Vous êtes sur la page 1sur 14

CHAPITRE 3

La Mthode de Simplexe
I. Introduction

On a prsent dans le chapitre prcdent une procdure graphique pour rsoudre
un programme linaire deux variables. Par contre, dans la plupart des
problmes rels, on a plus que deux variables dterminer. Une procdure
algbrique pour rsoudre les programmes linaires avec plus que deux variables
fera lobjet de ce chapitre. C'est la mthode de simplexe.

Une implmentation de cette procdure permis de rsoudre des programmes
avec un peu plus de quelques milliers de variables. Le programme Lindo quon
prsentera dans le chapitre 7 (en version pour tudiant) supporte au plus 200
variables et 100 contraintes.

Dans ce chapitre la mthode de simplexe est prsente pour les problmes
0
.

>
s
X
b x A c s
x c Max
t
et en utilisant le problme de lagriculteur :
0
2
, 0
1

90
1

480
2
4
1

440
2
2
1
4
150
2 1
. .
2
200
1
100
> >
s
s +
s +
s +
+
x x
x
x x
x x
x x c s
x x Max


II. Mise sous forme standard

La mise sous forme standard consiste introduire des variables supplmentaires
(une pour chaque contrainte) de manire a rcrire les ingalits ( s) sous la
forme d'galits. Chacune de ces variables reprsente le nombre de ressources
non utiliss. On les appelle variable d'cart. La forme standard s'crit donc :
0 , 0
.

> >
s +
S X
b S x A c s
x c Max
t

0 , , 0 , 0
0 , , 0 , 0



.

2 1
2 1
2 2 1 1
2 2 2 2 22 1 21
1 1 1 2 12 1 11
2 2 1 1
> > >
> > >
= + + + +
= + + + +
= + + + +
+ + +
M
N
M M N MN M M
N N
N N
N N
S S S
x x x
b S x a x a x a
b S x a x a x a
b S x a x a x a c s
x c x c x c Max


La forme standard du programme linaire de l'agriculteur est :
Max 100x
1
+ 200x
2
(3.1)
s. c x
1
+ x
2
+ S
1
= 150 (3.2)
4x
1
+ 2x
2
+ S
2
= 440 (3.3)
x
1
+ 4x
2
+ S
3
= 480 (3.4)
x
1
+ S
4
= 90 (3.5)
x
1
, x2, S
1
, S
2
, S
3
, S
4
>0 (3.6)
L'impact de ces variables d'cart sur la fonction objectif est nulle. Ceci explique
le fait que leur existence soit tout simplement lie une mise en forme du
programme linaire initial. Ces variables d'cart peuvent prendre des valeurs
nonnegatives. Le fait de donner la valeur des variables d'cart a l'optimum donne
une ide du nombre des ressources non utilises.

III. Revue algbrique de la mthode du simplexe

La question qui se pose : que demande-t-on dune procdure algbrique ?

En premier lieu, on note que les contraintes du problme (3.2)-(3.5), forment un
systme de 4 quations et de 6 variables. Or il y a un nombre infini de solutions
de ce systme dquations. Donc une procdure algbrique, pour la rsolution
dun programme linaire doit tre capable de retrouver les solutions des
systmes dquations o il y a plus de variables que de contraintes.

En deuxime lieu, ce ne sont pas toutes les solutions qui vrifient (3.2)-(3.5) qui
sont des solutions du programme linaire ; ils doivent en plus satisfaire les
contraintes de nonngativit. Ainsi une procdure algbrique doit tre capable
dliminer, de lensemble des solutions qui satisfait (3.2)-(3.1) celles qui
narrivent pas satisfaire les contraintes de nonngativit.

Finalement, une procdure algbrique pour rsoudre les programmes linaires
doit tre en mesure de choisir parmi les solutions ralisables ceux qui
maximisent la fonction objectif.

La mthode de simplexe est une procdure algbrique qui tient compte de ces
trois considrations.

Pour illustrer cette procdure, supposons que x
2
= 0 et S
1
= 0. Notre systme
devient
x
1
= 150 x
1
= 150
x
1
+ S
2
= 440 S
2
= 340
4x
1
+ S
3
= 480 S
3
= -120
x
1
+ S
4
= 90 S
4
= -60

Les variables x
1
, S
2
, S
3
et S
4
(non nulles) sont dites variables de base et les
variables S
1
, x
2
, (nulles) sont dites variables hors base.

