Exercices QCM Prog Lineaire Chadli FSJES PDF

Sommaire
1 Traduction des problèmes en language mathématique 2

1.1 Enoncés des Exercices. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
1.2 Solutions des Exercices. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
2 Résolution par la Méthode Algébrique 15

2.1 Rappel sur le principe de la résolution par la méthode algébrique . . . . . . . 15
2.2 Enoncé des Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
2.3 Solutions des Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
3 La Méthode du Simplexe 30
3.1 Rappel sur le principe de la résolution par la méthode du simpléxe . . . . . . 30
3.2 Enoncés des Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31
3.3 Solutions des Exercices . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33
4 QCM d’Auto-Evaluations 47
1
Chapitre 1
Traduction des problèmes en language

mathématique
1.1 Enoncés des Exercices.
Exercice 1
La direction d’une usine de meubles a constaté qu’il y a des temps morts dans chacun
des départements de l’usine. Pour remédier à cette situation, elle décide d’utiliser ces temps
morts pour fabriquer deux nouveaux modèles de bureaux, M1 et M2 . Les temps de réalisation
pour chacun de ces modèles dans les ateliers de sciage, d’assemblage et de sablage ainsi que
les temps libres dans chacun de ces ateliers sont donnés dans le tableau ci-dessous. Ces
temps représentent le nombre d’heures nécessaires à un homme pour effectuer le travail. Les
profits que la compagnie peut réaliser pour chacun de ces modèles sont de 300 DH pour M1
et de 200 DH pour M2 .
M1 M2 Temps Libre
Sciage 1 2 20
Assemblage 2 1 22
Sablage 1 1 12
Donner le programme de la direction permettant de déterminer combien de bureaux de

chaque modèle elle doit fabriquer pour maximiser son profit.
Exercice 2
L’entreprise NewTech doit, dans son processus de fabrication de ses produits, utiliser trois
phases successives d’opération : l’usinage des pièces, l’assemblage et la finition. Pour simpli-
fier le problème, supposons que l’entreprise fabrique trois produits que nous noterons P1 , P2
et P3 . Les différentes phases d’opération ne peuvent toutefois fonctionner que pendant un
certain nombre d’heures. La main d’oeuvre actuelle limite le nombre d’heures disponibles
aux valeurs suivantes:
Usinage: 100 heures
Assemblage: 120 heures
Finition: 200 heures
2
Traduction des problèmes en language mathématique 1.1 Enoncés des Exercices.
Le tableau suivant nous indique les temps de fabrication requis, en heures/unité, aux différentes
phases d’opération pour fabriquer les produits P1 , P2 et P3 .
P 1 P2 P3
Usinage 1 2 1
Assemblage 3 4 2
Finition 2 6 4
Le département de compatibilité de l’entreprise a estimé aux valeurs suivantes la contribution
au bénéfice de chaque produit:
Produit DH/ unité
P1 6
P2 7
P3 8
De plus, on suppose qu’il n’existe aucune restriction de marché ; il peut absorber toute la
production. Déterminer le programme de base du problème.
Exercice 3
Une compagnie prépare trois assortiments de fruits frais : une boı̂te de luxe, une boı̂te spéciale
et une boı̂te ordinaire. La boı̂te de luxe contient 0.45 kg de dattes, 0.67 kg d’abricots et 0.34
kg de pêches. La boı̂te spéciale contient 0.56 kg de dattes, 0.34 kg d’abricots et 0.084 kg
de pêches. La boı̂te ordinaire contient 0.45 kg de dattes, 0.22 kg d’abricots. La compagnie
dispose de 33.6 kg de dattes, 25.2 kg d’abricots et 10.08 kg de pêches. Les profits sur chaque
boı̂te de luxe, spéciale et ordinaire sont respectivement de 3 DH, 2 DH et 1.50 DH.
Enoncer le programme de base de la compagnie.
Exercice 4
Une compagnie a besoin d’espace additionnel pour entreposer ses marchandises. Elle planifie
la location d’espace pour les cinq prochains mois, sachant que l’espace additionnel requis pour
chacun de ces mois est connu avec certitude, tel que représenté par le tableau suivant:
Mois Espace additionnel requis (m2)
1 30000
2 20000
3 40000
4 10000
5 50000
Plusieurs options s’offrent à la compagnie : elle peut louer de l’espace un mois à la fois, mais
aussi pour des périodes de deux mois ou plus. Les coûts de location correspondants sont
donnés par le tableau suivant:
Période de location (mois) Coût de location (DH/m2)
1 65
2 100
3 135
4 160
5 190
Ouayl Chadli 3 Math Economie

L’objectif de la compagnie est de minimiser le coût total de location, tout en s’assurant

que l’espace additionnel requis soit loué. Formulez ce problème à l’aide d’un modèle de
programmation linéaire.
Exercice 5
Un fabricant de meubles peut produire quatre modèles de bureau. Chaque bureau est d’abord
fabriqué dans l’atelier de menuiserie, puis envoyé à l’atelier de finition où il est poncé et verni.
Le nombre d’heures de travail requis dans chaque atelier est le suivant:
Modèle 1 Modèle 2 Modèle 3 Modèle 4
Menuiserie 4 9 7 10
Atelier de finition 1 1 3 40
Du fait des capacités de production limitées, on ne peut effectuer plus de 7000 heures de
travail dans l’atelier de menuiserie et de 4000 heures de travail dans l’atelier de finition, au
cours des six mois à venir. La marge bénificière brute (recette moins coût directs) provenant
de la vente de chaque modèle est la suivante:
Modèle 1 2 3 4
Marge 60 100 90 200
On suppose que les matières premières et les fournitures sont disponibles en quantités suff-
isante et que toute la production peut être écoulée.
Travail à faire: Ecrire le programme linéaire dont l’objectif est la maximisation de la marge
bénificiaire.
(Source: D’après G.B. Dantzig, ”Applications et prolongement de la programmation linéaire”, Dunod)
Exercice 6
La ”Socité anonyme des Fonderies du Maroc” fabrique, entre autres produits, deux articles
P1 et P2 qu’elle vend à des grossistes aux prix respectifs de 320 DH et 500 DH. Sur le plan
de fabrication, la production des produits P1 et P2 nécessite l’utilisation, dans un ordre
quelconque, de trois types de machines notées M1 , M2 et M3 , pendant des temps exprimés
en minutes dans le tableau suivant:
Machines M1 M2 M3
Produit P1 20 50 10
Produit P2 30 50 40
Par ailleurs, pour cette fabrication, ces machines ne sont disponibles au cours d’un mois que:
300 h pour les machines M1
Les marges sur coûts variables, en poucentage du prix de vente, s’élèvent à
25 % pour P1
20 % pour P2 .
La direction vous demande:

1- De determiner, par une méthode graphique de résolution du système d’inéquations ex-

primant les contraintes, un programme de fabrication permettant d’obtenir la marge
sur coût maximale;
2- D’en déduire:
a- Le chiffre d’affaires prévisionnel mensuel,

b- Le coefficient moyen de marge sur coûts variable par rapport au chiffre d’affaires
prévisionnel de l’ensemble des deux produits;
3- D’indiquer pour ce programme de fabrication:
a- Les machines pour lesquelles il y aura plein emploi,

b- Dans quelle mesure l’entreprise pourrais accepter des travaux de sous-traitance à
faire sur l’un de ses types de machines.
(Source: B.T.S., comptabilité et gestion d’entreprise.)

Traduction des problèmes en language mathématique 1.2 Solutions des Exercices.
1.2 Solutions des Exercices.
Exercice 1
Posons x1 le nombre de bureaux du modèle M1 et x2 le nombre de bureaux du modèle M2 .
Les temps libres de chaque département imposent des contraintes qu’il faut respecter. La
contrainte imposée par les temps libres à l’atelier de sciage:
x1 + 2x2 ≤ 20.
Les autres contraintes sont:

2x1 + x2 ≤ 22
x1 + x2 ≤ 12
Il s’ajoute à ces contraintes des contraintes de non-négativité puisque le nombre de bureaux
ne peut être négatif, on a donc:
x1 ≥ 0 et x2 ≥ 0.
Graphiquement les solutions réalisables sont les points du polygone convexe de la figure
suivante:
Figure 1.1: l’ensemble des solutions admissibles c’est le polygone convexe en gris
La direction veut maximiser son profit, c’est-à-dire maximiser la fonction:
f (x1 , x2 ) = 300x1 + 200x2 .
Pour chacune de ces solutions admissibles, c’est-à-dire pour chacun des points du polygone
convexe, la compagnie fera un profit positif. Si la compagnie fabrique trois exemplaires du
modèle M1 et deux exemplaires du modèle M2 , le profit sera:
f (3, 2) = 300 × 3 + 200 × 2 = 1300 DH.

Il ne saurait être question de calculer le profit réalisable pour chacun des points du polygone
convexe. Pour avoir une vision globale du problème, représentons le profit réalisé par le
paramètre z. On a:
300x1 + 200x2 = z
qui représente une famille de droites parallèles. En isolant x2 , on obtient:
3 1
x2 = (− )x1 + z
2 200
3
Il s’agit donc d’une famille de droites de pente − et qui passent par le point dont l’ordonnée
2
z
à l’origine est (c’est dire le point dont les coordonées sont x1 = 0 et x2 = z/200) . Parmi
200
les droites de cette famille, seules celles ayant des points communs avec l’ensemble des
solutions admissibles (qui est representé ici par le polygone convexe en gris sur le graphique)
nous intéressent. La fonction f (x1 , x2 ) atteindra sa valeur maximale lorsque l’ordonnée à
z
l’origine de la droite:
200
3 1
x2 = (− )x1 + z
2 200
atteindra sa valeur maximum tout en passant par au moins un des points de l’ensemble des
solutions admissibles (polygone convexe en gris sur le graphique).
Figure 1.2: Les droites hachurées representent les droites parallèles d’équations x2 =
(− 32 )x1 + 200
1
z pour une valeur donnée de z.
Graphiquement on constate que la droite respectant ces conditions semble être la droite
de la famille passant par le point-sommet du polygone convexe (10, 2). Le profit est alors:
f (10, 2) = 300 × 10 + 200 × 2 = 3400 DH.
Il reste à s’assurer algébriquement des coordonnées du point-sommet représentant l’optimum
en résolvant le système:
2x1 + x2 = 22
x1 + x2 = 12

ce qui donne x1 = 10 et x2 = 2. Ainsi le programme de la direction est (10,2).
Exercice 2
Notons par x1 , x2 et x3 respectivement les quantités des produits P1 , P2 et P3 fabriqués par
l’entreprise. La contrainte imposée par la phase de fabrication liée à l’usinage est:
x1 + 2x2 + x3 ≤ 100.
Les autres contraintes imposées par les phases d’assemblage et de finition sont données par:
3x1 + 4x2 + 2x3 ≤ 120

2x1 + 6x2 + 4x3 ≤ 200
Il s’ajoute à ces contraintes des contraintes de non-négativité puisque le nombre des produits
fabriqués ne peut être négatif, on a donc:
x1 ≥ 0, x2 ≥ 0 et x3 ≥ 0.
La direction veut maximiser son profit, c’est à dire maximiser la fonction:
f (x1 , x2 , x3 ) = 6x1 + 7x2 + 8x3 .
Le programme linéaire que doit résoudre l’entreprise est donc:
maximiser 6x1 + 7x2 + 8x3



 x1 ≥ 0, x2 ≥ 0, x3 ≥ 0
x1 + 2x2 + x3 ≤ 100

sous contraintes

 3x1 + 4x2 + 2x3 ≤ 120
2x1 + 6x2 + 4x3 ≤ 200

Exercice 3
Les données du problème se résument dans le tableau suivant:
Dattes Abricots Pêches
boı̂te luxe 0.45 kg 0.67 kg 0.34 kg
boı̂te spéciale 0.56 kg 0.34 kg 0.084 kg
boı̂te ordinaire 0.45 kg 0.22 kg 0 kg
Notons par x1 , x2 , x3 respectivement le nombre de boı̂tes de luxe, spéciales, ordinaires. La
contrainte imposée par la quatité de dattes disponible est:
0.45 x1 + 0.56 x2 + 0.45 x3 ≤ 33.6
Les autres contraintes imposées par les quatités d’abricots et de pêches disponibles sont
données par:
0.67 x1 + 0.34 x2 + 0.22 x3 ≤ 25.2
0.34 x1 + 0.084 x2 ≤ 10.08

