Theorie de La Decision

UNIVERSITE DE NOUAKCHOTT
FACULTE DES SCIENCES JURIDIQUES ET ECONOMIQUES

DEPARTEMENT ECONOMIE - GESTION
Thorie de la
dcision
Support dtudiant de 4me anne gestion
Etudiant: Mohamed Salem O/ Abdellahi O/ Eimana
2010 - 2011
MEDSAL88@YAHOO.FR
Mohamed Salem O/ Abdellahi O/ Eimana -
2010/2011
- 4me anne Gestion bilingue
Prambule :
1. Soit une fonction
f:X
R / X : sev
On dit que f est une application linaire si et seulement si
f(x+y) = f(x) + f(y)
f(x) = f(x)
Exemple1 :
f(x) = 2x
f(x+y) = 2(x+y) = 2x + 2y = f(x) + f(y)

2
f(x) = 2(x) = (2x) = f(x)

Donc f est une application linaire
2x y
x
f 2x 3 y
y
x y
Exemple 2 :
(2x y ) (2x 2 y 2 ) 2x 1 2x 2 y 1 y 2 2(x 1 x 2 ) ( y 1 y 2 )

x1 x 2 1 1

f (2x 1 3y 1) (2x 2 3y 2 ) 2x 1 2x 2 3y 1 3y 2 2(x 1 x 2 ) 3( y 1 y 2 ) f

y 1 y 2 ( x y ) ( x y ) x x y y (x x ) ( y y )
1 1 2 2 1 2 1 2 1 2 1 2
2 x y
x
f
2 x 3 y
y x y
(2x y )
x

(2
x
3
y
)
y
(x y )

Donc f est une application linaire

Exemple 3 :
f(x) = x
f:R
R+
f(x+y) = (x +y) = x + y + 2xy = f(x) + f(y) + 2xy

Si x 0 et y 0
f(x + y) f(x) + f(y)
Donc f nest pas une application linaire

2. Optimisation (Programmation) mathmatique :
Il consiste trouver f : X
Max f(x) = trouver x * S tel que x S f (x *) f (x ) . S X
Min f(x) = trouver x * S tel que x S f (x *) f (x ) . S X
S : lensemble des contraintes.
f : fonction objet ou fonction conomique.
x* : Solution optimal.
Universit de Nouakchott
Professeur :
Mon numro : 22296561
x1 x 2
y1 y 2
2010/2011
Programmation linaire
Un programme linaire est un problme doptimisation mathmatique consistant {
maximiser ou minimiser une fonction linaire de n variables de dcision soumises
{ un ensemble des contraintes exprimes sous la formule dquation ou
dinquation.
Exemple :
3
Min (2x1 + x2)

x1 + x2 < x3
2x1 x2 = 7
x1 0
SC
Le cas gnral de la programmation linaire

Min ou Max (f) = C1X1 + C2X2 + +CnXn =
C X
i 1
ij
j 1
n
a
j 1
ij
i I 1 1, 2,......m
bi ;
.x j bi ;
xk 0
i 1, 2,......m / I 1
k K 1, 2,......, n
1. Les formes dun programme linaire

1.1.
La forme mixte
On dit que le programme linaire est mixte si et seulement si
I1
I 1 1, 2,......, m
Exemple :
Max (2x 1 x 2 )
x x 7
1
2
x 1 x 2 8
x 1 0
Professeur :
1.2.
2010/2011
La forme standard
On dit que le programme linaire est standard si et seulement si

Le programme est sous la forme dun maximum
Toutes les contraintes sont sous la forme () inferieur ou gale
Il faut que toutes les variables soient positives, k = {1, 2,3,, n}
k : lensemble des indices
Lcriture matrielle de la forme standard
4
Max
CiX i C t .X
i 1
Ax b
x 0
Exemple :
Max (x 1 x 2 x 3 )
x x 4
2
1
2
x2 x3 8
x 1
3
x 1 , x 2 , x 3 0
1 0 x 1
x 4
2

2
1 8
3
x 3
1.3.La forme canonique

On dit que le programme linaire est sous la forme canonique si et
seulement si :
le programme est maximiser
toutes les contraintes sont sous la forme de lgalit
toutes les variables soient positives
Exemple :
Max (2x 1 x 2 )
x1 x 2 2
2
3x x 3
1
2
x
,
x
1
2
Lcriture matrielle de la forme canonique
n
t
Max CiXi C .X
i 1
AX b
x 0
Professeur :
x1

