Chapitre 8

Dualité
Najoua Dridi
 Dual d’un problème linéaire
Définition  Min c t x

On considère le problème linéaire : ( P )  Ax  d
x  0

On appelle problème dual de (P), le problème linéaire :
 Max d t y

(D ) A t y  c
 y  0

Remarque:
 Nb. de contraintes d’un problème = Nb. de variables de son dual
 Le dual du dual (D) est le problème (primal) (P)

2
 Dual d’un problème linéaire

 Min  d t y
En effet, (D) peut s’écrire:( D )   A t y   c , d’près la définition
 y  0
  Max  ctx
le dual de (D) est le problème linéaire   Ax   d  (P)
x  0

Exemple:
Max (10y1  5 y2 )
Min (2x1  3x2  4x3 ) 4 y  y  2
4x  2x  5x  10  1 2
 1 2 3
( P)  le dual de (P) est: (D)  2 y1  2 y2  3
x1  2x2  3x3  5 5 y  3 y  4
xi  0 i  1,2,3  1 2

 yi  0 i  1,2
3
 Dual du problème standard
 Min c t x
 Min c t x 
  Ax  d  A  d
( P )  Ax  d  ( P ) . Posons A*    , d*   
x  0   Ax   d  A  d 
  x  0

 Min c x
t  Max d * t y
 *  t

D’où ( P )  A x  d * , le dual s’écrit alors: (D )  A* y  c
x  0 y  0
 
z
Posons: y   
t  , z  IR m
, t  IR m

 
 Max d t ( z  t )
 t  Max d t u
 ( D )  A ( z  t )  c . Posons: u  z  t  ( D )  t
z  0 ,t  0  A u  c
 4
 Problèmes duaux

En résumé, et comme le dual du dual est le primal, on a les

problèmes duaux suivants:

 Min c t x Max d t y
  t
 Ax  d  Duaux  A y  c
x  0
 y  0


Min c t x
 Max d t y
 Ax  d  Duaux   t
x  0  A y  c

5
Dual d’un problème linéaire quelconque (exercice)

Minimiser f Maximiser f
Contrainte  Variable  0

Contrainte  Variable  0

Contrainte = Variable qcq

Variable 0 Contrainte 
Variable
0 Contrainte 
Variable qcq Contrainte =

6
 Exemple
L e dual du problème (P) est le problème (D)
Max (2 x1  4 x 2  9 x3 )
 x  3x  2 x  7
 1 2 3

( P) 2 x 1  x 2  5 x3  15
5 x  3 x  2 x  5
 1 2 3

 x1  0 x 2 qcq x3  0

Min (7 y1  15 y 2  5 y 3 )

 y1  2 y 2  5 y 3  2

( D) 3 y1  y 2  3 y 3  4
2 y  5 y  2 y  9
 1 2 3

 y1  0, y 2  0 , y 3 qcq

7
 Propriétés de la dualité
Considérons un problème standard et son dual:
Min f ( x)  c t x
 Max g ( y )  d t y
( P )  Ax  d ( D)  t
x  0  A y  c


Lemme1
Soient x sol.ad.qcq. de (P) et y sol.ad.qcq. de (D).
On a: f ( x )  g ( y )

Preuve
On a: x  0 , Ax  d et A y  c , d’où
t

g ( y )  d t y  x t A t y  x t c  f ( x) □
8
 Propriétés de la dualité

Lemme2
Soient x 0 et y 0 deux sol.ad.respectives de (P) et de (D).
f ( x 0 )  g ( y 0 )  x 0 et y 0 sol. optimales resp. de (P) et de (D)
Preuve
• Soit x une sol.ad.qcq. de (P), comparons f ( x) et f ( x 0 ) :
Le lemme1 implique: f ( x )  c t x  d t y  g ( y )  y sol.ad.de (D)
En particulier pour y 0 : f ( x )  g ( y 0 )  f ( x 0 )  x 0 minimise f

• Même raisonnement à faire pour montrer que y 0 maximise g .

