Professional Documents
Culture Documents
M4-Programmation Mathématiques Session I 2021-22 Fichier
M4-Programmation Mathématiques Session I 2021-22 Fichier
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
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
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
Minimiser 60y
1 + 200y2 + 80y3
6y1 + 8y2 + 2y3 ≥ 12
(P ∗ )
Sous-cont 10y1 + 25y2 + 8y3 ≥ 20
y1 , y 2 ≤ 0, y3 ≥ 0
1 + 200y2 − 80y3
Maximiser 60y
−6y1 − 8y2 + 2y3 ≥ 12
(P ∗ )
Sous-cont −10y1 − 25y2 + 8y3 ≥ 20
y1 , y 2 , y3 ≥ 0.
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
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,
Minimiser w = bT y
T
A y ≥ c,
sous-contraintes :
y ≥ 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
∀x, y ∈ Rn (x 6= y), ∀t ∈]0, 1[, f ((1 − t)x + ty) < (1 − t)f (x) + tf (y).
= rky − xk2 .
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 :
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 .
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