.
x
C 1 ,......,Cn 2,1 1 2x 1 x 2
.
x 2

x n
2010/2011
Terminologie :
les variables X1, X2, , Xn sont appeles les variables de dcision de

problme.
La fonction linaire optimiser est appele objectif ou fonction objet ou
fonction conomique.
On dit que X est admissible (solution ralisable) sil vrifie toutes les
contraintes (y compris, la non ngativit des variables).
Le domaine admissible D du programme linaire est lensemble des
solutions admissibles.
On dit que x* est une solution du programme linaire si et seulement si :
x* solution admissible
Pour tous les lments de D il faut que x* soit le maximum
f(x*) f(x), xD
(cas de maximisation)
f(x*) f(x), xD
(cas de minimisation)
Transformation dun programme linaire dune forme une

autre
Toutes les formes dun programme linaire sont quivalentes et a en utilisant les
rgles de transformation suivantes :
Min Max
Min (f) = -Max (-f)
Max (f) = -Min (-f)

ax b -ax -b
ax b -ax -b
Inquation Equation
ax b ax + s = b / s 0
ax b ax + s = b / s 0
On dit que s est une variable dcart
Equation Inquation
ax b
ax b
ax b
ax b
ax b
Professeur :
2010/2011
Variable libre Variable 0
0
/
0
Exemple :
Forme mix
6
Min (z ) 2x 1 x 2
x1 x 2 7
x1 x 2 8
x1 x 2 3
x1 0
Formes Canonique
Max (z ) 2x 1 x 2 x 2
x 1 x 2 x 2 s1 7
x1 x 2 x 2 s2 8
x
1
2
2 3
x 1 , x 2 , x 2 , s1 , s 2 0
Forme standard
Max (z ) 2x 1 x 2 x 2
x 1 x 2 x 2 7
x 1 x 2 x 2 8
x
1
2
2 3
x 1 , x 2 , x 2 0
2. Rsolution dun programme linaire

2.1.
Rsolution graphique :
Exemple :
Max (z ) 270x 140 y
3x y 9
x 2y 8
x,y 0
Professeur :
2010/2011
7
O
D2
Max(Z)
D1
Z=0
3x + y 9 ; on le dfini en quation 3x + y = 9, on choisi 2 points pour tracer une

droite
, le droite va diviser lensemble en 2 parties
x + 2y = 8 ; on choisi
Il est claire que chaque inquation divise lespace en 2 parties, lune vrifie, lautre
non. Pour dterminer la partie qui vrifie linquation, il suffit de prendre un point
qui nappartient pas { la droite associe, ainsi de suite on trouve lensemble des
solutions admissibles D, D est le polydre { la frontire ou { lintrieur duquel se
trouve lensemble des solutions admissibles.
Pour maximiser Z on suppose Z = 270x + 140y = 0 ; on prend deux points
0 1 On dessine la droite
, 27
0
14
On suppose Z = 270x + 140y = 1 et on dessine la droite et ainsi de suite jusqu{

quon arrive { la droite qui touche la dernire point du domaine admissible.
Z(x*, y*) Z(x, y), (x , y ) D
Mais (x*, y*) est lintersection entre D1 et D2
3x y 9
2
y
3x * y *
3x * y * 9
15
*
*
5
y
15
3
*
*
5
3
x
6
y
24
6
8 3x * 3 9 3x * 6 x * 2
3
x * 2
* ;
y 3
Z * 270 2 140 3 960
Professeur :
2010/2011
Remarque :
D = ; pas de solution admissible
Max (Z) = [BC] ; B + (1- )c / [0, 1]

Max (Z) = +
Tout ce quon a fait pour Max , on peut le faire pour Min
2.2.
La mthode des sommets
Si le programme linaire admet une solution, forcement la solution est lun des
sommets du polydre. Dans lexemple prcdant, les sommets sont (O, A, B, C), il
suffit donc de les comparer entre elle par rapport la fonction conomique.
0
O ZO 0
0
3
A Z A 270 3 0 810
0
3
B Z B 270 3 140 2 960
2
0
C Z C 0 140 4 540
4
Si le programme linaire admet une solution, forcement la solution est lun des
sommets su polydre. Dans lexemple prcdant, les sommets sont (O, A, B, C), il
suffit donc de les comparer entre elles par rapport la fonction conomique.
TD 1 :
Exercice 1 :
crivez sous la forme canonique
Professeur :
2010/2011
Max ( z ) 2x 1 3x 2 x 3
2x 1 x 2 x 3 2
x1 x 3 3
x 1 x 2 1
x 2, x 3 0
x1
x 1 x 1 x 1 / x 1 , x 1
x a
x a Max (x , x ) a
x a
x 1 x 2 1 x 1 1 x 2 x 1 1 x 2
x 1 x 2
x x 2 1
1
x 1 x 2 1
x a Max (x , x ) a
Pas de conclusion
Max (z ) 2x 1 2x 1 3x 2 x 3
2x 1 2x 1 x 2 x 3 2
x 1 x 1 x 3 3
Forme canonique
x 1 x 1 x 2 s 1 1
x 1 x 1 x 2 s 2 1
x 1 , x 1 , x 2 , x 3 , s 1 , s 2 0
La valeur absolue nest pas linaire
Si x a , le x peut tre transforme en programme linaire
Si x a le x nest pas un programme linaire
Exercice 2 :
Deux ouvriers associs
Soit X1 la quantit produite de B1 et X2 la quantit produite de B2 et on cherche
le Max :
Max (z ) 270x 1 140x 2

