Vous êtes sur la page 1sur 85

Programmation linaire

2e Option spcifique

Jean-Philippe Javet

x3
x4
x5

x1
3
1

2
100

x2
4
3
2
120

x3
1
0
0
0

x4
0
1
0
0

x5
0
0
1
0

4200
2400

2600
0

Table des matires

1 Introduction
1.1 Prambule . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
1.2 Un exemple rsolu par voie graphique . . . . . . . . . . . . . . . . . . . . . . . . . .
2 Rsolution de systmes dinquations 2 ou 3 variables
2.1 Inquations linaires . . . . . . . . . . . . . . . . . . . . .
2.2 Systme dinquations linaires . . . . . . . . . . . . . . .
2.3 Ensembles convexes . . . . . . . . . . . . . . . . . . . . . .
2.3.1 Quelques proprits sur les ensembles convexes . . .

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

.
.
.
.

1
1
2
5
5
8
12
12

3 Traduction des problmes en langage mathmatique


15
3.1 Un exemple . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
4 Rsolution graphique dun problme 2 variables
21
4.1 Reprenons lexemple rsolu au premier chapitre . . . . . . . . . . . . . . . . . . . . 21
4.2 Rsolution graphique dun problme de minimisation . . . . . . . . . . . . . . . . . 22
5 Rsolution graphique dun
5.1 Un exemple 3 variables
5.2 Un thorme important .
5.3 Exemple FIL ROUGE (

problme 3
. . . . . . . . .
. . . . . . . . .
complter) . .

variables
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .
. . . . . . . . . . . . . . . . . . . . . . . .

6 Rsolution par mthode algbrique


6.1 Variables dcart . . . . . . . . . . . . . . . . . . . . . . . . . . . .
6.2 Coefficients des variables dcart dans la fonction conomique . . . .
6.3 Rsolution complte de lexemple FIL ROUGE . . . . . . . . . . . .
6.4 Marche suivre de la mthode algbrique . . . . . . . . . . . . . .
6.5 Exemple accompagn (reprise de lexercice 3.1 dj tudi en page 17) :

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

25
25
29
29
33
33
34
36
46
47

7 Rsolution par la mthode du simplexe


55
7.1 Rsolution du problme FIL ROUGE par la mthode du simplexe . . . . . . . . . . 55
7.2 Marche suivre de la rsolution matricielle . . . . . . . . . . . . . . . . . . . . . . . 60
I

II
7.3 Les variables dans et hors programme dans la rsolution matricielle . . . . . . . . . 61
7.4 Exemple accompagn . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 62
7.5 Quelques remarques pour terminer . . . . . . . . . . . . . . . . . . . . . . . . . . . 66
8 OpenOffice pour rsoudre des problmes de P.L.
67
8.1 Rsolution de lexemple accompagn (cf. pages 47 et 62) . . . . . . . . . . . . . . . . 67
8.2 Quelques exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 70
A Quelques lments de solutions
A.2 Rsolution de systmes dinquations . . . . . .
A.3 Traduction des prob. en langage mathmatique
A.4 Rsolution graphique dun prob. 2 variables .
A.5 Rsolution graphique dun prob. 3 variables .
A.6 Rsolution par mthode algbrique . . . . . . .
A.7 Rsolution par mthode du simplexe . . . . . .
A.8 OpenOffice pour rsoudre des problmes de P.L.
Index

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

I
I
II
IV
IV
V
VI
VII

VIII

1
Introduction

1.1

Prambule

La programmation linaire peut se dfinir comme une technique mathmatique permettant


de rsoudre des problmes de gestion et particulirement ceux o le gestionnaire doit dterminer,
face diffrentes possibilits, lutilisation optimale des ressources de lentreprise pour atteindre
un objectif spcifique comme la maximisation des bnfices ou la minimisation des cots. Dans la
plupart des cas, les problmes de lentreprise pouvant tre traits par la programmation linaire
comportent un certain nombre de ressources. On peut mentionner, par exemple,la main-duvre,
les matires premires, les capitaux, ... qui sont disponibles en quantit limite et quon veut
rpartir dune faon optimale entre un certain nombre de processus de fabrication. Notre approche
pour rsoudre ce type de problmes sera divise en deux tapes principales :
a) La modlisation du problme sous forme dquations ou dinquations linaires qui permettra ainsi de bien identifier et structurer les contraintes que doivent respecter les variables du
modle ; de plus, on doit dfinir lapport de chaque variable latteinte de lobjectif poursuivi
par lentreprise, ce qui se traduira par une fonction optimiser.
b) La dtermination de loptimum mathmatique laide de certaines techniques propres
la programmation linaire.
Nous tudierons 3 mthodes pour rsoudre les diffrents types de problmes de programmation
linaire ; la premire est base sur une rsolution graphique, elle est donc limite 2 ou 3 variables.
La deuxime mthode est plus algbrique et elle justifiera la troisime qui porte le nom de
mthode (ou algorithme) du simplexe.
Plan gnral du polycopi :
(I) Un exemple rsolu par voie graphique
(II) Rsolution de systmes dinquations 2 ou 3 variables
(III) Traduction des problmes en langage mathmatique
(IV) Rsolution de problmes de programmation linaire 2 variables par voie graphique
(V) Rsolution de problmes de programmation linaire 3 variables par voie graphique
(VI) Rsolution de problmes de programmation linaire par mthode algbrique
(VII) Rsolution de problmes de programmation linaire par mthode du simplexe

1.2

CHAPITRE 1. INTRODUCTION

Un exemple rsolu par voie graphique


Problme: La direction dune usine de meubles a constat quil y a des temps
morts dans chacun des dpartements de lusine. Pour remdier
cette situation, elle dcide dutiliser ces temps morts pour fabriquer deux nouveaux modles de bureaux, M1 et M2 . Les temps de
ralisation pour chacun de ces modles dans les ateliers de sciage,
dassemblage et de sablage ainsi que les temps libres dans chacun
de ces ateliers sont donns dans le tableau ci-dessous. Ces temps
reprsentent le nombre dheures ncessaires un homme pour effectuer le travail. Les profits que la compagnie peut raliser pour
chacun de ces modles sont de Fr. 300.- pour M1 et de Fr. 200.pour M2 .
Sciage
Assemblage
Sablage

M1
1
2
1

M2
2
1
1

Temps libres
20
22
12

La direction dsire dterminer combien de bureaux de chaque modle elle doit fabriquer pour maximiser son profit.
Solution: Posons x1 le nombre de bureaux du modle M1 et x2 le nombre
de bureaux du modle M2 . Les temps libres de chaque dpartement
imposent des contraintes quil faut respecter. La contrainte impose
par les temps libres latelier de sciage :
x1 ` 2x2 20
les autres contraintes sont :
2x1 ` x2 22
x1 ` x2 12
Il sajoute ces contraintes des contraintes de non-ngativit
puisque le nombre de bureaux ne peut tre ngatif, on a donc :
x1 0 et x2 0

CHAPITRE 1. INTRODUCTION

Graphiquement les solutions ralisables sont les points du polygone


convexe de la figure suivante :
x2
2x 1

x1

12

x2

`x

10

12

8
6
4

x1

`2

2
2

10

12

14

16

x2

18

x1
20

22

La direction veut maximiser son profit, cest--dire maximiser la


fonction :
f px1 ; x2 q 300x1 ` 200x2
Pour chacune de ces solutions, cest--dire pour chacun des points
du polygone convexe, la compagnie fera un profit positif. Si la compagnie fabrique trois exemplaires du modle M1 et deux exemplaires
du modle M2 , le profit sera :
f p3 ; 2q 300 3 ` 200 2 1300 (Fr.)
Il ne saurait tre question de calculer le profit ralisable pour chacun
des points du polygone convexe. Pour avoir une vision globale du
problme, reprsentons le profit ralis par le paramtre p. On a :
300x1 ` 200x2 p
qui reprsente une famille de droites parallles. En isolant x2 , on
obtient :
p
300x1
`
200
200
3
p
x2 x1 `
2
200
x2

Il sagit donc dune famille de droites de pente 3{2 et dont lordonne lorigine est p{200. Parmi les droites de cette famille, seules
celles ayant des points communs avec le polygone convexe nous intressent. La fonction f px1 ; x2 q atteindra sa valeur maximale lorsque
lordonne lorigine p{200 de la droite :
p
3
x2 x1 `
2
200
atteindra sa valeur maximum tout en passant par au moins un des
points du polygone convexe.

CHAPITRE 1. INTRODUCTION
x2
2x 1

x1

12

x2

`x

10

12

8
6
4

x1

`2

2
2

10

12

14

16

x2

18

x1
20

22

Graphiquement on constate que la droite respectant ces conditions


semble tre la droite de la famille passant par le point-sommet
p10 ; 2q. Le profit est alors :
f p10 ; 2q 300 10 ` 200 2 3400 (Fr.)
Il reste sassurer algbriquement des coordonnes du pointsommet en rsolvant le systme :
#
"
2x1 ` x2 22
x1 10

x2 2
x1 ` x2 12

2
Rsolution de systmes dinquations 2 ou 3 variables

2.1

Inquations linaires
Cette partie est consacre la prsentation des dfinitions et des
proprits des inquations, de systmes dinquations linaires et
densemble-solution des systmes dinquations linaires. Nous accorderons de limportance ces dfinitions parce quelles sont indispensables pour la comprhension des dmarches de rsolution de
problmes de programmation linaire.
Dfinition: Une inquation linaire est une expression de la forme :
a1 x1 ` a2 x2 ` a3 x3 ` ` an xn b
o xi sont les variables (ou inconnues), les ai sont les coefficients
des variables, b est une constante et n est le nombre dinconnues.
Remarque: Une expression de la forme :
a1 x1 ` a2 x2 ` a3 x3 ` ` an xn b
est galement une inquation linaire n inconnues. Cependant, en
multipliant les deux termes de linquation par un nombre ngatif,
on change galement le sens de lingalit. On peut donc toujours
exprimer une inquation linaire sous la forme :
a1 x1 ` a2 x2 ` a3 x3 ` ` an xn b
et nous utiliserons cette forme dans toutes les dfinitions.
Dfinition: On appellera solution dune inquation linaire n inconnues
de la forme :
a1 x1 ` a2 x2 ` a3 x3 ` ` an xn b
tout n-tuplet : pk1 ; k2 ; k3 ; . . . ; kn q pour lequel :
a1 k1 ` a2 k2 ` a3 k3 ` ` an kn b est une ingalit vraie.
Exemple 1: Ainsi le couple p2 ; 3q est une solution de linquation 2x1 `3x2 9
puisque : 2 p2q ` 3 3 9 est une ingalit vraie.
5

CHAPITRE 2. RSOLUTION DE SYSTMES DINQUATIONS 2 OU 3 VARIABLES


Ce nest pas la seule solution de cette inquation ; les couples p0 ; 0q,
p1 ; 2q, p3 ; 1q sont galement des solutions.
Lensemble des solutions de cette inquation est un demi-plan dans
le systme daxes Ox1 x2 . La frontire de ce demi-plan est la droite
2x1 ` 3x2 9
x2
3
2x

2x1 ` 3x2 9
3x

1
2x1 ` 3x2 9
1

5 x1

Constatations: Pour dterminer lensemble-solution dune inquation linaire


deux inconnues, on commence par tracer la droite-frontire, puis
laide dun couple, on dtermine par substitution de quel ct de
la frontire sont les couples qui satisfont linquation. Lorsque linquation ne comporte quune ingalit stricte < ou > la frontire
ne fait pas partie de lensemble-solution de linquation.
Exemple 2: Reprsenter lensemble-solution de linquation x1 ` 2x2 5 :
x2
3
2
1
1
1

5 x1

x1 ` 2x2 5

Exercice 2.1:

Reprsenter lensemble-solution des inquations proposes :


x2

x2

1
1

x1 ` 3x2 9

5 x1

1
1

4x1 ` 6x2 12

5 x1

CHAPITRE 2. RSOLUTION DE SYSTMES DINQUATIONS 2 OU 3 VARIABLES


x3
p0 ; 0 ; b{a3 q

Lorsque linquation comporte trois inconnues, la frontire est un


plan. Ainsi la frontire de linquation :
a1 x1 ` a2 x2 ` a3 x3 b

p0 ; b{a2 ; 0q
x2

est un plan coupant les axes aux points reprsentant le triplet :


pb{a1 ; 0 ; 0q; p0 ; b{a2 ; 0q; p0 ; 0 ; b{a3q

pb{a1 ; 0 ; 0q

En effet :

x1

Lorsquon reprsente un tel plan, il est dusage de reprsenter les


traces du plan sur les plans du systme daxes. On ne donne en
fait quune partie du plan puisque celui-ci stend linfini.
Exemple 3: Reprsenter lensemble-solution de lquation 4x1 `6x2 `3x3 12 :
4

x3

3
2
1
1

4 x2

3
4

x1
Exercice 2.2:

Reprsenter lensemble-solution des quations proposes :


4

1
2

x3

4 x2

x3

x1

x1
6x1 ` 8x2 ` 12x3 24

2x1 ` 3x2 6

4 x2

CHAPITRE 2. RSOLUTION DE SYSTMES DINQUATIONS 2 OU 3 VARIABLES


Le plan, ensemble solution dune quation 3 inconnues, divise
lespace en deux demi-espaces. Lun de ces demi-espaces en union
avec la frontire forme lensemble-solution dune inquation linaire
trois inconnues.
Lorsque linquation comporte plus de trois inconnues, on ne peut
plus reprsenter lensemble-solution graphiquement ; cependant, les
dfinitions seront toujours poses partir des systmes dinquations n inconnues.
Dfinition: Lensemble-solution dune inquation de la forme :
a1 x1 ` a2 x2 ` a3 x3 ` ` an xn b
est appel demi-espace ferm.
Si linquation est dfinie par une ingalit stricte (<), le demiespace est dit ouvert. La frontire de ce demi-espace est lensemblesolution de lquation linaire :
a1 x1 ` a2 x2 ` a3 x3 ` ` an xn b
Cet ensemble-solution est appel un hyperplan de

2.2

Rn.

Systme dinquations linaires


Dfinition: On appelle systme de m inquations linaires n inconnues
un systme de la forme :
$

a11 x1 ` a12 x2 ` a13 x3 ` ` a1n xn b1

& a21 x1 ` a22 x2 ` a23 x3 ` ` a2n xn b2


a31 x1 ` a32 x2 ` a33 x3 ` ` a3n xn b3

..

