‫الجمهوريــة الجزائري ــة الديمقراطي ــة الشعبيـ ــة‬

‫‪République Algérienne Démocratique et Populaire‬‬

‫‪Ministère de l’enseignement supérieur‬‬
‫وزارة التعليم العالي والبحث العلمي‬
‫‪et de la recherche scientifique‬‬
‫‪Université de Boumerdès‬‬ ‫جامعة أمحمد بوقرة ـ بومرداس‬
‫‪Faculté des Sciences Economiques,‬‬ ‫كلية العلوم االقتصادية‪ ،‬التجارية وعلوم التسيير‬
‫‪Commerciales et Sciences de Gestion‬‬

‫مطبوعة بيداغوجية تحت عنوان‬

‫محاضرات في طرق األمثلية‬

‫موجهة لطلبة املاسرت يف العلوم االقتصادية‬

‫من إعداد‪:‬‬
‫د‪ .‬شاليل فارس‪ /‬قسم العلوم االقتصادية‬

‫السنة اجلامعية‪1029 -1028 :‬‬

‫‪1‬‬
‫الصفحة‬ ‫الفهرس‬
‫مقدمة‬

‫المحور األول‪ :‬مفاهيم حول األمثلية الخطية‬

‫‪05‬‬ ‫‪ .1‬مفهوم الربجمة اخلطية‬
‫‪05‬‬ ‫‪ .2‬أوجه استخدام الربجمة اخلطية‬
‫‪60‬‬ ‫‪ .3‬الربنامج اخلطي‬
‫‪11‬‬ ‫‪ .4‬طرق حل الربنامج اخلطي‬
‫‪18‬‬ ‫‪ .5‬النموذج املقابل‬
‫‪19‬‬ ‫‪ .0‬الطرقة املبسطة للنموذج املقابل‬
‫‪22‬‬ ‫‪ .7‬متارين‬
‫المحور الثاني‪ :‬مفاهيم حول األمثلية متعددة األبعاد )‪(Optimisation Multidimensionnelle‬‬
‫‪25‬‬ ‫‪ .1‬اجملموعة احملدبة ‪ ،‬الدالة ‪ ،‬امليل ‪ ،‬املصفوفة اهلسية‬
‫‪36‬‬ ‫) ‪( la méthode des mineurs principaux‬‬ ‫‪ .2‬الطريقة الرئيسية الصغرى‬
‫‪33‬‬ ‫‪ .3‬متارين‬
‫) ‪(Optimisation non linéaire sans contraintes‬‬ ‫المحور الثالث‪ :‬األمثلية في الدوال غير الخطية بدون قيود‬
‫‪30‬‬ ‫‪) Newton- Raphson‬‬ ‫‪ .1‬طريقة نيوتن رافسن (‬
‫‪46‬‬ ‫‪) Steepest-Ascent‬‬ ‫‪ .2‬طريقة أقصى ميل صعود (‬
‫‪43‬‬ ‫‪ .3‬متارين‬
‫)‪( Optimisation non linéaire avec contraintes‬‬ ‫المحور الرابع‪ :‬األمثلية في الدوال غير الخطية بقيود‬

‫‪45‬‬ ‫‪ .1‬طريقة جاكويب‬

‫‪55‬‬ ‫‪ .2‬طريقة الغرانج‬
‫‪01‬‬ ‫‪ .3‬طريقة كاين توكر‬
‫‪06‬‬ ‫‪ .4‬متارين‬
‫‪76‬‬ ‫خاتمة‬

‫‪72‬‬ ‫قائمة المراجع‬

‫‪2‬‬
 ‫مقدمة‬

‫يتسم العامل اليوم باالتساع والشمولية يف ظل الصعوبة املتأتية من ندرة املوارد وزيادة الطلب‪ .‬باإلضافة إىل‬
‫تفاقم املشاكل االقتصادية والصناعية والتجارية منها‪.‬هذا ما جعل الباحثني االقتصاديني عموما يركزون‬
‫اهتمامهم على دراسة املشكالت العملية لتحقيق االستغالل األمثل للموارد املتاحة لألهداف احملددة‪.‬‬

‫ففي الصناعة مثال‪ ،‬هناك الكثري من التقنيات الرياضية املطورة اليت تنطبق بصورة خاصة على املشكالت اليت‬
‫تواجهها‪ .‬فالتقنيات الرياضية مثل الربجمة اخلطية والربجمة غري اخلطية واليت تندرج ضمن طرق األمثلية ‪ ،‬ونظرية‬
‫القرار‪ ،‬تساعد مجيعا يف إجياد احلل األمثل لكثري من االحتماالت‪.‬‬

‫يف إطار هذه األمهية ‪ ،‬تأيت هذه املطبوعة اليت تتناول عموما من خالل املسائل التطبيقية‪ ،‬أبرز مكونات‬
‫مقياس " طرق األمثلية " ‪ .‬هي حماولة لتقدمي أبرز هذه الطرق اليت تبحث يف الدالة االقتصادية اخلطية و غري‬
‫اخلطية إىل طلبتنا األعزاء يف املرحلة اجلامعية خاصة يف طور الماستر ‪ ،‬ولكافة املهتمني باملوضوع من أساتذة‬
‫وباحثني‪.‬‬

‫قد توخينا البساطة والتعميق يف تقدمي األمثلة التطبيقية ‪ .‬إميانا منا بأن هذا هو املدخل األكثر نفعا وفاعلية‬
‫يف ترسيخ هذه املادة العلمية يف ذهن القارئ‪ ،‬من خالل قيامه بإجياد احللول لعشرات املسائل ولطرق حل‬
‫األمثلية االقتصادية بشقيها املقيدة وغري املقيدة اليت تضمنتها املطبوعة‪.‬‬

‫لقد جاءت هذه املطبوعة مقسمة إىل أربعة ( ‪ ) 4‬حماور‪ ،‬وهي موجهة أساسا إىل الطلبة يف طور الماستر‬
‫علوم اقتصادية (ختصص اقتصاد كمي)‪ .‬حيث قسمت على النحو التايل‪:‬‬

‫)‪(Optimisation linéaire‬‬ ‫احملور األول‪ :‬مفاهيم حول األمثلية اخلطية‬

‫احملور الثاين‪ :‬مفاهيم حول األمثلية متعددة األبعاد )‪(Optimisation Multidimensionnelle‬‬

‫احملور الثالث‪ :‬األمثلية يف الدوال غري اخلطية بدون قيود )‪(Optimisation non linéaire sans contraintes‬‬

‫احملور الرابع‪ :‬األمثلية يف الدوال غري اخلطية بقيود )‪( Optimisation non linéaire avec contraintes‬‬

‫‪3‬‬
 ‫المحور األول‬
‫مفاهيم حول األمثلية الخطية‬
‫)‪(Optimisation linéaire‬‬

‫عناصر المحور ‪:‬‬

‫مفهوم الربجمة اخلطية‬ ‫‪‬‬
‫أوجه استخدام الربجمة اخلطية‬ ‫‪‬‬
‫الربنامج اخلطي‬ ‫‪‬‬
‫طرق حل الربنامج اخلطي‬ ‫‪‬‬
‫النموذج املقابل‬ ‫‪‬‬
‫الطريقة املبسطة للنموذج املقابل‬ ‫‪‬‬
‫متارين‬ ‫‪‬‬

‫‪4‬‬
 ‫مفهوم البرمجة الخطية‪:‬‬
‫تعترب الربجمة اخلطية من املواضيع األساسية يف حبوث العمليات وتكمن أمهيتها يف دراسة سلوك عدد كبري‬
‫من األنظمة‪ ،‬هي عبارة عن تكتيك رياضي يهتم حبل مشاكل الصناعة على العموم فيما يتعلق بتصغري‬
‫وتعظيم الدوال اخلطية بوجود قيود أطرافها متساوية وأقل من وأكرب من‪.1‬‬

‫ميكن تعريف الربجمة اخلطية بأهنا عبارة عن طريقة أو أسلوب رياضي يستخدم للمساعدة يف التخطيط واختاذ‬
‫القرارات املتعلقة بالتوزيع األمثل للموارد املتاحة وذلك هبدف زيادة األرباح وختفيض التكاليف‪.‬‬

‫إن كلمة الربجمة تعين وضع املشكلة بصيغة رياضية أو منوذج رياضي وحلها‪ .‬وبناء على ذلك فإن الربجمة‬
‫اخلطية تتضمن ختطيط األنشطة للحصول على نتائج أمثل‪ .‬ومبعىن أوسع فأن هذا املصطلح يعين أيضا التنفيذ‬
‫املنظم واألفضل لألعمال‪.‬‬

‫مت تطوير الربجمة اخلطية ٕواستخدامها بصورة فعلية يف سنة ‪ 2941‬على يد العامل الرياضي جورج دانتزنغ‬
‫)‪ (George Dantzing‬حلل بعض مشكالت التخطيط يف السالح اجلو األمريكي‪ .‬يف حني أن العامل الفرنسي‬
‫جون بابتيس فوريي ( ‪ ) Jean Baptise Fourier‬قد تنبه ملسامهاهتا احملتملة يف عام ‪ ، 2911‬وقد كان أول‬
‫استخدام أو تطبيق للربجمة اخلطية من قبل اإلقتصادي جورج ستجلر )‪ (George Stigler‬وذلك يف بداية‬
‫األربعينات‪ ،‬حيث هدف إىل حتديد مكونات الغذاء اليومي اليت تزود اجلسم باحلد األدىن من احتياجاته من‬
‫الفيتامينات بأقل التكاليف‪.2‬‬
‫أوجه استخدام البرمجة الخطية‪:3‬‬
‫إن استخدامات الربجمة اخلطية قد اتسعت لتشمل معظم نواحي احلياة سواء كان ذلك بالقطاع العام أم‬
‫اخلاص ‪ ،‬يف مؤسسة إنتاجية أو خدمية ‪ ،‬وهادفة الربح أم غري هادفة ‪ ،‬واألمثلة اآلتية تعطي فكرة سريعة عن‬
‫أوجه استخدام الربجمة اخلطية‪.‬‬
‫أحد مدراء املصانع يرغب يف وضع جدول اإلنتاج وحتديد سياسة املخزون بالشكل الذي يعمل‬ ‫أ‪-‬‬
‫على إشباع الطلب يف املستقبل وكذلك تقليل أو ختفيض جمموع اإلنتاج والتخزين إىل حدها‬
‫األدىن ‪ .‬علما بأن هذا املدير قد فرضت عليه قيود متعلقة بالطلب وكذلك بالطاقة اإلنتاجية‬
‫املتاحة‪.‬‬
‫حملل مايل يريد أن حيدد مكونات احملفظة املالية وبالشكل الذي يؤدي إىل زيادة العائد على‬ ‫ب‪-‬‬
‫االستثمار يف كل من األسهم والسندات كقيود على احمللل ‪.‬‬

‫‪ 1‬أبو القاسم مسعود الشيخ‪ ،‬بحوث العمليات‪ ،‬المجموعة العربية للتدريب والنشر‪ ،‬القاهرة‪ ،‬مصر ‪ ،1009‬ص ‪.12‬‬
‫‪ 2‬جهاد صياح بني هاني‪ ،‬بحوث العمليات‪ ،‬دار جليس الزمان ‪ ،‬عمان ‪ ،1008‬ص ‪.12‬‬
‫‪ 3‬راتول محمد "بحوث العمليات"‪ ،‬ديوان المطبوعات الجامعية‪ ،‬ط‪ ، 2‬الجزائر ‪ ، 2006،‬ص‪.21‬‬

‫‪5‬‬
 ‫يرغب مدير التسويق يف إحدى الشركات يف حتديد كيفية توزيع ميزانية اإلعالن احملددة بني‬ ‫ت‪-‬‬
‫البدائل املتعلقة بوسائل اإلعالن املختلفة مثل الراديو‪ ،‬والتلفزيون‪ ،‬واجلرائد‪ ،‬واجملالت ‪.‬حبيث أن هذا التوزيع‬
‫يؤدي إىل اختيار وسائل اإلعالن اليت تؤدي إىل تعظيم تأثري اإلعالن ( زيادة الطلب ‪ ) .‬حيث متثل امليزانية‬
‫وتوفر وسائل اإلعالن املختلفة قيودا على مدير التسويق‪.‬‬
‫ث‪ -‬إحدى الشركات هلا خمازن يف مناطق متعددة وترغب يف سد احتياجات مناطق من‬
‫حمتويات هذه املخازن ‪.‬وهكذا نواجه مشكلة إشباع طلبات املناطق من املخازن املختلفة وبأقل تكلفة ممكنة‪.‬‬
‫والقيود هذه هي احتياجات املناطق والكميات املعروضة او املتوفرة يف املخازن‪.‬‬

‫ومن املواضيع اليت تستخدم فيها الربجمة اخلطية هي جماالت العلوم اإلقتصادية واملالية والتجارية وعلوم التسيري‬
‫عامة كما يلي‪:‬‬
‫في حالة التدنئة‬ ‫في حالة التعظيم‬
‫‪ ‬تدنئة التكاليف‬ ‫‪ ‬تعظيم األرباح‬
‫‪ ‬تدنئة اخلسائر‬ ‫‪ ‬تعظيم اإلنتاج‬
‫‪ ‬تدنئة عدد املوظفني‬ ‫‪ ‬تعظيم طاقات التخزين‬
‫‪ ‬تدنئة األجور اإلمجالية‬ ‫‪ ‬تعظيم استخدام رؤوس األموال‬
‫كما تستخدم يف الكثري من جماالت اإلدارة وغري ذلك‬ ‫‪ ‬تعظيم استخدام اليد العاملة ‪.‬‬
‫من املسائل اهلادفة إىل عقلنة استخدام املوارد‪.‬‬ ‫وغري ذلك من املسائل الواقعية اليت يكون هدفها التعظيم‪.‬‬

‫البرنامج الخطي‪:‬‬
‫تتطلب مشكلة الربجمة اخلطية توافر املتطلبات واخلصائص اآلتية‪:4‬‬
‫وجود هدف واضح وحمدد حبيث ميكن متثيله مبعادلة رياضية تسمى دالة الهدف‪ ،‬وغالبا ما‬ ‫‪-2‬‬
‫تكون هذه األهداف متعلقة بزيادة األرباح أو ختفيض التكاليف‪.‬‬
‫وجود حمددات أو قيود تسمى قيود البرنامج الخطي ال نستطيع جتاوزها ‪.‬فعلى سبيل املثال‬ ‫‪-1‬‬
‫فأن عدد الوحدات اليت سينتجها من منتج معني يتحدد بعدد ساعات العمل املتوفرة ‪.‬وإن‬
‫اختيار السياسة اإلعالنية أو مكونات احملفظة املالية يتحدد يف الغالب يف ضوء املبالغ املتاحة‬
‫واملهيأة لالستثمار ‪ .‬وهلذا فأننا نسعى لتحقيق هدف معني ضمن شروط أو قيود معينة‪.‬‬
‫جيب أن تكون المتغيرات القرارية ( متغيرات القرار) يف املشكلة قيد الدراسة موجبة أو‬ ‫‪-1‬‬
‫صفرية‪.‬‬

‫محمد العزاوي‪ ،‬األساليب الكمية في العلوم اإلدارية‪ ،‬دار اليازوري ‪ ،‬األردن ‪ ،3102‬ص ص ‪. 01-10‬‬ ‫‪4‬‬

‫‪6‬‬
‫توفر عدد من البدائل لالختيار من بينها ‪ .‬فعلى سبيل املثال فأن الشركة اليت تنتج أربع منتجات‬ ‫‪-4‬‬
‫قد تستخدم الربجمة اخلطية ملساعدهتا يف توزيع املصادر املتاحة بني هذه املنتجات واختيار املنتج‬
‫أو املزيج من املنتجات الذي يؤدي إىل التحقيق األمثل لألهداف‪.‬‬
‫التعبري عن دالة اهلدف والقيود يف مشاكل الربجمة اخلطية مبعادالت أو متباينات خطية أو‬ ‫‪-2‬‬
‫مستقيمة أي أن تكون املعدالت واملتباينات من الدرجة األولى‪.‬‬

‫أشكال البرنامج الخطي‪:5‬‬

‫يأخذ الربنامج اخلطي أشكاال متعددة نستعرضها فيما يلي‪:‬‬
‫الشكل العام ‪ :‬يأخذ الصيغة اآلتية‪:‬‬ ‫‪-1‬‬

‫حيث‪:‬‬
‫‪ : n‬عدد المتغيرات‪.‬‬
‫‪ : m‬عدد القيود‪.‬‬
‫‪ : Z‬قيمة دالة اهلدف واليت تقيس فعالية أو كفاءة قرار االختيار‪.‬‬
‫‪ : Xj‬املتغريات اليت يراد معرفة قيمتها‪.‬‬
‫‪ : Cj‬تكلفة ( أو ربح ) الوحدة الواحدة من املتغريات‪.‬‬
‫‪ : aij‬معامالت املتغريات وتكون عادة معروفة‪.‬‬
‫‪ : bj‬املتاح من املوارد واليت تكون حمدودة‪.‬‬

‫‪ -2‬الشكل القانوني‪:‬‬
‫حالة التعظيم‪:‬‬ ‫أ‪-‬‬
‫تكون قيود املسألة يف اجتاه أصغر من أو يساوي‬

‫محمد عبد العال النعيمي ‪ ،‬بحوث العمليات ‪ ،‬دار وائل للنشر‪،‬األردن ‪ ، 1022‬ص‪. 21‬‬ ‫‪5‬‬

‫‪7‬‬
 ‫حالة التدنئة‪:‬‬ ‫ب‪-‬‬
‫تكون قيود املسألة يف اجتاه أكبر من أو يساوي‬

‫‪ -3‬الشكل المعياري‪:‬‬
‫لالنتقال من الشكل القانوين إىل الشكل املعياري‬
‫نقوم بإضافة متغيرات الفرق ( ‪ ) Si‬حىت تصبح‬
‫القيود عبارة عن معادالت (=) ( مساواة بني‬
‫الطرفني)‬

‫مثال تطبيقي‪ :‬بناء برنامج خطي‬

‫تقوم شركة لألثاث بتصنيع الطاوالت والكراسي كجزء من إنتاجها ‪ .‬اجلدول التايل يوضح أسم املورد (املواد‬
‫والعمل) الذي حنتاجه لصنع وحدة واحدة من املنتج وعدد الوحدات املطلوبة و الوحدات املتاحة‪.‬‬

‫الوحدات املطلوبة إلنتاج وحدة واحدة‬

‫املتاح‬ ‫الكراسي‬ ‫الطاوالت‬ ‫اسم المورد‬
‫‪100‬‬ ‫‪20‬‬ ‫‪22‬‬ ‫خشب ( ياردة)‬
‫‪220‬‬ ‫‪2‬‬ ‫‪1.2‬‬ ‫عمل ( ساعة عمل)‬
‫‪4‬‬ ‫ربح الوحدة الواحدة بالدينار ‪1‬‬
‫املطلوب‪ :‬صياغة الربنامج اخلطي الذي من خالله يريد صاحب الشركة أن ينتج العدد الالزم من الكراسي و‬
‫الطاوالت لزيادة الربح إىل أكرب قدر ممكن من الدينارات‪.‬‬

‫‪8‬‬
 ‫صياغة المشكلة رياضيا ‪:‬‬
‫متغيرات القرار ‪:‬‬
‫لتكن ‪:‬‬
‫‪ : x1‬عدد الطاوالت املطلوب إنتاجها‬
‫‪ : x2‬عدد الكراسي املطلوب إنتاجها‬
‫صياغة دالة الهدف‪:‬‬
‫حيث أن اهلدف هو تعظيم الربح إىل أعلى حد ممكن فإن دالة اهلدف جيب أن تكون تعظيم‬
‫)‪ (Maximisation‬و اختصارا تكتب ‪ (Max )6‬وحيث أن الربح هو عبارة عن عدد الوحدات املباعة‬
‫مضروبا بربح الوحدة الواحدة فإن دالة اهلدف يف هذه املشكلة تكون كالتايل‪:‬‬

