Chapitre X Programmation linéaire et méthode du simplexe
|
|
- Norbert Soucy
- il y a 7 ans
- Total affichages :
Transcription
1 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 Lapointe. L objectif du présent chapitre est de voir comment on peut résoudre des problèmes où on veut maximiser ou minimiser une fonction qui dépendant de plusieurs variables qui sont soumises à plusieurs contraintes. Le nom du domaine qui traite ce genre de problème est la recherche opérationnelle. Recherche opérationnelle : (aussi appelée aide à la décision) peut être définie comme l'ensemble des méthodes et techniques rationnelles orientées vers la recherche de la meilleure façon d'opérer des choix en vue d'aboutir au meilleur résultat possible. Optimisation : recherche du maximum (ou du minimum) d une fonction ainsi que des valeurs des variables qui maximisent (ou minimisent) la fonction. Exercices Où sont les maximums et minimums (absolus) de ces fonctions? Exemple 1 Exemple 2 Exemple y x x x x x 3 3 avec 0 4 une variable indépendante y 2 x avec 0 x 1 une variable indépendante, fonction linéaire (droite) z 20x130 x2avec x12 x2 20 2x1x2 22 x1 x2 12 x1 0, x2 0 deux variables indépendantes, fonction linéaire (plan) Programmation linéaire (ou optimisation linéaire) : branche des mathématiques qui s intéresse à l optimisation de fonctions linéaires comportant plusieurs variables indépendantes soumises à des contraintes pouvant être représentées à l aide d équations ou d inéquations linéaires. Fonction économique : fonction qui traduit ce que l on veut maximiser ou minimiser (très souvent de l argent, mais pas toujours). Variables de décision : variables indépendantes dont la fonction économique dépend. Chapitre X : programmation linéaire, page 1
2 Deux façons de résoudre un problème de programmation linéaire Méthode graphique Pour résoudre un problème de programmation linéaire simple ayant seulement 2 variables de décisions. Cela permet de visualiser le principe général de la programmation linéaire. Cette méthode est beaucoup trop longue et difficile, voire impossible, à visualiser s il y a plus de 2 variables. Méthode du simplexe Méthode algorithmique plus rapide pour résoudre les problèmes comportant un grand nombre de variables. Elle est généralement programmée et calculée à l ordinateur. Les étapes seront données plus loin. Rappel : Une fonction linéaire à plusieurs variables peut être traduit par une équation de la forme : y a1x 1 a2x2... anxn où y est la variable dépendante, a1, a2,..., a n sont des coefficients constants réels, x1, x2,..., x n sont des variables indépendantes. Exercices Parmi ces fonctions, indiquez lesquelles correspondent à une fonction linéaire? Question A: y x 3x x 3 x B: y 3 x C: 2 P x D: M sint cos t Question 2 A : y ln x B: P 4x 7y 3z 9 w C: P e x D: P 4 x 7y Question 3 A: y log x B: y x 5 C: P 3x 45x 0,78 x D: M xyz x 3 z Remarque : une fonction linéaire peut être représentée par une droite, un plan, un hyper-plan, etc. Chapitre X : programmation linéaire, page 2
3 Exemple 1 (par la méthode graphique) Le directeur d une manufacture de meubles décide de fabriquer deux nouveaux modèles de tables ; le modèle «régulier» et le modèle «chic». Le modèle «régulier» requière 1 heure de sciage, 2 heures d assemblage et 1 heure de finition. Le modèle «chic» nécessite 2 heures de sciage, 1 heure d assemblage et 1 heure de finition. La manufacture dispose quotidiennement de 20 heures à l atelier de sciage, de 22 heures à l atelier d assemblage et de 12 heures à l atelier de finition. Les profits que la compagnie peut réaliser pour chacun des modèles sont de 20$ pour le modèle «régulier» et de 30$ pour le modèle «chic». Le directeur désire déterminer le nombre de tables de chaque modèle qu il doit fabriquer par jour pour obtenir un profit maximal. Solution : ce problème est assez simple puisqu il ne contient que 2 variables de décisions. Nous allons utiliser la méthode graphique. Voici les étapes à suivre. 1. Variables : identifier les variables du problème. 2. Fonction économique : déterminer la fonction économique et indiquer s il faut la maximiser ou la minimiser. 3. Contraintes technologiques : définir les contraintes technologiques à l aide d inéquations linéaires. Ajouter des contraintes de non-négativité sur les variables. 4. Polygone de contraintes : représenter graphiquement les contraintes et le polygone de contraintes. x 2x 20 (sciage) 1 2 Droite frontière Truc pour la tracer : trouver 2 points D 1 : x12x2 20 x 0 x 10 x x (0,10) et (20,0) Choisir la bonne région. Truc : est-ce que (0,0) satisfait l inéquation? Donc (0,0) fait partie de la région Chapitre X : programmation linéaire, page 3
