Académique Documents
Professionnel Documents
Culture Documents
Polycopie RO - 2022-2023
Polycopie RO - 2022-2023
OPERATIONNELLE
3ème année Sciences du Management
ECH-CHEBANY MOHAMED
2022-2023
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
Introduction
En ce dernier quart du vingtième siècle, le développement des techniques quantitatives
de gestion et de ce que certains ont appelé la révolution informatique peuvent être considérées
comme des faits fondamentaux, qui prolongent et accentuent la révolution industrielle du dix-
neuvième siècle. Ces faits sont des éléments essentiels de la mutation vers la société
« postindustrielle » que connaissent actuellement les pays les plus avancés économiquement.
Pour les cadres d’entreprises, les conséquences d’un tel état de fait apparaissent
clairement : les techniques scientifiques de gestion, hier domaine réservé de quelques
spécialistes, doivent faire partie des instruments de travail actuels des gestionnaires et pour ceux
d’entre eux qui considèrent cette perspective comme un diner forcé avec le diable, il faut
préparer une très longue et solide cuiller.
En effet, dès lors qu’il s’agit de gérer une organisation d’une certaine taille, les décisions
que doivent prendre les dirigeants, c’est-à-dire le nombre de paramètres dont ils doivent fixer
la valeur, peuvent être de l’ordre de la centaine, voir du millier (ce sont par exemple les
décisions concernant les niveaux des prix, les budgets de publicité, les investissements, la
gestion du personnel, etc.). Or, lorsque le nombre de paramètres croît en progression
1
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
Ainsi les cadres des entreprises peuvent-ils appliquer ces méthodes à leurs problèmes,
dans des conditions financières qui les mettent à la portée de la plupart des PME (la connexion
à un réseau d’ordinateurs, en temps partagé, nécessite un budget minimum de l’ordre du millier
de francs). Les facilités financières et techniques d’utilisation des programmes de recherche
opérationnelle représentent aujourd’hui une chance de développement de la gestion
scientifique, et aussi, paradoxalement, un risque majeur. En effet, il est parfois possible
d’utiliser la recherche opérationnelle en choisissant la « technique de la boîte noire », c’est-à-
dire en se contentant d’introduire en ordinateur les données de son problème, et de recueillir les
résultats, sans se soucier de la manière dont ils ont été obtenus ; mais cette attitude ne permet
aucune réelle fiabilité. Il paraît donc indispensable que les cadre gestionnaires aient réellement
assimilé le principe des méthodes mises en œuvre afin de les utiliser à bon escient. Toutefois
cette exigence ne doit pas servir de prétexte à certains abus encore fréquents qui conduisent à
encombrer la présentation des méthodes de recherche opérationnelle, de développements
mathématiques, et de notations certes utiles à certains chercheurs, mais qui les compliquent
notablement et les rendent inadaptées aux problèmes rencontrés en gestion.
Mais le souci d’être en permanence à la portée du lecteur, nous a poussé à adopter une
démarche simple et pédagogique dans ce polycopie, en précisant les étapes du raisonnement et
en les illustrant de nombreux exemples, tout en évitant tout développement non indispensable.
2
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
Sous contraintes :
Avec :
Un tel problème peut se présenter sous l’une des trois formes suivantes : forme
canonique, forme standard, forme générale ou « mixte » :
Si toutes les contraintes représentent des inégalités au sens large, le programme est dit
sous forme canonique.
Si toutes les contraintes représentent des égalités, le programme est dit sous forme
standard.
Si certaines contraintes représentent des inégalités et d’autres représentent des égalités,
le programme est dit sous forme générale ou mixte.
3
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
En fait, quelle que soit la forme sous laquelle se présente le problème, on peut toujours
le ramener à la forme que l’on souhaite (1).
2) La modélisation :
La modélisation est la première étape importante de la programmation linéaire. Il s’agit
de transformer le problème que l’on cherche à optimiser sous une formulation mathématique
composée d’une fonction objective à maximiser et un système de contraintes linéaires
(inéquations ou équations linéaires).
