Le programme du cours :

la partie 1 : La programmation linéaire,

chapitre 1 : la méthode graphique La gestion budgétaire : les pré
a) Cas de maximisation le budget des ventes
b) Cas de minimisation le budget de production
chapitre 2 : la méthode des tabeaux SIMPLEXE le budget d'approvisionneme
a) Cas de maximisation …
b) Cas de minimisation
la partie 2 : la Gestion du rojet
la méthode P-E-R-T

la partie 1 : La programmation linéaire,

chapitre 1 : la méthode graphique
Application 1:

Correction de l'application :
étape 1 : l'objectif de la société : c'est maximiser le profit hebdomadaire en fonction des climatisateurs et ventilateurs à produ
étape 2 : la définition des variables économiques
X1 : le nombre des climatisateurs à produire et à vendre
X2 : le nombre des ventilateurs à produire et à vendre
étape 3 : la détermination des contraintes
Contrainte Heure machine : 2X1+3X2 <= 240 Exp
Contrainte Heure MOD : 2X1+X2 <= 140 Objectif de la sté : max Profit
Prix de vente : P1 = 10 et P2 =
étape 4 : la fonction objective Coût unitaire P1 =5 et P2=3
Max Z : 25X1+15X2 Profit unitaire : P1 = 5 et P2 =
Max Z: 5X1+2X2
régle d'or :
si objectif max CA => utilisation des prix unitaire dans la fonction objective
si objectif max profit => utilisation des profit unitaire dans la fonction objective
si objectif max marge => utilisation de la marge unitaire dans la fonction objective

étape 5 : le programme linéaire à résoudre (P.L)

Max Z : 25X1+15X2

(P.L) : 2X1+3X2 <= 240

2X1+X2 <= 140

X1>= 0 et X2 >= 0

La représentation graphique /La méthode des tableaux SIMPLEXE

Application 2 :
 Prévision Réalisation
Contôle de gestion 1000 P1 1200 P1
a gestion budgétaire : les prévisions des budgets
e budget des ventes
e budget de production
e budget d'approvisionnement
Matière première 1000KG La roduction d'une unité de P1 nécessi
200

Les machines 2000 H La roduction d'une unité de P1 nécessi

200

les ouvriers 4000 H La roduction d'une unité de P1 nécessi

200

180 produits
3600
400
Il y a 4 types de contraintes :
1) contraine d'approvisionnement : La matière première
2) contrainte de production : les heures MOD, les heures Machines
3) contrainte de marché
4) contrainte commerciale

Nature de coût : coût variable et coût fixe exemple :

Prixe de vente 100.00 PV 100
- Coût variabe unitaire - 60.00 CV 60
= Marge sur CV unitaire 40.00 CF 10
- Coût fixe - 10.00 Résultat (profit ou le gain)???
= Résultat (profit ou le gain) 30.00

teurs et ventilateurs à produire et à vendre

bjectif de la sté : max Profit

rix de vente : P1 = 10 et P2 = 5
oût unitaire P1 =5 et P2=3
rofit unitaire : P1 = 5 et P2 = 2
Max Z: 5X1+2X2
une unité de P1 nécessite 5 KG de MP
unités de P1

une unité de P1 nécessite 10 H machines

unités de P1

une unité de P1 nécessite 20 H machines

unités de P1

t ou le gain)???
Application 2 :

C.production
étape 1 : l'objectif : c'est la maximisation du profit total
Téléviseurs
étape 2 : la définition des variables économiques Machines à laver
X1 : le nombre des téléviseurs Capacité maximale
X2 : le nombre des machines à laver

étape 3: les contraintes

1,2X1+X2 <= 70 contrainte de production
120X1+60X2 <= 6500 contrainte d'approvisionnement
X1>= 20 contrainte commerciale
X2>=10 contrainte commerciale

étape 4 : La fonction objective

Max Z : 100X1+70X2

étape 5 : le programme linéaire à résoudre

Max Z : 100X1+70X2

1,2X1+X2 <= 70
(P.L) 120X1+60X2 <= 6500
X1>= 20
X2>=10

X1,X2 >=0

Application 3 :
Question : Trouver le programme linéaire pour minimiser le Coût d'achat des grains.

