12

Chapitre 2 ! Programmation linéaire (PL)

 I : Introduction : L’importance de l’optimisation et la nécessité d’un outil simple pour
modéliser des problèmes de décision économique, on fait de la programmation linéaire un des
champs de recherche les plus actifs. Les premiers travaux (1947) sont celle de George B. Dantzig. Les
problèmes de programmations linéaires sont généralement liés à des problèmes d’allocations de
ressources limitées, de la meilleure façon possible, afin de maximiser un profit ou de minimiser un
coût. Le terme meilleur fait référence à la possibilité d’avoir un ensemble de décisions possibles qui
réalisent la même satisfaction ou le même profit. Ces décisions sont en général le résultat d’un
problème mathématique. La programmation linéaire est un procédé mathématique de recherche
opérationnelle, il consiste à optimiser (ex : maximiser une marge, minimiser un coût) un critère 13
appelé fonction économique en respectant un certain nombre de contraintes. Il s’agit de modéliser
la fonction économique et les contraintes à respecter, donc c’est un instrument puissant d’aide à la
décision.

I : problèmes de maximisation à deux variables :

A : la formulation d’un programme :Soit la détermination d’un maximum d’une
fonction économique Z de la forme :

ܼ = ߙ‫ ݔ‬+ ߚ‫ݕ‬
Avec : x≥0, y≥0 (les contraintes de non – négativité), et vérifiant un ensemble de contraintes
de la forme :

ߙ௜‫ ݔ‬+ ߚ௜‫ܾ ≤ ݕ‬௜

Tout élément (x, y) vérifiant les contraintes est appelé programme admissible. Le problème
est d’abord formalisé sous la forme canonique, les contraintes sont des inéquations.

B :Les conditions de formulation d’un PL : La programmation linéaire comme étant

un modèle admet des hypothèses (des conditions) que le décideur doit valider avant de pouvoir les
utiliser pour modéliser son problème. Ces hypothèses sont :
 Les variables de décision du problème sont positives
 Le critère de sélection de la meilleure décision est décrit par une fonction linéaire de
ces variables. La fonction qui représente le critère de sélection est dite fonction
objectif (ou fonction économique).
 Les restrictions relatives aux variables de décision (exemple: limitations des
ressources) peuvent être exprimées par un ensemble d’inéquations linéaires. Ces
inéquations forment l’ensemble des contraintes.
 Les paramètres du problème en dehors des variables de décisions ont une valeur
connue avec certitude

C : Les étapes de formulation d’un PL :Généralement il y a trois étapes à suivre pour

pouvoir construire le modèle d'un programme linéaire :
 Identifier les variables du problème à valeur non connues (variable de décision) et
les représenter sous forme symbolique (exp. x, y).
 Identifier les restrictions (les contraintes) du problème et les exprimer par un système
d’inéquations linéaires.
 Identifier l’objectif ou le critère de sélection et le représenter sous une forme linéaire
en fonction des variables de décision. Spécifier si le critère de sélection est à
maximiser ou à minimiser.

D : Présentation Théorique : Un programme linéaire consiste à trouver le maximum ou

le minimum d’une forme linéaire dite fonction objectif en satisfaisant certaines équations et
inégalités dites contraintes. En langage mathématique, on décrira de tels modèles de la manière
suivante : Soient n variables de décision x, y l’hypothèse que les variables de décision sont positives
implique que : x≥0, y≥0. La fonction objective est une forme linéaire en fonction des variables de
décision de type :
 ܼ = ߙ‫ ݔ‬+ ߚ‫ݕ‬

Où les coefficients ߙ, ߚdoivent avoir une valeur bien déterminée (avec certitude) et
peuvent être positifs, négatifs ou nuls. Par exemple le coefficient ߙpeut représenter un profit
unitaire lié à la production d’une unité supplémentaire du bien ‫ܣ‬ainsi la valeur de z est le profit
total lié à la production des différents biens. Supposons que ces variables de décision doivent vérifier
un système d’équations linéaires définis par les inégalités suivantes :

ߙ௜‫ ݔ‬+ ߚ௜‫ܾ ≤ ݕ‬௜ 14

Où les coefficients doivent avoir une valeur bien déterminée (avec certitude) et peuvent
être positifs, négatifs ou nuls.

E : Exemple de formulation : Pour fabriquer deux produits A et B on doit effectuer des

opérations sur trois machines M1, M2 et M3, successivement mais dans un ordre quelconque. Les
temps unitaires d’exécution sont donnés par le tableau suivant :

M1 M2 M3
A 11 mn 7 mn 6 mn
B 9 mn 12 mn 16 n

On supposera que les machines n’ont pas de temps d’inactivité. La disponibilité pour chaque
machine est :
 165 heures (9900 minutes) pour la machine M1 ;
 140 heures (8400 minutes) pour la machine M2 ;
 160 heures (9600 minutes) pour la machine M3.

Le produit A donne un profit unitaire de 900 et le produit B un profit unitaire de

1000.Dans ces conditions, combien doit-on fabriquer mensuellement de produits A et B pour avoir
un profit total maximum ?

Formulation en un PL :
 Les variables de décisions sont :
 x : le nombre d’unités du produit A à fabriquer
 y : le nombre d’unités du produit B à fabriquer
 Les contraintes outre les contraintes de non-négativité sont :
 11‫ ݔ‬+ 9‫ ≤ݕ‬9900 pour la machine M1
 7‫ ݔ‬+ 12‫ ≤ݕ‬8400pour la machine M2
 6‫ ݔ‬+ 16‫ ≤ݕ‬9600pour la machine M3
 Le profit à maximiser est : ܼ = 900‫ ݔ‬+ 100‫ݕ‬

Le programme linéaire résultant est :

Maximiser : ܼ = 900‫ ݔ‬+ 100‫ݕ‬

‫ ≥ ݔ‬0݁‫ ≥ ݕݐ‬0
11‫ ݔ‬+ 9‫ ≤ݕ‬9900

ܿ‫ݏ݁ݐ݊݅ܽݎݐ݊݋‬൞
7‫ ݔ‬+ 12‫ ≤ݕ‬8400
6‫ ݔ‬+ 16‫ ≤ݕ‬9600

F : Résolution par la méthode graphique : Après avoir illustré par un exemple,

comment un problème pratique peut être modélisé par un programme linéaire, l’étape qui va
suivre sera certainement celle de la résolution de ce problème mathématique. La méthode
graphique est l’une des premières méthodes utilisées à ce sujet. Si on parle de résolution graphique
alors on doit se limiter à une représentation à deux variables.
 A cause des contraintes de non-négativité des variables de décision, nous nous intéressons
seulement au cadran positif. Cette région s’appelle la région des solutions possibles du problème.

