EZZEDDINE DELHOUMI

RECHERCHE OPERATIONNELLE

Chapitre 4 : Analyse de sensibilité

1) Introduction
Souvent les coefficients d'un programme linéaire (𝑐𝑗 , 𝑏𝑖 𝑒𝑡 𝑎𝑖𝑗 ) varient dans le temps et dans
l'espace. Il est nécessaire d'étudier les effets de leurs variations sur la solution optimale initiale
trouvée (la solution optimale qu'on a trouvée avant les changements de ces coefficients). Il
est aussi important d'étudier les effets de l'addition d'une nouvelle variable ainsi que l'ajout
d'une nouvelle contrainte sur la solution optimale d'un programme linéaire.

Dans ce chapitre, nous allons analyser les effets de tous ces changements après avoir trouvé
la solution optimale d'un programme linéaire. Cette étude s'appelle aussi l'analyse post
optimalité d'un programme linéaire.

2) Effet de la variation de l'un des coefficients 𝒄𝒋 dans la fonction

objectif 𝒁

Rappelons le dernier tableau du simplexe en fonction des variables principales et écarts ainsi
que celui en fonction des variables de base et hors base :

𝐶𝑝𝑡 𝐶𝑒𝑡
Solutions
𝑋𝑝 𝑋𝑒
𝐶𝐼 . 𝑋𝐼 A−1
I 𝐴𝑝 A−1
I 𝐴𝑒 A−1
I 𝐵

δj (𝐶𝑝𝑡 − CIt A−1

I 𝐴𝑝 ) (𝐶𝑒𝑡 − CIt A−1
I 𝐴𝑒 ) 𝑍 = 𝐶𝐼𝑡 A−1
I 𝐵

𝐶𝐼𝑡 𝐶𝐼𝑡̅
Solutions
𝑋𝐼 𝑋𝐼 ̅
𝐶𝐼 . 𝑋𝐼 𝐼𝑚 A−1
I 𝐴𝐼 ̅ A−1
I 𝐵

δj 0 (𝐶𝐼𝑡̅ − 𝐶𝐼𝑡 A−1

I 𝐴𝐼 ̅ ) 𝑍 = 𝐶𝐼𝑡 A−1
I 𝐵

Nous constatons que d'après ces deux tableaux, si un coefficient 𝒄𝒋 ∈ 𝐶 change, la seule
variation sera au niveau de la dernière ligne du tableau. Ce que veut dire son effet va être
localisé au niveau des valeurs marginales des variables du PL. La valeur de la fonction
économique va être affectée si le coefficient est associé à une variable de base seulement.

1
 EZZEDDINE DELHOUMI
RECHERCHE OPERATIONNELLE

Dans ce paragraphe, nous allons étudier l'effet de la variation d'un coefficient 𝒄𝒋 lorsqu'il est
associé à une variable hors base et lorsqu'il est affecté à une variable de base.

2-1) Variation de 𝒄𝒋 lorsque 𝒙𝒋 est une variable hors base

Si le coefficient 𝒄𝒋 change en 𝑐𝑗′ il n'aura d'effet que sur la valeur marginale de la variable 𝒙𝒋 .
Autrement dit, si 𝒄𝒋 → 𝑐𝑗′, alors 𝜹𝒋 = 𝒄𝒋 − 𝒛𝒋 → 𝛿𝑗′ = 𝑐𝑗′ − 𝑧𝑗 . Dans ce cas on n'examine que la
valeur marginale de la variable 𝒙𝒋 . Cette variable est hors base. Alors, en cas de maximisation,
à l'optimum 𝜹𝒋 ≤ 0 (avant le changement). Après le changement de 𝒄𝒋 le signe de cette valeur
marginale peut être :

- 𝛿𝑗′ ≤ 0 → La solution optimale initiale reste optimale (pas de changement),

- 𝛿𝑗′ = 0 → La solution optimale initiale reste optimale mais elle va devenir multiple,
- 𝛿𝑗′ > 0 → La solution optimale initiale n'est plus optimale. Il faut chercher une autre
solution. Pour trouver une nouvelle solution optimale, on continu les itérations à partir
du dernier tableau trouvé.

Exemple :

𝑀𝑎𝑥 𝑍 = 4 𝑥1 + 𝑥2 𝑀𝑎𝑥 𝑍 = 4 𝑥1 + 𝑥2 + 0𝑒1 + 0𝑒2

𝑠/𝑐 𝑠/𝑐
𝑥1 + 2𝑥2 ≤ 2 𝑥1 + 2𝑥2 + 𝑒1 = 2
⇒
2𝑥1 + 𝑥2 ≤ 2 2𝑥1 + 𝑥2 + 𝑒2 = 2
𝑥1 , 𝑥2 ≥ 0 𝑥1 , 𝑥2 , 𝑒1 , 𝑒2 ≥ 0
{𝑓𝑜𝑟𝑚𝑒 𝑐𝑎𝑛𝑜𝑛𝑖𝑞𝑢𝑒 { 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑

Le tableau initial :

4 1 0 0
𝑥1 𝑥2 𝑒1 𝑒2 RHS
0 𝑒1 1 2 1 0 2 ℓ1 = 2
0 𝑒2 2 1 0 1 2 ℓ2 = 1 → 𝑉𝑆
𝛿𝑗 4 1 0 0 Z=0
↑
𝑉𝑒
Le tableau final (de la solution optimale) :

