ISSAT de SOUSSE

Département de Génie Mécanique

Correction de la série N°2

Résolution d’un PL, Dualité

Problème 1 :
1°) les bénéfices offerte par le programme de production actuel sont égale
à : 200  80  240  75  34000D .
2°) Le nouveau programme doit permettre au responsable de déterminer
les quantités optimales des lots A et des lots B qu’il doit fabriquer pour
maximiser les bénéfices.
Soient : x1 le nombre de lots A,
x2 le nombre de lots B,
Le programme linéaire permettant de maximiser les bénéfices de
l’Entreprise est le suivant :
Max Z  200x 1  240x 2
sujet à :

 3
x 1  x 2  240 (temps disponible sur les deux machines de découpage)
2

 1 x 1  x 2  120 (temps disponible sur la machine d'emboutissage)
2
4x  x  240 (temps disponible sur les deux machines de Polissage)
 1 2

 x 1 , x 2  0
Écrivons le PL sous la forme standard :
Max Z  200x 1  240x 2  0x 3  0x 4  0x 5

sujet à :
 3
x 1  x 2  x 3  240
2

1
 x  x  x  120
2 1 2 4

2x  x  x  240
 1 2 5

 x 1 , x 2 ,...., x 5  0

Choisissons x3, x4 et x5 comme variables de base, la solution de départ

consiste à annuler les variables hors base :

KHEMILI Imed 1
 Méthodes d’Optimisation de la Production
2ème année G. M & EM

x 1  x 2  0
x  240
 3

x 4  120
x 5  240

Le tableau de départ est :

x1 x2 x3 x4 x5 b Limitation
x3 1 3/2 1 0 0 240 160
x4 1/2 1 0 1 0 120 120 
x5 2 1 0 0 1 240 240
Z -200 -240 0 0 0 0


x1 x2 x3 x4 x5 b Limitation
x3 1/4 0 1 -3/2 0 60 240
x2 1/2 1 0 1 0 120 240
x5 3/2 0 0 -1 1 120 80 
Z -80 0 0 240 0 28800


x1 x2 x3 x4 x5 b
x3 0 0 1 -4/3 -1/6 40
x2 0 1 0 1/3 -1/3 80
x1 1 0 0 -2/3 2/3 80
Z 0 0 0 560/3 160/3 35200

La solution est optimale

 Z max  35200 dinars

x 1  80 lots A

x 2  80 lots B
x 3  40 heures restantes sur les machines de découpage

3°) Nous devons calculer    CT  Y T A X .

 1 3/ 2 
  x 
C   200 240  ; Y
T T
  0 150 50  ; A  1/ 2 1  ; X   1 
 2 1  x2 


2 2013 / 2014
 ISSAT de SOUSSE
Département de Génie Mécanique

  1 3/ 2
   x 
    200 240    0 150 50  1/ 2 1    1 
  2  x 2 
  1 
x  x 
   200 240   175 200    1    25 40   1   0
x 2  x2 
La proposition n’est pas intéressante.
4°) Le programme linéaire qui permet à ce voisin de déterminer les prix
optimaux qui satisfassent le responsable de l’entreprise et qui minimise ses
dépenses est :

Min W  240 y 1  120 y 2  240 y 3

sujet à :
 1
 y 1  y 2  2 y 3  200
 2
3
 2 y 1  y 2  y 3  240

 y 1 , y 2 , y 3  0
Sa solution optimale est déduite du tableau optimal du primal.
Le théorème de la dualité nous permet d’écrire : W min  Z max  35200D .
Le théorème de complémentarité des écarts nous permet d’écrire la
correspondance suivante entre les variables duales et les variables
primales telle que :
y1  x3 ; y2  x4 ; y3  x5 ; y4  x1 ; y5  x2 .

y 1  y 4  y 5  0 ;

D’où  560 160
 y2  dinars/h ; y 3  dinars/h
 3 3
5°) En utilisant l’algorithme dual du simplexe le système s’écrit :