4 Théorème fondamental de la programmation linéaire Si la valeur optimale d une fonction économique d un problème de programmation linéaire existe, alors cette valeur est atteinte à au moins un des sommets du polygone convexe délimitant le domaine réalisable. Pourquoi c est vrai, en image : Nous allons donc trouver les sommets à l intersection des droites. Chapitre X : programmation linéaire, page 4
5 5. Sommets du polygone de contraintes : calculer les coordonnées des sommets du polygone de contrainte. Cela revient à trouver l intersection de chaque paire de droites. 6. Valeur de la fonction économique aux sommets. Point (x 1,x 2) A(0,10) B(4,8) C(10,2) D(11,0) E(0,0) P = 20x 1+30x 2 200$ 260$ 220$ 0$ 7. Conclusion : interpréter le résultat dans le contexte. Chapitre X : programmation linéaire, page 5
6 Méthode du simplexe Reprenons le même problème que dans le dernier exemple pour vérifier que nous arrivons à la même solution en appliquant la méthode du simplexe. Les trois premières étapes sont identiques à la méthode graphique. 1. Identifier les variables du problème. x : le nombre d unités du modèle régulier, 1 x 2 : le nombre d unités du modèle chic et P : le profit en dollars à maximiser. 2. Déterminer la fonction économique à maximiser. P 20x 30x Définir les contraintes à l aide d inéquations linéaires. Ne pas oublier les contraintes de non-négativité. La fonction économique et ses contraintes ainsi définies constituent la forme canonique du problème. x12 x2 20 2x1x2 22 x1 x2 12 x1 0, x Traduire toutes les inéquations en équations en ajoutant des variables d écart aux contraintes. La nouvelle formulation du problème est appelée forme standard. Forme canonique x12 x2 20 2x1x2 22 x1 x2 12 x1 0, x2 0 P 20x 30x 1 2 Forme standard x1 2 x2 e x1x2 22 x1 x x1 30 x2 P 0 e 1 : variable d écart de la contrainte 1, explication : ce qu il manque à pour atteindre Représenter le problème sous forme matricielle Chapitre X : programmation linéaire, page 6
7 «Méthode de Gauss modifiée» Déterminer la colonne du pivot. C est la colonne (sauf la dernière) dont l élément de la dernière ligne a la plus grande valeur. L idée : on va d abord travailler sur la colonne de la variable qui influence le plus le profit (nombre de tables chics, c'est-à-dire x 2) 7. Déterminer la ligne du pivot. Pour ce faire, diviser chaque élément de la dernière colonne (sauf le dernier élément) par les éléments correspondant de la colonne du pivot. La ligne où le résultat de la division est le plus petit sans être négatif est la ligne du pivot. L idée : si toutes les variables étaient = 0 sauf x 2, quelle ligne serait la plus contraignante pour x 2? C est la ligne du pivot. 8. Encadrer le pivot. Le pivot est l élément situé à l intersection de la colonne et de la ligne du pivot. 9. Annuler tous les éléments de la colonne du pivot sauf le pivot lui-même en faisant des opérations élémentaires de lignes de la forme a L b L L (ligne du pivot toujours en 2 e ) 0 i p i ligne du pivot où L i est une ligne où on veut annuler un élément de la colonne pivot, Lp est la ligne du pivot et a etb sont des constantes réelles positives. NE PAS PERMUTER DES LIGNES. Chapitre X : programmation linéaire, page 7
8 10. Répéter les étapes 6,7,8 et 9 jusqu à ce que tous les éléments de la dernière ligne soient négatifs ou nuls. 11. Encadrer les pivots, ce sont les éléments qui sont les seuls à être non nuls dans leur colonne. L idée : les variables dont la colonne n a pas de pivot sont des variables libres. L algorithme garantie qu en fixant ces variables libres = 0, la solution obtenue est la solution qui maximise P. 12. Rendre tous les pivots unitaires en multipliant leur ligne par une constante appropriée au besoin. Rendre le coefficient de la fonction économique à 1 en multipliant la dernière ligne par une constante appropriée. (Remarque : cette étape est facultative lorsqu on travaille à la main. Elle est utile lorsqu on programme l algorithme à l ordinateur.) 13. Déterminer la solution optimale. Pour ce faire, poser toutes les variables libres égales à 0. Les variables libres sont celles dont la colonne ne contient pas de pivot. (Si l étape 12 a été effectuée, la réponse se trouve dans la colonne de droite.) 14. Interpréter le résultat dans le contexte. Le profit maximal est atteint lorsque Avec cette solution, il reste Chapitre X : programmation linéaire, page 8