La figure 1 aide à comprendre le principe de la résolution dans le cas simplifié où il n'y aurait que
deux variables réelles x et y (représentées par les deux axes) et deux contraintes représentées par deux
droites. La forme standard du programme aurait donc deux variables d'écart e1et e2 en plus des variables
réelles, soit quatre variables en tout. Les axes et les droites des contraintes délimitent le polygone (en blanc)
représentant l'ensemble des solutions possibles. Figure 1
15
Les intersections entre deux droites ou axes (petits cercles) représentent chacune une
solution de base pour laquelle deux variables (réelles ou d'écart), dites variables hors base, sont
égales à zéro et les deux autres variables, dites variables de base, sont positives. Il y a
nécessairement une solution de base qui est optimale. La solution de base initiale est à l'origine des
axes. Pour cette solution de base, ce sont les variables réelles x et y qui sont nulles (hors base) et les
variables d'écart e1et e2 qui sont positives (variables de base). La fonction économique Z égale zéro,
comme les variables réelles. L'algorithme passe successivement d'une solution de base à l'autre en
augmentant la valeur de la fonction économique jusqu'à ce qu'elle ne puisse plus être améliorée.

Pour la détermination graphique de maximum, il faut :

 Représenter dans le plan l’ensemble des programmes admissibles,
 Tracer la droite ∆ d’équation : ߙ‫ ݔ‬+ ߚ‫ = ݕ‬0, cette droite passe par l’origine,
 Déterminer la droite parallèle à Δ la plus éloignée de l’origine O, mais coupant
l’ensemble des programmes admissibles en un point au moins. En ce point, Z atteint
le maximum.

Parmi les solutions possibles d’un problème, il y a ceux qui vont satisfaire toutes les
contraintes du programme, appelés solutions réalisables, et ceux qui vont satisfaire une partie ou
aucune de ces contraintes, appelés solutions non réalisables. Une représentation graphique des
inégalités (des contraintes) va nous permettre de déterminer l’ensemble des solutions réalisables.

Exemple 1 : ensemble des points vérifiant : 6‫ ݔ‬+ 2‫ ≤ݕ‬18

Figure 2

Exemple 2 : déterminer le maximum de Z = 34 x + 28 y

‫ ≥ ݔ‬0, ‫ ≥ ݕ‬0
൝ + 2‫ ≤ ݕ‬18

6‫ݔ‬
2‫ ݔ‬+ 4‫ ≤ ݕ‬16

Il faut tracer les droites :

 D1 d’équation : 6‫ ݔ‬+ 2‫ = ݕ‬18
 D2 d’équation : 2‫ ݔ‬+ 4‫ = ݕ‬16
 Δ d’équation : 34 ‫ ݔ‬+ 28‫ = ݕ‬0

 Déterminer sur le graphique l’ensemble des programmes admissibles (sans oublier les
contraintes de positivité), on obtient la portion hachurée (OCBA).
 Déterminer la droite parallèle à Δ et la plus éloignée de l’origine O et coupant la
portion hachurée, cette droite est celle qui passe par le point B. voir figure 3

Déterminer les cordonnées de ce point par la résolution de système d’équation S puisque B

est le point d’intersection des deux droites D1 et D2 :
 6‫ ݔ‬+ 2‫ = ݕ‬18

൜
2‫ ݔ‬+ 4‫ = ݕ‬16

On obtient x = 2 et y =3. Et Z vaut 152.

Théorème : le maximum de Z est atteint en un sommet du polygone convexe, frontière de

l’ensemble des programmes admissibles.

On remarque que la solution optimale du problème est un point extrême qui se trouve sur 16
le bord de l’ensemble des solutions. Une telle solution est dite solution réalisable de base. On peut
admettre le résultat suivant : " Si un programme linéaire admet une solution optimale alors il existe
une solution réalisable de base pour laquelle la fonction objectif atteint la valeur optimale ". Une
méthode de résolution du programme linéaire consiste donc à déterminer les solutions réalisables de
base (les points d’intersection des droites qui forment les contraintes) et à calculer pour chaque
point la valeur de la fonction objectif. La solution du programme linéaire est la solution à qui on
associe la valeur optimale de la fonction objective. Dans le problème de médecine, l’ensemble des
solutions réalisables de base présente 4 points extrêmes A (3, 0), B (2, 3), C(0, 4) et O (0,0). La
valeur de la fonction objective associée respectivement à A, B, C et O est 102, 152, 112 et 0. On vérifie
bien que B est la solution optimale du problème.

G : Méthode de recensement des sommets :

 Déterminer les coordonnées de tous les sommets du polygone frontière de l’ensemble
des programmes admissibles,
 Calculer Z en chacun de ces points,
 Comparer les valeurs obtenues, la plus grande donne le maximum.

Exemple :On remarque que la solution optimale du problème est un point extrême qui se
trouve sur le bord de l’ensemble des solutions. Une telle solution est dite solution réalisable de base.
On peut admettre le résultat suivant : " Si un programme linéaire admet une solution optimale
alors il existe une solution réalisable de base pour laquelle la fonction objectif atteint la valeur
optimale ". Une méthode de résolution du programme linéaire consiste donc à déterminer les
solutions réalisables de base (les points d’intersection des droites qui forment les contraintes) et à
calculer pour chaque point la valeur de la fonction objectif. La solution du programme linéaire est
la solution à qui on associe la valeur optimale de la fonction objective. Dans le problème de
médecine, l’ensemble des solutions réalisables de base présente 4 points extrêmes A (3, 0), B (2, 3), C
(0, 4) et O (0, 0). La valeur de la fonction objective associée respectivement à A, B, C et O est 102,
152, 112 et 0. On vérifie bien que B est la solution optimale du problème.