2
 EZZEDDINE DELHOUMI
RECHERCHE OPERATIONNELLE

4 1 0 0
𝑥1 𝑥2 𝑒1 𝑒2 RHS
0 𝑒1 0 3/2 1 -1/2 1
4 𝑥1 1 1/2 0 1/2 1
𝛿𝑗 0 -1 0 -2 Z=4

𝑥1∗ = 𝑒1∗ = 1 𝑑𝑒𝑠 𝑉𝐵

La solution optimale est :{𝑥2∗ = 𝑒2∗ = 0 𝑑𝑒𝑠 𝑉𝐻𝐵
𝑍∗ = 4
𝑥2 est une variable hors base.
1
- Si 𝑐2 passe de 1 à 1,5 alors 𝛿𝑥2 passe de -1 à − 2 . Alors la solution optimale initiale
reste optimale (pas de changement).
- Si 𝑐2 passe de 1 à 2 alors 𝛿𝑥2 passe de -1 à 0. Alors la solution optimale initiale reste
optimale mais elle va devenir multiple.
- Si 𝑐2 passe de 1 à 3 alors 𝛿𝑥2 passe de -1 à 1. Alors la solution optimale initiale ne reste
plus optimale. Dans ce cas il faut poursuivre les itérations pour aboutir à une nouvelle
solution optimale. En effet,

4 3 0 0
𝑥1 𝑥2 𝑒1 𝑒2 RHS
0 𝑒1 0 3/2 1 -1/2 1 ℓ1 = 2/3 → 𝑉𝑆
4 𝑥1 1 1/2 0 1/2 1 ℓ2 = 2
𝛿𝑗 0 1 0 -2 Z=4
↑
𝑉𝑒

4 3 0 0

𝑥1 𝑥2 𝑒1 𝑒2 RHS

3 𝑥2 0 1 2/3 -1/3 2/3

4 𝑥1 1 0 -1/3 2/3 2/3

𝛿𝑗 0 0 -2/3 -5/3 Z = 14/3

𝑥1∗ = 𝑥2∗ = 2/3 𝑑𝑒𝑠 𝑉𝐵

La nouvelle solution optimale est : { 𝑒1∗ = 𝑒2∗ = 0 𝑑𝑒𝑠 𝑉𝐻𝐵
𝑍 ∗ = 14/3

3
 EZZEDDINE DELHOUMI
RECHERCHE OPERATIONNELLE

2-2) Variation de 𝒄𝒋 lorsque 𝒙𝒋 est une variable base

Si 𝑥𝑗 est une variable de base, il faut examiner toutes les valeurs marginales 𝛿𝑗 des variables
hors base car ces dernières sont en fonction de 𝑐𝑗 . En effet, le vecteur des valeurs marginales
des variables principales (𝐶𝑝𝑡 − CIt A−1
I 𝐴𝑝 ) est en fonction 𝐶𝐼 où 𝑐𝑗 ∈ 𝐶𝐼 . De même, le vecteur
des valeurs marginales des variables d'écarts (𝐶𝑒𝑡 − CIt A−1
I 𝐴𝑒 ) est aussi en fonction des 𝐶𝐼 . On
voit bien que si 𝐶𝐼 change, les 𝛿𝑗 vont changer aussi.
Si le coefficient 𝑐𝑗 change en 𝑐𝑗′ les 𝛿𝑗 vont changer en 𝛿𝑗′ . Dans ce cas en a deux situations
possibles :1
- Si toutes les 𝛿𝑗′ sont négatives ou nulles, alors la base optimale initiale reste optimale
mais la valeur de la fonction économique va changer puisque 𝑍 = CIt A−1 I 𝐵 est en
fonction de 𝐶𝐼 .
- Si au moins l'une des 𝛿𝑗′ devienne strictement positive, alors la solution optimale
initiale n'est plus optimale. Il faut dans ce cas trouver la nouvelle solution optimale en
commençant les itérations à partir du dernier tableau trouvé.

Exemple :

Reprenons l'exemple précédent en faisant varier le coefficient 𝑐1 de la variable de base 𝑥1

dans Z. En effet,
1 3
- Si 𝑐1 passe de 4 à 3, alors 𝛿x′ 2 = − 2 ≤ 0 et 𝛿e′ 2 = − 2 ≤ 0 . La base optimale initiale
reste optimale mais la valeur de 𝑍 = 4 va devenir 𝑍′ = 3.
1 1 1
- Si 𝑐1 passe de 4 à 1, alors 𝛿x′ 2 = 2 > 0 et 𝛿e′ 2 = − 2 ≤ 0. Puisque 𝛿x′ 2 = 2 > 0 , la
solution optimale initiale n'est plus optimale. Il faut chercher la nouvelle solution
optimale. En effet,

1 1 0 0
RHS
𝑥1 𝑥2 𝑒1 𝑒2
0 𝑒1 0 3/2 1 -1/2 1 ℓ1 = 2/3 → 𝑉𝑆
1 𝑥1 1 1/2 0 1/2 1 ℓ2 = 2
𝛿𝑗 0 1/2 0 -1/2 Z=3
↑
𝑉𝑒

1
Nous présentons les possibilités en cas de maximisation. On doit inverser le sens de l'inégalité en cas de
minimisation.

4
 EZZEDDINE DELHOUMI
RECHERCHE OPERATIONNELLE

1 1 0 0
𝑥1 𝑥2 𝑒1 𝑒2 RHS
1 𝑥2 0 1 2/3 -1/3 2/3
1 𝑥1 1 0 -1/3 2/3 2/3
𝛿𝑗 0 0 -1/3 -1/3 Z = 4/3

𝑥1∗ = 𝑥2∗ = 2/3 𝑑𝑒𝑠 𝑉𝐵

La nouvelle solution optimale est : { 𝑒1∗ = 𝑒2∗ = 0 𝑑𝑒𝑠 𝑉𝐻𝐵
𝑍 ∗ = 4/3

2-3) Paramétrage de 𝒄𝒋 lorsque 𝒙𝒋 est une variable base

Dans ce paragraphe, nous allons étudier l'ensemble de solutions possibles d'un programme
linéaire en fonction des différentes valeurs éventuelles prises par un coefficient 𝑐𝑗 d'une
variable de base 𝑥𝑗 (la même analogie peut être suivie si la variable associée est une variable
hors base).

