Recherche opérationnelle : programme linéaire à plusieurs variables (simplexe)

Dimension: px
Commencer à balayer dès la page:

Download "Recherche opérationnelle : programme linéaire à plusieurs variables (simplexe)"

Transcription

1 Recherche opérationnelle : programme linéaire à plusieurs variables (simplexe) Anne Fredet, anne@fredet.fr Table des matières Programmation linéaire à plusieurs variables. Dénitions Méthode du simplexe Idée Système canonique Système générique Algorithme du simplexe Contraintes saturées et gains marginaux Exercices Méthode duale Dénition Exercices Applications Solutions des exercices

2 Programmation linéaire à plusieurs variables. Dénitions Dénition. Un programme linéaire est un programme consistant à trouver un extremum (maximum ou minimum) d'une fonction à plusieurs variables, vériant en outre un système d'équations ou d'inéquations, ces fonctions étant linéaires. La méthode graphique devient dicile à réaliser lorsqu'il y a variables, et impossible s'il y a plus de variables. Il faut donc trouver une autre méthode : celle du simplexe. Sous sa forme la plus générale, le modèle de programmation linéaire est le modèle d'optimisation suivant : n minimiser (ou maximiser) z(x) = c j x j i= fonction objectif sous les contraintes n a ij x j j= = b i i =,, m Les nombres c j, a ij, b i sont les paramètres du modèle, ils sont connus avant la résolution. Les variables de décision x j sont indéterminés à priori. Dénition. On appelle : point réalisable tout point x qui satisfait aux contraintes, espace réalisable ou polyhèdre des contraintes l'ensemble des points réalisables, solution optimale un point réalisable qui optimise (maximise ou minimise) z(x) valeur optimale la valeur de z(x) atteinte pour toute solution optimale.. Méthode du simplexe.. Idée On sait que la solution, si elle existe, se trouve au moins sur un sommet du domaine des solutions réalisables, la recherche de la solution optimale s'eectue uniquement sur ces sommets. L'algorithme du simplexe examine comme première solution un des sommets (en général l'origine), qui constitue la solution de base de l'algorithme. Puis il se déplace de sommet en sommet, an d'améliorer la fonction économique à chaque étape. Après un nombre ni d'itérations, il arrive à un sommet à partir duquel tout déplacement vers un autre sommet n'améliore plus cette valeur. On est alors au sommet optimal... Système canonique Pour appliquer la méthode du simplexe, on suppose que le système est donné sous forme canonique, c'est à dire qu'il comprend une contrainte de positivité pour chaque variable et que les autres contraintes sont des inégalités majorantes. On suppose de plus que la fonction objectif est à maximiser : Dénition. On appelle programme linéaire canonique un programme du type x 0. x n 0 a x + + a n x n b. a p x + + a pn x n b p max(c x + + c n x n ) A. Fredet

3 La manipulation de systèmes d'inéquations n'est pas aisée. En eet, la multiplication par un nombre négatif change le signe de l'inégalité et la somme de deux lignes peut être fausse. Exemple. Regardons cela sur exemples :. x + 4 x 4. Si on a { x + y > x + y > 4 alors on devrait avoir { y > (L L ) y > (L L ) { y < c'est à dire y > Or une seule de ces inégalités peut être exacte... C'est pourquoi, an de résoudre ce système, on commence par transformer les inéquations du sysème en équations, en ajoutant de nouvelles variables appelés variables d'écart. On obtient le système : x 0. x n 0 e 0. e p 0 a x + + a n x n + e = b. a p x + + a pn x n + e p = b p max(c x + + c n x n ) On notera Z la fonction objectif : Z = c x + + c n x n. On va considérer ce système sous forme de tableau an de le résoudre : x x x n e e e p e a a a n b e a a a n b.. e p a p a p a pn 0 0 b p Z c c c p Les variables correspondant à des coecients non nuls de la fonction objectif sont des variables hors base. Elles ne gurent pas dans la première colonne. La solution de base est x = = x n = 0 et e = b,, e p = b p. Dans ce cas, la fonction économique vaut 0, les variables x i sont hors base.... Système générique On peut transformer certaines contraintes an d'obtenir un système générique :. Toute inégalité de la forme a x + a x + + a n x n b peut être transformée en a x a x a n x n b. Toute égalité de la forme a x + a x + + a n x n = b peut être transformée en deux inégalités { a x + a x + + a n x n b et a x + a x + + a n x n b. c'est-à-dire { a x + a x + + a n x n b et a x a x a n x n b. A. Fredet

4 ..4 Algorithme du simplexe L'algorithme du simplexe consiste à parcourir le polyhèdre des points réalisables de sommet en sommet jusqu'à ce qu'on ne puisse plus améliorer la solution. Au point de départ, la fonction objectif est nulle, et il s'agit de l'augmenter. Si certains de ses coecients sont positifs, il apparait clairement qu'en augmentant l'une des variables correspondant à un coecients positifs, on augmente cette fonction objectif. On a donc un critère d'obtention de l'optimum : tant que la dernière ligne d'un tableau du simplexe contient au moins un coecient positif, la solution examinée peut être améliorée. Première étape : Recherche du pivot Le pivot est un coecient du tableau qui permet, grâce à la méthode du pivot, d'annuler tous les coecients de la colonne contenant ce pivot, excepté cet élément qui est ramené à après division de la ligne le contenant par ce nombre.. Choix de la colonne pivot La colonne pivot est dénie à partir des coecients de la fonction économique. On cherche à se focaliser sur la variable qui, en augmentant, augmentera le plus possible la fonction objectif. Cette variable correspond au plus grand coecient positif de la fonction objectif. Considérons les coecients c,, c n de la fonction économique. Parmi tous les coecients positifs, on considère le plus grand. La colonne pivot est la colonne qui le contient. S'il existe plusieurs coecients correspondant à cette valeur positive maximale, on peut choisir celui que l'on veut. La variable correspondante sera la variable entrante car elle ne va plus s'annuler. Exemple. Si on considère le programme linéaire suivant : x 0, x 0, x 0 x + x x x + 4x x + x max(x x + x ) En introduisant les variables d'écart, on obtient x 0, x 0, x 0 x + x + e = x + e = x + 4x + e = x + x + e 4 = max(x x + x ) e 0, e 0, e 0, e 4 0 Le premier tableau se présente donc ainsi : x x x e e e e 4 e e e e Z Le plus grand coecient positif de la fonction économique est c =. La colonne pivot est donc la première colonne. La variable x est donc entrante.. Choix de la ligne pivot La variable entrante va prendre la place d'une des variables de base, appelé variable sortante. Il faut maintenant trouver quelle valeur maximum peut prendre cette variable entrante an de maximiser la fonction objectif. Pour 4 A. Fredet

