Académique Documents
Professionnel Documents
Culture Documents
Faculté Polydisciplinaire - Sa
Département d’Économie et
Gestion
Exercices et contrôles
T
corrigés de Recherche
Opérationnelle
AF
R
D
Pr Abdellah El Kacimi
Année universitaire
2023-2024
TABLE DES MATIÈRES
i
im
Chapitre 1
1
ac
Série I des travaux dirigés
1.1 Exercice 6
1.2 Exercice 6
1.3 Exercice 6
1.4 Exercice 7
K
1.5 Exercice 7
1.6 Exercice 7
1.7 Corrigé 8
1.7.1 Solution de l’exercice 1.1 8
1.7.2 Solution de l’exercice 1.2 8
El
1.7.3 Solution de l’exercice 1.3 9
1.7.4 Solution de l’exercice 1.4 11
1.7.5 Solution de l’exercice 1.5 13
1.7.6 Solution de l’exercice 1.6 15
Chapitre 2
2
llah
2.1 Exercice 18
2.2 Exercice 18
2.3 Exercice 19
2.4 Exercice 19
2.5 Exercice 19
2.6 Corrigé 19
2.6.1 Solution de l’exercice 2.1 19
de
3 Chapitre 3
Ab
Examen SN 2022-2023
3.1 Exercice 30
3.2 Exercice 30
3.3 Corrigé 31
3.3.1 Solution de l’exercice 3.1 31
3.3.2 Solution de l’exercice 3.2 32
2
TABLE DES MATIÈRES TABLE DES MATIÈRES
Chapitre 4
4 Examen SN 2021-2022
4.1 Exercice 35
4.2 Exercice 35
i
4.3 Corrigé 35
im
4.3.1 Solution de l’exercice 4.1 35
4.3.2 Solution de l’exercice 4.2 37
5 Chapitre 5
Examen SN 2019-2020
ac
5.1 Exercice 39
5.2 Exercice 39
5.3 Corrigé 40
5.3.1 Solution de l’exercice 5.1 40
5.3.2 Solution de l’exercice 5.2 42
6 Chapitre 6
Examen SN 2018-2019
6.1 Exercice 44
K
El
6.2 Exercice 44
6.3 Corrigé 45
6.3.1 Solution de l’exercice 6.1 45
6.3.2 Solution de l’exercice 6.2 46
Chapitre 7
7
llah
Examen SN 2016-2017
7.1 Exercice 51
7.2 Exercice 51
7.3 Corrigé 52
7.3.1 Solution de l’exercice 7.1 52
7.3.2 Solution de l’exercice 7.2 52
de
8 Chapitre 8
Examen SN 2015-2016
8.1 Exercice 55
8.2 Exercice 55
8.3 Corrigé 56
Ab
9 Chapitre 9
Examen SN 2014-2015
9.1 Exercice 61
9.2 Exercice 61
9.3 Corrigé 62
9.3.1 Solution de l’exercice 9.1 62
9.3.2 Solution de l’exercice 9.2 64
3
TABLE DES FIGURES
i
im
1.1 Itération 1 : ve = x1 , vs = e2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.2 Itération 2 : ve = x2 , vs = e1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
ac
1.3 Itération 3 : Tableau optimal . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
1.4 Itération 1 : ve = x1 , vs = e1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.5 Itération 2 : ve = x2 , vs = e3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12
1.6 Itération 3 : Tableau optimal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
1.7 Itération 1 : ve = x1 , vs = a1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
1.8 Itération 2 : ve = x2 , vs = a2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 14
K
1.9 Itération 3 : tableau optimal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.10 Itération 1 : tableau optimal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 15
1.11 Itération 1 : ve = x1 , vs = e3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.12 Itération 2 : ve = x2 , vs = e4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 16
1.13 Itération 3 : ve = x3 , vs = e1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
1.14 Itération 4 : ve = e4 , vs = e2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
El
1.15 Itération 5 : tableau optimal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.1 Tableau 1 : ve = x3 , vs = e1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.2 Tableau 2 : ve = x2 , vs = e2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 20
2.3 Tableau 3 ve = x1 , vs = e3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.4 Tableau 4 : optimal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.5 Tableau 1 : ve = x1 , vs = e2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
llah
2.6 Tableau 2 : ve = x3 , vs = e1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.7 Tableau 3 : optimal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23
2.8 Diagramme de GANTT du projet : construction d’un petit pavillon. . . . . . . . . . . . . . . . . . . . . 24
2.9 Tableau 1 : ve = x2 , vs = a1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.10 Tableau 2 : ve = x1 , vs = a2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
2.11 Tableau 3 : optimal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 29
4.1 Itération 1 : ve = x2 , vs = e2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.2 Itération 2 : ve = x1 , vs = e1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.3 Itération 3 : tableau optimal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 38
Ab
5.1 Itération 1 : ve = x2 , vs = a1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 40
5.2 Itération 2 : tableau optimal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.3 Itération 1 : ve = x2 , vs = e1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.4 Itération 2 : tableau optimal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 41
5.5 Itération 1 : ve = x1 , vs = e2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.6 Itération 2 : ve = x2 , vs = e1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 42
5.7 Itération 3 : tableau optimal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 43
6.1 Itération 1 : ve = x1 , vs = a1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.2 Itération 2 : ve = x2 , vs = a2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 47
6.3 Itération 3 : tableau optimal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
6.4 Itération 1 : ve = e3 , vs = e2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
4
TABLE DES FIGURES TABLE DES FIGURES
6.5 Itération 2 : ve = e4 , vs = e1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 48
6.6 Itération 3 : tableau optimal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 49
7.1 Itération 1 : ve = x1 , vs = e1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
7.2 Itération 2 : ve = x3 , vs = e3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 53
7.3 Itération 3 : tableau optimal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 54
8.1 Itération 1 : ve = x, vs = e2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 57
i
8.2 Itération 2 : ve = y , vs = e1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
im
8.3 Itération 3 : tableau optimal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 58
8.4 Itération 1 : ve = x2 , vs = e1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
8.5 Itération 2 : ve = x3 , vs = e2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
8.6 Itération 3 : tableau optimal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 59
9.1 Itération 1 : ve = x, vs = a1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 63
ac
9.2 Itération 2 : ve = y , vs = a2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
9.3 Itération 3 : tableau optimal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 64
9.4 Itération 1 : ve = x3 , vs = e2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
9.5 Itération 2 : ve = x2 , vs = e1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
9.6 Itération 3 : ve = x1 , vs = x3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
9.7 Itération 4 : tableau optimal. . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 65
K
El
llah
de
Ab
5
i
CHAPITRE
im
SÉRIE I DES TRAVAUX DIRIGÉS 1
ac
1.1 Exercice
K
Une agricultrice cultive des tomates et des pois sur une terre de 125 hectares :
• Il faut dépenser 20,000 UM pour faire pousser des tomates sur un hectare, 10,000 UM pour y faire pousser
des pois ;
• La Banque lui a consenti un prêt de seulement 1,500,000 UM ;
• Il faut 18 heures de travail pour cultiver un hectare de tomates et 6 heures de travail pour un hectare de pois.
El
Elle désire consacrer au plus 1080 heures de travail pour exécuter le travail en entier ;
• Les profits provenant d’un hectare de tomates et d’un hectare de pois sont, respectivement, de 40,000 UM et
25,000 UM.
Formuler ce problème sous forme d’un programme linéaire.
1.2 Exercice
llah
Une carrosserie industrielle utilise des « châssis cabines » pour monter des « fourgons tôlés » et des « plateaux
bâchés » . Quatre ateliers sont mobilisés pour ces montages : mécanique, peinture, tôlerie, sellerie. Chaque atelier
dispose d’un potentiel productif de 60 heures par semaine. Chaque véhicule génère un bénéfice de 2000 UM.
de
Ab
1.3 Exercice
6
1.4. EXERCICE CHAPITRE 1. SÉRIE I DES TRAVAUX DIRIGÉS
• Le second exige moins de travail, et peut être fait avec n’importe quel lait. Par contre sa vente dégage une
marge moindre.
La laiterie dispose de 21,000 heure de travail annuel, elle reçoit 4 millions de litres de lait de la zone AOC et 6
millions de litres d’autres zones.
Le tableau suivant donne les ressources indispensables pour produire 1 tonne de fromage.
i
im
Sachant qu’un kilo du fromage AOC dégage une marge de 3 UM et qu’un kilo de l’autre fromage seulement 1
UM :
1 Formaliser ce problème à l’aide d’un programme linéaire.
ac
2 Déterminer à l’aide de la méthode du simplexe la production de la laiterie rendant maximal le bénéfice.
3 Interpréter les résultas obtenus.
1.4 Exercice
K
Un restaurateur a remarqué que sa clientèle préfère les fruits de mer et qu’il peut offrir indifféremment :
• Des assiettes à 8 UM, contenant 5 crevettes, 2 crabes et une huître.
