Chapitre 2.S5-RO-20.21 PDF

Résolution des programmes linéaires : Méthode graphique
Chapitre 2 :
Résolution des programmes linéaires
Méthode graphique
FSJES Guelimim RO - S5 Économie et Gestion 2020/2021

41 / 192
Résolution des programmes linéaires : Méthode graphique Méthode Graphique : Maximisation
Un programme linéaire (PL), selon sa nature, peut être résolu des manières
diérentes :
1 Méthode graphique :
C'est une représentation géométrique plane dans le cas de deux

variables.
2 Algorithme du Simplexe :
Cet algorithme est recommandé lorsque le nombre de variables est

quelconque et il est très utilisé dans la pratique.
3 Recensement des sommets de la région admissible :
Cette méthode est possible tant que le nombre des sommets n'est pas
assez grand, c'est-à-dire, le nombre des variables et des contraintes
reste très limité. On prend le sommet qui optimise la fonction objectif.
Dans ce chapitre, nous allons présenter la méthode graphique en étudiant

les diérents cas de PL, suivant la nature de l'objectif (max ou min) et des
contraintes (inégalités, égalités ou mixtes).
42 / 192
1. Premier exemple : cas de maximisation
Reprenons l'exemple 1 du chapitre 1 :
Produit 1 Produit 2 Capacité

(châssis aluminium) (châssis bois) disponible
(heures/produit) (heures/produit) (heures/semaine)
Atelier 1 1 0 4
Atelier 2 0 2 12
Atelier 3 3 2 18
Marge 3 UM 5 UM
La question qui se pose est la suivante : combien faut-il produire de chassis

de chaque type par semaine pour maximiser le prot net ?

43 / 192
1.1 Modélisation du problème :
On a déjà montré que ce problème se ramène à résoudre le PL suivant :
max z = 3x1 + 5x2



 x1 ≤ 4



(P1 ) 2x2 ≤ 12


 3 x1 + 2x2 ≤ 18
 x ≥0; x ≥0

1 2
où x1 est le nombre de châssis en aluminium et x2 est le nombre de

châssis en bois.
Représentation de la région admissible :
La première étape de la résolution consiste à représenter graphiquement la

région admissible. Dans notre cas, c'est l'ensemble des points (x1 , x2 )
satisfaisant les inégalités de (P1 ) .
Graphiquement une inégalité telle que 3x1 + 2x2 ≤ 18 correspond à un
demi-plan limité par la droite d'équation : 3x1 + 2x2 = 18.
44 / 192
Lorsque l'on fait l'intersection des cinq demi-plans correspondant aux cinq
inégalités :
4 (1)

 x1 ≤
2 x2 12 (2)

≤



3x1 + 2x2 ≤ 18 (3)


 x 1 ≥ 0 (4)
0 (5)

 x2 ≥
on obtient le polyèdre de la gure ci-dessous.
Représentation de l'objectif :
On va considérer des valeurs successives de l'objectif : z = k.

Ce qui correspond graphiquement à des droites parallèles ∆k d'équation :
3x1 + 5x2 = k
Les points d'une de ces droites sont donc le lieu de tous les points donnant
la même valeur du prot, d'où le nom de droites d'isovaleur (ou droites
d'isoprot) de la fonction objectif.
45 / 192
Représentation graphique de la région admissible

46 / 192
−3 k
On a 3x1 + 5x2 = k ⇒ x2 = x1 + .
5 5
3
Donc les droites ∆k ont la même pente (coecient directeur) p=−
5
Prenons par exemple les valeurs k = 0 , k = 15 et k = 30 .

La droite ∆0 d'isovaleur k = 0, c-à-d : 3x1 + 5x2 = 0 , passe par les
points (0, 0) et (5, −3).
La droite ∆15 , c-à-d : 3x1 + 5x2 = 15 , passe par les points (5, 0) et
(0, 3).
Tandis que La droite ∆30 , c-à-d : 3x1 + 5x2 = 30 , passe par les points
(10, 0) et (0, 6).
On obtient donc des droites parallèles qui montent vers le haut si k
augmente.
Ainsi, on conclut que pour maximiser z, il faut prendre la droite d'isovaleur

la plus élevée.

47 / 192
Détermination du point optimal :
On cherche le point de la région admissible qui maximise la fonction

objectif z = 3x1 + 5x2 .
Ce point sera déterminé graphiquement en tenant compte des deux
conditions suivantes :
Il sera situé sur la droite qui donne le prot le plus grand, donc la
droite d'isoprot la plus élevée.
Il faut se restreindre à la région admissible.
Conclusion :
Pour maximiser l'objectif, il faut prendre la droite d'isovaleur la plus élevée

(qui donne la plus grande valeur à l'objectif ) et qui touche encore la région
admissible. Le point de contact est un point optimal.