5 cela, chaque coecient de la dernière colonne est divisé par le coecient correspondant de la colonne pivot : si la colonne pivot est a i a i on calcule les rapports. a pi c i, b j a ji pour j =,, p lorsque a ij > 0. On obtient de cette façon, pour chaque contrainte prise séparement, la valeur maximal que peut prendre la variable entrante. On sélectionne le plus petit rapport positif, correspondant à la contrainte la plus forte : on cherche l'indice k tel que 0 b k a ki b j a ji en ne considérant les j que si a ij > 0. La k-ième ligne est la ligne pivot, et a ki est le pivot : la ligne pivot est la ligne k telle que b k a ki minimal. La variable correspondant à cette ligne est la variable sortante. Exemple. Si on considère l'exemple précédent, on avait le tableau suivant : soit positif et x x x e e e e 4 e e e e Z La première colonne est la colonne pivot. Les seuls coecients positifs non nuls de cette colonne sont a =, a = et a 4 =. Calculons les rapports bj a j correspondants. On a b a = = b a = = 4 b 4 a 4 = = Le plus petit rapport est le premier, donc la ligne pivot est la première. Le pivot associé est a =. La variable entrante est x et la variable sortante est e. Deuxième étape : Réduction du tableau On divise la ligne pivot par le pivot puis on annule ensuite les coecients du tableau situés au-dessus et au-dessous du pivot, en soustrayant la ligne pivot aux autres lignes. x x x e e e e 4 x e e on eectue L L L e on eectue L 4 L 4 L Z on eectue L 5 L 5 L La solution correspondante est dénie par x =, x = x = 0, e = 0, e =, e = 9 et e 4 =. La fonction économique vaut en ce point. 5 A. Fredet

6 Troisième étape : Itération S'il existe un coecient c i positif dans le nouveau tableau, on retourne à la première étape (choix du pivot) puis à la deuxième (réduction du tableau). On réitère ce processus jusqu'à ce que tous les coecients de la fonction économique soient négatifs. Cela se produira forcément. Exemple.4 On reprend le tableau de l'exemple précédent. Il existe un coecient c i positif, à savoir c =. La troisième colonne est donc la colonne pivot. Le seul coecient positif de cette colonne est a 4 =, c'est donc le pivot. On réduit le tableau et on obtient x x x e e e e 4 x e e x Z L 5 L 5 L 4 Tous les coecients de la fonction économique sont négatifs, on a donc la solution optimale. Elle est dénie par x =, x = 0, x =, e = 0, e =, e = 9 et e 4 = 0. Dans ce cas, max(x x + x ) = 5. Autre exemple On considère le programme linéaire suivant x 0, x 0, x 0, x 4 0 x + x + 4x + x x + 8x + 0x + x 4 0 x + x + x + x 4 5 max(6x + x + 7x + 8x 4 ) La résolution de ce programme nous donnes ces tableaux successifs : x x x x 4 e e e e e e Z La solution correspondante est x = x = x = x 4 = 0 et e = 70, e = 0, e = 5. La variable entrante est x 4 et la variable sortante est e. x x x x 4 e e e 5 e x 4 5 e 4 Z on eectue L L 4 L on eectue L L on eectue L L L on eectue L 4 L 4 L La solution correspondante est x 4 = 0, e = 40 et e = 5, les autres variables étant nulles. La fonction économique vaut 80. On cherche le pivot, et on le trouve sur la première colonne, trosième ligne. La variable entrante est donc x et la variable sortante est e : x x x x 4 e e e e on eectue L L L x on eectue L L 7 5 L 4 x on eectue L 5 L Z on eectue L 4 L L Ce tableau est le dernier car tous les coecients de la dernière ligne sont négatifs. La solution optimale correspondante est x =, x 4 =, e = 5. La fonction économique vaut en ce point A. Fredet

7 Autre présentation On peut ne pas garder les variables de la base dans la première colonne. La solution correspondante est alors dénie par les coecients nuls de la fonction objectif. Les autres variables seront nulles. On considère le programme linéaire suivant x 0, x 0, x 0, x 4 0 x + x + 4x + x x + 8x + 0x + x 4 0 x + x + x + x 4 5 max(6x + x + 7x + 8x 4 ) La résolution de ce programme nous donnes ces tableaux successifs : x x x x 4 e e e La solution correspondante est e = 70, e = 0, e = 5 (les coecients de la dernière ligne sont nuls) et x = x = x = x 4 = 0. On obtient ensuite x x x x 4 e e e La solution correspondante est x 4 = 0, e = 40 et e = 5, les autres variables étant nulles. La fonction économique vaut 80. Le dernier tableau est : x x x x 4 e e e Ce tableau est le dernier car tous les coecients de la dernière ligne sont négatifs. La solution optimale correspondante est x =, x 4 =, e = 5. La fonction économique vaut en ce point 96. Exercice. Résoudre le programme x, x, x 0 x x + x 7 x 4x 4x + x + 8x 0 max(x + x + x )..5 Contraintes saturées et gains marginaux Une contrainte est saturée au point solution si sa variable d'écart est nulle en ce point. Les gains marginaux sont les nombres de la dernière ligne du tableau, situés dans les colonnes des variables d'écart. Seuls les contraintes saturés conduisent à des gains marginaux non nuls. 7 A. Fredet