• Des assiettes à 6 UM, contenant 3 crevettes, 3 crabes et 3 huîtres.
Le restaurateur dispose de 30 crevettes, 24 crabes et 18 huîtres. La question que se pose le restaurateur est la
El
suivante : comment doit-il disposer ces assiettes pour réaliser la recette maximale ?
1 Formaliser le problème sous forme d’un programme linéaire standard.
2 Résoudre le programme linéaire par la méthode graphique. Résoudre ce programme par la méthode des
tableaux.
3 Donner une interprétation économique des résultats obtenus.
llah
1.5 Exercice
Les habitants d’une petite île ont formé une coopérative de production. Les adhérents employés de la coopérative
sont affectés à la pêche du poisson. Les habitants de l’île vivent dans deux villages, l’un situé au Nord, l’autre au
Sud.
Le tableau suivant donne les quantités de poissons nécessaires pour nourrir les habitants de l’île et les portions
de poisson rapportés par un pêcheur, ainsi que les revenus par un pêcheur (en UM), en une semaine.
de
La coopérative confronte le problème de l’usage au mieux de la main-d’œuvre dans le but d’optimiser le payement
Ab
1.6 Exercice
Une imprimerie fonctionne 50 heures par semaine. En une heure elle peut imprimer et découper : 25 jeux de
« tarots », ou 50 jeu de « 7 familles », ou 75 jeux de « 32 cartes ».
Le local de stockage a une capacité de 2000 jeux « tarots », ou de 4000 jeux de « 7 familles », ou de 2000
jeux de « 32 cartes ». Le marché hebdomadaire peut absorber au plus 500 jeux de « tarots » et 1000 jeux de « 7
familles » et 1500 jeux de « 32 cartes ».
Le profit réalisé est de 4.8 UM par jeu de « tarots », 1.6 UM par jeu de « 7 familles » et 1.2 UM par jeu de « 32
cartes ».
1 Formaliser ce problème par un programme linéaire.
2 Résoudre le programme linéaire associé par la méthode du simplex.
i
3 Donner une interprétation économique des résultats obtenus.
im
1.7 Corrigé
ac
1 Formalisation :
• Variables de décision :
– xt : superficie réservée aux tomates ;
– xp : Superficie réservée aux pois.
• Fonction économique (max) : z = 40, 000xt + 25, 000xp .
K
• Contraintes :
– Superficie disponible : xt + xp ⩽ 125.
– Bugdet : 20, 000xt + 10, 000xp ⩽ 1, 500, 000.
– Durée de travail : 18xt + 6xp ⩽ 1080.
El
– Positivité : xt , xp ⩾ 0.
• Programme linéaire :
max z = 40, 000xt + 25, 000xp
sc
xt + xp ⩽ 125
20, 000xt + 10, 000xp ⩽ 1, 500, 000
llah
18xt + 6xp ⩽ 1080
xt , xp ⩾ 0.
– Sellerie : 12xp ⩽ 60 ;
– Positivité : xf , xp ⩾ 0.
• Programme linéaire :
max z = 2, 000xf + 2, 000xp
sc
5x f + 10xp ⩽ 60
10xf + 5xp ⩽ 60
12xf ⩽ 60
12xp ⩽ 60
xf xp ⩾ 0.
i
im
– (D3 ) : xf = 5.
– (D4 ) : xp = 5.
K ac
El
llah
x∗f + 2x∗p
= 12
=⇒ (x∗1 , x∗2 ) = (4, 4) et z ∗ = 16, 000.
2x∗f + x∗p = 12
75, 000x2 ⩽ 6, 000, 000 + 4, 000, 000 − 10, 000x1 ⇐⇒ 100x1 + 75x2 ⩽ 100, 000.
– Positivité : x1 , x2 ⩾ 0.
• Programme linéaire :
max z = 3000x1 + 1000x2
sc
30x1 + 15x2 ⩽ 21, 000
x1 ⩽ 400
i
100x 1 + 75x 2 ⩽ 100, 000
x1 , x2 ⩾ 0.
im
2 Résolution par la méthode des tableaux :
• Forme canonique :
max z = 3000x1 + 1000x2
sc
30x1 + 15x2 + e1 =
21, 000
ac
x1 + e2 = 400
100x1 + 75x2 + e3 =
100, 000
x1 , x2 , e1 , e2 , e3 ⩾ 0.
lK
F IGURE 1.1 – Itération 1 : ve = x1 , vs = e2 .
hE
lla
Le dernier tableau est optimal, car les coefficients réduits associés aux variables hors base sont néga-
tives.
Afin d’assurer un profit maximal de 1,800,000 UM, la laiterie doit produire 400 tonnes de fromage AOC
et 600 tonnes de l’autre fromage.
3 Interprétation :
• e1 = 0 =⇒ la laiterie fonctionnera toutes les 21,000 heures pendant l’année ;
• e2 = 0 =⇒ toute la ressource disponible du lait AOC sera utilisée ;
• e2 = 15, 000 =⇒ Une quantité de 15,000× 100 = 1,500,000 litres de l’autre lait ne serapas utilisée.
i
• Fonction économique (max) : z = 8x1 + 6x2 .
im
• Contraintes :
– Crevettes : 5x1 + 3x2 ⩽ 30 ;
– Crabes : 2x1 + 3x2 ⩽ 24 ;
– Huîtres : x1 + 3x2 ⩽ 18 ;
– Positivité : x1 , x2 ⩾ 0.
ac
• Programme linéaire :
max z = 8x1 + 6x2
sc
5x1 + 3x2 ⩽
30
2x 1 + 3x 2 ⩽ 24
x1 + 3x2 ⩽
18
K
x1 , x2 ⩾ 0.
2 Résolution :
a) Méthode graphique :
El
– (D1 ) : 5x1 + 3x2 = 30
x1 = 0 =⇒ x2 = 10 =⇒ (0, 10)
x2 = 0 =⇒ x1 = 6 =⇒ (6, 0).
– (D3 ) : x1 + 3x2 = 18
x1 = 0 =⇒ x2 = 6 =⇒ (0, 6)
x2 = 0 =⇒ x1 = 18 =⇒ (18, 0).
– Iso-profit : z = 8x1 + 6x2 = 0
x1 = 0 =⇒ x2 = 0 =⇒ (0, 0)
x2 = 4 =⇒ x1 = −3 =⇒ (−3, 4).
de
Ab
i
im
K ac
D’après le graphe ci-dessus, l’iso-profit optimal est z = z ∗ , où
5x∗1 + 3x∗2
= 30
=⇒ (x∗1 , x∗2 ) = (3, 5) et z ∗ = 54.
x∗1 + 3x∗2 = 18
El
b) Méthode des tableaux :
• Forme standard :
max z = 8x1 + 6x2
sc
5x1 + 3x2 + e1 =
30
2x1 + 3x2 + e2 = 24
llah
x1 + 3x2 + e3 = 18
x1 , x2 , e1 , e2 , e3 ⩾ 0.
• Tableaux :
de
i
F IGURE 1.6 – Itération 3 : Tableau optimal.
im
Le tableau ci-dessus est optimal car les coefficients réduits associés aux variables hors base sont négatives.
La solution optimale est :
(x∗1 , x∗2 , e∗1 , e∗2 , e∗3 ) = (3, 5, 0, 3, 0) et z ∗ = 54.
Le restaurateur réalisera un profit maximal de 54 UM en préparant :
ac
• 3 assiettes à 8 UM ;
• 5 assiettes à 6 UM.
3 Interprétation :
• e1 = 0 =⇒ toute la quantité de crevettes disponible sera utilisée.
• e3 = 0 =⇒ toute la quantité d’huîtres disponible sera utilisée.
K
• e2 = 3 =⇒ il restera 3 crabes.
x1 , x2 ⩾ 0.
• Méthode graphique :
x1 = 0 =⇒ x2 = 50 =⇒ (0, 50)
x2 = 0 =⇒ x1 = 100 =⇒ (100, 0).
x1 = 0 =⇒ x2 = 0 =⇒ (0, 0)
x1 = 20 =⇒ x2 = −12 =⇒ (20, −12).
i
im
K ac
D’ après le graphe ci-dessus, l’iso-coût optimal est défini par : z = z ∗ où
30x∗1 + 10x∗2
= 1000
=⇒ (x∗1 , x∗2 ) = (20, 40) et z ∗ = 5200.