48 / 192
Le point optimal x ∗ = (x1∗ , x2∗ ) se trouve à l'intersection des deux droites

D2 : x 2 = 6 et D3 : 3x1 + 2x2 = 18.
x∗ vérie donc :
x2 = 6
3x1 + 2x2 = 18
D'où
x ∗ = (2 , 6)
et la valeur maximale de la fonction objectif est : z ∗ = 3x1∗ + 5x2∗ = 36
Remarque :
Pour un calcul exact de la solution optimale, il faut commencer tout

d'abord par déterminer les droites (contraintes) qui se rencontrent au point
optimal, et ensuite résoudre le système d'équations relatives à ces droites.

49 / 192
Représentation graphique de la solution optimale

50 / 192
1.2 Interprétation économique :
La solution optimale est x ∗ = (2 ; 6), donc il faut produire 2 châssis en

aluminium et 6 châssis en bois pour réaliser un prot net maximal égal à
36 UM.
A l'optimum, la deuxième contrainte et la troisième contrainte sont

saturées mais la première contrainte ne l'est pas, car :
 ∗
 x1 = 2 < 4
∗
2x = 2 × 6 = 12
 2∗ ∗
3x1 + 2x2 = (3 × 2) + (2 × 6) = 18
Donc, pour réaliser le prot net maximal, il faut utiliser toute la capacité
disponible dans l'atelier 2 et l'atelier 3 (plein emploi), et il restera une
capacité dans l'atelier 1 (sous- emploi) égale à :
4 − x1∗ = 2 (heures par semaine).

51 / 192
Résolution des programmes linéaires : Méthode graphique Méthode Graphique : Minimisation
2. Deuxième exemple : cas de minimisation
Considérons maintenant un exemple où la fonction objectif doit être

minimisée :
Une compagnie possède deux mines de charbon A et B. La mine A produit

quotidiennement 1 tonne de charbon de qualité supérieure, 1 tonne de
qualité moyenne et 6 tonnes de qualité inférieure. La mine B produit par
jour 2, 4 et 3 tonnes de chacune des trois qualités. La compagnie doit
produire au moins 90 tonnes de charbon de qualité supérieure, 120 tonnes
de qualité moyenne et 180 tonnes de qualité inférieure.
Sachant que le coût de production journalier est le même dans chaque

mine, soit 1000 UM, quel est le nombre de jours de production dans la mine
A et dans la mine B qui minimisent le coût de production de la compagnie ?

52 / 192
2.1 Modélisation du problème

variables de décision :
x1 : nombre de jours de travail dans la mine A
x2 : nombre de jours de travail dans la mine B
Mise en équations des contraintes :
La mine A produit par jour 1 tonne de charbon de qualité supérieure,

tandis que la mine B en produit 2 tonnes. Comme la compagnie doit
satisfaire à la demande de 90 tonnes de charbon de qualité supérieure,
la première contrainte s'écrit :
x1 + 2x2 ≥ 90
De même, pour les deux autres qualités de charbon, on obtient :
x1 + 4x2 ≥ 120
6x1 + 3x2 ≥ 180
En plus, x1 et x2 , étant des nombres, vérient la contrainte de
positivité : x1 ≥ 0 et x2 ≥ 0.
53 / 192
Fonction objectif :
Pour minimiser le coût de production de la compagnie, on doit

minimiser la fonction objectif : z = 1000x1 + 1000x2
Le programme linéaire qui modélise ce problème s'écrit donc :

 min z = 1000x1 + 1000x2

 x1 + 2x2 ≥ 90


x1 + 4x2 ≥ 120
6x + 3x2 ≥ 180

 1



x1 ≥ 0 ; x2 ≥ 0
2.2 Résolution graphique
La région admissible est un polyèdre non borné qui a pour sommets les
points (voir gure ci-dessous) :

54 / 192
1 A (0 ; 60) : intersection de la droite D3 d'équation 6x1 + 3x2 = 180

avec l'axe x2 ;
2 B (10 ; 40) : intersection des deux droites D3 et (D1 : x1 + 2x2 = 90) ;
3 C (60 ; 15) : intersection des deux droites D1 et (D2 : x1 + 4x2 = 120) ;
4 D (120 ; 0) : intersection de la droite D2 avec l'axe x1 .
La fonction objectif étant z = 1000x1 + 1000x2 , les droites d'isovaleur ont

la même pente égale à −1. On remarque sur la gure que celle qui réalise
le coût minimal est la droite passant par le sommet B. Ce dernier étant
l'intersection des droites D1 et D3 , ses coordonnées vérient le système :

x1 + 2x2 = 90
6x1 + 3x2 = 180
D'où
x ∗ = (10 ; 40)
et la valeur minimale de la fonction objectif est :
z ∗ = 1000x1∗ + 1000x2∗ = 50000

