Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Recherche operationnelle

Tentative de definition
Programmation lineaire et recherche
Ensemble de methodes (algorithmiques, mathematiques,
operationnelle modelisation) afin de prendre des decisions optimales ou proches
de loptimum dans des problemes complexes, qui traitent de la
maximisation dun profit ou la minimisation dun cout.
Ioan Todinca
Ioan.Todinca@univ-orleans.fr Comment aller le plus vite dOrleans a Berlin, en voiture?
tel. 02 38 41 72 93
bureau : en bas a gauche Comment ordonnancer les taches dun projet en fonction de la
main duvre, tout en minimisant sa duree?
Comment investir ses 1000 euros deconomie de sorte a
maximiser le profit obtenu apres deux ans?

1/56 2/56

Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Des problemes de RO que vous savez resoudre Programmation lineaire

Trouver un (plus court) chemin entre deux villes

plus courts chemins dans les graphes
Broadcast de cout minimum dans un reseau
arbres recouvrants de poids minimum.
Envoi dun maximum dinformation dans un reseau
probleme du flot maximum.
Les problemes de programmation lineaire (PL) sont des problemes
doptimisation ou la fonction objectif et les contraintes sont toutes
lineaires.
Modelisation dun probleme reel
Si lon constate que ce probleme sexprime comme un PL, le
resoudre

3/56 4/56
Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Pourquoi un cours sur la programmation lineaire? Plan du cours

Objectif : apprendre a modeliser les problemes reels et a resoudre

les programmes lineaires.
1. Introduction + une approche nave : la methode graphique
De nombreux problemes reels peuvent etre exprimes comme 2. Lalgorithme du simplexe
des programmes lineaires.
3. Simplexe : comment eviter les pieges
Les programmes lineaires peuvent etre resolus efficacement
4. Dualite
par certains algorithmes.
5. Programmation lineaire en nombres entiers
Ce sont dexcellents exemples de questions pratiques dont la
resolution necessite une combinaison de methodes
algorithmiques, de mathematiques elementaires et de bon Bibliographe : [V. Chvatal, Linear Programming]
sens.

5/56 6/56

Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Un exemple : le probleme Le meme exemple apres modelisation

Considerons un agriculteur qui possede des terres, de superficie

egale a H hectares, dans lesquelles il peut planter du ble et du
mas. Lagriculteur possede une quantite E dengrais et I maximiser Pb xb + Pm xm (maximiser le revenu net)
dinsecticide. Le ble necessite une quantite Eb dengrais par contraintes xb + xm H (surface)
hectare et Ib dinsecticide par hectare. Les quantites xb 0
correspondantes pour le mas sont notees Em et Im . xm 0
Eb xb + Em xm E (engrais)
Soit Pb le prix de vente du ble et Pm celui du mas. Si lon note Ib xb + Im xm I (insecticide)
par xb et xm le nombre dhectares a planter en ble et en mas,
comment exprimer le fait que lagriculteur souhaite maximiser son
gain, tout en restant dans les limites de ses ressources?

7/56 8/56
Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Un autre exemple
Programme lineaire : definition

Variables reelles : Vous disposez de 10000 euros que vous souhaitez investir. Votre
x1 , x2 , . . . , xn banque vous propose trois types dinvestissements. Pour
Fonction objectif lineaire, a optimiser (min ou max) :
linvestissement A le rendement est de 9% et la somme maximum
que lon peut investir est de 4000 euros. Pour linvestissement B
z = c1 x1 + c2 x2 + + cn xn
on peut investir jusqua 5000 euros, avec un rendement de 4%.
Contraintes lineaires (egalites ou inegalites) :
Enfin le produit C a un rendement de 8% pour un montant
a11 x1 + a12 x2 + + a1n xn b1 maximum de 5000 euros.
a21 x1 + a22 x2 + + a2n xn b2
1. Exprimer ce probleme comme un PL. Donner la solution
am1 x1 + am2 x2 + + amn xn = bm optimale.
2. La banque change davis. Si vous souhaitez faire un
Solution : toute affectation des variables qui respecte les investissement (A, B ou C) il faut y mettre la somme exacte
contraintes (respectivement 4000, 5000, et 5000 euros). Mettre a jour
Solution optimale : solution qui optimise (maximise ou minimise) votre modele ; est-ce toujours un PL?
la fonction objectif.
9/56 10/56

Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

La methode graphique La methode graphique

Idee : representer graphiquement les contraintes et visualiser

lensemble des solutions. Identifier une solution optimale. Variables : x et y (ou x1 et x2 ).
Lensemble de points qui satisfont une equation (egalite)
Exemple : lineaire forme une droite.
max x1 + x2 Les points qui satisfont une inegalite lineaire forment un
contraintes : 2x1 + x2 14 demi-plan.
x1 2x2 8 Lensemble des solutions dun ensemble de contraintes :
2x1 x2 10 polygone convexe.
x1 0 Solution optimale (si elle existe) : sommet du polygone.
x2 0

11/56 12/56
Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Trois variables ou plus Questions

Variables : x1 , . . . , xn
Donner un exemple de programme lineaire qui na pas de
Lensemble de points qui satisfont une equation (egalite) solution.
lineaire forme un hyperplan.
Proposer un PL qui a des solutions, mais pas de solution
Les points qui satisfont une inegalite lineaire forment un optimale.
demi-espace.
Proposer un PL qui a plusieurs solutions optimales.
Lensemble des solutions dun ensemble de contraintes :
Essayer de resoudre par la methode graphique le systeme
polyedre convexe.
suivant :
Solution optimale (si elle existe) : sommet du polyedre.
objectif : max 2x + y
Limites : precision ; maximum 3 variables. contraintes : x2 + y2 1
Si vous arrivez a visualiser un PL avec 4 variables ou plus... pensez x 0, y 0
a consulter un bon psy.

13/56 14/56

Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Algorithme du simplexe PL sous forme standard

n
X
[G. Dantzig, 1947] max cj xj
j=1
Algorithme de resolution de programmes lineaires
Facile a comprendre et a implanter n
X
Efficace en pratique, meme pour un nombre important de contraintes : aij xj bi i = 1, 2, . . . , m
j=1
variables et de contraintes
xj 0 j = 1, 2, . . . , n
Efficacite au pire cas : on en reparlera, voir aussi cours
dalgorithmique. Question : comment mettre un probleme quelconque sous forme
standard?

15/56 16/56
Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Simplexe : un exemple Variables decart

PL equivalent :

x4 = 5 2x1 3x2 x3
max 5x1 + 4x2 + 3x3 x5 = 11 4x1 x2 2x3
contraintes 2x1 + 3x2 + x3 5 x6 = 8 3x1 4x2 2x3
4x1 + x2 + 2x3 11 z = 5x1 + 4x2 + 3x3
3x1 + 4x2 + 2x3 8
x1 , x2 , x3 0 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 Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Augmenter x1 Nouveau dictionnaire

5 3 1 1
1. De combien ? x1 = 2 2 x2 2 x3 2 x4
x1 52 car x4 = 5 2x1 3x2 x3 0. x5 = 1 + 5x2 + 2x4
1 1 1 3
2. Nouvelle solution ? x6 = 2 + 2 x2 2 x3 + 2 x4
x1 = 12 , x2 = x3 = x4 = 0, x5 = 1, x6 = 1
2 ;z= 25
2 . 25 7 1 5
z = 2 x2 + 2 x3 4 x4
3. Reformuler le systeme afin dexprimer les variables x1 , x5 , x6 en 2
fonction de x2 , x3 , x4 .
x1 = 52 23 x2 12 x3 21 x4 Augmenter qui? De combien? Quobtient-on?
x3 x3 = 1 (x6 = . . . ) a droite : x2 , x3 , x6

19/56 20/56
Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Nouveau dictionnaire (et de trois...) Algorithme du simplexe : cas general

