Polytechnique Sousse 2023-2024

Département d’informatique CV 3 EA3 EM 3

Corrigé série 1
Exercice 1

Un artisan chocolatier décide de confectionner des oeufs en chocolat. En réserves,

il lui reste 18 kg de cacao, 8 kg de noisettes et 14 l de lait. Il a deux spécialités :
l’oeuf Extra et l’oeuf Sublime.
Un oeuf Extra nécessite 1 kg de cacao, 1 kg de noisettes et 2 l de lait.
Un oeuf Sublime nécessite 3 kg de cacao, 1 kg de noisettes et 1 l de lait.
Il fera un pro…t de 20 DT en vendant un oeuf Extra, et de 30 DT en vendant un
oeuf Sublime.
Combien d’oeufs Extra et Sublime doit-il fabriquer pour faire le plus grand béné-
…ce possible ?
Exercice 1(co)

Notons x1 le nombre d’oeufs Extra et x2 le nombre d’oeufs Sublime à produire.

Le chocolatier cherche à maximiser la fonction objectif :

max z = 20x1 + 30x2

Étant données les réserves du chocolatier, les contraintes suivantes devront être
satisfaites 8
< x1 + 3x2 18
x1 + x2 8
:
2x1 + x2 14
On a, de plus, les deux contraintes

x1 0; x2 0
.
Exercice 2

Une fabrique de feux d’arti…ce produit trois types de fusées, des rosaces, des
étoiles et des fontaines. Les prix de vente, les quantités requises de poudre et de
carton ainsi que le nombre d’heures de construction sont di¤érents pour chaque
type de fusées et sont résumés dans le tableau suivant :
fusées de type rosace fusées de type étoile fusées de type fontaine
Temps de construction [mn] 4 2 12
Quantité de poudre [g] 100 150 100
Quantité de carton [g] 20 10 40
Prix de vente [Dinar T unisien] 48 36 90
Pour la semaine à venir, la fabrique dispose de 3000 minutes pour la construction,
de 100 kg de poudre et de 12 kg de carton. Notons
x1 nombre de fusées de type rosace produites;
x2 nombre de fusées de type étoile produites;
x3 nombre de fusées de type fontaine produites.
1
2

(1) Formuler un problème linéaire (P ) aidant la fabrique à déterminer une

production maximisant son chi¤re d’a¤aires.
(2) Donner le problème linéaire dual (P )du problème précédent.
(3) Résoudre le problème primal (P ).
(4) Si la fabrique pouvait augmenter la quantité de ressources en poudre ou en
carton, dans laquelle de ces deux ressources serait-il conseillé d’investir en
premier ?
Exercice 2(co)

(1) Le plan de production maximisant le chi¤re d’a¤aires est solution du prob-

lème linéaire :
8
>
> max ' (x1 ; x2 ; x3 ) = 48x1 + 36x2 + 90x3
> (x1 ;x2 ;x3 )2R3
>
>
< 4x1 + 2x2 + 12x3 3000
(P ) 100x 1 + 150x2 + 100x3 105
>
>
>
> 20x 1 + 10x2 + 40x3 12000
>
:
x1 ; x2 ; x3 0
(2) Le dual de (P ) est
8
>
> min (y1 ; y2 ; y3 ) = 3000y1 + 105 y2 + 12000y3
>
> (y1 ;y2 ;y3 )2R3
>
< 4y1 + 100y2 + 20y3 48
(P ) 2y 1 + 150y2 + 10y3 36
>
>
>
> 12y1 + 100y2 + 40y3 90
>
:
x1 ; x2 ; x3 0
(3) Après le passage à la forme standard on obtient le tableau du simplexe
suivant
x1 x2 x3 x4 x5 x6 b VB
L1 4 2 12 1 0 0 3000 x4
L2 100 150 100 0 1 0 105 x5
L3 20 10 40 0 0 1 12000 x6
z 48 36 90 0 0 0 Lz
Après résolution du problème primal avec l’algorithme du simplexe, on
obtient le tableau optimal suivant :
x1 x2 x3 x4 x5 x6 b VB
1 1
L1 0 0 1 4 0 20 150 x3
1 1 1
L2 0 1 0 4 100 10 550 x2
5 1 1
L3 1 0 0 8 200 5 25 x1
3 3 3
z 0 0 0 2 25 2 34500 Lz
Ainsi, le plan consiste donc à produire
x1 = 25 fusées de type rosace,
x2 = 550 fusées de type étoile,
x3 = 150 fusées de type fontaine.
pour un chi¤re d’a¤aires de ' = 25 48 + 550 36 + 90 150 = 34 500:
 3

3
(4) Le coût marginal associé à la poudre est de 25 et celui associé au carton
3
est de 2 : Il est donc souhaitable d’investir en premier dans la quantité de
carton disponible, car pour une augmentation égale, l’impact sur le chi¤re
d’a¤aires sera plus important.
Exercice 3

