Recherche Opérationnelle : Modélisation & résolution graphique

Prof : A. El maliki, ENCG Casablanca

———————————————- Modélisation ————————————————

Exercice 1.
Farmer Furniture makes chairs, arm-chairs and sofas. The profits are $50 per chair, $60 per
arm-chair and $80 per sofa. The materials used to manufacture these items are fabric and wood. A
supplier can provide a maximum of 300 meters of fabric and 350 units of wood each week. Each item
requires a certain amount of wood and fabric as well as a certain assembly time. These are given in
the following table
Item Fabric Wood Assembly time
chair 2m 6 units 8hrs
armchair 5m 4 units 4hrs
sofa 8m 5 units 5hrs
Avail./Wk 300m 350 units 480 hrs
Problem : How many chairs, arm-chairs and sofas that the company should make per week so that
the total profit is maximized ?
Let
— x1 :] of chairs made per week ;
— x2 :] of armchairs madeper week ;
— x3 :] of sofa made per week.
Then, we have
Profit on chairs = 50x1 ;
Profit on armchairs = 60x2 ;
Profit on sofas = 80x3 .
Total profit per week = 50x1 + 60x2 + 80x3 .
Constraints :
Amount of Fabric/week ≤ 300 ;
Amount of wood/week ≤ 350 ;
Amount of time/week ≤ 480.
These can be formulated as

 2x1 + 5x2 + 8x3 ≤ 300
6x1 + 4x2 + 5x3 ≤ 350
8x1 + 4x2 + 5x3 ≤ 480


We also need to impose

x1 , x2 , x3 ≥ 0
So, mathematically, we have
max  z = 50x1 + 60x2 + 80x3

 2x1 + 5x2 + 8x3 ≤ 300
6x1 + 4x2 + 5x3 ≤ 350

s.c
 8x1 + 4x2 + 5x3
 ≤ 480
x1 , x2 , x3 ≥ 0


1
Exercice 2.
Un constructeur automobile décide de lancer une campagne de publicité pour relancer les ventes
d’un de leurs modèles. Il confie pour cela un budget de 48000$, à sa branche marketing. Le spot
de publicité prévu dure 30 secondes, et devra passer sur les créneaux de l’après-midi, de l’access-
time et du prime-time. Grâce à une étude des campagnes passées, les publicitaires ont pu établir
l’impact d’un spot de publicité de 30 secondes pour ce modèle suivant l’horaire de passage à la
télévision. Ils ont établi une échelle qui se compte en point d’impact.
— Un spot de 30 secondes diffusé en après-midi permet de gagner 8 points.
— Un spot de 30 secondes diffusé en access-time permet de gagner 16 points.
— Un spot de 30 secondes diffusé en prime-time permet de gagner 20 points.
Ils ont pour règle de ne pas tout miser sur le même créneau horaire. Pour cela ils se fixent deux
contraintes :
— L’ensemble des dépenses sur l’après midi plus l’access-time ne doit pas dépasser les 28 000 $.
— La limite des dépenses sur le prime-time ne doit pas dépasser les 36 000$.
Sur la semaine où ils ont prévu leur campagne les tarifs publicitaires moyens sont les suivants :
— 1 000$ en après-midi.
— 2 000$en access-time.
— 4 000$ en prime-time.
Formuler le modèle de programmation linéaire qui permettrait à la branche marketing de lui
suggérer une stratégie de publicité pour avoir le meilleur impact possible.

Si on nomme x1 le nombre de spots en après-midi, x2 le nombre de spots en access-time et x3

le nombre de spots en prime-time, on obtient la fonction économique suivante (Z exprimé en points
d’impact) :
Z = 8x1 + 16x2 + 20x3
Il faut ensuite exprimer les contraintes. Il y en a trois :

— Le constructeur n’a que 48k $ à investir dans cette campagne de publicité. Chaque spot en
après-midi coûte 1k $, chaque spot en access-time coûte 2k $, et chaque spot en prime-time
coûte 4k $. Donc 1x1 + 2x2 + 4x3 ≤ 48
— Les publicitaires ne veulent pas dépenser plus de 28k $ sur l’ensemble des spots de l’après-midi
et de l’access-time. Chaque spot en après-midi coûte 1k $, chaque spot en access-time coûte
2k $. Donc 1x1 + 2x2 ≤ 28
— Les publicitaires ne veulent pas dépenser plus de 36k $ sur l’ensemble des spots du prime-time.
Chaque spot du prime-time coûte 4k $. Donc 4x3 ≤ 36
En résumé le programme linéaire pour ce probnlème est
max  z = 8x1 + 16x2 + 20x3

 1x1 + 2x2 + 4x3 ≤ 48
1x1 + 2x2 ≤ 28

s.c

 + 4x 3 ≤ 36
x1 , x2 , x3 ≥ 0


Exercice 3.
Une entreprise désire effectuer une campagne publicitaire dans la télévision, la radio et les jour-
naux pour un produit lancé récemment sur le marché. Le but de la campagne est d’attirer le maximum
possible de clients.

2
Les résultats d’une étude de marché sont donnés par le tableau suivant :

TV(daytime) TV(prime time) Radio Journaux

Coût d’une publicité 40$ 75$ 30$ 15$
Nombre de client potentiel par publicité 400 900 500 200
Nombre de client potentiel femme par publicité 300 400 200 100

Pour la campagne, on prévoit de ne pas payer plus que 800$ pour toute la campagne et on
demande que ces objectifs soient atteints :
— Au minimum 2000 femmes regardent, entendent ou lisent la publicité ;
— La campagne publicitaire dans la télévision ne doit pas dépasser 500 $ ;
— Au moins 3 spots publicitaires seront assurés par la télévision dans la journée et au moins de
deux spots par la télévision en prime time
— Le nombre des publicités dans la radio ou dans les journaux sont pour chacun entre 5 et 10.
1. Comment doivent-ils répartir le passage des spots de publicité sur les différents créneaux pour
avoir le meilleurs impact possible (écrire le programme linéaire qui modélise le problème).

— x1 = ] de spot publicitaire dans la TV (daytime)

— x2 = ] de spot publicitaire dans la TV (prime time)
— x3 = ] de spot publicitaire dans la radio
— x4 = ] de spot publicitaire dans les journaux
- Fonction objectif z = 400x1 + 900x2 + 500x3 + 200x4
- Coût total de la compagne publicitaire :
40x1 + 75x2 + 30x3 + 15x4 ≤ 800.
- Nombre de client femme potentielle par publicité
300x1 + 400x2 + 200x3 + 100x4 ≥ 2000.
- Contraintes de télévision
40x1 + 75x2 ≤ 500 ; x1 ≥ 3 ; x2 ≥ 2
- Contraintes sur le nombre de publicité dans la radio et dans les journaux
5 ≤ x3 ≤ 10 ; 5 ≤ x4 ≤ 10
En résumé, le problème de publicité se modélise sous la forme
max  z = 400x1 + 900x2 + 500x3 + 200x4

 40x1 + 75x2 + 30x3 + 15x4 ≤ 800
300x 1 + 400x2 + 200x3 + 100x4 ≥ 2000




40x + 75x + 0x3 + 0x4 ≤ 500

1 2



x1 ≥ 3



s.c x2 ≥ 2
x ≥ 5

3



x ≤ 10

3



x4 ≥ 5




x4 ≤ 10


Exercice 4.
La compagnie TRUSCO s’est vue attribuer la tâche de préparer un portefeuille d’investissements
pour une société industrielle. Les fonds à investir ne doit pas dépasser un montant de 300000 euros.