8 ..6 Exercices Exercice. Résoudre le programme x, x, x 0 x 00 x 50 x + x + x 00 x + x + x 00 max(x + 4x + x ) Exercice. Résoudre le problème suivant en utilisant l'algorithme du simplexe : Un artisan fabrique deux articles A et B nécessitant chacun deux opérations : un usinage et un traitement thermique. Le produit A subit un usinage d' heure et un traitement thermique de h. B subit un usinage de h et un traitement thermique de h. De plus, kg de matière première entrent dans la composition de A et kg dans celle de B. La fabrication de B se termine par un travail de nition qui dure h. Toutes les semaines, l'artisan dispose de l'atelier d'usinage pendant 80h et du four pendant 50h. De plus, pendant cette période, il ne peut pas consacrer plus de 5h au travail de nition ni stocker plus de 80kg de matière première. Quelles quantités de A et B l'artisan doit-il fabriquer pendant cette période si la marge bénéciaire est de 0 euros pour l'article A et de 0 euros pour l'article B.. Méthode duale La méthode du simplexe ne permet de résoudre que des systèmes ayant des contraintes sur les maxima et une fonction à maximiser. Il arrive qu'on ait des contraintes sur les valeurs minimales et qu'on chercher à minimiser une fonction (un coût par exemple). Pour cela, il nous faut considérer le dual du problème... Dénition Si on compare le problème (P) : avec le problème (P) maximiser z = n j= c jx j avec n j= a ijx j b i pour i =,, m minimiser z = m i= b iy i avec m i= a ijy i c j pour j =,, n On dit que P et P sont le primal et le dual d'un même programme linéaire. Le programme dual d'un programme linéaire est un programme linéaire. Le nombre de variables du dual est égal au nombre de contraintes du primal et le nombre de ses contraintes est égal au nombre de variables du primal. Par exemple primal dual variables :x, x variables :y, y, y, y 4 contraintes : contraintes : a x + a x b a x + a x b a y + a y + a y + a 4 y 4 c a x + a x b a y + a y + a y + a 4 y 4 c a 4 x + a 4 x b 4 fonction économique : fonction économique : z = c x + c x z = b y + b y + b y + b 4 y 4 La résolution du primal donne la solution du dual et réciproquement. Les données du primal sont utilisées horizontalement pour l'écriture du programme. Ces mêmes données sont utilisées verticalement pour l'écriture du programme dual. De plus, le type d'extremum du dual est le contraire de celui du 8 A. Fredet

9 primal. Si on considère le programme linéaire suivant : variables indépendantes x et x 4 contraintes : x + x 000 x + x 800 x 400 x 700 fonction économique : z = 0x + 0x à maximiser La solution optimale de ce problème est x = 00 et x = 700. Le programme dual du précédent est : 4 variables indépendantes y, y, y et y 4 contraintes : y + y + y 0 y + y + y 4 0 fonction économique : z = 000y + 800y + 400y + 700y 4 à minimiser La valeur optimale de z est 000. On a : état initial x x e e e e état optimal x x e e e e La solution optimale qui donne z = 000 est x = 00, x = 700, e = 00, e = 0, e = 00 et e 4 = 0. En regardant la dernière ligne du tableau, on trouve les valeurs correspondant à la solution optimale du problème dual : y = 0 et y 4 = 0, qui nous donne le bon résultat : z = = 000. On remarque que le dual du dual est le problème initial... Exercices Exercice.4 Résoudre u 0, u 0, u 0, u 4 0 u + u + u 0 u + u + u + u 4 0 minimiser 80u + 50u + 80u + 5u 4.4 Applications Exercice.5 Une usine produit deux modèles de machines, l'une que l'on appellera modèle A exige kg de matière première et de 0 heures de fabrication et donne un bénéce de 7 euros. L'autre que l'on appellera B exige 4 kg de matière première et de 5 heures de fabrication et donne un bénéce de 6 euros. On dispose de 00 kg de matière première et de 00 h de travail. Quelle production doit on avoir pour obtenir un bénéce maximal? Exercice.6 L'entreprise Duralumin fabrique des pièces en inox, de trois types A, B et C ; elles sont fabriquées par lot de 50 dans un grand atelier où sont rassemblées une machine de découpe de l'inox, une emboutisseuse et une polisseuse ; chaque machine fonctionne 0 heures par mois. Les caractéristiques de fabrication sont rassemblées 9 A. Fredet

10 dans le tableau suivant : coût horaire lot A lot B lot C découpe 0 euros h 0, 5 h h emboutissage 0 euros, 5 h h polissage 40 euros, 5 h h h inox (mat. première) 40 euros 85 euros 8 euros prix de vente (H.T.) 00 euros 80 euros 0 euros Quel est le programme de production optimal (pour un mois)? Exercice.7 Dans une cafétéria, on sert sortes de désserts glacés, à base de cocktails exotiques, de glace et de fruits conts : la créole et la tropicale. La créole nécessite 8cl de cocktail exotique, dl de glace et 5g de fruits conts. La tropicale nécessite 5cl de cocktail exotique, dl de glace et 5g de fruits conts. Chaque jour, l'atelier de patisserie peut préparer 600 cl de cocktail exotique, 50 dl de glace et 5 kg de fruits conts. Une créole est vendue, euros et une tropicale euro. Maximisez le prot. Exercice.8 Un agriculteur peut utiliser type d'engrais E et E pour épandre sur ses cultures. Les besoins par an et par hectare sont de 60 kg de potasse, 0 kg de calcium et 90 kg de nitrates. Pour une même quantité, les types d'engrais coutent la même chose. Leur composition pour 0 kg est de : produit E : kg de potasse, kg de calcium, kg de nitrates et kg de produit neutre produit E : kg de potasse, kg de calcium, kg de nitrates et 5 kg de produit neutre Question : Comment fertiliser les cultures à moindre coût? Exercice.9 La Société des Scieries Vosgienne (SSV) souhaite s'apprivisionner en bois de diérentes essences courantes. Compte tenu de la demande actuelle en bois scié, elle souhaite acquérir au moins 00m de chêne, au moins 60 m de hêtre et au moins 00m de sapin. Les prix au m sur la marché traditionnel sont de 40 euros pour le chêne, 90 euros pour le hêtre et 70 euros pour le sapin. Mais la SSV peut aussi proter des ores de certains exploitants forestiers dont les forêts ont été dévastées par la tempête du 6 décembre 999 et qui proposent par lots, à moindre coût, du bois de qualité équivalente. Trois ores ont été sélectionnées : ore A : lots de 5m de chêne, 5m de hêtre, 0m de sapin. Prix d'un lot : 840 euros. ore B : lots de 6m de chêne, 8m de hêtre, 4m de sapin. Prix d'un lot : 960 euros. ore C : lots de 9m de chêne, 4m de hêtre, m de sapin. Prix d'un lot : 880 euros.. Déterminez le prix et la quantité de bois que souhaite acquérir la SSV, si elle se fournit sur le marché traditionnel et achète les quantités minimales qu'elle désire acquérir.. L'objectif des questions suivantes est de déterminer si la SSV a intérêt à se fournir sur la marché traditionnel ou à proter des ores sélectionnées. On supposera dans ce qui suit qu'elle choisit d'acheter uniquement des lots A,B et C. (a) En notant respectivement a, b et c les quantités de lots A, B et C à acheter pour obtenir la quantité de bois désirée, écrire la forme canonique du programme P, établissant les contraintes et la fonction économique Z à minimiser pour satisfaire la SSV. (b) Écrire, sous forme canonique puis sous forme standard, le programme P, dual du programme P. On notera x, y et z les variables duales, e, e, e les variables d'écart du programme dual et Z la fonction économique du programme dual. (c) Établir les deux premiers tableaux permettant de résoudre le programme P par la méthode du simplexe. Indiquez soigneusement les variables entrantes et sortantes dans le premier tableau. (d) Le troisième tableau est le suivant : x y z e e e R 5 e z y Z A. Fredet

