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

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 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. 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 .Introducere Cursul se adresează studenţilor Facultăţii de Stiinţe Economice. 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. 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.

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

Determinarea drumurilor hamiltoniene în grafuri fără circuite 1. Generalităţi.3. Determinarea drumurilor optime într-un graf 6 .UNITATEA NR. Matricea asociată drumurilor unui graf 1. Generalităţi 1. Matricea asociată drumurilor unui graf 1.2. Determinarea drumurilor hamiltoniene în grafuri cu circuite 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.4.1.1.1.1.2.

.. F(xi) sau xi F(xj) .F). ● Două arce sunt adiacente dacă au o extremitate comună. xi) se numeşte buclă.. 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 1.1. ● O pereche de vârfuri (xi. i = 1. GENERALITĂŢI Definiţii ● Fie o mulţime finită X = {x1. ● Două vârfuri xi şi xj sunt adiacente dacă xj ● Dacă xi. F(xi) atunci (xi. o submulţime F(xi) P(X). n . 7 . ● Elementele xi X se numesc vârfuri sau noduri ale grafului. i. MATRICEA ASOCIATĂ DRUMURILOR UNUI GRAF Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. Cuplul G = (X. xj). x2. ● Mulţimea arcelor incidente exerior lui xi se notează A+(xi). 1 1. Tema de control a unităţii nr.1. xn} şi o funcţie F:X P(X) care asociază fiecărui element xi X. ● Arcul cu extremitatea iniţială xi se numeşte incident exterior lui xi.j =1.F) se numeşte graf. Bibliografia specifică unităţii de învăţare nr. X x X / xj F(xi) } reprezintă mulţimea arcelor grafului G = (X. Testul de autoevaluare nr. n . xj) ● Pentru arcul (xi.1.6. cu proprietatea că xj ● Submulţimea A = { (xi. 1 1. GENERALITĂŢI. A.. xj) F(xi) formează un arc al grafului. xi este extremitatea iniţială şi xj extremitatea finală.5.7.1.

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

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

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

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

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

şi vom obţine şi d22 = 1. respectiv cu linia 3 şi cu linia 4 din matricea MG. Putem calcula puterea de atingere a fiecărui vârf şi anume p(x1) = 4. Deoarece d21 = 1 vom aduna în MG linia 2 cu linia 1 obtinand d23 = 1 şi d24 = 1. respectiv d23 = 1 şi d24 = se reface adunarea booleana a liniei 2 cu linia corespunzatoare indicelui de pozitie al elementului. 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. Deoarece pe linia 4 nu există elemente egale cu 1 toate valorile elementelor în matricea D vor fi egale cu 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 _ _ D= Pasul 3 1 Pentru noile elemente egale cu 1 obţinute la pasul anterior. Graful are 12 drumuri din care 3 sunt circuite pornind din toate varfurile mai puţin x4. 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. 13 . 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. p(x3) = 4 şi p(x4) = 0.Continuăm cu linia 2. p(x2) = 4.

2. 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. 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. 2 n(n 1) STOP. 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) . 2 Pasul 2 Dacă numărul de elemente egale cu 1 este mai mic decât valoarea 14 . DETERMINAREA DRUMURILOR HAMILTONIENE ÎN GRAFURI FĂRĂ CIRCUITE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare.1. Algoritm de determinarea a drumurilor hamiltoniene în grafuri fără circuite Pasul 1 Se calculează matricea drumurilor D. n . i = 1.

Succesiunea vârfurilor care formează drumul hamiltonian va fi dată de ordinea descrescatoare a puterilor de atingere a vârfurilor grafului. In cazul dat. p(x2) = 3. Dacă numărul de elemente egale cu 1 este egal cu trecem la pasul 3.Graful nu are drum hamiltonian. 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. n = 5 şi n(n 1) 5(5 1) = 2 2 10 . p(x4) = 2. Rezultă că în graf există drum hamiltonian. Se calculează puterea de atingere a fiecărui vârf xi şi se ordonează descrescător. 15 . p(x3) = 4. Pasul 2 Matricea drumurilor are 10 elemente egale cu 1. deci se aplica teorema lui Chen. p(x5) = 0. Pasul 3 p(x1) = 1.

xi2. x2.. trebuie însă să ne asigurăm cu ajutorul matricei drumurilor că graful nu are circuite. Definiţie Un circuit CH = (xi1. 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.. . 16 . REZUMAT Determinarea drumurilor hamiltoniene in grafurile fără circuite se face cu ajutorul Teoremei lui Chen. permiţând şi determinarea acestora. dacă există.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. Pentru a putea aplica această teoremă. x4. Teorema lui Chen ne oferă informaţii despre existenţa sau inexistenţa drumurilor hamiltoniene în grafurile fără circuite.3. xi1) se numeşte hamiltonian dacă trece o dată şi numai o dată prin fiecare vârf al grafului cu excepţia vârfului xi1. x1.. x5). xin. Intr-un graf fără circuite. 1. DETERMINAREA DRUMURILOR HAMILTONIENE ÎN GRAFURI CU CIRCUITE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. drumul Hamiltonian este unic.

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

T(2) = T(1) L T(0) 18 . Pasul 4 Fie T(2) = T(1) L T(0) Introducem relaţia de recurenţa T(r + 1) = T(r) L T(0). r N*. Matricea T(m). 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. rezultatul operaţiei se consemnează scriind consecutiv vârfurile care intervin în calcul (obligatoriu cu mentinerea ordinei în care apar vârfurile).1. 2. 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. c2) atunci când se inmulţeşte un arc din matricea T(1) cu un vârf din matricea T(0).

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

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

(Valoarea drumului este egala cu suma valorilor arcelor care-l compun. 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. . …. fixat.productivitatea muncii într-un loc de munca. a2. ap).). lungimea drumului fizic intre două puncte etc. p Definiţie ● Mărimea v(d) definită prin egalitatea v(d) = k 1 v ( a k ) se numeşte valoarea drumului d. .xn} un graf orientat finit. Fie G = {x1. Dacă se doreste listarea drumurilor de valoare optimă intre oricare două noduri se aplica algoritmul pe rand. pentru fiecare nod al grafului. x2. 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. costul sau durata transportului pe ruta (xi. Presupunem că am numerotat nodurile astfel încât nodul spre care căutăm drumurile de valoare optimă de la celelalte noduri să fie xn.. xj). Ipoteză: Drumul optim este format din arce ai final xn. 21 .. unde ak reprezintă un arc component al drumului.

