Programmation Linéaire 1GSIL

TD N°5. Dualité

Exercice n° 1.
On considère le PL suivant :
Max Z   x1  2 x2  x3
Sc
x1  x2  2 x3  12
x1  x2  x3  1
x1 , x2 , x3  0.
1. Donner son dual
𝑀𝑖𝑛 𝑤 = 12𝑦 + 𝑦
𝑆. 𝑐
𝑦 +𝑦 ≥ −1
𝑦 +𝑦 ≥ −2
2𝑦 − 3𝑦 ≥ −1
𝑦 ,𝑦 ≥0

2. En utilisant le théorème de la faible dualité, Montrer que la valeur de la fonction objectif Z* de la

solution optimale du primal ≤ 0
Il est claire que pour le problème Dual (y1, y2)=(0, 0) est la ,solution optimale.
Rappelons que pour le théorème de la faible dualité, si « x » une solution réalisable du Primal, « y » une
solution réalisable du Dual, alors cx≤ yb. Dans ce cas, la solution du primal Z*≤ 0

Exercice n° 2.
On considère le PL suivant :
Max Z  2 x1  6 x2  9 x3
S .c
x1  x3  3 (ressource1)
x2  2 x3  5 (ressource 2)
x1 , x2 , x3  0.
1. Donner son Dual
Le Dual est :
𝑀𝑖𝑛 𝑤 = 3𝑦 + 5𝑦
𝑆. 𝑐
𝑦 ≥2
𝑦 ≥6
𝑦 + 2𝑦 ≥ 9
𝑦 ,𝑦 ≥ 0

1/10
Programmation Linéaire 1GSIL

2. Résoudre graphiquement le dual. Déterminer les shadow prices des différentes ressources du
Primal.

PER W
A (2,6) 36
B (2 ;3,5) 23,5

La solution optimale du Dual est (y1*, y2*) = (2, 6). Le prix fictif de la solution du primal est (2,6). Etant
donnée que la solution optimale du Duale représente la valeur marginale (prix fictif, Shadow price…) des
ressources alors :
La valeur marginale de la ressource 1 : (x1+x3 ≤ 3) est y*1=2.
La valeur marginale de la ressource 2 : (x2+2x3 ≤ 5) est y*1=6.

Exercice n° 3.
On considère le PL suivant :
Max Z  6 x1  8 x2
S .c
5 x1  2 x2  20
x1  2 x2 10
x1 , x2  0.
1. Donner son dual

2/10
Programmation Linéaire 1GSIL

MinW  20 y1  10 y2
S .c
5 y1  y2  6
2 y1  2 y2  8
y1 , y2  0.

Primal

3/10
Programmation Linéaire 1GSIL

Dual

2. Résoudre graphiquement le Primal et le Dual. Déterminer les PER (points extrêmes faisables) et
les PE non réalisables des deux problèmes et calculer leurs fonctions objectifs. Etablir un tableau
énumérant les solutions de base complémentaires à ces problèmes.
Sol Base Primal Réalisable? Z=W Sol Base Dual Réalisable?
(0, 5, 10, 0) Oui 40 (0, 4, -2 , 0) Non
(0, 0, 20, 10) Oui 0 (0, 0, -6, -8) Non
(4, 0, 0, 6) Oui 24 (6/5, 0, 0, -28/5) Non
(5/2, 15/4, 0, 0) Oui 45 (1/2, 7/2, 0, 0) Oui
(0, 10, 0, -10) Non 80 (4, 0, 14, 0) Oui
(10, 0, -30 ,0) Non 60 (0, 6, 0, 4) Oui

Explications
Exemple le PER du Primal (4, 0, 0, 6), les VB sont x1 et x4, les variables qui leurs sont associés au Dual
sont y3 et y2 sont des VHB ; y3 et y2=0. (avec y3, une variable du surplus du Dual = z1- c1)
La forme augmentée du Dual est :
𝑀𝑖𝑛 𝑊 = 20𝑦 + 10𝑦
𝑆. 𝑐
5𝑦 + 𝑦 − 𝒚𝟑 = 6
2𝑦 + 2𝑦 − 𝒚𝟒 = 8
𝑦 , 𝑦 ≥ 0.