9 Procédure pour résoudre un problème de maximisation par la méthode du simplexe 1. Variables : identifier les variables du problème. 2. Fonction économique : déterminer la fonction économique et indiquer s il faut la maximiser ou la minimiser. 3. Contraintes technologiques : définir les contraintes technologiques à l aide d inéquations linéaires. Ajouter des contraintes de non-négativité sur les variables. 4. Forme standard : traduire toutes les inéquations en équations en ajoutant des variables d écart aux contraintes. La nouvelle formulation du problème est appelée forme standard. 5. Forme matricielle : représenter le problème sous forme matricielle 6. Déterminer la colonne du pivot. C est la colonne (sauf la dernière) dont l élément de la dernière ligne a la plus grande valeur. 7. Déterminer la ligne du pivot. Pour ce faire, diviser chaque élément de la dernière colonne (sauf de dernier élément) par les éléments correspondant de la colonne du pivot. La ligne où le résultat de la division est le plus petit sans être négatif est la ligne du pivot. 8. Encadrer le pivot. Le pivot est l élément situé à l intersection de la colonne et de la ligne du pivot. 9. Annuler tous les éléments de la colonne du pivot sauf le pivot lui-même en faisant des opérations élémentaires de lignes de la forme a L b L L 0 i p i 10. Répéter les étapes 6,7,8 et 9 jusqu à ce que tous les éléments de la dernière ligne soient négatifs ou nuls. 11. Encadrer les pivots, ce sont les éléments qui sont les seuls à être non nuls dans leur colonne. 12. (FACULTATIF)Rendre tous les pivots unitaires en multipliant leur ligne par une constante appropriée au besoin. Rendre le coefficient de la fonction économique à 1 en multipliant la dernière ligne par une constante appropriée. ligne du pivot 13. Déterminer la solution optimale. Pour ce faire, poser toutes les variables libres égales à 0. Les variables libres sont celles dont la colonne ne contient pas de pivot. 14. Interpréter le résultat dans le contexte. Le maximal est atteint lorsque Avec cette solution, il reste Chapitre X : programmation linéaire, page 9
10 Exercices pour pratiquer séparément les différentes étapes de la méthode du simplexe. Exercice 1 Problème : On cherche à maximiser z 8x1 12x2 9x3 soumise aux contraintes 4x1 4x2 x3 24 4x1 12x2 9x3 72 4x13x3 24 x1 0, x2 0, x3 0 Trouver la forme standard, poser le problème sous forme matricielle et trouver le premier pivot. Exercice 2 Problème : On cherche à maximiser z 3x13x 2soumise aux contraintes x14 x2 12 2x1x2 10 x1 0 x2 0 Trouver la forme standard, poser le problème sous forme matricielle et trouver le premier pivot. Chapitre X : programmation linéaire, page 10
11 Exercice 3 Voici la matrice finale d un problème à 2 variables de décision après avoir appliqué la méthode du simplexe. Trouver la solution optimale si les variables sont x 1 et x 2 et la fonction économique est z Exercice 4 Voici la matrice finale d un problème à 3 variables de décision après avoir appliqué la méthode du simplexe. Trouver la solution optimale si les variables sont x 1 x 2 et x 3 la fonction économique est z ,6667-0, ,333 0, ,167-0,167 0, ,333-3, Chapitre X : programmation linéaire, page 11
12 Exercice 5 Voici la matrice d un problème à 3 variables de décision. Décrivez la prochaine étape qui permettrait de poursuivre le problème jusqu à trouver la solution optimale si les variables sont x 1 x 2 et x 3 la fonction économique est z Chapitre X : programmation linéaire, page 12
13 Exercice complet sans contexte Particularité : tous les coefficients des variables de décision sont égaux. z 10x 10x 10x avec x1 x2 x3 480 x1 2x2 2x3 480 x 1 x 2 3x x1 0, x2 0, x3 0 Réponse : La solution optimale est atteinte à (160; 160; 0). Le profit est alors de 3 200$. Remarque: en faisant un choix de pivot différent, on peut trouver le même profit à (160; 80; 80) et (160; 96; 64). Chapitre X : programmation linéaire, page 13
14 EXERCICES SUR LA MÉTHODE DU SIMPLEXE (sans contextes) (extrait des notes d Alain Tranchida) 1. Maximiser z 3x1 3x2, sujette aux contraintes suivantes : a) Par la méthode graphique b) Par la méthode du simplexe. x14 x2 12 2x1x2 10 x1 0 x2 0 Résoudre les problèmes suivants par la méthode du simplexe : x1x2 13 5x12 x Maximiser z 5x1 8x2, sujette aux contraintes suivantes : 4x15x2 60 x1 0 x2 0 2x1x2 22 x1 2x Maximiser z 300x1 200x2, sujette aux contraintes : x 1 x 2 12 x1 0 x2 0 x14 x2 24 3x1x Maximiser z 24x1 60x2, sujette aux contraintes suivantes : x1 x2 9 x1 0 x2 0 3x1 3x2 2x3 240 x1 x2 2x Maximiser z 2x1 1,5 x2 x3, sujette aux contraintes : 3x1 x2 x3 120 x1, x2 et x3 0 RÉPONSES 1. Z=18 à (4,2) 2. Z=96 à (0,12) 3. Z=3400 à (10,2) 4. Z=396 à (4,5) 5. Z=130 à (20,60,0) Chapitre X : programmation linéaire, page 14