Coordonnées
Sommets ‫ݔ‬ ‫ݕ‬ Valeurs
O 0 0 0
A 3 0 102
B 2 3 152
C 0 4 112

Exemple : Farid est gérant d'un magasin, il s'interroge sur le linéaire développé (nombre
de mètres de présentation en rayon) à attribuer à deux de produits particulières : A et B. Pour
l'ensemble du rayon A/B, le linéaire développé disponible est actuellement de 70 mètres. Les chiffres
du rayon pour le mois passé donnent les indications suivantes :

Marge par mètre Coût de promotion Coût de la tenue de

linéaire par mètre linéaire rayon par mètre
linéaire
A 80 12 10
B 60 08 04
 Le budget mensuel disponible pour les opérations de promotions en rayon (publicité)
s'élève à 600. Farid ne consacrera pas plus de 380 par mois aux frais d'entretien des meubles de
présentation (tenue du rayon).

Fonction économique : Quel est le problème de Farid ? II cherche à répartir les 70 mètres
linéaires développés dont il dispose entre les deux produits, de sorte qu'il réalise une marge
maximum.
 Soit x le nombre de mètres linéaires qu'il convient d'attribuer à A. 17
 Soit y le nombre de mètres linéaires qu'IL convient à attribuer à B.

La marge totale peut être alors définie par la relation : Z = 80 x + 60 y. Cette relation
constitue la fonction économique à maximiser.

La modélisation des contraintes : Il s'agit à présent d'exprimer les contraintes de budget en

fonction des deux inconnues précédemment définies.

Contrainte liée au budget de publicité : Le coût par mètre linéaire pour A s'élève à 12.
Donc, pour x mètres, le coût s'établit à 12 x. Le coût par mètre linéaire pour B s'élève à 8. Pour y
mètres, le coût s'établit à 8 y. Soit un coût total de : 12 x + 8 y. Ce coût total ne doit pas dépasser
600 (contrainte budgétaire). La contrainte peut alors s'écrire : 12 x + 8 y < 600.

Contrainte liée aux frais d'entretien des meubles de présentation :

A B
Coût par mètre linéaire 10 04
Coût pour x mètre linéaire 10 x
Coût pour y mètre linéaire 04 y
Coût total 10x + 04 y

Le budget total disponible ne peut dépasser 380. La contrainte peut alors s'exprimer ainsi:
10 x + 4 y < 380.

Contraintes liées au linéaire disponible : Farid ne pourra pas attribuer un linéaire supérieur
à ce dont il dispose (70 mètres). Ce que l'on peut exprimer par : x + y ≤ 70.

Autres contraintes : Si Farid attribue un linéaire à chacune de ces familles de produits, on a :

x> 0 et y > 0. Par ailleurs, il peut n'attribuer de linéaire qu'à un seul produit. On aura alors : x > 0 et
y = 0 (la totalité du linéaire est attribuée à A), ou x = 0 et y > 0 (la totalité du linéaire est attribuée
à B). Toutes ces contraintes peuvent être résumées par : ‫ ≥ ݔ‬0, ݁‫ ≥ ݕݐ‬0.

En regroupant l'ensemble des données relatives au problème de Farid, nous pouvons établir
le programme linéaire suivant :

‫ ≥ ݔ‬0, ‫ ≥ ݕ‬0
⎧ 12‫ ݔ‬+ 8‫ ≤ ݕ‬600
⎪
10‫ ݔ‬+ 4‫ ≤ ݕ‬380

⎨ ‫ ݔ‬+ ‫ ≤ ݕ‬70
⎪
⎩‫ = ܼݔܽ ܯ‬80‫ ݔ‬+ 60‫ݕ‬

La résolution du programme : Il s'agit maintenant de trouver les valeurs de x et y qui

permettent de résoudre le programme linéaire. Nous n'envisagerons que la méthode de résolution
graphique.
 Construction du graphique : Elle consiste à représenter chaque contrainte dans un repère
orthonormé, de coordonnées x et y et à matérialiser, généralement en les grisant, les zones non
admises.

Soit D1 la droite d'équation : 12 x + 8 y = 600. Cette droite passe par le point A de

coordonnées xA = 0 et yA = 75. Elle passe aussi par le point B de coordonnées yB = 0 et xB= 50. Le
tracé des points A et B nous permet de construire la droite D1.

Soit D2 la droite d'équation : 10 x + 4 y = 380. Cette droite passe par le point C de 18

coordonnées xc = 0 et yc = 95. Elle passe aussi par le point D de coordonnées yD = 0 et xD =38 .Le
tracé des points C et D nous permet de construire la droite D2.

Toutes les valeurs de x et y situées au-delà des points A et B ne sont pas solutions du
programme linéaire car ne respectent pas la contrainte 12 x + 8 y s 600.Les valeurs de x et y situées
au-delà des points C et D sont à éliminer car ne satisfont pas à la contrainte 10 x + 4y s 380.

Soit D3 la droite d'équation : x + y = 70.

Cette droite passe par les points E et F de coordonnées respectives : xE = 0 et yE 70 yF = 0 et
xF= 70. Les points E et F nous permettent de tracer la droite D3.

Les valeurs de x et y situées au-delà des points E et F ne sont pas solutions du programme
linéaire, car ne respectent pas la contrainte : x + y = 70.

Si l'on reporte dans le même repère toutes les représentations des différentes contraintes, on
détermine un espace des valeurs x et y solutions acceptables du programme linéaire. Soit OEGHD,
l'espace des solutions acceptables pour le programme linéaire. Figure 4

Résolution graphique du programme : Parmi ces solutions acceptables, il faut trouver la

solution (x, y) particulière qui maximise la marge Z = 80 x + 60 y. Z peut aussi s'écrire: y = (-80/60) x
+ (Z/60).C’est J'équation d'une droite Δ. Si l'on attribue à Z des valeurs différentes, on trouvera les
équations de droites parallèles à Δ, car à même coefficient directeur «-1,33». Le problème consiste
alors à trouver la droite Δi particulière telle que Z soit maximum. On peut construire la droite Δ pour
laquelle Z = 0 et qui a donc pour équation : y = —1,33 x. Cette droite passe par l'origine (point O).
Calculons les coordonnées d'un autre point (par exemple Q d'abscisse xQ = 10), yQ = —1,33 x 10= —
13,33.
Pour trouver la droite Δi qui maximise la fonction économique Z, il suffit de faire glisser la
droite à parallèlement à elle-même de façon à ce que Z augmente et ce, jusqu'au point où la
droite Δ sortira du domaine des solutions acceptables. Cette position limite indique la solution
recherchée.

Remarque : pratiquement, le procédé consiste à prendre une règle et à la faire glisser

parallèlement à Δ jusqu'au point limite.

