𝑷𝑨𝑹𝑻𝑰𝑬 𝑰

𝑷𝑹𝑶𝑮𝑹𝑨𝑴𝑴𝑨𝑻𝑰𝑶𝑵 𝑳𝑰𝑵𝑬𝑨𝑰𝑹𝑬

𝑰𝑵𝑻𝑹𝑶𝑫𝑼𝑪𝑻𝑰𝑶𝑵

𝐿𝑎 𝑟𝑒𝑐ℎ𝑒𝑟𝑐ℎ𝑒 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛𝑛𝑒𝑙𝑙𝑒 𝑝𝑒𝑢𝑡 − ê𝑡𝑟𝑒 𝑑é𝑓𝑖𝑛𝑖𝑒 𝑐𝑜𝑚𝑚𝑒 𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒𝑠 𝑚é𝑡ℎ𝑜𝑑𝑒𝑠 𝑒𝑡 𝑡𝑒𝑐ℎ𝑛𝑖𝑞𝑢𝑒𝑠

𝑟𝑎𝑡𝑖𝑜𝑛𝑛𝑒𝑙𝑙𝑒𝑠 𝑜𝑟𝑖𝑒𝑛𝑡é𝑠 𝑣𝑒𝑟𝑠 𝑙𝑎 𝑟𝑒𝑐ℎ𝑒𝑟𝑐ℎ𝑒 𝑑𝑒 𝑙𝑎 𝑚𝑒𝑖𝑙𝑙𝑒𝑢𝑟𝑒 𝑓𝑎ç𝑜𝑛 𝑑 ′ 𝑜𝑝é𝑟𝑒𝑟 𝑑𝑒𝑠 𝑐ℎ𝑜𝑖𝑥 𝑒𝑛 𝑣𝑢𝑒 𝑑 ′ 𝑎𝑏𝑜𝑢𝑡𝑖𝑟 𝑎𝑢

𝑟é𝑠𝑢𝑙𝑡𝑎𝑡 𝑣𝑖𝑠é 𝑜𝑢 𝑎𝑢 𝑚𝑒𝑖𝑙𝑙𝑒𝑢𝑟 𝑟é𝑠𝑢𝑙𝑡𝑎𝑡 𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒.

𝐸𝑙𝑙𝑒 𝑓𝑎𝑖𝑡 𝑝𝑎𝑟𝑡𝑖𝑟 𝑑𝑒𝑠 𝑜𝑢𝑡𝑖𝑙𝑠 𝑑′ 𝑎𝑖𝑑𝑒 à 𝑙𝑎 𝑑é𝑐𝑖𝑠𝑖𝑜𝑛 , 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑚𝑒𝑠𝑢𝑟𝑒 𝑜ù 𝑒𝑙𝑙𝑒 𝑝𝑟𝑜𝑝𝑜𝑠𝑒 𝑑𝑒𝑠 𝑚𝑜𝑑è𝑙𝑒𝑠 𝑐𝑜𝑛𝑐𝑒𝑝𝑡𝑢𝑒𝑙𝑠

𝑒𝑛 𝑣𝑢𝑒 𝑑′ 𝑎𝑛𝑎𝑙𝑦𝑠𝑒𝑟 𝑒𝑡 𝑑𝑒 𝑚𝑎î𝑡𝑟𝑖𝑠𝑒𝑟 𝑑𝑒𝑠 𝑠𝑖𝑡𝑢𝑎𝑡𝑖𝑜𝑛𝑠 𝑐𝑜𝑚𝑝𝑙𝑒𝑥𝑒𝑠 𝑝𝑜𝑢𝑟 𝑝𝑒𝑟𝑚𝑒𝑡𝑡𝑟𝑒 𝑎𝑢𝑥 𝑑é𝑐𝑖𝑑𝑒𝑢𝑟𝑠 𝑑𝑒

𝑐𝑜𝑚𝑝𝑟𝑒𝑛𝑑𝑟𝑒 𝑒𝑡 𝑑 ′ é𝑣𝑎𝑙𝑢𝑒𝑟 𝑙𝑒𝑠 𝑒𝑛𝑗𝑒𝑢𝑥 , 𝑑′ 𝑎𝑟𝑏𝑖𝑡𝑟𝑒𝑟 𝑒𝑡 𝑜𝑢 𝑑𝑒 𝑓𝑎𝑖𝑟𝑒 𝑙𝑒𝑠 𝑐ℎ𝑜𝑖𝑥 𝑙𝑒𝑠 𝑝𝑙𝑢𝑠 𝑒𝑓𝑓𝑖𝑐𝑎𝑐𝑒𝑠.

𝐿𝑒 𝑑𝑜𝑚𝑎𝑖𝑛𝑒 𝑓𝑎𝑖𝑡 𝑙𝑎𝑟𝑔𝑒𝑚𝑒𝑛𝑡 𝑎𝑝𝑝𝑒𝑙 𝑎𝑢 𝑟𝑎𝑖𝑠𝑜𝑛𝑛𝑒𝑚𝑒𝑛𝑡 𝑚𝑎𝑡ℎé𝑚𝑎𝑡𝑖𝑞𝑢𝑒 𝑒𝑡 à 𝑙𝑎 𝑚𝑜𝑑é𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑝𝑟𝑜𝑐𝑒𝑠𝑠𝑢𝑠.

𝐼𝑙 𝑒𝑠𝑡 𝑓𝑜𝑟𝑡𝑒𝑚𝑒𝑛𝑡 𝑙𝑖é à 𝑙 ′ 𝑖𝑛𝑔é𝑛𝑖𝑒𝑟𝑖𝑒 𝑑𝑒𝑠 𝑠𝑦𝑠𝑡è𝑚𝑒𝑠 , 𝑎𝑖𝑛𝑠𝑖 𝑞𝑢′ 𝑎𝑢 𝑚𝑎𝑛𝑎𝑔𝑒𝑚𝑒𝑛𝑡 𝑑𝑢 𝑠𝑦𝑠𝑡è𝑚𝑒 𝑑 ′ 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑡𝑖𝑜𝑛.

𝑃𝑎𝑟𝑚𝑖 𝑙𝑒𝑠 𝑟𝑎𝑖𝑠𝑜𝑛𝑛𝑒𝑚𝑒𝑛𝑡𝑠 𝑚𝑎𝑡ℎé𝑚𝑎𝑡𝑖𝑞𝑢𝑒, 𝑛𝑜𝑢𝑠 𝑎𝑏𝑜𝑟𝑑𝑒𝑟𝑜𝑛𝑠 𝑑𝑎𝑛𝑠 𝑢𝑛 𝑝𝑟𝑒𝑚𝑖𝑒𝑟 𝑡𝑒𝑚𝑝𝑠 𝑙𝑎 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑎𝑡𝑖𝑜𝑛

𝑙𝑖𝑛é𝑎𝑖𝑟𝑒.

𝐿𝑎 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑎𝑡𝑖𝑜𝑛 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑒𝑠𝑡 𝑢𝑛 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑚𝑎𝑡ℎé𝑚𝑎𝑡𝑖𝑞𝑢𝑒 𝑞𝑢𝑖 𝑐𝑜𝑛𝑠𝑖𝑠𝑡𝑒 à 𝑜𝑝𝑡𝑖𝑚𝑖𝑠𝑒𝑟 𝑢𝑛𝑒 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛

𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑑𝑒 𝑝𝑙𝑢𝑠𝑖𝑒𝑢𝑟𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑞𝑢𝑖 𝑠𝑜𝑛𝑡 𝑟𝑒𝑙𝑖é𝑒𝑠 𝑝𝑎𝑟 𝑑𝑒𝑠 𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛𝑠 𝑎𝑝𝑝𝑒𝑙é𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠.

𝐼𝑙 𝑟𝑒𝑐𝑜𝑢𝑣𝑟𝑒 𝑢𝑛 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒 𝑡𝑒𝑐ℎ𝑛𝑖𝑞𝑢𝑒 𝑑′ 𝑜𝑝𝑡𝑖𝑚𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑠𝑜𝑢𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑞𝑢𝑖 𝑝𝑒𝑟𝑚𝑒𝑡𝑡𝑒𝑛𝑡 𝑑𝑒 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟

𝑑𝑎𝑛𝑠 𝑞𝑢𝑒𝑙𝑙𝑒𝑠 𝑐𝑜𝑛𝑑𝑖𝑡𝑖𝑜𝑛𝑠 𝑜𝑛 𝑝𝑒𝑢𝑡 𝑟𝑒𝑛𝑑𝑟𝑒 𝑚𝑎𝑥𝑖𝑚𝑢𝑚 𝑜𝑢 𝑚𝑖𝑛𝑖𝑚𝑢𝑚 𝑢𝑛𝑒 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑜𝑏𝑗𝑒𝑐𝑡𝑖𝑓 𝑍(𝑋𝑗 ) 𝑑𝑒 𝑛

𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑋𝑗 𝑙𝑖é𝑒𝑠 𝑝𝑎𝑟 𝑚 𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛𝑠 𝑜𝑢 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝐻𝑖 (𝑋𝑗 ) ≤ 0.

𝐿𝑒𝑠 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒𝑠 𝑑𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑎𝑡𝑖𝑜𝑛𝑠 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒𝑠 𝑠𝑜𝑛𝑡 𝑔é𝑛é𝑟𝑎𝑙𝑒𝑚𝑒𝑛𝑡 𝑙𝑖é𝑠 à 𝑑𝑒𝑠 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒𝑠 𝑑 ′ 𝑎𝑙𝑙𝑜𝑐𝑎𝑡𝑖𝑜𝑛𝑠 𝑑𝑒

𝑟𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒𝑠 𝑙𝑖𝑚𝑖𝑡é𝑒𝑠 , 𝑑𝑒 𝑙𝑎 𝑚𝑒𝑖𝑙𝑙𝑒𝑢𝑟𝑒 𝑓𝑎ç𝑜𝑛 𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒, 𝑎𝑓𝑖𝑛 𝑑𝑒 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑒𝑟 𝑢𝑛 𝑝𝑟𝑜𝑓𝑖𝑡 𝑜𝑢 𝑑𝑒 𝑚𝑖𝑛𝑖𝑚𝑖𝑠𝑒𝑟 𝑢𝑛

𝑐𝑜û𝑡.

𝐿𝑒 𝑡𝑒𝑟𝑚𝑒 𝑚𝑒𝑖𝑙𝑙𝑒𝑢𝑟 𝑓𝑎𝑖𝑡 𝑟é𝑓é𝑟𝑒𝑛𝑐𝑒 à 𝑙𝑎 𝑝𝑜𝑠𝑠𝑖𝑏𝑖𝑙𝑖𝑡é 𝑑 ′ 𝑎𝑣𝑜𝑖𝑟 𝑢𝑛 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒 𝑑é𝑐𝑖𝑠𝑖𝑜𝑛𝑠 𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒𝑠 𝑞𝑢𝑖

𝑟é𝑎𝑙𝑖𝑠𝑒𝑛𝑡 𝑙𝑎 𝑚ê𝑚𝑒 𝑠𝑎𝑡𝑠𝑓𝑎𝑐𝑡𝑖𝑜𝑛 𝑜𝑢 𝑙𝑒 𝑚ê𝑚𝑒 𝑝𝑟𝑜𝑓𝑖𝑡. 𝐶𝑒𝑠 𝑑é𝑐𝑖𝑠𝑖𝑜𝑛𝑠 𝑠𝑜𝑛𝑡 𝑒𝑛 𝑔é𝑛é𝑟𝑎𝑙 𝑙𝑒 𝑟é𝑠𝑢𝑙𝑡𝑎𝑡 𝑑′ 𝑢𝑛

𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑚𝑎𝑡ℎé𝑚𝑎𝑡𝑖𝑞𝑢𝑒.

𝐿𝑎 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑎𝑡𝑖𝑜𝑛 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑒𝑠𝑡 𝑑𝑜𝑛𝑐 𝑑é𝑓𝑖𝑛𝑖𝑒 𝑐𝑜𝑚𝑚𝑒 é𝑡𝑎𝑛𝑡 𝑢𝑛 𝑐𝑎𝑠 𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑖𝑒𝑟 𝑑𝑒 𝑙𝑎 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑎𝑡𝑖𝑜𝑛
1
𝑚𝑎𝑡ℎé𝑚𝑎𝑡𝑖𝑞𝑢𝑒 𝑝𝑜𝑢𝑟 𝑙𝑎𝑞𝑢𝑒𝑙𝑙𝑒 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑜𝑏𝑗𝑒𝑐𝑡𝑖𝑓 𝑒𝑡 𝑙𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑠𝑜𝑛𝑡 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒𝑠.

𝐷𝑒 𝑛𝑜𝑚𝑏𝑟𝑒𝑢𝑥 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒𝑠 𝑑𝑒 𝑙 ′ 𝑒𝑛𝑡𝑟𝑒𝑝𝑟𝑖𝑠𝑒 𝑝𝑒𝑢𝑣𝑒𝑛𝑡 𝑠 ′ 𝑒𝑥𝑝𝑟𝑖𝑚𝑒𝑟 𝑒𝑛 𝑡𝑒𝑟𝑚𝑒𝑠 𝑑 ′ 𝑜𝑝𝑡𝑖𝑚𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒

𝑎𝑢𝑠𝑠𝑖 𝑟𝑒𝑛𝑐𝑜𝑛𝑡𝑟𝑒 𝑡 − 𝑜𝑛 𝑑𝑒 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑒𝑠 𝑎𝑝𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛𝑠 𝑑𝑒 𝑙𝑎 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑎𝑡𝑖𝑜𝑛 𝑚𝑎𝑡ℎé𝑚𝑎𝑡𝑖𝑞𝑢𝑒 𝑒𝑡

𝑐𝑒𝑐𝑖 𝑑𝑎𝑛𝑠 𝑝𝑟𝑎𝑡𝑖𝑞𝑢𝑒𝑚𝑒𝑛𝑡 𝑡𝑜𝑢𝑠 𝑙𝑒𝑠 𝑑𝑜𝑚𝑎𝑖𝑛𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑔𝑒𝑠𝑡𝑖𝑜𝑛 𝑒𝑛 𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑖𝑒𝑟.

𝐿𝑎 𝑔𝑒𝑠𝑡𝑖𝑜𝑛 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛 𝑒𝑠𝑡 𝑙𝑒 𝑑𝑜𝑚𝑎𝑖𝑛𝑒 𝑜ù 𝑐𝑒𝑠 𝑎𝑝𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛𝑠 𝑠𝑜𝑛𝑡 𝑙𝑒𝑠 𝑝𝑙𝑢𝑠 𝑛𝑜𝑚𝑏𝑟𝑒𝑢𝑠𝑒𝑠.

𝑂𝑛 𝑐𝑖𝑡𝑒𝑟𝑎 𝑒𝑛𝑡𝑟𝑒 − 𝑎𝑢𝑡𝑟𝑒𝑠 ∶

¬ 𝑙 ′ é𝑙𝑎𝑏𝑜𝑟𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝑝𝑙𝑎𝑛𝑠 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛 𝑒𝑡 𝑑𝑒 𝑠𝑡𝑜𝑐𝑘𝑎𝑔𝑒,

¬ 𝑙𝑒 𝑐ℎ𝑜𝑖𝑥 𝑑𝑒 𝑡𝑒𝑐ℎ𝑛𝑖𝑞𝑢𝑒𝑠 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛,

¬ 𝑙 ′ 𝑎𝑓𝑓𝑒𝑐𝑡𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝑚𝑜𝑦𝑒𝑛𝑠 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛,

¬ 𝑙𝑎 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑚𝑝𝑜𝑠𝑖𝑡𝑖𝑜𝑛 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑖𝑡𝑠.

𝐿𝑒𝑠 𝑎𝑝𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛𝑠 𝑠𝑜𝑛𝑡 é𝑔𝑎𝑙𝑒𝑚𝑒𝑛𝑡 𝑛𝑜𝑚𝑏𝑟𝑒𝑢𝑠𝑒𝑠 𝑑𝑎𝑛𝑠 𝑙𝑒 𝑑𝑜𝑚𝑎𝑖𝑛𝑒 𝑑𝑢 𝑚𝑎𝑟𝑘𝑒𝑡𝑖𝑛𝑔 𝑎𝑣𝑒𝑐 , 𝑒𝑛

𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑖𝑒𝑟 ∶

¬ 𝑙𝑒 𝑐ℎ𝑜𝑖𝑥 𝑑𝑒𝑠 𝑝𝑙𝑎𝑛𝑠 − 𝑚é𝑑𝑖𝑎,

¬ 𝑙𝑎 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝑝𝑜𝑙𝑖𝑡𝑖𝑞𝑢𝑒𝑠 𝑑𝑒 𝑝𝑟𝑖𝑥,

¬ 𝑙𝑎 𝑟é𝑝𝑎𝑟𝑡𝑖𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑒𝑓𝑓𝑜𝑟𝑡𝑠 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑟𝑐𝑒 𝑑𝑒 𝑣𝑒𝑛𝑡𝑒,

¬ 𝑙𝑎 𝑠é𝑙𝑒𝑐𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑐𝑎𝑟𝑎𝑐𝑡é𝑟𝑖𝑠𝑡𝑖𝑞𝑢𝑒𝑠 𝑑𝑢 𝑝𝑟𝑜𝑑𝑢𝑖𝑡.

𝑂𝑛 𝑐𝑖𝑡𝑒𝑟𝑎 𝑒𝑛𝑐𝑜𝑟𝑒 𝑑𝑒𝑠 𝑎𝑝𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛𝑠 𝑒𝑛 𝑚𝑎𝑡𝑖è𝑟𝑒 𝑓𝑖𝑛𝑎𝑛𝑐𝑖è𝑟𝑒 (𝑐ℎ𝑜𝑖𝑥 𝑑𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒𝑠 𝑑 ′ 𝑖𝑛𝑣𝑒𝑠𝑡𝑖𝑠𝑠𝑒𝑚𝑒𝑛𝑡𝑠),

𝑒𝑛 𝑚𝑎𝑡𝑖è𝑟𝑒 𝑙𝑜𝑔𝑖𝑠𝑡𝑖𝑞𝑢𝑒 (𝑔𝑒𝑠𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡𝑠) 𝑒𝑡 𝑒𝑛 𝑚𝑎𝑡𝑖è𝑟𝑒 𝑑𝑒𝑠 𝑟𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒𝑠 ℎ𝑢𝑚𝑎𝑖𝑛𝑒𝑠 (𝑎𝑓𝑓𝑒𝑐𝑡𝑎𝑡𝑖𝑜𝑛

𝑑𝑒 𝑝𝑒𝑟𝑠𝑜𝑛𝑛𝑒𝑙).

𝑆𝑖 𝑙𝑒𝑠 𝑎𝑝𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛𝑠 𝑑𝑒 𝑙𝑎 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑎𝑡𝑖𝑜𝑛 𝑚𝑎𝑡ℎé𝑚𝑎𝑡𝑖𝑞𝑢𝑒 𝑠𝑜𝑛𝑡 𝑎𝑢𝑠𝑠𝑖 𝑛𝑜𝑚𝑏𝑟𝑒𝑢𝑠𝑒𝑠, 𝑜𝑛 𝑑𝑜𝑖𝑡 𝑙 ′ 𝑎𝑡𝑡𝑟𝑖𝑏𝑢𝑒𝑟

𝑒𝑛 𝑔𝑟𝑎𝑛𝑑𝑒 𝑝𝑎𝑟𝑡𝑖𝑒 à 𝑙𝑎 𝑠𝑜𝑢𝑝𝑙𝑒𝑠𝑠𝑒 𝑑𝑒 𝑠𝑒𝑠 𝑡𝑒𝑐ℎ𝑛𝑖𝑞𝑢𝑒𝑠 𝑒𝑛 𝑐𝑒 𝑞𝑢𝑖 𝑐𝑜𝑛𝑐𝑒𝑟𝑛𝑒 𝑙𝑒𝑢𝑟 𝑓𝑜𝑟𝑚𝑢𝑙𝑎𝑡𝑖𝑜𝑛 𝑚𝑎𝑖𝑠 𝑎𝑢𝑠𝑠𝑖

à 𝑙𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑣𝑒 𝑠𝑖𝑚𝑝𝑙𝑖𝑐𝑖𝑡é 𝑑𝑒𝑠 𝑚é𝑡ℎ𝑜𝑑𝑒𝑠 𝑑𝑒 𝑟é𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑢𝑡𝑖𝑙𝑖𝑠𝑎𝑏𝑙𝑒𝑠 𝑑𝑎𝑛𝑠 𝑙𝑒𝑠 𝑐𝑎𝑠 𝑙𝑒𝑠 𝑝𝑙𝑢𝑠 𝑐𝑜𝑢𝑟𝑎𝑛𝑡𝑠 𝑒𝑡 𝑝𝑜𝑢𝑟

𝑙𝑒𝑠𝑞𝑢𝑒𝑙𝑙𝑒𝑠 𝑒𝑥𝑖𝑠𝑡𝑒𝑛𝑡 𝑑𝑒𝑠 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒𝑠 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑡𝑖𝑞𝑢𝑒𝑠 𝑙𝑎𝑟𝑔𝑒𝑚𝑒𝑛𝑡 𝑟é𝑝𝑎𝑛𝑑𝑢𝑠.

𝑃𝑎𝑟𝑚𝑖 𝑙𝑒𝑠 𝑡𝑒𝑐ℎ𝑛𝑖𝑞𝑢𝑒𝑠 𝑑𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑎𝑡𝑖𝑜𝑛 𝑚𝑎𝑡ℎé𝑚𝑎𝑡𝑖𝑞𝑢𝑒, 𝑙𝑎 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑎𝑡𝑖𝑜𝑛 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑒𝑠𝑡 𝑙𝑎 𝑝𝑙𝑢𝑠

𝑐𝑙𝑎𝑠𝑠𝑖𝑞𝑢𝑒.

𝐿𝑒𝑠 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒𝑠 𝑑𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑎𝑡𝑖𝑜𝑛 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑐𝑜𝑛𝑠𝑖𝑠𝑡𝑒𝑛𝑡 𝑒𝑠𝑠𝑒𝑛𝑡𝑖𝑒𝑙𝑙𝑒𝑚𝑒𝑛𝑡 à 𝑟𝑒𝑐ℎ𝑒𝑟𝑐ℎ𝑒𝑟 𝑑𝑒𝑠 𝑞𝑢𝑎𝑛𝑡𝑖𝑡é𝑠

2
(𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 ) 𝑞𝑢𝑖 𝑜𝑝𝑡𝑖𝑚𝑖𝑠𝑒𝑛𝑡 𝑢𝑛𝑒 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 𝑍 𝑠𝑜𝑢𝑠 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠.

𝐼𝑙 𝑐𝑜𝑛𝑣𝑖𝑒𝑛𝑡 𝑑𝑒 𝑝𝑟𝑜𝑝𝑜𝑠𝑒𝑟 𝑑𝑒𝑠 𝑡𝑒𝑐ℎ𝑛𝑖𝑞𝑢𝑒𝑠 𝑑𝑒 𝑟é𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛, 𝑑𝑒 𝑝𝑟é𝑐𝑖𝑠𝑒𝑟 𝑞𝑢𝑒𝑙𝑞𝑢𝑒𝑠 𝑡𝑒𝑟𝑚𝑒𝑠 𝑒𝑡 𝑙𝑎 𝑚𝑎𝑛𝑖è𝑟𝑒

𝑑𝑒 𝑙𝑒𝑠 𝑐𝑜𝑛𝑐𝑒𝑣𝑜𝑖𝑟 𝑎𝑓𝑖𝑛 𝑑 ′ 𝑎𝑏𝑜𝑢𝑡𝑖𝑟 à 𝑢𝑛𝑒 𝑓𝑜𝑟𝑚𝑒 𝑚𝑎𝑡ℎé𝑚𝑎𝑡𝑖𝑞𝑢𝑒 𝑑𝑖𝑡𝑒 𝑓𝑜𝑟𝑚𝑒 𝑐𝑎𝑛𝑜𝑛𝑖𝑞𝑢𝑒.

3
 𝑰 − 𝑷𝑹𝑶𝑩𝑳𝑬𝑴𝑬 𝑫𝑬 𝑴𝑨𝑿𝑰𝑴𝑰𝑺𝑨𝑻𝑰𝑶𝑵

𝟏) 𝑭𝒐𝒓𝒎𝒖𝒍𝒂𝒕𝒊𝒐𝒏 𝒅′𝒖𝒏 𝒑𝒓𝒐𝒈𝒓𝒂𝒎𝒎𝒆

𝑬𝒙𝒆𝒎𝒑𝒍𝒆 𝒊𝒏𝒕𝒓𝒐𝒅𝒖𝒄𝒕𝒊𝒇
𝑈𝑛𝑒 𝑒𝑛𝑡𝑟𝑒𝑝𝑟𝑖𝑠𝑒 𝑓𝑎𝑏𝑟𝑖𝑞𝑢𝑒 𝑑𝑒𝑢𝑥 𝑡𝑦𝑝𝑒𝑠 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑖𝑡𝑠 𝑃1 𝑒𝑡 𝑃2 , 𝑢𝑠𝑖𝑛é𝑠 𝑑𝑎𝑛𝑠 𝑙𝑒𝑠 𝑎𝑡𝑒𝑙𝑖𝑒𝑟𝑠 𝐴1 𝑒𝑡 𝐴1 .
𝐿𝑒𝑠 𝑡𝑒𝑚𝑝𝑠 𝑑′ 𝑢𝑠𝑖𝑛𝑎𝑔𝑒 𝑠𝑜𝑛𝑡 ∶
∎ 𝑃1 ∶ 3 ℎ𝑒𝑢𝑟𝑒𝑠 𝑑𝑎𝑛𝑠 𝑙 ′ 𝑎𝑡𝑒𝑙𝑖𝑒𝑟 𝐴1 𝑒𝑡 6 ℎ𝑒𝑢𝑟𝑒𝑠 𝑑𝑎𝑛𝑠 𝑙 ′ 𝑎𝑡𝑒𝑙𝑖𝑒𝑟 𝐴2 .
∎ 𝑃2 ∶ 4 ℎ𝑒𝑢𝑟𝑒𝑠 𝑑𝑎𝑛𝑠 𝑙 ′ 𝑎𝑡𝑒𝑙𝑖𝑒𝑟 𝐴1 𝑒𝑡 3 ℎ𝑒𝑢𝑟𝑒𝑠 𝑑𝑎𝑛𝑠 𝑙 ′ 𝑎𝑡𝑒𝑙𝑖𝑒𝑟 𝐴2 .
𝐿𝑒 𝑡𝑒𝑚𝑝𝑠 𝑑𝑒 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑡é ℎ𝑒𝑏𝑑𝑜𝑚𝑎𝑑𝑎𝑖𝑟𝑒 𝑑𝑒 𝑙 ′ 𝑎𝑡𝑒𝑙𝑖𝑒𝑟 𝐴1 𝑒𝑠𝑡 𝑑𝑒 160 ℎ𝑒𝑢𝑟𝑒𝑠 𝑒𝑡 𝑐𝑒𝑙𝑢𝑖 𝑑𝑒 𝑙 ′ 𝑎𝑡𝑒𝑙𝑖𝑒𝑟 𝐴2 𝑒𝑠𝑡 𝑑𝑒
180 ℎ𝑒𝑢𝑟𝑒𝑠.
𝐿𝑎 𝑚𝑎𝑟𝑔𝑒 𝑏é𝑛é𝑓𝑖𝑐𝑖𝑎𝑟𝑒 𝑒𝑠𝑡 𝑑𝑒 1.200 𝐹 𝑝𝑜𝑢𝑟 𝑙𝑒 𝑝𝑟𝑜𝑑𝑢𝑖𝑡 𝑃1 𝑒𝑡 1.000 𝐹 𝑝𝑜𝑢𝑟 𝑙𝑒 𝑝𝑟𝑜𝑑𝑢𝑖𝑡 𝑃2 .

𝑸𝒖𝒆𝒍𝒍𝒆 𝒑𝒓𝒐𝒅𝒖𝒄𝒕𝒊𝒐𝒏 𝒅𝒆 𝒄𝒉𝒂𝒒𝒖𝒆 𝒕𝒚𝒑𝒆 𝒅𝒐𝒊𝒕 − 𝒐𝒏 𝒇𝒂𝒃𝒓𝒊𝒒𝒖𝒆𝒓 𝒑𝒐𝒖𝒓 𝒎𝒂𝒙𝒊𝒎𝒊𝒔𝒆𝒓 𝒍𝒂 𝒎𝒂𝒓𝒈𝒆

𝒉𝒆𝒃𝒅𝒐𝒎𝒂𝒅𝒂𝒊𝒓𝒆 ?

𝐿𝑎 𝑓𝑜𝑟𝑚𝑢𝑙𝑎𝑡𝑖𝑜𝑛 𝑑 ′ 𝑢𝑛 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑡â𝑐ℎ𝑒 𝑑é𝑙𝑖𝑐𝑎𝑡𝑒 𝑚𝑎𝑖𝑠 𝑒𝑠𝑠𝑒𝑛𝑡𝑖𝑒𝑙𝑙𝑒 𝑐𝑎𝑟 𝑒𝑙𝑙𝑒 𝑐𝑜𝑛𝑑𝑖𝑡𝑖𝑜𝑛𝑛𝑒 𝑙𝑎
𝑑é𝑐𝑜𝑢𝑣𝑒𝑟𝑡𝑒 𝑢𝑙𝑡é𝑟𝑖𝑒𝑢𝑟𝑒 𝑑𝑒 𝑙𝑎 𝑏𝑜𝑛𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛.
𝐸𝑙𝑙𝑒 𝑐𝑜𝑚𝑝𝑜𝑟𝑡𝑒 𝑙𝑒𝑠 𝑚ê𝑚𝑒𝑠 𝑝ℎ𝑎𝑠𝑒𝑠 𝑞𝑢𝑒𝑙𝑙𝑒𝑠 𝑞𝑢𝑒 𝑠𝑜𝑖𝑒𝑛𝑡 𝑙𝑒𝑠 𝑡𝑒𝑐ℎ𝑛𝑖𝑞𝑢𝑒𝑠 𝑟𝑒𝑞𝑢𝑖𝑠𝑒𝑠 𝑢𝑙𝑡é𝑟𝑖𝑒𝑢𝑟𝑒𝑚𝑒𝑛𝑡 𝑝𝑜𝑢𝑟 𝑙𝑒
𝑡𝑟𝑎𝑖𝑡𝑒𝑚𝑒𝑛𝑡 (𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑎𝑡𝑖𝑜𝑛 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑒𝑡 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑛𝑜𝑛 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒) ∶

∎ 𝑳𝒂 𝒅é𝒕𝒆𝒄𝒕𝒊𝒐𝒏 𝒅𝒖 𝒑𝒓𝒐𝒃𝒍è𝒎𝒆 𝒆𝒕 𝒍′ 𝒊𝒅𝒆𝒏𝒕𝒊𝒇𝒊𝒄𝒂𝒕𝒊𝒐𝒏 𝒅𝒆𝒔 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆𝒔.

𝐶𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑𝑜𝑖𝑣𝑒𝑛𝑡 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑟𝑒 𝑒𝑥𝑎𝑐𝑡𝑒𝑚𝑒𝑛𝑡 𝑎𝑢𝑥 𝑝𝑟é𝑜𝑐𝑐𝑢𝑝𝑎𝑡𝑖𝑜𝑛𝑠 𝑑𝑢 𝑟𝑒𝑠𝑝𝑜𝑛𝑠𝑎𝑏𝑙𝑒 𝑑𝑒 𝑙𝑎 𝑑é𝑐𝑖𝑠𝑖𝑜𝑛.
𝐸𝑛 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑎𝑡𝑖𝑜𝑛 𝑚𝑎𝑡ℎé𝑚𝑎𝑡𝑖𝑞𝑢𝑒 , 𝑙𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑠𝑜𝑛𝑡 𝑑𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑é𝑐𝑖𝑠𝑖𝑜𝑛𝑛𝑒𝑙𝑙𝑒𝑠.

∎ 𝑳𝒂 𝒇𝒐𝒓𝒎𝒖𝒍𝒂𝒕𝒊𝒐𝒏 𝒅𝒆 𝒍𝒂 𝒇𝒐𝒏𝒄𝒕𝒊𝒐𝒏 é𝒄𝒐𝒏𝒐𝒎𝒊𝒒𝒖𝒆 𝒐𝒖 𝒇𝒐𝒏𝒄𝒕𝒊𝒐𝒏 𝒐𝒃𝒋𝒆𝒄𝒕𝒊𝒇 𝑡𝑟𝑎𝑑𝑢𝑖𝑠𝑎𝑛𝑡 𝑙𝑒𝑠

𝑝𝑟é𝑓é𝑟𝑒𝑛𝑐𝑒𝑠 𝑑𝑢 𝑑é𝑐𝑖𝑑𝑒𝑢𝑟 𝑒𝑥𝑝𝑟𝑖𝑚é𝑒𝑠 𝑠𝑜𝑢𝑠 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 𝑑 ′ 𝑢𝑛𝑒 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑖𝑑𝑒𝑛𝑡𝑖𝑓𝑖é𝑒𝑠.

∎ 𝑳𝒂 𝒇𝒐𝒓𝒎𝒖𝒍𝒂𝒕𝒊𝒐𝒏 𝒅𝒆𝒔 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆𝒔.

𝐼𝑙 𝑒𝑠𝑡 𝑏𝑖𝑒𝑛 𝑟𝑎𝑟𝑒 𝑞𝑢′ 𝑢𝑛 𝑟𝑒𝑠𝑝𝑜𝑛𝑠𝑎𝑏𝑙𝑒 𝑑𝑖𝑠𝑝𝑜𝑠𝑒 𝑑𝑒 𝑡𝑜𝑢𝑡𝑒 𝑙𝑖𝑏𝑒𝑟𝑡é 𝑑′𝑎𝑐𝑡𝑖𝑜𝑛. 𝐿𝑒 𝑝𝑙𝑢𝑠 𝑠𝑜𝑢𝑣𝑒𝑛𝑡, 𝑖𝑙 𝑒𝑥𝑖𝑠𝑡𝑒 𝑑𝑒𝑠
𝑙𝑖𝑚𝑖𝑡𝑒𝑠 à 𝑛𝑒 𝑝𝑎𝑠 𝑑é𝑝𝑎𝑠𝑠𝑒𝑟 𝑞𝑢𝑖 𝑟𝑒𝑣ê𝑡𝑒𝑛𝑡 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 𝑑 ′ é𝑞𝑢𝑎𝑡𝑖𝑜𝑛𝑠 𝑜𝑢 𝑑 ′ 𝑖𝑛é𝑞𝑢𝑎𝑡𝑖𝑜𝑛𝑠 𝑚𝑎𝑡ℎé𝑚𝑎𝑡𝑖𝑞𝑢𝑒𝑠.
𝐿𝑒 𝑟𝑒𝑠𝑝𝑜𝑛𝑠𝑎𝑏𝑙𝑒 𝑑 ′ 𝑢𝑛𝑒 𝑑é𝑐𝑖𝑠𝑖𝑜𝑛 𝑛𝑒 𝑑𝑖𝑠𝑝𝑜𝑠𝑒 𝑞𝑢𝑒 𝑑𝑒 𝑠𝑎 𝑐𝑜𝑚𝑝é𝑡𝑒𝑛𝑐𝑒 𝑝𝑜𝑢𝑟 𝑟é𝑎𝑙𝑖𝑠𝑒𝑟 𝑢𝑛𝑒 𝑓𝑜𝑟𝑚𝑢𝑙𝑎𝑡𝑖𝑜𝑛
𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑒 𝑑𝑢 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑝𝑜𝑠é 𝑐𝑎𝑟 𝑖𝑙 𝑛′ 𝑒𝑥𝑖𝑠𝑡𝑒 𝑝𝑎𝑠 𝑑𝑒 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑒𝑛 𝑙𝑎 𝑚𝑎𝑡𝑖è𝑟𝑒.
𝑈𝑛 𝑚𝑜𝑦𝑒𝑛 𝑑 ′ 𝑎𝑐𝑞𝑢é𝑟𝑖𝑟 𝑐𝑒𝑡𝑡𝑒 𝑐𝑜𝑚𝑝é𝑡𝑒𝑛𝑐𝑒 𝑒𝑠𝑡 𝑙 ′ 𝑎𝑝𝑝𝑟𝑒𝑛𝑡𝑖𝑠𝑠𝑎𝑔𝑒 𝑐𝑜𝑚𝑚𝑒 𝑝𝑟𝑜𝑝𝑜𝑠é 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑠𝑢𝑖𝑡𝑒 𝑑𝑒𝑠 𝑐𝑜𝑢𝑟𝑠.

4
 𝟐) 𝑭𝒐𝒏𝒄𝒕𝒊𝒐𝒏 é𝒄𝒐𝒏𝒐𝒎𝒊𝒒𝒖𝒆 𝒆𝒕 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆𝒔
𝐷𝑒 𝑓𝑎ç𝑜𝑛 𝑔é𝑛é𝑟𝑎𝑙𝑒 , 𝑜𝑛 𝑐𝑜𝑛𝑠𝑖𝑑è𝑟𝑒 𝑢𝑛 𝑝ℎé𝑛𝑜𝑚è𝑛𝑒 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 𝑍 , 𝑐𝑜𝑛𝑠é𝑞𝑢𝑒𝑛𝑐𝑒 𝑑𝑒 𝑝𝑙𝑢𝑠𝑖𝑒𝑢𝑟𝑠 𝑒𝑓𝑓𝑒𝑡𝑠
𝑞𝑢𝑖 𝑠𝑜𝑛𝑡 𝑎𝑑𝑑𝑖𝑡𝑖𝑓𝑠 𝑒𝑡 𝑝𝑟𝑜𝑝𝑜𝑟𝑡𝑖𝑜𝑛𝑛𝑒𝑙𝑠 à 𝑙𝑒𝑢𝑟𝑠 𝑐𝑎𝑢𝑠𝑒𝑠 𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 , 𝑎𝑣𝑒𝑐 𝑙𝑒𝑠 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑠 𝑐1 , 𝑐2 , ⋯ , 𝑐𝑛 .
𝐿𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑍 𝑠 ′ 𝑒𝑥𝑝𝑟𝑖𝑚𝑒 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑛𝑖è𝑟𝑒 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒𝑠 ∶ 𝑍 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛 .
𝐶 ′ 𝑒𝑠𝑡 𝑐𝑒𝑡𝑡𝑒 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑞𝑢𝑒 𝑙 ′ 𝑜𝑛 𝑐ℎ𝑒𝑟𝑐ℎ𝑒𝑟𝑎 à 𝑜𝑝𝑡𝑖𝑚𝑖𝑠𝑒𝑟 (𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑒𝑟 𝑜𝑢 𝑚𝑖𝑛𝑖𝑚𝑖𝑠𝑒𝑟 ) 𝑞𝑢𝑖 𝑒𝑠𝑡 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛
é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒.
𝐷𝑒 𝑐𝑒𝑡𝑡𝑒 𝑝𝑟𝑎𝑡𝑖𝑞𝑢𝑒 , 𝑖𝑙 𝑠 ′ 𝑎𝑔𝑖𝑟𝑎 𝑑 ′ 𝑢𝑛𝑒 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑟é𝑠𝑢𝑙𝑡𝑎𝑡𝑠 ( 𝑐ℎ𝑖𝑓𝑓𝑟𝑒 𝑑 ′ 𝑎𝑓𝑓𝑎𝑖𝑟𝑒𝑠, 𝑚𝑎𝑟𝑔𝑒𝑠 𝑜𝑢
𝑏é𝑛é𝑓𝑖𝑐𝑒𝑠) 𝑜𝑢 𝑑′ 𝑢𝑛𝑒 𝑚𝑖𝑛𝑖𝑚𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑐𝑜û𝑡𝑠.
¬ 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑒𝑟 𝑙𝑎 𝑚𝑎𝑟𝑔𝑒 ( 𝑏é𝑛é𝑓𝑖𝑐𝑒 𝑜𝑢 𝑐ℎ𝑖𝑓𝑓𝑟𝑒 𝑑 ′ 𝑎𝑓𝑓𝑎𝑖𝑟𝑒𝑠) 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑 à ∶
𝑀𝑎𝑥 [𝑍 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛 ].
¬ 𝑚𝑖𝑛𝑖𝑚𝑖𝑠𝑒𝑟 𝑙𝑒𝑠 𝑐𝑜û𝑡𝑠 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑 à ∶ 𝑀𝑖𝑛 [𝑍 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛 ].
𝐿𝑒𝑠 𝑐𝑎𝑢𝑠𝑒𝑠 𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 𝑠𝑜𝑛𝑡 𝑙𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑𝑢 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒. 𝐼𝑙 𝑠 ′ 𝑎𝑔𝑖𝑡 𝑑𝑜𝑛𝑐 𝑑𝑒 𝑟𝑒𝑐ℎ𝑒𝑟𝑐ℎ𝑒𝑟 𝑙𝑒𝑠 𝑣𝑎𝑙𝑒𝑢𝑟𝑠
𝑑𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 𝑞𝑢𝑖 𝑜𝑝𝑡𝑖𝑚𝑖𝑠𝑒𝑛𝑡 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑍.
𝐴𝑖𝑛𝑠𝑖 , 𝑝𝑜𝑢𝑟 𝑙𝑎 𝑟é𝑑𝑎𝑐𝑡𝑖𝑜𝑛 ∶
¬ 𝑙𝑒 𝑐ℎ𝑜𝑖𝑥 𝑑𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑟𝑒𝑣𝑖𝑒𝑛𝑡 𝑑𝑜𝑛𝑐 à 𝑑𝑖𝑟𝑒 𝑒𝑥𝑝𝑙𝑖𝑐𝑖𝑡𝑒𝑚𝑒𝑛𝑡 𝑙𝑒𝑠 𝑣𝑎𝑙𝑒𝑢𝑟𝑠 𝑞𝑢𝑒 𝑙 ′ 𝑜𝑛 𝑣𝑒𝑢𝑡 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟
𝑎𝑖𝑛𝑠𝑖 𝑞𝑢𝑒 𝑙𝑒𝑠 𝑠𝑦𝑚𝑏𝑜𝑙𝑒𝑠 (𝑙𝑒𝑡𝑡𝑟𝑒𝑠) 𝑞𝑢′ 𝑜𝑛 𝑢𝑡𝑖𝑙𝑖𝑠𝑒𝑟𝑎 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑠𝑢𝑖𝑡𝑒 𝑑𝑢 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒.
¬ 𝑝𝑜𝑢𝑟 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 , 𝑜𝑛 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑒 ( 𝑝𝑎𝑟 𝑐𝑎𝑙𝑐𝑢𝑙 𝑠𝑖 𝑛é𝑐𝑒𝑠𝑠𝑎𝑖𝑟𝑒 ) 𝑙𝑒𝑠 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑠
𝑐1 , 𝑐2 , ⋯ , 𝑐𝑛 𝑝𝑜𝑢𝑟 𝑑𝑜𝑛𝑛𝑒𝑟 𝑙 ′ 𝑒𝑥𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 𝑙𝑒 𝑝𝑙𝑢𝑠 𝑐𝑙𝑎𝑖𝑟 𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒.

𝟑) 𝑳𝒆𝒔 𝒇𝒂𝒄𝒕𝒆𝒖𝒓𝒔 𝒆𝒕 𝒍𝒆𝒔 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆𝒔

𝒂) 𝑳𝒆𝒔 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆𝒔 𝒅𝒆 𝒔𝒊𝒈𝒏𝒆
𝑃𝑢𝑖𝑠𝑞𝑢′ 𝑖𝑙 𝑠 ′ 𝑎𝑔𝑖𝑡 𝑑𝑒𝑠 𝑞𝑢𝑎𝑛𝑡𝑖𝑡é𝑠 , 𝑙𝑒𝑠 𝑣𝑎𝑙𝑒𝑢𝑟𝑠 𝑑𝑒 𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 𝑠𝑜𝑛𝑡 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑒𝑠 𝑜𝑢 𝑛𝑢𝑙𝑙𝑒𝑠 ( 𝑙𝑒𝑠 𝑐𝑜𝑛𝑡𝑎𝑖𝑛𝑡𝑒𝑠
𝑑𝑒 𝑛𝑜𝑛 − 𝑛é𝑔𝑎𝑡𝑖𝑣𝑖𝑡é 𝑒𝑥𝑖𝑠𝑡𝑒𝑛𝑡 𝑡𝑜𝑢𝑗𝑜𝑢𝑟𝑠 ). 𝑂𝑛 é𝑐𝑟𝑖𝑡 ∶ 𝑥1 ≥ 0 , 𝑥2 ≥ 0 , ⋯ , 𝑥𝑛 ≥ 0.
𝒃) 𝑳𝒆𝒔 𝒇𝒂𝒄𝒕𝒆𝒖𝒓𝒔 𝒆𝒕 𝒖𝒏𝒊𝒕é𝒔 𝒅′𝒐𝒆𝒖𝒗𝒓𝒆𝒔
𝐿𝑒𝑠 𝑓𝑎𝑐𝑡𝑒𝑢𝑟𝑠 𝑛𝑜𝑡é𝑠 𝐹1 , 𝐹2 , ⋯ , 𝐹𝑛 𝑠𝑜𝑛𝑡 𝑙𝑒𝑠 é𝑙é𝑚𝑒𝑛𝑡𝑠 𝑜𝑢 𝑝ℎé𝑛𝑜𝑚è𝑛𝑒𝑠 𝑡𝑒𝑐ℎ𝑛𝑖𝑞𝑢𝑒𝑠 (𝑚𝑎𝑡𝑖è𝑟𝑒𝑠 , 𝑚𝑎𝑐ℎ𝑖𝑛𝑒𝑠,
𝑚𝑎𝑖𝑛 𝑑 ′ 𝑜𝑒𝑢𝑣𝑟𝑒, 𝑎𝑟𝑔𝑒𝑛𝑡 , 𝑚𝑎𝑟𝑐ℎé , 𝑒𝑡𝑐 ) 𝑢𝑡𝑖𝑙𝑖𝑠é𝑠 𝑝𝑜𝑢𝑟 𝑜𝑏𝑡𝑒𝑛𝑖𝑟 𝑙𝑒𝑠 𝑐𝑎𝑢𝑠𝑒𝑠 ( 𝑝𝑟𝑜𝑑𝑢𝑖𝑡𝑠 ).
𝐶ℎ𝑎𝑞𝑢𝑒 𝑓𝑎𝑐𝑡𝑒𝑢𝑟 𝑎 𝑠𝑜𝑛 𝑢𝑛𝑖𝑡é 𝑑𝑒 𝑚𝑒𝑠𝑢𝑟𝑒 ( 𝑘𝑔 , 𝑚 , ℎ , 𝑒𝑡𝑐. )𝑞𝑢𝑒 𝑙 ′ 𝑜𝑛 𝑑é𝑠𝑖𝑔𝑛𝑒 𝑝𝑎𝑟 𝑢𝑛𝑖𝑡é 𝑑 ′ 𝑜𝑒𝑢𝑣𝑟𝑒( 𝑈𝑂 ).
𝒄) 𝑳𝒆𝒔 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆𝒔 𝒍𝒊é𝒆𝒔 𝒂𝒖𝒙 𝒇𝒂𝒄𝒕𝒆𝒖𝒓𝒔
𝐶ℎ𝑎𝑞𝑢𝑒 𝑐𝑎𝑢𝑠𝑒 𝑢𝑡𝑖𝑙𝑖𝑠𝑒 𝑙𝑒𝑠 𝑓𝑎𝑐𝑡𝑒𝑢𝑟𝑠 𝑑𝑎𝑛𝑠 𝑢𝑛𝑒 𝑐𝑒𝑟𝑡𝑎𝑖𝑛𝑒 𝑝𝑟𝑜𝑝𝑜𝑟𝑡𝑖𝑜𝑛 𝑢𝑛𝑖𝑡𝑎𝑖𝑟𝑒. 𝑂𝑛 𝑑é𝑠𝑖𝑔𝑛𝑒 𝑝𝑎𝑟 𝑎𝑖𝑗 𝑙𝑎
𝑝𝑟𝑜𝑝𝑜𝑟𝑡𝑖𝑜𝑛 𝑑𝑒 𝐹𝑖 𝑑𝑎𝑛𝑠 𝑢𝑛𝑒 𝑢𝑛𝑖𝑡é 𝑑𝑒 𝑙𝑎 𝑐𝑎𝑢𝑠𝑒 𝑥𝑗 .
𝑬𝒙𝒆𝒎𝒑𝒍𝒆 ∶ 𝑎23 𝑒𝑠𝑡 𝑙𝑎 𝑝𝑟𝑜𝑝𝑜𝑟𝑡𝑖𝑜𝑛 𝑑𝑒 𝐹2 𝑑𝑎𝑛𝑠 𝑥3 .
𝐿𝑒𝑠 𝑓𝑎𝑐𝑡𝑒𝑢𝑟𝑠 𝑠𝑜𝑛𝑡 𝑙𝑖𝑚𝑖𝑡é𝑠 ( 𝑐𝑎𝑝𝑎𝑐𝑖𝑡é 𝑜𝑢 𝑑𝑖𝑠𝑝𝑜𝑛𝑜𝑏𝑖𝑙𝑖𝑡é 𝑚𝑎𝑥𝑖𝑚𝑎𝑙𝑒 , 𝑑𝑒𝑚𝑎𝑛𝑑𝑒 𝑜𝑢 𝑏𝑒𝑠𝑜𝑖𝑛 𝑚𝑖𝑛𝑖𝑚𝑎𝑙 )𝑒𝑡
5
𝑐𝑒𝑡𝑡𝑒 𝑙𝑖𝑚𝑖𝑡𝑒 𝑣𝑎 𝑖𝑚𝑝𝑜𝑠𝑒𝑟 𝑑𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠. 𝑂𝑛 𝑛𝑜𝑡𝑒𝑟𝑎 𝑏1 , 𝑏2 , ⋯ , 𝑏𝑚 𝑙𝑒𝑠 𝑙𝑖𝑚𝑖𝑡𝑒𝑠 𝑝𝑜𝑢𝑟 𝑙𝑒𝑠 𝑓𝑎𝑐𝑡𝑒𝑢𝑟𝑠.
¬ 𝑆𝑖 𝑙𝑎 𝑙𝑖𝑚𝑖𝑡𝑒 𝑏𝑖 𝑒𝑠𝑡 𝑢𝑛 𝑚𝑎𝑥𝑖𝑚𝑢𝑚 𝑝𝑜𝑢𝑟 𝐹𝑖 , 𝑙𝑎 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑒𝑠𝑡 ∶
𝑎𝑖1 𝑥1 + 𝑎𝑖2 𝑥2 + ⋯ + 𝑎𝑖𝑛 𝑥𝑛 ≤ 𝑏𝑖 .
¬ 𝑆𝑖 𝑙𝑎 𝑙𝑖𝑚𝑖𝑡𝑒 𝑏𝑖 𝑒𝑠𝑡 𝑢𝑛 𝑚𝑎𝑥𝑖𝑚𝑢𝑚 𝑝𝑜𝑢𝑟 𝐹𝑖 , 𝑙𝑎 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑒𝑠𝑡 ∶
𝑎𝑖1 𝑥1 + 𝑎𝑖2 𝑥2 + ⋯ + 𝑎𝑖𝑛 𝑥𝑛 ≥ 𝑏𝑖 .
𝑂𝑛 𝑎𝑏𝑜𝑢𝑡𝑖𝑡 à 𝑢𝑛 𝑠𝑦𝑠𝑡è𝑚𝑒 𝑑𝑒 𝑚 𝑖𝑛é𝑞𝑢𝑎𝑡𝑖𝑜𝑛𝑠 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒𝑠 ( 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑓𝑎𝑐𝑡𝑒𝑢𝑟𝑠).
𝑹𝒆𝒎𝒂𝒓𝒒𝒖𝒆𝒔
∎ 𝐼𝑙 𝑒𝑥𝑖𝑠𝑡𝑒 𝑑𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑞𝑢𝑖 𝑛′ 𝑢𝑡𝑖𝑙𝑖𝑠𝑒𝑛𝑡 𝑞𝑢′ 𝑢𝑛𝑒 𝑠𝑒𝑢𝑙𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒. 𝐷𝑜𝑛𝑐 𝑝𝑜𝑢𝑟 𝐹𝑖 , 𝑙𝑎 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑒𝑠𝑡
𝑑𝑒 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 ∶ 𝑎𝑖𝑗 𝑥𝑗 ≥ 𝑏𝑖 𝑜𝑢 𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 .
∎ 𝑆𝑖 𝑢𝑛 𝑓𝑎𝑐𝑡𝑒𝑢𝑟 𝑛′ 𝑒𝑠𝑡 𝑝𝑎𝑠 𝑙𝑖𝑚𝑖𝑡é, 𝑎𝑙𝑜𝑟𝑠 𝑖𝑙 𝑛′ 𝑖𝑛𝑑𝑢𝑖𝑡 𝑝𝑎𝑠 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠.

𝟒) 𝑭𝒐𝒓𝒎𝒆 𝒄𝒂𝒏𝒐𝒏𝒊𝒒𝒖𝒆
𝐿𝑎 𝑓𝑜𝑟𝑚𝑒 𝑐𝑎𝑛𝑜𝑛𝑖𝑞𝑢𝑒 𝑒𝑠𝑡 𝑙𝑎 𝑓𝑜𝑟𝑚𝑢𝑙𝑎𝑡𝑖𝑜𝑛 𝑚𝑎𝑡ℎé𝑚𝑎𝑡𝑖𝑞𝑢𝑒 𝑑𝑢 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒. 𝐸𝑙𝑙𝑒 𝑒𝑠𝑡 𝑙𝑎 𝑗𝑢𝑥𝑡𝑎𝑝𝑜𝑠𝑖𝑡𝑖𝑜𝑛 𝑑 ′ 𝑢𝑛𝑒
𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑒𝑡 𝑑 ′ 𝑢𝑛 𝑠𝑦𝑠𝑡è𝑚𝑒 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠.
𝐿𝑒 𝑝𝑎𝑠𝑠𝑎𝑔𝑒 𝑑′ 𝑢𝑛 𝑡𝑒𝑥𝑡𝑒 𝑙𝑖𝑡𝑡é𝑟𝑎𝑖𝑟𝑒 à 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 𝑚𝑎𝑡ℎé𝑚𝑎𝑡𝑖𝑞𝑢𝑒 𝑒𝑠𝑡 𝑙𝑎 𝑚𝑖𝑠𝑒 𝑠𝑜𝑢𝑠 𝑓𝑜𝑟𝑚𝑒 𝑐𝑎𝑛𝑜𝑛𝑖𝑞𝑢𝑒.
𝐼𝑙 𝑐𝑜𝑛𝑣𝑖𝑒𝑛𝑡 𝑑𝑒 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑒𝑟 𝑙𝑒𝑠 é𝑡𝑎𝑝𝑒𝑠 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒𝑠 𝑎𝑓𝑖𝑛 𝑑′ é𝑡𝑎𝑏𝑙𝑖𝑟 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 𝑐𝑎𝑛𝑜𝑛𝑖𝑞𝑢𝑒 ∶
¬ 𝑐ℎ𝑜𝑖𝑥 𝑑𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 ∶ 𝑑é𝑓𝑖𝑛𝑖𝑟 𝑙𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑒𝑡 𝑙𝑒𝑢𝑟𝑠 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑎𝑛𝑐𝑒𝑠 ,
¬ 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 ∶ 𝑑é𝑓𝑖𝑛𝑖𝑟 𝑙 ′ 𝑜𝑏𝑗𝑒𝑐𝑡𝑖𝑓 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 𝑒𝑡 𝑑𝑜𝑛𝑛𝑒𝑟 𝑠𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 ,
¬ 𝑙𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 ∶ 𝑝𝑎𝑠𝑠𝑒𝑟 𝑒𝑛 𝑟𝑒𝑣𝑢𝑒 𝑡𝑜𝑢𝑠 𝑙𝑒𝑠 𝑓𝑎𝑐𝑡𝑒𝑢𝑟𝑠 𝑒𝑡 𝑑𝑜𝑛𝑛𝑒𝑟 𝑙𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑞𝑢𝑖 𝑒𝑛 𝑟é𝑠𝑢𝑙𝑡𝑒𝑛𝑡.
¬ 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 ∶ 𝑗𝑢𝑥𝑡𝑎𝑝𝑜𝑠𝑒𝑟 𝑒𝑛 𝑟é𝑠𝑢𝑚é 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 𝑒𝑡 𝑙𝑒 𝑠𝑦𝑠𝑡è𝑚𝑒 𝑑𝑒𝑠
𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠.
𝐺é𝑛é𝑟𝑎𝑙𝑒𝑚𝑒𝑛𝑡, 𝑒𝑙𝑙𝑒 𝑠𝑒 𝑝𝑟é𝑠𝑒𝑛𝑡𝑒 𝑐𝑜𝑚𝑚𝑒 𝑠𝑢𝑖𝑡 ∶
𝑀𝑎𝑥 [𝑍 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛 ]
𝑥1 ≥ 0 , 𝑥2 ≥ 0 , ⋯ , 𝑥𝑛 ≥ 0
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 ≤ 𝑏1
𝑆⁄𝐶 𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 ≤ 𝑏2
⋮
{𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 ≤ 𝑏𝑚

𝑂𝑛 𝑐ℎ𝑒𝑟𝑐ℎ𝑒 𝑑𝑜𝑛𝑐 à 𝑐𝑜𝑛𝑛𝑎î𝑡𝑟𝑒 𝑙𝑒𝑠 𝑣𝑎𝑙𝑒𝑢𝑟𝑠 𝑑𝑒𝑠 𝑛 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑝𝑒𝑟𝑚𝑒𝑡𝑡𝑎𝑛𝑡 𝑑𝑒 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑒𝑟 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛
é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 𝑍 , 𝑡𝑜𝑢𝑡 𝑒𝑛 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑎𝑛𝑡 𝑙𝑒𝑠 𝑚 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑑𝑢 𝑠𝑦𝑠𝑡è𝑚𝑒.

6
 𝟓) 𝑭𝒐𝒓𝒎𝒆 𝒔𝒕𝒂𝒏𝒅𝒂𝒓𝒅
𝑃𝑜𝑢𝑟 𝑜𝑏𝑡𝑒𝑛𝑖𝑟 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 , 𝑜𝑛 𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑒 𝑙𝑒𝑠 𝑖𝑛é𝑔𝑎𝑙𝑖𝑡é𝑠 𝑑𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒𝑠 𝑒𝑛 é𝑔𝑎𝑙𝑖𝑡é𝑠 𝑝𝑎𝑟
𝑖𝑛𝑡𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛 𝑑𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑠𝑢𝑝𝑝𝑙é𝑚𝑒𝑛𝑡𝑎𝑖𝑟𝑒𝑠 𝒑𝒐𝒔𝒊𝒕𝒊𝒗𝒆𝒔 𝒐𝒖 𝒏𝒖𝒍𝒍𝒆𝒔 𝑎𝑝𝑝𝑒𝑙é𝑒𝑠 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆𝒔 𝒅′ é𝒄𝒂𝒓𝒕.
𝐿𝑎 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑 𝑑𝑢 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡 𝑒𝑠𝑡 𝑙𝑒 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 ∶
𝑀𝑎𝑥 [𝑍 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛 ]
𝑥1 ≥ 0 , 𝑥2 ≥ 0 , ⋯ , 𝑥𝑛 ≥ 0 𝑒1 ≥ 0 , 𝑒2 ≥ 0 , ⋯ , 𝑒𝑚 ≥ 0
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑛 𝑥𝑛 + 𝑒1 = 𝑏1
⁄
𝑆 𝐶 𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑛 𝑥𝑛 + 𝑒2 = 𝑏2
⋮
{ 𝑎 𝑥
𝑚1 1 + 𝑎 𝑥
𝑚2 2 + ⋯ + 𝑎𝑚𝑛 𝑥𝑛 + 𝑒𝑚 = 𝑏𝑚
𝑹𝒆𝒎𝒂𝒓𝒒𝒖𝒆
𝑈𝑛 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑒𝑠𝑡 𝑑𝑖𝑡 𝑠𝑜𝑢𝑠 𝑓𝑜𝑟𝑚𝑒 𝑠𝑖𝑚𝑝𝑙𝑖𝑐𝑖𝑎𝑙𝑒 𝑠𝑖 ∶
∎ 𝑖𝑙 𝑒𝑠𝑡 𝑠𝑜𝑢𝑠 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑
∎ 𝑙𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑑𝑢 𝑠𝑒𝑐𝑜𝑛𝑑 𝑚𝑒𝑚𝑏𝑟𝑒 𝑠𝑜𝑛𝑡 𝑡𝑜𝑢𝑡𝑒𝑠 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑒𝑠

𝑨𝒑𝒑𝒍𝒊𝒄𝒂𝒕𝒊𝒐𝒏 𝟏
𝑈𝑛𝑒 𝑒𝑛𝑡𝑟𝑒𝑝𝑟𝑖𝑠𝑒 𝑓𝑎𝑏𝑟𝑖𝑞𝑢𝑒 𝑑𝑒𝑢𝑥 𝑡𝑦𝑝𝑒𝑠 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑖𝑡𝑠 𝑃1 𝑒𝑡 𝑃2 , 𝑢𝑠𝑖𝑛é𝑠 𝑑𝑎𝑛𝑠 𝑙𝑒𝑠 𝑎𝑡𝑒𝑙𝑖𝑒𝑟𝑠 𝐴1 𝑒𝑡 𝐴1 .
𝐿𝑒𝑠 𝑡𝑒𝑚𝑝𝑠 𝑑′ 𝑢𝑠𝑖𝑛𝑎𝑔𝑒 𝑠𝑜𝑛𝑡 ∶
∎ 𝑃1 ∶ 3 ℎ𝑒𝑢𝑟𝑒𝑠 𝑑𝑎𝑛𝑠 𝑙 ′ 𝑎𝑡𝑒𝑙𝑖𝑒𝑟 𝐴1 𝑒𝑡 6 ℎ𝑒𝑢𝑟𝑒𝑠 𝑑𝑎𝑛𝑠 𝑙 ′ 𝑎𝑡𝑒𝑙𝑖𝑒𝑟 𝐴2 .
∎ 𝑃2 ∶ 4 ℎ𝑒𝑢𝑟𝑒𝑠 𝑑𝑎𝑛𝑠 𝑙 ′ 𝑎𝑡𝑒𝑙𝑖𝑒𝑟 𝐴1 𝑒𝑡 3 ℎ𝑒𝑢𝑟𝑒𝑠 𝑑𝑎𝑛𝑠 𝑙 ′ 𝑎𝑡𝑒𝑙𝑖𝑒𝑟 𝐴2 .
𝐿𝑒 𝑡𝑒𝑚𝑝𝑠 𝑑𝑒 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑡é ℎ𝑒𝑏𝑑𝑜𝑚𝑎𝑑𝑎𝑖𝑟𝑒 𝑑𝑒 𝑙 ′ 𝑎𝑡𝑒𝑙𝑖𝑒𝑟 𝐴1 𝑒𝑠𝑡 𝑑𝑒 160 ℎ𝑒𝑢𝑟𝑒𝑠 𝑒𝑡 𝑐𝑒𝑙𝑢𝑖 𝑑𝑒 𝑙 ′ 𝑎𝑡𝑒𝑙𝑖𝑒𝑟 𝐴2 𝑒𝑠𝑡 𝑑𝑒
180 ℎ𝑒𝑢𝑟𝑒𝑠.
𝐿𝑎 𝑚𝑎𝑟𝑔𝑒 𝑏é𝑛é𝑓𝑖𝑐𝑖𝑎𝑟𝑒 𝑒𝑠𝑡 𝑑𝑒 1.200 𝐹 𝑝𝑜𝑢𝑟 𝑙𝑒 𝑝𝑟𝑜𝑑𝑢𝑖𝑡 𝑃1 𝑒𝑡 1.000 𝐹 𝑝𝑜𝑢𝑟 𝑙𝑒 𝑝𝑟𝑜𝑑𝑢𝑖𝑡 𝑃2 .

𝑹é𝒔𝒐𝒍𝒖𝒕𝒊𝒐𝒏
∎ 𝑽𝒂𝒓𝒊𝒂𝒃𝒍𝒆𝒔 é𝒄𝒐𝒏𝒐𝒎𝒊𝒒𝒖𝒆𝒔 𝒐𝒖 𝒅′ 𝒂𝒄𝒕𝒊𝒗𝒊𝒕é𝒔

𝐶𝑒𝑢𝑥 𝑠𝑜𝑛𝑡 𝑙𝑒𝑠 𝑖𝑛𝑐𝑜𝑛𝑛𝑢𝑒𝑠 ∶

¬ 𝑥1 = 𝑙𝑎 𝑞𝑢𝑎𝑛𝑡𝑖𝑡é 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑖𝑡 𝑃1 à 𝑓𝑎𝑏𝑟𝑖𝑞𝑢𝑒𝑟
¬ 𝑥2 = 𝑙𝑎 𝑞𝑢𝑎𝑛𝑡𝑖𝑡é 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑖𝑡 𝑃2 à 𝑓𝑎𝑏𝑟𝑖𝑞𝑢𝑒𝑟

7
∎ 𝑪𝒐𝒏𝒕𝒓𝒖𝒄𝒕𝒊𝒐𝒏 𝒅′ 𝒖𝒏 𝒕𝒂𝒃𝒍𝒆𝒂𝒖

𝑃𝑟𝑜𝑑𝑢𝑖𝑡 →
𝑃1 𝑃2 𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑡é
𝐴𝑡𝑒𝑙𝑖𝑒𝑟 ↓
𝐴1 3 4 160
𝐴2 6 3 180

𝑀𝑎𝑟𝑔𝑒 1.200 1.000

∎ 𝑪𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆𝒔 é𝒄𝒐𝒏𝒐𝒎𝒊𝒒𝒖𝒆
¬ 3 𝑥1 + 4 𝑥2 ≤ 160 𝑝𝑜𝑢𝑟 𝑙 ′ 𝑎𝑡𝑒𝑙𝑖𝑒𝑟 𝐴1
¬ 6 𝑥1 + 3 𝑥2 ≤ 180 𝑝𝑜𝑢𝑟 𝑙 ′ 𝑎𝑡𝑒𝑙𝑖𝑒𝑟 𝐴2
∎ 𝑪𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆𝒔 𝒅𝒆 𝒔𝒊𝒈𝒏𝒆𝒔
𝑥1 ≥ 0 , 𝑥2 ≥ 0
∎ 𝑭𝒐𝒏𝒄𝒕𝒊𝒐𝒏 é𝒄𝒐𝒏𝒐𝒎𝒊𝒒𝒖𝒆 𝒐𝒖 𝒐𝒃𝒋𝒆𝒄𝒕𝒊𝒇
𝑍 = 1.200 𝑥1 + 1.000 𝑥2 à 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑒𝑟
∎ 𝑭𝒐𝒓𝒎𝒆 𝒄𝒂𝒏𝒐𝒏𝒊𝒒𝒖𝒆
𝑥1 ≥ 0 , 𝑥2 ≥ 0
{3 𝑥1 + 4 𝑥2 ≤ 160
6 𝑥1 + 3 𝑥2 ≤ 180
𝑴𝒂𝒙(𝒁) = 1.200 𝑥1 + 1.000 𝑥2
∎ 𝑭𝒐𝒓𝒎𝒆 𝒔𝒕𝒂𝒏𝒅𝒂𝒓𝒅
𝑥1 ≥ 0 , 𝑥2 ≥ 0 , 𝑒1 ≥ 0 , 𝑒2 ≥ 0
{ 3 𝑥1 + 4 𝑥2 + 𝑒1 = 160
6 𝑥1 + 3 𝑥2 + 𝑒2 = 180
𝑀𝑎𝑥(𝑍) = 1.200 𝑥1 + 1.000 𝑥2 + 0 𝑒1 + 0 𝑒2

8
𝑬𝒙𝒆𝒓𝒄𝒊𝒄𝒆 𝟏

𝑈𝑛 é𝑏é𝑛𝑖𝑠𝑡𝑒 𝑓𝑎𝑏𝑟𝑖𝑞𝑢𝑒 𝑑𝑒𝑠 𝑏𝑢𝑟𝑒𝑎𝑢𝑥 𝑠𝑜𝑢𝑠 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑 𝑜𝑢 𝑙𝑢𝑥𝑒.

𝐷𝑒𝑠 é𝑡𝑢𝑑𝑒𝑠 𝑑𝑒 𝑚𝑎𝑟𝑐ℎé 𝑜𝑛𝑡 𝑚𝑜𝑛𝑡𝑟é 𝑞𝑢𝑒 𝑝𝑜𝑢𝑟 𝑙 ′ 𝑎𝑛𝑛é𝑒 à 𝑣𝑒𝑛𝑖𝑟, 𝑙𝑒𝑠 𝑝𝑜𝑠𝑠𝑖𝑏𝑖𝑙𝑖𝑡é𝑠 𝑑𝑒 𝑣𝑒𝑛𝑡𝑒 𝑠 ′ é𝑙è𝑣𝑒𝑛𝑡 à 300

𝑢𝑛𝑖𝑡é𝑠 𝑝𝑜𝑢𝑟 𝑙𝑒 𝑚𝑜𝑑è𝑙𝑒 𝑙𝑢𝑥𝑒 𝑒𝑡 400 𝑢𝑛𝑖𝑡é𝑠 𝑝𝑜𝑢𝑟 𝑙𝑒 𝑚𝑜𝑑è𝑙𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑.

𝐿′ 𝑎𝑝𝑝𝑟𝑜𝑣𝑖𝑠𝑖𝑜𝑛𝑛𝑚𝑒𝑛𝑡 𝑒𝑛 𝑏𝑜𝑖𝑠 𝑒𝑠𝑡 𝑠𝑢𝑓𝑓𝑖𝑠𝑎𝑛𝑡 𝑝𝑜𝑢𝑟 𝑓𝑎𝑏𝑟𝑖𝑞𝑢𝑒𝑟 𝑎𝑛𝑛𝑢𝑒𝑙𝑙𝑒𝑚𝑒𝑛𝑡 500 𝑏𝑢𝑟𝑒𝑎𝑢𝑥 𝑞𝑢𝑒𝑙 𝑞𝑢𝑒 𝑠𝑜𝑖𝑡 𝑙𝑒

𝑡𝑦𝑝𝑒.

𝑃𝑎𝑟 𝑎𝑖𝑙𝑙𝑒𝑢𝑟𝑠, 𝑙𝑒 𝑡𝑒𝑚𝑝𝑠 𝑑𝑒 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑑′ 𝑢𝑛 𝑚𝑜𝑑è𝑙𝑒 𝑙𝑢𝑥𝑒 𝑒𝑠𝑡 𝑙𝑒 𝑑𝑜𝑢𝑏𝑙𝑒 𝑑𝑒 𝑐𝑒𝑙𝑢𝑖 𝑑 ′ 𝑢𝑛 𝑏𝑢𝑟𝑒𝑎𝑢 𝑚𝑜𝑑è𝑙𝑒

𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑. 𝐿𝑎 𝑐𝑎𝑝𝑎𝑐𝑖𝑡é 𝑎𝑛𝑛𝑢𝑒𝑙𝑙𝑒 𝑑𝑒 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑒𝑠𝑡 𝑡𝑒𝑙𝑙𝑒 𝑞𝑢𝑒, 𝑠𝑖 𝑡𝑜𝑢𝑠 𝑙𝑒𝑠 𝑏𝑢𝑟𝑒𝑎𝑢𝑥 𝑓𝑎𝑏𝑟𝑖𝑞𝑢é𝑠 é𝑡𝑎𝑖𝑒𝑛𝑡 𝑑𝑒 𝑡𝑦𝑝𝑒

𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑, 𝑜𝑛 𝑝𝑜𝑢𝑟𝑟𝑎𝑖𝑡 𝑒𝑛 𝑓𝑎𝑏𝑟𝑖𝑞𝑢𝑒𝑟 700 𝑎𝑢 𝑚𝑎𝑥𝑖𝑚𝑢𝑚.