étape 1: Minimisation du coût d'achat des grains

étape 2: les variables économiques

X1 : Mais
X2 : Blé
X3 : Orge
étape 3: les contraintes
10X1+9X2+11X3 >= 20
9X1+8X2+7X3 >= 12
1000X1+800X2+850X3 >= 4000

étape 4: la fonction objective:

Min Z : 0,55X1+0,47X2+0,45X3

étape 5 : le programme linéaire à résoudre

Min Z : 0,55X1+0,47X2+0,45X3

10X1+9X2+11X3 >= 20
(P.L) : 9X1+8X2+7X3 >= 12
1000X1+800X2+850X3 >= 4000

X1,X2,X3 >= 0

Aplication 4:

Nombre de produits : 2 produits (mousse

étape 1 : objectif : maximiser le rofit

étape 2 : variables économiques

X1: la mousse au jambon 1,4X1+X2 c'est la mayonnaise utilisée pour produire
X2: la mousse au épices

étape 3 : les contraintes

1,4 X1+X2 <= 112 contrainte de matière première (approvisionnement)
1,4 X1+X2 >= 70 contrainte de matière première (approvisionnement)
X1 >= 20 contrainte commerciale
X2 >= 18 contrainte commerciale

étape 4 : la fonction objective MJ ME

PU 5 7
Max Z : 2X1+4X2 Cout 3 3
Profit 2 4

étape 5 : le programme linéaire à résoudre

Max Z : 2X1+4X2

1,4 X1+X2 <= 112

(P.L) : 1,4 X1+X2 >= 70
X1 >= 20
X2 >= 18

X1,X2 >=0
Nombre de produits : 2 produits (Téléviseurs et Machine à laver) => deux variables économiques

Période : le jour

nombre de contraintes : 4 contraintes (1 contrainte de production, 1 contrainte d'aprov et 2 contrainte commerciale)

C.production C.d'appro Profit unitaire

H.MOD pièce de rechange
1.2 120 100
1 60 70
70 6500

Téléviseurs Machine à laver

1 1.2 1 1
2 2*1,2 2 2*1
10 10*1,2
X1 1,2X1 X2 1X2
de produits : 2 produits (mousse au jambon et aux épices)
mayonnaise utilisée pour produire X1 mousse au jambon et X2 mousse au épices
es économiques

nte commerciale)
Application 5 :

étape 1 : objectif : maximiser le poids de légumes

Tableau récap :
étape 2 : les variables économiques Produits Engrais A
X1: le nombre de m² max nécessaire pour produire les carottes m² de carotte 2
X2: le nombre de m² max nécessaire pour produire les courgettes m² de courge 1
Capacité Max 8
étape 3 : les contraintes
2X1+X2 <= 8 contrainte d'engrais A
X1+2X2 <= 7 contrainte d'engrais B
X2<=3 contrainte d'antiparaste
X1+X2 <= 100contrante de m² disponible

étape 4 : la fonction objective

Max Z : 4X1+5X2

étape 5 : le programme linéaire à résoudre

Max Z : 4X1+5X2

2X1+X2 <= 8
(P.L) : X1+2X2 <= 7
X2<=3
X1+X2 <= 1000

X1,X2 >=0

Résolution soit par la méthode graphique ou bien par la méthode des tableaux SIMPLEXE
étape 1 : l'objectif : c'est minimiser le coût des employés

étape 2 : les variables économiques

X1 : le nombre d'employés/interview par téléphone

X2 : le nombre d'emplyés /interview en direct

étape 3 : la fonction objective

Min Z : 50X1+70X2

étape 4 : les contraintes

80X1+40X2 >= 3000 8X1+4X2>= 300

80X1 >= 1000 8X1>= 100
40X2 >= 800 4X2 >=80 X2>=20

étape 5 : le programme linéaire à résoudre

Min Z : 50X1+70X2 Min Z : 50X1+70X2

80X1+40X2 >= 3000 8X1+4X2>= 300

(P.L) : 80X1 >= 1000 (P.L) : 8X1>= 100
40X2 >= 800 X2>=20

X1,X2 >=0 X1,X2 >=0

Engrais B Antiparasite m² Rendement/m²
1 - 1 4
2 1 1 5
7 3 1000
Exercice 1 : problème de maximisation
Soit une Usine qui fabique 2 produits (P1 et P2)
P1 P2 Limite
Nombre d'heures travaillé 4h 6h 60h
Nombre d'ouvriers 8 3 240
Prix unitaire 400 DH 500 DH

Question 1 : Formuler le programme linéaire qui permet à l'usine de maximiser son chiffre d'affaires.
Question 2 : Résoudre le Programme linéaire (PL) par la méthode graphique.