Exemple :

𝑀𝑎𝑥 𝑍 = 2𝑥1 + 3𝑥2 𝑀𝑎𝑥 𝑍 = 2𝑥1 + 3𝑥2 + 0𝑒1 + 0𝑒2 + 0𝑒3

𝑠/𝑐 𝑠/𝑐
𝑥1 + 3𝑥2 ≤ 18 𝑥1 + 3𝑥2 + 𝑒1 = 18
3𝑥1 + 𝑥2 ≤ 18 ⇒ 3𝑥1 + 𝑥2 + 𝑒2 = 18
𝑥1 + 𝑥2 ≤ 8 𝑥1 + 𝑥2 + 𝑒3 = 8
𝑥1 , 𝑥2 ≥ 0 𝑥1 , 𝑥2 , 𝑒1 , 𝑒2 , 𝑒3 ≥ 0
{ 𝑓𝑜𝑟𝑚𝑒 𝑐𝑎𝑛𝑜𝑛𝑖𝑞𝑢𝑒 { 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑

Le dernier tableau (de la solution optimale)

2 3 0 0 0
RHS
𝑥1 𝑥2 𝑒1 𝑒2 𝑒3
3 𝑥2 0 1 1/2 0 -1/2 5
0 𝑒2 0 0 1 1 -4 4
2 𝑥1 1 0 -1/2 0 3/2 3
𝛿𝑗 0 0 -1/2 0 -3/2 Z=21

𝑥1∗ = 3, 𝑥2∗ = 5, 𝑒2∗ = 4 𝑑𝑒𝑠 𝑉𝐵

La solution optimale initiale est : { 𝑒1∗ = 𝑒3∗ = 0 𝑑𝑒𝑠 𝑉𝐻𝐵
∗
𝑍 = 21
5
 EZZEDDINE DELHOUMI
RECHERCHE OPERATIONNELLE

Supposons que 𝑐1 = 𝜆 ∈ ℝ, le dernier tableau devient comme suit :

𝜆 3 0 0 0
RHS
𝑥1 𝑥2 𝑒1 𝑒2 𝑒3
3 𝑥2 0 1 1/2 0 -1/2 5
0 𝑒2 0 0 1 1 -4 4
𝜆 𝑥1 1 0 -1/2 0 3/2 3
𝜆 3 3 3
𝛿𝑗 0 0 ( − ) 0 ( − 𝜆) 𝑍 = 15 + 3 𝜆
2 2 2 2

Les résultats suivant les signes des valeurs marginales :

Le tableau de signes est :

−∞ 1 3 +∞

𝜆 3
𝛿𝑒1 = ( − ) - - +
2 2
3 3
𝛿𝑒3 = ( − 𝜆) + - -
2 2

D’après le tableau de signes nous avons trois cas :

➢ Premier cas :

Si 𝑐1 = 𝜆 ∈ [1, 3], 𝛿𝑒1 ≤ 0 et 𝛿𝑒3 ≤ 0 → la solution optimale initiale reste optimale.

Elle est multiple si 𝜆 ∈ {1,3} et elle est unique si 𝜆 ∈]1,3[.
➢ Deuxième cas :
Si 𝜆 ∈] − ∞, 1[, 𝛿𝑒1 ≤ 0 mais 𝛿𝑒3 > 0 → la solution optimale initiale n’est plus
optimale. Donc, 𝑒3 entre dans la base et 𝑥1 sort de cette base.

𝜆 3 0 0 0
RHS
𝑥1 𝑥2 𝑒1 𝑒2 𝑒3
3 𝑥2 1/3 1 1/3 0 0 6
0 𝑒2 8/3 0 -1/3 1 0 12
0 𝑒3 2/3 0 -1/3 0 1 2
𝛿𝑗 (𝜆 − 1) 0 -1 0 0 𝑍 = 18

6
 EZZEDDINE DELHOUMI
RECHERCHE OPERATIONNELLE

𝛿𝑥1 = (𝜆 − 1) ≤ 0 𝑠𝑖 𝜆 ≤ 1 → 𝑣𝑟𝑎𝑖, alors la solution trouvée est optimale.

𝑥2∗ = 6, 𝑒2∗ = 12 𝑒𝑡 𝑒3∗ = 2, 𝑑𝑒𝑠 𝑉𝐵

Cette nouvelle solution est : 𝑥1∗ = 𝑒1∗ = 0 𝑑𝑒𝑠 𝑉𝐻𝐵
𝑍 ∗ = 18
➢ Troisième cas :

Si 𝜆 ∈]3, +∞[, 𝛿𝑒3 ≤ 0 mais 𝛿𝑒1 > 0 → la solution optimale initiale n’est plus optimale.
Donc, 𝑒1 entre dans la base et 𝑒2 sort de cette base.