𝐿𝑎 𝑣𝑒𝑛𝑡𝑒 𝑑′ 𝑢𝑛 𝑏𝑢𝑟𝑒𝑎𝑢 𝑠𝑜𝑢𝑠 𝑙𝑒 𝑚𝑜𝑑è𝑙𝑒 𝑙𝑢𝑥𝑒 𝑐𝑜𝑛𝑑𝑢𝑖𝑡 à 𝑢𝑛𝑒 𝑚𝑎𝑟𝑔𝑒 𝑢𝑛𝑖𝑡𝑎𝑖𝑟𝑒 𝑠𝑢𝑟 𝑐𝑜û𝑡 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 é𝑔𝑎𝑙𝑒 à 7,

𝑐𝑒𝑙𝑙𝑒 𝑑 ′ 𝑢𝑛 𝑏𝑢𝑟𝑒𝑎𝑢 𝑑𝑢 𝑡𝑦𝑝𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑 é𝑔𝑎𝑙𝑒 à 5.

𝑂𝑛 𝑠𝑒 𝑝𝑟𝑜𝑝𝑜𝑠𝑒 𝑑𝑒 𝑟𝑒𝑐ℎ𝑒𝑟𝑐ℎ𝑒𝑟 𝑙𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑎𝑛𝑛𝑢𝑒𝑙 𝑑𝑒 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑐𝑜𝑛𝑑𝑢𝑖𝑠𝑎𝑛𝑡 𝑎𝑢 𝑝𝑟𝑜𝑓𝑖𝑡 𝑔𝑙𝑜𝑏𝑎𝑙

𝑚𝑎𝑥𝑖𝑚𝑢𝑚.

𝑬𝒙𝒆𝒓𝒄𝒊𝒄𝒆 𝟐

𝑈𝑛𝑒 𝑒𝑛𝑡𝑟𝑒𝑝𝑟𝑖𝑠𝑒 𝑓𝑎𝑏𝑟𝑖𝑞𝑢𝑒 𝑡𝑟𝑜𝑖𝑠 𝑡𝑦𝑝𝑒𝑠 𝑑𝑒 𝑗𝑜𝑢𝑒𝑡𝑠 ∶ 𝑐𝑙𝑎𝑠𝑠𝑖𝑞𝑢𝑒 , 𝑟𝑢𝑠𝑡𝑖𝑞𝑢𝑒 𝑒𝑡 𝑚𝑜𝑑𝑒𝑟𝑛𝑒.

𝐿𝑒𝑠 𝑡𝑎𝑛𝑑𝑎𝑟𝑑𝑠 𝑢𝑛𝑖𝑡𝑎𝑖𝑟𝑒𝑠 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛 𝑠𝑜𝑛𝑡 𝑟é𝑠𝑢𝑚é𝑠 𝑑𝑎𝑛𝑠 𝑙𝑒 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 ∶

𝑐𝑙𝑎𝑠𝑠𝑖𝑞𝑢𝑒 𝑟𝑢𝑠𝑡𝑖𝑞𝑢𝑒 𝑚𝑜𝑑𝑒𝑟𝑛𝑒 𝑐𝑎𝑝𝑎𝑐𝑖𝑡é 𝑚𝑎𝑥𝑖𝑚𝑎𝑙𝑒

𝐵𝑜𝑖𝑠 5 8 5 900

𝑀𝑎𝑖𝑛 𝑑′ 𝑜𝑒𝑢𝑣𝑟𝑒 1 2 3 516

𝐶𝑒𝑛𝑡𝑟𝑒 𝑑𝑒 𝑓𝑖𝑛𝑖𝑡𝑖𝑜𝑛 2 2 0 200

𝑀𝑎𝑟𝑔𝑒𝑠 𝑠𝑢𝑟 𝑐𝑜û𝑡𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 1.000 960 1.200

𝐷é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟 𝑙𝑒𝑠 𝑞𝑢𝑎𝑛𝑡𝑖𝑡é𝑠 à 𝑝𝑟𝑜𝑑𝑢𝑖𝑟𝑒 𝑝𝑜𝑢𝑟 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑒𝑟 𝑠𝑜𝑛 𝑟é𝑠𝑢𝑙𝑡𝑎𝑡.

9
𝑹é𝒔𝒐𝒍𝒖𝒕𝒊𝒐𝒏

𝑬𝒙𝒆𝒓𝒄𝒊𝒄𝒆 𝟏

∎ 𝑫é𝒇𝒊𝒏𝒊𝒕𝒊𝒐𝒏 𝒅𝒆𝒔 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆𝒔

¬ 𝑥1 𝑙𝑒 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑏𝑢𝑟𝑒𝑎𝑢𝑥 𝑑𝑢 𝑡𝑦𝑝𝑒 𝑙𝑢𝑥𝑒,

¬ 𝑥2 𝑙𝑒 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑏𝑢𝑟𝑒𝑎𝑢𝑥 𝑑𝑢 𝑡𝑦𝑝𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑.

∎ 𝑪𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆𝒔 é𝒄𝒐𝒏𝒐𝒎𝒊𝒒𝒖𝒆
¬ 𝑥1 ≤ 300

¬ 𝑥2 ≤ 400

¬ 𝑥1 + 𝑥2 ≤ 500

¬ 2 𝑥1 + 𝑥2 ≤ 700

∎ 𝑭𝒐𝒏𝒄𝒕𝒊𝒐𝒏 é𝒄𝒐𝒏𝒐𝒎𝒊𝒒𝒖𝒆 𝒐𝒖 𝒐𝒃𝒋𝒆𝒄𝒕𝒊𝒇

𝑍 = 7 𝑥1 + 5 𝑥2 à 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑒𝑟

∎ 𝑭𝒐𝒓𝒎𝒆 𝒄𝒂𝒏𝒐𝒏𝒊𝒒𝒖𝒆
𝑥1 ≥ 0 , 𝑥2 ≥ 0
𝑥1 ≤ 300
𝑥2 ≤ 400
𝑥1 + 𝑥2 ≤ 500
2 𝑥1 + 𝑥2 ≤ 700
{ 𝑚𝑎𝑥(𝑍) = 7 𝑥1 + 5 𝑥2

∎ 𝑭𝒐𝒓𝒎𝒆 𝒔𝒕𝒂𝒏𝒅𝒂𝒓𝒅
𝑥1 ≥ 0 , 𝑥2 ≥ 0 , 𝑒1 ≥ 0 , 𝑒2 ≥ 0 , 𝑒3 ≥ 0 , 𝑒4 ≥ 0
𝑥1 + 𝑒1 = 300
𝑥2 + 𝑒2 = 400
𝑥1 + 𝑥2 + 𝑒3 = 500
2 𝑥1 + 𝑥2 + 𝑒4 = 700
{ 𝑚𝑎𝑥( 𝑍) = 7 𝑥1 + 5 𝑥2 + 0 𝑒1 + 0 𝑒2 + 0𝑒3 + 0𝑒4

10
𝑬𝒙𝒆𝒓𝒄𝒊𝒄𝒆 𝟐

∎ 𝑫é𝒇𝒊𝒏𝒊𝒕𝒊𝒐𝒏 𝒅𝒆𝒔 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆𝒔

¬ 𝑥 𝑙𝑒 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑚𝑜𝑑è𝑙𝑒𝑠 𝑐𝑙𝑎𝑠𝑠𝑖𝑞𝑢𝑒𝑠 à 𝑝𝑟𝑜𝑑𝑢𝑖𝑟𝑒
¬ 𝑦 𝑙𝑒 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑚𝑜𝑑è𝑙𝑒𝑠 𝑟𝑢𝑠𝑡𝑖𝑞𝑢𝑒𝑠 à 𝑝𝑟𝑜𝑑𝑢𝑖𝑟𝑒
¬ 𝑧 𝑙𝑒 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑚𝑜𝑑è𝑙𝑒𝑠 𝑚𝑜𝑑𝑒𝑟𝑛𝑒𝑠 à 𝑝𝑟𝑜𝑑𝑢𝑖𝑟𝑒

∎ 𝑪𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆𝒔 é𝒄𝒐𝒏𝒐𝒎𝒊𝒒𝒖𝒆
¬ 5 𝑥 + 8 𝑦 + 5𝑧 ≤ 900
¬ 𝑥 + 2 𝑦 + 3 𝑧 ≤ 516
¬ 2 𝑥 + 2 𝑦 + 0 𝑧 ≤ 200

∎ 𝑪𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆𝒔 𝒅𝒆 𝒔𝒊𝒈𝒏𝒆𝒔
𝑥≥0 , 𝑦≥0 , 𝑧≥0

∎ 𝑭𝒐𝒏𝒄𝒕𝒊𝒐𝒏 é𝒄𝒐𝒏𝒐𝒎𝒊𝒒𝒖𝒆 𝒐𝒖 𝒐𝒃𝒋𝒆𝒄𝒕𝒊𝒇

𝑍 = 1.000 𝑥 + 960 𝑦 + 1.200 𝑧 à 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑒𝑟

∎ 𝑭𝒐𝒓𝒎𝒆 𝒄𝒂𝒏𝒐𝒏𝒊𝒒𝒖𝒆
𝑥≥0 , 𝑦≥0 , 𝑧≥0
5 𝑥 + 8 𝑦 + 5 𝑧 ≤ 900
{
𝑥 + 2 𝑦 + 3 𝑧 ≤ 516
2 𝑥 + 2 𝑦 + 0 𝑧 ≤ 200
𝑴𝒂𝒙(𝒁) = 1.000 𝑥 + 960 𝑦 + 1.200 𝑧

∎ 𝑭𝒐𝒓𝒎𝒆 𝒔𝒕𝒂𝒏𝒅𝒂𝒓𝒅
𝑥 ≥ 0 , 𝑦 ≥ 0 , 𝑧 ≥ 0 , 𝑒1 ≥ 0 , 𝑒2 ≥ 0 , 𝑒3 ≥ 0
5 𝑥 + 8 𝑦 + 5 𝑧 + 𝑒1 = 900
{
𝑥 + 2 𝑦 + 3 𝑧 + 𝑒2 = 516
2 𝑥 + 2 𝑦 + 0 𝑧 + 𝑒3 = 200
𝑀𝑎𝑥(𝑍) = 1.000 𝑥 + 960 𝑦 + 1.200 𝑧 + 0 𝑒1 + 0 𝑒2 + 0𝑒3

11
 𝑰𝑰 − 𝑴𝑬𝑻𝑯𝑶𝑫𝑬𝑺 𝑫𝑬 𝑹𝑬𝑺𝑶𝑳𝑼𝑻𝑰𝑶𝑵

𝐼𝑙 𝑒𝑥𝑖𝑠𝑡𝑒 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑒𝑠 𝑚é𝑡ℎ𝑜𝑑𝑒𝑠 𝑑𝑒 𝑟é𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒𝑠 𝑑𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑎𝑡𝑖𝑜𝑛 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒.

𝑈𝑛 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑎𝑑𝑚𝑒𝑡𝑡𝑟𝑎 𝑎𝑢 𝑚𝑜𝑖𝑛𝑠 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑠𝑖 𝑙𝑒 𝑠𝑦𝑠𝑡è𝑚𝑒 𝑑𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑒𝑠𝑡 𝑐𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒
𝑐 ′ 𝑒𝑠𝑡 − à − 𝑑𝑖𝑟𝑒 𝑠 ′ 𝑖𝑙 𝑛′ 𝑦 𝑎 𝑝𝑎𝑠 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑑𝑖𝑐𝑡𝑖𝑜𝑛 𝑒𝑛𝑡𝑟𝑒 𝑙𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠.
𝟏) 𝑳𝒂 𝒎é𝒕𝒉𝒐𝒅𝒆 𝒈𝒓𝒂𝒑𝒉𝒊𝒒𝒖𝒆
𝐼𝑙 𝑠 ′ 𝑎𝑔𝑖𝑡 𝑑𝑒 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑒𝑟 𝑔𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒𝑚𝑒𝑛𝑡 𝑙𝑒 𝑠𝑦𝑠𝑡è𝑚𝑒 𝑑𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑡𝑒𝑠 𝑝𝑢𝑖𝑠 𝑡𝑟𝑜𝑢𝑣𝑒𝑟 𝑙𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑞𝑢𝑖
𝑜𝑝𝑡𝑖𝑚𝑖𝑠𝑒 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒. 𝐶𝑒𝑡𝑡𝑒 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑒𝑠𝑡 𝑝𝑟𝑎𝑡𝑖𝑞𝑢𝑒 𝑙𝑜𝑟𝑠𝑞𝑢′ 𝑖𝑙 𝑦 𝑎 𝑑𝑒𝑢𝑥 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠
(𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝑑𝑟𝑜𝑖𝑡𝑒𝑠 𝑑𝑎𝑛𝑠 𝑢𝑛 𝑝𝑙𝑎𝑛 ).
𝐸𝑙𝑙𝑒 𝑐𝑜𝑛𝑠𝑖𝑠𝑡𝑒 à 𝑓𝑎𝑖𝑟𝑒 𝑢𝑛 𝑟é𝑔𝑖𝑜𝑛𝑛𝑒𝑚𝑒𝑛𝑡 𝑑𝑢 𝑝𝑙𝑎𝑛 𝑒𝑛 é𝑡𝑢𝑑𝑖𝑎𝑛𝑡 𝑙𝑒 𝑠𝑖𝑔𝑛𝑒 𝑑𝑒 (𝑎 𝑥 + 𝑏 𝑦 + 𝑐) 𝑎𝑣𝑒𝑐
(𝑎 , 𝑏) ≠ (0 , 0).
𝐿𝑜𝑟𝑠𝑞𝑢′ 𝑖𝑙 𝑛′ 𝑦 𝑎 𝑞𝑢𝑒 𝑑𝑒𝑢𝑥 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑𝑎𝑛𝑠 𝑙𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 , 𝑢𝑛𝑒 𝑟é𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑔𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒 𝑒𝑠𝑡 𝑒𝑛𝑣𝑖𝑠𝑎𝑔𝑒𝑎𝑏𝑙𝑒.
𝐴 𝑡𝑟𝑜𝑖𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑒𝑡 𝑝𝑙𝑢𝑠 , 𝑖𝑙 𝑓𝑎𝑢𝑡 𝑝𝑙𝑢𝑡ô𝑡 𝑒𝑛𝑣𝑖𝑠𝑎𝑔𝑒𝑟 𝑢𝑛𝑒 𝑟é𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑎𝑙𝑔é𝑏𝑟𝑖𝑞𝑢𝑒.
𝒂) 𝑷𝒍𝒂𝒏 𝒅𝒆 𝒓é𝒔𝒐𝒍𝒖𝒕𝒊𝒐𝒏
𝐿𝑒 𝑝𝑙𝑎𝑛 𝑑𝑒 𝑟é𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 à 𝑝𝑎𝑟𝑡𝑖𝑟 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 𝑐𝑎𝑛𝑜𝑛𝑖𝑞𝑢𝑒 𝑞𝑢𝑒 𝑛𝑜𝑢𝑠 𝑝𝑟𝑜𝑝𝑜𝑠𝑜𝑛𝑠 𝑛′ 𝑒𝑠𝑡 𝑝𝑎𝑠 𝑒𝑥𝑐𝑙𝑢𝑠𝑖𝑓 𝑒𝑡
𝑛′ 𝑒𝑠𝑡 𝑞𝑢′ 𝑢𝑛𝑒 𝑝𝑟é𝑠𝑒𝑛𝑡𝑎𝑡𝑖𝑜𝑛 𝑞𝑢𝑒 𝑛𝑜𝑢𝑠 𝑒𝑠𝑝é𝑟𝑜𝑛𝑠 𝑓𝑎𝑐𝑖𝑙𝑒 à 𝑚𝑒𝑡𝑡𝑟𝑒 𝑒𝑛 𝑜𝑒𝑢𝑣𝑟𝑒.
𝑃𝑜𝑢𝑟 𝑢𝑛 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 à 𝑑𝑒𝑢𝑥 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠, 𝑜𝑛 𝑎 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 𝑐𝑎𝑛𝑜𝑛𝑖𝑞𝑢𝑒 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒 ∶
𝑀𝑎𝑥 𝑜𝑢 𝑀𝑖𝑛 [𝑍 = 𝑐1 𝑥1 + 𝑐2 𝑥2 + ⋯ + 𝑐𝑛 𝑥𝑛 ]
𝑥≥0 , 𝑦≥0
𝑎11 𝑥 + 𝑎12 𝑦 ≤ 𝑜𝑢 ≥ 𝑏1
𝑆⁄𝐶 𝑎21 𝑥 + 𝑎22 𝑦 ≤ 𝑜𝑢 ≥ 𝑏2
⋮
{𝑎𝑚1 𝑥 + 𝑎𝑚2 𝑦 ≤ 𝑜𝑢 ≥ 𝑏𝑚
𝑂𝑛 𝑟𝑒𝑚𝑎𝑟𝑞𝑢𝑒𝑟𝑎 𝑞𝑢𝑒 𝑐ℎ𝑎𝑞𝑢𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 ∶ 𝑎11 𝑥 + 𝑎12 𝑦 ≤ 𝑜𝑢 ≥ 𝑏1 𝑒𝑠𝑡 𝑙 ′ é𝑞𝑢𝑎𝑡𝑖𝑜𝑛 𝑑 ′ 𝑢𝑛
𝑑𝑒𝑚𝑖 − 𝑝𝑙𝑎𝑛 𝑑é𝑙𝑖𝑚𝑖𝑡é 𝑝𝑎𝑟 𝑙𝑎 𝑑𝑟𝑜𝑖𝑡𝑒 𝑑𝑜𝑛𝑡 𝑢𝑛𝑒 é𝑞𝑢𝑎𝑡𝑖𝑜𝑛 𝑒𝑠𝑡 𝑎11 𝑥 + 𝑎12 𝑦 = 𝑏1 .
𝐿𝑎 𝑑𝑟𝑜𝑖𝑡𝑒 𝑙𝑖𝑚𝑖𝑡𝑒 (𝐷𝑖 ) ∶ 𝑎11 𝑥 + 𝑎12 𝑦 = 𝑏1 ; 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑 à 𝑙𝑎 𝑠𝑎𝑡𝑢𝑟𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑛𝑢𝑚é𝑟𝑜 𝑖
𝑐 ′ 𝑒𝑠𝑡 − à − 𝑑𝑖𝑟𝑒 𝑞𝑢′ 𝑖𝑙 𝑛′ 𝑦 𝑎 𝑝𝑎𝑠 𝑑 ′ é𝑐𝑎𝑟𝑡 𝑒𝑛𝑡𝑟𝑒 𝑙𝑒𝑠 𝑑𝑒𝑢𝑥 𝑚𝑒𝑚𝑏𝑟𝑒𝑠 𝑑𝑒 𝑙 ′ 𝑖𝑛é𝑞𝑢𝑎𝑡𝑖𝑜𝑛.
𝐿𝑎 𝑟é𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑔𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒 𝑝𝑒𝑢𝑡 𝑠𝑒 𝑓𝑎𝑖𝑟𝑒 𝑠𝑒𝑙𝑜𝑛 𝑙𝑒𝑠 é𝑡𝑎𝑝𝑒𝑠 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒𝑠 ∶
𝑬𝒕𝒂𝒑𝒆 𝟏
𝐷é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟 𝑙𝑒𝑠 𝑑𝑟𝑜𝑖𝑡𝑒𝑠 𝑙𝑖𝑚𝑖𝑡𝑒𝑠 ∶ 𝑜𝑛 𝑑𝑜𝑛𝑛𝑒𝑟𝑎 𝑝𝑜𝑢𝑟 𝑐ℎ𝑎𝑞𝑢𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑡𝑒 (𝑖𝑛é𝑞𝑢𝑎𝑡𝑖𝑜𝑛), 𝑙𝑎 𝑑𝑟𝑜𝑖𝑡𝑒 𝑑𝑒
𝑠𝑎𝑡𝑢𝑟𝑎𝑡𝑖𝑜𝑛 𝑞𝑢𝑖 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑 𝑒𝑡 𝑑𝑒𝑢𝑥 𝑝𝑜𝑖𝑛𝑡𝑠 𝑑𝑒 𝑙𝑎 𝑑𝑟𝑜𝑖𝑡𝑒 ( 𝑔é𝑛é𝑟𝑎𝑙𝑒𝑚𝑒𝑛𝑡 𝑙𝑒𝑠 𝑝𝑜𝑖𝑛𝑡𝑠 𝑠𝑢𝑟 𝑙 ′ 𝑢𝑛 𝑑𝑒𝑠 𝑑𝑒𝑢𝑥
𝑎𝑥𝑒𝑠).
𝑬𝒕𝒂𝒑𝒆 𝟐
𝑅𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑒𝑟 𝑑𝑎𝑛𝑠 𝑢𝑛 𝑚ê𝑚𝑒 𝑟𝑒𝑝è𝑟𝑒 , 𝑔é𝑛é𝑟𝑎𝑙𝑒𝑚𝑒𝑛𝑡 𝑜𝑟𝑡ℎ𝑜𝑔𝑜𝑛𝑎𝑙 , 𝑙𝑒𝑠 𝑑𝑟𝑜𝑖𝑡𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 (𝐷𝑖 ).
12
𝑬𝒕𝒂𝒑𝒆 𝟑
𝐷é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟 𝑙𝑒𝑠 𝑑𝑒𝑚𝑖 − 𝑝𝑙𝑎𝑛𝑠 𝑐𝑜𝑛𝑣𝑒𝑛𝑎𝑛𝑡 𝑎𝑢𝑥 𝑠𝑒𝑛𝑠 𝑑𝑒𝑠 𝑖𝑛é𝑞𝑢𝑎𝑡𝑖𝑜𝑛𝑠 𝑒𝑛 ℎ𝑎𝑐ℎ𝑢𝑟𝑎𝑛𝑡 𝑙𝑒𝑠 𝑑𝑒𝑚𝑖 −
𝑝𝑙𝑎𝑛𝑠 𝑞𝑢𝑖 𝑛𝑒 𝑐𝑜𝑛𝑣𝑖𝑒𝑛𝑛𝑒𝑛𝑡 𝑝𝑎𝑠 𝑎𝑢𝑥 𝑠𝑒𝑛𝑠 𝑑𝑒𝑠 𝑖𝑛é𝑞𝑢𝑎𝑡𝑖𝑜𝑛𝑠.
𝑆𝑖 𝑙𝑒 𝑠𝑦𝑠𝑡è𝑚𝑒 𝑒𝑠𝑡 𝑐𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒, 𝑖𝑙 𝑟𝑒𝑠𝑡𝑒𝑟𝑎 𝑢𝑛𝑒 𝑧𝑜𝑛𝑒 𝑛𝑜𝑛 ℎ𝑎𝑐ℎ𝑢𝑟é𝑒 𝑞𝑢𝑖 𝑒𝑠𝑡 𝑎𝑝𝑝𝑒𝑙é𝑒 𝑧𝑜𝑛𝑒 𝑑 ′ 𝑎𝑐𝑐𝑒𝑝𝑡𝑎𝑏𝑖𝑙𝑖𝑡é.
𝐶𝑒𝑡𝑡𝑒 𝑧𝑜𝑛𝑒 𝑒𝑠𝑡 𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒𝑠 𝑝𝑜𝑖𝑛𝑡𝑠 𝑑𝑢 𝑝𝑙𝑎𝑛 𝑞𝑢𝑖 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑒𝑛𝑡 𝑡𝑜𝑢𝑡𝑒𝑠 𝑙𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 à 𝑙𝑎 𝑓𝑜𝑖𝑠.
𝑬𝒕𝒂𝒑𝒆 𝟒
𝑅𝑒𝑐ℎ𝑒𝑟𝑐ℎ𝑒𝑟 𝑙𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 𝑒𝑛 𝑢𝑡𝑖𝑙𝑖𝑠𝑎𝑛𝑡 𝑙𝑒𝑠 𝑝𝑜𝑖𝑛𝑡𝑠 𝑑 ′ 𝑖𝑛𝑡𝑒𝑟𝑠𝑒𝑐𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑑𝑟𝑜𝑖𝑡𝑒𝑠 (𝐷𝑖 ) 𝑜𝑢 𝑑𝑒𝑠
𝑑𝑟𝑜𝑖𝑡𝑒𝑠 (𝐷𝑖 ) 𝑒𝑡 𝑙𝑒𝑠 𝑎𝑥𝑒𝑠.
𝑻𝒉é𝒐𝒓è𝒎𝒆𝒔
𝐿𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 𝑒𝑠𝑡 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 (𝑀𝑎𝑥 𝑜𝑢 𝑀𝑖𝑛) 𝑒𝑛 𝑢𝑛 𝑑𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑑𝑒 𝑙𝑎 𝑧𝑜𝑛𝑒 𝑑 ′ 𝑎𝑐𝑐𝑒𝑝𝑡𝑎𝑏𝑖𝑙𝑖𝑡é.
𝑆𝑖 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑒𝑠𝑡 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 𝑒𝑛 𝑑𝑒𝑢𝑥 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 , 𝑒𝑙𝑙𝑒 𝑙 ′ 𝑒𝑠𝑡 𝑡𝑜𝑢𝑡 𝑙𝑒 𝑙𝑜𝑛𝑔 𝑑𝑢 𝑠𝑒𝑔𝑚𝑒𝑛𝑡 𝑟𝑒𝑙𝑖𝑎𝑛𝑡 𝑙𝑒𝑠 𝑑𝑒𝑢𝑥
𝑠𝑜𝑚𝑚𝑒𝑡𝑠 . 𝐼𝑙 𝑦 𝑎 𝑎𝑙𝑜𝑟𝑠 𝑢𝑛𝑒 𝑖𝑛𝑓𝑖𝑛𝑖𝑡é 𝑑𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛𝑠 ∶ 𝑐 ′ 𝑒𝑠𝑡 𝑙𝑒 𝑐𝑎𝑠 𝑑é𝑔é𝑛é𝑟é.
𝑈𝑛 𝑠𝑜𝑚𝑚𝑒𝑡 𝑒𝑠𝑡 𝑙 ′ 𝑖𝑛𝑡𝑒𝑟𝑠𝑒𝑐𝑡𝑖𝑜𝑛 𝑑 ′ 𝑎𝑢 𝑚𝑜𝑖𝑛𝑠 𝑑𝑒𝑢𝑥 𝑑𝑟𝑜𝑖𝑡𝑒𝑠 𝑙𝑖𝑚𝑖𝑡𝑒𝑠 ; 𝑖𝑙 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑 𝑑𝑜𝑛𝑐 à 𝑙𝑎 𝑠𝑎𝑡𝑢𝑟𝑎𝑡𝑖𝑜𝑛
𝑑𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑐𝑜𝑛𝑐𝑒𝑟𝑛é𝑒𝑠.
𝑂𝑛 𝑝𝑒𝑢𝑡 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟 𝑙𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 𝑝𝑎𝑟 𝑙𝑒 𝑐𝑎𝑙𝑐𝑢𝑙 𝑑𝑒𝑠 𝑐𝑜𝑜𝑟𝑑𝑜𝑛𝑛é𝑒𝑠 𝑑𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 , 𝑝𝑢𝑖𝑠 𝑝𝑎𝑟
𝑐𝑎𝑙𝑐𝑢𝑙 𝑙𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒.
𝑬𝒕𝒂𝒑𝒆 𝟓
𝐶𝑜𝑛𝑐𝑙𝑢𝑟𝑒 à 𝑝𝑎𝑟𝑡𝑖𝑟 𝑑𝑒𝑠 𝑣𝑎𝑙𝑒𝑢𝑟𝑠 𝑑𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑡𝑟𝑜𝑢𝑣é𝑒𝑠.

𝒃) 𝑹é𝒔𝒖𝒍𝒕𝒂𝒕𝒔 𝒂𝒕𝒕𝒆𝒏𝒅𝒖𝒔 𝒅′ 𝒖𝒏𝒆 𝒓é𝒔𝒐𝒍𝒖𝒕𝒊𝒐𝒏

𝐴 𝑙 ′ 𝑖𝑠𝑠𝑢𝑒 𝑑′ 𝑢𝑛𝑒 𝑟é𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 , 𝑖𝑙 𝑓𝑎𝑢𝑡 𝑡𝑖𝑟𝑒𝑟 𝑢𝑛𝑒 𝑐𝑜𝑛𝑐𝑙𝑢𝑠𝑖𝑜𝑛 𝑒𝑛 𝑝𝑟é𝑐𝑖𝑠𝑎𝑛𝑡 𝑙𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒𝑠 ∶
∎ 𝑳𝒆𝒔 𝒗𝒂𝒍𝒆𝒖𝒓𝒔 𝒅𝒆𝒔 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆𝒔
𝑂𝑛 𝑑𝑜𝑛𝑛𝑒𝑟𝑎 𝑙𝑒𝑠 𝑣𝑎𝑙𝑒𝑢𝑟𝑠 ( 𝑎𝑣𝑒𝑐 𝑙𝑒𝑠 𝑑é𝑠𝑖𝑔𝑛𝑎𝑡𝑖𝑜𝑛𝑠 ) 𝑑𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑎𝑖𝑛𝑠𝑖 𝑞𝑢𝑒 𝑙𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 𝑑𝑒 𝑙𝑎
𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒.
∎ 𝑳𝒆𝒔 𝒇𝒂𝒄𝒕𝒆𝒖𝒓𝒔
𝑂𝑛 𝑝𝑟é𝑐𝑖𝑠𝑒𝑟𝑎 𝑝𝑜𝑢𝑟 𝑐ℎ𝑎𝑞𝑢𝑒 𝑓𝑎𝑐𝑡𝑒𝑢𝑟 ∶
¬ 𝑙𝑒𝑠 𝑞𝑢𝑎𝑛𝑡𝑖𝑡é𝑠 𝑢𝑡𝑖𝑙𝑖𝑠é𝑒𝑠 𝑜𝑢 𝑓𝑜𝑢𝑟𝑛𝑖𝑒𝑠 ( 𝑝𝑟𝑒𝑚𝑖𝑒𝑟 𝑚𝑒𝑚𝑏𝑟𝑒 𝑑𝑒 𝑙 ′ 𝑖𝑛é𝑞𝑢𝑎𝑡𝑖𝑜𝑛)
¬ 𝑙𝑒𝑠 𝑞𝑢𝑎𝑛𝑡𝑖𝑡é𝑠 𝑟é𝑠𝑖𝑑𝑢𝑒𝑙𝑙𝑒𝑠 ( 𝑜𝑢 𝑒𝑛 𝑒𝑥𝑐é𝑑𝑒𝑛𝑡 ), 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑐𝑒 𝑒𝑛𝑡𝑟𝑒 𝑙𝑒𝑠 𝑑𝑒𝑢𝑥 𝑚𝑒𝑚𝑏𝑟𝑒𝑠 𝑑𝑒
𝑙 ′ 𝑖𝑛é𝑞𝑢𝑎𝑡𝑖𝑜𝑛.

13
𝑨𝒑𝒑𝒍𝒊𝒄𝒂𝒕𝒊𝒐𝒏
𝑥1 ≥ 0 , 𝑥2 ≥ 0
{3 𝑥1 + 4 𝑥2 ≤ 160
6 𝑥1 + 3 𝑥2 ≤ 180
𝑀𝑎𝑥(𝑍) = 1.200 𝑥1 + 1.000 𝑥2
𝑂𝑛 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑒 𝑑𝑒𝑢𝑥 𝑑𝑟𝑜𝑖𝑡𝑒𝑠 𝑝𝑜𝑢𝑟 𝑙𝑒𝑠 𝑑𝑒𝑢𝑥 𝑖𝑛é𝑞𝑢𝑎𝑡𝑖𝑜𝑛𝑠 ∶
(𝐷1 ) ∶ 3 𝑥1 + 4 𝑥2 = 160 𝑒𝑡 (𝐷2 ) ∶ 6 𝑥1 + 3 𝑥2 = 180 .
(𝐷1 ) 𝐴 𝐵 (𝐷2 ) 𝐸 𝐹
𝑥 0 20 𝑥 0 30
𝑦 40 25 𝑦 60 0

𝑂𝑛 𝑜𝑏𝑡𝑖𝑒𝑛𝑡 𝑙𝑒 𝑔𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 ∶

𝑃𝑜𝑖𝑛𝑡𝑠 𝑉𝑎𝑙𝑒𝑢𝑟 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒

𝑂 (0 ; 0) 𝑍𝑂 = 1.200 × 0 + 1.000 × 0 = 0
𝐴 (0 ; 40) 𝑍𝐴 = 1.200 × 0 + 1.000 × 40 = 40.000
𝐶 (0 ; 0) 𝑍𝐶 = 1.200 × 16 + 1.000 × 28 = 47.200
𝐹 (30 ; 0) 𝑍𝐹 = 1.200 × 30 + 1.000 × 0 = 30.000

𝐿𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑚𝑎𝑥𝑖𝑚𝑎𝑙𝑒 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 𝑒𝑠𝑡 47.200 𝑝𝑜𝑢𝑟 𝑥1 = 16 𝑒𝑡 𝑥2 = 28.

𝐼𝑙 𝑑𝑜𝑖𝑡 𝑓𝑎𝑏𝑟𝑖𝑞𝑢𝑒𝑟 16 𝑝𝑟𝑜𝑑𝑢𝑖𝑡𝑠 𝑃1 𝑒𝑡 28 𝑝𝑟𝑜𝑑𝑢𝑖𝑡𝑠 𝑃2 .

14
𝑨𝒑𝒑𝒍𝒊𝒄𝒂𝒕𝒊𝒐𝒏 𝟐
𝑅é𝑠𝑜𝑢𝑑𝑟𝑒 𝑙 ′ 𝑎𝑝𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛 1 𝑝𝑎𝑟 𝑙𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑔𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒
𝑥1 ≥ 0 , 𝑥2 ≥ 0
𝑥1 + 3 𝑥2 ≤ 18
𝑥1 + 𝑥2 ≤ 8
2𝑥1 + 𝑥2 ≤ 14
{𝑍 = 𝑐1 𝑥1 + 𝑐2 𝑥2
𝑂𝑛 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑒 𝑡𝑟𝑜𝑖𝑠 𝑑𝑟𝑜𝑖𝑡𝑒𝑠 𝑝𝑜𝑢𝑟 𝑙𝑒𝑠 𝑡𝑟𝑜𝑖𝑠 é𝑞𝑢𝑎𝑡𝑖𝑜𝑛𝑠 ∶
(𝐷1 ) ∶ 𝑥1 + 3 𝑥2 = 18 , (𝐷2 ) ∶ 𝑥1 + 𝑥2 = 8 𝑒𝑡 (𝐷3 ) ∶ 2 𝑥1 + 𝑥2 = 14.
𝑂𝑛 𝑜𝑏𝑡𝑖𝑒𝑛𝑡 𝑙𝑒 𝑔𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 ∶

𝐿𝑒 𝑑𝑜𝑚𝑎𝑖𝑛𝑒 𝑑𝑒𝑠 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛𝑠 𝑟é𝑎𝑙𝑖𝑠𝑎𝑏𝑙𝑒𝑠 𝑒𝑠𝑡 𝑢𝑛 𝑑𝑜𝑚𝑎𝑖𝑛𝑒 𝑝𝑙𝑎𝑛, 𝑑é𝑙𝑖𝑚𝑖𝑡é 𝑝𝑎𝑟 𝑙𝑒 𝑝𝑜𝑙𝑦𝑔𝑜𝑛𝑒 𝑂𝐴𝐵𝐶𝐷.
𝑂𝑛 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑒 𝑒𝑛𝑠𝑢𝑖𝑡𝑒 𝑙𝑒𝑠 𝑐𝑜𝑢𝑝𝑙𝑒𝑠 (𝑥1 ; 𝑥2 ) 𝑑𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛𝑠 𝑟é𝑎𝑙𝑖𝑠𝑎𝑏𝑙𝑒𝑠 𝑡𝑒𝑙𝑠 𝑞𝑢𝑒 𝑍 = 2 𝑥1 + 4 𝑥2 𝑠𝑜𝑖𝑡
𝑚𝑎𝑥𝑖𝑚𝑢𝑚.
𝑃𝑜𝑢𝑟 𝑡𝑜𝑢𝑡 𝑛𝑜𝑚𝑏𝑟𝑒 𝑍, 𝑜𝑛 𝑛𝑜𝑡𝑒 (𝐷𝑍 ) 𝑙𝑎 𝑑𝑟𝑜𝑖𝑡𝑒 𝑑′ é𝑞𝑢𝑎𝑡𝑖𝑜𝑛 𝑍 = 2 𝑥1 + 4 𝑥2 .
−4 1
(𝐷𝑍 ) 𝑎 𝑝𝑜𝑢𝑟 𝑣𝑒𝑐𝑡𝑒𝑢𝑟 𝑑𝑖𝑟𝑒𝑐𝑡𝑒𝑢𝑟 𝑢
⃗ ( ) 𝑒𝑡 𝑝𝑜𝑢𝑟 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑑𝑖𝑟𝑒𝑐𝑡𝑒𝑢𝑟 𝑎 = − .
2 2
1 𝑍
𝐸𝑛 𝑒𝑓𝑓𝑒𝑡 𝑥2 = − 𝑥1 + , 𝑑𝑜𝑛𝑐 𝑙𝑜𝑟𝑠𝑞𝑢𝑒 𝑍 𝑣𝑎𝑟𝑖𝑒, 𝑙𝑒𝑠 𝑑𝑟𝑜𝑖𝑡𝑒𝑠 (𝐷𝑍 ) 𝑎𝑦𝑎𝑛𝑡 𝑚ê𝑚𝑒 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡
2 4
𝑑𝑖𝑟𝑒𝑐𝑡𝑒𝑢𝑟 𝑠𝑜𝑛𝑡 𝑝𝑎𝑟𝑎𝑙𝑙è𝑙𝑒𝑠 𝑒𝑛𝑡𝑟𝑒 𝑒𝑙𝑙𝑒𝑠.
𝑍
𝐿′ 𝑜𝑟𝑑𝑜𝑛𝑛é𝑒 à 𝑙 ′ 𝑜𝑟𝑖𝑔𝑖𝑛𝑒 𝑑𝑒𝑠 𝑑𝑟𝑜𝑖𝑡𝑒𝑠 (𝐷𝑍 ) 𝑒𝑠𝑡 .
4

15
 𝑍
𝑀𝑎𝑥𝑖𝑚𝑖𝑠𝑒𝑟 𝑍 𝑒𝑠𝑡 é𝑞𝑢𝑖𝑣𝑎𝑙𝑒𝑛𝑡 à 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑒𝑟 . 𝐿𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑐𝑜𝑛𝑠𝑖𝑠𝑡𝑒 𝑑𝑜𝑛𝑐 à 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟 𝑢𝑛𝑒 𝑜𝑢
4
𝑝𝑙𝑢𝑠𝑖𝑒𝑢𝑟𝑠 𝑑𝑟𝑜𝑖𝑡𝑒𝑠 (𝐷𝑍 ) 𝑞𝑢𝑖 𝑟𝑒𝑛𝑐𝑜𝑛𝑡𝑟𝑒 𝑙𝑒 𝑑𝑜𝑚𝑎𝑖𝑛𝑒 𝑑𝑒𝑠 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛𝑠 𝑟é𝑎𝑙𝑖𝑠𝑎𝑏𝑙𝑒𝑠 𝑒𝑡 𝑎𝑦𝑎𝑛𝑡 𝑢𝑛𝑒 𝑜𝑟𝑑𝑜𝑛𝑛é𝑒
à 𝑙 ′ 𝑜𝑟𝑖𝑔𝑖𝑛𝑒 𝑚𝑎𝑥𝑖𝑚𝑎𝑙𝑒.
𝐿𝑜𝑟𝑠𝑞𝑢𝑒 𝑍 𝑎𝑢𝑔𝑚𝑒𝑛𝑡𝑒, 𝑙𝑎 𝑑𝑟𝑜𝑖𝑡𝑒 (𝐷𝑍 ) 𝑠𝑒 𝑑é𝑝𝑙𝑎𝑐𝑒 𝑝𝑎𝑟𝑎𝑙𝑙è𝑙𝑒𝑚𝑒𝑛𝑡 à 𝑒𝑙𝑙𝑒 𝑚ê𝑚𝑒 𝑣𝑒𝑟𝑠 𝑙𝑒 ℎ𝑎𝑢𝑡.
𝐿𝑎 𝑑𝑟𝑜𝑖𝑡𝑒 (𝐷𝑍 ) 𝑞𝑢𝑖 𝑟𝑒𝑛𝑐𝑜𝑛𝑡𝑟𝑒 𝑙𝑒 𝑑𝑜𝑚𝑎𝑖𝑛𝑒 𝑑𝑒𝑠 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛𝑠 𝑟é𝑎𝑙𝑖𝑠𝑎𝑏𝑙𝑒𝑠 𝑒𝑡 𝑞𝑢𝑖 𝑎 𝑢𝑛𝑒 𝑜𝑟𝑑𝑜𝑛𝑛é𝑒 à 𝑙 ′ 𝑜𝑟𝑖𝑔𝑖𝑛𝑒
𝑚𝑎𝑥𝑖𝑚𝑎𝑙𝑒 𝑒𝑠𝑡 𝑐𝑒𝑙𝑙𝑒 𝑞𝑢𝑖 𝑐𝑜𝑛𝑡𝑖𝑒𝑛𝑡 𝑙𝑒 𝑝𝑜𝑖𝑛𝑡 𝐵.
𝐿𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑎 𝑢𝑛𝑒 𝑠𝑒𝑢𝑙𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑚𝑎𝑥𝑖𝑚𝑎𝑙𝑒 , 𝑙𝑒 𝑐𝑜𝑢𝑝𝑙𝑒 (3 ; 5).
𝐸𝑛 𝑐𝑜𝑐𝑙𝑢𝑠𝑖𝑜𝑛, 𝑝𝑜𝑢𝑟 𝑥1 = 3 𝑒𝑡 𝑥2 = 5, 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑜𝑏𝑗𝑒𝑐𝑡𝑖𝑓 𝑒𝑠𝑡 𝑚𝑎𝑥𝑖𝑚𝑎𝑙𝑒 𝑒𝑡 𝑣𝑎𝑢𝑡
𝑍 = 2 × 3 + 4 × 5 = 26.
𝑪𝒂𝒔 𝒈é𝒏é𝒓𝒂𝒍
𝑆𝑜𝑖𝑡 𝑢𝑛 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑃. 𝑂𝑛 𝑎𝑑𝑚𝑒𝑡𝑡𝑟𝑎 𝑙𝑒𝑠 𝑟é𝑠𝑢𝑙𝑡𝑎𝑡𝑠 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑠 ∶
¬ 𝐿𝑒 𝑑𝑜𝑚𝑎𝑖𝑛𝑒 𝑑𝑒𝑠 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛𝑠 𝑟é𝑎𝑙𝑖𝑠𝑎𝑏𝑙𝑒𝑠 𝑑𝑒 𝑡𝑜𝑢𝑡 𝑙𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 à 𝑛 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑒𝑠𝑡 𝑠𝑜𝑖𝑡
𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑣𝑖𝑑𝑒, 𝑠𝑜𝑖𝑡 𝑢𝑛𝑒 𝑝𝑎𝑟𝑡𝑖𝑒 𝑐𝑜𝑛𝑣𝑒𝑥𝑒 𝑑𝑒 ℝ𝑛 .
¬ 𝐷𝑎𝑛𝑠 𝑙𝑒 𝑐𝑎𝑠 𝑑 ′ 𝑢𝑛 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 à 2 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠, 𝑙𝑒 𝑑𝑜𝑚𝑎𝑖𝑛𝑒 𝑑𝑒𝑠 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛𝑠 𝑟é𝑎𝑙𝑖𝑠𝑎𝑏𝑙𝑒𝑠,
𝑙𝑜𝑟𝑠𝑞𝑢′ 𝑖𝑙 𝑛′ 𝑒𝑠𝑡 𝑝𝑎𝑠 𝑣𝑖𝑑𝑒, 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑝𝑎𝑟𝑡𝑖𝑒 𝐷 𝑑𝑢 𝑝𝑙𝑎𝑛 𝑑é𝑙𝑖𝑚𝑖𝑡é𝑒 𝑝𝑎𝑟 𝑢𝑛 𝑝𝑜𝑙𝑦𝑔𝑜𝑛𝑒 𝑐𝑜𝑛𝑣𝑒𝑥𝑒, 𝑝𝑜𝑠𝑠é𝑑𝑎𝑛𝑡
é𝑣𝑒𝑛𝑡𝑢𝑒𝑙𝑙𝑒𝑚𝑒𝑛𝑡 𝑑𝑒𝑠 𝑐ô𝑡é𝑠 𝑑𝑒 𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟 𝑖𝑛𝑓𝑖𝑛𝑖𝑒.
𝐷𝑎𝑛𝑠 𝑐ℎ𝑎𝑞𝑢𝑒 𝑐𝑎𝑠, 𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒𝑠 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛𝑠 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒𝑠 𝑙𝑜𝑟𝑠𝑞𝑢′ 𝑖𝑙 𝑛′ 𝑒𝑠𝑡 𝑝𝑎𝑠 𝑣𝑖𝑑𝑒, 𝑐𝑜𝑛𝑡𝑖𝑒𝑛𝑡 𝑢𝑛 𝑠𝑜𝑚𝑚𝑒𝑡
𝑑𝑢 𝑑𝑜𝑚𝑎𝑖𝑛𝑒 , 𝑐 ′ 𝑒𝑠𝑡 − à − 𝑑𝑖𝑟𝑒 𝑞𝑢𝑒 𝑠𝑖 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑜𝑏𝑗𝑒𝑐𝑡𝑖𝑓 𝑎 𝑢𝑛 𝑚𝑎𝑥𝑖𝑚𝑢𝑚 𝑜𝑢 𝑢𝑛 𝑚𝑖𝑛𝑖𝑚𝑢𝑚, 𝑖𝑙 𝑒𝑠𝑡
𝑎𝑡𝑡𝑒𝑖𝑛𝑡 𝑒𝑛 𝑎𝑢 𝑚𝑜𝑖𝑛𝑠 𝑢𝑛 𝑑𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑑𝑢 𝑝𝑜𝑙𝑦𝑔𝑜𝑛𝑒 𝑑é𝑙𝑖𝑚𝑖𝑡𝑎𝑛𝑡 𝑙𝑒 𝑑𝑜𝑚𝑎𝑖𝑛𝑒 𝑑𝑒𝑠 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛𝑠 𝑟é𝑎𝑙𝑖𝑠𝑎𝑏𝑙𝑒𝑠.
¬ 𝑂𝑛 𝑎𝑑𝑚𝑒𝑡𝑡𝑟𝑎 𝑞𝑢𝑒 𝑐𝑒𝑠 𝑟é𝑠𝑢𝑙𝑡𝑎𝑡𝑠 𝑠𝑒 𝑔é𝑛é𝑟𝑎𝑙𝑖𝑠𝑒𝑛𝑡 à 𝑢𝑛 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 à 𝑛 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠.

16
 𝟐) 𝑴é𝒕𝒉𝒐𝒅𝒆 𝒅𝒆 𝑫𝑨𝑵𝑻𝒁𝑰𝑮 𝒐𝒖 𝑴é𝒕𝒉𝒐𝒅𝒆 𝒅𝒆𝒔 𝒕𝒂𝒃𝒍𝒆𝒂𝒖𝒙 𝒐𝒖 𝑺𝒊𝒎𝒑𝒍𝒆𝒙𝒆
𝐿𝑎 𝑟é𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑎𝑙𝑔é𝑏𝑟𝑖𝑞𝑢𝑒 𝑒𝑠𝑡 𝑡𝑜𝑢𝑗𝑜𝑢𝑟𝑠 𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒, 𝑚𝑎𝑖𝑠 𝑛𝑒 𝑝𝑒𝑢𝑡 𝑠𝑒 𝑓𝑎𝑖𝑟𝑒 𝑞𝑢𝑒 𝑞𝑢𝑎𝑛𝑑 𝑙𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑒𝑠𝑡
𝑠𝑜𝑢𝑠 𝑢𝑛𝑒 𝑓𝑜𝑟𝑚𝑒 𝑑𝑖𝑡𝑒 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑 ∶ 𝑐𝑒𝑡𝑡𝑒 𝑓𝑜𝑟𝑚𝑒 𝑛𝑒 𝑐𝑜𝑚𝑝𝑟𝑡𝑒 𝑞𝑢𝑒 𝑑𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑑′ é𝑔𝑎𝑙𝑖𝑡é𝑠.
𝒂) 𝑴𝒊𝒔𝒆 𝒔𝒐𝒖𝒔 𝒇𝒐𝒓𝒎𝒆 𝒔𝒕𝒂𝒏𝒅𝒂𝒓𝒅
𝐸𝑙𝑙𝑒 𝑠𝑒 𝑓𝑎𝑖𝑡 𝑒𝑛 𝑢𝑡𝑖𝑙𝑖𝑠𝑎𝑛𝑡 𝑑𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑′ é𝑐𝑎𝑟𝑡.
𝑈𝑛𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 𝑐𝑎𝑛𝑜𝑛𝑖𝑞𝑢𝑒 𝑒𝑠𝑡 𝑓𝑜𝑟𝑚𝑒 ∶ 𝑎𝑖1 𝑥1 + 𝑎𝑖2 𝑥2 + ⋯ + 𝑎𝑖𝑛 𝑥𝑛 ≤ 𝑜𝑢 ≥ 𝑏𝑖 .
𝐿𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 𝑐𝑎𝑛𝑜𝑛𝑖𝑞𝑢𝑒 𝑥1 , 𝑥2 … , 𝑥𝑛 𝑠𝑜𝑛𝑡 𝑎𝑝𝑝𝑒𝑙é𝑒𝑠 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆𝒔 𝒑𝒓𝒊𝒏𝒄𝒊𝒑𝒂𝒍𝒆𝒔 .
𝐷é𝑠𝑖𝑔𝑛𝑜𝑛𝑠 𝑝𝑎𝑟 𝑒𝑖 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑞𝑢𝑖 𝑚𝑒𝑠𝑢𝑟𝑒 𝑙𝑎 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑐𝑒 𝑒𝑛𝑡𝑟𝑒 𝑙𝑒𝑠 𝑑𝑒𝑢𝑥 𝑚𝑒𝑚𝑏𝑟𝑒𝑠 𝑑𝑒 𝑙 ′ 𝑖𝑛é𝑔𝑎𝑙𝑖𝑡é ;
𝑜𝑛 𝑎 ∶
𝑒𝑖 = 𝑏𝑖 − (𝑎𝑖1 𝑥1 + 𝑎𝑖2 𝑥2 + ⋯ + 𝑎𝑖𝑛 𝑥𝑛 ) 𝑠𝑖 𝑒𝑖 ≥ 0 𝑜𝑢 𝑒𝑖 = (𝑎𝑖1 𝑥1 + 𝑎𝑖2 𝑥2 + ⋯ + 𝑎𝑖𝑛 𝑥𝑛 ) − 𝑏𝑖 𝑠𝑖 𝑒𝑖 ≤ 0.
𝐿𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑒𝑖 𝑒𝑠𝑡 𝑎𝑝𝑝𝑒𝑙é𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑 ′ é𝑐𝑎𝑟𝑡 𝑒𝑡 𝑒𝑙𝑙𝑒 𝑝𝑒𝑟𝑚𝑒𝑡 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑓𝑜𝑟𝑚𝑒𝑟 𝑙 ′ 𝑖𝑛é𝑔𝑎𝑙𝑖𝑡é 𝑒𝑛 é𝑔𝑎𝑙𝑖𝑡é.
𝒃) 𝑹è𝒈𝒍𝒆𝒔 𝒅𝒆𝒔 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆𝒔 𝒅′é𝒄𝒂𝒓𝒕
𝑃𝑜𝑢𝑟 𝑚 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 , 𝑜𝑛 𝑢𝑡𝑖𝑙𝑖𝑠𝑒𝑟𝑎 𝑚 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑 ′ é𝑐𝑎𝑟𝑡 𝑒1 , 𝑒2 … , 𝑒𝑚 𝑒𝑛 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑎𝑛𝑡 𝑙𝑒𝑠 𝑟è𝑔𝑙𝑒𝑠
𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒𝑠 ∶
𝑹è𝒈𝒍𝒆 𝟏
𝑃𝑜𝑢𝑟 𝑐ℎ𝑎𝑞𝑢𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 ∶
¬ 𝑆𝑖 𝑙 ′ 𝑖𝑛é𝑔𝑎𝑙𝑖𝑡é 𝑒𝑠𝑡 ≤ , 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑 ′ é𝑐𝑎𝑟𝑡 𝑠 ′ 𝑎𝑗𝑜𝑢𝑡𝑒 ∶ 𝑎𝑖1 𝑥1 + 𝑎𝑖2 𝑥2 + ⋯ + 𝑎𝑖𝑛 𝑥𝑛 + 𝑒𝑖 = 𝑏𝑖 .
¬ 𝑆𝑖 𝑙 ′ 𝑖𝑛é𝑔𝑎𝑙𝑖𝑡é 𝑒𝑠𝑡 ≥ , 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑 ′ é𝑐𝑎𝑟𝑡 𝑠𝑒 𝑠𝑜𝑢𝑠𝑡𝑟𝑎𝑖𝑡 ∶ 𝑎𝑖1 𝑥1 + 𝑎𝑖2 𝑥2 + ⋯ + 𝑎𝑖𝑛 𝑥𝑛 − 𝑒𝑖 = 𝑏𝑖 .
𝑹è𝒈𝒍𝒆 𝟐
𝑃𝑜𝑢𝑟 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒
𝐿𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑 ′ é𝑐𝑎𝑟𝑡 𝑜𝑛𝑡 𝑑𝑒𝑠 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑠 𝑛𝑢𝑙𝑠 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 ( 𝑝𝑜𝑢𝑟 𝑎𝑛𝑛𝑢𝑙𝑒𝑟 𝑙𝑒𝑢𝑟𝑠
𝑒𝑓𝑓𝑒𝑡𝑠 𝑑𝑎𝑛𝑠 𝑙𝑒 𝑟é𝑠𝑢𝑙𝑡𝑎𝑡 ) 𝑑 ′ 𝑜ù ∶ 𝑂𝑝𝑡𝑖𝑚𝑢𝑚 [𝑍 = 𝐶1 𝑥1 + 𝐶2 𝑥2 + ⋯ + 𝐶𝑛 𝑥𝑛 + 0𝑒1 + 0𝑒2 + ⋯ + 0𝑒𝑚 ].
𝐿𝑎 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑 𝑒𝑠𝑡 𝑙𝑎 𝑗𝑢𝑥𝑡𝑎𝑝𝑜𝑠𝑖𝑡𝑖𝑜𝑛 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 𝑒𝑡 𝑑𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 , 𝑒𝑡 𝑐𝑜𝑚𝑝𝑜𝑟𝑡𝑒
𝑒𝑛 𝑡𝑜𝑢𝑡 𝑁 = 𝑛 + 𝑚 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 ( 𝑛 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑝𝑟𝑖𝑛𝑐𝑖𝑝𝑎𝑙𝑒𝑠 𝑒𝑡 𝑚 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑 ′ é𝑐𝑎𝑟𝑡).
𝒄) 𝑺𝒐𝒎𝒎𝒆𝒕 𝒅𝒆 𝒍𝒂 𝒛𝒐𝒏𝒆 𝒅′ 𝒂𝒄𝒄𝒆𝒑𝒕𝒊𝒃𝒊𝒍𝒊𝒕é
𝑈𝑛 𝑝𝑜𝑖𝑛𝑡 𝑋 = (𝑥1 , 𝑥2 … , 𝑥𝑁 ) 𝑒𝑠𝑡 𝑢𝑛 𝑠𝑜𝑚𝑚𝑒𝑡 𝑑𝑒 𝑙𝑎 𝑧𝑜𝑛𝑒 𝑑 ′ 𝑎𝑐𝑐𝑒𝑝𝑡𝑎𝑏𝑖𝑙𝑖𝑡é 𝑠𝑖 𝑠𝑒𝑠 𝑐𝑜𝑜𝑟𝑑𝑜𝑛𝑛é𝑒𝑠 𝑣é𝑟𝑖𝑓𝑖𝑒𝑛𝑡
𝑙𝑒 𝑠𝑦𝑠𝑡è𝑚𝑒 𝑑𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑒𝑡 𝑠 ′ 𝑖𝑙 𝑎 𝑎𝑢 𝑚𝑜𝑖𝑛𝑠 𝑛 = 𝑁 − 𝑚 𝑐𝑜𝑜𝑟𝑑𝑜𝑛𝑛é𝑠 𝑛𝑢𝑙𝑙𝑒𝑠.
𝐿𝑒𝑠 𝑚 𝑐𝑜𝑜𝑟𝑑𝑜𝑛𝑛é𝑒𝑠 𝑛𝑜𝑛 𝑛𝑢𝑙𝑙𝑒𝑠 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑒𝑛𝑡 à 𝑑𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑛𝑢𝑙𝑙𝑒𝑠 ; 𝑜𝑛 𝑙𝑒𝑠 𝑎𝑝𝑝𝑒𝑙𝑙𝑒 𝑙𝑒𝑠 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆𝒔
𝒅𝒆 𝒍𝒂 𝒃𝒂𝒔𝒆.
𝐿𝑒𝑠 𝑛 𝑐𝑜𝑜𝑟𝑑𝑜𝑛𝑛é𝑒𝑠 𝑛𝑢𝑙𝑙𝑒𝑠 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑒𝑛𝑡 𝑎𝑢𝑥 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆𝒔 𝒉𝒐𝒓𝒔 𝒃𝒂𝒔𝒆.

17
 𝒅) 𝑪𝒉𝒂𝒏𝒈𝒆𝒎𝒆𝒏𝒕 𝒅𝒆 𝒔𝒐𝒎𝒎𝒆𝒕
𝑃𝑜𝑢𝑟 𝑐ℎ𝑎𝑛𝑔𝑒𝑟 𝑑𝑒 𝑠𝑜𝑚𝑚𝑒𝑡 , 𝑖𝑙 𝑓𝑎𝑢𝑡 𝑐ℎ𝑎𝑛𝑔𝑒𝑟 𝑑𝑒 𝑏𝑎𝑠𝑒. 𝑂𝑛 𝑝𝑒𝑢𝑡 𝑜𝑏𝑡𝑒𝑛𝑖𝑟 𝑢𝑛𝑒 𝑛𝑜𝑢𝑣𝑒𝑙𝑙𝑒 𝑏𝑎𝑠𝑒 𝑟𝑒𝑚𝑝𝑙𝑎ç𝑎𝑛𝑡
𝑢𝑛𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒 𝑙 ′ 𝑎𝑛𝑐𝑖𝑒𝑛𝑛𝑒 𝑏𝑎𝑠𝑒 𝑝𝑎𝑟 𝑢𝑛𝑒 𝑎𝑢𝑡𝑟𝑒 𝑞𝑢𝑖 é𝑡𝑎𝑖𝑡 ℎ𝑜𝑟𝑠 𝑏𝑎𝑠𝑒.
𝐶𝑒 𝑐ℎ𝑎𝑛𝑔𝑒𝑚𝑒𝑛𝑡 𝑑𝑜𝑖𝑡 𝑠𝑒 𝑓𝑎𝑖𝑟𝑒 𝑠𝑒𝑙𝑜𝑛 𝑑𝑒𝑠 𝑟è𝑔𝑙𝑒𝑠 ∶ 𝑙𝑒𝑠 𝑐𝑟𝑖𝑡è𝑟𝑒𝑠 𝑑𝑒 𝐷𝐴𝑁𝑇𝑍𝐼𝐷 ( 𝑅è𝑔𝑙𝑒𝑠 𝑑𝑒 𝑠𝑒𝑙𝑒𝑐𝑡𝑖𝑜𝑛).
𝒆) 𝑷𝒓é𝒔𝒆𝒏𝒕𝒂𝒕𝒊𝒐𝒏 𝒔𝒐𝒖𝒔 𝒇𝒐𝒓𝒎𝒆 𝒅𝒆 𝒕𝒂𝒃𝒍𝒆𝒂𝒖
𝐶𝑜𝑛𝑠𝑖𝑑é𝑟𝑜𝑛𝑠 𝑢𝑛 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑠𝑜𝑢𝑠 𝑠𝑎 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑 , 𝑎𝑣𝑒𝑐 𝑁 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑𝑜𝑛𝑡 𝑛 𝑝𝑟𝑖𝑛𝑐𝑖𝑝𝑎𝑙𝑒𝑠 𝑒𝑡 𝑚
𝑑′ é𝑐𝑎𝑟𝑡, 𝑝𝑢𝑖𝑠 𝑚 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠. 𝐼𝑙 𝑠 ′ é𝑐𝑟𝑖𝑡 𝑎𝑙𝑜𝑟𝑠 ∶
𝑀𝑎𝑥 𝑜𝑢 𝑀𝑖𝑛[𝑍 = 𝐶1 𝑥1 + 𝐶2 𝑥2 + ⋯ + 𝐶𝑁 𝑥𝑁 ]
𝑥1 ≥ 0, 𝑥2 ≥ 0, … , 𝑥𝑁 ≥ 0
𝑎11 𝑥1 + 𝑎12 𝑥2 + ⋯ + 𝑎1𝑁 𝑥𝑁 = 𝑏1
𝑆/𝐶 𝑎21 𝑥1 + 𝑎22 𝑥2 + ⋯ + 𝑎2𝑁 𝑥𝑁 = 𝑏2
… …………………………………………
{ 𝑎𝑚1 𝑥1 + 𝑎𝑚2 𝑥2 + ⋯ + 𝑎𝑚𝑁 𝑥𝑁 = 𝑏𝑚
𝐷é𝑠𝑖𝑔𝑛𝑜𝑛𝑠 𝑝𝑎𝑟 𝐴 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑑𝑢 𝑠𝑦𝑠𝑡è𝑚𝑒.
𝑎11 𝑎12 … 𝑎1𝑁
𝑎21 𝑎22 … 𝑎2𝑁
𝑂𝑛 𝑎 ∶ 𝐴 = ( … … … … ) 𝑒𝑡 𝑙𝑒𝑠 𝑠𝑒𝑐𝑜𝑛𝑑𝑠 𝑚𝑒𝑚𝑏𝑟𝑒𝑠 , 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝐵 = (𝑏1 , 𝑏2 , … , 𝑏𝑚 ).
𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑁
𝐿𝑒 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑠𝑒 𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑖𝑡 𝑎𝑢𝑡𝑜𝑢𝑟 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑐𝑒 𝐴 𝑒𝑡 𝑐𝑜𝑚𝑝𝑜𝑟𝑡𝑒 ∶
¬ 𝑈𝑛𝑒 𝑝𝑎𝑟𝑡𝑖𝑒 𝑐𝑒𝑛𝑡𝑟𝑎𝑙𝑒 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑎𝑛𝑡 à 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝐴 ( 𝑚 𝑙𝑖𝑔𝑛𝑒𝑠 𝑒𝑡 𝑁 = 𝑛 + 𝑚 𝑐𝑜𝑙𝑜𝑛𝑛𝑒𝑠)
¬ 𝑜𝑛 𝑎𝑗𝑜𝑢𝑡𝑒 𝑢𝑛𝑒 𝑙𝑖𝑔𝑛𝑒 𝑎𝑢 𝑑𝑒𝑠𝑠𝑢𝑠 𝑝𝑜𝑢𝑟 𝑦 𝑖𝑛𝑠𝑐𝑟𝑖𝑟𝑒 𝑙𝑒𝑠 𝑑é𝑠𝑖𝑔𝑛𝑎𝑡𝑖𝑜𝑛𝑠 ∶ 𝑛𝑜𝑚𝑠 𝑑𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑒𝑡 𝑐𝑜𝑙𝑜𝑛𝑛𝑒𝑠.
¬ 𝑜𝑛 𝑎𝑗𝑜𝑢𝑡𝑒 𝑢𝑛𝑒 𝑙𝑖𝑔𝑛𝑒 𝑒𝑛 𝑑𝑒𝑠𝑠𝑜𝑢𝑠 𝑝𝑜𝑢𝑟 𝑙𝑒𝑠 𝑡𝑎𝑢𝑥 𝑚𝑎𝑟𝑔𝑖𝑛𝑎𝑢𝑥 𝑑𝑒 𝑠𝑢𝑏𝑠𝑡𝑖𝑡𝑢𝑡𝑖𝑜𝑛.
¬ 𝑜𝑛 𝑎𝑗𝑜𝑢𝑡𝑒 𝑢𝑛𝑒 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑎𝑢 𝑑é𝑏𝑢𝑡 𝑝𝑜𝑢𝑟 𝑦 𝑖𝑛𝑠𝑐𝑟𝑖𝑟𝑒 𝑙𝑒 𝑛𝑜𝑚 𝑑𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒
¬ 𝑜𝑛 𝑎𝑗𝑜𝑢𝑡𝑒 𝑢𝑛𝑒 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 à 𝑙𝑎 𝑓𝑖𝑛 𝑝𝑜𝑢𝑟 𝑙𝑒𝑠 𝑠𝑒𝑐𝑜𝑛𝑑𝑠 𝑚𝑒𝑚𝑏𝑟𝑒𝑠 𝐵
¬ 𝑜𝑛 𝑎𝑗𝑜𝑢𝑡𝑒 𝑢𝑛𝑒 𝑑𝑒𝑢𝑥𝑖è𝑚𝑒 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 à 𝑙𝑎 𝑓𝑖𝑛 𝑝𝑜𝑢𝑟 𝑙𝑒𝑠 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑠 𝜃𝑖 .
𝑂𝑛 𝑜𝑏𝑡𝑖𝑒𝑛𝑡 𝑙𝑒 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 ∶
𝐵𝑎𝑠𝑒𝑠 𝑥1 𝑥2 … 𝑥𝑗 … 𝑥𝑁 𝐵 𝜃𝑖
𝑥1 𝑎11 𝑎12 … 𝑎1𝑗 … 𝑎1𝑁 𝑏1
𝑥2 𝑎21 𝑎22 … 𝑎2𝑗 … 𝑎2𝑁 𝑏2
… … … … … … … …
𝑥𝑖 𝑎𝑖1 𝑎𝑖2 … 𝑎𝑖𝑗 … 𝑎𝑖𝑁 𝑏𝑖
… … … … … … … …
𝑥𝑚 𝑎𝑚1 𝑎𝑚2 … 𝑎𝑚𝑗 … 𝑎𝑚𝑁 𝑏𝑚

18
 ∆𝑗 𝐶1 𝐶2 … 𝐶𝑖 … 𝐶𝑁 −𝑍
𝑹𝒆𝒎𝒂𝒓𝒒𝒖𝒆
𝐿𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 𝑖𝑛𝑠𝑐𝑟𝑖𝑡𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑙𝑖𝑔𝑛𝑒 𝑒𝑛 𝑑𝑒𝑠𝑠𝑜𝑢𝑠 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝐵 𝑒𝑠𝑡
𝑛é𝑔𝑎𝑡𝑖𝑣𝑒 , 𝑑′ 𝑜ù 𝑙 ′ 𝑒𝑥𝑝𝑟𝑒𝑠𝑠𝑖𝑜𝑛 − 𝑍.
𝒇) 𝑺é𝒍𝒆𝒄𝒕𝒊𝒐𝒏 𝒅𝒆 𝒍𝒂 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒊 𝒆𝒏𝒕𝒓𝒆 𝒅𝒂𝒏𝒔 𝒍𝒂 𝒃𝒂𝒔𝒆
𝑃𝑜𝑢𝑟 𝑙𝑒 𝑓𝑎𝑖𝑟𝑒 , 𝑖𝑙 𝑓𝑎𝑢𝑡 𝑣é𝑟𝑖𝑓𝑖𝑒𝑟 𝑝𝑜𝑢𝑟 𝑐ℎ𝑎𝑞𝑢𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 ℎ𝑜𝑟𝑠 𝑏𝑎𝑠𝑒 , 𝑠𝑖 𝑠𝑜𝑛 𝑒𝑛𝑡𝑟é𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑝𝑒𝑢𝑡 𝑎𝑚é𝑙𝑖𝑜𝑟𝑒𝑟
𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 (𝑙𝑎 𝑟𝑒𝑛𝑑𝑟𝑒 𝑝𝑙𝑢𝑠 𝑔𝑟𝑎𝑛𝑑𝑒 (𝑚𝑎𝑥) 𝑜𝑢 𝑝𝑙𝑢𝑠 𝑝𝑒𝑡𝑖𝑡𝑒 (𝑚𝑖𝑛) ).
𝑈𝑛𝑒 𝑎𝑚é𝑙𝑖𝑜𝑟𝑎𝑡𝑖𝑜𝑛 𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒 𝑒𝑠𝑡 𝑐𝑜𝑛𝑠𝑡𝑎𝑡é𝑒 𝑝𝑎𝑟 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑡𝑖𝑜𝑛 𝑢𝑛𝑖𝑡𝑎𝑖𝑟𝑒 𝑎𝑝𝑝𝑒𝑙é𝑒 𝑡𝑎𝑢𝑥 𝑚𝑎𝑟𝑔𝑖𝑛𝑎𝑢𝑥 𝑑𝑒

𝑠𝑢𝑏𝑠𝑡𝑖𝑡𝑢𝑡𝑖𝑜𝑛 𝑛𝑜𝑡é ∆𝑗 = 𝐶𝑗 − ∑ 𝑎𝑖𝑗 𝐶𝑖 .

𝑗 𝑒𝑠𝑡 𝑙 ′ 𝑖𝑛𝑑𝑖𝑐𝑒 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑎𝑛𝑡 à 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑥𝑗 𝑑𝑜𝑛𝑡 𝑜𝑛 𝑐𝑎𝑙𝑐𝑢𝑙𝑒 𝑙𝑒 𝑡𝑎𝑢𝑥 𝑚𝑎𝑟𝑔𝑖𝑛𝑎𝑙.