Il s’ajoute à ces contraintes des contraintes de non-négativité puisque le nombre de boı̂tes

ne peut être négatif, on a donc:
x1 ≥ 0, x2 ≥ 0 et x3 ≥ 0.
La compagnie veut maximiser son profit, c’est à dire maximiser la fonction:
f (x1 , x2 , x3 ) = 3 x1 + 2 x2 + 1.5 x3
Le programme linéaire est donc:
maximiser 3 x1 + 2 x2 + 1.5 x3


 x1 ≥ 0, x2 ≥ 0, x3 ≥ 0
0.45 x1 + 0.56 x2 + 0.45 x3 ≤ 33.6

sous contraintes

 0.67 x1 + 0.34 x2 + 0.22 x3 ≤ 25.2
0.34 x1 + 0.084 x2 ≤ 10.08

Exercice 4
Notons par xij la quantité d’espace loué par la compagnie pour une durée de j mois à compter
du mois i (m2). Par exemple x12 signifie que la compagnie a loué l’espace pour une période
de deux mois à partir du premier mois (ç.à.d. le premier mois et le deuxième mois); x32
signifie qu’elle a loué l’espace pour deux mois à partir du troisème mois (ç.à.d. le troisième
mois et le quatrième mois) et ainsi de suite. Pour une valeur de i allant de 1 jusqu’à 5,
alors j prend la valeur de 1 jusqu’à 6 − i. Ainsi les variables xij qui representent la quantité
d’espace loué sont comme suite:
x11 x12 x13 x14 x15
x21 x22 x23 x24
x31 x32 x33
x41 x42
x51
Les contraintes économiques sont données comme suite:


 x11 + x12 + x13 + x14 + x15 ≥ 30000
 x12 + x13 + x14 + x15 + x21 + x22 + x23 + x24 ≥ 20000


x13 + x14 + x15 + x22 + x23 + x24 + x31 + x32 + x33 ≥ 40000
x14 + x15 + x23 + x24 + x32 + x33 + x41 + x42 ≥ 10000




x15 + x24 + x33 + x42 + x51 ≥ 50000

les contraintes de signes sont comme suite:

xij ≥ 0, pour i = 1, · · · , 5 et j = 1, · · · , 6 − i pour chaque valeur de i
L’objectif de la compagnie est de minimiser le coût total de location (en DH):
minimiser [65(x11 + x21 + x31 + x41 + x51 ) + 100(x12 + x22 + x32 + x42 ) + 135(x13 + x23 + x33 )+
160(x14 + x24 ) + 190(x15 )]
Le programme linéaire qui se pose donc pour la compagnie est comme suite:

minimiser [65(x11 + x21 + x31 + x41 + x51 ) + 100(x12 + x22 + x32 + x42 ) + 135(x13 + x23 + x33 )+
160(x14 + x24 ) + 190(x15 )]


 x11 + x12 + x13 + x14 + x15 ≥ 30000
x 12 + x13 + x14 + x15 + x21 + x22 + x23 + x24 ≥ 20000




x13 + x14 + x15 + x22 + x23 + x24 + x31 + x32 + x33 ≥ 40000

sous contraintes

 x14 + x15 + x23 + x24 + x32 + x33 + x41 + x42 ≥ 10000
x + x24 + x33 + x42 + x51 ≥ 50000

 15



xij ≥ 0, pour i = 1, · · · , 5 et j = 1, · · · , 6 − i pour chaque valeur de i
Exercice 5
Notons par x1 , x2 , x3 , x4 respectivement le nombre de bureaux des modèles M1 , M2 , M3 ,
M4 produits par l’entreprise. La contrainte liée à la phase de menuiserie est comme suite:
4 x1 + 9 x2 + 7 x3 + 10 x4 ≤ 7000.
La contrainte liée à la phase de finition est comme suite:
x1 + x2 + 3 x3 + 40 x4 ≤ 4000.
Il s’ajoute à ces contarintes économiques, les contraintes de signes:
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0.
La compagnie veut maximiser son profit, c’est à dire maximiser la fonction:
f (x1 , x2 , x3 , x4 ) = 60 x1 + 100 x2 + 90 x3 + 200 x4
maximiser 60 x1 + 100 x2 + 90 x3 + 200 x4


 x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0
sous contraintes 4 x1 + 9 x2 + 7 x3 + 10 x4 ≤ 7000
x1 + x2 + 3 x3 + 40 x4 ≤ 4000

Exercice 6
1- Notons par x1 et x3 respectivement les quantités des produits P1 et P2 fabriqués par la
société. Les contraintes économiques liées à l’utilisation des machines M1 , M2 et M3 sont
données par:
20 x1 + 30 x2 ≤ 300
50 x1 + 50 x2 ≤ 500
10 x1 + 40 x2 ≤ 200.

Les contraintes de signes sont données par:
x1 ≥ 0 et x2 ≥ 0.
Pour déterminer la fonction économique, notons que la marge sur coût variable est donnée
par la formule:
M CV = CA − CV,
où
CA = chiffre d’affaire
CV = charge variable.
Comme les marges sur coûts variables en poucentage du prix de vente pour P1 et P2 sont
respectivement de 25% et 20%, on en déduit donc que la fonction économique est donnée
par:
f (x1 , x2 ) = 80 x1 + 100 x2 .
maximiser 80 x1 + 100 x2


 x1 ≥ 0, x2 ≥ 0
20 x1 + 30 x2 ≤ 300

sous contraintes

 50 x1 + 50 x2 ≤ 500
10 x1 + 40 x2 ≤ 200

Graphiquement, l’ensemble des solutions admissibles est donné par le polygone convexe (F)
sur la figure.
Figure 1.3: l’ensemble des solutions admissibles c’est le polygone convexe en gris

La société veut maximiser la marge sur coûts variables, c’est-à-dire maximiser la fonction:
f (x1 , x2 ) = 80x1 + 100x2 .
Pour chacune de ces solutions admissibles, c’est-à-dire pour chacun des points du polygone
convexe (F), la compagnie fera un profit positif. Si la compagnie fabrique trois exemplaires
du Produit P1 et deux exemplaires du produit P2 , le profit sera:
f (3, 2) = 80 × 3 + 100 × 2 = 440 DH.
Il ne saurait être question de calculer le profit réalisable pour chacun des points du polygone
convexe (F). Pour avoir une vision globale du problème, représentons le profit réalisé par le
paramètre z. On a:
80x1 + 100x2 = z
qui représente une famille de droites parallèles. En isolant x2 , on obtient:
4 1
x2 = (− )x1 + z
5 100
4
Il s’agit donc d’une famille de droites de pente − et qui passent par le point dont l’ordonnée
5
z
à l’origine est (c’est dire le point dont les coordonées sont x1 = 0 et x2 = z/100) . Parmi
100
les droites de cette famille, seules celles ayant des points communs avec l’ensemble des
solutions admissibles (qui est representé ici par le polygone convexe en gris sur le graphique)
nous intéressent. La fonction f (x1 , x2 ) atteindra sa valeur maximale lorsque l’ordonnée à
z
l’origine de la droite:
100
4 1
x2 = (− )x1 + z
5 100
atteindra sa valeur maximum tout en passant par au moins un des points de l’ensemble des
solutions admissibles (polygone convexe (F) en gris sur le graphique).
Graphiquement on constate que la droite respectant ces conditions semble être la droite
de la famille passant par le point-sommet B(6.67; 3.33) du polygone convexe (F). Le profit
est alors:
f (10, 2) = 80 × 6.67 + 100 × 3.33 = 866.6 DH.
Il reste à s’assurer algébriquement des coordonnées du point-sommet B représentant l’optimum.
En effet, le point B represente l’intersection des deux droites d’équations respectivement
50x1 + 50x2 = 500 et 10x1 + 40x2 = 200. On résoud donc le système:

50x1 + 50x2 = 500
10x1 + 40x2 = 200
ce qui donne x1 = 6.67 et x2 = 3.33. Ainsi, la direction on doit choisir entre les solutions
approchées x1 = 7 et x2 = 3 ou bien x1 = 6 et x2 = 4. Pour pouvoir choisir on doit analyser
chaque programme et voir celui qui reste optimal.
• Pour x1 = 7 et x2 = 3: on a 50 × 7 + 50 × 3 = 500 et 10 × 7 + 40 × 3 = 190;

Figure 1.4: Les droites hachurées representent les droites parallèles d’équations 80x1 +
100x2 = z pour une valeur donnée de z.
• Pour x1 = 6 et x2 = 4: on a 50 × 6 + 50 × 4 = 500 et 10 × 6 + 40 × 4 = 220.

On voit donc que la deuxième solution approchée n’est pas envisageable car elle n’est pas
admissible. Ainsi le programme de la direction est (7, 3).
2- Déductions:
a- Le chiffre d’affaires prévisionnel mensuel M est donné par l’expression
M = p × Q,
où p est le prix et Q represente la quantité produite. Ainsi dans notre cas,
M = (p1 × x1 ) + (p2 × x2 )
avec p1 c’est le prix de vente au grossiste du produit P1 et p2 le prix de vente du produit
P2 . Ainsi, le chiffre d’affaire prévisionnel mensuel est
M = 320 × 7 + 500 × 3 = 3740DH.
b- Déterminons le coefficient moyen τ de marge sur coûts variable par rapport au chiffre
d’affaires prévisionnel de l’ensemble des deux produits. Ce coefficient est donné par
(τ1 × p1 × x1 ) + (τ2 × p2 × x2 )
τ= ,
M
où τ1 = 25%, τ2 = 20% et M est le chiffre d’affaire mensuel de l’ensemble des deux
produits. Ainsi,
τ ' 23%.

3- Indication pour le programme de fabication optimal.
a- Les machines pour lesquelles il y a plein emploi sont les machines M2 et M3 car
50x1 + 50x2 = 50 × 7 + 50 × 3 = 500

10x1 + 40x2 = 10 × 7 + 40 × 3 = 190 ' 200.
La machine qui n’est pas entièrement exploitée est la machine M1 car
20 x1 + 30 x2 = 20 × 7 + 30 × 3 = 230 < 300.
Il reste donc 70h pour la machine M1 qui sont non expoitées.
b- La société peut faire appel à une sous-traitance concernant la production relative à la

machine M1 s’il s’avère que le coût de production relatif à M1 (énergie consommée,
main d’oeuvre,...) est inférieur à celui qu’elle pourra réaliser en faisant appel au service
d’une autre entreprise spécialisée (respect des normes de qualité...).