% a x ` a x ` a x ` ` a x b
m1 1

m2 2

m3 3

mn n

o xj est une variable dans la colonne j, aij est le coefficient de la


variable xj sur la ligne i, bi est la constante de la ligne i, n est le
nombre dinconnues et m est le nombre dinquations.

Exemple 4: Dans le systme suivant :


$

&3x1 ` 5x2 2x3 17


6x1 7x2 ` x3 22

%
9x1 3x2 ` 2x3 11
a23 . . .

a31 . . .

a...... 2

CHAPITRE 2. RSOLUTION DE SYSTMES DINQUATIONS 2 OU 3 VARIABLES


Dfinition: Un n-tuplet pk1 ; k2 ; k3 ; . . . ; kn q est une solution dun systme
de m inquations n inconnues sil est solution de chacune
des inquations du systme, cest--dire si chacune des ingalits
suivantes est vrifie :
$

a11 k1 ` a12 k2 ` a13 k3 ` ` a1n kn b1

& a21 k1 ` a22 k2 ` a23 k3 ` ` a2n kn b2


a31 k1 ` a32 k2 ` a33 k3 ` ` a3n kn b3

..

% a k ` a k ` a k ` ` a k b
m1 1
m2 2
m3 3
mn n
m

Lensemble-solution dun systme dinquations linaires est lintersection des ensembles-solutions de chacune des inquations du
systme.

Exemple 5: Reprsenter graphiquement lensemble-solution du systme dinquations linaires suivant :


$
x1 ` x2 9

&2x1 ` 3x2 24
3x1 ` 2x2 24

x1
0

%
x2 1
Puis dterminer les coordonnes des points-sommets de lensemblesolution
x2
12
10
8
6
4
2

10

12

14

16

x1

10 CHAPITRE 2. RSOLUTION DE SYSTMES DINQUATIONS 2 OU 3 VARIABLES

Exercice 2.3:

Reprsenter graphiquement lensemble-solution des systmes


dinquations linaires suivants puis dterminer les coordonnes
des points-sommets.
$
$
x1 ` 4x2 24
x
`
2x

20

1
2

&3x1 ` x2 21
&2x1 ` x2 22
x1 ` x2 12
b) x1 ` x2 9
a)

x1
0
x

%
%
x2 0
x2 0
$
2x1 ` x2

& x `x
1
2
c)

x1

%
x2

0
1
2

$
x1 ` 2x2

&x ` x
1
2
d)

x1

%
x2

8
6

0
0

CHAPITRE 2. RSOLUTION DE SYSTMES DINQUATIONS 2 OU 3 VARIABLES 11


Exemple 6: Reprsenter graphiquement lensemble-solution du systme dinquations linaires suivant :
$
x1 ` x2 ` 2x3 8

&x1 ` x2
x1
0

x2
0

%
x3 0
Puis dterminer les coordonnes des points-sommets de lensemblesolution.
8

x3

7
6
5
4
3
2
1
2
4
6
8
10

x1

x2

12 CHAPITRE 2. RSOLUTION DE SYSTMES DINQUATIONS 2 OU 3 VARIABLES


Exercice 2.4:

Reprsenter graphiquement lensemble-solution des systmes


dinquations linaires suivants puis dterminer les coordonnes
des points-sommets.
$
$
2x
`
x
`
x

4
2

1
2
3
&
& x1 ` x2
x1 ` 2x2 ` x3 4
x2 ` x3 2
a)
b)

%
%
o
pour
i 2 1; 2; 3
o1 `
xix
0x
pour
i 1; 2; 3
x1x`i x02 `
x3
x
2 `
3 2
$

4x1 ` 6x2 ` 3x3 24

& 2x1 ` 3x2 ` 6x3 24


c)

3x1 ` x2
12

% ox x` x0 pour
` x i 21; 2; 3
1 i

$
x1 ` x2 ` 2x3 8

&
x1 ` 2x2 ` x3 8
e)
2x

1 ` x2 ` x3 8

%
o xi 0 pour i 1; 2; 3

2.3

4x1 ` 4x2 ` x3 24

& 4x1 ` 12x2 ` 9x3 72


d)

4x1
` 3x3 24

% o
x x` 0x pour
` xi
1;
2 2; 3
1 i

Ensembles convexes
Dfinition: On dit quun ensemble de points est convexe si pour toute paire
de points P et Q de lensemble, le segment de droite joignant P et
Q est entirement contenu dans lensemble.

Le troisime ensemble nest pas convexe, car on peut trouver deux


points P et Q dans lensemble, tel que le segment joignant ces deux
points nest pas entirement contenu dans lensemble.

2.3.1

Quelques proprits sur les ensembles convexes


Thorme: Lensemble-solution dune inquation linaire est un ensemble
convexe.
Lintersection de deux ou de plusieurs ensembles convexes est un
ensemble convexe.
Lensemble-solution dun systme dinquations linaires est un
ensemble convexe.

CHAPITRE 2. RSOLUTION DE SYSTMES DINQUATIONS 2 OU 3 VARIABLES 13


Preuve: Certains lments seront justifis en exercices ci-dessous.
Exercice 2.5:

Soit ApxA ; yA q et BpxB ; yB q deux points du plan.


On considre lensemble des points MpxM ; yM q vrifiant les relations suivantes :
"
xM p1 qxA ` xB
P r0 ; 1s
yM p1 qyA ` yB
Dterminer le lieu gomtrique des points M.

Exercice 2.6:

Soit ApxA ; yA q et BpxB ; yB q deux points du plan.


Soit M un point du segment AB.
Retrouver, en justifiant par des calculs, les formules caractrisant
ses coordonnes en fonction de celles de A et celles de B.
# 
# 
# 
Ide : Exprimer les composantes de OM en fonction de OA et OB

Exercice 2.7:

Justifier par des raisonnements les affirmations suivantes :


a) Lensemble solution dune inquation linaire est un ensemble
convexe.
b) Lintersection de deux ou de plusieurs ensembles convexes est
un ensemble convexe.

Constatations: Lensemble-solution dun systme dinquations linaires 2 (ou 3)


inconnues forme un polygone (ou un polydre) convexe.

3
Traduction des problmes en langage mathmatique

3.1

Un exemple
Dans ce chapitre, nous nous attarderons uniquement la transcription dun problme en un systme dinquations ainsi que reprer la
fonction optimiser.
Problme: Ladministrateur dune firme de comptables doit dterminer,
chaque semaine, le temps quil doit allouer chacune des trois activits suivantes : la vrification, la comptabilit de gestion et la
planification fiscale.
Le but est de grer, le mieux possible, les ressources humaines de la
firme. Pour chaque heure de vrification facture, la firme doit faire
15 minutes de travail de comptabilit et 30 minutes de travail de
bureau. Pour chaque heure de comptabilit de gestion facture, la
firme doit fournir 20 minutes de travail de comptabilit, 60 minutes
de travail de bureau et elle doit, de plus, utiliser 6 minutes de
temps dordinateur. Pour chaque heure de planification fiscale
facture, la firme doit prvoir 30 minutes de travail de comptabilit,
45 minutes de travail de bureau et 3 minutes de temps dordinateur.
Le profit net pour une heure de vrification est de Fr. 4.-, tandis
que les profits nets pour une heure de comptabilit de gestion et
de planification fiscale sont respectivement de Fr. 10.- et de Fr. 6.-.
Le personnel de la firme peut fournir cette semaine, 80 heures
de comptabilit, 180 heures de travail de bureau et 30 heures de
traitement par ordinateur.
Formuler le programme de base de programmation linaire dont
la solution donnera la rpartition des heures de travail disponibles
qui maximise le profit net de la firme.
Solution:

a) Identifier les inconnues qui sont dterminer dans le problme. Dnotons ces inconnues par les variables x1 , x2 , . . . , xn .
Ce sont les variables principales :
x1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
x2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
x3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
15

16

CHAPITRE 3. TRADUCTION DES PROBLMES EN LANGAGE MATHMATIQUE


b) Identifier toutes les restrictions possibles. chaque ressource
disponible ou chaque limitation correspondra une inquation et celles-ci constitueront lensemble des contraintes. Il
est important de fixer lunit (temps, montaire, . . . ) et de
la respecter lintrieur dune mme contrainte.
Utilisons les minutes pour unit de temps. Ainsi, pour chaque
heure facture :
1re contrainte : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2e contrainte : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
3e contrainte : . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Les contraintes de non-ngativit :

c) La fonction optimiser :

Le programme de base du problme est donc le suivant :


Soit x1 = temps allou la vrification en minutes.
Soit x2 = temps allou la comptabilit en minutes.
Soit x3 = temps allou la planification en minutes.
Trouver les nombres x1 , x2 et x3 qui maximisent le profit (par minute) :
1
1
1
f px1 ; x2 ; x3 q x1 ` x2 ` x3
15
6
10
Et qui satisfont le systme dinquations :
$
15x1 ` 20x2 ` 30x3 4800

&
30x1 ` 60x2 ` 45x3 10800
6x2 ` 3x3 1800

%
o xi 0 pour i 1; 2; 3
Dfinition: On appelle fonction conomique la fonction qui doit tre maximise ou minimise.
On appelle programme de base lidentification des variables, la
donne de la fonction conomique ainsi que du systme dinquations correspondant aux contraintes.

CHAPITRE 3. TRADUCTION DES PROBLMES EN LANGAGE MATHMATIQUE


Exercice 3.1:

17

Lentreprise Simtech doit, dans son processus de fabrication de ses


produits, utiliser trois phases successives dopration : lusinage des
pices, lassemblage et la finition. Pour simplifier le problme, supposons que lentreprise fabrique trois produits que nous noterons
P1 , P2 et P3 . Les diffrentes phases dopration ne peuvent toutefois fonctionner que pendant un certain nombre dheures. La mainduvre actuelle limite le nombre dheures disponibles aux valeurs
suivantes :
Usinage :
Assemblage :
Finition :

100 heures
120 heures
200 heures

Le tableau suivant nous indique les temps de fabrication requis, en


heures/unit, aux diffrentes phases dopration pour fabriquer les
produits P1 , P2 et P3 .

Phases
dopration

Produits
P1

P2

P3

Usinage

Assemblage

Finition

Le dpartement de compatibilit de lentreprise a estim aux valeurs


suivantes la contribution au bnfice de chaque produit :
Produits
P1
P2
P3

Fr./unit
6.7.8.-

De plus, on suppose quil nexiste aucune restriction de march ; il


peut absorber toute la production.
Dterminer le programme de base du problme.
Exercice 3.2:

La compagnie Plants gants inc. produit trois types de fertilisants : du 20-8-8 pour les pelouses, du 4-8-4 pour les jardins et du
4-4-2 pour usages multiples. Les nombres reprsentent les pourcentages respectifs de nitrate, de phosphate et de potasse dans chaque
sac de fertilisant. La compagnie dispose de 6000 kg de nitrate, de
10000 kg de phosphate et de 4000 kg de potasse. Les profits, sur
chaque sac de 100 kg, sont respectivement de Fr. 3.- pour le fertilisant de pelouse, de Fr. 8.- pour le fertilisant de jardin et de Fr. 6.pour le fertilisant usages multiples. Construire le programme de
base permettant de maximiser le profit.

18

CHAPITRE 3. TRADUCTION DES PROBLMES EN LANGAGE MATHMATIQUE


Exercice 3.3:

La compagnie Les jouets Lajoie fabrique trois modles de poupes : Am, Stram et Gram. La fabrication se droule en trois tapes :
(1) construction du corps en matire plastique,
(2) habillement de la poupe,
(3) addition de certains articles spciaux.
Le temps de fabrication et le matriel requis varient dun modle
de poupe lautre. Chaque modle a donc son cot de production
propre et gnre un profit particulier. Les donnes concernant le
procd de fabrication de chaque modle apparaissent sur le tableau
suivant :
Quantit requise de

Temps pour

Temps pour

Profit par

matire plastique

habillement

articles spciaux

poupe

(en unit de 50g)

(en minutes)

(en minutes)

(en Fr.)

Am
Stram
Gram

4
3
9

3
4
1

2
4
3

1.1.25
1.50

Temps ou matire

160

50

50

plastique

Construire le programme de base dont la solution sera le nombre de


poupes, de chaque modle, fabriquer permettant de maximiser le
profit total de la compagnie.
Exercice 3.4:

noncer le programme de base dcrivant la situation suivante.


Ladministrateur dune caftria dsire diminuer les cots des repas sans diminuer cependant la valeur nutritive. Chaque unit du
produit A contient 15 g de protines, 20 g dhydrates de carbone et
500 calories. Cette unit cote Fr. 1.25. Chaque unit du produit B
contient 10 g de protines, 30 g dhydrates de carbone et 400 calories. Cette unit cote Fr. 1.50. Chaque unit du produit C contient
22 g de protines, 12 g dhydrates de carbone et 200 calories. Cette
unit cote Fr. 1.75. Il faut prparer un mlange de ces produits
qui doit au moins contenir 75 g de protines, 100 g dhydrates de
carbone et 4000 calories.
Quel est le mlange le moins coteux respectant ces exigences ?

CHAPITRE 3. TRADUCTION DES PROBLMES EN LANGAGE MATHMATIQUE


Exercice 3.5:

19

noncer le programme de base dcrivant la situation suivante.


La compagnie Les Lebrun et Lebrun inc. vient de perdre un
contrat de production daffiches de prix pour des stations-service.
Elle se retrouve avec des ressources excdentaires quelle doit absolument utiliser dautres fins. Ces ressources sont 300 kg de revtement intrieur pour botes fortes et 120 kg de carton fin. De plus,
elle dispose de 10 heures de travail par jour. Elle peut utiliser ces
ressources pour fabriquer des emballages de carton, des tubes et des
botes. La fabrication de 100 emballages de carton requiert 150 kg
de revtement intrieur, 30 kg de carton fin et 2 heures de travail.
La fabrication de 600 tubes requiert 50 kg de revtement intrieur,
30 kg de carton fin et 2 heures de travail. Enfin, la fabrication de
100 botes requiert 60 kg de revtement intrieur, 40 kg de carton
fin et 5 heures de travail. Le profit est de Fr. 0.10 par bote, de
Fr. 0.01 par tube et de Fr. 0.04 par emballage.
Comment la compagnie doit-elle utiliser ses ressources pour maximiser son profit ?

Exercice 3.6:

noncer le programme de base dcrivant la situation suivante.


