1

2



3



4



Pour rsoudre numriquement un programme
linaire, il faut quil ait une certaine forme que
lon appelle " forme standard ".


5

Il faut utiliser de nouvelles variables (variables
dcart ou variables artificielles) afin de
transformer les contraintes ingalits en
contraintes galits. Pour cela, nous devons
appliquer les rgles de transformation suivantes :






Donc pour obtenir le programme standard dun
programme linaire, on doit appliquer
lalgorithme suivant :




6








7

On dit quune contrainte est sature
pour une solution optimale, si son membre de
gauche gal son membre adroite.


En utilisant la forme standard du programme
linaire, le modle gnral pour chaque itration,
de la mthode des tableaux de simplexe est :


C
j

Toutes les variables
C
i
VB Q
i
A = (a
ij
)
ij
Z
z
j
c
j
- z
j

- Aprs initialisation de toutes les variables, dans
la colonne VB on note les variables qui sont
dans la base (variables non nulles) ;
- Dans la colonne Q
i
, on note les valeurs des
variables qui sont dans la base ;
- Dans la ligne C
j
, on note les coefficients des
variables qui figurent dans lexpression de la
fonction conomique ;


8

- z
j
est la somme des termes obtenus en
multipliant les coefficients de la colonne C
i
par
les coefficients de x
j
;
- Dans la colonne C
i
, on note les coefficients de la
fonction conomique des variables qui sont
dans la base.

: Un tableau du
simplexe est optimal lorsque tous les coefficients de
la ligne c
j
z
j
sont ngatifs ou nuls.

La
variable entrante est la variable associe
Max{c
j
-z
j
} pour les variables hors base. Toutefois,
si la valeur la plus leve nest pas unique, on
slectionne alors lune ou lautre des variables
correspondantes.

1. On divise chacune des valeurs dans la colonne
quantit Q
j
par les lments correspondants


9

qui apparaissent dans la colonne de la variable
entrante. Nous ne divisons toutefois que par les
lments strictement positifs pour assurer que le
prochain programme soit ralisable.
2. Nous choisissons parmi les valeurs obtenues en
1, celle qui a la plus petite valeur strictement
positive.
3. La variable en ligne avec cette plus petite valeur
strictement positive devient alors la variable
sortante

Une solution est unique, dans le cas
dune maximisation, si tous les coefficients de la
ligne c
j
-z
j
pour les variables hors base sont < 0.


Un tableau du
simplexe est optimal lorsque tous les coefficients de
la ligne c
j
z
j
sont ngatifs ou nuls.
La
variable entrante est la variable associe
Min{c
j
z
j
} pour les variables hors base. Toutefois,


10

si la valeur la plus petite nest pas unique, on
slectionne alors lune ou lautre des variables
correspondantes

Le mme que
celui du problme de maximisation.
Une solution est unique, dans le cas
dune minimisation, si tous les coefficients de la
ligne c
j
-z
j
pour les variables hors base sont > 0.

Le tableau suivant rsume les tapes de la
mthode de simplexe :
1. Formuler le programme linaire ;
2. Vrifier que le second membre du PL est
positif, sinon multiplier toutes contraintes
dont le second membre est ngatif par -1 ;
3. Ecrire le programme linaire sous la forme
standard ;
4. Construire tableau initial du simplexe ;
5. Choisir la variable entrante ;
6. Choisir la variable sortante et changer la
variable sortante par la variable entrante sans
oublier de changer aussi c
i
associ ;


11

7. Identifier le pivot (intersection de la colonne
de la variable entrante et de la ligne de la
variable sortante). Ramener llment pivot
1 et tous les lments de la colonne du pivot
0 par soustraction de lignes ;
8. Calculer Z en multipliant les coefficients de la
colonne C
i
par les coefficients de Q
i
et den
faire la somme ;
9. Calculer les z
j
en faisant la somme des termes
obtenus en multipliant les coefficients de la
colonne C
i
par les coefficients de x
j
;
10. Calculer les c
j
- z
j
;
11. Faire le test doptimalit. Si le test est valid, alors
la solution obtenue est optimale. Sinon retourner
ltape 5.



12









13











14


Le problme est impossible si une ou plusieurs
variables artificielles sont prsentes dans la base
du tableau de simplexe optimal, ce qui signifie
que la solution donne par ce tableau nest pas
rellement ralisable.