Max (z ) 270x 1 140x 2
3x 1 x 2 9
3x 1 x 2 s1 9
S tan dard
canonique
x 1 2x 2 8
x 1 2x 2 s 2 8
x 1, x 2 0
x 1 , x 2 , s1 , s 2 0
Par la rsolution graphique, on trouve x 1 2 ; x 2 3 ; Max (z ) 960
Exercice 3 :
1)
Professeur :
2010/2011
Max (z ) 8000x 1 6000x 2

Max (z ) 8000x 1 6000x 2
2400x 1200x s 960000
2400x 1200x 960000
1
2
1
1
2
S tan dard 2800x 1 2000x 2 1400000 ;canonique 2800x 1 2000x 2 s 2 1400000

800x 800x 640000
800x 800x s 640000
1
2
3
1
2
x 1 , x 2 , s1 , s 2 , s 3 0
x 1, x 2 0
2) 2400x 1 1200x 2 960000 = 2x 1 x 2 800

10
0 400
Prenons deux points
,
; pour tester
300 0
0
; 2 (0) (0) 0 800
0
2800x 1 2000x 2 1400000 = 7x 1 5x 2 3500
0 500
0
Prenons deux points
,
; pour tester ; 7 (0) 5 (0) 0 3500
700 0
0
800x 1 800x 2 640000 = x 1 x 2 800
0 800
Prenons deux points
,
; pour tester
800 0
0
; (0) (0) 0 800
0
0 1
Pour (Z=0), 8000x 1 6000x 2 0 ; prenons deux points , 3
0 4
3. Lalgorithme du simplex
Max (z ) 270x 140 y
3x y 9
x 2y 8
x,y 0
3.1.
La mthode algbrique
Remarque : pour commencer lalgorithme du simplexe, nous avions besoin

dun sommet de lensemble des solutions admissibles ; prenons pour cela le
point dorigine (0) (x = 0 ; y = 0)
a. La premire chose faire, il faut crire le programme sous la forme canonique.
Professeur :
Max (z ) 270x 140 y
3x y s1 9
x 2y s2 8
x , y , s1 , s 2 0
11
2010/2011
{ lorigine
s1 9
s 2 8
On appelle les variables gales (0), les variables hors base au point (O) ; dans
lautre cas ces variables sont (x et y). Et les variables strictement suprieures
(0), les variables de base, dans notre cas ces sont (s1 et s2)
b. Deuximement on exprime les variables de base en fonction des variables hors
base
s1 9 3x y
s 2 8 x 2 y
On cherche maximiser Z et pour augmenter Z, on augmente x et on garde y stable
x;y 0
s1 0 9 3x 0 x 3
s2 0 8 x 0 x 8
La plus grande valeur que peut prendre x est x = 3 et non x = 8
x
Au nouveau point A (3, 0), les variables de base sont et les variables hors base
s2
y
sont
s1
Il faut crie les variables de base en fonction des variables hors base
1
1
s1
3
3
s 8 x 2 y 8 (3 1 y 1 s ) 2 y
2
1
3
3
1
1
Max ( Z ) 270(3 y s1 ) 140 y
3
3
Professeur :
2010/2011
Max ( Z ) 810 50 y 90s 1
1
1
x 3 y s1
3
3
5
1
s1
2
3
3
On veut augmenter encore Z
y ; s1 0
12
1
x 0 3 y 0 y 9
3
5
s1 0 5 y 0 y 3
3
On est un nouveau point, il faut crire les variables de base en fonction des
variables hors base
1
3
s2
1
5
5
x 3 1 (3 1 s 3 s ) 1 s
1
2
1
3
5
5
3
Max ( Z ) 810 50(3
1
3
s1 s 2 ) 90s1
5
5
Max ( Z ) 960 80s 1 30s 2
6
1
x 2
s1 s 2
15
5
1
3
s2
1
5
5
X = 2 ; y = 3 ; Max (Z) = 960

s1 = 0 ; s2 = 0 variables hors base
Toutes les autres variables hors base sont coefficients ngatifs, donc la fonction Z
est son Max.
Solution de lexercice 1 de TD 2 :
Professeur :
2010/2011
Soit x1, x2, x3 les variables des quantits produites de P1, P2, P3
13
Max ( z ) 4x 1 12x 2 3x 3
x
x1
x
2 3 45
50
25
75
x 1 1000
x 2 500
x 3 1500
x 1, x 2 , x 3 0
La forme canonique sera comme suite :
Max ( z ) 4x 1 12x 2 3x 3
x
x1
x
2 3 s 1 45
50
25
75
x 1 s 2 1000
x 2 s 3 500
x 3 s 4 1500
x , x , x ,s ,s ,s ,s 0
1
2
3
1
2
3
4
A lorigine point
s 1 45