Une compagnie prpare trois assortiments de fruits frais : une bote
de luxe, une bote spciale et une bote ordinaire. La bote de luxe
contient 0,45 kg de dattes, 0,67 kg dabricots et 0,34 kg de pches.
La bote spciale contient 0,56 kg de dattes, 0,34 kg dabricots et
0,084 kg de pches. La bote ordinaire contient 0,45 kg de dattes,
0,22 kg dabricots. La compagnie dispose de 33,6 kg de dattes,
25,2 kg dabricots et 10,08 kg de pches. Les profits sur chaque
bote de luxe, spciale et ordinaire sont respectivement de Fr. 3.-,
Fr. 2.- et Fr. 1.50.
Combien de botes de chaque sorte faut-il produire pour maximiser
le profit ?

4
Rsolution graphique dun problme 2 variables

4.1

Reprenons lexemple rsolu au premier chapitre


Le programme de base se dcrivait alors par :
fonction conomique maximiser : f px1 ; x2 q 300x1 ` 200x2
avec les contraintes :
$
x1 ` 2x2 20

&
2x1 ` x2 22
x1 ` x2 12

%
o xi 0 pour i 1; 2

le profit maximum tait de Fr. 3400.- avec x1 10 et x2 2.

La solution du problme dpend des contraintes (le polygone des


contraintes) mais galement de la fonction dcrivant le profit. Si le
profit tait de Fr. 200.- pour le modle M1 et de Fr. 300.- pour le
modle M2 , la fonction conomique serait :
f px1 ; x2 q . . . . . . . . . . . . . . . .

x2
14

2x 1

x1
`

12

`x

x2

et en isolant x2 , on trouve :

12

10

x2 . . . . . . . . . . . . . . . .

x1

4
2
2

10

12

14

`2

x2

16

2
18

0
20

x1
22

On a donc une famille de droites dont la pente est de 2{3 et la


droite de cette famille ayant lordonne maximum est celle passant
par le point-sommet p . . . . . . ; . . . . . . q.
La solution dun problme de programmation linaire nest pas toujours unique. Ainsi, si le profit tait le mme pour chaque modle,
soit Fr. 300.-, la fonction conomique serait
f px1 ; x2 q . . . . . . . . . . . . . . . .
et en isolant x2 , on trouve :

x2

x2 . . . . . . . . . . . . . . . .

14

2x 1

`x

x2

On constate que les droites de cette famille sont parallles une


des frontires du polygone des contraintes ; cest la droite :

12

10

x1

12

8
6

x1

4
2
2

10

12

14

`2

16

x2

2
18

0
20

x1 ` x2 12

x1
22

21

22

CHAPITRE 4. RSOLUTION GRAPHIQUE DUN PROBLME 2 VARIABLES


Les points de cette droite faisant partie du polygone convexe sont
les points du segment de droite joignant les points p4 ; 8q et p10 ; 2q.
Tous ces points sont des solutions engendrant le profit maximum.
Ici il sagit donc de . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

4.2

Rsolution graphique dun problme de minimisation


Pour rsoudre le problme linaire dans le cas dune minimisation,
nous allons appliquer une dmarche quivalente, mais dans ce cas,
nous cherchons la droite (reprsentant la fonction conomique) la
plus rapproche de lorigine.

Problme: Rsoudre le problme linaire suivant :


Minimiser : f px1 ; x2 q 6x1 ` 9x2
Sujette aux contraintes :
$
3x1 ` 2x2 18

&
x1 ` 3x2 12
x1 ` x2 8

%
o xi 0 pour i 1; 2
Solution: Reprsentons graphiquement lensemble-solution puis reprsentons
la famille de droites correspondante :
2
p
6x1 ` 9x2 p
x2 x1 `
3
9

x2
10
8

droite de pente -2/3

On constate que la valeur minimum semble atteinte au point p6 ; 2q

2
2

10

12

14 x1

Rsolvons le systme dquations form par les deux droites pour


sassurer des coordonnes de ce point :
#
"
x1 ` 3x2 12
x1 6

x2 2
x1 ` x2 8
La fonction conomique est minimum en p6 ; 2q et vaut :
f p6 ; 2q 36 ` 18 54

CHAPITRE 4. RSOLUTION GRAPHIQUE DUN PROBLME 2 VARIABLES


Exercice 4.1:

23

En utilisant la mthode graphique, dterminer dans chaque cas, la


solution (valeurs des variables et de la fonction conomique).
a) Maximiser
f px1 ; x2 q 3x1 ` 3x2
avec les contraintes :
$
& x1 ` 4x2 12
2x1 ` x2 10
%
o xi 0 pour i 1; 2
c) Maximiser
f px1 ; x2 q 3x1 ` 4x2
avec les contraintes :
$
x1 ` 2x2 18

& x1 ` x2 10
3x1 ` x2 20

4x1 ` x2 26

%
o xi 0 pour i 1; 2

b) Maximiser
f px1 ; x2 q 4x1 ` 4x2
avec les contraintes :
$
x1 ` x2 13

&
5x1 ` 2x2 50
4x1 ` 5x2 60

%
o xi 0 pour i 1; 2
d) Minimiser
f px1 ; x2 q 5x1 ` 7x2
avec les contraintes :
$
x1 ` 2x2 8

&
2x1 ` x2 8
x1 ` x2 6

%
o xi 0 pour i 1; 2

e) Minimiser
f px1 ; x2 q 2x1 ` 3x2

Exercice 4.2:

avec les contraintes :


$
x1 ` 3x2 12

&
5x1 ` x2 12
3x

1 ` 4x2 31

%
o xi 0 pour i 1; 2

Dans un gymnase, un groupe dlves se charge de la distribution


de pains au chocolat et de croissants lors de la pause de 10 heures.
Pour pouvoir satisfaire la demande, ils doivent disposer au minimum de 108 pains au chocolat et de 96 croissants. Deux boulangers
proposent pour le mme prix :
lun le lot A comprenant 12 pains au chocolat et 8 croissants,
lautre le lot B compos de 9 pains au chocolat et 12 croissants.
Dterminer le nombre de lots A et le nombre de lots B qui doivent
tre achets pour satisfaire la demande au moindre cot.

24

CHAPITRE 4. RSOLUTION GRAPHIQUE DUN PROBLME 2 VARIABLES


Exercice 4.3:

Un atelier de confection fabrique en srie deux modles de chemises.


Une chemise du premier modle ncessite 1 mtre de tissu, 4 heures
de travail et rapporte Fr. 24.- Une chemise du deuxime modle
exige 2 mtres de tissu, 2 heures de travail et rapporte Fr. 16.Sachant que latelier dispose quotidiennement de 150 mtres de
tissu et de 400 heures de travail, et quil peut vendre toute sa fabrication, combien de lots de 10 chemises de chaque modle faut-il
fabriquer pour obtenir un bnfice maximal ?

5
Rsolution graphique dun problme 3 variables

5.1

Un exemple 3 variables
Problme: Un marchand daliments naturels prpare des mlanges grignoter
en sachets dont les ingrdients de base sont les arachides, les raisins
secs et les noix de cajou. Pour prparer ces mlanges, il reoit hebdomadairement 2400 g darachides, 1200 g de raisins secs et 1200 g
de noix de cajou. Les quantits utilises pour chaque mlange et le
profit ralis sont donns dans le tableau suivant :
M1
30
10
30
Fr. 2.-

Arachides
Raisins
Cajou
Profit

M2
30
10
10
Fr. 1.50

M3
20
20
10
Fr. 1.-

Quantit disponible

2400
1200
1200

Sachant que le commerant coule tous les mlanges quil peut prparer chaque semaine, trouver combien il doit en prparer de chaque
sorte pour que son profit soit maximum.
Solution:

Posons xi le nombre de sachets du mlange Mi


Fonction conomique : f px1 ; x2 ; x3 q 2x1 ` 1,5x2 ` x3
Contraintes (simplifie par 10) :
$
3x1 ` 3x2 ` 2x3 240

&
x1 ` x2 ` 2x3 120
3x
1 ` x2 ` x3 120

%
o xi 0 pour i 1; 2; 3
Polydre des contraintes :
x3

x3

120

120

x2

10
1010

x1

1010

x1 120

120

25

x2

10

120

120

26

CHAPITRE 5. RSOLUTION GRAPHIQUE DUN PROBLME 3 VARIABLES


Il nous faut maintenant reprsenter la fonction conomique :
On pose 2x1 ` 1,5x2 ` x3 p o p est un paramtre. On a une
famille de plans parallles et lon cherche le plan de cette famille
pour lequel la valeur de p est maximale, tout en ayant au moins un
point commun avec le polydre convexe.
Le bon choix de la reprsentation axonomtrique du polydre
convexe va nous permettre de reprsenter cette famille de plans et
donc de dterminer celui qui nous fournira la valeur maximale.
Lide est de dterminer laxonomtrie permettant de reprsenter
cette famille de plans par une famille de droites.
En choisissant par exemple p 60, il sagira dassurer lalignement
des 3 points : p30 ; 0 ; 0q, p0 ; 40 ; 0q et p0 ; 0 ; 60q.
Il restera reprsenter sur cette axonomtrie le polydre de
contrainte, puis dy dterminer le plan maximisant la fonction conomique.
x3
plan :
2x1 ` 1,5x2 ` x3 60

60
50

nt
isa ue
xim miq
ma o
n con
pla fct
la

x3
60
50
x1
50

50

30
10

30

10
10

x1

x2
40 50

100

10

10
10

x2
40 50

100

Nous constatons que la solution sera optimale sur le point de


coordonnes p20 ; 60 ; 0q ce qui nous permet alors de conclure le
problme :
Il sagira de prparer 20 mlanges M1 , 60 mlanges M2 et 0 mlange
M3 pour un profit maximum de :
f p20 ; 60 ; 0q 2 20 ` 1,5 60 ` 0 130 Frs
Reprenons tranquillement la construction de laxonomtrie, le polydre, puis la solution sur la feuille quadrille de la page suivante.

CHAPITRE 5. RSOLUTION GRAPHIQUE DUN PROBLME 3 VARIABLES

27

CHAPITRE 5. RSOLUTION GRAPHIQUE DUN PROBLME 3 VARIABLES


Exercice 5.1:

En utilisant la mthode graphique, dterminer dans chaque cas, la


solution (valeurs des variables et de la fonction conomique).
a) Maximiser f px1 ; x2 ; x3 q 15x1 ` 6x2 ` 8x3
avec les contraintes :
$
x1 ` 2x2 ` x3 50

&
2x1 ` x2 ` x3 50
x1 ` x2 ` x3 40

%
o xi 0 pour i 1; 2; 3

b) Maximiser f px1 ; x2 ; x3 q 15x1 ` 8x2 ` 6x3


sujette aux contraintes de la donne prcdente.
c) Maximiser f px1 ; x2 ; x3 q x1 ` x2 ` x3
avec les contraintes :
$
3x1 ` 2x2 ` x3 90

&
2x1 ` x2 ` x3 80
x1 ` 2x2 ` x3 70

%
o xi 0 pour i 1; 2; 3
Exercice 5.2:

Une entreprise fabrique trois pices P1 , P2 et P3 et dispose pour la


fabrication de ces pices de trois ateliers : fraisage (A1 ), tournage
(A2 ) et assemblage (A3 ). Le tableau suivant reprsente les temps
unitaires de fabrication (en heures) des pices aux diffrents ateliers.
La colonne de droite indique le temps disponible par semaine
chaque atelier.

Ateliers

28

A1
A2
A3

P1
1
3
1

Pices
P2
2
1
4

P3
3
2
1

temps (en heures)


120
120
120

Une tude du march a dmontr quil est actuellement en tat


dabsorber toute la production de lentreprise. La contribution au
bnfice de lentreprise est :
Fr. 10.- pour la pice P1
Fr. 13.- pour la pice P2
Fr. 12.- pour la pice P3
a) Dterminer graphiquement le programme optimal de fabrication mettre en uvre.
b) Quels sont les ateliers qui seront utiliss plein rendement ?
c) Quel sera le bnfice optimal ?

CHAPITRE 5. RSOLUTION GRAPHIQUE DUN PROBLME 3 VARIABLES

5.2

29

Un thorme important
Lors de nos divers exercices, nous avons pu constater que les fonctions
conomiques atteignaient un maximum sur un des sommets du polygone
convexe (en dim 2) ou sur un des sommets du polydre convexe. Ceci
nous permettra de glisser progressivement vers une mthode de type algbrique en calculant lensemble des sommets du polygone (resp. polydre)
et en valuant la fonction conomique en chacun de ses points.

Thorme: Soit f une fonction linaire dfinie sur un polydre convexe born.
Alors la fonction f atteint sa valeur maximale en au moins un des
sommets du polydre convexe.
Preuve: Ce thorme sera laiss sans dmonstration.

5.3

Exemple FIL ROUGE ( complter)

Lexemple suivant admet un statut particulier : il nous suivra tout au


long des rsolutions par mthode algbrique puis par mthode du simplexe. Ceci nous permettra de comparer ligne ligne les diffrentes
tapes des rsolutions.

Lentreprise Simco fabrique diffrents modles dappareils lectromnagers. Le programme actuel de fabrication est de 500 units du
modle Elec-100 et 400 units du modle Elec-200. Le vice-prsident
de la fabrication veut dterminer si les contributions aux bnfices
de lentreprise peuvent tre augmentes en modifiant le programme
actuel de fabrication. Il possde linformation suivante sur le nombre
dheures requises pour fabriquer chaque modle, ainsi que le temps
disponible chaque atelier.