Question 1 :
étape 1 : l'objectif : c'est maximiser le chiffre d'affaires
étape 2 : les variables économiques
X1 = P1
X2 = P2
étape 3 :la fonction objective :
Max Z : 400X1 + 500X2
étape 4 : les contraintes
4X1+6X2 <= 60
8X1+3X2 <=240
étape 5 : le programme linéaire

Max Z : 400X1 + 500X2

4X1+6X2 <= 60
8X1+3X2 <=240

X1,X2>=0

Question 2 :

D1 : 4X1+6X2 = 60 (0; 10 ) ( 15 ;0)

D2 : 8X1+3X2 =240 (0; 80 ) ( 30 ;0)

Méthode 1 : l'énumération des sommets :

o (0,0) = 0 DH
A (15;0) = 6000 DH
B (0;10) = 5000 DH

Le point A est la solution optimale

Exercice 2 : Problème de maximisation

Soit le programme linéaire suivant :

 Max Z : 25X1+15X2

2X1+2X2 <= 240

(P.L)
3X1+X2 <= 140

X1,X2 >=0

Question : Résoudre le Programme linéaire par la méthode graphique

D1 : 2X1+2X2 = 240 (0; 120 ) ( 120 ;0)

D2 : 3X1+X2 = 140 (0; 140 ) (140/3 = 46,67 ;0)

Méthode 1 : l'énumération des sommets :

O(0;0) 0 DH
A(0;120) 1800 DH
B( 10;110) 1900 DH
C(140/3 ; 0) 1166.67 DH

Remarque : Le point B c'est l'ntersection entre D1 et D2

B: D1 : 2X1+2X2 = 240 => 2X1+2*(140-3X1) =240 => 2X1 +280-6X1 =240 =>-4X1 = -40

D2 : 3X1+X2 = 140 => X2 = 140 -3X1

=> X2 = 140 -3*10

=> X2 = 110

Exercice 3 : problème de minimisation

Soit le programme linéaire suivant :

Min Z : 24X1+20X2

X1+X2 >= 30
(P.L)
X1+2X2 >= 40

X1,X2 >=0

Question : Résoudre le Programme linéaire par la méthode graphique

D1 : X1+X2 = 30 (0; 30 ) ( 30 ;0)

D2 : X1+2X2 = 40 (0; 20 ) (40 ;0)

Méthode 1 : l'énumération des sommets :

A (0;30) 600 DH
B(20;10) 680 DH
C(40;0) 960 DH

Remarque : Le point B c'est l'ntersection entre D1 et D2

B: D1 : X1+X2 = 30 => 40 -2X2 +X2 = 30 => -X2 =-10 => X2 =10

D2 : X1+2X2 = 40 => X1 = 40 -2X2

=> X1 = 40 -2*10 = 20
hiffre d'affaires.

Représentation graphique
 Représentation graphique

> 2X1 +280-6X1 =240 =>-4X1 = -40 => X1 =10

Représentation graphique
=-10 => X2 =10
Exercice 4 : problème de maximisation

Soit le programme linéaire suivant :

Max Z : 1000X1+2000X2

4X1+2X2 <= 440

(P.L) X1+4X2 <= 480
X1+X2 <= 150
X1 <= 90
X1,X2 >=0

Question : Résoudre le Programme linéaire par la méthode graphique

Représentation graphiqe :
D1 : 4X1+2X2 = 440 ( 0 ; 220 ) ( 110 ; 0 )
D2 : X1+4X2 = 480 ( 0 ; 120 ) ( 480 ; 0 )
D3 : X1+X2 = 150 ( 0 ; 150 ) ( 150 ; 0 )
D4 : X1 = 90 ( 90 ; 0 )

