Vous êtes sur la page 1sur 14

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Recherche op erationnelle Programmation lin eaire et recherche op erationnelle


Ioan Todinca
Ioan.Todinca@univ-orleans.fr t el. 02 38 41 72 93 bureau : en bas ` a gauche

Tentative de d enition
Ensemble de m ethodes (algorithmiques, math ematiques, mod elisation) an de prendre des d ecisions optimales ou proches de loptimum dans des probl` emes complexes, qui traitent de la maximisation dun prot ou la minimisation dun co ut.
Comment aller le plus vite dOrl eans ` a Berlin, en voiture? Comment ordonnancer les t aches dun projet en fonction de la

main duvre, tout en minimisant sa dur ee? maximiser le prot obtenu apr` es deux ans?

Comment investir ses 1000 euros d economie de sorte ` a

1/56

2/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Des probl` emes de RO que vous savez r esoudre

Programmation lin eaire

Trouver un (plus court) chemin entre deux villes

plus courts chemins dans les graphes

Broadcast de co ut minimum dans un r eseau

arbres recouvrants de poids minimum. probl` eme du ot maximum.

Les probl` emes de programmation lin eaire (PL) sont des probl` emes doptimisation o` u la fonction objectif et les contraintes sont toutes lin eaires.
Mod elisation dun probl` eme r eel Si lon constate que ce probl` eme sexprime comme un PL, le

Envoi dun maximum dinformation dans un r eseau

r esoudre

3/56

4/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Pourquoi un cours sur la programmation lin eaire?


Objectif : apprendre ` a mod eliser les probl` emes r eels et ` a r esoudre les programmes lin eaires.
De nombreux probl` emes r eels peuvent etre exprim es comme

Plan du cours

1. Introduction + une approche na ve : la m ethode graphique 2. Lalgorithme du simplexe 3. Simplexe : comment eviter les pi` eges 4. Dualit e 5. Programmation lin eaire en nombres entiers Bibliographe : [V. Chv atal, Linear Programming]

des programmes lin eaires. par certains algorithmes.

Les programmes lin eaires peuvent etre r esolus ecacement Ce sont dexcellents exemples de questions pratiques dont la

r esolution n ecessite une combinaison de m ethodes algorithmiques, de math ematiques el ementaires et de bon sens.

5/56

6/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Un exemple : le probl` eme


Consid erons un agriculteur qui poss` ede des terres, de supercie egale ` a H hectares, dans lesquelles il peut planter du bl e et du ma s. Lagriculteur poss` ede une quantit e E dengrais et I dinsecticide. Le bl e n ecessite une quantit e Eb dengrais par hectare et Ib dinsecticide par hectare. Les quantit es correspondantes pour le ma s sont not ees Em et Im . Soit Pb le prix de vente du bl e et Pm celui du ma s. Si lon note par xb et xm le nombre dhectares ` a planter en bl e et en ma s, comment exprimer le fait que lagriculteur souhaite maximiser son gain, tout en restant dans les limites de ses ressources?

Le m eme exemple apr` es mod elisation

maximiser contraintes

Pb xb + Pm xm xb + xm H xb 0 xm 0 Eb xb + Em xm E Ib xb + Im xm I

(maximiser le revenu net) (surface) (engrais) (insecticide)

7/56

8/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Programme lin eaire : d enition


Variables r eelles :

Un autre exemple
Vous disposez de 10000 euros que vous souhaitez investir. Votre banque vous propose trois types dinvestissements. Pour linvestissement A le rendement est de 9% et la somme maximum que lon peut investir est de 4000 euros. Pour linvestissement B on peut investir jusqu` a 5000 euros, avec un rendement de 4%. Enn le produit C a un rendement de 8% pour un montant maximum de 5000 euros. 1. Exprimer ce probl` eme comme un PL. Donner la solution optimale. 2. La banque change davis. Si vous souhaitez faire un investissement (A, B ou C) il faut y mettre la somme exacte (respectivement 4000, 5000, et 5000 euros). Mettre ` a jour votre mod` ele ; est-ce toujours un PL?
9/56 10/56

x1 , x2 , . . . , xn

Fonction objectif lin eaire, ` a optimiser (min ou max) :

z = c1 x1 + c2 x2 + + cn xn

Contraintes lin eaires ( egalit es ou in egalit es) :

a11 x1 + a12 x2 + + a1n xn b1 a21 x1 + a22 x2 + + a2n xn b2 am1 x1 + am2 x2 + + amn xn = bm

Solution : toute aectation des variables qui respecte les contraintes Solution optimale : solution qui optimise (maximise ou minimise) la fonction objectif.