s 2 1000
VB
s 3 500

s 4 1500
x1 0

V HB x 2 0
x 0
3
x3
x1
x2
50
25
75
1000 x 1
s 1 45
s2
s 3 500 x
s 4 1500 x 3
x2
Professeur :
; x 1, x 3 0
2010/2011
x2
0 x 2 45 25 x 2 1125
25
s 3 0 500 x 2 0 x 2 500
s1 0 45
500 < 1125
X2 = 500
X2 entre dans la base et S3 sort de la base
14
(500 s 3 ) x 3
x1
50
25
75
s 2 1000 x 1
s 1 45
x 2 500 s 3
s 4 1500 x 3
Max (z ) 4x 1 12(500 s 3 ) 3x 3
Max (z ) 6000 4x 1 3x 3 12s 3
s
x
x
s 1 25 1 3 3
50 25 75
s 2 1000 x 1
x 2 500 s 3
s 4 1500 x 3
Au point
s1
s
VB 2
x 2
s
4
25

1000
500

1500
x1
x1 0

V HB s 3 0
x 0
3
;s3, x 3 0
x1
0 x 1 1250
50
s 2 0 1000 x 1 0 x 1 1000
s 1 0 25
Professeur :
2010/2011
X1 = 1000
X1 entre dans la base et s2 sort de la base
x 1 1000 s 2
x 2 500 s 3
x
(1000 s 2 ) s 3
3
50
25 75
s 4 1500 x 3
s 1 25
15
Max (z ) 6000 4(1000 s 2 ) 3x 3 12s 3
Max ( z ) 10000 3x 3 4s 2 12s 3
x 1 1000 s 2
x 2 500 s 3
x
s
s
s1 5 3 2 3
75 50 25
s 4 1500 x 3
Au point
x 1 1000

x 2 500
VB
s2 5

s 4 1500
x3
s2 0

V HB s 3 0
x 0
3
;s 2 , s3 0
x3
0 x 3 375
75
0 1500 x 3 0 x 3 1500
s1 0 5
s4
X3 = 375
X3 entre dans la base et s1 sort de la base
Professeur :
2010/2011
x 1 1000 s 2
x 2 500 s 3
3
s 2 3s 3
2
3
s 4 1500 (375 75s 1 s 2 3s 3 )
2
x 3 375 75s 1
16
Max (z ) 10000 3 375 75s1 s 2 3s 3 4s 2 12s 3

2
Max (z ) 11125 225s 1
9
s 2 9s 3 4s 2 12s 3
2
Max
(
z
)
11125
225
s
s 2 3s 3
1
x 1 1000 s 2
x 2 500 s 3
x 3 375 75s 1 s 2 3s 3
s 4 1125 75s 1 s 2 3s 3
2
Au point
x 1 1000

x
500
2
VB
x 3 375

s 4 1125
s2
; s1 , s 3 0
Professeur :
s1 0

V HB s 2 0
s 0
3
2010/2011
x 1 0 1000 s 2 0 s 2 1000
3
s 2 0 s 2 250
2
3
0 1125 s 2 0 s 2 750
2
x 3 0 375
s4
S2 = 750
17
S2 entre dans la base et S4 sort de la base
s 2 750 50s 1 2s 3
2
s4
3
x 1 1000 750 50s 1 2s 3
2
s4
3
x 2 500 s 3
x 3 375 75s 1
3
2
750 50s 1 2s 3 s 4
2
3
Max (z ) 11125 225s1
1
2
750 50s1 2s 3 s 4 3s 3
2
3
Max (z ) 11500 200s1 4s 3 3 s 4
x 1 250 50s1 2s 3 s 4
x 2 500 s 3
x 3 1125 3s 3 s 4
s 2 750 50s1 2s 3 s 4
3
Donc on est un nouveau point
x 1 250

