Recherche Opérationnelle : Méthode de simplexe et dualité

Prof : A. El maliki, ENCG Casablanca

Excercice 1.
Après l’élargissement des couloirs d’une mine, Gorog se retrouve avec des tonnes de gravats en
stock :
– 90 tonnes de roches friables.
– 30 tonnes de roches dures.
– 54 tonnes de roches intermédiaires.
Mais tout a une valeur. Il a trouvé différentes offres d’achat pour ses gravats, mais à condition qu’ils
soient livrés dans certaines proportions. Voici les 3 types de lots qu’il peut vendre :
– Un mélange de 60% de roches friables et 40% de roches dures se vend 100$ la tonne.
– Un mélange de 20% de roches friables, 20% de roches dures et 60% roches intermédiaires se
vend 80$ la tonne.
– Les gravats de roches intermédiaires pures se vendent 50$ la tonne.
Notons par x1 le nombre de tonnes vendues du première mélange, x2 le nombre de tonnes vendues
du deuxième mélange, x3 le nombre de tonnes vendues du troisième lot. Le programme linéaire (PL)
qui représente son problème est :

max
 z = 100x1 + 80x2 + 50x3

 6x1 + 2x2 ≤ 900
4x1 + 2x2 ≤ 300

s.c

 6x2 + 10x3 ≤ 540
x1 , x2 , x3 ≥ 0


On désigne par s1 , s2 , s3 les variables d’écarts des trois contraintes du PL.

1. Expliquez comment on a obtenu le programme linéaire (PL) ci-dessus ?
x1 = nombre de tonnes du première mélange (PM)
x2 = nombre de tonnes du deuxième mélange (DM)
x3 = nombre de tonnes du troisième lot (TL)
La fonction objectif :
x1 nombre de PM rapporte un bénéfice de 100x1
x2 nombre de DM rapporte un bénéfice de 80x2
x3 nombre de TL rapporte un bénéfice de 50x3
Et le profit global est Z = 100x1 + 80x2 + 50x3
Les contraintes :
Roches friables (RF) : x1 nombre de PM utilise 60%x1 de RF et x2 nombre de DM utilise
20%x2 de RF.
Donc la quantité de RF utilisée est 0.6x1 + 0.2x2 et qui ne doit pas dépassée 90 tonnes :
On obtient alors la contrainte 6x1 + 2x2 ≤ 900 (ici on a multiplier les membres droite et gauche
de l’inégalité par 10)
La même chose pour les autres contraintes.
2. Écrire le PL sous forme standard et donner une solution de base réalisable.

1
 max
 z = 10x1 + 80x2 + 50x3

 6x1 + 2x2 + 0x3 + s1 = 900
4x1 + 2x2 + 0x3 + s2 = 300

s.c

 0x1 + 6x2 + 10x3 + s3 = 540
x1 , x2 , x3 , s1 , s2 , s3 ≥ 0

La solution de base réalisable est donnée par (x1 , x2 , x3 , s1 , s2 , s3 ) = (0, 0, 0, 900, 300, 540)
3. Compléter le tableau 3 du simplexe en utilisant le tableau 2 (prendre soin d’expliquer vos
démarches).
Tableau 2 : Tableau 3 :
Li |VB z x1 x2 x3 s1 s2 s3 bi Li |VB z x1 x2 x3 s1 s2 s3 bi
−3
L1 |s1 0 0 -1 0 1 2 0 450 L1 |s1 0 0 -1 0 1 − 23 0 450
1 1 1 1
L2 |x1 0 1 2 0 0 4 0 75 L |x
2 1 0 1 2 0 0 4 0 75
3 1
L3 |s3 0 0 6 10 0 0 1 540 L3 |x3 0 0 5 1 0 0 10 54
Lz |z -1 0 30 50 0 -25 0 -7500 Lz |z -1 0 0 0 0 -25 -5 -10200
Pour obtenir le tableau 3 du simplexe, on applique les deux étapes suivantes :
1er étape : variable entrante et variable sortante
- x3 entre en base (le plus grand coefficient positif de z ; ligne Lz )
- s3 sort de base (plus petit rapport positif de θi = bi /ai3 , ai3 > 0)
2ème étape : Pivotage :
- L3p = L3 /10
- L1 = L1 − 0 ∗ L3p
4. Quelle est la solution optimale ?
Précisez la valeur de la fonction objectif, les variables hors base et en base au point optimal.
Le tableau 3 du simplexe est optimale puisque les ci ≤ 0, i = 1, · · · , 6.
La solution optimale est trouvée et est donnée par (x1 , x2 , x3 ) = (75, 0, 54) (voir la colonne bi)
et (x2 est hors base i.e = 0).
Le profit maximal est Zmax = 10200.
Les variables en base sont s1 , x1 , x3 et les variables hors base sont x2 , s2 , s3 .
5. Interpréter le résultat de la variable s2 ?
s2 = 450 ? : C’est-à-dire qu’il reste 450/10 = 45 de roches friables non utilisées : on a un excès
de la ressource 1 qui est les roches friables.