11 i. Montrez que ce tableau correspond à l'optimum, et déterminez les nombres de lots A, B et C que la SSV doit acheter pour minimiser ses coûts. ii. Indiquez le prix minimum à payer par la SSV pour satisfaire ses besoins. Quel est alors, en pourcentage, le rabais obtenu par rapport au prix du marché traditionnel? iii. Si la SSV désire acheter le nombre de lots A,B et C lui permettant de minimiser ses coûts, la quantité de bois acheté correspond-elle exactement à la quantité souhaitee? A. Fredet

12 .5 Solutions des exercices Solution. En ajoutant les variables d'écart, on s'intéresse au système suivant : x, x, x, e, e, e 0 x x + x + e = 7 x 4x + e = 4x + x + 8x + e = 0 max(x + x + x ) En appliquant l'algorithme du simplexe, on obtient les tableaux suivants (le pivot est en rouge) x x x e e e e e e Z La solution de base est alors x = x = x = 0, e = 7, e =, e = 0, Z = 0. x x x e e e x e e Z La solution est alors x = x = e = 0, x = 7, e = 5, e = 4 et Z = 7. x x x e e e x 0 7 e x Z La solution est alors e = e = x = 0, x =, x = 4, e = 77 et Z = 55. C'est la solution optimale car tous les coecients de la fonction économique sont négatifs ou nuls. Solution. En ajoutant les variables d'écart, on s'intéresse au système suivant : x, x, x, e, e, e, e 4 0 x + e = 00 x + e = 50 x + x + x + e = 00 x + x + x + e 4 = 00 max(x + 4x + x ) En appliquant l'algorithme du simplexe, on obtient les tableaux suivants (le pivot est en rouge) x x x e e e e 4 e e e e Z La solution de base est alors x = x = x = 0, e = 00, e = 50, e = 00, e 4 = 00, Z = 0. x x x e e e e 4 e x e e Z A. Fredet

13 La solution correspondante est e = x = x = 0, e = 00, x = 50, e = 50, e 4 = 00, Z = 600. x x x e e e e 4 e x x e Z La solution optimale est x = 50, x = 50, x = 0, Z = 750, e = 50, e = 0, e = 0, e 4 = 50 (tous les coecients de la fonction objectif sont nuls). Solution. On a le tableau suivant : article A article B dispo max usinage h h 80h traitement thermique h h 50h matière première kg kg 80kg nition h 5h marge 0 0 Soit x la quantité d'articles A et y la quantité d'articles B fabriqués en trois semaines. On s'intéresse donc au programme linéaire suivant : maximiser 0x + 0y x 0, y 0 x + y 80 x + y 50 x + y 80 y 5 c'est-à-dire maximiser 0x + 0y x 0, y 0 x + y 80 x + y 50 x + y 80 y 5 En ajoutant les variables d'écart, cela nous donne le système suivant : maximiser 0x + 0y x 0, y 0, e 0, e 0, e 0, e 4 0 x + y + e = 80 x + y + e = 50 x + y + e = 80 y + e 4 = 5 On obtient le tableau suivant : x y e e e e 4 e e e e Z A. Fredet

14 Le pivot est sur la première colonne, troisième ligne. x est donc la variable entrante et e la variable sortante : x y e e e e 4 e e x e Z Le pivot est maintenant sur la deuxième colonne, deuxième ligne. La variable entrante est y et la variable sortante est e : x y e e e e 4 e y x e Z Les coecients de la dernière ligne étant tous négatifs, l'algorithme s'arrète. La solution optimale est donc x = 0, y = 0, e = 0, e 4 = 5 et e = e = 0. Les contraintes deux et trois sont donc saturées. On retrouve bien les solutions obtenues par la méthode graphique. Solution.4 il sut d'eectuer la résolution de son dual : maximiser 0x + 0y x 0, y 0 x + y 80 x + y 50 x + y 80 y 5 Le dernier tableau de l'algorithme du simplexe est x y e e e e 4 e y x e Z La valeur minimale du problème initial est donc 00. Il correspond à u = 0, u = 0, u = 0 et u 4 = 0. Solution.5 Soit x le nombre d'appareils de modèle A et y le nombre d'appareils de modèle B. On s'intéresse donc au système suivant : x 0, y 0 x + 4y 00 0x + 5y 00 max(7x + 6y) En introduisans les variables d'écart, on obtient x 0, y 0, e 0, e 0 x + 4y + e = 00 0x + 5y + e = 00 max(7x + 6y) 4 A. Fredet

15 La méthode du simplexe nous donne les tableaux suivants : qui nous donne x y e e Z On obtient e y e x Z e e y x Z La solution optimale est donc x = 0 et y = 40. Le bénéce est alors de 80 euros. Solution.6 Soient x, x, x les quantités de pièces de type A, B, C fabriquées. Chaque pièce A coûte 0 euros pour la découpe,, 5 0 = 45 euros pour l'emboutissage,, 5 40 = 60 euros pour le polissage et 40 euros de matière première, soit 65 euros. Elle rapporte donc = 5 euros. Chaque pièce B coûte 0, 5 0 = 0 euros pour la découpe, 40 euros pour le polissage et 85 euros de matière première, soit 5 euros. Elle rapporte donc 80 5 = 45 euros. Chaque pièce C coûte 0 = 40 euros pour la découpe, 0 euros pour l'emboutissage, 40 euros pour le polissage et 8 euros de matière première, soit 48 euros. Elle rapporte donc 0 48 = 7 euros. On s'intéresse au système suivant : x 0, x 0, x 0 x + 0, 5x + x 0, 5x + x 0, 5x + x + x 0 max(5x + 45x + 7x ) En introduisant les variables d'écart, on obtient x 0, x 0, x 0, e 0, e 0, e 0 x + 0, 5x + x + e = 0, 5x + x + e = 0, 5x + x + x + e = 0 max(5x + 45x + 7x ) En utilisant la méthode du simplexe, on considère le tableau suivant qui nous donne x x x e 0, e, e, Z x x e x 0, 5 0, 5 0, e 0, 5 0 0, e 0, , Z A. Fredet