20x∗1 + 40x∗2 = 2000
El
La coopérative assurera un côut minimal de 5200 UM, en faisant employer :
• 20 pêcheurs du nord ;
• 40 pêcheurs du sud.
2 Méthode du simplex à deux phases :
Phase I :
llah
i
im
Ce dernier tableau est optimal car les coefficients réduits associés aux variables hors base sont négatives.
Phase II :
On résoud le programme linéaire (P ) de départ écrit sous forme standard :
max z ′ = −60x1 − 100x2
sc
ac
30x1 + 10x2 − e1 = 1000
20x1 + 40x2 − e2 = 2000
x1 , x2 , e1 , e2 ⩾ 0.
On prend comme base de départ, la base optimale de la phase I, i.e., B0 = {x1 , x2 }. D’après le tableau
optimal de la phase I, en prennant a1 = a2 = 0, on a
K
x1 − e1 /25 + e2 /100 = 20 x1 = 20 + e1 /25 − e2 /100
=⇒
x2 + e1 /50 − 3e2 /100 = 40 x2 = 40 − e1 /50 + 3e2 /100.
La fonction économique z ′ s’écrit alors en termes des variables hors base comme suit :
El
z′ = −60x1 − 100x2
= −60(20 + e1 /25 − e2 /100) − 100(40 − e1 /50 + 3e2 /100)
= −5200 − 2e1 /5 − 12e2 /5.
llah
Le tableau ci-dessus est optimal car les coefficients réduits associés aux variables hors base sont négatives.
de
3 Interprétation :
• e1 = 0 =⇒ la demande du marché en thon sera satisfaite sans excédent.
Ab
• Contraintes :
x1 x2 x3
– Durée de fonctionnement : + + ⩽ 50 ;
25 50 75
x1 x2 x3
– Capacité du local : + + ⩽ 1;
2000 400 2000
– Marché : x1 ⩽ 500, x2 ⩽ 1000, x3 ⩽ 1500 ;
– Positivité : x1 , x2 , x3 ⩾ 0.
• Programme linéaire :
i
max z = 4.8x1 + 1.6x2 + 1.2x3
im
sc
x1 x2 x3
+ + ⩽ 50
25 50 75
x1 x2 x3
+ + ⩽ 1
2000 400 2000
x1 ⩽ 500
x2 ⩽ 1000
ac
x3 ⩽ 1500
x1 , x2 , x3 ⩾ 0.
K
max z = 4.8x1 + 1.6x2 + 1.2x3
sc
x1 x2 x3
+ + + e1 = 50
25 50 75
x1 x2 x3
+ + + e2 = 1
2000 400 2000
x1 + e3 = 500
El
x2 + e4 = 1000
x3 + e5 = 1500
x1 , x2 , x3 , e1 , e2 , e3 , e4 , e5 ⩾ 0.
llah
de
i
im
F IGURE 1.13 – Itération 3 : ve = x3 , vs = e1 .
K ac
F IGURE 1.14 – Itération 4 : ve = e4 , vs = e2 .
El
llah
Le tableau ci-dessus est optimal car les ceofficients réduits associés aux variables hors base sont négatives.
L’mprimerie assurera un profit maximal de 4950 UM, en fabriquant :
• 500 jeux de ‘tarots’ ;
• 750 jeux de ‘7famille’ ;
• 1125 jeux de ‘32 cartes’.
Ab
3 Interprétation :
• e1 = 0 =⇒ L’imprimerie fonctionnera toutes les 50 heures ;
• e2 = 0 =⇒ Le local de stockage sera utilisé à 100% ;
• e3 = 0 =⇒ La demande du marché en jeux de ‘tarots’ sera satisfaite sans excédent ;
• e4 = 250 =⇒ On risque de ne pas satisfaire la demande de 250 clients en jeux de‘7 familles’ ;
• e5 = 375 =⇒ On risque de ne pas satisfaire la demande de 375 clients en jeux de ’32 cartes’.
im
SÉRIE II DES TRAVAUX DIRIGÉS 2
ac
2.1 Exercice
K
Une fabrique de feux d’artifice produit trois types de fusées : des rosaces, des étoiles et des fontaines. Les prix
de vente, les quantités requises de poudre et de carton ainsi que le nombre d’heures de construction sont différents
pour chaque type de fusées et sont résumés dans le tableau suivant :
El
Pour la semaine à venir, la fabrique dispose de 3000 minutes pour la construction, de 100 kg de poudre et de 12
kg de carton.
llah
1 Formuler et résoudre le programme linéaire aidant la fabrique à déterminer une production maximisant son
chiffre d’affaire ;
2 Donner et résoudre le programme linéaire dual du problème précédent ;
3 Si la fabrique pouvait augmenter la quantité de ressources en poudre ou en carton, laquelle de ces deux
ressources serait-il conseillé d’investir en premier ?
2.2 Exercice
de
Une entreprise d’appareils électroménagers fabrique des réfrigérateurs, des climatiseurs et des aspirateurs. Le
nombre d’unités de temps machines (UTM) nécessaires pour la fabrication de ces appareils, la quantité d’UTM
hebdomadaire disponible dans chaque atelier ainsi que les profits en unités monétaires (UM) rapportés par chaque
unité d’appareils, sont résumés dans le tableau suivant :
Ab
1 Quelle est la production hebdomadaire optimale ? Pour cela formaliser un programme linéaire et présenter les
différents tableaux de l’algorithme primal du simplexe ;
2 Donner le programme dual, les valeurs optimales duales et leurs interprétations économiques ;
3 Donner le tableau dual final en utilisant le tableau primal final.
18
2.3. EXERCICE CHAPITRE 2. SÉRIE II DES TRAVAUX DIRIGÉS
2.3 Exercice
La construction d’un petit pavillon nécessite grossièrement quatre tâches liées par des contraintes d’antériorités
comme indiqué dans le tableau ci-dessous : La construction d’un petit pavillon nécessite grossièrement quatre
tâches liées par des contraintes d’antériorités comme indiqué dans le tableau ci-dessous :
i
im
1 Etablir le diagramme de GANTT de ce problème ;
ac
2 Dresser le réseau PERT préliminaire de ce problème ;
3 Calculer : les dates au plus tôt et au plus tard, les marges libres et totales, et la durée du projet.
4 Indiquer le chemin critique dans le réseau PERT final.
2.4 Exercice
K
L’organisation d’un forum d’innovation passe par les activités décrites dans le tableau ci-dessous.
El
llah
2.5 Exercice
de
Une compagnie pétrolière possède deux raffineries A et B. La raffinerie A produit 20 barils d’essence et 25 barils
de Mazout par jour ; la raffinerie B produit 40 barils d’essence et 20 barils de mazout par jour. L’entreprise doit pro-
duire au moins 1000 barils d’essence et 800 barils de mazout, pour la période à venir. Les coûts de fonctionnement
par jour des raffineries A et B sont de 300 UM et 500 UM, respectivement.
La compagnie souhaite savoir les nombres de jours minimisant le coût de fonctionnement des deux raffineries.
Ab
2.6 Corrigé
• Variables de décision :
– x1 : Nombre de fusées de type rosace ;
– x2 : Nombre de fusées de type étoile ;
– x3 : Nombre de fusées de type fontaine.
• Fonction économique (max) : z = 48x1 + 36x2 + 90x3 .
• Contraintes :
i
– Temps de construction : 4x1 + 2x2 + 12x3 ⩽ 3000 ;
im
x1 3x2 x3
– Quantité de poudre : + + ⩽ 100;
10 20 10
x1 x2 x3
– Quantité de carton : + + ⩽ 12;
50 100 25
– Positivité : x1 , x2 , x3 ⩾ 0.
• Programme linéaire :
ac
max z = 48x1 + 36x2 + 90x3
sc
4x1 + 2x2 + 12x3 ⩽ 3000
x1 3x2 x3
+ + ⩽ 100
10 20 10
x1
x2 x3
+ + ⩽ 12
K
50 100 25
x1 , x2 , x3 ⩾ 0.
• Forme standard :
max z = 48x1 + 36x2 + 90x3
sc
4x 1 + 2x2 + 12x3 + e1 = 3000
El
x1 3x2 x3
+ + + e2 = 100
10 20 10
x 1 x 2 x 3
+ + + e3 = 12
50 100 25
x1 , x2 , x3 , e1 , e2 , e3 ⩾ 0.
• Tableaux :
llah
de
i
im
F IGURE 2.3 – Tableau 3 ve = x1 , vs = e3 .
ac
F IGURE 2.4 – Tableau 4 : optimal.
négatives.