Un programme de maximisation ou
de minimisation avec seulement des contraintes
de type s ne peut pas tre impossible (sous
lhypothse que le second membre est positif).
Ceci est d au fait que lors de la rsolution de ce


15

genre de programme par la mthode de simplexe
on n'utilise pas des variables artificielles.



Le problme est solutions multiples (la solution
nest pas unique) lorsquun des effets nets (c
j
-z
j
)
relatif une variable hors base est nul.









16



Le problme est solution infinie ou non borne
si la variable entrante nadmet aucune limite sur
sa valeur dentre, cest dire que tous les ratios
Q
i
/a
ij
sont ngatifs ou nuls.

Un programme linaire est dit dgnr si une ou
plusieurs variables dans la base optimale sont
nulles.


17

La solution optimale de ce problme
est : x
1
= 1, x
2
= 0, x
3
= 2 avec Z = 5

La forme standard du programme linaire est

Max (2x
1
+ 0 x
2
+ (3/2)x
3
+ 0S
1
+ 0S
2
+ 0S
3
)
S.C x
1
- x
2
+ S
1
= 2
2x
1
+ x
3
+ S
2
= 4
x
1
+ x
2
+ x
3
+ S
3
= 3
x
1
, x
2
, x
3
, S
1
, S
2,
S
3
> 0

Le tableau de simplexe initial est :

2 0 3/2 0 0 0
x
1
x
2
x
3
S
1
S
2
S
3

0 S
1
2 1 -1 0 1 0 0
0 S
2
4 2 0 1 0 1 0
0 S
3
3 1 1 1 0 0 1
Z = 0
0 0 0 0 0 0
2 0 3/2 0 0 0


18

La variable entrante est x
1
, mais les deux
premires contraintes donnent la mme valeur
minimale du ratio (2/1 ; 4/2 ; 3/1). Ceci indique
que lorsque x
1
passe 2, les variables dcart S
1

et S
2
vont sannuler malgr que lun des deux
demeure encore dans la base.

Choisissons arbitrairement de faire sortir de la
base la variable dcart S
1
.
2 0 3/2 0 0 0
x
1
x
2
x
3
S
1
S
2
S
3

2 x
1
2 1 -1 0 1 0 0
0 S
2
0 0 2 1 -2 1 0
0 S
3
1 0 2 1 -1 0 1
Z = 4

2 -2 0 2 0 0
0 2 3/2 -2 0 0

La nouvelle solution ralisable de base est :

x
1
= 2, x
2
= 0, x
3
= 0, S
1
= 0, S
2
= 0, S
3
= 1 et Z = 4.

Cette solution de base est dite dgnre.
Continuons les itrations relatives la mthode
de simplexe. La variable entrante est x
2
.
Le problme est quun des ratios est nul ce qui
indique quon ne peut pas augmenter la valeur de


19

x
2
puisque la valeur de la fonction objectif ne va
pas augmenter et reste gale 4.

Si on ritre une autre fois, on obtient :

2 0 3/2 0 0 0
x
1
x
2
x
3
S
1
S
2
S
3

2 x
1
5/2 1 0 1/2 1/2 0 3/2
0 S
2
-1 0 0 0 -1 1 -1
0 x
2
1/2 0 1 1/2 -1/2 0 1/2
Z =5/2
2 0 1 1 0 3
0 0 1/2 0 0 -3
Ce tableau nest pas optimal, la variable entrante
est x
3
et la variable sortante est x
2
. On remarque
aussi que ce passage dune solution une autre ne
saccompagne pas dune augmentation de la
valeur de la fonction conomique.

On peut facilement vrifier que nous sommes en
train de cycler sans atteindre la solution
optimale. Ce genre de cyclage dans la mthode de
simplexe est dangereux et on doit lidentifier
avant de commencer rsoudre le problme,
sinon on passera un temps norme sans atteindre
la solution optimale.


20



21



22








23



Dans la plupart des problmes que nous traitons,
les variables considres x
1
, x
2
, , x
n
sont
supposs valeurs relles. Or, dans certaines
applications, on peut se trouver dans les trois
situations suivantes :

- Les variables (x
1
, x
2
, ..., x
n
) ne peuvent prendre
que des valeurs entires (par exemple lorsque
ces variables reprsentent un nombre dunit
non fractionnables telles que nombre de
machines, units produites, nombre de
personnes). Les programmes correspondants
sont dits PROGRAMME LINAIRE EN
NOMBRES ENTIERS (PLNE).