𝑖 𝑒𝑠𝑡 𝑙 ′ 𝑖𝑛𝑑𝑖𝑐𝑒 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑎𝑛𝑡 à 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒 𝑏𝑎𝑠𝑒.
𝐶𝑗 𝑒𝑠𝑡 𝑙𝑒 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑥𝑗 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒
𝐶𝑖 𝑒𝑠𝑡 𝑙𝑒 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑥𝑖 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒
𝑎𝑖𝑗 𝑒𝑠𝑡 𝑙𝑒 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝐴 𝑑𝑢 𝑠𝑦𝑠𝑡è𝑚𝑒 à 𝑙𝑎 𝑙𝑖𝑔𝑛𝑒 𝑖 𝑒𝑡 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑗.
𝒈) 𝑹è𝒈𝒍𝒆𝒔 𝒅𝒆 𝒔𝒆𝒍𝒆𝒄𝒕𝒊𝒐𝒏 𝒅𝒆 𝒍𝒂 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒊 𝒓𝒆𝒏𝒕𝒓𝒆
¬ 𝑆𝑖 𝑜𝑛 𝑣𝑒𝑢𝑡 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑒𝑟 , 𝑜𝑛 𝑟𝑒𝑡𝑖𝑒𝑛𝑑𝑟𝑎 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 (ℎ𝑜𝑟𝑠 𝑏𝑎𝑠𝑒) 𝑞𝑢𝑖 𝑎 𝑙𝑒 𝑝𝑙𝑢𝑠 𝑔𝑟𝑎𝑛𝑑 ∆𝑗 𝑝𝑜𝑠𝑖𝑡𝑖𝑓.
¬ 𝑆𝑖 𝑜𝑛 𝑣𝑒𝑢𝑡 𝑚𝑖𝑛𝑖𝑚𝑖𝑠𝑒𝑟 , 𝑜𝑛 𝑟𝑒𝑡𝑖𝑒𝑛𝑑𝑟𝑎 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 (ℎ𝑜𝑟𝑠 𝑏𝑎𝑠𝑒)𝑞𝑢𝑖 𝑎 𝑙𝑒 𝑝𝑙𝑢𝑠 𝑝𝑒𝑡𝑖𝑡 ∆𝑗 𝑛é𝑔𝑎𝑡𝑖𝑓.
𝑹𝒆𝒎𝒂𝒓𝒒𝒖𝒆
𝐿𝑒𝑠 𝑡𝑎𝑢𝑥 𝑚𝑎𝑟𝑔𝑖𝑛𝑎𝑢𝑥 𝑑𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑠𝑜𝑛𝑡 𝑡𝑜𝑢𝑗𝑜𝑢𝑟𝑠 𝑛𝑢𝑙𝑠. 𝐷𝑒 𝑓𝑎ç𝑜𝑛 𝑝𝑟𝑎𝑡𝑖𝑞𝑢𝑒 , 𝑜𝑛 𝑖𝑛𝑑𝑖𝑞𝑢𝑒𝑟𝑎
𝑙𝑒 𝑐ℎ𝑜𝑖𝑥 𝑝𝑎𝑟 𝑢𝑛𝑒 𝑓𝑙è𝑐ℎ𝑒 𝑝𝑜𝑖𝑛𝑡𝑎𝑛𝑡 𝑠𝑢𝑟 𝑙𝑎 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 ∶ 𝑐 ′ 𝑒𝑠𝑡 𝑙𝑎 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑝𝑖𝑣𝑜𝑡.
𝒉) 𝑪𝒉𝒐𝒊𝒙 𝒅𝒆 𝒍𝒂 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒊 𝒔𝒐𝒓𝒕𝒊𝒓𝒂 𝒅𝒆 𝒍𝒂 𝒃𝒂𝒔𝒆
𝑂𝑛 é𝑡𝑎𝑏𝑙𝑖𝑡 𝑙𝑒 𝑐𝑎𝑙𝑐𝑢𝑙 𝑑𝑒𝑠 𝑞𝑢𝑎𝑛𝑡𝑖𝑡é𝑠 𝑑𝑒 𝑠𝑢𝑏𝑠𝑡𝑖𝑡𝑢𝑡𝑖𝑜𝑛 𝑝𝑜𝑢𝑟 𝑐ℎ𝑎𝑞𝑢𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒 (𝑖𝑛𝑑𝑖𝑐𝑒 𝑖)
𝑏𝑖
𝑝𝑎𝑟 ∶ 𝜃𝑖 = .
𝑎𝑖𝑗
¬ 𝑙 ′ 𝑖𝑛𝑑𝑖𝑐𝑒 𝑗 𝑝𝑜𝑢𝑟 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑞𝑢𝑖 𝑒𝑛𝑡𝑟𝑒𝑟𝑎 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒 (𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑠é𝑙𝑒𝑐𝑡𝑖𝑜𝑛𝑛é𝑒),
¬ 𝑙 ′ 𝑖𝑛𝑑𝑖𝑐𝑒 𝑖 𝑝𝑜𝑢𝑟 𝑙𝑎 𝑙𝑖𝑔𝑛𝑒 𝑖 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑒𝑛 𝑖 è𝑚𝑒 𝑝𝑜𝑠𝑖𝑡𝑖𝑜𝑛 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒,
¬ 𝑏𝑖 𝑠𝑒𝑐𝑜𝑛𝑑 𝑚𝑒𝑚𝑏𝑟𝑒 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝐵 𝑒𝑛 𝑖 è𝑚𝑒 𝑝𝑜𝑠𝑖𝑡𝑖𝑜𝑛
¬ 𝑎𝑖𝑗 𝑙𝑒 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝐴 à 𝑙𝑎 𝑙𝑖𝑔𝑛𝑒 𝑖 𝑒𝑡 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑗.

19
 𝒊) 𝑹è𝒈𝒍𝒆𝒔 𝒅𝒆 𝒔𝒆𝒍𝒆𝒄𝒕𝒊𝒐𝒏 𝒅𝒆 𝒍𝒂 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒒𝒖𝒊 𝒔𝒐𝒓𝒕 𝒅𝒆 𝒍𝒂 𝒃𝒂𝒔𝒆
𝑂𝑛 𝑟𝑒𝑡𝑖𝑒𝑛𝑑𝑟𝑎 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑞𝑢𝑖 𝑎 𝑙𝑒 𝑝𝑙𝑢𝑠 𝑝𝑒𝑡𝑖𝑡 𝜃𝑖 𝑝𝑜𝑠𝑖𝑡𝑖𝑓 (𝑒𝑛 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑜𝑢 𝑒𝑛 𝑚𝑖𝑛𝑖𝑚𝑖𝑠𝑎𝑡𝑖𝑜𝑛)
𝐷𝑒 𝑓𝑎ç𝑜𝑛 𝑝𝑟𝑎𝑡𝑖𝑞𝑢𝑒 , 𝑜𝑛 𝑖𝑛𝑑𝑖𝑞𝑢𝑒𝑟𝑎 𝑙𝑒 𝑐ℎ𝑜𝑖𝑥 𝑝𝑎𝑟 𝑢𝑛𝑒 𝑓𝑙è𝑐ℎ𝑒 𝑝𝑜𝑖𝑛𝑡𝑎𝑛𝑡 𝑠𝑢𝑟 𝑙𝑎 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 ∶ 𝑐 ′ 𝑒𝑠𝑡 𝑙𝑎 𝑙𝑖𝑔𝑛𝑒 𝑑𝑢
𝑝𝑖𝑣𝑜𝑡.
𝑂𝑛 𝑎𝑝𝑝𝑒𝑙𝑙𝑒 𝑝𝑖𝑣𝑜𝑡 , 𝑙𝑒 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 à 𝑙 ′ 𝑖𝑛𝑡𝑒𝑟𝑠𝑒𝑐𝑡𝑖𝑜𝑛 𝑑𝑒 𝑙𝑎 𝑙𝑖𝑔𝑛𝑒 𝑒𝑡 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑑𝑢 𝑝𝑖𝑣𝑜𝑡 ∶ 𝑜𝑛 𝑙 ′ 𝑒𝑛𝑡𝑜𝑢𝑟𝑒.
𝑹𝒆𝒎𝒂𝒓𝒒𝒖𝒆
𝐸𝑛 𝑐ℎ𝑎𝑛𝑔𝑒𝑎𝑛𝑡 𝑑𝑒 𝑏𝑎𝑠𝑒 𝑑𝑒 𝑐𝑒𝑡𝑡𝑒 𝑚𝑎𝑛𝑖è𝑟𝑒, 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 𝑒𝑠𝑡 𝑎𝑙𝑜𝑟𝑠 ∶
𝑍1 − 𝑍0 = ∆𝑗 × 𝜃𝑖 𝑒𝑛𝑡𝑟𝑒 𝑙𝑒𝑠 𝑑𝑒𝑢𝑥 𝑠𝑜𝑚𝑚𝑒𝑡𝑠.
𝒋) 𝑵𝒐𝒖𝒗𝒆𝒍𝒍𝒆 é𝒄𝒓𝒊𝒕𝒖𝒓𝒆 𝒅𝒆 𝒍𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝑨 𝒅𝒖 𝒔𝒚𝒔𝒕è𝒎𝒆
𝑈𝑛𝑒 é𝑐𝑟𝑖𝑡𝑢𝑟𝑒 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝐴 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑 à 𝑢𝑛 𝑠𝑜𝑚𝑚𝑒𝑡 𝑑𝑜𝑛𝑐 à 𝑢𝑛𝑒 𝑏𝑎𝑠𝑒.
𝐸𝑛 𝑐ℎ𝑎𝑛𝑔𝑒𝑎𝑛𝑡 𝑑𝑒 𝑏𝑎𝑠𝑒 , 𝑖𝑙 𝑓𝑎𝑢𝑡 𝑟éé𝑐𝑟𝑖𝑟𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑛𝑜𝑢𝑣𝑒𝑙𝑙𝑒𝑠 𝑏𝑎𝑠𝑒. 𝐶𝑒𝑙𝑎 𝑝𝑒𝑢𝑡 𝑠𝑒 𝑓𝑎𝑖𝑟𝑒 𝑒𝑛
𝑟𝑒𝑛𝑑𝑎𝑛𝑡 𝑢𝑛𝑖𝑡𝑎𝑖𝑟𝑒 𝑙𝑎 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑑𝑢 𝑣𝑒𝑐𝑡𝑒𝑢𝑟 𝑞𝑢𝑖 𝑒𝑛𝑡𝑟𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑒𝑡 𝑐𝑒 , 𝑔é𝑛é𝑟𝑎𝑙𝑒𝑚𝑒𝑛𝑡 𝑝𝑎𝑟 𝑙𝑎
𝑡𝑒𝑐ℎ𝑛𝑖𝑞𝑢𝑒 𝑑𝑢 𝑝𝑖𝑣𝑜𝑡 𝑑𝑒 𝐺𝐴𝑈𝑆𝑆 𝑑𝑒 𝑙𝑎 𝑓𝑎ç𝑜𝑛 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒 ∶
¬ 𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑖𝑟𝑒 𝑢𝑛 𝑛𝑜𝑢𝑣𝑒𝑎𝑢 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑖𝑑𝑒𝑛𝑡𝑖𝑞𝑢𝑒 𝑎𝑢 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡 𝑒𝑡 𝑟𝑒𝑚𝑝𝑙𝑖𝑟 𝑙𝑒𝑠 𝑑é𝑠𝑖𝑔𝑛𝑎𝑡𝑖𝑜𝑛𝑠 𝑑𝑒𝑠 𝑐𝑜𝑙𝑜𝑛𝑛𝑒𝑠.
¬ 𝑟𝑒𝑚𝑝𝑙𝑖𝑟 𝑙𝑎 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑑𝑒 𝑏𝑎𝑠𝑒 𝑎𝑣𝑒𝑐 𝑙𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑛𝑜𝑢𝑣𝑒𝑙𝑙𝑒 𝑏𝑎𝑠𝑒,
¬ à 𝑝𝑎𝑟𝑡𝑖𝑟 𝑑𝑒 𝑙 ′ 𝑎𝑛𝑐𝑖𝑒𝑛 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 (𝑜𝑛 𝑟𝑒𝑝𝑜𝑟𝑡𝑒 𝑙𝑒𝑠 𝑟é𝑠𝑢𝑙𝑡𝑎𝑡𝑠 𝑑𝑎𝑛𝑠 𝑙𝑒 𝑛𝑜𝑢𝑣𝑒𝑎𝑢 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 )
𝐿𝑃
→ 𝑑𝑖𝑣𝑖𝑠𝑒𝑟 𝑙𝑎 𝑙𝑖𝑔𝑛𝑒 𝑑𝑢 𝑝𝑖𝑣𝑜𝑡 (𝐿𝑃 ) 𝑝𝑎𝑟 𝑙𝑒 𝑝𝑖𝑣𝑜𝑡 𝑒𝑡 𝑟𝑒𝑚𝑝𝑙𝑎ç𝑒𝑟 𝑝𝑎𝑟 𝐿′𝑃 =
𝑃𝑖𝑣𝑜𝑡
𝑎𝑖𝑗
→ 𝑝𝑜𝑢𝑟 𝑢𝑛𝑒 𝑙𝑖𝑔𝑛𝑒 𝑖 (𝐿𝑖 ) , 𝑜𝑛 𝑐𝑎𝑙𝑐𝑢𝑙𝑒 𝐿′𝑖 = 𝐿𝑖 − × 𝐿𝑃 𝑎𝑣𝑒𝑐 𝑎𝑖𝑃 𝑒𝑠𝑡 𝑙𝑒 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑑𝑒 𝑙𝑎 𝑙𝑖𝑔𝑛𝑒 𝑖
𝑃𝑖𝑣𝑜𝑡
𝑒𝑡 𝑑𝑒 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑑𝑢 𝑝𝑖𝑣𝑜𝑡.
𝑹𝒆𝒎𝒂𝒓𝒒𝒖𝒆𝒔
¬ 𝐿𝑎 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑑𝑒𝑠 𝑠𝑒𝑐𝑜𝑛𝑑𝑠 𝑚𝑒𝑚𝑏𝑟𝑒𝑠 𝐵 𝑒𝑠𝑡 𝑐𝑜𝑛𝑐𝑒𝑟𝑛é𝑒 𝑝𝑎𝑟 𝑐𝑒𝑠 𝑐𝑎𝑙𝑐𝑢𝑙𝑠.
¬ 𝐿𝑎 𝑙𝑖𝑔𝑛𝑒 𝑑𝑒𝑠 ∆𝑗 𝑝𝑒𝑢𝑡 − ê𝑡𝑟𝑒 𝑐𝑎𝑙𝑐𝑢𝑙é𝑒 𝑑𝑒 𝑙𝑎 𝑚ê𝑚𝑒 𝑚𝑎𝑛𝑖è𝑟𝑒 (𝑜𝑢 𝑎𝑣𝑒𝑐 𝑙𝑎 𝑓𝑜𝑟𝑚𝑢𝑙𝑒 ).
𝒌) 𝑻𝒆𝒔𝒕 𝒅′ 𝒂𝒓𝒓ê𝒕
𝐴𝑝𝑟è𝑠 𝑙𝑎 𝑛𝑜𝑢𝑣𝑒𝑙𝑙𝑒 é𝑐𝑟𝑖𝑡𝑢𝑟𝑒, 𝑜𝑛 𝑠é𝑙𝑒𝑐𝑡𝑖𝑜𝑛𝑛𝑒𝑟𝑎 𝑢𝑛𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑞𝑢𝑖 𝑒𝑛𝑡𝑟𝑒𝑟𝑎 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒.
𝑆𝑖 𝑐𝑒 𝑐ℎ𝑜𝑖𝑥 𝑒𝑠𝑡 𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒, 𝑎𝑙𝑜𝑟𝑠 𝑜𝑛 𝑟𝑒𝑝𝑟𝑒𝑛𝑑 𝑙𝑒 𝑐ℎ𝑜𝑖𝑥 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑠𝑜𝑟𝑡𝑎𝑛𝑡 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑒𝑡 𝑙 ′ é𝑐𝑟𝑖𝑡𝑢𝑟𝑒
𝑑𝑒 𝑙𝑎 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 .
𝐿𝑜𝑟𝑠𝑞𝑢′ 𝑜𝑛 𝑛𝑒 𝑝𝑜𝑢𝑟𝑟𝑎 𝑝𝑙𝑢𝑠 𝑐ℎ𝑜𝑖𝑠𝑖𝑟 𝑑𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 à 𝑓𝑎𝑖𝑟𝑒 𝑒𝑛𝑡𝑟𝑒𝑟 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒, 𝑙 ′ 𝑜𝑝𝑡𝑖𝑚𝑢𝑚 𝑒𝑠𝑡 𝑎𝑡𝑡𝑒𝑖𝑛𝑡.
𝑹𝒆𝒎𝒂𝒓𝒒𝒖𝒆𝒔
¬ 𝑃𝑜𝑢𝑟 𝑢𝑛𝑒 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑎𝑡𝑖𝑜𝑛 , 𝑙𝑒𝑠 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛𝑠 𝑠 ′ 𝑎𝑟𝑟ê𝑡𝑒𝑛𝑡 𝑠𝑖 𝑡𝑜𝑢𝑠 𝑙𝑒𝑠 ∆𝑗 𝑠𝑜𝑛𝑡 𝑛é𝑔𝑎𝑡𝑖𝑓𝑠 𝑜𝑢 𝑛𝑢𝑙𝑠.
¬ 𝑃𝑜𝑢𝑟 𝑢𝑛𝑒 𝑚𝑖𝑛𝑖𝑚𝑖𝑠𝑎𝑡𝑖𝑜𝑛 , 𝑙𝑒𝑠 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛𝑠 𝑠 ′ 𝑎𝑟𝑟ê𝑡𝑒𝑛𝑡 𝑠𝑖 𝑡𝑜𝑢𝑠 𝑙𝑒𝑠 ∆𝑗 𝑠𝑜𝑛𝑡 𝑝𝑜𝑠𝑖𝑡𝑖𝑓𝑠 𝑜𝑢 𝑛𝑢𝑙𝑠.
20
𝐼𝑙 𝑛𝑒 𝑟𝑒𝑠𝑡𝑒 𝑝𝑙𝑢𝑠 𝑎𝑙𝑜𝑟𝑠 𝑞𝑢′ à 𝑡𝑖𝑟𝑒𝑟 𝑙𝑒𝑠 𝑐𝑜𝑛𝑐𝑙𝑢𝑠𝑖𝑜𝑛𝑠 𝑒𝑛 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑣𝑎𝑙𝑒𝑢𝑟𝑠 𝑑𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑝𝑟𝑖𝑛𝑐𝑖𝑝𝑎𝑙𝑒𝑠
𝑒𝑡 𝑑′ é𝑐𝑎𝑟𝑡, 𝑎𝑖𝑛𝑠𝑖 𝑞𝑢𝑒 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒.

𝒍) 𝑳𝒆𝒄𝒕𝒖𝒓𝒆 𝒅𝒖 𝒕𝒂𝒃𝒍𝒆𝒂𝒖
𝐼𝑙 𝑠 ′ 𝑎𝑔𝑖𝑡 𝑑′ é𝑐𝑟𝑖𝑟𝑒 𝑙𝑒𝑠 𝑐𝑜𝑜𝑟𝑑𝑜𝑛𝑛é𝑒𝑠 𝑑𝑢 𝑠𝑜𝑚𝑚𝑒𝑡 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑎𝑛𝑑 𝑎𝑢 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑋 = (𝑥1 , 𝑥2 , ⋯ , 𝑥𝑛 )
𝑂𝑛 𝑙𝑖𝑡 𝑑𝑎𝑛𝑠 𝑙 ′ 𝑜𝑟𝑑𝑟𝑒 𝑑𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 ∶
¬ 𝑆𝑖 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑒𝑠𝑡 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒, 𝑎𝑙𝑜𝑟𝑠 𝑠𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑒𝑠𝑡 𝑒𝑛 𝑓𝑎𝑐𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑑𝑒𝑠 𝑠𝑒𝑐𝑜𝑛𝑑𝑠 𝑚𝑒𝑚𝑏𝑟𝑒𝑠.
¬ 𝑆𝑖 𝑒𝑙𝑙𝑒 𝑛′ 𝑒𝑠𝑡 𝑝𝑎𝑠 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒, 𝑎𝑙𝑜𝑟𝑠 𝑠𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑒𝑠𝑡 𝑛𝑢𝑙𝑙𝑒 (0).

21
𝑨𝒑𝒑𝒍𝒊𝒄𝒂𝒕𝒊𝒐𝒏 𝟏
− 𝑴𝒊𝒔𝒆 𝒆𝒏 é𝒒𝒖𝒂𝒕𝒊𝒐𝒏
𝑆𝑜𝑖𝑡 𝑥1 𝑙𝑒 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑏𝑢𝑟𝑒𝑎𝑢𝑥 𝑑𝑢 𝑡𝑦𝑝𝑒 𝑙𝑢𝑥𝑒, 𝑥2 𝑙𝑒 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑏𝑢𝑟𝑒𝑎𝑢𝑥 𝑑𝑢 𝑡𝑦𝑝𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑.
𝑥1 ≥ 0 , 𝑥2 ≥ 0
𝑥1 ≤ 300
𝑥2 ≤ 400
𝐿𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑒𝑠𝑡 ∶ .
𝑥1 + 𝑥2 ≤ 500
2 𝑥1 + 𝑥2 ≤ 700
{ 𝑍 = 7 𝑥1 + 5 𝑥2 à 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑒𝑟
− 𝑭𝒐𝒓𝒎𝒆 𝒔𝒕𝒂𝒏𝒅𝒂𝒓𝒅
𝑂𝑛 𝑖𝑛𝑡𝑟𝑜𝑑𝑢𝑖𝑡 𝑙𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑 ′ é𝑐𝑎𝑟𝑡 𝑒1 , 𝑒2 , 𝑒3 𝑒𝑡 𝑒4 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑒𝑠 𝑜𝑢 𝑛𝑢𝑙𝑙𝑒𝑠.
𝑥1 ≥ 0 , 𝑥2 ≥ 0
𝑥1 + 𝑒1 = 300
𝑥2 + 𝑒2 = 400
𝑥1 + 𝑥2 + 𝑒3 = 500
2 𝑥1 + 𝑥2 + 𝑒4 = 700
{ 𝑍 = 7 𝑥1 + 5 𝑥2 à 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑒𝑟
− 𝑽𝒂𝒓𝒊𝒂𝒃𝒍𝒆𝒔 𝒉𝒐𝒓𝒔 − 𝒃𝒂𝒔𝒆 𝒆𝒕 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒅𝒂𝒏𝒔 𝒍𝒂 𝒃𝒂𝒔𝒆.
𝑃𝑜𝑢𝑟 𝑎𝑚𝑜𝑟𝑐𝑒𝑟 𝑙 ′ 𝑎𝑙𝑔𝑜𝑟𝑖𝑡ℎ𝑚𝑒 𝑑𝑢 𝑠𝑖𝑚𝑝𝑙𝑒𝑥𝑒; 𝑖𝑙 𝑒𝑠𝑡 𝑛é𝑐é𝑠𝑠𝑎𝑖𝑟𝑒 𝑑𝑒 𝑐𝑜𝑛𝑛𝑎î𝑡𝑟𝑒 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑒 𝑏𝑎𝑠𝑒
𝐿𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑒 𝑏𝑎𝑠𝑒 𝑑𝑒 𝑑é𝑝𝑎𝑟𝑡 𝑑𝑒 𝑙 ′ é𝑏é𝑛𝑖𝑠𝑡𝑒 𝑐𝑜𝑛𝑠𝑖𝑠𝑡𝑒 à 𝑛𝑒 𝑟𝑖𝑒𝑛 𝑝𝑟𝑜𝑑𝑢𝑖𝑟𝑒 ∶ 𝑥1 = 𝑥2 = 0.
𝐶𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑥1 𝑒𝑡 𝑥2 𝑞𝑢𝑖 𝑠𝑜𝑛𝑡 𝑛𝑢𝑙𝑙𝑒𝑠 𝑠𝑜𝑛𝑡 ℎ𝑜𝑟𝑠 − 𝑏𝑎𝑠𝑒.
𝐷𝑎𝑛𝑠 𝑐𝑒 𝑐𝑎𝑠, 𝑒1 = 300 , 𝑒2 = 400 , 𝑒3 = 500 𝑒𝑡 𝑒4 = 700.
𝐿𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑒1 , 𝑒2 , 𝑒3 𝑒𝑡 𝑒4 𝑠𝑜𝑛𝑡 𝑛𝑢𝑙𝑙𝑒𝑠 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒.
𝐿𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 𝑍 = 7 × 0 + 5 × 0 = 0.
𝑂𝑛 𝑛𝑜𝑡𝑒 ∶
𝑉𝐷𝐵 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑𝑒 𝑏𝑎𝑠𝑒 ∶ 𝑒1 , 𝑒2 , 𝑒3 , 𝑒4
𝑉𝐻𝐵 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 ℎ𝑜𝑟𝑠 − 𝑏𝑎𝑠𝑒 ∶ 𝑥1 , 𝑥2 .
𝑂𝑛 𝑜𝑏𝑡𝑖𝑒𝑛𝑡 𝑙𝑒 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑖𝑛𝑖𝑡𝑖𝑎𝑙 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 ∶
𝑉𝐻𝐵
𝑥1 𝑥2 𝑒1 𝑒2 𝑒3 𝑒4 𝑐𝑠𝑡𝑒
𝑉𝐷𝐵
𝑒1 1 0 1 0 0 0 300
𝑒2 0 1 0 1 0 0 400
𝑒3 1 1 0 0 1 0 500
𝑒4 2 1 0 0 0 1 700
𝑍 7 5 0 0 0 0 0

22
𝑷𝒓𝒆𝒎𝒊è𝒓𝒆 𝒊𝒕é𝒓𝒂𝒕𝒊𝒐𝒏
𝐿𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑒 𝑑é𝑝𝑎𝑟𝑡 𝑐𝑜𝑛𝑠𝑖𝑠𝑡𝑒 à 𝑛𝑒 𝑟𝑖𝑒𝑛 𝑝𝑟𝑜𝑑𝑢𝑖𝑟𝑒 𝑠𝑜𝑖𝑡 𝑥1 = 𝑥2 = 0.
𝑂𝑛 é𝑡𝑢𝑑𝑖𝑒 𝑒𝑛𝑠𝑢𝑖𝑡𝑒, à 𝑝𝑎𝑟𝑡𝑖𝑟 𝑑𝑒 𝑐𝑒𝑡𝑡𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 , 𝑗𝑢𝑠𝑞𝑢′ à 𝑞𝑢𝑒𝑙 𝑛𝑖𝑣𝑒𝑎𝑢 𝑜𝑛 𝑝𝑒𝑢𝑡 𝑝𝑜𝑟𝑡𝑒𝑟 𝑥1 𝑜𝑢 𝑥2
𝑐𝑜𝑛𝑓𝑜𝑟𝑚é𝑚𝑒𝑛𝑡 𝑎𝑢𝑥 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑑𝑒 𝑓𝑎ç𝑜𝑛 à 𝑎𝑐𝑐𝑟𝑜î𝑡𝑟𝑒 𝑎𝑢 𝑚𝑎𝑥𝑖𝑚𝑢𝑚 𝑙𝑒 𝑝𝑟𝑜𝑓𝑖𝑡. 𝐼𝑙 𝑠𝑒 𝑝𝑜𝑠𝑒 𝑙𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒
𝑑𝑢 𝑐ℎ𝑜𝑖𝑥 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑥1 𝑜𝑢 𝑥2 𝑞𝑢𝑖 𝑣𝑎 𝑝𝑎𝑠𝑠𝑒𝑟 𝑑𝑒 𝑙𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 0 à 𝑢𝑛𝑒 𝑣𝑎𝑙𝑒𝑢𝑟 𝑠𝑡𝑟𝑖𝑐𝑡𝑒𝑚𝑒𝑛𝑡 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑒.
𝐿𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑐ℎ𝑜𝑖𝑠𝑖𝑒 𝑠𝑒𝑟𝑎 𝑎𝑝𝑝𝑒𝑙é𝑒 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒆𝒏𝒕𝒓𝒂𝒏𝒕𝒆.
− 𝑪𝒓𝒊𝒕è𝒓𝒆 𝒅𝒆 𝒔é𝒍𝒆𝒄𝒕𝒊𝒐𝒏 𝒅𝒆 𝒍𝒂 𝒗𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒆𝒏𝒕𝒓𝒂𝒏𝒕𝒆
𝐶𝑒𝑡𝑡𝑒 𝑠é𝑙𝑒𝑐𝑡𝑖𝑜𝑛 𝑑𝑜𝑖𝑡 𝑠 ′ 𝑎𝑐𝑐𝑜𝑚𝑝𝑎𝑔𝑛𝑒𝑟 𝑑′ 𝑢𝑛𝑒 𝑎𝑢𝑔𝑚𝑒𝑛𝑡𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 𝑍 = 7 𝑥1 + 5 𝑥2
𝐸𝑙𝑙𝑒 𝑠𝑒 𝑝𝑜𝑟𝑡𝑒 𝑠𝑢𝑟 𝑥1 𝑞𝑢𝑖 𝑝𝑎𝑟 𝑢𝑛𝑖𝑡é 𝑟𝑎𝑝𝑝𝑜𝑟𝑡𝑒 𝑙𝑒 𝑝𝑙𝑢𝑠. 𝐶𝑒𝑡𝑡𝑒 𝑟è𝑔𝑙𝑒 𝑒𝑠𝑡 𝑎𝑝𝑝𝑒𝑙é𝑒 𝒓è𝒈𝒍𝒆 𝒅𝒖 𝒑𝒍𝒖𝒔 𝒈𝒓𝒂𝒏𝒅
𝒈𝒂𝒊𝒏 𝒎𝒂𝒓𝒈𝒊𝒏𝒂𝒍.
𝑃𝑟𝑒𝑚𝑖è𝑟𝑒 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛
𝑉𝐻𝐵
𝑥1 𝑥2 𝑒1 𝑒2 𝑒3 𝑒4 𝑐𝑠𝑡𝑒 𝑟𝑎𝑝𝑝𝑜𝑟𝑡
𝑉𝐷𝐵
300
𝑒1 1 0 1 0 0 0 300 = 300
1
400
𝑒2 0 1 0 1 0 0 400 = +∞
0
500
𝑒3 1 1 −1 0 1 0 500 = 500
1
700
𝑒4 2 1 −2 0 0 1 700 = 350
2
𝑍 7 5 5 0 0 0 0
𝐷𝑒𝑢𝑥𝑖è𝑚𝑒 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛
𝑉𝐻𝐵
∎ 𝑥2 𝑒1 𝑒2 𝑒3 𝑒4 𝑐𝑠𝑡𝑒 𝑐𝑠𝑡𝑒
𝑉𝐷𝐵
300
𝑥1 1 0 1 0 0 0 300 = +∞
0
400
𝑒2 0 1 0 1 0 0 400 = 400
1
200
𝑒3 0 1 −1 0 1 0 200 = 200
1
100
𝑒4 0 1 −2 0 0 1 100 = 100
1
𝑍 0 5 −7 0 0 0 −2.100

23
𝑇𝑟𝑜𝑖𝑠𝑖è𝑚𝑒 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛
𝑉𝐻𝐵
∎ ∎ 𝑒1 𝑒2 𝑒3 𝑒4 𝑐𝑠𝑡𝑒 𝑐𝑠𝑡𝑒
𝑉𝐷𝐵
300
𝑥1 1 0 1 0 0 0 300 = 300
1
300
𝑒2 0 1 2 1 0 −1 300 = 150
2
100
𝑒3 0 0 1 0 1 −1 100 = 100
1
100
𝑥2 0 1 −2 0 0 1 100 = −50
−2
𝑍 0 0 3 0 0 −5 −2.600
𝑄𝑢𝑎𝑡𝑟𝑖è𝑚𝑒 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛
𝑉𝐻𝐵
∎ ∎ ∎ 𝑒2 𝑒3 𝑒4 𝑐𝑠𝑡𝑒
𝑉𝐷𝐵
𝑥1 1 0 0 0 −1 1 200
𝑒2 0 0 0 1 −2 1 100
𝑒1 0 0 1 0 1 −1 100
𝑥2 0 1 0 0 2 −1 300
𝑍 0 0 0 0 −3 −2 −2.900

𝑇𝑜𝑢𝑡𝑒𝑠 𝑙𝑒𝑠 𝑣𝑎𝑙𝑒𝑢𝑟𝑠 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑙𝑖𝑔𝑛𝑒 𝑑𝑒 𝑍 𝑠𝑜𝑛𝑡 𝑛é𝑔𝑎𝑡𝑖𝑓𝑠 𝑜𝑢 𝑛𝑢𝑙𝑠.

𝑂𝑛 𝑎𝑟𝑟ê𝑡𝑒 𝑙𝑒 𝑝𝑟𝑜𝑐𝑒𝑠𝑠𝑢𝑠 𝑒𝑡 𝑑𝑜𝑛𝑐 𝑍 𝑒𝑠𝑡 𝑚𝑎𝑥𝑖𝑚𝑢𝑚 𝑒𝑡 𝑣𝑎𝑢𝑡 2.900.
𝑃𝑜𝑢𝑟 𝑐𝑒𝑙𝑎, 𝑜𝑛 𝑎 ∶
∎ 𝑥1 = 200 𝑏𝑢𝑟𝑒𝑎𝑢𝑥 𝑑𝑒 𝑚𝑜𝑑è𝑙𝑒 𝑙𝑢𝑥𝑒.
∎ 𝑥2 = 300 𝑏𝑢𝑟𝑒𝑎𝑢𝑥 𝑑𝑒 𝑚𝑜𝑑è𝑙𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑.
∎ 𝑒1 = 100 , 𝑖𝑙 𝑟𝑒𝑠𝑡𝑒 𝑢𝑛𝑒 𝑝𝑜𝑠𝑠𝑖𝑏𝑖𝑙𝑖𝑡é 𝑑𝑒 𝑓𝑎𝑏𝑟𝑖𝑞𝑢𝑒𝑟 100 𝑏𝑢𝑟𝑒𝑎𝑢𝑥 𝑑𝑒 𝑚𝑜𝑑è𝑙𝑒 𝑙𝑢𝑥𝑒.
∎ 𝑒2 = 100 , 𝑖𝑙 𝑟𝑒𝑠𝑡𝑒 𝑢𝑛𝑒 𝑝𝑜𝑠𝑠𝑖𝑏𝑖𝑙𝑖𝑡é 𝑑𝑒 𝑓𝑎𝑏𝑟𝑖𝑞𝑢𝑒𝑟 100 𝑏𝑢𝑟𝑒𝑎𝑢𝑥 𝑑𝑒 𝑚𝑜𝑑è𝑙𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑.
∎ 𝑒3 = 0 , 𝑡𝑜𝑢𝑡 𝑙𝑒 𝑏𝑜𝑖𝑠 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒 𝑒𝑠𝑡 𝑢𝑡𝑖𝑙𝑖𝑠é.
∎ 𝑒4 = 0 , 𝑡𝑜𝑢𝑡 𝑙𝑒 𝑡𝑒𝑚𝑝𝑠 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒 𝑒𝑠𝑡 𝑢𝑡𝑖𝑙𝑖𝑠é.

24
𝑰𝑰𝑰 − 𝑳𝑬𝑺 𝑪𝑨𝑺 𝑷𝑨𝑹𝑻𝑰𝑪𝑼𝑳𝑰𝑬𝑹𝑺
𝟏) 𝑳𝒆𝒔 𝒄𝒐𝒆𝒇𝒇𝒊𝒄𝒊𝒆𝒏𝒕𝒔 𝒅𝒆 𝒍𝒂 𝒇𝒐𝒏𝒄𝒕𝒊𝒐𝒏 é𝒄𝒐𝒏𝒐𝒎𝒊𝒒𝒖𝒆 𝒔𝒐𝒏𝒕 é𝒈𝒂𝒖𝒙
𝑂𝑛 𝑑𝑜𝑛𝑛𝑒 𝑙𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 ∶
𝑥 ≥ 0 ,𝑦 ≥ 0
{ 𝑥+𝑦 ≤7
2𝑥 + 𝑦 ≤ 9
𝑀𝑎𝑥(𝑍) = 12 𝑥 + 12 𝑦
𝐿𝑎 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑 𝑎𝑠𝑠𝑜𝑐𝑖é𝑒 𝑒𝑠𝑡
𝑥 ≥ 0 , 𝑦 ≥ 0 , 𝑒1 ≥ 0 , 𝑒1 ≥ 0
{ 𝑥 + 𝑦 + 𝑒1 = 7
2𝑥 + 𝑦 + 𝑒2 = 9
𝑀𝑎𝑥(𝑍) = 12 𝑥 + 12 𝑦 + 0 𝑒1 + 0 𝑒2 .
𝑴é𝒕𝒉𝒐𝒅𝒆
∎ 𝑂𝑛 𝑐𝑎𝑙𝑐𝑢𝑙𝑒 𝑙𝑒𝑠 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑠 𝑝𝑜𝑢𝑟 𝑐ℎ𝑎𝑐𝑢𝑛𝑒 𝑑𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑒𝑛𝑡𝑟𝑎𝑛𝑡𝑒𝑠 𝑝𝑜𝑢𝑟 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟 𝑙𝑒𝑠 𝑝𝑖𝑣𝑜𝑡𝑠.
∎ 𝑂𝑛 𝑐𝑜𝑚𝑝𝑎𝑟𝑒 𝑙𝑒𝑠 𝑑𝑒𝑢𝑥 𝑣𝑎𝑙𝑒𝑢𝑟𝑠 𝑜𝑏𝑡𝑒𝑛𝑢𝑒𝑠 𝑝𝑜𝑢𝑟 𝑙𝑒𝑠 𝑝𝑖𝑣𝑜𝑡𝑠 𝑒𝑡 𝑜𝑛 𝑐ℎ𝑜𝑖𝑠𝑖𝑡 𝑙𝑒 𝑝𝑙𝑢𝑠 𝑔𝑟𝑎𝑛𝑑.
∎ 𝑂𝑛 𝑐ℎ𝑜𝑖𝑠𝑖𝑡 𝑙𝑒 𝑝𝑖𝑣𝑜𝑡 𝑝𝑜𝑢𝑟 𝑐𝑜𝑚𝑚𝑒𝑛𝑐𝑒𝑟 𝑙𝑒𝑠 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛𝑠.
𝑂𝑛 𝑜𝑏𝑡𝑖𝑒𝑛𝑡 𝑙𝑒 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 ∶
𝑉𝐻𝐵
𝑥 𝑦 𝑒1 𝑒2 𝐶 𝑅𝑥 𝑅𝑦
𝑉𝐵
𝑒1 1 1 1 0 7 7 7
=7 =7
1 1
𝑒2 2 1 0 1 9 9 9
= 4,5 =9
2 1
𝑍 12 12 0 0 0

𝑂𝑛 𝑟𝑒𝑚𝑎𝑟𝑞𝑢𝑒 𝑞𝑢𝑒 7 > 4,5 , 𝑑𝑜𝑛𝑐 𝑙𝑒 𝑝𝑖𝑣𝑜𝑡 𝑒𝑠𝑡 1 . 𝐿𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑒𝑛𝑡𝑟𝑎𝑛𝑡𝑒 𝑒𝑠𝑡 𝑦 𝑒𝑡 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑠𝑜𝑟𝑡𝑎𝑛𝑡𝑒 𝑒𝑠𝑡 𝑒1 .
𝑹𝒆𝒎𝒂𝒓𝒒𝒖𝒆
𝐿𝑒 𝑐ℎ𝑜𝑖𝑥 𝑑𝑒 𝑥 𝑜𝑢 𝑦 𝑐𝑜𝑚𝑚𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑒𝑛𝑡𝑟𝑎𝑛𝑡𝑒 𝑛′ 𝑎 𝑎𝑢𝑐𝑢𝑛𝑒 𝑖𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑒 𝑠𝑢𝑟 𝑙𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒.
𝐿𝑒 𝑚𝑎𝑢𝑣𝑎𝑖𝑠 𝑐ℎ𝑜𝑖𝑥 𝑒𝑛𝑡𝑟𝑎î𝑛𝑒 𝑢𝑛𝑒 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛 𝑒𝑛 𝑝𝑙𝑢𝑠 .

25
 𝟐) 𝑬𝒈𝒂𝒍𝒊𝒕é 𝒅𝒆𝒔 𝒑𝒍𝒖𝒔 𝒑𝒆𝒕𝒊𝒕𝒔 𝒓𝒂𝒑𝒑𝒐𝒓𝒕𝒔 𝒑𝒐𝒔𝒊𝒕𝒊𝒇𝒔
𝑂𝑛 𝑑𝑜𝑛𝑛𝑒 𝑙𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 ∶
𝑥 ≥ 0 ,𝑦 ≥ 0
{ 𝑥+𝑦 ≤7
2𝑥 + 𝑦 ≤ 14
𝑀𝑎𝑥(𝑍) = 8 𝑥 + 5 𝑦
𝐿𝑎 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑 𝑎𝑠𝑠𝑜𝑐𝑖é𝑒 𝑒𝑠𝑡
𝑥 ≥ 0 , 𝑦 ≥ 0 , 𝑒1 ≥ 0 , 𝑒1 ≥ 0
{ 𝑥 + 𝑦 + 𝑒1 = 7
2𝑥 + 𝑦 + 𝑒2 = 14
𝑀𝑎𝑥(𝑍) = 8 𝑥 + 5 𝑦 + 0 𝑒1 + 0 𝑒2 .

𝑴é𝒕𝒉𝒐𝒅𝒆
∎ 𝑂𝑛 𝑎𝑑𝑑𝑖𝑡𝑖𝑜𝑛𝑛𝑒 𝑡𝑜𝑢𝑠 𝑙𝑒𝑠 é𝑙é𝑚𝑒𝑛𝑡𝑠 𝑑𝑒 𝑐ℎ𝑎𝑞𝑢𝑒 𝑙𝑖𝑔𝑛𝑒 𝑠𝑎𝑢𝑓 𝑙𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠.
∎ 𝑂𝑛 𝑑𝑖𝑣𝑖𝑠𝑒 𝑙𝑒 𝑟é𝑠𝑢𝑙𝑡𝑎𝑡 𝑜𝑏𝑡𝑒𝑛𝑢 𝑝𝑎𝑟 𝑙𝑒 𝑝𝑖𝑣𝑜𝑡
∎ 𝑂𝑛 𝑐ℎ𝑜𝑖𝑠𝑖𝑡 𝑙𝑎 𝑝𝑙𝑢𝑠 𝑔𝑟𝑎𝑛𝑑𝑒 𝑣𝑎𝑙𝑒𝑢𝑟 𝑑𝑒𝑠 𝑑𝑒𝑢𝑥
∎ 𝑂𝑛 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑒 𝑙𝑒 𝑝𝑖𝑣𝑜𝑡 𝑝𝑜𝑢𝑟 𝑐𝑜𝑚𝑚𝑒𝑛𝑐𝑒𝑟 𝑙𝑒𝑠 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛𝑠.
𝑂𝑛 𝑜𝑏𝑡𝑖𝑒𝑛𝑡 𝑙𝑒 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 ∶
𝑉𝐻𝐵
𝑥 𝑦 𝑒1 𝑒2 𝐶 𝑅
𝑉𝐵
𝑒1 1 1 1 0 7 7
=7
1
𝑒2 2 1 0 1 14 14
=7
2
𝑍 8 5 0 0 0

3
𝐿𝑖𝑔𝑛𝑒 1 ∶ 1 + 1 + 1 + 0 = 3 𝑒𝑡 = 3.
1
4
𝐿𝑖𝑔𝑛𝑒 2 ∶ 2 + 1 + 0 + 1 = 4 𝑒𝑡 = 2.
2
𝑂𝑛 𝑟𝑒𝑚𝑎𝑟𝑞𝑢𝑒 𝑞𝑢𝑒 3 > 2 , 𝑑𝑜𝑛𝑐 𝑙𝑒 𝑝𝑖𝑣𝑜𝑡 𝑒𝑠𝑡 1 . 𝐿𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑒𝑛𝑡𝑟𝑎𝑛𝑡𝑒 𝑒𝑠𝑡 𝑥 𝑒𝑡 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑠𝑜𝑟𝑡𝑎𝑛𝑡𝑒 𝑒𝑠𝑡 𝑒1 .
𝑹𝒆𝒎𝒂𝒓𝒒𝒖𝒆
𝑂𝑛 𝑝𝑒𝑢𝑡 𝑐ℎ𝑜𝑖𝑠𝑖𝑟 𝑖𝑛𝑑𝑖𝑓𝑓é𝑟𝑒𝑚𝑚𝑒𝑛𝑡 𝑒1 𝑜𝑢 𝑒2 𝑐𝑜𝑚𝑚𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑠𝑜𝑟𝑡𝑎𝑛𝑡𝑒 . 𝐿𝑒 𝑚𝑎𝑢𝑣𝑎𝑖𝑠 𝑐ℎ𝑜𝑖𝑥 𝑒𝑛𝑡𝑟𝑎î𝑛𝑒 𝑢𝑛𝑒
𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛 𝑒𝑛 𝑝𝑙𝑢𝑠 .

26
 𝟑) 𝑳𝒆𝒔 𝒑𝒓𝒐𝒃𝒍è𝒎𝒆𝒔 à 𝒔𝒐𝒍𝒖𝒕𝒊𝒐𝒏𝒔 𝒎𝒖𝒍𝒕𝒊𝒑𝒍𝒆𝒔
𝐺𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒𝑚𝑒𝑛𝑡 , 𝑐𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑒𝑠𝑡 𝑐𝑎𝑟𝑎𝑐𝑡é𝑟𝑖𝑠é 𝑝𝑎𝑟 𝑙𝑒 𝑓𝑎𝑖𝑡 𝑞𝑢𝑒 𝑙𝑎 𝑝𝑒𝑛𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑑𝑟𝑜𝑖𝑡𝑒 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑎𝑛𝑡 𝑙𝑎
𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑜𝑏𝑗𝑒𝑐𝑡𝑖𝑓 (𝑍 = 0) 𝑒𝑠𝑡 é𝑔𝑎𝑙𝑒 à 𝑙𝑎 𝑝𝑒𝑛𝑡𝑒 𝑑𝑒 𝑙 ′ 𝑢𝑛𝑒 𝑑𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑟𝑒𝑠𝑡𝑟𝑖𝑐𝑡𝑖𝑣𝑒𝑠.
𝐿𝑜𝑟𝑠𝑞𝑢′ 𝑜𝑛 𝑢𝑡𝑖𝑙𝑖𝑠𝑒 𝑙𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑑𝑒 𝑠𝑖𝑚𝑝𝑙𝑒𝑥𝑒 , 𝑜𝑛 𝑖𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑒 𝑐𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑞𝑢𝑎𝑛𝑑 𝑙𝑒𝑠 𝑒𝑓𝑓𝑒𝑡𝑠 𝑛𝑒𝑡𝑠 (𝑟𝑒𝑙𝑎𝑡𝑖𝑓
à 𝑢𝑛𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 ℎ𝑜𝑟𝑠 𝑏𝑎𝑠𝑒) 𝑒𝑠𝑡 𝑛𝑢𝑙.
𝐸𝑛 𝑑′ 𝑎𝑢𝑡𝑟𝑒𝑠 𝑡𝑒𝑟𝑚𝑠𝑒𝑠 ∶
− 𝑆𝑖 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑜𝑏𝑗𝑒𝑐𝑡𝑖𝑓 𝑒𝑠𝑡 𝑝𝑎𝑟𝑎𝑙𝑙è𝑙𝑒 à 𝑢𝑛𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑎𝑐𝑡𝑖𝑣𝑒 𝑝𝑜𝑢𝑟 𝑙𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒, 𝑙𝑎
𝑚ê𝑚𝑒 𝑣𝑎𝑙𝑒𝑢𝑟 𝑑𝑒 𝑙 ′ 𝑜𝑏𝑗𝑒𝑐𝑡𝑖𝑓 𝑝𝑒𝑢𝑡 ê𝑡𝑟𝑒 𝑝𝑟𝑖𝑠𝑒 𝑝𝑎𝑟 𝑝𝑙𝑢𝑠𝑖𝑒𝑢𝑟𝑠 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛𝑠 𝑎𝑑𝑚𝑖𝑠𝑠𝑖𝑏𝑙𝑒𝑠.
− 𝐼𝑙 𝑦 𝑎 𝑢𝑛𝑒 𝑖𝑛𝑓𝑖𝑛𝑖𝑡é 𝑑𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛𝑠 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒𝑠 𝑑𝑎𝑛𝑠 𝑐𝑒 𝑐𝑎𝑠 (𝑡𝑜𝑢𝑡𝑒𝑠 𝑙𝑒𝑠 𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑖𝑠𝑜𝑛𝑠 𝑐𝑜𝑛𝑣𝑒𝑥𝑒𝑠 𝑑𝑒
𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑜𝑝𝑡𝑖𝑚𝑎𝑢𝑥).
− 𝐶𝑒𝑙𝑎 𝑠𝑒 𝑡𝑟𝑎𝑑𝑢𝑖𝑡 𝑝𝑎𝑟 𝑢𝑛 𝑝𝑟𝑜𝑓𝑖𝑡 𝑚𝑎𝑟𝑔𝑖𝑛𝑎𝑙 𝑛𝑢𝑙 𝑜𝑢 𝑝𝑙𝑢𝑠𝑖𝑒𝑢𝑟𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 ℎ𝑜𝑟𝑠 𝑏𝑎𝑠𝑒.
𝐸𝑥𝑒𝑚𝑝𝑙𝑒
𝑥1 + 2 𝑥2 ≤ 5
𝑥1 + 𝑥2 ≤ 4
{
𝑚𝑎𝑥 𝑍 = 2 𝑥1 + 4 𝑥2
𝑥1 , 𝑥2 ≥ 0
𝑀é𝑡ℎ𝑜𝑑𝑒 𝑑𝑢 𝑠𝑖𝑚𝑝𝑙𝑒𝑥𝑒
𝑉𝐻𝐵
𝑥1 𝑥2 𝑒1 𝑒2 𝑐𝑠𝑡𝑒
𝑉𝐷𝐵

𝑒1 1 2 1 0 5

𝑒2 1 1 0 1 4

𝑍 2 4 0 0 0

1 1 5
𝑥2 1 0
2 2 2
1 1 3
𝑒2 0 − 1
2 2 2

𝑍 0 0 −2 0 −10

𝑥2 0 1 1 −1 1

𝑥1 1 0 −1 2 3

𝑍 0 0 −2 0 −10

27
𝑆𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 ∶
𝑥1 = 0 × 𝛼 + 3(1 − 𝛼) = 3 − 3 𝛼
5 3
𝑥2 = × 𝛼 + 1(1 − 𝛼) = 1 + 𝛼 𝑎𝑣𝑒𝑐 0 ≤ 𝛼 ≤ 1.
2 2

28
 𝟒) 𝑳𝒆𝒔 𝒑𝒓𝒐𝒃𝒍è𝒎𝒆𝒔 à 𝒔𝒐𝒍𝒖𝒕𝒊𝒐𝒏 𝒊𝒏𝒇𝒊𝒏𝒊𝒆
𝐺𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒𝑚𝑒𝑛𝑡, 𝑐𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑒𝑠𝑡 𝑐𝑎𝑟𝑎𝑐𝑡é𝑟𝑖𝑠é 𝑝𝑎𝑟 𝑙𝑒 𝑓𝑎𝑖𝑡 𝑞𝑢′ 𝑜𝑛 𝑝𝑒𝑢𝑡 𝑑é𝑝𝑙𝑎𝑐𝑒𝑟 𝑙𝑎 𝑑𝑟𝑜𝑖𝑡𝑒 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛
𝑜𝑏𝑗𝑒𝑐𝑡𝑖𝑓 𝑖𝑛𝑑é𝑓𝑖𝑛𝑖𝑚𝑚𝑒𝑛𝑡 𝑑𝑒 𝑙𝑎 𝑚𝑎𝑛𝑖è𝑟𝑒 à 𝑎𝑐𝑐𝑟𝑜î𝑡𝑟𝑒 𝑙𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 , 𝑒𝑛 𝑔𝑎𝑟𝑑𝑎𝑛𝑡 𝑡𝑜𝑢𝑗𝑜𝑢𝑟𝑠 𝑢𝑛𝑒 𝑖𝑛𝑡𝑒𝑟𝑠𝑒𝑐𝑡𝑖𝑜𝑛 𝑛𝑜𝑛
𝑣𝑖𝑑𝑒 𝑎𝑣𝑒𝑐 𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒𝑠 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛𝑠 𝑟é𝑎𝑙𝑖𝑠𝑎𝑏𝑙𝑒𝑠.
𝐴𝑣𝑒𝑐 𝑙𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑑𝑢 𝑠𝑖𝑚𝑝𝑙𝑒𝑥𝑒 , 𝑜𝑛 𝑟𝑒𝑐𝑜𝑛𝑛𝑎î𝑡 𝑐𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑙𝑜𝑟𝑠𝑞𝑢𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑒𝑛𝑡𝑟𝑎𝑛𝑡𝑒 𝑛′ 𝑎𝑑𝑚𝑒𝑡 𝑎𝑢𝑐𝑢𝑛𝑒
𝑄𝑖
𝑙𝑖𝑚𝑖𝑡𝑒 𝑠𝑢𝑟 𝑠𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑑′ 𝑒𝑛𝑡𝑟é𝑒 , 𝑐 ′ 𝑒𝑠𝑡 à 𝑑𝑖𝑟𝑒 𝑞𝑢𝑒 𝑡𝑜𝑢𝑠 𝑙𝑒𝑠 𝑟𝑎𝑡𝑖𝑜𝑠 𝑠𝑜𝑛𝑡 𝑛é𝑔𝑎𝑡𝑖𝑓𝑠 𝑜𝑢 𝑛𝑢𝑙𝑠.
𝑎𝑖 𝑗
𝐸𝑛 𝑑′ 𝑎𝑢𝑡𝑟𝑒𝑠 𝑡𝑒𝑟𝑚𝑒𝑠 ∶
− 𝐶𝑒𝑟𝑡𝑎𝑖𝑛𝑠 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒𝑠 𝑠𝑜𝑛𝑡 𝑛𝑜𝑛 𝑏𝑜𝑟𝑛é𝑠 𝑑𝑎𝑛𝑠 𝑢𝑛𝑒 𝑑𝑖𝑟𝑒𝑐𝑡𝑖𝑜𝑛 𝑑𝑜𝑛𝑛é𝑒.

−𝑆𝑖 𝑐𝑒𝑡𝑡𝑒 𝑑𝑖𝑟𝑒𝑐𝑡𝑖𝑜𝑛 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑑𝑖𝑟𝑒𝑐𝑡𝑖𝑜𝑛 𝑑 ′ 𝑎𝑚é𝑙𝑖𝑜𝑟𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑜𝑏𝑗𝑒𝑐𝑡𝑖𝑓, 𝑐𝑒𝑙𝑙𝑒 − 𝑐𝑖 𝑝𝑒𝑢𝑡

𝑝𝑟𝑒𝑛𝑑𝑟𝑒 𝑢𝑛𝑒 𝑣𝑎𝑙𝑒𝑢𝑟 𝑎𝑟𝑏𝑖𝑡𝑟𝑎𝑖𝑟𝑒𝑚𝑒𝑛𝑡 𝑔𝑟𝑎𝑛𝑑𝑒.

𝐸𝑥𝑒𝑚𝑝𝑙𝑒

𝑥1 − 𝑥2 ≤ 1
{ 2 𝑥1 ≤ 4
𝑥1 , 𝑥2 ≥ 0

𝑚𝑎𝑥 𝑍 = 2 𝑥1 + 𝑥2

𝑉𝐻𝐵
𝑥1 𝑥2 𝑒1 𝑒2 𝑐𝑠𝑡𝑒
𝑉𝐷𝐵

𝑒1 1 −1 1 0 1

𝑒2 2 0 0 1 4

𝑍 2 1 0 0 0

− 𝑇𝑜𝑢𝑠 𝑙𝑒𝑠 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡𝑠 ( 𝑠𝑎𝑢𝑓 𝑙𝑒 𝑝𝑟𝑜𝑓𝑖𝑡 𝑚𝑎𝑟𝑔𝑖𝑛𝑎𝑙 ) 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑑𝑒 𝑥2 𝑠𝑜𝑛𝑡 𝑛é𝑔𝑎𝑡𝑖𝑓𝑠 𝑜𝑢 𝑛𝑢𝑙.

− 𝐶𝑒𝑙𝑎 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑒 𝑞𝑢𝑒 𝑡𝑜𝑢𝑡𝑒𝑠 𝑙𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑑𝑒 𝑛𝑜𝑛 − 𝑛é𝑔𝑎𝑡𝑖𝑣𝑖𝑡é 𝑠𝑜𝑛𝑡 𝑠𝑎𝑡𝑖𝑠𝑓𝑎𝑖𝑡𝑒𝑠 𝑞𝑢𝑒𝑙𝑙𝑒 𝑞𝑢𝑒 𝑠𝑜𝑖𝑡 𝑙𝑎

𝑣𝑎𝑙𝑒𝑢𝑟 𝑑𝑒 𝑥2 .

− 𝐿′ 𝑜𝑏𝑗𝑒𝑐𝑡𝑖𝑓 𝑝𝑒𝑢𝑡 𝑑𝑜𝑛𝑐 𝑎𝑢𝑔𝑚𝑒𝑛𝑡𝑒𝑟 𝑖𝑛𝑑é𝑓𝑖𝑛𝑖𝑚𝑒𝑛𝑡.

29
𝑴é𝒕𝒉𝒐𝒅𝒆 𝒈𝒓𝒂𝒑𝒉𝒊𝒒𝒖𝒆

30
 𝟓) 𝑳𝒆𝒔 𝒑𝒓𝒐𝒃𝒍è𝒎𝒆𝒔 à 𝒔𝒐𝒍𝒖𝒕𝒊𝒐𝒏 𝒅é𝒈é𝒏é𝒓é𝒆
𝐺𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒𝑚𝑒𝑛𝑡, 𝑜𝑛 𝑎𝑝𝑝𝑒𝑙𝑙𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑é𝑔é𝑛é𝑟é𝑒 𝑙𝑒 𝑝𝑜𝑖𝑛𝑡 𝑜ù 𝑝𝑙𝑢𝑠𝑖𝑒𝑢𝑟𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑐𝑜𝑛𝑐𝑜𝑢𝑟𝑒𝑛𝑡 ( 𝑢𝑛 𝑛𝑜𝑚𝑏𝑟𝑒
𝑠𝑢𝑝é𝑟𝑖𝑒𝑢𝑟 𝑜𝑢 é𝑔𝑎𝑙𝑒 à 𝑡𝑟𝑜𝑖𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 ).
𝑈𝑛 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑒𝑠𝑡 𝑑𝑖𝑡 𝑑é𝑔é𝑛é𝑟é 𝑠𝑖 𝑢𝑛𝑒 𝑜𝑢 𝑝𝑙𝑢𝑠𝑖𝑒𝑢𝑟𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 𝑠𝑜𝑛𝑡 𝑛𝑢𝑙𝑙𝑒𝑠.
𝐷𝑎𝑛𝑠 𝑙𝑎 𝑟é𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑔𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒 𝑐𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑛′ 𝑒𝑠𝑡 𝑝𝑎𝑠 𝑑𝑖𝑓𝑓𝑖𝑐𝑖𝑙𝑒 à 𝑟é𝑠𝑜𝑢𝑑𝑟𝑒 , 𝑚𝑎𝑖𝑠 𝑎𝑣𝑒𝑐 𝑙𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑑𝑒
𝑠𝑖𝑚𝑝𝑙𝑒𝑥𝑒, 𝑖𝑙 𝑝𝑒𝑢𝑡 𝑐𝑎𝑢𝑠𝑒𝑟 𝑑𝑒𝑠 𝑑𝑖𝑓𝑓𝑖𝑐𝑢𝑙𝑡é𝑠.
𝐸𝑛 𝑑′ 𝑎𝑢𝑡𝑟𝑒𝑠 𝑡𝑒𝑟𝑚𝑒𝑠 ∶
−𝑆𝑖 𝑝𝑙𝑢𝑠𝑖𝑒𝑢𝑟𝑠 𝑐ℎ𝑜𝑖𝑥 𝑠𝑜𝑛𝑡 𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒𝑠 𝑝𝑜𝑢𝑟 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑠𝑜𝑟𝑡𝑎𝑛𝑡𝑒, 𝑢𝑛𝑒 𝑑𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑒𝑛 𝑏𝑎𝑠𝑒 𝑠𝑒𝑟𝑎 𝑛𝑢𝑙𝑙𝑒

à 𝑙 ′ 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒.

−𝐵𝑎𝑠𝑒 𝑡𝑒𝑙𝑙𝑒 𝑞𝑢′ 𝑢𝑛𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑒𝑛 𝑏𝑎𝑠𝑒 𝑒𝑠𝑡 𝑛𝑢𝑙𝑙𝑒 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑏𝑎𝑠𝑒 𝑑é𝑔é𝑛é𝑟é𝑒.

−𝐶𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑 à 𝑢𝑛𝑒 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑟𝑒𝑑𝑜𝑛𝑑𝑎𝑛𝑡𝑒

−𝑅𝑖𝑠𝑞𝑢𝑒 𝑑𝑒 𝑐𝑦𝑐𝑙𝑎𝑔𝑒

𝐸𝑥𝑒𝑚𝑝𝑙𝑒

𝑥1 + 4 𝑥2 ≤ 8
{ 𝑥1 + 2 𝑥2 ≤ 4
𝑥1 , 𝑥2 ≥ 0

𝑚𝑎𝑥 𝑍 = 3 𝑥1 + 9 𝑥2

𝑅é𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑔𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒

31
𝑀é𝑡ℎ𝑜𝑑𝑒 𝑑𝑢 𝑠𝑖𝑚𝑝𝑙𝑒𝑥𝑒

𝑉𝐻𝐵
𝑥1 𝑥2 𝑒1 𝑒2 𝑐𝑠𝑡𝑒 𝑐𝑜𝑒𝑓
𝑉𝐷𝐵

𝑒1 1 4 1 0 8 2

𝑒2 1 2 0 1 4 2

𝑍 3 9 0 0 0
1 1
𝑥2 1 0 2 32
4 4
1 1
𝑒2 0 − 1 0 0
2 2
3 9
𝑍 0 − 0 −18
4 4
1 1
𝑥2 0 1 − 2
2 2
𝑥1 1 0 −1 2 0
3 3
𝑍 0 0 − − −18
2 2

− 𝐸𝑛 𝑝𝑟𝑎𝑡𝑖𝑞𝑢𝑒, 𝑙𝑒 𝑟𝑖𝑠𝑞𝑢𝑒 𝑑𝑒 𝑐𝑦𝑐𝑙𝑎𝑔𝑒 𝑒𝑠𝑡 𝑞𝑢𝑎𝑠𝑖𝑚𝑒𝑛𝑡 𝑛𝑢𝑙.

− 𝑀é𝑡ℎ𝑜𝑑𝑒𝑠 𝑝𝑜𝑢𝑟 𝑙 ′ é𝑣𝑖𝑡𝑒𝑟 ∶ 𝑝𝑒𝑟𝑡𝑢𝑏𝑎𝑡𝑖𝑜𝑛𝑠, 𝑜𝑟𝑑𝑟𝑒 𝑙𝑒𝑥𝑖𝑐𝑜𝑔𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒 𝑝𝑜𝑢𝑟 𝑙𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑒𝑛𝑡𝑟𝑎𝑛𝑡 𝑒𝑛

𝑏𝑎𝑠𝑒 …

−𝑈𝑛𝑒 𝑏𝑜𝑛𝑛𝑒 𝑎𝑛𝑎𝑙𝑦𝑠𝑒 𝑎 𝑝𝑟𝑖𝑜𝑟𝑖 𝑝𝑜𝑢𝑟 é𝑙𝑖𝑚𝑖𝑛𝑒𝑟 𝑙𝑒𝑠 𝑟𝑒𝑑𝑜𝑛𝑑𝑎𝑛𝑐𝑒𝑠 𝑒𝑡 𝑙𝑒 𝑚𝑒𝑖𝑙𝑙𝑒𝑢𝑟 𝑚𝑜𝑦𝑒𝑛 𝑑 ′ é𝑣𝑖𝑡𝑒𝑟 𝑐𝑒𝑠

𝑝𝑟𝑜𝑏𝑙è𝑚𝑒𝑠.

32
 𝟒) 𝑷𝒓𝒐𝒃𝒍è𝒎𝒆𝒔 𝒊𝒎𝒑𝒐𝒔𝒔𝒊𝒃𝒍𝒆𝒔

− 𝐿𝑒 𝑠𝑦𝑠𝑡è𝑚𝑒 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑝𝑒𝑢𝑡 𝑛′ 𝑎𝑣𝑜𝑖𝑟 𝑎𝑢𝑐𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛.

− 𝑀é𝑡ℎ𝑜𝑑𝑒 𝑑𝑒𝑠 2 𝑝ℎ𝑎𝑠𝑒𝑠 ∶ 𝑡𝑒𝑟𝑚𝑖𝑛𝑒 𝑎𝑣𝑒𝑐 𝑑𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑎𝑟𝑡𝑖𝑓𝑖𝑐𝑖𝑒𝑙𝑙𝑒𝑠 𝑛𝑜𝑛 𝑛𝑢𝑙𝑙𝑒𝑠.

− 𝐺é𝑛é𝑟𝑎𝑙𝑒𝑚𝑒𝑛𝑡, 𝑝𝑟𝑜𝑣𝑖𝑒𝑛𝑡 𝑑′ 𝑢𝑛𝑒 𝑚𝑎𝑢𝑣𝑎𝑖𝑠𝑒 𝑓𝑜𝑟𝑚𝑢𝑙𝑎𝑡𝑖𝑜𝑛 𝑑𝑢 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒.

𝐸𝑥𝑒𝑚𝑝𝑙𝑒

2 𝑥1 + 𝑥2 ≤ 2
{ 𝑥1 + 4 𝑥2 ≥ 12
3
𝑥1 , 𝑥2 ≥ 0

𝑚𝑎𝑥 𝑍 = 3 𝑥1 + 2 𝑥2

33
𝑰𝑽 − 𝑫𝑼𝑨𝑳𝑰𝑻𝑬

𝐿𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑑𝑢 𝑠𝑖𝑚𝑝𝑙𝑒𝑥𝑒 𝑝𝑒𝑟𝑚𝑒𝑡 𝑑′ 𝑜𝑏𝑡𝑒𝑛𝑖𝑟 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 à 𝑡𝑜𝑢𝑡 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑒𝑛

𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑒𝑠 (𝑛𝑜𝑛 𝑒𝑛𝑡𝑖è𝑟𝑒𝑠). 𝐿𝑎 𝑡ℎé𝑜𝑟𝑖𝑒 𝑑𝑒 𝑙𝑎 𝑑𝑢𝑎𝑙𝑖𝑡é 𝑑𝑜𝑛𝑛𝑒 𝑑 ′ 𝑎𝑢𝑡𝑟𝑒𝑠 𝑖𝑛𝑓𝑜𝑟𝑚𝑎𝑡𝑖𝑜𝑛𝑠

𝑐𝑎𝑟𝑎𝑐𝑡é𝑟𝑖𝑠𝑎𝑛𝑡 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒.

𝟏) 𝑽𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒅𝒖𝒂𝒍𝒆 𝒂𝒔𝒔𝒐𝒄𝒊é𝒆 à 𝒖𝒏𝒆 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆

𝐶𝑜𝑛𝑠𝑖𝑑é𝑟𝑜𝑛𝑠 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 𝑑′ 𝑢𝑛 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑒𝑡 𝑢𝑛𝑒 𝑑𝑒 𝑠𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑠𝑒

𝑝𝑟é𝑠𝑒𝑛𝑡𝑎𝑛𝑡 𝑠𝑜𝑢𝑠 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 𝑑′ 𝑢𝑛𝑒 𝑖𝑛é𝑔𝑎𝑙𝑖𝑡é. 𝐷𝑎𝑛𝑠 𝑐𝑒 𝑐𝑎𝑠, 𝑑𝑒𝑢𝑥 𝑠𝑖𝑡𝑢𝑎𝑡𝑖𝑜𝑛𝑠 𝑝𝑒𝑢𝑣𝑒𝑛𝑡 𝑠𝑒 𝑝𝑟é𝑠𝑒𝑛𝑡𝑒𝑟 ∶

¬ 𝑐𝑒𝑡𝑡𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑛′ 𝑒𝑠𝑡 𝑝𝑎𝑠 𝑠𝑎𝑡𝑢𝑟é𝑒 ( 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑 ′ é𝑐𝑎𝑟𝑡 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑎𝑛𝑡𝑒 𝑒𝑠𝑡 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑒 𝑑𝑒 0):

𝑑𝑜𝑛𝑐 𝑡𝑜𝑢𝑡𝑒 𝑚𝑜𝑑𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑙𝑜𝑐𝑎𝑙𝑒 𝑑𝑢 𝑠𝑒𝑐𝑜𝑛𝑑 𝑚𝑒𝑚𝑏𝑟𝑒 𝑛𝑒 𝑚𝑜𝑑𝑖𝑓𝑖𝑒𝑟𝑎 𝑛𝑖 𝑙𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒

𝑡𝑟𝑜𝑢𝑣é𝑒 , 𝑛𝑖 𝑏𝑖𝑒𝑛 𝑠û𝑟 𝑙𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑜𝑏𝑗𝑒𝑐𝑡𝑖𝑓 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒.

¬ 𝑐𝑒𝑡𝑡𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑒𝑠𝑡 𝑠𝑎𝑡𝑢𝑟é𝑒 ∶ 𝑙𝑜𝑟𝑠𝑞𝑢𝑒 𝑙𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑛′ 𝑒𝑠𝑡 𝑝𝑎𝑠 𝑑é𝑔é𝑛é𝑟é 𝑒𝑡 𝑠𝑖 𝑜𝑛 𝑙𝑎 𝑟𝑒𝑠𝑠𝑒𝑟𝑟𝑒

𝑑𝑎𝑣𝑎𝑛𝑡𝑎𝑔𝑒, 𝑙𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 𝑣𝑎 𝑠𝑒 𝑑é𝑝𝑙𝑎𝑐𝑒𝑟 𝑒𝑡 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑜𝑏𝑗𝑒𝑐𝑡𝑖𝑓 𝑣𝑎 𝑠𝑒 𝑑é𝑔𝑟𝑎𝑑𝑒𝑟.

𝐼𝑛𝑣𝑒𝑟𝑠𝑒𝑚𝑒𝑛𝑡 , 𝑠𝑖 𝑙 ′ 𝑜𝑛 𝑟𝑒𝑙â𝑐ℎ𝑒 𝑐𝑒𝑡𝑡𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 , 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑜𝑏𝑗𝑒𝑐𝑡𝑖𝑓 𝑣𝑎 𝑠 ′ 𝑎𝑚é𝑙𝑖𝑜𝑟𝑒𝑟.

𝟐) 𝑫é𝒇𝒊𝒏𝒊𝒕𝒊𝒐𝒏

𝑂𝑛 𝑎𝑝𝑝𝑒𝑙𝑙𝑒 𝑣𝑎𝑙𝑒𝑢𝑟 𝑑𝑢𝑎𝑙𝑒 𝑎𝑠𝑠𝑜𝑐𝑖é𝑒 à 𝑢𝑛𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒, 𝑙𝑎 𝑞𝑢𝑎𝑛𝑡𝑖𝑡é 𝑑𝑜𝑛𝑡 𝑣𝑎𝑟𝑖𝑒 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑜𝑏𝑗𝑒𝑐𝑡𝑖𝑓

𝑙𝑜𝑟𝑠𝑞𝑢′ 𝑜𝑛 𝑓𝑎𝑖𝑡 𝑣𝑎𝑟𝑖𝑒𝑟 𝑑′ 𝑢𝑛𝑒 𝑢𝑛𝑖𝑡é 𝑙𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑑𝑢 𝑠𝑒𝑐𝑜𝑛𝑑 𝑚𝑒𝑚𝑏𝑟𝑒.

𝑆𝑖 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑜𝑏𝑗𝑒𝑐𝑡𝑖𝑓 𝑒𝑠𝑡 𝑚𝑜𝑛é𝑡𝑎𝑖𝑟𝑒, 𝑙𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑑𝑢𝑎𝑙𝑒 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑒 𝑢𝑛 𝑐𝑜û𝑡 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑎𝑛𝑡𝑒.

𝑀𝑎𝑖𝑠 𝑐𝑒 𝑐𝑜û𝑡 𝑛′ 𝑒𝑠𝑡 𝑝𝑎𝑠 𝑢𝑛𝑒 𝑑𝑜𝑛𝑛é𝑒, 𝑐 ′ 𝑒𝑠𝑡 𝑢𝑛 𝑟é𝑠𝑢𝑙𝑡𝑎𝑡 𝑑𝑒 𝑙 ′ 𝑜𝑝𝑡𝑖𝑚𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑞𝑢𝑖 𝑡𝑖𝑒𝑛𝑡 𝑐𝑜𝑚𝑝𝑡𝑒 𝑑𝑒 𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒𝑠

𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑠𝑎𝑡𝑢𝑟é𝑒𝑠.

