INSEA

Livret d’exercices

Programmation Linéaire

Pr. Ilyas Himmich

i.himmich@insea.ac.ma

1
INSEA Programmation Linéaire Ilyas Himmich

Exercice 1 :
Le docteur Zaid est chargé d’organiser le planning des infirmières du service de cardi-
ologie de l’hôpital ELGHASSANNI de FES. Une journée de travail est divisée en douze
tranche de 2 heures chacune. Les besoins de personnel varient d’une tranche horaire à
l’autre. Le tableau suivant donne les besoins de personnel pour chacune des tranches
horaires.
Le problème consiste à trouver le nombre minimal d’infirmières nécessaires pour couvrir
tous les besoins, sachant qu’une infirmière travaille huit heures par jour et qu’elle a droit à
une pause de deux heures au bout de quatre heures de travail. Proposer un modèle linéaire
en nombres entiers.

Exercice 2 :
Un vendeur de produits alimentaires dispose de 10000 kg de café robusta, de 20000 kg
de café arabica et de 5000 kg de café moka. Il veut en produire 2 mélanges : le premier
contiendra 1 part de robusta pour chaque part d’arabica et se vendra 2$ le kg ; le second se
composera de 4 parts de moka pour chaque part d’arabica et se vendra 2,8$ le kg. Tout le
café qui ne pourra être incorporé à ces mélanges sera écoulé au prix de 1,5$ le kg. Comment
le vendeur doit-il se’y prendre pour maximiser le revenu qu’il tirera du café dont il dispose
? (modéliser)

2
INSEA Programmation Linéaire Ilyas Himmich

Exercice 3 :
Un jeune couple, Jawad et Leila souhaitent se partager les tâches suivantes : Courses,
Cuisine, Nettoyage et Entretien. Ils ont évalué les temps nécessaires (en heure par semaine)
pour la réalisation de chacune de ces tâches. Leur temps respectifs sont résumés ans le
tableau suivant. On remarque que la durée d’une tâche dépend de la personne.

- Ils voudront avoir chacun la responsabilité de deux tâches et minimiser le temps

total consacré aux quatre tâches (minimiser le temps total alloué à toutes les tâches).
Proposer un modèle linéaire.

- Le couple désire finir toutes les tâches le plus tôt possible. On suppose que les tâches
peuvent commencer à partir de t = 0 et qu’une personne ne peut pas faire deux
tâches à la fois. Proposer un modèle linéaire.

Exercice 4 :
Un meunier produit 2 types de farine, F et G, à partir de 2 céréales A et B. La teneur
de la farine F en céréale A doit être d’au moins 50%, alors que la teneur de la farine G en
céréale B ne doit pas dépasser 40%. Le kg de la farine de type F rapporte 16 centimes et
celui du type G, 14 centimes.
Le meunier dispose de 500 kg de la céréale A et de 1000 kg de la céréale B, qu’il a déjà
payés à 4000 dh.

- Donner un programme linéaire de production qui permet de maximiser le profit du

meunier.

- Le meunier découvre qu’il lui serait possible de se procurer auprès d’un fournisseur
d’une quantité de céréale A allant jusqu’à 1500 kg aux prix suivant : les 500 premiers
kg à 3 dh le kg, les 500 kg suivants à 2.5 dh le kg, et les 500 derniers à 2 dh le kg.
Donner un programme de production qui permet de maximiser le profit du meunier.

Exercice 5 : - Formuler les problèmes ci-dessous en programmes linéaires sous formes

standard:

3
INSEA Programmation Linéaire Ilyas Himmich

-
Max z = 2x1 − x2
1
x1 + x2 = 2
3
−2x1 + 5x2 ≤ 7 (1)
x1 + x2 ≤ 4
x1 ≥ 0
x2 ∈ R
-
Min z = −3x1 + x3
x1 + 12 x2 −3x3 ≥ 2
4x2 + x3 =5 (2)
x1 , x3 ≥ 0
x2 ≤0
-
Min z = 2x1 − 3x2
x2 ≥ −3
2x1 − x2 = 2 (3)
−x1 + 3x2 ≥ 1
x1 ≥ 0

