moncourdeROSTIC 1-2018

Support de cours provisoire de
Recherche Opérationnelle
Classe : STIC 1
Auteur : Dr KIMOU Prosper
SOMMAIRE
Chapitre 1 : Généralités
a. La RO
b. Les applications
c. Méthodologie utilisée
d. Références bibliographiques
Chapitre 2 : Connaissances de base et compléments
e. Plan, droites du plan :

f. Ensemble
g. Calculs sur les matrices
h. Systèmes d’équations linéaires
i. Systèmes d’inéquations linéaires
Chapitre 3 : Optimisation
Optimisation sans contraintes
Optimisation avec contrainte
Chapitre 4 : Programmation linéaire
j. Motivation
k. Bases et points extrêmes
l. L’algorithme du simplexe
Chapitre 5 : Théorie des graphes et application en RO
m. Généralités : définitions ; chemins et circuits d’un graphe ; longueur d’un chemin ;

graphe sans circuit ; graphe valué, chemin optimal
n. Problème d’ordonnancement :
- Enoncé d’un problème de recherche opérationnelle dans l’industrie
- Formulation mathématique de la méthode MPM
- Résolution du problème d’ordonnancement par MPM
- Formulation mathématique de la méthode PERT
- Résolution du problème d’ordonnancement par MPM
o. Problèmes de flots
- Enoncé d’un problème de recherche opérationnel dans le trafic routier
- Formulation du problème sous forme de graphe valué
- Résolution du problème
1
Classe : STIC 1
Chapitre 1 : Généralités
I. Définitions de la R.O
La recherche opérationnelle est l’approche scientifique pour la résolution des problèmes de gestion
des systèmes complexes. C’est aussi l’ensemble des méthodes scientifiques pour résoudre des
problèmes d’optimisation liées aux organisations du monde réel.
II. Caractéristiques
Cette discipline est à la croisée des mathématiques et de l’informatique. En effet, c’est un

prolongement de l’algorithmique : domaine d’application de la théorie de la complexité
algorithmique. Elle manipule des structures plus complexes comme les graphes, les polyèdres, etc.
III. Quelques applications
Parmi les applications classiques de cette discipline on peut citer :
1. Le voyageur de commerce (TSP)

Un voyageur de commerce, basé à Abidjan, doit visiter ses clients à travers la Côte d’Ivoire. Il
souhaite effectuer la traversée la plus courte possible.
Modélisation : Instance : villes avec une matrice de distance
Solution : tournée visitant chaque ville et revenant à Abidjan
2. Conception, configuration et exploitation des systèmes techniques complexes
Réseaux de communication
Système d’information
3. Gestion de la chaîne logistique
Transport : Minimiser la distance totale parcourue selon la quantité de matière à transporter,
la capacité des transporteurs, les points de ravitaillement en carburant, …
Production : Maximiser le profit selon la disponibilité de la main d’œuvre, la demande du
marché, la capacité de production, le prix de revient du matériel brut
Stocké.
Remarque : Très important dans le milieu industriel : production, transport, finance
IV. Méthodologie
Face à un problème pratique de décision on doit :

o Faire ressortir les aspects mathématiques : contraintes, objectifs, simplification
o Modéliser : Théorie des graphes, programmation linéaire, programmation par
contraints (PPC), etc.
o Analyser les modèles puis résoudre : étude de complexité, mise au point
d’algorithmes.
o Implémentation et analyse des résultats : valider par rapport à la demande
o Déploiement des solutions
V. Les outils (ou modèles)
2
Classe : STIC 1
1. Programmation linéaire
Minimiser le coût/ maximiser le profit :
Satisfaire la demande :
avec des ressources limitées :
quantités produites :
2. Optimisation combinatoire (OC)
i. Trouver la meilleur solution parmi un nombre fini mais très grand de choix
ii. un problème d’OC se caractérise par :
- La présence de choix à faire parmi un ensemble fini d’alternance
- Une notion de coût ou de gain, ou de perte
- La nécessité de faire globalement les bons choix de manière à
optimiser la valeur objectif.
3. Les graphes
Valuation des arêtes= coût, temps, distances, capacité.
 Meilleur chemin de i à j
 Meilleur parcours :
o Passant par chaque ville
o Passant par chaque arête, etc.
Bibliographie
[1] De Werra, D., Liebling, T-M, and Hêche, J.-F, Recherche Opérationnelle pour ingénieurs, Tome 1.
Presses Polytechniques et universitaire Romandes, 2003
[2] SAKAROVITCH, M, Optimisation combinatoire, Graphes et programmation linéaire. Hermann,

Enseignement des sciences, Paris, 1984.
[3] GUIDY WANDA JOSEPHINE, Recherche Opérationnelle : initiation. Tome 1. Collection Alpha
Omega. 1993.
Conclusion partielle
Discipline à l’interface de l’informatique (algorithmique) des mathématiques (modélisation) et de
l’économie (gestion, stratégies, etc.) la recherche opérationnelle permet d’opérer le meilleur choix
avec les ressources disponibles.
3
Classe : STIC 1
Chapitre 2 : Connaissances de base et compléments.

1. Matrices blocs
1. Décomposition d’une matrice sous forme de blocs
Définitions
Soit , la matrice
est une matrice bloc
Exemple
Soit la matrice bloc , on a :
Soit . Donc A est une matrice bloc à deux lignes et deux colonnes. Par ailleurs on a :
avec ; , , . De plus,
Indices des Indices des

lignes colonnes
Somme
Ecrite sous cette forme, A est appelée matrice-bloc

Remarque
- Soit A une matrice représentée par un tableau rectangulaire. En traçant des parallèles aux
bords de ce tableau, on partage la matrice A en un certain nombre de sous-matrice appelées
blocs. On dit qu’on a décomposé A en blocs. Notons les différents blocs, est le bloc
situé sur la horizontale et la verticale. Une matrice décomposée en blocs est
aussi appelée matrice blocs. Dans l’exemple précédent on a une parallèle au bord horizontal
et une autre au bord vertical, donc A est une matrice bloc.
- Les blocs situés sur la même ligne (portant le même numéro de ligne) doivent avoir le même
nombre de lignes
4
Classe : STIC 1
- Les blocs situés sur la même colonne (portant le même numéro de colonne) doivent avoir le
même nombre de colonnes.
- Attention !!! la matrice suivante n’est pas définie par blocs :
car les blocs situés sur la première ligne n’ont pas le même nombre de lignes.
2. Opérations sur les matrices blocs

Dans le cas général, dans la mesure où les opérations sur les matrices sont compatibles les
opérations sur les matrices par blocs s’effectuent comme sur les matrices ordinaires, le terme
général étant une matrice.
a. Addition
Soient et deux matrices de même taille décomposée en bloc respectivement ( ) et ( ) ayant
même nombre de lignes et même nombre de colonnes.
La matrice se décompose sous forme de blocs ( ) avec :
Il s’agit de l’addition des matrices. Ainsi, le bloc s’obtient en additionnant les blocs et .
Exemple
Dans le cas où et on a :
a. Multiplication
Soient et deux matrices décomposée en bloc respectivement ( ) et ( ). Si le nombre de
colonnes de ( est égale au nombre de lignes de ( ) alors la matrice se décompose
sous forme de blocs ( ) avec :
Il s’agit de la multiplication et d’addition des matrices. Ainsi, le bloc s’obtient en additionnant les
blocs et .
Exemples
Dans le cas où et on a :
5
Classe : STIC 1
Exercice
Effectuer lorsque cela est possible les opérations sur les matrices blocs suivantes :
Exercice 1
Soit la matrice
1. Découpé A en blocs pour que l’opération suivante soit définie :
La décomposition de A est-elle unique ?

2. Effectuer le calcul précédent par blocs avec les différentes décompositions de A.
Comparer les résultats obtenus avec le produit
Exercice 2
Soit la matrice
1. Découpé A en blocs pour que l’opération suivante soit définie en bloc :
6
Classe : STIC 1
La décomposition de E est-elle unique ? Justifier

2. Effectuer le calcul précédent par blocs avec le produit .
Exercice 3
Soit les matrices suivantes :
2. Droites, plans et hyperplans

Activité 1 (Equations de droites, demi-plan)
Le plan est rapporté à un repère orthonormé Oxy. Soit les droites d’équations suivantes
.
1. Représenter graphiquement ces droites.

2. Quelles sont les positions relatives de ces droites.
3. Déterminer les coordonnées des points d’intersection de D1 avec les axes Ox et Oy
4. Déterminer les coordonnées du point d’intersection de D1 et D3 (méthode de substitution ou
combinaison)
Activité 2(Intersection de droites, de plans)
Le plan est rapporté à un repère orthonormé . Soit la droite d’équations suivantes
1. Représenter graphiquement cette droite. En combien de régions elle partage le plan ?

Quel est l’intersection de deux droites non parallèles ?
7
Classe : STIC 1
2. On se place dans muni de sa base canonique. Que représente l’équation suivante :

. En combien de sous-espace ce plan divise t-il l’espace (appelé demi-
espace). Quelle est l’intersection de deux plans non parallèles ?
On généralise les résultats de l’activité 3 à . Dans ce cas, on parle d’hyperplans et de

demi-espace.
Définitions
 Dans le plan ….rapporté à un repère orthonormé , l’équation générale d’une droite
s’écrit :
 Dans l’espace rapporté à un repère orthonormé , l’équation générale d’un plan

s’écrit :
 Dans l’espace vectoriel muni de sa base canonique, l’équation générale d’un hyperplan
s’écrit :
1. Régionalisation du plan et de l’espace

Dans , l’ensemble des points vérifiant :
est appelé hyperplan. En posant :
l’équation précédente s’écrit de façon plus concise : .

Un hyperplan divise en trois ensembles mutuellement exclusifs et collectivement
exhaustifs. Il s’agit de : , et .
Les ensembles et sont appelés demi-espace ouverts et sont convexes
Remarque
L’intersection de deux hyperplans non parallèles est un hyperplan de dimension .
3. Sous-espace affine
Définition
Etant donné , , on dit que M est un sous espace affine (ou une variété) de , si M
est stable par combinaison linéaire affine. C'est-à-dire :
Exemple
8
Classe : STIC 1
Soit M définit comme suit :
Soient deux éléments de M. Montrons que
On a :
avec
Calculons
On a :
Donc M est un sous-espace affine ou une variété de
Définition. Soit M un sous espace affine de . Le sous espace vectoriel V vérifiant:

est appelé la direction de M. la dimension de V est la dimension de M.
Exemple
Considérons l’exemple précédent et définissons V par :
Si un élément de alors est un élément de V. En effet,
Posons : . Ainsi,
avec .
9
Classe : STIC 1
Proposition.
Pour un sous ensemble non vide de , les conditions suivantes sont équivalentes :
1) M est un sous espace affine de
2) Il existe un sous espace vectoriel V unique de tel que :
(Tout translaté de V par un élément de M est un élément de M.
Définitions
 Soit M un sous espace affine de Rn. Le sous-espace vectoriel V vérifiant :
est appelé la direction de M. La dimension de V est la dimension de M.
 Un hyperplan est un sous-espace vectoriel de codimension 1
En dimension finie n comme c’est le cas ici,
Comme V est de dimension 2, on en déduit que M est de dimension 2.
Proposition
M est un sous-espace affine si et seulement si M contient toute combinaison linéaire affine de toute
famille finie de ses points
Proposition
Soit H une partie non vide de . Les propositions suivantes sont équivalentes
i. H est un hyperplan
ii. Il existe linéaire non nulle et tel que
Exemple
Soit . est linéaire et on a :
10
Classe : STIC 1
4. Ensemble convexe, fonction convexe

