Dualit

(Chapitre V)

Introduction

A tout PL (Primal), on associe un second programme linaire appel

dual.
Ce PL a la proprit dtre en relation troite avec le 1er PL.
Chaque PL de maximisation possde un PL de minimisation
correspondant .
De mme chaque PL de minimisation possde un PL de maximisation
correspondant.
Rsoudre un PL est quivalent rsoudre son dual correspondant.
Parfois, il est plus simple de rsoudre le PL Dual que de rsoudre le
PL Primal.
On reprend lexemple de lusine de meubles pour illustrer cette
nouvelle notion et pour interprter conomiquement la solution du
dual.

Relation Primal-Dual
Soit le PL primal de la direction de lusine des meubles:
Max Z = 300 x1 + 200 x2 (profit de la direction)
s.c:
x1 0, x2 0.
x1 + 2x2 20. (Sciage)
2 x1 + x2 22. (Assemblage)
x1 + x2 12. (Sablage)
Avec x1 = nombre de bureaux du modle M1,
x2 = nombre de bureaux du modle M2.
3

Relation Primal/Dual:
Supposons quun client voudrait acheter la totalit des ressources
disponibles. Le directeur de lusine acceptera certainement cette
proposition si le prix offert par ce client lui procure le mme
profit provenant de la vente des bureaux.
On veut placer une valeur montaire sur les ressources:
y1 le prix d'une heure de sciage
y2 le prix dune heure dassemblage
y3 le prix dune heure de sablage

Le problme du client consiste minimiser les frais dachat des

ressources, cest dire
Min Zy = 20 y1+22 y2+12 y3
sous les contraintes que les prix satisfont le directeur de lusine.
4

Relation Primal/Dual:

Le directeur de lusine ne cdera ses ressources que si le revenu rapport

par la vente des ressources ncessaires la production dune unit dun
produit donn est > au revenu engendr par la production de cette unit
et sa vente.
La production de chaque bureau M1 ncessite 1h de sciage, 2h
dassemblage et 1h de sablage, donc le revenu engendr par la vente de
ces ressources est y1 + 2 y2 + y3 et on sait que le prix engendr par la
production et la vente dun bureau M1 est 300, do la contrainte
impose par le primal sur le dual est dfinie par: y1 + 2 y2 + y3 300.
Dune manire similaire, la production de chaque bureau M2 ncessite
2h de sciage, 1h dassemblage et 1h de sablage. Le revenu engendr par
la vente de ces ressources est : 2y1 + y2 + y3 et on sait que le prix
engendr par la production et la vente dun bureau M2 est 200 do la
contrainte : 2y1 + y2 + y3 200
Les prix de vente des ressources sont bien sr positifs. yi 0, avec
i=1,..3.

Relation Primal/Dual:
Ainsi le problme du client est le PL dual suivant:

s.c:

Min Zy = 20 y1+22 y2+12 y3

y1 + 2 y2 + y3 300.
2y1 + y2 + y3 200.
yi 0, avec i=1,..3.

Relation Primal/Dual:
Problme primal: Maximiser le chiffre daffaires
Etant donn la valeur unitaire (cj) de chaque produit (bnfice) et
une borne suprieure la disponibilit de chaque ressource (bi),
combien de chaque produit (xj) doit on fabriquer pour maximiser
la valeur totale des produits raliss.
Problme dual: Minimiser le cot de production:
Etant donn la disponibilit de chaque ressource (bi) et une borne
infrieure la valeur unitaire (cj) de chaque produit vendu,
quelles devront tre les valeurs unitaires yi des ressources pour
minimiser la valeur totale des ressources utilises.
7

Relation Primal/Dual:
Il faut remarquer qu chaque variable du Dual correspond une
contrainte du Primal et chaque contrainte du dual correspond une
variable du primal.
Forme canonique dun primal de type maximisation (PL1) est:
Max Zx = c x
s.c: Ax b
x0
Avec x,b,c des vecteurs de dimensions respectives n et m et A une matrice
de dimension (m,n).
Forme canonique du dual du PL1: Min Zy =tb y
s.c: tA y tc
y0
Avec y un vecteur de dimension m et tA la transpose de la matrice A.
8

Relation Primal/Dual:
En gnral le primal nest pas toujours sous forme canonique.
Donc on utilise le tableau suivant qui rsume les correspondances
primal/dual:

Maximisation

Minimisation

Nombre de contraintes

Nombre de variables

Nombre de variables

Nombre de contraintes

Type des contraintes

Type des variables principales

quelconque

Type des Variables de dcision

Type des contraintes

quelconque

Exemples:
;

,
;

;
10

, , ,

Proprits de Dualit:
Proprit faible de dualit:
Pour toute paire de Solution ralisable des PL primal et dual
on a:
Z max Z min

Proprit forte de dualit:

Si les PL primal et dual admettent des solutions optimales
finies alors on a:
Z max = Z min

11

Lien primal/dual: Thormes de Dualit

Etant donns un problme primal (PL) et son dual, une des
situations suivantes a lieu :
1. Les deux problmes possdent chacun des solutions optimales
et les valeurs optimales de leurs fonctions objectifs sont
gales. (Z x= Zy)
2. Un des problmes possde une solution qui tend vers linfini,
et l'autre n'a pas de solution.
3. Aucun des deux problmes ne possde de solution ralisable.
4. Un des problmes possde une solution dgnre, son dual
admet une solution multiple.