Exercice 2.
Considérons un agriculteur qui possède des terres, de superficie égale à 100 hectares (ha), dans
lesquelles il peut planter du blé , du maïs et des fèves. L’agriculteur possède une quantité 200
kilos d’engrais et 300 litres d’insecticide. Le blé nécessite une quantité 4 d’engrais par hectare. Le
maïs nécessite une quantité 2 d’engrais par hectare et 6 d’insecticide par hectare. Enfin, les fèves
nécessitent une quantité 10 d’insecticide par hectare. Le blé rapporte un gain de 8k euros à l’hectare,
le maïs rapporte un gain de 4k euros à l’hectare et les fèves rapportent un gain de 5k euros à l’hectare.
On note par x1 , x2 et x3 le nombre d’hectares à planter en blé, en maïs et fèves. Le programme
linéaire (PL) qui représente son problème est :
max z = 8x1 + 4x2 + 5x3


 x1 + x2 + x3 ≤ 100
4x1 + 2x2 ≤ 200

s.c

 6x 2 + 10x 3 ≤ 300
x1 , x2 , x3 ≥ 0


2
On désigne par s1 , s2 , s3 les variables d’écarts des trois contraintes du PL.
1. Expliquez comment on a obtenu le programme linéaire (PL) ci-dessus ?
On note par x1 , x2 et x3 le nombre d’hectares à planter en blé, en maïs et fèves
Profit blé = 8x1 . Profit maïs = 4x2 . Profit fèves = 5x3
Le profit total est alors z = 8x1 + 4x2 + 5x3
Superficie (en hectares) à planter : x1 + x2 + x3 ≤ 100 ← hectares disponibles
Engrais :4x1 + 2x2 ≤ 200 ← engrais disponible
Insecticide : 6x2 + 10x3 ≤ 300 ←Insecticide disponible
2. Écrire le PL sous forme standard et donner une solution de base réalisable.
max z = 8x1 + 4x2 + 5x3


 x1 + x2 + x3 + s1 = 100
4x1 + 2x2 + s2 = 200

s.c

 6x2 + 10x3 + s3 = 300
x1 , x2 , x3 , s1 , s2 , s3 ≥ 0

La solution de base réalisable est donnée par (x1 , x2 , x3 , s1 , s2 , s3 ) = (0, 0, 0, 100, 200, 300)
3. Expliquer comment on a obtenu le tableau 3 du simplexe à partir du tableau 2(itération 2).
Tableau 2 : Tableau 3 :
Ligne VB z x1 x2 x3 s1 s2 s3 bi Ligne VB z x1 x2 x3 s1 s2 s3 bi
1 −1 −1 −1 −1
L1 s1 0 0 2
1 1 4
0 50 L1 s1 0 0 10
0 1 4 10
20
1 1 1 1
L2 x1 0 1 2
0 0 4
0 50 L2 x1 0 1 2
0 0 4
0 50
3 1
L3 s3 0 0 6 10 0 0 1 300 L3 x3 0 0 5
1 0 0 10
30
−1
Lz z -1 0 0 4 0 -2 0 -400 Lz z -1 0 -3 0 0 -2 2
-550
Pour obtenir le tableau 3 du simplexe, on applique les deux étapes suivantes :
1er étape : variable entrante et variable sortante
- x3 entre en base (le plus grand coefficient positif de z ; ligne Lz)
- s3 sort de base (plus petit rapport positif de θi = bi /ai3 , ai3 > 0)
2ème étape : Pivotage :
- L3p = L3 /10
- L1 = L1 − 1 × L3p
- L2 = L2 − 0 × L3p
- Lz = Lz − 4 × L3p
4. Quelle est la solution optimale ?
Précisez la valeur de la fonction objectif, les variables hors base et en base au point optimal.
Le tableau 3 du simplexe est optimale puisque les ci ≤ 0, i = 1, · · · , 3.
La solution optimale est trouvée et est donnée par (x1 , x2 , x3 ) = (50, 0, 30) (voir la colonne bi)
et (x2 est hors base i.e = 0).
Le profit maximal est Zmax = 550.
Les variables en base sont s1 , x1 , x3 et les variables hors base sont x2 , s2 , s3 .
5. Interpréter le résultat de la variable s1 ?
C’est-à-die qu’il reste 20 hectares non utilisés : on a un excès de la ressource 1.

