EPFL MATHÉMATIQUES DISCRÈTES

Institut de Mathématiques IN
J.-F. Hêche HIVER 2005/2006

CORRIGÉ DE LA SÉRIE D’EXERCICES 2

Problème 1

a) Le domaine des solutions admissibles est :

5
x − y = −2
4

2 optimum
D
1

0
0 1 2 3 4 5
x+y =5
z=6 2x + y = 8
b) On détermine la solution optimale graphiquement en représentant les lignes de niveau de la
fonction objectif. La solution optimale est x = 3 et y = 2 et sa valeur est égale à 13.

Problème 2

a) Min w = 4y1
s.c. 5y1 = 0
−2y1 = 2
y1 ∈ R
b) Max w = 4y1 + 15y2 + 7y3
s.c. −3y1 + y2 + 2y3 ≤ 1
y1 , y2 , y3 ≤ 0
c) Max w = 2y1 + 5y2 + 3y3
s.c. −y1 + y2 + 2y3 = 5
y1 + 4y2 − 3y3 = −6
y1 ∈ R
y2 ≤ 0
y3 ≥ 0
Pm
d) Min w = β y
Pmj=1 j j
s.c. j=1 ji yj ≥ αi
a i = 1, . . . ,n
yj ∈ R j = 1, . . . ,m

1
Problème 3

a) La représentation graphique du problème est la suivante :

z=5

1/2x1 − x2 = −1/2

z∗ = 1
1
1 −x1 − x2 = −2

La solution optimale du problème primal est (x∗1 , x∗2 )=(1,1), correspondant à une valeur
optimale de z ∗ = −1.
b) Le problème dual associé se formule comme suit :
1
Minimiser w = −2y1 − 2 y2
1
s.c. −y1 + 2 y2 ≥ 0
−y1 − y2 ≥ −1
y1 , y2 ≥ 0
Par le théorème des écarts complémentaires, on obtient :
1 ∗
y1∗ − 2 y2 = 0
y1∗ + y2∗ = 1

Il en découle que (y1∗ , y2∗ )=( 13 , 23 ) et par conséquent que w∗ = −1. Remarquons que l’on
pouvait directement déterminer la valeur optimale du dual en faisant appel au théorème de
dualité forte !

2
Problème 4

a) La représentation graphique du problème est la suivante :

z=0

3x1 + 5x2 = 15

z ∗ = −2

1 2x1 + 4x2 = 4

La solution optimale du problème primal est (x∗1 , x∗2 )=(2,0), correspondant à une valeur
optimale de z ∗ = 2.
b) Le problème dual associé se formule :

Minimiser w = 4y1 + 15y2

s.c. 2y1 + 3y2 ≥ 1
4y1 + 5y2 ≥ −1
y1 , y2 ≥ 0
Par le théorème des écarts complémentaires, on obtient :
−2y1∗ − 3y2∗ = −1
y2∗ = 0

Il en découle que (y1∗ , y2∗ )=( 12 ,0) et par conséquent que w∗ = 2. Remarquons que l’on pouvait
directement obtenir la valeur optimale du dual en faisant appel au théorème de dualité forte !

Problème 5
Un algorithme satisfaisant les contraintes imposées peut être dérivé de l’équivalence suivante :
K 6= ∅ est un polytope ⇔ les n + 1 programmes linéaires :
max ξ = ni=1 xi
P
min ωi = xi
et
s.c. x ∈ K s.c. x ∈ K
possèdent un optimum fini.
La nécessité de l’affirmation précédente est immédiate, car toute fonction à valeur réelle possède
un max et un min sur un ensemble compact non vide. La suffisance est prouvée en fin d’algo-
rithme.

3
Algorithme :

1. Résoudre :
max ξ = ni=1 xi
P
s.c. x ∈ K
Si K = ∅ : Stop, K est compact.
S’il n’existe pas d’optimum fini : Stop, K est non borné.
2. Pour i de 1 à n
Résoudre :
min ωi = xi
s.c. x ∈ K
Si le problème n’admet pas d’optimum fini : Stop, K est non borné.
3. K est compact car il est inclus dans la boule fermée B(ω,ξ − ni=1 ωi ) où ω = [ω1 , . . . ,ωn ].
P

Problème 6
Soit x∗ ∈ K tel que
f (x∗ ) = max f (x).
x∈K
1. Si x∗ est un point extrême de K, il n’y a rien à démontrer.
2. Si x∗ n’est pas un point extrême, il peut s’écrire comme combinaison convexe des points
extrêmes de K (car tout polytope est égal à l’enveloppe convexe de ses points extrêmes).
Ainsi
X k
x∗ = λi xi
i=1
Pk
où xi est un point extrême de K pour tout i, λi > 0 pour tout i et i=1 λi = 1.
On a alors :
k k
!
X X
∗
f (x ) = f λi xi ≤ λi f (xi )
i=1 i=1

car f est convexe. De plus, x∗ étant un maximum de f sur K, on a

k
X k
X
λi f (xi ) ≤ λi f (x∗ ) = f (x∗ ).
i=1 i=1

Ainsi les inégalités sont des égalités. On doit donc avoir f (x∗ ) = f (xi ) pour tout i et f
atteint son maximum en au moins un point extrême de K.

29 novembre 2005 – JFH