55 / 192
Graphique exemple 2

56 / 192
2.3 Interprétation économique
On a x ∗ = (10 ; 40) et z ∗ = 50000, donc il faut 10 jours de travail dans la

mine A et 40 jours de travail dans la mine B à la compagnie pour un coût
de production minimal de 50000 UM.
A l'optimum, la première contrainte et la troisième contrainte sont saturées

mais la deuxième contrainte ne l'est pas :
 ∗
 x1 + 2x2∗ = 10 + (2 × 40) = 90
x ∗ + 4x2∗ = 10 + (4 × 40) = 170 > 120
 1∗ ∗
6x1 + 3x2 = (6 × 10) + (3 × 40) = 180
Pour minimiser le coût de production, la compagnie devra utiliser toutes les

quantités de charbon de qualités supérieure et inférieure, et il lui restera un
stock de charbon de qualité moyenne égal à 170 − 120 = 50 tonnes.

57 / 192
3. Cas particuliers
3.1 Région admissible bornée - une innité de solutions optimales :
Dans l'exemple 1, la solution optimale est unique et correspond à un

sommet (optimal) de la région admissible (bornée).
En général, il existe des cas où tout un côté (segment) de la région

admissible est optimal. En eet, supposons que l'on aie, sous les mêmes
contraintes, un objectif de la forme :
0
max z = 3x1 + 2x2
Il est facile, dans ce cas, de voir que les droites d'isovaleur de l'objectif
seraient toutes parallèles à la droite D3 d'équation :
3x1 + 2x2 = 18
On en déduit (voir gure ci-dessous) que tout le segment joignant le

sommet (2, 6) au sommet (4, 3) est optimal. Dans ce cas, on pourra choisir
comme solution optimale celle qui correspond au sommet (2, 6) ou (4, 3).
58 / 192
Région admissible bornée - innité de solutions

59 / 192
3.2 Région admissible non bornée - innité de solutions :
Dans l'exemple 2, la région admissible est un polyèdre non bornée et la

solution optimale est unique et atteinte en un sommet du polyèdre.
Supposons maintenant que l'on aie à minimiser la fonction objectif

z 0 = 2x1 + 4x2 avec les mêmes contraintes.
Nous aurons alors le nouveau PL :
0

 min z = 2x1 + 4x2

 x1 + 2x2 ≥ 90


x1 + 4x2 ≥ 120
 6x1 + 3x2 ≥ 180



x1 ≥ 0 ; x2 ≥ 0

Les droites d'isovaleur seront toutes parallèles à la droite D1 d'équation

x1 + 2x2 = 90. Par suite, nous aurons une innité de solutions représentées
par le segment joignant les points B (10 ; 40) et C (60 ; 15).

60 / 192
Problème non borné - innité de solutions

61 / 192
3.3 Région admissible non bornée - solution optimale innie :
Considérons le programme linéaire suivant :


 maxz = x1 + x2
+ 3x2 ≥ 6
2x1

2x + x2 ≥ 4
 1


x1 ≥ 0 ; x2 ≥ 0
En donnant à x1 et x2 des valeurs assez grandes les contraintes seront

toujours vériées. La valeur de la fonction objectif z peut être augmentée
indéniment. Par conséquent, z = +∞.
Graphiquement, on remarque sur la gure ci-dessous que la région
admissible n'est pas bornée et que les droites d'isovaleur peuvent être
déplacées à l'innie en conservant toujours une intersection avec la région
admissible : le programme linéaire possède une solution optimale innie
(aucune solution optimale nie) .

62 / 192
Région admissible non bornée - solution innie

63 / 192
3.4 Région admissible vide - aucune solution :
Considérons maintenant le programme linéaire :


 z = 2x1 + 3x2
max
x1 + x2 ≤ 1

x − x2 ≥ 2
 1


x1 ≥ 0 ; x2 ≥ 0
Sur la gure ci-dessous, nous remarquons que la région admissible est vide
et par suite le programme linéaire n'admet aucune solution optimale.
Algébriquement, d'après le système des contraintes, on a :

 
 x1 + x2 ≤ 1  x1 + x2 ≤ 1
x1 − x2 ≥ 2 ⇐⇒ −x1 + x2 ≤ −2 =⇒ 2x2 ≤ −1
x1 ≥ 0 ; x2 ≥ 0 x1 ≥ 0 ; x2 ≥ 0
 
ce qui contredit la contrainte x2 ≥ 0. Et par conséquent, l'ensemble des

solutions réalisables est vide.

