Académique Documents
Professionnel Documents
Culture Documents
M. El Ossmani
ENSAM–Meknès
2022–2023
Chapitre 3 :
Résolution des programmes linéaires
La méthode du simplexe
1. Présentation de la méthode du simplexe
I Développée initialement par George Dantzig en 1947.
I Outil principal de résolution des problèmes de programmation
linéaire.
I Il existe plusieurs formulations de cette méthode :
I méthode des tableaux,
I méthode algébrique (délicate dès que le nombre des variables
et des contraintes est important).
I Méthode exacte et itérative pour résoudre des problèmes
linéaires de grande taille :
I Elle consiste à suivre un certain nombre d’étapes (itérations)
avant d’obtenir la solution d’un problème donné,
I Elle permet de trouver la solution exacte en un nombre fini
d’étapes.
I Explore les sommets de la région admissible en améliorant à
chaque itération la valeur du critère.
I Basée sur l’algèbre des matrices.
2. Notions générales
2.1 Rappels
Un programme linéaire s’écrit généralement sous la forme :
max (ou min) z = c1 x1 + c2 x2 + ... + cn xn
a11 x1 + a12 x2 + ... + a1n xn {≤, =, ≥} b1
a21 x1 + a22 x2 + ... + a2n xn {≤, =, ≥} b2
.. ⇐⇒
.
am1 x1 + am2 x2 + ... + amn xn {≤, =, ≥} bm
x1 ≥ 0, . . . , xn ≥ 0
n
X
max / min z = cj xj
j=1
Xn
aij xj {≤, =, ≥} bi i = 1, m
j=1
xj ≥ 0
j = 1, n
En utilisant la formulation matricielle :
T
max / min z = c x
Ax {≤, =, ≥} b
x ≥0
I Forme matricielle
T
max z = c x
Ax ≤ b
x ≥0
Exemple :
max z = 6x1 + 7x2 + 8x3
1x1 + 2x2 + 1x3 ≤ 100
max z = c T x
3x1 + 4x2 + 2x3 ≤ 120
(P1 ) ⇐⇒ Ax ≤ b
2x1 + 6x2 + 4x3 ≤ 200
x ≥0
1x1 + 0x2 + 1x3 ≤ 150
x1 , x2 , x3 ≥ 0
avec
1 2 1 100
3 4 2 120 6 x1
A= 7 ; x = x2
2 6 4 ; b = 200 ; c =
8 x3
1 0 1 150
A de type (4 , 3),
m = 4 (contraintes) et n = 3 (variables de décision).
2.3 Forme standard d’un PL
I Forme matricielle
T
max z = c x
Ax = b
x ≥0
2.4 Passage entre les formes
1. min f ⇐⇒ max − f
Par exemple : minimiser x1 + 2x2 revient à maximiser −x1 − 2x2
car : f (x ∗ ) = min{ f (x ) , x ∈ X } ⇐⇒ f (x ∗ ) ≤ f (x ) , ∀x ∈ X
⇐⇒ −f (x ∗ ) ≥ −f (x ), ∀x ∈ X ⇐⇒ −f (x ∗ ) = max{ −f (x ) , x ∈ X }
2. ax ≥ b ⇐⇒ −ax ≤ −b
ax ≤ b
3. ax = b ⇐⇒
ax ≥ b
ax + y = b
4. ax ≤ b ⇐⇒ y est dite variable d’écart
y ≥0
ax − y = b
5. ax ≥ b ⇐⇒
y ≥0
6. x ≤ 0 ⇐⇒ −x ≥ 0
x = x+ − x− x + = max(x , 0)
7. x quelconque ⇐⇒ avec
x+ , x− ≥ 0 x − = max(−x , 0)
Propriété
Tout programme linéaire peut être mis sous la forme canonique et
sous la forme standard.
Propriété
Tout programme linéaire peut être mis sous la forme canonique et
sous la forme standard.
Remarques
1. Le passage entre la forme canonique et la forme standard se
fait par les transformations précédentes.
2. La forme canonique est utilisée pour la méthode graphique.
3. Tandis que la forme standard permet une résolution
matricielle et sera utilisée pour la méthode de simplexe.
