1.

Méthode du simplexe
et
son analyse
 Problème du restaurateur
max 8x + 6y
• Disponibilités du restaurateur: Sujet à
30 oursins 5x + 3y ≤ 30
24 crevettes 2x + 3y ≤ 24
18 huîtres 1x + 3y ≤ 18
x,y ≥ 0
• Deux types d’assiettes de fruits de mer offertes par le restaurateur:
à $8 composée de 5 oursins, 2 crevettes et 1 huître
à $6 composée de 3 oursins, 3 crevettes et 3 huîtres

• Problème: déterminer le nombre d’assiettes de chaque type à offrir pour

que le restaurateur maximise son revenu en respectant les disponibilités de
fruits de mer
Transformation de max en min
 Transformation de max en min

• Considérons le problème de maximisation

max f(w)
Sujet à w  X  R n
où f : X → R1.
 Transformation de max en min

• Considérons le problème de maximisation

max f(w)
Sujet à w  X  R n
où f : X → R1.
• Soit w* un point de X où le maximum est atteint.
 Transformation de max en min

• Considérons le problème de maximisation

max f(w)
Sujet à w  X  R n
où f : X → R1.
• Soit w* un point de X où le maximum est atteint.
• Donc f(w*) ≥ f(w) w X
 Transformation de max en min

• Considérons le problème de maximisation

max f(w)
Sujet à w  X  R n
où f : X → R1.
• Soit w* un point de X où le maximum est atteint.
• Donc f(w*) ≥ f(w) w X
ou – f(w*) ≤ – f(w) w X
 Transformation de max en min

• Considérons le problème de maximisation

max f(w)
Sujet à w  X  R
n

où f : X → R1.
• Soit w* un point de X où le maximum est atteint.
• Donc f(w*) ≥ f(w) w X
ou – f(w*) ≤ – f(w) w X
• Par conséquent
– f(w*) = min – f(w)
Sujet à wX  Rn
 Transformation de max en min

• Considérons le problème de maximisation

max f(w)
Sujet à w  X  R n
où f : X → R1.
• Soit w* un point de X où le maximum est atteint.
• Donc f(w*) ≥ f(w) w X
ou – f(w*) ≤ – f(w) w X
• Par conséquent
– f(w*) = min – f(w)
Sujet à wX  Rn
et w* est un point de X où la fonction – f(w) atteint son minimum.
 Transformation de max en min

• Considérons le problème de maximisation

max f(w)
Sujet à w  X  R n
où f : X → R1.

• Soit w* un point de X où le maximum est atteint.

• Donc f(w*) ≥ f(w) w X
ou – f(w*) ≤ – f(w) w X
• Par conséquent
– f(w*) = min – f(w)
Sujet à wX  Rn
et w* est un point de X où la fonction – f(w) atteint son minimum.
• Ainsi qu’on max f(w) ou qu’on min – f(w), on retrouve la même sol. opt.
w*.
 f(w*)

f(w)

w
w*

– f(w)
– f(w*)
 Transformation de max en min

• De plus,
f(w*) = max f(w) = – min – f(w) = – (–f(w*) )

• Nous allons toujours transformer les problèmes de max en problème de

min.

• Donc f(w*) ≥ f(w) w X

ou – f(w*) ≤ – f(w)
w X
• Par conséquent
– f(w*) = min – f(w)
Sujet à wX  Rn
et w* est un point de X où la fonction – f(w) atteint son minimum.
• Ainsi qu’on max f(w) ou qu’on min – f(w), on retrouve la même sol. opt. w*.
 Problème du restaurateur

max 8x + 6y min – (8x + 6y)

Sujet à Sujet à
5x + 3y ≤ 30 5x + 3y ≤ 30
2x + 3y ≤ 24 2x + 3y ≤ 24
1x + 3y ≤ 18 1x + 3y ≤ 18
x,y ≥ 0 x,y ≥ 0
 Méthode de résolution graphique

• Méthodes pour problème ne comportant que deux variables

• Revenons au problème du restaurateur après l’avoir
transformer en un problème de min:

min z = –8x – 6y
Sujet à
5x + 3y ≤ 30
2x + 3y ≤ 24
1x + 3y ≤ 18
x,y ≥ 0
 5 x  3 y  30
2 x  3 y  24
Domaine réalisable 1x  3 y  18
x  0, y  0

• Traçons la droite
5x + 3y = 30
L’ensemble des points qui
satisfont la contrainte
5x + 3y ≤ 30
sont sous cette droite car l’origine
satisfait cette relation
 5 x  3 y  30
2 x  3 y  24
Domaine réalisable 1x  3 y  18
x  0, y  0

• Traçons la droite
2x + 3y = 24

L’ensemble des points qui

satisfont la contrainte
2x + 3y ≤ 24

sont sous cette droite car l’origine

satisfait cette relation
 5 x  3 y  30
2 x  3 y  24
Domaine réalisable 1x  3 y  18
x  0, y  0

• Traçons la droite
1x + 3y = 18

L’ensemble des points qui

satisfont la contrainte
1x + 3y ≤ 18

sont sous cette droite car l’origine

satisfait cette relation
 Domaine réalisable

• L’ensemble des points réalisables

pour le système
5x + 3y ≤ 30
2x + 3y ≤ 24
1x + 3y ≤ 18
x,y ≥ 0
 5 x  3 y  30
2 x  3 y  24
1x  3 y  18
Résolution
x  0, y  0

8 z
• Considérons la fonction y   x
6 6
économique : 8
z = –8x – 6y. droites de pente 
6
• Plus on s’éloigne de l’origine,
plus la valeur diminue:
x = 0 et y = 0 => z = 0
 5 x  3 y  30
2 x  3 y  24
1x  3 y  18
Résolution x  0, y  0

• Considérons la fonction
économique :
z = –8x – 6y.
• Plus on s’éloigne de l’origine,
x  3 y  18 x  0
plus la valeur diminue: 
x = 0 et y = 0 => z = 0 x 0  y  6
x = 0 et y = 6 => z = – 36

x  3 y  18
 5 x  3 y  30
2 x  3 y  24
1x  3 y  18
Résolution
x  0, y  0

• Considérons la fonction
économique :
z = –8x – 6y.
• Plus on s’éloigne de l’origine,
plus la valeur diminue: 5x  3 y  30 x  6

y0   y  0
x = 0 et y = 0 => z = 0
x = 0 et y = 6 => z = – 36
x = 6 et y = 0 => z = – 48 5x  3 y  30
 5 x  3 y  30
2 x  3 y  24
1x  3 y  18
Résolution
x  0, y  0

• Considérons la fonction
5 x  3 y  30
économique :  x  3  x  3
x  3 y  18      y  5
z = –8x – 6y. 3  3 y  18  
4x  12 

• Plus on s’éloigne de l’origine,
plus la valeur diminue:
x = 0 et y = 0 => z = 0 Solution optimale:
x = 3 et y = 5
x = 0 et y = 6 => z = – 36
Valeur optimale:
x = 6 et y = 0 => z = – 48 z = – 54
x = 3 et y = 5 => z = – 54.
• Impossible d’aller plus loin sans x  3 y  18
sortir du domaine réalisable.
5x  3 y  30
 Variables d’écart

• Transformer les contraintes d’inégalité en des contraintes d’égalité avec des

variables d’écart prenant des valeurs non négatives:

ai1x1 + ai2x2 + … + ainxn ≤ bi → ai1x1 + ai2x2 + … + ainxn + yi = bi

yi ≥ 0

ai1x1 + ai2x2 + … + ainxn ≥ bi → ai1x1 + ai2x2 + … + ainxn – yi = bi

yi ≥ 0
 Problème du restaurateur transformé en min

• Transformons les contraintes d’inégalité du problème du restaurateur en

égalité avec les variables d’écart u, p et h:

min z = – 8x – 6y min z = – 8x – 6y
Sujet à Sujet à
5x + 3y ≤ 30 5x + 3y + u =30
2x + 3y ≤ 24 2x + 3y + p =24
1x + 3y ≤ 18 1x + 3y + h = 18
x, y ≥ 0 x, y, u, p, h ≥ 0
• Les contraintes constituent un système de 3 équations comportant 5
variables. Exprimons 3 des variables en fonction des 2 autres
 Méthode du simplexe – forme algébrique