3
Exercice 3.
On considère le programme linéaire suivant :
max z = 10x1 + 9x2 + 7x3

 2x1 + 3x2 + 5x3 ≤ 450
2x1 + 5x3 ≤ 600

s.c

 3x1 + 2x2 + 6x3 ≤ 600
x1 , x2 , x3 ≥ 0


1. Donner une base de départ et la solution de base réalisable associée. Justifier ce choix.
On introduit les variables d’écarts s1 , s2 , s3 :
max  z = 10x1 + 9x2 + 7x3

 2x1 + 3x2 + 5x3 + s1 = 450
2x1 + 5x3 + s2 = 600

s.c

 3x 1 + 2x 2 + 6x3 + s3 = 600
x1 , x2 , x3 , s1 , s2 , s3 ≥ 0

Les contraintes sont définies par des inégalités inférieures (≤) et les bi sont positifs alors la
solution triviale de base réalisable est (x1 , x2 , x3 , s1 , s2 , s3 ) = (0, 0, 0, 450, 600, 600)
2. Résoudre par la méthode du simplexe en tableaux, en donnant, pour chaque tableau :
– Des flèches indiquant les variables entrantes et sortantes.
– Le pivot encadré.
– La base courante. La solution de base courante.
– La valeur de la fonction objectif.
Le corrigé de cette question se trouve dans la page suivante

4
TD2 Exercice 3: IOR tutorial
Linear Programming Model:
Number of Decision Variables: 3
Number of Functional Constraints: 3
Max Z = 10 X1 + 9 X2 + 7 X3
subject to
1) 2 X1 + 3 X2 + 5 X3 <= 450
2) 2 X1 + 0 X2 + 5 X3 <= 600
3) 3 X1 + 2 X2 + 6 X3 <= 600
and
X1 >= 0, X2 >= 0, X3 >= 0.
Solve Interactively by the Simplex Method:

Le premier tableau du simplexe est donné par:

Bas|Eq | | Coefficient of | |
Var|No | Z| X1 X2 X3 s1 s2 s3 | bi | theta_i
___|__ |__|_____________________________________|______ | ______
| | | |
s1|L1 | 0| 2 3 5 1 0 0 | 450 | 450/2=225
s2|L2 | 0| 2 0 5 0 1 0 | 600 | 600/2=300
s3|L3 | 0| 3* 2 6 0 0 1 | 600 |600/3=200
___|__ |__|_____________________________________|______ |
Z |Lz |-1| 10 9 7 0 0 0 | 0 |

Pour obtenir le second tableau du simplexe, on applique les deux étapes suivantes :
1er étape : variable entrante et variable sortante
- x1 entre en base (plus grand coefficient positif de z ; ligne Lz)
- s3 sort de base (plus petit rapport positif de theta_i= bi/ai1 , ai1 > 0)
2ème étape : Pivotage :
- L3p<-------L3/3
- L1<-------L1-2*L3p
- L2<-------L2-2*L3p
- Lz<-------Lz-10*L3p

Le second tableau du simplexe:

Bas|Eq| Coefficient of | | theta_i
Var|No| Z| X1 X2 X3 s1 s2 s3 | bi |
___|__|__|_____________________________________|______ | ______
| | | |
s1|L1| 0| 0 1,667* 1 1 0 -0,67 | 50 | 50/1.667
s2|L2| 0| 0 -1,33 1 0 1 -0,67 | 200 | -
X1|L3| 0| 1 0,667 2 0 0 0,333 | 200 | 200/0.667
___|__|__|_____________________________________|______ |
Z |Lz|-1| 0 2,33 -13 0 0 -3,333 | -2000 |

Le tableau ci-hau n'est pas optimal car il existe (ci> 0, ligne Lz Coef c2=2.33).