𝐶𝑒𝑠 𝑣𝑎𝑙𝑒𝑢𝑟𝑠 𝑠𝑜𝑛𝑡 𝑑𝑜𝑛𝑐 𝑡𝑟è𝑠 𝑢𝑡𝑖𝑙𝑒 𝑑𝑎𝑛𝑠 𝑙 ′ 𝑎𝑛𝑎𝑙𝑦𝑠𝑒 𝑑 ′ 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒. 𝐸𝑙𝑙𝑒𝑠 𝑝𝑒𝑟𝑚𝑒𝑡𝑡𝑒𝑛𝑡 𝑑𝑒 𝑐𝑜𝑛𝑛𝑎î𝑡𝑟𝑒

𝑙𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑙𝑒𝑠 𝑝𝑙𝑢𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑔𝑛𝑎𝑛𝑡𝑒𝑠 , 𝑐𝑒𝑙𝑙𝑒𝑠 𝑑𝑜𝑛𝑡 𝑢𝑛𝑒 𝑚𝑜𝑑𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑝𝑒𝑟𝑚𝑒𝑡𝑡𝑟𝑎𝑖𝑡 𝑙𝑒 𝑝𝑙𝑢𝑠 𝑔𝑟𝑎𝑛𝑑 𝑔𝑎𝑖𝑛

𝑚𝑎𝑟𝑔𝑖𝑛𝑎𝑙.

34
 𝟑) 𝑫𝒖𝒂𝒍 𝒅′ 𝒖𝒏 𝒑𝒓𝒐𝒈𝒓𝒂𝒎𝒎𝒆 𝒍𝒊𝒏é𝒂𝒊𝒓𝒆

𝐴 𝑡𝑜𝑢𝑡 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒, 𝑜𝑛 𝑝𝑒𝑢𝑡 𝑎𝑠𝑠𝑜𝑐𝑖𝑒𝑟 𝑢𝑛 𝑎𝑢𝑡𝑟𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑎𝑝𝑝𝑒𝑙é 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑑𝑢𝑎𝑙.

𝐶𝑜𝑛𝑠𝑖𝑑é𝑟𝑜𝑛𝑠 𝑢𝑛 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑠𝑜𝑢𝑠 𝑓𝑜𝑟𝑚𝑒 𝑐𝑎𝑛𝑜𝑛𝑖𝑞𝑢𝑒 , 𝑐𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑠𝑒𝑟𝑎 𝑎𝑝𝑝𝑒𝑙é

𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑑𝑢𝑎𝑙 𝑒𝑡 𝑑é𝑓𝑖𝑛𝑖 𝑝𝑎𝑟 ∶

𝑀𝑎𝑥 [𝑍 = ∑ 𝑐𝑗 𝑥𝑗 ]
𝑗=1
𝑛

∑ 𝑎𝑖𝑗 𝑥𝑗 ≤ 𝑏𝑖 ∀ 𝑖 = 1, ⋯ , 𝑝
𝑗=1
{ 𝑥𝑗 ≥ 0 ∀ 𝑗 = 1, ⋯ , 𝑛

𝐿𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑑𝑢𝑎𝑙 𝑒𝑠𝑡 𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑖𝑡 𝑒𝑛 𝑎𝑠𝑠𝑜𝑐𝑖𝑎𝑛𝑡 à 𝑡𝑜𝑢𝑡𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑖 𝑑𝑢 𝑝𝑟𝑖𝑚𝑎𝑙, 𝑢𝑛𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒

𝑑𝑢𝑎𝑙𝑒 𝑦𝑖 𝑒𝑡 à 𝑡𝑜𝑢𝑡𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑗 𝑑𝑢 𝑝𝑟𝑖𝑚𝑎𝑙, 𝑢𝑛𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒.

𝐿𝑒𝑠 𝑐𝑜û𝑡𝑠 𝑎𝑠𝑠𝑜𝑐𝑖é𝑠 𝑎𝑢𝑥 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑𝑢 𝑑𝑢𝑎𝑙 𝑠𝑜𝑛𝑡 𝑙𝑒𝑠 𝑠𝑒𝑐𝑜𝑛𝑑𝑠 𝑚𝑒𝑚𝑏𝑟𝑒𝑠 𝑑𝑢 𝑝𝑟𝑖𝑚𝑎𝑙 𝑒𝑡 𝑙𝑒𝑠 𝑠𝑒𝑐𝑜𝑛𝑑𝑠 𝑚𝑒𝑚𝑏𝑟𝑒𝑠

𝑑𝑢 𝑑𝑢𝑎𝑙 𝑠𝑜𝑛𝑡 𝑙𝑒𝑠 𝑐𝑜û𝑡𝑠 𝑑𝑢 𝑝𝑟𝑖𝑚𝑎𝑙.

𝑀𝑖𝑛 [𝑊 = ∑ 𝑏𝑖 𝑦𝑖 ]
𝑗=1
𝑛

∑ 𝑎𝑖𝑗 𝑦𝑖 ≥ 𝑏𝑖 ∀ 𝑗 = 1, ⋯ , 𝑛
𝑗=1
{ 𝑦𝑖 ≥ 0 ∀ 𝑖 = 1, ⋯ , 𝑝
𝑂𝑢 𝑒𝑛𝑐𝑜𝑟𝑒 𝑠𝑜𝑢𝑠 𝑓𝑜𝑟𝑚𝑒 𝑚𝑎𝑡𝑟𝑖𝑐𝑖𝑒𝑙𝑙𝑒 ∶

𝑀𝑎𝑥[𝑍 = 𝑐 𝑥] 𝑀𝑖𝑛[𝑊 = 𝑏 𝑡 𝑦]
𝐿𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑝𝑟𝑖𝑚𝑎𝑙 𝑠 ′ é𝑐𝑟𝑖𝑡 { 𝐴 𝑥 ≤ 𝑏 𝑒𝑡 𝐿𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑑𝑢𝑎𝑙 𝑠 ′ é𝑐𝑟𝑖𝑡 { 𝐴𝑡 𝑦 ≥ 𝑐 𝑡 𝑜𝑢
𝑥≥0 𝑦≥0

𝑀𝑎𝑥[𝑊 = 𝑏 𝑡 𝑣]
{ 𝑢𝐴≤𝑐 𝑎𝑣𝑒𝑐 𝑢 = 𝑣 𝑡 .
𝑢 ≥ 0 𝑜𝑢 ≤ 0

𝑬𝒙𝒆𝒎𝒑𝒍𝒆
𝑃𝑟𝑜𝑏𝑙è𝑚𝑒 𝑝𝑟𝑖𝑚𝑎𝑙 𝑃𝑟𝑜𝑏𝑙è𝑚𝑒 𝑑𝑢𝑎𝑙
𝑀𝑎𝑥[𝑍 = 𝑥1 + 𝑥2 ] 𝑀𝑖𝑛[𝑊 = 5 𝑦1 + 6 𝑦2 ]

35
 2 𝑥1 + 𝑥2 ≤ 5 2 𝑦1 + 3 𝑦2 ≥ 1
𝑠/𝑐 { 3 𝑥1 − 𝑥2 ≤ 6. 𝑠/𝑐 { 𝑦1 − 𝑦2 ≥ 1
𝑥1 , 𝑥2 ≥ 0 𝑦1 , 𝑦2 ≥ 0
𝟒) 𝑹è𝒈𝒍𝒆𝒔 𝒅𝒆 𝒄𝒐𝒏𝒔𝒕𝒓𝒖𝒄𝒕𝒊𝒐𝒏 𝒅𝒖 𝒅𝒖𝒂𝒍

𝑃𝑟𝑜𝑏𝑙è𝑚𝑒 𝑃𝑟𝑖𝑚𝑎𝑙 𝑃𝑟𝑜𝑏𝑙è𝑚𝑒 𝐷𝑢𝑎𝑙

𝑚𝑖𝑛𝑖𝑚𝑖𝑠𝑒𝑟 𝑐 𝑥 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑒𝑟 𝑏 𝑡 𝑣

𝑠𝑒𝑐𝑜𝑛𝑑 𝑚𝑒𝑚𝑏𝑟𝑒 𝑏 𝑠𝑒𝑐𝑜𝑛𝑑 𝑚𝑒𝑚𝑏𝑟𝑒 𝑐 𝑡

𝐴 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑑𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝐴𝑡 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑑𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠

𝐶𝑜𝑛𝑡𝑎𝑖𝑛𝑡𝑒𝑠 𝑗 ≥ 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑣𝑗 ≥ 0

𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑥𝑖 ≥ 0 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑖 ≤

𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑗 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑣𝑗 ≥ 0 𝑜𝑢 ≤ 0

𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑥𝑖 ≥ 0 𝑜𝑢 ≤ 0 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑖 =

𝑨𝒑𝒑𝒍𝒊𝒄𝒂𝒕𝒊𝒐𝒏

𝐷𝑜𝑛𝑛𝑒𝑟 𝑙𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑑𝑢𝑎𝑙 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑎𝑛𝑡 à 𝑐𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑝𝑟𝑖𝑚𝑎𝑙 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 ∶

𝑃𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑝𝑟𝑖𝑚𝑎𝑙

𝑀𝑎𝑥[𝑍 = 5 𝑥1 + 12 𝑥2 + 4 𝑥3 ]
𝑥1 + 2 𝑥2 + 𝑥3 ≤ 10
𝑆/𝐶 { 2 𝑥1 − 𝑥2 + 3 𝑥3 ≤ 8.
𝑥1 , 𝑥2 ≥ 0
𝑹é𝒔𝒐𝒍𝒖𝒕𝒊𝒐𝒏
𝑀𝑖𝑛[𝑊 = 10 𝑦1 + 8 𝑦2 ]
𝑦1 + 2 𝑦2 ≥ 5
2 𝑦1 − 𝑦2 ≥ 12
𝑆/𝐶 { .
𝑦1 + 3 𝑦2 ≥ 4
𝑦1 , 𝑦2 ≥ 0

36
 𝟓) 𝑷𝒓𝒐𝒑𝒓𝒊é𝒕é 𝒅𝒖 𝒅𝒖𝒂𝒍

𝒂) 𝑷𝒓𝒐𝒑𝒓𝒊é𝒕é

𝐿𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑑𝑢𝑎𝑙 𝑑𝑢 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑑𝑢𝑎𝑙 𝑒𝑠𝑡 𝑙𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑝𝑟𝑖𝑚𝑎𝑙.

𝒃) 𝑻𝒉é𝒐𝒓è𝒎𝒆

𝑆𝑖 𝑙𝑒𝑠 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒𝑠 𝑝𝑟𝑖𝑚𝑎𝑙 𝑒𝑡 𝑑𝑢𝑎𝑙 𝑝𝑜𝑠𝑠è𝑑𝑒𝑛𝑡 𝑙 ′ 𝑢𝑛 𝑒𝑡 𝑙 ′ 𝑎𝑢𝑡𝑟𝑒 𝑑𝑒𝑠 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛𝑠 𝑎𝑑𝑚𝑖𝑠𝑠𝑖𝑏𝑙𝑒𝑠 , 𝑎𝑙𝑜𝑟𝑠

𝑙𝑒 𝑝𝑟𝑖𝑚𝑎𝑙 𝑎𝑑𝑚𝑒𝑡 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 {𝑥𝑗∗ , 𝑥𝑛+𝑖

∗
}, 𝑙𝑒 𝑑𝑢𝑎𝑙 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 {𝑦𝑖∗ , 𝑦𝑛+𝑗
∗
} 𝑡𝑒𝑙𝑙𝑒𝑠

𝑛 𝑝

𝑞𝑢𝑒 ∶ ∑ 𝑐𝑗 𝑥𝑗∗ = ∑ 𝑏𝑖 𝑦𝑖∗ 𝑎𝑣𝑒𝑐 𝑦𝑖∗ 𝑥𝑛+𝑖

∗
= 𝑥𝑗∗ 𝑦𝑛+𝑗
∗
= 0.
𝑗=1 𝑖=1

𝑹𝒆𝒎𝒂𝒓𝒒𝒖𝒆

𝐺𝑟â𝑐𝑒 à 𝑙𝑎 𝑡ℎé𝑜𝑟𝑖𝑒 𝑑𝑒 𝑑𝑢𝑎𝑙𝑖𝑡é, 𝑙𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑑𝑢 𝑠𝑖𝑚𝑝𝑙𝑒𝑥𝑒 𝑑𝑜𝑛𝑛𝑒 𝑡𝑜𝑢𝑡𝑒𝑠 𝑙𝑒𝑠 𝑣𝑎𝑙𝑒𝑢𝑟𝑠 𝑑𝑢𝑎𝑙𝑒𝑠 𝑑 ′ 𝑢𝑛

𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑙𝑜𝑟𝑠𝑞𝑢′ 𝑜𝑛 𝑎 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑒 𝑏𝑎𝑠𝑒 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 .

6) 𝑹𝒆𝒍𝒂𝒕𝒊𝒐𝒏 𝒑𝒓𝒊𝒎𝒂𝒍 / 𝒅𝒖𝒂𝒍

𝒂) 𝑫𝒖𝒂𝒍𝒊𝒕é 𝒇𝒂𝒊𝒃𝒍𝒆

𝐶𝑜𝑛𝑠𝑖𝑑é𝑟𝑜𝑛𝑠 𝑙𝑎 𝑝𝑎𝑖𝑟𝑒 𝑝𝑟𝑖𝑚𝑎𝑙𝑒 − 𝑑𝑢𝑎𝑙𝑒 ∶

𝑚𝑎𝑥 𝑐 𝑇 𝑥 𝑚𝑖𝑛 𝑏 𝑇 𝑦

𝑠. 𝑐. 𝐴 𝑥 = 𝑏 𝑠. 𝑐. 𝐴𝑇 𝑦 ≥ 𝑐

𝑥 ≥ 0. 𝑦 𝑛𝑜𝑛 𝑟𝑒𝑠𝑡𝑟𝑒𝑖𝑛𝑡

∎ 𝑆𝑖 𝑥 𝑒𝑠𝑡 𝑙𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑎𝑑𝑚𝑖𝑠𝑠𝑖𝑏𝑙𝑒 𝑑𝑢 𝑝𝑟𝑖𝑚𝑎𝑙 𝑒𝑡 𝑦 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑢 𝑑𝑢𝑎𝑙 , 𝑎𝑙𝑜𝑟𝑠 𝑐 𝑇 𝑥 ≤ 𝑏 𝑇 𝑦.

∎ 𝑆 ′ 𝑖𝑙 𝑦 𝑎 é𝑔𝑎𝑙𝑖𝑡é , 𝑎𝑙𝑜𝑟𝑠 𝑥 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 𝑑𝑢 𝑝𝑟𝑖𝑚𝑎𝑙 𝑒𝑡 𝑦 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 𝑑𝑢

𝑑𝑢𝑎𝑙.

37
 𝒃) 𝑫𝒖𝒂𝒍𝒊𝒕é 𝒇𝒐𝒓𝒕𝒆

𝐶𝑜𝑛𝑠𝑖𝑑é𝑟𝑜𝑛𝑠 𝑙𝑎 𝑝𝑎𝑖𝑟𝑒 𝑝𝑟𝑖𝑚𝑎𝑙𝑒 − 𝑑𝑢𝑎𝑙𝑒 ∶

𝑚𝑎𝑥 𝑐 𝑇 𝑥 𝑚𝑖𝑛 𝑏 𝑇 𝑦

𝑠. 𝑐. 𝐴 𝑥 = 𝑏 𝑠. 𝑐. 𝐴𝑇 𝑦 ≥ 𝑐

𝑥 ≥ 0. 𝑦 𝑛𝑜𝑛 𝑟𝑒𝑠𝑡𝑟𝑒𝑖𝑛𝑡

∎ 𝑆𝑖 𝑙𝑒 𝑝𝑟𝑖𝑚𝑎𝑙 𝑒𝑡 𝑙𝑒 𝑑𝑢𝑎𝑙 𝑎𝑑𝑚𝑒𝑡𝑡𝑒𝑛𝑡 𝑡𝑜𝑢𝑠 𝑑𝑒𝑢𝑥 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑎𝑑𝑚𝑖𝑠𝑠𝑖𝑏𝑙𝑒, 𝑎𝑙𝑜𝑟𝑠 𝑖𝑙𝑠 𝑜𝑛𝑡 𝑡𝑜𝑢𝑠 𝑑𝑒𝑢𝑥 𝑢𝑛𝑒

𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 𝑓𝑖𝑛𝑖𝑒 𝑒𝑡 𝑙𝑎 𝑚ê𝑚𝑒𝑚 𝑣𝑎𝑙𝑒𝑢𝑟 𝑜𝑏𝑗𝑒𝑐𝑡𝑖𝑓 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 .

∎ 𝑆𝑖 𝑙𝑒 𝑝𝑟𝑖𝑚𝑎𝑙 (𝑑𝑢𝑎𝑙)𝑒𝑠𝑡 𝑛𝑜𝑛 𝑏𝑜𝑟𝑛é, 𝑎𝑙𝑜𝑟𝑠 𝑙𝑒 𝑑𝑢𝑎𝑙 (𝑝𝑟𝑖𝑚𝑎𝑙)𝑛′ 𝑎𝑑𝑚𝑒𝑡 𝑝𝑎𝑠 𝑑𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑎𝑑𝑚𝑖𝑠𝑠𝑖𝑏𝑙𝑒.

𝒄) 𝑫𝒖𝒂𝒍𝒊𝒕é 𝒄𝒐𝒎𝒑𝒍é𝒎𝒆𝒏𝒕𝒂𝒊𝒓𝒆

𝐶𝑜𝑛𝑠𝑖𝑑é𝑟𝑜𝑛𝑠 𝑙𝑎 𝑝𝑎𝑖𝑟𝑒 𝑝𝑟𝑖𝑚𝑎𝑙𝑒 − 𝑑𝑢𝑎𝑙𝑒 ∶

𝑚𝑎𝑥 𝑐 𝑇 𝑥 𝑚𝑖𝑛 𝑏 𝑇 𝑦

𝑠. 𝑐. 𝐴 𝑥 = 𝑏 𝑠. 𝑐. 𝐴𝑇 𝑦 ≥ 𝑐

𝑥 ≥ 0. 𝑦 𝑛𝑜𝑛 𝑟𝑒𝑠𝑡𝑟𝑒𝑖𝑛𝑡

∎ 𝑆𝑖 𝑥 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 𝑑𝑢 𝑝𝑟𝑖𝑚𝑎𝑙 𝑒𝑡 𝑦 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 𝑑𝑢 𝑑𝑢𝑎𝑙, 𝑎𝑙𝑜𝑟𝑠

𝑥𝑖 (𝑎𝑖𝑇 𝑦 − 𝑐𝑖 ) = 0 𝑜ù 𝑎𝑖 𝑒𝑠𝑡 𝑙𝑎 𝑖 − è𝑚𝑒 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑑𝑒 𝐴.

𝐸𝑛 𝑑 ′ 𝑎𝑢𝑡𝑟𝑒𝑠 𝑡𝑒𝑟𝑚𝑒𝑠 ∶ 𝑥𝑖 > 0 ⟹ 𝑎𝑖𝑇 𝑦 = 𝑐𝑖 𝑒𝑡 𝑎𝑖𝑇 𝑦 > 𝑐𝑖 ⟹ 𝑥𝑖 = 0.

𝐸𝑥𝑒𝑚𝑝𝑙𝑒

𝑃𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑝𝑟𝑖𝑚𝑎𝑙 𝑃𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑝𝑟𝑖𝑚𝑎𝑙

𝑀𝑎𝑥[𝑍 = 5 𝑥1 + 12 𝑥2 + 4 𝑥3 ] 𝑀𝑖𝑛[𝑊 = 10 𝑦1 + 8 𝑦2 ]
𝑥1 + 2 𝑥2 + 𝑥3 ≤ 10 𝑦1 + 2 𝑦2 ≥ 5
𝑆/𝐶 { 2 𝑥1 − 𝑥2 + 3 𝑥3 = 8. 2 𝑦1 − 𝑦2 ≥ 12
𝑆/𝐶 {
𝑥1 , 𝑥2 ≥ 0 𝑦1 + 3 𝑦2 ≥ 4
𝑦1 , 𝑦2 ≥ 0

38
 26 12 274
𝑆𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 𝑑𝑢 𝑝𝑟𝑖𝑚𝑎𝑙 𝑒𝑠𝑡 ∶ (𝑥1 , 𝑥2 , 𝑥3 ) = ( , , 0) , 𝑠𝑜𝑖𝑡 𝑍 = .
5 5 5
∎ 𝑥1 > 0 ⟹ 𝑦1 + 2 𝑦2 = 5

∎ 𝑥2 > 0 ⟹ 2 𝑦1 − 𝑦2 = 12.

29 2 274
𝑆𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 𝑑𝑢 𝑑𝑢𝑎𝑙 𝑒𝑠𝑡 ∶ (𝑦1 , 𝑦2 ) = ( , − ) , 𝑠𝑜𝑖𝑡 𝑊 = .
5 5 5
𝟕) 𝑰𝒏𝒕𝒆𝒓𝒑𝒓é𝒕𝒂𝒕𝒊𝒐𝒏 é𝒄𝒐𝒏𝒐𝒎𝒊𝒒𝒖𝒆 𝒅𝒆 𝒍𝒂 𝒅𝒖𝒂𝒍𝒊𝒕é

∎ 𝐿𝑎 𝑓𝑜𝑟𝑚𝑒 𝑐𝑎𝑛𝑜𝑛𝑖𝑞𝑢𝑒 𝑑′ 𝑢𝑛 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑝𝑒𝑢𝑡 ê𝑡𝑟𝑒 𝑖𝑛𝑡𝑒𝑟𝑝𝑟é𝑡é𝑒 𝑐𝑜𝑚𝑚𝑒 𝑢𝑛 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒

𝑑 ′ 𝑎𝑙𝑙𝑜𝑐𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝑟𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒𝑠.

∎ 𝐿𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑢𝑎𝑙𝑒 𝑎𝑠𝑠𝑜𝑐𝑖é𝑒 à 𝑢𝑛𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑 𝑎𝑜 𝑐𝑜û𝑡 𝑑𝑒 𝑐𝑒𝑡𝑡𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎

𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑐𝑜𝑢𝑟𝑎𝑛𝑡𝑒. 𝑆𝑖 𝑐𝑒𝑡𝑡𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑒𝑠𝑡 𝑠𝑎𝑡𝑢𝑟é𝑒, 𝑎𝑙𝑜𝑟𝑠 𝑐𝑒 𝑐𝑜û𝑡 𝑒𝑠𝑡 𝑝𝑜𝑠𝑖𝑡𝑖𝑓.

𝐼𝑙 𝑒𝑠𝑡 𝑛𝑢𝑙 𝑠𝑖 𝑐𝑒𝑡𝑡𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑛′ 𝑒𝑠𝑡 𝑝𝑎𝑠 𝑠𝑎𝑡𝑢𝑟é𝑒.

∎ 𝐿𝑎 𝑝𝑎𝑖𝑟𝑒 𝑝𝑟𝑖𝑚𝑎𝑙 − 𝑑𝑢𝑎𝑙 𝑒𝑠𝑡 ∶

𝑚𝑎𝑥 𝑐 𝑇 𝑥 𝑚𝑖𝑛 𝑏 𝑇 𝑦

𝑠. 𝑐. 𝐴 𝑥 ≤ 𝑏 𝑠. 𝑐. 𝐴𝑇 𝑦 ≥ 𝑐

𝑥 ≥ 0. 𝑦 ≥0

∎ 𝐷𝑜𝑛𝑛é𝑒𝑠 ∶

𝑐𝑗 ∶ 𝑝𝑟𝑜𝑓𝑖𝑡 𝑝𝑎𝑟 𝑢𝑛𝑖𝑡é 𝑑 ′ 𝑎𝑐𝑡𝑖𝑣𝑖𝑡é 𝑗.

𝑏𝑖 ∶ 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑡é 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒 𝑖

𝑎𝑖 𝑗 ∶ 𝑐𝑜𝑛𝑠𝑜𝑚𝑚𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒 𝑖 𝑝𝑎𝑟 𝑢𝑛𝑖𝑡é 𝑑′ 𝑎𝑐𝑡𝑖𝑣𝑖𝑡é 𝑗

∎ 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 ∶

𝑥𝑗 ∶ 𝑛𝑖𝑣𝑒𝑎𝑢 𝑑𝑒 𝑙 ′ 𝑎𝑐𝑡𝑖𝑣𝑖𝑡é 𝑗.

𝑦𝑖 ∶ 𝑣𝑎𝑙𝑒𝑢𝑟 𝑑 ′ 𝑢𝑛𝑒 𝑢𝑛𝑖𝑡é 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒 𝑖.

𝑰𝒏𝒕𝒆𝒓𝒑𝒓é𝒕𝒂𝒕𝒊𝒐𝒏

𝐷𝑢𝑎𝑙𝑖𝑡é 𝑓𝑎𝑖𝑏𝑙𝑒 ∶ 𝑍 ≤ 𝑊 ⟹ 𝑝𝑟𝑜𝑓𝑖𝑡 ≤ 𝑣𝑎𝑙𝑒𝑢𝑟 𝑑𝑒𝑠 𝑟𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒𝑠

𝐷𝑢𝑎𝑙𝑖𝑡é 𝑓𝑜𝑟𝑡𝑒 ∶

𝐿𝑒 𝑝𝑟𝑜𝑓𝑖𝑡 𝑚𝑎𝑥𝑖𝑚𝑎𝑙 𝑒𝑠𝑡 𝑎𝑡𝑡𝑒𝑖𝑛𝑡 𝑠𝑖 𝑙𝑒𝑠 𝑟𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒𝑠 𝑜𝑛𝑡 é𝑡é 𝑒𝑥𝑝𝑙𝑜𝑖𝑡é𝑒𝑠 𝑐𝑜𝑚𝑝𝑙è𝑡𝑒𝑚𝑒𝑛𝑡.
39
𝐸𝑛 𝑑′ 𝑎𝑢𝑡𝑟𝑒𝑠 𝑡𝑒𝑟𝑚𝑒𝑠 𝑗𝑢𝑠𝑞𝑢′ à é𝑝𝑢𝑖𝑠𝑒𝑚𝑒𝑛𝑡 𝑑𝑒 𝑙𝑒𝑢𝑟 𝑣𝑎𝑙𝑒𝑢𝑟𝑠.

𝑬𝒙𝒆𝒎𝒑𝒍𝒆

𝑃𝑟𝑜𝑏𝑙è𝑚𝑒 𝑝𝑟𝑖𝑚𝑎𝑙 𝑃𝑟𝑜𝑏𝑙è𝑚𝑒 𝑑𝑢𝑎𝑙

max 𝑍 = 5𝑥1 + 4 𝑥2 min 𝑊 = 24 𝑦1 + 6 𝑦2 + 2 𝑦3 + 𝑦4

𝑠. 𝑐. 6 𝑥1 + 4 𝑥2 ≤ 24 𝑠. 𝑐. 6 𝑦1 + 𝑦2 − 𝑦4 ≥ 5

𝑥1 + 2 𝑥2 ≤ 6 4 𝑦1 + 2𝑦2 + 𝑦3 + 𝑦4 ≥ 4

𝑥2 ≤ 2 𝑦1 , 𝑦2 , 𝑦3 , 𝑦4 ≥ 0

− 𝑥1 + 𝑥2 ≤ 1

𝑥1 , 𝑥2 , 𝑥3 ≥ 0

𝑂𝑛 𝑜𝑏𝑡𝑖𝑒𝑛𝑡 𝑙𝑒𝑠 𝑟é𝑠𝑢𝑙𝑡𝑎𝑡𝑠 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑠 ∶

∎ 𝑥1 = 3 , 𝑥2 = 1,5 𝑒𝑡 𝑍 = 21.

∎ 𝑦1 = 0,75 , 𝑦2 = 0,5 , 𝑦3 = 𝑦4 = 0 𝑒𝑡 𝑊 = 21.

𝑰𝒏𝒕𝒆𝒓𝒑𝒓é𝒕𝒂𝒕𝒊𝒐𝒏 é𝒄𝒐𝒏𝒐𝒎𝒊𝒒𝒖𝒆

∎ 𝐿𝑒 𝑝𝑟𝑜𝑓𝑖𝑡 𝑎𝑢𝑔𝑚𝑒𝑛𝑡𝑒 𝑑𝑒 0,75 𝑝𝑎𝑟 𝑎𝑢𝑔𝑚𝑒𝑛𝑡𝑎𝑡𝑖𝑜𝑛 𝑑 ′ 𝑢𝑛𝑒 𝑡𝑜𝑛𝑛𝑒 𝑑𝑒 𝑀1 𝑒𝑡 𝑑𝑒 0,5 𝑝𝑎𝑟 𝑡𝑜𝑛𝑛𝑒 𝑑𝑒 𝑀2 .

∎ 𝐿𝑒𝑠 𝑟𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒𝑠 3 𝑒𝑡 4 𝑠𝑜𝑛𝑡 𝑎𝑏𝑜𝑛𝑑𝑎𝑛𝑡𝑒𝑠 , 𝑎𝑢𝑔𝑚𝑒𝑛𝑡𝑒𝑟 𝑐𝑒𝑠 𝑟𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒𝑠 𝑛′ 𝑎𝑝𝑝𝑜𝑟𝑡𝑒 𝑎𝑢𝑐𝑢𝑛 𝑝𝑟𝑜𝑓𝑖𝑡

𝑠𝑢𝑝𝑝𝑙é𝑚𝑒𝑛𝑡𝑎𝑖𝑟𝑒.

40
 𝟖) 𝑼𝒕𝒊𝒍𝒊𝒔𝒂𝒕𝒊𝒐𝒏 𝒂𝒍𝒈𝒐𝒓𝒊𝒕𝒉𝒎𝒊𝒒𝒖𝒆 𝒅𝒆 𝒍𝒂 𝒅𝒖𝒂𝒍𝒊𝒕é

𝒂 − 𝑹é𝒔𝒐𝒍𝒖𝒕𝒊𝒐𝒏 𝒅𝒖 𝒅𝒖𝒂𝒍

𝐿𝑎 𝑝𝑟𝑒𝑚𝑖è𝑟𝑒 𝑢𝑡𝑖𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛 , é𝑣𝑖𝑑𝑒𝑛𝑡𝑒 , 𝑑𝑢 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑑𝑢𝑎𝑙 , 𝑒𝑠𝑡 𝑑𝑒 𝑙𝑒 𝑟é𝑠𝑜𝑢𝑑𝑟𝑒 𝑠 ′ 𝑖𝑙 𝑒𝑠𝑡 𝑝𝑙𝑢𝑠 𝑠𝑖𝑚𝑝𝑙𝑒 𝑞𝑢𝑒

𝑙𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑝𝑟𝑖𝑚𝑎𝑙. 𝐶𝑒 𝑠𝑒𝑟𝑎 𝑙𝑒 𝑐𝑎𝑠, 𝑒𝑛 𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑖𝑒𝑟, 𝑙𝑜𝑟𝑠𝑞𝑢𝑒 𝑙𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑝𝑟𝑖𝑚𝑎𝑙 𝑛′ 𝑎 𝑝𝑎𝑠 𝑑𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛

𝑎𝑑𝑚𝑖𝑠𝑠𝑖𝑏𝑙𝑒 é𝑣𝑖𝑑𝑒𝑛𝑡𝑒 𝑚𝑎𝑖𝑠 𝑞𝑢′ 𝑖𝑙 𝑒𝑠𝑡 𝑓𝑎𝑐𝑖𝑙𝑒 𝑑′ 𝑒𝑛 𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑖𝑟𝑒 𝑢𝑛𝑒 𝑝𝑜𝑢𝑟 𝑙𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑑𝑢𝑎𝑙.

𝒃 − 𝑷𝒓𝒐𝒑𝒓𝒊é𝒕é𝒔

𝑂𝑛 𝑟𝑒𝑚𝑎𝑟𝑞𝑢𝑒 𝑞𝑢𝑒 𝑙𝑎 𝑐𝑜𝑛𝑑𝑖𝑡𝑖𝑜𝑛 𝑑′ 𝑎𝑑𝑚𝑖𝑠𝑠𝑖𝑏𝑖𝑙𝑖𝑡é 𝑑 ′ 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑒 𝑏𝑎𝑠𝑒 𝑝𝑜𝑢𝑟 𝑙𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑑𝑢𝑎𝑙 𝑒𝑠𝑡

𝑐̅ ≥ 0 , 𝑞𝑢𝑖 𝑒𝑠𝑡 𝑙𝑎 𝑐𝑜𝑛𝑑𝑖𝑡𝑖𝑜𝑛 𝑑 ′ 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑖𝑡é 𝑑𝑢 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑑𝑢𝑎𝑙. 𝐷𝑒 𝑓𝑎ç𝑜𝑛 𝑎𝑛𝑎𝑙𝑜𝑔𝑢𝑒 (𝑑𝑢𝑎𝑙𝑒), 𝑙𝑎

𝑐𝑜𝑛𝑑𝑖𝑡𝑖𝑜𝑛 𝑑 ′ 𝑎𝑑𝑚𝑖𝑠𝑠𝑖𝑚𝑖𝑙𝑖𝑡é 𝑑 ′ 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑒 𝑏𝑎𝑠𝑒 𝑝𝑜𝑢𝑟 𝑙𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑝𝑟𝑖𝑚𝑎𝑙 𝑒𝑠𝑡 𝑏̅ ≥ 0 , 𝑞𝑢𝑖 𝑒𝑠𝑡

𝑙𝑎 𝑐𝑜𝑛𝑑𝑖𝑡𝑖𝑜𝑛 𝑑′ 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑖𝑡é 𝑑𝑢 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑑𝑢𝑎𝑙.

𝑂𝑛 𝑟é𝑠𝑜𝑢𝑑𝑟𝑎 𝑑𝑜𝑛𝑐 𝑝𝑙𝑢𝑡ô𝑡 𝑙𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑑𝑢𝑎𝑙 𝑎𝑢 𝑙𝑖𝑒𝑢 𝑑𝑢 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑝𝑟𝑖𝑚𝑎𝑙 𝑠 ′ 𝑖𝑙 𝑒𝑠𝑡 𝑝𝑙𝑢𝑠 𝑠𝑖𝑚𝑝𝑙𝑒 𝑜𝑢 (𝑒𝑡)

𝑠𝑖 𝑙 ′ 𝑜𝑛 𝑝𝑎𝑟𝑣𝑖𝑒𝑛𝑡 𝑝𝑙𝑢𝑠 𝑓𝑎𝑐𝑖𝑙𝑒𝑚𝑒𝑛𝑡 à 𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑖𝑟𝑒 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑎𝑣𝑒𝑐 𝑐̅ ≥ 0 𝑞𝑢′ 𝑎𝑣𝑒𝑐 𝑏̅ ≥ 0.

𝑬𝒙𝒆𝒎𝒑𝒍𝒆
𝑈𝑛𝑒 𝑠𝑜𝑐𝑖é𝑡é 𝑑𝑒 𝑗𝑜𝑢𝑒𝑡𝑠 𝑝𝑟𝑜𝑑𝑢𝑖𝑡 𝑑𝑒𝑠 𝑡𝑟𝑎𝑖𝑛𝑠, 𝑑𝑒𝑠 𝑐𝑎𝑚𝑖𝑜𝑛𝑠 𝑒𝑡 𝑑𝑒𝑠 𝑣𝑜𝑖𝑡𝑢𝑟𝑒𝑠 𝑒𝑛 𝑢𝑡𝑖𝑙𝑖𝑠𝑎𝑛𝑡 𝑡𝑟𝑜𝑖𝑠 𝑚𝑎𝑐ℎ𝑖𝑛𝑒𝑠
𝑀1 , 𝑀2 𝑒𝑡 𝑀3 .
𝐿𝑒𝑠 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑡é𝑠 𝑞𝑢𝑜𝑡𝑖𝑑𝑖𝑒𝑛𝑛𝑒𝑛𝑡 𝑠𝑜𝑛𝑡 430 , 460 𝑒𝑡 420 𝑚𝑖𝑛𝑢𝑡𝑒𝑠 𝑒𝑡 𝑙𝑒𝑠 𝑝𝑟𝑜𝑓𝑖𝑡𝑠 𝑝𝑎𝑟 𝑡𝑟𝑎𝑖𝑛, 𝑐𝑎𝑚𝑖𝑜𝑛𝑠 𝑒𝑡
𝑣𝑜𝑖𝑡𝑢𝑟𝑒 𝑠𝑜𝑛𝑡 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑖𝑣𝑒𝑚𝑒𝑛𝑡 3 , 2 𝑒𝑡 5.
𝐿𝑒𝑠 𝑡𝑒𝑚𝑝𝑠 𝑛é𝑐𝑒𝑠𝑠𝑎𝑖𝑟𝑒𝑠 𝑠𝑜𝑢𝑟 𝑐ℎ𝑎𝑞𝑢𝑒 𝑚𝑎𝑐ℎ𝑖𝑛𝑒 𝑠𝑜𝑛𝑡 ∶
𝑀𝑎𝑐ℎ𝑖𝑛𝑒 𝑇𝑟𝑎𝑖𝑛 𝐶𝑎𝑚𝑖𝑜𝑛 𝑉𝑜𝑖𝑡𝑢𝑟𝑒
1 1 2 1
2 3 0 2
3 1 4 0
𝑻𝒓𝒂𝒗𝒂𝒊𝒍 à 𝒇𝒂𝒊𝒓𝒆

1 − 𝑇𝑟𝑎𝑑𝑢𝑖𝑟𝑒 𝑐𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑠𝑜𝑢𝑠 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 𝑑′ 𝑢𝑛 𝑡𝑎𝑏𝑙𝑒𝑎𝑢.

2 − 𝑇𝑟𝑎𝑑𝑢𝑖𝑟𝑒 𝑐𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑠𝑜𝑢𝑠 𝑓𝑜𝑟𝑚𝑒 𝑑 ′ 𝑢𝑛 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒

3 − 𝑅é𝑠𝑜𝑢𝑑𝑟𝑒 𝑐𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑝𝑎𝑟 𝑙𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑑𝑒 𝑠𝑖𝑚𝑝𝑙𝑒𝑥𝑒

4 − 𝐷é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 𝑑𝑢𝑎𝑙 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑎𝑛𝑡𝑒.

5 − 𝑅é𝑠𝑜𝑢𝑑𝑟𝑒 𝑐𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑑𝑢𝑎𝑙

41
𝑹é𝒔𝒐𝒍𝒖𝒕𝒊𝒐𝒏

1 − 𝑇𝑟𝑎𝑑𝑢𝑖𝑟𝑒 𝑐𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑠𝑜𝑢𝑠 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 𝑑′ 𝑢𝑛 𝑡𝑎𝑏𝑙𝑒𝑎𝑢.

𝑀𝑎𝑐ℎ𝑖𝑛𝑒 𝑇𝑟𝑎𝑖𝑛 𝐶𝑎𝑚𝑖𝑜𝑛 𝑉𝑜𝑖𝑡𝑢𝑟𝑒 𝐷𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑡é

1 1 2 1 430

2 3 0 2 460

3 1 4 0 420

𝑃𝑟𝑜𝑓𝑖𝑡 3 2 5

2 − 𝑇𝑟𝑎𝑑𝑢𝑖𝑟𝑒 𝑐𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑠𝑜𝑢𝑠 𝑓𝑜𝑟𝑚𝑒 𝑑 ′ 𝑢𝑛 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒

∎ 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠

¬ 𝑥1 ∶ 𝑞𝑢𝑎𝑛𝑡𝑖𝑡é 𝑑𝑒 𝑡𝑟𝑎𝑖𝑛 𝑓𝑟𝑎𝑏𝑟𝑖𝑞𝑢é𝑒 𝑝𝑎𝑟 𝑗𝑜𝑢𝑟.

¬ 𝑥2 ∶ 𝑞𝑢𝑎𝑛𝑡𝑖𝑡é 𝑑𝑒 𝑐𝑎𝑚𝑖𝑜𝑛 𝑓𝑟𝑎𝑏𝑟𝑖𝑞𝑢é𝑒 𝑝𝑎𝑟 𝑗𝑜𝑢𝑟.

¬ 𝑥3 ∶ 𝑞𝑢𝑎𝑛𝑡𝑖𝑡é 𝑑𝑒 𝑣𝑜𝑖𝑡𝑢𝑟𝑒 𝑓𝑟𝑎𝑏𝑟𝑖𝑞𝑢é𝑒 𝑝𝑎𝑟 𝑗𝑜𝑢𝑟.

∎ 𝐶𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠

¬ 𝑥1 , 𝑥2 , 𝑥3 ≥ 0

¬ 𝑥1 + 2 𝑥2 + 𝑥3 ≤ 430

¬ 3 𝑥1 + 2 𝑥3 ≤ 460

¬ 𝑥1 + 4 𝑥2 ≤ 420

∎ 𝐹𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒

𝑍 = 3 𝑥1 + 2 𝑥2 + 5 𝑥3

∎ 𝐹𝑜𝑟𝑚𝑒 𝑐𝑎𝑛𝑜𝑛𝑖𝑞𝑢𝑒

𝑥1 + 2 𝑥2 + 𝑥3 ≤ 430
3 𝑥1 + 2 𝑥3 ≤ 460
{
𝑥1 + 4 𝑥2 ≤ 420
𝑥1 , 𝑥2 , 𝑥3 ≥ 0

𝑀𝑎𝑥(𝑍) = 3 𝑥1 + 2 𝑥2 + 5 𝑥3

42
∎ 𝐹𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑

𝑥1 + 2 𝑥2 + 𝑥3 + 𝑒1 = 430
3 𝑥1 + 2 𝑥3 + 𝑒2 = 460
{
𝑥1 + 4 𝑥2 + 𝑒3 = 420
𝑥1 , 𝑥2 , 𝑥3 , 𝑒1 , 𝑒2 , 𝑒3 ≥ 0

𝑀𝑎𝑥(𝑍) = 3 𝑥1 + 2 𝑥2 + 5 𝑥3 + 0 𝑒1 + 0 𝑒2 + 0 𝑒3

3 − 𝑅é𝑠𝑜𝑢𝑑𝑟𝑒 𝑐𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑝𝑎𝑟 𝑙𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑑𝑒 𝑠𝑖𝑚𝑝𝑙𝑒𝑥𝑒

𝑉𝐻𝐵
𝑥1 𝑥2 𝑥3 𝑒1 𝑒2 𝑒3 𝑐𝑠𝑡𝑒 𝑐𝑜𝑒𝑓
𝑉𝐷𝐵

𝑒1 1 2 1 1 0 0 430 430

𝑒2 3 0 2 0 1 0 460 230

𝑒3 1 4 0 0 0 1 420 ∞

𝑍 3 2 5 0 0 0 0
1 1
𝑒1 − 2 0 1 − 0 200 100
2 2
3 1
𝑥3 0 1 0 0 230 ∞
2 2
𝑒3 1 4 0 0 0 1 420 105
9 5
𝑍 − 2 0 0 − 0 −1.150
2 2
1 1 1
𝑥2 − 1 0 − 0 100
4 2 4
3 1
𝑥3 0 1 0 0 230
2 2
𝑒3 2 0 0 −2 1 1 20

𝑍 −4 0 0 −1 −2 0 −1.350

𝑇𝑜𝑢𝑠 𝑙𝑒𝑠 𝑛𝑜𝑚𝑏𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑙𝑖𝑔𝑛𝑒 𝑑𝑒 𝑍 𝑠𝑜𝑛𝑡 𝑛é𝑔𝑎𝑡𝑖𝑓𝑠 𝑜𝑢 𝑛𝑢𝑙𝑠. 𝐷𝑜𝑛𝑐 𝑛𝑜𝑢𝑠 𝑠𝑜𝑚𝑚𝑒𝑠 à 𝑙 ′ 𝑜𝑝𝑡𝑖𝑚𝑢𝑚.

𝑥1 = 0 𝑒1 = 0
𝑂𝑛 𝑎 ∶ {𝑥2 = 100 𝑒𝑡 { 𝑒2 = 0 𝑐𝑒 𝑞𝑢𝑖 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑒 𝑞𝑢𝑒 𝑙 ′ 𝑒𝑛𝑡𝑟𝑒𝑝𝑟𝑖𝑠𝑒 𝑎 𝑝𝑟𝑜𝑑𝑢𝑖𝑡 100 𝑐𝑎𝑚𝑖𝑜𝑛𝑠 𝑒𝑡 230
𝑥3 = 230 𝑒3 = 20

43
𝑣𝑜𝑖𝑡𝑢𝑟𝑒𝑠. 𝐷𝑒 𝑝𝑙𝑢𝑠 𝑙𝑒 𝑡𝑒𝑚𝑝𝑠 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛 𝑑𝑒 𝑀3 𝑛′ 𝑒𝑠𝑡 𝑝𝑎𝑠 𝑡𝑜𝑡𝑎𝑙𝑒𝑚𝑒𝑛𝑡 𝑎𝑐ℎ𝑒𝑣é . 𝐼𝑙 𝑟𝑒𝑠𝑡𝑒 𝑒𝑛𝑐𝑜𝑟𝑒 20 𝑚𝑖𝑛.

𝐷𝑜𝑛𝑐 𝑀𝑎𝑥(𝑍) = 3 × 0 + 2 × 100 + 5 × 230 = 1.350.

4 − 𝐷é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 𝑑𝑢𝑎𝑙 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑎𝑛𝑡𝑒.

∎ 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠

¬ 𝑦1 ∶ 𝑝𝑟𝑜𝑓𝑖𝑡 𝑒𝑛𝑔𝑒𝑛𝑑𝑟é 𝑝𝑎𝑟 𝑙𝑎 𝑓𝑟𝑎𝑏𝑟𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑑′ 𝑢𝑛 𝑡𝑟𝑎𝑖𝑛 𝑝𝑎𝑟 𝑗𝑜𝑢𝑟.

¬ 𝑦2 ∶ 𝑝𝑟𝑜𝑓𝑖𝑡 𝑒𝑛𝑔𝑒𝑛𝑑𝑟é 𝑝𝑎𝑟 𝑙𝑎 𝑓𝑟𝑎𝑏𝑟𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑑 ′ 𝑢𝑛 𝑐𝑎𝑚𝑖𝑜𝑛 𝑝𝑎𝑟 𝑗𝑜𝑢𝑟.

¬ 𝑦3 ∶ 𝑝𝑟𝑜𝑓𝑖𝑡 𝑒𝑛𝑔𝑒𝑛𝑑𝑟é 𝑝𝑎𝑟 𝑙𝑎 𝑓𝑟𝑎𝑏𝑟𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑑 ′ 𝑢𝑛𝑒 𝑣𝑜𝑖𝑡𝑢𝑟𝑒 𝑝𝑎𝑟 𝑗𝑜𝑢𝑟.

𝑃𝑟𝑜𝑏𝑙è𝑚𝑒 𝑝𝑟𝑖𝑚𝑎𝑙

𝑥1 + 2 𝑥2 + 𝑥3 ≤ 430
3 𝑥1 + 2 𝑥3 ≤ 460
{
𝑥1 + 4 𝑥2 ≤ 420
𝑥1 , 𝑥2 , 𝑥3 ≥ 0

𝑀𝑎𝑥(𝑍) = 3 𝑥1 + 2 𝑥2 + 5 𝑥3

𝑃𝑟𝑜𝑏𝑙è𝑚𝑒 𝑑𝑢𝑎𝑙

𝑦1 + 3 𝑦2 + 𝑦3 ≥ 3
2 𝑦1 + 4 𝑦3 ≥ 2
{
𝑦1 + 2 𝑦2 ≥ 5
𝑦1 , 𝑦2 , 𝑦3 ≥ 0

𝑀𝑖𝑛(𝑍) = 430 𝑦1 + 460 𝑦2 + 420 𝑦3

5 − 𝑅é𝑠𝑜𝑢𝑑𝑟𝑒 𝑐𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑑𝑢𝑎𝑙

𝑉𝐻𝐵
𝑡1 𝑡2 𝑡3 𝑦1 𝑦2 𝑦3 𝑐𝑠𝑡𝑒
𝑉𝐷𝐵
1
𝑦1 − 0 2 1 0 0 1
2
1 1
𝑦2 − −1 0 1 0 2
4 2
𝑦3 0 0 −1 0 0 1 0

𝑊 −100 −230 −20 0 0 0 −1.350

𝑇𝑜𝑢𝑠 𝑙𝑒𝑠 𝑛𝑜𝑚𝑏𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑙𝑖𝑔𝑛𝑒 𝑑𝑒 𝑊 𝑠𝑜𝑛𝑡 𝑛é𝑔𝑎𝑡𝑖𝑓𝑠 𝑜𝑢 𝑛𝑢𝑙𝑠. 𝐷𝑜𝑛𝑐 𝑛𝑜𝑢𝑠 𝑠𝑜𝑚𝑚𝑒𝑠 à 𝑙 ′ 𝑜𝑝𝑡𝑖𝑚𝑢𝑚.
44
 𝑦1 = 1 𝑡1 = 100
𝑂𝑛 𝑎 ∶ {𝑦2 = 2 𝑒𝑡 {𝑡2 = 230
𝑦3 = 0 𝑡3 = 20

𝐷𝑜𝑛𝑐 𝑀𝑎𝑥(𝑊) = 430 × 1 + 2 × 460 + 0 × 420 = 1.350.

45
 𝟗) 𝑷𝒓𝒐𝒈𝒓𝒂𝒎𝒎𝒆 𝒅𝒆 𝒎𝒂𝒙𝒊𝒎𝒊𝒔𝒂𝒕𝒊𝒐𝒏 𝒂𝒗𝒆𝒄 𝒎é𝒍𝒂𝒏𝒈𝒆 𝒅𝒆 𝒔𝒊𝒈𝒏𝒆𝒔
𝒂) 𝑽𝒂𝒓𝒊𝒂𝒃𝒍𝒆 𝒂𝒓𝒕𝒊𝒇𝒊𝒄𝒊𝒆𝒍𝒍𝒆
𝐷𝑎𝑛𝑠 𝑙𝑙𝑒𝑠 𝑒𝑥𝑒𝑚𝑝𝑙𝑒𝑠 𝑡𝑟𝑎𝑖𝑡é𝑠 𝑐𝑖 − 𝑑𝑒𝑠𝑠𝑢𝑠 , 𝑢𝑛 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑑𝑒 𝑚𝑎𝑥𝑖𝑚𝑢𝑚 𝑐𝑙𝑎𝑠𝑠𝑖𝑞𝑢𝑒 𝑒𝑠𝑡 𝑐𝑎𝑟𝑎𝑐𝑡é𝑟𝑖𝑠é 𝑝𝑎𝑟 𝑙𝑒
𝑓𝑎𝑖𝑡 𝑞𝑢𝑒 𝑡𝑜𝑢𝑡𝑒𝑠 𝑙𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑠𝑜𝑛𝑡 𝑎𝑣𝑒𝑐 𝑙 ′ 𝑖𝑛é𝑔𝑎𝑙𝑖𝑡é ≤ . 𝐷𝑎𝑛𝑠 𝑙𝑎 𝑝𝑟𝑎𝑡𝑖𝑞𝑢𝑒 , 𝑐𝑒𝑡𝑡𝑒 𝑓𝑜𝑟𝑚𝑒 𝑐𝑙𝑎𝑠𝑠𝑖𝑞𝑢𝑒 𝑛′ 𝑒𝑠𝑡
𝑝𝑎𝑠 𝑡𝑜𝑢𝑗𝑜𝑢𝑟𝑠 𝑑𝑜𝑛𝑛é𝑒.
𝐷𝑎𝑛𝑠 𝑙𝑒 𝑠𝑦𝑠𝑡è𝑚𝑒 𝑑𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 , 𝑖𝑙 𝑝𝑒𝑢𝑡 𝑎𝑝𝑝𝑎𝑡𝑎î𝑡𝑟𝑒 𝑙𝑒 𝑠𝑖𝑔𝑛𝑒 ≥ 𝑜𝑢 = à 𝑐ô𝑡é 𝑑𝑒𝑠 𝑠𝑖𝑔𝑛𝑒𝑠 ≤.
𝐷𝑒 𝑝𝑙𝑢𝑠 , 𝑙𝑎 𝑓𝑜𝑟𝑚𝑢𝑙𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝑐𝑒𝑟𝑡𝑎𝑖𝑛𝑠 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒𝑠 𝑒𝑠𝑡 𝑡𝑒𝑙𝑙𝑒 𝑞𝑢′ 𝑖𝑙 𝑛′ 𝑦 𝑎 𝑝𝑎𝑠 𝑑𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑒 𝑏𝑎𝑠𝑒 é𝑣𝑖𝑑𝑒𝑛𝑡𝑒.
𝐶 ′ 𝑒𝑠𝑡 𝑙𝑒 𝑐𝑎𝑠 𝑠𝑢𝑟𝑡𝑜𝑢𝑡 𝑝𝑜𝑢𝑟 𝑙𝑒𝑠 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒𝑠 𝑑𝑒 𝑚𝑖𝑛𝑖𝑚𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑒𝑡 𝑑𝑒 𝑓𝑎ç𝑜𝑛 𝑔é𝑛é𝑟𝑎𝑙𝑒 , 𝑞𝑢𝑎𝑛𝑑 𝑑𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠
𝑠𝑜𝑛𝑡 𝑠𝑜𝑢𝑠 𝑓𝑜𝑟𝑚𝑒 𝑠𝑜𝑖𝑡 𝑑 ′ é𝑔𝑎𝑙𝑖𝑡é, 𝑠𝑜𝑖𝑡 𝑠𝑜𝑢𝑠 𝑓𝑜𝑟𝑚𝑒 𝑑𝑒 𝑠𝑢𝑝é𝑟𝑖𝑜𝑟𝑖𝑡é. 𝐿𝑒𝑠 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒𝑠 𝑑𝑒 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑎𝑡𝑖𝑜𝑛
𝑝𝑒𝑢𝑣𝑒𝑛𝑡 𝑑𝑜𝑛𝑐 𝑎𝑢𝑠𝑠𝑖 ê𝑡𝑟𝑒 𝑐𝑜𝑛𝑐𝑒𝑟𝑛é𝑠.
𝐿′ 𝑖𝑛𝑡𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛 𝑑𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑎𝑟𝑡𝑖𝑓𝑖𝑐𝑖𝑒𝑙𝑙𝑒𝑠 𝑝𝑒𝑟𝑚𝑒𝑡 𝑑𝑒 𝑟é𝑠𝑜𝑢𝑑𝑟𝑒 𝑙𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑝𝑜𝑠é 𝑝𝑎𝑟 𝑙𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 ≥.
𝑄𝑢𝑎𝑛𝑑 𝑢𝑛 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑐𝑜𝑚𝑝𝑜𝑟𝑡𝑒 𝑢𝑛𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 ≥ , 𝑙𝑎 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑑𝑒 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑖𝑡é 𝑙𝑖é𝑒 à 𝑙𝑎
𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑 ′ é𝑐𝑎𝑟𝑡 𝑛′ 𝑒𝑠𝑡 𝑝𝑎𝑠 𝑟𝑒𝑠𝑝𝑒𝑐𝑡é𝑒 𝑝𝑜𝑢𝑟 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑.
𝐸𝑥𝑒𝑚𝑝𝑙𝑒
𝑆𝑜𝑖𝑡 𝑙𝑎 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 ∶ 𝑥 + 2 𝑦 + 𝑧 ≥ 16.
𝐿𝑒 𝑡𝑟𝑖𝑝𝑙𝑒𝑡 (5 , 5 , 5) 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑒 𝑙 ′ 𝑖𝑛é𝑞𝑢𝑎𝑡𝑖𝑜𝑛 𝑐𝑎𝑟 5 + 10 + 5 = 20 ≥ 16.
𝐷𝑎𝑛𝑠 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑 , 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑′ é𝑐𝑎𝑟𝑡 𝑒1 𝑞𝑢𝑖 𝑝𝑒𝑟𝑚𝑒𝑡 𝑙 ′ é𝑔𝑎𝑙𝑖𝑡é 𝑒𝑠𝑡 𝑡𝑒𝑙𝑙𝑒 𝑞𝑢𝑒 ∶ 20 + 𝑒1 = 16 𝑠𝑜𝑖𝑡
𝑒1 = −4 𝑞𝑢𝑖 𝑛𝑒 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑒 𝑝𝑎𝑠 𝑙𝑎 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑒1 ≥ 0.
𝐿𝑎 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑒𝑠𝑡 𝑑𝑜𝑛𝑐 ∶ 𝑥 + 2 𝑦 + 𝑧 − 𝑒1 = 16.
𝐿𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑒1 𝑒𝑠𝑡 𝑎𝑙𝑜𝑟𝑠 𝑚𝑖𝑠𝑒 ℎ𝑜𝑟𝑠 𝑏𝑎𝑠𝑒 𝑒𝑡 𝑙 ′ 𝑖𝑛𝑡𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑑 ′ 𝑢𝑛𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎𝑟𝑡𝑖𝑓𝑖𝑐𝑙𝑒𝑙𝑙𝑒 𝑎1
𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑒 𝑜𝑢 𝑛𝑢𝑙𝑙𝑒 , 𝑎𝑓𝑓𝑒𝑐𝑡é 𝑑𝑢 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 1 𝑝𝑒𝑟𝑚𝑒𝑡 𝑑 ′ 𝑜𝑏𝑡𝑒𝑛𝑖𝑟 𝑢𝑛𝑒 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑒 𝑑é𝑝𝑎𝑟𝑡 𝑎𝑑𝑚𝑖𝑠𝑠𝑖𝑏𝑙𝑒 ∶
𝑥 + 2 𝑦 + 𝑧 − 𝑒1 + 𝑎1 = 16.
𝐿𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 ℎ𝑜𝑟𝑠 𝑏𝑎𝑠𝑒 𝑠𝑜𝑛𝑡 𝑥 = 𝑦 = 𝑧 = 𝑒1 = 0 𝑒𝑡 𝑒𝑛 𝑏𝑎𝑠𝑒 𝑎1 = 16 𝑐𝑒 𝑞𝑢𝑖 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑒 𝑎1 ≥ 0.

𝒃) 𝑪𝒂𝒔 𝒐ù 𝒍𝒆 𝒔𝒆𝒄𝒐𝒏𝒅 𝒎𝒆𝒎𝒃𝒓𝒆 𝒆𝒔𝒕 𝒏é𝒈𝒂𝒕𝒊𝒇

𝐿𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑞𝑢𝑖 𝑝𝑒𝑢𝑡 𝑠𝑒 𝑝𝑜𝑠𝑒𝑟 𝑒𝑠𝑡 𝑞𝑢𝑒 𝑙 ′ 𝑢𝑛𝑒 𝑑𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑𝑢 𝑠𝑒𝑐𝑜𝑛𝑑 𝑚𝑒𝑚𝑏𝑟𝑒 𝑠𝑜𝑖𝑡 𝑛é𝑔𝑎𝑡𝑖𝑣𝑒.
𝑃𝑎𝑟 𝑒𝑥𝑒𝑚𝑝𝑙𝑒 , 𝑠𝑢𝑝𝑝𝑜𝑠𝑜𝑛𝑠 𝑞𝑢𝑒 𝑙𝑜𝑟𝑠 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑟𝑚𝑢𝑙𝑎𝑡𝑖𝑜𝑛 𝑜𝑛 𝑡𝑟𝑜𝑢𝑣𝑒 𝑢𝑛𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑑𝑒 𝑐𝑒 𝑡𝑦𝑝𝑒 ∶
𝑥 − 𝑦 ≥ −4.
𝐿𝑎 𝑐𝑜𝑛𝑑𝑖𝑡𝑖𝑜𝑛 𝑞𝑢′ 𝑖𝑙 𝑓𝑎𝑢𝑡 𝑣é𝑟𝑖𝑓𝑖𝑒𝑟 𝑎𝑣𝑎𝑛𝑡 𝑑𝑒 𝑠𝑒 𝑙𝑎𝑛𝑐𝑒𝑟 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑟éé𝑐𝑟𝑖𝑡𝑢𝑟𝑒 𝑑𝑒 𝑐𝑒𝑡𝑡𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 , 𝑒𝑛 𝑣𝑢𝑒 𝑑𝑒
𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑖𝑟𝑒 𝑙𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑, 𝑒𝑠𝑡 𝑙𝑎 𝑛𝑜𝑛 − 𝑛é𝑔𝑎𝑡𝑖𝑣𝑖𝑡é 𝑑𝑢 𝑠𝑒𝑐𝑜𝑛𝑑 𝑚𝑒𝑚𝑏𝑟𝑒.
𝑆𝑖 𝑢𝑛 𝑠𝑒𝑐𝑜𝑛𝑑 𝑚𝑒𝑚𝑏𝑟𝑒 𝑒𝑠𝑡 𝑛é𝑔𝑎𝑡𝑖𝑓, 𝑖𝑙 𝑠𝑢𝑓𝑓𝑖𝑡 𝑑𝑒 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑒𝑟 𝑝𝑎𝑟 (−1). 𝐶𝑒𝑐𝑖 𝑎 𝑝𝑜𝑢𝑟 𝑒𝑓𝑓𝑒𝑡 𝑑𝑒 𝑐ℎ𝑎𝑛𝑔𝑒𝑟 𝑙𝑒 𝑠𝑒𝑛𝑠
𝑑𝑒 𝑙 ′ 𝑖𝑛é𝑔𝑎𝑙𝑖𝑡é.
46
𝐴𝑖𝑛𝑠𝑖 , 𝑜𝑛 𝑑𝑜𝑖𝑡 𝑚𝑜𝑑𝑖𝑓𝑖𝑒𝑟 𝑙𝑎 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑎𝑣𝑎𝑛𝑡 𝑑𝑒 𝑐𝑜𝑚𝑚𝑒𝑛𝑐𝑒𝑟 𝑙𝑎 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑒𝑡 𝑙𝑎 𝑟éé𝑐𝑟𝑖𝑡𝑢𝑟𝑒 𝑐𝑜𝑚𝑚𝑒
𝑠𝑢𝑖𝑡 ∶ −𝑥 + 𝑦 ≤ 4
𝑅è𝑔𝑙𝑒
𝐼𝑙 𝑒𝑠𝑡 𝑛é𝑐𝑒𝑠𝑠𝑎𝑖𝑟𝑒 𝑑 ′ 𝑖𝑛𝑡𝑟𝑜𝑑𝑢𝑖𝑟𝑒 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎𝑟𝑡𝑖𝑓𝑖𝑐𝑖𝑒𝑙𝑙𝑒 ( 𝑡𝑜𝑢𝑗𝑜𝑢𝑟𝑠 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑒 )𝑞𝑢𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑐𝑎𝑠 𝑜ù 𝑙𝑎 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒
𝑒𝑠𝑡 𝑠𝑜𝑢𝑠 𝑓𝑜𝑟𝑚𝑒 𝑑′ é𝑔𝑎𝑙𝑖𝑡é 𝑜𝑢 𝑑𝑒 𝑠𝑢𝑝é𝑟𝑖𝑜𝑟𝑖𝑡é .
𝐷𝑎𝑛𝑠 𝑙𝑎 𝑛𝑜𝑢𝑣𝑒𝑙𝑙𝑒 é𝑞𝑢𝑎𝑡𝑖𝑜𝑛 , 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎𝑟𝑡𝑖𝑓𝑖𝑐𝑖𝑒𝑙𝑙𝑒 𝑒𝑠𝑡 𝑎𝑓𝑓𝑒𝑐𝑡é𝑒 𝑑𝑢 𝑠𝑖𝑔𝑛𝑒 𝑑𝑢 𝑠𝑒𝑐𝑜𝑛𝑑 𝑚𝑒𝑚𝑏𝑟𝑒.
𝑖) 𝐼𝑛𝑡𝑟𝑜𝑑𝑢𝑖𝑟𝑒 𝑢𝑛𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎𝑟𝑡𝑖𝑓𝑖𝑐𝑖𝑒𝑙𝑙𝑒 𝑝𝑎𝑟 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 ≥. 𝐿𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑 ′ é𝑐𝑎𝑟𝑡 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒
𝑎𝑓𝑓𝑒𝑐𝑡é𝑒 𝑑𝑢 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 (−1) 𝑒𝑠𝑡 𝑚𝑖𝑠𝑒 ℎ𝑜𝑟𝑠 𝑏𝑎𝑠𝑒.
𝑖𝑖) 𝐸𝑙𝑙𝑒𝑠 𝑝𝑒𝑟𝑚𝑒𝑡𝑡𝑒𝑛𝑡 𝑠𝑖𝑚𝑝𝑙𝑒𝑚𝑒𝑛𝑡 𝑑𝑒 𝑚𝑒𝑡𝑡𝑟𝑒 𝑙 ′ é𝑔𝑎𝑙𝑖𝑡é 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑 𝑒𝑡 𝑛𝑒 𝑠𝑜𝑛𝑡 𝑝𝑎𝑠 𝑢𝑛𝑒 𝑑𝑜𝑛𝑛é𝑒
𝑑𝑢 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒. 𝐸𝑛 𝑐𝑜𝑛𝑠é𝑞𝑢𝑒𝑛𝑐𝑒, 𝑒𝑙𝑙𝑒𝑠 𝑑𝑜𝑖𝑣𝑒𝑛𝑡 ê𝑡𝑟𝑒 𝑛𝑢𝑙𝑙𝑒𝑠 à 𝑙 ′ 𝑜𝑝𝑡𝑖𝑚𝑢𝑚. 𝑃𝑜𝑢𝑟 𝑐𝑒𝑙𝑎 , 𝑖𝑙 𝑓𝑎𝑢𝑡 𝑙𝑒𝑠 𝑓𝑎𝑖𝑟𝑒 𝑠𝑜𝑟𝑡𝑖𝑟
𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑒𝑛 𝑙𝑒𝑢𝑟 𝑑𝑜𝑛𝑛𝑎𝑛𝑡 𝑢𝑛 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑓𝑜𝑟𝑡𝑒𝑚𝑒𝑛𝑡 𝑝é𝑛𝑎𝑙𝑖𝑠𝑎𝑛𝑡 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 ∶
∎ 𝑠 ′ 𝑖𝑙 𝑠 ′ 𝑎𝑔𝑖𝑡𝑑′ 𝑢𝑛𝑒 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑎𝑡𝑖𝑜𝑛 , 𝑙𝑒 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑎𝑓𝑓𝑒𝑐𝑡é à 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎𝑟𝑡𝑖𝑓𝑖𝑐𝑖𝑒𝑙𝑙𝑒 𝑒𝑠𝑡 𝑡𝑟è𝑠 𝑛é𝑔𝑎𝑡𝑖𝑓 ∶
−𝑀 𝑜ù 𝑀 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑒 𝑎𝑟𝑏𝑖𝑡𝑟𝑎𝑖𝑟𝑒𝑚𝑒𝑛𝑡 𝑔𝑟𝑎𝑛𝑑𝑒 𝑞𝑢𝑖 𝑡𝑒𝑛𝑑 à 𝑟é𝑑𝑢𝑖𝑟𝑒 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛
é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒, 𝑡𝑎𝑛𝑡 𝑞𝑢𝑒 𝑙𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑎𝑟𝑡𝑖𝑓𝑖𝑐𝑖𝑒𝑙𝑙𝑒𝑠 𝑠𝑜𝑛𝑡 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒. 𝑂𝑛 𝑑𝑖𝑡 𝑞𝑢′ 𝑜𝑛 𝑝é𝑛𝑎𝑙𝑖𝑠𝑒 𝑙𝑎
𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑜𝑏𝑗𝑒𝑐𝑡𝑖𝑓 , 𝑑′ 𝑜ù 𝑙𝑒 𝑛𝑜𝑚 𝑑𝑒 𝑙𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑑𝑖𝑡𝑒 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑑𝑒𝑠 𝑝é𝑛𝑎𝑙𝑖𝑡é𝑠.
∎ 𝑠 ′ 𝑖𝑙 𝑠 ′ 𝑎𝑔𝑖𝑡 𝑑 ′ 𝑢𝑛𝑒 𝑚𝑖𝑛𝑖𝑚𝑖𝑠𝑎𝑡𝑖𝑜𝑛 , 𝑙𝑒 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑎𝑓𝑓𝑒𝑐𝑡é à 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎𝑟𝑡𝑖𝑓𝑖𝑐𝑖𝑒𝑙𝑙𝑒 𝑒𝑠𝑡 𝑡𝑟è𝑠 𝑝𝑜𝑠𝑖𝑡𝑖𝑓 ∶
+𝑀 𝑜ù 𝑀 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑐𝑜𝑛𝑠𝑡𝑎𝑛𝑡𝑒 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑒 𝑎𝑟𝑏𝑖𝑡𝑟𝑎𝑖𝑟𝑒𝑚𝑒𝑛𝑡 𝑔𝑟𝑎𝑛𝑑𝑒 𝑞𝑢𝑖 𝑡𝑒𝑛𝑑 à 𝑎𝑢𝑔𝑚𝑒𝑛𝑡𝑒𝑟 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛
é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 ; 𝑡𝑎𝑛𝑡 𝑞𝑢𝑒 𝑙𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑎𝑟𝑡𝑖𝑓𝑖𝑐𝑖𝑒𝑙𝑙𝑒𝑠 𝑠𝑜𝑛𝑡 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒. 𝑂𝑛 𝑑𝑖𝑡 𝑞𝑢′ 𝑜𝑛 𝑝é𝑛𝑎𝑙𝑖𝑠𝑒 𝑙𝑎
𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑜𝑏𝑗𝑒𝑐𝑡𝑖𝑓 𝑑′ 𝑜ù 𝑙𝑒 𝑛𝑜𝑚 𝑑𝑒 𝑙𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑑𝑖𝑡𝑒 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑑𝑒𝑠 𝑝é𝑛𝑎𝑙𝑖𝑡é𝑠.
𝑵𝑩 ∶ 𝐿𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎𝑟𝑡𝑖𝑓𝑖𝑐𝑖𝑒𝑙𝑙𝑒 𝑠𝑜𝑟𝑡𝑎𝑛𝑡 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒, 𝑣𝑎 𝑠𝑒 𝑡𝑟𝑜𝑢𝑣𝑒𝑟 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑙𝑖𝑔𝑛𝑒 𝑑𝑒 ∆ 𝑎𝑣𝑒𝑐 𝑢𝑛 𝑓𝑜𝑟𝑡
𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝑝𝑜𝑠𝑖𝑡𝑖𝑓 𝑒𝑡 𝑛𝑒 𝑝𝑜𝑢𝑟𝑟𝑎 𝑑𝑜𝑛𝑐 𝑝𝑙𝑢𝑠 𝑦 𝑒𝑛𝑡𝑟𝑒𝑟 ; 𝑜𝑛 𝑝𝑒𝑢𝑡 𝑑𝑜𝑛𝑐 𝑠𝑢𝑝𝑝𝑟𝑖𝑚𝑒𝑟 𝑙𝑎 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛 −
𝑑𝑎𝑛𝑡𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑠𝑢𝑖𝑡𝑒 𝑑𝑒𝑠 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛𝑠
𝑨𝒑𝒑𝒍𝒊𝒄𝒂𝒕𝒊𝒐𝒏
𝑥1 + 4 𝑥2 ≤ 36
𝑥1 − 2 𝑥3 ≤ 13
3 𝑥1 + 𝑥2 ≤ 53
𝑆𝑜𝑖𝑡 𝑙𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 ∶
𝑥1 + 𝑥2 ≥ 4
𝑀𝑎𝑥(𝑍) = 3 𝑥1 + 2 𝑥2
{ 𝑥1 , 𝑥2 , 𝑥3 ≥ 0
𝑥1 + 4 𝑥2 + 𝑒1 = 36
𝑥1 − 2 𝑥3 + 𝑒2 = 13
3 𝑥1 + 𝑥2 + 𝑒3 = 53
𝐿𝑎 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑 𝑒𝑠𝑡 ∶
𝑥1 + 𝑥2 − 𝑒4 + 𝑎1 = 4
𝑀𝑎𝑥(𝑍) = 3 𝑥1 + 2 𝑥2 + 0𝑒1 + 0𝑒2 + 0𝑒3 + 0𝑒4 − 𝑀𝑎1
{ 𝑥1 , 𝑥2 , 𝑥3 ≥ 0

47
𝐿𝑎 𝑞𝑢𝑎𝑡𝑟𝑖è𝑚𝑒 é𝑞𝑢𝑎𝑡𝑖𝑜𝑛 𝑑𝑜𝑛𝑛𝑒 ∶ 𝑎1 = 4 − 𝑥1 + 𝑥2 − 𝑒4

𝐷𝑜𝑛𝑐 𝑍 = 3 𝑥1 + 2 𝑥2 + −𝑀 (4 − 𝑥1 + 𝑥2 − 𝑒4 )

𝑃𝑎𝑟 𝑠𝑢𝑖𝑡𝑒 𝑍 = (3 + 𝑀 )𝑥1 + (2 + 𝑀 )𝑥2 + 0𝑒1 + 0𝑒2 + 0𝑒3 − 𝑀 𝑒4 − 4 𝑀.