Gnralement, si on a un programme linaire standard constitu de n variables et
m contraintes (n > m) alors une solution de base (extrme) est obtenue, en
annulant (n-m) variables et en rsolvant les m contraintes pour dterminer les
valeurs des autres m variables.

On note quune solution de base nest pas toujours ralisable. Cest le cas de la
solution quon vient de retrouver.

Une solution ralisable de base serait celle o x
1
= x
2
= 0, ainsi on a :
S
1
= 150
S
2
= 440
S
3
= 480
S
4
= 90
Cette solution correspond un point extrme de lensemble des solutions
ralisables qui est lorigine O.
Pour la mthode de simplexe une solution ralisable de base initiale est
demande. Une telle solution peut tre retrouve en annulant toutes les variables
de dcision. Ce qui correspond dans notre exemple au point dorigine O.

A partir de ce point la mthode de simplexe va gnrer successivement des
solutions ralisables de base pour notre systme dquations en sassurant que la
valeur de la fonction objectif est en train daugmenter jusqu' localiser la
solution optimale du problme qui est un point extrme de lespace des solutions
ralisables donc une solution ralisable de base.

Ainsi, on peut dcrire la mthode de simplexe comme tant une procdure
itrative qui passe dune solution ralisable de base une autre jusqu atteindre
la solution optimale.

La description mathmatique de ce processus fera lobjet de la section suivante.

IV. La mthode des tableaux

La mthode de simplexe commence par l'identification d'une solution ralisable
de base et ensuite, elle essaye de trouver d'autres solutions ralisables de base
jusqu atteindre la solution optimale. Ainsi, on doit, tout dabord, retrouver
cette solution ralisable de base.


Gnralement si le programme linaire satisfait ces deux proprits :
P1/ Parmi les variables du problme standard, il y a m variables qui apparaissent
avec un coefficient non nul dans chaques contraintes (dans notre exemple : S
1
,
S
2
, S
3
et S
4
).
P2/ Les valeurs du second membre des contraintes (les composants du vecteur
b) sont positives.

Alors une solution ralisable de base est obtenue en annulant les (n-m) variables
de dcision et la valeur des variables d'cart est directement donne par le
second membre. La deuxime proprit assure la satisfaction des contraintes de
nonngativit des variables d'cart.
Dans notre exemple, la forme standard du programme linaire vrifie ces deux
proprits.
a. Tableau de simplexe initial

Aprs avoir mis le programme linaire sous une forme qui vrifie les deux
proprits P1 et P2, ltape suivante est de tracer le tableau de simplexe initial.

Le modle gnral des tableaux de simplexe est :














Pour notre exemple le tableau de simplexe initial est le suivant :

100 200 0 0 0 0
x
1
x
2
S
1
S
2
S
3
S
4

0 S
1
150 1 1 1 0 0 0
0 S
2
440 4 2 0 1 0 0
0 S
3
480 1 4 0 0 1 0
0 S
4
90 1 0 0 0 0 1
c
j
coefficient correspond aux variables
Toutes les variables
A = (a
ij
)
i
,
j

matrice des coefficients
des contraintes du programme
standard
Q
i

Valeur
des
variabl
es de
base
VB
varia
bles
de
base
C
i

coefficie
nts des
variable
s de
base
On remarque quon a plac en premire ligne les contributions unitaires de
toutes les variables de dcision x
1
,..., S
4
dans la fonction objectif. Dans la
troisime ligne, on retrouve la premire contrainte x
1
+ x
2
+ S
1
= 150. La valeur
150 reprsente ici la valeur de S
1
relative la solution ralisable de base initiale.
Dans la premire colonne on trouve les contributions nulles des variables d'cart
qui forment la solution de base initiale.

Exemple :
Question : Quelles sont les contraintes et la fonction objectif du programme
linaire dcrit par le tableau de simplexe suivant :

6 7 0 0
x
1
x
2
S
1
S
2

0 S
1
150 4 2 1 0
0 S
2
440 1 5 0 1

Rponse : Les contraintes du programme sont :
4 x
1
+ 2x
2
+ S
1
= 50
x
1
+ 5x
2
+ S
2
= 40
et la fonction objectif est : 6x
1
+ 7x
2
+ 0S
1
+ 0S
2


Remarque : Les variables qui figurent dans la deuxime colonne sont dites
variables de base. A chacune de ces variables, on associe la valeur 1
lintersection de la ligne et de la colonne relative cette variable et dans le reste
de la colonne on trouve des zros.