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

Dacă există arc (xi.. operatorul de minim se inlocuieste cu cel de maxim. xj) A . xj) se trece valoarea arcului (lungimea) 23 . 2) in toate sistemele de ecuatii. pentru i j. Tabelul se completează dupa următoarele reguli : i.Drumul de lungime minimă trece prin x j1 si v (jk 1 uneşte x j1 cu xn. x j2 . 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 ... k Repetam procedeul pornind de la v (jk 2 2) Drumul de valoare minimă este d = (x 1 . consideram cij = .. . x jk . Mai departe. x j1 . 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. 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. dacă (xi. ) până ajungem la o valoare v (j0 c jk n . dar se fac două modificari: 1) in matricea C.

v6 . şi pentru fiecare v i( k ) se completează o linie în completarea tabelului iniţial. xj) se completează cu maxim) iii. Formula de calcul a valorilor v (1 ) i este vi(1) (1) v7 max(v (j0) cij ). Dacă nu există arc (xi. vom transpune (adica scrie că linie.6. xi) se completează cu 0. j i j 1. Variabilele vi se calculează în mai multi pasi. i 1. numărul pasului trecandu-se în partea dreapta sus. v7 Se calculează valorile v i(1) respectiv v 1 care se trec pe urmatoarea linie a tabelului. v2 . v3 . 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.ii. ( numai la problemele de Pentru i = j adica arce de forma (xi. v5 . Prima variabila este v i( 0 ) şi se obţine din transpunerea ultimei coloane corespunzatoare ultimului vârf. v4 . în cazul nostru. 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) . în paranteza.7 0 24 .

v (72 ) 0 prin conventie. v 3 5. . 7. v5(0) c15 . 2.7 25 . v7(2) ) dupa formula: v i( 2) max(v (j1) cij ). Deoarece v i( 2 ) vi(1) algoritmul se continuă prin calcularea valorilor lui v i( 3) . .6 j i ( 2) Vom obţine v 1 si j 1. v6(0) c26 .(1 ) Calcularea lui v 1 : se adună linia v i( 0 ) cu linia corespunzatoare lui x1 (prima linie). v4(0) c14 . 3 . . 3 . 4 7. 4 . element cu element. v2(2) . v5(2) . mai puţin v 1 cu c11. j 1.6. . 2 ) .7 v 1(1) max (v2(0) c12 .7 11. . v (62 ) 6. 0 ) şi aceasta valoare se trece în tabel . i 1. . cu j 1. şi se alege valoarea maximă dintre sumele rezultate v (21) max(v (j0) j 2 j 2 c2 j ). 2 5. Analog se calculează şi celelalte valori ale lui v i(1) şi se obţine: (1) v3 5.7 v (21) max (v1(0) c21 . (0) element cu element. Pasul 5 Se calculează v i(3) max(vi( 2) j i cij ). Pasul 4 Se calculează v i( 2) respectiv valorile v1(2) . v7(0) c27 ) v (21) max( j 1 . v3(2) . v6(2) . Deoarece v i( 0 ) vi(1) vom continua algoritmul prin calcularea lui v i( 2 ) . mai puţin v (20 ) cu c22. (2) Calcularea lui v 1 : se adună linia v i( 0 ) cu linia corespunzatoare lui x2 (a două linie). 0 ) v (21) max( j 1 v (21) 11 şi se trece rezultatul în tabel. v4(0) c24 . 3. . (Pasul 3) (1) v1 max (v (j0) j 1 j 1 c1 j ). v 5 5. Cu aceste valori obţinute se completează tabelul cu inca o linie. v3(0) c23 . v (41) (1) 4. v3(0) c13 . respectiv linia lui v i( 2 ) . v (22 ) (2) 11. v4(2) . 11. ) . cu j 1. v5(0) c25 . v 5 13. v7(0) c17 ) (1) v1 max( j 1 (1) v1 max( j 1 (1) v1 2. v (61) 6 iar v (71) 0 prin conventie. i 1. v (42 ) (2) 4. v6(0) c16 . şi se alege valoarea maximă dintre sumele rezultate.

Care sunt vârfurile care compun drumul maxim. v (45 ) Algoritmul se încheie deoarece v i( 5) vi( 4 ) . v 5 5. v (44 ) 4. Deoarece v i( 3) vi( 2 ) algoritmul se continuă prin calcularea lui v i( 4 ) . v (73 ) 0. Pasul 7 Calculam v i(5) max(vi( 4) j i (5) (5) v1 15. x3. Deoarece v i( 4 ) vi( 3) algoritmul se continuă prin calcularea lui v i( 5 ) .7 6. (5) 4. Drumul de valoare maximă este:dmax = (x1.7 (4) (4) ( 4) Obţinem: v 1 15. Valoarea drumului maxim este 15 ( valoarea lui v 1 de la ultimul pas) 2. Care este valoarea drumului maxim de la x1 la x7 2. v 3 cij ). v (75 ) 0 11. x2.6. v (64 ) 6. v (65 ) j 1. v 3 11. x7) 26 . x4. 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. i 1. j 1. (5) 1. v 5 i 1.6. v (25 ) =13. v (43) ( 3) 4. 5. v 3 11. v (74 ) 0 . v (23) ( 3) 13.( 3) Si se obţine: v 1 14. x6. Pasul 6 Calculam v i( 4) max(vi(3) j i cij ). v (24 ) 13. v (63 ) 6. v 5 5.

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

. 6 . v 4 ( 0) c14 . 0 9) (1) 7 şi aceasta valoare se trece în tabel . element cu element. cu ( 0) c12 . v5 c15 ) (1) v1 min (4 3. Analog se calculează şi celelalte valori ale lui v i(1) şi se obţine: (1) v3 6. 28 . v2 .4 ( 0) c13 . 6 1. 0 4) v (21) 3 şi se trece rezultatul în tabel. mai puţin v 1 cu c11. v3 c 23 . cu j 1.5 v5(1) 0 (1 ) Calcularea lui v 1 : se adună linia v i( 0 ) cu linia corespunzătoare lui x1 (prima linie). element cu (0) element. v (41) (1) 0 prin convenţie. v4 . 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 ) . v5 Se calculează valorile v i(1) respectiv v 1 care se trec pe urmatoarea linie a tabelului. (1) v1 min (v (j0) j 1 (1) ( 0) v1 min (v 2 j 1 c1 j ). şi se alege valoarea minimă dintre sumele rezultate v (21) min (v (j0) j 2 j 2 c2 j ).9) v1 j 1 . mai puţin v (20 ) cu c22.4 ( 0) ( 0) (0) v (21) min (v1(0) c 21 .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) . v1 (2) Calcularea lui v 1 : se adună linia v i( 0 ) cu linia corespunzătoare lui x2 (a două linie). 2 j 1 (1) min (7. v3 . şi se alege valoarea minimă dintre sumele rezultate. 2 1. j i j 1. v 4 c 24 .7.4. Formula de calcul a valorilor v (1 ) i este vi(1) min (v (j0) cij ). v3 j 1. i 1. v5 c 25 ) v (21) min (9 j 1 .

