Cours de la

Recherche opérationnelle
Filière Economie et Gestion

Semestre 6

Pr. Anass TAHA Année universitaire 2021-2022

 Plan

1. Introduction à la RO

2. Programme linéaire et terminologie de base

3. Résolution graphique

4. La méthode du simplexe

5. La dualité et analyse de la sensibilité

Pr. Anass TAHA – 2022 2

5 – La dualité et analyse de la sensibilité
 La dualité (1/1)
Le problème dual

Définition : La dualité associe à tout problème linéaire un autre problème linéaire qui est appelé problème dual
du problème initial ; par opposition le problème initial est appelé problème primal.

La dualité présente un double intérêt :

• d’une part, le programme dual à une interprétation économique importante : il constitue une autre vision du
programme primal. En particulier, la dualité permet de montrer qu’un problème d’allocation optimale des
ressources rares est aussi un problème de tarification optimale de ces ressources ;

• d’autre part, les propriétés liant le programme primal et son dual permettront de résoudre des problèmes de
minimisation en termes de maximisation, ce qui est souvent plus facile, et de développer de nouveaux
algorithmes qui se révéleront plus performants dans un grand nombre de situations.

Pr. Anass TAHA – 2022 4

 Construction d’un modèle dual (1/6)
Exemple 1

L’entreprise REMOX envisage la fabrication de quatre produits. La fabrication de chaque produit nécessite une
certaine quantité de ressources. Les ressources consommées, les stocks des ressources et les bénéfices des
produits sont récapitulés dans le tableau suivant :

Pr. Anass TAHA – 2022 5

 Construction d’un modèle dual (2/6)
Exemple 1

Appelant 𝑥1 ; 𝑥2 ; 𝑥3 ; 𝑥4 les quantités respectives de produits 1, 2, 3, 4, le problème admet le modèle (𝑃) suivant :

𝑀𝑎𝑥 𝑧 = 7𝑥1 + 9𝑥2 + 18𝑥3 + 17𝑥4

2𝑥1 + 4𝑥2 + 5𝑥3 + 7𝑥4 ≤ 42
(P) 𝑥1 + 𝑥2 + 2𝑥3 + 2𝑥4 ≤ 17
𝑥1 + 2𝑥2 + 3𝑥3 + 3𝑥4 ≤ 24
𝑥1 , 𝑥2 , 𝑥3 , 𝑥4 ≥ 0

Pr. Anass TAHA – 2022 6

 Construction d’un modèle dual (3/6)
Exemple 1

Brahim, le propriétaire d’une entreprise concurrente de la même ville, se propose de racheter les ressources de
l’entreprise REMOX. Ce dernier connaît bien les paramètres du modèle (𝑃), qu’il sait formuler mais sans savoir le
résoudre. Brahim offre à REMOX de lui racheter les ressources à des prix unitaires qu’il reste à fixer. REMOX se
montre intéressé, à condition d’y trouver son compte.

Soit 𝑢1 , 𝑢2 et 𝑢3 les prix respectifs pour s’approprier chaque une unité de la ressource 𝐴 , de 𝐵 et de 𝐶
respectivement. Comme Brahim ne jette pas son argent par les fenêtres, il veut débourser le moins possible pour
l’achat de la totalité des trois ressources de l’entreprise REMOX. Il cherche alors à minimiser :

𝑚𝑖𝑛 𝑤 = 42𝑢1 + 17𝑢2 + 24𝑢3

Pr. Anass TAHA – 2022 7

 Construction d’un modèle dual (4/6)
Exemple 1

Quand REMOX vend 1 unité du Produit 1, elle empoche 7 DH. Mais pour vendre une unité du Produit 1, elle lui
faut consacrer à sa production : 2 unités de la ressource A, 1 unité de la ressource B et 1 unité de la ressource C.
Brahim estime que REMOX n’acceptera pas de céder ce paquet de ressources pour moins de 7 DH.

