Beruflich Dokumente
Kultur Dokumente
SOCIALE
MARCHE-EN-FAMENNE
MATHEMATIQUES APPLIQUEES
DENIS CLARINVAL
20112012
compta-excellant.be
MATHEMATIQUES APPLIQUEES A L’INFORMATIQUE
CONTENU DU COURS
L’ALGEBRE LINEAIRE.
Cadre conceptuel.
Problèmes d’ordonnancement.
EVALUATION.
Il sera demandé aux étudiants de réaliser 6 « devoirs » ; chacun de ces devoirs sera évalué sur
un total de 10 points. Le total des points obtenus constituera la cote du travail journalier (60 %
de la cote finale). L’examen final (écrit et à livre ouvert) sera évalué sur 40.
La pleine réussite des devoirs ne dispense pas l’étudiant de présenter l’examen final.
Si un étudiant remet une partie seulement des travaux, l’examen final sera évalué,
pour cet étudiant, sur un total déterminé au prorata des travaux remis : par exemple
pour un étudiant qui remet 3 travaux, l’examen final est évalué sur 70 et non 40.
L’étudiant peut demander que tout ou partie des travaux ne soit pas prix en compte
pour l’évaluation ; le cas échéant l’examen final sera évalué sur un total déterminé
conformément à la règle précédente.
tr
compta-excellant.be
ALGEBRE LINEAIRE
INTRODUCTION.
Deux individus, disons Pierre et Paul, ont chacun un certain nombre de moutons ; Pierre dit à
Paul : « donne-moi un de tes moutons et j’en aurai deux fois plus que toi… »
Paul répond à Pierre : « Si c’est toi qui me donnes un de tes moutons, nous aurons le même
nombre de moutons… »
La question est : combien Pierre et Paul ont-ils de moutons ?
X + 1 = 2 * (Y – 1) (1)
Par contre si Pierre donne l’un de ses moutons à Paul, ils en auront tous deux le même
nombre ; cette proposition peut être formalisée de la manière suivante :
X – 1 = Y + 1 (2)
Nous sommes donc en présence d’un système de deux équations (1) et (2) à deux inconnues X
et Y ; pour résoudre le système, il suffit de retrancher la 2ème équation de la 1ère :
X + 1 – X – (– 1) = 2 * (Y – 1) – Y – 1
2 = 2Y – 2 – Y – 1
Y = 5 (3)
X–1=5+1
X=7
Il s’agit naturellement d’un cas très simple à résoudre ; la difficulté apparaît avec la
multiplication des inconnues et donc des équations (un système d’équations doit comprendre
autant d’équations que d’inconnues).
4X + 2Y – Z – 50 =0 (1)
2X + 3Y + Z – 110 =0 (2)
3X + Y – 2Z +10 =0 (3)
La méthode la plus commode, à ce stade, consiste à éliminer une inconnue pour obtenir un
système de 2 équations à deux inconnues ; dans un deuxième temps, on éliminera de nouveau
une inconnue de manière à obtenir une équation à une seule inconnue. La racine de cette
équation nous permettra alors de résoudre le système à deux équations. Nous aurons alors à
notre disposition deux racines qui nous permettront de résoudre enfin le système initial.
compta-excellant.be
Commençons par retrancher de la 1ère équation le double de la deuxième [ (1) – 2 * (2) ] :
2Y – 6Y – Z – 2Z – 50 + 220 =0
– 4Y – 3Z + 170 =0
4Y + 3Z – 170 =0 (4)
Ensuite retranchons de 3 fois l’équation (1) le quadruple de l’équation (3) [3 * (1) – 4* (3)] :
4Y + 3Z – 170 =0 (4)
2Y + 5Z – 190 =0 (5)
4Y + 90 – 170 = 0
Y = 20 (7)
4X + 2 * 20 – 30 – 50 =0
4X – 40 =0
X = 10
Tout naturellement les calculs deviennent de plus en plus fastidieux au fur et à mesure
que l’on introduit de nouvelles inconnues (et par conséquent de nouvelles équations).
C’est précisément pour pallier à cette difficulté que l’on a recours au calcul matriciel.
compta-excellant.be
LE CALCUL MATRICIEL
4X + 2Y – Z – 50 =0 (1)
2X + 3Y + Z – 110 =0 (2)
3X + Y – 2Z + 10 =0 (3)
4X + 2Y – Z = 50 (1)
2X + 3Y + Z = 110 (2)
3X + Y – 2Z = - 10 (3)
4X 2Y Z 50
2X 3Y Z 110
3X 2Z 10
Y
Le 1er membre de cette égalité est une matrice carrée (3 x 3) qui est, elle-même, le résultat du
produit de 2 matrices :
4 2 1 X 50
2 3 1 Y 110
3 1 2 Z 10
Pour isoler la matrice des 3 variables, il « suffit » de multiplier chaque membre de l’équation
par la matrice inverse de la matrice carrée des facteurs.
1
X 50 4 2 1
Y 110 2 3 1
Z 10 3 1 2
Cette opération suppose d’une part que la matrice des facteurs puisse être inversée et
d’autre part que l’on calcule cette matrice inverse. Le cas échéant, il restera à calculer le
produit des 2 matrices du membre de droite.
compta-excellant.be
CALCUL DU DETERMINANT (EXPANSION DE LAPLACE).
Pour que la matrice puisse être inversée, son déterminant doit être différent de 0.
4 2 1
11 3 1 1 2 2 1 1 3 2 3
2 3 1 4 1 2 1 1 1
1 2 3 2 3 1
3 1 2
D = 4 * 1 * (3 * (–2) – 1 * 1) + 2 * (– 1) * (2 * (- 2) – 3 * 1) – 1 * 1 * (2 * 1 – 3 * 3)
D = 4 * (- 7) – 2 * (– 7) – 1 * (– 7)
D=–7
La matrice adjointe d’une matrice carrée est la transposée de la matrice formée par les
cofacteurs des éléments de cette matrice. Nous devons donc, avant d’inverser notre matrice,
calculer les cofacteurs et ensuite transposer la matrice formée par ces cofacteurs, de manière à
obtenir la matrice adjointe.
11 3 1
C11 1 1 7 7
1 2
2 1
1 7 7
1 2
C12 1
3 2
2 3
1 7 7
1 3
C13 1
3 1
2 1
1 3 3
2 1
C 21 1 1 2
4 1
1 5 5
2 2
C 22 1
3 2
4 2
1 2 2
23
C 23 1
3 1
31 2 1
C 31 1 1 5 5
3 1
4 1
1 6 6
3 2
C 32 1
2 1
3 3 4 2
C 33 1 1 8 8
2 3
compta-excellant.be
Matrice adjointe.
Il s’agit donc de la transposée (lors de la transposition, les lignes deviennent les colonnes)
de la matrice formée par les cofacteurs.
T
7 7 7 7 3 5
3 5 2 7 5 6
5 6 8 7 2 8
1
4 2 1
1
7 3 5 1 3/ 7 5/ 7
2 7 5 6 1 5 / 7 6/7
3
3 1
7
1 2 7 2 8 1 2 / 7 8 / 7
X 50 1 3 / 7 5 / 7 10
Y 110 1 5 / 7 6 / 7 20
Z 10 1 2 / 7 8 / 7 30
Ces résultats confirment ceux obtenus précédemment… Néanmoins la méthode est assez
fastidieuse ; Il existe plusieurs méthodes simplificatrices dont l’une est présentée ci-
après.
compta-excellant.be
Méthode simplifiée (élimination de GAUSS).
4 2 1 X 50
2 3 1 Y 110
3 1 2 Z 10
On construit ensuite une matrice augmentée (ici 4 colonnes et 3 lignes) à partir de la matrice
des coefficients et de la matrice figurant au second membre de l’équation :
4 2 1 50
2 3 1 110
3 1 2 10
Ensuite on transforme cette matrice jusqu’à ce que C21 = C31 = C32 = 0
4 2 1 50 4 2 1 50 4 2 1 50 4 2 1 50
2 3 1 110 0 4 3 170 0 4 3 170 0 4 3 170
3 1 2 10 3 1 2 10 0 2 5 190 0 0 7 210
Pour la 2ème matrice (C21 = 0), on prend 2 x L2 – L1 ; pour la 3ème matrice (C31 = 0), on prend 4
x L3 – 3 x L1 ; pour la dernière matrice (C32 = 0), on prend 2 x L3 + L2
Calcul de Z : Z = – 210 / – 7 = 30
Calcul de X : 4 * X + 2 * Y – 1 * Z = 50 4X + 10 = 50 4X = 40 X = 10
compta-excellant.be
Utilisation de la règle de CRAMER.
4 2 1 X 50
2 3 1 Y 110
3 1 2 Z 10
Pour trouver la valeur de X, on remplace, dans la matrice des coefficients, la 1ère colonne
par la colonne des constantes ; on divise ensuite le déterminant correspondant par le
déterminant correspondant à la matrice des coefficients (déjà calculé précédemment).
Pour rappel :
4 2 1
11 3 1 1 2 2 1 1 3 2 3
2 3 1 4 1 2 1 1 1
1 2 3 2 3 1
3 1 2
D = 4 * 1 * (3 * (–2) – 1 * 1) + 2 * (– 1) * (2 * (- 2) – 3 * 1) – 1 * 1 * (2 * 1 – 3 * 3)
D = 4 * (- 7) – 2 * (– 7) – 1 * (– 7)
D=–7
50 2 1
110 3 1
10 1 2 50 7 2 210 1 90 350 420 90 70
X 10
7 7 7 7
4 50 1
2 110 1
3 10 2 4 210 50 7 1 350 840 350 350 140
Y 20
7 7 7 7
4 2 50
2 3 110
3 1 10 4 140 2 350 50 7 560 700 350 210
Z 30
7 7 7 7
compta-excellant.be
Matrice identité et matrice nulle.
La matrice identité est la matrice dont tous les éléments de la diagonale principale sont
égaux à 1 et dont tous les autres éléments sont égaux à 0.
1 0 0
I 0 1 0
0 0 1
Propriétés :
La matrice nulle est la matrice dont tous les éléments sont égaux à 0.
0 0 0
0 0 0 0
0 0 0
Matrices singulières et matrices non singulières.
Une matrice est dite singulière quand son déterminant est 0 ; un système d’équations
admet une seule solution quand la matrice des coefficients est une matrice singulière.
A contrario une matrice dont le déterminant = 0 est une matrice non singulière ; on peut en
déduire que les équations du système correspondant sont linéairement dépendantes et que
le système n’admet pas de solution unique.
Exemple.
2X + 3Y = 27 (1)
6X + 9Y = 81 (2)
2 3
D 2*9 3*6 0
6 9
compta-excellant.be
LE CALCUL MATRICIEL AVEC MS EXCEL
Formules.
A calculer Formules
Déterminant =DETERMAT(B1:D3)
Matrice inverse {=INVERSEMAT(B1:D3)}
Produit matriciel {=PRODUITMAT(B1:D3;B11:D13)}
Remarque.