Jusqu ici on a vu comment retrouver une solution ralisable de base et
comment prsenter le tableau de simplexe initial. Dans la section suivante, on
examinera la procdure lie la mthode de simplexe qui permet de passer de
cette solution ralisable de base initiale une autre solution ralisable de base
qui donne une meilleure valeur de la fonction objectif.
b. Amlioration de la solution

Pour amliorer la solution il faut gnrer une autre solution de base (point
extrme) qui augmente la valeur de la fonction objectif. Cest dire, quon doit
slectionner une variable hors base et une variable de base et les permuter de
telle faon que la nouvelle solution donne une plus grande valeur de la fonction
objectif.

Pour savoir si on peut amliorer notre solution ralisable de base initiale nous
allons introduire deux nouvelles lignes au-dessus du tableau de simplexe.

La premire ligne, note z
j
, reprsente la variation de la valeur de la fonction
objectif qui rsulte du fait quune unit de la variable correspondante la j
me

colonne de la matrice A est amene dans la base. Par exemple z
1
reprsente la
diminution du profit qui rsulte de lajout dune unit la valeur de x
1
.
En effet, si on produit un hectare supplmentaire de x
1
, la valeur de quelques
variables de base vont changer vu quon a :
x
1
+ S
1
= 150
4x
1
+ S
2
= 440
x
1
+ S
3
= 480
x
1
+ S
4
= 90
Donc, une augmentation de x
1
de 0 vers 1 va tre accompagne d'une diminution
des variables de base S
1
, S
2
, S
3
, S
4
respectivement de 1, 4, 1 et 1.
Leffet de cette diminution sur la fonction objectif est nul car les coefficients des
variables dcarts dans cette fonction sont nulles
z
1
= 0 S
1
+ 0 S
2
+ 0 S
3
+ 0 S
4
=0 1 + 0 4 + 0 1 + 0 1 = 0
La valeur z
1
est calcule en multipliant les coefficients de la premire colonne de
la matrice A relatifs la variable x
1
par les coefficients c
i
de la premire
colonne. Gnralement, on a :
z
j
=

i
i ij
c a

La deuxime ligne, note c
j
- z
j
, reprsente leffet net de laugmentation dune
unit de la j
me
variable.
Dans notre exemple, leffet net sur la fonction objectif engendr par
laugmentation dune unit dans la valeur de x
1
est
c
1
- z
1
= 100 - 0 = 100

Si on reprend la mme opration pour le reste des variables, on trouve le tableau
suivant :

100 200 0 0 0 0
x
1
x
2
S
1
S
2
S
3
S
4

0 S
1
150 1 1 1 0 0 0
0 S
2
440 4 2 0 1 0 0
0 S
3
480 1 2 0 0 1 0
0 S
4
90 1 0 0 0 0 1
z
j
0 0 0 0 0 0
c
j
- z
j
100 200 0 0 0 0

En analysant la ligne relative lvaluation nette c
j
- z
j
, on remarque quune
augmentation dune unit de la valeur de x
1
engendre un profit de 100 dinars, et
quune augmentation dune unit de la valeur de x
2
engendre un profit
supplmentaire de 200 dinars. Donc, si on a choisir, on va opter pour une
augmentation de la valeur de x
2.
On dit que x
2
est la variable entrante.

Le problme est maintenant, jusquo peut-on augmenter x
2
?

Cette augmentation ne peut pas se faire infiniment, sous lhypothse que x
1
reste
nulle. On a
x
1
+ S
1
= 150
2x
2
+ S
2
= 440
4x
2
+ S
3
= 480
x
4
+ S
2
= 90
On peut voir que x
2
peut prendre comme valeur maximale la valeur de 100 (il ne
faut pas oublier que les S
i,
i=1, 2, 3, 4 sont des variables positives). Cette valeur
est obtenue en choisissant la plus petite valeur positive des divisions de 100/1,
440/2, 480/4 et 90/0 (on suppose que 90/0 est gale linfini ).

En gnral, la valeur maximale de la variable entrante x
j
est le minimum des
valeurs positives des rapports de Q
i
par les coefficients de la colonne de la
matrice A relatif la j
me
variable. Ces rapports feront lobjet dune autre
colonne droite de la matrice A.