𝑂𝑛 𝑜𝑏𝑡𝑖𝑒𝑛𝑡 𝑙𝑒 𝑝𝑟𝑒𝑚𝑖𝑒𝑟 𝑖𝑛𝑖𝑡𝑖𝑎𝑙 𝑑𝑒𝑠 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒 ∶

𝑥1 𝑥2 𝑒1 𝑒2 𝑒3 𝑒4 𝑎1 𝐶 𝑅

𝑒1 1 4 1 0 0 0 0 36 36

𝑒2 1 −2 0 1 0 0 0 13 13

53
𝑒3 3 1 0 0 1 0 0 53
3

𝑎1 1 1 0 0 0 −1 1 4 4

∆ 3+𝑀 2+𝑀 0 0 0 −𝑀 0 +4 𝑀

𝑥1 𝑒𝑛𝑡𝑟𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑒𝑡 𝑎1 𝑠𝑜𝑟𝑡 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒.

𝐿𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎𝑟𝑡𝑖𝑓𝑖𝑐𝑖𝑒𝑙𝑙𝑒 𝑠𝑜𝑟𝑡𝑎𝑛𝑡 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒, 𝑣𝑎 𝑠𝑒 𝑡𝑟𝑜𝑢𝑣𝑒𝑟 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑙𝑖𝑔𝑛𝑒 ∆ 𝑎𝑣𝑒𝑐 𝑢𝑛 𝑓𝑜𝑟𝑡 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡

𝑝𝑜𝑠𝑖𝑡𝑖𝑓 𝑒𝑡 𝑛𝑒 𝑝𝑜𝑢𝑟𝑟𝑎 𝑑𝑜𝑛𝑐 𝑝𝑙𝑢𝑠 𝑦 𝑒𝑛𝑡𝑟𝑒𝑟 ; 𝑜𝑛 𝑝𝑒𝑢𝑡 𝑑𝑜𝑛𝑐 𝑠𝑢𝑝𝑝𝑟𝑖𝑚𝑒𝑟 𝑙𝑎 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑎𝑛𝑡𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎

𝑠𝑢𝑖𝑡𝑒 𝑑𝑒𝑠 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛𝑠.

𝑃𝑟𝑒𝑚𝑖è𝑟𝑒 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛

𝑥1 𝑥2 𝑒1 𝑒2 𝑒3 𝑒4 𝐶 𝑅

𝑒1 0 3 1 0 0 1 32 32

𝑒2 0 −3 0 1 0 1 9 9

41
𝑒3 0 −2 0 0 1 3 41
3

𝑥1 1 1 0 0 0 −1 4 −4

∆ 0 −1 0 0 0 3 −12

𝑒4 𝑒𝑛𝑡𝑟𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑒𝑡 𝑒2 𝑠𝑜𝑟𝑡 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒.

48
𝐷𝑒𝑢𝑥𝑖è𝑚𝑒 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛

. 𝑥2 𝑒1 . 𝑒3 . 𝐶 𝑅

23
𝑒1 0 6 1 −1 0 0 23
6

𝑒4 0 −3 0 1 0 1 9 −3

𝑒3 0 7 0 −3 1 0 14 2

−13
𝑥1 1 −2 0 1 0 0 13
2

∆ 0 8 0 −3 0 0 −39

𝑥2 𝑒𝑛𝑡𝑟𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑒𝑡 𝑒3 𝑠𝑜𝑟𝑡 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒.

𝑇𝑟𝑜𝑖𝑠𝑖è𝑚𝑒 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛

. . 𝑒1 . 𝑒3 . 𝐶 𝑅

−11 −6
𝑒1 0 0 1 0 11 7
7 7
−2 3 −105
𝑒4 0 −3 0 1 15
7 7 2
−3 1 −14
𝑥2 0 1 0 0 2
7 7 3
1 2
𝑥1 1 0 0 0 17 119
7 7
3 −8
∆ 0 0 0 0 −55
7 7

𝑒2 𝑒𝑛𝑡𝑟𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑒𝑡 𝑒1 𝑠𝑜𝑟𝑡 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒.

49
𝑄𝑢𝑎𝑡𝑟𝑖è𝑚𝑒 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛

. . 𝑒1 . 𝑒3 . 𝐶

7 −6
𝑒2 0 0 1 0 7
11 11
2 3
𝑒4 0 0 0 1 17
11 11
3 −1
𝑥2 0 1 0 0 5
11 11
−1 4
𝑥1 1 0 0 0 16
11 11
−3 −10
∆ 0 0 0 0 −58
11 11

𝑇𝑜𝑢𝑠 𝑙𝑒𝑠 𝑛𝑜𝑚𝑏𝑟𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑙𝑖𝑔𝑛𝑒 ∆ 𝑠𝑜𝑛𝑡 𝑛é𝑔𝑎𝑡𝑖𝑓𝑠 𝑜𝑢 𝑛𝑢𝑙𝑠, 𝑑𝑜𝑛𝑐 𝑛𝑜𝑢𝑠 𝑠𝑜𝑚𝑚𝑒𝑠 à 𝑙 ′ 𝑜𝑝𝑡𝑖𝑚𝑢𝑚.

𝑂𝑛 𝑎 ∶ 𝑥1 = 16 , 𝑥2 = 5 𝑒𝑡 𝑍 = 58.

50
 𝒄) 𝑨𝒖𝒕𝒓𝒆𝒔 𝒄𝒂𝒔
𝐿𝑒 𝑠𝑦𝑠𝑡è𝑚𝑒 𝑐𝑜𝑛𝑡𝑖𝑒𝑛𝑡 𝑙𝑒𝑠 𝑠𝑖𝑔𝑛𝑒𝑠 ≥ 𝑒𝑡 ≤.
𝐸𝑥𝑒𝑚𝑝𝑙𝑒 1
𝑥 ≥0 , 𝑦≥0, 𝑧≥0
2 𝑥 + 𝑦 + 𝑧 ≤ 1.550
5 𝑥 + 2 𝑦 + 2 𝑧 ≤ 3.500
𝑧 ≥ 500
{ 𝑀𝑎𝑥(𝑍) = 120 𝑥 + 150 𝑦 + 100 𝑧
𝐿𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑣𝑢𝑒 𝑒𝑛 𝑎) 𝑛′ 𝑒𝑠𝑡 𝑝𝑎𝑠 𝑎𝑝𝑝𝑙𝑖𝑐𝑎𝑏𝑙𝑒 𝑒𝑛 𝑟𝑎𝑖𝑠𝑜𝑛 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑧 ≥ 500.
𝐿𝑎 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑍 ≥ 0 𝑒𝑠𝑡 𝑠𝑢𝑝𝑒𝑟𝑓𝑙𝑢𝑒 𝑒𝑛 𝑟𝑎𝑖𝑠𝑜𝑛 𝑑𝑒 𝑧 ≥ 500, 𝑒𝑡 𝑝𝑒𝑢𝑡 𝑑𝑜𝑛𝑐 ê𝑡𝑟𝑒 𝑠𝑢𝑝𝑝𝑟𝑖𝑚é𝑒.
𝑈𝑛 𝑐ℎ𝑎𝑛𝑔𝑒𝑚𝑒𝑛𝑡 𝑑𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑝𝑒𝑟𝑚𝑒𝑡 𝑑𝑒 𝑟é𝑠𝑜𝑢𝑑𝑟𝑒 𝑙𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑝𝑜𝑠é 𝑝𝑎𝑟 𝑙𝑎 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑧 ≥ 500.
𝐶𝑒𝑡𝑡𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑝𝑒𝑢𝑡 𝑠 ′ é𝑐𝑟𝑖𝑟𝑒 𝑧 − 500 ≥ 0 𝑒𝑡 𝑜𝑛 𝑝𝑜𝑠𝑒 𝑧1 = 𝑧 − 500 𝑞𝑢𝑖 𝑑𝑜𝑛𝑛𝑒 𝑧 = 𝑧1 + 500.
𝐿𝑒 𝑐ℎ𝑎𝑛𝑔𝑒𝑚𝑒𝑛𝑡 𝑑𝑒 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑𝑜𝑛𝑛𝑒 𝑙𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 ∶
𝑥 ≥0 , 𝑦 ≥ 0, 𝑧1 ≥ 0 𝑥 ≥0 , 𝑦 ≥ 0, 𝑧1 ≥ 0
(𝑧
2 𝑥 + 𝑦 + 1 + 500) ≤ 1.550 2 𝑥 + 𝑦 + 𝑧1 ≤ 1.050
5 𝑥 + 2 𝑦 + 2 (𝑧1 + 500) ≤ 3.500 𝑠𝑜𝑖𝑡 5 𝑥 + 2 𝑦 + 2 𝑧1 ≤ 2.500

{ 𝑀𝑎𝑥(𝑍) = 120 𝑥 + 150 𝑦 + 100 (𝑧1 + 500) { 𝑀𝑎𝑥(𝑍) = 120 𝑥 + 150 𝑦 + 100 𝑧1 + 50.000
𝐿𝑎 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑 𝑒𝑠𝑡 𝑑𝑜𝑛𝑐
𝑥 ≥ 0 , 𝑦 ≥ 0 , 𝑧1 ≥ 0
2 𝑥 + 𝑦 + 𝑧1 + 𝑒1 = 1.050
5 𝑥 + 2 𝑦 + 2 𝑧1 + 𝑒2 = 2.500

{ 𝑀𝑎𝑥(𝑍) = 120 𝑥 + 150 𝑦 + 100 𝑧1 + 50.000 + 0 𝑒1 + 0𝑒2

51
52
𝑷𝑹𝑶𝑩𝑳𝑬𝑴𝑬 𝑫𝑬 𝑴𝑰𝑵𝑰𝑴𝑰𝑺𝑨𝑻𝑰𝑶𝑵

𝑰𝒏𝒕𝒓𝒐𝒅𝒖𝒄𝒕𝒊𝒐𝒏

𝐷𝑎𝑛𝑠 𝑙𝑎 𝑝𝑎𝑟𝑡𝑖𝑒 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑒, 𝑡𝑜𝑢𝑠 𝑙𝑒𝑠 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒𝑠 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒𝑠 𝑞𝑢′ 𝑜𝑛 𝑎 𝑡𝑟𝑎𝑖𝑡é 𝑠𝑜𝑛𝑡 𝑑𝑢 𝑡𝑦𝑝𝑒 ∶

𝑀𝑎𝑥𝑖𝑚𝑖𝑠𝑒𝑟 𝑢𝑛𝑒 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑠𝑜𝑢𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑑𝑢 𝑡𝑦𝑝𝑒 𝑖𝑛𝑓é𝑟𝑖𝑒𝑢𝑟 𝑜𝑢 é𝑔𝑎𝑙𝑒 𝑒𝑡 𝑎𝑣𝑒𝑐 𝑢𝑛 𝑠𝑒𝑐𝑜𝑛𝑑

𝑚𝑒𝑚𝑏𝑟𝑒 𝑝𝑜𝑠𝑖𝑡𝑖𝑓.

𝑂𝑟 𝑑𝑎𝑛𝑠 𝑏𝑒𝑎𝑢𝑐𝑜𝑢𝑝 𝑑𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒𝑠 𝑟é𝑒𝑙𝑠 , 𝑜𝑛 𝑝𝑒𝑢𝑡 𝑟𝑒𝑡𝑟𝑜𝑢𝑣𝑒𝑟 𝑑𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑑𝑒 𝑡𝑦𝑝𝑒 𝑠𝑢𝑝é𝑟𝑖𝑒𝑢𝑟 𝑜𝑢

é𝑔𝑎𝑙𝑒 𝑒𝑡 𝑜𝑢 𝑑𝑒 𝑡𝑦𝑝𝑒 é𝑔𝑎𝑙𝑒, 𝑎𝑖𝑛𝑠𝑖 𝑞𝑢𝑒 𝑑𝑒𝑠 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒𝑠 𝑜ù 𝑜𝑛 𝑎 à 𝑚𝑖𝑛𝑖𝑚𝑖𝑠𝑒𝑟 𝑎𝑢 𝑙𝑖𝑒𝑢 𝑑𝑒 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑒𝑟.

𝟏) 𝑹é𝒔𝒐𝒍𝒖𝒕𝒊𝒐𝒏 𝒅′ 𝒖𝒏 𝒑𝒓𝒐𝒃𝒍è𝒎𝒆 𝒅𝒆 𝒎𝒊𝒏𝒊𝒎𝒊𝒔𝒂𝒕𝒊𝒐𝒏

53
 𝟐) 𝑹é𝒔𝒐𝒍𝒖𝒕𝒊𝒐𝒏 𝒅′ 𝒖𝒏 𝒑𝒓𝒐𝒃𝒍è𝒎𝒆 𝒅𝒆 𝒎𝒊𝒏𝒊𝒎𝒊𝒔𝒂𝒕𝒊𝒐𝒏 𝒂𝒗𝒆𝒄 𝒎é𝒍𝒂𝒏𝒈𝒆 𝒅𝒆𝒔 𝒔𝒊𝒈𝒏𝒆𝒔

𝐷𝑎𝑛𝑠 𝑢𝑛 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑐𝑙𝑎𝑠𝑠𝑖𝑞𝑢𝑒𝑑𝑒 𝑚𝑖𝑛𝑖𝑚𝑢𝑚 , 𝑙𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑠𝑜𝑛𝑡 𝑡𝑜𝑢𝑡𝑒𝑠 𝑎𝑣𝑒𝑐 𝑙𝑒 𝑠𝑖𝑔𝑛𝑒 (≥).

𝑂𝑛 𝑟𝑎𝑚è𝑛𝑒 𝑑𝑜𝑛𝑐 𝑐𝑒𝑙𝑙𝑒𝑠 𝑞𝑢𝑖 𝑠𝑜𝑛𝑡 𝑑𝑒 𝑠𝑖𝑔𝑛𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑟𝑒𝑠 𝑒𝑛 𝑚𝑢𝑙𝑡𝑖𝑝𝑙𝑖𝑎𝑛𝑡 𝑝𝑎𝑟 (−1), 𝑝𝑢𝑖𝑠 𝑜𝑛 𝑝𝑟𝑜𝑐è𝑑𝑒 à 𝑙𝑎

𝑟é𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑐𝑜𝑚𝑚𝑒 𝑒𝑛 1).

𝐴𝑝𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛

𝑚𝑖𝑛(𝑍) = 40 𝑥1 + 12 𝑥2 + 15 𝑥3
2 𝑥1 + 𝑥2 + 𝑥3 ≥ 150
𝑅é𝑠𝑜𝑢𝑑𝑟𝑒 𝑙𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 ∶ 𝑥1 + 2 𝑥2 + 𝑥3 ≥ 200
3 𝑥1 + 𝑥2 + 𝑥3 ≤ 180
{ 𝑥1 ≥ 0 , 𝑥2 ≥ 0 , 𝑥3 ≥ 0

𝑚𝑖𝑛(𝑍) = 40 𝑥1 + 12 𝑥2 + 15 𝑥3
2 𝑥1 + 𝑥2 + 𝑥3 ≥ 150
𝐿𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑑𝑒𝑣𝑖𝑒𝑛𝑡 ∶ 𝑥1 + 2 𝑥2 + 𝑥3 ≥ 200
−3 𝑥1 − 𝑥2 − 𝑥3 ≥ 180
{ 𝑥1 ≥ 0 , 𝑥2 ≥ 0 , 𝑥3 ≥ 0

𝑚𝑎𝑥(𝑍) = 150 𝑦1 + 200 𝑦2 − 180 𝑦3

2 𝑦1 + 𝑦2 − 3 𝑦3 ≤ 40
𝑦1 + 2 𝑦2 − 𝑦3 ≤ 12
𝐿𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑑𝑢𝑎𝑙 𝑒𝑠𝑡 ∶
𝑦1 + 𝑦2 − 𝑦3 ≤ 15

{ 𝑦1 ≥ 0 , 𝑦2 ≥ 0 , 𝑦3 ≥ 0

𝐿𝑎 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑 𝑠𝑒 𝑝𝑟é𝑠𝑒𝑛𝑡𝑒 𝑐𝑜𝑚𝑚𝑒 𝑠𝑢𝑖𝑡 ∶

𝑚𝑎𝑥(𝑍) = 150 𝑦1 + 200 𝑦2 − 180 𝑦3 + 0 𝑢1 + 0 𝑢2 + 0 𝑢3

2 𝑦1 + 𝑦2 − 3 𝑦3 + 𝑢1 = 40
𝑦1 + 2 𝑦2 − 𝑦3 + 𝑢2 = 12
𝑦1 + 𝑦2 − 𝑦3 + 𝑢3 = 15

{ 𝑦1 ≥ 0 , 𝑦2 ≥ 0 , 𝑦3 ≥ 0 , 𝑢1 ≥ 0 , 𝑢2 ≥ 0 , 𝑢3 ≥ 0

𝑉𝐻𝐵
𝑦1 𝑦2 𝑦3 𝑢1 𝑢2 𝑢3 𝐶 𝑅𝑎𝑝𝑝𝑜𝑟𝑡
𝑉𝐷𝐵

𝑢1 2 1 −3 1 0 0 40 40

𝑢2 1 2 −1 0 1 0 12 6

𝑢3 1 1 −1 0 0 1 15 15

54
 𝑍 150 200 −180 0 0 0 0

𝑦2 𝑒𝑛𝑡𝑟𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑒𝑡 𝑢2 𝑠𝑜𝑟𝑡 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒

𝑃𝑟𝑒𝑚𝑖è𝑟𝑒 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛

𝑉𝐻𝐵
𝑦1 . 𝑦3 𝑢1 𝑢2 𝑢3 𝐶 𝑅𝑎𝑝𝑝𝑜𝑟𝑡
𝑉𝐷𝐵
3 −5 −1
𝑢1 0 1 0 34 13,6
4 2 2
1 −1 1
𝑦2 1 0 0 6 12
2 2 2
1 −1 −1
𝑢3 0 0 1 9 18
2 2 2
𝑍 50 0 −80 0 −100 0 −1.200

𝑦1 𝑒𝑛𝑡𝑟𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑒𝑡 𝑦2 𝑠𝑜𝑟𝑡 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒

𝐷𝑒𝑢𝑥𝑖è𝑚𝑒 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛

𝑉𝐻𝐵
. 𝑦2 𝑦3 𝑢1 𝑢2 𝑢3 𝐶 𝑅𝑎𝑝𝑝𝑜𝑟𝑡
𝑉𝐷𝐵
−3 −7 −5
𝑢1 0 1 0 25
2 4 4
1
𝑦1 1 −1 0 1 0 12
2
𝑢3 0 −1 0 0 −1 0 3

𝑍 0 −100 −30 0 −150 0 −1.800

𝐴 𝑙 ′ 𝑜𝑝𝑡𝑖𝑚𝑢𝑚, 𝑙𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑢 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑝𝑟𝑖𝑚𝑎𝑙 𝑒𝑠𝑡 , 𝑎𝑢 𝑠𝑖𝑔𝑛𝑒 𝑝𝑟è𝑠 , 𝑙𝑢𝑒 𝑠𝑢𝑟 𝑙𝑎 𝑑𝑒𝑟𝑛𝑖è𝑟𝑒 𝑙𝑖𝑔𝑛𝑒 𝑑𝑢 𝑡𝑎𝑏𝑙𝑒𝑎𝑢

𝑑𝑎𝑛𝑠 𝑙𝑒𝑠 𝑐𝑜𝑙𝑜𝑛𝑛𝑒𝑠 𝑑𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑 ′ é𝑐𝑎𝑟𝑡. 𝐿𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 𝑑𝑢 𝑑𝑢𝑎𝑙 𝑒𝑠𝑡 é𝑔𝑎𝑙𝑒 à 𝑐𝑒𝑙𝑙𝑒

𝑑𝑢 𝑝𝑟𝑖𝑚𝑎𝑙.

55
 𝑦1 = 12 𝑥1 = 0
𝑦2 = 0 𝑥2 = 150
𝐿𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑢 𝑑𝑢𝑎𝑙 𝑒𝑠𝑡 ∶ 𝑦3 = 0 𝑒𝑡 𝑑𝑜𝑛𝑐 𝑙𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑢 𝑝𝑟𝑖𝑚𝑎𝑙 𝑒𝑠𝑡 𝑥3 = 0

{𝑊 = 2.160 {𝑍 = 2.160

56
 𝟑) 𝑹é𝒔𝒐𝒍𝒖𝒕𝒊𝒐𝒏 𝒅′ 𝒖𝒏 𝒑𝒓𝒐𝒃𝒍è𝒎𝒆 𝒅𝒆 𝒎𝒊𝒏𝒊𝒎𝒊𝒔𝒂𝒕𝒊𝒐𝒏 𝒂𝒗𝒆𝒄 𝒍𝒆 𝒔𝒊𝒈𝒏𝒆 (=)

𝑂𝑛 𝑟𝑎𝑚è𝑛𝑒 𝑡𝑜𝑢𝑡𝑒𝑠 𝑙𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑎𝑢 𝑠𝑖𝑔𝑛𝑒 𝑐𝑙𝑎𝑠𝑠𝑖𝑞𝑢𝑒 (≥) 𝑎𝑣𝑎𝑛𝑡 𝑑 ′ é𝑐𝑟𝑖𝑟𝑒 𝑙𝑒 𝑑𝑢𝑎𝑙.

𝐴𝑝𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛

𝑚𝑖𝑛(𝑍) = 40 𝑥1 + 12 𝑥2 + 15 𝑥3
2 𝑥1 + 𝑥2 + 𝑥3 ≥ 150
𝑅é𝑠𝑜𝑢𝑑𝑟𝑒 𝑙𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑙𝑖𝑛é𝑎𝑖𝑟𝑒 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 ∶ 𝑥1 + 2 𝑥2 + 𝑥3 ≥ 200
3 𝑥1 + 𝑥2 + 𝑥3 = 180
{ 𝑥1 ≥ 0 , 𝑥2 ≥ 0 , 𝑥3 ≥ 0

𝑎≥𝑏
𝑅𝑎𝑝𝑝𝑒𝑙 ∶ 𝑎 = 𝑏 ⟺ { .
𝑎≤𝑏
𝑚𝑖𝑛(𝑍) = 40 𝑥1 + 12 𝑥2 + 15 𝑥3 𝑚𝑖𝑛(𝑍) = 40 𝑥1 + 12 𝑥2 + 15 𝑥3
2 𝑥1 + 𝑥2 + 𝑥3 ≥ 150 2 𝑥1 + 𝑥2 + 𝑥3 ≥ 150
𝑥1 + 2 𝑥2 + 𝑥3 ≥ 200 𝑥1 + 2 𝑥2 + 𝑥3 ≥ 200
𝐿𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑑𝑒𝑣𝑖𝑒𝑛𝑡 ∶ 𝑠𝑜𝑖𝑡
3 𝑥1 + 𝑥2 + 𝑥3 ≥ 180 3 𝑥1 + 𝑥2 + 𝑥3 ≥ 180
3 𝑥1 + 𝑥2 + 𝑥3 ≤ 180 −3 𝑥1 − 𝑥2 − 𝑥3 ≥ −180
{ 𝑥1 ≥ 0 , 𝑥2 ≥ 0 , 𝑥3 ≥ 0 { 𝑥1 ≥ 0 , 𝑥2 ≥ 0 , 𝑥3 ≥ 0

𝑚𝑎𝑥(𝑍) = 150 𝑦1 + 200 𝑦2 + 180 𝑦3 − 180 𝑦4

2 𝑦1 + 𝑦2 + 3 𝑦3 − 3 𝑦4 ≤ 40
𝑦1 + 2 𝑦2 + 𝑦3 − 𝑦4 ≤ 12
𝐿𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑑𝑢𝑎𝑙 𝑒𝑠𝑡 ∶
𝑦1 + 𝑦2 + 𝑦3 − 𝑦4 ≤ 15

{ 𝑦1 ≥ 0 , 𝑦2 ≥ 0 , 𝑦3 ≥ 0 , 𝑦4 ≥ 0

𝐿𝑎 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑 𝑠𝑒 𝑝𝑟é𝑠𝑒𝑛𝑡𝑒 𝑐𝑜𝑚𝑚𝑒 𝑠𝑢𝑖𝑡 ∶

𝑚𝑎𝑥(𝑍) = 150 𝑦1 + 200 𝑦2 + 180 𝑦3 − 180 𝑦4

2 𝑦1 + 𝑦2 + 3 𝑦3 − 3 𝑦4 + 𝑢1 = 40
𝑦1 + 2 𝑦2 + 𝑦3 − 𝑦4 + 𝑢2 = 12
𝑦1 + 𝑦2 + 𝑦3 − 𝑦4 + 𝑢3 = 15

{ 𝑦1 ≥ 0 , 𝑦2 ≥ 0 , 𝑦3 ≥ 0 , 𝑦4 ≥ 0 , 𝑢1 ≥ 0 , 𝑢2 ≥ 0 , 𝑢3 ≥ 0

𝑉𝐻𝐵
𝑦1 𝑦2 𝑦3 𝑦4 𝑢1 𝑢2 𝑢3 𝐶 𝑅𝑎𝑝𝑝𝑜𝑟𝑡
𝑉𝐷𝐵

𝑢1 2 1 3 −3 1 0 0 40 40

𝑢2 1 2 1 −1 0 1 0 12 6

𝑢3 1 1 1 −1 0 0 1 15 15

57
 𝑍 150 200 180 −180 0 0 0 0

𝑦2 𝑒𝑛𝑡𝑟𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑒𝑡 𝑢2 𝑠𝑜𝑟𝑡 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒

𝑃𝑟𝑒𝑚𝑖è𝑟𝑒 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛

𝑉𝐻𝐵
𝑦1 . 𝑦3 𝑦4 𝑢1 𝑢2 𝑢3 𝐶 𝑅𝑎𝑝𝑝𝑜𝑟𝑡
𝑉𝐷𝐵
3 5 5 −1
𝑢1 0 − 1 0 34 13,6
4 2 2 2
1 1 −1 1
𝑦2 1 0 0 6 12
2 2 2 2
1 1 −1 −1
𝑢3 0 0 1 9 18
2 2 2 2
𝑍 50 0 80 −80 0 −100 0 −1.200

𝑦3 𝑒𝑛𝑡𝑟𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑏𝑎𝑠𝑒 𝑒𝑡 𝑦2 𝑠𝑜𝑟𝑡 𝑑𝑒 𝑙𝑎 𝑏𝑎𝑠𝑒

𝐷𝑒𝑢𝑥𝑖è𝑚𝑒 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛

𝑉𝐻𝐵
𝑦1 𝑦2 𝑦3 𝑦4 𝑢1 𝑢2 𝑢3 𝐶 𝑅𝑎𝑝𝑝𝑜𝑟𝑡
𝑉𝐷𝐵
−7
𝑢1 −5 0 0 1 −3 0 4
4
𝑦3 1 2 1 −1 0 1 0 12

𝑢3 0 −1 0 0 0 −1 0 3

𝑍 −30 −160 0 0 0 −180 0 −2.160

𝐴 𝑙 ′ 𝑜𝑝𝑡𝑖𝑚𝑢𝑚, 𝑙𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑢 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑝𝑟𝑖𝑚𝑎𝑙 𝑒𝑠𝑡 , 𝑎𝑢 𝑠𝑖𝑔𝑛𝑒 𝑝𝑟è𝑠 , 𝑙𝑢𝑒 𝑠𝑢𝑟 𝑙𝑎 𝑑𝑒𝑟𝑛𝑖è𝑟𝑒 𝑙𝑖𝑔𝑛𝑒 𝑑𝑢 𝑡𝑎𝑏𝑙𝑒𝑎𝑢

𝑑𝑎𝑛𝑠 𝑙𝑒𝑠 𝑐𝑜𝑙𝑜𝑛𝑛𝑒𝑠 𝑑𝑒𝑠 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒𝑠 𝑑 ′ é𝑐𝑎𝑟𝑡. 𝐿𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑑𝑒 𝑙𝑎 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛 é𝑐𝑜𝑛𝑜𝑚𝑖𝑞𝑢𝑒 𝑑𝑢 𝑑𝑢𝑎𝑙 𝑒𝑠𝑡 é𝑔𝑎𝑙𝑒 à 𝑐𝑒𝑙𝑙𝑒

𝑑𝑢 𝑝𝑟𝑖𝑚𝑎𝑙.

58
 𝑦1 = 0 𝑥1 = 0
𝑦2 = 0 𝑥2 = 180
𝐿𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑢 𝑑𝑢𝑎𝑙 𝑒𝑠𝑡 ∶ 𝑦3 = 12 𝑒𝑡 𝑑𝑜𝑛𝑐 𝑙𝑎 𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛 𝑑𝑢 𝑝𝑟𝑖𝑚𝑎𝑙 𝑒𝑠𝑡 𝑥3 = 0
𝑦4 = 0
{𝑊 = 2.160 {𝑍 = 2.160

59
 𝑻𝑹𝑨𝑽𝑨𝑼𝑿 𝑫𝑰𝑹𝑰𝑮𝑬𝑺
𝑬𝑿𝑬𝑹𝑪𝑰𝑪𝑬 𝟏
𝑈𝑛𝑒 𝑒𝑛𝑡𝑟𝑒𝑝𝑟𝑖𝑠𝑒 𝑓𝑎𝑏𝑟𝑖𝑞𝑢𝑒 𝑑𝑒𝑠 𝑝𝑖è𝑐𝑒𝑠 𝐴 𝑒𝑡 𝑑𝑒𝑠 𝑝𝑖è𝑐𝑒𝑠 𝐵 𝑞𝑢′ 𝑒𝑙𝑙𝑒 𝑣𝑒𝑛𝑑 𝑎𝑢 𝑝𝑟𝑖𝑥 𝑢𝑛𝑖𝑡𝑎𝑖𝑟𝑒 𝑑𝑒 138 𝐹 𝑝𝑜𝑢𝑟 𝐴
𝑒𝑡 136 𝐹 𝑝𝑜𝑢𝑟 𝐵. 𝐿 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑝𝑖è𝑐𝑒𝑠 𝐴 𝑒𝑡 𝐵 𝑛é𝑐𝑒𝑠𝑠𝑖𝑡𝑒 𝑢𝑛 𝑝𝑎𝑠𝑠𝑎𝑔𝑒 𝑑𝑎𝑛𝑠 𝑡𝑟𝑜𝑖𝑠 𝑎𝑡𝑒𝑙𝑖𝑒𝑟𝑠 𝑝𝑜𝑢𝑟
𝑙𝑒𝑠𝑞𝑢𝑒𝑙𝑠 𝑜𝑛 𝑑𝑖𝑠𝑝𝑜𝑠𝑒 𝑑𝑒𝑠 𝑟𝑒𝑛𝑠𝑖𝑔𝑛𝑒𝑚𝑒𝑛𝑡𝑠 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑠 ∶
𝐴𝑡𝑒𝑙𝑖𝑒𝑟 𝑇 𝐶𝑜û𝑡 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑑 ′ 𝑢𝑛𝑒 𝐶𝑎𝑝𝑎𝑐𝑖𝑡é 𝑚𝑎𝑥𝑖𝑚𝑎𝑙𝑒
1 𝑝𝑖è𝑐𝑒 𝐴 1 𝑝𝑖è𝑐𝑒 𝐵 𝑢𝑛𝑖𝑡é 𝑑 ′ 𝑜𝑒𝑢𝑣𝑟𝑒 𝐹 𝑑𝑒𝑠 𝑎𝑡𝑒𝑙𝑖𝑒𝑟𝑠 (𝑈𝑂)
𝐴𝑡𝑒𝑙𝑖𝑒𝑟 𝑇 2 1 10 200
𝐴𝑡𝑒𝑙𝑖𝑒𝑟 𝐹 1 4,5 12 540
𝐴𝑡𝑒𝑙𝑖𝑒𝑟 𝑀 4 3 14 480

𝑂𝑛 𝑑é𝑠𝑖𝑔𝑛𝑒 𝑐𝑜𝑛𝑛𝑎î𝑡𝑟𝑒 𝑙𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑜𝑝𝑡𝑖𝑚𝑎𝑙 𝑑𝑒 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑜𝑛 𝑞𝑢𝑖 𝑝𝑒𝑟𝑚𝑒𝑡𝑡𝑟𝑎 𝑑𝑒 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑒𝑟 𝑙𝑎

𝑚𝑎𝑟𝑔𝑒 𝑑𝑒 𝑙 ′ 𝑒𝑛𝑡𝑟𝑒𝑝𝑟𝑖𝑠𝑒.
𝐷𝑜𝑛𝑛𝑒𝑟 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 𝑐𝑎𝑛𝑜𝑛𝑖𝑞𝑢𝑒 𝑑𝑢 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒.

𝑬𝑿𝑬𝑹𝑪𝑰𝑪𝑬 𝟐
𝑈𝑛𝑒 𝑒𝑛𝑡𝑟𝑒𝑝𝑟𝑖𝑠𝑒 𝑎𝑔𝑟𝑖𝑐𝑜𝑙𝑒 𝑑𝑜𝑖𝑡 𝑐ℎ𝑜𝑖𝑠𝑖𝑟 𝑑𝑒𝑢𝑥 𝑡𝑦𝑝𝑒𝑠 𝑑 ′ 𝑒𝑛𝑔𝑟𝑎𝑖𝑠 𝐴 𝑒𝑡 𝐵 𝑝𝑜𝑢𝑟 𝑓𝑒𝑟𝑡𝑖𝑙𝑖𝑠𝑒𝑟 𝑙𝑒𝑠 𝑡𝑒𝑟𝑟𝑒𝑠 𝑎𝑢
𝑐𝑜û𝑡 𝑚𝑖𝑛𝑖𝑚𝑢𝑚. 𝐿𝑎 𝑓𝑒𝑟𝑡𝑖𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑟𝑒𝑞𝑢𝑖𝑒𝑟𝑡 𝑎𝑢 𝑚𝑜𝑖𝑛𝑠 60 𝑘𝑔 𝑑𝑒 𝑝𝑜𝑡𝑎𝑠𝑖𝑢𝑚 , 120 𝑘𝑔 𝑑𝑒 𝑐𝑎𝑙𝑐𝑖𝑢𝑚 𝑒𝑡 90 𝑘𝑔
𝑑𝑒 𝑠𝑜𝑑𝑖𝑢𝑚 𝑝𝑎𝑟 ℎ𝑒𝑐𝑡𝑎𝑟.
𝐷𝑎𝑛𝑠 𝑢𝑛 𝑝𝑎𝑞𝑢𝑒𝑡 𝑑𝑒 𝐴 , 𝑖𝑙 𝑦 𝑎 1 𝑘𝑔 𝑑𝑒 𝑝𝑜𝑡𝑎𝑠𝑖𝑢𝑚 , 3 𝑘𝑔 𝑑𝑒 𝑐𝑎𝑙𝑐𝑖𝑢𝑚 𝑒𝑡 3 𝑘𝑔 𝑑𝑒 𝑠𝑜𝑑𝑖𝑢𝑚 .
𝐷𝑎𝑛𝑠 𝑢𝑛 𝑝𝑎𝑞𝑢𝑒𝑡 𝑑𝑒 𝐵 , 𝑖𝑙 𝑦 𝑎 2 𝑘𝑔 𝑑𝑒 𝑝𝑜𝑡𝑎𝑠𝑖𝑢𝑚 , 2 𝑘𝑔 𝑑𝑒 𝑐𝑎𝑙𝑐𝑖𝑢𝑚 𝑒𝑡 1 𝑘𝑔 𝑑𝑒 𝑠𝑜𝑑𝑖𝑢𝑚 .
𝐿𝑒 𝑝𝑟𝑖𝑥 𝑑𝑒𝑠 𝑝𝑎𝑞𝑢𝑒𝑡𝑠 𝐴 𝑒𝑡 𝐵 𝑒𝑠𝑡 𝑑𝑒 1.000 𝐹 𝑐ℎ𝑎𝑐𝑢𝑛.
𝐿′ 𝑒𝑛𝑡𝑟𝑒𝑝𝑟𝑖𝑠𝑒 𝑑é𝑠𝑖𝑟𝑒 𝑐𝑜𝑛𝑛𝑎î𝑡𝑟𝑒 𝑙𝑒𝑠 𝑛𝑜𝑚𝑏𝑟𝑒𝑠 𝑑𝑒 𝑝𝑎𝑞𝑢𝑒𝑡𝑠 𝑑𝑒 𝑐ℎ𝑎𝑞𝑢𝑒 𝑡𝑦𝑝𝑒 à 𝑎𝑐ℎ𝑒𝑡𝑒𝑟 𝑝𝑜𝑢𝑟 𝑙𝑎
𝑓𝑒𝑟𝑡𝑖𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑑′ 𝑢𝑛 ℎ𝑒𝑐𝑡𝑎𝑟𝑒.
𝐷𝑜𝑛𝑛𝑒𝑟 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 𝑐𝑎𝑛𝑜𝑛𝑖𝑞𝑢𝑒 𝑑𝑢 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒.

𝑬𝑿𝑬𝑹𝑪𝑰𝑪𝑬 𝟑
𝑈𝑛𝑒 𝑒𝑛𝑡𝑟𝑒𝑝𝑟𝑖𝑠𝑒 𝑓𝑎𝑏𝑟𝑖𝑞𝑢𝑒 𝑒𝑡 𝑣𝑒𝑛𝑑 2 𝑝𝑟𝑜𝑑𝑢𝑖𝑡𝑠 𝑃1 𝑒𝑡 𝑃2 𝑑𝑜𝑛𝑡 𝑙𝑒𝑠 𝑝𝑟𝑖𝑥 𝑑𝑒 𝑣𝑒𝑛𝑡𝑒𝑠 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑖𝑓𝑠 𝑠𝑜𝑛𝑡 𝑑𝑒 400 𝐹
𝑒𝑡 300 𝐹. 𝐿𝑒 𝑚𝑎𝑟𝑐ℎé 𝑑𝑒 𝑐𝑒𝑠 𝑝𝑟𝑜𝑑𝑢𝑖𝑡𝑠 𝑒𝑠𝑡 𝑒𝑠𝑠𝑒𝑛𝑡𝑖𝑒𝑙𝑙𝑒𝑚𝑒𝑛𝑡 𝑟é𝑔𝑖𝑜𝑛𝑎𝑙 𝑒𝑡 𝑝𝑜𝑟𝑡𝑒 𝑠𝑢𝑟 2.500 𝑢𝑛𝑖𝑡é𝑠 𝑑𝑒
𝑐ℎ𝑎𝑐𝑢𝑛 𝑑𝑒𝑠 𝑑𝑒𝑢𝑥 𝑝𝑟𝑜𝑑𝑢𝑖𝑡𝑠 𝑓𝑎𝑏𝑟𝑖𝑞𝑢é𝑠 𝑒𝑡 𝑣𝑒𝑛𝑑𝑢𝑠 𝑚𝑒𝑛𝑠𝑢𝑒𝑙𝑙𝑒𝑚𝑒𝑛𝑡.
𝐿𝑎 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑒𝑠𝑡 𝑎𝑠𝑠𝑢𝑟é𝑒 𝑑𝑎𝑛𝑠 𝑡𝑟𝑜𝑖𝑠 𝑎𝑡𝑒𝑙𝑖𝑒𝑟𝑠 𝑠𝑢𝑐𝑐𝑒𝑠𝑠𝑖𝑓𝑠 𝑑𝑜𝑛𝑡 𝑙𝑒𝑠 𝑐𝑝𝑎𝑐𝑖𝑡é𝑠 𝑔𝑙𝑜𝑏𝑎𝑙𝑒𝑠 𝑚𝑒𝑛𝑠𝑢𝑒𝑙𝑙𝑒𝑠
𝑒𝑥𝑝𝑟𝑖𝑚é𝑒𝑠 𝑒𝑛 ℎ𝑒𝑢𝑟𝑒𝑠 𝑚𝑎𝑐ℎ𝑖𝑛𝑒𝑠 𝑠𝑜𝑛𝑡 𝑟é𝑠𝑢𝑚é𝑒𝑠 𝑑𝑎𝑛𝑠 𝑙𝑒 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑐𝑖 − 𝑑𝑒𝑠𝑠𝑜𝑢𝑠 ∶
60
 𝑃𝑟𝑜𝑑𝑢𝑖𝑡 𝑃𝑟𝑜𝑑𝑢𝑖𝑡 𝐶𝑎𝑝𝑎𝑐𝑖𝑡é 𝑔𝑙𝑜𝑏𝑎𝑙𝑒
𝑃1 𝑃2 𝑚𝑒𝑛𝑠𝑢𝑒𝑙𝑙𝑒 𝑒𝑛 ℎ
𝐴𝑡𝑒𝑙𝑖𝑒𝑟 1 2 ℎ 30 4ℎ 11.000
𝐴𝑡𝑒𝑙𝑖𝑒𝑟 2 3ℎ 3ℎ 9.600
𝐴𝑡𝑒𝑙𝑖𝑒𝑟 3 1 ℎ 30 1ℎ 4.200

𝐿′ 𝑒𝑛𝑡𝑟𝑒𝑝𝑟𝑖𝑠𝑒 𝑑é𝑠𝑖𝑟𝑒 𝑐𝑜𝑛𝑛𝑎î𝑡𝑟𝑒 𝑙𝑒𝑠 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒𝑠 𝑑𝑒 𝑓𝑎𝑏𝑟𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑐𝑜𝑛𝑑𝑢𝑖𝑠𝑎𝑛𝑡 à 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑒𝑟 𝑠𝑜𝑛

𝑐ℎ𝑖𝑓𝑓𝑟𝑒 𝑑 ′ 𝑎𝑓𝑓𝑎𝑖𝑟𝑒𝑠.

1. 𝑅é𝑠𝑜𝑢𝑑𝑟𝑒 𝑔𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒𝑚𝑒𝑛𝑡 𝑙𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒.

2. 𝑆𝑢𝑖𝑡𝑒 à 𝑙 ′ 𝑎𝑐𝑞𝑢𝑖𝑠𝑖𝑡𝑖𝑜𝑛 𝑑𝑒 𝑛𝑜𝑢𝑣𝑒𝑙𝑙𝑒𝑠 𝑚𝑎𝑐ℎ𝑖𝑛𝑒𝑠, 𝑙𝑎 𝑐𝑎𝑝𝑎𝑐𝑖𝑡é 𝑑𝑒 𝑙 ′ 𝑎𝑡𝑒𝑙𝑖𝑒𝑟 3 𝑝𝑎𝑠𝑠𝑒 𝑑𝑒 4.200 ℎ à 4.650 ℎ.

𝐷𝑎𝑛𝑠 𝑐𝑒𝑠 𝑐𝑜𝑛𝑑𝑖𝑡𝑖𝑜𝑛𝑠 , 𝑞𝑢𝑒𝑙 𝑠𝑒𝑟𝑎𝑖𝑡 𝑙𝑒 𝑛𝑜𝑢𝑣𝑒𝑎𝑢 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑜𝑝𝑡𝑖𝑚𝑎𝑙?

𝑬𝑿𝑬𝑹𝑪𝑰𝑪𝑬 𝟒

𝑈𝑛𝑒 𝑒𝑛𝑡𝑟𝑒𝑝𝑟𝑖𝑠𝑒 𝑑𝑖𝑠𝑝𝑜𝑠𝑒 𝑑𝑒𝑠 𝑐𝑎𝑚𝑖𝑜𝑛𝑠 𝑎𝑠𝑠𝑢𝑟𝑎𝑛𝑡 𝑑𝑒𝑠 𝑣𝑜𝑦𝑎𝑔𝑒𝑠 𝑟é𝑔𝑢𝑙𝑖è𝑟𝑒𝑚𝑒𝑛𝑡 𝑒𝑛𝑡𝑟𝑒 𝑙𝑒 𝑑é𝑝ô𝑡 𝑐𝑒𝑛𝑡𝑟𝑎𝑙

𝑒𝑡 𝑙𝑒𝑠 𝑣𝑖𝑙𝑙𝑎𝑔𝑒𝑠. 𝐶𝑒𝑠 𝑐𝑎𝑚𝑖𝑜𝑛𝑠 𝑠𝑜𝑛𝑡 𝑡𝑜𝑢𝑗𝑜𝑢𝑟𝑠 𝑐ℎ𝑎𝑟𝑔é𝑠 𝑠𝑒𝑙𝑜𝑛 𝑙 ′ 𝑢𝑛𝑒 𝑑𝑒𝑠 𝑑𝑒𝑢𝑥 𝑚𝑎𝑛𝑖è𝑟𝑒𝑠 ∶

¬ 𝐶ℎ𝑎𝑟𝑔𝑒𝑚𝑒𝑛𝑡 𝐴 ∶ 3 𝑡𝑜𝑛𝑛𝑒𝑠 𝑑𝑒 𝑟𝑖𝑧 , 3 𝑡𝑜𝑛𝑛𝑒𝑠 𝑑′ 𝑖𝑔𝑛𝑎𝑚𝑒 𝑒𝑡 3 𝑡𝑜𝑛𝑛𝑒𝑠 𝑑𝑒 𝑏𝑎𝑛𝑎𝑛𝑒𝑠.

¬ 𝐶ℎ𝑎𝑟𝑔𝑒𝑚𝑒𝑛𝑡 𝐵 ∶ 6 𝑡𝑜𝑛𝑛𝑒𝑠 𝑑𝑒 𝑟𝑖𝑧 , 1 𝑡𝑜𝑛𝑛𝑒 𝑑 ′ 𝑖𝑔𝑛𝑎𝑚𝑒 𝑒𝑡 2 𝑡𝑜𝑛𝑛𝑒𝑠 𝑑𝑒 𝑏𝑎𝑛𝑎𝑛𝑒𝑠.

𝐿𝑒𝑠 𝐺𝑉𝐶 𝑞𝑢𝑖 𝑓𝑜𝑢𝑟𝑛𝑖𝑠𝑠𝑒𝑛𝑡 𝑙 ′ 𝑒𝑛𝑡𝑟𝑒𝑝𝑟𝑖𝑠𝑒 𝑝𝑒𝑢𝑣𝑒𝑛𝑡 𝑚𝑒𝑡𝑡𝑟𝑒 à 𝑙𝑎 𝑑𝑖𝑠𝑝𝑜𝑠𝑖𝑡𝑖𝑜𝑛 𝑎𝑢 𝑚𝑎𝑥𝑖𝑚𝑢𝑚 4.500 𝑡𝑜𝑛𝑛𝑒𝑠 𝑑𝑒

𝑟𝑖𝑧 , 1.500 𝑡𝑜𝑛𝑛𝑒𝑠 𝑑 ′ 𝑖𝑔𝑛𝑎𝑚𝑒 𝑒𝑡 1.800 𝑡𝑜𝑛𝑛𝑒𝑠 𝑑𝑒 𝑏𝑎𝑛𝑎𝑛𝑒 𝑝𝑜𝑢𝑟 𝑙𝑎 𝑐𝑎𝑚𝑝𝑎𝑔𝑛𝑒.

𝐿𝑒 𝑏é𝑛é𝑓𝑖𝑐𝑒 𝑟é𝑎𝑙𝑖𝑠é 𝑠𝑢𝑟 𝑙𝑒 𝑐ℎ𝑎𝑟𝑔𝑒𝑚𝑒𝑛𝑡 𝐴 𝑒𝑠𝑡 𝑑𝑒 7.500 𝐹 𝑒𝑡 12.500 𝐹 𝑠𝑢𝑟 𝑙𝑒 𝑐ℎ𝑎𝑟𝑔𝑒𝑚𝑒𝑛𝑡 𝐵.

𝑂𝑛 𝑣𝑒𝑢𝑡 𝑐𝑜𝑛𝑛𝑎î𝑡𝑟𝑒 𝑙𝑒𝑠 𝑛𝑜𝑚𝑏𝑟𝑒𝑠 𝑑𝑒 𝑐ℎ𝑎𝑟𝑔𝑒𝑚𝑒𝑛𝑡 𝑑𝑒 𝑐ℎ𝑎𝑞𝑢𝑒 𝑠𝑜𝑟𝑡𝑒 à 𝑒𝑓𝑓𝑒𝑐𝑡𝑢𝑒𝑟 𝑝𝑜𝑢𝑟 𝑚𝑎𝑥𝑖𝑚𝑖𝑠𝑒𝑟 𝑙𝑒

𝑏é𝑛é𝑓𝑖𝑐𝑒.

𝐷𝑜𝑛𝑛𝑒𝑟 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 𝑐𝑎𝑛𝑜𝑛𝑖𝑞𝑢𝑒 𝑑𝑢 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑒𝑡 𝑙𝑒 𝑟é𝑠𝑜𝑢𝑑𝑟𝑒 𝑝𝑔𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒𝑚𝑒𝑛𝑡.

61
𝑬𝑿𝑬𝑹𝑪𝑰𝑪𝑬 𝟓

𝑅é𝑠𝑜𝑢𝑑𝑟𝑒 𝑙𝑒 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑐𝑖 − 𝑑𝑒𝑠𝑠𝑜𝑢𝑠

𝑀𝑎𝑥[𝑍 = 50 𝑥 + 30 𝑦]

𝑥 ≥ 0 ,𝑦 ≥ 0
2 𝑥 + 𝑦 ≤ 200
𝑆\𝐶 {
𝑥 + 4,5 𝑦 ≤ 540
4 𝑥 + 3 𝑦 ≤ 480

𝑬𝑿𝑬𝑹𝑪𝑰𝑪𝑬 𝟔

𝑈𝑛 𝑐𝑜𝑚𝑚𝑒𝑟ç𝑎𝑛𝑡 𝑑𝑒 𝑣𝑖𝑣𝑟𝑖𝑒𝑟 𝑑𝑒 𝑙𝑎 𝑝𝑙𝑎𝑐𝑒 𝑠 ′ 𝑒𝑠𝑡 𝑠𝑝é𝑐𝑖𝑎𝑙𝑖𝑠é 𝑑𝑎𝑛𝑠 𝑙𝑒 𝑣𝑒𝑛𝑡𝑒 𝑒𝑛 𝑔𝑟𝑜𝑠. 𝐿𝑒 𝑐𝑜𝑚𝑚𝑒𝑟ç𝑎𝑛𝑡

𝑑𝑖𝑠𝑝𝑜𝑠𝑒 𝑑𝑒 420 𝑟é𝑔𝑖𝑚𝑒𝑠 𝑑𝑒 𝑏𝑎𝑛𝑎𝑛𝑒 𝑝𝑙𝑎𝑛𝑡𝑎𝑖𝑛 , 470 𝑡𝑢𝑏𝑒𝑟𝑐𝑢𝑙𝑒𝑠 𝑑 ′ 𝑖𝑔𝑛𝑎𝑚𝑒 𝑒𝑡 𝑑𝑒 400 𝑡𝑢𝑏𝑒𝑟𝑐𝑢𝑙𝑒𝑠 𝑑𝑒

𝑡𝑎𝑟𝑜 ( 𝑙𝑒𝑠 𝑡𝑢𝑏𝑒𝑟𝑐𝑢𝑙𝑒𝑠 𝑑′ 𝑖𝑔𝑛𝑎𝑚𝑒 𝑠𝑜𝑛𝑡 𝑑𝑒 𝑚ê𝑚𝑒 𝑐𝑎𝑙𝑖𝑏𝑟𝑒 𝑞𝑢𝑒 𝑐𝑒𝑢𝑥 𝑑𝑢 𝑡𝑎𝑟𝑜 ).

𝐴𝑓𝑖𝑛 𝑑𝑒 𝑝𝑜𝑢𝑣𝑜𝑖𝑟 é𝑐𝑜𝑢𝑙𝑒𝑟 𝑙𝑎 𝑡𝑜𝑡𝑎𝑙𝑖𝑡é 𝑑𝑒 𝑠𝑒𝑠 𝑠𝑡𝑜𝑐𝑘𝑠 𝑎𝑣𝑎𝑛𝑡 𝑙𝑒 𝑓𝑟𝑒𝑚𝑒𝑡𝑢𝑟𝑒 𝑑𝑢 𝑚𝑎𝑟𝑐ℎé , 𝑙𝑒 𝑐𝑜𝑚𝑚𝑒𝑟ç𝑎𝑛𝑡

𝑎𝑑𝑜𝑝𝑡𝑒 𝑙𝑎 𝑠𝑡𝑟𝑎𝑡é𝑔𝑖𝑒 𝑑𝑒 𝑣𝑒𝑛𝑡𝑒 𝑎𝑢 𝑡𝑎𝑠. 𝐴 𝑐𝑒𝑡 𝑒𝑓𝑓𝑒𝑡 , 𝑖𝑙 𝑐𝑜𝑛𝑠𝑡𝑖𝑡𝑢𝑒 𝑡𝑟𝑜𝑖𝑠 𝑡𝑦𝑝𝑒𝑠 𝑑𝑒 𝑡𝑎𝑠 .

∎ 𝑑𝑒𝑠 𝑡𝑎𝑠 𝑐𝑜𝑚𝑝𝑜𝑠é𝑠 𝑑𝑒 10 𝑟é𝑔𝑖𝑚𝑒𝑠 𝑑𝑒 𝑏𝑎𝑛𝑎𝑛𝑒𝑠 , 30 𝑡𝑢𝑏𝑒𝑟𝑐𝑢𝑙𝑒𝑠 𝑑 ′ 𝑖𝑔𝑛𝑎𝑚𝑒 𝑒𝑡 10 𝑡𝑢𝑏𝑒𝑟𝑐𝑢𝑙𝑒𝑠 𝑑𝑒 𝑡𝑎𝑟𝑜

𝑒𝑡 𝑣𝑒𝑛𝑑𝑢𝑠 à 10.000 𝐹 𝑙𝑒 𝑡𝑎𝑠.

∎ 𝑑𝑒𝑠 𝑡𝑎𝑠 𝑐𝑜𝑚𝑝𝑜𝑠é𝑠 𝑑𝑒 30 𝑟é𝑔𝑖𝑚𝑒𝑠 𝑑𝑒 𝑏𝑎𝑛𝑎𝑛𝑒𝑠 , 20 𝑡𝑢𝑏𝑒𝑟𝑐𝑢𝑙𝑒𝑠 𝑑 ′ 𝑖𝑔𝑛𝑎𝑚𝑒 𝑒𝑡 10 𝑡𝑢𝑏𝑒𝑟𝑐𝑢𝑙𝑒𝑠 𝑑𝑒 𝑡𝑎𝑟𝑜

𝑒𝑡 𝑣𝑒𝑛𝑑𝑢𝑠 à 14.000 𝐹 𝑙𝑒 𝑡𝑎𝑠.

∎ 𝑑𝑒𝑠 𝑡𝑎𝑠 𝑐𝑜𝑚𝑝𝑜𝑠é𝑠 𝑑𝑒 20 𝑟é𝑔𝑖𝑚𝑒𝑠 𝑑𝑒 𝑏𝑎𝑛𝑎𝑛𝑒𝑠 , 10 𝑡𝑢𝑏𝑒𝑟𝑐𝑢𝑙𝑒𝑠 𝑑 ′ 𝑖𝑔𝑛𝑎𝑚𝑒 𝑒𝑡 40 𝑡𝑢𝑏𝑒𝑟𝑐𝑢𝑙𝑒𝑠 𝑑𝑒 𝑡𝑎𝑟𝑜

𝑒𝑡 𝑣𝑒𝑛𝑑𝑢𝑠 à 12.000 𝐹 𝑙𝑒 𝑡𝑎𝑠.

𝐶𝑜𝑚𝑏𝑖𝑒𝑛 𝑑𝑒 𝑡𝑎𝑠 𝑑𝑒 𝑐ℎ𝑎𝑞𝑢𝑒 𝑡𝑦𝑝𝑒 𝑙𝑒 𝑐𝑜𝑚𝑚𝑒𝑟ç𝑎𝑛𝑡 𝑔𝑟𝑜𝑠𝑠𝑖𝑠𝑡𝑒 𝑑𝑜𝑖𝑡 − 𝑖𝑙 𝑐𝑜𝑛𝑠𝑡𝑖𝑡𝑢𝑒𝑟 𝑝𝑜𝑢𝑟 𝑜𝑝𝑡𝑖𝑚𝑖𝑠𝑒𝑟

𝑠𝑎 𝑟𝑒𝑐𝑒𝑡𝑡𝑒 ?

62
 𝑹𝑬𝑪𝑯𝑬𝑹𝑪𝑯𝑬 𝑶𝑷𝑬𝑹𝑨𝑻𝑰𝑶𝑵𝑵𝑬𝑳𝑳𝑬

𝑷𝑨𝑹𝑻𝑰𝑬 𝟐

𝑶𝑹𝑫𝑶𝑵𝑵𝑨𝑵𝑪𝑬𝑴𝑬𝑵𝑻

𝑳𝒆ç𝒐𝒏𝒔 𝑪𝒐𝒏𝒕𝒆𝒏𝒖 𝑷𝒂𝒈𝒆

63
 𝑪𝑯𝑨𝑷𝑰𝑻𝑹𝑬 𝟐 𝑶𝑹𝑫𝑶𝑵𝑵𝑨𝑵𝑪𝑬𝑴𝑬𝑵𝑻
𝑳𝒆ç𝒐𝒏 𝟏 𝑻𝑯𝑬𝑶𝑹𝑰𝑬 𝑫𝑬𝑺 𝑮𝑹𝑨𝑷𝑯𝑬𝑺

𝑰 − 𝑮é𝒏é𝒓𝒂𝒍𝒊𝒕é𝒔

𝟏) 𝑷𝒓𝒐𝒅𝒖𝒊𝒕 𝒄𝒂𝒓𝒕é𝒔𝒊𝒆𝒏

𝐸 𝑒𝑡 𝐹 𝑠𝑜𝑛𝑡 𝑑𝑒𝑢𝑥 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒𝑠 𝑓𝑖𝑛𝑖𝑠.

𝑂𝑛 𝑎𝑝𝑝𝑒𝑙𝑙𝑒 𝑝𝑟𝑜𝑑𝑢𝑖𝑡 𝑐𝑎𝑟𝑡é𝑠𝑖𝑒𝑛 𝑑𝑒 𝐸 𝑝𝑎𝑟 𝐹, 𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑛𝑜𝑡é 𝐸 × 𝐹 𝑡𝑒𝑙 𝑞𝑢𝑒 ∶

𝐸 × 𝐹 = {(𝑥 , 𝑦) ∕ 𝑥 ∈ 𝐸, 𝑦 ∈ 𝐹}.

𝑂𝑛 𝑎𝑝𝑝𝑒𝑙𝑙𝑒 𝑐𝑎𝑟𝑟é 𝑐𝑎𝑟𝑡é𝑠𝑖𝑒𝑛 𝑑𝑒 𝐸, 𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑛𝑜𝑡é 𝐸 × 𝐸 = 𝐸 2 𝑡𝑒𝑙 𝑞𝑢𝑒 ∶

𝐸 2 = {(𝑥 , 𝑦)⁄𝑥 ∈ 𝐸, 𝑦 ∈ 𝐸}.

𝟐) 𝑹𝒆𝒍𝒂𝒕𝒊𝒐𝒏 𝒅𝒆 𝑬 𝒅𝒂𝒏𝒔 𝑭

𝑂𝑛 𝑎𝑝𝑝𝑒𝑙𝑙𝑒 𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛 ℛ 𝑑𝑒 𝐸 𝑑𝑎𝑛𝑠 𝐹, 𝑡𝑜𝑢𝑡𝑒 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑎𝑛𝑐𝑒 𝑞𝑢𝑖 à 𝑐𝑒𝑟𝑡𝑎𝑖𝑛𝑠 é𝑙é𝑚𝑒𝑛𝑡𝑠 𝑑𝑒 𝐸 𝑎𝑠𝑠𝑜𝑐𝑖𝑒

𝑐𝑒𝑟𝑡𝑎𝑖𝑛𝑠 é𝑙é𝑚𝑒𝑛𝑡𝑠 𝑑𝑒 𝐹.

𝑥 𝑒𝑠𝑡 𝑒𝑛 𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛 𝑎𝑣𝑒𝑐 𝑦 (𝑥 ∈ 𝐸 , 𝑦 ∈ 𝐹) 𝑒𝑠𝑡 𝑛𝑜𝑡é 𝑥 ℛ 𝑦.

𝐿′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒𝑠 𝑐𝑜𝑢𝑝𝑙𝑒𝑠 (𝑥 , 𝑦) 𝑑𝑒 𝐸 × 𝐹 𝑡𝑒𝑙𝑠 𝑞𝑢𝑒 𝑥 ℛ 𝑦 𝑒𝑠𝑡 𝑎𝑝𝑝𝑒𝑙é 𝑔𝑟𝑎𝑝ℎ𝑒 𝑑𝑒 𝑙𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛.

𝑂𝑛 𝑛𝑜𝑡𝑒 𝐺 = {(𝑥 , 𝑦) ∈ 𝐸 × 𝐹 ⁄𝑥 ℛ 𝑦} .

𝑂𝑛 𝑟𝑒𝑚𝑎𝑟𝑞𝑢𝑒 𝑞𝑢𝑒 𝐺 ⊂ 𝐸 × 𝐹.

𝑆𝑜𝑖𝑡 ℛ 𝑢𝑛𝑒 𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝐸 𝑑𝑎𝑛𝑠 𝐹, 𝑙𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛 𝑟é𝑐𝑖𝑝𝑟𝑜𝑞𝑢𝑒 ℛ −1 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝐹 𝑑𝑎𝑛𝑠 𝐸 𝑑é𝑓𝑖𝑛𝑖𝑒

𝑝𝑎𝑟 𝑥 ℛ 𝑦 ⟺ 𝑦 ℛ −1 𝑥.

𝟑) 𝑹𝒆𝒍𝒂𝒕𝒊𝒐𝒏 𝒃𝒊𝒏𝒂𝒊𝒓𝒆

𝒂) 𝑫é𝒇𝒊𝒏𝒊𝒕𝒊𝒐𝒏

𝑈𝑛𝑒 𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛 𝑏𝑖𝑛𝑎𝑖𝑟𝑒 𝑑é𝑓𝑖𝑛𝑖𝑒 𝑠𝑢𝑟 𝐸 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝐸 𝑑𝑎𝑛𝑠 𝐸 𝑞𝑢𝑖 𝑒𝑠𝑡 𝑑𝑖𝑡𝑒 ∶

∎ 𝑟é𝑓𝑙𝑒𝑥𝑖𝑣𝑒 𝑠𝑖 ∶ ∀ 𝑥 ∈ 𝐸 , 𝑥 ℛ 𝑥.

∎ 𝑠𝑦𝑚é𝑡𝑟𝑖𝑞𝑢𝑒 𝑠𝑖 ∶ ∀ 𝑥 ∈ 𝐸 , ∀ 𝑦 ∈ 𝐸 , 𝑥 ℛ 𝑦 ⟹ 𝑦 ℛ 𝑥.

∎ 𝑡𝑟𝑎𝑛𝑠𝑖𝑡𝑖𝑣𝑒 𝑠𝑖 ∶ ∀ 𝑥 ∈ 𝐸 , ∀ 𝑦 ∈ 𝐸 , ∀ 𝑧 ∈ 𝐸 ( 𝑥 ℛ 𝑦 𝑒𝑡 𝑦 ℛ 𝑧) ⟹ 𝑦 ℛ 𝑧.

64
 𝒃) 𝑪𝒂𝒓𝒂𝒄𝒕é𝒓𝒊𝒔𝒂𝒕𝒊𝒐𝒏 𝒅𝒆 𝒍𝒂 𝒓𝒆𝒍𝒂𝒕𝒊𝒐𝒏 𝒃𝒊𝒏𝒂𝒊𝒓𝒆

𝑈𝑛𝑒 𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛 𝑏𝑖𝑛𝑎𝑖𝑟𝑒 𝑒𝑠𝑡 𝑐𝑎𝑟𝑎𝑐𝑡é𝑟𝑖𝑠é𝑒 ∶

− 𝒑𝒂𝒓 𝒖𝒏 𝒈𝒓𝒂𝒑𝒉𝒆

𝑆𝑜𝑖𝑡 𝐸 = {𝑎 , 𝑏 , 𝑐 , 𝑑 } 𝑒𝑡 𝐺 = {(𝑎 , 𝑏) , (𝑎 , 𝑐) , (𝑎 , 𝑑) , (𝑏 , 𝑐) , (𝑑 , 𝑐 )}.

− 𝒑𝒂𝒓 𝒔𝒂 𝒓𝒆𝒑𝒓é𝒔𝒆𝒏𝒕𝒂𝒕𝒊𝒐𝒏 𝒔𝒂𝒈𝒊𝒕𝒕𝒂𝒍𝒆

− 𝒑𝒂𝒓 𝒔𝒂 𝒓𝒆𝒑𝒓é𝒔𝒆𝒏𝒕𝒂𝒕𝒊𝒐𝒏 𝒄𝒂𝒓𝒕é𝒔𝒊𝒆𝒏𝒏𝒆

𝑑é𝑝𝑎𝑟𝑡
𝑎 𝑏 𝑐 𝑑
𝑎𝑟𝑟𝑖𝑣é𝑒

𝑏 ∗

𝑐 ∗ ∗ ∗

𝑑 ∗

− 𝒑𝒂𝒓 𝒔𝒂 𝒎𝒂𝒕𝒓𝒊𝒄𝒆 𝒃𝒐𝒐𝒍é𝒆𝒏𝒏𝒆 𝒐𝒖 𝒂𝒅𝒋𝒂𝒄𝒆𝒏𝒕𝒆

𝑑é𝑝𝑎𝑟𝑡
𝑎 𝑏 𝑐 𝑑
𝑎𝑟𝑟𝑖𝑣é𝑒

65
 𝑎 0 0 0 0

𝑏 1 0 0 0

𝑐 1 1 0 1

𝑑 1 0 0 0

− 𝒑𝒂𝒓 𝒔𝒐𝒏 𝒅𝒊𝒄𝒕𝒊𝒐𝒏𝒏𝒂𝒊𝒓𝒆 𝒅𝒆𝒔 𝒔𝒐𝒎𝒎𝒆𝒕𝒔

∎ 𝑑𝑒𝑠 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑠 𝑜𝑢 𝑑𝑒𝑠 𝑠𝑢𝑐𝑐𝑒𝑠𝑠𝑒𝑢𝑟𝑠 ∎ 𝑑𝑒𝑠 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑠

𝑥 𝑃(𝑥)
𝑥 𝑆(𝑥)
𝑎
𝑎 𝑏 ,𝑑 ,𝑐
𝑏 𝑎
𝑏 𝑐
𝑐 𝑎 ,𝑏 ,𝑑
𝑐
𝑑 𝑎
𝑑 𝑐

𝐴𝑝𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛

𝑂𝑛 𝑠𝑒 𝑑𝑜𝑛𝑛𝑒 𝑙𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛 𝑏𝑖𝑛𝑎𝑖𝑟𝑒 𝑑é𝑓𝑖𝑛𝑖𝑒 𝑝𝑎𝑟 𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝐸 = {𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝑥5 } 𝑒𝑡 𝑙𝑒

𝑔𝑟𝑎𝑝ℎ𝑒 𝐺 = {(𝑥1 , 𝑥2 ) ; (𝑥1 , 𝑥5 ) ; (𝑥2 , 𝑥3 ) ; (𝑥2 , 𝑥4 ) ; (𝑥4 , 𝑥3 ) ; (𝑥4 , 𝑥4 ) ; (𝑥4 , 𝑥5 ) }.

𝐶𝑎𝑟𝑎𝑐𝑡é𝑟𝑖𝑠𝑒𝑟 𝑐𝑒𝑡𝑡𝑒 𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛 𝑏𝑖𝑛𝑎𝑖𝑟𝑒 𝑝𝑎𝑟 ∶

1. 𝑆𝑎 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑎𝑡𝑖𝑜𝑛 𝑔𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒 𝑜𝑢 𝑠𝑎𝑔𝑖𝑡𝑡𝑎𝑙𝑒.

2. 𝑆𝑎 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑎𝑡𝑖𝑜𝑛 𝑐𝑎𝑟𝑡é𝑠𝑖𝑒𝑛𝑛𝑒.

3. 𝑆𝑎 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑏𝑜𝑜𝑙é𝑒𝑛𝑛𝑒.

4. 𝑆𝑜𝑛 𝑑𝑖𝑐𝑡𝑖𝑜𝑛𝑛𝑎𝑖𝑟𝑒 𝑑𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠

66
 𝑷𝑨𝑹𝑻𝑰𝑬 𝑰𝑰 𝑻𝑯𝑬𝑶𝑹𝑰𝑬 𝑫𝑬𝑺 𝑮𝑹𝑨𝑷𝑯𝑬𝑺

𝑰 − 𝑮𝑬𝑵𝑬𝑹𝑨𝑳𝑰𝑻𝑬𝑺

𝟏) 𝑵𝒐𝒕𝒊𝒐𝒏𝒔 𝒇𝒐𝒏𝒅𝒂𝒎𝒆𝒏𝒕𝒂𝒍𝒆𝒔

𝑆𝑜𝑖𝑡 𝑋 𝑢𝑛 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒 𝑐𝑎𝑟𝑑𝑖𝑛𝑎𝑙 𝑛, 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒𝑠 𝑝𝑜𝑖𝑛𝑡𝑠 𝑎𝑝𝑝𝑒𝑙é𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑡𝑒𝑙 𝑞𝑢𝑒

𝑋 = {𝐴1 , 𝐴2 , … , 𝐴𝑛 } 𝑒𝑡 ℛ 𝑢𝑛𝑒 𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛 𝑏𝑖𝑛𝑎𝑖𝑟𝑒 𝑑é𝑓𝑖𝑛𝑖𝑒 𝑠𝑢𝑟 𝑋.

− 𝐶𝑒𝑡𝑡𝑒 𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛 𝑏𝑖𝑛𝑎𝑖𝑟𝑒 𝑒𝑠𝑡 𝑐𝑎𝑟𝑎𝑐𝑡é𝑟𝑖𝑠é𝑒 𝑝𝑎𝑟 𝑠𝑜𝑛 𝑔𝑟𝑎𝑝ℎ𝑒, 𝑠𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛, 𝑠𝑎 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑎𝑡𝑖𝑜𝑛

𝑐𝑎𝑟𝑡é𝑠𝑖𝑒𝑛𝑛𝑒 , 𝑠𝑎 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑏𝑜𝑜𝑙é𝑒𝑛𝑛𝑒, 𝑙𝑒 𝑑𝑖𝑐𝑡𝑖𝑜𝑛𝑛𝑎𝑖𝑟𝑒 𝑑𝑒𝑠 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑠 𝑜𝑢 𝑑𝑒𝑠 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑠.

𝑂𝑛 𝑛𝑜𝑡𝑒 𝐺 = (𝑋 , ℛ ).

− 𝑂𝑛 𝑎𝑝𝑝𝑒𝑙𝑙𝑒 𝒃𝒐𝒖𝒄𝒍𝒆, 𝑡𝑜𝑢𝑡 𝑐𝑜𝑢𝑝𝑙𝑒 (𝐴𝑝 , 𝐴𝑝 ) 𝑑𝑢 𝑔𝑟𝑎𝑝ℎ𝑒 𝑎𝑣𝑒𝑐 𝐴𝑝 ℛ 𝐴𝑝 .

