cultatea

UNIVERSITATEA HYPERION DIN BUCUREŞTI
FACULTATEA DE ŞTIINŢE ECONOMICE

Matematică aplicată în economie
- SUPORT DE CURS ÎN FORMAT ID

Autori: Lect. univ. drd. Andreea Mitroi Lect. Univ. drd Mihaela Popa Asist. Univ. Drd. Diaconescu Tiberiu

Cuprinsul suportului de curs
Unitatea de învăţare nr. 1 – ELEMENTE DE TEORIA GRAFURILOR 1.1. Generalităţi. Matricea asociată drumurilor unui graf 1.1.1. Generalităţi 1.1.2. Matricea asociată drumurilor unui graf 1.2. Determinarea drumurilor hamiltoniene în grafuri fără circuite 1.3. Determinarea drumurilor hamiltoniene în grafuri cu circuite 1.4. Determinarea drumurilor optime într-un graf 1.5. Tema de control a unităţii de învăţare nr. 1 1.6. Testul de autoevaluare nr. 1 1.7. Bibliografia specifică unităţii de învăţare nr. 1 Unitatea de învăţare nr. 2 - ELEMENTE DE TEORIA PROBABILITĂŢILOR 2.1. Câmpuri de evenimente şi câmpuri de probabilitate 2.1.1. Câmpuri de evenimente 2.1.2. Câmpuri de probabilitate 2.2. Probabilităţi condiţionate. Evenimente independente 2.2.1. Probabilităţi condiţionate 2.2.2. Evenimente independente 2.3. Scheme probabilistice 2.4. Tema de control a unităţii de învăţare nr. 2 2.5. Testul de autoevaluare nr. 2 2.6. Bibliografia specifică unităţii de învăţare nr. 2 Unitatea de învăţare nr. 3 - VARIABILE ALEATOARE 3.1. Generalităţi. Funcţia de repartiţie 3.1.1. Generalităţi 3.1.2. Distribuţia de probabilitate (repartiţia) a unei variabile aleatoare simple 3.1.3. Funcţia de repartiţie şi densitatea de repartiţie a unei variabile aleatoare 3.2. Variabile aleatoare discrete 3.2.1. Operaţii cu variabile aleatoare discrete 3.2.2. Operaţii efectuate asupra unei variabile aleatoare X 3.2.3. Operaţii care se pot efectua cu două variabile aleatoare X şi Y 3.3. Caracteristici numerice ale variabilelor aleatoare. Coeficientul de corelaţie 3.3.1. Caracteristici numerice ale variabilelor aleatoare discrete 3.3.2. Caracteristici numerice ale variabilelor aleatoare continue 3.4. Coeficientul de corelaţie a două variabile aleatoare 3.5. Tema de control a unităţii de învăţare nr. 3 3.6. Testul de autoevaluare nr. 3 3.7. Bibliografia specifică unităţii de învăţare nr. 3 Unitatea de învăţare nr. 4 - PROBLEME DE PROGRAMARE LINEARĂ 4.1. Formularea problemei de programare lineară bidimensională 4.1.1. Probleme de programare lineară cu 2 variabile (programare lineară bidimensională) 6 7 7 10 13 16 20 30 34 35 36 37 37 39 46 46 47 49 54 57 59 60 61 61 63 64 68 69 70 71 75 75 77 79 84 89 94 95 96 96

2

4.1.2. Formularea unei probleme de programare lineară (elementele unei probleme de programare lineară) 4.2. Metoda grafică de rezolvare a problemelor de programare lineară bidimensională 4.3. Algoritmul simplex bidimensional 4.3.1. Maximizarea unei funcţii obiectiv pentru care toate restricţiile au semnul “ ” 4.3.2. Minimizarea unei funcţii obiectiv pentru care toate restricţiile au semnul “ ” (problema duală) 4.4. Rezolvarea problemelor de programare lineară multidimensională 4.5. Tema de control a unităţii de învăţare nr. 4 4.6. Testul de autoevaluare nr. 4 4.7. Bibliografia specifică unităţii de învăţare nr. 4 5. BIBLIOGRAFIA ÎNTREGULUI SUPORT DE CURS 6. NOTIŢELE CURSANTULUI

97 102 105 106 111 122 132 143 146 147 148

3

Introducere Cursul se adresează studenţilor Facultăţii de Stiinţe Economice. Conceperea cursului s-a făcut pornind de la obiectivele generale ale obiectului de studiu “Matematică economică” în contextul obiectivelor generale ale facultăţii de ştiinţe economice şi anume: 1. specifice conţinutului disciplinei matematică economică Dezvoltarea aptitudinilor de interpretare şi de analiză critică a rezultatelor obţinute prin rezolvarea problemelor Dezvoltarea spiritului inovator în domeniul economic prin aplicarea metodelor specifice disciplinei matematică economică 3. Obiective aferente dezvoltării de competenţe de cunoaştere Cunoaşterea şi înţelegerea conceptelor şi noţiunilor specifice matematicii economice Cunoaşterea principalelor metode şi tehnici de modelare matematică şi de rezolvare a problemelor specifice disiplinei matematică economică 2. de rezolvare a unor probleme de bază şi de evaluare a concluziilor posibile Formarea abilităţilor de analiză independentă a unor probleme şi capacitatea de a comunica şi a demonstra soluţiile alese pentru 4 . Obiective aferente dezvoltării de competenţe funcţional acţionale Dezvoltarea aptitudinilor de aplicare a metodelor de rezolvare a problemelor. Obiective aferente dezvoltării de competente de specialitate Definirea si descrierea principalelor noţiuni specifice disciplinei matematică economică şi a metodelor specifice acesteia Realizarea de analize ale fenomenelor economice din perspectivă matematică şi interpretarea rezultatelor Intelegerea şi aplicarea metodelor matematice în analiza fenomenelor economice Aplicarea conceptelor. teoriilor şi metodelor specifice matematicii economice formularea de demersuri profesionale Dezvoltarea capacitătii de sintetizare şi interpretare a unui set de informaţii.

în vederea pregătirii examenului. obiectivele operaţionale pe care studenţii trebuie să le urmărească de-a lungul studiului. 5 . Fiecare unitate de învăţare conţine timpul mediu necesar pentru studiu.Disciplina matematica economică studiată în primul semestru are un numar de 6 credite. precum şi o schemă de parcurgere a materialului în care trebuie bifate elementele parcurse pe masură ce acţiunile sunt efectuate. obţinerea acestora fiind condiţionată de promovarea examenului şi predarea temelor de control la datele stabilite de calendarul disciplinei. fiecare unitate se încheie cu un test de autoevaluare a cunoştinţelor studiate în respectiva unitate. Cursul este structurat pe unităţi de învăţare organizate în unităţi de învăţare. în conformitate cu calendarul disciplinei. De asemenea.

Determinarea drumurilor hamiltoniene în grafuri fără circuite 1. Matricea asociată drumurilor unui graf 1.1.2. Determinarea drumurilor hamiltoniene în grafuri cu circuite 1.1. Matricea asociată drumurilor unui graf 1.3.1. Generalităţi.2.UNITATEA NR. Generalităţi 1. pe măsura parcurgerii lor: Parcurge obiectivele Citeşte conţinutul lecţiei Parcurge problemele rezolvate Rezolvă problemele propuse Recapitulează cunoştinţele Pregăteș te Tema de control Cuprinsul unităţii de învăţare: 1. 1 ELEMENTE DE TEORIA GRAFURILOR Timp mediu necesar pentru studiu: 7 ore Bifează sarcinile de lucru rezolvate.1. Determinarea drumurilor optime într-un graf 6 .4.

● Arcul cu extremitatea iniţială xi se numeşte incident exterior lui xi. xi este extremitatea iniţială şi xj extremitatea finală. xj) F(xi) formează un arc al grafului.7. 1 1. X x X / xj F(xi) } reprezintă mulţimea arcelor grafului G = (X. i = 1.6. GENERALITĂŢI Definiţii ● Fie o mulţime finită X = {x1. xj). MATRICEA ASOCIATĂ DRUMURILOR UNUI GRAF Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. Cuplul G = (X. xn} şi o funcţie F:X P(X) care asociază fiecărui element xi X.1. cu proprietatea că xj ● Submulţimea A = { (xi. ● Două arce sunt adiacente dacă au o extremitate comună. ● O pereche de vârfuri (xi. x2. A. n . o submulţime F(xi) P(X).1. Bibliografia specifică unităţii de învăţare nr. ● Mulţimea arcelor incidente exerior lui xi se notează A+(xi).1.1 1. F(xi) sau xi F(xj) . Testul de autoevaluare nr. F(xi) atunci (xi. studenţii trebuie: O1: să cunoască definiţiile aferente noţiunilor legate de grafuri O2: să definească un graf în cel puţin trei moduri echivalente O3: să exemplifice noţiunile aferente grafurilor pentru un graf dat O4: să determine matricea asociată unui graf 1.. 1 1.5. n .F).j =1.. GENERALITĂŢI. Tema de control a unităţii nr. i.1. 7 . xi) se numeşte buclă... ● Două vârfuri xi şi xj sunt adiacente dacă xj ● Dacă xi. xj) ● Pentru arcul (xi.F) se numeşte graf. ● Elementele xi X se numesc vârfuri sau noduri ale grafului.

x4)} este mulţimea arcelor grafului 8 . (x1. xj) şi A+ (Y) = {(xi. ●F : X P(X). ● Mulţimea arcelor incidente interior lui xi se notează A (xi). (x5.x4). x2. x6). (x2. x4. reprezintă numărul de noduri la care se poate ajunge din xi . Atunci A / xi Y. j unde: mij = 1 0 1. atunci xi se numeşte destinaţie a grafului. x2. x2).. x5. ● Matrice asociată unui graf Oricărui graf G = (X. ● Un drum este elementar dacă trece prin fiecare nod o singură dată. notată p(xi). x5}. x3). (x3. xj ● Dacă graful G = (X. F(x4 ) ={x5}. F) are un vârf xi A (xi) = Dacă A+(xi) = . x4. ● Puterea de atingere a unui vârf xi. x2). ● Un circuit care trece prin toate nodurile grafului se numeşte circuit Hamiltonian. x2}. x2). F(x2) = {x3. (x1. x4). x3. x1). xj Y } se numeşte mulţimea arcelor incidente interior mulţimii Y Y} se numeşte mulţimea arcelor incidente exterior mulţimii Y. x3. x2. (x1. x1). x5). x4. (x2. x5. vârful xi se numeşte sursă a grafului. ● Un drum este simplu dacă nu conţine de două ori acelaşi arc. F(x5) = {x2}. x5). F(x3) ={x1. unde X = {x1. x6} este definită de: F(x1) = {x1. x4. (x6.● Arcul cu extremitatea finală xi se numeşte incident interior lui xi. (x2. (x4. daca exista un arc cu extremitatea initiala xi si cea finala xj daca varfurile xi si xj nu sunt adiacente ( nu exista arc intre ele) Exemplul 1 Fie graful: x1 x6 x5 x2 x3 x4 ●X = {x1. ● Fie Y X o mulţime de vârfuri. F(x6) = {x4} ●A = {(x1. n . xj) A / xi Y.fie datorită existenţei unui arc fie datorită existenţei unui drum. (x3. A) i se poate asocia o matrice booleana ___ MG = (mij) i. X pentru care A (Y) = {(xi. x6}. x6} este mulţimea nodurilor sau vârfurilor grafului.

Precizând mulţimea vârfurilor X şi mulţimea valorilor funcţiei F: X  P(X). x1) este un circuit (extremitatea iniţială coincide cu cea finală). (x5. x2) ● Lungimea drumului d = (x1. x4. x2). x2). (x4. x5)}. (x1. G = (X. x2). x5. x4). x2) sunt adiacente având comună extremitatea finală ● (x1.x4).x4). x4). (x1. x1) este o buclă.x5). Cu ajutorul reprezentării grafice (vezi exemplul anterior) Prin corespondenţă. în două şiruri paralele. (x5. x2. F(x2) = {x3. x2. x6} şi A = {(x1. x6} şi F(x1) = {x1. x6). (x1. F(x5) = {x2}. (x6. x4. x3).A).x2) formează un drum în graful G. x5. (x3. x3. F(x6) = {x4} . x2) şi (x3. ● Arcele (x1. G = (X. (x1. x2. ● Mulţimea arcelor incidente interior lui x4 este A (x4) = {(x1. x4)} ● Graful G nu este complet deoarece există un cuplu de vârfuri. (x2. x5. x2. x1) este hamiltonian deoarece este drum elementar şi trece prin toate vârfurile grafului. x4. marcând grafic nodurile de două ori. de lungime 4. (x4. x2).F) unde X = {x1. (x2. x1). x3. x5. x4. x2) este 3 (deoarece drumul este compus din 3 arce). (x2. x4)} 2. x5). x5) sunt arce adiacente având comună extremitatea iniţială. x5. (x1. x4. 4.●Arcele (x1. (x1. (x6. x6}. x2} F(x4 ) ={x5}. x1). ● Drumul d = (x6. x4) care nu este legat prîntr-un arc. x3. x1). x2). 1. x5. x3. ● Arcele (x1. x4.x4). F(x3) ={x1. x5}. 3. ●matricea asociată este 1 1 0 1 1 0 0 0 1 1 0 1 MG = 1 1 0 0 0 0 0 0 0 0 1 0 0 1 0 0 0 0 0 0 0 1 0 0 Exemplul 2 (Moduri echivalente de definire a grafurilor) Un graf se poate defini într-una din următoarele formele echivalente : Precizând mulţimea vârfurilor X şi mulţimea arcelor A. x4. x2. unde X = {x1. care se poate nota şi d = (x1. şi precizând nodurile cu care acestea formează arce x1 x2 x3 x4 x5 x6 9 . ● d = (x1. (x2. x5). (x3. ● Mulţimea arcelor incidente exerior lui x1 este A+(x1)= {(x1. respectiv (x3.

i. Definiţie Se numeşte matricea drumurilor grafului G sau a “conexiunilor totale” matricea booleana D = (dij)i.n. x j 0.1. xi . n in caz contrar 10 . 6. iar informaţiile despre tipul de graf sunt date de matricea D a drumurilor. x1 x1 0 ML = x1 x 2 0 x3 x 2 0 x5 x 2 0 0 x 2 x3 0 0 0 0 x1 x 4 x2 x4 0 0 0 x6 x 4 x1 x5 0 0 x 4 x5 0 0 0 x 2 x5 0 0 0 0 x3 x1 0 0 0 1. Informaţiile pe care le oferă această matrice sunt legate atât de existenţa sau inexistenţta circuitelor cât şi de numărul de circuite si drumuri existente. F ) exista cel putin un drum de la xi la x j .x1 5. în care pe o poziţie aij va fi xixj dacă există arcul (xi. Procedeele de determinare a drumurilor hamiltoniene sunt diferenţiate în funcţie de tipul grafului . MATRICEA ASOCIATĂ DRUMURILOR UNUI GRAF Calcularea matricei asociată drumurilor unui graf este importantă în vederea determinării existenţei drumurilor hamiltoniene într-un graf (drumuri hamiltoniene care modelează o varietate de probleme economice legate de organizarea producţiei. logistică. daca in G ( X . j 1. x2 x3 x4 x5 x6 Cu ajutorul matricei booleene a grafului.j=1.2. MG (vezi exemplul anterior) Folosind matricea latină.xj) şi 0 în caz contrar. unde dij= 1. organizarea sistemelor informaţionale). X .cu circuite sau fără circuite.

Pasul 2 Folosind adunarea booleana se adună liniile . l. În această situaţie poziţiile rămase libere se completează cu 0.. 1 + 1 = 1. m i = 1. În acest moment. i = 1.s poziţiile ocupate de aceste noi valori pe linia i.…. linia i este complet determinată.. m i = 1 atunci şi în D avem d i = 1.….Algoritm de determinare a matricei drumurilor Matricea D a drumurilor grafului G se obţine din matricea booleana (a arcelor) MG = (mij). Pasul 3 Se adună boolean liniile h.. 11 . . Algoritmul se continuă pentru fiecare linie. Pasul 1 Se scrie matricea Latină a arcelor pentru graful dat. nu circuite astfel: i = 1. graful nu are circuite. d i = 1. 0 + 1 = 1 + 0 = 1. Pasul 4 Algoritmul continuă până când se ajunge la una din situatiile: a) toate elementele dij. Reamintim regulile adunării booleene : 0 + 0 = 0. Noile valori 1 obţinute se trec pe linia i a matricei D. . din matricea arcelor MG. s din MG la linia i a matricei MG şi noile valori 1 obţinute se trec pe linia i a matricei D.. l.. n . Fe h. n .. Fie linia i. n sunt egale cu 1 b) nu se mai poate obţine nici un element egal cu 1. d i = 1. Interpretare rezultate Dupa aflarea matricei drumurilor D stabilim dacă graful are sau . Dacă m i = 1... Observaţie Matricea drumurilor D ne oferă informaţii şi despre numărul de vârfuri la care putem ajunge pornind dintr-un punct (vârf) xi.dacă există un indice i pentru care dii = 1 atunci există în G un circuit care are că vârf iniţial şi final pe xi.dacă elementele dii = 0 ( elementele aflate pe diagonala matricei).. din matricea MG la linia i ( tot din MG). ... j = 1.

1 + 1 = 1. şi d41 = 1 _ _ _ 1 _ 1 _ _ _ 1 _ _ _ 1 _ _ Obţinem D = Pasul 2 Începem cu linia 1. 0 + 1 = 1 + 0 = 1. Pasul 1 Dacă în matricea arcelor există elemente egale cu 1 atunci şi în matricea drumurilor. d21 = 1. pe care le trecem în matricea D. ● Puterea de atingere a lui xi este dată de numărul de elemente egale cu 1 aflate pe linia i în matricea drumurilor D. 1 1 _ 1 _ 1 _ _ _ 1 _ _ _ 1 _ _ D= 12 . d31 = 1. m21 = 1. Să se determine matricea drumurilor asociată grafului definit de 0 0 1 1 1 0 0 0 0 1 0 0 0 0 0 0 MG = . linia 1 din matricea MG la linia din matricea D numai dacă rezultatul este 1. În acest moment linia 1 este complet determinată. d32 = 1.Definiţie ● Fie graful G = (X. Pentru fiecare element d1 = 1. elementele aflate pe aceleaşi poziţii vor avea valoarea 1. Deoarece m13 = 1. şi m41 = 1 vom avea d13 = 1. m14 = 1. m31 = 1.A) şi xi X. Pentru celelalte elmente din matricea arcelor ( egale cu 0 ) lăsăm spaţii libere urmând a fi completate ulterior în bază algoritmului. m32 = 1. PROBLEME REZOLVATE 1. Deoarece d13 = 1 vom aduna în matricea MG linia 1 cu linia 3 şi vom obţine două elemente egale cu unu şi anume d11 şi d12. Reamintim regulile adunării booleene : 0 + 0 = 0. d14 = 1. se adună folosind adunarea (tot a matricei MG) şi se completează spaţiile libere booleana. Numărul de vârfuri la care se poate ajunge din x i se numeşte putere de atingere a vârfului xi şi se notează cu p(xi).

Continuăm cu linia 2. 1 1 _ 1 _ 1 1 _ _ 1 1 _ _ 1 _ _ D= Pasul 3 1 Pentru noile elemente egale cu 1 obţinute la pasul anterior. Continuăm cu Pasul 3 şi pentru noul element d31 = 1 adunam în MG linia 3 cu linia 1 şi obţinem d33 = 1 şi d34 = 1. 1 1 1 1 _ 1 1 1 _ 1 1 1 _ 1 1 _ Vom avea D = şi linia 3 este şi ea complet determinată. 1 1 1 1 _ 1 1 _ _ 1 1 _ _ 1 1 _ D= Linia 2 este şi ea complet determinată Repetam algoritmul incepand cu “Pasul 2” pentru linia 3. Deoarece d21 = 1 vom aduna în MG linia 2 cu linia 1 obtinand d23 = 1 şi d24 = 1. Putem calcula puterea de atingere a fiecărui vârf şi anume p(x1) = 4. respectiv d23 = 1 şi d24 = se reface adunarea booleana a liniei 2 cu linia corespunzatoare indicelui de pozitie al elementului. Deoarece pe linia 4 nu există elemente egale cu 1 toate valorile elementelor în matricea D vor fi egale cu 0. 13 . şi vom obţine şi d22 = 1. Graful are 12 drumuri din care 3 sunt circuite pornind din toate varfurile mai puţin x4. p(x2) = 4. p(x3) = 4 şi p(x4) = 0. Pentru elementele egale cu 1 respectiv d32 adunam linia 3 cu linia 2 în matricea MG şi obţinem d31 = 1. 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 Forma finală a matricei D este D = Concluzii: Deoarece există pe diagonala elemente egale cu 1 şi anume d11 = d22 = d33 = 1 rezultă că graful are 3 circuite. respectiv cu linia 3 şi cu linia 4 din matricea MG.

2 Pasul 2 Dacă numărul de elemente egale cu 1 este mai mic decât valoarea 14 .2. i = 1.1. 2 n(n 1) STOP. studenţii trebuie: O1: să cunoască noţiunea de drum hamiltonian O2: să aplice algoritmii necesari pentru stabilirea tipului de graf – cu circuite sau fără circuite O3: să determine drumul hamiltonian in grafuri fără circuit Teoremă Teorema lui Chen Un graf fără circuite care are n vârfuri xi. şi se verifica dacă graful nu are circuite ( nici un element de pe diagonala acestei matrice nu este egal cu 1) Se calculează numărul de elemente egale cu 1 în matricea D şi se compara cu valoarea n(n 1) . n . Algoritm de determinarea a drumurilor hamiltoniene în grafuri fără circuite Pasul 1 Se calculează matricea drumurilor D. DETERMINAREA DRUMURILOR HAMILTONIENE ÎN GRAFURI FĂRĂ CIRCUITE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. conţine un drum hamiltonian dacă şi numai dacă: n p( xi ) i 1 n(n 1) 2 Observaţie: Într-un graf fără circuite există cel mult un drum hamiltonian.

deci se aplica teorema lui Chen. In cazul dat. p(x3) = 4. Succesiunea vârfurilor care formează drumul hamiltonian va fi dată de ordinea descrescatoare a puterilor de atingere a vârfurilor grafului. n = 5 şi n(n 1) 5(5 1) = 2 2 10 . p(x5) = 0. Se calculează puterea de atingere a fiecărui vârf xi şi se ordonează descrescător. Pasul 3 p(x1) = 1. 15 .Graful nu are drum hamiltonian. Rezultă că în graf există drum hamiltonian. p(x4) = 2. n(n 1) rezultă că graful are drum hamiltonian şi 2 Pasul 3 PROBLEMĂ REZOLVATĂ Sa se determine drumul hamiltonian (dacă există) în graful a cărui matrice este: 0 0 0 0 1 MG = 1 0 0 1 1 1 1 0 1 0 1 0 0 0 1 0 0 0 0 0 Pasul 1 Calculăm matrieca drumurilor D 0 0 0 0 1 1 0 0 1 1 D= 1 1 0 1 1 1 0 0 0 1 0 0 0 0 0 Deoarece pe diagonală nu avem elemente egale cu 1 rezultă că graful nu are circuite. Dacă numărul de elemente egale cu 1 este egal cu trecem la pasul 3. Pasul 2 Matricea drumurilor are 10 elemente egale cu 1. p(x2) = 3.

DETERMINAREA DRUMURILOR HAMILTONIENE ÎN GRAFURI CU CIRCUITE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. dacă există. drumul Hamiltonian este unic. Teorema lui Chen ne oferă informaţii despre existenţa sau inexistenţa drumurilor hamiltoniene în grafurile fără circuite.. x4. Pentru a putea aplica această teoremă. trebuie însă să ne asigurăm cu ajutorul matricei drumurilor că graful nu are circuite. permiţând şi determinarea acestora. xi2.. . Definiţie Un circuit CH = (xi1. 16 .3. x5). studenţii trebuie: O1: să cunoască algoritmul înmulţirii latine pentru determinarea drumurilor hamiltoniene în grafuri cu circuite O2: să determine drumurile hamiltoniene aplicând algoritmul înmulţirii latine O3: să determine drumurile si circuitele de o anumită lungime folosind algoritmul înmulţirii latine Algoritmul inmulţirii latine serveș te în principal pentru determinarea drumurilor de o anumită lungime. 1. x1. xi1) se numeşte hamiltonian dacă trece o dată şi numai o dată prin fiecare vârf al grafului cu excepţia vârfului xi1.Ordonăm descrescător valorile puterilor de atingere: p(x3) > p(x2)> p(x4)> p(x1)> p(x5) şi va rezulta că drumul hamiltonian este dH = (x3.. REZUMAT Determinarea drumurilor hamiltoniene in grafurile fără circuite se face cu ajutorul Teoremei lui Chen. Intr-un graf fără circuite. xin. x2.

j = 1. r 1 . n 0.j = 1. care se obţine prin suprimarea extremităţii iniţiale a fiecărui arc din matricea T(1). x j. cu precizarea că în (r ) (r ) 0) matricele T(r). ● O condiţie necesară pentru existenţa cel puţin a unui circuit hamiltonian este ca graful G = (X.F) = (X.Observaţii ● O condiţie necesară pentru existenţa unui drum hamiltonian este ca graful să fie complet ( orice cuplu de vârfuri este legat cu cel puţin un arc). daca x j Pasul 3 Cu matricele T(1) şi T(0) . daca x j Pasul 2 ( 0) Formăm matricea T(0) = (t ij ) i. se considera t ij şi t (kj 0 dacă secventa indicilor vârfurilor t ik conţine doi indici identici pentru orice k două vârfuri). reprezentate prin vârfurile care le compun.F) să fie tare conex (sa existe cel puţin un drum între oricare două vârfuri).A) . numită matricea destinatiilor posibile. ● Pentru determinarea drumurilor si/sau circuitelor hamiltoniene într-un graf cu n vârfuri se calculează prin algoritmul inmulţirii latine matricea T(n). Fie graful G= (X. Notăm această matrice (numită matrice latină) cu T(1) = (tij)i. j 1. în aceasta ordine. Asociem grafului o matrice a arcelor (conexiunilor directe) care în locul cifrelor 1 din MG conţine arcele corespunzătoare. x j ) daca x j F ( xi ) F ( xi ) Pasul 1 tij = 0. unde ( xi . n . (dacă în rezultatul inmulţirii se repeta ● Existenţa unui element diferit de 0 pe diagonala uneia dintre matricele T(r) care intervin în algoritm indica atat existenţa unui circuit hamiltonian cat şi ordinea vârfurilor. t (0) ij daca x j F ( xi ) F ( xi ) . 1.n.n. se efectuează operaţia de inmulţire latină (notată cu L) sau concaternare astfel : 17 . i.