Résoudre avec la méthode du simplexe primal le problème suivant :

8
>
> max ' (x1 ; x2 ) = 1000x1 + 1500x2
>
>
>
> 8x1 + 4x2 160
<
4x1 + 6x2 120
>
> x1 34
>
>
>
> x2 14
:
x1 ; x2 ; x3 0

Exercice 3(co)
Le problème est initialement mis sous forme canonique. On commence par le mettre
sous forme standard en introduisant des variables d’écart x3 ; x4 ; x5 ; x6 .
8
>
> max ' (x1 ; x2 ) = 1000x1 + 1500x2
>
>
< 8x1 + 4x2 + x3 = 160
4x1 + 6x2 + + x4 = 120
>
>
>
> x2 + + x6 = 14
:
x1 x2 x3 x4 x5 x6 0

Tous les seconds membres sont positifs, donc

x1 = x2 = 0; x3 = 160; x4 = 120; x5 = 34; x6 = 14

est une solution de base admissible.

Les variables de base sont x3 ; x4 ; x5 ; x6 .
Les variables hors base sont x1 ; x2 .
Le tableau du simplexe est alors le suivant :

x1 x2 x3 x4 x5 x6 b
x3 8 4 1 0 0 0 160 L1
x4 4 6 0 1 0 0 120 L2
x5 1 0 0 0 1 0 34 L3
x6 0 [1] 0 0 0 1 14 L4
z 1000 1500 0 0 0 0 Lz

En utilisant la règle du cours pour le choix de la variable entrante, la variable

entrante est la variable xk telle que ck ; max cj , ici k = 2 avec ck = 1500. La
j2f1;2g
variable entrante est donc x2 , par convention on souligne c2 .
La variable sortante est la variable l telle que

bl bi
= min =aik > 0
alk i2f3;4;5;6g aik
4

ici, il s’agit de la variable x6 . Reste maintenant à e¤ectuer le changement de base

par pivotage, les opérations sont les suivantes :
ck bl c2 14
) Lz Lz Ll = Lz L4
alk 1
1
)Ll Ll
alk
alj
)Lj Lj Lz ; j 6= l
alk
Le nouveau tableau du simplexe est alors :
x1 x2 x3 x4 x5 x6 b
x3 8 0 1 0 0 4 104 L1
x4 [4] 6 0 1 0 6 36 L2
x5 1 0 0 0 1 0 34 L3
x2 0 1 0 0 0 1 14 L4
z 21000 1000 0 0 0 0 1500 Lz
On est passé d’un tableau à l’autre par pivotage. La solution de base admissible
actuelle est donc
x1 = x6 = 0; x3 = 104; x4 = 36; x5 = 34; x2 = 12;
la valeur de la fonction économique est alors z = 21000:
Tous les cj ne sont pas négatifs ou nuls, on peut donc améliorer la valeur de
la fonction économique. En suivant les mêmes règles de changement de base que
précédemment on a, x4 qui sort de la base et x1 qui y entre. Après pivotage on
obtient le tableau suivant :
x1 x2 x3 x4 x5 x6 b
x3 0 0 1 2 0 8 32 L1
2 1 3
x1 1 3 0 4 0 2 9 L2
1 3
x5 0 0 0 4 1 2 25 L3
x2 0 1 0 0 0 1 14 L4
z 30000 0 0 0 250 0 0 Lz
La solution de base admissible actuelle est
x6 = x4 = 0; x3 = 32; x1 = 9; x5 = 25; x2 = 14;
la valeur de la fonction économique est alors z = 30000. Ici tous les cj sont négatifs
ou nuls, le critère d’optimalité est alors véri…é, la solution obtenue est donc une
solution optimale, cependant, on voit que c6 = 0 alors que la variable x6 est hors
base.
On peut alors faire entrer x6 dans la base puisque c6 0, ceci sans modi…er la
valeur de la fonction économique puisque le c6 = 0, on va ainsi pouvoir calculer
l’ensemble des solutions de base optimales. On fait entrer x6 dans la base, la
variable sortante est x3 . La solution obtenue est alors
x3 = x4 = 0; x6 = 4; x1 = 15; x5 = 19; x2 = 10;
la valeur de la fonction économique reste z = 3000:
On a ainsi determiné l’ensemble des solutions de base optimales. On sait que
l’ensemble des solutions optimale peut être obtenu par combinaison convexe de
l’ensemble des solutions de base optimales. Ainsi si on s’intéresse plus qu’au couple
 5

(x1 ; x2 ) et qu’on note A = (9; 14) et B = (15; 10), l’ensemble des solution optimales
est le segment [A; B].