2 𝑢1 + 1 𝑢2 + 1 𝑢3 ≥ 7 (Produit 1)

Une démarche similaire à propos des autres produits l’amène à écrire que :

4 u1 + 1 u2 + 2 u3 ≥ 9 (Produit 2)
5 u1 + 2 u2 + 3 u3 ≥ 18 (Produit 3)
7 u1 + 1 u2 + 3 u3 ≥ 17 (Produit 4)

Avec
𝑢1 , 𝑢2 , 𝑢3 ≥ 0

Pr. Anass TAHA – 2022 8

 Construction d’un modèle dual (5/6)
Exemple 1

Finalement, pour déterminer les prix unitaires minimaux qu’elle proposera à Remox, l’entreprise concurrente
devrait résoudre le programme linéaire suivant :

𝑚𝑖𝑛 𝑤 = 42𝑢1 + 17𝑢2 + 24𝑢3

2 𝑢1 + 1 𝑢2 + 1 𝑢3 ≥ 7
4 u1 + 1 u2 + 2 u3 ≥ 9
(D)
5 u1 + 2 u2 + 3 u3 ≥ 18
7 u1 + 1 u2 + 3 u3 ≥ 17
u1 , u2 , u3 ≥ 0

Pr. Anass TAHA – 2022 9

 Construction d’un modèle dual (6/6)
Exemple 1

Les problèmes (𝑃) et (𝐷) utilisent exactement les mêmes données numériques. On peut les lire directement à
partir du tableau ci-dessous ; (𝑃) correspond à une lecture ligne par ligne, (𝐷) à une lecture colonne par colonne.

Pr. Anass TAHA – 2022 10

 Construction d’un modèle dual (1/4)
Exemple 2

Un pharmacien doit préparer une poudre vitaminée contenant au moins 25 mg de vitamine A, 60 mg de vitamine
B et 15 mg de vitamine C. Il s’approvisionne auprès d’un laboratoire qui vend deux types de poudre vitaminée en
sachet :

• au prix de 60 dh, une poudre X contenant 20 mg de vitamine A, 30 mg de vitamine B et 5 mg de vitamine C ;

• au prix de 90 dh, une poudre Y contenant 5 mg de vitamine A, 20 mg de vitamine B et 10 mg de vitamine C ;

Combien doit-il se procurer de poudre X et de poudre Y pour assurer, au coût minimum, sa nouvelle poudre ?

Pr. Anass TAHA – 2022 11

 Construction d’un modèle dual (2/4)
Exemple 2

Le problème du pharmacien se formule :

où 𝑥1 et 𝑥2 les nombres de poudres de types X et Y qu’il doit mélanger.

Le laboratoire décide de vendre séparément les vitamines A, B et C en sachet de 25, 60 et 15 unités. Combien
doit-il vendre l’unité de chaque vitamine pour être compétitif avec le pharmacien ?

Pr. Anass TAHA – 2022 12

 Construction d’un modèle dual (3/4)
Exemple 2

Soit 𝑢1 , 𝑢2 et 𝑢3 les prix unitaires respectifs de 𝐴, de 𝐵 et de 𝐶 respectivement. Le laboratoire cherche donc à

maximiser son chiffre d’affaire :
𝑚𝑎𝑥 𝑤 = 25𝑢1 + 60𝑢2 + 15𝑢3

Le laboratoire doit fixer les prix offerts pour les vitamines de façon à ce que :

• un mélange équivalent à la poudre X ne coûte pas plus cher que la poudre X ;

• un mélange équivalent à la poudre Y ne coûte pas plus cher que la poudre Y.

20 u1 + 30 u2 + 5 u3 ≤ 60 (Mélange 1)
5 u1 + 20 u2 + 10 u3 ≤ 90 (Mélange 2)

𝑢1 , 𝑢2 , 𝑢3 ≥ 0

Pr. Anass TAHA – 2022 13

 Construction d’un modèle dual (4/4)
Exemple 2

Finalement, pour déterminer les prix unitaires maximaux qu’il ne doit pas dépasser pour rester compétitif, le
laboratoire devrait résoudre le programme linéaire suivant :

𝑚𝑎𝑥 𝑤 = 25𝑢1 + 60𝑢2 + 15𝑢3

20 u1 + 30 u2 + 5 u3 ≤ 60
(D)
5 u1 + 20 u2 + 10 u3 ≤ 90
u1 , u2 , u3 ≥ 0

Pr. Anass TAHA – 2022 14

 La dualité (1/9)
Définition du problème dual

Soit le problème primal :

Le problème dual correspondant est :

Pr. Anass TAHA – 2022 15

 La dualité (2/9)
Définition du problème dual

En notation matricielle :

Pr. Anass TAHA – 2022 16

 La dualité (3/9)
Règles de passage du primal au dual

Les règles de passage du primal au dual sont simples : elles résultent pour la plupart de la transposition de 𝐴.

