En revanche, comme l'avait remarqué von Neumann, si les joueurs choisissent des distributions

stratégies mixtes, le gain des joueurs étant alors l'espérance

de probabilité, il y a un équilibre en
4k z de Rk+ tels que ki=1 zi = 1. Un élément de 4k
P
de gain. Notons l'ensemble des vecteurs
s'interprète comme une distribution de probabilité sur un ensemble à k éléments. Si C choisit
n m T
la distribution x ∈ 4 et L choisit la distribution y ∈ 4 , alors le gain espéré est y Ax. Un
n
équilibre de Nash en stratégies mixtes est un couple (x̃, ỹ) ∈ 4 × 4
m tels que

y 0T Ax̃ ≤ ỹ T Ax0 pour tout x0 ∈ 4n et y 0 ∈ 4m .

Le théorème suivant, dû à von Neumann, assure l'existence d'un équilibre en stratégies mixtes
pour les jeux matriciels à somme nulle.

Théorème 4.5.1.  Dans tout jeu matriciel à somme nulle, il existe un équilibre de Nash en
stratégies mixtes.

Démonstration.  On peut supposer que toutes les entrées de A sont strictement positives. En
eet, ajouter une même constante sur chaque entrée de la matrice ne change rien au jeu.
Considérons le programme linéaire

Pn
Max i=1 xi
(16) s.c. Ax ≤ 1
x ≥ 0.
Son dual est
Pm
Min j=1 yj
(17) s.c. y A ≥ 1T
T

y ≥ 0.
Le programme (16) est réalisable, car x=0 est une solution réalisable. Le programme (17) est
également réalisable : A a toutes ses entrées strictement positives ce qui implique que tout y
∗
susament grand est solution réalisable. D'après le théorème 4.4.1, il existe x solution optimale
Pm ∗ Pn
∗ xi = j=1 yj . Soit w = m
∗ ∗
P
du primal et y solution optimale du dual, telle que
Pn i=1 i=1 xi =
∗ 1 ∗ 1 ∗
j=1 yj . Les solutions x̃ := w x et ỹ := w y satisfont les relations demandées.

On peut par ailleurs démontrer facilement que, même s'il y a plusieurs équilibres de Nash
1
en stratégies mixtes, la quantité y T Ax  i.e.
w dans la preuve ci-dessus  ne change pas. On
l'appelle valeur du jeu.

4.6. Exercices
4.6.1. Production de boissons.  Une entreprise fabrique trois types de boissons : XXX,
YYY et ZZZ qui rapportent respectivement 1, 55, 3, 05 et 4, 80 le litre. Chaque boisson a un
niveau minimal de production hebdomadaire qui sont respectivement de 1020, 1450 et 750 litres.
20 litres de chaque boisson requiert un temps en heures de fabrication, un temps de mélange et
un temps d'embouteillage.

XXX YYY ZZZ

fabrication 2 3 6
mélange 4 5,5 7,5
embouteillage 2 1 3,5

55
 Pendant la semaine à venir, l'entreprise aura 708 heures disponibles en fabrication, 932 en mé-
lange et 342 en embouteillage. Formuler un modèle donnant un plan de production qui maximise
le prot.

4.6.2. Un problème de ranerie - d'après Hêche, Liebling et de Werra [6].  Une

ranerie doit fournir chaque jour deux qualités A et B d'essence à partir de constituants 1, 2 et
3. On note Qmax la quantité maximale disponible quotidiennement :

constituant Qmax coût unitaire

1 3000 3
2 2000 6
3 4000 4

essence spécication prix de vente unitaire

A ≤ 30% de 1 5,5
≥ 40% de 2
≤ 50% de 3
B ≤ 50% de 1 4,5
≥ 10% de 2

Donner un modèle qui permet de maximiser la recette, sachant que toute la production pourra
être écoulée.

4.6.3. Dual du dual.  En utilisant les recettes de dualisation du cours, montrer que le dual
du dual est équivalent au primal.

4.6.4. Théorème fort de la dualité.  En s'appuyant sur la caractérisation de l'optimalité

de la solution retournée par l'algorithme du simplexe, prouver le théorème fort de la dualité
(Théorème 4.4.1). Plus précisément, montrer que le programme (12) écrit dans la base optimale
permet de construire des solutions réalisables au dual (15) donnant le même coût à la fonction
objectif. Expliquer pourquoi cela permet de conclure.

4.6.5. Trouver une solution réalisable.  Considérons le système suivant

Ax = b
(18)
x≥0
où b ∈ Rm et A est une m×n matrice réelle. L'objectif de l'exercice est de proposer une méthode
pour tester si un tel système a une solution réalisable, et s'il en existe, en trouver une.

1. Montrer qu'on peut supposer que b ≥ 0.

Considérons maintenant le programme
Pm
Min i=1 yi
s.c. Ax + y = b
(19)
x≥0
y≥0

2. Montrer que le système (18) a une solution réalisable si et seulement si le programme (19) a
une valeur optimale = 0.
Par conséquent, l'algorithme du simplexe est une méthode pour résoudre un système de la
forme du système (18). En eet, le programme (19) a une solution basique réalisable facile à
identier : y = b et x = 0. On peut alors dérouler l'algorithme du simplexe aisément sur le

56
programme (19) à partir de cette base initiale. Noter que s'il y a une solution au système (18),
cette méthode lui trouve une solution basique réalisable. C'est donc également une méthode
pour trouver une première solution réalisable à un programme linéaire pour lequel il n'y en a
pas d'évidente.

3. Réciproquement, montrer avec la théorie de la dualité que si on a une méthode pour trouver
une solution réalisable de n'importe quel système d'équations et d'inéquations linéaires, alors on
peut utiliser cette méthode pour résoudre les programmes linéaires.

4.6.6. Meilleure droite approximante.  Soit (x1 , y1 ), (x2 , y2 ), . . . , (xn , yn ) des points
dans le plan. On cherche la meilleure droite approximante pour la norme sup, i.e. la droite
du plan d'équation ax + b = y telle que supi=1,...,n |axi + b − yi | soit le plus petit possible. Mon-
trer que cela revient à résoudre un programme linéaire. Même question en cherchant à minimiser
Pn
i=1 |axi + b − yi | .

4.6.7. Interprétation économique de la dualité.  Un diététitien utilise six produits

comme source de vitamines A et C. Il a une certaine demande en vitamine A et en vitamine C.
Il veut la satisfaire au moindre coût.
Produits (unités/kg) Demande

vitamine A 1 0 2 2 1 2 9
vitamine C 0 1 3 1 3 2 19

Prix par kg 35 30 60 50 27 22

1. Modéliser ce problème comme un programme linéaire.

2. Ecrire le programme dual. Proposer une interpréation.

4.6.8. Programmation linéaire en nombres entiers.  Un programme linéaire du type

Min cT x
(20) s.c. Ax = b
xj ∈ N j = 1, . . . , n
est appelé programme linéaire en nombres entiers.
Ecrire le problème du sac-à-dos comme un programme liénaire en nombre entiers.
Comme le problème du sac-à-dos est NP-dicile, cela prouve que la résolution des pro-
grammes linéaires en nombre entiers est également NP-dicile.

57