2. r N*.1. c2) atunci când se inmulţeşte un arc din matricea T(1) cu un vârf din matricea T(0). Matricea T(m). Pasul 4 Fie T(2) = T(1) L T(0) Introducem relaţia de recurenţa T(r + 1) = T(r) L T(0). T(2) = T(1) L T(0) 18 . Se respectă formal regula de inmulţire a matricelor Se fac următoarele convenţii: c1) dacă unul din elementele participante la calcul este 0 rezultatul va fi 0. cu m N* va conţine lista tuturor drumurilor de lungime m (adică formate din m arce) în graful dat PROBLEMĂ REZOLVATĂ 0 0 1 1 Să se determine drumurile de lungime 2 şi 3 în graful a cărui matrice este MG 1 0 0 0 0 1 0 0 0 0 0 0 0 0 0 x3 x 2 0 x1 x3 0 0 0 x1 x 4 0 0 0 Pasul 1 Scriem matricea T(1) x 2 x1 0 0 Pasul 2 Scriem matricea destinatiilor posibile 0 0 0 x2 0 x3 0 0 0 x4 0 0 0 x1 0 0 T(0) Pasul 3 Calculam T(2) = T(1) L T(0) care ne va arată drumurile de lungime 2. rezultatul operaţiei se consemnează scriind consecutiv vârfurile care intervin în calcul (obligatoriu cu mentinerea ordinei în care apar vârfurile).

cu ajutorul matricei drumurilor. x3) si d8 = (x3. Graful conţine 4 drumuri de lungime 3(evidenţiate în matricea T(3)) din care 3 circuite şi un drum hamiltonian. x3. x3. x1. x1. 19 . x2. d2 = (x2. şi anume : d5 = (x1. d7 = (x3. REZUMAT Determinarea drumurilor si circuitelor hamiltoniene in grafurile cu circuite se face folosind algoritmul înmulţirii latine sau algoritmul lui Kaufmann. x1. x4). x4). x2). d6 = (x2. şi anume: d1 = (x1. Pentru determinarea drumurilor si circuitelor hamiltoniene este necesară determinarea anterioară a tipului de graf – cu circuite sau fără circuite. x2. x2). x1. d3 = (x2. evidentiate în matricea T(2). d4 = (x3. x1). x2. x1) şi nu există circuite de lungime 2. x3). x3. x1. T(3) = T(2) L T(0) 0 0 x3 x 2 x1 0 x1 x3 x 2 0 0 0 0 x 2 x1 x3 0 0 0 x 2 x1 x 4 0 0 0 0 0 x2 0 x3 0 0 0 x4 0 0 0 L x1 0 0 x1 x3 x 2 x1 0 0 0 0 x 2 x1 x3 x 2 0 0 0 0 x3 x 2 x1 x3 0 0 0 x3 x 2 x1 x 4 0 Concluzie : Graful conţine 4 drumuri de lungime 2.0 0 0 x3 x 2 0 x1 x3 0 0 0 x1 x 4 0 0 0 0 0 0 x2 0 x3 0 0 0 x4 0 0 0 0 0 x3 x 2 x1 0 x1 x3 x 2 0 0 0 0 x 2 x1 x3 0 0 0 x 2 x1 x 4 0 0 T(2)= x 2 x1 0 0 L x1 0 0 Pasul 4 Calculăm T(3) = T(2) L T(0) care va evidenţia drumurile de lungime 3. x2.

asociem fiecărui arc un număr real pozitiv notat v (xi. studenţii trebuie: O1: să înţeleagă importanţa determinării drumurilor optime în aplicaţiile economice O2: să-şi însuşească algoritmii de determinare a drumurilor optime ale unui graf O3: să aplice algoritmii potriviţi pentru determinarea drumurilor maxime şi minime ăntr-un graf În economie. DETERMINAREA DRUMURILOR OPTIME ÎNTR-UN GRAF Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. Algoritmi bazaţi pe extindere selectivă (Dijkstra).4. xj).F) =(X. sau a duratei minime de parcurgere a unor etape etc. Ne vom rezuma la prezentarea algoritmului Bellman-Kalaba şi Ford atât pentru determinarea drumurilor de valoare maximă cat şi minimă. problemele legate de găsirea drumului de valoare optimă se pot referi la găsirea lungimii drumului minim sau maxim dintre două localităţi. xj) numit valoarea arcului. Pentru determinarea drumului de valoare optimă (minimă sau maximă) dintre două vârfuri x i şi xj ale grafului G. valoarea arcului poate reprezenta: costul de fabricaţie al unui produs într-un anumit loc de munca asociat cu arcul (xi. Algoritmi bazaţi pe inducţie matematică (Dantzig). 1. Există cinci categorii de algoritmi folosiţi în determinarea drumurilor optime într-un graf. Tomescu.Algoritmul înmulţirii latine permite de asemenea si determinarea drumurilor de o lungime dată. Algoritmi bazaţi pe ajustări succesive (iteratii): (Ford). Algoritmi bazaţi pe ordonarea prealabilă a vârfurilor grafului. la determinarea costului minim pentru parcurgerea anumitor faze de producţie. I. In funcţie de problema economică transpusă în termenii teoriei grafurilor. Fie graful G = (X. 20 . Bellman-Schimbell).A). şi anume: Algoritmi bazaţi pe calcul matricial (Bellman-Kalaba.

xn} un graf orientat finit. lungimea drumului fizic intre două puncte etc..). ap).. xj). (Valoarea drumului este egala cu suma valorilor arcelor care-l compun. Presupunem că am numerotat nodurile astfel încât nodul spre care căutăm drumurile de valoare optimă de la celelalte noduri să fie xn. . unde ak reprezintă un arc component al drumului. Dacă se doreste listarea drumurilor de valoare optimă intre oricare două noduri se aplica algoritmul pe rand. a2. …. pentru fiecare nod al grafului. fixat. p Definiţie ● Mărimea v(d) definită prin egalitatea v(d) = k 1 v ( a k ) se numeşte valoarea drumului d. Ipoteză: Drumul optim este format din arce ai final xn. Algoritmul Bellman–Kalaba de determinare a drumului optim într-un graf fără circuite Algoritmul Bellman-Kalaba se aplică în grafuri finite care nu au circuite de valoare negativă (pentru o problemă de minim) sau care nu au circuite de valoare pozitivă (într-o problemă de maxim) şi găseşte drumurile de valoare optimă de la toate nodurile grafului la un nod oarecare. x2. Fie G = {x1.productivitatea muncii într-un loc de munca. costul sau durata transportului pe ruta (xi. 21 . . A care leaga nodul iniţial x1 cu nodul Algoritmul de determinare a drumului optim diferă în funcţie de tipul problemei: aflarea drumului de valoare minimă sau aflarea drumului de valoare maximă. Fie drumul d = (a1.

Pentru rezolvarea sistemului. n 0 Dacă vi . n este solutie a sistemului de mai sus. se procedează iterativ.Algoritm de determinare a drumului de valoare minimă Fie graful G = (X. Asociem grafului G matricea C = (cij). valoarea minimă a v1( k ) . în acest caz. x j ) daca i j Fiecărui vârf xi i se asociază o variabila vi care reprezintă valoarea drumului care uneşte vârful xi cu xn.A). x j ). i= 1. atunci v1 reprezintă valoarea minimă a drumului care uneşte pe x1 cu xn. daca ( xi . daca( xi . 0. Pasul care initiază procesul iterativ este definit de: v i( 0 ) c in . cu i = 1. i. 22 . n unde: v( xi . ( tabelul se va completa ulterior cu alte linii pe masura parcurgerii algoritmului. j 1.j = 1. Elementele matricei C se trec într-un tabel care conţine pentru inceput xn linii şi xn coloane. i = 1. x j ) Cij = A. i 1. n N* 1) 0. k N * vom rezolva sistemul: vi( k ) min (v (jk j i (k ) vn 1) cij ). k j 1. i 1. i A. Procesul se încheie când se obţine v i( k drumului care uneşte x1 cu xn este v1 minimă: (k ) min (v (jk Fie x j1 vârful pentru care : v 1 j 1 1) vi( k ) . n 1. n . i j j . n 1 si v (n0 ) 0 La iteraţia (pasul) k . Importantă este şi determinarea arcelor (sau vârfurilor) care compun drumul de valoare c1 j ) v (j1k 1) c1 j1 .F) =(X. n 1. Valoarea minimă a drumului care uneşte pe x1 cu xn se obţine rezolvand sistemul de ecuatii: vi vn min (v j j i cij ).

xj) A .. Tabelul se completează dupa următoarele reguli : i. Sa se determine drumul de valoare maximă al grafului: x2 5 2 3 x1 5 1 7 x3 2 Exemplu x7 4 x4 3 x6 2 2 x5 1 Pasul 1 Se alcatuieşte un tabel care conţine pe prima linie şi pe prima coloana nodurile (vârfurile) grafului şi în interior arcele care se formează la intersectia elementelor de pe linia 1 cu cele de pe coloana 1. dar se fac două modificari: 1) in matricea C. x n ) Algoritm de determinare a drumului de valoare maximă Pentru determinarea drumului de valoare maximă intre vârfurile x1 şi xn ale grafului G folosind algoritmul Bellman – Kalaba se respectă acelaşi algoritm. operatorul de minim se inlocuieste cu cel de maxim. k Repetam procedeul pornind de la v (jk 2 2) Drumul de valoare minimă este d = (x 1 . pentru i j.Drumul de lungime minimă trece prin x j1 si v (jk 1 uneşte x j1 cu xn. fie: v (jk 1 1) 1) reprezintă valoarea minimă a drumului care min (v (jk j j1 2) c j1 j ) k v (j2 2) c j1 j2 Rezultă că drumul minim trece prin x j2 . Mai departe. x j2 . 2) in toate sistemele de ecuatii. x j1 . consideram cij = . ) până ajungem la o valoare v (j0 c jk n . Dacă există arc (xi.. dacă (xi.. . x jk . xj) se trece valoarea arcului (lungimea) 23 ..

în paranteza. v7 Se calculează valorile v i(1) respectiv v 1 care se trec pe urmatoarea linie a tabelului.7 0 24 . Formula de calcul a valorilor v (1 ) i este vi(1) (1) v7 max(v (j0) cij ). v3 . numărul pasului trecandu-se în partea dreapta sus.ii. ( numai la problemele de Pentru i = j adica arce de forma (xi. j i j 1.6. v5 . Prima variabila este v i( 0 ) şi se obţine din transpunerea ultimei coloane corespunzatoare ultimului vârf. în cazul nostru. vom transpune (adica scrie că linie. şi pentru fiecare v i( k ) se completează o linie în completarea tabelului iniţial. v4 . i 1. v2 . Variabilele vi se calculează în mai multi pasi. xj) se completează cu maxim) iii. Vom obţine: x1 x1 x2 x3 x4 x5 x6 x7 Pasul 2 0 x2 2 0 x3 3 2 0 x4 7 1 0 1 2 x5 5 0 x6 5 0 x7 4 2 3 0 Fiecărui vârf xi i se asociază o variabila vi care reprezintă valoarea drumului care uneşte xi cu xn. coloana lui x7) x1 x1 x2 x3 x4 x5 x6 x7 V i( 0 ) Pasul 3 0 X2 2 0 x3 3 2 0 x4 7 1 0 1 2 4 x5 5 0 2 x6 5 0 3 x7 4 2 3 0 0 (1) (1) (1) (1) (1) (1) (1) . xi) se completează cu 0. v6 . Dacă nu există arc (xi.

7. Deoarece v i( 0 ) vi(1) vom continua algoritmul prin calcularea lui v i( 2 ) . .7 v (21) max (v1(0) c21 . v3(0) c23 . Deoarece v i( 2 ) vi(1) algoritmul se continuă prin calcularea valorilor lui v i( 3) . v7(0) c27 ) v (21) max( j 1 . v 3 5. v2(2) . v5(0) c15 .7 v 1(1) max (v2(0) c12 . v6(0) c26 . 0 ) v (21) max( j 1 v (21) 11 şi se trece rezultatul în tabel. v (62 ) 6. v6(0) c16 . v (72 ) 0 prin conventie. 3 . v5(0) c25 . v (22 ) (2) 11. . v (41) (1) 4. . cu j 1. v3(2) . v6(2) . . i 1. 2 ) . şi se alege valoarea maximă dintre sumele rezultate. v 5 13. v (42 ) (2) 4. şi se alege valoarea maximă dintre sumele rezultate v (21) max(v (j0) j 2 j 2 c2 j ). v4(0) c14 . mai puţin v (20 ) cu c22. (0) element cu element. respectiv linia lui v i( 2 ) . (Pasul 3) (1) v1 max (v (j0) j 1 j 1 c1 j ). . Analog se calculează şi celelalte valori ale lui v i(1) şi se obţine: (1) v3 5. . i 1. v5(2) . Pasul 4 Se calculează v i( 2) respectiv valorile v1(2) . 2 5. element cu element. v4(0) c24 . j 1.(1 ) Calcularea lui v 1 : se adună linia v i( 0 ) cu linia corespunzatoare lui x1 (prima linie).7 25 . 11. 0 ) şi aceasta valoare se trece în tabel . cu j 1. v3(0) c13 .7 11. 3. v4(2) .6 j i ( 2) Vom obţine v 1 si j 1. v 5 5. . mai puţin v 1 cu c11. v (61) 6 iar v (71) 0 prin conventie. Cu aceste valori obţinute se completează tabelul cu inca o linie. (2) Calcularea lui v 1 : se adună linia v i( 0 ) cu linia corespunzatoare lui x2 (a două linie). Pasul 5 Se calculează v i(3) max(vi( 2) j i cij ). v7(2) ) dupa formula: v i( 2) max(v (j1) cij ). 3 . 4 . ) .6. v7(0) c17 ) (1) v1 max( j 1 (1) v1 max( j 1 (1) v1 2. 2. 4 7.

v (43) ( 3) 4. 5. Forma finală a tabelului este: X1 X1 X2 X3 X4 X5 X6 X7 V i( 0 ) V i(1) Vi Vi ( 2) X2 2 0 11 11 13 13 13 x3 3 2 0 5 11 11 11 11 x4 7 1 0 1 2 4 4 4 4 4 4 x5 5 0 2 5 5 5 5 5 x6 5 0 3 6 6 6 6 6 x7 4 2 3 0 0 0 0 0 0 0 0 13 14 15 15 ( 3) Vi Vi ( 4) (5) Interpretarea rezultatelor: Din tabelul intocmit obţinem 2 informaţii: 1. v (23) ( 3) 13. v 3 11.7 (4) (4) ( 4) Obţinem: v 1 15. x2. v (63 ) 6. v (74 ) 0 . i 1.( 3) Si se obţine: v 1 14. x6. Deoarece v i( 4 ) vi( 3) algoritmul se continuă prin calcularea lui v i( 5 ) . Deoarece v i( 3) vi( 2 ) algoritmul se continuă prin calcularea lui v i( 4 ) . Pasul 7 Calculam v i(5) max(vi( 4) j i (5) (5) v1 15. v 5 5. (5) 1. v 3 11. x4. Care sunt vârfurile care compun drumul maxim. j 1. v 5 i 1. v 5 5.6.7 6. Pasul 6 Calculam v i( 4) max(vi(3) j i cij ). v (65 ) j 1. x7) 26 . Care este valoarea drumului maxim de la x1 la x7 2. v (45 ) Algoritmul se încheie deoarece v i( 5) vi( 4 ) . v (24 ) 13. v 3 cij ). v (73 ) 0.6. Drumul de valoare maximă este:dmax = (x1. v (64 ) 6. v (44 ) 4. Valoarea drumului maxim este 15 ( valoarea lui v 1 de la ultimul pas) 2. v (25 ) =13. x3. v (75 ) 0 11. (5) 4.

xj) se completează cu ▪ Pentru i = j adica arce de forma (xi. v(x4. şi pentru fiecare v i( k ) se ma trece o linie în completarea tabelului iniţial. i= 1.A). Sa se determine drumul de valoare minimă de la xl la x5 al grafului: G = (X. v(x3. În cazul nostru. x2) = 3. x5) = 9. xj) se trece valoarea arcului (lungimea) ▪ Dacă nu există arc (xi. x5) = 4. Tabelul se completează dupa următoarele reguli : ▪ Dacă există arc (xi. x5). x4). v(x2. x5). x4). (x1. Pasul 1 Se intocmeşte un tabel care conţine pe prima linie şi pe prima coloana nodurile (vârfurile) grafului şi în interior arcele care se formează la intersecţia elementelor de pe linia 1 cu cele de pe coloana 1. xi) se completează cu 0. x5) = 2. x2).5 } A = { (x1. numărul pasului trecându-se în partea dreapta sus. (x2.PROBLEME REZOLVATE 1. x5). X = {xi. (x3. x3). în paranteza. v(x3. v(x1. v(x2. (x2. x5) = 6.(x4. x4) = 4.(x3. Variabilele vi se calculează în mai mulţi pasi. (x3. x5)} având următoarele lungimi de arce v(x1. coloana lui x5) x1 x1 0 x2 3 x3 1 x4 x5 9 0 x2 3 0 2 0 x3 1 1 4 0 x4 x5 9 4 6 2 0 Fiecărui vârf xi i se asociază o variabilă vi care reprezintă valoarea drumului care 27 . Vom obţine: x1 x1 x2 x3 x4 x5 Pasul 2 uneşte xi cu xn. (x1. x4) = 1. x2). v(x3. vom transpune (adica scrie ca linie. x2) = 2. Prima variabilă este v i( 0 ) şi se obţine din transpunerea ultimei coloane corespunzătoare ultimului vârf. v(x1. x3) = 1.

şi se alege valoarea minimă dintre sumele rezultate v (21) min (v (j0) j 2 j 2 c2 j ). 2 şi v 5 OBS: Algoritmul se încheie dacă se obtin două linii corespunzatoare valorilor lui vi egale ( la 2 pasi consecutivi) Deoarece v i( 0 ) vi(1) vom continuă algoritmul prin calcularea lui v i( 2 ) . j i j 1. 0 9) (1) 7 şi aceasta valoare se trece în tabel . element cu (0) element. v 4 c 24 . 2 j 1 (1) min (7.9) v1 j 1 . .4 ( 0) ( 0) (0) v (21) min (v1(0) c 21 . 6 . v3 j 1. Formula de calcul a valorilor v (1 ) i este vi(1) min (v (j0) cij ). v2 . v5 c15 ) (1) v1 min (4 3. v4 . v5 c 25 ) v (21) min (9 j 1 . 28 . cu ( 0) c12 .4. v 4 ( 0) c14 . element cu element.4 ( 0) c13 .x2 x3 x4 x5 Vi (0) 0 2 0 1 4 0 4 6 2 0 9 4 6 2 0 Pasul 3 (1) (1) (1) (1) (1) . mai puţin v (20 ) cu c22. i 1. 2 1. mai puţin v 1 cu c11. v (41) (1) 0 prin convenţie.7.5 v5(1) 0 (1 ) Calcularea lui v 1 : se adună linia v i( 0 ) cu linia corespunzătoare lui x1 (prima linie). 0 4) v (21) 3 şi se trece rezultatul în tabel. (1) v1 min (v (j0) j 1 (1) ( 0) v1 min (v 2 j 1 c1 j ). v3 c 23 . cu j 1. v5 Se calculează valorile v i(1) respectiv v 1 care se trec pe urmatoarea linie a tabelului. v3 . şi se alege valoarea minimă dintre sumele rezultate. 6 1. v1 (2) Calcularea lui v 1 : se adună linia v i( 0 ) cu linia corespunzătoare lui x2 (a două linie). Analog se calculează şi celelalte valori ale lui v i(1) şi se obţine: (1) v3 6.

Pasul 4

Se calculează v i( 2) respectiv valorile v1( 2) , dupa formula: v i( 2) min (v (j1)
j i

( 2) v2 ,

( 2) v3 ,

( 2) v4 ,

( 2) v5 ,

( 2) v6 ,

( 2) v7 )

cij ),

i 1,4

si

j 1,5

Vom obţine:
( 2) v1

6, v (22 )

(2) 3, v 3

5, v (42 )

(2) 2 şi v 5

0 prin conventie.

Cu aceste valori obţinute se completează tabelul cu inca o linie, respectiv linia lui v i( 2 ) . Deoarece v i( 2 ) vi(1) algoritmul se continuă prin calcularea valorilor lui v i( 3) .

Pasul 5

Se calculează v i(3) min (vi( 2)
j i
( 3) Si se obţine: v 1

cij ),
5, v (43)

i 1,4,
( 3) 2, v 5

j 1,5
0.

6, v (23)

( 3) 3, v 3

Deoarece v i( 3) vi( 2 ) algoritmul se încheie. Forma finală a tabelului este: x1 X1 X2 X3 X4 X5 V i( 0 ) V i(1) Vi Vi Interpretarea rezultatelor: Din tabelul intocmit obţinem 2 informaţii: 1. Care este valoarea drumului minim de la x1 la x5 2. Care sunt vârfurile care compun drumul minim.
(3) 2. Valoarea drumului minim este 6 ( valoarea lui v 1 de la ultimul pas)

x2 3 0 2

x3 1

x4 1

x5 9 4 6 2 0 0 0 0 0

0

0

4 0

9 7 6 6

4 3 3 3

6 6 5 5

2 2 2 2

( 2) ( 3)

3. Există două drumuri minime: d1min = (x1, x2, x4, x5) d2min = (x1, x3, x2, x4, x5)

29

REZUMAT Algoritmul Bellman-Kalaba se aplica în grafuri finite care nu au circuite de valoare negativă (pentru o problemă de minim) sau care nu au circuite de valoare pozitivă (într-o problemă de maxim) şi găseşte drumurile de valoare optimă de la toate nodurile grafului la un nod oarecare, fixat. Dacă se doreste listarea drumurilor de valoare optimă intre oricare două noduri se aplica algoritmul pe rand, pentru fiecare nod al grafului.

1.5. TEMA DE CONTROL A UNITĂŢII DE ÎNVĂŢARE NR. 1

PROBLEME PROPUSE
1. Pentru fiecare din grafurile de mai jos să se stabilească folosind matricea drumurilor dacă au sau nu circuite (precizand in situatia in care exista circuite si numarul lor) şi să se calcule ze puterea de atingere a fiecărui vârf: a) G = (X,F) , X = {xi, i = 1,6 } şi F : X P(X) definită prin F(x1) = { x2, x3, x4,x5}, F(x2) = { x5,

x6}, F(x3) = { x4, x6}, F(x4) = { x2, x5, x6}, F(x5) = { x6}, F(x6) = b) Fie G = (X,F) unde X = {x1, x2, x3, x4, x5, x6} şi F : X P(X) definită prin :

F(x1) = { x2, x3, x4}, F(x2) = { x1, x2, x4}, F(x3) = { x2, x3, x5, x6}, F(x4) = { x2, x3, x6}, F(x5) = { x3}, F(x6) = c) G = (X,A), X = X = {x1, x2, x3, x4, x5, x6} şi
0 1 0 0 1 0 0 0 0 0 1 0 1 1 0 0 0 1 1 1 1 0 1 1 0 0 0 0 0 0 1 0 0 0 1 0

M=

30

d) G = (X,A), X = X = {x1, x2, x3, x4, x5, x6} şi

0 1 0 1 0 1 0 0 0 0 0 0

M= 1 1 0 1 1 1
0 1 0 0 0 0 1 0 0 1 0 1 0 1 0 1 0 0

RĂSPUNSURI: 1. a) Graful nu are circuite si p(x1)=5, p(x2)=2, p(x3)=4, p(x4)=3, p(x5)=1, p(x6)=0 b) Graful are 5 circuite si p(x1)=6, p(x2)=6, p(x3)=6, p(x4)=6, p(x5)=6, p(x6)=0 c) Graful nu are circuite si p(x1)=2, p(x2)=1, p(x3)=4, p(x4)=5, p(x5)=0, p(x6)=3 d) Graful nu are circuite si p(x1)=3, p(x2)=0, p(x3)=5, p(x4)=1, p(x5)=5, p(x6)=2

2.Să se afle drumul de valoare maximă de la x1 la x5 în graful G = (X,A), X = {xi, i= 1,5 }, A = {(x1, x2), (x1, x3) , (x1, x4), (x2, x5), (x3, x2), (x4, x2),(x4, x3),(x4, x5)} dacă v(x1, x2) = 5, v(x1, x3) = 2, v(x1, x4) = 2, v(x2, x5) = 1, v(x3, x2) = 4, v(x4, x2) = 3, v(x4, x3) = 3, v(x4, x5) = 2.

3. Să se afle drumul de valoare minimă al grafului G = (X,A) , X = {xi, i= 1,6 }, A = {(x1, x2), (x1, x3), (x1, x4), (x1, x5), (x2, x5), (x2, x6),(x3, x4),(x3, x6) ,(x4, x2) ,(x4, x5) ,(x4, x6) ,(x5, x6)} dacă valorile arcelor sunt respectiv 8; 4; 6; 9; 1; 6; 1; 8; 2; 5; 7; 3.