Atelier
Assemblage
Vrification
Empaquetage
Contribution

Modles
Elec-100
Elec-200
Nbre dheures requises
3
4
1
3
2
2
Fr. 100.-/unit

Fr. 120.-/unit

a) noncer le programme de base :

temps disponible

4200 heures
2400 heures
2600 heures

CHAPITRE 5. RSOLUTION GRAPHIQUE DUN PROBLME 3 VARIABLES


b) Graphique et rsolution de systmes :

x2

3x
1

00
26

42
00

2
2x

4x
2

1
2x

Quantit du modle Elec-200 r102 s

30

x1 `
3x2
2
400

10

12

14 x1

Quantit du modle Elec-100 r102 s

c) Points-sommets et fonction conomique


Point-sommets

Coordonnes
p0 ; 0q
p0 ; 800q
p600 ; 600q
p1000 ; 300q
p1300 ; 0q

f px1 ; x2 q 100x1 ` 120x2


Fr. 0
Fr. 96000
Fr. 132000
Fr. 136000
Fr. 130000

d) Comparaison avec le programme actuel :

e) Discusion sur les contraintes :

CHAPITRE 5. RSOLUTION GRAPHIQUE DUN PROBLME 3 VARIABLES

31

Remarque: La recherche algbrique des points-sommets et leur remplacement


dans la fonction conomique est une dmarche particulirement favorable en dimension 3 car une esquisse 3D de la situation est alors
suffisante.
Exercice 5.3:

En valuant la fonction conomique en chacun des points-sommets,


a) Maximiser f px1 ; x2 ; x3 q 3x1 ` 3x2 ` 3x3
avec les contraintes :
$
x1 ` x2 ` 2x3 8

&
x1 ` 2x2 ` x3 8
2x

1 ` x2 ` x3 8

%
o xi 0 pour i 1; 2; 3

b) Maximiser f px1 ; x2 ; x3 q 4x1 ` 2x2 ` 2x3


sujette aux contraintes de la donne prcdente
c) Minimiser f px1 ; x2 ; x3 q 2x1 ` 1,5x2 ` x3
avec les contraintes :
$
30x1 ` 30x2 ` 20x3 2400

&
10x1 ` 10x2 ` 20x3 1200
30x1 ` 10x2 ` 10x3 1200

%
o xi 0 pour i 1; 2; 3

6
Rsolution par mthode algbrique

Pour rsoudre des problmes de programmation linaire ayant un


nombre de variables (principales) suprieur trois, nous devons
obligatoirement faire appel une autre mthode de rsolution que
celle dj tudie. Toutefois, avant daborder la mthode du simplexe
comme technique de rsolution dun problme de programmation linaire, vous dcouvrirez dans ce chapitre une version modifie - la
mthode algbrique - qui permettra dtudier les diffrentes tapes
franchir pour arriver une solution optimale.

6.1

Variables dcart
La mthode de rsolution que nous tudions dans ce chapitre
ncessite que les contraintes du modle soient exprimes sous
forme dquations linaires au lieu dinquations.
On peut facilement transformer une inquation linaire ayant un
signe en une quation linaire en additionnant une variable non
ngative dite variable dcart de la faon suivante :
Soit la ie contrainte :
ai1 x1 ` ai2 x2 ` ai3 x3 ` ` ain xn bi
Additionnant au premier membre de linquation, la variable dcart
xn`1 vrifiant que xn`1 0, on obtient :
ai1 x1 ` ai2 x2 ` ai3 x3 ` ` ain xn ` xn`1 bi
et alors :
xn`1 bi pai1 x1 ` ai2 x2 ` ai3 x3 ` ` ain xn q
reprsente lcart entre la quantit disponible de la ressource i et
la quantit effectivement utilise par lensemble des xj . Si la quantit bi reprsente des heures (disponibilit dun dpartement par
exemple), la variable dcart introduite dans la contrainte correspondante reprsentera alors un temps mort, qui peut tre soit positif soit nul.

33

34

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE


Nous ajoutons autant de variables dcart diffrentes quil existe de
contraintes du type .
Ainsi les contraintes du modle fil rouge (cf. page 29) exprimes
sous forme dinquations linaires, peuvent se ramener un systme
dquations linaires en introduisant trois variables dcart, x3 , x4
et x5 :
$
3x1 ` 4x2 4200

&
x1 ` 3x2 2400

2x1 ` 2x2 2600

%
o xi 0 pour i 1; 2

6.2

$
3x1 ` 4x2 ` x3 4200

&
x1 ` 3x2 ` x4 2400
2x1 ` 2x2 ` x5 2600

%
o xi 0 pour i 1; . . . ; 5

Coefficients des variables dcart dans la fonction conomique


Si nous introduisons des variables dcart dans le modle de programmation linaire, la fonction conomique du modle doit-elle
tre affecte ?
Comme lon peut considrer que les variables dcart permettant
de mesurer le niveau dactivits fictives alors, pour quelles ninfluencent pas loptimisation, on suppose nuls les bnfices ou cots
lis ces activits. Ainsi, la variable dcart xn`1 correspondra
le coefficient cn`1 0 dans la fonction conomique.
En suivant toujours le mme exemple,
La donne tait :
maximiser :
f px1 ; x2 q 100x1 ` 120x2

elle devient :
maximiser :
f px1 ; x2 q 100x1 ` 120x2 ` 0x3 ` 0x4 ` 0x5

avec les contraintes :


$
3x1 ` 4x2 4200

&
x1 ` 3x2 2400
2x1 ` 2x2 2600

%
o xi 0 pour i 1; 2
avec les contraintes :
$
3x1 ` 4x2 ` x3 4200

&
x1 ` 3x2 ` x4 2400
2x1 ` 2x2 ` x5 2600

%
o xi 0 pour i 1; . . . ; 5

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE

35

Nous sommes alors en prsence dun systme de trois quations


cinq inconnues.
Rappelons quil est possible de rsoudre un systme dquations
ayant plus dinconnues que dquations (n > m) en fixant arbitrairement (par une valeur ou un paramtre) les valeurs de n m
variables.

Exemple 1: Rsoudre

Exercice 6.1:

x1 ` x2 ` x3
2x1 ` x2

3
` x4 4

a) En posant x1 0 et x3 0, rsoudre
#
3x1 ` 2x2 ` x3
2x1 ` x2

` x4 8

b) Rsoudre (solution gnrale) le systme suivant :


#
3x1 ` 2x2 ` x3
7
2x1 ` x2

` x4 8

36

6.3

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE

Rsolution complte de lexemple FIL ROUGE


Ainsi donc, aprs lintroduction des 3 variables dcart :
x3 temps mort en heures latelier dassemblage,
x4 temps mort en heures latelier de vrification,
x5 temps mort en heures latelier dempaquetage.
lexemple fil rouge scrit alors :

maximiser f px1 ; . . . ; x5 q 100x1 ` 120x2 ` 0 x3 ` 0 x4 ` 0 x5


avec les contraintes :
$
3x1 ` 4x2 ` x3 4200

&
x1 ` 3x2 ` x4 2400
2x1 ` 2x2 ` x5 2600

%
o xi 0 pour i 1; . . . ; 5
PROGRAMME INITIAL

Pour dterminer le programme initial, on pose habituellement zro


les variables principales du modle. Pour lentreprise Simco, ceci
correspond ne fabriquer aucun des deux appareils :
x1 0 et x2 0.
Notre systme de 3 quations 5 inconnues devient alors un systme de 3 quations 3 inconnues que lon va pouvoir manipuler.
Dans lapplication de la mthode algbrique, le systme dquations
correspondant aux contraintes se prsente toujours de la faon suivante :
variables dans
le programme
(les xj 0)

en fonction des

variables hors
programme
(les xj 0)

Dans le programme de base initial, on exprime toujours les variables


dcart (ici x3 , x4 , x5 ) en fonction des variables principales (ici x1 ,
x2 ). Donc au dpart, ce sont les variables dcart qui sont dans
le programme de base et les variables principales sont hors programme :
variables
dans le
programme

& x3 4200 3x1 4x2


x4 2400 x1 3x2

%
x5 2600 2x1 2x2

(1)
(2)
(3)

variables hors programme

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE

37

Comme x1 x2 0, on obtient :
$
& x3 4200 heures
x4 2400 heures
%
x5 2600 heures

La valeur de la fonction conomique est alors :


f1 p0 ; 0 ; 4200 ; 2400 ; 2600q
100 0 ` 120 0 ` 0 4200 ` 0 2400 ` 0 2600 0
Programme de base no 1
x1 0 unit
x2 0 unit
x3 4200 heures
x4 2400 heures
x5 2600 heures
fct co1 Fr. 0.-

3x
1

00
26

42
00

2
2x

4x
2

1
2x

x2

x1 `
3x2
2
400

x1

10

12

14

Ce programme de base correspond au point extrme de la rsolution graphique. Bien quil soit ralisable, il nest pas financirement
attrayant pour lentreprise. Comme aucun atelier nest en opration,
on peut videmment amliorer la valeur de la fonction conomique
en fabriquant quelques units de lun ou de lautre des appareils
lectromnagers.
RVISION DU PROGRAMME INITIAL
On doit maintenant examiner la possibilit damliorer la valeur de
la fonction conomique en introduisant lune ou lautre des variables
principales (soit x1 , soit x2 mais non les deux simultanment) dans
le programme de base et en sortant une variable actuellement dans
le programme de base. Nous savons que nous ne pouvons jamais
avoir plus de m (ici 3) variables positives dans un programme de
base.
Le choix de la variable (actuellement hors programme) introduire
dans le programme seffectue laide dun critre qui permet damliorer le plus rapidement possible la valeur de la fonction conomique.

38

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE

CRITRE DENTRE DUNE VARIABLE DANS LE


PROGRAMME DE BASE
chaque programme, on choisira la variable (actuellement hors
programme) qui donne la meilleure augmentation de la valeur de
la fonction conomique c.--d. la variable dont la contribution au
bnfice est la plus leve. On portera videmment notre choix sur
des variables dont les coefficients sont positifs.
chaque tape de la rsolution (chaque programme), nous exprimons la fonction conomique en fonction des variables hors programme :
fct
conomique

en fonction des

variables hors
programme

Donc cette tape-ci, la fonction conomique de lentreprise Simco


est :
fct conomique 100x1 ` 120x2
variables hors programme

Daprs lexpression de la fonction conomique, laugmentation sera


la plus leve si nous introduisons la variable x2 dans le programme,
Donc :
Variable entrante : x2
Il nous reste maintenant deux choses dterminer. Dune part, calculer la quantit du modle Elec-200 (x2 ) que lon doit fabriquer et
dautre part, quelle variable actuellement dans le programme doit
devenir une variable hors programme c.--d. dterminer la variable
sortante.

DTERMINATION DE LA VALEUR ENTRANTE


Cherchons dabord la plus grande quantit du modle Elec-200 (x2 )
que lon peut fabriquer tout en respectant les conditions imposes
par les quations (1), (2) et (3).
Nous ne pouvons excder les temps disponibles chaque atelier.
Il sagit donc de dterminer la plus grande valeur pouvant tre prise
par x2 dans chaque quation. Ainsi dans la premire quation (1) :
x3 4200 3x1 4x2

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE

39

Le modle Elec-200 (variable x2 ) exige 4 heures dassemblage par


unit. Comme nous avons 4200 heures disponibles, on peut alors
fabriquer :
4200
1050 units du modle Elec-200
4
Ainsi, pour chaque atelier (Assembage - Vrification - Empactage),
on obtiendra les valeurs suivantes :
(1) x3 4200 3x1 4x2

(2) x4 2400 x1 3x2

(3) x5 2600 2x1 2x2

Quantit = 1050 units


2400
800 units
3
2600
1300 units
Quantit =
2
Quantit =

Pour sassurer que toutes les contraintes soient respectes en mme


temps, on choisit parmi ces valeurs la plus petite quantit positive :
x2 = 800 units
Ce minimum sobtient dans lquation (2). On utilise donc tout le
temps disponible latelier de vrification pour fabriquer 800 units
du modle Elec-200. Il ny aura donc plus aucun temps mort cet
atelier : x4 0. Cest la variable qui sort du programme :
Variable sortante : x4

DTERMINATION DE LA NOUVELLE SOLUTION :


PROGRAMME DE BASE No 2
Puisque x2 800 et que x1 0, on a alors :
$
& x3 4200 3 0 4 800 1000 heures
x4 2400 1 0 3 800 0 heure
%
x5 2600 2 0 2 800 1000 heures
La valeur de la fonction conomique est alors :

f2 p0 ; 800 ; 1000 ; 0 ; 1000q


100 0 ` 120 800 ` 0 1000 ` 0 0 ` 0 1000 96000
Ou plus simplement :
f2 p0 ; 800q 100 0 ` 120 800 96000

40

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE


Le nouveau programme de base est donc :
Programme de base no 2
x1 0 unit
x2 800 units
x3 1000 heures
x4 0 heure
x5 1000 heures
fct co2 Fr. 96000.

3x
1

Il correspond au point-sommet de la rsolution graphique.


Sagit-il du programme optimal ?

00
26

42
00

2
2x

4x
2

1
2x

x2

x1 `
3x2
2
400

x1

10

12

14

Toutefois, avant de tester si le programme est optimal, il faut


dabord transformer les quations (1), (2) et (3) pour exprimer les
variables dans le programme en fonction des variables hors programme :
Variables dans le programme (les non nulles) : x2 , x3 , x5
Variables hors programme (les nulles) : x1 , x4

$
$
& x3 4200 3x1 4x2
& x3 4200 3x1 4x2
x4 2400 x1 3x2
x2 800 1{3x1 1{3x4
%
%
x5 2600 2x1 2x2
x5 2600 2x1 2x2
$
& x3 4200 3x1 4p800 1{3x1 1{3x4 q
x2 800 1{3x1 1{3x4

%
x5 2600 2x1 2p800 1{3x1 1{3x4 q

Et lon obtient :

variables
dans le
programme

&x3 1000 5{3x1 ` 4{3x4 (4)


x2 800 1{3x1 1{3x4 (5)

%
x5 1000 4{3x1 ` 2{3x4 (6)
variables hors programme

Il nous reste exprimer la valeur de la fonction conomique, en


fonction des variables hors programme x1 et x4 laide de la substitution :
"

fct co 100x1 ` 120x2


x2 800 1{3x1 1{3x4

fct co 96000 ` 60x1 40x4


variables hors programme

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE

41

Cette dernire expression nous indique quon peut amliorer encore


la valeur de la fonction conomique puisque le coefficient de la variable x1 est positif. En effet, nous remarquons que la fabrication
dune unit du modle Elec-100 (x1 1) permettra daugmenter
la valeur de la fonction conomique de Fr. 60.- (le coefficient de
la variable x1 ). Toutefois, ceci ne peut se faire sans diminuer la
fabrication au modle Elec-200 (x2 ) puisquactuellement le temps
disponible latelier de vrification est compltement utilis.
Donc si nous voulons fabriquer une certaine quantit du modle
Elec-100 (x1 ), il faut sacrifier une partie de la fabrication du modle Elec-200 (x2 ).
Puisque latelier de vrification est actuellement utilis pleine capacit pour la fabrication du modle Elec-200 et que les temps
opratoires pour chaque appareil sont les suivants :
Modles
Atelier de vrification

Elec-100
1

Elec-200
3

Nous constatons que pour fabriquer une unit de Elec-100, nous


devons diminuer la fabrication du modle Elec-200 de 1/3 unit,
soit le coefficient de la variable x1 dans lquation (5).
En diminuant de 1/3 unit la fabrication du modle Elec-200, nous
rduisons le bnfice de 120 1{3 Fr. 40.- mais nous obtenons
un gain de 100 1 Fr. 100.- do un gain net de Fr. 60.- ; cette
valeur correspond justement au coefficient de la variable x1 dans
lexpression de la fonction conomique. Nous introduirons donc x1
lors de la prochaine tape.

