La notion de dualité

Save this PDF as:

Dimension: px
Commencer à balayer dès la page:

Download "La notion de dualité"

Transcription

1 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 T c T ]. b T Soit v R n le vecteur-colonne des variables du problème dual ou u R n le vecteur-ligne des variables du problème dual. 38

2 Le problème primal s écrit: (P ) Min x z = cx sous Ax = b et x 0 Le problème dual s écrit: (D) ou encore, avec u = v T, (D) Max v w = b T v sous A T v c T et v 0 ou < 0 Max u w = ub sous ua c et u 0 ou < 0 39

3 Dual d un PL sous forme générale Primal Dual Minimiser cx Second membre c T Second membre b Maximiser b T v A matrice des contraintes A T matrice des contraintes Contrainte j Variable v j 0 Variable x i 0 Contrainte i contrainte j = Variable v j 0 ou 0 Variable x i 0 ou 0 Contrainte i = 40

4 Théorèmes de la dualité 1. Le dual du dual est le primal. En effet, la transposée d une matrice est la matrice elle-même. 2. Si x et ū sont respectivement des solutions du primal et du dual, alors: z = c x w = ūb. Démonstration : Dans (P), multiplions les 2 termes de la contrainte A x = b à gauche par ū ūa x = ūb Dans (D), multiplions les 2 termes de l inégalité ūa c à droite par x: ( x 0): ūa x c x. D où ūb c x. Interprétation : Une solution primale admissible sous-optimale est meilleure qu optimale, mais non admissible pour le problème dual. Une solution duale admissible sous-optimale est meilleure qu optimale, mais non admissible pour le problème primal. 41

5 3. Si (P) et (D) ont des solutions, alors chacun d entre eux a une solution optimale et: z = min cx = w = max ub Réciproquement, si x est admissible pour (P) et u est admissible pour (D) et que cx = ub, alors x est optimal pour (P) et u est optimal pour (D). Si l un d eux a un optimum non borné, l autre n a pas de solution. 4. Complémentarité: Une CNS pour que (x, u ) soit optimal est: (u A j c j )x j = 0 j = 1,.., n, A j représentant la jème colonne de A. Eléments de démonstration : donc ūa x = ūb ūa x c x = ūb c x L égalité est obtenue si et seulement si (x, u ) est optimal. Interprétation Les variables x j 0 sont associées aux contraintes inégalité ua j c j : Une variable duale associée à une contrainte inégalité non saturée (ua j < c j ) est nécessairement nulle. Une variable duale associée à une contrainte saturée (ua j = c j ) est nécessairement positive.

6 Interprétation économique de la dualité: La variable duale associée à une contrainte correspond au coût de cette contrainte dans la solution courante. Si cette contrainte est saturée, ce coût est positif. Il est nul si cette contrainte n est pas saturée. Utilisation algorithmique de la dualité Résolution du dual La première utilisation, évidente, du problème dual, est de le résoudre s il est plus simple que le problème primal. Ce sera le cas, en particulier, lorsque le problème primal n a pas de solution admissible évidente mais qu il est facile d en construire une pour le problème primal. 42

7 Propriétés du dual On remarque que la condition d admissibilité d une solution de base pour le problème dual est c 0, qui est la condition d optimalité du problème primal. De façon analogue (duale), la condition d admissibilité d une solution de base pour le problème primal est b 0, qui est la condition d optimalité du problème dual. On résoudra donc plutôt le problème dual au lieu du problème primal s il est plus simple ou (et) si l on parvient plus facilement à construire une solution avec c 0 qu avec b 0 43

8 Exemple Min x1,x 2 z = 4x 1 + 6x x 3 sous x 1 + 3x 3 3 sous x 2 + 2x 3 5 et x 1, x 2, x 3 0 L introduction de variables d écart x 4 et x 5 conduit au tableau simplexe suivant: x 4 x 5 x 1 x 2 x 3 z (1) (2) (c) La solution de base construite avec comme variables de base les variables d écart n est pas admissible car les termes de b sont négatifs. Mais on peut remarquer que tous les coûts réduits associés aux variables d écart sont positifs. La valeur de base du critère est donc un minorant de la valeur optimale du critère. 44

