Carte Co

Cuprins
1 Optimizarea liniara 5
1.1 Problema de optimizare liniara . . . . . . . . . . . . . . 5
1.1.1 Procese liniare . . . . . . . . . . . . . . . . . . . . 5
1.1.2 Formele problemelor de optimizare liniara . . . . 7
1.2 Proprietat ile sistemului de restrict ii . . . . . . . . . . . . 10
1.2.1 Solut ie admisibila, solut ie admisibila de baza, puncte
extremale . . . . . . . . . . . . . . . . . . . . . . 10
1.2.2 Direct ie admisibila, direct ie extremala . . . . . . 12
1.2.3 Reprezentarea mult imii P cu ajutorul punctelor
extremale si al direct iilor extremale . . . . . . . . 15
1.3 Puncte si direct ii extremale . . . . . . . . . . . . . . . . 17
1.3.1 Baze vecine, matrice de pivotare . . . . . . . . . . 17
1.3.2 Algoritm pentru determinarea solut iilor admisi-
bile de baza si a direct iilor extremale . . . . . . . 20
1.4 Algoritmul simplex primal . . . . . . . . . . . . . . . . . 23
1.4.1 Criteriile de nemarginire, de optimalitate si de
continuarea procesului iterativ . . . . . . . . . . . 23
1.4.2 Algoritmul simplex primal . . . . . . . . . . . . . 27
1.5 Situat ii speciale n optimizarea liniara . . . . . . . . . . . 29
1.5.1 Degenerarea, solut ii optime multiple . . . . . . . 29
1.5.2 Reoptimizarea daca c se schimba cu c . . . . . . . 33
1.6 Determinarea unei baze primal admisibile . . . . . . . . . 35
1.6.1 Metoda celor doua faze . . . . . . . . . . . . . . . 35
1.6.2 Metoda penalizarii . . . . . . . . . . . . . . . . . 38
1.7 Interpretarea economica a algoritmului simplex . . . . . 40
1.7.1 Interpretarea economica a algoritmului simplex . 40
1
2 CUPRINS
1.7.2 Probleme economice descrise prin probleme de
optimizare liniara . . . . . . . . . . . . . . . . . . 42
1.8 Dualitatea n optimizarea liniara . . . . . . . . . . . . . . 45
1.8.1 Duala unei probleme de optimizare liniara . . . . 45
1.8.2 Proprietat ile problemelor duale . . . . . . . . . . 47
1.8.3 Relat ia ecarturilor complementare, funct ia La-
grange asociata problemelor de optimizare duale . 50
1.8.4 Rezolvarea simultana a unei perechi de probleme
duale . . . . . . . . . . . . . . . . . . . . . . . . . 52
1.9 Algoritmul simplex dual . . . . . . . . . . . . . . . . . . 54
1.9.1 Criterii de optimalitate duale . . . . . . . . . . . 54
1.9.2 Algoritmul simplex dual . . . . . . . . . . . . . . 56
1.9.3 Determinarea unei baze dual admisibile . . . . . . 57
1.10 Reoptimizarea si optimizarea parametrica . . . . . . . . 61
1.10.1 Reoptimizarea . . . . . . . . . . . . . . . . . . . . 61
1.10.2 Optimizarea parametrica . . . . . . . . . . . . . . 68
1.11 Exercit ii . . . . . . . . . . . . . . . . . . . . . . . . . . . 71
2 Probleme de tip transport 77
2.1 Modelul matematic . . . . . . . . . . . . . . . . . . . . . 77
2.1.1 Proces economic ce conduce la probleme de tip
transport . . . . . . . . . . . . . . . . . . . . . . 77
2.1.2 Proprietatile modelului matematic al unei prob-
leme de tip transport . . . . . . . . . . . . . . . . 78
2.2 Determinarea solut iilor admisibile de baza . . . . . . . . 83
2.2.1 Algoritmul general . . . . . . . . . . . . . . . . . 83
2.2.2 Linia poligonala asociata unei rute. Solut ii ad-
misibile de baza vecine . . . . . . . . . . . . . . . 85
2.3 Algoritmul potent ialelor . . . . . . . . . . . . . . . . . . 88
2.3.1 Criteriul de optimalitate . . . . . . . . . . . . . . 88
2.3.2 Algoritmul potent ialelor . . . . . . . . . . . . . . 91
2.4 Exercit ii . . . . . . . . . . . . . . . . . . . . . . . . . . . 94
3 Elemente de teoria jocurilor 95
3.1 Not iuni introductive de teoria jocurilor . . . . . . . . . . 95
3.1.1 Conceptul matematic de joc . . . . . . . . . . . . 95
3.1.2 Probleme ce se ncadreaza n teoria jocurilor . . . 97
CUPRINS 3
3.2 Jocuri competitive de doua persoane . . . . . . . . . . . 99
3.2.1 Puncte sa pentru jocuri competitive de doua per-
soane. Solut ia unui joc competitiv . . . . . . . . . 99
3.2.2 Jocuri competitive de doua persoane cu un numar
nit de strategii . . . . . . . . . . . . . . . . . . . 103
3.2.3 Jocuri nite de doua persoane cu suma neconstanta109
3.3 Jocuri cooperative de doua persoane . . . . . . . . . . . 113
3.3.1 Jocuri cooperative fara plat i interpersonale . . . . 113
3.3.2 Jocuri cooperative cu plat i interpersonale . . . . . 123
3.4 Exercit ii . . . . . . . . . . . . . . . . . . . . . . . . . . . 125
4 Elemente de teoria grafurilor 127
4.1 Not iuni fundamentale n teoria grafurilor . . . . . . . . . 127
4.1.1 Not iunea de graf, elemente asociate . . . . . . . . 127
4.1.2 Matricea de adiacent a asociata unui graf. Operat ii
cu grafuri . . . . . . . . . . . . . . . . . . . . . . 129
4.1.3 Algoritmi pentru determinarea componentelor tare
conexe ale unui 1-graf . . . . . . . . . . . . . . . 130
4.2 Grafuri valorizate. Drumuri de valoare optima . . . . . . 136
4.2.1 Grafuri valorizate. Principiul optimalitat ii . . . . 136
4.2.2 Algoritmul lui Ford pentru determinarea drumurilor
de valoare optima . . . . . . . . . . . . . . . . . . 137
4.2.3 Algoritmul Bellman-Kalaba pentru determinarea
drumurilor de valoare optima . . . . . . . . . . . 138
4.2.4 Algoritmul Roy-Warshall pentru determinarea dru-
murilor de valoare optima ntre varfurile grafului 141
4.3 Problema de ordonant are. Drumul critic . . . . . . . . . 146
4.3.1 Modelul unei probleme de ordonant are . . . . . . 146
4.3.2 Graful activitat ilor. Drumul critic . . . . . . . . . 148
4.4 Arbori . . . . . . . . . . . . . . . . . . . . . . . . . . . . 150
4.4.1 Numere asociate unui graf . . . . . . . . . . . . . 150
4.4.2 Arbori. Arbori economici . . . . . . . . . . . . . . 152
4.5 Optimizarea discreta . . . . . . . . . . . . . . . . . . . . 155
4.5.1 Metoda Ramica si Margineste (Branch and Bound)155
4.5.2 Algoritmul Little . . . . . . . . . . . . . . . . . . 156
4.5.3 Metoda secvent iala pentru rezolvarea unor prob-
leme de optimizare discreta . . . . . . . . . . . . 165
4 CUPRINS
4.6 Exercit ii . . . . . . . . . . . . . . . . . . . . . . . . . . . 169
5 Optimizarea convexa 171
5.1 Proprietat i ale mult imilor convexe . . . . . . . . . . . . . 171
5.2 Separarea mult imilor convexe prin hiperplane . . . . . . 174
5.3 Proprietat i ale funct iilor convexe . . . . . . . . . . . . . 177
5.4 Condit ii de extrem n cazul nediferent iabil . . . . . . . . 181
5.5 Condit ii diferent iale de extrem cu legaturi inegalitat i . . 185
5.6 Minim n sens Lagrange, minim n sensul pantei maxime 188
5.7 Condit ii de extrem pentru funct ii convexe de clasa c
1
. . 189
5.8 Condit ii de extrem n cazul de regularitate . . . . . . . . 192
5.9 Probleme de optimizare convexa speciale . . . . . . . . . 195
5.10 Metode de rezolvare a problemelor de optimizare convexa 200
5.10.1 a) 1. Metoda direct iilor admisibile (Frank, Wolfe) 201
5.10.2 a) 2. Metoda gradientului proiectat, cazul restrict iilor
liniare (Rosen) . . . . . . . . . . . . . . . . . . . 204
5.10.3 b) Metoda planului de sect iune (Kelley) . . . . . 207
5.10.4 c) Algoritmul Theil-Van de Panne . . . . . . . . . 212
5.11 Exercit ii si aplicat ii . . . . . . . . . . . . . . . . . . . . . 218
6 Teste pregatitoare pentru examene 223
Capitolul 1
Optimizarea liniara
1.1 Problema de optimizare liniara
1.1.1 Procese liniare
Prin proces nt elegem un sistem format dintr-o intrare (input), o iesire
(output) si o cutie neagra n care inputul se prelucreaza obt inandu-se
outputul.
-
input
vectori tehnologici
-
output
In procesele concrete inputul este format din cantitat i de materii

prime caracterizate prin vectorul input b = (b
1
, b
2
, . . . , b
m
)
T
, unde b
,
= 1 . . . m, reprezinta cantitatea de materie prima ce se va pre-
lucra. Outputul este caracterizat prin vectorul x = (x
1
, x
2
, . . . , x
n
)
T
,
unde x
i
, i = 1 . . . n, reprezinta cantitatea de produs i ce se va obt ine
n urma prelucrarii inputurilor. Prelucrarea inputului se face utilizand
un numar de n tehnologii caracterizate prin vectorii tehnologici a
1
=
= (a
11
, a
21
, . . . , a
m1
)
T
, . . . , a
n
= (a
1n
, a
2n
, . . . , a
mn
)
T
, unde a
i
reprezinta
cantitatea de materie prima utilizata pentru producerea unei unitat i
din produsul i.
5
6 CAPITOLUL 1. OPTIMIZAREA LINIAR
A
Procesul se numeste liniar, daca legaturile dintre input, output si
vectorii tehnologici sunt date prin ecuat ii sau inecuat ii liniare. Aceste
legaturi se obt in astfel: Daca a
i
este cantitatea de materie prima
necesara obt inerii unei unitat i din produsul i, atunci

n
i=1
a
i
x
i
repre-
zinta cantitatea de materie prima necesara obt inerii a x
1
, x
2
, . . . , x
n
produse. Aceasta cantitate nu depaseste resursa b
. Obt inem sistemul

de restrict ii
n
i=1
a
i
x
i
b
, = 1 . . . m (1.1)
x
i
0 , i = 1 . . . n . (1.2)
Relat iile (1.2) reprezinta condit ii de natura economica.
Desfasurarea procesului se face t inand seama de un anumit scop.
Scopul poate de natura obt inerii unui beneciu maxim prin comer-
cializarea produselor obt inute, sau efectuarea unor cheltuieli de pro-
duct ie minime pentru desfasurarea procesului. Scopul este descris prin
vectorul c = (c
1
, c
2
, . . . , c
n
)
T
, unde c
i
reprezinta pret ul de vanzare a
unei unitat i din produsul i, sau cheltuielile de product ie efectuate prin
producerea unei unitat i din produsul i. Scopul este astfel dat de funct ia
f(x) = c, x) =
n
i=1
c
i
x
i
.
Astfel un proces economic liniar este dat de problema
max (min) f(x)
x P (1.3)
unde
P = x R
n
, Ax b, x 0, f(x) = c, x).
Problema (1.3) se va scrie
max(min)c, x)
Ax b
x 0.
A = (a
i
) = (a
1
, . . . , a
n
) se numeste matricea tehnologica,
b = (b
1
, . . . , b
m
)
T
R
m
se numeste vectorul resurselor si
1.1. PROBLEMA DE OPTIMIZARE LINIAR
A 7
c = (c
1
, . . . , c
n
)
T
R
n
se numeste vectorul pret uri (cheltuieli de pro-
duct ie).
Exemplul 1: Un proces economic liniar are vectorul resurselor
b = (3, 2, 1)
T
, vectorii tehnologici a
1
= (2, 1, 1)
T
, a
2
= (3, 2, 1)
T
,
a
3
= (1, 2, 1)
T
, a
4
= (3, 1, 1)
T
, a
5
= (2, 1, 2)
T
si vectorul pret uri
c = (5, 2, 3, 1, 4)
T
. Problema asociata este
max(5x
1
+ 2x
2
+ 3x
3
x
4
+ 4x
5
)
2x
1
+ 3x
2
+ x
3
+ 3x
4
+ 2x
5
3
x
1
+ 2x
2
+ 2x
3
+ x
4
+ x
5
2
x
1
x
2
+ x
3
x
4
2x
5
1
x
i
0, i = 1, 2, 3, 4, 5
Problema de optimizare de forma (1.3) se numeste problema de
optimizare liniara (programare liniara).
Pentru (1.3), se pune problema determinarii solut iilor optime si de-
terminarea solut iilor optime daca:
1) vectorul c se modica prin c,
2) vectorul b se modica prin

b,
3) vectorul a
i
se modica prin a
i
,
4) se adauga o noua restrict ie,
5) coecient ii problemei (1.3) sunt funct ii de un parametru t R.
1.1.2 Formele problemelor de optimizare liniara
Se numesc forme canonice pentru problema de optimizare liniara prob-
lemele:
minc, x) maxc, x)
(1) Ax b (2) Ax b
x 0 x 0
Se numesc forme standard pentru problema de optimizare liniara
problemele:
A
minc, x) maxc, x)
(3) Ax = b (4) Ax = b
x 0 x 0
Se numeste forma generala pentru problema de optimizare liniara
problema:
max(min)(c
1
, x
1
) +c
2
, x
2
) +c
3
, x
3
))
A
11
x
1
+A
12
x
2
+A
13
x
3
b
1
(5) A
21
x
1
+A
22
x
2
+A
23
x
3
= b
2
A
31
x
1
+A
32
x
2
+A
33
x
3
b
3
x
1
0
x
2
fara restrict ie de semn
x
3
0
unde A
, , = 1, 2, 3 sunt matrice, x
1
, x
2
, x
3
sunt vectori, c
1
, c
2
, c
3
sunt vectori. Asupra componentelor vectorului x
2
nu se fac restrict ii
privind semnul acestora.
Utilizand transformari echivalente o problema de optimizare liniara
poate adusa la forma standard sau la forma canonica daca este data
sub forma generala. Transformarile echivalente sunt:
a) Sensul unei inegalitat i se schimba prin nmult irea cu -1.
b) Inegalitatea de forma a, x) b se transforma n egalitatea
a, x) +y = b, y 0. y se numeste variabila de ecart.
c) Inegalitatea de forma a, x) b se transforma n egalitatea
a, x) y = b, y 0.
d) Egalitatea a, x) = b se transforma n inegalitat ile a, x) b,
a, x) b.
e) Inegalitatea x 0 se transforma prin substitut ia y = x n inegali-
tatea y 0.
f) Variabila x fara restrict ie de semn se transforma n x = y z unde
y 0, z 0.
g) min f(x)=-max (-f(x)), max f(x)=-min (-f(x)).
Exemplul 2: Sa se aduca la forma standard problemele:
1.1. PROBLEMA DE OPTIMIZARE LINIAR
A 9
a) min(3x
1
2x
2
+ x
3
)
2x
1
+ x
2
x
3
2
x
1
2x
2
+ x
3
1
x
i
0, i = 1, 2, 3.
b) max(2x
1
+ x
2
2x
3
)
x
1
2x
2
+ x
3
1
2x
1
+ 2x
2
x
3
2
x
i
0, i = 1, 2, 3.
In baza transformarilor elementare obt inem:

a) min(3x
1
2x
2
+ x
3
)
2x
1
+ x
2
x
3
x
4
= 2
x
1
2x
2
+ x
3
x
5
= 1
x
i
0, i = 1, 2, 3, 4, 5.
b) max(2x
1
+ x
2
2x
3
)
x
1
2x
2
+ x
3
+ x
4
= 1
2x
1
+ 2x
2
x
3
+ x
5
= 2
x
i
0, i = 1, 2, 3, 4, 5.
Exercit iul 1: Sa se scrie formele standard ale problemelor (1), (2), (5).
Sa se scrie formele canonice ale problemelor (3), (4), (5).
Exercit iul 2: Fie c = (3, 2, 1, 2, 5, 3)
T
, b = (3, 2, 1)
T
si a
1
= (3, 2, 1)
T
,
a
2
= (1, 2, 1)
T
, a
3
= (3, 2, 1)
T
, a
4
= (2, 0, 0)
T
, a
5
= (0, 2, 0)
T
,
a
6
= (3, 2, 2)
T
, elementele unei probleme de optimizare liniara. Se cer:
a) forma canonica utilizand criteriul de minim
b) forma canonica utilizand criteriul de maxim
c) forma standard
d) forma generala daca prima materie prima este n exces, a doua ma-
terie prima trebuie consumata total si a treia materie prima nu trebuie
consumata total, iar variabilele sunt fara restrict ii de semn.
A
1.2 Proprietat ile sistemului de restrict ii
1.2.1 Solut ie admisibila, solut ie admisibila de baza,
puncte extremale
In cele ce urmeaza vom face ipoteza de lucru, si anume :

Rangul matricii tehnologice este m < n si vectorul resurselor b 0.
Se numeste solut ie admisibila pentru mult imea P = x R
n
, Ax =
= b, x 0, o solut ie x a sistemului de ecuat ii Ax = b, ce satisface
condit ia x 0.
Propozit ia 1.1 Mult imea P a solut iilor admisibile este mult ime nchisa
n topologia canonica a lui R
n
, si mult ime convexa.
Demonstrat ie Fie x
p
pN
un sir de vectori din R
n
, cu x
p
P, p
N si lim
p
x
p
= x. Astfel Ax
p
= b, x
p
0, p N. Prin trecerea
la limita pentru p , rezulta Alim
p
x
p
= b, lim
p
x
p
0. Deci
Ax = b, x 0, fapt ce arata ca P este mult ime nchisa. Fie x
1
, x
2
P,
si t [0, 1]. Rezulta tx
1
+ (1 t)x
2
0 si A(tx
1
+ (1 t)x
2
) =
= tAx
1
+(1t)Ax
2
= tb+(1t)b = b. Deci tx
1
+(1t)x
2
P, t [0, 1],
si astfel P este mult ime convexa.
Se numeste solut ie admisibila de baza o solut ie admisibila, cu pro-
prietatea ca vectorii tehnologici, corespunzatori componentelor nenule
sunt liniar independent i.
Din faptul ca rangul lui A este m < n, rezulta ca cel mult m com-
ponente ale unei solut ii admisibile de baza pot nenule.
O solut ie admisibila de baza se numeste nedegenerata daca are m
componente nenule, n caz contrar se numeste degenerata.
Baza formata cu vectorii tehnologici corespunzatori componentelor
nenule ale unei solut ii admisibile de baza se numeste baza primal admi-
sibila.
Exemplul 1: Pentru mult imea P data de
x
1
+ 2x
2
+ x
3
+ x
4
= 2
2x
1
+ x
2
x
3
+ x
5
= 1
x
i
0, i = 1, 2, 3, 4, 5
1.2. PROPRIET
AT ILE SISTEMULUI DE RESTRICT II 11

vectorul x
1
= (0, 0, 0, 2, 1)
T
este solut ie admisibila de baza nedege-
nerata, caci vectorii a
4
, a
5
corespunzatori componentelor nenule
x
4
= 2, x
5
= 1 sunt liniar independent i.
Vectorul x
2
= (1, 0, 1, 0, 0)
T
este solut ie admisibila de baza nedege-
nerata, caci vectorii a
1
, a
3
corespunzatori componentelor nenule
x
1
= 1, x
3
= 1 sunt liniar independent i.
Vectorul x
3
= (0, 1, 0, 0, 0)
T
este solut ie admisibila de baza dege-
nerata, caci are o singur a componenta nenula iar vectorul a
2
este liniar
independent.
Se numeste punct extremal al mult imii P o solut ie admisibila x P
pentru care nu exista x
1
, x
2
P astfel ca x =
1
2
x
1
+
1
2
x
2
.
Propozit ia 1.2 O solut ie admisibila x P este solut ie admisibila de
baza daca si numai daca x este punct extremal al lui P.
Demonstrat ie Fie x P un punct extremal. Presupunem, permutand
eventual coloanele lui A, ca x = ( x
1
, . . . , x
p
, 0, . . . , 0)
T
. Aratam ca vec-
torii a
1
, a
2
, . . . , a
p
sunt liniar independent i. Daca ar liniar dependent i
ar exista y = (y
1
, . . . , y
p
, 0, . . . , 0)
T
, y ,= 0, astfel ca Ay = 0. Fie
R, > 0. Deoarece A x = b, obt inem
A( x y) = b, A( x +y) = b.
Obt inem astfel solut iile x
1
, x
2
ale sistemului Ax = b, cu componentele
x
1
k
= x
k
y
k
, x
2
k
= x
k
+y
k
, k = 1 . . . p, x
1
j
= 0, x
2
j
= 0, j = p+1 . . . n.
Se poate alege astfel ncat x
1
k
0, x
2
k
0, k = 1 . . . p. Rezulta
x =
1
2
x
1
+
1
2
x
2
, fapt ce contrazice ipoteza ca x este punct extremal.
Astfel a
1
, . . . , a
p
sunt liniar independent i si deci x este solut ie admisibila
de baza.
Fie x P o solut ie admisibila de baza. Aratam ca x este punct
extremal. Presupunem contrariul, adica exista x
1
, x
2
P, x
1
,= x
2
si
t (0, 1) astfel ca x = tx
1
+ (1 t)x
2
. Presupunem ca
x = ( x
1
, . . . , x
p
, 0, . . . , 0)
T
cu x
k
0, k = 1 . . . p, x
j
= 0,
j = p + 1 . . . n si a
1
, . . . , a
p
liniar independent i. Rezulta
tx
1
j
+ (1 t)x
2
j
= 0, j = p + 1 . . . n.
A
Deoarece x
1
j
0, x
2
j
0, j = p + 1 . . . n, rezulta x
1
j
= 0, x
2
j
= 0, j =
p + 1 . . . n.
Deoarece x
1
, x
2
P rezulta
p
k=1
x
1
k
a
k
=
p
k=1
x
2
k
a
k
= b.
Deoarece a
1
, . . . , a
p
sunt liniar independent i, rezulta x
1
k
= x
2
k
,
k = 1 . . . p. Astfel x
1
= x
2
, fapt ce contrazice ipoteza.
Astfel x este punct extremal.
Propozit ia 1.3 Un punct x P este solut ie admisibila de baza daca
si numai daca exista o matrice B extrasa din A ce formeaza o baza n
R
m
, astfel ncat
x
B
= B
1
b 0, x
R
= 0, (1.4)
unde x
B
reprezinta vectorul format cu componentele de acelasi indice
cu vectorii coloana ai lui B.
Demonstrat ie Fie partit ionarea lui A sub forma A = (B, R) si parti-
t ionarea lui x sub forma (x
B
, x
R
)
T
. Deoarece x P, rezulta
Ax = (B, R)(x
B
, x
R
)
T
= Bx
B
+Rx
R
= b.
Astfel obt inem
x
B
= B
1
b B
1
Rx
R
. (1.5)
Din (1.5) rezulta ca x este solut ie admisibila de baza daca are loc (1.4)
si reciproc.
Numarul solut iilor admisibile de baza ale lui P este cel mult C
m
n
.
1.2.2 Direct ie admisibila, direct ie extremala
Se numeste direct ie admisibila pentru x P un vector v R
n
, v ,= 0,
astfel ncat x +v P, R, > 0.
Propozit ia 1.4 Vectorul v R
n
este direct ie admisibila pentru x P
daca si numai daca
Av = 0, v 0. (1.6)
1.2. PROPRIET

Demonstrat ie Daca v R
n
este direct ie admisibila pentru x P,
atunci
A(x +v) = Ax +Av = b, > 0.
Deci Av = 0. Deoarece x+v 0, x 0, > 0, rezulta v 0. Astfel
v satisface (1.6).
Reciproc, daca v R
n
satisface (1.6) rezulta x + v 0, si
A(x + v) = Ax + Av = b, > 0. Deci v este direct ie admisi-
bila pentru x P.
Se numeste direct ie extremala pentru P un vector v R
n
care este
direct ie admisibila pentru P, si nu se exprima ca o combinat ie liniara
cu coecient i pozitivi n raport cu doua direct ii admisibile ale lui P,
liniar independente.
Propozit ia 1.5 Mult imea P admite direct ii extremale daca si numai
daca exista o baza B extrasa din A si un vector a
j
A, a
j
, B, astfel
ncat
B
1
a
j
0. (1.7)
Demonstrat ie Fie B o baza extrasa din A si e a
j
, B, astfel ncat
sa aiba loc (1.7). Presupunem ca B = (a
1
, . . . , a
m
). Fie e
i
i=m+1...n
baza canonica a lui R
nm
. Vectorul
v = (B
1
a
j
, e
j
)
T
(1.8)
este direct ie extremala.

Intr-adevar
Av = (B, R)(B
1
a
j
, e
j
)
T
= BB
1
a
j
+Re
j
= a
j
+a
j
= 0.
Din (1.7) rezulta v 0. Astfel v este direct ie admisibila.
Aratam ca v este direct ie extremala prin reducere la absurd. Pre-
supunem ca exista doua direct ii admisibile v
1
, v
2
R
n
, liniar indepen-
dente, astfel ncat v =
1
v
1
+
2
v
2
,
1
> 0,
2
> 0. Fie partit ionarea
lui v
1
, v
2
, corespunzatoare lui (B, R), data prin
v
1
= (v
1B
, v
1R
)
T
, v
2
= (v
2B
, v
2R
)
T
.
Din (1.8) rezulta
v = (B
1
a
j
, e
j
)
T
= (
1
v
1B
+
2
v
2B
,
1
v
1R
+
2
v
2R
)
T
.
A
Deci
B
1
a
j
=
1
v
1B
+
2
v
2B
, e
j
=
1
v
1R
+
2
v
2R
. (1.9)
Din (1.9) rezulta
1
v
1R
j
+
2
v
2R
j
= 1, (1.10)
1
v
1R
k
+
2
v
2R
k
= 0, k m+ 1, . . . , n j.
Deoarece
1
> 0,
2
> 0 si v
1
0, v
2
0, obt inem
v
1R
k
= v
2R
k
= 0, k m+ 1, . . . , n j.
Notand =
1
v
1R
j
, =
2
v
2R
j
, rezulta + = 1, ,= 0, ,= 0 si
v
1R
= e
j
, v
2R
= e
j
. Din Av
1
= 0, Av
2
= 0 rezulta
Bv
1B
+Rv
1R
= 0, Bv
2B
+Rv
2R
= 0,
sau
Bv
1B
+a
j
= 0, Bv
2B
+a
j
= 0.
Astfel
v
1
= (v
1B
, v
1R
)
T
= (B
1
a
j
, e
j
)
T
= v,
v
2
= (v
2B
, v
2R
)
T
= (B
1
a
j
, e
j
)
T
= v.
Obt inem v
1
=

v
2
, adica v
1
, v
2
sunt liniar dependente, ceea ce contra-
zice ipoteza.
Reciproc, e o direct ie extremala v = (v
1
, . . . , v
k
, 0, . . . , v
j
, . . . , 0)
T
,
unde j m + 1, . . . , n, v
i
> 0, i = 1 . . . k, v
j
> 0 si e a
1
, . . . , a
k
vectorii corespunzatori componentelor v
1
, . . . , v
k
. Aratam ca acesti vec-
tori sunt liniar independent i prin reducere la absurd. Daca ar liniar
dependent i, ar exista y = (y
1
, . . . , y
k
, 0, . . . , 0)
T
, y ,= 0 astfel ncat
Ay = 0. Fie > 0 astfel ncat
v
1
= v +y, v
2
= v y
sa e vectori nenegativi. Rezulta Av
1
= 0, Av
2
= 0, v
1
0, v
2
0,
adica v
1
, v
2
sunt direct ii admisibile distincte. Astfel v =
1
2
v
1
+
1
2
v
2
,
fapt ce contrazice ipoteza ca v este direct ie extremala. Rezulta k m.
Completand acesti vectori cu m k vectori din A, rezulta o baza B
pentru care Av = Bv
B
+ v
j
a
j
= 0. Deci v
B
= v
j
B
1
a
j
. Astfel
1.2. PROPRIET

v = (v
j
B
1
a
j
, v
j
e
j
)
T
= v
j
(B
1
a
j
, e
j
)
T
. Deoarece v 0 si v
j
> 0,
rezulta B
1
a
j
0.
Numarul maxim de direct ii extremale ale lui P este (n m)C
m
n
.
1.2.3 Reprezentarea mult imii P cu ajutorul punc-
telor extremale si al direct iilor extremale
Propozit ia 1.6 Daca mult imea P are o solut ie admisibila, atunci P
are o solut ie admisibila de baza.
Demonstrat ie Fie x P o solut ie admisibila si p numarul componen-
telor ei nenule. Permutand eventual coloanele lui A, presupunem ca x
are forma x = ( x
1
, . . . , x
p
, 0, . . . , 0)
T
cu x
i
> 0, i = 1 . . . p. Daca p = 0,
rezulta ca x = 0, si deci x este solut ie admisibila de baza. Daca p > 0
apar urmatoarele situat ii:
1) Vectorii a
1
, . . . , a
p
sunt liniar independent i.

In acest caz x este solut ie
admisibila de baza.
2) Vectorii a
1
, . . . , a
p
sunt liniar dependent i.

In acest caz exista
y = (y
1
, . . . , y
p
, 0, . . . , 0)
T
, y ,= 0 astfel ncat Ay = 0. Rezulta
A( x +y) = Ax +Ay = b, R. Fie I
1
= i[y
i
> 0, i = 1 . . . p,
I
2
= i[y
i
< 0, i = 1 . . . p si
1
=
_
_
_
max
i I
1
x
i
y
i
, I
1
,=
, I
1
=
2
=
_
_
_
min
i I
2
x
i
y
i
, I
2
,=
+ , I
2
= .
Pentru [
1
,
2
] rezulta x + y 0. Alegem
0
[
1
,
2
] ast-
fel ncat x +
0
y sa aiba cel mult p 1 componente nenule. Vectorii
corespunzatori componentelor nenule n numar de p 1 pot liniar
independent i si astfel x+y este o solut ie admisibila de baza. Daca cei
p1 vectori sunt liniar dependent i, repetand rat ionamentul de mai sus,
ntr-un numar nit de pasi vom obt ine o solut ie admisibila de baza.
Propozit ia 1.7 Fie x
1
, . . . , x
p
punctele extremale si v
1
, . . . , v
q
direct iile
extremale ale lui P ,= . Pentru orice x P exista
i
0, i = 1 . . . p
cu

p
i=1
i
= 1 si
j
0, j = 1 . . . q, astfel ncat
x =
p
i=1
i
x
i
+
q
j=1
j
v
j
. (1.11)
A
Demonstrat ie Deoarece P ,= , din Propozit ia 1.6 rezulta ca P are
cel put in un punct extremal, si deci mult imea
= x R
n
, x =
p
i=1
i
x
i
+
q
j=1
j
v
j
,
p
i=1
i
= 1,
i
,
j
0 (1.12)
este diferita de mult imea vida. Rezulta ca este mult ime convexa si
nchisa si P. Pentru demonstrarea incluziunii P presupunem
prin absurd ca exista z P, astfel ncat z , . Deoarece P si sunt
mult imi convexe nchise, exista un hiperplan dat de ecuat ia a, x) =
ce separa strict mult imile P si . Deci are loc relat ia
a, x) < a, z), x , z P. (1.13)
Din (1.11) si (1.13) rezulta
p
i=1
i
a, x
i
) +
q
j=1
j
a, v
j
) (1.14)
pentru orice
i
0, i = 1 . . . p,

p
i=1
i
= 1,
j
0, j = 1 . . . q.
Din (1.14) rezulta a, v
j
) 0, j = 1 . . . q, caci n caz contrar alegand
j
, j = 1 . . . q sucient de mari, (1.14) nu are loc. Alegand
i
= 1,
k
= 0, k ,= i, k = 1 . . . p si
j
= 0, j = 1 . . . q, relat ia (1.13) conduce
la
a, x
i
) < a, z), i = 1 . . . p. (1.15)
Fie x P punctul extremal pentru care
a, x) = max a, x
i
).
i=1...p
(1.16)
Deoarece x este punct extremal, exista o baza B extrasa din A, astfel
ncat x
B
= B
1
b 0, x
R
= 0, iar z P, fat a de baza B are forma
z
B
= B
1
b B
1
Rz
R
. (1.17)
Din (1.15) si (1.17) se obt ine
a, z) a, x) = a
B
, B
1
b) a
B
, B
1
Rz
R
) a
B
, B
1
b) +a
R
, z
R
) =
1.3. PUNCTE SI DIRECT II EXTREMALE 17
= a
R
, z
R
) (B
1
R)
T
a
B
, z
R
) = a
R
(B
1
R)
T
a
B
, z
R
) > 0.
Deoarece z
R
0, rezulta ca exista j m+ 1, . . . , n astfel ncat
z
j
> 0, a
j
a
B
, B
1
a
j
) > 0. (1.18)
Arat am ca B
1
a
j
, 0. Daca B
1
a
j
0, rezulta ca v
j
= (B
1
a
j
, e
j
)
T
este direct ie extremala a lui P. Deoarece a, v
j
) 0, rezulta
a
j
a
B
, B
1
a
j
) 0, fapt ce contrazice (1.18). Fie punctul
x = (B
1
b, 0)
T
+(B
1
a
j
, e
j
)
T
(1.19)
unde
= min
(B
1
b)
i
(B
1
a
j
)
i
=
(B
1
b)
r
(B
1
a
j
)
r
.
i|(B
1
a
j
)
i
>0
(1.20)
Din (1.19) si din (1.20) rezulta
A
x = A(B
1
b, 0)
T
+A(B
1
a
j
, e
j
)
T
=
= BB
1
b BB
1
a
j
+Re
j
= b a
j
+a
j
= b
si

x 0. Astfel

x P. Deoarece (B
1
a
j
)
r
,= 0, rezulta ca vectorii
a
1
, . . . , a
r1
, a
r+1
, . . . , a
m
, a
j
sunt liniar independent i, si astfel

x este
punct extremal. Astfel
a,
x) = a, (B
1
b, 0)
T
) +a, (B
1
a
j
, e
j
)
T
) =
= a, x) +(a
j
a
B
, B
1
a
j
)) > a, x),
relat ie ce contrazice (1.16). Astfel z si P .
1.3 Determinarea punctelor extremale si
a direct iilor extremale
1.3.1 Baze vecine, matrice de pivotare
Fie A matricea tehnologica a sistemului de restrict ii P si B o baza
extrasa din A. Permut and eventual coloanele lui A, presupunem ca
B = (a
1
, a
2
, . . . , a
k1
, a
k
, a
k+1
, . . . , a
m
).
A
Propozit ia 1.8 Fie a
j
A, a
j
, B si sistemul de vectori
B
= (a
1
, . . . , a
k1
, a
j
, a
k+1
, . . . , a
m
) obt inut din B prin nlocuirea lui a
k
cu a
j
. B
este baza daca si numai daca

(B
1
a
j
)
k
,= 0. (1.21)
Demonstrat ie Deoarece B este baza, vectorul a
j
se va exprima sub
forma
a
j
= (B
1
a
j
)
1
a
1
+. . . + (B
1
a
j
)
k
a
k
+. . . + (B
1
a
j
)
m
a
m
. (1.22)
Daca (B
1
a
j
)
k
= 0, rezulta ca sistemul de vectori B
este liniar depen-

dent. Deci daca are loc (1.21), B
formeaza o baza.
Baza B
obt inuta din B prin nlocuirea lui a

k
cu a
j
se numeste
baza vecina a lui B, iar elementul (B
1
a
j
)
k
se numeste element pivot.
Propozit ia 1.9 Fie B
vecina bazei B. Inversa matricei B
este data
de
B
1
= E
k
B
1
, (1.23)
unde B
1
este inversa matricei B si E
k
= (e
1
, . . . , e
k1
, v, e
k+1
, . . . , e
m
)
se obt ine din matricea unitate de ordin m nlocuind coloana k cu vec-
torul v dat de
v =
_
(B
1
a
j
)
1
(B
1
a
j
)
k
, . . . ,
1
(B
1
a
j
)
k
, . . . ,
(B
1
a
j
)
m
(B
1
a
j
)
k
_
T
. (1.24)
Demonstrat ie Prin calcul direct rezulta
B
E
k
= (a
1
, . . . , a
k1
, a
j
, a
k+1
, . . . , a
m
) (e
1
, . . . , e
k1
, v, e
k+1
, . . . , e
m
) =
= (a
1
, . . . , a
k1
,
(B
1
a
j
)
1
(B
1
a
j
)
k
a
1
. . . +
1
(B
1
a
j
)
k
a
j
. . .
(B
1
a
j
)
m
(B
1
a
j
)
k
a
m
,
e
k+1
, . . . , e
m
) = (a
1
, . . . , a
k1
, a
k
, a
k+1
, . . . , a
m
) = B.
Astfel din B
E
k
= B rezulta (1.23).
Matricea E
k
se numeste matricea de pivotare determinata de pivo-
tul (B
1
a
j
)
k
.
Propozit ia 1.10 Fie B = (a
1
, . . . , a
k1
, a
k
, a
k+1
, . . . , a
m
) o baza ex-
trasa din A si B
= (a
1
, . . . , a
k1
, a
j
, a
k+1
, . . . , a
m
) o baza vecina. Vec-
torii tehnologici (a
1
, . . . , a
n
) si vectorul resurselor b au fat a de B
com-
ponentele date de:
(B
1
a
l
)
= (B
1
a
l
)
(B
1
a
l
)
k
(B
1
a
j
)
(B
1
a
j
)
k
, ,= k (1.25)
(B
1
a
l
)
k
=
(B
1
a
l
)
k
(B
1
a
j
)
k
, l = 1 . . . n
(B
1
b)
= (B
1
b)
(B
1
b)
k
(B
1
a
j
)
(B
1
a
j
)
k
, ,= k (1.26)
(B
1
b)
k
=
(B
1
b)
k
(B
1
a
j
)
k
.
Demonstrat ie Deoarece B
1
este data de (1.23), rezulta
B
1
a
l
= E
k
(B
1
a
l
) = (e
1
, . . . , e
k1
, v, e
k+1
, . . . , e
m
)(b
1
a
l
) (1.27)
B
1
b = E
k
(B
1
b) = (e
1
, . . . , e
k1
, v, e
k+1
, . . . , e
m
)(B
1
b).
Inlocuind expresia lui v data de (1.24), relat iile (1.27) conduc la (1.25)
si (1.26).
Formulele (1.25), (1.26) reprezinta regula cross, sau iterat ia simplex.
Propozit ia 1.11 (criteriul de eliminare a unui vector din baza) Fie
B = (a
1
, . . . , a
k1
, a
k
, a
k+1
, . . . , a
m
) o baza primal admisibila. Daca
pentru k exista j m+ 1, . . . , n, astfel ncat
(B
1
b)
k
(B
1
a
j
)
k
= min
_
(B
1
b)
(B
1
a
j
)
_
|(B
1
a
j
)
>0
(1.28)
atunci B
= (a
1
, . . . , a
k1
, a
j
, a
k+1
, . . . , a
m
) este baza primal admisibila.
Demonstrat ie B ind baza primal admisibila, are loc B
1
b 0. Fie
B
= (a
1
, . . . , a
k1
, a
j
, a
k+1
, . . . , a
m
) o baza vecina bazei B. Baza B
este
primal admisibila daca si numai daca B
1
b 0. Din (1.26) rezulta
a)
(B
1
b)
k
(B
1
a
j
)
k
0, (1.29)
b) (B
1
b)
(B
1
b)
k
(B
1
a
j
)
(B
1
a
j
)
k
0, 1, . . . m k.
A
Din (1.29) a) rezulta (B
1
a
j
)
k
> 0. Pentru (1.29) b) apar situat iile:
1) (B
1
a
j
)
= 0.

In acest caz (B
1
b)
= (B
1
b)
0, 1, . . . , m
k.
2) (B
1
a
j
)
< 0.

In acest caz (B
1
b)
0, 1, . . . , m k.
3) (B
1
a
j
)
> 0.

In acest caz (1.29) b) devine
(B
1
b)
= (B
1
a
j
)
_
(B
1
b)
(B
1
a
j
)
(B
1
b)
k
(B
1
a
j
)
k
_
. (1.30)
Alegand k 1, . . . , m astfel ncat
(B
1
b)
k
(B
1
a
j
)
k
= min
_
(B
1
b)
(B
1
a
j
)
_
|(B
1
a
j
)
>0
(1.31)
rezulta (B
1
b)
0, 1, . . . , k 1, j, k + 1, . . . , m.
1.3.2 Algoritm pentru determinarea solut iilor ad-
misibile de baza si a direct iilor extremale
Etapele algoritmului sunt:
Etapa 1 Se determina o baza primal admisibila B si se calculeaza
B
1
b, B
1
a
i
, i = 1 . . . n Etapa 2
Etapa 2 a) Solut ia admisibila de baza este data de (B
1
b, 0)
T
.
b) Daca exista j m + 1, . . . , n pentru care B
1
a
j
0, direct ia
extremala este d
j
= (B
1
a
j
, e
j
)
T
Etapa 3
Etapa 3 a) Se alege j m+ 1, . . . , n astfel ncat B
1
a
j
, 0.
b) Se determina k 1, . . . , m astfel ncat
(B
1
b)
k
(B
1
a
j
)
k
= min
_
(B
1
b)
(B
1
a
j
)
_
.
|(B
1
a
j
)
>0
B
= (a
1
, . . . , a
k1
, a
j
, a
k+1
, . . . , a
m
) este baza primal admisibila.Etapa
4
Etapa 4 Se calculeaza cu ajutorul formulelor (1.25), (1.26) o iterat ie
simplex.Etapa 2
Algoritmul de mai sus se pune sub forma urmatorului tabel:
VB VVB a
1
. . . a
k
. . . a
m
. . . a
j
. . . a
n
a
1
.
.
. 1 . . . 0 . . . 0 . . .
.
.
. . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
B a
k
(B
1
b)
k
0 . . . 1 . . . 0 . . . (B
1
a
j
)
k
. . . (B
1
a
n
)
k
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m
.
.
. 0 . . . 0 . . . 1 . . .
.
.
. . . .
.
.
.
a
1
.
.
. 1 . . .
.
.
. . . . 0 . . . 0 . . .
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
B a
j
(B
1
b)
j
0 . . . (B
1
a
k
)
j
. . . 0 . . . 1 . . . (B
1
a
n
)
j
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
.
a
m
.
.
. 0 . . .
.
.
. . . . 1 . . . 0 . . .
.
.
.
O iterat ie simplex se efectueaza e cu formulele (1.25), (1.26), e
cu urmatoarea regula echivalenta:
1) Se determina elementul pivot (B
1
a
j
)
k
.
2) Linia pivot (k) se mparte cu pivotul (B
1
a
j
)
k
.
3) Linia obt inuta se nmult este succesiv cu (B
1
a
j
)
,
1, . . . , m k, si se aduna la linia .
Exemplul 1: Fie matricea tehnologica
A =
_
1 3 1 1 0
2 1 1 0 1
_
si vectorul resurselor b = (2, 1)
T
. Sa determinam solut iile admisibile de
baza si direct iile extremale.
Deoarece matricea A cont ine baza canonica B = (a
4
, a
5
) din R
2
,
sistemul de restrict ii determinat de A si b este dat de tabelul simplex:
(S
1
)
VB VVB a
1
a
2
a
3
a
4
a
5
a
4
2 1 3 -1 1 0
a
5
1 2 1 -1 0 1
VB reprezinta vectorii bazei, iar VVB valorile variabilelor de baza.
Solut ia admisibila de baza este x = (0, 0, 0, 2, 1)
T
, iar direct ia extremala
este (0, 1, 0, 1, 1)
T
, obt inute astfel: Deoarece vectorii bazei sunt a
4
, a
5
,
rezulta ca x
4
= 2, x
5
= 1, x
1
= 0, x
2
= 0, x
3
= 0. Deoarece
A
B
1
a
3
= (1, 1)
T
< 0, direct ia extremala are componentele

d
4
=
= 1,

d
5
= 1,

d
3
= 1,

d
2
= 0,

d
1
= 0. Alegem un vector a
i
astfel ncat
B
1
a
i
, 0. Pot alesi vectorii a
1
sau a
2
. Alegand a
1
, calculam min
_
2
1
,
1
2
_
=
1
2
. Acest minim este atins pentru a
5
. Deci a
1
intra n baza
si a
5
iese din baza, pivotul ind 2. Linia lui a
5
se mparte cu 2 si apoi
aceasta linie se nmult este cu -1 si se aduna la linia lui a
4
. Se obt ine
tabelul simplex:
(S
2
)
VB VVB a
1
a
2
a
3
a
4
a
5
a
4
3/2 0 5/2 -1/2 1 -1/2
a
1
1/2 1 1/2 -1/2 0 1/2
Din (S
2
) se obt ine solut ia admisibila de baza x = (1/2, 0, 0, 3/2, 0)
T
si direct ia extremala

d = (1/2, 0, 1, 1/2, 0)
T
. Algoritmul continua prin
introducerea lui a
2
n baza. Din
min
_
3/2
5/2
,
1/2
1/2
_
=
3
5
,
rezulta ca a
4
iese din baza. Se obt ine tabelul simplex:
(S
3
)
VB VVB a
1
a
2
a
3
a
4
a
5
a
2
3/5 0 1 -1/5 2/5 -1/5
a
1
1/5 1 0 -2/5 -1/5 3/5
Solut ia admisibila de baza este x = (1/5, 3/5, 0, 0, 0)
T
si direct ia ex-
tremala este

d = (2/5, 1/5, 1, 0, 0)
T
. Alegand vectorul a
4
, acesta va
intra n baza n locul lui a
2
, obt inand tabelul (S
2
). Alegand vectorul
a
5
, vectorul ce iese din baza este a
1
. Se obt ine tabelul simplex:
(S
4
)
VB VVB a
1
a
2
a
3
a
4
a
5
a
2
2/3 -1/3 1 4/15 7/15 0
a
5
1/3 5/3 0 -2/3 -1/3 1
Solut ia admisibila de baza este x = (0, 2/3, 0, 0, 1/3)
T
. Pentru aceasta
solut ie nu exista direct ie extremala. Alegand a
3
, vectorul ce iese din
baza este a
2
. Se obt ine tabelul simplex:
1.4. ALGORITMUL SIMPLEX PRIMAL 23
(S
5
)
VB VVB a
1
a
2
a
3
a
4
a
5
a
3
5/2 -5/4 15/4 1 7/4 0
a
5
2 5/6 1/6 0 5/6 1
Solut ia admisibila de baza este x = (0, 0, 5/2, 0, 2)
T
si nu exista direct ie
extremala. Au fost obt inute 5 solut ii admisibile de baza si 3 direct ii
extremale si se constata ca acestea sunt singurele.
1.4 Algoritmul simplex primal
1.4.1 Criteriile de nemarginire, de optimalitate si
de continuarea procesului iterativ
Fie problema de optimizare liniara
min f(x)
x P
(1.32)
unde f(x) = c, x), P = x R
n
, Ax = b, x 0. Presupunem P ,=
si e x
1
, . . . , x
p
, d
1
, . . . , d
q
punctele extremale si direct iile extremale.
Propozit ia 1.12 Condit ia necesara si sucienta pentru ca valoarea
minima a lui f sa e nita pe mult imea P este ca
c, d
j
) 0, j = 1 . . . q. (1.33)
In condit iile (1.33), printre punctele de minim ale problemei (1.32)

exista cel put in un punct extremal.
Demonstrat ie Din Propozit ia 1.7 rezulta ca orice punct x P are
reprezentarea
x =
p
i=1
i
x
i
+
q
j=1
j
d
j
,
i
0,
p
i=1
i
= 1,
j
0. (1.34)
Fie
S = (, ) R
p
R
q
, 0, 0,
p
i=1
i
= 1.
A
Problema (1.32) este echivalenta cu problema
min (
p
i=1
i
c, x
i
) +
q
j=1
j
c, d
j
)).
(, ) S
(1.35)
Daca ar exista j
0
1, . . . , q astfel ca c, d
j
0
) < 0, atunci f este
nemarginita inferior pe S, deoarece
j
0
poate ales sucient de mare.
Deci f are valoare minima nita daca si numai daca are loc (1.33).