Pou rappel : on ne peut inverser qu’une matrice carrée, c’est-à-dire une matrice dont le
nombre de lignes est égal au nombre de colonnes.
compta-excellant.be
Exercices.
Exercice n° 1.
2X + 3Y + Z – 22 = 0
5X – 3Y + 3Z – 16 = 0
4X + 2 Y – 4Z + 8 = 0
Exercice n° 2.
Exercice n° 3.
compta-excellant.be
RESOLUTION DE L’EXERCICE.
2X + 3Y + Z – 22 = 0
5X – 3Y + 3Z – 16 = 0
4X + 2 Y – 4Z + 8 = 0
¨2 3 1 X 22
5 3 3 x Y 16
4 2 4 Z 8
Elimination de GAUSS.
Matrice augmentée.
2 3 1 22
5 3 3 16
4 2 4 8
Elimination de GAUSS.
2 3 1 22 2 3 1 22 2 3 1 22 2 3 1 22
5 3 3 16 5 3 3 16 0 21 1 78 0 21 1 78
4 2 4 8 0 4 6 52 0 4 6 52 0 0 130 780
Pour la 2ème matrice (C31 = 0), on prend L3– 2 x L1 ; pour la 3ème matrice (C21 = 0), on prend 2
x L2 – 5 x L1 ; pour la dernière matrice (C32 = 0), on prend 21 x L3 – 4 x L2
Calcul de X : 2X + 3Y + Z = 22 2X = 22 – 3 * 4 – 6 2X = 4 X = 2
compta-excellant.be
Règle de CRAMER.
2 3 1
11 3 3 5 3 13 5 3
5 3 3 2* 1 * 3* 1 * 1* 1 *
1 2
2*6 3*( 32) 1* 22 130
2 4 4 4 4 2
4 2 4
22 3 1
16 3 3
8 2 4 22*(12 6) 3*(64 24) 1*(32 24) 22*6 3*(40) 1*8 260
X 2
130 130 130 130
2 22 1
5 16 3
4 8 4 2* (64 24) 22*( 20 12) 1*( 40 64) 2 *( 40) 22*( 32) 1*( 104) 520
Y 4
130 130 130 130
2 3 22
5 3 16
4 2 8 2* (24 32) 3*(40 64) 22*(10 12) 2*(8) 3*(104) 22*(22) 780
Z 6
130 130 130 130
compta-excellant.be
ALGEBRE LINEAIRE : EXERCICES.
Exercice n° 1.
2X + 4Y 3Z = 12
3X 5Y + 2Z = 13
X + 3Y + 2Z = 17
S = (7 ; 4 ; 6)
Exercice n° 2.
11X Y Z = 31
X + 6Y 2Z = 26
X 2Y + 7Z = 24
S = (4 ; 7 ; 6)
Exercice n° 3.
5X 2Y + 3Z = 16
2X + 3Y 5Z = 2
4X 5Y + 6Z = 7
S = (3 ; 7 ; 5)
Exercice n° 4.
2X + 3Y + Z 22 = 0
5X 3Y + 3Z 16 = 0
4X + 2Y 4Z + 8 = 0
S = (2 ; 4 ; 6)
compta-excellant.be
ALGEBRE LINEAIRE : RESOLUTION DE L’EXERCICE N° 1.
2 4 3 X 12
3 5 2 Y 13
1 3 2 Z 17
2 4 3
5 2 3 2 3 5
3 5 2 2 * 111 * 4 * 11 2 * 3* 113 *
3 2 1 2 1 3
1 3 2
2 4 3
3 5 2 2*(5* 2 3* 2) 4*(3* 2¨1* 2) 3*(3*3 1*5)
1 3 2
2 4 3
3 5 2 2*(10 6) 4*(6 2) 3*(9 5) 2*( 16) 4*12 3* 4 76
1 3 2
12 4 3
13 5 2 5 2 13 2 13 5
12* 111 * 4* 11 2 * 3* 113 *
17 3 2 3 2 17 2 17 3
X
2 4 3 76
3 5 2
1 3 2
12*(10 6) 4*(26 34) 3*(39 85) 192 32 372 532
X 7
76 76 76
2 12 3
3 13 2 13 2 3 2 3 13
2* 111 * 12* 11 2 * 3* 113 *
1 17 2 17 2 1 2 1 17
Y
76 76
2* (26 34) 12*(6 2) 3*(51 13) 16 96 192 304
Y 4
76 76
2 4 12
3 5 13 5 13 3 13 3 5
2* 111 * 4* 11 2 * 12* 113 *
1 3 17 3 17 1 17 1 3
Z
76 76
2* (85 39) 4 *(51 13) 12* (9 5) 248 256 48 456
Z 6
76 76 76
compta-excellant.be
ALGEBRE LINEAIRE : RESOLUTION DE L’EXERCICE N° 3.
5 2 3 X 16
2 3 5 Y 2
4 5 6 Z 7
5 2 3
3 5 2 5 2 3
2 3 5 5* 111 * 2* 11 2 * 3* 113 *
5 6 4 6 4 5
4 5 6
5 2 3
2 3 5 5*(18 25) 2*(12 20) 3*( 10 12) 5*( 7) 2*32 3*( 22) 35 64 66 37
4 5 6
16 2 3
2 3 5 3 5 2 5 2 3
16* 2* 3*
5 6
7 5 6 7 6 7 5 16*(18 25) 2*(12 35) 3*( 10 21) 111
X 3
37 37 37 37
5 16 3
2 2 5 2 5 2 5 2 2
5* 16* 3*
4 7 6 7 6 4 6 4 7 5*(12 35) 16*(12 20) 3*(14 8) 259
Y 7
37 37 37 37
5 2 16
2 3 2 3 2 2 2 2 3
5* 2* 16*
4 5 7 5 7 4 7 4 5 5*(21 10) 2*(14 8) 16*( 10 12) 185
Z 5
37 37 37 37
compta-excellant.be
MATRICES STOCHASTIQUES & CHAÎNES DE MARKOV
0,5 0,3 0, 2
P 0, 2 0,8 0
0,3 0,3 0, 4
Matrices stochastiques régulières et irréductibles.
Une matrice stochastique est dite régulière s’il existe un nombre entier k tel que la matrice Pk
ne contient que des réels strictement positifs.
0,37 0, 45 0,18
P 0, 26 0, 70 0, 04
2
0,33 0, 45 0, 22
Une chaîne de Markov est irréductible si tout état est accessible à partir de n’importe quel état
de la chaîne.
compta-excellant.be
APPLICATION : DOUDOU LE HAMSTER.
Doudou, le hamster paresseux, ne connaît que trois endroits dans sa cage : les copeaux où il
dort, la mangeoire où il mange et la roue où il fait de l'exercice. Ses journées sont assez
semblables les unes aux autres, et son activité se représente aisément par une chaîne de
Markov. Toutes les minutes, il peut soit changer d'activité, soit continuer celle qu'il était en
train de faire. L'appellation processus sans mémoire n'est pas du tout exagérée pour parler de
Doudou.
Les diagrammes peuvent montrer toutes les flèches, chacune représentant une probabilité de
transition. Cependant, c'est plus lisible si :
Matrice de transition.
La matrice de transition de ce système est la suivante (les lignes et les colonnes correspondent
dans l'ordre aux états représentés sur le graphe par copeaux, mangeoire, roue) :
compta-excellant.be
Prévisions.
Ainsi, après une minute, on a 90 % de chances que Doudou dorme encore, 5 % qu'il mange et
5 % qu'il coure.
La théorie montre qu'au bout d'un certain temps, la loi de probabilité est indépendante de la
loi initiale. Notons la q :
compta-excellant.be
Sachant que q1 + q2 + q3 = 1, on obtient :
compta-excellant.be
compta-excellant.be
MATRICES STOCHASTIQUES : ILLUSTRATION
Etudions une civilisation fictive constituée de plusieurs classes sociales, et dans laquelle les
individus peuvent passer d’une classe à l’autre. Chaque étape représentera un an. On
considérera une lignée plutôt qu’un individu, pour éviter d’obtenir des citoyens bicentenaires.
Les différents statuts sociaux sont au nombre de quatre :
Esclave ;
Libre ;
Citoyen ;
Haut-fonctionnaire.
Les esclaves peuvent rester esclaves ou devenir des hommes libres en achetant leur
liberté ou en étant affranchis généreusement par leur maître ;
Les hommes libres peuvent rester libres ou bien vendre leur liberté (pour payer leurs
dettes par exemple) ou encore devenir citoyens (là encore par mérite ou en achetant le
titre de citoyen) ;
Les citoyens sont citoyens à vie et transmettent leur citoyenneté à leur lignée (on
pourrait croire que le nombre de citoyens tend à augmenter et qu’au bout d’un certain
temps, tous sont citoyens mais historiquement, dans les civilisations qui suivaient ce
schéma, les citoyens sont décimés par les guerres et de nouveaux esclaves arrivent
régulièrement de l’étranger). Ils peuvent aussi se porter candidats lors des élections
annuelles afin de devenir haut-fonctionnaires (magistrats). Au terme de leur mandat,
ils peuvent être réélus ou redevenir de simples citoyens.
Pour compliquer un peu l’exemple et montrer ainsi l’étendue des applications des chaînes de
Markov, nous considérerons que les fonctionnaires sont élus pour plusieurs années. Par
conséquent, l’avenir d’un individu fonctionnaire dépend du temps depuis lequel il est
fonctionnaire. Nous sommes donc dans le cas d’une chaîne de Markov non homogène.
Heureusement on peut aisément ramener le problème à une chaîne homogène. En effet, il
suffit de rajouter un état artificiel pour chaque année du mandat. Au lieu d’avoir un état 4
fonctionnaire, nous aurons un état :
Les probabilités reliant deux états artificiels consécutifs (3ème et 4ème année par exemple) sont
de valeur = 1 car on considère que tout mandat commencé se termine. Fixons la durée des
mandats à 2 ans, le contingent des fonctionnaires étant renouvelable par moitié chaque année.
On obtient le graphe ci-dessous :
compta-excellant.be
La matrice de transition P s’écrit :
97 1
98 0 0
0
98
2 65 6
0 0
73 73 73
P 12 1
0 0 0
13 13
0 0 0 0 1
7 1
0 0
8 8
0
n
Nous savons que P n donne les probabilités de transition en n étapes. Dès lors P ij est la
probabilité d’être dans l’état j au bout de n années pour une lignée partie de la classe sociale i.
compta-excellant.be
Pour savoir ce que devient un esclave au bout de n années, il suffit donc d’écrire :
p1n
n
p2
1 0 0 0 0 * P n p 3n
pn
4
p 5n
n
Où p i est la probabilité d’être dans la classe sociale i au bout de n années sachant que la
lignée étudiée est partie de l’état d’esclave.
