Chap. 3 Exercices A Resoudre
Chap. 3 Exercices A Resoudre
Chap. 3 Exercices A Resoudre
xi ≥ 0, i = 1, 2, 3, 4, 5, 6.
2x1 + 6x2 + x3 + x4 = 3
6x1 + 4x2 + 3x3 + 6x4 = 2
x1 ≥ 0, x2 ≥ 0, x3≥ 0, x4 ≥0
3. [DANT 63]
Déterminer une condition suffisante pour qu'un problème de programmation linéaire possède une
solution optimale unique. Si la condition n'est pas vérifiée, indiquer comment construire les
autres solutions optimales s'il en existe.
4. [DANT 63]
Étant donné une solution de base réalisable pour un problème de programmation linéaire où les
variables de base sont xj , xj , ..., xj , démontrer que la variable hors-base xs peut remplacer la
1 2 m
variable de base xj pour former une nouvelle solution de base seulement si ars ≠ 0 dans la forme
r
canonique.
5. [LUEN 73]
7. [GASS 75]
Supposons que le problème de programmation linéaire sous forme standard possède une solution
optimale finie et dénotons la valeur optimale de l'objectif par z 0. On utilise l'algorithme du
simplexe pour résoudre ce problème. Supposons qu'à la k ième itération on retrouve une solution
de base réalisable dégénérée comportant exactement une variable de base nulle. Dénotons par z k
la valeur de l'objectif à la k ième itération et supposons que zk > z0. Démontrer que la base qu'on
retrouve à la kième itération ne peut se représenter au cours des itérations subséquentes.
8.
Chaque activité produit un et un seul item. Indexons par j k la kième activité pouvant produire
l'item j, et dénotons par la variable x j le nombre d'unités d'item j produit annuellement par
k
l'activité jk. Pour produire une unité d'item j, l'activité jk requiert l'utilisation de aij unités d'item
k
i et incombe un coût de cj . Supposons que n activités sont disponibles et que pour chaque
k
activité j, 1 ≤ j ≤ n, m
å aij < 1.
i=1
iii) Supposons que bi ≥ 0, i = 1, 2, ..., m. Démontrer qu'il existe une solution de base réalisable
du problème formulé en i).
2x1 + x2 - x3 ≤ 4, xi ≥ 0,
4x1 - 3x2 ≤ 2
- 3x1 + 2x2 + x3 ≤ 3
x1 - 7x2 + 3x3 = z(Max)
x1 + 2x2 - 3x3 = 1, xi ≥ 0, i = 1, 2, 3
2x1 - x2 - 5x3 ≤ 2
x1 + 3x2 - x3 ≥ 1
x1 + 2x2 + 3x3 = z(Min)
x1 ≥ 0, x2 ≤ 0,
4x1 + 2x2 + x3 ≤ 65
x1 + x2 - x3 ≥ 5
x1 + x2 = 10
6x1 - 3x2 + x3 = C(Min)
14. Résoudre le programme linéaire
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0,
x1 + 2x2 + 3x3 ≤ 14
2x1 - x2 + 3x3 ≤ 9
x1 + 3x2 - 2x3 ≤ 3
x1 + x2 + x3 ≤ 7
3x1 + 2x2 + x3 = P(Max)
3x - 4y -6z ≤ 2
2x +y +2z ≥ 11
x + 3y -2z ≤ 5.
x y z s t u v
= 3/5 1/5 0
-2/5 1/5 0
1/5 -3/5 1
3/5 1/5 0
-2/5 1/5 0
1/5 -3/5 1
En utilisant une extension de la méthode du simplexe pour des problèmes linéaires avec variables
bornées, résoudre les problèmes suivants:
i) Max Z = 2x +y
sujet à x -y ≤5
x ≤ 10
y ≤ 10
x, y ≥ 0.
ii) Max Z = x + 3y - 2z
sujet à y - 2z ≤1
2x +y + 2z ≤8
x ≤1
y ≤3
z ≤2
x, y, z ≥ 0.
iii) Max Z = 2x + 3y - 2z + 5u
sujet à 2x + 2y +z + 2u ≤5
x + 2y - 3z + 4u ≤5
x, y, z, u ≥ 0.
