UNIVERSITÉ DE LOMÉ

FACULTÉ DES SCIENCES

DÉPARTEMENTS DE MATHS
Semestre 3
UE :
MTH 224
COURS ET EXERCICES
RECHERCHE OPÉRATIONNELLE

Charge de cours : Prof : Minontikpo Yaovi Awussi

Maitre de Conférences

jawussi@yahoo.fr

Assistant : Abalo Douhadji

Docteur

douhadjiabalo@gmail.com

19 avril 2021
2
Table des matières

1 PROGRAMMATION LINÉAIRE 5
1.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 5
1.2 Problème général de programmation linéaire . . . . . . . . . . . . . . . . . 5
1.3 Exemples . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
1.3.1 Un exemple numérique de deux variables . . . . . . . . . . . . . . . 7
1.3.2 Un problème de transport . . . . . . . . . . . . . . . . . . . . . . . 8
1.3.3 Un problème de répartition de ressources . . . . . . . . . . . . . . . 9
1.4 Travaux dirigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9

2 MÉTHODE DU SIMPLEXE 13
2.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2 Définitions et théorèmes . . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.1 Ensembles convexes . . . . . . . . . . . . . . . . . . . . . . . . . . . 13
2.2.2 Caractérisation des points extrêmes . . . . . . . . . . . . . . . . . . 14
2.3 Passage d’un extrême à un autre . . . . . . . . . . . . . . . . . . . . . . . 17
2.3.1 Présentation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 17
2.3.2 Exemple de passage d’un extrême (sommet) à un autre.
Méthode classique . . . . . . . . . . . . . . . . . . . . . . . . . . . 18
2.3.3 Algorithme du simplexe . . . . . . . . . . . . . . . . . . . . . . . . 19
2.3.4 Calculs pratiques . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21
2.4 Travaux dirigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22

3 DUALITÉ 27
3.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.1.1 Conséquences d’un système d’inéquations linéaires . . . . . . . . . . 27
3.1.2 Théorèmes à la base de la dualité . . . . . . . . . . . . . . . . . . . 28
3.2 Le problème dual d’un programme linéaire . . . . . . . . . . . . . . . . . . 29
3.3 Travaux dirigés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 33

4 PROBLÈME DE TRANSPORT 37
4.1 Introduction . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 37
4.1.1 Présentation du problème . . . . . . . . . . . . . . . . . . . . . . . 37

3
 TABLE DES MATIÈRES

Recherche Opérationnelle 4 Y. M. AWUSSI

MTH 224
Chapitre 1

DUALITÉ

1.1 Introduction
L’objectif de ce chapitre est de montrer qu’ à tout problème de programmation li-
néaire P , on peut associer un autre problème D qui sera lui aussi un autre problème de
programmation linéaire.
Dans le problème P la fonction objectif est une combinaison linéaire de n variables. Il y
a m contraintes. Dans le problème D la fonction objectif est une combinaison linéaire de
m valeurs qui sont limites sur les m contraintes du problème P . Il y a n contraintes dans
D.

1.1.1 Conséquences d’un système d’inéquations linéaires

Soit le système d’équations linéaires :


 A1 (x) = a1
 A2 (x) = a2

(S) ..


 .
 A (x) = a
m m

où A1 (x), A2 (x), ..., Am (x) sont m formes linéaires à n variables x1 , x2 , ..., xn .

Nous savons que λ1 , λ2 , ..., λm étant m nombres quelconques, l’équation

λ1 A1 (x) + λ2 A2 (x) + ... + λn An (x) = λ1 a1 + λ2 a2 + ... + λm am

est une conséquence du système d’équations(S), c’est à dire qu’elle est vérifiée par tout
x, qui vérifie le système (S).
Considérons maintenant le système (S 0 ) d’inéquations linéaires (toutes écrites dans le
même sens).

5
 CHAPITRE 1. DUALITÉ



 A1 (x) > a1
 A2 (x) > a2

(S 0 ) ..