‫‪Max z = 3 x1 + 4 x2‬‬

‫صياغة القيود ‪:‬‬

‫القيد األول ‪ :‬قيد الخشب‬
‫األخشاب املستخدمة لصنع الطاوالت ‪ +‬األخشاب املستخدمة لصنع الكراسي حمددة وجيب أن ال تزيد عن‬
‫الكمية املتاحة ‪.‬لذلك فإن القيد اخلاص بالكمية املتاحة من األخشاب يكون كالتايل‪:‬‬

‫‪15 x1 + 10 x2 ≤ 300‬‬

‫القيد الثاني ‪ :‬قيد العمل‬

‫ساعات العمل املستخدمة لصنع للطاوالت ‪ +‬ساعات العمل املستخدمة لصنع الكراسي جيب أن ال تتعدى‬
‫الساعات املتاحة للشركة ‪.‬أي أن ‪:‬‬
‫‪2.5 x1 + 5 x2 ≤ 110‬‬

‫قيد عدم السلبية‪:‬‬

‫حيث أنه ال يوجد إنتاج كراسي أو طاوالت بالسالب فإنه جيب أن يوضع قيد على احلل أن ال يقل عن‬
‫‪x1 , x2‬‬ ‫‪≥0‬‬ ‫الصفر ‪.‬أي أن‪:‬‬

‫‪ 6‬لو افرتضنا أن الشركة تريد مثال ختفيض التكاليف أو أي عنصر أخر فإن دالة اهلدف تكون دالة ختفيض )‪ (minimization‬أو اختصارا‬
‫)‪.(Min‬‬

‫‪9‬‬
 ‫لصياغة املشكلة بالربجمة الرياضية( الربجمة اخلطية )توضع املتغريات ‪ x2 ، x1‬و دالة اهلدف ‪ z‬و القيود‬
‫اخلاصة باملشكلة مجيعا ‪.‬لذلك فإن صياغة املشكلة السابقة كاملة هي كاآليت‪:‬‬

‫‪Max z = 3 x1 + 4 x2‬‬
‫‪subject to‬‬
‫‪15 x1 + 10 x2 ≤ 300‬‬
‫‪2.5 x1 + 5 x2 ≤ 110‬‬
‫‪x1 , x2‬‬ ‫‪≥0‬‬

‫الكتابة المصفوفاتية للبرنامج الخطي ‪:‬‬

‫ليكن لدينا الربنامج اخلطي اآليت‪:‬‬
‫‪i = 1.….n‬‬
‫‪j =1……m‬‬
‫‪ : n‬عدد المتغيرات‪.‬‬
‫‪ : m‬عدد القيود‪.‬‬
‫‪ : Z‬قيمة دالة اهلدف‪ : Xj‬متغريات القرار‬
‫‪ : Cj‬معامالت دالة اهلدف‬
‫‪ : aij‬معامالت املتغريات وتكون عادة معروفة‪.‬‬
‫‪ : bj‬املتاح من املوارد واليت تكون حمدودة‪.‬‬

‫ميكن كتابة هذا الربنامج بالشكل املصفوفايت على النحو اآليت‪:‬‬

‫حيث‪:‬‬
‫’‪ : C‬منقول شعاع معامالت دالة الهدف‬
‫‪ : A‬مصفوفة معامالت القيود‬
‫‪: B‬شعاع الثوابت‬
‫‪ : X‬شعاع المتغيرات‬

‫‪11‬‬
 ‫ميكن توضيح الكتابة املصفوفاتية للربنامج اخلطي كمايلي‪:‬‬

‫دالة الهدف ‪:‬‬

‫القيود ‪:‬‬

‫طرق حل برنامج خطي‪:‬‬

‫تتخذ الربجمة اخلطية عدة طرق للصول إىل احلل األمثل وهذه الطرق هي‪: 7‬‬
‫‪ -‬الطريقة البيانية‬
‫‪ -‬الطريقة املبسطة )‪( simplex method‬‬
‫‪ -‬طريقة النقل والتخصيص‬

‫‪ 7‬لحسن عبد هللا باشيوة‪ ،‬بحوث العمليات‪،‬دار اليازوري‪،‬عمان‪،‬األردن‪، 3100،‬ص‪.013‬‬

‫‪11‬‬
 ‫بالرغم من أن مجيع الطرق تشرتك يف معاجلتها للنموذج العام للربجمة اخلطية إال أنه يتوقف استخدام أيا منها‬
‫على طبيعة املشكلة املراد حلها وحجم ونوعية احملددات املوجودة والربامج املعلوماتية لكل طريقة‪.‬‬
‫سوف نستعرض فيما يلي شرح الطريقة البيانية والطريقة املبسطة‪:‬‬

‫الطريقة البيانية ( الحل البياني لبرنامج خطي)‬

‫يتم استعمال الرسم البياين حلل مسائل الربجمة اخلطية اليت حتتوي على متغريين اثنني فقط‪ ،‬يعد استخدام‬
‫هذه الطريقة يف احلياة العملية معدومة ألن عدد املتغريات اليت تؤثر يف اختاذ القرارات كثرية جدا‪ ،‬ولكن‬
‫استخدام هذه الطريقة تعترب مدخال لفهم واستيعاب طريقة احلل‪ ،‬حيث تعطي تصورا عن صورة احتماالت‬
‫احلل األمثل للنموذج الرياضي‪.‬‬

‫خطوات الطريقة‪:8‬‬
‫‪ ‬حنول القيود من متباينات إىل معادالت‪.‬‬
‫رسم املستقيم الذي متثله املعادلة حبيث نعوض بأحد املتغريات يف املعادلة الواحدة بقيمة صفر‬ ‫‪‬‬

‫الستخراج قيمة املتغري الثاين‪ ،‬مث نكرر ذلك بالنسبة للمتغري األخر‪ ،‬وبذلك تصبح لدينا نقطتني‬
‫لكل معادلة (مستقيم) وبوساطة هاتني النقطتني ميكن رسم مجيع املستقيمات اليت متثل القيود يتم‬
‫حتديد منطقة احلل املمكن واليت تسمى باملنطقة احملدبة‪.‬‬
‫حتدد منطقة احلل األساسي االبتدائي املقبول (منطقة احللول املقبولة) إذ حتقق هذه املنطقة مجيع‬ ‫‪‬‬

‫القيود يف وقت واحد‪.‬‬

‫حتدد منطقة احلل األمثل اليت متثل إحدى النقاط على األقل الواقعة على تقاطعات املستقيمات‬ ‫‪‬‬

‫املمثلة ملنطقة احلل األساسي االبتدائي املقبول اليت تسمى بنقاط التطرف اليت جتعل األرباح أعظم‬
‫ما ميكن إذا كانت دالة اهلدف تعظيم أو اقل ما ميكن إذا كانت دالة اهلدف متدنية ‪.‬‬
‫نرسم على املستوى االحداثي (األفقي والعمودي) ليمثل احدمها املتغري ‪ X1‬وكميته وميثل األخر‬ ‫‪‬‬

‫وكميته‪.‬‬ ‫‪X2‬‬

‫‪ 8‬حسين محمود الجنابي‪،‬األحدث في بحوث العمليات‪،‬دار الحامد للنشر والتوزيع‪ ،‬عمان ‪،‬األردن‪،3101،‬ص‪.90‬‬

‫‪12‬‬
 ‫مثال تطبيقي ‪:‬‬

‫باالعتماد على الطريقة البيانية حناول إجياد احلل‬

‫األمثل للربنامج اخلطي اآليت‪:‬‬

‫‪ -‬نقوم بتحويل قيود الربنامج على شكل معادالت لنتمكن ن رمسها فيما بعد يف معلم متعامد‬
‫ومتجانس‬

‫‪X1 + 2X2 = 100‬‬ ‫معادلة المستقيم ‪: 1‬‬

‫‪X1 + 5X2 = 150‬‬ ‫معادلة المستقيم ‪: 2‬‬

‫‪ -‬إجياد اإلحداثيات اليت تسمح برسم املستقيم ‪ 1‬واملستقيم ‪: 2‬‬

‫املستقيم ‪X1 + 2X2 = 100 : 1‬‬ ‫‪X1 + 5X2 = 150‬‬ ‫املستقيم ‪:2‬‬

‫‪ -‬الرسم البياين‪:‬‬

‫‪13‬‬
‫على نفس املعلم نرسم املستقيم )‪ (‬وهو املستقيم احملصل عليه عند وضع الدالة االقتصادية يف أدىن قيمة هلا‬
‫وهي ‪ Z= 0‬أي املستقيم ‪ ‬مير من النقطتني ‪:‬‬
‫‪Z=10X1+40X2‬‬ ‫المستقيم ‪‬‬
‫‪X1‬‬ ‫‪X2‬‬
‫‪‬‬ ‫‪‬‬
‫‪‬‬ ‫‪‬‬

‫حتدد منطقة احللول املمكنة حسب ما هو مطلوب من القيود وهي املنطقة اليت حتقق مجيع القيود يف وقت‬
‫واحد كما هو مبني يف الشكل املقابل ( منطقة احللول املمكنة ‪.(ABCD‬‬
‫عند حتريك املستقيم ‪ ‬إىل األعلى جند أن آخر نقطة يصلها يف منطقة احللول املقبولة هي (‪ )C‬وبالتايل‬
‫تشكل لنا هذه النقطة احلل األمثل للمسألة وهي نقطة تقاطع املستقيمني ‪ 2‬و ‪. 1‬‬
‫إذ جند قيمة املتغريتني وذلك إما هندسيا بإنزال شاقول من هذه النقطة على احملور األفقي فنجد قيمة ‪X1‬‬
‫ٕوإمداد مستقيم موازي للمحور األفقي فنجد قيمة ‪ X2‬عند نقطة تقاطعه مع احملور العمودي‪.‬‬
‫ميكن أن جند قيمة املتغريين حبل معادليت املستقيمني‪ 2 :‬و ‪: 1‬‬

‫‪X1 + 2X2 = 100‬‬

‫‪X1 + 5X2 = 150‬‬

‫فنجد ‪:‬‬

‫‪X1 = 66.6‬‬
‫‪X2 = 16.6‬‬

‫وملعرفة القيمة العظمى للدالة االقتصادية يكفي أن نعوض القيمتني احملصل عليهما يف هذه الدالة فنحصل على‬
‫ما يلي‪:‬‬
‫‪Z= 10. (66.6)+ 40.(16.6) = 1330‬‬
‫وهي أعلى قيمة للدالة االقتصادية‪ ،‬وال ميكن أن توجد أية قيم أخرى للمتغريتني تعطيان أعلى من هذه القيمة‬
‫وحتقق يف نفس الوقت مجيع القيود‪.‬‬

‫‪14‬‬
 ‫الطريقة المبسطة‪( simplex method) 9‬‬
‫نظرا ألن طريقة احلل بالرسم البياين ال تصلح ألكثر من اثنني متغريات وكذلك لو نظرنا إيل املشكالت‬
‫الواقعية جند أن معظم املشكالت يف الواقع العملي حتتوي على العديد من املتغريات مما يصعب استخدام‬
‫الطرق البيانية يف احلل ‪.‬ومن مث استلزم وجود طرق أخرى للتعامل مع مثل هذه املشكالت ‪.‬ومن بني هذه‬
‫الطرق ‪ ،‬جند الطريقة املبسطة أو مبا يسمى طريقة السمبلكس‪.‬‬

‫خطوات الطريقة‪:‬‬
‫فيما يلي ميكن إتباع املراحل التالية للوصول إىل احلل األمثل باستخدام طريقة السمبلكس‪.‬‬
‫ليكن الربنامج اخلطي اآليت‪:‬‬

‫المرحلة األولى‪:‬‬
‫البحث عن حل أساسي أولي وذلك بتحويل املتباينات إىل معادالت وذلك بإضافة متغريات‬ ‫‪-1‬‬
‫متممة ( متغريات الفرق) ) ‪ .(Slack variables) (Si‬لكل متباينة وكذلك تضاف لدالة‬
‫اهلدف‪ .‬حيث أن املتغريات املضافة تشكل لنا يف جدول السمبلكس األويل ( اخلطوة ‪)1‬‬
‫مصفوفة حيادية ‪.‬مع إعادة كتابة معادلة دالة اهلدف على الشكل اآليت‪:‬‬

‫تشكيل جدول السمبلكس األولي ‪:‬ننقل مشكلة الربجمة اخلطية إىل جدول السمبلكس‪.‬‬ ‫‪-2‬‬

‫تحديد المتغير الداخل ‪: ) Input variable ( :‬‬ ‫‪-3‬‬

‫هو الذي يقابل أعلى قيمة سالبة يف دالة اهلدف ويطلق على هذا العمود العمود احملوري‬
‫(‪ )Pivot Column‬يف حالة تساوي أكثر من قيمة يف دالة اهلدف خنتار إحدامها‪.‬‬

‫‪ 9‬حسين محمود الجنابي‪،‬األحدث في بحوث العمليات‪،‬دار الحامد للنشر والتوزيع‪ ،‬عمان ‪،‬األردن‪،3101،‬ص ص ‪.56-56‬‬

‫‪15‬‬
 ‫تحديد المتغير الخارج (‪:(Output variable‬‬ ‫‪-4‬‬
‫من خالل قسمة الطرف األمين (‪ ) bi‬على القيم املوجبة املناظرة هلا يف العمود احملوري مع إمهال‬
‫القسمة على الصفر والسالب ‪ ،‬إذا مل يوجد قيم موجبة يف العمود احملوري فإن املشكلة ليس هلا‬
‫حل‪ ،‬مث يتم اختيار أقل نسبة يف الطرف األمين ويكون هذا هو املتغري اخلارج‪ ،‬ويسمى الصف‬
‫املقابل له بالصف احملوري ( ‪ ) Pivot Row‬والعنصر الذي يوجد يف خانة تقاطع الصف‬
‫احملوري مع العمود احملوري يسمى بالعنصر احملوري (‪.) Pivot Number‬‬
‫المرحلة الثانية‪:‬‬
‫قسمة عناصر الصف احملوري على العدد احملوري وميثل هذا الصف القيم اجلديدة للمتغري‬ ‫‪-5‬‬
‫الداخل‪.‬‬
‫حساب قيم دالة اهلدف اجلديدة‪:‬‬ ‫‪-6‬‬
‫يتم تغيري إشارة العنصر احملوري املقابل لـ ‪ ، Z‬مث يتم ضرب هذا العنصر بالقيم اجلديدة للمتغري‬
‫الداخل‪ ،‬مث تضاف النتيجة إىل قيم ‪ Z‬القدمية ) املوجدة يف املرحلة األوىل)‪.‬‬
‫حساب باقي املتغريات يف القيود) نفس طريقة دالة اهلدف ( فقط بدال من ‪ Z‬نضع املتغري الذي‬ ‫‪-7‬‬
‫نريد‪.‬‬
‫مث نكرر هذه اخلطوات حىت نصل إىل احلل األمثل عندما تكون قيم دالة اهلدف كلها موجبة أو‬ ‫‪-8‬‬
‫صفر‪.‬‬

‫مثال تطبيقي ‪:‬‬

‫استخدم الطريقة املبسطة ( السمبلكس ) حلل الربنامج اخلطي اآليت‪:‬‬

‫‪16‬‬
 ‫الحل‪:‬‬
‫حلل هذا الربنامج اخلطي نتبع اخلطوات اآلتية‪:‬‬
‫‪ -2‬البحث عن احلل األساسي األويل بتحويل الربنامج اخلطي إىل الشكل املعياري بإضافة متغريات‬
‫الفرق‪:‬‬

‫جدول السمبلكس األول‪:‬‬ ‫‪-2‬‬

‫جدول السمبلكس الثاني‪:‬‬ ‫‪-3‬‬

‫مبا أ ن قيم دالة اهلدف كلها موجبة ( أكرب من أو تساوي الصفر) فإن جدول السمبلكس الثاين‬
‫هو جدول احلل األمثل‪ ،‬حيث ‪:‬‬

‫‪17‬‬
 ‫قيمة دالة اهلدف األمثلية هي ‪ ، 40.2‬حيث ‪:‬‬

‫مالحظة ‪ :‬لحل مشكالت البرمجة الخطية بموجب الطريقة المبسطة في حالة تدنئة دالة الهدف‬
‫حالة عدم إيجاد الحل األساسي األولي يتم إضافة متغيرات أخرى تسمى‬ ‫أو في‬ ‫(‪Min)Z‬‬
‫وذلك باالعتماد على أحد الطريقتين اآلتيتين ‪:‬‬ ‫‪10‬‬
‫متغيرات اصطناعية‬
‫‪Big M- Method‬‬ ‫‪ -‬طريقة ‪ M‬الكبرى‬
‫المرحلتين ‪Two Phase- Method‬‬ ‫‪ -‬طريقة‬

‫لمراجعة هاتين الطريقتين ‪ ،‬بإمكان الدارس البحث في المقررات الدراسية لطور الليسانس ‪ ،‬علما أن‬
‫هذه المطبوعة البيداغوجية موجهة باألساس لطلبة طور الماستر‪.‬‬

‫النموذج المقابل‪: The Dual problem 11‬‬

‫قد تتطلب املشكلة األصلية (‪ )The Primal‬إجراءات حل مطولة وفق الطريقة املبسطة ‪ ،‬وعلى العكس‬
‫من ذلك فقد تتصف حل املشكلة املقابلة )‪ (The Dual‬بالصعوبة‪ ،‬و يكون حلها أسهل عند حتويلها إىل‬
‫النموذج األصلي‪.‬‬
‫إن من أهم تطورات الربجمة اخلطية كانت يف جمال النظرية الثنائية )‪ (Duality‬أو النموذج املقابل‪.‬‬

‫خطوات تحويل المشكلة األولية ‪ The Primal‬إلى المشكلة المقابلة ‪: The Dual‬‬

‫دالة اهلدف ‪ Min‬حتول إىل ‪ Max‬والعكس‪.‬‬ ‫‪-2‬‬

‫جيب أن تكون القيود من نوع واحد ≤ يف حالة ‪ Max‬و ≤ يف حالة ‪. Min‬‬ ‫‪-1‬‬
‫عدد املتغريات يف النموذج األويل = عدد القيود يف النموذج املقابل والعكس‪.‬‬ ‫‪-1‬‬

‫‪ 10‬حسين محمود الجنابي‪ ،‬األحدث في بحوث العمليات‪ ،‬مرجع سابق‪،‬ص ‪.56‬‬

‫‪ 11‬راتول محمد "بحوث العمليات"‪ ،‬مرجع سابق‪ ،‬ص‪.82‬‬

‫‪18‬‬
 ‫معامالت دالة اهلدف ‪ Ci‬يف النموذج األويل = الطرف األمين يف القيود ‪ bi‬والعكس‪.‬‬ ‫‪-4‬‬
‫تبديل مصفوفة املعامالت حبيث يصبح الصف عمود والعمود صف‪.‬‬ ‫‪-2‬‬
‫تبديل رموز املتغريات مثال من ‪ x‬إىل ‪ y‬أو بالعكس‪.‬‬ ‫‪-1‬‬
‫يتم استبدال رمز دالة اهلدف يف النموذج املقابل برمز خمتلف عن النموذج األويل‬ ‫‪-1‬‬
‫‪Z to Z\ or D‬‬
‫احلل األمثل لدالة اهلدف يف املشكلة األولية واملشكلة الثنائية ) املقابلة ( متطابقتان دائما‪.‬‬ ‫‪-8‬‬
‫إمكانية احلصول على قيم احلل األمثل للمشكلة األولية من قيم احلل األمثل للمشكلة الثنائية أو‬ ‫‪-9‬‬
‫العكس‪.‬‬