Exemple d’application :
A B C
M 1 3 2
N 3 2 1
P 1 1 4
Solution :
4
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
Les contraintes :
Exercices :
Exercice 1 :
Une entreprise fabrique des électrophones et des postes de télévision en noir et blanc. 140
ouvriers travaillent à la fabrication. Le prix de revient, pièces et main d’œuvre, d’un poste de
TV est de 400 DH. Il n’est que de 300 DH pour un électrophone. Les services comptables de
l’entreprise donnent la consigne de ne pas dépasser par semaine la somme de 240 000 DH,
pièces et main d’œuvre. Chaque ouvrier travaille 40 heures par semaine. Les chefs de service
estiment qu’il faut 10 heures de main d’œuvre pour fabriquer un électrophone et 5 heures
seulement pour fabriquer un poste de TV. Les services commerciaux ne peuvent vendre plus
de 480 postes de TV et 480 électrophones par semaine. Les prix de ventes sont tels que
l’entreprise, tous frais payés, fait un bénéfice de 240 DH par poste de TV et de 160 DH par
électrophone. Formuler le PL correspondant (à ne pas résoudre).
Solution de l’exercice 1 :
Les contraintes :
Exercice 2 :
Un artisan fabrique des objets A et des objets B. La réalisation d’un objet A demande
30 DH de matière première et 125 DH de main d’œuvre. La réalisation d’un objet B demande
70 DH de matière première et 75 DH de mains d’œuvres. Les profits réalisés sont de 54 DH par
5
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
Solution de l’exercice 2
L’objectif : Maximisation du profit
Les inconnus du programme : Soit x la quantité de A à produire.
Les contraintes :
Exercice 3 :
Une entreprise à la possibilité de fabriquer, sur une machine donnée travaillant au plus 45h
par semaine, trois produits différents : A, B et C. L’article A laisse un profit net de 4 dh, l’article
B de 12 DH et enfin, l’article C de 3 DH. Les rendements de la machine sont respectivement
pour les trois produits (pris dans le même ordre), de 50, 25 et 75 articles par heure. On sait
d’autre part, grâce à une étude de marché, que les possibilités de vente ne dépassent pas 1000
objets A, 500 objets B et 1500 objets C par semaine. Comment peut-on répartir la capacité de
production entre les trois produits de la manière la plus rentable possible ? Formuler le PL
correspondant (à ne pas résoudre).
Solution de l’exercice 3 :
Les contraintes :
1 1 1
𝑥 + 25 𝑦 + 𝑧 ≤ 45 𝐂𝐨𝐧𝐭𝐫𝐚𝐢𝐧𝐭𝐞 𝐝𝐞𝐬 𝐡𝐞𝐮𝐫𝐞𝐬 𝐝’𝐮𝐭𝐢𝐥𝐢𝐬𝐚𝐭𝐢𝐨𝐧 𝐝𝐞𝐬 𝐦𝐚𝐜𝐡𝐢𝐧𝐞𝐬
50 75
{ 𝑥 ≤ 1 000, 𝑦 ≤ 500, 𝑧 ≤ 1 500 𝐜𝐨𝐧𝐭𝐫𝐚𝐢𝐧𝐭𝐞 𝐜𝐨𝐦𝐦𝐞𝐫𝐜𝐢𝐚𝐥𝐞
𝑥 ≥ 0; 𝑦 ≥ 0; 𝑧 ≥ 0 𝑐𝑜𝑛𝑡𝑟𝑎𝑖𝑛𝑡𝑒 𝑑𝑒 𝑛𝑜𝑛 𝑛é𝑔𝑎𝑡𝑖𝑣𝑖𝑡é
6
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
Dans ce cours nous allons aborder deux méthodes de la résolution d’un programme
linéaire :
- Méthode graphique : la méthode graphique est valable seulement pour les programmes
linéaires avec un nombre d’inconnus qui ne dépasse pas 3 variables (sur le plan pratique
seulement 2 variables)
- Méthode du simplexe : traite des programmes linéaires comportant plusieurs variables
et plusieurs contraintes (parfois des milliers de variables et de contraintes).