Entree :
n
X
max cj xj
x3 = 1 + x2 + 3x4 2x6 j=1
x1 = 2 2x2 2x4 + x6
n
X
x5 = 1 + 5x2 + 2x4
contraintes : aij xj bi i = 1, 2, . . . , m
z = 13 3x2 x4 x6
j=1
Solution actuelle : x2 = x4 = x6 = 0, x1 = 2, x3 = 1, x5 = 1 ; xj 0 j = 1, 2, . . . , n
objectif : z = 13
On introduit m variables decart :
Peut-on faire mieux ? Non car x2 , x4 , x6 0 et donc z 13 n
X
xn+i = bi aij xj (i = 1 . . . , m)
j=1

La ieme contrainte devient xn+i 0.

21/56 22/56

Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Premier dictionnaire Dictionnaires : un peu de vocabulaire

n
X
xn+i = bi aij xj (i = 1, . . . , m)
j=1 x4 = 5 2x1 3x2 x3
n
X x5 = 11 4x1 x2 2x3
z = cj xj x6 = 8 3x1 4x2 2x3
j=1
z = 5x1 + 4x2 + 3x3
max z, sous contraintes : xk 0 (k = 1, . . . n + m)
Dictionaire faisable : en mettant a 0 toutes les variables des
membres droits, on obtient une solution du PL
Dictionnaires : equivalents au PL dorigine
On suppose que notre premier dictionnaire est faisable
Nous verrons plus tard comment faire pour que ce soit
n + m + 1 variables x1 , . . . , xn+m et z
toujours le cas
m equations lineaires de type xk = . . .
Variables de gauche (sauf z) : variables de base x4 , x5 , x6
tous les membres droits ont les memes n variables
Variables de droite : variables hors base x1 , x2 , x3
objectif : max z sous contraintes ci-dessus plus
xk 0 (k = 1, . . . n + m)
23/56 24/56
Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Vers une meilleure solution Algorithme du simplexe

x4 = 5 2x1 3x2 x3
x5 = 11 4x1 x2 2x3
x6 = 8 3x1 4x2 2x3 Initialisation : introduire les variables decart et calculer un
z = 5x1 + 4x2 + 3x3 premier dictionnaire faisable ; mettre a 0 les variables hors base
1. Solution courante : variables hors base a 0
tantque il existe une variable hors base xk ayant un coeff positif
2. Trouver une variable hors base xk dont le coefficient dans dans lexpression de z faire
lexpression de z soit strictement positif.
soit xl = la contrainte la plus contraignante pour
3. Sil nen existe pas, la solution courante est optimale! augmenter xk
4. Trouver la contrainte la plus forte pour laugmentation de xk ; pivoter afin de sortir xl de la base en y faisant rentrer xk
soit xl = cette contrainte.
retourner la solution courante
5. Augmenter xk jusqua 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 . 25/56 26/56

Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Simplexe : un deuxieme exemple Mise sous forme standard

min x1 + 2x2
contraintes x1 + x2 = 10
x1 x2 10
max 5x1 + 5x2 + 3x3 x1 0
contraintes x1 + 3x2 + x3 3
x1 + 3x3 2 min z
2x1 x2 + 2x3 4 max z
P
2x1 + 3x2 x3 2 ai xP
i =b P
x1 , x2 , x3 0 ai xi b et ai xi b
P
ai xP
i b
ai xi b
pas de contrainte x 0
on remplace x par x + x , avec x + , x 0

27/56 28/56
Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Simplexe : les pieges Iteration

Choix de la variable qui entre dans la base.

Choix de la variable qui sort de la base.
1. Difficulte a trouver une solution initiale Et si aucune contrainte ne limite laugmentation de la variable
2. Iteration : peut-on toujours augmenter strictement lobjectif? hors base?
3. Terminaison, complexite.
Peut-on toujours augmenter strictement lobjectif?
Non. Il se peut que lon ait une variable hors base avec coefficient
positif dans z, mais quelle ne puisse etre augmentee a cause dune
contrainte.