3
L’analyste financier de la compagnie a retenu 6 possibilités d’investissements réparties dans l’indus-
trie du pétrole, de l’électronique et pharmaceutique. Les diverses sociétés dans lesquelles on désire
investir et les rendements anticipés sont présentés dans le tableau ci-après :

Sociétés Secteur d’activités Rendement anticipé (%)

Simco Pétrole 9.35
Plurimax pétrole 8.00
Microtel Electronique 10.90
CAX Electronique 7.80
Biomed Pharmaceutique 9.60
Coranex Pharmaceutique 8.50

Les directives suivantes ont été émises :

— Les investissements dans le secteur pharmaceutique devraient représenter au moins 30% des
investissements dans le secteur électronique.
— Aucun secteur d’activité ne devrait se voir allouer plus de 55% des sommes investies.
— Bien que la société Microtel présente un rendement anticipé élevé, on veut limiter le montant
investi dans cette société, à cause de son risque élevé, à 60% des investissements dans le
secteur électronique.
— On a demandé aussi à TRUSCO d’investir au moins 15000 euros dans l’industrie pétrolière.
Décision : Comment répartir un portfeuille ?
Objectif : Est de maximiser le rendement anticipé.
1. Formuler le modèle de programmation linéaire qui permettrait à l’analyste financier de lui
suggérer une stratégie de placement tout en respectant les directives mentionnées.
Le capital initial C = 300000 euros
xi = le montant d’argent à investir dans le titre i, i = 1, · · · , 6
On note par ri les rendements anticipés (en %).
Le PL qui modélise le problème de la compagnie TRUSCO est :
X 6
max z = xi ri
 i=1 6
 X



 xi ≤ C
i=1






 x5 + x6 ≥ 0.3(x3 + x4 )

 X 6

x + x ≤ 0.55 xi

1 2





 i=1
 6
s.c
X
 x3 + x4 ≤ 0.55 xi


 i=1


 X 6
≤

 x + x 0.55 xi
 5 6


i=1


≤ 0.6(x3 + x4 )



 x3
 x + x ≥ 15000


 1 2
≥ 0, i = 1, · · · , 6

xi

4
Exercice 5.
International City Trust (ICT) peut investir jusqu’à 5 million de dollars dans un portefeuille de
6 actifs. On supposera que le risque du portefeuille est le risque moyen de ses composantes, par
exemple si l’on place une somme de 1000 $ dans un actif dont le risque est évalué à 1.4 et 3000$
dans un autre actif dont le risque est évalué à 5.2, le risque moyen est : (1000∗1.4+3000∗5.2)
1000+3000 = 4.25.
Les caractéristiques des actifs envisagés sont les suivantes :

Investment Interest rate Risk

Trade credits 7% 1.7
Corp. bonds 10 % 1.2
Gold stocks 19% 3.7
Platinum stocks 12% 2.4
Mortage securities 8% 2.0
Construction loans 14% 2.9

ICT veut respecter les contraintes suivantes :

— Aucun actif ne devrait se voir allouer plus de 25% des sommes investies.
— La valeur investie dans les métaux préciaux doit être d’au moins 30% des sommes investies.
— La valeur investie dans Trade credits et Corporate bonds doit être d’au moins 45% des sommes
investies.
— Le risque du portefeuille ne doit pas dépasser 2.
Décision : Comment répartir un portefeuille ?
Objectif : Est de maximiser le rendement du portefeuille.
1. Formuler le problème sous forme d’un modèle de programmation linéaire.
Le capital initial est C = 5M $
xi = le montant d’argent à investir dans le titre i, i = 1, · · · , 6
On note par ri les rendements anticipés (en %) et riq le risque de l’actif i = 1, · · · , 6.
Le PL qui modélise le problème de ICT est :
X 6
max z = xi ri
 6 i=1
X
≤ C



 xi

 i=1

6



 X



 x i ≤ 0.25 xi , i = 1, · · · , 6

 i=1


 X6

x3 + x4 ≥ 0.3 xi

s.c
 i=1


 X 6
x5 + x6 ≥ 0.45 xi






 i=1
6 6


 X X
 q



 x r
i i ≤ 2 xi
i=1 i=1



xi ≥ 0, i = 1, · · · , 6

5
 6
X
xi riq
i=1
Remarquer que la contrainte 6
≤ 2 est non linéaire et il faut la linéariser :
X
xi
i=1
6
X
xi riq 6 6
X X
i=1
6
≤2⇔ xi riq ≤ 2 xi
X
i=1 i=1
xi
i=1

Exercice 6.
Un gagnant au loto a décidé de confier 4 millions d’euros à un établissement financier pour les
investir pour une durée de 5 ans dans diverses SICAV. Après discussion, le gagnant et son conseiller
financier se sont mis d’accord pour faire un portefeuille composé au maximum des 3 SICAV suivantes :
— ANT : c’est une SICAV en actions dans les nouvelles technologies. Une part coûte 10 k euros,
et le gain espéré au bout de 5 ans est de 7 k euros. Le risque d’une part de cette SICAV est
de 10 points.
— ONT : c’est une SICAV en obligations dans les nouvelles technologies. Une part coûte 10 k
euros, et le gain espéré au bout de 5 ans est de 3 k euros. Le risque d’une part de cette SICAV
est de 5 points.
— OMN : c’est une SICAV en obligations monétaires. Une part coûte 10 k euros, et le gain
espéré au bout de 5 ans est de 1 k euros. Le risque d’une part de cette SICAV est de 2 points.
Le risque d’un portefeuille est la somme des risques de chaque part dans ce portefeuille. Par exemple
un portefeuille composé de 3 ANT et de 8 OMN a un risque de 3 ∗ 10 + 8 ∗ 2 = 46 points. Le gagnant
a émis certaines conditions pour son placement : Il ne veut pas plus de 2 millions d’euros en action.
Il ne veut pas placer plus de 3,5 millions d’euros dans les nouvelles technologies. Le risque de son
portefeuille ne doit pas dépasser les 2 500 points.
Modéliser le problème sous forme d’un programme linéaire ?
Les variables :
ANT= nombre de SICAV de type ANT
ONT= nombre de SICAV de type ONT
OMN= nombre de SICAV de type OMN
Le profit espéré est obtenu par l’acquisition de 3 SICAV :
Chaque ANT rapportera 7 k euros,
chaque ONT rapportera 3 k euros et
chaque OMN rapportera 1 k euros.
Donc la fonction économique s’exprime ainsi (Z exprimé en k euro). Z = 7AN T + 3ON T + 1OM N
Il faut ensuite exprimer les contraintes. Il y en a quatre :
- Le gagnant n’a que 4 millions d’euros à investir, chaque part de chaque SICAV coûte 10 k euros.
Donc exprimant cette contrainte en k euros. Le 4 millions, devient 4 000 k euros, ce qui donne :
10AN T + 10ON T + 10OM N ≤ 4000
- Le gagnant ne veut pas dépasser les 2 millions d’euros en actions. Seule la SICAV ANT est en
actions. En exprimant cette contrainte en k euros on obtient :
10AN T ≤ 2000
- Le gagnant ne veut pas dépasser les 3,5 millions dans le secteur des nouvelles technologies. Les

6
SICAV ANT et ONT concernent ce secteur. En exprimant cette contrainte en k euros on obtient :
10AN T + 10ON T ≤ 3500
- Le gagnant veut limiter son risque à 2 500 points. Donc
10AN T + 5ON T + 2OM N ≤ 2500
Le programme linéaire du gagnant est
max z= 7AN T + 3ON T + OM N