Pour obtenir le troisième tableau du simplexe, on applique les deux étapes suivantes :
1er étape : variable entrante et variable sortante
- x2 entre en base (plus grand coefficient positif de z ; ligne Lz)
- s1 sort de base (plus petit rapport positif de theta_i= bi/ai2 , ai2 > 0)
2ème étape : Pivotage :
- L1p<-------L1/1,667
- L2<-------L2-(-1.33)*L1p
- L3<-------L3-0.667*L1p
- Lz<-------Lz-2.33*L1p

Bas|Eq| Coefficient of | |
Var|No| Z| X1 X2 X3 s1 s2 s3 | bi |
___|__|__|_____________________________________|______ |______
| | | |
X2|L1| 0| 0 1 0,6 0,6 0 -0,4 | 30 |
s2|L2| 0| 0 0 1,8 0,8 1 -1,2 | 240 |
X1|L3| 0| 1 0 1,6 -0,4 0 0,6 | 180 |
___|__|__|_____________________________________|______ |
Z |Lz|-1| 0 0 -14,4 -1,4 0 -2,4 | -2070 |

Puisque (ci<= 0, i=1,...6) alors la solution optimale est trouvée et elle est donnée par
(x1; x2; x3) = (180; 30; 0) et
la valeur maximale est Zmax = 2070 5
Exercice 4.
On considère le programme linéaire suivant :
max z = 3x1 + 2x2 + 5x3


 x1 + 2x2 + x3 ≤ 430
(P L) 3x1 + 2x3 ≤ 460

s.c

 x1 + 4x2 ≤ 420
x1 , x2 , x3 ≥ 0

1. Résoudre le PL ci-dessus par la méthode du simplexe en tableaux. Indiquer le détail des calculs.
On utilise la même démarche que celle élaboré dans l’exercice 3.

Excercice 5.
Une personne soucieuse de sa forme physique souhaite absorber chaque jour 36 unités de Vitamine
A, 28 unités de Vitamine C et 32 unités de Vitamine D. Deux marques sont susceptibles de fournir
ces apports. La marque 1 coûte 3 euros et procure 2 unités de Vitamine A, 2 unités de Vitamine C
et 8 unités de Vitamine D. La marque 2 coûte 4 euros et procure 3 unités de Vitamine A, 2 unités de
Vitamine C et 2 unités de Vitamine D. Il s’agit de trouver la combinaison respectant les exigences
d’absorption quotidienne au moindre coût. Résoudre (P) graphiquement.
1. Enoncer ce problème sous forme d’un programme linéaire (P).
2. Ecrire le dual (D) de (P).
3. Résoudre (D) par la méthode du simplexe.
4. Déduire une solution de (P) à partir du tableau final du simplexe de (D)
5. Résoudre (P) graphiquement.

Exercice 6
Le programme linéaire associé au problème de la production de peinture est donné :

max z = 5x1 + 4x2




 6x1 + 4x2 ≤ 24


x + 2x2 ≤ 6


 1


s.c x2 ≤ 2


x − x1 ≤ 1


 2



x1 , x2 ≥ 0



La solution optimale du problème primal ci-haut est donnée par x = (3, 23 ).

1. Trouver les valeurs des variables d’écart s1 , s2 , s3 , s4 au point optimal et interprétez.
2. Formuler le problème dual.
3. En utilisant le théorème des écarts complémentaires de la dualité, déterminer la solution op-
timale du programme dual correspondant.
4. Pour la solution de base optimale du problème primal, écrire l’objectif du problème primal en
fonction des variables hors base.
5. Vérifier que les valeurs de la solution optimale du dual n’est autre que l’opposé des coefficients
des variables d’écart hors base.

