CHAPITRE 5

Dualit et analyse de sensibilit

I. Introduction
Dans ce chapitre, on va tudier des notions relatives au programmes linaires
tels que le programme dual, les cots marginaux ainsi que des techniques de
validation de la solution dun programme linaire, cest dire lanalyse de
sensibilit.
Nous allons commencer ce chapitre par donner quelques termes cls du jargon
utilis pour interprter conomiquement les dirents rsultats du programme
linaire.
II. Interprtation conomique
!es lments cls dun programme linaire standard sont "
# !a onction objecti dite onction conomique. $ette onction peut reprsenter
un cot, un proit, etc...
# !es contraintes sont composes, des coeicients a
ij
de la matrice A, dite
matrice technologique, et des constantes b
i
, qui orment le vecteur du second
membre. !e second membre peut reprsenter la disponibilit des ressources, les
niveaux de demande etc...
# !es variables dcart peuvent reprsenter, par exemple dans le probl%me de
lagriculteur, lexcdent de chacune des ressources " terrain, eau, heures de
travail, bureau dirrigation. &lles sont aussi dites variables de surplus.
'uand une variable dcart est nulle, on dit que la contrainte correspondante est
sature. Dans le probl%me de lagriculteur les contraintes terrain et main
d(uvre sont satures. &lles sont dites aussi restrictives car une variation du
second membre )par exemple* engendre un changement dans la valeurs de la
solution optimale.
+oute contrainte non sature loptimum nest pas restrictive pour le probl%me,
cest dire quelle na aucune inluence sur la solution considre.
Dfinition: $ot marginal
,ar dinition, on appelle cot marginal dun bien laugmentation minimale de
dpenses, par rapport la solution optimale, qui rsulterait de lutilisation dune
unit supplmentaire de ce bien, lorsque le probl%me pos consiste produire
des biens au moindre cot.
-i le probl%me pos consiste transormer des biens pour vendre une production
avec un meilleur proit et laugmentation maximale de revenu qui rsulte de la
possibilit de disposer dune unit supplmentaire de lun des biens, est la valeur
marginale de ce bien. +r%s souvent, on emploie galement dans ce cas le
qualiicati cot marginal.
.emarque " !es cots marginaux sont donc les eets nets associs aux variables
dcart, puisque ce sont ces variables qui dterminent les excdents )ou les
insuisances* de biens.
-i une variable dcart nest pas nulle, dans la solution optimale, cest que le
bien correspondant est dj excdentaire. ,ar consquent, le ait de disposer
dune unit supplmentaire de ce bien naura aucune inluence sur le revenu. /n
dit alors que ce bien une valeur marginale nulle, ou par extension, que la
variable dcart associe ce bien a une valeur marginale nulle.
,ar contre, si une variable dcart est nulle dans la solution optimale, cest que le
bien correspondant est totalement utilis. ,ar la suite une variation de la
disponibilit aura gnralement une inluence sur le revenu. $est pourquoi cette
variable dcart nulle dans la solution optimale une valeur marginale non nulle,
et cette valeur marginale prcise la variation de la onction conomique rsultant
de lutilisation dune unit supplmentaire du bien associ.
Exemple : Dans le probl%me de lagriculteur on a
!e cot marginal li
0
S
est
1 233

4ne augmentation de
0
S
dune unit entra5ne une diminution de
1 233
de la
valeur de la onction conomique.
!e cot marginal li
2
S
est 3 et l6optimum
2
S
73

on a dj
1
83m deau de plus donc si on ajoute
1
0m ca ne va pas changer la
solution optimale ni la valeur de la onction conomique
!e syst%me de contraintes dans le programme linaire relati au tableau de
simplexe optimal du probl%me de lagriculteur est