 10AN T + 10ON T + 10OM N ≤ 4000
10AN T ≤ 2000



s.c 10AN T + 10ON T ≤ 3500
10AN T + 5ON T + 2OM N ≤ 2500




AN T, ON T, OM N ≥ 0


Exercice 7.
Deux types de pétrole léger P1 et P2 sont produits dans une raffinerie en quantité respectives de
30 et 70 tonnes/jour. P1 a un taux d’octane de 104 et P2 a un taux d’octane de 94. Ces pétroles légers
peuvent être mélangés dans n’importe quelle proportion et le taux d’octane du mélange obtenu varie
linéairement avec les taux d’octane des parties constituant le mélange. C’est-à-dire que le mélange
obtenu à partir de 2 tonnes de P1 et 3 tonnes de P2, qui pèsera 5 tonnes, aura un taux d’octane de
2 ∗ 104 + 3 ∗ 94
= 98
2+3
De tels mélanges peuvent être obtenus sur le marché sous le nom de Kérosène si le taux d’octane
est supérieur à 102 et de super si le taux d’octane est supérieur à 96. La demande maximum de
Kérosène est 20 tonnes/jours, la demande de Super n’est pas limitée. La vente d’une tonne de
Kérosène procure un profit de 150$, la vente d’une tonne de Super donne un profit de 100$. Le
problème consiste à déterminer quelles quantités de Kérosène et de Super produire à partir de
P1 et P2 pour maximiser le profit tout en satisfaisant aux contraintes du problème. Montrer que
les contraintes sur les taux d’octane sont linéaires et formuler le probl‘eme comme un programme
linéaire.

Corrigé (Mélange)
On désigne par x11 et x21 (resp. x12 et x22 ) la quantité ( en tonnes) de P1 et de P2 utilisés pour
fabriquer Kérosène (resp. Super).
Indice d’octane pour Kérosène (Ik ) et Super (Is ) :
104x11 + 94x21 104x12 + 94x22
Ik = ; Is =
x11 + x21 x12 + x22
Remarque Ik et Is ne sont pas linéaires. Les contraintes s’écrivent : Ik ≥ 102 et Is ≥ 96, ce qui
conduit, après regroupement des termes (linéarisation), aux inégalités suivantes :

102x11 + 102x21 ≤ 104x11 + 94x21

96x12 + 96x22 ≤ 104x12 + 94x20

Les containtes de disponibilité des ressources P1 et P2 s’écrivent comme ceci :

x11 + x12 ≤ 30
x21 + x22 ≤ 70

7
La demande maximum de Kérosène est 20 tonnes/jours

x11 + x21 ≤ 20

La fonction objectif (à maximiser) est :

Z = 150 ∗ (x11 + x21 ) + 100 ∗ (x12 + x22 )

Les containtes de positivité : xij ≥ 0, i = 1, · · · , 2; j = 1, · · · , 2

Exercice 8.
Monsieur V, directeur d’une chaîne de magasins de vêtements, désire ouvrir trois nouvelles
boutiques : une à Casablanca, une à Rabat et une à Marrakech. L’ouverture de chaque nouvelle
boutique lui coûtera respectivement 250000DH, 100000DH et 1700000DH. Pour financer ses projets,
il fait appel à trois différentes banques.
Boutique de Casa Boutique de Rabat boutique de Marrakech
Banque 1 5% 6.5% 6.1%
Banque 2 5.2% 6.2% 6.2%
Banque 3 5.5% 5.8% 6.5%
En fonction de l’emplacement de ces boutiques et des risques évalués, chaque banque décide de
financer au plus 300 000 DH sur 8 ans et propose des taux différents suivant les boutiques (tableau
ci-haut).
(rappel : si S est la somme emprunté à une banque au taux T pendant n années, l’annuité que M.
T
V aura à verser à la banque est donné par la relation : S × )
1 − (1 + T )−n
Modéliser le problème sous forme d’un programme linéaire ?
Notons Pj le prix de la boutique j et xi,j le montant emprunté à la banque i pour financer la bou-
tique j. Soit Bo et Ba respectivement le nombre de boutiques et le nombre de banques acceptent
de les financer, n = 8 le nombre d’années sur lequel s’étend le remboursement, Mmax le montant
maximal que chaque banque est prête à fiancer. La modèle mathématique est le suivant :
Ba X Bo
X Ti,j
(1) min z = xi,j
i=1 j=1
1 − (1 + Ti,j )−8
Ba
X
(2)∀j = 1, ..., Bo , = xi,j = Pj
i=1
Bo
X
(3)∀i = 1, ..., Ba , xi,j ≤ Mmax
j=1
(4)∀i, j, xi,j ≥ 0

Exercice 9.
L’entreprise TKit importe trois nouveaux composants C1, C2, C3 aux prix respectifs unitaires
de 3, 5 et 6 $ (transport inclus). Ces composants peuvent être inclus dans de nombreux produits
finis, mais d’après le service Marketing, les produits leaders contenant ces composants et pouvant

8
facilement être assemblés par des amateurs sont les produits PF1, PF2, PF3 et PF4. D’autre d’après
l’expérience des vendeurs de TKit, pour que le montage soit plus intéressant que l’achat du produit
tout monté, il faut que le prix d’achat (pour le client) des composants soit inférieur d’au moins 20%
au prix du modèle monté. Pour les 4 produits finis, on a obtenu les renseignements suivants :

Produit Nombre Nombre Nombre Autres Prix

de C1 de C2 de C3 Composants de vente
PF1 2 1 80$ 125 $
PF2 4 2 2 50$ 125 $
PF3 4 6 90$ 175 $
PF4 1 3 3 70$ 150 $
dans le produit fini donné, et la colonne "Autres composants" donne le prix d’achat des autres
composants nécessaires à la fabrication du modèle. Enfin Prix de vente représente le prix de vente
minimum observé sur le marché pour le produit fini donné. Les ventes hebdomadaires espérées par
le service commercial sont de 2000 unités pour C1, 1000 unités pour C2 et 3000 unités pour C3, ces
ventes devraient rester stables sur le trimestre. Enfin le prix de vente d’un produit doit légalement
être supérieur à son coût (loi antidumping).
1. Formaliser le problème de fixation de prix de l’entreprise Tkit, sachant qu’elle veut maximiser
la marge globale dégagée par les trois nouveaux composants.
Variables de décisions : x1 , x2 , x3 sont respectivement les prix de ventes des composantes C1 , C2
et C3 .
l’objectif est de Maximiser le profit :

M axZ = 2000x1 + 1000x2 + 3000x3

La loi antidumping :
x1 ≥ 3
x2 ≥ 5
x3 ≥ 6
Les autres contraintes :
−(PF1) : 2x1 + x2 ≤ 125 ∗ (1 − 0.2) − 80
−(PF2) : 4x1 + 2x2 + 2x3 ≤ 125 ∗ (1 − 0.2) − 50
−(PF3) : 4x1 + 2x2 + 2x3 ≤ 175 ∗ (1 − 0.2) − 90
−(PF4) : 4x1 + 2x2 + 2x3 ≤ 150 ∗ (1 − 0.2) − 70

Exercice 10.
Une fonderie reçoit une commande précise de 1000 tonnes d’acier. Cet acier doit répondre aux
caractéristiques suivantes : il doit contenir au moins 0.45% manganèse (Mn) tandis que son pour-
centage en silicium (Si) doit se situer entre 3.25% et 5%. Pour couler cet acier, la fonderie dispose
en quantités limitées de trois types de minerais : A, B et C. En voici les teneurs en Si et Mn :
A B C
Si 4% 1% 0.6%
Mn 0.45% 0.5% 0.4%

9
Le procédé de production d’acier est tel qu’une adition directe de Mn est envisageable. Ce Manga-
nèse est disponible au prix de 8 millions de Dollars (M$) la tonne. Quant aux minerais, ils coûtent
respectivement 21 M$ les milles tonnes pour le type A, 25 M$ pour B et 15 M$ pour C. Le coût de
fonte d’une tonne de minerais est de 0,005 M$.

