Académique Documents
Professionnel Documents
Culture Documents
• On appelle solution réalisable "SR" (ou admissible) d’un PL toute solution vérifiant toutes
les contraintes de ce PL.
• On appelle domaine réalisable "DR" d’un PL (ou admissible ou ensemble réalisable)
l’ensemble formé par toutes les "SR".
• On appelle ligne d’iso-profit (ou iso-coût ou iso-objectif) d’un PL l’ensemble des solutions
x = (x1 , . . . , xn ) vérifiant Z(x) = Z(x1 , . . . , xn ) = K où Z est la fonction objectif du PL et
K ∈ R est une constante. La ligne d’iso-profit pour laquelle Z = k est notée Dk et s’écrit :
Réponse :
1. On définit les droites ∆1 : 2x1 + x2 = 7, ∆2 : x1 + x2 = 4 et ∆3 : x1 + 3x2 = 9 "frontières" des
contraintes.
2. On en déduit le DR.
3. On définit les lignes d’iso-profit DK . L’optimum (ou optima) du PL seront obtenus par
l’intersection des lignes d’iso-profit avec le DR.
Par la suite, on définira les notions de polyèdre, polytope, convexité et points extrêmes d’un
domaine. On verra aussi que, pour trouver la solution optimale (s’il en existe une), il suffit
d’examiner les points extrêmes du domaine réalisable convexe.
∀x, y ∈ S, [x, y] ⊂ S .
R
• Une contrainte d’inégalité dans un PL s’écrit sous la forme d’un demi-plan H + ou H −
et définit donc un sous-espace convexe de Rn . Ainsi le DR est un sous-espace convexe
de Rn .
• Une contrainte d’égalité ou une ligne iso-objectif d’un PL correspond à un hyperplan
H.
Definition 2.2.2
P = {x ∈ Rn /Mx = u} ,
où M ∈ Mm,n (R) et u ∈ Rm .
• Un polytope convexe est un polyèdre convexe borné.
Proposition 2.2.2
Un polyèdre est formé par l’intersection d’un nombre fini de demi-espaces fermés.
Theorem 2.2.3
Le domaine réalisable DR d’un PL est soit vide, soit un polyèdre convexe borné (polytope
convexe) soit un polyèdre convexe non borné.
Definition 2.2.3
Un vecteur X d’un polyèdre P est appelé point extrême de ce polyèdre ssi il vérifie l’une des 3
propriétés suivantes équivalentes :
• Chaque segment de droite entièrement contenu dans P et contenant X a comme extrémité
X.
• Il n’existe pas de vecteurs Y et Z de P diffèrents de X et λ ∈]0, 1[ tels que : X =
λY + (1 − λ )Z
• S’il existe Y, Z ∈ P et λ ∈]0, 1[ tels que X = λY + (1 − λ )Z alors on a nécessairement
2.3 Exemples de résolution graphique et cas particuliers 15
X =Y =Z
Exemples :
1. Chaque point de la surface d’une boule de Rn est un point extrême.
2. Cas d’une surface rectangulaire :
Corollary 2.2.5 Si un PL admet un optimum unique alors cet optimum doit être un point
extrême.
2.3.2 Exemple 2
On considère le programme linéaire suivant :
max −2x1 + 3x2 ,
s.c. :
(PL2) x1 ≤ 5, (2.3)
2x1 − 3x2 ≤ 6
x1 ≥ 0; x2 ≥ 0
2.3.3 Exemple 3
On considère le programme linéaire suivant :
min 3x1 + 2x2 ,
s.c. :
(PL3) x1 + 2x2 ≤ 2, (2.4)
x1 + x2 ≥ 3
x1 ≥ 0; x2 ≥ 0
2.3.4 Exemple 4
On considère le programme linéaire suivant :
max x1 + 3x2 ,
s.c. :
x + 3x ≤ 3,
1 2
(PL4) (2.5)
x1 ≤ 10
x2 ≤ 4
x ≥ 0; x ≥ 0
1 2
2.3.5 Exemple 5
On considère le programme linéaire suivant :
max x1 + x2 ,
s.c. :
3x + 2x ≤ 40,
1 2
(PL5) (2.6)
x1 ≤ 10
x2 ≤ 5
x ≥ 0; x ≥ 0
1 2
2.3 Exemples de résolution graphique et cas particuliers 17