 .
 A (x) > a
m m

en multipliant la première par λ1 positif, la seconde par λ2 positif,..., la m-ième par λm

positif, et en ajoutant membre à membre, il vient :

(Σ) : λ1 A1 (x) + λ2 A2 (x) + ... + λn An (x) > λ1 a1 + λ2 a2 + ... + λm am

(Σ) est une conséquence de (S 0 ), en ce sens que (Σ) est vérifiée par tout x qui vérifie (S 0 ).
Il en serait de même si nous prenions comme second membre de (Σ) un nombre M0 tel
que
M0 6 λ1 a1 + λ2 a2 + ... + λm am
alors
(Σ0 ) : λ1 A1 (x) + λ2 A2 (x) + ... + λn An (x) > M0
est aussi une conséquence de (S 0 )
EXEMPLE :
Soit le système (S 0 ) :

0 x+y >1
(S )
x + 2y > 2

L’ensemble des points (x, y), qui sont solutions de ce système d’inéquations est hachuré
sur la figure (faire la figure dans le plan)
Une conséquence de (S 0 ) peut être trouvée par :
(Σ) : (x + y) + (x + 2y) > 1 + 2 (λ1 = 1, λ2 = 1)
Les solutions de Σ sont les points situés au dessus de la droite 2x + 3y = 3 et nous voyons
que toute solution de (S 0 ), c’est à dire tout point de la zone hachurée, est solution de (Σ).
Il en serait de même pour (Σ0 ), définie par 2x + 3y > 0

1.1.2 Théorèmes à la base de la dualité

. Ces théorèmes ont pour objet de préciser les conditions dans lesquelles une inéquation
linéaire est une conséquence d’un système d’inéquations linéaires
Théorème 1.1.1 (Cas des inéquations homogènes) Une condition nécessaire et suffisante
pour que l’inéquation C 0 x > 0 soit une conséquence du système Ax > 0 est qu’il existe un
vecteur λ > 0 tel que C 0 = λ0 A
Preuve. La condition exprime donc que le vecteur C 0 (transposé du vecteur C) est une
combinaison linéaire à coefficients positifs des lignes de la matrice A. 

Recherche Opérationnelle 6 Y. M. AWUSSI

MTH 224
 1.2. LE PROBLÈME DUAL D’UN PROGRAMME LINÉAIRE

Théorème 1.1.2 Une condition nécessaire et suffisante pour que l’inéquation C 0 x > m0
soit une conséquence du système Ax > b dont on suppose qu’il admet au moins une
solution, est qu’il existe λ > 0 tel que C 0 = λ0 A et que m0 6 λ0 b

Preuve. On se ramènera au cas du théorème précédent en introduisant une variable

d’homogénéité. 

1.2 Le problème dual d’un programme linéaire

Pour mettre en évidence les correspondances qui existent entre ces deux problèmes, il
est commode de distinguer les variables, qui doivent êtres positives ou nulles, des variables
qui ne sont soumises à aucune condition de signe et de distinguer également les contraintes
qui s’expriment par des équations de celles qui s’expriment par des inéquations.
Le problème P s’énoncera donc :
Trouver le minimum de f 0 x + g 0 y sous les contraintes


 x>0
Ax + By = h
Cx + Dy > k


A ce problème P peut être associé un problème D :

Trouver le maximum de λh + µk tel que le vecteur [λ µ]T soumis aux contraintes :


 µ>0
λA + µC 6 f 0
λB + µD = g 0


Ces deux problèmes sont tels que le maximum trouvé en résolvant le premier est égal au
maximum trouvé en résolvant le second.
On dit alors que les deux problèmes sont en dualité.
Au problème direct posé en (x, y) se trouve associé son problème dual en (λ, µ) .
Explicitons ces deux problèmes