Modéliser le problème sous forme d’un programme linéaire ?

Variables de décisions :
A=la quantité (en tonnes) de minerais de type A
B=la quantité (en tonnes) de minerais de type B
C=la quantité (en tonnes) de minerais de type C
M =la quantité (en tonnes) de minerais de type Mn
Maximiser le profit est équivalent à minimiser le coût.
Ici on minimisera le coût. Objectif :
min Z = 0.021A + 0.025B + 0.015C + 8M + (A + B + C) ∗ 0.005
Contraintes :
(1)(exigence en manganèse) 0.45A + 0.5B + 0.4C + 100M ≥ 0.45 ∗ 1000
(2)(exigence minimale en silicium) 4A + 1B + 0.6C ≥ 3.25 ∗ 1000
(3)(exigence maximale en silicium) 4A + 1B + 0.6C ≤ 5 ∗ 1000
(4)(total d’acier) A + B + C + M = 1000
(5). A, B, C, M ≥ 0

Exercice 11.
La société Tolf, distributeur de carburant, vend trois types de carburants (Ordinaire, Normal, et
Super) à base d’un mélange d’essence et d’alcool, les autres ingrédients étant en quantité négligeable.
Chaque semaine, l’entreprise peut acquérir jusqu’à 10 000 k Litres d’essence à 0,44 $ le litre et 1 200
k Litres d’alcool à 0,54 $ le litre. L’Ordinaire vendu 1$ le litre est composé à 92% d’essence et donc
à 8% d’alcool. Le Normal vendu 1,1 $ le litre est composé à 90% d’essence et 10% d’alcool, enfin
le Super vendu 1,3 $ le litre est composé à 87% d’essence et de 13% d’alcool. Des contrats ont été
signés avec des hyper marchés qui obligent à produire chaque semaine au moins 2,4 millions de litres
de Normal et 4 millions de litres de Super. Le reste de la production est écoulé sans difficultés sur le
marché régional. Enfin, il faut que la production de Normal soit inférieure au double de celle de Super.

Modéliser le problème sous forme d’un programme linéaire ?

Version 1 :
Variables de décisions :
xo =la quantité (en litres) du carburant ordinaire
xn =la quantité (en litres) du carburant normal
xs =la quantité (en litres) du carburant super
Objectif : Maximiser le profit
max Z = (1 − 0.44 ∗ 0.92 − 0.54 ∗ 0.08)xo + (1.1 − 0.9 ∗ 0.44 − 0.1 ∗ 0.54)xn
+(1.3 − 0.87 ∗ 0.44 − 0.13 ∗ 0.54)xs
max Z = 0.552xo + 0.650xn + 0.847xs
Contraintes :
1.(Essence) 0.92xo + 0.9xn + 0.87xs ≤ 10000000
2.(Alcool) 0.08xo + 0.1xn + 0.13xs ≤ 1200000
3.(Contrats) xn ≥ 2400000
4.(Contrats) xs ≥ 4000000

10
4.(Equilibre) −xn + 2xs ≥ 0
Version 2 :
Variables de décisions :
xo =la quantité (en 1000 litres) du carburant ordinaire
xn =la quantité (en 1000 litres) du carburant normal
xs =la quantité (en 1000 litres) du carburant super
Objectif : Maximiser le profit
max Z = 0.552 ∗ 1000xo + 0.650 ∗ 1000xn + 0.847 ∗ 1000xs
= 552xo + 650xn + 847xs
Contraintes :
1.(essence) 0.92xo + 0.9xn + 0.87xs ≤ 10000
2.(alcool) 0.08xo + 0.1xn + 0.13xs ≤ 1200
3.(contrats) xn ≥ 2400
4.(contrats) xs ≥ 4000
4.(equilibre) −xn + 2xs ≥ 0

Exercice 12.
Une ville entreprendra cinq projets de rénovation urbaine au cours des cinq prochaines années.
Chaque projet a une année différente de démarrage et une durée différente d’achèvement. Le tableau
suivant fournit les données pour cette situation.

Année 1 Année 2 Année 3 Année 4 Année 5 Coût (M$) Revenu(M$)

Projet 1 Début 99K Fin 5.0 0.05
Projet 2 Début 99K 99K Fin 8.0 0.07
Projet 3 Début 99K 99K 99K Fin 15.0 0.15
Projet 4 Début Fin 1.2 0.02
Budget(M$) 3.0 6.0 7.0 7.0 7.0
- Les projets 1 et 4 doivent être finis complètement dans leurs durées.
- Les deux projets restants peuvent être terminés partiellement dans les limites du budget, si néces-
saire. Cependant, chaque projet doit être achevé à au moins 25% dans les délais.
À la fin de chaque année, la partie achevée d’un projet est immédiatement occupée par les locataires
et un revenu proportionnel est réalisé. Par exemple :
si 40% du projet 1 est achevé au cours de la première année et 60% au cours de la troisième année,
le revenu associé sur l’horizon de planification de cinq ans est de
0.4 ∗ $50000(année 2) + 0.4 ∗ $50000(année 3) + (0.4 + 0.6) ∗ $50000(année 4) + (0.4 + 0.6) ∗ $50000(année 5)
On veut Déterminer le calendrier optimal pour les projets qui maximisera le revenu total sur une
période de cinq ans. Pour simplifier, on ignore la valeur temporelle de l’argent.
Formuler le problème par un programme linéaire ? (Indication : considérez xi,j la pro-
portion du projet i complétée dans l’année j )

Variables de décisions : Soit xi,j la proportion du projet i complétée dans l’année j.

Objectif :
Maximiser Z = 0.05(4x11 + 3x12 + 2x13 ) + 0.07(3x22 + 2x23 + x24 )
+ 0.15(4x31 + 3x32 + 2x33 + x34 ) + 0.02(2x43 + x + x44 )
Contraintes :
(réalisation complète du projet 1) : x11 + x12 + x13 = 1

11
(réalisation complète du projet 4) : x43 + x44 = 1
(réalisation partielle du projet 2) : x22 + x23 + x24 + x25 ≤ 1
(réalisation partielle du projet 3) : x31 + x32 + x33 + x34 + x35 ≤ 1
(réalisation minimale du projet 2) : x22 + x23 + x24 + x25 ≥ 0.25
(réalisation minimale du projet 3) : x31 + x32 + x33 + x34 + x35 ≥ 0.25
(budget année 1) : 5x11 + 15x31 ≤ 3
(budget année 2) : 5x12 + 8x22 + 15x32 ≤ 6
(budget année 3) : 5x13 + 8x23 + 15x33 + 1.2x43 ≤ 7
(budget année 4) : 8x24 + 15x34 + 1.2x44 ≤ 7
(budget année 5) : 8x25 + 15x35 ≤ 7
∀i, j : xi,j ≥ 0

—————————————— Résolution Graphique ——————————–

Exercice 13.
La New Fashion Company fabrique et vend des robes et des blouses. Les profits sont de 8$ pour
une robe et de 6$ sur une blouse. La conception d’une robe requiert en moyenne 4 heures d’une
dessinatrice tandis qu’une blouse, environ 2 heures. Un tailleur prend 2 heures à faire une robe et
4 heures à faire une blouse. La NFC dispose à chaque jour de 60 heures de temps pour dessiner les
vêtements et de 48 heures de temps pour coudre ces vêtements.
1. Déterminer un système d’inéquations modélisant ce problème (on n’oubliera pas les conditions
de positivité des inconnues).
— Choix des variables : x1 et x2 sont respectivement les quantités de robes et de blouses
fabriquées.
— Choix de la fonction objectif : Pour x1 robes, on aura un profit de 8x1 et pour x2 blouses,
on aura 6x2 .
Le bénéfice total est alors Z = 8x1 + 6x2
— Les contraintes :
Dessinatrice : on utilise 4x1 heures pour x1 robes et 2x2 pour x2 blouses et au total on
utilise 2x1 + 4x2 heures pour dessiner et qui ne doivent pas dépasser 60.
Tailleur : on utilise 2x1 heures pour x1 robes et 4x2 pour x2 blouses et au total le tailleur
utilise 4x1 + 5x2 heures et qui ne doivent pas dépasser 48.
Plus la positivités des variables : x1 , x2 ≥ 0.
En résumé, le problème de la NFC se modélise sous la forme d’un PL :

max
 z = 8x1 + 6x2
 4x1 + 2x2 ≤ 60
s.c 2x1 + 4x2 ≤ 48
x1 , x2 ≥ 0


2. Dessiner l’ensemble convexe représentant les possibilités de production de la NFC compte

tenu de la disponibilité de ses ouvriers.

