PROGRAMMATION LINEAIRE

ALGORITHME DU SIMPLEXE


Rsum : On introduit dabord, concrtement, la problmatique de la programmation linaire, puis
on en indique les principales applications, la rentabilit et lon donne un bref historique du sujet.

Ensuite lalgorithme du simplexe, mthode principale de rsolution des programmes
linaires (P.L), est expos progressivement : un exemple trait gomtriquement permet de mettre
en vidence les caractristiques des solutions (loptimum est atteint en un sommet du polydre,
dfini par les contraintes du P.L, sauf cas particuliers).

Mais au del de trois variables cette approche gomtrique choue : on la transpose donc en
la mthode algbrique du simplexe o tout sommet du polydre est reprsent par un ensemble
de variables, dites de base ; chaque itration (passage dun sommet un sommet voisin le long
dune arte du polydre) se traduit alors par lchange dune variable de base et dune variable
hors base dans le systme dquations caractristique du sommet courant.

Cette mthode algbrique, dintrt didactique, est ensuite systmatise travers la
mthode des tableaux du simplexe , procdure implmentable informatiquement.

Enfin un aperu sur la mthode rvise du simplexe , la plus souvent implmente dans
les logiciels de P.L, est donn ; celle-ci amliore les performances de la prcdente en rduisant le
volume des calculs ncessaires et en augmentant leur prcision.
















Mots-cl : programmation linaire, P.L ; algorithme du simplexe ; polydre, sommet, base ; mthode des
tableaux ; mthode rvise.




Auteur : M. Bernard LEMAIRE, Professeur titulaire de la chaire de Recherche Oprationnelle,
Conservatoire National des Arts et Mtiers, 292, rue Saint-Martin, 75141 PARIS Cedex 03.




EXEMPLE INTRODUCTIF

Un atelier peut fabriquer 3 produits

P
1
, P
2
, P
3
la cadence de 50 units/heures pour

P
1
,
25 u/h pour

P
2
, 75 u/h pour

P
3
, ceci laide dune machine unique disponible 45 heures par
semaine. Le march ne peut, hebdomadairement, absorber plus de 1000 units de

P
1
, ni plus de 500
de

P
2
, ni plus de 1500 de

P
3
. Enfin, le bnfice unitaire pour

P
1
est de 4 /unit, 12 /u pour

P
2
et
3/u pour

P
3
. Il sagit de dterminer le programme de production hebdomadaire qui maximise le
bnfice global.

La formulation mathmatique est ici simple ; il y a au moins deux systmes dinconnues quil est
logique dadopter :
soit

x
1
, x
2
, x
3
{ }
, o

x
i
est le nombre dunits de

P
i
fabriques.
soit

h
1
, h
2
, h
3
{ }
, o

h
i
est le nombre dheures de fabrication de

P
i
.
Manifestement on a :

x
1
= 50 h
1
, x
2
= 25 h
2
, x
3
= 75 h
3
.
N.B : on peut dans des cas plus complexes, rencontrer des systmes avec des nombres diffrents de
variables.


x
1
s
x
2
s
x
3
s
x
1
50
+
x
2
25
+
x
3
75
s
1000
500
1500
45
x
1
, x
2
, x
3
, > 0
Max 4 x
1
+ 12 x
2
+ 3 x
3
= Z


50h
1
s
25h
2
s
75h
3
s
h
1
+ h
2
+ h
3
s
1000
500
1500
45
h
1
, h
2
, h
3
> 0
Max 4x
1
+ 12 x
2
+ 3 x
3
= Z


On omet ici le fait que les variables sont entires.


DEFINITION GENERALE
On a affaire un programme linaire lorsquon a modlis un problme laide de variables relles
positives ou nulles

x
j
j =1,..., n
( ) de sorte que :


j=1
n

a
ij
. x
j
s , = , > b
i
i = 1, , m , cest--dire m contraintes explicites linaires.



x
j


> 0 j = 1, , n , cest--dire n contraintes implicites .

MAX ou MIN

c
j
j=1
n

. x
j
=

Z cest--dire optimiser une fonction linaire, nomme
fonction conomique





- Les

a
ij
sont des coefficients techniques, issus du processus tudi ; les

b
i
reprsentent le
plus souvent des seuils dactivit ou des quantits de ressources disponibles.
- les

c
j
sont des bnfices ou des cots issus de la comptabilit.

La linarit peut se discuter : en pratique si lon vend 1 000 units dun produit ou seulement une, le
prix unitaire nest souvent pas le mme

APPLICATIONS PRINCIPALES : une liste incomplte !

- dans lindustrie du ptrole : commande de la marche des raffineries (distillation, reformage,
craquage), compositions ou de mlanges de produits.
- industries mtallurgiques (alliages)
- dans lindustrie alimentaire (mlanges)
- plannings (rotation dquipages, etc.) dans les compagnies de transport arien, ferroviaire,
urbain.
- planification (par ex. en agriculture) ; matrices intersectorielles de LEONTIEFF (matrices
input-output).
- Composition des portefeuilles.
- etc.

RENTABILITE

Comme souvent en Recherche Oprationnelle, lemploi de la P.L. permet doptimiser des
systmes et de raliser des conomies de lordre de 5 10% (parfois plus !) sur le cot de
fonctionnement du systme.
Parfois ce pourcentage est bien moindre : ainsi loptimisation de lachat de pneumatiques
pour quiper des vhicules neufs chez un grand constructeur automobile avait permis une conomie
de 0,5% sur un cot mensuel de 12 millions deuros soit 600 000 /mois Ce qui couvrait
largement le salaire de lingnieur auteur de ltude pendant toute sa vie professionnelle !

Il nest pas rare quune optimisation laide de la P.L. permette des gains annuels
reprsentant 200 300 fois le cot de ltude. Les retours sur investissement se comptent plus
souvent en semaines ou en mois, quen annes

HISTORIQUE

Les premiers mathmaticiens qui se sont occups de problmes, que lon ne nommait pas
encore lpoque programmes linaires (P.L.), sont : LAPLACE (1749-1827) et le baron
FOURIER qui, vers 1825, a propos une mthode dlimination pour traiter des systmes
dinquations linaires et qui a dfini une mthode gomtrique pour atteindre le point le plus bas
dun solide dlimit par des facettes planes (cest--dire dun polydre ), ide trs voisine de
celle qui prside lalgorithme dit du simplexe (le plus courant actuellement pour rsoudre la
P.L.) ; FOURIER est certes plus connu pour ses sries trigonomtriques ou encore en physique pour
sa rsolution de lquation de la chaleur. Mais limportance conomique de la P.L. napparaissait
pas lpoque et ses travaux sont tombs dans loubli.







