Académique Documents
Professionnel Documents
Culture Documents
jawussi@yahoo.fr
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
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.
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
(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
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
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
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
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
EXEMPLE 1
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
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
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
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
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
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
−max − bT y min bT y
−AT y 6 −c ⇔ AT y > c
y>0 y>0
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.
M in z = 3x1 + 7x2
−3x1 + 3x2 > −3
−2x1 − 2x2 > 4
x1 , x2 > 0
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)
3)
4)
M in z = −3y1 + 4y2
−3y1 − 2y2 > 1
3y1 + 6y2 > 5
y1 , y2 > 0
M in z = −x1 − x2
−x1 + 3x2 > −3
−2x1 − 2x2 > −2
x1 , x2 > 0
M ax z = 3/2x1 + x2
2x1 x2 6 2
x2 6 1
x1 , x2 > 0
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 .
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
a1 u1 + a2 u2 + ... + am um + b1 v1 + b2 v2 + ... + bn vn .
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.
19