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

La m ethode graphique
Id ee : repr esenter graphiquement les contraintes et visualiser lensemble des solutions. Identier une solution optimale. Exemple : max contraintes : x1 2x1 x1 2x1 x1 + x2 + x2 14 2x2 8 x2 10 0 x2 0

La m ethode graphique

Variables : x et y (ou x1 et x2 ). Lensemble de points qui satisfont une equation ( egalit e)

lin eaire forme une droite.

Les points qui satisfont une in egalit e lin eaire forment un

demi-plan.

Lensemble des solutions dun ensemble de contraintes :

polygone convexe.

Solution optimale (si elle existe) : sommet du polygone.

11/56

12/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Trois variables ou plus


Variables : x1 , . . . , xn Lensemble de points qui satisfont une equation ( egalit e)

Questions
Donner un exemple de programme lin eaire qui na pas de

lin eaire forme un hyperplan. demi-espace.

solution.

Les points qui satisfont une in egalit e lin eaire forment un Lensemble des solutions dun ensemble de contraintes :

Proposer un PL qui a des solutions, mais pas de solution

optimale.

Proposer un PL qui a plusieurs solutions optimales. Essayer de r esoudre par la m ethode graphique le syst` eme

poly` edre convexe.

Solution optimale (si elle existe) : sommet du poly` edre.

suivant :

Limites : pr ecision ; maximum 3 variables. Si vous arrivez ` a visualiser un PL avec 4 variables ou plus... pensez ` a consulter un bon psy.
13/56

objectif : contraintes :

max 2x + y x2 + y2 1 x 0, y 0

14/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Algorithme du simplexe

PL sous forme standard

[G. Dantzig, 1947]


Algorithme de r esolution de programmes lin eaires Facile ` a comprendre et ` a implanter Ecace en pratique, m eme pour un nombre important de

max
j =1 n

cj xj

contraintes :
j =1

aij xj bi xj 0

i = 1, 2, . . . , m j = 1, 2, . . . , n

variables et de contraintes dalgorithmique.

Ecacit e au pire cas : on en reparlera, voir aussi cours

Question : comment mettre un probl` eme quelconque sous forme standard?

15/56

16/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Simplexe : un exemple
PL equivalent : max 5x1 contraintes 2x1 4x1 3x1 x1 , + 4 x2 + 3 x2 + x2 + 4 x2 x2 , + 3x3 + x3 + 2x3 + 2x3 x3 x4 x5 x6 z

Variables d ecart

5 11 8 0

= 5 2x1 = 11 4x1 = 8 3x1 = 5x1

3x2 x2 4x2 + 4 x2

x3 2x3 2x3 + 3x3

max z , sous contraintes : x1 , x2 , x3 , x4 , x5 , x6 0 Solution initiale : x1 = x2 = x3 = 0, x4 = 5, x5 = 11, x6 = 8 ; z = 0. Si on augmente x1 , ca augmente z !

17/56

18/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Augmenter x1

Nouveau dictionnaire

1. De combien ? x1 5 2 car x4 = 5 2x1 3x2 x3 0. 2. Nouvelle solution ? x1 = 1 2 , x2 = x3 = x4 = 0, x5 = 1, x6 =


1 2

x1 = x5 = x6 = ;z=
25 2 .

1 + 1 2 +
25 2

5 2

3 2 x2 5x2 1 2 x2 7 2 x2

1 2 x3 1 2 x3 1 2 x3

+ +

1 2 x4 2x4 3 2 x4 5 4 x4

3. Reformuler le syst` eme an dexprimer les variables x1 , x5 , x6 en fonction de x2 , x3 , x4 . 3 1 1 x1 = 5 2 2 x2 2 x3 2 x4

z Augmenter qui? x3

De combien? x3 = 1 (x6 = . . . )

Quobtient-on? ` a droite : x2 , x3 , x6

19/56

20/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Nouveau dictionnaire (et de trois...)