9 Problème dual Cette propriété sur les coûts réduits indique que la solution de base associée est admissible pour le problème dual. Le problème dual s écrit: Max u1,u 2 w = 3u 1 + 5u 2 sous u 1 4 u 2 6 3u 1 + 2u 2 18 et u 1, u

10 Appliquons la méthode du simplexe au problème dual. Etape 1: u 3 u 4 u 5 u 1 u 2 w (1) (2) (3) (c) Etape 2: variable entrante u 2, variable sortante u 4, puis variable entrante u 1, variable sortante u 5, ce qui donne u 3 u 2 u 1 u 5 u 4 w (1) /3 2/3 0 2 (2) (3) /3-2/3 0 2 (c) La solution duale optimale est donc: w = 36, u 1 = 2, u 2 = 6, u 3 = 2, u 4 = u 5 = 0. 46

11 L algorithme dual du simplexe 1. Base initiale en représentation primale, non-réalisable pour le primal mais correspondant à une solution réalisable du problème dual : B 0, k = 0. Pour être duale-réalisable, on doit avoir, pour une minimisation, c N 0, et pour une maximisation, c N 0 2. Pour k, calculer b = B 1 b, π = c B B 1, c N = c N πn, Ā = B 1 A, 3. Si b 0, STOP, optimum réalisable atteint Sinon, choisir s tel que b s 0. En pratique, on choisit la variable de base dont la valeur est la plus négative. Cette variable sort de la base. Elle sera donc nulle dans la base de l itération k+1. 47

12 4. Pivot. Soit Ā s la ligne s de Ā. On fait entrer dans la base une variable de base à coefficient négatif dans Ā s. On choisit comme variable entrante i celle c pour laquelle le rapport i est non-négatif Ā is et minimal, de façon à faire croître le critère le moins possible. Construire la nouvelle base, B et aller en 2-

13 Exemple x 4 x 5 x 1 x 2 x 3 z (1) (2) (c) On constate que la solution est duale-réalisable car les coefficients c i sont non-négatifs. Etape 1 On choisit x 5 comme variable de base sortante. La variable entrante est x 2, que l on élimine dans l équation (c), ce qui donne, après permutation des colonnes de x 5 et x 2 : x 4 x 2 x 1 x 5 x 3 z (1) (2) (c) On constate que la solution est restée duale-réalisable car les coefficients c i sont non-négatifs. 48

14 Etape 2 La nouvelle variable sortante est x 4 et la nouvelle variable entrant en base est x 3, ce qui donne: x 3 x 2 x 1 x 5 x 4 z (1) 1 0 1/3 0-1/3 0 1 (2) 0 1-2/3-1 2/3 0 3 (c) La solution est devenue primale-réalisable tout en restant duale-réalisable. Elle est donc optimale. La solution primale optimale est donc : z = 36, x 1 = 0, x 2 = 3, x 3 = 1.

15 Utilisation de la complémentarité La solution duale et la solution primale optimales ont été obtenues par deux techniques différentes. On vérifie que z = w = 36, mais ce résultat était connu théoriquement. De même, la théorie permet directement de trouver les valeurs optimales des variables duales. On a donc en pratique un seul problème à résoudre, Théorème La valeur optimale de la variable duale associée à une contrainte inégalité est égale (au signe pres) au coût réduit de la variable d écart associée dans le tableau simplexe de la solution primale optimale. Exemple: Ici, à partir de la solution primale, on déduit: u 1 = 2, u 2 = 6. En reportant ces valeurs dans l expression du dual, on obtient les variables d écart du dual: u 3 = 2, u 4 = 0 u 5 = 0. 49

16 Algorithme primal-dual Dans le cas où il est difficile de trouver une solution primale-réalisable mais aussi une solution duale-réalisable, on peut partir d une initialisation quelconque des variables et procéder alternativement par optimisation duale et primale. L introduction de variables artificielle est un autre moyen de résoudre le problème de recherche d une solution initiale admissible. Il s agit alors de la méthode dite révisée du simplexe. 50