Remarque: Le dual du dual est le primal

12

Tableau optimal du primal:

Tableau final du simplexe du Primal:
Ci

300 200 0

VB x1

x2

s1 s2

s3

bi

s1

-3

300 x1

-1

10

200 x2

-1

100

100

3400

Zxj 300 200 0

j

13

-100 -100

Tableau optimal du Dual

20

22

y1

y2

12

y3

0
e1

e2

bi

22

y2

-1

-1

100

12

y3

-2

100

Zyj

14

22

12

-10

-2

3400

10

Avec e1 et e2, les variables dcart la 1re et la 2me contrainte du

programme dual.
14

Relation Primal/Dual:

On remarque que la solution

optimale du dual peut tre
dduite du primal de la
manire suivante :

Dual
y1 = 0
y2
y3
e1
e2

= 100
= 100
= 0
= 0

y1 = 6
y2 = 0
y3 = 0
e1 = 10
e2 = 2

15

Zy = 3400

Primal

s1 = 0
s2 = -100
s3 = - 100
x1 = 0
x2 = 0
s1 =6
s2 =0
s3 =0
x1=10
x2 = 2
Zx = 3400

Construction du Tableau optimal du Dual

partir du Primal (et inversement):

Utilisation de la Matrice Simpliciale:

T= B-1H
T= - tr(T)

16

Thorme des carts complmentaires:

Une condition ncessaire pour quun couple de solutions
ralisable du primal (xj, j=1,..n) et du dual (yi i=1, ..m) soit
optimal est la proprit de complmentarit des carts:
y*i s*i=0
e*j x*j=0
O si et ej sont respectivement les variables dcart des PL du
Primal et du Dual.
Cest--dire:
Si une variable dcart primale si* est dans la base alors la
variable duale correspondante est nulle yi*. Et vice versa.
Si la variable de dcision primal xj* est dans la base alors la
variable dcart duale correspondante ej* est nulle. Et vice
versa.
17

Thormes du dual
Le thorme des carts complmentaires et les coef. de la
dernire ligne du tableau simplexe (j) vont permettre la
dduction de la solution optimale du Dual.
Si les 2 PL admettent des solutions finies, on a :
yi* est dtermin par le |j|de la variable dcart si
correspondante dans le primal (pour yi* 0)
ej* est dtermine par le j de la variable de dcision xj
correspondante dans le primal.
18

Interprtation conomique de la ligne j dune

variable dcart (valeur de la variable duale)
Cest la valeur marginale de la ressource correspondante la
contrainte: la variation de Z suite laugmentation dune unit
supplmentaire de cette ressource.
Si PL de max (profit), on parle de gain marginal.
Si PL de min (cot), on parle de cot marginal.
Comme le j de la variable dcart dtermine la valeur de la
variable duale, il est appel aussi prix fictif (ou Shadow Price).
Cette valeur est nulle si la contrainte correspondante nest pas
sature et elle est diffrente de 0 lorsque la contrainte nest pas
sature.
19

Interprtation conomique de la ligne j dune

variable dcart (valeur de la variable duale)
Ex (usine de meubles):
Sciage: j(s1)=0: Pour avoir une heure supplmentaire dans latelier sciage, je
ne suis pas prt payer une somme dargent en plus de sa valeur sur le march.
Prix dune heure de sciage nul: Lusine nexige rien pour 1 heure de sciage loue
ou vendue au clients car il lui reste du temps de sciage non utilis (s1>0).

Assemblage: j(s2)= -100: Pour avoir une heure supplmentaire dassemblage,

je suis prt payer au max 100 en plus de sa valeur sur le march.
Prix dune heure dassemblage= 100: Le temps dassemblage est utilis
pleinement. Vendre 1 H revient perdre 1 H de Production et donc diminue le
profit total. Pour retrouver le mme profit, il faut exiger un prix de vente = cots
rduits.

20

Interprtation conomique de la ligne

j dune variable de dcision
Il est appel cot rduit de la variable de dcision
correspondante.
Cest la contribution nette de la variable dans la valeur de Z
lorsque cette variable devient uneVB.

21