In
condit iile (1.33) rezulta
min f(x) = min

p
i=1
i
c, x
i
),
x P S
1
(1.36)
S
1
= R
n
, 0,
p
i=1
i
= 1.
Fie
c, x
i
0
) = min c, x
i
).
1 i p
(1.37)
min f(x) =

p
i=1
i
c, x
i
0
) = c, x
i
0
).
x P
Propozit ia 1.13 Condit ia necesara si sucienta ca valoarea maxima
a lui f sa e nita pe mult imea P este ca
c, d
j
) 0, j = 1 . . . q. (1.38)
In condit iile (1.38), printre punctele de maxim ale lui f exista cel put in
un punct extremal.
Demonstrat ie Este analoaga demonstrat iei de la Propozit ia 1.12.
Propozit ia 1.14 Fie B o baza primal admisibila si x = ( x
B
, x
R
)
T
, x
B
=
= B
1
b, x
R
= 0, solut ia admisibila de baza corespunzatoare. Pentru
orice x P are loc relat ia
f(x) = f( x)
n
j=m+1
(z
j
c
j
)x
j
, (1.39)
unde
z
j
c
j
= c
B
, B
1
a
j
) c
j
. (1.40)
Demonstrat ie Pentru orice x P are loc
(B, R)(x
B
, x
R
)
T
= Bx
B
+Rx
R
= b.
Deci
x
B
= B
1
b
n
j=m+1
x
j
B
1
a
j
= x
B
j=m+1
x
j
B
1
a
j
. (1.41)
Astfel
f(x) = c, x) = c
B
, x
B
) +c
R
, x
R
) =
= c
B
, x
B
)
n
j=m+1
x
j
c
B
, B
1
a
j
) +
n
j=m+1
c
j
x
j
=
= c, x
B
)
n
j=m+1
(c
B
, B
1
a
j
) c
j
)x
j
= f( x)
n
j=m+1
(z
j
c
j
)x
j
.
1
, . . . , a
k1
, a
k
, a
k+1
, . . . , a
m
) o baza pri-
mal admisibila si B
= (a
1
, . . . , a
k1
, a
j
, a
k+1
, . . . , a
m
) o baza primal
admisibila vecina.
Intre z
i
c
i
si z
i
c
i
, i = 1 . . . n, c
B
, x
B
), c
B
, x
B
) au loc relat iile:

z
i
c
i
= z
i
c
i
(B
1
a
i
)
k
(B
1
a
j
)
k
(z
j
c
j
),
c
B
, x
B
) = c
B
, x
B
)
(B
1
b)
k
(B
1
a
j
)
k
(z
j
c
j
). (1.42)
Demonstrat ie Utilizand formulele (1.25), (1.26) rezulta:
z
i
c
i
= c
B
, B
1
a
i
) c
i
=
=
=k
c
(B
1
a
i
)
c
i
+c
j
(B
1
a
i
)
j
=
=
=k
c
(B
1
a
i
)
c
i
(B
1
a
i
)
k
(B
1
a
j
)
k
=k
c
(B
1
a
i
)
+c
k
(B
1
a
i
)
k
(B
1
a
j
)
k
=
= z
i
c
i
(B
1
a
i
)
k
(B
1
a
j
)
k
(z
j
c
j
).
A
c
B
, x
B
) =
=k
c
(B
1
b)
+c
j
(B
1
b)
j
=
=
=k
c
(B
1
b)
(B
1
b)
k
(B
1
a
j
)
k
=k
c
(B
1
a
j
)
=
= c
B
, B
1
b)
(B
1
b)
k
(B
1
a
j
)
k
(z
j
c
j
).
Propozit ia 1.16 (criteriul de optimalitate) Fie B o baza primal ad-
misibila si x solut ia admisibila de baza corespunzatoare. Daca
z
j
c
j
0, j = 1 . . . n, (1.43)
atunci x este solut ie optima pentru problema (1.32).
Demonstrat ie Din (1.39) rezulta
f(x) = f( x)
n
j=m+1
x
j
(z
j
c
j
) f( x), x P.
Propozit ia 1.17 (criteriul de nemarginire) Fie B o baza primal ad-
misibila pentru care exista j m + 1, . . . , n cu z
j
c
j
> 0 si
B
1
a
j
0. Atunci valoarea minima a funct iei f pe P nu este nita.
Demonstrat ie Deoarece B
1
a
j
0, rezulta ca d
j
= (B
1
a
j
, e
j
)
T
este direct ie extremala. Deci P nu este marginita. Deoarece
c, d
j
) = c
B
, B
1
a
j
) +c
j
= (c
B
, B
1
a
j
) c
j
) = (z
j
c
j
) < 0,
rezulta ca valoarea minima a lui f pe P nu este nita.
Propozit ia 1.18 (continuarea procesului iterativ) Fie B o baza primal
admisibila, pentru care exista k 1, . . . , m si j m + 1, . . . , n,
astfel ncat z
j
c
j
> 0, (B
1
b)
k
> 0, B
1
a
j
, 0 si
B
= (a
1
, . . . , a
k1
, a
j
, a
k+1
, . . . , a
m
) o baza primal admisibila vecina.
Fie x, x solut iile admisibile de baza corespunzatoare. Are loc relat ia:
c, x) = c, x)
(B
1
b)
k
(B
1
a
j
)
k
(z
j
c
j
). (1.44)
Demonstrat ie Din (1.42) rezulta relat ia (1.44).
Din (1.44) rezulta c, x) < c, x). Pentru a avea cea mai mare
descrestere a valorii funct iei f(x), se alege acel z
l
c
l
pentru care
z
l
c
l
= max z
j
c
j
.
j[z
j
c
j
> 0
1.4.2 Algoritmul simplex primal
Etapele algoritmului simplex primal sunt:
Etapa 1 Se determina o baza primal admisibila cu ajutorul careia se cal-
culeaza B
1
b, b
1
a
i
, i = 1 . . . n, z
i
c
i
= c
B
, b
1
a
i
) c
i
, c
B
, B
1
b)
Etapa 2
Etapa 2 a) z
j
c
j
0, baza B determina solut ia optima x
B
= B
1
b, x
R
=
= 0. STOP
b) Exista j astfel ncat z
j
c
j
> 0 si B
1
a
j
0. Problema nu are
valoare minima nita. STOP
c) Exista j astfel ncat z
j
c
j
> 0, si pentru acestia B
1
a
j
, 0. Se
determina l astfel ncat
z
l
c
l
= max z
j
c
j
. Etapa 3
j[z
j
c
j
> 0
Etapa 3 Se determina k astfel nc at
(B
1
b)
k
(B
1
a
l
)
k
= min
_
(B
1
b)
(B
1
a
l
)
_
.
[(B
1
a
l
)
> 0
Vectorul a
k
iese din baza. Etapa 4
Etapa 4 Se face o iterat ie simplex avand drept pivot pe (B
1
a
l
)
k
.
Etapa 2
Algoritmul simplex are un numar nit de etape, caci numarul bazelor
primal admisibile este cel mult C
m
n
.
Pentru problemele de maxim, algoritmul de mai sus se modica
astfel:
A
Etapa 2 a) z
j
c
j
0, B determina solut ia optima x
B
= B
1
b, x
R
= 0.
STOP
b) Exista j astfel ncat z
j
c
j
< 0 si B
1
a
j
0. Problema nu are
valoare maxima nita. STOP
c) Exista j astfel ncat z
j
c
j
< 0, si pentru acesti j, B
1
a
j
, 0. Se
determina l astfel ncat
z
l
c
l
= min z
j
c
j
. Etapa 3
j[z
j
c
j
< 0
Algoritmul simplex primal se desfasoara utilizand tabele de forma:
optim c c
1
. . . c
n
VB VVB a
1
. . . a
n
c
B
z
j
c
j
c
B
, B
1
b) z
1
c
1
. . . z
n
c
n
c
1
a
1
.
.
.
.
.
. B
1
b B
1
a
1
. . . B
1
a
n
c
m
a
m
unde prin optim se nt elege maxim sau minim.
Exemplul 2: Sa rezolvam problema de optimizare liniara utilizand cri-
teriul de maxim daca matricea tehnologica este
A =
_
1 3 1 1 0
2 1 1 0 1
_
,
vectorul resurselor este b = (2, 1)
T
, vectorul pret uri este c = (5, 2, 4, 2, 1)
T
,
iar problema este sub forma standard. Constatam ca matricea A cont ine
matricea unitate din R
2
si ca B = (a
4
, a
5
) este o baza primal admisibila.
max c 5 2 -4 2 1
VB VVB a
1
a
2
a
3
a
4
a
5
c
B
z
j
c
j
5 -1 5 1 0 0
2 a
4
2 1 3 -1 1 0
1 a
5
1 2 1 -1 0 1
11/2 0 11/2 1/2 0 1/2
2 a
4
3/2 0 5/2 -1/2 1 -1/2
5 a
1
1/2 1 1/2 -1/2 0 1/2
1.5. SITUAT II SPECIALE

IN OPTIMIZAREA LINIAR
A 29
Solut ia optima este x = (1/2, 0, 0, 3/2, 0)
T
si valoarea optima este
11/2.
Exemplul 3: Sa se rezolve problema de optimizare liniara utilizand cri-
teriul de minim daca matricea tehnologica este
A =
_
4 14 1
1 5 1
_
,
vectorul resurselor este b = (13, 7)
T
, coecient ii funct iei obiectiv sunt
c = (2, 3, 5)
T
, iar problema este sub forma standard. Matricea A nu
cont ine matricea unitate din R
2
. Alegem
B = (a
1
, a
3
) =
_
4 1
1 1
_
. Rezulta B
1
=
_
1/3 1/3
1/3 4/3
_
si B
1
b = (2, 5)
T
. Astfel B este baza primal admisibila pentru care
B
1
a
1
= (1, 0)
T
, B
1
a
2
= (3, 2)
T
, B
1
a
3
= (0, 1)
T
.
min c 2 3 5
VB VVB a
1
a
2
a
3
z
j
c
j
29 0 13 0
2 a
1
2 1 3 0
5 a
3
5 0 2 1
61/3 -13/3 0 0
3 a
2
2/3 1/3 1 0
5 a
3
11/3 -2/3 0 1
Solut ia problemei este x = (0, 2/3, 11/3)
T
si valoarea optima este
61/3.
1.5 Situat ii speciale n optimizarea liniara
1.5.1 Degenerarea, solut ii optime multiple
Fie problema de optimizare liniara sub forma standard
min f(x)
x P
(1.45)
A
unde f(x) = c, x) si P = x R
n
, Ax = b, x 0.
Se numeste problema de optimizare liniara degenerata problema
de optimizare liniara care are cel put in o solut ie admisibila de baza
degenerata.
1
, . . . , a
k1
, a
k
, a
k+1
, . . . , a
m
) o baza pri-
mal admisibila si a
j
, B, astfel ncat B
1
a
j
, 0 si z
j
c
j
> 0. Daca
min
_
(B
1
b)
(B
1
a
j
)
_
[(B
1
a
j
)
> 0
nu este unic determinat, printr-o iterat ie simplex se obt ine o solut ie
admisibila de baza degenerata.
Demonstrat ie Fie l,h astfel ncat
min
_
(B
1
b)
(B
1
a
j
)
_
=
(B
1
b)
l
(b
1
a
j
)
l
=
(B
1
b)
h
(B
1
a
j
)
h
.
[(B
1
a
j
)
> 0
(1.46)
Efectuand o iterat ie simplex, introducand pe a
j
n baza si scot and
din baza pe a
h
, utilizand formulele (1.26) rezulta
(B
1
b)
l
= (B
1
b)
l

(B
1
b)
h
(B
1
a
j
)
l
(B
1
a
j
)
h
= 0.
Deci noua solut ie admisibila de baza este degenerata avand cel mult
m-1 componente nenule.
In cazul n care s-a obt inut o solut ie admisibila de baza degenerata

pentru continuarea algoritmului simplex se utilizeaza regula lexicograca
pentru determinarea indicelui vectorului ce va iesi din baza. Aceasta
regula are urmatoarele etape:
Etapa 1 Se determina
I
0
=
1
[
1
realizeaza min
_
(B
1
b)
i
(B
1
a
j
)
i
_
i[(B
1
a
j
)
i
> 0
(1.47)

A 31
Dac a card I
0
= 1, se continua algoritmul simplex, vectorul ce va iesi
din baza este unic determinat. Daca card I
0
> 1, se trece la Etapa 2.
Etapa 2 Se determina
I
1
=
2
[
2
realizeaza min
_
(B
1
a
1
)
i
(B
1
a
j
)
i
_
.
i I
0
(1.48)
Daca card I
1
= 1, se continua algoritmul simplex, vectorul ce va iesi
din baza este unic determinat. Daca card I
1
Iterativ se obt in mult imile I
0
, I
1
, . . . , I
p
cu p n, cu proprietatea
I
0
I
1
. . . I
p
.
Daca p=n, rezulta ca doua sau mai multe ecuat ii sunt redundante,
ret inand numai una dintre ele. Daca p < n, rezulta ca card I
p
= 1, si
astfel vectorul ce iese din baza este unic determinat.
Exemplul 1: Sa se continue rezolvarea problemei
min
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
z
j
c
j
65 5 2 1 11 0 0
a
5
10 4 6 8 2 1 0
a
6
15 6 9 12 3 0 1
10 -17 -31 -43 0 0 -11/3
a
5
0 0 0 0 0 1 -2/3
a
4
5 2 3 4 1 0 1/3
min
_
10
2
,
15
3
_
= 5, I
0
= 5, 6.
min
_
4
2
,
6
3
_
= 2, I
1
= 5, 6.
min
_
6
2
,
9
3
_
= 3, I
2
= 5, 6.
min
_
8
2
,
12
3
_
= 4, I
3
= 5, 6.
min
_
1
2
,
0
3
_
= 0, I
5
= 6.
A
Deci a
6
va iesi din baza. Solut ia problemei este data de x = (0, 0, 0, 5, 0, 0)
T
si este o solut ie degenerata.
1
, . . . , x
p
, p solut ii optime pentru problema (1.45).
Punctul
x =
p
i=1
i
x
i
,
i
0,
p
i=1
i
= 1
este solut ie optima pentru problema (1.45)
Demonstrat ie Deoarece c, x
i
) c, x), x P, i = 1 . . . n si c, x
1
) =
= c, x
2
) = . . . c, x
p
), rezulta
c, x) =
p
i=1
i
c, x
i
)
p
i=1
i
c, x) = c, x), x P.
Deci x este solut ie optima.
Fie x o solut ie optima de baza, nedegenerata, pentru problema
(1.45).
Propozit ia 1.21 Mult imea solut iilor optime este
O = x P, x
j
= 0, j J
1
, (1.49)
unde J
1
= j[z
j
c
j
< 0.
Demonstrat ie Fie O mult imea solut iilor optime. Deoarece x O
rezulta O ,= . Pentru x O, rezulta
f( x) = f( x)
n
j=m+1
x
j
(z
j
c
j
) = f( x).
Deci

n
j=m+1
x
j
(z
j
c
j
) = 0. Deoarece z
j
c
j
0, rezulta x = 0, j
m+ 1, . . . , n. Pentru j J
1
rezulta

jJ
1
x
j
(z
j
c
j
) = 0.
Daca problema de optimizare are solut ie optima de baza nedegene-
rata, se determina mult imea J
2
= j m + 1, . . . , n, z
j
c
j
= 0.
Daca J
2
= , problema nu are solut ii optime multiple. Daca J
2
,= , se
introduc n baza succesiv vectorii a
j
jJ
2
, obt inandu-se solut ii optime

A 33
multiple.
Exemplul 2:
maxim
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
a
7
a
8
84 11 0 0 0 0 0 1 7
a
4
12 1 0 1 1 0 0 1 -1
a
2
6 3 1 -2 0 0 0 -1 3
a
6
5 0 0 -1 0 0 1 -1 -1
a
5
8 2 0 2 0 1 0 2 4
84 11 0 0 0 0 0 1 7
a
4
8 0 0 0 1 -1/2 0 0 -3
a
2
14 5 1 0 0 1 0 1 7
a
6
9 1 0 0 0 1/2 1 0 1
a
3
4 1 0 1 0 1/2 0 1 2
Solut iile optime de baza sunt
x
1
= (0, 14, 4, 8, 0, 9, 0, 0)
T
, x
2
= (0, 6, 0, 12, 8, 5, 0, 0)
T
.
Mult imea solut iilor optime este data de:
x(t) = (0, 14 8t, 4 4t, 8 + 4t, 8t, 9 4t, 0, 0)
T
, t [0, 1].
1.5.2 Reoptimizarea daca c se schimba cu c
Fie problema de optimizare sub forma standard
min f(x),
x P
(1.50)
n
, Ax = b, x 0.
Propozit ia 1.22 Daca vectorul c se schimba cu vectorul c, solut ia ad-
misibila de baza a lui (1.50) este invarianta.
Demonstrat ie Fie B o baza primal admisibila pentru (1.50) si x =
= (B
1
b, 0)
T
solut ia admisibila de baza corespunzatoare. Deoarece n
calcularea lui x nu intervine c, rezulta ca x este solut ie admisibila de
A
baza si pentru problema n care c s-a nlocuit cu c.
Se numeste reoptimizare rezolvarea unei probleme de optimizare
liniara, cunoscand unul din tabelele simplex, se continua rezolvarea
problemei cu parametrii problemei modicate.

In cazul modicarii vec-
torului c prin c, algoritmul de reoptimizare este urmatorul:
Etapa 1 Dispunem de un tabel simplex pentru problema de optimizare
cu c dat.
Etapa 2 Se recalculeaza linia z
j
c
j
, pentru z
j
c
j
si se aplica algorit-
mul simplex n continuare.
Exemplul 3: Unul din tabelele simplex pentru o problema de maxim
este
max c -1 1 1
VB VVB a
1
a
2
a
3
z
j
c
j
3 0 0 0
1 a
1
2 1 1/2 0
1 a
3
1 0 1/2 1
Sa se reoptimizeze daca c = (1, 2, 1)
T
. Noul tabel simplex este
max c 1 2 1
VB VVB a
1
a
2
a
3
z
j
c
j
3 0 -1 0
1 a
1
2 1 1/2 0
1 a
3
1 0 1/2 1
5 0 0 2
1 a
1
1 1 0 -1
2 a
2
2 0 1 2
Solut ia problemei cu c este x = (1, 2, 0)
T
.
1.6. DETERMINAREA UNEI BAZE PRIMAL ADMISIBILE 35
1.6 Determinarea unei baze primal admis-
ibile
Algoritmul simplex primal se aplica problemelor de optimizare sub
forma standard. Aplicarea algoritmului simplex primal necesita cunoasterea
unei baze primal admisibile. Prezentam n continuare metode pentru
determinarea unei baze primal admisibile.
1.6.1 Metoda celor doua faze
min f(x),
x P
(1.51)
n
, Ax = b, x 0. Asociem mult imii
P problema de optimizare liniara auxiliara
min g(x, y),
(x, y) /
(1.52)
unde g(x, y) = e, y), e = (1, 1, . . . , 1)
T
R
m
,
/ = (x, y) R
n
R
m
, Ax + y = b, x 0, y 0. Componentele
vectorului y se numesc variabile articiale.
Propozit ia 1.23 Sistemul de restrict ii P are solut ie admisibila daca
si numai daca problema (1.52) are solut ia admisibila ( x, y), unde
x R
n
, y = 0.
Demonstrat ie Fie x P. Rezulta A x = b, x 0. Fie ( x, y)
R
n
R
m
cu y = 0. Rezulta ca ( x, 0) este solut ie admisibila pentru
/. Reciproc, daca ( x, y) este solut ie admisibila pentru / cu y = 0,
rezulta ca x este solut ie admisibila pentru P.
Fara a restrange generalitatea se poate presupune ca b 0.
Propozit ia 1.24 a) Mult imea / admite o solut ie admisibila de baza.
b) Pentru g are loc g(x, y) 0, (x, y) /.
c) Daca x este solut ie admisibila a lui P, atunci ( x, y) cu y = 0 este
solut ie optima pentru (1.52).
A
Demonstrat ie a) Utilizand baza canonica e
=1...m
din R
m
, mult imea
/ are forma
n
i=1
x
i
a
i
+
m
=1
y
= b, x
i
0, y
0, i = 1 . . . n, = 1 . . . m. (1.53)
Din (1.53) rezulta ca x
i
= 0, i = 1 . . . n, y
= b
, = 1 . . . m este
solut ie admisibila de baza pentru /.
b) Deoarece x 0, y 0, rezulta g(x, y) = e, y) 0.
c) Deoarece pentru x solut ie admisibila a lui P si y are loc g( x, y) = 0,
rezulta ca ( x, 0) este solut ie optima pentru (1.52).
Propozit ia 1.24 reprezinta faza ntai n rezolvarea problemei (1.51)
si consta n:
a) asigurarea nenegativitat ii lui b
b) construirea problemei auxiliare (1.52)
c) rezolvarea problemei (1.52) cu algoritmul simplex primal, obt inandu-
se o solut ie optima.
Propozit ia 1.25 Fie ( x, y) o solut ie optima a problemei (1.52).
a) Daca g( x, y) ,= 0, P nu are solut ii admisibile.
b) Daca g( x, y) = 0 si ( x, y) este solut ie optima de baza cu baza
B = (a
1
, . . . , a
m
), atunci x este solut ie admisibila de baza pentru P.
c) Daca g( x, y) = 0 si ( x, y) este solut ie optima de baza formata din
s vectori coloana din A si m s vectori din baza canonica a lui R
m
,
atunci x este solut ie admisibila de baza degenerata pentru P.
Demonstrat ie a) Fie g( x, y) ,= 0, si presupunem prin absurd ca P ,= .
Rezulta ca exista x P. Din Propozit ia 1.24 rezulta ca ( x, 0) este
solut ie admisibila a lui /. Deci g( x, 0) = 0, ceea ce contrazice ipoteza.
b) Daca g( x, y) = 0 si ( x, y) este solut ie optima de baza, rezulta y = 0
si x solut ie admisibila pentru P. Baza ind formata numai din vectorii
lui A, rezulta ca x este solut ie admisibila de baza.
c) Deoarece g( x, y) = 0 si ( x, y) este solut ie optima de baza, aceasta va
avea componentele x
i
> 0, i = 1 . . . s, x
j
= 0, j = s + 1 . . . m,
y
= 0, = 1 . . . m s, y
= 0, = m s + 1 . . . m. Astfel x este
solut ie admisibila de baza degenerata.
In baza Propozit iei 1.25, sarcina primei faze a fost ncheiata si se

trece la faza a doua.

In faza a doua se face o reoptimizare cu vectorul
c, plecand de la ultimul tabel simplex din prima faza.
Iterat iile simplex din prima faza conduc la obt inerea matricei B
1
,
situat a pe coloanele bazei articiale e
1
, . . . , e
m
.
Exemplul 1: Sa se rezolve problema de optimizare liniara sub forma
standard utilizand criteriul de minim, matricea tehnologica ind
A =
_
_
_
_
_
1 1 1 0 0
1 1 0 1 0
1 2 0 0 1
2 0 0 1 0
_
_
_
_
_
,
vectorul resurselor ind b = (1, 1, 1, 2)
T
si vectorul c = (2, 3, 0, 0, 0)
T
.
Deoarece matricea A cont ine 2 vectori din baza canonica a lui R
5
, prob-
lema articiala va cont ine numai 2 variabile articiale si este data de
tabelul simplex
min e 0 0 0 0 0 1 1
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
a
7
z
j
e
j
3 3 1 0 -1 0 0 0
0 a
3
1 1 -1 1 0 0 0 0
1 a
6
1 1 1 0 -1 0 1 0
0 a
5
1 1 -2 0 0 1 0 0
1 a
7
2 2 0 0 -1 0 0 1
0 0 7 0 -2 -3 0 0
0 a
3
0 0 1 1 0 -1 0 0
1 a
6
0 0 3 0 -1 -1 1 0
0 a
1
1 1 -2 0 0 1 0 0
1 a
7
0 0 4 0 -1 -2 0 1
0 0 0 0 1/3 -2/3 -7/3 0
0 a
3
0 0 0 1 1/3 -2/3 -1/3 0
0 a
2
0 0 1 0 -1/3 -1/3 1/3 0
0 a
1
1 1 0 0 -2/3 2/3 2/3 0
1 a
7
0 0 0 0 1/3 -2/3 -4/3 1
A
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
a
7
0 0 0 0 0 0 -1 -1
0 a
3
0 0 0 1 0 0 1 -1
0 a
2
0 0 1 0 0 -1 -1 1
0 a
1
1 1 0 0 0 -2/3 -2 2
0 a
4
0 0 0 0 1 -2 -4 3
Prima faza conduce la solut ia admisibila de baza x = (1, 0, 0, 0, 0)
T
,
cu baza corespunzatoare formata din vectorii (a
3
, a
2
, a
1
, a
4
) = B. Ma-
tricea B
1
se aa pe coloanele 3,5,6,7 din ultimul tabel simplex. Con-
tinuam cu faza a doua utilizand reoptimizarea cu vectorul c.
min c 2 3 0 0 0
VB VVB a
1
a
2
a
3
a
4
a
5
z
j
c
j
2 0 0 0 0 -11/3
0 a
3
0 0 0 1 0 0
3 a
2
0 0 1 0 0 -1
2 a
1
1 1 0 0 0 -2/3
0 a
4
0 0 0 0 1 -2
Solut ia optima este x = (1, 0, 0, 0, 0)
T
si valoarea optima este 2.
1.6.2 Metoda penalizarii
optim f(x),
x P
(1.54)
cu f(x) = c, x), P = x R
n
, Ax = b, x 0. Daca matricea
A nu cont ine o baza formata din vectorii bazei canonice a lui R
m
,
pentru rezolvarea problemei se poate folosi metoda penalizarii. Metoda
penalizarii consta n rezolvarea problemei extinse
optim (f(x) +Mg(y)),
(x, y) /
(1.55)
unde g(y) = e, y), e = (1, 1, . . . , 1)
T
R
m
, M > 0 sucient de mare
si
/ = (x, y) R
n
R
m
, Ax +y = b, x 0, y 0.
Pentru problema de minim = +1, iar pentru problema de maxim
= 1.
Propozit ia 1.26 a) Problema (1.55) are o solut ie admisibila de baza.
b) Daca prin rezolvarea problemei (1.55) valoarea optima depinde de
M, problema (1.54) nu are solut ie admisibila, deci P = .
c) Daca prin rezolvarea problemei (1.55) valoarea optima nu depinde de
M si baza corespunzatoare solut iei optime este formata din vectorii lui
A, solut ia optima a problemei (1.54) este nedegenerata.
d) Daca prin rezolvarea problemei (1.55) valoarea optima nu depinde de
M iar baza optima este formata din vectorii lui A si ai bazei canonice
din R
m
, solut ia optima a problemei (1.54) este degenerata.
Demonstrat ie a) Deoarece matricea sistemului de restrict ii / cont ine
baza canonica a lui R
m
, rezulta ca (0, b) R
n
R
m
este solut ie ad-
misibila de baza pentru problema (1.55)
b) Daca valoarea optima a lui (1.55) depinde de M, rezulta ca solut ia
optim a a lui (1.55) are si componente pozitive, corespunzatoare vecto-
rilor din baza canonica a lui R
m
, deci este de forma ( x, y), cu unele
componente ale lui y pozitive. Aceasta solut ie nu este admisibila pen-
tru P, caci ecuat iile corespunzatoare componentelor pozitive ale lui y
nu sunt satisfacute.
Punctele c) si d) se justican mod asemanator ca si b), c) din Propozit ia
1.25.
Exemplul 2: Sa se rezolve problema de optimizare cu criteriul de minim,
care are matricea tehnologica
A =
_
_
_
1 1 3 1 0 0
0 1 2 1 1 0
1 0 2 1 0 1
_
_
_,
vectorul resurselor b = (15, 5, 3)
T
, iar vectorul c = (3, 5, 4, 0, 0, 0)
T
.
Vom utiliza metoda penalizarii, introducand vectorul a
7
= (1, 0, 0)
T
.
A
min c 3 5 4 0 0 0 M
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
a
7
z
j
c
j
15M M-3 M-5 3M-4 -M 0 0 0
M a
7
15 1 1 3 -1 0 0 1
0 a
5
5 0 -1 2 -1 1 0 0
0 a
6
3 -1 0 2 -1 0 1 0
21M/2+6 5M/2-5 M-5 0 M/2-2 0 -3M/2+2 0
M a
7
21/2 5/2 1 0 1/2 0 -3/2 1
0 a
5
2 1 -1 0 0 1 -1 0
4 a
3
3/2 -1/2 0 1 -1/2 0 1/2 0
11M/2+16 0 7M/2-10 0 M/2-2 -5M/2+5 M-3 0
M a
7
11/2 0 7/2 0 1/2 -5/2 1 1
3 a
1
2 1 -1 0 0 1 -1 0
4 a
3
5/2 0 -1/2 1 -1/2 1/2 0 0
222/7 0 0 0 -4/7 -15/7 -1/7 -M+20/7
5 a
2
11/7 0 1 0 1/7 -5/7 2/7 2/7
3 a
1
25/7 1 0 0 1/7 2/7 -5/7 2/7
4 a
3
23/7 0 0 1 -3/7 1/7 1/7 1/7
Solut ia optima a problemei date este x = (25/7, 11/7, 23/7, 0, 0, 0)
T
si valoarea optima este 222/7.
1.7 Interpretarea economica a algoritmu-
lui simplex; probleme economice de-
scrise prin probleme de optimizare liniara
1.7.1 Interpretarea economica a algoritmului sim-
plex
Modelul matematic al unui proces economic n care se pot realiza n pro-
duse, folosind m materii prime, si se cere determinarea acelor produse
ca beneciul total sa e maxim, este dat de
max
n
i=1
c
i
x
i
n
i=1
a
i
x
i
b
= 1 . . . m (1.56)
x
i
0 i = 1 . . . n
1.7. INTERPRETAREAECONOMIC
AAALGORITMULUI SIMPLEX41
cu m < n. Forma standard a problemei (1.56) este
max
n
i=1
c
i
x
i
n
i=1
a
i
x
i
+y
= b
= 1 . . . m (1.57)
x
i
0, y
0 i = 1 . . . n, = 1 . . . m.
Variabilele y
, = 1 . . . m, reprezinta din punct de vedere economic

un numar de m produse ctive ce se pot produce nca, folosind aceleasi
resurse.
Fie problema sub forma standard
max f(x),
x P
(1.58)
n
,

n
i=1
a
i
x
i
= b
, = 1 . . . m, x
i

0, i = 1 . . . n. Aplicand algoritmul simplex problemei (1.58), cele n
tehnologii se grupeaza n cate m tehnologii corespunzatoare solut iilor
admisibile de baza. Deoarece printre solut iile optime se aa solut ii
optime de baza, rezulta ca ntr-o organizare optima a procesului de
product ie se vor utiliza cel mult m tehnologii. Daca B = (a
1
, . . . , a
m
)
este o baza primal admisibila, atunci orice vector a
j
A, a
j
, B, are
exprimarea
a
j
= (B
1
a
j
)
1
a
1
+ (B
1
a
j
)
2
a
2
+. . . + (B
1
a
j
)
m
a
m
. (1.59)
Relat ia (1.59), din punct de vedere al procesului economic, arata ca
pentru realizarea produsului j se consuma din ecare resursa tot atat cat
pentru (B
1
a
j
)
1
unitat i din produsul 1, (B
1
a
j
)
2
unitat i din produsul
2, etc. Daca din punct de vedere al consumului are loc relat ia (1.59),
din punct de vedere al beneciului avem
z
j
=
m
i=1
c
i
(B
1
a
j
)
i
= c
B
, b
1
a
j
). (1.60)
Comparand acest beneciu cu beneciul adus prin vanzarea produsului
j, rezulta:
A
1) daca z
j
c
j
< 0, rezulta ca desfasyrarea tehnologiei a
j
este rentabila
si a
j
va intra n baza;
2) daca z
j
c
j
0, j = 1 . . . n, rezulta ca nu este rentabila desfasurarea
unei tehnologii din afara bazei B. Deci solut ia luata n considerare este
optima.
Aplicarea algoritmului simplex primal revine la un studiu sistematic
al diverselor variante de m tehnologii de baza. La ecare iterat ie se
nlocuieste o tehnologie a
k
printr-o noua tehnologie a
j
, obt inandu-se
o crestere a beneciului total pana cand pentru toate tehnologiile ce
nu apart in bazei are loc relat ia z
j
c
j
0, si deci nici o crestere a
beneciului nu mai este posibila.
1.7.2 Probleme economice descrise prin probleme
de optimizare liniara
a) Problema meniurilor alimentare
Pentru ntocmirea unui meniu, se cunosc cantitat ile de substant e
necesare. Se pune problema determinarii unui meniu care sa satisfaca
necesarul zilnic minim din ecare substant a, iar costul total al pro-
duselor folosite sa e minim. Notam cu m numarul substant elor, cu
n numarul diferitelor produse de care se dispune, cu a
i
numarul de
unitat i din substant a existenta n unitatea de produs i, cu b
nece-
sarul minim de substant a , cu c
i
costul unitat ii de produs i, cu x
i
numarul de unitat i de produs i folosite n meniu. Modelul matematic
este
min
n
i=1
c
i
x
i
n
i=1
a
i
x
i
b
= 1 . . . m
x
i
0 i = 1 . . . n.
b) Problema utilizarii complete a capacitat ilor de product ie
Intr-un proces industrial se produc subansamblele S

1
, . . . , S
n
, n
cantitat ile x
1
, . . . , x
n
. Piesele P
1
, . . . , P
m
, care compun subansamblele,
se produc la liniile automate L
1
, . . . , L
m
ale caror capacitat i de product ie
sunt b
1
, . . . , b
m
piese pe ora, iar a
i
este numarul de piese ce se produc pe
1.7. INTERPRETAREAECONOMIC
AAALGORITMULUI SIMPLEX43
linia L
la subansamblul S
i
. Cunoscand pret urile de cost c
i
, i = 1 . . . n,
ale subansamblelor, sa se determine sortimentul optim astfel ncat ca-
pacitat ile de product ie sa e utilizate n proport ie de 100%, iar pret ul
de cost total sa e minim. Modelul matematic este
min
n
i=1
c
i
x
i
n
i=1
a
i
x
i
= b
= 1 . . . m
x
i
0 i = 1 . . . n.
c) Repartizarea fondurilor
Fie S o suma de bani care trebuie repartizata ntr-un domeniu n
mod esalonat sau n mai multe domenii la un moment dat. Notam
cu S
k
suma care revine domeniului considerat la momentul k sau, n
al doilea caz, suma care revine domeniului k la un moment dat si cu
c
k
beneciul unitar realizat prin plasarea sumei S
k
, k = 1 . . . n, astfel
ncat beneciul total este
f(S) =
n
i=1
c
k
S
k
.
Scopul problemei este maximizarea acestei sume n anumite condit ii.
Daca repartizarea se face la un moment dat ntre n domenii sau daca
aceasta se face pentru un singur domeniu pe mai mult i ani fara a lua n
considerare actualizarea sumelor, atunci suntem condusi la rezolvarea
problemei
min
n
k=1
c
k
S
k
n
k=1
S
k
= S, S
k
0, k = 1 . . . n,
iar daca se are n vedere actualizarea, atunci problema are forma
max
n
k=1
c
k
S
k
v
k1
A
n
k=1
S
k
v
k1
= S, S
k
0, k = 1 . . . n,
sau
max
n
k=1
c
k
S
k
v
k
n
k=1
S
k
v
k
, S
k
0, k = 1 . . . n,
dupa cum plasarea se face anticipat sau posticipat, v = (1 + i)
1
ind
coecientul de actualizare.
Exemplul 1: O banca poate repartiza suma S=10 u.m. catre trei debi-
tori de la care are beneciul unitar 2, 3 si 4. Stiind ca ecarui debitor
trebuie sa-i revina cel put in 1 u.m. precum si faptul ca S
1

2
3
(S
2
+S
3
),
sa se determine repartit ia optima. Trebuie rezolvata problema
max(2S
1
+ 3S
2
+ 4S
3
)
S
1
+S
2
+S
3
= 10
S
1

2
3
(S
2
+S
3
)
S
1
1, S
2
1, S
3
1.
Forma standard a problemei este
max(2S
1
+ 3S
2
+ 4S
3
)
S
1
+S
2
+S
3
= 10
3S
1
2S
2
2S
3
+S
4
= 0
S
1
S
5
= 1
S
2
S
6
= 1
S
3
S
7
= 1
S
i
0, i = 1 . . . 7.
Rezolvand problema cu metoda penalizarii se obt ine solut ia S = (1, 1, 8),
cu valoarea maxima 8.
1.8. DUALITATEA

A 45
1.8 Dualitatea n optimizarea liniara
1.8.1 Duala unei probleme de optimizare liniara
Fie problema de optimizare liniara sub forma generala
min(c
1
, x
1
) +c
2
, x
2
) +c
3
, x
3
))
A
11
x
1
+A
12
x
2
+A
13
x
3
b
1
A
21
x
1
+A
22
x
2
+A
23
x
3
= b
2
(1.61)
A
31
x
1
+A
32
x
2
+A
33
x
3
b
3
x
1
0
x
2
fara restrict ii semn
x
3
0.
Se numeste duala problemei (1.61) problema de optimizare liniara
max(b
1
, u
1
) +b
2
, u
2
) +b
3
, u
3
))
A
T
11
u
1
+A
T
21
u
2
+A
T
31
u
3
c
1
A
T
12
u
1
+A
T
22
u
2
+A
T
32
u
3
= c
2
(1.62)
A
T
13
u
1
+A
T
23
u
2
+A
T
33
u
3
c
3
u
1
0
u
2
fara restrict ii semn
u
3
0.
Problema (1.61) se numeste problema primala, iar (1.62) problema
duala.

In particular rezulta
a) duala problemei sub forma canonica
minc, x) maxb, u)
(T) Ax b (T) u 0 (1.63)
x 0 A
T
u c
A
maxc, x) minb, u)
(T) Ax b (T) u 0 (1.64)
x 0 A
T
u c
b) Duala problemei sub forma standard
minc, x) maxb, u)
(T) Ax = b (T) u fara restrict ii semn (1.65)
x 0 A
T
u c
maxc, x) minb, u)
(T) Ax = b (T) u fara restrict ii semn (1.66)
x 0 A
T
u c
Utilizand transformari elementare, rezulta prin calcul direct ca du-
ala dualei este problema primala.
Exemplul 1: a) Duala problemei
min(3x
1
+ 2x
2
x
3
)
u
1
2x
1
x
2
+ x
3
1
u
2
x
1
+ 2x
2
x
3
2
x
i
0, i = 1, 2, 3
este
max(u
1
+ 2u
2
)
2u
1
+ u
2
3
u
1
+ 2u
2
2
u
1
u
2
1
u
1
0, u
2
0.
b) Duala problemei
1.8. DUALITATEA

A 47
max(x
1
+ 2x
2
)
u
1
2x
1
+ x
2
3
u
2
x
1
+ 2x
2
2
u
3
x
1
x
2
1
x
1
0, x
2
0
este
min(3u
1
+ 2u
2
u
3
)
2u
1
u
2
+ u
3
1
u
1
+ 2u
2
u
3
2
u
i
0, i = 1, 2, 3.
1.8.2 Proprietat ile problemelor duale
Fie cuplul de probleme duale sub forma canonica
(T
c
) min c, x) (T
c
) max b, u)
x P
c
u D
c
(1.67)
unde P
c
= x R
n
, Ax b, x 0, D
c
= u R
m
, A
T
u c, u 0
si P
c
,= , D
c
,= .
Propozit ia 1.27 Daca x P
c
si u D
c
, atunci c, x) b, u).
Demonstrat ie Deoarece Ax b si u 0, rezulta u
T
Ax u, b).
Analog, deoarece A
T
u c si x 0, rezulta x
T
A
T
u x, c). Deci
c, x) b, u).
Propozit ia 1.28 Daca x P
c
si u D
c
si c, x) = b, u), atunci x
este solut ie optima a problemei primale, iar u este solut ie optima a
problemei duale.
Demonstrat ie Din Propozit ia 1.27 rezulta c, x) b, u) = c, x) x
P
c
. Deci c, x) c, x) x P
c
, adica x este solut ie optima a prob-
lemei primale. Din Propozit ia 1.27 rezulta b, u) c, x) = b, u) u
D
c
, deci u este solut ie optima pentru problema duala.
A
Fie cuplul de probleme duale sub forma standard
(T
s
) min c, x) (T
s
) max b, u)
x P
s
u D
s
(1.68)
unde P
s
= x R
n
, Ax = b, x 0, D
s
= u R
m
, A
T
u c.
Propozit ia 1.29 a) Daca x P
s
si u D
s
, atunci c, x) b, u).
b) Daca x P
s
si u D
s
si c, x) = b, u), atunci x este solut ie optima
a problemei (T
s
), iar u este solut ie optima a problemei (T
s
).
c) Daca x este solut ie optima de baza cu baza B a problemei (T
s
) si
valoarea optima c, x) este nita, atunci (T
s
) are solut ia optima data
de
u = (B
T
)
1
c
B
.
Daca (T
s
) are solut ia optima u si valoarea optima b, u) este nita,
atunci (T
s
) are solut ie optima x pentru care c, x) = b, u).
Demonstrat ie Asociem problemei (T
s
) forma canonica, data de
min c, x)
x P
c
(1.69)
unde P
c
= x R
n
, Ax b, Ax b, x 0. Duala problemei
(1.69) este
max (b, u
1
) b, u
2
))
(u
1
, u
2
) D
c
(1.70)
unde D
c
= (u
1
, u
2
) R
m
R
n
, A
T
(u
1
u
2
) c, u
1
, u
2
0.
a) Aplicand Propozit ia 1.27, pentru (1.69), (1.70) rezulta
c, x) b, u
1
)b, u
2
) = b, u
1
u
2
) = b, u), x P
s
, u D
s
, u = u
1
u
2
.
b) Aplicand Propozit ia 1.28, pentru (1.69), (1.70) rezulta ca daca
c, x) = b, u
1
u
2
) = b, u), atunci x este solut ie optima pentru (T
s
)
si u = u
1
u
2
este solut ie optima pentru (T
s
).
c) Daca (1.68) are solut ie optima, atunci exista cel put in o solut ie ad-
misibila de baza care este solut ie optima. Fie x solut ia optima de baza
cu baza corespunzatoare B. Are loc:
x
B
= B
1
b 0, x
R
= 0, z
j
c
j
= c
B
, B
1
a
j
) c
j
0, j = 1 . . . n. (1.71)
1.8. DUALITATEA

A 49
Fie u = (B
T
)
1
c
B
. Din (1.71) rezulta
c
B
, B
1
a
j
) c
j
= (B
T
)
1
c
B
, a
j
) c
j
= u, a
j
) c
j
0, j = 1 . . . n. (1.72)
Din (1.72) rezulta A
T
u c si deci u D
s
. Deoarece
b, u) = b, (B
T
)
1
c
B
) = c
B
, B
1
b) = c
B
, x
B
) = c, x)
din punctul b), rezulta ca u este solut ie optima pentru (T
s
). Reciproc,
daca u este solut ie optima a lui (T
s
) si b, u) este nita, din punctul
a) rezulta c, x) b, u) x P
s
. Deci f(x) = c, x) este marginita
inferior pe P
s
si deci (T
s
) are solut ia optima x P
s
, iar c, x) este
nita. Din partea ntai a punctului c) rezulta ca exista u D
s
, solut ie
optim a pentru (T
s
), astfel ca c, x) = b, u). Deoarece b, u) = b, u),
rezulta c, x) = b, u).
Propozit ia 1.30 a) Daca problema (T
s
) are valoare optima nemarginita,
atunci D
s
= .
b) Daca problema (T
s
) are valoare optima nemarginita, atunci P
s
= .
Demonstrat ie a) Daca D
s
,= , ar exista u D
s
astfel ca
c, x) b, u) x P
s
. Astfel problema (T
s
) ar avea valoare optima
nita, ceea ce contrazice ipoteza.
b) Daca P
s
,= , exista x P
s
astfel ncat c, x) b, u) u D
s
. Deci
b, u) ar marginita superior, ceea ce contrazice ipoteza.
Propozit ia 1.31 Condit ia necesara si sucienta ca problemele (T
s
) si
(T
s
) sa admita valori optime nite n x P
s
, u D
s
si c, x) = b, u)
este ca P
s
,= si D
s
,= .
Demonstrat ie Daca (T
s
) si (T
s
) admit solut iile admisibile x P
s
,
u D
s
si c, x) = b, u), atunci din Propozit ia 1.29 rezulta ca cele doua
probleme au valori optime nite, si P
s
,= , D
s
,= .
Reciproc, daca P
s
,= , D
s
,= , atunci c, x) b, u) x P
s
,
u D
s
. Rezulta ca exista x P
s
si u D
s
astfel ca c, x) = b, u) si
valorile optime sunt nite.
Corolarul 1.1 Daca P
s
= (D
s
= ) si daca D
s
,= (P
s
,= ), atunci
problema (T
s
) (respectiv (T
s
)) are valoare optima nemarginita inferior
(superior).
A
Din Propozit iile 1.29, 1.30, 1.31, rezulta:
Propozit ia 1.32 Fiind date problemele duale simetrice (1.67), una si
numai una din armat iile urmatoare este adevarata.
a) Ambele probleme au solut ii admisibile.

In acest caz ambele prob-
leme au solut ii optime si valorile optime ale funct iilor obiectiv sunt
egale.
b) Una din probleme are solut ii admisibile, iar cealalta nu are.
In acest caz problema care are solut ii admisibile are valoare optima
nemarginita.
c) Nici una dintre cele doua probleme nu are solut ii admisibile.
1.8.3 Relat ia ecarturilor complementare, funct ia
Lagrange asociata problemelor de optimizare
duale
Fie problemele duale sub forma canonica
(T
c
) min c, x) (T
c
) max b, u)
x P
c
u D
c
(1.73)
unde P
c
= x R
n
, Ax b, x 0, D
c
= u R
m
, A
T
u c, u 0.
Propozit ia 1.33 (ecarturi complementare) Condit ia necesara si su-
cienta ca x P
c
, u D
c
sa e solut ii optime pentru (T
c
) si (T
c
) este
ca
u, A x b) = 0, (1.74)
x, c A
T
u) = 0.
Demonstrat ie Daca x P
c
, u D
c
sunt solut ii optime rezulta
c, x) = b, u). Obt inem
u, A x b) + x, c A
T
u) = u, b) + x, c) + u, A x) x, A
T
u) =
= u, A x) A x, u) = 0.
Deoarece u, A x b) 0, x, c A
T
u) 0, rezulta (1.74).
Daca (1.74) are loc, prin adunarea relat iilor rezulta
u, b) + u, A x) + x, c) x, A
T
u) = 0,
1.8. DUALITATEA

A 51
care conduce la x, c) = u, b). Deci x si u sunt solut ii optime pentru
problemele (1.73).
Relat iile (1.74) conduc la
u
(
n
i=1
a
i
x
i
b
) = 0, = 1 . . . m (1.75)
x
i
(c
i
=1
a
i
u
) = 0, i = 1 . . . n.
Relat iile (1.75) au urmatoarea interpretare economica:
1) Daca u
,= 0, atunci

n
i=1
a
i
x
i
b
= 0, adica daca variabila duala

este diferita de zero,resursele sunt epuizate.
2) Daca c
i

m
=1
a
i
u
> 0, atunci x
i
= 0, adica daca cheltuielile
de product ie c
i
depasesc valoarea umbra a materiilor prime, atunci
produsul i nu se produce.
Relat iile (1.75) n cadrul modelelor macro-economice reprezinta con-
dit ia de echilibru al piet elor concurent iale.
Se numeste Lagrangianul problemelor (1.73) funct ia
L : R
n
+
R
m
+
R data de
L(x, u) = c, x) +u, b Ax). (1.76)
Din (1.76) rezulta
L(x, u) = c, x) +u, b) u, Ax) = u, b) +x, c A
T
u). (1.77)
Punctul ( x, u) R
n
+
R
m
+
se numeste punct sa al funct iei Lagrange L,
daca
L( x, u) L( x, u) L(x, u) x R
n
+
, u R
m
+
. (1.78)
Propozit ia 1.34 Condit ia necesara si sucienta ca x 0 si u 0 sa
e solut ii optime pentru problemele (1.73) este ca ( x, u) sa e punct sa
al Lagrangianului L asociat.
Demonstrat ie Fie x, u solut ii optime pentru problemele (1.73). Din
Propozit ia 1.23 rezulta
c, x) = b, u) = x, A
T
u).
A
Pentru orice x 0 si orice u 0 rezulta
L(x, u) = b, u) +x, c A
T
u) b, u), (1.79)
L( x, u) = c, x) +u, b A x) c, x).
Deoarece L( x, u) = c, x) = b, u), rezulta din (1.79) ca ( x, u) este punct
sa pentru L.
Invers, e ( x, u) un punct sa pentru L, adica
c, x) +u, b A x) c, x) + u, b A x) c, x) + u, b Ax) (1.80)
pentru orice x 0, u 0. Din prima inegalitate (1.80) rezulta
u u, b A x) 0.
Luand u
= u+e
, = 1 . . . m, obt inem
m
i=1
a
i
x
i
b
, ceea ce arata
ca x 0 este o solut ie admisibila pentru P
c
. Din a doua inegalitate a
lui (1.80) rezulta
x x, c A
T
u) 0.
Luand x
i
= x +e
i
, i = 1 . . . n, obt inem

m
=1
a
i
u
c
i
, ceea ce arata
ca u 0 este o solut ie admisibila pentru D
c
. Luand x = 0, u = 0, din
(1.80) rezulta c, x) b, u). Din Propozit ia 1.27 avem si c, x) b, u).
Obt inem
c, x) = b, u) si deci x si u sunt solut ii optime pentru problemele (T
c
)
si (T
c
).
1.8.4 Rezolvarea simultana a unei perechi de prob-
leme duale
Fie problemele duale
(T
s
) min c, x) (T
s
) max b, u)
x P
s
u D
s
(1.81)
unde P
s
= x R
n
, Ax = b, x 0, D
s
= u R
m
, A
T
u c.
Se numeste baza dual admisibila o baza B extrasa din A, pentru
care
z
j
c
j
= c
B
, B
1
a
j
) c
j
0, j = 1 . . . n. (1.82)
1.8. DUALITATEA

A 53
Din (1.82) rezulta ca daca B este dual admisibila, atunci u
B
= (B
1
)
T
c
B
este solut ie admisibila a problemei (T
s
). Daca B este baza primal ad-
misibila si dual admisibila, atunci x = ( x
B
, x
R
) cu x
B
= B
1
b, x
R
= 0
este solut ie optima pentru problema (T
s
) si u = (B
1
)
T
c
B
este solut ie
optim a pentru (T
s
) caci
b, u) = b, (B
1
)
T
c
B
) = B
1
b, c
B
) = c, x).
In algoritmul simplex vectorul u

B
= (B
1
)
T
c
B
nu este calculat ex-
plicit. Daca nsa baza init iala B
0
cu care ncep iterat iile simplex este
matricea formata cu vectorii bazei lui R
m
, atunci B
1
B
0
cont ine vec-
torii coloana ai lui B
1
pentru orice baza B utilizata. Pentru e
B
0
avem
c
B
, B
1
e
) c
= (B
1
)
T
c
B
, e
) c
= z
.
Rezulta
u
B
= (B
1
)
T
c
B
, e
) = z
= (z
) +c
,
formula ce permite calcularea lui u
B
.
Exemplul 1: Pentru problema de maxim sub forma canonica vectorul
costuri, vectorul resurse si matricea tehnologica sunt dat i de
c = (3, 4)
T
, b = (1, 6)
T
, A =
_
2 1
1 3
_
.
Solut ia optima se obt ine utilizand algoritmul simplex primal, aducand
problema la forma standard.
min c 3 4 0 0
VB VVB a
1
a
2
a
3
a
4
z
j
c
j
0 -3 -4 0 0
0 a
3
1 2 1 1 0
0 a
4
6 1 3 0 1
z
j
c
j
4 5 0 4 0
4 a
2
1 2 1 1 0
0 a
4
3 -5 0 -3 1
Solut ia problemei este x = (0, 1, 0, 3)
T
. Solut ia dualei este data de
u
B
= (B
T
)
1
c
B
=
_
1 3
0 1
__
4
0
_
=
_
4
0
_
.
A
1.9 Algoritmul simplex dual
1.9.1 Criterii de optimalitate duale
Fie problemele de optimizare liniara duale
(T
s
) min c, x) (T
s
) max b, u)
x P
s
u D
s
(1.83)
unde P
s
= x R
n
, Ax = b, x 0, D
s
= u R
m
, A
T
u c si
D
s
,= . Fie B o baza dual admisibila, data de B = a
1
, . . . , a
m
si
I
= 1, . . . , m, (B
1
b)
< 0. (1.84)
Daca I
= , atunci B este si primal admisibila, si deci x = ( x

B
, x
R
)
cu x
B
= B
1
b, x
R
= 0 este solut ie optima pentru (T)s).
Propozit ia 1.35 Fie B o baza dual admisibila pentru (T
s
) si I
,=
,= . Daca exista I
astfel ncat (B
1
a
j
)
0 j = 1 . . . n, atunci
(T
s
) nu are solut ii admisibile.
Demonstrat ie Fie u
B
= (B
1
)
T
c
B
solut ia admisibila a lui (T
s
). Fie
d
linia de rang a lui (B

1
)
T
si d
(t) = u
B
td
, unde t 0. Rezulta
d
(t) D
s
pentru orice t 0, caci
d
(t), a
j
) = u
B
, a
j
) td
, a
j
) = c
B
, B
1
a
j
) t(B
1
a
j
)
=
= z
j
t(B
1
a
j
)
z
j
c
j
, j = 1 . . . n.
Deoarece
d
(t), b) = u
B
, b) td
, b) =
= c
B
, B
1
b) td
, b) = c
B
, B
1
b) t(B
1
b)
,
rezulta
lim
t
d
(t), b) = +.
Astfel (T
s
) nu are valoare optima nita si deci problema (T
s
) nu are
solut ie admisibila.
1.9. ALGORITMUL SIMPLEX DUAL 55
Propozit ia 1.36 Fie B o baza dual admisibila pentru (T
s
) si I
,=
. Daca pentru orice I
exista j m + 1, . . . , n astfel ncat

(B
1
a
j
)
< 0 si daca se alege I
arbitrar iar h m + 1, . . . , n
astfel ncat
z
h
c
h
(B
1
a
h
)
= min
_
z
j
c
j
(B
1
a
j
)
_
,
j[(B
1
a
j
)
< 0
(1.85)
atunci

B obt inut din B prin nlocuirea lui a
cu a
h
este baza dual
admisibila, iar solut ia u
B
satisface
u
B
, b) u
B
, b).
Demonstrat ie Deoarece (B
1
a
j
)
,= 0, rezulta ca
B = (a
1
, . . . , a
1
, a
h
, a
+1
, . . . , a
m
) este baza. Din formulele de trecere
de la o baza la alta rezulta
z
B
j
c
j
= (z
B
j
c
j
) (z
B
)
(B
1
a
j
)
(B
1
a
h
)
. (1.86)
Deoarece B este dual admisibila rezulta din (1.86) ca pentru
h m + 1, . . . , n pentru care (B
1
a
h
)
0, z
B
j
c
j
0. T inand
seama de modul de alegere a lui h din (1.85), obt inem z
B
j
c
j
0
pentru j m + 1, . . . , n pentru care (B
1
a
j
)
< 0. Pentru j =
rezulta
z
= (z
B
)
1
(B
1
a
h
)
< 0.
Astfel

B este baza dual admisibila. Din formulele
c
B
, x
B
) = c
B
, x
B
) (z
h
c
h
)
(B
1
b)
(B
1
a
h
)
,
c
B
, x
B
) = c
B
,

B
1
b) = (

B
1
)
T
c
B
, b) = u
B
, b)
si c
B
, x
B
) = u
B
, b) rezulta u
B
, b) u
B
, b).
Alegerea lui I
este arbitrara. Totusi pentru a asigura o crestere

cat mai mare se alege astfel ncat
(B
1
b)
= min (B
1
b)
.
I
A
1.9.2 Algoritmul simplex dual
O iterat ie a algoritmului simplex dual este compusa din urmatoarele
etape:
Etapa 1 Se determina o baza dual admisibila init iala B, se calculeaza
B
1
b, c
B
, B
1
b), B
1
a
j
, j = 1 . . . n, c
B
, B
1
a
j
) c
j
, j = 1 . . . n.
Etapa 2
Etapa 2 Se determina I
= [(B
1
b)
< 0. Daca:
a) I
= , s-a obt inut solut ia optima. STOP

b) I
,= , Etapa 3
Etapa 3 Daca exista I
astfel ncat (B
1
a
j
)
0, j = 1 . . . n,
problema nu are solut ii admisibile. Daca pentru tot i I
exista
j 1, . . . , n astfel ncat (B
1
a
j
)
< 0, Etapa 4
Etapa 4 Se determina , ca ind acel indice pentru care
(B
1
b)
= min (B
1
b)
.
[(B
1
b)
< 0
Apoi se determina h astfel ncat
z
h
c
h
(B
1
a
h
)
= min
_
z
j
c
j
(B
1
a
j
)
_
.
j[(B
1
a
j
)
< 0
Se construieste baza

B din B prin nlocuirea coloanei a
cu coloana a
h
.
Se efectueaza o iterat ie simplex cu pivotul (B
1
a
h
)
si se trece la Etapa
2.
Exemplul 1: O problema de optimizare liniara cu criteriul de minim
sub forma canonica are elementele date de
c = (3, 5, 4)
T
, b = (15, 10, 12)
T
, A =
_
_
_
1 1 3
1 2 1
2 1 1
_
_
_.
Pentru rezolvare, se aduce la forma standardnmult indn prealabil lini-
ile lui A si elementele lui b cu -1. Se obt ine tabelul simplex:
min c 3 5 4 0 0 0
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
z
j
c
j
0 -3 -5 -4 0 0 0
0 a
4
-15 -1 -1 -3 1 0 0
0 a
5
-10 -1 -2 -1 0 1 0
0 a
6
-12 -2 -1 -1 0 0 1
z
j
c
j
20 -5/3 -11/3 0 -4/3 0 0
4 a
3
5 1/3 1/3 1 -1/3 0 0
0 a
5
-5 -2/3 -5/3 0 -1/3 1 0
0 a
6
-7 -5/3 -2/3 0 -1/3 0 1
z
j
c
j
27 0 -3 0 -1 0 -1
4 a
3
18/5 0 1/5 1 -2/5 0 1/5
0 a
5
-11/5 0 -7/5 0 -7/15 1 -2/5
3 a
1
21/5 1 2/5 0 1/5 0 -3/5
z
j
c
j
222/7 0 0 0 0 -15/7 -1/7
4 a
3
23/7 0 0 1 -7/15 1/7 1/7
5 a
2
11/7 0 1 0 1/3 -5/7 2/7
3 a
1
25/7 1 0 0 1/15 2/7 -5/7
Solut ia optima este x = (25/7, 11/7, 23/7)
T
.
Observat ie: Pentru problema de maxim criteriul din Etapa 3 se scrie
z
h
c
h
(B
1
a
h
)
= max
_
z
j
c
j
(B
1
a
j
)
_
.
j[(B
1
a
j
)
< 0
1.9.3 Determinarea unei baze dual admisibile
Pentru aplicarea algoritmului simplex dual trebuie sa cunoastem o baza
dual admisibila init iala. Fie B o baza extrasa din A care nu este primal
sau dual admisibila si J = j[z
j
c
j
> 0 daca criteriul de optimizare
este de minim, respectiv J = j[z
j
c
j
< 0 pentru criteriul de maxim.
Se numeste problema extinsa asociata problemei
min c, x)
x P
s
(1.87)
A
unde P
s
= x R
n
, Ax = b, x 0, problema
min c, x)
x E
(1.88)
unde E = x R
n
, Ax = b, x 0,
jJ
x
j
+x
n+1
M, unde
M > 0 sucient de mare. Problema (1.88) are forma standard
min c, x)
x E
s
(1.89)
unde E
s
= x R
n
, Ax = b,
jJ
x
j
+x
n+1
= M, x 0, x
n+1
0.
Propozit ia 1.37 Problema (1.89) are o baza dual admisibila.
Demonstrat ie Daca B este o baza extrasa din A, atunci
B
1
=
_
B 0
0 1
_
este baza pentru matricea

A a problemei (1.89). Rezulta
B
1
1
=
_
B
1
0
0 1
_
.
Fie k m+ 1, . . . , n astfel ncat
z
k
c
k
= max z
j
c
j
.
j J
Introducand n baza vectorul a
k
= (a
k
, 1)
T
n locul vectorului a
n+1
, se
obt ine matricea
B
k
=
_
B a
k
0 1
_
.
Baza B
k
este dual admisibila, caci din
z
B
k
j
c
j
= z
B
1
j
c
j
(z
B
1
k
c
k
)(B
1
1
a
n+1
)
j
rezulta pentru j , J, z
B
k
j
c
j
= z
B
1
j
c
j
0, iar pentru j J, z
B
k
j
c
j
=
z
B
1
j
c
j
(z
B
1
k
c
k
) 0.
Prin aplicarea algoritmului simplex dual problemei extinse pornind
de la baza B
k
, dupa un numar nit de iterat ii se ajunge la unul din
urmatoarele cazuri:
a) Problema extinsa nu are solut ie admisibila.

