CHAPITRE 2

Formulation dun programme linaire (PL)

I. Introduction
Aprs avoir illustrer par des exemples, comment un problme pratique peut tre modlis par un programme linaire, ltape qui va suivre sera certainement celle de la rsolution de ce problme mathmatique. La mthode graphique est lune des premires mthodes utilises ce sujet. Si on parle de rsolution graphique alors on doit se limiter une reprsentation deux variables et au plus trois variables. Ceci indique que dans ce chapitre on examinera seulement les programmes linaires deux variables de dcision.

II. Systme daxes

Une des conditions de la russite de notre reprsentation graphique est le choix d'un systme daxes. Un mauvais choix peut rendre notre reprsentation non claire et imprcise.

A cause des contraintes de non-ngativit des variables de dcision, nous nous intressons seulement au cadran positif (voir figure ci-dessus). Cette rgion sappelle la rgion des solutions possibles du problme. Prenons lexemple 2 relatif au problme de mdecine. Le programme linaire est le suivant :
Min s.c. x1 + x2 2 x1 + x2 12 5 x1 + 8 x2 74 x1 + 6 x2 24 x1 0, x2 0

Un bon choix se base sur une lecture des diffrents paramtres du programme linaire. Dans notre cas, on ne peut qualifier de bon, le choix de 20 comme unit dans les deux axes. Pour lexemple, on peut choisir le systme daxes suivant :

x2 12 6 3 6 12 24 x1

III. Reprsentation graphique des contraintes

Parmi les solutions possibles dun problme, il y a ceux qui vont satisfaire toutes les contraintes du programme, appels solutions ralisables, et ceux qui vont satisfaire une partie ou aucune de ces contraintes, appels solutions non ralisables. Une reprsentation graphique des ingalits (des contraintes) va nous permettre de dterminer lensemble des solutions ralisables. Revenons lexemple 2 du problme de mdecine. Une des contraintes de ce problme est celle relative au grain daspirine : 2 x1 + x2 12 . Lensemble des solutions qui vrifient cette ingalit est le mme que celui qui vrifie 2 x1 + x 2 = 12 et 2 x1 + x 2 > 12 .
x2 12 6 3 6 12 24 x1

Lensemble des solutions qui correspond lquation est lensemble des points de la droite l dfinie par x 2 = 2 x1 + 12 . Cette droite admet une valeur de la pente gale 2 et intercepte laxe des ordonnes en 12 (voir figure ci-dessus). Lingalit 2 x1 + x 2 > 12 correspond un demi-plan limit par la droite x 2 = 2 x1 + 12 . Or cette droite divise le plan en deux demi-plans ouverts donc quel est le demi-plan choisir ?
x2 12 6 3 6 12 24 x1

Pour ce faire, il suffit de prendre un point de lun des demi-plans (cest dire nappartenant pas la droite x 2 = 2 x1 + 12 ) et voir sil vrifie lingalit

figure ci-dessus). Lespace hachur reprsente le demi-plan ferm des solutions qui vrifient la contrainte 2 x1 + x 2 > 12 . Si on fait de mme pour les deux autres contraintes du problme (voir figures ci-dessous), on obtient les deux autres demi-plans 2 et 3 relatifs aux solutions vrifiant respectivement les contraintes 5 x1 + 8 x2 74 et x1 + 6 x2 24 .
3
4 6 x1

2 x1 + x 2 > 12 . Par exemple le point de coordonnes (0,0) ne vrifie pas lingalit 2 x1 + x 2 > 12 donc le demi-plan 1 au-dessus de la droite est celui recherch (voir

9.25 6 3

12

24

14,8

24

x1

Une solution possible du problme est dite ralisable si et seulement si elle vrifie toutes les contraintes, cest dire si elle appartient aux trois demi-plans relatifs chaque contrainte du programme linaire, en dautre terme 1 2 3 (voir figure).
x2 12 3 6 x1 Ensemble des solutions ralisables

12

24

Dfinition : Un ensemble E non vide est dit convexe si et seulement si pour tout lment x et y de E et pour tout [0,1], x + (1-) yE. On peut vrifier facilement que chacun des demi-plans 1, 2 , 3 est convexe en vrifiant que pour toute paire de points P1 et P2, lensemble des points qui forment le segment [P1P2] appartient au demi-plan. Thorme : Lintersection densembles convexes (non vide) est convexe. Propositions : Lensemble des solutions ralisables (non vide) est convexe.

IV. Reprsentation de la fonction objectif

Soit z la valeur de la fonction objectif du problme de mdecine z = x1 + x 2 . Pour z=0, la fonction objectif est reprsente de la manire suivante :

x2 12 3 6 x1

24

x1 +x 2 =0

Pour z=6, cest dire que le nombre de pilules prescrire est gale 6 pilules. La fonction objectif est reprsente comme suit :
x2 12 3 6 x1

24

x1 +x 2 =6

Chaque point du segment qui relie les points (6,0) (0,6) reprsente des solutions qui engendrent une prescription avec 6 pilules des deux tailles. On peut tracer une infinit de droites qui reprsentent les diffrentes valeurs de la fonction objectif, toutes ces droites ont le mme coefficient directeur (-1). Par suite elles sont parallles entre elles. De plus on peut diminuer la valeur de z indfiniment dans le sens indiqu dans la figure ci-dessous.
x2 12 3 x1 6

z =6 z =12

z =18

Le problme est de connatre quelle est la droite qui correspond la valeur minimal de la fonction objectif ?