De mme vers 1911, Charles DE LA VALLEE-POUSSIN, un mathmaticien belge, sest vu
confier par des astronomes un problme dapproximation minimale qui revenait en fait rsoudre
un P.L. ; il la rsolu par une mthode de changement de base (tout comme dans le simplexe) ; mais
il tait trop tt pour quelle soit utilise en conomie et sa mthode navait t diffuse que dans le
cercle des astronomes. Elle est reste inconnue des chercheurs oprationnelle jusqu une date bien
postrieure de linvention de lalgorithme du simplexe.

Il a fallu attendre lpoque de la seconde guette guerre mondiale pour que lon modlise et
rsolve des problmes de logistique qui se formulaient en tant que P.L. : ainsi le russe
KANTOROVITCH en 1939 a imagin une mthode inspire des multiplicateurs de LAGRANGE,
classiques en mcanique, pour rsoudre des programmes de transport . Il faut tre patient dans la
vie : ce nest quen 1975 quil fut rcompens pour lensemble de ses travaux par le prix Nobel
dconomie, conjointement avec lamricain KOOPMANS

La contribution dcisive a t linvention de lalgorithme du SIMPLEXE, dvelopp partir
de 1947 notamment par G.B. DANTZIG et le mathmaticien VON NEUMANN. Cet algorithme a
ensuite t implment sur les premiers ordinateurs et perfectionn ( mthode rvise du
simplexe ) pour accrotre la prcision des rsultats et diminuer le volume de mmoire ncessaire
la rsolution.

Vers 1975-1979, les mathmaticiens sovitiques SHORR puis KHACHIYAN ont apport
une avance thorique concernant la complexit de la programmation linaire, (en crant un
algorithme polynmial) mais sans quelle dbouche sur un algorithme plus efficace en pratique que
le SIMPLEXE.

Au milieu des annes 80, lindien KARMARKAR a propos une nouvelle mthode cre
aux Bell Laboratories qui permettait de rsoudre de trs gros problmes linaires, par une dmarche
intrieure au polydre des solutions admissibles. Vues les immenses rpercussions conomiques
et les implications financires de cette dcouverte, la mthode navait t publie que
partiellement : toutefois la communaut scientifique internationale a confirm dsormais la validit
de lapproche de KARMARKAR ; notons toutefois que sur les PL de taille petite et moyenne le
SIMPLEXE garde souvent lavantage. Depuis de nombreuses mthodes intrieures ont vu le
jour.

DIMENSIONS DES PROBLEMES RESOLUS

On considre que des PL comportant m = 1 000 contraintes et n = 3 000 variables sont de
dimension courante (pour lalgorithme du simplexe). On parle de gros problmes partir de m = 5
000 contraintes et n = 10 000 variables. De trs gros PL ont t rsolus oprationnellement : un PL
avec m = 30 000 et n = 300 000 pour la gestion intgre de la firme amricaine NABISCO, et la
NASA n = 35 000 et m = 512 000. Pour une compagnie arienne, un problme avec n = 5 500 000
variables (mais seulement m=850 contraintes) a aussi t rsolu. Avec des PL dont les donnes ont
des structures particulires, on a pu mme dpasser les 10 000 000 de variables !









METHODE GEOMETRIQUE

Puisque lexemple, rappel ci-dessous, ne comporte que trois variables, nous allons recourir
une mthode gomtrique en nous plaant dans lespace 3 dimensions :



x
1
s 1000 1
( )
x
2
s 500 2
( )
x
3
s 1500 3
( )
3x
1
+ 6x
2
+ 2x
3
s 6750 4
( )
x
1
, x
2
, x
3
> 0
4x
1
+ 12x
2
+ 3x
3
= Z MAX
| |


les trois premires contraintes bornent la valeur que peut prendre chacune des variables ; de
plus, ces trois variables sont positives ou nulles. Ainsi la rgion de lespace compose des points
(

x
1
, x
2
, x
3
) satisfaisant aux contraintes (1), (2), et (3) est un paralllpipde rectangle OABCDEFG
(plus trivialement : une boite rectangulaire) de longueur 1 000 de largeur 500 et hauteur 1 500 :



x
3

1500 E D



F G


O C

x
2

500






A 1000 B
Fig.1


x
1

On voit immdiatement que le point G (1 000, 500, 1 500) ne vrifie pas la dernire
contrainte : 3 x 1 000 + 6 x 500 + 2 x 1 500 > 6 750.

Si lon reprsente cette contrainte, un simple calcul permet dtablir que le plan

3x
1
+6x
2
+2x
3
=6750 coupe larte FG au point P (1 000, 125, 1 500). En effet, cette arte est elle-
mme dfinie comme lintersection de deux plans :

x
1
=1 000 et

x
3
=1 500 ; en reportant dans
lquation du plan ci-dessus, il vient : 3 x 1 000

+ 6 x
2
+ 2 x 1500 = 6750 do

x
2
=125.


De mme on tablirait que ce plan coupe larte DG au point Q (250, 500, 1 000) et larte BG en R
(1 000, 500, 375).
Ainsi on peut tracer le domaine compos des points de lespace satisfaisant toute les
contraintes (on dit des points admissibles ). Ce domaine est un polydre OABCDEFPQR
(solide dlimit par des facettes planes).


1500

x
3

E D
Q
P
F G



C

x
2

500


R



A 1000 B
Fig.2


x
1

jusqu prsent nous ne nous sommes occups que des contraintes : un point solution doit
ncessairement se trouver la surface ou lintrieur du polydre, telle une aiguille dans une botte
de foin

Pour chaque point M

x
1
= a, x
2
= b, x
3
= c
( )
du polydre des solutions admissibles, la
fonction conomique (qui rappelons le traduit le bnfice hebdomadaire engendr par le programme
de production associ au point M) a pour valeur :

Z = 4a + 12b + 3c
Par exemple pour le point C (0, 500,) on a :

Z = 4 x 0 + 12 x 500 + 3 x 0 = 6000 / semaine.
Les points qui, tel le point C, donnent Z la valeur de 6 000 forment un plan dquation :

6 000 = 4x
1
+ 12x
2
+ 3x
3
, not

P
6000
.
Reprsentons ce plan

P
6000
: il coupe les axes

Ox
1
, Ox
2
, Ox
3
aux points I : (1 500, 0, 0),
J = C : (0, 500, 0) et K : (0, 0, 2000) (cf Fig.3).