C'est au point G que Δ sort complètement du domaine des solutions acceptables. Il suffit
ensuite de lire les coordonnées du point G pour trouver la solution (xG, yG) du programmé linéaire.

Dans notre exemple, G a pour coordonnées : xG =10 et yG= 60. Pour ces valeurs particulières,
la fonction économique Zest maximum : Z = 80 x 10 + 60 x 60.

Farid doit attribuer 10 mètres linéaires à la famille Disques et 60 mètres linéaires à la

famille Carterie pour maximiser la rentabilité du linéaire et dégager une marge de 4400.

Remarque : il n'est pas toujours facile de déterminer par lecture graphique la solution du
programme. Ces coordonnées seront alors déterminées par le calcul. Ainsi dans notre exemple, le
point G est le point d'intersection des droites Dl et D3; ses coordonnées vérifient à la fois l'équation
de Dl et l'équation de D3. Il suffit de résoudre le système d'équations suivantes pour trouver xG et yG:
 D1: 12x + 8y = 600
D3 :x + y = 70

Par ailleurs, faire glisser une règle parallèlement à la droite Δ n'est pas toujours source de
précision. On peut calculer la valeur de la fonction économique à chacun des points limites de
l'espace des solutions et retenir le point pour lequel la fonction économique est optimale. Dans notre
exemple, on peut se demander si la droite Δ ne sort pas l'espace des solutions acceptables au point
H (de coordonnées xH = 20 et yH = 45). Il suffit alors de calculer la valeur de Z au point H, soit : Z= 80 19
x 20 + 60 x 45 = 4300.

À ce point, la marge obtenue est inférieure à celle dégagée au point G. On montre ainsi que
le point solution est effectivement le point G. On peut aussi proposer un tableau de calcul
systématique de la valeur de Z à chacun des points du polygone des programmes admissibles. Dans
notre exemple, on obtient :

Points O E G H D
࢞ 0 0 10 20 38
࢟ 0 70 60 45 0
Z 0 4200 4400 4300 3040

La valeur de l'optimum est alors évidente

H : Méthode de simplexe : partant du sommet du polygone des programmes admissibles

pour lequel la fonction économique Z est nulle (le point (0, 0)), on passe de proche en proche à des
sommets voisins en augmentant à chaque étape la valeur de Z, jusqu’à ce que l’on atteigne le
maximum. Pour appliquer l'algorithme du simplexe, il convient de suivre les étapes suivantes :
 poser la forme canonique, puis la forme standard du programme linéaire;
 déterminer les variables de base initiales : Pour la maximisation, avec des
contraintes du type ≤et du signe ≥ en cas de minimisation ;
 retranscrire les données du programme dans un tableau;
 déterminer la variable entrante : variable hors base (en colonne) correspondant à la
valeur la plus grande positive parmi les coefficients Z1 de la fonction économique, et
choisir max (Zi). Cette colonne est appelée colonne pivot;
 déterminer la variable sortante : variable de base en ligne correspondant à la plus
petite valeur strictement positive des rapports calculés (second membre des
contraintes/éléments correspondants à la colonne pivot). Cette ligne est appelée ligne
pivot. À l'intersection de la colonne pivot et de la ligne pivot, figure un nombre
appelé élément pivot;
 remplir le tableau en respectant les règles d'itération.

Règles de transformation du tableau d'une solution de base pour obtenir une meilleure
solution de base : les transformations du tableau consistent à faire entrer une à une dans la base
tout ou partie des variables réelles qui deviendront ainsi positives ce qui accroît progressivement la
valeur de la fonction économique Z. Elles remplacent tout ou partie des variables' d'écart qui
sortent une à une de la base.

Variable entrant dans la base : Désignons les indices de lignes par ݅et les indices de colonnes
par݆.La variable xj* entrant dans la base pour devenir positive est celle pour laquelle le coefficient z i
(dans une colonne j) est le plus grand. C'est ainsi que l'on a le plus de chance d'arriver rapidement à
la valeur maximale de Z puisque le coefficient z1 représente l'accroissement de Z pour une variation
d'une unité de xr

Variable sortant de la base : La variable ei* sortant de la base pour devenir hors base (et
donc nulle) est celle pour laquelle (sur une ligne i) le rapport Ri = bi / a i,j* est le plus petit sans être
négatif. Cette règle a pour effet de garantir qu'aucune variable ne puisse être rendue négative par
la transformation. Les contraintes de non-négativité sont ainsi respectées. Le nom de la variable x i*
entrée dans la base remplace le nom de la variable ei*sortie de la base comme titre de la ligne i*.

Pivot : L'élément ai*,j* situé à l'intersection de la colonne xj* (variable entrant) et de la ligne
ei* (variable sortant) est appelée pivot.

Transformation de la ligne de la variable sortant ei* : Chaque élément ai,j* de la ligne i* se

transforme en a’i,j* = ai,j*/pivot. Figure 5–6. 20

Transformation des autres lignes du tableau : chaque élément ai,j se transforme en a’ i,j =
ai,j – (ai,j*/pivot) ai*,j*.

Après transformation, la colonne d'une variable de base comprend un I (là où était le pivot)
et tous les autres éléments de la colonne sont des zéros. Les lignes dont l'élément ai,j* (sur la colonne
de la variable entrant) vaut zéro ne sont pas modifiées par la transformation. Les colonnes dont
l'élément ai*,j (sur la ligne de la variable sortant) vaut zéro ne sont pas modifiées par la
transformation.

Règle de détermination de la solution optimale :

 Le dernier tableau, correspondant à une solution de base optimale, est atteint
quand tous les coefficients z sont négatifs ou nuls. Il n'est alors plus possible
d'améliorer la fonction économique Z.
 Les valeurs des variables de base sont lues dans la colonne B du tableau. Les valeurs
des autres variables sont zéro.

Première étape : écrire le problème sous forme standard. On modifie la forme canonique
du problème en introduisant des variables d’écart positives ou nulles permettant d’écrire les
contraintes sous forme d’égalités.

Exemple : déterminer la forme canonique et la forme standard du problème suivant :

Deux ouvriers associés de qualifications différentes mais complémentaires, Aziz et Bilal,
travaillent à leur compte. Ils produisent deux biens A et B. Aziz est disponible 18 heures par jour,
Bilal 16 heures par jour. Les temps de travail nécessaires par unité de bien sont donnés dans le
tableau suivant :

Nombres d’heures de travail

Aziz Bilal
Bien A 6 2
Bien B 2 4

La marge sur la vente d’une unité de bien A est de 540, et la marge sur la vente d’une
unité de bien B est de 280. Déterminer les quantités x et y de biens A et B qu’ils doivent produire
quotidiennement pour obtenir la marge maximale.

