Université Cadi Ayyad Filière : SMA S5

Faculté des Sciences Sémlalia Module : M4-Programmation Mathématique

Département de mathématiques Session I 2021-22

Le jeudi 20 janvier 2022 - 15h–16H30 - Durée 1 heure 30 mn

Tout document, calculatrice ou téléphone non-autorisé
Vos réponses doivent être justifiées (= démontrées ou bien validées par un contre-exemple)..

Nom et Prénom : —————————————————————–

Numéro d’Apogée : —————————————————— Note

Numéro de table : ——————————————————– / 20

Exercice 1 : (13 points)

On considère le problème de programmation linéaire suivant :
Maximiser 12x
 1 + 20x2

 6x1 + 10x2 ≥ 60
(P) 8x1 + 25x2 ≥ 200

Sous-cont
2x + 8x2 ≤ 80
 1


x1 , x2 ≥ 0.

1. Écrire sous sa forme standard le programme (P).

2. En utilisant la méthode graphique résoudre le problème (P).
3. En utilisant la méthode des tableaux en deux phases résoudre le programme
linéaire (P).
4. (i) Citer le Théorème de dualité forte.
(ii) Écrire sous sa forme canonique le programme dual (P ∗ ) associé à (P).
(iii) Déduire du tableau final la solution de base optimale duale de (P ∗ ).
(iv) En utilisant ce Théorème de dualité forte vérifier la validité des solutions
optimales de (P) et (P ∗ ).
5. (i) Citer le Théorème de complémentarité.
(ii) En utilisant ce Théorème de complémentarité, retrouver la solution de base
optimale du programme duale (P ∗ ) à partir de celle de (P).

1
Solution :
1. 0,5 pt La forme standard du programme linéaire (P) consistent à ajouter des
variables d’écart u1 ≥ 0, u1 ≥ 0 et u1 ≥ 0 pour les trois contraintes inégalité.
Donc
Maximiser 12x
 1 + 20x2

 6x1 + 10x2 − u1 = 60
(P) 8x1 + 25x2 − u2 = 200

Sous-cont
2x + 8x2 + u3 = 80
 1


x1 , x2 , u1 , u2 , u3 ≥ 0
où u1 , u2 , u3 sont des variables d’écart.

2. 2 pts La solution graphique se déduit de la figure ci-dessous :

Coloré en vers est l’ensemble de contraintes. On remarque que la première contrainte

6x1 + 10x2 ≥ 60 est inutile, puisque sans cette contrainte l’ensemble de contraintes
est inchangé.
Colorée en rouge, la droite 12x1 +20x2 = Z̄ = 480 associée à la valeur maximale de la
fonction objectif Z. Donc (P) admet un seule solution optimale qui est x̄ = (40, 0).
On remarque aussi que le minimum du problème (P) est aussi atteint en un seul
point (0, 8).

2
3. 6 pts Pour démarrer la méthode des tableaux on a besoin d’une solution de
base initiale évident. Donc, on doit ajouter des variables artificielles et exécuter la
méthode à deux phases.

Phase I : Dans la première phase, pour déterminer cette solution de base initiale,
on résout le problème auxiliaire :
−v1 − v2
Maximiser 

 6x1 + 10x2 − u1 + v1 = 60
(PA) 8x1 + 25x2 − u2 + v2 = 200

Sous-cont
2x + 8x2 + u3 = 80
 1


x1 , x2 , u1 , u2 , u3 , v1 , v2 ≥ 0.

x1 x2 u1 u2 u3 v1 v2 x00
v1 6 10 -1 0 0 1 0 60
v2 8 25 0 -1 0 0 1 200 Phase I - Tableau 1
u3 2 8 0 0 1 0 0 80 La variable qui sort de la
c 0 0 0 0 0 -1 -1 base est v1 , et celle qui
entre est x2 .
∆10 14 35 -1 -1 0 0 0 −z00 = 260

x1 x2 u1 u2 u3 v1 v2 x01
x2 3 1 1 Phase I - Tableau 2
5 1 - 10 0 0 10 0 6
v2 -7 0 5 5 La variable qui sort de la
2 -1 0 -2 1 50
u3 14
-5 0 4
0 1 4
-5 0 32 base est v2 , et celle qui
5
∆20 -7 0 5
1 0 - 27 0 −z10 = 50 entre est u1 .
2

x1 x2 u1 u2 u3 v1 v2 x02 Phase I - Tableau 3

8 1 1
x2 25 1 0 - 25 0 0 25 8 Toutes les composantes de
u1 - 14
5 0 1 - 25 0 -1 2
5 20 ∆30 sont négatives, donc
14 8 8
u3 - 25 0 0 25 1 0 - 25 16 la solution de base op-
∆30 0 0 0 0 2
0 -1 -1 −z0 = 0 timale de Phase I est
(0, 8, 20, 0, 16, 0, 0).