• Les contraintes constituent un système de 3 équations comportant 5

variables. Exprimons 3 des variables en fonction des 2 autres:
u = 30 – 5x – 3y
p = 24 – 2x – 3y
h = 18 – 1x – 3y
z = 0 – 8x – 6y
• En fixant x et y nous retrouvons les valeurs des autres variables.
• Il suffit de trouver les valeurs non négatives de x et y qui entraînent des
valeurs non négatives de u, p et h et qui donnent à z sa valeur minimale.
• Infinité de valeurs possibles. Il faut donc une procédure systématique pour
y arriver.
 Choix de la variable à augmenter

• Une solution réalisable du système

u = 30 – 5x – 3y
p = 24 – 2x – 3y
h = 18 – 1x – 3y
z = 0 – 8x – 6y
est la suivante
x = y = 0 => u = 30, p = 24, h = 18 et z = 0.

• Nous pouvons réduire la valeur de z en augmentant la valeur de x, ou bien

celle de y, ou bien celles des deux.
• Mais nous choisissons d’augmenter la valeur d’une seule variable.
• Puisque nous cherchons à minimiser z, il est avantageux d’augmenter la
valeur de x puisque pour chaque augmentation d’une unité de x entraîne
une diminution de 8 unités de z.
 Augmentation limitée de la variable qui augmente

• Mais l’augmentation de x est limitée par les contraintes de non négativité

des variables u, p et h:
u = 30 – 5x – 3y ≥ 0
p = 24 – 2x – 3y ≥ 0
h = 18 – 1x – 3y ≥0
• Puisque la valeur de y est maintenue à 0, ceci est équivalent à
u = 30 – 5x ≥ 0  x ≤ 30 / 5 = 6
p = 24 – 2x ≥ 0  x ≤ 24 / 2 = 12
h = 18 – 1x ≥0  x ≤ 18
• Donc la solution demeure réalisable aussi longtemps que
x ≤ min {6, 12, 18} = 6.
 Nouvelle solution

• u = 30 – 5x – 3y
p = 24 – 2x – 3y
h = 18 – 1x – 3y
z = 0 – 8x – 6y
• Donc la solution demeure réalisable aussi longtemps que
x ≤ min {6, 12, 18} = 6.
• Puisque l’objectif est de minimiser z, nous allons choisir la plus grande
valeur possible de x: i.e., x = 6.
• La nouvelle solution est donc
x = 6, y = 0 => u = 0, p = 12, h = 12 et z = – 48.
 Nouvelle itération

• u = 30 – 5x – 3y 5 x  3 y  1u  30
p = 24 – 2x – 3y 2x  3y  1p  24
h = 18 – 1x – 3y 1x  3 y  1h  18
z = 0 – 8x – 6y
• La nouvelle solution est donc
x = 6, y = 0 => u = 0, p = 12, h = 12 et z = –48.
• Cette solution est la seule pour le système précédent lorsque y = u = 0
puisque la matrice des coefficients des variables x, p et h est non singulière.
• Par conséquent, pour retrouver une autre solution différente, il faut que y ou
u prennent une valeur positive.
• Précédemment, l’analyse était facilitée par le fait que les variables x et y qui
pouvaient être modifiées étaient à droite.
 Transformation du système

• Isolons donc y et u du côté droit des équations.

• Utilisons l’équation où x et u apparaissent pour exprimer x en fonction de u
et y:
• u = 30 – 5x – 3y => 5x = 30 – u – 3y
p = 24 – 2x – 3y
h = 18 – 1x – 3y
z = 0 – 8x – 6y
 Transformation du système

• Isolons donc y et u du côté droit des équations.

• Utilisons l’équation où x et u apparaissent pour exprimer x en fonction de u
et y:
• u = 30 – 5x – 3y => (5x = 30 – u – 3y) ÷ 5
=> x = 6 – 1/5u – 3/5y
p = 24 – 2x – 3y
h = 18 – 1x –3y
z = 0 – 8x – 6y
 Transformation du système

• Isolons donc y et u du côté droit des équations.

• Utilisons l’équation où x et u apparaissent pour exprimer x en fonction de u
et y:
• u = 30 – 5x – 3y => x = 6 – 1/5u – 3/5y
p = 24 – 2x – 3y
=> p = 24 – 2(6 – 1/5u – 3/5y) – 3y
=> p = 12 + 2/5u – 9/5y
h = 18 – 1x – 3y
z = 0 – 8x – 6y

• Substituons la valeur de x dans les autres équations

 Transformation du système

• Isolons donc y et u du côté droit des équations.

• Utilisons l’équation où x et u apparaissent pour exprimer x en fonction de u
et y:
• u = 30 – 5x – 3y => x = 6 – 1/5u – 3/5y
p = 24 – 2x – 3y => p = 12 + 2/5u – 9/5y
h = 18 – 1x – 3y
=> h = 18 – (6 – 1/5u – 3/5y) – 3y
=> h = 12 + 1/5u – 12/5y
z = 0 – 8x – 6y

• Substituons la valeur de x dans les autres équations

 Transformation du système

• Isolons donc y et u du côté droit des équations.

• Utilisons l’équation où x et u apparaissent pour exprimer x en fonction de u
et y:
• u = 30 – 5x – 3y => x = 6 – 1/5u – 3/5y
p = 24 – 2x – 3y => p = 12 + 2/5u – 9/5y
h = 18 – 1x – 3y => h = 12 + 1/5u – 12/5y
z = 0 – 8x – 6y
=> z = 0 – 8(6 – 1/5u – 3/5y) – 6y
=> z = – 48 + 8/5u – 6/5y

• Substituons la valeur de x dans les autres équations

 Système équivalent

• Nous avons donc transformer le système

• u = 30 – 5x – 3y => x = 6 – 1/5u – 3/5y

p = 24 – 2x – 3y => p = 12 + 2/5u – 9/5y
h = 18 – 1x – 3y => h = 12 + 1/5u – 12/5y
z = 0 – 8x – 6y => z = – 48 + 8/5u – 6/5y
 Système équivalent

• Nous obtenons un nouveau système équivalent au précédent (dans le sens

où les deux systèmes ont les mêmes solutions réalisables)
• Notons qu’il n’est pas intéressant d’augmenter u car alors la valeur de z
augmente
• Nous répétons le processus précédent en augmentant la valeur de y

x = 6 – 1/5u – 3/5y
p = 12 + 2/5u – 9/5y
h = 12 + 1/5u – 12/5y
z = – 48 + 8/5u – 6/5y
 Nouvelle itération

• Mais l’augmentation de y est limité par les contraintes de non négativité des
variables x, p et h:
x = 6 – 1/5u – 3/5y ≥ 0
p = 12 + 2/5u – 9/5y ≥0
h = 12 + 1/5u – 12/5y ≥ 0

• Puisque la valeur de u est maintenue à 0, ceci est équivalent à

x = 6 – 3/5y ≥ 0  y ≤ 10
p = 12 – 9/5y ≥ 0  y ≤ 20/3
h = 12– 12/5y ≥0  y ≤ 5
• Donc la solution demeure réalisable aussi longtemps que
y ≤ min {10, 20/3, 5} = 5.
 Nouvelle itération

• x = 6 – 1/5u – 3/5y ≥ 0
p = 12 + 2/5u – 9/5y ≥0
h = 12 + 1/5u – 12/5y ≥ 0
z = – 48 + 8/5u– 6/5y
• Donc la solution demeure réalisable aussi longtemps que
y ≤ min {10, 20/3, 5} = 5.