29/56 30/56

Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Dictionnaires degeneres Terminaison

Lemme
Si deux dictionnaires ont les memes variables de base, ils sont
identiques.
Une ou plusieurs variables de base ont une valeur nulle.
On ne peut augmenter aucune variable hors base. Theoreme
Lalgorithme du simplexe termine sur une solution optimale, ou
On fait neanmoins un changement de base. alors il boucle.
La valeur de lobjectif naugmente pas
... mais ca devrait aller mieux dans quelques etapes. Les cas de bouclage sont tres rares.
Le bouclage est facile a detecter.
Il existe des solutions simples pour eviter le bouclage, par
exemple en choisissant a chaque iteration comme variables
sortante et entrante celles dindice minimum.
31/56 32/56
Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Complexite : nombre diterations Initialisation : premier dictionnaire non faisable

Dans la pratique :
Le nombre diterations est proportionnel au nombre de Trouver un autre dictionnaire faisable.
contraintes initiales (typiquement entre 3m/2 et 3m).
Ou prouver que le probleme na pas de solution!
Croit tres peu avec le nombre n de variables initiales.

La methode du simplexe a deux phases : dune pierre deux coups.

En theorie (au pire cas) :
Introduction dun probleme auxiliaire.
Il existe des exemples qui necessitent 2n iterations [Klee,
Minty 1972]. En le resolvant, nous trouverons un dictionnaire faisable du
probleme initial ou bien nous saurons que notre probleme na
Nombre
 de dictionnaires : autant que de bases possibles, donc
n+m pas de solution.
.
m

33/56 34/56

Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Initialisation : le probleme auxiliaire Initialisation : exemple

n
X
max cj xj
j=1

n
X
contraintes : aij xj bi i = 1, 2, . . . , m max x1 x2 + x3
j=1 contraintes 2x1 x2 + 2x3 4
xj 0 j = 1, 2, . . . , n 2x1 3x2 + x3 5
devient : x1 + x2 2x3 1
x1 , x2 , x3 0
min x0

n
X
contraintes : aij xj x0 bi i = 1, 2, . . . , m
j=1
xj 0 j = 0, 1, . . . , n

35/56 36/56
Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Simplexe : interpretation geometrique Simplexe par les tableaux

Observer graphiquement levolution de lalgorithme du

simplexe sur cet exemple :
max x1 + x2
max x1 + x2
contraintes : 2x1 + x2 14
contraintes : 2x1 + x2 14
x1 + 2x2 8
x1 + 2x2 8
2x1 x2 10
2x1 x2 10
x1 , x2 0
x1 , x2 0
Une autre vision du meme algorithme
Chaque solution intermediaire du simplexe correspond a un Version tres facilement implantable
sommet du polyedre des contraintes.
Les deplacements dune solution a la suivante se font le
long des aretes.

37/56 38/56

Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Dun tableau a lautre Tableaux : changement de base

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

2 1 1 0 0 14 Diviser la ligne pivot par le coefficient pivot (pivot := 1)

1 2 0 1 0 8 Annuler les autres coefficients de la colonne pivot :
2 1 0 0 1 10 Li := Li ri Lpivot
1 1 0 0 0 0
2 1 1 0 0 14
Choix de la colonne pivot : coefficient positif sur la derniere 12 1 0 1
2 0 4
ligne. Sil nen existe pas, loptimum est atteint : 2 1 0 0 1 10
z = t[m + 1, n + m + 1]. 1 1 0 0 0 0
Choix de la ligne pivot : celle qui minimise sri parmi toutes les 5
i
2 0 1 12 0 10
lignes avec ri positif (ri , resp. si sont les elements de la ieme ligne 12 1 0 1
2 0 4
se trouvant sur la colonne pivot, resp. la derniere colonne.)
39/56 2 1 0 0 1 10 40/56

1 1 0 0 0 0
5
2 0 1 12 0 10
Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