Min W  240 y 1  120 y 2  240 y 3

sujet à :
 1
 y 1  y 2  2 y 3  200
 2
 3
 2 y 1  y 2  y 3  240

 y 1 , y 2 , y 3  0

KHEMILI Imed 3
 Méthodes d’Optimisation de la Production
2ème année G. M & EM

Écrivons-le sous la forme standard :


Min W  240 y 1  120 y 2  240 y 3  0 y 4  0 y 5

sujet à :
 1
 y 1  y 2  2 y 3  y 4  200
 2
 3
 2 y 1  y 2  y 3  y 5  240

 y 1 , y 2 , , y 5  0
Le tableau de départ est :
y1 y2 y3 y4 y5 b
y4 -1 -1/2 -2 1 0 -200
y5 -3/2 -1 -1 0 1 -240 
-W 240 120 240 0 0 0
Limitation 160 120 240 - -


y1 y2 y3 y4 y5 b
y4 -1/4 0 -3/2 1 -1/2 -80 
y2 3/2 1 1 0 -1 240
-W 60 0 120 0 120 -28800
Limitation 240 - 80 - 240


y1 y2 y3 y4 y5 b
y3 1/6 0 1 -2/3 1/3 160/3
y2 4/3 1 0 3/2 -4/3 560/3
-W 40 0 0 80 80 -35200

La solution est optimale :

W min  35200D

y1  0

 y 2  560 / 3 dinars/h
 y  160 / 3 dinars/h
 3

4 2013 / 2014
 ISSAT de SOUSSE
Département de Génie Mécanique

Problème 2 :
1°) Le programme doit permettre au responsable de déterminer les
quantités optimales des produits P1 et des produits P2 qu’il doit fabriquer
pour maximiser les bénéfices.
Soient : x1 le nombre de produits P1,
x2 le nombre de produits P2,
Le programme linéaire permettant de maximiser les bénéfices de
l’Entreprise est le suivant :
Max Z  4x 1  2x 2

sujet à :

2x 1  x 2  60 (temps disponible sur la machine M1 )
2x  2x  80 (temps disponible sur la machine M )
 1 2 2

 x 1 , x 2  0

Écrivons le PL sous la forme standard :

Max Z  4x 1  2x 2  0x 3  0x 4

sujet à :
2x 1  x 2  x 3  60
2x  2x  x  80
 1 2 4

 x 1 , x 2 ,...., x 4  0

Choisissons x3 et x4 comme variables de base, la solution de départ

consiste à annuler les variables hors base :
x 1  x 2  0

x 3  60
x  80
 4
Le tableau de départ est :
x1 x2 x3 x4 b Limitation
x3 2 1 1 0 60 30 
x4 2 2 0 1 80 40
Z -4 -2 0 0 0

x1 x2 x3 x4 b
x1 1 1/2 1/2 0 30
x4 0 1 -1 1 20
Z 0 0 2 0 120

KHEMILI Imed 5
 Méthodes d’Optimisation de la Production
2ème année G. M & EM

La solution est optimale

 Z max  120 dinars

x 1  30 produits P1

x 2  x 3  0
x 4  20 heures restantes sur la machine M2

2°) Nous devons calculer    CT  Y T A X .

2 1  x1 
C T   4 2 ; Y T
  3/ 2 1 ; A    ; X  
 2 2 x 2 
  2 1 x1 
    4 2    3 / 2 1   
  2 2 x 2 
x  x 
   4 2    5 7 / 2    1    1 3 / 2   1   0
x 2  x 2 
La proposition est intéressante.
3°) Le programme linéaire qui permet à ce voisin de déterminer les prix
optimaux qui satisfassent le responsable de l’entreprise et qui minimise ses
dépenses est :
Min W  60 y 1  80 y 2

sujet à :
2 y 1  2 y 2  4
y  2y  2
 1 2

 y 1 , y 2  0

Sa solution optimale est déduite du tableau optimal du primal.