DTERMINATION DU TROISIME PROGRAMME


DE BASE
Variable entrante : x1
Dterminons la valeur de x1 (quantit dElec-100) en utilisant les
quations (4), (5) et (6) :

(4) x3 1000 5{3x1 ` 4{3x4


(5) x2 800 1{3x1 1{3x4
(6) x5 1000 4{3x1 ` 2{3x4

1000
600 units
5{3
800
Quantit
2400 units
1{3
1000
Quantit
750 units
4{3
Quantit

42

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE


Ainsi x1 devant respecter les diffrentes contraintes, nous choisirons
x1 600 units qui se ralise dans la premire quation et qui
impose que x3 devienne nulle, ainsi :
Variable sortante : x3
Dterminons les nouvelles valeurs sachant que x1 600 et x4 0
$
& x3 1000 5{3 600 ` 4{3 0 0 heure
x2 800 1{3 600 1{3 0 600 units
%
x5 1000 4{3 600 ` 2{3 0 200 heures

La valeur de la fonction conomique peut se calculer de 2 manires


diffrentes :
f px1 ,x2 q 100x1 ` 120x2

f p600 ; 600q 132000

f3 px1 ; x4 q 96000 ` 60 x1 40 x4
f3 p600 ; 0q 96000 ` 60 600 40 0 132000
Le nouveau programme de base est donc :
Programme de base no 3
x1 600 units
x2 600 units
x3 0 heure
x4 0 heure
x5 200 heures
fct co3 Fr. 132000.

3x
1

00
26

42
00

Il correspond au point-sommet de la rsolution graphique.


Nous avons maintenant :

2
2x

4x
2

1
2x

x2

x1 `
3x2
2
400

x1

10

12

Variables dans le programme (les non nulles) : x1 , x2 , x5


Variables hors programme (les nulles) : x3 , x4

14

Exprimons nouveau les variables dans le programme en fonction


des variables hors programme :

$
$
& x3 1000 5{3x1 ` 4{3x4
& x1 600 3{5x3 ` 4{5x4
x2 800 1{3x1 1{3x4
x2 800 1{3x1 1{3x4
%
%
x5 1000 4{3x1 ` 2{3x4
x5 1000 4{3x1 ` 2{3x4
$
& x1 600 3{5x3 ` 4{5x4
x2 800 1{3p600 3{5x3 ` 4{5x4 q 1{3x4

%
x5 1000 4{3p600 3{5x3 ` 4{5x4 q ` 2{3x4

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE

43

Et lon obtient :
variables
dans le
programme

&x1 600 3{5x3 ` 4{5x4


x2 600 ` 1{5x3 3{5x4

%
x5 200 ` 4{5x3 2{5x4

(7)
(8)
(9)

variables hors programme

Exprimons la valeur de la fonction conomique, en fonction des


variables hors programme x3 et x4 laide de la substitution :
"

fct co 96000 ` 60x1 40x4


x1 600 3{5x3 ` 4{5x4

fct co 132000 36x3 ` 8x4


variables hors programme

Nous navons pas encore atteint la solution optimale puisque le


coefficient de la variable x4 est positif. On peut donc amliorer la
valeur de la fonction conomique en introduisant la variable x4 dans
le programme.
Remarque: Il peut paratre tonnant dintroduire ici une variable dcart (temps
mort en heures latelier de vrification) qui na pas dinfluence
sur la fonction conomique de dpart puisque son coefficient tait
pos gal zro. Ceci na pourtant rien de particulier, car cela va
permettre dobtenir une meilleure rpartition du programme de fabrication qui assurera un bnfice plus lev.

DTERMINATION DU QUATRIME PROGRAMME


DE BASE
Variable entrante : x4
Dterminons la valeur de x4 (temps mort latelier de vrification)
en utilisant les quations (7), (8) et (9) :
(7) x1 600 3{5x3 ` 4{5x4

(8) x2 600 1{5x3 9{15x4

(9) x5 200 ` 4{5x3 6{15x4

600
750 heures
4{5
600
1000 heures
Valeur
3{5
200
500 heures
Valeur
2{5
valeur

x4 doit vrifier la condition dtre une variable dcart donc dtre


positive. De plus, elle doit correspondre au minimum des deux
autres valeurs obtenues. On choisira donc x4 500 dans lquation (9) ce qui impose que x5 devienne nulle.
Variable sortante : x5

44

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE


Dterminons les nouvelles valeurs sachant que x4 500 et x3 0
$
& x1 600 3{5 0 ` 4{5 500 1000 units
x2 600 ` 1{5 0 3{5 500 300 units
%
x5 200 4{5 0 2{5 500 0 heure
La valeur de la fonction conomique est alors :

f4 p0 ; 500q 132000 36 0 ` 8 500 136000


Le nouveau programme de base est donc :
Programme de base no 4
x1 1000 units
x2 300 units
x3 0 heure
x4 500 heures
x5 0 heure
fct co4 Fr. 136000.

3x
1

00
26

42
00

Il correspond au point-sommet de la rsolution graphique.


Nous avons maintenant :

2
2x

4x
2

1
2x

x2

x1 `
3x2
2
400

x1

10

12

14

Variables dans le programme (les non nulles) : x1 , x2 , x4


Variables hors programme (les nulles) : x3 , x5
Exprimons nouveau les variables dans le programme en fonction
des variables hors programme :

$
$
& x1 600 3{5x3 ` 4{5x4
& x1 600 3{5x3 ` 4{5x4
x2 600 ` 1{5x3 3{5x4
x2 600 ` 1{5x3 3{5x4
%
%
x5 200 4{5x3 2{5x4
x4 500 ` 2x3 5{2x5
$
& x1 600 3{5x3 ` 4{5p500 ` 2x3 5{2x5 q

x2 600 ` 1{5x3 3{5p500 ` 2x3 5{2x5 q


%
x4 500 ` 2x3 5{2x5

Et lon obtient :

variables
dans le
programme

&x1 1000 ` x3 2x5


x2 300 x3 ` 3{2x5

%
x4 500 ` 2x3 5{2x5

(10)
(11)
(12)

variables hors programme

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE

45

Puis finalement la valeur de la fonction conomique, en fonction des


variables hors programme x3 et x5 laide de la substitution :
"

fct co 132000 36x3 ` 8x4


x4 500 ` 2x3 5{2x5

fct co 136000 20x3 20x5


variables hors programme

Pouvons-nous amliorer encore la valeur de la fonction conomique ?


La rponse est non puisque les coefficients des variables hors programme (x3 et x5 ) sont ngatifs.
Un programme de base est optimal si tous les coefficients
des variables hors programme, dans lexpression de la
fonction conomique, sont 0.
On constate quelle correspond bien la solution optimale obtenue
lors de la rsolution graphique. Le programme optimal de fabrication de lentreprise Simco est donc :
1000 units de Elec-100
300 units de Elec-200
pour un bnfice maximum de Fr. 136000.De plus, il ny a aucun temps mort aux ateliers dassemblage
et dempaquetage et il y a 500 heures de temps mort latelier
de vrification.

46

6.4

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE

Marche suivre de la mthode algbrique


La mthode algbrique est une recherche systmatique de programmes de base (points sommets) jusqu lobtention dun
programme optimal.
Pour ce faire, il sagit :
1) De structurer le problme sous forme dun systme dquations
en introduisant les variables dcart requises. Il sagira bien
sr davoir prcis pralablement les variables (principales et
dcart) ainsi que la fonction conomique.
2) De dterminer un programme de base qui servira de dpart au
cheminement vers la solution optimale (programme optimal).
3) Dexpliciter la fonction conomique et de dterminer si elle peut
tre amliore : recherche de lventuelle variable (hors programme) admettant le plus grand coefficient positif. Dans la
ngative, le programme est optimal.
4) En introduisant cette variable dans le programme, on choisira la
plus petite valeur positive obtenue laide du systme dquations calcul lors de ltape prcdente. Cel induira galement
la variable sortante.
5) Pour dterminer un nouveau programme de base, on doit transformer le systme dquations ainsi que lexpression de la fonction conomique en exprimant les variables dans le programme
de base en fonction des variables hors programme (par substitution).
6) Retourner 3) jusqu lobtention du programme de base optimal.
7) Donner le programme optimal en prcisant la valeur de toutes
les variables ainsi que la valeur optimise de la fonction conomique.
Remarque: Pour simplifier notre expos, nous allons tudier la mthode algbrique en considrant que nous lappliquerons seulement des problmes dont le modle ne comporte que des contraintes du type et
que loptimisation est une maximisation. Les autres particularits
pourraient tre traites directement avec les tableaux du simplexe.

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE

6.5

Exemple accompagn

47

(reprise de lexercice 3.1 dj tudi en page 17)

Problme: Lentreprise Simtech doit, dans son processus de fabrication de ses


produits, utiliser trois phases successives dopration : lusinage des
pices, lassemblage et la finition. Pour simplifier le problme, supposons que lentreprise fabrique trois produits que nous noterons
P1 , P2 et P3 . Les diffrentes phases dopration ne peuvent toutefois fonctionner que pendant un certain nombre dheures. La mainduvre actuelle limite le nombre dheures disponibles aux valeurs
suivantes :
Usinage :
Assemblage :
Finition :

100 heures
120 heures
200 heures

Le tableau suivant nous indique les temps de fabrication requis, en


heures/unit, aux diffrentes phases dopration pour fabriquer les
produits P1 , P2 et P3 .

Usinage
Assemblage
Finition

P1
1
3
2

Produits
P2
2
4
6

P3
1
2
4

Le dpartement de compatibilit de lentreprise a estim aux valeurs


suivantes la contribution au bnfice de chaque produit :
Produits
P1
P2
P3

Fr./unit
6.7.8.-

De plus, on suppose quil nexiste aucune restriction de march ; il


peut absorber toute la production.
Dterminer le programme optimal.
Solution:

a) Exprimer la fonction conomique maximiser :

b) Exprimer les contraintes sous la forme dun systme dinquations :

48

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE


c) Structurer les contraintes sous la forme dun systme dquations :

d) Que reprsente chaque variable dcart ?

e) Dterminer le programme initial :


$

&x4
Les quations sont

x5

%
x6

p1q
p2q
p3q

Programme de base no 1
x1
x2
x3
x4
x5
x6
fct co1
Variables dans le programme (les non nulles) :
Variables hors programme (les nulles) :
f) Quelle est lexpression de la fonction conomique pour le programme de base n1 ?

Peut-on amliorer la valeur de la fonction conomique ?


g) Dterminer la variable entrante, sa valeur et la variable sortante :
Variable entrante :
(1)

(2)

(3)

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE

49

Variable sortante :
h) Dterminer la nouvelle solution : programme de base n2

Programme de base no 2
x1
x2
x3
x4
x5
x6
fct co2
Variables dans le programme (les non nulles) :
Variables hors programme (les nulles) :
i) Quelle(s) quation(s) doit-on transformer ?
j) Dterminer les nouvelles relations qui existent entre les variables dans le programme de base et les variables hors programme :

variables
dans le
programme

&x
x

%
x

(4)
(5)
(6)
variables hors programme

k) Dterminer la nouvelle expression de la fonction conomique :

50

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE


l) Le programme de base no 2 est-il optimal ?
m) ce stade, dterminer la variable entrante, sa valeur et la
variable sortante :
Variable entrante :
(4)

(5)

(6)

Variable sortante :

n) Dterminer la nouvelle solution : programme de base no 3

Programme de base no 3
x1
x2
x3
x4
x5
x6
fct co3
Variables dans le programme (les non nulles) :
Variables hors programme (les nulles) :
o) Quelles quations doit-on transformer ?

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE

51

p) Dterminer les nouvelles relations qui existent entre les variables dans le programme de base et les variables hors programme :

variables
dans le
programme

&x
x

%
x

(7)
(8)
(9)
variables hors programme

q) Dterminer la nouvelle expression de la fonction conomique

r) Le programme de base n3 est-il optimal ?

s) Le programme optimal de fabrication de lentreprise Simtech


est :
P1

P2

P3

Bnfice =
Les temps morts sont :
Usinage =

Assemblage =

Finition =

52

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE


Remarque: Pour pouvoir suivre les diffrentes tapes de rsolution de ces exercices, il est primordial de les faire prcder par des titres et ventuellement des petites phrases justificatives.
Exercice 6.2:

Dterminer la solution optimale du programme linaire suivant par


la mthode algbrique :
maximiser :
f px1 ; x2 q 2x1 ` x2
avec les contraintes :
$
x1 ` 3x2 12

&
2x1 ` x2 10
x1 ` x2 4

%
o xi 0 pour i 1; 2

Vrifier ensuite que vous obtenez bien la mme solution optimale


avec la mthode graphique.
Exercice 6.3:

Une entreprise envisage de fabriquer deux produits : SP-1 et SP-2.


Les prix de vente de chaque produit sont respectivement Fr. 4.- et
Fr. 6.- lunit. On doit utiliser deux ateliers pour fabriquer ces deux
produits et on possde linformation suivante :

SP-1
SP-2
Disponibilit

Temps requis (heures/units)


Atelier I
Atelier II
5
1
6
2
60 heures
16 heures

La fabrication des produits exige donc de passer par latelier I


dabord et par latelier II ensuite. Le march peut absorber au plus
10 units de SP-1 et 6 units de SP-2. Les cots de fabrication sont
de Fr. 2.- lunit pour SP-1 et Fr. 3.- lunit pour SP-2.
a) Dterminer laide de la mthode algbrique le programme de
fabrication mettre en uvre pour maximiser les bnfices.
b) Est-ce quil y a plein emploi des ateliers ?

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE


Exercice 6.4:

53

Lentreprise Mecanex fabrique trois produits P1 , P2 et P3 et pour


raliser ce projet utilise trois centres de fabrication. Les temps opratoires, en heure par unit, chaque centre de fabrication sont les
suivants :

Centre I
Centre II
Centre III

P1
4
2
1

Produits
P2
P3
2
4
2
3
3
2

temps
80
50
40

disponible
heures
heures
heures

La contribution unitaire de chaque produit au bnfice est la suivante :


Fr. 5.- pour P1

, Fr. 3.- pour P2

, Fr. 4.- pour P3

a) Dterminer, laide de la mthode algbrique, le programme


de fabrication qui maximise les bnfices.
b) Le centre II est-il pleinement utilis ?