... et on recommence Dualite

5
2 0 1 12 0 10
12 1 0 1
2 0 4
3
0 0 1
1 14 Idee de base : associer au programme lineaire initial, appele primal,
2 2
3
0 0 12 0 4 un deuxieme programme lineaire appele le programme dual tel
2
que :
1 0 2 1 le dual a m variables (autant que de contraintes industrielles
5 5 0 4
12 1 0 1
0 4 dans le primal)
2
3 1
2 0 0 2 1 14 il a n contraintes industrielles (autant que de variables dans le
3
2 0 0 12 0 4 primal)
2
1 0 5 15 0 4 le dual est un probleme de minimisation
1 2
0 1 5 5 0 6 pour toute solution du dual et toute solution du primal,
3 1
2 0 0 2 1 14 lobjectif du dual est superieur ou egal a celui du primal
3
2 0 0 12 0 4
2 1
1 0 5 5 0 4
1 2
0 1 5 5 0 6 41/56 42/56
3 1
0 0 5 5 1 8
3
2 0 0 12 0 4
2
1 0 5 51 0 4
1 2
0 1 5 5 0 6
0 0 53 1
5 1 8
0 0 35 51 0 10

Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Primal :
Theoreme (Dualite faible)
n
X
max cj xj Pour toute solution du primal et toute solution du dual, z,
j=1 lobjectif du primal, est inferieur ou egal a w , lobjectif du dual.

n
X Preuve:
contraintes : aij xj bi i = 1, 2, . . . , m n
X m
X
j=1 z = cj xj contraintes dual :cj aij yi
xj 0 j = 1, 2, . . . , n j=1 i=1
Xn Xm
Dual : ( aij yi )xj commutativite, associativite
m j=1 i=1
X Xm X n n
X
min bi y i = ( aij xj )yi contraintes primal : aij xj bi
i=1
i=1 j=1 j=1
Xm
m
X bi yi objectif dual
contraintes : aij yi cj j = 1, 2, . . . , n
i=1
i=1 = w
yi 0 i = 1, 2, . . . , m
43/56 44/56
Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Dualite et applications Applications du theoreme de dualite

Theoreme (Dualite) Si le primal a beaucoup de contraintes et moins de variables,

Si le primal a une solution optimale x1 , . . . , xn alors le dual a une le simplexe sera plus efficace sur le probleme dual!
solution optimale y1 , . . . , ym
et, pour ces solutions, lobjectif du
Le dernier dictionnaire du simplexe nous donnera
primal est egal a lobjectif du dual : simultanement une solution optimale pour le primal et pour le
n m dual.
X X
cj xj = bi yi . Certification : si lon a les solutions du primal du dual, on
j=1 i=1 verifie facilement leur optimalite.
Si lon a une solution du primal, on verifiera assez facilement
Observation simple : le dual du dual est le primal. Donc le primal son optimalite!
a une solution optimale si et seulement si le dual a une solution Interpretation economique : la solution optimale du dual nous
optimale. dira sil est interessant dinvestir plus pour augmenter
Question : que peut-il se passer si le primal (ou le dual) na pas de certaines ressources.
solution, ou si le probleme est non borne?
45/56 46/56

Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Preuve du theoreme de dualite

Dapres le premier dictionnaire
Soit
n
X m
X n
X
z = z + c j xi + c n+i xn+i
z= cj xj
j=1 i=1
j=1
lexpression de z dans le dernier dictionnaire obtenu par le simplexe.
On montre que et dapres le dernier
yi := c n+i n
X m
X
z = z + c j xj + c n+i xn+i
j=1 i=1
1. est une solution admissible du dual ;
2. satisfait Par construction des dictionnaires, ces expressions sont egales pour
n
X toute affectation des variables xi (meme les affectations qui ne
bi yi = z ,
sont pas des solutions admissibles)
i=1

cest donc une solution optimale du dual.

