Académique Documents
Professionnel Documents
Culture Documents
Hassan Riahi
Mathématiques
FSSM
Plan
ب س م ا ل ل ه ا ل رح ما ن ا ل رح ي م
1 Présentation du Cours
3 Convexité et séparation
1 Présentation du Cours
3 Convexité et séparation
1 Présentation du Cours
3 Convexité et séparation
Présentation de la programmation
Definition (Problème de Programmation Mathématique : PPM)
Un problème de programmation mathématique est :
Minimiser (Maximiser)
f (x)
fi (x) = 0 , i = 1, . . . , m ,
sous-contraintes :
gj (x) ≤ 0 , j = 1, . . . , p .
f , fi ∈ C(Rn ), i = 1, . . . , m,
gj ∈ C(Rn ), j = 1, . . . , p.
Cas Particuliers
f (x), fi (x), gj linéaires → Programmation Linéaire
f (x), fi (x), gj convexes → Programmation Convexe
f (x), fi (x), gj non linéaires → Programmation Non Linéaire
Module M4 - Licence SMA Programmation Mathématique Séa
Hassan Riahi Mathématiques
Présentation du Cours
Introduction et Notions Fondamentales
Convexité et séparation
Présentation de la programmation
Definition (Problème de Programmation Mathématique : PPM)
Un problème de programmation mathématique est :
Minimiser (Maximiser)
f (x)
fi (x) = 0 , i = 1, . . . , m ,
sous-contraintes :
gj (x) ≤ 0 , j = 1, . . . , p .
f , fi ∈ C(Rn ), i = 1, . . . , m,
gj ∈ C(Rn ), j = 1, . . . , p.
Cas Particuliers
f (x), fi (x), gj linéaires → Programmation Linéaire
f (x), fi (x), gj convexes → Programmation Convexe
f (x), fi (x), gj non linéaires → Programmation Non Linéaire
Module M4 - Licence SMA Programmation Mathématique Séa
Hassan Riahi Mathématiques
Présentation du Cours
Introduction et Notions Fondamentales
Convexité et séparation
Historique
Programmation Linéaire
- LAPLACE (1749-1827) (Essai de traitement)
- KANTOROVITCH (1939) avec multiplicateurs de LAGRANGE
résoud des Problèmes de Transport.
- DANTZIG (1947) algorithme du SIMPLEXE, avec Armée US 2ed
Guère Mondiale.
- KARMARKAR (les années 80) méthode de points intérieure.
Historique
Programmation Linéaire
- LAPLACE (1749-1827) (Essai de traitement)
- KANTOROVITCH (1939) avec multiplicateurs de LAGRANGE
résoud des Problèmes de Transport.
- DANTZIG (1947) algorithme du SIMPLEXE, avec Armée US 2ed
Guère Mondiale.
- KARMARKAR (les années 80) méthode de points intérieure.
Résolution de PPM
Question
Comment résoudre un PPM en générall ?
Existence
On justifie l’existence d’une solution de PPM : Conditions
d’optimalité.
Algorithmes
On essaye d’atteindre une solution de PPM : Convergences
d’algorithmes.
Résolution de PPM
Question
Comment résoudre un PPM en générall ?
Existence
On justifie l’existence d’une solution de PPM : Conditions
d’optimalité.
Algorithmes
On essaye d’atteindre une solution de PPM : Convergences
d’algorithmes.
Résolution de PPM
Question
Comment résoudre un PPM en générall ?
Existence
On justifie l’existence d’une solution de PPM : Conditions
d’optimalité.
Algorithmes
On essaye d’atteindre une solution de PPM : Convergences
d’algorithmes.