In acest caz nici prob-
lema init iala nu are solut ie admisibila, caci n caz contrar, daca ar exista
x P
s
atunci luand
x
n+1
= M
jJ
x
j
ar rezulta ca ( x, x
n+1
) este solut ie admisibila pentru (1.89), ceea ce
contrazice presupunerea facuta.
b) Problema extinsa admite solut ie optima. Sunt posibile cazurile:
b
1
) Daca baza optima este
B =
_
D 0
1
_
,
unde D este o matrice de tipul (m,m) nesingulara extrasa din A iar
R
n
, rezulta
B
1
=
_
D
1
0
D
1
1
_
.
Solut ia optima a problemei extinse este x = ( x
B
, x
R
) unde
x
B
=

B
1
(b, M)
T
= (D
1
b, M D
1
b)
T
, x
R
= 0.
Eliminand din baza vectorul corespunzator lui x
n+1
si restrict ia core-
spunzatoare, se obt ine pentru problema (1.87) o baza dual admisibila.
Eliminarea vectorului si a restrict iei se face n momentul n care vec-
torul corespunzator lui x
n+1
se introduce n baza.
b
2
) Daca vectorul corespunzator lui x
n+1
nu face parte din baza, restrict ia
suplimentara este de forma
jJ
x
j
= M.
Solut ia problemei (1.87) depinde de M. Deoarece M este sucient de
mare, rezulta ca (1.89), deci si (1.87) are valoare optima nemarginita.
Exemplul 1: Fie problema de optimizare liniara data prin
max(2x
1
x
2
+ 4x
3
)
A
5x
1
x
2
x
3
1
3x
1
3x
2
+ x
3
3
6x
1
+ 2x
2
+ 3x
3
= 6
x
i
0, i = 1, 2, 3.
Forma standard este data de
max(2x
1
x
2
+ 4x
3
)
5x
1
+ x
2
+ x
3
+ x
4
= 1
3x
1
3x
2
+ x
3
+ x
5
= 3
6x
1
+ 2x
2
+ 3x
3
+ x
6
= 6
6x
1
2x
2
3x
3
+ x
7
= 6
x
i
0, i = 1 . . . 7.
Baza B = (a
4
, a
5
, a
6
, a
7
) nu este primal admisibila caci
B
1
b = (1, 3, 6, 6)
T
, 0. Baza B nu este dual admisibila caci
z
1
c
1
= 2, z
2
c
2
= 1, z
3
c
3
= 4.
Restrict ia auxiliara este
x
1
+ x
3
+ x
8
= M.
Tabelul simplex este
1.10. REOPTIMIZAREA SI OPTIMIZAREA PARAMETRIC
A 61
max c 2 -1 4 0 0 0 0 0
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
a
7
a
8
z
j
c
j
0 -2 -1 -4 0 0 0 0 0
0 a
4
-1 -5 1 1 1 0 0 0 0
0 a
5
3 3 -3 1 0 1 0 0 0
0 a
6
6 6 2 3 0 0 1 0 0
0 a
7
-6 -6 -2 -3 0 0 0 1 0
0 a
8
M 1 0 1 0 0 0 0 1
z
j
c
j
4M 2 1 0 0 0 0 0 4
0 a
4
-M-1 -6 1 0 1 0 0 0 -1
0 a
5
-M+3 2 -3 0 0 1 0 0 -1
0 a
6
-3M+6 3 2 0 0 0 1 0 -3
0 a
7
3M-6 -3 -2 0 0 0 0 1 3
4 a
3
M 1 0 1 0 0 0 0 1
z
j
c
j
8 6 11/3 0 0 0 4/3 0 0
0 a
4
-3 -7 1/3 0 1 0 -1/3 0 0
0 a
5
1 1 -11/3 0 0 1 -1/3 0 0
0 a
8
M-2 -1 -2/3 0 0 0 -1/3 0 1
0 a
7
0 0 0 0 0 0 1 1 0
4 a
3
2 2 2/3 1 0 0 1/3 0 0
z
j
c
j
38/7 0 83/21 0 6/7 0 22/21 9 *
2 a
1
3/7 1 -1/21 0 -1/7 0 1/21 0 *
0 a
5
4/7 0 -76/21 0 1/7 1 -8/21 0 *
0 a
7
0 0 0 0 0 0 1 1 *
4 a
3
8/7 0 16/21 1 2/7 0 5/21 0 *
Solut ia optima este x = (3/7, 0, 8/7)
T
si valoarea optima 38/7.
1.10 Reoptimizarea si optimizarea para-
metrica
1.10.1 Reoptimizarea
In problemele de optimizare liniara coecient ii ce intervin pot constant i

sau funct ii de parametri.

In multe situat ii, dupa ce problema a fost
rezolvata, anumite elemente ale sale se modica, cerandu-se rezolvarea
A
problemei cu datele noi. O astfel de problema se numeste reoptimizarea
problemei date. Reoptimizarea corespunde variat iei discrete a coe-
cient ilor problemei date. Variat ia continua a parametrilor corespunde
optimizarii parametrice.
Vom prezenta reoptimizarea n cazul modicarii: a) vectorului re-
surselor, b) vectorului corespunzator unei tehnologii, c) adaugarii de
noi restrict ii.
Fie problema de optimizare sub forma standard
min(max) f(x)
x P
(1.90)
unde P = x R
n
, Ax = b, x 0, f(x) = c, x).
Fie B o baza extrasa din A si elementele asociate
x
B
= B
1
b, x
R
= 0, (1.91)
z
j
c
j
= c
B
, B
1
a
j
) c
j
, j = 1 . . . n. (1.92)
Algoritm n cazul modocarii lui b prin

b
Etapa 1 Dispunem de o baza primal si dual admisibila B pentru prob-
lema init iala, deci de solut ia optima x
B
= B
1
b, x
R
= 0. Etapa 2
Etapa 2 Se calculeaza x
B
= B
1
b, x
R
= 0.
a) daca x
B
0, atunci x = ( x
B
, x
R
) este solut ie optima pentru prob-
lema modicata.
b) daca x
B
, 0, baza B este dual admisibila. Se continua cu algoritmul
simplex dual.
Exemplul 1: Ultimul tabel simplex al unei probleme de optimizare cu
criteriul de maxim este
max c 4 3 0 0 0
VB VVB a
1
a
2
a
3
a
4
a
5
z
j
c
j
108/5 0 0 9/5 0 2/5
a
1
6/5 1 0 3/5 0 -1/5
a
4
46/5 0 0 -7/5 1 -1/5
a
2
28/5 0 1 -1/5 0 2/5
Sa se reoptimizeze daca

b = (5, 10, 30)
T
. Baza optima pentru prob-
lema init iala este B = (a
1
, a
4
, a
2
). Inversa matricii B este data de
A 63
coloanele lui a
3
, a
4
, a
5
din tabel. Calculam B
1
b si se obt ine
B
1
b = (3, 3, 11)
T
. Deci B nu este primal admisibila. Se continua
cu algoritmul simplex dual.
max c 4 3 0 0 0
VB VVB a
1
a
2
a
3
a
4
a
5
z
j
c
j
21 0 0 9/5 0 2/5
a
1
-3 1 0 3/5 0 -1/5
a
4
-3 0 0 -7/5 1 -1/5
a
2
11 0 1 -1/5 0 2/5
z
j
c
j
15 2 0 3 0 0
a
5
15 -5 0 -3 0 1
a
4
0 -1 0 -2 1 0
a
2
5 2 1 1 0 0
Solut ia optima a problemei modicate este x = (0, 5)
T
si valoarea op-
tim a este 15.
Algoritm n cazul modicarii unui vector tehnologic a
j
prin a
j
Etapa 1 Dispunem de o baza primal si dual admisibila B pentru prob-
lema init iala.
Etapa 2 a) Daca a
j
, B, se calculeaza
z
j
c
j
= c
B
, B
1
a
j
) c
j
.
a
1
) Daca z
j
c
j
0 ( 0) pentru problema de minim (maxim), cri-
teriul de optimalitate este satisfacut si solut ia optima este aceeasi ca a
problemei init iale.
a
2
) Daca z
j
c
j
> 0 (< 0), se continua cu algoritmul simplex primal
introducand n baza (daca este posibil) vectorul a
j
.

In prealabil se
calculeaza componentele vectorului a
j
n baza B, adica se calculeaza
B
1
a
j
.
b) Daca a
j
B, se calculeaza B
1
a
j
= ((B
1
a
j
)
)
T
.
b
1
) Daca (B
1
a
j
)
j
= 0, vectorul a
j
nu poate nlocui n baza B pe a
j
.
Se revine la iterat ia anterioara intrarii vectorului a
j
n baza si se aplica
etapa a).
b
2
) Daca (B
1
a
j
)
j
,= 0, e

B = (a
1
, . . . , a
j1
, a
j
, a
j+1
, . . . , a
m
) baza
A
vecina lui B. Se calculeaza

B
1
prin
B
1
= E
j
B
1
unde E
j
este matricea de pivotare asociata lui a
j
. Se calculeaza
x
B
=

B
1
b, z
i
c
i
= c
B
,

B
1
a
i
) c
i
, i = 1 . . . n.
b
3
) Daca x
B
0 si z
i
c
i
0 ( 0), i = 1 . . . n, baza

B este primal si
dual admisibila, solut ia optima este x = ( x
B
, x
R
), x
B
=

B
1
b, x
R
= 0.
b
4
) Daca x
B
0 si exista k astfel ncat z
k
c
k
> 0 (< 0), se aplica
algoritmul simplex primal.
b
5
) Daca x
B
, 0 si z
i
c
i
0 ( 0), i = 1 . . . n, se aplica algoritmul
simplex dual.
b
6
) Daca x
B
, 0 si exista k astfel ncat z
k
c
k
> 0 (< 0), se construieste
problema extinsa introducand restrict ia auxiliara
jJ
x
j
+x
n+1
= M,
unde J = j[ z
j
c
j
> 0 (respectiv J = j[ z
j
c
j
< 0), se obt ine o
baza dual admisibila si se continua cu algoritmul simplex dual.
Exemplul 2: Ultimul tabel simplex al unei probleme de maxim este
max c 3 5 2 0 0 0
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
z
j
c
j
17 0 0 1 1 1 0
a
1
4 1 0 -4 2 -3 0
a
2
1 0 1 3 -1 2 0
a
6
15 0 0 2 -1 1 1
a) Sa se reoptimizeze daca a
3
se modica cu a
3
= (1/2, 1, 1)
T
.
Baza optima este B = (a
1
, a
2
, a
6
), a
3
, B. Se calculeaza
B
1
a
3
=
_
_
_
2 3 0
1 2 0
1 1 1
_
_
_
_
_
_
1/2
1
1
_
_
_ =
_
_
_
2
3/2
3/2
_
_
_.
A 65
z
3
c
3
= (3, 5, 0)
_
_
_
2
3/2
3/2
_
_
_ 2 =
1
2
.
Se continua cu algoritmul simplex
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
z
j
c
j
17 0 0 -1/2 1 1 0
a
1
4 1 0 -2 2 -3 0
a
2
1 0 1 3/2 -1 2 0
a
6
15 0 0 3/2 -1 1 1
z
j
c
j
52/3 0 1/3 0 2/3 5/3 0
a
1
16/3 1 4/3 0 2/3 -1/3 0
a
3
2/3 0 2/3 1 -2/3 4/3 0
a
6
14 0 -1 0 0 -1 1
Solut ia optima este x = (16/3, 0, 2/3)
T
b) Sa se reoptimizeze daca a
2
se modica n a
2
= (2, 2, 1)
T
, a
2
B. Se
determina a
2B
= B
1
a
2
= (2, 2 , 1)
T
. Se calcoleaza
E
2
=
_
_
_
1 1 0
0 1/2 0
0 1/2 1
_
_
_,

B
1
= E
2
B
1
=
_
_
_
1 1 0
1/2 1 0
1/2 0 1
_
_
_,
a
3

B
=
_
_
_
1 1 0
0 1/2 0
0 1/2 1
_
_
_
_
_
_
4
3
2
_
_
_ =
_
_
_
1
3/2
1/2
_
_
_,
x
B
=
_
_
_
1 1 0
0 1/2 0
0 1/2 1
_
_
_
_
_
_
4
1
15
_
_
_ =
_
_
_
5
1/2
29/2
_
_
_.
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
z
j
c
j
35/2 0 0 5/2 1/2 2 0
3 a
1
5 1 0 -1 1 -1 0
5 a
2
1/2 0 1 3/2 -1/2 1 0
0 a
6
29/2 0 0 1/2 -1/2 0 1
Solut ia optima este x = (5, 1/2, 0)
T
A
Algoritmul n cazul adaugarii unor restrict ii suplimentare
Fie o baza optima B pentru problema (1.90) si problema modicata
prin adaugarea restrict iilor
A
1
x +Dy = b
1
(1.93)
x 0, y 0
unde A
1
este matrice de tipul (r,n), iar D matrice de tipul (r,r) cu
det(D) ,= 0. Matricea
B =
_
B 0
B
1
D
_
extrasa din matricea tehnologica a noii probleme
A =
_
A 0
A
1
D
_
este nedegenerata si

B
1
este data de:
B
1
=
_
B
1
0
D
1
B
1
B
1
D
1
_
. (1.94)
In raport cu baza

B au loc relat iile
B
1
_
b
b
1
_
=
_
B
1
0
D
1
B
1
B
1
D
1
__
b
b
1
_
= (1.95)
=
_
B
1
b
D
1
B
1
B
1
b +D
1
b
1
_
z
i
c
i
= c
B
,

B
1
a
i
) c
i
= z
i
c
i
, i = 1 . . . n
unde a
i
este vectorul tehnologic corespunzator matricii

A.
Etapa 1 Dispunem de o baza B primal si dual admisibila pentru prob-
lema init iala.
Etapa 2 Se calculeaza

B
1
_
b
b
1
_
.
a) Daca D
1
B
1
B
1
b + D
1
b
1
0, baza

B este primal si dual admi-
sibila, obt inandu-se solut ia optima.
A 67
b) Daca D
1
B
1
B
1
b +D
1
b
1
, 0, se aplica algoritmul simplex dual.
Exemplul 3: Ultimul tabel simplex al unei probleme de minim este
min c 3 5 4 0 0 0
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
z
j
c
j
48 0 -3/2 0 -3/2 0 -2
a
1
6 1 1/2 0 -1/2 0 0
a
3
5/2 0 1/2 1 0 0 -1/2
a
5
1 0 -1/2 0 -1/2 1 -1
Sa se reoptimizeze daca se adauga restrict ia
2x
2
+x
3
18, x
2
0, x
3
0.
Inegalitatea se transforma n
2x
2
+x
3
x
7
= 18, x
2
0, x
3
0, x
7
0.
Matricile corespunzatoare sunt:
B
1
=
_
_
_
1/2 0 0
0 0 1/2
1/2 1 1
_
_
_, B
1
= (0, 0, 0), D = (1), b
1
= 18,
B
1
=
_
_
_
_
_
1/2 0 0 0
0 0 1/2 0
1/2 1 1 0
0 0 1/2 1
_
_
_
_
_
, D
1
B
1
B
1
b +D
1
b
1
= 21/2.
A
min c 3 5 4 0 0 0 0
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
a
7
z
j
c
j
48 0 -3/2 0 -3/2 0 -2 0
a
1
6 1 1/2 0 -1/2 0 0 0
a
3
15/2 0 1/2 1 0 0 -1/2 0
a
5
1 0 -1/2 0 -1/2 1 -1 0
a
7
-21/2 0 -3/2 0 0 0 -1/2 1
z
j
c
j
117/2 0 0 0 -3/2 0 -5/2 -1
a
1
5/2 1 0 0 -1/2 0 -1/6 1/3
a
3
4 0 0 1 0 0 -2/3 1/3
a
5
9/2 0 0 0 -1/2 1 -5/6 -1/3
a
2
7 0 1 0 0 0 1/3 -2/3
Solut ia optima a problemei este x = (5/2, 7, 4)
T
si valoarea optima
117/2.
1.10.2 Optimizarea parametrica
Fie vectorul resurselor b(t) = b
0
+ tb
1
. Fara a restrange generalitatea,
presupunem cunoasterea solut iei optime pentru problema cu vectorul
resurselor b
0
si baza B corespunzatoare. Rezulta
B
1
b(t) = B
1
b
0
+tB
1
b
1
.
Algoritmul n cazul b(t) = b
0
+tb
1
Etapa 1 Pentru t=0 se rezolva problema de optimizare obt inand baza
optima B. Etapa 2
Etapa 2 Se calculeaza B
1
. Se determina intervalul [t
t] pentru care
B
1
b
0
+tB
1
b
1
0. Etapa 3
Etapa 3 Pentru t>
t si t<t
se aplica algoritmul simplex dual.

Exemplul 4: Ultimul tabel simplex al unei probleme de maxim cu
b
0
= (8, 6, 10, 7)
T
este
A 69
max c 2 1 -3 5 0 0 0 0
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
a
7
a
8
z
j
c
j
26 6 0 4 0 2 0 1 0
a
4
34/7 11/7 0 2/7 1 3/7 0 1/7 0
a
6
64/7 17/7 0 33/7 0 4/7 1 -1/7 0
a
2
12/7 1/7 1 -3/7 0 -1/7 0 2/7 0
a
8
15/7 -4/7 0 5/7 0 -3/7 0 -1/7 1
Sa se rezolve problema daca b(t) = (8 + 3t, 6 t, 10, 7 + 2t)
T
, t R.
Pentru t=0 dispunem de baza optima B = (a
4
, a
6
, a
2
, a
8
). Calculand
B
1
b(t) rezulta
x(t) = B
1
b(t) = (0, 12/t3/7t, 0, 34/7+9/7t, 0, 64/7+5/7t, 0, 15/7+5/7t)
T
.
t -64/5 -34/9 -3 4 +
34/7+9/7t - - - - 0 + + + + + +
64/7+5/7t - - 0 + + + + + + + +
12/7-3/7t + + + + + + + + 0 - -
15/7+5/7t - - - - - - 0 + + + +
Pentru t [3, 4] solut ia optima este x(t) si valoarea optima 26+6t.
Pentru t < 3, aplicam algoritmul simplex dual. Vectorul a
8
iese din
baz a si va intra a
5
.
max c 2 1 -3 5 0 0 0 0
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
a
7
a
8
z
j
c
j
36+28/3t 10/3 0 22/3 0 0 0 1/3 14/3
a
4
7+2t 1 0 1 1 0 0 0 1
a
6
12+5/3t 5/3 0 17/3 0 0 1 -1/3 4/3
a
2
1-2/3t 1/3 1 -2/3 0 0 0 1/3 -1/3
a
5
-5-5/3t 4/3 0 -5/3 0 1 0 1/3 -7/3
Pentru t [7/2, 3) solut ia optima este x(t) = (0, 1 2/3t, 0,
7 + 2t, 5 5/3t, 12 + 5/3t, 0, 0)
T
si valoarea optima este 36+28/3t.
Pentru t (, 7/2) problema nu are solut ii admisibile.
In cazul t > 4 se continu a cu algoritmul simplex dual.

A
Algoritmul n cazul c(t) = c
0
+tc
1
Etapa 1 Pentru t=0 se rezolva problema de optimizare, obt inand baza
optima. Etapa 2
z
j
(t) c
j
(t) = c
B
(t), B
1
a
j
) c
j
(t), j = 1 . . . n.
Se determina intervalul [t
t] pentru care z
j
(t) c
j
(t), j = 1 . . . n au
acelasi semn. Etapa 3
Etapa 3 Pentru t >
t si pentru t <t
se aplica algoritmul simplex primal.

Exemplul 5: Fie problema de optimizare liniara sub forma canonica
cu criteriul de minim, cu elementele
c(t) =
_
_
_
4 +t
3 +t
6 + 3t
_
_
_, b =
_
_
_
4
2
3
_
_
_, A =
_
_
_
2 1 2
2 2 1
1 0 1
_
_
_.
Pentru t=0, ultimul tabel simplex este
min c 4 3 6 0 0 0
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
z
j
c
j
12 0 -3 -2 0 0 -4
4 a
1
3 1 0 1 0 0 -1
0 a
5
4 0 -2 1 0 1 -2
0 a
4
2 0 -1 0 1 0 -2
Baza este B = (a
1
, a
5
, a
4
). Pentru t ,= 0 se obt ine:
z
1
c
1
= 0, z
2
c
2
= 3 t, z
3
c
3
= 2 2t,
z
4
c
4
= 0, z
5
c
5
= 0, z
6
c
6
= 4 t.
t -4 -3 -1 +
-3-t + + + + 0 - - - -
-2-2t + + + + + + 0 - -
-4-t + + 0 - - - - - -
1.11. EXERCIT II 71
Pentru t [1, +) solut ia optima a problemei este x = (3, 0, 0)
T
si valoarea optima 12 + 3t.
Daca t < 1, vectorul ce va intra n baza este a
3
, iar cel ce va iesi
din baza este a
1
. Rezulta tabelul simplex
min c 4+t 3+t 6+3t 0 0 0
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
z
j
c
j
18+3t 2+2t -3-t 0 0 0 -6-3t
a
3
3 1 0 1 0 0 -1
a
5
1 -1 -2 0 0 1 -1
a
4
2 0 -1 0 1 0 -2
t -3 -2 -1 +
2+2t - - - - - - 0 + +
-3-t + + 0 - - - - - -
-6-3t + + + + 0 - - - -
Pentru t [2, 1) solut ia optima este x = (0, 0, 3)
T
si valoarea optima
18 + 3t
Daca t < 2, nu avem solut ie optima nita caci pe coloana lui a
6
toate elementele sunt negative.
1.11 Exercit ii
1. Elementele unei probleme de minim sub forma canonica sunt
c =
_
_
_
2
5
6
_
_
_, A =
_
_
_
1 3 1
0 3 2
1 0 1
_
_
_, b =
_
_
_
5
7
3
_
_
_.
a) Sa se rezolve problema.
b) Sa se rezolve duala sa.
c) Sa se reoptimizeze daca c c = (1, 4, 7)
T
.
d) Sa se reoptimizeze daca a
2
a
2
= (3, 2, 1)
T
.
A
c =
_
_
_
3
5
4
_
_
_, A =
_
_
_
1 1 3
1 2 1
2 1 1
_
_
_, b(t) =
_
_
_
15 +t
10 + 2t
12 + 3t
_
_
_, t R.
a) Sa se rezolve problema pentru t = 0.
b) Sa se determine solut iile pentru t R.
3. Unul din tabelele simplex este
min c 1 2 -3 0 0
VB VVB a
1
a
2
a
3
a
4
a
5
z
i
c
i
a
2
3 2 1 -1
a
3
2 1 2 2
a) Rezolvat i problema si determinat i solut iile dualei.
b) Optimizat i pentru t R, daca vectorul b init ial este
b(t) = (3 +t, 1 + 2t)
T
.
max c 3 5 4 0 0 0
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
z
i
c
i
a
5
2 1 -1 -1
a
2
8 1 1 1/2
a
6
8 4 0 1/2
a) Rezolvat i problema si determinat i duala problemei si solut ia dualei.
b) Reoptimizat i daca a
2
a
2
= (2, 1, 1)
T
.
5. Elementele unei probleme de maxim sub forma canonica sunt
c =
_
_
_
3
5
4
_
_
_, A =
_
_
_
1 1 1
2 1/2 1
4 1/2 0
_
_
_, b =
_
_
_
2
8
10
_
_
_.
a) Rezolvat i problema si duala sa.
3
a
3
= (1, 1, 3)
T
.
1.11. EXERCIT II 73
c) Optimizat i pentru t R, daca vectorul c este
c(t) = (3 +t, 5 t, 4 + 2t)
T
.
c =
_
_
_
3
2
2
_
_
_, b =
_
_
_
2
3
2
_
_
_, A =
_
_
_
2 3 1
1 2 2
1 1 2
_
_
_.
a) Rezolvat i problema si determinat i solut ia problemei duale.
b) Reoptimizat i daca c c = (4, 3, 5)
T
.
min c 3 2 1 0 0 0
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
a
1
-2 -2 -1 1
a
5
1 2 1 1
a
6
2 -1 2 2
b) Optimizat i daca b(t) = (2 + 3t, 3 +t, 5 +t)
T
, t R.
c =
_
_
_
3
4
6
_
_
_, b =
_
_
_
3
2
1
_
_
_, A =
_
_
_
5 3 1
1 2 1
2 1 1
_
_
_.
b) Optimizat i daca b(t) = (3 +t, 2 t, 1 +t)
T
, t R.
A
max c 3 2 1 0 0 0
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
a
2
-2 -2 -1 1
a
5
1 2 1 1
a
6
2 -1 2 2
a) Reconstruit i problema init iala.
b) Rezolvat i problema.
c) Reoptimizat i daca a
2
a
2
= (1, 2, 1)
T
.
c =
_
_
_
3
1
2
_
_
_, b =
_
_
_
_
_
4
4
3
2
_
_
_
_
_
, A =
_
_
_
_
_
3 1 0
3 1 0
1 5 2
1 0 4
_
_
_
_
_
.
b) Optimizat i daca c(t) = (3 + 2t, 1 +t, 2 t)
T
, t R.
11.

In raport cu baza B = (a
1
, a
5
, a
6
), vectorul resurselor si tehnologiile
au componentele
z
0
=
_
_
_
2
1
2
_
_
_, z
2
=
_
_
_
2
2
1
_
_
_, z
3
=
_
_
_
1
1
2
_
_
_, z
4
=
_
_
_
1
2
2
_
_
_.
a) Sa se construiasca sistemul de restrict ii daca baza init iala este (a
4
, a
5
, a
6
).
b) Rezolvat i problema si duala sa utilizand criteriul de maxim daca
c = (3, 2, 1, 0, 0, 0)
T
.
c) Reoptimizat i daca b
b = (2, 1, 9)
T
.
12. Elementele unei probleme de maxim sub forma standard sunt
b =
_
_
_
2
8
10
_
_
_, c =
_
_
_
_
_
_
_
_
_
_
3
5
4
0
0
0
_
_
_
_
_
_
_
_
_
_
, A =
_
_
_
1 0 1 1 1 0
2 1 0 1/2 1 0
4 0 0 1/2 0 1
_
_
_.
1.11. EXERCIT II 75
a) Determinat i solut ia problemei.
b) Scriet i duala si rezolvat i-o.
2
a
2
= (3, 2, 1)
T
.
13. Elementele unei probleme de minim sub forma standard sunt
c =
_
_
_
_
_
_
_
_
1
2
3
0
0
_
_
_
_
_
_
_
_
, b =
_
3
2
_
, A =
_
2 1 0 1 1
1 0 1 1 2
_
.
a) Determinat i punctele extremale si direct iile extremale.
b) Scriet i duala problemei si determinat i-i solut ia.
3
a
3
= (2, 3)
T
.
c =
_
_
_
3
1
1
_
_
_, b =
_
_
_
2
1
1
_
_
_, A =
_
_
_
1 2 1
2 1 1
1 1 1
_
_
_.
a) Scriet i duala si rezolvat i-o.
b) Rezolvat i problema data.
c) Interpretat i rezultatul utilizand ecarturile complementare.
d) Optimizat i daca b(t) = (2 +t, 1 +t, 1 2t), t R.
min c 1 2 -3 1 0
VB VVB a
1
a
2
a
3
a
4
a
5
3 2 1 2 0 0
2 1 0 1 1 0
1 1 0 2 0 1
3
a
3
= (2, 3, 1)
T
.
A
max c 1 2 3 0 0 0
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
2 1 0 -1 -1 1 0
8 1 1 1 1/2 0 0
8 4 0 0 1/2 0 1
b) Reoptimizat i daca b
b = (1, 2, 4)
T
.
b =
_
_
_
2
3
2
_
_
_, c =
_
_
_
3
2
2
_
_
_, A =
_
_
_
2 3 1
1 2 2
1 1 2
_
_
_.
a) Rezolvat i problema.
b) Rezolvat i duala problemei.
c) Reoptimizat i daca c c = (4, 3, 5)
T
.
max c 3/2 4 3 0 0 0
VB VVB a
1
a
2
a
3
a
4
a
5
a
6
a
4
15 2 3 2
a
5
12 1 2 3
a
6
8 1 1 1
a) Rezolvat i problema.
b) Rezolvat i duala.
1
a
1
= (1, 1/2, 1)
T
.
Capitolul 2
Probleme de optimizare de
tip transport
2.1 Modelul matematic al unei probleme
de tip transport
2.1.1 Proces economic ce conduce la probleme de
tip transport
Un produs este stocat n m centre de depozitare D
n cantitat ile
a
, = 1 . . . m, si este solicitat n n centre de desfacere C

i
, n can-
titat ile b
i
, i = 1 . . . n. Costul transportului unei unitat i de produs de la
depozitul D
la centrul C
i
este c
i
unitat i monetare. Se pune problema
determinarii cantitat ilor de produse ce urmeaza sa e transportate de la
depozite la centrele de desfacere, astfel ncat sa nu depaseasca disponi-
bilul, cererea sa e satisfacuta, iar costul total al transportului sa e
minim.
Daca se noteaza cu x
i
cantitatea de produs ce va transportata
de la D
la C
i
, condit iile problemei conduc la sistemul de restrict ii:
a) restrict ii asupra disponibilului
n
i=1
x
i
a
, = 1 . . . m, a
0.
77
78 CAPITOLUL 2. PROBLEME DE TIP TRANSPORT
b) restrict ii asupra cererii
m
=1
x
i
= b
i
, i = 1 . . . n, b
i
0.
c) restrict ii asupra variabilelor
x
i
0, = 1 . . . m, i = 1 . . . n.
Costul total al transportului este
f(x) =
m
=1
n
i=1
c
i
x
i
.
Astfel se obt ine urmatoarea problema de optimizare liniara
min

m
=1
n
i=1
c
i
x
i
x T
(2.1)
unde
T = x R
mn
,
n
i=1
x
i
a
,
m
=1
x
i
= b
i
, x
i
0, = 1 . . . m, i = 1 . . . n.
Problema de optimizare liniara (2.1) are mn variabile si m + n
restrict ii. Matricea sistemului de restrict ii este de forma speciala, ceea
ce permite rezolvarea problemei utilizand algoritmi speciali.
Problema (2.1) este data de obicei printr-un plan de transport, sub
forma
D
C
i
C
1
. . . C
n
Disponibil
D
1
c
11
. . . c
1n
a
1
.
.
.
.
.
.
.
.
.
.
.
.
D
m
c
m1
. . . c
mn
a
m
Necesar b
1
. . . b
n
2.1.2 Proprietatile modelului matematic al unei
probleme de tip transport
Propozit ia 2.1 Sistemul de restrict ii al problemei (2.1) este compatibil
daca si numai daca
m
=1
a
i=1
b
i
. (2.2)
2.1. MODELUL MATEMATIC 79
Demonstrat ie Daca sistemul de restrict ii este compatibil, atunci ex-
ista x R
mn
astfel ca
n
i=1
x
i
a
,
m
=1
x
i
= b
i
, x
i
0, = 1 . . . m, i = 1 . . . n. (2.3)
Din (2.3) obt inem
m
=1
n
i=1
x
i

m
=1
a
,
n
i=1
m
=1
x
i
=
n
i=1
b
i
,
relat ii ce conduc la (2.2).
Reciproc, daca are loc (2.2) e
x
i
=
a
b
i
S
, S =
m
=1
a
. (2.4)
Din (2.4) rezulta
m
=1
x
i
=
b
i
m
=1
a
S
= b
i
, i = 1 . . . n,
n
i=1
x
i
=
a
n
i=1
b
i
S
a
, = 1 . . . m,
deci x = ( x
i
) R
mn
este o solut ie a sistemului de restrict ii.
Sistemul de restrict ii (T ) are forma standard
n
i=1
x
i
+x
n+1
= a
, = 1 . . . m
m
=1
x
i
= b
i
, i = 1 . . . n (2.5)
m
=1
x
n+1
= b
n+1
x
i
0, = 1 . . . m, i = 1 . . . n
unde
b
n+1
=
m
=1
a
i=1
b
i
.
Utilizand Propozit ia 2.1 rezulta ca sistemul (2.5) este compatibil daca
si numai daca
m
=1
a
=
n+1
i=1
b
i
. (2.6)
Relat ia (2.6) se numeste relat ia de echilibru a balant ei.
Orice problema de transport poate adusa la forma standard (2.5)
prin introducerea unui centru sau a unui depozit ctiv. Astfel daca:
a)

m
=1
a
>

n
i=1
b
i
, se introduce un centru ctiv C
n+1
cu cererea
b
n+1
=

m
n
i=1
b
i
si costurile de transport c
,n+1
= 0, = 1 . . . m.
b)
m
=1
a
<

n
i=1
b
i
, se introduce un depozit ctiv D
m+1
cu disponi-
bilul a
m+1
=

n
i=1
b
i
m
=1
a
si costurile de transport c
m+1,i
= 0, i =
1 . . . n.
Exemplul 1: Pentru problema de transport data prin planul de trans-
port
D
C
i
1 2 3 Disponibil
1 3 2 4 5
2 1 3 0 7
3 2 2 5 9
Necesar 8 10 11 2921
forma standard este
D
C
i
1 2 3 Disponibil
1 3 2 4 5
2 1 3 0 7
3 2 2 5 9
4 0 0 0 8
Necesar 8 10 11 2929
In continuare vom considera probleme de tip transport sub forma

standard echilibrate
min

m
=1
n
i=1
c
i
x
i
x T
(2.7)
2.1. MODELUL MATEMATIC 81
unde
T = x R
mn
,
n
i=1
x
i
= a
,
m
=1
x
i
= b
i
, x
i
0,
m
=1
a
=
n
i=1
b
i
. (2.8)
Sistemul de restrict ii (2.8) poate scris sub forma matriciala
Mx = d, x 0. (2.9)
Matricea M are forma
M = (a
11
, a
12
, . . . , a
1n
, a
21
, . . . , a
2n
, . . . , a
m1
, . . . , a
mn
)
cu
a
i
= e
+e
m+i
, = 1 . . . m, i = 1 . . . n (2.10)
unde e
, e
m+i
, = 1 . . . m, i = 1 . . . n, este baza canonica din R
m+n
,
e
= (0, . . . , 1 , 0, . . . , 0)
T
. e
m+i
= (0, . . . , 0, 0, . . . , 1 , . . . , 0)
T
m+i
Vectorul d R
m+n
este dat prin d = (a
1
, . . . , a
m
, b
1
, . . . , b
n
)
T
.
Propozit ia 2.2 a) Orice determinant minor extras din matricea M
are una din valorile 0, 1, 1.
b) Rangul matricii M este m+n 1.
Demonstrat ie a) Demonstrat ia se face prin induct ie dupa ordinul
determinant ilor minori ce pot extrasi din M. Pentru un determinant
minor de ordinul 1 armat ia este adevarata. Presupunem ca pentru
orice determinant minor de ordinul k < m+n armat ia este adevarata.
Pentru un determinant minor de ordinul k+1 are loc una din situat iile:
1) Determinantul minor are o coloana cu toate elementele egale cu zero,
caz n care determinantul minor are valoarea zero.
2) Determinantul minor are cel put in o coloana cu un singur element
egal cu 1. Dezvoltand determinantul dupa elementele unei astfel de
coloane si t inand seama de ipoteza induct iei, rezulta ca valoarea aces-
tui determinant este 0, 1 sau -1.
3) Determinantul minor ales are pe ecare coloana cate doua elemente
egale cu 1. Primul element egal cu 1 provine din primele m linii, numite
primul grup, iar al doilea element egal cu 1 provine din ultimele n linii,
numite al doilea grup. Adunand la o linie din primul grup elementele
liniilor primului grup si la o linie din cel de-al doilea grup liniile celui
de-al doilea grup, se obt ine un determinant cu doua linii identice, deci
valoarea determinantului este 0.
b) Din condit ia de echilibru rezulta ca ecuat iile sistemului (2.8) sunt
dependente. Deci rang(M) m+n1. Fie vectorii a
11
, a
12
, . . . , a
1n
, a
21
,
. . . , a
m1
, n numar de m+n1. Acesti vectori sunt liniar independent i.
Intr-adevar, din combinat ia liniara

h
11
a
11
+h
12
a
12
+. . . +h
1n
a
1n
+h
21
a
21
+. . . +h
m1
a
m1
= 0 (2.11)
utilizand (2.10) rezulta
h
11
+h
12
+. . . +h
1n
= 0
h
11
+h
21
+. . . +h
m1
= 0 (2.12)
h
11
= h
12
= . . . = h
1n
= 0
h
21
= h
31
= . . . = h
m1
= 0.
Din (2.12) rezulta h
11
= h
12
= . . . = h
1n
= h
21
= . . . = h
m1
= 0. Deci
rang(M) = m+n 1.
Se numeste ruta perechea de numere (, i), = 1 . . . m, i = 1 . . . n.
O ruta reprezinta legatura dintre depozitul D
si consumatorul C
i
, si
este caracterizata de c
i
, costul transportului, x
i
cantitatea ce va
transportata si vectorul a
i
= e
+e
m+i
.
Propozit ia 2.3 Fie B o baza extrasa din M formata din
m + n 1 vectori liniar independent i si B = (, i) rutele asociate
acestor vectori. Daca (, j) , B, atunci a
j
are exprimarea
a
j
=
(,i)B
d
j
i
a
i
, (2.13)
unde d
j
i
0, 1, 1.
2.2. DETERMINAREA SOLUT IILOR ADMISIBILE DE BAZ
A 83
Demonstrat ie Deoarece a
i
(,i)B
formeaza o baza, rezulta ca a
j
,
(, j) , B, se exprima ca o combinat ie liniara de acestia. Deoarece
determinantul lui B are valoarea 1 sau -1 si orice determinant minor al
lui B are valoarea 0, 1 sau -1, rezulta ca B
1
are elemente cu valoarea
0, 1 sau -1. Exprimarea lui a
j
n baza B se face utilizand B
1
, si astfel
d
j
i
are valorile 0, 1 sau -1.
2.2 Algoritm pentru determinarea solut iilor
admisibile de baza
2.2.1 Algoritmul general
Din forma sistemului de restrict ii a problemei de tip transport rezulta
algoritmul general pentru determinarea unei solut ii admisibile.
Etapa 1 Se alege o ruta (, i), careia i se atribuie valoarea
x
i
= mina
, b
i
.
Etapa 2 a) Daca a
< b
i
, se pune x
i
= a
, x
j
= 0, j ,= i, si se
nlocuieste b
i
cu b
i
= b
i
a
. Etapa 1
b) Daca a
> b
i
, se pune x
i
= b
i
, x
i
= 0, ,= , si se nlocuieste a
cu a
= a
b
i
. Etapa 1
c) Daca a
= b
i
, se pune x
i
= a
, x
j
= 0, j ,= i, x
i
= 0, ,= . Se
selecteaza o ruta de tipul (, j) sau (, i), cu semnul distinctiv 0
(zero
esent ial), iar b
i
si a
se nlocuiesc cu b
i
= 0, a
= 0. Etapa 1
In etapa 2, cazul c) conduce la o solut ie admisibila degenerata. Prin

induct ie rezulta ca algoritmul descris conduce la o solut ie admisibila de
baza.
Alegerea rutei (, i) n etapa 1 se face dupa urmatoarele metode:
1) Metoda colt ului N-V La etapa 1 se alege ruta ce nu a fost selectata
situata n colt ul Nord-Vest al tabelului problemei de transport (stanga
sus).
2) Metoda costurilor minime (maxime) La etapa 1 se alege ruta (, i)
ce nu a fost selectata pentru care
c
i
= min c
j
(c
i
= max c
j
)
(, j) (, j)
unde (, j) sunt rutele neselectate.
Algoritmul descris are un numar nit de etape caci la ecare alegere
sunt eliminate cel put in minm, n rute.
Exemplul 2: Pentru problema de transport
MIN 1 2 3 4 D
1 3 2 5 4 5
2 6 3 2 1 3
3 4 6 3 2 4
N 3 2 4 3 1212
o solut ie admisibila este data de:
1) metoda colt ului N-V
MIN 1 2 3 4 D
3 2 5 4
1 3 2 0 0 ,5 5 3 =,2
6 3 2 1
2 0 0
3 0 ,3
4 6 3 2
3 0 0 1 3 ,4 4 1 = 3
N ,3 ,2 ,4 3
x
11
= 3 x
12
= 2 x
13
= 0 x
14
= 0
x
21
= 0 x
22
= 0 x
23
= 3 x
24
= 0
x
31
= 0 x
32
= 0 x
33
= 1 x
34
= 3.
2) metoda costurilor minime
A 85
MIN 1 2 3 4 D
3 2 5 4
1 3 2 0 0 ,5 ,3
6 3 2 1
2 0 0 0
3 ,3
4 6 3 2
3 0
0 4 0 ,4
N ,3 ,2 ,4 ,3
x
11
= 3 x
12
= 2 x
13
= 0 x
14
= 0
x
21
= 0 x
22
= 0 x
23
= 0 x
24
= 3
x
31
= 0 x
32
= 0 x
33
= 4 x
34
= 0.
2.2.2 Linia poligonala asociata unei rute. Solut ii
admisibile de baza vecine
Fie B rutele corespunzatoare unei baze si (, j) , B.
Se numeste ciclu asociat rutei (, j) , B rutele
c(, j) = (, j), (, i)[(, i) B.
Ciclul rutei (, j) , B determina o linie poligonala a carei varfuri
sunt rutele apart inand ciclului si se obt ine utilizand planul de trans-
port. Pentru determinarea liniei poligonale asociate rutei (, j) , B, se
urmareste linia (coloana j) pana cand se obt ine o ruta (, i) ((, j))
cu (, i) B ((, j) B). Apoi se modica direct ia de parcurs cu 90
o
,
determinandu-se o noua ruta cu indicii apart inand lui B. Procedeul
continua pana cand s-a ajuns din nou la ruta (, j). Varfurile liniei
poligonale se marcheaza succesiv cu 1 sau -1, ncepand cu (, j). Ciclul
c(, j) cont ine rute de forma
(, j), (
1
, j), (
1
, j
1
), . . . , (
p
, j
p1
), (
p
, j
p
), (, j
p
).
Exemplul 3: Pentru problema de transport de la exemplul 2, rutele B
corespunzatoare unei baze sunt:
B = (1, 1), (1, 2), (2, 2), (2, 3), (3, 3), (3, 4).
Pentru (1, 4) , B ciclul este
c(1, 4) = (1, 4), (3, 4), (3, 3), (2, 3), (2, 2), (1, 2).
Pentru (3, 1) , B ciclul este
c(3, 1) = (3, 1), (1, 1), (1, 2), (2, 2), (2, 3), (3, 3).
Rezulta
c
+
(1, 4) = (1, 4), (3, 3), (2, 2)
c
(1, 4) = (3, 4), (2, 3), (1, 2)

si
a
14
= +a
34
a
33
+a
23
a
22
+a
12
.
Din denit ia liniei poligonale, rezulta pentru a
j
cu (, j) , B,
exprimarea
a
j
=
(,i)C
(,j)
a
i
(,i)C
+
(,j)
a
i
(2.14)
unde c
(, j) sunt rutele marcate cu -1, si c

+
(, j) sunt rutele marcate
cu 1.
Propozit ia 2.4 Fie x = ( x
i
) o solut ie admisibila de baza si B rutele
corespunzatoare componentelor nenule, inclusiv 0
. Fie (, j) , B,
c(, j) ciclul asociat si
= min x
i
.
(, i) c
(, j)
Vectorul x R
mn
cu componentele
x
i
= x
i
, (, i) B (c(, j) (, j))
x
i
= x
i
, (, i) c
(, j)
x
i
= x
i
+, (, i) c
+
(, j) (, j) (2.15)
x
j
=
x
i
= 0 n rest
este solut ie admisibila de baza.
A 87
Demonstrat ie x ind solut ie admisibila, atunci
(,i)B
x
i
a
i
= d. (2.16)
Din (2.14) si (2.16), pentru > 0 rezulta
(,i)B
x
i
a
i
+a
j
(,i)C
(,j)
a
i
+
(,i)C
+
(,j)
a
i
= d. (2.17)
Din (2.17) rezulta
(,i)B\(C(,j)\{(,j)})
x
i
a
i
+a
j
+ (2.18)
+
(,i)C
(,j)
( x
i
)a
i
+
(,i)C
+
(,j)\{(,j)}
( x
i
+)a
i
= d.
Pentru a obt ine o solut ie admisibila de baza, alegem astfel ca x
i

0, (, i) c
(, j) si astfel
= min x
i
.
(, i) c
(, j)
Exemplul 4: Pentru problema de transport data de planul de transport
o solut ie admisibila de baza este:
1 2 3 4 D
+
1 5 0 0 0 5
.
.
. . . . . . . . . . . . . . . . . . .
.
.
.
.
.
.
.
.
.
2 0
.
.
. 3 4
.
.
. 0 7
.
.
.
.
.
.
+
.
.
. . . . . . . . . . . . . . . . . . .
.
.
.
3 0
0 1 5 6
N 5 3 5 5
Mult imea B este B = (1, 1), (2, 2), (2, 3), (3, 1), (3, 3), (3, 4). Con-
struim o noua solut ie admisibila de baza, alegand (1, 4) , B. Ciclul aso-
ciat este c(1, 4) = 1, 4), (1, 1), (3, 1), (3, 4) si c
+
(1, 4) = (1, 4), (3, 1),
c
(1, 4) = (1, 1), (3, 4) si = min5, 5 = 5. Noua solut ie este data

de
1 2 3 4 D
1 0 0 0 5 5
2 0 3 4 0 7
3 0
0 1 0
6
N 5 3 5 5
In cazul n care
min x
i
= x
l
= x
h
(, i) c
(, j)
noua solut ie admisibila de baza este degenerata, fapt pus n evident a
prin atribuirea valorii 0 rutelor (, l), (, h). Pentru obt inerea bazei
corespunzatoare solut iei, uneia dintre rute i se atribuie valoarea 0
(zero
esent ial).
2.3 Algoritmul potent ialelor
2.3.1 Criteriul de optimalitate
Problema de transport are forma
min c, x)
x T
(2.19)
unde c = (c
11
, c
12
, . . . , c
1n
, c
21
, . . . , c
2n
, . . . , c
m1
, c
m2
, . . . , c
mn
)
T
R
mn
si
T = x R
mn
, Mx = d, x 0.
Duala problemei (2.19) este
max d, w) = max(
m
=1
a
n
i=1
b
i
v
i
)
w T
(2.20)
2.3. ALGORITMUL POTENT IALELOR 89
unde w = (u
1
, . . . , u
m
, v
1
, . . . , v
n
)
T
R
m+n
si
T = w R
m+n
, u
+v
i
c
i
, = 1 . . . m, i = 1 . . . n.
Propozit ia 2.5 Fie x o solut ie admisibila a problemei (2.19). Daca
exista vectorul
w = ( u
1
, . . . , u
m
, v
1
, . . . , v
n
)
T
, astfel ncat
u
+ v
i
= c
i
, (, i)

B = (, i)[ x
i
> 0
u
+ v
i
c
i
, (, i) ,

B
(2.21)
atunci x este solut ie optima.
Demonstrat ie Din ipoteza rezulta ca x si w sunt solut ii admisibile
pentru T si T. Pentru cele doua solut ii rezulta
m
=1
a
+
n
i=1
b
i
v
i
=
m
=1
(
n
i=1
x
i
) u
+
n
i=1
(
m
=1
x
i
) v
i
= (2.22)
=
m
=1
n
i=1
x
i
( u
+ v
i
) =
(,i)
B
x
i
( u
+ v
i
) +
(,i)
B
x
i
( u
+ v
i
) =
=
(,i)
B
x
i
( u
+ v
i
) =
m
=1
n
i=1
c
i
x
i
.
Din (2.22), conform proprietat ilor a doua probleme duale, rezulta ca x
si w sunt solut ii optime pentru problemele (2.19) si (2.20).
Componentele vectorului w ce satisface relat iile (2.21) se numesc
potent iale.
Propozit ia 2.6 Fie x o solut ie admisibila de baza a problemei (2.19)
si w = ( u
1
, . . . , u
m
, v
1
, . . . , v
n
)
T
astfel ncat
u
+ v
i
c
i
, (, i)

B = (, i)[ x
i
> 0 B. (2.23)
a) Daca
u
+ v
i
c
i
, = 1 . . . m, i = 1 . . . n,
atunci x este solut ie optima pentru problema (2.19).
b) Daca exista (, j) astfel ncat
u
+ v
j
> c
j
, (2.24)
atunci x nu este solut ie optima. Utilizand linia poligonala asociata lui
(, j), se poate obt ine o noua solut ie admisibila de baza x
0
vecina lui x
pentru care
c, x) c, x
0
). (2.25)
Demonstrat ie a)

In baza Propozit iei 2.5, rezulta ca x este solut ie
optima.
b) Pentru (, j) dat de (2.24), avem x
j
= 0. Fie c(, j) ciclul asociat
si x
0
data de:
x
0
i
= x
i
(, i) , c(, j)
x
0
i
= x
i
+ (, i) c
+
(, j) (2.26)
x
0
i
= x
i
(, i) c
(, j)
unde > 0. Pentru
= min x
i
,
(, i) c
(, j)
relat iile (2.26) denesc o solut ie admisibila de baza vecina solut iei ad-
misibile de baza x. Pentru demonstrarea relat iei (2.25) obt inem succe-
siv
c, x
0
) =
(,i)C(,j)
c
i
x
0
i
+
(,i)C
+
(,j)
c
i
x
0
i
+
(,i)C
(,j)
c
i
x
0
i
=
=
(,i)C(,j)
c
i
x
i
+
(,i)C
+
(,j)
c
i
x
i
+
(,i)C
(,j)
c
i
x
i
+ (2.27)
+(
(,i)C
+
(,j)
c
i
(,i)C
(,j)
c
i
).
c
i
= u
+ v
i
, (, i)

B
c
j
= u
+ v
j

j
,
j
> 0.
Ciclul c(, j) cont ine rute de forma (, j), (
1
, j), . . . , (
p
, j
p
), (, j
p
).
Rezulta
(,i)C
+
(,j)
c
i
(,i)C
(,j)
c
i
= c
j
c
1
j
+c
1
j
1
. . . +c
p
j
p
c
j
p
= (2.28)
= u
+ v
j
j
u
1
v
j
+ u
1
+ v
j
1
. . . + u
p
+ v
j
p
u
v
j
p
=
j
.
c, x
0
) = c, x)
j
. (2.29)
Deoarece 0,
j
> 0, rezulta c, x
0
) c, x).
Sistemul de ecuat ii
u
+v
i
= c
i
, (, i) B (2.30)
este compatibil 1-nedeterminat, si se rezolva atribuind variabilei u
1
sau
variabilei v
1
valoarea 0.
2.3.2 Algoritmul potent ialelor
Etapele algoritmului pentru determinarea solut iilor optime ale unei
probleme de transport, numit si algoritmul potent ialelor, sunt urmatoarele:
Etapa 1 Se aduce problema sub forma standard, dupa care se adauga
eventual o linie sau o coloana, astfel ncat problema sa e echilibrata.
Etapa 2
Etapa 2 Se determin a o solut ie admisibila de baza x cu una din metodele
din 2.2. Etapa 3
Etapa 3 Se determin a mult imea

B = (, i), x
i
> 0 si se rezolva
sistemul de ecuat ii
u
+v
i
= c
i
, (, i)

B.
Pentru solut ia sistemului w = ( u
1
, . . . , u
m
, v
1
, . . . , v
n
)
T
se calculeaza
c
i
= u
+ v
i
,
i
= c
i
c
i
, = 1 . . . m, i = 1 . . . n. Etapa 4
Etapa 4 a) Daca
i
0, = 1 . . . m, i = 1 . . . n, solut ia admisibila de
baza x este solut ie optima. STOP
b) Daca exist a (, j) astfel ncat
j
> 0, se determina (, h) astfel ncat
h
= max
j
. Etapa 5
j
> 0
Etapa 5 Se determina o noua solut ie admisibila de baza utilizand linia
poligonala asociata rutei (, h) si se trece la Etapa 3.
Pentru problemele de tip transport cu criteriu de maxim, algoritmul
de rezolvare este acelasi, cu modicarea Etapei 4:
Etapa 4 a) Daca
i
0, = 1 . . . m, i = 1 . . . n, solut ia admisibila de
baza x este solut ie optima. STOP
b) Daca exista (, j) astfel ncat
j
< 0, se determina (, h) astfel ncat
h
= min
j
. Etapa 5
j
< 0
Exemplul 5: Fie problema de transport data prin planul de transport
MIN 1 2 3 D
1 3 5 2 5
2 4 1 3 7
3 2 3 1 6
N 5 5 3 1318
Problema nu este echilibrata. Prin echilibrare se obt ine
MIN 1 2 3 4 D
3 5 2 0
1 5 0 0 0
5
4 1 3 0
2 0 5 2 0 7
2 3 1 0
3 0 0 1 5 6
N 5 5 3 5 1818
Mult imea B este B = (1, 1), (1, 4), (2, 2), (2, 3), (3, 3), (3, 4).
1 2 3 4 c
i
u

i
3 5 2 0
1 5 0 0 0
3 -1 1 0 3 0 -6 -1 0
4 1 3 0
2 0 5 2 0+ 5 1 3 2 5 1 0 0 2
2 3 1 0
3 0 0 1+ 5 3 -1 1 0 3 1 -4 0 0
v
i
0 -4 -2 -3
max1, 1, 2 = 2. Se determina o noua solut ie admisibila de baza uti-
lizand ruta (2,4). Ciclul asociat este c(2, 4) = (2, 4), (2, 3), (3, 3), (3, 4),
min2, 5 = 2.
1 2 3 4 c
i
u

i
3 5 2 0
1 5 0 0 0
+ 3 1 1 0 3 0 -4 -1 0
4 1 3 0
2 0 5 0 2 3 1 1 0 3 -1 0 -2 0
2 3 1 0
3 0+ 0 3 3 3 1 1 0 3 1 -2 0 0
v
i
0 -2 -2 3
Se determina o noua solut ie admisibila de baza utilizand ruta (3,1).
Ciclul asociat este c(3, 1) = (3, 1), (3, 4), (1, 4), (1, 1). min3, 5 = 3.
1 2 3 4 c
i
u

i
3 5 2 0
1 2 0 0 3 3 1 2 0 3 0 -4 0 0
4 1 3 0
2 0 5 0 2 3 1 2 0 3 -1 0 -1 0
2 3 1 0
3 3 0 3 0 2 0 1 -1 2 0 -3 0 -1
v
i
0 -2 -1 -3
Solut ia optima este
x
11
= 2, x
12
= 0, x
13
= 0, x
14
= 3,
x
21
= 0, x
22
= 5, x
23
= 0, x
24
= 2,
x
31
= 3, x
32
= 0, x
33
= 3, x
34
= 0
si valoarea optima este 3 2 + 1 5 + 2 3 + 1 3 = 20.
In problemele liniare de repartizare si transfer de fonduri se cere

repartizarea fondurilor de la creditori la debitori.

