Académique Documents
Professionnel Documents
Culture Documents
Recherche Opéracionnelle Faure Et Lamaire
Recherche Opéracionnelle Faure Et Lamaire
de recherche
oprationnelle
Mthodes et exercices dapplication
Robert Faure
tait professeur de la chaire
de recherche oprationnelle au CNAM
Bernard Lemaire
est professeur mrite de la chaire
de recherche oprationnelle au CNAM
Christophe Picouleau
est professeur des universits au CNAM
7e dition
REMERCIEMENTS
Nous remercions toutes les personnes qui ont contribu la ralisation de cette
dition du Prcis de recherche oprationnelle. En particulier:
Mme Nacera SEGHOUANI-BENNACER Enseignante-chercheuse Suplec,
pour le chapitre portant sur la simulation;
M. Patrick SIARRY, Professeur lUniversit Paris XII, pour le chapitre traitant
des mtaheuristiques;
M Daniel VANDERPOOTEN, Professeur lUniversit Paris-Dauphine pour le
chapitre introductif laide multicritre la dcision.
Mme Agns PLATEAU-ALFANDARI, matre de confrences au CNAM, pour
ses remarques pertinentes.
Illustration de couvertureKentoh-Fotolia.com
2Notions de complexit................................................................... 42
2.1 Complexit des Algorithmes.............................................................. 42
2.2 Complexit des Problmes. ................................................................ 47
iii
Table des Matires
iv
Table des Matires
10Simulation....................................................................................... 384
10.1 Introduction..................................................................................... 384
Dunod Toute reproduction non autorise est un dlit.
v
Table des Matires
vi
Avant-Propos
Pr B. LEMAIRE Pr C. PICOULEAU
bernard.lemaire@cnam.fr christophe.picouleau@cnam.fr
viii
Introduction
la recherche
oprationnelle
pour chapper sa comptence: les donnes, ncessaires ses tudes, taient com
pltes et fiables; enfin il rservait la dcision ltat-major (il ny eut pas de substi
tution de pouvoir: son quipe ne sest pas arrog le pouvoir de dcision. Lamiraut
britannique restait libre dadopter les conclusions des travaux de Blackett et de son
quipe, ou bien de les rejeter). Ces rgles sappliquent encore aujourdhui, et font
partie de la dontologie de la recherche oprationnelle dentreprise.
Ds la fin des hostilits, furent tents de nombreux essais dapplication lcono
mie industrielle des mthodes jusqualors prouves seulement par les tats-majors
allis. Depuis les annes cinquante, nombre de publications scientifiques et tech
niques tmoignent de leur russite et de leurs heureux dveloppements.
Cest pourquoi lon peut lgitimement se demander pourquoi lapparition de la
recherche oprationnelle dentreprise a t si tardive. Il est bon de citer ici quelques-
unes des principales raisons de cette naissance laborieuse:
a) les modles mathmatiques qui ont, de longue date, conquis la physique et, peu
peu, bien dautres sciences exprimentales, nont pas t accepts demble par
les spcialistes des sciences conomiques, particulirement de la micro-conomie et
surtout de lconomie dentreprise. Il ne faut pas mconnatre que les conomistes
avaient quelques raisons de suspecter des modles inertes, simplistes, rigides et abs
traits, dtre peu propres reprsenter le milieu vivant, complexe, flexible et terri
blement concret de lconomie. Toutefois, ds que la connaissance conomique fut
suffisamment avance et consentit se parer du nom de science, il fallut bien se ren
dre lvidence: comme dans toutes les autres sciences exprimentales, parvenues
une certaine maturit, le recours la mathmatique tait incontournable;
b) cest seulement partir des annes cinquante que les problmes conomiques sont
devenus irrmdiablement complexes, en raison de la taille croissante des firmes et
de lintrication extraordinaire des liens qui les unissent entre elles;
c) enfin, les acquis thoriques de la recherche oprationnelle ne seraient rien sans la puis
sance de calcul: les ordinateurs sont indispensables pour rsoudre les problmes dans la
pratique. Or, les premiers ordinateurs nont t commercialiss quen 1955-1956.