K
Le tableau ci-dessus est optimal car les coefficients réduits associés aux variables hors bases sont
sc
sc
y2 y3
4y1 + + ⩾ 48
4x 1 + 2x2 + 12x3 ⩽ 3000
10 50
(P ) x 1 3x2 x3 =⇒ (D) 3y2 y3
+ + ⩽ 100 2y1 + + ⩾ 36
10 20 10
20 100
x 1 x 2 x 3
y2 y3
+ + ⩽ 12
12y1 + + ⩾ 90
50 100 25
10 25
x1 , x2 , x3 ⩾ 0
y1 , y2 , y3 ⩾ 0.
i
où f1 , f2 , f3 sont les variables d’écarts du problème dual et c1 , c2 , · · · , c2 les coefficients réduits du
tableau primal optimal.
im
La solution optimale du problème duale est alors donnée par :
∗
(y1∗ , y2∗ , y3∗ , f1∗ , f2∗ , f3∗ ) = (3/2, 120, 1500, 0, 0, 0), z ′ = 34, 500.
ac
– y2∗ = 120 =⇒ Une augmentation d’un kilogramme de la quantité de poudre entrainera une augmentation
du profit de 120 UM ;
– y3∗ = 1500 =⇒ Une augmentation d’un kilogramme de la quantité de carton entrainera une augmentation
du profit de 1500 UM.
K
2.6.2 Solution de l’exercice 2.2
1 Formalisation et résolution :
• Variables de décision :
– x1 : Nombre de réfrigérateurs fabriqués par semaines ;
El
– x2 : Nombre de climatiseurs fabriqués par semaines ;
– x3 : Nombre d’aspirateurs fabriqués par semaines.
• Fonction économique (max) : z = 200x1 + 120x2 + 160x3 .
• Contraintes :
– Disponibilité de l’atelier 1 : 5x1 + 4x2 + 4x3 ⩽ 13520;
llah
2x 1 + 5x 2 + x3 ⩽ 11700
x1 , x2 , x3 ⩾ 0.
• Forme standard :
max z = 200x1 + 120x2 + 160x3
sc
5x1 + 4x2 + 4x3 + e1 = 13520
Ab
7x + 10x + 3x + e = 13260
1 2 3 2
2x 1 + 5x 2 + x 3 + e 3 = 11700
x1 , x2 , x3 , e1 , e2 , e3 ⩾ 0.
• Tableaux :
i
F IGURE 2.5 – Tableau 1 : ve = x1 , vs = e2 .
im
ac
F IGURE 2.6 – Tableau 2 : ve = x3 , vs = e1 .
K
El
F IGURE 2.7 – Tableau 3 : optimal.
Le tableau ci-dessus est optimal : car les coefficients réduits associés aux variables hors bases sont
négatives.
llah
=⇒
7x + 10x + 3x ⩽ 13260 4y1 + 10y2 + 5y3 ⩾ 13260
1 2 3
(P ) (D)
2x 1 + 5x 2 + x 3 ⩽ 11700
4y1 + 3y2 + y3 ⩾ 11700
x1 , x2 , x3 ⩾ 0 y1 , y2 , y3 ⩾ 0.
• Interprétation économique :
– y1 = 40 =⇒ Une augmentation d’une unité du temps d’assemblage entrainent une augmentation de
la fonction économique de 40 UM ;
– y2 = 0 =⇒Il est inutile de faire augmenter le temps de vérification ; ça n’aura aucun effet sur le
bénéfice ;
– y3 = 0 =⇒ Il est inutile de faire augmenter le temps d’empaquetage ; ça n’aura aucun effet sur le
bénéfice
i
3 Tableau optimal du problème dual :
im
• Les variables x2 , e1 , e2 sont hors base , donc leurs correspondants f2 , y1 , y2 sont des variables de base
pour le problème dual.
• En utilisant la correspondance décrite dans le tableau suivant :
ac
on obtient
K
El
↓
llah
2 Niveaux du graphe :
i
im
ac
4 Calcul de quantités d’intérêt :
• Dates de début au plus tôt :
K
El
llah
• Marges libres :
Ab
• Marges totales :
i
im
• Durée totale du projet : Tω = 6 mois.
5 Chemin critique : (α, 1, 2, 3, ω).
ac
2.6.4 Solution de l’exercice 2.4
1 Niveaux du graphe et réseau PERT préliminaire :
• Niveaux du graphe :
K
El
• Réseau PERT préliminaire :
llah
i
im
• Marges libres :
K ac
El
• Marges totales :
llah
• Problème linéaire :
min z = 300x1 + 500x2
sc
20x1 + 40x2
⩾ 1000
25x1 + 20x2 ⩾ 800
x1 , x2 ⩾ 0.
i
2 Résolution par la méthode graphique et interprétation :
im
• Méthode graphique :
K ac
El
D’après le graphe le minimum est atteint en (x∗1 , x∗2 ) et on a :
( ( (
20x∗1 + 40x∗2 = 1000 x∗1 = 50 − 2x∗2 x∗1 = 50 − 2x∗2
llah
⇐⇒ ⇐⇒
25x∗1 + 20x∗2 = 800 5x1 + 4x∗2
∗
= 160 6x∗2 = 90.
4 Méthode du grand M :
On résout le programme linéaire suivant :
′
max zM = −300x1 − 500x2 − M a1 − M a2
sc
20x1 + 40x2 − e1 + a1 = 1000
25x1 + 20x2 − e2 + a2 = 800
x1 , x2 , e1 , e2 , a1 , a2 ⩾ 0.
i
′
zM = −300x1 − 500x2 − M a1 − M a2
im
= −300x1 − 500x2 − M (−20x1 − 40x2 + e1 + 1000) − M (−25x1 − 20x2 + e2 + 800)
= (45M − 300)x1 + (60M − 500) − M e1 − M e2 − 1800M.
• Tableaux :
K ac
F IGURE 2.9 – Tableau 1 : ve = x2 , vs = a1 .
El
F IGURE 2.10 – Tableau 2 : ve = x1 , vs = a2 .
llah
– Le dernier tableau est optimal, car les coefficients réduits associés aux variables hors base sont négatives
(pour M suffisamment grand) ;
– Le programme linéaire de maximisation obtenu a pour solution :
∗ ∗
(x∗1 , x∗2 ) = (20, 15) et z ′ = z ′ M = −13, 500.
Ab
im
EXAMEN SN 2022-2023 3
ac
3.1 Exercice
K
Un artisan fabrique trois types de bracelets avec des perles noires, des perles blanches et des perles rouges :
• Un bracelet à petit prix de 15 UM, composé de 2 perles blanches et 2 perles rouges.
• Un bracelet à moyen prix de 25 UM, composé de 3 perles blanches, 2 perles rouges et une perle noire.
• Un bracelet à haut prix de 40 UM, composé de 4 perles blanches, 4 perles rouges et 3 perles noires.
El
L’artisan dispose pour la période à venir de 300 perles blanches, 360 perles rouges et 102 perles noires, et désire
optimiser son plan de production.
1 Formaliser le problème ci-dessus sous forme d’un programme linéaire (P) (forme canonique). Donner la forme
standard du programme linéaire obtenu.
2 A une étape donnée de la méthode des tableaux, la résolution du programme linéaire établi conduit au tableau
ci-dessous. Continuer la procédure et déterminer la solution optimale.
llah
de
3.2 Exercice
On considère le projet de rénovation d’une salle de bain décrit dans le tableau ci-dessous :
1 Etablir le réseau PERT préliminaire pour ce projet.
2 Calculer les dates de début au plus tôt et au plus tard, la durée du projet, les marges libres et les marges
totales.
3 Déterminer les chemins critiques.
30
3.3. CORRIGÉ CHAPITRE 3. EXAMEN SN 2022-2023
i
im
3.3 Corrigé
ac
1 Formlalisation et forme standard :
• Variables de décision :
– x1 : Nombre de bracelets à petit prix ;
– x2 : Nombre de bracelets à moyen prix ;
– x3 : Nombre de bracelets à haut prix.
K
• Fonction économique (max) : z = 15x1 + 25x2 + 40x3 .
• Contraintes :
– Perles blanches : 2x1 + 3x2 + 4x3 ⩽ 300 ;
– Perles rouges : 2x1 + 2x2 + 4x3 ⩽ 360 ;
El
– Perles noires : x2 + 3x3 ⩽ 102 ;
– Positivité : x1 , x2 , x3 ⩾ 0.