Entr ee :

Algorithme du simplexe : cas g en eral


n

max x3 x1 x5 z = 1 = 2 = 1 = 13 + x2 2x2 + 5x2 3x2 + 3x4 2x6 2x4 + x6 + 2 x4 x4 x6


j =1 n

cj xj

contraintes :
j =1

aij xj bi xj 0

i = 1, 2, . . . , m j = 1, 2, . . . , n

Solution actuelle : x2 = x4 = x6 = 0, x1 = 2, x3 = 1, x5 = 1 ; objectif : z = 13 Peut-on faire mieux ? Non car x2 , x4 , x6 0 et donc z 13

On introduit m variables d ecart :


n

xn+i = bi
j =1

aij xj

(i = 1 . . . , m )

La i ` eme contrainte devient xn+i 0.


21/56 22/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Premier dictionnaire
n

Dictionnaires : un peu de vocabulaire


x4 x5 x6 z = 5 2x1 = 11 4x1 = 8 3x1 = 5x1 3x2 x2 4x2 + 4 x2 x3 2x3 2x3 + 3x3

xn+i z

= bi
n j =1

aij xj

(i = 1, . . . , m)

=
j =1

cj xj (k = 1, . . . n + m)

max z , sous contraintes : xk 0

Dictionaire faisable : en mettant ` a 0 toutes les variables des

Dictionnaires : equivalents au PL dorigine


n + m + 1 variables x1 , . . . , xn+m et z m equations lin eaires de type xk = . . . tous les membres droits ont les m emes n variables objectif : max z sous contraintes ci-dessus plus

membres droits, on obtient une solution du PL


toujours le cas

On suppose que notre premier dictionnaire est faisable Nous verrons plus tard comment faire pour que ce soit

Variables de gauche (sauf z ) : variables de base x4 , x5 , x6 Variables de droite : variables hors base x1 , x2 , x3

xk 0

(k = 1, . . . n + m)

23/56

24/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Vers une meilleure solution


x4 x5 x6 z = 5 2x1 = 11 4x1 = 8 3x1 = 5x1 3x2 x2 4x2 + 4 x2 x3 2x3 2x3 + 3x3

Algorithme du simplexe

Initialisation : introduire les variables d ecart et calculer un premier dictionnaire faisable ; mettre ` a 0 les variables hors base tantque il existe une variable hors base xk ayant un coe positif dans lexpression de z faire
soit xl = la contrainte la plus contraignante pour

1. Solution courante : variables hors base ` a0 2. Trouver une variable hors base xk dont le coecient dans lexpression de z soit strictement positif. 3. Sil nen existe pas, la solution courante est optimale! 4. Trouver la contrainte la plus forte pour laugmentation de xk ; soit xl = cette contrainte. 5. Augmenter xk jusqu` a ce que lon ait xl = 0. 6. Exprimer xk en fonction de xl et des autres variables hors base. 7. Mettre ` a jour le dictionnaire, en faisant rentrer xk dans la nouvelle base et en sortant xl .

augmenter xk

pivoter an de sortir xl de la base en y faisant rentrer xk

retourner la solution courante

25/56

26/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Simplexe : un deuxi` eme exemple

Mise sous forme standard


min x1 + 2x2 contraintes x1 + x2 = 10 x1 x2 10 x1 0
min z

max contraintes

5x1 x1 x1 2x1 2x1 x1 ,

+ 5x2 + 3x3 + 3x2 + x3 + 3x3 x2 + 2x3 + 3x2 x3 x2 , x3

3 2 4 2 0

max z ai xi b

ai xi = b ai xi b et ai xi b ai xi b

pas de contrainte x 0

on remplace x par x + x , avec x + , x 0


28/56

27/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Simplexe : les pi` eges

It eration

Choix de la variable qui entre dans la base.

1. Dicult e` a trouver une solution initiale 2. It eration : peut-on toujours augmenter strictement lobjectif? 3. Terminaison, complexit e.

Choix de la variable qui sort de la base.