3ème étape : La détermination de la solution optimale (la meilleure solution parmi les
solutions du programme de base). La solution optimale est la solution du programme de
base qui optimise la fonction objective Z.
Exercice 4 :
𝑥1 + 2𝑥2 ≤ 12
𝑥 + 𝑥2 ≤ 7
{ 1
3𝑥1 + 2𝑥2 ≤ 18
𝑥1 ≥ 0; 𝑥2 ≥ 0
Solution de l’exercice 4 :
Tout d’abord, on trace les droites ∆1, ∆2 et ∆3 représentant les trois inégalités du
système.
7
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
Δ1 = 𝑥1 + 2𝑥2 = 12
Si 𝑥1 = 0 𝑥2 = 6 𝑑𝑜𝑛𝑐 𝑃1 (06)
Si 𝑥2 = 0 𝑥1 = 12 𝑑𝑜𝑛𝑐 𝑃2 (12
0
)
Δ2 = 𝑥1 + 𝑥2 = 7
Si 𝑥1 = 0 𝑥2 = 7 𝑑𝑜𝑛𝑐 𝑃1 (07)
Si 𝑥2 = 0 𝑥1 = 7 𝑑𝑜𝑛𝑐 𝑃2 (70)
Δ3 = 3𝑥1 + 2𝑥2 = 18
Si 𝑥1 = 0 𝑥2 = 9 𝑑𝑜𝑛𝑐 𝑃1 (09)
Si 𝑥2 = 0 𝑥1 = 6 𝑑𝑜𝑛𝑐 𝑃2 (60)
8
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
0
𝐴 ( ) ⇒ 𝑍 = (5 ∗ 0) + (7 ∗ 6) = 42
6
2
𝐵 ( ) ⇒ 𝑍 = (5 ∗ 2) + (7 ∗ 5) = 45
5
4
𝐶 ( ) ⇒ 𝑍 = (5 ∗ 4) + (7 ∗ 3) = 41
3
6
𝐷 ( ) ⇒ 𝑍 = (5 ∗ 6) + (7 ∗ 0) = 30
0
La solution optimale est B : x1 = 2 , x2 = 5 et Z = 45
Exercice 5 :
Minimiser : Z = 50x1 + 40 x2
Solution l’exercice 5 :
Δ3 : 𝑥1 + 𝑥2 = 200
0
Si 𝑥1 = 0 𝑥2 = 200 𝑑𝑜𝑛𝑐 𝑃1 (200 )
9
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
50
𝐵(150) ⇒ 𝑍 = (50 ∗ 50) + (40 ∗ 150) = 8500
𝐶(150
50
) ⇒ 𝑍 = (50 ∗ 150) + (40 ∗ 50) = 9500
𝐷(180
0
) ⇒ 𝑍 = (50 ∗ 180) + (40 ∗ 0) = 9000
10
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
40
[B] = (45) la matrice colonne des seconds membres
38
x1
[X] = (x2 ) la matrice des inconnus du programme (variables)
x3
1 3 2
[A] = (3 2 1) la matrice des coefficients des contraintes
1 1 4
L’écriture matricielle du programme sera sous la forme suivante :
x1
Max Z = [C]. [x] ⇒ Max Z = (10 14 12) (x2 )
x3
1 3 2 x1 40
(3 2 x
1) ( 2 ) ≤ (45)
[A][X] ≤ [B] 1 1 4 x3 38
Sous contraintes { ⇒ x1
[X] ≥ 0
(x 2 ) ≥ 0
{ x3
11
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
Pour tout programme dit primal, on associe un autre programme dit dual dont tous les éléments
sont dérivés du programme primal.
Avec :
Exemple :
1 3 2 1 3 1
Sous contraintes : [𝐴] = (3 2 1) ⇒ [𝐴]𝑇 = (3 2 1)
𝑥1 + 3𝑥2 + 2𝑥3 ≤ 40 1 1 4 2 1 4
3𝑥 + 2𝑥2 + 𝑥3 ≤ 45
{ 1 Sous contraintes :
𝑥1 + 𝑥2 + 4𝑥3 ≤ 38 𝑦1 + 3𝑦2 + 𝑦3 ≥ 10
𝑥1 ≥ 0; 𝑥2 ≥ 0; 𝑥3 ≥ 0 3𝑦1 + 2𝑦2 + 𝑦3 ≥ 14
{
2𝑦1 + 𝑦2 + 4𝑦3 ≥ 12
𝑦1 ≥ 0 ; 𝑦2 ≥ 0 ; 𝑦3 ≥ 0
12
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
Théorème 1 : si le dual admet une solution optimale, le primal admet une solution
optimale et inversement.