16 On obtient x e e x e x Z La solution optimale est donc obtenue en x = 0, x = 80, x = 40. Le bénéce est alors de euros. Solution.7 Soit x le nombre de créoles vendues et y le nombre de tropicales. On a 8x + 5y 600 (cocktail) x + y 50 (glace) 5x + 5y (fruits) On veut maximiser la fonction, x + y. On a les tableaux suivants : En modiant la ligne e, cela nous donne En modiant la ligne e, cela nous donne x y nd membre rapports e e e Z, y e nd membre rapports x 0, 65 0, e 0 0, 75 0, e 0 5, 65, Z 0 0, 5 0, e e nd membre x 0 0, 0 0, 04 0 e 0 0 0, 6 0, y 0 0, 0 0, Z 0 0 0, 0 0, 06 7 On a donc x = 0 créoles et y = 8 tropicales. Le prot est alors de 7 euros (et il reste 4 dl de glace) Solution.8 Soit x et y les quantités d'engrais E et E utilisées par an et par hectare. On veut alors : x + y 60 x + y 0 x + y 90 min(x + y) On considère le système dual : X + Y + Z X + Y + X max(60x + 0Y + 90Z) D'où les tableaux suivants : X Y Z e e nd membre e 0 e 0 Z A. Fredet

17 En modiant la première ligne, on obtient En modiant la deuxième ligne, cela donne X Z e e nd membre Y 0 4 e 0 Z Z e e nd membre 5 Y X Z Cela signie que les solutions du problème primal sont x = 0, y = 5 et le minimum vaudra 45. Il faut donc acheter 0 lots de E et 5 lots de E. Solution.9. Sur le marché traditionnel, les 00m de chêne couteraient euros, les 60m de sapin couteraient euros et les 00m de sapin couteraient euros, soit un total de euros.. On s'intéresse mainteant aux lots A,B et C (a) On cherche donc à minimiser Z = 840a + 960b + 880c avec a 0, b 0, c 0 5a + 6b + 9c 0 (chêne) 5a + 8b + 4x 60 (hêtre) 0a + 4b + c 00 (sapin) (b) le dual P est donc maximiser Z = 00x + 60y + 00z x 0, y 0, z 0 5x + 5y + 0z 840 avec 6x + 8y + 4z 960 9x + 4y + z 880 On obtient la forme standard en introduisant les variables décart : (c) On a donc les tableaux suivants : maximiser Z = 00x + 60y + 00z x 0, y 0, z 0, e 0, e 0, e 0 5x + 5y + 0z + e = 840 avec 6x + 8y + 4z + e = 960 9x + 4y + z + e = 880 x y z e e e e e e Z La variable entrante est donc z et la variable sortante est e. On obtient alors : x y z e e e 5 5 e z e Z , A. Fredet

18 (d) Le troisième tableau est le suivant : x y z e e e R 5 e z y Z i. L'optimum est atteint au troisième tableau car tous les coecients de la fonction économique sont négatifs ou nuls. Le maximum de P est alors de 5 00 euros. C'est également le minimum du problème primal P. En dernière ligne du tableau, on lit que les valeurs des variables réeles du primal permettant d'atteindre l'optimum sont a = 0, b = et c =. Pour minimiser ses coûts, la SSV doit donc acheter 0 lot A, lots B et lots C. Le prix correpondant est 5 00 euros, ce uqi est plus intéressant qu'au marché traditionnel ii. On cherche le rabais r tel que + r = On trouve r 0, 767. Le rabais est donc de 7,67%. iii. On a achete m de chêne en trop (cela se lit dans la première colonne de la dernière ligne du tableau ). 8 A. Fredet

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

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

Travaux dirigés n 1. Programmation linéaire

Travaux 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 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

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

Programmation linéaire

Programmation 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 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

FctsAffines.nb 1. Mathématiques, 1-ère année Edition 2007-2008. Fonctions affines

FctsAffines.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 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

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

Ordonnancement. N: nains de jardin. X: peinture extérieure. E: électricité T: toit. M: murs. F: fondations CHAPTER 1

Ordonnancement. 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

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

PROBLEMES D'ORDONNANCEMENT AVEC RESSOURCES

PROBLEMES 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 détail

CHAPITRE VIII : Les circuits avec résistances ohmiques

CHAPITRE VIII : Les circuits avec résistances ohmiques CHAPITRE VIII : Les circuits avec résistances ohmiques VIII. 1 Ce chapitre porte sur les courants et les différences de potentiel dans les circuits. VIII.1 : Les résistances en série et en parallèle On

Plus en détail

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008)

Examen optimisation Centrale Marseille (2008) et SupGalilee (2008) Examen optimisation Centrale Marseille (28) et SupGalilee (28) Olivier Latte, Jean-Michel Innocent, Isabelle Terrasse, Emmanuel Audusse, Francois Cuvelier duree 4 h Tout resultat enonce dans le texte peut

Plus en détail

LE PROBLEME DU PLUS COURT CHEMIN

LE PROBLEME DU PLUS COURT CHEMIN LE PROBLEME DU PLUS COURT CHEMIN Dans cette leçon nous définissons le modèle de plus court chemin, présentons des exemples d'application et proposons un algorithme de résolution dans le cas où les longueurs

Plus en détail

OPTIMISATION À UNE VARIABLE

OPTIMISATION 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 détail

2. RAPPEL DES TECHNIQUES DE CALCUL DANS R

2. 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 détail

Couples de variables aléatoires discrètes

Couples de variables aléatoires discrètes Couples de variables aléatoires discrètes ECE Lycée Carnot mai Dans ce dernier chapitre de probabilités de l'année, nous allons introduire l'étude de couples de variables aléatoires, c'est-à-dire l'étude

Plus en détail

Cours 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. 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 détail

Resolution limit in community detection

Resolution 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 détail

Fonctions linéaires et affines. 1 Fonctions linéaires. 1.1 Vocabulaire. 1.2 Représentation graphique. 3eme

Fonctions 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 détail

Chapitre 5 : Flot maximal dans un graphe

Chapitre 5 : Flot maximal dans un graphe Graphes et RO TELECOM Nancy A Chapitre 5 : Flot maximal dans un graphe J.-F. Scheid 1 Plan du chapitre I. Définitions 1 Graphe Graphe valué 3 Représentation d un graphe (matrice d incidence, matrice d

Plus en détail

Fonctions de plusieurs variables

Fonctions 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 détail

Cours Informatique Master STEP

Cours Informatique Master STEP Cours Informatique Master STEP Bases de la programmation: Compilateurs/logiciels Algorithmique et structure d'un programme Programmation en langage structuré (Fortran 90) Variables, expressions, instructions

Plus en détail

Conception d'un réseau de transport d'électricité

Conception d'un réseau de transport d'électricité La Fédération Française des Jeux Mathématiques et la Société de Calcul Mathématique SA avec l'appui de Réseau de Transport d'electricité Conception d'un réseau de transport d'électricité Auteurs : Florian

Plus en détail

Introduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes.