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

c) să se precizeze mulţimile : A+(x2). b)să se exemplifice noţiunile de : vârfuri adiacente. x5). drum. 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 . (x5. (x3. (x3. circuit. (x2. x5} şi A = { (x1. Fie G = (X. x5). x1). x4). 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. x3.(x2) 0 0 0 0 1 2. (x3.LUCRARE DE VERIFICARE 1. drum de lungime 2. x1). x4. (x5.A) unde X = {x1. A. arce adiacente. x2). (x3. x1). (x2. x4). x4)} a) să se definească G în alte forme echivalente cu cea din enunţ.

v(x3. Care este procedeul de determinare a tipului de graf? 5. De ce nu se poate aplica teorema lui Chen pentru determinarea drumurilor hamiltoniene în grafurile cu circuite? 33 . Care este numărul maxim de drumuri hamiltoniene pe care le poate avea un graf cu 5 noduri? 4. F(x3) = {x2. x4) = 3. v(x3. i= 1. ÎNTREBĂRI DE CONTROL 1. F(x1) = {x3. x4) = 1. a) folosind matricea drumurilor să se arate că G nu are circuite şi are drum hamiltonian b) ș tiind că v(x1. x2) = 4.5 }. Fie graful G= (X.A). F(x4) = {x5}. x4}. x4) = 2. x3) = 3. Care este metoda de determinare a tipului de graf – cu circuite sau fără circuite? 2. v(x4. F(x5) = . F(x2) = {x4}. X = {xi. v(x1. x5) = 4. Ce informaţii se pot obţine în urma aplicării algoritmului înmulţirii latine? 6. Ce semnifică existenţa unui element egal cu 1 pe diagonala matricei drumurilor? 3. x5) = 2 să se arate că dH este drumul de valoare maximă de la x1 la x5. v(x2.4. x4. v(x3. x5}.

F(x5) = {x4} a) Să se determine matricea drumurilor în G b) Să se listeze drumurile de lungime 4 şi să se identifice. TESTUL DE AUTOEVALUARE NR. F(x1) = {x2}.A). F(x2) = {x1. dH. dacă există. X = {xi. i= 1. F(x4) = {x1}. 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. 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. folosind inmulţirea latină. x5}. F(x3) = {x1. să se identifice în G circuitele de lungime 3.1. Să se determine drumurile hamiltoniene pentru graful definit de: 2. 34 .6.5 }. x4}. 3. x2. 1 1. Fie graful G = (X.

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

1. Tema de control a unităţii de învăţare nr.2.1. 2 ELEMENTE DE TEORIA PROBABILITĂŢILOR Timp mediu necesar pentru studiu: 7 ore.4. 2 2. 2 36 . Câmpuri de evenimente 2.5.Probabilităţi condiţionate.2.2. Evenimente independente 2.1. Bibliografia specifică unităţii de învăţare nr.2.3. Probabilităţi condiţionate 2. Câmpuri de probabilitate 2.Câmpuri de evenimente şi câmpuri de probabilitate 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.Test de autoevaluare 2.2. Evenimente independente 2.1.Scheme probabilistice 2.UNITATEA NR.6. Bifează sarcinile de lucru rezolvate.1.

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

Se numeşte eveniment opus lui A (sau contrar) un eveniment care se realizează dacă şi numai dacă nu se realizează A.Definiţii ● Eveniment sigur (notat ) = evenimentul care se realizează în orice proba Exemplu Considerând experienţa aruncării unui zar. Se consideră experienţa extragerii unei bile dintr-o urnă cu bile negre şi albe. Notaţie: A Se consideră experienţa extragerii unui bile dintr-o urnă cu bile roşii şi albe. 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. Notaţie : A – B = A \ B 38 . 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. Un eveniment imposibil este: A = extragerea unei bile roşii. 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. 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.

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

P ) se numeşte câmp de .. = 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. k 1. două cate două incompatibile ( Ai = .P1) 0 P( A) 1.. A2. A K P2) P( ) = 1 P3) Orice şir de evenimente A1. ● Dacă P(A1) = P(A2) = . total de evenimente elementare ale câmpului = 25 P(A) = 15 25 0.. pentru i j) are loc egalitatea P ( An ) n 1 Aj P (  An ) = n 1 se numeşte probabilitate pe ( probabilitate... A2. An.. ● Dacă ( . n şi P( Ak ) P( ) 1 .K) iar tripletul ( . K) este un câmp finit de evenimente compus din evenimentele elmentare = A1.. K.. de evenimente elementare favorabile producerii evenimentului A = 15 Nr.. 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..... An adică P(Ak) A k 1 n k 1 n k atunci 0.6 sau 60% Fie B = evenimentul ca un student ales la întâmplare să nu prompveze examenul 40 .

P(A B). 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) = . deci P(B) 0 P(A).A) = P(B) . Aplicand proprietatea 1) vom avea: P(B .7 Proprietăţi 5. 4. 41 . deci P( B) = P(A) + P(B) – P(A B) ) = 0.3 = 0. adică P(A) = 1 – P( A ) Exemplu Dacă probabilitatea ca ziua de mâine să fie insorită este de 0. Rezultă ca P(A) + P( A ) = 1 . Dacă A B) adică P(B . B) sunt incompatibile . P( )=0 şi implicit A = . B atunci P(B-A) = P(B) – P(A) B rezultă ca A B = A.P(B) = 10 25 0. 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.A)+P(A 2. P(B-A) Rezultă ca P(B) – P(A) 0. Aplicand definiţia probabilităţii avem: P(B) = P(B . si conform Definiţiei probabilităţii.4 sau 40% Proprietăţi 1. Dacă A Dacă A P(B) .P(A 3. Rezultă ca: P( )=1 Folosim proprietatea 4) considerănd A = – P( Dar P( 6.3 atunci probabilitatea ca ziua de mâine să fie noroasa este de 1-0.A) = B) = P(B) – P(A) B atunci P(A) P(B) Din proprietatea 2) avem relatia P(B-A) = P(B) – P(A). A ) = P(A) + P( A ) . P(A ) ) = 1 din definiţia probabilităţii.

