Vous êtes sur la page 1sur 14

CHAPITRE IV: DEGENERESCENCE

Dans ce chaptre nous prsenterons les problmes de dgnrescence lesquels sont des
configurations nous conduisant des situations inattendues. Il en existe deux catgories:
- La dgnrescence par redondance.
- La dgnrescence par multiplicit de solutions.

4.1- Dgnrescence par redondance:


Pour comprendre comment se gnrent les cas de redondance il est important de rappeler les
notions de base relatives aux sommets du polydre des solutions ralisables. En effet, tout sommet du
polydre des solutions ralisables nat de lintersection de deux contraintes comme nous pouvons
apprcier sur le graphique continuation:

x2

LGENDE:

A
2

contraintes

- Le sommet O est form par lintersection des

aire des
solutions

contraintes x1 0 et x2 0 .

solutions de
base

- Le sommet A est form par lintersection des


contraintes x1 0 et x1 + 2 x2 4

- Le sommet B est form par lintersection des


contraintes x1 + 2 x2 4 et 2 x1 + x2 4 .

- Le sommet C est form par lintersection des


contraintes 2 x1 + x2 4 et x2 0 .

O
0

C
1

x1

Maintenant, nous nous retrouverions dans une situation de redondance partir du moment o plus de
deux contraintes se couperaient en un mme sommet. Si deux contraintes suffisent dfinir un sommet,
une troisime contraintes serait superflue, elle napporterait aucune information supplmentaire au sujet
de la dfinition des solutions ralisables. Elle serait redondante par rapport aux deux autres.
Voyons un exemple:
Auteur: Philippe Gollotte
Page 96 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

4.1.1.- Identification des cas de redondance:

Soit le programme linaire suivant:

Max 2 x1 + 3 x2

2 x1 + x2 4
( P ) s x1 + 2 x2 4
c x + 3x 6
2
1
x1 , x2 0

(1)
( 2)
( 3)

- Rsoudre graphiquement. Commenter.


- Rsoudre le problme grce lalgorithme du simplexe. Commenter

1.- Graphiquement.
x2

LGENDE:
contraintes


J

aire des solutions


ralisables


J

A
2

solutions de base
gradient de J
courbes de
niveau de J

x* solution optimale
x*

C
1

En effet nous pourrions tout fait la


retirer sans que le problme ne souffre
de modification.
En entreprise avec des problmes
complexes et un grand nombre de
variables, une contrainte redondante
peut facilement et discrtement tre
introduite.

Nous observons que la contrainte (3)


n`apporte
aucune
information
essentielle la dfinition de l`ensemble
des solutions ralisables.

x1

Nous observons que loptimum x* se situe lintersection des contraintes (1) et (2). Ses coordonnes
vrifient donc simultanment les quations des deux contraintes:

2 x1 + x2 = 4 (1)
x1 + 2 x2 = 4 ( 2 )
Do:

x1* = 4 3

x2* = 4 3

Au point x* = 4 ; 4

) la fonction vaut 20 3 .

Auteur: Philippe Gollotte


Page 97 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

2.- Algorithme du simplexe.

Tableau simplexe initial:

B b 0,

Nous observons que dans ce cas selon notre


critre de dfinition de la variable devant sortir

e 3 point ralisable

de base, il nous est indiffrent voir sortir e2 ou

-1

x1

x2

e1

e2

e1

1 =4

e2

2 =2

3 =2

pivot

e3

0 J =0

e3 .
sort

Nous choisissons e2 en pensant que par la


suite un pivot valant 2 sera plus ais
manipuler quun pivot valant 3.

entre

Base = {e1 , x2 , e3 } :
-1

B b 0,
x1

x2

e1

e2

3/2

-1/2

x 2 1/2

1/2

e 3 -1/2 0

-3/2

1/2

-3/2

0 J =6

e1

e 3 point ralisable

Nous nous trouvons maintenant au point A du


graphique de coordonnes (0;2). Nous remarquons
que le second membre prsente un 0. Cest la
marque de la dgnrescence par redondance.
Nous pouvions tout fait prvoir ce rsultat. Si
nous calculons les coordonnes compltes du point

A, nous obtenons: A ( 0; 2; 2;0;0 ) cest--dire deux


variables positives donc potentiellement en base et
trois nulles donc potentiellement hors base.

