Vous êtes sur la page 1sur 13

CHAPITRE 5

Dualit et analyse de sensibilit

I. Introduction
Dans ce chapitre, on va tudier des notions relatives au programmes linaires
tels que le programme dual, les cots marginaux ainsi que des techniques de
validation de la solution dun programme linaire, cest dire lanalyse de
sensibilit.

Nous allons commencer ce chapitre par donner quelques termes cls du jargon
utilis pour interprter conomiquement les diffrents rsultats du programme
linaire.

II. Interprtation conomique


Les lments cls dun programme linaire standard sont :
- La fonction objectif dite fonction conomique. Cette fonction peut reprsenter
un cot, un profit, etc...
- Les contraintes sont composes, des coefficients aij de la matrice A, dite
matrice technologique, et des constantes bi, qui forment le vecteur du second
membre. Le second membre peut reprsenter la disponibilit des ressources, les
niveaux de demande etc...
- Les variables dcart peuvent reprsenter, par exemple dans le problme de
lagriculteur, lexcdent de chacune des ressources : terrain, eau, heures de
travail, bureau dirrigation. Elles sont aussi dites variables de surplus.

Quand une variable dcart est nulle, on dit que la contrainte correspondante est
sature. Dans le problme de lagriculteur les contraintes terrain et main
duvre sont satures. Elles sont dites aussi restrictives car une variation du
second membre (par exemple) engendre un changement dans la valeurs de la
solution optimale.

Toute contrainte non sature loptimum nest pas restrictive pour le problme,
cest dire quelle na aucune influence sur la solution considre.

Dfinition: Cot marginal


Par dfinition, on appelle cot marginal dun bien laugmentation minimale de
dpenses, par rapport la solution optimale, qui rsulterait de lutilisation dune
unit supplmentaire de ce bien, lorsque le problme pos consiste produire
des biens au moindre cot.
Si le problme pos consiste transformer des biens pour vendre une production
avec un meilleur profit et laugmentation maximale de revenu qui rsulte de la
possibilit de disposer dune unit supplmentaire de lun des biens, est la valeur
marginale de ce bien. Trs souvent, on emploie galement dans ce cas le
qualificatif cot marginal.

Remarque : Les cots marginaux sont donc les effets nets associs aux variables
dcart, puisque ce sont ces variables qui dterminent les excdents (ou les
insuffisances) de biens.

Si une variable dcart nest pas nulle, dans la solution optimale, cest que le
bien correspondant est dj excdentaire. Par consquent, le fait de disposer
dune unit supplmentaire de ce bien naura aucune influence sur le revenu. On
dit alors que ce bien une valeur marginale nulle, ou par extension, que la
variable dcart associe ce bien a une valeur marginale nulle.

Par contre, si une variable dcart est nulle dans la solution optimale, cest que le
bien correspondant est totalement utilis. Par la suite une variation de la
disponibilit aura gnralement une influence sur le revenu. Cest pourquoi cette
variable dcart nulle dans la solution optimale une valeur marginale non nulle,
et cette valeur marginale prcise la variation de la fonction conomique rsultant
de lutilisation dune unit supplmentaire du bien associ.

Exemple : Dans le problme de lagriculteur on a


Le cot marginal li S1 est 200 3
Une augmentation de S1 dune unit entrane une diminution de 200 3 de la
valeur de la fonction conomique.
Le cot marginal li S 2 est 0 et l'optimum S 2 =0
on a dj 60m 3 deau de plus donc si on ajoute 1m 3 ca ne va pas changer la
solution optimale ni la valeur de la fonction conomique
Le systme de contraintes dans le programme linaire relatif au tableau de
simplexe optimal du problme de lagriculteur est
x1 4 3 S1 1 3 S 3 40
S 14 3 S 2 3 S 60
2 1 3

2x 1 3 S 1 1 3 S 3 110
S 4 4 3 S1 1 3 S 3 50
La fonction conomique scrit
z 100 x1 200 x 2
Si on exprime z en fonction de S1 et S3 (variables hors base) en utilisant le
systme dquation ci dessus on a
z 100 4 3 S1 1 3 S 3 40 2001 3 S1 1 3 S 3 110
z 26000 200 3 S1 100 3 S 3

La valeur 26000 correspond la valeur optimale de la fonction conomique.


Si S1 1 alors un hectare de terrain de moins utiliser, donc une rduction de
200 3 dinars de la valeur de la fonction objectif.