5)} şi C = A B Numărul total de evenimente ale câmpului = 36 Evenimentele A şi B sunt independente. (6. 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 . (3.6). (5.5).1)} B = {(5.6). (2.2).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. (6.3).4). (4.

3.6} şi A B = {4} B) = n( A B ) n( ) 1 6 Care este probabilitea ca la aruncarea unui zar.4.6} B = {3.3.5} şi A B = {1.3. faţa obţinută să fie pară şi divizibilă cu 2? Evenimentul sigur.4.2.2.Problema 1 Se consideră experienţa aruncării unui zar.5 sau 50% 2 Care este probabilitea ca la aruncarea unui zar. 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 = {1.5} B = {1. A = {2. A = {2.4. faţa obţinută să fie impară şi număr 43 . faţa obţinută să fie pară sau divizibilă Metoda 1 Folosind definiţia clasică a probabilităţii.5.5} Folosind definiţia clasică a probabilităţii.6} şi A B = {3} Folosind definiţia clasică a probabilităţii.3.6} B = {4} şi A B = {2.6} 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. a) Care este probabilitea ca la aruncarea unui zar. sau spaţiul de selectie este = {1. 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 0.4. 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).3. 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. suma feţelor aparute să fie 6 sau 10.6). (5. suma feţelor aparute să fie 6 B = evenimentul ca la aruncarea celor 2 zaruri.5). 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.(3.5} Metoda 1 Folosind definiţia clasică a probabilităţii.5} B = {1.(6. 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.3.4)} 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 .5} şi A B = {1.3.(4. (2. A = {(1.(5.1)} B= {(4.d) prim? Care este probabilitea ca la aruncarea unui zar.2. suma feţelor aparute să fie 10 C = evenimentul ca la aruncarea celor 2 zaruri.4).2.3).2).

.K) iar tripletul ( . A = {(1.(2..(3.2). 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 5.2). adică 3.A = evenimentul ca la aruncarea celor 2 zaruri să apară feţe identice B = evenimentul ca la aruncarea celor 2 zaruri.2 REZUMAT O functie P : K  R care satisface condiţiile: P1) 0 P2) P( P( A) 1.1).1).2).(6.1). (2.(3. două cate două incompatibile ( Ai loc egalitatea P ( Aj = .6)} B= {(1.. iar numărul de cazuri favorabile este dat de numărul perechilor de pantofi.3). P ) se numeşte câmp de probabilitate..(5.(1.(2. 45 .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. An. pentru i j) are A n 1 n )= n 1 P ( An ) se numeşte probabilitate pe ( . Notand cu A evenimentul ca cei 2 pantofi extrasi să formeze o pereche. )=1 A K P3) Orice şir de evenimente A1.(4..1).. Dacă se extrag la întâmplare 2 pantofi. K.2)} B) 5 18 Intr-un dulap sunt 6 perechi de pantofi. care este probabilitatea ca pantofii extrasi să formeze o pereche? Numărul total de cazuri posibile este C 62 =15..(2. A2.4).3).(1. P(A)= 3 15 0 .5).

EVENIMENTE INDEPENDENTE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. P(B-A) = P(B) – P(A 2. 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.P(A) = numarul de evenimente elementare favorabile lui A numarul total de evenimente elementare ale campului Proprietăţi 1.2. K. PROBABILITĂŢI CONDIŢIONATE Definiţii Fie ( . PROBABILITĂŢI CONDIŢIONATE. atunci: P( A B) P( A) P( B / A) P ( B ) P ( A / B) 46 . Dacă A 3. Dacă A B) B atunci P(B-A) = P(B) – P(A) B atunci P(A) P(B) 4. 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.2. P) un câmp de probabilitate şi B K cu P(B)>0.1. P( A ) = 1 – P(A) 2.

i= 1.2. atunci : P(A/B) = P(A) şi P(B/A) = P(B) 47 ... K. E2.2.….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. n este o partiţie a evenimentului sigur. Ek ) P( E1 ) P( E 2 ) . i= 1. P) un câmp de probabilitate . P( E k ) Teorema Dacă A şi B sunt două evenimente independente din spaţiul K..Ek} a lui A avem : P( E1 E2 . Două evenimente A. 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. n este o partitie 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. cu probabilităţi diferite de zero.. EVENIMENTE INDEPENDENTE Definiţii ● Fie ( .Teorema Formula probabilităţii totale Dacă Ai.

75 x 0. 1 contine 3 bile albe şi 4 bile negre.2 C = se extrage o bila alba P(A) = P(B) = 1 3 . Urna nr. 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. Probabilitatea ca o bila extrasa din urnă nr. să se calculeze probabilitatea ca un angajat ales la întâmplare să fie femeie şi să aiba un copil.1 să fie alba este P(C/A) = . 48 .P(C/A) = 0. 2 7 3 8 Probabilitatea ca o bila extrasa din urnă nr. 2 contine 3 bile albe şi 5 bile negre.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. Atunci evenimentul B= C/A şi P(B) = P(C/A) = 75% P(D) = P(A  C) = P(A).60 = 0. Dacă 60% din angajaţii unei companii sunt femei.40178. Urnă nr. Fie evenimentele: A = se extrage o bila din urnă nr.45 sau 45% 2.1 B = se extrage o bila din urnă nr. şi 75% dintre femei au 1 copil. Să se calculeze probabilitatea ca o bila aleasa la întâmplare dintr-una din cele 2 urne să fie alba.PROBLEME REZOLVATE 1.

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. SCHEME PROBABILISTICE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare.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. atunci : P(A/B) = P(A) şi P(B/A) = P(B) 2.3. cu probabilităţi diferite de zero. cu i = 1. n şi un sistem de evenimente asociat experienţelor Ei. notat Ai. n 49 . 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 ).B K sunt independente dacă : P( A B) P( A) P( B) Dacă A şi B sunt două evenimente independente din spaţiul K.