15 Liste d exercices conseillés Chapitre X Programmation linéaire et simplexe Les exercices surlignés sont une présélection pour faire un survol complet de la matière en peu d exercices. Je vous recommande de faire la présélection d abord, puis de compléter les autres exercices ensuite. Exercices tirés de : AMYOTTE, Luc. Introduction à l algèbre linéaire et à ses applications, Quatrième édition, ERPI, p. Chapitre Exercices Algorithme du simplexe (sans contexte) Voir p.14 des notes de cours # 1, 2, 3, 4, 5 X Modélisation : poser le problème (programme linéaire) Livre p.451 #1 a), 4, 5, 8 et 10. Résolution avec la méthode graphique Livre p.452 #11 a) Résolution avec la méthode du simplexe Livre p.452 #21, 22. Chapitre X : programmation linéaire, page 15
La programmation linéaire : une introduction. Qu est-ce qu un programme linéaire? Terminologie. Écriture mathématique
La programmation linéaire : une introduction Qu est-ce qu un programme linéaire? Qu est-ce qu un programme linéaire? Exemples : allocation de ressources problème de recouvrement Hypothèses de la programmation
Plus en 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
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 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 détailExercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA
75. Un plombier connaît la disposition de trois tuyaux sous des dalles ( voir figure ci dessous ) et il lui suffit de découvrir une partie de chacun d eux pour pouvoir y poser les robinets. Il cherche
Plus en détailOPTIMISATION À UNE VARIABLE
OPTIMISATION À UNE VARIABLE Sommaire 1. Optimum locaux d'une fonction... 1 1.1. Maximum local... 1 1.2. Minimum local... 1 1.3. Points stationnaires et points critiques... 2 1.4. Recherche d'un optimum
Plus en 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 détailEteindre. les. lumières MATH EN JEAN 2013-2014. Mme BACHOC. Elèves de seconde, première et terminale scientifiques :
MTH EN JEN 2013-2014 Elèves de seconde, première et terminale scientifiques : Lycée Michel Montaigne : HERITEL ôme T S POLLOZE Hélène 1 S SOK Sophie 1 S Eteindre Lycée Sud Médoc : ROSIO Gauthier 2 nd PELGE
Plus en détailL ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ
L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ INTRODUCTION Données : n individus observés sur p variables quantitatives. L A.C.P. permet d eplorer les liaisons entre variables et
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 détailChapitre 6. Fonction réelle d une variable réelle
Chapitre 6 Fonction réelle d une variable réelle 6. Généralités et plan d étude Une application de I dans R est une correspondance entre les éléments de I et ceu de R telle que tout élément de I admette
Plus en 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 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 détailCours de Recherche Opérationnelle IUT d Orsay. Nicolas M. THIÉRY. E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.
Cours de Recherche Opérationnelle IUT d Orsay Nicolas M. THIÉRY E-mail address: Nicolas.Thiery@u-psud.fr URL: http://nicolas.thiery.name/ CHAPTER 1 Introduction à l optimisation 1.1. TD: Ordonnancement
Plus en détailTravaux dirigés n 1. Programmation linéaire
Université de Reims Champagne Ardenne U.F.R. de Sciences Exactes et Naturelles MASTER 1 Informatique - 2014/2015 Pierre Delisle Travaux dirigés n 1 Programmation linéaire Exercice 1 (Résolution d'un programme
Plus en détailSection «Maturité fédérale» EXAMENS D'ADMISSION Session de février 2014 RÉCAPITULATIFS DES MATIÈRES EXAMINÉES. Formation visée
EXAMENS D'ADMISSION Admission RÉCAPITULATIFS DES MATIÈRES EXAMINÉES MATIÈRES Préparation en 3 ou 4 semestres Formation visée Préparation complète en 1 an 2 ème partiel (semestriel) Niveau Durée de l examen
Plus en détailIV- Equations, inéquations dans R, Systèmes d équations
IV- Equations, inéquations dans R, Systèmes d équations 1- Equation à une inconnue Une équation est une égalité contenant un nombre inconnu noté en général x et qui est appelé l inconnue. Résoudre l équation
Plus en détailBaccalauréat ES Pondichéry 7 avril 2014 Corrigé
Baccalauréat ES Pondichéry 7 avril 204 Corrigé EXERCICE 4 points Commun à tous les candidats. Proposition fausse. La tangente T, passant par les points A et B d abscisses distinctes, a pour coefficient
Plus en détailCorrection de l examen de la première session
de l examen de la première session Julian Tugaut, Franck Licini, Didier Vincent Si vous trouvez des erreurs de Français ou de mathématiques ou bien si vous avez des questions et/ou des suggestions, envoyez-moi
Plus en 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 détailFonction inverse Fonctions homographiques
Fonction inverse Fonctions homographiques Année scolaire 203/204 Table des matières Fonction inverse 2. Définition Parité............................................ 2.2 Variations Courbe représentative...................................