Ce plan

P
6000
coupe notre polydre en deux parties : tout point de la partie infrieure (tel que 0 ou A
ou E) est tel que Z < 6 000 et tout point de la partie suprieure est tel que Z > 6 000 : si
cest celle-ci quil faut poursuivre la recherche de loptimum (Cf Fi. 3). La partie suprieure est
dlimite par deux tranches : le triangle PQR et le pentagone CSTUV.











x
3

2000 K

E S
D
T
F Q
P


O C

x
2

U 500

R


A B
V
I 1500
Fig. 3



x
1

Pour toute valeur fixe m de la fonction conomique, le plan

P
m
dquation :

4x
1
+12x
2
+ 3x
3
= m est un plan parallle au plan

P
6000
.
La distance de lorigine O un plan

P
m
est donn par un rsultat classique de gomtrie
analytique :


OH =
m
4
2
+12
2
+ 3
2
=
m
13
.
On a donc m = 13

OH.

Ds lors, pour maximiser la valeur de la fonction conomique, cest--dire ici le paramtre
m, il suffira de tracer un plan parallle au plan ICK (qui est aussi le plan du pentagone CSTUV),
dont la distance lorigine soit la plus grande possible et qui ait encore au moins un point en
commun avec le polydre des solutions admissibles OABCDEFPQR.

Il est facile de voir que ce plan est obtenu pour m = 11 500 : le plan

P
11500
na plus quun
seul point commun avec le polydre, le point Q qui est donc loptimum ;
En Q, on a :

x
1
*
= 250, x
2
*
= 500 et x
3
*
= 1 500.

On peut aboutir ce rsultat par un dessin anim en traant successivement les
intersections du polydre avec les plans

P
7000
,

P
8000
, P
9000
, P
10000
, P
11000
; le plan

P
12000
nayant pas,
la diffrence des prcdents , dintersection avec le polydre







GENERALISATION

Le raisonnement gomtrique est toujours praticable pour n = 2 variables, la rigueur pour
n = 3. Cependant les problmes industriels, nous lavons vu, peuvent comporter des milliers de
variables, voire bien davantage !
Toutefois on peut dmontrer les rsultats suivants, constats sur lexemple ci-dessous :

1) Loptimum dun programme linaire, sil existe

1 ( )
, est ralis au moins

2 ( )
en un sommet
du polydre.

Ceci pourrait inciter ENUMERER les sommets du polydre
MAIS pour n variables et m contraintes explicites, il y a

C
m+n
n
=
(m+ n)
n!m!
sommets possibles. Cette
valeur croissant trs vite avec m et n, lnumration est impraticable pour des problmes de taille
industrielle. Ainsi pour un petit PL comportant m = 20 contraintes et n = 30 variables il y a

4,7129.10
13
sommets possibles : mme en calculant un million de sommets par seconde il faudrait
un an et demi pour rsoudre en ordinateur ce tout petit problme : prohibitif

(1) (Les cas particuliers : polydre vide ; solution rejete linfini, pour lesquels il nexiste pas
doptimum, sont carts de cet expos introductif).

(2) En cas de paralllisme entre le plan Z=0 et une arte ou une facette, etc loptimum est ralis
pour tous les points de cette arte (resp. facette) et en particulier, en ses points extrmes, qui sont
des sommets.

2) Le domaine des solutions admissibles est un polydre convexe.



x
2


A domaine convexe

x
2


A domaine non convexe


a Q

Z
*

b .sommet OPT. OPT relatif OPT absolu


A a
0

x
1


A b .OPT relatif


Z
*
0

x
1



Z = 0 Fig.4


Z = 0 Fig.5

convexe signifie que si deux point appartiennent au domaine admissible

A, le segment qui les
relie est compris dans

A : la fig 4 en donne un exemple ; la fig 5 donne un exemple de domaine non
convexe.

Cette proprit assure simplement que si lon arrive, par le calcul, en un sommet Q et quil nexiste
aucun point voisin de Q (sommet ou pas) donnant la fonction conomique une valeur meilleure
quen ce sommet, alors Q est optimal.






IDEE GEOMETRIQUE DE LALGORITHME DU SIMPLEXE

Lide qui prside lalgorithme du simplexe procde des rsultats ci-dessus (nous nous
plaons dans le cas dune maximisation de la fonction conomique Z) :

Le point de dpart est un sommet du polydre suppos connu (tel le sommet O dans lexemple) ; si
aucun sommet nest connu, une procdure particulire (la technique des variables artificielles, qui
sont du cadre de cette initiation) permet den dterminer un, sil existe

1 ( )
.

Toute itration consistera passer dun sommet un sommet voisin (en parcourant une arte de la
frontire du polydre), en amliorant la valeur de la fonction conomique Z.

Test de fin : si un sommet Q est tel que tous ses voisins sont moins bons que lui (cest--dire
donnent Z une valeur infrieur

Z
Q
), alors lalgorithme sarrte : le sommet Q est optimal.

Cette ide ne peut tre mise en oeuvre directement, (1) sinon le polydre est vide : les
contraintes sont contradictoires entre elles et le PL na pas de solution. Car, nous lavons vu, il est
exclu denvisager une pure au del de n = 3 variables ; la cl de la dmarche va consister donner
une REPRESENTATION ALGEBRIQUE ( laide de la notion de base introduite ci-dessous)
des sommets du polydre des solutions admissibles.


1 ( )
sinon le polydre est vide : les contraintes sont contradictoires entre elles et le PL na pas de solution.






























METHODE ALGEBRIQUE DU SIMPLEXE

On commence par ramener le PL une forme standard pour laquelle toutes les
contraintes sont en galit (ceci moyennant lintroduction de nouvelles variables, dites dcart ) ;
toutes les variables sont positives ou nulles ; la fonction conomique est maximiser (rappelons que
minimiser une fonction quivaut maximiser son oppose).

Ainsi la contrainte

x
1
s1 000 signifie que

x
1
tant infrieur ou gal 1 000, il faut lui
ajouter une quantit positive (ou nulle), que nous noterons

x
4
, pour amener
sa valeur 1 000 :

x
1
s1 000 quivaut :

x
1
+ x
4
=1000 et

x
4
> 0.
La variable

x
4
est nomme variable dcart et reprsente, dans le contexte de lexemple, lcart
la saturation du march en produit

P
1
.
Les contraintes (1) (4) peuvent scrire sous forme dquation en introduisant des variables dcart

x
4
, x
5
, x
6
et x
7
:


(1) x
1
+ x
4
=1000
(2) x
2
+ x
5
= 500
(3) x
3
+ x
6
=1500
(4) 3x
1
+ 6x
2
+ 2x
3
+ x
7
= 6750
x
1
, x
2
, x
3
, x
4
, x
5
, x
6
, x
7
> 0


NB :

x
7
reprsente 150 fois le nombre dheures de travail par semaine non employes : latelier est
disponible 45 heures par semaine ; le facteur 150 vient du fait que pour chasser les dnominateurs
de :

x
1
50
+
x
2
25
+
x
3
75
s 45, on a multipli chaque membre par 150 ;
Car 6 750 = 45 x 150.