= +
= +
= +
= +
93 1 0 1 :
003 1 0 1 0
83 1 2 1 0:
:3 1 0 1 :
1 0 :
1 0 2
1 0 2
1 0 0
S S S
S S x
S S S
S S x
!a onction conomique scrit
2 0
233 033 x x z + =
-i on exprime
z
en onction de
0
S
et 1
S
)variables hors base* en utilisant le
syst%me dquation ci dessus on a
( ) ( ) 003 1 0 1 0 233 :3 1 0 1 : 033
1 0 1 0
+ + + + = S S S S z
1 0
1 033 1 233 28333 S S z =
!a valeur 28333 correspond la valeur optimale de la onction conomique.
-i
0
0
= S
alors un hectare de terrain de moins utiliser, donc une rduction de
1 233
dinars de la valeur de la onction objecti.
-i on ajoute 1 hectares de terrains
( ) 1
0
= S
, avec lhypoth%se que les autres
quantits restent inchanges alors le revenu augmente de
( ) dinars 233 1 1 233 =
/n vriie ceci, si on rsout le programme linaire
Max
2 0
233 033 x x +
C S. 091
2 0
+ x x
::3 2 :
2 0
+ x x
:;3 :
2 0
+ x x
<3
0
x
3
0
x
,
3
2
x
/n trouve que la valeur optimale va augmenter de 233 dinars est devient 28 233
dinars.
Exercice " &xpliquer graphiquement que si on ajoute des
1
m deau, on aura
aucune ampliication dans la onction objecti.
Remarque " Dans le cas o= on diminuerait
1
83m deau, la solution optimal
devient dgnre.
!es valeurs marginales apportent donc des renseignements conomiques
particuli%rement intressantes, mais il aut les utiliser avec prudence car leur
domaine de validit est limit.
,ar exemple, si on ajoute 13 hectares de terrains aux 093 dj disponibles dans
le probl%me de lagriculteur, le revenu augmentera de
( ) dinars 233 1 1 233 =
.
$eci nest pas vrai, parce que si on rsout le programme linaire suivant "
Max
2 0
233 033 x x +
C S. 0;3
2 0
+ x x
::3 2 :
2 0
+ x x
:;3 :
2 0
+ x x
<3
0
x
3
0
x
,
3
2
x
!a valeur optimale du programme linaire ci#dessus est de 28 ;>9,0: donc le
revenu na pas augment de 2333 dinars comme prvu.
II. Dualit
a. Dfinition
!a orme dun programme linaire de type maximisation est
Max x c z
t
=
C S. b Ax ( ) 0 PL
3 x
avec
b x,
,
c
des vecteurs de dimensions respectives
m n,
et
n
, et ? une
matrice de dimension
( ) n m,
/n appelle programme dual de
( ) 0 PL
, le programme linaire suivant "
Min y b w
t
=
C S. c Y A
t
.
3 y