In astfel de prob-
leme creditorii urmaresc maximizarea protului, iar debitorii urmaresc
minimizarea sumelor pe care trebuie sa le ramburseze.
2.4 Exercit ii
1. Sa se rezolve problema de transport utilizand criteriul de maxim
Maxim 1 2 3 4 5 Disponibil
1 3 5 2 4 1 5
2 4 2 3 2 2 7
3 4 1 3 0 2 9
4 5 3 2 1 4 4
Necesar 5 7 3 5 4
2. Trei banci dispun de sume de bani pe care i pot mprumuta la
patru debitori. Disponibilul, necesarul precum si dobanzile cu care fac
mprumuturile sunt date de:
CreditorDebitor 1 2 3 4 Disponibil
1 3 5 7 6 7
2 2 7 4 3 10
3 6 2 4 6 3
Necesar 7 5 9 4
Sa se determine repartit ia sumei de bani din punct de vedere al:
a) creditorilor;
b) debitorilor.
3. Descriet i algoritmul potent ialelor pentru determinarea solut iilor op-
time multiple daca exista.
Capitolul 3
Elemente de teoria jocurilor
3.1 Not iuni introductive de teoria jocurilor
3.1.1 Conceptul matematic de joc
Teoria jocurilor este modelarea matematica a situat iilor de conict.
Prin situat ii de conict se nt eleg situat iile n care se ntlnesc doua
sau mai multe part i (indivizi, actori, rme, etc.) a caror activitate
urmareste un scop bine determinat si n care interesele part ilor sunt
contrarii. Pentru a putea efectua o analiza matematica a situat iei de
conict este necesar sa e neglijat i factorii secundari si sa se constru-
iasca un model simplicat. Acest model simplicat este numit joc. Un
joc comporta doua elemente fundamentale:
a) un proces constituit dintr-o succesiune de act iuni (mutari) execu-
tate, rand pe rand, de un numar nit de persoane numite jucatori (sau
parteneri), dupa anumite reguli care constituie caracteristicile jocului.
Un asemenea proces efectiv realizat se numeste partida.
b) o regula de repartit ie de valori ntre jucatori, care permite ecarui
jucator sa-si xeze ca scop realizarea unei valori cat mai mari.
Daca n este numarul jucatorilor (n 2), vom nota pentru ecare
i 1, . . . , n cu A
i
mult imea act iunilor care sunt la dispozit ia ecarui
jucator i. Fiecare alege cate o act iune x
i
A
i
, i 1, . . . , n, si
utilitatea act iunii (castigul) este data de f
i
: A
1
. . . A
n
R,
i = 1 . . . n. Problema ce se pune este cum sa aleaga jucatorul i act iunea
x
i
pentru ca sa obt ina un castig f
i
(x
1
, . . . , x
n
) maxim, t inand seama ca
95
96 CAPITOLUL 3. ELEMENTE DE TEORIA JOCURILOR
si ceilalt i jucatori urmaresc acelasi scop.
Jocurile pot clasicate dupa diferite criterii. Dupa numarul ju-
catorilor, exista jocuri cu doi jucatori, cu trei jucatori, etc. Numarul
jucatorilor nu coincide cu numarul persoanelor zice care participa la
joc deoarece acestea pot forma n timpul jocului coalit ii vremelnice sau
constante.
Un joc de n jucatori se numeste cu suma constanta daca
f
1
(x
1
, . . . , x
n
) +f
2
(x
1
, . . . , x
n
) +. . . +f
n
(x
1
, . . . , x
n
) = c,
oricare ar (x
1
, . . . , x
n
) A
1
. . . A
n
. Daca c = 0, jocul este cu
suma nula.
Jocurile n care mult imile A
1
, . . . , A
n
sunt nite se numesc jocuri
nite. Daca exista cel put in o mult ime A
i
, i 1, . . . , n care are o
innitate de elemente, jocul este numit innit.
O act iune x
i
A
i
se numeste libera daca poate utilizata n
orice moment al desfasurarii jocului de catre jucatorul i, si se numeste
aleatoare daca ea este aleasa dintre elementele lui A
i
cu ajutorul unui
mecanism aleator (zar, urna cu bile, ruleta, etc.). Astfel jocurile pot
libere sau aleatoare.
Jocurile pot clasicate dupa informat ia disponibila ecarui jucator.
Astfel exista jocuri cu informat ie completa cand ecare jucator cunoaste
ntreaga desfasurare a jocului atunci cand alege o anumita act iune si
jocuri cu informat ie incompleta. Situat iile de conict sunt caracterizate
prin necunoasterea act iunilor adversarilor.
Se numeste joc de n persoane obiectul matematic
= (A
1
, . . . , A
n
; f
1
, . . . , f
n
) unde A
i
,= , i = 1 . . . n si
f
i
: A
1
. . . A
n
R, i = 1 . . . n. Mult imile A
i
, i = 1 . . . n se numesc
strategiile (deciziile, act iunile) jucatorului i, si f
i
funct ia de castig a
jucatorului i.
O strategie a jocului de n persoane va notata prin
x = (x
1
, . . . , x
n
) A
1
. . . A
n
.
Se numeste punct de echilibru al jocului o strategie
x A
1
. . . A
n
, pentru care
f
i
( x) f
i
( x
1
, . . . , x
i1
, x
i
, x
i+1
, . . . , x
n
), i = 1 . . . n (3.1)
oricare ar strategia x
i
A
i
.
3.1. NOT IUNI INTRODUCTIVE DE TEORIA JOCURILOR 97
Not iunea de punct de echilibru are urmatoarea semnicat ie:
Obiectivul rat ional al ecarui jucator este maximizarea propriului
castig. Interesele celor n jucatori difera, apare deci greu de admis posi-
bilitatea rezolvarii situat iei de conict ntr-o maniera care sa le permita
tuturor atingerea obiectivelor proprii. Punctul x ce satisface (3.1) se
numeste punct Pareto maxim.

In cazul n care jucatorii nu coopereaza
este rat ional sa admitem ca nici un jucator nu se hazardeaza n act iuni
riscante, fara a analiza n prealabil si ripostele posibile ale adversarilor.
Punctul de echilibru desemneaza o strategie de la care nici un jucator
nu se poate abate fara a pierde. Rat iunea care l poate face pe jucatorul
i sa adere la strategia x este numai teama ca n caz contrar, alegand o
strategie x
i
diferita de cea indicata de punctul de echilibru, iar ceilalt i
n 1 jucatori ramanand deli strategiilor personale x
j
, j ,= i, castigul
sau va diminuat.
Problema existent ei punctului de echilibru constituie una din pre-
ocuparile fundamentale n teoria jocurilor.
3.1.2 Probleme ce se ncadreaza n teoria jocurilor
a) Jocul Piatra, Foarfeca, Hartia. La acest joc doi jucatori aleg,
simultan si secret, unul dintre cuvintele piatra (P), foarfeca (F), hartia
(H). Daca aleg acelasi cuvant jucatorii sunt la egalitate, iar daca aleg
cuvinte diferite castigul este stabilit dupa urmatoarea convent ie: Daca
se aleg cuvintele P si F, castiga jucatorul care a ales P, daca se aleg
cuvintele F si H, castiga jucatorul ce a ales F, iar daca se aleg cuvintele
H si P, castiga jucatorul ce a ales H.
La acest joc posibilitat ile de act iune sunt A
1
= P, F, H,
A
2
= P, F, H. Notand castigurile partidei cu 1, pierderea cu -1 si
egalitatea cu 0, funct iile de castig sunt date de tabelele:
jucator 2
F
1
P F H
jucator 1 P 0 1 1
F 1 0 1
H 1 1 0
jucator 2
F
2
P P H
jucator 1 P 0 1 1
F 1 0 1
H 1 0 1
sau
P F H
P (0, 0) (1, 1) (1, 1)
F (1, 1) (0, 0) (1, 1)
H (1, 1) (1, 1) (0, 0)
b) Doua rme cu prol identic au n vedere doua produse si pentru
ncercarea de a le lansa pe tert e piet e. Fiecare intent ioneaza sa ofere
spre vanzare un singur produs, acela care se va dovedi mai avantajos.
Sondajele preliminare indica proturi diferite pentru ambele rme n
funct ie de tipul produsului vandut. Castigurile celor doua rme sunt
date de tabelele de castig:
Castigul lui A
Strategia lui AStrategia lui B
15 8
10 0
Castigul lui B
Strategia lui AStrategia lui B
0 8
10 20
Daca A si B si aleg strategiile n mod independent, jocul este nu-
mit necooperativ, ndemnand rmele la o politica prudenta. Daca A
si B pot discuta n prealabil, adoptand de comun acord n urma unor
negocieri un plan de act iuni, jocul are un caracter cooperativ.
c) Trei rme A, B, C desfac pe o anumita piat a un acelasi produs,
ponderea ecareia n cifra totala a vanzarilor ind 45%, 35%, respectiv
20%.
3.2. JOCURI COMPETITIVE DE DOU
A PERSOANE 99
Exista posibilitatea ca prin coalizarea a doua rme cea de-a treia
sa e eliminata de pe piat a, vanzarile sale scazand la zero si ind pre-
luate de celelalte doua. Problema care se pune este de a determina
ce coalit ii sunt castigatoare, si n cadrul coalit iei cum se va mpart i
protul. Problema de mai sus se ncadreaza n jocuri de coalit ii.
3.2 Jocuri competitive de doua persoane
3.2.1 Puncte sa pentru jocuri competitive de doua
persoane. Solut ia unui joc competitiv
Se numeste joc competitiv de doua persoane n forma normala jocul
cu suma nula = (X, Y, F, G = F), unde X, Y sunt mult imile
strategiilor personale ale celor doi jucatori si F : X Y R funct ia
de castig a jocului sau funct ia de castig a primului jucator. Din denit ia
jocului competitiv rezulta ca cel de-al doilea jucator va avea funct ia de
castig G = F.
Pentru jocul competitiv de doua persoane = (X, Y, F) rezulta
ca daca ( x, y) X Y este un punct de echilibru, atunci ( x, y) este
un punct sa pentru funct ia F.

Intr-adevar, din denit ia punctului de
echilibru avem
F( x, y) F(x, y) x X (3.2)
F( x, y) F( x, y) y Y.
Din (3.2) rezulta
F(x, y) F( x, y) F( x, y), x X, y Y. (3.3)
Relat ia (3.3) arata ca ( x, y) este punct sa pentru F.
In cele ce urmeaza vom presupune ca simbolurile max, min au

sens pentru mult imile si funct iile considerate.
Semnicat ia punctului sa este relevata de raspunsul la ntrebarea ce
nseamna comportarea optima a ambilor jucatori.
Jocul ind competitiv, alegand o strategie x X primul jucator nu
poate sigur a priori decat de un castig egal cu
min F(x, y).
y Y
O comportare optima a sa se reecta n alegerea acelei strategii x X
care poate sa-i garanteze maximul dintre castigurile precedente, putand
astfel conta pe cel put in
v
1
= min F( x, y) = max min F(x, y).
y Y x X y Y
(3.4)
Modalitatea de alegere a deciziei prin (3.4) reprezinta comportarea op-
tima a unui jucator, cautand sa puna de acord dorint a de maximizare
cu politica de prudent a dictata de teama fat a de act iunile posibile ale
adversarului.
Repetand rat ionamentul pentru al doilea jucator cu funct ia de castig
G = F, principiul de mai sus numit principiul max-min conduce la
v
2
= min G(x, y) = max min G(x, y) =
x X y Y x X
= max min (F(x, y)) = min max F(x, y).
y Y x X y Y x X
Astfel castigul primului jucator va cel mult
v
2
= min max F(x, y).
y Y x X
(3.5)
Propozit ia 3.1 Are loc:
v
1
= max min F(x, y) min max F(x, y) = v
2
.
x X y Y y Y x X
(3.6)
Demonstrat ie Pentru orice x X, y Y are loc
min F(x, y) F(x, y) max F(x, y).
y Y x X
(3.7)
Deoarece x este arbitrar, rezulta
v
1
= max min F(x, y) max F(x, y), y Y.
x X y Y x X
(3.8)
A PERSOANE 101
Deoarece membrul stang al lui (3.8) nu depinde de y, rezulta
v
1
= max min F(x, y) min max F(x, y) = v
2
.
x X y Y y Y x X
Din (3.6) rezulta ca daca jucatorii si aleg strategiile n conformitate cu
principiul max-min, castigul primului jucator va avea o valoare ntre
v
1
si v
2
si al celui de-al doilea juc ator ntre v
2
si v
1
. Daca primul
jucator se abate de la aceasta strategie, atunci castigul sau poate mai
mic ca v
1
, iar daca al doilea jucator se abate de la aceeasi strategie,
castigul primului jucator poate depasi v
2
.
Teorema 3.1 (John von Neumann) O condit ie necesara si sucienta
pentru ca
v
1
= max min F(x, y) = min max F(x, y) = v
2
x X y Y y Y x X
(3.9)
este ca F sa admita un punct sa. Daca ( x, y) X Y este un punct
sa al lui F, atunci
F( x, y) = v = v
1
= v
2
. (3.10)
Demonstrat ie Daca v
1
= v
2
= v, atunci exista ( x, y) X Y astfel
ncat
F(x, y) v F( x, y) x X, y Y (3.11)
si v = F( x, y).

Intr-adevar, e ( x, y) X Y strategii determinate cu
principiul max-min. Atunci
max F(x, y) = v
2
= v = v
1
= min F( x, y).
x X y Y
(3.12)
Pentru (x, y) X Y arbitrar are loc
F(x, y) max F(x, y), F( x, y) min F( x, y).
x X y Y
(3.13)
F(x, y) v F( x, y) x X, y Y. (3.14)
Luand x = x si apoi y = y, rezulta
F( x, y) v, F( x, y) v
si astfel rezulta (3.11).
Daca exista ( x, y) X Y si v astfel ncat
F(x, y) v F( x, y) x X, y Y, (3.15)
atunci v = v
1
= v
2
.

Intr-adevar, din (3.15) rezulta
max F(x, y) v, min F( x, y) v.
x X y Y
(3.16)
Din (3.16) rezulta
v
2
= min max F(x, y) v, v
1
= max min F(x, y) v.
y Y x X x X y Y
Deoarece v
1
v
2
, rezulta v
1
= v
2
= v.
Se numeste solut ie a jocului competitiv = (X, Y, F) mult imea
punctelor de echilibru c.
Propozit ia 3.2 Daca (x
0
, y
0
), (x
1
, y
1
) c si (x
0
, y
0
) ,= (x
1
, y
1
), atunci
(x
0
, y
1
), (x
1
, y
0
) c.
Demonstrat ie Deoarece (x
0
, y
0
) c, rezulta
F(x, y
0
) F(x
0
, y
0
) F(x
0
, y), x X, y Y. (3.17)
Punand y = y
1
rezulta
F(x
0
, y
0
) F(x
0
, y
1
).
Deoarece (x
1
, y
1
) c, rezulta
F(x, y
1
) F(x
1
, y
1
) F(x
1
, y), x X, y Y. (3.18)
A PERSOANE 103
Pun and x = x
0
rezulta
F(x
0
, y
1
) F(x
1
, y
1
).
Deoarece F(x
0
, y
0
) = F(x
1
, y
1
) = v, rezulta
F(x
0
, y
1
) = v = F(x
0
, y
0
) = F(x
1
, y
1
). (3.19)
Inlocuind n (3.17) pe F(x

0
, y
0
) cu F(x
0
, y
1
) si n (3.18) pe F(x
1
, y
1
)
cu F(x
0
, y
1
), rezulta
F(x, y
1
) F(x
0
, y
1
) F(x
0
, y), x X, y Y
si deci (x
0
, y
1
) c. Un rat ionament analog conduce la (x
1
, y
0
) c.
Propozit ia 3.3 Fie jocurile competitive = (X, Y, F) si
= (X, Y, F
)
cu F
(x, y) = F(x, y) +a, unde a R, xat. Solut iile celor doua jocuri
coincid si valorile v, v
ale jocurilor satisfac relat ia v
= v +a.
Demonstrat ie Fie ( x, y) c. Atunci
F(x, y) F( x, y) F( x, y), x X, y Y.
Rezulta
F
(x, y) = F(x, y) +a F
( x, y) = F( x, y) +a F
( x, y) = F( x, y) +a
pentru orice x X, y Y . Deci ( x, y) c
si v
= v +a.
3.2.2 Jocuri competitive de doua persoane cu un
numar nit de strategii
Se numeste joc competitiv de doua persoane cu un numar nit de strate-
gii jocul = (X, Y, F), unde X = 1, 2, . . . , m, Y = 1, 2, . . . , n.
Un astfel de joc se numeste joc matricial cu suma nula, caci funct ia
F : X Y R este denita daca se cunoaste matricea A = (a
i
),
unde
F : (, i) X Y F(, i) = a
i
R.
Vom nota un astfel de joc prin = (X, Y, A). Pentru acest joc o pereche
de strategii (
0
, i
0
) constituie un punct de echilibru al jocului daca si
numai daca
a
i
0
= F(, i
0
) F(
0
, i
0
) = a
0
i
0
F(
0
, i) = a
0
i
, X, i Y. (3.20)
Utilizand Teorema 3.1 rezulta ca un joc matricial nu are punct de
echilibru, daca nu are punct sa adica v
1
< v
2
. Pentru jocuri matriciale
rezulta
v
1
= max min a
i
= 1 . . . m i = 1 . . . n
v
2
= min max a
i
.
i = 1 . . . n = 1 . . . m
Pentru jocul matricial dat prin matricea A obt inem
A =
min
3 1 0 1
1 2 -1 -1
-1 2 1 -1 max
0 1 3 0 1 = v
1
max min
3 2 3 2 = v
2
adica v
1
< v
2
, si deci nu exista o pereche de decizii (
0
, i
0
) astfel ncat
sa e vericata relat ia (3.20).
Un rezultat fundamental stabilit de J. von Neumann atesta existent a
echilibrului unui joc matricial cu suma nula, utilizand conceptul de
strategie aleatoare ce confera jucatorilor probabilitatea de nedeterminare
a alegerii strategiilor. Strategia aleatoare are semnicat ia unui plan de
act iune a priori care mbina mai multe strategii personale numite
strategii pure.
Se numeste strategie mixta a primului jucator un vector p R
m
cu
p 0,

m
=1
p
= 1. Se numeste strategie mixta a celui de-al doilea

jucator un vector q R
n
cu q 0,

n
i=1
q
i
= 1. Notam simplexele
strategiilor mixte prin:
A PERSOANE 105
S
1
= p R
m
, p 0,
m
=1
p
= 1 (3.21)
S
2
= q R
n
, q 0,
n
i=1
q
i
= 1.
Se numeste castigul mediu al primului jucator
T(p, q) =
m
=1
n
i=1
p
a
i
q
i
= p
T
Aq, p S
1
, q S
2
. (3.22)
Se numeste extensia aleatoare a jocului = (X, Y, A) tripletul
= (S
1
, S
2
, T), unde S
1
, S
2
sunt date de (3.21) si T : S
1
S
2
R
este data de (3.22). Un punct de echilibru al jocului

se numeste
solut ia aleatoare a jocului .
Teorema 3.2 (Teorema min-max a lui John von Neumann)
Orice joc matricial cu suma nula admite cel put in un punct de echilibru
format din strategii mixte.
Demonstrat ie Fara a restange generalitatea (Propozit ia 3.3) vom con-
sidera matricea de castig A = (a
i
) cu a
i
> 0, = 1 . . . m, i = 1 . . . n.
Asociem jocului perechea de probleme de optimizare liniara
(T
c
)
_
_
_
min(
m
=1
x
m
=1
a
i
x
1, i = 1 . . . n
x
0
(T
c
)
_
_
_
max(
n
i=1
y
i
)
n
i=1
a
i
y
i
1, = 1 . . . m
y
i
0
(3.23)
Problemele (T
c
) si (T
c
) sunt duale si, conform teoremelor de dualitate,
daca una dintre ele admite solut ii optime atunci si cealalta problema
are solut ii optime.
Problema (T
c
) are solut ie admisibila si mult imea solut iilor admisi-
bile este marginita.

Intr-adevar deoarece a
i
> 0, = 1 . . . m,
i = 1 . . . n, rezulta
y
i

1
a
i
j=1,j=i
a
j
a
i
y
j

1
a
i
, = 1 . . . m, i = 1 . . . n,
ceea ce dovedeste ca orice solut ie admisibila are componentele marginite.
Fie x, y solut ii optime ale problemelor (T
c
) si (T
c
) si u =

m
=1
x
=
=

n
i=1
y
i
. Din (T
c
) rezulta u > 0 si v =
1
u
> 0. Fie p = ( p
1
, . . . , p
m
)
T
,
q = ( q
1
, . . . , q
n
)
T
, unde
p
= v x
, = 1 . . . m, q
i
= v y
i
, i = 1 . . . n. (3.24)
Din (3.24) rezulta p S
1
, q S
2
, iar din (3.23) rezulta
n
i=1
a
i
q
i
v
m
=1
a
i
p
, = 1 . . . m, i = 1 . . . n. (3.25)
Fie p S
1
, q S
2
n
i=1
m
=1
a
i
q
i
p
v
m
=1
p
= v (3.26)
n
i=1
m
=1
a
i
q
i
p
v
n
i=1
q
i
= v.
Astfel
T(p, q) v T( p, q) p S
1
, q S
2
. (3.27)
Din (3.27) rezulta v = T( p, q), si astfel ( p, q) este punct de echilibru
pentru jocul extins

.
Din Teorema 3.1 rezulta ca orice pereche de solut ii optime ale prob-
lemelor (T
c
) si (T
c
) determina un punct de echilibru al jocului

. Re-
ciproc, un punct de echilibru format din strategii mixte determina o
pereche de solut ii optime ale perechii de probleme (3.23).

Intr-adevar,
e ( p, q) S
1
S
2
un punct de echilibru al jocului extins

si
x =
1
v
p, y =
1
v
q. (3.28)
Din condit ia de echilibru
T(p, q) T( p, q) T( p, q), p S
1
, q S
2
(3.29)
alegand n locul strategiei P strategia pura
e
= (0, . . . , 1 , 0, . . . , 0)
T
A PERSOANE 107
si n locul strategiei q strategia pura
e
i
= (0, . . . , 1 , 0, . . . , 0)
T
i
rezulta
m
=1
a
i
x
1, i = 1 . . . n (3.30)
n
i=1
a
i
y
i
1, = 1 . . . m.
Relat iile (3.30) arata ca x si y sunt solut ii admisibile pentru problemele
(T
c
) si (T
c
). Deoarece

m
=1
x
=

n
i=1
y
i
, rezulta, din proprietat ile a
doua probleme duale, ca x si y sunt solut ii optime ale problemelor (T
c
)
si (T
c
).
Fie = (X, Y, A) un joc matricial cu suma nula. Strategia X
domina strategia X daca a
i
a
i
, i = 1 . . . n, si pentru cel
put in un i, a
i
> a
i
. Strategia i Y domina strategia j Y daca
a
i
a
j
, = 1 . . . m, si pentru cel put in un , a
i
< a
j
.
Din principiul max-min rezulta ca deciziile dominate nu vor
luate de catre jucatori. Eliminarea deciziilor dominate, daca exista,
conduce la matricea jocului cu un numar mai mic de linii si coloane.
Algoritm pentru rezolvarea unui joc matricial cu suma nula
Se da matricea jocului A = (a
i
).
Etapa 1 Se elimina strategiile (pure) dominate. Se trece la Etapa 2.
v
1
= max min a
i
, v
2
= min max a
i
.
= 1 . . . m i = 1 . . . n i = 1 . . . n = 1 . . . m
Se trece la Etapa 3.
Etapa 3 a) Daca v
1
= v
2
, STOP. Se trece la Etapa nala.
b) Daca v
1
< v
2
, se trece la Etapa 4.
Etapa 4 a) Daca v
1
< 0, se aduna la elementele matricii numarul k +1,
unde k = max[a
i
[, a
i
< 0. Se trece la Etapa 5.
b) Daca v
1
Etapa 5 Se rezolva problemele
_
_
min
m
=1
x
m
=1
a
i
x
1, i = 1 . . . n
x
0, = 1 . . . m
_
_
max
n
i=1
y
i
n
i=1
a
i
y
i
1, = 1 . . . m
y
i
0, i = 1 . . . n
Fie x, y solut iile optime si u =

m
=1
x
. Se trece la Etapa nala.

Etapa nala a) Daca v
1
= v
2
+ a
0
i
0
, solut ia jocului este (
0
, i
0
), iar
valoarea jocului este a
0
i
0
.
b) Daca v
1
< v
2
, solut ia jocului este p = ( p
), q = ( q
i
), unde
p
=
x
u
, = 1 . . . m, q
i
=
y
i
u
, i = 1 . . . n.
Exemplu: Sa se rezolve jocul matricial cu suma nula dat de matricea
A =
1 2 3 4
1 1 -1 -2 2
2 3 0 2 4
3 4 5 1 5
4 2 3 -1 3
Se observa ca decizia a doua a primului jucator (linia a 2-a a ma-
tricii A) domina decizia 1, iar decizia a 4-a a celui de-al doilea jucator
(coloana a 4-a a matricii A) este dominata de decizia a doua. Se obt ine
astfel matricea redusa
A
=
min
2 3
1 0 2 0 max
2 5 1 1 1 = v
1
max min
5 2 2 = v
2
Rezulta v
1
= 1, v
2
= 2. Asociem problemele
(T
c
)
_
_
min(x
1
+x
2
)
5x
2
1
2x
1
+x
2
1
x
1
0, x
2
0
(T
c
)
_
_
max(y
2
+y
3
)
2y
3
1
5y
2
+y
3
1
y
2
0, y
3
0.
A PERSOANE 109
Rezolvand (T
c
) cu algoritmul simplex obt inem:
max 1 1 0 0
VB VVB a
2
a
3
a
4
a
5
z
i
c
i
0 -1 -1 0 0
0 a
4
1 0 2 1 0
0 a
5
1 5 1 0 1
1/5 0 -4/5 0 1/5
0 a
4
1 0 2 1 0
1 a
2
1/5 1 1/5 0 1/5
3/5 0 0 2/5 1/5
1 a
3
1/2 0 1 1/2 0
1 a
2
1/10 1 0 -1/10 1/5
Solut ia problemei (T
c
) este y
2
= 1/10, y
3
= 1/2, iar a problemei (T
c
)
este x
1
= 2/5, x
2
= 2/5 si u = 3/5. Solut ia jocului este ( p, q), unde
p
1
=
2
3
, p
2
=
1
3
, p
3
= 0,
q
1
= 0, q
2
=
1
6
, q
3
=
5
6
.
3.2.3 Jocuri nite de doua persoane cu suma necon-
stanta
Se numeste joc nit de doua persoane cu suma neconstanta jocul
= (X, Y, F, G), unde X = 1, . . . , m, Y = 1, . . . , n si
F : X Y R, G : X Y R sunt date de matricile A = (a
i
),
B = (b
i
) cu proprietatea ca ,k R astfel ncat
a
i
+b
i
= k = 1 . . . m, i = 1 . . . n.
Un astfel de joc se mai numeste joc bimatricial si se noteaz a prin
perechea (A, B).
Conform denit iei punctului de echilibru al unui joc de n persoane,
o pereche de strategii mixte ( p, q) S
1
S
2
este punct de echilibru al
jocului bimatricial daca
p
T
A q p
T
A q, p
T
Bq p
T
B q, (3.31)
pentru orice p S
1
si q S
2
.
Teorema 3.3 (Nash) Orice joc bimatricial are cel put in un punct de
echilibru.
Demonstrat ie Fie (p, q) S
1
S
2
si
c
= max
n
i=1
a
i
q
i
=1
n
i=1
p
a
i
q
i
, 0 (3.32)
d
i
= max
m
=1
b
i
p
=1
n
i=1
p
b
i
q
i
, 0
si aplicat ia T : S
1
S
2
S
1
S
2
, T(p, q) = (p
, q
) data de
p
=
p
+c
1 +
m
=1
c
, q
i
=
q
i
+d
i
1 +
n
i=1
d
i
. (3.33)
Aplicat ia T data prin (3.33) este corect denita caci
m
=1
p
m
=1
p
m
=1
c
1 +
m
=1
c
= 1,
n
i=1
q
i
=
n
i=1
q
i
+
n
i=1
d
i
1 +
n
i=1
d
i
= 1
si T este continua. Aratam ca (p, q) este punct de echilibru al jocului
bimatricial daca si numai daca T(p, q) = (p, q), adica (p, q) este punct
x pentru aplicat ia T.
Daca (p, q) este punct de echilibru al jocului bimatricial, atunci
n
i=1
a
i
q
i

m
=1
n
i=1
p
a
i
q
i
, = 1 . . . m (3.34)
m
=1
b
i
p
=1
n
i=1
p
b
i
q
i
, i = 1 . . . n
si din (3.32) rezulta c
= 0, = 1 . . . m, d
i
= 0, i = 1 . . . n. Din (3.33)
rezulta p
= p
, q
i
= q
i
, si deci T(p, q) = (p, q).
Pentru implicat ia inversa, sa presupunem ca (p, q) nu este punct
de echilibru, adica e exista p astfel ncat p
T
Aq > p
T
Aq, e exista q
astfel ncat p
T
B q > p
T
Bq. Studiem prima situat ie, cea de a doua ind
similara cu prima. Exista 1, . . . , m astfel ncat
A PERSOANE 111
n
i=1
a
i
q
i
> p
T
Aq. Deci c
> 0 si astfel

m
=1
c
> 0. Exista
1, . . . , m astfel ca p
> 0 si

n
i=1
a
i
q
i
p
T
Aq. Pentru acest
avem c
= 0 si deci
p
=
p
1 +
m
=1
c
< p
.
Prin urmare p ,= p.

In a doua situat ie rezulta q ,= q si deci
T(p, q) = ( p, q) ,= (p, q).
Deoarece T este continua, rezulta conform teoremei de punct x
a lui Brouwer ca T are un punct x. Acest punct x este punct de
echilibru pentru jocul bimatricial.
Propozit ia 3.4 Fie jocul bimatricial A = (a
i
), B = (b
i
), cu
a
i
> 0, b
i
> 0, = 1 . . . m, i = 1 . . . n (ipoteza nerestrictiva).
Perechea (p, q) S
1
S
2
este punct de echilibru daca si numai daca
exista x R
m
, y R
n
, x ,= 0, y ,= 0 astfel ncat
1)

m
=1
a
i
x
1, i = 1 . . . n
2) x
0, = 1 . . . m
3)

n
i=1
a
i
y
i
1, = 1 . . . m
4) y
i
0, i = 1 . . . n
5)

n
i=1
(
m
=1
b
i
x
1)y
i
= 0
6)

m
=1
(
n
i=1
a
i
y
i
1)x
= 0.
(3.35)
Intre (p, q) si (x, y) au loc relat iile

x
=
1
p
T
Bq
p
, y
i
=
1
p
T
Aq
q
i
(3.36)
p
=
x
m
=1
x
, q
i
=
y
i
n
i=1
y
i
.
Demonstrat ie Fie (p, q) S
1
S
2
un punct de echilibru. Deoarece
a
i
> 0, b
i
> 0, = 1 . . . m, i = 1 . . . n, rezulta p
T
Aq > 0, p
T
Bq > 0.
Astfel (x, y) dat i de (3.36) satisfac relat iile x 0, y 0. Din faptul ca
(p, q) este punct de echilibru, rezulta
p
T
Aq
n
i=1
a
i
q
i
, 1, . . . , m (3.37)
p
T
Bq
m
=1
b
i
p
, i 1, . . . , n.
Pentru (x, y) dat i de (3.36) rezulta
n
i=1
a
i
y
i
1, = 1 . . . m (3.38)
y
i
0, i = 1 . . . n
m
=1
b
i
x
1, i = 1 . . . n
x
0, = 1 . . . m
ce reprezinta 1), 2), 3), 4) din (3.35). Din (3.38) rezulta 5), 6) din
(3.35).
Reciproc, e x ,= 0, y ,= 0, ce satisfac (3.35) si p, q dat i de (3.36).
Rezulta (p, q) S
1
S
2
si
p
T
Aq =
1
m
=1
x
n
i=1
y
i
x
T
Ay =
m
=1
x
m
=1
x
n
i=1
y
i
=
1
n
i=1
y
i
(3.39)
p
T
Bq =
1
m
=1
x
.
Din (3.35) 3), (3.35) 1) si (3.39) rezulta
n
i=1
a
i
q
i

1
n
i=1
y
i
= p
T
Aq, = 1 . . . m
m
=1
b
i
p
m
=1
x
= p
T
Aq, i = 1 . . . n
ceea ce demonstreaza ca (p, q) este punct de echilibru.
3.3. JOCURI COOPERATIVE DE DOU
A PERSOANE 113
3.3 Jocuri cooperative de doua persoane
O situat ie competitiva poate clasata n categoria celor cooperative
daca sunt ndeplinite cateva condit ii indispensabile:
a) jucatorii au posibilitatea de a comunica ntre ei nainte de a
act iona
b) regulile jocului creeaza premizele cooperarii, nesituandu-i pe ju-
catori pe pozit ii net antagoniste
c) jucatorii doresc sa coopereze, adica sa act ioneze pe baza unui
plan comun, daca acesta le ofera avantaje reciproce.
Cooperarea este rezultatul consultarilor prealabile ale jucatorilor,
al unor negocieri, purtate uneori de pe pozit ii de fort a, ind totusi
vorba de situat ii de competit ie, n cursul carora se ajunge la unele
compromisuri dictate de rat ionalitatea atitudinii participant ilor.
Comportarea rat ionala a unui jucator n cadrul jocului cooperativ
are componentele:
a) rat ionalitatea individuala care presupune xarea unor obiective
minimale proprii si capacitatea de a discerne caile cele mai adecvate
pentru atingerea lor
b) rat ionalitatea colectiva care reecta dorint a jucatorilor de a ac-
t iona n favoarea ntregului grup cu care a convenit sa coopereze,
3.3.1 Jocuri cooperative fara plat i interpersonale
Se numeste joc cooperativ fara plat i interpersonale jocul cooperativ n
care castigurile jucatorilor sunt strict determinate de funct iile personale
de castig.
Fie jocul nit = (X, Y, A, B), unde X = 1, . . . , m, Y = 1, . . . , n
si A = (a
i
), B = (b
i
), = 1 . . . m, i = 1 . . . n. Presupunerea ca cei
doi jucatori coopereaza conduce la faptul ca o strategie mixta (pura)
va stabilita n comun, si va numita strategie de cooperare.
Se numeste strategie de cooperare a jocului un vector p R
mn
astfel ncat
p = (p
i
) 0,
m
=1
n
i=1
p
i
= 1.
Mult imea strategiilor de cooperare este mult imea
P = p R
mn
, p 0,
m
=1
n
i=1
p
i
= 1. (3.40)
Castigurile medii asteptate de cei doi jucatori n cazul adoptarii strate-
giei de cooperare p sunt
T
1
(p) =
m
=1
n
i=1
a
i
p
i
, T
2
(p) =
m
=1
n
i=1
b
i
p
i
. (3.41)
Se numeste mult ime admisibila a jocului cooperativ mult imea
U = (u
1
, u
2
) R
2
, u
1
= T
1
(p), u
2
= T
2
(p), p P. (3.42)
Propozit ia 3.5 a) Mult imea U este mult ime convexa si compacta n
R
2
.
b) Mult imea U este nvelitoarea convexa a punctelor M
i
, = 1 . . . m,
i = 1 . . . n cu coordonatele (a
i
, b
i
).
c) Mult imea U cont ine punctul (v
1
, v
2
) cu
v
1
= max min T
1
(s
1
, s
2
)
s
1
S
1
s
2
S
2
(3.43)
v
2
= max min T
2
(s
1
, s
2
)
s
2
S
2
s
1
S
1
unde
S
1
= s
1
R
m
, s
1
0,
m
=1
s
1
= 1
S
2
= s
2
R
n
, s
2
0,
n
i=1
s
i
2
= 1
si
T
1
(s
1
, s
2
) =
n
i=1
m
=1
s
1
s
2
i
a
i
, T
2
(s
1
, s
2
) =
n
i=1
m
=1
s
1
s
2
i
b
i
.
Demonstrat ie Din (3.42) rezulta ca U este mult ime convexa si com-
pacta n R
2
. Deoarece
p = (0, . . . , 1 , . . . , 0)
T
P,
i
A PERSOANE 115
rezulta ca m
i
(a
i
, b
i
) U, = 1 . . . m, i = 1 . . . n. Deoarece
p = (p
i
), cu p
i
= s
1
s
2
i
este un element al lui P, rezulta ca (v
1
, v
2
) U.
Din Propozit ia 3.5 rezulta ca punctul ( v
1
, v
2
) U, unde
v
1
= max min a
i
= 1 . . . m i = 1 . . . n
(3.44)
v
2
= max min b
i
.
i = 1 . . . n = 1 . . . m
Un joc cooperativ de doua persoane este reprezentat prin dubletul
= U, (v
1
, v
2
), unde U este dat de (3.42) si v
1
, v
2
sunt date de (3.43)
sau de (3.44).
Prezent a perechii (v
1
, v
2
) este esent iala, reprezentand puterile indi-
viduale ale jucatorilor implicat i n competit ie.
Fie u = (u
1
, u
2
), u
= (u
1
, u
2
) doua puncte din U. Spunem ca u
domina pe u, daca u
1
u
1
, u
2
u
2
si u
,= u. Relat ia de dominare va
notata prin u
> u.
Se numeste solut ie a jocului cooperativ = U, (v
1
, v
2
) submult imea
S U, data de:
S = u = (u
1
, u
2
) U, (u
1
, u
2
) > (v
1
, v
2
), si ,u
U, u
> u.
Solut ia jocului cooperativ se numeste solut ie de cooperare si reecta
rat ionalitatea individuala si rat ionalitatea colectiva.
Propozit ia 3.6 Solut ia unui joc cooperativ este mult ime nevida.
Demonstrat ie Deoarece jocul este nit, admite cel put in un punct
de echilibru s
1
, s
2
. Fie p = ( p
i
), cu p
i
= s
1
s
2
i
si u = ( u
1
, u
2
) cu
u
1
= T
1
( p), u
2
= T
2
( p). Din denit ia punctului de echilibru rezulta
u
1
T
1
(s
1
, s
2
), u
2
T
2
( s
1
, s
2
), s
1
S
1
, s
2
S
2
.
Deci
u
1
min T
1
(s
1
, s
2
), u
2
min T(s
1
, s
2
)
s
2
S
2
s
1
S
1
si cum s
1
, s
2
sunt arbitrare rezulta
u
1
max min T
1
(s
1
, s
2
) = v
1
,
s
1
S
1
s
2
S
2
u
2
max min T
2
(s
1
, s
2
) = v
2
.
s
2
S
2
s
1
S
1
Astfel u = ( u
1
, u
2
) (v
1
, v
2
). Fie V = u = (u
1
, u
2
)[u
1
v
1
, u
2
v
2
.
Rezulta U V ,= si U V este mult ime convexa. Fie a
1
> 0, a
2
> 0 si
f : U V R , data de f(u) = a
1
u
1
+a
2
u
2
. Deoarece f este continua
si U V este mult ime compacta rezulta ca f si atinge maximul n
u
0
= (u
0
1
, u
0
2
) U V . Aratam ca u
0
S. Daca, prin absurd, exista
u
= (u
1
, u
2
) U astfel ca u
> u
0
, rezulta u
U V si
f(u
) = a
1
u
1
+a
2
u
2
> a
1
u
0
1
+a
2
u
0
2
= f(u
0
),
ceea ce contrazice alegerea lui u
0
.
Se numeste solut ie a negocierilor o aplicat ie care asociaza jocului
= U, (v
1
, v
2
) un punct ( u
1
, u
2
) U notat prin
( u
1
u
2
) =
U
(v
1
, v
2
).
Aplicat ia se determina utilizand axiomele lui John Nash ce reecta
personalitatea si abilitatea de negociere a ecarui jucator.
Axiomele lui Nash sunt urmatoarele:
N
1

U
(v
1
, v
2
) (v
1
, v
2
) (rat ionalitatea individuala)
N
2

U
(v
1
, v
2
) U (admisibilitatea)
N
3
Daca (u
1
, u
2
) U si (u
1
, u
2
)
U
(v
1
, v
2
) = ( u
1
, u
2
), atunci
(u
1
, u
2
) = ( u
1
, u
2
) (optimalitatea Pareto)
N
4
Daca ( u
1
, u
2
) T U si
U
(v
1
, v
2
) = ( u
1
, u
2
), atunci
T
(v
1
, v
2
) = ( u
1
, u
2
) (independent a fat a de alternative nesemnicative)
N
5
Daca L : R
2
R
2
este aplicat ia ana
L(u
1
, u
2
) = (a
1
u
1
+b
1
, a
2
u
2
+b
2
), a
1
,= 0, a
2
,= 0
A PERSOANE 117
si T = L(U), atunci
L(U)
(a
1
v
1
+b
1
, a
2
v
2
+b
2
) = L( u
1
, u
2
)
(independent a fat a de transformari ane)
N
6
Daca U este simetrica fat a de prima bisectoare a reperului ortogo-
nal din R
2
, si daca v
1
= v
2
si (v
1
, v
2
) = ( u
1
, u
2
), atunci u
1
= u
2
.
Aratam ca exista o unica funct ie ce satisface axiomele N
1
N
6
stabilind urmatoarele propozit ii.
Propozit ia 3.7 Daca exista (u
1
, u
2
) U astfel ca u
1
> v
1
, u
2
> v
2
,
atunci exista un unic punct ( u
1
, u
2
) U ce maximizeaza funct ia
g(u
1
, u
2
) = (u
1
v
1
)(u
2
v
2
) (3.45)
pe mult imea N = (u
1
, u
2
) U, (u
1
, u
2
) (v
1
, v
2
).
Demonstrat ie Mult imea N este compacta. Funct ia g este continua,
deci si atinge maximul M pe N. Presupunem ca ar exista doua puncte
distincte (u
1
, u
2
), (u
1
, u
2
) N ce maximizeaza funct ia g. Deoarece
M > 0, nu se poate ca u
1
= u
1
, caci ar rezulta si u
2
= u
2
si punctele
ar coincide. Sa presupunem ca u
1
< u
2
. Din (u
1
u
1
)(u
2
u
2
) =
= (u
1
u
1
)(u
2
u
2
) rezulta u
2
> u
2
. Fie
u
1
=
u
1
+u
1
2
, u
2
=
u
2
+u
2
2
.
Deoarece N este convexa, rezulta ( u
1
, u
2
) N si
g( u
1
, u
2
) =
(u
1
v
1
)(u
2
v
2
)
2
+
(u
1
v
1
)(u
2
v
2
)
2

(u
1
u
1
)(u
2
u
2
)
4
> M.
Deci se obt ine contradict ia cu faptul ca M este valoarea maxima. Astfel
punctul ( u
1
, u
2
) este unic.
Propozit ia 3.8 Fie N, ( u
1
, u
2
) ca n Propozit ia 3.7 si h : N R,
data prin
h(u
1
, u
2
) = ( u
1
v
1
)u
2
+ ( u
2
v
2
)u
1
. (3.46)
Are loc
h(u
1
, u
2
) h( u
1
, u
2
), (u
1
, u
2
) N.
Demonstrat ie Presupunem ca exista (u
1
, u
2
) N astfel ca
h(u
1
, u
2
) > h( u
1
, u
2
). Pentru (0, 1) e
u
1
= u
1
+(u
1
u
1
), u
2
= u
2
+(u
2
u
2
).
Deoarece N este mult ime convexa, rezulta (u
1
, u
2
) N. Deoarece h
este liniara rezulta h(u
1
u
1
, u
2
u
2
) > 0. Astfel
g(u
1
, u
2
) = g( u
1
, u
2
) +h(u
1
u
1
, u
2
u
2
) +
2
(u
1
u
1
)(u
2
u
2
).
Pentru sucient de mic rezulta g(u
1
, u
2
) > g( u
1
, u
2
), ceea ce contrazice
maximalitatea lui g( u
1
, u
2
).
Teorema 3.4 (Nash) Exista o unica aplicat ie denita pentru orice
problema de negociere S, (v
1
, v
2
) ce satisface axiomele N
1
N
6
.
Demonstrat ie Presupunem ca ipotezele Propozit iei 3.7 sunt vericate
si e ( u
1
, u
2
) punctul ce maximizeaza funct ia g(u
1
, u
2
) pe N. Punc-
tul ( u
1
, u
2
) verica axiomele N
1
N
6
. Din construct ia lui ( u
1
, u
2
)
sunt vericate axiomele N
1
si N
2
. Deoarece din (u
1
, u
2
) ( u
1
, u
2
) si
(u
1
, u
2
) ,= ( u
1
, u
2
) ar rezulta g(u
1
, u
2
) > g( u
1
, u
2
) ceea ce ar contrazice
faptul ca ( u
1
, u
2
) este punct de maxim, rezulta ca are loc N
3
. Deoarece
( u
1
, u
2
) maximizeaza pe g(u
1
, u
2
) pe N, el maximizeaza aceasta funct ie
pe orice mult ime T N cu ( u
1
, u
2
) T, deci este satisfacuta N
4
. Punc-
tul ( u
1
, u
2
) satisface si N
5
caci notand u
1
= a
1
u
1
+ b
1
, u
2
= a
2
u
2
+ b
2
obt inem:
g
(u
1
, u
2
) = [u
1
(a
1
v
1
+b
1
)][u
2
(a
2
v
2
+b
2
)] = a
1
a
2
g(u
1
, u
2
).
Astfel daca ( u
1
, u
2
) maximizeaza g(u
1
, u
2
), atunci ( u
1
, u
2
) maximizeaza
g
(u
1
, u
2
). Daca N este simetrica n raport cu prima bisectoare a axelor
de coordonate si v
1
= v
2
rezulta ( u
2
, u
1
) N si g( u
1
, u
2
) = g( u
2
, u
1
).
A PERSOANE 119
Deoarece ( u
1
, u
2
) este unicul punct care maximizeaza g(u
1
, u
2
) pe N,
rezulta ( u
1
, u
2
) = ( u
2
, u
1
) si deci u
1
= u
2
.
Ar atam ca este unica funct ie ce satisface aceste axiome. Fie
( u
1
, u
2
) solut ia jocului si mult imea
V = (u
1
, u
2
), h(u
1
, u
2
) h( u
1
, u
2
).
Conform Propozit iei 3.7, rezulta V N. Fie aplicat ia liniara
L : N R
2
, data de L(u
1
, u
2
) = (u
1
, u
2
), unde
u
1
=
u
1
v
1
u
1
v
1
, u
2
=
u
2
v
2
u
2
v
2
. (3.47)
Rezulta L(V ) = (u
1
, u
2
), u
1
+u
2
2 si L(v
1
, v
2
) = (0, 0).
Deoarece L(V ) este simetrica fat a de prima bisectoare a noului sis-
tem de coordonate, din N
6
rezulta ca solut ia problemei de negociere este
un punct pe dreapta u
1
= u
2
. Conform axiomei N
3
, acesta este punc-
tul (1,1). Din (3.47) si N
5
rezulta ca solut ia jocului V, (v
1
, v
2
) este
( u
1
, u
2
). Deoarece ( u
1
, u
2
) U, rezulta ca ( u
1
, u
2
) este solut ie si pentru
U, (v
1
, v
2
). Daca ipoteza Propozit iei 3.7 nu este adevarata, adica ex-
ista un punct (u
1
, u
2
) U astfel ca u
1
> v
1
, u
2
> v
2
. Deoarece U este
convexa, rezulta ca daca (u
1
, u
2
) U astfel ca u
1
> v
1
, u
2
= v
2
atunci
nu exista nici un (v
1
, u
2
) U astfel ca u
2
> v
2
.