x 2 500
VB
x 3 1125

s 2 750
Professeur :
s1 0

VB s 3 0
s 0
4
3.2.
Pivot
variables relles
s1
s2
Z
variables
de base
La mthode des tableaux
Max ( Z ) 270x 140 y
3x y 9
x 2y 8
x,y 0
18
2010/2011
x
3
1
270
y
1
2
140
Max ( Z ) 270x 140 y
3x y s1 9
x 2y s2 8
x , y , s1 , s 2 0
variables dcart
s1
1
0
0
s2
0
1
0
Second Membre
9
8
0
9/3 = 3
L1
8/1 =8
L2
L3
Tableau (0)
Pivot
x
s2
Z
x
1
0
0
y
1/3
5/3
50
s1
1/3
-1/3
-90
s2
0
1
0
Second Membre
3
5
-810
33=9
L1 = L1/3
5 3/5 = 3
L2 = L2 1/3 L1
L3 = L3 90 L1
Tableau (1)
Pour passer dun tableau n un tableau n+1 on suit les tapes suivantes :
a. On commence par prendre le coefficient le plus lev dans la fonction
conomique, dans notre cas cest (270), la variable associe { ce coefficient va
rentrer dans la base dans notre cas cest x.
Remarque : si le coefficient le plus lev est ngatif, on a atteint le maximum.
b.
- On divise le second membre par la colonne de la variable entrante
- On choisit la plus petite de ces valeurs ; la variable qui se trouve sur la ligne
de cette valeur va sortir de la base (dans notre cas cest s1)
c.
- On reporte le pivot lintersection de la ligne de la variable qui soit de la
base (s1) et de la colonne de la variable qui rentre dans la base (x), (dans
notre cas le pivot gale 3)
- On divise les lments de la ligne du pivot par le pivot.
- On remplace chaque ligne par elle-mme, plus ou moins en multiple de la
ligne du pivot pour avoir un zro dans la colonne du pivot.
x
x
1
y
0
s1
6/5
Professeur :
s2
-1/5
Second Membre
2
L1 = L1 1/3 L2
y
Z
0
0
1
0
-1/5
-80
3/5
-30
2010/2011
3
-960
L2 = 3/5L2
L3 = L3 30 L2
Tableau (2)
x=2
y=3
et
Max (Z) = 960
Le cas gnral
La forme canonique dun programme linaire scrit de la manire suivante :
19
Max (z ) C 1x 1 C 2 x 2 ... C n x n
a11x 1 a12 x 2 ... a1n x n b1
a21x 1 a22 x 2 ... a2 n x n b 2

Max (z ) C T x
Ax b
am 1x 1 am 2 x 2 ... amn x n b m
x 1 , x 2 ,..., x n 0
n : nombre des variables

m : nombre des contraintes
Nous ferons les deux hypothses suivantes :
1) On suppose que m < n
Si le programme linaire est crit sous forme standard, il vrifie forcement
cette hypothse car dans chaque contrainte il existe une variable dcart
donc on a ajout m variables dcarts.
Donc cette hypothse est non restrictive car tout programme linaire la
vrifie.
2) Supposons que lon peut tirer de A, m colonnes diffrentes tel que si on les
regroupe dans une matrice carre B, le dterminant de celle-ci est non nul
[det (B) 0].
Dans chaque programme crit sous forme standard on peut extraire une
matrice didentit B dont le [det 0], donc tout programme linaire obit {
cette hypothse.
A.
dun programme linaire
Exemple :
Professeur :
2010/2011
Max (z ) 2x 1 3x 2 4x 3 x 4 2x 5
2x 1 3x 2 x 3 x 4 3x 5 12
7x 1 x 2 2x 3 5x 4 x 5 16
x 1, x 2 , x 3 , x 4 , x 5 0
m=2
n=5
20
A 2
7
A
3
1
A
1 1
2 5
A
3
1
x1
x2
, x x 3
x4
x
5
12
,b
3 3
B (A 2 , A 5 )
det(B ) 3 3 6 0
1
1
On dfini B comme une base du programme linaire

x1
x
x B 2 est appel le variable de base ; x x ;
N
3
x5
N A 1, A 3 , A 4
x 4
x1
x 2
A x b A 2 , A 5 , A 1, A 3 , A 4 . x 3
x 4
x
5
B
XB
12
XN
Bx B Nx N b
Bx B b Nx N B 1 Bx B B 1 b Nx N
B 1 Bx B B 1b B 1Nx N
Professeur :
2010/2011
x B B 1b B 1Nx N
3
B
1
B 1b
3
1 1
1
1
6 1
1 1
6 1
3 12 1
3 6 5
21
x1
x1
3
2
1
1
19
14
B 1Nx N
x 3
x 3
3 7 2 5
16
6 23 5
x
4
x 4
x1
7
14
x 2
1
1 19
x3
16
6 23 5
5
x5
x 4
1 1

6 1
x 1
x 5
5
XN = 0
x 2 1
x5 5
1
19x 1 7x 3 14x 4
6
1
23x 1 5x 3 16x 4
6
cela ne vrifie pas la contrainte x 0
Cest une solution de base non ralisable.

On choisi une autre base VB = (x2, x 3)
3 1
B
det(B) = 5 0
1 2
1 2 1
B 1
5 1 3
x B B 1b B 1Nx N
Professeur :
B 1b
B 1Nx N
22
12
5 1
1 12 6