• Puisque l’objectif est de minimiser z, nous allons choisir la plus grande

valeur possible de y: i.e., y = 5.

• La nouvelle solution est donc

y = 5, u = 0 => x = 3, p = 3, h = 0 et z = – 54.
 Solution optimale

• Isolons donc h et u du côté droit des équations.

• Utilisons l’équation où y et h apparaissent pour exprimer y en fonction de h
et u.
h = 12 + 1/5u – 12/5y
• Substituons la valeur de y dans les autres équations.
• Le système devient
x = 3 – 1/4u + 1/4h
p = 3 + 1/4u + 3/4h
y = 5 + 1/12u – 5/12h
z = – 54 + 3/2u + 1/2h

• La solution y = 5, u = 0, x = 3, p = 3, h = 0 (dont la valeur z = – 54) est

donc optimale puisque les coefficients de u et h sont positifs.
• En effet la valeur de z ne peut qu’augmenter lorsque u ou h augmente.
 Lien avec la résolution graphique

Lors de la résolution du problème

du restaurateur avec la méthode
du simplexe: 5x + 3y ≤ 30
La solution initiale est 5x + 3y + u =30
x = y = 0 ( u = 30, p = 24, h = 18 )
et la valeur z = 0
En augmentant x, 2x + 3y ≤ 24
la solution devient 2x + 3y + p =24
x = 6, y = 0 (u = 0, p = 12, h = 12)
et la valeur z = – 48 1x + 3y ≤ 18
En augmentant y, 1x + 3y + h = 18
la solution devient 

x = 3, y = 5(u = 0, p = 3, h = 0)
et la valeur z = – 54
 
 Type de solutions considérées

• Nous n’avons considéré que des solutions où il n’y a que trois variables
positives!

5 5!
 
• Comme il y a 5 variables, il y a au plus    = 10 solutions
différentes de ce type.  3  3! 2!

• Pourrait-il exister une meilleure solution qui aurait un nombre de variables

positives différent de 3?

• Nous pouvons démontrer que non.

 Forme standard

• Après avoir transformé les contraintes d’inégalité en égalités, nous

retrouvons le problème sous sa forme standard où certaines variables
peuvent être des variables d’écart:

min z  c1 x1  c2 x2  ...  cn xn
Sujet à a11 x1  a12 x 2  ...  a1n x n  b1
a 21 x1  a 22 x 2  ...  a 2 n x n  b2
. . . .
. . . .
a m1 x1  a m 2 x 2  ...  a mn x n  bm

x1 , x2 , ..., xn  0
 Itération typique

• Pour analyser une itération typique du simplexe, supposons qu’après un

certain nombre d’itérations les variables x1, x2, …, xm sont exprimées en
fonction des autres variables .
 Forme du système

• Le système est de la forme suivante:

x1   a 1m 1 x m 1  ...  a 1s x s  ...  a 1n x n  b1
x2   a 2 m 1 x m 1  ...  a 2 s x s  ...  a 2 n x n  b 2
. . . .
x r   a rm1 x m 1  ...  a rs x s  ...  a rn x n  b r
. . . .
x m  a mm1 x m 1  ...  a ms x s  ...  a mn x n  b m
c m 1 x m 1  ...  c s x s  ...  c n x n  z  z
• Les variables x1, x2, …, xm sont dénotées comme étant les variables
dépendantes alors que les autres variables sont les variables indépendantes.
 Itération typique

• Pour analyser une itération typique du simplexe, supposons qu’après un

certain nombre d’itérations les variables x1, x2, …, xm sont exprimées en
fonction des autres variables .

• Les variables x1, x2, …, xm sont dénotées comme étant les variables
dépendantes alors que les autres variables sont les variables indépendantes.

• À chaque itération, les transformations nous assurent que les termes de

droite demeurent non négatifs de sorte que les variables dépendantes sont
non négatives lorsque la valeur des variables indépendantes est 0.
 Forme du système

• Le système est de la forme suivante:

x1   a 1m 1 x m 1  ...  a 1s x s  ...  a 1n x n  b1
x2   a 2 m 1 x m 1  ...  a 2 s x s  ...  a 2 n x n  b 2
. . . .
x r   a rm1 x m 1  ...  a rs x s  ...  a rn x n  b r
. . . .
x m  a mm1 x m 1  ...  a ms x s  ...  a mn x n  b m
c m 1 x m 1  ...  c s x s  ...  c n x n  z  z
 Forme du système

• Isolons les variables dépendantes à gauche des égalités:

x1  b1  a 1m 1 x m 1  ...  a 1s x s  ...  a1n x n

x2  b 2  a 2 m 1 x m 1  ...  a 2 s x s  ...  a 2 n x n
. . . .
xr  b r  a rm1 x m 1  ...  a rs x s  ...  a rn x n
. . . .
xm  b m  a mm1 x m 1  ...  a ms x s  ...  a mn x n
z  z  c m 1 x m 1  ...  c s x s  ...  c n x n
 Étape 1: Choix de la variable d’entrée

• Pour choisir la variable qui augmente (dénotée variable d’entrée), nous

considérons l’équation de z

x1  b1  a 1m 1 x m 1  ...  a 1s x s  ...  a 1n x n
x2  b 2  a 2 m 1 x m 1  ...  a 2 s x s  ...  a 2 n x n
. . . .
xr  b r  a rm1 x m 1  ...  a rs x s  ...  a rn x n
. . . .
xm  b m  a mm1 x m 1  ...  a ms x s  ...  a mn x n
z  z  c m 1 x m 1  ...  c s x s  ...  c n x n
 Étape 1: Choix de la variable d’entrée

• Pour choisir la variable qui augmente (dénotée variable d’entrée), nous

considérons l’équation de z

x1  b1  a 1m 1 x m 1  ...  a 1s x s  ...  a 1n x n
x2  b 2  a 2 m 1 x m 1  ...  a 2 s x s  ...  a 2 n x n
. . . .
xr  b r  a rm1 x m 1  ...  a rs x s  ...  a rn x n
. . . .
xm  b m  a mm1 x m 1  ...  a ms x s  ...  a mn x n
z  z  c m 1 x m 1  ...  c s x s  ...  c n x n

• Dénotons c s  min c j
1 j  n
 
 Étape 1: Choix de la variable d’entrée

• Pour choisir la variable qui augmente (dénotée variable d’entrée), nous

considérons l’équation de z

x1  b1  a 1m 1 x m 1  ...  a 1s x s  ...  a 1n x n
x2  b 2  a 2 m 1 x m 1  ...  a 2 s x s  ...  a 2 n x n
. . . Si c s ≥ 0, alors la. solution
xr  b r  a rm1 x m 1  ... est
 aoptimale,
rs x s  ...  a rn x n

. . . et l’algorithme s’arrête
.
xm  b m  a mm1 x m 1  ...  a ms x s  ...  a mn x n
z  z  c m 1 x m 1  ...  c s x s  ...  c n x n

• Dénotons c s  min c j
1 j  n
 
 Étape 1: Choix de la variable d’entrée

• Pour choisir la variable qui augmente (dénotée variable d’entrée), nous

considérons l’équation de z

x1  b1  a 1m 1 x m 1  ...  a 1s x s  ...  a 1n x n
x2  b 2  a 2 m 1 x m 1  ...  a 2 s x s  ...  a 2 n x n
. . . .
Si c s < 0, alors la variable
 bd’entrée.
xs devientx rla variable r  a rm1 x m 1  ...  a rs x s  ...  a rn x n

.Nous allons à .l’étape 2. . .

xm  b m  a mm1 x m 1  ...  a ms x s  ...  a mn x n
z  z  c m 1 x m 1  ...  c s x s  ...  c n x n

• Dénotons c s  min c j
1 j  n
 
 Étape 2: Choix de la variable de sortie

• Nous devons déterminer la plus grande valeur que peut prendre la variable
d’entrée pour que la solution demeure réalisable.