Production
‫ ݔ‬unités de bien A ‫ ݕ‬unités de bien B Somme
Aziz 6x 2y 6 x + 2 y (heures de travail)
Bilal 2x 4y 2 x + 4 y (heures de travail)

Compte tenu de temps disponible de chacun d’eux, on obtient les contraintes suivantes :

6‫ ݔ‬+ 2‫ ≤ ݕ‬18

൜
2‫ ݔ‬+ 4‫ ≤ ݕ‬16
 La forme canonique :
Déterminer le maximum de Z = 540 x + 280 y
Avec : ‫ ≥ ݔ‬0݁‫ ≥ ݕݐ‬0

Sous les contraintes :

6‫ ݔ‬+ 2‫ ≤ ݕ‬18

൜
2‫ ݔ‬+ 4‫ ≤ ݕ‬16

La forme standard : 21
Déterminer le maximum de Z = 540 x + 280 y + 0݁ଵ+ 0݁ଶ
Avec : ‫ ≥ ݔ‬0 , ‫ ≥ ݕ‬0, ݁ଵ ≥ 0, ݁ଶ ≥ 0

Sous les contraintes :

6‫ ݔ‬+ 2‫ ݕ‬+ ݁ଵ = 18

൜
2‫ ݔ‬+ 4‫ ݕ‬+ ݁ଶ = 16

Les variables d’écarts donnent le nombre d’heures inutilisées par chacun des ouvriers.

Seconde étape : À partir de la forme standard du problème, on peut utiliser :

 soit la résolution algébrique,
 soit la présentation en tableaux.

La première méthode, peu utilisée dans la pratique, permet de comprendre l'algorithme

suivi. La seconde, plus facile car plus « mécanique », présente les résultats des différentes étapes sous
forme de tableaux. Détaillons ces deux techniques sur l'exemple ci-dessus, pris sous sa forme
standard.

Résolution algébrique : Programme admissible de départ :

 x = 0, y = 0 : Variables dites hors base,
 ݁ଵ = 18, ݁ଶ = 16 : Variables dites dans la base,
Ce programme correspond au point 0 (0, 0) pour lequel Z = O. Les valeurs d’écarts sont
calculées à partir des contraintes.
 Première itération : Choix de la variable entrante. Pour augmenter Z, il suffit
d'augmenter x ou y. Premier critère de Dantzig : On choisit d'augmenter la variable
affectée du coefficient strictement positif le plus grand dans l'expression de Z
(espérant ainsi augmenter davantage la valeur de Z). Cette variable est appelée
variable entrante.

Détermination de la variable sortante : Dans notre exemple, la variable entrante sera x.

(Puisque Z = 540 x + 280 y, 540>280).La variable y restant nulle, les contraintes (1) et (2) permettent
d'écrire :݁ଵ= 18 — 6x, et ݁ଶ= 16 — 2x. Or, ݁ଵet ݁ଶdevant être positifs ou nuls, x doit vérifier 18 — 6x
≥0 soit x ≤3, et 16 — 2x ≥0 soit x ≤8.La plus grande valeur de x vérifiant simultanément les
contraintes (x ≤3 et x ≤ 8) est x = 3.Pour x = 3, (et y = 0), on a ݁ଵ = 0 et ݁ଶ = 10.La variable ݁ଵ qui
était « dans la base » prend maintenant la valeur 0. On dit qu'elle sort de la base.݁ଵest la variable
sortante.On peut la déterminer « mécaniquement » en appliquant le critère suivant :

Second critère de Dantzig : Pour chaque équation, on calcule le rapport : Second membre/
Coefficient de la variable entrante, le plus petit rapport détermine la variable sortante.

Nous sommes passés au programme admissible suivant :

 Variables Hors base :eଵ = 0, y = 0
 Variables dans la base : x = 3, eଶ= 10
 Z = 1620 : ce programme de production correspond au sommet A sur la figure à
partir de l'équation dite d'échange (équation où figurent la variable entrante
variable sortante), on exprime la variable entrante (x) en fonction des variables hors
base (eଵ et y).Cela permet d'exprimer les variables dans la base et Z en fonction des
 variables hors et d'obtenir une nouvelle forme du problème, sur laquelle nous
verrons s'il est possible d'augmenter Z.

Équation d'échange : 6 x + 2 y + eଵ= 18 d'où : x = 3 – (1/3) y – (1/6)eଵ : (3)

On en tire : eଶ= 16 – 2 x – 4y = 16 –2 (3 – (1/3) y – (1/6)eଵ) – 4y = 10 – (10/3) y + (1/3) eଵ : (4)
Z = 540 (3 – (1/3) y – (1/6)eଵ) + 280 y = 1620 + 100 y – 90 eଵ

Nouvelle forme du problème :

Maximiser Z = (0x) + 100 y — 90 eଵ + (0eଶ) + 1620 22
Avec : ‫ ≥ ݔ‬0, ‫ ≥ ݕ‬0, ݁ଵ ≥ 0, ݁ଶ ≥ 0
Sous les contraintes :

1 1
‫ ݔ‬+ ൬ ൰‫ ݕ‬+ ൬ ൰݁ଵ = 3
൞ 3 6

10 1
൬ ൰‫ ݕ‬− ൬ ൰݁ଵ + ݁ଶ = 10
3 3

Deuxième itération : Variable entrante y, car dans l'expression de Z, la variable affectée du

coefficient strictement positif le plus grand est y.

Détermination de la variable sortante : Les rapports : Seconds membre / Coefficient de la

variable entrante, valent : 9≥3. Le plus petit des deux étant 3, c'est la deuxième équation qui
détermine la variable sortante qui sera donc : ݁ଶ.

Programme admissible obtenu :݁ଵ = 0, ݁ଶ = 0, x = 2, y = 3. Z vaut alors 1920.

Ce programme de production correspond au sommet B sur la figure 9.

Exprimons à nouveau les variables dans la base et Z en fonction des variables hors base.

L'équation d'échange est :

1 3
‫ = ݕ‬− ൬ ൰݁ଵ + ( )݁ଶ = 3
10 10

On procède ensuite à des calculs analogues à ceux précédemment faits.