3 6 6
x1
x1
3
11
7
7
x 4
x 4
1
5 23 16 6 x
x
5
5
x1
7
6
1 11 7

x 4
6
5 23 16
6
x5
12

51
x
xB 2
x3
2010/2011
1 2 1
3 7 5
x 2 , x 3 0 B est une variable de base ralisable
1
Si x B B b 0 donc xB est une variable de base ralisable.
x B est un sommet du polydre.
1
Si x B B b 0 donc xB est une variable de base non ralisable.
B. La fonction conomique
T
C x
x
Z C x B . B C T B C T N B
C N x N
xN
T
C T B x B C T N x N C T B B 1b B 1Nx N C T N x N
Z C T B B 1b C T N C T B B 1N x N
Exemple :
2
3
3
C 4 ;C B ;C N 1
4
12
1
12
Professeur :
2010/2011
x1
1 2 1 12
1 2 1 2 1 3
Z 3.4 .
2.1.12 3.4 .
x 4
5 1 3 6
5 1 3 7 5 1
x5
6
1 11 7
Z 3.4 2.1.12 3.4 .
5 23 16
6
23
x1
7
x 4
6
x5
x1
Z 42
2.1.12 25.17.9
x 4
x
5
Z 42 23x 1 16x 4 3x 5
X1
X2
X3
X2
11/5
1
0
X3
23/5
0
1
Z
-23
0
0
X5 entre dans la base et X2 sort de la base
X5
X3
Z
X1
11/7
19/7
-194/7
4.1.
X2
5/7
-6/7
-15/7
X3
0
1
0
X4
7/5
16/5
-16
X5
7/5
6/5
3
SM
6
6
-42
X4
1
2
-19
X5
1
0
0
SM
30/7
6/7
-384/7
Les variables artificielles
Tout programme linaire ne peut comporter que lune des trois formes de
contraintes suivantes :
n
(
P
);
aij x
j 1
(Q ); aij x
j 1
( R ); aij x
j 1
Professeur :
b i ; (b i 0)
b i ; (b i 0)
b i ; (b i 0)
2010/2011
Exemple :
Max (z ) 4x 1 5x 2 3x 3
x 1 2x 2 x 3 5
2x 1 x 2 x 3 1
x1 x 2 4
x 1, x 2 , x 3 0
24
Max (z ) 4x 1 5x 2 3x 3
x 2x x s 5
1
2
3
1
2x 1 x 2 x 3 s 2 1
x1 x 2 4
x 1 , x 2 , x 3 , s1 , s 2 0
Max (z ) 4x 1 5x 2 3x 3
x 2x x s 5
1
2
3
1
2x 1 x 2 x 3 s 2 A1 1
x 1 x 2 A2 4
x 1 , x 2 , x 3 , s 1 , s 2 , A1 , A 2 0
PL A1 A2
Nimporte quelle solution de PL A1 A2 nest jamais une solution du programme

linaire de dpart sauf si A1 = A2 = 0
Ce nouveau programme linaire admet (0) comme solution de base ralisable donc
cest un sommet { partir duquel nous pouvons commencer la mthode du simplexe.
Cependant, lobjectif nest pas de trouver le Max(z) mais un sommet dans lequel A1
= A2 = 0 auquel cas ce sommet est un sommet du programme linaire de dpart
partir duquel nous pouvons commencer la mthode du simplexe pour trouver la
solution du programme de dpart.
4.2.
La mthode de deux phases
Prenons le mme exemple prcdant :
VB (A1 , A2 , s1 )
VHB (x 1 , x 2 , x 3 , s 2 )
Min ( z ') A1 A 2
x 2x x s 5
1
2
3
1
2x 1 x 2 x 3 s 2 A1 1
x 1 x 2 A2 4
x 1 , x 2 , x 3 , s 1 , s 2 , A1 , A 2 0
A1 1 2x 1 x 2 x 3 s 2
Professeur :
Max (z ') A1 A 2
x 2x x s 5
1
2
3
1
2x 1 x 2 x 3 s 2 A1 1
x 1 x 2 A2 4
x 1 , x 2 , x 3 , s 1 , s 2 , A1 , A 2 0
A2 4 x 1 x 2
2010/2011
Max (z ') (1 2x 1 x 2 x 3 s 2 ) (4 x 1 x 2 )
Max (z ') 1 2x 1 x 2 x 3 s 2 4 x 1 x 2
Max (z ') 5 3x 1 2x 2 x 3 s 2
Sous les mmes contraintes
25
S1
A1
A2
Z
X1
1
2
1
3
X2
2
1
1
2
X3
S1
S2
1
1
0
1
0
-1
0
0
0
1
0
-1
Tableau (0) phase (1)
A1
0
1
0
0
A2
0
0
1
0
SM
5
1
4
5
S1
X1
A2
Z
X1
0
1
0
0
X2
3/2
1/2
1/2
1/2
X3
S1
S2
1/2
1
1/2
1/2
0
-1/2
-1/2
0
1/2
-1/2
0
1/2
A1
-1/2
1/2
-1/2
-3/2
A2
0
0
1
0
SM
9/2
1/2
7/2
7/2
S1
X1
S2
Z
X1
0
1
0
0
X2
1
1
1
0
X3
S1
S2
1
1
O
0
0
0
-1
0
1
0
0
0
A1
O
0
-1
-1
A2
-1
1
2
-1
SM
1
4
7
0
Z 4x 1 5x 2 3x 3
Z 4(4 x 2 ) 5x 2 x 3
Z 16 x 2 3x 3
S1
X1
S2
Z
X1
0
1
0
0
X2
X3
S1
1
1
1
1
0
0
1
-1
0
1
3
0
S2
O
0
1
0
SM
1
4
7
-16
X3
X1
S2
Z
X1
0
1
0
0
X2
1
1
2
-2
S2
O
0
1
0
SM
1
4
8
-19
Professeur :
X3
1
0
0
0
S1
1
0
1
-3
2010/2011

Donc :
Max (z ) 19
4.3.
X 1 4 ; X 2 0 ; X 3 1
La mthode de grand M ou (la mthode de pnalit)
Nous pouvons combiner les deux phases de la mthode en une phase en remplaant
(Z) par ( Z )
= Z - M A
Z
i
o M est un rel trs trs grand par rapport
i=1
26
aux autres variables.

