Université Cadi Ayyad Filière : SMA S5

Faculté des Sciences Sémlalia Module : M4-Programmation Mathématique

Département de mathématiques Session I 2020-21
Le Lundi 08 Mars 2021 Durée 1 heure 30 mn
Tou 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 sur 20

Numéro de table : ——————————————–

Exercice 1 :(5 points) Dans cet exercice, C désigne un convexe fermé non vide de Rn .
La norme euclidienne de x est notée kxk.
1. Montrer que pour tout z ∈ Rn , il existe un unique z ∗ ∈ C tel que kz − z ∗ k = min kz − xk.
x∈C
On notera cet élément z ∗ = ΠC (z).
2. Montrer que pour tout z ∈ Rn , on a la propriété suivante

∀x ∈ C, (z − ΠC (z))T (x − ΠC (z)) ≤ 0.

3. Montrer que pour tout z1 , z2 ∈ Rn ,

kΠC (z1 ) − ΠC (z2 )k ≤ kz1 − z2 k.

Solution : 1. (2 pst) Soit z ∈ Rn fixé, et considérons une suite minimisante

(xk )k dans C telle que
r0 := inf kz − xk = lim kz − xk k.
x∈C k→+∞

Alors (xk )k est bornée. En effet, puisque lim kz − xk k = r0 , alors il existe

k→+∞
N > 0 tel que ∀k ≥ N , kz − xk k < 1. Par suite ∀k ≥ N , kxk k ≤ kzk + 1.
Ainsi, (xk )k est bornée dans Rn , donc admet une sous-suite (xkp )p qui converge
vers un z ∗ qui est dans C, car (xk )k ⊂ C et C est fermé. D’où
kz − z ∗ k = lim kz − xkp k = lim kz − xk k = min kz − xk.
p→+∞ k→+∞ x∈C

Pour l’unicité, on suppose qu’il existe z1∗ 6= z2∗ ∈ C qui réalisent ce minimum,
alors z̄ = 21 z1∗ + 12 z2∗ ∈ C car C est supposé convexe et
r02 = kz2∗ − zk2 ≤ kz̄ − zk2 = k 21 (z1∗ − z) + 21 (z ∗
2 − z)k
2

= 12 kz1∗ − zk2 + kz2∗ − zk2
− 21 kz1∗ − z2∗ k2

< 12 kz1∗ − zk2 + kz2∗ − zk2 = r02

ce qui est absurde. Donc z ∗ ∈ C est l’unique point de C tel que kz − z ∗ k =
min kz − xk.
x∈C

1
2. (1,5pt) On fixe z ∈ Rn , et on prend x ∈ C. On a z ∗ = ΠC (z) et C convexe,
donc pour tout t ∈]0, 1[, tx + (1 − t)z ∗ ∈ C, et par suite

kz − z ∗ k2 ≤ kz − (tx + (1 − t)z ∗ )k2 = kt(z − x) + (1 − t)(z − z ∗ )k2

= t2 kz − xk2 + (1 − t)2 kz − z ∗ k2 + 2t(1 − t)(z − x)T (z − z ∗ )
t2 kz − xk2 + (1 − t)2 kz − z ∗ k2 + 2t(1 − t) kz − z ∗ k2 + (z ∗ − x)T (z − z ∗ )
 
=
= t2 kz − xk2 + (1 − t2 )kz − z ∗ k2 + 2t(1 − t)(z ∗ − x)T (z − z ∗ ).
Donc
(z − z ∗ )T (x − z ∗ ) ≤ 1
t2 kz − xk2 + (1 − t2 )kz − z ∗ k2


2t(1−t)
t
kz − xk2 − kz − z ∗ k2 .


= 2(1−t)

Ainsi, lorsque t → 0, on aura (z − z ∗ )T (x − z ∗ ) ≤ 0.

3. (1,5pt) Soient z1 , z2 ∈ Rn et notons z1∗ = ΠC (z1 ) et z2∗ = ΠC (z2 ). D’après la

question 2, on a

(z1 − z1∗ )T (x − z1∗ ) ≤ 0 et (z2 − z2∗ )T (x − z2∗ ) ≤ 0.

En prenant x = z2∗ dans la première inégalité et x = z1∗ dans la seconde et en

sommant les deux inégalités, on obtient

0 ≥ (z1 − z1∗ )T (z2∗ − z1∗ ) + (z2 − z2∗ )T (z1∗ − z2∗ ) = (z1 − z2 )T (z2∗ − z1∗ ) + kz2∗ − z1∗ k2 .