Chapitre 2
Résolution par la Méthode Algébrique
2.1 Rappel sur le principe de la résolution par la méthode

algébrique
La méthode algébrique est une recherche systématique de programmes de base (points som-
mets) jusqu’à l’obtention d’un programme optimal. Il s’agit tout simplement d’un algorithme
où chaque itération fait passer d’une solution extême vers une autre tout en faisant augmenter
la valeur de la fonction économique. Pour ce faire, il s’agit:
1- De structurer le problème sous forme d’un système d’équations en introduisant les

variables d’écart requises. Il s’agira bien sûr d’avoir précisé préalablement les
variables (principales et d’écart) ainsi que la fonction économique.
2- De déterminer un programme de base qui servira de départ au cheminement vers

la solution optimale (programme optimal).
3- D’expliciter la fonction économique et de déterminer si elle peut être améliorée:

recherche de l’éventuelle variable (hors programme) admettant le plus grand
coefficient positif. Dans la négative, le programme est optimal.
4- En introduisant cette variable dans le programme, on choisira la plus petite

valeur positive obtenue à l’aide du système d’équations calculé lors de l’étape
précédente. Celà induira également la variable sortante.
5- Pour déterminer un nouveau programme de base, on doit transformer le système

d’équations ainsi que l’expression de la fonction économique en exprimant les
variables dans le programme de base en fonction des variables hors programme
(par substitution).
6- Retourner à 3) jusqu’à l’obtention du programme de base optimal.
7- Donner le programme optimal en précisant la valeur de toutes les variables ainsi

que la valeur optimisée de la fonction économique.
15
Résolution par la Méthode Algébrique 2.2 Enoncé des Exercices
2.2 Enoncé des Exercices

Exercice 1
La direction d’une usine de meubles a constaté qu’il y a des temps morts dans chacun
des départements de l’usine. Pour remédier à cette situation, elle décide d’utiliser ces temps
morts pour fabriquer deux nouveaux modèles de bureaux, M1 et M2 . Les temps de réalisation
pour chacun de ces modèles dans les ateliers de sciage, d’assemblage et de sablage ainsi que
les temps libres dans chacun de ces ateliers sont donnés dans le tableau ci-dessous. Ces
temps représentent le nombre d’heures nécessaires à un homme pour effectuer le travail. Les
profits que la compagnie peut réaliser pour chacun de ces modèles sont de 300 DH pour M1
et de 200 DH pour M2 .
M1 M2 Temps Libre
Sciage 1 2 20
Assemblage 2 1 22
Sablage 1 1 12
1- Trouver le programme de l’entreprise par la méthode algébrique.
2- Préciser les ateliers pour les quels il y a un temps mort.
Exercice 2
L’entreprise NewTech doit, dans son processus de fabrication de ses produits, utiliser trois
phases successives d’opération : l’usinage des pièces, l’assemblage et la finition. Pour simpli-
fier le problème, supposons que l’entreprise fabrique trois produits que nous noterons P1 , P2
et P3 . Les différentes phases d’opération ne peuvent toutefois fonctionner que pendant un
certain nombre d’heures. La main d’oeuvre actuelle limite le nombre d’heures disponibles
aux valeurs suivantes:
Usinage: 100 heures
Assemblage: 120 heures
Finition: 200 heures
Le tableau suivant nous indique les temps de fabrication requis, en heures/unité, aux différentes
phases d’opération pour fabriquer les produits P1 , P2 et P3 .
P 1 P2 P3
Usinage 1 2 1
Assemblage 3 4 2
Finition 2 6 4
Le département de compatibilité de l’entreprise a estimé aux valeurs suivantes la contribution

au bénéfice de chaque produit:
Produit DH/ unité

P1 6
P2 7
P3 8

De plus, on suppose qu’il n’existe aucune restriction de marché ; il peut absorber toute la
production.
1- Déterminer le programme de l’entreprise par la méthode algébrique.
2- Déterminer les ateliers pour lesquels il y a présence d’un temps mort.
Exercice 3
L’entreprise MarocMecanique fabrique trois produits P1 , P2 et P3 et pour réaliser ce projet
utilise trois centres de fabrication. Les temps opératoires, en heure par unité, à chaque centre
de fabrication sont les suivants:
P1 P2 P3 Temps disponible
Centre I 4 2 4 80 heures
Centre II 2 2 3 50 heures
Centre III 1 3 2 40 heures
La contribution unitaire de chaque produit au bénéfice est la suivante:
P1 P2 P3
5 DH 3 DH 4 DH
1- Déterminer, à l’aide de la méthode algébrique, le programme de fabrication qui maximise
les bénéfices.
3- Le centre II est-il pleinement utilisé?
Exercice 4
Trois espèces de crabes sont pêchées dans les eaux côtières de l’Alaska : le crabe royal (King
crab), le crabe des neiges (Snow crab), le crabe Dungeness, en des lieux différents, mais
proches. Des bateaux sont aménagés pour pouvoir pêcher indifféremment les trois sortes de
crabes; pour un mois donné, dans la zone de Cook Inlet, la capacité totale de pêche des
bateaux est de 1000 tonnes de crabes.
A l’arrivée des bateaux au port, un tri doit être effectué sur la cargaison ce tri tient
compte, suivant la période de bataille, de la taille des carapaces des crabes, de leur qualité,
etc... Aussi, après ce tri, ne peut-on utiliser en moyenne que 80% de la quantité totale de
crabes royal pêchée, 95% de celle de crabe des neiges et 90% de celle du crabe Dungeness.
Les crabes éliminés sont perdus. Intervient alors un conditionnement: différents points sont
situés sur la côte, celui attribué à la zone Cook Inlet pouvant conditionner au maximum 900
tonnes de crabes au total pour le mois considéré.
Le crabe royal est le plus demandé, mais afin de respecter un certain équilibre entre les
espèces, il a été établi que la différence entre la quantité pêchée de crabe royal et le tonnage
global des deux autres espèces doit être inférieure à 100 tonnes.
Les pêcheurs connaissent les sites où ils peuvent attraper telle ou telle sorte de crabe
(qui ne se mélangent pas: en un lieu donné, on ne rencontre pas simultanément des espèces
différentes).
Le bénéfice réalisé est: 12.5 unités monétaires (u.m.) par tonne de crabes royal pêchée
et conditionnée, 8.42 u.m. par tonne pour la seconde espèce et 7.78 u.m. par tonne pour la
troisième.

1- Formulez ce problème à l’aide d’un modèle de programmation linéaire

2- Etablir, en utilisant la méthode algébrique, le plan de pêche qui maximise le bénéfice.
Exercice 5
La compagnie ”XXY” vient de perdre un contrat de production d’affiches de prix pour des
stations-service. Elle se retrouve avec des ressources excédentaires qu’elle doit absolument
utiliser à d’autres fins. Ces ressources sont 300 kg de revêtement intérieur pour boı̂tes 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 boı̂tes. La
fabrication de 100 emballages de carton requiert 150 kg de revêtement intérieur, 30 kg de
carton fin et 2 heures de travail. La fabrication de 600 tubes requiert 50 kg de revêtement
intérieur, 30 kg de carton fin et 2 heures de travail. Enfin, la fabrication de 100 boı̂tes
requiert 60 kg de revêtement intérieur, 40 kg de carton fin et 5 heures de travail. Le profit
est de 10 DH par boı̂te, de 1 DH par tube et de 4 DH par emballage.
1- Formulez ce problème à l’aide d’un modèle de programmation linéaire
2- Comment la compagnie doit-elle utiliser ses ressources pour maximiser son profit ?
(Utilisez la méthode algébrique)
Problème
Etude de cas (possibilité d’avoir un sujet similaire à l’examen!!)
Partie I. La société Prima S. A. fabrique et vend notamment deux produits P1 et P2 dont
les prix de vente respectifs sont de 400 DH et 300 DH hors taxe au tarif en vigueur. Le
marché de ces deux produits est essentiellement régional et porte sur 1 500 unités de chacun
des deux produits fabriqués et vendus mensuellement. La fabrication est assurée dans trois
ateliers successifs ont les capacités globales mensuelles, exprimées en heures machines, sont
résumées dans le tableau ci-après, lequel fait également ressortir les temps d’utilisation des
machines, exprimés dans la même unité, nécessaires à la fabrication d’une unité de chacun
des produits P1 et P2 :
P1 P2 Capacité globale mensuelle des ateliers
Atelier 1 2h 1/2 4h 12000 h/machines
Atelier 2 3h 3h 9600 h/machines
Atelier 3 1h 1/2 1h 4200 h/machines
L’entreprise n’a pas fait de sous-traitance à ce jour.
La société envisage une extension de son réseau de distribution. Elle projette de procéder
à l’installation d’une structure de fabrication supplémentaire autonome destinée à accroı̂tre
sensiblement les capacités de production-vente existantes des deux produits P1 et P2 . Les
nouvelles installations auraient la même structure de base, les caractéristiques se trouvant
toutefois modifiées en terme de capacité des ateliers et de temps d’utilisation des machines:
P1 P2 Capacité globale mensuelle des ateliers
Atelier 4 2h 3h 10000 h/machines
Atelier 5 2h1/4 2h1/4 9000 h/machines
Atelier 6 1h 1/4 0h3/4 4000 h/machines

Travail à faire:
L’entreprise désirant connaı̂tre les programmes de fabrication conduisant à maximiser son
chiffre d’affaires, ainsi que les capacités de production utilisées et résiduelles, vous êtes chargé
d’en mener l’étude générale. On désignera par x les quantités de produit P1 et par y les
quantités de produit P2 liées aux programmes de fabrication étudiés.
1- Déterminer le programme de fabrication de l’unité de fabrication existante par la Méthode

graphique-On le désignera par Programme I.
a- Etablir le graphe (Domaine des solutions admissibles);

b- Présenter le résultat de l’étude dans un tableau de synthèse faisant ressortir pour
les sommets du graphe:
- Les quantités de produits P1 et P2 fabriquées;
- Les chiffres d’affaires par produit, le chiffre d’affaires global mensuel correspon-
dant.
2- Déterminer le programme de fabrication de l’unité de fabrication nouvelle ( Méthode

graphique). On le désignera par Programme II.
a- Etablir le graphe;
b- Présenter le résultat de l’étude dans un tableau de synthèse identique à celui visé
à la question 1)-b);
c- Contrôler le programme de fabrication II par la méthode de Dantzig (simplexe).
3- Prèsenter sous la forme d’un tableau unique ou de plusieurs tableaux synoptiques, pour
chacun des programmes I et II ci-dessus, ainsi que pour la production actuelle de 1 500
unités de chacun des produits P1 et P2 :
- les programmes en quantités (x, y);

- les coefficients techniques d’atelier;
- les capacités utilisées dans chaque atelier et pour l’ensemble de l’unité de production,
- les capacités résiduelles par atelier et pour l’ensemble de l’unité de production, met-
tant en évidence la sous-activité de l’atelier ou de l’unité de fabrication.
Partie II. L’analyse des coûts et prix de revient des produits P1 et P2 , pour l’unité de
fabrication existante, est résumée comme suit:
P1 P2
Quantités fabriquées et vendues mensuellement 1500 unités 1 500 unités
Coût variable unitaire 200 DH 160 DH
Coût fixe global annuel 3300000 DH 1650000 DH
L’analyse corrélative des coûts et prix de revient prévisionnels pour l’unité de fabrication
supplémentaire a fait ressortir la structure des coûts suivante associée au programme II :

P1 P2
Quantités fabriquées et vendues mensuellement 2000 unités 2000 unités
Coût variable unitaire 120 DH 140 DH
Coût fixe global annuel 2860000 DH 1 100 000 DH
Travail à faire:
1- En tenant compte d’une activité de onze mois, l’entreprise étant fermée au mois d’août
pour cause de congés, ainsi que de l’impôt sur les sociétés au taux actuel de 50%,
étudier le résultat analytique d’exploitation par produit et global pour un exercice
social, associé :
a- aux conditions d’activité actuelles,

b- aux conditions d’activité liées au programme I,
c- aux conditions d’activité liées au programme II.
Présenter l’étude sous la forme d’un tableau.