12
3. Déterminer l’expression linéaire PL donnant le profit en fonction des quantités d’habits fa-
briquées.
Pour x1 robes, on aura un profit de 8x1 et pour x2 blouses, on aura 6x2 .
Le bénéfice total est alors Z = 8x1 + 6x2
4. Sur ce graphe, tracer la droite correspondant à un profit de 180$ . La Company peut-elle
réaliser un tel profit ?

Il n’y a pas d’intersection entre l’ensemble réalisable et la droite de la fonction objectif

(Z = 8x1 + 6x2 = 180), donc la NFC ne peut pas réaliser un tel profit.

5. Déterminer, à l’aide de la question précédente, le sommet de l’ensemble convexe qui réalise

le meilleur profit.

13
 On fait glisser la droite (Z = 8x1 + 6x2 = 180, voir la figure précédente) du haut vers le
bas jusqu’à rencontrer le point optimal (ici c’est le premier point rencontré de l’ensemble
réalisable)
6. Combien de robes et de blouses doit-on fabriquer quotidiennement pour que le profit de la
NFC soit maximal ? Quel est ce profit ?
Nombre de robes et de blouses = (12, 6) et le profit maximal de la NFC est Zmax = 132

Exercice 14.
Soit le programme linéaire suivant :

max z = x1 + 3x2



 x1 + x2 ≤ 14


 −2x + 3x

≤ 12
1 2
s.c


 2x1 − x2 ≤ 12


≥0

 x1 , x2

Déterminez, en utilisant l’interprétation géométrique :

1. L’ensemble des solutions réalisables du PL :
Polyèdre (OABCD), voir la figure suivante

14
 Pour déterminer la solution optimale, on fait glisser la droite (z = x1 + 3x2 )(translation
parallèle à la direction de la droite) du bas (z = 1x1 +3x2 = 0) vers le haut jusqu’à rencontrer
le dernier point(c’est le point optimal).
2. Les sommets de l’ensemble des solutions admissibles et la solution optimale :
Les sommets sont O, A, B, C, D. La solution optimale est x = (6, 8)
3. Dans la fonction objectif on change le coefficient (c2 = 3) par c (z = x1 + cx2 ). Pour quelles
valeurs de c le problème PL possède
— une infinité de solutions
— une solution autre que celle trouvée en 2.
La solution optimale ne change pas si :
pente(x1 + x2 = 4) < pente(x1 + cx2 ) < pente(−2x1 + 3x2 = 12) c’est-à-dire
−1 < − 1c < 2/3 =⇒ c > 1 et c > −3/2 ce qui implique c > 1.
Donc si c > 1, la solution optimale ne change pas .
Si c = 1 alors z = x1 + x2 . Cette droite devienne parallèle avec la droite x1 + x2 = 14 ce qui
donne une infinité de solution,
Si 0 < c < 1, on aura une solution autre que celle trouvée en 2.

Exercice 15.
Une usine fabrique 2 produits P1 et P2 en utilisant un certain nombre de ressources : équipement,
main d’œuvre, matières premières. Ces besoins sont indiqués dans le tableau ci-dessous. Par ailleurs,
chaque ressource est disponible en quantité limitée (cf. tableau).

P1 P2 disponibilité
Équipement 3 9 81
Main d’œuvre 4 5 55
Matière première 2 1 20

Les deux produits P1 et P2 rapportent à la vente respectivement des bénéfices de 6$ et 4$ par unité.
1. Formuler algébriquement le PL ainsi posé.

— Choix des variables : x1 et x2 sont respectivement les quantités des produits P1 et P2

fabriqués.

15
 — Choix de la fonction objectif : Pour x1 quantité de P1, on aura un profit de 6x1 et pour
x2 quantité de P2, on aura 4x2 .
Le bénéfice total est alors Z = 6x1 + 4x2
— Les contraintes :
L’équipement : on utilise 3x1 pour x1 de P1 et 9x2 pour x2 de P2 et au total on utilise
3x1 + 9x2 de l’équipement et qui ne doit pas dépasser 81.
Main d’œuvre : on utilise 4x1 pour x1 de P1 et 5x2 pour x2 de P2 et au total on utilise
4x1 + 5x2 de main d’œuvre qui ne doit pas dépasser 55.
Matières premières : On utilise 2x1 pour x1 de P1 et 1x2 pour x2 de P2 et au total on
utilise 2x1 + 1x2 de Matières premières qui ne doit pas dépasser 20.
Plus la positivités des variables : x1 , x2 ≥ 0.
En résumé, le problème de production se modélise sous la forme
max
 z = 6x1 + 4x2

 3x1 + 9x2 ≤ 81
4x1 + 5x2 ≤ 55

s.c

 2x1 + x2 ≤ 20
x1 , x2 ≥ 0


2. Déterminez graphiquement l’ensemble des solutions admissibles.

Dans le cas d’un PL à deux variables, on peut résoudre le problème par la méthode graphique.
Les contraintes avec des inégalités corrsepondent géométriquement à des demi-plans.
L’intersection de ces demi-plans forme l’ensemble des solutions admissibles (réalisables) (la
partie coloriée)

Pour déterminer la solution optimale, on fait glisser la droite (z = 6x1 + 4x2 )(translation
parallèle à la direction de la droite) du bas (z = 6x1 +4x2 = 0) vers le haut jusqu’à rencontrer
le point optimal.
3. Quelles quantités de produits P1 et P2 doit produire l’usine afin de maximiser le bénéfice
total venant de la vente des 2 produits ?
Graphiquement, on trouve les coordonnées de la solution optimale(voir la question précédente)
x = (x1 , x2 ) = (15/2, 5)
4. Donnez le profit maximal.
Le profit maximal est donc Zmax = 6 ∗ 15/2 + 4 ∗ 5 = 65