• Programme linéaire :
max z = 15x1 + 25x2 + 40x3
sc
2x1 + 3x2 + 4x3 ⩽ 300
2x1 + 2x2 + 4x3 ⩽ 360
llah
x2 + 3x3 ⩽ 102
x1 , x2 , x3 ⩾ 0.
• Forme standard :
max z = 15x1 + 25x2 + 40x3
sc
2x1 + 3x2 + 4x3 + e1 = 300
x2 + 3x3 + e3 = 102
x1 , x2 , x3 , e1 , e2 , e3 ⩾ 0.
On obtient
i
im
F IGURE 3.2 – Tableau optimal.
Le dernier tableau est optimal car les coefficient réduits associés aux variables hors base sont négatives.
L’artisan réalisera un profit maximal de 3015 UM en fabriquant :
ac
• 48 bracelets à petit prix ;
• 51 bracelets à haut prix.
3 Interprétation :
• e1 = 0 =⇒ toutes les perles blanches seront utilisées ;
• e2 = 60 =⇒ 60 perles rouges ne seront pas utilisées ;
K
• e3 = 0 =⇒ toutes les perles noires seront utilisées.
4 Programme dual :
∗
(y1∗ , y2∗ , y3∗ , f1∗ , f2∗ , f3∗ = (15/2, 0, 15/2, 0, 5, 0), z ′ = 3015.
sur le profit.
• y3∗ = 15/2 =⇒ Une augmentation d’une unité du nombre de perles noires entrainera une augmentation
du profit de 15/2 UM.
i
im
ac
F IGURE 3.3 – Réseau PERT préliminaire du projet de rénonvation.
K
2 Calcul des quantités d’intérêt.
• Dates de début au plus tôt :
El
llah
• Marges libres :
i
im
• Chemins critiques :
D’après le deuxième graphe de la figure 3.4, il y’a deux chemins critiques :
• (α, A, B, C, F, G, ω) ;
ac
• (α, A, B, E, F, G, ω).
K
El
llah
de
Ab
im
EXAMEN SN 2021-2022 4
ac
4.1 Exercice
K
On considère le programme linéaire :
max z = x + y
sc
2x + y
⩾ 1
(PL) x + 2y ⩾ 1
El
x, y ⩾ 0.
4.2 Exercice
Une entreprise fabrique de grands et petits échiquiers sur une même machine disponible pendant 160 heures
par semaine. Chaque échiquier nécessite 2 heures de travail. Les deux échiquiers sont faits du même type de bois
dont la quantité disponible par semaine est de 200 kg. Chaque petite échiquier nécessite 1 kg de bois. Alors qu’un
grand échiquier nécessite 3 kg.
L’entreprise dégage, respectivement, des bénéfices de 10 UM pour un petit échiquier et 20 UM pour un grand
de
4.3 Corrigé
(D1 ) : 2x + y = 1
(D2 ) : x + 2y = 1.
35
4.3. CORRIGÉ CHAPITRE 4. EXAMEN SN 2021-2022
i
— Iso-valeur : z = x + y
im
x = 0 =⇒ y = 0 =⇒ (0, 0)
x = 1 =⇒ x = −1 =⇒ (1, −1).
K ac
El
llah
2x∗ + y ∗ y ∗ = 1 − 2x∗
= 1
⇐⇒
x∗ + 2y ∗ = 1 x + 2(1 − 2x∗ ) = 1.
∗
D’où
(x∗ , y ∗ ) = (1/3, 1/3) et z ∗ = x∗ + y ∗ = 2/3.
2 Programes linéaires (sous forme standard) :
de
• phase I :
max za = −a1 − a2
sc
2x + y − e1 + a1
= 1
(PL) x + 2y − e2 + a2 = 1
x, y, e1 , e2 , a1 , a2 ⩾ 0.
Ab
• phase II :
max z = x + y
sc
2x + y − e1
= 1
(PL) x + 2y − e2 = 1
x, y, e1 , e2 ⩾ 0.
3 Le programme linéaire de la phase I de la méthode du simplexe à deux phases sert à déterminer une base
réalisable pour le programme linéaire (PL) que l’on résoud dans la phase II.
i
• Fonction économique (max) : z = 10x1 + 20x2 .
im
• Contraintes :
– Disponibilité de la machine : 2x1 + 2x2 ⩽ 160.
– Quantité de bois disponible : x1 + 3x2 ⩽ 200.
– Positivité : x1 , x2 ⩾ 0.
• Programme linéaire :
max z = 10x1 + 20x2
ac
sc
2x1 + 2x2 ⩽ 160
x1 + 3x2 ⩽ 200
x1 , x2 ⩾ 0.
• Forme standard :
K
max z = 10x1 + 20x2
sc
2x1 + 2x2 + e1 = 160
x1 + 3x2 + e2 = 200
x1 , x2 , e1 , e2 ⩾ 0.
El
• Résolution à l’aide de la méthode des tableaux :
llah
i
im
F IGURE 4.3 – Itération 3 : tableau optimal.
Les coefficients réduits associés aux variables hors base sont négatives, donc le tableau ci-dessus est
optimal et la solution est donnée par :
ac
Afin d’assurer un profit maximal de 1400 UM, l’entreprise aura à produire 20 petits échiquiers et 60 grands
échiquiers par semaine.
2 Interprétation
• e∗1 = 0 =⇒ la machine fonctionera toutes les 160 heures.
• e∗2 = 0 =⇒ toute la quantité de bois disponible sera utilisée.
3 Problème dual :
max z = 10x1 + 20x2
sc
2x1 + 2x2 ⩽ 160
K
min z ′ = 160y1 + 200y2
sc
2y1 + y2 ⩾ 10
El
(P ) =⇒ (D)
x1 + 3x2 ⩽ 200 2y1 + 3y2 ⩾ 20
x1 , x2 ⩾ 0. y1 , y2 ⩾ 0.
En utilisant la correspondance, décrite dans le tableau suivant, entre les variables duales et les coefficients
réduits du tableau optimal du problème primal, on a :
llah
EXAMEN SN 2019-2020 5
ac
5.1 Exercice
lK
On considère le programe linéaire indiqué sur la figure ci-dessous. Le domaine réalisable du (PL) est représenté
par la région hachurée.
hE
lla
1 Indiquer d’après la figure les points associés aux solutions de base et aux solutions de base réalisables.
2 Déterminer à l’aide du graphe la solution optimale du (PL).
3 Résoudre le (PL) en utilisant la méthode du simplexe à deux phases.
de
5.2 Exercice
Un fabricant de meubles en bois peut produire trois différents types de meubles : buffets, tables et chaises. Deux
machines sont utilisées dans la production : une scie sauteuse et un tour à bois. La fabrication d’un buffet nécessite
1 heure sur la scie et 2 heures sur le tour ; une table nécessite 4 heures sur la scie et aucune sur le tour ; une chaise
nécessite 2 heures sur la scie et 8 heures sur le tour. La scie et le tour ne peuvent fonctionner plus de 100 heures et
Ab
40 heures par semaine, respectivement. Les bénéfices réalisés sont de 100 UM sur un buffet, 40 UM sur une table
et 10 UM sur une chaise. Le but est de déterminer le meilleur plan d’usage des deux machines afin de maximiser le
profit.
1 Formuler le problème ci-dessus à l’aide d’un programe linéaire.
2 Résoudre le programe linéaire obtenu en utilisant la méthode du simplexe.
3 Donner une interprétation économique des résultats trouvés.
4 Ecrire le programe linéaire dual associé et donner sa solution optimale.
5 Lequel des temps de fonctionement des deux machines est-il conseillé au fabriquant d’augmenter pour amé-
liorer le profit ? Justifier votre réponse.
39
5.3. CORRIGÉ CHAPITRE 5. EXAMEN SN 2019-2020
5.3 Corrigé
i
• Solutions de base réalisables : B , C , E et F .
im
2 Solution optimale :
D’après le graphe la solution optimale correspond au point F dont les coordonnées sont solutions du système
linéaire :
x∗1 x∗1 x∗1
= 1 = 1 = 1
⇐⇒ ⇐⇒
5x∗1 + 6x∗2 = 30, 6x∗2 = 25, x∗2 = 25
6 .
Donc
ac
25 28
z ∗ = x∗1 + 2x∗2 = 1 + 2 × = .
6 3
3 Méthode du simplexe à deux phases :
• Phase I :
Dans cette étape, on résoud le programme linéaire suivant :
K
max z ′ = −a1
sc
5x1 + 6x2 + e1 = 30
6x1 + 5x2 + e2 = 30
El
x1 − e3 + a1 = 1
x1 , x2 , e1 , e2 , e3 , a1 ⩾ 0.