Exercice 6 : - Considérons le modèle de programmation linéaire suivant (P ) où l’objectif

propose la maximisation d’une fonction linéaire

M in Z = −3x1 + x2

sous les contraintes

4x1 − 3x2 ≤ 24
3x1 + x2 ≥ 12
3x1 + 2x2 ≤ 35
6x1 − x2 ≤ 50
x1 ≥ x2
x1 , x 2 ≥ 0

1. Tracer sur un graphe cartésien la région admissible de ce modèle linéaire. Calculer

les coordonnées de chaque point extrême.

4
INSEA Programmation Linéaire Ilyas Himmich

2. Évaluer la fonction objectif Z en chacun des sommets de la région admissible. Trouvez

la solution optimale (ou les solutions optimales) de (P ).

Exercice 7 :
Considérons le modèle de programmation linéaire suivant (P ) où l’objectif propose la
maximisation d’une fonction linéaire

M ax Z = x1 + 2x2

sous les contraintes

−x1 + 2x2 ≤ 12
3x1 + 5x2 ≤ 52
x1 + x2 ≤ 14
x1 ≤ 12
x1 , x 2 ≥ 0

1. Tracer sur un graphe cartésien la région admissible de ce modèle linéaire. Calculer

les coordonnées de chaque point extrême.

2. Évaluer la fonction objectif Z en chacun des sommets de la région admissible. Trouvez

la solution optimale (ou les solutions optimales) de (P ).

3. Énumérer les solutions de base et associer, à chaque solution de base réalisable, le

point extrême et la matrice de base correspondants.

Exercice 8 :
Soit le programme linéaire suivant :
3
M ax z = x1 + x2
2

5
s.c x1 + 5x2 ≤ 150
2
5x1 + 2x2 ≤ 120
x1 ≥ 0 et x2 ≥ 0

1. Tracer la région admissible du problème linéaire suivant.

2. Résoudre le problème avec la méthode révisée du simplexe.

5
INSEA Programmation Linéaire Ilyas Himmich

3. Associer chaque solution de base trouvée au cours de la résolution au point extrême

associé.

4. Définir la matrice de base associée à chaque solution de base non réalisable, et iden-
tifiez graphiquement cette solution.

Exercice 9 :
Soit le système d’équations suivant :


 5x1 + 2x2 + 3x3 + 4x4 + x5 = 22
5x1 + x2 + x3 + 5x4 + 4x5 = 22 (4)

4x1 + 2x2 + 3x3 + 3x4 = 18

1. Écrire le système sous forme matricielle Ax = b, et énumérer toutes les sous matrices
carrées de A.

2. Définir les matrices de base, les variables de base et celles hors bases associées ?

3. Pour chaque matrice de base, calculer la solution de base associée.

4. Cette solution est-elle réalisable, non réalisable ?

5. Existe-il une solution de base dégénérée ?

Exercice 10 :
Résoudre le problème linéaire ci-dessous avec la méthode révisée du simplexe, en spécifiant
pour chaque itération, les variables de base, les variables hors base, la variable entrante et
la variable sortante.

M ax z = 3x1 + 2x2 + 3x3

s.c x1 + x2 + 3x3 ≤ 4
2x1 + 2x3 ≤ 5
2x1 + x2 + 3x3 ≤ 7
x1 ≥ 0, x2 ≥ 0 et x3 ≥ 0

Exercice 11 :
Résoudre les problèmes suivants avec la méthode des tableaux de simplexe.