‫مثال تطبيقي‪ :‬حتويل منوذج أويل لربنامج خطي لنموذج مقابل‬

‫‪The Dual simplex Method‬‬ ‫الطريقة المبسطة للنموذج المقابل‬

‫‪12‬‬

‫هذه الطريقة وفقا للخطوات التالية‪:‬‬

‫‪ -1‬حتول كل القيود على شكل ≤ يف حالتني ‪.Min or Max‬‬
‫حتديد املتغري اخلارج ‪Output variable‬‬ ‫‪-2‬‬
‫هو املتغري األكثر سالبيه يف الثوابت (الطرف األمين =‪ ) bi‬يف حالتني‪. Min or Max‬‬

‫‪ 12‬حسين محمود الجنابي‪ ،‬األحدث في بحوث العمليات‪ ،‬مرجع سابق‪،‬ص‪.090‬‬

‫‪19‬‬
 ‫حتديد املتغري الداخل ‪Input variable‬‬ ‫‪-3‬‬
‫بعد حتديد الصف احملوري ‪ Pivot Row‬الذي يقابل املتغري اخلارج يتم تقسيم معامالت دالة اهلدف املقابلة‬
‫للصف احملوري مع إمهال القسمة على الصفر واألرقام املوجبة يف حالتني ‪ Min or Max‬و يكون املتغري‬
‫الداخل الذي يقابل أقل نسبة موجبة ويكون هذا العمود هو العمود احملوري ‪. Pivot Column‬‬
‫‪ -4‬بعد حتديد املتغري الداخل واملتغري اخلارج نطبق نفس قواعد السمبليكس املبسطة ويكون احلل األمثل‬
‫عندما تكون قيم الطرف األمين ‪ bi‬موجبة‪.‬‬

‫مثال تطبيقي‪:‬‬
‫أوجد احلل األمثل للربنامج اخلطي اآليت باالعتماد على الطريقة المبسطة للنموذج المقابل‬
‫‪: The Dual simplex Method‬‬

‫الحل‪:‬‬

‫باالعتماد على الطريقة املبسطة للنموذج املقابل نتبع اخلطوات اآلتية‪:‬‬

‫تغيري اجتاه املرتاجحات على الشكل اآليت‪:‬‬ ‫‪-2‬‬

‫‪21‬‬
 ‫كتابة الربنامج اخلطي يف شكله املعياري‪:‬‬ ‫‪-1‬‬

‫تطبيق طريقة السمبلكس‪:‬‬ ‫‪-3‬‬

‫جدول السمبلكس األول‬

‫جدول السمبلكس الثاني‬

‫‪21‬‬
 ‫جدول السمبلكس الثالث ‪ :‬جدول الحل األمثل‬

‫اجلدول الثالث يعرب عن احلل األمثل للربنامج‪ ،‬حيث ‪:‬‬

‫قيمة دالة اهلدف‪:‬‬

‫ومنه احلل األمثل للنموذج املقابل هو ‪:‬‬

‫’‬
‫قيمة ‪ = Max Z‬قيمة ‪Min Z‬‬

‫تمارين‪:‬‬

‫أوجد احلل األمثل للربامج اخلطية اآلتية ‪:‬‬ ‫‪.I‬‬

‫‪-2‬‬

‫‪Max Z= 5 X1+10 X2‬‬

‫‪s/c‬‬
‫‪2X1+ 6 x2 ≥ 180‬‬
‫‪4X1+ X2 ≥ 80‬‬
‫‪6X1+4X2 ≥ 240‬‬
‫‪2X2 ≤ 140‬‬
‫‪X1≥ 0‬‬
‫‪X2 ≥ 0‬‬

‫‪22‬‬
 ‫‪-1‬‬

‫‪Max Z= 8 X1+3 X2 + X3‬‬

‫‪s/c‬‬
‫‪2X1+ 5 x2 + 6X3 ≥ 10‬‬
‫‪2X1+ X2 + 8X3 ≤ 450‬‬
‫‪4X1+3X2 ≤ 400‬‬
‫‪2X1 ≤ 140‬‬

‫‪X1≥ 0‬‬
‫‪X2 ≥ 0‬‬

‫إليك الربنامج اخلطي اآليت‪:‬‬ ‫‪.II‬‬

‫‪Max Z= 5 X1+10 X2‬‬

‫‪s/c‬‬
‫‪5X1+ 6 x2 ≥ 10‬‬
‫‪-2X1-7 X2 ≤ -14‬‬
‫‪X1≥ 0‬‬
‫‪X2 ≥ 0‬‬
‫‪ .2‬أوجد احلل األمثل هلذا الربنامج؟‬
‫‪ .1‬أوجد ثنائية الربنامج ( النموذج املقابل)؟‬
‫‪ .1‬أوجد احلل األمثل للربنامج الثنائي؟ وحدد العالقة بني احللني؟‬

‫‪23‬‬
 ‫المحور الثاني‬
‫مفاهيم حول األمثلية متعددة األبعاد‬
‫)‪(Optimisation Multidimensionnelle‬‬

‫عناصر المحور ‪:‬‬

‫اجملموعة احملدبة ‪ ،‬الدالة ‪ ،‬امليل ‪ ،‬املصفوفة اهلسية‪.‬‬ ‫‪‬‬
‫الطريقة الرئيسية الصغرى ) ‪( la méthode des mineurs principaux‬‬ ‫‪‬‬
‫متارين‬ ‫‪‬‬

‫‪24‬‬
 ‫‪13‬‬
‫]المجموعة المحدبة ‪ ،‬الدالة ‪ ،‬الميل ‪ ،‬المصفوفة الهسية[‬
‫‪ )1‬المجموعة المحدبة‪:‬‬
‫)‪) s≠0‬‬ ‫لتكن اجملموعة ‪ s‬جمموعة غري خالية‬
‫نقول عن اجملموعة ‪ s‬يف الفراغ ‪ IR‬حمدبة (‪ )ensemble convexe‬إذا كانت النقطة‬
‫(‪)2,1‬‬ ‫‪x = λx1+(1-λ)x2‬‬
‫تقع يف اجملموعة ‪ s‬جلميع قيم ‪ x1‬و‪ x2‬أي اليت تنتمي إىل اجملموعة ‪ s‬ألي عدد ‪ λ‬حيقق العالقة‬
‫‪6≤λ≥1‬‬
‫(‪)1,1‬‬ ‫]‪]∀x,y ϵ s,∀λ ϵ ]6,1[ = < λx+(1-λ) y ϵ s‬‬ ‫مبعىن أخر‬
‫اجملموعة ‪ s‬تكون حمدبة اذا كان املستقيم الواصل بني اية نقطتني داخل اجملموعة ‪ s‬كما هو موضح يف الشكل املوايل ‪:‬‬

‫‪X‬‬ ‫‪X2‬‬
‫‪1‬‬
‫‪S‬‬ ‫‪X2‬‬

‫‪S‬‬ ‫‪X‬‬
‫[الشكل رقم ‪[10‬‬ ‫‪1‬‬

‫مجموعة غيرمحدبة‬ ‫مجموعة محدبة‬

‫محدبةمحدبة‬

‫‪ )2‬الدالة المحدبة والدالة المقعرة‪:‬‬

‫تكون الدلة )‪ f(x‬حمدبة ( ‪ ( fonction convexe‬و معرفة على اجملموعة احملدبة ‪ s‬يف الفراغ ‪IRn‬‬

‫إذا حتققت العالقة اآلتية ‪:‬‬

‫(‪)1,2‬‬ ‫)‪f(λx1 + (1-λ)x2) ≤ λf(x1)+(1-λ)f(x2‬‬

‫جلميع قيم ‪ x1‬و ‪ x2‬اليت تنتمي اىل اجملموعة ‪ s‬حبيث ]‪λ ϵ ]1,0‬‬

‫تكون الدالة ) 𝑥( 𝑓 مقعرة ( ‪ )fonction concave‬إذا انعكس اجتاه املرتاجحة يف العالقة (‪ )3,2‬أي‬

‫‪13‬‬
‫‪Aude rondepierre, méthodes Numériques pour l’optimisation non Linéaire déterministe, INSA, France,‬‬
‫‪2018, pp09-20.‬‬

‫‪25‬‬
 ‫(‪)4,1‬‬ ‫)‪f(λ1x1 + (1-λ)x2) ≥ λf(x1)+(1-λ)f(x2‬‬

‫مالحظة ‪ :‬إشارة املساواة تتحقق يف املعادلة (‪ )3,2‬و املعادلة (‪)4,2‬‬

‫‪ ‬تكون الدالة ) 𝑥( 𝑓 حمدبة متاما أو حادة التحدب‬

‫إذا حتققت العالقة‬

‫(‪)2,2‬‬ ‫)‪f(λ1x1 + (1-λ)x2) <λf(x1)+(1-λ)f(x2‬‬

‫ونعترب اخلط املستقيم الذي يصل بني النقطة ()‪ ) 𝑥2 ,𝑓 (𝑥2‬و النقطة و()‪ ) 𝑥2 , 𝑓 (𝑥2‬يقع كليا‬
‫على سطح أو فوق منحى الدالة ‪𝑓 (𝑥 ).‬‬
‫أما يف حالة دالة املقعرة فان هذا املستقيم يقع حتت منحى الدالة املقعرة ) 𝑥( 𝑓 ‪ .‬كما هو مبني يف الشكل‬
‫املوايل‪:‬‬

‫𝒇‬
‫))‪(𝑥2 , 𝑓 (𝑥2‬‬
‫))‪(𝑥1 , 𝑓(𝑥1‬‬
‫𝒇‬
‫𝒇‬
‫‪𝒙𝟏 + (𝟏 − 𝝀)𝒙𝟐λ‬‬ ‫‪𝒙𝟏 + (𝟏 − 𝝀)𝒙𝟐λ‬‬

‫‪𝑥2‬‬ ‫‪𝑥1‬‬ ‫‪𝑥2‬‬

‫‪𝑥1‬‬ ‫‪𝑥2‬‬ ‫‪𝑥1‬‬ ‫دالة محدبة‬
‫دالة مقعرة‬
‫دالة ال محدبة ال مقعرة‬ ‫[شكل رقم ‪[10‬‬

‫مالحظة‪:‬‬
‫يتضح مما سبق أنه إذا كانت الدالة ) 𝑥( 𝑓 مقعرة (‪ )concave‬فأن )‪ –f(x‬تكون دالة حمدبة‬
‫(‪ )convexe‬و العكس صحيح‪.‬‬
‫إن جمموع دالتني مقعرتني (حمدبتني) أو أكثر يكون دالة مقعرة (حمدبة)‪.‬‬

‫‪26‬‬
 ‫الهسية( ‪la matrice‬‬ ‫‪ )3‬المتجه المتدرج (الميل) (𝒇 ‪ )gradient de‬و المصفوفة‬
‫‪)hessienne‬‬

‫املتجه املتدرج للدالة ) 𝑥( 𝑓 هو متجه املشتقات اجلزئية للدالة ) 𝑥( 𝑓 بالنسبة اىل ‪ n‬متغري يسمى بـ ـ ـ ـ‬
‫'' احندار الدالة ''( 𝑓∇)‬
‫حيث‪:‬‬

‫𝑓∂‬ ‫𝑓∂‬ ‫𝑓∂‬

‫(‪)6,1‬‬ ‫( = ) 𝑥( 𝑓∇‬ ‫‪+‬‬ ‫⋯‪+‬‬ ‫)‬
‫‪∂𝑥1‬‬ ‫‪∂𝑥2‬‬ ‫‪∂𝑥n‬‬

‫علما أن الدالة 𝑓 هي دالة مستمرة و قابلة لالشتقاق مرتني على اجملموعة احملدبة ‪ s‬حيث‬
‫‪s ≥ IRn‬‬
‫‪𝑓,‬‬ ‫‪s≤IRn‬‬ ‫‪IR‬‬
‫‪x ϵs‬‬ ‫‪x‬‬ ‫)‪f(x‬‬ ‫)‪x = t(x1, x2, … xn‬‬

‫مصفوفة هس ( ‪ ) hess‬واليت تسمى أيضا املصفوفة اهلسية ( ‪ )la matrice hessiene‬املرتبطة بالدالة‬
‫) 𝑥( 𝑓 حيث )‪ x = t(x1, x2, … xn‬اليت هلا مشتقات جزئية ثانية ( من الدرجة الثانية) هي‬
‫املصفوفة ‪.‬‬
‫‪f11‬‬ ‫‪f12‬‬ ‫‪f1n‬‬

‫= ) 𝑥(𝑓‪H(𝑥 ) = ∇2‬‬
‫[‬ ‫‪f21‬‬

‫‪fn1‬‬
‫‪f22‬‬

‫‪fn2‬‬
‫‪f2n‬‬

‫‪fnn‬‬
‫]‬
‫)𝒙(𝒇 𝟐𝜹‬
‫=‪fi,j‬‬ ‫̅̅̅̅̅ = 𝒋 ‪𝒊,‬‬
‫𝒏 ‪𝟏,‬‬
‫𝒋𝒙𝜹 𝒊𝒙𝜹‬

‫‪ -‬تكون املصفوفة اهلسية )‪ h(x‬مؤكدة اإلجياب (‪ )définie positive‬إذا حتققت العالقة‬

‫اآلتية‪:‬‬

‫(‪)1.1‬‬ ‫‪x, x ϵ s, xt.H.x.‬‬ ‫‪∀ x>0‬‬

‫‪ -‬أو إذا كانت كل القيم الذاتية ‪ )les valeurs propres( λ‬للمصفوفة )‪ h(x‬موجبة متاما‪.‬‬

‫حلساب القيم الذاتية‪ ،‬نبحث عن قيم ‪ λ‬اليت حتقق املعادلة اآلتية‪:‬‬

‫‪|H(x)-λI|=0‬‬

‫‪27‬‬
‫‪ -‬تكون املصفوفة اهلسية)‪ h(x‬نصف مؤكدة اإلجياب ( ‪)Semi Définie Positive) ) SDP‬‬
‫إذا حتققت العالقة اآلتية ‪:‬‬

‫(‪)6.1‬‬ ‫∀‪x, x ϵ s, xt.h(x).x≥0‬‬

‫أو اذا كانت القيم الذاتية ‪ λ‬للمصفوفة )‪ H(x‬أكرب من أو يساوي الصفر‪.‬‬
‫تعريف ‪:‬‬
‫اذا كانت ‪ f‬دالة مستمرة قابلة للتفاضل مرتني على اجملموعة ‪)s ≤ IRn(S‬حيث ‪:‬‬
‫‪f, s ≤ IRn‬‬ ‫‪IR‬‬
‫‪x‬‬ ‫)‪f(x‬‬
‫اخلاصيتني (‪ )a‬و (‪ )b‬متكافئتني‬
‫‪Tapez une équation ici.‬‬

‫}‬
‫‪)a( f est convexe‬‬ ‫(دالة محدبة ‪(f‬‬
‫(‪)11,1‬‬
‫)املصفوفة) ‪ H(x‬نصف مؤكدة االجياب( )‪)b( ∀x, H(x) = ∇2 𝑓 (𝑥 )( SDP‬‬

‫النقاط المستقرة‪)les points stationnaires ( :‬‬

‫النقاط املستقرة هي النقاط اليت تعدم املتجه املتدرج ) 𝑥(𝑓∇ حبيث اذا كانت النقطة *‪ x‬نقطة مستقرة‬
‫فان ‪:‬‬
‫(‪)22,2‬‬ ‫∇‪f(x*) = 0‬‬
‫علما ان الدالة ‪ f‬مستمرة قابلة لالشتقاق مرتني على اجملموعة ‪s‬‬
‫≤‪s‬‬ ‫‪IR‬‬ ‫‪n‬‬

‫تعريف ‪:‬‬
‫تكون النقطة *‪ x‬اليت جتعل الدالة ‪ f‬أصغر ما ميكن و نكتب‬
‫‪( ) x*( minimum local‬خاصية موضعية)‬

‫}‬
‫)*‪∇f(x‬‬ ‫*‪x‬نقطة مستقرة ‪= 0 ،‬‬
‫(‪)12,1‬‬
‫)*‪H(x‬نصف مؤكدة اإلجياب‪،‬نقطة مستقرة‪H(x*) SDP،‬‬
‫ترميز‬

‫‪28‬‬
 ‫‪x* minimum local‬‬ ‫‪x* min local de f‬‬
‫زيادة على ذلك اذا كانت الدالة ‪ f‬دالة حمدبة فان النقطة *‪ x‬تصبح هلا خاصية شاملة أي ‪:‬‬

‫‪x* minimum globale‬‬ ‫‪x* min G de f‬‬

‫مثال تطبيقي (‪:)61‬‬

‫لتكن الدالة ‪f‬حيث‪:‬‬
‫‪f: IR2‬‬ ‫‪IR‬‬
‫‪x‬‬ ‫)‪f(x) = 4(x21+x22) -2x1x2-6(x1+x2‬‬
‫‪ -2‬هل الدالة ‪ f‬قابلة لالشتقاق‬
‫‪ -1‬احسب‪ f (x) ∇,‬وأوجد )‪H(x‬‬
‫‪ -1‬هل الدالة ‪ f‬دالة حمدبة (‪)convexe‬‬
‫‪ -4‬أوجد النقاط املستقرة ( ‪)les points stationnaires‬‬
‫‪ -2‬هل تقبل الدالة ‪''min g'' f‬‬

‫الحل ‪:‬‬
‫)‪f(x) = 4(x21+x22) -2x1x2-6(x1+x2‬‬
‫‪ -2‬الدالة ‪ f‬قابلة لالشتقاق مرتني على ‪ IR2‬ألهنا جمموع كثري احلدود‪.‬‬
‫‪ -1‬حساب )‪f (x) ∇,h(x‬‬

‫( = )‪∇f (x‬‬ ‫)𝑥(𝑓∂ ‪t‬‬

‫‪∂𝑥1‬‬
‫‪,‬‬
‫)𝑥(𝑓∂‬
‫‪∂𝑥2‬‬
‫=)‬ ‫(‬ ‫‪8𝑥1−2𝑥2−6‬‬

‫‪8𝑥2−2𝑥1−6‬‬
‫)‬

‫‪29‬‬
 ‫‪2‬‬
‫)𝑥(𝑓 𝛿 =)‪H(x‬‬ ‫)𝑥(𝑓 ‪𝛿 2‬‬ ‫=‬ ‫[‬
‫‪8‬‬ ‫‪−2‬‬
‫]‬
‫‪∂𝑥1 ∂𝑥1‬‬ ‫‪∂𝑥1 ∂𝑥2‬‬ ‫‪−2‬‬
‫)𝑥(𝑓 ‪𝛿 2‬‬ ‫)𝑥(𝑓 ‪𝛿 2‬‬
‫‪[ ∂𝑥2 ∂𝑥1‬‬ ‫] ‪∂𝑥2 ∂𝑥2‬‬ ‫‪ f -1‬دالة حمدبة‬
‫حنسب القيم الذاتية‬
‫𝜆‪8−‬‬ ‫‪−2‬‬
‫| = |𝐼𝜆 ‪P(𝜆) = |𝐻(𝑥) −‬‬ ‫‪| = (8-λ)2-4‬‬
‫‪−2‬‬ ‫𝜆‪8−‬‬
‫)‪= )8-λ-2) (8- λ+2( = (10 – λ)(6 – λ‬‬
‫‪H(x) d, p‬‬ ‫(مؤكدة االجياب)‬
‫‪𝜆=6 >0‬‬
‫ومنه الدالة ‪f‬حمدبة متاما‬ ‫{ ⇔ ‪p(𝜆) = 0‬‬
‫‪𝜆 = 10 > 0‬‬

‫‪ -4‬النقاط املستقرة ‪ f‬حنسب‪:‬‬

‫⟹ ‪f (x) =0‬‬ ‫𝑥‪(8‬‬ ‫‪1−2𝑥2−6‬‬

‫‪8𝑥2−2𝑥1−6‬‬
‫=)‬ ‫‪( ) ,x =1, x2=1‬‬
‫‪0‬‬

‫‪0‬‬
‫‪1‬‬ ‫∇‬
‫*‬
‫‪⟹x‬‬ ‫)‪= t(1,1‬‬
‫نالحظ أن *‪ x‬نقطة مستقرة و الدالة ‪ f‬حمدبة متاما‬