avec
y
un vecteur de dimension
m
et A
t
la transpose de la matrice A.
!e programme
( ) 0 PL
est appel programme ,rimal.
,our passer du primal au dual, on remarque que "
a ) !es termes du second membre deviennent les coeicients de la onction
objecti et rciproquement.
b ) !e probl%me de maximisation devient un probl%me de minimisation.
c ) !es ingalits @ @ deviennent des ingalits @ @
d ) !a matrice ? se transorme en sa transpose.
Exemple " !e programme primal )probl%me de lagriculteur* est
Max
2 0
233 033 x x z + =
C S. 093
2 0
+ x x
::3 2 :
2 0
+ x x
:;3 :
2 0
+ x x
<3
0
x
3
0
x
,
3
2
x
Donc le programme dual est
Min
: 1 2 0
<3 :;3 ::3 093 y y y y w + + + =
C S.
033 :
: 1 2 0
+ + + y y y y
233 : 2
1 2 0
+ + y y y
3
0
y
,
3
2
y
b. Proprits et signification conomique du programme dual
,our expliquer la signiication du probl%me dual on va se baser sur lexemple de
lagriculteur.
-upposons quun agriculteur )client* voudrait acheter la totalit de nos
ressources disponibles. Notre agriculteur acceptera certainement cette
proposition si le prix oert par ce client lui procure le mAme proit.
soit
0
y
le prix d6un hectare de terrain
2
y
le prix dun
1
m deau
1
y
le prix dune heure de main d(uvre
:
y
le prix de la permission de la culture dun hectare de tomates.
!e probl%me du client consiste minimiser les rais dachat des ressources "
cest dire : 1 2 0
<3 :;3 ::3 093 y y y y + + +
sous la contrainte que les prix satisont
notre agriculteur.
,our notre agriculteur un hectare de terrain
1
:m deau, une heure de travail et
un hectare de permission du bureau est quivalent a un revenu de 033 dinars.
+andis que, un hectare de terrain,
1
2m deau et : heures de travail lui
engendrent un revenu de 233 dinars.
Bl nest prAt vendre ses ressources que si : 1 2 0
: y y y y + + +
lui rapporte un revenu
suprieur ou gale 033 D+ et que si 1 2 0
: 2 y y y + +
lui rapporte un revenu
suprieur ou gal 233 D+.
?insi le probl%me du client est
Min
: 1 2 0
<3 :;3 ::3 093 y y y y + + +
C S.
033 :
: 1 2 0
+ + + y y y y
233 : 2
1 2 0
+ + y y y
3
0
y
,
3
2
y
Donc le probl%me du client peut Atre modlis par le programme dual.
!e tableau de simplexe inal du programme dual est "
093 ::3 :;3 <3 3 3
y
0
y
2
y
1
y
:
!
0
!
2
:;3 y
1
033C1 3 #2C1 0 #0C1 0C1 0C1
093 y
0
233C1 0 0:C1 3 :C1 #:C1 0C1
093 1;3 :;3 :3 #:3 #003
3 83 3 93 :3 003
?vec !
0
et !
2
, les variables dcart la 0
%re
et la 2
%me
contrainte du programme
dual.
/n remarque que la solution optimale du dual peut Atre dduite du primal de la
mani%re suivante "
y
1
= 200/3 C
3
- z
3
= - 200/3
y
2
= 0 C
2
- z

= 0
y
3
= 100/3 C
!
- z
!
= - 100/3
y

= 0 C
"
- z
"
= 0
L
1
= 0 C
1
- z
1
= 0
L
2
= 0 C
2
- z
2
= 0
C
1
- z
1
= 0 S
1
= 0
C
2
- z
2
= "0 S
2
= "0
C
3
- z
3
= 0 S
3
= 0
C

- z

= !0 S

= !0
C
!
- z
!
= 0 x
1
= 0
C
"
- z
"
= 110 x
2
= 110
w = 2"000 z = 2"0000
/n peut gnraliser ce rsultat dans le tableau suivant "
,rimal )Dax* Dual )Din*
Eariables de dcision
x
j
= 0 C
j
- z
j
# 0
x
j
$ 0 C
j
- z
j
= 0
variables dcart
L
i
= % C
j
- z
j
% 0 C
j
- z
j
= 0
L
i
= 0 C
j
- z
j
= x
j
variables dcart
S
j
= 0 C
j
- z
j
0
S
j
$ 0 C
j
- z
j
= 0
Eariables de dcision
y
i
= % C
i
- z
j
% 0 C
j
- z
j
= 0
y
i
= 0 &t C
j
' z
j
= S
j
/n remarque aussi qu loptimum la valeur de la onction objecti du dual est
gale la valeur de la onction objecti du primal.
Proposition : !e dual du programme dual est le programme primal.
c. Tableau de correspondance primal-dual
Dax Din
- Datrice des contraintes (m, n)
# -econd membre des contraintes
# $oeicient de la onction objecti
# +ranspose de la matrice des
contraintes (n, m)
# $oeicient de la onction objecti
# -econd membre des contraintes
Nombre de contraintes
i
%me
contrainte de type F G
i
%me
contrainte de type F G
i
%me
contrainte de type F = G
Nombre de variables principales
i
%me
variable de type F 0 G
i
%me
variable de type F 0 G
i
%me
variable qcq F *+ G
Nombre de variables
j
%me
variable F G
j
%me
variable F G
j
%me
variable qcq F *+ G
Nombre de contraintes
j
%me
contrainte de type F G
j
%me
contrainte de type F G
i
%me
contrainte de type F = G