Les variables dcart ont une contribution nulle la fonction conomique :
Z =

4x
1
+ 12 x
2
+ 3 x
3
+ 0

x
4
+ 0

x
5
+ 0

x
6
+ 0

x
7
.
En effet ne pas saturer un march ou encore ne pas utiliser des machines 100%, cela ne rapporte
aucun bnfice

Prenons comme solution initiale le sommet O :

x
1
= 0 , x
2
= 0 , x
3
= 0 cest la solution
dune semaine de vacances : on ne fabrique rien, on ne gagne rien ! mais cette solution est
admissible au sens mathmatique puisque les contraintes du PL sont vrifies.

Les m = 4 variables qui sont positives en O (autant que de contraintes) sont

x
4
, x
5
, x
6
et x
7
.
On les nomme variables de base O . De mme les variables nulles au sommet O :

x
1
, x
2
et x
3

sont nommes variables hors-base ; on carte de cet expos introductif le cas de dgnrescence


o une variable de base serait nulle (tel serait le cas si par exemple quatre plans reprsentant des
contraintes taient concourants en un mme sommet).

PREMIERE ITERATION

On peut exprimer facilement les variables de base en O en fonction des variables hors base,
de mme que la fonction conomique Z :


x
4
= 1000 x
1
x
5
= 500 x
2
Sommet O x
6
= 1500 x
3
x
7
= 6750 3x
1
6x
2
2x
3
Z = 0 + 4x
1
+12x
2
+ 3x
3


Lexamen de Z montre que pour augmenter sa valeur numrique, il faut donner lune des
variables hors base, actuellement nulle au sommet considr (O), une valeur positive. Puisque dans
Z,

x
2
a le coefficient (bnfice marginal) le plus lev, nous choisissons daccrotre

x
2
en posant

x
2
=

u o

u est positif et croissant ; nous gardons, pour cette itration, les autres variables hors
base nulles :

x
1
= x
3
= 0. Le systme devient :


x
4
= 1000
x
5
= 500 u *
( )
x
6
= 1500
x
7
= 6750 6 u
Z = 0 +12u


Jusqu quelle valeur peut-on accrotre

u (cest--dire

x
2
) ?
Le bnfice global de Z est proportionnel

u : lentreprise peut-elle devenir immensment riche en
donnant

u une valeur trs leve ? En fait non, car il ne faut pas oublier que toutes les variables
sont positives ou nulles, et doivent le demeurer ( contraintes implicites ) :

x
5
> 0 entrane u s 500

x
7
> 0 entraine u s 6750 /6 = 1125 .
Ainsi la plus grande valeur de

u qui respecte la positivit de toutes les variables est

u =500 (et non
pas 1125 qui rendrait

x
5
ngatif). Si lon pose donc

u =500, il vient numriquement :


x
4
= 1000 x
1
= 0
x
5
= 0 x
2
= 500
x
6
= 1500 x
3
= 0
x
7
= 3750
Z = 6000




On reconnat alors les coordonnes du sommet C : le programme de production associ

x
1
= 0 , x
2
= 500 , x
3
= 0 engendre un bnfice Z = 6000 .

On vient donc de trouver un procd algbrique qui nous a permis de passer du
sommet O dun polydre un sommet voisin (C), en dcrivant une arte de ce polydre.

SECONDE ITERATION

Pour pouvoir progresser il convient dexprimer les variables de base au sommet C, cest--
dire celles qui sont positives en C, en fonction des variables hors-base en C (qui y sont nulles). Or,
en C, dsormais

x
2
est devenue positive et

x
5
sest annule : on va donc procder un ECHANGE
entre la variable

x
2
qui entre dans la base et la variable

x
5
qui sort de la base.

Repartons du systme associ au sommet O et transformons le pour obtenir celui associ au
sommet C :

Sommet O

x
4
= 1000 x
1
x
5
= 500 x
2
(*) (quation de l' change)
x
6
= 1500 x
3
x
7
= 6750 3x
1
6x
2
2x
3
Z = 0 + 4x
1
+12x
2
+ 3x
3


Nous allons donc exprimer les variables de base en C (celles positives en ce sommet) en
fonction des variables hors base (celles nulles en C). On commence, partir de lquation de
lchange, qui est la relation qui a fix la valeur maximale donner la variable entrante (ici

x
2
),
exprimer la variable entrante en fonction de la variable sortante (et, ventuellement, des autres
variables hors base) :


x
2
=500 x
5


Puis chacune des autres variables de base en C :

x
4
, x
6
, x
7
, de mme que Z doit tre exprime en
fonction des variables hors base en C cest--dire

x
1
, x
5
et x
3
. Pour ce faire, il suffit dans
lexpression de chacune de ces autres variables de base en C, de substituer la
variable

x
2
( la variable entrante) son expression issue de lquation de lchange :

x
2
= 500 x
5
.














Il vient donc :

Sommet C

x
4
= 1000 x
1
x
2
= 500 x
5
x
6
= 1500 x
3
x
7
= 6750 3x
1
2x
3
6(500 x
5
)
= 3750 3x
1
2x
3
+ 6x
5
Z = 0 + 4x
1
+ 3x
3
+12(500 x
5
)
= 6000+ 4x
1
+ 3x
3
12x
5


TROISIEME ITERATION

On peut alors, partant de C (avec un bnfice de 6000 ), pratiquer une nouvelle itration
afin daccrotre le bnfice. La variable entrante est la variable hors base qui a le plus grand
coefficient positif dans lexpression de Z en fonction des variables hors base ; soit ici

x
1
. On pose
donc

x
1
= u o u est positif croissant, en gardant

x
3
= x
5
= 0. Il vient :


x
4
= 1000 u *
( )
quation de l' change
x
2
= 500
x
6
= 1500
x
7
= 6750 3 u
Z = 6000 + 4 u


Pour respecter la non-ngativit des variables, on prend au mieux

u = 1000 : x
4
sort de la base ;
lquation de lchange est

x
4
= 1000 x
1
; en substituant dans les autres quations du systme
associ au sommet C,

x
1
la valeur 1000 -

x
4
issue de lquation de lchange, il vient :

Sommet B

x
1
= 1000 x
4
x
2
= 500 x
5
x
6
= 1500 x
3
x
7
= 37502 x
3
+ (1000 x
4
) + 6x
5
= 7502 x
3
+ 3x
4
+ 6x
5
Z = 6000+ 3 x
3
+ 4(1000 x
4
) 12x
5
=10000+ 3 x
3
4x
4
12x
5