Cependant notre problme comporte trois contraintes donc trois dimensions donc trois variables en base.
Notre base est incomplte. Lune des variables nulles se trouve donc en base bien que les apparences nous
laissent penser le contraire et ce, du fait quil y a trop de contraintes passant par le point A.
Le point nest toutefois pas optimum selon le critre des cots dopportunit. Nous itrons. x1 entre en
base e1 sort de base.

Auteur: Philippe Gollotte


Page 98 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

Base = { x1 , x2 , e3 } :
-1

B b 0,
x1

x2

e1

e2

x1

2/3 -1/3

4/3

x2

-1/3 2/3

4/3

e3

1/3 -5/3

2/3

-1/3 -4/3

0 J = 20/3

Nous nous trouvons au point optimum x* (comme


nous pouvons le verifier par calcul des cots
dopportunit).

e 3 point ralisable

La fonction vaut 20 .

4.1.2.- Considrations sur la variable manquant en base:

Soit le programme linaire suivant:

Max 2 x1 + 3x2

x1 + x2 10 (1)
( P ) s x1 + 2 x2 14 ( 2 )
c x 4 ( 3)
2
x1 , x2 0
- Rsoudre graphiquement. Commenter.
- Expliciter le tableau simplexe associ loptimum. Commenter

1.- Graphiquement.
x2

Loptimum x* se situe l`intersection des


contraintes (1), (2) et (3). Nous pouvons donc
conclure que nous avons redondance de
contraintes en ce sommet.

LGENDE:
contraintes
aire des solutions
ralisables

10


J


J

solutions de base
gradient de J
courbes de
niveau de J

Seules deux quations de contraintes sont


ncessaires la dtermination des coordonnes

x* solution optimale

de x*.
5

x*

(3)

x*

De (3) nous avons x2 = 4


Dans (1) nous obtenons x1 = 6 .
(2)

La fonction vaut 24.

1
(1)
0

10

x1

Auteur: Philippe Gollotte


Page 99 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

2.- Tableau simplexe associ.


Base associe loptimum x*:
Dans un premier temps il convient de dterminer la base associe loptimum. Nous calculerons les
coordonnes compltes du point x*. Nous obtenons x * ( 6; 4; 0;0;0 ) soit deux variables positives donc
potentiellement en base et trois nulles donc potentiellement hors base.
Une fois de plus la redondance de contraintes en un sommet nous confronte un problme de base
incomplte (deux variables en base pour un problme trois contraintes).
Nous devrons donc complter notre base incomplte avec lune de trois variables nulles. Ne disposant
daucun critre de slection nous prsenterons les tableaux simplexes associs aux trois cas de figure
possibles (cest--dire en compltant la base par e1 , e2 ou e3 ).

Base = { x1 , x2 , e1} :
-1

B b 0,
e 3 point ralisable

Nous remarquons tout dabord que nous nous


trouvons au point optimum x * ( 6; 4 ) .

x1

x2

e1

e2

x1

-2

x2

e1

-1

Cependant en compltant la base incomplte par

-2

1 J = 24

e1 , le tableau simplexe correspondant apparat

Le second membre porte la marque de la


dgnrescence par redondance (cercle rouge).

comme celui dun point non optimum (cercle bleu).

Base = { x1 , x2 , e2 } :
-1

B b 0,
x1

x2

e1

e2

e 3 point ralisable

x1

-1

x2

e2

-1

-1

-2

-1 J = 24

Nous remarquons tout dabord que nous nous


trouvons encore au point optimum x * ( 6; 4 ) .
Le second membre porte la marque de la
dgnrescence par redondance (cercle rouge).
Cette fois-ci en compltant la base incomplte par

e2 , le tableau simplexe correspondant apparat


comme celui dun point optimum.