- Certaines des variables x
1
, x
2
, , x
n
ne peuvent
prendre que des valeurs entires, les autres
tant valeurs relles. Les programmes
correspondants sont dits PROGRAMME
LINAIRE EN NOMBRES MIXTES.


24

- Un cas particulier de la premire situation est
celle o toutes les variables entires doivent
prendre les valeurs 0 ou 1. Les programmes
correspondants sont dits PROGRAMME
LINAIRE A VARIABLES BINAIRES.

Pour ces divers cas, on pourrait penser quil
s'agit simplement de rsoudre ces problmes par
la mthode de simplexe dans laquelle les variables
sont supposes valeurs relles et arrondir les
rsultats obtenus aux valeurs entires les plus
proches.
Avec un tel raisonnement, il nest pas possible
daffirmer que la solution arrondie soit une
solution ralisable du programme linaire ou
encore quil nexiste pas une meilleure solution
entire.



25





La rsolution des modles suivants permet
dillustrer les consquences darrondir les
solutions valeurs relles pour obtenir des
solutions entires :

Modle 1 Modle 2
Max (60x
1
+ 54x
2
)
S. C. 21x
1
+15x
2
147
12x
1
+24x
2
120
x
1
0 ; x
2
0
Min (45x
1
+ 90x
2
)
S. C. 18x
1
+45x
2
155
8x
1
+ 6x
2
22
x
1
0 ; x
2
0

Modle 3
Max (16x
1
+ 20x
2
)
S. C. 21x
1
+10x
2
64
8x
1
+40x
2
92
x
1
0 ; x
2
0


26


Modle
Solution optimale par
la mthode simplexe
Solution entire
arrondie
Solution
optimale
1
x
1
= 5,333
x
2
= 2,333
Z = 466
x
1
= 5
x
2
= 2
Z = 408
x
1
= 7
x
2
= 0
Z = 420
2
x
1
= 0,238
x
2
= 3,349
Z = 312,4
x
1
= 0
x
2
= 3
Non ralisable
x
1
= 0
x
2
= 4
Z = 360
3
x
1
= 2,518
x
2
= 1,868
Z = 71,895
x
1
= 2
x
2
= 2
non ralisable
x
1
= 1
x
2
= 2
Z = 56

- Nous avons arrondi les valeurs de x
1
et x
2
au
plus proche entier ; on obtient toutefois dans le
cas des modles 2 et 3, des solutions non
ralisables.
- Pour obtenir une solution ralisable entire, il
faut arrondir les valeurs des variables
lentier suprieur dans le cas Min et lentier
infrieur dans le cas Max, ce qui donnera des
solutions ralisables mais non optimales.
- Les solutions optimales entires ont t
obtenues laide de la mthode graphique.





27




Maximiser (ou Minimiser) :

Z = c
1
x
1
+ c
2
x
2
+ + c
n
x
n


avec les contraints :

a
11
x
1
+ a
12
x
2
+ + a
1n
x
n
(, =, ) b
1

a
21
x
1
+ a
22
x
2
+ + a
2n
x
n
(, =, ) b
2

. .
. .
. .
a
m1
x
1
+ a
m2
x
2
+ + a
mn
x
n
(, =, ) b
m


x
j
0, j = 1, , n ; x
j
entier, j = 1, , k (k n)



Considrons dabord le programme linaire
suivant (sans contrainte de valeurs entires) :

{

28

La solution optimale de ce programme se situe au
point extrme suivant :
x
1
=
3
16
et x
2
=
3
7
avec Z =
3
290


La figure 1 suivante illustre la rgion des
solutions ralisables avec la solution optimale :


Figure 1

Supposons maintenant que les variables doivent
prendre des valeurs entires. Le programme
linaire devient alors :


29

{

Lensemble des solutions possibles pour ce
programme linaire en nombres entiers comporte
uniquement les points dont les composantes sont
valeurs entires. Il existe 24 solutions entires
ralisables (voir la figure 2 ci-dessus). La plus
grande valeur de la fonction conomique en ces
points est 90 et elle est ralise au point (4, 3)
(voir tableau ci-dessus).