1. Ensemble convexe
Définition
Une partie (ou un ensemble) E du plan est dite convexe si pour tout couple de points x et y
appartenant à E, tous les points situés sur le segment de droite appartiennent à E :
Exemples
1. Dans R, les parties convexes sont les intervalles :
2. Dans , Un disque de centre O et de rayon r, un triangle plein ABC, un rectangle plein ABCD sont
des paries ou ensembles convexes :
…………………………………………………………
les figures ci-dessous représentent des paries convexe du plan.
3. Dans , les parties convexes sont , les boules, les segments, les singletons et l’ensemble vide
Application
Que forme l’ensemble des solutions du système suivant.
11
Classe : STIC 1
Rép. : On obtient pour l’ensemble des solutions, un ensemble fermé borné donc convexe.
Remarque
 L’intersection de plusieurs ensembles convexes est un ensemble convexe.
 Soit ………………un hyperplan de Rn. Les démi-espaces ouvert sont convexes.
2. Points extrêmes
Définition
Le vecteur x est appelé combinaison convexe des p vecteurs x1, x2, …, xp s’il existe des constantes
non-négatives ……. Avec ………….. telles que ……….
Un vecteur x est un point extrême (sommet) d’un ensemble S convexe s’il n’existe pas de points x1,
x2 (x1/=x2) dans l’ensemble pour lesquels ……………. En d’autres termes, un point extrême de S ne
12
Classe : STIC 1
peut être exprimé comme combinaison convexe de deux distincts de S. A noter ici les inégalités
strictes imposées à ……
Définition
Définition. Un point A d’une partie convexe E de est point extrême s’il n’est intérieur à aucun
segment de E. En d’autres termes un point x de A est un point extrême si
L’ensemble des points extrêmes de A est appelé profil de A.
Exemple
Dans le plan, un triangle plein ABC un rectangle plein ABCD parties convexes du plan ont pour points
extrêmes respectivement les sommets A, B ,C et A,B,C,D.
Exercice
Quelle(s) est (sont) les points extrêmes d’un disque de centre O et de rayon r ? Rép. : c’est sa
circonférence.
3. Polyèdre convexe
Définition
Un polyèdre convexe P de est l’intersection (éventuellement vide) d’un nombre fini de démi-
espace fermé et/ ou d’hyperplans. C'est-à-dire :
Où les sont dans et les dans .
Remarque
Dans cette section on peut supposer qu’on a un seul type d’inégalité.
Exemples
Dans un polyèdre peut avoir l’allure de la figure suivante.
13
Classe : STIC 1
Proposition
Soit P un polyèdre convexe de . On a les équivalences suivantes :
i. est un point extrême de P
ii. est un sommet de P.
Définition
Soit P un polyèdre convexe
- Un point est dit point intérieur de P si on a, pour tout

- Un point est dit point frontière de P s’il existe tel que
5. Extremum local et global
1. Définition
Soit une fonction différentiable de n variable à valeurs réelles. Nous désirons
trouver tel que , pour tout x. Dans ce cas, on dit que f possède un minimum global en
. Les variables notées en caractères gras représentent des vecteurs à n composantes.
On dit que la fonction f(x) possède un minimum local en s’il existe un , tel que pour tout x
au voisinage de ,
Remarque
Un point appartient au de si pour tout
2. Fonction convexe
Définition
Une fonction J définie sur un ensemble convexe C est dit convexe si
La fonction est dite strictement convexe si
3. Quelques résultats d’existence et d’unicité

La première question est celle de l’existence du point de minimum global de la fonction f sur C. Il
existe principalement deux théorèmes qui permettent de répondre à cette question. Le premier
affirme l’existence d’un point minimum lorsque l’ensemble des contraintes est fermé borné. Le
second est son équivalent pour les ensembles de contraintes fermés mais non bornés.
Théorème (de Weierstrass)
Soit X un compact (i.e un fermé borné) non vide de et f : une application continue sur
14
Classe : STIC 1
X.
Alors f est bornée et atteint ses bornes. Autrement dit, il existe x élément de X point de minimum
global de f sur X i.e.
Théorème
Soit F un fermé non vide de et f : une application continue infinie à l’infinie. Alors
f admet un point minimum sur F. Autrement dit, il existe tel que
15
Classe : STIC 1
Chapitre 3 : Activités introductives

Activité
Soit la fonction numérique à variable réelle définie par :
1. Représenter graphiquement à l’aide de la primitive plot2d. Quelle conjecture peut-on faire

concernant les extrema de f. admet-elle un minimum ? justifier simplement votre réponse.
2. Démontrer que admet un minimum. On cherchera à minorée f.
Rép. : et
3. Justifier que admet trois points critiques dont deux sont opposés. Lesquels correspondent à
des minima ? (on calculera la dérivée de , puis on déterminera les racines de la fonction
auxiliaire ).
Activité 1 (calcul direct)
Une entreprise décide d’élaborer un nouveau produit à partir d’une quantité de matière première
dont le kilogramme coûte 1400 FCFA ;
L’heure ouvrier revient à 7000 FCFA à l’entreprise ; La fonction habituellement utilisée par
l’entreprise pour caractériser l’activité est ou est le nombre d’heures-ouvrier et
un coefficient constant (ici ) ; L’investissement est limité à 7000 kCFA.
Trouver la production (c'est-à-dire déterminer la valeur des variables et ) qui maximise l’activité.
Solution
Modélisation
Fonction d’investissement :
Fonction d’activité :
Résolution du modèle et interprétation de la solution
L’activité sera maximisée pour la valeur telle que
D’où : heures-ouvrier et entrainant
16
Classe : STIC 1
Activité 2 (résolution graphique)
Une entreprise fabrique deux produits P1 et P2 en utilisant une machine m et deux matières
premières p et q.
Le temps de fabrication et les quantités de matières pour la production d’une unité de P1 et de P2

sont donnés dans le tableau ci-dessous.
Les profits réalisés sont de 2800 FCFA par unité de P1 et de 1400 FCFA par unité de P2.
Sachant que l’on dispose chaque jour de 8 h d’utilisation de la machine de fabrication, 10 kg de
produit p et 36 kg de produit q, quelle quantité x1 de P1 et x2 de P2 doit-on produire
quotidiennement pour réaliser un profit maximal ?
Solution
Expression du critère à optimiser :
Expression des contraintes :
- Temps d’utilisation de la machine :

- Matière première :
- Matière première :
17
Classe : STIC 1
La solution est ici le sommet intersection des droites et 9 , ce qui donne :
La valeur du critère, c'est-à-dire le montant du profit vaut :
Compte tenu de la remarque précédente, on pourrait donc envisager d’évaluer le critère en chaque
sommet, mais le nombre de sommets augmente rapidement avec le nombre de variables et le
nombre de contraintes.
Remarque
 Le polyèdre est obtenu en traçant uniquement les droites associées à chaque contrainte. A ce
stade on ne se préoccupe pas des sommets (on n’a pas besoin de les calculer)
 Le balayage de la fonction objectif permet de trouver le sommet du polyèdre qui est la
solution à notre problème. Une fois trouver, on détermine les droites qui détermine ce point,
puis on calcul leur intersection
 Les droites doivent être tracées en couleur, et leur équation doit être mentionnée à coté
d’elles pour faciliter la détermination de la solution.
Application
Contraintes concernant les quantités d’engrais et d’anti-parasites
 engrais A disponible
nécessaire pour le café pour cacao
 engrais B disponible
nécessaire pour le café pour le cacao
 anti - parasites disponibles
nécessaire pour le cacao
Objectif : produire le maximum (en poids) de café et de cacao, sachant que les rendements sont de 4
kg/m2 de pour le café et 5 kg/m2 cacao.
Solution
18
Classe : STIC 1
Modélisation
Variable de décision
- surface de courgette
- surface de navets
Fonction objectif
Contraintes
- Engrais A :
- Engrais B :
- Anti-parasite :
-
Interprétation géométrique des solutions.

Interprétons les contraintes café et cacao
- demi-plan de contenant O
- demi-plans
Ensemble des solutions réalisables = intersection de ces demi-plans : polyèdre
Optimiser l’objectif
Les lignes de niveau sont des droites parallèles.
19
Classe : STIC 1
20
Classe : STIC 1
Chapitre 4 : Optimisation
1. Introduction de RO
Dans une économie caractérisée par la raréfaction des ressources naturelles, une diminution des
sources des sources de financement et une concurrence toujours plus vive entre les entreprises, la
répartition optimale de moyens limités entre la multitude des besoins devient la tache principale des
responsables politiques et économiques notre société. Ce problème se retrouve dans tous les
domaines de l’activité économique, politique, scientifique et sociale.
- En gestion de la production : il s’agit, par exemple, de définir une politique

d’approvisionnement, d’adapter la production à la demande, de déterminer les niveaux de
stocks.
- En gestion financière : il faut procéder au choix des investissements et définir un programme
et définir un programme d’amortissement,
- En marketing : il est nécessaire d’établir un réseau de représentants, de choisir un support
publicitaire.
En raison de l’ampleur des enjeux décisionnels, le décideur ne peut plus prendre de décisions hâtives
et justifier un choix d’attribution fondé sur un raisonnement instinctif ou des calculs naïfs. Une bonne
résolution de ce type de problèmes nécessite la connaissance de méthodes approuvées ainsi que la
maitrise des outils mathématiques et informatiques développées a cet effet.
Les méthodes proposées pour résoudre les problèmes évoqués ci-dessus sont nombreuses, mais
elles peuvent toutes se résumer à l’énoncé mathématique suivant, à savoir maximiser ou minimiser
une fonction numérique de variables soumise à diverses contraintes.
21
Classe : STIC 1
2. Les méthodes d’optimisation
Les méthodes d’optimisation peuvent être classées en fonction du type d’étude que l’on souhaite
mener et en fonction des informations dont on dispose.
Si le phénomène analysé est suffisamment connu pour qu’il soit modélisé (au sens représenté par un
ensemble de relations mathématiques), on cherchera les extrema de ce modèle en utilisant des
méthodes analytiques (notion de dérivation, méthode de Lagrange, etc.). Ces méthodes sont
appelées méthodes indirectes puisqu’il faut disposer d’un modèle mathématique du phénomène.
Si la modélisation n’est pas possible (problème de complexité), on emploiera une méthode directe
d’optimisation basée sur une recherche heuristique.
3. OPTIMISATION SANS CONTRAINTES

1. Définition
22
Classe : STIC 1
2. Cas de fonctions à une variable

Activité 1
Soit la fonction .
1. Déterminer les points en lesquels admet un extrémum.

2. Préciser la nature des extrema de .
Réponse.
F est plusieurs fois dérivables sur R. Calculons sa dérivée première :
et sa dérivée seconde :
on obtient les points candidats de la fonction f en résolvant l’équation :
Les valeurs correspondantes de y sont : .

Déterminons la nature des points candidats en utilisant le résultat ….
.
La fonction a donc un maximum en et un minimum en
Les coordonnées du maximum sont et celle du minimum
Considérons le problème d’optimisation sans contraintes dans le cas d’une variable. Soit une
fonction d’une variable de classe C1(continue ainsi que sa dérivée), alors on a le résultat suivant.
23
Classe : STIC 1
Résultat
A
Alors si en ce point :
Remarque
 Lorsqu’une fonction numérique admet un optimum sa dérivée change de signe en s’annulant

(voir figure ci-dessus)
 Un point candidat peut ne pas être un extremum. En effet si alors mais
(0,0) n’est pas un extremum car . Il s’agit d’un point d’inflexion.
 Une fonction peut admettre un maximum local et un maximum global (figure …),
Figure :
 F peut admettre une infinité de minima et de maxima globaux
24
Classe : STIC 1
Figure :
 peut admettre une infinité de minima et maxima locaux mais aucun minimum ou maximum
global : (voir figure ci-dessous).
Figure 1.3 :
25
Classe : STIC 1
Application
3. Cas d’une fonction à deux variables
Résultat
Remarque
26
Classe : STIC 1
Application
Soit la fonction
b. Cas d’une fonction à n variables
27
Classe : STIC 1
Résultat
Remarque
Application
Soit la fonction
Justifier à l’aide du résultat précédent que possède un minimum
Solution
Les extrema potentiel s’obtiennent en résolvant le système d’équations :
28
Classe : STIC 1
Figure : Graphe de
Exercice
Soit
On a :
29
Classe : STIC 1
Exercice
On considère un nuage de points de tels que , pour . En pratique, ces
points résultent de mesures prises lors d’expériences. On cherche alors à déterminer le
comportement global de ce nuage de points. Bien sûr, ceux-ci n’ont aucune raison d’être alignés. On
décide toutefois de chercher une droite qui les approche au mieux …
On utilise alors ce que l’on appelle la méthode des moindres carrés. Puisque l’on n’a pas
pour tout indice i, on cherche à minimiser la fonctionnelle J définie par
. Nous avons donc à résoudre un problème de minimisation sans contrainte
On introduit la notation suivante :
1. Montrer que est équivalent à écrire
2. Si , donner la solution de ce système.
3. Cette solution est-elle, sous cette condition, un minimum ?
4. Cette solution est-elle, sous cette condition, un minimum
Exercice (application à la gestion des stocks)
30
Classe : STIC 1
4. OPTIMISATION AVEC CONTRAINTES
1. Activités d’introduction
Activité 1 (problème avec contrainte d’inégalité)
Soit le problème suivant : Minimiser
1. Démontrer que . En déduire la solution du problème .