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

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.…. am bile de culoarea m. Fie A = evenimentul ca prima bilă alba să apară exact la extragerea k si primele k-1 bile extrase sa fie negre. n2 să aibă culoarea 2.qk-1 PROBLEME REZOLVATE Exemplu Trei grupe de studenţi contin 20%. Fie A = evenimentul ca din cele n bile extrase n1 să aibe culoarea 1. făra revenire. 15% respectiv 10% baieti. Se alege la întâmplare cate un student din fiecare grupa.9. Se fac n extrageri succesive din urnă. P(A) = p.15. a2 bile de culoarea 2.…. să se calculeze probabilităţile evenimentelor : 51 . pentru care se cunoaţte probabilitatea extragerii unei bile albe ca fiind p. Se fac n extrageri succesive din urnă.8. 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.. cu revenire.C a 1 2 m n CN Schema geometrică (Schema lui Pascal) Se consideră o urnă care conţine bile albe si negre. nm să aibe culoarea m este : Atunci P(A) = nm n1 n2 Ca Ca .21.Fie A = evenimentul ca din cele n bile extrase k să fie albe si n-k negre.23..

3 şi probabilităţile asociate de extragere a unui baiat din fiecare grupa P(Ei) = pi.15 şi p3 = 0.85 respectiv q3 = 0. 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 . respectiv p1 = 0. probabilitatea alegerii a 2 studenţi este coeficientul lui x2 din polinomul Q(x) = (p1x+q1)(p2x+q2)(p2x+q2). probabilităţile de a extrage o fată din fiecare grupă vor fi q 1= 0. p2 = 0. Atunci. q2 = 0.a) probabilitatea ca un singur student să fie fată este echivalentă cu probabilitatea ca 2 studenţi din cei aleşi să fie baieţi.9. P(A) = p1q2q3 + p2q1q3 + p3q1q2 un singur student din cei 3 alesi să fie fata b) In ipotezele enunţate la pct.8. Conform Schemei Poisson. este probabilitatea realizării a 3 evenimente (k=3) la efectuarea celor 3 experienţe şi conform Schemei Poisson. 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.2.a) un singur student din cei 3 alesi să fie baiat Ipoteza : Considerăm sistemul format din 3 experienţe Ei. i=1.1. 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. adică probabilitatea realizării a 2 evenimente (k=2) la efectuarea celor 3 experienţe.

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 .... avem E = A  D cu A şi B evenimente independente.Notând cu E = evenimentul ca cel mult un student din cei 3 aleşi să fie băiat. 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). 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 . cu i = 1. 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). p n m1!m2 !.mn ! 53 .n. Dacă se repetă de k ori experienţa în aceleaşi condiţii. n Schema Bernoulli Probabilitatea realizării unui eveniment A de k ori atunci când se efectuează o experienţa de n ori. i=1. P(E) = P(A  D) = P(A) + P(B) probabilitatea ca cel puţin 2 studenţi să fie băieti.p. 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 )..

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

Experimentului aruncarii unei monede de 3 ori i se poate ataşa varaibila aleatoare X = numărul de ori de care poate aparea “pajura”. 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. 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. să se arate ca evenimentele : A : apariţia feţei « Cap » la prima aruncare si B : apariţia feţei « Cap » la a două aruncare sunt evenimente independente.6} spaţiul de selectie asociat unei experienţe.5. 2 1. TESTUL DE AUTOEVALUARE NR. 2. Dintr-un pachet cu 52 carti de joc. se alege aleator o carte.2.4. În tabelul de mai jos se inregistrează frecvenţa apariţiei tuturor sumelor posibile pentru cele 2 feţe aparute la o aruncare. 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. Fie = { 1. Se consideră experienţa aruncării de două ori a unei monezi .5.2.3. Care sunt valorile pe care le poate lua X? 57 . Se aruncă 2 zaruri de 100 de ori.

PC.4. 3.…12 b) 2. a.…12 e) nedefinit f) 2.4… d) 0.3.2.5 3.2. P(B) = şi P( A 2 2 B) 1 4 P( A) P( B) adică A şi B sunt independente 4.2.10. Spaţiul evenimentelor echiprobabile al experienţei este K = {CC. Experiment: Se arunca un zar pana apare fata 6. CPC.…12 4. b.a) 1. 1. Care sunt valorile pe care le poate lua X? a) 1. Fie experimentul aruncarii a 2 zaruri şi variabilă aleatoare X = suma numerelor care apar pe feţele zarurilor.CP} .PC} şi A Verificând definiţia.2.2.… e) nedefinit f) A.3.5.1. valorile pe care le poate lua X sunt: a) 1.5. 2.3.5.2.8.PP} Atunci A = {CC.4.2.3.CP.D.3 d) CPP.4.1.3. PPC. şi variabilă aleatoare asociata numărului de aruncari necesare pentru obtinerea la ambele zaruri a fetelor 6. P( A B) 1 4 1 1 2 2 B {CC} cu P(A) = 1 1 . PCC.3.… 5. Rezolvări : 1.6.4. PCP.B. Să se precizeze tipul urmatoarelor variabile aleatoare: a) se consideră experienţa aruncarii a 2 zaruri. 5. CCC e) nedefinit f) 0. b) variabilă aleatoare asociata numărului de intrebari la care un student a raspuns corect.12 c) 1.2.3 c) 0.8.4 b) 1. B = {CC.2. daca studentul rezolva pentru un examen un test cu 50 de intrebari c) variabilă aleatoare asociata valorii unei investitii de 10.6. Considerand variabilă aleatoare X = numărul de aruncari. 6.…12 b) 2.4.1. c 58 .12 c) 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.10.4… d) 0.C.

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

1.1. Operaţii cu variabile aleatoare discrete 3.3. Distribuţia de probabilitate (repartiţia) a unei variabile aleatoare simple 3.2.2. Funcţia de repartiţie şi densitatea de repartiţie a unei variabile aleatoare 3. Operaţii efectuate asupra unei variabile aleatoare X 3.UNITATEA NR. Variabile aleatoare discrete 3.1. Operaţii care se pot efectua cu două variabile aleatoare X şi Y 60 . 3 VARIABILE ALEATOARE Timpul de studiu individual estimat: 7 h Bifează sarcinile de lucru rezolvate.1.3.1. Generalităţi.2.2. 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: 3.2. Generalităţi 3.1. Funcţia de repartiţie 3.2.

