LA MÉTHODE DU

SIMPLEXE

1.0 Dr EULOGE KOUAME ©UVCI

avril 2018
 Table des
matières

Objectifs 5

Introduction 7

I - Forme Standard d'un programme linéaire 9

A. Définition....................................................................................................9

II - Algorithme du simplexe 13

A. Principe.....................................................................................................13

B. La méthode des tableaux............................................................................13

C. Récapitulatif..............................................................................................18

III - Exercice 19

Solution des exercices 21

3
Objectifs

A la fin de ce cours vous serez capables de :

 Écrire un programme linéaire sous sa forme standard ;
 Résoudre un programme linéaire par la méthode du simplexe.

5
 Introduction

On a présenté dans le chapitre précédent une procédure graphique pour résoudre un

programme linéaire à deux variables. Par contre, dans la plupart des problèmes réels, on a
plus que deux variables à déterminer. Une procédure algébrique pour résoudre les
programmes linéaires avec plus que deux variables fera l'objet de ce chapitre. C'est la
méthode du simplexe.

7
Forme Standard
I -
I
d'un programme
linéaire

Définition 9

A. Définition

Pour résoudre un programme linéaire (PL) par la méthode du simplexe, il faut mette
le (PL)sous sa forme standard (FS)
Dans un (PL) sous sa forme canonique, les contraintes sont toutes des inéquation
du type "≤"
La mise sous forme standard consiste à introduire des variables supplémentaires
(une pour chaque contrainte) de manière à réécrire les inégalités ( ≤) sous la forme
d'égalités (=). Chacune de ces variables représente le nombre de ressources non
utilisés. On les appelle variables d'écart.

On travaille dans un espace de dimension plus grande, mais toutes les contraintes
sont des égalités.
Donc les manipulations algébriques plus aisées.

9
 Forme Standard d'un programme linéaire

Remarque
a. Contraintes de type (≤) : Pour chaque contrainte i de ce type, on rajoute une
variable d'écart ei, tel que ݁ ei est une variable positive ou nulle.
Exemple : 3x1 + 2x2 ≤ 2 se transforme en 3x1 +2x2 + e1 = 2, e1 ≥ 0
b. Contraintes de type (≥) : Pour chaque contrainte i de ce type, on retranche une
variable d'excédent ei݁, tel que ݁ ei est une variable positive ou nulle.
Exemple : 3x1 + 2x2 ≤ 2 se transforme en 3x1 +2x2 - e2 = 2, e2 ≥ 0

Exemple

Variables de base et variables hors base

Le passage à la forme standard augmente le nombre de variables dans le programme
linéaire.
Considérons un système d'équations à n variables et m équations où (n ≥ m). Une
solution de base pour ce système est obtenue de la manière suivante :
a) On pose n - m variables égales à 0. Ces variables sont appelées variables hors
base.
b) On résout le système pour les m variables restantes. Ces variables sont appelées
les variables de base.
c) Le vecteur de variables obtenu est appelé solution de base (il contient les
variables de base et les variables hors base)
Une solution de base est admissible si toutes les variables de la solution de base
sont ≥ 0.

Exemple : variable de base

Considérons le PL suivant passant de sa forme canonique à sa forme standard.

10
 Forme Standard d'un programme linéaire

On a n= 6 et m = 4 ;
n - m = (6 - 4 ) = 2 variables = 0
Variables hors base : si x1 = x2 = 0 alors les variables de base sont : e1 = 200 ; e1
= ; e3 = 34 ; e4 = 14.
Une solution admissible ou réalisable de base est donc : y =( 0, 0, 200, 34, 14).

Solutions admissibles
Toute solution de base pour laquelle toutes les variables sont non négatives, est
appelée solution de base admissible. Cette solution de base admissible correspond à
un point extrême.
Solution de base dégénérée : certaines variables de base sont nulles

11
Algorithme du
II -
II
simplexe

Principe 13
La méthode des tableaux 13
Récapitulatif 18

A. Principe

L'algorithme du simplexe (G. B. Dantzig 1947) est un algorithme itératif permettant

de résoudre un problème de programmation linéaire.
C'est une procédure algébrique qui sera en mesure de choisir parmi les solutions
réalisables ceux qui maximisent la fonction objectif.
Pour la méthode de simplexe une solution réalisable de base initiale est demandée.
Une telle solution peut être retrouvée en annulant toutes les variables de décision.
A partir de ce point la méthode de simplexe va générer successivement des solutions
réalisables de base pour notre système d'équations en s'assurant que la valeur de la
fonction objectif est en train d'augmenter jusqu'à localiser la solution optimale du
problème qui est un point extrême de l'espace des solutions réalisables donc une
solution réalisable de base.
Ainsi, on peut décrire la méthode de simplexe comme étant une procédure itérative
qui passe d'une solution réalisable de base à une autre jusqu'à atteindre la solution
optimale.
La description mathématique de ce processus fera l'objet de la section suivante.