2. A-t-on ? Les conditions d’optimalité vue dans la section précédente sont-elles
valables ici ?
Activité 2 (problème avec contrainte d’égalité)

Maximiser sous la contrainte .
1. Exprimer en fonction de seule. On notera cette fonction
2. Déterminer le maximum de . En déduire la solution de PL
3. A-t-on et
4. Déterminer la solution du système suivant :
5. Soit la fonction auxiliaire définie par . Montrer que le point

est candidat à l’optimum de . est appelée Lagrangien et multiplicateur de
Lagrange.
Activité 2 (problème d’optimisation sans contraintes débouchant sur un problème avec contraintes)
On considère le cas d’une fabrique d’acier engagée dans la production de plaques de métal et
utilisant dans son processus de fabrication des matériaux recyclées. Le métallurgiste responsable
désire prévoir la production d’acier en fonction des matériaux recyclés employés.
On note la production en tonnes à la fusion et le type de métal utilisé dans la
fusion avec et . On suppose que le produit final est une fonction linéaire des
matériaux entrés (inputs).
31
Classe : STIC 1
1. Proposer un modèle linéaire pour prévoir la production finale. On posera que est
le paramètre inconnu qui doit être estimé et l’erreur sur le modèle

2. On cherche à estimer X par la méthode des moindres carrées. Justifier que cela revient à
minimiser la fonction définie par : . La fonction g est-elle
différentiable ? A qu’elle type de problème somme nous ramené ?
3. En annulant les dérivées partielles déduire les équations normales de l’analyse de régression.
4. En déduire la solution des équations normales.
Remarque : plusieurs types de fusion sont nécessaires à la réalisation de différents alliages
Activité 3
Les données sont celles de l’exercice précédent. Cependant, le métallurgiste peut être amené à
refuser la solution obtenue si certains sont négatifs par exemple. En effet, il a à l’esprit certaines
restrictions posées sur X. Sachant que les produits finis (en tonne) sont plus petits ou égaux aux
matériaux entrés car des pertes surviennent lors de la fusion, on introduit donc des restrictions
supplémentaires sur X : .
Formuler ce problème avec de telles contraintes (de tels problèmes sont en général difficile à
résoudre).
2. Méthode des multiplicateurs de Lagrange
a. Le cas de deux variables
32
Classe : STIC 1
Applications
33
Classe : STIC 1
5. Trouver les extrema de la fonction objectif : sous la contrainte :

.
6. Déterminer les extrema de la fonction , et étant liés par la
contrainte .
Solution
La contrainte s’écrit : .
Le Lagrangien est donné par :
L’annulation des premières dérivées partielles fournit un système de trois équations à trois
inconnues qu’il s’agit de résoudre.
La matrice hessienne bordée est donc
34
Classe : STIC 1
a. Le cas de variables
35
Classe : STIC 1
Remarque
36
Classe : STIC 1
La méthode des multiplicateurs de Lagrange ne peut pas être utilisée dans tous les cas. Notamment
lorsque le problème d’optimisation possède des contraintes de non-négativité ou lorsque la fonction
n’est pas dérivable, cette méthode est male adaptée.
Exercice
Une firme produit des appareils dans deux usines différentes. Les coûts de production respectifs pour
les deux usines sont :
7. PROGRAMMATION MATHEMATIQUE
Remarque
37
Classe : STIC 1
 Il est particulièrement aisé de travailler avec une variable sans restriction de signe, en
remplaçant par la différence de deux variables non négatives. De même, des contraintes
d’égalité peuvent être remplacées par deux contraintes d’inégalité. Des problèmes classiques
sans contrainte et des problèmes avec contraintes d’égalité peuvent alors être considérés
comme des cas particuliers de (15)
 Lorsque la fonction objectif et les contraintes sont linéaires, nous sommes en

présence d’un problème de programmation linéaire. De plus, si on impose à toutes les
variables du problème d’avoir des valeurs entières à l’optimum, nous sommes en présence
d’un problème de programmation linéaire en variable entière ou en nombre entier.
Exercice corrigé
Soit les problèmes PM1 et PM2 de programmation mathématique définis respectivement comme
suit :
Déterminer
avec .
1. Déterminer graphiquement l’ensemble des solutions réalisables de ces problèmes

2. Montrer que : , . En déduire l’existence de solution de PM1 et PM2
3. Les solutions de PM1 et PM2 peuvent-elle être infinie ? justifier votre réponse.
4. En vous servant de la question 2 donner des solutions de PM1 et PM2
5. On considère le domaine suivant : et le problème PM3
suivant : Déterminer les optimums de puis préciser leur nature.
6. En déduire de la question précédente les solutions de PM1 et PM2.
38
Classe : STIC 1
Chapitre 5 Modélisation, résolution géométrique et informatique

1. Modélisation et résolution géométrique
Activité 1
Une entreprise fabrique deux produits P1 et P2 en utilisant une machine m et deux matières
premières p et q.
Le temps de fabrication et les quantités de matières pour la production d’une unité de P1 et de P2

sont donnés dans le tableau ci-dessous.
Les profits réalisés sont de 2800 FCFA par unité de P1 et de 1400 FCFA par unité de P2.
L’entreprise dispose chaque jour de 8 h d’utilisation de la machine de fabrication, 10 kg de produit p

et 36 kg de produit q. On désigne par x1 la quantité de P1 et x2 la quantité de P2. Doit-on produire
quotidiennement pour réaliser un profit maximal ?
1. Exprimer le profit réalisé par l’entreprise en fonction des variables x1 et x2.
2. Ecrire les contraintes d’utilisation des produits p et q ainsi que celle liée à l’utilisation de la
machine m pour la production quotidienne de A et B.
3. Formuler en termes de problème d’optimisation l’énoncé de l’exercice.
Activité 2
Un consommateur dépense 24 CHF pour l’achat de deux biens : x et y. Les prix de x et de y sont
respectivement de 1 CHF et de 2 CHF. La fonction d’utilité du consommateur est donné par
.
Ecrire le programme linéaire dont l’objectif est de maximiser la fonction d’utilité du consommateur
Exercice corrigé
Une usine fabrique les produits P1 et P2. Elle utilise les matières premières M1, M2 et M3, à raison
de 2 tonnes de M1, 1 tonne de M2 et 3 tonnes de M3 par unité produite de P1 et de 1 tonne de M1.
3 tonnes de M2 et 4 tonnes de M3 par unité produite de P2. Elle dispose mensuellement de 50
tonnes de M1, 25 tonnes de M2 et 60 tonnes de M3.
Le bénéfice net est de 5000 FCFA par unité de P1 et de 2000 FCFA par unité de P2.
Quelle quantité de chacun des deux produits l’entreprise doit-elle fabriquer pour que le bénéfice soit
maximal ?
39
Classe : STIC 1
Solution
Enoncé explicite
Produits : P1 et P2
Matières premières : M1, M2, M3 et M4
Quantité de matière pour la fabrication des produits P1 et P2 :
Quantité de matière
P1 P2
disponible
M1 2 1 50
M2 1 3 25
M3 3 4 60
Bénéfice net par unité

5000 2000
de produit (FCFA)
Modélisation
Soient :
la quantité de P1 produit par mois,
la quantité de P2 produit par mois,
Et le bénéfice net réalisé sur la fabrication des produits P1 et P2. On a : ,

c’est la fonction objectif du problème.
Contrainte sur la matière première M1 :
Contraintes de signes :
Le problème initial se ramène à la résolution du programme linéaire suivant :
Max z= ,
Sous contraintes
et
En résumé, on retiendra la démarche suivante pour la modélisation d’un problème d’optimisation

1. Choix des variables. Par exemple est le nombre d’articles standard à produire
2. Détermination de la fonction économique : maxi/min
3. Ecrire ensuite les contraintes :
40
Classe : STIC 1
a. Contraintes de signe :
b. Contraintes économiques :
4. Ecrire la forme canonique du problème
Remarque
Après la modélisation, il faut résoudre le programme mathématique obtenu.
2. Résolution géométrique.
Activité
Soit le problème de programmation linéaire suivant :
Max
s.c. ,
Le plan est rapporté à un repère orthonormé (O, i, j).
1. Construire le domaine polygonal formé par l’ensemble de contraintes du problème
2. On considère les lignes de niveau . Quelles sont les positions relatives de ces
droites ?
3. Tracer la courbe de niveau 0. On la note (D).
4. On déplace parallèlement à elle-même la droite (D) dans la direction des x croissants. Quelle
est l’intersection limite de D avec le domaine polygonal.
Exercice corrigé
Déterminer la solution graphique du PL suivant :
Max
s.c. ,
Solution
Droites limites
passant par et
passant par et
passant par et
41
Classe : STIC 1
Graphique
Figure : Solution graphique du problème linéaire
Détermination de la solution optimale
Le maximum est atteint en :
D’où
Remarque
 cette méthode est limitée au cas de 2 variables.
 On aurait pu utiliser le solver d’Excel ou Xcas pour résoudre le système donnant I (voir dans la
suite)
Pour présenter la solution graphique on pourra procéder comme suit :
1. Transformer chaque contrainte économique en équation d’une droite

2. Représenter dans un repère chaque droite à l’aide de 2 points puis
3. Mettre en exergue l’ensemble des solutions réalisables
4. Tracer les courbes de niveau de la fonction objectif pour
42
Classe : STIC 1
5. En déduire le calcul des coordonnés de l’optimum : intersection des 2 droites par où passe la
courbe de niveau
3. Résolution de PM nécessitant un traitement numérique ou informatique
4. Terminer par une conclusion
Résolution numérique ou informatique
Activité 1
Soit le programme mathématique suivant :
Max
s.c.
1. Vérifier que les points et sont des solutions réalisables.

2. Peut-on déterminer les points candidats à ce problème ? justifier votre réponse.
3. Vérifier que le point de coordonnées est une solution
réalisable. C’est même la solution au problème. En déduire la valeur maximale de z.
Activité 2 (Présentation et installation du solveur d’Excel)
1. Installation du Solveur
a. Cliquer sur le bouton OFFICE
b. Puis en bas de la fenêtre affichée sur le bouton Option Excel
c. Cliquer sur Complément dans la fenêtre affichée
d. En bas de la fenêtre à droite cliquer sur Atteindre
e. Dans la fenêtre qui apparait sélectionner Complément Solver puis cliquer sur Ok puis
attendre quelque minute pour voir s’installer le Solver dans le menu Données
2. Présentation et utilisation du solveur
Présentation de la feuille de calcul : .
La feuille de calcul Excel est formée de cellule. Une cellule peut contenir du texte, des nombre ou
chiffres et des formules. ……………………………………………………..
Présentation du solver :
En premier lieu, nommer les cellules contenant les variables. La solution la plus simple consiste à
écrire sur la première ligne les variables et à attribuer à la deuxième ligne des valeurs arbitraires.
3. Il faut ensuite saisir les trois équations du système dans la feuille de calcul. A noter que les
équations n’apparaissent pas à l’écran. En revanche, les résultats des calculs sont affichés avec
les valeurs actuelles (dans notre exemple des variables.
4. Lancer le Solveur en cliquant sur Solver du menu Outil.
43
Classe : STIC 1
A B C D E
1 Nom des variables
2
3 Fonction objectif
4 Nom de contraintes
5
6
7
8
9
10
11
12
Remarque
 Affecter des valeurs initiales aux cellules situées juste en dessous de celles contenant les
noms des variables après les avoir définis
 Les cellules contenant les noms de variables, de contraintes et ne sont jamais
sélectionnées. Elles figurent à titre indicatif
 Ce sont les cellules situées en dessous ou en face des cellules mentionnées précédemment
qui sont sélectionnées lors des différentes opérations : les cellules variables ainsi que celle
devant contenir la valeur de la fonction objective. Elles sont définies par sélection après
lancement du Solver.
 La fonction objectif et les contraintes sont définies dans les cellules situées en face de celles
indiquant leur nom. Elles sont définies à l’aide du symbole « = » des cellules situées en
dessous des noms de variables et des opérations (+,*, etc.)
 Les contraintes de signe (>,<,>=,<=) dans les contraintes sont définies après lancement du
solveur au moment d’ajouter les contraintes.
 Le solver s’installe dans l’onglet données.
 Quelques outils informatiques (logiciels) pour la résolution de systèmes linéaires
Un gain de temps considérable, notamment grâce à des logiciels tels STAN, Lindo,
Mathematica, Excel
Exercice corrigé
Une usine fabrique 2 pièces P1 et P2 usinées dans deux ateliers A1 et A2.
Les temps d’usinage sont pour P1 de 3 heures dans l’atelier A1 et de 6 heures dans l’atelier A2 et
pour P2 de 4 heures dans l’atelier A1 et de 3 heures dans l’atelier A2.
Le temps de disponibilité hebdomadaire de l’atelier A1 est de 160 heures et celui de l’atelier A2 de