Exemples
Primal Dual
Max , x
1
- x
2
S.c x
1
- x
2
3
- x
1
- x
2
1
x
1
2
x
1
0, x
2
0
Min 3y
1
- y
2
- 2y
3
S.c y
1
- y
2
- y
3
,
y
1
- y
2
1
y
1
0, y
2
0, y
3
0
Min - x
1
- x
2
S.c 2x
1
- x
2
2
- x
1
- 2x
2
-2
x
1
- x
2
!
x
1
0, x
2
0
Max 2y
1
- 2y
2
- !y
3
S.c 2y
1
- y
2
- y
3
-1
- y
1
- 2y
2
- y
3
1
y
1
0, y
2
0, y
3
0
Max 2x
1
- x
2
S.c x
1
- x
2
= 3
x
1

x
1
0, x
2
0
Min 3 y
1
- y
2

S.c y
1
- 2 y
2
2
- y
1
-1
y
1
*+, y
2
0
Max 2x
1
- x
2
S.c x
1
- 2x
2
2
x
1
- x
2
= "
x
2
!
x
1
*+, x
2
*+
Min - 2y
1
- "y
2
- !y
3
S.c y
1
- y
2
= 2
- 2y
1
- y
2
- y
3
= -1
y
1
0, y
2
*+, y
3
0
III. Analyse de sensibilit
Dfinition: 4ne solution de base optimale est dite stable si lensemble des
variables de base loptimum ne changent pas, mAme si les valeurs de ces
variables de base sont modiies.
Dans cette section on examinera la stabilit de la solution optimale dun
programme linaire suite la variation de lun des param%tres de ce programme.
/n utilisera pour prsenter lanalyse de sensibilit sur ces dirents param%tres
du programme linaire lexemple de lagriculteur.
Max 100x
1
- 200x
2
S.c x
1
- x
2
1!0
x
1
- 2x
2
0
- x
1
- x
2
/0
x
1
00
x
1
0 , x
2
0
a. Analyse de sensibilit sur les Cj
/n cherche dterminer un intervalle dans lequel peut varier C
j
sans que la
solution optimale ne change.
$onsidrons une variation du coeicient C
j
de 100 100 -
&n remplaHant dans le tableau optimal 100 par 100 - , on obtient le tableau
suivant "

100-
20
0
0 0 0 0
x
1
x
2
S
1
S
2
S
3
S

100-
x
1
0 1 0 /3 0 -1/3 0
0 S
2
"0 0 0 -1/3 1 2/3 0
200 x
2
110 0 1 -1/3 0 1/3 0
0 S

!0 0 0 -/3 0 1/3 1
100-
20
0
(200-)/3
0
(100-)/3
0
0 0 -
(200-)/3
0
-100/3
0
!a solution donne par le tableau reste optimale si
033 93
033
93

3
1
033
3
1
* : 233 )

Donc la solution optimale est stable et prend la mAme valeur (x

1
,x
2
)=(0,110)
tant que !0 C
1
200
Exercice : -upposons que le coeicient C
j
d6une variable hors base dans la
solution optimale, est modii. Dans quel intervalle, C
j
peut#il varier sans que la
base optimale soit modiie I
)?ide " direncier le cas dun programme de maximisation et le cas dun
programme de minimisation*.
Solution :
- # C
j
z
j
cas dun programme de maximisation
z
j
C
j
# - cas dun programme de minimisation
b. Analyse de sensibilit sur les b
j
Dterminer lintervalle pour lequel, la solution optimale reste stable, pour une
variation du second membre de la i
%me
contrainte b
i
.
$onsidrons une variation de b
0
de 1!0 1!0 - .
-achant que dans le premier tableau de simplexe b
1
nest prsent que dans la
premi%re contrainte. /n obtient ainsi une correspondance entre la colonne des
quantits 1
i
et la colonne de S
1
.
100 200 0 0 0 0
x
1
x
2
S
1
S
2
S
3
S