ce propos, il peut tre utile de remarquer quil en va de la recherche opration
nelle comme des ordinateurs. Ces derniers ont suscit des espoirs dmesurs ou des
craintes infondes. Il faut rpter que la machine doit tre considre comme un ins
trument, un outil au service de son crateur: lhomme. Il faut se persuader que lors
que lon confie une machine lexcution doprations qui, nagure encore taient
lapanage de lesprit humain, le caractre de cette besogne se transforme, du mme
coup, radicalement: le travail intellectuel devient un simple travail dexcution. Il
ny a donc aucune chance quune machine dpasse un jour son auteur, bien quil
ny ait pas dimpossibilit ce quelle dmontre une conjecture, voire dcouvre un
thorme inconnu (par une combinaison logique inattendue...). De la mme manire,
la recherche oprationnelle est lauxiliaire de la dcision humaine: elle lui est, par
essence, subordonne et il nexiste pas plus de chance quelle la supplante un jour.
Cest pourquoi on considre souvent que la recherche oprationnelle est une compo
sante majeure de laide la dcision.
x
Les domaines dapplication
xi
Introduction la recherche oprationnelle
repas par jour (2), douze mois par an 1 3 3 4 2 , trente jours par mois 1 5 3 6 2 , il fau
dra cinquante-six ans 1 7 3 8 2 pour en venir bout, car:
8 ! 5 1 3 2 3 3 3 4 3 5 3 6 3 7 3 8,
le nombre des dispositions diffrentes, est dj un nombre trs grand. Soit :
8! = 40320
Dans tous les problmes fortement combinatoires (le prcdent tant encore de
taille modeste), lesprit humain ne peut envisager le nombre astronomique des arran
gements, permutations, combinaisons. Il lui faut un fil dAriane sil veut choisir, entre
telle ou telle de ces dispositions, relativement un critre quelconque, car, mme avec
une puissante machine, le principe fondamental en matire combinatoire demeure de
proscrire toute numration. Pour sen convaincre, il suffit de constater que lnum
ration de 20! solutions (nombre des affectations de vingt personnes vingt postes),
raison dun million daffectations par seconde, prendrait 77096 ans; le lecteur notera
que mme avec un ordinateur mille fois plus rapide, qui pourrait donc numrer un
milliard daffectation par seconde, il faudrait encore 77 ans! Or les compagnies arien
nes sont confrontes de tels problmes, mais la dimension 100 ou davantage... Ou
bien dimaginer un instant quil est possible dnumrer les fonctions diffrentes de 9
variables boolennes seulement; or celles-ci sont au nombre de:
22 5 2512 # 1,134076087.10155,
9
qui dpasse le nombre estim des lectrons et des protons dans lUnivers!
2) Devant les problmes de lalatoire, la situation du dcideur nest gure meilleure.
Considrons lexemple (dcole) qui suit: dans une grande entreprise, la moyen
ne des entres des personnels au bureau du correspondant de la scurit sociale, est
dune personne par 4 minutes; lemploy de ce bureau peut servir, en moyenne,
une personne toutes les 3 minutes 18 secondes. On peut en conclure1 que lem
8 3 60
ploy de bureau, recevant 5 120 clients par jour et leur consacrant 3mn
4
18 3 120 5 6 h 36mn, sur sa journe de 8 heures, peut largement suffire ce service.
Mais cette solution par les moyennes est mauvaise, comme on le verra plus loin,
car le temps perdu par les personnels, en attente dtre servis, peut atteindre de nom
breuses heures qui, tant donne la perte la production correspondante, reviennent
incroyablement plus cher que lembauche dun second employ, pourtant destin
seulement absorber les pointes de trafic.
Pour que cette vritable solution puisse apparatre, il est ncessaire de consid
rer le phnomne alatoire dans toute son ampleur; il faut tenir compte de toutes
les incidences du hasard et minimiser lesprance mathmatique du cot global des
oprations.
1. Tant il est vrai que la croyance la compensation est ancre dans la conscience de lhomme
social, alors que les conditions ne sont videmment pas runies pour quelle puisse jouer au niveau
de lentreprise.
xii
Difficults et dangers de loptimisation
3) Enfin, les situations de duel (sinon de concurrence multiple, cas encore plus
difficiles) demandent tre tudies avec le plus grand soin. Il est bien clair, en effet,
que le choix dune stratgie, dans une situation donne, dpend des dcisions des
concurrents. Et, comme celles-ci sont ventuelles, il sagit, la fois, dun problme
combinatoire et dune situation de hasard.