• En fait, l’augmentation de la valeur de la variable d’entrée peut être limitée

par une première variable dépendante qui devient égale à 0. Cette variable
est dénotée variable de sortie.

• Pour identifier la plus grande valeur que la variable d’entrée peut prendre,
nous revenons au système précédent:
 Étape 2: Choix de la variable de sortie

x1  b1  a 1m 1 x m 1  ...  a 1s x s  ...  a1n x n

x2  b 2  a 2 m 1 x m 1  ...  a 2 s x s  ...  a 2 n x n
. . . .
xr  b r  a rm1 x m 1  ...  a rs x s  ...  a rn x n
. . . .
xm  b m  a mm1 x m 1  ...  a ms x s  ...  a mn x n
z  z  c m 1 x m 1  ...  c s x s  ...  c n x n

• Mais comme les autres variables indépendantes demeurent égale à 0, nous

pouvons les éliminer du système.
 Étape 2: Choix de la variable de sortie

• Les conditions pour que la solution demeure réalisable deviennent donc:

x1  b1  a 1s x s  0
x2  b 2  a 2s x s  0
. . .
xr  b r  a rs x s  0
. . .
xm  b m  a ms x s  0

• Deux cas doivent être analysés.

 Étape 2: Choix de la variable de sortie

• Les conditions pour que la solution demeure réalisable deviennent donc:

x1  b1  a 1s x s  0
Si a is  0  1  i  m
x2  b 2  a 2s x s  0 alors la variable d’entrée xs peut
. . . augmenter à l’infini sans qu’aucune
xr  b r  a rs x s  0 variable dépendante ne devienne
négative.
. . .
xm  b m  a ms x s  0
 Étape 2: Choix de la variable de sortie

• Les conditions pour que la solution demeure réalisable deviennent donc:

x1  b1  a 1s x s  0 Si a is  0  1  i  m
alors la variable d’entrée xs peut
x2  b 2  a 2s x s  0
augmenter à l’infini sans qu’aucune
. . . variable dépendante ne devienne
xr  b r  a rs x s  0 négative.
. . .
En effet chaque variable dépendante
xm  b m  a ms x s  0 x augmente (si ais  0) ou conserve
i

la même valeur (si a is  0).

 Étape 2: Choix de la variable de sortie

• Les conditions pour que la solution demeure réalisable deviennent donc:

x1  b1  a 1s x s  0
Si a is  0  1  i  m
x2  b 2  a 2s x s  0 alors la variable d’entrée xs peut
. . . augmenter à l’infini sans qu’aucune
xr  b r  a rs x s  0 variable dépendante ne devienne
négative.
. . .
xm  b m  a ms x s  0 En effet chaque variable dépendante
xi augmente (si a is  0) ou conserve
la même valeur (si a is  0).

Dans ce cas l’algorithme s’arrête en indiquant que le problème

n’est pas borné inférieurement
 Étape 2: Choix de la variable de sortie

• Les conditions pour que la solution demeure réalisable deviennent donc:

x1  b1  a 1s x s  0
x2  b 2  a 2s x s  0 Dans le deuxième cas où ais  0
pour au moins un i, l’augmentation
. . .
de xs est limitée par le fait que la
xr  b r  a rs x s  0 valeur d’une première variable
. . . dépendante est réduite à 0 sous
l’effet de l’augmentation de xs.
xm  b m  a ms x s  0
 Étape 2: Choix de la variable de sortie

• Les conditions pour que la solution demeure réalisable deviennent donc:

x1  b1  a 1s x s  0
x2  b 2  a 2s x s  0 Dans le deuxième cas où ais  0
pour au moins un i, l’augmentation
. . .
de xs est limitée par le fait que la
xr  b r  a rs x s  0 valeur d’une première variable
. . . dépendante est réduite à 0 sous
l’effet de l’augmentation de xs.
xm  b m  a ms x s  0

Mais seulement les variables dépendantes xi telle que a is  0 sont pertinentes

En effet, si a is  0 , nous venons d’observer que la valeur de la variable xi reste
la même ou augmente, et par conséquent cette variable ne peut être celle qui
limite l’augmentation de la variable d’entrée xs.
 Étape 2: Choix de la variable de sortie

• Les conditions pour que la solution demeure réalisable deviennent donc:

x1  b1  a 1s x s  0 En somme, la solution demeure réalisable
x2  b 2  a 2s x s  0 i telque ais  0

. . .
 b r  a rs x s  0 bi
xr xi  b i  a is x s  0  x s 
. . . a is
xm  b m  a ms x s  0
 Étape 2: Choix de la variable de sortie

• Les conditions pour que la solution demeure réalisable deviennent donc:

x1  b1  a 1s x s  0 En somme, la solution demeure réalisable
x2  b 2  a 2s x s  0
  i tel que ais  0
. . .
 b r  a rs x s  0
bi
xr xi  b i  a is x s  0  x s 
. . . a is
xm  b m  a ms x s  0 Par conséquent la plus grande valeur que
peut prendre la variable d’entrée xs est

br 
 bi 

xs   min  : a is  0
1i  m a is 
a rs  
 Étape 2: Choix de la variable de sortie

• Les conditions pour que la solution demeure réalisable deviennent donc:

x1  b1  a 1s x s  0 En somme, la solution demeure réalisable
 b 2  a 2s x s  0
x2
  i tel que ais  0
. . .
 b r  a rs x s  0 bi
xr xi  b i  a is x s  0  x s 
. . . a is
xm  b m  a ms x s  0 Par conséquent la plus grande valeur que
peut prendre la variable d’entrée xs est

br 
 bi 

La variable indépendante xr qui xs   min  : a is  0
1i  m a is 
limite l’augmentation de la variable
a rs  
d’entrée xs est la variable de sortie.
Étape 3: Pivot pour transformer le système
 Étape 3: Pivot pour transformer le système

• Nous devons transformer le système :

x1  b1  a 1m 1 x m 1  ...  a 1s x s  ...  a1n x n

x2  b 2  a 2 m 1 x m 1  ...  a 2 s x s  ...  a 2 n x n
. . . .
xr  b r  a rm1 x m 1  ...  a rs x s  ...  a rn x n
. . . .
xm  b m  a mm1 x m 1  ...  a ms x s  ...  a mn x n
z  z  c m 1 x m 1  ...  c s x s  ...  c n x n
• pour ramener la variable d’entrée xs à gauche à la place de la variable de
sortie xr et vice-versa.
 Étape 3: Pivot pour transformer le système

• En effet nous échangeons les rôles des variables xs et xr car

 la variable d’entrée xs (qui était une variable indépendante avec une valeur
nulle) devient une variable dépendante avec une valeur non négative

 la variable de sortie xr (qui était une variable dépendante avec une valeur
non négative) devient une variable indépendante avec valeur nulle