17 Application Numérique Voici des valeurs numériques relatives au problème de transport: QUANTITES DEMANDEES QUANTITES DISPONIBLES PARIS MARSEILLE 1 LE HAVRE TOULOUSE BORDEAUX Application Numérique Minimiser z = 5x x x x x x 23 sous les contraintes: x 11 + x 12 + x x 21 + x 22 + x x 11 x x 12 x x 13 x x ij 0 pour i = 1, 2, pour j = 1,.., 3. 51

18 Interprétation du problème dual Le problème primal exprime le point de vue du constructeur qui cherche à minimiser ses coûts de production. Le problème dual s écrit ainsi : Maximiser z = 550u 1 350u v v v 3 sous les contraintes: v 1 u 1 5 v 2 u 1 6 v 3 u 1 3 v 1 u 2 3 v 2 u 2 5 v 3 u 2 5 u i 0 pour i = 1, 2, v j 0 pour j = 1,.., 3. 52

19 Interprétation du problème dual Le problème dual exprime le point de vue du transporteur qui veut maximiser son profit. Ses variables sont les prix d achat à Marseille (u 1 ) et au Havre (u 2 ) et ses prix de vente à Paris (v 1 ), Toulouse (v 2 ) et Bordeaux (v 3 ). Les quantités qu il doit acheter et vendre sont fixées. Les contraintes du problème dual expriment que les prix sont compétitifs, c est à dire acceptables pour le constructeur. 53

20 Résolution La valeur optimale du critère est 3700 $. Elle correspond au graphe d approvisionnement suiv- QUANTITES DEMANDEES QUANTITES DISPONIBLES PARIS MARSEILLE TOULOUSE ant. 350 LE HAVRE BORDEAUX Solution optimale 54

21 Approche Lagrangienne en Programmation Linéaire Le lagrangien d un problème permet de combiner la formulation duale et la formulation primale. Soit x le vecteur de variables de (P), appelées variables primales. Soit u le vecteur de variables de (D), appelées variables duales. Les variables duales sont associées aux contraintes Ax = b du problème primal. Elles sont encore appelées multiplicateurs de Lagrange, car elles sont associées multiplicativement aux contraintes à travers les relations de complémentarité à l optimum : u j (b j A j x ) = 0. 55

22 Approche Lagrangienne en Programmation Linéaire Le lagrangien du problème est la fonction: L(x, u) = cx + u(b Ax) Résoudre le problème (P) est équivalent à résoudre son problème dual (D). Ces problèmes sont équivalents au problème suivant : Max u Min x 0 L(x, u) = cx + u(b Ax) Le problème d optimisation sous contraintes revient à la recherche du point selle du lagrangien sans contraintes. 56

23 Lemme de Farkas-Minkowski C est un lemme tres utile dans de nombreuses démonstration, et à la base des propriétés de dualité. Lemme Un et un seul des systàmes linéaires suivants a une solution : { Ax b x 0 et ua 0 u 0 ub < 0 Il y a de nombreuses variantes de ce Lemme. Corollaire du Lemme de Farkas x 0; Ax = b si et seulement si ua 0 = ub 0 (b, u R m ). Corollaire x; Ax b si et seulement si u 0 et ua = 0 = ub 0 (b, u R m ). Corollaire x 0; Ax b si et seulement si u 0 et ua 0 = ub 0 (b, u R m ). 57

Programmation Linéaire - Cours 2

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

Plus en détail

INTRODUCTION A L OPTIMISATION

INTRODUCTION A L OPTIMISATION INTRODUCTION A L OPTIMISATION Les domaines d application L optimisation est essentiellement un outil d aide à la décision au sein de l entreprise, mais aussi pour des individus. Le terme optimal est souvent

Plus en détail

Rappels sur les tableaux et l algorithme du simplexe

Rappels sur les tableaux et l algorithme du simplexe Rappels sur les tableaux et l algorithme du simplexe À tout tableau est associée non seulement une base du problème initial (primal) mais également une base du problème dual. Les valeurs des variables

