PLAN DU COURS

1. Modélisation

2. Résolution Graphique

3. Résolution par Excel

4. Résolution par l’algorithme du simplexe

5. Résolution par le tableau du simplexe

6. Dualité et le théorème des écarts complémentaires

7. Simplexe à deux phases

DUALITE, THEOREME DES ECARTS
COMPLEMENTAIRES
 Dualité, TEC et analyse de sensibilité

I. Introduction
Il est possible à partir d’un PL (P) de former un autre programme linéaire qu’on
appelle programme dual (D) associé à (P). Dans ce contexte, on appelle (P)
problème primal.

(P) : max cx (D) : min w = yb

s.c. Ax ≤ b s.c. yA  c
x0 y0

La notion de dualité est très importante pour le mathématicien, car dans le cas où
le primal a beaucoup de contraintes, le dual peut être plus facile à résoudre que
le primal. Pour l'économiste et le gestionnaire, la dualité est très importante. On
verra dans la suite son interprétation économique.
 Dualité, TEC et analyse de sensibilité

3. Détermination du dual d’un programme linéaire

3.1 Le dual d'un PL sous la forme normale
Un PL est dit sous la forme normale si c'est un problème de :

max avec des contraintes ; x 0 (max x ; s.c. Ax  b : infini)

ou
min avec des contraintes ; x 0 (min x ; s.c. Ax  b : infini)

Soit P un PL sous la forme normale : Le dual D associé à P est :

max z = cx min w = yb
s.c. Ax  b s.c. yA ≥ c
x0 y≥0
 Dualité, TEC et analyse de sensibilité

3.2 Le dual d'un PL à contraintes mixtes

Si le primal P est sous forme générale, on peut construire son dual D de deux
manières possibles :

1/ Mettre P sous la forme normale. Supposons qu'on part d'un problème de

maximisation. On peut :
- multiplier chaque contrainte  par (-1)
- remplacer aix = bi par { aix  bi et -aix  -bi }
- remplacer chaque xj < > 0 par xj+ - xj- avec xj+ 0 et xj-  0

2/ Appliquer les règles suivantes :

 Dualité, TEC et analyse de sensibilité

Primal (Dual) Dual (Primal)

Fonction à maximiser Fonction à minimiser

ième contrainte  ième variable  0

ième contrainte  ième variable  0

ième contrainte = ième variable <> 0

jème variable  0 jème contrainte 

jème variable  0 jème contrainte 

jème variable <> 0 jème contrainte =
 Dualité, TEC et analyse de sensibilité

3.3. Exemples
max z = 2x1 + x2 min w = 2y1 + 3 y2 + y3
s.c. x1 + x2 = 2 s.c. y1 + 2 y2 + y3  2
2 x1 - x2  3 y1 - y2 - y3 = 1
x1 - x2  1 y1<> 0, y2  0, y3  0
x1  0, x2 <>0

min z = 5x1 - 6 x2 + 7 x3 + x4 max w = -7y1 + 14 y2 – 3y3

s.c. x1 + 2 x2 - x3 - x4 = -7 s.c. y1 + 6y2 – 2y3  5
6 x1 - 3x2 + x3 + 7 x4  14 2y1 – 3y2 – 17 y3  -6
-2 x1 -17 x2 + 4 x3 + 2 x4  -3 -y1 + y2 + 4y3 = 7
x1 0 , x2  0; x3<>0, x4<>0 -y1 + 7y2 + 2y3 = 1
y1<>0, y2  0, y3  0
 Dualité, TEC et analyse de sensibilité

II. Interprétation économique de la dualité

• bi : quantité totale de la ressource i ;
• aij : quantité de la ressource i consommée pour fabriquer une unité du
produit j
• cj : coût unitaire du produit j

yi représente la valeur unitaire de la ressource i. Elle est souvent appelée coût

fictif ou prix ombre. C’est le montant maximum que l’on sera prêt à payer
pour une unité supplémentaire de le ressource i ou encore le prix minimum
auquel on serait prêt à vendre une unité de la ressource i.
 Dualité, TEC et analyse de sensibilité