• L’ensemble des opérations pour y arriver est dénoté par pivot

 Étape 3: Pivot pour transformer le système

x1  b1  a 1m 1 x m 1  ...  a 1s x s  ...  a1n x n

x2  b 2  a 2 m 1 x m 1  ...  a 2 s x s  ...  a 2 n x n
. . . .
xr  b r  a rm1 x m 1  ...  a rs x s  ...  a rn x n xs 
b r a rm 1
 xm 1  ... 
1
xr  ... 
a rn
xn
a rs a rs a rs a rs
. . . .
xm  b m  a mm1 x m 1  ...  a ms x s  ...  a mn x n
z  z  c m 1 x m 1  ...  c s x s  ...  c n x n Utilisons la re équation
pour exprimer xs en
fonction de xm+1, …, xs-1,
xs+1, …, xn, xr
 Étape 3: Pivot pour transformer le système

x1  b1  a 1m 1 x m 1  ...  a 1s x s  ...  a1n x n

x2  b 2  a 2 m 1 x m 1  ...  a 2 s x s  ...  a 2 n x n
. . . .
xr  b r  a rm1 x m 1  ...  a rs x s  ...  a rn x n xs 
b r a rm 1
 xm 1  ... 
1
xr  ... 
a rn
xn
a rs a rs a rs a rs
. . . .
xm  b m  a mm1 x m 1  ...  a ms x s  ...  a mn x n
z  z  c m 1 x m 1  ...  c s x s  ...  c n x n
Remplaçons xs par son
expression en fonction
de xm+1, …, xs-1, xs+1, …,
 br a rm1 1 a rn  xn, xr, dans chacune des
x1  b1  a1m1 xm1  ...  a1s   xm1  ...  xr  ...  xn   ...  a1n xn
 a rs a rs a rs a rs  autres équations

 br   a rm1   1   a rn 
x1   b1  a1s    a1m1  a1s  xm1    a1s   xr    a1n  a1s  xn
 a rs   a rs   a rs   a rs 
 Étape 3: Pivot pour transformer le système

x1  b1  a 1m 1 x m 1  ...  a 1s x s  ...  a1n x n

x2  b 2  a 2 m 1 x m 1  ...  a 2 s x s  ...  a 2 n x n
. . . .
xr  b r  a rm1 x m 1  ...  a rs x s  ...  a rn x n
. . . .
xm  b m  a mm1 x m 1  ...  a ms x s  ...  a mn x n
z  z  c m 1 x m 1  ...  c s x s  ...  c n x n
Remplaçons xs par son
expression en fonction
de xm+1, …, xs-1, xs+1, …,
xn, xr, dans chacune des
autres équations
 Étape 3: Pivot pour transformer le système

x1  b1  a 1m 1 x m 1  ...  a 1s x s  ...  a1n x n

x2  b 2  a 2 m 1 x m 1  ...  a 2 s x s  ...  a 2 n x n
. . . .
xr  b r  a rm1 x m 1  ...  a rs x s  ...  a rn x n
. . . .
xm  b m  a mm1 x m 1  ...  a ms x s  ...  a mn x n
z  z  c m 1 x m 1  ...  c s x s  ...  c n x n
Remplaçons xs par son
expression en fonction
de xm+1, …, xs-1, xs+1, …,
xn, xr, dans chacune des
autres équations
 Étape 3: Pivot pour transformer le système

x1  b1  a 1m 1 x m 1  ...  a 1s x s  ...  a1n x n

x2  b 2  a 2 m 1 x m 1  ...  a 2 s x s  ...  a 2 n x n
. . . .
xr  b r  a rm1 x m 1  ...  a rs x s  ...  a rn x n
. . . .
xm  b m  a mm1 x m 1  ...  a ms x s  ...  a mn x n
z  z  c m 1 x m 1  ...  c s x s  ...  c n x n
Remplaçons xs par son
expression en fonction
de xm+1, …, xs-1, xs+1, …,
xn, xr, dans chacune des
autres équations
 Système équivalent pour la prochaine itération

• Le pivot génère un système équivalent de la forme

~
x1  b1  a~1m 1 x m 1  ...  a~1r x r  ...  a~1n x n
~
x2  b2  a~2 m 1 x m 1  ...  a~2 r x r  ...  a~2 n x n
. . . .
~
xs  br  a~rm1 x m 1  ...  a~rr x r  ...  a~rn x n
. . . .
~
xm  bm  a~mm1 x m 1  ...  a~mr x r  ...  a~mn x n
z  c~m 1 x m 1
z ~  ...  c~ x  ...  c~ x
r r n n

• Avec ce nouveau système nous complétons une nouvelle itération.

 Méthode du simplexe – forme avec tableaux

• Nous allons plutôt utiliser des tableaux pour compléter les itérations de
l’algorithme du simplexe.

• Illustrons d’abord en complétant une itération du simplexe sous cette forme

pour le problème du restaurateur.
 Problèmes équivalents

min z = –8x – 6y min z

Sujet à Sujet à
5x + 3y + u =30 5x + 3y + u =30
2x + 3y + p =24 2x + 3y + p =24
1x + 3y + h = 18 1x + 3y + h = 18
x, y, u, p, h ≥ 0 –8x –6y –z = 0
x, y, u, p, h ≥ 0
 Tableau équivalent au système

min z = –8x – 6y min z

Sujet à Sujet à
5x + 3y + u =30 5x + 3y + u =30
2x + 3y + p =24 2x + 3y + p =24
1x + 3y + h = 18 1x + 3y + h = 18
x, y, u, p, h ≥ 0 –8x –6y –z = 0
x, y, u, p, h ≥ 0

u = 30 – 5x – 3y
p = 24 – 2x – 3y
h = 18 – 1x – 3y
z = 0 –8x – 6y
 u = 30 – 5x – 3y
p = 24 – 2x – 3y
h = 18 – 1x – 3y
z = 0 –8x – 6y

Étale 1: Critère d’entrée

Pour déterminer la variable d’entrée,
nous choisissons l’élément le plus
c s  min c j
1 j  n
  petit de la dernière ligne du tableau
min {–8, –6, 0, 0, 0} = –8.
x est donc la variable d’entrée
 u = 30 – 5x – 3y
p = 24 – 2x – 3y
h = 18 – 1x – 3y
z = 0 –8x – 6y

Étape 2: critère de sortie variable d’entrée

Pour identifier la variable de sortie
br 
 bi 
 déterminons le min des quotients des
xs   min  : a is  0 termes de droite divisés par les
1i  m a is 
a rs  
éléments correspondants dans la
colonne de la variable d’entrée
qui sont positifs:
 u = 30 – 5x – 3y
p = 24 – 2x – 3y
h = 18 – 1x – 3y
z = 0 –8x – 6y

Étape 2: critère de sortie variable d’entrée

br 
 bi 
 min {30/5, 24/2, 18} = 30/5 = 6
xs   min  : a is  0
1i  m a is 
a rs  
La variable correspondante u
devient la variable de sortie
 u = 30 – 5x – 3y
p = 24 – 2x – 3y
h = 18 – 1x – 3y
z = 0 –8x – 6y

Variable de sortie variable d’entrée

Étape 3 : Pivot
Transformation du système ou
du tableau
• variable de sortie

variable d’entrée
RAPPEL: Nous utilisons l’équation où x et u apparaissent pour exprimer x
en fonction de u et y:
u = 30 – 5x – 3y => (5x = 30 – u – 3y) / 5
=> x = 6 – 1/5u – 3/5y
Ceci est équivalent à
5x + 3y + u =30
• variable de sortie

variable d’entrée
RAPPEL: Nous utilisons l’équation où x et u apparaissent pour exprimer x
en fonction de u et y:
u = 30 – 5x – 3y => (5x = 30 – u – 3y) / 5
=> x = 6 – 1/5u – 3/5y
Ceci est équivalent à
(5x + 3y + u =30) / 5
• variable de sortie

variable d’entrée
RAPPEL: Nous utilisons l’équation où x et u apparaissent pour exprimer x
en fonction de u et y:
u = 30 – 5x – 3y => (5x = 30 – u – 3y) / 5
=> x = 6 – 1/5u – 3/5y
Ceci est équivalent à
(5x + 3y + u =30) / 5 => x + 3/5y + 1/5u =6
• variable de sortie

variable d’entrée
Ceci est équivalent à
(5x + 3y + u =30) / 5 => x + 3/5y + 1/5u =6

En terme du tableau, ceci est équivalent à diviser la ligne de la variable de

sortie par le coefficient de la variable d’entrée dans cette ligne
 Divisons cette ligne par 5
• variable de sortie

variable d’entrée
Ceci est équivalent à
(5x + 3y + u =30) / 5 => x + 3/5y + 1/5u =6