Plus en détail

Programmation linéaire

Programmation linéaire 1 Programmation linéaire 1. Le problème, un exemple. 2. Le cas b = 0 3. Théorème de dualité 4. L algorithme du simplexe 5. Problèmes équivalents 6. Complexité de l Algorithme 2 Position du problème Soit

Plus en détail

LES ÉTAPES DE L ALGORITHME DU SIMPLEXE

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

Plus en détail

Chapitre 4 : Dualité en programmation linéaire

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

Plus en détail

Optimisation linéaire

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

Plus en détail

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/

Souad EL Bernoussi. Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Recherche opérationnelle Les démonstrations et les exemples seront traités en cours Souad EL Bernoussi Groupe d Analyse Numérique et Optimisation Rabat http ://www.fsr.ac.ma/ano/ Table des matières 1 Programmation

Plus en détail

Optimisation Discrète

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

Plus en détail

Optimisation en nombres entiers

Optimisation en nombres entiers Optimisation en nombres entiers p. 1/83 Optimisation en nombres entiers Michel Bierlaire michel.bierlaire@epfl.ch EPFL - Laboratoire Transport et Mobilité - ENAC Optimisation en nombres entiers p. 2/83

Plus en détail

Programmation linéaire

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

Plus en détail

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. 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)

Plus en détail

Chapitre 6. Modélisation en P.L.I. 6.1 Lien entre PL et PLI. 6.1.1 Approximation de la PLI

Chapitre 6. Modélisation en P.L.I. 6.1 Lien entre PL et PLI. 6.1.1 Approximation de la PLI Chapitre 6 Modélisation en P.L.I. 6.1 Lien entre PL et PLI (P) problème de PL. On restreint les variables à être entières : on a un problème de PLI (ILP en anglais). On restreint certaines variables à

Plus en détail

Ax = b iff (B + N) x N

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

Plus en détail

Recherche opérationnelle. Programmation linéaire et recherche opérationnelle. Programmation linéaire. Des problèmes de RO que vous savez résoudre

Recherche opérationnelle. Programmation linéaire et recherche opérationnelle. Programmation linéaire. Des problèmes de RO que vous savez résoudre Recherche opérationnelle Programmation linéaire et recherche opérationnelle Ioan Todinca Ioan.Todinca@univ-orleans.fr tél. 0 38 41 7 93 bureau : en bas à gauche Tentative de définition Ensemble de méthodes

Plus en détail

Cours 02 : Problème général de la programmation linéaire

Cours 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 détail

Second degré : Résumé de cours et méthodes

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

Plus en détail

1.1 Définitions... 2 1.2 Opérations élémentaires... 2 1.3 Systèmes échelonnés et triangulaires... 3

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

Plus en détail

Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique

Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique Programmation Linéaire Cours 1 : programmes linéaires, modélisation et résolution graphique F. Clautiaux francois.clautiaux@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 Motivation et objectif du cours

Plus en détail

Recherche Opérationnelle

Recherche Opérationnelle Chapitre 2 : Programmation linéaire (Introduction) Vendredi 06 Novembre 2015 Sommaire 1 Historique 2 3 4 5 Plan 1 Historique 2 3 4 5 La programmation linéaire est un cadre mathématique général permettant

Plus en détail

Exercices théoriques

Exercices théoriques École normale supérieure 2008-2009 Département d informatique Algorithmique et Programmation TD n 9 : Programmation Linéaire Avec Solutions Exercices théoriques Rappel : Dual d un programme linéaire cf.