Théorème 2 : la valeur optimale de la fonction économique duale Z’ est identique à la
valeur optimale de la fonction économique primale Z.
Théorème 3 : si pour une solution optimale d’un programme linéaire, une solution n’est
pas saturée, alors la valeur optimale de la variable primale correspondante est nulle.
Exercice 6 :
𝑦1 + 𝑦2 + 3𝑦3 ≥ 5
{ 2𝑦1 + 𝑦2 + 2𝑦3 ≥ 7
𝑦1 ≥ 0 ; 𝑦2 ≥ 0 ; 𝑦3 ≥ 0
Solution l’exercice 6 :
Théorème 1 : si le dual admet une solution optimale, le primal admet une solution
optimale et inversement.
D’après l’exercice 4, le programme dual à une solution optimale (x1 = 2 et x2 = 5) donc
le programme primale à également une solution optimale.
13
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
Théorème 3 : si pour une solution optimale d’un programme linéaire, une solution
n’est pas saturée, alors la valeur optimale de la variable primale correspondante est
nulle.
A chaque contrainte du duale est associée une variable du programme primale (𝑦1 , 𝑦2 𝑒𝑡𝑦3 )
qui sera nulle si la contrainte correspondante n’est pas saturée.
4ème étape : Résolution du programme primal après la suppression des variables qui
correspondent aux contraintes non saturées. Il s’agit dans cet exercice de la variable𝑦3 .
𝑦1 + 𝑦2 = 5
{ ⇒ donc la solution optimale est : y1 = 2 ; y2 = 3 ; y3 = 0
2𝑦1 + 𝑦2 = 7
Exercice 7 :
Un athlète souhaite participer dans les jeux olympiques, son médecin lui recommande de
consommer des quantités en vitamines et en protéines chaque jour, selon le médecin le corps
d’un athlète doit disposer, au minimum et chaque jour de 15g de vitamines et 10g de protéine.
Le médecin préconise aussi de consommer les fruits (F1, F2 et F3) dans lesquels la présence
des vitamines et protéines est abondante.
Le coût d’achat d’une caisse de 10kg du fruit F1 coûte 240dh, le coût d’achat d’un panier de
20kg du fruit F2 coûte 900dh et il faut dépenser 30 dh pour acheter 1kg du fruit F3.
La présence des vitamines et protéines en g dans 1kg des fruits est donnée dans le tableau
suivant :
F1 F2 F3
Vitamine 1 2 1
Protéine 2 1 3
L’athlète vous demande de l’aider afin qu’il sait son besoin journalier des fruits F1, F2 et F3.
14
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
Travail à faire :
1- Donner le programme linéaire pour résoudre ce problème.
2- Donner son dual.
3- Résoudre le programme dual par la méthode graphique.
4- En déduire la solution du programme primal.
Solution de l’exercice 7 :
Les contraintes :
2- Le programme dual :
Δ1 = 𝑥1 + 2𝑥2 = 24
0
Si 𝑥1 = 0 𝑥2 = 12 𝑑𝑜𝑛𝑐 𝑃1 (12)
15
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
Si 𝑥2 = 0 𝑥1 = 24 𝑑𝑜𝑛𝑐 𝑃2 (24
0
)
Δ2 = 2𝑥1 + 𝑥2 = 45
0
Si 𝑥1 = 0 𝑥2 = 45 𝑑𝑜𝑛𝑐 𝑃1 (45)
Δ3 = 𝑥1 + 3𝑥2 = 30
0
Si 𝑥1 = 0 𝑥2 = 10 𝑑𝑜𝑛𝑐 𝑃1 (10)
Si 𝑥2 = 0 𝑥1 = 30 𝑑𝑜𝑛𝑐 𝑃2 (30
0
)
𝐵(12
6
) ⇒ 𝑍′ = (15 ∗ 12) + (10 ∗ 6) = 240
16
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
𝐶(22
1
) ⇒ 𝑍′ = (15 ∗ 22) + (10 ∗ 1) = 340
𝐷(22,5
0
) ⇒ 𝑍′ = (15 ∗ 22,5) + (10 ∗ 0) = 337,5
Théorème 1 : si le dual admet une solution optimale, le primal admet une solution
optimale et inversement.