Lexemple prcdant :
Z 4x 1 5x 2 3x 3
Z 4x 1 5x 2 3x 3 M (A1 A 2 )
Z 4x 1 5x 2 3x 3 M (1 2x 1 x 2 x 3 s 2 ) M (4 x 1 x 2 )
Z 5M (4 3M )x (5 2M )x (3 M )x Ms
1
S1
A1
A2
Z
X1
1
2
1
4+3M
X2
2
1
1
5+2M
X3
1
1
0
3+M
S1
X1
A2
Z
X1
0
1
0
0
X2
3/2
1/2
1/2
X3
1/2
1/2
-1/2
S1
S2
1
0
0
-1
0
0
0
-M
Tableau (0)
S1
1
0
0
0
S2
1/2
-1/2
1/2
A1
0
1
0
0
A2
0
0
1
0
SM
5
1
4
5M
A1
-1/2
1/2
-1/2
-3/2
A2
0
0
1
0
SM
9/2
1/2
7/2
A1
O
0
-1
-M
A2
-1
1
2
-4 - M
SM
1
4
7
-16
S2
O
0
1
SM
1
4
8
Tableau (1)
S1
X1
S2
Z
X1
0
1
0
0
X2
1
1
1
1
X3
1
0
-1
3
X3
X1
S2
X1
0
1
0
X2
1
1
2
Professeur :
S1
S2
1
O
0
0
0
1
0
0
Tableau (2)
X3
1
0
0
S1
1
0
1
-2
2010/2011
0
-3
Tableau (3)
-19
Remarque : si A1 et A2 sortent de la base forcement il ny aura plus de M
4.4.
La dualit
Soit le programme linaire crit sous la forme standard :

27
Max (z ) C T X
P
Ax b
xi 0
On appelle le programme linaire suivant le dual du (P) dfini comme suit :
Min (z ') b T X
D
AT y C
yi 0
Exemple : crivez le dual de ce programme linaire

La forme standard
Min ( z ) 2x 1 x 2
x1 x 2 7
x 1 x 2 12
2x 1 x 2 14
x1 0
2

C 1 ;
1

12
b
;
14
14
Professeur :
1
A
2
Max ( z ) 2x 1 x 2 x 2
x 1 x 2 x 2 7
x 1 x 2 x 2 12
2x 1 x 2 x 2 14
2x 1 x 2 x 2 14
x 1 , x 2 , x 2 0
1 1
1 1
1 1 ;
1 1
1 1 2 2
A T 1 1 1 1
1 1 1 1
2010/2011
Min (z ) 7 y 1 12 y 2 14 y 3 14 y 4
y 1 y 2 2 y 3 2 y 4 2
D
y1 y 2 y 3 y 4 1
y 1 y 2 y 3 y 4 1
y 1, y 2 , y 3 , y 4 0
28
La signification conomique du dual

Reprenons le cas de deux ouvriers, Mohamed et Brahim (TD1 - Exercice 1)
Max (z ) 270x 1 140x 2

Min (z ') 9 y 1 8 y 2
3 y y 270
3x 1 x 2 9
1
2
P
D
x 1 2x 2 8
y 1 2 y 2 140
x 1, x 2 0
y 1, y 2 0
Supposons que y1 et y2 sont les salaires horaires proposs par une entreprise
Mohamed et Brahim pour quils travail { son compte :
-
Lentreprise cherche { minimiser ses cots : Min (z ') 9 y 1 8 y 2 .
Avant, les produits apportent Mohamed et Brahim 270 et 140, donc ils ne
vont accepter de travailler pour lentreprise que si les produits vont leurs
apporter de plus :
3y 1 y 2 270 ; y 1 2 y 2 140
Et en fin, les salaires ne peuvent tre que suprieurs ou gales zro :
y 1, y 2 0
Thorme 1 :
Le dual du dual est le programme linaire de dpart :
Max (z ) C T x
P
Ax b
D
x 0
Professeur :
Min (z ') b T y
AT y C
y 0
2010/2011
Max (z ') b T y
Max (z ') (b )T y
A T y C
( A )T y (C )
y 0
y 0
29
Min (z '') (c )T w
Min (z '') c T w
DD ((A )T )T w (b ) A T w b
w 0
w 0
Max (z '') c T y
DD
ATw b
w 0
Thorme 2 :
Soit (P) et (D) deux programme linaires duaux, pour tout couple de solution
admissibles X et Y de (P) et (D) respectivement, on a C x b y .
T
Thorme 3 :
Etant donn deux programmes linaires duaux, il existe trois possibilits :
-
Sils admettent lun et lautre une solution ralisable, ils ont lun et lautre
une solution optimale et les valeurs des fonctions objectives en ses solutions
sont gales.
Si lun deux admet une solution ralisable et lautre ne ladmet pas, alors
celui qui admet une solution ralisable sera rejet { linfini.
Ni (P) ni (D) nadmet une solution ralisable.
Thorme 4 :
Soit x 1 , x 2 ,................, x n et
, y 2 ,................, y m
deux solutions des
programmes linaires (P) et (D) respectivement alors :
y i ai 1x 1 , ai 2 x 2 ,................, ain x n bi 0; i 1, 2,...n
x i a1i y 1 , a2i y 2 ,................, ami y m c i 0; i 1, 2,...m
Professeur :
2010/2011
Exemple :
Max (z ) 270x 1 140x 2