On prend comme base réalisable de départ B0 = {e1 , e2 , a1 }. Il faut maintenat exprimer la fonction
économique en termes des variables hors base :
−a1 = x1 − e3 − 1 =⇒ z = −a1 = x1 − e3 − 1.
llah
de
i
im
F IGURE 5.2 – Itération 2 : tableau optimal.
Comme les coefficients réduits associés aux variables hors bases sont négatives, ce dernier tableau est
ac
optimal.
• Phase II :
On utilisera la base réalisable optimale trouvée dans la phase I B = {e1 , e2 , x1 }, comme base initiale
pour notre programme linéaire (PL) dont la forme standard est donnée par :
max z = x1 + 2x2
sc
lK
5x1 + 6x2 + e1 = 30
6x1 + 5x2 + e2 = 30
x1 − e3 = 1
x1 , x2 , e1 , e2 , e3 ⩾ 0.
De nouveau il faut exprimer la fonction économique en termes des variables hors base :
x1 = e3 + 1 =⇒ z = x1 + 2x2 = 2x2 + e3 + 1.
hE
lla
Comme les coefficients réduits associés aux variables hors bases sont négatives, ce dernier tableau est
donc optimal. La solution optimale est donnée par :
25 19 ∗ 28
(x∗1 , x∗2 , e∗1 , e∗2 , e∗3 ) = 1, , 0, , 0 , z′ = ,.
6 6 3
i
– x3 : Nombre de tables produites par semaine.
im
• Fonction économique (max) : z = 100x1 + 40x2 + 10x3 .
• Contraintes :
– Disponibilié de la scie : x1 + 4x2 + 2x3 ⩽ 100,
– Disponibilié du tour : 2x1 + 8x3 ⩽ 40.
• Programme linéaire :
max z = 100x1 + 40x2 + 10x3
ac
x + 4x + 2x ⩽ 100
1 2 3
2x 1 + 8x 3 ⩽ 40
x1 , x2 , x3 ⩾ 0.
2 Méthode du simplexe :
K
• Forme standard :
max z = 100x1 + 40x2 + 10x3
sc
x1 + 4x2 + 2x3 + e1 = 100
2x1 + 8x3 + e2 = 40
El
x1 , x2 , x3 , e1 , e2 ⩾ 0.
• Tableaux :
llah
i
im
F IGURE 5.7 – Itération 3 : tableau optimal.
Les coefficients réduits associés aux variables hors bases sont négatives, le tableau ci-dessus est donc
optimal. La solution optimale est
ac
Afin d’assurer un profit maximal de 2800 UM, le fabricant doit produire : 20 buffets, 20 tables et 0 chaises.
3 Interprétation :
• e1 = 0 =⇒ La scie va être utilisée pendant toutes les 100 heures.
• e2 = 0 =⇒ Le tour va être utilisé pendant toutes les 40 heures.
K
4 Programme linéaire dual :
La solution du problème dual peut-être déduite à partir du tableau optimal du problème primal, en utilisant la
correspondance :
llah
Donc
(y1∗ , y2∗ , f1∗ , f2∗ , f3∗ ) = (10, 45, 0, 0, 370), z ′∗ = 2800
de
5 D’après la solution du problème dual, il est conseillé d’augmenter le temps de fonctionement du tour, en effet :
• Une augmentation d’une heure du temps de fonctionement du tour entrainera une augmentation du profit
de 45 UM,
• Une augmentation d’une heure du temps de fonctionement de la scie entraine seulement une augmen-
tation du profit de 10 UM.
Ab
EXAMEN SN 2018-2019 6
ac
6.1 Exercice
(PL)
sc lK
min z = 2x1 + x2
x +x ⩾ 3
3x
1
1 + x
2
2 ⩾ 5
x1 + 3x2 ⩾ 5
hE
x1 , x2 ⩾ 0.
6.2 Exercice
lla
Un constructeur automobile compte fabriquer deux types de voitures, le modèle A et le modèle B. Chaque voiture
nécessite deux opérations : l’assemblage et la finition. Le nombre d’heures de chaque opération utilisée sur chaque
voiture, ainsi que les profits par modèle, sont donnés dans le tableau suivant :
de
Dans une période de production donnée, le fabricant dispose de 720 heures de temps pour l’assemblage et 480
Ab
44
6.3. CORRIGÉ CHAPITRE 6. EXAMEN SN 2018-2019
6.3 Corrigé
i
(D1 ) : x1 + x2 = 3
im
(D2 ) : 3x1 + x2 = 5
(D3 ) : x1 + 3x2 = 5.
x1 =0 =⇒ x2 = 3 =⇒ (0, 3),
• (D1 ) :
x2 =0 =⇒ x1 = 3 =⇒ (3, 0).
ac
x =0 =⇒ x2 = 5 =⇒ (0, 5),
• (D2 ) : 1
x2 =0 =⇒ x1 = 5/3 =⇒ (5/3, 0).
x =0 =⇒ x2 = 5/3 =⇒ (0, 5/3),
• (D3 ) : 1
x2 =0 =⇒ x1 = 5 =⇒ (5, 0).
K
El
llah
A, B, C, D.
On a A = (5, 0), B = (1, 2) and D = (5, 0). Pour le point C , on obtient ses coordonnées en intersectant les
droites (D1 ) et (D3 ) :
x1 + x2 = 3 x2 = 3 − x1 x2 = 3 − x1
⇐⇒ ⇐⇒
x1 + 3x2 = 5. x1 + 3(3 − x1 ) = 5. 2x1 = 4.
max z ′ = −2x1 − x2
sc
x1 + x2 ⩾ 3
3x1 + x2 ⩾ 5
x1 + 3x2 ⩾ 5
i
x1 , x2 ⩾ 0.
im
4 Forme standard :
max z ′ = −2x1 − x2
sc
x1 + x2 − e1 =
3
ac
3x1 + x2 − e2 = 5
x1 + 3x2 − e3 =
5
x1 , x2 , e1 , e2 , e3 ⩾ 0.
K
1 Formalisation :
• Variables de décision :
– x1 : Nombre de voitures du modèle A ;
– x2 : Nombre de voitures du modèle B.
El
• Fonction économique (max) : z = 400x1 + 300x2 .
• Contraintes :
– Temps d’assemblage : 4x1 + 6x2 ⩽ 720 ;
– Temps de finition : 6x1 + 3x2 ⩽ 480 ;
– Demande du marché en voitures du modèle A : x1 ⩾ 20 ;
Demande du marché en voitures du modèle B : x2 ⩾ 30 ;
llah
–
– Positivité : x1 , x2 ⩾ 0.
• Programme linéaire associé :
max z = 400x1 + 300x2
sc
4x1 + 6x2 ⩽ 720
6x1 + 3x2 ⩽ 480
x1 ⩾ 20
de
x2 ⩾ 30
x1 , x2 ⩾ 0.
sc
4x1 + 6x2 + e1 = 720
(PL)S 6x1 + 3x2 + e2 = 480
x1 − e3 = 20
x2 − e4 = 30
x1 , x2 , e1 , e2 , e3 , e4 ⩾ 0.
• Phase I :
i
x2 − e4 + a2 = 30
im
x ,x ,e ,e ,e ,e ,a ,a ⩾ 0.
1 2 1 2 3 4 1 2
ac
x2 − e4 + a2 = 30 −a2 = x2 − e4 − 30.
Donc
z = −a1 − a2 = x1 + x2 − e3 − e4 − 50.
K
El
llah
i
im
F IGURE 6.3 – Itération 3 : tableau optimal.
ac
Ce dernier tableau est optimal car les coefficients réduits associés aux variables hors base sont néga-
tives.
• Phase II :
Le tableau optimal de la phase I fournit une base de départ pour la deuxième phase du simplexe : on
peut prendre alors comme base initiale pour le (PL)S : B0 = {e1 , e2 , x1 , x2 }.
K
Il faut écrire en suite la fonction économique z en fonction des variables hors base. On a le tableau
ci-dessus :
x1 − e3 = 20 x1 = e3 + 20
⇐⇒
x2 − e4 = 30 x2 = e4 + 30.
D’où
z = 400x1 + 300x2 = 400(20 + e3 ) + 300(30 + e4 ) = 17000 + 400e3 + 300e4 .
El
llah
i
im
F IGURE 6.6 – Itération 3 : tableau optimal.
ac
Le tableau ci-dessous est optimal car les coefficients réduits associés aux variables hors base sont
négatives. La solution optimal est :
(x∗1 , x∗2 , e∗1 , e∗2 , e∗3 , e∗4 ) = (30, 100, 0, 0, 10, 70) et z ∗ = 42, 000.