Caracteristici numerice ale variabilelor aleatoare continue 3.3. 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. FUNCŢIA DE REPARTIŢIE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. 61 . Testul de autoevaluare nr.3. Variabila aleatoare este deci o regulă. şi fiecărei din aceste experienţe îi putem ataşa valorile numerice 1 pana la 6. Caracteristici numerice ale variabilelor aleatoare.3. aceste numere numindu-se valorile variabilei aleatoare.1.2. Caracteristici numerice ale variabilelor aleatoare discrete 3. Tema de control a unităţii de învăţare nr. GENERALITĂŢI Considerând un experiment. 3 3. GENERALITĂŢI.1. în cele mai multe dintre cazuri.1.5. ● Rezultatul experimentului “sustinerea examenului la matematica” efectuat de un student din anul I este un număr .3. fiecărui rezultat posibil al acestuia îi putem asocia valori numerice.4. de la 0 la 10. 3 3. Coeficientul de corelaţie a două variabile aleatoare 3.6. Exemplu ● La aruncarea unui zar se obţine una din feţele zarului cu valori de la 1 la 6. Bibliografia specifică unităţii de învăţare nr. Coeficientul de corelaţie 3. care asociază fiecărei realizări a unui experiment un număr . 3 3.1.7.

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

2).2.7. 1)} Evenimentul X = 3 este format din apariţiile feţelor {(2. variabila aleatoare ataşată poate lua valorile {1.12} Dorim să obtinem informaţii despre condiţiile în care X ia diverse valori posibile.10.5.2.2. mulţimea valorilor pe care le poate lua acest rezultat este {0. 2)} Evenimentul X = 4 este {(3.8. Evenimentul X = 2 este format din apariţiile feţelor {(1.4.Exemple ● Se consideră experienţa aruncarii unei monezi de trei ori.1.1. (1. Numărul total de evenimente posibile egal probabile este 62 = 36 şi fiecărui eveniment i se poate calcula probabilitatea de aparitie. deci variabila aleatoare va fi continuă. 3)} şi asa mai departe. Multimea valorilor variabilei aleatoare X este {2. şi variabilă aleatoare X asociata rezultatului obtinut la insumarea valorii fetelor care apar la aruncarea zarurilor. 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 . variabila aleatoare asociată rezultatelor experienţei poate lua orice valoare din mulţimea numerelor pozitive. DISTRIBUŢIA DE PROBABILITATE (REPARTIŢIA) A UNEI VARIABILE ALEATOARE SIMPLE Se consideră experienţa aruncării a 2 zaruri. 1). Considerând ca rezultat aparitia fetei “Cap”.9. 1). ● Alegând o bancă din mulţimea băncilor existente şi considerând ca rezultat numărul de companii care au cont deschis la respectiva bancă. 3.11.4.3} şi variabila aleatoare asociată este finită.3. (2.…} 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.3. (1.6.

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

oricare x R F(b). 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. Proprietati Funcţia densitate de repartiţie a unei variabile aleatoare are urmatoarele proprietăţi : 1. Observaţie Daca X are densitatea de repartiţie f. F( 5. 0 F(x) R este funcţia de repartiţie a unei variabile aleatoare.Functia de repartiţie F a unei variabile aleatoare discrete X se numeşte functie de repartiţie de tip discret. orice x R f (u )du 1 65 . F este nedescrescătoare: daca a < b atunci F(a) 3.b R 2. F(X b) = F(b) – F(a) – P(X=a) + P(X=b) b) = F(b) – F(a) +P(X=b) )=1 ) = 0. o funcţie f : R x [0. 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). 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. atunci : 1. ] cu proprietatea că: F(x) = f (u )du pentru orice x R. 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. Daca a < b oricare a. oricare a. f(x) 2.

orice x R.3] şi f(x)=k(2x-1) este o functie lineara crescatoare. orice x R f(x) este densitate de repartiţie a unei variabile aleatoare X daca indeplineste f (u )du 1 [k.3 daca 1 x 2 0. Oricare a. şi deci f(x) 0.3. f(x) 2. ).3].1 0. 0. rezulta ca f(x) cu k>0.3 Funcţia de repartiţie a variabilei aleatoare X este 0 daca x 0 0. k>0. Determinarea constantei k se face utilizand a doua conditie.b R cu a < b are loc egalitatea: b P(a X b) a f (u )du PROBLEME REZOLVATE 1.7 daca 2 x 3 1 daca x 3 2.5k] Deoarece x [1. prima conditie fiind verificata.2 04 0. De asemenea f(x) = 0 pentru x (. 66 . 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. astfel încât funcţia f(x) = k (2 x 1). a) Să se determine k R . pentru x [1.1 daca 0 x 1 F(X) = 0. Fie variabilă aleatoare simpla X avand repartiţia: X: 0 1 2 3 0. şi anume f (u )du 1 .1)  (3.

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

Daca a < b oricare a. definită prin: Se numeşte funcţie de repartiţie a variabilei aleatoare X o funcţie F : R F(x) = P({ Dacă F : R 1.. p n R.b R 2. oricare a. 3. oricare x R F(b). F( 5. 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 . o x funcţie f : R [0. VARIABILE ALEATOARE DISCRETE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare.2.. 0 F(x) : X( ) < x}) = P(X < x).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. F este nedescrescătoare: daca a < b atunci F(a) 3. 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). ] 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 R ) = 0. x R R este funcţia de repartiţie a unei variabile aleatoare. atunci : 1.. xn .X: x1 p1 x2 p2 ..

OPERAŢII CU VARIABILE ALEATOARE DISCRETE Definiţii: ● Două variabile aleatoare X şi Y sunt independente dacă evenimentele (X = xi) şi (Y = yj). j = 1.. 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 . Cunoscând probabilitaţile pij cu i = 1. rezultă ca există o valoare pij care caracterizează P(X = xi  Y = yj) = pij . ym P1m pi. i = 1. m . n şi j = 1.1. Dacă evenimentele (X = xi) şi (Y = yj) nu sunt independente. x\y y1 x1 … xi … xn pkj P11 … Pi1 … Pn1 n … yj … P1j … … pij … … … Pnj … n . cu i = 1. se pot determina repartiiile marginale ale variabilelor aleatoare X şi Y. Atunci: P[(X = xi). g(yj)). 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. … pim … m p ik k 1 … … … pnm … n …. care au probabilităţile de apariţie pi respectiv qj..k m p1k k 1 .2. m sunt independente. m sau repartiţia comună a variabilelor aleatoare X şi Y.3. n respectiv (yj. f(xi)).

n Atunci cX are repartiţia (cxi. f(xi)).4 0.4 0. ...2 0... y1 Y: m k 1 . f(xi)). pn Exemple: Fie X : 0 1 2 3 0. i = 1. m ym p km k 1 p k1 . OPERAŢII EFECTUATE ASUPRA UNEI VARIABILE ALEATOARE X Definiţii ● înmulţirea cu o constantă Fie c = ct. şi X o variabilă aleatoare discretă finita (simpla) cu repartiţia (xi.... i = 1.3 Repartiţia variabilei aleatoare 3X este 0 3 6 9 0.2 0. n deoarece P(cX = cxi) = P(X = xi) = f(xi).1 0. m yi p ki k 1 . sau daca X : x1 p1 x2 p2 . p n atunci cX : cx1 p1 cx2 p2 ..... c R. ..1 0...2.. cxn .. xn . 3. n xi pik k 1 .......3 70 .. n xn p nk k 1 p1k k 1 ...x1 X: n .2.