Le théorème de la dualité nous permet d’écrire : W min  Z max  120D .
Le théorème de complémentarité des écarts nous permet d’écrire la
correspondance suivante entre les variables duales et les variables
primales telle que :
y1  x 3 ; y 2  x 4 ; y 3  x1 ; y 4  x 2 .

 y 1  2 dinars/h
D’où : 
y 2  y 3  y 4  0
4°) En utilisant l’algorithme Dual du simplexe, le système s’écrit, sous la
forme standard, de la façon suivante :

6 2013 / 2014
 ISSAT de SOUSSE
Département de Génie Mécanique

Min W  60 y 1  80 y 2  0 y 3  0 y 4  Ma1  Ma2


sujet à :
2 y 1  2 y 2  y 3  a1  4
y  2y  y  a  2
 1 2 4 2

 y 1 , y 2 , y 3 , y 4 , a1 , a2  0
a1 et a2 sont les variables artificielles. Choisissons a1 et a2 comme
variables de base, la solution de départ consiste à annuler les variables
a1  4
hors-base : y1 = y2 = y3 = y4 = 0 et donc  , qui est une solution
a2  2
réalisable. Le tableau de départ est :
y1 y2 y3 y4 a1 a2 b
a1 2 2 -1 0 1 0 4
a2 1 2 0 -1 0 1 2
60 80 0 0 0 0 0
-W
0 0 0 0 M M 0

y1 y2 y3 y4 a1 a2 b Limitation
a1 2 2 -1 0 1 0 4 2
a2 1 2 0 -1 0 1 2 1 
60 80 0 0 0 0 0
-W
-3M -4M M M 0 0 -6M


y1 y2 y3 y4 a1 b Limitation
a1 1 0 -1 1 1 2 2 
y2 1/2 1 0 -1/2 0 1 2
20 0 0 40 0 -80
-W
-M 0 M -2M 0 -2M


y1 y2 y3 y4 b
y1 1 0 -1 0 2
y4 0 1 -1/2 1 0
-W 0 0 40 0 -120

KHEMILI Imed 7
 Méthodes d’Optimisation de la Production
2ème année G. M & EM

La solution est optimale :

W min  120D

 y 1  2 dinars/h

y 2  0
y  y  0
 3 4

5°) En utilisant l’algorithme dual du simplexe le système s’écrit :

Min W  60 y 1  80 y 2

sujet à :
2 y 1  2 y 2  4
 y  2 y  2
 1 2

 y 1 , y 2  0

Écrivons-le sous la forme standard :

Min W  60 y 1  80 y 2  0 y 3  0 y 4

sujet à :
2 y 1  2 y 2  y 3  4
 y  2 y  y  2
 1 2 4

 y 1 , y 2 , y 3 , y 4  0

Le tableau de départ est :

y1 y2 y3 y4 b
y3 -2 -2 1 0 -4 
y4 -1 -2 0 1 -2
-W 60 80 0 0 0
Limitation 30 40 - -


y1 y2 y3 y4 b
y1 1 1 -1/2 0 2
y4 0 -1 -1/2 1 0
-W 0 20 30 0 -120

La solution est optimale :

W min  120D

 y 1  2 dinars/h

y 2  0
y  y  0
 3 4

8 2013 / 2014
 ISSAT de SOUSSE
Département de Génie Mécanique

Problème 3 :
1°) Le programme doit permettre à l’entreprise de déterminer les
quantités optimales des boites en cartons qu’il faut fabriquer pour
maximiser les bénéfices.
Soient : x1 le nombre de boites du type 1,
x2 le nombre de boites du type 2,
Le programme linéaire permettant de maximiser les bénéfices de
l’Entreprise est le suivant :
Max Z  3x 1  5x 2
sujet à :

x 1  2x 2  8000 (disponibilité en carton : en m²)

