Support de cours ROP Mme BOUKERRAM

Programmation linéaire

Chapitre 2 : Résolution géométrique

2.1 Inéquations linéaires

Cette partie est consacrée à la présentation des définitions et des propriétés des
inéquations, des systèmes d’inéquations linéaires et d’ensemble-solution des systèmes
d’inéquations linéaires.
Une inéquation linéaire est une expression de la forme :
- a1 .x1 +a2 .x2 +a3 .x3 …….am.xm <= (ou >=) b
Où xi sont les variables (ou inconnues), les ai sont les coefficients des variables, b est une
constante et m est le nombre d’inconnues.

Définition : On appellera solution d’une inéquation linéaire à m inconnues de la forme :

a1 .x1 +a2 .x2 +a3 .x3 …….am.xm <= (ou >=) b

tout m- uplet (k1 , k2 ,……km) vérifiant l’inéquation
a1.k1 +a2.k2 +a3.k3 …….am.km <= (ou >=) b

Exemple Ainsi le couple (2 ; 3) est une solution de l’inéquation 2x1+3x2 <=9

puisque : 2*2+ 3* 3 <= 9 est une inégalité vraie. Mais ce n’est pas la seule
solution.
L’ensemble des solutions de cette inéquation est un demi-plan dans le système
d’axes (O,x1,x2). La frontière de ce demi-plan est la droite 2x1 + 3x2 =9

Constatations :
Pour déterminer l’ensemble-solution d’une inéquation linéaire à deux inconnues,
on commence par tracer la droite-frontière, puis à l’aide d’un couple de valeurs,
on détermine par substitution de quel côté de la frontière sont les valeurss qui
satisfont l’inéquation. Lorsque l’inéquation ne comporte qu’une inégalité stricte <
ou > la frontière ne fait pas partie de l’ensemble-solution de l’inéquation.

Définition : L’ensemble-solution d’une inéquation de la forme :

 a1 .x1 +a2 .x2 +a3 .x3 …….am.xm <= b (ou >= b) est appelé demi-espace fermé.
 a1 .x1 +a2 .x2 +a3 .x3 …….am.xm < b (ou >b) est appelé demi-espace ouvert
 a1 .x1 +a2 .x2 +a3 .x3 …….am.xm = b est appelé un hyperplan de Rn ( Une droite dans
R2 )
 Un hyperplan est la frontière du demi-espace correspondant.
1
Support de cours ROP Mme BOUKERRAM

2.2 Système d’inéquations linéaires

Définition : On appelle système de m inéquations linéaires à n inconnues un
système de la forme :

L’ensemble-solution d’un système d’inéquations linéaires est l’intersection des

ensembles-solutions de chacune des inéquations du système.

Exemple 5 : Représenter graphiquement l’ensemble-solution du système d’inéquations linéaires

suivant :
a) –x1 + x2 >= 1
x1 – x2 >= 1
x1, x2 >= 0

b) x1 <= 2
x1 + x2 <= 3
-x1 + x2 <= 1
x1, x2 >= 0

c) x1 - x2 <= 0
-2x1 + x2 <= 0
x1, x2 >= 0
(Indication (a) polyèdre borné, (b) non borné, ( c) ensemble vide)

2.3 Ensembles convexes

Définition
Un ensemble C  Rn est convexe si pour tout x1 , x2 ϵ C
x = x1 + (1 -) x2 ϵ C quel que soit ϵ [0; 1].
Autrement dit, un ensemble est convexe si et seulement si le segment reliant tout couple
de point de C est inclus dans C.

2.3.1 Quelques propriétés des ensembles convexes

Théorème:
 L’ensemble-solution d’une inéquation linéaire est un ensemble convexe.
 L’intersection de deux ou de plusieurs ensembles convexes est un
ensemble convexe.
2
Support de cours ROP Mme BOUKERRAM

 L’ensemble-solution d’un système d’inéquations linéaires est un ensemble

convexe.
 L’ensemble-solution d’un système d’inéquations linéaires à 2 (ou 3)
inconnues forme un polygone (ou un polyèdre) convexe.
 Polyèdre : L’ensemble P  Rn constitué de l’intersection d’un nombre
fini de demi-espaces fermés est appelé polyèdre convexe.

2.4 Résolution géométrique d’un PL

 L'ensemble des solutions d'une inéquation (linéaire) correspond à un demi-
espace dans Rn (un demi-plan dans R2 ).
 L'ensemble des solutions d'une équation (linéaire) correspond à un
hyperplan dans Rn (une droite dans R2 ).
 L'ensemble des solutions d'un système d'équations et d'inéquations
(linéaires) correspond à l'intersection des demi-espaces et des hyperplans
associés à chaque élément du système.
 Cette intersection, appelée domaine admissible, est convexe et définit un
polyèdre dans Rn (une région polygonale dans R2 ).

2.5 SOLUTIONS OPTIMALES

Théoreme : Dans le cas où P est un polyèdre convexe, l’ensemble des solutions
optimales du PL contient au moins un sommet du polyèdre ( un point extrême =
intersection de deux droites).

Sommets et points extrêmes

Soit P un polyèdre, et soit x* P. Alors,
 x* est un point extrême ssi
 x* est un sommet ssi
 x* est une solution de base admissible

Soit C Rn un ensemble convexe.