31

Se dă graful a cărui matrice este: MG = 1 0 0 1 1 1 1 0 1 0 1 0 0 0 1 0 0 0 0 0 a) Să se arate ca graful nu are circuite b) Să se determine drumul hamiltonian al grafului 3. drum. x3. (x5. (x5.(x2) 0 0 0 0 1 2. x2). x2. (x3. (x2. x1). c) să se precizeze mulţimile : A+(x2). Fie graful G a cărui matrice este: 0 1 1 1 1 0 0 0 0 0 1 1 MG = 0 0 0 1 0 1 0 1 0 0 1 1 0 0 0 0 0 1 0 0 0 0 0 0 a) să se determine tipul de graf b) sa se determine dH dacă există c) sa se listeze drumurile de lungime 3 din G 32 . A. b)să se exemplifice noţiunile de : vârfuri adiacente. x5). circuit. x4)} a) să se definească G în alte forme echivalente cu cea din enunţ. x5). arce adiacente. (x2. (x3. x4). x1). (x3. Fie G = (X. x4). drum de lungime 2. x5} şi A = { (x1. x1).A) unde X = {x1. x4.LUCRARE DE VERIFICARE 1. (x3.

x4) = 1. x4. v(x1. Care este procedeul de determinare a tipului de graf? 5. Ce semnifică existenţa unui element egal cu 1 pe diagonala matricei drumurilor? 3. v(x3. F(x4) = {x5}. x4}. x3) = 3.4. x5) = 4. X = {xi. x2) = 4. v(x3. i= 1.5 }.A). a) folosind matricea drumurilor să se arate că G nu are circuite şi are drum hamiltonian b) ș tiind că v(x1. v(x4. Ce informaţii se pot obţine în urma aplicării algoritmului înmulţirii latine? 6. De ce nu se poate aplica teorema lui Chen pentru determinarea drumurilor hamiltoniene în grafurile cu circuite? 33 . ÎNTREBĂRI DE CONTROL 1. Fie graful G= (X. F(x1) = {x3. Care este metoda de determinare a tipului de graf – cu circuite sau fără circuite? 2. v(x2. x4) = 2. F(x3) = {x2. x5) = 2 să se arate că dH este drumul de valoare maximă de la x1 la x5. x5}. Care este numărul maxim de drumuri hamiltoniene pe care le poate avea un graf cu 5 noduri? 4. F(x5) = . v(x3. x4) = 3. F(x2) = {x4}.

X = {xi. x4}. F(x5) = {x4} a) Să se determine matricea drumurilor în G b) Să se listeze drumurile de lungime 4 şi să se identifice. folosind inmulţirea latină. F(x3) = {x1.6. dacă există.1. F(x1) = {x2}.A). x2. 0 1 1 1 0 0 0 0 0 1 1 0 MG = 0 1 0 0 1 0 0 0 1 0 0 1 0 0 0 0 0 1 0 0 0 0 0 0 2.5 }. F(x4) = {x1}. Să se determine drumurile hamiltoniene pentru graful definit de: 2. x5}. i= 1. F(x2) = {x1. dH. Fie graful G = (X. 34 . 1 1. TESTUL DE AUTOEVALUARE NR. Se considera graful G a cărui matrice este : 0 1 0 1 0 1 0 0 0 1 0 1 MG = 0 1 0 0 1 1 0 0 1 0 0 1 0 1 0 1 0 0 0 0 0 0 0 0 Sa se determine matricea drumurilor şi apoi. să se identifice în G circuitele de lungime 3. 3.

BILIOGRAFIA SPECIFICĂ UNITĂŢII DE ÎNVĂŢARE NR. Cison. Matematică economică I. Mitroi Andreea . 2000 35 . Cenuşă Gheorghe (coord). Ed. 1 1. Ed. Bucureşti. Cenuşă Gheorghe (coord). 2010 2. Matematici pentru economişti . Editura Cison.7.culegere de probleme.1. 2000 3. Cison. Matematici pentru economişti.

2.Scheme probabilistice 2. 2 36 .Test de autoevaluare 2. Câmpuri de evenimente 2.1.Câmpuri de evenimente şi câmpuri de probabilitate 2. Câmpuri de probabilitate 2. Bifează sarcinile de lucru rezolvate.2.1. Tema de control a unităţii de învăţare nr. Evenimente independente 2.2.1.4.2.Probabilităţi condiţionate.1.6. Evenimente independente 2. pe măsura parcurgerii lor: Parcurge obiectivele Citeşte conţinutul lecţiei Raspunde la întrebările de control Parcurge problemele rezolvate Rezolva problemele propuse Recapitulează cunoştinţele Pregăteste Tema de control Cuprinsul unităţii de învăţare: 2.UNITATEA NR.2.1. Probabilităţi condiţionate 2.3. Bibliografia specifică unităţii de învăţare nr.5. 2 2. 2 ELEMENTE DE TEORIA PROBABILITĂŢILOR Timp mediu necesar pentru studiu: 7 ore.

CÂMPURI DE EVENIMENTE Definiţii Experienţa = alegerea. realizarea unui complex de condiţii.1.extragerea unei bile dintr-o urnă . a cărui realizare poate fi confirmată de o singura proba. Exemple .jucarea unei partide de sah Definiţii ● Proba = orice rezultat al unei experienţe ● Eveniment aleator = oricare din rezultătele potenţiale ale unei experienţe. Dacă = mulţimea tuturor rezultătelor posibile ale unei experienţe şi P( . a unui element dintr-o mulţime dată.apariţia feţei “Cap” la aruncarea unei monezi ) este un eveniment Exemplu 37 .prezentarea la examen a unor studenţi . CÂMPURI DE EVENIMENTE ŞI CÂMPURI DE PROBABILITATE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare.apariţia feţei “2” la aruncarea unui zar . sau a unei modede .extragerea unei bile albe dintr-o urnă cu bile albe şi negre . orice element al mulţimii P( ) = mulţimea tuturor părţilor lui aleator sau un eveniment .2. studenţii trebuie: O1: să definească şi să exemplifice noţiunile aferente câmpurilor de probabilitate şi câmpurilor de evenimente O2: să cunoască definiţia probabilităţii O3: să rezove probleme cu ajutorul definiţiei clasice a probabilităţii 2.1. printr-un procedeu susceptibil de a fi repetat.aruncarea unui zar.1.

Notaţie : A – B = A \ B 38 .Definiţii ● Eveniment sigur (notat ) = evenimentul care se realizează în orice proba Exemplu Considerând experienţa aruncării unui zar. un eveniment sigur este: A = evenimentul ca la aruncarea zarului să apară faţa 1 sau 2 sau 3 sau 4 sau 5 sau 6 Definiţii ● Fie A P( ) un eveniment oarecare. Se numeşte eveniment opus lui A (sau contrar) un eveniment care se realizează dacă şi numai dacă nu se realizează A. Un eveniment imposibil este: A = extragerea unei bile roşii. Notaţie: A Se consideră experienţa extragerii unui bile dintr-o urnă cu bile roşii şi albe. Exempu Definiţii ● Reuniunea a două evenimente A şi B este evenimentul care se realizează dacă şi numai dacă se realizează cel puţin unul din evenimente Notaţie : A B ( A sau B) ●Intersecţia a două evenimente A şi B este evenimentul care se realizează dacă şi numai dacă ambele evenimente se realizează. Dacă A = evenimentul “extragerea unei bile albe” A = evenimentul “extragerea unei bile roşii” Exemplu Definiţii ● Eveniment imposibil = evenimentul care nu se realizează în nici o probă. Notaţie : A B ( A şi B) ● Diferenţa a două evenimente A şi B este evenimentul care se realizează dacă şi numai dacă se realizează A şi nu se realizează B. Se consideră experienţa extragerii unei bile dintr-o urnă cu bile negre şi albe.

Dacă A K atunci şi A K b.. K) ● O functie P : K  R care satisface condiţiile: 39 . CÂMPURI DE PROBABILITATE Fie câmpul de evenimente ( Definiţii: .. Definiţii ● Evenimentul A implică evenimentul B dacă realizarea evenimentului A atrage în mod necesar realizarea evenimentului B. unde n = numărul de evenimente aleatoare. A = obţinerea unei feţe pare Si B = obţinerea unei feţe divizivile cu 4. K) se numeşte câmp de evenimente.Exemplu Se consideră experienţa aruncării unui zar şi evenimentele:. ● Două evenimente A şi B sunt incompatibile dacă nu se pot realiza simultan ( A B= ) )cu proprietăţile: ● Fie K o subfamilie din P( a. este o mulţime finită atunci ( ) A n 1 n K .K) se numeşte câmp finit de evenimente Numărul tuturor evenimentelor câmpului este 2n. A A B = obţinerea unei feţe pare sau divizibile cu 4 B = obţinerea unei feţe pare şi divizibile cu 4 A – B = obţinerea unei feţe pare şi care nu este divizibilă cu 4.1. A2. Notaţie: A B ● Două evenimente A şi B sunt echivalente (egale) dacă A implică B şi B implică A sau A B şi B A => A = B..2.. An.este un şir arbitrar de evenimente din K atunci şi Perechea ( ● Dacă şi K = P( Observaţie: .. Atunci. 2. Dacă A1...

= P(An) evenimentele elementare Ak se numesc echiprobabile sau egal probabile şi P(Ak) = 1 n ● P(A) = numarul de evenimente elementare favorabile lui A numarul total de evenimente elementare ale campului (Definiţia clasică a probabilităţii) Dintr-o grupa de 25 de studenţi. ● Dacă ( ... An adică P(Ak) A k 1 n k 1 n k atunci 0.. A K P2) P( ) = 1 P3) Orice şir de evenimente A1..6 sau 60% Fie B = evenimentul ca un student ales la întâmplare să nu prompveze examenul 40 .. k 1.. A2. n şi P( Ak ) P( ) 1 . ● Dacă P(A1) = P(A2) = ....K) iar tripletul ( ... pentru i j) are loc egalitatea P ( An ) n 1 Aj P (  An ) = n 1 se numeşte probabilitate pe ( probabilitate. două cate două incompatibile ( Ai = . K. K) este un câmp finit de evenimente compus din evenimentele elmentare = A1.. 15 studenţi s-au pregătit pentu examenul de matematica Care este probabilitatea ca un student să promoveze examenul? Dar să nu il promoveze? Fie A = evenimentul ca un student ales la întâmplare să promoveze examenul Exemplu Nr. de evenimente elementare favorabile producerii evenimentului A = 15 Nr. A2. P ) se numeşte câmp de . An. total de evenimente elementare ale câmpului = 25 P(A) = 15 25 0..P1) 0 P( A) 1.

A) = P(B) . Aplicand definiţia probabilităţii avem: P(B) = P(B . 41 . B) sunt incompatibile . adică P(A) = 1 – P( A ) Exemplu Dacă probabilitatea ca ziua de mâine să fie insorită este de 0. deci P( B) = P(A) + P(B) – P(A B) ) = 0.3 atunci probabilitatea ca ziua de mâine să fie noroasa este de 1-0. 4. Dacă A Dacă A P(B) .3 = 0.P(A B).P(A 3. deci P(B) 0 P(A). Rezultă ca: P( )=1 Folosim proprietatea 4) considerănd A = – P( Dar P( 6. A ) = P(A) + P( A ) .4 sau 40% Proprietăţi 1. si conform Definiţiei probabilităţii.A)+P(A 2. P( A ) = 1 – P(A) A A= şi A A= Din definiţia probabilităţii avem: P(A şi P(A A ) = P( ) adică P(A A ) = 1. P( )=0 şi implicit A = . P(A ) ) = 1 din definiţia probabilităţii. B atunci P(B-A) = P(B) – P(A) B rezultă ca A B = A. Rezultă ca P(A) + P( A ) = 1 . P(B-A) Rezultă ca P(B) – P(A) 0.P(B) = 10 25 0.A) = B) = P(B) – P(A) B atunci P(A) P(B) Din proprietatea 2) avem relatia P(B-A) = P(B) – P(A). P(B-A) = P(B) – P(A B = (B – A) adică (B – A) B) Oricare două evenimente A şi B au loc egalitatile: (A (A B) şi evenimentele (B – A) şi (A B) = .7 Proprietăţi 5. Aplicand proprietatea 1) vom avea: P(B . Dacă A B) adică P(B .

(2. (6. (6. (3.Putem scrie : A B=A (B – (A B)) Aplicand definiţia probabilităţii şi proprietatea 1) avem: P (A B) = P(A) + P(B – (A B)) = P(A) + P(B) – P(A B) Exemplu Care este probabilitatea ca la aruncarea a 2 zaruri suma feţelor să fie 7 sau 11? Rezultătele experienţei aruncării a două zaruri sunt prezentate în tabelul urmator: 11 12 13 14 15 16 21 22 23 24 2-5 26 31 32 33 34 35 36 41 42 43 44 45 46 51 52 53 54 55 56 61 62 63 64 65 66 Fie A = evenimentul ca la aruncarea zarurilor suma feţelor să fie 7 B = evenimentul ca la aruncarea zarurilor suma feţelor să fie 11 C = evenimentul ca la aruncarea zarurilor suma feţelor să fie 7 sau 11 A = {(1. (4.5)} şi C = A B Numărul total de evenimente ale câmpului = 36 Evenimentele A şi B sunt independente.6).6).5).3). (5.1)} B = {(5.2).4). deci A Si P(A P(A B) = P(A) + P(B) – P(A B) = P(A 6 36 2 36 2 9 0 B= B) B) = PROBLEME REZOLVATE 42 .

A = {2.3.5.4.5} şi A B = {1.6} Fie A: evenimentul ca la aruncarea zarului să obţinem o faţa pară Si B : evenimentul ca la aruncarea zarului să obţinem un număr divizibil cu 3.6} B = {4} şi A B = {2.4. P(A B) = n( A B ) n( ) 3 6 1 2 Metoda 2 Folosind proprietatea P(A P(A c) prim? Fie A: evenimentul ca la aruncarea zarului să obţinem o faţă impară Si B : evenimentul ca la aruncarea zarului să obţinem un număr prim A = {1.6} B = {3.5} Folosind definiţia clasică a probabilităţii.2.4. a) Care este probabilitea ca la aruncarea unui zar.3.4.3.3. P(A B) = n( A B ) n( ) 3 6 1 2 B) = P(A) + P(B) – P(A B) B) = 3 6 1 6 1 6 1 sau 0. faţa obţinută să fie pară şi divizibilă cu 2? Evenimentul sigur. faţa obţinută să fie impară şi număr 43 .Problema 1 Se consideră experienţa aruncării unui zar. sau spaţiul de selectie este = {1.6} şi A B = {4} B) = n( A B ) n( ) 1 6 Care este probabilitea ca la aruncarea unui zar.5 sau 50% 2 Care este probabilitea ca la aruncarea unui zar. faţa obţinută să fie pară sau divizibilă Metoda 1 Folosind definiţia clasică a probabilităţii. A = {2.6} şi A B = {3} Folosind definiţia clasică a probabilităţii.2.5} B = {1. P(A b) cu 4? Fie A: evenimentul ca la aruncarea zarului să obţinem o faţă pară Si B : evenimentul ca la aruncarea zarului să obţinem un număr divizibil cu 4.

(5. suma feţelor aparute să fie 6 sau 10. a) Care este pobabilitatea ca la aruncarea zarurilor suma feţelor să fie 6 sau 10? n( ) = 36 A = evenimentul ca la aruncarea celor 2 zaruri.4).(4. (2.d) prim? Care este probabilitea ca la aruncarea unui zar. (5.4)} C=A B B= deci P(A B) = 0 B) B) = P(A) + P(B) – P(A 5 36 2 9 3 36 0 Se observa ca A Atunci: P(A P(A P(A B) = B) = b) Care este probabilitatea ca la aruncarea zarurilor să obţinem feţe identice sau suma feţelor să fie mai mica decat 5? 44 . P(A B) = n( A B ) n( ) 4 6 2 3 Metoda 2 Folosind proprietatea P(A P(A B) = 3 6 4 6 3 6 4 6 B) = P(A) + P(B) – P(A 2 3 B) Problema 2 Se consideră experienţa aruncării a 2 zaruri. suma feţelor aparute să fie 6 B = evenimentul ca la aruncarea celor 2 zaruri.5).3.(6.(3.2.3.1)} B= {(4. A = {(1.2.5} Metoda 1 Folosind definiţia clasică a probabilităţii.3).6). faţa obţinută să fie impară sau număr Fie A: evenimentul ca la aruncarea zarului să obţinem o faţa impară Si B : evenimentul ca la aruncarea zarului să obţinem un număr prim A = {1.2).3.5} şi A B = {1.5} B = {1. suma feţelor aparute să fie 10 C = evenimentul ca la aruncarea celor 2 zaruri.5).

Notand cu A evenimentul ca cei 2 pantofi extrasi să formeze o pereche.2)} B) 5 18 Intr-un dulap sunt 6 perechi de pantofi.(6.3). Dacă se extrag la întâmplare 2 pantofi.A = evenimentul ca la aruncarea celor 2 zaruri să apară feţe identice B = evenimentul ca la aruncarea celor 2 zaruri.(4.1).K) iar tripletul ( .1)} C=A A P(A P(A P(A Problema 3 B B) = P(A) + P(B) – P(A B) = B) = 6 36 6 36 2 36 B = {(1. A2. P ) se numeşte câmp de probabilitate. iar numărul de cazuri favorabile este dat de numărul perechilor de pantofi..(3. suma feţelor aparute să fie mai mica decat 5 C = evenimentul ca la aruncarea celor 2 zaruri să apară feţe identice sau suma feţelor aparute să fie mai mica decat 5. pentru i j) are A n 1 n )= n 1 P ( An ) se numeşte probabilitate pe ( .(2. )=1 A K P3) Orice şir de evenimente A1.2 REZUMAT O functie P : K  R care satisface condiţiile: P1) 0 P2) P( P( A) 1.4). An.(1.2).2).. două cate două incompatibile ( Ai loc egalitatea P ( Aj = .(2.(2. adică 3.5).(3.2).(1.3). K. 45 ..1).1).. A = {(1. (2..(5. P(A)= 3 15 0 .. care este probabilitatea ca pantofii extrasi să formeze o pereche? Numărul total de cazuri posibile este C 62 =15.1).6)} B= {(1..

PROBABILITĂŢI CONDIŢIONATE. Pentru orice A K definim probabilitatea realizării evenimentului A conditionata de B ca fiind: PB(A) = P(A/B) P( A B) P( B) Consecinţă Regula produsului Dacă A şi B sunt evenimente cu probabilităţi diferite de zero din K. Dacă A B) B atunci P(B-A) = P(B) – P(A) B atunci P(A) P(B) 4. studenţii trebuie: O1: să cunoască şi să aplice formula probabilităţii totale si formula lui Bayes O2: să definească evenimentele independente O3: să rezolve probleme cu evenimente independente şi probabilităţi condiţionate 2. atunci: P( A B) P( A) P( B / A) P ( B ) P ( A / B) 46 .2.1. P) un câmp de probabilitate şi B K cu P(B)>0. PROBABILITĂŢI CONDIŢIONATE Definiţii Fie ( . EVENIMENTE INDEPENDENTE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. K. P(B-A) = P(B) – P(A 2.2. P( A ) = 1 – P(A) 2.P(A) = numarul de evenimente elementare favorabile lui A numarul total de evenimente elementare ale campului Proprietăţi 1. Dacă A 3.

i= 1.Teorema Formula probabilităţii totale Dacă Ai. i= 1. E2. P) un câmp de probabilitate .. n este o partitie a evenimentului sigur.B K sunt independente dacă : P( A B) P( A) P( B) ● Evenimentele Ai K sunt independente dacă pentru orice submulţime finită de evenimente {E1.Ek} a lui A avem : P( E1 E2 .. atunci egalitatea: P ( Ak / B ) P ( Ak ) P ( B / Ak ) n B K şi k fixat are loc P ( Ai ) P ( B / Ai ) i 1 2. EVENIMENTE INDEPENDENTE Definiţii ● Fie ( . n este o partiţie a evenimentului sigur. atunci n B K are loc egalitatea: P( B) i 1 P( Ai ) P( B / Ai ) Teoremă Teorema lui Bayes Dacă Ai. atunci : P(A/B) = P(A) şi P(B/A) = P(B) 47 ... K. Ek ) P( E1 ) P( E 2 ) .2.2.…. Două evenimente A. P( E k ) Teorema Dacă A şi B sunt două evenimente independente din spaţiul K. cu probabilităţi diferite de zero.

Fie evenimentele: A = se extrage o bila din urnă nr. 1 contine 3 bile albe şi 4 bile negre. Definim mulţimile: A: evenimentul ca un angajat ales la întâmplare să fie femeie şi P(A) = 60% B: evenimentul ca un angajat femeie să aiba un copil C: evenimentul ca un angajat să aiba un copil D: evenimentul ca un angajat ales la întâmplare să fie femeie şi să aiba un copil Evenimentul D se poate scrie ca fiind D = A  C.2 C = se extrage o bila alba P(A) = P(B) = 1 3 .40178.1 B = se extrage o bila din urnă nr. să se calculeze probabilitatea ca un angajat ales la întâmplare să fie femeie şi să aiba un copil. şi 75% dintre femei au 1 copil. 48 . 2 7 3 8 Probabilitatea ca o bila extrasa din urnă nr.1 să fie alba este P(C/A) = . Urnă nr. Să se calculeze probabilitatea ca o bila aleasa la întâmplare dintr-una din cele 2 urne să fie alba.45 sau 45% 2. Atunci evenimentul B= C/A şi P(B) = P(C/A) = 75% P(D) = P(A  C) = P(A). Probabilitatea ca o bila extrasa din urnă nr.75 x 0.2 să fie alba este P(C/B) = Aplincând formula probabilităţii totale vom avea: P(C) = P(A)P(C│A) +P(B)P(C│B) = (1/2) x (3/7) + (1/2) x (3/8) = 45/112 = 0.P(C/A) = 0.PROBLEME REZOLVATE 1. Dacă 60% din angajaţii unei companii sunt femei. Urna nr. 2 contine 3 bile albe şi 5 bile negre.60 = 0.

REZUMAT PB(A) = P(A/B) P( A P( B) i 1 B) n P( A B) P( B) P( A) P( B / A) P( B) P( A / B) P( Ai ) P( B / Ai ) P ( Ak / B ) P ( Ak ) P ( B / Ak ) n P ( Ai ) P ( B / Ai ) i 1 Două evenimente A. SCHEME PROBABILISTICE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. n şi un sistem de evenimente asociat experienţelor Ei. cu probabilităţi diferite de zero. atunci : P(A/B) = P(A) şi P(B/A) = P(B) 2. notat Ai.3. Probabilitatea realizării unui număr de k evenimente atunci când se efectueaza toate experienţele Ai este coeficientl lui xk din polinomul Q(x) = (p1x+q1) (p2x+q2)… (pnx+qn) unde pi = P(Ai) şi qi = P( Ai ). studenţii trebuie: O1: să cunoască schemele probabilistice clasice O2: să aplice schemele probabilistice clasice în rezolvarea problemelor Schema Poisson Se consideră un sistem de experienţe independente Ei cu i = 1. cu i = 1.B K sunt independente dacă : P( A B) P( A) P( B) Dacă A şi B sunt două evenimente independente din spaţiul K. n 49 .

probabilitatea realizării evenimentului A care constă în realizarea n evenimentelor Ai de mi ori ( i 1 mi k ) este P(A) = k! mn m2 p1m1 p 2 ..4) 6 P(C) = C12 Exemplu Schema Bernoulli cu mai multe stări Fie o experienţă care poate avea probabilităţile de realizare pi = P(Ai).mn ! Schema hipergeometrică (schema bilei nerevenite cu doua stari) Se consideră o urnă care conţine N bile din care a -bile albe si b .6 B = evenimentul « compania nu inregistreaza profit într-o lună » şi P(B) = P( A ) = 0. Se fac n extrageri succesive din urnă. 50 . Schema Bernoulli se mai numeşte şi schema urnei cu bilă revenită.n.6. şi atunci când cunoaştem probabilitatea realizării evenimentului A(P(A) = p) este k k n Cn p q k P(C) = şi q = 1 . p n m1!m2 !.p. Probabilitatea ca o companie sa înregistreze profit într-o lună este de 0. i=1..bile negre..6) 6 (0.Schema Bernoulli Probabilitatea realizării unui eveniment A de k ori atunci când se efectuează o experienţa de n ori.. Dacă se repetă de k ori experienţa în aceleaşi condiţii. Care este probabilitatea ca în 6 luni din cele 12 ale anului compania să inregistreze profit ? A= evenimentul « compania înregistreaza profit într-o lună » şi P(A) = 0. făra revenire. n ca rezultat doar unul din evenimentele Ai care au Ai formează un sistem complet de evenimente deci i 1 pi 1 .4 C = evenimentul « compania inregistreaza profit in 6 din cele 12 luni ale anului » 6 (0.

. a2 bile de culoarea 2. P(A) = p. Fie A = evenimentul ca din cele n bile extrase n1 să aibe culoarea 1. nm să aibe culoarea m este : Atunci P(A) = nm n1 n2 Ca Ca . Atunci P(A) = k Ca C bn n CN k Exemplu Să se calculeze probabilitatea ca la o extragere a jocului “6 din 49” să se obţina numerele : 25.Fie A = evenimentul ca din cele n bile extrase k să fie albe si n-k negre. pentru care se cunoaţte probabilitatea extragerii unei bile albe ca fiind p. 6 0 C6 C 43 P(A) = 6 C 49 Schema hipergeometrică generalizată (schema bilei nerevenite cu m stări) Se consideră o urnă care conţine N bile din care a1 -bile de culoarea 1.….23. cu revenire. am bile de culoarea m.C a 1 2 m n CN Schema geometrică (Schema lui Pascal) Se consideră o urnă care conţine bile albe si negre. 15% respectiv 10% baieti.…. făra revenire. n2 să aibă culoarea 2.15.9. să se calculeze probabilităţile evenimentelor : 51 . Se fac n extrageri succesive din urnă.qk-1 PROBLEME REZOLVATE Exemplu Trei grupe de studenţi contin 20%. Fie A = evenimentul ca prima bilă alba să apară exact la extragerea k si primele k-1 bile extrase sa fie negre. Se alege la întâmplare cate un student din fiecare grupa.8. Se fac n extrageri succesive din urnă.21..