Si on connaît les effectifs de chaque classe sociale à l’an 0, il suffit alors de calculer :
1
* esclaves libres citoyens élus1 élus 2 * P n Y
lignées
On obtient ainsi la répartition de la population dans les différentes classes sociales au bout de
n années. En multipliant ce vecteur Y par l’effectif total de la population, on obtient les
effectifs de chaque classe au bout de n années.
Un autre problème…
Il faut dès lors procéder à une nouvelle modélisation du problème en ajoutant un sommet
absorbant car une fois qu’une lignée a fini un mandat, on ne tient plus compte de cette lignée.
compta-excellant.be
Remarque.
Selon cette approche, les lignées comportant un élu ne participent plus aux élections ; cela ne
fausse néanmoins pas le modèle. En effet le nombre d’élus est proportionnel au nombre de
citoyens ; aussi ne pas réinjecter les anciens élus parmi les candidats ne change rien à la
probabilité pour un citoyen d’être élu car, la population des citoyens étant plus restreinte, le
nombre de postes offerts l’est également.
97 1
98 0 0
0 0
98
2 65 6
0 0 0
73 73 73
Q 0 0
12 1
0 0
13 13
0 0 0 0 1 0
0 0 0 0 0 1
0 0 0 0 1
0
En faisant les mêmes calculs que précédemment on obtient en dernière ligne du vecteur
solution le pourcentage de lignées ayant accompli au moins un mandat.
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
LA PROGRAMMATION LINEAIRE : ILLUSTRATION
Enoncé du problème.
Comment le chocolatier-confiseur doit-il répartir ses achats entre les 3 sortes de chocolats
pour maximiser les revenus nets qu’il tirera de la vente des assortiments ?
Les 3000 assortiments seront confectionnés de la même manière, car une recette qui est
optimale pour un assortiment l’est forcément pour tous.
Les quantités totales utilisées de chaque sorte de chocolats, et par conséquent les quantités
achetées, s’obtiennent en multipliant par 3000 cette recette optimale. Et réciproquement pour
résoudre le problème du chocolatier-confiseur, il suffit de connaître le nombre de kg à acheter
de chaque sorte, puis de diviser par 3000 pour obtenir la recette.
La fonction objectif.
Le confiseur poursuit l’objectif de maximiser les profits qu’il tirera de la vente des 3000
assortiments qu’il s’est engagé à fournir. Un kg de chocolat se vend toujours 8 $ puisque c’est
le prix de vente de chaque assortiment et que chaque assortiment pèse un kg.
Mais le prix d’achat varie d’une sorte de chocolat à l’autre. C’est ainsi que le profit réalisé sur
un kg de chocolat 1 s’élève à 8 $ – 4 $ = 4 $ ; pour le chocolat 2, le profit s’élève à 8 $ – 1,45
$ = 6,55 $ ; pour le chocolat 3 le profit est de 8 $ – 2,40 $ = 5,60 $.
La fonction objectif qui représente les profits peut donc s’écrire :
Les contraintes.
La confection des assortiments est soumise à plusieurs contraintes (d’égalité et/ou d’inégalité)
qu’il faut à présent formaliser.
X1 + X2 + X3 = 3000
compta-excellant.be
Contrainte 2 : le pois de X1 doit représenter au minimum 10 % du total.
X1 300
X1 600
X1 + X2 2400
X1 + X3 1500
X1, X2, X3 0
Synthèse.
X1 + X2 + X3 = 3000
X1 300
X1 600
X1 + X2 2400
X1 + X3 1500
X1, X2, X3 0
MAX=4*X1+6.55*X2+5.60*X3;
X1+X2+X3=3000;
X1>=300;
X1<=600;
X1+X2<=2400;
X1+X3>=1500;
compta-excellant.be
Le logiciel nous retourne la solution optimale suivante :
Lecture de la solution.
compta-excellant.be
PROGRAMMATION LINEAIRE
ALGORITHME DU SIMPLEX
MAXIMISATION
Le problème décrit ci-après est un problème de maximisation du profit () sous contraintes
d’inégalité.
Les contraintes (4) sont les contraintes de non négativité. On remarque que les contraintes
sont linéairement indépendantes.
Tout d’abord on doit transformer les inégalités en équations en ajoutant des variables d’écart :
6X1 + 2X2 + S1 = 36
5X1 + 5X2 + S2 = 40
2X1 + 4X2 + S3 = 28
Ensuite on exprime les équations correspondant aux contraintes sous forme matricielle :
X1
6 2 1 0 0 X 2 36
5 5 0 1 0 x S1 40
2 4 0 0 1 S2 28
S3
On établit ensuite un tableau initial du simplex, qui se compose de la matrice des coefficients
des contraintes, du vecteur colonne des constantes, et d’une ligne d’indicateurs située sous les
précédents, qui contient les coefficients de la fonctions objectif précédés d’un signe – et un
coefficient égal à 0 pour chaque variable d’écart.
La case située sur la dernière ligne de la colonne des constantes est aussi un 0, qui correspond
à la valeur de la fonction objectif à l’origine (X1 = X2 = 0).
compta-excellant.be
X1 X2 S1 S2 S3 Constantes
6 2 1 0 0 36
5 5 0 1 0 40
2 4 0 0 1 28
–5 –3 0 0 0 0
INDICATEURS
L’indicateur négatif dont la valeur absolue est la plus élevée détermine la variable à
entrer dans la base ; Comme l’indicateur négatif de plus forte valeur absolue est – 5 et
se situe dans la 1ère colonne (colonne pivot), c’est donc la variable X1 qui entrera dans
la base.
La variable à éliminer est déterminée par le plus petit ratio de déplacement. On trouve
les ratios de déplacement en divisant les éléments de la colonne des constantes par les
éléments de la colonne pivot. La ligne pour laquelle le ratio de déplacement est le plus
petit (la ligne pivot), on élimine les ratios inférieurs ou égaux à 0, détermine la
variable à éliminer de la base. Comme le plus faible ratio est 36/6 (36/6 < 40/5 <
28/4), la ligne 1 est la ligne pivot.
Comme le vecteur unitaire portant 1 dans la ligne 1 se trouve dans la colonne S1, c’est
S1 qui sortira de la base ; le pivot est 6 (situé à l’intersection de la colonne pivot et de
la ligne pivot).
Le pivotage.
Tout d’abord on multiplie la ligne pivot par la réciproque du pivot : on multiplie donc la
ligne 1 par 1/6.
X1 X2 S1 S2 S3 Constantes
1 1/3 1/6 0 0 6
5 5 0 1 0 40
2 4 0 0 1 28
–5 –3 0 0 0 0
INDICATEURS
compta-excellant.be
Ensuite on annule les autres éléments de la colonne pivot : ici on soustrait 5 fois la ligne 1 de
la ligne 2, 2 fois la ligne 1 de la ligne 3 et on ajoute 5 fois la ligne 1 à la ligne 4. On obtient
ainsi le 2ème tableau.
X1 X2 S1 S2 S3 Constantes
1 1/3 1/6 0 0 6
0 10/3 – 5/6 1 0 10
0 10/3 – 1/3 0 1 16
0 – 4/3 5/6 0 0 30
INDICATEURS
L’optimisation.
La fonction objectif est maximisée quand il n’y a plus d’indicateurs négatifs dans la
dernière ligne. On poursuit donc les changements de base et les pivotages.
Dans la ligne des indicateurs, l’indicateur négatif ayant la plus grande valeur absolue est –
4/3 ; la colonne pivot sera donc la colonne des X2.
La ligne pivot est la ligne 2 dans la mesure où 10 / (10/3) représente le plus petit ratio de
déplacement. Le pivot est en conséquence 10/3 et la variable à sortir de la base (vecteur
unitaire dans la ligne pivot) est S2.
Le pivotage consiste donc à rendre le pivot égal à 1 et à rendre nulles les autres variables de la
colonne pivot.
X1 X2 S1 S2 S3 Constantes
1 1/3 1/6 0 0 6
0 1 – 1/4 3/10 0 3
0 10/3 – 1/3 0 1 16
0 – 4/3 5/6 0 0 30
INDICATEURS
X1 X2 S1 S2 S3 Constantes
1 0 1/4 – 1/10 0 5
0 1 – 1/4 3/10 0 3
0 0 1/2 –1 1 6
0 0 1/2 2/5 0 34
INDICATEURS
On constate que la ligne des indicateurs ne présente plus aucun élément négatif ; on a donc
atteint un optimum. A cet optimum, la fonction objectif vaut 34 et les variables ont pour
valeur :
X1 = 5 ; X2 = 3 ; S1 = 0 ; S2 = 0 ; S3 = 6
compta-excellant.be
Interprétation.
Si la contrainte à laquelle est associée la variable d’écart S1 augmente d’une unité (6X1
+ 2X2 37 au lieu de 36), la fonction objectif augmente de ½ unité ;
De même si la contrainte à laquelle est associée la variable d’écart S2 augmente d’une
unité, la fonction objectif augmente de 2,5 unités ;
En revanche la contrainte à laquelle est associée la variable d’écart S3 présente un
surplus (un « slack ») de 6 ; en conséquence l’augmenter serait sans effet sur la
fonction objectif. Au contraire ce surplus autorise à resserrer la contrainte de manière
à, par exemple, diminuer des coûts de production.
EXERCICE.
MINIMISATION
2X1 + X2 14
X1 + X2 12
X1 + 3X2 18
X1, X2 0
Tout d’abord on transforme les inégalités en équations en soustrayant des variables d’écart :
2X1 + X2 – S1 14
X1 + X2 – S2 12
X1 + 3X2 – S3 18
compta-excellant.be
Ensuite on exprime les équations des contraintes sous forme matricielle :
X1
2 1 1 0 0 X 2 14
1 1 0 1 0 x S1 12
1 3 0 0 1 S2 18
S3
Ensuite on introduit des variables artificielles.
Une variable artificielle (Ai 0) est une variable fictive introduite spécialement pour
engendrer une solution de base accessible. Elle n’a aucune signification économique. Le
modèle matriciel devient :
X 1
X 2
S1
2 1 1 0 0 1 0 0 14
1 1 0 1 0 0 1 0 S 2 12
S3
1 3 0 0 1 0 0 0 18
A1
A2
A3
L’adaptation du tableau initial du simplex aux fins d’une minimisation.
compta-excellant.be
Le tableau initial se présente de la manière suivante :
X1 X2 S1 S2 S3 A1 A2 A3 Constantes
2 1 –1 0 0 1 0 0 14
1 1 0 –1 0 0 1 0 12
1 3 0 0 –1 0 0 1 18
–2 –4 0 0 0 –M –M –M
INDICATEURS
On élimine ensuite les M des colonnes des variables artificielles en ajoutant M fois (ligne 1 +
ligne 2 + ligne 3) à la ligne 4. on obtient alors le tableau suivant :
X1 X2 S1 S2 S3 A1 A2 A3 Constantes
2 1 –1 0 0 1 0 0 14
1 1 0 –1 0 0 1 0 12
1 3 0 0 –1 0 0 1 18
4M – 2 5M – 4 –M –M –M 0 0 0 44M
INDICATEURS
Le pivot.
