. 23
10 n! ( C m n = ) et on calcule les valeurs de la fonction Z correspondants à ces m!(n m)! solutions de base et choisir la valeur minimale. Corollaire : Une condition nécessaire et suffisante pour qu'une solution réalisable soit une solution de base réalisable est que les vecteurs associés aux variables non nulles soient L.I. Exemple 2: soit le système et soit x = (3, 2, ) une solution réalisable. 2 x + x2 + 4 x3 = 2 x + 2 x2 + 3 x3 = 0 A partir de x, déterminons une solution de base réalisable. 2 4 a =, a2 = et a3 = sont L.D Si on prend a =, a2 =, le déterminant formé par ces deux vecteurs 4 3 k j, j =,2,3 / λ j 0 et λi a j = 0, soit : λ a + λ 2 a 2 +λ 3 a 3 = 0. j= 2λ + λ2 + 4λ3 λ a + λ 2 a 2 +λ 3 a 3 = 0 =. λ + 2λ2 + 3λ3 0 Si λ =, le système devient : ce qui donne que λ 2 = 2/5 et λ 3 = - 3/5. Prenons α = x min i, λi λi λ2 + 4 λ3 = 2, 2 λ2 + 3 λ3 = 3 2 > 0 = min, = x Y = (x - λ r λ, x x 2 - λ r 2 r λ, x x 3 - λ r 3 ) = ( 0, 4/5, 4/5) est une nouvelle solution de r λ r base réalisable. Cours 02 : Problème général de la Programmation Linéaire. 24
11 Remarque 4 : si un λ i < 0, on peut choisir α = x max i, λi λi T = (x - λ, x2 - λ 2, x3 - λ 3 ) = (3 -, < 0 = = , ) 3 T = ( 4/3, 8/3, 0) est une seconde solution de base réalisable... Cours 02 : Problème général de la Programmation Linéaire. 25
12 Cours 02 : Problème général de la Programmation Linéaire. 26
1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3
Chapitre 5 Systèmes linéaires 1 Généralités sur les systèmes linéaires 2 11 Définitions 2 12 Opérations élémentaires 2 13 Systèmes échelonnés et triangulaires 3 2 Résolution des systèmes linéaires 3 21
Programmation Linéaire - Cours 2
Programmation Linéaire - Cours 2 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Sommaire 1 2 3 Retournons dans le yaourt! Reprenons l exemple du 1er cours Forme normale
Optimisation linéaire
Optimisation linéaire Recherche opérationnelle GC-SIE Algorithme du simplexe Phase I 1 Introduction Algorithme du simplexe : Soit x 0 une solution de base admissible Comment déterminer x 0? Comment déterminer
Cours de mathématiques - Alternance Gea
Cours de mathématiques - Alternance Gea Anne Fredet 11 décembre 005 1 Calcul matriciel Une matrice n m est un tableau de nombres à n lignes( et m colonnes. 1 0 Par exemple, avec n = et m =, on peut considérer
La notion de dualité
La notion de dualité Dual d un PL sous forme standard Un programme linéaire est caractérisé par le tableau simplexe [ ] A b. c Par définition, le problème dual est obtenu en transposant ce tableau. [ A
Applications linéaires
Applications linéaires I) Applications linéaires - Généralités 1.1) Introduction L'idée d'application linéaire est intimement liée à celle d'espace vectoriel. Elle traduit la stabilité par combinaison
Chapitre 1 : Programmation linéaire
Graphes et RO TELECOM Nancy 2A Chapitre 1 : Programmation linéaire J.-F. Scheid 1 I. Introduction 1) Modélisation En Recherche Opérationnelle (RO), modéliser un problème consiste à identifier: les variables
Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées.
Chapitre 10 Calcul Matriciel 101 Qu est-ce qu une matrice? Définition : Soit K un ensemble de nombres exemples, K = N, Z, Q, R, C, n, p N On appelle matrice à n lignes et p colonnes la données de np nombres
Solutions optimales multiples. 3D.1 Unicité de la solution optimale du modèle (FRB)
3D Solutions optimales multiples 3D.1 Unicité de la solution optimale du modèle (FRB) Le modèle (FRB) admet une solution optimale unique. En effet (voir page 182), l'algorithme du simplexe se termine par
Cours de mathématiques : Equation du second degré
Cours de mathématiques : Equation du second degré I ) Formes de l'équation du second degré. L'équation du deuxiéme degré à une inconnue est celle où l'inconnue est élévé à la puissance de 2, sans y etre
2. MATRICES ET APPLICATIONS LINÉAIRES
2. MATRICES ET APPLICATIONS LINÉAIRES 2.1 Définition Une matrice n m est un tableau rectangulaire de nombres (réels en général) à n lignes et m colonnes ; n et m sont les dimensions de la matrice. Notation.