Dans notre exemple, on aura :

100 200 0 0 0 0
X
1
x
2
S
1
S
2
S
3
S
4

0 S
1
100 1 1 1 0 0 0 150
0 S
2
440 4 2 0 1 0 0 220
0 S
3
480 1 4 0 0 1 0 120
0 S
4
90 1 0 0 0 0 1

0 0 0 0 0 0
100 200 0 0 0 0

Le fait daugmenter x
2
jusqu la valeur 100 va engendrer lannulation de la
valeur du variable dcart S
3
, ce qui limine S
3
de la base. On appelle S
3
variable
sortante.

Llment 4, lintersection de la ligne relative la variable sortante S
1
(dite
ligne pivot) et de la colonne relative la variable entrante x
2
(dite colonne pivot)
est llment pivot. (Cest llment cercl dans le tableau).

c. Calcul des tableaux suivants

Dans le nouveau tableau de simplexe on va remplacer S
3
par x
2
et lensemble des
variables de base deviendra S
1
, S
2
, x
2
, S
4
. On exige que x
2
prenne la mme place
dans la colonne des variables de base que celle de la variable sortante S
3
.
Jusqu maintenant on ne peut pas remplir le tableau relatif cette nouvelle
solution de base :

100 200 0 0 0 0
x
1
x
2
S
1
S
2
S
3
S
4

0 S
1

0 S
2

200 x
2

0 S
4


Ce qui reste dterminer sont les coefficients a
ij
de la nouvelle matrice A et les
valeurs Q
i
des variables de base. Ceci est ralis en utilisant la rgle de pivot :

1. Diviser le ligne de pivot par la valeur de llment de pivot pour trouver la
ligne transforme de la ligne de pivot.

100 200 0 0 0 0
x
1
x
2
S
1
S
2
S
3
S
4

0 S
1

0 S
2

200 x
2
120 1/4 1 0 0 -1/4 0
0 S
4


2. A chacune des variables de base, on associe la valeur 1 lintersection de la
ligne et de la colonne relative cette mme variable et dans le reste de la
colonne on trouve des zros.

100 200 0 0 0 0
x
1
x
2
S
1
S
2
S
3
S
4

0 S
1
0 1 0 0
0 S
2
0 0 1 0
200 x
2
120 1/4 1 0 0 -1/4 0
0 S
4
0 0 0 1

3. Pour calculer le reste des valeurs du tableau, on opre des combinaisons
linaires dans le prcdent tableau de simplexe. Par exemple pour calculer la
nouvelle valeur qui va prendre la place de la valeur 100 devant la variable de
base S1: On multiplie 100 par le pivot (4), on retranche de ce produit le
produit de la projection de la valeur 100 sur la ligne pivot par la projection de
la valeur 100 sur la colonne pivot, et on divise le tout par la valeur du pivot
(4).


100 200 0 0 0 0
x
1
x
2
S
1
S
2
S
3
S
4

0 S
1
150 1 1 1 0 0 0
0 S
2
440 4 2 0 1 0 0
0 x
2
480 1 4 0 0 1 0
0 S
4
90 1 0 0 0 0 1

30
4
1 480 4 150
=


4
1
4
1 1 4 0
=



100 200 0 0 0 0
x
1
x
2
S
1
S
2
S
3
S
4

0 S
1
30 0 1 0 -1/4 0
0 S
2
0 0 1 0
200 S
3
120 1/4 1 0 0 -1/4 0
0 S
4
0 0 0 1
En appliquant cette rgle sur notre exemple, on trouve le tableau suivant :
100 200 0 0 0 0
x
1
x
2
S
1
S
2
S
3
S
4

0 S
1
30 3/4 0 1 0 -1/4 0
0 S
2
200 7/2 0 0 1 -1/2 0
200 S
3
120 1/4 1 0 0 -1/4 0
0 S
4
90 1 0 0 0 0 1

Remarques:
a) On vrifie toujours que les colonnes de la matrice relative chacune des
variables de base sont formes par des zros sauf 1 dans lintersection avec la
ligne relative aux mmes variables de base.
b) On peut vrifier aussi que lensemble des solutions ralisables, induit par les
contraintes dcrites dans le dernier tableau de simplexe, est le mme que
celui reprsent par les contraintes initiales. La rgle de pivot est une
combinaison linaire des contraintes du programme linaire donc elle ne
change pas lensemble des solutions ralisables.