9. q2 = 0. P(B) = p1p2q3 + p2p3q1 + p1p3q2 probabilitatea ca toţi cei 3 studenţi aleşi să fie băieţi c) Probabilitatea ca 3 studenţi din cei aleşi să fie băieti.8. este probabilitatea realizării a 3 evenimente (k=3) la efectuarea celor 3 experienţe şi conform Schemei Poisson. p2 = 0. probabilitatea alegerii a 2 studenţi este coeficientul lui x2 din polinomul Q(x) = (p1x+q1)(p2x+q2)(p2x+q2). adică probabilitatea realizării a 2 evenimente (k=2) la efectuarea celor 3 experienţe. Conform Schemei Poisson. Atunci.2. Probabilitatea realizării evenimentului A : « un singur student să fie băiat » (k=1) atunci când se efectuează cele 3 experienţe este coeficientul lui x din polinomul Q(x) = (p1x+q1)(p2x+q2)(p2x+q2) Q(x) = p1p2p3x3 + (p1p2q3 + p2p3q1 + p1p3q2)x2 + (p1q2q3 + p2q1q3 + p3q1q2)x + q1q2q3.3 şi probabilităţile asociate de extragere a unui baiat din fiecare grupa P(Ei) = pi. respectiv p1 = 0. probabilităţile de a extrage o fată din fiecare grupă vor fi q 1= 0.85 respectiv q3 = 0.1. P(A) = p1q2q3 + p2q1q3 + p3q1q2 un singur student din cei 3 alesi să fie fata b) In ipotezele enunţate la pct. va fi egala cu coeficientul lui x 3 din polinomul Q(x) = (p1x+q1)(p2x+q2)(p2x+q2) P(C) = p1p2p3 probabilitatea ca toţi cei 3 studenţi aleşi să fie fete d) Probabilitatea realizării evenimentului D : « toti studenţii aleşi sunt fete » este egală cu probabilitatea realizării evenimentului « nici un student nu este băiat » sau « 0 studenţi sunt băieţi » (k=0) probabilitate care potrivit schemei Poisson este egală cu valoarea coeficientului x0 (termenul liber) din polinomul Q(x) = (p1x+q1)(p2x+q2)(p2x+q2) P(D) = q1q2q3 probabilitatea ca cel mult un student să fie băiat e) Dacă A = evenimentul ca un student din cei 3 aleşi este băiat Si D = evenimentul ca toti studenţii sunt fete 52 .a) un singur student din cei 3 alesi să fie baiat Ipoteza : Considerăm sistemul format din 3 experienţe Ei. i=1.15 şi p3 = 0.a) probabilitatea ca un singur student să fie fată este echivalentă cu probabilitatea ca 2 studenţi din cei aleşi să fie baieţi.

REZUMAT Schema Poisson Probabilitatea realizării unui număr de k evenimente atunci când se efectueaza toate experienţele A i este coeficientl lui xk din polinomul Q(x) = (p1x+q1) (p2x+q2)… (pnx+qn) unde pi = P(Ai) şi qi = P( Ai ).. şi k k n p q atunci când cunoaştem probabilitatea realizării evenimentului A ( P(A) = p ) este P(C) = C n k şi q = 1 .Notând cu E = evenimentul ca cel mult un student din cei 3 aleşi să fie băiat.. Schema Bernoulli cu mai multe stări Fie o experienţă care poate avea ca rezultat doar unul din evenimentele Ai care au probabilităţile de realizare pi = P(Ai). n probabilitatea realizării evenimentului A care constă în realizarea evenimentelor Ai de mi ori ( i 1 mi k) este P(A) = k! mn m2 p1m1 p 2 . f) Am calculat anterior probabilităţile realizării evenimentelor : B = un student din cei 3 alesi este fată C = toti studenţii aleşi sunt baieţi Probabilitatea realizării evenimentului F = B  C este P(F) = P(B) + P(C) (B şi C sunt evenimente independente).p. avem E = A  D cu A şi B evenimente independente. i=1. P(E) = P(A  D) = P(A) + P(B) probabilitatea ca cel puţin 2 studenţi să fie băieti.n. p n m1!m2 !.mn ! 53 .. Dacă se repetă de k ori experienţa în aceleaşi condiţii.. cu i = 1. n Schema Bernoulli Probabilitatea realizării unui eveniment A de k ori atunci când se efectuează o experienţa de n ori.

Schema hipergeometrică (schema bilei nerevenite cu doua stari) Se consideră o urnă care conţine N bile din care a -bile albe si b - bile negre. Se fac n extrageri succesive din urnă, făra revenire. Fie A = evenimentul ca din cele n bile extrase k să fie albe si n-k negre. Atunci P(A) =
k Ca C bn n CN k

2.4. TEMA DE CONTROL A UNITĂŢII DE ÎNVĂŢARE NR. 2

PROBLEME PROPUSE
1. Care este probabilitatea ca alegand un număr din primele 1000 de numere intregi şi pozitive, acesta să fie divizibil cu 3 sau cu 4? 2. Se aruncă două zaruri, unul de culoare rosie şi unul de culoare neagra. Care este probabilitatea ca la aruncarea celor două zaruri, zarul rosu să aiba un număr mai mic decat 4 sau cel albastru un număr mai mare decat 4? 3. O urnă contine 4 bile albe şi 6 bile negre. Se consideră experienţa extragerii simultane a 2 bile. Să se calculeze probabilitatea apariţiei evenimentelor: a) b) c) ambele bile extrase sunt albe ambele bile extrase sunt negre bilele extrase au aceeaşi culoare

4. Se aruncă un zar de 6 ori. Care este probabilitatea apariţiei urmatoarelor feţe în ordine : 1,2,3,4,5,6 5. O aeronava are 4 sisteme computerizate de control pentru cele 4 motoare. Să se calculeze probabilitatea defectării simultane a celor 4 siteme de control, dacă probabilitatea defectării fiecărui sistem este de 0.1%.

Răspunsuri:

54

1. Fie A = evenimentul ca numărul ales să se divida cu 3 şi B = evenimentul ca numărul ales să se divida cu 4 A B deoarece multiplii lui 12 se divid şi cu 3 şi cu 4
1000 3 1000 4 333 250 83

n(A) = cel mai mare număr intreg n(B) = cel mai mare număr intreg n(A P(A P(A P(A

B) = cel mai mare număr intreg B) = P(A) + P(B) – P(A B) = B) =
333 250 83 1000 1000 1000 1 2

1000 12

B)

2. Fie A evenimentul ca la aruncarea zarului rosu să apară un nr. mai mic ca 4. Atunci P(A) =

3 (3 6

cazuri favorabile din 6). Analog, dacă B este evenimentul ca la aruncarea zarului negru să apară un număr mai mare decat 4, P(B) =
2 6

Cazurile favorabile evenimentului A şi B (A  B) este mulţimea perechilor ordonate {(1, 5), (1, 6), (2, 5), (2, 6), (3, 5), (3, 6)} iar numărul total posibil de evenimente este 6x6 = 36.

P(A  B) = P(A) + P(B) – P(A  B) =

3 2 30 6 + = 6 6 36 36

0.8333

3. a) ambele bile extrase sunt albe
2 Numărul total de cazuri posibile pentru extragerea a 2 bile este C10 = 45.

Fie A evenimentul “ambele bile extrase sunt albe” Numărul de cazuri favorabile extragerii a 2 bile albe este C 42 Si P(A) = 6/45 = 0.133
6

b) ambele bile extrase sunt negre

55

Fie B evenimentul “ambele bile extrase sunt negre” Numărul de cazuri favorabile producerii evenimentului B este C 62 P(B) = 15/45 = 0.333 c) bilele extrase au aceeaşi culoare Dacă C = evenimentul ca ambele bile extrase să aiba aceeaşi culoare, atunci fie bilele extrase sunt negre fie bilele extrase sunt albe, deci C = A  B cu A şi B evenimente independente si P(C) = P(A  B) = P(A) + P(B) = 0.133 + 0.333 = 0.466 4. (1/6)6 5. Fie Ai evenimentul « motorul i se defectează », i=1,4 Ș i A evenimentul « toate cele 4 motoare se defectează » A = A1  A2  A3  A4 si P(A) = P( A1  A2  A3  A4 ) = P(A1) P(A2) P(A3) P(A4) = (0.001)4
15 si

ÎNTREBĂRI DE CONTROL 1. Care este diferenţa între un câmp de evenimente şi un câmp de probabilitate? 2. Care este importanţa folosirii teoriei probabilităţilor în contextul modelării fenomenelor economice?

LUCRARE DE VERIFICARE
1. O urnă contine 5 bile albe şi 6 bile negre. Se consideră experienţa extragerii simultane a 2 bile. Să se calculeze probabilitatea apariţiei evenimentelor: a) ambele bile extrase sunt albe b) ambele bile extrase sunt negre c) bilele extrase au aceeaşi culoare

56

Suma feţelor 2 3 4 5 6 7 8 9 10 Frecventa apariţiei 10 12 8 7 13 12 11 7 20 a) Care este probabilitatea ca suma feţelor să fie mai mica decat 4 şi mai mare decat 9? b) Care este probabilitatea ca suma feţelor să fie un număr par sau divizibil cu 5? 2. Dintr-un pachet cu 52 carti de joc. Fie = { 1. TESTUL DE AUTOEVALUARE NR. 2 1. Care sunt valorile pe care le poate lua X? 57 . să se arate ca evenimentele : A : apariţia feţei « Cap » la prima aruncare si B : apariţia feţei « Cap » la a două aruncare sunt evenimente independente. În tabelul de mai jos se inregistrează frecvenţa apariţiei tuturor sumelor posibile pentru cele 2 feţe aparute la o aruncare. Se consideră experienţa aruncării de două ori a unei monezi .2.2.5.3. se alege aleator o carte. Se consideră evenimentele: A: cartea extrasa este de treflă B: Cartea extrasa are unul din numerele 2 pâna la 10 Să se calculeze: a) b) c) d) e) P(A) (1 punct) P(B) (1 punct) P(A B) (2 puncte) P( A ) (2 puncte) P( B ) (2 puncte) 3. Experimentului aruncarii unei monede de 3 ori i se poate ataşa varaibila aleatoare X = numărul de ori de care poate aparea “pajura”. Se aruncă 2 zaruri de 100 de ori.5. Să se indice : a) evenimentele elementare b) două evenimente incompatibile c) două evenimente opuse d) două evenimente astfel ca unul il implică pe celalalt 4.4. 2.6} spaţiul de selectie asociat unei experienţe.

…12 b) 2. PPC.PC.3.D.1.5.4. B = {CC. b.2.2. Care sunt valorile pe care le poate lua X? a) 1. Experiment: Se arunca un zar pana apare fata 6. CCC e) nedefinit f) 0.CP.CP} .10. 2.4 b) 1.000 eur dupa un an de la momentul investitiei d) variabilă aleatoare asociata rezultatelor experientei de masurare a inaltimii unui grup de 50 de persoane.B.PP} Atunci A = {CC.3.1.3.1. Considerand variabilă aleatoare X = numărul de aruncari. P(B) = şi P( A 2 2 B) 1 4 P( A) P( B) adică A şi B sunt independente 4. Fie experimentul aruncarii a 2 zaruri şi variabilă aleatoare X = suma numerelor care apar pe feţele zarurilor.4.4.2.4… d) 0. Spaţiul evenimentelor echiprobabile al experienţei este K = {CC.2.6.C.10.2.6.3.4… d) 0.3 d) CPP.2.…12 4.… e) nedefinit f) A. PCP. CPC.PC} şi A Verificând definiţia.2.8.3. a.5. Să se precizeze tipul urmatoarelor variabile aleatoare: a) se consideră experienţa aruncarii a 2 zaruri.12 c) 1.2. şi variabilă aleatoare asociata numărului de aruncari necesare pentru obtinerea la ambele zaruri a fetelor 6. Rezolvări : 1.8.3 c) 0.4. 3. 1. c 58 .…12 b) 2.…12 e) nedefinit f) 2. b) variabilă aleatoare asociata numărului de intrebari la care un student a raspuns corect. P( A B) 1 4 1 1 2 2 B {CC} cu P(A) = 1 1 . daca studentul rezolva pentru un examen un test cu 50 de intrebari c) variabilă aleatoare asociata valorii unei investitii de 10. 5.4. 6.5 3.… 5. PCC.2. valorile pe care le poate lua X sunt: a) 1.5.a) 1.3.12 c) 1.

BILIOGRAFIA SPECIFICĂ UNITĂŢII DE ÎNVĂŢARE NR.culegere de probleme. 2 1.2. Cenuşă Gheorghe (coord). Mitroi Andreea .6. Matematică economică I. Editura Cison. Cison. Matematici pentru economişti. Cenuşă Gheorghe (coord). Ed. Matematici pentru economişti . Bucureşti. 2000 59 . 2000 3. Ed. 2010 2. Cison.

3 VARIABILE ALEATOARE Timpul de studiu individual estimat: 7 h Bifează sarcinile de lucru rezolvate. Variabile aleatoare discrete 3.2.UNITATEA NR.1.2.2.3.2. Generalităţi. Funcţia de repartiţie şi densitatea de repartiţie a unei variabile aleatoare 3.1. Distribuţia de probabilitate (repartiţia) a unei variabile aleatoare simple 3.1. Funcţia de repartiţie 3.3. pe măsura parcurgerii lor: Parcurge obiectivele Citeşte conţinutul lecţiei Raspunde la întrebările de control Parcurge problemele rezolvate Rezolva problemele propuse Recapitulează cunoştinţele Pregăteste Tema de control Cuprinsul unităţii de învăţare: 3. Operaţii cu variabile aleatoare discrete 3.2. Operaţii efectuate asupra unei variabile aleatoare X 3. Generalităţi 3.1.2. Operaţii care se pot efectua cu două variabile aleatoare X şi Y 60 .1.1.

3.6.1. 3 3. Coeficientul de corelaţie 3. Coeficientul de corelaţie a două variabile aleatoare 3.3.2.5. GENERALITĂŢI Considerând un experiment. 3 3. ● Rezultatul experimentului “sustinerea examenului la matematica” efectuat de un student din anul I este un număr . şi fiecărei din aceste experienţe îi putem ataşa valorile numerice 1 pana la 6. aceste numere numindu-se valorile variabilei aleatoare. Exemplu ● La aruncarea unui zar se obţine una din feţele zarului cu valori de la 1 la 6.7.1. în cele mai multe dintre cazuri. Tema de control a unităţii de învăţare nr. care asociază fiecărei realizări a unui experiment un număr . Testul de autoevaluare nr. 61 .3.3.1. 3 3.4. Caracteristici numerice ale variabilelor aleatoare.1. de la 0 la 10. fiecărui rezultat posibil al acestuia îi putem asocia valori numerice. Variabila aleatoare este deci o regulă. GENERALITĂŢI. Caracteristici numerice ale variabilelor aleatoare continue 3. FUNCŢIA DE REPARTIŢIE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. studenţii trebuie: O1: să cunoască definiţia unei variabile aleatoare O2: să caracterizeze fenomene economice cu ajutorul variabilelor aleatoare O3: să calculeze funcţia de repartiţie a unei variabile aleatoare 3. Bibliografia specifică unităţii de învăţare nr. Caracteristici numerice ale variabilelor aleatoare discrete 3.

( de ex. variabila aleatoare se numeşte discretă. . . ● Experimentului de selectare a unui grup de 10 jucatori de fotbal i se poate ataşa variabila aleatoare Z = numărul mediu de goluri inscrise de jucatori în acest sezon.3. o mărime care în urma unei experienţe poate lua o valoare dintr-o mulţime bine definită. 1... Definiţii ● Daca mulţimea valorilor posibile pe care le poate lua o variabilă aleatoare este discretă (valori numerice specifice sau izolate). iar valorile pe care le pot lua variabilele aleatoare cu litere mici.. 0. variabila aleatoare se numeşte continuă.0. Z... (de ex.. ● Variabilele aleatoare se notează cu litere mari de la sfârşitul alfabetului.. 3. Rezultatul aruncării unui zar) ● Variabilele aleatoare discrete care pot lua un număr nelimitat de valori finite se numesc variabile aleatoare discrete infinite. ● Experimentului selectarea unui jucator de fotbal i se poate asocia variabila aleatoare Y = numărul golurilor inscrise în acest sezon. Inalţimea unui atlet în cm) 62 .2. Observaţii ● Valorile pe care le poate lua o variabilă aleatoare se cunosc numai dupa efectuarea experimentului. X.. numită mulţimea valorilor posibile. . numărul de stele estimate a exista în univers) ● Daca mulţimea valorilor posibile este continuă (un interval finit sau infinit din mulţimea numerelor reale).. 3.etc. ● Variabilele aleatoare discrete care pot lua un număr exact de valori finite se numesc variabile aleatoare finite sau simple. Valorile pe care le poate lua Y sunt 0.1.Definiţii: Se numeşte variabilă aleatoare. .r Valorile pe care le poate lua X sunt 2. (de ex. 2.1.. 1. Valorile pe care Z le poate lua sunt 0. Exemple ● Experimentului “Selectarea unei banci” i se asociază variabila aleatoare X = numărul clienţilor băncii. 0. 1. 4. 0. Y.

1). DISTRIBUŢIA DE PROBABILITATE (REPARTIŢIA) A UNEI VARIABILE ALEATOARE SIMPLE Se consideră experienţa aruncării a 2 zaruri.Exemple ● Se consideră experienţa aruncarii unei monezi de trei ori. 3)} şi asa mai departe.2.6.8. variabila aleatoare ataşată poate lua valorile {1. deci variabila aleatoare va fi continuă. (1.3. 2)} Evenimentul X = 4 este {(3. (2. Considerând ca rezultat aparitia fetei “Cap”.2. Evenimentul X = 2 este format din apariţiile feţelor {(1.1.9. 1)} Evenimentul X = 3 este format din apariţiile feţelor {(2. 3. mulţimea valorilor pe care le poate lua acest rezultat este {0.…} şi este o variabilă aleatoare discretă şi infinită (nu există o limită superioara pentru numărul de companii care pot avea cont deschis la respectiva bancă) ● La experienţa de măsurare a lungimii unui obiect.4. (1.3.5. 2).2.7.11.3} şi variabila aleatoare asociată este finită.10. Multimea valorilor variabilei aleatoare X este {2. ● Alegând o bancă din mulţimea băncilor existente şi considerând ca rezultat numărul de companii care au cont deschis la respectiva bancă.1. Numărul total de evenimente posibile egal probabile este 62 = 36 şi fiecărui eveniment i se poate calcula probabilitatea de aparitie. 1). De exemplu P( X = 4) = 3 36 1 12 Rezultatele calculului tuturor probabilităţilor evenimentelor care pot aparea la aruncarea a 2 zaruri pentru variabilă aleatoare X se pot scrie sub forma: 2 1 36 3 2 36 4 3 36 5 4 36 6 5 36 7 6 36 8 5 36 9 4 36 10 3 36 11 2 36 12 1 36 63 . şi variabilă aleatoare X asociata rezultatului obtinut la insumarea valorii fetelor care apar la aruncarea zarurilor. variabila aleatoare asociată rezultatelor experienţei poate lua orice valoare din mulţimea numerelor pozitive.12} Dorim să obtinem informaţii despre condiţiile în care X ia diverse valori posibile.4.

X x1 f ( x1 ) sau X: x2 . ● Fie variabilă aleatoare X şi xi valorile posibile pe care aceasta le pote lua.1...…n şi Vom nota cu P(Ei) = P(X=xi) = f(xi) = pi probabilitatea ca variabila aleatoare X să ia valoarea xi.2. i = 1. P) şi variabila aleatoare X : R R. f(xi)) se numeşte repartiţia variabilei aleatoare discrete X. 64 . cu repartiţia (xi. Observaţie În practică..2. sau mai general... Se numeşte funcţie de repartiţie a variabilei aleatoare X o funcţie F : R Orice variabilă aleatoare se poate defini cu ajutorul funţiei sale de repartiţie. i = 1. Mulţimea perechilor ordonate ( xi.3. FUNCŢIA DE REPARTIŢIE ŞI DENSITATEA DE REPARTIŢIE A UNEI VARIABILE ALEATOARE Fie câmpul de probabilitate ( Definiţii definită prin: F(x) = P({ Observaţie Definiţii : X( ) < x}) = P(X < x). x R ... (f(xi) este funcţia de probabilitate). i = 1.f(xi)). o variabilă aleatoare discretă se prezintă sub forma matriceala. f ( xn ) x1 p1 x2 p2 . K. discrete. (X = xi). este dată de relaţia F(x) = xi x f ( xi ) .…n Fie Ei evenimentul ca variabila aleatoare X să ia valoarea xi.. xn .Definiţii ● Se numeşte repartiţie a unei variabile aleatoare discrete enumerarea tuturor valorilor posibile ale variabilei aleatoare precum şi a probabilităţilor corespunzatoare. xn f ( x2 ) . n . p n 3. Funcţia de repartiţie a unei variabile aleatoare simple X.

f(x) 2. funcţia de repartiţie este continua la stanga: F(x) = F(x-0) oricare x Definiţie R Se numeşte densitate de repartiţie a unei variabile aleatoare X a cărei funcţie de repartiţie este F(x). o funcţie f : R x [0. atunci : 1. orice x R f (u )du 1 65 . Funcţia de repartiţie a unei variabile aleatoare continue X este x F(x) = f (u )du pentru orice x R Proprietăţi Dacă F : R 1. 0. Daca a < b oricare a. 0 F(x) R este funcţia de repartiţie a unei variabile aleatoare. Observaţie Daca X are densitatea de repartiţie f. Proprietati Funcţia densitate de repartiţie a unei variabile aleatoare are urmatoarele proprietăţi : 1.Functia de repartiţie F a unei variabile aleatoare discrete X se numeşte functie de repartiţie de tip discret. F( 5. atunci: f(x) P(x = F’(x) = lim h F ( x h) F ( x ) 0 h lim h P( x 0 X x h) h Rezultă că X x h ) = f(x)dx deci f(x)dx este probabilitate elementară. oricare x R F(b).b R 2.b R au loc egalitatile: P( a X <b) = F(b) – F(a) P(a< X <b) = F(b) – F(a) – P(X=a) P(a< X P(a 4. ] cu proprietatea că: F(x) = f (u )du pentru orice x R. F(X b) = F(b) – F(a) – P(X=a) + P(X=b) b) = F(b) – F(a) +P(X=b) )=1 ) = 0. oricare a. F este nedescrescătoare: daca a < b atunci F(a) 3.

pentru x [1.3 daca 1 x 2 0. 66 . De asemenea f(x) = 0 pentru x (. orice x R. Oricare a.1 daca 0 x 1 F(X) = 0.3]. 1 x 3 0 in rest a) să fie densitatea de repartiţie a unei variabile aleatoare X b) să se determine funcţia de repartiţie a variabilei aleatoare X b) funcţia condiţiile: 1.7 daca 2 x 3 1 daca x 3 2. rezulta ca f(x) cu k>0. Determinarea constantei k se face utilizand a doua conditie. orice x R f(x) este densitate de repartiţie a unei variabile aleatoare X daca indeplineste f (u )du 1 [k.1)  (3. şi deci f(x) 0. astfel încât funcţia f(x) = k (2 x 1).b R cu a < b are loc egalitatea: b P(a X b) a f (u )du PROBLEME REZOLVATE 1. prima conditie fiind verificata. şi anume f (u )du 1 . Fie variabilă aleatoare simpla X avand repartiţia: X: 0 1 2 3 0. a) Să se determine k R .3] şi f(x)=k(2x-1) este o functie lineara crescatoare.2 04 0.1 0.3 Funcţia de repartiţie a variabilei aleatoare X este 0 daca x 0 0. 0. ). k>0.5k] Deoarece x [1.3. f(x) 2.

o mărime care în urma unei experienţe poate lua o valoare dintr-o mulţime bine definită..3).Vom avea: 1 3 3 f (u )du 0du 1 k (2u 1)du 3 0du 1 k (2u 1)du k (u 2 3 u) 1 6k ș i deci 6k = 1 de unde rezulă k = 1 6 şi funcţia densitate de repartiţie este: 1 (2 x 1). x 3 Se poate verifica că F’(x) = f(x) pentru orice x R. 1 x F(x) = f (u)du 1 f (u)du 1 1 (2u 1)du 61 3 x 1 2 (u 6 x x u) 1 1 2 (x 6 x) -pentru x [3... ). xn sau f ( x2 ) . O variabilă aleatoare discretă se prezintă sub forma matriceala. F(x) = 0du 0. 1 x 3 f(x) = 6 0 in rest x c) funcţia de repartiţie F(x) se determiăi din relatia F(x) = x f (u )du . 1 x 3 6 1 .pentru x [1. . numită mulţimea valorilor posibile. F(x) = 0du 1 (2u 1)du 6 1 0du 1 si 3 Functia de repartiţie va fi : 0 .. X : x1 f ( x1 ) x2 .pentru x (- .. x 1 1 2 F(x) = (x x) . REZUMAT Se numeşte variabilă aleatoare. .1). f ( xn ) 67 . Se numeşte repartiţie a unei variabile aleatoare discrete enumerarea tuturor valorilor posibile ale variabilei aleatoare precum şi a probabilităţilor corespunzatoare.

xn .2. x R R este funcţia de repartiţie a unei variabile aleatoare.. ] cu proprietatea că: F(x) = f (u )du pentru orice x R.. F este nedescrescătoare: daca a < b atunci F(a) 3.b R 2. definită prin: Se numeşte funcţie de repartiţie a variabilei aleatoare X o funcţie F : R F(x) = P({ Dacă F : R 1. oricare a. F(X b) = F(b) – F(a) – P(X=a) + P(X=b) b) = F(b) – F(a) +P(X=b) )=1 R ) = 0..b R au loc egalitatile: P( a X <b) = F(b) – F(a) P(a< X <b) = F(b) – F(a) – P(X=a) P(a< X P(a 4.X: x1 p1 x2 p2 . VARIABILE ALEATOARE DISCRETE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. 3. o x funcţie f : R [0. Daca a < b oricare a. funcţia de repartiţie este continua la stanga: F(x) = F(x-0) oricare x Se numeşte densitate de repartiţie a unei variabile aleatoare X a cărei funcţie de repartiţie este F(x). studenţii trebuie: O1: să efectueze operaţii cu variabile aleatoare discrete O2: să determine repartiţiile marginale ale variabilelor aleatoare când se cunoaşte repartiţia comună a acestora O3: să determine repartiţia comună a două variabile aleatoare 68 .. atunci : 1. 0 F(x) : X( ) < x}) = P(X < x). p n R. oricare x R F(b). F( 5.