6
INSEA Programmation Linéaire Ilyas Himmich

Max z = 300x1 + 150x2 Max z = x1 + 3x2

s.c. : s.c. :
2x1 + 3x2 ≤ 600 −x1 + x2 ≤ 1
2x1 + x2 ≤ 400 −1/2x1 + x2 ≤ 2
x1 + x2 ≤ 225 x1 ≥ 0, x2 ≥ 0
x1 ≥ 0, x2 ≥ 0

Exercice 12 :
- Voici un tableau de l’algorithme du simplexe associé à un problème de maximisation. La
solution est-elle optimale ? sinon, c’est quoi la variable entrante, la variable sortante ?

variables
x1 x2 x3 x4 x5 e1 e2 e3 b̄
de base
x5 1 9/13 19/13 1/13 1 1/13 0 0 85/13
e2 −4 −123/13 −173/13 125/13 0 −18/13 1 0 1525/13
e3 0 21/13 27/13 232/13 0 −2/13 0 1 2300/13
125
c¯j −14 − 13 − 898
13
548
13
0 − 50
13
0 0 − 4250
13

- Déterminer la solution optimale et la valeur optimale zB associée à ce tableau de simplexe.

variables
x1 x2 x3 e1 e2 e3 b̄
de base
e1 26/5 14/5 0 1 −4/5 0 156
(5)
x3 11/15 14/15 1 0 1/15 0 1/3
e3 29/5 −44/5 0 0 −6/5 1 299
c¯j − 56
3
− 71
3
0 0 − 10
3
0 −zB

Exercice 13 :
Résoudre les problèmes d’optimisation suivants avec la méthode appropriée (simplexe
ou une de ses variantes) :

7
INSEA Programmation Linéaire Ilyas Himmich

Exercice 14 :

Max z = 500x1 + 450x2 + 600x3 (6)

8
INSEA Programmation Linéaire Ilyas Himmich

s.c :


 100x1 + 200x2 + 100x3 ≤ 1500

6x1 + 5x2 + 8x3 ≤ 60


 x1 ≤ 8

 x ≥ 0, x ≥ 0, x ≥ 0
1 2 3

• Est ce que la solution x = ( 45

7 7
, 30 , 0)T est optimale pour le problème primal suivant ?

• Si oui définir la solution duale optimale. Sinon, montrer que la solution duale associée
à x n’est pas duale réalisable.

Exercice 15 :
Considérons le problème linéaire (P) suivant :

Max z = 20x1 + 6x2 − x3 + 10x4 (7)

s.c :


 3x1 + 3x2 − x3 + 4x4 ≤ 25

5x1 + 6x2 − 4x3 − 4x4 ≤ 30


 4x1 − 2x2 + x3 + 2x4 ≤ 10

 x ≥ 0, x ≥ 0, x ≥ 0, x ≥ 0
1 2 3 4

• Définir le dual du problème primal (P).

• Sans résoudre le problème, dire si les solutions suivantes sont optimales ou non.

1. x = (0, 2, 10, 15)

2. x = (4, 7, 8, 0)
3. x = (2, 0, 0, 1)
4. x = (0, 5, 0, 10)
5. x = (0, 20, 40, 5)

9
INSEA Programmation Linéaire Ilyas Himmich

Exercice 16 :
Les tableaux ci-dessous sont respectivement le tableau initial et le tableau final d’un
PL résolu avec l’algorithme de simplexe.

Tableau initial

x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 b̄
1 0 2 −1 2 1 −1 0 0 0 20
2 1 2 x 3 0 1 0 1 0 40
−1 0 2 1 −1 0 1 0 0 1 5
1 0 1 1 1 0 3 1 1 0 30
y 0 17 −4 18 0 12 0 5 0 −100

Tableau final

x1 x2 x3 x4 x5 x6 x7 x8 x9 x10 b̄
0 16 0 −8 1 −15 0 −12 4 5 z
1 −21 0 10 0 20 0 16 −5 −7 5
0 3 0 −1 0 −3 1 −2 u 1 5
0 −4 1 2 0 4 0 3 1 −1 5
0 −4 0 v 0 −2 0 −3 −2 −1 −w

• Déterminer la matrice de base associée à la solution mise en évidence dans le tableau

final.

• Donner la matrice par laquelle on a multiplié le tableau initial pour obtenir le tableau
final.

• Déduire les valeurs de x, y, z, u, v et w.

10