Plus en détail

Chapitre 7 : Programmation dynamique

Chapitre 7 : Programmation dynamique Graphes et RO TELECOM Nancy 2A Chapitre 7 : Programmation dynamique J.-F. Scheid 1 Plan du chapitre I. Introduction et principe d optimalité de Bellman II. Programmation dynamique pour la programmation

Plus en détail

1 Programmation linéaire

1 Programmation linéaire UNIVERSITÉ PARIS OUEST NANTERRE LA DÉFENSE U.F.R. SEGMI Année universitaire 2012 2013 Master d économie Cours de M. Desgraupes Méthodes Numériques Document 4 : Corrigé des exercices d optimisation linéaire

Plus en détail

Fonctions de référence Variation des fonctions associées

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

Plus en détail

Le corps R des nombres réels

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

Plus en détail

Cours de mathématiques - Alternance Gea

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

Plus en détail

Programmation Linéaire - Cours 1

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.

Plus en détail

Examen de l UE LM125 Janvier 2007 Corrigé

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

Plus en détail

Sujet 4: Programmation stochastique propriétés de fonction de recours

Sujet 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 détail

Recherche Opérationnelle 1A Programmation Linéaire Résolution d un Programme Linéaire Introduction

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

Plus en détail

Chapitre 7. Problèmes de flots. 7.1 Exemple. 7.2 Notions de base sur les graphes

Chapitre 7. Problèmes de flots. 7.1 Exemple. 7.2 Notions de base sur les graphes Chapitre 7 Problèmes de flots. 7.1 Exemple. Un réseau electrique est formé de lignes reliant des noeuds (transformateurs, centre de redistributions,...), chaque ligne a une capacité de transport maximale.

Plus en détail

Programmation linéaire

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

Plus en détail

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 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

Plus en détail

Exercice : la frontière des portefeuilles optimaux sans actif certain

Exercice : la frontière des portefeuilles optimaux sans actif certain Exercice : la frontière des portefeuilles optimaux sans actif certain Philippe Bernard Ingénierie Economique & Financière Université Paris-Dauphine Février 0 On considère un univers de titres constitué

Plus en détail

Chapitre 3. Les distributions à deux variables

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

Plus en détail

Solutions optimales multiples. 3D.1 Unicité de la solution optimale du modèle (FRB)

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

Plus en détail

Problèmes de transport et transbordement

Problèmes de transport et transbordement Problèmes de transport et transbordement Résolution Hugues Talbot Laboratoire A2SI 9 avril 2009 Plan Introduction Introduction Solution des problèmes de transport Solution de base initiale Le simplexe

Plus en détail

Programmation linéaire et Optimisation. Didier Smets

Programmation 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 détail

Exercices du Cours de la programmation linéaire donné par le Dr. Ali DERBALA

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

Plus en détail

Équations du troisième degré

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

Plus en détail

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? 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 détail

Algorithme du simplexe

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

Plus en détail

Correction de l épreuve intermédiaire de mai 2009.

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

Plus en détail

Introduction à l optimisation

Introduction à l optimisation Université du Québec à Montréal Introduction à l optimisation Donnée dans le cadre du cours Microéconomie II ECO2012 Baccalauréat en économique Par Dominique Duchesneau 21 janvier septembre 2008 Ce document

Plus en détail

Théorie des Langages Formels Chapitre 5 : Automates minimaux

Théorie des Langages Formels Chapitre 5 : Automates minimaux Théorie des Langages Formels Chapitre 5 : Automates minimaux Florence Levé Florence.Leve@u-picardie.fr Année 2015-2016 1/29 Introduction Les algorithmes vus précédemment peuvent mener à des automates relativement

Plus en détail

Sujet 6: Dualité interpretations intuitives

Sujet 6: Dualité interpretations intuitives Sujet 6: Dualité interpretations intuitives MHT 423: Modélisation et optimisation Andrew J. Miller Dernière mise à jour: March 31, 2010 Dans ce sujet... 1 L analyse de sensibilité 2 1 L analyse de sensibilité

Plus en détail

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 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,

Plus en détail

Dérivées d ordres supérieurs. Application à l étude d extrema.