0 S
1 1!0-1
1 1 1 0 0 0
0 S
2 0-0
2 0 1 0 0
0 S
2 /0-0
1 0 0 1 0
0 S
00-0
1 0 0 0 0 1
0-1
0 0 0 0 0 0
100 100 0 0 0 0
Dans le tableau optimal, la colonne correspondant S
1
nous donne les
coeicients de dans la colonne des quantits.
100 200 0 0 0 0
x
1
x
2
S
1
S
2
S
3
S

100 x
1 0-/3
1 0 /3 0 -1/3 0
0 S
2 "0-1/3
0 0 -1/3 1 2/3 0
200 x
2 110-1/3
0 1 -1/3 0 1/3 0
0 S
!0-/3
0 0 -/3 0 1/3 1
2"000-200/
3
100 200 200/3 0 100/3 0
0 0 -200/3 0 -100/3 0
!a base reste optimale tant que "

+
2 C >9
113
> C <3
13
3 1 C : 93
3 1 C 0 003
3 1 C 0: 83
3 1 C : :3
0
0
0
0
- 30 00/2
Donc tant que 120 b
1
1"0,/! la base demeure la mAme et la solution
optimale est stable mais elle change en valeur )exemple" pour = 3 le vecteur de
solutions optimale est (x
1
,x
2
,S
1
,S
2
,S
3
,S

)=(,100,0,",0,")*
Remarque : Dapr%s le rsultat ci#dessus on peut conclure que le cot marginal
de 200/3 par hectare de la premi%re ressource nest valide que si la solution de
base demeure stable. Donc si et seulement si 120 b
1
1"0,/!. $eci est appel
le domaine de validit du cot marginal.
Exercice 1"
-ans aire de calcul, de combien peut#on modiier la quantit de m
1
deau sans
nuire la solution optimale I conirmeJ votre rsultat a l6aide de la mthode
d6analyse de sensibilit expos ci#dessus I
Exercice 2 "
Dterminer lintervalle dans lequel peut varier b
0
et b
1
)les ressources en surace
et en main d(uvre* sans que la base optimale change.
Rponse 2 "

+
+ +
+ +
+
093 :
113
<3 >
023 :

3 1 C 0 1 C : 93
3 1 C 0 1 C 0 003
3 1 C 2 1 C 0: 83
3 1 C 0 1 C : :3
2 0
2 0
2 0
2 0
2 0
2 0
2 0
2 0
,our
1
= 0 )variation nulle de la surace en hectare*, la solution optimale est
stable pour une variation
2
des ressources en main d(uvre entre !20 et 230
heures )-1!0
2
00*.
!e cot marginal de 100/3 par heure de main d(uvre de la 3
%me
ressource nest
valide que dans lintervalle 3!20, 2304.
c. Analyse de sensibilit sur les coefficients a
ij
-upposons que dans le probl%me de lagriculteur, le nombre dunits de la i
%me
ressources ncessaire pour produire une unit de produit j, soit (a
ij
- ) ou lieu
de a
ij
. ?insi, on se pose la question si la solution optimale demeure stable suite
un tel changement.
i) x
j
est une variable de base et la i
%me
ressource est totalement utilise.
,ar exemple " x
1
- (-)x
2
/0 x
1
- ( - )x
2
- S
3
= /0
? loptimum, la base est inchange donc
3 , 3 , 3 -
:;3 - * : )
K
2
K
0
K
1
K
1
K
2
K
0
=
= + + +
x x
x x
-i 0 , alors lquation ne peut pas Atre satisaite sinon
3 -
K
1
<
puisque
:;3 :
K
2
K
0
= + x x et
3 , 3 -
K
2
K
1
K
2
= + x x
.
-i 0 , alors on a un exc%dent de la 3
%me
ressource )S
3
0*, ce qui nous
contraint changer la base )la solution optimale nest plus stable*.
C5nc67si5n8 Dans le cas o= x
j
est une variable de base optimale et la i
9m&
ressource est totalement utilise, il est impossible de modiier le
coeicient a
ij
sans que la base dans la solution optimale ne change pas
)la solution optimale n6est pas satable*.
ii) x
j
est une variable de base et la i
%me
ressource nest pas totalement utilise.
,ar exemple" ( -) x
1
- 2x
2
0
( - )x
1
-2x
2
- S
2
= 0
? loptimum, la solution est inchange donc
3 , 3 , 83 -
::3 2 * : )
K
2
K
0
K
2
2
K K
2
K
0
=
= + + +
x x
S x x
,our que la base demeure toujours optimale il aut et il suit que
2 C 1
83
3 83
3
83
K
2
K
2
K
2
K
2
K
2