Imaginons, par exemple, quun fabricant A hsite, chaque campagne de vente, entre
la hausse, le maintien et la diminution de ses prix de vente, sachant parfaitement que la
concurrence peut lui opposer les mmes stratgies. Supposons, en outre, quil ait t en
mesure de dterminer les gains (les gains tant ngatifs sont des pertes) quil raliserait
pour chaque paire de choix (son propre choix et celui du concurrent) par rapport au chif
fre normal. Ces situations sont rsumes par le tableau ci-dessous:
Stratgies de la concurrence
1 5 2
Stratgies 1 10 21 24
de 5 6 0 22
A 2 10 21 2
On verra, dans le chapitre 9 portant sur la thorie des jeux, que la solution (nul
lement immdiate) de ce problme est la suivante: le fabricant doit, au hasard, mais
trois fois sur cinq, maintenir ses prix et, deux fois sur cinq, les abaisser, pendant que
son concurrent, sil est habile (ce qui est videmment postul) doit, quatre fois sur
cinq, les maintenir et, une fois sur cinq, les diminuer, moyennant quoi A ne perdra,
en moyenne, que 0,4 chaque coup.
Les domaines dapplication de la recherche oprationnelle peuvent donc se classer en:
problmes combinatoires; exemples : dfinition des investissements les plus
rentables; optimisation des programmes de production, des niveaux dactivit,
des affectations, des transports et de la logistique; ordonnancements, etc.;
problmes stochastiques (cest--dire o intervient le hasard); exemples: files
dattente, fiabilit des quipements et sret de fonctionnement des systmes,
gestion de la production, etc.;
problmes concurrentiels; exemples: dfinition de politiques dapprovisionne
Dunod Toute reproduction non autorise est un dlit.
xiii
Introduction la recherche oprationnelle
d cision vise traiter de tels problmes ( laquelle est consacr un chapitre en fin de
cet ouvrage).
Cest pourquoi, dans la majorit des cas, lentrepreneur doit se borner indiquer
les limites de ses investissements, des dpenses en tudes et recherches, en service
commercial, les capacits de fabrication et de stockage, etc., pour permettre au cher
cheur oprationnel doptimiser une seule et unique fonction, par exemple maximiser
une fonction de revenu.
Les limites indiques fournissent les contraintes du problme. Par exemple, si
des produits P1, P2 et P3, fabriqus en quantits respectives x1, x2 et x3, occupent res
pectivement un volume de 1, 2, et 2 m3 par unit fabrique, et si lon dispose dune
capacit totale de stockage de 4 000 m3, on crira:
x1 1 2x2 1 2x3 < 4 000;
cest la contrainte de capacit de stockage.
Si ces produits laissent des profits nets respectifs de 4, 12 et 3 units montaires
et si lon dsire maximiser le revenu, on posera:
[max] z 5 4x1 1 12x2 1 3x3;
Cest la fonction conomique ou critre doptimisation du problme.
Les diffrentes contraintes limitent, dans un espace n dimensions (sil y a n
variables), un volume lintrieur ou la priphrie duquel se trouvent les points
dont les coordonnes constituent une solution possible du problme. Il reste alors
trouver et utiliser des techniques permettant de choisir, parmi cette infinit
de points, celui (ou ceux) qui donne(nt) la fonction conomique sa valeur opti
male.
Frquemment il y aura unicit de la fonction (ou critre) optimiser. Remarquons
que cette ide nest pas en opposition avec la dmarche de lanalyse multicritre
introduite en fin de cet ouvrage.
b) On se rend compte quil est bien difficile dimaginer et, a fortiori, en gnral
impossible de btir un modle complet du fonctionnement dune entreprise.
En consquence, lentrepreneur propose, souvent, au chercheur oprationnel, de
se borner un aspect de ses proccupations (fixation des niveaux dactivit, optimi
sation de la gestion des stocks, par exemple). Dans ces conditions, il ne sagit que
dune sous-optimisation, qui risque de provoquer des perturbations srieuses dans
des domaines connexes de lentreprise (ou de son environnement).
Une sous-optimisation comporte donc des dangers; avant de lappliquer, il faut
prendre garde ses consquences sur les lments qui ne figurent pas dans le modle.