Notions Fondamentales
Notions Fondamentales
Notions Fondamentales
1 Présentation du Cours
3 Convexité et séparation
Convexité et séparation
Definition (Ensembles Convexes)
C ⊂ E (un R-e.v.) est convex si ∀x1 , x2 ∈ C , [x1 , x2 ] ⊂ C , càd
Convexité et séparation
Definition (Ensembles Convexes)
C ⊂ E (un R-e.v.) est convex si ∀x1 , x2 ∈ C , [x1 , x2 ] ⊂ C , càd
L’ensemble vide : ∅
L’ensemble singleton : {x0 }
L’espace entier : Rn
Les lignes {aT x = b}, a ∈ Rn , b ∈ R
Les hyperplans {AT x = b} et demi-espaces {AT x ≤ b},
A ∈ M(n, m), b ∈ Rm
Boule ouverte B(x0 , ) = {x | kx − x0 k2 < r }
Boule fermé B(x0 , ) = {x | kx − x0 k2 ≤ r }
L’ensemble vide : ∅
L’ensemble singleton : {x0 }
L’espace entier : Rn
Les lignes {aT x = b}, a ∈ Rn , b ∈ R
Les hyperplans {AT x = b} et demi-espaces {AT x ≤ b},
A ∈ M(n, m), b ∈ Rm
Boule ouverte B(x0 , ) = {x | kx − x0 k2 < r }
Boule fermé B(x0 , ) = {x | kx − x0 k2 ≤ r }
L’ensemble vide : ∅
L’ensemble singleton : {x0 }
L’espace entier : Rn
Les lignes {aT x = b}, a ∈ Rn , b ∈ R
Les hyperplans {AT x = b} et demi-espaces {AT x ≤ b},
A ∈ M(n, m), b ∈ Rm
Boule ouverte B(x0 , ) = {x | kx − x0 k2 < r }
Boule fermé B(x0 , ) = {x | kx − x0 k2 ≤ r }
L’ensemble vide : ∅
L’ensemble singleton : {x0 }
L’espace entier : Rn
Les lignes {aT x = b}, a ∈ Rn , b ∈ R
Les hyperplans {AT x = b} et demi-espaces {AT x ≤ b},
A ∈ M(n, m), b ∈ Rm
Boule ouverte B(x0 , ) = {x | kx − x0 k2 < r }
Boule fermé B(x0 , ) = {x | kx − x0 k2 ≤ r }
L’ensemble vide : ∅
L’ensemble singleton : {x0 }
L’espace entier : Rn
Les lignes {aT x = b}, a ∈ Rn , b ∈ R
Les hyperplans {AT x = b} et demi-espaces {AT x ≤ b},
A ∈ M(n, m), b ∈ Rm
Boule ouverte B(x0 , ) = {x | kx − x0 k2 < r }
Boule fermé B(x0 , ) = {x | kx − x0 k2 ≤ r }
L’ensemble vide : ∅
L’ensemble singleton : {x0 }
L’espace entier : Rn
Les lignes {aT x = b}, a ∈ Rn , b ∈ R
Les hyperplans {AT x = b} et demi-espaces {AT x ≤ b},
A ∈ M(n, m), b ∈ Rm
Boule ouverte B(x0 , ) = {x | kx − x0 k2 < r }
Boule fermé B(x0 , ) = {x | kx − x0 k2 ≤ r }
L’ensemble vide : ∅
L’ensemble singleton : {x0 }
L’espace entier : Rn
Les lignes {aT x = b}, a ∈ Rn , b ∈ R
Les hyperplans {AT x = b} et demi-espaces {AT x ≤ b},
A ∈ M(n, m), b ∈ Rm
Boule ouverte B(x0 , ) = {x | kx − x0 k2 < r }
Boule fermé B(x0 , ) = {x | kx − x0 k2 ≤ r }
Enveloppe Convexe
Définition
L’enveloppe convexe de A est l’ensemble conv(A) de toutes les
combinaisons convexes de points dans A :
( k k
)
X X
conv(A) = θi xi |xi ∈ A, θi ≥ 0, i = 1, ...k, θi = 1
i=1 i=1
Enveloppe Convexe
Définition
L’enveloppe convexe de A est l’ensemble conv(A) de toutes les
combinaisons convexes de points dans A :
( k k
)
X X
conv(A) = θi xi |xi ∈ A, θi ≥ 0, i = 1, ...k, θi = 1
i=1 i=1
Enveloppe Convexe
Définition
L’enveloppe convexe de A est l’ensemble conv(A) de toutes les
combinaisons convexes de points dans A :
( k k
)
X X
conv(A) = θi xi |xi ∈ A, θi ≥ 0, i = 1, ...k, θi = 1
i=1 i=1
Proposition
(i) Pour toute partie C , conv(C ) est convexe.
(ii) Pour toute partie C , C ⊆ conv(C ).
(iii) C 0 convexe et C ⊆ C 0 =⇒ conv(C ) ⊆ C 0 .
(iv) C convexe =⇒ C = conv(C ).
Module M4 - Licence SMA Programmation Mathématique Séa
Hassan Riahi Mathématiques
Présentation du Cours
Introduction et Notions Fondamentales
Convexité et séparation
Enveloppe Convexe
Définition
L’enveloppe convexe de A est l’ensemble conv(A) de toutes les
combinaisons convexes de points dans A :
( k k
)
X X
conv(A) = θi xi |xi ∈ A, θi ≥ 0, i = 1, ...k, θi = 1
i=1 i=1
Proposition
(i) Pour toute partie C , conv(C ) est convexe.