Exemple : forme canonique → forme standard
min 5x1 − 3x2
x1 − x2 ≥ 2
Soit le problème : (P2 ) 2x + 3x ≤ 4
1 2
−x
1 + 6x2 = 10
x1 , x2 ≥ 0
Exemple : forme canonique → forme standard
min 5x1 − 3x2
x1 − x2 ≥ 2
Soit le problème : (P2 ) 2x + 3x ≤ 4
1 2
−x
1 + 6x2 = 10
x1 , x2 ≥ 0
Définitions
I On appelle base toute sous-matrice carrée B inversible de type
(m , m) extraite de A.
I Les variables associées aux colonnes de B sont dites variables
de base, les autres variables hors base.
I Par extension, on appellera également base la liste ordonnée
des variables de base ou de leurs indices (notée B).
Exemple :
Soit le système linéaire :
(
x2 + 2x3 + 2x4 = 1
x1 + x2 + 2x3 + 3x4 = 1
Ce système peut s’écrire Ax =
b , avec
:
! x1 !
0 1 2 2 x
2 1
A= , x = et b =
1 1 2 3 x3 1
x4
Exemple :
Soit le système linéaire :
(
x2 + 2x3 + 2x4 = 1
x1 + x2 + 2x3 + 3x4 = 1
Ce système peut s’écrire Ax =
b , avec
:
! x1 !
0 1 2 2 x
2 1
A= , x = et b =
1 1 2 3 x3 1
x4
A est de type (2 , 4) (2 équations et 4 variables).
!
1 2
La sous-matrice B = est inversible.
1 3
Ainsi B est une base.
Les variables de base associés à B sont x2 et x4 .
Les variables hors base associés à B sont x1 et x3 .
Remarques
I Une base est une matrice inversible et donc les variables de
base correspondent aux colonnes linéairement indépendantes
de la matrice A.
Remarques
I Une base est une matrice inversible et donc les variables de
base correspondent aux colonnes linéairement indépendantes
de la matrice A.
I Par conséquent, on peut avoir plusieurs bases dans une
matrice A.
En effet, on peut le remarquer dans l’exemple précédent :
!
0 1
est aussi une base et correspond alors aux variables
1 1
de base x1 et x2 .
Remarques
I Une base est une matrice inversible et donc les variables de
base correspondent aux colonnes linéairement indépendantes
de la matrice A.
I Par conséquent, on peut avoir plusieurs bases dans une
matrice A.
En effet, on peut le remarquer dans l’exemple précédent :
!
0 1
est aussi une base et correspond alors aux variables
1 1
de base x1 et x2 .
!
1 2
n’est pas une base (car non inversible).
1 2
Remarques
I Une base est une matrice inversible et donc les variables de
base correspondent aux colonnes linéairement indépendantes
de la matrice A.
I Par conséquent, on peut avoir plusieurs bases dans une
matrice A.
En effet, on peut le remarquer dans l’exemple précédent :
!
0 1
est aussi une base et correspond alors aux variables
1 1
de base x1 et x2 .
!
1 2
n’est pas une base (car non inversible).
1 2
I Avec les conditions précédentes, le système Ax = b admet
une infinité de solutions.
Le système de l’exemple précédent :
(
x2 + 2x3 + 2x4 = 1
x1 + x2 + 2x3 + 3x4 = 1
admet une infinité de solutions.
! x1 !
0 1 2 2 x2 1
On a : A = , x = et b =
1 1 2 3 x3 1
x4
! !
1 2 3 −2
B= est une base et B −1 =
1 3 −1 1
Ax = b ⇐⇒ B −1 A x = B −1 b
! ! !
3 −2 0 1 2 2 −2 1 2 0
B −1 A = =
−1 1 1 1 2 3 1 0 0 1
! ! !
3 −2 1 1
B −1 b = =
−1 1 1 0
Donc le système est équivalent à :
x1
−2 1 2 0 x2 1 −2x1 + x2 + 2x3 = 1
= ⇐⇒
1 0 0 1 x3 0 x1 + x4 = 0
x4
x2 = 1 + 2x1 − 2x3
⇐⇒
x4 = −x1
Donc le système est équivalent à :
x1
−2 1 2 0 x2 1 −2x1 + x2 + 2x3 = 1
= ⇐⇒
1 0 0 1 x3 0 x1 + x4 = 0
x4
x2 = 1 + 2x1 − 2x3
⇐⇒
x4 = −x1
BxB = b ⇐⇒ xB = B −1 b
BxB = b ⇐⇒ xB = B −1 b
Remarque :
Dans le cas d’un programme linéaire sous forme standard avec les
contraintes Ax = b , x ≥ 0, une solution de base réalisable
correspond géométriquement à un sommet du polyèdre des
contraintes.
