IFT1575

Démonstration 4

1. Fournir un modèle de programmation linéaire équivalent au modèle suivant, où |x|

correspond à la valeur absolue de x.

Min x1 + x 2 + x 3
s.a.
x1 + x2 ≤ 1
2 x1 + x3 = 3

Solution.

On pose d’abord:
xi = xi1 – xi2, xi1, xi2 ≥ 0, i = 1, 2, 3.

Puisque xi1 et xi2 ne peuvent se retrouver toutes deux dans la même base et jouer le
rôle de variables dépendantes dans le tableau du simplexe associé à cette base, et ce,
quelle que soit la base et quel que soit i (car la base serait alors une matrice singulière),
au moins l’une des deux variables a une valeur nulle dans le tableau optimal.
Cette observation nous permet de formuler le problème ainsi :

Min x11 + x12 + x21 + x22 + x31 + x32

s.a.
x11 – x12 + x21 – x22 ≤ 1
2 x11 – 2 x12 + x31 – x32 = 3

x11, x12 , x21, x22, x31, x32 ≥ 0

2. Résoudre le problème de programmation linéaire en nombres entiers (PLE) suivant

avec la méthode de branch-and-bound.

Min z = - x1 - 2 x2
s.a.
2 x1 + x2 ≤ 5.5
x2 ≤ 2
x1, x2 ≥ 0 et entiers.

1
Solution.

1.
x1 = 1.75
x2 = 2
- 5.75
z = - 5.75

x1 ≥ 2 x1 ≤ 1

2. 7.
x1 = 2 x1 = 1
x2 = 1.5 x2 = 2
z = -5 z = -5

x2 ≥ 2 x2 ≤ 1

3. 4.
x1 = 2.25
Non x2 = 1
réalisable
z = -4.25

x1 ≥ 3 x1 ≤ 2

5. 6.
x1 = 2
Non x2 = 1
réalisable
z = -4

La solution optimale est donc x1 = 1, x2 = 2 et la valeur de cette solution est z = -5.

Nous présentons dans la suite, la résolution graphique de chacun des sous-problèmes.

2
 Problème 1.

x2

2x1+x2=5.5
3

(1.75, 2)
x2=2
2

-x1 - 2x2= - 5.75

x1
0 1 2 3

Problème 2.
x2

2x1+x2=5.5
x1=2
3

x2=2
2
(2, 1.5)

1 -x1 - 2x2= - 5

0 1 2 3 x1

Problème 3. Le domaine réalisable est vide.

3
Problème 4.
x2

2x1+x2=5.5
x1=2
3

x2=2
2

(2.25, 1)
x2=1
1
-x1 - 2x2= - 4.25

x1
0 1 2 3

Problème 5. Le domaine réalisable est vide.

Problème 6.
x2

2x1+x2=5.5
x1=2
3

x2=2
2

x2=1
1

-x1 - 2x2= - 4
(2, 1)

0 1 2 3 x1

4
Problème 7.
x2

x1=1
3

2x1+x2=5.5
x2=2
2

(1, 2) -x1 - 2x2= - 5

0 1 2 3 x1

3. Soit le problème suivant avec k ≥ 0 :

Min z = – x1 – 2 x2
s.a.
– x1 + x2 ≤ 2
x2 ≤ 3
k x 1 + x2 ≤ 2k + 3
x1 , x 2 ≥ 0
Soit maintenant la solution x1 = 2, x2 = 3. À l’aide d’une analyse graphique,
déterminer les valeurs de k permettant d’assurer que cette solution est optimale.

Solution.
Notons tout d’abord que le point (2, 3) est toujours réalisable quelle que soit la valeur
de k. En effet, les deux premières contraintes sont vérifiées et la troisième contrainte
devient alors 2k + 3 ≤ 2k + 3 qui est nécessairement vérifiée. Par ailleurs, puisque la
droite k x1 + x2 = 2k + 3 ↔ x2 = –k x1 + (2k +3) est de pente –k et qu’elle passe
toujours par le point (2, 3), toute modification de la valeur de k entraîne une rotation
de cette droite autour du point (2, 3).
Notons enfin que pour la pente –k = –½, la droite correspondant à la troisième
contrainte devient ½ x1 + x2 = 4 ↔ x1 + 2x2 = 8 ↔ -x1 – 2x2 = -8 et elle se confond
ainsi avec la droite de la fonction objectif lorsque z = -8.

5
 Tel qu’illustré dans les deux figures suivantes, le point (2,3) est optimal en autant que
la pente de la droite correspondant à la troisième contrainte demeure plus petite ou
égale à –½. Autrement dit, lorsque –k ≤ –½ ↔ k ≥ ½.

x2
-x1+x2=2
pente = -k > -½

x2= 3
3

2 z = -x1 - 2x2 < -8

(2, 3) optimum
1 pente = -k = -½
z = -x1 - 2x2 = -8

1 2 3 4 5 6 7 8 x1

x2

-x1+x2=2 pente = -k < -½

(2, 3)
4 optimum

x2= 3
3

2
pente = -k = -½
1 z = -x1 - 2x2 = -8

1 2 3 4 5 6 7 8 x1

6
4. Question #2 du devoir 1

On désire déterminer la composition, à coût minimal, d’une tonne d’aliment pour

bétail qui est obtenu en mélangeant au plus trois produits bruts: orge, arachide,
sésame. L’aliment ainsi obtenu devra comporter au moins 22% de protéines et 3.6%
de graisses, pour se conformer aux exigences de la clientèle. On a indiqué ci-dessous
les pourcentages de protéines et de graisses contenus, respectivement, dans l’orge, les
arachides et le sésame, ainsi que le coût par tonne de chacun des produits bruts.