16
Exercice 16.
On se propose de réaliser une alimentation économique pour des bestiaux, qui contient obligatoi-
rement 4 sortes de composants nutritifs, A, B, C et D. L’industrie alimentaire produit précisément
deux aliments M et N qui contiennent ces composants :
1 Kg d’aliment M contient 100 g de A, 100 g de C, 200 g de D ;
1 Kg d’aliment N contient 100 g de B, 200 g de C, 100 g de D.
Un animal doit consommer par jour au moins 0.4 Kg de A, 0.6 Kg de B, 2 Kg de C et 1.7 Kg de D.
L’aliment M coûte 10$ le Kg et N coûte 4$ le Kg.
1. Formuler algébriquement le PL ainsi posé.
On peut résumer toutes les données du problème dans le tableau suivant
M N Quantités prescrites
A 0.1 0 0.4
B 0 0.1 0.6
C 0.1 0.2 2
D 0.2 0.1 1.7
Coût 10 4
Les variables de décision sont
- x1 : la quantité d’aliments M
- x2 : la quantité d’aliments N
Les contraintes de positivité sont x1 , x2 ≥ 0.
On utilise la composante nutritif A dans l’aliment M (0.1x1 ) et dans l’aliment N(0x2 ), au
total
0.1x1 + 0x2 ≥ 0.4 ← consommation minimale de A par l’animal
On utilise la composante nutritif B dans l’aliment M (0x1 ) et dans l’aliment N(0.1x2 ), au
total
0x1 + 0.1x2 ≥ 0.6 ← consommation minimale de B par l’animal
On utilise la composante nutritif C dans l’aliment M (0.1x1 ) et dans l’aliment N(0.2x2 ), au
total
0.1x1 + 0.2x2 ≥ 2 ← consommation minimale de C par l’animal
On utilise la composante nutritif D dans l’aliment M (0.2x1 ) et dans l’aliment N(0.1x2 ), au
total
0.2x1 + 0.1x2 ≥ 1.7 ← consommation minimale de C par l’animal
La fonction objectif est une fonction coût : z = 10x1 + 4x2 .
Le programme linéaire est un programme de minimisation :

min
 z = 10x1 + 4x2

 x1 + 0x2 ≥ 4
0x1 + 1x2 ≥ 6



s.c 1x1 + 2x2 ≥ 20
2x1 + 1x2 ≥ 17




x1 , x2 ≥ 0


2. Déterminez graphiquement les quantités d’aliments M et N doit-on utiliser par jour et par
animal pour réaliser l’alimentation la moins coûteuse ?

17
 Pour déterminer la solution optimale, on fait glisser la droite (z = x1 + 3x2 )(translation
parallèle à la direction de la droite) du bas (z = 1x1 +3x2 = 0) vers le haut jusqu’à rencontrer
le premier point(c’est le point optimal).
La solution optimale est alors x = (4, 9).
3. Donnez le coût minimal.
Le coût minimal est Zmin = 10 ∗ 4 + 4 ∗ 9 = 76

Exercice 17.
Soit le programme linéaire suivant :

max z = 3x1 + 2x2

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

1. Résoudre le problème par la méthode graphique. Quelle est la solution optimale et la valeur
maximale de la fonction économique ?

18
 La solution optimale est x = (0.5, 3) et la profit maximal est Zmax = 0.5 ∗ 3 + 2 ∗ 3 = 7.5
2. Donner les coordonnées des sommets de l’ensemble des solutions admissible
Les sommets avec les coordonnées :
O(0,0), A(1,0), B(5/3,2/3), C(0.5,3), D(0,2). Pour le B, on a résolu le système suivant :

2x1 + x2 = 4
x1 − x2 = 1

Par élimination (la somme des equations 1 et 2) on a x1 = 5/3 et si on remplace x1 on obtient

x2 = 2/3.
3. Quelles sont les valeurs du second membre b1 (dans la première contrainte), pour lesquelles
la solution optimale initiale ne change pas ?
La solution optimale se strouve à l’intersection entre le droite 2x1 + x2 = b1 = 4 et la droite
−2x1 + x2 = 2 c’est-à-dire ces deux contraintes sont saturées et tout changement du second
membre de ces équations entraine nécessairement un changement de solution optimale. La
seule valeur de b1 qui laisse la solution optimale initiale inchangée est la valeur initiale de
b1 = 4.
4. Pour quelles valeurs du second membre b2 (dans la deuxième contrainte), l’ensemble des
solutions réalisables est
— vide
Si la droite −2x1 + x2 = b2 dépasse le point B vers le bas
(c-à-d b2 < −2 ∗ 5/3 + 2/3 = −8/3) alors l’ensemble admissible est vide.
— contient une seule solution
Si la droite −2x1 + x2 = b2 dépasse le point B(5/3,2/3) vers le haut
(c-à-d b2 > −2 ∗ 5/3 + 2/3 = −8/3) au aura toujours une seule solution optimale.

5. Pour quelles valeurs du coefficient c1 de la fonction objectif, le PL admet plus qu’une solution ?
La solution optimale ne change pas si :

19
 pente(2x1 + x2 = 4) < pente(cx1 + 2x2 ) < pente(−2x1 + x2 = 2) c’est-à-dire
−2 < − 2c < 2 =⇒ 0 < c < 4.
Donc si 0 < c < 4, la solution optimale ne change pas .
Si c = 4 alors on aura une infinité de solutions,
Si 4 < c, on aura une solution autre que celle trouvée auparavant.

Exercice 18.
Une entreprise fabrique 2 produits X et Y . Pour sa conception, chaque produit fini nécessite 3
produits intermédiaires A, B et C. Pour fabriquer un produit X, on a besoin de 2 produits A, de 2
produits B et de 1 produit C. De même, pour fabriquer un produit Y , on a besoin de 2 produits A,
de 1 produit B et de 3 produits C. En outre, l’entreprise dispose d’une quantité limitée de produits
A, B et C. Elle a 14 produits A, 12 produits B et 15 produits C. Sachant que le prix de revient de
X est 5$ et que celui de Y est de 3$. Soit x1 et x2 les quantités de produits X et Y fabriqués. Le
programme linéaire (PL) qui modélise ce problème est donné par :
max
 z = 5x1 + 3x2

 x1 + x2 ≤ 7
2x1 + x2 ≤ 12

s.c

 x 1 + 3x 2 ≤ 15
x1 , x2 , x3 ≥ 0


1. Expliquer brièvement comment on a obtenu le PL ci-haut ?

— Choix des variables : x1 et x2 sont respectivement les quantités des produits X et Y

fabriqués.
— Choix de la fonction objectif : Pour x1 quantité de X, on aura un profit de 5x1 et pour x2
quantité de Y, on aura 3x2 .
Le bénéfice total est alors Z = 5x1 + 3x2
— Les contraintes :
Produit A : on utilise 1x1 pour x1 de X et 1x2 pour x2 de Y et au total on utilise x1 + x2
du produit A et qui ne doit pas dépasser 7.
Produit B : on utilise 2x1 pour x1 de X et 1x2 pour x2 de Y et au total on utilise
2x1 + 1x2 du produit B qui ne doit pas dépasser 12.
Produit C : On utilise 1x1 pour x1 de X et 3x2 pour x2 de Y et au total on utilise
x1 + 3x2 ddu produit C qui ne doit pas dépasser 15.
Plus la positivités des variables : x1 , x2 ≥ 0.
2. Résoudre (PL) graphiquement (dessiner l’ensemble des solutions réalisables, trouver la solu-
tion optimale et le profit maximal).

20
 La solution optimale (x1 , x2 ) = (5, 2) et le profit maximal z = 31
3. Que peut-tu dire de la disponibilité du produit C ? On a s3 = 15 − (1 ∗ 5 + 3 ∗ 2) = 4 et donc
on a un excès dans le produit C.
4. On suppose que le prix de vente du produit Y varie, le prix du produit X restant égal à 5.
Etudier les conséquences sur le plan de production de cette variation. La solution optimale
ne change pas si :
pente(2x1 + x2 = 12) < pente(5x1 + cx2 = z) < pente(x1 + x2 = 7) c’est-à-dire
−2 < − 5c < −1 =⇒ 1 < 5/c < 2 ce qui implique 5/2 < c < 5.
Donc si 5/2 < c < 5, la solution optimale ne change pas .
Si c = 5/2 ou c = 5 alors on aura une infinité de solution,
Si c < 5/2 ou c > 5, on aura une solution autre que celle trouvée auparavant.
5. On procède à l’acquisition d’une unité supplémentaire du produit C. Le plan de production
a-t-il changé ? Si oui, Quel est le nouveau profit ? La contrainte n’est pas saturée (s3 = 4)
alors tout changement dans b3 n’implique pas nécessairement un changement dans la solution.
Si on dessine la nouvelle droite x1 + 3x2 = 16, on remarque que la solution ne change pas.
6. Écrire le PL sous forme standard et donner une solution de base réalisable.
max
 z = 5x1 + 3x2

