Vous êtes sur la page 1sur 57

1

Partie I : Programmation

linaire
Pr : E. EL GUARMAH
2
Principe :

Forme canonique
Rsolution graphique
Mthode du simplexe
Dualit
Complment : variables artificielles


3
Principe :


La programmation linaire a pour objet de rsoudre un problme
conomique :

Optimiser (recherche dun maximum ou dun minimum) une
fonction conomique de forme linaire,

Compte tenu de contraintes (quations et/ou inquations
linaires).

4
I. Forme canonique

Il sagit de ltape la plus importante de la rsolution. Elle consiste
exprimer sous une forme mathamtiques un problme nonc de faon
littraire.
Forme canonique
(Mathmatisation du problme)
1- Dfinir de faon prcise les variables.
2- Exprimer les contraintes.
3- Exprimer la fonction conomique.
5
I. Exemple 1 : problme de maximisation comportant
deux variables
Une entreprise fabrique deux produits P1 et P2. les ressources requises
pour la fabrication dune tonne de chaque produit et le profit unitaire
sont donnes par le tableau suivant :
Ressources Produit P1 Produit P2 Disponibilit de
chaque ressource
Espace (m2)
Main douvre
(homme - semaine)
Matriaux (tonne)
Matriaux2
2
1

1
1
1
2

1
3
10
10

6
12
Profit sur chaque
produit
1 2
Question : Quelle quantit de chaque produit lentreprise devrait
elle fabriquer afin de maximiser son profit ?
6
I. Modlisation du problme
Dfinition des variables :
Soit : x : le nombre de tonne de P1 quon fabrique
y : le nombre de tonne de P2 quon fabrique
Contraintes :





Fonction conomique :
Maximiser x + 2y

10 2 ) 1 ( s + y x
10 2 ) 2 ( s + y x
6 ) 3 ( s + y x
0 ) 5 ( > x
0 ) 6 ( > y
12 3 ) 4 ( s + y x
dites videntes ou implicites
7
Do la forme canonique :



I. Forme canonique du problme

>
>
s +
s +
s +
s +
+
0
0
12 3
6
10 2
10 2
2
y
x
y x
y x
y x
y x
y x Maximiser
Ce programme est dit linaire car les contraintes et
la fonction conomique sont du premier degr

8
I. Exemple 2 : problme de minimisation comportant
deux variables
La Saudel envisage de confier son unit de production du Nord-Est,
llaboration des coussinets (A) et des paliers (B) demands par
certains industriels; cette fabrication devra rpondre aux contraintes
mensuelles suivantes :
- Fabrication minimale :
. Coussinets (A) : 4 000 units
. Paliers (B) : 5 000 units

- La matire premire sera livr par lunsine principale lunit de
production qui devra traiter un minimum de 36 000 kg de matire,

- En ce qui concerne la main doeuvre, et compte tenu des perspectives
de dveloppement ultrieur, le maximum sera fix 10 000 heures.

9
I. Exemple 2 : problme de minimisation comportant
deux variables
Renseignement complmentaires :










La socit souhaite dterminer le programme mensuel de
farication des coussinets (A) et des paliers (B), sachant que
le cot des transports mis en place entre lunit de
production et lusine principale pour lacheminement des
matires premires et le retour des produits finis devra tre
rendu minimal; le prix de ce transport a t estim 2
Euros par kilo de matire ou de produit fini transport.

Prsenter la forme canonique du programme

A B
Matire premire par produit
Main duvre par produit
2 kg
1 Heure
3 kg
0,5 Heure
Poids du produit fini 1,5 kg 2 kg
10
I. Modlisation du problme
Dfinition des variables :
Soit : x : le nombre de coussinets A produire chaque mois
y : le nombre de paliers B produire chaque mois.
Contraintes :
- Contraintes de positivit :

- Contraintes de march :


- Contraintes techniques :


0
0
>
>
y
x
000 5
000 4
>
>
y
x
000 10 5 , 0
000 36 3 2
s +
> +
y x
y x
11
Fonction conomique :
Cot du poids transport pour un produit A : (2+1,5)2 = 7 Euros
Cot du poids transport pour un produit B : (3+2)2 = 10 Euros

Minimiser 7x+10y



12
Do la forme canonique :



I. Forme canonique du problme

>
>
s +
> +
>
>
+
0
0
000 10 5 , 0
000 36 3 2
000 5
000 4
10 7
y
x
y x
y x
y
x
y x Minimiser
Ce programme est dit linaire car les contraintes et
la fonction conomique sont du premier degr