47/56 48/56
Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

z= dernier dico
n m m
X n
X m
X n
X
X X
= z + c j xj + c n+i xn+i yi = c n+i (z bi yi ) + (c j + aij yi )xj = cj xj
j=1 i=1 i=1 j=1 i=1 j=1
n
X m
X n
X En mettant xj := 0, j = 1, . . . , n on obtient
= z + c j xj yi xn+i xn+i = bi aij xj
j=1 i=1 j=1 m
X
Xn Xm n
X bi yi = z ,
= z + c j xj yi (bi aij xj ) comm., assoc.
i=1
j=1 i=1 j=1
Xm Xn m
X donc
= (z bi yi ) + (c j + aij yi )xj premier dico
w = z
i=1 j=1 i=1
n
X (objectif primal = objectif dual).
= cj xj
j=1

49/56 50/56

Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Legalite secrit maintenant :

Comment interpreter la solution optimale du dual?
n
X m
X n
X
(c j + aij yi )xj = cj xj
j=1 i=1 j=1
Theoreme (Ecarts complementaires)

Pour prouver que les yi forment une solution du dual, remarquer Soient x1 , . . . , xn une solution du primal et y1 , . . . , ym
une solution

que du primal. Ces deux solutions sont simultanement optimales si et

les coeffs de z dans le dernier dico sont 0 donc
seulement si
1. pour tout j = 1, . . . , n,
yi 0 ;
m
X
Un prenant xj := 1 et xk := 0 pour tout k 6= j, 1 k n on a aij yi = cj ou xj = 0 (ou les deux)
m i=1
X
aij yi + c j = cj 2. et pour tout i = 1, . . . , m,
i=1
n
X
donc, puisque les c j sont negatifs ou nuls,
aij xj = bi ou yi = 0 (ou les deux)
m
X j=1
aij yi cj .
i=1 51/56 52/56
Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Rappel :
Theoreme (Ecarts complementaires version II)
n
X m
X
z = cj xj contraintes dual :cj aij yi Une solution x1 , . . . , xn du primal est optimale si et seulement si il
j=1 i=1 existe des nombres y1 , . . . , ym
tels que :

Xn Xm
y1 , . . . , ym
forment une solution du dual ;
( aij yi )xj commutativite, associativite
j=1 i=1
si xj > 0 alors la jeme contrainte du dual est atteinte
m X n n Xm
X X
= ( aij xj )yi contraintes primal : aij xj bi ( aij yi = cj ) ;
i=1 j=1 j=1 i=1
m
X si la ieme contrainte du primal nest pas atteinte
bi yi objectif dual Xm
i=1 ( aij xj < bi ) alors yi = 0.
= w j=1

On a z = w ssi les deux inegalites deviennent des egalites : Application : si lon nous propose une solution du primal, pour
la jeme contrainte du dual est atteinte ou xj = 0 ; verifier son optimalite il suffit de resoudre le systeme dequations
la ieme contrainte du primal est atteinte ou yi = 0 ; (de variables yi ) qui en decoule.
53/56 54/56

Introduction Methode graphique Simplexe Dualite Introduction Methode graphique Simplexe Dualite

Interpretation economique de la dualite yi : profit obtenu par une unite supplementaire de ressource i.

Theoreme
Primal Dual
X n
Xm Pour des valeurs ti suffisament faibles, le programme lineaire
max cj xj min bi yi Pn
j=1 i=1
max j=1 cj xj
n
X m
X
contr : aij xj bi contr : aij yi cj Pn
contr. : j=1 aij xj bi + ti i = 1, 2, . . . , m
j=1 i=1
xj 0 j = 1, 2, . . . , n
xj 0 yi 0
pour tout i = 1, . . . , m et tout j = 1, . . . , n. a une solution optimale de valeur

z : profit (en euros). m

X
xj : quantite du produit j. z + yi ti
bi : quantite de la ressource i. i=1

cj : euros/unite du produit j. ou z
est la valeur optimale du PL initial et y1 , . . . , ym
est une
aij : unites de ressource i / unite de produit j. solution optimale de son dual.
yi : euros/unite de ressource i.
55/56 56/56