64 / 192
Région admissible vide (pas de solution)

65 / 192
En résumé :
L'ensemble réalisable (ou région admissible) d'un programme linéaire est

toujours un polyèdre de Rn (intersection de demi-espaces) qui peut être :
vide −→ pas de solution
non vide et bornée
I solution optimale unique −→ sommet optimal unique du polyèdre

I innité de solutions optimales −→ côté optimal du polyèdre, tous les
points de ce côté sont des solutions optimales
non vide et non bornée
I solution optimale unique −→ sommet optimal unique

I innité de solutions optimales −→ côté optimal du polyèdre
I aucune solution optimale nie (z = ∞)

66 / 192

Chapitre 2.S5-RO-20.21 PDF

Transféré par

Droits d'auteur :

Formats disponibles

Chapitre 2.S5-RO-20.21 PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Chapitre 2.S5-RO-20.21 PDF

Transféré par

Droits d'auteur :

Formats disponibles

Résolution des programmes linéaires : Méthode graphique

Résolution des programmes linéaires

FSJES Guelimim RO - S5 Économie et Gestion 2020/2021

C'est une représentation géométrique plane dans le cas de deux

Cet algorithme est recommandé lorsque le nombre de variables est

3 Recensement des sommets de la région admissible :

Dans ce chapitre, nous allons présenter la méthode graphique en étudiant

1. Premier exemple : cas de maximisation

Reprenons l'exemple 1 du chapitre 1 :

Produit 1 Produit 2 Capacité

La question qui se pose est la suivante : combien faut-il produire de chassis

FSJES Guelimim RO - S5 Économie et Gestion 2020/2021

1.1 Modélisation du problème :

On a déjà montré que ce problème se ramène à résoudre le PL suivant :

max z = 3x1 + 5x2

où x1 est le nombre de châssis en aluminium et x2 est le nombre de

Représentation de la région admissible :

La première étape de la résolution consiste à représenter graphiquement la

On va considérer des valeurs successives de l'objectif : z = k.

Représentation graphique de la région admissible

FSJES Guelimim RO - S5 Économie et Gestion 2020/2021

Prenons par exemple les valeurs k = 0 , k = 15 et k = 30 .

Ainsi, on conclut que pour maximiser z, il faut prendre la droite d'isovaleur

FSJES Guelimim RO - S5 Économie et Gestion 2020/2021

Détermination du point optimal :

On cherche le point de la région admissible qui maximise la fonction

Il faut se restreindre à la région admissible.

Pour maximiser l'objectif, il faut prendre la droite d'isovaleur la plus élevée

FSJES Guelimim RO - S5 Économie et Gestion 2020/2021

Le point optimal x ∗ = (x1∗ , x2∗ ) se trouve à l'intersection des deux droites

Pour un calcul exact de la solution optimale, il faut commencer tout

FSJES Guelimim RO - S5 Économie et Gestion 2020/2021

Représentation graphique de la solution optimale

FSJES Guelimim RO - S5 Économie et Gestion 2020/2021

1.2 Interprétation économique :

La solution optimale est x ∗ = (2 ; 6), donc il faut produire 2 châssis en

A l'optimum, la deuxième contrainte et la troisième contrainte sont

4 − x1∗ = 2 (heures par semaine).

FSJES Guelimim RO - S5 Économie et Gestion 2020/2021

2. Deuxième exemple : cas de minimisation

Considérons maintenant un exemple où la fonction objectif doit être

Une compagnie possède deux mines de charbon A et B. La mine A produit

Sachant que le coût de production journalier est le même dans chaque

FSJES Guelimim RO - S5 Économie et Gestion 2020/2021

2.1 Modélisation du problème

x1 : nombre de jours de travail dans la mine A

x2 : nombre de jours de travail dans la mine B

Mise en équations des contraintes :

La mine A produit par jour 1 tonne de charbon de qualité supérieure,

Pour minimiser le coût de production de la compagnie, on doit

Le programme linéaire qui modélise ce problème s'écrit donc :

2.2 Résolution graphique

FSJES Guelimim RO - S5 Économie et Gestion 2020/2021

1 A (0 ; 60) : intersection de la droite D3 d'équation 6x1 + 3x2 = 180

La fonction objectif étant z = 1000x1 + 1000x2 , les droites d'isovaleur ont

et la valeur minimale de la fonction objectif est :

z ∗ = 1000x1∗ + 1000x2∗ = 50000

FSJES Guelimim RO - S5 Économie et Gestion 2020/2021

2.3 Interprétation économique

On en déduit (voir gure ci-dessous) que tout le segment joignant le

Région admissible bornée - innité de solutions

3.2 Région admissible non bornée - innité de solutions :

Problème non borné - innité de solutions

3.3 Région admissible non bornée - solution optimale innie :

Région admissible non bornée - solution innie