finale Version des Vorlesungsskripts - ZIB
finale Version des Vorlesungsskripts - ZIB
finale Version des Vorlesungsskripts - ZIB
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
11 Das Farkas-Lemma und Dualitätstheorie<br />
Für festes z ∈ K ist die Lösungsmenge von (11.13) ein Polyeder im Kn . Wir setzen für<br />
alle z ∈ K<br />
<br />
Pz := x ∈ K n <br />
−cT −z<br />
| x ≤ .<br />
A b<br />
(11.14)<br />
Nunmehr können wir (11.13) wie folgt darstellen:<br />
max{z | Pz = ∅}. (11.15)<br />
Wir suchen also ein z ∈ K, das so groß wie möglich ist unter der Nebenbedingung, dass<br />
das Polyeder Pz = ∅ ist.<br />
Üblicherweise nennt man die Aufgabe zu zeigen, dass eine Menge nicht leer ist, ein<br />
primales Problem. Zu zeigen, dass eine Menge leer ist, ist ein duales Problem. Diese<br />
beiden Aufgaben sind i. A. nicht von gleicher Schwierigkeit. Betrachten wir z. B. ein<br />
Polyeder P ⊆ Q n . Legen wir einfach eine Abzählung x1, x2, x3, . . . der Elemente von Q n<br />
fest und überprüfen wir, ob xi ∈ P ist für i = 1, 2, . . ., so sind wir sicher, dass dieses<br />
Verfahren nach endlich vielen Schritten abbricht, falls P = ∅ ist. Jedoch kann dieses<br />
Verfahren niemals nach endlich vielen Schritten folgern, dass P leer ist. Ein Ziel von<br />
Dualitätstheorien ist es, „gute Kriterien“ für die Lösung der dualen Probleme zu finden.<br />
Das Farkas-Lemma liefert ein solches. Gilt P = {x | Ax ≤ b}, so ist nach (11.3)(a) P<br />
genau dann leer, wenn Q = P = ( AT bT 0<br />
, −1 ) nicht leer ist. Durch Anwendung <strong>des</strong> obigen<br />
Abzählverfahrens auf P und Q gleichzeitig können wir also nach endlich vielen Schritten<br />
entscheiden, ob P leer ist oder nicht.<br />
Das angegebene Abzählverfahren sollte nicht als ein ernsthafter Vorschlag zur algorithmischen<br />
Lösung <strong>des</strong> primalen und dualen Problems angesehen werden. Diese Bemerkungen<br />
sollen lediglich das Problembewusstsein <strong>des</strong> Lesers schärfen!<br />
Zurück zu (11.15). Es kann sein, dass Pz = ∅ gilt für alle z ∈ K. Dann ist (11.11)<br />
unbeschränkt und hat keine Optimallösung. Andernfalls können wir versuchen den Maximalwert<br />
in (11.15) nach oben zu beschränken. Die bestmögliche Schranke ist natürlich<br />
gegeben durch<br />
inf{z | Pz = ∅}. (11.16)<br />
Nach (11.2)(a) ist Pz = ∅ äquivalent dazu, dass das System y T A = λc T , y T b < λz, y ≥ 0,<br />
λ ≥ 0 eine Lösung hat. Man überlegt sich leicht, dass dieses System — im Falle der<br />
Lösbarkeit von (11.11) — genau dann lösbar ist, wenn y T A = c T , y T b < z, y ≥ 0 lösbar<br />
ist. Wenn wir das kleinste z in (11.16) finden wollen, müssen wir also einen möglichst<br />
kleinen Wert y T b bestimmen. (11.16) ist somit äquivalent zu<br />
min y T b<br />
y T A = c T<br />
y ≥ 0<br />
(11.17)<br />
Problem (11.17) ist offenbar wiederum ein lineares Programm. Wir nennen es das zum<br />
primalen Problem (11.11) duale lineare Programm. Wir wollen nun zeigen, dass (11.11)<br />
und (11.17) den gleichen Optimalwert haben.<br />
208