Cet article ne fait que recenser des preuves du théorème du minimax de John von Neumann. L'énoncé du théorème ainsi qu'une présentation globale de la variété de ses démonstrations sont disponibles dans l'article principal Théorème du minimax de von Neumann auquel on se réfèrera donc.
Toutes les preuves commencent par la même remarque, selon laquelle l'inégalité
La preuve qui suit ci-dessous est une variante de celle de Jean Ville et n'utilise que des arguments de convexité élémentaires.
Supposons que l'inégalité entre le maximin et le minimax soit stricte, et introduisons une constante c strictement comprise entre ces deux réels. Si on retranche c à tous les coefficients de A, la quantité YTAX est diminuée de c pour chaque
Il nous suffit ainsi de montrer qu'il est impossible que le maximin soit strictement négatif tandis que le minimax est strictement positif.
Dans l'espace des vecteurs-colonnes à n entrées, notons Cj (
1er cas : si Y1 = 0. Ceci signifie que
Dans cette égalité il n'est pas possible que tous les αj soient nuls (cela entraînerait la nullité de tous les βi) et cela a donc un sens de considérer le vecteur
2nd cas : si
dont on déduit
, on constate que chaque
est un réel strictement positif, et donc que le vecteur
est à coefficients strictement positifs. Il n'y a plus qu'à introduire
On se réfèrera à l'article programmation linéaire pour l'énoncé du théorème et les notations utilisées dans l'écriture des programmes linéaires.
On note e la matrice colonne
On rappelle qu'en programmation linéaire, pour deux matrices de même taille u et v, on convient de noter
Quitte à augmenter d'une même quantité tous les coefficients de A, on peut supposer le maximin strictement positif. On notera le maximin
On remarque préalablement (c'est facile) que pour X fixé,
Soit t un réel strictement positif. On peut écrire la suite d'équivalences suivantes :
Il apparaît à la suite de ce calcul que le minimax est l'inverse de la valeur du programme linéaire :
(on utilise ici les notations de l'article programmation linéaire).
Un calcul similaire montre que le maximin est l'inverse de la valeur du programme linéaire :
Le théorème de dualité en programmation linéaire garantit donc leur égalité.