c) La nouvelle solution ralisable de base est
x
1
= 0
x
2
= 120
S
1
= 30
S
2
= 200
S
3
= 0
S
4
= 90
Cette nouvelle solution correspond au point A(voir graphique). On vrifie bien
que la valeur de la fonction objectif est passer de 0 120 x 200. La valeur de la
fonction objectif peut tre facilement calculer en multipliant membre membre
les c
i
de la premire colonne par les valeurs des variables de base Q
i
dans la 3
me

colonne.
d) La solution de dpart correspond au point O. La premire itration nous a
amen dans le sens de l'amlioration du profit (fonction objectif), cest dire
le long de laxe des ordonnes.

Ayant retrouv une nouvelle solution, on veut savoir sil est possible de
retrouver une solution ralisable de base meilleure. Pour arriver cette fin, on
doit ajouter les deux lignes relatives au choix de la variable entrante, et la
colonne relative au choix de la variable sortante.

100 200 0 0 0 0
x
1
x
2
S
1
S
2
S
3
S
4

0 S
1
30 3/4 0 1 0 -1/4 0 40
0 S
2
200 7/2 0 0 1 -1/2 0 400/7
200 x
2
120 1/4 1 0 0 1/4 0 480
0 S
4
90 1 0 0 0 0 1 90
50 200 0 0 50 0
50 0 0 0 -50 0

La variable entrante est x
1
; elle prsente la plus grande valeur c
j
- z
j
. Si on calcule
les quotients Q
i
/c
i1
, on retrouve que la variable sortante est S
1
qui on associe la
plus petite valeur du ratio Q
1
/c
11
=40. Llment pivot dans ce tableau est 3/4. La
nouvelle base est compose de x
1
, S
2
, x
2
, S
4
.
Le tableau de simplexe suivant issu de lapplication de la rgle de pivot est :

100 200 0 0 0 0
x
1
x
2
S
1
S
2
S
3
S
4

100 x
1
40 1 0 4/3 0 -1/3 0
0 S
2
60 0 0 -14/3 1 2/3 0
200 x
2
110 0 1 -1/3 0 1/3 0
0 S
4
50 0 0 -4/3 0 1/3 1
Cette nouvelle solution
x
1
= 40
x
2
= 120
S
1
= 0
S
2
= 60
S
3
= 0
S
4
= 50
correspond au point B qui est, daprs les rsultats retrouve par la mthode
graphique, la solution optimale du problme. Ainsi, il faut sattendre ce que la
mthode de simplexe reconnaisse cette solution comme tant la solution
optimale.

Ajoutons la ligne relative au calcul de l'effet net dune augmentation unitaire
dune des variables du problme, on a :

100 200 0 0 0 0
x
1
x
2
S
1
S
2
S
3
S
4

100 x
1
40 1 0 4/3 0 -1/3 0
0 S
2
60 0 0 14/3 1 2/3 0
200 x
2
110 0 1 -1/3 0 1/3 0
0 S
4
50 0 0 -4/3 0 1/3 1
100 200 200/3 0 100/3 0
0 0 -100/3 0 -100/3 0

Leffet net associ aux variables hors base S
1
et S
2
est ngatif. Ceci nous oblige
dire que faire entrer une de ces deux variables dans la base va engendrer une
diminution dans la valeur de la fonction objectif. Donc il ny a pas une autre
solution ralisable de base qui peut engendrer un profit meilleur. Par suite cette
dernire solution est la solution optimale. Ce dernier tableau de simplexe est
donc dit tableau optimal.

On peut gnraliser ce rsultat en disant que la solution optimale dun
programme linaire est atteinte sil ny a aucune valeur positive dans la ligne
c
j
-z
j
du tableau du simplexe.