13
La programmation mathmatique suppose lcriture dun
modle doptimisation sous contrainte. On la considre
souvent comme un ensemble de techniques permettant la
rsolution de tels modles:



I. Forme canonique du problme

9 c e
= s
n
i
S x
n i x g
x F Minimiser
,..., 1 0 ) (
s contrainte les sous
) (
x=(x1,.,xn) : sont des inconnues du problme
F est appel la fonction objectif (on dit aussi fonction conomique)
et lensemble des conditions g
i
(x)0 (i=1,.,n) et
Sont les contraintes du problme.
S xe
14
La rsolution graphique est privilgier pour les programmes linaires
deux variables.
II. Rsolution graphique
I I .1- Dtermination du Domaine des Solutions Acceptables (DSA)
Chaque contrainte partage le plan en deux parties. Ltude du point (0,0)
permet de dfinir :
Le demi-plan qui respecte la contrainte.
Si linquation est vrifi pour (0,0), le demi-plan fait partie du domaine des
solutions acceptables.

Quand lingalit est au sens large, les points de la droite font partie du
Domaine des Solutions Acceptables (D.S.A)
200
150
100
50
0
0 50
100 150 200
X
Y
900 5 6 s + y x
15
II. Rsolution graphique
Le demi-plan qui ne respecte pas la contrainte.

Si linquation nest pas vrifi pour (0,0), on hachure cette partie qui
ne fait pas partie du domaine des solutions acceptables.

200
150
100
50
0
0 50
100 150 200
X
Y
Le Domaine des Solutions Acceptables (D.S.A) est
lensemble des combinaisons (x,y) qui respecte les
contraintes du programme linaire.
80 > + y x
16
Pour tracer une fonction conomique (ax+by), il faut tudier ax+by=k,
en donnant une valeur k (gnralement 0).

Il sagit dune famille de droites parallles de coefficients directeur

Exemple : tudier la fonction x+2y


II. Rsolution graphique
I I .2- Tracement de la fonction conomique
x
b
a

K=0 K=100 K=200


Fonction
passe par
et par
valeur de F
x+2y=0
(0;0)
(100;-50)
F=0
x+2y=100
(0;50)
(100;0)
F=100
x+2y=200
(0;100)
(200;0)
F=200
17

Plus la valeur k augmente (diminue), plus la parallle
de F est loigne (proche) de lorigine et plus la
valeur de lobjectif augmente (diminue)
50
100
200
50
100
K=0
K=100
K=200
18
Le rsultat suivant sera admis : sil existe au moins une solution optimale, il y a un
sommet du D.S.A qui correspond une solution optimale.
Deux mthodes de recherche sont possibles :

Mthode analytique
La valeur de la fonction conomique ax+by doit tre optimale

II. Rsolution graphique
I I .3- Recherche de loptimum
MAXIMISATION
Plus la valeur k est grande,
meilleur est le rsultat
La solution maximale est donc
le sommet par lequel passe la
parallle de F la plus loigne
du point dorigine (0;0)
MINIMISATION
Plus la valeur k est petite,
meilleur est le rsultat
La solution minimale est donc
le sommet par lequel passe la
parallle de F la plus proche
du point dorigine (0;0)
19
Mthode numrative
La mthode numrative consiste calculer la valeur de F en chacun
des sommets du domaine des solutions acceptables et retenir la
solution optimale.

Cette mthode est utiliser en complment de la prcdente, lorsque
la translation de la fonction conomique laisse un doute entre des
sommets proches.

Exemple : rsolution graphique des problmes prsents
en paragraphe 1.
I. Langage lmentaire des graphes
20
Quand la fonction conomique est parallle un cot du domaine des solutions
acceptables et ne passe plus par un seul sommet, la solution optimale nest pas unique
et le cas est dit dgnr.

Lensemble des solutions optimales est infini et se compose de toutes les combinaisons
situs sur le segment du domaine des solutions acceptables parallles la fonction
conomique.

Exemple : prsentation dun cas dgnr
II. Rsolution graphique
I I .4- Cas particulier : dgnrescence

>
>
> +
>
>
+ =
100
50
600 3 2
0
0
600 400
y
x
y x
y
x
y x F Min
21
Cette mthode, applicable quel que soit le nombre de variables, sera prsent dans
ce paragraphe pour des problmes de maximation dont les contraintes (autres que
celles de positivit) sont de type .