In aceste condit ii luam
drept ( u
1
, u
2
) pundtul din U ce maximizeaza u
1
si satisface u
2
= v
2
.
Analog daca exista (u
1
, u
2
) U astfel ncat u
1
= v
1
, u
2
> v
2
, atunci
nu exista nici un (u
1
, v
2
) U astfel ca u
1
> v
1
si luam drept ( u
1
, u
2
)
punctul din U ce maximizeaza u
2
si satisface restrict ia u
1
= v
1
. Solut ia
astfel denita este unica si verica axiomele N
1
N
6
.
In demonstrat iile de mai sus s-a considerat mult imea admisibila U

data de (3.42). Se pot considera si alte tipuri de mult imi admisibile, n
mod special cele generate de funct iile de utilitate ale celor doi jucatori
pentru care mult imea U este mult ime convexa si compacta.
Algoritm pentru rezolvarea jocurilor cooperative de doua persoane
Etapa 1 Se determina puterile individuale v
1
, v
2
ale celor doi jucatori
(n strategii pure, sau strategii mixte). Se trece la Etapa 2.
Etapa 2 Se pune n evident a mult imea punctelor M
i
(a
i
, b
i
), precum
si mult imea
N = (u
1
, u
2
) R
2
, u
1
= T
1
(p), u
2
= T
2
(p), p P, u
1
v
1
, u
2
v
2
.
Etapa 3 a) Daca (u
1
, u
2
) N astfel ncat u
1
> v
1
, u
2
> v
2
, se rezolva
problema
max (u
1
v
1
)(u
2
v
2
).
(u
1
, u
2
) N
b) Daca (u
1
, u
2
) N, u
1
> v
1
, u
2
= v
2
, se rezolva problema
max u
1
.
(u
1
, v
2
) N
c) Daca (u
1
, u
2
) N, u
1
= v
1
, u
2
> v
2
, se rezolva problema
max u
2
.
(v
1
, u
2
) N
Etapa 4 Fie ( u
1
, u
2
) solut ia problemei de la Etapa 3, care reprezinta
castigurile ecarui jucator. Pentru determinarea strategiilor se rezolva
problema
u
1
= T
1
(p), u
2
= T
2
(p), p P.
Exemplul 1: Fie jocul bimatricial dat de matricile
A =
_
15 8
10 0
_
, B =
_
0 8
10 20
_
.
Punctul de echilibru n strategii pure este (1,2) obt inut prin
v
1
= maxmin15, 8, min10, 0 = max8, 0 = 8,
v
2
= maxmin0, 10, min8, 20 = max0, 8 = 8.
A PERSOANE 121
Mult imea admisibila este data de
U = (u
1
, u
2
) R
2
, u
1
+u
2
20, 2u
1
+u
2
30, 3u
1
+2u
2
40, 8u
1
+7u
2
120
si mult imea de negociere este
N = (u
1
, u
2
) R
2
, u
1
+u
2
20, 2u
1
+u
2
30, u
1
8, u
2
8.
Rezolvam grac problema:
max (u
1
8)(u
2
8).
(u
1
, u
2
) N
Facand transformarea x = u
1
8, y = u
2
8, rezulta
max xy.
x 0, y 0, x +y 4, 2x +y 6
Solut ia acestei probleme este punctul n care hiperbola xy = k este
tangenta dreptei x+y = 4. Rezulta x = 2, y = 2 si astfel solut ia prob-
lemei este u
1
= 10, u
2
= 10. Teorema lui Nash conduce la adoptarea
de catre jucatori a strategiei pure (2,1).
A =
_
0 6
2 3
_
, B =
_
3 4
3 8
_
.
Puterile individuale obt inute utilizand strategia pura max-min sunt
v
1
= maxmin0, 6, min2, 3 = 2,
v
2
= maxmin3, 3, min4, 8 = 4.
Mult imea admisibila este
U = (u
1
, u
2
) R
2
, 5u
1
3u
2
9, 4u
1
+3u
2
36, u
2
3, u
1
4u
2
10
si mult imea negocierilor este
N = (u
1
, u
2
) R
2
, u
1
2, u
2
4, 4u
1
+ 3u
2
36, 5u
1
3u
2
9.
Rezolvam grac problema
max (u
1
2)(u
2
4).
(u
1
, u
2
) N
Efectuand transformarea x = u
1
2, y = u
2
4, rezulta
max xy.
x 0, y 0, 4x + 3y 16, 5x 3y 7
Solut ia problemei este punctul n care hiperbola xy = k este tangenta
dreptei 4x + 3y = 16. Se obt ine x = 2, y = 8/3. Solut ia jocului este
u
1
= 4, u
2
= 20/3. Strategiile de cooperare se determina rezolvand
sistemul
_
_
6p
12
+ 2p
21
+ 3p
22
= 4
3p
11
+ 4p
12
+ 3p
21
+ 8p
22
=
20
3
p
11
+ p
12
+ p
21
+ p
22
= 1
p
i
0, = 1, 2, i = 1, 2.
Sistemul se mai scrie sub forma
_
_
6p
12
+ 2p
21
+ 3p
22
= 4
p
12
+ 5p
22
=
11
3
p
11
+ p
12
+ p
21
+ p
22
= 1
p
i
0.
si se rezolva utilizand prima faza din algoritmul simplex:
min c 0 0 0 0 1 1
VB VVB a
11
a
12
a
21
a
22
e
1
e
2
z
i
c
i
29/3 0 7 2 8 0 0
1 e
1
4 0 6 2 3 1 0
1 e
2
11/3 0 1 0 5 0 1
0 a
11
1 1 1 1 1 0 0
9/5 0 27/5 2 0 0 -8/5
1 e
1
9/5 0 27/5 2 0 1 -3/5
0 a
22
11/15 0 1/5 0 1 0 1/5
0 a
11
4/15 1 4/5 1 0 0 -1/5
0 0 0 0 0 -1 -1
0 a
12
1/3 0 1 10/27 0 5/27 -1/9
0 a
22
2/3 0 0 -2/27 1 -1/27 1/45
0 a
11
0 1 0 -8/27 0 -4/27 -1/9
A PERSOANE 123
Strategia de cooperare este p
11
= 0, p
12
= 1/3, p
21
= 0, p
22
= 2/3.
A =
_
3 3
3 3
_
, B =
_
2 4
5 6
_
.
Puterile individuale sunt v
1
= 3, v
2
= 4. Mult imea de negociere este
N = (u
1
, u
2
) R
2
, u
1
= 3, 4 u
2
6.
Solut ia jocului este data de
max u
2
.
(u
1
, u
2
) N
Se obt ine u
1
= 3, u
2
= 6. Strategia de negociere este (1,2).
In exemplele de mai sus s-au considerat puterile individuale obt inute

cu strategia max-min, care dovedeste prudent a si rat ionalitate. Pentru
o corecta rezolvare ar trebuit determinarea punctelor de echilibru,
care necesita un volum mare de calcul. Rezolvarea este acceptabila daca
cei doi jucatori sunt de acord cu pornirea negocierilor de la aceste puteri.
Se pot porni negocierile si de la alt punct din mult imea admisibila daca
cei doi jucatori sunt de acord.
3.3.2 Jocuri cooperative cu plat i interpersonale
Posibilitatea redistribuirii castigurilor ntre jucatori modica viziunea
acestora asupra evenimentelor n care sunt implicat i.

In primul rand,
interesele lor se concentreaza asupra castigului total pe carel pot obt ine
n comun, negocierile ulterioare urmand a stabili modul de repartit ie
a acestuia.

In cadrul jocurilor cu plat i interpersonale situat ia cea mai
simpl a este realizata cand castigurile (utilitat ile) sunt liniar transferabi-
le, adica castigul unui jucator creste proport ional cu suma care i-a fost
cedata de celalalt. Putem admite ca prin reconsiderarea convenabila a
scalelor se poate asigura o rata de transfer de 1/1. Not iunile de solut ie
cooperativa si solut ia negocierilor sunt valabile si pentru jocuri cu plat i
interpersonale.
Daca castigurile sunt liniar transferabile cu rata de transfer 1/1, n
mult imea admisibila U se aa punctele (u
1
, u
2
) U cu
u
1
v
1
, u
2
v
2
, u
1
+u
2
= M,
unde
M = max a
i
+b
i
.
, i
Fie
o = u = (u
1
, u
2
) U, u
1
v
1
, u
2
v
2
, u
1
+u
2
= M.
Propozit ia 3.9 Mult imea o este formata din solut ii cooperative.
Demonstrat ie Daca ar exista u
= (u
1
, u
2
) cu u
u, u
,= u si
u = (u
1
, u
2
) o, ar rezulta u
1
+ u
2
> M, ceea ce ar absurd, cei doi
jucatori neputand obt ine n comun mai mult decat M.
Din mult imea o schema de arbitrare selecteaza solut ia negocieri-
lor la fel ca n cazul jocurilor cooperative fara plat i interpersonale.
Exemplu: Fie jocul bimatricial dat de
A =
_
0 6
2 3
_
, B =
_
3 4
3 8
_
.
Puterile individuale obt inute utilizand strategia pura max-min sunt
v
1
= 2, v
2
= 4. Presupunem ca utilitat ile sunt transferabile liniar la
rata 1/1 (o unitate din castigul unui jucator cedata celuilalt i mareste
acestuia propria utilitate cu o unitate). Rezulta M = 11 si
o = u = (u
1
, u
2
) R
2
, u
1
2, u
2
4, u
1
+u
2
= 11.
Pentru determinarea solut iei negocierilor rezolvam problema
max (u
1
2)(u
2
4).
(u
1
, u
2
) o
3.4. EXERCIT II 125
Efectuand transformarea x = u
1
2, y = u
2
4, problema se reduce la
max xy
x 0, y 0, x +y = 5
care are solut ia x = 5/2, y = 5/2. Solut ia negocierii este
u
1
= 9/2, u
2
= 13/2.
3.4 Exercit ii
1. Sa se rezolve jocurile competitive de doua persoane date prin matri-
cile de plat i:
a) A =
_
_
_
5 3 1 10
7 5 4 6
2 4 0 5
_
_
_
b) A =
_
_
_
1 3 3
2 0 3
2 1 0
_
_
_
c) A =
_
_
_
2 3 4
3 4 5
4 5 6
_
_
_
d) A =
_
_
_
_
_
2 3 0 1
1 2 4 3
0 2 3 2
2 3 0 1
_
_
_
_
_
e) A =
_
_
_
2 3 1 0
1 8 2 3
0 1 3 2
_
_
_
2. Sa se rezolve jocurile matriciale cooperative date prin matricile A si
B n cazurile:
1) fara plat i interpersonale;
2) cu plat i interpersonale 1/1.
a) A =
_
1 3 4 2
4 3 4 3
_
B =
_
2 1 4 5
2 4 2 2
_
b) A =
_
_
_
2 5 4
3 7 3
2 6 6
_
_
_ B =
_
_
_
1 7 4
5 3 6
6 5 3
_
_
_
c) A =
_
3 3 3
3 3 3
_
B =
_
4 5 7
6 3 9
_
3. Aratat i ca pentru jocul cooperativ bimatricial dat de matricile
A = (a
i
), B = (b
i
), a
i
= k > 0, b
i
0, = 1 . . . m, i = 1 . . . n
solut ia jocului este
u
1
= k, u
2
= max b
i
.
, i
Determinat i strategiile de cooperare.
Capitolul 4
Elemente de teoria grafurilor
si aplicat ii
4.1 Not iuni fundamentale n teoria grafu-
rilor
4.1.1 Not iunea de graf, elemente asociate
Se numeste graf structura matematica formata din perechea G = (X, U),
unde X este o mult ime ale carei elemente se numesc varfuri si U este o
familie de perechi de varfuri numite arce.
Un graf G = (X, U) se numeste nit daca mult imile X si U sunt
nite.

In continuare vom studia numai grafurile nite si vom nota
X = x
1
, . . . , x
n
, U = u
1
, . . . , u
m
. Mult imea U poate cont ine mai
multe elemente ce corespund aceleiasi perechi de varfuri. Daca numarul
arcelor ce corespund aceleiasi perechi de varfuri nu depaseste un numar
p N, graful se numeste p-graf. Daca mult imea U este submult ime a
lui X X, graful se numeste 1-graf sau graf orientat. Astfel, o relat ie
binara 1 pe mult imea X deneste un 1-graf, numit graful relat iei 1.
Fie G = (X, U) un graf si x X. Mult imea succesorilor lui x este
mult imea
+
(x) = y X, (x, y) U si mult imea predecesorilor lui
x este mult imea
(x) = y X, (y, x) U. Mult imea (x) =
(x)
+
(x) se numeste mult imea varfurilor adiacente lui x sau
vecinatatea lui x. Cardinalul mult imii
+
(x) notat d
+
(x) se numeste
127
128 CAPITOLUL 4. ELEMENTE DE TEORIA GRAFURILOR
semigradul exterior al lui x, iar cardinalul lui
(x) notat d
(x) se
numeste semigradul interior. Gradul varfului x, notat d(x), este d(x) =
d
+
(x) +d
(x), x X.
Se numeste multiplicitatea pozitiva a doua elemente x, y X
numarul arcelor (x, y) U, notat cu m
+
(x, y). Daca G este 1-graf,
atunci M
+
(x, y) 0, 1. Multiplicitatea negativa a doua elemente
x, y X este numarul arcelor (y, x) U, notat m
(x, y). Multiplicitatea

a doua elemente x, y X este numarul m(x, y) = m
+
(x, y)+m
(x, y).
Cu ajutorul semigradelor si a multiplicitat ilor pot denite urmatoarele
tipuri de grafuri:
Graf simetric este graful cu m
+
(x, y) = m
(x, y) x, y X.
Graf antisimetric este graful cu m(x, y) 1, x, y X.
Graf complet este graful cu m(x, y) 1, x, y X.
Graf injectiv este graful cu d
(x) 1, x X.
Graf funct ional este graful cu d
+
(x) 1, x X.
Cu denit iile de mai sus rezulta
Propozit ia 4.1 Fie G = (X, U) un 1-graf.
a) G este simetric daca si numai daca din (x, y) U rezulta (y, x) U.
b) G este antisimetric daca si numai daca din (x, y) U rezulta (y, x) ,
U.
c) G este complet daca si numai daca din (x, y) , U rezulta (y, x) U.
Se numeste drumntr-un graf un sir de arce = (u
1
, . . . , u
i
, . . . , u
p
)
cu proprietatea ca extremitatea terminala a arcului u
i
coincide cu ex-
tremitatea init iala a arcului u
i+1
, i = 1, 2, . . . , p 1.
Se numeste lungimea drumului numarul l() ce reprezinta numarul
de arce din care este format drumul.
Un drum se numeste elementar daca un varf al grafului apart ine cel
mult o data drumului. Un drum se numeste simplu daca arcele din care
este format drumul sunt distincte.
Se numeste circuit un drumn care extremitatea init iala a primului
arc coincide cu extremitatea nala a ultimului arc.
4.1. NOT IUNI FUNDAMENTALE

IN TEORIA GRAFURILOR 129
Se numeste subgraf generat de A X graful G
A
= (A, U
A
), ce are
drept varfuri elementele lui A, iar arcele sunt arcele lui G determinate
de varfurile lui A. Daca G este 1-graf, subgraful generat de A este
G
A
= (A,
A
), unde
A
(x) = (x) A, x A.
Se numeste graf tare conex un graf G = (X, U) daca x, y X
exista un drum de la x la y si un drum de la y la x.
Se numeste componenta tare conexa a grafului G = (X, U) un sub-
graf G
A
al lui G, care este tare conex si care este maximal n raport cu
incluziunea fat a de aceasta proprietate, adica x X A subgraful lui
G generat de A x nu este tare conex.
Din denit iile de mai sus rezulta
Propozit ia 4.2 Fie G = (X, U) un graf si relat ia binara denita pe
X : x = y sau exista un drum de la x la y si un drum de la y la x.
Are loc:
a) Relat ia binara denita mai sus este relat ie de echivalent a.
b) Clasele de echivalent a sunt componente tare conexe ale grafului.
4.1.2 Matricea de adiacent a asociata unui graf. Operat ii
cu grafuri
Fie G = (X, U) un graf, X = x
1
, . . . , x
n
. Se numeste matricea de adiacent a
a grafului matricea A = (a
ij
), i, j = 1 . . . n, unde a
ij
= m
+
(x
i
, x
j
).
Fie G = (X, U) si H = (X, V ) doua grafuri cu aceeasi mult ime de
varfuri si A = (a
ij
), B = (b
ij
) matricile de adiacent a asociate.
Propozit ia 4.3 a) Matricea grafului GH = (X, UV ) este matricea
C = A +B.
b) Matricea grafului GH = (X, W), unde W = (x, y)[z X astfel ncat
(x, z) U, (z, y) V este P = A B.
c) Matricea grafului G
T
= (X, U
T
) unde U
T
se obt ine din U prin schim-
barea orientarii arcelor, este A
T
.
Demonstrat ie a) Pentru graful GH are loc
c
ij
= m
+
GH
(x
i
, x
j
) = m
+
G
(x
i
, x
j
) +m
+
H
(x
i
, x
j
) = a
ij
+b
ij
, x
i
, x
j
X.
b)

In graful G H numarul arcelor de forma (x
i
, x
j
) W cu x
k
X
xat este
m
+
GH
(x
i
, x
j
) = m
+
G
(x
i
, x
k
) m
+
H
(x
k
, x
j
) = a
ik
b
kj
.
Astfel numarul arcelor ce unesc pe x
i
cu x
j
, folosind arce din U urmate
de arce din V , va :
p
ij
=
n
k=1
m
+
G
(x
i
, x
k
) m
+
H
(x
k
, x
j
) =
n
k=1
a
ik
b
kj
.
c) Rezulta din construct ia lui G
T
.
4.1.3 Algoritmi pentru determinarea componen-
telor tare conexe ale unui 1-graf
Fie G = (X, U) un 1-graf cu n varfuri, x X arbitrar si
1
(x) = y X, x (y),
1
(x) = y X, y (x)
mult imea predecesorilor, respectiv mult imea succesorilor lui x. Denim
prin recurent a
k
(x) =
1
(
(k1)
(x)),
k
(x) = (
(k1)
(x)).
Mult imile
(x) = x
1
(x)
2
(x) . . .
+
(x) = x (x)
2
(x) . . .
se numesc nchiderea tranzitiva inversa, respectiv nchiderea tranzitiva
a lui x X.
Din denit ia lui

(x) si

+
(x), rezulta ca doua varfuri oarecare
x, y ale lui G sunt n aceeasi componenta conexa a lui G daca si numai
daca x

+
(y) si y

+
(x) sau x

+
(y) si x

(y). Astfel
componenta tare conexa denita de x X este
C(x) =

+
(x)

(x).
Algoritmul 1 (Malgrange) pentru determinarea componentelor tare conexe
Etapa 1 Se alege arbitrar x X si se determina recursiv

+
(x),

(x).

Componenta tare conexa este C(x) =

+
(x)
(x). Se trece la Etapa

2.
Etapa 2 Se construieste graful G
= (X
, U
) unde X
= X C(x) si U
se obt ine din U prin eliminarea arcelor formate din elementele lui C(x)
si arcele ce au varfuri terminale n C(x). Se trece la Etapa 3.
Etapa 3

In graful G
se aplica Etapa 1 si Etapa 2.

Procedeul continua pana se epuizeaza varfurile grafului.
Din denit ia mult imilor
k
(x) si
k
(x) rezulta ca acestea au pro-
prietat ile: Fie exista k
0
astfel ncat
k
0
(x) = , sau exista h
0
< k
0
astfel
ncat
k
0
(x) =
h
0
(x), sau
k
0
(x) = X.
Astfel algoritmul 1 are un numar nit de etape.
Exemplul 1: Fie graful G = (X, U), unde X = 1, 2, 3, 4, 5 si
U = (1, 2), (1, 3), (1, 4), (2, 1), (2, 3), (3, 2), (3, 4), (3, 5), (4, 1),
(4, 3), (5, 1), (5, 2), (5, 3). Sa determinam componentele tare conexe.
Succesorii si predecesorii elementelor grafului sunt
(1) = 2, 3, 4
(1) = 2, 4, 5
(2) = 1, 3
(2) = 1, 3, 5
(3) = 2, 4, 5
(3) = 1, 2, 4
(4) = 1, 3
(4) = 1, 3
(5) = 1, 2
(5) = 3.
Pentru varful 1 rezulta
2
(1) = 1, 3, 2, 4, 5
3
(1) = 2, 3, 4, 5, 1 = X
2
(1) = 1, 3, 5
3
(1) = 2, 4, 5, 1, 3 = X.
Astfel C(1) = X si graful este tare conex.
Fie B = 0, 1 si operat iile

+,

date prin
a

+b = maxa, b, a

b = mina, b.
Rezulta 0

+0 = 0, 0

+1 = 1, 1

+0 = 1, 1

+1 = 1, 0

0 = 0, 0

1 =
0, 1

0 = 0, 1

1 = 1. Utilizand operat iile booleene pe mult imea B si
matricea adiacenta asociata unui 1-graf G = (X, U) data de A = (a
ij
),
unde
a
ij
=
_
1 (x
i
, x
j
) U
0 (x
i
, x
j
) , U
se obt ine
Algoritmul 2 (Chen) pentru determinarea componentelor tare conexe
Algoritmul are un numar nit de etape, ecare etapa are urmatorii pasi:
Se alege un varf oarecare al grafului. Fie acesta x
1
.
Etapa 1 Daca a
1j
1
= . . . = a
1j
k
= 1, se aduna boolean liniile j
1
, . . . , j
k
la linia 1. Se trece la Etapa 2.
Etapa 2 Daca se obt in elementele a
1l
1
= . . . = a
1l
s
= 1, se repeta Etapa
1. Etapa 1 se repeta pana nu se vor obt ine noi elemente egale cu 1.
Se pune n evident a mult imea V (1) = l 1 . . . n, a
1l
= 1. Se trece
la Etapa 3.
Etapa 3 Se aplica Etapa 1 si Etapa 2 pentru elementele de pe prima
coloana obt inand mult imea V
(1). Componenta tare conexa ce cont ine

pe x
1
este
C(x
1
) = V (1) V
(1) 1.
Apoi se elimina toate liniile si coloanele corespunzatoare varfurilor ce
determina componenta tare conexa C(x
1
) si se trece la etapa urmatoare.
Algoritmul se ncheie cand orice varf al grafului apart ine la o com-
ponenta tare conexa.
Exemplul 2: Fie graful G = (X, U) cu X = 1, 2, 3, 4, 5, 6, 7, 8 si
(1) = 2, 3, 4, (2) = 3, 7, (3) = 5, 6, 7, (4) = 5, (5) =
6, 7, 8. Matricea adiacenta asociata este

1 2 3 4 5 6 7 8
1 0 1 1 1 0 0 0 0
2 0 0 1 0 0 0 1 0
3 0 0 0 0 1 1 1 0
4 0 0 0 0 1 0 0 0
5 0 0 0 0 0 1 1 1
6 0 0 0 0 0 0 0 0
7 0 0 0 0 0 0 0 0
8 0 0 0 0 0 0 0 0
Componentele tare conexe sunt C(6) = 6, C(7) = 7, C(8) =
8, C(1) = 1. Se obt ine prin eliminarea acestor componente graful
cu matricea adiacenta
2 3 4 5
2 0 1 0 0
3 0 0 0 1
4 0 0 0 1
5 0 0 0 0
Obt inem componentele tare conexe C(2) = 2, C(3) = 3, C(4) =
4, C(5) = 5.
Fie G = (X, U) un 1-graf si A = (a
ij
) matricea de adiacent a. Se
numeste matricea drumurilor lui G matricea D = (d
ij
) unde d
ij
= 1
daca exista un drum cu varful init ial x
i
si varful nal x
j
si d
ij
= 0 n
caz contrar. Daca d
ii
= 1, rezulta ca exista un circuit ce cont ine varful
x
i
.
Extinzand operat iile booleene la matrici cu coecient i n 0, 1,
rezulta
A

+B = B

+A
A

+(B

+C) = (A

+B)

+C
A

(B

+C) = (A

B)

+(A

C)
A

+A = A.
Notam
A
k
= A

A

. . .

A
. .
k ori
= (a
k
ij
).
Utilizand proprietat ile sumei si produsului boolean, precumsi metoda
induct iei matematice, rezulta
Propozit ia 4.4 a) Dac a a
k
ij
= 1, ntre x
i
si x
j
exista un drum (ele-
mentar sau nu) de lungime k. Daca a
k
ij
= 0, nu exista drum de lungime
k ntre x
i
si x
j
.
b) Matricea A
k
se obt ine din matricea A
k
nlocuind elementele diferite
de zero din A
k
cu 1.
c) Daca graful G nu are circuite, atunci exista p N, p n, astfel
ncat A
p
= 0.
Fie matricea M = E

+A si M

K
= (E

+A)
k
= (m
k
ij
).
Propozit ia 4.5 a) Matricea M
k
are expresia
M
k
= E

+A

+A
+. . .

+A
k
.
b) Daca m
k
ij
= 1, exista un drum (elementar sau nu) de lungime cel
mult k ce uneste x
i
si x
j
.
c) Matricea drumurilor (elementare sau nu) este D = M

n1
.
d) Daca exista q < n astfel ca M
q
= M

k+1
atunci D = M
q
.
Propozit iile 4.4 si 4.5 conduc la urmatorul algoritm.
Algoritmul 3 (Foulkes) pentru determinarea componentelor tare conexe
ale unui graf
Etapa 1 Se pune n evident a matricea de adiacent a A = (a
ij
). Se cal-
culeaza M = E

+A, unde E este matricea unitate de tipul (n, n). Se
trece la Etapa 2.
Etapa 2 Se calculeaza M
k
si M

k+1
, k 1. Se trece la Etapa 3.
Etapa 3 a) Daca M
k
= M

k+1
se trece la Etapa 4.
b) Daca M
k
,= M

k+1
se trece la Etapa 2.
Etapa 4 Se ret in varfurile x
i
1
, . . . , x
i
r
ale caror linii cont in numai ele-
mente egale cu 1 si ale caror coloane cont in numai elemente egale cu 0
(cu except ia elementului de la intersect ia liniei si coloanei care este 1).
Aceasta este prima componenta tare conexa. Se construieste matricea
M
1
din matricea M prin eliminarea liniilor si coloanelor i
1
, . . . , i
r
si se
trece la Etapa 2.

Exemplul 3: Fie graful G = (X, U) cu X = 1, 2, 3, 4, 5, 6, 7 si
U = (1, 4), (2, 1), (2, 5), (2, 3), (3, 6), (4, 1), (4, 5), (4, 7),
(5, 7), (6, 3), (6, 2), (7, 5). Matricea M este data de:
M=
1 2 3 4 5 6 7
1 1 0 0 1 0 0 0
2 1 1 1 0 1 0 0
3 0 0 1 0 0 1 0
4 1 0 0 1 1 0 1
5 0 0 0 0 1 0 1
6 0 1 1 0 0 1 0
7 0 0 0 0 1 0 1
Rezulta
M
4
= M
5
=
1 2 3 4 5 6 7
1 1 0 0 1 1 0 1
2 1 1 1 1 1 1 1
3 1 1 1 1 1 1 1
4 1 0 0 1 1 0 1
5 0 0 0 0 1 0 1
6 1 1 1 1 1 1 1
7 0 0 0 0 1 0 1
Astfel prima componenta tare conexa este C
1
= 2, 3, 6.
Se obt ine matricea
M
1
=
1 4 5 7
1 1 1 1 1
4 1 1 1 1
5 0 0 1 1
7 0 0 1 1
si C
2
= 1, 4. Rezulta matricea
M
2
=
5 7
5 1 1
7 1 1
si C
3
= 5, 7.
4.2 Grafuri valorizate. Drumuri de val-
oare optima
4.2.1 Grafuri valorizate. Principiul optimalitat ii
Fie G = (X, U) un 1-graf nit fara bucle, adica x
i
(x
i
) = x
i

X. Graful G este valorizat daca exista v : U R
0
. Daca u U,
atunci v(u) se numeste valoarea arcului. Fie drumul = (u
1
, . . . , u
k
) n
graful G. Se numeste valoarea drumului numarul v() =

k
i=1
v(u
i
).
Dac a v(u) = 1 u U si = (u
1
, . . . , u
k
), rezulta v() = k.
Fie a, b X si T(a, b) mult imea drumurilor ce au ca varf init ial
pe a si varf nal pe b. Se numeste drum optim n T(a, b) un drum
T(a, b) astfel ca
v( ) = optim v()
T(a, b)
unde optim reprezinta maxim sau minim.
Propozit ia 4.6 (Principiul optimalitat ii) Orice subdrum al unui drum
optim este optim.
Demonstrat ie Fie = (a, x
i
, . . . , x
l
, x
h
, . . . , x
j
, b) T(a, b) drumul
de valoare minima ce cont ine varfurile a, x
i
, . . . , x
l
, x
h
, . . . , x
j
, b X
si subdrumurile
1
= (a, x
i
, . . . , x
l
),
2
= (x
l
, x
h
, . . . , x
j
, b). Rezulta
=
1

2
. Aratam ca
2
are valoare minima n mult imea T(x
l
, b).
Presupunem prin absurd ca
2
nu are valoare minima si e
2
=
(x
l
, x
m
, . . . , x
s
, b) T(x
l
, b) astfel ncat v(
2
) < v(). Fie =
1

2
.
Rezulta T(a, b) si v( ) = v(
1
) + v(
2
) < v(
1
) + v(
2
) = v(),
ceea ce contrazice faptul ca este de valoare minima.
Fie T(a, c, b) mult imea drumurilor ce cont in varfurile a, c, b X.
In mod asemanator cu Propozit ia 4.6 se demonstreaza

Propozit ia 4.7 Fie T(a, c, b) si
1
T(a, c),
2
T(c, b) astfel
ncat =
1

2
. Drumul este optim n T(a, c, b) daca si numai
daca
1
este drum optim n T(a, c) si
2
este drum optim n T(c, b).
4.2. GRAFURI VALORIZATE. DRUMURI DE VALOARE OPTIM
A137
4.2.2 Algoritmul lui Ford pentru determinarea dru-
murilor de valoare optima
Algoritmul lui Ford determina drumurile de valoare optimantr-un graf,
drumuri care unesc un v arf xat cu celelalte varfuri ale grafului. Fie
varful xat x
1
X si : X R
0
, denita prin (x
1
) = 0, (x
i
) =
v((x
1
, x
i
)), unde (x
1
, x
i
) reprezinta un drum arbitrar ce uneste x
1
cu
x
i
.
Etapele algoritmului Ford sunt:
Etapa 1 Se asociaza ecarui varf valorile (x
i
), i = 1 . . . n. Se trece la
Etapa 2.
j

i
= t
ij
pentru (x
i
, x
j
) U. Se trece la
Etapa 3.
Etapa 3 a) Daca t
ij
v
ij
pentru problema de minim sau t
ij
v
ij
pen-
tru problema de maxim (x
i
, x
j
) U, se trece la Etapa nala.
b) Daca exista (x
i
, x
j
) U cu t
ij
> v
ij
pentru problema de minim sau
t
ij
< v
ij
pentru problema de maxim, se trece la Etapa 4.
Etapa 4 Se pune
j
=
i
+ v
ij
pentru x
j
X pentru care t
ij
> v
ij
n cazul de minim, respectiv t
ij
< v
ij
n cazul de maxim. Marcajele
celorlalte elemente nu se modica. Se trece la Etapa 2.
Etapa nala Drumul de valoare optima este format din acele arce pen-
tru care

j
= v
ij
unde

i
, i = 1 . . . n, sunt ultimele nlocuiri.
Fie = (x
1
, x
l
, . . . , x
h
, x
k
) drumul ce uneste x
1
cu x
k
obt inut cu
ajutorul algoritmului lui Ford.
Propozit ia 4.8 T(x
1
, x
k
) este drumul de valoare optima si valoa-
rea sa este

k
.
Demonstrat ie Din Etapa nala a algoritmului Ford rezulta
v( ) = v
1l
+. . . +v
hk
=

1
+. . . +

h
=

1
=

k
si pentru orice alt drum T(x
1
, x
k
), = (x
1
, x
i
, . . . , x
j
, x
k
) avem
v( ) = v
1i
+. . .+v
jk
t
1i
+. . .+t
jk
=

1
+. . .+

j
=

k
= v( )
n cazul problemei de minim si
v( ) = v
1i
+. . .+v
jk
t
1i
+. . .+t
jk
=

1
+. . .+

j
=

k
= v( )
n cazul problemei de maxim.
Exemplul 1: Fie graful valorizat G = (X, U). Sa se determine dru-
murile de valoare minima de la x
1
la x
i
, i = 1 . . . 6.
ij 12 16 23 25 32 34 36 43 45 53 54 56 26
v
ij
4 20 10 5 2 22 6 2 8 4 15 12 16
t
0
ij
4 20 10 5 -10 22 6 -22 -27 5 27 11 16
t
1
ij
4 20 9 5 -9 11 7 -11 -15 4 15 11 16
t
2
ij
4 19 9 5 -9 11 6 -11 -15 4 15 10 15
Consideram tabelul marcajelor:
1 2 3 4 5 6
0
i
0 4 14 36 9 20
1
i
0 4 13 24 9 20
2
i
0 4 13 24 9 19
Drumurile de valoare minima sunt
(1, 2) = (1, 2), v((1, 2)) = 4
(1, 3) = (1, 2, 5, 3), v((1, 3)) = 13
(1, 4) = (1, 2, 5, 4), v((1, 4)) = 24
(1, 5) = (1, 2, 5), v((1, 5)) = 9
(1, 6) = (1, 2, 5, 6), v((1, 6)) = 19
4.2.3 Algoritmul Bellman-Kalaba pentru determinarea
drumurilor de valoare optima
Algoritmul Bellman-Kalaba determina drumurile de valoare optima
ntr-un graf, drumuri care unesc varfurile grafului cu un varf xat. Fie
G = (X, U) un 1-graf conex cu valorile arcelor v(x
i
, x
j
), (x
i
, x
j
) U.
Fie matricea V = (v
ij
), unde v
ij
= v(x
i
, x
j
) daca (x
i
, x
j
) U, v
ii
= 0,
si v
ij
= () daca (x
i
, x
j
) , U, i ,= j. Simbolul este pen-
tru problema de minim, iar pentru problema de maxim. Fie
a
j
= v((x
j
, x
n
)), a
n
= v
nn
= 0, unde (x
j
, x
n
) este un drum de valoare
A139
optima ce uneste pe x
j
cu x
n
. Conform principiului optimalitat ii, un
drum de valoare optima ce uneste x
i
cu x
n
este format din subdrumuri
de valoare optima. Deci obt inem
a
i
= min v
ij
+a
j
i = 1 . . . n 1
j = 1 . . . n 1
a
n
= 0
n cazul problemei de minim si
a
i
= max v
ij
+a
j
i = 1 . . . n 1
j = 1 . . . n 1
a
n
= 0
pentru problema de maxim. Drumurile de valoare optima se obt in
rezolvand iterativ sistemele de mai sus. Etapele algoritmului sunt:
Etapa 1 Notam
a
(1)
i
= v
in
, i = 1 . . . n 1
a
(1)
n
= 0.
Se trece la Etapa m.
Etapa m a) Dispunem de a
(m1)
i
, i = 1 . . . n. Se calculeaza
a
(m)
i
= min(max) (v
ij
+a
(m1)
j
)
j = 1 . . . n
a
(m)
n
= 0.
b) Daca a
(m)
i
= a
(m1)
i
, i = 1 . . . n, se trece la Etapa nala.
Daca exista i astfel ncat a
(m)
i
,= a
(m1)
i
se trece la Etapa m+ 1.
Etapa nala Drumurile de valoare optima sunt formate din arcele (x
i
, x
j
)
U pentru care a
(m)
i
= v
ij
+a
(m)
j
.
Propozit ia 4.9 Valoarea optima a drumului ce uneste x
i
cu x
n
este
v
(m)
i
. Drumul de valoare optima este format din arcele (x
i
, x
j
) pentru
care a
(m)
i
= v
ij
+a
(m)
j
.
Demonstrat ie Sirurile a
(k)
i

kN
, i = 1 . . . n, sunt monoton descres-
catoare (crescatoare) n cazul problemelor de minim (maxim) si n plus
sunt marginite. Deoarece numarul drumurilor n graf este nit, va ex-
ista un m astfel ncat a
(m)
i
= a
(m1)
i
, i = 1 . . . n. De-a lungul drumurilor
optime avem a
(m)
i
= v
ij
+a
(m)
j
. Pe alte drumuri avem a
(m)
i
> v
ij
+a
(m)
j
n cazul minimului si a
(m)
i
< v
ij
+a
(m)
j
n cazul maximului.
In cazul maximului, pentru a avea drumuri de valoare maxima nita

graful G nu trebuie sa aiba circuite.
Exemplul 2: Sa determinam drumurile de valoare minima de la x
i
la
x
6
, i = 1, 2, 3, 4, 5 n graful valorizat:
1 2 3 4 5 6
1 0 3 5
2 2 0 4 1
3 2 0 1 1
4 3 2 0 2
5 1 3 0 2
6 2 3 0
a
(1)
i
1 2 0
a
(2)
i
5 1 3 2 0
a
(3)
i
8 4 1 3 2 0
a
(4)
i
7 4 1 3 2 0
a
(5)
i
7 4 1 3 2 0
Rezulta
(1, 6) = (1, 2, 4, 3, 6), v((1, 6)) = 7
(2, 6) = (2, 4, 3, 6), v((2, 6)) = 4
(3, 6) = (3, 6), v((3, 6)) = 1
(4, 6) = (4, 3, 6), v((4, 6)) = 3
(5, 6) = (5, 6), v((5, 6)) = 2.
A141
4.2.4 Algoritmul Roy-Warshall pentru determinarea
drumurilor de valoare optima ntre varfurile
grafului
Fie c = R
0
, si operat iile interne
a b = mina, b a, b c
a b = a +b a, b R
0
a = a = a c
Extindem operat iile , pentru matrici patrate cu coecient i n c.
Astfel daca A = (a
ij
), B = (b
ij
), cu a
ij
, b
ij
c, denim produsul
matricilor prin A B = C, unde C = (c
ij
) si
(A B)
ij
= c
ij
=

n
k=1
a
ik
b
kj
= min (a
ik
+b
kj
)
k = 1 . . . n
Propozit ia 4.10 a) Fie A, B, C matrici patrate de acelasi ordin cu
coecient i n c. Are loc:
(A B) C = A (B C).
b) Daca A B si C D, atunci AB C D, unde este relat ia
de ordine ntre elementele matricilor.
Demonstrat ie a)
[A (B C)]
ij
= min [a
ik
1
+ min (b
k
1
k
2
+c
k
2
j
)] =
k
1
k
2
= min min (a
ik
1
+b
k
1
k
2
+c
k
2
j
) =
k
1
k
2
= min [ min (a
ik
1
+b
k
1
k
2
) +c
k
2
j
] = [(A B) C]
ij
k
2
k
1
b) Din A B, C D rezulta a
ij
b
ij
, c
ij
d
ij
i, j = 1 . . . n. Deci
a
ik
+c
kj
b
ik
+d
kj
i, j, k = 1 . . . n. Astfel
min (a
ik
+c
kj
) min (b
ik
+d
kj
), i, j = 1 . . . n
k k
si deci A C B D.
Fie G = (X, U) un 1-graf valorizat, v(x
i
, x
j
) = v
ij
R
0
si matricea
A = (a
ij
), unde a
ij
= v
ij
daca (x
i
, x
j
) U, a
ii
= 0 si a
ij
= daca
(x
i
, x
j
) , U, i ,= j.
Propozit ia 4.11 Matricea A
r
= A
r1
A, r 1, are proprietat ile:
a) (a
r
)
ii
= 0.
(a
r+1
)
ij
= min(a
r
)
ij
, min (a
ik
1
+a
k
1
k
2
+. . . +a
k
r
j
)
k
1
, . . . , k
r
unde k
1
, . . . , k
r
1 . . . n i, j, si sunt diferite doua cate doua.
b) Exista r n 1 astfel ca A
r
= A
r+h
, h = 1, 2, . . ..
c) A A
2
. . . A
r
= A
r+h
, h = 1, 1, . . ..
Demonstrat ie a) Pentru r = 2 rezulta
(A
2
)
ij
= min (a
ik
+a
kj
) = mina
i1
+a
1i
, . . . , a
ii
+a
ii
, . . . , a
in
+a
ni
= 0.
k
Demonstram prin induct ie relat iile din enunt . Daca relat iile sunt
adevarate pentru r, atunci
(A
r+1
)
ii
= (A
r
A)
ii
= min0, min (A
r
)
ik
+a
ki
= 0.
k ,= i
(A
r+1
)
ij
= (A
r
A)
ij
= min (A
r
)
ik
+a
kj
=
k
= min(A
r
)
ij
, a
ij
, min (A
r
)
ik
+a
kj
=
k ,= i, j
min(A
r
)
ij
, min (A
r
)
ik
+a
kj
.
k ,= i, j
Termenii esent iali n
min (A
r
)
ik
+a
kj
k ,= i, j
A143
sunt a
ik
1
+ a
k
1
k
2
+ . . . + a
k
r1
k
+ a
kj
, unde k
1
, . . . , k
r1
, k sunt diferit i
doi cate doi si diferit i de i si j, ceea ce conduce la a).
b) Deoarece numarul maxim de elemente diferite doua cate doua din
mult imea 1, 2, . . . n i, j este n 2, rezulta ca exista r n 1
astfel ca A
r
= A
r+h
, h = 1, 2, . . ..
c) Deoarece (A
2
)
ij
a
ij
, rezulta A
2
A. Din Propozit ia 4.10 obt inem
A A
2
. . . A
r
= A
r+h
, h = 1, 2, . . . .
Propozit ia 4.12 Elementele matricii A
r1
reprezinta valorile minime
ale drumurilor ce unesc varfurile grafului G.
Demonstrat ie Deoarece
min v() =
T(x
i
, x
j
)
= mina
ij
, min min (a
ik
1
+a
k
1
k
2
+. . . +a
k
r
j
) = (A
n1
)
ij
,
r = 1 . . . n 2 k
1
, . . . , k
r
unde k
1
, . . . , k
r
1, 2, . . . , n i, j sunt diferite doua cate doua,
rezulta ca a
ik
1
+ . . . + a
k
r
j
reprezinta valoarea drumului T(x
i
, x
j
)
ce utilizeaza varfurile x
k
1
, . . . , x
k
r
.
Algoritmul Roy-Warshall
Etapa 1 Se construieste matricea A. Se trece la Etapa r, r = 2, . . ..
Etapa r Dispunem de A
r1
. Se calculeaza A
r
= A
r1
A.
a) Daca A
r
= A
r1
, se trece la Etapa nala.
b) Daca A
r
,= A
r1
, se trece la Etapa r + 1.
Etapa nala Elementele matricii A
r
reprezinta valoarea minima a dru-
murilor ce unesc doua varfuri ale grafului. Drumurile se obt in ca n
algoritmul Bellman-Kalaba.
Pentru problema de maxim, se considera mult imea T = R
0

si operat iile interne
a b = maxa, b a, b T
a b = a +b a, b R
0
a () = () a = a T
Pentru problema de maxim, graful G nu are circuite, iar algoritmul
Roy-Warshall este cel descris mai sus, nlocuind min cu max.
Exemplul 3: Sa determinam valorile maxime ale drumurilor ce unesc
varfurile grafului G = (X, U) dat de matricea:
A=
1 2 3 4 5 6 7 8 9
1 0 5 4 3
2 0 6 7 9
3 0 3 4 6
4 0 5 3
5 0 7
6 0 6 9
7 0 3
8 0 2
9 0
A
2
=
1 2 3 4 5 6 7 8 9
1 0 5 11 7 8 12 14
2 0 6 9 10 12 13 16
3 0 3 8 6 9 10 13
4 0 5 3 12 12
5 0 7 9
6 0 6 9
7 0 3
8 0 2
9 0
A145
A
3
=
1 2 3 4 5 6 7 8 9
1 0 5 11 14 12 15 17 18 21
2 0 6 9 14 12 12 16 19
3 0 3 8 6 9 15 15
4 0 5 3 12 14
5 0 7 9
6 0 6 9
7 0 3
8 0 2
9 0
A
4
=
1 2 3 4 5 6 7 8 9
1 0 5 11 14 19 17 17 21 24
2 0 6 9 14 12 12 21 21
3 0 3 8 6 9 15 17
4 0 5 3 12 14
5 0 7 9
6 0 6 9
7 0 3
8 0 2
9 0
A
5
=
1 2 3 4 5 6 7 8 9
1 0 5 11 14 19 17 17 26 26
2 0 6 9 14 12 12 21 23
3 0 3 8 6 9 15 17
4 0 5 3 12 14
5 0 7 9
6 0 6 9
7 0 3
8 0 2
9 0
A
6
=
1 2 3 4 5 6 7 8 9
1 0 5 11 14 19 17 17 21 24
2 0 6 9 14 12 12 21 21
3 0 3 8 6 9 15 17
4 0 5 3 12 14
5 0 7 9
6 0 6 9
7 0 3
8 0 2
9 0
A
7
=
1 2 3 4 5 6 7 8 9
1 0 5 11 14 19 17 17 26 28
2 0 6 9 14 12 12 21 23
3 0 3 8 6 9 15 17
4 0 5 3 12 14
5 0 7 9
6 0 6 9
7 0 3
8 0 2
9 0
Elementele lui A
7
reprezinta valorile maxime ale drumurilor ce unesc
varfurile grafului.
4.3 Problema de ordonant are. Drumul
critic
4.3.1 Modelul unei probleme de ordonant are
Se numeste proiect o mult ime nita de activitat i A
i
i=1...n
, ce au du-
ratele de execut ie d
i
R
0
, i = 1 . . . n si sunt supuse unor restrict ii n
ceea ce priveste ordinea de desfasurare. Restrict iile sunt:
a) deterministe (potent iale),
b) nedeterministe (disjunctive).
Restrict iile deterministe sunt de forma
4.3. PROBLEMA DE ORDONANT ARE. DRUMUL CRITIC 147
1) t
i
T, unde t
i
este momentul nceperii desfasurarii activitat ii A
i
,
iar T este momentul stabilit anterior.
2) Daca activitatea A
j
se desfasoara dupa activitatea A
i
, atunci
t
j
t
i
+d
i
.
Restrict iile deterministe au forma
t
j
t
i
d
ij
, i I 1, 2, . . . , n,
unde d
ij
reprezinta durata desfasurarii activitat ii A
i
ce precede activi-
tatea A
j
.
Restrict iile nedeterministe exprima incompatibilitatentre submult imile
proiectului, si sunt de forma
1) Activitat ile A
j
si A
i
sunt disjuncte, fapt ce se scrie prin
t
i
t
j
+d
j
sau t
j
t
i
+d
i
.
2) Una din activitat ile A
i
, A
j
, A
k
nu se poate desfasura decat dupa
data T, fapt ce se scrie t
i
T sau t
j
T sau t
k
T.
Notam t
0
= 0 momentul de ncepere a desfasurarii proiectului si
t
n+1
momentul la care toate activitat ile sunt terminate. t
n+1
se numeste
durata totala de execut ie a proiectului. Fie A = (a
ij
)matricea asociata
proiectului, unde a
ij
= d
ij
este durata de execut ie a activitat ii A
i
ce
precede activitatea A
j
, a
ii
= 0, si a
ij
= daca activitatea A
i
nu
j
.
Modelul unei probleme de ordonant are are forma
t
j
t
i
a
ij
, i, j 0, 1, . . . , n + 1. (4.1)
Solut ia sistemului (4.1) se numeste ordonant are compatibila si se noteaza
T = (t
0
, t
1
, . . . , t
n
, t
n+1
).
Se pune problema determinarii unei ordonant ari compatibile cu
(4.1), astfel ncat momentul pentru terminarea proiectului, t
n+1
, sa e
minim.
4.3.2 Graful activitat ilor. Drumul critic
Graful activitat ilor unui proiect este G = (X, U) unde X = A
1
, . . . , A
n
reprezinta activitat ile proiectului si (A

i
, A
j
) U daca activitatea A
i
j
. Pentru a opera n acest graf, el trebuie sa
aiba o activitate unica A
1
, care nu are nici o activitate precedenta si
o destinat ie unica A
n
, care nu are nici o activitate succesoare. Daca
aceste cerint e nu sunt ndeplinite n procesul real, toate activitat ile fara
precedent se considera condit ionate de o activitate sursa unica ctiva
A
1
, cu durata de execut ie nula.
In mod similar, daca proiectul cont ine

mai multe activitat i fara succesor, acestea se considera ca ar condit iona
o activitate destinat ie unica A
n
, de durata nula.
Fiecare activitate este descrisa de doua momente, nceputul si sfarsitul
activitat ii. Fiecare moment va caracterizat de momentul timpuriu si
momentul tarziu.
Pentru activitatea A
i
de durata d
i
notam
t
(i) momentul timpuriu de ncepere

t
+
(i) momentul timpuriu de terminare
T
(i) momentul tarziu de ncepere

T
+
(i) momentul tarziu de terminare.
Au loc relat iile:
t
+
(i) = t
(i) +d
i
, T
+
(i) = T
(i) +d
i
.
Pentru sursa se consider a t
(1) = 0. Momentul timpuriu de ncheiere

a destinat iei A
n
, t
(n) = t
+
(n) = t
este numeric egal cu durata cea

mai mica de execut ie a procesului numita durata sa critica. Pentru o
activitate oarecare din proces A
i
, cele doua momente sunt date de:
t
(i) = max t
(j), i > 1.
j[(A
i
, A
j
) U
T
(i) = min T
(j), i < n.
j[(A
i
, A
j
) Y
Pentru activitatea nala se considera t
+
(n) = t
(n).
4.3. PROBLEMA DE ORDONANT ARE. DRUMUL CRITIC 149
Cu ajutorul momentelor activitat ilor se calculeaza rezervele acestora
(marjele) date de:
m(i) = T
(i) t
(i) = T
+
(i) t
+
(i).
activitatea A
i
pentru care m(i) = 0 este o activitate critica si ea tre-
buie sa se ncadreze exact n intervalul planicat de execut ie pentru ca
ntregul proces sa se realizeze n durata critica.
Se numeste drum critic un drum ntre varful init ial A
1
si varful -
nal A
n
ce cont ine activitat i critice. Pentru procese cu un numar mic
de activitat i planicarea n timp a activitat ilor poate realizata direct
pe graful procesului. Fiecare activitate se prezinta sub forma
t
(i) A
i
t
+
(i)
T
(i) d
i
T
+
(i)
Momentele timpurii se determina parcurgand graful de la sursa spre
destinat ie marcand arcul utilizat pentru determinarea lui t
(i) .
Momentele trzii se stabilesc parcurgand graful n sens invers, de la
destinat ie spre sursa, marcand arcul utilizat pentru identicarea lui
T
+
(i) . Astfel un drum critic este un drum de la sursa la destinat ie
format din arce dublu marcate.
Justicarea determin arii drumului critic este data de algoritmul
Ford pentru momentele timpurii si algoritmul Bellman-Kalaba pentru
momentele tarzii.
Exemplul 1: Fie procesul descris prin lista de activitat i
Activitatea A B C D E F G H K
Durata 10 10 10 6 2 2 2 3 3
Activitat i - A B A A E F - B
precedente H D
G
Deoarece exista doua activitat i fara precedent, A si H, ele sunt
condit ionate de o activitate sursa ctiva I, iar pentru ca procesul
cont ine doua activitat i nale, K si C, acestea condit ioneaza o activitate
nala ctiva Z.
Activitatea I A B C D E F G H K Z
Durata 0 10 10 10 6 2 2 2 3 3 0
Moment timpuriu t
0 0 10 20 10 10 12 14 0 20 30
Moment tarziu T
0 0 10 20 14 14 16 18 7 27 30
Marja 0 0 0 0 4 4 4 4 7 7 0
Drumul critic este format din activitat ile I, A, B, C, Z.
4.4 Arbori
4.4.1 Numere asociate unui graf
Se numeste graf neorientat un graf n care orientarea arcelor nu este
considerata. Arcul (x, y) se nlocuieste cu [x, y] si se numeste muchie.
Pentru grafurile neorientate se foloseste notat ia G = (X, M), unde M
reprezinta mult imea muchiilor. Se numeste graf simplu un graf neorien-
4.4. ARBORI 151
tat fara bucle care nu cont ine doua muchii pentru a uni doua varfuri ale
grafului. Un lant este un sir de muchii [m
1
, . . . , m
i
, . . . , m
q
] cu propri-
etatea ca muchia m
i
are un varf comun cu muchia m
i+1
, i = 1 . . . q 1.
Un lant n care muchia m
1
are un varf comun cu muchia m
q
se numeste
ciclu.
Rezulta imediat
Propozit ia 4.13 Fie G = (X, M) si relat ia binara denita pe X :
x = y sau exista un lant cu extremitat ile x si y.
Atunci relat ia de mai sus este o relat ie de echivalent a.
Clasele de echivalent a ale acestei relat ii se numesc componentele conexe
ale grafului.
Fie G = (X, M) un graf simplu cu n varfuri, m muchii si p compo-
nente conexe. Se numeste numar ciclomatic numarul
(G) = mn +p.
Se numeste numar cociclomatic numarul
(G) = n p.
Propozit ia 4.14 Daca G
= (X, M
) este subgraf al lui G = (X, M)

(M
M), atunci
a) (G
) (G), (G
) (G).
b) (G) 0, (G) 0.
c) Graful G nu are cicluri daca si numai daca (G) = 0.
Demonstrat ie a) Este sucient sa consideram card M
=card M 1,
adica m
= m1, n
= n. Daca arcul ndepartat din G pentru a obt ine

pe G
strica conexitatea lui G, atunci dintr-o componenta conexa a lui

G se obt in n G
doua componente conexe si astfel p
= p + 1. Rezulta
(G
) = m
+p
= m1 n +p + 1 = (G) si
(G) = n
= n p 1 < n p = (G).
Daca arcul ndepartat nu strica conexitatea, atunci p
= p, n
=
n, m
= m1 si deci
(G
) = m1 n +p < (G), (G
) = n
= n p = (G).
b) Fie subgraful G
= (X, ) pentru care m
= 0, n
= n, p
= n. Deci
(G
) = 0 si (G
) = 0. Deci (G) 0 si (G) 0.

c) Fie G
1
, . . . , G
p
componentele conexe ale lui G. Rezulta
(G) = (G
1
) + . . . + (G
p
). Daca (G) = 0, atunci (G
i
) = 0, i =
1 . . . p, caci (G
i
) 0, i = 1 . . . p. Graful conex G
i
nu are cicluri.
Presupunem ca are un ciclu. Eliminand o muchie din acest ciclu se
obt ine un subgraf conex G
i
pentru care n
i
= n
i
, m
i
= m
i
1, p
i
= 1.
Astfel (G
i
) = (G
i
) 1 = 1, ceea ce contrazice faptul ca (G
i
) 0.
Astfel G
i
, i = 1 . . . p nu au cicluri, si deci G nu are cicluri.
Reciproc, daca G nu are cicluri atunci nici componentele sale conexe
G
i
, i = 1 . . . p nu au cicluri. Daca din G
i
ndepartam o muchie rezulta
ca graful G
i
nu mai este conex, avand doua componente conexe.