Définition 1.2.1 Écriture du problème dual

Recherche Opérationnelle 7 Y. M. AWUSSI

MTH 224
 CHAPITRE 1. DUALITÉ

PROBLÈME DIRECT PROBLÈME DUAL

variables variables
xi > 0 i = 1, 2, ..., m λs = 0 s = 1, 2, ..., p
yj j = 1, 2, ..., n µt > 0 t = 1, 2, ..., q
Contraintes Contraintes
m n p q
X X X X
asi xi + bsj yj = hs s = 1, 2, ..., p asi λs + cti µt 6 fi i = 1, 2, ..., m
i=1 j=1 s=1 t=1

m n p q
X X X X
cti xi + dtj yj > kt t = 1, 2, ..., q bsj λs + dtj µt = gj j = 1, 2, ..., n
i=1 j=1 s=1 t=1

Objectif Objectif
m n p q
X X X X
Minimum de f i xi + gj yj Maximum de hs λs + kt µt
i=1 j=1 s=1 t=1

Définition 1.2.2 Correspondances entre les deux problèmes

1. A chaque contrainte du problème direct ( appelé aussi problème primal) est associé
une variable du problème dual ; si la contrainte est une inéquation la variable duale
associée doit être positive ou nulle ; si la contrainte est une équation, la variable
duale associée est de signe quelconque.
2. A chaque variable du problème direct est associée une contrainte du problème dual ;
si la variable est positive ou nulle, la contrainte associée se traduit par une inéqua-
tion ; si la variable est de signe quelconque, la contrainte associée est une équation.
3. La matrice des contraintes duales est la transposée de la matrice des contraintes
du problème primal.
4. Les seconds membres des contraintes d’un problème sont les coefficients de la forme
linéaire, objectif du problème posé.
5. Si le problème direct consiste à rechercher le minimum d’une forme linéaire( les
inéquations du problème doivent être écrites avec le signe > ).
Le problème dual consiste à rechercher le maximum d’une forme linéaire, et ses
inéquations doivent êtres écrites avec le signe (6)

Remarque 1.2.1 Le problème dual du problème dual donne le problème primal.

Le problème primal et du al jouent des rôles symétriques.

EXEMPLE 1
Soit le problème

Recherche Opérationnelle 8 Y. M. AWUSSI

MTH 224
 1.2. LE PROBLÈME DUAL D’UN PROGRAMME LINÉAIRE

n
X
M inimiser ci x i
i=1


 xi > 0 i = 1, 2, ..., n
n
X

 aij xi > bj j = 1, 2, ..., m
i=1

Proposer le problème dual associé.

RÉPONSE 1

D’après 1. ,le problème dual porte sur m variables, qui doivent être positives ou nulles,
soit λj > 0 j = 1, 2, ..., m ces variables.
D’après 2., le problème dual comporte n contraintes qui sont des inéquations.
D’après 3., les premiers membres de ces inéquations s’écrivent :
n
X
aij λi i = 1, 2, ..., n
i=1

D’après 4., le deuxième membre de la ième contrainte est ci

D’après 5. , on a
X n
aij λi 6 ci i = 1, 2, ..., n
i=1
Le problème dual s’énonce donc :

m
X
M aximiser bj λj
j=1

 λj > 0 j = 1, 2, ..., m
m

X

 aij λj 6 ci i = 1, 2, ..., n
j=1

EXEMPLE 2
Soit le problème

n
X
M inimiser ci x i
i=1


 xi > 0 i = 1, 2, ..., n
n
X

 aij xi = bj j = 1, 2, ..., m
i=1

Recherche Opérationnelle 9 Y. M. AWUSSI

MTH 224
 CHAPITRE 1. DUALITÉ

Proposer le problème dual associé.

RÉPONSE 2

Le problème dual porte sur m variables, mais cette fois ci, ces variables sont de signes
quelconques. Les contraintes s’écrivent comme dans le cas de l’exemple 1.
Le problème dual est donc

m
X
M aximiser bj λj
j=1
m
(
X
aij λj 6 ci i = 1, 2, ..., n
j=1

Écriture matricielle, cas pratiques.