Méthode 1 : l'énumération des sommets (on remplace les valeurs dans la fonction objective = MAX Z)
Max Z : 1000X1+2000X2
O(0;0) = 0
A(0,120) = 240000
B(40;110) = 260000 C'est la solution optimale
C(70;80) = 230000
D(90;40) = 170000
E(90;0) = 90000

B => c'est l'intersection de D2 et D3

D2 : X1+4X2 = 480 => 150-X2 +4X2 =480 => 150-3X2 =480 => X2 = 110
D3 : X1+X2 = 150 => X1 =150-X2

X1 = 150-110 = 40

C => c'est l'intersection de D1 et D3

D1 : 4X1+2X2 = 440 => 4(150-X2)+2X2 = 440 => 600-4X2+2X2 = 440 => X2 = 80

D3 : X1+X2 = 150 => X1 = 150 -X2

X1 = 150 -80 = 70
D => c'est l'intersection de D4 et D1

D1 : 4X1+2X2 = 440 => 4*90+2*X2 =440 => X2 = 40

D4 : X1 = 90

Méthode 2 : la méthode des pentes

P D1 = 0.5 P 0 0.5 1
P D2 = 4
P D3 = 1 D4 D1 D3
P D4 = 0
(D,E) (D,C) (B,C)
P max z = 2

donc B (40 ; 110 )c'est la solution optimale

Question supplémentaire 1 : déterminer les contraintes saturées (épuisées) et les contraintes non saturées (non épuisée
consommation capacité écart
D1 : 4X1+2X2 = 440 380 440 60 e1 =60 non épuisée
D2 : X1+4X2 = 480 480 480 0 e2 = 0 épuisée
D3 : X1+X2 = 150 150 150 0 e3 = 0 épuisée
D4 : X1 = 90 40 90 50 e4 = 50 non épuisée

Question supplémentaire 2 : sachant que le prix du produit X2 est variable, déterminer l'intervalle de variation de ce pri
reste la même. (l'analyse de sensibilité)

Max Z : 1000X1+2000X2 =>>> Max Z : 1000X1+(2000+a)X2

P max Z = 2000/1000 =2 P max Z = (2000+a)/1000

Pour garder la même solution optimale, la pente de max z = (2000+a)/1000 doit être entre 1 et 4

1< (2000+a)/1000 < 4

1000 < (2000+a) < 4000
1000-2000 < a < 4000-2000
-1000< a < 2000

simulation 1 : a = 1500 P max z : 3.5 entre 1 et 4 donc la même solution optima

simulation 2 : a = -500 P max z : 1.5 entre 1 et 4 donc la même solution optima

simulation 3 : a = -1200 P max z : 0.8 changement de la solution optiamle (C )

n graphiqe :
 2 4

max z D2

(A,B)

s non saturées (non épuisées)

sous emploi
plein emploi
plein emploi
sous emploi

rvalle de variation de ce prix pour que la solution optimale

être entre 1 et 4

nc la même solution optimale (B)

nc la même solution optimale (B)

e la solution optiamle (C )
Exercice : méthode SIMPLEXE (cas de maximisation)

Max Z : 25X1+15X2

(P.L) 2X1+2X2<= 240 (nombre d'heure)

3X1+X2<= 140 (des kg)

X1,X2 >= 0

a) la forme standard du programme linéaire (intégrer les variables d'écart):

Max Z : 25X1+15X2 +0*e1+0*e2

(P.L) 2X1+2X2 +e1 = 240

3X1+X2 +e2 = 140

X1,X2,e1,e2 >= 0

b) la solution de base initiale :

x1 = 0 VHB
X2 = 0 VHB
e1= 240 VB
e2= 140 VB
Zk = 0
Pivot général
c) les tableaux SIMPLEXE
Tableau 0 : VE
Cj 25 15 0
VB Qté X1 X2 e1
0 e1 240 2 2 1
VS 0 e2 140 3 1 0
Zj 0 0 0 0
Cj-Zj 25 15 0