Donc pour réaliser un plan de production optimal, avec un profit maximal est de 42,000 UM, on doit
K
fabriquer 30 voitures du modèle A et 100 voitures du modèle B.
3 Interprétation :
• e1 =0 =⇒ tout le temps d’assemblage de 720 heures sera utilisé.
• e2 =0 =⇒ tout le temps de finition de 480 heures sera utilisé.
• e3 = 10 =⇒ l’entreprise risque d’avoir une abondance de 10 voitures non vendues du modèle A.
El
• e4 = 70 =⇒ l’entreprise risque d’avoir une abondance de 70 voitures non vendues du modèle B.
4 Programme linéaire dual et sa solution optimale :
On écrit d’abord le PL primal sous forme canonique :
max z = 400x1 + 300x2
llah
textsc
4x1 + 6x2
⩽ 720
(P )
6x1 + 3x2 ⩽ 480
−x1 ⩽ −20
−x2 ⩽ −30
x ,x
1 2 ⩾ 0.
min z ′ = 720y1 + 480y2 − 20y3 − 30y4
sc
4y1 + 6y2 − y3 ⩾ 400
6y1 + 3y2 − y4 ⩾ 300
y1 , y2 , y3 , y4 ⩾ 0.
Ab
Pour avoir la solution optimale du problème dual, on utilisera les coefficient réduits obtenus dans le tableau
primal optimal et la correspondance suivante :
Donc la solution optimale du problème dual est : (y1∗ , y2∗ , y3∗ , y4∗ , f1∗ , f2∗ ) = (25, 50, 0, 0, 0, 0) et z ′∗ = 42, 000.
5 Il est conseillé donc d’augmenter le temps de finition car celui ci améliore mieux le profit, en effect :
• y1∗ = 25 =⇒ Une augmentation d’une heure du temps d’assemblage donnera une augmentation du profit
de 25UM.
• y2∗ = 50 =⇒ Une augmentation d’une heure du temps de finition donnera une augmentation du profit de
50UM.
i
im
K ac
El
llah
de
Ab
im
EXAMEN SN 2016-2017 7
ac
7.1 Exercice
K
On considère le programe linéaire idont le domaine réalisable est représenté sur la figure ci-dessous (région non
remplie par des briques). El
llah
1 Indiquer d’après la figure les points associés aux solutions de base et aux solutions de base réalisables.
2 Calculer les coordonnées du point D.
de
3 En notant par e1 et e2 les variables d’écarts associées aux deux contraintes du PL, respectivement. Calculer
leurs valeurs coorespondantes aux solutions de base réalisables trouvées dans la première question.
4 Si on envisage de résoudre ce problème par la méthode des tableaux. Le PL admet-il une solution ? Sinon,
lequel des critères sera violé ( le critère du coefficient réduit maximal ou celui du quotient minimal) ?
7.2 Exercice
Ab
Une ligne de vêtements fabrique trois type de produits à base de soie, laine et rayonne. Le nombre de mètres
carrées (m2 ) des ressources utilisés dans chaque type de vêtements ainsi que les profits par unité de produit sont
indiqués dans le tableau ci-dessous. La ligne dispose pour la prochaine production de 30 m2 de soie, 40 m2 de laine
et 50 m2 de rayonne.
51
7.3. CORRIGÉ CHAPITRE 7. EXAMEN SN 2016-2017
i
im
1 Formaliser ce problème à l’aide d’un programe linéaire et trouver sa solution optimale par la méthode des
tableaux. Interpréter économiquement les résultats obtenus.
2 Ecrire le programme linéaire dual associé et en déduire sa solution optimale à partir du tableau optimal du PL
primal. Donner une interprétation économique de la solution du PL dual.
ac
7.3 Corrigé
K
• solutions de base : A, B , C , D, E et F .
• solutions de base réalisables : A, B , C .
2 Coordonnées du point D :
Pour cela il faut résoudre le système d’équations :
El
−3x + 2y = 6 −3x + 2y = 6 −3(2 − 2y) + 2y = 6 8y = 12
⇔ ⇔ ⇔
x + 2y = 2 x = 2 − 2y x = 2 − 2y x = 2 − 2,
dont l’unique solution est donc (−1, 3/2). D’où D = (−1, 3/2).
3 Les variables d’écarts associées aux deux contraintes du (P L) sont définis tels que
−3x + 2y + e1 = 6
llah
x + 2y − e2 = 2.
4 Le PL en question représente une dégérénescence liée au domaine non borné : la valeur optimale de la
fonction économique comme on peut le constater à partir de la figure est infinie. Donc le PL n’admet pas une
Ab
solution. Ce sera le critète du quotient minimal qui sera violé si on tente de résoudre ce PL par la méthode
des tabeaux.
i
– Positivité : x1 , x2 ⩾ 0.
im
• Programme linéaire :
max z = 80x1 + 45x2 + 75x3
sc
3x + 4x + 2x ⩽ 30
1 2 3
2x 1 + 2x 2 + x 3 ⩾ 40
ac
x1 + 3x2 + 4x3 ⩽ 50
x1 , x2 , x3 ⩾ 0.
K
sc
3x + 4x + 2x + e = 30
1 2 3 1
2x1 + 2x2 + x3 + e2 = 40
x1 + 3x2 + 4x3 + e3 = 50
x1 , x2 , x3 , e1 , e2 , e3 ⩾ 0.
El
• Tableaux :
llah
i
im
F IGURE 7.3 – Itération 3 : tableau optimal.
Le dernier tableau est optimal car les coefficients réduits associés aux variables hors base sont
négatives. Et on a donc
ac
(x∗1 , x∗2 , x∗3 , e∗1 , e∗2 , e∗3 ) = (2, 0, 12, 0, 24, 0) et z ∗ = 1060.
Afin d’assurer un profit maximal de 1060 UM, la ligne de vêtements doit produire 2 unités de vête-
ments de type 1 et 12 unités de vêtements de type 3.
• Interprétation :
K
• e1 = 0 =⇒ tout le stock de soie sera utilisé.
• e2 = 24 =⇒ il restera 24 m2 du stock de laine.
• e3 = 0 =⇒ tout le stock de rayonne sera utilisé.
El
llah
de
Ab
im
EXAMEN SN 2015-2016 8
ac
8.1 Exercice
K
Une pâtisserie produit des croissants et des pains au chocolat pour sa clientèle. Le tableau suivant indique les
quantités de pâte, beurre et chocolat disponibles pour la journée, les profits unitaires dus à la vente de chaque unité
de produits, ainsi que les quantités de pâte, beurre et chocolat constituant un croissant et un pain de chocolat.
El
llah
8.2 Exercice
Une entreprise de pelouses dispose de 80 tonnes de nitrate et de 50 tonnes de phosphate à utiliser la semaine
à venir dans la production de ses trois types d’engrais, pour pelouses ordinaines, super pelouses et jardins, res-
pectivement. Une unité de chaque produit est représentée par mille sacs d’engrais. Les rapports de mélange, les
profits unitaire, et les quantités de resources disponibles sont donnée dans le tableau ci-joint. Il s’agit de déterminer
Ab
55
8.3. CORRIGÉ CHAPITRE 8. EXAMEN SN 2015-2016
8.3 Corrigé
i
im
8.3.1 Solution de l’exercice 8.1
1 Formalisation :
• Variables de décision :
– x : Nombre de croisssants produits pendant la journée.
ac
– y : Nombre de pains au chocolat produits pendant la journée.
• Fonction économique (max) : z = 0.85x + 0.75y.
• Contraintes :
– Quantité de pâte disponible : 50x + 75y ⩽ 8, 000
– Quantité de beurre disponible : 15x + 10y ⩽ 1, 500.
K
– Quantité de chocolat disponible : 15y ⩽ 1, 500
– Restriction de signe : x, y ⩾ 0.
• Programme linéaire :
max z = 0.85x + 0.75y
sc
El
50x + 75y ⩽ 8, 000
x = 0 =⇒ y = 0 =⇒ (0, 0)
x = 15 =⇒ y = −17 =⇒ (15, −17) .
Ab
i
im
K ac
D’après le graphe ci-dessus, la solution optimale (x∗ , y ∗ ) est la solution du système linéaire suivant :
Donc
llah
x, y, e1 , e2 , e3 ⩾ 0.
• Tableaux :
Ab
i
im
F IGURE 8.2 – Itération 2 : ve = y , vs = e1 .
K ac
F IGURE 8.3 – Itération 3 : tableau optimal.