Définition 1.2.3 Au problème primal :

min z = cT x
Ax > b
x>0
on associe le problème dual :

max z = bT y
AT y 6 c
y>0

EXEMPLE 3
Soit le problème

M in z = −x1 − x2

 −x1 − 3x2 > −3
−2x1 − x2 > −2
x1 , x2 > 0


     
−1 −3 −1 −3
Les matrices c = ,b= , et A = ,
−1 −2 −2 −1
Le dual est donc

Recherche Opérationnelle 10 Y. M. AWUSSI

MTH 224
 1.3. TRAVAUX DIRIGÉS

max z = bT y
AT y > c ce qui équivaut à
y>0

M ax z = −3y1 − 2y2

 −y1 − 2y2 6 −1
−3y1 − y2 6 −1
y1 , y2 > 0


Définition 1.2.4 Soit le problème primal

max z = cT x
Ax 6 b
x>0
Pour obtenir son dual il faut le transformer en :
−min − cT x
−Ax > −b
x>0
Puis le dual est :

−max − bT y min bT y
−AT y 6 −c ⇔ AT y > c
y>0 y>0

Théorème 1.2.1 Théorème de la dualité(version forte).

On a l’égalité

min z = cT x max z = bT y
Ax > b = AT y 6 c
x>0 y>0
et
Si un des problèmes a une solution alors l’autre problème aussi a une solution.
Si un des problèmes n’a pas de solution alors l’autre problème aussi n’a pas de une solution.

1.3 Travaux dirigés

Exercice 1.3.1 Déterminer le problème dual dans les cas suivants :
1)

M in z = 3x1 + 7x2
 −3x1 + 3x2 > −3
−2x1 − 2x2 > 4
x1 , x2 > 0


Recherche Opérationnelle 11 Y. M. AWUSSI

MTH 224
 CHAPITRE 1. DUALITÉ

2)

M in z = x1 + x2 − 5x3

 x1 − 3x2 + x3 > 3
−2x1 + 5x2 − x3 > −2


 x1 > 12
x1 , x2 , x3 > 0


3)

M in z = 50x1 + 80x2


 3x1 > 6
2x1 + 4x2 > 10


 2x1 + 5x2 > 8
x1 , x2 > 0


4)

M ax z = x1 + 5x2
 −3x1 + 3x2 6 −3
−2x1 + 6x2 6 4
x1 , x2 > 0


Correction 1.3.1 1)

M ax z = −3y1 + 4y2

 −3y1 + 2y2 6 3
−3y1 − 2y2 6 7
y1 , y2 > 0


2)

M ax z = 3y1 − 2y2 + 12y3



 y1 − 2x2 + x3 6 1
−3y1 + 5y2 6 1


 y1 − y2 6 −5
y1 , y2 , y3 > 0


3)

M ax z = 6y1 + 10y2 + 8y3


 3y1 + 2y2 + 2y3 6 50
4y2 + 5y3 6 80
y1 , y2 , y3 > 0


Recherche Opérationnelle 12 Y. M. AWUSSI

MTH 224
 1.3. TRAVAUX DIRIGÉS

4)

M in z = −3y1 + 4y2

 −3y1 − 2y2 > 1
3y1 + 6y2 > 5
y1 , y2 > 0


Exercice 1.3.2 1) Résoudre le problème primal suivant

M in z = −x1 − x2
 −x1 + 3x2 > −3
−2x1 − 2x2 > −2
x1 , x2 > 0


2) En déduire le problème dual et le résoudre.