Exemple : problme de maximisation comportant trois variables.
La socit BETA fabrique trois modles de meubles : classique, rustique, moderne.
Les standards unitaires de production sont rsums dans le tableau suivant :


III. Mthode du simplexe
Modle
Classique
Modle
Rustique
Modle
Moderne
Capacits
maximales
Bois
Main duvre
Centre finition
Marges sur cots
variables
5
1
2
1000
8
2
2
960
5
3
0
1200
900
516
200
La socit BETA souhaite dterminer les quantits produire pour maximiser
son rsultat.
22
Forme canonique de ce programme :



III. Mthode du simplexe

+ + =
s + +
s + +
s + +
> > >
) ( 1200 960 100
200 0 2 2
516 3 2 1
900 5 8 5
0 ; 0 ; 0
MAX z y x F
z y x
z y x
z y x
z y x
23

La mthode du simplexe ncessite une mise sous forme standard :

Les ingalits sont transformes en galits grce lintroduction de
variables dcarts positives ou nulles notes e
i
.




Il y a une variables dcart pour chaque contrainte autre que contrainte de positivit
3.1 Forme standard
24
3.1 Forme standard

+ + =
= + + +
= + + +
= + + +
> > > > > >

+ + =
s + +
s + +
s + +
> > >
) ( 1200 960 100
200 0 2 2
516 3 2 1
900 5 8 5
0 ; 0 ; 0 ; 0 ; 0 ; 0
: standard Forme
) ( 1200 960 100
200 0 2 2
516 3 2 1
900 5 8 5
0 ; 0 ; 0
: canonique Forme
3
2
1
3 2 1
MAX z y x F
e z y x
e z y x
e z y x
e e e z y x
MAX z y x F
z y x
z y x
z y x
z y x
25
Les calculs sont prsents dans des tableaux en utilisant la mthode du pivot de
Gauss
3.2 Recherche de la solution optimale
3.2.1 Interprtation dun tableau

3.2.2 Solution de dpart : premier tableau

3.2.3 Dtermination du pivot

3.2.4 Progression jusqu la solution optimale
26
3.2.1 Interprtation dun tableau
QUEL QUE SOIT LE TABLEAU
Les variables hors - base sont gales zro,
La valeur des variables dans la base est lue dans la colonne B,
Loptimum est atteint si tous les coefficients de la dernire
ligne sont ngatifs ou nuls
27

Le premier tableau reprend les coefficients de la forme standard
3.2.2 Solution de dpart : premier tableau
Hors base


En base
x y z . . . B
e
1

e
2

e
3

5
1
2
8
2
2
5
3
0
1
0
0
0
1
0
0
0
1
900
516
200
F 1000 960 1200 0 0 0 0
Lecture du tableau
Variables Variables
hors base dans la base
x=0 e
1
=900
y=0 e
2
=516
z=0 e
3
=200
F=0
28
Interprtation du tableau
Il sagit de la solution admissible de dpart qui
respecte toutes les contraintes.

La production est donc nulle (x=0;y=0;z=0) et la
valeur de la fonction objectif est gale 0.

Cette solution peut tre amliore puisque les
coefficients de la ligne F ne sont pas ngatifs ou
nuls.

29
3.2.3 Dtermination du pivot
La variable qui entre dans la base est celle dont le coefficient positif
de dernire ligne est le plus grand.

La variable qui sort de la base est celle dont la rsultante (R) positive
est la plus petite.

Le pivot est situ lintersection de la variable entrante et de la variable
sortante.
Remarque : si un zro apparat dans la colonne B et quil faut dterminer
une variable sortante, il faut le remplacer par un nombre positif infiniment
petit, not , et continuer les calculs avec cette valeur. A loptimum, cette
valeur sera considre comme gale zro.
30
3.2.3 Dtermination du pivot
Hors base


En base
x y z . . . B
e
1

e
2

e
3

5
1
2
8
2
2
5
3
0
1
0
0
0
1
0
0
0
1
900
516
200
F 1000 960 1200 0 0 0 0
R


900/5=180
516/3=172 e
2
sort de la base
200/ =

L1
L2
L3
L4
z entre dans la base
3
31
3.2.4 Progression jusqu la solution optimale
Hors base