Si on ajoute 3 hectares de terrains S1 3 , avec lhypothse que les autres


quantits restent inchanges alors le revenu augmente de 200 3 3 200dinars
On vrifie ceci, si on rsout le programme linaire
Max 100 x1 200 x 2
S.C x1 x 2 153
4 x1 2 x 2 440
x1 4 x 2 480
x1 90
x1 0 , x 2 0
On trouve que la valeur optimale va augmenter de 200 dinars est devient 26 200
dinars.

Exercice : Expliquer graphiquement que si on ajoute des m 3 deau, on aura


aucune amplification dans la fonction objectif.

Remarque : Dans le cas o on diminuerait 60m 3 deau, la solution optimal


devient dgnre.

Les valeurs marginales apportent donc des renseignements conomiques


particulirement intressantes, mais il faut les utiliser avec prudence car leur
domaine de validit est limit.
Par exemple, si on ajoute 30 hectares de terrains aux 150 dj disponibles dans
le problme de lagriculteur, le revenu augmentera de 200 3 3 200dinars .
Ceci nest pas vrai, parce que si on rsout le programme linaire suivant :
Max 100 x1 200 x 2
S.C x1 x 2 180
4 x1 2 x 2 440
x1 4 x 2 480
x1 90
x1 0 , x 2 0
La valeur optimale du programme linaire ci-dessus est de 26 875,14 donc le
revenu na pas augment de 2000 dinars comme prvu.
II. Dualit
a. Dfinition
La forme dun programme linaire de type maximisation est
Max z ct x
S.C Ax b PL1
x0
avec x, b , c des vecteurs de dimensions respectives n, m et n , et A une
matrice de dimension m, n

On appelle programme dual de PL1 , le programme linaire suivant :


Min w bt y
S.C t
A.Y c
y0
avec y un vecteur de dimension m et t A la transpose de la matrice A .
Le programme PL1 est appel programme Primal.
Pour passer du primal au dual, on remarque que :
a ) Les termes du second membre deviennent les coefficients de la fonction
objectif et rciproquement.
b ) Le problme de maximisation devient un problme de minimisation.
c ) Les ingalits " " deviennent des ingalits " "
d ) La matrice A se transforme en sa transpose.

Exemple : Le programme primal (problme de lagriculteur) est


Max z 100 x1 200 x 2
S.C x1 x 2 150
4 x1 2 x 2 440
x1 4 x 2 480
x1 90
x1 0 , x 2 0

Donc le programme dual est


Min w 150 y1 440 y 2 480 y 3 90 y 4
S.C y1 4 y 2 y 3 y 4 100
y1 2 y 2 4 y 3 200
y1 0 , y2 0

b. Proprits et signification conomique du programme dual


Pour expliquer la signification du problme dual on va se baser sur lexemple de
lagriculteur.
Supposons quun agriculteur (client) voudrait acheter la totalit de nos
ressources disponibles. Notre agriculteur acceptera certainement cette
proposition si le prix offert par ce client lui procure le mme profit.
soit y1 le prix d'un hectare de terrain
y2 le prix dun m 3 deau
y3 le prix dune heure de main duvre
y4 le prix de la permission de la culture dun hectare de tomates.

Le problme du client consiste minimiser les frais dachat des ressources :


cest dire 150 y1 440 y 2 480 y3 90 y 4 sous la contrainte que les prix satisfont
notre agriculteur.

Pour notre agriculteur un hectare de terrain 4m 3 deau, une heure de travail et


un hectare de permission du bureau est quivalent a un revenu de 100 dinars.
Tandis que, un hectare de terrain, 2m 3 deau et 4 heures de travail lui
engendrent un revenu de 200 dinars.

Il nest prt vendre ses ressources que si y1 4 y 2 y 3 y 4 lui rapporte un revenu


suprieur ou gale 100 DT et que si y1 2 y 2 4 y 3 lui rapporte un revenu
suprieur ou gal 200 DT.
Ainsi le problme du client est

Min 150 y1 440 y 2 480 y 3 90 y 4


S.C y1 4 y 2 y 3 y 4 100
y1 2 y 2 4 y 3 200
y1 0 , y2 0

Donc le problme du client peut tre modlis par le programme dual.