4/10
Programmation Linéaire 1GSIL

On aura alors y1=6/5 et y4= -28/5 (voir le tableau précédent).

Donc la SB du Dual complémentaires de ce Primal est (6/5, 0, 0, -28/5) avec Z=W=24. (Cette solution du
Dual n’est pas réalisable, car la deuxième variable du surplus du Dual y4 :z2- c2 est négative).

3. Utiliser la méthode du simplexe pour résoudre le problème Primal. Après chaque itération (y
compris l'itération 0), identifier la solution de base complémentaire pour le problème Dual.

Problème Primal Problème Dual

Itération Eq 0 Z
y1 y2 z1- c1 z2- c2 W
x1 x2 x3 x4

0 [-6; -8 0; 0; 0] 0 0 -6 -8 0

1 [-2; 0 0; 4; 40] 0 4 -2 0 40

2 [0; 0 1/2; 7/2; 45] 1/2 7/2 1/2 7/2 45

Exemple pour l’itération (1) l’équation 0 du primal est : (-2, 0, 0, 4 ). Alors y1=0 et y2=4.
Or les variables de surplus du Dual sont z1- c1= -2 et z2- c2=0. Donc la SB du Dual = (0, 4,-2, 0)

Exercice n° 4.
On considère le PL suivant :

Max Z  x1  2 x2
S .c
 x1  x2   2
4 x1  x2  4
x1 , x2  0.

1. Vérifier graphiquement que le problème n’admet pas de solutions réalisables

5/10
Programmation Linéaire 1GSIL

Comme on voit sur le graphique précédent, la partie hachurée représente le Domaine réalisable de chaque
contrainte. La partie commune des deux contraintes (bleu foncé) se trouve en dessous de l’axe des abscisses
ce qui veut dire que les points sont négatifs (y1 et y2 ≤ 0). Donc, on peut conclure que le problème n’admet
pas de solutions réalisables

2. Donner son Dual. Vérifier graphiquement que le Dual est infini

𝑀𝑖𝑛 𝑊 = −2𝑦 + 4𝑦
𝑆. 𝑐
−𝑦 + 4𝑦 ≥ 1
𝑦 +𝑦 ≥2
𝑦 , 𝑦 ≥ 0.

6/10
Programmation Linéaire 1GSIL

La partie hachurée en vert représente le domaine réalisable des deux contraintes. La droite rouge qui
représente la droite d’iso-profit W, plus on la déplace vers l’est plus les valeurs de W diminue comme le
montre la figure (ex pour y1=5, W=-4). Ceci montre que le problème Dual est non borné.

Exercice n° 5.
On considère le PL suivant :
Max Z  2 x1  4 x2
S .c
x1  x2  1
x1 , x2  0.
1. Donner le Dual et trouver la solution optimale

MinW  y1
S .c
y1  2
 y1  4
y1 ,  0.
La solution optimale est W*=y1=2. La solution est évidente en satisfaisant les deux contraintes et celle de la
non-négativité.

7/10
Programmation Linéaire 1GSIL

2. Utiliser le théorème « écarts complémentaire » et la solution optimale du Dual afin de trouver la

solution optimale du Primal.

La solution de base optimale du dual (y1, y2, y3) = (2, 0, 2).

Les variables de base du Dual sont y1 et y3, donc les valeurs qui leurs sont associés au Primal sont HB, ce
qui donne alors x3= x2=0, et Z*=W*=2, d’où x1=1.
La solution de base optimale du Primal (x1, x2, x3) = (1, 0, 0).

3. Supposons que c1 peut prendre n’importe quelle valeur (coefficient de x1 dans la fonction objectif
du Primal). Pour quelles valeurs de c1, le Dual n’admet plus de solutions réalisables. Pour ces
valeurs de c1, comment réagit-il le Primal ?
Pour c1>4, le Dual n’admet plus de solution réalisable, car d’après les contraintes du Dual -y1 ≥ -4 et y1 ≥ c
donc c1 ≤ y1 ≤ 4 . Aussi, le problème du Primal ne sera plus borné comme le montre le graphique ci-dessous
avec c1=5. Plus on se déplace vers l’est plus la valeur de Z augmente…

Exercice n° 6

On considère le PL suivant :
𝑀𝑎𝑥 𝑍 = 3𝑥 + 𝑥 + 4𝑥
𝑆. 𝑐
6𝑥 + 3𝑥 + 5𝑥 ≤ 25
3𝑥 + 4𝑥 + 5𝑥 ≤ 20
𝑥 , 𝑥 , 𝑥 ≥ 0.