180 heures.
La marge bénéficiaire est de 1'200.- pour une pièce de P1 et de 1'000.- pour une pièce P2.
44
Classe : STIC 1
Travail demander : Quelle production de chaque type doit-on fabriquer pour maximiser la marge
hebdomadaire.
A résoudre en utilisant la représentation graphique et MS Office Excel !
Solution
45
Classe : STIC 1
(A : Enoncé du problème ; B : noms de variables, de formules et contraintes ; C : les formules et

données)
Les solutions seront alors après l’exécution du solver
Résoudre ce problème à l’aide du solveur d’Excel
Application
46
Classe : STIC 1
Troisième atelier respectivement. Les marges unitaires sont 2400 FCFA, 4200 FCFA, 1200 FCFA et
600 FCFA.
1. Introduire les données du problème dans une feuille de calculs

2. Introduire les données dans le solver
3. Déterminer la solution du problème.
Exercice
Activité (TP avec Excel)
Trouver l’extremum de : sous la contrainte :

(Peut être résolue avec Lagrange, et numériquement si on précise le type de l’optimum : max ou
min).
Règle à suivre
47
Classe : STIC 1
4. En premier lieu, nommer les cellules contenant les variables. La solution la plus simple consiste à
écrire sur la première ligne les variables et à attribuer à la deuxième ligne des valeurs arbitraires.
Pour ce faire, il faut sélectionner les cellules à nommer puis choisir Nom, Créer dans le menu
Insertion. Avant de sélectionner la ligne du haut et de cliquer sur OK
5. Il faut ensuite saisir les trois équations du système dans la feuille de calcul. A noter que les
équations n’apparaissent pas à l’écran. En revanche, les résultats des calculs sont affichés avec
les valeurs actuelles (dans notre exemple x1=x2=x3=1) des variables.
6. Lancer le Solveur en cliquant sur Solveur du menu Outil.
Activité (résolution de système linéaire à l’aide du Solver)

Soit à résoudre le système d’équations linéaires suivant :
1. En supposant que la première équation est la fonction objectif d’un problème d’optimisation
(ici on a : z= constante) et les autres équations des contraintes éditer la feuille de calcul qui
permet de résoudre ce problème à l’aide du solver.
2. Résoudre numériquement ce problème en cochant valeur dans la partie égale à de la fenêtre

du solver puis renseigner la zone de texte à coté de l’étiquette valeur par la valeur de la
fonction objectif qui vaut dans notre cas 9.
Exercice 1
Trouver l’extremum de : , sous la contrainte :
Exercice 2 (optimisation sans contraintes)

Une entreprise fabrique deux types de machines : x et y. La fonction de coût conjointe est donnée
par :
Trouver le nombre de machines de chaque type que l’entreprise doit fabriquer pour minimiser son
coût.
A l’aide des conditions du second ordre, montrer qu’il s’agit bien d’un minimum.
Remarque
Quand le programme mathématique est non linéaire (fonction objectif ou une des contraintes est
non linéaire) il faut penser à une résolution numérique.
48
Classe : STIC 1
Chapitre 6 Méthode directe à une variable

I. Position du problème et hypothèses
On considère une fonction objectif scalaire ou critère fonction d’un vecteur de paramètre ,
décrite analytiquement. On cherche la valeur du vecteur pour laquelle atteint son optimum
(minimum ou maximum).
Les méthodes de recherche d’optimum que nous avons en vue sont, itératives.
Principe de la méthode
On démarre avec une valeur donnée d’un paramètre , appelée valeur initiale et on génère une
séquence de valeurs dont on souhaite qu’elle va converger vers la valeur pour
laquelle est un optimum.
Le calcul de constitue la itération du calcul. De coutume, on termine la séquence après un
nombre fini N d’itérations et on admet que est une approximation de . le vecteur
est appelé ième pas. Chaque itération doit nos rapprocher de l’optimum, c'est-à-dire
dans le cas d’un minimum Dans ce cas le pas est dit acceptable.
II. Définition
Une fonction unimodale est une fonction qui ne présente qu’un seul optimum. Pour un minimum,
noté la fonction est croissante sur et décroissante sur (voir figure suivante)
III. Applications
On considère une fonction d’une variable définie sur un intervalle . On cherche le

minimum (resp. le maximum) de cette fonction sur cet intervalle. On fait l’hypothèse que sur cet
intervalle considéré, la fonction est unimodale.
a. Méthode dichotomique séquentielle
Dans l’intervalle de recherche , deux mesures sont effectuées aux points d’abscisses
proches du milieu de l’intervalle et suffisamment éloignés l’un de l’autre pour que les réponses en
ces points soient significativement différentes.
49
Classe : STIC 1
La réponse au point d’abscisse est inférieure à la réponse au point d’abscisse ( . On

élimine alors la zone soit à peu près la moitié de l’intervalle d’étude (voir figure suivante).
On effectue de nouveau deux mesures de part et d’autre du centre de l’intervalle restant ,

c'est-à-dire . On répète le même processus jusqu’au nombre N d’itérations.
Soit le pas à la itération. Puisqu’à chaque itération on réduit au moins de moitié l’intervalle
d’étude, on a : . Le pas forme une progression géométrique. A la itération on a :
Résumons l’algorithme de la section dorée :
On construit une suite décroissante d’intervalle qui contiennent tous le minimum . Pour
passer de à , on procède de la manière suivante. On introduit deux nombres a’ et
b’ de l’intervalle et tel que a’<b’. Puis on calcule les valeurs z(a’) et z(b’). Trois possibilités se
présentent alors à nous :
- Si , alors le minimum se trouve nécessairement à gauche de b’. ceci définit

alors le nouvel intervalle en posant : et
50
Classe : STIC 1
- Sinon si , alors le minimum se situe cette fois à droite de a’. on pose alors
et
- Enfin, si , Alors le minimum se trouve dans l’intervalle . On se restreint
donc à et
b. Méthode du nombre d’or
Le principe est identique à la méthode précédente : la zone optimale est cernée de plus en plus
précisément par élimination successive d’une partie de l’intervalle. Ici on ne s’impose à priori le
nombre d’essais à effectuer.
A la première itération deux essais sont réalisés et ensuite à chaque itération un seul essai est
effectué et est comparé au point conservé de l’itération précédente.
Cela est possible dans la mesure où partage l’intervalle de la même façon que partage
l’intervalle (voir figure ci-dessous)
pour cela, on doit avoir la relation :
Si l’intervalle de recherche retenu est . Posons alors, on a :
On détermine la valeur du rapport d en résolvant l’équation suivante :
Cette valeur est le nombre d’or. Ainsi, à chaque itération, un des essais de l’itération précédente
pourra être utilisé :
51
Classe : STIC 1
Le processus étant itératif, on en déduit que : , et la relation entre le nombre d’essais N, la

largeur de l’intervalle initiale L et l’intervalle final delta s’écrit :
C’est l’efficacité de la méthode. Ainsi, pour obtenir une précision de il faut 16 expériences. La
méthode du nombre d’or est très efficace lorsqu’il est possible de faire évoluer la variable de
manière continue. Par contre, lorsque la variable ne peut prendre des valeurs discrètes, la méthode
de Fibonnaci est mieux adaptée.
La méthode de la section dorée peut être résumée dans l’algorithme suivant :
Exercice de recherche
Etudier et présenter la méthode de Fibonnaci pour la recherche de l’optimum d’une fonction
numérique
52
Classe : STIC 1
CHAP. IV Programmation linéaire
A partir de la fin de la seconde guerre mondiale, de nouvelles méthodes permirent de résoudre des
problèmes, de nouvelles méthodes permirent de résoudre des problèmes complexes là ou les
méthodes classiques échouaient. Ces méthodes furent connues sous le nom de programmation
linéaire, développées principalement par George B. Dantzig (né le 8 novembre 1914), mathématicien
américain et créateur de la méthode du simplexe, et L. Kantorovich (1912-1986). L’impact de son
œuvre fut considérable en gestion et en économie et ses méthodes restent totalement d’actualité.
I. Forme générale d’un problème de programmation linéaire
Un problème de programmation linéaire se présente sous la forme générale :
Exemple
………………………………
II. Les différents types de solutions
Activité 1
Soit le Programme Linéaire (PL) suivant :

Maximiser z =
sous contrainte
et
1. Représenter graphiquement ce problème (contraintes et fonction objectif)
2. Les contraintes formes-t-elles un domaine convexe ? bornée ? Justifier votre réponse
3. Qu’elle remarque faites-vous en faisant croitre la valeur des courbes de niveaux ( .
Quelle(s) est (sont) la (les) solution (s) de ce problème. Ecrire la (les) solution(s) sous forme
d’ensemble.
53
Classe : STIC 1
Solution
Comme indiqué sur la figure ci-dessus, la région réalisable est ici un triangle rectangle dont les
sommets sont les points . La fonction objectif est parallèle à l’hypothénuse et la
droite qui permet d’aattribuer la plus grande valeur à z est le segment de droite reliant les sommets
. Par conséquent, tous les points de ce segment représentent une solution optimale
au problème. Il existe donc une infinité de solutions qui donnent la même valeur de z, à savoir 4.
Comme les solutions optimales à ce problème correspondent au segment de droite d’extrémités
, elle peuvent être décrite par l’ensemble :
En faisant varier entre 0 et 1 on obtient toutes les solutions optimales.
Activité 2
Soit le P.L suivant :

Maximiser z =
sous contrainte
et
d’ensemble.
Solution
Dans cette activité, il suffit d’attribuer à x et y des valeurs suffisamment grandes pour que les
contraintes soient satisfaites. La valeur de la fonction objectif peut être augmentée indéfiniment.
Sur la figure, nous constatons que la région réalisable n’est pas bornée et que la fonction objectif
54
Classe : STIC 1
peut être déplacée à l’infini en conservant toujours une intersection non vide avec la région
réalisable. Dans ce cas on dit que le programme linéaire possède une solution optimale infinie.
Activité 3
Soit le P.L suivant :
Maximiser z =
sous contraintes
et
d’ensemble.
Solution
La figure ne présente pas de région réalisable. En effet, il n’existe aucun point qui satisfait
simultanément les deux contraintes ainsi que les contraintes de non négativité. Le programme
linéaire ne possède aucune solution.
55
Classe : STIC 1
Figure : Aucune solution

En résumé, il existe quatre types de solutions à un problème de programmation linéaire :
1. Solution optimale unique ;
2. Infinité de solutions optimales ;
3. Solution optimale infinie ;
4. Aucune solution.
La méthode énumérative
Activité
Soit le PL suivant :
Maximiser z =
sous contrainte
et
1. Représenter graphiquement l’ensemble des solutions réalisables (on mettra en exergue le
polygone des contraintes)
2. Déterminer les sommets du domaine polygonal formé par l’ensemble des solutions
réalisables. On numérotera des sommets en commençant par 0 (la solution réalisable qui
annule la fonction objectif)
3. Compléter le tableau suivant
sommet Programme Fonction

économique
56
Classe : STIC 1
Solution
Le programme linéaire du problème est :
Maximiser
sous contrainte
Critère de non négativité
57
Classe : STIC 1
58
Classe : STIC 1
Chapitre 7 Méthode du simplexe
I. Formulation du problème
1. Formulation générale
59
Classe : STIC 1
2. Forme matricielle
La forme matricielle permet de représenter un problème de programmation linéaire sous forme plus
concise.
Posons :
et
Alors, le modèle mathématique précédent s’écrit sous forme matricielle comme suit :
Fonction objectif à optimiser