B. La méthode des tableaux

C'est une mise en œuvre manuelle de l'algorithme du simplexe.

Nous les différentes étapes à travers un exemple tire du cours de (Bernard Auge -
Alexandre Vernhet)

étape 1: écrire le programme sous forme standard

Les variables d’écart introduites au cours de cette transformation représentent les
contraintes techniques et commerciales disponibles qu'il convient de saturer.

13
 Algorithme du simplexe

étape 2 : Construire le premier tableau du simplexe correspond

à la ( FS)
Disposer les éléments conformément au tableau ci-dessous.

étape 3 : Choisir les variables à introduire dans la base

Pour cela on choisit le coefficient le plus élevé de la fonction économique.
Le coefficient le plus élevé de la fonction économique MAX est 50. Ainsi, il s'agit de la
variable y qui rentre dans la base.

14
 Algorithme du simplexe

étape 4 : Choisir les variables à enlever de la base

On fait le rapport : second membres/coefficient de la variable choisie. Et on retient le
plus faible.
Le second membre ( encadre en vert), on retient la valeur la plus faible (en orange)
du rapport du second membre en vert/coefficient de la variable choisie.
Ainsi la variable e3 est la variable à enlever de la base.
La variable y prendra la place de la variable e3 dans la base.

étape 5 :Choix du pivot

Le pivot est égal à 1 ( encadré). c'est l'intersection entre la colonne de la variable
entrante (y) et la ligne de la variable sortante (e3 )

15
 Algorithme du simplexe

étape 6 : Multiplier la ligne du pivot parle rapport : 1/valeur du

pivot ( ou diviser la ligne du pivot par la valeur du pivot).

étape 7 : Calculer les valeurs des autres lignes

E'ij = Eij - [(Aij / Pivot) x Ligne du Pivot]. C'est la règle du rectangle.
Cette opération consiste à transformer les Eij des autres lignes en E'ij .

étape 8 : Test d'optimalité

Les coefficients de la fonction économique sont tous nuls ou négatifs ? ( si oui on est
à l'optimum, si non on effectue un nouveau passage).
Les coefficients de la fonction économique ne sont pas tous nuls ou négatif (30).
Donc on effectue un nouveau passage.

16
 Algorithme du simplexe

Nouveau passage :
 choisir la variable à introduire dans la base.
Le coefficient de la fonction économique (MAX ) est 30. Ainsi la variable x ( encadré
en rouge ) entre dans la base.

 choisir la variable à enlever de la base.

En utilisant le principe ( étape 4), la variable e1 est à enlever de la base.

 Le pivot est égal à 3

 Multiplier la ligne du pivot par 1/3
 Calculer les autres valeurs des lignes
On obtient

Les coefficients de la fonction économique ne sont pas tous nuls ou négatifs, fin de

17
 Algorithme du simplexe

l’algorithme du Simplexe.
La solution qui rend le optimal le programme est le suivant :
- le maximum de la fonction économique est : 36000 euros ( remarquez bien qu'a n'a
pas mis le signe négatif !)
- les quantités produites correspondantes sont x = 200 et y = 600.
- la variable d’écart e2 correspondant à la contrainte de marche X n'est pas saturée
( est toujours dans la base). On aurait donc pu vendre 200 produit X de plus.
- Par contre, les variables e1 et e3 sont saturées.

C. Récapitulatif

Schéma de l'algorithme

critères d'optimalité
1. Dans le cas d'un problème de Maximisation (Max) : lorsque les coefficients
de la fonction économique sont tous nuls ou négatifs on est a l'optimum.
2. Dans le cas d'un problème de Minimisation (Min) : lorsque les coefficients
de la fonction économique sont tous nuls ou positifs on est a l'optimum.
A l'optimum, les valeurs des variables d’écart représentent les marges entre les
valeurs disponibles et les valeur techniquement utiles.

18
III - Exercice III

I- On considère le programme suivant :

Question 1
1. Montrer que x* = (12, 0) est un sommet de la région réalisable.

Question 2
2. Mettre le programme sous forme standard, puis donner la solution de base
réalisable y* associée à x*.
Soit le programme (P) suivant :

Question 3
[Solution n°1 p 21]
Résoudre (P) en utilisant la méthode du simplexe.

19
 Solution des
exercices

> Solution n°1 (exercice p. 19)

x1 = 5, x2 = 7, x3 = e1 = e2 = 0, e3 = 56 , et la valeur maximale de z est 1356.

21