Ainsi une optimisation des stocks chez B, qui a comme fournisseur A, et C comme
client, peut entraner des difficults inattendues chez ce fournisseur et ce client !
c) Un critre doptimisation peut se dgrader, voire mme tre prim lorsque un
certain temps a pass. Cela est d, avant tout, la grande variabilit du monde co
nomique, aux progrs de la technique, lobsolescence des produits, aux fluctuations
xiv
La R.O.: une pratique caractre scientifique
Objectifs et critres
La dfinition des objectifs et la dtermination du critre doptimisation sont du res
sort de lentrepreneur.
Ce serait avoir une vue technocratique de la recherche oprationnelle que dima
giner que cest lanalyste de fixer les valeurs limites dfinissant les contraintes et
de fixer le(s) critre(s) de choix.
Au contraire, ce sont l des domaines qui appartiennent en propre lentrepre
neur. Si, par exemple, lanalyste se voit confier ltude des politiques dexploitation
dune socit concessionnaire de services, il ne peut dcider, de lui-mme, dopti
miser la rmunration du capital, en limitant le service aux exigences du cahier
des charges, ou, au contraire, doptimiser le service au meilleur profit des usagers,
en assignant au capital tel ou tel rendement qui lui plat. Cest aux dirigeants de
la socit, ou, dans certains cas, aux autorits de tutelle, de choisir entre ces deux
situations opposes. Le mieux tant sans doute, dans le cas prsent comme dans
beaucoup dautres, dobtenir un ventail de solutions favorisant ainsi un choix
clair.
Car le chercheur oprationnel ne saurait non plus se substituer lentrepreneur,
dont cest la fonction de dcider quelle solution lui parat la plus convenable ou la
plus praticable.
Il faut affirmer bien haut que la R.O., loin dentraver lexercice des prrogatives
de lentrepreneur, autorise ce dernier dcider en meilleure connaissance de cause,
donc lve finalement le niveau o se manifeste la libert du choix.
Dunod Toute reproduction non autorise est un dlit.
xv
Introduction la recherche oprationnelle
Rentabilit de la R.O.
On se doute bien que la R.O. nest pas gratuite. Le plus frquemment, elle est mise
en uvre par des consultants nappartenant pas lentreprise; il sagit donc de savoir
si, au plan financier, lapplication des rsultats de leurs tudes procure ou non un
bnfice, compte tenu des charges entranes par ltude elle-mme et quelle est la
dure du retour sur inves
tissement.
Mme dans la socit la mieux administre, un certain nombre de problmes
combinatoires peuvent tre mal rsolus.
Nous nous permettrons de citer, ce sujet, deux exemples emprunts A. Kaufmann:
xvi
Rentabilit de la R.O.
1) une socit de transports ariens, ayant 400 vols et 600 liaisons effectuer entre
13 villes souhaitait amliorer le plan de ses vols, conu jusqualors par un bureau
dtudes travaillant selon une mthode habituelle. premire vue dailleurs, le
programme des vols tabli par cette mthode semblait donner satisfaction, mais la
direction dsirait en obtenir confirmation. cause de nombreuses contraintes de
caractre conomique ou social (temps maximal de pilotage, temps supplmentaire
pass au sol, repos obligatoire, retour priodique des quipages et des appareils au
port dattache, entretien prventif, indemnits de dplacement, etc), le calcul appa
raissait comme compliqu. Nanmoins, lordinateur, aprs implmentation dun
programme daffectation appropri, fournit, en un temps minime, un solution qui
procurait un gain de 18 % par rapport au plan obtenu manuellement...
2) Une usine sidrurgique possdait trois chanes de laminoirs, dont la premire tait trs
moderne et la dernire trs vtuste. Chaque mois, un bureau de planification rpartissait
entre les trois chanes les productions raliser, selon le carnet de commandes et les pr
visions du service commercial. Un simple programme linaire, dont la solution sur ordi
nateur peut tre obtenue en bien moins dune seconde, tablit une rpartition qui faisait
gagner 6 % du cot total de fabrication, par rapport au plan, particulirement soign, cal
cul par le bureau comptent. Et, bien entendu, tout plan et toute modification pouvaient
tre dsormais obtenus dans les minutes qui suivaient, quasiment en temps rel...