On reconnat en effet le systme associ au sommet B (lexpression des variables de base en B :

x
1
, x
2
, x
6
, x
7
et de

Z en fonction des variables hors base en B :

x
3
, x
4
, x
5
).
Puisque Z ainsi exprim comporte encore un coefficient positif : 3 sur une variable hors base (

x
3
),
on peut pratiquer une nouvelle itration ; on pose

x
3
=u positif et croissant, et on garde

x
4
= x
5
=0 ; il vient :

x
1
= 1000
x
2
= 500
x
6
= 1500 u
x
7
= 750 2u
Z = 10000+ 3 u


On prend au mieux

u = 375 : en effet la variable

x
7
est la premire sannuler quand

u
crot ;

x
7
est donc la variable sortante ; lquation de lchange est :

x
7
= 750 2x
3
+ 3x
4
+ 6x
5
;
do

x
3
= 375+
3
2
x
4
+ 3x
5

1
2
x
7
, obtenu aprs division par le coefficient 2, nomm pivot de
cette itration. Dans les itrations antrieures le pivot tait gal 1 et la division de lquation de
lchange par le pivot 1 tait passe inaperue.

En substituant

x
3
cette valeur dans les autres quations du systme associ B, il vient :
Sommet R

x
1
= 1000 x
4
x
2
= 500 x
5
x
6
= 1125
3
2
x
4
3x
5
+
1
2
x
7
x
3
= 375+
3
2
x
4
+ 3x
5

1
2
x
7
Z = 11125+
1
2
x
4
3x
5

3
2
x
7


On reconnat le sommet R (1000, 500, 375) et le bnfice associ : 11125 .

DERNIERE ITERATION

La variable hors base

x
4
ayant dans Z un coefficient positif :

1 2, elle entre en base : on pose

x
4
=u positif et croissant et

x
5
= x
7
=0 ; il vient :



x
1
=1000u , x
2
= 500 , x
6
=1125
3
2
u , Z =11125+
1
2
u .

La variable sortante est donc

x
6
(car la valeur maximale de

u est :

u = 11225/(3/2) = 750).

Lquation de lchange est :

x
6
=1125
3
2
x
4
3x
5
+
1
2
x
7
soit

3
2
x
4
=1125 3x
5
x
6
+
1
2
x
7




Do :

x
4
= 7502x
5

2
3
x
6
+
1
3
x
7
car pour exprimer

x
4
, il a fallu diviser lquation de lchange
par le coefficient

3
2
, le pivot de cette itration.

En substituant

x
4
cette valeur dans les autres quations du systme associ R, il vient :
Sommet Q

x
1
= 250 + 2x
5
+
2
3
x
6

1
3
x
7
x
2
= 500 x
5
x
3
= 1500 x
6
x
4
= 750 2x
5

2
3
x
6
+
1
3
x
7
Z = 11500 4x
5

1
3
x
6

4
3
x
7


On reconnat le sommet Q :

x
1
= 250, x
2
= 500, x
3
=1500 avec un bnfice de :
Z = 11 500 / semaine.

Ce sommet est optimal : il nest pas possible damliorer Z par le procd ci-dessus car tous les
coefficients des variables (hors base) figurant dans Z sont ngatifs (on peut alors dmontrer, en
utilisant un argument de convexit que dans ces conditions loptimum est effectivement atteint).



FORMULES DE CHANGEMENT DE SOMMET (BASE) ET
CRITERES DE DANTZIG

Supposons que, dans la mthode algbrique du simplexe, lon dispose pour un sommet M donn de
lexpression des variables de base Z en fonction des variables hors base :

Sommet M

x
i
= |
i
a
ij
x
j

Z = Z
M
+ A
j
x
j

O i est lindice dune variable de base (i peut prendre m valeurs

i = i
1
, i
2
, ... , i
m
) et o le

est
tendu toutes les variables hors base ;

|
i
tant la valeur numrique de

x
i
au sommet M, est positif
(ou nul en cas de dgnrescence).
Soit e lindice de la variable hors base entrant dans la base. La dtermination de cette variable
entrante est fixe par le critre suivant (on suppose que Z, comme ci-dessus, est effectivement
exprim uniquement en fonction des variables hors base au sommet M).









1
er
CRITERE de DANTZIG

La variable

x
e
entrant en base est celle qui a le coefficient, not

A
e
, le plus grand positif
dans Z. Si tout les coefficients

A
j
sont ngatifs ou nuls, FIN: loptimum est atteint .


Soit s lindice de la variable de base, sortant de la base ; la dtermination de cette variable est fixe
par le second critre de DANTZIG, nonc plus bas. Le coefficient pivot :

o
se
est
ncessairement positif (strictement).
Lexpression des variables de base M en fonction des variables hors base peut scrire :

M

x
s
= |
s
o
se
x
e
o
sj
x
j
j=e

*
( )
quation de l' change
x
i
= |
i
o
ie
x
e
o
ij
x
j
j=e

(i = s)
Z = Z
m
+ A
e
x
e
+ A
j
x
j
j=e

On a figur en premier lquation de lchange ; pratiquons litration formellement, comme nous
lavons fait sur lexemple :


x
e
= |
s
o
se
1 o
se
| |
x
s
o
sj
/o
se
x
j
j=e

quation de l' change aprs

division par le pivot o
se
, puis change des positions
de x
e
( pass gauche) et de x
s
( pass droite).
x
i
= |
i
o
ie
|
s
/o
se
(1/o
se
)x
s
o
sj
/o
se
)x
j
j=e

(

(
(
o
ij
x
j
j=e

M' = |
i
o
ie
|
s
o
se
( )
+ (o
ie
/o
se
x
s
o
ij

o
ie
o
sj
o
se
|
\

|
.
|
j=e

x
j
Z = Z
M
+ A
e
|
(|
s
/o
se
) (1/o
se
)x
s
|
o
sj
/o
se
x
j
j=e

+ A
j
x
j
j=e

= Z
M
+
A
e
|
s
o
se
|
\

|
.
|

A
e
o
se
x
s
+ A
j
A
e
o
sj
o
se
|
\

|
.
|
j=e

x
j


La nouvelle valeur numrique de la fonction conomique (au nouveau sommet M) est donc :

Z
m'
= Z
m
+ A
e
. (|
s
o
se
).
Les nouvelles valeurs des variables de base sont donc :

|'
i
= |
i
|
s
.(o
ie
o
se
) pour i = e
|'
i
= |
s
o
se
pour i = e



rappelons que les coefficients

|'
i
, tout comme les

|
i
, sont les valeurs numriques de variables du
P.L ; ils sont donc positifs (ou exceptionnellement nuls, en cas de dgnrescence).