‫‪la méthode de mineurs principaux‬‬ ‫الطريقة الرئيسية الصغرى‬

‫حتاول هذه الطريقة تبيان طبيعة املصفوفة اهلسية( مؤكدة السلبية‪ ,‬أو غري معرفة)‪.‬‬
‫لتكن الدالة 𝑓مستمرة و قابلة لالشتقاق مرتني على ‪ IRn‬حيث ‪:‬‬
‫‪f: IR2‬‬ ‫‪IR‬‬
‫‪𝑥1‬‬
‫‪𝑥. 2‬‬
‫=‪x‬‬ ‫) ‪( ..‬‬
‫‪𝑥n‬‬

‫‪31‬‬
 ‫)𝑥(𝑓𝛿‬
‫‪𝑓11 … 𝑓1n‬‬
‫[ = )𝑥(𝑓 ‪∇2‬‬
‫‪𝛿𝑥1‬‬
‫( = )𝑥( 𝑓∇‬ ‫‪.‬‬
‫‪.‬‬ ‫= )‪) , H(x‬‬ ‫]‬
‫‪𝑓n1 … 𝑓nn‬‬
‫‪.‬‬
‫)𝑥(𝑓𝛿‬
‫𝑛𝑥𝛿‬

‫)𝑥(𝑓 ‪𝛿 2‬‬
‫= ‪fi,j‬‬
‫‪∂𝑥i ∂𝑥j‬‬
‫‪i,j = 1,n‬‬
‫نرمز ب ‪ Hj‬املصفوفة حبيث نقوم حبذف (‪ (n-j‬سطر و (‪ (n-j‬عمود ‪.‬‬
‫حمدد ‪ )| Hj|( Hj‬يسمى حمدد جزئي أساسي (‪)mineur principal‬‬
‫مثال ‪:‬‬
‫←‪ H1=f11‬قمنا حبذف (‪ (n-1‬سطر و (‪ (n-1‬عمود من املصفوفة )‪.H(x‬‬
‫‪𝑓22‬‬ ‫‪𝑓22‬‬
‫[=‪ H2‬قمنا حبذف (‪ (n-2‬سطر و (‪ (n-2‬عمود من املصفوفة )‪. H(x‬‬ ‫←]‬
‫‪𝑓22‬‬ ‫‪𝑓22‬‬
‫خاصية (‪:)13.1‬‬
‫إذا كان‪:‬‬

‫)‪ H(x‬مؤكدة االجياب‬ ‫̅̅̅̅̅‪|Hj|< 1‬‬

‫‪n. 1, ∀j‬‬
‫(‪ H(x‬مؤكدة االجياب‬ ‫‪.‬‬
‫̅̅̅̅̅‪(-1)j|Hj|< 1‬‬ ‫‪n. 1, ∀j‬‬
‫خاصية (‪:)14.1‬‬
‫إضافة اىل اخلاصية (‪ ,)21.2‬اذا كان *‪ x‬نقطة مستقرة مبعىن‬
‫‪ ∇f(𝑥 ∗) = 0 ,‬فانه ‪:‬‬
‫‪:si‬‬ ‫في الحالة ‪1‬‬
‫̅̅̅̅̅‪|Hj(𝑥 ∗ )|< 1‬‬
‫‪n. 1, ∀j‬‬ ‫فان‪:‬‬
‫)‪)x*,f(x)( min loc(f‬‬
‫في الحالة ‪:2‬‬
‫̅̅̅̅̅‪|)Hj(𝑥 ∗ )−1)j |< 1‬‬
‫‪n. 1, ∀j‬‬ ‫إذا كان‬

‫فان‪:‬‬
‫)‪. (x*. 𝑓 (𝑥 )) max loc(f‬‬

‫‪31‬‬
 ‫اذا كانت )‪ H(x‬غري معرفة فان النقطة )) 𝑥( 𝑓 ‪ (x*.‬تكون نقطة سرجية( ‪.)point selle‬‬

‫مثال تطبيقي ‪: 2‬‬

‫لتكن الدالة ‪f‬حيث ‪:‬‬

‫‪f : IR2‬‬ ‫‪IR‬‬

‫‪x‬‬ ‫‪f(x) = 18x1-x1x2+16x2-3x21-5x22‬‬

‫حدد طبيعة الدالة ‪ f‬باالعتماد على الطريقة الرئيسية الصغرى‬

‫الحل‪:‬‬
‫الدالة ‪ f‬هي دالة مستمرة وقابلة لالشتقاق مرتني على ‪ IR2‬ألهنا كثري احلدود‪.‬‬
‫حنسب‪:‬‬

‫)𝑥(𝑓𝛿‬
‫‪18 − 𝑥2 − 6𝑥1‬‬
‫‪∇f‬‬ ‫(= ‪𝛿𝑥1‬‬
‫)𝑥(𝑓𝛿(=)‪(x‬‬ ‫𝑥‪) −‬‬ ‫)‬
‫‪+ 16 − 10𝑥2‬‬
‫‪𝛿𝑥2‬‬
‫‪−6 −1‬‬
‫[ = )‪H(x) = 𝛻 2f(x‬‬ ‫]‬
‫‪−1 −10‬‬
‫نستخدم الطريقة الرئيسية الصغرى‪:‬‬
‫نقوم حبساب احملددات الرئيسية (‪: )Hj‬‬
‫‪|H1|= -6 < 0‬‬
‫‪−6 −1‬‬
‫[=|‪|H1‬‬ ‫‪] = 59 >0‬‬
‫‪−1 −10‬‬
‫نالحظ أنه حسب اخلاصية (‪ )13,2‬املصفوفة )‪ H(x‬مؤكدة السلبية الن ‪:‬‬
‫̅̅̅̅‬
‫‪(-1)j|Hj|>0 ∀j=1.2‬‬
‫و بالتايل فان الدالة ‪ f‬هي دالة مقعرة (‪.)concave‬‬

‫‪32‬‬
 ‫تمارين‪:‬‬
‫تمرين ‪:61‬‬
‫أوجد طبيعة الدالة ‪f‬حيث ‪:‬‬

‫‪f:IR3‬‬ ‫‪IR‬‬
‫‪x‬‬ ‫‪f(x) = x21+x22+x23‬‬
‫باالعتماد على الطريقة الرئيسية الصغرى (‪.)la méthode mineurs principaux‬‬
‫تمرين ‪:62‬‬
‫اعتمادا على الطريقة الرئيسية الصغرى اوجد طبيعة الدوال االتية‪:‬‬

‫‪a) f:IR2‬‬ ‫‪IR‬‬

‫‪x‬‬ ‫‪f(x) =2 x21+3x1x2+x22‬‬
‫‪a) f:IR2‬‬ ‫‪IR‬‬
‫‪x‬‬ ‫‪f(x) =x31+2x22‬‬

‫‪c) f:IR2x‬‬ ‫‪IR‬‬ ‫‪f(x) =(x1-3x2)2+(x2-1)2‬‬

‫‪d) f:IR2‬‬ ‫‪IR‬‬

‫‪x‬‬ ‫‪f(x) =7x1x2+x2x3+x1x3+x12-x22-x32‬‬

‫تمرين ‪:63‬‬

‫لتكن الدالة ‪ f‬حيث‪:‬‬

‫‪f:IR3‬‬ ‫‪IR‬‬
‫‪x‬‬ ‫‪f(x) =e -x12+x22+x32‬‬

‫‪ -‬أوجد القيمة املثلى للدالة ‪( f‬أعظم‪/‬أدىن)‬

‫‪33‬‬
 ‫تمرين ‪:64‬‬
‫لتكن الدالة ‪f‬حيث ‪:‬‬
‫‪f:IRn‬‬ ‫‪IR‬‬
‫نعرف )‪épi (f‬للدالة ‪, f‬‬

‫}‪épi (f) = {(y,x) / f(x)≤y, x ϵ IRn,y ϵ IR‬‬

‫أثبت أن الدالة ‪ f‬حمدبة (‪ )convexe‬إذا فقط و إذا كان )‪ épi (f‬جمموعة حمدبة‬
‫( ‪)épi (f): épigraphe de f‬‬

‫تمرين ‪:5‬لتكن الدالة ‪f‬حيث ‪:‬‬

‫𝑥‪10 𝑒 −‬‬ ‫‪si‬‬ ‫]‪x ϵ [0,10‬‬
‫‪1‬‬
‫= )‪f(x‬‬ ‫‪si‬‬ ‫]‪x ϵ [10,20‬‬
‫‪2‬‬

‫‪30-x‬‬ ‫‪si‬‬ ‫]‪x ϵ [10,20‬‬

‫‪ -2‬هل الدالة ‪ f‬حمدبة‬

‫; )‪maxg (f‬‬ ‫)‪ming (f‬‬ ‫‪ -1‬أوجد‬
‫‪ -1‬نفس السؤال بالنسبة للدالة االتية ‪:‬‬

‫‪f(x) = 8x3-30x2+36x+12‬‬

‫تمرين ‪ :6‬لتكن الدالة ‪ f‬حيث‪:‬‬

‫‪f(x) = x+ log x,‬‬ ‫‪x>0‬‬
‫‪ -‬أثبت أن الدالة ‪ f‬مقعرة متاما ( ‪)strictement concave‬‬

‫تمرين ‪:7‬‬
‫لتكن الدالة ‪f‬خطية حيث ‪:‬‬
‫‪f:IR‬‬ ‫‪IR‬‬
‫أثبت أن منحى ‪ f‬جمموعة حمدبة حيث ‪:‬‬
‫})‪G(f) = {(y,x)ϵ IR 2/ y = f(x‬‬

‫‪34‬‬
 ‫المحور الثالث‬
‫األمثلية في الدوال غير الخطية بدون قيود‬
‫)‪(Optimisation non linéaire sans contraintes‬‬

‫عناصر المحور ‪:‬‬

‫رافسن ‪Newton- Raphson‬‬ ‫طريقة نيوتن‬ ‫‪‬‬
‫‪Steepest-Ascent‬‬ ‫طريقة أقصى ميل صعود‬ ‫‪‬‬
‫متارين‬ ‫‪‬‬

‫‪35‬‬
‫يتعرض هذا احملور لطرق خمتلفة حلل املسائل اخلاصة بالدوال غري اخلطية غري املقيدة‪ ,‬سواء كان املشكل‬
‫خاصا بالبحث عن أصغر قيمة للدالة االقتصادية (‪ )minimum‬أو أعلى قيمة للدالة االقتصادية‬
‫(‪.)maximum‬‬
‫يالحظ أن حل أي مسألة غري مقيدة‪ ,‬يتعني علينا إجياد قيم مناسبة ملتغريات متجه القرار ‪ ,x‬حيث‬
‫)‪x= t(x1, x2, …xn‬‬
‫و ذلك من أجل تعظيم (تصغري) الدالة ‪f(x).‬‬
‫ميكن النظر إىل هذه املسألة علة أهنا حالة خاصة من احلالة العامة غري اخلطية املقيدة اليت تكون فيها جمموعة‬
‫خالية ‪ ,‬و أن اخلاصية األساسية املميزة هلذه املسألة املقيدة‪ ,‬أ‪ ،‬متجه احلل ‪ x‬ليس يف حاجة إىل حتقيق أي‬
‫قيد‪.‬‬
‫يف الواقع العملي جند أن لدراسة هذا النوع من املسائل أمهية كبرية لعدة أسباب نذكر منها‪:‬‬
‫‪ -2‬وجود طرق قوية و مالئمة لتحويل املسائل املقيدة إىل مسائل غري مقيدة‪ ,‬و من مث ميكن حل املسائل‬
‫املقيدة بأسلوب أسهل و أكثر مباشرة‪.‬‬
‫‪ -1‬دراسة مسائل التصغري غري املقيدة توضح املفاهيم الضرورية الالزمة لدراسة األمثلة املقيدة‪.‬‬

‫سوف نتطرق يف النقاط اآلتية لبعض طرق احلل اخلاصة هبذا النوع من املسائل‪.‬‬

‫طريقة نيوتن رافسن‪)La méthode de Newton-Raphson( 14‬‬

‫إن طرق االمثلية يف املسائل غري املقيدة ‪ IRn‬تقوم بالبحث عن النقطة املستقرة *‪ x‬حيث (‪)∇f(x*)=0‬‬
‫عن طريق خطوات متتالية تولد جمموعة من النقاط )‪ )x1, x2, …xn‬و اليت تقرتب من القيمة املثلى للدلة ‪f‬‬
‫‪.‬‬
‫يف كل خطوة ‪ , k‬نعرف ‪ xk+1‬حيث‪:‬‬
‫(‪)2,1‬‬ ‫‪xk+1= xk-λkdk‬‬
‫حيث‪:‬‬
‫‪ dk‬يعرب عن اجتاه التدرج ( ‪)direction de déplacement‬‬
‫مثال‪ [∇f(x)tdk<0]:‬يعرب عن اجتاه متدرج نازل‪.‬‬
‫‪ λk‬معامل يعرب خطوة التدرج‪.‬‬
‫من بني الطرق اليت تبحث يف هذا اجملال‪ ,‬جند طريقة ( نيوتن رافسن)‬

‫‪14‬‬
‫‪S.le LeDigabel, Optimisation non linéaire, polytechnique montériale, canada,2018,pp8-17.‬‬

‫‪36‬‬
 ‫هدف طريقة نيوتن رافسن‪:‬‬
‫إن هدف طريقة نيوتن رافسن هو البحث عن أدىن قيمة للدالة االقتصادية ‪ , f‬حيث ‪ f‬دالة غري خطية‬
‫‪n‬‬ ‫مستمرة و قابلة لالشتقاق مرتني على اجملموعة ‪.IRn‬‬
‫‪f:IR‬‬ ‫‪IR‬‬
‫‪x‬‬ ‫)‪f (x‬‬

‫هذه الطريقة تقوم بالبحث عن النقطة املستقرة *‪ x‬عن طريق خطوات متتالية اليت تولد جمموعة من النقاط‬
‫)‪ )x1, x2, …xn‬اليت تقرتب من القيمة الدنيا للدالة ‪. )minimun local de f( f‬‬

‫عند اخلطوة ‪ k‬نقوم بتقييم الدالة )‪ f (x‬واالحندار املدرج (امليل))‪ ∇f(xk‬و كذلك املصفوفة اهلسية )‪.H(x‬‬
‫و نقوم حبساب ‪ xk+1‬عن طريق العالقة اآلتية ‪:‬‬
‫)‪(2,2‬‬ ‫)‪xk+1 = xk- (H(x)) 𝛻f(xk‬‬ ‫‪-1‬‬

‫[| ‪]|H(x)≠0‬‬ ‫حبيث‪:‬‬

‫خوارزميه نيوتن رافسن ‪:‬‬

‫"‪Pas "0‬‬ ‫‪Soit k point initial‬‬

‫‪Si ∇f(x0)=0‬‬
‫‪Si ∇2f(x0) semi définie positive‬‬
‫‪(x0,f(x0)) min loc de f‬‬ ‫‪STOP‬‬
‫‪Si non aller en 1‬‬

‫)‪Pas ''01'' à l'étape k, calculer xk+1 = xk- (𝛻2f(xk))-1𝛻f(xk‬‬

‫''‪faire xk= xk+1 et aller en ''0‬‬

‫‪37‬‬
 ‫مثال تطبيقي ‪:03‬‬
‫لتكن الدالة ‪ f‬حيث‪:‬‬

‫‪f:IR2‬‬ ‫‪IR‬‬
‫‪x‬‬ ‫‪f (x)= -12x2 + 4x21 + 4x22+4x1x2‬‬

‫‪ -2‬احسب )‪ H(x) , (xk‬؟‬

‫‪ -1‬ادرس طريقة نيوتن رافسن إلجياد أدىن قيمة للدالة ‪ f‬؟‬

‫علما أن(‪x0 =(1,0‬‬

‫الحل ‪:‬‬

‫الدالة ‪ f‬مستمرة وقابلة لالشتقاق مرتني على اجملموعة ‪IR2‬‬

‫نحسب ‪:‬‬
‫)𝑥(𝑓𝛿 )𝑥(𝑓𝛿 ‪t‬‬
‫( =)‪𝛻f(x‬‬ ‫‪,‬‬ ‫𝑥‪) = (8𝑥8𝑥+4‬‬
‫‪1 +4𝑥2‬‬
‫‪−12‬‬
‫)‬
‫‪𝛿𝑥1‬‬ ‫‪𝛿𝑥2‬‬ ‫‪2‬‬ ‫‪1‬‬
‫‪8‬‬ ‫‪4‬‬
‫[ =)‪H(x)= 𝛻2f(x‬‬ ‫]‬
‫‪4‬‬ ‫‪8‬‬

‫حنسب احملددات اجلزئية الرئيسية لتحديد طبيعة ‪f:‬‬

‫‪| H1| = 8>0‬‬
‫‪8 4‬‬
‫| = |‪| H2‬‬ ‫‪|= 48>0‬‬
‫‪4 8‬‬
‫إذن‪:‬‬
‫‪| Hj|>0‬‬ ‫̅̅̅̅‬
‫‪∀j=1.2‬‬
‫و بالتايل املصفوفة )‪ H(x‬مؤكدة االجياب‬
‫و منه الدالة ‪ f‬حمدبة متاما (‪)strictement covexe‬‬

‫‪38‬‬
 ‫استعمال طريقة نيوتن رافسن إلجياد أدىن قيمة للدالة ‪f‬‬
‫لدينا النقطة البدائية)‪x0=t(1,0‬‬
‫‪8‬‬ ‫حنسب ‪:‬‬
‫‪𝛻f(x0)=(−8)≠ 0‬‬
‫الخطوة األولى‪:‬‬
‫)‪x1=x0-(H(x0))-1𝛻f(x0‬‬
‫)‪ x1-x0= -(H(x0))-1 𝛻f(x0‬‬
‫)‪ (H(x0))x1-x0= - 𝐻(𝑥0‬‬
‫⏟‬ ‫)‪( 𝐻(𝑥0)) −1 𝛻f(x0‬‬
‫𝐼‬
‫)‪ H(x0) (x1-x0) = - 𝛻f(x0‬‬
‫)‪(x1-x0) = t(x,y‬‬ ‫نضع‬
‫‪8 4 𝑥 −8‬‬
‫[‬ ‫] [=] [ ]‬ ‫ومنه‬
‫𝑦 ‪4 8‬‬ ‫‪8‬‬
‫نقوم بالبحث عن ‪ x,y‬عن طريق حل مجلة معادلتني االتية ‪:‬‬
‫‪8𝑥 + 𝑥𝑦 = 8‬‬
‫{‬
‫‪4𝑥 + 8𝑦 = 8‬‬
‫فنتحصل على‬
‫)‪(𝑦𝑥 )= (−22‬‬ ‫ومنه‪:‬‬
‫‪−2‬‬ ‫‪−2‬‬
‫)‪x1-x0 = ( 2) => x1= x0+( 2‬‬
‫‪1‬‬ ‫‪−2‬‬
‫)‪x1=( 0)+( 2‬‬
‫‪−1‬‬
‫) ‪x1= ( 2‬‬
‫)‪𝛻f(x‬‬ ‫نعوض ‪ x2‬يف‬
‫فنحصل على‬
‫‪−8+8‬‬ ‫‪:‬‬
‫= )‪𝛻f(x‬‬ ‫(‬ ‫‪8(2)−4(−1)−12‬‬
‫=)‬ ‫)‪( 00‬‬
‫إذن‬
‫‪−1‬‬
‫) ‪ :x=( 2‬نقطة مستمرة و حسب خوارزمية نيوتن رافسن فإن ‪:‬‬