Auteur: Philippe Gollotte


Page 100 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

Base = { x1 , x2 , e3 } :
-1

B b 0,
e 3 point ralisable

Nous remarquons tout dabord que nous nous


trouvons toujours au point optimum x * ( 6; 4 ) .

x1

x2

e1

e2

x1

-1

x2

-1

e3

-1

Cette fois encore en compltant la base incomplte

-1

-1

0 J = 24

par e3 , le tableau simplexe correspondant apparat

Le second membre porte la marque de la


dgnrescence par redondance (cercle rouge).

comme celui dun point optimum.


Conclusion:
Comme nous avons pu le remarquer avec ces trois exemples les cas de redondance donnent lieu un
problme de base incomplte laquelle une fois complte par lune des variables nulles ne montre pas
forcment loptimalit du point.

4.2- Dgnrescence par multiplicit de solutions:


Un autre cas particulier peut entraner de la dgnrescence, comme son nom lindique il sagit des
problmes prsentant des solutions multiples. Prenons un exemple:

Soit le programme linaire suivant:

Max 3x1 + 6 x2

2x + x 4
( P ) s 1 2
c x1 + 2 x2 4
x1 , x2 0

(1)
( 2)

- Rsoudre graphiquement. Commenter.


- Rsoudre le problme grce lalgorithme du simplexe. Commenter

1.- Graphiquement.



Nous reprsentons lensemble des solutions ralisables, le gradient de la fonction objectif J = ( 3;6 ) et
ses courbes de niveau qui sont des droites parallles de coefficient directeur 1 . Nous obtenons:

Auteur: Philippe Gollotte


Page 101 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

x2

LGENDE:
contraintes
aire des solutions
ralisables


J

solutions de base

Loptimum nest plus un sommet


gnrique. En effet la courbe de niveau
maximum est confondue avec une arte
du polydre des solutions ralisables.

gradient de J
courbes de
niveau de J

Nous avons donc un segment solution, le

segment optimum

segment [AB]. En tout point de [AB] la


fonction objectif a la mme valeur. Elle
est maximale.

O
0

x1

Ces situations se prsentent quand le


gradient de la fonction objectif et le
vecteur directeur dune courbe de niveau
sont colinaires.



Dans notre cas nous avons J = ( 3; 6 ) . La contrainte (2) x1 + 2 x2 4 a pour vecteur directeur a = (1; 2 ) .


Ces vecteurs sont bien colinaires car J = 3.a .
En conclusion nous pouvons dire que nous avons une arte solution, le segment [AB]. Tout point de ce
segment est potentiellement optimum cest--dire A, B mais aussi toute combinaison linaire de A et B
comprise entre ces deux points. Cela sexprime par:
Segment solution: [ AB ] = A + (1 ) B;

0 1.

Il ne reste qu dterminer les coordonnes de A et de B, chose que nous ne ferons pas ici sinon plus loin
grce lalgorithme du simplexe.
2.- Algorithme du simplexe.

Tableau simplexe initial:


Le tableau simplexe initial associ au problme est
des plus traditionnels. Il nest pas optimum. On itre.

-1

B b 0,

e1

x1

x2

e1
1

e 2 point ralisable
0

1 =4

2 =2

pivot

e2

0 J =0

sort

entre

Auteur: Philippe Gollotte


Page 102 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

Base = {e1 , x2 } :

-1

B b 0,

du segment solution.

x1

x2

e1

3/2

-1/2

Nous remarquons que le cot dopportunit de la variable

x 2 1/2

1/2

hors base x1 est nul. Cest la marque de la dgnrescence

-3 J = 12

e1

e 2 point ralisable

Nous nous trouvons au point A ( 0; 2; 2;0 ) , borne gauche

par multiplicit de solutions.