• A étant de 𝑝 × 𝑛, le primal possède 𝑛 variables et le dual 𝑝 variables ;

• Le second membre du primal devient le vecteur des coefficients de la fonction objectif du dual et
réciproquement ;

• Si le primal est un problème de maximisation, le dual est un problème de minimisation et réciproquement ;

• Le sens des contraintes réelles est inversé ;

• Les variables duales doivent être positives ou nulles.

Pr. Anass TAHA – 2022 17

 La dualité (4/9)
Exemple 1

Soit le problème linéaire :

Son dual est :

Pr. Anass TAHA – 2022 18

 La dualité (5/9)
Exemple 2

Soit le problème linéaire :

Son dual est :

Pr. Anass TAHA – 2022 19

 La dualité (6/9)
Exemple 3

Soit le problème linéaire :

Son dual est :

Pr. Anass TAHA – 2022 20

 La dualité (7/9)
Contraintes d’égalité

Si le problème primal est sous la forme :

𝑚𝑖𝑛 𝑐 𝑥
(P) 𝐴𝑥 = 𝑏
𝑥≥0

Son dual correspondant est :

𝑚𝑎𝑥 u b
(D) 𝐴𝑡 𝑢 ≥ 𝑐
𝑢 𝑞𝑐𝑞

Pr. Anass TAHA – 2022 21

 La dualité (8/9)
Règles de dualisation

Le tableau suivant donne un ensemble de règles formelles permettant de passer d’un problème de P.L. général à
sa forme duale.

Pr. Anass TAHA – 2022 22

 La dualité (9/9)
Exercices d’application

Donner le dual des P.L. suivants :

Max 2x1 − x2 Max 2x1 − x2

x1 − x2 = 3 x1 − 2x2 ≤ 2
(P1) (P2)
x1 ≤ 4 x1 + x2 = 6
x1 ≥ 0, x2 ≥ 0 x2 ≤ 5
x1∈ IR, x2∈ IR

Min 3 y1+ 4 y2 Min − 2y1 + 6y2 − 5y3

y1+ 2 y2 ≥ 2 y 1 + y2 = 2
(D1) (D2)
− y1 ≥ −1 − 2y1 + y2+ y3 = −1
y1∈ IR, y2 ≥ 0 y1 ≥ 0, y2 ∈ IR, y3 ≥ 0

Pr. Anass TAHA – 2022 23

 Propriétés de la dualité (1/7)
Dualité faible

Propriété 1 : Si 𝑥ҧ et 𝑢ത sont des solutions réalisables respectivement du primal (maximum) et du dual (minimum),
elles vérifient :
𝑐𝑥ҧ ≤ 𝑢𝑏
ത

En effet,

Pr. Anass TAHA – 2022 24

 Propriétés de la dualité (2/7)
Dualité faible

Corollaire 1 :

Une solution réalisable du dual (resp. primal) fournit une borne supérieure (resp. inférieure) de 𝑧ǁ (resp. 𝑤)
෥ :
𝑧ǁ ≤ 𝑢𝑏 , ∀ 𝑢 𝑟é𝑎𝑙𝑖𝑠𝑎𝑏𝑙𝑒 𝑑𝑢 𝑑𝑢𝑎𝑙
𝑤
෥ ≥ 𝑐𝑥 , ∀ 𝑥 𝑟é𝑎𝑙𝑖𝑠𝑎𝑏𝑙𝑒 𝑑𝑢 𝑝𝑟𝑖𝑚𝑎𝑙

Corollaire 2 :

Soient 𝑥ҧ et 𝑢ത des solutions réalisables respectivement du primal et du dual. Si 𝑐𝑥ҧ = 𝑢ത 𝑏, alors 𝑥ҧ et 𝑢ത sont des
solutions optimales

Note : Le corollaire 2 indique que l’égalité des fonctions économiques du primal et du dual est une condition
suffisante d’optimalité pour des solutions réalisables des deux problèmes.