Théorème 3 : si pour une solution optimale d’un programme linéaire, une solution
n’est pas saturée, alors la valeur optimale de la variable primale correspondante est
nulle.
A chaque contrainte du duale est associée une variable du programme primale (𝐹1 , 𝐹2 𝑒𝑡𝐹3 )
qui sera nulle si la contrainte correspondante n’est pas saturée.
On résout le programme primal après la suppression des variables qui correspondent aux
contraintes non saturées. Il s’agit dans cet exercice de la variable 𝐹3.
𝐹1 + 2𝐹2 = 15
{ ⇒ donc la solution optimale est : 𝐹1 = 1,66 ; 𝐹2 = 6,66 ; 𝐹3 = 0
2𝐹1 + 𝐹2 = 10
Donc, pour ce sportif il est recommandé de consommer 1,66 kg du fruitF1 , de 6,66kg du fruit
F2 et de renoncer à la consommation du fruit F3 .
Exercice ;
Soit le programme linéaire suivant :
17
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
Correction :
1- Modèle dual :
𝑀𝑎𝑥 𝑍 = 𝑥 + 2𝑦
𝑥+𝑦 ≤5
10𝑥 + 5𝑦 ≤ 20
{
2𝑥 + 3𝑦 ≤ 10
𝑥, 𝑦 ≥ 0
18
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
Solution optimale :
Pour A : Z = 6.666
Pour B : Z = 6.5
Pour C : Z=2
2𝑐 ≥ 1 𝟏 𝟐
{ ⇒𝒄= 𝒐𝒖 𝒄=
3𝑐 ≥ 2 𝟐 𝟑
Solution optimale :
𝟏 𝟏
Pour 𝒄 = 𝑹 = 𝟏𝟎 ∗ = 𝟓
𝟐 𝟐
𝟐 𝟐
Pour 𝒄 = 𝑹 = 𝟏𝟎 ∗ = 𝟔, 𝟔𝟔
𝟑 𝟑
𝟏
Donc le Min de R est assuré par le point 𝒄 =
𝟐
19
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
𝑥1 + 2𝑥2 + 𝑥3 = 10 000
2𝑥 + 3𝑥2 + 𝑥4 = 12 000
{ 1
𝑥1 + 4𝑥2 + 𝑥5 = 15 000
𝑥1 𝑒𝑡 𝑥2 ≥ 0
La fonction objective devient :
𝑀𝑎𝑥 𝑍 = 3𝑥1 + 5𝑥2 + 0𝑥3 +0𝑥4 +0𝑥5
Le programme linéaire peut s’écrire ainsi avec toutes les variables du système
(variables de décision et variables d’écarts), de la façon suivante :
20
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
z 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 solution
z -1 3 5 0 0 0 0
𝑥3 0 1 2 1 0 0 10 000
𝑥4 0 2 3 0 1 0 12 000
𝑥5 0 1 4 0 0 1 15 000
10 000
= 5 000
2
12 000
= 4 000
3
15 000
= 3 750
4
Donc, la valeur la plus petite est 3750 ce qui correspond à la dernière ligne du tableau
qui sera la ligne pivot.
3750 est la plus grande valeur que l’on peut attribuer à 𝑥2 .