Exercice 4
Un investisseur souhaite placer une somme de 50000DT en actions. Trois caté-
gories d’actions sont envisageables :
Des valeurs sûres (1) donnent un rendement de 5%;
des valeurs de croissance (2) ayant un rendement de 8%;
des valeurs spéculatives à haut risque (3) atteignat 16%;
Déterminer le placement maximisant le rapport annuel, sachant que notre in-
vestisseur souhaite prudemment limiter à 25000DT au plus le placement 3; et à
30000DT au plus la somme des placements 2 et 3 (croissance et haut risque):
Exercice 4(co)
Prenons pour variables les placements à réaliser
x1 : Des valeurs sûres (1) donnent un rendement de 5%;
x2 : des valeurs de croissance (2) ayant un rendement de 8%;
x3 : des valeurs spéculatives à haut risque (3) atteignat 16%;
exprimés en KDT pour éviter d’encombrer les tableaux de calcul. La fonction
économique sera
Z = 5x1 + 8x2 + 16x3
Le problème s’écrit alors :
8
>
> max Z (x1 ; x2 ; x3 ) = 5x1 + 8x2 + 16x3
>
>
< x1 + x2 + x3 50
x2 + x3 30
>
>
>
> x3 25
:
x1 ; x2 ; x3 0 0
et par suite le tableau du simplexe donne :
x1 x2 x3 x4 x5 x6 b
1 1 1 1 0 0 50 x4
0 1 1 0 1 0 30 x5
0 0 1 0 0 1 25 x6
5 8 16 0 0 0 Z
max(5; 8; 16) = 16 =) x3 est la variable entrante.
Dautre part min 25 25 25
1 ; 1 ; 1 = 25
1 =) x6 est la variable sortante. Le pivot est
normalisé. Faisons
l2 l2 l3 ; l 1 l1 l3 ; l 4 l4 16l1
Le tableau de vient
x1 x2 x3 x4 x5 x6 b
1 1 0 1 0 1 25 x4
0 1 0 0 1 1 5 x5
0 0 1 0 0 1 25 x6
5 8 0 0 0 16 400 Z
max(5; 8; 16) = 8 =) x2 est la variable entrante.
6

5 25 5
Dautre part min 1; 1 = 1 =) x5 est la variable sortante. Le pivot est nor-
malisé. Faisons
l1 l1 l2 ; l 4 l4 8l2
Le tableau de vient
x1 x2 x3 x4 x5 x6 b
1 0 0 1 1 1 20 x4
0 1 0 0 1 1 5 x5
0 0 1 0 0 1 25 x6
5 0 0 0 8 8 440 Z
Il ne reste que 5 comme variable positive=) x1 est la variable entrante et x4 est la
variable sortante. Le pivot est normalisé. Faisons
l4 l4 5l1
Le tableau de vient
x1 x2 x3 x4 x5 x6 b
1 0 0 1 1 1 20 x4
0 1 0 0 1 1 5 x5
0 0 1 0 0 1 25 x6
0 0 0 5 3 3 540 Z
Exercice 5
Une entreprise a la faculté de fabriquer, sur une machine donnée, travaillant 45
heures par semaine, trois produits di¤érents P1 ; P2 et P3 :
L’article P1 laisse un revenu de 4DT
L’article P1 laisse un revenu de 12DT
L’article P1 laisse un revenu de 3DT:
Les rendements horaires de la machine sont respectivement pour chacun des trois
produits et dans l’ordre : 50, 25 et 75.
En…n, les ventes possibles sont limitées comme suit : 1000 objets P1 ; 500 objets
P2 ; 1500 objets P3
Déterminer un plan de production maximisant le revenu de l’entreprise.
Exercice 5(co)

Prenons pour variables les placments à réaliser

x1 : Des valeurs sûres (1) donnent un rendement de 4%;
x2 : des valeurs de croissance (2) ayant un rendement de 12%;
x3 : des valeurs spéculatives à haut risque (3) atteignat 3%;
exprimés en KDT pour éviter d’encombrer les tableaux de calcul. La fonction
économique sera X
Z = 4x1 + 12x2 + 3x3 = ck xk
Les rendements horaires de la machine sont respectivement pour chacun des trois
produits et dans l’ordre : 50, 25 et 75 donc on a une contrainte de temps disponible
et qui se truduit par
1 1 1
50 x1 + 25 x2 + 75 x3 45
ou encore
1 1 1
50 x1 + 25 x2 + 75 x3 45
 7