V. Recherche de la solution optimale

a. Rsolution graphique Si nous retraons lensemble des droites parallles relatives diffrentes valeurs de la fonction objectif sur la figure qui reprsente lensemble des solutions ralisables, on peut localiser la solution optimale. Elle correspond la solution ralisable qui intercepte la droite la plus petite valeur de z.

x2 12 B 3 6 x1 Z=10

12

Dans notre exemple, la solution optimale est lintersection des deux contraintes 2 x1 + x2 12 et 5 x1 + 8 x2 74 . Une valuation des coordonnes de ce point revient rsoudre le systme linaire suivant :
2 x1 + x 2 = 12 5 x1 + 8 x 2 = 74

Elle correspond daprs le graphique au point (2,8). Donc la prescription optimale est de 2 pilules de petite taille et 8 pilules de grande taille. Le nombre de pilules (la valeur de la fonction objectif) est gale 10. b. Rsolution par numration : On remarque que la solution optimale du problme de mdecine est un point extrme qui se trouve sur le bord de lensemble des solutions. Une telle solution est dite solution ralisable de base. On peut admettre le rsultat suivant : Si un programme linaire admet une solution optimale alors il existe une solution ralisable de base pour laquelle la fonction objectif atteint la valeur optimale Une mthode de rsolution du programme linaire consiste donc dterminer les solutions ralisables de base (les points dintersection des droites qui forment les contraintes) et calculer pour chaque point la valeur de la fonction objectif. La solution du programme linaire est la solution qui on associe la valeur optimale de la fonction objectif.
x2 12 3 6 A B C 12 D x1

Dans le problme de mdecine, lensemble des solutions ralisables de base prsente 4 points extrmes A(0,12), B(2,8), C(23/11,126/11) et D(24,0). La valeur de la fonction objectif associe respectivement A, B, C et D est 12, 10, 149/11 et 24. On vrifie bien que B est la solution optimale du problme avec une valeur optimale gale 10.

VI. Exemples
Dans cette section on donne quelques exemples de rsolution graphique de problmes linaires relatifs au diffrents cas possibles : Problme de maximisation
x2 (2) B C D 40 E (1) x1 (3) (4)

Max s.c.

100 x1 + 200 x2 x1 + x2 150

(1) (3) (4)

Z=0

A 110 30

4 x1 + 2 x2 440 (2) x1 + 4 x2 480 x1 90 x1 0, x2 0

la solution optimale est B(40,110) Problme avec solution non borne

x2

Max s.c.

- 2 x1 + 3 x 2 x1 5

(1) (2)
Z=0 5 (1)

(2)

2 x1 3 x 2 6 x1 0, x 2 0

x1

On peut augmenter la valeur de la fonction objectif dans la direction des flches indfiniment donc la solution est non borne Problme impossible
x2

Min s.c.

3 x1 + 2 x 2 x1 + 2 x 2 2 2 x1 + 4 x 2 8 x1 0, x 2 0

(1) (2)
(2) (1) x1

Lespace des solutions ralisables est vide, il est lintersection des deux zones

grises de la figure ci-dessus Problme solutions multiples

x2 (2) A B 10 Z=0 x1 (3)

Max s.c.

x1 + 3 x 2 x1 10 x2 4

2 x1 + 6 x2 30

(1) (2) (3)

(1)

x1 0, x 2 0

Lensemble des points dcrit par le segment [AB] reprsente les solutions optimales du problme linaire Problme de dgnerescence
x2 (2) A B (3)

Max s.c.

x1 + x 2 x1 10 x2 5 x1 0, x 2 0

3 x1 + 2 x 2 40

(1) (2) (3)

(1)

C Z=0

x1

La solution optimale B(10,5) est dite dgnre si trois contraintes concourent en ce point.

VII. Analyse de sensibilit

Une analyse de sensibilit se rsume la recherche des intervalles de variations possibles des paramtres du programme linaire sans que la solution optimale ne soit modifie. Question : De combien peut-on faire varier la quantit de codine dans le problme de mdecine sans changer la solution optimale. Rponse :

x2 12 B 3 6 x1 Z=10

12

On peut changer la valeur du second membre de la troisime contrainte jusqu' ce que la droite de coefficient directeur 1/6 touche le point optimal (2,8). Cest dire quon peut varier le second membre de la troisime contrainte de 24 jusqu' 50 sans changer la solution optimale. Question : De combien peut-on faire varier le profit engendr par la culture dun hectare de tomates, dans le problme de l'agriculture, sans changer la solution optimale ? Rponse :
x2 A 110 Z=0 30 40 E (2) B C D (1) x1 (3) (4)

Soit la variation du profit engendr par la culture dun hectare de tomate. La fonction objectif est gale (100 + ) x1 + 200 x2 La solution demeure optimale si la pente de la fonction objectif reste toujours comprise entre la pente de la contrainte (1) et (3). Ceci est quivalent dire que :
1

On peut vrifier aussi que si : < 50 alors la solution optimale est A = 50 alors le problme est solutions multiples : [AB] 50 < < 100 alors la solution optimale est B = 100 alors le problme est solutions multiples : [BC] 100 < < 300 alors la solution optimale est C = 300 alors le problme est solutions multiples : [CD] > 300 alors la solution optimale est D

200 1 100 + 4

50 100