Figure 2


30





- Lexigence supplmentaire concernant les
valeurs entires des x
j
fait dcrotre la valeur
maximale de la fonction conomique de 290/3 =
(90+2/3) 90.
- Les valeurs arrondies de la solution optimale du
PL aux plus proches valeurs entires donnent x
1

= 5, x
2
= 2 et Z = 88. Cette solution entire est
ralisable mais nest pas optimale puisque la
valeur maximale de la fonction conomique est
90 x
1
= 4 et x
2
= 3.


31



- Dans le cas dune maximisation, la valeur de la
fonction conomique dun programme linaire
est toujours une borne suprieure celle dun
PLNE ou variables mixtes (PLVM). Lajout
des contraintes de variables entires diminue ou
naffecte pas la valeur de la fonction
conomique dun programme linaire.

- Dans le cas dune minimisation, la valeur de la
fonction conomique dun programme linaire
est toujours une borne infrieure celle dun
PLNE ou variables mixtes (PLVM). Lajout
des contraintes de variables entires augmente
ou naffecte pas la valeur de la fonction
conomique dun programme linaire.





32





1. Ecrire le modle de programmation linaire en
additionnant et /ou en soustrayant les variables
dcart requises ;

2. Multiplier par -1, les contraintes dont on a
soustrait une variable dcart ;

3. Obtenir une solution de dpart

- avec c
j
z
j
0, j = 1, 2, ., n dans le cas dune
maximisation



33

- avec c
j
z
j
0, j = 1, 2, ., n dans le cas dune
minimisation ;

4. La variable
sortante est la variable correspondant
Min{variables de base x
i
, x
i
< 0} ;

5. Soit k = la
ligne pivot c'est--dire, la ligne o se trouve la
variable sortante. La variable entrante est la
variable x
r
correspondant

- {

, dans le cas
de minimisation ;
- {

, dans le cas
de maximisation ;

Le dual na pas de solution optimale finie si,
pour la ligne pivot k, la variable dans la base est
ngative et a
kj
0 ;

6. Pivoter sur a
kr
en utilisant les mmes rgles que
lalgorithme du simplexe ;



34

7. On obtient une solution
de base ralisable optimale si toutes les
variables de base sont positives et

- tous les c
j
z
j
0 dans le cas de minimisation

- tous les c
j
z
j
0 dans le cas de maximisation

8. si la solution de base ralisable nest pas
optimale, on poursuit lalgorithme (allez 4).



Soit un programme linaire en nombres
entiers dfini par :



35

Max ou Min : Z = C
T
X
(3.1) S. C. A X = b
X e
n


C et X sont des vecteurs (colonnes) de

, b un
vecteur (colonne) de
m
, A une matrice m lignes
et n colonnes. La notation Xe
n
signifie que le
vecteur X a toutes ses composantes entires.

Considrons le tableau du simplexe loptimum
du programme linaire continu correspondant
obtenu en imposant seulement aux variables
dtre positives.

Soit x
i
une variable de base non entire ; la ligne
du tableau correspondant cette variable scrit :

o J
N
est lensemble des indices des variables hors
base, c
ij
le coefficient du tableau situ
lintersection de la ligne correspondant la
variable de base x
i
et de la colonne correspondant
la variable hors base x
j
et

la valeur
numrique de x
i
.


36

On a pour toute solution admissible du PLNE
(3.1), la proprit de Troncature associe la
variable x
i
:

o [a] dsigne le plus grand entier infrieur ou
gal a.

On peut vrifier aussi que la solution optimale
considre ne satisfait pas cette contrainte si

nest pas entier.

La mthode des troncatures fournit une mthode
de rsolution des programmes linaires en
nombres entiers (PLNE). Elle est rsume comme
suit :



1. tant un PLNE, rsoudre le PL laide dun
algorithme de simplexe. si la solution du PL
contient uniquement des valeurs entires, elle
est galement une solution optimale au PLNE
et la rsolution est termine.