= +

x
x
S
S x
C5nc67si5n8 Dans le cas o= x
j
serait une variable de base optimale et o= la i
%me
ressource nest pas totalement utilise, il est possible de modiier le coeicient
a
ij
dune valeur
ij
gale K
j
i
ij
x
S

et la solution optimale demeure stable.
iii) -i x
j
est une variable hors base )x
j
= 0*. $eci implique quon ne va pas
produire le produit j
-i
ij
0, alors il est encore moins conomique de abriquer ce produit si le
coeicient technologique a
ij
augmenterait de
ij

-i
ij
3 , alors la abrication du produit j peut devenir conomique si on
utilise moins de ressources.
IV. Introduction dune nouvelle activit
/n sait dj que la valeur optimale de la variables duale reprsentent les cots
marginaux )dopportunit* associs lutilisation de ressources limites.
/n peut galement utiliser ces cots marginaux pour valuer des dcision
concernant lintroduction de nouveaux produits ou de nouveaux procds de
abrication.
a. Introduction dune nou!elle !ariable de dcision
!agriculteur prvoit de produire des pommes de terre. 4n hectare de pomme de
terre demande 3 m
3
deau et 2 heures de travail pour un revenu de C
3
dinars.
!a question est pour quelle valeur de C
3
, lagriculteur a#t#il intrAt introduire
cette nouvelle production I
-ans rsoudre le nouveau programme linaire suivant"
Max 100x
1
- 200x
2
- C
3
x
3
S.c x
1
- x
2
- x
3
1!0
x
1
- 2x
2
-3x
3
0
x
1
- x
2
- 2x
3
/0
x
1
00
x
1
, x
2
, x
3
0
/n peut dterminer si lagriculteur a un intrAt introduire la production ou pas.
&n dautres termes, sil na pas intrAt le aire, la solution optimale du
programme linaire ci#dessus donne x
3
= 0. $e qui revient dire, que pour
lagriculteur lutilisation dun hectare de terrain, de 1 m%tres cube deau et de
deux heures de travail lui procurent plus de gain sils va les mettre au service de
la production de tomates etCou de piments plutLt que dans la production de
pommes de terre. $eci est quivalent au ait que la contrainte suivante"
1
K
1
K
2
K
0
2 1 C y y y + +
nest pas satisaite )avec
K
1
K
2
K
0
t , y & y y
sont les prix minimaux des
ressources pour notre agriculteur*.
$ette contrainte correspond la 1
%me
contrainte du programme dual du
programme linaire ci#dessus "
/n a "
1
033
3
1
233
1 2 0
= = =
: : :
&t y ,y y
, donc "
-i C
3
# 200/3, lagriculteur na pas intrAt introduire la nouvelle activit
-i C
3
$ 200/3, lagriculteur a intrAt introduire cette nouvelle activit, la
solution optimale va changer et la valeur de la onction objecti augmentera
-i C
3
= 200/3, lagriculteur est indirent envers lintroduction de cette
nouvelle activit.
b. Introduction dune nou!elle contrainte
-i la solution optimale satisait la nouvelle contrainte, le probl%me admettra la
mAme solution. -inon lintroduction de cette contrainte va engendrer une
nouvelle solution optimale.