 x1 + x2 + s1 = 7
2x1 + x2 + s2 = 12

s.c

 x1 + 3x2 + s3 = 15
x1 , x2 , s1 , s2 , s3 ≥ 0

La solutin de base réalisable est donnée par (x1 , x2 , s1 , s2 , s3 ) = (0, 0, 7, 12, 15)
7. A coté de chaque sommet du polyèdre trouvé en question 2, écrire la base associée ? (pour
trouver ces bases, utiliser le système algébrique trouvé en question précédente)
Les sommets et les bases sont donnés par (utiliser les contraintes du PL dans sa forme stan-
dard) :
O(0, 0) ⇒ s1 = 7, s2 = 12, s3 = 15 ⇒ la base associée est B1 = (s1 , s2 , s3 )
A(6, 0) ⇒ s1 = 1, s2 = 0, s3 = 9 ⇒ la base associée est B2 = (x1 , s1 , s3 )
B(5, 2) ⇒ s1 = 0, s2 = 0, s3 = 4 ⇒ la base associée est B3 = (x1 , x2 , s3 )

21
 C(3, 4) ⇒ s1 = 0, s2 = 2, s3 = 0 ⇒ la base associée est B4 = (x1 , x2 , s2 )
D(0, 5) ⇒ s1 = 2, s2 = 7, s3 = 0 ⇒ la base associée est B5 = (x2 , s1 , s2 )
.

Exercice 19.
Une entreprise fabrique deux produits différents P1 , P2 à partir de trois ressources R1 , R2 et R3
disponibles en quantités limitées. L’entreprise dispose de 8, 7 et 3 unités des ressources R1 , R2 et
R3 . Les deux procédés de fabrication sont décrits par le tableau suivant : matrice (aij) suivante (aij
= quantité de ressources i nécessaire pour fabriquer une unité du produit j). -
ressources Produit P1 Produit P2
R1 2 1
R2 1 2
R3 0 1

Les prix de vente c1 et c2 des deux biens sont respectivement 3$ et 4$. Notons par x1 , x2 les
quantités produites de P1 et P2 . Le programme linéaire (PL) permettant de déterminer le plan de
production est donné par
max
 z = 3x1 + 4x2

 2x1 + x2 ≤ 8
x1 + 2x2 ≤ 7

s.c

 x2 ≤ 3
x1 , x2 ≥ 0


1. Expliquer brièvement comment on a obtenu le PL ci-haut ?

2. Résoudre (PL) graphiquement (dessiner l’ensemble des solutions réalisables, trouver la solu-
tion optimale et le profit maximal).

La solution optimale (x1 , x2 ) = (3, 2) et le profit maximal z = 17

22
 3. Que peut-tu dire de la disponibilité de la ressource R1 ?
On a 2 ∗ 3 + 2 = 8 et donc la contrainte est saturée et la disponibilité de la ressource 1 est
complètement exploitée.
4. On suppose que le prix de vente du produit P1 varie, le prix du produit P2 restant égal à 4.
Etudier les conséquences sur le plan de production de cette variation.
La solution optimale ne change pas si :
pente(2x1 + x2 = 8) < pente(cx1 + 4x2 ) < pente(x1 + 2x2 = 7) c’est-à-dire
−2 < − 4c < −1/2 =⇒ −8 < −c < −2 ce qui implique 2 < c < 8.
Donc si 2 < c < 8, la solution optimale ne change pas .
Si c = 2 ou c = 8 alors on aura une infinité de solution,
Si c < 2 ou c > 8, on aura une solution autre que celle trouvée auparavant.
5. On procède à l’acquisition d’une unité supplémentaire de la ressource R1 . Comment est mo-
difié le plan de production ? Quel est le nouveau profit ?
La contrainte est saturée (2 ∗ 3 + 1 ∗ 2 = 8) alors tout changement dans b1 implique un change-
ment dans la solution. La nouvelle solution est l’intersection entre la droite 2x1 +x2 = 8+1 = 9
et x1 + 2x2 = 7. Et en résolvant ce système, on obtient (x1 , x2 ) = (11/3, 5/3) et le nouveau
profit est donné par z = 11/3 ∗ 3 + 5/3 ∗ 4 = 53/3
6. Écrire le PL sous forme standard et donner une solution de base réalisable.
max z = 3x1 + 4x2


 2x1 + x2 + s1 = 8
x1 + 2x2 + s2 = 7

s.c

 x2 + s3 = 3
x1 , x2 , s1 , s2 , s3 ≥ 0

La solutin de base réalisable est donnée par (x1 , x2 , s1 , s2 , s3 ) = (0, 0, 8, 7, 3)
7. A coté de chaque sommet du polyèdre trouvé en question 2, écrire la base associée ? (pour
trouver ces bases, utiliser le système algébrique trouvé en question précédente)Les sommets
et les bases sont donnés par (utiliser les contraintes du PL dans sa forme standard) :
O(0, 0) ⇒ s1 = 8, s2 = 7, s3 = 3 ⇒ la base associée est B1 = (s1 , s2 , s3 )
A(4, 0) ⇒ s1 = 0, s2 = 3, s3 = 3 ⇒ la base associée est B2 = (x1 , s2 , s3 )
B(3, 2) ⇒ s1 = 0, s2 = 0, s3 = 1 ⇒ la base associée est B3 = (s1 , s2 , s3 )
C(1, 3) ⇒ s1 = 3, s2 = 0, s3 = 0 ⇒ la base associée est B4 = (x1 , x2 , s1 )
D(3, 0) ⇒ s1 = 2, s2 = 4, s3 = 0 ⇒ la base associée est B5 = (x1 , s1 , s2 )
.

Exercice 21.
Une entreprise familiale vend des horloges de fabrication artisanale. David et ses deux soeurs,
Diane et Lyne, travaillent à la fabrication et à la vente de deux types d’horloges : des horloges
grand-père et des horloges murales. David s’occupe de l’assemblage du mécanisme de chaque
horloge, Diane fabrique les caissons de bois, alors que Lyne est en charge de la prise de commandes et
de la livraison des horloges. David est disponible jusqu’à 20 heures par semaine et Diane est disponible
jusqu’à 40 heures par semaine, alors que Lyne peut travailler jusqu’à 36 heures par semaine dans
l’entreprise familiale. Les temps requis pour chaque tâche en fonction du type d’horloge, de même
que les profits pour chaque type d’horloge, sont donnés dans le tableau suivant :

23
 Tâche
Assemblage du mécanisme
Fabrication des caissons
Prise de commandes et livraison
Profit/unité ($)
Horloge grand-père (heures/unité) Horloge murale(heures/unité)
2 4
8 4
6 6
300 200

Le problème consiste à déterminer combien d’horloges grand-père et d’horloges murales doivent

être fabriquées à chaque semaine de façon à maximiser le profit total. Notons par x1 le nombre
d’horloges grand-père et x2 le nombre d’horloges murales à fabriquer. Le programme linéaire (PL)
qui modélise ce problème est donné par :

max z = 300x1 + 200x2



 2x1 + 4x2 ≤ 20
8x1 + 4x2 ≤ 40

(P L)s.c

 6x1 + 6x2 ≤ 36
x1 , x2 ≥ 0


1. Expliquer brièvement comment on a obtenu la fonction objectif et la première contrainte du

(PL) ci-haut ?