Comme les coefficients réduits associés aux variables hors base obtenus dans le tableau ci-dessus
El
sont négatives, la solution optimale est donc (x∗ , y ∗ ) = (52, 72) et la valeur maximale de la fonction
économique est z ∗ = 491/5 = 98.2.
Le patron de la pâtisserie aura un bénéfice maximale de 98.2UM en fin de journée s’il produit 52 crois-
sants et 72 pains au chocolat.
4 Interprétaion :
• e1 = e2 = 0, donc toutes les quantités de pâte et de beurre disponibles seront utilisées.
llah
• Forme standard :
max z = 200x1 + 500x2 + 400x3
sc
4x1 + 4x2 + 2x3 + e1 = 80
2x1 + x2 + 2x3 + e2 = 50
x1 , x2 , x3 , e1 , e2 ⩾ 0.
• Tableaux :
i
im
ac
F IGURE 8.4 – Itération 1 : ve = x2 , vs = e1 .
K
El
F IGURE 8.5 – Itération 2 : ve = x3 , vs = e2 .
llah
Les coefficients réduits associés aux variables hors base du dernier tableau sont négatives, donc la
solution obtenue est optimale :
(x∗1 , x∗2 , x3 , e∗1 , e∗2 ) = (0, 10, 20, 0, 0), z ∗ = 13, 000.
La solution optimale du dual peut être déduite à partir des coefficients réduits du tableau optimal du primal,
comme indiqué dans le tableau suivant :
i
Donc la solution optimale du problème dual est :
im
∗
(y1∗ , y2∗ , f1∗ , f2∗ , f3∗ ) = (100, 100, 400, 0, 0), z ′ = 13, 000.
ac
• y2∗ = 100 =⇒ Une augmentation du stock de phosphate de 1t impliquera une augmentation du
bénifice de 100 UM.
5 Tableau optimal dual :
• On utilisera la correspondance suivantes entre les variables primales et les variables duales, comme
indiquée dans le tableau suivant :
K
El
• Les variables (x1 , e1 , e2 ) sont hors base dans le tableau optimal du primal, donc leurs correspondant
(f1 , y1 , y2 ) sont des variables de base dans le tableau optimal dual.
• Les colonnes des variables hors base du problème dual sont déduites des lignes du tableau optimal
primale, en utilisant la correspondance indiquée dans le tableau ci-dessus.
llah
de
Ab
EXAMEN SN 2014-2015 9
ac
9.1 Exercice
Sud.
lK
Les habitants d’une petite île ont formé une coopérative de production. Les adhérents employés de la coopérative
sont affectés à la pêche du poisson. Les habitants de l’île vivent dans deux villages, l’un situé au Nord, l’autre au
Le tableau suivant donne les quantités de poissons nécessaires pour nourir les habitants de l’île et les portions
de poisson rapportés par un pêcheur, ainsi que les revenus par un pêcheur (en UM), en une semaine. La coopérative
hE
confronte le problème de l’usage au mieux de la main d’oeuvre dans le but d’optimiser le payment total des employés.
lla
1 Formaliser le problème ci-dessus par un programme linéaire de minimisation sous forme canonique.
2 Résoudre le programme linéaire associé par la méthode graphique.
3 Ecrire le même problème sous forme d’un programme linéaire de maximisation équivalent et résoudre la
méthode du grand M.
4 Donner une interprétation économique des résultas obtenus.
de
9.2 Exercice
Un fermier cultive trois types de plantes (maïs, blé, coton), basé sur des ressources de terre et de main d’oeuvre.
Les bénéfices nets venant de la culture du maïs, du blé et du coton sont de 109 UM/acre, 90 UM/acre et 115
UM/acre, respectivement. Un acre de maïs demande 6 heures de travail, un acre de blé 4 heures, et un acre de
Ab
coton 8 heures.
Le fermier dispose de 100 acres de terre et 500 heures de travail et il souhaite maximiser le bénéfice venant de
ses plantations.
1 Formaliser le programme linéaire associé à ce problème (forme canonique).
2 Résoudre le programme linéaire obtenu avec la méthode des tableaux.
3 Ecrire le programme linéaire dual et donner sa solution optimale.
4 Donner une interprétation économique des variables duales.
5 Donner le tableau optimal dual à partir du tableau optimal primal.
N. B. Un acre est une unité de superficie anglo-saxonne : il est égale approximativement à 4047 m2 .
61
9.3. CORRIGÉ CHAPITRE 9. EXAMEN SN 2014-2015
9.3 Corrigé
i
– x : Nombre de pêcheurs du nord ;
im
– x : Nombre de pêcheurs du sud.
• Fonction économique (min) : z = 50x + 100y
• Contraintes :
– Demande en thon : 30x + 10y ⩾ 1000 ;
– Demande en sardine : 20x + 40y ⩾ 2000 ;
ac
– Positivité : x, y ⩾ 0.
• Programme linéaire :
min z = 50x + 100y
sc
30x + 10y ⩾ 1000
K
20x + 40y ⩾ 2000
x, y ⩾ 0.
2 Méthode graphique :
On représente les droites :
El
• (D1 ) : 30x + 10y = 1000
x = 0 =⇒ y = 0 =⇒ (0, 0)
x = −40 =⇒ y = 20 =⇒ (−40, 20).
de
Ab
i
3000 − 50y ∗
(
= 1000
⇐⇒
im
x∗ = 100 − 2y ∗
x∗
(
= 20
⇐⇒
∗
y = 40.
ac
z ∗ = 50x∗ + 100y ∗ = 5000.
K
30x + 10y ⩾ 1000
20x + 40y ⩾ 2000
x, y ⩾ 0.
El
4 Méthode du grand M :
La méthode du grand M consiste à résoudre par la méthode des tableaux le problème suivant :
′
max zM = −50x − 100y − M a1 − M a2
sc
30x + 10y − e1 + a1 = 1000
llah
i
im
F IGURE 9.2 – Itération 2 : ve = y , vs = a2 .
ac
F IGURE 9.3 – Itération 3 : tableau optimal.
K
Comme les coefficients réduits associés aux variables hors base dans ce dernier tableau sont négatives, la
solution optimale est donc :
(x∗ , y ∗ ) = (20, 40),
∗
z ∗ = −z ′ M = 5000.
La coopérative aura un payment total minimal de 5000 UM en faisant travailler 20 pêcheurs du nord et 40
El
pêcheurs du sud.
5 Interprétation :
• e1 = 0 =⇒ la demandes de la semaine en poisson sera satisfaite sans surabondance.
• e2 = 0 =⇒ la demandes de la semaine en thon sera satisfaite sans surabondance.
1 Formalisation :
• Variables de décision :
– x1 : surface du maïs ;
– x2 : surface du blé ;
– x3 : surface du coton.
• Fonction économique (max) : z = 109x1 + 90x2 + 115x3 .
• Contraintes :
de
x1 + x2 + x3 ⩽ 100
6x1 + 4x2 + 8x3 ⩽ 500
x1 , x2 , x3 ⩾ 0.
• Tableaux :
i
im
F IGURE 9.4 – Itération 1 : ve = x3 , vs = e2 .
K ac
F IGURE 9.5 – Itération 2 : ve = x2 , vs = e1 .
El
F IGURE 9.6 – Itération 3 : ve = x1 , vs = x3 .
llah
de
Les coefficients réduits du dernier tableau sont négatives, donc la solution obtenue est optimale :
(x∗1 , x∗2 , x∗3 , e∗1 , e∗2 ) = (50, 50, 0, 0, 0), z ∗ = 9950.
Ab
La solution optimale du dual est déduite à partir des coefficients réduits du tableau optimal du primal, comme
indiqué dans le tableau suivant :
i
im
Donc la solution optimale du probème dual est :
∗
(y1∗ , y2∗ , f1∗ , f2∗ , f3∗ ) = (52, 19/2, 0, 0, 13), z ′ = 9950.
ac
• y1∗ = 52 =⇒ Une augmentation d’une heure du temps de travail donne une augmenation du bénéfice de
52 UM.
• y2∗ = 19/2 =⇒Une augmentation de la superficie de terre impliquere une augmenation du bénéfice de
19/2 UM.
K
• Les variables (x3 , e1 , e3 ) sont hors base dans le tableau primal optimal, donc leurs correspondants :
(e3 , y1 , y3 ) sont des variables de base pour le problème dual.
• Les colones des variables hors base du problème dual sont déduites des lignes du tableau optimal
primale, en utilisant la correspondance entre les variables des deux problème comme indiqué dans le
tableau suivant :
El
llah
Ce qui donne :
de
Ab