Pr. Anass TAHA – 2022 25

 Propriétés de la dualité (3/7)
Dualité faible

Corollaire 3 :

Si un problème possède une valeur optimale infinie, son dual est impossible.

En effet, supposons que 𝑧ǁ = +∞. D’après le corollaire 1 :

+∞ ≤ 𝑢𝑏 , ∀ 𝑢 𝑟é𝑎𝑙𝑖𝑠𝑎𝑏𝑙𝑒 𝑑𝑢 𝑑𝑢𝑎𝑙

Ce qui est impossible.

Même démonstration si le dual est non borné.

𝑤
෥ = −∞ ⇒ 𝑐𝑥 ≤ −∞ ⇒ 𝑙𝑒 𝑝𝑟𝑖𝑚𝑎𝑙 𝑒𝑠𝑡 𝑖𝑚𝑝𝑜𝑠𝑠𝑖𝑏𝑙𝑒

Pr. Anass TAHA – 2022 26

 Propriétés de la dualité (4/7)
Dualité forte

Propriété 2 : Si le problème primal (resp. dual) possède une solution optimale finie, alors il en de même pour le
problème dual (resp. primal) et de plus 𝑧ǁ = 𝑤.
෥

Corollaire :

L’égalité des fonctions économiques du primal et du dual est donc une C.N.S. d’optimalité pour des solutions
réalisables des deux problèmes.

Pr. Anass TAHA – 2022 27

 Propriétés de la dualité (5/7)
Dualité forte

Propriété 3 :

Dans un couple de problèmes liés par la dualité :

• soit les deux problèmes ont des solutions optimales finies ;

• soit un problème est impossible et l’autre a une valeur optimale infinie ;

• soit les deux problèmes sont impossibles.

Toutes les autres situations sont irréalisables.

Pr. Anass TAHA – 2022 28

 Propriétés de la dualité (6/7)
Illustration

(P) a une valeur optimale infinie et (D) est un problème impossible.

Pr. Anass TAHA – 2022 29

 Propriétés de la dualité (7/7)
Illustration

(P) et (D) sont deux problèmes impossibles.

Pr. Anass TAHA – 2022 30

 Théorème des écarts complémentaires (1/6)
Condition nécessaire d’optimalité

Propriété : Soient 𝑥ҧ et 𝑢ത deux solutions réalisables respectivement du primal et du dual. Une CNS pour que 𝑥ҧ et 𝑢ത
soient solutions optimales, est qu’elles vérifient les relations :
𝑢(𝐴
ത 𝑥ҧ − 𝑏) = 0
𝑐 − 𝑢𝐴
ത 𝑥ҧ = 0

Etant donné que par hypothèse,

Une CNS d’optimalité équivalente à 𝑐𝑥ҧ = 𝑢𝑏

ത est donc 𝛼 = 𝛽 = 0

Pr. Anass TAHA – 2022 31

 Théorème des écarts complémentaires (2/6)
Contraintes serrés (saturées)

Appelons
𝐿𝑖 𝑥 ≤ 𝑏𝑖 , 𝑢𝑖 ≥ 0 𝑖 = 1, . . . , 𝑚
ou

𝑥𝑗 ≥ 0 , 𝑢𝐶𝑗 ≥ 𝑐𝑗 𝑗 = 1, . . . , 𝑛
Des couples de contraintes duales.

Convenons qu’une contrainte d’inégalité (≥ ou ≤) est dite serrée (saturée) pour une solution, si elle est vérifiée
avec le signe d’égalité (=) et non serrée (non saturée) dans le cas où elle est vérifiée avec le signe d’inégalité
stricte (< ou >).

Pr. Anass TAHA – 2022 32

 Théorème des écarts complémentaires (3/6)
Condition nécessaire d’optimalité

Le théorème des écarts complémentaires peut alors s’énoncer :

Propriété : A l’optimum, dans tout couple de contraintes duales, il y a au moins une contrainte serrée.