V. Rsum de la procdure de la mthode du simplexe
(dans le cas d'un problme de maximisation sous contraintes s et avec un second
membre positif)



Etapes Justification
1. Formuler un programme linaire
pour le problme rel.
Pour obtenir une reprsentation
mathmatique du problme
2. Vrifier que le second membre du
programme linaire est positif
Ceci est ncessaire pour obtenir comme
variable de base initiale lorigine
3. Ecrire le programme linaire sous
une forme standard
Mettre toutes les contraintes sous forme
dgalit
4. Construire le premier tableau de
simplexe
Ce tableau correspond la solution initiale
de base
5. Choisir comme variable entrante
dans la base celle qui admet le plus
grand effet net positif c
j
-z
j
.
La valeur de c
j
-z
j
indique la quantit
daugmentation de la fonction objectif si
on augmente la valeur de x
j
dune unit.
6. Choisir la variable sortante de la
base celle qui admet le plus petit ratio
suprieur zro.
La plus petite valeur de Q
i
/a
ij
indique le
nombre maximal dunit de x
j
quon peut
introduire avant que la variable de base de
lime ligne ne soit gale zro.
7. Construire le nouveau tableau en
utilisant la rgle de pivot
Cette rgle nous permet entre autre de
calculer les valeurs des nouvelles variables
de dcision
8. Faire le test doptimalit. Si
(c
j
-z
j
) s 0 pour toutes les variables
(hors base), la solution obtenue est
donc optimale. Sinon retourner
ltape 5.
Si (c
j
-z
j
) s 0 alors on na pas dintrt
faire entrer dans la base aucune de ces
variables. Une telle introduction engendra
une diminution de la fonction objectif.

VI. Exemple

Rsoudre le programme linaire suivant en utilisant la mthode de simplexe.
Max 3x
1
+ 2x
2

SC - x
1
+ 2x
2
s 4
3x
1
+ 2x
2
s 14
x
1
+ x
2
s 3
x
1
> 0 x
2
> 0
La forme standard du programme linaire s'crit comme suit :
Max 3x
1
+ 2x
2

SC - x
1
+ 2x
2
+ S
1
= 4
3x
1
+ 2x
2
+ S
2
= 4
x
1
- x
2
+ S
3
= 3
x
1
, x
2,
S
1
, S
2
, S
3
>0


Tableau de simplexe initial (1re itration)

3 2 0 0 0
x
1
x
2
S
1
S
2
S
3

0 S
1
4 -1 2 1 0 0 -4
0 S
2
14 3 2 0 1 0 14/3
0 S
3
3 (1) -1 0 0 1 3
0 0 0 0 0
3 2 0 0 0


La variable entrante est x
1
puisquelle prsente le plus grand effet net positif. La
variable sortante est S
3
car elle correspond au plus petit quotient positif.

2me itration

3 2 0 0 0
x
1
x
2
S
1
S
2
S
3

0 S
1
7 0 1 1 0 1 7
0 S
2
5 0 (5) 0 1 -3 1
3 x
1
3 1 1 0 0 1 3
3 0 0 0 3
0 2 0 0 -3


La variable entrante est x
2
et la variable sortante est S
2


3me itration

3 2 0 0 0
x
1
x
2
S
1
S
2
S
3

0 S
1
6 0 0 1 -1/5 8/5
2 x
2
1 0 1 0 1/5 -3/5
3 x
1
4 1 0 0 1/5 2/5
3 2 0 1 0
0 0 0 -10 0




Tous les c
j
-z
j
s 0 donc le tableau de simplexe est optimal et la solution optimal
du programme linaire est
x
1
= 4
x
2
= 1
S
1
= 6
S
2
= 0
S
3
= 0
La valeur de la fonction objectif est 14.

Remarque : Leffet net de laugmentation dune unit de la valeur de S
3

(variable hors base) est nul. Donc si on introduit S
3
dans la base, on ne modifie
pas la valeur de la fonction objectif. Ainsi une autre solution optimale peut tre
trouve pour notre programme linaire. Ceci confirme le rsultat de la mthode
graphique qui indique que ce problme admet un ensemble de solution optimale
dcrit par le segment [BC].

La solution optimale donne par le dernier tableau de simplexe correspond au
point C.
Le tableau du simplexe suivant est :

3 2 0 0 0
x
1
x
2
S
1
S
2
S
3

0 S
3
15/4 0 0 5/8 -1/8 1
2 x
2
13/4 0 1 3/8 1/8 0
3 x
1
5/2 1 0 -1/4 1/4 0
3 2 0 1 0
0 0 0 -1 0

Le tableau est optimal et la solution correspondante est :
x
1
= 5/2
x
2
= 13/4
S
1
= 0
S
2
= 0
S
3
= 15/4
La valeur de la fonction objectif est 14.