Supposons

|
s
>0 ; pour que

|'
e
soit positif (ou nul), il faut que le coefficient

o
se
, que lon nomme
le PIVOT de litration, soit positif.

Exprimons maintenant que les coefficients

|'
i
pour

i = e sont positifs ou nuls :

|'
i
= |
i
|
s
(o
ie
/o
se
) > 0 quivaut

|
i
>o
ie
/o
se
.

Puisque

|
s
/o
se
est positif ou nul et que le pivot

o
se
est positif :
- Si

o
ie
est ngatif ou nul, alors

|
i
qui, lui, est positif est srement suprieur

o
ie.
|
s
/o
se
,
qui est ngatif.
- Si

o
ie
est positif, on peut diviser les deux membres de lingalit par

o
ie
sans en changer
le sens et lon obtient

|
i
/o
ie
>|
s
/o
se
.

Les conditions

|'
i
>0 seront ralises si lon a soin de prendre parmi les rapports

|
i
/o
ie
obtenus
pour toutes les valeurs de i (telles que

x
i
soit une variable de base), le plus petit positif dentre eux.
Do :

SECOND CRITERE de DANTZIG

La variable

x
s
sortant de la base se dtermine en calculant tous les rapports

|
i
/a
ie
et en
retenant le plus petit positif (sils sont tous ngatifs ou nul, loptimum du PL est rejet
linfini).

On rappelle que la variable entrante

x
e
a pralablement t dtermine laide du premier critre
de Dantzig.

Remarque : au sommet M, dans lexpression de Z en fonction des variables hors base, la variable

x
s
(dsormais hors base) a pour coefficient :

A'
s
=
A
e
o
se
; or, daprs le 1
er
critre de Dantzig

A
e
est
positif, et le pivot

o
se
est lui aussi positif ; ainsi

A'
s
est ngatif :

x
s
, qui vient de sortir de la base, ne
peut pas y rentrer lors de litration suivante (cependant, il nest pas exclu que

x
A
puisse rentrer en
base aprs plusieurs itrations).
















METHODE PRATIQUE dite DES TABLEAUX

La mthode des tableaux vise allger la mthode algbrique (dont le but est surtout
didactique) et la systmatiser pour ainsi dboucher sur un algorithme et son implmentation sous
forme de logiciel.
La diffrence principale entre la mthode des tableaux et la mthode algbrique est la
suivante : dans lexpression des variables de base en fonction des variables hors base en tout
sommet, on va dsormais laisser toute les variables, quelles soient de base ou hors- base, dans le
membre de gauche de chaque quation. Ainsi pour le sommet 0, le systme (I) sera rcrit sous la
forme (II) :


x
4
= 1 000 x
1
(I) x
5
= 500 x
2
x
6
= 1500 x
3
x
7
= 6750 3x
1
6x
2
2x
3
Z = 0 + 4x
1
+ 12x
2
+ 3x
3

x
1
+ x
4
= 1000
(II) x
2
+ x
5
= 500
x
3
+ x
6
= 1500
3x
1
+ 6x
2
+ 2x
3
+ x
7
= 6750
4x
1
+ 12x
2
+ 3x
3
= Z 0


Dautre part, on conomisera des critures en reprsentant les coefficients de ces quations en
tableau comme ci-dessous ; le tableau associ, form de cinq sous- tableaux, est le suivant (il
revient noter le systme II en tableau) :

i j 1 2 3 4 5 6 7

|
i


BASE 4 1 0 0 1 0 0 0 1000
associe 5 0 1 0 0 1 0 0 500
au 6 0 0 1 0 0 1 0 1500
sommet O 7 3 6 2 0 0 0 1 6750



A
j
4 12 3 0 0 0 0 Z - 0

Le sous- tableau de gauche une seule colonne, liste les indices des variables de base pour le
sommet O :

x
4
, x
5
, x
6
et x
7
.

Le sous- tableau principal, de dimensions m x n, reproduit les coefficients des membres
gauche du systme dquation II, nots

o
ij
plus haut.

Le sous- tableau de droite, une seule colonne, indique les valeurs des variables de base
(second membres de II) au sommet courant (ici : O).

Le sous- tableau du bas, une seule ligne, donne le coefficient

A
j
de chaque variable

x
j
dans

la fonction conomique Z (exprime uniquement en fonction des variables hors- base).

Le carr en bas droite comporte Z moins sa valeur numrique au sommet associ ce
tableau (elle vaut 0 pour O, soit

Z
O
=0).


Pratique dune itration sur un tableau

. On dtermine la variable entrante par application du premier critre de DANTZIG : lire alors
dans le sous- tableau infrieur les valeurs des

A
j
et slectionner celle qui est la plus grande
positive ; ici, cest

A
2
=12 qui se trouve en colonne 2 : on a donc e = 2 ; autrement dit,

x
2
va entrer
en base.

. On calcule ensuite les quotients

|
i
/o
ie
, cest--dire ici

|
i
/o
i2
puisque e est dj dtermin (e=2).
Ceci revient faire, dans chaque ligne i, le quotient du second membre

|
i
( )
par le terme qui, dans
la ligne i, se trouve en colonne e (ici 2) ; il est pratique de disposer ces quotients immdiatement
droite des

|
i
(cf le tableau ci-dessous).

|
4
/o
42
= ; |
5
/o
52
= 500 /1 = 500 ; |
6
/o
62
= ; |
7
/o
72
= 6750 /6 = 1125

selon le critre de DANTZIG, cest

x
5
qui va sortir de la base, puisque le plus petit rapport positif
est obtenu pour

|
5
/o
52
; on a donc s = 5 :

i j 1 2 3 4 5 6 7

|
i


|
i
/o
ie


4 1 0 0 1 0 0 0 1000 _
pivot :
5 0 1

*
0 0 1 0 0 500 500 (*)
s 6 0 0 1 0 0 1 0 1500
7 3 6 2 0 0 0 1 6750 6750/6 = 1125



A
j
4 12 3 0 0 0 0 Z-0
e

. Lquation de lchange doit alors tre divise membre membre par le coefficient PIVOT (

o

se
),
ici gal 1 ; le pivot se trouve lintersection de la ligne de la variable sortante et de la colonne de
la variable entrante.