Dérivées d ordres supérieurs. Application à l étude d extrema. Chapitre 5 Dérivées d ordres supérieurs. Application à l étude d extrema. On s intéresse dans ce chapitre aux dérivées d ordre ou plus d une fonction de plusieurs variables. Comme pour une fonction d une

Plus en détail

Exercices Corrigés Premières notions sur les espaces vectoriels

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

Plus en détail

Chapitre 1 : Évolution COURS

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

Plus en détail

Programmation Linéaire - Cours 4

Programmation Linéaire - Cours 4 Programmation Linéaire - Cours 4 P. Pesneau pierre.pesneau@math.u-bordeaux1.fr Université Bordeaux 1 Bât A33 - Bur 265 Sommaire Dualité 1 Dualité 2 3 Primal / Dual Dualité Les PL vont toujours par paires

Plus en détail

Le problème des multiplications matricielles enchaînées peut être énoncé comme suit : étant

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.

Plus en détail

TP - Modélisation et optimisation des systèmes complexes

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

Plus en détail

La gestion des ventes.

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

Plus en détail

Théorie et codage de l information

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

Plus en détail

Programmation dynamique

Programmation dynamique A. Principe général B. Application Triangle de Pascal Série mondiale Multiplication chaînée de matrices Les plus courts chemins Principe général Souvent, pour résoudre un problème de taille n, on s'aperçoit

Plus en détail

(i) Le nombre de travailleurs commencant leur service est positif ou nul : x i 0 i = 1,...,7

(i) Le nombre de travailleurs commencant leur service est positif ou nul : x i 0 i = 1,...,7 Chapitre 1 Modelisation 11 Exemples de Problèmes 111 La Cafétaria Cafétaria ouverte toute la semaine Statistique sur le personnel requis : Jour Lundi Mardi Mercredi Jeudi Vendredi Samedi Dimanche Nombre

Plus en détail

Cours Diagonalisation

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?

Plus en détail

Développement décimal d un réel

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

Plus en détail

Chapitre 1 : Programmation linéaire

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

Plus en détail

Outils d analyse fonctionnelle Cours 5 Théorie spectrale

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

Plus en détail

Généralités sur les graphes

Généralités sur les graphes Généralités sur les graphes Christophe ROSSIGNOL Année scolaire 2008/2009 Table des matières 1 Notion de graphe 3 1.1 Un peu de vocabulaire.......................................... 3 1.2 Ordre d un graphe,

Plus en détail

Cours 3: Inversion des matrices dans la pratique...

Cours 3: Inversion des matrices dans la pratique... Cours 3: Inversion des matrices dans la pratique... Laboratoire de Mathématiques de Toulouse Université Paul Sabatier-IUT GEA Ponsan Module complémentaire de maths, année 2012 1 Rappel de l épisode précédent

Plus en détail

Cahier de vacances - Préparation à la Première S

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

Plus en détail

Formules d inclusion-exclusion

Formules d inclusion-exclusion Université de Rouen L1 M.I.EEA 2011 2012 Mathématiques discrètes Formules d inclusion-exclusion Je présente ici une correction détaillée de l Exercice 5 de la Feuille d exercices 1, en reprenant le problème

Plus en détail

Résolution d équations non linéaires

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

Plus en détail

Calcul Matriciel. Chapitre 10. 10.1 Qu est-ce qu une matrice? 10.2 Indexation des coefficients. 10.3 Exemples de matrices carrées.

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

Plus en détail

Ce déterminant est non nul donc le système est de Cramer. On a donc. 3 3 1 1 1 2 9 1 5 x = det(m)

Ce déterminant est non nul donc le système est de Cramer. On a donc. 3 3 1 1 1 2 9 1 5 x = det(m) Problème ( points) Un capital de 0 000 euros est placé à un taux d intérêts composés de 2%. La valeur récupérée à l issue du placement est 70,2 euros. Quelle est la durée de ce placement? Soit d la durée

Plus en détail

Sujet 2 : Programmation linéaire: applications et propriétés

Sujet 2 : Programmation linéaire: applications et propriétés Sujet 2 : Programmation linéaire: applications et propriétés MHT 423 : Modèles et méthodes d optimisation Andrew J. Miller Dernière mise à jour: March 10, 2010 Dans ce sujet... 1 Application : problème

Plus en détail

Fonctions homographiques

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.