Cours Diagonalisation
Cours Diagonalisation par Pierre Veuillez 1 Objectif Pour une matrice A donnée, déterminer une matrice D diagonale et une matrice P inversible telle que A = P D P 1. Interprètation : Quelle relation reconnaît-on?
Programmation linéaire
Programmation linéaire DIDIER MAQUIN Ecole Nationale Supérieure d Electricité et de Mécanique Institut National Polytechnique de Lorraine Mathématiques discrètes cours de 2ème année Programmation linéaire
LES ÉTAPES DE L ALGORITHME DU SIMPLEXE
LES ÉTAPES DE L ALGORITHME DU SIMPLEXE Sommaire 1. Introduction... 1 2. Variables d écart et d excédent... 2 3. Variables de base et variables hors base... 2 4. Solutions admissibles... 3 5. Résolution
Équations et inéquations du 1 er degré
Équations et inéquations du 1 er degré I. Équation 1/ Vocabulaire (rappels) Un équation se présente sous la forme d'une égalité constituée de nombres, de lettres et de symboles mathématiques. Par exemple
Résolution de systèmes linéaires : Méthodes directes. Polytech Paris-UPMC. - p. 1/51
Résolution de systèmes linéaires : Méthodes directes Polytech Paris-UPMC - p. /5 Rappels mathématiques s Propriétés - p. 2/5 Rappels mathématiques Soit à résoudre le système linéaire Ax = b. Rappels mathématiques
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
1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre
1 Fiche méthodologique Passage d un mode de représentation d un sev à l autre BCPST Lycée Hoche $\ CC BY: Pelletier Sylvain Les deux modes de représentation des sous-espaces vectoriels Il existe deux modes
C) Fiche : Espaces vectoriels.
C) Fiche : Espaces vectoriels. 1) Définition d'un espace vectoriel. K= I ou est le corps des scalaires. E est un K-espace I vectoriel si et seulement si : C'est un ensemble non vide muni de deux opérations,
Ax = b iff (B + N) x N
Chapitre 3 Algorithme du simplexe 3.1 Solution de base admissible P en forme standard. A = (a 1,...,a n ) Hypothèse : n m (plus de variables que d équations) et rg(a)=m (pas d équation inutile). Donc après
Chapitre 4 : Dualité en programmation linéaire
Graphes et RO TELECOM Nancy 2A Chapitre 4 : Dualité en programmation linéaire J.-F. Scheid 1 Plan du chapitre 1 Introduction et définitions 2 Propriétés et Théorèmes de dualité 3 Conditions d optimalité
Calcul 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
Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Recherche Opérationnelle 1A Programmation Linéaire Résolution d un Programme Linéaire Introduction
Recherche Opérationnelle 1A Programmation Linéaire Résolution d un Programme Linéaire Introduction Zoltán Szigeti Ensimag April 4, 2015 Z. Szigeti (Ensimag) RO 1A April 4, 2015 1 / 16 Forme Générale Définition
L2 MIEE 2012-2013 VAR Université de Rennes 1
. Sous-ensembles de R n et fonctions (suite) 1 Nappes paramétrées Si f une fonction de deux variables, son graphe est une surface incluse dans R 3 : {(x, y, f(x, y)) / (x, y) R 2 }. Une telle surface s
Optimisation Discrète
Prof F Eisenbrand EPFL - DISOPT Optimisation Discrète Adrian Bock Semestre de printemps 2011 Série 7 7 avril 2011 Exercice 1 i Considérer le programme linéaire max{c T x : Ax b} avec c R n, A R m n et
Cours fonctions, expressions algébriques
I. Expressions algébriques, équations a) Développement factorisation Développer Développer un produit, c est l écrire sous forme d une somme. Réduire une somme, c est l écrire avec le moins de termes possibles.