𝐴𝑝

−𝑂𝑛 𝑎𝑝𝑝𝑒𝑙𝑙𝑒 𝒂𝒓𝒄 𝑡𝑜𝑢𝑡 𝑐𝑜𝑢𝑝𝑙𝑒 𝑑𝑒 𝑝𝑜𝑖𝑛𝑡𝑠 𝑑𝑖𝑠𝑡𝑖𝑛𝑐𝑡𝑠 (𝐴𝑝 , 𝐴𝑞 ) 𝑑𝑢 𝑔𝑟𝑎𝑝ℎ𝑒 𝑡𝑒𝑙 𝑞𝑢𝑒 𝐴𝑝 ≠ 𝐴𝑞 𝑒𝑡 𝐴𝑝 ℛ 𝐴𝑞 .

𝐴𝑝 𝐴𝑞

− 𝑂𝑛 𝑎𝑝𝑝𝑒𝑙𝑙𝑒 𝒂𝒓ê𝒕𝒆 𝑡𝑜𝑢𝑡𝑒 𝑝𝑎𝑟𝑡𝑖𝑒 {𝐴𝑝 , 𝐴𝑞 } 𝑎𝑣𝑒𝑐 𝐴𝑝 ≠ 𝐴𝑞 , 𝐴𝑝 ℛ 𝐴𝑞 𝑜𝑢 𝐴𝑞 ℛ 𝐴𝑝 .

𝐴𝑝 𝐴𝑞 𝑜𝑢 𝐴𝑝 𝐴𝑞

− 𝑂𝑛 𝑎𝑝𝑝𝑒𝑙𝑙𝑒 𝒂𝒓𝒄𝒔 𝒂𝒅𝒋𝒂𝒄𝒆𝒏𝒕𝒔 𝑑𝑒𝑢𝑥 𝑎𝑟𝑐𝑠 𝐿𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 (𝐴𝑝 , 𝐴𝑞 ) 𝑒𝑡 (𝐴𝑞 , 𝐴𝑟 ) 𝑎𝑣𝑒𝑐

𝐴𝑝 ℛ 𝐴𝑞 𝑜𝑢 𝐴𝑞 ℛ 𝐴𝑟 .

𝐿𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝐴𝑝 , 𝐴𝑞 𝑒𝑡 𝐴𝑟 𝑠𝑜𝑛𝑡 𝑑𝑒𝑠 𝒔𝒐𝒎𝒎𝒆𝒕𝒔 𝒂𝒅𝒋𝒂𝒄𝒆𝒏𝒕𝒔.

𝐴𝑝 𝐴𝑞 𝐴𝑟

𝑃𝑎𝑟 𝑐𝑜𝑛𝑡𝑟𝑒 𝑙𝑒𝑠 𝑎𝑟𝑐𝑠 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑠 𝑠𝑜𝑛𝑡 𝑛𝑜𝑛 𝑎𝑑𝑗𝑎𝑐𝑒𝑛𝑡𝑠 .

𝐴𝑝 𝐴𝑞 𝐴𝑟

67
 − 𝑂𝑛 𝑎𝑝𝑝𝑒𝑙𝑙𝑒 𝒄𝒉𝒆𝒎𝒊𝒏 𝑢𝑛𝑒 𝑠𝑢𝑖𝑡𝑒 𝑑𝑒 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑎𝑑𝑗𝑎𝑐𝑒𝑛𝑡𝑠 𝑝𝑒𝑟𝑚𝑒𝑡𝑡𝑎𝑛𝑡 𝑑𝑒 𝑝𝑎𝑠𝑠𝑒𝑟 𝑑 ′ 𝑢𝑛𝑒 𝑚𝑎𝑛𝑖è𝑟𝑒

𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑒 𝑑′ 𝑢𝑛 𝑠𝑜𝑚𝑚𝑒𝑡 à 𝑢𝑛 𝑎𝑢𝑡𝑟𝑒 𝑐 ′ 𝑒𝑠𝑡 − à − 𝑑𝑖𝑟𝑒 𝑢𝑛𝑒 𝑠𝑢𝑖𝑡𝑒 𝑛𝑜𝑛 𝑣𝑖𝑑𝑒 𝑑 ′ 𝑎𝑟𝑐𝑠 (𝐴𝑖 , 𝐴𝑗 ) 𝑒𝑡 (𝐴𝑗 , 𝐴𝑘 ),

𝑙 ′ 𝑒𝑥𝑡𝑟é𝑚𝑖𝑡é 𝑑𝑒 𝑐ℎ𝑎𝑐𝑢𝑛 𝑑′ 𝑒𝑢𝑥 𝑐𝑜ï𝑛𝑐𝑖𝑑𝑎𝑛𝑡 𝑎𝑣𝑒𝑐 𝑙 ′ 𝑜𝑟𝑖𝑔𝑖𝑛𝑒 𝑑𝑒 𝑙 ′ 𝑎𝑟𝑐 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 (𝑠𝑎𝑢𝑓 𝑝𝑜𝑢𝑟 𝑙𝑒 𝑑𝑒𝑟𝑛𝑖𝑒𝑟 𝑎𝑟𝑐

𝑑𝑒 𝑙𝑎 𝑠𝑢𝑖𝑡𝑒).

→ 𝑢𝑛 𝑐ℎ𝑒𝑚𝑖𝑛 𝑒𝑠𝑡 𝒔𝒊𝒎𝒑𝒍𝒆 𝑠 ′ 𝑖𝑙 𝑛𝑒 𝑐𝑜𝑛𝑡𝑖𝑒𝑛𝑡 𝑝𝑎𝑠 𝑑𝑒𝑢𝑥 𝑓𝑜𝑖𝑠 𝑙𝑒 𝑚ê𝑚𝑒 𝑎𝑟𝑐.

→ 𝑢𝑛 𝑐ℎ𝑒𝑚𝑖𝑛 𝑒𝑠𝑡 é𝒍é𝒎𝒆𝒏𝒕𝒂𝒊𝒓𝒆 𝑠 ′ 𝑖𝑙 𝑛𝑒 𝑝𝑎𝑠𝑠𝑒 𝑝𝑎𝑠 𝑑𝑒𝑢𝑥 𝑓𝑜𝑖𝑠 𝑝𝑎𝑟 𝑙𝑒 𝑚ê𝑚𝑒 𝑠𝑜𝑚𝑚𝑒𝑡.

→ 𝑢𝑛 𝑐ℎ𝑒𝑚𝑖𝑛 𝑒𝑠𝑡 𝒉𝒂𝒎𝒊𝒍𝒕𝒐𝒏𝒊𝒆𝒏 𝑠 ′ 𝑖𝑙 𝑝𝑎𝑠𝑠𝑒 𝑝𝑎𝑟 𝑡𝑜𝑢𝑠 𝑙𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑢𝑛𝑒 𝑓𝑜𝑖𝑠 𝑒𝑡 𝑢𝑛𝑒 𝑠𝑒𝑢𝑙𝑒.

− 𝑂𝑛 𝑎𝑝𝑝𝑒𝑙𝑙𝑒 𝒄𝒊𝒓𝒄𝒖𝒊𝒕 𝑢𝑛 𝑐ℎ𝑒𝑚𝑖𝑛 𝑜ù 𝑙 ′ 𝑜𝑟𝑖𝑔𝑖𝑛𝑒 𝑒𝑡 𝑙 ′ 𝑒𝑥𝑡𝑟é𝑚𝑖𝑡é 𝑠𝑜𝑛𝑡 𝑐𝑜𝑛𝑓𝑜𝑛𝑑𝑢𝑒𝑠.

𝑈𝑛𝑒 𝒃𝒐𝒖𝒄𝒍𝒆 𝑒𝑠𝑡 𝑢𝑛 𝑐𝑖𝑟𝑐𝑢𝑖𝑡 (𝐴𝑝 , 𝐴𝑝 ) .

− 𝑂𝑛 𝑎𝑝𝑝𝑒𝑙𝑙𝑒 𝒄𝒉𝒂î𝒏𝒆 𝑢𝑛𝑒 𝑠𝑢𝑖𝑡𝑒 𝑑′ 𝑎𝑟ê𝑡𝑒𝑠 𝑎𝑑𝑗𝑎𝑐𝑒𝑛𝑡𝑒𝑠.

− 𝑆𝑜𝑖𝑒𝑛𝑡 𝑑𝑒𝑢𝑥 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑑𝑖𝑠𝑡𝑖𝑛𝑐𝑡𝑠 𝐴𝑖 𝑒𝑡 𝐴𝑗 . 𝑆 ′ 𝑖𝑙 𝑒𝑥𝑖𝑠𝑡𝑒 𝑎𝑢 𝑚𝑜𝑖𝑛𝑠 𝑢𝑛 𝑐ℎ𝑒𝑚𝑖𝑛 𝑑𝑒 𝐴𝑖

à 𝐴𝑗 , 𝑜𝑛 𝑑𝑖𝑡 𝑞𝑢𝑒 𝐴𝑖 𝑒𝑠𝑡 𝑢𝑛 𝒂𝒔𝒄𝒆𝒏𝒅𝒂𝒏𝒕 𝑑𝑒 𝐴𝑗 𝑒𝑡 𝐴𝑗 𝑒𝑠𝑡 𝑢𝑛 𝒅𝒆𝒔𝒄𝒆𝒏𝒅𝒂𝒏𝒕 𝑑𝑒 𝐴𝑖 .

𝐴𝑝𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛

𝐴2

𝐴1 𝐴4 𝐴5

𝐴3

− (𝐴3 , 𝐴4 , 𝐴2 ), (𝐴1 , 𝐴2 , 𝐴3 , 𝐴4 ) , (𝐴1 , 𝐴3 , 𝐴5 , 𝐴2 ) 𝑠𝑜𝑛𝑡 𝑑𝑒𝑠 𝑐ℎ𝑒𝑚𝑖𝑛𝑠.

− (𝐴3 , 𝐴4 , 𝐴2 ) 𝑒𝑠𝑡 𝑢𝑛 𝑐ℎ𝑒𝑚𝑖𝑛 é𝑙é𝑚𝑒𝑛𝑡𝑎𝑖𝑟𝑒

− (𝐴1 , 𝐴2 , 𝐴4 , 𝐴1 ) 𝑛′ 𝑒𝑠𝑡 𝑝𝑎𝑠 𝑢𝑛 𝑐ℎ𝑒𝑚𝑖𝑛 é𝑙é𝑚𝑒𝑛𝑡𝑎𝑖𝑟𝑒.

−(𝐴3 , 𝐴4 , 𝐴2 ) 𝑒𝑠𝑡 𝑢𝑛 𝑐ℎ𝑒𝑚𝑖𝑛 𝐻𝑎𝑚𝑖𝑙𝑡𝑜𝑛𝑖𝑒𝑛

−(𝐴3 , 𝐴4 , 𝐴2 ) 𝑒𝑠𝑡 𝑢𝑛 𝑐ℎ𝑒𝑚𝑖𝑛 𝑠𝑖𝑚𝑝𝑙𝑒.

68
− (𝐴3 , 𝐴4 , 𝐴2 , 𝐴3 ) 𝑒𝑠𝑡 𝑢𝑛 𝑐𝑖𝑟𝑐𝑢𝑖𝑡.

−(𝐴1 , 𝐴3 , 𝐴5 , 𝐴2 ) 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑐ℎ𝑎î𝑛𝑒.

− (𝐴1 , 𝐴3 , 𝐴2 , 𝐴1 ) 𝑛′ 𝑒𝑠𝑡 𝑝𝑎𝑠 𝑢𝑛𝑒 𝑐ℎ𝑎î𝑛𝑒.

−𝐴1 𝑒𝑠𝑡 𝑢𝑛 𝑎𝑠𝑐𝑒𝑛𝑑𝑎𝑛𝑡 𝑑𝑒 𝐴2 𝑒𝑡 𝐴3 .

− 𝐴2 𝑒𝑡 𝐴3 𝑠𝑜𝑛𝑡 𝑑𝑒𝑠 𝑑𝑒𝑠𝑐𝑒𝑛𝑑𝑎𝑛𝑡𝑠 𝑑𝑒 𝐴1 .

𝟐) 𝑵𝒊𝒗𝒆𝒂𝒖𝒙 𝒅𝒆𝒔 𝒔𝒐𝒎𝒎𝒆𝒕𝒔 𝒅′ 𝒖𝒏 𝒈𝒓𝒂𝒑𝒉𝒆 𝒔𝒂𝒏𝒔 𝒄𝒊𝒓𝒄𝒖𝒊𝒕

𝑆𝑜𝑖𝑡 𝐺 = (𝑋 , ℛ )𝑢𝑛 𝑔𝑟𝑎𝑝ℎ𝑒 𝑠𝑎𝑛𝑠 𝑐𝑖𝑟𝑐𝑢𝑖𝑡 𝑎𝑣𝑒𝑐 𝑛é𝑐𝑒𝑠𝑠𝑎𝑖𝑟𝑒𝑚𝑒𝑛𝑡 𝑠𝑎𝑛𝑠 𝑏𝑜𝑢𝑐𝑙𝑒.

𝑂𝑛 𝑎𝑠𝑠𝑜𝑐𝑖𝑒 à 𝑡𝑜𝑢𝑡 𝑠𝑜𝑚𝑚𝑒𝑡 𝑥𝑖 𝑢𝑛 𝑛𝑜𝑚𝑏𝑟𝑒 𝑒𝑛𝑡𝑖𝑒𝑟 𝑟(𝑥𝑖 ) 𝑎𝑝𝑝𝑒𝑙é 𝑟𝑎𝑛𝑔 𝑜𝑢 𝑛𝑖𝑣𝑒𝑎𝑢 𝑑𝑢 𝑠𝑜𝑚𝑚𝑒𝑡 𝑥𝑖 𝑑é𝑓𝑖𝑛𝑖 𝑑𝑒

𝑙𝑎 𝑓𝑎ç𝑜𝑛 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒 ∶

− 𝑆𝑜𝑖𝑡 𝑁0 𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑒𝑥𝑒𝑚𝑝𝑡𝑠 𝑑𝑒 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡. 𝑃𝑜𝑢𝑟 𝑡𝑜𝑢𝑡 𝑠𝑜𝑚𝑚𝑒𝑡 𝑥𝑖 𝑑𝑒 𝑁0 , 𝑜𝑛 𝑝𝑜𝑠𝑒

𝑟(𝑥𝑖 ) = 0.

− 𝑂𝑛 𝑠𝑢𝑝𝑝𝑟𝑖𝑚𝑒 𝑑𝑎𝑛𝑠 𝑋 (𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒𝑑𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑑𝑢 𝑔𝑟𝑎𝑝ℎ𝑒) 𝑙𝑒𝑠 𝑝𝑜𝑖𝑛𝑡𝑠 𝑑𝑒 𝑁0 (𝑙𝑒𝑠 𝑝𝑜𝑖𝑛𝑡𝑠 𝑑𝑒 𝑛𝑖𝑣𝑒𝑎𝑢 0)

𝑂𝑛 𝑜𝑏𝑡𝑖𝑒𝑛𝑡 𝑢𝑛 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑋1 . 𝐺1 𝑒𝑠𝑡 𝑑é𝑓𝑖𝑛𝑖 𝑐𝑜𝑚𝑚𝑒 é𝑡𝑎𝑛𝑡 𝑙𝑎 𝑟𝑒𝑠𝑡𝑟𝑖𝑐𝑡𝑖𝑜𝑛 𝑑𝑢 𝑔𝑟𝑎𝑝ℎ𝑒 𝑑𝑒ℛ à 𝑋1 .

𝑆𝑜𝑖𝑡 𝑁1 𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑑𝑒 𝑋1 𝑒𝑥𝑒𝑚𝑝𝑡𝑠 𝑑𝑒 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡 𝑜𝑢 𝑑𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑑𝑒 𝑛𝑖𝑣𝑒𝑎𝑢 1.

𝑃𝑜𝑢𝑟 𝑡𝑜𝑢𝑡 𝑠𝑜𝑚𝑚𝑒𝑡 𝑥𝑖 𝑑𝑒 𝑁1 , 𝑜𝑛 𝑝𝑜𝑠𝑒 𝑟(𝑥𝑖 ) = 1.

𝑅𝑒𝑚𝑎𝑟𝑞𝑢𝑒

𝐿𝑒𝑠 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑠 𝑑𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑑𝑒 𝑁1 𝑠𝑜𝑛𝑡 𝑙𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑑𝑒 𝑁0 .

− 𝑂𝑛 𝑠𝑢𝑝𝑝𝑟𝑖𝑚𝑒 𝑑𝑎𝑛𝑠 𝑋1 𝑙𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑑𝑒 𝑁1 (𝑙𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑑𝑒 𝑛𝑖𝑣𝑒𝑎𝑢 1).

𝑂𝑛 𝑜𝑏𝑡𝑖𝑒𝑛𝑡 𝑢𝑛 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑋2 𝑒𝑡 𝐺2 𝑒𝑠𝑡 𝑙𝑎 𝑟𝑒𝑠𝑡𝑟𝑖𝑐𝑡𝑖𝑜𝑛 𝑑𝑢 𝑔𝑟𝑎𝑝ℎ𝑒 𝑑𝑒 ℛ à 𝑥2 .

𝑆𝑜𝑖𝑡 𝑁2 𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒𝑠 𝑝𝑜𝑖𝑛𝑡𝑠 𝑑𝑒 𝑋2 𝑒𝑥𝑒𝑚𝑝𝑡𝑠 𝑑𝑒 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡 𝑜𝑢 𝑑𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑑𝑒 𝑛𝑖𝑣𝑒𝑎𝑢 2.

− 𝑆𝑜𝑖𝑡 𝑁0 𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑒𝑥𝑒𝑚𝑝𝑡𝑠 𝑑𝑒 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡. 𝑃𝑜𝑢𝑟 𝑡𝑜𝑢𝑡 𝑠𝑜𝑚𝑚𝑒𝑡 𝑥𝑖 𝑑𝑒 𝑁0 , 𝑜𝑛 𝑝𝑜𝑠𝑒

𝑟(𝑥𝑖 ) = 0.

− 𝐿𝑒𝑠 𝑖𝑡é𝑟𝑎𝑡𝑖𝑜𝑛𝑠 𝑐𝑒𝑠𝑠𝑒𝑛𝑡 𝑑è𝑠 𝑞𝑢𝑒 𝑡𝑜𝑢𝑠 𝑙𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑑𝑒 𝑋 𝑠𝑜𝑛𝑡 𝑐𝑙𝑎𝑠𝑠é𝑠 𝑝𝑎𝑟 𝑛𝑖𝑣𝑒𝑎𝑢𝑥.

𝑆𝑖 𝑐𝑎𝑟𝑑(𝑋) = 𝑛, 𝑜𝑛 𝑎 ∶ ∀ 𝑥𝑖 ∈ 𝑋 , 𝑟(𝑥𝑖 ) ≤ 𝑛.

− 𝐷𝑜𝑛𝑛𝑒𝑟 𝑙𝑒 𝑔𝑟𝑎𝑝ℎ𝑒 𝑜𝑟𝑑𝑜𝑛𝑛𝑎𝑛𝑐é 𝑝𝑎𝑟 𝑛𝑖𝑣𝑒𝑎𝑢𝑥.

69
𝐴𝑝𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛

𝑂𝑛 𝑑𝑜𝑛𝑛𝑒 𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑋 = {𝑎 , 𝑏 , 𝑐 , 𝑑 , 𝑒 , 𝑓 , 𝑔} 𝑎𝑖𝑛𝑠𝑖 𝑞𝑢𝑒 𝑙𝑒 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑑𝑒𝑠 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑠

𝑐𝑖 − 𝑑𝑒𝑠𝑠𝑜𝑢𝑠.

𝑥 𝑆(𝑥)

𝑎 𝑏 ,𝑐 ,𝑒

𝑏 𝑔 ,𝑓 ,𝑐

𝑐 𝑑 ,𝑓 ,𝑔

𝑑 𝑓

𝑒 𝑐 ,𝑑

𝐷é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟

1) 𝐿𝑒 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑑𝑒𝑠 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑠.

2) 𝐿𝑒 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑑𝑒𝑠 𝑛𝑖𝑣𝑎𝑢𝑥.

3) 𝐿𝑒 𝑔𝑟𝑎𝑝ℎ𝑒 𝑜𝑟𝑑𝑜𝑛𝑛𝑎𝑛𝑐é.

𝑅é𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛

1) 𝐿𝑒 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑑𝑒𝑠 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑠

𝑥 𝑆(𝑥) 𝑃(𝑥)

𝑎 𝑏 ,𝑐 ,𝑒

𝑏 𝑔 ,𝑓 ,𝑐 𝑎

𝑐 𝑑 ,𝑓 ,𝑔 𝑎 ,𝑏 ,𝑒

𝑑 𝑓 𝑐 ,𝑒

𝑒 𝑐 ,𝑑 𝑎

𝑓 𝑏 ,𝑐 ,𝑑

𝑔 𝑏 ,𝑐

70
2) 𝐴 𝑝𝑎𝑟𝑡𝑖𝑟 𝑑𝑢 𝑑𝑖𝑐𝑡𝑖𝑜𝑛𝑛𝑎𝑖𝑟𝑒 𝑑𝑒𝑠 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑠, 𝑜𝑛 𝑎 ∶

𝑁0 = {𝑎} 𝑒𝑡 𝑟(𝑎) = 0 𝑐𝑎𝑟 𝑙𝑒 𝑠𝑜𝑚𝑚𝑒𝑡 𝑎 𝑛′ 𝑎 𝑝𝑎𝑠 𝑑𝑒 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡 .

𝑥 𝑎 𝑏 𝑐 𝑑 𝑒 𝑓 𝑔

𝑃(𝑥) 𝑎 𝑎 , 𝑏, 𝑒 𝑐 ,𝑒 𝑎 𝑏 ,𝑐 ,𝑑 𝑏 ,𝑐

𝑋1 = 𝑋 − 𝑁0 = {𝑏, 𝑐, 𝑑, 𝑒, 𝑓, 𝑔} 𝑞𝑢𝑖 𝑑𝑜𝑛𝑛𝑒 𝑙𝑒 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 𝑜ù 𝑎 𝑛′ 𝑎𝑝𝑝𝑎𝑟𝑎î𝑡 𝑝𝑙𝑢𝑠.

𝑥 𝑏 𝑐 𝑑 𝑒 𝑓 𝑔

𝑃(𝑥) 𝑏 ,𝑒 𝑐 ,𝑒 𝑏 ,𝑐 ,𝑑 𝑏 ,𝑐

𝐿𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑏 𝑒𝑡 𝑒 𝑛′ 𝑜𝑛𝑡 𝑝𝑙𝑢𝑠 𝑑𝑒 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑠.

𝐷𝑜𝑛𝑐 𝑁1 = {𝑏 , 𝑒} 𝑒𝑡 𝑟(𝑏) = 𝑟(𝑒) = 1.

𝑋2 = 𝑋1 − 𝑁1 = {𝑐, 𝑑, 𝑓, 𝑔} 𝑞𝑢𝑖 𝑑𝑜𝑛𝑛𝑒 𝑙𝑒 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 𝑜ù 𝑏 𝑒𝑡 𝑒 𝑛′ 𝑎𝑝𝑝𝑎𝑟𝑎î𝑠𝑠𝑒𝑛𝑡 𝑝𝑙𝑢𝑠.

𝑥 𝑐 𝑑 𝑓 𝑔

𝑃(𝑥) 𝑐 𝑐 ,𝑑 𝑐

𝐿𝑒 𝑠𝑜𝑚𝑚𝑒𝑡 𝑐 𝑛′ 𝑎 𝑝𝑙𝑢𝑠 𝑑𝑒 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡.

𝐷𝑜𝑛𝑐 𝑁2 = {𝑐} 𝑒𝑡 𝑟(𝑐) = 2.

𝑋3 = 𝑋2 − 𝑁2 = {𝑑, 𝑓, 𝑔} 𝑞𝑢𝑖 𝑑𝑜𝑛𝑛𝑒 𝑙𝑒 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 𝑜ù 𝑐 𝑛′ 𝑎𝑝𝑝𝑎𝑟𝑎î𝑡 𝑝𝑙𝑢𝑠.

𝑥 𝑑 𝑓 𝑔

𝑃(𝑥) 𝑑

𝐿𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑑 𝑒𝑡 𝑔 𝑛′ 𝑜𝑛𝑡 𝑝𝑙𝑢𝑠 𝑑𝑒 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑠.

𝐷𝑜𝑛𝑐 𝑁3 = {𝑑 , 𝑔} 𝑒𝑡 𝑟(𝑑) = 𝑟(𝑔) = 3.

𝑋4 = 𝑋3 − 𝑁3 = {𝑓} 𝑞𝑢𝑖 𝑑𝑜𝑛𝑛𝑒 𝑙𝑒 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 𝑜ù 𝑑 𝑒𝑡 𝑔 𝑛′ 𝑎𝑝𝑝𝑎𝑟𝑎î𝑠𝑠𝑒𝑛𝑡 𝑝𝑙𝑢𝑠.

𝑥 𝑓

𝑃(𝑥)

𝐿𝑒 𝑠𝑜𝑚𝑚𝑒𝑡 𝑓 𝑛′ 𝑎 𝑝𝑎𝑠 𝑑𝑒 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡 𝑑𝑜𝑛𝑐 𝑁4 = {𝑓} 𝑒𝑡 𝑟(𝑓) = 4.

71
3) 𝐿𝑒 𝑔𝑟𝑎𝑝ℎ𝑒 𝑜𝑟𝑑𝑜𝑛𝑛𝑎𝑛𝑐é.

𝟑) 𝑮𝒓𝒂𝒑𝒉𝒆𝒔 𝒗𝒂𝒍𝒖é𝒔 𝒆𝒕 𝒄𝒉𝒆𝒎𝒊𝒏𝒔 𝒄𝒓𝒊𝒕𝒊𝒒𝒖𝒆𝒔

𝒂) 𝑽𝒂𝒍𝒖𝒂𝒕𝒊𝒐𝒏 𝒅′ 𝒖𝒏 𝒈𝒓𝒂𝒑𝒉𝒆

𝑆𝑜𝑖𝑡 (𝑋 , ℛ) 𝑢𝑛 𝑔𝑟𝑎𝑝ℎ𝑒 𝑠𝑎𝑛𝑠 𝑏𝑜𝑢𝑐𝑙𝑒.

𝑂𝑛 𝑎𝑠𝑠𝑜𝑐𝑖𝑒 à 𝑐ℎ𝑎𝑞𝑢𝑒 𝑎𝑟𝑐 𝑢 = (𝑥𝑖 , 𝑥𝑗 ) 𝑑𝑢 𝑔𝑟𝑎𝑝ℎ𝑒, 𝑢𝑛 𝑛𝑜𝑚𝑏𝑟𝑒 𝑟é𝑒𝑙 𝑝𝑜𝑠𝑖𝑡𝑖𝑓, 𝑛é𝑔𝑎𝑡𝑖𝑓 𝑜𝑢 𝑛𝑢𝑙 𝑛𝑜𝑡é

𝑣𝑖𝑗 = 𝑣(𝑢).

𝑂𝑛 𝑎𝑝𝑝𝑒𝑙𝑙𝑒 𝑣𝑎𝑙𝑢𝑎𝑡𝑖𝑜𝑛 𝑜𝑢 𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟 𝑑𝑒 𝑙 ′ 𝑎𝑟𝑐 𝑙𝑒 𝑛𝑜𝑚𝑏𝑟𝑒 𝑣(𝑢) (𝑚ê𝑚𝑒 𝑠𝑖 𝑐𝑒𝑙𝑢𝑖 − 𝑐𝑖 𝑒𝑠𝑡 𝑛é𝑔𝑎𝑡𝑖𝑓).

𝑈𝑛 𝑔𝑟𝑎𝑝ℎ𝑒 𝑒𝑠𝑡 𝑑𝑖𝑡 𝑣𝑎𝑙𝑢é 𝑠𝑖 𝑡𝑜𝑢𝑡 𝑎𝑟𝑐 𝑒𝑠𝑡 𝑚𝑢𝑛𝑖 𝑑 ′ 𝑢𝑛𝑒 𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟.

𝐸𝑥𝑒𝑚𝑝𝑙𝑒

𝑂𝑛 𝑐𝑜𝑛𝑠𝑖𝑑è𝑟𝑒 𝑙𝑒 𝑔𝑟𝑎𝑝ℎ𝑒 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 ∶

𝐴2

5 1 6

2 5
𝐴1 𝐴4 𝐴5

3 7

𝐴3

72
𝐿𝑒𝑠 𝑣𝑎𝑙𝑢𝑎𝑡𝑖𝑜𝑛𝑠𝑑𝑢 𝑔𝑟𝑎𝑝ℎ𝑒 𝑠𝑜𝑛𝑡 𝑙𝑒𝑠 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒𝑠 ∶

𝑣12 = 5 , 𝑣13 = 3 , 𝑣14 = 2 , 𝑣24 = 1 , 𝑣35 = 7 , 𝑣25 = 6 𝑒𝑡 𝑣45 = 5.

𝒃) 𝑳𝒐𝒏𝒈𝒖𝒆𝒖𝒓 𝒅′ 𝒖𝒏 𝒄𝒉𝒆𝒎𝒊𝒏

𝑆𝑜𝑖𝑡 (𝑋 , ℛ) 𝑢𝑛 𝑔𝑟𝑎𝑝ℎ𝑒 𝑜𝑟𝑖𝑒𝑛𝑡é, 𝑠𝑎𝑛𝑠 𝑏𝑜𝑢𝑐𝑙𝑒 𝑒𝑡 𝑣𝑎𝑙𝑢é.

𝐿𝑎 𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟 𝑑′ 𝑢𝑛 𝑐ℎ𝑒𝑚𝑖𝑛 𝑐 𝑞𝑢𝑒𝑙𝑐𝑜𝑛𝑞𝑢𝑒 𝑒𝑠𝑡 𝑙𝑎 𝑠𝑜𝑚𝑚𝑒 𝑑𝑒𝑠 𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟 𝑑𝑒𝑠 𝑎𝑟𝑐𝑠 𝑞𝑢𝑖 𝑐𝑜𝑚𝑝𝑜𝑠𝑒𝑛𝑡 𝑐𝑒 𝑐ℎ𝑒𝑚𝑖𝑛.

𝐸𝑥𝑒𝑚𝑝𝑙𝑒

− 𝐿𝑎 𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟 𝑑𝑢 𝑐ℎ𝑒𝑚𝑖𝑛 (𝐴1 , 𝐴2 , 𝐴4 , 𝐴5 ) 𝑒𝑠𝑡 5 + 1 + 5 = 11.

− 𝐿𝑎 𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟 𝑑𝑢 𝑐ℎ𝑒𝑚𝑖𝑛 (𝐴1 , 𝐴2 , 𝐴5 ) 𝑒𝑠𝑡 5 + 6 = 11.

− 𝐿𝑎 𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟 𝑑𝑢 𝑐ℎ𝑒𝑚𝑖𝑛 (𝐴1 , 𝐴4 , 𝐴5 ) 𝑒𝑠𝑡 3 + 7 = 10.

− 𝐿𝑎 𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟 𝑑𝑢 𝑐ℎ𝑒𝑚𝑖𝑛 (𝐴1 , 𝐴3 , 𝐴5 ) 𝑒𝑠𝑡 3 + 7 = 10.

𝐷𝑎𝑛𝑠 𝑙𝑎 𝑠𝑢𝑖𝑡𝑒 𝑑𝑢 𝑐𝑜𝑢𝑟𝑠, 𝑙𝑎 𝑝𝑟𝑜𝑏𝑙é𝑚𝑎𝑡𝑖𝑞𝑢𝑒 𝑠𝑒𝑟𝑎 𝑙𝑎 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒 ∶

𝑆𝑜𝑖𝑡 𝑢𝑛 𝑔𝑟𝑎𝑝ℎ𝑒 𝑣𝑎𝑙𝑢é 𝑒𝑡 𝑠𝑎𝑛𝑠 𝑐𝑖𝑟𝑐𝑢𝑖𝑡, à 𝑣𝑎𝑙𝑒𝑢𝑟𝑠 𝑝𝑜𝑠𝑖𝑡𝑖𝑣𝑒𝑠 (𝑣𝑖𝑗 > 0), 𝑝𝑜𝑠𝑠𝑒𝑑𝑎𝑛𝑡 𝑢𝑛𝑒 𝑒𝑛𝑡𝑟é 𝑛𝑜𝑡é𝑒

𝑥1 𝑒𝑡 𝑢𝑛𝑒 𝑠𝑜𝑟𝑡𝑖𝑒 𝑥𝑛 .

𝐿𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑞𝑢𝑒 𝑙 ′ 𝑜𝑛 𝑠𝑜𝑢ℎ𝑎𝑖𝑡𝑒 𝑟é𝑠𝑜𝑢𝑑𝑟𝑒 𝑐𝑜𝑛𝑠𝑖𝑠𝑡𝑒 à 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟 𝑝𝑎𝑟𝑚𝑖 𝑡𝑜𝑢𝑠 𝑙𝑒𝑠 𝑐ℎ𝑒𝑚𝑖𝑛𝑠 𝑑 ′ 𝑜𝑟𝑖𝑔𝑖𝑛𝑒 𝑥1 ,

𝑑′ 𝑒𝑥𝑡𝑟é𝑚𝑖𝑡é 𝑥𝑛 , 𝑐𝑒𝑢𝑥 𝑑𝑜𝑛𝑡 𝑙𝑎 𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟 𝑒𝑠𝑡 𝑒𝑥𝑡𝑟é𝑚𝑎𝑙𝑒 (𝑚𝑎𝑥𝑖𝑚𝑎𝑙𝑒 𝑜𝑢 𝑚𝑖𝑛𝑖𝑚𝑎𝑙𝑒).

𝒄) 𝑪𝒉𝒆𝒎𝒊𝒏𝒔 𝒎𝒊𝒏𝒊𝒎𝒂𝒖𝒙

− 𝑆𝑡𝑟𝑎𝑡é𝑔𝑖𝑒 ∶ 𝑎𝑙𝑔𝑜𝑟𝑖𝑡ℎ𝑚𝑒 𝑑𝑒 𝐹𝑜𝑟𝑑

𝐷𝑒 𝑠𝑜𝑚𝑚𝑒𝑡 𝑒𝑛 𝑠𝑜𝑚𝑚𝑒𝑡, 𝑜𝑛 𝑟𝑒𝑡𝑖𝑒𝑛𝑡 𝑙 ′ 𝑎𝑟𝑐 𝑑𝑒 𝑝𝑙𝑢𝑠 𝑓𝑎𝑖𝑏𝑙𝑒 𝑣𝑎𝑙𝑢𝑎𝑡𝑖𝑜𝑛. 𝑂𝑛 𝑎𝑠𝑠𝑜𝑐𝑖𝑒 à 𝑐ℎ𝑎𝑞𝑢𝑒 𝑠𝑜𝑚𝑚𝑒𝑡 𝑥𝑗

𝑢𝑛 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝛼𝑗 𝑑é𝑓𝑖𝑛𝑖 𝑝𝑎𝑟 ∶ 𝛼1 = 0 𝑒𝑡 𝛼𝑗 = 𝑚𝑖𝑛[𝛼𝑖 + 𝑣𝑖𝑗 ]

𝑜ù 𝑙𝑒𝑠 𝑥𝑖 𝑠𝑜𝑛𝑡 𝑙𝑒𝑠 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑠 𝑑𝑒 𝑥𝑗 .

𝑅𝑒𝑚𝑎𝑟𝑞𝑢𝑒

𝐿𝑒𝑠 𝑣𝑎𝑙𝑒𝑢𝑟𝑠 𝛼𝑗 𝑠𝑜𝑛𝑡 𝑝𝑜𝑟𝑡é𝑒𝑠 𝑎𝑢 𝑑𝑒𝑠𝑠𝑢𝑠 𝑑𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑑𝑎𝑛𝑠 𝑙𝑒 𝑑𝑖𝑎𝑔𝑟𝑎𝑚𝑚𝑒 𝑠𝑎𝑔𝑖𝑡𝑡𝑎𝑙

𝑒𝑡 𝑑é𝑠𝑖𝑔𝑛é𝑒𝑠 𝑝𝑎𝑟 𝛼𝑗 (𝑒𝑛𝑐𝑎𝑑𝑟é 𝑜𝑢 𝑒𝑛𝑡𝑜𝑢𝑟é).

𝐶𝑜𝑛𝑠𝑖𝑑é𝑟𝑜𝑛𝑠 𝑙 ′ 𝑒𝑥𝑒𝑚𝑝𝑙𝑒 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡.

− 𝛼1 = 0

73
− 𝐿𝑒 𝑠𝑜𝑚𝑚𝑒𝑡 𝐴2 𝑎 𝑢𝑛 𝑠𝑒𝑢𝑙 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡 𝐴1 𝑑𝑜𝑛𝑐 𝛼2 = 𝑚𝑖𝑛[𝛼1 + 𝑣12 ] = 𝑚𝑖𝑛[0 + 5] = 5.

− 𝐿𝑒 𝑠𝑜𝑚𝑚𝑒𝑡 𝐴3 𝑎 𝑢𝑛 𝑠𝑒𝑢𝑙 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡 𝐴1 𝑑𝑜𝑛𝑐 𝛼3 = 𝑚𝑖𝑛[𝛼1 + 𝑣13 ] = 𝑚𝑖𝑛[0 + 3] = 3.

− 𝐿𝑒 𝑠𝑜𝑚𝑚𝑒𝑡 𝐴4 𝑎 𝑑𝑒𝑢𝑥 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑠 𝐴1 𝑒𝑡 𝐴2 𝑑𝑜𝑛𝑐

𝛼4 = 𝑚𝑖𝑛[𝛼1 + 𝑣12 , 𝛼2 + 𝑣24 ] = 𝑚𝑖𝑛[0 + 5 , 5 + 1] = 𝑚𝑖𝑛[5 , 6] = 5.

− 𝐿𝑒 𝑠𝑜𝑚𝑚𝑒𝑡 𝐴5 𝑎 𝑞𝑢𝑎𝑡𝑟𝑒 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑠 𝐴1 , 𝐴2 , 𝐴3 𝑒𝑡 𝐴4 𝑑𝑜𝑛𝑐

. 𝐿𝑒 𝑐ℎ𝑒𝑚𝑖𝑛 𝐴1 , 𝐴2 , 𝐴5 𝑎 𝑝𝑜𝑢𝑟 𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟 5 + 6 = 11.

. 𝐿𝑒 𝑐ℎ𝑒𝑚𝑖𝑛 𝐴1 , 𝐴2 , 𝐴4 , 𝐴5 𝑎 𝑝𝑜𝑢𝑟 𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟 5 + 1 + 5 = 11.

. 𝐿𝑒 𝑐ℎ𝑒𝑚𝑖𝑛 𝐴1 , 𝐴4 , 𝐴5 𝑎 𝑝𝑜𝑢𝑟 𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟 2 + 5 = 7.

. 𝐿𝑒 𝑐ℎ𝑒𝑚𝑖𝑛 𝐴1 , 𝐴3 , 𝐴5 𝑎 𝑝𝑜𝑢𝑟 𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟 3 + 7 = 10.

𝑃𝑎𝑟 𝑠𝑢𝑖𝑡𝑒 𝛼5 = 𝑚𝑖𝑛[11 , 7 , 10] = 7.

𝐿𝑒 𝑐ℎ𝑒𝑚𝑖𝑛 𝑚𝑖𝑛𝑖𝑚𝑎𝑙 𝑎 𝑝𝑜𝑢𝑟 𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟 𝛼5 = 7 𝑒𝑡 𝑒𝑠𝑡 𝐴1 → 𝐴4 → 𝐴5 .

𝑅𝑒𝑚𝑎𝑟𝑞𝑢𝑒

𝑃𝑜𝑢𝑟 𝑟𝑒𝑡𝑟𝑜𝑢𝑣𝑒𝑟 𝑙𝑒𝑠 𝑎𝑟𝑐𝑠 𝑞𝑢𝑖 𝑐𝑜𝑛𝑠𝑡𝑖𝑡𝑢𝑒𝑛𝑡 𝑙𝑒 𝑐ℎ𝑒𝑚𝑖𝑛 𝑚𝑖𝑛𝑖𝑚𝑎𝑙, 𝑎𝑝𝑝𝑒𝑙é 𝒄𝒉𝒆𝒎𝒊𝒏 𝒄𝒓𝒊𝒕𝒊𝒒𝒖𝒆 𝒎𝒊𝒏𝒊𝒎𝒂𝒍,

𝑜𝑛 𝑝𝑎𝑟𝑡 𝑑𝑒 𝑙𝑎 𝑠𝑜𝑟𝑡𝑖𝑒 𝑒𝑡 𝑜𝑛 𝑟𝑒𝑝è𝑟𝑒 𝑙 ′ 𝑎𝑟𝑐 𝑞𝑢𝑖 𝑑𝑜𝑛𝑛𝑒 𝑙𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝛼 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑎𝑛𝑡𝑒.

𝐷𝑎𝑛𝑠 𝑛𝑜𝑡𝑟𝑒 𝑐𝑎𝑠, 𝑙𝑒 𝑐ℎ𝑒𝑚𝑖𝑛 𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒 𝑚𝑖𝑛𝑖𝑚𝑎𝑙 𝑒𝑠𝑡 𝑎𝑙𝑜𝑟𝑠 𝐴1 , 𝐴4 , 𝐴5 .

𝐸𝑛 𝑔é𝑛é𝑟𝑎𝑙𝑖𝑠𝑎𝑛𝑡, 𝑢𝑛 𝑐ℎ𝑒𝑚𝑖𝑛 𝑚𝑖𝑛𝑖𝑚𝑎𝑙 𝑑 ′ 𝑜𝑟𝑖𝑔𝑖𝑛𝑒 𝑥𝑖 𝑑 ′ 𝑒𝑥𝑡𝑟é𝑚𝑖𝑡é 𝑥𝑘 𝑒𝑠𝑡 𝑎𝑝𝑝𝑒𝑙é 𝒌. 𝒊 𝒄𝒉𝒆𝒎𝒊𝒏 𝒎𝒊𝒏𝒊𝒎𝒂𝒍

𝑒𝑡 𝑡𝑜𝑢𝑡 𝑎𝑟𝑐 𝑒𝑚𝑝𝑟𝑢𝑛𝑡é 𝑝𝑎𝑟 𝑐𝑒 𝑐ℎ𝑒𝑚𝑖𝑛 𝑒𝑠𝑡 𝑎𝑝𝑝𝑒𝑙é 𝑎𝑟𝑐 𝒌 − 𝒎𝒊𝒏𝒊𝒎𝒂𝒍.

𝒅) 𝑪𝒉𝒆𝒎𝒊𝒏𝒔 𝒎𝒂𝒙𝒊𝒎𝒂𝒖𝒙

𝐷𝑒 𝑠𝑜𝑚𝑚𝑒𝑡 𝑒𝑛 𝑠𝑜𝑚𝑚𝑒𝑡, 𝑜𝑛 𝑟𝑒𝑡𝑖𝑒𝑛𝑡 𝑙 ′ 𝑎𝑟𝑐 𝑑𝑒 𝑝𝑙𝑢𝑠 𝑔𝑟𝑎𝑛𝑑𝑒 𝑣𝑎𝑙𝑢𝑎𝑡𝑖𝑜𝑛.

𝑂𝑛 𝑎𝑠𝑠𝑜𝑐𝑖𝑒 à 𝑐ℎ𝑎𝑞𝑢𝑒 𝑠𝑜𝑚𝑚𝑒𝑡 𝑥𝑗 𝑢𝑛 𝑐𝑜𝑒𝑓𝑓𝑖𝑐𝑖𝑒𝑛𝑡 𝛼𝑗 𝑑é𝑓𝑖𝑛𝑖 𝑝𝑎𝑟 ∶ 𝛼1 = 0 𝑒𝑡 𝛼𝑗 = 𝑚𝑎𝑥[𝛼𝑖 + 𝑣𝑖𝑗 ]

𝑜ù 𝑙𝑒𝑠 𝑥𝑖 𝑠𝑜𝑛𝑡 𝑙𝑒𝑠 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑠 𝑑𝑒 𝑥𝑗 .

𝛼𝑛 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑒 𝑎𝑙𝑜𝑟𝑠 𝑙𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑚𝑎𝑥𝑖𝑚𝑎𝑙𝑒 𝑒𝑛𝑡𝑟𝑒 𝑥1 𝑒𝑡 𝑥𝑛 .

74
𝐸𝑥𝑒𝑚𝑝𝑙𝑒

𝐿𝑒 𝑔𝑟𝑎𝑝ℎ𝑒 é𝑡𝑎𝑛𝑡 𝑜𝑟𝑑𝑜𝑛𝑛𝑎𝑛𝑐é 𝑝𝑎𝑟 𝑛𝑖𝑣𝑒𝑎𝑢𝑥, 𝑟𝑒𝑐ℎ𝑒𝑟𝑐ℎ𝑜𝑛𝑠 𝑢𝑛 𝑔𝑟𝑎𝑝ℎ𝑒 1 − 𝑚𝑎𝑥𝑖𝑚𝑎𝑙.

𝑂𝑛 𝑐𝑎𝑙𝑐𝑢𝑙𝑒 𝑙𝑒𝑠 𝑣𝑎𝑙𝑒𝑢𝑟𝑠 𝑑𝑒 𝛼𝑗 .

∎ 𝛼1 = 0 𝑒𝑛 𝑎.

∎ 𝛼2 = 𝑚𝑎𝑥[𝛼1 + 𝑣12 ] = 𝑚𝑎𝑥[0 + 1] = 1.

∎ 𝛼3 = 𝑚𝑎𝑥[𝛼1 + 𝑣13 ] = 𝑚𝑎𝑥[0 + 1] = 1.

∎ 𝛼4 = 𝑚𝑎𝑥[𝛼1 + 𝑣14 ; 𝛼2 + 𝑣24 ; 𝛼3 + 𝑣34 ] = 𝑚𝑎𝑥[0 + 1 ; 1 + 3 ; 1 + 7] = 8.

∎ 𝛼5 = 𝑚𝑎𝑥[𝛼2 + 𝑣25 ; 𝛼4 + 𝑣45 ] = 𝑚𝑎𝑥[1 + 3 ; 8 + 5 ] = 13.

∎ 𝛼6 = 𝑚𝑎𝑥[𝛼4 + 𝑣46 ; 𝛼3 + 𝑣36 ] = 𝑚𝑎𝑥[8 + 5 ; 1 + 7 ] = 13.

∎ 𝛼7 = 𝑚𝑎𝑥[𝛼5 + 𝑣57 ; 𝛼4 + 𝑣47 ; 𝛼3 + 𝑣37 ] = 𝑚𝑎𝑥[13 + 4 ; 8 + 5 ; 1 + 7 ] = 17.

∎ 𝛼8 = 𝑚𝑎𝑥[𝛼7 + 𝑣78 ; 𝛼6 + 𝑣68 ] = 𝑚𝑎𝑥[17 + 2 ; 13 + 6 ] = 19.

𝐿𝑒 𝑐ℎ𝑒𝑚𝑖𝑛 𝑚𝑎𝑥𝑖𝑚𝑎𝑙 𝑎 𝑝𝑜𝑢𝑟 𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟 19 𝑐𝑎𝑟 𝛼8 = 19.

𝐼𝑙 𝑒𝑥𝑖𝑠𝑡𝑒 𝑑𝑒𝑢𝑥 𝑐ℎ𝑒𝑚𝑖𝑛𝑠 𝑚𝑎𝑥𝑖𝑚𝑎𝑢𝑥 𝑞𝑢𝑖 𝑠𝑜𝑛𝑡 ∶

∎ 𝑎 → 𝑏 → 𝑐 → 𝑑 → 𝑓 → 𝑓𝑖𝑛

∎ 𝑎 → 𝑏 → 𝑐 → 𝑔 → 𝑓𝑖𝑛

75
𝟒) 𝑰𝒏𝒕é𝒓ê𝒕 𝒅𝒆 𝒍𝒂 𝒓𝒆𝒄𝒉𝒆𝒓𝒄𝒉𝒆

𝐶𝑒𝑡𝑡𝑒 𝑟𝑒𝑐ℎ𝑒𝑟𝑐ℎ𝑒 𝑖𝑛𝑡𝑒𝑟𝑣𝑖𝑒𝑛𝑡 ∶

− 𝑑𝑎𝑛𝑠 𝑙𝑒𝑠 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒𝑠 𝑑𝑒 𝑡𝑟𝑎𝑛𝑠𝑝𝑜𝑟𝑡 𝑜𝑢 𝑑𝑒 𝑐𝑖𝑟𝑐𝑢𝑙𝑎𝑡𝑖𝑜𝑛,

− 𝑑𝑎𝑛𝑠 𝑙𝑒𝑠 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒𝑠 𝑑′ 𝑜𝑟𝑑𝑜𝑛𝑛𝑎𝑛𝑐𝑒𝑚𝑒𝑛𝑡.

76
 𝑬𝑿𝑬𝑹𝑪𝑰𝑪𝑬𝑺 𝑫𝑬 𝑺𝒀𝑵𝑻𝑯𝑬𝑺𝑬

𝑬𝑿𝑬𝑹𝑪𝑰𝑪𝑬 𝟏

𝐿𝑎 𝑟é𝑎𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑑′ 𝑢𝑛 𝑐ℎ𝑎𝑛𝑡𝑖𝑒𝑟 𝑛é𝑐𝑒𝑠𝑠𝑖𝑡𝑒 𝑙𝑎 𝑟é𝑎𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒𝑠 ∶

𝑂𝑝é𝑟𝑎𝑡𝑖𝑜𝑛𝑠 𝐴 𝐵 𝐶 𝐷 𝐸 𝐹 𝐺 𝐻 𝐼 𝐽 𝐾 𝐿

𝐷𝑢𝑟é𝑒 𝑒𝑛 𝑠𝑒𝑚𝑎𝑖𝑛𝑒𝑠 32 13 4 3 6 32 20 8 13 38 42 39

𝐷′ 𝑎𝑢𝑡𝑟𝑒, 𝑜𝑛 𝑎 𝑐𝑜𝑛𝑠𝑡𝑎𝑡é 𝑞𝑢𝑒 𝑙 ′ 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝐵 𝑑𝑒𝑣𝑟𝑎𝑖𝑡 ê𝑡𝑟𝑒 𝑝𝑟é𝑐é𝑑é𝑒 𝑑𝑒 𝑙 ′ 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝐴 𝑒𝑡 𝑠𝑢𝑖𝑣𝑖𝑒 𝑑𝑒𝑠

𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛𝑠 𝐶 , 𝐷 , 𝐸 𝑒𝑡 𝐹, 𝑞𝑢𝑒 𝑙𝑒𝑠 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛𝑠 𝐶 𝑒𝑡 𝐷 𝑑𝑒𝑣𝑟𝑎𝑖𝑒𝑛𝑡 𝑝𝑟é𝑐é𝑑𝑒𝑟 𝑙 ′ 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝐺, 𝑞𝑢𝑒 𝑙𝑒𝑠 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛𝑠

𝐻 𝑒𝑡 𝐽, 𝑒𝑛𝑓𝑖𝑛 , 𝑑𝑒𝑣𝑟𝑎𝑖𝑒𝑛𝑡 𝑠𝑢𝑖𝑣𝑟𝑒 𝑙𝑒𝑠 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛𝑠 𝐸 ; 𝐹 𝑒𝑡 𝐺 𝑒𝑡 𝑝𝑟é𝑐é𝑑𝑒𝑟 𝑙𝑒𝑠 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛𝑠 𝐼 , 𝐾 𝑒𝑡 𝐿..

𝐷é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟 𝑙𝑎 𝑑𝑢𝑟é𝑒 𝑑𝑢 𝑐ℎ𝑒𝑚𝑖𝑛 𝑚𝑖𝑛𝑖𝑚𝑎𝑙𝑒 𝑑𝑢 𝑝𝑟𝑜𝑗𝑒𝑡.

𝑬𝑿𝑬𝑹𝑪𝑰𝑪𝑬 𝟐

𝑂𝑛 𝑠𝑒 𝑑𝑜𝑛𝑛𝑒 𝑙𝑎 𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛 𝑏𝑖𝑛𝑎𝑖𝑟𝑒 𝑑é𝑓𝑖𝑛𝑖𝑒 𝑝𝑎𝑟 𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑋 = {𝐴 , 𝐵 , 𝐶 , 𝐷 , 𝐸 , 𝐹} 𝑒𝑡 𝑙𝑒

𝑔𝑟𝑎𝑝ℎ𝑒 𝐺 = {(𝐴 , 𝐵) ; (𝐴 , 𝐷) ; (𝐴 , 𝐹) ; (𝐵, 𝐷) ; (𝐶 , 𝐴) ; (𝐶 , 𝐷) ; (𝐶 , 𝐸) ; (𝐷 , 𝐸) ; (𝐹 , 𝐶) ; (𝐹 , 𝐸) }.

1. 𝐶𝑎𝑟𝑎𝑐𝑡é𝑟𝑖𝑠𝑒𝑟 𝑐𝑒𝑡𝑡𝑒 𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛 𝑏𝑖𝑛𝑎𝑖𝑟𝑒 𝑝𝑎𝑟 ∶

𝑎) 𝑆𝑎 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑎𝑡𝑖𝑜𝑛 𝑠𝑎𝑔𝑖𝑡𝑡𝑎𝑙𝑒 .

𝑏) 𝑆𝑎 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑎𝑡𝑖𝑜𝑛 𝑐𝑎𝑟𝑡é𝑠𝑖𝑒𝑛𝑛𝑒.

𝑐) 𝑆𝑎 𝑚𝑎𝑡𝑟𝑖𝑐𝑒 𝑏𝑜𝑜𝑙é𝑒𝑛𝑛𝑒.

2. 𝐸𝑠𝑡 − 𝑖𝑙 𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒 𝑠𝑒𝑙𝑜𝑛 𝑣𝑜𝑢𝑠 𝑑 𝑑 ′ 𝑜𝑟𝑑𝑜𝑛𝑛𝑎𝑛𝑐𝑒𝑟 𝑙𝑒 𝑔𝑟𝑎𝑝ℎ𝑒 𝑝𝑎𝑟 𝑛𝑖𝑣𝑒𝑎𝑢𝑥 𝑒𝑡 𝑝𝑜𝑢𝑟𝑞𝑢𝑜𝑖 ?

3. 𝐸𝑙𝑖𝑚𝑖𝑛𝑒 𝑙 ′ 𝑎𝑟𝑐 (𝐴 , 𝐹) ∶

𝑎) 𝐷é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟 𝑙𝑒 𝑑𝑖𝑐𝑡𝑖𝑜𝑛𝑛𝑎𝑖𝑟𝑒 𝑑𝑒𝑠 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑠 𝑒𝑡 𝑑𝑒𝑠 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑠 𝑑𝑢 𝑔𝑟𝑎𝑝ℎ𝑒.

𝑏) 𝑂𝑟𝑑𝑜𝑛𝑛𝑎𝑛𝑐𝑒𝑟 𝑙𝑒 𝑔𝑟𝑎𝑝ℎ𝑒 𝑝𝑎𝑟 𝑛𝑖𝑣𝑒𝑎𝑢𝑥.

77
𝑬𝑿𝑬𝑹𝑪𝑰𝑪𝑬 𝟑

𝑈𝑛𝑒 𝑒𝑛𝑡𝑟𝑒𝑝𝑟𝑖𝑠𝑒 𝑐𝑜𝑛𝑛𝑎î𝑡 𝑢𝑛𝑒 𝑐𝑟𝑜𝑖𝑠𝑠𝑎𝑛𝑐𝑒 𝑖𝑚𝑝𝑜𝑟𝑡𝑎𝑛𝑡𝑒 𝑐𝑟é𝑎𝑛𝑡 𝑑𝑒 𝑔𝑟𝑜𝑠 𝑏𝑒𝑠𝑜𝑖𝑛𝑠 𝑒𝑛 𝑙𝑜𝑐𝑎𝑢𝑥 𝑑𝑒 𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑐𝑡𝑖𝑜𝑛

𝑒𝑡 𝑎𝑢𝑠𝑠𝑖 𝑑𝑒 𝑠𝑡𝑜𝑐𝑘𝑎𝑔𝑒. 𝐼𝑙 𝑒𝑛 𝑟é𝑠𝑢𝑙𝑡𝑒 𝑢𝑛𝑒 𝑔𝑟𝑎𝑛𝑑𝑒 𝑑𝑖𝑠𝑝𝑒𝑟𝑠𝑖𝑜𝑛 𝑑𝑒𝑠 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑠 𝑏â𝑡𝑖𝑚𝑒𝑛𝑡𝑠.

𝐿𝑒 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑐𝑖 − 𝑑𝑒𝑠𝑠𝑜𝑢𝑠 𝑖𝑛𝑑𝑖𝑞𝑢𝑒 𝑙𝑒 𝑡𝑒𝑚𝑝𝑠 𝑒𝑛 𝑚𝑖𝑛𝑢𝑡𝑒𝑠 𝑞𝑢𝑒 𝑚𝑒𝑡𝑡𝑒𝑛𝑡 𝑙𝑒𝑠 𝑛𝑎𝑣𝑒𝑡𝑡𝑒𝑠 𝑝𝑜𝑢𝑟 𝑗𝑜𝑖𝑛𝑑𝑟𝑒 𝑙𝑒𝑠

𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑠 𝑝𝑜𝑖𝑛𝑡𝑠 ∶

𝐴𝑟𝑟𝑖𝑣é𝑒
→
𝐴 𝐵 𝐶 𝐷 𝐸 𝐹 𝐺 𝐻 𝐼 𝐽
𝐷é𝑝𝑎𝑟𝑡
↓

𝐴 36 20 30 16 18

𝐵 24 16

𝐶 28

𝐷 16

𝐸 14 18 26 28

𝐹 10 12

𝐺 8

𝐻 4

𝐼 12

1. 𝐸𝑡𝑎𝑏𝑙𝑖𝑟 𝑙𝑒 𝑑𝑖𝑐𝑡𝑖𝑜𝑛𝑛𝑎𝑖𝑟𝑒 𝑑𝑒𝑠 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑠.

2. 𝑂𝑟𝑑𝑜𝑛𝑛𝑒𝑟 𝑙𝑒 𝑔𝑟𝑎𝑝ℎ𝑒 𝑝𝑎𝑟 𝑛𝑖𝑣𝑒𝑎𝑢𝑥.

3. 𝑅𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑒𝑟 𝑙𝑒 𝑔𝑟𝑎𝑝ℎ𝑒.

4. 𝑄𝑢𝑒𝑙 𝑒𝑠𝑡 𝑙𝑒 𝑐ℎ𝑒𝑚𝑖𝑛 𝑞𝑢𝑒 𝑑𝑜𝑖𝑡 𝑒𝑚𝑝𝑟𝑢𝑛𝑡𝑒𝑟 𝑢𝑛 𝑒𝑚𝑝𝑙𝑜𝑦é 𝑑é𝑠𝑖𝑟𝑎𝑛𝑡 𝑠𝑒 𝑟𝑒𝑛𝑑𝑟𝑒 𝑑𝑢 𝑝𝑜𝑖𝑛𝑡 𝐴 𝑎𝑢 𝑝𝑜𝑖𝑛𝑡 𝐽 𝑒𝑛

𝑢𝑛 𝑡𝑒𝑚𝑝𝑠 𝑚𝑖𝑛𝑖𝑚𝑎𝑙 ? 𝑄𝑢𝑒𝑙 𝑒𝑠𝑡 𝑐𝑒 𝑡𝑒𝑚𝑝𝑠 ?

78
𝑰𝑰𝑰 − 𝑶𝑹𝑫𝑶𝑵𝑵𝑨𝑵𝑪𝑬𝑴𝑬𝑵𝑻

𝟏) 𝑪𝒐𝒏𝒕𝒆𝒙𝒕𝒆

𝐿𝑒𝑠 𝑟𝑒𝑡𝑎𝑟𝑑𝑠 𝑎𝑝𝑝𝑜𝑟𝑡é𝑒𝑠 𝑎𝑢𝑥 𝑟é𝑎𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛𝑠 𝑑𝑒 𝑝𝑟𝑜𝑗𝑒𝑡𝑠, 𝑎𝑢𝑥 𝑙𝑖𝑣𝑟𝑎𝑖𝑠𝑜𝑛𝑠 𝑝𝑜𝑛𝑐𝑡𝑢𝑒𝑙𝑙𝑒𝑠 𝑎𝑢𝑥 𝑐𝑙𝑖𝑒𝑛𝑡𝑠 𝑒𝑠𝑡

𝑔é𝑛é𝑟𝑎𝑙𝑒𝑚𝑒𝑛𝑡 𝑑𝑢𝑠 ∶

− à 𝑙𝑎 𝑚𝑎𝑢𝑣𝑎𝑖𝑠𝑒 𝑐𝑜𝑛𝑐𝑒𝑝𝑡𝑖𝑜𝑛 𝑑𝑢 𝑝𝑟𝑜𝑑𝑢𝑖𝑡 à 𝑓𝑎𝑏𝑟𝑖𝑞𝑢𝑒𝑟,

−à 𝑙𝑎 𝑚𝑎𝑢𝑣𝑎𝑖𝑠𝑒 𝑔𝑒𝑠𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑠𝑡𝑜𝑐𝑘𝑠,

− à 𝑙𝑎 𝑓𝑖𝑥𝑎𝑡𝑖𝑜𝑛 𝑎𝑟𝑏𝑖𝑡𝑟𝑎𝑖𝑟𝑒 𝑑′ 𝑢𝑛 𝑐𝑎𝑙𝑒𝑛𝑑𝑟𝑖𝑒𝑟 𝑑𝑒 𝑓𝑖𝑛 𝑑𝑒𝑠 𝑡𝑟𝑎𝑣𝑎𝑢𝑥 𝑠𝑎𝑛𝑠 𝑟𝑎𝑝𝑝𝑜𝑟𝑡 𝑛𝑖 𝑎𝑣𝑒𝑐 𝑙 ′ é𝑣𝑜𝑙𝑢𝑡𝑖𝑜𝑛

𝑟é𝑒𝑙𝑙𝑒 𝑑𝑒𝑠 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑛𝑖 𝑎𝑣𝑒𝑐 𝑙𝑒𝑠 𝑚𝑜𝑦𝑒𝑛𝑠 𝑑𝑜𝑛𝑡 𝑜𝑛 𝑑𝑖𝑠𝑝𝑜𝑠𝑒 𝑒𝑓𝑓𝑒𝑐𝑡𝑖𝑣𝑒𝑚𝑒𝑛𝑡,

− 𝑎𝑢 𝑚𝑎𝑛𝑞𝑢𝑒 𝑑𝑒 𝑐𝑜𝑜𝑟𝑑𝑖𝑛𝑎𝑡𝑖𝑜𝑛 𝑒𝑛𝑡𝑟𝑒 𝑙𝑒𝑠 𝑟𝑒𝑠𝑝𝑜𝑛𝑠𝑎𝑏𝑙𝑒𝑠 𝑑𝑒𝑠 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛𝑠 𝑐𝑜𝑛𝑐𝑒𝑟𝑛𝑎𝑛𝑡 𝑙 ′ 𝑜𝑟𝑑𝑟𝑒

𝑑𝑒 𝑝𝑎𝑠𝑠𝑎𝑔𝑒 𝑑𝑒𝑠 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑒𝑡 𝑙𝑒𝑢𝑟 𝑓𝑖𝑛.

𝑇𝑜𝑢𝑠 𝑠𝑒𝑠 𝑎𝑠𝑝𝑒𝑐𝑡𝑠 𝑠𝑜𝑛𝑡 𝑎𝑢𝑡𝑎𝑛𝑡 𝑑𝑒 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒𝑠 𝑞𝑢𝑒 𝑙𝑒𝑠 𝑒𝑛𝑡𝑟𝑒𝑝𝑟𝑖𝑠𝑒𝑠 𝑑𝑜𝑖𝑣𝑒𝑛𝑡 𝑎𝑓𝑓𝑟𝑜𝑛𝑡𝑒𝑟 𝑎𝑢𝑗𝑜𝑢𝑟𝑑 ′ ℎ𝑢𝑖.

𝐴𝑓𝑖𝑛 𝑑𝑒 𝑚𝑖𝑛𝑖𝑚𝑖𝑠𝑒𝑟 𝑐𝑒𝑠 𝑟𝑒𝑡𝑎𝑟𝑑𝑠, 𝑙 ′ 𝑜𝑟𝑔𝑎𝑛𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑑𝑒𝑣𝑖𝑒𝑛𝑡 𝑖𝑛𝑑𝑖𝑠𝑝𝑒𝑛𝑠𝑎𝑏𝑙𝑒 𝑒𝑡 𝑓𝑎𝑖𝑡 𝑖𝑛𝑡𝑒𝑟𝑣𝑒𝑛𝑖𝑒𝑟

𝑑𝑒𝑠 𝑛𝑜𝑡𝑖𝑜𝑛𝑠 𝑡𝑟è𝑠 𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑖è𝑟𝑒𝑠.

𝟐) 𝑵𝒐𝒕𝒊𝒐𝒏𝒔 𝒅𝒆 𝒑𝒓𝒐𝒋𝒆𝒕, 𝒕â𝒄𝒉𝒆𝒔 𝒆𝒕 𝒐𝒓𝒅𝒐𝒏𝒏𝒂𝒏𝒄𝒆𝒎𝒆𝒏𝒕

𝒂) 𝑷𝒓𝒐𝒋𝒆𝒕

𝑈𝑛 𝑝𝑟𝑜𝑗𝑒𝑡 𝑒𝑠𝑡 𝑢𝑛 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑′ 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛𝑠 𝑝𝑒𝑟𝑚𝑒𝑡𝑡𝑎𝑛𝑡 𝑑 ′ 𝑎𝑡𝑡𝑒𝑖𝑛𝑑𝑟𝑒 𝑢𝑛 𝑜𝑏𝑗𝑒𝑡 𝑓𝑖𝑥é, 𝑐𝑒𝑠 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛𝑠

é𝑡𝑎𝑛𝑡 𝑠𝑜𝑢𝑚𝑖𝑠𝑒𝑠 à 𝑢𝑛 𝑐𝑒𝑟𝑡𝑎𝑖𝑛 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑡𝑎𝑛𝑡 𝑝𝑜𝑡𝑒𝑛𝑡𝑖𝑒𝑙𝑙𝑒𝑠, 𝑑𝑖𝑠𝑗𝑜𝑖𝑛𝑡𝑒𝑠 𝑞𝑢𝑒 𝑐𝑢𝑚𝑢𝑙𝑎𝑡𝑖𝑣𝑒𝑠.

−𝐿𝑒𝑠 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆𝒔 𝒑𝒐𝒕𝒆𝒏𝒕𝒊𝒆𝒍𝒍𝒆𝒔 𝑞𝑢𝑖 𝑠𝑜𝑛𝑡 𝑎𝑢 𝑛𝑜𝑚𝑏𝑟𝑒 𝑑𝑒 𝑑𝑒𝑢𝑥 ∶

∎ 𝑳𝒆𝒔 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆𝒔 𝒅𝒆 𝒔𝒖𝒄𝒄𝒆𝒔𝒔𝒊𝒐𝒏 𝑜𝑢 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆𝒔 𝒅′ 𝒂𝒏𝒕é𝒓𝒊𝒐𝒓𝒊𝒕é 𝑞𝑢𝑖 𝑠𝑒 𝑡𝑟𝑎𝑑𝑢𝑖𝑠𝑒𝑛𝑡 𝑝𝑎𝑟 𝑙𝑒

𝑓𝑎𝑖𝑡 𝑞𝑢′ 𝑢𝑛𝑒 𝑡â𝑐ℎ𝑗𝑒 𝑗 𝑛𝑒 𝑝𝑒𝑢𝑡 𝑑é𝑏𝑢𝑡𝑒𝑟 𝑞𝑢𝑒 𝑙𝑜𝑟𝑠𝑞𝑢𝑒 𝑙𝑎 𝑡â𝑐ℎ𝑒 𝑖 𝑒𝑠𝑡 𝑎𝑐ℎ𝑒𝑣é𝑒 𝑜𝑢 𝑏𝑖𝑒𝑛 𝑠𝑒 𝑡𝑟𝑜𝑢𝑣𝑒

à 𝑢𝑛 𝑐𝑒𝑟𝑡𝑎𝑖𝑛 𝑑𝑒𝑔𝑟é 𝑑 ′ 𝑒𝑥é𝑐𝑢𝑡𝑖𝑜𝑛.

∎ 𝑳𝒆𝒔 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆𝒔 𝒅𝒆 𝒍𝒐𝒄𝒂𝒍𝒊𝒔𝒂𝒕𝒊𝒐𝒏 𝒕𝒆𝒎𝒑𝒐𝒓𝒆𝒍𝒍𝒆, 𝑝𝑒𝑟𝑚𝑒𝑡𝑡𝑎𝑛𝑡 𝑑𝑒 𝑙𝑜𝑐𝑎𝑙𝑖𝑠𝑒𝑟 𝑑𝑎𝑛𝑠 𝑙𝑒 𝑡𝑒𝑚𝑝𝑠

𝑐ℎ𝑎𝑐𝑢𝑛𝑒 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑒𝑛 𝑐𝑜𝑢𝑟𝑠 𝑑 ′ 𝑒𝑥é𝑐𝑢𝑡𝑖𝑜𝑛 ; 𝑙𝑎 𝑡â𝑐ℎ𝑒 𝑖 𝑑𝑜𝑖𝑡 ê𝑡𝑟𝑒 𝑎𝑐ℎ𝑒𝑣é𝑒 à 𝑡𝑒𝑙𝑙𝑒 𝑑𝑎𝑡𝑒 𝑜𝑢 𝑎𝑢

𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑟𝑒 𝑠𝑜𝑛 𝑒𝑥é𝑐𝑢𝑡𝑖𝑜𝑛 𝑛𝑒 𝑑𝑜𝑖𝑡 𝑗𝑎𝑚𝑎𝑖𝑠 𝑐𝑜𝑚𝑚𝑒𝑛𝑐𝑒𝑟 𝑎𝑣𝑎𝑛𝑡 𝑡𝑒𝑙𝑙𝑒 𝑑𝑎𝑡𝑒.

−𝐿𝑒𝑠 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆𝒔 𝒅𝒊𝒔𝒋𝒐𝒏𝒄𝒕𝒊𝒗𝒆𝒔 𝑞𝑢𝑖 𝑖𝑚𝑝𝑜𝑠𝑒𝑛𝑡 𝑙𝑎 𝑟é𝑎𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑛𝑜𝑛 𝑠𝑖𝑚𝑢𝑙𝑡𝑎𝑛é𝑒 𝑑𝑒 𝑐𝑒𝑟𝑡𝑎𝑖𝑛𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠.

𝐶𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑠𝑒 𝑚𝑎𝑛𝑖𝑓𝑒𝑠𝑡𝑒𝑛𝑡 𝑒𝑛 𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑖𝑒𝑟 𝑙𝑜𝑟𝑠𝑞𝑢𝑒 𝑙𝑒𝑠 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑖𝑙𝑖𝑡é𝑠 𝑒𝑛 𝑚𝑎𝑡é𝑟𝑖𝑒𝑙 𝑜𝑢

79
 𝑝𝑒𝑟𝑠𝑜𝑛𝑛𝑒𝑙 𝑠𝑜𝑛𝑡 𝑖𝑛𝑠𝑢𝑓𝑓𝑖𝑠𝑎𝑛𝑡𝑒𝑠.