Et si aucune contrainte ne limite laugmentation de la variable hors base?

Peut-on toujours augmenter strictement lobjectif? Non. Il se peut que lon ait une variable hors base avec co ecient positif dans z , mais quelle ne puisse etre augment ee ` a cause dune contrainte.

29/56

30/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Dictionnaires d eg en er es
Lemme
Une ou plusieurs variables de base ont une valeur nulle. On ne peut augmenter aucune variable hors base.

Terminaison

Si deux dictionnaires ont les m emes variables de base, ils sont identiques.

Th eor` eme
Lalgorithme du simplexe termine sur une solution optimale, ou alors il boucle.
Les cas de bouclage sont tr` es rares. Le bouclage est facile ` a d etecter. Il existe des solutions simples pour eviter le bouclage, par

On fait n eanmoins un changement de base. La valeur de lobjectif naugmente pas ... mais c a devrait aller mieux dans quelques etapes.

exemple en choisissant ` a chaque it eration comme variables sortante et entrante celles dindice minimum.
32/56

31/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Complexit e : nombre dit erations


Dans la pratique :
Le nombre dit erations est proportionnel au nombre de

Initialisation : premier dictionnaire non faisable

contraintes initiales (typiquement entre 3m/2 et 3m).

Trouver un autre dictionnaire faisable. Ou prouver que le probl` eme na pas de solution!

Croit tr` es peu avec le nombre n de variables initiales.

En th eorie (au pire cas) :


Il existe des exemples qui n ecessitent 2n it erations [Klee,

La m ethode du simplexe ` a deux phases : dune pierre deux coups.


Introduction dun probl` eme auxiliaire. En le r esolvant, nous trouverons un dictionnaire faisable du

Minty 1972]. n+m . m

Nombre de dictionnaires : autant que de bases possibles, donc

probl` eme initial ou bien nous saurons que notre probl` eme na pas de solution.

33/56

34/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Initialisation : le probl` eme auxiliaire


n

Initialisation : exemple

max
j =1 n

cj xj

contraintes :
j =1

aij xj bi xj 0

i = 1, 2, . . . , m j = 1, 2, . . . , n

max contraintes

devient : min contraintes :


j =1

x0
n

x1 2x1 2x1 x1 x1 ,

x2 x2 3x2 + x2 x2 ,

+ x3 + 2x3 + x3 2x3 x3

4 5 1 0

aij xj x0 bi xj 0

i = 1, 2, . . . , m j = 0, 1, . . . , n
35/56 36/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Simplexe : interpr etation g eom etrique


Observer graphiquement l evolution de lalgorithme du

Simpl` exe par les tableaux

simplexe sur cet exemple : max contraintes :

x1 2x1 x1 2x1 x1 ,

+ x2 + x2 + 2x2 x2 x2

14 8 10 0

max contraintes :

x1 2x1 x1 2x1 x1 ,

+ x2 + x2 + 2x2 x2 x2

14 8 10 0

Chaque solution interm ediaire du simplexe correspond ` a un

Une autre vision du m eme algorithme Version tr` es facilement implantable

sommet du poly` edre des contraintes. long des ar etes.

Les d eplacements dune solution ` a la suivante se font le

37/56

38/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Dun tableau ` a lautre


2 1 1 2 2 1 1 1 2 1 1 2 2 1 1 1 1 0 0 0 1 0 0 0 0 1 0 0 0 1 0 0 0 14 0 8 1 10 0 0 0 14 0 8 1 10 0 0

Tableaux : changement de base


2 1 1 2 2 1 1 1 1 0 0 0 0 1 0 0 0 14 0 8 1 10 0 0

Diviser la ligne pivot par le coecient pivot (pivot := 1) Annuler les autres coecients de la colonne pivot :

Li := Li ri Lpivot

Choix de la colonne pivot : coecient positif sur la derni` ere

ligne. Sil nen existe pas, loptimum est atteint : z = t [m + 1, n + m + 1].

i Choix de la ligne pivot : celle qui minimise s ri parmi toutes les lignes avec ri positif (ri , resp. si sont les el ements de la i ` eme ligne se trouvant sur la colonne pivot, resp. la derni` ere colonne.)