i = 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.4 0.2 0.4 0.3 02 12 22 3.1 0.3 0. f(xi).1 0. 1. f(xi). Atunci Xr are repartiţia (x ir .3 X2 = 1 4 9 32 = 0 0.2. cu i = 1.f(yj)). 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. şi X o variabilă aleatoare discretă finită (simpla) cu repartiţia (x i.4 0. unde X: Exemplu 0 1 2 3 0. Să se calculeze repartiţia variabilei aleatoare X2. f(xi)). i = 1. cu i = 1.2 0. n . m Definiţii Înmulţirea Daca X şi Y sunt variabile aleatoare independente atunci XY are repartiţia (xi yj.3.2 0. n şi j = j = 1.f(yj)).Definiţii ● Ridicarea la putere a unei variabile aleatoare Fie r R.1 0. m 71 . n şi j = 1. n . după cum variabilele sunt independente sau nu. f(xi)).

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

2 x0.3 0.8x0.2 0.6 Notam cu Z = X + Y Z: 0 0 0 1 0 2 1 0 1 1 1 2 0.2 0.48 .6 0.6 0. Să se determine repartiţiile marginale ale variabilelor X şi Y a caror repartiţie comună este X\Y 1 2 0 0.1 0.2 Completăm tabelul cu încă o linie şi o coloană aferente probabilităţilor P(Y=yj).2 0.6 0.2 0.8 şi Y : 0 1 2 0.12 0.2 x0. 73 .4 1 Repartiţia marginală a variabilelor aleatoare X şi Y va fi: X: 1 2 0.16 0.2 x0.8x0.16 0.2 0.2 0. Să se calculeze suma ca independente X şi Y unde: X: 0 1 0.3 0.2 0. respectiv P(X=xi) X\Y 1 2 P(Y=yj) 0 0.1 0.2 0.1 0.2 1 0.04 0.2 0.1 0.2 0.6 Z: 0 1 2 1 2 3 0.4 şi Y : 0 1 2 0.1 2 0.3 2 0.5 P(X=xi) 0.3 0.04 0.5 2.8x0.2 0.PROBLEME REZOLVATE 1.1 1 0.

Să se calculeze produsul variabilelor aleatoare independente X şi Y unde: X: 0 1 0.28.8 şi Y : 0 1 2 0.16.04+0. rezultă că P(z = 0) = 0.2 0.16= 0.2 x0.04+0.2 0.48 şi se verifica ca pi 1 3. Analog.2 0.12 respectiv 0.04 0.12+0.16= 0.04 0. rezultă că P(z = 1) = 0.6 Notăm Z = X x Y Z: 0 x0 0 x1 0 x2 1x0 1x1 1x2 0.04 0.48 şi se verifica ca pi 1 74 .8x0.2 0.16 0. pentru valoarea z = 2 a varaibilei aleatoare Z sunt listate doua probabilitati de realizare.2 0.36.04+0.12+0.2 0. 0.36 0.2 0.2 x0.8x0.16= 0.2 x0. Forma finală a variabilei Z va fi Z: 0 1 2 0.2. 0.12 0.04 respectiv 0. Deoarece pentru valoarea z = 0 a varaibilei aleatoare Z sunt listate patru probabilitaţi de realizare.16 0.Deoarece pentru valoarea z = 1 a varaibilei aleatoare Z sunt listate doua probabilitati de realizare.6 0.6 Z: 0 0 0 0 1 2 0.16 rezultă că P(z = 1) = 0.28 0.8x0.48 . Forma finala a variabilei Z va fi Z: 0 1 2 3 0.2 0.16 0.

P) un camp de probabilitate şi o variabilă aleatoara discretă X cu repartiţia (x i.REZUMAT Două variabile aleatoare X şi Y sunt independente dacă evenimentele (X = xi) şi (Y = yj). n . CARACTERISTICI NUMERICE ALE VARIABILELOR ALEATOARE. CARACTERISTICI NUMERICE ALE VARIABILELOR ALEATOARE DISCRETE Fie ( f(xi)). m sunt independente. cu i = 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. 3. 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. Cu două sau mai multe variabile aleatoare se pot efectua operaţii de adunare şi de înmulţire.3. COEFICIENTUL DE CORELAŢIE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. Atunci: P[(X = xi). n şi j = 1.3. care au probabilităţile de apariţie pi respectiv qj. 75 .i= 1. K.1.

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). Variabila aleatoare Z = X – M(X) se numeşte abaterea ( de la valoarea medie) a variabilei aleatoare X. Observatie Definiţii Se poate demonstra imediat ca M(Z) = 0. Momente Fie X o variabilă aleatoare discretă şi r N* . Se numeşte moment initial sau moment. Expected value) mărimea M(X) = k 1 xk f ( xk ) Proprietăţi M(X) are urmatoarele proprietăţi: M1) Daca X = c (constant). şi se notează cu Mr(X) valoarea M(Xr) = r xk f ( xk ) k 1 Observaţie M1(X) = M(X) 76 . atunci M(X) = c Daca X este variabilă aleatoare discretă şi a.Definiţii Se numeşte valoare medie a lui X sau speranţa matematică (eng.

Fie v.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 . momentul de ordinul r al abaterii X – M(X).a X cu dispersia D2(X) şi a. atunci oricare ar fi constantele a. CARACTERISTICI NUMERICE ALE VARIABILELOR ALEATOARE CONTINUE Fie ( repartiţie f(x) . valoarea medie a variabilei aleatoare X . 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. 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). K. şi se notează cu D2(X). şi se notează cu Mr( X ). D2(X) = M(X2) – [M(X)]2 D2. Atunci 3. Daca X şi Y sunt variabile aleatoare independente având dispersiile D2(X) respectiv D2(Y).Definiţii Se numeşte moment absolut de ordin r.2. momentul centrat de ordinul 2 al varaibilei aleatoare X. (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. 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.

78 .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.