Min (z ') 9 y 1 8 y 2
3 y y 270
3x 1 x 2 9
1
2
P
D
x 1 2x 2 8
y 1 2 y 2 140
x 1, x 2 0
y 1, y 2 0
30
x 1 2

x 2 3
x 1 3 y 1 y 2 270 0
x 2 y 1 2 y 2 140 0
Professeur :
3 y 1 y 2 270
y 1 2 y 2 140

Theorie de La Decision

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Theorie de La Decision

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSITE DE NOUAKCHOTT

FACULTE DES SCIENCES JURIDIQUES ET ECONOMIQUES

Mohamed Salem O/ Abdellahi O/ Eimana -

- 4me anne Gestion bilingue

f(x+y) = 2(x+y) = 2x + 2y = f(x) + f(y)

f(x) = 2(x) = (2x) = f(x)

(2x y ) (2x 2 y 2 ) 2x 1 2x 2 y 1 y 2 2(x 1 x 2 ) ( y 1 y 2 )

f (2x 1 3y 1) (2x 2 3y 2 ) 2x 1 2x 2 3y 1 3y 2 2(x 1 x 2 ) 3( y 1 y 2 ) f

Donc f est une application linaire

f(x+y) = (x +y) = x + y + 2xy = f(x) + f(y) + 2xy

f(x + y) f(x) + f(y)

Donc f nest pas une application linaire

Mon numro : 22296561

Mohamed Salem O/ Abdellahi O/ Eimana -

- 4me anne Gestion bilingue

Min (2x1 + x2)

Le cas gnral de la programmation linaire

1. Les formes dun programme linaire

On dit que le programme linaire est mixte si et seulement si

Mon numro : 22296561

Mohamed Salem O/ Abdellahi O/ Eimana -

- 4me anne Gestion bilingue

On dit que le programme linaire est standard si et seulement si

1.3.La forme canonique

Mon numro : 22296561

Mohamed Salem O/ Abdellahi O/ Eimana -

- 4me anne Gestion bilingue

les variables X1, X2, , Xn sont appeles les variables de dcision de

Transformation dun programme linaire dune forme une

Mon numro : 22296561

Mohamed Salem O/ Abdellahi O/ Eimana -

- 4me anne Gestion bilingue

Variable libre Variable 0

2. Rsolution dun programme linaire

Max (z ) 270x 140 y

Mon numro : 22296561

Mohamed Salem O/ Abdellahi O/ Eimana -

- 4me anne Gestion bilingue

3x + y 9 ; on le dfini en quation 3x + y = 9, on choisi 2 points pour tracer une

, le droite va diviser lensemble en 2 parties

On suppose Z = 270x + 140y = 1 et on dessine la droite et ainsi de suite jusqu{

Z * 270 2 140 3 960

Mon numro : 22296561

Mohamed Salem O/ Abdellahi O/ Eimana -

- 4me anne Gestion bilingue

D = ; pas de solution admissible

Max (Z) = [BC] ; B + (1- )c / [0, 1]

La mthode des sommets

Mon numro : 22296561

Mohamed Salem O/ Abdellahi O/ Eimana -

- 4me anne Gestion bilingue

La valeur absolue nest pas linaire

Si x a , le x peut tre transforme en programme linaire

Si x a le x nest pas un programme linaire

Max (z ) 270x 1 140x 2

Mon numro : 22296561

Mohamed Salem O/ Abdellahi O/ Eimana -

- 4me anne Gestion bilingue

Max (z ) 8000x 1 6000x 2

S tan dard 2800x 1 2000x 2 1400000 ;canonique 2800x 1 2000x 2 s 2 1400000

2) 2400x 1 1200x 2 960000 = 2x 1 x 2 800

2800x 1 2000x 2 1400000 = 7x 1 5x 2 3500

Max (z ) 270x 140 y

Remarque : pour commencer lalgorithme du simplexe, nous avions besoin