Cependant tel rsultat nest pas surprenant. Rappelons-nous la dfinition de cot dopportunit donne au
chaptre 2:
Le cot d'opportunit (ou cot d'option) mesure la perte des biens auxquels on renonce en
affectant les ressources disponibles un usage donn [...] Dans notre optique doptimisation il
sagit de mesurer pour chaque variable du problme la perte subie dans la fonction objectif du fait
de la diffrence entre la situation actuelle de la variable et la situation non ralise de compter sur
cette variable en base.
En dautre termes ici au point A le cot dopportunit de x1 est nul car si lon se dplace de ce sommet au
suivant (le point B), la fonction objectif ne perdra pas de sa valeur (donc le cot dopportunit nest pas
ngatif); cependant elle ne gagnera pas non plus de valeur car au point B, nous nous trouvons toujours sur
la mme courbe de niveau de la fonction objectif (donc le cot dopportunit nest pas positif).
Le cot dopportunit de x1 est nul car si bien nous nous trouverions toujours loptimum si nous
itrerions, nous ne gagnerions pas en valeur de la fonction objectif. En dautres termes nous sommes
indiffrents entre rester au point A ou passer au point B.
Nous avons donc dtermin les coordonnes dun des cts du segment solution. Il ne manque que lautre.
Base = { x1 , x2 } :

-1

-1

B b 0,

e1

x1

x2

e1

3/2

-1/2

3/2 = 4/3

1/2

1/2 = 4

-3 J = 12

B b 0,

e 2 point ralisable
sort

x1

x2

e1

e 2 point ralisable

x1

2/3 -1/3 4/3

x2

-1/3 2/3 4/3

pivot

x 2 1/2
0

-3 J = 12

entre

Auteur: Philippe Gollotte


Page 103 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

En itrant nous obtenons le tableau simplexe associ au point B 4 ; 4 ; 0;0 lequel prsente lui-aussi la

marque de la dgnrescence par multiplicit de solutions et ce, pour les mmes raisons.
Nous pouvons donc conclure que le problme a une infinit de solutions, tous les points du segment [ AB ]
dfinis par:

4
3
;
4
3

0
2

Segment [ AB ] = + (1 )

0 1

Problme de synthse pour le chaptre 4.

Soit le programme linaire suivant:

Max 2 x1 + 6 x2 + 4 x3

x1 + 3x2 + 2 x3 6 (1)
( P ) s x1 + 2 x2 + x3 4 ( 2 )
c x + 2x 4 ( 3)
3
1

x1 , x2 , x3 0
- Rsoudre le problme grce lalgorithme du simplexe. Commenter

Tout dabord nous remarquons que la fonction objectif et la premire contrainte sont proportionnelles en
termes de coefficients assigns aux variables de dcision. Nous aurons donc ici un cas de dgnrescence.

Tableau simplexe initial:


A lorigine, le point O de coordonnes

-1

B b 0,
x1

x2

x3

e1

e2

e1

3 =2

e2

2 =2

e3

0 J =0

(0;0;0) nous constatons que selon notre

e 3 point ralisable

critre de sortie de base, il nous est


indiffrent de voir sortir e1 ou e2 de base.

pivot
sort

e3 est hors de question car nous ne


pouvons diviser par 0.

entre

Nous prfrerons voir e2 sortir de base car


il sera plus ais de travailler avec un pivot
de 2.

Auteur: Philippe Gollotte


Page 104 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

Base = {e1 , x2 , e3 } :
Nous affrontons un cas de dgnrescence
par redondance du fait de la prsence dun
zro dans le second membre.

-1

B b 0,
x1

x2

x3

e1

e2

e 1 -1/2 0

1/2

x 2 1/2

1/2

e3

-1

e 3 point ralisable

-3/2

1/2 = 0

1/2

1/2 = 4

2 =2

-3

0 J = 12

sort

Cependant le sommet associ nest pas


optimum nous itrerons.

pivot

Remarquons toutefois que la fonction


objectif vaut 12. Nous verrons plus loin
quil sagit du maximum de la fonction.

entre

Cependant comme nous avons vu plus haut la base actuelle ne laisse pas constater loptimalit du point au
niveau des cots dopportunit.

Base = { x3 , x2 , e3 } :
Ce
tableau
intressant.

-1

B b 0,
x1

x2

x3

e1

e2

x3

-1

-3

x2

-1

1 =2

3 = 4/3

particulirement

e 3 point ralisable
Les cots dopportunits des variables
hors base sont ngatifs ou nuls.
Le point

pivot

e3

est

-4

-2

0 J = 12

sort

entre

( x1 , x2 , x3 ) = ( 0, 2,0 )

est donc

optimum. La fonction vaut 12.


Nous remarquons la prsence dun zro
dans le second membre.