Dans le cas d’une minimisation, l’indicateur positif le plus élevé détermine la colonne pivot et
la variable à entrer dans la base. C’est l’indicateur 5M – 4 qui est le plus grand et, en
conséquence, c’est X2 qui entre dans la base. La colonne de X2 devient la colonne pivot.
La ligne pivot est déterminée, comme pour la maximisation, par le plus petit rapport résultant
de la division des constantes par les éléments de la colonne pivot. Comme 18/3 = 6 est le plus
petit rapport, la ligne pivot est la ligne 3.
Le vecteur unitaire sur la ligne 3 est associé à A3 : c’est donc A3 qui sort de la base. Enfin le
pivot se situe à l’intersection de la colonne pivot et de la ligne pivot : il s’agit de 3.
Le pivotage.
X1 X2 S1 S2 S3 A1 A2 A3 Constantes
2 1 –1 0 0 1 0 0 14
1 1 0 –1 0 0 1 0 12
1/3 1 0 0 – 1/3 0 0 1/3 6
4M – 2 5M – 4 –M –M –M 0 0 0 44M
INDICATEURS
compta-excellant.be
On annule tous les autres éléments de la colonne pivot en sosutrayant la ligne 3 de la ligne 1
et de la ligne 2, et en soustrayant (5M – 4) fois la ligne 3 de la ligne 4.
X1 X2 S1 S2 S3 A1 A2 A3 Constan
tes
5/3 0 –1 0 1/3 1 0 – 1/3 8
2/3 0 0 -1 1/3 0 1 – 1/3 6
1/3 1 0 0 – 1/3 0 0 1/3 6
(7M – 2)/3 0 –M –M (2M – 4)/3 0 0 (– 5 M + 4)/3 14M + 24
INDICATEURS
Réitération.
X1 X2 S1 S2 S3 A1 A2 A3 Constan
tes
1 0 – 3/5 0 1/5 3/5 0 – 1/5 24/5
2/3 0 0 -1 1/3 0 1 – 1/3 6
1/3 1 0 0 – 1/3 0 0 1/3 6
(7M – 2)/3 0 –M –M (2M – 4)/3 0 0 (– 5 M + 4)/3 14M + 24
INDICATEURS
On annule ensuite les autres éléments de la colonne pivot en soustrayant les 2/3 de la ligne 1
de la ligne 2, le 1/3 de la ligne 1 de la ligne 3, et les (7M – 2) / 3 de la ligne 1 de la ligne 4.
X1 X2 S1 S2 S3 A1 A2 A3 Constantes
1 0 – 3/5 0 1/5 3/5 0 – 1/5 24/5
0 0 2/5 –1 1/5 – 2/5 1 – 1/5 14/5
0 1 1/5 0 – 2/5 – 1/5 0 2/5 22/5
0 0 (2M – 2)/5 – M –M (M – 6)/5 (– 7M + 2)/5 0 (– 6M + 6) /5 (14M + 136)/5
INDICATEURS
compta-excellant.be
4ème pivot.
La colonne pivot est la colonne de S1 ; c’est donc S1 qui entre dans la base. La ligne pivot est
la ligne 2 ; le vecteur unitaire de la ligne 2 est dans la colonne de A2 qui sort de la base. Le
pivot est 2/5.
X1 X2 S1 S2 S3 A1 A2 A3 Constantes
1 0 – 3/5 0 1/5 3/5 0 – 1/5 24/5
0 0 1 – 5/2 1/2 –1 5/2 – 1/2 7
0 1 1/5 0 – 2/5 – 1/5 0 2/5 22/5
0 0 (2M – 2)/5 – M –M (M – 6)/5 (– 7M + 2)/5 0 (– 6M + 6) /5 (14M + 136)/5
INDICATEURS
On ajoute les 3/5 de la ligne 2 à la ligne 1 et on soustrait le 1/5 de la ligne 2 de la ligne 3 et les
(2M – 2)/5 de la ligne 2 de la ligne 4. On obtient le tableau :
X1 X2 S1 S2 S3 A1 A2 A3 Constantes
1 0 0 – 3/2 1/2 0 3/2 – 1/2 9
0 0 1 – 5/2 1/2 –1 5/2 – 1/2 7
0 1 0 1/2 – 1/2 0 – 1/2 1/2 3
0 0 0 –1 –1 –M –M+1 –M+1 30
INDICATEURS
Tous les indicateurs sont négatifs : on est donc parvenu à la solution optimale accessible. On
peut directement lire la solution sur le tableau : X1 = 9 ; X2 = 3 ; S1 = 7 ; S2 = S3 = 0.
La fonction objectif a pour valeur C = 30.
compta-excellant.be
L’ALGORITHME DU SIMPLEX : APPLICATION.
Tout d’abord on doit transformer les inégalités en équations en ajoutant des variables d’écart :
Ensuite on exprime les équations correspondant aux contraintes sous forme matricielle :
X1
X 2
6 3 5 1 0 30
2 2 10 0 1 x X 3 50
S1
S2
X1 X2 X3 S1 S2 Constantes
6 3 5 1 0 30
2 2 10 0 1 50
– 30 – 24 – 60 0 0 0
INDICATEURS
La colonne pivot est la colonne des X3 ; la ligne pivot est la 2ème ligne (50 / 10 < 30 / 5 ; c’est
S2 qui sort de la base.
compta-excellant.be
1er pivotage.
La 2ème ligne est divisée par 10 de manière à ce que le pivot soit ramené à 1.
X1 X2 X3 S1 S2 Constantes
6 3 5 1 0 30
1/5 1/5 1 0 1/10 5
– 30 – 24 – 60 0 0 0
INDICATEURS
Ensuite les autres éléments de la colonne doivent être ramenés à : de la 1ère ligne, on retranche
5 fois la 2ème ligne ; à la 3ème ligne, on ajoute 60 fois la 2ème ligne.
X1 X2 X3 S1 S2 Constantes
5 2 0 1 - 1/2 5
1/5 1/5 1 0 1/10 5
– 18 – 12 0 0 6 300
INDICATEURS
La nouvelle colonne pivot est celle des X1 et la ligne pivot est la ligne 1 : 5/5 < 5 / (1/5). Le
pivot est donc 5 et c’est S1 qui sort de la base.
2ème pivotage.
X1 X2 X3 S1 S2 Constantes
1 2/5 0 1/5 – 1/10 1
1/5 1/5 1 0 1/10 5
– 18 – 12 0 0 6 300
INDICATEURS
Les autres éléments de la colonne pivot sont ramenés à 0 : de la ligne 2, on retranche 1/5 de la
ligne 1 ; à la ligne 3, on ajoute 18 fois la ligne 1.
X1 X2 X3 S1 S2 Constantes
1 2/5 0 1/5 – 1/10 1
0 3/25 1 – 1/25 3/25 24/5
0 – 24/5 0 18/5 21/5 318
INDICATEURS
La colonne pivot est la colonne des X2 ; la ligne pivot est la ligne 1 : 1 / (2/5) < (24/5) / (3/25).
Le pivot est 2/5. C’est X1 qui sort de la base.
compta-excellant.be
3ème pivotage.
X1 X2 X3 S1 S2 Constantes
5/2 1 0 1/2 – 1/4 5/2
0 3/25 1 – 1/25 3/25 24/5
0 – 24/5 0 18/5 21/5 318
INDICATEURS
Les autres éléments de la colonne pivot sont ramenés à 0 : de la ligne 2, on soustrait les 3/25
de la ligne 1 ; à la ligne 3, on ajoute les 24/5 de la ligne 1.
X1 X2 X3 S1 S2 Constantes
5/2 1 0 1/2 – 1/4 5/2
– 3/10 0 1 – 1/10 3/20 9/2
12 0 0 6 3 330
INDICATEURS
On constate qu’il n’y a plus de valeur négative dans la ligne des indicateurs ; la solution est
par conséquent optimale : (X1 ; X2 ; X3 ; S1 ; S2) = (0 ; 2,5 ; 4,5 ; 0 ; 0) et = 330.
compta-excellant.be
LA PROGRAMMATION LINEAIRE : LE DUAL.
Exemple 1.
compta-excellant.be
Exemple 2.
6X1 + 2X2 36
5X1 + 5X2 40
2X1 + 4X2 28
X1, X2 0
EST
Une variable de décision du programme primal a une valeur autre que zéro, la
variable d’écart correspondante du programme dual a nécessairement une
valeur optimale égale à zéro ;
Une variable d’écart du primal a une valeur autre que zéro, la variable de
décision correspondante du programme dual a nécessairement une valeur
optimale égale à zéro.
compta-excellant.be
APPLICATION.
On demande :
Le dual s’écrit :
2Z1 + 5Z2 40
4Z1 + Z2 20
10Z1 + 5Z2 60
Z1, Z2 0
Z1 = 4 ; Z2 = 4 ; = 128
Si = 128 , C = 128
Remarques.
Comme nous allons pouvoir le constater avec l’application ci-après, un avantage important
du dual est qu’il permet de transformer des problèmes de minimisation en problèmes de
maximisation généralement plus aisés à résoudre.
En outre le recours au dual permet de réduire le nombre de variables de décision.
compta-excellant.be
Valeurs optimales des variables de décision du primal :
Pour trouver les variables de décision du primal (X1, X2, X3) à partir des variables de décision
du dual (Z1, Z2), il faut tout d’abord transformer les inégalités des contraintes du primal et du
dual en équations :
2Z1 + 5Z2 + T1 = 40
4Z1 + Z2 + T2 = 20
10Z1 + 5Z2 + T3 = 60
2 * 4 + 5*4 + T1 = 40 T1 = 12
4*4 + 4 + T2 = 20 T2 = 0
10*4 + 5*4 + T3 = 60 T3 = 0
Puisque les valeurs optimales des variables de décision du dual Z1 et Z2 0, les variables
d’écart correspondantes du primal S1 = S2 = 0
EXERCICE A RESOUDRE.
compta-excellant.be
L’ANALYSE POSTOPTIMALE.
La semaine prochaine, la main d’œuvre disponible sera de 160 heures dans l’atelier
d’ébarbage et de 120 heures dans l’atelier de peinture. Il faut compter 8 heures la tonne pour
l’ébarbage de tuyauterie et 4 heures la tonne pour celui de la gueuze.
A l’atelier de peinture, on requiert 4 heures la tonne pour la tuyauterie et 6 heures la tonne
pour les gueuzes.
La contribution aux coûts d’exploitation et au profit d’une tonne de tuyauterie est de 1.000 $.
La tonne de gueuze apporte une contribution de 1.200 $.