2. … pim … m p ik k 1 … … … pnm … n …... n şi j = 1. Dacă evenimentele (X = xi) şi (Y = yj) nu sunt independente. cu i = 1. j = 1. OPERAŢII CU VARIABILE ALEATOARE DISCRETE Definiţii: ● Două variabile aleatoare X şi Y sunt independente dacă evenimentele (X = xi) şi (Y = yj). m p nk k 1 n m p k1 k 1 p kj k 1 p km k 1 i 1 j 1 p ij 1 Atunci repartiţia marginală a varaibilelor X şi Y este 69 . n şi j = 1.( Y = yj)]=P[(X = xi)  (Y = yj)]= pij = pi x qj Definiţii ● Fie X şi Y două variabile aleatoare discrete finite (simple) cu repartiţiile (x i. g(yj)). f(xi)). m . Atunci: P[(X = xi).k m p1k k 1 .3. n respectiv (yj. rezultă ca există o valoare pij care caracterizează P(X = xi  Y = yj) = pij .1. m sunt independente. ym P1m pi. se pot determina repartiiile marginale ale variabilelor aleatoare X şi Y. care au probabilităţile de apariţie pi respectiv qj. i = 1. x\y y1 x1 … xi … xn pkj P11 … Pi1 … Pn1 n … yj … P1j … … pij … … … Pnj … n . m sau repartiţia comună a variabilelor aleatoare X şi Y. Cunoscând probabilitaţile pij cu i = 1..

. n deoarece P(cX = cxi) = P(X = xi) = f(xi).3 70 ..1 0.. m yi p ki k 1 .. m ym p km k 1 p k1 ...2 0..2..... n Atunci cX are repartiţia (cxi... cxn . i = 1.2. c R... xn . . 3. f(xi)).x1 X: n . . p n atunci cX : cx1 p1 cx2 p2 . f(xi))..3 Repartiţia variabilei aleatoare 3X este 0 3 6 9 0.4 0. OPERAŢII EFECTUATE ASUPRA UNEI VARIABILE ALEATOARE X Definiţii ● înmulţirea cu o constantă Fie c = ct. n xi pik k 1 . i = 1. n xn p nk k 1 p1k k 1 .. sau daca X : x1 p1 x2 p2 ...1 0.2 0...4 0... şi X o variabilă aleatoare discretă finita (simpla) cu repartiţia (xi. y1 Y: m k 1 .. pn Exemple: Fie X : 0 1 2 3 0..

2 0.f(yj)).Definiţii ● Ridicarea la putere a unei variabile aleatoare Fie r R. f(xi)). cu i = 1. i = 1. cu i = 1. n . f(xi). Atunci Xr are repartiţia (x ir . n şi j = j = 1. 1. i = 1. f(xi)). n .2 0.f(yj)).4 0. f(xi). după cum variabilele sunt independente sau nu. Să se calculeze repartiţia variabilei aleatoare X2.3.3 0.1 0.1 0. unde X: Exemplu 0 1 2 3 0.3 02 12 22 3.2 0.1 0.4 0. OPERAŢII CARE SE POT EFECTUA CU DOUĂ VARIABILE ALEATOARE X ŞI Y În definirea operaţiilor care se pot efectua cu 2 variabile aleatoare X şi Y distingem două modalităţi de calcul. m Definiţii Înmulţirea Daca X şi Y sunt variabile aleatoare independente atunci XY are repartiţia (xi yj.4 0. şi X o variabilă aleatoare discretă finită (simpla) cu repartiţia (x i. n şi j = 1. Operaţii cu variabile aleatoare independente Definiţii ● Adunarea a două variabile aleatoare Daca X şi Y sunt variabile aleatoare independente atunci X + Y are repartiţia (x i + yj.2.3 X2 = 1 4 9 32 = 0 0. m 71 .

m .yj ) = P ({X= xi }  {Y = yj }) = P(X= xi. g(yj)). Y = yj) cu i = 1. Y = yj) cu i = 1.f(yj)). f(xi)). atunci variabila aleatoare X are Y xi .yj) = P ({X = xi}  {Y = yj}) = P(X = xi. m . unde: Y yj h(xi.Y are repartiţia (xi yj. n respectiv (yj. unde: h(xi. m 72 . yj )) cu i = 1. cu yj repartiţia ( 0. cu i = 1. m . i = 1. h(xi. m . n şi j = j = 1. m . j = 1. m Definiţii Înmulţirea Fie X şi Y două variabile aleatoare discrete finite (simple) cu repartitiile (xi. j = 1. n şi j = 1. Atunci : x X are repartiţia ( i . yj ) = P ({X= xi }  {Y = yj }) = P(X= xi. Operaţii cu variabile aleatoare dependente Definiţii ● Adunarea a două variabile aleatoare Fie X şi Y două variabile aleatoare discrete finite (simple) cu repartiţiile (xi. n şi j = 1. n şi j = 1. Y = yj) cu i = 1. m . j = 1. n respectiv (yj. Atunci : X . n şi j = j = 1.yj)) cu i = 1. f(xi). n şi j = 1. i = 1. unde: h(xi. i = 1. m Definiţii Împărţirea Fie X şi Y două variabile aleatoare discrete finite (simple) cu repartiţiile (xi. h(xi. f(xi)). f(xi)). Atunci : X + Y are repartiţia (xi + yj. n respectiv (yj. h(xi. n şi j = 1. g(yj)). m yj 2. yj )) cu i = 1. g(yj)).Definiţii Împărţirea Dacă X şi Y sunt variabile aleatoare independente.

2 0.1 0.2 1 0. 73 .2 0.2 0.04 0.2 0.8 şi Y : 0 1 2 0.4 şi Y : 0 1 2 0.6 Notam cu Z = X + Y Z: 0 0 0 1 0 2 1 0 1 1 1 2 0.4 1 Repartiţia marginală a variabilelor aleatoare X şi Y va fi: X: 1 2 0.2 0.1 2 0.12 0.2 0.6 0.2 0.5 2.1 0. Să se determine repartiţiile marginale ale variabilelor X şi Y a caror repartiţie comună este X\Y 1 2 0 0.1 0.8x0.3 2 0.2 x0.2 x0.2 Completăm tabelul cu încă o linie şi o coloană aferente probabilităţilor P(Y=yj).16 0.2 0.2 0.8x0. Să se calculeze suma ca independente X şi Y unde: X: 0 1 0.8x0. respectiv P(X=xi) X\Y 1 2 P(Y=yj) 0 0.1 0.6 Z: 0 1 2 1 2 3 0.5 P(X=xi) 0.2 x0.3 0.PROBLEME REZOLVATE 1.2 0.2 0.1 1 0.6 0.6 0.3 0.3 0.04 0.16 0.48 .

16= 0.16= 0.2 0.16.6 Z: 0 0 0 0 1 2 0. Analog.04+0.2 0.2 0.2.36.28 0. Forma finală a variabilei Z va fi Z: 0 1 2 0.16 0.36 0.12 respectiv 0.16 rezultă că P(z = 1) = 0. Să se calculeze produsul variabilelor aleatoare independente X şi Y unde: X: 0 1 0.04+0.2 0.04 0. rezultă că P(z = 0) = 0.48 şi se verifica ca pi 1 74 .12+0. Forma finala a variabilei Z va fi Z: 0 1 2 3 0.12+0.2 x0.2 0.Deoarece pentru valoarea z = 1 a varaibilei aleatoare Z sunt listate doua probabilitati de realizare.2 0.04 0. pentru valoarea z = 2 a varaibilei aleatoare Z sunt listate doua probabilitati de realizare.12 0.04 respectiv 0.28.04 0.8 şi Y : 0 1 2 0.16 0. 0.2 x0.16 0.48 şi se verifica ca pi 1 3.6 Notăm Z = X x Y Z: 0 x0 0 x1 0 x2 1x0 1x1 1x2 0.8x0.2 x0.2 0.6 0.16= 0. rezultă că P(z = 1) = 0.04+0.8x0.48 .8x0. Deoarece pentru valoarea z = 0 a varaibilei aleatoare Z sunt listate patru probabilitaţi de realizare. 0.2 0.

REZUMAT Două variabile aleatoare X şi Y sunt independente dacă evenimentele (X = xi) şi (Y = yj).3. CARACTERISTICI NUMERICE ALE VARIABILELOR ALEATOARE DISCRETE Fie ( f(xi)).1.( Y = yj)]=P[(X = xi)  (Y = yj)]= pij = pi x qj Operaţiile care se pot efectua asupra unei variabile aleatoare X sunt înmulţirea cu o constantă şi ridicarea la putere. 75 . care au probabilităţile de apariţie pi respectiv qj. studenţii trebuie: O1: să calculeze caracteristicile numerice ale variabilelor aleatoare O2: să interpreteze rezultatele obţinute pentru caracteristicile numerice ale variabilelor aleatoare O3: să calculeze coeficientul de corelaţie a două variabile aleatoare O4: să interpreteze valoarea coeficientului de corelaţie a două variabile aleatoare 3. Atunci: P[(X = xi). n . Cu două sau mai multe variabile aleatoare se pot efectua operaţii de adunare şi de înmulţire. K. n şi j = 1. cu i = 1.3. 3. CARACTERISTICI NUMERICE ALE VARIABILELOR ALEATOARE. P) un camp de probabilitate şi o variabilă aleatoara discretă X cu repartiţia (x i. m sunt independente. COEFICIENTUL DE CORELAŢIE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare.i= 1.

Expected value) mărimea M(X) = k 1 xk f ( xk ) Proprietăţi M(X) are urmatoarele proprietăţi: M1) Daca X = c (constant). Se numeşte moment initial sau moment.Definiţii Se numeşte valoare medie a lui X sau speranţa matematică (eng. Observatie Definiţii Se poate demonstra imediat ca M(Z) = 0. Variabila aleatoare Z = X – M(X) se numeşte abaterea ( de la valoarea medie) a variabilei aleatoare X. Momente Fie X o variabilă aleatoare discretă şi r N* . şi se notează cu Mr(X) valoarea M(Xr) = r xk f ( xk ) k 1 Observaţie M1(X) = M(X) 76 .b constante reale şi M(X) exista M2) atunci exista şi M(aX+b) = a M(X) + b Daca X şi Y sunt variabilă aleatoare discrete avand valorile medii M(X) şi Daca X şi Y sunt variabilă aleatoare discrete independente care au valorile M3) M(Y) atunci M(X+Y) exista şi: M(X+Y) = M(X) + M(Y) M4) medii M(X) respectiv M(Y). atunci exista M(XY) şi: M(XY) = M(X) M(Y) Definiţii Abaterea de la valoarea medie Fie X o variabilă aleatoare discretă a carei valoare medie este M(X). atunci M(X) = c Daca X este variabilă aleatoare discretă şi a.

momentul centrat de ordinul 2 al varaibilei aleatoare X. CARACTERISTICI NUMERICE ALE VARIABILELOR ALEATOARE CONTINUE Fie ( repartiţie f(x) . Daca X şi Y sunt variabile aleatoare independente având dispersiile D2(X) respectiv D2(Y). şi se notează cu Mr( X ).2. adica: Mr( X ) = M( X ) = k 1 r r xk r f ( xk ) Definiţii Se numeşte moment centrat de ordinul r al variabilei aleatoare X şi se notează mr(X).a X cu dispersia D2(X) şi a.Definiţii Se numeşte moment absolut de ordin r. mr(X) = Mr(X –M(X)) = M[ ( X M ( X )) r ] Dispersia ( momentul centrat de ordin 2) Se numeşte disperise a varaibilei aleatoare X.3. (r=2) D2(X) = 2 m2 ( X ) = M[ ( X M ( X )) 2 ] Se numeşte abatere medie patratica a lui X numărul D(X) = m2 ( X ) Proprietăţi Dispersia unei variabile aleatoare are urmatoarele proprietăţi D1. Atunci 3. valoarea medie a variabilei aleatoare X . D2(X) = M(X2) – [M(X)]2 D2.b D (Y) = D (aX + b) = a D (X) D3. P) un câmp de probabilitate şi o variabilă aleatoare continuă X cu densitatea de 77 . atunci oricare ar fi constantele a. b dispersia variabilei aleatoare aX + bY este D2 (aX + bY) = a2D2 (X) + b2 D2 (Y) 2 2 2 2 R şi fie Y = aX+b. Fie v. şi se notează cu D2(X). momentul de ordinul r al abaterii X – M(X). K.

Definiţii Se numeşte valoare medie a lui X mărimea M(X) = x f ( x)dx Momentul (momentul iniţial) de ordin r Mr(X) = M(Xr) = x r f ( x)dx Definiţii Momentul absolut de ordin r Mr( X ) = M( X ) = r x r f ( x)dx Definiţii Momentul centrat de ordinul r mr(X) = Mr(X –M(X)) = ( x M ( X )) r f ( x)dx Dispersia ( momentul centrat de ordin 2) D2(X) = 2 m2 ( X ) = ( x M ( X ))2 f ( x)dx Abaterea medie patratica a lui X este numărul D(X) = m2 ( X ) Toate proprietăţile mediei şi dispersiei prezentate pentru variabilele aleatoare simple se păstrează şi în cazul variabilelor aleatoare continue. 78 .

K. Definiţie . 79 .4. Y ) 1.Y ) cov( X . C2. C3. 2 Intre variabilele aleatoare X şi Y exista o relaţie liniară dacă şi numai dacă ( X . Y ) D( X ) D(Y ) Formula pentru calculul coeficientului de corelaţie este: (X .3. ( X . atunci ( X . Y ) 1. P). 2 Daca X şi Y sunt doua variabile aleatoare cu dispersii finite şi nenule. Daca X şi Y sunt variabile aleatoare independente.Y ) cov( X . Se numeşte corelaţie sau covarianţă a variabilelor aleatoare X şi Y marimea cov(X. Y) = M[(X-m1)(Y-m2)] Se numeşte coeficient de corelaţie al variabilelor aleatoare X şi Y mărimea: ( X .Y ) 0. Y ) D ( X ) D (Y ) M [( X m1 )(Y m 2 )] D ( X ) D (Y ) M ( XY m1Y m 2 X m1 m 2 ) D ( X ) D (Y ) = M ( XY ) m1 M (Y ) m2 M ( X ) M ( X ) M (Y )] D( X ) D(Y ) M ( XY ) M ( X ) M (Y ) D( X ) D(Y ) Proprietăţi Coeficientul de corelaţie are proprietăţile C1. COEFICIENTUL DE CORELAŢIE A DOUĂ VARIABILE ALEATOARE Fie X şi Y doua variabile aleatoare discrete definite pe câmpul de probabilitate ( care au mediile m1 respectiv m2 (M(X1) = m1 şi M(X2) = m2.

8 M(Y) = 1 x 0.Observaţii Reciproca proprietăţii C1 nu este adevarata. Repartiţia comună a variabilelor va fi: X\Y 0 1 1 0.8 1 calculării coeficientului de corelaţie P(Y=yj) 0.5 = 1.2 + 1 x 0.5 0.2 0.8 = 0. X ) 1 Dacă X şi Y sunt variabile aleatoare ale caror medii şi dispersii există. nu rezultă ca variabilele aleatoare X şi Y sunt independente ci că sunt necorelate.Y ) mărimile M ( XY ) M ( X ) M (Y ) D( X ) D(Y ) M(X) = 0 x 0.3 2 0 0. Consecinţa proprietăţii C2 este că ( X .5 80 .5 + 2 x 0.5 0.2 0.5 Daca P(X = 0. Fie X şi Y variabile aleatoare simple cu repartiţiile: X: 0 1 0.5 necesare P(X= xi) 0. X ) 1 şi (X .5 Caclulăm ( X .Y) PROBLEME REZOLVATE 1. Daca ( X .2 0. atunci: D2(X+Y) = D2(X) + D2(Y) 2cov (X.8 şi Y: 1 2 0.Y ) 0. Y= 1) = 0.2 să se calculeze coeficientul de corelaţie al variabilelor aleatoare X şi Y.

5 0. Fie X şi Y variabilă aleatoare simple cu repartitiile: X: 0 1 0.2 0.5)2 = 0.5 0.5 Atunci ( X .2 0.8-(0.25 şi D(Y) = 0.8)2 = 0.2 0.8 şi Y2: 1 4 0.5 2.5.5 0.2 + 1 x 0.3 P(XY=2) = P(X=1 şi Y=2) = 0.4 0.1 0.Pentru a calcula M(XY) calculăm valoarea produsului XY in baza datelor din tabelul repartiţiei comune: P(XY=0)= P(X=0 şi Y=1)  P(X=0 şi Y=2)=0.5 –(1.Y ) 1.3 0.8 1.5 81 .8 şi M(Y2)=2.2 0.5 M(XY) = 0 x 0.3 0.5 cu M(X2) = 0.8 şi Y: 1 2 0.5 0.5 Atunci XY: 0 1 2 0.3 + 2 x 0.2 P(XY=1) = P(X=1 şi Y=1) = 0. Folosind formula D2(X) = M(X2) – [M(X)]2 vom avea: D2(X) = 0.3 Pentru calculul mărimilor D(X) şi D(Y) avem nevoie de valorile variabilelor aleatoare X2 şi Y2 şi de mediile acestora: X2 : 0 1 0.4 D2(Y) = 2.16 D(X) = 0.5 = 1.

5 Pentru a calcula M(XY) calculăm valoarea produsului XY în baza datelor din tabelul repartiţiei comune: P(XY=0)= P(X=0 şi Y=1)  P(X=0 şi Y=2)=0.8-p) = 1.Y ) 0. şi să se scrie repartitia comuna a acestora Repartiţia comună a variabileleor aleatoare X şi Y este X\Y 0 1 1 0.8 0.8 M(XY) = 0 x 0.5-p p 2 P(X= xi) p-0.5 X şi Y sunt necorelate daca ( X .5 1 P(Y=yj) 0.5 = 1.6 – p 82 .5 + 2 x 0.2 P(XY=1) = P(X=1 şi Y=1) = p P(XY=2) = P(X=1 şi Y=2) = 0.2 0.Y ) M ( XY ) M ( X ) M (Y ) D( X ) D(Y ) M(X) = 0 x 0. Unde ( X .8 = 0.8-p Atunci XY: 0 0.2 + 1 x 0.8-p 0.Daca P(X = 1. Y= 1) = p să se afle valoarea probabilitatii p pentru care v ariabilele aleatoare X şi Y sunt necorelate.3 0.2 1 2 p p 0.8 M(Y) = 1 x 0.2 + 1 x p + 2 x (0.

Y ) 1.2 Ș i din condiţia ( X .25 şi D(Y) = 0. X\Y 0 1 1 0.4 p 0.6 p 0.4 D2(Y) = 2.8-(0.4 2 0.2 0.Y ) 0 vom avea p=0.5 0.8 şi Y2: 1 4 0.5 –(1.4 REZUMAT Caracteristicile numerice ale variabilelor aleatoare discrete sunt: Valoare medie M(X) = k 1 xk f ( xk ) Abaterea de la valoarea medie Z = X – M(X) Moment iniţial sau moment M(Xr) = k 1 r xk f ( xk ) Moment centrat de ordinul r mr(X) = Mr(X –M(X)) = M[ ( X M ( X )) r ] 83 .5 Atunci ( X .8 şi M(Y2)=2.5 cu M(X2) = 0.5 0.8 1.1 0.Pentru calculul marimilor D(X) şi D(Y) avem nevoie de valorile variabilelor aleat oare X2 şi Y2 şi de mediile acestora: X2 : 0 1 0.5)2 = 0.4 0. Folosind formula D2(X) = M(X2) – [M(X)]2 vom avea: D2(X) = 0.1 0.8)2 = 0.16 D(X) = 0.4.5 0.5.

2 0 Pi 0.5 0.Y ) 3.6 84 . Y ) D( X ) D(Y ) Se numeşte coeficient de corelaţie al variabilelor aleatoare X şi Y mărimea: ( X .Dispersia ( momentul centrat de ordin 2) D2(X) = Abatere medie patratică a lui X D(X) = 2 m2 ( X ) = M[ ( X M ( X )) 2 ] m2 ( X ) Caracteristici numerice ale variabilelor aleatoare continue Valoare medie M(X) = x f ( x)dx Momentul (momentul iniţial) de ordin r Mr(X) = M(Xr) = x r f ( x)dx Momentul centrat de ordinul r mr(X) = Mr(X –M(X)) = ( x M ( X )) r f ( x)dx Dispersia ( momentul centrat de ordin 2) D2(X) = 2 m2 ( X ) = ( x M ( X ))2 f ( x)dx Abaterea medie patratică a lui X este numărul D(X) = m2 ( X ) cov( X .5. Se cunosc următoarele date ale repartiţiei comune a variabilelor X ș i Y x/y -1 A 2 qj 0. 3 PROBLEME PROPUSE 1. TEMA DE CONTROL A UNITĂŢII DE ÎNVĂŢARE NR.

Să se calculeze suma varaibilelor aleatoare simple X şi Y a căror repartiţie comună este dată de tabelul: 85 . Se cunosc următoarele date ale repartiţiei comune a variabilelor X ș i Y x/y -1 0 2 qj 0.5 a) să se completeze tabelul repartiţiei comune ș i să se determine valorile posibile ale lui k b) să se determine coeficientul de corelaţie al variabilelor aleatoare X si Y c) să se determine distribuţia variabilei aleatoare condiţionate X/(Y=1) si Y/(X=0) 3.6 2k 1 pi k 0.5 a) să se determine a si sa se calculeZe distributia comuna a variabilelor aleatoare X si Y b) să se determine coeficientul de corelaţie al variabilelor aleatoare X ș i Y c) să se stabileasca daca variabilele aleatoare X si Y sunt indepenente 2. 4. Se cunosc următoarele date ale repartiţiei comune a variabilelor X si Y x/y -2 -1 0 qj Q 1/5 1 Pi P 3p 2q a) să se completeze tabelul repartiţiei comune ș i să se determine valorile lui p ș i q b) să se determine coeficientul de corelaţie al variabilelor aleatoare X ș i Y c) dacă X ș i Y sunt independente. să se calculeze P((X<0) si (Y>0)).Dacă M(X) = 0.

1 0 1 0 0. 2.yj): P(X + Y =1) = P(X=0 şi Y=1) = 0.1 P(X + Y = 3) = P(X=0 şi Y=3) sau P(X=1 şi Y=2) sau P(X=2 şi Y=1) = 0+0.1+0 = 0.1+0=0.1 P(X + Y = 4) = P(X=1 şi Y=3) sau P(X=2 şi Y=2) sau P(X=3 şi Y=1) = 0.3+0. 4.2 0 3 0.1 0.3 2 0 0.6 P(X + Y = 5) = P(X=2 şi Y=3) sau P(X=3 şi Y=2) = 0 + 0 = 0 P(X + Y = 6) = P(X=3 şi Y=3) = 0 86 .1=0. Variabila aleatoare X + Y poate lua valorile 1.Y\X 1 2 3 0 0. 5. 3. Trebuie să calculăm probabilităţile cu care variabilă aleatoare X + Y poate lua aceste valori.1 0 0 să se calculeze repartiţia variabilei aleatoare XY RĂSPUNSURI 1.1 0.1 0 0 5.2 P(X + Y =2) = P(X=0 şi Y=2) sau P(X=1 şi Y=1) = 0.2 0. adică h(xi.2 0.2+0.2 0 3 0.1 0 1 0 0. 6 (xi + yj).3 2 0 0. Fie X şi Y variabile aleatoare discrete finite (simple) cu următoarea repartiţie comună Y\X 1 2 3 0 0.

2 şi se verifică că pi 1 ÎNTREBĂRI DE CONTROL 1. Să se definească funcţia de repartiţie a unei variabile aleatoare şi densitatea de repartiţie.4 0.2 0.6 şi se verifica ca pi 1 2. Trebuie să calculăm probabilităţile cu care variabilă aleatoare XY poate lua aceste valori. 4. 9 ( adică xiyj).1 0. Variabila aleatoare XY poate lua valorile 0. adică h(xi.4 P(XY =4) = P(X=2 şi Y=2) = 0.2+0.1 P(XY =3) = P(X=1 şi Y=3) sau P(X=3 şi Y=1) = 0. 6.1 0.3 P(XY =1) = P(X=1 şi Y=1) = 0 P(XY =2) = P(X=1 şi Y=2) sau P(X=2 şi Y=1) = 0. Să se definească o variabilă aleatoare şi să se exemplifice variabile aleatoare care se pot ataşa proceselor economice.2 P(XY =6) = P(X=2 şi Y=3) sau P(X=3 şi Y = 2)= 0 + 0 P(XY =9) = P(X=3 şi Y=3) = 0 XY : 0 2 3 4 0. 87 . 2.1.yj): P(XY=0)=P(X=0şiY=1) sau P(X=0 şi Y=2) sau P(X=0 şi Y+3)=0.1+0=0.1 0.3 0.1=0.X+Y: 1 2 3 4 0. 2.3+0. 3.1= 0.

3.3 1 Pi k 0.5 0. Se cunosc următoarele date ale repartiţiei comune a variabilelor X ș i Y x/y 0 -1 -2 qj 0.2 0.5 şi Y : 1 1 0. Să se determine p 0 pentru care X : discretă. Fie X şi Y variabilă aleatoare simple cu repartiţiile: X: 1 0 0. 1 p 0 1 2 p 1 3p 2 reprezintă o variabilă aleatoare 1 2. XY.5 să se afle repartiţia comună a variabilelor aleatoare X şi Y b) să se calculeze X + Y. Fie X: 0 1 x 6 6x 2 1 1 6 0 si Y: 1 1 y 3 12 y 2 2 1 3 Să se determine x şi y astfel incat X şi Y să reprezinte două variabile aleatoare.6 Să se completeze tabelul repartiţiei comune ș i să se determine valorile posibile ale lui k 88 .LUCRARE DE VERIFICARE 1. 2X şi Y2 4.3 a) dacă P( X = -1 şi Y = -1) = 0.