18. [GAUV 95, pp. 37, 39]
Remarquons qu'à une solution de base optimale x dégénérée peuvent correspondre plusieurs
bases {B} qui permettent d'écrire que: xB = B-1b ≥ 0 avec la possibilité pour l'une ou l'autre
t
d'entre elles que le vecteur des multiplicateurs du simplexe π B = B-1 cB ne soit pas une solution
réalisable pour le dual. Cette situation montre que la condition suffisante (un vecteur de coût
relatif non-négatif) n'est pas une condition nécessaire d'optimalité. Par contre, la méthode du
simplexe conduit nécessairement à une solution de base optimale avec une base pour laquelle le
vecteur des multiplicateurs du simplexe est réalisable, donc optimal pour le dual.
Min x + 2y + 3z
sujet à x +y +z =1
x -y -z =1
x, y, z ≥0
Ce programme possède une seule solution réalisable, soit x = 1, y = z = 0, qui constitue une
solution de base optimale dégénérée. Montrer que, pour l'une des bases correspondant à cette
solution, il est possible d'avoir un coût relatif négatif pour une variable hors base. Ensuite,
formuler le dual et vérifier que cela correspond à un vecteur des multiplicateurs qui n'est pas
réalisable pour le dual. Enfin, donner toutes les solutions optimales du dual.
Min ctx
sujet à A x = b, x ≥ 0
où A est une matrice m x n de rang m. De plus, on émet l'hypothèse qu'il existe une solution x
telle que: A x = b, x > 0.
b) Montrer que, selon cette hypothèse, une solution de base réalisable est optimale si et
seulement si les coûts relatifs sont tous positifs ou nuls.
20. [GAUV 95, p. 55]
x +y +z =1
x -y +z =2
x, y, z ≥0
x +y +z =1
2x + 2y + 2z =2
x, y, z ≥0
n
Max ∑ 10n-j xj
x ≥ 0 j=1
i-1
sujet à (2 ∑ 10i-j xj) + xi ≤ 100i-1, i = 1, ..., n
j=1
Résoudre ce problème pour n = 3 en utilisant, pour passer d'une base à l'autre, la variable
correspondant au plus grand coût relatif. Le résoudre à nouveau en éliminant la variable de plus
faible coût relatif. Que pouvez-vous conclure sur la complexité de l'algorithme du simplexe? Sur
sa nature exponentielle?
22.
Résoudre par l'algorithme du simplexe modifié pour les variables bornées supérieurement, le
problème suivant:
1
Voir V. Klee, G.J.Minty, "How good is the simplex algorithm?", in Inequalities-III (O. Shisha,
Ed.). New-York: Academic Press, 1972, pp.159-175.
Min W = - x1 - 7x2 - 3 x3 - 2 x4
23.
Soit à résoudre par la méthode des 2 phases les programmes linéaires suivants:
i) Min W = 4x1 + x2 + x3
24.
Min W = ctx
sujet à a1x1 + a2x2 + ...+ anxn ≤b
0≤xj ≤uj, 1≤ j ≤n.
Supposons de plus que les variables sont ordonnées de telle sorte que
b) Supposons que, dans une solution optimale, x s soit la variable de base. Démontrer que x j =
uj pour tout j < s et xj = 0 pour tout j > s.
25.
Mordus 3 4 2
Amateurs 4 3 3
Grand Public 2 2 2
Le manufacturier tient à fabriquer, du moins le premier mois, au moins 1000 unités de la version
Grand public. Combien doit-il fabriquer d'unités de chaque version au cours de ce premier mois
pour maximiser ses profits?
Max z = 2x1 + x2
sujet à 2 x1 + 4 x2 ≥ 48
2 x1 + x2 ≥ 15
4 x1 + 2 x2 ≤ 60
x1, x2 ≥ 0
(b) Trouver une expression algébrique qui permette de calculer toutes les solutions optimales
de ce modèle linéaire.
----------------------------------------------------------