Correction 1.3.2 1) z = −7/5 au point (x1 , x2 ) = (3/5, 4/5)

2)z = −7/5 au point (y1 , y2 ) = (1/5, 2/5)

Exercice 1.3.3 Démontrer que si Ax > b et AT y 6 c alors bT y 6 cT x ∀x, y > 0

Exercice 1.3.4 Soit le problème

M ax z = 3/2x1 + x2

 2x1 x2 6 2
x2 6 1
x1 , x2 > 0


1. Résoudre ce problème par la méthode du simplexe.

2. Représenter graphiquement l’ensemble solution.
3. Écrire matriciellement le problème en précisant les matrices.
4. Écrire et résoudre le problème dual.

Recherche Opérationnelle 13 Y. M. AWUSSI

MTH 224
 CHAPITRE 1. DUALITÉ

Recherche Opérationnelle 14 Y. M. AWUSSI

MTH 224
Chapitre 2

PROBLÈME DE TRANSPORT

2.1 Introduction
L’algorithme du simplexe est bien entendu valable pour tout problème de programma-
tion linéaire ; mais il n’est pas nécessairement le plus efficace pour traiter les problèmes
dont l’ensemble des contraintes présente certaines particularités.
Nous présentons dans ce chapitre deux types particuliers de problèmes, pour chacun des-
quels a été élaboré un algorithme de résolution qui tient précisément compte des caracté-
ristiques particulières des contraintes de chacun de ces problèmes.
Précisons des maintenant qu’il ne s’agit pas de méthodes fondamentalement différente de
la méthode du simplexe. ces algorithmes sont des adaptations de la méthode du simplexe
aux problèmes particuliers envisagés.
Celui que nous exposons dans ce chapitre est une illustration des propriétés de la dualité,
qui ont été exposés .

2.1.1 Présentation du problème

Une marchandise doit être transportée de m magasins vers n centres de consommation.
les centres consommateurs demandent respectivement b1 , b2 , . . . , bj , . . . , bn unités de cette
marchandise. Les centres d’expédition peuvent en fournir a1 , a2 , . . . , aj , . . . , an unités. Le
coût de livraison d’une unité du centre (i) au centre (j) est connu et noté cij .
Pour que le probleme soit possible, il faut bien évidemment que les quantités disponibles
soient au moins égales aux quantités demandées.
m
X m
X
ai > bj
i=1 j=1

Nous allons supposer en fait que

m
X m
X
ai = bj = A
i=1 j=1

15
 CHAPITRE 2. PROBLÈME DE TRANSPORT

Ce qui n’est pas restrictif, puisque l’on peut toujours supposer que l’excès de l’offre sur
la demande fait l’objet de stocks, les magasins de stocks etant localisés aux centres de
distribution, avec un coût unitaire de livraison nul.
La quantité transportée de (i) en (j) sera notée xij . Le problème est de déterminer les
(m × n)quantités xij de telle sorte que :



 xij > 0

 n
X


 xij = ai i = 1, 2, ..., m
j=1 (2.1)

 Xm

xij = bj j = 1, 2, ..., n




i=1
P P
et que i j cij xij soit minimum.
Constatons tout de suite que les (m + n) contraintes ne sont pas indépendantes puisque
l’on a : m X n
X
xij = A
i=1 j=1

Il n’y a donc seulement que (m + n − 1) contraintes indépendantes.

Observons aussi que chaque variable xij intervient deux fois et deux seulement. Une fois
dans les équations (4.1) . De plus tous les coefficients sont égaux à 1. Par conséquent
tout vecteur Pij , associé à la variable xij , n’a parmi ses m 6= n composantes que deux
composantes (égales à 1) différentes de zéro.
On peut exploiter cette structure particulière des contraintes, en formulant le problème
ainsi : remplir de nombres positifs ou nuls un tableau rectangulaires, à m lignes et n
colonnes, dont les totaux marginaux sont donnés. Parmi toutes les solutions possibles,
on cherche celle pour laquelle la somme des cases du tableau, pondérées par les cij , est
minimum.

x11 x12 x13 ... x1n a1

..
... ... ... ... ... .
..
... ... ... ... ... .
xm1 xm2 xm3 . . . xmn am
b1 b2 b3 . . . bn
Le problème dual : A la première équation de 4.1, on associe une variable ui , i = 1, 2, ..., m
et à la seconde équation de 4.1, on associe une variable vj , j = 1, 2, ..., n.
Les variables du problème dual ne sont soumises à aucune condition de signe, puisqu’elles
sont associées à des équations.
L’objectif du problème dual est de maximiser

a1 u1 + a2 u2 + ... + am um + b1 v1 + b2 v2 + ... + bn vn .