Quelles sont les commandes (en tonnes) qu’Aurèle devrait satisfaire la semaine prochaine,
s’il veut maximiser la contribution totale aux coûts d’exploitation et au profit ?
Modélisation du problème.
compta-excellant.be
Résolution du programme linéaire.
La solution admissible optimale du problème est décrite par le tableau final suivant :
X1 X2 E1 E2 E3 E4 Constantes
1 0 0,1875 – 0,1250 0 0 15
0 1 – 0,1250 0,2500 0 0 10
0 0 – 0,1875 0,1250 1 0 19
0 0 0,1250 – 0,2500 0 1 4
0 0 – 37,5 – 175 0 0 27.000
INDICATEURS
compta-excellant.be
BASE
X1 X2 E1 E2 E3 E4 Constantes
Coeff. Var.
1000 + X1 1 0 0,1875 – 0,1250 0 0 15
1200 X2 0 1 – 0,1250 0,2500 0 0 10
0 E3 0 0 – 0,1875 0,1250 1 0 19
0 E4 0 0 0,1250 – 0,2500 0 1 4
Coût marginal z : 0 0 – 37,5 – 175 0 0 27.000
Coût marginal z’ 0 0 ? ? 0 0 ?
Puisque E1 et E2 ne sont pas dans la base, les valeurs correspondantes dans la dernière ligne
doivent être 0. en d’autres termes :
Interprétation : si le coefficient de X1 (qui est de 1000 au départ) est compris entre 800 et
2400, la solution optimale, obtenue pour un coefficient de 1000, demeure optimale.
Néanmoins la valeur prise par la fonction objectif se modifie en conséquence. Ainsi avec (X1,
X2) = (15, 10), on obtient (pour un coefficient de 1000 et, ensuite, un coefficient de 900) :
compta-excellant.be
MODIFICATION D’UN MEMBRE DE DROITE DANS UNE CONTRAINTE.
Supposons qu’Aurèle ne sache pas très précisément de combien de main d’œuvre il disposera
la semaine prochaine dans l’atelier d’ébarbage.
La solution optimale obtenue initialement demeurera optimale à condition que les variables de
base demeurent positives.
BASE
X1 X2 E1 E2 E3 E4 Constantes
Coeff. Var.
1000 X1 1 0 0,1875 – 0,1250 0 0 15
1200 X2 0 1 – 0,1250 0,2500 0 0 10
0 E3 0 0 – 0,1875 0,1250 1 0 19
0 E4 0 0 0,1250 – 0,2500 0 1 4
Coût marginal z : 0 0 – 37,5 – 175 0 0 27.000
En conséquence, si E1 varie de , les effets sur les variables dans la base seront les suivants :
X1 = 15 + 0,1875
X2 = 10 – 0,1250
E3 = 19 – 0,1875
E4 = 4 + 0,1250
Puisque, pour que la solution demeure optimale, les variables dans la base doivent être 0 :
15 + 0,1875 0 – 80
10 – 0,1250 0 + 80
19 – 0,1875 0 + 101,33
4 + 0,1250 0 – 32
Autrement dit : – 32 80
compta-excellant.be
EXERCICE N° 1.
Supposons cette fois qu’Aurèle décide de modifier le coefficient de X2. Quel sera l’impact de
cette variation sur la solution optimale ?
BASE
X1 X2 E1 E2 E3 E4 Constantes
Coeff. Var.
1000 X1 1 0 0,1875 – 0,1250 0 0 15
1200 + X2 0 1 – 0,1250 0,2500 0 0 10
0 E3 0 0 – 0,1875 0,1250 1 0 19
0 E4 0 0 0,1250 – 0,2500 0 1 4
Coût marginal z : 0 0 – 37,5 – 175 0 0 27.000
Coût marginal z’ 0 0 ? ? 0 0 ?
Puisque E1 et E2 ne sont pas dans la base, les valeurs correspondantes dans la dernière ligne
doivent être 0. en d’autres termes :
Interprétation : si le coefficient de X1 (qui est de 1200 au départ) est compris entre 500 et
1500, la solution optimale, obtenue pour un coefficient de 1200, demeure optimale.
Néanmoins la valeur prise par la fonction objectif se modifie en conséquence. Ainsi avec (X1,
X2) = (15, 10), on obtient (pour un coefficient de 1200 et, ensuite, un coefficient de 1000) :
EXERCICE N° 2.
Quel sera l’impact sur la solution optimale si Aurèle décide de modifier la main d’œuvre
disponible dans l’atelier de peinture ?
compta-excellant.be
LA PROGRAMMATION LINEAIRE EN NOMBRES ENTIERS.
Illustration.
– X1 + 2X2 5
X1 + 2X2 14
X1 8
X1, X2 0
X1, X2 entiers
La méthode utilisée pour résoudre ce type de problème est nommée méthode SEP (séparation
et évaluation progressive).
compta-excellant.be
1ère étape.
La 1ère étape consiste à enlever les contraintes d’intégrité, puis à résoudre la « relaxation
continue » (P0) ainsi obtenue. A cet égard, il est pratique de décrire la solution optimale
obtenue à l’aide d’un schéma particulier qui reprend les valeurs des variables non nulles et la
valeur de la fonction objectif.
Nœud P0
P0 : Z0 = 282,5
X1 = 4,50
X2 = 4,75
On remarque naturellement que cette solution optimale viole les contraintes d’intégrité
associées aux 2 variables de décision. La démarche ne manque cependant pas d’intérêt :
puisque P0 est une relaxation de P, les valeurs optimales Z* de P et Z0 de P0 sont liées de la
manière suivante : Z* Z0 = 282,5
Cette 2ème étape, dite étape de séparation, consiste à séparer la région admissible de P en 2
sous-régions dont aucune ne devra contenir la solution optimale de P0.
Cette séparation nécessite le choix d’une variable de séparation qui ne respecte pas la
contrainte d’intégrité qui lui est imposée dans le modèle P. La littérature scientifique propose
de nombreux critères de choix. On retiendra particulièrement les critères suivants :
Un seul critère est appliqué ; si, au regard du 1er critère, deux variables présentent le même
intérêt, on applique le 2ème critère.
Dans notre exemple, c’est X1 (séparée de 0,5 de la valeur entière la plus proche) qui doit être
retenue comme variable de séparation ; X2 est séparée seulement de 0,25 de la valeur entière
la plus proche).
Cette séparation de P est exhaustive dans la mesure où toute solution admissible de P vérifie
au moins l’une des contraintes additionnelles.
Ainsi aucune solution admissible de P ne sera écartée ; par contre la solution optimale de P0
sera éliminée puisqu’elle n’est admissible ni selon P1 ni selon P2.
compta-excellant.be
Les modèles continus P1 et P2 sont résolus à l’aide de l’algorithme du simplex ; les résultats
obtenus sont résumés sous la forme d’un arbre qualifié d’arbre d’énumération. Le modèle
P0 est dit « nœud-père » ; P1 et P2 sont dits « nœud-fils ».
Bien entendu les solutions optimales de P1 et P2 violent à nouveau les contraintes d’intégrité ;
il faut dès lors procéder à une nouvelle séparation. Faut-il commencer par P1 ou par P2 ? C’est
précisément ici que démarre l’étape d’évaluation.
Il nous faut donc un critère pour choisir un nœud à partir duquel effectuer la prochaine
séparation. De façon générale, on retient le nœud qui possède la valeur optimale la plus élevée
lorsqu’il s’agit d’une maximisation et la valeur optimale la moins élevée lorsqu’il s’agit d’une
minimisation. En conséquence, c’est le nœud P2 qui sera choisi.
C’est X2 qui constitue ici la variable de séparation puisque c’est la seule variable non entière
(remarque : en présence de plusieurs variables non entières, on applique les critères de
séparation utilisés à la 2ème étape).
compta-excellant.be
Les x présents sous les nœuds P3 et P4 signifient que ces solutions doivent être éliminées :
En ce qui concerne P4, l’absence de solution admissible nous fait comprendre qu’il est
inutile de chercher plus loin dans cette direction.
La solution de P3 est une solution admissible puisque les variables de décision ont des
valeurs entières ; néanmoins cette solution (Z3 = 260), inférieure à la solution de P0 (Z0
= 275) nous autorise à penser qu’il existe peut-être une meilleure solution.
En tout état de cause, nous savons déjà que la solution optimale de P est comprise entre 260 et
275.
On doit donc opérer une nouvelle séparation à partir de P1 en utilisant X2 comme variable de
séparation. On crée ainsi les 2 modèles suivants :
En outre la méthode SEP est terminée dès l’instant où plus aucune séparation n’est possible.
En conséquence c’est la solution de P3, éliminée provisoirement au « tour précédent » qui doit
être retenue comme solution admissible et optimale.
compta-excellant.be
RESOUDRE UN PROGRAMME LINEAIRE AVEC LINGO (version 8.0).
– X + 2Y 5
X + 2Y 14
X 8
X, Y 0
MAX=10*X+50*Y;
-1*X+2*Y<=5;
X+2*Y<=14;
X<=8;
La solution apportée par le logiciel nous retourne, pour les variables de décision X et Y, les
valeurs de respectivement 4,5 et de 4,75. On constate en outre que la contrainte X 8 n’est
pas saturée : il y a un surplus de 3,5. La solution a été obtenue après 2 itérations.
Quid s’il s’agit d’un programme linéaire totalement en nombres entiers (PLTE) ?
MAX=10*X+50*Y;
-1*X+2*Y<=5;
X+2*Y<=14;
X<=8;
@GIN(X);
@GIN(Y);
compta-excellant.be
Le logiciel affiche alors la solution suivante :
Remarque : la méthode utilisée pour résoudre des PLTE est la méthode « Branch-and-
Bound ».
MAX=1000*X+1200*Y;
8*X+4*Y<=160;
4*X+6*Y<=120;
X<=34;
Y<=14;
compta-excellant.be
Le programme affiche la solution suivante (après 2 itérations) :
Cette solution confirme la solution que nous avons utilisée précédemment dans le cadre de
l’analyse postoptimale.
Remarque : il s’agit bien sûr de limites (ou de bornes) entre lesquelles les valeurs peuvent varier
sans affecter la base de la solution.
compta-excellant.be
EXERCICE RESOLU A COMMENTER…
Maximiser Z = 8X + 16Y
– 2X + 4Y 8
2X + 3Y 18
11X + 6Y 132
X, Y 0
MAX=8*X+16*Y;
-2*X+4*Y<=8;
2*X+3*Y>=18;
11*X+6*Y<=132;
compta-excellant.be
EXERCICE RESOLU.
4X + 5Y 40
6X + 3Y 42
2X + 6Y 42
X, Y 0
MAX=60*X+100*Y;
4*X+5*Y<=40;
6*X+3*Y<=42;
2*X+6*Y<=42;
X Y S1 S2 S3 Constantes
1 0 3/7 0 – 5/14 2,14
0 0 – 15/7 1 9/7 10,29
0 1 – 1/7 0 4/14 6,29
0 0 11,43 0 7,14 757,14
compta-excellant.be
Le rapport d’analyse postoptimale est le suivant :
EXERCICE A RESOUDRE.