— Choix des variables : x1 et x2 sont respectivement les quantités des horloges grand-père
et des horloges murales à fabriquer.
— Choix de la fonction objectif : Pour x1 quantité des horloges grand-père, on aura un profit
de 300x1 et pour x2 quantité des horloges murales, on aura 200x2 .
Le bénéfice total est alors Z = 300x1 + 200x2
— Les contraintes :
Assemblage du mécanisme : Pour le temps d’aasemblage, on utilise 2x1 pour x1 des
horloges grand-père et 4x2 pour x2 des horloges murales et au total on utilise 2x1 + 4x2
du temps d’assemblage et qui ne doit pas dépasser 20.
Fabrication des caissons : on utilise 8x1 du temps du cuisson pour x1 des horloges
grand-père et 4x2 du temps du cuisson pour 4x2 des horloges murales, au total on utilise
8x1 + 4x2 du cuisson qui ne doit pas dépasser 40.
Prise de commandes et livraison : On utilise 6x1 du temps de livraison pour x1 des
horloges grand-père et 6x2 du temps de livraison pour x2 des horloges murales,au total
on utilise 6x1 + 6x2 du temps de livraison qui ne doit pas dépasser 36.
Plus la positivités des variables : x1 , x2 ≥ 0.
2. Résoudre graphiquement le PL ci-haut (donner la solution optimale et le profit maximal).
Expliquer vos démarches.

24
 La solution optimale (x1 , x2 ) = (4, 2) et le profit maximal z = 1600
3. Est-ce que l’entreprise a exploité complétement ses réserves ? Justifier.
A l’optimim les différences entre les quantités disponibles et les quantités à utilser sont données
par :
s1 = 20 − (2x1 + 4x2 ) = 4
s2 = 40 − (8x1 + 4x2 ) = 0
s3 = 36 − (6x1 + 6x2 ) = 0
Donc on a un excès de 4 dans la ressource 1 (contrainte 1 est non saturée). Les deux dernières
ressources sont complètement épuisées (les contraintes 2 et 3 sont saturées).
4. Supposons que le profit par horloge murale augmente de 200$ à 260$. La solution optimale
changera-t-elle ? sinon, de combien le profit total augmentera-t-il ?
La solution optimale ne change pas si :
pente(8x1 + 4x2 ) < pente(300x1 + c2 x2 ) < pente(6x1 + 6x2 ) c’est-à-dire
−2 < − 300
c2 < −1 =⇒ 150 < c2 < 300.
Puisque 260 ∈ [150; 300], alors la solution optimale ne change pas. Et le profit devient
ZN = 1600 + x2 ∗ 60 = 1720, et le profit a augmenté de 120$.
5. Diane songe à réduire son temps de travail de 4 heures par semaine. Est-ce que ceci aura un
impact sur le plan de production et sur le profit total ? Expliquer
la disponibilité de Diane est associée à la contrainte 3. Au point optimum cette contrainte est
saturée et tout changement dans cette disponibilté implique un changement dans la solution
optimale et dans le profit maximal. Pour quantifier ce changement on devrait dessiner cette
nouvelle contrainte 8x1 + 4x2 ≤ 40 − 4. (Voir la repésentation graphique suivante. Remarque :
pour gagner du temps on peut le faire directement sur la représention graphique de la question
2.)

25
 La réduction dans le nombre d’heures de travail de Diane a fait changer le plan de production
et perdre 100$. La nouvelle solution optimale est (x1 , x2 ) = (3, 3) et le nouveau profit maximal
est z = 1500.
6. Déterminer les bases associées au point origine O et à ses deux voisins ?
Si l’algorithme du simplexe démarre avec la base associée au point O, quel est le sommet
voisin suivi par la méthode du simplexe ? Justifier
Remarque : Pour ce problème, on a au total 10 sommets et 5 sommets réalisables (O,A, B,
C, D).
Pour déterminer les bases associées aux sommets réalisables, on doit écrire la forme stan-
dard du programme linéaire :
max
 z = 300x1 + 200x2

 2x1 + 4x2 + s1 = 20
8x1 + 4x2 + s2 = 40

(P L)s.c

 6x1 + 6x2 + s3 = 36
x1 , x2 , s1 , s2 , s3 ≥ 0

La solutin de base réalisable (S.B.R) associée au sommet O(0, 0) est donnée par (x1 , x2 , s1 , s2 , s3 ) =
(0, 0, 20, 40, 36) et la base associé contient les éléments non nuls de la S.B.R, donc la base
cherchée est BO = (s1 , s2 , s3 ). On utilise toujours la forme standard pour détermier les bases
associées au sommet voisin de O sur l’axe des abscisses et des ordonnées :
A(5, 0) ⇒ s1 = 10, s2 = 0, s3 = 6 ⇒ la base associée est BA = (x1 , s1 , s3 )
D(0, 5) ⇒ s1 = 0, s2 = 20, s3 = 6 ⇒ la base associée est BD = (x2 , s2 , s3 )
Si l’algorithme du simplexe démarre avec la base associée au point O, alors il va choisir le
sommet voisin qui améliore plus l’objectif :
pour la voisin A, le profit associé est Z = 1500
pour la voisin D, le profit associé est Z = 1000.
Ici le prochain voisin visité par l’algorithme de simplexe sera le sommet A.

26
7. On reprend le programme linéaire (PL) ci-dessus mais avec une autre fonction objectif :

Z = 300x1 + 400x2

Remarque : Ici, on a un nouveau objectif mais avec les mêmes contraintes du programme
linéaire donné. Le profit unitaire associé à l’activité 2 devient 400 au lieu de 200.
On voit que 400 ∈ / [150, 300] donc la solution optimale va changer. On va vérifier (sans
appliquer la méthode graphique ni les itérations du simplexe) que (x1 , x2 ) = (2, 4) est la
nouvelle solution optimale.
• Soient s1 , s2 , s3 les écarts des contraintes du programme linéaire (PL).
- Vérifier que x = (x1 , x2 , s1 , s2 , s3 ) = (2, 4, 0, 8, 0) est une solution de base réalisable ?
Oui, x = (x1 , x2 , s1 , s2 , s3 ) = (2, 4, 0, 8, 0) est une solution de base réalisable car ces valeurs
vérifient toutes les équations de la forme standard de notre programme linéaire.
• Dire pourquoi le point (x1 , x2 ) = (2, 4) est un sommet de l’ensemble réalisable du (PL) ?
Une solution de base réalisable(S.B.R) est composée d,un sommet réalisable et une base. Ici,
on voit couple (x1 , x2 ) = (2, 4) fait parti de la S.B.R donc c’est un sommet réalisable.
• Ecrire l’objectif en fonction des variables hors base, la solution (x1 , x2 ) = (2, 4) est-elle
optimale ? Justifier.
Au sommet (x1 , x2 ) = (2, 4) la base est B = (x1 , x2 , s2 ) et les éléments hors base sont
HB = (s1 , s3 ).
On va utiliser les équations 1 et 3 pour écrire x1 et x2 en fonction des variables hors base
(s1 , s3 ). On utilise l’élimination, on trouve :
x2 = 4 − 1/2s1 + 1/6s3
x1 = 2 + 1/2s1 − 1/3s3
et z = 300x1 +200x2 = 300(2+1/2s1 −1/3s3 )+400(4−1/2s1 +1/6s3 ) = 2200−50s1 −100/3s3
On voit que tous les coefficients ci de l’objectif Z sont ≤ 0 donc le sommet (x1 , x2 ) = (2, 4)
est l’optimum. X X
Rappel : A l’optimum on a Z = zmax − ei xi − yi si .
Remarque : - le profit équivalent rapporté par l’ajout d’une unité de la ressource 1 est
y1 = 50
- le profit équivalent rapporté par l’ajout d’une unité de la ressource 2 est y2 = 0
- le profit équivalent rapporté par l’ajout d’une unité de la ressource 1 est y3 = 100/3.

27