Ainsi, si 𝑥ҧ et 𝑢ത sont des solutions optimales, respectivement du primal et du dual, on en déduit :

• 𝑥𝑗ҧ > 0 ⟶ 𝑢ത 𝐶𝑗 = 𝑐𝑗
• 𝐿𝑖 𝑥ҧ < 𝑏𝑖 ⟶ 𝑢ത 𝑖 = 0
• 𝑢ത𝑗 > 0 ⟶ 𝐿𝑖 𝑥ҧ = 𝑏𝑖
• 𝑢𝐶
ത 𝑗 > 𝑐𝑗 ⟶ 𝑥𝑗ҧ = 0

Pr. Anass TAHA – 2022 33

 Théorème des écarts complémentaires (4/6)
Exemple

L’objectif de cet exemple est de vérifier l’optimalité d’une solution réalisable (𝑥1 ; 𝑥2 ) de (𝑃) en appliquant le TEC
(sans utiliser ni la méthode graphique ni la méthode du simplexe).

Considérons le problème (𝑃) suivant et son dual (𝐷) :

Pr. Anass TAHA – 2022 34

 Théorème des écarts complémentaires (5/6)
Exemple
Soit la solution primale (𝑥1 ; 𝑥2 ) de (𝑃) donnée par : 𝑥1 = 0 𝑒𝑡 𝑥2 = 32

En remplaçant les termes de 𝑥1 et 𝑥2 dans les contraintes, on constate que :

• Les deux dernières contraintes de (𝑃) ne sont pas saturées. Donc les deux variables duales associées sont
nulles, soit 𝑢2 = 𝑢3 = 0 ;
• La variable 𝑥2 est strictement positive (𝑥2 > 0). Ceci implique que 2e contrainte duale est saturée,
soit 3𝑢1 + 𝑢2 + 4𝑢3 = 25. Donc 3𝑢1 = 25 puisque 𝑢2 = 𝑢3 = 0.

D’où la solution : (𝑢1 ; 𝑢2 ; 𝑢3 ) = (25/3; 0; 0)

Cette solution ne satisfait pas la 1ère contrainte duale et donc elle est non réalisable ! Et par suite la solution
primale (𝑥1 , 𝑥2 ) = (0, 32) précédente n’est donc pas optimale !

Pr. Anass TAHA – 2022 35

 Théorème des écarts complémentaires (6/6)
Exemple
Considérons maintenant la solution primale : 𝑥1 = 12 𝑒𝑡 𝑥2 = 28

En remplaçant les termes de 𝑥1 et 𝑥2 dans les contraintes, on constate que :

• La dernière contrainte du primale (𝑃) n’est pas saturées. Donc la variable duale associée est nulle, soit 𝑢3 = 0 ;
• Les variables 𝑥1 et 𝑥2 sont strictement positives (𝑥1 > 0 𝑒𝑡 𝑥2 > 0). Donc les deux contraintes duales saturées.
Comme 𝑢3 = 0, on obtient donc le système suivant :
𝑢1 + 𝑢2 = 15
3𝑢1 + 𝑢2 = 25
En faisant la différence des 2 égalités, on obtient :
2𝑢1 = 10 ⟹ 𝑢1 = 5 ⟹ 𝑢2 = 10

D’où la solution : (𝑢1 ; 𝑢2 ; 𝑢3 ) = (5; 10; 0), est réalisable pour (D). Par primale (𝑥1 , 𝑥2 ) = (0, 32) est optimale !

Pr. Anass TAHA – 2022 36

 Analyse de la sensibilité (1/6)
Définition

Définition : Une solution de base optimale est dite stable si l’ensemble des variables de base à l’optimum ne
changent pas, même si les valeurs de ces variables de base sont modifiées.

on examinera la stabilité de la solution optimale d’un programme linéaire suite à la variation de l’un des
paramètres de ce programme. On utilisera pour présenter l’analyse de sensibilité l’exemple de production.

𝑚𝑎𝑥 𝑧 = 200𝑥1 + 300𝑥2

3 𝑥1 + 2 𝑥2 ≤ 600
1 𝑥1 + 2 𝑥2 ≤ 400
1 𝑥1 + 1 𝑥2 ≤ 225
x1 , x 2 ≥ 0

Pr. Anass TAHA – 2022 37

 Analyse de la sensibilité (2/6)
Analyse de sensibilité sur les 𝐶𝑗

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

En utilisant la méthode des tableau, on obtient le tableau optimal suivant :

𝟐𝟎𝟎 𝟑𝟎𝟎 𝟎 𝟎 𝟎
𝒙𝟏 𝒙𝟐 𝒆𝟏 𝒆𝟐 𝒆𝟑 𝒃𝒊
𝟎 𝒆𝟏 0 0 1 1 −4 100
𝟑𝟎𝟎 𝒙𝟐 0 1 0 1 −1 175
𝟐𝟎𝟎 𝒙𝟏 1 0 0 −1 2 50
0 0 0 −100 −100 −62500

• La solution optimale est (𝑥1 , 𝑥2 ) = (50, 175) ;

• La valeur de la fonction objectif est 𝑧 = 62500.