En base
x y . .
e
2
. B
e
1

z
e
3

10/3
1/3
2
14/3
2/3
2
0
1
0
1
0
0
-5/3
1/3
0
0
0
1
40
172
200
F 600 160 0 0 -400 0 -206 400
L1=L1-5Lp
L2=Lp=L1/3
L3=L3-0Lp
L4=L4-1200Lp
z est entr dans la base, tandis que e
2
en est sorti
Deuxime tableau
Valeur de F au signe prs
32
Interprtation du tableau
Les variables hors base sont nulles : x=y=e
2
=0.
Les variables en base sont e
1
=40,z=172 et e
3
=200

La production est donc gale 172 produits z.
Lobjectif est gal 206 400 Euros.

Cette solution peut tre amliore puisque les
coefficients de la ligne F ne sont pas ngatifs ou
nuls.

33
3.2.3 Dtermination du pivot
R


12 e
1
sort de la base
516
100

L1
L2
L3
L4
x entre dans la base
10/3
Hors base


En base
x y . .
e
2
. B
e
1

z
e
3


1/3
2
14/3
2/3
2
0
1
0
1
0
0
-5/3
1/3
0
0
0
1
40
172
200
F 600 160 0 0 -400 0 -206 400
34
3.2.4 Progression jusqu la solution optimale
Hors base


En base
x y .
e
1
e
2
. B
x
z
e
3

1
0
0
1,4
0,2
-0,8
0
1
0
0,3
-0,1
-0,6
-0,5
0,5
1
0
0
1
12
168
176
F 0 -680 0 -180 -100 0 -213 600
L 1=Lp=L1/(10/3)
L2=L2-(1/3)Lp
L3=L3-2Lp
L4=L4-600Lp
Troisime tableau
Valeur de F au signe prs
35
Interprtation du tableau
Les variables hors base sont nulles : y=e
1
=e
2
=0.

Les variables en base sont x=12,z=168 et e
3
=176

Il sagit de la solution optimale puisque tous
coefficients de la dernire ligne (ou taux marginaux
de substitution) sont ngatifs ou nuls.

La solution optimale est la production de 12
modles classiques, 0 modle rustique et 168
modles modernes pour une marge sur cots
variables maximales de 213 600 Euros.


36
Exemple :



IV. Dualit

+ + =
> + +
> + +
> > >
z y x F MIN
z y x
z y x
z y x
120 160 195
10 5 . 1 1 5 . 2
16 1 2 1
0 ; 0 ; 0
1- La rsolution graphique nest pas
applicable puisque le programme
comporte plus de deux variables

2-La mthode du simplexe na t
prsente que pour des contraintes
37
La dualit permet de rsoudre les problmes de minimisation dont les contraintes
(autres que celles de positivit) sont de sens :



IV. 1 Du programme primal au programme dual

Le nombre de variables du dual est gal au nombre de contraintes
(autres que celles de positivit) du primal. Elles doivent tre diffrencies
de celles du primal.

Le nombre de contraintes du dual est gal au nombre de variables du
primal.

Les coefficients des colonnes (lignes) du primal sont les coefficients des
lignes (colonnes) du dual.
Les ingalits du dual sont de sens oppos celles du primal.
Les coefficients de la fonction conomique du primal sont les contraintes
du dual.
Si le primal est une minimisation, le dual est une maximisation, et inversement.
Les coefficients de la fonction conomique du dual sont les contraintes du primal.

ELABORATION DU DUAL
Remarque : le dual du dual est le primal
38
IV. 1 Du programme primal au programme dual

+ +
> + +
> + +
> + +
> > >
) (
0 ; 0 ; 0
primal programme dit est rsoudre programme Le : PRIMAL
3 2 1
3 2 1
3 2 1
3 2 1
z d y d x d MIN
C z c y c x c
B z b y b x b
A z a y a x a
z y x

+ +
s + +
s + +
s + +
> > >
) (
0 ; 0 ; 0
DUAL
3 3 3 3
2 2 2 2
1 1 1 1
Cw Bv Au MAX
d w c v b u a
d w c v b u a
d w c v b u a
w v u
La rsolution du dual impose de retrouver les solutions du primal
39
IV. 2 Interprtation du problme dual