Nous avons donc redondance de contraintes passant par le sommet associ la base.
Nous remarquons galement que les cots dopportunit des variables hors base x1 et e2 sont nuls. Cest
la marque de la dgnrescence par multiplicit de solutions.
Notre problme comporte trois variables de dcision et deux opportunits de faire entrer une variable en
base sans prjudice pour la fonction objectif, nous sommes visiblement ici en prsence non dun segment
solution sinon dun morceau de plan solution dlimit par trois sommets associs au trois bases solutions:
-

= { x3 , x2 , e3 } associe au point ( x1 , x2 , x3 ) = ( 0, 2,0 ) .

la base obtenue en faisant entrer x1 en base

la base obtenue en faisant entrer e2 en base.

Auteur: Philippe Gollotte


Page 105 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

Nous remarquons galement que pour la prochaine itration nous sommes indiffrents faire entrer x1 ou

e2 en base du fait que les consquences pour la fonction objectif sont les mmes. Nous prfrerons dans
un premier temps faire entrer x1 car un pivot de 3 serait ventuellement plus simple quun pivot de 6.

Base = { x3 , x2 , x1} :
Les cots dopportunit des variables

-1

B b 0,
x1

x2

x3

e1

e2

e 3 point ralisable

x3

2/3

-1

1/3 4/3

x2

1/3

-1/3 2/3

hors base e2 et e3 sont nuls du fait du


problme de dgnrescence
multiplicit de solutions.

1 =2

pivot

x1

-4/3

-2

1/3 4/3

3 = 4/3

sort

Le point ( x1 , x2 , x3 ) = 4 , 2 , 4

par

) est

optimum. La fonction objectif vaut 12.

0 J = 12

entre

Il ne nous reste plus qu faire entrer e2 en base afin de dterminer le dernier sommet dlimitant
lensemble des solutions optimales.
Les cots dopportunit nous donnent galement la possibilit de faire entrer e3 en base. Dans ce cas il
nous serait indiffrent de faire sortir x1 ou x3 . Si x1 sort, nous retournons au sommet antrieur.
Si x3 sort, nous obtenons le tableau simplexe suivant:

Base = {e3 , x2 , x1} :


Ce tableau est optimum.

-1

B b 0,
x1

x2

x3

e1

e2

e 3 point ralisable

e3

-3

( x1 , x2 , x3 ) = ( 0, 2,0 )

x2

-1

une autre base, fait permis par la


redondance de contraintes en ce point.

x1

-1

-2

-2

0 J = 12

Nous sommes nouveau au sommet

pivot

entre

3 =0

mais relativement

sort

A partir de ce point x3 peut entrer en


base. Nous nous retrouverions au
sommet prcdent.

Auteur: Philippe Gollotte


Page 106 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

Egalement e2 peut entrer en base. Nous serions toujours situs au mme point mais relativement une
autre base pour les mmes raisons. Nous pouvons vrifier que le tableau simplexe associ serait galement
optimum. Litration suivante nous enverrai nouveau lorigine.
Revenons maintenant notre plan original o il ne restait qu faire entrer e2 pour x1 afin de dterminer
le dernier sommet dlimitant lensemble solution et associ la base = { x3 , x2 , e2 } .

Base = { x3 , x2 , e2 } :
-1

B b 0,
x1

x2

x3

e1

e2

e 3 point ralisable

x 3 1/2

1/2

x2

1/3

-1/3 2/3

e2

1/2

-2/3

1/6 2/3

-2

0 J = 12

Au sommet

( x1 , x2 , x3 ) = ( 0, 2 3 , 2 )

le tableau

simplexe associ est optimum.


Une fois de plus nous voyons la marque de la
dgnrescence par multiplicit de solutions.
Les itrations possibles partir de ce point nous
renvoient des sommets dj analyss.

Nous avons donc dtermins les trois sommets dlimitant le morceau de plan solution. Ils sagit des
sommets:
-

( x1 , x2 , x3 ) = ( 0, 2,0 ) associ aux bases = { x3 , x2 , e3 } , = {e3 , x2 , x1} , = { x3 , x2 , e2 } .