Le tableau de simplexe final du programme dual est :


150 440 480 90 0 0
y1 y2 y3 y4 L1 L2
480 y3 100/3 0 -2/3 1 -1/3 1/3 1/3
150 y1 200/3 1 14/3 0 4/3 -4/3 1/3
150 380 480 40 -40 -110
0 60 0 50 40 110

Avec L1 et L2, les variables dcart la 1re et la 2me contrainte du programme


dual.
On remarque que la solution optimale du dual peut tre dduite du primal de la
manire suivante :
y1 = 200/3 C3 - z3 = - 200/3
y2 = 0 C2 - z4 = 0
y3 = 100/3 C5 - z5 = - 100/3
y4 = 0 C6 - z6 = 0
L1 = 0 C1 - z1 = 0
L2 = 0 C2 - z2 = 0
C1 - z1 = 0 S1 = 0
C2- z2 = 60 S2 = 60
C3- z3 = 0 S3 = 0
C4 - z4= 50 S4 = 50
C5 - z5= 40 x1 = 40
C6 - z6= 110 x2 = 110
w = 26000 z = 260000

On peut gnraliser ce rsultat dans le tableau suivant :

Primal (Max) Dual (Min)


Variables de dcision variables dcart
xj = 0 C j - zj < 0 Li = | Cj - zj | 0 Cj - zj = 0
xj > 0 C j - zj = 0 Li = 0 Cj - zj = xj
variables dcart Variables de dcision
Sj = 0 C j - zj 0 yi = | Ci - zj | 0 Cj - zj = 0
Sj > 0 C j - zj = 0 yi = 0 et Cj zj = Sj

On remarque aussi qu loptimum la valeur de la fonction objectif du dual est


gale la valeur de la fonction objectif du primal.

Proposition : Le dual du programme dual est le programme primal.

c. Tableau de correspondance primal-dual

Max Min
- Matrice des contraintes (m, n) - Transpose de la matrice des
contraintes (n, m)
- Second membre des contraintes - Coefficient de la fonction objectif
- Coefficient de la fonction objectif - Second membre des contraintes
Nombre de contraintes Nombre de variables principales
i me contrainte de type i me variable de type 0
i me contrainte de type i me variable de type 0
i me contrainte de type = i me variable qcq IR

Nombre de variables Nombre de contraintes


j me variable j me contrainte de type
j me variable j me contrainte de type
j me variable qcq IR i me contrainte de type =

Exemples

Primal Dual
Max x1 + x2 Min 3y1 + y2 + 2y3
S.c x1 + x2 3 S.c y1 - y2 + y3
- x 1 + x2 1 y1 + y2 1
x1 2 y1 0, y2 0, y3 0
x1 0, x2 0
Min - x1 + x2 Max 2y1 - 2y2 + 5y3
S.c 2x1 - x2 2 S.c 2y1 - y2 + y3 -1
- x1 + 2x2 -2 - y1 + 2y2 + y3 1
x1 + x2 5 y1 0, y2 0, y3 0
x1 0, x2 0
Max 2x1 - x2 Min 3 y1+ 4 y2
S.c x1 - x2 = 3 S.c y1+ 2 y2 2
x1 4 - y1 -1
x1 0, x2 0 y1IR, y2 0
Max 2x1 - x2 Min - 2y1 + 6y2 - 5y3
S.c x1 - 2x2 2 S.c y1 + y2 = 2
x1 + x2 = 6 - 2y1 + y2+ y3 = -1
x2 5 y1 0, y2 IR, y3 0
x1IR, x2IR

III. Analyse de sensibilit


Dfinition: Une solution de base optimale est dite stable si lensemble des
variables de base loptimum ne changent pas, mme si les valeurs de ces
variables de base sont modifies.
Dans cette section on examinera la stabilit de la solution optimale dun
programme linaire suite la variation de lun des paramtres de ce programme.

On utilisera pour prsenter lanalyse de sensibilit sur ces diffrents paramtres


du programme linaire lexemple de lagriculteur.
Max 100x1 + 200x2
S.c x1 + x2 150
4x1 + 2x2 440
- x1 + 4x2 480
x1 90
x1 0 , x2 0

a. Analyse de sensibilit sur les Cj


On cherche dterminer un intervalle dans lequel peut varier Cj sans que la
solution optimale ne change.