21
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
2ème itération :
z 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 solution
z
𝑥3
𝑥4
𝑥2 0/4 1/4 4/4 0/4 0/4 1/4 15 000/4
22
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
De la même manière, on applique le même calcul pour le reste des lignes (z compris)
z 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 solution
z -1 1.75 0 0 0 -1.25 -18750
𝑥3 0 0.5 0 1 0 -0.5 2500
𝑥4 0 1.25 0 0 1 -0.75 750
𝑥2 0 0.25 1 0 0 0.25 3750
On vérifie tous les coefficients de la ligne z. S’ils sont négatifs où nuls on s’arrête et donc la
solution optimale est trouvée, sinon on continue. Dans notre cas le coefficient de 𝑥1 est
positifs (1.75) ce qui implique de continuer vers une autre itération.
3ème itération :
z 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 solution
z -1 1.75 0 0 0 -1.25 -18750
2500/0.5=5 000
𝑥3 0 0.5 0 1 0 -0.5 2500
750/1.25=600
𝑥4 0 1.25 0 0 1 -0.75 750
3750/0.25=15 000
𝑥2 0 0.25 1 0 0 0.25 3750
En reconstruit un nouveau tableau en poursuivant le même calcul que pour la 2ème itération.
z 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 solution
z -1 0 0 0 -1.4 -0.2 -19800
𝑥3 0 0 0 1 -0.4 -0.2 2200
𝑥1 0 1 0 0 0.8 -0.6 600
𝑥2 0 0 1 0 -0.2 0.4 3600
Tous les coefficients de z sont devenus négatifs ou nuls donc on s’arrête et la solution
optimale est trouvée :
𝑥1 = 600
𝑥2 = 3600
𝑧 = 19800
23
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
Exemple II :
Le programme linéaire peut s’écrire ainsi avec toutes les variables du système
(variables de décision et variables d’écarts), de la façon suivante :
z 𝑥1 𝑥2 𝑥3 𝑥4 solution
z -1 240 160 0 0 0
𝑥3 0 1 2 1 0 150
𝑥4 0 4 2 0 1 400
- Dans notre exemple, le coefficient le plus élevé de la fonction objective est égale à
240. La colonne pivot correspond à la colonne 𝑥1 . La variable entrante est donc 𝑥1 .
150
= 150
1
400
= 100
4
Donc, la valeur la plus petite est 100 ce qui correspond à la dernière ligne du tableau
qui sera la ligne pivot.
100 est la plus grande valeur que l’on peut attribuer à 𝑥1 .
24
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
1ère itération :
z 𝑥1 𝑥2 𝑥3 𝑥4 solution
z -1 240 160 0 0 0
𝑥3 0 1 2 1 0 150 150/1=150
𝑥4 0 4 2 0 1 400 400/4=100
2ème itération :
z 𝑥1 𝑥2 𝑥3 𝑥4 solution
z
𝑥3
𝑥1 0 1 0.5 0 0.25 100
De la même manière, on applique le même calcul pour le reste des lignes (z compris)
z 𝑥1 𝑥2 𝑥3 𝑥4 solution
z -1 0 40 0 -60 -24000
𝑥3 0 0 1.5 1 -0.25 50
𝑥1 0 1 0.5 0 0.25 100
25
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
On vérifie tous les coefficients de la ligne z. S’ils sont négatifs ou nuls on s’arrête et donc la
solution optimale est trouvée, sinon on continue. Dans notre cas le coefficient de 𝑥2 est
positifs (40) ce qui implique de continuer vers une autre itération.
3ème itération :
z 𝑥1 𝑥2 𝑥3 𝑥4 solution
z -1 0 40 0 -60 -24000
𝑥3 0 0 1.5 1 -0.25 50 50/1.5=33.33
𝑥1 0 1 0.5 0 0.25 100 100/0.5=200
En reconstruit un nouveau tableau en poursuivant le même calcul que pour la 2ème itération.