( x1 , x2 , x3 ) = ( 4 3 , 2 3 , 4 3 ) associ la base = { x3 , x2 , x1} .

( x1 , x2 , x3 ) = ( 0, 2 3 , 2 ) associ la base = { x3 , x2 , e2 } .

Le plan solution sexprime alors:

4
0
0

2
2
P = 2 +
+ ; + + = 1; 0 , , 1 .
3
3

0

La fonction objectif vaut 12.

Auteur: Philippe Gollotte


Page 107 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

Exercices du chaptre 4.
Exercice 1.Soit le programme linaire:

Max 3 x1 + 3 x2

x1 + x2 5
( P ) b x1 + 2 x2 8
r x 4
1
x1 0, x2 0
-

Rsoudre le problme graphiquement. Commenter.


Rsoudre le problme grce lalgorithme du simplexe.

Exercice 2.Une entreprise vend deux produits X et Y S/. 3 chacun. Pour la fabrication de X et Y on utilise deux
matires premires A et B. exactement 1 et 2 units de A et 2 et 1 units de B par unit produite de X et Y
respectivement. Le stock de A et B est de 6 units de chaque matire premire. Une machine intervenant
dans le processus productif limite la production de Y 3 units.
-

Formuler le problme de lentreprise et le rsoudre grce lalgorithme du simplexe.


En expliquant soigneusement votre raisonnement, proposer une expression simplifie de ce
problme.

Exercice 3.Une usine produit deux objets 1 et 2 grce une substance A. 2 units de A son ncessaires la production
de chaque objet. Nous disposons de 12 units de A. Les deux objets sont travaills par une machine dont
les rendements horaires pour les objets 1 et 2 son respectivement 5 et 10. La demande ne permet pas de
vendre plus de 4 units de lobjet 1. Les objets 1 et 2 se vendent S/. 1 000 chacun.
- Formuler et rsoudre le problme grce lalgorithme du simplexe.
Les prix de vente se voient modifis et deviennent S/. 6 000 et S/. 3 000.
- Modifier le(s) tableau(x) simplexe(s) optimum(s) en consquence. Conclure.
- Expliciter lventuelle nouvelle solution et commenter les alternatives possibles pour lusine.
- Sachant que la substance A est contrle et que lapprovisionnement est compliqu, quelle
solution recommanderiez-vous?

Auteur: Philippe Gollotte


Page 108 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation

Exercice 4.Soit le programme linaire:

Min x1 + 2 x2

2 x1 + x2 8
( P ) b x1 + x2 6
r x + 5 x 10
2
1
x1 0, x2 0
-

Rsoudre le problme gomtriquement. Exprimer la forme standard du problme.

Expliciter B, matrice associe la famille = { x2 , e2 , e3 } . Montrer que cette famille est base
de 3 . Expliciter le tableau simplexe associ cette base.

Montrer que = { x2 , e2 , e3 } est ralisable mais non optimum. Placer sur le graphique le point

A correspondant la base = { x2 , e2 , e3 } .
-

A partir du point A utiliser lalgorithme du simplexe jusqu trouver la solution optimum.

Nous remplaons la fonction conomique Min x1 + 2 x2 par Min 2 x1 + 2 x2 .


-

Observer graphiquement les consquences de ce changement et expliciter les solutions


optimums.
Modifier le tableau simplexe optimum antrieur afin de prendre en compte le changement de
fonction objectif. Commenter

Exercice 5.Soit le programme linaire:

Max 2 x1 + x2

2 x1 + x2 8
( P ) b
r x1 + 2 x2 8
x1 0, x2 0

Rsoudre le problme graphiquement.


Expliciter le(s) tableau(x) simplexe(s) associs loptimum.

Cas n1: Nous ajoutons la restriction x1 + x2 6 . Observer graphiquement les changements et


commenter. Mettre jour le(s) tableau(x) simplexe(s) associs la solution antrieure. Est-elle
toujours optimum.

Cas n2: Mme question si la restriction ajoute est x1 + x2 4 .

Auteur: Philippe Gollotte


Page 109 de 159
Consorcio e-Miage - Universidad de San Martn de Porres, B105 Programmation Mathmatique et Optimisation