Définitions
I On appelle solution de base (associée à la base B), la solution
particulière obtenue en prenant xN = 0.
xB est déterminée de façon unique par :
BxB = b ⇐⇒ xB = B −1 b
Remarque :
Dans le cas d’un programme linéaire sous forme standard avec les
contraintes Ax = b , x ≥ 0, une solution de base réalisable
correspond géométriquement à un sommet du polyèdre des
contraintes.
4. Méthode du simplexe en tableaux
4.1 Exemple :
Considérons le problème déjà étudié (Exemple 1, Chapitre 1).
Rappelons le programme linéaire qui modélise ce problème :
max z = 3x1 + 5x2
x1 ≤ 4
(P) 2x2 ≤ 12
3x1 + 2x2 ≤ 18
x1 ≥ 0 ; x2 ≥ 0
où
x1 est le nombre de châssis du produit 1 (châssis en aluminium),
x2 est le nombre de châssis du produit 2 (châssis en bois).
La forme standard du programme linéaire (P) s’écrit :
La forme standard du programme linéaire (P) s’écrit :
max z = 3x1 + 5x2 + 0e1 + 0e2 + 0e3
1 + 0x2 + 1e1 + 0e2 + 0e3 = 4
1x
(PS) 0x1 + 2x2 + 0e1 + 1e2 + 0e3 = 12
1 + 2x2 + 0e1 + 0e2 + 1e3 = 18
3x
x1 ≥ 0 ; x2 ≥ 0 ; e1 ≥ 0 ; e2 ≥ 0 ; e3 ≥ 0
Base x1 x2 e1 e2 e3 s.m
e1 1 0 1 0 0 4
e2 0 2 0 1 0 12
e3 3 2 0 0 1 18
−z 3 5 0 0 0 0
Tableau initial :
Le premier tableau du simplexe (tableau initial) s’écrit :
Base x1 x2 e1 e2 e3 s.m
e1 1 0 1 0 0 4
e2 0 2 0 1 0 12
e3 3 2 0 0 1 18
−z 3 5 0 0 0 0
Base x1 x2 e1 e2 e3 s.m
e1 1 0 1 0 0 4
e2 0 2 0 1 0 12
e3 3 2 0 0 1 18
−z 3 5 0 0 0 0
Base x1 x2 e1 e2 e3 s.m
e1 1 0 1 0 0 4
e2 0 2 0 1 0 12
e3 3 2 0 0 1 18
−z 3 5 0 0 0 0
Base x1 x2 e1 e2 e3 s.m
e1 1 0 1 0 0 4
e2 0 2 0 1 0 12
e3 3 2 0 0 1 18
−z 3 5 0 0 0 0
Base x1 x2 e1 e2 e3 s.m
e1 1 0 1 0 0 4
e2 0 2 0 1 0 12
e3 3 2 0 0 1 18
−z 3 5 0 0 0 0
Tableau 1
↓
Base x1 x2 e1 e2 e3 s.m R
e1 1 0 1 0 0 4 4/0 = ∞
← e2 0 2 0 1 0 12 12/2 = 6
e3 3 2 0 0 1 18 18/2 = 9
−z 3 5 0 0 0 0
Tableau 1
↓
Base x1 x2 e1 e2 e3 s.m R
e1 1 0 1 0 0 4 4/0 = ∞
← e2 0 2 0 1 0 12 12/2 = 6
e3 3 2 0 0 1 18 18/2 = 9
−z 3 5 0 0 0 0
I Nv : nouvelle valeur
I Av : ancienne valeur
I Cpivot : colonne du pivot
I Lpivot : ligne du pivot
Tableau 2
↓
Base x1 x2 e1 e2 e3 s.m R
e1 1 0 1 0 0 4 4
x2 0 1 0 1/2 0 6 ∞
← e3 3 0 0 −1 1 6 2
−z 3 0 0 −5/2 0 −30
Tableau 3
Base x1 x2 e1 e2 e3 s.m
e1 0 0 1 1/3 −1/3 2
x2 0 1 0 1/2 0 6
x1 1 0 0 −1/3 1/3 2
−z 0 0 0 −3/2 −1 −36
Tous les coefficients de la dernière ligne (coefficients de la fonction
objectif) sont négatifs ou nuls : on ne peut plus augmenter la fonction
objectif. Le tableau 3 est optimal et l’algorithme du simplexe s’arrête.