D’où
kz2∗ − z1∗ k2 ≤ (z2 − z1 )T (z2∗ − z1∗ ) ≤ kz2 − z1 kkz2∗ − z1∗ k
ce qui donne kΠC (z1 ) − ΠC (z1 )k ≤ kz2 − z1 k.

Exercice 2 : (9 points) × 1,5 ≡ 13,5

On considère le problème de programmation linéaire suivant :

Maximiser 5x
 1 + 6x2 + 3x3
 4x1 + 3x2 + x3 ≤ 2
(P)
Sous-cont x1 + 2x2 + 2x3 ≤ 3
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0.


1. Écrire le programme duale (P)∗ associé au problème (P).

2. En utilisant la méthode des tableaux résoudre le programme (P).
3. Déduire du tableau final la solution de base optimale de (P ∗ ).
4. En utilisant le Théorème de dualité forte vérifier la validité des solutions optimales de
(P) et (P)∗ .
5. Citer le Théorème de complémentarité, et l’utiliser pour retrouver la solution de base
optimale de (P ∗ ) à partir de celle de (P).

2
Solution : 1. (1 pt) Puisque le programme linéaire (P) est déjà sous forme
canonique, alors son problème dual est
Minimiser 2y
 1 + 3y2
 4y1 + y2 ≥ 5
∗

(P ) 3y1 + 2y2 ≥ 6

Sous-cont
y + 2y2 ≥ 3
 1


y1 ≥ 0, y2 ≥ 0.

2. (3,5 pts) En ajoutant des variables d’écart x4 , x5 , le problème (P) sous

forme standard est :
Maximiser 5x
 1 + 6x2 + 3x3
 4x1 + 3x2 + x3 + x4 = 2
(P)
Sous-cont x1 + 2x2 + 2x3 + x5 = 3
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0, x5 ≥ 0.


Pour résoudre le problème (P), on utilisera une seule phase :

c 5 6 3 0 0
x1 x2 x3 x4 x5 x0
x4 4 3 1 1 0 2 `01
x5 1 2 2 0 1 3 `02
∆0 5 6 3 0 0 −z0 = 0 `03
Tableau 1
c 5 6 3 0 0
x1 x2 x3 x4 x5 x1
x2 4/3 1 1/3 1/3 0 2/3 `11 = `01 /3
x5 -5/3 0 4/3 -2/3 1 5/3 `12 = `02 − 2`11
∆1 -3 0 1 -2 0 −z1 = −4 `13 = `03 − 6`11
Tableau 2
c 5 6 3 0 0
x1 x2 x3 x4 x5 x2
x2 7/4 1 0 1/2 -1/4 1/4 `21 = `11 − 3`22
x3 -5/4 0 1 -1/2 3/4 5/4 `22 = 34 `12
∆2 -7/4 0 0 -3/2 -3/4 −z2 = −21/4 `23 = `13 − `22
Tableau 3
Dans le tableau 3, toutes les composantes de ∆2 sont négatives, alors la solution

T
de base optimale est x̄ = x2 = 0, 41 , 45 , et la valeur optimale est z̄ = z2 = 21
4.

3
3. (1 pt) Puisque le programme linéaire (P) est sous forme canonique, alors du
tableau final de cette phase primale, on déduit que la solution de base optimale
du programme linéaire dual (P ∗ ) se déduit des composantes de ∆2 en prenant :
3 3
ȳ1 = ∆42 = et ȳ2 = ∆52 = .
2 4
La valeur optimale de (P ∗ ) est w̄ = 2ȳ1 + 3ȳ2 = 21
4.

4. (1,5 pt) Du Théorème de dualité forte, si le problème primal (P) admet

une solution optimale alors il en est de même pour le problème dual (P ∗ ) et les
valeurs optimales sont identiques : z̄ = w̄. Or, on a z̄ = 21 21
4 et w̄ = 4 , donc les
solutions optimales z̄ et w̄ sont admissibles.