Plus en détail

Chapitre IV Bases et dimension d un espace vectoriel

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

Plus en détail

Optimisation des fonctions de plusieurs variables

Optimisation 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 détail

Calcul matriciel. Définition 1 Une matrice de format (m,n) est un tableau rectangulaire de mn éléments, rangés en m lignes et n colonnes.

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

Plus en détail

Heuristique et métaheuristique. 8. Optimisation combinatoire et métaheuristiques. Optimisation combinatoire. Problème du voyageur de commerce

Heuristique et métaheuristique. 8. Optimisation combinatoire et métaheuristiques. Optimisation combinatoire. Problème du voyageur de commerce Heuristique et métaheuristique IFT1575 Modèles de recherche opérationnelle (RO) 8. Optimisation combinatoire et métaheuristiques Un algorithme heuristique permet d identifier au moins une solution réalisable

Plus en détail

M2 MPRO. Optimisation dans les Graphes 2014-2015

M2 MPRO. Optimisation dans les Graphes 2014-2015 M2 MPRO Optimisation dans les Graphes 2014-2015 Programmation linéaire et problèmes d'optimisation dans les graphes 1 Problèmes d'optimisation dans les graphes : quelles méthodes pour les résoudre? Théorie

Plus en détail

4. Programmation en nombres entiers

4. Programmation en nombres entiers IFT575 Modèles de recherche opérationnelle (RO). Programmation en nombres entiers b. Séparation et évaluation progressive c. Plans de coupes Résolution de modèles entiers Programmation en nombres entiers

Plus en détail

TRAVAUX PRATIQUES : PROGRAMMATION LINEAIRE

TRAVAUX PRATIQUES : PROGRAMMATION LINEAIRE Optimisation TP1 - Programmation linéaire 1 TRAVAUX PRATIQUES : PROGRAMMATION LINEAIRE Programmation linéaire Les problèmes de cette partie sont à traiter à l aide du logiciel MATLAB. La fonction à utiliser

Plus en détail

Théorie et codage de l information

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

Plus en détail

TD 3 : Problème géométrique dual et méthode des moindres carrés

TD 3 : Problème géométrique dual et méthode des moindres carrés Semestre, ENSIIE Optimisation mathématique 4 mars 04 TD 3 : Problème géométrique dual et méthode des moindres carrés lionel.rieg@ensiie.fr Exercice On considère le programme géométrique suivant : min x>0,y>0

Plus en détail

Chapitre 6. Programmation Dynamique. Méthodes P.S.E.P. 6.1 Programmation dynamique. 6.1.1 Exemple introductif

Chapitre 6. Programmation Dynamique. Méthodes P.S.E.P. 6.1 Programmation dynamique. 6.1.1 Exemple introductif Chapitre 6 Programmation Dynamique. Méthodes P.S.E.P. 6.1 Programmation dynamique 6.1.1 Exemple introductif Problème : n matrices M i (m i, m i+1 ) à multiplier en minimisant le nombre de multiplications,

Plus en détail

Première partie. Préliminaires : noyaux itérés. MPSI B 6 juin 2015

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

Plus en détail

Fonction inverse Fonctions homographiques

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...................................

Plus en détail

Cours de mathématiques - Alternance Gea

Cours de mathématiques - Alternance Gea Cours de mathématiques - Alternance Gea Anne Fredet 3 novembre 2005 1 programmation linéaire à deux variables 1.1 Partitionnement du plan Une droite permet de découper un plan en plusieurs parties. Droite

Plus en détail

1 Une simple histoire de production, et déjà des calculs

1 Une simple histoire de production, et déjà des calculs Université François Rabelais - L AES Cours d Economie Générale Enoncé du TD n 7 Automne 202 Une simple histoire de production, et déjà des calculs Vous considérez dans cet exercice une firme qui a la possibilité

Plus en détail

Recherche Opérationnelle Mercredi 06 Novembre 2013 - Contrôle Terminal - Session 1