3 1. M(3Y) = 1.5 Dacă P(X = 0.8 pentru care se cunosc: M(2X) = 1.3.8q 0.1 Să se determine repartiţiile marginale ale variabilelor X şi Y şi să se calculeze coeficientul de corelaţie (să se stabileasca dacă variabilele sunt independente sau nu) 89 .Y ) d) să se calculeze M(5X). 5X+3Y. Y4.6. Se consideră două variabile independente X: 1 0 1 0. să se calculeze coeficientul de corelaţie al variabilelor aleatoare X şi Y.4 2q 2 p a) să se determine p şi q b) să se calculeze 2X.8 şi Y: 1 2 0. TESTUL DE AUTOEVALUARE NR.5 0. 3.2 0. Fie X şi Y variabile aleatoare simple cu repartiţiile: X: 0 1 0.1 p q 0. XY c) să se calculeze ( X . Fie X: 0 3 p 2q 2 p 2 a 1. Y= 1) = 0. M(3X+2).D2(2X+5Y) 2.8 şi P(X=0 şi Y = -1) = 0.3 şi Y: 1 2p 2 b 1.5.6 şi Y: 1 0.8q 0.

3 0.12 0.3x0.6x0.3 0.4 +2q-p =1.3 şi –p+2q= 0.6x0.6 0.4 0.6 5X+3Y: 2 1 3 6 8 11 0.18 0.6 0.4 0.1x0.1 0.6 Rezolvând sistemul p q p 2q 0.1x0.6 b) 2X: 2 0 2 0.06 0.1x0.1 0.3 şi p=0 Variabilele X şi Y vor fi: X: 1 0 1 0.36 XY: 1x1 1x2 0x1 0 x2 1x1 1x2 0.36 90 .1x0.1+p+q+0.3 0.24 0. a) Din definiţia variabilei aleatoare ș tim că 0.18 0.RĂSPUNSURI 1.4 0.6x0.3 0.4 0.6 şi Y: 1 2 0.6 Y4: 1 16 0.3 0.6 5X+3Y: 5 0 5 + 3 6 = 5 3 5 6 0 3 0 6 5 3 5 6 0.6 0.4 0.36 XY: 2 1 0 1 2 0.3x0.4 0.3x0.04 0.6 0.1 0.06 0.04 0.4 0.04 0.4 0.12 0.6 0.24 0.6 XY: 1 2 0 0 1 2 0.3x0.6 = 1 şi 0.06 0.6 obţinem q=0.6x0. adică p+q = 0.4 0.6 0.24 0.

24 (X .45 x0.1 + 0x0.7 – (0.04 + 0 x 0.5 = 2.8 = 1 91 .24 +2 x 0.45+25x0.4 + 4 x 0.Y ) 0.36 = 0.06 + (-1) x 0.3 + 1 x 0.Y ) M ( XY ) M ( X ) M (Y ) D( X ) D(Y ) M(X) = -1x0.24 0 d) M(5X) = 5M(X) = 5 x 0.6)2 = 0.5)2 = 0.5 x1.6 = 1.8 D2(X) = 0.8q + 0.45 D2(Y) = 2.6 = 2.8 M(X2) = 0 x 0.4 + 2x0.7 = 0.7 M(Y2) = 1 x 0.24=7.5 D2(2X+5Y) = 4 D2(X) + 25D2(Y) = 4x0.5 +2 = 3.5 M(Y) = 1x0.6 M(XY) = (-2) x 0.8q +0.6 = 0.8 – (1.3 = 1 şi 2p2 + 1.8 2. Ştim că 3p + 2q + 2p2 + 1.3 + 1 x 0.5 M(3X+2) = 3M(X) +2 = 3x0.6 0.3 + 1x0.8 0.c) ( X .

7p=-0.3 p1 2.625 3p+2q = 7. (2.25 şi q1 = 1.25 4 p2 2.45 0.1 Pentru a determina repartiţiile marginale ale variabilelor X şi Y ne trebuie valorile 3p+2q şi 2p2+1.25 sau 2p2 -2.8q Înmulţind prima ecuaţie cu (-0.1 şi q2 = 0.3 4 0.7 2.2 0. Dacă p2 = 0.2 .8q 2p 2 0.5 şi 2p2+1.29 şi 2.25 5.5) = a 92 .2 1.8 M(2X) = 2M(X) = 2(0 x 0. Dacă p1 = 1.625 respectiv q2 = 0.7 p 1.25 = 0.9) obţinem: 2.8q şi scăzând cele două ecuaţii vom avea: 2p2 -2.2 1. deci X: 0 a 0.3 1.5 şi Y: 1 b 0.1 vom avea 3p+2q = 0.Rezolvăm sistemul 3 p 2q 2p 2 0.8q = 0. valoare care nu convine deoarece 3p+2q trebuie să fie subunitara reprezentând o probabilitate.7 2.5 0.5 + a x 0.1 Ș i q1 = 1.8q.7) 2 4 x 2 x0.5 0.7p + 0.

5x0.1 0.1 P(X=0) = 0.6+2.2 0.2+bx0.4 0.4b Ș i M(3Y) = 1.8 Repartiţia comună a variabilelor X şi Y este X\Y 0 1 -1 0.5 0.8 P(X= xi) 0.4b = 1.1 P(X=1)P(Y=-1) = 0.8 şi b=1 Atunci.4 0.8 deci -0.6 +2.5 0.5 şi Y: 1 1 0.8)=0. X: 0 1 0.4 P(X=0)P(Y=1) = 0.1 1 0.5x0.5 1 P(Y=yj) 0.2 deci se verifică relaţia P(X=0 şi Y=-1)= P(X=0) P(Y=-1) P(X=0 şi Y=1) = 0.Ș i M(2X) = 1 deci a = 1 M(3Y)=3M(Y)=3(-1x0.8 şi P(X=0 şi Y=1) = P(X=0)P(Y=1) P(X=1 şi Y=-1)= 0.2 şi P(X=1 şi Y=-1) = P(X=0)P(Y=-1) 93 .2 Variabilele X şi Y sunt independente dacă P(X=xi şi Y=yj)= P(X=xi) P(Y=yj) P(X=0 şi Y=-1)= 0.5 P(Y=-1) = 0.

Editura Cison.culegere de probleme. Matematică economică I. BILIOGRAFIA SPECIFICĂ UNITĂŢII DE ÎNVĂŢARE NR. Matematici pentru economişti. Matematici pentru economişti .P(X=1 şi Y=1)= 0. Ed.7. Bucureşti. Cenuşă Gheorghe (coord). 3. Cison. Mitroi Andreea . 2000 94 .4 P(X=1)P(Y=1) = 0. Ed. 2010 2. Cenuşă Gheorghe (coord). Cison.5x0. 2000 3. 3 1.8 şi P(X=1 şi Y=1) = P(X=0)P(Y=1) Si X şi Y sunt independente.

3.1. 4 PROBLEME DE PROGRAMARE LINEARĂ Timp mediu necesar pentru studiu: 7 ore Bifează sarcinile de lucru rezolvate.1. Probleme de programare lineară cu 2 variabile (programare lineară bidimensională) 4. pe măsura parcurgerii lor: Parcurge obiectivele Citeşte conţinutul lecţiei Raspunde la întrebările de control Parcurge problemele rezolvate Rezolva problemele propuse Recapitulează cunoştinţele Pregăteste Tema de control Cuprinsul unităţii de învăţare: 4. Maximizarea unei funcţii obiectiv pentru care toate restricţiile au semnul “ ” 95 . Formularea unei probleme de programare lineară (elementele unei probleme de programare lineară) 4.UNITATEA NR. Formularea problemei de programare lineară bidimensională 4.2.1. Metoda grafică de rezolvare a problemelor de programare lineară bidimensională 4.3. Algoritmul Simplex bidimensional 4.1.1.2.

şi urmareşte optimizarea unor funcţii (de 2 variabile în cazul de faţă) în raport cu anumite restricţii (condiţii) impuse de natura proceselor. Există câteva domenii standard în care se aplica programarea lineară şi anume: planificarea producţiei sau problema planului optim de producţie (găsirea unei combinaţii optime de produse 96 .4.1. în funcţie de natura acesteia.3. Bibliografia specifică unităţii de învăţare nr.1. studenţii trebuie: O1: să înţeleagă importanţa programării lineare în procesul de elaborare a deciziilor economice O2: să formuleze probleme de programare lineară bidimensională O3: să aducă la forma standard o problemă de programare lineară 4. 4 4. FORMULAREA PROBLEMEI DE PROGRAMARE LINEARĂ BIDIMENSIONALĂ Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. iar în cazul unei funcţii a costului obiectivul va fi minimizarea lui.2.4. Testul de autoevaluare nr.7. 4 4. Optimizarea funcţiilor se referă la găsirea acelor valori ale variabilelor care să maximizeze sau să minimizeze funcţia studiată.6. 4 4. PROBLEME DE PROGRAMARE LINEARĂ CU 2 VARIABILE (PROGRAMARE LINEARĂ BIDIMENSIONALĂ) Programarea lineară este un proces matematic folosit în elaborarea deciziilor fiind unul din instrumentele de bază ale managementului operaţional. obiectivul va fi maximizarea acestuia. Rezolvarea problemelor de programare lineară multimdimensională 4. De exemplu.1.5. dacă vorbim de o funcţie a profitului. Minimizarea unei funcţii obiectiv pentru care toate restricţiile au semnul “ ” (problema duală) 4. Tema de control a unităţii de învăţare nr.

0 sunt condiţiile de nenegativitate care se impun variabilelor de decizie. Meotda consacrată de rezolvare a problemelor de programare lineară este metoda simplex.x2) = a1x1 + a2x2 cu şi ai1x1 + ai2x2 xi 0 ci sau ai1x1 + ai2x2 ci ( deoarece studiem variabile economice. 4.L) bidimensionala este: [Opt]f(x1. 97 . creată în 1947 de G.P. acestea vor avea întotdeauna valori pozitive) unde: ● x1 şi x2 se numesc variabile de decizie. Există şi o metodă grafică de rezolvare a acestor probleme. problema folosirii optime a resurselor.1. Dantzig şi J.x2) este o funcţie obiectiv care modelează legătura între cele două variabile în funcţie de enunţul problemei. ● f(x1. obiectivul fiind găsirea acelor valori particulare ale variabilelor de decizie care optimizează valoarea ei. Von Newmann. problema aliajelor (obţinerea unor aliaje care să minimizeze costurile implicate).2.fabricate care să maximizeze profitul). ● ai1x1 + ai2x2 ● xi ci reprezintă sistemul de restricţii sau constrângerile problemei sau condiţiile impuse variabilelor de decizie. FORMULAREA UNEI PROBLEME DE PROGRAMARE LINEARĂ (ELEMENTELE UNEI PROBLEME DE PROGRAMARE LINEARĂ) Definiţii Modelul matematic al unei probleme de programare lineară (P. conceperea dietelor zilnice. probleme de transport. dar care se poate folosi numai pentru probleme în care apar 2 sau cel mult 3 variabile.

x2)= 5x1+8x2 iar obiectivul este găsirea unei soluţii care să maximizeze valorile funcţiei Transpunerea restricţiilor în ecuaţii sau inecuaţii Pasul 4 Pentru departamentul de producţie. . Studiile privind numărul de ore necesare pentru fiecare proces aferent sunt prezentate în tabelul de mai jos: Producţie Asamblare Jucarie alba Proces 2 Se cunoaşte că: . Construirea modelului P.L. Să se găsească cantitatea optimă care trebuie produsă din fiecare tip de jucarie pentru a maximiza profitul companiei.P. adică: 1x1 + 2x2 32 98 .profitul estimat a fi obtinut din vanzarea jucăriilor este de 5 lei pentru jucăriile albe şi 8 lei pentru jucăriile negre. timpul alocat fabricării jucăriilor albe (care necesită 1 ora) şi negre (care necesită 2 ore) nu trebuie să depaşeasca 32 de ore.Numărul maxim zilnic de ore de muncă este de 32 ore pentru departamentul de producţie şi de 84 pentru departamentul de asamblare.Exemplu O fabrică de jucării doreşte introducerea în procesul de fabricaţie a unei noi jucării de pluş în două variante de culoare: albă şi neagră. Pasul 1 Definirea variabilelor de decizie X1 = numărul de jucării albe care urmează să fie produse X2 = numărul de jucării negre care urmează să fie produse Pasul 2 Analiză elementelor relevante pentru problemă (întocmirea unui tabel de analiză) Producţie Asamblare Profit Jucarie alba 1 3 4 84 5 8 Jucarie neagră 2 Total ore Pasul 3 32 1 2 3 4 Construirea funcţiei obiectiv Funcţia obiectiv este dată de P(x1.

x2 84 Identificarea condiţiilor de nenegativitate. i 1. în rezolvarea acestuia vom avea r necunoscute principale (sau variabile de bază) şi n-r necunoscute secundare (varaibile nebazice). x 2 ) care satisface restricţiile problemei şi condiţiile de nenegativitate. pentru departamentul de asamblare vom avea 3x1 + 4x2 Pasul 5 adică x1.Analog. 0 Modelul matematic va fi: [Max] P(x1. Deoarece variabilele reprezintă cantităţi de produse. Definiţii ● Se numeşte soluţie posibilă sau soluţie realizabilă sau soluţie admisibilă a unei 0 PPL orice pereche ( x10 .x2)= 5x1+8x2 x 1 + 2x 2 3x1 + 4x 2 x1. m xj 0 cu j = 1. x2 0 32 84 Definiţii Forma standard a unei probleme de programare lineară este [Opt]f(x1. Deoarece rangul maxim al sistemului format din ecuaţiile asociate restricţiilor problemei este r. de necunoscute).x2) = a1x1 + a2x2 Cu a i1 x 1 + a i2 x 2 = c i . 99 . ● O soluţie posibilă a unei PPL este soluţie de bază dacă este formată din soluţiile corespunzatoare variabilelor de bază. forma standard a unei probleme de programare lineară se obţine din forma iniţială transformand inecuaţiile din sistemul de restricţii în ecuaţii prin adaugarea (adunarea sau scaderea) unor variabile de compensare. şi r n ( n= nr. n Cu alte cuvinte. valorile lor trebuie să fie pozitive.

x2)= 5x1+8x2 x 1 + 2x 2 3x1 + 4x 2 x1. x4 x3 32 x4 84 0 100 . cel putin o soluţie optimă (optim finit) sau nici o soluţie. ● O soluţie posibilă care realizează optimul funcţiei obiectiv se numeşte soluţie optimă. PROBLEME REZOLVATE 1. x2 0 32 84 Forma standard se obţine adunând fiecarei inecuaţii câte o variabila de compensare x3 respectiv x4 pentru transformarea celor două inecuaţii în ecuaţii Problema devine: [Max] P(x1. x2 . Observaţie ● O soluţie a unei PPL este soluţie de bază dacă şi numai dacă este varf al poligonului rezultat din intersectia semiplanelor care reprezintă soluţiile restricţiilor problemei.x2)= 5x1+8x2 x 1 + 2x 2 3x1 + 4x 2 x1.● O soluţie de bază se poate obţine dintr-o soluţie posibilă în care variabilelor nonbazice le dam valoarea 0. ● O problema de programare lineară poate să aibă o infinitate de soluţii (optim infinit). Să se aducă la forma standard următoarea problemă de programare lineară [Max] P(x1. x3.

x2) este o funcţie obiectiv care modelează legătura între cele două variabile în funcţie de enunţul problemei.x2) = a1x1 + a2x2 Cu a i1 x 1 + a i2 x 2 = c i . ● O soluţie posibilă a unei PPL este soluţie de bază dacă este formată din soluţiile corespunzatoare variabilelor de bază. ● O soluţie de bază se poate obţine dintr-o soluţie posibilă în care variabilelor non-bazice le dam valoarea 0. Forma standard a unei probleme de programare lineară este [Opt]f(x1.L) bidimensionala este: [Opt]f(x1. m xj 0 cu j = 1. 101 .x2) = a1x1 + a2x2 cu şi xi 0 ai1x1 + ai2x2 ci sau ai1x1 + ai2x2 ci ( deoarece studiem variabile economice. i 1. n ● Se numeşte soluţie posibilă sau soluţie realizabilă sau soluţie admisibilă a unei PPL orice 0 pereche ( x10 . x 2 ) care satisface restricţiile problemei şi condiţiile de nenegativitate. 0 sunt condiţiile de nenegativitate care se impun variabilelor de decizie. ● f(x1. ● ai1x1 + ai2x2 ● xi ci reprezintă sistemul de restricţii sau constrângerile problemei sau condiţiile impuse variabilelor de decizie.REZUMAT Modelul matematic al unei probleme de programare lineară (P. obiectivul fiind găsirea acelor valori particulare ale variabilelor de decizie care optimizează valoarea ei. ● O soluţie posibilă care realizează optimul funcţiei obiectiv se numeşte soluţie optimă.P. acestea vor avea întotdeauna valori pozitive) unde: ● x1 şi x2 se numesc variabile de decizie.

reprezentând într-un sistem de axe ortogonale dreptele date de ecuaţiile asociate restricţiilor problemei şi anume: 2x1 + x2 = 8 şi x1 + 2x2 = 10. Algoritm Se determină grafic mulţimea soluţiilor posibile.2. Dacă mulţimea soluţiilor posibile este nevidă. x2 Pasul 1 Se determină grafic mulţimea soluţiilor posibile.4. 102 . se determină vârfurile poligonului rezultat. METODA GRAFICĂ DE REZOLVARE A PROBLEMELOR DE PROGRAMARE LINEARĂ BIDIMENSIONALĂ Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. Se calculează valorile funcţiei obiectiv în fiecare din vârfurile determinate anterior şi se alege valoarea optimă în funcţie de tipul problemei (valoarea maximă pentru probleme de maxim sau valoarea minimă pentru probleme de minim) Pasul 1 Pasul 2 Pasul 3 Exemplul [Max] F = 6x1 + 2x2 x1 2 x1 2 x2 x2 0 8 10 si x1. studenţii trebuie: O1: Să determine grafic mulţimea soluţiilor posibile ale unei probleme de programare lineară O2: Să calculeaze valorile funcţiei obiectiv în fiecare din vârfurile determinate anterior O3: Să aleagă valoarea optimă în funcţie de tipul problemei (valoarea maximă pentru probleme de maxim sau valoarea minimă pentru probleme de minim) Constă în reprezentarea în acelaşi sistem de coordonate a dreptelor asociate restricţiilor problemei adusă la forma standard.

se determină vârfurile poligonului.4))(intersecţia celor două drepte si intersecţia dreptelor cu axele de coordonate) Calculăm valorile funcţiei obiectiv în fiecare din vârfurile poligonului rezultat: F(0.0)= 24 care este soluţia problemei. x2 5x2 3x 2 50 27 0 103 .8/3) şi C(0.0) = 0.0). 8/3) = 64/3 şi F(0. F(4.Sau x1 = 8 -1/2x2 pentru prima ecuaţie şi x1 = 10 -2x2 pentru a două ecuaţie. F(8/3. Soluţia problemei este aria haşurată din imaginea de mai jos Pasul 2 Deoarece mulţimea soluţiilor este nevida. respectiv valoarea F(4.0). şi anume punctele O(0.0) = 24. adică valoarea maximă a funcţiei obiectiv este 24 şi se atinge pentru x1 = 4 şi x2 = 0. B(8/3. A(4. Pasul 3 PROBLEME REZOLVATE 1.4) = 8 Si alegem valoarea cea mai mare. [Min]F = 16x1 + 45x2 2 x1 x1 x1.

Pasul 1

Se determină grafic mulţimea soluţiilor posibile, reprezentând într-un sistem de axe ortogonale dreptele date de ecuaţiile asociate restricţiilor problemei şi anume 2x1 +5 x2 = 50 şi x1 + 3x2 = 27. Sau x2 = 10 -2/5x1 pentru prima ecuaţie şi x2 = 9 -1/3x1 pentru a două ecuaţie. Soluţia problemei este aria haşurată din imaginea de mai jos

Pasul 2

Deoarece mulţimea soluţiilor este nevida, se determină vârfurile poligonului, şi anume punctele A(0,10), B(15,4) si, C(27,0). Calculăm valorile funcţiei obiectiv în fiecare din vârfurile poligonului rezultat: F(0,10) = 450, F(15,4) = 420 şi F(27,0) = 432, şi alegem valoarea cea mai mică , respectiv valoarea F(15,4)= 420 care este soluţia problemei, adică valoarea maximă a funcţiei obiectiv este 420 şi se atinge pentru x1 = 15 şi x2 = 4.

Pasul 3

104

REZUMAT Pentru rezolvarea grafică a problemelor de programare lineară,se reprezintă în acelaşi sistem de coordonate dreptele asociate restricţiilor problemei adusă la forma standard. Dacă mulţimea soluţiilor posibile este nevida, se determină vârfurile poligonului rezultat şi apoi se calculează valorile funcţiei obiectiv în fiecare din vârfurile determinate anterior şi se alege valoarea optimă în funcţie de tipul problemei (valoarea maximă pentru probleme de maxim sau valoarea minimă pentru probleme de minim)

4.3. ALGORITMUL SIMPLEX BIDIMENSIONAL

Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare, studenţii trebuie: O1: să cunoască algoritmul simplex bidimensional O2: să rezolve probleme de programare lineară folosind algoritmul simplex bidimensional

Pentru a simplifica intelegerea algoritmului simplex, vom considera 3 cazuri particulare ale problemelor de programare lineară, şi anume: Maximizarea funcţiei obiectiv în condiţiile în care toate restricţiile au semnul mai mic sau egal Cazul 2 Minimizarea funcţiei obiectiv când toate restricţiile au semnul mai mare sau egal (Problema duală). Cazul 3 Determinarea optimului funcţiei obiectiv când restricţiile au semne diferite.

Cazul 1

105

4.3.1. MAXIMIZAREA UNEI FUNCŢII OBIECTIV PENTRU CARE TOATE RESTRICŢIILE AU SEMNUL “ ”

Algoritm

Pasul 1

Aducerea problemei la forma standard Întocmirea tabloului Simplex ș i selectarea variabilelor de bază şi non-bazice (numărul acestora nu se va schimba până la finalizarea algorimului simplex. - în tabloul simplex, variabilele de bază vor fi acele variabile a căror coloana conţine un element egal cu 1 şi restul elementelor egale cu 0. Potrivit acestei reguli, variabila F va fi întotdeauna o variabilă de bază. -varaibilele non-bazice sunt variabilele care rămân după selectarea variabilelor de bază.

Pasul 2

Pasul 3

Alegerea pivotului - pe ultima linie a tabelului simplex ( care conţine coeficienţii funcţiei F) se alege elementul cu valoarea cea mai mică , iar coloana care conţine acest element va fi coloana pivotului. - se împart elementele aflate în coloana termenilor liberi la elementele aflate în coloana pivotului; cea mai mică valoare pozitivă obţinută va indica linia pivotului. (dacă există mai multe valori minime pozitive egale, se alege aleator una dintre ele) Pivotul, care întotdeauna este o valoare pozitiva, se va afla la intersectia liniei pivotului cu coloana pivotului. - dacă nu există valori pozitive rezutate la impartirea coloanei termenilor liberi la coloana pivotului, problema nu are soluţie şi algoritmul se incheie. Pentru usurarea calculelor, în situatia în care valoarea pivotului nu este 1 se imparte linia pivotului la valoarea pivotului, obtinand astfel valoarea pivotului egala cu 1. Transformarea varaibilei asociata coloanei pivotului în variabila de bază. Efectuând operaţii între linia pivotului şi celelalte linii ale tabelului, se obţin elemente 0 pe coloana pivotului (mai putin valoarea pivotului). în acest fel, variabila asociata

Pasul 4

106

Pe ultima linie se afla ecuatia funcţiei F. se reia algoritmul de la Pasul 2 pana la obţinerea tuturor valorilor de pe ultima linie pozitive.5x1 . s 2 0 (S3) Definiţii ● Funcţia obiectiv se considera a fi o variabila principala 107 .dacă dupa operatiile de la Pasul 3 pe ultima linie a tabelului există valori negative. iar elementul de pe ultima coloana asociat acesteia reprezintă valoarea maximă a funcţiei. x2 Pasul 1 2 x2 4 x2 0 32 84 (S2) Se aduce problema la forma standard prin adaugarea unor variabile de compensare s 1 şi s2 (numărul variabilelor de compensare introduse este egal cu numărul inecuaţiilor din sistemul de restricţii) x 1 + 2x 2 + s1 = 32 3x1 + 4x 2 + s 2 = 84 F .x2)= 5x1 + 8x2 x1 3x1 x1.8x 2 = 0 x 1 . Citirea soluţiilor problemei. s1 . În tabelul final.dacă dupa operatiile de la Pasul 3 pe ultima linie a tabelului (corespunzatoare funcţiei F). pe prima coloana sunt listate variabilele care optimizează problema şi pe ultima coloana valorile acestor variabile. toate elementele sunt pozitive. Determinarea soluţiei optime .coloanei pivotului devine o variabila de bază. x 2 . Pasul 5 Pasul 6 Exemplu [Max]F(x1. . algoritmul se incheie şi se citesc în tabel soluţiile problemei.