Chiffrer les variations de résultat net associées aux programmes I et II.
2- En vue ce compléter votre étude, la direction vous demande en dernier lieu de rechercher
les programmes de fabrication conduisant à une maximisation de la marge sur coût
variable globale mensuelle:
a- pour l’unité de fabrication existante - programme III,

b- pour la nouvelle unité de fabrication - programme IV.
Utiliser les conclusions antérieures.
3- A l’intention de la direction générale, à partir des résultats obtenus précédemment (ques-

tions I et II), présenter et justifier en quelques lignes des propositions de choix économiques
qui devront être faites en matière de production.
(comptabilité et gestion d’entreprises, extrait de l’étude de cas)

Résolution par la Méthode Algébrique 2.3 Solutions des Exercices
2.3 Solutions des Exercices

Exercice 1
1- Notons par x1 et x2 respectivement les quantités des bureaux du modèle M1 et M2 fab-

riqués par la société. Notons par (I) le programme canonique et par (I’) le programme
standard. Les programmes (I) et (I’) sont donnés par:


 Max [300
 x1 + 200 x2 ]
x1 + 2x2 ≤ 20


 

(I) 2x1 + x2 ≤ 22 Programme canonique

s.c.
x1 + x2 ≤ 12



 

x1 ≥ 0, x2 ≥ 0
 


 Max [300
 x1 + 200 x2 + 0 x3 + 0 x4 + 0 x5 ]
x1 + 2x2 + x3 = 20


 

(I’) 2x1 + x2 + x4 = 22 Programme standard

s.c.
x1 + x2 + x5 = 12



 

x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0, x5 ≥ 0
 
Les variables x3 , x4 et x5 représentent les variables d’écarts. Notons la fonction

économique par Z:
Z = 300 x1 + 200 x2 .
La méthode algébrique consiste à suivre ”géométriquement” le cheminement le long
des côtés du domaine des solutions admissibles du programme (I), puisque les valeurs
des couples (x1 , x2 ) correspondant aux différentes solutions du programme canonique
(I) sont égales à celles correspondant aux solutions du programme standard (I’). La
solution de base (extrême) de départ du programme standard correspond au sommet
(O) pour le programme canonique: c’est la ”solution nulle” x1 = 0 et x2 = 0 , qui
consiste à ne rien produire (Z = 0).
La solution de base de départ (O) pour le programme standard est donc :
x1 = 0, x2 = 0, x3 = 20, x4 = 22, x5 = 12.
On a donc,
Variables hors-base : x1 , x 2 ;
Variables dans la base : x3 , x4 , x5 .
La valeur de la fonction économique pour la solution de base de départ est : Z = 0.
Première itération :
Soit (S0 ) le système formé par les contraintes et par la fonction économique, désignée
par z : 

 x1 + 2x2 + x3 = 20
2x1 + x2 + x4 = 22

(S0 )

 x1 + x2 + x5 = 12
300x1 + 200x2 − z = 0


a- Sélection de la variable entrante:

La fonction économique, exprimée exclusivement en fonction des variables hors-
base de la solution de départ, s’écrit :
z = 300 x1 + 200 x2
Le coefficient 300 (resp 200) représente l’accroissement de z lorsqu’on porte de la
valeur 0 à la valeur 1 la variable hors-base x1 (resp. x2 ). Le critère de sélection en
question conduit à choisir la variable correspondant au plus grand accroissement
de z dans ces conditions: ici, la sélection portera donc sur x1 ”qui, par unité,
rapporte le plus”.
La variable entrante est donc x1 .
b- Sélection de la variable sortante:
Considérons le système (S0 )0 équivalent à (S0 ) obtenu en exprimant les variables
dans la base x3 , x4 , x5 et la fonction économique z exclusivement en fonction des
variables hors-base: 

 x3 = 20 − x1 − 2x2
x4 = 22 − 2x1 − x2

(S0 )0

 x5 = 12 − x1 − x2
z = 300x1 + 200x2

Faisant x2 = 0 dans (S0 )0 , on obtient (en négligeant la dernière équation) :


 x3 = 20 − x1
(T0 ) x4 = 22 − 2x1
x5 = 12 − x1

Cherchons maintenant jusqu’à quel niveau il est possible de porter x1 de façon

compatible avec les contraintes. Ces contraintes (autres que celles de signes) sont
satisfaites dès l’instant où l’on a :
x3 ≥ 0, x4 ≥ 0, x5 ≥ 0.
Donc, d’après (T0 ), la variable entrante x1 peut prendre toute valeur positive telle
que: 
 
 x1 ≤ 20
1
= 20
 20 − 1 · x1 ≥ 0



(U0 ) 22 − 2 · x1 ≥ 0 ⇐⇒ (U0 )0 x1 ≤ 22
2
= 11
12 − 1 · x1 ≥ 0
 



x1 ≤ 12 = 12

1
La valeur maximale de x1 est donc égale à la plus grande solution du système
d’inéquations (U0 ) : c’est le plus petit rapport figurant dans (U0 )0 :
20 22 12
x1 = min{ , , } = 11
1 2 1
On constate alors que, pour une telle valeur de x1 , on a, d’après (T0 ) :
x4 = 0.
Il en résulte que x4 devient variable hors-base dans la nouvelle solution extrême
(O1 ) : x4 est variable sortante.

La première itération est maintenant terminée. Elle a aboutit à la solution associée au

sommet (O1 ) :
x2 = 0, x4 = 0
x1 = 11, x3 = 9, x5 = 1.
On a donc, une fois la première itération terminée :
Les nouvelles variables hors-base : x2 , x 4 ,

Les nouvelles variables dans la base : x1 , x3 , x5 .
Au sommet (O1 ), la fonction économique prend la valeur : z1 = 3300.

Deuxième itération :
Afin de la préparer, il est nécessaire de se placer dans la même situation qu’au début
de la première itération : pour la nouvelle solution de base, il nous faut écrire le
système (S1 )0 exprimant les nouvelles variables dans la base et la fonction économique
exclusivement en fonction des nouvelles variables hors-base x2 , x4 .


 x3 = 20 − x1 − 2x2
x4 = 22 − 2x1 − x2 ←− équation d’échange

(S0 )0

 x5 = 12 − x1 − x2
z = 300x1 + 200x2



 x3 = 9 − 32 x2 + 12 x4




 x1 = 11 − 12 x2 − 12 x4


(S1 )0
x5 = 1 − 12 x2 + 12 x4








z = 3300 + 50x2 − 150x4


En fonction des nouvelles variables hors-base, nulles pour la solution de base (O1 ),
on a
z = 3300 + 50x2 − 150x4 .
Il est visible qu’on n’a pas intérêt à faire entrer x4 : toute augmentation de x4 à
partir de 0 provoquerait une diminution de z. Le critère de Dantzig conduit à la
sélection de x2 , qui sera la variable entrante.
Formons le système (T1 ) à partir de (S1 )0 en maintenant x4 à sa valeur 0 :


 x3 = 9 − 32 x2



(T1 ) x1 = 11 − 21 x2




x5 = 1 − 12 x2


et cherchons jusqu’à quel niveau on peut porter x2 . Les contraintes seront satis-
faites dès l’instant où :
x1 ≥ 0, x3 ≥ 0, x5 ≥ 0.
La valeur maximale de x2 est donc la plus grande solution du système d’inéquations:

9
x2 ≤ (3/2)
 3

 9 − 2 x2 ≥ 0 



 

 
1 0 11
(U1 ) 11 − 2 x2 ≥ 0 ⇐⇒ (U1 ) x2 ≤ (1/2)

 


 

1  x2 ≤ 1
1 − 2 x2 ≥ 0
 
(1/2)
9 11 1
x2 = min{ , , } = 2.
(3/2) (1/2) (1/2)
Pour cette valeur de x2 , toujours avec x4 = 0, on a x5 = 0 d’après la quatrième
équation de (T1 ), ainsi x5 est la variable sortante.
Cette deuxième itération conduit au sommet (O2 ) : (obtenu à partir de (T1 ) en prenant
x2 = 2)
x4 = 0, x5 = 0
x1 = 10, x2 = 2, x3 = 6
On a donc,
les variables hors-base : x4 , x 5 ;
les variables dans la base : x1 , x2 , x3 .
La valeur de la fonction économique pour la solution de base de départ est : z2 = 3400.
Troisième itération :
Exprimons les nouvelles variables dans la base et la fonction économique en fonction des
nouvelles variables hors-base x4 , x5 . Dans (S1 )0 , l’équation d’échange est la troisième


 x3 = 9 − 23 x2 + 21 x4




x1 = 11 − 12 x2 − 12 x4





(S1 )0
1 1
x5 = 1 − x2 + x4 ←− équation d’échange






 2 2



z = 3300 + 50x2 − 150x4



 x3 = 6 − x4 + 3x5




 x1 = 10 − x4 + x5


(S2 )0
x2 = 2 + x4 − 2x5








z = 3400 − 100x4 − 100x5


En fonction des variables hors base, on a :
z = 3400 − 100x4 − 100x5 .
Tous les coefficients de z sur ces variables sont négatifs: faire de nouveau entrer dans
la base x4 ou x5 diminuerait z.
Il n’est donc plus possible ”d’améliorer” la fonction économique. La solution extrême
précédente est optimale. Les variables ”réelles” ont pour valeur optimale:
∗
x1 = 10, 10 bureaux du modèle M1 ;
x∗2 = 2, 2 bureaux du modèle M2 ;
x∗3 = 6,
x∗4 = 0,
x∗5 = 0.
Le programme pour l’entreprise est donc (x∗1 , x∗2 ) = (10, 2).
2- On a que x∗3 = 6, donc l’attellier de sciage presente un temps libre de 6 heures. D’autre
part, puisque x∗4 = 0 et x∗5 = 0, alors les autres ateliers ne présentent aucun temps
libre.
Exercice 2
1- Notons par x1 , x2 et x3 respectivement les quantités des produits P1 , P2 et P3 fabriqués par

la société. Notons par (I) le programme canonique et par (I’) le programme standard.
Les programmes (I) et (I’) sont donnés par:


 Max [6
 x1 + 7 x2 + 8x3 ]
x1 + 2x2 + x3 ≤ 100


 

(I) 3x1 + 4x2 + 2x3 ≤ 120 Programme canonique

 s.c.


 
 2x 1 + 6x 2 + 4x 3 ≤ 200
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0
 


 Max [6
 x1 + 7 x2 + 8x3 + 0 x4 + 0 x5 + 0 x6 ]
x1 + 2x2 + x3 + x4 = 100


 

(I’) 3x1 + 4x2 + 2x3 + x5 = 120 Programme standard

s.c.
 1 + 6x2 + 4x3 + x6 = 200
2x



 
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0, x5 ≥ 0, x6 ≥ 0
 
Les variables x4 , x5 et x6 représentent les variables d’écarts. Notons la fonction

économique par Z:
Z = 6 x1 + 7 x2 + 8x3 .
La solution de base de départ (O) pour le programme standard est:
x1 = 0, x2 = 0, x3 = 0, x4 = 100, x5 = 120, x6 = 200.

On a donc,
Variables hors-base : x1 , x 2 , x 3 ;
Variables dans la base : x4 , x5 , x6 .
La valeur de la fonction économique pour la solution de base de départ est : Z = 0.
Première itération :
Soit (S0 ) le système formé par les contraintes et par la fonction économique, désignée
par z : 

 x1 + 2x2 + x3 + x4 = 100
3x1 + 4x2 + 2x3 + x5 = 120

(S0 )

 2x1 + 6x2 + 4x3 + x6 = 200
6x1 + 7x2 + 8x3 − z = 0


La fonction économique, exprimée exclusivement en fonction des variables hors-
base de la solution de départ, s’écrit :
z = 6x1 + 7x2 + 8x3
Le critère de sélection en question conduit à choisir la variable correspondant au

plus grand accroissement de z dans ces conditions: ici, la sélection portera donc
sur x3 ”qui, par unité, rapporte le plus”.
La variable entrante est donc x3 .
Considérons le système (S0 )0 équivalent à (S0 ) obtenu en exprimant les variables
dans la base x4 , x5 , x6 et la fonction économique z exclusivement en fonction des
variables hors-base:


 x4 = 100 − x1 − 2x2 − x3
x5 = 120 − 3x1 − 4x2 − 2x3

(S0 )0

 x6 = 200 − 2x1 − 6x2 − 4x3
z = 6x1 + 7x2 + 8x3

Faisant x1 = 0, x2 = 0 dans (S0 )0 , on obtient (en négligeant la dernière équation)

: 
 x4 = 100 − x3
(T0 ) x5 = 120 − 2x3
x6 = 200 − 4x3

Cherchons maintenant jusqu’à quel niveau il est possible de porter x3 de façon

compatible avec les contraintes. Ces contraintes (autres que celles de signes) sont
satisfaites dès l’instant où l’on a :
x4 ≥ 0, x5 ≥ 0, x6 ≥ 0.
Donc, d’après (T0 ), la variable entrante x3 peut prendre toute valeur positive telle

que:  100
 
 x3 ≤ 1
= 100
 100 − 1 · x3 ≥ 0



(U0 ) 120 − 2 · x3 ≥ 0 ⇐⇒ (U0 )0 x3 ≤ 120
2
= 60
200 − 4 · x3 ≥ 0
 


 200
x3 ≤ = 50

4
La valeur maximale de x3 est donc égale à la plus grande solution du système
d’inéquations (U0 ) : c’est le plus petit rapport figurant dans (U0 )0 :
100 120 200
x3 = min{ , , } = 50
1 2 4
On constate alors que, pour une telle valeur de x3 , on a, d’après (T0 ) :
x6 = 0.
Il en résulte que x6 devient variable hors-base dans la nouvelle solution extrême

(O1 ) : x6 est variable sortante.
La première itération est maintenant terminée. Elle a aboutit à la solution associée au

sommet (O1 ) :
x1 = 0, x2 = 0, x6 = 0
x3 = 50, x4 = 50, x5 = 20.
On a donc, une fois la première itération terminée :
Les nouvelles variables hors-base : x1 , x 2 , x 6 ,
Les nouvelles variables dans la base : x3 , x4 , x5 .
Au sommet (O1 ), la fonction économique prend la valeur : z1 = 400.