Inde-
partand toate arcele se vor obt ine m
i
+ 1 componente conexe, egale cu
numarul varfurilor n
i
. Deci (G
i
) = m
i
n
i
+ 1 = 0, i = 1 . . . p.
Astfel (G) = 0.
4.4.2 Arbori. Arbori economici
Se numeste arbore un graf conex fara cicluri.
Propozit ia 4.15 Fie G = (X, M) un graf cu numarul de varfuri n
2. Urmatoarele armat ii sunt echivalente si caracterizeaza un arbore.
a) G este conex si nu are cicluri.
b) G are n 1 muchii si nu are cicluri.
c) G este conex si are n 1 muchii.
d) G nu are cicluri si daca se adauga o muchie ntre doua varfuri
neadiacente se formeaza un ciclu unic.
e) G este conex si daca se suprima o muchie graful ce se obt ine nu este
conex.
f )

Intre doua varfuri distincte exista un lant si numai unul.
Demonstrat ie a) b) Pentru G avem p = 1 si (G) = 0. Deci
m = n 1 si (G) = 0.
b) c) (G) = 0, m = n 1, si deci p = (G) m+n = 1.
c) d) p = 1, m = n1, deci (G) = 0. Daca se adauga o muchie, se
obt ine G
pentru care m
= m+1, p = 1, si deci (G
) = m
n+1 = 1.
d) e) Daca G nu este conex, atunci doua varfuri a, b nu pot unite
printr-un lant si daca lui G i se adauga muchia [a, b] nu se poate forma
4.4. ARBORI 153
un ciclu, deci p = 1, (G) = 0 si m = n 1. Daca suprimam o
muchie din G, obt inem un graf G
cu m
= n
2, (G
) = 0, adica
p
= (G
) m
+n
= 2, si G
nu este conex.
e) f) Pentru doua varfuri a si b exista un lant ce le uneste caci G
este conex. Daca ar exista doua lant uri care le unesc, prin suprimarea
unei muchii dintr-unul din lant uri nu s-ar modica conexitatea, fapt ce
contrazice e).
f) a) Daca G ar admite un ciclu, suprimand o muchie din acest
ciclu, G ar ramane conex, ceea ce ar contrazice unicitatea lant urilor
ntre doua varfuri.
Propozit ia 4.16 Un graf G = (X, M) are un subgraf part ial care este
arbore, daca si numai daca G este conex.
Demonstrat ie Daca G nu este conex, atunci nici un subgraf part ial al
sau nu este conex, deci G nu admite arbori part iali. Daca G este conex,
alegem o muchie a carei suprimare sa nu faca din G un graf neconex.
Dac a o astfel de muchie nu exista, rezulta ca G este arbore. Daca o
astfel de muchie exista, o suprimam si continuam procedeul. Procedeul
este nit, caci numarul de muchii ale grafului este nit.
Fie G = (X, M, v) un graf conex valorizat, unde v : M R
0
.
Se numeste arbore economic de valoare optima extras din graful G un
arbore extras din G cu suma valorilor muchiilor optima n raport cu
ceilalt i arbori extrasi.
Propozit ia 4.17 Fie G un graf conex complet cu valorile muchiilor
distincte. Exista un arbore unic extras din G de valoare minima (maxima).
Demonstrat ie Fie muchia m
1
M cu
v(m
1
) = min v(m),
m M
apoi m
2
,= m
1
astfel ca
v(m
2
) = min v(m).
m M m
1

Continuand procedeul se obt ine un arbore H ce are n 1 muchii. Ar-
borele obt inut este de valoare minima.

Intr-adevar daca ar exista

H
cu valoare mai mica decat H, cei doi arbori difera cel put in printr-o
muchie. Fie m
k
muchia de valoarea cea mai mica din H ce nu apart ine
lui

H. Adaugand aceasta muchie la

H se obt ine un graf

G ce cont ine un
singur ciclu.

In graful

G eliminam o muchie diferita de m
k
, e aceasta
m
p
. Obt inem un arbore

H de valoare v(

H) = v(

H) + v(m
k
) v(m
p
).
Deoarece

H a fost presupus ca are valoarea cea mai mica, rezulta
v(

H) < v(

H) si deci v(m
k
) > v(m
p
), fapt ce contrazice alegerea lui
m
k
.
Algoritmul lui Kruskal construieste arborele de valoare minima
(maxima) alegand muchia m
1
a carei valoare este cea mai mica, apoi
m
2
de valoare minima dintre cele ramase, apoi m
3
, m
4
, . . . , m
n1
, astfel
ca sa nu se formeze cicluri.

In cazul n care exista muchii cu valori
egale, se considera o ordine de preferint a pentru acestea si se aplica
procedeul de mai sus.
Exemplul 1: Pentru graful G, dat prin
ij 12 13 14 23 26 27 34 36
v
ij
5
I
4
I
3 6
I
7
I
9
II
3 4
II
ij 37 45 46 56 58 68 69 79 89
v
ij
6
II
5
II
4
III
3 7
II
6
III
9
I
3 2
sa se determine arborele de valoare maxima. Arborele cautat va avea
9 1 = 8 muchii.
Selectam muchiile cu valoarea 9 : [6, 9], [2, 7].
Selectam muchiile cu valoarea 7 : [2, 6], [5, 8].
Selectam muchiile cu valoarea 6 care nu formeaza cicluri cu celelalte:
[2, 3], [6, 8].
Selectam muchiile cu valoarea 5 care nu formeaza cicluri cu celelalte:
[1, 2], [4, 5]
Valoarea arborelui H obt inut este
v(H) = 9 2 + 7 2 + 6 2 + 5 2 = 54.
4.5. OPTIMIZAREA DISCRET
A 155
4.5 Optimizarea discreta
Se numeste problema de optimizare discreta o problema de optimizare
matematica n care variabilele sunt n numar nit, iau valori numerice
discrete, satisfac un sistem de restrict ii si se cere optimizarea unei
funct ii denite pe mult imea restrict iilor. Pentru rezolvarea acestor
probleme se utilizeaza metoda Branch and Bound, sau metoda opti-
mizarii dinamice.
4.5.1 Metoda Ramica si Margineste (Branch and
Bound)
Fie o mult ime nita de variabile care iau valori numerice discrete si sa-
tisfac un sistem de restrict ii. Fie = (s
1
, . . . , s
n
) mult imea solut iilor
admisibile si f : R funct ia obiectiv. Problema de optimizare
discreta se formuleaza prin
optim f(s).
s
Mult imea va ordonata de funct ia f, elementele sale vor generate
pe parcursul metodei.
Metoda Ramica si Margineste se poate aplica problemelor de
optimizare discreta daca sunt ndeplinite urmatoarele condit ii:
a) Exista o mult ime T si o funct ie v : T R astfel ca
1. T este mult ime nita, T = t
1
, . . . , t
k
.
2. T.
3. v : t
i
T v(t
i
) R, v(t
i
) este calculabila.
4. pentru t
i
T si t
i
, atunci v(t
i
) = f(t
i
).
b) Se poate deni o regula de ramicare R, care daca se aplica unei
submult imi T
h
T, avand cel put in doua elemente se obt in submult imile
T
h
1
, . . . , T
h
q
, astfel ncat
T
h
t
h
j
=
q
_
i=1
T
h
i
,
unde t
h
j
este elementul pentru care
v(t
h
j
) = w
h
= optim v(t
j
).
t
j
T
h
c) Mult imea T, funct ia v si regula de ramicare R au proprietatea ca
w
h
poate calculat pentru orice T
h
T.
Prin ramicarea lui T
h
se nt elege aplicarea regulii R submult imii
T
h
, iar prin m arginirea lui T
h
se nt elege determinarea lui w
h
. O
submult ime T
h
generata de regula R se numeste activa daca nu a fost
selectata pentru ramicare.
Procesul de ramicare conduce la creerea unui arbore. Nodul init ial
este format din mult imea T, muchiile arborelui, create prin regula de
ramicare R, duc la noduri intermediare formate din submult imi ale
lui T. Ramicarea conduce la noduri nale formate din submult imi
T
h
T care au un singur element, deci nu mai sunt active.
Un algoritm de tip Ramica si Margineste trebuie sa cont ina
urmatoarele tipuri de reguli:
1. Reguli pentru ramicarea de la un nod intermediar la alte noi noduri
2. Reguli pentru determinarea marginii inferioare (superioare) a funct iei
obiectiv n noduri.
3. Reguli pentru alegerea unui nod intermediar din care sa se continue
ramicarea
4. Reguli de recunoastere a unui nod ce cont ine solut ii neadmisibile
sau neoptimale
5. Reguli de recunoastere a unui nod nal care cont ine solut ia optima.
4.5.2 Algoritmul Little
Intr-un proces de product ie exista n masini, M

1
, . . . , M
n
, pe care se
executa n lucrari, L
1
, . . . , L
n
. Timpul executarii lucrarii L
i
pe masina
M
j
este t
ij
R
0
, iar matricea timpurilor va notata T = [t
ij
], i, j =
1 . . . n. Se pune problema repartizarii lucrarilor pe masini, astfel ncat
timpul total de execut ie al lucrarilor sa e minim. Pentru modelarea
matematica, e variabila booleana x
ij
0, 1 ce caracterizeaza faptul
ca lucrarea L
i
se va executa pe masina M
j
sau nu. Din condit iile date
rezulta problema de optimizare liniara cu variabile discrete
A 157
n
i=1
x
ij
= 1, j = 1 . . . n
n
j=1
x
ij
= 1, i = 1 . . . n (4.2)
x
ij
0, 1
min
n
i=1
n
j=1
t
ij
x
ij
.
Pentru rezolvarea problemei, vom considera o problema combinatoriala
echivalenta.
Fie mult imea permutarilor denite pe 1, 2, . . . , n, notata
E = s =
_
1 2 . . . n
i
1
i
2
. . . i
n
_
= [(1, i
1
), . . . , (n, i
n
)], 1 i
1
. . . i
n
n.
Perechea (j, i
j
) indica faptul ca lucrarea L
j
va executata pe masina
M
i
j
. Fie funct ia f : E R data prin:
f(s) =
(i,j)s
t
ij
. (4.3)
Problema combinatoriala este data de:
min f(s).
s E
(4.4)
Propozit ia 4.18 Fie matricea

T = [
t
ij
], unde

t
ij
= t
ij
a
i
, j =
= 1 . . . n,

t
hj
= t
hj
, h ,= i si a
i
este un numar real arbitrar astfel ca
t
ij
0. Fie

f(s) =

(i,j)s

t
ij
. Problemele
min f(s), min

f(s)
s E s E
au aceeasi solut ie optima.
Demonstrat ie
f(s) =
(i,j)s
t
ij
=
(i,j)s
t
ij
a
i
= f(s) a
i
.
Astfel
min

f(s) = min f(s) a
i
.
s E s E
Se numeste matrice redusa matricea T
R
, obt inuta din matricea T
prin scaderea din elementele liniilor a celui mai mic element, si apoi din
elementele coloanelor a celui mai mic element. Numarul
h =
n
i=1
min t
ij
+
n
j=1
min [t
ij
min t
ij
]
j = 1 . . . n i = 1 . . . n j = 1 . . . n
se numeste constanta de reducere.
Daca f
R
este funct ia asociata lui T
R
, din Propozit ia 4.18 rezulta
f(s) = f
R
(s) +h, s E. (4.5)
Matricea T
R
are cel put in un element egal cu zero n ecare linie si
ecare coloana. Din Propozit ia 4.18 rezulta ca o succesiune optima pen-
tru matricea T este succesiune optima si pentru matricea T
R
. Deoarece
t
ij
0, i, j = 1 . . . n, rezulta f(s) 0, f
R
(s) 0, s E. Din (4.5)
rezulta f(s) h, s E, si deci h este o margine inferioara pentru
funct ia f pe mult imea E.
Regula de ramicare constan partit ionarea mult imii En submult i-
mile E
ij
si

E
ij
, unde E
ij
este formata din permutarile ce cont in perechea
(i, j), iar permutarile din

E
ij
nu cont in perechea (i, j). Prin regula
de ramicare, nodul E
ij
se partit ioneaza n E
hl
si

E
hl
. Mult imea E
hl
este formata din permutarile ce cont in perechile (i, j) si (h, l), iar per-
mutarile din

E
hl
cont in pe (i, j) si nu cont in pe (h, l). Fie X o mult ime
obt inuta prin regula de ramicare, din care se vor obt ine prin procedeul
de mai sus mult imile Y si

Y . Fie (x) marginea corespunzatoare lui X
si T(X) matricea redusa. Din T(X) rezulta ca elementele lui Y pen-
tru care valoarea funct iei f este mica sunt acelea formate din (i, j) cu
t
ij
= 0. Dintre aceste perechi le alegem pe acelea pentru care mult imea
Y face ca valoarea funct iei obiectiv f sa e cat mai mare. De aceea

atribuim elementelor (i, j) cu t
ij
= 0 valoarea si facem matricile re-
duse. Astfel selectam perechea (k, l) astfel ncat suma constantelor de
A 159
reducere corespunzatoare liniei k si coloanei l are valoarea cea mai mare.
Acest procedeu conduce la urmatoarea regula pentru determinarea lui
(k, l):
1. Se calculeaza
(i, j) = min t
hj
+ min t
ih
,
h = 1 . . . n[h ,= i h = 1 . . . n[h ,= j
pentru (i, j) cu t
ij
= 0.
2. Se determina (k, l) astfel ncat
(k, l) = max (i, j).
(i, j)[t
ij
= 0
Mult imea Y este formata din elementele lui X ce cont in perechea
(k, l), iar

Y este format a din elementele lui X ce nu cont in perechea
(k, l).
Funct ia obiectiv f are drept margine inferioara pe mult imea

Y
numarul
(
Y ) = (X) +(k, l).

Matricea T(Y ) corespunzatoare mult imii Y se obt ine din matricea
T(X) prin eliminarea liniei k si a coloanei l. Marginea inferioara core-
spunzatoare lui Y va
(Y ) = (X) +h(T(Y )),
unde h(T(Y )) este constanta de reducere a matricii T(Y ).
Avand o mult ime de noduri active n arborele obt inut, ramicarea
se continua de la acel nod a carui margine inferioara este cea mai mica.
In cazul mai multor noduri cu aceeasi margine inferioara, ramicarea se

continua cu precadere de la noduri de tipul E
ij
. Algoritmul se opreste
cand s-a ajuns la un nod ce cont ine o singura permutare.
Etapele algoritmului Little
Etapa 1 Se determina matricea redusa T
R
a lui T si constanta de re-
ducere h. Se asociaza lui E marginea h.
Etapa m Dispunem de un nod X, matricea redusa T
R
(X) si marginea
(X).
a) Pentru elementele t
ij
= 0 se calculeaza
(i, j) = min t
hj
+ min t
ih
.
h = 1 . . . n[h ,= i h = 1 . . . n[h ,= j
b) Se determina (k, l) astfel ncat
(k, l) = max (i, j).
(i, j)[t
ij
= 0
c) Marginea inferioara pentru

E
kl
este
(

E
kl
) = (X) +(k, l).
d) Se construieste matricea T(E
kl
) prin suprimarea liniei k si a
coloanei l din T
R
(X). Se determina T
R
(E
kl
) si constanta de reducere
h(k, l). Marginea inferioara a lui E
kl
este
(E
kl
) = (X) +h(k, l).
e) 1) Daca s-a obt inut o matrice de tipul (1,1) STOP. Se trece la
Etapa nala.
2) Dac a nu s-a obt inut o matrice de tipul (1,1), se trece la f).
f) Se alege cea mai mica valoare margine si se trece la Etapa (m+1).
In cazul mai multor valori, se alege acea mult ime de tipul E

ij
si se trece
la Etapa (m + 1). Daca mult imea selectata este de tipul E
ij
, se trece
la g).
g) Pentru a evita afectarea (i, j) se punen matricea corespunzatoare
nodului X, t
ij
= si se trece la Etapa (m+ 1).
Exemplul 1: Sa se determine afectarea minima pentru matricea tim-
purilor
T =
1 2 3
1 3 1 2
2 2 4 3
3 6 2 5
Matricea redusa este
A 161
T
R
=
1 2 3
1 2 0 0
2 0 2 0
3 4 0 2
si constanta de reducere h = 6. Nodul E are marginea (E) = 6.
Pentru
t
12
= 0, t
13
= 0, t
21
= 0, t
23
= 0, t
32
= 0
se obt ine
12
= 0,
13
= 0,
21
= 2,
23
= 0,
32
= 2.
Rezulta max(i, j) =
21
=
32
= 2. Alegem (2,1). Se obt in nodurile
E
21
si

E
21
. Rezulta (

E
21
) = 6 + 2 = 8. Matricea nodului E
21
este
T(E
21
) =
2 3
1 0 0
3 0 2
si T
R
(E
21
) = T(E
21
), h(2, 1) = 0. Astfel (E
21
) = 6. Alegem E
21
pen-
tru ca (1, 2) = 0, (1, 3) = 2, (3, 2) = 2 si max(i, j) = 2. Alegem
(1, 3) pentru care se obt in E
13
si

E
13
. Rezulta (

E
13
) = 6 + 2 = 8 si
T(E
13
) =
2
3 0
care este o matrice de tipul (1,1). Deci afectarea minima este
(1, 3), (2, 1), (3, 2), si are valoarea 6.
Pentru probleme de maxim, algoritmul Little se aplica cu urmatoarele
modicari:
h =

n
i=1
max t
ij
+
n
j=1
max[t
ij
max t
ij
].
j = 1 . . . n i = 1 . . . n
(i, j) = max t
hj
+ max t
ih
,
h = 1 . . . n[h ,= i h = 1 . . . n[h ,= j
pentru (i, j) cu t
ij
= 0.
(k, l) = min (i, j).
(i, j)[t
ij
= 0
Pentru evitarea afectarii (i, j) se pune t
ij
= .
Exemplul 2: Sa se determine afectarea maxima pentru matricea T data
de
T =
1 2 3 4
1 5 7 6 3
2 4 6 3 9
3 6 4 5 4
4 3 6 5 2
Constanta de reducere este h = 28 1 = 27. Matricea redusa este
T
R
=
1 2 3 4
0 0
1 -2 0 0 -4
-5
2 -5 -3 -5 0
-2 0
3 0 -2 0 -2
0 0
4 -3 0 0 -4
Afectarea selectata este (2,4), obt inand mult imile E
24
si

E
24
. Avem
(

E
24
) = 27 5 = 22. Matricea nodului E
24
este
T(E
24
) =
1 2 3
-2 0
1 -2 0 0
-2 0
3 0 -2 0
0 0
4 -3 0 0
h(2, 4) = 0, (E
24
) = 27 si T
R
(E
24
) = T(E
24
). Alegem (3,1), obt inand
nodurile E
31
si

E
31
. Avem (

E
31
) = 22 2 = 20. Matricea lui E
31
este
A 163
T(E
31
) =
2 3
0 0
1 0 0
0 0
4 0 0
Deci (E
31
) = 27 si T
R
(E
31
) = T(E
31
). Alegem (4,2), obt inand nodurile
E
42
si

E
42
. Avem (

E
42
) = 20 si
T(E
42
) =
3
1 0
S-a obt inut afectarea data de (1,3), (4,2), (3,1), (2,4) cu valoarea 27.
Algoritmul se aplica pentru matrici de tipul (m, n) cu m < n sau
m > n, adaugand n m linii sau m n coloane cu elemente egale cu
zero pentru probleme de maxim, respectiv
max t
i
+ 1
= 1 . . . m, i = 1 . . . n
pentru probleme de minim.
Algoritmul se aplica pentru problema determinarii circuitelor Hamil-
toniene (circuite ce cont in o singura data varfurile grafului cu except ia
varfului init ial care coincide cu cel nal) de valoare optima, cu mo-
dicarea urmatoare: Daca perechea (i, j) a fost selectata, n iterat ia
urmatoare se pune t
ji
= . Daca graful nu este complet, pentru
(x
i
, x
j
) , U se ataseaza valoarea v(x
i
, x
j
) = , semnul + pentru
probleme de minim iar semnul pentru probleme de maxim.
Exemplul 3: Sa se determine circuitul Hamiltonian de valoare minima
n graful dat de tabelul
ij 12 14 23 25 31 32 42 45 51 53 54
v
ij
3 4 5 6 2 4 3 5 3 4 6
Matricea asociata este
T =
1 2 3 4 5
1 3 4
2 5 6
3 2 4
4 3 5
5 4 4 6
T
R
=
1 2 3 4 5
0 1
1 0 0
0 1
2 0 0
2
3 0 2
1
4 0 1
0
5 0 0 1
Constanta de reducere este h = 19. Matricea redusa este T
R
. Perechea
selectata este (3,1), pentru care (3, 1) = 2. Se obt in mult imile E
31
si
E
31
, pentru care (

E
31
) = 19 + 2 = 21, si matricea T(E
31
) este
T(E
31
) =
2 3 4 5
0 1
1 0 0
0 1
2 0 0
1
4 0 1
1
5 0 1
h(3, 1) = 0 si (E
31
) = 19. Selectam (5,3), obt inand E
53
si

E
53
, pentru
A 165
care (

E
53
) = 19 + 1 = 20 si T(E
53
) este
T(E
53
) =
2 4 5
0
1 0 0
2 0
1
4 0 1
h(5, 3) = 0 si (E
53
) = 19. Selectam (1,4), obt inand E
14
si

E
14
, pentru
care (

E
14
) = 19 + = si T(E
14
) este
T(E
14
) =
2 5
2 0
4 0 1
h(1, 4) = 0 si (E
14
) = 19. Selectam (2,5), obt inem E
25
si

E
25
, pentru
care (

E
25
) = 19 + = si
T(E
25
) =
2
4 0
Astfel circuitul Hamiltonian de valoare minima este dat de
(4, 2), (2, 5), (5, 3), (3, 1), (1, 4)
si are valoarea 19.
4.5.3 Metoda secvent iala pentru rezolvarea unor
probleme de optimizare discreta
Problema de repartizare a investit iilor consta n investirea n n ac-
tivitat i economice a unei sume de I unitat i monetare, stiind beneciul
adus de ecare activitate, daca se investeste x
i
0, 1, . . . , I,
i = 1 . . . n, unitat i monetare. Fie beneciile corespunzatoare celor n
activitat i
Investit iaActivitatea 1 . . . i . . . n
0 v
1
(0) . . . v
i
(0) . . . v
n
(0)
1 v
1
(1) . . . v
i
(1) . . . v
n
(1)
.
.
.
.
.
.
.
.
.
.
.
.
I v
1
(I) . . . v
i
(I) . . . v
n
(I)
Notam cu x
i
investit ia n activitatea i, cu v
i
(x
i
) beneciul adus si
cu F(x
1
, . . . , x
n
) beneciul total. Rezulta
F(x
1
, . . . , x
n
) =
n
i=1
v
i
(x
i
)
n
i=1
x
i
= I, x
i
0, 1, . . . , I, i = 1, 2, . . . , n.
Astfel problema data se scrie:
maxF(x
1
, . . . , x
n
)
n
i=1
x
i
= I, x
i
0, 1, . . . , I, i = 1, 2, . . . , n.
Pentru rezolvarea secvent iala e
x
1
+x
2
= u
1
u
1
+x
3
= u
2
. . .
u
n2
+x
n
= u
n1
.
Rezulta u
1
u
2
. . . u
n1
I, iar u
n1
0, 1, 2, . . . , I. Astfel
F(x
1
, . . . , x
n
) = v
1
(x
1
) +v
2
(u
1
x
1
) +. . . +v
n
(u
n1
u
n2
).
Procesul secvent ial consta n procesul iterativ:
f
01
(x
1
) = v
1
(x
1
), x
1
0, 1, . . . , I
A 167
f
02
(u
1
) = max [v
1
(x
1
) +v
2
(u
1
x
1
)], u
1
0, 1, . . . , I
x
1
0, . . . , u
1
f
03
(u
2
) = max [f
02
(u
1
) +v
3
(u
2
u
1
)], u
2
0, 1, . . . , I
u
1
0, . . . , u
2
. . .
f
0n
(I) = max [f
0,n1
(u
n2
) +v
n
(I u
n2
)].
u
n2
0, . . . , I
Rezulta
maxF(x
1
, . . . , x
n
) = f
0n
(I)
n
i=1
x
i
= I, x
i
0, 1, . . . , I, i = 1 . . . n.
Exemplu: S a se stabileasca o repartizare optima a investit iei de I = 5
u.m. n trei activitat i, stiind ca beneciile unitare sunt date de tabelul
Suma investitaActivitatea 1 2 3
0 0 0 0
1 0,3 0,25 0,25
2 0,5 0,45 0,3
3 0,7 0,6 0,45
4 0,8 0,65 0,5
5 0,9 0,8 0,65
Se calculeaza
f
02
(u
1
) = max [v
1
(x
1
) +v
2
(u
1
x
1
)], u
1
0, . . . , 5.
x
1
0, . . . , 5
Se obt ine:
f
02
(0) = v
1
(0) +v
2
(0)
f
02
(1) = maxv
1
(0) +v
2
(1), v
1
(1) +v
2
(0)
f
02
(2) = maxv
1
(0) +v
2
(2), v
1
(1) +v
2
(1), v
1
(2) +v
2
(0)
f
02
(3) = maxv
1
(0) +v
2
(3), v
1
(1) +v
2
(2), v
1
(2) +v
2
(1), v
1
(3) +v
2
(0)
f
02
(4) = maxv
1
(0) +v
2
(4), v
1
(1) +v
2
(3), v
1
(2) +v
2
(2), v
1
(3) +v
2
(1),
v
1
(4), v
2
(0)
f
02
(5) = maxv
1
(0) +v
2
(5), v
1
(1) +v
2
(4), v
1
(2) +v
2
(3), v
1
(3) +v
2
(2),
v
1
(4) +v
2
(1), v
1
(5) +v
2
(0).
Rezultatele sunt prezentate n tabelul
Investit ia v
1
(x
1
) v
2
(x
2
) f
02
(u
1
) Decizia
0 0 0 0 (0,0)
1 0,3 0,25 0,3 (1,0)
2 0,5 0,45 0,55 (1,1)
3 0,7 0,6 0,75 (1,2),(2,1)
4 0,8 0,65 0,95 (2,2),(3,1)
5 0,9 0,8 1,15 (3,2)
Se calculeaza
f
03
(u
2
) = max [f
02
(u
1
) +v
3
(u
2
u
1
)], u
2
0, . . . , 5
u
1
0, . . . , u
2
obt inand:
Investit ia f
02
(u
1
) v
3
(x
3
) f
03
(u
2
) Decizia
0 0 0 0 (0,0,0)
1 0,3 0,25 0,3 (1,0,0)
2 0,55 0,3 0,55 (1,0,1),(1,1,0)
3 0,75 0,45 0,8 (1,1,1)
4 0,95 0,5 1 (1,2,1),(2,1,1)
5 1,15 0,65 1,2 (2,2,1),(3,1,1)
Beneciul maxim se obt ine pentru urmatoarele doua politici de investit ie:
a) x
1
= 2, x
2
= 2, x
3
= 1.
sau
b) x
1
= 3, x
2
= 1, x
3
= 1.
4.6. EXERCIT II 169
4.6 Exercit ii
1. Fie graful valorizat
ij 12 13 14 23 27 35 36 37 45 58 56 57
v
ij
8 7 6 5 4 3 4 6 2 1 5 7
a) Determinat i componentele tare conexe.
b) Determinat i drumurile de valoare minima de la i la 8, i = 1, . . . , 7.
c) Determinat i drumurile de valoare minima de la 1 la i, i = 2, . . . , 8.
d) Determinat i arborele de acoperire de valoare maxima.
e) Determinat i valorile drumurilor minime ntre i si j, i, j = 1, . . . , 7.
ij 01 02 03 12 23 15 16 26 25 34 35 45 47 57 58 68 78
v
ij
3 2 5 7 6 4 5 3 2 1 6 7 2 1 3 4 5
b) Determinat i drumurile de valoare maxima de la 0 la i, i = 1, . . . , 8.
c) Determinat i drumurile de valoare maxima de la i la 8, i = 0, . . . , 7.
d) Determinat i valorile drumurilor maxime ntre i si j, i, j = 0, . . . , 8.
e) Determinat i arborele de acoperire de valoare minima.
ij 01 02 03 20 30 12 14 41 17 23 25 34 36 63 75
v
ij
7 8 6 5 4 3 5 2 3 2 1 4 6 7 8
ij 53 48 46 56 57 68 67 76 78
v
ij
6 7 9 5 4 3 6 7 8
b) Determinat i drumurile de valoare minima de la i la 8, i = 0, . . . , 7.
c) Determinat i drumurile de valoare minima de la 0 la i, i = 1, . . . , 8.
d) Determinat i arborele de acoperire de valoare maxima.
e) Determinat i circuitele Hamiltoniene de valoare maxima.
ij 12 13 14 23 27 35 36 37 45 58 56 57
v
ij
8 7 6 5 4 3 2 4 6 7 8 5
a) Determinat i valoarea drumurilor minime de la i la j, i, j = 1, . . . , 7.
b) Determinat i arborele de acoperire de valoare maxima.
c) Determinat i circuitele Hamiltoniene de valoare maxima.
5. Sa se determine drumul critic si elementele sale pentru proiectul
Activitat i 1 2 3 4 5 6 7
Durata 5 12 10 7 6 3 5
Activitat i - 1 1 1 1 1 1
precedente 2 3 5
6
6. Sa se determine drumul critic si elementele sale pentru proiectul
Activitat i 1 2 3 4 5 6 7 8 9 10 11 12 13
Durata 6 7 8 5 4 3 4 5 2 5 7 6 2
Activitat i - - - - - 1 1 5 6 6 9 5 3
2 2 7 4 10
precedente 4 7 11
8 9
7. Determinat i afectarea de valoare maxima.
5 7 6 4 6
7 6 5 4 2
6 5 3 5 6
6 5 7 4 6
8. Sa se determine afectarea de valoare minima.
5 7 6 4 3 2
6 5 4 1 3 6
7 6 2 5 4 5
1 3 5 6 2 3
6 4 5 2 3 5
Capitolul 5
Optimizarea convexa
5.1 Proprietat i algebrico-topologice ale mul-
t imilor convexe
O submult ime X R
n
se numeste convexa daca:
x, y X, (0, 1), x + (1 )y X .
Exemple:
1) Mult imea vida si orice mult ime ana din R
n
, deci si orice subspat iu
liniar al lui R
n
, sunt mult imi convexe.
2) Mult imea X = x R
n
, 0 <

n
i=1
[x
i
[ 1 nu este convexa caci
x = (1, 0, . . . , 0)
T
, y = (1, 0, . . . , 0)
T
X, dar
1
2
x +
1
2
y , X.
Propozit ia 5.1 Fie X R
n
. Urmatoarele armat ii sunt echivalente:
a) X este mult ime convexa.
b) X + (1 )X = X, (0, 1).
c) X +X = ( +)X, , [0, ).
Demonstrat ie a)b). Daca X este convexa, atunci X+(1)X
X (0, 1). Apoi X = 1 X = ( + 1 ) X X + (1 )X.
Deci are loc b).
b)c). Fie , [0, ). Daca cel put in unul din aceste numere este
zero, atunci X +X = ( + )X. Daca ,= 0, ,= 0, atunci din b)
rezulta
+
X +
_
1

+
_
X = X .
171
172 CAPITOLUL 5. OPTIMIZAREA CONVEX
A
Prin amplicare cu + obt inem c).
c)a). x +(1 )y X +(1 )X = 1 X = X, x, y X,
(0, 1).
Propozit ia 5.2 Fie (X
i
)
iI
o familie de mult imi convexe din R
n
. Mul-
t imea X =

iI
X
i
este convexa.
Demonstrat ie Daca X = , armat ia este evidenta. Fie X ,= , x, y
X, (0, 1). Rezulta x, y X
i
, i I. Mult imile X
i
, i I ind
convexe, rezulta x + (1 )y X
i
, i I. Deci x + (1 )y X,
adica X este convexa.
Se numeste nvelitoarea convexa a lui X R
n
intersect ia tuturor
mult imilor convexe din R
n
ce cont in mult imea X, si se va nota prin
co X.
Din denit ia lui co X si Propozit ia 5.2 rezulta:
a) co X este mult ime convexa;
b) X co X;
c) daca X Y R
n
si Y este mult ime convexa, atunci co X Y ;
d) X este convexa daca si numai daca X = co X.
Se numeste combinat ie liniara convexa a k puncte x
1
, x
2
, . . . , x
k
R
n
, punctul x =

n
i=1
i
x
i
, cu
i
0, i = 1 . . . k,

k
i=1
i
= 1.
Propozit ia 5.3

Invelitoarea convexa a unei mult imi X R
n
coincide
cu mult imea tuturor combinat iilor liniare convexe de puncte din X.
Demonstrat ie Induct ie n raport cu numarul de puncte.
n
mult ime convexa. Daca x
X
, y

X,
atunci x + (1 )y
X
, (0, 1).
Demonstrat ie Deoarece x
X
, exista > 0 a. . S(x, ) X. Fie
(0, 1). Deoarece y

X, rezulta S(y, ) X ,= . Fie z S(y, ) X.
Deci y z S(0, ). Obt inem:
y z +S(0, ) X +S(0, ) si
x+(1)y+S(0, ) x+(1)X+(1)S(0, )+S(0, ) =
= x+(1)X+S(0, ) = S(x, )+(1)X X+(1)X = X .
Deci S(x + (1 )y,
2
) X, adica x + (1 )y
X
.
5.1. PROPRIET
AT I ALE MULT IMILOR CONVEXE 173

n
mult ime convexa. Mult imile
X
si

X sunt
de asemenea convexe.
Demonstrat ie Daca
X
= , atunci
X
este convexa. Daca
X
,= ,
deoarece

X rezulta din Propozit ia 5.4 ca
X
este convexa. Daca
X = , atunci

X este convexa. Daca

X ,= , e x, y

X. Exista sirurile
x
k
kN
, y
k
kN
X, pentru care lim
k
x
k
= x, lim
k
y
k
= y.
Fie (0, 1). Deoarece X este mult ime convexa, x
k
+ (1 )y
k
X k N si deci lim
k
(x
k
+(1)y
k
) = x+(1)y. Rezulta ca
x
k
+(1)y
k
kN
are limita x+(1)y, deci x+(1)y

X,
adica

X este convexa.
Propozit ia 5.6 Fie x R
n
mult ime deschisa nevida.

Invelitoarea
convexa co X este mult ime deschisa.
Demonstrat ie Deoarece X co X si
X
= X, rezulta X
co X.
Deoarece
co X este convexa, rezulta co X
co X. Din incluziunea
co Xco X rezulta co X =
co X, deci co X este mult ime deschisa.

Propozit ia 5.7 Daca X R
n
este mult ime convexa, atunci
X
=
X.
Demonstrat ie Daca X = , armat ia este evidenta. Presupunem ca
X ,= si
X
,= . Deoarece
X, este sucient sa aratam ca
X
.
Presupunem ca exista x
X astfel ca x ,
X
. Alegand y
X
, avem
y ,= x.

Intrucat x
X, exista > 0 astfel ca S(x, )

X. Fie
(1, 1 + |x y|
1
). Obt inem:
x + (1 )y = x + ( 1)(x y) S(x, ) ,
deci z = x + (1 )y S(x, )

X. T inand seama ca x =
1
z + (1
1
)y, n baza Propozit iei 5.4 rezulta x
X
, ceea ce con-
trazice ipoteza.
Daca mult imea X din Propozit ia 5.7 nu este convexa, proprietatea
nu are loc.

Intr-adevar pentru mult imea X = x R, 0 < [x[ < 1
avem
X
= X, dar
X= X 0.
A
5.2 Separarea mult imilor convexe prin hi-
perplane
Fie A, B R
n
, A ,= , B ,= si hiperplanul H dat prin H = x
R
n
, a, x) = b. Hiperplanul H separa mult imile A si B daca
sup
xA
a, x) b inf
xB
a, x) . (5.1)
Propozit ia 5.8 A si B se pot separa printr-un hiperplan H daca si
numai daca mult imile 0 si B A se pot separa printr-un hiperplan.
Demonstrat ie Daca H separa A si B, din (5.1) rezulta
0 inf
xB
a, x) sup
xA
a, x) inf
xBA
a, x) .
Hiperplanul H
0
= x R
n
, a, x) = 0 separa 0 si B A.
Reciproc, daca H separa 0 si B A rezulta
0 b inf
zBA
a, z) ,
care conduce la a, x) a, y), (x, y) A B. Rezulta
b
1
= sup
xA
a, x) inf
yB
a, y) = b
2
. (5.2)
Hiperplanul H = x R
n
, a, x) =
1
2
(b
1
+ b
2
) separa mult imile A si
B.
n
o mult ime convexa. Mult imile 0 si X
se pot separa printr-un hiperplan daca si numai daca 0 ,
X
.
Demonstrat ie Daca hiperplanul H = x R
n
, a, x) = b separa
0 si X, atunci 0 a, x) x X. Deoarece a ,= 0, rezulta ca sirul
1
n
a ,

X, caci
1
n
a, a) =
1
n
a, a) < 0. Deoarece lim
n
(
1
n
a) = 0,
rezulta ca 0 ,
X
, caci orice vecinatate a lui 0 cont ine puncte exterioare
ale lui X.
Reciproc, presupunem ca 0 ,
X
si vom determina un hiperplan ce
separa 0 si X. Deoarece X este convexa, rezulta
X
=
X si deci 0 ,
X.
5.2. SEPARAREAMULT IMILOR CONVEXE PRINHIPERPLANE175
Rezulta ca 0
R
n

X, deci exista un sir x
k
kN
cu x
k
R
n

X si
lim
k
x
k
= 0. Pentru k N xat, mult imea X x
k
este convexa si
0 , X x
k
, caci X x
k
=

X x
k
. Atunci exista p
k

X x
k
astfel
ca
x, p
k
) > p
k
, p
k
) x

X x
k
.
Fie b
k
=
p
k
p
k
, atunci avem:
b
k
, x x
k
) > 0 x X .
Fie b
k
kN
sirul construit pentru k N. Avem:
b
k
, x x
k
) > 0 x X, k N . (5.3)
Deoarece sirul
k
kN
este marginit, exista un subsir b
k
N
si un
punct a astfel ca lim
k
b
k
= a. Din (5.3) prin trecere la limita

pentru sirul b
k
N
rezulta a, x) 0 x X.
Hiperplanul H = x R
n
, a, x) = 0 separa 0 si X.
Corolarul 5.1 Doua mult imi convexe X, Y R
n
se pot separa printr-
un hiperplan daca si numai daca 0 ,
Y X.
Corolarul 5.2 Doua mult imi convexe nevide disjuncte X, Y R
n
se
pot separa printr-un hiperplan.
Demonstrat ie

Intr-adevar, deoarece X Y = , rezulta 0 , Y X si
deci 0 ,
Y X.
Corolarul 5.3 Fie X, Y mult imi convexe nevide cu
X
,= ,
X
Y = .
Exista un hiperplan ce sapara X si Y si care nu cont ine puncte inte-
rioare ale lui X.
Demonstrat ie Deoarece X este convexa, rezulta
X
convexa. Deoarece
X
Y = , din Corolarul 5.2 rezulta ca exista un hiperplan H ce separa
X si Y , si avem
sup
x
X
a, x) b inf
xY
a, x) .
A
Deoarece funct ia f(x) = a, x) este continua, obt inem
sup
xX
a, x) b inf
xY
a, x) .
Presupunem ca H
X
,= . Deoarece H = x R
n
, a, x) = b si
a ,= 0, exista k N astfel ca a, ka) > b. Fie y = ka. Rezulta ca
pentru orice c R, c > 0
a, x +c(y x)) = (1 c)a, x) +ca, y) > b . (5.4)
Pentru x H
X
are loc (5.4). Deoarece x
X
, exista > 0 astfel ca
S(x, ) X. Fie c astfel ca
0 < c < |y x|
1
.
Obt inem x +c(y x) S(x, ) si deci x +c(y x) X.
Rezulta a, x + c(y x)) b, relat ie ce contrazice (5.4). Deci
H
X
= .
Fie H = x R
n
, a, x) = b un hiperplan. Daca mult imea
X R
n
este situata de o singura parte a hiperplanului H, rezulta ca
este cont inuta e n semispat iul H
= x R
n
, a, x) b e n
semispat iul H
= x R
n
, a, x) b. Semispat iul care include pe
X este numit suportul lui X.
Un hiperplan H se numeste hiperplan de sprijin pentru X R
n
daca X este situata de o singura parte a lui H si
inf
xX
a, x) = b sau sup
xX
a, x) = b ,
dupa cum suportul lui X este H
sau H
.
n
mult ime convexa si x
0

X. Condit ia
necesara si sucienta pentru ca sa existe un hiperplan de sprijin al lui
X care cont ine punctul x
0
este ca x
0
fr X.
Demonstrat ie Fie H un hiperplan de sprijin al lui X, cu suportul
H
. Din Corolarul 5.3 rezulta ca H
X
= . Deci daca x
0
H, atunci
x
0
,
X
, adica x
0
fr X.
5.3. PROPRIET
AT I ALE FUNCT IILOR CONVEXE 177

Reciproc, daca x
0
fr X, atunci 0 ,
x
0
X.

In baza Corolarului
5.1 rezulta ca exista un hiperplan H ce separa X si x
0
, adica
sup
xX
a, x) b a, x
0
) . (5.5)
Deoarece x
0

X, exista sirul x
k
kN
cu x
k
X si lim
k
x
k
= x
0
.
Deoarece
a, x
k
) sup
xX
a, x) k N ,
prin trecere la limita obt inem
a, x
0
) sup
xX
a, x) . (5.6)
Din(5.5) si (5.6) rezulta ca hiperplanul de sprijin al lui X este
H = x R
n
, a, x) = b .
5.3 Proprietat i algebrice si diferent iale ale
funct iilor convexe
Fie X R
n
o mult ime convexa. Funct ia f : X R se numeste
convexa daca
f(x + (1 )y) f(x) + (1 )f(y) x, y X, (0, 1) . (5.7)
Propozit ia 5.11 Fie X mult ime convexa si f : X R funct ie con-
vexa. Pentru orice x
i
X, i = 1 . . . m,
i
> 0, i = 1 . . . m,

m
i=1
i
=
1,
f(
m
i=1
i
x
i
)
m
i=1
i
f(x
i
) . (5.8)
Demonstrat ie Induct ie dupa m. Pentru m = 2 avem (5.7). Pre-
supunem adevarata relat ia (5.8) pentru m = k. Fie x
i
X, i =
1 . . . k, k + 1,
i
> 0, i = 1 . . . k, k + 1,

k
i=1
i
+
k+1
= 1. Deoarece
1
k+1
=

k
i=1
i
= (0, 1), rezulta
f(
k+1
i=1
i
x
i
) = f(
k
i=1
x
i
+
k+1
x
k+1
) f(
k
i=1
x
i
)+(1)f(x
k+1
)
A

k
i=1
f(x
i
) + (1 )f(x
k+1
) =
k+1
i=1
i
f(x
i
) .
n
mult ime convexa. Funct ia f : X R
este convexa daca si numai daca
X
f
= (x, ) R
n+1
, f(x) , x X (5.9)
este convexa pentru orice R. X
f
se numeste epigracul lui f.
Demonstrat ie Fie (x, ), (y, ) X
f
, t (0, 1). Deoarece f este
convexa si f(x) , f(y) , rezulta
f(tx + (1 t)y) tf(x) + (1 t)f(y) t + (1 t) .
Deci (tx + (1 t)y, t + (1 t)) = t(x, ) + (1 t)(y, ) X
f
.
Reciproc, daca X
f
este convexa, pentru (x, f(x)) X
f
, (y, f(y))
X
f
, x, y X, t (0, 1) rezulta
t(x, f(x)) +(1 t)(y, f(y)) = (tx+(1 t)y, tf(x) +(1 t)f(y)) X
f
.
Obt inem f(tx + (1 t)y) tf(x) + (1 t)f(y), deci f este convexa.
n
mult ime convexa deschisa. Funct ia
f : X R este convexa daca si numai daca
x
0
X u
0
R
n
a. . f(x) f(x
0
) u
0
, x x
0
) x X . (5.10)
Demonstrat ie Fie x
0
X. Deoarece X este deschisa, rezulta ca
(x
0
, f(x
0
)) fr X
f
. Din Propozit ia 5.10 rezulta ca exista un vector
(u, t) R
n
R, (u, t) ,= 0, astfel ncat
u, x) +tz ux
0
+tf(x
0
) (x, z) X
f
. (5.11)
Din (5.11) rezulta t > 0, caci daca t < 0, alegand z sucient de mare,
putem obt ine u, z) + tz < ux
0
+ tf(x
0
), ceea ce contrazice (5.11).
Daca t = 0, rezulta u, x x
0
) 0 x X, ceea ce implica u = 0,
contrazicand presupunerea facuta.