Orge Arachide Sésame % requis

% protéines 12% 52% 42% 22%
% graisses 2% 2% 10% 3.6%
Coût/tonne ($) 25 41 39

Formuler ce problème à l’aide d’un modèle de programmation linéaire ne comportant

que deux variables de décision.

Solution

(a) Considérons d’abord une formulation « naturelle » avec 3 variables de décision :

i) Actions ou activités Niveau (fraction de tonne)

quantité d’orge dans une tonne d’aliment x1
quantité d’arachide dans une tonne d’aliment x2
quantité de sésame dans une tonne d’aliment x3

ii) Fonction économique

Minimiser le coût
Min 25 x1 + 41 x2 + 39 x3

iii) Contraintes
- % requis
12 x1 + 52 x2 + 42 x3 ≥ 22 (protéines)
2 x1 + 2 x2 + 10 x3 ≥ 3.6 (graisses)

- La somme des fractions de tonne doit égaler 1 tonne

x1 + x 2 + x3 = 1
- Non négativité des variables
x1 , x 2 , x3 ≥ 0

7
 À l’aide de la contrainte d’égalité, on peut éliminer une variable en posant par
exemple :
x1 = 1 – x2 – x3 .

i) La fonction objectif devient

Min 25 (1 – x2 – x3) + 41 x2 + 39 x3 = 25 + 16 x2 + 14 x3.

Note. Puisque la constante 25 n’a aucun impact lors de la minimisation, on peut

la retirer de l’objectif.

ii) Les deux premières contraintes deviennent

12 (1- x2 –x3) + 52 x2 + 42 x3 = 12 + 40 x2 + 30 x3 ≥ 22
2 (1- x2 –x3) + 2 x2 + 10 x3 = 2 + 8 x3 ≥ 3.6

iii) La contrainte de non négativité de x1 devient

1 – x2 – x3 ≥ 0.

iv) Modèle
Min 16 x2 + 14 x3
s.a.
40 x2 + 30 x3 ≥ 10
8 x3 ≥ 1.6
x2 + x3 ≤ 1

x2 , x 3 ≥ 0

5. Question #3 du devoir 1

Une compagnie engage trois employés afin de produire deux types de portes-patio :
l’une avec cadre en bois et l’autre avec cadre en aluminium. Le profit est de 60$ par
porte-patio avec cadre en bois et 30$ par fenêtre avec cadre en aluminium. L’employé
1 fabrique 6 portes-patio avec cadre en bois par jour. L’employé 2, de son côté,
fabrique 4 portes-patio avec cadre en aluminium par jour. Enfin, le troisième employé
peut couper 48 mètres carrés de verre par jour. Chaque porte-patio avec cadre en bois
nécessite 6 mètres carrés de verre, tandis que chaque porte-patio avec cadre en
aluminium nécessite 8 mètres carrés de verre. La compagnie veut déterminer le
nombre de portes-patio de chaque type qu’elle doit produire à chaque jour pour
maximiser son profit.

(a) Formuler ce problème à l’aide d’un modèle de programmation linéaire.

(b) Résoudre ce problème à l’aide de la méthode graphique.

8
 (c) Toujours à l’aide d’une analyse graphique, expliquer ce que devient la solution
optimale du problème modélisé en (a) si on suppose que le profit associé à chaque
porte-patio avec cadre en bois est réduit de 60$ à 20$?

(d) Toujours à l’aide d’une analyse graphique, expliquer ce que devient la solution
optimale du problème modélisé en (a) si l’employé 1 ne peut produire que 5
portes-patio avec cadre en bois?
Solution.
(a)

i) Actions ou activités Niveau (nombre)

production de portes-patio avec cadre en bois x1
production de portes-patio avec cadre en aluminium x2

ii) Fonction économique

Maximiser le profit
Max 60 x1 + 30 x2

iii) Contraintes
- Capacité de production maximale

x1 ≤ 6 (portes-patio en bois)
x2 ≤ 4 (portes-patio en aluminium)
6 x1 + 8 x2 ≤ 48 (verre)

- Non-négativité des variables

x1 , x 2 ≥ 0

iv) Modèle
Max 60 x1 + 30 x2
s.a.
6 x1 + 8 x2 ≤ 48
x1 ≤ 6
x2 ≤ 4

x1 , x 2 ≥ 0

9
(b)
x2
60x1+30x2 = 405
x1=6
6x1+8x2=48
6

5
x2=4
4

2 (6,
3/2)

0 1 2 3 4 5 6 7 8 x1

La solution optimale est donc x1 = 6, x2 = 3/2 pour un profit de 405$.

(c)

x2

x1=6
6 6x1+8x2=48

5 (8/3, 4)

x2=4
4

2
20x1+30x2 = 520/3

0 1 2 3 4 5 6 7 8 x1

La solution optimale est donc x1 = 8/3, x2 = 4 pour un profit de 173.33$

10
(d)
x2
60x1+30x2 = 1470/4

6x1+8x2=48 x1=5
6

5
x2=4
4

3
(5, 9/4)

0 1 2 3 4 5 6 7 8 x1

La solution optimale est donc x1 = 5, x2 = 9/4 pour un profit de 367.50$

11