Plus en détailUtiliser des fonctions complexes
Chapitre 5 Utiliser des fonctions complexes Construire une formule conditionnelle avec la fonction SI Calculer un remboursement avec la fonction VPN Utiliser des fonctions mathématiques Utiliser la fonction
Plus en 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 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 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 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 détailSeconde Généralités sur les fonctions Exercices. Notion de fonction.
Seconde Généralités sur les fonctions Exercices Notion de fonction. Exercice. Une fonction définie par une formule. On considère la fonction f définie sur R par = x + x. a) Calculer les images de, 0 et
Plus en détailINTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES
INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES Dominique LAFFLY Maître de Conférences, Université de Pau Laboratoire Société Environnement Territoire UMR 5603 du CNRS et Université de Pau Domaine
Plus en détail2. RAPPEL DES TECHNIQUES DE CALCUL DANS R
2. RAPPEL DES TECHNIQUES DE CALCUL DANS R Dans la mesure où les résultats de ce chapitre devraient normalement être bien connus, il n'est rappelé que les formules les plus intéressantes; les justications
Plus en détailManuel d utilisation 26 juin 2011. 1 Tâche à effectuer : écrire un algorithme 2
éducalgo Manuel d utilisation 26 juin 2011 Table des matières 1 Tâche à effectuer : écrire un algorithme 2 2 Comment écrire un algorithme? 3 2.1 Avec quoi écrit-on? Avec les boutons d écriture........
Plus en détailLogistique, Transports
Baccalauréat Professionnel Logistique, Transports 1. France, juin 2006 1 2. Transport, France, juin 2005 2 3. Transport, France, juin 2004 4 4. Transport eploitation, France, juin 2003 6 5. Transport,
Plus en détailFctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines
FctsAffines.nb 1 Mathématiques, 1-ère année Edition 2007-2008 Fonctions affines Supports de cours de mathématiques de degré secondaire II, lien hpertete vers la page mère http://www.deleze.name/marcel/sec2/inde.html
Plus en détailExo7. Calculs de déterminants. Fiche corrigée par Arnaud Bodin. Exercice 1 Calculer les déterminants des matrices suivantes : Exercice 2.
Eo7 Calculs de déterminants Fiche corrigée par Arnaud Bodin Eercice Calculer les déterminants des matrices suivantes : Correction Vidéo ( ) 0 6 7 3 4 5 8 4 5 6 0 3 4 5 5 6 7 0 3 5 4 3 0 3 0 0 3 0 0 0 3
Plus en détailBaccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé
Baccalauréat ES Antilles Guyane 12 septembre 2014 Corrigé EXERCICE 1 5 points Commun à tous les candidats 1. Réponse c : ln(10)+2 ln ( 10e 2) = ln(10)+ln ( e 2) = ln(10)+2 2. Réponse b : n 13 0,7 n 0,01
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 détailExo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.
Exo7 Matrice d une application linéaire Corrections d Arnaud odin. Exercice Soit R muni de la base canonique = ( i, j). Soit f : R R la projection sur l axe des abscisses R i parallèlement à R( i + j).
Plus en détailNotion de fonction. Résolution graphique. Fonction affine.
TABLE DES MATIÈRES 1 Notion de fonction. Résolution graphique. Fonction affine. Paul Milan LMA Seconde le 12 décembre 2011 Table des matières 1 Fonction numérique 2 1.1 Introduction.................................