Introduction. I Étude rapide du réseau - Apprentissage. II Application à la reconnaissance des notes. Introduction L'objectif de mon TIPE est la reconnaissance de sons ou de notes de musique à l'aide d'un réseau de neurones. Ce réseau doit être capable d'apprendre à distinguer les exemples présentés puis

Plus en détail

Recherche dans un tableau

Recherche dans un tableau Chapitre 3 Recherche dans un tableau 3.1 Introduction 3.1.1 Tranche On appelle tranche de tableau, la donnée d'un tableau t et de deux indices a et b. On note cette tranche t.(a..b). Exemple 3.1 : 3 6

Plus en détail

Bien lire l énoncé 2 fois avant de continuer - Méthodes et/ou Explications Réponses. Antécédents d un nombre par une fonction

Bien 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 détail

Algorithmes de recherche

Algorithmes de recherche Algorithmes de recherche 1 Résolution de problèmes par recherche On représente un problème par un espace d'états (arbre/graphe). Chaque état est une conguration possible du problème. Résoudre le problème

Plus en détail

Par : Abdel YEZZA, Ph.D. Date : avril 2011 / mise à jour oct. 2012 (ajout de la section 3 et augmentation de la section 1)

Par : Abdel YEZZA, Ph.D. Date : avril 2011 / mise à jour oct. 2012 (ajout de la section 3 et augmentation de la section 1) 1 Que signifient AON et AOA? Par : Abdel YEZZA, Ph.D. Date : avril 2011 / mise à jour oct. 2012 (ajout de la section 3 et augmentation de la section 1) Sommaire 1. Concepts... 2 2. Méthode PCM appliquée

Plus en détail

Propagation sur réseau statique et dynamique

Propagation sur réseau statique et dynamique Université de la Méditerranée UFR Sciences de Luminy Rapport de stage informatique pour le Master 2 de Physique, Parcours Physique Théorique et Mathématique, Physique des Particules et Astroparticules.

Plus en détail

CORRECTION EXERCICES ALGORITHME 1

CORRECTION EXERCICES ALGORITHME 1 CORRECTION 1 Mr KHATORY (GIM 1 A) 1 Ecrire un algorithme permettant de résoudre une équation du second degré. Afficher les solutions! 2 2 b b 4ac ax bx c 0; solution: x 2a Solution: ALGORITHME seconddegré

Plus en détail

Utiliser des fonctions complexes

Utiliser 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 détail

Table des matières. 1 Programmation linéaire 1

Table des matières. 1 Programmation linéaire 1 Table des matières 1 Programmation linéaire 1 2 La théorie des graphes 3 2.1 Dénitions et premières exemples................... 6 2.2 Représentation non graphique d'un graphe.............. 9 2.2.1 Représentation

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

Programmation mathématique Discrète et Modèles Linéaires

Programmation mathématique Discrète et Modèles Linéaires Université Pierre et Marie Curie Master IAD Module PDML Programmation mathématique Discrète et Modèles Linéaires Pierre Fouilhoux pierre.fouilhoux@lip6.fr 29 septembre 2013 Table des matières I Programmation

Plus en détail

Optimisation non linéaire Irène Charon, Olivier Hudry École nationale supérieure des télécommunications

Optimisation 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 détail

RECHERCHE OPERATIONNELLE

RECHERCHE 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 détail

Introduction a l'algorithmique des objets partages. Robert Cori. Antoine Petit. Lifac, ENS Cachan, 94235 Cachan Cedex. Resume

Introduction a l'algorithmique des objets partages. Robert Cori. Antoine Petit. Lifac, ENS Cachan, 94235 Cachan Cedex. Resume Introduction a l'algorithmique des objets partages Bernadette Charron{Bost Robert Cori Lix, Ecole Polytechnique, 91128 Palaiseau Cedex, France, charron@lix.polytechnique.fr cori@lix.polytechnique.fr Antoine

Plus en détail

Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures)

Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Bac Blanc Terminale ES - Février 2011 Épreuve de Mathématiques (durée 3 heures) Eercice 1 (5 points) pour les candidats n ayant pas choisi la spécialité MATH Le tableau suivant donne l évolution du chiffre

Plus en détail

Thème 17: Optimisation

Thème 17: Optimisation OPTIMISATION 45 Thème 17: Optimisation Introduction : Dans la plupart des applications, les grandeurs physiques ou géométriques sont exprimées à l aide d une formule contenant une fonction. Il peut s agir

Plus en détail

Pourquoi l apprentissage?

Pourquoi l apprentissage? Pourquoi l apprentissage? Les SE sont basés sur la possibilité d extraire la connaissance d un expert sous forme de règles. Dépend fortement de la capacité à extraire et formaliser ces connaissances. Apprentissage

Plus en détail

Fonctions de plusieurs variables : dérivés partielles, diérentielle. Fonctions composées. Fonctions de classe C 1. Exemples

Fonctions 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 détail

INTRODUCTION À L ANALYSE FACTORIELLE DES CORRESPONDANCES

INTRODUCTION 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 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

Cours de recherche opérationnelle I

Cours 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 détail

Chapitre 4 : les stocks

Chapitre 4 : les stocks Chapitre 4 : les stocks Stocks et actifs Une entreprise achète généralement des biens pour les utiliser dans son processus de production, ce sont les matières premières et les fournitures, elle peut également

Plus en détail

3 Approximation de solutions d équations

3 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 détail

RapidMiner. Data Mining. 1 Introduction. 2 Prise en main. Master Maths Finances 2010/2011. 1.1 Présentation. 1.2 Ressources

RapidMiner. Data Mining. 1 Introduction. 2 Prise en main. Master Maths Finances 2010/2011. 1.1 Présentation. 1.2 Ressources Master Maths Finances 2010/2011 Data Mining janvier 2011 RapidMiner 1 Introduction 1.1 Présentation RapidMiner est un logiciel open source et gratuit dédié au data mining. Il contient de nombreux outils

Plus en détail

Stratégie optimale de stockage de déchets à vie longue

Stratégie optimale de stockage de déchets à vie longue Stratégie optimale de stockage de déchets à vie longue Bertrand Villeneuve Université Paris-Dauphine bertrand.villeneuve@dauphine.fr 3 octobre 211 Ce texte présente des calculs théoriques et indications

Plus en détail

Raisonnement par récurrence Suites numériques

Raisonnement par récurrence Suites numériques Chapitre 1 Raisonnement par récurrence Suites numériques Terminale S Ce que dit le programme : CONTENUS CAPACITÉS ATTENDUES COMMENTAIRES Raisonnement par récurrence. Limite finie ou infinie d une suite.