Aussi on a les contraintes de production maximale

x1 1000
x2 500
x3 1500
.
Ainsi, on obtient le problème d’optimisation linéaire suivant :
8
>
> max Z (x1 ; x2 ; x3 ) = 4x1 + 12x2 + 3x3
>
>
< x1 1000
x2 500
>
>
>
> x3 1500
:
3x1 + 6x2 + 2x3 6750
En introduisant les variables d’écart x4 ; x5 ; x6 et x7 on obtient
8
>
> max Z (x1 ; x2 ; x3 ) = 4x1 + 12x2 + 3x3
>
>
< x1 +x4 = 1000
x2 +x5 = 500
>
>
>
> x 3 +x 6 = 1500
:
3x1 + 6x2 + 2x3 +x7 = 6750
et par suite le tableau du simplexe donne :
x1 x2 x3 x4 x5 x6 x7 b VB
1 0 0 1 0 0 0 1000 x4
0 1 0 0 1 0 0 500 x5
0 0 1 0 0 1 0 1500 x6
3 6 2 0 0 0 1 6750 x7
4 = c1 12 = c2 3 = c3 0 0 0 0 Z
En utilisant la règle du cours pour le choix de la variable entrante, la variable
entrante est la variable xk telle que ck ; max cj , ici k = 2 avec ck = 12. La
j2f1;2;3g
variable entrante est donc x2 , par convention on souligne c2 .
La variable sortante est la variable l telle que
bl bi
= min =aik > 0
alk i2f3;4;5;6g aik
Ici, il s’agit de la variable x5 . On obtient alors le pivot
x1 x2 x3 x4 x5 x6 x7 b VB
1 0 0 1 0 0 0 1000 x4
0 1 0 0 1 0 0 500 x5
0 0 1 0 0 1 0 1500 x6
3 6 2 0 0 0 1 6750 x7
4 = c1 12 = c2 3 = c3 0 0 0 0 Z
Reste maintenant à e¤ectuer le changement de base par pivotage, les opérations
sont les suivantes :
) L5 L5 6L3
)L6 L6 12L3
8

x1 x2 x3 x4 x5 x6 x7 b VB
1 0 0 1 0 0 0 1000 x4
0 1 0 0 1 0 0 500 x2
0 0 1 0 0 1 0 1500 x6
3 0 2 0 6 0 1 3750 x7
4 = c1 0 3 = c3 0 12 0 0 Z 6000
max(4; 3) = 4 =) x1 est la variable entrante.
Dautre part min 1000 3750
1 ; 3 = 1000 =) x4 est la variable sortante. Le pivot est
normalisé. Faisons

L5 L5 3L2 ; L6 L6 4L2

Le tableau devient
x1 x2 x3 x4 x5 x6 x7 b VB
1 0 0 1 0 0 0 1000 x1
0 1 0 0 1 0 0 500 x2
0 0 1 0 0 1 0 1500 x6
0 0 2 3 6 0 1 750 x3
0 0 3 4 12 0 0 Z 10000

x3 est la variable entrante.

Dautre part min 1500 750
1 ; 2 = 750
2 =) x7 est la variable sortante. Normalisons
le pivot
1
L5 L5
2
Le tableau de vient
x1 x2 x3 x4 x5 x6 x7 b VB
1 0 0 1 0 0 0 1000 x1
0 1 0 0 1 0 0 500 x2
0 0 1 0 0 1 0 1500 x6
3 1
0 0 1 2 3 0 2 375 x3
0 0 3 4 12 0 0 Z 10000

Il ne reste que 3 comme variable positive=) x1 est la variable entrante et x4 est la

variable sortante. Le pivot est normalisé. Faisons

l4 l4 5l1

Maintenant, faisons
L4 L4 L5 ; L6 L6 3L5
Le tableau devient
x1 x2 x3 x4 x5 x6 x7 b VB
1 0 0 1 0 0 0 1000 x1
0 1 0 0 1 0 0 500 x2
3 1
0 0 0 2 3 1 2 1125 x6
3 1
0 0 1 2 3 0 2 375 x3
1 3
0 0 0 2 3 0 2 Z 11125
 9

On normalise le pivot
x1 x2 x3 x4 x5 x6 x7 b VB
1 0 0 1 0 0 0 1000 x1
0 1 0 0 1 0 0 500 x2
2 1
0 0 0 1 2 3 3 750 x4
3 1
0 0 1 2 3 0 2 375 x3
1 3
0 0 0 2 3 0 2 Z 11125
Finalement,
x1 x2 x3 x4 x5 x6 x7 b VB
2 1
1 0 0 0 2 3 3 250 x1
0 1 0 0 1 0 0 500 x2
2 1
0 0 0 1 2 3 3 750 x4
0 0 1 0 0 1 0 1500 x3
1 4
0 0 0 0 4 3 3 Z 11500
Ainsi, un plan de production maximisant le revenu de l’entreprise est
Z 11500
ce qui correspond à
x1 = 250; x2 = 500 et x3 = 1500
.
N.B : Si vous relever une erreur ou une coquille, n’hésitez pas à
m’écrire.