En terme du tableau, ceci est équivalent à diviser la ligne de la variable de

sortie par le coefficient de la variable d’entrée dans cette ligne
 Divisons cette ligne par 5
variable de sortie

variable d’entrée

Le tableau qui en résulte est le suivant

x  3 / 5 y  1/ 5u  6
 Divisons cette ligne par 5
variable de sortie

variable d’entrée

Le tableau qui en résulte est le suivant

x  3 / 5 y  1/ 5u  6
• Rappel: Nous substituons l’expression de x dans les autres équations
x = 6 – 1/5u – 3/5y
p = 24 – 2x – 3y
=> p = 24 – 2(6 – 1/5u – 3/5y) – 3y
Ceci est équivalent à : p = 24 – 2(6 – 1/5u – 3/5y) +2x – 2x – 3y
 2x + 3y + p – 2 (x + 3/5y +1/5u) = 24 – 2(6)
 deuxième ligne
moins
2(la première ligne)

Ceci est équivalent à : p = 24 – 2(6 – 1/5u – 3/5y) +2x – 2x – 3y

 2x + 3y + p – 2 (x +3/5y + 1/5u) = 24 – 2(6)
 2x + 3y + p = 24
– 2 (x +3/5y + 1/5u = 6)
0x + 9/5y –2/5u + p = 12
 deuxième ligne
moins
2(la première ligne)

Le tableau devient

0 x  9 / 5 y  2 / 5u  p  12
 deuxième ligne
moins
2(la première ligne)

Le tableau devient

0 x  9 / 5 y  2 / 5u  p  12
En répétant le processus pour les autres lignes du tableau
 Simplexe –forme avec tableaux
Itération typique
• Décrivons une itération typique pour résoudre le problème général avec le
simplexe – forme avec tableaux

• Le système
x1   a 1m 1 x m 1  ...  a 1s x s  ...  a 1n x n  b1
x2   a 2 m 1 x m 1  ...  a 2 s x s  ...  a 2 n x n  b 2
. . . .
x r   a rm1 x m 1  ...  a rs x s  ...  a rn x n  b r
. . . .
x m  a mm1 x m 1  ...  a ms x s  ...  a mn x n  b m
c m 1 x m 1  ...  c s x s  ...  c n x n  z  z
 x1   a 1m 1 x m 1  ...  a 1s x s  ...  a 1n x n  b1
x2   a 2 m 1 x m 1  ...  a 2 s x s  ...  a 2 n x n  b 2

Itération typique . . .
x r   a rm1 x m 1  ...  a rs x s  ...  a rn x n  b r
.

. . . .
x m  a mm1 x m 1  ...  a ms x s  ...  a mn x n  b m
peut être représenter dans le tableau suivant c m 1 x m 1  ...  c s x s  ...  c n x n  z  z

–
 Étape 1: Choix de la variable d’entrée

• En se référant à la dernière ligne du tableau, soit c s  min c j

1 j  n
 
Variable d’entrée
Si c s ≥ 0, alors la solution
courante est optimale et
l’algorithme s’arrête

Si c s < 0, alors xs est la

variable d’entrée

–
 Étape 2: Choix de la variable de sortie

Si a is  0  1  i  m
le problème n’est pas Variable d’entrée
borné et l’algo. s’arrête

Si  i tel que ais  0

alors la sol. demeure réalisable
  i tel que ais  0
bi
xi  b i  a is x s  0  x s 
a is
La variable d’entrée xs prend la valeur –
br 
 bi 

xs   min  : a is  0
1i  m a is 
a rs  
 Étape 2: Choix de la variable de sortie

Variable d’entrée

Variable de sortie

–
 Étape 3: Pivot
L’élément de pivot a rs est à l’intersection de la
colonne de la variable d’entrée xs et de la ligne
de la variable de sortie xr
Variable d’entrée
a rs

Variable de sortie

–
 Étape 3: Pivot
Divisons la ligne r par l’élément
de pivot a rs afin d’obtenir la
ligne r résultante
Variable d’entrée
a rs

Variable de sortie

1
a rs

–
 Étape 3: Pivot
Divisons la ligne r par l’élément
de pivot a rs afin d’obtenir la
ligne r résultante
Variable d’entrée
a rs

Variable de sortie

1 ar m1 arn br
1
ars ars ars ars

–
 Étape 3: Pivot
Multiplions la ligne r résultante
par a is pour la soustraire de la
ligne i du tableau. Ceci ramène le
coefficient de la variable d’entrée xs à 0. Variable d’entrée
a rs

Variable de sortie

1 ar m1 arn br
1
ars ars ars ars

–
 Étape 3: Pivot
Multiplions la ligne r résultante
par a is pour la soustraire de la
ligne i du tableau. Ceci ramène le
coefficient de la variable d’entrée xs à 0. Variable d’entrée
a rs

Variable de sortie

1 ar m1 arn br
1
ars ars ars ars

–
 Étape 3: Pivot
Multiplions la ligne r résultante
par a is pour la soustraire de la
ligne i du tableau. Ceci ramène le
coefficient de la variable d’entrée xs à 0. Variable d’entrée
a rs

Variable de sortie

1 ar m1 arn br
1
ars ars ars ars

–
 Étape 3: Pivot
Multiplions la ligne r résultante
par a is pour la soustraire de la
ligne i du tableau. Ceci ramène le
coefficient de la variable d’entrée xs à 0. Variable d’entrée
a rs

Variable de sortie

1 ar m1 arn br
1
ars ars ars ars

–
 Tableau résultant
pour
amorcer la prochaine itération

–
Méthode du simplexe – notation matricielle
 Méthode du simplexe – notation matricielle

• Le problème de programmation
linéaire sous la forme standard
min z  c1 x1  c2 x2  ...  cn xn
Sujet à a11 x1  a12 x 2  ...  a1n x n  b1
a 21 x1  a 22 x 2  ...  a 2 n x n  b2
. . . .
. . . .
a m1 x1  a m 2 x 2  ...  a mn x n  bm
x1 , x2 , ..., xn  0
Problème du restaurateur:
x y u p h min z  8 x  6 y
Sujet à 5 x  3 y  u  30
5 3 1 0 0 
  2 x  3 y  p  24
A   2 3 0 1 0
 1 3 0 0 1 1x  3 y  h  18
  x , y , u, p, h  0

c T   8, 6, 0, 0, 0
min z  c T x
Sujet à Ax  b
30  x0
b   24 
18  c, x  R 5 , b  R 3
A matrice 3  5
 Méthode du simplexe – notation matricielle

• Le problème de programmation
linéaire sous la forme standard
min z  c1 x1  c2 x2  ...  cn xn
Sujet à a11 x1  a12 x 2  ...  a1n x n  b1
a 21 x1  a 22 x 2  ...  a 2 n x n  b2
min z  c T x . . . .
Sujet à Ax  b
. . . .
x0
a m1 x1  a m 2 x 2  ...  a mn x n  bm
c, x  R , b  R
n m

A matrice m  n x1 , x2 , ..., xn  0
 Méthode du simplexe – notation matricielle

min z
Sujet à a11 x1  a12 x 2  ...  a1n x n  b1
a 21 x1  a 22 x 2  ...  a 2 n x n  b2
min z
. . . .
Sujet à Ax b
. . . .
cT x  z  0
a m1 x1  a m 2 x 2  ...  a mn x n  bm
x0
c, x  R n , b  R m c1 x1  c2 x2  ...  cn xn  z  0
A matrice m  n x1 , x2 , ..., xn  0
 Méthode du simplexe – notation matricielle

• Considérons le problème de programmation linéaire sous sa forme

matricielle
min z
Sujet à Ax b
cT x  z  0
x0

• Supposons que m ≤ n et que la matrice A est de plein rang (i.e., rang(A) =

m, ou que les lignes de A sont linéairement indépendantes )
• Une sous matrice B de A est une base de A si elle est mxm et non singulière
(i.e, B-1 existe)
Problème du restaurateur:
x y u p h
5 3 1 0 0 
 