Second degré : Résumé de cours et méthodes
Second degré : Résumé de cours et méthodes 1 Définitions : DÉFINITIN n appelle trinôme du second degré toute fonction f définie sur R par f () = a + b + c (a,b et c réels avec a 0). Remarque : Par abus
Projet CLANU en 3GE: Compléments d algèbre linéaire numérique
Projet CLANU en 3GE: Compléments d algèbre linéaire numérique Année 2008/2009 1 Décomposition QR On rappelle que la multiplication avec une matrice unitaire Q C n n (c est-à-dire Q 1 = Q = Q T ) ne change
Chapitre IV Bases et dimension d un espace vectoriel
Chapitre IV Bases et dimension d un espace vectoriel Objectif : Nous allons voir comment fabriquer des systèmes de coordonnées pour les vecteurs d un espace vectoriel général. Dans ce chapitre désigne
Fonctions de référence Variation des fonctions associées
DERNIÈRE IMPRESSION LE 9 juin 05 à 8:33 Fonctions de référence Variation des fonctions associées Table des matières Fonction numérique. Définition.................................. Ensemble de définition...........................3
Le problème des multiplications matricielles enchaînées peut être énoncé comme suit : étant
Licence informatique - L Année 0/0 Conception d algorithmes et applications (LI) COURS Résumé. Dans cette cinquième séance, nous continuons l exploration des algorithmes de type Programmation Dynamique.
Oscillations 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
Espaces vectoriels et applications
Espaces vectoriels et applications linéaires 1 Définitions On parle d espaces vectoriels sur le corps R ou sur le corps C. Les définitions sont les mêmes en substituant R à C ou vice versa. Définition
Suites 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
À propos des matrices échelonnées
À propos des matrices échelonnées Antoine Ducros appendice au cours de Géométrie affine et euclidienne dispensé à l Université Paris 6 Année universitaire 2011-2012 Introduction Soit k un corps, soit E
Théorie et codage de l information
Théorie et codage de l information Les codes linéaires - Chapitre 6 - Principe Définition d un code linéaire Soient p un nombre premier et s est un entier positif. Il existe un unique corps de taille q
Fonctions homographiques
Fonctions homographiques On donne ci-dessous deux définitions des fonctions homographiques, et on montre que ces deux définitions sont équivalentes. On décrit la courbe représentative d une fonction homographique.
CHAPITRE 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
Correction de l épreuve intermédiaire de mai 2009.
Licence de Gestion. 3ème Année Année universitaire 8-9 Optimisation Appliquée C. Léonard Correction de l épreuve intermédiaire de mai 9. Exercice 1 Avec les notations du cours démontrer que la solution
Chapitre 06 : PROPORTIONNALITÉ ET FONCTIONS LINÉAIRES
Chapitre 06 : PROPORTIONNALITÉ ET FONCTIONS LINÉAIRES 6 cm I) Synthèse sur la proportionnalité : 1) Définition : Grandeurs proportionnelles : Dire que deux grandeurs sont proportionnelles revient à dire
Université Joseph Fourier MAT231 2008-2009
Université Joseph Fourier MAT231 2008-2009 mat231-exo-03.tex (29 septembre 2008) Feuille d exercices n o 3 Exercice 3.1 Soit K un corps commutatif et soit {P 0, P 1,... P n } une famille de polynômes de
Partie II. Supplémentaires d un sous-espace donné. Partie I. Partie III. Supplémentaire commun. MPSI B 8 octobre 2015
Énoncé Dans tout le problème, K est un sous-corps de C. On utilisera en particulier que K n est pas un ensemble fini. Tous les espaces vectoriels considérés sont des K espaces vectoriels de dimension finie.
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
Les matrices. 1 Définitions. 1.1 Matrice
Les matrices 2012-2013 1 Définitions 11 Matrice Définition 1 Une matrice m n est un tableau de nombres à m lignes et n colonnes Les nombres qui composent la matrice sont appelés les éléments de la matrice
Fonction polynôme du second degré : Forme canonique
Fonction polynôme du second degré : Forme canonique I) Introduction. Soit g(x) = a(x - s)²+h. Toute fonction polynôme du second degré peut s écrire sous cette forme. Le passage de la forme développée à
Outils d analyse fonctionnelle Cours 5 Théorie spectrale
Outils d analyse fonctionnelle Cours 5 Théorie spectrale 22 septembre 2015 Généralités Dans tout ce qui suit V désigne un espace de Hilbert réel muni d un produit scalaire x, y. Définition Soit A une application
Programmation Linéaire - Cours 1
Programmation Linéaire - Cours 1 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Ouvrages de référence V. Chvátal - Linear Programming, W.H.Freeman, New York, 1983.