54

CHAPITRE 6. RSOLUTION PAR MTHODE ALGBRIQUE


Exercice 6.5:

Trois espces de crabes sont pches dans les eaux ctires de


lAlaska : le crabe royal (King crab), le crabe des neiges (Snow
crab), le crabe Dungeness, en des lieux diffrents, mais proches.
Des bateaux sont amnags pour pouvoir pcher indiffremment les
trois sortes de crabes ; pour un mois donn, dans la zone de Cook
Inlet, la capacit totale de pche des bateaux est de 1000 tonnes
de crabes.
larrive des bateaux au port, un tri doit tre effectu sur la cargaison ce tri tient compte, suivant la priode de bataille, de la taille
des carapaces des crabes, de leur qualit, etc... Aussi, aprs ce tri,
ne peut-on utiliser en moyenne que 80% de la quantit totale de
crabes royal pche, 95% de celle de crabe des neiges et 90% de
celle du crabe Dungeness. Les crabes limins sont perdus.
Intervient alors un conditionnement : diffrents points sont situs
sur la cte, celui attribu la zone Cook Inlet pouvant conditionner au maximum 900 tonnes de crabes au total pour le mois
considr.
Le crabe royal est le plus demand, mais afin de respecter un certain
quilibre entre les espces, il a t tabli que la diffrence entre la
quantit pche de crabe royal et le tonnage global des deux autres
espces doit tre infrieure 100 tonnes.
On dsire tablir le plan de pche qui maximise le bnfice sachant
que lon gagne 12,5 units montaires (u.m.) par tonne de crabes
royal pche et conditionne, 8,42 u.m. par tonne pour la seconde
espce et 7,78 u.m. par tonne pour la troisime.
Les pcheurs connaissent les sites o ils peuvent attraper telle ou
telle sorte de crabe (qui ne se mlangent pas : en un lieu donn, on
ne rencontre pas simultanment des espces diffrentes).

Remarque: Cest en 1947 que George DANTZIG (mathmaticien amricain)


travaillant sur un projet des forces de lair amricaines, a introduit
un algorithme de calcul permettant de rsoudre les problmes de
programmation linaire. Cette technique, connue sous le nom dalgorithme du simplexe, ncessite lutilisation dun ordinateur pour
rsoudre des problmes de gestion et de production dans le monde
des affaires et dans celui de lindustrie.
En 1971, laide de la mthode du simplexe, il a t possible de
rsoudre en 2 heures et demie un problme comportant 282468
variables et 50215 contraintes.
George Dantzig
(1914-2005)

7
Rsolution par la mthode du simplexe

La prsentation algbrique de la mthode du simplexe nous a permis


de donner une interprtation pratique et conomique aux diffrentes
oprations effectuer dans la rsolution dun problme de programmation linaire pouvant comporter deux variables ou plus. Toutefois,
la mthode algbrique devient rapidement laborieuse mesure que
le nombre de contraintes et le nombre de variables augmentent.
Nous allons donc systmatiser toutes ces oprations algbriques sous
forme dun simple tableau dit tableau du simplexe . Ceci permettra de rsoudre plus facilement des problmes ayant beaucoup plus
de variables et de contraintes. Malgr lefficacit de cette mthode,
il nen demeure pas moins que la rsolution laide dun ordinateur
devient indispensable mesure que les problmes prennent de fortes
dimensions.

7.1

Rsolution du problme FIL ROUGE par la mthode


du simplexe
Pour bien visualiser la similitude qui existe entre lapproche
algbrique et celle des tableaux du simplexe, nous allons rsoudre
nouveau le problme de fabrication de lentreprise Simco.
Le problme, aprs lintroduction des variables dcart, tait le
suivant :
maximiser la fonction conomique :
f px1 ; . . . ; x5 q 100x1 ` 120x2 ` 0 x3 ` 0 x4 ` 0 x5
avec les contraintes :
$
3x1 ` 4x2 ` x3
4200

&
x1 ` 3x2
` x4
2400
2x1 ` 2x2
` x5 2600

%
o xi 0 pour i 1; . . . ; 5

55

56

CHAPITRE 7. RSOLUTION PAR LA MTHODE DU SIMPLEXE


Que lon peut crire sous la forme
$
3x1 ` 4x2 ` 1x3 ` 0x4 ` 0x5 4200

&
x1 ` 3x2 ` 0x3 ` 1x4 ` 0x5 2400
2x

1 ` 2x2 ` 0x3 ` 0x4 ` 1x5 2600

%
o xi 0 pour i 1; . . . ; 5
La reprsentation en tableau sera :
x1
3
1

2
100

x2
4
3
2
120

x3
1
0
0
0

x4
0
1
0
0

x5
0
0
1
0

4200
2400

2600
0

Remarque: Cette prsentation sous forme dun tableau de nombres nest probablement pas inconnue pour vous. Ce tableau est appel matrice
du problme de programmation linaire. Toutes les proprits que
vous connaissez sur les calculs propos des matrices peuvent tre
alors utilises.

TAPE no 1 : Matrice du programme de base no 1 :


3
1

2
100

4
3
2
120

1
0
0
0

0
1
0
0

0
0
1
0

4200
2400

2600
0

TAPE No 2 : Matrice du programme de base no 2 :


Pour accrotre le plus rapidement possible la valeur de la fonction
conomique, il faut donner une valeur positive x2 puisque cest
x2 qui a le plus grand coefficient positif sur la dernire ligne de la
matrice. Quelle est la plus grande valeur que lon peut attribuer
x2 ?
Pour le dterminer, on prend les rapports des lments de la colonne
de droite sur les lments de la colonne des x2 . On trouve alors :
3
1

2
100

4
3
2
120

1
0
0
0

0
1
0
0

0
0
1
0

4200
2400
2600
0

4200/4 = 1050

2400/3 = 800

2600/2 = 1300

Le plus petit de ces rapports est 800 et cest la plus grande valeur
quon peut attribuer x2 . Nous utiliserons donc llment de la
deuxime ligne deuxime colonne ; encerclons-le pour le mettre en
vidence. Nous lappellerons pivot de la 1re tape.

CHAPITRE 7. RSOLUTION PAR LA MTHODE DU SIMPLEXE

3
1

2
100

4
3
2
120

1
0
0
0

0
1
0
0

0
0
1
0

57

4200
2400

2600
0

Nous devons maintenant annuler les autres lments de la deuxime


colonne. Pour ce faire, nous effectuons des oprations sur les lignes.
En premier lieu, nous allons rendre le pivot unitaire en divisant les
termes de la deuxime ligne par 3 :

3
4
1
0
0
4200
1

1
0
1/3
0
800
3 L2 L2 1/3

2
2
0
0
1
2600
100 120
0
0
0
0

En deuxime lieu, on soustrait 4 fois la deuxime ligne la premire,


2 fois la deuxime la troisime et finalement 120 fois la deuxime
la dernire :

L1 4L2 L1

3 4{3

L3 2L2 L3
L4 120L2 L4

1/3

2 2{3

44

22

1 0 04{3 0 0

42003200

1/3

800

0 40

00

0 120 800

0 0 02{3 1 0 26001600

100 40 120120 0 0

Donc, nous obtenons aprs avoir simplifi :

5/3
0
1
-4/3
0
1/3
1
0
1/3
0

4/3
0
0
-2/3
1
60
0
0
-40
0

1000
800
1000
-96000

Cette matrice reprsente alors le systme dquations que nous


avions obtenu aprs la premire tape de la rsolution algbrique
(cf. page 40).
En effet en retranscrivant les 3 premires lignes, nous obtenons :
$

&5{3x1 ` 0x2 ` 1x3 4{3x4 ` 0x5 1000


1{3x1 ` 1x2 ` 0x3 ` 1{3x4 ` 0x5 800

%
4{3x1 ` 0x2 ` 0x3 2{3x4 ` 1x5 1000

qui est bien quivalente :


$

&x3 1000 5{3x1 ` 4{3x4


x2 800 1{3x1 1{3x4

%
x5 1000 4{3x1 ` 2{3x4

58

CHAPITRE 7. RSOLUTION PAR LA MTHODE DU SIMPLEXE


On constate galement que la valeur obtenue en bas droite de la
matrice correspond loppos de la valeur numrique obtenue dans
la fonction conomique :
fct conomique = 96000 ` 60x1 40x4

TAPE No 3 : Matrice du programme de base no 3 :


On constate que lon peut encore accrotre la valeur optimiser en
introduisant une valeur pour x1 .
nouveau, effectuons le rapport de la dernire colonne avec celle
de x1 :

5/3
1/3

4/3
60

0
1
0
0

1
0
0
0

-4/3
1/3
-2/3
-40

0
0
1
0

1000
800
1000
-96000

1000/(5/3) = 600

800/(1/3) = 2400

1000/(4/3) = 750

Le plus petit rapport tant sur la premire ligne, notre pivot sera
llment de la premire ligne, premire colonne. Rendons-le unitaire en le multipliant par 3/5 :

3
1
0
3/5 -4/5
0
600
5 L1 L1

1/3
1
0
1/3
0
800

4/3
0
0
-2/3
1
1000
60
0
0
-40
0
-96000
Effectuons nouveau les oprations sur les lignes afin dannuler les
autres lments de la 1recolonne :

L2 1{3L1 L2

L3 4{3L1 L3
L4 60L1 L4

1
0
0
0

0
1
0
0

3/5
-1/5
-4/5
-36

-4/5
3/5
2/5
8

0
0
1
0

Aprs retranscription en systme dquations :


$

&1x1 ` 0x2 ` 3{5x3 4{5x4 ` 0x5 600


0x1 ` 1x2 1{5x3 ` 3{5x4 ` 0x5 600

%
0x1 ` 0x2 4{5x3 ` 2{5x4 ` 1x5 200

600

600

200
-132000

On obtient bien le mme systme que celui obtenu en page 42 :


$
x1 600 3{5x3 ` 4{5x4

&
x2 600 ` 1{5x3 3{5x4
x5 200 ` 4{5x3 2{5x4

%
fct co 132000 36x3 ` 8x4

CHAPITRE 7. RSOLUTION PAR LA MTHODE DU SIMPLEXE

59

Nous navons pas encore atteint la solution optimale puisque le


coefficient de la variable x4 , dans la fonction conomique, est positif.
Effectuons le rapport de la dernire colonne avec celle de x4 .

TAPE No 4 : Matrice du programme de base no 4 :

1
0
0
0

0
1
0
0

-4/5
3/5
2/5
8

3/5
-1/5
-4/5
-36

0
0
1
0

600
600
200
-132000

600/(-4/5) = -750

600/(3/5) = 1000

200/(2/5) = 500

Le pivot se situe en 3e ligne, 4e colonne. Rendons-le unitaire en le


multipliant par 5/2 :

5
2 L3

L3

1
0
0
0

0
1
0
0

3/5
-1/5
-2
-36

-4/5
3/5
1
8

0
0
5/2
0

600

600

500
-132000

Effectuons nouveau les oprations sur les lignes afin dannuler les
autres lments de la 4e colonne :

L1 ` 4{5L3 L1
L2 3{5L3 L2

L4 8L3 L4

1
0
0
0

0
1
0
0

-1
1
-2
-20

0
0
1
0

2
-3/2
5/2
-20

1000

300

500
-136000

Il ny a plus de coefficients positifs sur la dernire ligne de la


matrice et il nest donc plus possible daccrotre la valeur de la
fonction conomique.
Retranscrivons le systme correspondant :
$

&1x1 ` 0x2 1x3 ` 0x4 ` 2x5 1000


0x1 ` 1x2 ` 1x3 ` 0x4 3{2x5 300

%
0x1 ` 0x2 2x3 ` 1x4 ` 5{2x5 500

Que lon peut comparer ce que lon avait obtenu en page 44 :


$
x1 1000 ` x3 2x5

&
x2 300 x3 ` 3{2x5
x

4 500 ` 2x3 5{2x5

%
fct co 136000 20x3 20x5

60

CHAPITRE 7. RSOLUTION PAR LA MTHODE DU SIMPLEXE


La solution optimale est donc le quintuplet :
px1 ; x2 ; x3 ; x4 ; x5 q p1000 ; 300 ; 0 ; 500 ; 0q
qui correspond un bnfice maximum de Fr. 136000.- en produisant 1000 units de Elec-100, 300 units de Elec-200 avec un temps
mort de 500 heures latelier de vrification.

7.2

Marche suivre de la rsolution matricielle


En rsum, pour rsoudre matriciellement un problme de maximisation, les tapes sont :
1) Dterminer la colonne (sauf la dernire) dont llment de la
dernire ligne a la plus grande valeur positive. Cest la colonne
du pivot.
2) Dterminer la ligne du pivot en faisant le rapport des lments
de la dernire colonne sur les lments correspondants de la
colonne du pivot. La ligne du pivot tant celle donnant le plus
petit rapport non ngatif.
3) Rendre le pivot unitaire.
4) Annuler tous les termes de la colonne du pivot.
5) Rpter les quatre premires tapes jusqu ce que tous les lments de la dernire ligne soient non positifs.
6) Les colonnes ne contenant quun seul lment non nul sont celles
correspondant aux variables dans le programme ; la valeur de ces
variables est donne dans la dernire colonne, les variables hors
programme tant nulles.
7) La valeur maximale de la fonction conomique (plus exactement
son oppos) est donne dans la dernire ligne, dernire colonne.

CHAPITRE 7. RSOLUTION PAR LA MTHODE DU SIMPLEXE

7.3

61

Les variables dans et hors programme dans la rsolution matricielle


Lors de la rsolution matricielle, comment peut-on reprer les variables dans le programme et celles qui sont hors programme ?
Au dpart, chaque variable de la matrice est reprsente par une
colonne et chacune des lignes donne la valeur dune variable dans
le programme.
Les variables dans le programme sont celles dont la colonne
ne contient quune seule valeur non nulle.
Les variables hors programme sont donc celles qui restent.
Ainsi dans la premire matrice :
variables hors programme

variables
dans le
programme

x1
x3
3
x4
1
x5 2
100

x2
4
3
2
120

x3
1
0
0
0

x4
0
1
0
0

x5
0
0
1
0

4200
2400

2600
0

la deuxime tape, nous avions obtenu la matrice suivante :

5/3
0
1
-4/3
0
1000
1/3

1
0
1/3
0
800

4/3

0
0
-2/3
1
1000
60
0
0
-40
0
-96000
On a donc :

Variables dans le programme : x2 ; x3 ; x5


Variables hors programme : x1 ; x4
Exemple 1: On considre la matrice suivante :

1
0
3/5
-4/5
0
1
-1/5
3/5

0
0
-4/5
2/5
0
0
-36
8

0
0
1
0

600

600

200
-132000

a) Dterminer les variables qui sont hors programme.

b) Dterminer les valeurs des variables qui sont dans le programme.