5. (2 pt) Le théoreme de complémentarité nous dit que si x̄ et ȳ sont

respectivement admissibles pour les problèmes (P) et (P)∗ , alors x̄ et ȳ sont
optimaux si, et seulement si, (AT ȳ − c)T x̄ = 0 et ȳ T (b − Ax̄) = 0, c’est à dire :
 n
!
 X
 bj − aji x̄i ȳj = 0, j = 1, · · · , m ,



i=1
Xm
! .




 aij ȳj − ci x̄i = 0, i = 1, · · · , n.
j=1

T
Puisque la solution de base optimale de (P) est x̄ = 0, 41 , 54 , alors

 x̄1 (4ȳ1 + ȳ2 − 5) = 0
x̄ (3ȳ1 + 2ȳ2 − 6) = 0
 2
x̄3 (ȳ1 + 2ȳ2 − 3) = 0
nous donne le système du premier ordre

3ȳ1 + 2ȳ2 = 6
ȳ1 + 2ȳ2 = 3
3
qui a pour solution ȳ1 = 2 et ȳ2 = 34 .

4
SMA S3 AModule : M4-Program Math Session 1 - 2020/21 Le 8 Mars 2021

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

Numéro d’Apogée : ————————————— Numéro de table : ————————-

Exercice 3 : (6 points)
Soient f (x, y) = 12 (x2 + y 2 ) et
1
C = {(x, y) ∈ R2 : g(x, y) = (x + y)2 + (x − y)2 − 4 = 0}.
2
On considère le problème

Minimiser f (x, y)
Sous-contrainte : (x, y) ∈ C

1. Montrer que f est convexe sur R2 .

2. L’esnsemble C est-il convexe ? (Justifier)
3. En utilisant les conditions d’optimalité, déterminer tous les candidats aux minimum
locaux de f sur C.
4. En déduire les minimaux globaux de f sur C.

Solution : 1 (1,5 pt). Pour justifier la convexité de f , on peut utiliser directe-

ment la définition, mais cela est plus coûteux en calcul. Puisque f est de classe
C 2 sur R2 , on utilisera la méthode du hessien :
On a le gradient de f et donc son hessien sont respectivement :
   
x 2 1 0
∇f (x, y) = et ∇ f (x, y) = .
y 0 1

Toutes les valeurs propres de ∇2 f (x, y) valent +1 > 0, donc ∇2 f (x, y) est définie
positive pour tout (x, y) ∈ R2 . On déduit que f est convexe.
√ √ √ √
2. (1 pt) L’ensemble C n’est pas convexe, car ( 2, 2) et −( 2, 2) sont
dans C, alors que
1 √ √ 1 √ √
( 2, 2) + (− 2, − 2) = (0, 0) ∈/ C.
2 2

3. (2,5 pts) On a à minimiser f sur C qui est un ensemble à une seule contrainte
égalité. Donc d’après le théorème des conditions nécessaires du 1er ordre, si f et
g sont de classe C 1 sur R2 , si (x, y) ∈ C un extremum local de f sur l’ensemble
C, et ∇g(x, y) 6= 0, alrs il existence un unique λ ∈ R (multiplicateurs de
Lagrange) tel que
∇f (x, y) = λ∇g(x, y).

5
En appliquant cette condition et la contrainte, on aura le système suivant :

  x = λ(3x − y) (1)
∇f (x, y) = λ∇g(x, y)
⇔ y = λ(−x + 3y) (2)
g(x, y) = 0  1 2 2
2 (x + y) + (x − y) = 4 (3)

En faisant une différence entre (1) et (2), on aboutit au système équivalent


 (4λ − 1)(x − y) = 0 (1b)
y = λ(−x + 3y) (2)
 1 2 2
2 (x + y) + (x − y) = 4 (3)

? Si λ = 14 , alors (2) donne y = −x, et donc d’après (3)

4 = (2x)2 = 4x2 =⇒ x = ±1.

Ainsi, (x, y, λ) = (1, −1, 14 ) ou (x, y, λ) = (−1, 1, 14 ).

? Si λ 6= 14 , alors (1b) donne y = x, et donc d’après (3) et (2)

1 √ 1
4 = (2x)2 = 2x2 =⇒ x = ± 2 et λ = .
2 2
√ √ 1 √ √ 1
Ainsi, (x, y, λ) = (− 2, − 2, 2 ) ou (x, y, λ) = ( 2, 2, 2 ).
On déduit que tous les candidats aux minimum locaux de f sur C sont
√ √
±(1, −1) et ± ( 2, 2).

4. (1 pt) Pour conclure les minimaux√globals√ de f , il suffit de calculer les va-

leurs de f aux points ±(1, −1) et √ ±√( 2,
2).
On a f (±(1, −1)) = 1 et f ±( 2, 2) = 2, donc les deux points (−1, 1) et
(1, −1) réalisent la valeur minimale globale de f sur C.

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