9
 Propriétés de la dualité

Théorème de dualité

1/ (P) a une solution optimale

x0
x 0 B  B 1 d et x N  0

R Nt  c Nt  c Bt B 1 N  0 c Nt  c Bt B 1 N

yt
10
 Propriétés de la dualité

y t  c Bt B 1 y

• y t A  c Bt B  1 B N   c Bt c Bt B 1 N   c Bt c Nt   c t y
(1)

• y t d  c Bt B 1 d  c Bt x0 B  c t x0 y

2/ (P) a un optimum non borné: Min c t x  

x  0 Ax  d

Supposons que le domaine de (D)≠  y sol.ad.de (D).

11
 Propriétés de la dualité
Le lemme1 implique : d t y  ct x x sol.ad.de (P),
d t y  Min c t x  
x  0 Ax  d

ème

12
 Propriétés de la dualité
Théorème des écarts complémentaires (th.e.c.)
Soient x et y deux sol.ad.resp. de (P) et (D).
x et y solutions optimales  ( y t ai  ci ) xi  0 , i  1,..., n
Preuve
On a: x  0 , Ax  d et y t A  c t  y t ai  ci i  1,..., n
(th.dualité) (Ax  d )
x et y opt. 
 y d c x
t t
 yt A x  ct x  ( yt A  ct ) x  0
(Lemme2)

 (y a
n

i 1
t
i  c i ) xi  0  ( y t ai  ci ) xi  0 i  1,..., n

0 0
13
 Propriétés de la dualité

Interprétation du th.e.c

A l’optimum

i/ i-ème variable non nulle

14
 Exemple (résolu par l’algorithme du simplexe)
La solution optimale de (P) est donnée par: x1  4, x 2  0, x3  3, x 4  0
 Min ( 10 y 1  5 y )
Max (2 x1  8 x2  5 x3  4 x4 )
2
 y  2 y  2
 x  x  2 x  x  10  1 2
 1 2 3 4   y 1  y  8
( P) le dual est: ( D )  2 y 
2
2 x
 1 2 3 x  x  x 4  5  1 y 2  5
 xi  0 i  1,...,4  y1  y 2  4

 y 1  0 , y 2  0

Pour trouver la solution optimale de (D)  th.e.c 

y 
12
 1
x1  4  0  1ère contrainte saturée  y 1  2 y 2  2  
5
x3  3  0  3ème contrainte saturée  2 y 1  y 2  5  y   1
 2 5
12 1  solution optimale de (D)
 y1  , y2  
5 5
(le point ii/ du th.e.c n’est pas utilisé puisque toutes les contraintes de (P) sont saturées)

15
 Interprétation économique de la variable duale
Soient (P) un problème standard et (D) son dual.
 Min f ( x )  c t x
 
 Max g ( y )  d t
y
( P )  Ax  d ( D)  t
x  0  A y  c

Soit B une base optimale de (P) et x sol.opt. associée à B:
 x B  B 1 d et y sol.opt.de (D) avec y  c B B
t t 1
x
 x N  0
Faisons une variation second membre d, on obtient :
Min f ( x)  c t x Max g ' ( y )  (d  d ) t y
 ( D' )  t
( p ' ) Ax  d   d  A y  c
x  0

16
 Interprétation économique de la variable duale

Objectif:
Mesurer l’apport de la variation du second membre de d à d+
 Comparer les valeurs des fonctions objectifs de (P) et (P’), à
l’optimum.
Hypothèse:
B (base opt.de (P)) reste admissible pour (P’): B 1 (d  d )  0

 x B'  B 1 (d  d )
 x'  ' est sol.ad.de base de (P’).
 x N  0

17
 Interprétation économique de la variable duale

• f ( x ' )  c Bt x B'  c Bt B 1
(d  d )  y t (d  d )  g '( y )

 x' et y sont des sol.opt.resp. de (P’) et de (D’).

• Comparons f ( x ) et f ( x:' )

f ( x ' )  c Bt x B'  c Bt B 1 ( d  d )  c Bt B 1 d  c Bt B 1 d

f ( x ' )  f ( x )  y t d  f ( x ' )  f ( x )  y t d

18
 Interprétation économique de la variable duale

En prenant  d  IR m /  d k  0 k  i et  d i  1, on aura:

f ( x' )  f ( x)  yi

En résumé:

La i-ème variable duale y i représente la variation de la fonction objectif,

à l’optimum, lorsque le second membre de la i-ème contrainte passe de
di à di  1

19