Maximiser = 3X + 4Y
2,5X + Y 20
3X + 3Y 30
X + 2Y 16
X, Y 0
MAX=3*X+4*Y;
2.5*X+1*Y<=20;
3*X+3*Y<=30;
X+2*Y<=16;
compta-excellant.be
Le logiciel affiche la solution suivante :
X Y S1 S2 S3 Constantes
0 0 1 - 4/3 3/2
1 0 0 2/3 –1
0 1 0 – 1/3 1
compta-excellant.be
L’ANALYSE POSTOPTIMALE.
L’objectif de l’analyse postoptimale est de décrire l’impact sur la solution optimale de
changements apportés à l’un ou l’autre des paramètres du modèle (sans devoir recourir à des
pivotages supplémentaires).
La semaine prochaine, la main d’œuvre disponible sera de 160 heures dans l’atelier
d’ébarbage et de 120 heures dans l’atelier de peinture. Il faut compter 8 heures la tonne pour
l’ébarbage de tuyauterie et 4 heures la tonne pour celui de la gueuze.
A l’atelier de peinture, on requiert 4 heures la tonne pour la tuyauterie et 6 heures la tonne
pour les gueuzes.
La contribution aux coûts d’exploitation et au profit d’une tonne de tuyauterie est de 1.000 $.
La tonne de gueuze apporte une contribution de 1.200 $.
Quelles sont les commandes (en tonnes) qu’Aurèle devrait satisfaire la semaine prochaine,
s’il veut maximiser la contribution totale aux coûts d’exploitation et au profit ?
Modélisation du problème.
compta-excellant.be
Résolution du programme linéaire.
La solution admissible optimale du problème est décrite par le tableau final suivant :
X1 X2 E1 E2 E3 E4 Constantes
1 0 0,1875 – 0,1250 0 0 15
0 1 – 0,1250 0,2500 0 0 10
0 0 – 0,1875 0,1250 1 0 19
0 0 0,1250 – 0,2500 0 1 4
0 0 37,5 175 0 0 27.000
INDICATEURS
compta-excellant.be
BASE
X1 X2 E1 E2 E3 E4 Constantes
Coeff. Var.
1000 + X1 1 0 0,1875 – 0,1250 0 0 15
1200 X2 0 1 – 0,1250 0,2500 0 0 10
0 E3 0 0 – 0,1875 0,1250 1 0 19
0 E4 0 0 0,1250 – 0,2500 0 1 4
Coût marginal z : 0 0 37,5 175 0 0 27.000
Coût marginal z’ 1000 1200 - 37,5 - 175 0 0 27.000
Puisque E1 et E2 ne sont pas dans la base, les valeurs correspondantes dans la dernière ligne
doivent être 0. en d’autres termes :
Interprétation : si le coefficient de X1 (qui est de 1000 au départ) est compris entre 800 et
2400, la solution optimale, obtenue pour un coefficient de 1000, demeure optimale.
Néanmoins la valeur prise par la fonction objectif se modifie en conséquence. Ainsi avec (X1,
X2) = (15, 10), on obtient (pour un coefficient de 1000 et, ensuite, un coefficient de 900) :
compta-excellant.be
MODIFICATION D’UN MEMBRE DE DROITE DANS UNE CONTRAINTE.
Supposons qu’Aurèle ne sache pas très précisément de combien de main d’œuvre il disposera
la semaine prochaine dans l’atelier d’ébarbage.
La solution optimale obtenue initialement demeurera optimale à condition que les variables de
base demeurent positives.
BASE
X1 X2 E1 E2 E3 E4 Constantes
Coeff. Var.
1000 X1 1 0 0,1875 – 0,1250 0 0 15
1200 X2 0 1 – 0,1250 0,2500 0 0 10
0 E3 0 0 – 0,1875 0,1250 1 0 19
0 E4 0 0 0,1250 – 0,2500 0 1 4
Coût marginal z : 0 0 37,5 175 0 0 27.000
Coût marginal z’ 1000 1200 - 37,5 - 175 0 0 27.000
En conséquence, si E1 varie de , les effets sur les variables dans la base seront les suivants :
X1 = 15 + 0,1875
X2 = 10 – 0,1250
E3 = 19 – 0,1875
E4 = 4 + 0,1250
Puisque, pour que la solution demeure optimale, les variables dans la base doivent être 0 :
15 + 0,1875 0 – 80
10 – 0,1250 0 + 80
19 – 0,1875 0 + 101,33
4 + 0,1250 0 – 32
Autrement dit : – 32 80
compta-excellant.be
Interprétation : aussi longtemps que le membre de droite de la contrainte liée à l’atelier
d’ébarbage demeure compris entre 128 et 240, la solution demeure optimale (et Z = 27.000 $).
EXERCICE N° 1.
Supposons cette fois qu’Aurèle décide de modifier le coefficient de X2. Quel sera l’impact de
cette variation sur la solution optimale ?
BASE
X1 X2 E1 E2 E3 E4 Constantes
Coeff. Var.
1000 X1 1 0 0,1875 – 0,1250 0 0 15
1200 + X2 0 1 – 0,1250 0,2500 0 0 10
0 E3 0 0 – 0,1875 0,1250 1 0 19
0 E4 0 0 0,1250 – 0,2500 0 1 4
Coût marginal z : 0 0 37,5 175 0 0 27.000
Coût marginal z’ 1000 1200 - 37,5 - 175 0 0 27.000
Puisque E1 et E2 ne sont pas dans la base, les valeurs correspondantes dans la dernière ligne
doivent être 0. en d’autres termes :
Interprétation : si le coefficient de X1 (qui est de 1200 au départ) est compris entre 500 et
1500, la solution optimale, obtenue pour un coefficient de 1200, demeure optimale.
Néanmoins la valeur prise par la fonction objectif se modifie en conséquence. Ainsi avec (X1,
X2) = (15, 10), on obtient (pour un coefficient de 1200 et, ensuite, un coefficient de 1000) :
compta-excellant.be
EXERCICE N° 2.
Quel sera l’impact sur la solution optimale si Aurèle décide de modifier la main d’œuvre
disponible dans l’atelier de peinture ?
MAX=1000*X+1200*Y;
8*X+4*Y<=160;
4*X+6*Y<=120;
X<=34;
Y<=14;
Cette solution confirme la solution que nous avons utilisée précédemment dans le cadre de
l’analyse postoptimale.
compta-excellant.be
Si on demande ensuite à LINGO 8.0 de produire un rapport d’analyse postoptimale, il affiche le
rapport suivant :
Remarque : il s’agit bien sûr de limites (ou de bornes) entre lesquelles les valeurs peuvent varier
sans affecter la base de la solution.
compta-excellant.be
EXERCICE RESOLU A COMMENTER…
Maximiser Z = 8X + 16Y
– 2X + 4Y 8
2X + 3Y 18
11X + 6Y 132
X, Y 0
MAX=8*X+16*Y;
-2*X+4*Y<=8;
2*X+3*Y>=18;
11*X+6*Y<=132;
compta-excellant.be
Paramètres Courant minimum maximum
Coefficient X 8 29,33 0
Coefficient Y 16 4,36 infini
Membre droit contrainte 1 8 88 0
Membre droit contrainte 2 18 0 36
Membre droit contrainte 3 132 60 infini
EXERCICE RESOLU.
4X + 5Y 40
6X + 3Y 42
2X + 6Y 42
X, Y 0
MAX=60*X+100*Y;
4*X+5*Y<=40;
6*X+3*Y<=42;
2*X+6*Y<=42;
X Y S1 S2 S3 Constantes
1 0 3/7 0 – 5/14 2,14
0 0 – 15/7 1 9/7 10,29
0 1 – 1/7 0 4/14 6,29
0 0 11,43 0 7,14 757,14
compta-excellant.be
Le rapport d’analyse postoptimale est le suivant :
EXERCICE A RESOUDRE.
Maximiser = 3X + 4Y
2,5X + Y 20
3X + 3Y 30
X + 2Y 16
X, Y 0
MAX=3*X+4*Y;
2.5*X+1*Y<=20;
3*X+3*Y<=30;
X+2*Y<=16;
compta-excellant.be
Le logiciel affiche la solution suivante :
X Y S1 S2 S3 Constantes
0 0 1 - 4/3 3/2
1 0 0 2/3 –1
0 1 0 – 1/3 1
compta-excellant.be
MAX = 30X + 24 Y + 60Z
6X + 3Y + 5 Z 30 ;
2X + 2Y + 10Z 50 ;
X, Y, Z 0
6X + 3Y + 5 Z 30 ;
2X + 2Y + 10Z 50 ;
X, Y, Z 0
compta-excellant.be
MAX = 30X + 24 Y + 60Z
6X + 3Y + 5 Z 40 ;
2X + 2Y + 10Z 50 ;
X, Y, Z 0
compta-excellant.be
PROGRAMMATION LINEAIRE : ENONCES
Enoncé 1.
Eugène Iberville, spécialiste dans le design du meuble de luxe, a adapté, pour la production en
courtes séries, 2 chaises du créateur Ludwig Mies Van Der Rohe : la chaise en porte-à-faux et
la chaise Barcelone.
M. Eugène les a pourvues d’une armature métallique dont les pièces sont assemblées par
brasage puis enduites de laques isolantes, ce qui confère au métal un toucher chaud. Dossiers
et sièges sont ensuite recouverts de cuirs de Cordoue capitonnés.
L’objectif poursuivi par M. Eugène est de maximiser le profit qu’il compte bien retirer de la
vente de ses chaises.
Enoncé 2.
La maison Kalinine vient de lancer un article de confection qui a toute la faveur des amateurs
de jeans et de rock : ils se l’arrachent littéralement. Il s’agit de la fameuse roubachka russe,
sorte de chemise à col Mao avant la lettre, qui s’enfile comme un pull grâce aux quelques
boutons qui permettent d’en élargir le collet et qui s’orne de broderies rouges tout en
mirlitons.
La maison Kalinine en confectionne 4 modèles qui se distinguent les uns des autres par la
finesse du tissu utilisé, l’élaboration du travail de broderie, la qualité des coutures et la beauté
de l’emballage.
Les données relatives à la confection de ces roubachki sont données dans les tableaux ci-
dessous.