Cependant, il est bien clair, nanmoins, quon ne doit pas toujours sattendre
des gains de cet ordre, chaque intervention. Nanmoins le retour sur inves
tissements se chiffre en mois bien plus souvent quen annes. Et plusieurs sous-
optimisations non contradictoires peuvent conduire des bnfices cumuls dignes
dtre pris en considration.
Dautre part, la recherche oprationnelle apparat, de jour en jour davantage,
dans un rle moins ponctuel daide la dcision, qui lui convient bien mieux. Pour
le jouer convenablement, il lui faut revenir une composition plus htrogne des
quipes danalystes (qui ne sauraient notamment se passer ni des comptences dco
nomistes, ni dorganisateurs au sens de spcialistes de la vie des entreprises ) et
une prolongation des interventions au-del de la remise du rapport dtude (main
tenance, cycle de vie).
En effet, le temps est rvolu du rapport alambiqu, hriss de formules et de jar
gon, dont les conclusions ne seront jamais mises en application. Les analystes, aprs
Dunod Toute reproduction non autorise est un dlit.
le dpt de leur rapport, qui sera rdig le plus simplement possible dans le langage
le plus courant, devront encore convaincre les responsables de la possibilit dagir en
tenant compte de leurs recommandations et les aider les mettre en uvre.
Le conseiller en recherche oprationnelle apporte un il neuf et des mthodes
raffines danalyse et de synthse. Sa fonction nest pas dmettre des oracles, mais
daider ceux qui le consultent comprendre les implications des diffrentes dci
sions quils pourraient prendre, de les aider choisir, puis finalement de les assister
dans la mise en pratique de la dcision retenue. Sans cette volont daccompagner
laction, il risquerait, le plus souvent, dabandonner le dcideur ses prjugs ou ses
impulsions irrationnelles ou pire de se substituer au dcideur.
xvii
Introduction la recherche oprationnelle
R.O. et gestion
Nagure encore, le souci dune bonne gestion se traduisait par un soin spcial appor
t la comptabilit. Initialement, la comptabilit est lhistoire du pass de lactivit
et elle comporte plusieurs buts, dont lun est de permettre de connatre la situation
financire de lentreprise (les lments passifs et actifs) et lautre de fournir au fisc
les bases dimposition.
Puis la comptabilit est aussi devenue un instrument de prvision. Ltude des
ratios permet de surveiller le dveloppement de lentreprise et facilite llaboration
de certaines dcisions : le contrle budgtaire autorise une certaine planification
interne et un contrle permanent de lutilisation et de la croissance des ressources.
La comptabilit doit concourir une gestion de plus en plus scientifique. Une des
conditions de ce dveloppement est lintgration des donnes, qui vise saisir le fait
lmentaire, une fois pour toutes, dans sa puret, cest--dire au plus prs de sa
source. Il faut remarquer que cette exigence ne contrarie en rien la ralisation dun
systme dinformation adapt une structure plus ou moins dcentralise de lentre
prise et saccommode, sans difficult, de tout systme informatique correspondant
au type dorganisation retenu.
Par exemple, ltude de la distribution statistique des ventes ncessitait hier une
ventilation particulire des commandes des clients; aujourdhui, les codes-barre
une ou deux dimensions (QR-codes) ou les puces lectroniques, sur lesquels ont t
enregistres les donnes, en vue dtablir les bons de livraison, bordereaux, factures,
etc., peuvent servir, sans autre apprt, un rapide dpouillement.
xviii
But et plan de louvrage
problmes de transport;
problme du voyageur de commerce.
La thorie des graphes constitue dailleurs le lien implicite entre les deux pre
mires parties du livre.
La R.O. contre le hasard (stochastique)
Dans cette partie, on tudie tout dabord, notamment au moyen des graphes, les bases
de la thorie des processus stochastiques (essentiellement les chanes et les processus de
Markov) et lon donne un aperu de la programmation dynamique en univers alatoire.
xix
Introduction la recherche oprationnelle
xx
Structures
ordonnes
1
Applica
tions
des treillis
et de lalgbre
de Boole
en recherche
oprationnelle
1. Ce sous chapitre ne constitue quun rapide rappel. Au cas o le lecteur voudrait approfondir
les questions concernant les relations et les structures ordonnes, il pourra se reporter des livres
spcialiss.