Tous les coefficients de la dernière ligne (coefficients de la fonction
objectif) sont négatifs ou nuls : on ne peut plus augmenter la fonction
objectif. Le tableau 3 est optimal et l’algorithme du simplexe s’arrête.
On a donc : x1∗ = 2 ; x2∗ = 6 et zmax = 36.
Interprétation économique :
Tous les coefficients de la dernière ligne (coefficients de la fonction
objectif) sont négatifs ou nuls : on ne peut plus augmenter la fonction
objectif. Le tableau 3 est optimal et l’algorithme du simplexe s’arrête.
On a donc : x1∗ = 2 ; x2∗ = 6 et zmax = 36.
Interprétation économique :
L’entreprise doit produire 2 châssis de type 1 (en aluminium) et 6 châssis
de type 2 (en bois) pour réaliser un profit maximal de 36 UM.
A l’optimum les variables de base sont x1∗ = 2 x2∗ = 6 et e1∗ = 2 et les
variables hors base sont e2∗ = e3∗ = 0.
En effet :
4 − x1∗ = 4 − 2 = 2
12 − 2x2∗ = 12 − 2 × 6 = 0
18 − (3x1∗ + 2x2∗ ) = 18 − (3 × 2 + 2 × 6) = 0.
Remarques :
En posant
à = A Im ; x̃ = (x1 , ..., xn , e1 , ..., em )T ; c̃ = (c1 , ..., cn , 0, ..., 0)T
B = Im ; N = A ; xB = B −1 b = b ; xN = x = 0
Plusieurs remèdes au cyclage dans les cas dégénérés sont utilisés, le plus
connu c’est la règle de Bland :
Lorsque plusieurs variables sont susceptibles d’entrer ou de sortir de la
base, on choisit toujours la variable xr ayant le plus petit indice r .
Exemples :
T1
Base x1 x2 x3 x4 x5 x6 s.m R
x5 4 7 0 0 1 4 4 4/7
x4 2 8 0 1 0 3 0 0
x3 -2 9 1 0 0 2 0 0
−z -5 2 0 0 0 5 -3
T2
↓
Base x1 x2 x3 e1 e2 e3 s.m R
← e1 1 2 5 1 0 0 4 2
e2 3 4 3 0 1 0 8 2
e3 2 4 1 0 0 1 12 3
−z 2 3 1 0 0 1 0
T3
↓
Base x1 x2 x3 e1 e2 e3 s.m
e1 1 2 5 1 0 0 3
e2 3 1 3 0 1 0 10
e3 2 8 1 0 0 1 8
−z 3 3 2 0 0 0 0
T4
↓
Base x1 x2 e1 e2 s.m
e1 0 -2 1 -1 20
x1 1 0 0 2,5 3
−z 0 16 0 -3 -32
Base x1 x2 e1 e2 s.m
x1 1 0 1 1 3
x2 0 1 -1 -2 2
−z 0 0 -1 0 -8
Base x1 x2 e1 e2 s.m
e2 1 0 1 1 3
x2 2 1 1 0 8
−z 0 0 1 0 -8
4.4 Simplexe avec minimisation de l’objectif :
Dans le cas de minimisation de l’objectif, les itérations et
l’optimalité de la méthode du simplexe sont déterminés par les
critères suivants :
I Critère de la variable entrante : On choisit la variable hors
base ayant le coût réduit le plus négatif.
I Critère de la variable sortante : le même que dans le cas de
maximisation, puisque ce critère est lié à la réalisabilité des
variables.
I Critère d’optimalité : L’algorithme du simplexe s’arrête
quand tous les coûts réduits des variables hors base
(coefficients de la dernière ligne du tableau simplexe) sont
tous positifs ou nuls.
Les critères précédents découlent de la propriété suivante :
minimiser z = c1 x1 + ... + cn xn revient à maximiser −z .