Atelier Modèle
La Cosaque L’Ukrainienne La Slavonne La Tatare
Coupe 5 8 6 8
Couture 10 8 7 6
Broderie 20 15 10 25
Emballage 5 6 5 4
compta-excellant.be
Coûts de fabrication et prix de vente unitaires :
Atelier Modèle
La Cosaque L’Ukrainienne La Slavonne La Tatare
Main-d’œuvre 7,50 8,00 6,50 8,00
& fournitures
Tissu 15,00 12,00 8,00 10,00
Emballage 2,00 1,50 1,00 1,50
Prix de vente 44,50 45,50 39,50 49,50
Main-d’œuvre disponible (en minutes) dans chacun des ateliers durant le prochain mois :
Ateliers
Coupe Couture Broderie Emballage
Disponibilité 21.000 33.000 50.000 25.000
La demande pour chacun des 4 modèles est, jusqu’à présent, supérieure à la capacité de
production de Kalinine. Le carnet de commandes forcera Kalinine à fabriquer le mois
prochain au moins 1000 roubachki l’ukrainienne et au moins 1300 roubachki la Slavonne.
La maison Kalinine cherche à établir, pour le mois prochain, le plan de production qui
maximisera son profit.
compta-excellant.be
PROGRAMMATION LINEAIRE : LES CHAISES DE M. EUGENE
Enoncé.
Eugène Iberville, spécialiste dans le design du meuble de luxe, a adapté, pour la production en
courtes séries, 2 chaises du créateur Ludwig Mies Van Der Rohe : la chaise en porte-à-faux et
la chaise Barcelone.
M. Eugène les a pourvues d’une armature métallique dont les pièces sont assemblées par
brasage puis enduites de laques isolantes, ce qui confère au métal un toucher chaud. Dossiers
et sièges sont ensuite recouverts de cuirs de Cordoue capitonnés.
L’objectif poursuivi par M. Eugène est de maximiser le profit qu’il compte bien retirer de la
vente de ses chaises.
Le programme linéaire.
La fonction objectif.
Les contraintes.
X 42
Y 53
X 100
Y 100
1,5X + 2Y 250
0,5X + 0,75Y 100
2X + 3Y 327
X et Y 0 (les contraintes de non négativité).
compta-excellant.be
Résolution à l’aide de LINGO 10.0.
MAX=450*X+800*Y;
X>=42;
Y>=53;
X<=100;
Y<=100;
1.5*X+2*Y<=250;
0.5*X+0.75*Y<=100;
2*X+3*Y<=327;
MAX=450*X+800*Y;
X>=42;
Y>=53;
X<=100;
Y<=100;
1.5*X+2*Y<=240;
0.5*X+0.75*Y<=89;
2*X+3*Y<=348;
compta-excellant.be
La solution renvoyée par le logiciel est :
X
1 0 1 0 0 0 0 0 0 Y 42
0 1 0 1 0 0 0 0 0 S 1 53
1 0 0 0 1 0 0 0 0 S 2 100
0 1 0 0 0 1 0 0 0 S 3 100
1,5 2 0 0 0 0 1 0 0 S 4 250
0,5 0, 75 0 0 0 0 0 1 0 S 5 100
2
3 0 0 0 0 0 0 1 S 6 327
S7
compta-excellant.be
PROGRAMMATION LINEAIRE
La maison Kalinine vient de lancer un article de confection qui a toute la faveur des amateurs
de jeans et de rock : ils se l’arrachent littéralement. Il s’agit de la fameuse roubachka russe,
sorte de chemise à col Mao avant la lettre, qui s’enfile comme un pull grâce aux quelques
boutons qui permettent d’en élargir le collet et qui s’orne de broderies rouges tout en
mirlitons.
La maison Kalinine en confectionne 4 modèles qui se distinguent les uns des autres par la
finesse du tissu utilisé, l’élaboration du travail de broderie, la qualité des coutures et la beauté
de l’emballage.
Les données relatives à la confection de ces roubachki sont données dans les tableaux ci-
dessous.
Atelier Modèle
La Cosaque L’Ukrainienne La Slavonne La Tatare
Coupe 5 8 6 8
Couture 10 8 7 6
Broderie 20 15 10 25
Emballage 5 6 5 4
Atelier Modèle
La Cosaque L’Ukrainienne La Slavonne La Tatare
Main-d’œuvre 7,50 8,00 6,50 8,00
& fournitures
Tissu 15,00 12,00 8,00 10,00
Emballage 2,00 1,50 1,00 1,50
Prix de vente 44,50 45,50 39,50 49,50
Main-d’œuvre disponible (en minutes) dans chacun des ateliers durant le prochain mois :
Ateliers
Coupe Couture Broderie Emballage
Disponibilité 21.000 33.000 50.000 25.000
La demande pour chacun des 4 modèles est, jusqu’à présent, supérieure à la capacité de
production de Kalinine. Le carnet de commandes forcera Kalinine à fabriquer le mois
prochain au moins 1000 roubachki l’ukrainienne et au moins 1300 roubachki la Slavonne.
La maison Kalinine cherche à établir, pour le mois prochain, le plan de production qui
maximisera son profit.
compta-excellant.be
Les variables de décision.
La fonction objectif.
En effet :
Les contraintes.
XU 1000 ;
XS 1300 ;
5XC + 8XU + 6XS + 8XT 21.000 ; [coupe]
10XC + 8XU + 7XS + 6XT 33.000 ; [couture]
20XC + 15XU + 10XS + 25XT 50.000 ; [broderie]
5XC + 6XU + 5XS + 4XT 25.000 ; [emballage]
XC, XU, XS, XT 0 ; [contraintes de non négativité]
MAX=20*A+24*B+24*C+30*D;
B>=1000;
C>=1300;
5*A+8*B+6*C+8*D<=21000;
10*A+8*B+7*C+6*D<=33000;
20*A+15*B+10*C+25*D<=50000;
5*A+6*B+5*C+4*D<=25000;
compta-excellant.be
Global optimal solution found.
Objective value: 76000.00
Total solver iterations: 1
La solution optimale ci-dessus n’est pas acceptable dans la mesure où on ne peut fabriquer
2.166,667 roubachki l’Ukrainienne.
La solution à ce problème consiste à indiquer (à l’aide de la fonction @gin) que toutes
les variables doivent être entières :
MAX=20*A+24*B+24*C+30*D;
B>=1000;
C>=1300;
5*A+8*B+6*C+8*D<=21000;
10*A+8*B+7*C+6*D<=33000;
20*A+15*B+10*C+25*D<=50000;
5*A+6*B+5*C+4*D<=25000;
@gin(A);@gin(B);@gin(C);@gin(D);
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
Niveaux
Tâches Prédécesseurs Durées
1 2 3 4 5 6
1 1 1
2 1 2 2
3 2 2 3
4 1 2 4
5 1 7 5
6 4 1 6
7 6 3 7
8 5;3;7 2 8 9
9 8 ; 11 6
10 1 4 10
11 10 5 11
12 11 1 12
13 12 1 13
1 3
2
2 3
2
1 4 6
1 3 4 8 10
2 1 2
4 6 7 8 9
0 1 3
2 4 5 8 10 6
1
1 1
0 7 16
5
5
14
1
1 1 5 10 11 16
4 5 1 1
10 11 12 13
1 5 14 15
compta-excellant.be
ENCODER UNE MONOGRAPHIE COMPTABLE
Tâches Nature des tâches Antécédants Durées
1 Créer le dossier comptable 5
2 Encoder les taux de change 1 5
3 Créer le signalétique des fournisseurs 2 10
4 Créer le signalétique des clients 1 5
5 Encoder l'OD d'ouverture 1 5
6 Encoder les opérations au journal des achats 3 30
7 Encoder les opérations au journal des ventes 4 20
8 Créer les journaux financiers 5 5
9 Encoder les opérations au journal de caisse 8 5
10 Encoder les opérations au journal de banque 8 20
11 Encoder les opérations au journal des OD 3;4;5 10
Une seule personne mettra 120 minutes, ne pouvant exécuter TOTAL 120
2 tâches à la fois
Ancêtres Tâches 1 2 3 4 5
1 1
1 2 2
2 3 3
1 4 4
1 5 5
3 6 6
4 7 7
5 8 8
8 9 9
8 10 10
3;4;5 11 11
Toutes 12 12
compta-excellant.be
0 5 10 20
5 5 10 30
1 2 3 6
0
0 5 5 10 20
5 10 20 15 50
5 20
0 4 7 10
5 25 30 30
12
5 10 5 15
5 5
5 8 9
5
20 25 45 50
5 10
5
11
5 10
40
CONSTATATIONS :
Si une seule personne est engagée, elle mettra 120 minutes pour effectuer toutes les tâches
Si 4 personnes sont effectivement engagées, le travail sera réalisé en 50 minutes au lieu de 120
La possibilité de mettre au travail 4 personnes sur un même dossier suppose une mise en réseau du système
La mise en réseau permet, en 600 minutes, de traiter 12 dossiers au lieu de 5
compta-excellant.be
CALCUL INTEGRAL
INTEGRALES NON DEFINIES
INTRODUCTION.
Dans le chapitre précédent nous avons étudié les dérivées ; en particulier nous avons mesuré
l’intérêt de dériver une fonction pour en déterminer la pente, les extrema ou encore
l’optimum. Cette approche constitue la base du calcul différentiel.
Pour une fonction f(x) donnée, il peut être très utile de déterminer la fonction F(x) dont cette
fonction f(x) est la dérivée ; c’est précisément cette opération que l’on appelle intégration ; et
la fonction F(x) est appelée intégrale de la fonction f(x).
Notation.
f (x )dx F( x ) c
Le membre de gauche de cette équation se lit « l’intégrale de f de x par rapport à x » ; f(x) est
l’intégrande ; c est la constante d’intégration ; F(x) + c est une intégrale non définie.
La constante d’intégration.
Les fonctions qui ne diffèrent que par une constante ont la même dérivée ; ainsi la fonction
F(x) = 2x + k a la même dérivée, f(x) = 2, pour une infinité de valeurs de k.
En inversant cette procédure, il est évident que l’intégrale présentée ci-dessus est l’intégrale
non définie d’une infinité de fonctions qui ne diffèrent l’une de l’autre que par la constante.
La constante d’intégration c ne sert donc qu’à représenter la valeur d’une constante qui faisait
partie intégrante de la primitive mais qui a disparu dans la dérivée par l’application des règles
de différenciation.
Dans cette intégrale non définie, c représente effectivement la valeur de 10 dans la fonction
initiale.
Le développement de cette intégrale utilise la règle d’intégration n° 8 (voir ci-dessous).
compta-excellant.be
LES REGLES D’INTEGRATION.
Règle n° 1.
kdx kx c
Règle n° 2.
dx x c
Règle n° 3.
1
x ndx n 1
x n 1 c
Règle n° 4.
x 1
dx ln x c
La condition x > 0 est ajoutée car seuls les nombres positifs ont des logarithmes ; si x est un
nombre négatif, la règle devient :
dx ln x c
1
x
Règle n° 5.
kx
a
c
kx
a dx
k ln a
compta-excellant.be
Règle n° 6.
kx
e
c
kx
e dx
k
En effet ln e = 1
Règle n° 7.
L’intégrale du produit d’une constante par une fonction est égale au produit de la constante
par l’intégrale de la fonction.
kf x dx k f x dx
Règle n° 8.