6
Exercice 7.
La compagnie Wyndor Glass Co. produit des produits verriers de haute qualité, incluant des
fenêtres et des portes vitrées. Elle dispose à cette fin de trois usines (usine 1, usine 2, usine 3), qui
ont chacune une capacité de production limitée. Les châssis en aluminium et les matériaux sont
produits dans l’usine 1, les châssis en bois sont fabriqués dans l’usine 2, et l’usine 3 produit le verre
et assemble les produits. La compagnie a décidé de mettre en place de ligne de production :
produit 1 : une porte vitrée avec un châssis d’aluminium ;
produit 2 : une fenêtre double-vritage avec châssis en bois. Un lot de 20 unités donne lieu à un profit
de $3000 et $5000, respectivement pour le produit 1 et le produit 2. Les données du problème sont
synthétisées dans la Table suivante. Chaque lot d’un produit est le résultat combiné de la production
dans les trois usines.
Produit 1 Produit 2 Capacité
Temps de prod. (h) Temps de prod. (h) production (h)
Usine 1 1 0 4
Usine 2 0 2 12
Usine 3 3 2 18

Nous souhaitons déterminer le taux de production pour chaque produit (nombre de lots par
semaine) de façon à maximiser le profit total.
1. Ecrire le programme linéaire associé au problème de la compagnie Wyndor Glass Co.
2. Supposons qu’une compagnie partenaire de Wyndor Glass, appelée DGlass, aimerait louer du
temps aux usines afin de fabriquer des lots de produits. Quel prix horaire pour chaque usine
devrait-elle demander de telle sorte que le résultat soit équitable, soit aucun profit ni perte
pour aucun des deux partenaires ?
3. La solution optimale du primal est donnée par (x1 , x2 ) = (2, 6). Utiliser le théorème des écarts
complémentaires pour trouver la solution optimale du dual.
4. Pour la solution optimale x = (2, 6) du problème Wyndor Glass, écrire l’objectif en fonction
des variables hors base.
5. Vérifier que les valeurs de la solution optimale du dual n’est autre que l’opposé des coefficients
des variables d’écart hors base.

Corrigé de l’exercice 7.
1. Les variables de décision sont : x1 , le nombre de lots du produit1 ; x2 , le nombre de lots du
produit 2.
Le fonction objectif est le profit total, qui vaut 3x1 + 5x2 , en l’exprimant en miller de dollars.
Nous voulons maximiser ce profit : max z = 3x1 + 5x2 .
Les contraintes concernent tout d’abord les capacités de production :
x1 ≤ 4 (usine 1)
2x2 ≤ 12 (usine 2)
3x1 + 2x2 ≤ 18 (usine 3)
Viennent ensuite les contraintes de non-négativité : x1 ≥ 0; x2 ≥ 0 : (nombre positif d’unités

7
 produites)
En résumé, nous avons le problème d’optimisation suivant :

max z = 3x1 + 5x2




 x1 ≤4


2x2 ≤ 12


(P )s.c


 3x1 + 2x2 ≤ 18


x1 , x2 ≥ 0



2. DGlass cherche à minimiser le prix total qu’elle devra payer pour le temps loué aux trois usines.
Le prix total pour chaque usine peut être exprimé comme
temps de production maximum (h) × prix pour louer du temps ($/h).
L’objectif est par conséquent min w = 4y1 + 12y2 + 18y3 .
Les contraintes assurent que le prix total associé à la fabrication d’un lot de chaque produit
ne doit pas être inférieure au profit ($/lot) qu’en retire Wyndor Glass.
Le prix total associé à un produit peut être exprimé comme le temps consacré à la production
de chaque lot (h/lot) multiplié par le prix pour louer du temps ($/h).
La contrainte associée au produit 1 peut s’exprimer comme y1 + 3y3 ≥ 3.
La contrainte associée au produit 2 est 2y2 + 2y3 ≥ 5.
Nous obtenons ainsi le modèle pour DGlass, appelé modèle dual :

min
 w = 4y1 + 12y2 + 18y3
 y1 + 3y3 ≥ 3
(D) s.c 2y2 + 2y3 ≥ 5
y1 , y2 , y3 ≥ 0


3. On introduit les variables d’écarts s1 , s2 , s3 , s4 dans le programme primal pour obtenir une
forme standard du programme linéaire

max z = 3x1 + 5x2




 x1 + s1 = 4



 2x2 + s2 = 12
(P )s.c


 3x1 + 2x2 +s3 = 18


x1 , x2 ≥ 0



Pour la solution optimale (x1 , x2 ) = (2, 6), on trouve la solution du base réalisable optimale
(x1 , x2 , s1 , s2 , s3 ) = (2, 6, 2, 0, 0) du problème Wyndor Glass.
Les
 variables d’écart (surplus) pour le problème dual sont
e1 = y1 + 3y3 − 3
e2 = 2y2 + 2y3 − 5
On
 a
 s1 ∗ y1 = 0 =⇒ y1 = 0 puisque s1 6= 0
s2 ∗ y2 = 0 =⇒?
s3 ∗ y3 = 0 =⇒?