37

2. Si une ou plusieurs variables de base dans la
solution optimale du PL ne sont pas entires,
on doit alors gnrer, partir dune des lignes
du tableau (celle dont la partie fractionnaire
pour la variable de base correspondante est la
plus leve) une contrainte supplmentaire dite
coupe de Gomory (indique par lquation
(3.2)). Cette contrainte est ajoute au tableau
optimal du PL et on dtermine le nouveau
tableau optimal laide de la mthode duale
du simplexe (voir paragraphe 3.3).

3. Si les variables de base dans le nouveau
tableau optimal sont entires, nous avons
obtenu galement la solution optimale au
PLNE. La rsolution est termine.

4. Sinon, on doit gnrer ( partir du dernier
tableau optimal) une nouvelle coupe de
Gomory, lajouter au dernier tableau et
trouver la solution optimale laide de la
mthode duale de simplexe. Si la solution
obtenue est valeur entire, la rsolution est
termine. Sinon, on rpte la procdure
jusqu lobtention dune solution optimale
entire.


38

Rsoudre le PLNE suivant :

Max (100x
1
+120x
2
)
S. C. 3x
1
+ 4x
2
4100
x
1
+ 3x
2
2400
2x
1
+ 2x
2
2625
x
1
et x
2
des entiers

Rsoudre le PLNE suivant en
utilisant lAlgorithme de GOMORY :
Min (2x
1
+ 3x
2
+ 4x
3
)
S. C. x
1
+ 2x
2
+ 2x
3
6
x
1
+ 4x
2
+ 2x
3
10
3x
1
+ x
3
2625
x
i
0 pour i = 1, 2, 3

Une socit dispose de 1 400 000 Dh
investir. Les experts proposent 4 investissements
possibles


800 000
1 200 000
2 200 000
1 600 000
Bnfice
2.67 300 000 Inv. 4
3.00 400 000 Inv. 3
3.14 700 000 Inv. 2
3.20 500 000 Inv. 1
Rendement Cot


39

Question : donner une solution au problme qui
maximise le bnfice.





Variables de dcision : x
i
, i=1,,4

- x
i
= 1 si investissement i est choisi
- x
i
= 0 sinon

Objectif : maximiser bnfice

Max(1610
5
x
1
+ 2210
5
x
2
+ 1210
5
x
3
+ 810
5
x
4
)

Contrainte : budget dinvestissement

5 x
1
+ 7 x
2
+ 4 x
3
+ 3 x
4
14



Max (16 x
1
+ 22 x
2
+ 12 x
3
+ 8 x
4
)10
5

S. C. 5 x
1
+ 7 x
2
+ 4 x
3
+ 3 x
4
14
x
1
, x
2
, x
3
, x
4
0

Solution : x
1
= 2.8, x
2
= 0, x
3
= 0, x
4
= 0.




40

Interprtation :

- Effectuer linvestissement 1.
- Bnfice : 1 600 000 DH.
- Cot : 500 000 DH


Max (16 x
1
+ 22 x
2
+ 12 x
3
+ 8 x
4
)
S. C. 5 x
1
+ 7 x
2
+ 4 x
3
+ 3 x
4
14
x
1
, x
2
, x
3
, x
4
1
x
1
, x
2
, x
3
, x
4
0

Solution : x
1
= 1, x
2
= 1, x
3
= 0,5, x
4
= 0.

Interprtation :

- Effectuer les investissements 1 et 2.
- Bnfice : 3 800 000 DH.
- Cot : 1 200 000 DH
- Plus assez de budget pour linvestissement 3.




41



Max (16 x
1
+ 22 x
2
+ 12 x
3
+ 8 x
4
)
S. C. 5 x
1
+ 7 x
2
+ 4 x
3
+ 3 x
4
14
x
1
, x
2
, x
3
, x
4
e {0, 1}

Solution : x
1
= 0, x
2
= 1, x
3
= 1, x
4
= 1.

Interprtation :

- Effectuer les investissements 2, 3 et 4.
- Bnfice : 4 200 000 DH.
- Cot : 1 400 000 DH


- Les contraintes dintgralit peuvent modifier
significativement la structure de la solution.
- Lintuition acquise avec les variables
continues nest pas directement utilisable.
- Dans lexemple, linvestissement 1 est le plus
rentable, mais il nest pas repris dans la
solution optimale

Ahmed le campeur part en
randonne dans la montagne. Il ne peut emporter


42

dans son sac dos quun poids limit P. Chaque
article i quil peut potentiellement emporter pse
p
i
et lui procure une utilit u
i
pour sa randonne.
Question : quels articles emporter pour
maximiser son utilit sans dpasser la limite de
poids ?