Plus en détail

Livret 10. Mise à jour février 2008. Département Tertiaire

Livret 10. Mise à jour février 2008. Département Tertiaire Élaborer mon étude financière Livret 10 Calculer mon seuil de rentabilité Mise à jour février 2008 Département Tertiaire Avertissement au lecteur Le présent fascicule fait l'objet d'une protection relative

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

Construction de l'intégrale de Lebesgue

Construction de l'intégrale de Lebesgue Université d'artois Faculté des ciences Jean Perrin Mesure et Intégration (Licence 3 Mathématiques-Informatique) Daniel Li Construction de l'intégrale de Lebesgue 10 février 2011 La construction de l'intégrale

Plus en détail

Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes

Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Loris MARCHAL Laboratoire de l Informatique du Parallélisme Équipe Graal Communications collectives et ordonnancement en régime permanent pour plates-formes hétérogènes Thèse réalisée sous la direction

Plus en détail

Exo7. Matrice d une application linéaire. Corrections d Arnaud Bodin.

Exo7. 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 détail

Nombre dérivé et tangente

Nombre dérivé et tangente Nombre dérivé et tangente I) Interprétation graphique 1) Taux de variation d une fonction en un point. Soit une fonction définie sur un intervalle I contenant le nombre réel a, soit (C) sa courbe représentative

Plus en détail

modélisation solide et dessin technique

modélisation solide et dessin technique CHAPITRE 1 modélisation solide et dessin technique Les sciences graphiques regroupent un ensemble de techniques graphiques utilisées quotidiennement par les ingénieurs pour exprimer des idées, concevoir

Plus en détail

SOMMAIRE... SOMMAIRE... SOMMAIRE... SOMMAIRE... SOMMAIRE... SOMMAIRE... LES MESURES

SOMMAIRE... SOMMAIRE... SOMMAIRE... SOMMAIRE... SOMMAIRE... SOMMAIRE... LES MESURES SOMMAIRE... SOMMAIRE... SOMMAIRE... SOMMAIRE... SOMMAIRE... SOMMAIRE... LES MESURES MES 1 Les mesures de longueurs MES 2 Lecture de l heure MES 3 Les mesures de masse MES 4 Comparer des longueurs, périmètres.

Plus en détail

Plus courts chemins, programmation dynamique

Plus courts chemins, programmation dynamique 1 Plus courts chemins, programmation dynamique 1. Plus courts chemins à partir d un sommet 2. Plus courts chemins entre tous les sommets 3. Semi-anneau 4. Programmation dynamique 5. Applications à la bio-informatique

Plus en détail

Cours d analyse numérique SMI-S4

Cours 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 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

Chapitre 1 : Introduction aux bases de données

Chapitre 1 : Introduction aux bases de données Chapitre 1 : Introduction aux bases de données Les Bases de Données occupent aujourd'hui une place de plus en plus importante dans les systèmes informatiques. Les Systèmes de Gestion de Bases de Données

Plus en détail

Excel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur

Excel Avancé. Plan. Outils de résolution. Interactivité dans les feuilles. Outils de simulation. La valeur cible Le solveur Excel Avancé Plan Outils de résolution La valeur cible Le solveur Interactivité dans les feuilles Fonctions de recherche (ex: RechercheV) Utilisation de la barre d outils «Formulaires» Outils de simulation

Plus en détail

Travaux pratiques. Compression en codage de Huffman. 1.3. Organisation d un projet de programmation

Travaux pratiques. Compression en codage de Huffman. 1.3. Organisation d un projet de programmation Université de Savoie Module ETRS711 Travaux pratiques Compression en codage de Huffman 1. Organisation du projet 1.1. Objectifs Le but de ce projet est d'écrire un programme permettant de compresser des

Plus en détail

Logistique, Transports

Logistique, 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 détail

Le défi : L'avantage Videojet :

Le défi : L'avantage Videojet : Note d'application Impression-pose d'étiquettes Améliorez votre rendement : passez des applicateurs mécaniques à l'étiquetage Direct Apply TM Le défi : Au cours de ces 20 dernières années, les systèmes

Plus en détail

Première partie. Modélisation des problèmes en programmes linéaires notés PL

Première partie. Modélisation des problèmes en programmes linéaires notés PL Première partie Modélisation des problèmes en programmes linéaires notés PL ième année Licence LMD de mathématiques, USDBlida 0. Un grossiste doit livrer unités d un produit déterminé P à trois détaillants

Plus en détail

NOTATIONS PRÉLIMINAIRES

NOTATIONS PRÉLIMINAIRES Pour le Jeudi 14 Octobre 2010 NOTATIONS Soit V un espace vectoriel réel ; l'espace vectoriel des endomorphismes de l'espace vectoriel V est désigné par L(V ). Soit f un endomorphisme de l'espace vectoriel

Plus en détail

RÉSOLUTION DE SYSTÈMES À DEUX INCONNUES

RÉSOLUTION DE SYSTÈMES À DEUX INCONNUES RÉSOLUTION DE SYSTÈMES À DEUX INCONNUES Sommaire 1 Méthodes de résolution... 3 1.1. Méthode de Substitution... 3 1.2. Méthode des combinaisons linéaires... 6 La rubrique d'aide qui suit s'attardera aux

Plus en détail

La polarisation des transistors

La polarisation des transistors La polarisation des transistors Droite de charge en continu, en courant continu, statique ou en régime statique (voir : le transistor) On peut tracer la droite de charge sur les caractéristiques de collecteur

Plus en détail

TOUT CE QU IL FAUT SAVOIR POUR LE BREVET

TOUT 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 détail

ENSIIE. Macroéconomie - Chapitre I

ENSIIE. Macroéconomie - Chapitre I ENSIIE Macroéconomie - Chapitre I Le 13 avril 2013 Table des matières 1 Introduction 2 2 La théorie Keynésienne 3 2.1 Keynes......................................... 3 2.2 Quelques ordres de grandeur.............................