Sous contraintes
et
Ou c est vecteur-ligne de dimension , x un vecteur-colonne de dimension , A une

matrice de dimension , b un vecteur colonne de dimension et 0 le vecteur nul à n
composantes.
Un problème de programmation linéaire peut se présenter sous différentes formes. En voici la

terminologie.
Application
60
Classe : STIC 1
Formuler ce problème sous la forme matricielle
Solution
Posons :
Le problème précédent s’écrit :
Maximiser
sous contraintes
et
3. Forme canonique
a. Définition
b. Règles de transformation en forme canonique des contraintes
61
Classe : STIC 1
Application
Mettre sous une forme canonique les contraintes suivantes
62
Classe : STIC 1
4. Forme standard
a. Transformation minimisation-maximisation
63
Classe : STIC 1
b. Variables d’écart
64
Classe : STIC 1
Exemple
Ces trois contraintes peuvent donc être reformulées ainsi :
65
Classe : STIC 1
c. Variables sans restriction de signe
Une variable sans restriction de signe est une variable pouvant prendre des valeurs positive ou
négative. Elle peut être décomposée en deux variables non-négatives en posant :
Exercice
Soit le problème de programmation linéaire :
Mettre ce problème sous forme standard
Exercice corrigé
En résumé, nous avons vu que la fonction objectif d’un programme linéaire peut être présentée sous
forme de maximisation, que les contraintes peuvent toujours s’écrire sous forme d’égalité (avec des
bi positifs) et que les variables sans restriction de signe peuvent être décomposées en variables non-
négatives. En d’autres termes un programme linéaire peut toujours être présenté sous sa forme
standard (5.4).
II. Caractérisation des solutions du problème
66
Classe : STIC 1
Maximiser
Sous contraintes
et
1. Solution réalisable, solution optimale
2. Conditions d’application de la méthode du simplexe
67
Classe : STIC 1
3. Variables dans la base, variables hors base
4. Détermination d’une solution réalisable de base
Application
68
Classe : STIC 1
a. Mettre ce problème sous forme standard en introduisant des variables d’écarts

b. Reformuler le problème standard sous forme matricielle en introduisant les matrices A, b et
c.
c. Déterminer la matrice de base B formée de colonnes linéairement indépendants de A
d. Vérifier que B est non singulière et en déduire une solution de base . Cette solution est-
elle réalisable ?
e. Est-il possible de trouver une autre base dans laquelle xB soit réalisable ? si oui déterminer la
solution.
Solution
a) Ce problème peut se mettre sous la forme standard en introduisant les variables d’écarts
b) Sous forme matricielle, on obtient donc :
c) Formons à partir de A une matrice de base B en prenant
69
Classe : STIC 1
d) A cette matrice de base correspond une solution de base donnée par :
e) Dans cet exemple, il est très facile de trouver une base qui fournisse une solution réalisable
de base. En effet les colonnes a4 et a5 forment une base qui est l’identité :
III. Recherche d’une solution optimale

1. Méthode systématique
Activité 1 (première itération)
Critère de sélection de variables sortantes
On considère le problème de programmation linéaire écrit sous forme standard suivant :
70
Classe : STIC 1
Maximiser
Sous contraintes
et
1. A partir du problème standard, en déduire le système formé par les contraintes et la

fonction économique.
Rép.
2. En appliquant le critère de sélection de la variable entrante en déduire quelle variable va

entrer dans la base.
Rép. : Lorsque la fonction économique est exprimée exclusivement en fonction des variables
hors-base, la variable entrante sera celle affectée du coefficient positif le plus élevé. C’est
donc x2 qui entre dans la base.
3. Donner le système équivalent à obtenu en exprimant les variables dans la base et la
fonction économique z exclusivement en fonction des variables hors-base
rép.
4. En déduire, le système obtenu en considérant maintenant comme une variable de base

(variable entrante), restant hors-base ; on ne tiendra pas compte de la dernière équation
Rép. On a dans ce cas x1/=0 et x2=0.
5. On cherche jusqu’à quel niveau il est possible de porter de façon compatible avec les
contraintes. Déterminer la (les) valeur(s) de pour que les contraintes de signe (contraintes
de non-négativité) sur les variables hors-base soit satisfaites.
Rép.
71
Classe : STIC 1
La variable doit vérifier le système suivant
La valeur maximale de compatible avec les contraintes, rtant restant nul est donc :
(on dit qu’on bute sur la contrainte 1)
6. Quelle est la valeur de correspondant à la valeur de déterminée précédemment ?
Interpréter le résultat.
Rép. : devient variable hors-base donc sortante dans la nouvelle solution
extrême ou encore que la solution (1) sature la première contrainte.
Activité 2 (deuxième itération)
1. En déduire la solution associée au sommet (1)

Rép. : obtenu par le système T0 où
(ceci met fin à la première itération)
Ayant trouvé P1 on va chercher P2. Pour cela il faut se placer dans la m^me situation q’au
début de la première itération. Ecrire pour la nouvelle solution de base le système (S’1)
exprimant les nouvelles variables dans la base et la fonction économique exclusivement en
fonction des nouvelles variables hors-base .
Rép. :
Equation d’échange
(l’équation d’échange permet de tirer la variable entrante en fonction des nouvelles

variables hors-base)
2. Justifier que est équivalent au système (S’) suivant
72
Classe : STIC 1
3. Comment ce système aurait pu être obtenu directement à partir de (S0) ?

Rép. : En conservant la première équation et en éliminant la variable x1 des autres par
combinaison linéaires. Cette remarque va nous permettre de présenter les calculs sous forme
de tableau ultérieurement
4. Sélectionner la variable entrante
5. En déduire la variable sortante
6. En déduire la solution correspond au sommet (2)
Activité 3 (à faire à la maison)
Poursuivre les itérations jusqu’à ce que relativement à la solution extrême, les coefficients de la
fonction économique exprimée exclusivement en fonction des variables hors-base, sont négatifs ou
nuls. Cette solution est optimale dans le cas de la maximisation de la fonction économique.
Rép. : au bout de la quatrième itération, on trouve :
Exemple
Considérons le problème suivant :
Sous contraintes
Considérons le système d’équations suivant
C’est un système de trois équations à cinq inconnues. Les trois équations de ce système sont
indépendantes car le rang du système est égal à 3. Exprimons les variables d’écart en fonction des
autres variables. Le système précédent devient :
Ainsi, si l’on impose la valeur de deux variables, les valeurs des trois autres peuvent être déduites.
Pour obtenir une solution de base on choisit : puis on en déduit :
73
Classe : STIC 1
La valeur de la fonction objetif est :
L’objectif de la méthode du simplexe est de rechercher les solutions réalisable de base qui augment
la valeur de z. Pour augmenter z il va falloir augmenter .
On choisit d’augmenter (meilleure sensibilité : coefficient positif le plus élevé) en conservant

. Le système précédent devient :
Cette augmentation est contrainte par la valeur des autres variables.
La valeur maximale admissible pour est 30. On recalcule les autres variables pour
pour obtenir la nouvelle solution admissible :
On en déduit les nouvelles variables de base : .
La nouvelle valeur de la fonction objectif est :
Pour la suite, il faut nous placer dans la même situation qu’au départ mais cette fois-ci avec les
nouvelles variables de base. On peut remarquer que la première fois, les variables de base
, variables d’écart) n’intervenait qu’une seule fois dans chaque équation
Pour se placer de nouveau dans cette situation avec les nouvelles variables de base , on
extrait de la troisième équation (équation qui contient les variables hors base :
) et on la substitue dans les deux autres.
74
Classe : STIC 1
Et le critère s’exprime sous la forme : . Soit :
On voit bien que dans la fonction objectif les coefficients des variables s’exprime hors base sont non
nuls.
On choisit d’augmenter en conservant
On utilise la deuxième équation pour tirer en fonction de et :
On trouve comme nouvelle valeur de la fonction objective :
La seule manière de modifier et consiste à les rendre positives ce qui a pour conséquence de
diminuer la valeur de . Il n’est plus possible d’améliorer la fonction objectif et la dernière solution
obtenue est la solution optimale. Et la valeur de la fonction objectif est ainsi égale à 2100 (on
pourrait le vérifier graphiquement).
2. Méthode générale
Nous admettrons le résultat suivant :
Propriété
Tout point extrême est une solution réalisable de base
75
Classe : STIC 1
a. Critère d’entrée de base
Activité 1
Soit le problème de programmation linéaire présenté sous sa forme standard suivante :
Sous contraintes :
et :
où
On sait qu’il existe une matrice B d’ordre m, égale à l’identité formée des vecteurs colonnes de la
matrice A associé aux m variable d’écart. En notant N la matrice formée des vecteurs colonnes de A
associé aux variables économiques ( ou matrice restante de A après suppression des colonnes de B )
1. Justifier pourquoi à cette étape du problème on appelle les variables d’écarts variables dans
la base et les variables économiques variables hors-base
2. Justifier clairement que le problème standard précédent peut se mettre sous la forme
suivante.
Sous contraintes :
et :
76
Classe : STIC 1
3. En déduire que toute solution de ( S) s’exprime en fonction des variables hors-base (Exprimer
les variables dans la base en fonction des variables hors-bases)
4. Déterminer la solution de base du problème standard
5. Quelle est la valeur de fonction économique en ce point ? Justifier votre réponse.
Activité 2
On considère le problème de programmation linéaire écrite sous forme standard matricielle suivant :
et :
1. Justifier que tout vecteur colonne de ( peut s’écrire comme

combinaison linéaire des vecteurs colonnes de la matrice
2. En déduire que
3. On pose maintenant
Démontrer en utilisant ce qui précède que
4. Quelles seront les variables dont la variation d’une unité augmentera la fonction objectif.
Parmi ces dernières laquelle provoquera la plus grande variation de z ? formuler la réponse
sous forme de critère.
77
Classe : STIC 1
avec
Définissons encore une nouvelle variable
En utilisant (……), les contraintes (….) s’écrivent :
78
Classe : STIC 1
Le critère d’entré dans la base

Le vecteur qui doit entrer dans la base correspond à la variable hors base pour laquelle
a la plus petite valeur négative :
b. Critère de sortie de la base
Activité 3
1. On a montré que
On suppose qu’on fait rentrer la variable dans la base. En déduire que la nouvelle solution
de base est
Où
En déduire un critère sur la variable pour que la solution de base soit réalisable (on se
placera dans le cas où
2. Soit
a. Justifier que :
79
Classe : STIC 1
b. Puis en déduire que :

c. Que peut-on en conclure
Il reste encore à déterminer quel vecteur de base doit quitter la base. Pour cela, reprenons la
solution de base (..) :
Toutes les variables hors base sont nulles sauf qui devient une variable de base. Comme est
une nouvelle variable de base, elle sera notée .
Ainsi la nouvelle solution de base, notée s’écrit :
La composante de cette solution de base est :
Pour que cette solution de base soit réalisable, il faut que les variables de base soient non-négatives,
c'est-à-dire :
Les contraintes de non négativité (…) sont évidemment satisfaites pour les variables qui ont
négatif ou nul. En revanche, en ce qui concerne les variables qui ont positif, il faut que :
Pour ne pas violer les contraintes de non-négativité. Cette dernière inégalité devant être valable pour
tout i tels , doit être égale au plus petit rapport . Supposons que ce plus petit rapport
soit associé à la rème variable de base xBr.
Alors en posant :
toutes les contraintes de non négativité dans (….) sont satisfaites et par (…)
ce qui permet de sortir de la base. Nous avons obtenu le critère pour sortir une colonne de la
base.
80
Classe : STIC 1
Critère de sortie de la base

Soit le vecteur qui doit entrer dans la base. Le vecteur associé à la variable qui doit sortir de
la base est celui qui satisfait :
Voyons comment fonctionne les critères d’entrée et de sortie de la base en prenant un exemple.
c. Solution optimale
Propriété
La solution réalisable de base associée à la base B est optimale si :
pour chaque colonne de A qui n’est pas dans la base.
Remarque
Il se peut que la solution optimale d’un, problème de programmation linéaire possédant une solution
réalisable de base soit infinie.
Nous sommes à présent en mesure de fournir un algorithme pour la méthode du simplexe lorsque
l’on connait une solution réalisable de base. Pour cela, on suppose que le problème initial a été
transformé sous forme standard avec tous les bi positifs. Les étapes sont les suivantes.
1. Rechercher la solution optimale à partir d’une solution réalisable de base :