Pr. Anass TAHA – 2022 38

 Analyse de la sensibilité (3/6)
Analyse de sensibilité sur les 𝐶𝑗

Considérons une variation du coefficient 𝑐1 de 200 à 200 + Δ

• En remplaçant dans le tableau optimal 200 par 200 + Δ , on obtient le tableau suivant :

𝟐𝟎𝟎 + 𝚫 𝟑𝟎𝟎 𝟎 𝟎 𝟎
𝒙𝟏 𝒙𝟐 𝒆𝟏 𝒆𝟐 𝒆𝟑 𝒃𝒊
𝟎 𝒆𝟏 0 0 1 1 −4 100
𝟑𝟎𝟎 𝒙𝟐 0 1 0 1 −1 175
𝟐𝟎𝟎 + 𝚫 𝒙𝟏 1 0 0 −1 2 50
0 0 0 −100 + Δ −100 − 2Δ −62500

• −100 + Δ = −(0 × 1 + 300 × 1 + 200 + Δ × (−1))

• −100 − 2Δ = −(0 × −4 + 300 × −1 + 200 + Δ × 2)

Pr. Anass TAHA – 2022 39

 Analyse de la sensibilité (4/6)
Analyse de sensibilité sur les 𝐶𝑗

Finalement, on obtient que :

−100 + Δ ≤ 0 Δ ≤ 100
൝ ⟺ ቊ ⟺ −50 ≤ Δ ≤ 100
−100 − 2Δ ≤ 0 Δ ≥ −50

• Donc la solution optimale est stable et prend la même valeur (𝑥1 , 𝑥2 ) = (50, 175)
tant que 150 ≤ 𝑐1 ≤ 300

Pr. Anass TAHA – 2022 40

 Analyse de la sensibilité (5/6)
Analyse de sensibilité sur les contraintes

On cherche à déterminer un intervalle dans lequel peut varier 𝑏𝑖 sans que la solution optimale ne change.

• Considérons une variation dans la troisième contrainte du second membre 𝑏3 de 225 à 225 + Δ.
• Sachant que dans le premier tableau de simplexe 𝑏3 n’est présent que dans la troisième contrainte. On obtient
ainsi une correspondance entre la colonne des quantités 𝑄𝑖 et la colonne de 𝑒3 .

𝟐𝟎𝟎 𝟑𝟎𝟎 𝟎 𝟎 𝟎
𝒙𝟏 𝒙𝟐 𝒆𝟏 𝒆𝟐 𝒆𝟑 𝒃𝒊
𝟎 𝒆𝟏 0 0 1 1 −4 100 − 4Δ
𝟑𝟎𝟎 𝒙𝟐 0 1 0 1 −1 175 − Δ
𝟐𝟎𝟎 𝒙𝟏 1 0 0 −1 2 50 + 2Δ
0 0 0 −100 −100 −62500 − 100Δ

Pr. Anass TAHA – 2022 41

 Analyse de la sensibilité (6/6)
Analyse de sensibilité sur les contraintes

La base reste optimale tant que :

100 − 4Δ ≥ 0 Δ ≤ 25
ቐ 175 − Δ ≥ 0 ⟺ ቐ Δ ≤ 175 ⟺ − 25 ≤ Δ ≤ 25
50 + 2Δ ≥ 0 Δ ≥ −25

• Tant que 200 ≤ 𝑏3 ≤ 250 la base demeure la même et la solution optimale est stable mais elle change en
valeur.
• Exemple : pour Δ = 2 le vecteur de solutions optimale est (𝑥1 , 𝑥2 , 𝑒1 , 𝑒2 , 𝑒3 ) = (54,173,96,0,0)

Pr. Anass TAHA – 2022 42

Fin de la partie 05