Tableau 1 : VE
Cj 25 15 0
VB Qté X1 X2 e1
VS 0 e1 440/3 0 4/3 1
25 X1 140/3 1 1/3 0
Zj 3500/3 25 25/3 0
Cj-Zj 0 20/3 0

Tableau 2 :
Cj 25 15 0
VB Qté X1 X2 e1
15 X2 110 0 1 3/4
25 X1 10 1 0 - 1/4
Zj 1900 25 15 5
Cj-Zj 0 0 -5
 La solution optimale :
P1 x1 = 10
P2 X2 = 110
e1= 0 H
e2= 0 KG
Zk = 1900 DH

Cas d'examen (Voir feuille d'examen) :

Exercice 1 : Programmation linéaire

Soit le tableau récapitulatif suivant :
Chaises Tables Capacité maximale
Heures de travail 1 4 40
Bois 1 1 16
Tissu 1 0 10
Profit unitaire 100 200

Objectif : Maximiser le profit

Variables économiques :
X1 = La quantité de chaises
X2 = La quantité de tables
Fonction objective :
Max Z : 100X1+200X2

Les conraintes :
X1+4X2 <= 40 Heures de travail
X1+X2 <= 16 Bois
X1 <= 10 Tissu

Le programme linéaire à résoudre :

Max Z : 100X1+200X2
Question Réponse
(P.L) X1+4X2 <= 40 Q1 A
X1+X2 <= 16 Q2 D
X1 <= 10 Q3 B

X1, X2 >=0

La forme standard du PL : (interger les variables d'écart)

Max Z : 100X1+200X2 +0e1+0e2+0e3

(P.L) X1+4X2+e1 = 40
X1+X2+e2 = 16
X1 +e3 = 10
 X1, X2,e1,e2,e3 >=0

La solution de base initiale :

X1 = 0 VHB avec X1 et X2 variables de décision
X2 = 0 VHB
e1 = 40 VB et e1, e2 et e3 variables d'écart
e2 = 16 VB
e3 = 10 VB
Zk = 0

Tableau 0 : VE
Cj 100 200 0
VB Qté X1 X2 e1
VS 0 e1 40 1 4 1
0 e2 16 1 1 0
0 e3 10 1 0 0
Zj 0 0 0 0
Cj-Zj 100 200 0

Tableau 1 : VE
Cj 100 200 0
VB Qté X1 X2 e1
200 X2 10 1/4 1 1/4
VS 0 e2 6 3/4 0 - 1/4
0 e3 10 1 0 0
Zj 2000 50 200 50
Cj-Zj 50 0 -50

Tableau 2 : Heures de travail

Cj 100 200 0
VB Qté X1 X2 e1
200 X2 8 0 1 1/3
100 X1 8 1 0 - 1/3
0 e3 2 0 0 1/3
Zj 2400 100 200 100/3
Cj-Zj 0 0 - 100/3

La solution optimale primale:

X1* = 8 chaises
X2* = 8 tables
e1* = 0 H.travail épuisée ou bien saturée ou b
e2* = 0 bois épuisée ou bien saturée ou b
e3* = 2 tissu non épuisée ou non saturée
Zk* = 2400 DH

Déterminer le prigramme dual :

Le programme linéaire primal : Le programme linéaire dual :

Max Z : 100X1+200X2 Min Z : 40Y1+16Y2+10Y3

(P.L) X1+4X2 <= 40 =====> Y1+Y2+Y3 >= 100

primal X1+X2 <= 16 4Y1+Y2 >= 200
X1 <= 10
Y1, Y2, Y3 >= 0
X1, X2 >=0

La solution optimale duale :

Y1= 100/3
Y2= 200/3
Y3= 0
e'1= 0
e'2= 0
Zk= 2400
 X1 Variable de décision
X2 Variable de décision
e1 Variable d'écart
e2 Variable d'écart

ivot général

0
e2 RT
0 120
1 140/3
0
0 Condition : toute les valueurs doivent être inférieur ou égale à 0.
Condition validée ?? Non

0
e2 RT
- 2/3 110 Formule : les enciennes valeurs - (le pivot de chaque ligne*Les nouvelles valeurs)
1/3 140
25/3
- 25/3 Condition : toute les valueurs doivent être inférieur ou égale à 0.
Condition validée ?? Non