32. valoarea acestora pentru a obţine o soluţie de bază se citeste pe ultima coloana iar celorlalte variabile li se atribuie valoarea 0. (soluţia de bază se identifica alegand din coloanele tabelului acele variabile care contin un element egal cu 1 şi restul elementelor 0). Atunci când se selecteaza varaibilele de bază. In cazul nostru. ● O soluţie de bază fezabila a sistemului S3 poate conţine o valoare negativa dar numai dacă este valoarea funcţiei obiectiv P.bază s1 s2 P 1 3 -50 x1 2 4 -80 x2 1 0 0 s1 0 1 0 s2 0 0 1 P 32 84 0 Valoare Formand tabloul simplex în care se trec pe prima coloana variabilele bazice va fi posibil să gasim soluţii de bază realizabile în tablou. De exemplu dacă variabilelor x 1 şi x2 li se atribuie valoarea 0. 108 . ● dacă o soluţie de bază a sistemului S3 este o soluţie fezabila a sistemului S2 (cu exceptia variabilei F). ● în prima coloana se vor trece variabilele de compensare care formeaza o soluţie de bază a problemei. respectiv 32. s2 şi P există un singur element egal cu 1 restul elementelor fiind 0.84) şi valoarea funcţiei obiectiv pentru aceasta soluţie este 0. Pasul 2 ● Se intocmeste tabelul simplex initial care conţine pe prima linie varaibilele problemei (inclusiv variabila F) şi valoarea termenilor liberi.● O soluţie de bază a sistemului S3 este soluţie de bază şi a sistemului S2 (fara a se tine cont de variabila F). şi în interior coeficienţii tuturor variabilelor şi termenii liberi.0. pe linia lui s2 vom avea valoarea 84 şi valoarea funcţiei obiectiv va fi 0 (se citesc elementele de pe ultima pozitie). (este similar cu matricea extinSă a sist emului de ecuaţii asociat). ● Întotdeauna. şi vom alege aceste variabile că fiind variabile bazice. Deci o soluţie de bază este (0. Analog. pe linia lui s1 vom avea valoare acestuia. pe ultimul rand se vor afla coeficienţii funcţiei obiectiv F. observam că pe coloana varaibilelor s1. atunci soluţia de bază a sistemului S3 se numeşte soluţie de bază fezabila a sistemului S3. Sol.

x1 s1 s2 P 1/2 3 -50 x2 1 4 -80 s1 1/2 0 0 s2 0 1 0 P 0 0 1 Valoare 16 84 0 Pasul 4 Transformarea variabilei corespunzatoare coloanei pivotului în variabila de bază Se doreşte obţinerea de elemente egale cu 0 pe coloana pivotului (mai putin pentru pivot).bază x2 s2 P 1/2 1 -10 x1 1 0 0 x2 1/2 -2 40 s1 0 1 0 s2 0 0 1 P 16 20 1280 Valoare În prima coloana am trecut noile variabile bazice. s2 şi P. Se efectueaza impartirea coloanei “Valoare” la coloana pivotului (mai putin pentru elementele de pe ultima linie) şi se identifica cea mai mică valoare pozitiva: în cazul nostru 16. respectiv linia 1. şi este elementul cu valoarea 2. Pivotul se va afla deci la intersectia liniei 1 cu coloana corespunzatoare lui x2. x2.bază s1 s2 P 1 3 -50 4 -80 x1 2 x2 1 0 0 s1 0 1 0 s2 0 0 1 P 32 84 0 Valoare 32:2=16 84:4=21 Pentru usurarea calculelor care urmează. Observam că cea mai mică valoare de pe ultima linie este -80 ceea ce determină coloana pivotului că fiind coloana lui x2. se imparte linia pivotului (linia 1) la valoarea pivotului obtinand pentru acesta valoarea 1. Sol. determinăndu-se astfel coloana pivotului. Linia corespunzatoare acestei valori va fi linia pivotului. 109 .Pasul 3 Alegerea pivotului Se alege de pe ultima linie valoarea cea mai mică . In acest scop vom efectua urmatoarele operatii: l2 -4l1 şi l3 +80l2 şi vom avea: Sol.

16. Sol. Pasul 5 Citirea soluţiei Observam că în ultimul tabel. algoritmul este finalizat. x1 = 20. celelalte variabile non-bazice avand valoarea 0) Deoarece pe ultima linie există elemente negative.dacă dorim să interpretam rezultatele de la acest pas vom avea: Soluţia de bază (0. respectiv coloana lui x1. care este 20.bază x2 s2 P 1/2 1 -10 x1 1 0 0 x2 1/2 -2 40 s1 0 1 0 s2 0 0 1 P 16 20 1280 Valoare 16:1/2=32 20:1 = 20 Linia pivotului va fi linia a două. Soluţia optimă va fi x2 = 6. Se împart elementele de pe ultima coloana la coloana lui x 1 şi se identifica cea mai mică valoare pozitiva. s2 = 0 Ș i [Max]F =1. s1 = 0. Se alege coloana pivotului că fiind coloana care conţine cea mai mică valoare de pe ultima linie. (valorile soluţiilor de bază se ciesc pe ultima coloana că şi valoarea funcţiei obiectiv. rezultand tabelul: Sol. 0. se reia algoritmul de la Pasul 3. Se fac operatii între liniile tabelului şi linia pivotului pentru a obţine pe coloana pivotului elemente egale cu 0 (mai putin pivotul) Operatiile efectuate vor fi: l1 – 1/2l2 şi l3 +10l2.480 110 . 20) petru care F = 1280. variabilele bazice sunt x2 şi x1 (aflate pe prima coloana).bază x2 x1 P 0 1 0 x1 1 0 0 x2 -1/2 -2 20 s1 -1/2 1 10 s2 0 0 1 P 6 20 1480 Valoare Deoarece toate elementele de pe ultima linie sunt pozitive. iar valoarea pivotului este 1.

şi pe ultima linie coeficienţii funcţiei obiectiv. cu ajutorul coeficientilor aflati pe liniile şi coloanele matricei AT. şi al carei algoritm de rezolvare a fost prezentat în capitolul precedent. notata cu A. Pasul 2 Pasul 3 Se determină matricea transpuSă AT Se formeaza o noua problema. Rezolvarea problemelor de minim O problema de minim adimite soluţie dacă şi numai dacă duală problemei admite soluţie. Teorema 4. în acest caz. în care se trec coeficienţii şi constantele din restricţii. în care toate restricţiile au semnul “ ” i se poate asocia o problema de maxim în care restricţiile au semnul opus. 111 Teorema . atunci ea are loc pentru una sau mai multe soluii de bază admisibile ale sistemului initial. MINIMIZAREA UNEI FUNCŢII OBIECTIV PENTRU CARE TOATE RESTRICŢIILE AU SEMNUL “ ” (PROBLEMA DUALĂ) Definirea problemei duale Fiecarei probleme de minim.Teorema dacă valoarea optimă a funcţiei obiectiv există. Algoritm Fiind dată o problema de minim cu restricţii de forma “ ”. respectiv “ ”.3. dacă pentru o problema de programare lineară există o valoare optimă a funcţiei obiectiv atunci aceasta valoare verifica una sau mai multe soluţii de bază fezabile ale sistemului initial.2. de maxim cu restricţii avand semnul “ ”. soluţiile celor două probleme coincid. pentru a determină duală acesteia se urmează pasii: Pasul 1 Se formeaza o matrice a problemei.

Algoritm Pasul 1 Pasul 2 Pasul 3 Se scriu toate restricţiile problemei că inecuaţii cu semnul “ ” Se formeaza problema duală Se scrie sistemul de ecuaţii atasat poblemei duale. folosind că şi variabile reziduale variabilele din problema de minim. Pasul 4 Pasul 5 Se rezolva problema duală folosind algoritmul simplex In situatia în care problema are soluţie. aceasta se gaseste pe ultimul rand al algoritmului simplex. Exemplu [Min]F = 16x1 + 45x2 2 x1 x1 5x2 3x 2 50 27 x1. x2 0 Formarea problemei duale 2 A= 5 3 50 27 1 ș i transpusă ei 1 16 45 2 A = T 1 3 16 45 1 5 50 27 din care rezultă sistemul de ecuaţii asociat problemei duale: 2 x1 5 x1 50 x1 x2 3x2 27 x 2 16 45 F iar Problema duală asociata va fi: 112 .

Sol. Atunci când se selecteaza varaibilele de bază. şi vom alege aceste variabile că fiind variabile bazice. x2 şi F există un singur element egal cu 1 restul elementelor fiind 0. y2 0 Aplicarea algoritmului Simplex Pasul 1 Se aduce problema la forma standard prin adaugarea unor variabile de compensare x1 şi x2 (numărul variabilelor de compensare introduse este egal cu numărul inecuaţiilor din sistemul de restricţii). 2 y1 5 y1 50 y1 y2 3 y2 x1 x2 F 16 45 0 27 y 2 Pasul 2 ● Se intocmeș te tabelul simplex initial care conţine pe prima linie varaibilele problemei (inclusiv variabila F) şi valoarea termenilor liberi şi în interior coeficienţii tuturor variabilelor şi termenii liberi şi pe ultimul rand se trec coeficienţii funcţiei obiectiv F.[Max] F = 50x1 + 27x2 2 y1 5 y1 y2 3 y2 16 45 cu y1. valoarea acestora pentru a obţine o soluţie de bază se citeste pe ultima coloana iar celorlalte variabile li se atribuie valoarea 0. (soluţia de bază se identifica alegand din coloanele tabelului acele variabile care contin un element egal cu 1 şi restul elementelor 0). În cazul nostru. ● în prima coloana trecem variabilele de compensare care formeaza o soluţie de bază a problemei. observam că pe coloana varaibilelor x1. în vederea citirii soluţiei finale. Observaţie Este importantă notarea variabilelor reziduale la fel că necunoscutele problemei iniţiale.bază x1 x2 F 2 5 -50 y1 1 3 -27 y2 1 0 0 x1 0 1 0 x2 0 0 1 F 16 45 0 Valoare 113 .

se imparte linia pivotului (linia 1) la valoarea pivotului obtinand pentru acesta valoarea 1. Pivotul se va afla deci la intersectia liniei 1 cu coloana corespunzatoare lui x2. şi este elementul cu valoarea 2.Pasul 3 Alegerea pivotului Se alege de pe ultima linie valoarea cea mai mică . Se efectueaza impartirea coloanei “Valoare” la coloana pivotului (mai putin pentru elementele de pe ultima linie) şi se identifica cea mai mică valoare pozitiva: în cazul nostru 8. Linia corespunzatoare acestei valori va fi linia pivotului.bază x1 x2 F 2 5 -50 y1 1 3 -27 y2 1 0 0 x1 0 1 0 x2 0 0 1 F 16 45 0 Valoare 16:2=8 45:5=9 Pentru uș urarea calculelor care urmează. În acest scop vom efectua urmatoarele operatii: l2 -5l1 şi l3 +50l1 şi vom avea: Sol. respectiv pe coloana lui x1. Sol. Sol. determinăndu-se astfel coloana pivotului.bază x1 x2 F 1 5 -50 y1 1/2 3 -27 y2 1/2 0 0 x1 0 1 0 x2 0 0 1 F 8 45 0 Valoare Pasul 4 Transformarea variabilei corespunzatoare coloanei pivotului în variabila de bază Se doreşte obţinerea de elemente egale cu 0 pe coloana pivotului (mai putin pentru pivot). respectiv linia 1.bază y1 x2 F 1 0 0 y1 1/2 1/2 -2 y2 1/2 -5/2 25 x1 0 1 0 x2 0 0 1 F 8 5 400 Valoare 114 . Observam că cea mai mică valoare de pe ultima linie este -50 ceea ce determină coloana pivotului că fiind coloana lui y1.

Operatiile efectuate vor fi: l1 – 1/2l2 şi l3 +2l2. iar valoarea pivotului este 1/2. respectiv coloana lui y2. 0. se reia algoritmul de la Pasul 3.În prima coloana am trecut noile variabile bazice: y1. care este 20. 5) pentru care F = 400. Se alege coloana pivotului că fiind coloana care conţine cea mai mică valoare de pe ultima linie. dacă dorim să interpretam rezultatele de la acest pas vom avea: Soluţia de bază (8. Se imparte linia pivotului la ½ pentru a obţine valoarea 1 pentru pivot: Sol.bază y1 y1 y2 F 1 0 0 y2 1/2 1 -2 x1 1/2 -5 25 x2 0 2 0 F 0 0 1 Valoare 8 10 400 Se fac operaţii între liniile tabelului şi linia pivotului pentru a obţine pe coloana pivotului elemente egale cu 0 (mai putin pivotul). rezultand tabelul: Sol. celelalte variabile non-bazice avand valoarea 0) Deoarece pe ultima linie există elemente negative. 0. Se împart elementele de pe ultima coloana la coloana lui y2 şi se identifică cea mai mică valoare pozitiva.bază y1 y2 F 1 y1 0 1 0 y2 3 -5 15 x1 -1 2 4 x2 0 0 1 F 3 10 420 Valoare 0 0 115 . (valorile soluţiilor de bază se ciesc pe ultima coloana că şi valoarea funcţiei obiectiv.bază y1 x2 F 1 0 0 y1 1/2 1/2 -2 y2 1/2 -5/2 25 x1 0 1 0 x2 0 0 1 F 8 5 400 Valoare 8:1/2=16 5:1/2 = 10 Linia pivotului va fi linia a două. Sol. x2 şi F.

x2 = 0 şi [Max]F = 420 Soluţia optimă a problemei de minim se citeste tot pe ultimul rand al tabelulu i simplex final şi anume: [Min] F= 420 şi se obţine pentru x1 = 15 şi x2 = 4 Pasul 5 Observaţie Notarea variabilelor reziduale ale problemei de maxim la fel cu necunoscutele problemei de maxim a fost facuta pentru usurarea citirii soluţiei finale a problemei de minim din tabelul simplex al problemei de maxim. Soluţia optimă a problemei de maxim va fi y1 = 3. y2 = 10. 10 4 În vederea formării ecuaţiilor asociate problemei trebuie: . algoritmul este finalizat. Citirea soluţiei Observăm că în ultimul tabel. variabilele bazice sunt y1 şi y2 (aflate pe prima coloana). x1 = 0. Rezolvarea problemelor de maxim sau de minim în care restricţiile au semne diferite Exemplu Să se rezolve problema de programare lineară: [Max] F = x1 + 2x2 x1 + x2 x1 – x2 x1.Deoarece toate elementele de pe ultima linie sunt pozitive.x2 0.să adunăm o variabilă reziduală primei inecuaţii 116 .

problema devine: [Max]F = x1 + 2x2 – Ma x1 + x2 + s = 10 x1 – x2 – t + a = 4 x1. considerand M că o valoare foarte mare. se introduce în toate ecuaţiile în care apar variabile “surplus” (adica în toate ecuaţiile asociate inegalitatilor cu semnul ) o variabila artificiala a.x1 .să scădem o variibilă reziduală din a două inecuaţie: x1 – x2 – t = 4 Sistemul de ecuaţii asociat este: x 1 + x 2 + s = 10 x1 .0.-4) dar aceasta soluţie nu este fezabila deoarece t trebuie să fie pozitiv.x 2 . Variabilei artificiale i se impune aceeasi conditie de ne-negativitate.t = 4 . în ecuatia asociata acesteia se scade valoarea Ma. Astfel. x 2 .2 x 2 + F = 0 x 1 .x2.a 0. De exemplu pentru x1 = x2 = 0 obţinem s = 10 şi t = -4. Deoarece variabila artificiala ar putea influenta valoarea optimă a funcţiei obiectiv.t.x1 + x2 + s = 10 . Sistemul de ecuaţii asociat devine: 117 .10. s. t Teorema 0 O soluţie de bază a sistemului asociat unei probleme de programare lineară nu este fezabila dacă oricare din varaibile (cu exceptia lui P) nu respecta conditia de nenegativitate. deci o soluţie de bază este (0.s. pentru a ne asigura de fezabiliatea soluţiilor de bază. În vederea aplicarii algoritmul simplex este necesar că soluţiile de bază să fie fezabile. Pentru a inlatura problema generata de nerespectarea condiţiilor de ne -negativitate.

Ne-fezabilitatea soluţiei se datoreaza existentei coeficientului M în problema. trebuie să verificam 2 condiţii 1) existenţa unor variabile bazice în tabelul simplex initial. deci soluţia nu este fezabila.t a = 4 . obtinand: x1 1 x2 1 s 1 t 0 a 0 F 0 Ct. 2) Fezabilitatea soluţiei de bază gasite prin atribuirea de valori 0 variabilelor non-bazice existente. Deoarece ambele condiţii sunt indeplinite. 118 . care se citesc pe coloanele tabelului că avand un element egal cu 1 şi restul elementelor 0. pe care il vom denumi Tabel simplex preliminar: x1 1 x2 1 s 1 t 0 a 0 F 0 Ct. a = 4 şi F = -4M. care face că variabila a să nu poata fi considerata variabila bazica.x 1 + x 2 + s = 10 x1 .2 x 2 + Ma F = 0 x 1 . x2 = 0 şi a = 0 ceea ce implica s = 10 şi t = -4 care nu respecta conditia de ne-negativitate. Inconvenientul ar fi inlaturat dacă pe coloana lui a în locul valorii M am obţine valoarea 1. x 2 .x 2 . a şi F şi o soluţie de bază fezabila se obţine pentru x1=0. a 0 În vederea formării tabloului simplex initial. 10 0___4_ 1 _ _ _ -1 _ _ _ -1-M -2+M 0 0 _ _ _ _-1 _ _ _1_ _ _ M 0 1 -4M Variabilele bazice vor fi acum s. Acest lucru este posibil efectuand operatii între liniile tabelului. x2 = 0 şi t = 0 care implica s = 10. 10 0___4_ 1 _ _ _ -1 _ _ _ -1 -2 0 0 _ _ _ _-1 _ _ _1_ _ _ 0 M 1 0 Avem 3 variabile bazice şi observam că acestea sunt s . vom aplica algoritmul simplex. Vom intocmi un tabel simplex pentru verificarea celor două condiţii.x 1 .t şi F deci prima conditie este indeplinită. Atribuind valoarea 0 variabilelor non-bazice vom avea: x1=0. t. s. şi anume din elementele liniei 3 vom scadea elementele liniei 2 inmultite cu M (l3-Ml2).

Împărţind elementele ultimei coloane la coloana pivotului şi alegând cea mai mică valoare pozitivă. 10 0___7_ 1___ 0___ -3 0 0 1/2 _ _-1/2 _ _ 1/2 _ _ 2 M-2 1 -8 Prin operatii între liniile tabelului obţinem pe coloana pivotului elemente egale cu 0. şi impartind ultima coloana la elementele coloanei pivotului determinăm linia 2 că fiind linia pivotului.bază x2 F x1 0 x2 1 s 1/2 t 1/2 a -1/2 F 0 Ct. Pe coloana pivotului obţinem elemente egale cu 0 (mai putin valoarea pivotului) efectuand operatiile:l2 + l1 şi l3 +(M+2)l1 Var. deci coloana pivotului va fi coloana lui x2. algoritmul este incheiat şi soluţia optimă este: [Max] F = 13 care se obţine pentru x2 =3 şi x1 = 7 când s = t = a = 0. Pentru a obţine valoarea 1 pentru pivot. vom determina linia pivotului care este prima linie. Pivotul se va la intersectia liniei cu coloana pivotului şi este elementul 2 de pe prima coloana. şi anume -2 –M. se repeta algoritmul.Pentru determinarea coloanei pivotului alegem de pe ultima linie cea mai mare valoare negativa. Var. respectiv la 2. 119 . 10 a _ _ _ _ _ _ _ _2 _ _ _ 0 _ _ _ 1 _ _ _ _-1 _ _ _1_ _ _ 0 _ _ _ 14 _ -3 0 0 2 M-2 1 -8 Deoarece ultima linie conţine un element negativ.bază x2 F x1 1 x2 1 s 1 t 0 a 0 F 0 Ct. se împart elementele liniei 2 la valoarea pivotului. 3 0___7_ x1 _ _ _ _ _ _ _ _ 1 _ _ _ 0 _ _ _ 0 0 3/2 1/2 _ _-1/2 _ _ 1/2 _ _ 3/2 M-1/2 1 13 Deoarece ultima linie nu mai conţine elemente negative. alegand coloana lui x1 că fiind colona pivotuui. Vom obţine: x1 1 x2 1 s 1 t 0 a 0 F 0 Ct.

Să se determine duala problemei de minim: [Min]F = 2x1 + 3x2 Cu x1+ x2 2x1 +x2 x1. respectiv problema de maxim: [Max] F = 3y1+4y2 Cu y1+2y2 y1+y2 2 3 2. Să se rezolve: [Max] F = 3x1 + 5x2 2 x1 x1 x2 2 x2 x1 . x 2 0 4 10 Forma standard a problemei va fi: 2 x1 x1 3x1 2 x2 5 x2 x2 s2 s1 a1 Ma1 4 10 F 0 120 .PROBLEME REZOLVATE 1. 3 4 Se scrie matricea A formată din coeficienţii şi constantele restricţiilor şi ale funcţiei obiectiv (coeficienţii funcţiei obiectiv se trec obligatoriu pe ultima linie) 1 1 3 A= 2 1 4 2 3 1 Pasul 2 Se transpune matricea A AT= 1 1 3 3 4 1 1 2 2 Pasul 3 Se formeaza duală problemei. x2 Pasul 1 0.

x1 x2 a1 F 2 -3 x2 s1 1 0 1 -2 s2 0 a1 F Val 0 0 4 0 2 1 -2M+20 -1 1 3M+7 0 2M+5 M 0 Algoritmul se incheie deoarece pe ultima linie există numai valori pozitive.Cu tabelul simplex preliminar: x1 2 1 -3 x2 s1 s2 1 2 -5 a1 F Val 0 0 4 0 10 0 1 0 0 0 -1 1 0 M 1 Efectuăm operaţia l3 – Ml2 pentru a elimina M de pe coloana lui a1 şi a obţine o soluţie de bază. deoarece a1 0 . Var. şi soluţia optimă a problemei modificate este: X1 = 0. a1 = 2 şi [Max]F = -2M+20. problema iniţială nu are soluţie. 121 .baz. x2 = 4. Dar. s1 = 0. x1 s1 a1 F 2 1 x2 1 2 s1 s2 1 0 0 a1 F Val 0 0 4 0 10 1 -10M -1 1 M 0 -M-3 -2M-5 0 Coloana pivotului va fi coloana lui x2 şi linia pivotului va fi linia 1 şi prin operatiile l2 -2l1 şi l3+(2M+5)l1 vom obţine: Var.baz. s2 = 0.

în funcţie de tipul problemei. 122 . Pentru problemele de programare lineară multidimensionale rezolvarea se face cu ajutorul algoritmului simplex care este identic cu cel aplicat la problemele bidimensionale anterioare.REZUMAT Maximizarea unei funcţii obiectiv pentru care toate restricţiile au semnul “ ” Algoritm Pasul 1 Pasul 2 Aducerea problemei la forma standard Întocmirea tabloului Simplex si selectarea variabilelor de bază şi non-bazice (numărul acestora nu se va schimba până la finalizarea algorimului simplex) Pasul 3 Pasul 4 Pasul 5 Pasul 6 Alegerea pivotului Transformarea varaibilei asociata coloanei pivotului în variabila de bază. REZOLVAREA PROBLEMELOR DE PROGRAMARE LINEARĂ MULTIDIMENSIONALĂ Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare.4. 4. studenţii trebuie: O1: să formuleze probleme de programare lineară multidimensională O2: să utilizeze algoritmul simplex pentru rezolvarea problemelor de programare lineară multidimensională Metoda grafică de rezolvare a problemelor de programare lineară este usor de aplicat numai în cazul PPL bidimensionale sau tridimensionale. Determinarea soluţiei optime Citirea soluţiilor problemei.

se cunosc cantităţile limită de materii prime care intra în procesul de producţie. Problema planului de producţie optim Fie secţiile (sau procesele de producţie) S1. cu 1 i m. x2 . S2.L.…. adică soluţia problemei: n x1 . M2.1 j n. Sn care consumă materiile prime M1. 123 . 1 i j n m. care maximizează profitul [Max] F j 1 c j x j cu restricţiile: n aij x j j 1 bi . 1 i n m. timpul necesar producţiei în fiecare secţie (sau timpul aferent fiecărui proces) notat xj şi profitul aferent fiecarui proces/produs cj.….. De asemenea.. 1 Sau pentru probleme de minim: n [Min] F = j 1 cjxj n Cu aij x j j 1 bi . perechea companiei. multidimensionale n [Max] F = j 1 cjxj n aij x j j 1 bi .Forma generala standard a P.1 i xj 0 m . xn . repsectiv aij din Mi pentru sectia/procesul Sj. Mm...bi 0 xj 0.bi 0 xj 0.P. 1 i EXEMPLE DE PPL TIP MULTIDIMENSIONALE: 1. Vom numi plan optim de producţie. în cantităţile cunoscute pe unitatea de timp. respectiv bi cu bi 0 .

S m a alimentelor A j . 1 j n.. S 2 . bm de resurse R1 .. unde c j reprezintă costul unitar al alimentului A j . care alcatuiesc dieta x1 .. unde aij - cantităţile minime bi din fiecare substanţa Si . j 1. Combinatia optimă este soluţia problemei: n P1 .... x 2 .2) Problema dietei (sau a aliajului) Constă în determinarea cantităţilor x j din alimentele A j . Pn care maximizează [Max] F = j 1 c jx j n cu a ij x j j 1 bi ...... b2 . R2 .. xn cu un cost total minim... Rm . aij 1 i m 1 j n .. F j 1 cjxj Dieta optimă va fi soluţia problemei: n [Min] F = j 1 c jx j n cu a ij x j j 1 bi .cantităţile de resurse aij ( din Ri ) necesare producerii produsului Pj .. 1 este cantitatea de substanţă Si conţinută în unitatea din alimentul A j n j n.. Elementele cunoscute sunt: componenta de substanţe nutritive S1 . dat de funcţia .profitul unitar cj al fiecarui produs.. cunoscând: ... 1 i 0. 1 i 0. n m xj 124 . n m xj 3) Problema utilizarii optime a resurselor Constă în determinarea cantităţilor x1 ... x n de produse profiturile companiei..cantităţile limită b1 . P2 .. 1 i m. j 1.