Plus en détailCours Fonctions de deux variables
Cours Fonctions de deux variables par Pierre Veuillez 1 Support théorique 1.1 Représentation Plan et espace : Grâce à un repère cartésien ( ) O, i, j du plan, les couples (x, y) de R 2 peuvent être représenté
Plus en détailCours 7 : Utilisation de modules sous python
Cours 7 : Utilisation de modules sous python 2013/2014 Utilisation d un module Importer un module Exemple : le module random Importer un module Exemple : le module random Importer un module Un module est
Plus en détailTOUT CE QU IL FAUT SAVOIR POUR LE BREVET
TOUT E QU IL FUT SVOIR POUR LE REVET NUMERIQUE / FONTIONS eci n est qu un rappel de tout ce qu il faut savoir en maths pour le brevet. I- Opérations sur les nombres et les fractions : Les priorités par
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 détailOptimisation et programmation mathématique. Professeur Michel de Mathelin. Cours intégré : 20 h
Télécom Physique Strasbourg Master IRIV Optimisation et programmation mathématique Professeur Michel de Mathelin Cours intégré : 20 h Programme du cours d optimisation Introduction Chapitre I: Rappels
Plus en détailCARTE DE VOEUX À L ASSOCIAEDRE
CARTE DE VOEUX À L ASSOCIAEDRE JEAN-LOUIS LODAY Il y a cinq ans le Centre International de Rencontres Mathématiques de Luminy a envoyé ses voeux avec la carte ci-dessus. L illustration choisie par Robert
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 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 détailFonctions homographiques
Seconde-Fonctions homographiques-cours Mai 0 Fonctions homographiques Introduction Voir le TP Géogébra. La fonction inverse. Définition Considérons la fonction f définie par f() =. Alors :. f est définie
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 détailMathématiques appliquées à l'économie et à la Gestion
Mathématiques appliquées à l'économie et à la Gestion Mr Makrem Ben Jeddou Mme Hababou Hella Université Virtuelle de Tunis 2008 Continuité et dérivation1 1- La continuité Théorème : On considère un intervalle
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 détailFonctions linéaires et affines. 1 Fonctions linéaires. 1.1 Vocabulaire. 1.2 Représentation graphique. 3eme
Fonctions linéaires et affines 3eme 1 Fonctions linéaires 1.1 Vocabulaire Définition 1 Soit a un nombre quelconque «fixe». Une fonction linéaire associe à un nombre x quelconque le nombre a x. a s appelle
Plus en détailTABLE DES MATIÈRES CHAPITRE I. Les quanta s invitent
TABLE DES MATIÈRES AVANT-PROPOS III CHAPITRE I Les quanta s invitent I-1. L Univers est en constante évolution 2 I-2. L âge de l Univers 4 I-2.1. Le rayonnement fossile témoigne 4 I-2.2. Les amas globulaires
Plus en détailEnoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé.
Enoncé et corrigé du brevet des collèges dans les académies d Aix- Marseille, Montpellier, Nice Corse et Toulouse en 2000. Énoncé. I- ACTIVITES NUMERIQUES (12 points) Exercice 1 (3 points) On considère
Plus en détailAnnexe 1 Programmes des classes préparatoires aux Grandes Ecoles
Annexe 1 Programmes des classes préparatoires aux Grandes Ecoles Filière : scientifique Voie : Physique, chimie et sciences de l ingénieur (PCSI) Discipline : Mathématiques Première année Classe préparatoire
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 détailIntroduction à MATLAB R
Introduction à MATLAB R Romain Tavenard 10 septembre 2009 MATLAB R est un environnement de calcul numérique propriétaire orienté vers le calcul matriciel. Il se compose d un langage de programmation, d
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 détailUNIVERSITE PARIS VII - DENIS DIDEROT U.F.R. D'INFORMATIQUE THESE
UNIVERSITE PARIS VII - DENIS DIDEROT U.F.R. D'INFORMATIQUE Année 1998 N attribué par la bibliothèque _ THESE pour obtenir le grade de DOCTEUR DE L'UNIVERSITE PARIS VII Discipline : Informatique présentée
Plus en détailPolynômes à plusieurs variables. Résultant
Polynômes à plusieurs variables. Résultant Christophe Ritzenthaler 1 Relations coefficients-racines. Polynômes symétriques Issu de [MS] et de [Goz]. Soit A un anneau intègre. Définition 1.1. Soit a A \
Plus en détail= constante et cette constante est a.