(ii) Pour toute partie C , C ⊆ conv(C ).
(iii) C 0 convexe et C ⊆ C 0 =⇒ conv(C ) ⊆ C 0 .
(iv) C convexe =⇒ C = conv(C ).
Module M4 - Licence SMA Programmation Mathématique Séa
Hassan Riahi Mathématiques
Présentation du Cours
Introduction et Notions Fondamentales
Convexité et séparation
Enveloppe Convexe
Définition
L’enveloppe convexe de A est l’ensemble conv(A) de toutes les
combinaisons convexes de points dans A :
( k k
)
X X
conv(A) = θi xi |xi ∈ A, θi ≥ 0, i = 1, ...k, θi = 1
i=1 i=1
Proposition
(i) Pour toute partie C , conv(C ) est convexe.
(ii) Pour toute partie C , C ⊆ conv(C ).
(iii) C 0 convexe et C ⊆ C 0 =⇒ conv(C ) ⊆ C 0 .
(iv) C convexe =⇒ C = conv(C ).
Module M4 - Licence SMA Programmation Mathématique Séa
Hassan Riahi Mathématiques
Présentation du Cours
Introduction et Notions Fondamentales
Convexité et séparation
Enveloppe Convexe
Définition
L’enveloppe convexe de A est l’ensemble conv(A) de toutes les
combinaisons convexes de points dans A :
( k k
)
X X
conv(A) = θi xi |xi ∈ A, θi ≥ 0, i = 1, ...k, θi = 1
i=1 i=1
Proposition
(i) Pour toute partie C , conv(C ) est convexe.
(ii) Pour toute partie C , C ⊆ conv(C ).
(iii) C 0 convexe et C ⊆ C 0 =⇒ conv(C ) ⊆ C 0 .
(iv) C convexe =⇒ C = conv(C ).
Module M4 - Licence SMA Programmation Mathématique Séa
Hassan Riahi Mathématiques
Présentation du Cours
Introduction et Notions Fondamentales
Convexité et séparation
Enveloppe Convexe
Définition
L’enveloppe convexe de A est l’ensemble conv(A) de toutes les
combinaisons convexes de points dans A :
( k k
)
X X
conv(A) = θi xi |xi ∈ A, θi ≥ 0, i = 1, ...k, θi = 1
i=1 i=1
Proposition
(i) Pour toute partie C , conv(C ) est convexe.
(ii) Pour toute partie C , C ⊆ conv(C ).
(iii) C 0 convexe et C ⊆ C 0 =⇒ conv(C ) ⊆ C 0 .
(iv) C convexe =⇒ C = conv(C ).
Module M4 - Licence SMA Programmation Mathématique Séa
Hassan Riahi Mathématiques
Présentation du Cours
Introduction et Notions Fondamentales
Convexité et séparation
Preuve
(i) Si u, v ∈ conv(C ), t ∈ [0, 1], alors
u = ki=1 θi xi et v = m
P P
j=1 µj yj
où xi , yj ∈ C , θi , µj ≥ 0, ki=1 θi = m
P P
µi = 1. Donc
Pk Pj=1
m
(1 − t)u + tv = i=1 (1 − t)θi xi + j=1 tµj yj ∈ conv(C )
car ki=1 (1 − t)θi + m
P P
j=1 tµj = (1 − t) + t = 1.
Ainsi conv(C ) est convexe.
(ii) Evidente.
Preuve
(iii) Si x ∈ conv(C ), x = ki=1 θi xi , xi ∈ C , θi ≥ 0, ki=1 θi = 1.
P P
Montrons par récurrence sur k ≥ 1 que x ∈ C 0 .
? Si k = 1 c’est évident ; supposons que c’est vrai jusqu’à l’ordre
k − 1. On va écrire
x = ki=1 θi xi = (1 − θk ) i=1
P Pk−1 θi
1−θk xi + θk xk .
On remarque que
Pk−1 θi 1 Pk−1 1
i=1 1−θk = 1−θk i=1 θi = 1−θk (1 − θk ) = 1 ;
Pk−1 θi
donc par convexité de C 0 , yk := i=1 0
1−θk xi ∈ C .
0
Encore, par convexité de C , on déduit que
x = ki=1 θi xi = (1 − θk )yk + θk xk ∈ C 0 .