Recherche Opérationnelle 16 Y. M. AWUSSI

MTH 224
 2.1. INTRODUCTION

Les (m × n) contraintes, qui correspondent aux (m × n) variables xij > 0 sont des inéqua-
tions, qui s’écrivent simplement.
ui + vj 6 cij
EXEMPLE
Prenons un problème de 2 lignes et 3 colonnes.

x11 x12 x13 a1

x21 x22 x23 a2
b1 b2 b3
Ce qui veut dire :

x11 + x12 + x13 = a1 : u1

x21 +x22 +x23 = a2 : u2
x11 x21 = b1 : v1
x12 +x22 = b2 : v2
x13 +x23 = b3 : v3
Les contraintes du dual sont :

u1 + v1 6 c11 u1 + v2 6 c12 u1 + v3 6 c13

u2 + v1 6 c21 u2 + v2 6 c22 u2 + v3 6 c23
Les ui et vj ne sont soumis a aucune contrainte de signe.

Recherche Opérationnelle 17 Y. M. AWUSSI

MTH 224
 CHAPITRE 2. PROBLÈME DE TRANSPORT

Recherche Opérationnelle 18 Y. M. AWUSSI

MTH 224
Bibliographie

[1] A. DOUHADJI et Y.M. AWUSSI : Cours et exercices de recherche opérationnelle

MTH 224 Université de Lomé 2020-2021
[2] A. DOUHADJI et Y.M. AWUSSI : cours et exercices de géométrie euclidienne
MTH 109. Université de Lomé 2019-2020
[3] A. DOUHADJI et Y.M. AWUSSI : Cours de théorie de graphes MTH 225. Uni-
versité de Lomé 2020-2021
[4] A. DOUHADJI et Y.M. AWUSSI : Caractérisation d’une mesure vectorielle ;
application dans GL(2; R), Open Journal of Mathematical Sciences ; 2020 ; 4 ;
74-77
[5] A. DOUHADJI et Y. M. AWUSSI : Décomposition d’une mesure vectorielle Theo-
retical mathematics and applications, vol.10, n◦ 2, 2020, p : 9-13
[6] A. DOUHADJI et Y.M. AWUSSI : Absolue continuité d’une mesure vectorielle
sur un groupe de Lie compact soumis
[7] A. DOUHADJI et Y. M. AWUSSI : Les multiplicateurs sur L1 (GL(2; R); R4 )
soumis et accepté à Asia Pacific Journal of Mathematics.
[8] A. DOUHADJI et Y. M. AWUSSI : Les mesures vectorielles étrangères Open
Journal of Mathematical Sciences ; 2020, 4, 248-252.
[9] A. DOUHADJI et Y. M. AWUSSI : La non transitivité des mesures vectorielles
étrangères soumis à Jordan Journal of Mathematics and Sciences.
[10] A. DOUHADJI et Y. M. AWUSSI : A vector measure on a locally compact sub-
group is a restriction of a vector measure ? soumis dans Open Journal of Mathe-
matical Sciences.
[11] A. DOUHADJI, A. ISSA et Y. M. AWUSSI : The integral form of multipliers on
space of integrable functions on sympletic group soumis dans Journal of Applied
Analysis and Computation.
[12] Y.M. AWUSSI : On the absolute continuity of vector measure, Theoretical ma-
thematics and applications, vol.3, n◦ 4, 2013, p : 41-45

19