A   2 3 0 1 0
 1 3 0 0 1
 
Exemples de base:
u p h x p h x p y
1 0 0 5 0 0  5 0 3
     
B1   0 1 0  B2   2 1 0  B3   2 1 3 
0 0 1 1 0 1  1 0 3
     
 Méthode du simplexe – notation matricielle

• Une sous matrice B de A est une base de A si elle est mxm et non singulière
(i.e, B-1 existe)
• Pour faciliter la présentation, supposons que la base B que nous
considérons est composée des m premières colonnes de A, et ainsi

A  B R
Dénotons également

xB  c B 
x  c 
xR  c R 

• Le problème original peut s’écrire

 min z min z
b  xB 
Sujet à Ax Sujet à  B R  x   b
cT x  z  0  R
x0  xB 
 cB cR     z  0
T T
  x
 R
x0
 min z
min z
 xB 
Sujet à BxB  RxR b Sujet à  B R  x   b
 R
cBT xB  cRT xR  z  0
 xB 
xB , xR  0  cB cR     z  0
T T
  x
 R
x0
• Exprimons xB en fonction de xR en utilisant les contraintes du problème

Bx B  Rx R  b

B 1 (BxB  RxR )  B 1b

B 1 BxB  B 1 RxR  B 1b

IxB  B 1 RxR  B 1b
• Ainsi

IxB  B 1 RxR  B 1b

 En remplaçant xB par sa valeur
min z en fonction de xR dans l’équation
de la fonction économique
Sujet à BxB  RxR b Notons que ces deux problèmes sont
cBT xB  cRT xR  z  0 équivalents car le deuxième est obtenu
du premier à l’aide d’opérations
xB , xR  0 élémentaires utilisant une matrice
non singulière B-1
min z
Sujet à IxB  B 1RxR  B 1b
cBT ( B 1RxR  B 1b)  cRT xR  z  0
xB , xR  0
 min z
Sujet à IxB  B 1RxR  B 1b
cBT ( B 1RxR  B 1b)  cRT xR  z  0
xB , xR  0

En regroupant les coefficients de xR

min z
Sujet à IxB  B 1RxR  B 1b
0 xB  (cRT  cBT B 1R) xR  z  cBT B 1b
xB , xR  0
 min z
Sujet à IxB  B 1RxR  B 1b
0 xB  (cRT  cBT B 1R) xR  z  cBT B 1b
xB , xR  0
Le problème se traduit dans le tableau suivant
Les variables de xB (dénotées
jusqu’ici variables dépendantes)
qui sont associées aux colonnes
de la base B, sont dénotées
variables de base
Les variables de xR (dénotées
jusqu’ici variables
indépendantes) sont dénotées
variables hors base
Pour obtenir la solution de base associée à la base B,
posons xR = 0
et alors xB = B-1b.
La solution de base est réalisable si xB ≥ 0
Notons que ce tableau est identique à celui utilisé pour illustrer
une itération du simplexe
-
 Méthode du simplexe – notation matricielle

• Une sous matrice B de A est une base de A si elle est mxm et non singulière
(i.e, B-1 existe)
• Pour faciliter la présentation, supposons que la base B que nous
considérons est composée des m premières colonnes de A, et ainsi

A  B R
Dénotons également

xB  c B 
x  c 
xR  c R 

• Le problème original peut s’écrire

Considérons la base à la deuxième itération du problème du
restaurateur:
x p h y u
5 0 0 3 1 5 0 0 3 1
   
A  2 1 0 3 0  B  2 1 0 R   3 0 
1 0 1 3 0 1 0 1 3 0
     

x 
 y
xB   p  xR   
 h  u 

 8
 6 
cB  0  cR   
0  0 
 min z
min z
 xB 
Sujet à BxB  RxR b Sujet à  B R  x   b
 R
cBT xB  cRT xR  z  0
 xB 
xB , xR  0  cB cR     z  0
T T
  x
 R
x0
 min z
Sujet à
 5 0 0 x  3 1 30 
      y  
 2 1 0   p    3 0  u    24 
 1 0 1  h   3 0    18 
      
x 
   y
 8 0 0  p    6 0 u   z  0
 h   

 x  0 min z
 p   0  y  0 Sujet à BxB  RxR b
    u    0  cBT xB  cRT xR  z  0
 h  0     
xB , xR  0
• Exprimons xB en fonction de xR en utilisant les contraintes du problème

Bx B  Rx R  b

B 1 (BxB  RxR )  B 1b

B 1 BxB  B 1 RxR  B 1b

IxB  B 1 RxR  B 1b

• Ainsi

IxB  B 1 RxR  B 1b

Obtenons B 1 avec la méthode d'élimination de Gauss:
1 
 5 0 0 1 0 0 1 0 0  5 0 0
       
B   2 1 0 0 1 0  2 1 0  0 1 0
1 0 1 0 0 1 1 0 1  0 0 1
       
 

 1   1 
 5 0 0  5 0 0
1 0 0   1 0 0  
    2 1 0     2 1 0   B 1
0 1 0  5  0 1 0  5 
1 0 1   0 0 1  
  0 0 1   1
   0 1 
  
   5 
 1   1 
 5 0 0  5 0 0
   5 0 0   x  3 1    30 
  2 1 0   2 1 0   p    3 0   y      2 1 0   24 
 5       u    5  
   1 0 1   h  3 0      18 
 
  1 0 1   1 0 1
   
 5   5 
BxB  RxR  b
B 1 ( BxB  RxR )  B 1b
 1   1 
 5 0 0  5 0 0
x   3 1   30 
     y  2
  1 0   24 
2
I  p   1 0 3 0    
 5   u  5 
 h    
3 0   18 
  1 0 1   1 0 1
   
 5   5 
IxB  B 1RxR  B 1b
  1   1 
 5 0 0   5 0 0 
x   3 1   30 
     y  2
  1 0   24 
2
I  p   1 0 3 0    
 5   u   5 
 h     3 0    18 
  1 0 1   1 0 1
   
 5   5 

 3 1 
 5 5 
x    6 
2   y   
I  p   
9
   12 
5 5  u 
 h    12 
 12 1 

 5 5 
 En remplaçant xB par sa valeur
min z en fonction de xR dans l’équation
de la fonction économique
Sujet à BxB  RxR b Notons que ces deux problèmes sont
cBT xB  cRT xR  z  0 équivalents car le deuxième est obtenu
du premier à l’aide d’opérations
xB , xR  0 élémentaires utilisant une matrice
non singulière B-1
min z
Sujet à IxB  B 1RxR  B 1b
cBT ( B 1RxR  B 1b)  cRT xR  z  0
xB , xR  0
 min z
Sujet à IxB  B 1RxR  B 1b
cBT ( B 1RxR  B 1b)  cRT xR  z  0
xB , xR  0

En regroupant les coefficients de xR

min z
Sujet à IxB  B 1RxR  B 1b
0 xB  (cRT  cBT B 1R) xR  z  cBT B 1b
xB , xR  0
 0 xB  (cRT  cBT B 1R) xR  z  cBT B 1b

 1 
 5 0 0
  30  6 
 1 0   24    8 0 0 12   48
2
cB B b   8 0 0 
T 1
 5 
  18  12
  1 0 1
 
 5 
0 xB  (cRT  cBT B 1R) xR  z  cBT B 1b
  1  
  5 0 0 
x      3 1 
    2      y
0 0 0  p    6 0   8 0 0   1 0   3 0  u   z  48
  3 0    
5
 h   
   1 0 1 
   
 5 
   1  
  5 0 0 
x      3 1 
    2      y
0 0 0  p    6 0   8 0 0   1 0   3 0   u   z  48
  3 0    
5
 h   
   1 0 1 
   