2. Examiner les pour toutes les colonnes qui ne sont pas dans la base. Si tous les
, passer à l’étape 6, sinon passer à l’étape 3
3. S’il existe un pour lequel il n’y’a pas d’éléments positifs dans , arrêter la
recherche puisque la solution optimale est infinie. Sinon, choisir le vecteur (et donc la
variable) associé à la valeur la plus négative des pour entrer dans la base :
avec
4. Déterminer le vecteur (et donc la variable) qui sort de la base à l’aide du critère
Etablir la nouvelle base, calculer la nouvelle solution réalisable de base et la nouvelle valeur
de la fonction objectif.
Retourner à l’étape 2
5. La solution réalisable de base courante est la solution optimale. La solution optimale n’est
pas unique s’il existe nul pour un vecteur qui ne se trouve pas dans la base.
81
Classe : STIC 1
82
Classe : STIC 1
3. Résolution par la méthode du simplexe à l’aide du tableau
83
Classe : STIC 1
Nous allons résoudre le problème de maximisation à l’aide de tableau. Cette résolution à partir du
tableau est basée sur les trois critères suivants.
a. Critère de sélection du variable entrante (deuxième critère de Dantzig): Lorsque la

fonction économique est exprimée exclusivement en fonction des variables hors-base, la
variable entrante est celle qui est affectée du coefficient positif le plus élevé (ou par abus
de langage « le plus positif »)
b. Critère de sélection de la variable sortante : c’est la variable dans la base qui correspond
au plus petit des (valeur numérique dépendant de la variable entrante (indice) dont
l’expression est donnée dans l’activité)
c. Critère de fin de calculs : lorsque, relativement à une solution extrême, les coefficients
de la fonction économique exprimés exclusivement en fonction des variables hors-base,
sont négatifs ou nuls, cette solution est maximale
a. Activités introductives
Activité 1 : mise en place du tableau de départ
Soit le problème de programmation linéaire suivant écrit sous sa forme canonique
Maximiser
Sous contraintes
et
1. En
introduisant les variables d’écart mettre le problème précédent sous sa forme
standard, puis sous sa forme matricielle où et sont à préciser.
2. Mettre
le problème standard sous forme d’un système linéaire (S0) formée des contraintes
économiques et de la fonction économique. Cette dernière occupera la dernière ligne du
système (on considérera l’équation obtenue en retranchant à chaque membre de cette
équation).
3. Recopie
r le tableau suivant. Remplir sa partie centrale formée des cellules à la croisée des variables
(dans la base et autres) par les éléments de la matrice A.
occupera la cellule associée à la variable de base située à la position dans la matrice
de base et à la variable (position de la variable dans la matrice A).
Remplir la colonne b par les éléments de (la cellule de la colonne recevra )
Sachant que la dernière cellule de b doit contenir l’opposé de la valeur de la fonction
84
Classe : STIC 1
économique pour la solution de base trouvée en déduire sa valeur (valeur obtenue en

attribuant la valeur nulle au variables hors-base).
Var
base
4. Soit les
nombres réels et définis respectivement comme suit :
a.
, représentant le taux marginal de substitution (variation unitaire), i étant l’indice
pour les variable de la base, pour la variable (dont on calcul le taux marginal).
b.
où est le coefficient de la matrice A situé à la ligne (variable à la

position dans la base) et colonne (j étant l’indice de la variable qui entrera dans
la base) et ième composante second membre de vecteur colonne formé du second
membre
5. Justifier
qu’à ce stade pour les variables dans la base et est nul pour les variables hors base.
Compléter le tableau précédent
85
Classe : STIC 1
Activité 2 : détermination de pivot et itération
Soit le tableau suivant.
Base
Var.
1. Recopie
r le. Déterminer la variable qui va entrer dans la base. On indiquera avec une flèche pointant
sur la colonne (c’est la colonne pivot).
2. Toujour
s sur votre tableau, déterminer la variable qui va sortir de la base. On indiquera par une
flèche pointant sur la ligne (c’est la ligne du pivot)
3. Entoure
r sur votre tableau le pivot, coefficient à l’intercession de la ligne pivot et de la colonne pivot
4. Quelles
sont les variables de la nouvelle base ?
Construire un cadre identique au tableau précédent (nouveau tableau). Remplir la colonne
« Base » avec la nouvelle base (
Remplir les lignes en tenant compte des transformations suivantes :
Ligne
où la ligne du tableau précédent et est la ligne pivot.
var
base
b. Présentation sous forme de tableau

Considérons un problème sous sa forme standard, avec variable (dont sont principales et
d’écarts) et contraintes. Il s’écrit alors :
86
Classe : STIC 1
Optimiser
Optimiser
Sous contraintes
et
La matrice du système est :
Les seconds membres sont
Le tableau se construit autour de la matrice et comporte :
- Une partie centrale correspondant à la matrice ( lignes et colonnes)

- On ajoute une ligne au dessus pour y inscrire les désignations (noms des variables et
colonnes).
- On ajoute une ligne en dessous pour les taux marginaux de substitution (explication ci-après)
- On ajoute une colonne au début pour y inscrire le nom des variables de la base.
- On ajoute une colonne à la fin pour les second membres [b]
- On ajoute une deuxième colonne à la fin pour (explication ci-après)
Variables
Base
87
Classe : STIC 1
Remarque : on notera que la valeur de la fonction économique inscrite dans la ligne en dessous de la
colonne B. cette valeur est négative d’où ‘’ ’’.
c. Sélection de la variable qui entre dans la base

Pour ce faire il faut vérifier pour chaque variable hors base, si son entrée dans la base peut améliorer
la fonction (la rendre plus grande ( ) ou plus petite ( )). L’amélioration possible est constatée
par la variation unitaire appelée taux marginal de substitution ( ).
où
Indice pour la variable (dont on calcule le taux marginal)
Indice pour les variables de la base
: Coefficient de la variable dans la fonction économique
: éléments de la colonne de la matrice A
Règle de sélection (de la variable qui entre dans la base)

 Si on veut maximiser, on retiendra la variable (hors base) qui a le plus grand positif
 Si on veut minimiser, on retiendra la variable (hors base) qui a le plus petit négatif
Remarque
- La formule des taux marginaux peut s’écrire de façon plus concise sous la forme matricielle :
où est le vecteur colonne de et le vecteur ligne formé des co
-
88
Classe : STIC 1
- efficients des variables de base dans la fonction objectif.

- Dans le premier tableau, les taux marginaux des variables de la base sont toujours nuls
- De façon pratique on indiquera le choix par une flèche pointant sur la colonne : c’est la
colonne du pivot.
- A la ligne se trouve la variable de base et non
d. Choix de la variable qui sortira de la base

On établit le calcul des « quantités de substitution » pour chaque variable de la base (indice ).
Indice : pour la variable qui entrera dans la base (sélection)

Indice : pour la ligne de la variable en ième position dans la base.
: Second membre ( ) en ligne
: coefficients de la matrice situés sur la colonne pivot (voir
tableau ci-dessous)
Variable
Base
Ainsi, le vecteur s’obtient « en divisant le vecteur par la colonne pivot» (en effet, on fait la
division des éléments de par ceux de la colonne pivot se trouvant sur la même ligne).
Règle de sélection (de la variable qui sort de la base)

On retiendra la variable qui a le plus petite positif (en maximisation ou en minimisation).
De façon pratique on indiquera le choix par une flèche pointant sur la colonne : c’est la ligne du pivot
( ).
On appelle pivot le coefficient à l’intersection de la ligne et de la colonne du pivot : on l’entour
Remarque : En changeant de base de cette manière la variation de fonction économique est alors :
entre les deux sommets
89
Classe : STIC 1
e. Nouvelle écriture de la matrice du système
Une écriture (les coefficients) de correspond à un sommet donc à une base. En changeant de base
il faut donc réécrire la matrice dans la nouvelle base. Cela peut se faire en rendant unitaire la colonne
du vecteur qui entre dans la base et ce, généralement par la technique du pivot de GAUSS.
- Construire un nouveau tableau identique au précédent et remplir les désignations des
colonnes
- Remplir la colonne base avec les variables de la nouvelle base (une seule change)
- A partir de l’ancien tableau (on reporte les résultats dans le nouveau tableau : indice’
 Diviser la ligne du pivot ( ) par le pivot :
 Pour une ligne i (indice i : ) on calcul :
est le coefficient de la ligne i, colonne du pivot)
Remarque :
- La colonne des seconds membres B est concernée par ces calculs
- La ligne des peut être calculée de la même manière (ou avec la formule)
f. Test d’arrêt
Après la nouvelle écriture on sélectionnera une variable qui entrera dans la base. Si ce choix est
possible alors on reprend le choix de variable sortant de la base et l’écriture de la matrice.
Lorsqu’on ne pourra plus choisir de variable à faire entrer dans la base, l’optimum est atteint.
Test d’arrêt
- Pour une maximisation les itérations s’arrêtent si tous les sont négatifs ou nuls
- Pour une minimisation les itérations s’arrêtent si tous les sont positifs ou nuls
Il ne reste plus alors qu’à tirer les conclusions en fonctions des valeurs des variables principales et
d’écart ainsi que de la valeur de la fonction économique
g. Lecture du tableau
Il s’agit d’écrire les coordonnées du sommet correspondant au tableau , on lit dans
l’ordre des variables :
- Si la variable est dans la base, sa valeur est en face dans la colonne des seconds membres b.
- S’il n’est pas dans la base, sa valeur est nulle (0)
Application (résolution de problèmes de type 1)
1. (problème de maximisation) Résoudre à l’aide de la méthode des tableaux le problème

linéaire donné par sa forme standard suivante.
Maximiser
Sous contraintes
90
Classe : STIC 1
et
Remarque
Dans la résolution d’un problème de type 1, on peut se passer de la formule permettant de calculer
les deltaj. En effet, à la première itération on a : deltaj=t c. Les valeurs des detaj des autres itérations
sont obtenues par combinaison linéaire avec la ligne pivot.
En résumé, on a :
1. Sélection de la variable que l’on fait entrer dans la base (colonne pivot)
2. Sélection de la variable que l’on fait sortir de la base (plus petit ) (ligne pivot)
3. Détermination du pivot (intersection de la ligne pivot et de la colonne pivot)
4. Normalisation de la ligne pivot
5. Elimination par la méthode du pivot
6. Nouvelle sélection de la variable que l’on fait entrer dans la base.
7. Répéter les étapes précédentes jusqu’à ce qu’on ne puisse plus sélectionner de variable qui
va entrer dans la base. Lire ensuite la solution
En résumé, pour résoudre un PL par la méthode du simplexe en utilisant des tableaux, on procédera
comme suit :
1. Etablir le premier tableau à partir des données du PL mis sous la forme standard
2. Choisir la variable entrante : pour un problème de maximisation c’est le coefficient positif le
plus élevé et pour une minimisation ce sera le coefficient négatif le plus élevé. On localise la
colonne pivot
3. Calculer les quantités de substitution en divisant b par la colonne pivot
( puis déterminer la ligne qui a le plus petit : c’est la ligne pivot
4. Déterminer le pivot (entourer) : élément du tableau à l’intersection de la ligne et de la
colonne pivot. Ensuite, on construire un nouveau tableau à partir du précédent en divisant la
ligne pivot par le pivot (normalisation) puis l’utiliser pour annuler tous les éléments de la
colonne pivot par la méthode du pivot de Gauss. Cette dernière opération agira sur tous les
éléments du tableau (b y compris) sauf la colonne des .
5. Après l’étape précédente, on se trouve dans la même situation qu’en 1. Reprendre les
mêmes opérations jusqu’à ce que tous les coefficients de la fonction objectif soient négatifs
ou nuls dans le cas d’une maximisation et positifs ou nul dans le cas d’une minimisation.
91
Classe : STIC 1
6. Déterminer l’optimum par lecture sur le tableau des valeurs des variables dans la base dans
la colonne de , les variables hors base étant nulles. On lit la valeur de l’optimum en
regardant dans le tableau à l’intersection de la ligne des (dernière ligne du tableau) et de
la colonne .
Exercice
Résoudre algébriquement le problème sous forme canonique.
Max
sous contraintes
et
Attention ! il y’a ici deux sélections possibles pour la variable entrante ( ). Dans ce cas il faut
calculer dans chaque cas les , en retenant les choix de variable à sortir. Enfin, on retiendra parmi
les sélectionnés, le plus grand (correspond à la plus grande variation de z)
92
Classe : STIC 1
Résolution de problème de minimisation (Type II)
h. Mise sous forme standard équivalente (variables artificielles)

Activité (problématique)
Soit le problème linéaire sous forme canonique suivant :
Minimiser
1. Ecrire la forme standard de ce problème