𝜆 3 0 0 0
RHS
𝑥1 𝑥2 𝑒1 𝑒2 𝑒3
3 𝑥2 0 1 0 -1/2 3/2 3
0 𝑒1 0 0 1 1 -4 4
𝜆 𝑥1 1 0 0 1/2 -1/2 5
3 𝜆 9 𝜆
𝛿𝑗 0 0 0 ( − ) (− + ) 𝑍 = 9+5𝜆
2 2 2 2

3 𝜆
𝛿𝑒2 = (2 − 2) ≤ 0 𝑠𝑖 𝜆 ≥ 3 → 𝑣𝑟𝑎𝑖

9 𝜆
𝛿𝑒3 = (− 2 + 2) ≤ 0 𝑠𝑖 𝜆 ≤ 9

On a deux sous cas :

• Premier sous cas :

Si 3 ≤ 𝜆 ≤ 9 → la solution est optimale. Cette nouvelle solution est :
𝑥1∗ = 5, 𝑥2∗ = 3 𝑒𝑡 𝑒1∗ = 4 𝑑𝑒𝑠 𝑉𝐵
𝑒2∗ = 𝑒3∗ = 0 𝑑𝑒𝑠 𝑉𝐻𝐵
∗
𝑍 = 9+5𝜆
• Deuxième sous cas :

Si 𝜆 > 9 → la solution n’est pas encore optimale (𝛿𝑒3 > 0). Donc, 𝑒3 entre dans la base et 𝑥2
sort de cette base.

𝜆 3 0 0 0
RHS
𝑥1 𝑥2 𝑒1 𝑒2 𝑒3
0 𝑒3 0 2/3 0 -1/3 1 2
0 𝑒1 0 8/3 1 -1/3 0 12
𝜆 𝑥1 1 1/3 0 1/3 0 6
𝛿𝑗 𝜆 𝜆
0 (3 − ) 0 − 0 𝑍 = 6𝜆
3 3
7
 EZZEDDINE DELHOUMI
RECHERCHE OPERATIONNELLE

𝜆
𝛿𝑒2 = − ≤ 0 𝑠𝑖 𝜆 ≥ 0 → 𝑣𝑟𝑎𝑖
3
{ 𝜆
, alors la solution trouvée est optimale.
𝛿𝑥2 = (3 − 3) ≤ 0 𝑠𝑖 𝜆 ≥ 9 → 𝑣𝑟𝑎𝑖

𝑥1∗ = 6, 𝑒1∗ = 12 𝑒𝑡 𝑒3∗ = 2 𝑑𝑒𝑠 𝑉𝐵

Cette nouvelle solution est :{ 𝑥1∗ = 𝑒1∗ = 0 𝑑𝑒𝑠 𝑉𝐻𝐵
∗
𝑍 =6𝜆
Traçons l’évolution de la valeur de la fonction économique en fonction des différentes
valeurs de 𝑐1. En effet,

- Si 𝑐1 = 𝜆 ∈ ] − ∞, 1] → 𝑍 = 18
- Si 𝑐1 = 𝜆 ∈ [1,3] → 𝑍 = 15 + 3 𝜆 ∈ [18 , 24]
- Si 𝑐1 = 𝜆 ∈ [3,9] → 𝑍 = 9 + 5 𝜆 ∈ [24 , 54]
- Si 𝑐1 = 𝜆 ∈ [9, +∞[→ 𝑍 = 6 𝜆 ∈ [54, +∞[

Evolution de la fonction Z en fonction du coefficient C1

140

120 20; 120

100
Valeur de Z

80

60
9; 54
40

3; 24
-5; 18 20 1; 18

0
-10 -5 0 5 10 15 20 25
Coefficient C1

3) Effet de la variation d'un élément du second membre des

contraintes

8
 EZZEDDINE DELHOUMI
RECHERCHE OPERATIONNELLE

Rappelons qu'en écrivant le dual d'un PL, les éléments de seconds membres des contraintes
du primal deviennent les coefficients de la fonction objectif du dual. Si nous voulons étudier
les variations du second membre, nous pouvons construire le dual du PL donné et nous
étudions les variations des éléments de la fonction objectif de ce dual et ainsi nous appliquons
la méthode donnée dans le paragraphe précédent.

Une seconde méthode peut être utilisée. En effet, si nous examinons le tableau du simplexe
écrit sous la forme matricielle, nous constatons que si le vecteur B change en B' seuls les
éléments de la dernière colonne qui vont changer : (𝑋𝐼 = A−1 𝑡 −1
I 𝐵 𝑒𝑡 𝑍 = 𝐶𝐼 AI 𝐵 ).

Deux cas peuvent se présenter :

➢ Tous les éléments du vecteur 𝑋𝐼 sont positifs ou nuls. Alors la base optimale initiale
trouvée reste optimale mais les valeurs des variables de base ainsi que la valeur de la
fonction objectif vont changer.
➢ Un ou plusieurs éléments du vecteur 𝑋𝐼 devient (deviennent) négatif(s). Dans ce cas
la solution optimale initiale n'est plus réalisable. Pour trouver une nouvelle solution
optimale (si elle existe) on peut appliquer la méthode "dual simplexe".

Exemple 1 :

𝑀𝑎𝑥 𝑍 = 4𝑥1 + 5𝑥2 𝑀𝑎𝑥 𝑍 = 4𝑥1 + 5𝑥2 + 0𝑒1 + 0𝑒2

𝑠/𝑐 𝑠/𝑐
3𝑥1 + 𝑥2 ≤ 1 3𝑥1 + 𝑥2 + 𝑒1 = 1
⇒
𝑥1 + 4𝑥2 ≤ 1 𝑥1 + 4𝑥2 + 𝑒2 = 1
𝑥1 , 𝑥2 ≥ 0 𝑥1 , 𝑥2 , 𝑒1 , 𝑒2 ≥ 0
{ 𝑓𝑜𝑟𝑚𝑒 𝑐𝑎𝑛𝑜𝑛𝑖𝑞𝑢𝑒 { 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑

Le dernier tableau du simplexe est :

4 5 0 0
𝑥1 𝑥2 𝑒1 𝑒2 RHS
4 𝑥1 1 0 4/11 -1/11 3/11
5 𝑥2 0 1 -1/11 3/11 2/11
𝛿𝑗 0 0 -1 -1 Z=2

𝑥1∗ = 3/11 𝑒𝑡 𝑥2∗ = 2/11 𝑑𝑒𝑠 𝑉𝐵

La solution optimale initiale est : { 𝑒1∗ = 𝑒2∗ = 0 𝑑𝑒𝑠 𝑉𝐻𝐵
∗
𝑍 =2
1 2
• Si 𝑏1 = 1 passe en 𝑏1′ = 2 c'est à dire que 𝐵 = ( ) passe en 𝐵′ = ( ), alors les
1 1
nouvelles valeurs des variables de base deviennent :

9
 EZZEDDINE DELHOUMI
RECHERCHE OPERATIONNELLE

4 1 3
− 𝑥1
11 11 11
𝐴−1
𝐼 =( 1 3 ) et 𝑋𝐼 = (𝑥 ) = 𝐴−1
𝐼 𝐵 = (2) passe en 𝑋𝐼′ = 𝐴−1 ′
𝐼 𝐵 =
− 11 2
11 11
7
0
(11
1 ) ≥ (0). La base optimale initiale reste optimale mais les valeurs des variables de
11
7 1
base ont changé ainsi que la valeur de 𝑍 a passé de 2 à 𝑍 ′ = 4 × 11 + 5 × 11 = 3.
1 4
• Si 𝑏1 = 1 passe en 𝑏1′ = 4 c'est à dire que 𝐵 = ( ) passe en 𝐵′ = ( ), alors les
1 1
nouvelles valeurs des variables de base deviennent :
15
11
𝑋𝐼′ = 𝐴−1 ′
𝐼 𝐵 =( 1 ) . La variable de base 𝑥2 est devenue négative, donc la solution
− 11
optimale initiale n'est plus réalisable. Il faut trouver une autre solution optimale.. Pour se faire,
il suffit d'utiliser le dernier tableau de la solution optimale initiale en remplaçant seulement
les valeurs des variables de base par les nouvelles valeurs trouvées. Ensuite on applique la
méthode "dual simplexe".

4 5 0 0
RHS
𝑥1 𝑥2 𝑒1 𝑒2
L1 4 𝑥1 1 0 4/11 -1/11 15/11
L2 5 𝑥2 0 1 -1/11 3/11 -1/11 → VS
𝛿𝑗 Solution non
0 0 -1 -1
réalisable
↑
𝑉𝑒

4 5 0 0
RHS
𝑥1 𝑥2 𝑒1 𝑒2
L’1=L1+4 L2 4 𝑥1 1 4 0 1 1
L’2=-11 L2 0 𝑒1 0 -11 1 -3 1
𝛿𝑗 0 -11 0 -4 Z= 4

𝑥1∗ = 1 𝑒𝑡 𝑒1∗ = 1 𝑑𝑒𝑠 𝑉𝐵

La nouvelle solution optimale est : { 𝑥2∗ = 𝑒2∗ = 0 𝑑𝑒𝑠 𝑉𝐻𝐵
𝑍∗ = 4
Exemple 2 : la détermination des domaines de validité des éléments de seconds membres
des contraintes.

10
 EZZEDDINE DELHOUMI
RECHERCHE OPERATIONNELLE

Soit le PL suivant :

𝑀𝑎𝑥 𝑍 = 2𝑥1 − 3𝑥2 𝑀𝑎𝑥 𝑍 = 2𝑥1 − 3𝑥2 + 0𝑒1 + 0𝑒2 + 0𝑒3 − 𝑀𝑎3
𝑠/𝑐 𝑠/𝑐
4𝑥1 + 5 𝑥2 ≤ 40 4𝑥1 + 5 𝑥2 + 𝑒1 = 40
2 𝑥1 − 6 𝑥2 ≤ 24 ⇒ 2 𝑥1 − 6 𝑥2 + 𝑒2 = 24
3 𝑥1 − 3 𝑥2 ≥ 6 3 𝑥1 − 3 𝑥2 − 𝑒3 + 𝑎3 = 6
𝑥1 , 𝑥2 ≥ 0 𝑥1 , 𝑥2 , 𝑒1 , 𝑒2 , 𝑒3 , 𝑎3 ≥ 0
{ 𝑓𝑜𝑟𝑚𝑒 𝑐𝑎𝑛𝑜𝑛𝑖𝑞𝑢𝑒 { 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑

Le dernier tableau du simplexe est :

2 -3 0 0 0
RHS
𝑥1 𝑥2 𝑒1 𝑒2 𝑒3
0 𝑒3 0 27/4 3/4 0 1 24
0 𝑒2 0 -17/2 -1/2 1 0 4
2 𝑥1 1 5/4 1/4 0 0 10
𝛿𝑗 0 -11/2 -1/2 0 0 20

Le domaine de validité des éléments de seconds membres des contraintes (𝑙𝑒𝑠 𝑏𝑖 , 𝑖 =

1, … , 𝑚) revient à déterminer les intervalles de variation de ces éléments sans que la base
optimale initiale change. En effet,

- Domaine de validité de 𝑏1 :
Il faut que
3
0 −1
4
1 𝑏1 0
𝐴−1
𝐼 𝐵 = − 1 0 (24) ≥ (0)
2 6 0
1
( 4 0 0)

Remarquons qu'on peut extraire la matrice de base inverse à partir du dernier tableau trouvé.
Cette matrice est celle qui est au-dessous des variables d'écarts 𝑒1 , 𝑒2 𝑒𝑡 𝑒3 . Mais nous avons
multiplié la colonne de 𝑒3 par (-1) car cette variable corresponde à une contrainte de type
( ≥) .