2x 1  3x 2  12600 (disponibilité en temps d'assemblage : en min)
x  4x  15000 (disponibilité en agrafes)
 1 2

 x 1 , x 2  0
2°) Écrivons le PL sous la forme standard :
Max Z  3x 1  5x 2  0x 3  0x 4  0x 5

sujet à :
x 1  2x 2  x 3  8000

2x 1  3x 2  x 4  12600
x 1  4x 2  x 5  15000

 x 1 , x 2 ,...., x 5  0
Choisissons x3, x4 et x5 comme variables de base, la solution de départ
consiste à annuler les variables hors base :
x 1  x 2  0
x  8000
 3

x 4  12600
x 5  15000

Le tableau de départ est :

x1 x2 x3 x4 x5 b Limitation
x3 1 2 1 0 0 8000 4000
x4 2 3 0 1 0 12600 4200
x5 1 4 0 0 1 15000 3750 
Z -3 -5 0 0 0 0


KHEMILI Imed 9
 Méthodes d’Optimisation de la Production
2ème année G. M & EM

x1 x2 x3 x4 x5 b Limitation
x3 1/2 0 1 0 -1/2 500 1000 
x4 5/4 0 0 1 -3/4 1350 1080
x2 1/4 1 0 0 1/4 3750 15000
Z -7/4 0 0 0 5/4 18750


x1 x2 x3 x4 x5 b Limitation
x1 1 0 2 0 -1 1000 Pas de limitation
x4 0 0 -5/2 1 1/2 100 200 
x2 0 1 -1/2 0 1/2 3500 7000
Z 0 0 7/2 0 -1/2 20500

x1 x2 x3 x4 x5 b
x1 1 0 -3 2 0 1200
x5 0 0 -5 2 1 200
x2 0 1 2 -1 0 3400
Z 0 0 1 1 0 20600

La solution est optimale

 Z max  20600 dinars

x 1  1200 boites du type 1

x 2  3400 boites du type 2
x 5  200 (quantité restante d'agrafes suffisante pour agrafer 200 boites du type 1)

3°) Le problème dual est :
Min W  8000 y 1  12600 y 2  15000 y 3

sujet à :
y 1  2y 2  y 3  3
2 y  3 y  4 y  5
 1 2 3

 y 1 , y 2 , y 3  0

Sa solution optimale est déduite du tableau optimal du primal.

Le théorème de la dualité nous permet d’écrire : W min  Z max  20600 Fr .

10 2013 / 2014
 ISSAT de SOUSSE
Département de Génie Mécanique

Le théorème de complémentarité des écarts nous permet d’écrire la

correspondance suivante entre les variables duales et les variables
primales telle que :
y1  x3 ; y2  x4 ; y3  x5 ; y4  x1 ; y5  x2 .

 y 1  1 Fr/m²

D’où :  y 2  1 Fr/min
y  y  y  0
 3 4 5

4°) a°) Nous venons de déterminer le coût d’une minute d’assemblage, y2,
qui est égale à 1 Fr. Si l’entreprise va engager l’étudiant, il lui en coûtera
moins (0,5 Fr la minute). L’entreprise a donc intérêt à l’engager.
b°) Le nouveau chiffre d’affaires devient : 20600  (42  60  0,5)  21860 Fr
5°) Si on observe le tableau optimal, on remarque qu’on a déjà un reste
d’agrafes suffisant pour agrafer 200 boites du premier type, donc toute
autre quantité supplémentaire n’ajoutera rien au chiffre d’affaires.