2. Ecrire la forme matricielle du problème standard en introduisant la matrice de base B
3. Calculer la solution de base. Est-elle réalisable ? justifier votre réponse.
4. Ecrire le premier tableau correspond à la méthode du simplexe. Peut-on passer au
tableau suivant pour rechercher la solution ? Justifier.
On constate bien que les colonnes unitaires n’existent pas car on a plutôt des « -1 » à la place des
« 1 ». Il n’y’a donc pas de base de départ. Pour remédier à cette situation, il faut créer des variables
pour la base. Ces variables n’ont d’utilité que pour la résolution et sont sans signification
économique : les variables artificielles.
i. Utilisation des variables artificielles
Pour la mise sous forme standard équivalente d’une contrainte avec le signe « », on utilisera
systématiquement une variables d’écart (qui se soustrait) et une variable artificielle (qui
s’ajoute). Ainsi :
Règle des variables artificielles

Dans la fonction économique, la variable artificielle aura un coefficient :
 Très grand positif ( , dans le cas d’une minimisation
 Très grand négatif dans le cas d’une maximisation
Pour la résolution on est ainsi sûr qu’il n’y aura pas de variable artificielle dans la solution
finale
Calcul du taux marginaux
Le taux marginal de substitution sera calculé avec la formule :
où Indice pour la variable (dont on calcule le taux marginal)

Indice pour les variables de la base
(i indique le numéro de la variable dans la base)
: éléments de la colonne de A.
93
Classe : STIC 1
Remarque
 Contrairement au PL de type 1 où on peut se passer de cette formule, la résolution d’un

problème de type 2 exige de l’utiliser pour le calcul des dès le remplissage du premier
tableau.
 Dans le tableau de départ, pour une variable dans la base (variables artificielles). En
effet, si j est l’indice d’une variable dans la base dans le tableau de départ (variable
artificielle), on a :
Car dans ce cas sont les éléments de la colonne de ( indice de la variable

artificielle ). Et donc les sont les d’une colonne de la matrice identité d’ordre .
 Dans le tableau, dépend de pour les variables d’écart et les variables économiques.
Exercice
Exprimer en fonction de , et les taux marginaux de substitution dans les cas suivants :
- Pour une variable économique

- Pour une variable d’écart
- Donner la dernière ligne du tableau des itérations (ligne ) pour un problème de
maximisation de type 2 avec trois contraintes économiques.
Solution
i. Exemple d’application
En reprenant la forme canonique ci-dessus. On obtient la forme standard suivante :
Forme canonique Forme standard équivalente
Minimiser Minimiser
94
Classe : STIC 1
Premier tableau de l’itération.
Var.
Base
5 1 -1 0 1 0 50 10
1 2 0 -1 0 1 40 40
0 0
Pour grand, on a : est le plus petit négatif. Donc est la variable sortante.
Var.
Base
1 0 0 10 50
0 -1 1 30
Troisième tableau
Var.
Base
1 0 0
0 1
95
Classe : STIC 1
Tous les sont positifs ou nuls, le minimum est atteint avec en
Remarque
Lorsqu’une variable artificielle sort de la base, elle n’y retourne plus. On peut soit la maintenir dans le
tableau, soit la supprimée.
Exercice
Une chaîne de distribution disposant de deux magasins A et B, doit s’approvisionner auprès de deux
usines (U1) et (U2).
Ces usine peuvent livrer au maximum 400 cartons pour l’usine U1 et 600 cartons pour l’usine U2.
Les demandes prévisionnelles sont d’au moins 550 cartons pour le magasin A et 350 pour le magasin
B.
Les coûts de transport, en francs par carton, entre les usines et les magasins sont donnés dans le
tableau ci-après.
Magasin A B
Usine
U1 8 9
U2 10 7
Travail à faire : Déterminer les quantités à commander à chacune des usines en destination de
chaque magasin, visant à rendre minimal le coût du transport.
96
Classe : STIC 1
Chapitre 8 Dualité
Nous allons introduire la notion du DUAL d’un programme linéaire, en montrant les liens qui existent
entre les deux programmes et comment solutionner l’un connaissant les solutions de l’autre. Dans un
second temps nous allons aborder l’interprétation économique du DUAL.
Notons que le dual d’un programme linéaire est également un programme linéaire et correspond à
une interprétation du premier programme dit PRIMAL
I. Notion de dual
Activité
Soit le programme linéaire suivant noté PL1 :
Max
Quand
et
- Combien de contraintes économiques a-t-on ? On associe à chaque contrainte une nouvelle

variable (pour la contrainte). Ces variables s’appellent des variables duales. Combien
a-t-on de variable duale.
- Ecrivez la forme matricielle du PL. On utilisera la notation classique de matrices : A, b, X, c
- On considère le programme linéaire PL2 sous forme matricielle :
Min
Quand
et
a. Comparez les programmes PL1 et PL2. PL1 s’appelle primal et PL2 dual.
b. Résoudre le dual la méthode des tableaux.
- Résoudre le primal puis comparer la solution trouvée avec celle du dual
Une variable duale est une variable que l’on associe à une contrainte. Pour m contraintes on aura
donc m variables duales à définir.
A la première contrainte sera associée la variable duale , à la deuxième contrainte la variable

etc. et à la contrainte on associe la variable .
Le programme dual comporte m variables (coordonnées)
a. Ecriture du programme dual
97
Classe : STIC 1
Le programme dual se définit à partir du primal par :
- Une fonction économique : cette fonction comporte variables duales

(égale au nombre de contraintes du primale) dont les coefficients sont les
second membres du primal et qui est à minimiser si le primal est à maximiser
ou à maximiser si le primal est à minimiser
- Des contraintes associées aux variables du primal : dont les coefficients sont ceux du primal
pris en colonne, les seconds membres sont les coefficients de la fonction économique du
primal et dont les signes sont de sens opposés à ceux du primal : devient et vice-
versa.
Explicitement on a les problèmes suivants :
Un primal Son dual
Max (Min) Min (Max)
Quand Quand
et et
Ecriture matricielle
Primal Dual
Application
Max (Min)
Quand
et
98
Classe : STIC 1
II. Solution du primal

Notons que le programme dual peut se résoudre de la même manière que le primal : graphiquement
ou algébriquement. Il s’agira pour nous de voir quelques propriétés qui permettent par
interprétation, de trouver la solution de l’un des programmes dès lors que l’autre est résolu.
Propriété (existence d’une solution)

Soit un programme linéaire PL1 et son programme dual PL2
- Si l’un des programmes admet une solution optimale, alors l’autre en admet une
- Le maximum de l’un (fonction économique) est égal au minimum de l’autre.
Selon que le problème est résolu algébriquement ou graphiquement il y’a lieu d’interpréter les
résultats. Ainsi, si le primal a n variables principales et m contraintes donc m variables
d’écart alors le dual aura m variables principales et n contraintes donc n variables
d’écarts
- Suite à une résolution algébrique : On a les conclusions suivantes à l’optimum :

o Les taux marginaux de substitution ….
o Les taux marginaux de
- Suite à une résolution graphique : On fait une analyse marginale (selon une variable). Soit
la variable duale associée à la contrainte, à l’optimum, la valeur de correspond au
taux marginal de substitution de la variable d’écart associée à la contrainte. En particulier si
la contrainte n’est pas saturée à l’optimum, la variable duale est nulle et
inversement. Ainsi à l’optimum, on annule dans la forme duale, les variables qu’il faut en
transformant les inégalités en égalités. En procédant par ce raisonnement, on aboutit à un
système d’équations que l’on peut résoudre.
III. Interprétation économique du dual

Il est évident que le passage au dual permet de résoudre plus facilement certains problèmes de
minimisation. C’est avec cet objectif que nous abordons la dualité.
Mais il faut savoir que le dual, ou la variable duale a une signification propre au sens économique : de
façon économique, on peut considérer que la variable dual associée à une contrainte, donc à un
facteur, représente le coût que l’on pourrait accepter de payer pour acquérir (céder) le dit facteur en
respectant le budget du primal.
Par exemple lorsqu’on établit un programme optimal de production (qui maximise par exemple le
chiffre d’affaire) ; on peut imaginer que l’on ne produit plus mais que l’on veut louer les machines ou
céder des matières premières.
Dans ce cas la variable dual est le prix auquel il faut céder le facteur pour avoir le même chiffre
d’affaires.
99
Classe : STIC 1
Chapitre 9 : Introduction à la théorie des graphes

La théorie des graphes permet de représenter et de résoudre des problèmes d’organisation parmi
lesquels :
- Le problème d’ordonnancement qui consiste à organiser dans le temps (« ordonner »)un

ensemble de taches qui concourent à la réalisation d’un objectif, compte tenu de contraintes
temporelles (Succession des taches) et des moyens humains et matériels consacrés à
l’exécution des taches.
- Les problèmes de transport qui consiste à acheminer dans un réseau des quantités entre m
origine et n destination, compte tenu de capacités de transport.
I. Activités introductives
Activité 1 (Problème de transport)
En trois dépôts A, B, C, on dispose respectivement de 20, 35 et 10 tonnes de marchandises. On a des

demandes de 25, 20 et 20 tonnes aux destinations D, E et F. il existe des possibilités de transport à
l’aide de camions. Ces possibilités sont rapportées dans le tableau suivant :
En considérant comme des nœuds les dépôts et les destinations, représentez à l’aide de nœuds et
d’arc orienté (lien entre deux nœuds ou segment reliant 2 nœuds) le problème ci-dessus. On
introduira un nœud source (appelé racine) et un nœud final (appelé anti-racine). Le nœud source
reliant les 3 dépôts par des arcs mentionnant leur capacité. Le nœud final sera aux destinations par
des arcs précisant leurs demandes. La figure obtenue est-un graphe conjonctif.
Solution
Le réseau de transport associé est :
100
Classe : STIC 1
Activité 2 (Ordonnancement)
Soit le planning (figure ci-dessous) dont la première ligne (abscisse) porte les unités de temps, et sa
première colonne (ordonnée) les différentes tâches. On matérialise la durée d’utilisation d’une tâche
par une barre horizontale. Remplir le planning en tenant compte des contraintes du projet (plage
d’occupation) :
Planning
T 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18
1
2
3
4
5
6
7
Réponse
On en déduit le planning suivant :
101
Classe : STIC 1
II. Langage élémentaire des graphes
1. Définitions
Un graphe est une relation liant les sommets (ou points) d’un ensemble X. Le couple (X, R) définit un
graphe.
La relation entre deux sommets (xi, xj) des graphes est :
- Un arc si elle est à sens unique : xi xj
- Une arête si elle n’est orientée : xi xj
Un graphe dont toutes les relations sont des arcs est un graphe orienté.
Soit un arc défini par la paire () de sommets :
- est l’extrémité initiale de l’arc (point de départ)

- est l’extrémité finale de l’arc (point d’arrivé)
- sont adjacents
- Si , l’arc est une boucle
- est le précédent de
- est le suivant de
102
Classe : STIC 1
CHEMIN ET CIRCUIT
Définition
Soit G un graphe orienté.
 Une chaine est une suite d’arcs de G qui forme une chaine dans le graphe non orienté de G.
Dans l’exemple précédent : est une chaîne.
 Un chemin est une chaine telle que l’extrémité finale de chacun de ses arcs (sauf le dernier)
coïncide avec l’extrémité de l’arc suivant.
Dans l’exemple précédent : est un chemin
 Un circuit est un chemin dans lequel l’extrémité du premier arc coïncide avec l’extrémité
finale du dernier arc.
Dans l’exemple précédent .
2. Principales représentations d’un graphe
i. Représentation sagittales
Soit
et
est une boucle
Entrée du graphe : sommet qui n’a pas de précédents, soit :
Sortie du graphe : sommet qui n’a pas de suivant, soit :
Représentation du graphe :
ii. Représentation matricielle ou booléenne
Le graphe est représenté sous forme de matrice carré d’ordre n.
Les lignes représentent les extrémités initiales des arcs : (points de départ). Les colonnes
représentent les extrémités finales des arcs : (points d’arrivés).
Si
- , on met 1 dans la case
- , on met 0 dans la case
103
Classe : STIC 1
La représentation matricielle du graphe de l’exemple précédent est :
Soit la matrice :
Remarque : l’entrée du graphe correspond à une colonne de zéros et la sortie à une ligne de zéros.
iii. Présentation sous forme de dictionnaire
On peut établir sous forme de dictionnaire des précédents de chacun des sommets soit les
suivants de chacun des sommets .
Reprenons l’exemple précédent :
 Dictionnaire des précédents  Dictionnaire des

suivants
sommets Sommets sommets Sommets
précédents suivants
-
Remarque :
 Sommet sous précédents égal à l’entrée du graphe ;
 Sommet sous suivants égal à la sortie du graphe.
3. Détermination du niveau d’un sommet
Considérons un graphe G(X,E) sans circuit. A chaque sommet de X on associe un nombre entier
positif appelé le niveau du sommet.
Par exemple dans le dictionnaire des précédents du graphe G(X,E), on détermine le niveau des
sommets correspondant à chacun des sommets du graphe de la façon suivante :
104
Classe : STIC 1
1. On affecte le niveau « 0 », le sommet n’ayant pas de sommet précédent ;