COR TD 2. Exercice 1. Déterminer si les applications f i suivantes sont linéaires : x + x, y + y )
COR TD 2 Année 21 Exercice 1. Déterminer si les applications f i suivantes sont linéaires : f 1 : R 2 R 2 f 1 x, y = 2x + y, x y f 2 : R R f 2 x, y, z = xy, x, y f : R R f x, y, z = 2x + y + z, y z, x
Chapitre 1 : Évolution COURS
Chapitre 1 : Évolution COURS OBJECTIFS DU CHAPITRE Savoir déterminer le taux d évolution, le coefficient multiplicateur et l indice en base d une évolution. Connaître les liens entre ces notions et savoir
un repère orthonormé de l espace.
Terminale S GEOMETRIE Ch 13 DANS L ESPACE. Soit ( O ; i, j, k ) un repère orthonormé de l espace. I) Droites et plans dans l espace : Propriété 1 : Soient A et B deux points de l espace. AB est l ensemble
Examen de l UE LM125 Janvier 2007 Corrigé
Université Pierre et Marie Curie Licence Sciences et Technologies MIME L énoncé est repris sur fond mauve. En prune : des commentaires. Examen de l UE LM15 Janvier 007 Corrigé Commentaires généraux barème
Algorithme du simplexe
Algorithme du simplexe Une solution à la programmation linéaire Hugues Talbot Laboratoire A2SI 18 mars 2008 Plan Algèbre linéaire Algorithme du simplexe Formulation et forme standard Notations Recherche
La gestion des ventes.
I. La prévision des ventes. A. Principe. La gestion des ventes. Elle consiste à déterminer les ventes futures à la fois en quantité et en valeur en tenant compte des tendances et contraintes imposées à
Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015
Énoncé Soit V un espace vectoriel réel. L espace vectoriel des endomorphismes de V est désigné par L(V ). Lorsque f L(V ) et k N, on désigne par f 0 = Id V, f k = f k f la composée de f avec lui même k
Applications linéaires
Bibliothèque d exercices Énoncés L1 Feuille n 18 Applications linéaires 1 Définition Exercice 1 Déterminer si les applications f i suivantes (de E i dans F i ) sont linéaires : f 1 : (x, y) R (x + y, x
Cahier de vacances - Préparation à la Première S
Cahier de vacances - Préparation à la Première S Ce cahier est destiné à vous permettre d aborder le plus sereinement possible la classe de Première S. Je vous conseille de le travailler pendant les 0
Terminale S Spécialité Cours : DIVISIBILITE ET CONGRUENCES DANS.
A la fin de ce chapitre vous devez être capable de : connaître différents procédés pour établir une divisibilité : utilisation de la définition, utilisation d identités remarquables, disjonction des cas,
MATHÉMATIQUES ET SCIENCES HUMAINES
MATHÉMATIQUES ET SCIENCES HUMAINES B. MARCHADIER Dépendance et indépendance de deux aléas numériques images Mathématiques et sciences humaines, tome 25 (1969), p. 2534.
Exo7. Sujets de l année 2008-2009. 1 Partiel. Enoncés et corrections : Sandra Delaunay. Exercice 1 Soit A une matrice 2 2 à coefficients réels.
Enoncés et corrections : Sandra Delaunay Exo7 Sujets de l année 28-29 1 Partiel Exercice 1 Soit A une matrice 2 2 à coefficients réels. On suppose a + c = b + d = 1 et a b 1. ( ) a b c d 1. Soient (x 1,x
Le corps R des nombres réels
Le corps R des nombres réels. Construction de R à l aide des suites de Cauchy de nombres rationnels On explique brièvement dans ce paragraphe comment construire le corps R des nombres réels à partir du
Produit scalaire dans l Espace
Produit scalaire dans l Espace Christophe ROSSIGNOL Année scolaire 014/015 Table des matières 1 Produit scalaire du plan 1.1 Différentes expressions du produit scalaire............................... 1.
Équations - Inéquations - Systèmes
Équations - Inéquations - Systèmes I Premier degré Propriétés Soit f définie sur IR par f(x = ax + b avec a 0. f est une fonction affine, elle est représentée graphiquement par une droite. a est le coefficient
Géométrie vectorielle plane, cours, première S
Géométrie vectorielle plane, cours, première S F.Gaudon 25 septembre 2015 Table des matières 1 Géométrie vectorielle dans un repère 2 1.1 Compléments sur la colinéarité.................................