−𝐿𝑒𝑠 𝒄𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆𝒔 𝒄𝒖𝒎𝒖𝒍𝒂𝒕𝒊𝒗𝒆𝒔 𝑞𝑢𝑖 𝑙𝑖𝑚𝑖𝑡𝑒𝑛𝑡 𝑙𝑒𝑠 𝑝𝑜𝑠𝑠𝑖𝑏𝑖𝑙𝑖𝑡é𝑠 𝑑 ′ 𝑜𝑟𝑑𝑜𝑛𝑛𝑎𝑛𝑐𝑒𝑚𝑒𝑛𝑡 𝑐𝑎𝑟 𝑒𝑙𝑙𝑒𝑠 𝑡𝑖𝑒𝑛𝑛𝑒𝑛𝑡

𝑐𝑜𝑚𝑝𝑡𝑒 𝑑𝑒 𝑡𝑜𝑢𝑠 𝑙𝑒𝑠 𝑓𝑎𝑐𝑡𝑒𝑢𝑟𝑠 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑖𝑓𝑠, ℎ𝑜𝑚𝑚𝑒𝑠, 𝑚𝑎𝑡é𝑟𝑖𝑒𝑙𝑠, 𝑚𝑜𝑦𝑒𝑛𝑠 𝑓𝑖𝑛𝑎𝑛𝑐𝑖𝑒𝑟𝑠, 𝑒𝑡𝑐 …

𝒃) 𝑻â𝒄𝒉𝒆𝒔

𝑈𝑛𝑒 𝑡â𝑐ℎ𝑒 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝑑𝑜𝑛𝑡 𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒𝑓𝑜𝑟𝑚𝑒 𝑙𝑒 𝑝𝑟𝑜𝑗𝑒𝑡.

𝑂𝑛 𝑎𝑠𝑠𝑜𝑐𝑖𝑒 à 𝑐ℎ𝑎𝑞𝑢𝑒 𝑡â𝑐ℎ𝑒 𝑠𝑎 𝑑𝑢𝑟é𝑒 𝑒𝑡 𝑢𝑛𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑑 ′ 𝑎𝑛𝑡é𝑟𝑖𝑜𝑟𝑖𝑡é 𝑝𝑎𝑟 𝑟𝑎𝑝𝑝𝑜𝑟𝑡 𝑎𝑢𝑥 𝑎𝑢𝑡𝑟𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠.

𝑂𝑛 𝑑𝑖𝑟𝑎 𝑞𝑢𝑒 𝑥𝑖 𝑒𝑠𝑡 𝑖𝑚𝑚é𝑑𝑖𝑎𝑡𝑒𝑚𝑒𝑛𝑡 𝑎𝑛𝑡é𝑟𝑖𝑒𝑢𝑟𝑒 à 𝑥𝑗 𝑠𝑖 𝑥𝑗 𝑛𝑒 𝑝𝑒𝑢𝑡 𝑑é𝑏𝑢𝑡𝑒𝑟 𝑞𝑢𝑒 𝑙𝑜𝑟𝑠𝑞𝑢𝑒 𝑥𝑖 𝑒𝑠𝑡 𝑎𝑐ℎ𝑒𝑣é𝑒.

𝒄) 𝑴é𝒕𝒉𝒐𝒅𝒆 𝒅′ 𝒐𝒓𝒅𝒐𝒏𝒏𝒂𝒏𝒄𝒆𝒎𝒆𝒏𝒕

𝐶 ′ 𝑒𝑠𝑡 𝑢𝑛 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒 𝑚é𝑡ℎ𝑜𝑑𝑒𝑠 𝑞𝑢𝑖 𝑝𝑒𝑟𝑚𝑒𝑡𝑡𝑒𝑛𝑡 𝑎𝑢 𝑟𝑒𝑠𝑝𝑜𝑛𝑠𝑎𝑏𝑙𝑒 𝑑𝑢 𝑝𝑟𝑜𝑗𝑒𝑡 𝑑𝑒 𝑝𝑟𝑒𝑛𝑑𝑟𝑒 𝑙𝑒𝑠 𝑑é𝑐𝑖𝑠𝑖𝑜𝑛𝑠

𝑛é𝑐𝑒𝑠𝑠𝑎𝑖𝑟𝑒𝑠 𝑑𝑎𝑛𝑠 𝑙𝑒𝑠 𝑚𝑒𝑖𝑙𝑙𝑒𝑢𝑟𝑠 𝑐𝑜𝑛𝑑𝑖𝑡𝑖𝑜𝑛𝑠 𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒.

𝑈𝑛 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑑 ′ 𝑜𝑟𝑑𝑜𝑛𝑛𝑎𝑛𝑐𝑒𝑚𝑒𝑛𝑡 𝑒𝑠𝑡 𝑑𝑜𝑛𝑐 𝑢𝑛 𝑝𝑟𝑜𝑏𝑙è𝑚𝑒 𝑑 ′ 𝑜𝑟𝑔𝑎𝑛𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑑𝑢 𝑝𝑟𝑜𝑗𝑒𝑡.

𝑂𝑛 𝑑𝑖𝑠𝑡𝑖𝑛𝑔𝑢𝑒 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑒𝑠 𝑚é𝑡ℎ𝑜𝑑𝑒𝑠 ∶

− 𝐿𝑒𝑠 𝑚é𝑡ℎ𝑜𝑑𝑒𝑠 𝑑𝑢 𝑡𝑦𝑝𝑒 𝑑𝑖𝑎𝑔𝑟𝑎𝑚𝑚𝑒 𝑑𝑒 𝐺𝑎𝑛𝑡𝑡.

− 𝐿𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑃𝐸𝑅𝑇 (𝑃𝑟𝑜𝑔𝑟𝑎𝑚 𝐸𝑣𝑎𝑙𝑢𝑎𝑡𝑖𝑜𝑛 𝑎𝑛𝑑 𝑅𝑒𝑣𝑖𝑒𝑤 𝑇𝑒𝑐ℎ𝑛𝑖𝑞𝑢𝑒) 𝑚𝑖𝑠𝑒 𝑒𝑛 𝑝𝑙𝑎𝑐𝑒 𝑝𝑜𝑢𝑟 𝑙𝑎 𝑟é𝑎𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛

𝑑𝑢 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑚𝑒 𝑑𝑒 𝑟𝑒𝑐ℎ𝑒𝑟𝑐ℎ𝑒 𝑒𝑡 𝑑𝑒 𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑐𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑓𝑢𝑠é𝑒𝑠 𝑃𝑜𝑙𝑎𝑟𝑖𝑠 𝑒𝑛 1958.

− 𝐿𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝐶𝑃𝑀 (𝐶𝑟𝑖𝑡𝑖𝑐𝑎𝑙 𝑃𝑎𝑡ℎ 𝑀𝑒𝑡ℎ𝑜𝑑)

− 𝐿𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑀𝑃𝑀 (𝑀é𝑡ℎ𝑜𝑑𝑒 𝑑𝑒𝑠 𝑝𝑜𝑡𝑒𝑛𝑡𝑖𝑒𝑙𝑠 𝑀é𝑡𝑟𝑎) 𝑚𝑖𝑠𝑒 𝑎𝑢 𝑝𝑜𝑖𝑛𝑡 𝑒𝑛 𝐹𝑟𝑎𝑛𝑐𝑒 𝑝𝑎𝑟 𝐵. 𝑅𝑜𝑦 𝑒𝑡 𝑠𝑜𝑛 é𝑞𝑢𝑖𝑝𝑒

𝑑𝑒 𝑙𝑎 𝑆𝐸𝑀𝐴. 𝐶𝑒𝑡𝑡𝑒 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑝𝑟é𝑠𝑒𝑛𝑡𝑒 𝑑𝑒𝑠 𝑎𝑣𝑎𝑛𝑡𝑎𝑔𝑒𝑠 𝑝𝑎𝑟 𝑟𝑎𝑝𝑝𝑜𝑟𝑡 à 𝑙𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑎𝑚é𝑟𝑖𝑐𝑎𝑖𝑛𝑒 𝑃𝐸𝑅𝑇,

𝑙𝑒𝑠 𝑔𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒𝑠 é𝑡𝑎𝑛𝑡 𝑝𝑙𝑢𝑠 𝑠𝑖𝑚𝑝𝑙𝑒𝑠 à é𝑙𝑎𝑏𝑜𝑟𝑒𝑟 𝑒𝑡 𝑙𝑒 𝑑é𝑣𝑒𝑙𝑜𝑝𝑝𝑒𝑚𝑒𝑛𝑡 𝑝𝑙𝑢𝑠 𝑝𝑟𝑜𝑚𝑒𝑡𝑡𝑒𝑢𝑟.

𝑆𝑜𝑛 𝑢𝑡𝑖𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑒𝑠𝑡 𝑡𝑟è𝑠 𝑖𝑚𝑝𝑜𝑟𝑡𝑎𝑛𝑡𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑐𝑡𝑖𝑜𝑛 𝑑 ′ 𝑖𝑚𝑚𝑒𝑢𝑏𝑙𝑒𝑠, 𝑑𝑒 𝑏𝑎𝑟𝑟𝑎𝑔𝑒𝑠, 𝑑 ′ 𝑎𝑢𝑡𝑜𝑟𝑜𝑢𝑡𝑒𝑠, …

𝒅) 𝑬𝒕𝒂𝒃𝒍𝒊𝒔𝒔𝒆𝒎𝒆𝒏𝒕 𝒅′ 𝒖𝒏 𝒐𝒓𝒅𝒐𝒏𝒏𝒂𝒏𝒄𝒆𝒎𝒆𝒏𝒕

𝐷è𝑠 𝑞𝑢𝑒 𝑙𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑠𝑜𝑛𝑡 𝑐𝑜𝑚𝑝𝑎𝑡𝑖𝑏𝑙𝑒𝑠, 𝑙𝑒 𝑐𝑟𝑖𝑡è𝑟𝑒 𝑝𝑟𝑖𝑛𝑐𝑖𝑝𝑎𝑙 𝑒𝑠𝑡 𝑙𝑎 𝑚𝑖𝑛𝑖𝑚𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝑙𝑎 𝑑𝑢𝑟é𝑒 𝑡𝑜𝑡𝑎𝑙𝑒

𝑑𝑒 𝑟é𝑎𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑡𝑟𝑎𝑣𝑎𝑢𝑥.

𝒆) 𝑫é𝒕𝒆𝒓𝒎𝒊𝒏𝒂𝒕𝒊𝒐𝒏 𝒅𝒖 𝒄𝒉𝒆𝒎𝒊𝒏 𝒄𝒓𝒊𝒕𝒊𝒒𝒖𝒆 𝒆𝒕 é𝒏𝒖𝒎é𝒓𝒂𝒕𝒊𝒐𝒏 𝒅𝒆𝒔 𝒕â𝒄𝒉𝒆𝒔 𝒄𝒓𝒊𝒕𝒊𝒒𝒖𝒆𝒔

𝐿𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒𝑠 𝑠𝑜𝑛𝑡 𝑐𝑒𝑙𝑙𝑒 𝑑𝑜𝑛𝑡 𝑙 ′ 𝑒𝑥é𝑐𝑢𝑡𝑖𝑜𝑛 𝑛𝑒 𝑝𝑒𝑢𝑡 ê𝑡𝑟𝑒 𝑟𝑒𝑡𝑎𝑟𝑑é𝑒 𝑛𝑖 𝑟𝑎𝑙𝑒𝑛𝑡𝑖𝑒 𝑠𝑎𝑛𝑠 𝑞𝑢𝑒 𝑙𝑎 𝑑𝑢𝑟é𝑒

𝑡𝑜𝑡𝑎𝑙𝑒 𝑑𝑒𝑠 𝑡𝑟𝑎𝑣𝑎𝑢𝑥 𝑛𝑒 𝑠𝑜𝑖𝑡 𝑎𝑢𝑔𝑚𝑒𝑛𝑡é𝑒. 𝐿𝑒 𝑜𝑢 𝑙𝑒𝑠 𝑐ℎ𝑒𝑚𝑖𝑛𝑠 𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒𝑠 𝑣𝑖𝑠𝑢𝑎𝑙𝑖𝑠𝑒𝑛𝑡 𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠
80
𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒𝑠 𝑠𝑢𝑟 𝑙𝑒 𝑔𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒 𝑑𝑒𝑠 𝑜𝑟𝑑𝑜𝑛𝑛𝑎𝑛𝑐𝑒𝑚𝑒𝑛𝑡𝑠.

𝟑) 𝑷𝒓𝒂𝒕𝒊𝒒𝒖𝒆 𝒅𝒆𝒔 𝑴é𝒕𝒉𝒐𝒅𝒆𝒔

𝒂) 𝑳𝒂 𝒎é𝒕𝒉𝒐𝒅𝒆 𝑴𝑷𝑴

𝑬𝒍é𝒎é𝒏𝒕𝒔 𝒅𝒖 𝒈𝒓𝒂𝒑𝒉𝒆𝒔

− 𝐶ℎ𝑎𝑞𝑢𝑒 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝑒𝑠𝑡 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡é𝑒 𝑝𝑎𝑟 𝑢𝑛 𝑠𝑜𝑚𝑚𝑒𝑡,

− 𝐶ℎ𝑎𝑞𝑢𝑒 𝑠𝑜𝑚𝑚𝑒𝑡 𝑒𝑠𝑡 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡é 𝑝𝑎𝑟 𝑢𝑛 𝑟𝑒𝑐𝑡𝑎𝑛𝑔𝑙𝑒 𝑑𝑎𝑛𝑠 𝑙𝑒𝑞𝑢𝑒𝑙 𝑜𝑛 𝑖𝑛𝑠𝑐𝑟𝑖𝑡 𝑙𝑒 𝑛𝑢𝑚é𝑟𝑜 𝑑𝑒 𝑐𝑜𝑑𝑒 𝑑𝑒 𝑙𝑎

𝑡â𝑐ℎ𝑒 𝑎𝑠𝑠𝑜𝑐𝑖é𝑒. 𝐼𝑙 𝑐𝑜𝑛𝑣𝑖𝑒𝑛𝑡 𝑑𝑒 𝑐𝑜𝑛𝑠𝑖𝑑é𝑟𝑒𝑟 𝑞𝑢𝑒 𝑙𝑒 𝑠𝑜𝑚𝑚𝑒𝑡 𝑛° 𝑖 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑒 𝑙𝑒 𝑑é𝑏𝑢𝑡 𝑑𝑒 𝑙𝑎 𝑡â𝑐ℎ𝑒 𝑖,

− 𝐶ℎ𝑎𝑞𝑢𝑒 𝑎𝑟𝑐 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑒 𝑢𝑛𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑑𝑒 𝑠𝑢𝑐𝑐𝑒𝑠𝑠𝑖𝑜𝑛.

− 𝑂𝑛 𝑖𝑛𝑡𝑟𝑜𝑑𝑢𝑖𝑡 𝑢𝑛𝑒 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝑖𝑛𝑖𝑡𝑖𝑎𝑙𝑒 𝑟𝑒𝑝é𝑡é 𝑝𝑎𝑟 𝑢𝑛 𝑠𝑜𝑚𝑚𝑒𝑡 𝑛𝑜𝑡é 𝐸 ( 𝑝𝑜𝑢𝑟 𝐸𝑛𝑡𝑟é𝑒) 𝑜𝑢 𝐷

(𝑝𝑜𝑢𝑟 𝐷é𝑝𝑎𝑟𝑡 𝑜𝑢 𝐷é𝑚𝑎𝑟𝑟𝑎𝑔𝑒) 𝑜𝑢 1 (𝑝𝑜𝑢𝑟 𝑙𝑎 𝑝𝑟𝑒𝑚𝑖è𝑟𝑒 é𝑡𝑎𝑝𝑒), 𝑐𝑒 𝑞𝑢𝑖 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑 𝑎𝑢 𝑑é𝑚𝑎𝑟𝑟𝑎𝑔𝑒 𝑑𝑒𝑠

𝑡𝑟𝑎𝑣𝑎𝑢𝑥, 𝑎𝑖𝑛𝑠𝑖 𝑞𝑢′ 𝑢𝑛𝑒 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑙𝑒 𝑜𝑢 𝑓𝑖𝑛𝑎𝑙𝑒 à 𝑙𝑎𝑞𝑢𝑒𝑙𝑙𝑒 𝑜𝑛 𝑎𝑠𝑠𝑜𝑐𝑖𝑒 𝑢𝑛 𝑠𝑜𝑚𝑚𝑒𝑡 𝑛𝑢𝑚é𝑟𝑜𝑡é

𝐹 ( 𝑝𝑜𝑢𝑟 𝐹𝑖𝑛𝑎𝑙) 𝑜𝑢 𝑁 (𝑑𝑒𝑟𝑛𝑖è𝑟𝑒 é𝑡𝑎𝑝𝑒), 𝑞𝑢𝑖 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑 à 𝑙𝑎 𝑙𝑖𝑣𝑟𝑎𝑖𝑠𝑜𝑛 𝑑𝑒𝑠 𝑡𝑟𝑎𝑣𝑎𝑢𝑥.

𝑅𝑒𝑚𝑎𝑟𝑞𝑢𝑒

𝐼𝑙 𝑒𝑠𝑡 𝑢𝑛𝑖𝑡𝑖𝑙𝑒 𝑑′ 𝑖𝑛𝑡𝑟𝑜𝑑𝑢𝑖𝑟𝑒 𝑑𝑒𝑠 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑞𝑢𝑖 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑟𝑎𝑖𝑒𝑛𝑡 𝑎𝑢 𝑑é𝑏𝑢𝑡 𝑑𝑒 𝑙𝑎 𝑟é𝑎𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝑐𝑒𝑟𝑡𝑎𝑖𝑛𝑒𝑠

é𝑡𝑎𝑝𝑒𝑠 𝑜𝑢 𝑜𝑏𝑗𝑒𝑐𝑡𝑖𝑓𝑠 𝑝𝑎𝑟𝑡𝑖𝑒𝑙𝑠 𝑜𝑢 𝑑𝑒 𝑝é𝑟𝑖𝑜𝑑𝑒 𝑑 ′ 𝑎𝑡𝑡𝑒𝑛𝑡𝑒.

𝒃) 𝑪𝒐𝒏𝒕𝒓𝒂𝒊𝒏𝒕𝒆𝒔 𝒑𝒐𝒕𝒆𝒏𝒕𝒊𝒆𝒍𝒍𝒆𝒔

𝐿𝑒𝑠 𝑎𝑟𝑐𝑠 𝑑𝑢 𝑔𝑟𝑎𝑝ℎ𝑒 𝑡𝑟𝑎𝑑𝑢𝑖𝑠𝑒𝑛𝑡 𝑙𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑠𝑒𝑙𝑜𝑛 𝑙𝑎 𝑟è𝑔𝑙𝑒 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒 ∶

− 𝑆𝑖 𝑑𝑒𝑢𝑥 𝑠𝑜𝑚𝑚𝑒𝑡𝑠 𝑠𝑜𝑛𝑡 𝑟𝑒𝑙𝑖é𝑠 𝑝𝑎𝑟 𝑢𝑛 𝑎𝑟𝑐, 𝑐𝑒𝑙𝑎 𝑠𝑖𝑔𝑛𝑖𝑓𝑖𝑒 𝑞𝑢𝑒 𝑙 ′ 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝑎𝑠𝑠𝑜𝑐𝑖é𝑒 à 𝑙 ′ 𝑒𝑥𝑡𝑟é𝑚𝑖𝑡é 𝑑𝑒 𝑙 ′ 𝑎𝑟𝑐

𝑑𝑜𝑖𝑡 ê𝑡𝑟𝑒 𝑐𝑜𝑚𝑚𝑒𝑛𝑐é𝑒 𝑝𝑜𝑢𝑟 𝑞𝑢′ 𝑜𝑛 𝑝𝑢𝑖𝑠𝑠𝑒 𝑑é𝑏𝑢𝑡𝑒𝑟 𝑙 ′ 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝑎𝑠𝑠𝑜𝑐𝑖é𝑒 à 𝑙 ′ 𝑒𝑥𝑡𝑟é𝑚𝑖𝑡é 𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑙𝑒 𝑑𝑒 𝑙 ′ 𝑎𝑟𝑐.

− 𝐴 𝑐ℎ𝑎𝑞𝑢𝑒 𝑎𝑟𝑐 𝑒𝑠𝑡 𝑎𝑠𝑠𝑜𝑐𝑖é𝑒 𝑢𝑛𝑒 𝑣𝑎𝑙𝑒𝑢𝑟 𝑛𝑢𝑚é𝑟𝑖𝑞𝑢𝑒 𝑞𝑢𝑖 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑒 𝑠𝑜𝑖𝑡 𝑢𝑛𝑒 𝑑𝑢𝑟é𝑒 𝑜𝑝é𝑟𝑎𝑡𝑜𝑖𝑟𝑒 𝑠𝑜𝑖𝑡 𝑝𝑙𝑢𝑠

𝑔é𝑛é𝑟𝑎𝑙𝑒𝑚𝑒𝑛𝑡 𝑢𝑛 𝑑é𝑙𝑎𝑖.

𝐸𝑥𝑒𝑚𝑝𝑙𝑒

𝐴1 𝐴2 𝐴1 𝐴2

𝐹𝑖𝑔𝑢𝑟𝑒 1 𝐹𝑖𝑔𝑢𝑟𝑒 2
81
𝐿𝑒𝑠 𝑓𝑖𝑔𝑢𝑟𝑒𝑠 1 𝑒𝑡 2 𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑒𝑛𝑡 𝑑𝑒𝑢𝑥 𝑠𝑖𝑡𝑢𝑎𝑡𝑖𝑜𝑛𝑠 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑒𝑠 𝑜ù 𝑙𝑒𝑠 𝑑𝑒𝑢𝑥 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛𝑠 𝐴1 𝑑𝑒 𝑑𝑢𝑟é𝑒 4 𝑒𝑡 𝐴2

𝑑𝑒 𝑑𝑢𝑟é𝑒 1, 𝑑𝑎𝑛𝑠 𝑙𝑒𝑠𝑞𝑢𝑒𝑙𝑙𝑒𝑠 𝐴2 𝑛𝑒 𝑝𝑒𝑢𝑡 𝑑é𝑏𝑢𝑡𝑒𝑟 𝑞𝑢𝑒 𝑠𝑖 𝐴1 𝑒𝑠𝑡 𝑎𝑐ℎ𝑒𝑣é𝑒.

𝐷𝑎𝑛𝑠 𝑙𝑎 𝑓𝑖𝑔𝑢𝑟𝑒 1, 𝑙 ′ 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝐴2 𝑑é𝑚𝑎𝑟𝑟𝑒 4 𝑢𝑛𝑖𝑡é𝑠 𝑑𝑒 𝑡𝑒𝑚𝑝𝑠 𝑎𝑝𝑟è𝑠 𝐴1 .

𝐷𝑎𝑛𝑠 𝑙𝑎 𝑓𝑖𝑔𝑢𝑟𝑒 2, 𝑙 ′ 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝐴2 𝑑é𝑚𝑎𝑟𝑟𝑒 2 𝑢𝑛𝑖𝑡é𝑠 𝑑𝑒 𝑡𝑒𝑚𝑝𝑠 𝑎𝑝𝑟è𝑠 𝐴1 .

𝐸𝑛 𝑐𝑜𝑛𝑐𝑙𝑢𝑠𝑖𝑜𝑛, 𝑙𝑎 𝑣𝑎𝑙𝑒𝑢𝑟 𝑝𝑜𝑡𝑒𝑛𝑡𝑖𝑒𝑙𝑙𝑒 𝑎𝑠𝑠𝑜𝑐𝑖é𝑒 à 𝑙 ′ 𝑎𝑟𝑐 (𝑥𝑖 , 𝑥𝑗 ) 𝑒𝑠𝑡 𝑙𝑒 𝑑é𝑙𝑎𝑖 𝑚𝑖𝑛𝑖𝑚𝑢𝑚 𝑑𝑒 𝑙𝑎 𝑡â𝑐ℎ𝑒 𝑥𝑖 , 𝑎𝑢

𝑏𝑜𝑢𝑡 𝑑𝑢𝑞𝑢𝑒𝑙 𝑝𝑒𝑢𝑡 𝑑é𝑚𝑎𝑟𝑟𝑒𝑟 𝑙𝑎 𝑡â𝑐ℎ𝑒 𝑥𝑗 .

𝐴𝑝𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛

𝑈𝑛 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒 𝑡𝑟𝑎𝑣𝑎𝑢𝑥 𝑐𝑜𝑚𝑝𝑟𝑒𝑛𝑑 7 𝑡â𝑐ℎ𝑒𝑠. 𝐿𝑒 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑐𝑖 − 𝑑𝑒𝑠𝑠𝑜𝑢𝑠 𝑝𝑟é𝑐𝑖𝑠𝑒 𝑙𝑒𝑠 𝑑𝑢𝑟é𝑒𝑠 𝑜𝑝é𝑟𝑎𝑡𝑜𝑖𝑟𝑒𝑠

𝑒𝑛 ℎ𝑒𝑢𝑟𝑒𝑠 𝑒𝑡 𝑙𝑒𝑠 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒𝑠 𝑑𝑒 𝑠𝑢𝑐𝑐𝑒𝑠𝑠𝑖𝑜𝑛.

𝑇â𝑐ℎ𝑒𝑠 𝐷𝑢𝑟é𝑒𝑠 𝑇â𝑐ℎ𝑒𝑠 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑒𝑠

𝐴 3

𝐵 2

𝐶 4 𝐴

𝐷 3 𝐴

𝐸 5 𝐵 ,𝐷

𝐹 4 𝐵 ,𝐷

𝐺 2 𝐶 ,𝐹

𝑅𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑒𝑟 𝑙𝑒 𝑔𝑟𝑎𝑝ℎ𝑒 𝑜𝑟𝑑𝑜𝑛𝑛𝑎𝑛𝑐é 𝑝𝑎𝑟 𝑛𝑖𝑣𝑒𝑎𝑢𝑥 𝑎𝑠𝑠𝑜𝑐𝑖é à 𝑐𝑒 𝑝𝑟𝑜𝑗𝑒𝑡.

82
𝑅é𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛
𝑂𝑛 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟𝑎 𝑑 ′ 𝑎𝑏𝑜𝑟𝑑 𝑙𝑒𝑠 𝑛𝑖𝑣𝑒𝑎𝑢𝑥.

𝐸𝑡𝑎𝑝𝑒 1 ∶ 𝑂𝑛 𝑠𝑢𝑝𝑝𝑟𝑖𝑚𝑒 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑠𝑎𝑛𝑠 𝐸𝑡𝑎𝑝𝑒 2 ∶ 𝑂𝑛 𝑠𝑢𝑝𝑝𝑟𝑖𝑚𝑒 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑑𝑢 𝑛𝑖𝑣𝑒𝑎𝑢 0

𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑠 𝑑𝑢 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑑𝑎𝑛𝑠 𝑙𝑒 𝑟𝑒𝑠𝑡𝑒 𝑑𝑢 𝑡𝑎𝑏𝑙𝑒𝑎𝑢.

𝑥 𝑃(𝑥) 𝑥 𝑃(𝑥)

𝐴 𝐶

𝐵 𝐸

𝐶 𝐴 𝐺 𝐸

𝐸 𝐴 𝐻 𝐸

𝐺 𝐵 ,𝐸 𝐼 𝐶 ,𝐻

𝐻 𝐵 ,𝐸

𝐼 𝐶 ,𝐻 𝑁1 = {𝐶 , 𝐸} 𝑒𝑡 𝑋2 = {𝐺 , 𝐻 , 𝐼}

𝑁0 = {𝐴 , 𝐵} 𝑒𝑡 𝑋1 = {𝐶 , 𝐸 , 𝐺 , 𝐻 , 𝐼}.

𝐸𝑡𝑎𝑝𝑒 3 ∶ 𝑂𝑛 𝑠𝑢𝑝𝑝𝑟𝑖𝑚𝑒 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑑𝑢 𝑛𝑖𝑣𝑒𝑎𝑢 1 𝐸𝑡𝑎𝑝𝑒 4 ∶ 𝐼𝑙 𝑛𝑒 𝑟𝑒𝑠𝑡𝑒 𝑝𝑙𝑢𝑠 𝑞𝑢𝑒 𝑙𝑎 𝑡â𝑐ℎ𝑒 𝐼, 𝑑𝑜𝑛𝑐 𝑙𝑒

𝑑𝑎𝑛𝑠 𝑙𝑒 𝑟𝑒𝑠𝑡𝑒 𝑑𝑢 𝑡𝑎𝑏𝑙𝑒𝑎𝑢. 𝑝𝑟𝑜𝑐𝑒𝑠𝑠𝑢𝑠 𝑠 ′ 𝑎𝑟𝑟ê𝑡𝑒.

𝑥 𝑃(𝑥) 𝑁3 = {𝐼}.

𝐼 𝐻

𝑁2 = {𝐺 , 𝐻} 𝑒𝑡 𝑋3 = {𝐼}

𝑂𝑛 𝑒𝑛 𝑑é𝑑𝑢𝑖𝑡 𝑙𝑎 𝑔𝑟𝑎𝑝ℎ𝑒 𝑜𝑟𝑑𝑜𝑛𝑛𝑎𝑛𝑐é 𝑒𝑛 𝑛𝑖𝑣𝑒𝑎𝑢 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 ∶

83
𝑂𝑛 𝑎 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡é 𝑠𝑢𝑟 𝑙𝑒𝑠 𝑎𝑟𝑐𝑠 𝑑′ 𝑜𝑟𝑖𝑔𝑖𝑛𝑒 𝐴, 𝑙𝑎 𝑑𝑢𝑟é𝑒 𝑜𝑝é𝑟𝑎𝑡𝑜𝑖𝑟𝑒 𝑑𝑒 𝑙𝑎 𝑡â𝑐ℎ𝑒 𝐴.

𝑆𝑖 𝑙 ′ 𝑜𝑛 𝑛𝑜𝑡𝑒 𝐷 𝑙𝑒 𝑑é𝑏𝑢𝑡 𝑒𝑡 𝐹 𝑙𝑎 𝑓𝑖𝑛, 𝑙𝑒𝑠 𝑎𝑟𝑐𝑠 𝑖𝑠𝑠𝑢𝑠 𝑑𝑒 𝐷 𝑠𝑜𝑛𝑡 𝑎𝑓𝑓𝑒𝑐𝑡é𝑠 𝑑𝑒 𝑝𝑜𝑡𝑒𝑛𝑡𝑖𝑒𝑙𝑠

𝑛𝑢𝑙𝑠 𝑝𝑢𝑖𝑠𝑞𝑢𝑒 𝑙𝑎 𝑡â𝑐ℎ𝑒 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑎𝑛𝑡𝑒 𝑒𝑠𝑡 𝑑𝑒 𝑑𝑢𝑟é𝑒 𝑛𝑢𝑙𝑙𝑒.

𝐿𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝐴 𝑒𝑡 𝐵 𝑝𝑒𝑢𝑣𝑒𝑛𝑡 𝑑𝑜𝑛𝑐 𝑐𝑜𝑚𝑚𝑒𝑛𝑐𝑒𝑟 𝑑è𝑠 𝑙𝑒 𝑑é𝑏𝑢𝑡.

𝒄) 𝑳𝒆𝒔 𝒕â𝒄𝒉𝒆𝒔 𝒑𝒂𝒓𝒂𝒍𝒍è𝒍𝒆𝒔

𝑆𝑜𝑖𝑒𝑛𝑡 𝑑𝑒𝑢𝑥 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛𝑠 𝐵 𝑒𝑡 𝐶 𝑑𝑒𝑣𝑎𝑛𝑡 𝑠𝑎𝑡𝑖𝑠𝑓𝑎𝑖𝑟𝑒 𝑎𝑢𝑥 𝑐𝑜𝑛𝑑𝑖𝑡𝑖𝑜𝑛𝑠 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒𝑠 ∶

− 𝑠 ′ 𝑒𝑓𝑓𝑒𝑐𝑡𝑢𝑒𝑟 𝑒𝑛 𝑚ê𝑚𝑒 𝑡𝑒𝑚𝑝𝑠 (𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛𝑠 𝑝𝑎𝑟𝑎𝑙𝑙è𝑙𝑒𝑠),

− 𝑠𝑢𝑐𝑐é𝑑𝑒𝑟 à 𝑢𝑛𝑒 𝑚ê𝑚𝑒 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝐴,

− 𝑝𝑟é𝑐é𝑑𝑒𝑟 𝑢𝑛𝑒 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝐸.

𝐿𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝐴 𝑒𝑡 𝐵 𝑠𝑜𝑛𝑡 𝑑𝑖𝑡𝑒𝑠 𝑝𝑎𝑟𝑎𝑙𝑙è𝑙𝑒𝑠.

𝐸𝑥𝑒𝑚𝑝𝑙𝑒

84
𝐿𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝐴 , 𝐵 , 𝐶 𝑒𝑡 𝐸 𝑠𝑜𝑛𝑡 𝑝𝑎𝑟𝑎𝑙𝑙è𝑙𝑒𝑠

𝒅) 𝑳𝒆𝒔 𝒐𝒑é𝒓𝒂𝒕𝒊𝒐𝒏𝒔 𝒅é𝒑𝒆𝒏𝒅𝒂𝒏𝒕𝒆𝒔 𝒆𝒕 𝒊𝒏𝒅é𝒑𝒆𝒏𝒅𝒂𝒏𝒕𝒆𝒔

𝑆𝑜𝑖𝑒𝑛𝑡 𝑑 ′ 𝑢𝑛𝑒 𝑝𝑎𝑟𝑡 𝐴 𝑒𝑡 𝐵 𝑖𝑛𝑑é𝑝𝑒𝑛𝑑𝑎𝑛𝑡𝑒𝑠 𝑒𝑡 𝑑 ′ 𝑎𝑢𝑡𝑟𝑒 𝑝𝑎𝑟𝑡 𝐶 𝑒𝑡 𝐸.

𝐶𝑒𝑠 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛𝑠 𝑠𝑜𝑛𝑡 𝑡𝑒𝑙𝑙𝑒𝑠 𝑞𝑢𝑒 ∶

− 𝐶 𝑠𝑢𝑐𝑐è𝑑𝑒 à 𝐴 𝑠𝑎𝑛𝑠 𝑠𝑢𝑐𝑐é𝑑𝑒𝑟 à 𝐵 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑒𝑠,

− 𝐸 𝑠𝑢𝑐𝑐è𝑑𝑒 à 𝑙𝑎 𝑓𝑜𝑖𝑠 à 𝐴 𝑒𝑡 à 𝐵,

− 𝑙 ′ 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝐶 𝑑é𝑝𝑒𝑛𝑑 𝑑𝑒 𝐴,

− 𝑙 ′ 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝐸 𝑑é𝑝𝑒𝑛𝑑 𝑑𝑒 𝐴 𝑒𝑡 𝐵.

𝐸𝑥𝑒𝑚𝑝𝑙𝑒

𝑆𝑜𝑖𝑒𝑛𝑡 𝑞𝑢𝑎𝑡𝑟𝑒 𝑡â𝑐ℎ𝑒𝑠 𝐴 , 𝐵 , 𝐶 𝑒𝑡 𝐸 𝑠𝑎𝑡𝑖𝑎𝑓𝑎𝑖𝑠𝑎𝑛𝑡 𝑎𝑢𝑥 𝑐𝑜𝑛𝑑𝑖𝑡𝑖𝑜𝑛𝑠 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑒𝑠, 𝑑𝑒 𝑑𝑢𝑟é𝑒𝑠 𝑟𝑒𝑠𝑝𝑒𝑐𝑡𝑖𝑣𝑒𝑠

3 , 4 , 3 𝑒𝑡 7.

𝐿𝑒 𝑔𝑟𝑎𝑝ℎ𝑒 𝑎𝑠𝑠𝑜𝑐𝑖é 𝑒𝑠𝑡 𝑎𝑙𝑜𝑟𝑠 ∶

𝐿𝑒𝑠 𝑎𝑟𝑐𝑠 𝑖𝑠𝑠𝑢𝑠 𝑑𝑒 𝐶 𝑎𝑢𝑟𝑜𝑛𝑡 𝑢𝑛 𝑝𝑜𝑡𝑒𝑛𝑡𝑖𝑒𝑙 3 𝑒𝑡 𝑐𝑒𝑢𝑥 𝑑𝑒 𝐸 𝑢𝑛 𝑝𝑜𝑡𝑒𝑛𝑡𝑖𝑒𝑙 7.

85
𝒄) 𝑳𝒆𝒔 𝒐𝒑é𝒓𝒂𝒕𝒊𝒐𝒏𝒔 𝒄𝒐𝒎𝒑𝒐𝒔é𝒆𝒔

𝑂𝑛 𝑐𝑜𝑛𝑠𝑖𝑑è𝑟𝑒 𝑢𝑛𝑒 𝑠𝑖𝑡𝑢𝑎𝑡𝑖𝑜𝑛 𝑜ù 𝑐𝑒𝑟𝑡𝑎𝑖𝑛𝑒𝑠 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛𝑠 𝑝𝑒𝑢𝑣𝑒𝑛𝑡 𝑑é𝑏𝑢𝑡𝑒𝑟 𝑎𝑣𝑎𝑛𝑡 𝑙 ′ 𝑎𝑐ℎè𝑣𝑒𝑚𝑒𝑛𝑡 𝑐𝑜𝑚𝑝𝑙𝑒𝑡

𝑑′ 𝑢𝑛𝑒 𝑡â𝑐ℎ𝑒.

𝐸𝑥𝑒𝑚𝑝𝑙𝑒

𝐿𝑎 𝑡â𝑐ℎ𝑒 𝐴 𝑑𝑢𝑟𝑒 2 𝑗𝑜𝑢𝑟𝑠

𝐿𝑎 𝑡â𝑐ℎ𝑒 𝐵 𝑑𝑢𝑟𝑒 7 𝑗𝑜𝑢𝑟𝑠 𝑒𝑡 𝑠𝑢𝑐𝑐è𝑑𝑒 à 𝐴.

𝐿𝑎 𝑡â𝑐ℎ𝑒 𝐸 𝑑𝑒 𝑑𝑢𝑟é𝑒 2 𝑗𝑜𝑢𝑟𝑠 𝑠𝑢𝑐𝑐è𝑑𝑒 à 𝐵.

𝐿𝑎 𝑡â𝑐ℎ𝑒 𝐶 𝑑𝑒 𝑑𝑢𝑟é𝑒 3 𝑗𝑜𝑢𝑟𝑠 𝑝𝑒𝑢𝑡 𝑑é𝑏𝑢𝑡𝑒𝑟 1 𝑗𝑜𝑢𝑟 𝑎𝑝𝑟è𝑠 𝑙𝑒 𝑑é𝑏𝑢𝑡 𝑑𝑒 𝐵.

𝐿𝑎 𝑡â𝑐ℎ𝑒 𝐷 𝑑𝑒 𝑑𝑢𝑟é𝑒 4 𝑗𝑜𝑢𝑟𝑠 𝑝𝑒𝑢𝑡 𝑑é𝑏𝑢𝑡𝑒𝑟 3 𝑗𝑜𝑢𝑟𝑠 𝑎𝑝𝑟è𝑠 𝑙𝑒 𝑑é𝑏𝑢𝑡 𝑑𝑒 𝐵

𝑂𝑛 𝑝𝑜𝑢𝑟𝑟𝑎𝑖𝑡 𝑡𝑜𝑢𝑡 𝑑′ 𝑎𝑏𝑜𝑟𝑑 𝑓𝑟𝑎𝑐𝑡𝑖𝑜𝑛𝑛𝑒𝑟 𝑐𝑒𝑡𝑡𝑒 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝑠𝑜𝑢𝑠 𝑙𝑎 𝑓𝑜𝑟𝑚𝑒 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒:

𝐶𝑒𝑝𝑒𝑛𝑑𝑎𝑛𝑡, 𝑙𝑒𝑠 𝐵1 , 𝐵2 𝑒𝑡 𝐵3 𝑝𝑒𝑢𝑣𝑒𝑛𝑡 ê𝑡𝑟𝑒 𝑐𝑜𝑛𝑑𝑒𝑛𝑠é𝑠 𝑒𝑛 𝑢𝑛 𝑠𝑒𝑢𝑙 𝐵, 𝑒𝑛 𝑚𝑜𝑑𝑖𝑓𝑖𝑎𝑛𝑡 𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑒𝑚𝑒𝑛𝑡 𝑙𝑒𝑠

𝑝𝑜𝑡𝑒𝑛𝑡𝑖𝑒𝑙𝑠 𝑠𝑢𝑟 𝑙𝑒𝑠 𝑎𝑟𝑐𝑠 𝑖𝑠𝑠𝑢𝑠 𝑠𝑒 𝐵.

𝑂𝑛 𝑜𝑏𝑡𝑖𝑒𝑛𝑡 𝑙𝑎 𝑓𝑖𝑔𝑢𝑟𝑒 𝑑𝑒 𝑡â𝑐ℎ𝑒𝑠 𝑐𝑜𝑚𝑝𝑜𝑠é𝑒 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒 ∶

86
𝒆) 𝑳𝒆𝒔 𝒄𝒐𝒏𝒅𝒊𝒕𝒊𝒐𝒏𝒔 𝒍𝒊𝒎𝒊𝒕𝒆𝒔 𝒅𝒆 𝒅é𝒎𝒂𝒓𝒓𝒂𝒈𝒆

𝐷𝑎𝑛𝑠 𝑐𝑒𝑟𝑡𝑎𝑖𝑛𝑠 𝑐𝑎𝑠 (𝑙𝑖𝑣𝑟𝑎𝑖𝑠𝑜𝑛 𝑑𝑒 𝑚𝑎𝑡é𝑟𝑖𝑎𝑢𝑥, … ), 𝑖𝑙 𝑎𝑟𝑟𝑖𝑣𝑒 𝑞𝑢′ 𝑢𝑛𝑒 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝑞𝑢𝑖

𝑑𝑜𝑖𝑡 𝑛𝑜𝑟𝑚𝑎𝑙𝑒𝑚𝑒𝑛𝑡 𝑠𝑢𝑐𝑐é𝑑𝑒𝑟 à 𝑑 ′ 𝑎𝑢𝑡𝑟𝑒𝑠 𝑠𝑎𝑛𝑠 𝑎𝑡𝑡𝑒𝑛𝑡𝑒 𝑖𝑚𝑝𝑜𝑠é𝑒, 𝑛𝑒 𝑝𝑢𝑖𝑠𝑠𝑒 ê𝑡𝑟𝑒

𝑒𝑛𝑡𝑟𝑒𝑝𝑟𝑖𝑠𝑒 𝑞𝑢′ 𝑎𝑝𝑟è𝑠 𝑢𝑛𝑒 𝑐𝑒𝑟𝑡𝑎𝑖𝑛𝑒 𝑑𝑎𝑡𝑒 𝑞𝑢𝑖 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑒 𝑢𝑛 𝑑é𝑙𝑎𝑖 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛é 𝑝𝑎𝑟

𝑟𝑎𝑝𝑝𝑜𝑟𝑡 à 𝑙𝑎 𝑑𝑎𝑡𝑒 𝑑𝑒 𝑑é𝑚𝑎𝑟𝑟𝑎𝑔𝑒 𝑑𝑒𝑠 𝑡𝑟𝑎𝑣𝑎𝑢𝑥.

𝑂𝑛 𝑒𝑥𝑝𝑟𝑖𝑚𝑒 𝑐𝑒𝑡𝑡𝑒 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑝𝑎𝑟𝑡𝑖𝑐𝑢𝑙𝑖è𝑟𝑒 𝑑𝑒 𝑙𝑎𝑛𝑐𝑒𝑚𝑒𝑛𝑡 𝑑𝑒 𝑡𝑒𝑙𝑙𝑒𝑠 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛𝑠 𝑝𝑎𝑟

𝑑𝑒𝑠 𝑎𝑟𝑐𝑠 𝑒𝑡 𝑙𝑎 𝑣𝑎𝑙𝑢𝑎𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑎𝑟𝑐𝑠 𝑎𝑖𝑛𝑠𝑖 𝑖𝑛𝑡𝑟𝑜𝑑𝑢𝑖𝑡𝑠 𝑒𝑠𝑡 0 𝑐𝑎𝑟 𝑐ℎ𝑜𝑖𝑠𝑖𝑒 𝑐𝑜𝑚𝑚𝑒 𝑑𝑎𝑡𝑒

𝑑𝑒 𝑑é𝑏𝑢𝑡 𝑑𝑒𝑠 𝑡𝑟𝑎𝑣𝑎𝑢𝑥.

𝐸𝑥𝑒𝑚𝑝𝑙𝑒

− 𝐵 𝑑𝑒 𝑑𝑢𝑟é𝑒 2 𝑗𝑜𝑢𝑟𝑠 𝑠𝑢𝑐𝑐è𝑑𝑒 à 𝐴 𝑑𝑒 𝑑𝑢𝑟é𝑒 3 𝑗𝑜𝑢𝑟𝑠 𝑚𝑎𝑖𝑠 𝑛𝑒 𝑝𝑒𝑢𝑡 𝑑é𝑏𝑢𝑡𝑒𝑟 𝑞𝑢′ 𝑎𝑝𝑟è𝑠

𝑢𝑛 𝑑é𝑙𝑎𝑖 𝑑𝑒 10 𝑗𝑜𝑢𝑟𝑠 𝑎𝑝𝑟è𝑠 𝑙𝑒 𝑑é𝑏𝑢𝑡 𝑑𝑒𝑠 𝑡𝑟𝑎𝑣𝑎𝑢𝑥.

− 𝐵 𝑑𝑒 𝑑𝑢𝑟é𝑒 2 𝑗𝑜𝑢𝑟𝑠 𝑒𝑡 𝐶 𝑑𝑒 𝑑𝑢𝑟é𝑒 1 𝑗𝑜𝑢𝑟 𝑠𝑢𝑐𝑐è𝑑𝑒𝑛𝑡 à 𝐴 𝑑𝑒 𝑑𝑢𝑟é𝑒 3 𝑗𝑜𝑢𝑟𝑠 𝑚𝑎𝑖𝑠 𝑛𝑒 𝑝𝑒𝑢𝑣𝑒𝑛𝑡 𝑑é𝑚𝑎𝑟𝑟𝑒𝑟

𝑞𝑢𝑒 10 𝑗𝑜𝑢𝑟𝑠 𝑎𝑝𝑟è𝑠 𝑙𝑒 𝑑é𝑏𝑢𝑡 𝑑𝑒𝑠 𝑡𝑟𝑎𝑣𝑎𝑢𝑥.

𝑅𝑒𝑚𝑎𝑟𝑞𝑢𝑒

𝐿𝑒𝑠 𝑔𝑟𝑎𝑝ℎ𝑒𝑠 𝑎𝑖𝑛𝑠𝑖 𝑜𝑏𝑡𝑒𝑛𝑢𝑠 𝑠𝑜𝑛𝑡 𝑒𝑥𝑒𝑚𝑝𝑡𝑠 𝑑𝑒 𝑐𝑖𝑟𝑐𝑢𝑖𝑡, 𝑠𝑎𝑛𝑠 𝑞𝑢𝑜𝑖 𝑢𝑛𝑒 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛 𝑝𝑜𝑢𝑟𝑟𝑎𝑖𝑡 𝑓𝑎𝑖𝑟𝑒 𝑠𝑢𝑖𝑡𝑒 à 𝑒𝑙𝑙𝑒
87
𝑚ê𝑚𝑒. 𝑂𝑛 𝑝𝑒𝑢𝑡 𝑑𝑜𝑛𝑐 𝑙𝑒𝑠 𝑜𝑟𝑑𝑜𝑛𝑛𝑎𝑛𝑐𝑒𝑟 𝑒𝑛 𝑛𝑖𝑣𝑒𝑎𝑢𝑥.

𝒇) 𝑹𝒆𝒑𝒓é𝒔𝒆𝒏𝒕𝒂𝒕𝒊𝒐𝒏

𝐸𝑛 𝑔é𝑛é𝑟𝑎𝑙 , 𝑢𝑛 𝑠𝑜𝑚𝑚𝑒𝑡 𝑒𝑠𝑡 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡é 𝑑𝑒 𝑙𝑎 𝑓𝑎ç𝑜𝑛 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒 ∶

∎ 𝑁𝑜𝑚 ∶ 𝑙𝑒 𝑛𝑜𝑚 𝑑𝑒 𝑙 ′ é𝑡𝑎𝑝𝑒.

∎ 𝐷𝑇𝑇 ∶ 𝑙𝑎 𝑑𝑎𝑡𝑒 𝑎𝑢 𝑝𝑙𝑢𝑠 𝑡ô𝑡.

𝑁𝑜𝑚
∎ 𝐷𝑇𝐴 ∶ 𝑙𝑎 𝑑𝑎𝑡𝑒 𝑎𝑢 𝑝𝑙𝑢𝑠 𝑡𝑎𝑟𝑑. 𝐷𝑇𝑇 𝐷𝑇𝐴

𝐴𝑝𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛

𝑂𝑛 𝑑𝑜𝑛𝑛𝑒 𝑙𝑒 𝑝𝑟𝑜𝑗𝑒𝑡 𝑑𝑒 𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑐𝑡𝑖𝑜𝑛 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 ∶

𝑇â𝑐ℎ𝑒𝑠 𝐷𝑒𝑠𝑐𝑟𝑖𝑝𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝐼𝑛𝑡𝑒𝑟𝑑é𝑝𝑒𝑛𝑑𝑎𝑛𝑐𝑒 𝑑𝑒 𝑡â𝑐ℎ𝑒𝑠 𝐷𝑢𝑟é𝑒

𝐿𝑎𝑛𝑐𝑒𝑚𝑒𝑛𝑡 𝑑𝑒𝑠 𝑝𝑜𝑢𝑡𝑟𝑒𝑠
𝐴 𝐷é𝑏𝑢𝑡𝑒 𝑎𝑣𝑎𝑛𝑡 𝑡𝑜𝑢𝑡𝑒 𝑡â𝑐ℎ𝑒 1
𝑝𝑟é𝑓𝑎𝑏𝑟𝑖𝑞𝑢é𝑒𝑠
𝐵 𝐶𝑜𝑓𝑓𝑟𝑎𝑔𝑒 𝑑𝑒𝑠 𝑑𝑎𝑙𝑙𝑒𝑠 𝑆𝑢𝑐𝑐è𝑑𝑒 à 𝐴 3
𝐶 𝑇𝑒𝑟𝑟𝑎𝑖𝑙𝑙𝑎𝑔𝑒 𝑑𝑒𝑠 𝑑𝑎𝑙𝑙𝑒𝑠 𝑆𝑢𝑖𝑡 𝑙𝑎 𝑡â𝑐ℎ𝑒 𝐵 1
𝐷 𝐵é𝑡𝑜𝑛𝑛𝑎𝑔𝑒 𝑑𝑒𝑠 𝑑𝑎𝑙𝑙𝑒𝑠 𝑆𝑢𝑖𝑡 𝑙𝑎 𝑡â𝑐ℎ𝑒 𝐶 1
𝑆𝑢𝑖𝑡 𝐷, 𝑑𝑜𝑖𝑡 ê𝑡𝑟𝑒 𝑡𝑒𝑟𝑚𝑖𝑛é𝑒
𝐸 𝐷𝑢𝑟𝑐𝑖𝑠𝑠𝑒𝑚𝑒𝑛𝑡 𝑑𝑒𝑠 𝑑𝑎𝑙𝑙𝑒𝑠 7
𝑎𝑣𝑎𝑛𝑡 𝑞𝑢𝑒 𝑃 𝑛𝑒 𝑐𝑜𝑚𝑚𝑒𝑛𝑐𝑒
𝐶𝑜𝑓𝑓𝑟𝑎𝑔𝑒 𝑑𝑒𝑠 𝑑𝑎𝑙𝑙𝑒𝑠 𝑑𝑢 𝑆𝑢𝑖𝑡 𝐵 𝑝𝑒𝑢𝑡 ê𝑡𝑟𝑒 𝑒𝑥é𝑐𝑢𝑡é𝑒 𝑒𝑛
𝐹 4
𝑡𝑟𝑜𝑡𝑡𝑜𝑖𝑟 𝑚ê𝑚𝑒 𝑡𝑒𝑚𝑝𝑠 𝑞𝑢𝑒 𝐶 𝑒𝑡 𝐺𝐵 , 𝐷
𝑀𝑖𝑠𝑒 𝑒𝑛 𝑝𝑙𝑎𝑐𝑒 𝑑𝑒𝑠 𝑔𝑢𝑖𝑑𝑒𝑠 𝑆𝑢𝑐𝑐è𝑑𝑒 à 𝐵, 𝑝𝑒𝑢𝑡 ê𝑡𝑟𝑒 𝑒𝑥é𝑐𝑢𝑡é𝑒
𝐺 1
𝑟𝑜𝑢𝑒𝑠 𝑒𝑛 𝑚ê𝑚𝑒 𝑡𝑒𝑚𝑝𝑠 𝑞𝑢𝑒 𝐶𝑒𝑡 𝐹
𝐹𝑒𝑟𝑟𝑎𝑖𝑙𝑙𝑎𝑔𝑒 𝑑𝑒𝑠 𝑑𝑎𝑙𝑙𝑒𝑠 𝑑𝑒 𝑆𝑢𝑖𝑡 𝐹 𝑒𝑡 𝐶. 𝐷𝑜𝑖𝑡 ê𝑡𝑟𝑒 𝑡𝑒𝑟𝑚𝑖𝑛é𝑒
𝐻 1
𝑡𝑟𝑜𝑡𝑡𝑜𝑖𝑟 𝑎𝑣𝑎𝑛𝑡 𝑞𝑢𝑒 𝑛𝑒 𝑑é𝑏𝑢𝑡𝑒 𝐽
𝐵é𝑡𝑜𝑛𝑛𝑎𝑔𝑒 𝑑𝑒𝑠 𝑑𝑎𝑙𝑙𝑒𝑠 𝑑𝑢
𝐽 𝑆𝑢𝑖𝑡 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝐻 𝑒𝑡 𝐷 1
𝑡𝑟𝑜𝑡𝑡𝑜𝑖𝑟
𝐷𝑢𝑟𝑐𝑖𝑠𝑠𝑒𝑚𝑒𝑛𝑡 𝑑𝑒𝑠 𝑑𝑎𝑙𝑙𝑒𝑠 𝑆𝑢𝑖𝑡 𝐽, 𝑑𝑜𝑖𝑡 ê𝑡𝑟𝑒 𝑡𝑒𝑟𝑚𝑖𝑛é𝑒
𝐾 7
𝑑𝑢 𝑡𝑟𝑜𝑡𝑡𝑜𝑖𝑟 𝑎𝑣𝑎𝑛𝑡 𝑞𝑢𝑒 𝑛𝑒 𝑐𝑜𝑚𝑚𝑒𝑛𝑐𝑒 𝑄
𝐸𝑥é𝑐𝑢𝑡𝑖𝑜𝑛 𝑑𝑢 𝑟𝑒𝑣ê𝑡𝑒𝑚𝑒𝑛𝑡 𝑝𝑒𝑢𝑡 𝑑é𝑏𝑢𝑡𝑒𝑟 3 𝑠𝑒𝑚𝑎𝑖𝑛𝑒𝑠
𝐿 1
𝑏𝑖𝑡𝑢𝑚𝑒𝑢𝑥 𝑎𝑝𝑟è𝑠 𝑙𝑒 𝑑é𝑏𝑢𝑡 𝑑𝑒 𝐸
𝐸𝑥é𝑐𝑢𝑡𝑖𝑜𝑛 𝑑𝑢 𝑟𝑒𝑣ê𝑡𝑒𝑚𝑒𝑛𝑡 𝑃𝑒𝑢𝑡 𝑑é𝑏𝑢𝑡𝑒𝑟 3 𝑠𝑒𝑚𝑎𝑖𝑛𝑒𝑠 𝑎𝑝𝑟è𝑠
𝑀 1
𝑑𝑒𝑠 𝑑𝑎𝑙𝑙𝑒𝑠 𝑑𝑒 𝑡𝑟𝑜𝑡𝑡𝑜𝑖𝑟 𝑙𝑒 𝑑é𝑏𝑢𝑡 𝑑𝑒 𝐾 𝑒𝑡 𝑠𝑢𝑖𝑡 𝐿
𝑀𝑖𝑠𝑒 𝑒𝑛 𝑝𝑙𝑎𝑐𝑒 𝑑𝑒𝑠 𝑆𝑢𝑖𝑡 𝐾 3 𝑠𝑒𝑚𝑎𝑖𝑛𝑒𝑠 𝑎𝑝𝑟è𝑠 𝑠𝑜𝑛
𝑁 1
𝑔𝑎𝑟𝑑𝑒 − 𝑓𝑜𝑢𝑠 𝑑é𝑏𝑢𝑡
𝑃 𝐷é𝑐𝑜𝑓𝑓𝑟𝑎𝑔𝑒 𝑑𝑒𝑠 𝑑𝑎𝑙𝑙𝑒𝑠 𝑒𝑡 𝑆𝑢𝑐𝑐è𝑑𝑒 à 𝐸 2
88
 𝑓𝑖𝑛𝑖𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑝𝑎𝑟𝑒𝑚𝑒𝑛𝑡𝑠
𝐷é𝑐𝑜𝑓𝑓𝑟𝑎𝑔𝑒 𝑑𝑒𝑠 𝑑𝑎𝑙𝑙𝑒𝑠 𝑑𝑒
𝑄 𝑆𝑢𝑐𝑐è𝑑𝑒 à 𝐾 2
𝑡𝑟𝑜𝑡𝑡𝑜𝑖𝑟

𝑇𝑟𝑎𝑣𝑎𝑖𝑙 à 𝑓𝑎𝑖𝑟𝑒

1) 𝑂𝑟𝑑𝑜𝑛𝑛𝑎𝑛𝑐𝑒𝑟 𝑙𝑒 𝑔𝑟𝑎𝑝ℎ𝑒 𝑝𝑎𝑟 𝑛𝑖𝑣𝑒𝑎𝑢𝑥.

2) 𝑇𝑟𝑎𝑐𝑒𝑟 𝑙𝑒 𝑔𝑟𝑎𝑝ℎ𝑒 𝑒𝑛 é𝑣𝑖𝑡𝑎𝑛𝑡 𝑞𝑢𝑒 𝑙𝑒𝑠 𝑎𝑟𝑐𝑠 𝑠𝑒 𝑐𝑜𝑢𝑝𝑒𝑛𝑡.

3) 𝐷é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟 𝑙𝑒 𝑜𝑢 𝑙𝑒𝑠 𝑐ℎ𝑒𝑚𝑖𝑛(𝑠)𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒(𝑠).

𝑅é𝑠𝑜𝑙𝑢𝑡𝑖𝑜𝑛
1) 𝑂𝑟𝑑𝑜𝑛𝑛𝑎𝑛𝑐𝑒𝑚𝑒𝑛𝑡 𝑝𝑎𝑟 𝑛𝑖𝑣𝑒𝑎𝑢𝑥

𝑥 𝐴 𝐵 𝐶 𝐷 𝐸 𝐹 𝐺 𝐻 𝐽 K 𝐿 𝑀 𝑁 𝑃 𝑄

𝑃(𝑥) 𝐴 𝐵 𝐶 𝐷 𝐵 𝐵 𝐹, 𝐶 𝐻, 𝐷 𝐽 𝐸 𝐿, 𝐾 𝐾 𝐸 𝐾

𝑁0 = {𝐴} , 𝑟(𝐴) = 0 𝑒𝑡 𝑜𝑛 𝑏𝑎𝑟𝑟𝑒 𝐴 𝑑𝑎𝑛𝑠 𝑙𝑒 𝑑𝑖𝑐𝑡𝑖𝑜𝑛𝑛𝑎𝑖𝑟𝑒.

𝑥 𝐴 𝐵 𝐶 𝐷 𝐸 𝐹 𝐺 𝐻 𝐽 K 𝐿 𝑀 𝑁 𝑃 𝑄

𝑃(𝑥) 𝐴 𝐵 𝐶 𝐷 𝐵 𝐵 𝐹, 𝐶 𝐻, 𝐷 𝐽 𝐸 𝐿, 𝐾 𝐾 𝐸 𝐾

𝑁1 = {𝐵} , 𝑟(𝐵) = 1 𝑒𝑡 𝑜𝑛 𝑏𝑎𝑟𝑟𝑒 𝐵 𝑑𝑎𝑛𝑠 𝑙𝑒 𝑑𝑖𝑐𝑡𝑖𝑜𝑛𝑛𝑎𝑖𝑟𝑒.

𝑥 𝐴 𝐵 𝐶 𝐷 𝐸 𝐹 𝐺 𝐻 𝐽 K 𝐿 𝑀 𝑁 𝑃 𝑄

𝑃(𝑥) 𝐴 𝐵 𝐶 𝐷 𝐵 𝐵 𝐹, 𝐶 𝐻, 𝐷 𝐽 𝐸 𝐿, 𝐾 𝐾 𝐸 𝐾

𝑁2 = {𝐶 , 𝐹 , 𝐺} , 𝑟(𝐶) = 𝑟(𝐹) = 𝑟(𝐺) = 2 𝑒𝑡 𝑜𝑛 𝑏𝑎𝑟𝑟𝑒 𝐶 , 𝐹 𝑒𝑡 𝐺 𝑑𝑎𝑛𝑠 𝑙𝑒 𝑑𝑖𝑐𝑡𝑖𝑜𝑛𝑛𝑎𝑖𝑟𝑒.

𝑥 𝐴 𝐵 𝐶 𝐷 𝐸 𝐹 𝐺 𝐻 𝐽 K 𝐿 𝑀 𝑁 𝑃 𝑄

𝑃(𝑥) 𝐴 𝐵 𝐶 𝐷 𝐵 𝐵 𝐹, 𝐶 𝐻, 𝐷 𝐽 𝐸 𝐿, 𝐾 𝐾 𝐸 𝐾

𝑁3 = {𝐷 , 𝐻} , 𝑟(𝐷) = 𝑟(𝐻) = 3 𝑒𝑡 𝑜𝑛 𝑏𝑎𝑟𝑟𝑒 𝐷 𝑒𝑡 𝐻 𝑑𝑎𝑛𝑠 𝑙𝑒 𝑑𝑖𝑐𝑡𝑖𝑜𝑛𝑛𝑎𝑖𝑟𝑒.

𝑥 𝐴 𝐵 𝐶 𝐷 𝐸 𝐹 𝐺 𝐻 𝐽 K 𝐿 𝑀 𝑁 𝑃 𝑄

89
 𝑃(𝑥) 𝐴 𝐵 𝐶 𝐷 𝐵 𝐵 𝐹, 𝐶 𝐻, 𝐷 𝐽 𝐸 𝐿, 𝐾 𝐾 𝐸 𝐾

𝑁4 = {𝐸 , 𝐽} , 𝑟(𝐸) = 𝑟(𝐽) = 4 𝑒𝑡 𝑜𝑛 𝑏𝑎𝑟𝑟𝑒 𝐸 𝑒𝑡 𝐽 𝑑𝑎𝑛𝑠 𝑙𝑒 𝑑𝑖𝑐𝑡𝑖𝑜𝑛𝑛𝑎𝑖𝑟𝑒.

𝑥 𝐴 𝐵 𝐶 𝐷 𝐸 𝐹 𝐺 𝐻 𝐽 K 𝐿 𝑀 𝑁 𝑃 𝑄

𝑃(𝑥) 𝐴 𝐵 𝐶 𝐷 𝐵 𝐵 𝐹, 𝐶 𝐻, 𝐷 𝐽 𝐸 𝐿, 𝐾 𝐾 𝐸 𝐾

𝑁5 = {𝐾 , 𝑃 , 𝐿} , 𝑟(𝐾) = 𝑟(𝑃) = 𝑟(𝐿) = 5 𝑒𝑡 𝑜𝑛 𝑏𝑎𝑟𝑟𝑒 𝐾 , 𝑃 𝑒𝑡 𝑙 𝑑𝑎𝑛𝑠 𝑙𝑒 𝑑𝑖𝑐𝑡𝑖𝑜𝑛𝑛𝑎𝑖𝑟𝑒.

𝑥 𝐴 𝐵 𝐶 𝐷 𝐸 𝐹 𝐺 𝐻 𝐽 𝐾 𝐿 𝑀 𝑁 𝑃 𝑄

𝑃(𝑥) 𝐴 𝐵 𝐶 𝐷 𝐵 𝐵 𝐹, 𝐶 𝐻, 𝐷 𝐽 𝐸 𝐿, 𝐾 𝐾 𝐸 𝐾

𝑁6 = {𝑀 , 𝑁 , 𝑄} , 𝑟(𝑀) = 𝑟(𝑁) = 𝑟(𝑄) = 6

2) 𝐿𝑒 𝑔𝑟𝑎𝑝ℎ𝑒 𝑜𝑟𝑑𝑜𝑛𝑛𝑎𝑛𝑐é

90
𝐴𝑝𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛

𝑂𝑛 𝑑𝑜𝑛𝑛𝑒 𝑙𝑒 𝑝𝑟𝑜𝑗𝑒𝑡 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 ∶

𝑇â𝑐ℎ𝑒𝑠 𝑅𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒𝑠 𝑃𝑟é𝑐é𝑑𝑒𝑛𝑡𝑠 𝐷𝑢𝑟é𝑒

𝐷é𝑏𝑢𝑡 0

𝐴 4 10

𝐵 3 8

𝐶 6 𝐴 5

𝐷 6 𝐴 2

𝐸 3 𝐶 𝑒𝑡 𝐷 7

𝐹 4 𝐵 𝑒𝑡 𝐷 15

𝐺 2 5

𝐻 5 𝐸 ,𝐹 ,𝐺 4

𝐹𝑖𝑛 0 𝐻 0

𝑇𝑟𝑎𝑣𝑎𝑖𝑙 à 𝑓𝑎𝑖𝑟𝑒

1) 𝑂𝑟𝑑𝑜𝑛𝑛𝑎𝑛𝑐𝑒𝑟 𝑙𝑒 𝑔𝑟𝑎𝑝ℎ𝑒 𝑝𝑎𝑟 𝑛𝑖𝑣𝑒𝑎𝑢𝑥.

2) 𝑇𝑟𝑎𝑐𝑒𝑟 𝑙𝑒 𝑔𝑟𝑎𝑝ℎ𝑒 𝑒𝑛 é𝑣𝑖𝑡𝑎𝑛𝑡 𝑞𝑢𝑒 𝑙𝑒𝑠 𝑎𝑟𝑐𝑠 𝑠𝑒 𝑐𝑜𝑢𝑝𝑒𝑛𝑡.

3) 𝐷é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟 𝑙𝑒 𝑜𝑢 𝑙𝑒𝑠 𝑐ℎ𝑒𝑚𝑖𝑛(𝑠)𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒(𝑠).

91
𝐴𝑝𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛

𝐿𝑎 𝑠𝑜𝑐𝑖é𝑡é 𝐺𝑇𝐼 𝑎 𝑏𝑒𝑠𝑖𝑜𝑛 𝑑𝑒 𝑣𝑜𝑠 𝑠𝑒𝑟𝑣𝑖𝑐𝑒𝑠 𝑝𝑜𝑢𝑟 𝑖𝑚𝑝𝑙𝑎𝑛𝑡𝑒𝑟 𝑙𝑎 𝑧𝑜𝑛𝑒 𝑑𝑒 𝑠𝑡𝑜𝑐𝑘𝑎𝑔𝑒 𝑑 ′ 𝑢𝑛 𝑒𝑛𝑡𝑟𝑒𝑝ô𝑡 𝑞𝑢′ 𝑒𝑙𝑙𝑒

𝑣𝑖𝑒𝑛𝑡 𝑑 ′ 𝑎𝑐𝑞𝑢é𝑟𝑖𝑟. 𝑉𝑜𝑢𝑠 𝑝𝑟𝑒𝑛𝑒𝑧 𝑐𝑜𝑛𝑛𝑎𝑖𝑠𝑠𝑎𝑛𝑐𝑒 𝑑𝑒𝑠 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑞𝑢′ 𝑖𝑙 𝑓𝑎𝑢𝑑𝑟𝑎 𝑟é𝑎𝑙𝑖𝑠𝑒𝑟 ∶

𝐶𝑜𝑑𝑒 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝐷𝑒𝑠𝑐𝑟𝑖𝑝𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝐷𝑢𝑟é 𝑒𝑛 ℎ𝑒𝑢𝑟𝑒𝑠

𝐴 𝐿𝑖𝑣𝑟𝑎𝑖𝑠𝑜𝑛 𝑑𝑒𝑠 𝑟𝑎𝑐𝑘𝑠 1

𝐵 𝑅𝑎𝑛𝑔𝑒𝑚𝑒𝑛𝑡 𝑑𝑎𝑛𝑠 𝑙𝑒𝑠 𝑝𝑎𝑙𝑒𝑡𝑡𝑖𝑒𝑟𝑠 12

𝐶 𝑅é𝑐𝑒𝑝𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑚𝑎𝑟𝑐ℎ𝑎𝑛𝑑𝑖𝑠𝑒𝑠 3

𝐷 𝐼𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑒𝑚𝑝𝑙𝑎𝑐𝑒𝑚𝑒𝑛𝑡𝑠 6

𝐸 𝑀𝑖𝑠𝑒 𝑒𝑛 𝑠𝑒𝑟𝑣𝑖𝑐𝑒 𝑑𝑢 𝑚𝑎𝑡é𝑟𝑖𝑒𝑙 𝑑𝑒 𝑚𝑎𝑛𝑢𝑡𝑒𝑛𝑡𝑖𝑜𝑛 1

𝐹 𝑅é𝑐𝑒𝑝𝑡𝑖𝑜𝑛 𝑑𝑢 𝑚𝑎𝑡é𝑟𝑖𝑒𝑙 𝑑𝑒 𝑚𝑎𝑛𝑢𝑡𝑒𝑛𝑡𝑖𝑜𝑛 1

𝐺 𝐶𝑜𝑚𝑚𝑎𝑛𝑑𝑒 𝑑𝑒𝑠 𝑟𝑎𝑐𝑘𝑠 1

𝐻 𝐶𝑜𝑚𝑚𝑎𝑛𝑑𝑒 𝑑𝑒𝑠 𝑐ℎ𝑎𝑟𝑖𝑜𝑡𝑠 1

𝐼 𝐼𝑛𝑠𝑡𝑎𝑙𝑙𝑎𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑟𝑎𝑐𝑘𝑠 15

𝐽 𝐴𝑐𝑐𝑒𝑝𝑡𝑎𝑡𝑖𝑜𝑛 𝑑𝑢 𝑝𝑟𝑜𝑗𝑒𝑡 2

𝑉𝑜𝑡𝑟𝑒 𝑚𝑖𝑠𝑠𝑖𝑜𝑛 (𝑠𝑖 𝑣𝑜𝑢𝑠 𝑙 ′ 𝑎𝑐𝑐𝑒𝑝𝑡𝑒𝑧)𝑒𝑠𝑡 𝑑′ 𝑜𝑝𝑡𝑖𝑚𝑖𝑠𝑒𝑟 𝑙 ′ 𝑎𝑚é𝑛𝑎𝑔𝑒𝑚𝑒𝑛𝑡 𝑑𝑒 𝑙 ′ 𝑒𝑛𝑡𝑟𝑒𝑝ô𝑡.

1. 𝐸𝑡𝑎𝑏𝑙𝑖𝑟 𝑙𝑒 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑑𝑒𝑠 𝑎𝑛𝑡é𝑟𝑖𝑜𝑟𝑖𝑡é𝑠 𝑜𝑢 𝑑𝑖𝑐𝑡𝑖𝑜𝑛𝑛𝑎𝑖𝑟𝑒 𝑑𝑒𝑠 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑠.

2. 𝑉é𝑟𝑖𝑓𝑖𝑒𝑟 𝑞𝑢′ 𝑖𝑙 𝑛′ 𝑦 𝑎 𝑝𝑎𝑠 𝑑𝑒 𝑐𝑖𝑟𝑐𝑢𝑖𝑡 𝑑𝑎𝑛𝑠 𝑙𝑒 𝑔𝑟𝑎𝑝ℎ𝑒 𝑑é𝑓𝑖𝑛𝑖 𝑝𝑎𝑟 𝑙𝑒 𝑑𝑖𝑐𝑡𝑖𝑜𝑛𝑛𝑎𝑖𝑟𝑒 𝑑𝑒

𝑙𝑎 𝑞𝑢𝑒𝑠𝑡𝑖𝑜𝑛 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑒.