‫‪39‬‬
 ‫()‪ )x1,f(x1‬قيمة دنيا للدالة ‪ f‬و مبأن (‪ )f‬حمدبة متاما فان ))‪ )x1,f(x1‬هي أدىن قيمة للدالة ‪.f‬‬
‫‪)x1,f(x1))= min G de f.‬‬

‫طريقة أقصى ميل صعود‪la méthode de Steepest Ascent: 15‬‬

‫هذه الطريقة بطبيعة احلال‪ ,‬هي من بني الطرق اليت تبحث يف أمثلية الدالة االقتصادية ‪ f‬بدون قيود و اليت‬
‫تعتمد على متجه االحندار )‪.𝛻f(x‬‬
‫تعتمد هذه الطريقة على جمموعة من اخلطوات اليت تبحث عن النقطة املستقرة *‪ x‬اليت تعظم الدالة‬
‫االقتصادية ‪. f‬‬
‫مبعىن أهنا تبحث عن أعظم قيمة للدالة ‪.f‬‬
‫و تتخلص خطواهتا التكرارية يف االيت ‪:‬‬
‫خوارزمية طريقة أقصى ميل صعود ‪l'algorithme de Steepest Ascent:‬‬
‫‪Pas "0" : x0 point initiale‬‬
‫‪Si 𝛻f(x0) = 0‬‬
‫))‪(x0 point stationnaire, voir la matrice H(x‬‬
‫‪Stop‬‬
‫‪Si non aller en 1‬‬
‫‪Pas "1" : l'étape k‬‬
‫)‪Calculer : xk+1 = xk +rk𝛻f(xk‬‬
‫‪On définie‬‬ ‫‪h:IR‬‬ ‫‪IR‬‬
‫‪x‬‬ ‫)‪h (r)= f(xk+1‬‬
‫‪On cherche r qui maximise h‬‬
‫)𝑟(‪𝛿ℎ‬‬
‫‪=0‬‬
‫𝑟𝛿‬
‫)𝑟(‪𝛿 2 ℎ‬‬ ‫‪r‬‬ ‫‪xk+1‬‬
‫‪≤0‬‬
‫‪{ (𝛿𝑟)2‬‬
‫‪Si 𝛻f(x)=0 alors (xk +1,f(xk+1)max de f‬‬
‫‪Si non aller en 2‬‬

‫أحمد علي أحمد رضوان‪ ،‬تقنيات األمثلية‪ ،‬النشر العلمي والمطابع‪ ،‬جامعة الملك سعود‪ ، 3110،‬ص ‪. 56‬‬ ‫‪15‬‬

‫‪41‬‬
 ‫‪Pas "2" :‬‬
‫≤||)‪Si || xk+1 - x0|| = ||rk.𝛻f(xk‬‬
‫‪(xk,f(x)) max de f‬‬
‫‪Si non‬‬
‫‪Faire k=k+1‬‬
‫‪aller en 1‬‬

‫مثال تطبيقي ‪:4‬‬

‫لتكن الدالة ‪: f‬‬

‫‪f:IR2‬‬ ‫‪IR‬‬
‫‪x‬‬ ‫‪f (x)= 4x1+6x2-2x21-2x1x2-2x22‬‬
‫حيث‪:‬‬
‫)‪x0 = t(0,1‬‬
‫أوجد ‪ max f‬باالعتماد على طريقة أقصى ميل الصعود؟‬
‫( ‪(streepest Ascent Method‬‬
‫الحل ‪:‬‬
‫‪2‬‬
‫‪f:IR‬‬ ‫‪IR‬‬
‫‪x‬‬ ‫‪f (x)= 4x1+6x2-2x21-2x1x2-2x22‬‬
‫)‪x0 = t(0,1‬‬
‫‪ f‬دالة مستمرة و قابلة لالشتقاق مرتني على ‪ IR2‬ألهنا كثرية احلدود‬
‫= )‪𝛻f(x0‬‬ ‫𝑥‪(−4‬‬‫‪1 −2𝑥2 −4‬‬
‫‪−4𝑥 −2𝑥 +6‬‬
‫)‬ ‫حنسب‬
‫‪2‬‬ ‫‪1‬‬
‫)‪x0= (01‬‬
‫)‪𝛻f(x0)= (22) ≠ (00‬‬

‫‪41‬‬
 ‫الخطوة األولى‪ :‬نحسب ‪x1‬؟‬
‫نعرف الدالة ‪ h‬حيث‪:‬‬
‫)‪x1= x0 + r0𝛻f(x0)= (01) + r°(22‬‬
‫‪2𝑟0‬‬
‫𝑟‪x1= (1+2‬‬ ‫)‬
‫‪0‬‬
‫نبحث عن ‪r0‬‬
‫‪h :IR‬‬ ‫‪IR‬‬
‫‪r‬‬ ‫)‪h (r)= f(x1‬‬

‫‪f(x1) = h(r)= 4(2r0) +6 (1+2r0)-2(2r0)2-(2r0)(1+2r0)-2(1+2r0)2‬‬

‫‪h(r) = -24r2+8r+4‬‬
‫نبحث عن ‪ r‬الذي يعظم ‪:h‬‬
‫حنسب ‪:‬‬
‫)𝑟(‪𝛿ℎ‬‬ ‫‪1‬‬
‫‪= 0 <=> −48𝑟 + 8 = 0‬‬ ‫=𝑟‬
‫𝑟𝛿‬ ‫‪6‬‬
‫{‬ ‫)𝑟(‪𝛿 2 ℎ‬‬
‫‪= −48 < 0‬‬
‫‪(𝛿𝑟)2‬‬
‫‪2‬‬ ‫‪1‬‬
‫‪1‬‬
‫( = ‪𝑟 = x1‬‬ ‫‪6‬‬
‫‪2‬‬ ‫إذن) ( =)‬
‫‪3‬‬
‫‪4‬‬
‫‪6‬‬ ‫‪1+6‬‬ ‫‪3‬‬
‫نعوض ‪x1‬يف)‪ 𝛻f(x‬فنحصل على ‪:‬‬
‫‪4‬‬ ‫‪4‬‬
‫)‪4−3−2(3‬‬
‫( =)‪𝛻f(x1‬‬ ‫‪2 16‬‬ ‫)‪)= (00‬‬
‫‪6−3− 3‬‬
‫إذن ‪ x1‬نقطة مستقرة و حسب خوارزمية (‪ )Streepest Ascent‬النقطة ()‪ )x1, f(x1‬أعظم قيمة‬
‫للدالة ‪)max de f(f‬‬

‫‪42‬‬
 ‫تمارين‬
‫تمرين ‪:61‬‬
‫لتكن ‪ f‬حيث‬
‫‪f:IR2‬‬ ‫‪IR‬‬
‫‪x‬‬ ‫)‪f (x)= 4(x12 +x22)-2x1x2-6(x1+x2‬‬
‫أوجد )‪ Min(f‬باعتماد على طريقة نيوتن رافسن ؟‬
‫علما أن (‪x0=t )1.1‬‬
‫تمرين ‪:62‬‬
‫باالعتمادعلى خوارزمية نيوتن رافسن ‪ ,‬أوجد أدىن قيمة لكل دالة من الدوال االتية ‪:‬‬
‫(‪1/ f(x)=x13+x23-9x1x2+27 , x0=t)1.1‬‬
‫‪2/ f(x)=(x1-3x2)2+(x2-1)2 , x0ϵIR2‬‬
‫‪40‬‬
‫=)‪3/ f(x‬‬ ‫‪+40x2x3+10x1x2+20x1x3,x0ϵIR3‬‬
‫‪𝑥1 𝑥2 𝑥3‬‬
‫تمرين ‪:63‬‬
‫أوجد طبيعة الدوال االتية و أعظم قيمة هلا ‪ max f‬باالعتماد على طريقة )‪:)Streepest Ascent‬‬
‫‪1‬‬
‫)‪1/ f(x)=6x1+3x1x2-2x2+12 , x0=t( ,-2‬‬
‫‪2‬‬
‫‪7 −2‬‬
‫‪2/‬‬ ‫‪f(x)=4x1+x2-x1x2-x12-x22 ,‬‬ ‫) ‪x 0 =t ( ,‬‬
‫‪3 3‬‬
‫‪3/‬‬ ‫‪f(x)= x12+2x22,‬‬ ‫‪x0=t(1 ,‬‬
‫)‪1‬‬
‫)‪4/ f(x)=(x1-2)4+(x1-2x2)2 , x0=t(0 , 3‬‬
‫‪5/ f(x)=2x12+3x1x2+x12, x0ϵIR2‬‬
‫)‪6/ f(x)=-x1x2-x12-x22, x0=t( ,‬‬

‫‪43‬‬
 ‫المحور الرابع‬
‫األمثلية في الدوال غير الخطية بقيود‬
‫)‪( Optimisation non linéaire avec contraintes‬‬

‫عناصر المحور ‪:‬‬

‫طريقة جاكويب‬ ‫‪‬‬
‫طريقة الغرانج‬ ‫‪‬‬
‫طريقة كاين توكر‬ ‫‪‬‬
‫متارين‬ ‫‪‬‬

‫‪44‬‬
 ‫يتخصص هذا احملور يف إجياد احللول املثلى للمسائل املقيدة بقيود على شكل معادالت أو قيود مساواة أو‬
‫مرتاجحات حبيث تكون فيها الدوال غري خطية متصلة و تأخذ صيغا رياضية معينة‪.‬‬
‫تكون الصيغة العامة هلذه املسائل عبارة عن إجياد قيم (‪ ) x1,x2,….xn‬اليت تعظم (أو تصغر) دالة‬
‫اهلدف‬
‫)‪Z= f) x( = f(x1,x2….xn‬‬ ‫)‪(1,3‬‬
‫و ذلك حتت الشروط ‪:‬‬

‫≤‬
‫= )‪gj(x‬‬ ‫) (‬
‫=‬ ‫̅̅̅̅̅̅‬
‫‪j=1,‬‬ ‫𝑚‬
‫≥‬
‫حيث أن قيمة ‪( m‬عدد قيود) أقل من ‪( n‬عدد املتغريات) أو تساويها ‪ ,‬و كل من ‪ n,m‬أعداد صحيحة‬
‫موجبة يف حالة ‪ m=0‬تصبح املسألة غري مقيدة‪ ,‬و تكون املسألة غري معرفة اذا كانت ‪ m‬أكرب من ‪.n‬‬
‫توجد عدة طرق حلل مثل هذه املسألة‪ ,‬سوف نشرح بعضا منها يف النقاط االتية من هذا احملور‪.‬‬

‫طريقة جاكوب أو (جاكوبيان)‪)Méthode Jacobienne( 16‬‬

‫نستعمل هذه الطريقة من أجل حل املسائل املقيدة‪ ,‬حبيث تكون القيود عبارة عن املساواة و يكون الشكل‬
‫يلي‪:‬‬ ‫العام هلذه املسألة كما‬
‫)𝑥(𝑓𝑡𝑝𝑜‬
‫{ )‪(p‬‬
‫̅̅̅̅̅̅ = 𝑖 ‪𝑔𝑖(𝑥 ) = 0‬‬
‫𝑚 ‪1,‬‬

‫حيث ‪ f‬دالة خطية مستمرة و قابلة لالشتقاق مرتني على ‪IRn‬‬

‫‪n‬‬
‫‪f: IR‬‬ ‫‪IR‬‬
‫‪ gi‬دوال مستمرة و قابلة لالشتقاق مرتني على‪IRn‬‬
‫‪gi:IRn‬‬ ‫‪IR‬‬
‫مالحظة ‪:‬‬
‫لفهم هذه الطريقة البد من معرفة مسبقة حلسابات التفاضل و املشتقات اجلزئية للدوال‪.‬‬
‫‪1-‬‬ ‫‪f: IR‬‬ ‫‪IR‬‬
‫‪2-‬‬ ‫‪f: IRn‬‬ ‫‪IRn‬‬

‫‪16‬‬
‫‪Bernard Morin, Calcul Jacobien, anales scientifique de l’ENS,9 édition, Tome 08,France,1975,pp40-62‬‬

‫‪45‬‬
 ‫مصفوفة جاكوبي (‪:)Matrice Jacobienne‬‬
‫لتكن الدالة ‪ f‬حيث‪:‬‬
‫‪f:IRn‬‬ ‫‪IRm‬‬
‫‪x‬‬ ‫))‪f (x)=(f1 (x) , f2 (x)... fm (x‬‬

‫اذا كانت ‪ f‬تقبل مشتقات جزئية عند النقطة ‪ x0,‬نستطيع أن نعرف مصفوفة جاكويب ل ‪f‬عند‬
‫النقطة‪x0‬و نرمز هلا بالرمز )‪ Jf (x0‬حيث عدد األسطر هو ‪ m‬و عدد األعمدة هو ‪ n‬و نكتب ‪:‬‬

‫) ‪𝛿𝑓1 (𝑥0‬‬ ‫) ‪𝛿𝑓1 (𝑥0‬‬ ‫) ‪𝛿𝑓1 (𝑥0‬‬

‫⋯‬
‫‪𝛿𝑥1‬‬ ‫‪𝛿𝑥2‬‬ ‫𝑛𝑥𝛿‬
‫) ‪𝛿𝑓2 (𝑥0‬‬ ‫) ‪𝛿𝑓2 (𝑥0‬‬ ‫) ‪𝛿𝑓2 (𝑥0‬‬
‫𝑥𝛿 =)‪Jf (x0‬‬ ‫…‬
‫‪1‬‬ ‫‪𝛿𝑥2‬‬ ‫𝑛𝑥𝛿‬
‫) ‪𝛿𝑓𝑚 (𝑥0‬‬ ‫) ‪𝛿𝑓𝑚 (𝑥0‬‬ ‫) ‪𝛿𝑓𝑚 (𝑥0‬‬
‫⋯‬
‫‪n [ 𝛿𝑥1 m‬‬ ‫‪𝛿𝑥2‬‬ ‫] 𝑛𝑥𝛿‬
‫‪f:IR‬‬ ‫‪IR‬‬
‫‪x‬‬ ‫))‪f (x)=(f1 (x) , f2 (x)... fm (x‬‬

‫مالحظة‪:‬‬
‫بكتابة أخرى‬
‫‪f:IRn‬‬ ‫‪IRm‬‬
‫‪x‬‬ ‫)‪f (x)=fi(x‬‬
‫نقول عن ‪ f‬اهنا قابلة لالشتقاق عند ‪x0‬إذا كانت كل مكونات الدالة ‪ f‬قابلة لالشتقاق عند ‪ x0‬حيث‬
‫̅̅̅̅̅̅ = 𝑖 ‪.) fi(x),‬‬
‫(𝑚 ‪1,‬‬ ‫(‪)x0ϵIRm‬‬

‫يف حالة ‪:‬‬

‫‪xϵ IRn, f:IRn‬‬ ‫‪IRm‬‬
‫‪x‬‬ ‫)‪f (x)=fi(x‬‬

‫‪46‬‬
 ‫إذا كانت ‪ f‬تقبل مشتقات جزئية فإن ‪:‬‬

‫) ‪𝛿𝑓(𝑥0 ) 𝛿𝑓(𝑥0‬‬ ‫) ‪𝛿𝑓(𝑥0‬‬

‫(=)‪Jf (x0‬‬ ‫‪,‬‬ ‫‪,‬‬ ‫……‬ ‫=)‬ ‫)‪∇f (x0‬‬
‫‪𝛿𝑥1‬‬ ‫‪𝛿𝑥2‬‬ ‫𝑛𝑥𝛿‬

‫حيث ‪ 𝛻f (x0):‬متجه االحندار ل ‪ f‬عند ‪)le gradient au point𝑥0 ( 𝑥0‬‬

‫خطوات الطريقة ‪:‬‬

‫)𝑥(𝑓 𝑡𝑝𝑜‬ ‫لدينا مسألة‬
‫{‬
‫̅̅̅̅ = 𝑖 ‪𝑔𝑖(𝑥) = 0‬‬
‫𝑚 ‪1,‬‬
‫)‪x= t(x1,x2….xn‬‬
‫عدد املتغريات‪n:‬‬
‫عدد القيود‪m:‬‬

‫‪f:IRn‬‬ ‫‪IRm‬‬
‫‪x‬‬ ‫)‪f (x‬‬

‫‪gi:IRn‬‬ ‫‪IRm‬‬ ‫̅̅̅̅̅̅ = 𝑖‬

‫𝑚 ‪1,‬‬
‫‪x‬‬ ‫)‪gi (x)= (g1(x),g2(x) ,…gn(x‬‬

‫لدينا ‪ , m<n‬نعرف الشعاع ‪ x‬حبيث )‪x= (x1, x2,… xn‬‬

‫ونكتب ‪:‬‬
‫)‪x= (x,z)= (x1,x2,…xm,xm+1,…xn‬‬
‫حبيث‬
‫)‪y= (x1,…xm)=(y1….ym‬‬
‫)‪z= (xm+1,…xn)= (z1,…zn-m‬‬
‫علما أن ‪:‬‬

‫‪47‬‬
 ‫)‪y= (y1,…ym‬‬
‫)‪z=(z1,…zn-m‬‬
‫نستطيع حساب‪:‬‬
‫))‪𝛻f(x)= 𝛻 f(y,z)=( 𝛻y f(x), 𝛻zf(x‬‬
‫))‪𝛻g(x)= 𝛻g(y,z)=( 𝛻 yg(x), 𝛻zg(x‬‬

‫ترميز‪:‬‬
‫)𝑥(‬
‫)𝑥(𝑔𝛻𝑦 = 𝑚𝑥𝑚𝐽‬

‫إذا كانت‬

‫‪g :IRn‬‬ ‫‪IRm‬‬

‫‪x‬‬ ‫)‪gi (x)= (g1(x),g2(x) ,…gn(x‬‬

‫فإن املصفوفة 𝑚𝑥𝑚‪J‬تكون بالشكل االيت ‪:‬‬

‫‪𝛿𝑔1‬‬ ‫‪𝛿𝑔1‬‬ ‫‪𝛿𝑔1‬‬
‫‪𝛿𝑦1‬‬ ‫‪𝛿𝑦2‬‬ ‫𝑚𝑦𝛿‬
‫=‪Jmxm‬‬ ‫𝛻‬
‫)𝑥(𝑔 𝑦‬ ‫…[=‬ ‫…‬ ‫]…‬
‫𝑚𝑔𝛿‬ ‫𝑚𝑔𝛿‬
‫…‬
‫‪𝛿𝑦1‬‬ ‫𝑚𝑦𝛿‬

‫مصفوفة جاكويب‬ ‫مالحظة ‪:‬‬

‫𝛻‬
‫‪𝑦 𝑔1‬‬
‫𝛻‬
‫=‪Jmxm‬‬ ‫‪𝑦 𝑔2‬‬
‫…‬
‫𝛻‬
‫] 𝑚𝑔𝑦 [‬

‫‪𝛿𝑔1‬‬ ‫‪𝛿𝑔1‬‬
‫‪∇𝑧 g 1‬‬ ‫…‬
‫𝛻‬
‫‪Cmx(n-m)= 𝑧𝑔 ∇𝑧 g 2‬‬ ‫‪𝛿𝑧1‬‬ ‫𝑚‪𝛿𝑧𝑛−‬‬
‫[ =‬ ‫]‬ ‫…[=‬ ‫…‬ ‫] …‬
‫…‬ ‫𝑚𝑔𝛿‬
‫…‬
‫𝑚𝑦𝛿‬
‫𝑚 ‪∇𝑧 g‬‬ ‫‪𝛿𝑧1‬‬ ‫𝑚‪𝛿𝑧𝑛−‬‬