3 3
0 −1 𝑏 − 6 ≥ 0 ⇔ 𝑏1 ≥ 8
4 4 1
1 𝑏1 1
− 1 0 (24) = − 𝑏1 + 24 ≥ 0 ⟺ 𝑏1 ≤ 48 → 8 ≤ 𝑏1 ≤ 48
2 6 2
1 1
( 4 0 0) { 𝑏 ≥ 0 ⟺ 𝑏1 ≥ 0
4 1
- Domaine de validité de 𝑏2 :
11
 EZZEDDINE DELHOUMI
RECHERCHE OPERATIONNELLE

Il faut que
3
0 −1
4
1 40 0
𝐴−1
𝐼 𝐵 = − 1 0 ( 𝑏2 ) ≥ (0)
2 6 0
1
( 4 0 0)

3
0 −1
4 24 ≥ 0
1 40
− 1 0 ( 𝑏2 ) = {−20 + 𝑏2 ≥ 0 → 20 ≤ 𝑏2 < +∞
2 6 10 ≥ 0
1
( 4 0 0)

- Domaine de validité de 𝑏3 :
Il faut que
3
0 −1
4 40
1 0
𝐴−1
𝐼 𝐵 = − 1 0 (24) ≥ (0)
2 𝑏3 0
1
( 4 0 0)

3
0 −1
4 40 30 − 𝑏3 ≥ 0
1
− 1 0 24
( )={ 4≥0 → −∞ < 𝑏3 ≤ 30
2 𝑏3 10 ≥ 0
1
( 4 0 0)

4) Introduction d'une nouvelle variable

Si nous voulons ajouter une nouvelle variable 𝑥𝑛+1 au programme linéaire possédant les
caractéristiques suivantes :

𝑐𝑛+1 son coefficient dans la fonction économique,

𝑎𝑖,𝑛+1 son coefficient dans la contrainte 𝑖 (𝑖 = 1, … , 𝑚)

La contrainte duale correspondante à cette variable est :

𝑎1,𝑛+1 𝑦1 + 𝑎2,𝑛+1 𝑦2 + ⋯ + 𝑎𝑚,𝑛+1 𝑦𝑚 ≥ 𝑐𝑛+1

12
 EZZEDDINE DELHOUMI
RECHERCHE OPERATIONNELLE

En remplaçant les 𝑦𝑖 , (𝑖 = 1, … , 𝑚) par leurs valeurs optimales 𝑦𝑖∗ , (𝑖 = 1, … , 𝑚) , deux cas

peuvent se présenter :
∗
- Cette contrainte duale est vérifiée. Alors (𝑥𝑛+1 = 0) ce que veut dire qu'il n'est pas
profitable d'introduire cette nouvelle variable. Donc la solution optimale initiale ne
changera pas.
- Cette contrainte duale n'est pas vérifiée. Il serait alors rentable d'introduire cette
nouvelle variable dans le Programme linéaire. Ce que veut dire que 𝑥𝑛+1 va devenir
une variable de base. Pour se faire, on revient au primal, on considère le dernier
tableau de la solution optimale initiale et on introduit la nouvelle variable 𝑥𝑛+1 dans
𝑎1,𝑛+1
−1
le tableau. La colonne associée à cette variable doit être égale à : 𝐴𝐼 × ( ⋮ ). Si
𝑎𝑚,𝑛+1
2
nous recalculons la valeur marginale de cette variable, on va la trouver positive (en
cas de maximisation bien sûr). Ce que veut dire que la solution optimale initiale n'est
plus optimale. Dans ce cas la variable 𝑥𝑛+1 va entrer dans la base et prend la place
d'une variable déjà dans la base. En continuant les itérations jusqu’à la trouvaille de la
nouvelle solution optimale.

Exemple :
Reprenons l'exemple précédent :

𝑀𝑎𝑥 𝑍 = 4𝑥1 + 5𝑥2

𝑠/𝑐
3𝑥1 + 𝑥2 ≤ 1
𝑥1 + 4𝑥2 ≤ 1
{ 𝑥1 , 𝑥2 ≥ 0

Le dernier tableau du simplexe est :

4 5 0 0
RHS
𝑥1 𝑥2 𝑒1 𝑒2
4 𝑥1 1 0 4/11 -1/11 3/11
5 𝑥2 0 1 -1/11 3/11 2/11
𝛿𝑗 0 0 -1 -1 Z=2

2
La valeur marginale de cette variable est égale aussi à la différence entre le premier et le second membre de la
contrainte duale correspondante.

13
 EZZEDDINE DELHOUMI
RECHERCHE OPERATIONNELLE

𝑥1∗ = 3/11 𝑒𝑡 𝑥2∗ = 2/11 𝑑𝑒𝑠 𝑉𝐵

La solution du primal est : { 𝑒1∗ = 𝑒2∗ = 0 𝑑𝑒𝑠 𝑉𝐻𝐵
∗
𝑍𝑥 = 2

𝑦1∗ = 1 𝑒𝑡 𝑦2∗ = 1 𝑑𝑒𝑠 𝑉𝐵

La solution du dual est : { 𝑒1′∗ = 𝑒2′∗ = 0 𝑑𝑒𝑠 𝑉𝐻𝐵
∗
𝑍𝑦 = 2

Nous allons maintenant voir deux cas : en premier cas, l'ajout d'une nouvelle variable
n'a pas d'effet sur la solution optimale initiale et en second cas cet ajout a un effet
significatif. En effet,
- Si on introduit une nouvelle variable 𝑥3 possédant les caractéristiques suivantes :
𝑐3 = 1, 𝑎13 = 6 𝑒𝑡 𝑎23 = 7
Le PL sera comme suit :
𝑀𝑎𝑥 𝑍 = 4𝑥1 + 5𝑥2 + 𝒙𝟑
𝑠/𝑐
3𝑥1 + 𝑥2 + 𝟔𝒙𝟑 ≤ 1
𝑥1 + 4𝑥2 + 𝟕𝒙𝟑 ≤ 1
{ 𝑥1 , 𝑥2 , 𝒙𝟑 ≥ 0