Impart ind (5.11) cu t, alegand z =
f(x) si notand u
0
=
1
t
u obt inem relat ia din enunt .
5.3. PROPRIET
AT I ALE FUNCT IILOR CONVEXE 179

Reciproc, daca are loc (5.10), e x
1
, x
2
X, t (0, 1) si x
t
=
tx
1
+ (1 t)x
2
f(x
1
) f(x
t
) u
0
, x
1
x
t
) , (5.12)
f(x
2
) f(x
t
) u
0
, x
2
x
t
) . (5.13)
Inmult ind (5.12) cu t si (5.13) cu 1t, adunand relat iile obt inute rezulta
(5.7).
n
mult ime convexa deschisa si f : X R
o funct ie de clasa c
1
. Urmatoarele armat ii sunt echivalente:
a) f este convexa pe X.
b) f(x) f(y) _f(x), y x) x, y X.
c) _f(y) _f(x), y x) 0 x, y X.
d) Daca f este de clasa c
2
pe X, atunci a),b),c) sunt echivalente si cu
D
2
f(x)(v, v) 0 x X, v R
n
, v ,= 0.
Demonstrat ie Fie x, y X, t (0, 1).
a)b). Deoarece f este convexa,
f(ty + (1 t)x) tf(y) + (1 t)f(x) .
Rezulta
f(y) f(x)
f(x +t(y x)) f(x)
t
.
Trecand la limita pentru t 0 obt inem
f(y) f(x) Df(x)(y x) = _f(x), y x) .
b)c). Pentru x, y X avem
f(y) f(x) _f(x), y x) 0 ,
f(x) f(y) _f(y), x y) 0 .
Prin adunarea relat iilor obt inem c).
c)b). Utilizand formula lui Taylor pentru f avem
f(y) f(x) = _f(y +t
0
(x y)), y x), t
0
(0, 1) . (5.14)
A
Din c) avem
_f(y +t
0
(x y)) _f(x), (1 t
0
)(y x)) 0 ,
sau
_f(y +t
0
(x y)), y x) _f(x), y x) . (5.15)
(5.14) si (5.15) conduc la b).
b)a). Rezulta din Propozit ia 5.13 pentru x
0
= x, x = y, u
0
= _f(x).
d)b). Utilizand formula lui Taylor pentru f avem
f(y) f(x) = _f(x), y x) +
1
2
D
2
f(z)(y x, y x), z (x, y). (5.16)
Deoarece D
2
f(z)(y x, y x) 0, rezulta b).
b)d). Presupunem ca ar exista x
0
X, v R
n
astfel ca D
2
f(x
0
)(v, v)
< 0. Deoarece f este de clasa c
2
, exista o vecinatate convexa W a lui x
0
n X astfel ncat D
2
f(x)(v, v) < 0 x W. Rezulta D
2
f(x)(tv, tv) =
t
2
D
2
f(x)(v, v) < 0 x W, t R 0. Fie t
0
R, t
0
> 0, astfel
ncat x
0
+t
0
v W. Din (5.16) avem
f(x
0
+t
0
v) f(x
0
) = _f(x
0
), t
0
v) +
1
2
D
2
f(x
0
+t
1
v)(t
0
v, t
0
v) <
< _f(x
0
), t
0
v), t
1
(0, t
0
) .
Rezulta ca b) este contrazisa. Deci b)d).
Propozit ia 5.15 Fie f : R
n
R o funct ie convexa marginita inferior
pe o mult ime convexa si nchisa X, cu proprietatea
lim
x
f(x) = .
Atuci funct ia f si atinge marginea inferioara pe X.
Demonstrat ie Fie x
0
X astfel ca f(x
0
) < , si e k > 0 astfel ncat
f(x) > f(x
0
) x R
n
, |x| > k. Marginea inferioara pe X nu este
inuent ata de valorile lui F n afara mult imii M = x R
n
, |x| < k.
Mult imea T = M X este mult ime convexa, nchisa si marginita.
Deoarece f este marginita inferior pe X, este marginita inferior si pe
compactul T. Funct ia convexa ind si continua, conform Teoremei lui
Weierstrass, si atinge marginea inferioara.
5.4. CONDIT II DE EXTREM

IN CAZUL NEDIFERENT IABIL 181
Corolarul 5.4 Fie f : R
n
R, f(x) = c, x), c R
n
, X = x
R
n
, Ax = b, A este matrice de tip (m, n), rang A = m < n. Pre-
supunem f marginita inferior pe X, adica k R a. . f(x) k x
X. Atunci funct ia f si atinge marginea inferioara pe X.
Demonstrat ie Fie x = x
0
+ y, 0, x
0
X, y C = y
R
n
, Ay = 0. Rezulta x
0
+y X si lim
x
f(x) = lim
c, x
0
+
y) = . Din Propozit ia 5.15 rezulta armat ia.
5.4 Condit ii de extremn cazul nediferen-
t iabil
Fie X R
n
si f : X R. Punctul x
0
X este punct de minim al
lui f pe X, sau x
0
este program optim al problemei min
xX
f(x), daca
f(x
0
) f(x) x X. Punctul x
0
X este punct de minim local al lui
f pe X daca exista o vecinatate a sa V
x
0 astfel ncat f(x
0
) f(x) x
V
x
0 X.
Fie problema de optimizare
min
xX
f(x) , (5.17)
unde X = x X
0
, g(x) 0, X
0
R
n
, f : X
0
R, g : X
0
R
m
.
Se numeste lagrangianul problemei (5.17) funct ia L : X
0
R
m
+
R,
L(x, u) = f(x) u, g(x)) = f(x)
m
i=1
u
i
g
i
(x) . (5.18)
Componentele vectorului u R
m
+
se numesc variabile duale ale prob-
lemei (5.17) sau multiplicatori Lagrange. Punctul (x
0
, u
0
) X
0
R
m
este punct sa pentru L relativ la X
0
daca
L(x
0
, u) L(x
0
, u
0
) L(x, u
0
) x X
0
, u R
m
+
. (5.19)
Din (5.19) rezulta ca L(, u
0
) are punct de minimn x
0
X
0
, iar L(x
0
, )
are punct de maxim n u
0
R
m
+
.
A
Propozit ia 5.16 Daca (x
0
, u
0
) X
0
R
m
+
este punct sa pentru L
relativ la X
0
, atunci x
0
este solut ie optima a lui (5.17) si are loc condit ia
ecarturilor complementare
u
0
, g(x
0
)) = 0 . (5.20)
Demonstrat ie Daca (x
0
, u
0
) este punct sa, din (5.18) si (5.19) avem
f(x
0
) u, g(x
0
)) f(x
0
) u
0
, g(x
0
)) u R
m
+
,
sau
u u
0
, g(x
0
)) 0 u R
m
+
. (5.21)
Din (5.21) rezulta g(x
0
) 0. Deoarece u
0
R
m
+
, rezulta u
0
, g(x
0
))
0. Luand u = 0 n (5.21) rezulta u
0
, g(x
0
)) 0, si suntem condusi la
(5.20).
Din (5.20) rezulta de asemeni
f(x
0
) = f(x
0
) u
0
, g(x
0
)) f(x) u
0
, g(x)) f(x) x X ,
caci u
0
, g(x)) 0. Deci x
0
e punct de minim al lui f pe X.
Propozit ia 5.17 Daca X
0
R
n
este mult ime convexa si g
i
: X
0

R, i = 1 . . . m, sunt funct ii concave, atunci
X = x X
0
, g
i
(x) 0, i = 1 . . . m (5.22)
este mult ime convexa.
Demonstrat ie Fie X
i
= x X
0
, g
i
(x) 0, i = 1 . . . m. Deoarece
g
i
sunt funct ii concave (g
i
sunt convexe), rezulta ca X
i
sunt mult imi
convexe. Rezulta X =

m
i=1
X
i
mult ime convexa.
Propozit ia 5.18 Fie X
0
R
n
mult ime convexa, g
i
: X
0
R, i =
1 . . . m, funct ii concave, f : X R funct ie convexa, unde X este dat
de (5.22). Daca x
0
X este punct de minim local al lui f pe X, atunci
x
0
este punct de minim global.
Demonstrat ie Din Propozit ia 5.17 rezulta X mult ime convexa. Fie
x
0
X si x X. Rezulta x
t
= (1t)x
0
+tx X t (0, 1). Deoarece

IN CAZUL NEDIFERENT IABIL 183
x
t
= x
0
+t(xx
0
), putem alege t sucient de mic astfel ca x
t
V
x
0 X.
Rezulta
f(x
0
) f(x
t
) = f((1 t)x
0
+tx) (1 t)f(x
0
) +tf(x) x X .
Obt inem f(x
0
) f(x) x X, adica x
0
este punct de minim global.
Propozit ia 5.19 (condit ia necesara Fritz-John) Fie X mult imea (5.22)
n condit iile Propozit iei 5.18. Daca x
0
X este punct de minim al
problemei (5.17), exista (v
0
, t
0
) R
m
+
R
+
, cu (v
0
, t
0
) ,= 0, astfel
ca v
0
, g(x
0
)) = 0 si (x
0
, v
0
) X
0
R
m
+
este punct sa pentru funct ia
Lagrange-Fritz-John
/(t
0
, x, v) = t
0
f(x) v, g(x)) . (5.23)
Demonstrat ie Fie mult imile:
P = (u, y
0
) R
m
R, y
0
f(x
0
), u 0 ,
S(x) = (u, y
0
) R
m
R, y
0
f(x
0
), u g(x), x X ,
S =
_
xX
S(x) .
Deoarece f este convexa, rezulta P mult ime convexa. Aratam ca S este
convexa. Fie (u
, y
0
), (u
, y
0
) S. Deci exista x, x
X astfel ncat
(u
, y
0
) S(x
), (u
, y
0
) S(x
). Fie t (0, 1) si
(u, y
0
) = t(u
, y
0
) + (1 t)(u
, y
0
), x = tx
+ (1 t)x
.
Deoarece
f(x) = f(tx
+(1t)x
) tf(x
) +(1t)f(x
) ty
0
+(1t)y
0
= y
0
,
g(x) = g(tx
+(1t)x
) [tg(x
)+(1t)g(x
)] tu
+(1t)u
= u ,
rezulta (u, y
0
) S(x) S, si deci S este mult ime convexa. Fie
P
=
(u, y
0
) R
m
R, y
0
< f(x
0
), u < 0. Deoarece pentru (u, y
0
)
P
avem y
0
< f(x
0
) f(x)x X, si pentru (u, y
0
) S avem y
0

f(x) x X, rezulta
P
S = . Din Corolarul 5.3 rezulta ca exista un
A
hiperplan caracterizat prin (v
0
, t
0
) R
m
R, (v
0
, t
0
) ,= 0, ce separa P
si S, adica
v
0
, u) +t
0
y
0
t
0
w
0
+v
0
, w) (u, y
0
) S, (w, w
0
) P . (5.24)
Relat ia (5.24) are loc pentru (v
0
, t
0
) R
m
+
R
+
, caci daca (v
0
, t
0
) ,
R
m
+
R
+
, cum P cont ine puncte ale caror componente sunt negative
n modul oricat de mari, relat ia (5.24) nu ar avea loc. Punand n (5.24)
y
0
= f(x), w
0
= f(x
0
), u = g(x), w = 0, obt inem
t
0
f(x) v
0
, g(x)) t
0
f(x
0
) x X . (5.25)
Punand n (5.25) x = x
0
, rezulta v
0
, g(x
0
)) 0. Deoarece v
0
R
m
+
, g(x
0
) 0, rezulta v
0
, g(x
0
)) 0. Deci v
0
, g(x
0
)) = 0. Din
(5.25) rezulta
/(t
0
, x
0
, v
0
) = t
0
f(x
0
) t
0
f(x) v
0
, g(x)) =

/(t
0
, x, v
0
)x X
0
(5.26)
/(t
0
, x
0
, v) = t
0
f(x
0
) v, g(x
0
))

/(t
0
, x
0
, v
0
) v R
m
+
. (5.27)
Din (5.26) si (5.27) rezulta ca (x
0
, v
0
) este punct sa pentru

/.
Fie X = x X
0
, g
i
(x) 0, i = 1 . . . m, cu X
0
convexa si g
i
, i =
1 . . . m, concave. Mult imea X satisface condit ia de regularitate a lui
Slater daca exista x X astfel ncat g( x) > 0.
Propozit ia 5.20 Fie mult imea X, satisfacand condit ia de regularitate
a lui Slater, si f : X R o funct ie convexa. Daca x
0
X este punct
de minim al lui f n raport cu X, atunci exista u
0
R
m
+
astfel ca
(x
0
, u
0
) X
0
R
m
+
sa e punct sa pentru funct ia Lagrange L(x, u) =
f(x) u, g(x)).
Demonstrat ie

In condit iile de regularitate Slater, n relat ia (5.25),
t
0
,= 0.

Intr-adevar, daca t
0
= 0 rezulta din (5.25) v
0
, g(x)) 0 x
X. Deoarece v
0
R
m
+
, v
0
,= 0, rezulta g(x) 0 x X, ceea ce
contrazice denit ia lui X. Nu are loc nici g(x) = 0 x X, caci aceasta
ar contrazice ipoteza de regularitate. Deci t
0
> 0. Fie u
0
=
1
t
0
v
0
. Din
(5.25) se obt ine
f(x
0
) u
0
, g(x
0
)) f(x) u
0
, g(x)) x X .
5.5. CONDIT II DIFERENT IALE DE EXTREMCULEG
ATURI INEGALIT
AT I185
Din v
0
, g(x
0
)) = 0 rezulta u, g(x
0
)) = 0 si
f(x
0
) u, g(x
0
)) f(x
0
) u R
m
+
,
adica (x
0
, u
0
) X R
m
+
este punct sa pentru funct ia L.
Propozit ia 5.21 Pentru mult imea X = x X
0
, g(x) 0 cu X
0
convexa, g
i
, i = 1 . . . m, concave, satisfacand condit ia de regularitate
Slater, urmatoarele not iuni sunt echivalente:
a) minim local al funct iei f pe X;
b) minim global al funct iei f pe X;
c) punct sa pentru funct ia Lagrange asociata.
Demonstrat ie Rezulta din Propozit iile 5.16, 5.18 si 5.20.
5.5 Condit ii diferent iale de extrem cu le-
gaturi inegalitat i
Propozit ia 5.22 Fie g : R
n
R
m
aplicat ii de clasa c
1
, X = x
R
n
, g(x) 0 si f : R
n
R o funct ie de clasa c
1
. Daca x
0
X este
punct de minim local al lui f pe X, atunci exista = (
0
,
1
, . . . ,
m
)
T
R
m+1
, ,= 0, astfel ncat:
0
Df(x
0
)
m
i=1
i
Dg
i
(x
0
) = 0 , (5.28)
i
0, i = 0, 1, . . . , m , (5.29)
i
g
i
(x
0
) = 0, i = 1, 2, . . . , m . (5.30)
Demonstrat ie Fie I(x
0
) = j 1, 2, . . . , m, g
j
(x
0
) = 0. Aratam
ca n condit iile date nu exista v R
n
astfel ncat
Df(x
0
)v > 0, Dg
i
(x
0
)v > 0, i I(x
0
) . (5.31)
Daca ar exista v astfel ncat sa e vericata (5.31), atunci de-a lungul
curbei c : t c(t) = x
0
+tv R
n
, pentru t sucient de mic, funct iile f
si g
i
, i I(x
0
), sunt crescatoare. Deoarece g
i
(x
0
+ tv) > 0, i , I(x
0
),
A
si t sucient de mic, rezulta f(x
0
) < f(x
0
+ tv) si x
0
+ tv X.
Rezulta ca x
0
nu este punct de minim local al lui f pe X, ceea ce
contrazice ipoteza. Deoarece nu exista v pentru care are loc (5.31),
din Lema Farkas-Minkowski rezulta ca exista
0
,
1
, . . . ,
m
R cu
i
= 0, i , I(x
0
),
i
0, i I(x
0
) 0 astfel ca
0
Df(x
0
)
m
i=1
i
Dg
i
(x
0
) = 0 .
Deoarece
i
0, i I(x
0
) si g
i
(x
0
) = 0, i I(x
0
), obt inem
i
g
i
(x
0
) =
0, i I(x
0
). De asemenea pentru i , I(x
0
), g
i
(x
0
) > 0,
i
= 0, deci
i
g
i
(x
0
) = 0, i , I(x
0
). Deci obt inem (5.28), (5.29) si (5.30).
Propozit ia 5.23 e g : R
n
R
m
, h : R
n
R
p
, f : R
n
R funct ii
de clasa c
1
si x
0
X = x R
n
, g(x) 0, h(x) = 0 punct de minim
local al lui f pe X. Exista (
0
,
1
, . . . ,
m
,
m+1
, . . . ,
m+p
) astfel ncat
0
Df(x
0
)
m
i=1
i
Dg
i
(x
0
)
p
i=1
m+i
Dh
i
(x
0
) = 0 ,
i
0, i = 0, 1, . . . , m ,
i
g
i
(x
0
) = 0, i = 1, 2, . . . , m .
Demonstrat ie Se face transformand h(x) = 0 n h(x) 0 si h(x)
0, si apoi aplicand Propozit ia 5.22.
Propozit ia 5.24 Fie X = x R
n
, h(x) = 0, h : R
n
R
m
funct ii
de clasa c
2
, f : X R funct ie de clasa c
2
si x
0
X. Daca exista
0
R
m
astfel ncat
Df(x
0
)
m
i=1
0
i
Dh
i
(x
0
) = 0 , (5.32)
D
2
x
L(x
0
,
0
)(v, v) > 0 v KerDh(x
0
), v ,= 0 , (5.33)
atunci x
0
este punct de minim local strict al lui f pe X.
5.5. CONDIT II DIFERENT IALE DE EXTREMCULEG
ATURI INEGALIT
AT I187
Demonstrat ie Fie v KerDh(x
0
). Din Teorema funct iilor inverse
rezulta ca exista o curba de clasa c
2
, c : [0, ) R
n
, cu c(0) =
x
0
, c
(0) = v si h(c(t)) = 0 t [0, ). Utilizand formula lui Taylor

avem:
f(c(t)) f(c(0)) =
d
dt
(f c)[
t=0
(c(t) c(0))+ (5.34)
+
1
2!
d
2
dt
2
(f c)[
t=0
(c(t) c(0)) +R(c(t)), cu lim
c(t)x
0
R(c(t))
|c(t) c(0)|
2
= 0 .
Dar deoarece h(c(t)) = 0 t [0, ), avem
d
dt
(f c)[
t=0
=
d
dt
(f c
m
i=1
0
i
h
i
c)[
t=0
=
= Df(c(0))c
(0)
m
i=1
0
i
Dh
i
(c(0))c
(0) = 0 .
d
2
dt
2
(f c)[
t=0
=
d
dt
(Df(c(t))c
(t)
m
i=1
0
i
Dh
i
(c(t))c
(t))[
t=0
=
= D
2
f(x
0
)(v, v)+Df(x
0
)c
(0)
m
i=1
0
i
D
2
h
i
(x
0
)(v, v)
m
i=1
0
i
Dh
i
(x
0
)c
(0) =
= D
2
f(x
0
)(v, v)
m
i=1
0
i
h
i
(x
0
)(v, v) = D
2
x
L(x
0
,
0
)(v, v) .
Rezulta
f(c(t)) f(c(0)) = D
2
x
L(x
0
,
0
)(v, v) +R(c(t)) t [0, ) . (5.35)
Faptul ca x
0
= c(0) este un punct de minim local strict al lui f pe X
rezulta prin reducere la absurd din (5.35). Presupunand ca f(c(t))
f(c(0)) 0, rezulta D
2
x
L(x
0
,
0
)(v, v) 0, ceea ce contrazice ipoteza.
Corolarul 5.5

In condit iile Propozit iei 5.24, funct ia L : XR
m
R,
L(x, ) = f(x)
m
i=1
i
h
i
(x), admite n (x
0
,
0
) X R
m
un punct
stat ionar.
Demonstrat ie Din (5.32) rezulta
D
x
L(x
0
,
0
) = 0, h(x
0
) = 0 .
Relat ia (5.33) se scrie
D
2
x
L(x
0
,
0
)(v, v) = v, H
x
L(x
0
,
0
)v) > 0 v KerDh(x
0
) ,
unde H
x
L reprezinta hessiana lui L n raport cu x.
A
5.6 Minimn sens Lagrange, minimn sen-
sul pantei maxime
Fie X
0
R
n
mult ime deschisa, f : X
0
R, g : X
0
R
m
funct ii de
clasa c
1
si X = x X
0
, g(x) 0. Un vector v R
n
se numeste
direct ie admisibila n x X daca exista t
0
R, t
0
> 0, astfel ncat
x +tv X t [0, t
0
).
Daca x
X
, din denit ia punctului interior rezulta ca orice vector
din R
n
este direct ie admisibila n x.
Propozit ia 5.25 Vectorul v R
n
este admisibil pentru x
0
X daca
si numai daca
Dg
i
(x
0
)v 0 i I(x
0
) = j 1, 2, . . . , m, g
j
(x
0
) = 0 . (5.36)
Demonstrat ie Daca v R
n
este direct ie admisibila pentru x
0
X,
atunci exista t
0
R, t
0
> 0,astfel ca x
0
+ tv X t [0, t
0
). Pentru
i I(x
0
) avem g
i
(x
0
) = 0, g
i
(x
0
+ tv) 0. Fie
i
(t) = g
i
(x
0
+ tv)
g
i
(x
0
), i I(x
0
). Rezulta
i
(t) 0, i I(x
0
), t [0, t
0
). Deci
lim
t0
i
(t)
t
=
d
i
(t)
dt
[
t=0
= Dg
i
(x
0
)v 0 i I(x
0
) .
Reciproc, daca are loc (5.36) rezulta
lim
t0
g
i
(x
0
+tv)
t
= Dg
i
(x
0
)v 0 i I(x
0
) ,
care conduce la faptul ca exista t
1
> 0 astfel ca g
i
(x
0
+ tv) 0 t
[0, t
1
), i I(x
0
). Daca i , I(x
0
), atunci g
i
(x
0
) > 0. Deoarece
g
i
sunt de clasa c
1
, exista t
2
> 0 astfel ncat g
i
(x
0
+ tv) > 0 t
[0, t
2
), i , I(x
0
). Fie t
0
= mint
1
, t
2
. Obt inem g
i
(x
0
+ tv) 0 i
1, 2, . . . , m, t [0, t
0
), adica v este direct ie admisibila n x
0
X.
Un punct x
0
X se numeste punct de minim n sensul pantei maxime
al lui f pe X daca pentru orice direct ie admisibila v relativ la x
0
are
loc
Df(x
0
)v 0 . (5.37)
5.7. CONDIT II DE EXTREMPENTRUFUNCT II CONVEXE DE CLAS
Ac
1
189
Un punct x
0
X se numeste punct de minim n sensul lui Lagrange
pe X daca exista y
0
R
m
+
, numit multiplicatorul Lagrange, astfel ncat
g(x
0
), y
0
) = 0 , (5.38)
D
x
L(x
0
, y
0
) = 0 ,
unde L(x, y) = f(x) y, g(x)), iar D
x
L este derivata n raport cu x a
lui L.
0
R
n
mult ime deschisa, f : X
0
R,
g : X
0
R
m
funct ii de clasa c
1
. Daca (x
0
, y
0
) X
0
R
m
+
este punct
sa pentru L(x, y) = f(x) y, g(x)), atunci x
0
este punct de minim n
sensul lui Lagrange, iar y
0
este vectorul multiplicator.
Demonstrat ie Daca (x
0
, y
0
) X
0
R
m
+
este punct sa pentru L, din
Propozit ia 5.16 rezulta c a x
0
X = x X
0
, g(x) 0 si x
0
, g(y
0
)) =
0. Rezulta de asemenea L(x
0
, y
0
) L(x, y
0
) x X
0
, adica x
0
este
punct de minim al funct iei L(, y
0
). Deoarece L(, y
0
) este de clasa c
1
pe X
0
, obt inem D
x
L(x
0
, y
0
) = 0.
Deci x
0
este punct de minim n sensul lui Lagrange.
5.7 Condit ii de extrem pentru funct ii con-
vexe de clasa c
1
n
mult ime convexa, X ,= , f : X R
funct ie convexa de clasa c
1
. Condit ia necesara si sucienta ca x
0
X
sa e minim local pentru f pe X este sa existe V
x
0 astfel ncat
Df(x
0
)(x x
0
) 0 x X V
x
0 . (5.39)
Demonstrat ie Fie x
0
X punctul de minim local pentru f. Deci
exista V
x
0 = x R
n
, |x x
0
| < astfel ncat
f(x
0
) f(x) x X V
x
0 .
Fie x X V
x
0 si v = x x
0
. Pentru t [0, t
0
), t
0
=
1
v
, avem
x
0
+tv V
x
0. Deoarece X este convexa,
x
0
+tv = tx + (1 t)x
0
X t (0, 1) .
A
Rezulta x
0
+tv X V
x
0 t [0, t
0
) (0, 1). Obt inem
f(x
0
+tv) f(x
0
)
t
0 t [0, t
0
) (0, 1) .
Deoarece f este de clasa c
1
, rezulta
lim
t0
f(x
0
+tv) f(x
0
)
t
= Df(x
0
)v = Df(x
0
)(x x
0
) x X V
x
0 .
Reciproc, deoarece f este convexa de clasa c
1
pe X V
x
0 rezulta
f(x) f(x
0
) Df(x
0
)(x x
0
) x X V
x
0 ,
si deci f(x) f(x
0
) x X V
x
0.
n
mult ime convexa deschisa, f : X R
1
. Condit ia necesara si sucienta ca x
0
X
sa e punct de minim pentru f este:
Df(x
0
) = 0 . (5.40)
Demonstrat ie Deoarece X este deschisa, exista t
0
> 0 astfel ca x
0
+
tv = x X v R, t (0, t
0
). Din Propozit ia 5.27 rezulta ca x
0
este
punct de minim pentru f (local, deci si global, caci X este convexa)
dac a si numai daca
Df(x
0
)(x x
0
) = tDf(x
0
)v 0 v R
n
, t (0, t
0
) .
Rezulta ca inegalitatea are loc daca si numai daca Df(x
0
) = 0.
Corolarul 5.6 Fie h : R
n
R
m
funct ii de clasa c
1
si X = x
R
n
, h(x) = 0. Fie f : X R funct ie de clasa c
1
si L : RR
m
R
funct ia lui Lagrange
L(x, ) = f(x)
m
i=1
i
h
i
(x) . (5.41)
Daca (x
0
,
0
) X R
m
este punct stat ionar pentru L, adica
D
x
L(x
0
,
0
) = 0, h(x
0
) = 0 (5.42)
si L(,
0
) este convexa n x, atunci x
0
este punct de minim global al
lui f pe X.
5.7. CONDIT II DE EXTREMPENTRUFUNCT II CONVEXE DE CLAS
Ac
1
191
Demonstrat ie L(,
0
) ind convexa n primul argument si avand loc
(5.42), rezulta din Propozit ia 5.28 ca L(,
0
) are un punct de minim
n x
0
X. Dar L(x,
0
) = f(x) x X, deci x
0
este punct de minim
global al lui f pe X.
0
R
n
mult ime convexa deschisa, g : X
0

R
m
funct ii concave de clasa c
1
, X = x X
0
, g(x) 0 si f : X R
1
. Punctul x
0
X este punct de minim n
sens Lagrange daca si numai daca x
0
este punct de minim n sensul
pantei maxime.
Demonstrat ie Fie x
0
X, minim n sensul lui Lagrange. Deci exista
y
0
R
m
+
astfel ncat
y
0
, g(x
0
)) = 0 , (5.43)
D
x
L(x
0
, y
0
) = Df(x
0
)
m
i=1
y
0
i
Dg
i
(x
0
) = 0 . (5.44)
Referitor la punctul x
0
, apar situat iile:
1) x
0
fr X. Fie I(x
0
) = j 1, 2, . . . , m, g
j
(x
0
) = 0, J(x
0
) =
1, 2, . . . , m I(x
0
).
Din (5.43) obt inem

jJ(x
0
)
y
0
j
g
j
(x
0
) = 0. Deoarece g
j
(x
0
) > 0, y
0
j

0, j J(x
0
), rezulta y
0
j
= 0, j J(x
0
). Din (5.44) obt inem
iI(x
0
)
y
0
i
Dg
i
(x
0
) = Df(x
0
) . (5.45)
Fie v R
n
direct ie admisibila pentru x
0
. Din Propozit ia 5.25 rezulta
Dg
i
(x
0
)v 0, i I(x
0
). Din (5.45) obt inem
Df(x
0
)v =
iI(x
0
)
y
0
i
Dg
i
(x
0
)v 0 , (5.46)
adica x
0
este punct de minim n sensul pantei maxime.
2) x
0
X
.

In acest caz, I(x
0
) = si (5.44) se reduce la Df(x
0
) =
0. Deoarece orice v R
n
este direct ie admisibila pentru x
0
, rezulta
Df(x
0
)v = 0, adica x
0
este punct de minim n sensul pantei maxime.
Reciproc, e x
0
X punct de minim n sensul pantei maxime.
Pentru orice direct ie admisibila v R
n
relativ la x
0
avem
Df(x
0
)v 0 , (5.47)
A
Dg
i
(x
0
)v 0, i I(x
0
) . (5.48)
Deoarece sistemul format din (5.47) si (5.48) este compatibil, rezulta
ca exista y
0
i
0, i I(x
0
), astfel ncat
Df(x
0
) =
iI(x
0
)
y
0
i
Dg
i
(x
0
) . (5.49)
Din (5.49), punand y
0
i
= 0, i J(x
0
), rezulta
Df(x
0
)
m
i=1
y
0
i
Dg
i
(x
0
) = D
x
L(x
0
, y
0
) = 0 .
Deoarece g
i
(x
0
) = 0, i I(x
0
), si y
0
i
= 0, i J(x
0
), rezulta y
0
, g(x
0
)) =
0. Deci x
0
este punct de minim n sensul lui Lagrange.
Propozit ia 5.30

In condit iile Propozit iei 5.29, daca x
0
X e punct
de minim n sensul pantei maxime, atunci x
0
este punct de minim local
al lui f pe X.
Demonstrat ie Fie v R
n
o direct ie admisibila n x
0
X, deci exista
t
0
> 0 astfel ncat x
0
+tv X t [0, t
0
). Fie V (t, x
0
) = x
0
+tv, t
[0, t
0
) si S(x
0
, t
0
|v|) = x X, |x x
0
| < t
0
|v|. Rezulta ca
U
x
0 = S(x
0
, t
0
|v|) V (t, x
0
) ,= este o vecinatate a lui x
0
. Deoarece
x
0
X este punct de minim n sensul pantei maxime, Df(x
0
)v 0
pentru orice direct ie admisibila v R
n
n x
0
X. Funct ia f ind
convexa de clasa c
1
, avem f(x
2
) f(x
1
) Df(x
1
)(x
2
x
1
). Luand
x
2
= x
0
+tv, x
1
= x
0
, t [0, t
0
) (0, t
0
|v|), obt inem
f(x
0
+tv) f(x
0
) tDf(x
0
)v 0 .
Deci f(x
0
) f(x) x U
x
0, adica x
0
este punct de minim local al lui
f pe X.
5.8 Condit ii de extrem pentru funct ii di-
ferent iabile n cazul de regularitate
Fie X
0
R
n
mult ime deschisa, g : X
0
R
m
funct ii de clasa c
1
.
Funct iile g
i
, i = 1, 2, . . . , m, satisfac condit ia de regularitate a lui

IN CAZUL DE REGULARITATE193
Karush-Kuhn-Tucker n x
0
X = x X
0
, g(x) 0 daca pentru
orice direct ie admisibila v R
n
n x
0
X exista o curba c : [0, ) X
0
astfel ncat
c(0) = x
0
,
dc
dt
(0) = v, c(t) X t [0, ) .
0
R
n
mult ime deschisa, g : X
0
R
m
funct ii
de clasa c
1
, X = x X
0
, g(x) 0 si f : X
0
R funct ie de
clasa c
1
. Fie x
0
X punct de minim al lui f pe X n care funct iile
g
i
, i = 1, 2, . . . , m, satisfac condit iile de regularitate Karush-Kuhn-
Tucker (K. K. T.). Exista
i
0, i = 1, 2, . . . , m astfel ncat
Df(x
0
) =
m
i=1
i
Dg
i
(x
0
),
i
g
i
(x
0
) = 0, i = 1, 2, . . . , m . (5.50)
Demonstrat ie Fie x
0
X, I(x
0
) = i 1, 2, . . . , m, g
i
(x
0
) = 0.
Pentru orice vector admisibil v R
n
, n x
0
, exista o curba c : [0, t
0
)
X
0
, data prin c(t) = x
0
+tv t [0, t
0
), astfel ncat c(0) = x
0
,
dc
dt
(0) = v
si c(t) X t [0, t
0
). Deoarece x
0
este punct de minim al lui f,
f(x
0
) f(c(t)) t [0, t
0
). Deci
lim
t0
f(c(t)) f(x
0
)
t
= Df(x
0
)
dc
dt
(0) = Df(x
0
)v 0 .
Rezulta ca sistemul
Dg
i
(x
0
)v 0, i I(x
0
), Df(x
0
)v 0
este compatibil. Deci exista
i
0, i I(x
0
), astfel ca
Df(x
0
) =
iI(x
0
)
i
Dg
i
(x
0
) .
Punand
i
= 0, i , I(x
0
), rezulta
i
g
i
(x
0
) = 0, i = 1, 2, . . . , m, si
Df(x
0
) =
m
i=1
i
Dg
i
(x
0
).
A
0
R
n
mult ime deschisa, convexa, g : X
0

R
m
1
, f : X
0
R funct ie convexa de clasa
c
1
si X = x X
0
, g(x) 0, funct iile g satisfacand condit ia de
regularitate K. K. T. n orice punct al lui X.
Urmatoarele not iuni sunt echivalente:
a) minim local al funct iei f pe X;
b) minim global al funct iei f pe X;
c) punct sa al funct iei Lagrange L(x, y) = f(x) y, g(x));
d) minim n sensul pantei maxime;
e) minim n sensul lui Lagrange.
Demonstrat ie a)b) caci X este convexa si f este funct ie convexa.
c)b) din Propozit ia 5.16.
b)c). Din Propozit ia 5.31 rezulta ca exista
0
i
0, i = 1, 2, . . . , m,
astfel ncat
Df(x
0
)
m
i=1
0
i
Dg
i
(x
0
) = 0,
0
i
g
i
(x
0
) = 0, i = 1, 2, . . . , m .
Deoarece L este convexa n primul argument pe X, avem
L(x,
0
) L(x
0
,
0
) D
x
L(x
0
,
0
)(x x
0
) = 0 .
Deci
L(x
0
,
0
) L(x,
0
) x X .
Pentru orice R
m
+
avem
L(x
0
,
0
) = f(x
0
)
0
, g(x
0
)) = f(x
0
) f(x
0
), g(x
0
)) = L(x
0
, ) .
Deci rezulta ca (x
0
,
0
) este punct sa pentru L.
d)e) rezulta din Propozit ia 5.29.
d)a) rezulta din Propozit ia 5.30
Propozit ia 5.33 Daca funct iile g
i
sunt funct ii ane date prin g
i
(x) =
a
i
, x) b
i
, i = 1, 2, . . . , m, si mult imea X = x R
n
, g
i
(x) 0, i =
1, 2, . . . , m este nevida, atunci n orice punct x
0
X este satisfacuta
condit ia de regularitate K. K. T.
5.9. PROBLEME DE OPTIMIZARE CONVEX
A SPECIALE 195
Demonstrat ie Daca notamA = (a
i
), i = 1 . . . m, b = (b
i
), i = 1 . . . , m,
rezulta X = x R
n
, Ax = b ,= . Rezulta rang(A, b) = rang(A).
Presupunem rang(A) = m < n. Fie x
0
X. Direct iile admisibile n x
0
sunt date de
T = v R
n
, Av = 0
caci x
0
+tv X t R. Fie v T si curba c : [0, ) R
n
data prin
c(t) = x
0
+tv, t 0 .
Rezulta c(t) X t 0, c(0) = x
0
,
dc
dt
(0) = v .
Corolarul 5.7 Daca g
i
sunt funct ii ane si X = x R
n
, g
i
(x)
0, i = 1 . . . m ,= , atunci condit ia de regularitate K. K. T. este sat-
isfacuta n orice punct x al lui X.
Demonstrat ie Mult imea X se scrie X = x R
n
, Ax b sau
X = (x, z) R
n
R
m
, Ax z = b si se aplica Propozit ia 5.33.
Corolarul 5.8 Daca X = x R
n
, Ax b este mult ime nevida
si f : X R este funct ie convexa de clasa c
1
, not iunile de minim
local, minim global, punct sa pentru funct ia Lagrange asociata, minim
n sensul pantei maxime, minimn sensul lui Lagrange sunt echivalente.
Corolarul 5.9 Fie X = x R
n
, g
i
(x) 0, i = 1 . . . m, Ax = b si
f : R
n
R, unde g
i
, i = 1 . . . m, sunt concave de clasa c
1
, f convexa
de clasa c
1
si A o matrice de tip (p, n). Daca mult imea X
g
= x
R
n
, g
i
(x) 0, i = 1 . . . m satisface condit ia de regularitate K. K. T.
si exista x
0
R
n
astfel ncat g
i
(x
0
) 0, i = 1 . . . m, Ax
0
= b, atunci
not iunile din Propozit ia 5.32 sunt echivalente. Funct ia Lagrange este
dat a de
L(x, u, v) = f(x) u, g(x)) v, Ax b) u R
n
, v R
n
.
5.9 Probleme de optimizare convexa spe-
ciale
0
R
n
mult ime convexa deschisa, f : X
0
R
1
si X = x X
0
, x 0. Condit ia necesara
A
si sucienta ca x
0
X
0
sa e solut ia problemei
min
xX
f(x) (5.51)
este ca:
a) x
0
0, b) Df(x
0
) 0, c) Df(x
0
)x
0
= 0 .
Demonstrat ie Fie g : X
0
R
n
, g(x) = x. Rezulta X = x
X
0
, g(x) 0. Ipotezele facute permit aplicarea Propozit iei 5.32. Deci
x
0
X
0
este solut ia problemei (5.51) daca si numai daca x
0
este minim
n sens Lagrange. Deci exista u
0
R
m
+
astfel ca x
0
0, u
0
, g(x
0
)) =
u
0
, x
0
) = 0 si D
x
L(x
0
, u
0
) = 0, unde L(x, u) = f(x) u, x). Dar
D
x
L(x, u) = Df(x) u. Obt inem x
0
0, Df(x
0
) = u
0
0 si
Df(x
0
)x
0
= 0.
0
R
n
mult ime convexa deschisa, g : X
0

R
m
1
, f : X
0
R funct ie convexa de clasa c
1
si X = x X
0
, g(x) 0, x 0 satisfacand condit ia de regularitate
K. K. T. Condit ia necesara si sucienta ca x
0
X
0
sa e solut ie optima
a problemei
min
xX
f(x) (5.52)
este sa existe u
0
R
m
+
astfel ncat
x
0
0, u
0
, g(x
0
)) = 0, D
x
L(x
0
, u
0
) 0, D
x
L(x
0
, u
0
)x
0
= 0 .
Demonstrat ie Fie g : X
0
R
m+n
,
g(x) = (g
1
(x), . . . , g
m
(x), x
1
, . . . , x
n
)
T
R
m+n
.
Rezulta X = x X
0
, g(x) 0. Ipotezele permit aplicarea Propozit iei
5.32. Deci x
0
X este solut ie optima a problemei (5.52) daca si numai
daca x
0
este minim n sens Lagrange. Fie

L : X
0
R
m
+
R
n
+
R,
L(x, u, v) = f(x) u, g(x)) v, x) funct ia Lagrange asociata lui

(5.52). Condit ia de minim n sens Lagrange conduce la existent a lui
(u
0
, v
0
) R
m
+
R
n
+
astfel ncat
u
0
, g(x
0
)) +x
0
, v
0
) = 0, D
x
L(x
0
, u
0
, v
0
) = 0 . (5.53)
A SPECIALE 197
Fie I(x
0
) = i 1 . . . m, g
i
(x
0
) = 0, J(x
0
) = 1 . . . mI(x
0
), K(x
0
) =
i 1 . . . n, x
0
i
= 0, M(x
0
) = 1 . . . n K(x
0
). Rezulta din (5.53)
u
0
j
= 0, j J(x
0
), v
0
i
= 0, i M(x
0
) si
L
x
j
(x
0
, u
0
, v
0
) =
f
x
j
(x
0
)
m
i=1
u
0
i
g
i
x
j
(x
0
) v
0
j
= 0, j = 1 . . . n (5.54)
Deoarece v
0
j
0, j = 1 . . . n, din (5.54) obt inem
D
x
L(x
0
, u
0
) 0 ,
unde L(x, u) = f(x) u, g(x)). Apoi
D
x
L(x
0
, u
0
)x
0
= D
x
L(x
0
, u
0
, v
0
)x
0
+x
0
, v
0
) = 0 ,
caci din (5.53) rezulta si u
0
, g(x
0
)) = 0.
Corolarul 5.10

In condit iile Propozit iei 5.35, problema (5.52) are solut ia
optima x
0
daca si numai daca sunt satisfacute condit iile:
L
x
j
(x
0
, u
0
) 0, x
0
j
0, x
0
j
L
x
j
(x
0
, u
0
) = 0, j = 1 . . . n , (5.55)
L
u
i
(x
0
, u
0
) 0, u
0
i
0, u
0
i
L
u
i
(x
0
, u
0
) = 0, i = 1 . . . m .
n
, Ax = b si e f : X R o
1
, unde rang(A) = m < n si rang(A) =
rang(A, b). Condit ia necesara si sucienta pentru ca x
0
R
n
sa e
solut ie optima a problemei
min
xX
f(x) (5.56)
este sa existe u
0
R
m
astfel ca
Ax
0
= b , Df(x
0
) = A
T
u
0
. (5.57)
Demonstrat ie Ipotezele conduc la X ,= .

In baza Propozit iei 5.32 si
a Corolarului 5.9 rezulta (5.57).
A
Propozit ia 5.37 Fie A o matrice de tipul (m, n) cu rang(A) = m <
n, C o matrice de tipul (n, n) simetrica , nedegenerata, cu proprietatea
ca
Ay = 0 implica y, Cy) 0 . (5.58)
Fie X = x R
n
, Ax = b si e f : X R data prin
f(x) = c, x) +
1
2
x, Cx) . (5.59)
Problema min
xX
f(x) are solut ie unica data de
x
0
= x
C
1
A
T
v
0
, v
0
=

A(Ax
b) , (5.60)
x
= C
1
c ,

A = (AC
1
A
T
)
1
. (5.61)
Demonstrat ie Funct ia f data de (5.59) este convexa pe X.

Intr-
adevar, e x
0
X. Solut ia generala a sistemului Ax = b este data de
x = x
0
+y, unde y este solut ia generala a sistemului Ay = 0. Rezulta
x, Cx) = x
0
+y, C(x
0
+y)) = x
0
, Cx
0
) + 2y, Cx
0
) +y, Cy) ,
si deci x, Cx) este funct ie convexa pe X n baza lui (5.58). Punand
h(x) = Ax b, din Propozit ia 5.36 rezulta ca problema min
xX
f(x)
are solut ie optima daca este vericat sistemul
Ax = b , Df(x) = A
T
u . (5.62)
Sistemul (5.62) se scrie sub forma
Cx = c +A
T
u , Ax = b , (5.63)
care conduce la (5.60) si (5.61).
n
, Ax b, x 0 si e f : R
n
R, f(x) = c, x) +
1
2
x, Cx), unde c R
n
, C este matrice de tipul
(n, n) simetrica, pozitiv denita. Condit ia necesara si sucienta pentru
ca x
0
R
n
sa e solut ie optima a problemei min
xX
f(x) este ca
x
0
0 , c +Cx
0
A
T
u
0
0 , x
0
, c +Cx
0
A
T
u
0
) = 0 , (5.64)
u
0
0 , Ax
0
b 0 , u
0
, Ax
0
b) = 0 . (5.65)
A SPECIALE 199
Demonstrat ie

In condit iile date, utilizand Propozit ia 5.35, rezulta ca
x
0
este solut ie optima a problemei date daca si numai daca x
0
X si
exista u
0
R
m
+
astfel ncat
x
0
0 , Ax
0
b 0 , D
x
L(x
0
, u
0
) 0 , D
x
L(x
0
, u
0
)x
0
= 0 ,
unde L(x, u) = c, x) +
1
2
x, Cx) Axb, u). Rezulta (5.64) si (5.65).
Corolarul 5.11 Fie X = x R
n
, Ax b 0, x 0 si f : X
R, f(x) = c, x). Solut ia optima a problemei min
xX
f(x) este data de
solut ia sistemului
x 0 , Ax b , u, Ax b) = 0 , A
T
u c (5.66)
u 0 , x, A
T
c) = 0 (5.67)
si reciproc.
Demonstrat ie Rezulta din Propozit ia 5.35 luand C = 0.
Propozit ia 5.39 Fie varietatea liniara
X = x R
n
, Ax = b ,
unde rang(A) = m n, si rang(A) = rang(A, b). Distant a de la
x
0
R
n
la varietatea X este data de
d(x
0
, X)
2
= (Ax
0
b)
T
(AA
T
)
1
(Ax
0
b) (5.68)
si proiect ia lui x
0
pe X este punctul
P
X
(x
0
) = x
0
A
T
(AA
T
)
1
(Ax
0
b) . (5.69)
Demonstrat ie
d(x
0
, X)
2
= min
xX
x
0
x, x
0
x) = min
xX
(x
0
, x
0
) 2x
0
, x) +
1
2
x, 2Ix)) .
Deoarece pentru orice y y R
n
, Ay = 0 avem y, Iy) 0,
problema
min
xX
(
1
2
x, 2Ix) 2x
0
, x))
admite, conform Propozit iei 5.37, solut ia unica data de
x
= x
0
A
T
(AA
T
)
1
(Ax
0
b) . (5.70)
Prin nlocuire gasim (5.68) si x
= P
X
x
0
.
A
Corolarul 5.12 Fie Y = y R
n
, Ay = 0 subspat iu liniar, unde
rang(A) = m < n. Operatorul de proiect ie P
Y
: R
n
Y este dat de
P
Y
= I A
T
(AA
T
)
1
A (5.71)
si are proprietat ile:
a) P
Y
este o matrice simetrica, semipozitiv denita.
b) P
Y
z ,= 0 daca si numai daca z, P
Y
z) > 0.
Demonstrat ie Din Propozit ia 5.39, din (5.69) rezulta (5.71). Avem
P
T
Y
= I A
T
(AA
T
)
1
A = P
Y
. Deoarece 0 Y , avem
z, P
Y
z) = z, z) z, A
T
(AA
T
)
1
Az) =
= z, z) d
2
(z, Y ) = d
2
(z, 0) d
2
(z, Y ) 0 .
Rezulta z, P
Y
z) 0 z R
n
. Apoi
P
Y
z, P
Y
z) = z, P
Y
z) (AA
T
)
1
Az, AP
Y
z) = z, P
Y
z) .
Dac a P
Y
z ,= 0, rezulta z, P
Y
z) > 0. Condit ia P
Y
z ,= 0 implica z , Y ,
deci z ,= 0. Reciproc, daca z, P
Y
z) > 0 rezulta P
Y
z, P
Y
z) > 0, deci
P
Y
z ,= 0.
5.10 Metode de rezolvare a problemelor
de optimizare convexa
In evolut ia optimizarii matematice, efortul principal a fost dirijat spre

elaborarea unor metode eciente pentru determinarea solut iilor optime
ale problemelor.
Principalele metode de rezolvare a problemelor de optimizare con-
vex a sunt:
a) metoda direct iilor admisibile
b) metoda planului de sect iune
c) metode de optimizare secvent iala fara restrict ii
In general metodele de rezolvare a problemelor de optimizare neliniare

sunt metode iterative innite, convergent a lor ind asigurata printr-o
serie de proprietat i analitice sau geometrice impuse problemei.
5.10. METODE DE REZOLVARE APROBLEMELOR DE OPTIMIZARE CONVEX
A201
Pentru problemele de optimizare patratica, datorita proprietat ilor
algebrice de o factura aparte s-au obt inut algoritmi specici cu caracter
nit.
In rezolvarea problemelor de optimizare convexa cu variabile dis-

crete, metodele utilizate sunt:
d) metoda planului secant
e) metode combinatoriale
In cele ce urmeaza vom ilustra principalele clase de metode de re-

zolvare a problemelor de optimizare convexa sau discreta.
5.10.1 a) 1. Metoda direct iilor admisibile (Frank,
Wolfe)
Fie problema
min
xX
f(x) , (5.72)
unde X este mult ime convexa si f : X R o funct ie convexa. Un
algoritm de tipul metodei direct iilor admisibile este un procedeu iterativ
prin care se genereaza un sir x
k
X cu proprietat ile:
x
k+1
= x
k
+
k
y
k
, y
k
R
n
,
k
R, f(x
k+1
) < f(x
k
), k = 1, 2, . . . (5.73)
lim
k
f(x
k
) = inf
xX
f(x) .
La ecare etapa k, algoritmul cont ine prevederile:
1) determinarea unei direct ii admisibile y
k
astfel ca x
k
+ ty
k
X, t
[0, t
0
);
2) determinarea pasului optim
k
care se face printr-un proces de
optimizare locala cerand ca f(x
k+1
) sa e cea mai mare valoare a lui f
pe x
k
+ty
k
, t R X.
Fie problema (5.72) unde
X = x R
n
, Ax = b, x 0 (5.74)
si f : X Reste funct ie convexa de clasa c
1
. Adoptam ipoteza marginirii:
pentru orice y X xat funct ia
g(x, y) = x, _f(y)) (5.75)
si atinge marginea inferioara pe X.
A
Propozit ia 5.40 (testul de optimalitate) Presupunem X ,= si x
k
X. Daca

x
k
este solut ie a problemei
min
xX
_f(x
k
), x) (5.76)
si
_f(x
k
), x
k
x
k
) = 0 , (5.77)
atunci x
k
este solut ie optima a problemei (5.72).
Demonstrat ie Din (5.77) si din optimalitatea lui x
k
rezulta
_f(x
k
), x
k
) = _f(x
k
), x
k
) _f(x
k
), x) x X .
Deoarece f este convexa, avem
f(x) f(x
k
) _f(x
k
), x x
k
) x X ,
care conduce la f(x) f(x
k
) x X, deci x
k
este solut ie optima a
problemei (5.72).
Corolarul 5.13 Daca x
k
este solut ie optima a lui (5.76), atunci x
k
este solut ie optima a lui (5.72).
Propozit ia 5.41 (regul a de mbunatat ire a solut iei) Fie x
k
X si x
k
solut ie optima a lui (5.76). Daca
_f(x
k
), x
k
x
k
) < 0 , (5.78)
atunci exista x
k+1
X de forma x
k+1
= x
k
+
k
( x
k
x
k
),
k
[0, 1],
astfel ncat f(x
k+1
) < f(x
k
).
Demonstrat ie Fie y
k
= x
k
x
k
. Rezulta (t) = f(x
k
+ ty
k
) funct ie
convexa pe [0, 1] si
(t) = y
k
, _f(x
k
+ ty
k
)) este funct ie crescatoare
pe [0, 1]. Din (5.78) rezulta
(0) = y
k
, _f(x
k
)) < 0. Apar situat iile:
a) daca
(1) = y
k
, _f( x
k
)) 0, rezulta
(t) 0 t [0, 1], si deci

si atinge minimul pe [0, 1] n t = 1. Punand x
k+1
= x
k
, rezulta
f(x
k+1
) < f(x
k
);
b) daca
(1) > 0, exista

k
[0, 1] astfel ca
(
k
) = 0.
k
este
punctul de minim al lui pe [0, 1] si punand x
k+1
= x
k
+
k
y
k
rezulta
A203
f(x
k+1
) < f(x
k
).
Etapele metodei direct iilor admisibile
Etapa init iala: Se determina un punct extremal al mult imii X = x
R
n
, Ax = b, x 0. Daca X = , problema nu are solut ie admisibila.
Daca X ,= , se trece la Etapa 1.
Etapa k: a) Dispunem de x
k
X. Se calculeaza _f(x
k
).
a
1
) daca _f(x
k
) = 0, x
k
punct stat ionar al lui f. STOP
a
2
) daca _f(x
k
) ,= 0, se trece la b).
b) se calculeaza min
xX
_f(x
k
), x). Fie x
k
solut ia.
c) daca _f(x
k
), x
k
x
k
) = 0, x
k
solut ie optima. STOP
d) daca _f(x
k
), x
k
x
k
) , = 0, se pune y
k
= x
k
x
k
si se trece la e).
e) daca _f(x
k
), y
k
) 0, se pune x
k+1
= x
k
si se trece la a).
f) daca _f(x
k
), y
k
) > 0, se determina
k
(0, 1) din y
k
, _f(x
k
+
k
y
k
)) = 0, se pune x
k+1
= x
k
+
k
y
k
si se trece la a).
Propozit ia 5.42

In ipoteza marginirii una din urmatoarele alterna-
tive se verica:
a) algoritmul rezolva problema (5.72) ntr-un numar nit de pasi;
b) algoritmul genereaza un sir x
k
X astfel ncat f(x
k
) converge
catre inf
xX
f(x) si orice punct de acumulare al lui x
k
este solut ie
optima a lui (5.72).
Demonstrat ie Daca X = sau are loc (5.77) pentru un k, atunci
alternativa a) este valabila. Altfel, sa presupunem ca pentru ecare k =
1, 2, . . . are loc (5.78). Sirul x
k
se aa n poliedrul convex [x
0
,

X] =
tx
0
+ (1 t)x, t [0, 1], x ind un punct extremal al lui X.

Intr-
adevar, din ipoteza marginirii x
0

X si x
1
[x
0
, x
0
]. Deoarece x
k

X
si x
k
[x
0
,

X] (ipoteza de induct ie), rezulta x
k+1
[x
k
, x
k
] [x
0
,

X].
Fie x
un punct de acumulare al sirului x

k
. Exista subsirul x
k
r

x
k
cu limx
k
r
= x
. Conform Propozit iei 5.41, sirul f(x

k
) este
strict descrescator si marginit caci f este continua pe compactul [x
0
,

X].
Exista deci f
= lim
k
f(x
k
). Ar atam ca x
este solut ie a problemei

(5.72) si ca f(x
) = f
.
Deoarece

X este nit (punctele extremale ale lui X), exista x

X
si k
r
k
r
astfel ca x
k
r
= x. Deci
_f(x
k
r
), x x) 0 k
r
, x X .
A
Trecand la limita pentru k
r
, deducem
_f(x
), x x) 0 x X , (5.79)
sau luand x = x
obt inem
_f(x
), x x
) 0 . (5.80)
Pentru ecare k
r
si t (0, 1]
f(x
k
r
+t( x x
k
r
)) f(x
k
r
1
) f(x
k
r
+1
) f(x
k
r
) 0 .
Trecand la limita pentru k
r
si pentru t 0, obt inem
lim
k
f(x
k
r
+t( x x
k
r
)) f(x
k
r
)
t
=
f(x
+t( x x
)) f(x
)
t
0 ,
x x
, _f(x
)) 0 . (5.81)
Din (5.80) si (5.81) rezulta _f(x
), xx
) = 0, iar daca t inem seama

si de (5.79) rezulta _f(x
), x x
) 0 x X, ceea ce dovedeste
ca x
este solut ie optima a problemei (5.76). Din acest rezultat si din

Corolarul 5.13 rezulta concluzia.
5.10.2 a) 2. Metoda gradientului proiectat, cazul
restrict iilor liniare (Rosen)
Fie problema min
xX
f(x), unde
X = x R
n
, Ax b
si f : X R funct ie convexa de clasa c
1
. Adoptam ipotezele:
a) ipoteza marginirii: X este marginita;
b) ipoteza nedegenerarii: oricare ar x X, hiperplanele frontiera
a
j
, x) b
j
= 0, j 1, 2, . . . , m, pe care se aa sunt liniar indepen-
dente.
Fie x
k
X, I
k
= i[a
i
, x
k1
) = b
i
si subspat iul liniar S
k
= y
R
n
, a
i
, y) = 0, i I
k
. Fie E
k
matricea formata cu vectorii linie ai
matricii (a
i
)
iI
k
. Deci S
k1
= y R
n
, E
k
y = 0. Fie P
k
matricea
proiectorului pe subspat iul S
k
, data de
P
k
= I E
T
k
(E
k
E
T
k
)
1
E
k
. (5.82)
A205
Propozit ia 5.43 (test de optimalitate) x
k
X este solut ie optima a
problemei date daca si numai daca
P
k
_f(x
k
) = 0 , (5.83)
(E
k
E
T
k
)
1
E
k
_f(x
k
) 0 . (5.84)
Demonstrat ie Utilizand Propozit ia 5.36, rezulta ca x
k
X este
solut ie optima a problemei daca si numai daca exista u
0
R
m
+
ast-
fel ncat Df(x
k
) = A
T
u
0
, relat ie care conduce la
_f(x
k
) = E
T
k
u
0
. (5.85)
Din (5.85) rezulta
u
0
= (E
k
E
T
k
)
1
E
k
_f(x
k
) . (5.86)
Deci x
k
este solut ie optima daca si numai daca au loc (5.83) si (5.84).
Propozit ia 5.44 (regul a de mbunatat ire a solut iei) Daca x
k
X nu
este solut ie optima, atunci exista x
k+1
X de forma x
k+1
= x
k
+
y
k
, > 0, pentru care f(x
k+1
) < f(x
k
), unde y
k
este dat de:
y
k
= P
k
_f(x
k
), daca P
k
_f(x
k
) ,= 0 , (5.87)
y
k
=
P
k
_f(x
k
), daca P
k
_f(x
k
) = 0 (5.88)
si (E
e
E
T
k
)
1
E
k
_f(x
k
) , 0 .
P
k
este matricea de proiect ie pe subspat iul liniar
S
k
= y R
n
, a
i
, y) = 0, i I
k
, i ,= i
, i
I
k
, (5.89)
I
1
k
= i I
k
, [(E
k
E
T
k
)
1
E
k
_f(x
k
)]
i
< 0 . (5.90)
Demonstrat ie Daca P
k
_f(x
k
) ,= 0, luand y
k
dat de (5.87) rezulta
y
k
, _f(x
k
)) = P
k
_f(x
k
), _f(x
k
)) < 0 ,
caci P
k
este matrice simetrica pozitiv denita conform Corolarului 5.12.
Deci y
k
este o direct ie admisibila care produce scaderea valorii funct iei f
n vecinatatea lui x
k
. Daca P
k
_f(x
k
) = 0 si (E
k
E
T
k
)
1
E
k
_f(x
k
) , 0,
A
e i
I
1
k
,

S
k
dat de (5.89) si

P
k
matricea de proiect ie corespunzatoare.
Fie y
k
dat de (5.88). Din (5.85) avem:
y
k
=
P
k
_f(x
k
) =
P
k
E
T
k
u = u
i

P
k
a
i
.
y
k
,= 0, caci daca y
k
= 0 ar rezulta ca a
i
este o combinat ie liniara de

vectorii (a
i
)
iI
1
k
\{i
}
, si contrazice ipoteza nedegenerarii. Se obt ine:
y
k
, _f(x
k
)) = u
i
a
i
, y
k
) < 0 , a
i
, y
k
) = 0, i I
k
i
.
Deoarece u
i
< 0, rezulta a
i
, y
k
) > 0. Deci y
k
este direct ie admisibila
de descrestere pentru funct ia f n vecinatatea lui x
k
.
Propozit ia 5.45 (determinarea pasului iterat iei) Fie y
k
dat de (5.87)
si (t) = f(x
k
+ty
k
), t [0, t
k
], unde
t
k
= min
i
I
k
_
b
i
a
i
, x
k
)
a
i
, y
k
)
_
daca

I
k
= i I
k
, a
i
, y
k
) < 0 , = (5.91)
t
k
= + , daca

I
k
= .
Daca
(t
k
) 0, atunci pasul iterat iei
k
= t
k
. Daca
(t
k
) > 0, pasul
iterat iei
k
= t
k
, pentru care
(t
k
) = 0.
Demonstrat ie Fie x = x
k
+ ty
k
, x X pentru orice t [0, t
k
), unde
t
k
este dat de (5.91). Rezulta
(t) = y
k
, _f(x
k
+ty
k
)) .
Deoarece f este convexa, rezulta ca
este crescatoare pe [0, t
k
] si
(0) = y
k
, _f(x
k
)) < 0. Apar situat iile:
a)
(t
k
) 0.