2 1 1 1 2 2 1 1 1
5 2 1 2
39/56

1 0 0 0

0 0 14 1 4 2 0 0 1 10 0 0 0

0 1 2 1 1 1
5 2

1 1 2 0 10 1 0 4 2 0 0 0 1 10 0 0 0 0 0 10

40/56

0 1 1 2

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

... et on recommence
5 2 1 2 3 2 3 2

Dualit e
Id ee de base : associer au programme lin eaire initial, appel e primal, un deuxi` eme programme lin eaire appel e le programme dual tel que :
le dual a m variables (autant que de contraintes industrielles

0 1 0 0

1 1 2 1 0 2 1 0 2 0 1 2
2 1 5 5 1 0 2 1 0 2 0 1 2

0 10 0 4 1 14 0 4 0 4 4 0 1 14 0 4 0 4 0 6 1 14 0 4 0 4 0 6 1 8 0 4 0 4 0 6 1 8 0 10
41/56

1 0 1 2 1 3 2 0 3 2 0 1 0 0 1 3 2 0 3 2 0

dans le primal) primal)

il a n contraintes industrielles (autant que de variables dans le le dual est un probl` eme de minimisation pour toute solution du dual et toute solution du primal,

0 0

2 5 1 5

1 5
2 5 1 2 1 2

lobjectif du dual est sup erieur ou egal ` a celui du primal

2 1 1 0 5 5 1 2 0 1 5 5 3 1 0 0 5 5 3 0 1 2 0 2

42/56

1 0 0 0

2 0 5 1 1 5 3 0 5 3 0 5

1 5 2 5 1 5 1 5

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Primal :
n

Th eor` eme (Dualit e faible)


cj xj Pour toute solution du primal et toute solution du dual, z, lobjectif du primal, est inf erieur ou egal ` a w , lobjectif du dual. Preuve: aij xj bi i = 1, 2, . . . , m j = 1, 2, . . . , n z =
j =1 n n m

max
j =1 n

contraintes :
j =1

xj 0 Dual :
m

cj xj
m

contraintes dual :cj


i =1

aij yi

min
i =1 m

(
j =1 i =1 m n

aij yi )xj aij xj )yi

commutativit e, associativit e
n

bi y i

= j = 1, 2, . . . , n i = 1, 2, . . . , m
43/56

(
i =1 j =1 m

contraintes primal :
j =1

aij xj bi objectif dual

contraintes :
i =1

aij yi cj yi 0

= w
i =1

bi yi

44/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Dualit e et applications
Th eor` eme (Dualit e)
, . . . , x alors le dual a une Si le primal a une solution optimale x1 n , . . . , y et, pour ces solutions, lobjectif du solution optimale y1 m primal est egal ` a lobjectif du dual : n j =1

Applications du th eor` eme de dualit e


Si le primal a beaucoup de contraintes et moins de variables,

le simplexe sera plus ecace sur le probl` eme dual!

Le dernier dictionnaire du simplexe nous donnera

cj xj =

m i =1

simultan ement une solution optimale pour le primal et pour le dual. v erie facilement leur optimalit e. son optimalit e!

bi yi .

Certication : si lon a les solutions du primal du dual, on Si lon a une solution du primal, on v eriera assez facilement

Observation simple : le dual du dual est le primal. Donc le primal a une solution optimale si et seulement si le dual a une solution optimale. Question : que peut-il se passer si le primal (ou le dual) na pas de solution, ou si le probl` eme est non born e?
45/56

Interpr etation economique : la solution optimale du dual nous

dira sil est int eressant dinvestir plus pour augmenter certaines ressources.

46/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Preuve du th eor` eme de dualit e


Soit z = z + Dapr` es le premier dictionnaire
n m

c j xi +
j =1 i =1

c n+i xn+i et dapr` es le dernier z = z +

z=
j =1

cj xj

lexpression de z dans le dernier dictionnaire obtenu par le simplexe. On montre que yi := c n+i 1. est une solution admissible du dual ; 2. satisfait
n i =1

c j xj +
j =1 i =1

c n+i xn+i

bi yi = z ,

Par construction des dictionnaires, ces expr essions sont egales pour toute aectation des variables xi (m eme les aectations qui ne sont pas des solutions admissibles)

cest donc une solution optimale du dual.