Deuxième itération :
Afin de la préparer, il est nécessaire de se placer dans la même situation qu’au début
de la première itération : pour la nouvelle solution de base, il nous faut écrire le
système (S1 )0 exprimant les nouvelles variables dans la base et la fonction économique
exclusivement en fonction des nouvelles variables hors-base x1 , x2 , x6 .


 x4 = 100 − x1 − 2x2 − x3
x5 = 120 − 3x1 − 4x2 − 2x3

(S0 )0

 x6 = 200 − 2x1 − 6x2 − 4x3 ←− équation d’échange
z = 6x1 + 7x2 + 8x3



 x4 = 50 − 12 x1 − 12 x2 + 14 x6




 x5 = 20 − 2x1 − x2 + 21 x6


(S1 )0
x3 = 50 − 12 x1 − 32 x2 − 14 x6








z = 400 + 2x1 − 5x2 − 12 x6



En fonction des nouvelles variables hors-base, nulles pour la solution de base (O1 ),
on a
1
z = 400 + 2x1 − 5x2 − x6 .
2
Le critère de Dantzig conduit à la sélection de x1 , qui sera la variable entrante.
Formons le système (T1 ) à partir de (S1 )0 en maintenant x2 et x6 à leur valeur 0 :


 x4 = 50 − 21 x1



(T1 ) x5 = 20 − 2x1




x3 = 50 − 12 x1

et cherchons jusqu’à quel niveau on peut porter x1 . Les contraintes seront satis-
faites dès l’instant où :
x4 ≥ 0, x5 ≥ 0, x3 ≥ 0.
La valeur maximale de x1 est donc la plus grande solution du système d’inéquations:
50
x1 ≤ (1/2)
 

 50 − 12 x1 ≥ 0 


 

 
0
(U1 ) 20 − 2x1 ≥ 0 ⇐⇒ (U1 ) x1 ≤ 202

 


 

50 − 12 x1 ≥ 0 50
x1 ≤ (1/2)
 
50 20
x1 = min{ , } = 10.
(1/2) 2
Pour cette valeur de x1 , toujours avec x2 = 0 et x6 = 0, on a x5 = 0 d’après la
deuxième équation de (T1 ), ainsi x5 est la variable sortante.
Cette deuxième itération conduit au sommet (O2 ) : (obtenu à partir de (T1 ) en prenant
x1 = 10)
x4 = 45, x3 = 45
x1 = 10, x2 = 0, x5 = 0, x6 = 0
On a donc,
les variables hors-base : x2 , x 5 , x 6 ;
les variables dans la base : x1 , x3 , x4 .
La valeur de la fonction économique pour la solution de base de départ est : z2 = 420.
Troisième itération :
Exprimons les nouvelles variables dans la base et la fonction économique en fonction

des nouvelles variables hors-base x2 , x5 , x6 . Dans (S1 )0 , l’équation d’échange est la

deuxième


 x4 = 50 − 21 x1 − 12 x2 + 14 x6




1


 x5 = 20 − 2x1 − x2 + x6 ←− équation d’échange


(S1 )0 2


x3 = 50 − 12 x1 − 32 x2 − 14 x6








z = 400 + 2x1 − 5x2 − 12 x6



 x4 = 45 − 12 x2 + 41 x5 + 18 x6




 x1 = 10 − 12 x2 − 21 x5 + 14 x6


(S2 )0
x3 = 45 − 54 x2 + 41 x5 − 83 x6








z = 420 − 6x2 − x5

En fonction des variables hors base, on a :
z = 420 − 6x2 − x5 .
Tous les coefficients de z sur ces variables sont négatifs: faire de nouveau entrer dans
la base x2 ou x5 diminuerait z.
Il n’est donc plus possible ”d’améliorer” la fonction économique. La solution extrême
précédente est optimale. Les variables ”réelles” ont pour valeur optimale:
 ∗
 x1 = 10, 10 unités du produit P1 ;
x∗ = 0, 0 unités du produit P2 ;
 2∗
x3 = 45, 45 unités du produit P3 ;
x∗4 = 45,
x∗5 = 0,
x∗6 = 0.
Le programme pour l’entreprise est donc (x∗1 , x∗2 , x∗3 ) = (10, 0, 45).
2- Nous avons que x∗4 = 45, donc x∗1 + 2x∗2 + x∗3 < 100. Par conséquent, l’atelier d’usinage
présente un temps mort.
Pour les Exercices 3, 4, 5 et le Problème vous n’avez qu’a suivre le même dévelopement.

Chapitre 3
La Méthode du Simplexe
3.1 Rappel sur le principe de la résolution par la méthode

du simpléxe
Marche à suivre de la résolution par la méthode des tableaux.
1- Déterminer la colonne (sauf la dernière) dont l’élément de la dernière ligne a la

plus grande valeur positive. C’est la colonne du pivot.
2- Déterminer la ligne du pivot en faisant le rapport des éléments de la dernière

colonne sur les éléments correspondants de la colonne du pivot. La ligne du
pivot étant celle donnant le plus petit rapport non négatif.
3- Rendre le pivot unitaire.
4- Annuler tous les termes de la colonne du pivot.
5- Répéter les quatre premières étapes jusqu’à ce que tous les éléments de la dernière
ligne soient non positifs.
6- Les colonnes ne contenant qu’un seul élément non nul sont celles correspondant
aux variables dans le programme; la valeur de ces variables est donnée dans la
dernière colonne, les variables hors programme étant nulles.
7- La valeur maximale de la fonction économique (plus exactement son opposé) est

donnée dans la dernière ligne, dernière colonne.
30
La Méthode du Simplexe 3.2 Enoncés des Exercices
3.2 Enoncés des Exercices

Exercice 1
L’entreprise AZT fabrique trois produits qui sont en grande demande. Le responsable
de la production veut déterminer un programme de fabrication qui permettrait d’obtenir
l’utilisation optimale de ces ressources. Il a l’information suivante :
Ressources Quantités disponibles
Matières premières:
Matériel AX-200 2000 unités
Matériel AX-225 1800 unités
Temps-machine:
Département montage 60 heures
Département contrôle 60 heures
Département emballage 72 heures
Main-d’oeuvre: 80 heures
Quantité nécessaire pour la fabrication:
Ressources Produit A Produit B Produit C

Matériel AX-200 4 5 2
Matériel AX-225 2 5 4
Temps-machine (mn/unité):
Dép. montage 10 8 10
Dép. contrôle 12 10 6
Dép. emballage 8 6 6
Main d’oeuvre (mn/unité): 15 20 15
Information coût-revenu:
Produit A Produit B Produit C

Prix de vente 15 DH 19.40 DH 15 DH
Coûts/unité
Matériel AX-200 2 DH 3 DH 2 DH
Matériel AX-225 3 DH 5 DH 4 DH
Main-d’oeuvre 4 DH/heure 4.20 DH/heure 4 DH/heure
L’entreprise veut maximiser les bénéfices.
1- Déterminer le programme optimal de fabrication à mettre en oeuvre.
2- Déterminer d’après le programme obtenu en 1), l’utilisation réelle de chaque ressource de

l’entreprise.

La Méthode du Simplexe 3.2 Enoncés des Exercices
Exercice 2
Résoudre par la méthode du simplexe (méthode des tableaux) le programme linéaire suivant


 Max [3 x1 + 6 x2 − x3 + x4 ]
x1 + (1/2)x2 + 2x3 ≤ 2


 

(I) x1 + 3x2 + x3 − x4 ≤ 3

s.c.
2x1 − x2 − x3 + 3x4 ≤ 4



 

x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0
 
Exercice 3


 Min [z= 2 x1 + 3 x2 + x3 ]
 x1 + 4x2 + 2x3 ≥ 8

(I)

 s.c. 3x1 + 2x2 ≥ 6
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0
 
Exercice 4


 Min [Z
 = 0.4x1 + 0.5x2 ]
0.3x1 + 0.1x2 ≤ 2.7


 

(I) 0.5x1 + 0.5x2 = 6

s.c.
0.6x1 + 0.4x2 ≥ 6



 

x1 ≥ 0, x2 ≥ 0
 

La Méthode du Simplexe 3.3 Solutions des Exercices
3.3 Solutions des Exercices

Exercice 1
1- Notons par x1 , x2 et x3 respectivement les quantités des produits A, B et C fabriqués

par la société.
• Contraintes de signes: x1 ≥ 0, x2 ≥ 0, x3 ≥ 0.
• Contraintes économiques:
 
 4x1 + 5x2 + 2x3 ≤ 2000
 
 4x1 + 5x2 + 2x3 ≤ 2000
2x1 + 5x2 + 4x3 ≤ 1800 2x1 + 5x2 + 4x3 ≤ 1800

 


 

 1 4
x + 30 x2 + 16 x3 ≤ 60 5x1 + 4x2 + 5x3 ≤ 1800

6 1 ⇐⇒
1

 x + 16 x2 + 10
5 1
1
x3 ≤ 60 
 6x1 + 5x2 + 3x3 ≤ 1800
4 1 1
x1 + 10 x2 + 10 x3 ≤ 72 4x + 3x2 + 3x3 ≤ 2160
 
 1
 
 30

 

1 1 1
x
4 1
+ x
3 2
+ x
4 3
≤ 80 3x1 + 4x2 + 3x3 ≤ 960
• Fonction économique: On détermine le bénéfice unitaire réalisé par la vente de

chaque produit. On le fera pour le produit A et de façon similaire on le déduira
pour les autres produits. Notons ce bénéfice par bA , bB et bC . Alors, on a
bA = 15 − (2 + 3 + α)
bA = 19.40 − (3 + 5 + β)
bA = 15 − (2 + 3 + γ),
où α, β et γ représentent respectivement le coût de la main-d’oeuvre pour produire

une unité des produits A, B et C. On sait que pour produire A la main-d’oeuvre
coute 4 Dh l’heure et la fabrication d’une unité de A nécessite 15 minutes de
main-d’oeuvre. Par conséquent le coût en main-d’oeuvre pour produite une unité
de A est α = 1 Dh. De la même manière on calcule β et γ et on trouve β = 1.4
Dh, γ = 1 Dh. Par suite la fonction économique est donnée par :
z = 9 x1 + 10 x2 + 8 x3 .
Le programme canonique (I) pour l’entreprise est donc



 Max [9 x1 + 10 x2 + 8 x3 ]
4x1 + 5x2 + 2x3 ≤ 2000



 

2x1 + 5x2 + 4x3 ≤ 1800

 


 

 5x1 + 4x2 + 5x3 ≤ 1800
 

(I) Programme canonique

 s.c. 6x1 + 5x2 + 3x3 ≤ 1800
4x1 + 3x2 + 3x3 ≤ 2160

 


 

3x + 4x2 + 3x3 ≤ 960
 
 1

 

 
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0


Le programme standard (I’) est donné par :



 Max [9
 x1 + 10 x2 + 8 x3 ]
4x1 + 5x2 + 2x3 + x4 = 2000



 

2x1 + 5x2 + 4x3 + x5 = 1800

 


 

5x1 + 4x2 + 5x3 + x6 = 1800

 

 

(I) 6x1 + 5x2 + 3x3 + x7 = 1800 Programme standard

s.c.
4x1 + 3x2 + 3x3 + x8 = 2160



 

 3x1 + 4x2 + 3x3 + x9 = 960

 


 
x ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0
 
 1

 

 
x5 ≥ 0, x6 ≥ 0, x7 ≥ 0, x8 ≥ 0, x9 ≥ 0

Tableau (0):
B \ HB 1 2 3 · · · · · · C
4 4 5 2 1 0 0 0 0 0 2000
5 2 5 4 0 1 0 0 0 0 1800
6 5 4 5 0 0 1 0 0 0 1800
7 6 5 3 0 0 0 1 0 0 1800
8 4 3 3 0 0 0 0 1 0 2160
9 3 4 3 0 0 0 0 0 1 960
∆ 9 10 8 0 0 0 0 0 0
La solution de base de départ est :
x1 = 0, x2 = 0, x3 = 0, x4 = 2000, x5 = 1800,
x6 = 1800, x7 = 1800, x8 = 2160, x9 = 960