Chapitre 1 Structures ordonnes Applications des treillis
x y z x y z x y z
x (x, x) (x, y) (x, z) x (x, x) (x, z) x (x, x) (x, y)
y ( y, x) ( y, y) ( y, z) y ( y, y) y ( y, z)
z ( z, x) ( z, y) (z, z) z ( z, x) z ( z, x) (z, z)
Produit cartsien ExE Relation R1 Relation R2
x y z x y z t
x (x, x) (x, y) (x, z) (x, x) (x, y) (x, t)
y (y, x) (y, y) (y, t)
z (y, z) (z, z)
(z, z) (t, x) (t, y) (t, t)
Relation R3 Relation R4
Pour quune relation soit transitive, il faut quelle contienne (a, g) si elle contient
(a, b) et (b, g), quels que soient a, b, g.
La relation R3 est transitive; elle nest pas non plus rflexive; elle est antisym
trique. La relation R4 est transitive; elle est rflexive; elle est symtrique.
NB: Le contraire de rflexif, symtrique, transitif est, respectivement, irrflexif, asy
mtrique, intransitif. Une relation est irrflexive si elle ne contient aucun lment de D;
elle est asymtrique, si elle nest symtrique pour aucun couple; elle est intransitive si
elle nest transitive pour aucune paire de couples; cest le cas de la relation R5.
x y z x y z
x ( x, y) x (x, x) (x, y) (x, z)
y ( y, z) y ( y, z)
z ( z, x) z ( z, x)
Relation R5 Relation R6
2
1.1 Notions sur les structures ordonnes
Il faut se garder de confondre ces qualificatifs avec non rflexif (il y a des l
ments dans la diagonale, mais non tous), non symtrique (il existe des lments
symtriques, mais tous ne le sont pas), non transitif (la transitivit existe pour cer
tains couples, mais pas pour dautres). La relation R6 est, la fois, non rflexive, non
symtrique et non transitive.
A B C D E
A (A, A) (A, B) (A, D) (A, E)
1er Camille B (B, B)
e
2 ex aequo { Anatole
Dsir C (C, A) (C, B) (C, C) (C, D) (C, E)
e
4 Ernest D (D, A) (D, B) (D, D) (D, E)
e
5 Bernard E (E, B) (E, E)
Tableau 1.1 Tableau 1.2: relation R
3
Chapitre 1 Structures ordonnes Applications des treillis
A B C D E A C B D E
A A, A A, C A A, A A, C
B B, B B, D B, E C B, B C, C
C C, A C, C B B, B B, D B, E
D D, B D, D D, E D D, B D, D D, E
E E, B E, D E, E E E, B E, D E, E
Tableau 1.3: relation || Tableau 1.4: relation ||
C A D E B
C (C, C) (C, A) (C, D) (C, E) (C, B)
.............
A (A, A) (A, D) (A, E) (A, B) .
......
......
, , ,
D . . .A). . . .(D,
.(D, . . .D). . (D, E) (D, B) . . , ,
E (E, E) (E, B) . . . ,
B (B, B) . . . .
Tableau 1.5 Tableau 1.6: relation S
c) Une relation rflexive, antisymtrique, transitive est, par dfinition, une relation
dordre (large par dfinition).
1 2 3 5 10 20 30
1 (1, 1) (1, 2) (1, 3) (1, 5) (1, 10) (1, 20) (1, 30)
2 (2, 2) (2, 10) (2, 20) (2, 30)
3 (3, 3) (3, 30)
5 (5, 5) (5, 10) (5, 20) (5, 30)
10 (10, 10) (10, 20) (10, 30)
20 (20, 20)
30 (30, 30)
Tableau 1.7
4
1.1 Notions sur les structures ordonnes
(1, 2) ... (1, 10) (1, 10) . . . (1, 30) (1, 3) . . . (1, 30)
(2, 2) ... (2, 10) (10, 10) . . . (10, 30) (3, 3) . . . (3, 30)
(1, 2) ... (1, 30) (5, 10) . . . (2, 30) (1, 5) . . . (1, 20)
(2, 2) ... (2, 30) (10, 10) . . . (10, 30) (5, 5) . . . (5, 20)
(1, 5) ... (1, 10) (5, 10) . . . (5, 30) (1, 10) . . . (1, 20)
(5, 5) ... (5, 10) (10, 10) . . . (10, 30) (10, 10) . . . (10, 20)
(1, 5) ... (1, 30) (1, 2) . . . (1, 20) (2, 10) . . . (2, 20)
(5, 5) ... (5, 30) (2, 2) . . . (2, 20) (10, 10) . . . (10, 20)
(5, 10) . . . (5, 20)
(10, 10) . . . (10, 20)
tableau 1.7 soit 22, y compris 7 boucles. Mais on peut rduire le nombre de
ces arcs, en supprimant ceux qui rsultent de la rflexivit et de la transiti
vit. On obtient alors un diagramme de Hasse (fig.1.2), plus lisible.