1. Le dual d'un problème de maximisation

Considérons l'exemple suivant : une usine fabrique des bureaux, des tables
et des chaises.
La fabrication de chaque type de produit nécessite de la matière première
(bois) et deux types d’activités : menuiserie et finition. La quantité requise
de chaque ressource est donnée comme suit :

Produit Bureau Table Chais Quantité de ressource

Ressource e disponible
Bois (plaque) 8 6 1 48
Menuiserie (heure) 2 1.5 0.5 8
Finition (heure) 4 2 1.5 20
Prix de revient (D) 60 30 20
 Dualité, TEC et analyse de sensibilité

On désire maximiser le revenu.

Variables de décision :
x1 = nombre de bureaux fabriqués
x2 = nombre de tables fabriquées
x3 = nombre de chaises fabriquées

(P) max z = 60 x1 + 30 x2 + 20 x3
s.c. 8 x1 + 6 x2 + x3  48 (ressource bois)
2 x1 + 1.5 x2 + 0.5 x3  8 (ressource menuiserie)
4 x1 + 2 x2 + 1.5 x3  20 (ressource finition)
x1, x2, x3  0
 Dualité, TEC et analyse de sensibilité

Supposons qu'un entrepreneur veut acheter toutes les ressources de l’usine

(bois, heure menuiserie, heure finition) . Il veut certainement que le prix total
de ces ressources soit minimal. On définit alors :

y1 = prix d'une plaque de bois

y2 = prix d'une heure de menuiserie
y3 = prix d'une heure de finition

L'entrepreneur doit payer : w(y) = 48y1 + 8 y2 + 20 y3 et désire minimiser w,

mais il doit payer suffisamment pour convaincre l’usine de vendre ses
ressources.
 Dualité, TEC et analyse de sensibilité

Par exemple, il doit payer au moins 60D pour une combinaison de : 8

plaques de bois + 2 heures de menuiserie + 4 heures de finition car l’usine
peut utiliser ces ressources pour fabriquer un bureau et le vendre pour 60D.

L'entrepreneur doit payer au moins 60D, sinon l’usine ne verra aucune raison
de lui vendre ses ressources  8y1 + 2 y2 + 4 y3  60

De même on a : 6y1 + 1.5 y2 + 2 y3  30

y1 + 0.5 y2 + 1.5 y3  20

avec y1, y2, y3  0  coûts fictifs ou prix ombre (resource shadow price)
 Dualité, TEC et analyse de sensibilité

Le problème dual est ainsi le suivant :

(D) min w = 48y1 + 8 y2 + 20 y3

s.c. 8y1 + 2 y2 + 4 y3  60
6y1 + 1.5 y2 + 2 y3  30
y1 + 0.5 y2 + 1.5 y3  20
y1, y2, y3  0
 Dualité, TEC et analyse de sensibilité

2. Le dual d'un problème de minimisation

Considérons l’exemple suivant : Une famille désire préparer un menu
équilibré à coût minimal. Ce menu doit être constitué de 6 aliments (notés 1,
2, 3, 4, 5 et 6) et doit contenir au moins 9 unités de vitamine A et 19 unités de
vitamine C.
Les proportions en vitamine A et C de chaque aliment ainsi que les quantités
minimales requises de chaque vitamine et les coûts des différents aliments
sont présentés dans le tableau suivant :

Proportions vitamine Qté min requises

/Kg d'aliment /jour
1 2 3 4 5
6
Vitamine A 1 0 2 2 1 2 9
Vitamine C 0 1 3 1 3 2 19
Coût de l'aliment 35 30 60 50 27 22
 Dualité, TEC et analyse de sensibilité

On définit : xj quantité en kg de l'aliment j, j = 1, ..., 6.