La contrainte duale correspondante à 𝑥3 est :

6𝑦1 + 7𝑦2 ≥ 1. Si nous remplaçons les variables duales 𝑦1 𝑒𝑡 𝑦2 par leurs valeurs
optimales 𝑦1∗ 𝑒𝑡 𝑦2∗ la contrainte duale reste vérifiée. En effet,
6 × 1 + 7 × 1 = 13 ≥ 1 → 𝑣𝑟𝑎𝑖. Alors il n'est pas profitable d'introduire 𝑥3 (elle va
rester une variable hors base) et la solution optimale initiale reste optimale.
- Supposons maintenant que les caractéristiques de la variable 𝑥3 sont les suivants :
𝑐3 = 6, 𝑎13 = 1 𝑒𝑡 𝑎23 = 2
La contrainte duale correspondante à 𝑥3 est :
𝑦1 + 2𝑦2 ≥ 6. . Si nous remplaçons les variables duales 𝑦1 𝑒𝑡 𝑦2 par leurs valeurs
optimales 𝑦1∗ 𝑒𝑡 𝑦2∗ la contrainte duale ne reste plus vérifiée. En effet,
1 + 2 × 1 = 3 ≥ 6 → 𝑓𝑎𝑢𝑥. Alors il est profitable d'introduire 𝑥3 dans la base car la
valeur marginale de cette variable est égale à
𝛿𝑥3 = 𝑐3 − 𝑦1∗ − 2 𝑦2∗ = 6 − 3 = 3 > 0. Cherchons alors une autre solution optimale.

4 5 6 0 0
RHS
𝑥1 𝑥2 𝒙𝟑 𝑒1 𝑒2
4 𝑥1 1 0 2/11 4/11 -1/11 3/11
5 𝑥2 0 1 5/11 -1/11 3/11 2/11 → 𝑉𝑆
𝛿𝑗 0 0 3 -1 -1 Z=2

14
 EZZEDDINE DELHOUMI
RECHERCHE OPERATIONNELLE

↑
𝑉𝑒

Les éléments de la colonne de 𝑥3 dans le tableau du simplexe sont égaux à

4 1 2
𝑎13 − 11 1
𝐴−1
𝐼 × (𝑎 ) = ( 111 3 ) ( ) = (11
5)
23 − 2
11 11 11

𝑥3 entre dans la base et 𝑥2 sort de la base. Le tableau suivant sera :

4 5 6 0 0
RHS
𝑥1 𝑥2 𝑥3 𝑒1 𝑒2
4 𝑥1 1 -2/5 0 2/5 -1/5 1/5
6 𝑥3 0 11/5 1 -1/5 3/5 2/5
𝛿𝑗 0 -33/5 0 -2/5 -14/5 Z = 16/5

1 2
𝑥1∗ = 5 𝑒𝑡 𝑥3∗ = 5 𝑑𝑒𝑠 𝑉𝐵
La nouvelle solution optimale est : { 𝑥2∗ = 𝑒1∗ = 𝑒2∗ = 0 𝑑𝑒𝑠 𝑉𝐻𝐵
16
𝑍𝑥∗ = = 3,2
5

Remarquons que l'introduction de la variable 𝑥3 a fait augmenter la valeur de la

fonction économique de 1,2 points (1,2 = (3,2 − 2)).

5) Addition d'une nouvelle contrainte

Supposons que nous proposons d'ajouter une nouvelle contrainte :

𝑎𝑝1 𝑥1 + ⋯ + 𝑎𝑝𝑛 𝑥𝑛 ≤ 𝑏𝑝 . Nous devrons examiner si les valeurs des variables de la solution
optimale initiale vérifient cette contrainte ou non. Si oui, la solution optimale initiale reste
optimale. Sinon, la variable d'écart 𝑒𝑝 de cette contrainte est négative. Dans ce cas la solution
optimale initiale ne reste pas optimale (elle devient non réalisable) et il faut chercher une
nouvelle solution. Cette nouvelle solution peut se faire de deux méthodes :

• Première méthode :

15
 EZZEDDINE DELHOUMI
RECHERCHE OPERATIONNELLE

Si on passe au dual, l'ajout d'une contrainte au primal revient à l’introduction d’une variable
au dual. Dans ce cas le traitement se fait par l'utilisation de la méthode du paragraphe
précédent sur le dual. Une fois la solution optimale du duale est atteinte, on pourra
déterminer la solution optimale du primal par déduction.

• Deuxième méthode :

En exécutant le primal et en ajoutant au dernier tableau de la solution optimale initiale une

colonne pour la variable d'écart 𝑒𝑝 de cette contrainte et une ligne pour celle-ci. La variable
d'écart 𝑒𝑝 sera prise comme variable de base associée à cette contrainte. Ensuite il faut
faire les changements nécessaires pour que les éléments des colonnes correspondants aux
variables de bases dans le tableau de simplexe soient nuls sauf leurs éléments pivots qui
doivent être égaux à 1. Suit à ces changements nous apercevrons que la valeur de la
variable 𝑒𝑝 va devenir négative. Dans ce cas nous appliquerons la méthode "dual simplexe"
pour poursuivre les itérations dans le but de trouver cette nouvelle solution optimale.