Corrig :

Variables de dcision

- x
i
= 1 si Ahmed emporte larticle i
- x
i
= 0 sinon

Programme linaire

Max (u
1
x
1
+ u
2
x
2
+ + u
n
x
n
)
S. C. p
1
x
1
+ p
2
x
2
+ + p
n
x
n
P
x
1
, , x
n
e {0,1}

- Le nombre de manires de choisir un sous-
ensemble de n lments est 2
n
.
- Il est impossible de considrer toutes les
possibilits.
Un algorithme efficace devrait obtenir la solution
optimale en examinant un trs petit nombre de
solutions


43



Jusquici nous avons formul nos problmes
comme des problmes de programmation linaire
et nous nous sommes concentrs sur les solutions
optimales. Malheureusement, dans certain cas,
les donnes dont nous disposons ne sont pas
fiables 100% mais sont des donnes estimes.
Dans dautres cas, on peut se demander quel prix
nous serions prts payer pour augmenter nos
ressources. Il est donc ncessaire de comprendre
comment varient les solutions optimales en
fonction dune petite modification de certaines
donnes.

- Que se passe-t-il si les ressources changent ?
- Que se passe-t-il si les cots changent ?
- Quand les donnes sont incertaines, quelle
marge derreur avons-nous ?

Do lanalyse de sensibilit qui est un processus
par lequel on value la robustesse dun modle


44

conomique en examinant comment les rsultats
de lanalyse varient lorsque la valeur des
variables cls est modifie dans un intervalle
dtermin.



Les lments cls dun programme linaire
standard sont :

- La fonction conomique. Qui peut reprsenter
un cot, un profit, etc...

- Les contraintes sont composes, des
coefficients a
ij
de la matrice A, dite matrice
technologique, et des constantes b
i
, qui
forment le vecteur du second membre. Le
second membre peut reprsenter la
disponibilit des ressources, les niveaux de
demande, etc...

- Les variables dcart peuvent reprsenter
lexcdent de chacune des ressources : terrain,
eau, heures de travail, bureau dirrigation, .
Elles sont aussi dites variables de surplus.



45

Quand une variable dcart est nulle, on dit que
la contrainte correspondante est sature. Elle est
dite aussi restrictive car une variation du second
membre (par exemple) engendre un changement
dans les valeurs de la solution optimale.

Toute contrainte non sature loptimum nest
pas restrictive pour le problme, cest dire
quelle na aucune influence sur la solution
considre pour des petites perturbations.

Un agriculteur veut allouer 150
hectares de surface irrigable entre culture de
tomates et celles de piments. Il dispose de 440 m
3

deau et de 480 heures de main duvre. Un
hectare de tomates demande 4 m
3
deau, 1 heure
de main duvre et donne un bnfice net de
1000 DH. Un hectare de piments demande 2 m
3

deau et 4 heures de main duvre et donne un
bnfice net de 2000 DH. Le bureau du primtre
irrigu veut protger le prix des tomates et ne lui
permet pas de cultiver plus de 90 hectares de
tomates.
1. Modliser le problme sous forme dun
programme linaire ;


46

2. Le tableau de simplexe optimal est
1000 2000 0 0 0 0
x
1
x
2
S
1
S
2
S
3
S
4

1000 x
1
40 1 0 4/3 0 -1/3 0
0 S
2
60 0 0 14/3 1 2/3 0
2000 x
2
110 0 1 -1/3 0 1/3 0
0 S
4
50 0 0 -4/3 0 1/3 1
Z = 260 000

1000 2000 2000/3 0 1000/3 0
0 0 -2000/3 0 -1000/3 0

O :
- x
1
est le nombre dhectares cultivs de tomates
et x
2
est le nombre dhectares cultivs de
piment ;
- S
1
, S
2
, S
3
et S
4
sont les variables dcart
associes respectivement aux contraintes terre,
eau, main duvre et bureau.

a. Dterminer la solution optimale, les
contraintes satures et les contraintes non
satures ;
b. Ecrire la fonction conomique en fonction
des variables hors base.