0
e2
- 1/2 Formule : les enciennes valeurs - (le pivot de chaque ligne*Les nouvelles valeurs)
1/2
5
-5 Condition : toute les valueurs doivent être inférieur ou égale à 0.
Condition validée ?? Oui
contrainte épuisée (saturée ou bien plein emploi)
contrainte épuisée (saturée ou bien plein emploi)
ariables de décision

variables d'écart

0 0
e2 e3 RT
0 0 10
1 0 16 La variable sortante correspond à la petite valeur de RT >= 0
0 1 oo l'infini
0 0
0 0 Condition : toute les valueurs de la ligne (Cj-Zj) doivent être
Condition validée ?? Non

0 0
e2 e3 RT
0 0 40
1 0 8
0 1 10
0 0
0 0 Condition : toute les valueurs de la ligne (Cj-Zj) doivent être
Condition validée ?? Non

Bois Tissu
0 0
e2 e3
- 1/3 0
4/3 0
- 4/3 1
200/3 0
- 200/3 0 Condition : toute les valueurs de la ligne (Cj-Zj) doivent être
Condition validée ?? Oui

Question Réponse
puisée ou bien saturée ou bien plein emploi Q4 B (1/3;-1/3;1/3;100/3)
puisée ou bien saturée ou bien plein emploi Q5 C (8;8;2400)
on épuisée ou non saturée ou sous emploi Q6 B et C Bois et heure de travail
Q7 C (100/3;200/3;0)
Q8 A Tissu
Q9 B 400
Q10 A
 Y1 : le prix d'heure de travail
(Y1,Y2,Y3) Y2 : le prix du bois
Y3 : le prix de tissu

Régle d'or 1 : les variales de décision (duales) = les variables marginales d'écart (primal)*(-1)
Régle d'or 2 : les variables d'écart (duales) = les variables marginales de décision (Primal)*(-1)

Vérification 2400
ne*Les nouvelles valeurs)

ne*Les nouvelles valeurs)

à la petite valeur de RT >= 0

la ligne (Cj-Zj) doivent être inférieur ou égale à 0.

la ligne (Cj-Zj) doivent être inférieur ou égale à 0.

la ligne (Cj-Zj) doivent être inférieur ou égale à 0.

/3;1/3;100/3)

heure de travail
Pour produire une chaise supplémentaire :

Chaises
Heures de travail 1 100/3
Bois 1 200/3
Tissu 1 0
Total 100
Dualité :
Un P.L primal Un P.L dual

Cas de maximisation Cas de minimisation

Cas de minimisation Cas de maximisation

Application 1 : (Programme dual et solution optimale duale)

Primal

Max Z : 40X1 + 15X2 +20X3

6X1+1X2+4X3 <= 900
(P.L) 1X1+1X2+2X3 <= 400
1X1+2X2+2X3 <= 300

X1 >= 0 ; X2 >=0 ; X3 >0

Tableau 2 :

TAB 2 Variables de décision Variables d'écart

VB X1 X2 X3 e1 e2 e3
X1 1 0 6/11 2/11 0 - 1/11
e2 0 0 8/11 - 1/11 1 - 5/11
X2 0 1 8/11 - 1/11 0 6/11
Zk 0 0 - 140/11 - 65/11 0 - 50/11
Variables marginales décision Variables marginales d'écart
Z1 Z2 Z3 Z4 Z5 Z6
La solution optimale primal :

X1* = 1500/11
X2* = 900/11
X3* = 0
e1*= 0
e2*= 2000/11
e3*= 0
Zk*= 73500/11

Application 2 : (Programme dual et solution optimale duale)

Soit le P.L primal suivant : Le dernier tableau (tableau 3):
Cj
Max z : 2X1+4X2+3X3 VB Qté
4 X2 20/3
3X1+4X2+2X3 <= 60 (bois) 3 X3 50/3
(P.L) 2X1+X2+2X3 <= 40 (heure d'assemblage) 0 e3 80/3
X1+3X2+2X3 <= 80 (heure de finition) Zj 230/3
Cj-Zj
X1, X2, X3 >=0
 Solution optimale primale :
X1 = la qté de tables
X2 = la qté de chaises
X3 = la qté des armoires