 Le point x* ϵ C est un point extrême de C si x* ne se trouve à l'intérieur
d'aucun segment de C non réduit à un point.
 Dit autrement, x* est un point extrême de C si on ne peut trouver deux
points x1; x2ϵC et ϵ(0; 1) tels que x* = x1 + (1-)x2
Soit C un polyèdre. Le point x* est un point extrême de C si on ne peut
pas l’exprimer comme combinaison convexe de deux autres points de C.

Théorème : Soit C  Rn un ensemble convexe ; x* est un sommet de C  x* est

un point extrême de C.

x* est une solution de base si

1) toutes les contraintes d’égalité sont vérifiées,

3
Support de cours ROP Mme BOUKERRAM

2) parmi les contraintes vérifiées en x*, il y en a n qui soient linéairement

indépendantes.

x* est une solution de base admissible si x* est une solution de base qui vérifie toutes
les contraintes.

2.6 Détermination de la solution optimale

Méthode 1
Une fois l’ensemble des solutions admissible est défini, il faut rechercher la solution
optimale.
 Déterminer les sommets du polyèdre
 Calculer la valeur de la fonction objectif en chaque sommet
 La solution est le sommet qui optimise la valeur de la fonction objectif
Méthode 2
 Les lignes de niveau de la fonction objectif sont des droites parallèles dans
R2 .
 Il existe des solutions réalisables de valeur z si la droite de niveau associée
à cette valeur intersecte le domaine admissible D du problème.
 Pour déterminer la valeur maximale atteignable par une solution
admissible, il suffit de faire glisser le plus loin possible une ligne de
niveau de la fonction objectif, jusqu'à ce qu'elle touche encore tout juste D.
 Les derniers points de contact ainsi obtenus correspondent aux solutions
optimales du PL.

2.7 Les solutions d’un Programme linéaire

 Une solution est une affectation de valeurs aux variables du problème.
 Une solution est Réalisable (admissible) si elle satisfait toutes les
contraintes du problème (y compris les contraintes de bornes).
 La valeur d'une solution est la valeur de la fonction objectif en cette
solution.
 Le domaine Réalisable (admissible) D d'un PL est l'ensemble des
solutions admissibles du problème.
 La solution optimale d'un PL (si elle existe) est formée des valeurs
optimales des variables du problème et de la valeur associée à la fonction
objectif.

4
Support de cours ROP Mme BOUKERRAM

2.8 Exemple d’application

a) 5x1 + x2 <= 30
2x1 + 3x2 <= 24
x1 + 3x2 <= 18
x1, x2 >= 0
Max(Z) = 80x1 + 60x2

b) 2x1 - x2 >= - 2
x1 - x2 <= 2
x1 + x2 <= 5
x1, x2 >= 0
Min(Z) = x2 - x1

c) x1 + x2 >= 6
x1 >= 4
x2 <= 3
x1, x2 >= 0
Max(Z) = 5x1 + 7x2

d) 2x1 - x2 >= - 2
x1 - 2x2 <= -8
x1 + x2 <= 5
x1, x2 >= 0
Min(Z) = x2 - x1
Résolution
a)
L’ensemble des solutions est un polyèdre
convexe de sommets (OABCD)
La solution optimale se trouve au niveau
de ses sommets 0ABC
O(0,0) ; Z(O)=0
A(6,0) ; Z(A)=480
B(36/7,30/7) approximé à(5,4) ; Z(B) =640
C(0,6) ; Z(C) =360
Max(Z)=Max(0,480,6400,360)= 6400
La solution Optimal est X=B=(5,4)

La fonction objectif : 80x1+60x2=Cst est un

ensemble de droites parallèles.
En faisant balayer la droite z dans l’espace du
polyèdre, le dernier sommet atteint par cette
droite est le la solution Optimale.

5
Support de cours ROP Mme BOUKERRAM

b)
L’ensemble des solutions est un polyèdre
convexe de sommets (OABCD)
La solution optimale se trouve au niveau de
ses sommets 0(O,0),A(0,2),B(1,4),C(7/2,3/2)
et D(2,0)
Min(Z)=Min(ZO,ZA,ZB,ZC,ZD)=Min(0,3,-2,-
2)=- 2
Il existe 2 solutions Optimales
X1=C=(7/2,3/2) et X2=(2,0)=D
Donc tout X= 1X1+2X2 est une solution
optimale
L’ensemble des solutions optimales est le
segment [X1,X2] donc il existe une infinité de
solutions optimales
Z(Min)=-2

Le balayage de la fonction objectif atteint le

segment [C,D] (Z est // à [C,D]) donc [C,D]
est l’ensemble des solutions optimales

C) L’ensemble des solutions réalisables (admissibles) est un polyèdre convexe non borné, la
solution optimale tend vers l’infini donc Max(Z)=+(infini)
D) D= donc il n’existe pas de solutions réalisables donc pas de solutions optimales

6
Support de cours ROP Mme BOUKERRAM

2.9 Résultat d'une optimisation linéaire

Le domaine admissible d'un PL peut être
 Vide. Dans un tel cas le problème est sans solution admissible (et ne possède
évidemment pas de solution optimale).
 Borné (et non vide). Le problème possède toujours au moins une solution optimale,
quelle que soit la fonction objectif (points extrêmes).
 Non Borné. Dans ce cas, selon la fonction objectif choisie,
o le problème peut possèder des solutions optimales (points extrêmes) ;
o il peut exister des solutions admissibles de valeur arbitrairement grande
(ou petite). Dans un tel cas le PL n'admet pas de solution optimale finie et
est dit non borné ( la solution optimale tend vers l’infini).