Dualité

en
programmation linéaire
 Dualité
Introduction à la dualité.
Construction du couple primal-dual.

Théorèmes de dualité.

Écarts complémentaires.

Algorithme dual du simplexe.

Détermination d’une solution de base "duale-réalisable" de départ.

Algorithme primal-dual du simplexe.

2
 Par ailleurs, une compagnie fabrique des aliments artificiels que le
fermier peut acheter.

Chacun de ces aliments artificiels contient un élément nutritif à l’état

pur.

La compagnie veut déterminer les prix de ses aliments artificiels,

donc de chaque élément nutritif :
i : prix d’une unité d’élément nutritif i,

- en maximisant son profit potentiel

bt.
- en demeurant compétitive avec les autres aliments,
Problème du m
∑aiji ≤ cj
producteur :
i=1

Prix d’une unité d’aliment de type j.

Max bt 3
Problème du consommateur Problème du producteur
Min ctx Max bt

(P) Sujet à Ax  b (D) Sujet à At  c

x0   0.

(D) est le dual de (P) et vice versa.

Nous verrons aussi qu’à l’optimum,

les 2 problèmes ont la même valeur de l’objectif.

De plus, en résolvant l’un, on résout automatiquement l’autre.

4
 Problème primal et problème dual

Problème de programmation linéaire avec inégalités

Problème primal Problème dual

min c x T max bT y
Sujet à Ax  b y Sujet à AT y  c x
x0 y0

Problème de programmation linéaire sous forme standard

Problème primal Problème dual

min c T x max bT y
Sujet à Ax  b y Sujet à AT y  c x
x0
 Théorèmes de dualité

• Il est facile de démontrer que nous pouvons passer d’une paire de

problèmes primal-dual à l’autre.
• Il est également facile de démontrer que le problème dual du problème
dual est le problème primal.
• Nous allons donc démontrer les théorèmes de dualité en se référant à la
paire où le problème primal est sous forme standard:
primal Dual

min c T x max bT y
Sujet à Ax  b Sujet à AT y  c
x0
 Théorèmes de dualité

• Théorème de dualité faible

Si x   x : Ax  b, x  0 (i.e., x est réalisable pour le problème primal) et
 
si y  y : AT y  c (i.e., y est réalisable pour le problème dual),

alors bT y  c T x

Preuve En effet, bT y  x T AT y  x T c puisque AT y  c et que x  0 .

• Théorème de dualité forte

• Si x* est une solution optimale pour le primal et y* solution pour le dual, et
alors c x* = y* b.
 Théorie des écarts complémentaires

• Les prochains résultats introduisent de nouvelles conditions nécessaires et

suffisantes pour que des solutions réalisables respectivement pour les
problèmes primal et dual soient optimales pour ceux-ci.
• Considérons d’abord la paire suivante de problèmes primal-dual

primal Dual

min c T x max bT y
Sujet à Ax  b Sujet à AT y  c x
x0
 Théorie des écarts complémentaires

• Théorème des écarts complémentaires 1

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
 i xj  0  aTj y  c j min c T x max bT y
 ii  aTj y  c j  x j  0 Sujet à Ax  b
x0
Sujet à AT y  c x

Preuve Démontrons d’abord que les conditions sont suffisantes. Supposons

que les conditions (i) et (ii) sont satisfaites pour tout j=1,2,…,n. Alors
x j [ aTj y  c j ]  0 j  1, 2,..., n

n
Donc  j 1
x j  aTj y  c j   0
 n
 x j aTj y   x1aT1  x2 aT2    xn aTn  y
Théorie des écarts complémentaires
j 1
 aT1 
 T
a
x j [aTj y  c j ]  0   x1n
j  1, 2,..., , x2 , , xn   2  y
 
n
aT 
Donc j 1
x j  aTj y  c j   0
 x T AT y
 n 

n n n
Or 
j 1
x j  a y  c j  
T
j j 1
x a y
T
j j j 1
x j c j  x T AT y  c T x  bT y  c T x

Par conséquent
bT y  c T x
et le corollaire du théorème de dualité faible implique que x et y sont des
solutions optimales respectivement pour les problèmes primal et dual.
 Théorie des écarts complémentaires

Inversement, démontrons que les conditions sont nécessaires. Supposons

que les solutions x et y sont optimales respectivement pour le primal et le
dual. Par conséquent, se référant à la première partie de la preuve
n n n

j 1
x j  aTj y  c j   
j 1
x j aTj y  
j 1
x j c j  x T AT y  c T x  b T y  c T x  0

Puisque x j  0 et aTj y  c j j  1, 2,..., n,

il sensuit que x j  aTj y  c j   0 j  1, 2,..., n
 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
 Théorie des écarts complémentaires

Preuve Ce théorème peut être démontré comme un corollaire du

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
 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
Pour j=1,2,…,n s

 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
 Théorie des écarts complémentaires

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
min c T x
 iii  s i  0   yi  0 Sujet à Ax  Is  b
 iv   y i  0  si  0 x, s  0
Or s i  a i  x  bi et alors les conditions deviennent
 iii  a i  x  bi  yi  0
 iv  yi  0  a i  x  bi
Problèmes primal et dual

Problème primal max z=3x +5x

1 2
sous les contraintes :

x ≤4 (y )
1 1

2 x ≤ 12 (y )
2 2

3 x + 2 x ≤ 18 (y )
1 2 3
x ≥0,x ≥0
1 2

Problème dual Min w=4y +12y +18y 16

1 2 3
17
Théorème de la dualité

Relations entre problème primal et problème dual

•Si un problème a des solutions réalisables et un objectif borné (et donc

une solution optimale), alors il en est de même pour l’autre problème.

•Si un problème a des solutions réalisables et un objectif non borné, alors

l’autre problème n’a pas de solution réalisable.

•Si un problème n’a pas de solutions réalisables alors l’autre problème

,

soit a un objectif non borné, soit n’a pas de solutions réalisables. 18

Voici le modèle dual :

Min W = 4y1 +12y2 +18y3

y1+3y3 ≥3

2y2 +2y3 ≥5 y1,y2,y3 ≥0

modèle primal

Max Z=3x1 +5x2

x1 ≤ 4

2x2 ≤12 19
Exemple :
Min -x -4y -3z
2x + 2y +z ≤ 4
x + 2y +2z ≤ 6
x, y, z ≥ 0.
Après avoir introduit les variables d'écart, l'application de
l'algorithme du simplexe donne successivement:
x y z u v
2 2 1 1 0 4
1 2 2 0 1 6
-1 -4 -3 0 0

x y z u v
1 1 1/2 1/2 0 2
-1 0 1 -1 1 2
3 0 -1 2 0 -8 20
 x y z u v
3/2 1 0 1 -1/2 1
-1 0 1 -1 1 2
2 0 0 1 1 -10

La solution optimale pour ce problème est: x = 0, y = 1, z = 2.

Le problème dual s'écrit:

Max 4s + 6t
2s + t ≤ -1
2s + 2t ≤ -4
s + 2t ≤ -3
s, t ≤ 0.
Les valeurs optimales pour (s,t) se déduisent facilement à partir
du tableau final ci-dessus:
s 1 -1 -4 -1
= -½ 1 =
t -3 -1
21