Exemple :
Soit le programme linéaire suivant :

𝑀𝑎𝑥 𝑍 = 4𝑥1 + 𝑥2 𝑀𝑎𝑥 𝑍 = 4𝑥1 + 𝑥2 + 0𝑒1 + 0𝑒2

𝑠/𝑐 𝑠/𝑐
𝑥1 + 2𝑥2 ≤ 2 𝑥1 + 2𝑥2 + 𝑒1 = 2
⇒
2𝑥1 + 𝑥2 ≤ 2 2𝑥1 + 𝑥2 + 𝑒2 = 2
𝑥1 , 𝑥2 ≥ 0 𝑥1 , 𝑥2 , 𝑒1 , 𝑒2 ≥ 0
{𝑓𝑜𝑟𝑚𝑒 𝑐𝑎𝑛𝑜𝑛𝑖𝑞𝑢𝑒 { 𝑓𝑜𝑟𝑚𝑒 𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑑

Le dernier tableau du simplexe est :

4 1 0 0
RHS
𝑥1 𝑥2 𝑒1 𝑒2
0 𝑒1 0 3/2 1 -1/2 1
4 𝑥1 1 1/2 0 1/2 1
𝛿𝑗 0 -1 0 -1 Z=4

𝑥1∗ = 𝑒1∗ = 1 𝑑𝑒𝑠 𝑉𝐵

La solution du primal est : {𝑥2∗ = 𝑒2∗ = 0 𝑑𝑒𝑠 𝑉𝐻𝐵
𝑍𝑥∗ = 4

• Si on introduit la nouvelle contrainte suivante :

16
 EZZEDDINE DELHOUMI
RECHERCHE OPERATIONNELLE

𝑥1 + 𝑥2 ≤ 6 , remplaçant les variables par leur valeurs optimales et voir si cette

contrainte est vérifiée ou non : 𝑥1∗ + 𝑥2∗ = 1 + 0 = 1 ≤ 6 → 𝑣𝑟𝑎𝑖 .Puisque cette
contrainte est vérifiée alors la solution optimale initiale ne changera pas.
• Si on introduit la nouvelle contrainte suivante :
3𝑥1 + 𝑥2 ≤ 2 , remplaçant les variables par leur valeurs optimales et voir si cette
contrainte est vérifiée ou pas : 3𝑥1∗ + 𝑥2∗ = 3 × 1 + 0 = 3 ≤ 2 → 𝑓𝑎𝑢𝑥 . Cette contrainte
n'est pas vérifiée alors la valeur de la variable d'écart 𝑒3 de cette contrainte est négative
(𝑒3 = (𝑏3 − 3𝑥1∗ + 𝑥2∗ ) = 2 − 3 = −1) . Cherchons la nouvelle solution optimale. En
effet,
La contrainte ajoutée dans le PL sous la forme standard s'écrit : 3𝑥1 + 𝑥2 + 𝑒3 = 2

Les transformations nécessaires dans le tableau de la solution optimale initiale sont :

4 1 0 0 0
RHS
𝑥1 𝑥2 𝑒1 𝑒2 𝒆𝟑
𝐿1 0 𝑒1 0 3/2 1 -1/2 0 1
𝐿2 4 𝑥1 1 1/2 0 1/2 0 1
𝐿3 0 𝒆𝟑 3 1 0 0 1 2
𝛿𝑗 0 -1 0 -1 0

Les transformations faites sont encore insuffisantes car 𝑥1 est une variable de base
alors qu'un élément de sa colonne dans le tableau doit être nul mais on le trouve égal
à 3. Donc on doit faire les changements nécessaires pour que cet élément soit nul.
Pour se faire, la ligne 𝐿3 va être remplacée par 𝐿′3 = 𝐿3 − 3𝐿2 . Le tableau devient le
suivant :

4 1 0 0 0
RHS
𝑥1 𝑥2 𝑒1 𝑒2 𝑒3
𝐿1 0 𝑒1 0 3/2 1 -1/2 0 1
𝐿2 4 𝑥1 1 1/2 0 1/2 0 1
𝐿′3 0 𝑒3 0 -1/2 0 -3/2 1 -1 → 𝑉𝑆
Solution
𝛿𝑗 0 -1 0 -1 0 non
réalisable
↑
𝑉𝑒

17
 EZZEDDINE DELHOUMI
RECHERCHE OPERATIONNELLE

4 1 0 0 0
RHS
𝑥1 𝑥2 𝑒1 𝑒2 𝑒3
0 𝑒1 0 5/3 1 0 -1/3 4/3
4 𝑥1 1 1/3 0 0 1/3 2/3
0 𝑒2 0 1/3 0 1 -2/3 2/3
𝛿𝑗 0 -1/3 0 0 -4/3 Z = 8/3

2 4 2
𝑥1∗ = 3 , 𝑒1∗ = 3 𝑒𝑡 𝑒2∗ = 3 𝑑𝑒𝑠 𝑉𝐵
La solution du primal est : { 𝑥2∗ = 𝑒3∗ = 0 𝑑𝑒𝑠 𝑉𝐻𝐵
8
𝑍𝑥∗ = = 2,66
3

Remarque : la nouvelle contrainte est effectivement contraignante car la valeur de la fonction

8
objectif est passée de 4 à une valeur inferieure égale à 𝑍 = 3 = 2,66 .

18