‫مصفوفة مراقبة‬

‫‪48‬‬
 ‫‪−1‬‬
‫𝑚𝑥𝑚𝐽‬ ‫اذا كان ‪ |Jmxm|≠ 0‬فإن ‪ Jmxm‬تقبل معكوسة‬
‫𝑔𝑦𝛻 =𝑚𝑥𝑚𝐽‬
‫{‪:‬‬ ‫اذن لدينا‬
‫𝑔𝑧𝛻 =)𝑚‪𝐶𝑚(𝑛−‬‬
‫و بالتايل ‪:‬‬
‫‪𝛿f(x)= 𝛻f(x)dn‬‬
‫‪𝛿f(y,z)= 𝛻 yfdy+𝛻zfdz‬‬
‫(‪𝛻zf𝛻f(x) = (𝛻yf,‬‬ ‫ألن‬
‫𝑦𝑑( =‪dx‬‬
‫𝑧𝑑‬
‫)‬

‫نستطيع أن نكتب‪:‬‬
‫𝑦𝑑(‪𝛻f(x)dx= (𝛻yf,𝛻 zf).‬‬
‫) 𝑧𝑑‬
‫كذلك لدينا‪:‬‬
‫‪𝛿g)x)=𝛻g)x)dx‬‬
‫‪𝛿g)y,z) = 𝛻ygdy+𝛻zgdz‬‬
‫و بالتايل ‪:‬‬
‫‪𝛿g)y,z) = 𝐽.dy+𝐶.dz‬‬

‫فأن ‪:‬‬ ‫يف حالة‪:‬‬

‫‪𝛿g)y,z) = 0‬‬
‫‪𝛿g)y,z) = 0 <=> J.dy+C.dz=0‬‬
‫‪J.dy = -C.dz‬‬
‫اذا كان ‪ |J|≠0‬فأن ‪:‬‬
‫‪J-2.CJdy=-J-1.dz‬‬
‫وبالتايل‪:‬‬
‫𝑦𝑑‬
‫‪= -J-1.C‬‬ ‫**‬
‫𝑧𝑑‬
‫ومنه نقوم تعويض العالقة ** يف العالقة * فنجد‪:‬‬
‫‪𝛿g)y,z) = (𝛻zf - 𝛻zf J-1C)dz‬‬

‫‪𝛿g)y,z) ≠ 0‬‬ ‫‪ ‬يف حالة‬

‫‪49‬‬
 ‫لدينا‪Jdy+Cdz = 𝛿g(y,z):‬‬
‫اذا كان ‪ |J|≠0‬فأن‪J-1[Jdy+Cdz[ = :𝛿g(y,z)J-1‬‬
‫‪dy+J-1Cdz= 𝛿g(y,z)J-1‬‬ ‫و بالتايل‬
‫*** ‪dy=J-1 𝛿g(y,z)- J-1Cdz‬‬ ‫ومنه‪:‬‬
‫نعوض العالقة *** يف(‪ 𝛿g(y,z‬فنجد‬
‫)‪𝛿f(y,z)= (𝛻 yfdy+(𝛻zfdz‬‬
‫حىت نصل إىل العالقة اآلتية‪:‬‬
‫)‪𝛿f(y,z)= 𝛻 yf J-1 𝛿g+ 𝛿cf(y,z‬‬

‫حيث‪:‬‬
‫‪𝛿cf(y,z)= (𝛻zf-𝛻yf.J-1C)dz‬‬
‫علما أن ‪:‬‬
‫‪𝛿cf(y,z)=𝛻 cf.dz‬‬
‫ومنه‪:‬‬
‫‪𝛻 cf = 𝛻zf-𝛻yfJ-1C‬‬
‫و منه نستنتج ‪:‬‬
‫)𝑧‪𝛿𝑓(𝑦,‬‬
‫= ‪𝛻 cf‬‬
‫𝑧𝑑‬
‫إلجياد النقاط املستمرة حنسب‪:‬‬
‫‪𝛻𝑐𝑓(𝑥 ∗ ) = 0‬‬
‫{‬ ‫̅̅̅̅̅̅‬
‫𝑚‬
‫‪𝑔𝑖 (𝑥 ∗ ) = 0‬‬ ‫‪i=1,‬‬
‫وبالتايل نستطيع حتديد طبيعة النقاط املستمرة كما يلي ‪:‬‬
‫إذا كان‬

‫𝑓‪𝛿2‬‬
‫𝑓‪𝛿2‬‬ ‫‪ ∇2cf =(𝑑𝑧)2‬معرفة سلبا‬
‫‪ ∇ cf =(𝑑𝑧)2‬معرفة ايجاب‬
‫‪2‬‬

‫فان النقطة ))*‪)x*,f(x‬‬ ‫فان النقطة ))*‪)x*,f(x‬‬

‫قيمة أدنى للدالة ‪f‬‬ ‫قيمة عليا (كبرى) للدالة ‪f‬‬

‫(‪)min loc de f‬‬ ‫(‪)max loc de f‬‬

‫‪51‬‬
 ‫مثال تطبيقي‪:‬‬
‫‪f:IR3‬‬ ‫‪IR‬‬ ‫لتكن الدالة ‪ f‬معرفة كما يلي ‪:‬‬
‫‪x‬‬ ‫‪f (x)=x21+3x22+5x1x32‬‬

‫ولتكن الدوال ‪ g1,g2‬حيث ‪:‬‬

‫‪3‬‬
‫‪g:IR‬‬ ‫‪IR‬‬
‫‪x‬‬ ‫))‪g (x)=(g1(x),g2(x‬‬
‫‪g1(x)=x1x3+2x2+x12-11‬‬
‫‪g2(x)= x12+2x1x2+x32 -14‬‬
‫املطلوب‪ :‬استعمال طريقة جاكويب من أجل إجياد ) ‪ 𝛿𝑐 𝑓(𝑥0‬عندما يكون ‪𝛿𝑥2 = 0.01‬‬
‫انطالقا من الربنامج غري اخلطي املوايل‪:‬‬

‫)𝑥(𝑓 𝑡𝑝𝑜‬ ‫حيث‪x0=(1.2.3) :‬‬

‫‪𝑔1(𝑥) = 0‬‬ ‫)‪y=(x1,x3‬‬
‫‪{𝑔2 (𝑥) = 0‬‬
‫‪z=x2‬‬

‫الحل ‪ :‬الدوال ‪ ,f𝑔1 ,𝑔2‬مستمرة قابلة لإلشتقاق مرتني على ‪IR3‬‬

‫لدينا‪ z=x2, y=(x1,x2):‬حنسب‪:‬‬
‫)‪𝛻 f(y,z)= (𝛻 yf,𝛻zf‬‬
‫)‪𝛻 g(y,z)= (𝛻yg,𝛻zg‬‬

‫‪51‬‬
 : ‫مصفوفة جاكويب‬

Jmxm= J2x2=𝛻y(x)
𝛿𝑔1 𝛿𝑔1 𝛿𝑔1 𝛿𝑔1
𝛿𝑦 𝛿𝑦2 𝛿𝑥1 𝛿𝑥3 𝑥3 + 2𝑥1 𝑥1
= [𝛿𝑔1 ]= [ ]=[ ]
2 𝛿𝑔2 𝛿𝑔2 𝛿𝑔2 2𝑥1 + 2𝑥2 2𝑥3
𝛿𝑦1 𝛿𝑦2 𝛿𝑥1 𝛿𝑥3
|J|= 2x3(x3+2x1)-2x1(x1+x2)
|J|= 2𝑥32 +4x1x3+2𝑥12 -2x1x2

:‫مصفوفة املراقبة‬
𝛿𝑔1
𝛿𝑧
Cm(n-m)=C2(1)=𝛻𝑧 g(x) = [𝛿𝑔 ]
2
𝛿𝑧
𝛿𝑔1
𝛿𝑥 2
C2x1= [𝛿𝑔2 ]=[ ]
2 2𝑥1
𝛿𝑥2

: ‫لدينا‬
𝛿𝑐 𝑓(𝑥 ) = 𝛻𝑐 𝑓(𝑥 ). 𝑑𝑧
𝛻𝑐 𝑓(𝑥 ) = 𝛻𝑧 𝑓(𝑥 ) − 𝛻𝑦 𝑓 (𝑥 )𝐽−1 . 𝐶
x0=(1.2.3)=> y0=(1.3) , z0=2
:‫ومنه‬
5 1
J(x0)=[ ] => |J(𝑥0 )| = 24 ≠ 0
6 6
1 6 −1
c(x0)=(22); 𝐽−1 (x0)= [ ]
24 −6 5
∇𝑐 𝑓(𝑥0 ) = ∇𝑧 𝑓(𝑥0 ) − ∇𝑦 𝑓(𝑥)𝐽−1 (𝑥0 ). 𝐶(𝑥0 )
𝛿𝑓
∇𝑧 𝑓(𝑥) = = 6𝑥2 => ∇𝑧 𝑓(𝑥0 ) = 12
𝛿𝑥2
𝛿𝑓 𝛿𝑓
∇𝑦 𝑓(𝑥) =( , )=(2𝑥1 + 5𝑥32 , 10𝑥1 𝑥3 )
𝛿𝑥2 𝛿𝑥3

52
 ‫)‪ 𝛻𝑦 𝑓(𝑥0 ) = (47,30‬‬
‫‪1‬‬ ‫‪6 −1‬‬ ‫‪2‬‬
‫( ‪ 𝛻𝑐 𝑓(𝑥0 ) = 12 − (47,30) . ( ) .‬‬ ‫) (‪).‬‬
‫‪24‬‬ ‫‪−6 5‬‬ ‫‪2‬‬
‫‪−61‬‬
‫= ) ‪𝛻𝑐 𝑓(𝑥0‬‬ ‫‪≅ -5.08‬‬
‫‪12‬‬
‫ومنه ‪:‬‬
‫‪𝛿𝑐 𝑓(𝑥0 )= 𝛻𝑐 𝑓(𝑥0 )𝛿𝑥2‬‬
‫)‪𝛿𝑐 𝑓(𝑥0 )= (−5.08)(0.001‬‬

‫إذن‪:‬‬
‫‪𝛿𝑥2 = 0.01‬‬ ‫ألن‬ ‫‪𝛿𝑐 𝑓(𝑥0 ) = −0.05‬‬
‫وهو املطلوب‬

‫تمرين‪:‬‬
‫‪-I‬ليكن الربنامج غري اخلطي االيت‪:‬‬

‫‪𝑀𝑖𝑛 𝑓(𝑥) = 𝑥12 + 𝑥22 + 𝑥32‬‬

‫‪𝑠⁄‬‬
‫)‪(p‬‬ ‫𝑐‬
‫‪𝑔1 (𝑥) = 𝑥1 + 𝑥2 − 3𝑥3 − 2 = 0‬‬
‫‪{𝑔2 (𝑥) = 5𝑥1 + 2𝑥2 + 𝑥3 − 5 = 0‬‬
‫=‪y=(𝑥1 , 𝑥2 (𝑥3 , z‬‬ ‫نضع‬

‫‪ -2‬أحسب ميل الدالة ‪ ) 𝑦𝛻𝑓(𝑥( f‬بالنسبة اىل ‪ y‬؟‬

‫‪ -1‬أحسب ميل الدالة ‪ f‬بالنسبة اىل ‪ 𝛻𝑧𝑓(𝑥( z‬؟‬
‫‪ -1‬أوجد مصفوفة جاكويب ‪ J‬و مصفوفة املراقبة ‪C‬؟‬
‫‪ -4‬أعط حال للربنامج (‪ (p‬باستعمال طريقة جاكويب؟‬

‫‪53‬‬
 ‫‪-II‬أعط حال للربنامج (‪ (p‬باالعتماد على طريقة جاكويب علما أن ‪:‬‬
‫‪𝑜𝑝𝑡 𝑓(𝑥 ) = 9𝑥12 + 4𝑥22 − 18𝑥3 − 16𝑥2 + 25‬‬
‫‪𝑠⁄‬‬
‫)‪(p‬‬ ‫𝑐‬
‫‪𝑔1 (𝑥 ) = 3𝑥1 + 𝑥2 − 6 = 0‬‬
‫‪{ 𝑔2 (𝑥 ) = 3𝑥1 + 2𝑥3 − 9 = 0‬‬
‫=‪y=(𝑥2 , 𝑥3 (𝑥1 , z‬‬ ‫نضع‬

‫‪-II‬أعط أعظم قيمة للدالة ‪ )max f( f‬من خالل الربنامج غري اخلطي االيت و ذلك باالعتماد على طريقة‬
‫جاكويب‬
‫‪𝑀𝑎𝑥 𝑓 = 𝑓 (𝑥1 , 𝑥2 , 𝑥3 ) = 𝑥1 𝑥2 𝑥3‬‬
‫{ )‪(p‬‬ ‫‪𝑠⁄‬‬
‫𝑐‬
‫‪2𝑥1 𝑥2 + 2𝑥1 𝑥3 + 2𝑥2 𝑥3 = 20‬‬
‫‪z=(𝑥2 , 𝑥3 )y=x‬‬ ‫نضع‬

‫‪-IV‬باالعتماد على طريقة جاكويب ‪ ,‬أوجد القيمة املثلى للدالة ‪ f‬من خالل الربنامج غري اخلطي االيت ‪:‬‬

‫‪𝑜𝑝𝑡 𝑓(𝑥 ) = 𝑥12 + 𝑥22 + 𝑥32‬‬

‫{ )‪(p‬‬ ‫‪𝑠⁄‬‬
‫𝑐‬
‫‪𝑔(𝑥 ) = 𝑥1 + 𝑥3 + 𝑥3 = 0‬‬

‫‪f,g :IR3‬‬ ‫علماأن‪IR:‬‬

‫‪ -V‬نفس السؤال اخلاص ب )‪ (I‬بالنسبة للربنامج غري اخلطي االيت ‪:‬‬

‫‪𝑜𝑝𝑡 𝑓(𝑥 ) = 𝑥1 − 3 + (𝑥2 + 2)2 + (𝑥3 + 1)2 + 𝑥42‬‬
‫‪𝑠⁄‬‬
‫)‪(p‬‬ ‫𝑐‬
‫‪𝑔1 (𝑥 ) = 𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 = 0‬‬
‫‪{𝑔2 (𝑥) = 𝑥2 − 2𝑥3 = 0‬‬

‫‪f,g1,g2:IR4‬‬ ‫علماأن‪IR:‬‬

‫‪54‬‬
 ‫طريقة الغرانج‪Méthode de lagrange 17‬‬
‫تعترب طريقة طريقة الغرانج و تسمى كذلك طريقة مضاريب الغرانج من بني الطرق اليت تبحث يف أمثلة الدالة‬
‫االقتصادية سواء من حيث التعظيم (‪ )max f‬أو التدنئة (‪ )min f‬حبيث تكون قيود الربنامج غري اخلطي‬
‫عبارة عن مساواة‪ .‬كما يوضحه الشكل العام للربنامج غري اخلطي املوايل‪:‬‬
‫) 𝑥( 𝑓 𝑡𝑝𝑜‬
‫𝑐‪(p) {𝑠⁄‬‬
‫‪𝑔𝑘 (𝑥) = 0‬‬ ‫̅̅̅̅̅̅ = 𝑘‬
‫𝑚 ‪1.‬‬
‫)‪ : m‬عدد القيود)‬

‫خطوات الطريقة‪:‬‬
‫‪ -1‬البحث عن دالة الغرانج ‪:fonction de lagrange‬‬

‫لكل قيد ‪ k‬يوجد ‪ λk‬يسمى معامل الغرانج‬

‫تكتب دالة الغرانج كما يلي ‪:‬‬

‫𝑚∑ ‪L(x,λ) = f(x) -‬‬

‫)𝑥( 𝑘𝑔 𝑘𝜆 ‪𝑘=1‬‬

‫‪ -2‬الشروط الضرورية و الشروط الكافية للبحث عن امثلية الدالة ‪:‬‬

‫̅̅̅̅̅̅ ==‪ (k‬إنه من الضروري حساب ‪:‬‬

‫اذا كان *‪ x‬قيمة مثلى للدالة ‪f‬حتت قيد ‪1. 𝑚,( gk(x)=0‬‬

‫𝐿𝛿‬
‫̅̅̅̅‬
‫‪= 0 𝑗 = 1.‬‬ ‫عدد المتغيرات = 𝑚𝑚‬
‫𝑗𝑥𝛿‬
‫{*‬ ‫𝐿𝛿‬
‫̅̅̅̅‬
‫‪= 0 𝑘 = 1.‬‬ ‫عدد القيود = 𝑚𝑚‬
‫𝑘𝜆𝛿‬
‫العالقة * تعرب عن الشروط الضرورية للبحث عن القيمة املثلى للدالة االقتصادية حيث‪:‬‬

‫أحمد علي أحمد رضوان‪ ،‬مرجع سبق ذكره‪ ،‬ص ‪.056‬‬ ‫‪17‬‬

‫‪55‬‬
 ‫𝑚‬
‫𝐿𝛿‬
‫‪= 𝑓𝑗 (𝑥) − ∑ 𝜆𝑘 𝑔𝑘 (𝑥 ) = 0‬‬
‫𝑗𝑥𝛿‬
‫‪𝑘=1‬‬
‫𝐿𝛿‬
‫‪= −𝑔𝑗 (𝑥) = 0‬‬
‫𝑘𝜆𝛿‬

‫الشروط الكافية ‪ :‬للبحث يف الشروط الكافية البد من تعريف مايلي ‪:‬‬

‫نعرف املصفوفات االتية ‪: G,V,O,A‬حيث ‪:‬‬

‫‪Gmxm= la matrice avec comme élément‬‬
‫)𝑥( 𝑘𝑔𝛿‬ ‫̅̅̅̅̅̅ = 𝑘‬
‫𝑚 ‪1.‬‬
‫𝑗𝑘𝑔‬ ‫=‬
‫𝑗𝑥𝛿‬ ‫̅̅̅̅̅̅ = 𝑗‬
‫𝑚 ‪1.‬‬

‫‪Omxm= la matrice carré nulle‬‬

‫‪Vnxm= la matrice carré avec comme élément‬‬
‫)𝜆‪𝛿 2 𝐿(𝑥,‬‬
‫=‪Lij‬‬
‫𝑗𝑥𝛿 𝑖𝑥𝛿‬
‫‪A = matrice bloque‬‬
‫𝐺 𝑂‬
‫𝑡 [=‪A‬‬ ‫]‬
‫𝑇 𝐺‬
‫رتبة املصفوفة ‪ A‬هي ‪,n+m‬‬
‫عدد المتغيرات‪m :‬‬
‫عدد المتغيرات–‪n :‬‬
‫‪ ‬إذا كان ‪ m‬عدد زوجي‪:‬‬
‫‪ (x*,f(x*)) ‬قيمة دنيا للدالة ‪ )min loc de f( f‬إذا وفقط إذا كان‪:‬‬
‫̅̅̅̅̅̅̅̅̅̅̅‬
‫‪|A2m+k| > 0 , k=1,‬‬ ‫𝑚‪𝑛−‬‬
‫))*‪(x*,f(x‬قيمة عظمى للدالة ‪)max loc de f ( f‬‬ ‫‪‬‬

‫إذا وفقط إذا كان ‪:‬‬

‫‪(-1)k|A2m+k|>0‬‬ ‫‪,‬‬ ‫̅̅̅̅̅̅̅̅̅̅̅‬
‫‪k=1,‬‬ ‫𝑚‪𝑛−‬‬

‫‪56‬‬
 ‫إذا كان ‪ m‬عدد فردي‪:‬‬
‫‪ (x*,f(x*)) ‬قيمة دنيا للدالة ‪)min loc de f( f‬‬
‫إذا وفقط إذا كان ‪:‬‬
‫̅̅̅̅̅̅̅̅̅̅̅‬
‫‪|A2m+k| < 0 , k=1,‬‬ ‫𝑚‪𝑛−‬‬

‫‪(x*,f(x*)) ‬قيمة عظمى للدالة ‪)max loc de f ( f‬‬

‫إذا وفقط إذا كان ‪:‬‬

‫‪(-1)k+1|A2m+k|>0‬‬ ‫‪,‬‬ ‫̅̅̅̅̅̅̅̅̅̅̅=‪k‬‬
‫𝑚 ‪1, 𝑛 −‬‬

‫مثال تطبيقي ‪:‬‬

‫يف هذا التطبيقي سنقوم بالبحث عن أمثلية الدالة ‪ f‬من خالل الربنامج غري اخلطي األيت و ذلك بتطبيق‬
‫خطوات طريقة الغرانج‪.‬‬