Recherche Opérationnelle Mercredi 06 Novembre 2013 - Contrôle Terminal - Session 1 Master 2 LT, MPM, MIR Pôle Lamartine - ULCO Recherche Opérationnelle Mercredi 06 Novembre 2013 - Contrôle Terminal - Session 1 Durée de l épreuve : 2h00 Documents interdits. Calculatrice autorisée Exercice

Plus en détail

Cours de mathématiques : Equation du second degré

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

Plus en détail

UNIVERSITE IBN ZOHR Année Universitaire 2014-2015 Faculté des Sciences Juridiques Economiques et Sociales Agadir

UNIVERSITE IBN ZOHR Année Universitaire 2014-2015 Faculté des Sciences Juridiques Economiques et Sociales Agadir UNIVERSITE IBN ZOHR Année Universitaire 2014-2015 Faculté des Sciences Juridiques Economiques et Sociales S5 Agadir Recherche Opérationnelle Corrigé de la série1: Traduction des problèmes en language mathématique

Plus en détail

Primitives Cours maths Terminale S

Primitives Cours maths Terminale S Primitives Cours maths Terminale S Dans ce module est introduite la notion de primitive d une fonction sur un intervalle. On définit cette notion puis on montre qu une fonction admet une infinité de primitives

Plus en détail

Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée

Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée Techniques d estimation : Maximum de Vraisemblance et Méthode des Moments Généralisée Philippe Gagnepain Université Paris 1 Ecole d Economie de Paris Centre d économie de la Sorbonne-UG 4-Bureau 405 philippe.gagnepain@univ-paris1.fr

Plus en détail

Restauration d images

Restauration d images Restauration d images Plan Présentation du problème. Premières solutions naïves (moindre carrés, inverse généralisée). Méthodes de régularisation. Panorama des méthodes récentes. Problème général Un système

Plus en détail

SOMMES ET PRODUITS. 1 Techniques de calcul. 1.1 Le symbole. 1.2 Règles de calcul. Laurent Garcin MPSI Lycée Jean-Baptiste Corot

SOMMES ET PRODUITS. 1 Techniques de calcul. 1.1 Le symbole. 1.2 Règles de calcul. Laurent Garcin MPSI Lycée Jean-Baptiste Corot SOMMES ET PRODUITS 1 Techniques de calcul 1.1 Le symbole Notation 1.1 Soient m et n deux entiers naturels. Alors { a m + a m+1 + + a + a n si m n, a = 0 sinon. On peut aussi noter m n =m a ou encore m,n

Plus en détail

Cours fonctions, expressions algébriques

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.

Plus en détail

Espaces vectoriels et applications

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

Plus en détail

Programmation linéaire et Optimisation. Didier Smets

Programmation 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 détail

Recherche opérationnelle

Recherche opérationnelle Université dulittoral Côte d Opale Master 2 en Sciences Economiques et de Gestion Recherche opérationnelle Daniel DE WOLF Dunkerque, Septembre 2006 Table des matières 1 Laprogrammation linéaire. 7 1.1

Plus en détail

Niveau de production croissant

Niveau de production croissant En effet, la fonction de production définit : l ensemble de production l ensemble des paniers de facteurs qui permettent de produire un niveau donné de bien. Cette fonction permet de définir des courbes

Plus en détail

Exercices de Programmation Linéaire Modélisation

Exercices de Programmation Linéaire Modélisation Modélisation exercice 1 : On veut préparer 500 litres de punch à partir de cinq boissons A, B, C, D et E. Le punch doit comporter au moins 20% de jus d orange, 10% de jus de pamplemousse et 5% de jus de

Plus en détail

Limites finies en un point

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,

Plus en détail

le triangle de Pascal - le binôme de Newton

le triangle de Pascal - le binôme de Newton 1 / 51 le triangle de Pascal - le binôme de Newton une introduction J-P SPRIET 2015 2 / 51 Plan Voici un exposé présentant le triangle de Pascal et une application au binôme de Newton. 1 2 3 / 51 Plan

Plus en détail

LES DÉTERMINANTS DE MATRICES

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...

Plus en détail