Exemple :
Soit le problème :
min −x1 − 2x2
−3x1 + 2x2 ≤ 2
(PM) −x1 + 2x2 ≤ 4
x1 + x2 ≤ 5
x1 , x2 ≥ 0
Tableau 2
↓
Base x1 x2 e1 e2 e3 s.m R
x2 -3/2 1 1/2 0 0 1 −2/3
← e2 2 0 -1 1 0 2 1
e3 5/2 0 -1/2 0 1 4 8/5
−z -4 0 1 0 0 2
Tableau 3
↓
Base x1 x2 e1 e2 e3 s.m R
x2 0 1 -1/4 3/4 0 5/2 10
x1 1 0 -1/2 1/2 0 1 -2
← e3 0 0 3/4 -5/4 1 3/2 2
−z 0 0 -1 2 0 6
Tableau 4
Base x1 x2 e1 e2 e3 s.m
x2 0 1 0 1/3 1/3 3
x1 1 0 0 -1/3 2/3 2
e1 0 0 1 -5/3 4/3 2
−z 0 0 0 1/3 4/3 8
On remarque que les termes du second membre sont tous positifs, mais
Méthode du grand M :
Considérons le PL suivant :
max z = x1 + x2
2x1 + x2 ≥ 4
(P1 )
x1 + 2x2 = 6
x1 , x2 ≥ 0
On remarque que les termes du second membre sont tous positifs, mais
I la 1 ère contrainte est de type ≥
Méthode du grand M :
Considérons le PL suivant :
max z = x1 + x2
2x1 + x2 ≥ 4
(P1 )
x1 + 2x2 = 6
x1 , x2 ≥ 0
On remarque que les termes du second membre sont tous positifs, mais
I la 1 ère contrainte est de type ≥
I la 2 ème contrainte est de type =
Méthode du grand M :
Considérons le PL suivant :
max z = x1 + x2
2x1 + x2 ≥ 4
(P1 )
x1 + 2x2 = 6
x1 , x2 ≥ 0
On remarque que les termes du second membre sont tous positifs, mais
I la 1 ère contrainte est de type ≥
I la 2 ème contrainte est de type =
Etapes :
Méthode du grand M :
Considérons le PL suivant :
max z = x1 + x2
2x1 + x2 ≥ 4
(P1 )
x1 + 2x2 = 6
x1 , x2 ≥ 0
On remarque que les termes du second membre sont tous positifs, mais
I la 1 ère contrainte est de type ≥
I la 2 ème contrainte est de type =
Etapes :
On remarque que les termes du second membre sont tous positifs, mais
I la 1 ère contrainte est de type ≥
I la 2 ème contrainte est de type =
Etapes :
On remarque que les termes du second membre sont tous positifs, mais
I la 1 ère contrainte est de type ≥
I la 2 ème contrainte est de type =
Etapes :
On remarque que les termes du second membre sont tous positifs, mais
I la 1 ère contrainte est de type ≥
I la 2 ème contrainte est de type =
Etapes :
Alors : si ces variables restent dans la base elles vont causer une diminution
importante de la valeur de la fonction objectif. Ce qui nous contraint à les faire
sortir le plutôt possible de la base.
On obtient alors le PL :
max z = x1 + x2 −Ma1 − Ma2
2x + x − e + a = 4
1 2 1 1
x1 + 2x2 + a 2 = 6
x1 , x2 , e1 , a1 , a2 ≥ 0
I Variables de base : a 1 = 4 ; a2 = 6
I Variables hors base : x1 = x2 = e1 = 0
La solution de base initiale est donnée par :
I Variables de base : a 1 = 4 ; a2 = 6
I Variables hors base : x1 = x2 = e1 = 0
Pour établir le premier tableau du simplexe, il faut maintenant
exprimer les variables de base en fonction des variables hors base.
La solution de base initiale est donnée par :
I Variables de base : a 1 = 4 ; a2 = 6
I Variables hors base : x1 = x2 = e1 = 0
Pour établir le premier tableau du simplexe, il faut maintenant
exprimer les variables de base en fonction des variables hors base.
( (
2x1 + x2 − e1 + a1 = 4 a1 = 4 − 2x1 − x2 + e1
⇒
x1 + 2x2 + a2 = 6 a2 = 6 − x1 − 2x2
La solution de base initiale est donnée par :
I Variables de base : a 1 = 4 ; a2 = 6
I Variables hors base : x1 = x2 = e1 = 0
Pour établir le premier tableau du simplexe, il faut maintenant
exprimer les variables de base en fonction des variables hors base.