‫‪𝑜𝑝𝑡 𝑓 (𝑥 ) = ( 𝑥1 − 3) + ( 𝑥2 − 2)2 + ( 𝑥3 − 1) + 𝑥4 2‬‬

‫‪𝑠⁄‬‬
‫)‪(p‬‬ ‫𝑐‬
‫‪𝑔1 (𝑥) = 𝑥1 + 𝑥3 + 𝑥3 + 𝑥4 = 0‬‬
‫‪{ 𝑔2 (𝑥) = 𝑥2 + 2𝑥3 = 0‬‬
‫‪IR‬‬ ‫‪f,𝑔1 , 𝑔2 :IR4‬‬ ‫علماأن‪:‬‬
‫دوال مستمرة قابلةلالشتقاق مرتني على ‪IR4.‬‬ ‫‪f,𝑔1 , 𝑔2‬‬

‫دالة الغرانج ‪:‬‬

‫) 𝑥( 𝑘𝑔 𝑘𝜆 ‪L(x, λ ) = f(x) -∑2𝑘=1‬‬ ‫) 𝑥( ‪= f(x) -𝜆1 𝑔𝑘 (𝑥 ) − 𝜆2 𝑔2‬‬
‫‪L(x, 𝜆 ) =( 𝑥1 − 3) + ( 𝑥2 − 2)2 + ( 𝑥3 − 1) + 𝑥4 2‬‬
‫) ‪=- 𝜆1 (𝑥1 + 𝑥2 + 𝑥3 + 𝑥4‬‬
‫‪= - 𝜆2 (𝑥2 + 2𝑥3 ) = 0‬‬

‫‪57‬‬
 ‫الشروط الضرورية ‪:‬حنسب مايلي ‪:‬‬
‫𝐿𝛿‬
‫‪= 0‬‬ ‫̅̅̅‬
‫‪𝑗 = 1.4‬‬
‫𝑗𝑥𝛿‬
‫𝐿𝛿 {‬
‫‪= 0‬‬ ‫̅‬
‫‪𝑘 = 1.2‬‬
‫𝑘𝜆𝛿‬

‫𝐿𝛿‬
‫‪= 0 <=> 1 − 𝜆1 = 0‬‬
‫‪𝛿𝑥1‬‬
‫𝐿𝛿‬
‫‪= 0 <=> 2(𝑥2 − 2) − 𝜆1 −𝜆2 = 0‬‬
‫‪𝛿𝑥2‬‬
‫𝐿𝛿‬
‫‪= 0 <=> 2(𝑥3 + 1) − 𝜆1 +2𝜆2 = 0‬‬
‫‪𝛿𝑥3‬‬
‫𝐿𝛿‬
‫‪= 0 <=> 2𝑥4 − 𝜆1 = 0‬‬
‫‪𝛿𝑥2‬‬
‫𝐿𝛿‬
‫‪= 0 <=> 𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 = 0‬‬
‫‪𝛿𝜆1‬‬
‫𝐿𝛿‬
‫‪= 0 <=> 𝑥2 + 2𝑥3 = 0‬‬
‫‪{ 𝛿𝜆2‬‬
‫من خالل هذه املعادالت نقوم بالبحث عن ‪𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 , 𝜆1 , 𝜆2‬‬
‫وبعد جمموعة من اخلطوات احلسابية جند‬
‫‪𝑥1 = 1.6‬‬
‫‪𝑥2 = −1.4‬‬
‫‪𝑥3 = −0.7‬‬
‫‪𝑥4 = 0.5‬‬
‫‪𝜆1 = 1‬‬
‫‪{ 𝜆1 = 0.2‬‬
‫اذن النقطة *‪x‬عبارة عن نقطة مستقرة حيث ‪:‬‬
‫)‪x* =t(1.6, -1.4,-0.7,0.5‬‬
‫الشروط الكافية ‪ :‬نعرف املصفوفة ‪ An+m‬كما يلي ‪:‬‬
‫𝐺 ‪0‬‬
‫𝑡 [=𝐴‬ ‫]‬
‫𝑣 𝐺‬
‫‪58‬‬
 ‫حيث ‪:‬‬
‫‪0 0‬‬
‫‪𝑜2𝑥2‬‬ ‫[=‬ ‫]‬
‫‪0 0‬‬
‫‪𝛿𝑔1‬‬ ‫‪𝛿𝑔1 𝛿𝑔1‬‬ ‫‪𝛿g1‬‬
‫‪𝛿𝑥1‬‬ ‫‪𝛿𝑥2 𝛿𝑥3‬‬ ‫‪𝛿𝑥4‬‬
‫‪𝐺2𝑥4‬‬ ‫=‬
‫‪𝛿𝑔2‬‬ ‫‪𝛿𝑔2 𝛿𝑔2‬‬ ‫‪𝛿𝑔2‬‬
‫‪[ 𝛿𝑥1‬‬ ‫‪𝛿𝑥2 𝛿𝑥3‬‬ ‫] ‪𝛿𝑥4‬‬

‫‪1 1 1 1‬‬
‫[ = ‪𝐺2𝑥4‬‬ ‫]‬
‫‪0 1 −2 0‬‬

‫𝐿‪𝛿2‬‬
‫= ‪𝑉4𝑥4‬‬
‫𝑗𝑥𝛿 𝑖𝑥𝛿‬
‫̅̅̅̅̅ = 𝑖‬
‫‪1.4‬‬
‫̅̅̅̅̅ = 𝑗‬
‫‪1.4‬‬

‫‪0 0 0‬‬ ‫‪0‬‬

‫‪0 2 0‬‬ ‫‪0‬‬
‫‪𝑉4𝑥4‬‬ ‫[ =‬ ‫]‬
‫‪0 0 2‬‬ ‫‪0‬‬
‫‪0 0 0‬‬ ‫‪2‬‬
‫‪:‬نقوم حبساب‬ ‫حمدد املصفوفة‬
‫│‪̅̅̅̅̅) ; │A2m+k‬‬
‫‪(𝑗 = 1.4‬‬
‫؟ = │ ‪│𝐴5‬‬ ‫حالة ‪𝑘 = 1‬‬
‫{ =│‪│A4+k‬‬
‫؟ = │ ‪│𝐴6‬‬ ‫حالة ‪𝑘 = 2‬‬

‫لدينا ‪:‬‬
‫‪0 0 1‬‬ ‫‪1 1‬‬ ‫‪1‬‬
‫‪0 0 0‬‬ ‫‪1 −2‬‬ ‫‪0‬‬
‫‪1 0 0‬‬ ‫‪0 0‬‬ ‫‪0‬‬
‫‪𝑉4𝑥4‬‬ ‫=‬
‫‪1 1 0‬‬ ‫‪2 0‬‬ ‫‪0‬‬
‫‪1 −2 0‬‬ ‫‪0 2‬‬ ‫‪0‬‬
‫‪[1 0 0‬‬ ‫‪0 0‬‬ ‫]‪2‬‬

‫‪59‬‬
 ‫و منه ‪:‬‬
‫‪0 0‬‬ ‫‪1‬‬ ‫‪1 1‬‬
‫‪0 0‬‬ ‫‪0‬‬ ‫‪1 −2‬‬
‫‪│A4+k│= 1 0‬‬ ‫‪0‬‬ ‫‪0 0 =10> 0‬‬
‫‪1 1‬‬ ‫‪0‬‬ ‫‪2 0‬‬
‫‪[1 −2‬‬ ‫‪0‬‬ ‫]‪0 2‬‬
‫‪│A6│= 20>0‬‬

‫إذن ‪:‬‬
‫‪│A2m+k│>0‬‬ ‫̅̅̅̅̅ = 𝑘( ;‬
‫) ‪1.2‬‬
‫حنن يف احلالة ‪ m‬عدد زوجي و بالتايل ‪:‬‬
‫(‪)min loc de f‬‬ ‫النقطة ))*‪ (x*,f(x‬قيمة دنيا للدالة )‪f(x‬‬

‫تمارين ‪:‬‬
‫لتكن الربامج غري اخلطية االتية ‪:‬‬ ‫‪)I‬‬
‫‪𝑚𝑎𝑥 𝑓 (𝑥 ) = 3𝑥1 − 𝑥2 + 𝑥3 2‬‬
‫‪𝑠⁄‬‬
‫{)‪(p1‬‬ ‫𝑐‬
‫‪𝑥1 + 𝑥2 + 𝑥3 = 0‬‬

‫‪𝑜𝑝𝑡 𝑓 (𝑥 ) = 10 𝑥1 − 2𝑥12 − 𝑥13 + 8𝑥2 − 𝑥22‬‬

‫‪𝑠⁄‬‬
‫)‪(p2‬‬ ‫𝑐‬
‫‪𝑥1 + 2𝑥2 + 3𝑥3 = 0‬‬
‫‪{𝑥1 + 2𝑥2 + 5𝑥3 = 15‬‬

‫المطلوب ‪ :‬حل هذه الربامج باالعتماد على طريقة الغرانج؟‬

‫‪61‬‬
 ‫‪ (II‬ليكن الربنامج غري خطي األيت ‪:‬‬
‫‪2‬‬ ‫‪2‬‬
‫‪𝑚𝑎𝑥𝑈(𝑥1 , 𝑥2 ) = 𝑒 −𝑥1 −𝑥2‬‬
‫‪𝑠⁄‬‬
‫)‪(p1‬‬ ‫𝑐‬
‫‪10𝑥1 + 20𝑥2 = 100‬‬
‫{‬
‫∗‪ U : 𝐼𝑅+∗ X𝐼𝑅+‬دالة منفعة املستهلك‪.‬‬ ‫حيث 𝑅𝐼‬

‫‪ 𝑥1 , 𝑥2‬سلعتان استهالكيتان ز أسعارمها على التوايل‬

‫‪P1=20 Da , P2=120 Da‬‬
‫دخل املستهلك ‪y=100 Da‬‬
‫‪.‬‬
‫المطلوب ‪:‬‬
‫‪ .2‬أعط حال للربنامج )‪ (p1‬اإلعتماد على الطريقة باغرانج‪.‬‬
‫‪ .1‬أعط تفسريا ملضاعف باغرانج‬
‫‪𝛿𝑥1‬‬
‫( ‪ p1‬علما أن السلعة‬ ‫‪ .1‬لنفرض أن السعر)‪ (p1‬يتغري ‪ ,‬أحسب التغري يف ‪ x1‬بالنسبة للتغري يف )‬
‫‪𝛿𝑝1‬‬
‫‪ 𝑥1‬مرتبطة فقط بالسعر )‪ (p1‬و الدخل ‪.y‬‬
‫‪𝛿𝑥2‬‬
‫(‪P2‬‬ ‫‪ .4‬بناءا على نتائج السؤال (‪ )01‬احسب التغري يف ‪ x2‬بالنسبة )‬
‫‪𝑝2‬‬

‫طريقة كاين توكر‪La méthode de kuhn-Tucker 18‬‬

‫طريقة كاين توكر تقوم بالبحث يف املسائل اليت تكون فيها ‪:‬‬
‫‪ ‬الدالة االقتصادية غري اخلطية‬
‫‪ ‬القيود عبارة عن مرتاجحات (‪)≥ 0, ≤ 0‬‬

‫وهي من بني الطرق اليت تبحث يف أمثلية الدالة االقتصادية‪ ،‬حبيث يكون الشكل العام للربامج غري اخلطي ‪:‬‬

‫‪18‬‬
‫‪Aude rondepierre,methods Numeriques pour l’optimisation non Lineaire‬‬
‫‪deterministe,INSA,France,2018,pp 34-42.‬‬

‫‪61‬‬
 ‫) 𝑥(𝑓 𝑡𝑝𝑜‬
‫‪𝑠⁄‬‬
‫𝑐‬
‫)‪(p‬‬
‫‪𝑔𝑖 (𝑥) ≤ 0‬‬ ‫̅̅̅̅̅̅ = 𝑘‬
‫𝑟 ‪1.‬‬
‫‪{ 𝑔𝑗 (𝑥 ) ≥ 0‬‬ ‫̅̅̅̅̅̅̅̅̅̅̅̅ = 𝑘‬
‫𝑚 ‪𝑟 + 1.‬‬
‫̅̅̅̅̅̅ = 𝑘‪:‬‬
‫‪1. 𝑚 f,gk : IRn‬‬ ‫بحيث ‪IR‬‬
‫‪ f,gk‬دوال مستقرة و قابلة للتفاضل مرتني على ‪.IRn‬‬
‫‪ : f‬دالة غري خطية‪.‬‬

‫خطوات الطريقة ‪ :‬سنقوم بتوضيح هذه اخلطوات يف حاليت التعظيم و التدنئة‪.‬‬

‫حالة التعظيم ‪:‬‬
‫يكون الربنامج (‪ )p‬يف شكله القانوين ‪)forme canonique( :‬‬
‫)𝑥(𝑓 𝑥𝑎𝑀‬
‫‪𝑠⁄‬‬
‫𝑐‬
‫)‪(p‬‬ ‫‪𝑔𝑘 (𝑥) ≤ 0‬‬
‫̅̅̅̅̅̅̅ = 𝑘‬
‫𝑚 ‪1.‬‬
‫{‬
‫حيث ‪ f,gk‬دوال مستمرة و قابلة لإلشتقاق مرتني على ‪IRn‬‬
‫̅̅̅̅̅̅ = 𝑘‪:‬‬
‫𝑚 ‪1.‬‬ ‫‪f,gk : IRn‬‬ ‫حبث ‪IR‬‬
‫‪ : f‬دالة غري خطية‪.‬‬
‫‪ : m‬عدد القيود‪.‬‬
‫‪ : n‬عدد المتغيرات‪.‬‬

‫خطوات طريقة كاين توكر ‪:‬‬

‫أوال ‪ :‬نقوم بكاتبة الربنامج (‪ )p‬على الشكل املعياري (‪ )Forme standard‬و ذلك بإضافة متغريات‬
‫الفرق ( ‪ )𝑆𝑘2‬حيث ‪:‬‬
‫𝑚𝑆 … ‪S2={𝑆12 , 𝑆22 ,‬‬‫}‪2‬‬
‫̅̅̅̅̅̅ = 𝑘‪,‬‬
‫𝑚 ‪1.‬‬

‫‪62‬‬
 ‫فيصبح الربنامج (‪)p‬كما يلي ‪:‬‬
‫) 𝑥(𝑓 𝑥𝑎𝑀‬
‫‪𝑠⁄‬‬
‫𝑐‬
‫‪2‬‬
‫)‪(p‬‬ ‫‪𝑔𝑘 (𝑥 ) + 𝑆𝑘 = 0‬‬ ‫̅̅̅̅̅̅̅̅ = 𝑘‬
‫𝑚 ‪1.‬‬
‫‪𝑆2𝑘 > 0‬‬
‫{‬

‫ثانيا ‪ :‬نقوم بكاتبة دالة كاين توكر (‪)fonction kuhnTucker‬‬

‫𝑚‬

‫‪𝐿(𝑥, 𝜆, 𝑠) = 𝑓(𝑥) − ∑ 𝜆𝑘 (𝑔𝑘 (𝑥) + 𝑆𝑘2 ) = 0‬‬

‫‪𝑘=1‬‬
‫̅̅̅̅̅̅̅‬
‫‪𝑘 = 1.‬‬ ‫علما أن 𝑘𝜆‪ :‬يعرب عن مضاعف كاين توكر 𝑚‬
‫̅̅̅̅̅̅̅ = 𝑘)‬
‫̅̅̅̅̅̅ = 𝑘‪1. 𝑚 ,‬‬
‫ثالثا‪ :‬نقوم بالبحث عن املتغريات‪1. 𝑚 ( 𝜆𝑘 ,Sk , xj‬‬
‫انطالقا من الشروط الضرورية لكاين توكر‪.‬‬
‫الشروط الضرورية‪:‬‬
‫‪1) 𝜆𝑘 ≥ 0‬‬ ‫̅̅̅̅̅̅̅ = 𝑘‬
‫𝑚 ‪1.‬‬
‫‪2) 𝛻𝑓(𝑥 ) − 𝜆𝛻𝑔(𝑥 ) = 0‬‬
‫̅̅̅̅̅̅̅ = 𝑘‪3) 𝜆𝛻𝑔(𝑥 ) = 0‬‬
‫𝑚 ‪1.‬‬
‫[‬ ‫̅̅̅̅̅̅̅ = 𝑘‪4) 𝑔(𝑥 ) ≤ 0‬‬
‫𝑚 ‪1.‬‬ ‫]‬

‫وبالتايل نتحصل على مجلة معادالت ‪:‬‬

‫𝑚‬
‫)𝜆 ‪𝛿𝐿(𝑥, 𝑆,‬‬ ‫)𝑥(𝑓𝛿‬ ‫‪𝛿(𝑔𝑘 (𝑥 ) + 𝑆𝑘2‬‬
‫)‪1‬‬ ‫=‬ ‫𝑘𝜆 ∑ ‪−‬‬ ‫‪=0‬‬
‫𝑗𝑥𝛿‬ ‫𝑗𝑥𝛿‬ ‫𝑗𝑥𝛿‬
‫‪𝑘=1‬‬
‫)𝜆 ‪𝛿𝐿(𝑥, 𝑆,‬‬
‫)‪2‬‬ ‫‪=0‬‬ ‫̅̅̅̅̅̅̅ = 𝑘‬
‫𝑚 ‪1.‬‬
‫𝑘𝜆𝛿‬
‫)𝜆 ‪𝛿𝐿(𝑥, 𝑆,‬‬
‫)‪3‬‬ ‫‪=0‬‬ ‫̅̅̅̅̅̅̅ = 𝑘‬
‫𝑚 ‪1.‬‬
‫{‬ ‫𝑘𝑆𝛿‬

‫‪63‬‬
 ‫حالة التدنئة ‪)cas de maximisation( :‬‬
‫يكون الربنامج يف شكله القانوين كمايلي ‪:‬‬
‫) 𝑥(𝑓 𝑛𝑖𝑀‬
‫‪𝑠⁄‬‬
‫𝑐‬
‫‪(𝑝) 𝑔𝑘 (𝑥 ) ≥ 0‬‬ ‫̅̅̅̅̅̅̅ = 𝑘‬
‫𝑚 ‪1.‬‬

‫{‬

‫بنفس اخلطوات السابقة لكاين توكر يكون لدينا‪:‬‬

‫يكون املعياري للربنامج (‪: (p‬‬
‫) 𝑥(𝑓 𝑛𝑖𝑀‬
‫{ )𝑝(‬ ‫‪𝑠⁄‬‬
‫𝑐‬
‫‪𝑔𝑘 (𝑥) − 𝑆𝑘2 = 0‬‬

‫حيث‪:‬‬

‫𝑘𝑔‪ f,‬دوال مستمرة قابلة لإلشتقاق مرتني على ‪IRn‬‬

‫‪f,𝑔𝑘 : IRn‬‬ ‫‪IR‬‬
‫̅̅̅̅̅̅̅ = 𝑘 ‪𝑆𝑘2 > 0‬‬
‫‪ :f‬دالة غري خطية و 𝑚 ‪1.‬‬
‫دالة كاين توكر ‪:‬‬
‫𝑚‬

‫‪𝐿(𝑥, 𝑆, 𝜆) = 𝑓(𝑥 ) − ∑ 𝜆𝑘 (𝑔𝑘 (𝑥 ) + 𝑆𝑘2 ) = 0‬‬

‫‪𝑘=1‬‬
‫الشروط الضرورية ‪:‬‬
‫من أجل البحث عن قيم 𝑘𝜆‪ xj, Sk ,‬نقوم حبل مجلة معادالت االتية ‪:‬‬