Să se rezolve: [Max] F = 5x1+2x2-x3 x1 2 x1 x2 4 x2 x3 3 x3 0 10 30 x1 . Var. x1 x2 x3 s s t F 1 0 0 1 2 3 -1 1 5 t F Val 0 0 10 -2 1 0 10 0 1 50 -6 5 Continuăm algoritmul simplex. x1 x2 x3 s s t F 1 2 1 4 t F Val -1 1 0 0 10 3 0 1 0 30 -5 -2 -1 0 0 1 0 Coloana pivotului este coloana lui x1 şi linia pivotului este linia 1. identificând pivotul la intersecţia coloanei lui x3 cu linia a doua şi împărţinm linia a doua la valoarea pivotului. x 2 .baz. 125 .baz. Operaţiile efectuate în vederea transformării lui x1 în variabila bazica sunt l2-2l1 şi l3+5l1.PROBLEME REZOLVATE 1. x3 Forma standard a problemei de maxim este: x1 2 x1 5 x1 x2 4 x2 2 x2 x3 3 x3 x3 s 10 t F 30 0 Alcătuim tabelul simplex: Var. respectiv 5 pentru a obţine valoarea pivotului 1.

baz.Var. x1 x2 x1 t F 1 0 0 1 x3 s -1 1 t 0 F Val 0 10 2/5 1 3 -2/5 1/5 0 2 0 1 50 -6 5 Operaţiile efectuate pentru obţinerea de valori 0 pe coloana pivotului sunt l1+l2 şi l3+6l2. Var. x3 . Să se rezolve: [Min] F = 5x1 +4x2 +3x3+8x4 x1 x 2 600 x3 x 4 800 x1 x3 400 x 2 x 4 900 x1 . x 4 0 Construim problema duală: 1 A= 1 0 0 1 4 0 1 1 0 3 0 1 0 1 7 600 800 400 900 1 şi A = T 1 1 0 0 600 0 0 1 1 0 1 0 1 0 5 4 3 0 1 0 5 1 0 1 7 800 400 900 1 Ș i [Max] F = -600 y1 . x 2 . x1 x2 X1 X3 F 1 0 0 7/5 2/5 X3 s 0 1 3/5 -2/5 t F Val -1/5 0 8 1/5 0 2 1 62 27/5 0 13/5 6/5 Soluţia optimă a problemei este [Max]F = 62 care se obţine pentru x1 = 8.baz. 2.800 y2 + 400 y3 + 900 y4 126 . x2 =0 şi x3 =2.

y1 X1 X2 X3 X4 F -1 -1 0 0 y2 0 0 -1 -1 y3 1 0 1 0 y4 0 1 0 1 x1 x2 x3 x4 F Val 1 0 0 0 0 1 0 0 0 0 0 1 0 0 0 0 0 1 0 0 5 0 4 0 3 0 7 1 0 600 800 -400 -900 0 Coloana pivotului este coloana lui y4 şi linia pivotului este linia a doua.baz. y3 . y2 0 0 -1 -1 y3 1 0 1 0 y4 x1 x2 0 1 0 0 1 0 0 0 0 0 1 0 -1 x3 x4 F Val 0 0 1 0 0 0 0 1 0 0 5 0 4 0 3 0 3 1 3600 -300 800 -400 0 900 0 Noua coloană a pivotului este coloana lui y3 şi linia pivotului este linia a treia. y1 X1 Y4 X3 X4 F -1 -1 0 1 şi l5+900l2 pentru a-l transforma pe y4 în variabilă bazică. y 4 5 4 3 7 0 Forma standard a problemei duale de maxim este: 600 y1 y1 y 3 x1 5 y1 y 4 x 2 4 y 2 y 3 x3 3 y 2 y 4 x4 7 800 y 2 400 y 3 900 y 4 F 0 Alcătuim tabelul simplex Var. 127 .y1 y3 y1 y 4 Cu y 2 y3 y2 y4 y1 .baz. Pentru transformarea lui y3 în variabilă bazică efectuăm operaţiile l1-l3 şi l5+400l3. y 2 . Efectuăm operaţiile l4-l2 Var.

baz. având pivotul la intersecţia dintre coloana lui y1 şi linia a patra. continuăm algoritmul. y4 = 7. y1 x1 y4 y3 x4 F -1 -1 0 1 y2 1 0 -1 -1 y3 Y4 x1 x2 0 0 1 0 0 1 0 0 0 1 0 0 0 0 0 1 0 -1 x3 1 0 1 0 x4 F Val 0 0 0 1 0 2 0 4 0 3 0 3 1 4800 -300 400 0 900 400 0 Deoarece ultima linie mai conţine o valoare negativă. x2 = 0.700 Soluţia problemei iniţiale (de minim) se citeşte pe coloanele tabelului simplex şi este: x1 = 0. Operaţiile care se efectuează sunt: l1+l4. y2 = 0. x1 = 5. 128 . y1 y2 x1 y4 y3 Y1 F 0 0 0 1 0 0 -1 -1 -1 y3 y4 X1 x2 0 0 1 0 0 1 0 0 0 1 0 0 0 0 -1 0 0 -1 x3 1 0 1 0 x4 1 1 0 1 F Val 0 5 0 7 0 3 0 3 100 0 600 400 300 1 5700 Algoritmul se incheie deoarece ultima linie conţine numai valori pozitive şi soluţia problemei duale (de maxim) este: y1 =3.Var. l2+l4 şi l5+300l4. x3 =0 şi x4 = 0 cu [Max]F =5. Var. y3 = 3.baz.

x 2 . a 2 0 Tabelul simplex iniţial este: x1 1 1 0 -1 x2 x3 s1 A1 s2 1 0 1 1 0 1 1 1 0 0 0 1 0 M 0 0 a2 0 0 F Val 0 20 0 5 0 10 -1 1 0 -3 0 M 1 0 Observăm că varaibilele bazice sunt s1 şi F şi mai avem nevoie de 2 variabile bazice. 129 . s 2 . a1 .700. 3. x 2 .x2 = 600. pe care le vom obţine prin eliminarea valorii M de pe coloana lui a1. prin operaţia l4 –Ml2 şi prin eliminarea valorii M de pe coloana lui a2 prin operaţia l4-Ml3. x3 . Să se rezolve: [Max] F = x1 – x2 +3x3 x1 x2 20 x1 x3 5 x 2 x3 10 x1 . x3 0 Forma standard a problemei va fi: [Max] F = x1 –x2 +3x3 –Ma1-Ma2 x1 x2 s1 20 x1 x3 a1 5 x 2 x3 s 2 a 2 10 x1 . x3 = 400 şi x4 = 300 cu [Min] F = 5. s1 .

pivotul fiind marcat în tabel: Var. a2 = 10 F = -15M. iar linia pivotului este linia a doua. deci soluţia de bază este fezabilă.bază x1 s1 a1 a2 F 1 1 0 x2 1 0 1 x3 0 1 1 s1 a1 s2 1 0 0 0 1 0 0 0 0 a2 F Val 0 0 0 20 0 5 0 10 1 -15M -1 1 M 0 -M-1 -M+1 -2M-3 0 Verificăm fezabilitatea soluţiei de bază obţinută prin atribuirea de valori 0 variabilelor nonbazice: x1 = 0.bază x1 s1 a1 a2 F 1 1 0 x2 1 0 1 x3 0 1 1 s1 a1 s2 1 0 0 0 1 0 0 0 0 a2 F Val 0 0 0 20 0 5 0 10 1 -15M -1 1 M 0 -M-1 -M+1 -2M-3 0 Se obţin valori 0 pe coloana pivotului prin operaţiile l3-l2 şi l4 +(2M+3)l2: Var.bază x1 s1 x3 a2 F 1 1 -1 M+2 x2 1 0 1 x3 s1 a1 0 1 0 1 0 0 0 0 1 -1 s2 0 0 a2 F Val 0 0 0 20 0 5 0 5 1 -5M+15 -1 1 -M+1 0 2M+3 M 0 130 . x3 = 0. Coloana pivotului este coloana lui x3. s1 =20. a1 = 5. x2 = 0.Var. Aplicăm algoritmul simplex.

bază s1 x3 x2 F x1 x2 x3 s1 2 1 -1 3 0 0 1 0 0 1 0 0 1 0 0 a1 1 1 s2 1 0 a2 F Val -1 0 0 0 1 0 15 5 5 10 -1 -1 0 M+4 1 M-1 1 Ultima linie conţine numai valori pozitive. Deoarece a1 = 0 şi a2 = 0. a2 = 0 şi [Max]F = 10. 131 . x3 = 5 cu [Max]F = 10. x2 = 5. soluţia problemei initiale este: x1 = 0. x3 = 5. a1 = 0. s1 = 15. x2 = 5. alegându -se că şi coloană a pivotului coloana lui x2 şi linie a pivotului linia 3. deci soluţia problemei modificate este: x1 = 0. Operaţiile efectuate pentru obţinerea unei soluţii de bază sunt l1 –l3 şi l4 +(M-1)l3. Var. s2 = 0.Deoarece ultima linie mai conţine valori negative se repetă algoritmul.

5. multidimensionale n [Max] F = j 1 cjxj n aij x j j 1 bi . 1 i n m. Pentru un atelier de tâmplărie care produce mese şi scaune se cunosc următoarele: Ore de muncă Departament Producţie Finisare şi ambalare Profit unitar Mese Scaune Numar maxim ore de muncă zilnice 6 2 200 lei 2 1 50 lei 400 120 Care este combinaţia optimă de produse care trebuie realizate pentru maximizarea profitului? 132 .bi 0 xj 0. 1 i 4.REZUMAT Forma generala standard a P. TEMA DE CONTROL A UNITĂŢII DE ÎNVĂŢARE NR. 1 i j n m.L. 4 PROBLEME PROPUSE 1.bi 0 xj 0.P. 1 Sau pentru probleme de minim: n [Min] F = j 1 cjxj n Cu aij x j j 1 bi .

Veniturile anuale estimate a fi obţinute sunt de 400. Care este numărul optim de vehicule din fiecare tip care trebuie închiriate în vederea minimizării costurilor de transport? 3.000 lei şi fiecare microbuz poate transporta 10 persoane şi costul închirierii pe o săptămână este de 900 lei. 10 unităţi de fier.000 euro şi necesită 2 angajaţi. În 100 g de aliment A există 25 unităţi de calciu. Dobânda medie a acţiunilor este 15 % şi cea a obligaţiunilor este de 12% şi investitorul doreşte că cel putţin o treime din sumă să fie investită în acţiuni. Fiecare autocar poate transporta 40 de persoane şi costul închirierii pe o săptămână este de 4. 10 unităţi de fier. fier şi vitamina A în condiţiile unui aport minim de colesterol? 133 . Cantitatea zilnică minimă necesară este de 300 unităţi de calciu. O agenţie de turism planifică organizarea unei excursii în Grecia pentru care poate inchiria autocare şi microbuze.000 euro şi necesită 5 angajati. 5 unităţi de vitamina A. Banca nu poate angaja mai mult de 100 persoane şi nu poate deschide mai mult de 20 de unităţi noi. Regimul unui diabetic trebuie să conţină în mod obligatoriu două alimente A şi B. Numărul de turiș ti estimaţi este de 400 persoane şi numărul maxim de ghizi este de 20 (fiecare autocar sau microbuz trebuie să aibe un ghid). şi 6 unităţi de colesterol şi în 100g de aliment B există 5 unităţi de calciu. Care este cantitatea optimă de alimente A şi B care trebuie să alcatuiască dieta pentru a respecta condiţiile impuse pentru calciu.000 lei în acţiuni şi obligatiuni.000.2. 25 unităţi de vitamina A şi 8 unităţi de colesterol. iar costul înfiinţării unei agenţii este de 50. Costul înfiinţării unei sucursale este de 100.000 euro pentru agentii. Care este combinaţia optimă a portofoliului în vederea maximizării profitului obtţnut din investiţie? 4. O bancă dispune de un buget de dezvoltare de 1.000 euro pentru sucursale şi de 125. Care este numărul maxim de sucursale şi agentii care poate fi deschis în vederea optimizarii profiturilor băncii? 5. Un investitor doreşte să investească suma de 50. 120 unităţi de fier şi 200 unităţi de vitamina A.000 euro şi iș i propune înfiinţarea de sucursale şi agenţii în România.

urmatoarele PPL bidimensionale de minim: a. x 2 x1 . x2 0 2 x2 12 x1 . x 2 7. x 2 10 10 0 x1 . x 2 134 . [Max] F = 5x1 +5x2 6 x1 3 x1 3x2 6 x2 0 24 30 x1 . Să se rezolve grafic: a. [Max] F = 3x1 + 2x2 2 x1 x1 x2 3x2 x1 .6. Să se rezolve folosind algoritmul simplex. x 2 x1 . [Max] F = 2x1 + 3x2 2 x1 x1 x2 2 x2 0 10 8 d. [Min] F = 10x1 +15x2 4 x1 12 x1 x2 3x2 0 12 10 x1 .[Max] F = 15x1 + 10 x2 5 x1 3 x1 2 x2 2 x2 0 20 16 b. [Min] F = 9x1 +2x2 4 x1 3 x1 x2 x2 12 10 0 b. urmatoarele PPL bidimensionale de maxim: a. [Max] F = 5x1 +5x2 2 x1 x1 x2 2 x2 0 10 8 b. x2 0 8. x 2 c.[Max] F = 30x1 + 40x2 d. Să se rezolve folosind algoritmul simplex. [Max] F = 15x1 + 20x2 2 x1 x1 x1 x2 x2 10 7 2 x1 x2 9 x1 x 2 6 x1 2 x2 10 x1 . [Min] F = 2x1 + 3x2 2 x1 x1 x2 2 x2 0 10 8 x1 . x 2 c. x 2 x1 .

[Min] F = 3x1 +5x2 2 x1 x1 3x 2 2 x2 0 8 4 x1 . [Min] F = x1 +4x2 x1 x1 2 x2 3x2 0 5 6 d. x2 .baz. s t P x1 5 3 -15 x2 2 2 -10 s 1 0 0 t 0 1 0 F 0 0 1 Val 20 16 0 x1 1 3 -15 x2 2/5 2 -10 s 1/5 0 0 t 0 1 0 F 0 0 1 Val 4 16 0 Var. t 0 Var.baz. x 2 x1 . x1 t F x1 1 0 0 x2 2/5 4/5 -4 s 1/5 -3/5 3 t 0 1 0 F 0 0 1 Val 4 4 60 x1 1 0 0 x2 2/5 1 -4 s 1/5 -3/4 3 t 0 5/4 0 F 0 0 1 Val 4 5 60 135 . Forma standard a problemei este: 5 x1 2 x2 s 20 3x1 2 x2 t 16 F 15x1 10 x2 0 x1 . s.c. x 2 REZOLVARE 1.

x1 1 1 -3 x2 ½ 3 -2 s ½ 0 0 t 0 1 0 F 0 0 1 Val 5 10 0 Var.baz. x2 = 5 si s = 0. t 0 Var. x1 t F x1 1 0 0 x2 ½ 5/2 -1/2 s ½ -1/2 3/2 t 0 1 0 F 0 0 1 Val 5 5 15 136 . x1 x2 F Soluţia: x1 1 0 0 x2 0 1 0 s ½ -3/4 0 t -1/2 5/4 5 F 0 0 1 Val 2 5 80 [Max]F = 80 pentru x1 = 2 . 2.Var.baz.baz. s. Forma standard a problemei este: 2 x1 x 2 s 10 x1 3 x 2 t 10 F 3 x1 2 x 2 0 x1 .baz. t = 0. s t F x1 2 1 -3 x2 1 3 -2 s 1 0 0 t 0 1 0 F 0 0 1 Val 10 10 0 Var. x 2 .

Forma standard a problemei este: 2 x1 x1 x2 x2 s 10 t 7 x1 2 x 2 p 12 F 30 x1 40 x 2 0 Var. s t p F x1 2 1 1 -30 x2 1 1 2 -40 s 1 0 0 0 t 0 1 0 0 p 0 0 1 0 F 0 0 0 1 Val 10 7 12 0 Var.baz. x2=2 si s = 0. 3.Var.baz. x1 2 1 ½ -30 x2 1 1 1 -40 s 1 0 0 0 t 0 1 0 0 p 0 0 ½ 0 F 0 0 0 1 Val 10 7 6 0 137 . t = 0.baz. x1 x2 F Soluţia: x1 1 0 0 x2 0 1 0 s 4/10 -1/5 t 0 2/5 F 0 0 1 Val 4 2 16 14/10 1/5 [Max]F = 16 pentru x1=4 . x1 1 0 0 x2 ½ 1 -1/2 s ½ -1/5 3/2 t 0 2/5 0 F 0 0 1 Val 5 2 15 Var.baz.

Var. s t x2 F x1 3/2 ½ ½ -10 x2 0 0 1 0 s 1 0 0 0 t 0 1 0 0 p -1/2 -1/2 ½ 20 F 0 0 0 1 Val 4 1 6 240 Var. x1 3/2 1 ½ -10 x2 0 0 1 0 s 1 0 0 0 t 0 2 0 0 p -1/2 -1 ½ 20 F 0 0 0 1 Val 4 2 6 240 Var.baz.baz.baz.p=0. b) Forma standard a problemei este: 138 . x2 = 5 si s = 0. t = 0. x1 0 1 0 0 x2 0 0 1 0 s -1/2 0 0 0 t -3 2 -1 20 p -2 -1 1 10 F 0 0 0 1 Val 1 2 5 260 x1 x2 F Soluţia: [Max]F = 260 pentru x1 = 2 .baz. s t x2 F x1 3/2 ½ ½ -10 x2 0 0 1 0 s 1 0 0 0 t 0 1 0 0 p -1/2 -1/2 ½ 20 F 0 0 0 1 Val 4 1 6 240 Var.

baz.2 x1 x 2 s 9 x1 x 2 t 6 x1 2 x 2 p 10 F 15x1 20 x 2 0 x1 . x1 2 1 1/2 -15 x1 3/2 ½ ½ -5 x2 1 1 1 -20 x2 0 0 1 0 x2 0 0 1 0 x2 0 0 1 0 s 1 0 0 0 s 1 0 0 0 s 1 0 0 0 s 1 0 0 0 t 0 1 0 0 t 0 1 0 0 t 0 2 0 0 t -3 2 -1 10 p 0 0 1/2 0 p -1/2 -1/2 ½ 10 p -1/2 -1 ½ 10 p -2 -1 0 5 F 0 0 0 1 F 0 0 0 1 F 0 0 0 1 F 0 0 0 1 Val 9 6 5 0 Val 4 1 5 100 Val 4 2 5 100 Val 1 2 4 110 Var.baz. x 2.baz. x1 3/2 1 ½ -5 Var.baz. s. s t p F x1 2 1 1 -15 x2 1 1 2 -20 s 1 0 0 0 t 0 1 0 0 p 0 0 1 0 F 0 0 0 1 Val 9 6 10 0 Var. t 0 Var. p. s t p F Var. x2 = 4 . x1 0 1 0 0 Soluţia: [Max]F = 110 pentru x1 = 2 . 139 .baz.

x1 . y 2 .baz. y 2 Se introduc variabilele reziduale x1 si x2 si se formeaza sistemul asociat: 4 y1 y1 3 y 2 x1 9 y 2 x2 2 F 12 y1 10 y 2 0 y1 . x 2 0 Var.baz.5. Se formează problema duală: 4 1 12 4 3 1 9 A = 3 1 10 9 2 1 și A = T 2 cu sistemul asociat: 12 10 1 1 4 y1 y1 3 y2 y2 9 3 F 12 y1 10 y 2 Duala problemei de minim este: [Max] F = 12y1 + 10 y2 4 y1 y1 3 y2 y2 0 9 2 care se rezolva cu algoritmul simplex. y1 . x1 x2 F y1 4 1 -12 y2 3 1 -10 x1 1 0 0 x2 0 1 0 F 0 0 1 Val 9 2 0 Var. x1 y1 F y1 0 1 0 y2 -1 1 2 x1 1 0 0 x2 -4 1 12 F 0 0 1 Val 1 2 24 140 .

Definiţi forma standard a unei probleme de programare lineară.5 ore pentru producţie şi 1 oră pentru ambalare. 8. şi fiecare bec de 200 W necesită 2. [Max]F = 180 pentru y1 = 15 si y2 = 0 si [Min] F = 180 pentru x1=0 si x2 =12. y2 = 0 si x1= x2 = 0 Soluţia optimă a problemei iniţiale de minim se citeș te pe ultima linie a tabelului simplex: Min F = 24 pentru x1 = 0 ș i x2 =12. Profitul companiei este de 3 lei pentru becurile de 100 W şi 4 lei pentru becurile de 200W. O firmă produce două tipuri de becuri: de 100W şi de 200W. [Max]F = 12 pentru y1 = 3/2 si y2 = 0 si [Min] F = 12 pentru x1 = 4 si x2 =0. 3. ÎNTREBĂRI DE CONTROL 1. Fiecare bec de 100 W necesită 2 ore pentru producţie şi 1 ora pentru ambalaj. Care este combinatia optimă de produse din fiecare tip care poate fi fabricăta zilnic pentru maximizarea profitului? 141 . (y1 = y2 =0) 6. Ce reprezintă funcţia obiectiv a unei probleme de programare lineară? LUCRĂRI DE VERIFICARE 1. Care este importanţa programării lineare în modelarea matematică a fenomenelor economice? 2.Soluţia optimă a problemei duale de maxim este: Max F = 24 pentru y1 = 2. [Max]F = 6 pentru y1 = 0 si y2 = 1 si [Min] F = 6 pentru x1 = 6 si x2 =0. 7. Numărul maxim de ore de muncă este de 80 pentru producţie şi 20 pentru ambalare.

[Max] F = 8x1 + 7x2 4 x1 3 x1 3x2 4 x2 0 24 8 x1 . x 2 4. O firmă produce două modele de căni: de cafea şi de apă. [Max] F = 8x1 + 7x2 4 x1 3 x1 3x2 4 x2 0 24 8 x1 . [Max] F = x1 + x2 142 . x 2 5.2. care necesită urmatoarele: Ore de muncă/cana Departament Cana cafea Producţie Finisare şi ambalare Profit Cana apa Numar maxim ore de muncă zilnice 4 1 2 lei 3 1 3 lei 160 48 Care este combinaţia optimă de produse care trebuie fabricăte pentru maximizarea profitului zilnic? 3.

6. x 2 . 4 1. [Max] F = 2x1 + 3x2 2. Să se rezolve: [Max] F = x1 + 2x2 + 3x3 2 x1 2 x2 8 x3 600 600 400 0 x1 3x 2 2 x3 3x1 2 x 2 x3 x1 . TESTUL DE AUTOEVALUARE NR.x1 x2 x1 6 4 2 x2 10 x1 . [Max] F = -x1 + 2x2 x1 x2 x1 3x2 2 12 2 x1 x 2 2 x1 x 2 5 x2 6 x1 . [Min] F = 3x1 +9x2 2 x1 x1 x2 2 x2 0 9 8 x1 . x3 4. x2 0 143 . x 2 0 x1 4 x2 4 x1 . x2 0 6. x 2 7.

x2 x1 p F Soluţia: x1 0 1 0 0 x2 1 0 0 0 s -1/2 -3/2 -1/2 -9/2 t ½ ½ 3/2 5/2 p 0 0 1 0 F 0 0 0 1 Val 5 3 21 21 144 .baz. s t p F x1 -1 -1 1 -2 x2 1 3 -4 -3 s 1 0 0 0 t 0 1 0 0 p 0 0 1 0 F 0 0 0 1 Val 2 12 4 0 Var.baz.baz. x1 -1 1 -3 -5 x2 1 0 0 0 s 1 -3/2 4 3 t 0 1/2 0 0 p 0 0 1 0 F 0 0 0 1 Val 2 3 12 6 Var.Algoritmul simplex este: Var.REZOLVARE 1. x1 -1 2 -3 -5 x2 1 0 0 0 s 1 -3 4 3 t 0 1 0 0 p 0 0 1 0 F 0 0 0 1 Val 2 6 12 6 Var.baz.

baz. x2 t p F x1 -2 1 2 -3 x2 1 0 0 0 s 1 -1 -1 2 t 0 1 0 0 p 0 0 1 0 F 0 0 0 1 Val 2 3 4 4 Var. x1 -2 1 1 -3 x2 1 0 0 0 s 1 -1 -1/2 2 t 0 1 0 0 p 0 0 1/2 0 F 0 0 0 1 Val 2 3 2 4 Var. deoarece algoritmul simplex nu se poate finaliza. x2 t x1 F x1 0 0 1 0 x2 1 0 0 0 s 0 -1/2 -1/2 ½ t 0 1 0 0 p 1 -1/2 ½ 3/2 F 0 0 0 1 Val 6 1 2 10 145 .baz. s t p F x1 -2 -1 0 1 x2 1 1 1 -2 s 1 0 0 0 t 0 1 0 0 p 0 0 1 0 F 0 0 0 1 Val 2 5 6 0 Var. 2.Pentru x1 = 3 . x2 = 5 valoarea funcţiei este F = 21. Algoritmul simplex este: Var.baz.baz. dar problema nu are soluţie (nu se poate determina valoarea maxima a functiei F).

Soluţia: [Max]F = 10 pentru x1 = 2 , x2 = 6 .

4.7. BILIOGRAFIA SPECIFICĂ UNITĂŢII DE ÎNVĂŢARE NR. 4
1. Mitroi Andreea , Matematică economică I, Ed. Cison, Bucureşti, 2010 2. Cenuşă Gheorghe (coord), Matematici pentru economişti, Editura Cison, 2000 3. Cenuşă Gheorghe (coord), Matematici pentru economişti - culegere de probleme, Ed. Cison, 2000

146

5. BILIOGRAFIA ÎNTREGULUI SUPORT DE CURS

1. Mitroi Andreea , Matematică economică I, Ed. Cison, Bucureşti, 2010 2. Cenuşă Gheorghe (coord), Matematici pentru economişti, Editura Cison, 2000 3. Cenuşă Gheorghe (coord), Matematici pentru economişti - culegere de probleme, Ed. Cison, 2000

147

6. NOTIŢELE CURSANTULUI
_________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ 148

_________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ 149 .

_________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ _________________________________________________________________________________ 150 .

Sign up to vote on this title
UsefulNot useful