( (
2x1 + x2 − e1 + a1 = 4 a1 = 4 − 2x1 − x2 + e1
⇒
x1 + 2x2 + a2 = 6 a2 = 6 − x1 − 2x2
I Variables de base : a 1 = 4 ; a2 = 6
I Variables hors base : x1 = x2 = e1 = 0
Pour établir le premier tableau du simplexe, il faut maintenant
exprimer les variables de base en fonction des variables hors base.
( (
2x1 + x2 − e1 + a1 = 4 a1 = 4 − 2x1 − x2 + e1
⇒
x1 + 2x2 + a2 = 6 a2 = 6 − x1 − 2x2
z = x1 + x2 −Ma1 − Ma2
= x1 + x2 − M(4 − 2x1 − x2 + e1 ) − M(6 − x1 − 2x2 )
z = (3M + 1)x1 + (3M + 1)x2 − Me1 − 10M
La solution de base initiale est donnée par :
I Variables de base : a 1 = 4 ; a2 = 6
I Variables hors base : x1 = x2 = e1 = 0
Pour établir le premier tableau du simplexe, il faut maintenant
exprimer les variables de base en fonction des variables hors base.
( (
2x1 + x2 − e1 + a1 = 4 a1 = 4 − 2x1 − x2 + e1
⇒
x1 + 2x2 + a2 = 6 a2 = 6 − x1 − 2x2
z = x1 + x2 −Ma1 − Ma2
= x1 + x2 − M(4 − 2x1 − x2 + e1 ) − M(6 − x1 − 2x2 )
z = (3M + 1)x1 + (3M + 1)x2 − Me1 − 10M
Tableau 1
↓
Base x1 x2 e1 a1 a2 s.m R
← a1 2 1 -1 1 0 4 2
a2 1 2 0 0 1 6 6
−z 3M+1 3M+1 -M 0 0 10 M
Nous pouvons maintenant démarrer le simplexe avec le tableau
suivant :
Tableau 1
↓
Base x1 x2 e1 a1 a2 s.m R
← a1 2 1 -1 1 0 4 2
a2 1 2 0 0 1 6 6
−z 3M+1 3M+1 -M 0 0 10 M
Tableau 1
↓
Base x1 x2 e1 a1 a2 s.m R
← a1 2 1 -1 1 0 4 2
a2 1 2 0 0 1 6 6
−z 3M+1 3M+1 -M 0 0 10 M
Tableau 2
↓
Base x1 x2 e1 a1 a2 s.m R
x1 1 1/2 -1/2 1/2 0 2 4
← a2 0 3/2 1/2 -1/2 1 4 8/3
−z 0 (3M+1)/2 (M+1)/2 -(3M+1)/2 0 -2 + 4M
Tableau 3
↓
Base x1 x2 e1 a1 a2 s.m R
x1 1 0 -2/3 2/3 -1/3 2/3 -1
← x2 0 1 1/3 -1/3 2/3 8/3 8
−z 0 0 1/3 -M-1/3 -M-1/3 -10/3
Tableau 3
↓
Base x1 x2 e1 a1 a2 s.m R
x1 1 0 -2/3 2/3 -1/3 2/3 -1
← x2 0 1 1/3 -1/3 2/3 8/3 8
−z 0 0 1/3 -M-1/3 -M-1/3 -10/3
Tableau 4
Base x1 x2 e1 a1 a2 s.m
x1 1 2 0 0 1 6
e1 0 3 1 -1 2 8
−z 0 -1 0 -M -M-1 -6
Tableau 3
↓
Base x1 x2 e1 a1 a2 s.m R
x1 1 0 -2/3 2/3 -1/3 2/3 -1
← x2 0 1 1/3 -1/3 2/3 8/3 8
−z 0 0 1/3 -M-1/3 -M-1/3 -10/3
Tableau 4
Base x1 x2 e1 a1 a2 s.m
x1 1 2 0 0 1 6
e1 0 3 1 -1 2 8
−z 0 -1 0 -M -M-1 -6
Tableau 4
Base x1 x2 e1 a1 a2 s.m
x1 1 2 0 0 1 6
e1 0 3 1 -1 2 8
−z 0 -1 0 -M -M-1 -6