+
s +
s +
s +
> >

+ +
> + +
> + +
> > >
) 10 16 (
120 5 . 1 1
160 1 2
195 5 . 2 1
0 ; 0
DUAL
) 120 160 195 (
10 5 . 1 1 5 . 2
16 1 2 1
0 ; 0 ; 0
PRIMAL
v u MAX
v u
v u
v u
v u
z y x MIN
z y x
z y x
z y x
40
IV. 3 Rsolution du problme

+ + + +
= + +
= + +
= + +
> > >
> >
) 0 0 0 10 16 (
120 5 . 1 1
160 1 2
195 5 . 2 1
0 ; 0 ; 0
0 ; 0
: dual du standard Forme
3 2 1
3
2
1
3 2 1
e e e v u MAX
e v u
e v u
e v u
e e e
v u
Il sagit de rsoudre le primal. Il faudra donc dterminer la solution du
programme primal partir de la rsolution du programme dual.
41
Premier tableau
Hors base


En base
u v . . . B
e
1

e
2

e
3

1

1
2.5
1
1.5
1
0
0
0
1
0
0
0
1
195
160
120
F 16 10 0 0 0 0
R


195/1=195
160/2=80 e
2
sort de la base
120/1 = 120

L1
L2
L3
L4
u entre dans la base
2
42
Deuxime tableau
Hors base


En base
. v . e
2


. B
e
1

u
e
3

0
1
0
2
0.5

1
0
0
-0.5
0.5
-0.5
0
0
1
115
80
40
F 0 2 0 -8 0 -1280
R


115/2=57,5
80/0,5=160
40/1 = 40 e3 sort de la base

L1=L1-1Lp
L2= Lp=L2/2
L3=L3-1Lp
L4=L4-16Lp
u entre dans la base
1
43
Troisime tableau
Hors base


En base
. . . e
2


e
3
B
e
1

u
v
0
1
0
0
0
1
1
0
0
-0.5
0.5
-0.5
0
0
1
35
60
40
F 0 0
0 -7 -2 -1360
L 1=L1-2Lp
L2= L2-0,5Lp
L3=Lp=L3/1
L4=L4-2Lp
x y z
44
Loptimum du dual est atteint, mais il sagit de rsoudre le programme primal :



IV. 3 Rsolution du problme
A loptimum, la solution du programme primal est, au signe prs, lue sur la
dernire ligne du tableau dans les colonnes des variables dcart.

Remarque : loptimum, la valeur de la fonction conomique du dual est gale
celle du primal.
SOLUTIONS DU PRIMAL
La solution du primal est donc :
x=0
y=7
z=2
F=1360
45
Lintroduction de variables artificielles permet de rsoudre le problme pos
Par les contraintes :



V. COMPLEMENT : VARIABLES ARTIFICIELLES
1- Introduire une variable artificielle par contrainte .
La variable dcart de la contrainte, affecte du coefficient -1, est mise hors base.
2- Elles permettent simplement lgalit dans la forme standard et ne sont pas une
donne du problme. En consquence, elles doivent tre nulles loptimum.
Pour cela, il faut les faire sortir de la base en leur donnant un coefficient fortement
Pnalisant dans la fonction conomique :
Sil sagit dune maximisation, le coefficient affect la variable est trs ngatif : -M.
Sil sagit dune minimisation, le coefficient affect la variable est trs positif : +M

VARIABLES ARTIFICIELLES
46
V.1 Rsolution dune maximisation
z y x F Max
z y x
z y x
z y x
200 500 100 ) (
5000 1 2
10000 3 1
; 0 ; 0 ; 0
: linaire programme le Soit
+ + =

> + +
s + +
> > >
1 2 1
1 2
1
1 2 1
0 0 200 500 100 ) (
5000 1 2
10000 3 1
; 0 ; 0 ; 0
; 0 ; 0 ; 0
: est programme ce de standard forme La
Ma e e z y x F Max
a e z y x
e z y x
a e e
z y x
+ + + + =

= + + +
= + + +
> > >
> > >
47
V.1 Rsolution dune maximisation
Daprs la deuxime contrainte : a1=5000-2x-y-z+e2
Do F=100x+500y+200z+0e1+0e2-M(5000-2x-y-z+e2)
F=100x+500y+200z+0e1+0e2+2xM+yM+zM-e2M-5000M

48
Premier tableau
Hors base


En base
x y z

. e
2


. B
e
1
a
1

1


3
1
1
1

1
0

0
-1

0
1

10000
5000
F 100
+2M
500
+1M
200
+1M
0 0
-1M
0 0
+5000M
R


10000/1=10000
5000/2=2500

2M est le plus fort coefficient.
2
Changer le signe
puisque F est lue
au signe prs
49
Deuxime tableau
Hors base