(P) : min z = 35x1 + 30 x2 + 60 x3 + 50 x4 + 27 x5 + 22 x6
s.c. x1 + 2 x3 + 2 x4 + x5 + 2 x6  9 (Vitamine A)
x2 + 3 x3 + x4 + 3 x5 + 2 x6  19 (Vitamine C)
xj  0  j = 1, ..., 6

Un fabriquant compte lancer un projet dans le domaine alimentaire. Il

propose de fabriquer des comprimés de chaque vitamine et de les vendre à la
famille. Pour que cette affaire se réalise et prospère, le fabricant doit
persuader la famille d'obtenir les quantités requises des vitamines en utilisant
les comprimés au lieu des aliments. La famille, étant consciente de l'aspect
monétaire, n'utilisera les comprimés que si leurs prix sont compétitifs par
rapport aux prix des aliments. Ceci impose plusieurs contraintes sur les prix
des comprimés que le fabriquant doit fixer.
 Dualité, TEC et analyse de sensibilité

Soient y1 : prix de la vitamines A

y2 : prix de la vitamine C

Prenons par exemple l'aliment 5 : Un kg de ce dernier contient 1 unité de A et

3 unités de C. Du point de vue du fabricant, le kg de l'aliment 5 vaut y1 + 3 y2.
Or un kg de l’aliment 5 coûte 27.
Il faut donc que y1 + 3 y2  27, sinon la famille réalisera que les prix du
fabriquant ne sont pas compétitifs (elle aura intérêt à acheter l’aliment 5).
De l'autre côté, puisque le fabricant veut gagner dans cette affaire, y1 et y2
doivent être  0. De plus, si la famille décide d'utiliser les comprimés, elle en
achètera juste le nécessaire (9 et 19 unités), sinon, ça coûtera cher étant
donné que y1 et y2  0.
 Dualité, TEC et analyse de sensibilité

Le revenu du fabricant sera alors w(y) = 9 y1 + 19 y2, et par conséquent, les

prix que le fabricant va fixer sont obtenus en trouvant la solution optimale du
problème suivant :

max w(y) = 9 y1 + 19 y2
s.c. y1  35
y2  30
2 y1 + 3 y2  60
2 y1 + y2  50
y1 + 3 y2  27
2 y1 + 2 y2  22
y1, y2  0
THEORENE DES ECARTS
COMPLEMENTAIRES
 Dualité, TEC et analyse de sensibilité
Théorie des écarts complémentaires
théorème des écarts complémentaires 1. Transformons le problème primal
sous une forme standard en introduisant des variables d’écarts si , i=1,2,
…,m. Le problème devient alors

min c T x min c T x
Sujet à Ax  Is  b Sujet à Ax  b
x, s  0 x0
Le dual de ce problème s’écrit

max bT y max bT y
Sujet à AT y  c  Sujet à AT y  c
I y0 I y0
 Dualité, TEC et analyse de sensibilité
Théorie des écarts complémentaires
• Considérons maintenant l’autre paire de problèmes primal-dual
min c T x max bT y
Sujet à Ax  b y Sujet à AT y  c x
x0 y0

• Théorème des écarts complémentaires 2

Soit x et y des solutions réalisables respectivement pour les problèmes
primal et dual précédents. Alors x et y sont des solutions optimales pour ces
problèmes si et seulement si
pour tout j = 1,2,…,n pour tout i=1,2,…,m

i  xj  0  aTj y  c j iii  a i  x  bi  yi  0
ii  aTj y  c j  xj  0 iv  yi  0  a i  x  bi

Preuve Ce théorème peut être démontré comme un corollaire du théorème des écarts complémentaires 1
 Dualité, TEC et analyse de sensibilité
Théorie des écarts complémentaires
Appliquons le théorème précédent pour la paire de problèmes suivants
min c T x max bT y
Sujet à Ax  Is  b y Sujet à AT y  c x
x, s  0 I y0 s
Pour j=1,2,…,n

i  xj  0  aTj y  c j
ii  aTj y  c j  xj  0
et pour i=1,2,…,m

iii  s i  0   yi  0
iv   y i  0  si  0