Dernière forme du problème : Maximiser Z = 0x + 0y – 80 e1 – 30e2
Sous les contraintes :

1 1
‫ ݔ‬+ ൬ ൰݁ଵ − ൬ ൰݁ଶ = 2
൞ 5 10

1 3
‫ ݕ‬− ൬ ൰݁ଵ + ( )݁ଶ = 3
10 10

Dans l'expression de Z, les variables sont toutes affectées de coefficients négatifs ou nuls. Il
n'est plus possible d'augmenter la valeur de Z.

Lorsque, dans l'expression de Z en fonction des variables hors base, toutes les variables sont
affectées de coefficients négatifs ou nuls, on a atteint le maximum.

Présentation en tableaux successifs :Les trois formes du problème rencontrées au fil de

la résolution algébrique développée ci-dessus peuvent être présentées sous forme de tableaux dans
lesquels ne seront indiqués que les coefficients des variables. Nous verrons que l'on peut passer d'un
tableau au suivant par la méthode du pivot, présentée au chapitre précédent, jusqu'à obtention du
maximum. Le pivot à utiliser sera déterminé par le choix de la variable entrante et de la variable
sortante.
 Reprenons la forme standard du problème pour poser le tableau de départ :
Déterminer le maximum de Z = 540 x + 280 y + (0݁ଵ) + (0݁ଶ)
Avec x ≥0, y ≥0, ݁ଵ ≥0, ݁ଶ ≥0,
Sous les contraintes :

6‫ ݔ‬+ 2‫ ݕ‬+ ݁ଵ = 18

൜
2‫ ݔ‬+ 4‫ ݕ‬+ ݁ଶ = 16
23
Tableau 1 : Var. réelles Var. d’écarts Seconds
‫ݔ‬ ‫ݕ‬ ݁ଵ ݁ଶ membres
݁ଵ 6 2 1 0 18
Variables dans la base ݁ଶ 2 4 0 1 16
Fonction économique 540 280 0 0 0

Étape 1 : Sur la ligne « fonction économique », chercher le coefficient strictement positif le

plus grand (540). La variable (x) correspondant à ce coefficient (540 est dans la colonne de la
variable réelle x) est la variable entrante.

Étape 2 : Calculer les rapports : Seconds membres/ Coefficient de la variable entrante

(3 et 8) l'on indique en colonne Q, et chercher la plus petite valeur strictement positive
obtenue (3). La variable dans la base, située sur la même ligne que cette valeur
(݁ଵ), est la variable sortante. Le nombre situé à l'intersection de la colonne de la variable entrante
et de la ligne de variable sortante (6 en gras) est le pivot

Tableau 1 : Var. réelles Var. d’écarts Seconds

‫ݔ‬ ‫ݕ‬ ݁ଵ ݁ଶ membres Q
݁ଵ 6 2 1 0 18 3
Variables dans la base ݁ଶ 2 4 0 1 16 8
Fonction économique 540 280 0 0 0

Étape 3 : Transformer le tableau 1 (sans la colonne Q) par la méthode du pivot :

 diviser toute la ligne du pivot par le pivot,
 remplacer chacune des autres lignes par : (elle-même) + (un multiple de la ligne du
pivot) de façon à faire apparaître des zéros sur la colonne du pivot :
On obtient :

Tableau 2 : Var. réelles Var. d’écarts Seconds

‫ݔ‬ ‫ݕ‬ ݁ଵ ݁ଶ membres
‫ݔ‬ 1 1/3 1/6 0 3
Variables dans la base ݁ଶ 0 10/3 -1/3 1 10
Fonction économique 0 100 -90 0 -1620

On remarquera, dans ce deuxième tableau, que l'on a remplacé la variable sortante

݁ଵpar la variable entrante x (dans la colonne des variables dans la base). Ceci est important pour la
lecture des résultats obtenus dans le tableau. On constate par ailleurs que ce deuxième tableau
correspond (sauf le signe affecté à 1620) à la deuxième forme du problème que nous avions trouvée
lors de la résolution algébrique.

Dans le tableau 2, on reprend les étapes : 1 - 3 :

Tableau 2 : Var. réelles Var. d’écarts Seconds Q

‫ݔ‬ ‫ݕ‬ ݁ଵ ݁ଶ membres
‫ݔ‬ 1 1/3 1/6 0 3 9
 Variables dans la base ݁ଶ 0 10/3 -1/3 1 10 3
Fonction économique 0 100 -90 -30 -1620

Tableau 1 : Var. réelles Var. d’écarts Seconds

‫ݔ‬ ‫ݕ‬ ݁ଵ ݁ଶ membres
݁ଵ 1 0 1/5 -1/10 2
Variables dans la base ݁ଶ 0 1 -1/10 3/10 3
24
Fonction économique 0 0 -80 -30 -1920

Dans ce dernier tableau, les coefficients de la fonction économique sont tous négatifs ou
nuls, on sait donc que l'on a atteint le maximum. Le tableau 3 correspond à la dernière forme du
problème obtenue lors de la résolution algébrique :

Maximiser Z = (0x) + (0y) — 80݁ଵ — 30݁ଶ + 1920

Lecture des tableaux successifs : Les variables hors base ont toujours la valeur 0.La valeur
des variables dans la base se lit directement dans la colonne « seconds membres » du tableau
considéré. La valeur de Z pour chaque programme admissible est l'opposé du nombre encadré sur
la ligne de Z.

Tableau 1 : Var. réelles Var. d’écarts Seconds

‫ݔ‬ ‫ݕ‬ ݁ଵ ݁ଶ membres
݁ଵ 18
Variables dans la base ݁ଶ 16
Fonction économique 0

Interprétation : si Aziz et Bilal produisent 0 unité de A et 0 unité de B, il leur reste

respectivement 18 et 16 heures de travail disponibles, et ils obtiennent une marge nulle.

Tableau 1 : Var. réelles Var. d’écarts Seconds

‫ݔ‬ ‫ݕ‬ ݁ଵ ݁ଶ membres
‫ݔ‬ 3
Variables dans la base ݁ଶ 10
Fonction économique -1620

Si Aziz et Bilal produisent 3 unités de A et 0 unité de B, Albert occupe toutes ses heures de
travail, Bernard dispose encore de 10 heures disponibles, et la marge est de 1620.