Première itération:
B \ HB 1 2 3 · · · · · · C R
4 4 5 2 1 0 0 0 0 0 2000 (2000/5)=400
5 2 5 4 0 1 0 0 0 0 1800 (1800/5)=360
6 5 4 5 0 0 1 0 0 0 1800 (1800/4)=450
7 6 5 3 0 0 0 1 0 0 1800 (1800/5)=360
8 4 3 3 0 0 0 0 1 0 2160 (2160/3)=720
9 3 4 3 0 0 0 0 0 1 960 (960/4)= 240
∆ 9
10 8 0 0 0 0 0 0 z
Variable entrante: x2
Variable sortante: x9
Pivot: 4.
On divise la ligne correspondant au pivot par le pivot 4, ce qui donne

B \ HB 1 2 3 · · · · · · C
4 4 5 2 1 0 0 0 0 0 2000
5 2 5 4 0 1 0 0 0 0 1800
6 5 4 5 0 0 1 0 0 0 1800
7 6 5 3 0 0 0 1 0 0 1800
8 4 3 3 0 0 0 0 1 0 2160
9 3/4 1 3/4 0 0 0 0 0 1/4 240
∆ 9 8
10 0 0 0 0 0 0
On procède par la suite à l’élimination de x2 dans les lignes 1,2,3,4, 5 et ∆. Pour cela,
• pour éliminer x2 de la ligne 1, on multiplie la ligne 6 (correspondant au pivot)
par 5 et on la retranche à la ligne 1;
• pour éliminer x2 de la ligne ∆, on multiplie la ligne 6 (correspondant au pivot)
par 10 et on la retranche à la ligne ∆.
Tableau (1):
B \ HB 1 · 3 · · · · · 9 C
4 1/4 0 (-7)/4 1 0 0 0 0 (-5)/4 875
5 (-7)/4 0 1/4 0 1 0 0 0 (-5)/4 600
6 2 0 2 0 0 1 0 0 -1 840
7 9/4 0 (-3)/4 0 0 0 1 0 (-5)/4 600
8 7/4 0 3/4 0 0 0 0 1 (-3)/4 1440
2 3/4 1 3/4 0 0 0 0 0 1/4 240
∆ 3/2 0 1/2 0 0 0 0 0 (-5)/2 z-2400
La première itération nous permet d’atteindre la solution de base extrême

x1 = 0, x2 = 240, x3 = 0, x4 = 875, x5 = 600,
x6 = 840, x7 = 600, x8 = 1440, x9 = 0
qui constituera la solution de base de départ pour atteindre la prochaine solution de
base extrême (ou prochain sommet).
Deuxième itération:

B \ HB 1 · 3 · · · · · 9 C R
4 1/4 0 (-7)/4 1 0 0 0 0 (-5)/4 875 3500
5 (-7)/4 0 1/4 0 1 0 0 0 (-5)/4 600 (-2400)/7
6 2 0 2 0 0 1 0 0 -1 840 420
7 9/4 0 (-3)/4 0 0 0 1 0 (-5)/4 600 800/3
8 7/4 0 3/4 0 0 0 0 1 (-3)/4 1440 5760/7
2 3/4 1 3/4 0 0 0 0 0 1/4 240 320
∆
3/2 0 1/2 0 0 0 0 0 (-5)/2 z-2400
Pivot: 9/4.
On divise la ligne correspondant au pivot par le pivot 9/4, ce qui donne
B \ HB 1 · 3 · · · · · 9 C
4 1/4 0 (-7)/4 1 0 0 0 0 (-5)/4 875
5 (-7)/4 0 1/4 0 1 0 0 0 (-5)/4 600
6 2 0 2 0 0 1 0 0 -1 840
7 1 0 (-1)/3 0 0 0 4/9 0 (-5)/9 800/3
8 7/4 0 3/4 0 0 0 0 1 (-3)/4 1440
2 3/4 1 3/4 0 0 0 0 0 1/4 240
∆
3/2 0 1/2 0 0 0 0 0 (-5)/2 z-2400
Tableau (2):
B \ HB · · 3 · · · 7 · 9 C
4 0 0 (-5)/3 1 0 0 (-1)/9 0 (-10)/9 2425/3
5 0 0 (-1)/3 0 1 0 7/9 0 (-20)/9 3200/3
6 0 0 8/3 0 0 1 (-8)/3 0 1/9 920/3
1 1 0 (-1)/3 0 0 0 4/9 0 (-5)/9 800/3
8 0 0 19/2 0 0 0 -7/9 1 2/9 2920/3
2 0 1 1 0 0 0 (-1)/3 0 2/3 40
∆ 0 0 1 0 0 0 (-2)/3 0 (-5)/3 z-2800
La deuxième itération nous permet d’atteindre la solution de base extrême
x1 = 800/3, x2 = 40, x3 = 0, x4 = 2425/3, x5 = 3200/3,
x6 = 920/3, x7 = 0, x8 = 2920/3, x9 = 0
Troisième itération:

B \ HB · · 3 · · · 7 · 9 C R
4 0 0 (-5)/3 1 0 0 (-1)/9 0 (-10)/9 2425/3 -485
5 0 0 (-1)/3 0 1 0 7/9 0 (-20)/9 3200/3 -3200
6 0 0 8/3 0 0 1 (-8)/3 0 1/9 920/3 115
1 1 0 (-1)/3 0 0 0 4/9 0 (-5)/9 800/3 -800
8 0 0 19/2 0 0 0 -7/9 1 2/9 2920/3 5840/57
2 0 1 1 0 0 0 (-1)/3 0 2/3 40 40
∆ 0 0
1 0 0 0 (-2)/3 0 (-5)/3 z-2800
Pivot: 1.
Le pivot est égal à 1, donc nous n’avons pas à faire de division.
B \ HB · · 3 · · · 7 · 9 C
4 0 0 (-5)/3 1 0 0 (-1)/9 0 (-10)/9 2425/3
5 0 0 (-1)/3 0 1 0 7/9 0 (-20)/9 3200/3
6 0 0 8/3 0 0 1 (-8)/3 0 1/9 920/3
1 1 0 (-1)/3 0 0 0 4/9 0 (-5)/9 800/3
8 0 0 19/2 0 0 0 -7/9 1 2/9 2920/3
2 0 1 1 0 0 0 (-1)/3 0 2/3 40
∆ 0 0
1 0 0 0 (-2)/3 0 (-5)/3 z-2800
On élimine x3 des lignes 2,3,4,5,6 et 8.
B \ HB · 2 · · · · 7 · 9 C
4 0 5/3 0 1 0 0 (-2)/3 0 0 875
5 0 1/3 0 0 1 0 2/3 0 -2 1080
6 0 (-8)/3 0 0 0 1 (-16)/9 0 (-5)/3 200
1 1/3 0 0 0 0 0 1/3 0 (-7)/9 280
8 0 (-19)/2 0 0 0 0 43/18 1 (-55)/9 1780/3
3 0 1 1 0 0 0 (-1)/3 0 2/3 40
∆ 0 -1 0 0 0 0 (-1)/3 0 (-7)/3 z-2840
On constate que tous les coefficients sur la ligne ∆ sont négatifs, on arrète les itérations
et donc on a atteint la solution optimale du programme standard. Elle correspond à
x4 = 875, x5 = 1080, x6 = 200, x1 = 280, x8 = 1780/3, x3 = 40;
x2 = 0, x7 = 0, x9 = 0.

La solution optimale du programme cononique est donc
x∗1 = 280, x∗2 = 0, x∗3 = 40.
La valeur maximale de la fonction économique est : z ∗ = 2840. Le programme pour

l’entreprise est donc
(280; 0; 40)
2- Puisque à l’optimum on a x7 = 0, x9 = 0, alors l’entreprise exploite entièrement ses

ressources en main-d’oeuvre ainsi que le départment de contrôle. Les autres ressources
ne sont pas entièrement exploitées.
Exercice 2
Le programme cononique (I) est donné par


  x 1 + 6 x2 − x3 + x4 ]
Max [3
x1 + (1/2)x2 + 2x3 ≤ 2


 

(I) x1 + 3x2 + x3 − x4 ≤ 3 Programme standard

s.c.
2x1 − x2 − x3 + 3x4 ≤ 4



 

x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0
 
Le programme standard (I’) est donné par



  x1 + 6 x 2 − x3 + x4 + 0 x5 + 0 x6 + 0 x7 ]
Max [3
x1 + (1/2)x2 + 2x3 + x5 = 2



 

 x1 + 3x2 + x3 − x4 + x6 = 3
 

(I’) Programme standard

 s.c. 2x1 − x2 − x3 + 3x4 + x7 = 4
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0,

 


 

x5 ≥ 0, x6 ≥ 0, x7 ≥ 0
 
Tableau (0):
B \ HB 1 2 3 4 · · · C
5 1 1/2 1 0 1 0 0 2
6 1 3 1 -1 0 1 0 3
7 2 -1 -1 3 0 0 1 4
∆ 3 6 -1 1 0 0 0 z
B \ HB 1 2 3 4 · · · C R
5 1 1/2 1 0 1 0 0 2 4
6 1 3 1 -1 0 1 0 3 1
7 2 -1 -1 3 0 0 1 4 -4
∆ 3 6 -1 1 0 0 0 z

Pivot: 3.
On divise la ligne du pivot par le pivot 3. On obtient

B \ HB 1 2 3 4 · · · C
5 1 1/2 1 0 1 0 0 2
6 1/3 1 1/3 -1/3 0 1/3 0 1
7 2 -1 -1 3 0 0 1 4
∆ 3 6 -1 1 0 0 0 z
Tableau (1):
B \ HB 1 · 3 4 · 6 · C
5 5/6 0 5/6 1/6 1 (-1)/6 0 3/2
2 1/3 1 1/3 -1/3 0 1/3 0 1
7 7/3 0 (-2)/3 8/3 0 1/3 1 5
∆ 1 0 -3 3 0 -2 0 z-6
La première itération nous amène donc à la solution de base
x1 = 0, x2 = 1, x3 = 0, x4 = 0, x5 = 3/2, x6 = 0, x7 = 5.
La valeur de la fonction économique pour cette solution de base: z = 6.
B \ HB 1 · 3 4 · 6 · C R
5 5/6 0 5/6 1/6 1 (-1)/6 0 3/2 9
2 1/3 1 1/3 -1/3 0 1/3 0 1 -3
7 7/3 0 (-2)/3 8/3 0 1/3 1 5 15/8
∆ 1 0 -3 3 0 -2 0 z-6
Pivot: 8/3.
On divise la ligne du pivot par le pivot 8/3. On obtient
B \ HB 1 · 3 4 · 6 · C
5 5/6 0 5/6 1/6 1 (-1)/6 0 3/2
2 1/3 1 1/3 -1/3 0 1/3 0 1
7 7/8 0 (-1)/4 1 0 1/8 3/8 15/8
∆ 1 0 -3 3 0 -2 0 z-6

Tableau (2):
B \ HB 1 · 3 · · 6 7 C
5 11/6 0 7/8 0 1 (-3)/16 (-1)/16 19/16
2 5/8 1 1/4 0 0 3/8 1/8 13/8
4 7/8 0 (-1)/4 1 0 1/8 3/8 15/8
∆ (-13)/8 0 (-9)/4 0 0 (-19/8) (-9/8) z-(93/8)
On observe que tous les coefficients sur la ligne ∆ sont négatifs, donc on arrète les
itérations et par suite nous avons atteint la solution optimale du programme standard:
x1 = 0, x3 = 0, x6 = 0, x7 = 0, x5 = 19/16, x2 = 13/8, x4 = 15/8.
La solution optimale du programme canonique est donc
x∗1 = 0, x∗2 = 13/8, x∗3 = 0, x∗4 = 15/8.
La valeur maximale de z est donc z ∗ = 93/8.
Exercice 3
Le programme linéaire considéré dans cet exercice est le suivant:


 Min [Z = 0.4x1 + 0.5x2 ]
0.3x1 + 0.1x2 ≤ 2.7


 

(I) 0.5x1 + 0.5x2 = 6 Programme canonique

s.c.
0.6x1 + 0.4x2 ≥ 6



 

x1 ≥ 0, x2 ≥ 0
 
En introduisant les variables d’écarts, le programme standard (I’) est comme suite

 Min [Z
  = 0.4x1 + 0.5x2 ]
0.3x1 + 0.1x2 + x3 = 2.7


 

(I’) 0.5x1 + 0.5x2 = 6 Programme standard

s.c.
0.6x + 0.4x − x = 6

1 2 4

 
 
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0
 
Pour le programme standard (I’), comme on le voit bien, on ne peut pas déterminer facilement
une solution de base de départ. En effet, si on prend x1 = 0 et x2 = 0, alors les contraintes
ne sont pas vérifées; plus précisement la deuxième équation n’est pas verifée et la troisième
équation nous donne une valeur de x4 = −6 qui est négative. Donc on doit faire intervenir
des variables artificielles x5 et x6 au niveau des équations où il y a un problème de vérification
des contraintes, ç.a.d. les équations 2 et 3. Les variables artificielles doivent intervenir dans
la fonction économique avec un coefficient M très élevé (dans le but que une fois une variable
artificielle passe hors- base elle ne reviendra plus jamais dans la base, et donc à l’optimum elle
sera nulle et comme ça on n’aurra pas modifié le programme linéaire étudié). Le programme
linéaire devient


 Min [Z = 0.4x1 + 0.5x2 + 0x3 + 0x4 + M x5 + M x6 ]
0.3x1 + 0.1x2 + x3 = 2.7


 

(II’) 0.5x1 + 0.5x2 + x5 = 6

s.c.
 0.6x1 + 0.4x2 − x4 + x6 = 6



 
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0, x5 ≥ 0, x6 ≥ 0
 

Considérons le système

 0.3x1 + 0.1x2 + x3 = 2.7
(S0 ) 0.5x1 + 0.5x2 + x5 = 6
0.6x1 + 0.4x2 − x4 + x6 = 6.

Tableau initial (0) et Calcul des taux marginaux de substitution (TMS):

Variables hors-base: x1 , x2 , x4
Variables dans la base: x3 , x5 , x6 .
Le calcul du TMS pour chaque variable hors-base se base sur le principe suivant: On calcul
la diffrérence entre ce que coûte une unité d’une variable hors-base et ce que coûte son
équivalent en unités de variables dans la base.
• TMS pour x1 : On prend dans (S0 ) les variables x2 = 0 et x4 = 0, on obtient

 0.3x1 + x3 = 2.7
(S0 ) 0.5x1 + x5 = 6
0.6x1 + x6 = 6

Par conséquent, faire augmenter x1 de une unité est équivalent à faire diminuer x3 de
0.3 unité, x5 de 0.5 unité et x6 de 0.6 unité.
D’après la fonction économique, 1 unité de x1 coûte 0.4; 0.3 unité de x3 coûte 0 × 0.3 =
0; 0.5 unité de x5 coûte 0.5 × M et 0.6 unité de x6 coûte 0.6 × M . Par suite,
Le TMS pour x1 est égal à (0.4 − 1.1M ).
• TMS pour x2 : On prend dans (S0 ) les variables x2 = 1 et x4 = 0, on obtient


 0.1x2 + x3 = 2.7
(S0 ) 0.5x2 + x5 = 6
0.4x2 + x6 = 6

Par conséquent, faire augmenter x2 de une unité est équivalent à faire diminuer x3 de
0.1 unité, x5 de 0.5 unité et x6 de 0.4 unité.
D’après la fonction économique, 1 unité de x2 coûte 0.5; 0.3 unité de x3 coûte 0 × 0.1 =
0; 0.5 unité de x5 coûte 0.5 × M et 0.4 unité de x6 coûte 0.4 × M . Par suite,
Le TMS pour x2 est égal à (0.5 − 0.9M ).
• TMS pour x4 : En prenant x1 = 0 et x2 = 0 dans (S0 ), on obtient qu’une augmentation

de x4 de une unité lui correspond une augmentation de x6 de une unité. Par suite
Le TMS pour x3 est égal à (0 − (−M )) = M.
(−M ) provient du faite qu’une augmentation de 1 unité dans x4 lui correspond une
augmentation dans x6 , à la différence des autres variables où une aumentation dans
la valeur de la variable est suivie par une dimunition dans celle des autres variables
équivalentes.

Tableau (0):
B \ HB 1 2 · 4 · · B
3 0.3 0.1 1 0 0 0 2.7
5 0.5 0.5 0 0 1 0 6
6 0.6 0.4 0 -1 0 1 6
C 0.4 0.5 0 0 M M
∆ (TMS) (0.4-1.1 M) (0.5-0.9 M) 0 M 0 0 - 12M
La solution de base de depart est
x1 = 0, x2 = 0, x3 = 2.7, x4 = 0, x5 = 6, x6 = 6.
B \ HB 1 2 · 4 · · B R
3 0.3 0.1 1 0 0 0 2.7 (2.7)/(0.3)= 9
5 0.5 0.5 0 0 1 0 6 6/(0.5)=12
6 0.6 0.4 0 -1 0 1 6 6/(0.6)=10
C 0.4 0.5 0 0 M M
∆ (TMS) (0.4-1.1 M) (0.5-0.9 M) 0 M 0 0 - 12M
Pivot: 0.3
On divise la ligne du pivot par le pivot 0.3, on obtient (on élimine la ligne correspondant à
C)
B \ HB 1 2 · 4 · · B
3 1 1/3 10/3 0 0 0 9
5 0.5 0.5 0 0 1 0 6
6 0.6 0.4 0 -1 0 1 6
∆ (TMS) (0.4-1.1 M) (0.5-0.9 M) 0 M 0 0 - 12M
On élimine x1 des lignes 2,3 et 4. On obtient le tableau 1 suivant:
Tableau 1
B \ HB · 2 3 4 · · B
1 1 1/3 10/3 0 0 0 9
5 0 1/3 -5/3 0 1 0 1.5
6 0 0.2 -2 -1 0 1 0.6
∆ (TMS) 0 (11/30)-(16/30) M (-4/3)+(11/3)M M 0 0 -2.1M-3.6
x1 = 9, x2 = 0, x3 = 0, x4 = 0, x5 = 1.5, x6 = 0.6
qui constituera la solution de base de départ pour atteindre la prochaine solution de base
extrême (ou prochain sommet).

B \ HB · 2 3 4 · · B R
1 1 1/3 10/3 0 0 0 9 27
5 0 1/3 -5/3 0 1 0 1.5 4.5
6 0 0.2 -2 -1 0 1 0.6 3
∆ (TMS) 0 (11/30)-(16/30) M (-4/3)+(11/3)M M 0 0 -2.1M-3.6
Pivot: 0.2
B \ HB · 2 3 4 · · B
1 1 1/3 10/3 0 0 0 9
5 0 1/3 -5/3 0 1 0 1.5
6 0 1 -10 -5 0 5 3
∆ (TMS) 0 (11/30)-(16/30) M (-4/3)+(11/3)M M 0 0 -2.1M-3.6
On élimine x2 des lignes 1, 2 et 4. On obtient

B \ HB · · 3 4 · 6 B
1 1 0 20/3 5/3 0 (-5)/3 8
5 0 0 5/3 5/3 1 (-5)/3 0.5
2 0 1 -10 -5 0 5 3
∆ (TMS) 0 0 (7/3)-(5/3)M -(5/3)M+(11/6) 0 (8/3)M-(11/6) -0.5M-4.7
La variable artificielle x6 est maintenant hors-base et comme on a choisi M très grand

alors elle ne passera plus jamais dans la base. Par suite on peut supprimer la colonne
correspondant à cette variable. Le tableau précédent devient le tableau 2 de départ pour la
troisième itération:
Tableau 2
B \ HB · · 3 4 · B
1 1 0 20/3 5/3 0 8
5 0 0 5/3 5/3 1 0.5
2 0 1 -10 -5 0 3
∆ (TMS) 0 0 (7/3)-(5/3)M -(5/3)M+(11/6) 0 -0.5M-4.7
La deuxième itération nous permet d’atteindre la solution de base extrême
x1 = 8, x2 = 3, x3 = 0, x4 = 0, x5 = 0.5
Troisième itération:

B \ HB · · 3 4 · B R
1 1 0 20/3 5/3 0 8 4.8
5 0 0 5/3 5/3 1 0.5 0.3
2 0 1 -10 -5 0 3 -0.6
∆ (TMS) 0 0 (7/3)-(5/3)M -(5/3)M+(11/6) 0 -0.5M-4.7

Pivot: 5/3.

B \ HB · · 3 · 5 B
1 1 0 5 0 -1 7.5
4 0 0 1 1 3/5 0.3
2 0 1 -5 0 3 4.5
∆ (TMS) 0 0 0.5 0 M-1.1 -5.25

Comme M est choisi très grand, alors tous les coefficients sur la ligne ∆ sont positifs. Par
conséquent, on arrête les itérations et donc on a atteint la solution optimale. Elle correspond
à
x∗1 = 7.5 et x∗2 = 4.5
La valeur minimale de z est z ∗ = 5.25
Exercice 4
Le programme linéaire considéré dans cet exercice est le suivant:


 Min [Z
 = 2x1 + 3x2 + x3 ]
 x1 + 4x2 + 2x3 ≥ 8

(I) Programme canonique

 s.c. 3x1 + 2x2 ≥ 6
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0
 
En introduisant les variables d’écarts, le programme standard (I’) est comme suite

 Min [Z
  = 2x1 + 3x2 + x3 + 0x4 + 0x5 ]
 x1 + 4x2 + 2x3 − x4 = 8

(I’) Programme standard

 s.c. 3x1 + 2x2 − x5 = 6
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0, x5 ≥ 0
 
D’après le même argument que celui dans l’exercice précedent, on sera ammener à introduire
des variables artificielles x6 et x7 pour pouvoir déterminer une solution de base de départ.
Ces variables seront affectées d’un coefficient M dans la fonction économique avec M très
grand. On considère alors le progamme (II’) suivant


 Min [Z  = 2x1 + 3x2 + x3 + 0x4 + 0x5 + M x6 + M x7 ]
 x1 + 4x2 + 2x3 − x4 + x6 = 8

(II’)

 s.c. 3x1 + 2x2 − x5 + x7 = 6
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0, x4 ≥ 0, x5 ≥ 0, x6 ≥ 0, x7 ≥ 0
 

Tableau initial (0):

Le calcul des taux marginaux de substitution (TMS) se fait comme dans l’exercice précedent
(voir aussi votre cours).
B \ HB 1 2 3 4 5 · · B
6 1 4 2 -1 0 1 0 8
7 3 2 0 0 -1 0 1 6
C 2 3 1 0 0 M M
∆ (TMS) (2-4M) (3-6M) (1-2M) M M 0 0 - 14M
La solution de base de depart est
x1 = 0, x2 = 0, x3 = 0, x4 = 0, x5 = 0, x6 = 8, x7 = 6.
B \ HB 1 2 3 4 5 · · B R
6 1 4 2 -1 0 1 0 8 8/4=2
7 3 2 0 0 -1 0 1 6 6/2=3
C 2 3 1 0 0 M M
∆ (TMS) (2-4M) (3-6M) (1-2M) M M 0 0 - 14M

Pivot: 4
On divise la ligne du pivot par le pivot 4 et on élimine la colonne R et la ligne C. On obtient
B \ HB 1 2 3 4 5 · · B
6 1/4 1 1/2 -1/4 0 1/4 0 2
7 3 2 0 0 -1 0 1 6
∆ (TMS) (2-4M) (3-6M) (1-2M) M M 0 0 - 14M

On élimine ensuite x1 des lignes 2 et 3.
B \ HB 1 · 3 4 5 6 · B
2 1/4 1 1/2 -1/4 0 1/4 0 2
7 5/2 0 -1 1/2 -1 -1/2 1 2
∆ (TMS) (5/4)-(5/2)M 0 (-1/2)+M (3/4)-(1/2)M M (3/2)M-(3/4) 0 -6- 2M

La variable artificielle x6 est maintenant hors-base et comme on a choisi M très grand alors
elle ne passera plus jamais dans la base. Par suite on peut supprimer la colonne correspon-
dant à cette variable. Le tableau précédent devient le tableau 1 de départ pour la deuxième
itération:
Tableau 1:

B \ HB 1 · 3 4 5 · B
2 1/4 1 1/2 -1/4 0 0 2
7 5/2 0 -1 1/2 -1 1 2
∆ (TMS) (5/4)-(5/2)M 0 (-1/2)+M (3/4)-(1/2)M M 0 -6- 2M
x1 = 0, x2 = 2, x3 = 0, x4 = 0, x5 = 0, x7 = 2
B \ HB 1 · 3 4 5 · B R
2 1/4 1 1/2 -1/4 0 0 2 8
7 5/2 0 -1 1/2 -1 1 2 4/5=0.8
∆ (TMS) (5/4)-(5/2)M 0 (-1/2)+M (3/4)-(1/2)M M 0 -6- 2M
Pivot: 5/2
On divise la ligne du pivot par le pivot 5/2 et on élimine la colonne R. On obtient
B \ HB · · 3 4 5 7 B
2 1/4 1 1/2 -1/4 0 0 2
1 1 0 -2/5 1/5 -2/5 2/5 4/5
∆ (TMS) (5/4)-(5/2)M 0 (-1/2)+M (3/4)-(1/2)M M 0 -6- 2M
Par la suite, on élimine x1 des équations 1 et 3.