Considrons une variation du coefficient Cj de 100 100 +


En remplaant dans le tableau optimal 100 par 100 + , on obtient le tableau
suivant :
100+ 20 0 0 0 0
0
x1 x2 S1 S2 S3 S4
100+ x1 40 1 0 4/3 0 -1/3 0
0 S2 60 0 0 -14/3 1 2/3 0
200 x2 110 0 1 -1/3 0 1/3 0
0 S4 50 0 0 -4/3 0 1/3 1
100+ 20 (200+4)/3 0 (100-)/3 0
0
0 0 - 0 -100/3 0
(200+4)/3

La solution donne par le tableau reste optimale si

( 20 4 )
3 0 50
50 10
10 0 10
3
Donc la solution optimale est stable et prend la mme valeur (x1,x2)=(40,110)
tant que 50 C1 200

Exercice : Supposons que le coefficient Cj d'une variable hors base dans la


solution optimale, est modifi. Dans quel intervalle, Cj peut-il varier sans que la
base optimale soit modifie ?
(Aide : diffrencier le cas dun programme de maximisation et le cas dun
programme de minimisation).
Solution :
- < Cj zj cas dun programme de maximisation
zj Cj < - cas dun programme de minimisation

b. Analyse de sensibilit sur les bj


Dterminer lintervalle pour lequel, la solution optimale reste stable, pour une
variation du second membre de la ime contrainte bi .
Considrons une variation de b1 de 150 150 + .
Sachant que dans le premier tableau de simplexe b1 nest prsent que dans la
premire contrainte. On obtient ainsi une correspondance entre la colonne des
quantits Qi et la colonne de S1.

100 200 0 0 0 0
x1 x2 S1 S2 S3 S4
0 S1 150+1 1 1 1 0 0 0
0 S2 440+0 4 2 0 1 0 0
0 S2 480+0 1 4 0 0 1 0
0 S4 90+0 1 0 0 0 0 1
0+1 0 0 0 0 0 0
100 100 0 0 0 0

Dans le tableau optimal, la colonne correspondant S1 nous donne les


coefficients de dans la colonne des quantits.

100 200 0 0 0 0
x1 x2 S1 S2 S3 S4
100 x1 40+4/3 1 0 4/3 0 -1/3 0
0 S2 60-14/3 0 0 -14/3 1 2/3 0
200 x2 110-1/3 0 1 -1/3 0 1/3 0
0 S4 50-4/3 0 0 -4/3 0 1/3 1
26000+200/ 100 200 200/3 0 100/3 0
3
0 0 -200/3 0 -100/3 0
La base reste optimale tant que :

40 4/ 3 0 1 30
60 14/ 3 0 90/ 7
1
- 30 90/7
1 0 1/ 3 0 1 330
50 4 / 3 0 1 75/ 2
Donc tant que 120 b1 160,85 la base demeure la mme et la solution
optimale est stable mais elle change en valeur (exemple: pour = 3 le vecteur de
solutions optimale est (x1,x2,S1,S2,S3,S4)=(44,109,0,46,0,46))

Remarque : Daprs le rsultat ci-dessus on peut conclure que le cot marginal


de 200/3 par hectare de la premire ressource nest valide que si la solution de
base demeure stable. Donc si et seulement si 120 b1 160,85. Ceci est appel
le domaine de validit du cot marginal.

Exercice 1:
Sans faire de calcul, de combien peut-on modifier la quantit de m3 deau sans
nuire la solution optimale ? confirmez votre rsultat a l'aide de la mthode
d'analyse de sensibilit expos ci-dessus ?

Exercice 2 :
Dterminer lintervalle dans lequel peut varier b1 et b3 (les ressources en surface
et en main duvre) sans que la base optimale change.

Rponse 2 :
40 4/31 1/32 0 41 2 120
6014/3 2/3 0 7 90
1 2 1 2

1 0 1/31 1/32 0 1 2 3 0
50 4/31 1/32 0 41 2 150
Pour 1 = 0 (variation nulle de la surface en hectare), la solution optimale est
stable pour une variation 2 des ressources en main duvre entre 570 et 730
heures (-150 2 90).
Le cot marginal de 100/3 par heure de main duvre de la 3me ressource nest
valide que dans lintervalle [570, 730].

c. Analyse de sensibilit sur les coefficients aij


Supposons que dans le problme de lagriculteur, le nombre dunits de la ime
ressources ncessaire pour produire une unit de produit j, soit (aij + ) ou lieu
de aij. Ainsi, on se pose la question si la solution optimale demeure stable suite
un tel changement.

i) xj est une variable de base et la ime ressource est totalement utilise.