8
 Et

e1 ∗ x1 = 0 =⇒ e1 = 0 puisque x1 6= 0
e2 ∗ x2 = 0 =⇒ e2 = 0 puisque x2 = 6 0
Ce qui donne y1 = 0, y2 = 32 , y3 = 1
4. et 5. On constate que s2 et s3 sont deux variables hors base. L’objectif en fonction des variables
hors base s’écrit : z = 36 − 32 s2 − s3 :
Car 2x2 + s2 = 12 et 3x1 + 2x2 + s3 = 18
⇒ x2 = 6 − 12 s2 et x1 = 2 + 13 s2 − 31 s3 , on remplace x1 et x2 dans la fonction objectif
z = 3x1 + 5x2 = 3(2 + 13 s2 − 13 s3 ) + 5(6 − 12 s2 ) = 36 − 32 s2 − s3
s2 et s3 sont les variables hors base et les coefficients 23 et 1 sont leurs coûts ombres (shadow
prices)= variables duales.
On constate que y1 = 0 c’est le coefficient associé à s1 , y2 = 3/2 est coefficient associé à s2 et
y3 = 1 est coefficient associé à s3

Remarquez que : Si on augmente la valeur de s2 de une unité, le profit diminue de 23 .

s2 est également la variable d’écart associée à la contrainte de ressource pour l’usine 2 :
2x1 + s2 = 12
Augmenter s2 d’une unité signifie par conséquent diminuer le terme de droite correspondant
de 1. En effet, si Wyndor Glass loue a DGlass une heure de temps de production à l’usine 2 :
– la capacité à l’usine 2 diminue de 1 heure (diminution d’une unité du terme de droite) ;
– la valeur de l’objectif diminue de 23 .

Exercice 8. (contrôle 2013)

L’entreprise PLUX est spécialisée dans la fabrication du gaz ammoniac (NH3) et du chlorure
d’amonium (NH4Cl). Actuellement elle dispose de 50 unités d’azote (N) , 180 unités d’hydrogène
(H), 40 unités de chlore (Cl). Lorsqu’elle vend sur le marché une unité de gaz ammoniac, elle réalise
un bénéfice de 40 euros. Une unité de chlorure d’amonium lui rapporte un bénéfice de 50 euros .
Elle souhaiterait établir un plan de production optimal, basé sur ses bénéfices et l’état actuel de ses
stocks.
Si on désigne par x1 et x2 les quantités produites en NH3 et NH4Cl respectivement, on peut
présenter le problème de la firme PLUX par le modèle suivant :
max z = 40x1 + 50x2

 x1 +
 x2 ≤ 50
(P) s.c : x1 + 2x2 ≤ 60


 x2 ≤ 40
x1 , x2 ≥ 0

La solution optimale de (P) est : x1 = 40, x2 = 10.
1. Ecrire le dual de ce problème.

min w = 50y1 + 60y2 + 40y3


 y1 + y2 + 0y3 ≥ 40
(D) s.c 1y1 + 2y2 + 1y3 ≥ 50
y1 , y2 , y3 ≥ 0


2. Déduire la solution optimale du problème dual (D)(en utilisant le théorème des écarts complé-
mentaires de la dualité). Interpréter la valeur de ces variables.

9
  solution optimale est donnée par x = (40, 10) et on a
La
 s1 = 50 − (x1 + x2 ) = 50 − 40 − 10 = 0
s2 = 60 − (x1 + 2x2 ) = 60 − 40 − 20 = 0
s3 = 40 − (0x1 + x2 ) = 40 − 10 = 30

Les
 variables d’écart (surplus) pour le problème dual sont
e1 = y1 + y2 + 0y3 − 40
e2 = 1y1 + 2y2 + 1y3 − 50
Le
 théorème des écarts complémentaires se traduit par
 s1 ∗ y1 = 0 =⇒?
s2 ∗ y2 = 0 =⇒?
 3 ∗ y3 = 0 =⇒ y3 = 0 puisque s3 6= 0
s

e1 ∗ x1 = 0 =⇒ e1 = 0 puisque x1 6= 0
e2 ∗ x2 = 0 =⇒ e2 = 0 puisque x2 6= 0
On remplace y3 = 0 dans les équations de e1 et e2 et on obtient un système à deux équations
et deux variables :

e1 = 1y1 + y2 − 40 = 0
e3 = 1y2 + 2y2 − 50 = 0
En résolvant ce système linéaire (par substitution ou par élimination), on obtient y2 = 10 et
y1 = 30
La solution optimale duale est y ∗ = (y1 , y2 , y3 ) = (30, 10, 0)
y1 = prix unitaire de la ressource 1, soit l’azote (N)
y2 = prix unitaire de la ressource 2, soit l’hydrogène (H)
y3 = prix unitaire de la ressource 3, soit le chlore (C)