 5 

  3 1 
  5 5  
x    
2    y 
0 0 0  p    6 0   8 0 0  9   u   z  48
5 5  
 h    
  12 1  

  5 5  
   3 1 
  5 5  
x    
 p    6 0  8 0 0  9 2    y 
 0 0 0           z  48
5 5   u 
 h    
  12 1  

  5 5  

x 
    24 8   y
0 0 0  p    6 0       u   z  48
  5 5   
 h 

x 
   6 8   y
 0 0 0  p         z  48
 5 5  u 
 h 
 min z
Sujet à IxB  B 1RxR  B 1b
0 xB  (cRT  cBT B 1R) xR  z  cBT B 1b
xB , xR  0
Le problème se traduit dans le tableau suivant
  3 1 
 5 5 
x    6 
2   y   
I  p   
9
5  u   12
5  
 h    12
 12 1 

 5 5 

x p h y u z
3 1
x 1 0 0 0 6
5 5
9 2
p 0 1 0  0 12
5 5
12 1
h 0 0 1  0 12
5 5
6 8
z 0 0 0  1 48
5 5
 x 
   6 8   y
 0 0 0  p         z  48
 5 5  u 
 h 

x p h y u z
3 1
x 1 0 0 0 6
5 5
9 2
p 0 1 0  0 12
5 5
12 1
h 0 0 1  0 12
5 5
6 8
z 0 0 0  1 48
5 5
 x y u p h z
3 1
x 1 0 0 0 6
5 5
9 2
p 0  1 0 0 12
5 5
12 1
h 0  0 1 0 12
5 5
6 8
z 0  0 0 1 48
5 5
x p h y u z
3 1
x 1 0 0 0 6
5 5
9 2
p 0 1 0  0 12
5 5
12 1

B 1
h 0 0 1 0 12
5 5
6 8
z 0 0 0  1 48
5 5
Puisque tout tableau du simplexe est associé à une base de A constituée
des colonnes associées aux variables de base (variables dépendantes),
il s’ensuit que dans l’algorithme du simplexe, nous passons d’une
solution de base réalisable à une nouvelle solution de base réalisable
ayant une valeur plus petite
 Notion de multiplicateurs du simplexe

• Considérons la dernière ligne du tableau du simplexe associé à la base B

qui correspond aux vecteurs des coûts relatifs des variables:

cBT cRT

cBT  0  cBT  cBT  cBT  cBT B1B

cRT  cRT  cBT B1R

c   cB , cR
T T T
  cBT , cRT   cBT B 1  B R   c T  cBT B 1 A
 Notion de multiplicateurs du simplexe

c T  cT  cBT B1 A

Dénotons le vecteur   R m défini par

 T  cBT B1 π est le vecteur des multiplicateurs
Alors du simplexe associé à la base B.
c T  cT   T A
ou
c1, , cn   c1 , , cn    T  a1, , an 
c j  c j   T a j
où a j dénote la jième colonne de la
matrice de contrainte A
 Notion de multiplicateurs du simplexe

c j  c j   T a j

• Le vecteur des multiplicateurs du simplexe π permet de calculer

les coûts relatifs c j directement à partir des données originales du
problème.

c T  cT   T A

• Les composantes πi (i=1,2,…,m) du vecteur des multiplicateurs peuvent

être considérés comme des poids associés aux lignes i du tableau (ou aux
contraintes i du problème) tel que la soustraction d’une combinaison
linéaire des lignes avec ces poids de la dernière ligne du tableau permet
d’annuler les coûts relatifs des variables de base.
 Sensitivité de la valeur optimale aux
modifications des termes de droite
• Les multiplicateurs du simplexe associés à une base optimale permettent de
mesurer l’effet de modifier les termes de droite sur la valeur optimale d’un
problème.
• Considérons le problème original et un autre où les termes de droite sont
modifiés

min z min z
Sujet à Ax  b Sujet à Ax  b  b
cT x  z  0 cT x  z  0
x0 x0
 Sensitivité de la valeur optimale aux
modifications des termes de droite

min z min z
Sujet à Ax  b Sujet à Ax  b  b
cT x  z  0 cT x  z  0
x0 x0

• Dénotons par B* une base optimale du problème original, et la solution de

base optimale correspondante
x*R  0
x* *  B*1b  b  0
B

dont la valeur (optimale pour le problème) est donnée par

z*  cT* x* *  cRT x*R  cT* B*1b  cT* b
B B B B
 Sensitivité de la valeur optimale aux
modifications des termes de droite

min z min z
Sujet à Ax  b Sujet à Ax  b  b
cT x  z  0 cT x  z  0
x0 x0

• Choisissons la valeur de b de telle sorte que

B*1 (b  b)  B*1b  B*1b  0

• Donc B* demeure une base réalisable pour le nouveau problème modifié

puisque la solution de base associée est
~
x R*  0
x B**  B *1 (b  b)  0
~
 Sensitivité de la valeur optimale aux
modifications des termes de droite

• Donc B* demeure une base réalisable pour le nouveau problème modifié

puisque la solution de base associée est
~ c *T  cT   *T A
x R*  0
x B**  B *1 (b  b)  0
~  *T  cT* B*1
B

• De plus, puisque ni les coûts cj ni la matrice A n’ont été modifiés, alors le

vecteur des multiplicateur π* reste inchangé. Par conséquent les coûts
relatifs c j demeurent inchangés et donc non négatifs pour le nouveau
problème.

Donc B* demeure donc une base optimale pour le nouveau problème.

cj

Sensitivité de la valeur optimale aux

modifications des termes de droite

• Une solution optimale pour le nouveau problème est donc:

~
x R*  0
x B**  B *1 (b  b)  0
~

• Évaluons la valeur optimale du nouveau problème:  *T  cT* B*1

B

z *  c T* x* *  cRT x*R z*  cT* B*1b

B B B
*1
c B T
(b  b)
B*
 c T* B*1b  c T* B*1b
B B
 z   b
* *T

m
 z*  i 1
 i* bi
 Sensitivité de la valeur optimale aux
modifications des termes de droite

• Évaluons la valeur optimale du nouveau problème:.

z *  c T* x* *  cRT x*R
B B
c B T *1
(b  b) Ainsi,  i* indique la taux de variation
B* unitaire de la valeur optimale de la
 c T* B*1b  c T* B*1b fonction économique lorsque le terme
B B
 z   *T b
* de droite bi de la contrainte i est modifié
m d’une quantité bi choisie de telle
 z*  i 1
 i* bi sorte que la base demeure réalisable
pour le nouveau problème.
 Critère d’optimalité

• Proposition Dans l’algorithme du simplexe, si à une itération les coûts

relatifs c j  0 j , 1  j  n , alors la solution courante est optimale
Preuve: Sans perte de généralité, supposons que les m premières variables
x1, x2, …, xm sont les variables de base; i. e.,

c-bT B 1b

xi  bi  0 i  1, 2,..., m
xi  0 i  m  1, m  2,..., n

z  cB B1b
 Critère d’optimalité

cTB B 1b

La fonction économique est de la forme

z  0 x1   0xm  cm1xm1   cn xn  cTB B1b

z  0x1   0xm  cm1xm1   cn xn  cTB B1b

 Critère d’optimalité

La fonction économique est de la forme

z  0 x1   0xm  cm1xm1   cn xn  cTB B1b

Considérons une autre solution réalisable x ≥ 0 dont la valeur est

z  0 x1  0 x 2  ...  0 x m  c m1 x m1  c m 2 x m 2  ...  c n x n  cTB B 1b

Mais puisque par hypothèse cj 0 j , 1  j  n , il s’ensuit que

z  0 x1  0 x 2  ...  0 x m  c m 1 x m 1  c m  2 x m  2  ...  c n x n  cTB B 1b  cBT B 1b  z

0
Donc la solution courante est optimale.