8/10
Programmation Linéaire 1GSIL

Le système d’équations conduisant à la solution optimale :

1 3
(0) 𝑍 + 2𝑥 + + 𝑥 + 𝑥 = 17
5 5
1 1 1 5
(1) 𝑥 − 𝑥 + + 𝑥 − 𝑥 =
3 3 3 3
1 2
(2) 𝑥 + 𝑥 − 𝑥 + 𝑥 =3
5 5

1. Identifier la solution optimale

En reprenant les 3 équations précédentes dans un tableau Simplexe on aura :

Coefficients
vb Eq. bi
Z x1 x2 x3 x4 x5
Z 0 1 0 2 0 1/5 3/5 17
x1 1 0 1 -1/3 0 1/3 -1/3 5/3
x3 2 0 0 1 1 -1/5 2/5 3

Explications : d’abord le nombre de VB est égal à au nombre de contraintes qui est égal à 2. Les VB ont un
coefficient égal à 1dans une seule équation et 0 partout. Donc, les VB sont x1 et x3 et les VHB sont x2, x4 et
x5. Alors, la solution de base réalisable optimale est (5/3, 0, 3, 0, 0) avec Z*=17.

2. Construire le problème Dual

Min W  25 y1  20 y2
S .c 6 y1  3 y2  3
3 y1  4 y2  1
5 y1  5 y2  4
y1 , y2  0
3. Identifier la solution optimale du Dual en se basant sur le système d’équation.

La solution optimale du Dual est (1/5, 3/5). Lu directement de la ligne (0) du tableau simplexe.
4. On suppose que le Problème Primal a changé comme suit :

𝑀𝑎𝑥 𝑍 = 3𝑥 + 3𝑥 + 4𝑥
𝑆. 𝑐
6𝑥 + 2𝑥 + 5𝑥 ≤ 25
3𝑥 + 3𝑥 + 5𝑥 ≤ 20
𝑥 , 𝑥 , 𝑥 ≥ 0.

En utilisant le théorème de la dualité, vérifier si la solution trouvée en (1.) demeure encore optimale

Il faut vérifier les anciennes valeurs du Dual précédent (1/5, 3/5). Avec le nouveau Dual

9/10
Programmation Linéaire 1GSIL

𝑀𝑖𝑛 𝑤 = 25𝑦 + 20𝑦

𝑆. 𝑐
6𝑦 + 3𝑦 ≥ 3
2𝑦 + 3𝑦 ≥ 3
5𝑦 + 5𝑦 ≥ 4
𝑦 ,𝑦 ≥ 0
Malgré que W =17, on remarque que ces valeurs ne satisfont pas le contrainte 2𝑦 + 3𝑦 ≥ 3. Donc la
solution précédente ne sera plus optimale.
5. On suppose que la seule modification du primal réside dans l’introduction d’une nouvelle variable
𝑀𝑎𝑥 𝑍 = 3𝑥 + 𝑥 + 4𝑥 + 2𝑥
𝑆. 𝑐
6𝑥 + 3𝑥 + 5𝑥 + 3𝑥 ≤ 25
3𝑥 + 4𝑥 + 5𝑥 + 2𝑥 ≤ 20
𝑥 ,𝑥 ,𝑥 ,𝑥 ≥ 0.

En utilisant le théorème de la dualité, vérifier si la solution trouvée en (1.) demeure encore optimale
L’ajout de la nouvelle variable au primaire, ajoute une contrainte au Dual qui est :
3𝑦 + 2𝑦 ≥ 2 qui ne satisfait pas les valeurs du Dual (1/5, 3/5). Donc la solution actuelle n'est donc plus
optimale.

10/10