Ensuite, dans la mthode algbrique, dans toutes les autres quations on
substituerait la variable entrante son expression qui est issue de lquation de lchange. Dans la
mthode des tableaux on pratique diffremment, par combinaison linaire.
Ainsi la ligne i = 7 scrit :

3x
1
+ 6x
2
+ 2x
3
+ x
7
= 6 750

Il y figure la variable entrante

x
2
; pour liminer

x
2
(afin que la ligne 7 modifie exprime la valeur
de

x
7
uniquement en fonction des variables qui sont hors base au nouveau sommet atteint en fin
ditration), au lieu de substituer

x
2
la quantit : 500 -

x
5
, on va effectuer une combinaison
linaire. Celle-ci consiste multiplier lquation de lchange, soit

x
2
+ x
5
=500 par un coefficient
adquat k, de telle sorte que si lon ajoute la ligne 7 lquation de lchange multiplie par k, le
coefficient de la variable entrante

x
2
sannule :


3x
1
+ 6x
2
+ 2x
3
+ x
7
( )
+ k x
2
+ x
5
( )
= 6750 + k 500.




Manifestement on doit choisir k = - 6, ce qui peut dterminer visuellement sur le tableau. On
retranche donc la ligne 7, six fois la ligne du pivot ; ce calcul se fait mentalement directement sur
le tableau :

ancienne ligne 7 3 6 2 0 0 0 1 6750


- ligne de lchange mult. par 6 0 6 0 0 6 0 0 3000


nouvelle ligne 7 3 0 2 0 -6 0 1 3750

Dans notre exemple, il se trouve que la variable entrante

x
2
est absente des lignes 4 et 6 (son
coefficient est nul dans chacune de ces deux lignes). Il ny a aucune transformation apporter ces
lignes pour obtenir le nouveau tableau (celui associ C) : on peut les recopier lidentique
( copier/coller ).

Dans la fonction conomique(fn co.), par contre, figure la variable entrante

x
2
; en effet, la
dernire ligne du tableau se lit :

4x
1
+12x
2
+ 3x
3
= Z 0. On va procder de mme pour liminer

x
2
: il suffira de retrancher membre membre 12 fois lquation de lchange (dans sa forme
obtenue aprs division par le pivot) cette dernire ligne. Soit :


4x
1
+12x
2
+ 3x
3
( )
12 x
2
+ x
5
( )
= Z 0 12 x 500, do :

4x
1
+2x
3
12x
5
= Z 6 000.

Comme plus haut, on voit que ce calcul peut se pratiquer mentalement sur le tableau :


ancienne ligne de la fn co. 4 12 3 0 0 0 0 Z - 0

- ligne de lchange mult. par 12 0 12 0 0 12 0 0 6000

nouvelle ligne de la fn co. 4 0 3 0 -12 0 0 Z-6000



Ainsi le tableau obtenu aprs une itration, caractristique du sommet C, est le suivant :

i j 1 2 3 4 5 6 7

|
i


|
i
/o
ie


s 4 1

*
0 0 1 0 0 0 1000 1000, le petit
2 0 1 0 0 1 0 0 500 _
sommet C 6 0 0 1 0 0 1 0 1500 _
7 3 0 2 0 -6 0 1 3750 3750/3=1250




A
j
4 0 3 0 -12 0 0 Z-6000
e


Le lecteur pourra aisment vrifier que la traduction algbrique de ce tableau concide avec le
systme associ au sommet C, donn plus haut dans lexpos de la mthode algbrique.

Fin de lexemple
Ayant donn le dtail de la pratique de la premire itration, nous donnons pour les itrations
suivantes le rsultat du calcul : ( chaque itration le coefficient pivot est marqu par une
astrisque).

1 2 3 4 5 6 7

|
i


|
i
/o
ie


1 1 0 0 1 0 0 0 1000 _
2 0 1 0 0 1 0 0 500 _ sommet B
6 0 0 1 0 0 1 0 1500 1500/1
s 7 0 0 2

*
-3 -6 0 1 750 750/2=375




A
j
0 0 3 -4 -12 0 0 Z - 10 000

e

1 2 3 4 5 6 7

|
i


|
i
/o
ie


1 1 0 0 1 0 0 0 1000 1000/1
2 0 1 0 0 1 0 0 500 _ sommet R
s 6 0 0 0

3
*
2
3 1

1
2
1125 750

3 0 0 0

3
2
-3 0

1
2
375 ngatif



A
j
0 0 0

1
2
-3 0

3
2
Z - 11 125

e

1 2 3 4 5 6 7

1 1 0 0 0 -2

2
3


1
3
250
2 0 1 0 0 1 0 0 500 sommet Q

4 0 0 0 1 2

2
3

1
3
750
3 0 0 1 0 0 1 0 1500




A
j
0 0 0 0 -4

1
3

4
3
Z 11 500



Loptimum est atteint en 4 itrations (tous les

A
j
sont alors ngatifs ou nuls : cest le test de fin).
On reconnat le sommet Q avec

x
1
= 250 , x
2
= 500 , x
3
= 1500 .
Le bnfice maximal tant de Z

*
= 11 500 par semaine.



VERS LA METHODE REVISEE DU SIMPLEXE

Pour dterminer la variable entrante

x
e
, on a pralablement appliqu le premier critre
de Dantzig. Ceci suppose la connaissance des coefficient

A
j
. On va montrer quils peuvent tre
obtenus par rsolution dun troisime systme linaire dquations de matrice encor gale B.

Matriciellement Z peut scrire : Z = c.x o c est le vecteur 1 x n des coefficients de la
fonction conomique. On peut sparer dans c les coefficients associs des variables de base (qui
forment le sous-vecteur 1 x m), not

c
B
) des autres (qui forment le sous vecteur 1 x(n-m), not

c
N
).
Ainsi Z peut scrire :
Z = C

B
. (B

1
. b - B

1
. N . x

N
) + e

N
. x

N
= C

B
. B

1
. b + (C

N
- C

B
. B

1
. N) . x

N
.
Soit :
Z = Z

B
+ A
N
. x

N
o Z

B
= C

B
. B

1
. b est la valeur numrique de Z au sommet associ la base
B, et

A
N
= C

N
- C

B
. B

1
. N est le vecteur des

A
j
( pour

x
j
hors base). Le calcul de

A
N
peut tre
ralis si le vecteur

t = C

B
. B

1
est connu : il est obtenu dans la mthode rvise en rsolvant le
systme

t . B = C

B
.

Ainsi dans la mthode rvise, chaque itration se rsume rsoudre trois systmes de
mme matrice B ; les mthodes de rsolution de systmes tant nombreuses en analyse numrique,
il existe donc de multiples variantes de la mthode rvise.

Une voie possible est de calculer B

1
. Dans la variante EFI (forme explicite de
linverse), on calcule explicitement B

1
, partir de linverse de la matrice de base de litration
prcdente ; cette variante est adapte aux PL de petite taille on rencontre plutt la variante PFI
(forme produit de linverse) o B

1
est utilise de manire implicite.