Tableau 1 : Var. réelles Var. d’écarts Seconds

‫ݔ‬ ‫ݕ‬ ݁ଵ ݁ଶ membres
‫ݔ‬ 2
Variables dans la base ‫ݕ‬ 3
Fonction économique -1920
Si Aziz et Bilal produisent 2 unités de A, et 3 unités de B, ils n'ont plus d'heure de travail
disponible, et la marge est de 1920.On est à l'optimum.
Exemple : Une entreprise fabrique deux produits A et B. L'unité de mesure est le mètre
cube (m3). La fabrication de ces deux produits nécessite un passage dans trois ateliers pour lesquels
on dispose des renseignements suivants pour un mois d'activité :
 Nombre d’unités d’œuvre nécessaires pour 1 m3 Coût var. d’une U.O
Bien A Bien B
Atelier 1 6 4 80
Atelier 2 6 14 90
Atelier 3 16 12 120

Les prix de vente de ces deux produits s'élèvent respectivement à 790 le m 3 pour le produit
A et 1840 le m3 pour le produit B. La direction se fixe comme objectif la maximisation la marge sur
coûts variables totale. Les capacités de chaque atelier sont limitées à :
 800 unités d'oeuvre pour l'atelier 1, 25

 2000 unités d'oeuvre pour l'atelier 2,

 2200 unités d’oeuvre pour l'atelier 3.

Questions :
1) Écrire le programme linéaire sous forme canonique.
2) Présenter le premier tableau selon la méthode de Dantzig. Effectuer la première
transformation.
3) Si la dernière matrice est la suivante,

࢞ ࢟ Seconds
membres
‫ݔ‬ 1 0 0 3/19 853/2 850/19
݁ଵ 0 0 1 1/19 -285/2 315/19
‫ݕ‬ 0 1 0 4/19 -1137/2 2350/19
Coefficients économiques 0 0 0 -60/19 -17005/2 -557750/19

Indiquer quel est :

3
a) le nombre de m de chaque type de produit à fabriquer,
b) le nombre d'unités d'oeuvre qui reste disponible dans chaque atelier,
c) la marge totale sur coûts variables obtenue,

II : Problèmes de minimisation, dualité : Cas de deux variables : Il s'agit de

déterminer le minimum d'une fonction Z de la forme : Z = ߙu + ߚv, avec ‫ ≥ ݑ‬0 et‫ ≥ ݒ‬0, u et
v vérifiant un certain nombre de contraintes de la forme : ߙ௜‫ ݑ‬+ ߚ௜ ≥ ݀௜

Exemple : Reprenons le cas des deux ouvriers complémentaires, Aziz et Bilal. Une
entreprise Edésire les embaucher. Elle emploierait Aziz 18 heures par jour et Bilal 16 heures. Cela
leur rapporterait : u Dh de l'heure pour Aziz et v Dh de l'heure pour Bilal. Déterminer u et v tels
que le coût soit minimal pour l'entreprise et l'offre globalement acceptable pour les ouvriers (qui
cesseraient de produire A et B). Pour une journée de travail, le coût pour l'entreprise sera z = 18 u +
16 v qu'il faut donc minimiser. Pour les deux ouvriers :
 produire I unité de A rapportait 540, or cela demandait 6 h d'Aziz et 2 h de Bilal.
S'ils consacraient ces heures à l'entreprise E (au lieu de produire le bien A) cela leur
rapporterait globalement 6u + 2v. On doit donc avoir : 6u + 2v ≥540. Et de même :
2u + 4v ≥280.
 Le Problème à résoudre est donc le suivant : Minimiser z = 18u + 16v. Avec : u > 0, v >0
Sous les contraintes :
6‫ ݑ‬+ 2‫ ≥ ݒ‬540

ቄ
2‫ ݑ‬+ 4‫ ≥ ݒ‬280

A: Résolution graphique :
 Représenter dans le plan l'ensemble des programmes admissibles.
 Tracer la droite (Δ) d'équation ߙu + ߚv = 0 (elle passe par l'origine).
 Déterminer la droite parallèle à (Δ) la plus proche de l'origine 0 du repère, mais
cou= pant l'ensemble des programmes admissibles en un point au moins. En ce point
Z est minimum.
 Traçons les droites :
 (D1) d'équation : 6 u + 2 v = 540
 (D2) d'équation : 2 u + 4 v = 280
 (Δ) d'équation : 18 u + 16 v = 0

Représentons l'ensemble des programmes admissibles (sans oublier les contraintes de

positivité) : on obtient la portion de plan grisée. Figure 7

Parmi les droites parallèles à (Δ) et coupant cette portion de plan, la plus proche de 0 est 26
celle qui passe par le point noté P sur la figure. On sait que z est minimum en ce point. On peut
déterminer les coordonnées de P graphiquement ou en résolvant le système :

6‫ ݑ‬+ 2‫ = ݒ‬540

ቄ
2‫ ݑ‬+ 4‫ = ݒ‬280

(D1) et (D2). On obtient u = 80, v = 30 et z vaut 1920 en ce point.

Conclusion : la valeur minimale de z est 1920, et ce minimum est atteint pour u = 80 et v

= 30 de l'heure. Nous constatons la valeur minimale de z (1920) est égale à la marge maximale que
les deux ouvriers pouvaient atteindre en produisant les biens A et B. Ce n'est pas un hasard. Les
deux problèmes sont dits duaux l'un de l'autre.

B : Résolution par passage au dual

1 - Primal dual : définitions : Observons en parallèle les deux problèmes relatifs à Aziz
et Bilal :

Problème 1 Problème 2
Maximum Z = 540 x + 280 y Minimum Z = 18 u + 16 v
࢞ ≥ ૙ et ࢟ ≥ ૙ ࢛ ≥ ૙et ‫ ≥ ݒ‬0
Sous les contraintes : Sous les contraintes :
૟࢞ + ૛࢟ ≤ ૚ૡ 6‫ ݑ‬+ 2‫ ≥ ݒ‬540

ቄ
૛࢞ + ૝࢟ ≤ ૚૟ 2‫ ݑ‬+ 4‫ ≥ ݒ‬280

 Le problème 1 est un problème de maximisation tandis que le problème 2 est un

problème de minimisation.
 Les coefficients de la fonction économique du problème 1 sont les seconds membres
des contraintes du problème 2 et vice versa.
 Les variables des deux problèmes sont positives ou nulles.
 Dans les contraintes des deux problèmes les inégalités sont de sens contraires.
 Les coefficients affectés aux variables dans la première contrainte du problème 1
sont affectés à la première variable (u) dans les contraintes du problème 2 et vice
versa, et de même les coefficients affectés aux variables dans la seconde contrainte
du problème 1 sont affectés à la seconde variable (y) dans les contraintes du
problème 2 et vice versa.
 Le problème 2 est le dual du problème 1 que l'on appelle alors le primai, mais les
rôles peuvent être inversés, ce qui revient à échanger les noms (le dual du dual est le
primai).