3. 𝑂𝑟𝑑𝑜𝑛𝑛𝑎𝑛𝑐𝑒𝑟 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑑𝑢 𝑔𝑟𝑎𝑝ℎ𝑒 𝑝𝑎𝑟 𝑛𝑖𝑣𝑒𝑎𝑢𝑥.

4. 𝑉𝑖𝑠𝑢𝑎𝑙𝑖𝑠𝑒𝑟 𝑙𝑒𝑠 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 à 𝑎𝑐𝑐𝑜𝑚𝑝𝑙𝑖𝑟.

5. 𝐸𝑣𝑎𝑙𝑢𝑒𝑟 𝑙𝑎 𝑑𝑢𝑟é𝑒 𝑡𝑜𝑡𝑎𝑙𝑒 𝑑𝑢 𝑝𝑟𝑜𝑗𝑒𝑡.

92
 𝟐) 𝑳𝒂 𝒎é𝒕𝒉𝒐𝒅𝒆 𝑷𝑬𝑹𝑻

𝐿𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑃𝐸𝑅𝑇 ( 𝑃𝑟𝑜𝑔𝑟𝑎𝑚 𝑒𝑣𝑎𝑙𝑢𝑎𝑡𝑖𝑜𝑛 𝑎𝑛𝑑 𝑟𝑒𝑣𝑖𝑒𝑤 𝑡𝑒𝑐ℎ𝑛𝑖𝑞𝑢𝑒 ) 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑐𝑜𝑛𝑣𝑒𝑛𝑡𝑖𝑜𝑛𝑛𝑒𝑙𝑙𝑒

𝑢𝑡𝑖𝑙𝑖𝑠𝑎𝑏𝑙𝑒 𝑒𝑛 𝑔𝑒𝑠𝑡𝑖𝑜𝑛 𝑑𝑒 𝑝𝑟𝑜𝑗𝑒𝑡 , 𝑜𝑟𝑑𝑜𝑛𝑛𝑎𝑛𝑐𝑒𝑚𝑒𝑛𝑡 𝑒𝑡 𝑝𝑙𝑎𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑑é𝑣𝑒𝑙𝑜𝑝𝑝é𝑒 𝑎𝑢𝑥 𝑈𝑆𝐴 𝑝𝑎𝑟 𝑙𝑎 𝑚𝑎𝑟𝑖𝑛𝑒

𝑑𝑒 𝑔𝑢𝑒𝑟𝑟𝑒 𝐴𝑚é𝑟𝑖𝑐𝑎𝑖𝑛𝑒 𝑑𝑎𝑛𝑠 𝑙𝑒𝑠 𝑎𝑛𝑛é𝑒𝑠 1950.

𝐸𝑙𝑙𝑒 𝑓𝑜𝑢𝑟𝑛𝑖𝑡 𝑣𝑢𝑛𝑒 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑒𝑡 𝑑𝑒𝑠 𝑚𝑜𝑦𝑒𝑛𝑠 𝑝𝑟𝑎𝑡𝑖𝑞𝑢𝑒𝑠 𝑝𝑜𝑢𝑟 𝑑é𝑐𝑟𝑖𝑟𝑒, 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑒𝑟, 𝑎𝑛𝑎𝑙𝑦𝑠𝑒𝑟 𝑒𝑡 𝑠𝑢𝑖𝑣𝑟𝑒 𝑑𝑒

𝑚𝑎𝑛𝑖è𝑟𝑒 𝑙𝑜𝑔𝑖𝑞𝑢𝑒 𝑙𝑒𝑞 𝑡â𝑐ℎ𝑒𝑠 𝑒𝑡 𝑙𝑒 𝑟é𝑠𝑒𝑎𝑢 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 à 𝑟é𝑎𝑙𝑖𝑠𝑒𝑟 𝑑𝑎𝑛𝑠 𝑙𝑒 𝑐𝑎𝑑𝑟𝑒 𝑑 ′ 𝑢𝑛𝑒 𝑎𝑐𝑡𝑖𝑜𝑛 à 𝑒𝑛𝑡𝑟𝑒𝑝𝑟𝑒𝑛𝑑𝑟𝑒

𝑜𝑢 à 𝑠𝑢𝑖𝑣𝑟𝑒.

𝐿𝑒 𝑑𝑖𝑔𝑟𝑎𝑚𝑚𝑒 𝑃𝐸𝑅𝑇 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑒 𝑙𝑒 𝑝𝑙𝑎𝑛𝑛𝑖𝑛𝑔 𝑑𝑒𝑠 𝑡𝑟𝑎𝑣𝑎𝑢𝑥 𝑝𝑎𝑟 𝑢𝑛 𝑔𝑟𝑎𝑝ℎ𝑒 𝑑𝑒 𝑑é𝑝𝑒𝑛𝑑𝑎𝑛𝑐𝑒.

𝑆𝑜𝑛 𝑓𝑜𝑟𝑚𝑎𝑙𝑖𝑠𝑚𝑒 𝑒𝑛 𝑟é𝑠𝑒𝑎𝑢 𝑠𝑒 𝑓𝑜𝑐𝑎𝑙𝑖𝑠𝑒 𝑠𝑢𝑟 𝑙 ′ 𝑖𝑛𝑡𝑒𝑟𝑐𝑜𝑛𝑛𝑒𝑥𝑖𝑜𝑛 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 à 𝑒𝑓𝑓𝑒𝑐𝑡𝑢𝑒𝑟 𝑒𝑡 𝑠𝑢𝑟 𝑙𝑒 𝑐𝑎𝑖𝑐𝑢𝑙

𝑑𝑒𝑠 𝑐ℎ𝑒𝑚𝑖𝑛𝑠 𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒𝑠.

𝑈𝑛𝑒 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑐𝑒 𝑖𝑚𝑝𝑜𝑟𝑡𝑎𝑛𝑡𝑒 𝑎𝑣𝑒𝑐 𝑙𝑒 𝑑𝑖𝑎𝑔𝑟𝑎𝑚𝑚𝑒 𝑑𝑒 𝐺𝐴𝑁𝑇𝑇 𝑒𝑠𝑡 𝑙 ′ é𝑐ℎ𝑒𝑙𝑙𝑒 𝑑𝑒 𝑡𝑒𝑚𝑝𝑠 𝑐𝑜𝑛𝑣𝑒𝑛𝑡𝑖𝑜𝑛𝑛𝑒𝑙𝑙𝑒 𝑑𝑢

𝑑𝑖𝑎𝑔𝑟𝑎𝑚𝑚𝑒 𝑃𝐸𝑅𝑇 𝑞𝑢𝑖 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑒 𝑢𝑛 𝑒𝑛𝑐ℎ𝑎î𝑛𝑒𝑚𝑒𝑛𝑡 𝑑𝑒 𝑡â𝑐ℎ𝑒𝑠 𝑒𝑡 𝑛𝑜𝑛 𝑑𝑒𝑠 𝑑𝑢𝑟é𝑒𝑠 𝑜𝑢 𝑢𝑛 𝑐𝑎𝑙𝑒𝑛𝑑𝑟𝑖𝑒𝑟.

𝒂) 𝑳𝒆𝒔 𝒃𝒖𝒕𝒔

𝑃𝑟𝑖𝑛𝑐𝑖𝑝𝑎𝑙𝑒𝑚𝑒𝑛𝑡 𝑢𝑡𝑖𝑙𝑖𝑠é 𝑐𝑜𝑚𝑚𝑒 𝑜𝑢𝑡𝑖𝑙 𝑑𝑒 𝑐𝑜𝑚𝑚𝑢𝑛𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑚𝑎𝑗𝑒𝑢𝑟 𝑒𝑛𝑡𝑟𝑒 𝑙𝑒𝑠 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑠 𝑎𝑐𝑡𝑒𝑢𝑟𝑠 𝑖𝑚𝑝𝑙𝑖𝑞𝑢é𝑠

𝑑𝑎𝑛𝑠 𝑙𝑎 𝑟é𝑎𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑑′ 𝑢𝑛 𝑝𝑟𝑜𝑗𝑒𝑡. 𝐼𝑙 𝑝𝑒𝑟𝑚𝑒𝑡 ∶

∎ 𝐷é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟 𝑙𝑎 𝑑𝑢𝑟é𝑒 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 𝑛é𝑐𝑒𝑠𝑠𝑎𝑖𝑟𝑒 𝑝𝑜𝑢𝑟 𝑟é𝑎𝑙𝑖𝑠𝑒𝑟 𝑑𝑒 𝑏𝑜𝑢𝑡 𝑒𝑛 𝑏𝑜𝑢𝑡 𝑢𝑛 𝑝𝑟𝑜𝑗𝑒𝑡 ;

∎ 𝑉𝑖𝑠𝑢𝑎𝑙𝑖𝑠𝑒𝑟 𝑙 ′ 𝑒𝑛𝑐ℎ𝑎î𝑛𝑒𝑚𝑒𝑛𝑡 𝑑𝑒𝑠 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑒𝑡 é𝑡𝑎𝑝𝑒𝑠 𝑑𝑢 𝑝𝑟𝑜𝑗𝑒𝑡 ;

∎ 𝐶𝑎𝑙𝑐𝑢𝑙𝑒𝑟 𝑙𝑒𝑠 𝑚𝑎𝑟𝑔𝑒𝑠 𝑑𝑒𝑠 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑑𝑢 𝑝𝑟𝑜𝑗𝑒𝑡 ;

∎ 𝐼𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑒𝑟 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒𝑠 ( 𝑡â𝑐ℎ𝑒𝑠 𝑝𝑜𝑢𝑟 𝑙𝑒𝑠𝑞𝑢𝑒𝑙𝑙𝑒𝑠 𝑎𝑢𝑐𝑢𝑛 𝑟𝑒𝑡𝑎𝑟𝑑 𝑛𝑒 𝑠𝑒𝑟𝑎 𝑡𝑜𝑙é𝑟é );

∎ 𝑆𝑢𝑖𝑣𝑟𝑒 𝑎𝑢 𝑞𝑢𝑜𝑡𝑖𝑑𝑖𝑒𝑛 𝑙 ′ é𝑡𝑎𝑡 𝑑′ 𝑎𝑣𝑎𝑛𝑐𝑒𝑚𝑒𝑛𝑡 𝑑𝑢 𝑝𝑟𝑜𝑗𝑒𝑡 ;

∎ 𝑃𝑟é𝑣𝑜𝑖𝑟 𝑠𝑢𝑓𝑓𝑖𝑠𝑎𝑚𝑚𝑒𝑛𝑡 à 𝑙 ′ 𝑎𝑣𝑎𝑛𝑐𝑒 𝑙𝑒𝑠 𝑎𝑐𝑡𝑖𝑜𝑛𝑠 𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑖𝑣𝑒𝑠 à 𝑒𝑛𝑡𝑟𝑒𝑝𝑟𝑒𝑛𝑑𝑟𝑒 𝑒𝑛 𝑐𝑎𝑠 𝑑𝑒 𝑟𝑒𝑡𝑎𝑟𝑑 𝑜𝑢 𝑑𝑒

𝑑é𝑝𝑎𝑠𝑠𝑒𝑚𝑒𝑛𝑡 𝑑𝑒𝑠 𝑐ℎ𝑎𝑟𝑔𝑒𝑠 𝑝𝑟é𝑣𝑢𝑒𝑠.

𝒃) 𝑳𝒆𝒔 𝒄𝒐𝒏𝒅𝒊𝒕𝒊𝒐𝒏𝒔 𝒑𝒓é𝒂𝒍𝒂𝒃𝒍𝒆𝒔 à 𝒍𝒂 𝒄𝒐𝒏𝒔𝒕𝒓𝒖𝒄𝒕𝒊𝒐𝒏 𝒅𝒖 𝒈𝒓𝒂𝒑𝒉𝒆 𝒅𝒆 𝑷𝑬𝑹𝑻

𝐴𝑣𝑎𝑛𝑡 𝑑 ′ 𝑒𝑥é𝑐𝑢𝑡𝑒𝑟 𝑙𝑎 𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑐𝑡𝑖𝑜𝑛 𝑑′ 𝑢𝑛 𝑔𝑟𝑎𝑝ℎ𝑒 𝑑𝑒 𝑃𝐸𝑅𝑇, 𝑖𝑙 𝑒𝑠𝑡 𝑖𝑛𝑑𝑖𝑠𝑝𝑒𝑛𝑠𝑎𝑏𝑙𝑒 𝑑𝑒 𝑝𝑎𝑠𝑠𝑒𝑟 𝑝𝑎𝑟 𝑙𝑒𝑠

é𝑡𝑎𝑝𝑒𝑠 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒𝑠 ∶

∎ 𝑅𝑒𝑠𝑠𝑜𝑟𝑡𝑖𝑟 𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑜𝑢 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛𝑠 à 𝑟é𝑎𝑙𝑖𝑠𝑒𝑟 𝑒𝑡 𝑙𝑒𝑢𝑟 𝑑𝑢𝑟é𝑒 ;

93
∎ 𝐴𝑛𝑎𝑙𝑦𝑠𝑒𝑟 𝑒𝑡 𝑑é𝑓𝑖𝑛𝑖𝑟 𝑝𝑟é𝑐𝑖𝑠𝑒𝑚𝑒𝑛𝑡 𝑙𝑒𝑠 𝑙𝑖𝑒𝑛𝑠 𝑑 ′ 𝑖𝑛𝑡𝑒𝑟𝑑é𝑝𝑒𝑛𝑑𝑎𝑛𝑐𝑒 𝑒𝑛𝑡𝑟𝑒 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑑𝑢 𝑝𝑟𝑜𝑗𝑒𝑡 ;

∎ 𝐼𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑒𝑟 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑝𝑜𝑢𝑣𝑎𝑛𝑡 ê𝑡𝑟𝑒 𝑟é𝑎𝑙𝑖𝑠é𝑒𝑠 𝑠𝑖𝑚𝑢𝑙𝑡𝑎𝑛é𝑚𝑒𝑛𝑡 ;

∎ 𝐼𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑒𝑟 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑑é𝑝𝑒𝑛𝑑𝑎𝑛𝑡𝑒𝑠 ( 𝑞𝑢𝑖 𝑝𝑒𝑢𝑣𝑒𝑛𝑡 𝑐𝑜𝑚𝑚𝑒𝑛𝑐𝑒𝑟 𝑞𝑢𝑖 𝑠𝑖 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑒𝑠 𝑠𝑜𝑛𝑡

𝑒𝑛𝑡𝑎𝑚é𝑒𝑠 𝑜𝑢 𝑡𝑒𝑟𝑚𝑖𝑛é𝑒𝑠 ) ;

∎ 𝐸𝑛𝑟𝑖𝑐ℎ𝑖𝑟 𝑙𝑎 𝑡𝑎𝑏𝑙𝑒 𝑑𝑒𝑠 𝑟𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒𝑠 𝑒𝑛 𝑝𝑟é𝑐𝑖𝑠𝑎𝑛𝑡 𝑙𝑒𝑠 𝑞𝑢𝑎𝑛𝑡𝑖𝑡é𝑠 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒𝑠 ;

∎ 𝐺é𝑟𝑒𝑟 𝑙 ′ 𝑎𝑓𝑓𝑒𝑐𝑡𝑎𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑟𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒𝑠 𝑎𝑢𝑥 𝑡â𝑐ℎ𝑒𝑠 ;

∎ 𝑇𝑟𝑎𝑐𝑒𝑟 𝑙𝑒 𝑔𝑟𝑎𝑝ℎ𝑒 𝑑𝑒 𝑃𝐸𝑅𝑇.

𝒄) 𝑪𝒐𝒏𝒔𝒕𝒓𝒖𝒄𝒕𝒊𝒐𝒏 𝒅′ 𝒖𝒏 𝒈𝒓𝒂𝒑𝒉𝒆 𝒅𝒆 𝑷𝑬𝑹𝑻

¬ 𝑳𝒆𝒔 é𝒕𝒂𝒑𝒆𝒔 𝒅𝒆 𝒍𝒂 𝒄𝒐𝒏𝒔𝒕𝒓𝒖𝒄𝒕𝒊𝒐𝒏

∎ 𝑂𝑛 𝑖𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑒 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑠𝑎𝑛𝑠 𝑎𝑛𝑡é𝑐é𝑑𝑒𝑛𝑡𝑠 𝑒𝑡 𝑜𝑛 𝑙𝑒𝑠 𝑡𝑟𝑎𝑐𝑒𝑠 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑧𝑜𝑛𝑒 𝑑𝑒 𝑝𝑙𝑎𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑒𝑛 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛

𝑑𝑒 𝑙𝑒𝑢𝑟 𝑑𝑎𝑡𝑒 𝑑𝑒 𝑑é𝑏𝑢𝑡 𝑒𝑡 𝑑𝑒 𝑓𝑖𝑛 ;

∎ 𝑂𝑛 𝑖𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑒 𝑒𝑛𝑠𝑢𝑖𝑡𝑒 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑑𝑜𝑛𝑡 𝑙𝑒𝑠 𝑎𝑛𝑡é𝑐é𝑑𝑒𝑛𝑡𝑠 𝑠𝑜𝑛𝑡 𝑒𝑥𝑐𝑙𝑢𝑠𝑖𝑣𝑒𝑚𝑒𝑛𝑡 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑒𝑠 𝑒𝑡

𝑜𝑛 𝑙𝑒𝑠 𝑝𝑙𝑎𝑐𝑒 𝑠𝑢𝑟 𝑙𝑒 𝑑𝑖𝑎𝑔𝑟𝑎𝑚𝑚𝑒 ;

∎ 𝑂𝑛 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑒 𝑎𝑖𝑛𝑠𝑖 𝑗𝑢𝑠𝑞𝑢′ à 𝑐𝑒 𝑞𝑢𝑒 𝑡𝑜𝑢𝑡𝑒𝑠 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑠𝑜𝑖𝑒𝑛𝑡 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡é𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑧𝑜𝑛𝑒 𝑑𝑒 𝑝𝑙𝑎𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑜𝑛 ;

∎ 𝐷𝑢𝑟𝑎𝑛𝑡 𝑙𝑎 𝑝ℎ𝑎𝑠𝑒 𝑑′ 𝑒𝑥é𝑐𝑢𝑡𝑖𝑜𝑛 , 𝑜𝑛 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑒 𝑝𝑎𝑟 𝑢𝑛 𝑡𝑟𝑎𝑖𝑡 𝑝𝑎𝑟𝑎𝑙𝑙é𝑙𝑒 𝑒𝑛 𝑝𝑜𝑖𝑛𝑡𝑖𝑙𝑙é à 𝑙𝑎 𝑡â𝑐ℎ𝑒 𝑝𝑙𝑎𝑛𝑖𝑓𝑖é𝑒

𝑙𝑎 𝑝𝑟𝑜𝑔𝑟𝑒𝑠𝑠𝑖𝑜𝑛 𝑟é𝑒𝑙𝑙𝑒 𝑑𝑢 𝑡𝑟𝑎𝑣𝑎𝑖𝑙.

¬ 𝑳𝒆𝒔 𝒓è𝒈𝒍𝒆𝒔 𝒆𝒕 𝒏𝒐𝒕𝒂𝒕𝒊𝒐𝒏𝒔 𝒅𝒆 𝒓𝒆𝒑𝒓é𝒔𝒆𝒏𝒕𝒂𝒕𝒊𝒐𝒏

∎ 𝑻â𝒄𝒉𝒆 𝑨 𝟐 𝒐𝒖 𝑨(𝟐) 𝑞𝑢𝑖 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑒 𝑙𝑒 𝑛𝑜𝑚 𝑑𝑒 𝑙𝑎 𝑡â𝑐ℎ𝑒 𝑒𝑡 𝑠𝑎 𝑑𝑢𝑟é𝑒 .

∎ 𝑻â𝒄𝒉𝒆 𝒇𝒊𝒄𝒕𝒊𝒗𝒆

∎ 𝑬𝒕𝒂𝒑𝒆

− 𝑳𝒂 𝒅𝒂𝒕𝒆 𝒂𝒖 𝒑𝒍𝒖𝒔 𝒕ô𝒕 ∶ 𝑖𝑙 𝑠 ′ 𝑎𝑔𝑖𝑡 𝑑𝑒 𝑙𝑎 𝑑𝑎𝑡𝑒 à 𝑙𝑎𝑞𝑢𝑒𝑙𝑙𝑒 𝑙𝑎 𝑡â𝑐ℎ𝑒 𝑝𝑜𝑢𝑟𝑟𝑎 ê𝑡𝑟𝑒 𝑡𝑒𝑟𝑚𝑖𝑛é𝑒 𝑎𝑢 𝑝𝑙𝑢𝑠 𝑡ô𝑡, 𝑒𝑛

𝑡𝑒𝑛𝑎𝑛𝑡 𝑐𝑜𝑚𝑝𝑡𝑒 𝑑𝑢 𝑡𝑒𝑚𝑝𝑠 𝑛é𝑐𝑒𝑠𝑠𝑎𝑖𝑟𝑒 à 𝑙 ′ 𝑒𝑥é𝑐𝑢𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑒𝑠.

𝑃𝑜𝑢𝑟 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟 𝑙𝑎 𝑑𝑎𝑡𝑒 𝑎𝑢 𝑎𝑢 𝑝𝑙𝑢𝑠 𝑡ô𝑡, 𝑖𝑙 𝑓𝑎𝑢𝑡 𝑝𝑎𝑟𝑐𝑜𝑢𝑟𝑖𝑟 𝑙𝑒 𝑑𝑖𝑎𝑔𝑟𝑎𝑚𝑚𝑒 𝑑𝑒 𝑔𝑎𝑢𝑐ℎ𝑒 à 𝑑𝑟𝑜𝑖𝑡𝑒 𝑒𝑡 𝑐𝑎𝑙𝑐𝑢𝑙𝑒𝑟

𝑙𝑒 𝑡𝑒𝑚𝑝𝑠 𝑑𝑢 𝑝𝑙𝑢𝑠 𝑙𝑜𝑛𝑔 𝑑𝑒𝑠 𝑐ℎ𝑒𝑚𝑖𝑛𝑠 𝑚𝑒𝑛𝑎𝑛𝑡 𝑑𝑢 𝑑é𝑏𝑢𝑡 𝑑𝑢 𝑝𝑟𝑜𝑗𝑒𝑡 à 𝑐𝑒𝑡𝑡𝑒 𝑡â𝑐ℎ𝑒. 𝑆 ′ 𝑖𝑙 𝑦 𝑎 𝑝𝑙𝑢𝑠𝑖𝑒𝑢𝑟𝑠 𝑠𝑜𝑢𝑠

𝑐ℎ𝑒𝑚𝑖𝑛𝑠 , 𝑜𝑛 𝑒𝑓𝑓𝑒𝑐𝑡𝑢𝑒 𝑙𝑒 𝑚ê𝑚𝑒 𝑐𝑎𝑙𝑐𝑢𝑙 𝑝𝑜𝑢𝑟 𝑐ℎ𝑎𝑐𝑢𝑛 𝑒𝑡 𝑜𝑛 𝑐ℎ𝑜𝑖𝑠𝑖𝑡 𝑙𝑎 𝑑𝑎𝑡𝑒 𝑙𝑎 𝑝𝑙𝑢𝑠 𝑔𝑟𝑎𝑛𝑑𝑒

− 𝑳𝒂 𝒅𝒂𝒕𝒆 𝒂𝒖 𝒑𝒍𝒖𝒔 𝒕𝒂𝒓𝒅 ∶ 𝑖𝑙 𝑠 ′ 𝑎𝑔𝑖𝑡 𝑑𝑒 𝑙𝑎 𝑑𝑎𝑡𝑒 à 𝑙𝑎𝑞𝑢𝑒𝑙𝑙𝑒 𝑢𝑛𝑒 𝑡â𝑐ℎ𝑒 𝑑𝑜𝑖𝑡 ê𝑡𝑟𝑒 𝑡𝑒𝑟𝑚𝑖𝑛é𝑒 à 𝑡𝑜𝑢𝑡 𝑝𝑟𝑖𝑥 𝑠𝑖
94
𝑙 ′ 𝑜𝑛 𝑛𝑒 𝑣𝑒𝑢𝑡 𝑝𝑎𝑠 𝑟𝑒𝑡𝑎𝑟𝑑𝑒𝑟 𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑢 𝑝𝑟𝑜𝑗𝑒𝑡.

𝑃𝑜𝑢𝑟 𝑑é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟 𝑙𝑎 𝑑𝑎𝑡𝑒 𝑎𝑢 𝑎𝑢 𝑝𝑙𝑢𝑠 𝑡𝑎𝑟𝑑 𝑑′ 𝑢𝑛𝑒 𝑡â𝑐ℎ𝑒 , 𝑖𝑙 𝑓𝑎𝑢𝑡 𝑝𝑎𝑟𝑐𝑜𝑢𝑟𝑖𝑟 𝑙𝑒 𝑑𝑖𝑎𝑔𝑟𝑎𝑚𝑚𝑒 𝑑𝑒 𝑑𝑟𝑜𝑖𝑡𝑒 à

𝑔𝑎𝑢𝑐ℎ𝑒, 𝑒𝑡 𝑠𝑜𝑢𝑠𝑡𝑟𝑎𝑖𝑟𝑒 𝑑𝑒 𝑙𝑎 𝑑𝑎𝑡𝑒 𝑎𝑢 𝑝𝑙𝑢𝑠 𝑡𝑎𝑟𝑑 𝑑𝑒 𝑙𝑎 𝑡â𝑐ℎ𝑒 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒 𝑙𝑎 𝑑𝑢𝑟é𝑒 𝑑𝑒 𝑙𝑎 𝑡â𝑐ℎ𝑒 𝑑𝑜𝑛𝑡 𝑜𝑛

𝑐𝑎𝑙𝑐𝑢𝑙𝑒 𝑙𝑎 𝑑𝑎𝑡𝑒 𝑎𝑢 𝑝𝑙𝑢𝑠 𝑡𝑎𝑟𝑑.

𝑆 ′ 𝑖𝑙 𝑦 𝑎 𝑝𝑙𝑢𝑠𝑖𝑒𝑢𝑟𝑠 𝑠𝑜𝑢𝑠 − 𝑐ℎ𝑒𝑚𝑖𝑛𝑠 , 𝑜𝑛 𝑒𝑓𝑓𝑒𝑐𝑡𝑢𝑒 𝑙𝑒 𝑚ê𝑚𝑒 𝑐𝑎𝑙𝑐𝑢𝑙 𝑝𝑜𝑢𝑟 𝑐ℎ𝑎𝑐𝑢𝑛 𝑒𝑡 𝑜𝑛 𝑐ℎ𝑜𝑖𝑠𝑖𝑡 𝑙𝑎 𝑑𝑎𝑡𝑒

𝑙𝑎 𝑝𝑙𝑢𝑠 𝑝𝑒𝑡𝑖𝑡𝑒 .

− 𝐿𝑎 𝑚𝑎𝑟𝑔𝑒 𝑡𝑜𝑡𝑎𝑙𝑒 𝑒𝑠𝑡 𝑙𝑎 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑐𝑒 𝑒𝑛𝑡𝑟𝑒 𝑙𝑎 𝑑𝑎𝑡𝑒 𝑎𝑢 𝑝𝑙𝑢𝑠 𝑡𝑎𝑟𝑑 𝑒𝑡 𝑙𝑎 𝑑𝑎𝑡𝑒 𝑎𝑢 𝑝𝑙𝑢𝑠 𝑡ô𝑡 𝑑 ′ 𝑢𝑛𝑒 𝑡â𝑐ℎ𝑒.

¬ 𝑳𝒆𝒔 𝒕â𝒄𝒉𝒆𝒔 𝒆𝒕 𝒄𝒉𝒆𝒎𝒊𝒏 𝒄𝒓𝒊𝒕𝒊𝒒𝒖𝒆𝒔

− 𝐿𝑒 𝑃𝐸𝑅𝑇 𝑡𝑖𝑚𝑒 𝑒𝑥𝑝𝑟𝑖𝑚𝑒 𝑙𝑒 𝑐ℎ𝑒𝑚𝑖𝑛 𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒 𝑒𝑛 𝑡𝑒𝑟𝑚𝑒𝑠 𝑑𝑒 𝑑é𝑙𝑎𝑖𝑠 𝑒𝑡 𝑑𝑒 𝑐𝑎𝑙𝑒𝑛𝑑𝑟𝑖𝑒𝑟.

− 𝐿𝑒 𝑃𝐸𝑅𝑇 𝑐𝑜𝑠𝑡 𝑒𝑥𝑝𝑟𝑖𝑚𝑒 𝑙𝑒 𝑐ℎ𝑒𝑚𝑖𝑛 𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒 𝑒𝑛 𝑡𝑒𝑟𝑚𝑒𝑠 𝑑𝑒 𝑑é𝑝𝑒𝑛𝑠𝑒𝑠.

− 𝑈𝑛𝑒 𝑡â𝑐ℎ𝑒 𝑑𝑒 𝑙 ′ é𝑡𝑎𝑝𝑒 𝑛 𝑣𝑒𝑟𝑠 𝑙 ′ é𝑡𝑎𝑝𝑒 𝑛 + 1 𝑒𝑠𝑡 𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒 𝑠𝑖 𝑙𝑎 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑐𝑒 𝑒𝑛𝑡𝑟𝑒 𝑙𝑎 𝑑𝑎𝑡𝑒 𝑎𝑢 𝑝𝑙𝑢𝑠 𝑡ô𝑡

𝑑𝑒 𝑙 ′ é𝑡𝑎𝑝𝑒 𝑛 + 1 𝑒𝑡 𝑙𝑎 𝑑𝑎𝑡𝑒 𝑎𝑢 𝑝𝑙𝑢𝑠 𝑡𝑎𝑟𝑑 𝑑𝑒 𝑙 ′ é𝑡𝑎𝑝𝑒 𝑛 𝑒𝑠𝑡 é𝑔𝑎𝑙𝑒 à 𝑙𝑎 𝑑𝑢𝑟é𝑒 𝑑𝑒 𝑙𝑎 𝑡â𝑐ℎ𝑒 à 𝑎𝑐𝑐𝑜𝑚𝑝𝑙𝑖𝑟.

𝐿′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒𝑠 𝑐𝑜𝑛𝑠𝑡𝑖𝑡𝑢𝑒 𝑙𝑒 𝑐ℎ𝑒𝑚𝑖𝑛 𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒 , 𝑐 ′ 𝑒𝑠𝑡 − à − 𝑑𝑖𝑟𝑒 𝑙𝑒 𝑐ℎ𝑒𝑚𝑖𝑛 𝑠𝑢𝑟 𝑙𝑒𝑞𝑢𝑒𝑙

𝑎𝑢𝑐𝑢𝑛𝑒 𝑡â𝑐ℎ𝑒 𝑛𝑒 𝑑𝑜𝑖𝑡 𝑎𝑣𝑜𝑖𝑟 𝑑𝑒 𝑟𝑒𝑡𝑎𝑟𝑑 𝑝𝑜𝑢𝑟 𝑛𝑒 𝑝𝑎𝑠 𝑟𝑒𝑡𝑎𝑟𝑑𝑒𝑟 𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑢 𝑝𝑟𝑜𝑗𝑒𝑡.

𝑈𝑛𝑒 𝑡â𝑐ℎ𝑒 𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒 𝑎 𝑑𝑜𝑛𝑐 𝑢𝑛𝑒 𝑚𝑎𝑟𝑔𝑒 𝑡𝑜𝑡𝑎𝑙𝑒 𝑑𝑒 𝑧é𝑟𝑜, 𝑒𝑡 𝑙𝑒 𝑐ℎ𝑒𝑚𝑖𝑛 𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒 𝑒𝑠𝑡 𝑐𝑜𝑛𝑠𝑡𝑖𝑡𝑢é 𝑑𝑒 𝑡â𝑐ℎ𝑒𝑠

𝑑𝑒 𝑚𝑎𝑟𝑔𝑒𝑠 𝑛𝑢𝑙𝑙𝑒𝑠.

¬ 𝑳𝒂 𝒎𝒂𝒓𝒈𝒆 𝒍𝒊𝒃𝒓𝒆

𝐿𝑎 𝑚𝑎𝑟𝑔𝑒 𝑙𝑖𝑏𝑟𝑒 𝑑 ′ 𝑢𝑛𝑒 𝑡â𝑐ℎ𝑒 𝑇 𝑒𝑠𝑡 𝑙𝑒 𝑑é𝑙𝑎𝑖 𝑑𝑒 𝑟𝑒𝑡𝑎𝑟𝑑 𝑚𝑎𝑥𝑖𝑚𝑢𝑚 𝑞𝑢𝑒 𝑙 ′ 𝑜𝑛 𝑝𝑒𝑢𝑡 𝑎𝑝𝑝𝑜𝑟𝑡𝑒𝑟 à 𝑙𝑎

𝑚𝑖𝑠𝑒 𝑒𝑛 𝑟𝑜𝑢𝑡𝑒 𝑑𝑒 𝑐𝑒𝑡𝑡𝑒 𝑡â𝑐ℎ𝑒, 𝑠𝑎𝑛𝑠 𝑝𝑜𝑢𝑟 𝑎𝑢𝑡𝑎𝑛𝑡 𝑞𝑢𝑒 𝑐𝑒 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒𝑠 𝑒𝑛 𝑠𝑜𝑖𝑒𝑛𝑡 𝑎𝑓𝑓𝑒𝑐𝑡é𝑒𝑠.

𝐸𝑙𝑙𝑒 𝑒𝑠𝑡 é𝑔𝑎𝑙𝑒 à 𝑙𝑎 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑐𝑒 𝑒𝑛𝑡𝑟𝑒 ∶

∎ 𝐿𝑎 𝑝𝑙𝑢𝑠 𝑝𝑒𝑡𝑖𝑡𝑒 𝑑𝑎𝑡𝑒 𝑎𝑢 𝑝𝑙𝑢𝑠 𝑡ô𝑡 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒𝑠 ;

∎ 𝐿𝑎 𝑑𝑎𝑡𝑒 𝑎𝑢 𝑝𝑙𝑢𝑠 𝑡ô𝑡 𝑑𝑒 𝑙𝑎 𝑡â𝑐ℎ𝑒 𝑇, à 𝑙𝑎𝑞𝑢𝑒𝑙𝑙𝑒 𝑜𝑛 𝑟𝑎𝑗𝑜𝑢𝑡𝑒 𝑠𝑎 𝑑𝑢𝑟é𝑒.

𝑅𝑒𝑚𝑎𝑟𝑞𝑢𝑒𝑠

− 𝑃𝑜𝑢𝑟 𝑡𝑟𝑎𝑐𝑒𝑟 𝑙𝑒 𝑑𝑖𝑎𝑔𝑟𝑎𝑚𝑚𝑒, 𝑖𝑙 𝑒𝑠𝑡 𝑠𝑜𝑢ℎ𝑎𝑖𝑡𝑎𝑏𝑙𝑒 𝑞𝑢𝑒 𝑙𝑒𝑠 𝑓𝑙è𝑐ℎ𝑒𝑠 𝑛𝑒 𝑠𝑒 𝑐𝑟𝑜𝑖𝑠𝑒𝑛𝑡 𝑝𝑎𝑠.

− 𝑈𝑛 𝑝𝑟𝑜𝑗𝑒𝑡 𝑝𝑒𝑢𝑡 𝑎𝑣𝑜𝑖𝑟 𝑝𝑙𝑢𝑠𝑖𝑒𝑢𝑟𝑠 𝑐ℎ𝑒𝑚𝑖𝑛𝑠 𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒𝑠 , 𝑝𝑎𝑟𝑎𝑙𝑙è𝑙𝑒𝑠.

− 𝑈𝑛 𝑐ℎ𝑒𝑚𝑖𝑛 𝑒𝑠𝑡 𝑠𝑜𝑢𝑠 − 𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒 𝑙𝑜𝑟𝑠𝑞𝑢𝑒 𝑠𝑎 𝑑𝑢𝑟é𝑒 𝑒𝑠𝑡 𝑡𝑟è𝑠 𝑝𝑟𝑜𝑐ℎ𝑒 ( 𝑑𝑒 𝑁 𝑗𝑜𝑢𝑟𝑠 𝑜𝑢 𝑠𝑒𝑚𝑎𝑖𝑛𝑒𝑠)𝑑𝑒 𝑙𝑎
95
𝑑𝑢𝑟é𝑒 𝑑𝑢 𝑐ℎ𝑒𝑚𝑖𝑛 𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒 𝑖𝑒 𝑐𝑒𝑙𝑙𝑒 𝑑𝑢 𝑝𝑟𝑜𝑗𝑒𝑡.

𝐼𝑙 𝑠𝑢𝑓𝑓𝑖𝑟𝑎𝑖𝑡 𝑑′ 𝑢𝑛 𝑙é𝑔𝑒𝑟 𝑟𝑒𝑡𝑎𝑟𝑑, 𝑑𝑒 𝑁 𝑗𝑜𝑢𝑟𝑠 𝑜𝑢 𝑠𝑒𝑚𝑎𝑖𝑛𝑒𝑠, 𝑑 ′ 𝑢𝑛𝑒 𝑡â𝑐ℎ𝑒 𝑑𝑒 𝑐𝑒 𝑐ℎ𝑒𝑚𝑖𝑛 𝑠𝑜𝑢𝑠 − 𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒

𝑝𝑜𝑢𝑟 𝑞𝑢𝑒 𝑐𝑒 𝑐ℎ𝑒𝑚𝑖𝑛 𝑑𝑒𝑣𝑖𝑒𝑛𝑛𝑒 𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒

𝒅) 𝑹𝒆𝒑𝒓é𝒔𝒆𝒏𝒕𝒂𝒕𝒊𝒐𝒏

𝐸𝑛 𝑔é𝑛é𝑟𝑎𝑙 , 𝑢𝑛 𝑠𝑜𝑚𝑚𝑒𝑡 𝑒𝑠𝑡 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡é 𝑑𝑒 𝑙𝑎 𝑓𝑎ç𝑜𝑛 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒 ∶

𝑁𝑜𝑚
𝐷𝑃𝑇 𝐹𝑃𝑇
𝐷𝐸

𝐷𝑃𝑇 𝐷𝑃𝐴

∎ 𝑁𝑜𝑚 ∶ 𝑙𝑒 𝑛𝑜𝑚 𝑑𝑒 𝑙 ′ é𝑡𝑎𝑝𝑒. 𝑀𝑇 𝑁𝑜𝑚 𝑀𝐿

∎ 𝐷𝑃𝑇 ∶ 𝑙𝑎 𝑑𝑎𝑡𝑒 𝑑𝑒 𝑑é𝑑𝑢𝑡 𝑎𝑢 𝑝𝑙𝑢𝑠 𝑡ô𝑡.

∎ 𝐷𝑃𝐴 ∶ 𝑙𝑎 𝑑𝑎𝑡𝑒 𝑑𝑒 𝑑é𝑏𝑢𝑡 𝑎𝑢 𝑝𝑙𝑢𝑠 𝑡𝑎𝑟𝑑.

𝐷𝑃𝐴 𝑀𝑇 𝐹𝑃𝐴
∎ 𝐷𝐸 ∶ 𝑙𝑎 𝑑𝑢𝑟é𝑒 𝑑′é𝑥𝑒𝑐𝑢𝑡𝑖𝑜𝑛.

∎ 𝐹𝑃𝑇 ∶ 𝑙𝑎 𝑑𝑎𝑡𝑒 𝑑𝑒 𝑓𝑖𝑛 𝑎𝑢 𝑝𝑙𝑢𝑠 𝑡ô𝑡.

∎ 𝐹𝑃𝐴 ∶ 𝑙𝑎 𝑑𝑎𝑡𝑒 𝑑𝑒 𝑓𝑖𝑛 𝑎𝑢 𝑝𝑙𝑢𝑠 𝑡𝑎𝑟𝑑.

∎ 𝑀𝑇 ∶ 𝑙𝑎 𝑚𝑎𝑟𝑔𝑒 𝑡𝑜𝑡𝑎𝑙𝑒.

∎ 𝑀𝐿 ∶ 𝑙𝑎 𝑚𝑎𝑟𝑔𝑒 𝑙𝑖𝑏𝑟𝑒.

96
𝐴𝑝𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛

𝑂𝑛 𝑐𝑜𝑛𝑠𝑖𝑑è𝑟𝑒 𝑙𝑒 𝑝𝑟𝑜𝑗𝑒𝑡 𝑠𝑢𝑖𝑣𝑎𝑛𝑡 𝑐𝑜𝑛𝑠𝑡𝑖𝑡𝑢é 𝑑𝑒 8 𝑡â𝑐ℎ𝑒𝑠 ∶

𝑇â𝑐ℎ𝑒𝑠 𝐴𝑛𝑡é𝑟𝑖𝑜𝑟𝑖𝑡é 𝐷𝑢𝑟é𝑒 𝑒𝑛 𝑗𝑜𝑢𝑟𝑠

𝐴 5

𝐵 𝐷 3

𝐶 𝐷 6

𝐷 2

𝐸 𝐵 𝑒𝑡 𝐻 3

𝐹 𝐶 1

𝐺 𝐴 2

𝐻 𝐶 2

𝟑) 𝑳𝒂 𝒎é𝒕𝒉𝒐𝒅𝒆 𝒅𝒆 𝑮𝑨𝑵𝑻𝑻

𝐿𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑑𝑒 𝐺𝐴𝑁𝑇𝑇 𝑒𝑠𝑡 𝑢𝑛𝑒 𝑎𝑢𝑡𝑟𝑒 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑑 ′ 𝑜𝑟𝑑𝑜𝑛𝑛𝑎𝑛𝑐𝑒𝑚𝑒𝑛𝑡 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑑é𝑣𝑒𝑙𝑜𝑝𝑝é𝑒 𝑝𝑎𝑟 𝐻𝑒𝑛𝑟𝑦 𝐿.

𝐺𝐴𝑁𝑇𝑇, 𝑖𝑛𝑔é𝑛𝑖𝑒𝑢𝑟 𝐴𝑚é𝑟𝑖𝑐𝑎𝑖𝑛, 𝑣𝑒𝑟𝑠 1910 𝑒𝑡 𝑑𝑜𝑛𝑡 𝑙𝑒 𝑏𝑢𝑡 𝑒𝑠𝑡 𝑖𝑑𝑒𝑛𝑡𝑖𝑞𝑢𝑒 à 𝑐𝑒𝑙𝑢𝑖 𝑑𝑒 𝑙𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑃𝐸𝑅𝑇.

𝐿𝑎 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑐𝑒 𝑒𝑛𝑡𝑟𝑒 𝑙𝑒𝑠 𝑑𝑒𝑢𝑥 𝑚é𝑡ℎ𝑜𝑑𝑒𝑠 𝑟é𝑠𝑖𝑑𝑒 𝑠𝑢𝑟 𝑙𝑎 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑎𝑡𝑖𝑜𝑛 𝑔𝑟𝑎𝑝ℎ𝑖𝑞𝑢𝑒 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠.

𝐿𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑑𝑒 𝐺𝐴𝑁𝑇𝑇, 𝑠𝑜𝑢𝑣𝑒𝑛𝑡 𝑗𝑢𝑔é𝑒 𝑝𝑙𝑢𝑠 𝑠𝑜𝑢𝑝𝑙𝑒 , 𝑝𝑒𝑟𝑚𝑒𝑡 𝑑𝑒 𝑣𝑖𝑠𝑢𝑎𝑙𝑖𝑠𝑒𝑟 𝑑′ 𝑢𝑛 𝑠𝑒𝑢𝑙 𝑐𝑜𝑢𝑝 𝑑 ′ 𝑜𝑒𝑖𝑙 𝑙𝑒

𝑟𝑒𝑡𝑎𝑟𝑑 𝑜𝑢 𝑙 ′ 𝑎𝑣𝑎𝑛𝑐𝑒𝑚𝑒𝑛𝑡 𝑑𝑒𝑠 𝑡𝑟𝑎𝑣𝑎𝑢𝑥.

𝒂) 𝑳𝒆𝒔 𝒃𝒖𝒕𝒔

𝑃𝑟𝑖𝑛𝑐𝑖𝑝𝑎𝑙𝑒𝑚𝑒𝑛𝑡 𝑢𝑡𝑖𝑙𝑖𝑠é 𝑐𝑜𝑚𝑚𝑒 𝑜𝑢𝑡𝑖𝑙 𝑑𝑒 𝑐𝑜𝑚𝑚𝑢𝑛𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑚𝑎𝑗𝑒𝑢𝑟 𝑒𝑛𝑡𝑟𝑒 𝑙𝑒𝑠 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑠 𝑎𝑐𝑡𝑒𝑢𝑟𝑠 𝑖𝑚𝑝𝑙𝑖𝑞𝑢é𝑠

𝑑𝑎𝑛𝑠 𝑙𝑎 𝑟é𝑎𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑑′ 𝑢𝑛 𝑝𝑟𝑜𝑗𝑒𝑡. 𝐼𝑙 𝑝𝑒𝑟𝑚𝑒𝑡 ∶

∎ 𝐷é𝑡𝑒𝑟𝑚𝑖𝑛𝑒𝑟 𝑙𝑎 𝑑𝑢𝑟é𝑒 𝑜𝑝𝑡𝑖𝑚𝑎𝑙𝑒 𝑛é𝑐𝑒𝑠𝑠𝑎𝑖𝑟𝑒 𝑝𝑜𝑢𝑟 𝑟é𝑎𝑙𝑖𝑠𝑒𝑟 𝑑𝑒 𝑏𝑜𝑢𝑡 𝑒𝑛 𝑏𝑜𝑢𝑡 𝑢𝑛 𝑝𝑟𝑜𝑗𝑒𝑡 ;

∎ 𝑉𝑖𝑠𝑢𝑎𝑙𝑖𝑠𝑒𝑟 𝑙 ′ 𝑒𝑛𝑐ℎ𝑎î𝑛𝑒𝑚𝑒𝑛𝑡 𝑑𝑒𝑠 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑒𝑡 é𝑡𝑎𝑝𝑒𝑠 𝑑𝑢 𝑝𝑟𝑜𝑗𝑒𝑡 ;

∎ 𝐶𝑎𝑙𝑐𝑢𝑙𝑒𝑟 𝑙𝑒𝑠 𝑚𝑎𝑟𝑔𝑒𝑠 𝑑𝑒𝑠 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑑𝑢 𝑝𝑟𝑜𝑗𝑒𝑡 ;

∎ 𝐼𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑒𝑟 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒𝑠 ( 𝑡â𝑐ℎ𝑒𝑠 𝑝𝑜𝑢𝑟 𝑙𝑒𝑠𝑞𝑢𝑒𝑙𝑙𝑒𝑠 𝑎𝑢𝑐𝑢𝑛 𝑟𝑒𝑡𝑎𝑟𝑑 𝑛𝑒 𝑠𝑒𝑟𝑎 𝑡𝑜𝑙é𝑟é );

∎ 𝐺é𝑟𝑒𝑟 𝑎𝑢 𝑚𝑖𝑒𝑢𝑥 𝑙 ′ 𝑢𝑡𝑖𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑟𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒𝑠 ;

97
∎ 𝑆𝑢𝑖𝑣𝑟𝑒 𝑎𝑢 𝑞𝑢𝑜𝑡𝑖𝑑𝑖𝑒𝑛 𝑙 ′ é𝑡𝑎𝑡 𝑑′ 𝑎𝑣𝑎𝑛𝑐𝑒𝑚𝑒𝑛𝑡 𝑑𝑢 𝑝𝑟𝑜𝑗𝑒𝑡 ;

∎ 𝑃𝑟é𝑣𝑜𝑖𝑟 𝑠𝑢𝑓𝑓𝑖𝑠𝑎𝑚𝑚𝑒𝑛𝑡 à 𝑙 ′ 𝑎𝑣𝑎𝑛𝑐𝑒 𝑙𝑒𝑠 𝑎𝑐𝑡𝑖𝑜𝑛𝑠 𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑖𝑣𝑒𝑠 à 𝑒𝑛𝑡𝑟𝑒𝑝𝑟𝑒𝑛𝑑𝑟𝑒 𝑒𝑛 𝑐𝑎𝑠 𝑑𝑒 𝑟𝑒𝑡𝑎𝑟𝑑 𝑜𝑢 𝑑𝑒

𝑑é𝑝𝑎𝑠𝑠𝑒𝑚𝑒𝑛𝑡 𝑑𝑒𝑠 𝑐ℎ𝑎𝑟𝑔𝑒𝑠 𝑝𝑟é𝑣𝑢𝑒𝑠.

𝒃) 𝑳𝒆𝒔 𝒄𝒐𝒏𝒅𝒊𝒕𝒊𝒐𝒏𝒔 𝒑𝒓é𝒂𝒍𝒂𝒃𝒍𝒆𝒔 à 𝒍𝒂 𝒄𝒐𝒏𝒔𝒕𝒓𝒖𝒄𝒕𝒊𝒐𝒏 𝒅𝒖 𝒅𝒊𝒂𝒈𝒓𝒂𝒎𝒎𝒆 𝒅𝒆 𝑮𝑨𝑵𝑻𝑻

𝐴𝑣𝑎𝑛𝑡 𝑑 ′ 𝑒𝑥é𝑐𝑢𝑡𝑒𝑟 𝑙𝑎 𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑐𝑡𝑖𝑜𝑛 𝑑′ 𝑢𝑛 𝑔𝑟𝑎𝑝ℎ𝑒 𝑑𝑒 𝐺𝐴𝑁𝑇𝑇, 𝑖𝑙 𝑒𝑠𝑡 𝑖𝑛𝑑𝑖𝑠𝑝𝑒𝑛𝑠𝑎𝑏𝑙𝑒 𝑑𝑒 𝑝𝑎𝑠𝑠𝑒𝑟 𝑝𝑎𝑟 𝑙𝑒𝑠

é𝑡𝑎𝑝𝑒𝑠 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒𝑠 ∶

∎ 𝑅𝑒𝑠𝑠𝑜𝑟𝑡𝑖𝑟 𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑜𝑢 𝑜𝑝é𝑟𝑎𝑡𝑖𝑜𝑛𝑠 à 𝑟é𝑎𝑙𝑖𝑠𝑒𝑟 𝑒𝑡 𝑙𝑒𝑢𝑟 𝑑𝑢𝑟é𝑒 ;

∎ 𝐴𝑛𝑎𝑙𝑦𝑠𝑒𝑟 𝑒𝑡 𝑑é𝑓𝑖𝑛𝑖𝑟 𝑝𝑟é𝑐𝑖𝑠𝑒𝑚𝑒𝑛𝑡 𝑙𝑒𝑠 𝑙𝑖𝑒𝑛𝑠 𝑑 ′ 𝑖𝑛𝑡𝑒𝑟𝑑é𝑝𝑒𝑛𝑑𝑎𝑛𝑐𝑒 𝑒𝑛𝑡𝑟𝑒 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑑𝑢 𝑝𝑟𝑜𝑗𝑒𝑡 ;

∎ 𝐼𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑒𝑟 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑝𝑜𝑢𝑣𝑎𝑛𝑡 ê𝑡𝑟𝑒 𝑟é𝑎𝑙𝑖𝑠é𝑒𝑠 𝑠𝑖𝑚𝑢𝑙𝑡𝑎𝑛é𝑚𝑒𝑛𝑡 ;

∎ 𝐼𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑒𝑟 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑑é𝑝𝑒𝑛𝑑𝑎𝑛𝑡𝑒𝑠 ( 𝑞𝑢𝑖 𝑝𝑒𝑢𝑣𝑒𝑛𝑡 𝑐𝑜𝑚𝑚𝑒𝑛𝑐𝑒𝑟 𝑞𝑢𝑖 𝑠𝑖 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑒𝑠 𝑠𝑜𝑛𝑡

𝑒𝑛𝑡𝑎𝑚é𝑒𝑠 𝑜𝑢 𝑡𝑒𝑟𝑚𝑖𝑛é𝑒𝑠 ) ;

∎ 𝐸𝑛𝑟𝑖𝑐ℎ𝑖𝑟 𝑙𝑎 𝑡𝑎𝑏𝑙𝑒 𝑑𝑒𝑠 𝑟𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒𝑠 𝑒𝑛 𝑝𝑟é𝑐𝑖𝑠𝑎𝑛𝑡 𝑙𝑒𝑠 𝑞𝑢𝑎𝑛𝑡𝑖𝑡é𝑠 𝑑𝑖𝑠𝑝𝑜𝑛𝑖𝑏𝑙𝑒𝑠 ;

∎ 𝐺é𝑟𝑒𝑟 𝑙 ′ 𝑎𝑓𝑓𝑒𝑐𝑡𝑎𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑟𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒𝑠 𝑎𝑢𝑥 𝑡â𝑐ℎ𝑒𝑠 ;

∎ 𝑇𝑟𝑎𝑐𝑒𝑟 𝑙𝑒 𝑔𝑟𝑎𝑝ℎ𝑒 𝑑𝑒 𝐺𝐴𝑁𝑇𝑇.

𝒄) 𝑪𝒐𝒏𝒔𝒕𝒓𝒖𝒄𝒕𝒊𝒐𝒏 𝒅′ 𝒖𝒏 𝒅𝒊𝒂𝒈𝒓𝒂𝒎𝒎𝒆 𝒅𝒆 𝑮𝑨𝑵𝑻𝑻

𝐼𝑙 𝑠𝑒 𝑝𝑟é𝑠𝑒𝑛𝑡𝑒 𝑠𝑜𝑢𝑠 𝑓𝑜𝑟𝑚𝑒 𝑑𝑒 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑐𝑟𝑜𝑖𝑠é.

∎ 𝐿𝑎 𝑝𝑟𝑒𝑚𝑖è𝑟𝑒 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑑𝑢 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑐𝑜𝑛𝑡𝑖𝑒𝑛𝑡 𝑙𝑒𝑠 𝑛𝑜𝑚𝑠 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 ;

∎ 𝐿𝑎 𝑠𝑒𝑐𝑜𝑛𝑑𝑒 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑑𝑢 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑐𝑜𝑛𝑡𝑖𝑒𝑛𝑡 𝑙𝑎 𝑑𝑢𝑟é𝑒 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 ;

∎ 𝐿𝑒𝑠 𝑐𝑜𝑙𝑜𝑛𝑛𝑒𝑠 𝑠𝑢𝑖𝑣𝑎𝑛𝑡𝑒𝑠 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑒𝑛𝑡 𝑑𝑒𝑠 𝑢𝑛𝑖𝑡é𝑠 𝑑𝑒 𝑡𝑒𝑚𝑝𝑠 𝑒𝑥𝑝𝑟𝑖𝑚é𝑒𝑠 𝑒𝑛 𝑚𝑜𝑖𝑠, 𝑠𝑒𝑚𝑎𝑖𝑛𝑒𝑠 , 𝑗𝑜𝑢𝑟𝑠 𝑜𝑢

ℎ𝑒𝑢𝑟𝑒𝑠 ;

∎ 𝐶ℎ𝑎𝑞𝑢𝑒 𝑙𝑖𝑔𝑛𝑒 𝑑𝑢 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑛𝑒 𝑐𝑜𝑛𝑡𝑖𝑒𝑛𝑡 𝑞𝑢′ 𝑢𝑛𝑒 𝑠𝑒𝑢𝑙𝑒 𝑡â𝑐ℎ𝑒 ;

∎ 𝐶ℎ𝑎𝑞𝑢𝑒 𝑡â𝑐ℎ𝑒 𝑒𝑠𝑡 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡é𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑧𝑜𝑛𝑒 𝑑𝑒 𝑝𝑙𝑎𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑝𝑎𝑟 𝑢𝑛 𝑟𝑒𝑐𝑡𝑎𝑛𝑔𝑙𝑒 é𝑝𝑎𝑖𝑠 𝑑𝑜𝑛𝑡 𝑙𝑎 𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟

𝑒𝑠𝑡 𝑝𝑟𝑜𝑝𝑜𝑟𝑡𝑖𝑜𝑛𝑛𝑒𝑙𝑙𝑒 à 𝑠𝑎 𝑑𝑢𝑟é𝑒 𝑑′ 𝑒𝑥é𝑐𝑢𝑡𝑖𝑜𝑛 𝑝𝑟é𝑣𝑢𝑒 ;

∎ 𝐿′ 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑙𝑒 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑎𝑛𝑡 𝑎𝑢𝑥 𝑑𝑎𝑡𝑒𝑠 𝑑𝑒 𝑑é𝑏𝑢𝑡 𝑒𝑡 𝑑𝑒 𝑓𝑖𝑛 𝑑𝑒 𝑐𝑒 𝑟𝑒𝑐𝑡𝑎𝑛𝑔𝑙𝑒 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑒 𝑙𝑒𝑠 𝑑𝑎𝑡𝑒𝑠 𝑑𝑒

𝑑é𝑏𝑢𝑡 𝑒𝑡 𝑑𝑒 𝑓𝑖𝑛 𝑑𝑒 𝑙𝑎 𝑡â𝑐ℎ𝑒 𝑐𝑜𝑛𝑐𝑒𝑟𝑛é𝑒 ;

98
∎ 𝐿𝑎 𝑝𝑟𝑜𝑔𝑟𝑒𝑠𝑠𝑖𝑜𝑛 𝑟é𝑒𝑙𝑙𝑒 𝑑𝑎𝑛𝑠 𝑙 ′ 𝑒𝑥é𝑐𝑢𝑡𝑖𝑜𝑛 𝑑′ 𝑢𝑛𝑒 𝑡â𝑐ℎ𝑒 𝑒𝑠𝑡 𝑖𝑛𝑑𝑖𝑞𝑢é𝑒 𝑝𝑎𝑟 𝑙𝑒 𝑟𝑒𝑚𝑝𝑙𝑖𝑠𝑠𝑎𝑔𝑒 𝑑𝑒 𝑐𝑒 𝑟𝑒𝑐𝑡𝑎𝑛𝑔𝑙𝑒

𝑜𝑢 𝑝𝑎𝑟 𝑢𝑛 𝑡𝑟𝑎𝑖𝑡 𝑑𝑒 𝑐𝑜𝑢𝑙𝑒𝑢𝑟 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑒 𝑒𝑡 𝑝𝑎𝑟𝑎𝑙𝑙è𝑙𝑒 𝑎𝑢 𝑡𝑟𝑎𝑖𝑡 é𝑝𝑎𝑖𝑠 ;

∎ 𝐿𝑎 𝑙𝑜𝑛𝑔𝑢𝑒𝑢𝑟 𝑑𝑒 𝑐𝑒 𝑟𝑚𝑝𝑙𝑖𝑠𝑠𝑎𝑔𝑒 𝑜𝑢 𝑙 ′ 𝑎𝑣𝑎𝑛𝑐é𝑒 𝑑𝑢 𝑡𝑟𝑎𝑖𝑡 𝑒𝑛 𝑝𝑜𝑖𝑛𝑡𝑖𝑙𝑙é 𝑝𝑎𝑟 𝑟𝑎𝑝𝑝𝑜𝑟𝑡 à 𝑙𝑎 𝑑𝑎𝑡𝑒 𝑑𝑢 𝑗𝑜𝑢𝑟

𝑝𝑒𝑟𝑚𝑒𝑡 𝑑𝑒 𝑚𝑒𝑠𝑢𝑟𝑒𝑟 𝑙𝑒𝑠 𝑝𝑒𝑟𝑓𝑜𝑟𝑚𝑎𝑛𝑐𝑒𝑠 , 𝑑é𝑡𝑒𝑐𝑡𝑒𝑟 𝑙𝑒𝑠 𝑟𝑒𝑡𝑎𝑟𝑑𝑠 𝑑𝑎𝑛𝑠 𝑙 ′ 𝑒𝑥é𝑐𝑢𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑒𝑡 𝑑𝑒 𝑝𝑟𝑒𝑛𝑑𝑟𝑒

𝑝𝑎𝑟 𝑎𝑛𝑡𝑖𝑐𝑖𝑝𝑎𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑚𝑒𝑠𝑢𝑟𝑒𝑠 𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑖𝑣𝑒𝑠 ;

∎ 𝐿𝑒𝑠 𝑙𝑖𝑒𝑛𝑠 𝑑𝑒 𝑑é𝑝𝑒𝑛𝑑𝑎𝑛𝑐𝑒 𝑒𝑛𝑡𝑟𝑒 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑠𝑜𝑛𝑡 𝑚𝑎𝑡é𝑟𝑖𝑎𝑙𝑖𝑠é𝑠 𝑝𝑎𝑟 𝑑𝑒 𝑠𝑖𝑚𝑝𝑙𝑒𝑠 𝑓𝑙è𝑐ℎ𝑒𝑠 (𝑟𝑒𝑙𝑎𝑡𝑖𝑜𝑛𝑠

𝑑′ 𝑎𝑛𝑡é𝑐é𝑑𝑒𝑛𝑐𝑒 𝑒𝑡 𝑑𝑒 𝑠𝑢𝑐𝑐𝑒𝑠𝑠𝑖𝑜𝑛) ;

∎ 𝐿𝑒 𝑐ℎ𝑒𝑚𝑖𝑛 𝑐𝑟𝑖𝑡𝑖𝑞𝑢𝑒 𝑒𝑠𝑡 𝑓𝑜𝑟𝑚é 𝑝𝑎𝑟 𝑙𝑎 𝑠𝑢𝑐𝑐𝑒𝑠𝑠𝑖𝑜𝑛 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑝𝑜𝑢𝑟 𝑙𝑒𝑠𝑞𝑢𝑒𝑙𝑙𝑒𝑠 𝑙𝑒 𝑑é𝑙𝑎𝑖 𝑑𝑒 𝑟é𝑎𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑒𝑠𝑡

𝑙𝑒 𝑝𝑙𝑢𝑠 𝑙𝑜𝑛𝑔 𝑠𝑢𝑟 𝑙𝑒 𝑔𝑟𝑎𝑝ℎ𝑒. 𝐿𝑒 𝑚𝑜𝑖𝑛𝑑𝑟𝑒 𝑟𝑒𝑡𝑎𝑟𝑑 𝑠𝑢𝑟 𝑙 ′ 𝑢𝑛𝑒 𝑑𝑒 𝑐𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑎𝑓𝑓𝑒𝑐𝑡𝑒 𝑑𝑖𝑟𝑒𝑐𝑡𝑒𝑚𝑒𝑛𝑡

𝑙 ′ 𝑒𝑛𝑠𝑒𝑚𝑏𝑙𝑒 𝑑𝑢 𝑝𝑟𝑜𝑗𝑒𝑡.

𝐿𝑜𝑟𝑠𝑞𝑢𝑒 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 à 𝑎𝑐𝑐𝑜𝑚𝑝𝑙𝑖𝑟 𝑠𝑜𝑛𝑡 𝑛𝑜𝑚𝑏𝑟𝑒𝑢𝑠𝑒𝑠 𝑒𝑡 𝑑é𝑝𝑒𝑛𝑑𝑒𝑛𝑡 𝑑𝑒 𝑟𝑒𝑠𝑝𝑜𝑛𝑠𝑎𝑏𝑙𝑒𝑠 𝑑𝑖𝑓𝑓é𝑟𝑒𝑛𝑡𝑠 , 𝑖𝑙 𝑝𝑒𝑢𝑡

ê𝑡𝑟𝑒 𝑎𝑗𝑜𝑢𝑡é 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑑𝑖𝑎𝑔𝑟𝑎𝑚𝑚𝑒 ( 𝑒𝑛 3 è𝑚𝑒 𝑝𝑜𝑠𝑖𝑡𝑖𝑜𝑛 𝑎𝑝𝑟è𝑠 𝑙𝑎 𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑒𝑡 𝑑𝑒𝑠 𝑑𝑢𝑟é𝑒𝑠), 𝑢𝑛𝑒

𝑐𝑜𝑙𝑜𝑛𝑛𝑒 𝑝𝑟é𝑐𝑖𝑠𝑎𝑛𝑡 , 𝑝𝑜𝑢𝑟 𝑐ℎ𝑎𝑐𝑢𝑛𝑒 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 , 𝑙𝑒 𝑟𝑒𝑠𝑝𝑜𝑛𝑠𝑎𝑏𝑙𝑒 𝑐ℎ𝑎𝑟𝑔é 𝑑𝑒 𝑠𝑜𝑛 𝑠𝑢𝑖𝑣𝑖.

𝐿𝑒𝑠 é𝑡𝑎𝑝𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑐𝑜𝑛𝑠𝑡𝑟𝑢𝑐𝑡𝑖𝑜𝑛

∎ 𝑂𝑛 𝑖𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑒 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑠𝑎𝑛𝑠 𝑎𝑛𝑡é𝑐é𝑑𝑒𝑛𝑡𝑠 𝑒𝑡 𝑜𝑛 𝑙𝑒𝑠 𝑡𝑟𝑎𝑐𝑒𝑠 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑧𝑜𝑛𝑒 𝑑𝑒 𝑝𝑙𝑎𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑒𝑛 𝑓𝑜𝑛𝑐𝑡𝑖𝑜𝑛

𝑑𝑒 𝑙𝑒𝑢𝑟 𝑑𝑎𝑡𝑒 𝑑𝑒 𝑑é𝑏𝑢𝑡 𝑒𝑡 𝑑𝑒 𝑓𝑖𝑛 ;

∎ 𝑂𝑛 𝑖𝑑𝑒𝑛𝑡𝑖𝑓𝑖𝑒 𝑒𝑛𝑠𝑢𝑖𝑡𝑒 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑑𝑜𝑛𝑡 𝑙𝑒𝑠 𝑎𝑛𝑡é𝑐é𝑑𝑒𝑛𝑡𝑠 𝑠𝑜𝑛𝑡 𝑒𝑥𝑐𝑙𝑢𝑠𝑖𝑣𝑒𝑚𝑒𝑛𝑡 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑝𝑟é𝑐é𝑑𝑒𝑛𝑡𝑒𝑠 𝑒𝑡

𝑜𝑛 𝑙𝑒𝑠 𝑝𝑙𝑎𝑐𝑒 𝑠𝑢𝑟 𝑙𝑒 𝑑𝑖𝑎𝑔𝑟𝑎𝑚𝑚𝑒 ;

∎ 𝑂𝑛 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑒 𝑎𝑖𝑛𝑠𝑖 𝑗𝑢𝑠𝑞𝑢′ à 𝑐𝑒 𝑞𝑢𝑒 𝑡𝑜𝑢𝑡𝑒𝑠 𝑙𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑠𝑜𝑖𝑒𝑛𝑡 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡é𝑒 𝑑𝑎𝑛𝑠 𝑙𝑎 𝑧𝑜𝑛𝑒 𝑑𝑒 𝑝𝑙𝑎𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑜𝑛 ;

∎ 𝐷𝑢𝑟𝑎𝑛𝑡 𝑙𝑎 𝑝ℎ𝑎𝑠𝑒 𝑑′ 𝑒𝑥é𝑐𝑢𝑡𝑖𝑜𝑛 , 𝑜𝑛 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑒 𝑝𝑎𝑟 𝑢𝑛 𝑡𝑟𝑎𝑖𝑡 𝑝𝑎𝑟𝑎𝑙𝑙é𝑙𝑒 𝑒𝑛 𝑝𝑜𝑖𝑛𝑡𝑖𝑙𝑙é à 𝑙𝑎 𝑡â𝑐ℎ𝑒 𝑝𝑙𝑎𝑛𝑖𝑓𝑖é𝑒

𝑙𝑎 𝑝𝑟𝑜𝑔𝑟𝑒𝑠𝑠𝑖𝑜𝑛 𝑟é𝑒𝑙𝑙𝑒 𝑑𝑢 𝑡𝑟𝑎𝑣𝑎𝑖𝑙.

𝐷𝑎𝑛𝑠 𝑙𝑎 𝑝𝑟𝑎𝑡𝑖𝑞𝑢𝑒 , 𝑙𝑒 𝑑𝑖𝑎𝑔𝑟𝑎𝑚𝑚𝑒 𝑑𝑒 𝐺𝐴𝑁𝑇𝑇 𝑒𝑠𝑡 𝑠𝑜𝑢𝑣𝑒𝑛𝑡 𝑐𝑜𝑚𝑝𝑙é𝑡é 𝑝𝑎𝑟 𝑢𝑛 𝑠𝑒𝑐𝑜𝑛𝑑 𝑡𝑎𝑏𝑙𝑒𝑎𝑢 𝑞𝑢𝑖 𝑐𝑜𝑛𝑡𝑖𝑒𝑛𝑡

𝑙𝑎 𝑙𝑖𝑠𝑡𝑒 𝑑𝑒𝑠 𝑟𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒𝑠 𝑎𝑓𝑓𝑒𝑐𝑡é𝑒𝑠 à 𝑐ℎ𝑎𝑐𝑢𝑛𝑒 𝑑𝑒𝑠 𝑡â𝑐ℎ𝑒𝑠 𝑎𝑖𝑛𝑠𝑖 𝑞𝑢𝑒 𝑑𝑖𝑣𝑒𝑟𝑠 𝑖𝑛𝑑𝑖𝑐𝑎𝑡𝑒𝑢𝑟𝑠 𝑑𝑒 𝑠𝑢𝑖𝑣𝑖.

𝐺𝑟â𝑐𝑒 à 𝑙 ′ 𝑢𝑡𝑖𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝑙𝑜𝑔𝑖𝑐𝑖𝑒𝑙 𝑑𝑒 𝑝𝑙𝑎𝑛𝑖𝑓𝑖𝑐𝑎𝑡𝑖𝑜𝑛, 𝑙 ′ 𝑎𝑓𝑓𝑒𝑐𝑡𝑎𝑡𝑖𝑜𝑛 𝑑𝑒𝑠 𝑟𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒𝑠 𝑎𝑢𝑥 𝑡â𝑐ℎ𝑒𝑠 𝑠𝑒 𝑔è𝑟𝑒

𝑎𝑢𝑡𝑜𝑚𝑎𝑡𝑖𝑞𝑢𝑒𝑚𝑒𝑛𝑡. 𝐼𝑙 𝑒𝑠𝑡 𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒 𝑑𝑒 𝑟𝑒𝑠𝑠𝑜𝑟𝑡𝑖𝑟 𝑑𝑒𝑠 𝑔𝑟𝑎𝑝ℎ𝑒𝑠 𝑠𝑝é𝑐𝑖𝑓𝑖𝑞𝑢𝑒𝑠 𝑠𝑢𝑟 𝑙 ′ 𝑢𝑡𝑖𝑙𝑖𝑠𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝑐ℎ𝑎𝑞𝑢𝑒

𝑟𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒.
99
𝒅) 𝑹𝒆𝒑𝒓é𝒔𝒆𝒏𝒕𝒂𝒕𝒊𝒐𝒏

𝐼𝑙 𝑒𝑥𝑖𝑠𝑡𝑒 𝑝𝑙𝑢𝑠𝑖𝑒𝑢𝑟𝑠 𝑟𝑒𝑝𝑟é𝑠𝑒𝑛𝑡𝑎𝑡𝑖𝑜𝑛 𝑑𝑜𝑛𝑡 𝑐𝑒𝑙𝑙𝑒 − 𝑐𝑖.

𝑃é𝑟𝑖𝑜𝑑𝑒 →
0 10 20 30 40 … … …
𝑇â𝑐ℎ𝑒𝑠 ↓

𝑅𝑒𝑠𝑠𝑜𝑢𝑟𝑐𝑒𝑠 𝑀𝑜𝑛𝑡𝑎𝑛𝑡 𝑑𝑒 𝑐ℎ𝑎𝑞𝑢𝑒 𝑡â𝑐ℎ𝑒

𝐴𝑝𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛

𝑅𝑒𝑝𝑟𝑒𝑛𝑑𝑟𝑒 𝑙′𝑎𝑝𝑝𝑙𝑖𝑐𝑎𝑡𝑖𝑜𝑛 𝑑𝑒 𝑙𝑎 𝑚é𝑡ℎ𝑜𝑑𝑒 𝑀𝑃𝑀.

100