47


Le Plan Comptable Gnral (PCG) dfinit le cot
marginal comme tant la diffrence entre
lensemble des charges courantes ncessaires
une production donne et lensemble de celles qui
sont ncessaires cette mme production
majore ou minore dune unit .

Cette unit peut tre soit :
- un article fabriqu,
- un lot de produits,
- une srie dlments,
- une prestation de service,

Une entreprise produit en sries des
articles lectromnagers.





48

Les cots marginaux sont les effets
nets associs aux variables dcart (c
j
-z
j
), puisque
ce sont ces variables qui dterminent les
excdents (ou les insuffisances) de biens.

Si une variable dcart nest pas nulle, dans la
solution optimale, cest que le bien correspondant
est dj excdentaire. Par consquent, le fait de
disposer dune unit supplmentaire de ce bien
naura aucune influence sur le revenu. On dit
alors que ce bien une valeur marginale nulle, ou
par extension, que la variable dcart associe
ce bien a une valeur marginale nulle.

Par contre, si une variable dcart est nulle dans
la solution optimale, cest que le bien
correspondant est totalement utilis. Par la suite
une variation de la disponibilit aura
gnralement une influence sur le revenu. Cest
pourquoi cette variable dcart nulle dans la
solution optimale une valeur marginale non
nulle, et cette valeur marginale prcise la
variation de la fonction conomique rsultant de
lutilisation dune unit supplmentaire du bien
associ.


49




Une solution de base optimale est dite stable si
lensemble des variables de base loptimum ne
change pas lorsque les paramtres du programme
sont modifis.



On cherche dterminer un intervalle dans
lequel peut varier c
j
sans que la base de la
solution optimale change.


Lintervalle sur lequel c
k
dune variable hors base
dans la solution optimale peut varier sans que la
base optimale soit modifie est :
- - < c
k
s z
k
cas de maximisation
- z
k
s c
k
< + cas de minimisation


50

Soit le programme linaire suivant :

Max (12 x
1
+ 20 x
2
)
S.C. 6 x
1
+ 10 x
2
60
8 x
1
+ 25 x
2
200
2 x
1
+ 8 x
2
s 80
x
1
> 0 , x
2
> 0

Lalgorithme du simplexe nous conduit au
tableau optimal suivant (les variables x
3
, x
4
et x
5

sont des variables dcart).
12 20 0 0 0
x
1
x
2
x
3
x
4
x
5

12 x
1
40 1 4 0 0 1/2
0 x
3
180 0 14 1 0 3
0 x
4
120 0 7 0 1 4
Z = 480
12 48 0 0 6
0 -28 0 0 -6
Dterminer la plage de variation pour c
2
pour
que la solution demeure optimale.



51

Soit le programme linaire suivant :

Min (8 x
1
+ 10 x
2
+ 20 x
3
)
S.C. 5 x
1
+ 10 x
2
+ 20 x
3
= 16 000
x
1
400
x
2
s 600
x
3
600
x
1
+ x
2
+ x
3
1000
x
1
> 0 , x
2
> 0 , x
3
> 0

Le tableau optimal (sans variable artificielle) est
le suivant :
8 10 20 0 0 0 0
x
1
x
2
x
3
x
4
x
5
x
6
x
7

10 x
2
400 3/2 1 0 0 0 0 2
0 x
4
400 1 0 0 1 0 0 0
0 x
5
200 -3/2 0 0 0 1 0 -2
0 x
6
0 1/2 0 0 0 0 1 1
20 x
3
600 -1/2 0 1 0 0 0 -1
Z = 16 000
5 10 20 0 0 0 0
3 0 0 0 0 0 0

Dterminer les bornes de variation pour c
1
qui
permettent de maintenir toujours une base
optimale.




52



Soient j lindice dune variable hors base et l le
numro de la ligne o se trouve la variable hors
base x
k
dans la solution optimale, lintervalle sur
lequel c
k
peut varier sans que la base optimale
soit modifie est :

- cas de maximisation

}

- cas de minimisation

}

Dans lexercice 1, dterminer les
bornes de variation pour c
1
qui permettent de
maintenir toujours une base optimale.

Dans lexercice 3, dterminer les
limites de validit de loptimum pour le
coefficient de la variable x
2
et celui de la variable
x
3
.