L’intégrale d’une fonction précédée du signe – est égale à moins l’intégrale de cette fonction.
f x dx f x dx
ILLUSTRATIONS.
Règle n° 1.
3dx 3x c
Règle n° 3.
1 21 1 3
x dx
2
2 1
x c x c
x
compta-excellant.be
Règles n° 7 et n° 3.
1 5
5 x
4
dx 5 x
4
dx 5
5
x c1 x5 c
Règles n° 2, 3, 7, 8 et 9.
1 1
3 x x 1dx 3 x 3dx xdx dx 3 x 4 x 2 x c x 4 x 2 x c
3 3 1
4 2 4 2
Règles n° 7 et n° 4.
3x dx 3 x 1dx 3 ln x c
1
Règle n° 5.
3x
2
2 dx
3x
3 ln 2
c
Règle n° 6.
9 e3 x
9 e dx 3 c 3 e c
3 x 3 x
Dans de nombreux problèmes, on donne une condition initiale ou une condition limitative qui
détermine une valeur unique pour la constante d’intégration. De cette manière on isole une
fonction particulière parmi une infinité de fonctions.
Illustration.
y 2dx 2 x c
11 = 2*3 + c c = 5
compta-excellant.be
L’INTEGRATION PAR SUBSTITUTION.
12 x x 2 3
2 dx
Ne peut être effectuée directement à l’aide des 9 règles simples énoncées précédemment ;
néanmoins, s’il est possible d’exprimer l’intégrande sous la forme d’un multiple « constant »
d’une autre fonction u et de sa dérivée du / dx, on peut procéder à l’intégration par
substitution.
En exprimant l’intégrande f(x) comme une fonction de u et de sa dérivée du / dx et en
intégrant par rapport à x, on obtient :
du
f x dx u dx dx udu Fu c
Illustration.
12 x x 2 3
2 dx
Posons u = x3 + 2 :
u’ = du / dx = 3x2 dx = du / 3x2
du 1
12 x x 2 dx 12 x 2 u dx 12 x 2u 2 4udu 4 udu 4 u 2 c 2 u 2 c
2 3 du
dx 3x 4
En remplaçant u par X3 + 2 :
12 x x 2dx 2 u c 2 x 3 2 c
2 3 2
2
compta-excellant.be
Exercices résolus.
Exercice n° 1.
10x x 2 3 dx 4
On pose u = x2 + 3 : du / dx = 2x et dx = du / 2x
10x x 2 3 dx 10x u
4
4 du
2x
5 u 4du
1
5 u 4du 5 u 5 c u 5 c
5
On remplace u par x2 + 3 :
10x x 2 3 dx u c x 2 3 c
5
4
5
Exercice n° 2.
x 4 2 x5 5 dx
4
x 4 2 x5 5 dx x 4 u
4
4 du
4
1 1 1
u 4du u 5 c
10 x 10 10 5
1 5
50
u c
x
4
2 x 5 dx 501 u c 2 x 5 c
5
4
5 5
5
compta-excellant.be
Exercices à résoudre.
x 9
7/4
dx
5
6x 11 dx
2
x
2
dx
3
4x 7
6 x 2 4x 10
x x 5x 3
dx
3 2
compta-excellant.be
Application 1.
4x x 1 dx
3
g x x 1 dx
1
x 1 c
3 4
On remplace f(x), g(x) et f’(x) par leurs valeurs respectives (remarquons que g’(x) ne figure
pas dans la formule) :
1 1
4x x 1 dx 4x 4 x 1 4 x 1 4dx x x 1 x 1 dx
3 4 4 4 4
1
4x x 1 dx x x 1 x 1 c
3 4 5
5
Application 2.
2x e dx
x
2x e dx 2x e 2 e dx 2x e 2 e c 2 e x 1 c
x x x x x x
compta-excellant.be
Exercices à résoudre.
15x x 4 dx
3/ 2
2x
dx
x 8
3
5x
dx
x 1
2
6x e
x 7
dx
compta-excellant.be
CALCUL INTEGRAL
INTEGRALES DEFINIES
INTRODUCTION.
Il n’existe pas de formule géométrique pour calculer la surface située sous une courbe d’allure
irrégulière, telle que y = f(x) entre x = a et x = b sur la figure ci-dessous.
Si l’intervalle [a, b] est divisé en n sous-intervalles [x1, x2], [x2, x3],…, et si on construit des
rectangles tels que la hauteur de chacun soit égale à la plus petite valeur de la fonction dans le
sous-intervalle (comme sur la figure de droite), la somme des surfaces des rectangles
approchera, en la sous-estimant, la surface réellement située sous la courbe.
Plus les sous-intervalles sont petits, plus de rectangles sont créés et plus la surface globale des
rectangles se rapproche de la surface réellement située sous la courbe.
Si le nombre d’intervalles est accru de façon telle que n , chaque rectangle devient
infinitésimal et la superficie A située sous la courbe s’écrit :
n b
A lim f x i x i f (x)dx
n i 1 a
L’intégrale définie.
L’intégrale d’une fonction continue f(x) définie sur l’intervalle entre a et b (a < b) s’écrit :
b
f (x)dx
a
Cette expression se lit « l’intégrale de f de x dx entre a et b » ; a est la borne inférieure
d’intégration et b la borne supérieure d’intégration ; l’intégrale de f(x) définie sur l’intervalle
allant de a à b a une valeur numérique qu’il est possible de calculer à partir de l’intégrale non
définie en utilisant le théorème de calcul fondamental.
compta-excellant.be
LE THEOREME DE CALCUL FONDAMENTAL.
f (x)dx F x F b F a
b
a
a
Illustrations.
10xdx 5x 5 4 51 75
2 4 2 2
1
1
3
10xdx 5x 2 5 4 51 75
4 2 2
1
1
3
b a
f (x)dx f (x)dx
a b
Si la borne supérieure d’intégration est égale à la borne inférieure, l’intégrale définie a une
valeur nulle.
c b c
compta-excellant.be
EXERCICES.
(2x 3)dx 0
5
3 1
2x dx 2x dx
1
3
3
3
4 3 4
10
3x dx
2
1
64
x
1
2/3
dx
x x 6 dx
3
1
3
4e
2x
dx
0
4
x
1
1/2
3x1/2 dx
LA METHODE DE LA SUBSTITUTION.
8x 4x
1
3
6x dx
u2
3
8x 4x 3 6x dx 8xu
du
2 udu 2 c u 2 c
1
4x 2
compta-excellant.be
On remplace u par 2x2 + 3 :
5
3x
x 1 dx
2
2
2 1
g' ( x ) x 1 dx x 1
3x
1
1 1
dx 3x x 1 x 1 3dx 3x x 1 3 x 1
1
x 1
2
3x 1
dx 3x x 1 3 ln x 1
x 1
2
5
3x
2 x 12dx 3x x 1 3ln x 1
1 5
2
5
3x 3 5 3 2
2 x 12 5 1
dx 3ln 5 1
2 1
3ln 2 1 1,5796
compta-excellant.be
EXERCICES A RESOUDRE.
Méthode de la substitution.
3
6x
0 x 2 1dx
2
3x 2
0 x 3 1dx
2
x 2 x 3 5 dx
2
1
2
4x e x 2dx
2
3
4x
x 2 dx
1
3
5xe
x 2
dx
1
Montrer que :
4 0 4
8x
4
3
9x dx
2
8x
4
3
9x dx 8x 3 9x 2 dx
2
Montrer que :
16 4 9 16
x
0
1/2
3x dx x
0
1/ 2
3x dx x
4
1/2
3x dx x 1/ 2 3x dx
9
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
compta-excellant.be
MATHEMATIQUES APPLIQUEES A L’INFORMATIQUE :
2X + 4Y Z = 52
X + 5Y + 3Z = 72
3X 7Y + 2Z = 10
4X + 6Y + 2Z 60
5X + 3Y + 6Z 100
X, Y, Z 0 (contraintes de non négativité)
MAX = 3X + 4Y
2,5X + Y 20
3X + 3Y 30
X + 2Y 16
X, Y 0 (contraintes de non négativité)
compta-excellant.be
LINGO 10.0 renvoie la solution optimale suivante :
X Y S1 S2 S3 Constantes
0 0 1 4/3 3/2
1 0 0 2/3 1
0 1 0 1/3 1
0 0
compta-excellant.be
Question 3B.
MAX = 3X + 6Y
2,5X + Y 20
3X + 3Y 30
X + 2Y 16
X, Y 0 (contraintes de non négativité)
Question 3C.
MAX = 3X + 4Y
2,5X + Y 20
3X + 3Y 27
X + 2Y 16
X, Y 0 (contraintes de non négativité)
X Y X Y XY
Veuillez :
compta-excellant.be
QUESTION 5 : ORDONNANCEMENTS.
Veuillez indiquer (à l’aide d’une couleur différente par exemple) toutes les tâches
critiques.
compta-excellant.be
MATHEMATIQUES APPLIQUEES A L’INFORMATIQUE :
3X + 2Y + 6Z = 24
2X + 4Y + 3Z = 23
5X + 3Y + 4Z = 33
2X + 3Y 36
2X + 2Y 28
8X + 2Y 321
X, Y 0 (contraintes de non négativité)
6X + 3Y + 5Z 30
2X + 2Y + 10Z 50
X, Y, Z 0 (contraintes de non négativité)
compta-excellant.be
LINGO 10.0 renvoie la solution optimale suivante :
X Y Z S1 S2 Constantes
5/2 1 0 1/2 – 1/4
– 3/10 0 1 – 1/10 3/20
12 0 0
Question 3B.
6X + 3Y + 5Z 30
2X + 2Y + 10Z 50
compta-excellant.be
Question 3C.
6X + 3Y + 5Z 30
2X + 2Y + 10Z 40
X, Y, Z 0 (contraintes de non négativité)
X *Y X Y X *Y
Veuillez :
compta-excellant.be
QUESTION 6 : QCM (12 points = 4*3).
Question 1
Question 2
Soit un ordonnancement de projet dont la tâche X (date de début au plus tôt = 10 ; date
de début au plus tard = 20) ; la tâche Y, qui dure 2 jours, est une tâche critique (date de
début au plus tôt = date de début au plus tard = 15 jours). Le projet a une durée de 40
jours. Supposons que, pour des raisons logistiques la tâche X ne peut débuter que 5
jours après la tâche Y.
Question 3
Soit un programme non linéaire à optimiser à l’aide de LINGO ; quelle proposition est
nécessairement vraie (marquer d’un X) :
Question 4
Soit une proposition logique (plus ou moins complexe) à deux variables dont la table de
KARNAUGH, après mise en forme canonique, nous renvoie la valeur 1 ;
On ne voit pas comment construire un circuit logique sur base d’une telle
simplification
Les deux variables doivent nécessairement être liées par un connecteur
quelconque
Il est inutile de lier les variables par un connecteur X
compta-excellant.be
5
compta-excellant.be