Problème 4 :
1°) Le programme doit permettre à l’entreprise de déterminer les
quantités optimales de chaque type de radio qu’il faut fabriquer pour
maximiser les bénéfices.
Soient : x1 le nombre de radios A,
x2 le nombre de radios B,
Le programme linéaire permettant de maximiser les bénéfices de
l’Entreprise est le suivant :
Max Z  15x 1  10x 2
sujet à :

x 1  2x 2  40

2x 1  x 2  50
x 1  3x 2  30

 x 1 , x 2  0
2°) Écrivons le PL sous la forme standard :
Max Z  15x 1  10x 2  0x 3  0x 4  0x 5

sujet à :
x 1  2x 2  x 3  40

2x 1  x 2  x 4  50
x 1  3x 2  x 5  30

 x 1 , x 2 ,...., x 5  0

KHEMILI Imed 11
 Méthodes d’Optimisation de la Production
2ème année G. M & EM

Choisissons x3, x4 et x5 comme variables de base, la solution de départ

consiste à annuler les variables hors base :
x 1  x 2  0
x  40
 3

x 4  50
x 5  30

Le tableau de départ est :

x1 x2 x3 x4 x5 b Limitation
x3 1 2 1 0 0 40 40
x4 2 1 0 1 0 50 25 
x5 1 3 0 0 1 30 30
Z -15 -10 0 0 0 0


x1 x2 x3 x4 x5 b Limitation
x3 0 3/2 1 -1/2 0 15 10
x1 1 1/2 0 1/2 0 25 50
x5 0 5/2 0 -1/2 1 5 2 
Z 0 -5/2 0 15/2 0 375


x1 x2 x3 x4 x5 b
x3 0 0 1 -1/5 -3/5 12
x1 1 0 0 3/5 -1/5 24
x2 0 1 0 -1/5 2/5 2
Z 0 0 0 7 1 380

La solution est optimale

 Z max  380 euros

x 1  24 radios A

x 2  2 radios B
x 3  12 heures (Pierre reste encore disponible pendant 12 h)


12 2013 / 2014
 ISSAT de SOUSSE
Département de Génie Mécanique

3°) Le problème dual est :

Min W  40 y 1  50 y 2  30 y 3

sujet à :
 y 1  2 y 2  y 3  15
2 y  y  3 y  10
 1 2 3

 y 1 , y 2 , y 3  0

Sa solution optimale est déduite du tableau optimal du primal.

Le théorème de la dualité nous permet d’écrire : W min  Z max  380 euros .
Le théorème de complémentarité des écarts nous permet d’écrire la
correspondance suivante entre les variables duales et les variables
primales telle que :
y1  x3 ; y2  x4 ; y3  x5 ; y4  x1 ; y5  x2 .

 y 2  7 euros/h

D’où :  y 3  1 euros/h
y  y  y  0
 1 4 5

4°) En utilisant l’algorithme dual du simplexe le système s’écrit :

Min W  40 y 1  50 y 2  30 y 3

sujet à :
 y 1  2 y 2  y 3  15
2 y  y  3 y  10
 1 2 3

 y 1 , y 2 , y 3  0

Écrivons-le sous la forme standard :

Min W  40 y 1  50 y 2  30 y 3  0 y 4  0 y 5

sujet à :
 y 1  2 y 2  y 3  y 4  15
2 y  y  3 y  y  10
 1 2 3 5

 y 1 , y 2 , , y 5  0
Le tableau de départ est :
y1 y2 y3 y4 y5 b
y4 -1 -2 -1 1 0 -15 
y5 -2 -1 -3 0 1 -10
-W 40 50 30 0 0 0
Limitation 40 25 30 - -


KHEMILI Imed 13
 Méthodes d’Optimisation de la Production
2ème année G. M & EM

y1 y2 y3 y4 y5 b
y2 1/2 1 1/2 -1/2 0 15/2
y5 -3/2 0 -5/2 -1/2 1 -5/2 
-W 15 0 5 25 0 375
Limitation 10 - 2 50


y1 y2 y3 y4 y5 b
y2 1/5 1 0 -3/5 1/5 7
y3 3/5 0 1 1/5 -2/5 1
-W 12 0 0 24 2 380

La solution est optimale :

W min  380 euros
 y  7 euros/h
 2

 y 3  1 euros/h
 y 1  y 4  y 5  0

14 2013 / 2014