53




Dterminer lintervalle pour lequel, la
solution optimale reste stable, pour une variation
du second membre de la k
me
contrainte b
k
.

- Soit Q = (Q
i
) la colonne quantit (colonne des
valeurs prises par les variables dans la base).
Lintervalle sur lequel b
k
peut varier sans que
la base optimale soit modifie est :

}

- On peut obtenir laide des valeurs du tableau
sous la colonne quantit et des lments sous
la variable dcart x
n+k
, les nouvelles quantits
(nouvelles valeurs de la solution) rsultant
dune modification Ab
k
de la contrainte k par :

[

] [

] [

]



54

Dans Exercice 1

1. dterminer les bornes de variation pour b
1
qui
permettent de maintenir toujours une base
optimale ;
2. Dterminer dans ce cas, les nouvelles valeurs
de la solution pour Ab
1
= 3 ;
3. Dterminer lintervalle dans lequel peut varier
b
1
et b
3
(les ressources en surface et en main
duvre) sans que la base optimale change.


Supposons que le nombre dunits de la i
me

ressources (i
me
contraintes) ncessaire pour
produire une unit de produit j, soit (a
ij
+ o) ou
lieu de a
ij
. Ainsi, on se pose la question si la
solution optimale demeure stable suite un tel
changement.



Il est impossible de modifier le coefficient a
ij
sans
que la base dans la solution optimale ne change
pas (la solution optimale n'est pas stable).


55



Il est possible de modifier le coefficient a
ij
dune
valeur o
ij
et la solution optimale demeure stable
condition que :

On remarque quon ne va pas produire le produit j
- Si o
ij
> 0, alors il est encore moins conomique
de fabriquer ce produit si le coefficient
technologique a
ij
augmenterait de o
ij


- Si oij s 0, alors la fabrication du produit j
peut devenir conomique si on utilise moins de
ressources.



56



Soit le programme linaire

Max 66 x1 + 84 x2
S.c 3 x1 + 4 x2 4200
x1 + 3 x2 2250
2 x1 + 2 x2 s 2600
x1 1100
x1 > 0 , x2 > 0

Lalgorithme du simplexe nous conduit au
tableau optimal suivant (les variables x3, x4 x5 et
x6 sont des variables dcart).

66 84 0 0 0 0
x1 x2 x3 x4 x5 x6
66 x1 1000 1 0 -1 0 2 0
84 x2 300 0 1 1 0 -3/2 0
0 x3 180 0 0 -2 1 5/2 0
0 x4 120 0 0 1 0 -2 1
Z = 91200
66 84 18 0 6 0
0 0 -18 0 -6 0



57

1. Quelles sont les limites de variation pour b1.
2. Prciser le variable qui devient nulle (puis
ngative si on excde la limite permise) pour
chaque limite de b1.
3. Que deviennent les valeurs de x1, x2, x4, x6 et
Z si b1 = 4375.
4. Quelles sont les limites de variation pour b2 ?

Soit le programme linaire avec le
tableau optimal donn par la mthode de
Simplexe :
Max (10 x
1
+ 6 x
2
+ 8 x
3
)
S.c 6 x
1
+ 3 x
2
+ 6 x
3
120
4 x
1
+ 4 x
2
+ 6 x
3
100
4 x
1
+ 12 x
2
+ 8 x
3
200
x
1
> 0 , x
2
> 0 , x
3
> 0

10 6 8 0 0 0
x
1
x
2
x
3
x
4
x
5
x
6

10 x
1
15 1 0 1/2 1/3 -1/4 0
6 x
2
10 0 1 1 -1/3 1/2 0
0 x
6
20 0 0 -6 8/3 -5 1
Z =210

10 6 11 4/3 1/2 0
0 0 -3 -4/3 -1/2 0



58

O x
4
, x
5
et x
6
sont les variables dcart.
1. Quelles sont les variables hors base ;
2. Donner lexpression de la fonction
conomique en fonction des variables hors
base ;
3. Quelles sont les contraintes satures ?
Justifier votre rponse ;
4. Que devient la 1ire contrainte dans ce cas ;
5. Dterminer les bornes de variation pour c
2

qui permettent de maintenir la solution
optimale stable. Justifier votre rponse ;
6. Dterminer les bornes de variation pour b
1

qui permettent de maintenir la solution
optimale stable. Justifier votre rponse ;