3
 Phase II : Les variables artificielles de Phase I sont éliminées de la base. Donc, la
solution de base initiale de Phase II est : x0 = (0, 8, 20, 0, 16). On revient maintenant,
dans la seconde phase, à résoudre le problème initial sous la forme standard :
Maximiser 12x
 1+ 20x2
8 1
x1 + x2 − 25 u1 = 8
 25

14 2

(P) − 5 x1 + u1 − 5 u2 = 20
Sous-cont 14 8

 − 25 x1 + 25 u2 + u3 = 16
x1 , x2 , u1 , u2 , u3 ≥ 0.


x1 x2 u1 u2 u3 x0
x2 8
1 1
0 - 25 0 8 Phase II - Tableau 1
25
14 2
u1 -5 0 1 -5 0 20
u3 14
- 25 0 8
0 25 1 16 La variable qui sort de la
c 12 20 0 0 0 base est x2 , et celle qui
28 4 entre est x1 .
∆11 5 0 0 5 0 −z0 = 160

x1 x2 u1 u2 u3 x1 Phase II - Tableau 2
x1 1 25
8 0 - 18 0 25
u1 0 435
1 - 34 0 90 La variable qui sort de la
u3 0 7
0 14 1 30 base est u3 , et celle qui
4
∆21 35
0 -2 0 32 0 −z1 = −300 entre est u2 .

x1 x2 u1 u2 u3 x2 Phase II - Tableau 3
x1 1 4 0 0 12 40 Toutes les composantes de
u1 0 14 1 0 3 180 ∆30 sont négatives, donc la
u2 0 7 0 1 4 120 solution de base optimale
∆31 0 -28 0 0 -6 −z2 = −480 est x̄ = (40, 0) et la valeur
optimale est Z̄ = 480.

4 (i). 0,5 pt Théorème de dualité forte : Le problème primal (P) admet une
solution optimale si et seulement si le problème dual (P ∗ ) admet aussi une solution
optimale ; dans ce cas les valeurs optimales sont identiques : W̄ = Z̄.

4
SMA S3 AModule : M4-Program Math Session 1 - 2021/22 Le jeudi 20 janvier 2022

4. (ii) 1 pt Le programme duale (P ∗ ) associé au problème (P) peut s’écrire

Minimiser 60y
 1 + 200y2 + 80y3
 6y1 + 8y2 + 2y3 ≥ 12
(P ∗ )
Sous-cont 10y1 + 25y2 + 8y3 ≥ 20
y1 , y 2 ≤ 0, y3 ≥ 0


qu’on transforme sous sa forme canonique

 1 + 200y2 − 80y3
Maximiser 60y
 −6y1 − 8y2 + 2y3 ≥ 12
(P ∗ )
Sous-cont −10y1 − 25y2 + 8y3 ≥ 20
y1 , y 2 , y3 ≥ 0.


4. (iii) 1 pt On reviens au tableau final de la phase 2, on a

x1 x2 u1 u2 u3 x2
x1 1 4 0 0 12 40 Phase II - Tableau 3
u1 0 14 1 0 3 180
u2 0 7 0 1 4 120
∆¯ 0 -28 0 0 -6 −Z̄ = −480
w 1 w2 y 1 y 2 y 3 −W̄
0 28 0 0 6 −480

On a w̄1 = −∆ ¯ 1 , w̄2 − ∆¯ 2 sont les variables d’écart pour la forme standard de

(P ∗ ) et qui correspondent aux variables principales x1 , x2 de (P).
On a aussi ȳ1 = −∆ ¯ 3 , ȳ2 = −∆¯ 4 , ȳ3 = −∆
¯ 5 sont les variables principales de (P ∗ ) et
qui correspondent variables d’écart u1 , u2 , u3 pour la forme standard de (P).
On déduit donc que ȳ = (0, 0, 6).

4 (iv) 0,5 pt. Le problème primal (P) admet comme solution optimale x̄ = (25, 0)
et la valeur optimale associée est Z̄ = 480.
De même le problème dual (P ∗ ) a pour solution optimale ȳ = (0, 0, 6) et sa valeur
optimale est W̄ = 480.
Donc ces deux valeurs optimales sont identiques : W̄ = Z̄ = 480.
D’après le théorème de dualité forte, on déduit que les deux solutions primale x̄ et
duale ȳ sont valables.

5
5 (i) 0,5 pt. Théorème de complémentarité : Si x est admissible pour le
problème primal (P) :

T
Maximiser  z=c x
Ax ≤ b ,
sous-contraintes :
x ≥ 0,

et y est admissible pour le problème dual (P ∗ ) :

Minimiser w = bT y
 T
A y ≥ c,
sous-contraintes :
y ≥ 0.

Alors x∗ et y∗ sont optimaux ⇐⇒ (AT y∗ − c)T x∗ = 0 et y∗T (b − Ax∗ ) = 0.