B \ HB · · 3 4 5 7 B
2 0 1 3/5 -3/10 1/10 -1/10 9/5
1 1 0 -2/5 1/5 -2/5 2/5 4/5
∆ (TMS) 0 0 0 1/2 1/2 M-(1/2) -7
On constate alors que tous les coefficients sur la ligne ∆ sont positif, par suite on arrète les
itérations et donc on a atteint la solution optimale:
x∗1 = 4/5, x∗2 = 9/5, x∗3 = 0
La valeur minimale de z est z ∗ = 7.

Chapitre 4
QCM d’Auto-Evaluations
Ennoncé 1:
Considérons le programme linéaire suivant:


 Max [f(x, y) = x + 3y]
2x + 3y ≥ 6


 

(I) 3x − 2y ≥ −4

s.c.
5x + y ≥ 15



 

x ≥ 0, y ≥ 0
 
Q1 Les sommets de l’ensemble des solutions admissibles (F ) sont:

A (0, −2); (−3, −1); (−4, 2) B (2, 0); (0, 3); (5, 2)
C (0, 2); (3, 0); (2, 5) D Autre
Q2 La fonction f (x, y) = x + 3y admet pour minimum:

A 3 B -6 C 2 D n’admet pas de minimum
Q3 La fonction f (x, y) = x + 3y admet pour maximum:

A 11 B 17 C 2 D n’admet pas de maximum
Ennoncé 2:
L’entreprise MarocMecanique fabrique trois produits P1 , P2 et P3 et pour réaliser ce projet
utilise trois centres de fabrication. Les temps opératoires, en heure par unité, à chaque centre
de fabrication sont les suivants:
P1 P2 P3 Temps disponible
Centre I 4 2 4 80 heures
Centre II 2 2 3 50 heures
Centre III 1 3 2 40 heures
47
La contribution unitaire de chaque produit au bénéfice est la suivante: 5 DH pour P1 , 3 DH

pour P2 et 4 DH pour P3 . On se propose de déterminer, à l’aide de la méthode algébrique,
le programme de fabrication qui maximise les bénéfices. On note respectivement par x1 , x2 ,
x3 les quantités des produits P1 , P2 , P3 fabriqués par la firme. On notera par x4 , x5 et x6
les variables d’écarts.
Q4 Une parmis les inégalités suivantes figure dans les contraintes économiques:
A 4x1 + 2x2 + x3 ≤ 80 B 2x1 + 2x2 + 3x3 ≤ 50
C 4x1 + 3x2 + 2x3 ≤ 40 D x1 + 3x2 + 2x3 ≤ 50
Q5 Pour la première itération et selon le critère de Dantzig, la variable entrante est:

A x4 B x3 C x1 D x2
Q6 Pour la première itération, la variable sortante est:

A x5 B x6 C x3 D x4
Q7 La première itération nous fait passer du sommet de départ (O) vers le sommet (O1 ).
Les composantes de (O1 ) sont:
A x1 = 0, x2 = 0, x3 = 0, x4 = 80, x5 = 50, x6 = 40
B x1 = 20, x2 = 0, x3 = 0, x4 = 0, x5 = 10, x6 = 20
C x1 = 16, x2 = 8, x3 = 0, x4 = 0, x5 = 2, x6 = 0
D x1 = 10, x2 = 0, x3 = 0, x4 = 40, x5 = 30, x6 = 30
Q8 Pour la deuxième itération on commence d’abord par exprimer les nouvelles variables
dans la base et la fonction économique en fonction des nouvelles variables hors-base.
Parmis les relations suivantes mettant en évidence cela, laquelle est vrai:
A x1 = 20 − x2 − x3 − 14 x4 B x5 = 10 − 12 x2 − x3 + 12 x4
C x6 = 20 − 52 x2 − x3 + 41 x4 D z = 100 + 1 x − 2x − 5 x
2 2 3 4 4
Q9 Pour la deuxième itération, la variable entrante est:

A x4 B x3 C x1 D x2
Q10 Pour la deuxième itération, la variable sortante est:

A x5 B x6 C x1 D x3
Q11 La deuxième itération nous fait passer du sommet (O1 ) vers le sommet (O2 ). Les
composantes de (O2 ) sont:
A x = 0, x = 0, x = 0, x = 80, x = 50, x = 40
1 2 3 4 5 6
B x = 20, x = 0, x = 0, x = 0, x = 10, x = 20
1 2 3 4 5 6
C x = 16, x = 8, x = 0, x = 0, x = 2, x = 0
1 2 3 4 5 6
D x = 10, x = 10, x = 0, x = 20, x = 10, x = 0
1 2 3 4 5 6
Q12 Le programme optimale pour l’entreprise est:

A (20; 0; 0) B (10; 20; 0) C (16; 8; 0) D Autre

Q13 Le bénéfice maximal pour l’entreprise est:

A z ∗ = 100 B z ∗ = 110 C z ∗ = 104 D Autre
Q14 Lequel des centres n’est pas pleinement utilisé:
A Centre I B Centre II C Centre III D Aucun
Ennoncé 3:
Considérons le programme linéaire suivant:


 Max [z = 3x1 + 6x2 − x3 ]
 x1 + (1/2)x2 + 2x3 ≤ 2

(I)

 s.c. x1 + 3x2 + x3 ≤ 3
x1 ≥ 0, x2 ≥ 0, x3 ≥ 0
 
On se propose de résoudre (I) par la méthode des tableaux.

La première itération nous amène vers le tableau (1) suivant:
B \ HB 1 · 3 · 5 C
4 α 0 11/6 1 (-1)/6 3/2
Tableau (1)
2 1/3 1 β 0 1/3 1
∆ 1 0 γ 0 -2 z-6
Q15 La valeur de α est égale à:

A 1 B (-5)/6 C 0 D Autre
Q16 La valeur de β est égale à:
A 1 B (-1)/3 C 1/3 D Autre
Q17 La valeur de γ est égale à:
A 3 B -3 C 0 D Autre
La deuxième itération nous amène vers le tableau (2) suivant:
B \ HB · · 3 4 5 C
1 1 0 11/5 6/5 (-1)/5 a
(2)
2 0 1 (-2)/5 (-2)/5 2/5 b
∆ 0 0 (-26)/5 δ (-9)/5 z-(39/5)
Q18 Les valeurs de a et b sont égales à:

A a = 95 , b = 2 B
5
a = 25 , b = 9 C
5
a = 56 , b = 2 D
5
Autre
Q19 La valeur de δ est égale à:

A 6/5 B 0 C (-6)/5 D Autre
Q20 La valeur maximale de z est:
A z∗ = 6 B z ∗ = 39 C z ∗ = 39/6 D Autre

Exercices QCM Prog Lineaire Chadli FSJES PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Exercices QCM Prog Lineaire Chadli FSJES PDF

Titre original :

Transféré par

Droits d'auteur :

Formats disponibles

Sommaire

1 Traduction des problèmes en language mathématique 2

2 Résolution par la Méthode Algébrique 15

Traduction des problèmes en language

1.1 Enoncés des Exercices.

Donner le programme de la direction permettant de déterminer combien de bureaux de

Ouayl Chadli 3 Math Economie

L’objectif de la compagnie est de minimiser le coût total de location, tout en s’assurant

Ouayl Chadli 4 Math Economie

1- De determiner, par une méthode graphique de résolution du système d’inéquations ex-

a- Le chiffre d’affaires prévisionnel mensuel,

3- D’indiquer pour ce programme de fabrication:

a- Les machines pour lesquelles il y aura plein emploi,

(Source: B.T.S., comptabilité et gestion d’entreprise.)

Ouayl Chadli 5 Math Economie

1.2 Solutions des Exercices.

Les autres contraintes sont:

La direction veut maximiser son profit, c’est-à-dire maximiser la fonction:

f (x1 , x2 ) = 300x1 + 200x2 .

f (3, 2) = 300 × 3 + 200 × 2 = 1300 DH.

Ouayl Chadli 6 Math Economie

Ouayl Chadli 7 Math Economie

ce qui donne x1 = 10 et x2 = 2. Ainsi le programme de la direction est (10,2).

3x1 + 4x2 + 2x3 ≤ 120

La direction veut maximiser son profit, c’est à dire maximiser la fonction:

f (x1 , x2 , x3 ) = 6x1 + 7x2 + 8x3 .

Le programme linéaire que doit résoudre l’entreprise est donc:

maximiser 6x1 + 7x2 + 8x3

0.45 x1 + 0.56 x2 + 0.45 x3 ≤ 33.6

Ouayl Chadli 8 Math Economie

Il s’ajoute à ces contraintes des contraintes de non-négativité puisque le nombre de boı̂tes

les contraintes de signes sont comme suite:

Ouayl Chadli 9 Math Economie

La contrainte liée à la phase de finition est comme suite:

Il s’ajoute à ces contarintes économiques, les contraintes de signes:

La compagnie veut maximiser son profit, c’est à dire maximiser la fonction:

f (x1 , x2 , x3 , x4 ) = 60 x1 + 100 x2 + 90 x3 + 200 x4

Le programme linéaire est donc:

maximiser 60 x1 + 100 x2 + 90 x3 + 200 x4

Ouayl Chadli 10 Math Economie

Les contraintes de signes sont données par:

Ouayl Chadli 11 Math Economie

f (x1 , x2 ) = 80x1 + 100x2 .

f (3, 2) = 80 × 3 + 100 × 2 = 440 DH.

• Pour x1 = 7 et x2 = 3: on a 50 × 7 + 50 × 3 = 500 et 10 × 7 + 40 × 3 = 190;

Ouayl Chadli 12 Math Economie

• Pour x1 = 6 et x2 = 4: on a 50 × 6 + 50 × 4 = 500 et 10 × 6 + 40 × 4 = 220.

Ouayl Chadli 13 Math Economie

3- Indication pour le programme de fabication optimal.

50x1 + 50x2 = 50 × 7 + 50 × 3 = 500

La machine qui n’est pas entièrement exploitée est la machine M1 car

20 x1 + 30 x2 = 20 × 7 + 30 × 3 = 230 < 300.

Il reste donc 70h pour la machine M1 qui sont non expoitées.

b- La société peut faire appel à une sous-traitance concernant la production relative à la

Ouayl Chadli 14 Math Economie

Résolution par la Méthode Algébrique

2.1 Rappel sur le principe de la résolution par la méthode

1- De structurer le problème sous forme d’un système d’équations en introduisant les

2- De déterminer un programme de base qui servira de départ au cheminement vers

3- D’expliciter la fonction économique et de déterminer si elle peut être améliorée:

4- En introduisant cette variable dans le programme, on choisira la plus petite

5- Pour déterminer un nouveau programme de base, on doit transformer le système