Par exemple : x1 + (4+)x2 480 x1 + (4 + )x2 + S3 = 480
A loptimum, la base est inchange donc
x1* (4 ) x 2* S*3 480
S*3 0, x1* 0, x 2* 0

Si 0 , alors lquation ne peut pas tre satisfaite sinon S*3 0 puisque


2 480 et x 2 S3 0 , x 2 0 .
x1* 4 x * * * *

Si 0 , alors on a un excdent de la 3me ressource (S3 0), ce qui nous


contraint changer la base (la solution optimale nest plus stable).

Conclusion: Dans le cas o xj est une variable de base optimale et la ime


ressource est totalement utilise, il est impossible de modifier le
coefficient aij sans que la base dans la solution optimale ne change pas
(la solution optimale n'est pas satable).

ii) xj est une variable de base et la ime ressource nest pas totalement utilise.
Par exemple: (4 +) x1 + 2x2 440
(4 + )x1 +2x2 + S2 = 440
A loptimum, la solution est inchange donc
(4 ) x1* 2 x 2* S * 2 440
S*2 60, x1* 0, x2* 0
Pour que la base demeure toujours optimale il faut et il suffit que

x2* S2* 60 60
*
* 60 x2 0 * 3 / 2
S2 0 x2
Conclusion: Dans le cas o xj serait une variable de base optimale et o la ime
ressource nest pas totalement utilise, il est possible de modifier le coefficient
Si
ij
aij dune valeur ij gale x *j et la solution optimale demeure stable.
iii) Si xj est une variable hors base (xj = 0). Ceci implique quon ne va pas
produire le produit j
Si ij 0, alors il est encore moins conomique de fabriquer ce produit si le
coefficient technologique aij augmenterait de ij
Si ij 0 , alors la fabrication du produit j peut devenir conomique si on
utilise moins de ressources.

IV. Introduction dune nouvelle activit


On sait dj que la valeur optimale de la variables duale reprsentent les cots
marginaux (dopportunit) associs lutilisation de ressources limites.
On peut galement utiliser ces cots marginaux pour valuer des dcision
concernant lintroduction de nouveaux produits ou de nouveaux procds de
fabrication.

a. Introduction dune nouvelle variable de dcision


Lagriculteur prvoit de produire des pommes de terre. Un hectare de pomme de
terre demande 3 m3 deau et 2 heures de travail pour un revenu de C3 dinars.

La question est pour quelle valeur de C3, lagriculteur a-t-il intrt introduire
cette nouvelle production ?

Sans rsoudre le nouveau programme linaire suivant:


Max 100x1 + 200x2 + C3x3
S.c x1 + x2 + x3 150
4x1 + 2x2 +3x3 440
x1 + 4x2 + 2x3 480
x1 90
x1, x2, x3 0
On peut dterminer si lagriculteur a un intrt introduire la production ou pas.
En dautres termes, sil na pas intrt le faire, la solution optimale du
programme linaire ci-dessus donne x3 = 0. Ce qui revient dire, que pour
lagriculteur lutilisation dun hectare de terrain, de 3 mtres cube deau et de
deux heures de travail lui procurent plus de gain sils va les mettre au service de
la production de tomates et/ou de piments plutt que dans la production de
pommes de terre. Ceci est quivalent au fait que la contrainte suivante:
y1* 3 y 2* 2 y 3* C 3 nest pas satisfaite (avec y1* , y 2* et y 3* sont les prix minimaux
des ressources pour notre agriculteur).

Cette contrainte correspond la 3 me contrainte du programme dual du


programme linaire ci-dessus :
200 * 100
On a : y1* ,y 2 0 et y*3 , donc :
3 3
Si C3 < 200/3, lagriculteur na pas intrt introduire la nouvelle activit
Si C3 > 200/3, lagriculteur a intrt introduire cette nouvelle activit, la
solution optimale va changer et la valeur de la fonction objectif augmentera
Si C3 = 200/3, lagriculteur est indiffrent envers lintroduction de cette
nouvelle activit.

b. Introduction dune nouvelle contrainte


Si la solution optimale satisfait la nouvelle contrainte, le problme admettra la
mme solution. Sinon lintroduction de cette contrainte va engendrer une
nouvelle solution optimale.

Vous aimerez peut-être aussi