3. Écrire l’objectif du problème primal en fonction des variables hors base. Déduire les valeurs
optimales des problèmes primal et dual (profit maximum, coût minimum).
La fonction objectif doit être toujours exprimée en fonction des variables hors base(V.H.B) :
Z = f (V.H.B) = f (s1 , s2 ) (non s3 car s3 6= 0 i.e s3 en base), on a

x1 + x2 + s1 = 50
x1 + 2x2 + s2 = 60
Par élimination on trouve x2 = 10 + s1 − s2 et x1 = 40 − 2s1 + s2 . Dans ce cas la fonc-
tion Z s’écrit
Z = 40x1 + 50x2 = 40(40 − 2s1 + s2 ) + 50(10 + s1 − s2 ) = 2100 − 30s1 − 10s2 ≤ 2100 = Zmax
D’après le théorème de la dualité forte, on Wmin = Zmax = 2100
Remarquez que :
Z = 2100 − 30s1 − 10s2 − 0s3 = Zmax − y1 s1 − y2 s2 − y3 s3
4. Si on augmente le nombre d’unités d’azote (N) de 10, quel sera le nouveau profit ?
Dans ce cas, on suppose que la solution optimale du dual y ∗ ne change pas. On sait que le prix
unitaire d’azote est y1 , alors le nouveau profit sera Znew = Zmax + 10 ∗ y1 = 2100 + 300 = 2400
Remarquez que : si on a diminué le nombre d’unités d’azote (N) de 10 alors le nouveau profit
sera Znew = Zmax − 10 ∗ y1 = 2100 − 300 = 1800

10
Exercice 9. (contrôle 2014)
Une boulangerie industrielle produit du pain, de la brioche et des croissants. Pour cela, elle utilise
trois matières de base M1, M2 et M3, dont les quantités sont précisées ci-dessous :
Les quantités de M1, M2 et M3 journalières sont respectivement de 26, 20 et 30 unités. Enfin, les
bénéfices journaliers de la vente d’une unité de pain, brioche et croissant sont respectivement de 2$,
3$ et 4$. On souhaite établir un planning de production maximisant le bénéfice.
Pain Brioche Croissant
M1 1 2 1
M2 2 0 4
M3 1 3 0
On notera par x1 , x2 , x3 les quantités produites du pain, de la brioche et des croissants.
Le programme linéaire (PL) qui représente son problème est :

max z = 2x1 + 3x2 + 4x3



 1x1 + 2x2 + 1x3 ≤ 26
2x1 + 4x3 ≤ 20

(PL) : s.c

 1x 1 + 3x 2 ≤ 30
x1 , x2 , x3 ≥ 0

On désigne par s1 , s2 , s3 les variables d’écart des trois contraintes du PL.
1. Écrire le PL sous forme standard et donner une solution de base réalisable.
max z = 2x1 + 3x2 + 4x3


 1x1 + 2x2 + 1x3 + s1 = 26
2x1 + 0x2 + 4x3 + s2 = 20

s.c

 1x 1 + 3x 2 + 0x3 + s3 = 30
x1 , x2 , x3 , s1 , s2 , s3 ≥ 0

La solution de base réalisable est donnée par (x1 , x2 , x3 , s1 , s2 , s3 ) = (0, 0, 0, 26, 20, 30)
2. En partant du tableau 2 (deuxième itération du simplexe), expliquer comment on obtient le
tableau 3 du simplexe et compléter le.