2 -Théorèmes généraux : l'intérêt du passage au dual est de pouvoir, dans certains cas,
résoudre le problème dual à partir de la solution du problème primal, et ce grâce aux théorèmes
suivants.

 Théorème 1 : Si le primal admet une solution, le dual en admet une également et le

maximum de l'un est égal au minimum de l'autre
 Ayant résolu le problème I ci-dessus (et trouvé que la valeur maximale de Z est 1920),
pouvons affirmer sans aucun calcul que le problème 2 a une solution et que la valeur m - male de z
est 1920 également. Il reste alors à déterminer les valeurs de u et v permettant d'atteindre ce
minimum.

 Théorème 2 : Si la ième variable est non nulle à l'optimum du primal, la ième

contrainte est saturée à l'optimum du dual.

À l'optimum du problème I on a trouvé que la valeur maximale de Z est atteinte pour x = 2 27

et y = 3. On a donc x ≠0 (première variable non nulle), et y ≠0 (seconde variable non nulle). À
l'optimum du dual, les première et deuxième contraintes sont donc saturées, ce qui signifie que u et
v vérifient :

6‫ ݑ‬+ 2‫ = ݒ‬540

ቄ
2‫ ݑ‬+ 4‫ = ݒ‬280

Ce qui donne u = 80 et v = 30.

 Théorème 3 : Si la ième contrainte est non saturée à l'optimum du primal, la ième

variable est nulle à l'optimum du dual.

3 : Méthode du simplexe :Telle que nous l'avons exposée plus haut, cette technique ne
convient pas a priori les problèmes de minimisation, ne serait-ce que du fait que l'on part du
programme lequel toutes les variables réelles sont nulles. Or ce dernier n'est en général pas un
programme admissible. Par exemple dans le problème 2, u = 0, v = 0 ne vérifient pas les contraintes.
Il est possible cependant d'adapter l'algorithme de Dantzig aux problèmes de minimisation.

III : Utilisation du calcul matriciel pour effectuer les calculs du simplexe :

Dans la méthode du simplexe, le passage d'un tableau au suivant peut être effectué à
l’aide d'un produit matriciel. Cette technique n'a d'intérêt que si l'on dispose d'un outil (calculatrice
ou ordinateur) effectuant les calculs matriciels.

Exemple : Soit à résoudre le problème suivant, donné sous sa forme standard :

Maximiser : Z = 500x + 400y + 600z + (0 x a) + (0 x b) + (0 x c)

‫ ≥ ݔ‬0, ‫ ≥ ݕ‬0, ‫ ≥ ݖ‬0

⎧ ܽ ≥ 0, ܾ ≥ 0, ܿ ≥ 0
⎪
‫ ݔ‬+ 3‫ ݕ‬+ 2‫ݖ‬+ ܽ = 28

⎨ ‫ ݔ‬+ ‫ ݕ‬+ ‫ݖ‬+ ܾ = 20
⎪
⎩18‫ ݔ‬+ 5‫ ݕ‬+ 11‫ݖ‬+ ܿ = 324

Var. réelles Var. d’écarts Second Q

Tab. 01 ‫ݔ‬ ‫ݕ‬ ‫ݖ‬ ܽ ܾ ܿ membres
ܽ 1 3 2 1 0 0 28 14
Variables dans la base ܾ 1 1 1 0 1 0 20 20
ܿ 18 5 11 0 0 1 324 29,45
Fonction économique 500 400 600 0 0 0 0

Var. réelles Var. d’écarts Second Q

Tab. 01 ‫ݔ‬ ‫ݕ‬ ‫ݖ‬ ܽ ܾ ܿ membres
‫ݖ‬ 0,5 1,5 1 0,5 0 0 14 28
Variables dans la base ܾ 0,5 -0,5 0 -0,5 1 0 6 12
ܿ 12,5 -11,5 0 -5,5 0 1 170 13,6
Fonction économique 200 -500 0 -300 0 0 -8400
 Var. réelles Var. d’écarts Second
Tab. 01 ‫ݔ‬ ‫ݕ‬ ‫ݖ‬ ܽ ܾ ܿ membres
‫ݖ‬ 8
Variables dans la base ‫ݔ‬ 12
ܿ 20
Fonction économique 0 -300 0 -100 -400 0 -10800

1 : présentation matricielle des calculs :

28
૚ ૜ ૛ ૚ ૙ ૙ ૛ૡ
૚ ૚ ૚ ૙ ૚ ૙ ૛૙ ቍ = A1
ቌ
૚ૡ ૞ ૚૚ ૙ ૙ ૚ ૜૛૝
૞૙૙ ૝૙૙ ૟૙૙ ૙ ૙ ૙ ૙

૙, ૞ ૚, ૞ ૚ ૙, ૞ ૙ ૙ ૚૝
P1 =
૙, ૞ −૙, ૞ ૙ −૙, ૞ ૚ ૙ ૟
૚/૛ ૙ ૙ ૙ ൮ ൲ = P1 A1 = A2
૚૛, ૞ −૚૚, ૞ ૙ −૞, ૞ ૙ ૚ ૚ૠ૙
−૚/૛ ૚ ૙ ૙
൮ ൲ ૛૙૙ −૞૙૙ ૙ −૜૙૙ ૙ ૙ −ૡ૝૙૙
−૚૚/૛ ૙ ૚ ૙
−૟૙૙/૛ ૙ ૙ ૚

P2 = ૙ ૛ ૚ ૚ −૚ ૙ ૡ
૚ −૚ ૙ −૚ ૛ ૙ ૚૛
૚ −૙, ૞/૙, ૞ ૙ ૙ ൮ ൲ = P2 A2 = A3
૙ ૚ ૙ ૠ −૛૞ ૚ ૛૙
૙ ૚/૙, ૞ ૙ ૙ ૙ −૜૙૙ ૙ −૚૙૙ −૝૙૙
൮ ൲ ૙ −૚૙ૡ૙૙
૙ −૚૛, ૞/૙, ૞ ૚ ૙
૙ −૛૙૙/૙, ૞ ૙ ૚