P
Preuve
Exercice de TD
Montrer que C ⊂ R n est convexe si, P∞et seulement si,
∀x
Pi∞ ∈ C , θi ≥ 0, i = 1, 2, . . ., avec i=1 θi = 1, on a
i=1 θi xi ∈ C si cette série converge.
Proposition
1 Si C , D sont des ensembles convexes, alors C ∩ D est
également convexe.
2 Si C ⊆ Rn est un ensemble convexe, A ∈ Rm×n , b ∈ Rm , alors
AC + b = {Ax + b|x ∈ C } ⊆ Rm
est convexe.
3 Si C ∈ Rn × R?+ est un ensemble convexe, alors sa
transformation de perspective P(C ) avec
P(x1 , x2 , ..., xn , λ) = λ1 (x1 , x2 , ..., xn ) ∈ Rn est aussi convexe.
Proposition
1 Si C , D sont des ensembles convexes, alors C ∩ D est
également convexe.
2 Si C ⊆ Rn est un ensemble convexe, A ∈ Rm×n , b ∈ Rm , alors
AC + b = {Ax + b|x ∈ C } ⊆ Rm
est convexe.
3 Si C ∈ Rn × R?+ est un ensemble convexe, alors sa
transformation de perspective P(C ) avec
P(x1 , x2 , ..., xn , λ) = λ1 (x1 , x2 , ..., xn ) ∈ Rn est aussi convexe.
Proposition
1 Si C , D sont des ensembles convexes, alors C ∩ D est
également convexe.
2 Si C ⊆ Rn est un ensemble convexe, A ∈ Rm×n , b ∈ Rm , alors
AC + b = {Ax + b|x ∈ C } ⊆ Rm
est convexe.
3 Si C ∈ Rn × R?+ est un ensemble convexe, alors sa
transformation de perspective P(C ) avec
P(x1 , x2 , ..., xn , λ) = λ1 (x1 , x2 , ..., xn ) ∈ Rn est aussi convexe.
Preuve
(1) Evidente.
u = Ax + b et v = Ay + b.
Preuve
u = P(x, λ) = λ1 x et v = P(y , µ) = µ1 y .
Donc
(1 − t)u + tv = (1 − t) λ1 x + t µ1 y = (1 − t) λ1 + t µ1 z,
(1−t) λ1 t µ1
où z = (1−t) λ1 +t µ1
x + (1−t) λ1 +t µ1
y.
1
(1−t) λ1 t
Par convexité de C , on aura z ∈ C car (1−t) λ1 +t µ1
+ (1−t) µ1 +t 1 y = 1.
λ µ
Ainsi (1 − t)u + tv ∈ P(C ). On déduit donc que P(C ) est convexe.
Module M4 - Licence SMA Programmation Mathématique Séa
Hassan Riahi Mathématiques
Présentation du Cours
Introduction et Notions Fondamentales
Convexité et séparation
Exercice
A faire en exercice de TD. On peur déduire (6) de (5)
Module M4 - Licence SMA Programmation Mathématique Séa
Hassan Riahi Mathématiques
Présentation du Cours
Introduction et Notions Fondamentales
Convexité et séparation
Exercice
A faire en exercice de TD. On peur déduire (6) de (5)
Module M4 - Licence SMA Programmation Mathématique Séa
Hassan Riahi Mathématiques
Présentation du Cours
Introduction et Notions Fondamentales
Convexité et séparation
Exercice
A faire en exercice de TD. On peur déduire (6) de (5)
Module M4 - Licence SMA Programmation Mathématique Séa
Hassan Riahi Mathématiques
Présentation du Cours
Introduction et Notions Fondamentales
Convexité et séparation
Exercice
A faire en exercice de TD. On peur déduire (6) de (5)
Module M4 - Licence SMA Programmation Mathématique Séa
Hassan Riahi Mathématiques
Présentation du Cours
Introduction et Notions Fondamentales
Convexité et séparation
Exercice
A faire en exercice de TD. On peur déduire (6) de (5)
Module M4 - Licence SMA Programmation Mathématique Séa
Hassan Riahi Mathématiques
Présentation du Cours
Introduction et Notions Fondamentales
Convexité et séparation
Exercice
A faire en exercice de TD. On peur déduire (6) de (5)
Module M4 - Licence SMA Programmation Mathématique Séa
Hassan Riahi Mathématiques
Présentation du Cours
Introduction et Notions Fondamentales
Convexité et séparation
Exemples :
Exemples :
Fin de Séance
وأﻋﺎﻧﻜﻢ ﷲ