2. On affecte le niveau « 1 », le sommet n’ayant plus de sommet précédent après avoir
supprimé ceux de niveaux précédents ;
3. On réitère cette procédure en augmentant de « 1 » la valeur des niveaux jusqu’à ce que tous
les éléments soient supprimés.
Exemple : soit le graphe G(X,E)
Sommets Sommets précédents Détermination des niveaux
- -
- -
0 1 2 3 4
Le niveau d’un sommet représente le nombre maximum d’arcs d’un chemin d’extrémité finale .
La détermination des niveaux aide à la représentation graphique.
105
Classe : STIC 1
Les sommets sont placés par ordre de niveaux croissants en plaçant les sommets de même niveau
sur une même verticale.
Exercice d’application
Soit le graphe G(X,E) dont la représentation sagittale est la suivante :
1. Donner la représentation de G sous forme de matrice booléenne

2. Représenter G sous forme de dictionnaire
3. Déterminer les niveaux du graphe G.
Exercice 2
La réalisation d’un projet nécessite la réalisation de 9 taches dont les conditions d’antériorité sont
précisées dans le dictionnaire des précédents suivants :
Construire de façon précise le diagramme sagittal associé au graphe G du projet
III. Problèmes d’ordonnancement
L’ordonnancement a pour buts :
- D’organiser dans le temps (« ordonner ») un ensemble de taches soumises à des contraintes,

pour la réalisation d’un objectif.
- De déterminer le meilleur temps de réalisation de l’objectif.
106
Classe : STIC 1
- D’indiquer les taches qui ne peuvent souffrir de retard sans remettre en cause la durée total
du projet.
Les méthodes d’ordonnancement sont fondées sur la théorie des graphes. Les principales sont :
- la méthode PERT (Program Evaluation Research Task).
- La méthode MPM (Méthodes des Potentiels Metra).
1. La méthode des potentiels Metra (MPM)
i. Convention de représentation
Les sommets du graphe représentent les taches à réaliser et sont symbolisés par des carrés.
Les arcs représentent les contraintes de succession .Ils sont évalués et correspondent au délai à
partir duquel peut commencer la tache suivante.
La tache X précède la tache Y et doit être achevée avant le commencement de Y.
ii. Tracement du graphe
Les sommets sont placés par niveau de façon à limiter les croissances entre les arcs, et la durée des
taches est reportée sur les arcs.
Un sommet FIN : aboutissement des taches sans suivant termine le groupe.
Application
Considérons le diagramme de GANTT suivant (étudié précédemment)
Construisons le graphe de ce diagramme à partir du diagramme de GANTT :
107
Classe : STIC 1
E5 E6
E2
E7
E1
E3
FIN
E4
Chaque arc est ensuite évalué par la durée de la tâche qu’il représente. In convient de souligner
l’aspect artificiel de cette construction qui n’est pas toujours évidente à réaliser et qui surtout
supporte mal les modifications ultérieures du projet. On ne peut traduire avec ce type de
représentation que les contraintes de ty
pe potentiel. On obtient le graphe suivant :
Exemple : construction d’un entrepôt à ordonner
9 taches reliées par des contraintes d’antériorité :
le dictionnaire des précédents est communiqué :
108
Classe : STIC 1
109
Classe : STIC 1
Problème
Première 1
La société des CARRIERES de VALEY a pour objet l’extraction et la distribution de matériaux de

carrière. Elle doit assurer, pour des travaux routiers, la fourniture aux Ponts et Chaussées de graviers
en divers calibres. Un marché sur les quantités suivantes :
- Graviers calibre 1……………………………………………………………………………….……………..13 500 tonnes
- Graviers calibre 2 ………………………………………………………………………………………..……11 200 tonnes
- Graviers calibre 3………………………………………………………………………..…………………….5 200 tonnes
A été adjugé pour un prix global de facturation.
La société exploite deux carrières P1 et P2 louées à une société civile qui perçoit une redevance par
tonne de pierre extraite. Celle-ci est la suivante :
- Pour P1 ……………………………………………………………………………………………..……..19,40 F par tonne
- Pour P2 ……………………………………………………………………………………..……………..20,00F par tonne
Après extraction, la pierre est concassée. Les graviers ainsi obtenus sont triés selon leur calibre.
Chaque tonne de pierre fournit les quantités suivantes de graviers (exprimées en tonnes) :
 Pierre de P1
o Gravier calibre 1 ………………………………………………0.36 t
 Pierre de P2
(Le complément à une tonne représente du sable, actuellement considéré comme

déchet sans valeur marchande)
La direction souhaite définir son programme d’extraction de pierre de P1 et de P2 de façon à

minimiser le coût des redevances à la société civile.
Travail à faire
1. Présenter le programme linéaire correspondant sous la forme canonique
110
Classe : STIC 1
2. Donner une solution graphique
3. Donner la formulation du programme dual
4. Résoudre le programme dual par la méthode du simplexe (méthode des tableaux) et

contrôler la solution obtenue à la question 2
5. L’optimisation de programme conduit-elle à produire des graviers en excédent par rapport

aux tonnages adjugés ? justifier votre réponse
Partie 2
Les CARRIERES de VALAY, pour des raisons de complémentarité d’activité souhaiteraient assurer la
commercialisation du sable lavé, obtenue actuellement en produit secondaire, et de sable de rivière
acheté à des sablières. La marge sur coût variable est évaluées à 12.00 F par m3 de sable de rivière
vendu 25.00 F. On peut admettre que les ventes de sable de carrière lavé sont réparties suivant une
loi normale d’espérance mathématique 12000 t et d’écart-type 1 000. De même, les ventes de sable
de rivière sont réparties suivant une loi normale d’espérance mathématique 3 000 t et d’écart-type
200.
Le sable de carrières lavées et le sable de rivière sont des matériaux utilisés pour des travaux
différents ; leurs ventes sont donc indépendantes. On rappelle que la variance de la somme de deux
variables aléatoires est égale à la somme de ces mêmes variables
Travail à faire
1. Définir
a. La loi du chiffre d’affaires du sable de carrière lavé
b. La loi du chiffre d’affaires du sable de rivière
c. La loi du chiffre d’affaires total
2. Définir parallèlement :
a. La loi de la marge sur coût variable du sable de carrière lavé
b. La loi de la marge sur coût variable du sable de rivière
c. La loi de la marge sur coût variable total
3. Le projet initial pour la commercialisation des sables fixe les coûts de structures à 170 000F
trouver quelle est la probabilité de rentabiliser cette nouvelle activité
4. La direction veut limiter à 5% le taux du risque de ne pas rentabiliser la nouvelle activité.

Indiquer à quel montant on doit limiter le budget des coûts de structure.
111
Classe : STIC 1
Sujet de recherche
1. Ecrivez un programme Scilab qui prend en entrée les matrices A, b et c d’un PL de type I et
renvoie à la sortie l’optimum et la valeur de la fonction objectif en ce point
2. Ecrivez un programme Scilab qui résout un PL de type I par la méthode des tableaux en
affichant les tableaux de chaque itération jusqu’au dernier
3. Ecrivez un programme Scilab qui prend en entrée les matrices A, b et c d’un PL de type II et
renvoie à la sortie l’optimum et la valeur de la fonction objectif en ce point
4. Ecrivez un programme Scilab qui résout un PL de type II par la méthode des tableaux en
affichant les tableaux de chaque itération jusqu’au dernier
5. Application de la théorie des graphes à la résolution de problèmes d’ordonnancement
6. Application de la théorie des graphes à la résolution de problèmes de transport
7. Les méthodes directes en optimisation : cas des fonctions d’une variable
8. Les méthodes de dichotomie séquentielle et du nombre d’or en optimisation
9. Application de la théorie des graphes en recherche opérationnelle
10. Les méthodes d’ordonnancements : PMP et PERT
112
Classe : STIC 1
Vocabulaire
1. Soit F le domaine polyédrique1 représentant les contraintes (y compris celles de signe).(F) est
l’intersection des demi-espaces fermés. (F) est l’image de l’ensemble des solutions
admissibles, c'est-à-dire de l’ensemble des couples (x1, x2, …, xn) vérifiant l’ensemble des
contraintes.
2. On appelle solution extrême toute solution admissible (optimale ou non) correspondant à un
sommet de (F)
3. On appelle solution d’un problème de programmation linéaire tout vecteur x qui satisfait les
contraintes économiques (et pas obligatoirement les contraintes de non négativité)
4. Une solution est appelé solution réalisable (ou aussi solution admissibles) si elle vérifie les
contraintes de non négativité.
BIBLIOGRAPHIE
1
Sous forme de solide délimité par des polygones plans
113

moncourdeROSTIC 1-2018

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

moncourdeROSTIC 1-2018

Transféré par

Droits d'auteur :

Formats disponibles

Support de cours provisoire de

Chapitre 2 : Connaissances de base et compléments

e. Plan, droites du plan :

Chapitre 4 : Programmation linéaire

Chapitre 5 : Théorie des graphes et application en RO

m. Généralités : définitions ; chemins et circuits d’un graphe ; longueur d’un chemin ;

Cette discipline est à la croisée des mathématiques et de l’informatique. En effet, c’est un

Parmi les applications classiques de cette discipline on peut citer :

1. Le voyageur de commerce (TSP)

Face à un problème pratique de décision on doit :

[2] SAKAROVITCH, M, Optimisation combinatoire, Graphes et programmation linéaire. Hermann,

Chapitre 2 : Connaissances de base et compléments.

Soit la matrice bloc , on a :

Indices des Indices des

Ecrite sous cette forme, A est appelée matrice-bloc

- Attention !!! la matrice suivante n’est pas définie par blocs :

2. Opérations sur les matrices blocs

1. Découpé A en blocs pour que l’opération suivante soit définie :

La décomposition de A est-elle unique ?

1. Découpé A en blocs pour que l’opération suivante soit définie en bloc :

La décomposition de E est-elle unique ? Justifier

2. Droites, plans et hyperplans

1. Représenter graphiquement ces droites.

Activité 2(Intersection de droites, de plans)

Le plan est rapporté à un repère orthonormé . Soit la droite d’équations suivantes

1. Représenter graphiquement cette droite. En combien de régions elle partage le plan ?

2. On se place dans muni de sa base canonique. Que représente l’équation suivante :

On généralise les résultats de l’activité 3 à . Dans ce cas, on parle d’hyperplans et de

 Dans l’espace rapporté à un repère orthonormé , l’équation générale d’un plan

1. Régionalisation du plan et de l’espace

est appelé hyperplan. En posant :

l’équation précédente s’écrit de façon plus concise : .

Soit M définit comme suit :

Soient deux éléments de M. Montrons que

Donc M est un sous-espace affine ou une variété de

Définition. Soit M un sous espace affine de . Le sous espace vectoriel V vérifiant:

Considérons l’exemple précédent et définissons V par :

Si un élément de alors est un élément de V. En effet,

1) M est un sous espace affine de

2) Il existe un sous espace vectoriel V unique de tel que :

(Tout translaté de V par un élément de M est un élément de M.

 Un hyperplan est un sous-espace vectoriel de codimension 1

En dimension finie n comme c’est le cas ici,

Comme V est de dimension 2, on en déduit que M est de dimension 2.

ii. Il existe linéaire non nulle et tel que

Soit . est linéaire et on a :

4. Ensemble convexe, fonction convexe

1. Dans R, les parties convexes sont les intervalles :

 L’intersection de plusieurs ensembles convexes est un ensemble convexe.

 Soit ………………un hyperplan de Rn. Les démi-espaces ouvert sont convexes.

L’ensemble des points extrêmes de A est appelé profil de A.

Où les sont dans et les dans .

- Un point est dit point intérieur de P si on a, pour tout

La fonction est dite strictement convexe si

3. Quelques résultats d’existence et d’unicité

Chapitre 3 : Activités introductives

Soit la fonction numérique à variable réelle définie par :

1. Représenter graphiquement à l’aide de la primitive plot2d. Quelle conjecture peut-on faire

Activité 1 (calcul direct)

D’où : heures-ouvrier et entrainant

Activité 2 (résolution graphique)

Le temps de fabrication et les quantités de matières pour la production d’une unité de P1 et de P2

Expression du critère à optimiser :