z 𝑥1 𝑥2 𝑥3 𝑥4 solution
z -1 0 0 -26.66 -53.33 -25333.33
𝑥2 0 0 1 0.66 -0.16 33.33
𝑥1 0 1 0 -0.33 0.33 83.33
Tous les coefficients de z sont devenus négatifs ou nuls donc on s’arrête et la solution
optimale est trouvée :
𝑥1 = 83.33
𝑥2 =33.33
𝑧 = 25333.33
Exercice III :
Sous contraintes :
𝑥1 + 4𝑥2 + 𝑥3 + 𝑥4 ≥ 100
{ 𝑥1 + 2𝑥2 + 4𝑥3 ≥ 200
𝑥1 , 𝑥2 , 𝑥3 𝑒𝑡 𝑥4 ≥ 0
26
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
Sous contraintes :
z 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 solution
z -1 150 440 480 90 0 0 0
𝑥2 0 1 4 1 1 -1 0 100
𝑥1 0 1 2 4 0 0 -1 200
La ligne pivot correspondra toujours à la ligne qui contient le minimum du rapport de chaque
solution sur l’élément correspondant dans la colonne pivot.
z 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 solution
z -1 150 440 480 90 0 0 0
𝑥5 0 1 4 1 1 -1 0 100 100/1=100
𝑥6 0 1 2 4 0 0 -1 200 200/0= ∞
1ère itération :
z 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 solution
z -1 60 80 390 0 90 0 -9 000
𝑥4 0 1 4 1 1 -1 0 100 100/1=100
𝑥6 0 1 2 4 0 0 -1 200 200/2=100
2ème itération :
z 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 solution
z -1 0 -160 330 -60 150 0 -15000
𝑥1 0 1 4 1 1 -1 0 100 100/1=100
𝑥6 0 0 -2 3 -1 1 -1 100 100/3=33,33
27
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
3ème itération :
z 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 𝑥6 solution
z -1 0 -60 0 -50 -40 -110 -26000
𝑥1 0 1 4,66667 0 1,33333 -1,33333 0,33333 66,6667
𝑥3 0 0 -0,6667 1 -0,3333 0,33333 -0,33333 33,3333
Tous les coefficients de z sont devenus négatifs ou nuls donc on s’arrête et la solution
optimale est trouvée :
𝑥1 = 66.67
𝑥3 =33.33
𝑥2 = 𝑥4 = 0
𝑧 =26 000
Exercice IV :
Sous contraintes :
𝑥1 + 6𝑥2 + 2𝑥3 ≤ 24
{ 𝑥1 + 3𝑥2 − 2𝑥3 ≤ 9
𝑥1 , 𝑥2 𝑒𝑡 𝑥3 ≥ 0
Sous contraintes :
z 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 solution
z -1 4 6 3 0 0 0
𝑥4 0 1 6 2 1 0 24
𝑥5 0 1 3 -2 0 1 9
28
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
1ère itération :
z 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 solution
z -1 4 6 3 0 0 0
𝑥4 0 1 6 2 1 0 24 24/6 = 4
𝑥5 0 1 3 -2 0 1 9 9/3 = 3
2ème itération :
z 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 solution
z -1 2 0 7 0 -2 -18
𝑥4 0 -1 0 6 1 -2 6 6/6 = 1
𝑥2 0 0,33 1 -0,67 0 0,33 3 3/-0.67 = -4.5
3ème itération :
z 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 solution
z -1 3.17 0 0 -1.17 0.33 -25
𝑥3 0 -0.17 0 1 0.17 -0.33 1 1/-0.17 = -6
𝑥2 0 0.22 1 -0.01 0.11 0.11 3.66 3.66/0.22=16.39
4ème itération :
z 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 solution
z -1 0 -14.39 0.10 -2.75 -1.25 -77.72
𝑥3 0 0 0.77 1 0.25 -0.25 3.83 3.83/1=3.83
𝑥1 0 1 4.54 -0.03 0.50 0.51 16.63 16.63/-0.03= -
554.33
5ème itération :
z 𝑥1 𝑥2 𝑥3 𝑥4 𝑥5 solution
z -1 0 -14.47 0 -2.78 -1.26 -78.10
𝑥3 0 0 0.77 1 0.25 -0.25 3.83
𝑥2 0 1 4.56 0 0.51 0.50 16.74
La solution optimale :
𝑥1 = 0
𝑥2 = 16.74
𝑥3 = 3.83
29
ECH-CHEBANY Mohamed Recherche Opérationnelle Université Privée de Marrakech
𝑧 = 78.10
30