Le diagramme de Hasse dun ensemble totalement ordonn est une
Figure 1.3 chane (fig. 1.3) (en fait, en termes de graphes orients, il sagira dun
chemin).
toute relation dordre large correspond une et une seule relation dordre strict.
Une relation dordre strict est irrflexive, asymtrique et transitive. Elle peut induire
un ordre partiel ou un ordre total.
5
Chapitre 1 Structures ordonnes Applications des treillis
1. LAcadmie des sciences recommande demployer les termes maximum, minimum, opti
mum uniquement comme substantifs; les adjectifs correspondants tant maximal, minimal,
optimal. Ainsi on doit dire lment maximal (et non pas lment maximum).
6
1.1 Notions sur les structures ordonnes
Insistons sur le fait que les lments particuliers dfinis en a), b), c), d) et e)
nexistent pas ncessairement dans un ensemble partiellement ordonn, ce qui est
illustr par lexemple ci-dessous.
Exemples. Soit X 5 {1, 2, 3, 5, 10, 20, 30} un ensemble partiellement ordonn par
la relation x | y (x divise y). Nous invitons le lecteur se reporter au diagramme de
Hasse associ (Fig. 1.2).
1. Prenons P 5 {2, 3, 5, 10}. P est inclus dans X
Il existe un majorant de P: 30, un minorant: 1, deux lments maximaux: 3 et
10, trois lments minimaux: 2, 3, 5, ni plus grand lment, ni plus petit lment
de P. La b.s. de P est 30, la b.i. est 1. X nadmet pas dlment universel, mais un
lment nul: 1.
2. Prenons maintenant P 5 {2, 5, 10}.
compte trois majorants: 10, 20, 30, un minorant: 1, un lment maximal: 10,
deux lments minimaux: 2 et 5, un plus grand lment: 10, pas de plus petit l
ment. La borne suprieure de est 10, la borne infrieure est 1.
Pour une partie rduite deux lments (ou paire ) {x, y}, dun ensemble
ordonn, il peut exister une borne suprieure et/ou une borne infrieure; la b.s., lors
quelle existe, est note x ~ y et la b.i. par x ` y.
1.1.4 Treillis
a) On appelle treillis (ou encore lattis ou ensemble rticul) un ensemble partielle
ment ordonn dans lequel, pour toute paire dlments, existent une borne suprieure
(b.s.) et une borne infrieure (b.i.).
cette dfinition on peut substituer la dfinition axiomatique suivante. Soit un
ensemble T, dont les lments sont munis de deux lois de composition, ~ et ` , vri
fiant, quels que soient x, y et zPT, les proprits ci-aprs:
1. x ~ y 5 y ~ x (commutativit) 1r. x ` y 5 y ` x
2. x ~ 1 y z 5 x y
~ 2 1 ~ 2 ~ z (associativit) 2r. x ` 1 y ` z 2 5 1 x ` y 2 ` z
3. x ~ x 5 x (idempotence) 3r. x ` x 5 x
4. x ~ 1 x ` y 2 5 x (absorption) 4r. x ` ( x ~ y ) 5 x
Dunod Toute reproduction non autorise est un dlit.
7
Chapitre 1 Structures ordonnes Applications des treillis
Ces dviseurs forment un treillis dont le diagramme de Hasse est donn par la figure1.4.
La b.s. de deux lments quelconques est leur p.p.c.m; la b.i., leur p.g.c.d. Ainsi:
5 ~ 6 5 5 3 6 5 30 et 5 ` 6 5 1; 6 ~ 15 5 2 3 3 3 5 5 30 et 6 ` 15 5 3, etc.
8
1.1 Notions sur les structures ordonnes