5 (ii) 1 pt. Pour déduire la solution du problème (P ∗ ) qui est le dual de (P), on
utilise le théorème de complémentarité qui nous donne les équations suivantes :


 (6x1 + 10x2 − 60)y1 = 0
 (8x1 + 25x2 − 200)y2 = 0


(2x1 + 8x2 − 80)y3 = 0
x (6y + 8y2 + 2y3 − 12) = 0


 1 1


x2 (10y1 + 25y2 + 8y3 − 20) = 0.
On remarque que x1 = 40 6= 0 et x2 = 0, donc

 6y1 + 8y2 + 2y3 − 12 = 0,
6x + 10x2 − 60 6= 0,
 1
8x1 + 25x2 − 200 6= 0.
On déduit donc de ce système que y1 = y2 = 0 et y3 = 6.
Par suite la solution optimale de (P ∗ ) est ȳ = (0, 0, 6).
Ainsi la valeur optimale duale est W̄ = 480.

6
Exercice 2 :(7 points) Soit f : Rn −→ R une fonction de classe C 2 . On suppose
que f est une fonction elliptique, c’est à dire qu’il existe r > 0 tel que

(∇f (x) − ∇f (y))T (x − y) ≥ rkx − yk2 , ∀x, y ∈ Rn . (1)

1. Montrer que pour tout x, y ∈ Rn ,

(∇2 f (x)(y − x))T (y − x) = (y − x)T ∇2 f (x)(y − x) ≥ rkx − yk2 . (2)

2. Montrer que pour tout x, y ∈ Rn , on a la propriété suivante

r
f (y) − f (x) ≥ (∇f (x))T (x − y) + kx − yk2 . (3)
2
3. Montrer que f est strictement convexe :

∀x, y ∈ Rn (x 6= y), ∀t ∈]0, 1[, f ((1 − t)x + ty) < (1 − t)f (x) + tf (y).

4. Montrer que f est coercive

lim f (y) = +∞.

kyk→+∞

5. Déduire que f admet un unique minimum global x̄.

Solution : 1. 1,5 pt Soient x, y ∈ Rn . On a

(y − x)T ∇2 f (x)(y − x) = (∇2 f (x)(y − x))T (y − x)

 T
1
= lim [∇f (x + t(y − x)) − ∇f (x)] (x − y)
t→0+ t
 T
1
= lim (∇f (x + t(y − x)) − ∇f (x) ((x + t(y − x)) − x)
t→0+ t
 
1
≥ lim+ 2 rk(x + t(y − x) − xk2 (d’après (1))
t→0 t

= rky − xk2 .

2. 1 pt Soient x, y ∈ Rn . Puisque f est de classe C 2 sur Rn , alors d’après la formule

de Taylor-Mac Laurin à l’ordre deux on aura existence de δ ∈]0, 1[ tel que
f (y) = f (x) + ∇f (x)T (y − x) + 12 (y − x)T ∇2 f (x + δ(y − x))(y − x)
≥ f (x) + ∇f (x)T (y − x) + 2r ky − xk2 .
La dernière inégalité résulte de (2).

7
3. 1,5 pt Soient x, y ∈ Rn avec x 6= y et soit t ∈]0, 1[. Posons zt = (1 − t)x + ty,
alors d’après (3), on aura les deux relations suivantes :

f (x) ≥ f (zt ) + ∇f (zt )T (x − zt ) et f (y) ≥ f (zt ) + ∇f (zt )T (zt ).

En multipliant ces deux inégalités respectivement par 1−t et t, puis en les sommant,
on aboutit à
r
(1 − t)f (x) + tf (y) ≥ (1 − t)[f (zt ) + ∇f (zt )T (x − zt ) + ky − xk2 ]
2
r
+ t[f (zt ) + ∇f (zt ) (y − zt ) + ky − xk2 ]
T
2
r
= f ((1 − t)x + ty) + ∇f (zt )T ((1 − t)x + ty − zt ) + ky − xk2
2
r
= f ((1 − t)x + ty) + ky − xk2 > f ((1 − t)x + ty) car x 6= y.
2
D’où la stricte convexité de f .

4. 1,5 pt En utilisant inégalité (2) lorsque x = 0, alors

r
f (y) ≥ f (0) + ∇f (0)T (y) + kyk2
2
r
≥ f (0) − k∇f (0)kkyk + kyk2
2
r
= f (0) + kyk(kyk − 2rk∇f (0)k).
2
On a kyk − 2rk∇f (0)k et kyk convergent vers +∞ lorsque kyk convergent vers +∞.
D’où
lim f (y) = +∞,
kyk→+∞

et donc f est coercive.

5. 1,5 pt L’existence résulte d’un résultat du cours qui dit que si f est convexe et
coercive alors, elle admet un minimum global sur Rn .
Pour l’unicité, soient x̄1 , x̄2 deux minimum globaux sur Rn , alors on aura f (x̄1 ) =
f (x̄2 ) = f¯ la valeur minimale.
Si x̄1 6= x̄2 , alors, par stricte convexité de f , on aboutira à
f¯ = 12 f (x̄1 ) + 12 f (x̄2 ) > f ( 21 x̄1 + 12 x̄2 ),
ce qui contredit f¯ valeur minimale. On déduit que x̄1 = x̄2 .

=========================================== Fin
d’épreuve