Le programme dual est le suivant : (Y1, Y2 et Y3)

Min Z : 60Y1+40Y2+80Y3 avec : Y1 c'est le prix du bois
Y2 c'est le prix des heures assemblage
3Y1+2Y2+Y3 >= 2 Y3 c'est le prix des heures finition
4Y1+Y2+3Y3 >= 4
2Y1+2Y2+2Y3 >=3 Regles d'or pour formuler le P.L dual :
Régle d' or 1 : le nombre des variables (prim
Y1,Y2,Y3 >= 0 Régle d' or 2 : Le nombre de contraintes (p

Le dernier tableau : (tableau 3)

Cj 60 40 80 0
VB Qté Y1 Y2 Y3 e'1
60 Y1 5/6
40 Y2 2/3
0 e'1 11/6
Zj
Zj-Cj 0 0 - 80/3 0
Z1-C1 Z2-C2 Z3-C3 Z4-C4
Solution optimale duale :
Y1=
Y2=
Y3=
e'1=
e'2=
e'3=
Zk=
 Dual

Min Z : 900Y1+400Y2+300Y3
6Y1+1Y2+1Y3 >= 40
1Y1+1Y2+2Y3 >= 15
4Y1+2Y2+2Y3 >= 20

Y1,Y2,Y3 >=0

VALEUR R
1500/11 1
2000/11 2
900/11 3
- 73500/11 4

La solution optimale duale :

Y1= 65/11
Y2= 0
Y3= 50/11
e'1= 0
e'2= 0
e'3= 140/11
Zk= 73500/11

2 4 3 0 0 0
X1 X2 X3 e1 e2 e3
1/3 1 0 1/3 - 1/3 0
5/6 0 1 - 1/6 2/3 0
- 5/3 0 0 - 2/3 - 1/3 1
23/6 4 3 5/6 2/3 0
- 11/6 0 0 - 5/6 - 2/3 0 Les variables marginales = Les
C1-Z1 C2-Z2 C3-Z3 C4-Z4 C5-Z5 C6-Z6
ale primale : X1= 0
X2= 20/3
X3= 50/3
e1= 0
e2= 0
e3= 80/3
Zk= 230/3

des heures assemblage

des heures finition

ur formuler le P.L dual :

e nombre des variables (primal) = le nombre des contraintes (dual)
Le nombre de contraintes (primal) = le nombre de variables de décision (dual)

0 0
e'2 e'3

- 20/3 - 50/3
Z5-C5 Z6-C6

5/6 Regles d'or pour trouver la S.O duale :

2/3
0 Régle d'or 1 : les variales de décision (duales) = les variables marginales d'écart (primal)*(-1)
11/6 Régle d'or 2 : les variables d'écart (duales) = les variables marginales de décision (Primal)*(-1)
0 Régle d'or 3 : les varables marginales de décision (duales) = les varaibles d'écart (primal)*(-1)
0 Régle d'or 4 : les variables marginales d'écart (duales) = les variables de décision (primal)*(-1)
230/3
400Y2+300Y3

Régles d'or pour trouver la solution optimale duale :

les variables de décision dual = les variables marginales d'écart primal *(-1)
Les variables d'écart dual = les variables marginales de décision primal *(-1)
Les variables marginales de décision dual = les variables d'écart primal*(-1)
Les variables marginales d'écart dual = les variables de décision primal *(-1)

Les variable marginales duales :

Z'1 = 0 VB Y1 Y2 Y3
Z'2 = - 2000/11
Z'3 = 0
Z'4 = - 1500/11
Z'5 = - 900/11 Zk 0 - 2000/11 0
Z'6 = 0 Z'1 Z'2 Z'3

es variables marginales = Les VMD +Les VME

ales d'écart (primal)*(-1)
de décision (Primal)*(-1)
bles d'écart (primal)*(-1)
de décision (primal)*(-1)
e'1 e'2 e'3

- 1500/11 - 900/11 0
Z'4 Z'5 Z'6