Base : une axiomatique
Autour des groupes de réflexions Master 2 Mathématiques fondamentales Cours : Michel Broué Université Paris VII Denis Diderot TD : Vincent Beck Année 2005 2006 Base : une axiomatique a) D après (i), on
Matrices et déterminants
Matrices et déterminants Matrices Définition.. Une matrice réelle (ou complexe) M = (m i,j ) (m, n) à m lignes et n colonnes est un tableau à m lignes et n colonnes de réels (ou de complexes). Le coefficient
Résolution 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
Calcul différentiel sur R n Première partie
Calcul différentiel sur R n Première partie Université De Metz 2006-2007 1 Définitions générales On note L(R n, R m ) l espace vectoriel des applications linéaires de R n dans R m. Définition 1.1 (différentiabilité
Module et argument d un nombre complexe. Interprétation géométrique, lignes de niveau associées. Applications
Module et argument d un nombre complexe. Interprétation géométrique, lignes de niveau associées. Applications Introduction : Cette leçon s inscrit dans la continuité de la précédente. On supposera connu
Calcul matriciel ... Il est impossible de faire la somme de 2 matrices de tailles différentes.
Chapitre : Calcul matriciel Spé Maths - Matrices carrées, matrices-colonnes : opérations. - Matrice inverse d une matrice carrée. - Exemples de calcul de la puissance n-ième d une matrice carrée d ordre
I) Le temps des matrices. A- A propos des matrices. Quang-Thai NGO Ch 01. Difficulté ** Importance **** Objectifs
Ch01 : Matrice Les matrices ont été introduites récemment au programme des lycées. Il s agit d outils puissants au service de la résolution de problèmes spécifiques à nos classes, en particulier les problèmes
LES DÉTERMINANTS DE MATRICES
LES DÉTERMINANTS DE MATRICES Sommaire Utilité... 1 1 Rappel Définition et composantes d'une matrice... 1 2 Le déterminant d'une matrice... 2 3 Calcul du déterminant pour une matrice... 2 4 Exercice...
Mathématique pour l informatique Examen durée : 3 heures. Question 1. Mettre ce problème en forme standard en introduisant des variables d écarts.
Mathématique pour l informatique Examen durée : 3 heures. Université de Provence Licence Informatique Année 2001-2002 Exercice 1 (Simplexe : 10 points) On donne le problème de programmation linéaire (P)
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
A. Déterminant d une matrice carrée
IUT ORSAY Mesures Physiques Déterminants Initiation à la diagonalisation de matrice Cours du ème Semestre A Déterminant d une matrice carrée A-I Définitions élémentaires Si A est la matrice ( a ) on appelle
Plusieurs exercices de la douzième séance de TD
Plusieurs exercices de la douzième séance de TD Décembre 2006 1 Offre du travail 1.1 énoncé On considère un ménage dont les préférences portent sur la consommation et le temps consacré aux activités non
FONCTIONS. I Généralités sur les fonctions. Définitions. Remarque. Exercice 01. Remarque
FNCTINS I Généralités sur les fonctions Définitions Soit D une partie de l'ensemble IR. n définit une fonction f de D dans IR, en associant à chaque réel de D, un réel et un seul noté f() et que l'on appelle
a 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
1S DS 4 Durée :?mn. 2. La courbe ci-dessous est la représentation graphique de la fonction g, définie sur I = [ 1; 3].
1S DS 4 Durée :?mn Exercice 1 ( 5 points ) Les trois questions sont indépendantes. 1. Soit f la fonction définie par f(x) = 3 x. a) Donner son ensemble de définition. Il faut 3 x 0 3 x donc D f =] ; 3]
Systèmes linéaires. 1. Introduction aux systèmes d équations linéaires. Exo7. 1.1. Exemple : deux droites dans le plan
Exo7 Systèmes linéaires Vidéo partie 1. Introduction aux systèmes d'équations linéaires Vidéo partie 2. Théorie des systèmes linéaires Vidéo partie 3. Résolution par la méthode du pivot de Gauss 1. Introduction
MAT1702 A - SOLUTIONS DU TEST #2 - VERSION A
MAT702 A - SOLUTIONS DU TEST #2 - VERSION A. (5 points) Étant donné A 3 et B. 0 Pour chacune des opérations matricielles ci-dessous, calculez la matrice résultante si elle existe. Si l opération n est
nous pouvons calculer l intérêt obtenu par ce capital au bout d un an (n =1). 1an
Chapitre IV : Les intérêts composés I. Généralités et définition Avec les intérêts composés, nous abordons les mathématiques financières de moyen et long terme. Pour gérer les comptes de moyen et long
Chapitre 9 Les équations différentielles
Chapitre 9 Les équations différentielles A) Généralités Une équation différentielle est une équation dont l inconnue est une fonction et dans laquelle apparaissent une ou plusieurs dérivées de cette fonction.