Plus en détail

Continuité et dérivabilité d une fonction

Continuité et dérivabilité d une fonction DERNIÈRE IMPRESSIN LE 7 novembre 014 à 10:3 Continuité et dérivabilité d une fonction Table des matières 1 Continuité d une fonction 1.1 Limite finie en un point.......................... 1. Continuité

Plus en détail

GEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau

GEA II Introduction aux probabilités Poly. de révision. Lionel Darondeau GEA II Introduction aux probabilités Poly. de révision Lionel Darondeau Table des matières Énoncés 4 Corrigés 10 TD 1. Analyse combinatoire 11 TD 2. Probabilités élémentaires 16 TD 3. Probabilités conditionnelles

Plus en détail

Probabilités sur un univers fini

Probabilités sur un univers fini [http://mp.cpgedupuydelome.fr] édité le 7 août 204 Enoncés Probabilités sur un univers fini Evènements et langage ensembliste A quelle condition sur (a, b, c, d) ]0, [ 4 existe-t-il une probabilité P sur

Plus en détail

Développements limités, équivalents et calculs de limites

Développements 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 détail

Introduction à l étude des Corps Finis

Introduction à l étude des Corps Finis Introduction à l étude des Corps Finis Robert Rolland (Résumé) 1 Introduction La structure de corps fini intervient dans divers domaines des mathématiques, en particulier dans la théorie de Galois sur

Plus en détail

CH.6 Propriétés des langages non contextuels

CH.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 détail

CHAPITRE IX : Les appareils de mesures électriques

CHAPITRE IX : Les appareils de mesures électriques CHAPITRE IX : Les appareils de mesures électriques IX. 1 L'appareil de mesure qui permet de mesurer la différence de potentiel entre deux points d'un circuit est un voltmètre, celui qui mesure le courant

Plus en détail

- 08 - PREVISION DU BESOIN EN FONDS DE ROULEMENT - PRINCIPES

- 08 - PREVISION DU BESOIN EN FONDS DE ROULEMENT - PRINCIPES - 08 - PREVISION DU BESOIN EN FONDS DE ROULEMENT - PRINCIPES Objectif(s) : o o Pré-requis : o Modalités : Relation Besoin en Fonds de Roulement (B.F.R.) et Chiffre d'affaires (C.A.), Eléments variables

Plus en détail

Calcul différentiel sur R n Première partie

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

Plus en détail

EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG

EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Exploitations pédagogiques du tableur en STG Académie de Créteil 2006 1 EXPLOITATIONS PEDAGOGIQUES DU TABLEUR EN STG Commission inter-irem lycées techniques contact : dutarte@club-internet.fr La maquette

Plus en détail

LA MESURE DES GRANDEURS ET LE CHOIX DES CRITÈRES

LA MESURE DES GRANDEURS ET LE CHOIX DES CRITÈRES LA MESURE DES GRANDEURS ET LE CHOIX DES CRITÈRES H. PREVOT L'article qui suit a suscité quelques remous pour ou contre parmi les membres de son comité de lecture. La meilleure façon d'en juger est de le

Plus en détail

Algorithmes d'apprentissage

Algorithmes d'apprentissage Algorithmes d'apprentissage 1 Agents qui apprennent à partir d'exemples La problématique : prise de décision automatisée à partir d'un ensemble d'exemples Diagnostic médical Réponse à une demande de prêt

Plus en détail

Cours d initiation à la programmation en C++ Johann Cuenin

Cours d initiation à la programmation en C++ Johann Cuenin Cours d initiation à la programmation en C++ Johann Cuenin 11 octobre 2014 2 Table des matières 1 Introduction 5 2 Bases de la programmation en C++ 7 3 Les types composés 9 3.1 Les tableaux.............................

Plus en détail

INFO-F-310 - Algorithmique 3 et Recherche Opérationnelle

INFO-F-310 - Algorithmique 3 et Recherche Opérationnelle INFO-F- - Algorithmique et Recherche Opérationnelle Yves De Smet Bernard Fortz - Table des matières I Introduction Aide à la décision et modèles mathématiques Quelques exemples de modèles mathématiques

Plus en détail

Mathématiques appliquées à l'économie et à la Gestion

Mathématiques 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 détail

Chapitre 1 Régime transitoire dans les systèmes physiques

Chapitre 1 Régime transitoire dans les systèmes physiques Chapitre 1 Régime transitoire dans les systèmes physiques Savoir-faire théoriques (T) : Écrire l équation différentielle associée à un système physique ; Faire apparaître la constante de temps ; Tracer

Plus en détail

Résolution de systèmes linéaires par des méthodes directes

Résolution 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 détail

L ANALYSE EN COMPOSANTES PRINCIPALES (A.C.P.) Pierre-Louis GONZALEZ

L 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 détail

Items étudiés dans le CHAPITRE N5. 7 et 9 p 129 D14 Déterminer par le calcul l'antécédent d'un nombre par une fonction linéaire

Items 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 détail

ESCALIER DROIT AVEC RAMPE A BALUSTRES EN BOIS

ESCALIER DROIT AVEC RAMPE A BALUSTRES EN BOIS DROIT AVEC RAMPE A BALUSTRES EN BOIS UN PRODUIT SIMPLE, UNE FABRICATION SOLIDE BEST DEAL - - SAPIN escalier droit - 15 marches ouvertes en sapin 15 x 44,04 = 660,60 balustres droits 34/34-3mc 3 x 77,08

Plus en détail

E.I.S : Un outil performant pour I'analyse du risque en Assurance

E.I.S : Un outil performant pour I'analyse du risque en Assurance E.I.S : Un outil performant pour I'analyse du risque en Assurance Fabienne Hassan - Pascale Robin - Guy Valdois - Groupama Central Assurance France 1 - GROUPAMA ASSURANCE 1-1 Positionnement de l'entreprise

Plus en détail

Complément d information concernant la fiche de concordance

Complément 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 détail

CRÉDIT D'IMPÔT RECHERCHE ET JEUNES DOCTEURS

CRÉDIT D'IMPÔT RECHERCHE ET JEUNES DOCTEURS CRÉDIT D'IMPÔT RECHERCHE ET JEUNES DOCTEURS La réforme 28 est particulièrement incitative à l embauche de jeunes docteurs. Deux des nouvelles dispositions de la réforme 28 du crédit d impôt recherche (CIR)

Plus en détail

D'UN THÉORÈME NOUVEAU

D'UN THÉORÈME NOUVEAU DÉMONSTRATION D'UN THÉORÈME NOUVEAU CONCERNANT LES NOMBRES PREMIERS 1. (Nouveaux Mémoires de l'académie royale des Sciences et Belles-Lettres de Berlin, année 1771.) 1. Je viens de trouver, dans un excellent

Plus en détail

Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé.

Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé. Baccalauréat L spécialité, Métropole et Réunion, 19 juin 2009 Corrigé. L usage d une calculatrice est autorisé Durée : 3heures Deux annexes sont à rendre avec la copie. Exercice 1 5 points 1_ Soit f la

Plus en détail