‫‪64‬‬
 ‫‪1) 𝜆𝑘 ≥ 0‬‬ ‫̅̅̅̅̅̅̅ = 𝑘‬
‫𝑚 ‪1.‬‬
‫𝐿𝛿‬
‫)‪2‬‬ ‫‪=0‬‬
‫𝑗𝑥𝛿‬
‫𝐿𝛿‬
‫‪=0‬‬
‫𝑘𝜆𝛿‬
‫𝐿𝛿‬
‫‪=0‬‬
‫𝑘𝑆𝛿‬
‫‪3)𝜆𝑘 𝑔𝑘 (𝑥) = 0‬‬
‫‪{ 4) 𝑔𝑘 (𝑥) ≥ 0‬‬
‫الشروط الكافية لكاين توكر في حالتي التعظيم و التدنئة ‪:‬‬
‫أما بالنسبة للشروط الكافية لكاين توكر ميكن تلخيصها يف اجلدول الوايل‪:‬‬

‫‪f‬‬ ‫‪gi‬‬ ‫𝑖𝜆‬

‫‪ Convexe‬‬ ‫‪ 𝜆𝑖 ≥ 0 𝑖 =1…r‬‬
‫‪Max‬‬ ‫‪Concave‬‬ ‫‪ Concave‬‬ ‫‪ 𝜆𝑖 ≤ 0 𝑖 =r+1…p‬‬
‫‪ Lineaire‬‬ ‫‪ 𝜆𝑖 libre i=p+1…m‬‬
‫‪ Convexe‬‬ ‫‪ 𝜆𝑖 ≤ 0 𝑖 =1…r‬‬
‫‪Min‬‬ ‫‪Convexe‬‬ ‫‪ Concave‬‬ ‫‪ 𝜆𝑖 ≥ 0 𝑖 =r+1…p‬‬
‫‪ Lineaire‬‬ ‫‪ 𝜆𝑖 libre i=p+1…m‬‬

‫مثال تطبيقي ‪:‬‬

‫أوجد حال للربنامج غري خطي (‪ )p‬باالعتماد على طريقة كاين توكر ‪:‬‬
‫‪𝑀𝑎𝑥 𝑓(𝑥 ) = 4𝑥1 + 𝑥2‬‬
‫𝑐‪𝑠/‬‬
‫‪(p) 𝑥1 + 3𝑥2 ≤ 100‬‬
‫‪𝑥1≥0‬‬
‫{‬ ‫‪𝑥2≥0‬‬

‫‪65‬‬
 ‫الحل‪:‬‬
‫ميكن كتابة الربنامج )‪ (p‬قي شكله القانوين كما يلي‪:‬‬
‫‪𝑀𝑎𝑥 𝑓 (𝑥 ) = 4𝑥1 + 𝑥2‬‬
‫𝑐‪𝑠/‬‬
‫‪(p) 𝑔1 (𝑥 ) = 𝑥1 + 3𝑥2 ≤ 0‬‬
‫‪𝑔2 (𝑥) = − 𝑥1≥0 ≤ 0‬‬
‫‪{ 𝑔3 (𝑥 ) = −𝑥2≥0 ≤ 0‬‬

‫حيث ‪ f,𝑔1 , 𝑔2 , 𝑔3‬دوال مستمرة وقابلة لإلشتقاق مرتني على ‪.IRn‬‬

‫الشكل المعماري‪:‬‬
‫‪𝑀𝑎𝑥 𝑓 (𝑥 ) = 4𝑥1 + 𝑥2‬‬
‫𝑐‪𝑠/‬‬
‫‪(p) 𝑔1 (𝑥) + 𝑆12 = 𝑥1 + 3𝑥2 − 100 + 𝑆12 = 0‬‬
‫‪𝑔2 (𝑥) + 𝑆22 = −𝑥1 + 𝑆22 = 0‬‬
‫‪{ 𝑔3 (𝑥) + 𝑆32 = −𝑥2 + 𝑆32 = 0‬‬

‫حيث ‪ 𝑆12 ,𝑆22 , 𝑆32‬تعرب عن متغريات الفرق } ‪S= {𝑆12 ,𝑆22 , 𝑆32‬‬

‫دالة كاين توكر‪:‬‬

‫‪3‬‬

‫‪𝐿(𝑥, 𝑆, 𝜆) = 𝑓(𝑥 ) − ∑ 𝜆𝑘 (𝑔𝑘 (𝑥 ) + 𝑆𝑘2 ) = 0‬‬

‫‪𝑘=1‬‬
‫) ‪= 4𝑥1 + 𝑥2 − 𝜆1 (𝑥1 + 3𝑥2 − 100 + 𝑆12‬‬
‫) ‪−𝜆2 (−𝑥1 + 𝑆22‬‬
‫) ‪−𝜆3 (−𝑥2 + 𝑆32‬‬

‫‪66‬‬
 ‫الشروط الضرورية‪m=3, n=2:‬‬
‫)‪1‬‬ ‫‪𝜆𝑘 ≥ 0‬‬ ‫‪𝑘 = 1,2,3‬‬
‫𝐿𝛿‬
‫)‪2‬‬ ‫‪=0‬‬ ‫‪𝑘 = 1,2‬‬
‫𝑗𝑥𝛿‬
‫𝐿𝛿‬
‫‪=0‬‬ ‫‪𝑘 = 1,2,3‬‬
‫𝑘𝜆𝛿‬
‫‪𝛿L‬‬
‫‪=0‬‬ ‫‪𝑘 = 1,2,3‬‬
‫𝑘𝑆𝛿‬
‫‪3) 𝜆𝑘 𝑔𝑘 (𝑥 ) = 0‬‬ ‫‪𝑘 = 1,2,3‬‬
‫{‬
‫ومنه يصبح لدينا املعادالت االتية ‪:‬‬
‫)‪1‬‬ ‫‪𝜆1 ≥ 0, 𝜆2 ≥ 0 , 𝜆3 ≥ 0‬‬
‫𝐿𝛿‬
‫)‪2‬‬ ‫‪= 0 <=> 4 − 𝜆1 + 𝜆2 = 0‬‬
‫‪𝛿𝑥1‬‬
‫𝐿𝛿‬
‫)‪3‬‬ ‫‪= 0 <=> 1 − 3 𝜆1 + 𝜆3 = 0‬‬
‫‪𝛿𝑥2‬‬
‫𝐿𝛿‬
‫)‪4‬‬ ‫‪= 0 <=> 𝑥1 + 3𝑥2 − 100 + 𝑆12 = 0‬‬
‫‪𝛿𝜆1‬‬
‫𝐿𝛿‬
‫)‪5‬‬ ‫‪= 0 <=> −𝑥1 + 𝑆22 = 0‬‬
‫‪𝛿𝜆2‬‬
‫𝐿𝛿‬
‫)‪6‬‬ ‫‪= 0 <=> −𝑥2 + 𝑆32 = 0‬‬
‫‪𝛿𝜆3‬‬
‫𝐿𝛿‬
‫)‪7‬‬ ‫‪= 0 <=> −2𝜆1 𝑆1 = 0‬‬
‫‪𝛿𝑆1‬‬
‫𝐿𝛿‬
‫)‪8‬‬ ‫‪= 0 <=> −2𝜆2 𝑆2 = 0‬‬
‫‪𝛿𝑆2‬‬
‫𝐿𝛿‬
‫)‪9‬‬ ‫‪= 0 <=> −2𝜆3 𝑆3 = 0‬‬
‫‪𝛿𝑆3‬‬
‫)‪10‬‬ ‫‪𝜆1 (𝑥1 + 3𝑥2 − 100) = 0‬‬
‫‪11) − 𝜆2 𝑥1 = 0‬‬
‫‪12) − 𝜆3 𝑥2 = 0‬‬

‫من (‪ )9(, )8(, )1‬جند ‪:𝜆1 𝑆1 = 𝜆2 𝑆2 = 𝜆3 𝑆3 = 0‬‬

‫وبالتايل منيز عدة حاالت ‪:‬‬

‫‪𝑆1 = 𝑆2 = 𝑆3 = 0‬‬ ‫حالة ‪<= 𝜆1 ≠ 𝜆2 ≠ 𝜆3 ≠ 0‬‬
‫من (‪ )5‬و(‪ )1‬جند ‪:𝑥1 = 𝑥2 = 0‬‬

‫‪67‬‬
 ‫من (‪ )4‬لدينا ‪ − 100 = 0‬مستحيل‪:‬‬
‫ومنه نستخلص أن على أقل واحد من املضاعفات ̅̅̅̅‬
‫‪, 𝜆𝑘 k=1.3‬يكون الصفر مساويا ‪.‬‬
‫ومنه نستخلص احلاالت املمكنة االتية ‪:‬‬
‫‪ ‬احلالة األوىل‪:𝜆1 = 𝜆2 = 𝜆3 = 0‬‬
‫‪ ‬احلالة الثانية‪:𝜆1 = 0, 𝜆2 = 0, 𝜆3 ≠ 0‬‬
‫‪ ‬احلالة الثالث‪:𝜆1 = 0, 𝜆2 ≠ 0, 𝜆3 = 0‬‬
‫‪ ‬احلالة الرابعة‪:𝜆1 ≠ 0, 𝜆2 = 0, 𝜆3 = 0‬‬
‫‪ ‬احلالة اخلمسة‪:𝜆1 = 0, 𝜆2 ≠ 0, 𝜆3 ≠ 0‬‬
‫‪ ‬احلالة السادسة‪:𝜆1 ≠ 0, 𝜆2 = 0, 𝜆3 ≠ 0‬‬
‫‪ ‬احلالة السابعة‪:𝜆1 ≠ 0, 𝜆2 ≠ 0, 𝜆3 = 0‬‬

‫‪ ‬احلالة األوىل‪ :‬غري املمكنة ألنه من املعادلة (‪ )1‬جند ‪( 4=0 :‬املستحيل) و بالتايل اليوجد حل‪.‬‬

‫‪ ‬احلالة الثانية‪ :‬غري املمكنة ألنه من املعادلة (‪ )1‬جند ‪( 4=0 :‬املستحيل) و بالتايل اليوجد حل‪.‬‬

‫‪ ‬احلالة الثالثة‪ :‬غري املمكنة ألنه من املعادلة (‪ )1‬جند ‪( 2=0 :‬املستحيل) و بالتايل اليوجد حل‪.‬‬

‫‪1‬‬
‫‪ ‬احلالة الرابعة ‪:‬من املعادلة (‪ )1‬جند ‪ 2=4‬و من املعادلة (‪ )1‬جند = ‪ 𝜆1‬و هذا تناقض و بالتايل‬
‫‪3‬‬
‫فهي غري ممكنة و ال يوجد حل‪.‬‬

‫‪ ‬احلالة اخلامسة‪:‬غري املمكنة ألنه من املعادلة (‪ )1‬جند ‪:‬‬

‫‪ 𝜆2 = −4 < 0‬علما ان (‪, )𝜆2 ≥ 0‬و بالتايل اليوجد حل‪.‬‬

‫‪ ‬احلالة السادسة‪ :‬من املعادلة (‪ )1‬جند ‪ 𝜆1 =4‬و من املعادلة (‪ )1‬جند ‪𝜆3 = 11, 𝜆2 = 2‬‬
‫وبالتايل ‪:‬‬

‫‪68‬‬
 ‫من املعادلة (‪ )1‬جند ‪:s1=0‬‬
‫من املعادلة (‪ )1‬جند ‪:x2=0‬‬
‫من املعادلة (‪ )9‬جند ‪:s3=0‬‬
‫من املعادلة (‪ )4‬جند ‪:x1=100‬‬
‫من املعادلة (‪ )2‬جند ‪:s2=10‬‬

‫‪1‬‬
‫احلالة السابعة ‪ :‬من املعادلة (‪ )1‬جند = ‪ 𝜆1‬و من املعادلة (‪ )1‬جند‬
‫‪3‬‬
‫‪11‬‬
‫‪ )𝜆2 = −‬علما أن (‪ )𝜆2 ≥ 0‬و بالتايل فهي غري ممكنة و ال يوجد حل‪.‬‬ ‫(‪< 0‬‬
‫‪3‬‬

‫إذن‪ :‬لقد حتصلنا على احلل األيت ‪:‬‬

‫‪𝜆1 = 4‬‬ ‫‪≥0‬‬
‫‪𝜆2 = 0‬‬ ‫‪≥0‬‬
‫‪𝜆3 = 11‬‬ ‫‪≥0‬‬
‫𝑡) ‪𝑥 ∗ = (100,‬‬
‫‪{ 𝑓(𝑥 ) = 400‬‬

‫قيمة عظمى للدالة ‪.)Max loc de f( .f‬‬ ‫() 𝑥(𝑓‪)𝑥 ∗,‬‬ ‫إذن‬

‫‪:‬‬ ‫تمارين‬
‫)‪ )I‬أعط حال لكل من الربامج غري اخلطية االتية باإلعتماد على طريقة كاين توكر (‪:)Kuhn-Tucker‬‬
‫‪Min f(x) = x12 + x22‬‬
‫‪s/c‬‬
‫)‪(p1‬‬ ‫‪x1 ≤ 100‬‬
‫‪x2 ≤ 50‬‬
‫{‬

‫‪69‬‬
 ‫‪Max f(x) = 3x12 − x22 + x32‬‬
‫‪s/c‬‬
‫)‪(p2‬‬ ‫‪x1 + 2x2 ≤ 5‬‬
‫‪4x1 − x2 + x3 ≤ 0‬‬
‫‪3x1 + 4x2 ≤ 9‬‬
‫{‬
‫)‪ )II‬أعط الشروط األساسية لكاين توكر للربنامج غري اخلطي االيت ‪:‬‬
‫‪opt f(x) = x13 − x22 + x1 x32‬‬
‫‪s/c‬‬
‫‪x1 + x22 + x3 = 5‬‬
‫‪5x12 − x22 − x3 ≥ 0‬‬
‫‪x1 , x2 , x3 ≥ 0‬‬
‫{‬
‫)‪(III‬استخدم الشروط األساسية لكاين توكر من أجل إجياد احلل األمثل للربنامج غري اخلطي االيت ‪:‬‬
‫‪Max f(x) = 10x12 − 2x12 − x13 + 8x2 − x22‬‬
‫‪s/c‬‬
‫‪x1 + x2 ≤ 2‬‬
‫)‪(p‬‬
‫‪x1 , x2 ≥ 0‬‬
‫{‬
‫خاتمة‬

‫يف هذه املطبوعة ‪ ،‬حاولنا عرض مواضيع يف حبوث العمليات اليت تدور يف فلك تقنيات األمثلية‬
‫اخلطية وغري اخلطية بشقيها املقيدة وغري املقيدة‪.‬حاولنا تبسيط عرض هذه احملاضرات وتيسيري أساليب‬
‫احلل ووضعها يف خطوات تسهل متابعتها‪ .‬وإيراد جمموعة من التمارين يف هناية كل حماضرة ملساعدة‬
‫الدارس على استيعاب املفاهيم الرياضية واخلطوات العملية بصورة أعمق‪.‬‬

‫ال ختلو هذه املطبوعة من بعض النقائص اليت ميكن تداركها مستقبال‪ .‬نأمل أن تكون هبذه املطبوعة‬
‫البيداغوجية قد أضفنا إىل صرح التعليم بالعربية على املستوى اجلامعي لبنة يكون فيها أجر اجملتهدين‬
‫واهلل املوفق وهو اهلادي إىل سواء السبيل‪.‬‬

‫‪71‬‬
 ‫ق ائمة المراجع‬

‫‪71‬‬
 ‫‪:‬‬ ‫المراجع‬

‫المراجع باللغة العربية‬

‫]‪ [1‬أبو القاسم مسعود الشيخ‪ ،‬حبوث العمليات‪،‬اجملموعة العربية للتدريب والنشر‪،‬القاهرة‪،‬مصر ‪.1009‬‬
‫]‪ [2‬راتول حممد ‪ ،‬حبوث العمليات‪ ،‬ديوان املطبوعات اجلامعية‪ ،‬ط‪ ، 2‬اجلزائر ‪. 2006،‬‬
‫]‪ [3‬جهاد صياح بين هاين‪ ،‬نازم حممود امللكاوي‪ ،‬فاحل عبد القادر احلوري ‪،‬حبوث العمليات‪ ،‬دار جليس الزمان ‪ ،‬عمان ‪1008‬‬
‫]‪ [4‬حممد عبد العال النعيمي ‪ ،‬حبوث العمليات ‪ ،‬دار وائل للنشر‪،‬األردن ‪. 1022‬‬
‫]‪ [5‬حممد العزاوي‪ ،‬األساليب الكمية يف العلوم اإلدارية‪ ،‬دار اليازوري ‪ ،‬األردن ‪.1021‬‬
‫]‪ [6‬أكرم حممد عرفان املهتدي‪ ،‬األساليب الكمية يف اختاذ القرا ر ا ت اإلدارية حبوث العمليات‪ ،‬دار صفاء للنشر والتوزيع‪ ،‬ط‬
‫‪ ،1‬عمان‪. 2004،‬‬
‫]‪[7‬حسني حممود اجلنايب األحدث يف حبوث العمليات ‪ ،‬دار احلامد ‪،‬األردن ‪. 2010،‬‬
‫]‪[8‬سليمان حممد مرجان‪ ،‬حبوث العمليات ‪ ،‬دار الكتب الوطنية بن غازي‪ ،‬ليبيا‪،‬ط ‪.1001 ، 1‬‬
‫]‪[9‬صاحل مهدي حمسن العامري‪ ،‬عواطف إبراهيم احلداد‪،‬تطبيقات حبوث العمليات يف اإلدارة‪،‬إثراء للنشر والتوزيع‪ ،‬األردن‬
‫‪. 1009‬‬
‫]‪[10‬حلسن عبد اهلل باشيوة‪،‬حبوث العمليات ‪ ،‬دار اليازوري العلمية للنشر والتوزيع األردن ‪. 1022‬‬
‫]‪ [11‬أمحد علي أمحد رضوان‪ ،‬تقنيات األمثلية‪ ،‬النشر العلمي واملطابع‪ ،‬جامعة امللك سعود‪. 1002،‬‬
‫المراجع باللغة األجنبية‬

‫‪[12] Aude rondepierre,methods Numeriques pour l’optimisation non Linéaire‬‬

‫‪déterministe,INSA,France,2018.‬‬

‫‪[13] Bernard Morin, Calcul Jacobien, anales scientifique de l’ENS,4 édition, Tome‬‬
‫‪08,France,1975.‬‬
‫‪[14] S.le LeDigabel, Optimisation non linéaire, polytechnique montériale, canada,2018.‬‬
‫‪[15 ] Gérald Baillargeon , Programmation linéaire appliquée, les édition SMG ,Québec ,‬‬
‫‪Canada,1996 .‬‬
‫‪[16 ] GH .OPRIS , Programmation linéaire , OPU , Algérie , 1983 .‬‬
‫‪[17] J.M.Boussard, J. J.Daudin , la programmation linéaire dans les modèles de‬‬
‫‪production,Masson , Paris, 1998 .‬‬
‫‪[18] Nabil Mustapha, recherche opérationnelle et Mathématiques appliqués a la gestion des‬‬
‫‪entreprises,Dunod, France,1985.‬‬
‫‪[19] P.Chrétienne, Y.Pesyuex, G.Raudjean , Algorithmes et pratique de programmation‬‬
‫‪linéaire, édition telmic, Paris, 1980.‬‬
‫‪[20] D. Azé, J.B. Hiriart-Urruty, Analyse variationnelle et optimisation, Cépaduès, 2010‬‬

‫‪72‬‬
[21] M. Bergounioux, Optimisation et contrôle des systèmes linéaires, Dunod, Paris, 2001.

[22] P. Ciarlet, Introduction à l’analyse numérique matricielle et à l’optimisation, Masson,

Paris, 1982.
[23] P. Ciarlet, B. Miara, J.M. Thomas, Exercices l’analyse numérique matricielle et
d’optimisation,Masson, Paris, 1987.

73