Des gains de prcision peuvent en outre tre obtenus : lorsquon connat lensemble des
variables de base, on peut dans ces mthodes recalculer B

1
directement partir de donnes initiales
et donc non entaches derreurs ( rinversion ), ceci par des mthodes danalyse numrique
efficaces. De telles rinversions en pratique sont opres toutes les 10 20 itrations.

La mthode rvise du simplexe est, rappelons-le, celle qui est le plus frquemment
implmente dans les logiciels de programmation linaire.

Le systme des contraintes dun PL peut scrire matriciellement A.x = b, o A est la
matrice

aij
| | de dimension m x n, et x est le vecteur-colonne des variables, de dimension n x 1.

Soit, en un sommet M, lensemble des m variables de base (autant que de contraintes).
On distingue les m colonnes de A dont les indices sont ceux des variables de base ; le regroupement
de ces m colonnes fournit une matrice carre rgulire (de dterminant non nul) m x m, note B,
dite de base .



Les n m autres colonnes de A sont associes aux variables hors-base ; le regroupement
de ces colonnes fournit une matrice rectangulaire m x(n - m), note N, dite hors-base . On a donc
aprs reclassement des variables : A = (B, N). On a attribu de nouveaux indices aux variables de
base de (1 m) et aux variables hors-base de (m + 1 n) dans ce reclassement.

On peut de mme sparer, dans le vecteur des variables x, les variables de base qui
donnent le sous-vecteur

x
B
et les variables hors base qui donnent le sous-vecteur

x
N
. On a donc
aprs reclassement des indices : x =

x
b
x
n
.
Le systme des contraintes A.x = b scrit alors : (B , N).

x
b
x
n
= b,
soit B. x

B
+ N. x

N
= b.
Pour obtenir la valeur numrique de la solution au sommet associ la base, on annule
les variables hors-base : x

N
=0 ; il reste donc rsoudre B . x

B
= b (ce qui est ais si lon connat
linverse de B, B

1
; alors x

B
= B

1
. b).

Dans la mthode des tableaux, on reprsente en fait le systme B . x

B
+ N . x

N
= b sous
la forme : I . x

B
+ B

1
. N . x

N
= B

1
. b (ce qui revient multiplier ce systme des contraintes par

B
1
) ; mais en faut seule une colonne hors base (cest--dire de B

1
. N) est utile hors itration :
cest la colonne entrante, note

y
e
, qui est gale B

1
. N

e
, o N

e
est la colonne e de la matrice N ;
ceci revient rsoudre le systme linaire : B . y

e
= N

e
.

Posons y

e
= a
ie
( ), o i dcrit lensemble des variables de base ; il est alors ais,
connaissant y

e
, de dterminer laide du second critre de Dantzig, la variable sortante

x
s
.



CONCLUSION

La programmation linaire a un champ dapplication trs vaste : de lindustrie du
ptrole aux compagnies de transport, la productique, etc. Ce champ stend encore actuellement,
notamment vers les PME, grce la baisse des cots des matriels informatiques, aux performances
des logiciels disponibles ainsi quaux services fournis aux entreprises par les spcialistes de
Recherche Oprationnelle.

Lalgorithme du simplexe permet de rsoudre efficacement les PL issus du monde
conomique (mme sil nest pas polynomial : on peut construire des instances artificielles sur
lesquels cet algorithme passe par tous les sommets admissibles du polydre associ).

Une approche diffrente connat elle aussi le succs : il sagit des mthodes
intrieures (qui se proposent, non plus de cheminer le long des artes dun polydre, mais au
contraire travers celui-ci). Ds lors que des problmes dpassant le million de variables peuvent
tre rsolus oprationnellement la programmation linaire sest ouverte des domaines o la taille
des problmes rsoudre lavait jusqu prsent fait achopper ; telle la conception de rseaux de
tlcommunication. Ces mthodes intrieures sont polynomiales.






Exercice de Rflexion/Comprhension sur la programmation linaire

1. Une variable dcart mesure une distance entre la solution courante et
la contrainte associe ........................................................................... .........Vrai ou Faux ?

2. Une variable artificielle mesure une distance entre le point courant et
la contrainte associe ...................................................................................Vrai ou Faux ?

3. Une variable duale, associe une contrainte dans le primal, est nulle lorsque
cette contrainte est sature ..Vrai ou Faux ?

4. Une variable duale associe une contrainte dans le primal, est nulle lorsque cette contrainte
est non sature .Vrai ou Faux ?

5. Le nombre de variables formant une Base dun programme linaire est gale :
a. au nombre de variables dans le problme sous forme canonique.
Vrai ou Faux ?

b. au nombre de contraintes dans le problme sous forme canonique..
Vrai ou Faux ?

c. la diffrence entre le nombre de contraintes et le nombre de variables
dans le problme sous forme standard F.S. (ou canonique )..Vrai ou Faux ?

6. toutes les variables dune base sont toujours non nulles ?........................Vrai ou Faux ?

7. En un sommet, toutes les variables hors base sont toujours nulles ?..Vrai ou Faux ?

8. Une variable hors base ne peut jamais rentrer dans la base ?.............Vrai ou Faux ?

9. Lorsque lon cherche faire entrer une variable dans une base, cela revient :
a. calculer un pas de dplacement.................................................Vrai ou Faux ?

b. dterminer une direction de dplacement......................................Vrai ou Faux ?

c. calculer un pas et dterminer une direction de dplacement.........Vrai ou Faux ?

d. calculer un nouveau sommet.....................................................Vrai ou Faux ?

10. Lorsque lon cherche faire sortir une variable dans la base, cela revient :
a. calculer un pas de dplacement.................................................Vrai ou Faux ?

b. dterminer une direction de dplacement......................................Vrai ou Faux ?

c. calculer un pas et dterminer une direction de dplacement.........Vrai ou Faux ?

d. calculez un nouveau sommet ........................................................Vrai ou Faux ?

11. Lorsque la fonction conomique dun PL est minimiser (au lieu de maximiser) le 1
er
critre
de Dantzig est modifi ?.....Vrai ou Faux ?
12. Lorsque la fonction conomique dun PL est minimiser (au lieu de maximiser) le 2
me

critre de Dantzig est-il modifi ?......................................................Vrai ou Faux ?





BIBLIOGRAPHIE

PRECIS DE RECHERCHE OPERATIONNELLE : 6
me
dition, R.FAURE, B. LEMAIRE, C.
PICOULEAU diteur DUNOD, 2009.
Ouvrage trs pdagogique de RO, contenant une solide introduction la P.L, dont la mthode a t
reprise ici.

EXERCICES ET PROBLEMES RESOLUS DE RECHERCHE OPERATIONNELLE
Tome III : Programmation linaire et extensions.
ROSEAUX (Groupe pilot par B.LEMAIRE), Masson, Paris, 376 p.