Chapitre 3. Les distributions à deux variables
Chapitre 3. Les distributions à deux variables Jean-François Coeurjolly http://www-ljk.imag.fr/membres/jean-francois.coeurjolly/ Laboratoire Jean Kuntzmann (LJK), Grenoble University 1 Distributions conditionnelles
TP - Modélisation et optimisation des systèmes complexes
Master Informatique 1ere année (M1) Année 2010-2011 TP - Modélisation et optimisation des systèmes complexes Résolution du problème d'aectation généralisé par relaxation lagrangienne 1 Introduction Le
TD d exercices de calculs numériques.
TD d exercices de calculs numériques. Exercice 1. (Brevet 2008) On donne le programme de calcul suivant : Choisir un nombre. a) Multiplier ce nombre par 3 b) Ajouter le carré du nombre choisi. c) Multiplier
Autour de Perron, Frobenius et Markov
Université Claude Bernard Lyon 1-2007/2008 Préparation Capes - Algèbre et Géométrie - Devoir à rendre le 12 février 2008 - Autour de Perron Frobenius et Markov Rappels et notations On note M mn (K) le
Limites finies en un point
8 Limites finies en un point Pour ce chapitre, sauf précision contraire, I désigne une partie non vide de R et f une fonction définie sur I et à valeurs réelles ou complees. Là encore, les fonctions usuelles,
: 3 si x 2 [0; ] 0 sinon
Oral HEC 2007 Question de cours : Dé nition d un estimateur ; dé nitions du biais et du risque quadratique d un estimateur. On considère n (n > 2) variables aléatoires réelles indépendantes X 1,..., X
CHAPITRE 7 Fonction carré et fonction inverse
CHAPITRE 7 Fonction carré et fonction inverse A) La fonction "carré" : f() = ² ) Domaine de définition Elle est définie sur ℝ complet (on peut toujours multiplier deu nombres entre eu). 2) Sens de variation
Fonction inverse Fonctions homographiques
Fonction inverse Fonctions homographiques Année scolaire 203/204 Table des matières Fonction inverse 2. Définition Parité............................................ 2.2 Variations Courbe représentative...................................
Développement décimal d un réel
4 Développement décimal d un réel On rappelle que le corps R des nombres réels est archimédien, ce qui permet d y définir la fonction partie entière. En utilisant cette partie entière on verra dans ce
5. Options américaines Une option américaine peut être exercée à n importe quelle instant compris entre
5. Options américaines Une option américaine peut être exercée à n importe quelle instant compris entre 0 et l échéance N. Définition 5.1. Une option américaine est définie par une suite (h n ) n=0..n,
Théorie et codage de l information
Théorie et codage de l information Les codes de Hamming et les codes cycliques - Chapitre 6 (suite et fin)- Les codes de Hamming Principe La distance minimale d un code linéaire L est le plus petit nombre
Fiche Méthode 11 : Noyaux et images.
Fiche Méthode 11 : Noyaux et images. On se place dans un espace vectoriel E de dimension finie n, muni d une base B = ( e 1,..., e n ). f désignera un endomorphisme de E 1 et A la matrice de f dans la
Démonstrations exigibles au bac
Démonstrations exigibles au bac On donne ici les 11 démonstrations de cours répertoriées comme exigibles dans le programme officiel. Toutes ces démonstrations peuvent donner lieu à une «restitution organisée
Programmation linéaire
Programmation linéaire NICOD JEAN-MARC Master 2 Informatique Université de Franche-Comté UFR des Sciences et Techniques septembre 2008 NICOD JEAN-MARC Rappels sur les graphes 1 / 47 Sommaire 1 Exemple
Exercices 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
Équations du troisième degré
par Z, auctore L objet de cet article est d exposer deux méthodes pour trouver des solutions à une équation du troisième degré : la recherche de racines évidentes d une part, et la formule de Cardan d