62

7.4

CHAPITRE 7. RSOLUTION PAR LA MTHODE DU SIMPLEXE

Exemple accompagn
Reprenons lexemple accompagn de la rsolution algbrique (cf.
page 47).
Il sagissait de maximiser f px1 ; x2 ; x3 q 6x1 ` 7x2 ` 8x3 avec les
contraintes :
$
1x1 ` 2x2 ` 1x3 ` 1x4 ` 0x5 ` 0x6 100

&
3x1 ` 4x2 ` 2x3 ` 0x4 ` 1x5 ` 0x6 120
2x1 ` 6x2 ` 4x3 ` 0x4 ` 0x5 ` 1x6 200

%
o xi 0 pour i 1; . . . ; 6
a) Matrice du programme de base no 1 :

b) Dterminer la ligne et la colonne du pivot no 1 :

c) Rendre le pivot no 1 unitaire :

d) Annuler tous les termes de la colonne du pivot no 1 :

e) La fonction conomique est-elle optimise ?

CHAPITRE 7. RSOLUTION PAR LA MTHODE DU SIMPLEXE


f) Dterminer la ligne et la colonne du pivot no 2 :

g) Rendre le pivot no 2 unitaire :

h) Annuler tous les termes de la colonne du pivot no 2 :

i) La fonction conomique est-elle optimise ?

j) Exprimer alors la situation optimale :

63

64

CHAPITRE 7. RSOLUTION PAR LA MTHODE DU SIMPLEXE


Exercice 7.1:

Rsoudre laide de la mthode du simplexe les problmes linaires


suivants :
a) Maximiser

b) Maximiser

f px1 ; x2 q 3x1 ` 3x2


avec les contraintes :
$
& x1 ` 4x2 12
2x1 ` x2 10
%
o xi 0 pour i 1; 2

avec les contraintes :


$
x1 ` x2 13

&
5x1 ` 2x2 50
4x1 ` 5x2 60

%
o xi 0 pour i 1; 2

d) Maximiser

c) Maximiser
f px1 ; x2 q 4x1 ` 4x2
avec les contraintes :
$
x1 ` x2 13

&
5x1 ` 2x2 50
4x1 ` 5x2 60

%
o xi 0 pour i 1; 2

f px1 ; x2 q 3x1 ` 4x2


avec les contraintes :
$
x1 ` 2x2 18

& x1 ` x2 10
3x1 ` x2 20

4x1 ` x2 26

%
o xi 0 pour i 1; 2

f) Maximiser

e) Maximiser

Exercice 7.2:

f px1 ; x2 q 5x1 ` 8x2

f px1 ; x2 ; x3 q 3x1 ` 3x2 ` 3x3

f px1 ; x2 ; x3 q 4x1 ` 2x2 ` 3x3

avec les contraintes :


$
x1 ` x2 ` 2x3 8

& x1 ` 2x2 ` x3 8
2x1 ` x2 ` x3 8

x1 ` x2 ` x3 5

%
o xi 0 pour i 1; 2; 3

avec les contraintes :


$
x1 ` x2 ` 2x3 8

& x1 ` 2x2 ` x3 8
2x1 ` x2 ` x3 8

x1 ` x2 ` x3 5

%
o xi 0 pour i 1; 2; 3

Si dans le problme de fabrication de lentreprise Simco (exemple


FIL ROUGE), le bnfice pour le modle Elec-100 est de Fr. 90.au lieu de Fr. 100.a) Quel est alors le programme optimal de fabrication ?
b) Et si lon propose le programme suivant :
x1 1000 ;

x2 300 ;

x4 500

Que pouvez-vous alors affirmer ? et comment lexpliquezvous ?


c) Pour chacun des programmes, lutilisation des trois ateliers
est-elle identique ?

CHAPITRE 7. RSOLUTION PAR LA MTHODE DU SIMPLEXE


Exercice 7.3:

65

Lentreprise ASP fabrique trois produits qui sont en grande demande. Le responsable de la production veut dterminer un programme de fabrication qui permettrait dobtenir lutilisation optimale de ces ressources. Il a linformation suivante :

Ressources

Quantits disponibles

Matires premires
Matriel AX-200
Matriel AX-225

2000 units
1800 units

Temps-machine
Dpartement montage
Dpartement contrle
Dpartement emballage

60 heures
60 heures
72 heures

Main-duvre

80 heures

Quantit ncessaire pour la fabrication


Ressources
Produit A
Matriel AX-200
4
Matriel AX-225
2

Produit B
5
5

Produit C
2
4

Temps-machine
en minutes/unit
Dp. montage
Dp. contrle
Dp. emballage

10
12
8

8
10
6

10
6
6

Main doeuvre en
minutes/unit

15

20

15

Information cot - revenu


Prix de vente

Produit A
Fr. 15.-

Produit B
Fr. 19.40

Cots/unit
Matriel AX-200
Fr. 2.Fr. 3.Matriel AX-225
Fr. 3.Fr. 5.Main-doeuvre
Fr. 4.-/heure Fr. 4.20/heure

Produit C
Fr. 15.Fr. 2.Fr. 4.Fr. 4.-/heure

Lentreprise veut maximiser les bnfices.


a) Dterminer le programme optimal de fabrication mettre en
uvre.
b) Dterminer daprs le programme obtenu en a), lutilisation
relle de chaque ressource de lentreprise.

66

7.5

CHAPITRE 7. RSOLUTION PAR LA MTHODE DU SIMPLEXE

Quelques remarques pour terminer


Et il y aurait encore tellement dire ! !
Ce polycopi de prs de 80 pages nest quune introduction une
thorie qui pourrait encore tre dveloppe sur plusieurs dizaines
de pages. Nous nous arrterons donc ici. Nous pouvons encore mentionner quelques pistes de ce quon trouve dans la littrature :
Mthode du simplexe pour minimiser une fonction conomique.
Transformation du problme en un problme appel dual.
Stabilit dune solution optimale.
Prcisons encore que ces quelques pages ont t motives dans le
but de vous proposer une application importante des notions de
gomtrie dans lespace, de calculs matriciels et plus gnralement
dalgbre linaire. Lors de vos tudes, vous aurez encore plusieurs
reprises loccasion de les croiser.
RFRENCES BIBLIOGRAPHIQUES
GERARD BAILLARGEON, Introduction la programmation linaire, Les ditions SMG 1977
ANDR ROSS, Mathmatiques pour les techniques du btiment et
du territoire, Les ditions Le Griffon dArgile, 1989
MAKI THOMPSON, Mathmatiques appliques, McGraw-Hill, Editeurs, 1986

8
OpenOffice pour rsoudre des problmes de P.L.

Le solveur du module Classeur dOpenOffice 1 est un outil puissant doptimisation. Il permet de trouver le minimum ou le maximum dune fonction conomique tout en respectant les contraintes
quon lui soumet.

8.1

Rsolution de lexemple accompagn

(cf. pages 47 et 62)

Il sagissait de maximiser la fonction conomique :


f px1 ; x2 ; x3 q 6x1 ` 7x2 ` 8x3
Sous les contraintes suivantes :
$
x1 ` 2x2 ` x3 100

&
3x1 ` 4x2 ` 2x3 120
2x1 ` 6x2 ` 4x3 200

%
o xi 0 pour i 1; 2; 3

Le problme vous est propos sur la feuille OpenOffice (fichier proglin.ods tlchargeable sur www.javmath.c.la) :

Programme initial
Toutes les variables
sont poses = 0

Formule:
=B3+2*B4+B5

Formule:
=3*B3+4*B4+2*B5

Formule:
=2*B3+6*B4+4*B5

Formule:
=6*B3+7*B4+8*B5

1. http ://fr.openoffice.org/

67

68

CHAPITRE 8. OPENOFFICE POUR RSOUDRE DES PROBLMES DE P.L.


Les variables sont les quantits respectives des diffrents investissements (cellules jaunes).
Les contraintes sont les valeurs imposes dans la donne
(cellules rouges).
La cellule cible est celle contenant la formule exprimant la
valeur optimiser (cellule bleue).
Afin doptimiser la fonction conomique, nous allons utiliser la commande Solveur. . . du menu Outil.

TAPE no 1 : Spcification de la cellule cible :


Dans la zone Cellule cible, prcisez la rfrence de la cellule que
vous voulez minimiser ou maximiser (cest--dire la fonction conomique).

Si vous dsirez maximiser la cellule cible, choisissez le bouton


Maximum.
Si vous dsirez minimiser la cellule cible, choisissez le bouton
Minimum.
Si vous dsirez que la cellule cible se rapproche dune valeur
donne, choisissez le bouton Valeur et indiquez la valeur souhaite dans la zone droite du bouton.
Remarque: Allez plus vite en cliquant directement sur la cellule spcifier
plutt que de taper sa rfrence au clavier.
La cellule cible $B$17 doit contenir la formule correspondante
la fonction conomique dpendant directement des cellules va.
riables :

TAPE no 2 : Spcification des cellules variables :


Tapez dans la zone Par modifications de cellules les rfrences des
cellules devant tre modifies par le solveur jusqu ce que les
contraintes du problme soient respectes et que la cellule cible
atteigne le rsultat recherch.

CHAPITRE 8. OPENOFFICE POUR RSOUDRE DES PROBLMES DE P.L.

69

Remarque: nouveau, vous pouvez aller plus vite en cliquant-glissant directement sur les cellules spcifier plutt que de taper leurs rfrences
au clavier.
Dans le programme initial, on dfinit les cellules variables par des
zros.

TAPE no 3 : Spcification des contraintes :

Pour chaque rfrence de cellule, il suffit de cliquer dans les cellules


correspondantes directement sur la feuille OpenOffice. Par exemple,
la case $B$8, contenant la formule :
, on associe
loprateur
la valeur de la cellule $D$8. On dfinit ainsi
la contrainte : x1 ` 2x2 ` 4x3 100.
Remarque: Une contrainte peut tre limite infrieurement (), suprieurement (), galit () ou limite aux nombres entiers (oprateur
Nombre entier).
La dernire contrainte correspond aux contraintes de nonngativits.

TAPE no 4 : Rsolution et rsultat :


Une fois tous les paramtres du problme mis en place, le choix
amorce le processus de rsolution du problme.
du bouton
Vous obtenez alors les rponses :

Correspondant bien celles obtenues lors de la rsolution algbrique. . .


;-)

70

8.2

CHAPITRE 8. OPENOFFICE POUR RSOUDRE DES PROBLMES DE P.L.

Quelques exercices
Exercice 8.1:

Reprendre le problme des crabes (ex. 6.5 page 54) dont le modle
tait le suivant :
maximiser : f px1 ; x2 ; x3 q 10x1 ` 8x2 ` 7x3
avec les contraintes :
$
x1 `
x2 `
x3 1000

&
0.80x1 ` 0.95x2 ` 0.90x3 900
x1
x2
x3 100

%
o xi 0 pour i 1; 2; 3

Exercice 8.2:

Dans sa basse-cour, un fermier peut tenir 600 volatiles : oies,


canard et poules. Il veut avoir au moins 20 canards et 20 oies, mais
pas plus de 100 canards, ni plus de 80 oies, ni plus de 140 des deux.
Acheter et lever une poule cote Fr. 3.-, un canard Fr. 6.- et
une oie Fr. 8.-. Ils peuvent tre vendus Fr. 8.-, Fr. 13.- et Fr. 20.respectivement.
Comment ce fermier peut-il raliser un bnfice maximum ?

Exercice 8.3:

Dans une entreprise de nettoyage, chaque personne travaille cinq


jours conscutifs suivis de deux jours de cong. Il existe 4 catgories
demploys selon leurs jours de cong. Le salaire dun employ varie
selon la catgorie laquelle il appartient :
Catgorie
Cong
Salaire

Vendredi
Samedi
Fr. 5200.-

Samedi
Dimanche
Fr. 4800.-

Dimanche
Lundi
Fr. 5200.-

Lundi
Mardi
Fr. 5600.-

Les demandes quotidiennes minimums en employs dpendent du


jour de la semaine, suivant le tableau ci-dessous :
Jour
Demande

lundi
25

mardi
18

mercredi
41

jeudi
41

vendredi
30

samedi
18

dimanche
24

Combien de personnes de chaque catgorie doit-on faire travailler de


faon satisfaire la demande et minimiser le cot du personnel ?

Exercice 8.4:

Prsenter la feuille dOpenOffice de lexercice prcdent de manire


attrayante et interprtable par un tiers.

CHAPITRE 8. OPENOFFICE POUR RSOUDRE DES PROBLMES DE P.L.


Exercice 8.5:

71

Un revendeur dlectricit a promis sa clientle quau moins 25%


de son lectricit serait dorigine renouvelable. Il a calcul que pour
lanne qui arrive il aura un march dau maximum 18 TWh (trawattheure). Il a aussi prslectionn trois fournisseurs qui il va
acheter son lectricit en gros.
Voici les quantits (en TWh), le taux dlectricit renouvelable et la
marge dgage (en milliers deuros/TWh) que peuvent lui fournir
ces trois producteurs.
% dlectricit
renouvelable

Quantit dlectricit
achetable (TWh)

Marge
(103 e/TWh)

10 %
46 %
100 %

25
6
4

900
700
500

Producteur 1
Producteur 2
Producteur 3

Chez quels producteurs et en quelle quantit ce revendeur doit-il


acheter son lectricit pour avoir le meilleur bnfice possible ?
Exercice 8.6:

Une entreprise fabrique trois types de piles : sches de type 1 (PS1),


sches de type 2 (PS2) et combustible (PC). Le processus de
fabrication comporte trois tapes :
lassemblage,
un test de qualit,
un traitement disolation.
Seules les piles satisfaisant le test de qualit sont soumises au traitement disolation. Les piles qui ratent le test de qualit sont mises
au rebut.
Au cours du mois prochain, lentreprise disposera en temps-machine
de 9000 heures pour lassemblage, de 1200 heures pour les tests de
qualit et de 8500 heures pour le traitement disolation.
Le tableau suivant rsume les informations pertinentes du procd
de fabrication

Type

Assemblage
(s/unit)

Test
(s/unit)

Isolation
(s/unit)

Profit
(e/unit)

Taux
dchec

Pertes
(e/unit)

PS1
PS2
PC

33
25
24

3
4,5
4

15
22
21

1,15
1
1,1

3%
1%
2%

0,6
0,55
0,75

Quel est le nombre optimal de piles de chaque type fabriquer le


mois prochain si lentreprise est assure de vendre toute sa production ?