Tableau 2 : Tableau 3 :
V.B z x1 x2 x3 s1 s2 s3 bi V.B z x1 x2 x3 s1 s2 s3 bi
L1 |s1 0 1
2 0 1 −1
0 21 L1 |s1 0 − 16 0 0 1 − 41 − 23 1
2 4 1 1
L2 |x3 0 1
0 1 0 1
0 5 L2 |x3 0 2
0 1 0 4
0 5
2 4 1 1
L3 |s3 0 1 3 0 0 0 1 30 L3 |x2 0 3
1 0 0 0 3
10
Lz |z -1 0 3 0 0 -1 0 -20 Lo |z -1 -1 0 0 0 -1 -1 -50
Pour obtenir le tableau 3 du simplexe, on applique les deux étapes suivantes : 1er étape :
variable entrante et variable sortante
- x2 entre en base (le plus grand coefficient positif de z ; ligne Lz)
- s3 sort de base (plus petit rapport positif de θi = bi /ai2 , ai2 > 0)
2ème étape : Pivotage :
- L3p = L3 /3
- L1 = L1 − 2 × L3p
- L2 = L2 − 0 × L3p
3. Interpréter le résultat de la variable s1 ?
C’est-à-die qu’il reste 20 hectares non utilisés : on a un excès de la ressource 1.
4. Le tableau 3 du simplexe est-il optimal ? Justifier.
Le tableau 3 du simplexe est optimale puisque les ci ≤ 0, i = 1, · · · , 6.

11
5. Quelle est la solution optimale ? Préciser la valeur de la fonction objectif, les variables hors
base et en base au point optimal.
La solution optimale est trouvée et est donnée par (x1 , x2 , x3 ) = (0, 10, 5) (voir la colonne bi)
et (x1 est hors base i.e = 0).
Le profit maximal est Zmax = 50.
Les variables en base sont s1 , x2 , x3 et les variables hors base sont x1 , s2 , s3 .
6. Ecrire le dual (D) du programme primal PL. Interpréter les variables duales. Donner la valeur
de l’objectif du programme dual wmin .

min w = 26y1 + 20y2 + 30y3



 y1 + 2y2 + y3 ≥ 2
2y1 + 0y2 + 3y3 ≥ 3

(D) s.c

 y1 + 4y2 + 0y3 ≥ 4
y1 , y2 , y3 ≥ 0


y1 = prix unitaire de la ressource 1, soit la matière M1

y2 = prix unitaire de la ressource 2, soit la matière M2
y3 = prix unitaire de la ressource 1, soit la matière M3

7. Calculer la solution optimale du problème dual (D)(en utilisant le théorème des écarts com-
plémentaires).
On
 a (voir le tableau 3 optimal du simplexe)
 s1 = 1
s2 = 0
s3 = 0

Les
 variables d’écart (surplus) pour le problème dual sont
 e1 = y1 + 2y2 + y3 − 2
e2 = 2y1 + 0y2 + 3y3 − 3
e3 = y1 + 4y2 + 0y3 − 4

Le théorème des écarts complémentaires se traduit par

 s1 ∗ y1 = 0 =⇒ y1 = 0 puisque s1 6= 0
s2 ∗ y2 = 0 =⇒?
 3 ∗ y3 = 0 =⇒?
s

 e1 ∗ x1 = 0 =⇒ e1 = 0 puisque x1 6= 0
e2 ∗ x2 = 0 =⇒?
e3 ∗ x3 = 0 =⇒ e3 = 0 puisque x3 6= 0

On remplace y1 = 0 dans les équations de e1 et e3 et on obtient un système à deux équations
et
 deux variables :
e1 = 2y2 + y3 − 2 = 0
e3 = 4y2 + 0y3 − 4 = 0
En résolvant ce système linéaire (par substitution ou par élimination), on obtient y2 = 1 et
y3 = 1
La solution optimale duale est y ∗ = (y1 , y2 , y3 ) = (0, 1, 1)
8. Utiliser le tableau 3 pour exprimer l’objectif du primal en fonction des variables hors base.
Que peut-on dire des coefficients des variables d’écart hors base.
En multipliant la ligne de l’objectif Lz par la ligne des variables, on obtient :
−z − x1 − s2 − s3 = −50 ⇔ z = 50 − 1x1 − 1s2 − 1s3
On remarque que

12
 z = 50 − 1x1 − 0s1 − 1s2 − 1s3 = Zmax − 1x1 − y1 s1 − y2 s2 − y3 s3
Les coefficients des variables d’écart représentent les valeurs de la solution optimale duale.
9. Quel prix donnez-vous à une unité supplémentaire de la matière de base M2 ? Justifier.
Le prix unitaire de la matière de base M2 est y2 = 1.

13