47/56 48/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

z= = = z z +

dernier dico c n +i x n +i yi = c n+i


n

c j xj +
j =1 n i =1 m

(z

m i =1

bi yi ) +

(c j +
j =1 i =1

aij yi )xj =

cj xj
j =1

+
j =1 n

c j xj
i =1 m

yi xn+i yi (bi (c j +
n

xn+i = bi
j =1

aij xj

En mettant xj := 0, j = 1, . . . , n on obtient
m i =1

= z +

c j xj
j =1 m i =1

aij xj )
j =1 m

comm., assoc. premier dico donc

bi yi = z ,

= (z
n

i =1 n

bi yi ) +
j =1

aij yi )xj

i =1

w = z

=
j =1

cj xj

(objectif primal = objectif dual).

49/56

50/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

L egalit e s ecrit maintenant :


n m

(c j +
j =1 i =1

aij yi )xj

Comment interpr eter la solution optimale du dual?


cj xj

=
j =1

Th eor` eme (Ecarts compl ementaires)


, . . . , x une solution du primal et y , . . . , y une solution Soient x1 n m 1 du primal. Ces deux solutions sont simultan ement optimales si et seulement si

Pour prouver que les yi forment une solution du dual, remarquer que les coes de z dans le dernier dico sont 0 donc yi 0 ;
Un prenant xj := 1 et xk := 0 pour tout k = j , 1 k n on a
m i =1

1. pour tout j = 1, . . . , n,
m i =1

aij yi = cj ou xj = 0 (ou les deux)

aij yi + c j = cj

2. et pour tout i = 1, . . . , m,
n j =1
51/56 52/56

donc, puisque les c j sont n egatifs ou nuls,


m i =1

aij xj = bi ou yi = 0 (ou les deux)

aij yi cj .

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Rappel :
n m

Th eor` eme (Ecarts compl ementaires version II)


aij yi Une solution x1 , . . . , xn du primal est optimale si et seulement si il , . . . , y tels que : existe des nombres y1 m
, . . . , y forment une solution du dual ; y1 m m

=
j =1 n

cj xj
m

contraintes dual :cj


i =1

= = w
i =1

(
j =1 i =1 m n

aij yi )xj aij xj )yi

commutativit e, associativit e
n

si xj > 0 alors la j` eme contrainte du dual est atteinte

(
i =1 j =1 m

contraintes primal :
j =1

aij xj bi objectif dual

(
i =1 m

aij yi = cj ) ;

bi yi

si la i` eme contrainte du primal nest pas atteinte

(
j =1

aij xj < bi ) alors yi = 0.

On a z = w ssi les deux in egalit es deviennent des egalit es :


la j ` eme contrainte du dual est atteinte ou xj = 0 ; la i ` eme contrainte du primal est atteinte ou yi = 0 ;
53/56

Application : si lon nous propose une solution du primal, pour v erier son optimalit e il sut de r esoudre le syst` eme d equations (de variables yi ) qui en d ecoule.
54/56

Introduction

M ethode graphique

Simplexe

Dualit e

Introduction

M ethode graphique

Simplexe

Dualit e

Interpr etation economique de la dualit e


Primal
n

yi : prot obtenu par une unit e suppl ementaire de ressource i .

Dual
m

Th eor` eme
Pour des valeurs ti susament faibles, le programme lin eaire max contr. :
n j =1 cj xj n j =1 aij xj

max
j =1 n

cj xj aij xj bi
j =1

min
i =1 m

bi yi aij yi cj
i =1

contr :

contr :

yi 0 xj 0 pour tout i = 1, . . . , m et tout j = 1, . . . , n. z : prot (en euros). xj : quantit e du produit j . bi : quantit e de la ressource i . cj : euros/unit e du produit j . aij : unit es de ressource i / unit e de produit j . yi : euros/unit e de ressource i .

xj 0

bi + ti

i = 1, 2, . . . , m j = 1, 2, . . . , n

a une solution optimale de valeur z + z


m i =1 , . . . , y est une o` u est la valeur optimale du PL initial et y1 m solution optimale de son dual.
55/56 56/56

yi ti