Le problème Lorsqu on sait que f(x 1 ) = y 1 et que f(x 2 ) = y 2, comment trouver l expression de f(x 1 )? On sait qu une fonction affine a une expression de la forme f(x) = ax + b, le problème est donc
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 détailBACCALAURÉAT PROFESSIONNEL ÉPREUVE DE MATHEMATIQUES. EXEMPLE DE SUJET n 2
Exemple de sujet n 2 Page 1/7 BACCALAURÉAT PROFESSIONNEL ÉPREUVE DE MATHEMATIQUES EXEMPLE DE SUJET n 2 Ce document comprend : Pour l examinateur : - une fiche descriptive du sujet page 2/7 - une fiche
Plus en détailBaccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé
Baccalauréat ES Polynésie (spécialité) 10 septembre 2014 Corrigé A. P. M. E. P. Exercice 1 5 points 1. Réponse d. : 1 e Le coefficient directeur de la tangente est négatif et n est manifestement pas 2e
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 détailStructures algébriques
Structures algébriques 1. Lois de composition s Soit E un ensemble. Une loi de composition interne sur E est une application de E E dans E. Soient E et F deux ensembles. Une loi de composition externe
Plus en détailDéfi SSQ Groupe financier
Défi SSQ Groupe financier 16 janvier 2015 Gestion actif-passif : optimisation d une position d appariement Table des matières Présentation SSQ Groupe financier Vice-présidence Placements Problématique
Plus en détailF1C1/ Analyse. El Hadji Malick DIA
F1C1/ Analyse Présenté par : El Hadji Malick DIA dia.elmalick1@gmail.com Description sommaire du cours Porte sur l analyse réelle propose des outils de travail sur des éléments de topologie élémentaire
Plus en détailBaccalauréat ES/L Métropole La Réunion 13 septembre 2013 Corrigé
Baccalauréat S/L Métropole La Réunion 13 septembre 2013 Corrigé A. P. M.. P. XRCIC 1 Commun à tous les candidats Partie A 1. L arbre de probabilité correspondant aux données du problème est : 0,3 0,6 H
Plus en détailGrandes lignes ASTRÉE. Logiciels critiques. Outils de certification classiques. Inspection manuelle. Definition. Test
Grandes lignes Analyseur Statique de logiciels Temps RÉel Embarqués École Polytechnique École Normale Supérieure Mercredi 18 juillet 2005 1 Présentation d 2 Cadre théorique de l interprétation abstraite
Plus en détailResolution limit in community detection
Introduction Plan 2006 Introduction Plan Introduction Introduction Plan Introduction Point de départ : un graphe et des sous-graphes. But : quantifier le fait que les sous-graphes choisis sont des modules.
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 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 détailCorrigé des TD 1 à 5
Corrigé des TD 1 à 5 1 Premier Contact 1.1 Somme des n premiers entiers 1 (* Somme des n premiers entiers *) 2 program somme_entiers; n, i, somme: integer; 8 (* saisie du nombre n *) write( Saisissez un
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 détailLa demande Du consommateur. Contrainte budgétaire Préférences Choix optimal
La demande Du consommateur Contrainte budgétaire Préférences Choix optimal Plan du cours Préambule : Rationalité du consommateur I II III IV V La contrainte budgétaire Les préférences Le choix optimal
Plus en détailCatalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands.
Catalogue des connaissances de base en mathématiques dispensées dans les gymnases, lycées et collèges romands. Pourquoi un autre catalogue en Suisse romande Historique En 1990, la CRUS (Conférences des
Plus en détailComment optimiser les encodages financiers?
Comment optimiser les encodages financiers? Comptabilité & Finance Gestion des encodages Financiers Sage BOB 50 propose de nouvelles possibilités de recherche dans l encodage des financiers. Ainsi, en
Plus en détailItems étudiés dans le CHAPITRE N5. 7 et 9 p 129 D14 Déterminer par le calcul l'antécédent d'un nombre par une fonction linéaire
CHAPITRE N5 FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION FONCTIONS LINEAIRES NOTION DE FONCTION Code item D0 D2 N30[S] Items étudiés dans le CHAPITRE N5 Déterminer l'image
Plus en détailTechniques d interaction dans la visualisation de l information Séminaire DIVA
Techniques d interaction dans la visualisation de l information Séminaire DIVA Zingg Luca, luca.zingg@unifr.ch 13 février 2007 Résumé Le but de cet article est d avoir une vision globale des techniques
Plus en détailCH.6 Propriétés des langages non contextuels
CH.6 Propriétés des langages non contetuels 6.1 Le lemme de pompage 6.2 Les propriétés de fermeture 6.3 Les problèmes de décidabilité 6.4 Les langages non contetuels déterministes utomates ch6 1 6.1 Le
Plus en détailCCP PSI - 2010 Mathématiques 1 : un corrigé
CCP PSI - 00 Mathématiques : un corrigé Première partie. Définition d une structure euclidienne sur R n [X]... B est clairement symétrique et linéaire par rapport à sa seconde variable. De plus B(P, P
Plus en détailSINE QUA NON. Découverte et Prise en main du logiciel Utilisation de bases
SINE QUA NON Découverte et Prise en main du logiciel Utilisation de bases Sine qua non est un logiciel «traceur de courbes planes» mais il possède aussi bien d autres fonctionnalités que nous verrons tout
Plus en détailSOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique
SOCLE COMMUN - La Compétence 3 Les principaux éléments de mathématiques et la culture scientifique et technologique DOMAINE P3.C3.D1. Pratiquer une démarche scientifique et technologique, résoudre des
Plus en détailLes algorithmes de base du graphisme
Les algorithmes de base du graphisme Table des matières 1 Traçage 2 1.1 Segments de droites......................... 2 1.1.1 Algorithmes simples.................... 3 1.1.2 Algorithmes de Bresenham (1965).............