A
Quelques lments de solutions

A.2

Rsolution de systmes dinquations

Exercice 2.1:
x2

x2

1
1

5 x1

1
1

x1 ` 3x2 9

5 x1

4x1 ` 6x2 12

Exercice 2.2:
4

1
2

x3

x3

4 x2

x1

x1
3x1 ` 4x2 ` 6x3 12

2x1 ` 3x2 6

Exercice 2.3:
Seules les coordonnes des points-sommets sont donnes ci-dessous
a) p0 ; 0q ; p0 ; 10q ; p4 ; 8q ; p10 ; 2q ; p11 ; 0q
b) p0 ; 0q ; p0 ; 6q ; p4 ; 5q ; p6 ; 3q ; p7 ; 0q
c) p1 ; 1q ; p1 ; 8q ; p4 ; 2q ; p2 ; 2q
d) p0 ; 0q ; p0 ; 4q ; p4 ; 2q ; p6 ; 0q

4 x2

II

ANNEXE A. QUELQUES LMENTS DE SOLUTIONS

Exercice 2.4:
Seules les coordonnes des points-sommets sont donnes ci-dessous
a) p0 ; 0 ; 0q ; p2 ; 0 ; 0q ; p4{3 ; 4{3 ; 0q ; p0 ; 2 ; 0q ; p0 ; 0 ; 4q
b) p0 ; 0 ; 0q ; p2 ; 0 ; 0q ; p0 ; 2 ; 0q ; p0 ; 0 ; 2q ; p2 ; 0 ; 2q
c) p0 ; 0 ; 0q ; p4 ; 0 ; 0q ; p0 ; 4 ; 0q ; p0 ; 0 ; 4q ; p4 ; 0 ; 8{3q ; p0 ; 8{3 ; 8{3q ; p24{7 ; 12{7 ; 0q
d) p0 ; 0 ; 0q ; p6 ; 0 ; 0q ; p0 ; 6 ; 0q ; p0 ; 0 ; 8q ; p3 ; 2 ; 4q
e) p0 ; 0 ; 0q ; p4 ; 0 ; 0q ; p0 ; 4 ; 0q ; p0 ; 0 ; 4q ; p8{3 ; 0 ; 8{3q ; p0 ; 8{3 ; 8{3q ; p8{3 ; 8{3 ; 0q ; p2 ; 2 ; 2q
Exercice 2.5:
Il sagit du segment AB.
Exercice 2.6:
Un corrig peut tre vu votre demande.
Exercice 2.7:
Indications :
Proposer dans un premier temps un raisonnement en dimension 2.
Il sagira de considrer deux points A et B dont les coordonnes vrifient une mme inquation (ax1 ` bx2 c) puis de montrer alors que tous les points M situs sur AB vrifient
eux aussi cette mme inquation.
Un corrig complet peut tre vu votre demande

A.3

Traduction des prob. en langage mathmatique

Exercice 3.1:
En posant x1 le nombre dunits P1 , x2 le nombre dunits P2 , x3 le nombre dunits P3 ,
maximiser f px1 ; x2 ; x3 q 6x1 ` 7x2 ` 8x3 avec les contraintes :
$
x1 ` 2x2 ` x3 100

&
3x1 ` 4x2 ` 2x3 120
2x1 ` 6x2 ` 4x3 200

%
o xi 0 pour i 1; 2; 3

Exercice 3.2:
En posant x1 , x2 , x3 respectivement le nbre de sacs de 100 kg de fertilisant pelouse, jardin,
usage multiple,
maximiser f px1 ; x2 ; x3 q 3x1 ` 8x2 ` 6x3 avec les contraintes :
$

20x1 ` 4x2 ` 4x3 6000


&
8x1 ` 8x2 ` 4x3 10000
8x1 ` 4x2 ` 2x3 4000

%
o xi 0 pour i 1; 2; 3

ANNEXE A. QUELQUES LMENTS DE SOLUTIONS


Exercice 3.3:
En posant x1 , x2 , x3 = respectivement le nbre de poupes Am, Stram, Gram,
maximiser f px1 ; x2 ; x3 q x1 ` 1,25x2 ` 1,5x3 avec les contraintes :
$
4x1 ` 3x2 ` 9x3 160

&
3x1 ` 4x2 ` x3 50
2x1 ` 4x2 ` 3x3 50

%
o xi 0 pour i 1; 2; 3
Exercice 3.4:
En posant x1 , x2 , x3 = respectivement le nbre dunits du produit A, B, C,
minimiser f px1 ; x2 ; x3 q 1,25x1 ` 1,5x2 ` 1,75x3 avec les contraintes :
$
15x1 ` 10x2 ` 22x3 75

&
20x1 ` 30x2 ` 12x3 100
500x1 ` 400x2 ` 200x3 4000

%
o xi 0 pour i 1; 2; 3
Exercice 3.5:
En posant x1 , x2 , x3 = respectivement le nbre demballages de carton, de tubes, de botes,
maximiser f px1 ; x2 ; x3 q 0,04x1 ` 0,01x2 ` 0,10x3 avec les contraintes :
$
150{100x1 ` 50{600x2 ` 60{100x3 300

&
30{100x1 ` 30{600x2 ` 40{100x3 120
2{100x1 ` 2{600x2 ` 5{100x3 10

%
o xi 0 pour i 1; 2; 3
Exercice 3.6:
En posant x1 , x2 , x3 = respectivement le nbre de botes de luxe, spciales, ordinaires,
maximiser f px1 ; x2 ; x3 q 3x1 ` 2x2 ` 1,5x3 avec les contraintes :
$
0,45x1 ` 0,56x2 ` 0,45x3 33,6

&
0,67x1 ` 0,34x2 ` 0,22x3 25,2
0,34x1 ` 0,084x2
10,08

%
o xi 0 pour i 1; 2; 3

III

IV

ANNEXE A. QUELQUES LMENTS DE SOLUTIONS

A.4

Rsolution graphique dun prob. 2 variables

Exercice 4.1:
a) x1 4

x2 2

f p4 ; 2q 18

b) Tous les points px1 ; x2 q situs sur le segment AB avec Ap5 ; 8q et Bp8 ; 5q ; f px1 ; x2 q 52
c) x1 2

x2 8

f p2 ; 8q 38

d) x1 4

x2 2

f p4 ; 2q 34

e) x1 9

x2 1

f p9 ; 1q 21

Exercice 4.2:
Il faudra 6 lots A et 4 lots B.
Exercice 4.3:
Il faudra 9 lots de 10 chemises du premier modle et 2 lots de 10 chemises du deuxime.
Attention : on attend ici des valeurs entires et non pas respectivement 25/3 et 10/3.

A.5

Rsolution graphique dun prob. 3 variables

Exercice 5.1:
a) x1 10
b) x1 50{3

x2 0

x3 30

f p10 ; 0 ; 30q 390

x2 50{3

x3 0

f p50{3 ; 50{3 ; 0q 1150{3

c) Tous les points px1 ; x2 ; x3 q situs sur larte AB avec Ap10 ; 0 ; 60q et Bp0 ; 0 ; 70q ;
f px1 ; x2 ; x3 q 70
Exercice 5.2:
a) x1 20

x2 20

x3 20

f p20 ; 20 ; 20q 700

b) Tous les ateliers sont utiliss plein rendement cest--dire 120 heures.
c) Bnfice optimal : Fr. 700.Exercice 5.3:
a)
px1 ; x2 ; x3 q
p0 ; 0 ; 0q
p4 ; 0 ; 0q
p0 ; 4 ; 0q
p0 ; 0 ; 4q
p8{3 ; 0 ; 8{3q
p0 ; 8{3 ; 8{3q
p8{3 ; 8{3 ; 0q
p2 ; 2 ; 2q

f px1 ; x2 ; x3 q
0
12
12
12
16
16
16
18

b)

px1 ; x2 ; x3 q
p0 ; 0 ; 0q
S1 p4 ; 0 ; 0q
p0 ; 4 ; 0q
p0 ; 0 ; 4q
S2 p8{3 ; 0 ; 8{3q
p0 ; 8{3 ; 8{3q
S3 p8{3 ; 8{3 ; 0q
S4 p2 ; 2 ; 2q

f px1 ; x2 ; x3 q
0
16
8
8
16
32/3
16
16

Dans ce deuxime cas, on constate que tous les points contenus dans la face S1 S2 S3 S4 du
polydre permettent doptimiser la fonction f .

ANNEXE A. QUELQUES LMENTS DE SOLUTIONS


Exercice 5.3:
c)

A.6

px1 ; x2 ; x3 q
p120 ; 0 ; 0q
p0 ; 120 ; 0q
p60 ; 0 ; 30q
p0 ; 0 ; 120q
p15 ; 45 ; 30q

f px1 ; x2 ; x3 q
240
180
150
120
127,5

Rsolution par mthode algbrique

Exercice 6.1:
a) S tp0 ; 7{2 ; 0 ; 9{2qu
b) S tp9 ` 2 ; 10 2 ` 3 ; ; qu (par exemple)
Exercice 6.2:
x1 4

x2 0

f p4 ; 0q 8

Exercice 6.3:
a) Le nombre de produits du type SP-1 = 6 ; le nombre de produits du type SP-2 = 5
les bnfices maximums sont de Fr. 27.b) Oui
Exercice 6.4:
a) Le nombre de produits du type P1 16 ; P2 8 ; P3 0
les bnfices maximums sont de Fr. 104.b) Non
Exercice 6.5:
Le nombre de crabe royal = 550 ; de crabe des neiges = 450 ; de crabe Dungeness = 0.
Le bnfice maximum est denviron 9100 u.m.

VI

ANNEXE A. QUELQUES LMENTS DE SOLUTIONS

A.7

Rsolution par mthode du simplexe

Exercice 7.1:

a)

0
1
0

1
0
0

1/5
17/5
b)
4/5
-7/5

c)

0
1
0
0

2/7
-1/7
-3/7
0
0
1
0

1
0
0
0

1
0
0
0
5/3
-2/3
-17/3
-4

-1/7
4/7
-9/7
0
1
0
0
-1/3
1/3
1/3
0

2
4
-18
-1/5
-2/5
1/5
-8/5
0
0
1
0

donc x1 4, x2 2 et f p4 ; 2q 18

1
26

12
-96

8
ou

3
-52

donc px1 ; x2 q p8 ; 5q ou p5 ; 8q
d) x1 2

donc x1 0, x2 12 et f p0 ; 12q 96

1
0
0
0

0
0
1
0

5
-17
-4
-4

0
1
0
0

-1
3
1
-8/5

f px1 ; x2 q 52

x2 8

f p2 ; 8q 38

e) px1 ; x2 ; x3 q p2 ; 3 ; 0q ou p0 ; 2 ; 3q ou. . .

f px1 ; x2 ; x3 q 15

Comment pourrait-on caractriser lensemble des solutions optimales ?


f) x1 3

x2 0

x3 2

f p3 ; 0 ; 2q 18

Exercice 7.2:
a) x1 600 ; x2 600 ; x5 200 pour un bnfice maximum de Fr. 126000.b) Il sagit galement dun programme optimal.
c) Non, les temps morts ne sont pas distribus de la mme manire.
Exercice 7.3:
a) 280 units du produit A, 0 du produit B et 40 du produit C.
b) Il restera : 800 units de AX-200,
1080 units de AX-225,
6 heures et 40 minutes de temps mort au dpartement de montage,
aucun temps mort au dpartement de contrle,
30 heures et 40 minutes de temps mort au dpartement demballage,
toute la main-duvre est utilise.

5
9

8
-52

ANNEXE A. QUELQUES LMENTS DE SOLUTIONS

A.8

VII

OpenOffice pour rsoudre des problmes de P.L.

Exercice 8.1:
Le nombre de crabes royal = 550 ; de crabes des neiges = 450 ; de crabes Dungeness = 0.
Le bnfice maximum est denviron 9100 u.m.
Exercice 8.2:
Le nombre doies = 80 ; de canards = 60 ; de poules = 460.
Le bnfice maximum est de Fr. 3680.-.
Exercice 8.3:
Catgorie = 13 personnes
Catgorie = 7 personnes
Cot minimum = Fr. 223200.-

Catgorie = 12 personnes
Catgorie = 11 personnes.

Exercice 8.4:
Pas de corrig
Exercice 8.5:
Lentreprise doit donc acheter 15 TWh au premier producteur, 0 TWh au deuxime et 3 TWh
au troisime producteur. Elle fera alors une marge de 15 millions deuros.
Exercice 8.6:
Lentrprise doit donc fabriquer 432000 piles de type PS1, 0 pile type PS2 et 756000 piles de
type PC. Son profit optimis sera alors de 1277748 e

Index

C
P
cellule
pivot . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 56
cible . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68 polydre
variable . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 68
convexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
convexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
des contraintes . . . . . . . . . . . . . . . . . . . . . . . . . 25
polygone
D
convexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
demi-espace . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8
des contraintes . . . . . . . . . . . . . . . . . . . . . . . . . 21
demi-plan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 programmation linaire . . . . . . . . . . . . . . . . . . . . . 1
droite-frontire . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 programme de base . . . . . . . . . . . . . . . . . . . . . . . . 16
E
R
ensemble convexe . . . . . . . . . . . . . . . . . . . . . . . . . . 12 reprsentation axonomtrique . . . . . . . . . . . . . . 26
ensemble-solution . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
S
F
solutions
fonction conomique . . . . . . . . . . . . . . . . . . . . . . . 16
dun systme dinquations . . . . . . . . . . . . . . 9
dune inquation . . . . . . . . . . . . . . . . . . . . . . . . 5
H
hyperplan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 8 solveur . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
systme dinquations . . . . . . . . . . . . . . . . . . . . . . . 8
I
inquation linaire . . . . . . . . . . . . . . . . . . . . . . . . . . 5 T
tableau du simplexe . . . . . . . . . . . . . . . . . . . . . . . 55
M
traces du plan . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
matrice du programme . . . . . . . . . . . . . . . . . . . . 56
V
mthode
algbrique . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 46 variable
dcart . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
mthode
dans le programme . . . . . . . . . . . . . . . . . . . . 36
du simplexe . . . . . . . . . . . . . . . . . . . . . . . . . . . . 60
hors programme . . . . . . . . . . . . . . . . . . . . . . . 36
modlisation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1
principale . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
O
OpenOffice . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 67
VIII

Si vous souhaitez commander ou utiliser ce polycopi dans vos


classes, merci de prendre contact avec son auteur en passant par
son site web :
http ://www.javmath.ch

Programmation linaire (2014)

CADEV - no 30075