In acest caz
(t) 0 t [0, t
k
] si minimul este atins n
t = t
k
, deci pasul este
k
= t
k
.
b)
(t
k
) > 0. Va exista t
k
[0, t
k
] cu
(t
k
) = 0, t
k
va punctul de
minim al funct iei f, deci pasul iterat iei este
k
= t
k
.
O etapa preliminara a algoritmului constan stabilirea faptului daca
mult imea X este vida. Aceasta etapa se poate realiza cu algoritmul sim-
plex. Acest algoritm aplicat problemelor de optimizare patratica are
A207
caracter nit.
Etapele metodei gradientului proiectat
Etapa init iala Se determina o solut ie admisibila a lui X. Se dispune de
x
k
X.
Etapa k a) Se calculeaza _f(x
k
).
a
1
) Daca _f(x
k
) = 0, x
k
este punct stat ionar, solut ia problemei.
a
2
) Daca _f(x
k
) ,= 0, se trece la b).
b) Se determina I
k
= i, a
i
, x
k
) = b
i
. Se calculeaza E
k
si P
k
=
I E
T
k
(E
k
E
T
k
)
1
E
k
. Se trece la c).
c) Se calculeaza y
k
= P
k
_f(x
k
).
c
1
) Daca y
k
,= 0, se trece la d).
c
2
) Daca y
k
= 0, se trece la e).
d) Se calculeaza

I
k
= i , I
k
, a
i
, y
k
) < 0. Se determina
t
k
= min
i
I
k
_
b
i
a
i
, x
k
)
a
i
, y
k
)
_
.
Se calculeaza
(t) = y
k
, _f(x
k
+ty
k
)).
d
1
) Daca
(t
k
) 0, se pune x
k+1
= x
k
+t
k
y
k
si se trece la a).
d
2
) Daca
(t
k
) > 0, se determina t
k
astfel ca
(t
k
) = 0, se pune
x
k+1
= x
k
+t
k
y
k
si se trece la a).
e) Se calculeaza u
k
= (E
k
E
T
k
)
1
E
k
_f(x
k
).
e
1
) Daca u
k
0, x
k
este solut ia problemei. STOP
e
2
) Daca u
k
, 0, se determina I
k
= i I
k
, u
k
i
< 0. Se alege i
k
,
se calculeaza

E
k
,

P
k
si y
k
si se trece la d).
Algoritmul descris este convergent n ipotezele a) si b).
5.10.3 b) Metoda planului de sect iune (Kelley)
Fie problema
min
xX
f(x) , (5.92)
unde X R
n
, f : X R si problema
min
yY
g(y) , (5.93)
A
unde Y = (x, x
n+1
) X R, x
n+1
f(x) 0, g : Y R, g(y) =
x
n+1
.
Propozit ia 5.46 Problemele (5.92) si (5.93) sunt echivalente n sen-
sul ca x
este solut ie optima pentru (5.92) daca si numai daca y
=
(x
, x
n+1
), x
n+1
= f(x
), este solut ie optima pentru (5.93).

Demonstrat ie Fie x
solut ie optima pentru (5.92) si x
n+1
= f(x
).
Deoarece x
X si x
n+1
f(x
) = 0, rezulta y
= (x
, x
n+1
) Y . Daca
y
nu ar solut ie optima pentru (5.93), e y
= (x
, x
n+1
) Y astfel
ncat g(y
) < g(y
). Rezulta x
n+1
< x
n+1
. Deoarece x
n+1
f(x
),
obt inem f(x
) < f(x
), ceea ce contrazice ipoteza ca x
este solut ie
optima.
Reciproc, e y
Y solut ie optima a lui (5.93) si g(y
) = x
n+1
.
Rezulta x
X. Daca x
nu ar solut ie optima pentru (5.92), e

x
X astfel ca f(x
) < f(x
), adica x
n+1
< x
n+1
. Deci g(y
) < g(y
),
unde y
= (x
, f(x
)), ceea ce contrazice faptul ca y
este solut ie optima

a lui (5.93).
Fie problema
min
xX
f(x) , (5.94)
unde X = x R
n
, h(x) 0, h : R
n
R
m
funct ii concave de clasa
c
1
si f : R
n
R funct ie convexa de clasa c
1
.

In baza Propozit iei 5.46,
problema (5.94) este echivalenta cu o problema de tipul
min
xY
c, x) , (5.95)
unde Y = x R
n
, g(x) 0, g : R
n
R
m
sunt funct ii concave de
clasa c
1
si c R
n
.
0
R
n
si H(x
0
) R
n
dat prin:
H(x
0
) = x R
n
, g
i
(x
0
) +x x
0
, _g
i
(x
0
)) 0, i = 1 . . . m .
Mult imea Y satisface proprietatea Y H(x
0
).
Demonstrat ie Deoarece g
i
, i = 1 . . . m, sunt funct ii concave,
g
i
(x
0
) g
i
(x) x x
0
, _g
i
(x
0
)), i = 1 . . . m, x R
n
. (5.96)
A209
Dac a x Y, atunci g
i
(x) 0, i = 1 . . . m, si din (5.96) rezulta
0 g
i
(x) g
i
(x
0
) +x x
0
, _g
i
(x
0
)), i = 1 . . . m ,
adica x H(x
0
).
Fie x
1
, . . . , x
T
R
n
astfel ca problema
min
xH(x
1
,...,x
T
)
c, x) (5.97)
sa admita optim nit, unde
H(x
1
, . . . , x
T
) = x R
n
, g
i
(x
t
) +x x
t
, _g
i
(x
t
)) 0, (5.98)
i = 1 . . . m, t = 1 . . . T .
T+1
solut ia optima a lui (5.97).
Daca x
T+1
Y , atunci x
T+1
este solut ie optima a problemei (5.95).
Daca x
T+1
, Y , atunci H(x
1
, . . . , x
T
, x
T+1
) H(x
1
, . . . , x
T
).
Demonstrat ie Deoarece H(x
1
, . . . , x
T
) =

T
t=1
H(x
t
) si Y H(x
t
) t =
1 . . . T, rezulta Y H(x
1
, . . . , x
T
).
Daca x
T+1
Y , rezulta x
T+1
H(x
1
, . . . , x
T
). Deci c, x
T+1
)
c, x) x H(x
1
, . . . , x
T
). Mai mult, c, x
T+1
) c, x) x Y , adica
x
T+1
este solut ie optima a lui (5.95).
Daca x
T+1
, Y , e
H(x
1
, . . . , x
T
, x
T+1
) = x R
n
, g
i
(x
t
) +x x
t
, _g
i
(x
t
)) 0, (5.99)
i = 1 . . . m, t = 1 . . . T + 1
si e x
T+2
solut ia optima a problemei
min
xH(x
1
,...,x
T+1
)
c, x) . (5.100)
Rezulta ca x
T+1
, H(x
1
, . . . , x
T
, x
T+1
), caci n caz contrar g
i
(x
T+1
) +
x
T+1
x
T+1
, _g
i
(x
T+1
)) > g
i
(x
T+1
) 0, i = 1 . . . m, adica x
T+1
Y
ceea ce contrazice presupunerea facuta. Rezulta H(x
1
, . . . , x
T+1
)
H(x
1
, . . . , x
T
). Din (5.97) si (5.100) rezulta c, x
T+1
) c, x
T+2
), caci
A
c, x
T+1
) c, x) x H(x
1
, . . . , x
T
) si x
T+2
H(x
1
, . . . , x
T+1
)
H(x
1
, . . . , x
T
).
Din Propozit ia 6.48 rezulta un procedeu de a obt ine un sir de puncte
x
t
t=1...T
. Daca prin aplicarea acestui procedeu exista T
0
astfel ca
x
T
0
X, atunci x
T
0
este solut ia optima a problemei (5.95). Daca
x
t
, X t N, se obt ine un sir de puncte care n cazul n care prob-
lema (5.95) are optim nit, dat de z
, conduce la lim
t
c, x
t
) = z
si orice subsir convergent al sirului x

t
tN
are drept limita o solut ie a
problemei (5.95).
Pentru cazul convergent, presupunem ca exista A
0
R
n
mult ime
compacta astfel ca Y A
0
, presupunem ca problema (5.95) are optim
nit atins n x
A
0
. Funct iile g
i
, i = 1 . . . m, sunt presupuse concave
de clas a c
1
pe A
0
si exista k > 0 astfel ncat
| _g
i
(x)| k x A
0
, i = 1 . . . m . (5.101)
Corolarul 5.14 Cu ipotezele facute mai sus rezulta un sir x
n
nN
, x
n
A
0
Y , pentru care f(x
n
)
nN
este monoton crescator si marginit su-
perior, deci convergent.
Demonstrat ie Daca x
este solut ia optima a problemei

min
xA
0
c, x) , (5.102)
atunci x
, Y , caci x
Y ar conduce la faptul ca x
este solut ie optima

pentru (5.95). Fie
A
k
= A
k1
(5.103)
x R
n
, g
i
(x
k
) +x x
k
, _g
i
(x
k
)) 0, i = 1 . . . m, k = 1, 2, . . .
si x
k+1
solut ia optima a problemei
min
xA
k
c, x) . (5.104)
Daca solut ia lui (5.95) nu a fost obt inuta ntr-un numar nit de pasi de
felul celor de mai sus, obt inem un sir x
n
nN
cu x
n
A
0
Y , pentru
care f(x
n
)
nN
este convergent.
A211
Propozit ia 5.49 Orice subsir convergent al sirului x
n
nN
descris
mai sus converge catre o solut ie optima a lui (5.95).
n
A
0
n N si A
0
este mult ime com-
pacta, exista un subsir x
n
k
kN
convergent la y A
0
. Aratam ca
y Y .
Presupunand ca y , Y , exista i 1, 2, . . . , m astfel ncat g
i
(y) <
0. Fie > 0 si, pentru n
k
> n
k
0
, g
i
(x
n
k
) < . Fie n
p
> n
k
. Rezulta
ca x
n
p
verica restrict ia i generata de x
n
k
, caci
g
i
(x
n
k
) +x
n
p
x
n
k
, _g
i
(x
n
k
)) 0 . (5.105)
|x
n
p
x
n
k
|
1
k
g
i
(x
n
k
) >

k
,
ceea ce contrazice ipoteza ca sirul x
n
k
kN
este convergent. Deci
y Y .
Etapele algoritmului planelor secante
Etapa init iala: Plecand de la un punct x
0
R
n
se determina mult imea
A
0
data de:
A
0
= x R
n
, g
i
(x
0
) +x x
0
, _g
i
(x
0
)) 0, i = 1 . . . m .
La etapa k se dispune de A
k1
.
Etapa k: a) Se rezolva problema
min
xA
k1
c, x)
si e x
k
solut ia sa.
b) Se determina i
0
1, 2, . . . , m astfel ncat
g
i
0
(x
k
) = min
i=1...m
g
i
(x
k
)
si se construieste
A
k
= A
k1
x R
n
, g
i
0
(x
k
) +x x
k
, _g
i
0
(x
k
)) 0 .
A
c) Daca x
k
X, solut ia problemei este x
k
. Daca x
k
, X, se trece la
etapa k+1.
Exemplu: min
xX
(x
1
x
2
), unde X este data de:
g
1
(x) = x
2
1
x
2
2
+ 4 0 g
3
(x) = x
1
0
g
2
(x) = x
2
1
+x
2
0 g
4
(x) = x
2
0
Alegand x
0
= (1, 1)
T
, rezulta
A
0
= x R
2
, x
1
+x
2
3, 2x
1
x
2
1, x
1
0, x
2
0 .
Rezolvand problema min
xA
0
(x
1
x
2
) obt inem x
1
= (0, 3)
T
.
Deoarece ming
1
(x
1
), g
2
(x
1
), g
3
(x
1
), g
4
(x
1
) = min5, 3, 0, 3 = 5,
rezulta
A
1
= x R
2
, x
1
+x
2
3, 2x
1
x
2
1, 6x
2
13 .
Procedand n continuare n mod analog, rezulta solut ia optima
x
5
=
_
247
186
,
154
93
_
.
5.10.4 c) Algoritmul Theil-Van de Panne
Este un algoritm combinatorial, utilizat n probleme de optimizare
patratica cu restrict ii liniare.
Fie problema
min
xX
f(x) , (5.106)
unde X = x R
n
, Ax b, f(x) = c, x)+
1
2
x, Cx), C o matrice de
tip (n, n) pozitiv denita, matricea A de tipul (m, n) cu vectorii linie
a
i
i=1...m
si c R
n
. Pentru orice mult ime de indici S 1, 2, . . . .m
cu proprietatea ca vectorii a
i
iS
sunt liniar independent i, problema
min
xX
S
f(x) , (5.107)
unde X
S
= x R
n
, a
i
, x) = b
i
, i S, admite solut ie unica data de
x
S
= x
C
1
A
T
S
(A
S
C
1
A
T
S
)
1
(A
S
x
b
S
) , (5.108)
A213
unde x
= C
1
c, A
S
= [a
i
]
iS
, b
S
= [b
i
]
iS
.
Algoritmul determin a mult imea
S
= i 1 . . . m, a
i
, x
) = b
i
a acelor restrict ii vericate ca egalitat i de solut ia optima a problemei

(5.106). Deoarece C este pozitiv denita, problema
min
xX
S
f(x) ,
unde X
S
= x R
n
, a
i
, x) = b
i
, i S
, are solut ie unica, x
= x
S
.
Pentru determinarea lui S
, s-ar putea calcula pentru toate submul-

t imile S 1, 2, . . . , m solut iile x
S
ale problemelor de forma (5.107),
apoi se exclud acei x
S
care nu apart in lui X si dintre cei ramasi se aleg
aceia pentru care f ia cea mai mica valoare.
O solut ie optima x
, careia i corespunde mult imea S
, se numeste
degenerata daca exista S S
astfel ncat x
S
= x
S
= x
.
Algoritmul precizeaza la ecare etapa mult imea S, dand un criteriu
care semnalizeaza momentul gasirii mult imii S
, sau, n cazul degenerat,

a unei mult imi minimale S
, n sensul ca S S
, x
S
,= x
S
pentru care x
S
= x
S
.
Propozit ia 5.50 Fie S
1
S
2
1, 2, . . . , m si problemele
min
xX
S
1
f(x) , (5.109)
min
xX
S
2
f(x) . (5.110)
Daca (5.109) si (5.110) au solut iile x
S
1
si x
S
2
, atunci f(x
S
1
) f(x
S
2
).
Demonstrat ie Deoarece S
1
S
2
, rezulta X
S
2
X
S
1
. Deoarece
f(x
S
1
) f(x) x X
S
1
si cum x
S
2
X
S
2
X
S
1
, rezulta f(x
S
1
)
f(x
S
2
).
Propozit ia 5.50 sugereaz a sa cautam pe S
printre mult imile S cu

cat mai put ine elemente, adica sa pornim cu S = si sa adaugam cate
un element din 1, 2, . . . m, dupa o regula formulata conform propoz-
itiei urmatoare.
A
Fie x
S
o solut ie optima a lui (5.107) si
V (x
S
) = i 1 . . . m, a
i
, x
S
) < b
i
. (5.111)
Deoarece V (x
S
)

S = 1, 2, . . . , mS, rezulta ca V (x
S
) este formata
din indicii componentelor negative ale vectorului
A
S
x
S
b
S
= (A
S
x
b
S
) (5.112)
(A
S
C
1
A
T
S
)(A
S
C
1
A
T
S
)
1
(A
S
x
b
S
) .
Elementele necesare calculului din (5.112) sunt date de vectorul Ax
b
si matricea
AC
1
A
T
=
_
A
S
C
1
A
T
S
A
S
C
1
A
T
S
A
S
C
1
A
T
S
A
S
C
1
A
T
S
_
. (5.113)
solut ie optima nedegenerata a problemei (5.106),

cu S
,= . Fie S S
. Exista i V (x
S
) astfel ca i S
.
este solut ie optima a lui (5.106), exista

(u
i
)
iS
astfel ca
c +Cx
iS
i
a
i
, u
i
0, a
i
, x
) = b
i
, i S
. (5.114)
Daca x
S
este solut ie optima a lui (5.107), rezulta ca exista (u
S
i
)
iS
astfel
ca
c +Cx
S
=
iS
u
S
i
a
i
, u
S
i
R, a
i
, x
S
) = b
i
, i S . (5.115)
C(x
x
S
) =
iS
(u
i
u
S
i
)a
i
+
iS
\S
u
i
a
i
.
Deoarece a
i
, x
x
S
) = 0, i S, a
i
, x
x
S
) = b
i
a
i
, x
S
), i S
S,
obt inem
x
x
S
, C(x
x
S
)) =
iS
(u
i
u
S
i
)a
i
, x
x
S
)+ (5.116)
A215
+
iS
\S
u
i
a
i
, x
x
S
) =
iS
\S
u
i
(b
i
a
i
, x
S
)) .
Deoarece C este pozitiv denita, din (5.116) rezulta n ipoteza de nede-
generare
iS
\S
u
i
(b
i
a
i
, x
S
)) > 0 .
Deoarece u
i
0, i S
S, rezulta ca pentru cel put in un indice

i S
S, b
i
a
i
, x
S
) > 0, deci exista i V (x
S
) astfel ca i S
.
Din Propozit ia 5.51 rezulta ca daca pentru S 1, 2, . . . , m, x
S
nu este solut ie a problemei (5.107), vom forma mult imile S i cu
i V (x
S
), adica se adauga la S cate un indice al restrict iei nevericate
de x
S
.
Propozit ia 5.52 Fie S 1, 2, . . . , m si x
S
solut ie admisibila a lui
(5.107). Condit ia necesara (n caz de nedegenerare) si sucienta ca x
S
sa e solut ie optima a problemei (5.107) este ca h V (x
S\{h}
) h S.
Demonstrat ie Condit ia sucienta se enunt a: daca V (x
S
) = si daca
h V (x
S\{h}
) h S, atunci x
S
este solut ie optima. Deoarece x
S
este
solut ie optima pentru (5.107), exista (u
S
i
)
iS
astfel ca
c +Cx
S
=
iS
u
S
i
a
i
. (5.117)
Deoarece x
S\{h}
este solut ia unei probleme de forma (5.107) cu sistemul
de restrict ii X
S\{h}
, exista u
S\{h}
i
astfel ca
c +Cx
S\{h}
=
iS\{h}
u
S\{h}
i
a
i
(5.118)
si
a
i
, x
S\{h}
) = b
i
, i S h, a
h
, x
S\{h}
) < b
h
.
Din (5.117) si (5.118) obt inem
x
S
x
S\{h}
, C(x
S
x
S\{h}
)) = x
S
h
(b
h
a
h
, x
S\{h}
)) . (5.119)
Deoarece C este pozitiv denita, din (5.119) rezulta u
S
h
> 0. Deoarece
h S a fost ales arbitrar, rezulta u
S
h
> 0 h S. Din (5.117) rezulta
ca x
S
este solut ie optima.
A
Condit ia necesara se bazeaza pe ipoteza de nedegenerare a solut iei
optime, adica x
= x
S
. Daca x
S
\{h}
ar satisface restrict ia h S
,
atunci ar solut ie optima si pentru problema cu restrict iile X
S
, adica
x
S
\{h}
= x
S
, ceea ce ar contrazice ipoteza de nedegenerare.

Etapele algoritmului Theil-Van de Panne
Etapa init iala: Se calculeaza x
= C
1
c.
-daca V (x
) = , atunci x
= x
este solut ie optima.

-daca V (x
) ,= , atunci S
,= . Se trece la Etapa 1.
Etapa 1: Se cerceteaza daca S
are un singur element. Studiem mult imile

S
1
= i
1
, cu i
1
V (x
). Pentru ecare S
1
se calculeaza x
S
1
si V (x
S
1
).
Pentru S
1
cu V (x
S
1
) = se verica criteriul dat de Propozit ia 5.52.
Daca nici un S
1
nu satisface condit ia de optimalitate, se noteaza
o
1
= S
1
1 . . . m, V (x
S
1
) ,=
si se trece la Etapa 2.
Presupunem ca la sfarsitul Etapei p-1 nu a fost gasita solut ia si
dispunem de
o
p1
= S
p1
1 . . . m, V (x
S
p1
) ,= .
Etapa p: a) Se formeaza
S
p
= S
p1
i, S
p1
o
p1
, i V (x
S
p1
) .
b) Se calculeaza x
S
p
, V (x
S
p
) pentru tot i S
p
.
c) Pentru S
p
cu V (x
S
p
) = se verica criteriul de optimalitate dat de
Propozit ia 5.52. Daca nici unul dintre S
p
nu verica criteriul dat de
Propozit ia 5.52, punem
o
p
= S
p
1 . . . m, V (x
S
p
) ,=
si se trece la Etapa p+1.
Algoritmul conduce ntr-un numar nit de pasi la determinarea
solut iei optime a problemei (5.106), daca aceasta exista.
A217
La ecare etapa, la mult imea S se adauga un singur element, in-
versele matricelor A
S
C
1
A
T
S
se pot calcula din aproape n aproape,
utilizand formula
_
B b
b
T
_
1
=
1
b
T
B
1
b
_
( b
T
B
1
b)B
1
+dd
T
d
d
T
1
_
,
unde d = B
1
b, B matrice simetrica.
Exemplu: Sa se rezolve problema
min(4x
1
5x
2
+
1
2
(x
2
1
+x
2
2
))
x
1
0
x
2
0
x
1
3x
2
3
2x
1
x
2
8
Etapa init iala:
x
= C
1
c =
_
4
5
_
, Ax
b =
_
_
_
4
5
8
_
_
_,
AC
1
A
T
=
_
_
_
_
_
1 0 1 2
0 1 3 1
1 3 10 1
2 1 1 5
_
_
_
_
_
,
V (x
) = 3, 4, S
,= .
Etapa 1: S
1
= 3, S
1
= 4 conduce la solut ii admisibile. Daca
S
1
= 3,

S
1
= 1, 2, 4,
A
S
1
x
S
1
b
S
1
=
_
_
_
24
5
13
5
21
5
_
_
_ ,
A
deci V (x
S
1
) = 4 si V (x
S
1
) = 3.
Etapa 2: Se formeaza S
2
= 3, 4. Atunci

S
2
= 1, 2 si se cal-
culeaza A
S
2
x
S
2
b
S
2
, obt inandu-se V (x
S
2
) = . Testul de optimalitate:
V (x
S
2
\{3}
) = V (x
S
1
) = 3, V (x
S
2
\{4}
) = V (x
S
1
) = 4.
Deci solut ia optima este
x
= x
S
2
=
_
3
2
_
si f(x
) =
31
2
.
5.11 Exercit ii si aplicat ii
1. Demonstrat i prin induct ie n raport cu numarul de elemente ale unei
combinat ii liniare convexe canvelitoarea convexa coincide cu mult imea
combinat iilor liniare convexe ( vezi Propozit ia 5.3).
2. Aratat i ca n R
n
urmatoarele mult imi sunt convexe:
a) 1 = x R
n
, Ax = b, b R
m
, A matrice de tip (m, n).
b)

1 = x R
n
, Ax b.
c) S(a, r) = x R
n
, |x a| r.
3. Aratat i ca X R
n
este convexa daca si numai daca pentru orice
x
1
, x
2
X mult imea
T(x
1
, x
2
) = t R, tx
1
+ (1 t)x
2
X
este convexa.
4. Aratat i ca X R
n
este convexa daca si numai daca mult imea
T(x
1
, x
2
, . . . , x
k
) = t R
k
,
k
i=1
t
i
x
i
X
este convexa pentru orice k N si pentru orice x
1
, x
2
, . . . , x
k
X.
5. Fie f : R
n
R, f(x) = x, Cx), unde C este o matrice sime-
trica de tip (n, n). Sa se arate ca f este convexa daca si numai daca
forma patratica este semipozitiv denita.
5.11. EXERCIT II SI APLICAT II 219
6. Fie X R
n
mult ime convexa si f : X R. Sa se arate ca
urmatoarele armat ii sunt echivalente:
a) f convexa pe X.
b) x
1
, x
2
X, t > 1 astfel ncat tx
1
+ (1 t)x
2
X,
f(tx
1
+ (1 t)x
2
) tf(x
1
) + (1 t)f(x
2
) .
c) x
1
, x
2
X, t < 0 astfel ncat tx
1
+ (1 t)x
2
X,
f(tx
1
+ (1 t)x
2
) tf(x
1
) + (1 t)f(x
2
) .
d)
x,y
: T
x,y
R,
x,y
(t) = f(x +ty) este convexa, unde
T
x,y
= t R, x +ty X x X, y R
n
.
e)
x
1
,x
2 : [0, 1] R,
x
1
,x
2(t) = f(tx
1
+ (1 t)x
2
) este convexa
x
1
, x
2
X.
Indicat ie: a)b) Fie t > 1, deci
1
t
(0, 1) si 1
1
t
(0, 1). Rezulta
(1
1
t
)f(x
2
) +
1
t
f(tx
1
+ (1 t)x
2
) f(x
1
) ,
adica b).
b)a) Fie t (0, 1), deci
1
t
> 1. Rezulta
f(tx
1
+(1t)x
2
)+(t1)f(x
2
) = t[
1
t
f(tx
1
+(1t)x
2
)+(1
1
t
)f(x
2
)]
tf(x
1
+ (
1
t
1)x
2
+x
2
1
t
x
2
) = tf(x
1
) ,
adica a).
7. Fie X R
n
mult ime convexa cu
X
,= si f : X R funct ie
convexa. Sa se arate ca f este continua n orice punct x
0
X
.
Solut ie: Fie x
0
X
si S(x
0
, ), unde > 0 sucient de mic. Fie c R
astfel ncat S(x
0
, ) C = x R, f(x) c. Fie x S(x
0
, ), x ,=
x
0
si t =
xx
0
(0, 1). Fie a

1
= (1 +
1
t
)x
0
1
t
x, a
2
= (1
1
t
)x
0
+
1
t
x.
Rezulta |a
1
x
0
| = , |a
2
x
0
| = , deci a
1
, a
2
S(x
0
, ). Deoarece
f este convexa pe S(x
0
, ) conform Exercit iului 6, rezulta
f(a
1
)
1
t
f(x) + (1 +
1
t
)f(x
0
) ,
A
f(a
2
)
1
t
f(x) + (1
1
t
)f(x
0
) .
Deoarece a
1
, a
2
C, f(a
1
) c, f(a
2
) c, rezulta
f(x
0
) f(x) t(c f(x
0
)) ,
f(x
0
) f(x) t(f(x
0
) c) ,
adica [f(x
0
) f(x)[
cf(x
0
)
|x x
0
|. Deci lim
xx
0 f(x) = f(x
0
).
8. Fie varietatea liniara
1 = x R
n
, x = Dy +d, y R
p
,
unde D este o matrice de tipul (n, p), si f : R
n
R o funct ie de clasa
c
2
. Aratat i ca o condit ie necesara si sucienta ca f sa e convexa pe 1
este ca matricea D
T
Hf(x)D sa e semipozitiv denita x 1. Hf(x)
este hessiana funct iei f, data prin matricea
_

2
f
x
i
x
j
_
i,j
.
Indicat ie: Fie : R
p
R, (y) = f(Dy + d). Rezulta H(y) =
D
T
Hf(x)D. Se aplica apoi Propozit ia 5.14.
9. Sa se arate ca forma patratica
f(x) = 4x
2
1
+ 5x
2
2
+ 4x
2
4
+ 8x
1
x
2
+ 14x
1
x
3
+ 2x
2
x
3
+ 2x
3
x
4
este strict convexa pe varietatea 1 data prin
2x
1
+x
2
2x
3
+ 3x
4
= b
1
,
3x
1
+ 2x
2
x
3
2x
4
= b
2
.
10. Fie X R
n
mult ime convexa si f : X R data de f(x) =
c, x) +
1
2
x, Cx), unde C este o matrice simetrica de tipul (n, n).
Urmatoarele armat ii sunt echivalente:
a) f este convexa pe X.
5.11. EXERCIT II SI APLICAT II 221
b) x
1
x
2
, C(x
1
x
2
)) 0 x
1
, x
2
X.
c) Daca X este subspat iu liniar, x, Cx) 0 x X.
d) Daca X = Dy, y R
p
, atunci D
T
CD este semipozitiv denita.
11. Fie X R
n
mult ime convexa si f : X R funct ie continua
pe X. Funct ia f este convexa pe X daca si numai daca
f(
1
2
x
1
+
1
2
x
2
)
1
2
f(x
1
) +
1
2
f(x
2
) x
1
, x
2
X .
Indicat ie: Se arata prin induct ie dupa n N ca pentru =
m
2
n
, m
N, m < 2
n
, avem
f(x
1
+ (1 )x
2
) f(x
1
) + (1 )f(x
2
) x
1
, x
2
X .
Orice (0, 1) este dat de lim
n
n
, unde
n
nN
sunt elemente de
forma de mai sus. Trecand la limita n
f(
n
x
1
+ (1
n
)x
2
)
n
f(x
1
) + (1
n
)f(x
2
)
si t inand seama ca f este continua n x
1
+ (1 )x
2
X, rezulta ca
f este convexa. Reciproca este imediata.
12. Formulat i si demonstrat i Propozit ia 5.21 pentru problema
max
xX
f(x) , X = x R
n
, g
i
(x) 0, i = 1 . . . m, Ax = b ,
unde g
i
: X R, i = 1 . . . m, sunt funct ii convexe, A matrice de tip
(p, n), b R
p
, pentru care exista x
0
R
n
astfel ncat g
i
(x
0
) < 0, i =
1 . . . m, Ax
0
= b, iar f : X R este convexa.
Indicat ie: Funct ia Lagrange asociata problemei este
L(x, u, v) = f(x) +
m
i=1
u
i
g
i
(x) +v, Ax b) ,
x R
n
, u R
m
+
, v R
p
.
13. Utilizand Propozit ia 5.24 si Corolarul 5.5, sa se stabileasca natura
punctelor stat ionare pentru funct iile:
A
a) f : R
2
R, f(x, y) = x
3
+ 3xy
2
12y 15x,
b) f : R
3
R, f(x
1
, x
2
, x
3
) = x
1
x
2
x
3
(4a x
1
x
2
x
3
),
c) f : R
2
R, f(x
1
, x
2
) = x
2
1
+x
2
2
cu restrict ia g(x
1
, x
2
) = x
2
1
+4x
2
2
4x
1
12 = 0,
d) f : R
3
R, f(x
1
, x
2
, x
3
) = x
1
x
2
x
3
cu restrict ia g(x
1
, x
2
, x
3
) =
x
2
1
+x
2
2
+x
2
3
3 = 0.
14. Fie X
0
R
n
mult ime convexa, g : X
0
R
n
funct ii concave
de clasa c
1
si X = x X
0
, g(x) 0 ,= satisfacand condit ia de
regularitate a lui Slater. Aratat i ca g
i
, i = 1 . . . m, satisfac condit ia de
regularitate Karush-Kuhn-Tucker n orice x
0
X.
Indicat ie: Deoarece exista x X
0
astfel ncat g
i
( x) > 0, i = 1 . . . m si g
i
sunt concave, rezulta ca v = xx
0
este direct ie admisibila n x
0
. Fie w
o alta direct ie admisibila n x
0
si c
: t [0, ) c
(t) = x
0
+t(w+v)
o curba. Curba c
are proprietatea c
(t) X t [0, ) si w = (c
0
)
(0).
15. Fie X = x R
n
, Ax = b, x 0, f : X R funct ie
convexa de clasa c
1
. Aratat i ca o condit ie necesara si sucienta ca
x
0
R
n
sa e solut ie optima a problemei min
xX
f(x) este ca sa existe
u
0
R
m
, y
0
R
n
+
astfel ncat
Ax
0
= b, y
0
, x
0
) = 0, _f(x
0
) = A
T
u
0
+y
0
.
Indicat ie: Funct ia Lagrange asociata problemei este
L(x, u, y) = f(x) u, Ax b) y, x), u R
m
, y R
n
+
.
Se aplica apoi Propozit ia 5.32.
16. Rezolvat i problema
min(x
2
1
+x
2
2
x
1
8x
2
)
2x
1
3x
2
3
x
1
x
2
3
2x
1
+x
2
4
x
1
0, x
2
0
utilizand algoritmi din paragraful 10.
Capitolul 6
Teste pregatitoare pentru
examene
Testul nr. 1
1. Duala unei probleme de optimizare liniara sub forma canonica
2. Elementele unui joc, clasicare, exemple
1. Criteriul de optimalitate n optimizarea liniara
2. Teorema lui John von Neumann pentru jocuri competitive
matriciale
Elementele unei probleme de maxim sub forma canonica sunt
A =
_
_
_
2 2 2
3 2 1
3 1 1
_
_
_ b =
_
_
_
20
18
0
_
_
_ c =
_
_
_
3
5
4
_
_
_.
a) Sa se rezolve problema si sa se determine solut ia dualei.
b) Sa se determine intervalele critice si solut iile pentru
b(t) =
_
_
_
20 +t
18
0
_
_
_ cu t R.
Sa se determine solut ia optima din punctul de vedere al debito-
rilor.
223
224CAPITOLUL 6. TESTE PREG
ATITOARE PENTRUEXAMENE
C D 1 2 3 Disponibil
1 3 4 6 7
2 7 5 5 10
3 4 6 3 4
Necesar 7 4 9
Rezolvat i jocul cooperativ
A =
_
3 2 1
4 2 7
_
B =
_
2 3 0
5 2 8
_
Sa se determine repartit ia de valoare maxima pentru:
I A 1 2 3 4
1 5 4 3 4
2 6 4 2 7
3 7 3 4 6
4 7 5 5 5
5 8 7 6 4
6 9 6 6 7
Testul nr. 2
1. Duala unei probleme de optimizare sub forma generala
2. Mult ime admisibila pentru un joc cooperativ, axiomele lui
Nash
1. Determinarea unei solut ii admisibile de baza
2. Algoritmul pentru rezolvarea unui joc competitiv de doua per-
soane
Elementele unei probleme de minim sub forma standard sunt
A =
_
_
_
1 1 2 1
2 1 3 1
1 1 1 1
_
_
_ b =
_
_
_
2
6
7
_
_
_ c =
_
_
_
_
_
2
1
1
1
_
_
_
_
_
.
a) Determinat i solut ia optima si solut ia dualei.
b = (4, 5, 2)
T
.
225
Determinat i solut ia optima din punct de vedere al creditorilor.
1 3 4 5 7
2 6 5 4 2
3 3 4 2 2
Necesar 7 6 4
Sa se rezolve jocul cooperativ
A =
_
_
_
_
_
3 2
2 4
1 3
5 6
_
_
_
_
_
B =
_
_
_
_
_
2 3
4 2
5 3
6 3
_
_
_
_
_
.
Determinat i elementele drumului critic pentru proiectul
Activitat i 1 2 3 4 5 6 7 8 9 10 11 12 13
Durata 5 7 6 4 3 2 1 5 4 1 3 5 2
Activitat i - 1 2 3 1 1 6 4 8 9 7 9 11
precedente 5 8 12
7
Testul nr. 3
1. Probleme parametrice n optimizarea liniara
2. Algoritm pentru rezolvarea unui joc competitiv matricial
1. Proprietat i ale sistemului de restrict ii ale unei probleme de
optimizare liniara
2. Algoritm pentru determinarea drumului critic, justicare
Elementele unei probleme de minim sub forma canonica sunt
A =
_
_
_
1 1 0 1
1 2 1 0
0 1 1 1
_
_
_ b =
_
_
_
2
4
5
_
_
_ c =
_
_
_
_
_
6
8
12
10
_
_
_
_
_
.
4
a
4
= (2, 1, 2)
T
.
Sa se determine solut ia optima din punct de vedere al debitorilor.
1 3 4 5 7
2 6 3 2 6
3 5 5 3 4
Necesar 7 5 5
Sa se rezolve jocul competitiv dat de
A =
_
_
_
2 0 1 4
1 2 5 3
4 1 3 2
_
_
_.
Sa se determine repartit ia de valoare maxima.
I A 1 2 3 4
1 0,2 0,1 0,1 0,3
2 0,3 0,2 0,3 0,4
3 0,3 0,2 0,4 0,4
4 0,4 0,3 0,4 0,5
5 0,5 0,4 0,5 0,6
Testul nr. 4
1. Reoptimizarea n optimizarea liniara
2. Graful activitat ilor unui proiect, caracterizare
1. Solut ia optima a dualei unei probleme de optimizare liniara
sub forma standard
2. Tabela de decizie, metode pentru alegerea variantei optime
A =
_
2 3 1
1 2 3
_
b =
_
4
3
_
c =
_
_
_
8
24
18
_
_
_.
a) Sa se rezolve problema si duala sa.
2
a
2
= (4, 2)
T
.
227
Sa se rezolve problema de transport utilizand criteriul de maxim.
1 3 5 6 7
2 4 3 2 6
3 6 5 3 7
Necesar 7 5 8
A =
_
_
_
2 1
3 2
1 3
_
_
_ B =
_
_
_
1 2
1 3
2 5
_
_
_.
Sa se determine elementele drumului critic.
Activitat i 1 2 3 4 5 6 7 8 9 10 11 12 13
Durata 8 6 5 3 4 7 5 6 4 1 2 5 3
Activitat i - - - - - 1 1 5 6 6 9 5 3
2 2 7 4 10
precedente 4 7 11
8 9
Testul nr. 5
1. Prima faza n algoritmul simplex
2. Solut ia unui joc competitiv matricial
1. Proprietat ile a doua probleme duale sub forma canonica
2. Jocuri competitive, teorema lui Nash
A =
_
_
_
2 1
3 2
1 3
_
_
_ b =
_
_
_
8
24
18
_
_
_ c =
_
4
3
_
.
a) Sa se rezolve problema si duala sa.
2
a
2
= (2, 3, 3)
T
.
Sa se determine solut ia optima din punct de vedere al creditorilor.
C D 1 2 3 4 Disponibil
1 3 4 5 7 5
2 2 6 4 3 7
3 3 5 1 6 6
Necesar 5 9 7 6
A =
_
_
_
2 2 3
1 1 1
3 2 1
_
_
_ B =
_
_
_
1 2 0
3 2 1
2 3 4
_
_
_.
S a se determine repartit ia optima a investit iei.
I A 1 2 3 4
1 5 4 3 6
2 4 3 4 5
3 6 5 5 4
4 7 6 6 5
5 6 4 8 6
6 8 8 8 7
Testul nr. 6
1. Criteriul de continuare n algoritmul simplex
2. Solut ia unui joc competitiv de doua persoane
1. Algoritmi pentru reoptimizaren probleme de optimizare liniara,
justicare
2. Problema de investit ii optime, model, justicarea algoritmului
A =
_
_
_
2 2 1
1 2 0
2 1 1
_
_
_ b =
_
_
_
4
3
6
_
_
_ c =
_
_
_
4
2
3
_
_
_.
229
a) Sa se determine solut iile optime si solut ia dualei.
b) Sa se determine intervalele critice si solut iile optime pentru
t R, unde b(t) = (4 +t, 3 +t, 6 + 3t)
T
.
Sa se determine solut iile optime din punct de vedere al debitorilor.
D C 1 2 3 4 Necesar
1 3 4 2 5 5
2 4 2 5 3 3
Disponibil 5 2 4 3
Sa se rezolve jocul competitiv
A =
_
_
_
_
_
2 3 0 1
1 2 4 3
0 2 3 2
2 3 0 1
_
_
_
_
_
.
Utilizand metodele cunoscute sa se determine varianta optima.
V
1
V
2
V
3
Coecient de important a
C
1
5 2 3 3
C
2
4 6 5 2
C
3
6 3 4 2
C
4
2 3 5 3
Testul nr. 7
1. Criteriul de nemarginire a valorii funct iei obiectiv n opti-
mizarea liniara
2. Elementele unui joc, clasicare, exemple
1. Etapa de continuare a algoritmului simplex dual
2. Teorema lui John von Neumann pentru jocuri competitive
matriciale
A =
_
_
_
2 1 2
2 2 1
1 0 1
_
_
_ b =
_
_
_
4
2
3
_
_
_ c =
_
_
_
4
3
6
_
_
_.
a) Sa se determine solut iile optime si solut iile dualei.
b) Sa se determine intervalele critice si solut iile optime pentru
t R, unde c(t) = (4 +t, 3 +t, 6 + 3t)
T
.
Sa se determine solut iile optime din punctul de vedere al credito-
rilor.
D C 1 2 3 Necesar
1 4 6 5 8
2 3 2 6 7
3 4 7 5 4
Disponibil 5 9 6
Rezolvat i jocul competitiv matricial cu
A =
_
_
_
1 3 3 2 2
2 0 3 3 3
2 1 0 1 2
_
_
_.
Determinat i repartit ia de valoare maxima pentru
I A 1 2 3 4 5
1 5 3 4 3 5
2 6 4 3 5 4
3 4 5 6 6 3
4 5 5 5 4 6
Testul nr. 8
1. Criteriul de optimalitate n optimizarea liniara
2. Mult ime admisibila pentru un joc cooperativ, axiomele lui
Nash
1. Proprietat ile a doua probleme duale sub forma standard
2. Algoritmul pentru rezolvarea unui joc cooperativ
A =
_
_
_
2 3 3
2 2 1
2 1 1
_
_
_ b =
_
_
_
3
5
4
_
_
_ c =
_
_
_
20
18
0
_
_
_.
231
b) Sa se determine intervalele critice si solut iile pentru t R,
daca c(t) = (20 +t, 18, 0)
T
.
Sa se determine solut iile optime din punct de vedere al debitorilor.
1 4 3 5 4
2 6 3 4 9
Necesar 4 5 7
A =
_
3 2 1 5
2 4 3 6
_
B =
_
2 4 5 6
3 2 3 3
_
.
Determinat i elementele drumului critic pentru proiectul
Activitat i 1 2 3 4 5 6 7 8 9 10 11 12 13
Durata 4 7 1 3 5 6 4 3 2 5 6 7 2
Activitat i - 1 2 3 1 1 6 4 8 9 7 9 11
5 8 12
precedente 7
Testul nr. 9
1. Baza primal admisibila, baza dual admisibila, caracterizari
2. Algoritm pentru rezolvarea unui joc competitiv matricial
1. Reoptimizare, justicarea algoritmilor
2. Algoritm pentru determinarea drumului critic, justicare
A =
_
_
_
2 2 2
3 2 1
3 1 1
_
_
_ b =
_
_
_
20
18
0
_
_
_ c =
_
_
_
3
5
4
_
_
_.
b) Sa se determine intervalele critice si solut iile pentru t R,
daca b(t) = (20 +t, 18, 0)
T
.
Sa se determine solut ia optima din punct de vedere al creditorilor.
C D 1 2 3 4 Disponibil
1 3 7 6 5
2 4 6 3 2 9
Necesar 5 7 6 2
S a se rezolve jocul cooperativ
A =
_
_
_
2 1
3 2
1 3
_
_
_ B =
_
_
_
1 2
1 3
2 5
_
_
_.
S a se determine repartit ia de valoare maxima.
I A 1 2 3 4
0 50 60 40 38
1 60 64 42 41
2 70 68 50 47
3 80 78 60 57
4 90 90 66 66
5 100 102 75 72
Testul nr. 10
1. Puncte extremale, direct ii extremale, caracterizari
2. Graful activitat ilor unui proiect, caracterizare
1. Etapa de continuare n algoritmul potent ialelor
2. Tabela de decizie, metode pentru alegerea variantei optime
A =
_
_
_
1 0 2
1 2 3
0 0 1
_
_
_ b =
_
_
_
8
16
2
_
_
_ c =
_
_
_
3
2
3
_
_
_.
a) Sa se determine solut ia optima a problemei si a dualei sale.
b) Sa se reoptimizeze daca b
b = (16, 16, 2)
T
.
233
Matricea cheltuielilor unitare de transport, vectorii necesar si
disponibil sunt
C =
_
_
_
3 5 4
4 2 3
3 6 2
_
_
_ b =
_
_
_
7
5
4
_
_
_ a =
_
_
_
7
2
4
_
_
_.
Sa se determine un plan de transport optim utilizand criteriul de
minim.
Sa se rezolve jocul competitiv dat de
A =
_
_
_
6 0 3 8
8 2 3 9
4 6 5 7
_
_
_.
Sa se determine elementele drumului critic.
Activitat i 1 2 3 4 5 6 7 8 9 10 11 12 13
Durata 8 7 6 5 3 7 8 6 1 4 5 3 1
Activitat i - - - - - 1 1 5 6 6 9 5 3
2 2 7 4 10
precedente 4 7 11
8 9
Testul nr. 11
1. Solut ie admisibila, solut ie admisibila de baza, solut ie optima
pentru o problema de optimizare liniara
2. Solut ia unui joc competitiv matricial
1. Condit ia de optimalitate n probleme de tip transport
2. Jocuri cooperative, teorema lui Nash
Elementele unei probleme de maxim sub forma standard sunt
A =
_
_
_
1 1 2 1
2 1 3 1
1 1 1 1
_
_
_ b =
_
_
_
2
6
7
_
_
_ c =
_
_
_
_
_
2
1
1
1
_
_
_
_
_
.
a) Sa se determine solut ia optima a problemei si a dualei.
b) Reoptimizat i daca c c = (3, 2, 1, 1)
T
.
Rezolvat i problema de transport utilizand criteriul de maxim.
D C 1 2 3 Disponibil
1 4 5 2 7
2 4 6 5
3 7 5 3 7
Necesar 7 6 3
A =
_
3 2 1 2
1 2 1 1
_
B =
_
0 2 2 1
3 1 1 2
_
.
Sa se determine repartit ia optima a investit iei.
I A 1 2 3 4 5
1 3 2 5 4 6
2 4 3 4 5 5
3 3 4 4 6 3
4 5 5 3 6 4
Testul nr. 12
1. Formele problemelor de optimizare liniara
2. Solut ia unui joc competitiv de doua persoane
1. Proprietat ile sistemului de restrict ii ale unei probleme de trans-
port
2. Problema de investit ii optime, model, justicarea algoritmului
Elementele unei probleme de minim sub forma standard sunt
A =
_
_
_
1 1 2 1
2 1 3 1
1 1 1 1
_
_
_ b =
_
_
_
2
6
7
_
_
_ c =
_
_
_
_
_
2
1
1
1
_
_
_
_
_
.
b = (3, 2, 2)
T
.
Bibliograe
[1] Boros E., Opris D.Introducere n optimizarea liniara si aplicat ii,
Ed. Facla, Timisoara, 1979
[2] Boros E., Opris D.Capitole de cercetari operat ionale, Tip. Univ.
Timisoara, 1988
[3] Berge C.Graphes et hypergraphes, Dunod, Paris, 1981
[4] Ionescu H. s. a.Probleme ale cercetarii operat ionale, Ed. didac-
tica si pedagogica, Bucuresti, 1972
[5] Mihoc Gh., Nadejde I.Programarea matematica vol. I,II, Ed.
stiint ica, Bucuresti, 1966, 1967
[6] Nadejde I. s. a.Probleme de cercetare operat ionala, Ed.
Academiei, Bucuresti, 1971
[7] Owen G.Teoria jocurilor, Ed. tehnica, Bucuresti, 1974
[8] Sima V., Varga A.Practica optimizarii asistate de calculator, Ed.
tehnica, Bucuresti, 1986
[9] Stanciu P., Criveanu D., Fuchs W.Matematici aplicate n
economie, Ed. Facla, Timisoara, 1981
[10] Tomescu I.Probleme de combinatorica si teoria grafurilor, Ed.
didactica si pedagogica, Bucuresti, 1981
[11] Vranceanu Gh., Mititelu St.Probleme de cercetare operat ionala,
Ed. tehnica, Bucuresti, 1978
[12] Zidaroiu C.Programarea liniara, Ed. tehnica, Bucuresti, 1983
235

Carte Co

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Carte Co

Încărcat de

Drepturi de autor:

Formate disponibile

Cuprins

In procesele concrete inputul este format din cantitat i de materii

. Obt inem sistemul

In baza transformarilor elementare obt inem:

In cele ce urmeaza vom face ipoteza de lucru, si anume :

AT ILE SISTEMULUI DE RESTRICT II 11

AT ILE SISTEMULUI DE RESTRICT II 13

AT ILE SISTEMULUI DE RESTRICT II 15

este baza daca si numai daca

este liniar depen-

obt inuta din B prin nlocuirea lui a

vecina bazei B. Inversa matricei B

In condit iile (1.33), printre punctele de minim ale problemei (1.32)

) au loc relat iile:

In cazul n care s-a obt inut o solut ie admisibila de baza degenerata

In baza Propozit iei 1.25, sarcina primei faze a fost ncheiata si se

, = 1 . . . m, reprezinta din punct de vedere economic

Intr-un proces industrial se produc subansamblele S

= 0, adica daca variabila duala

In algoritmul simplex vectorul u

= , atunci B este si primal admisibila, si deci x = ( x

linia de rang a lui (B

exista j m + 1, . . . , n astfel ncat

< 0 si daca se alege I

este arbitrara. Totusi pentru a asigura o crestere

56 CAPITOLUL 1. OPTIMIZAREA LINIAR

= , s-a obt inut solut ia optima. STOP

In problemele de optimizare liniara coecient ii ce intervin pot constant i

se aplica algoritmul simplex dual.

In cazul t > 4 se continu a cu algoritmul simplex dual.

se aplica algoritmul simplex primal.

, = 1 . . . m, si este solicitat n n centre de desfacere C

In continuare vom considera probleme de tip transport sub forma

Intr-adevar, din combinat ia liniara

In etapa 2, cazul c) conduce la o solut ie admisibila degenerata. Prin

(1, 4) = (3, 4), (2, 3), (1, 2)

(, j) sunt rutele marcate cu -1, si c

(1, 4) = (1, 1), (3, 4) si = min5, 5 = 5. Noua solut ie este data

In problemele liniare de repartizare si transfer de fonduri se cere

In cele ce urmeaza vom presupune ca simbolurile max, min au

Inlocuind n (3.17) pe F(x

ale jocurilor satisfac relat ia v

= 1. Se numeste strategie mixta a celui de-al doilea

3.2. JOCURI COMPETITIVE DE DOU

. Se trece la Etapa nala.

Intre (p, q) si (x, y) au loc relat iile

In demonstrat iile de mai sus s-a considerat mult imea admisibila U

In exemplele de mai sus s-au considerat puterile individuale obt inute

(x) = y X, (y, x) U. Mult imea (x) =

(x, y). Multiplicitatea

(x). Se trece la Etapa

se aplica Etapa 1 si Etapa 2.

(1). Componenta tare conexa ce cont ine

In mod asemanator cu Propozit ia 4.6 se demonstreaza

In cazul maximului, pentru a avea drumuri de valoare maxima nita

reprezinta activitat ile proiectului si (A

In mod similar, daca proiectul cont ine

(i) momentul timpuriu de ncepere

(i) momentul tarziu de ncepere

(1) = 0. Momentul timpuriu de ncheiere

este numeric egal cu durata cea

) este subgraf al lui G = (X, M)

= n. Daca arcul ndepartat din G pentru a obt ine

strica conexitatea lui G, atunci dintr-o componenta conexa a lui