Plus en détailTable des matières. I Mise à niveau 11. Préface
Table des matières Préface v I Mise à niveau 11 1 Bases du calcul commercial 13 1.1 Alphabet grec...................................... 13 1.2 Symboles mathématiques............................... 14 1.3
Plus en détailI. Ensemble de définition d'une fonction
Chapitre 2 Généralités sur les fonctions Fonctions de références et fonctions associées Ce que dit le programme : Étude de fonctions Fonctions de référence x x et x x Connaître les variations de ces deux
Plus en détailProgramme de la classe de première année MPSI
Objectifs Programme de la classe de première année MPSI I - Introduction à l analyse L objectif de cette partie est d amener les étudiants vers des problèmes effectifs d analyse élémentaire, d introduire
Plus en détailComplément d information concernant la fiche de concordance
Sommaire SAMEDI 0 DÉCEMBRE 20 Vous trouverez dans ce dossier les documents correspondants à ce que nous allons travailler aujourd hui : La fiche de concordance pour le DAEU ; Page 2 Un rappel de cours
Plus en détailChapitre 3. Quelques fonctions usuelles. 1 Fonctions logarithme et exponentielle. 1.1 La fonction logarithme
Chapitre 3 Quelques fonctions usuelles 1 Fonctions logarithme et eponentielle 1.1 La fonction logarithme Définition 1.1 La fonction 7! 1/ est continue sur ]0, +1[. Elle admet donc des primitives sur cet
Plus en détailFonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples
45 Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples Les espaces vectoriels considérés sont réels, non réduits au vecteur nul et
Plus en détailO, i, ) ln x. (ln x)2
EXERCICE 5 points Commun à tous les candidats Le plan complee est muni d un repère orthonormal O, i, j Étude d une fonction f On considère la fonction f définie sur l intervalle ]0; + [ par : f = ln On
Plus en détailM2 IAD UE MODE Notes de cours (3)
M2 IAD UE MODE Notes de cours (3) Jean-Yves Jaffray Patrice Perny 16 mars 2006 ATTITUDE PAR RAPPORT AU RISQUE 1 Attitude par rapport au risque Nousn avons pas encore fait d hypothèse sur la structure de
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 détailCorrection du baccalauréat ES/L Métropole 20 juin 2014
Correction du baccalauréat ES/L Métropole 0 juin 014 Exercice 1 1. c.. c. 3. c. 4. d. 5. a. P A (B)=1 P A (B)=1 0,3=0,7 D après la formule des probabilités totales : P(B)=P(A B)+P(A B)=0,6 0,3+(1 0,6)
Plus en détailCours 1 : Introduction Ordinateurs - Langages de haut niveau - Application
Université de Provence Licence Math-Info Première Année V. Phan Luong Algorithmique et Programmation en Python Cours 1 : Introduction Ordinateurs - Langages de haut niveau - Application 1 Ordinateur Un
Plus en détailProbabilité. Table des matières. 1 Loi de probabilité 2 1.1 Conditions préalables... 2 1.2 Définitions... 2 1.3 Loi équirépartie...
1 Probabilité Table des matières 1 Loi de probabilité 2 1.1 Conditions préalables........................... 2 1.2 Définitions................................. 2 1.3 Loi équirépartie..............................
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 détailTravailler avec les télécommunications
Travailler avec les télécommunications Minimiser l attrition dans le secteur des télécommunications Table des matières : 1 Analyse de l attrition à l aide du data mining 2 Analyse de l attrition de la
Plus en détailDéveloppements limités, équivalents et calculs de limites
Développements ités, équivalents et calculs de ites Eercice. Déterminer le développement ité en 0 à l ordre n des fonctions suivantes :. f() e (+) 3 n. g() sin() +ln(+) n 3 3. h() e sh() n 4. i() sin(
Plus en détailPROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES
Leçon 11 PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES Dans cette leçon, nous retrouvons le problème d ordonnancement déjà vu mais en ajoutant la prise en compte de contraintes portant sur les ressources.
Plus en détailOrdonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1
CHAPTER 1 Ordonnancement 1.1. Étude de cas Ordonnancement de tâches avec contraintes de précédences 1.1.1. Exemple : construction d'une maison. Exercice. On veut construire une maison, ce qui consiste
Plus en détail