En base
. y z

. e
2


a
1
B
e
1
x
0
1

0,5
1
0,5

1
0

0,5
-0,5

-0,5
0,5

7500
2500
F 0 450
+0M
150
+0M
0 0
+0M
-50
-M
-250 000
+0M
R


7500/2,5=3000
2500/0,5=5000

450 est le plus fort coefficient positif.
2,5
La sortie de la base dune variable artificielle tant dfinitive, sa
colonne peut tre supprime.
50
Troisime tableau
Hors base


En base
. . z

e
1
e
2


B
y
x
0
1
1
0
0,4
0,3

0,4
-0,2

0,2
-0,6

3000
1000
F 0 0

-30 -180 -40

-1 600 000
La solution optimale est atteinte : x=1 000; y=3 000; z=0 et F= 1 600 000.
51
V.2 Rsolution directe dune minimisation
Les principes de rsolution sont les mmes lexception du choix
de la variable qui entre dans la base : la variable entrante est celle
dont le taux marginal de substitution est le plus ngatif. Loptimum
est atteint quand tous les taux marginaux de substitution sont
positifs ou nuls.
52
V.2 Rsolution directe dune minimisation
z y x F Min
z y x
z y x
z y x
120 160 195 ) (
10 5 , 1 1 5 , 2
16 1 2 1
; 0 ; 0 ; 0
: linaire programme le Soit
+ + =

> + +
> + +
> > >
2 1 2 1
2 2
1 1
2 1 2 1
0 0 120 160 195 ) (
10 5 , 1 1 5 , 2
16 1 2 1
; 0 ; 0 ; 0 ; 0
; 0 ; 0 ; 0
: est programme ce de standard forme La
Ma Ma e e z y x F Min
a e z y x
a e z y x
a a e e
z y x
+ + + + + + =

= + + +
= + + +
> > > >
> > >
53
V.2 Rsolution directe dune minimisation
Daprs la premire contrainte : a1=16-1x-2y-1z+e1
Daprs la deuxime contrainte : a2=10-2,5x-1y-1,5z+e2
Do F=195x+160y+120z+0e1+0e2+M(16-1x-2y-1z+e1)+M(10-2,5x-1y-1,5z+e2)
F=195x+160y+120z+0e1+0e2-3,5Mx-3My-2,5Mz+Me1+Me2+26M

54
Premier tableau
Hors
base


En base
x y z

e
1
e
2


. .
a
1
a
2

1


2
1
1
1,5

-1
0

0
-1

1
0

0
1
F 195
-3,5M
160
-3M
120
-2,5M
0
+M
0
+M
0 0
R


16/1=16
10/2,5=4

-3,5M est le plus ngatif.
2,5
Changer le signe
puisque F est lue
au signe prs
B
16
10
0
-26M
55
Deuxime tableau
Hors
base


En base
. y z

e
1
e
2


. a
2
a
1
x

0
1



0,4
0,4
0,6

-1
0

0,4
-0,4

1
0

-0,4
0,4
F 0 82
-1,6M
3
-0,4M
0
1M
78
-0,4
0 -78
1,4M
R


12/1,6=7,5
4/0,4=10

-1,6M est le plus ngatif.
1,6
B
12
4
-780
-12M
56
Troisime tableau
Hors
base


En base
. . z

e
1
e
2


a
1

a
2
y
x

0
1


1
0
0,25


- 0,625
0,25

0,25
-0,5

0,625
-0,25

F 0 0 -17,5

51,25 57,5 -51,25
1M
R


12/0,25=30
1/0,5=2

0,5
B
7,5
1
-1395

57
Quatrime tableau
Hors base


En base
. . z

e
1
e
2


a
1

a
2
y
x

-0,5
2


1
0
0
1


- 0,75
0,5

0,5
-1

F 35 0 0

60 40
B
7
2
-1360

Loptimum de la minimisation est atteint puisque tous les taux marginaux de
substitution sont positifs ou nuls.
La variable z est hors base et en consquence, z=0.
La solution optimale est donc x=2; y=7; z=0 pour un cot minimum gal
1360.
Remarque : Il est prfrable de passer par le programme dual qui
rduit les calculs.