2 Daca X şi Y sunt doua variabile aleatoare cu dispersii finite şi nenule. K. Se numeşte corelaţie sau covarianţă a variabilelor aleatoare X şi Y marimea cov(X. Y ) 1.3. Y) = M[(X-m1)(Y-m2)] Se numeşte coeficient de corelaţie al variabilelor aleatoare X şi Y mărimea: ( X . Definiţie . C3. Y ) 1. 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. P). Y ) D( X ) D(Y ) Formula pentru calculul coeficientului de corelaţie este: (X .Y ) cov( X . ( X . 2 Intre variabilele aleatoare X şi Y exista o relaţie liniară dacă şi numai dacă ( X .Y ) 0. 79 .4. Daca X şi Y sunt variabile aleatoare independente. 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.Y ) cov( X . C2. atunci ( X .

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

8 şi Y2: 1 4 0.Y ) 1.8 şi M(Y2)=2.5 0.16 D(X) = 0.8 1.5 –(1.4 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)=0.3 0.5 2.5 Atunci XY: 0 1 2 0.8)2 = 0.1 0.5 0. Fie X şi Y variabilă aleatoare simple cu repartitiile: X: 0 1 0.3 + 2 x 0.3 P(XY=2) = P(X=1 şi Y=2) = 0.2 0. Folosind formula D2(X) = M(X2) – [M(X)]2 vom avea: D2(X) = 0.4 D2(Y) = 2.3 0.2 P(XY=1) = P(X=1 şi Y=1) = 0.5)2 = 0.2 0.8 şi Y: 1 2 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 0.8-(0.5 0.5 cu M(X2) = 0.2 + 1 x 0.5 Atunci ( X .5 81 .5.5 0.25 şi D(Y) = 0.5 = 1.5 M(XY) = 0 x 0.2 0.2 0.

Y ) M ( XY ) M ( X ) M (Y ) D( X ) D(Y ) M(X) = 0 x 0.8 M(Y) = 1 x 0.5 1 P(Y=yj) 0.5 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)=0.2 + 1 x 0.5-p p 2 P(X= xi) p-0.2 1 2 p p 0.2 + 1 x p + 2 x (0.8-p Atunci XY: 0 0.8 = 0.5 + 2 x 0.8-p 0.5 = 1.8 0.5 X şi Y sunt necorelate daca ( X .3 0.8 M(XY) = 0 x 0.2 P(XY=1) = P(X=1 şi Y=1) = p P(XY=2) = P(X=1 şi Y=2) = 0.8-p) = 1.Daca P(X = 1. Unde ( X .6 – p 82 .Y ) 0. Y= 1) = p să se afle valoarea probabilitatii p pentru care v ariabilele aleatoare X şi Y sunt necorelate.2 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)2 = 0.5)2 = 0.5 0.8 şi Y2: 1 4 0.5.5 Atunci ( X .2 0.25 şi D(Y) = 0.5 cu M(X2) = 0.2 Ș i din condiţia ( X .4 2 0.4 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 .1 0.Y ) 1.5 –(1.Y ) 0 vom avea p=0.4.16 D(X) = 0.4 p 0.8 şi M(Y2)=2.6 p 0.8-(0. Folosind formula D2(X) = M(X2) – [M(X)]2 vom avea: D2(X) = 0. X\Y 0 1 1 0.8 1.5 0.4 D2(Y) = 2.5 0.4 0.1 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.

TEMA DE CONTROL A UNITĂŢII DE ÎNVĂŢARE NR.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 .6 84 .2 0 Pi 0. Se cunosc următoarele date ale repartiţiei comune a variabilelor X ș i Y x/y -1 A 2 qj 0.5 0.Y ) 3. 3 PROBLEME PROPUSE 1. Y ) D( X ) D(Y ) Se numeşte coeficient de corelaţie al variabilelor aleatoare X şi Y mărimea: ( X .5.

4.5 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. Se cunosc următoarele date ale repartiţiei comune a variabilelor X ș i Y x/y -1 0 2 qj 0.Dacă M(X) = 0. să se calculeze P((X<0) si (Y>0)). 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.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 2.6 2k 1 pi k 0. Să se calculeze suma varaibilelor aleatoare simple X şi Y a căror repartiţie comună este dată de tabelul: 85 .

3 2 0 0.1 0 0 5. Trebuie să calculăm probabilităţile cu care variabilă aleatoare X + Y poate lua aceste valori.3 2 0 0. 3.2 0.1 0 1 0 0. 5. adică h(xi. Fie X şi Y variabile aleatoare discrete finite (simple) cu următoarea repartiţie comună Y\X 1 2 3 0 0.1+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 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.yj): P(X + Y =1) = P(X=0 şi Y=1) = 0.2 0 3 0. Variabila aleatoare X + Y poate lua valorile 1.2 P(X + Y =2) = P(X=0 şi Y=2) sau P(X=1 şi Y=1) = 0. 2. 6 (xi + yj).1 0 0 să se calculeze repartiţia variabilei aleatoare XY RĂSPUNSURI 1.3+0.2 0.Y\X 1 2 3 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) = 0.1 0.2 0 3 0.1=0.1 0 1 0 0. 4.1+0=0.1 0.2+0.

adică h(xi.1. 3.2+0.1+0=0. 6. 87 .1 P(XY =3) = P(X=1 şi Y=3) sau P(X=3 şi Y=1) = 0. Variabila aleatoare XY poate lua valorile 0.1= 0. Să se definească o variabilă aleatoare şi să se exemplifice variabile aleatoare care se pot ataşa proceselor economice.2 0.1 0.4 0.2 şi se verifică că pi 1 ÎNTREBĂRI DE CONTROL 1. 9 ( adică xiyj). 2.yj): P(XY=0)=P(X=0şiY=1) sau P(X=0 şi Y=2) sau P(X=0 şi Y+3)=0.4 P(XY =4) = P(X=2 şi Y=2) = 0. Trebuie să calculăm probabilităţile cu care variabilă aleatoare XY poate lua aceste valori.1=0.3 0.1 0. 2.3 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) = 0.3+0.X+Y: 1 2 3 4 0.2 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. Să se definească funcţia de repartiţie a unei variabile aleatoare şi densitatea de repartiţie.6 şi se verifica ca pi 1 2.1 0. 4.

Să se determine p 0 pentru care X : discretă. 1 p 0 1 2 p 1 3p 2 reprezintă o variabilă aleatoare 1 2.5 să se afle repartiţia comună a variabilelor aleatoare X şi Y b) să se calculeze X + Y. Se cunosc următoarele date ale repartiţiei comune a variabilelor X ș i Y x/y 0 -1 -2 qj 0.LUCRARE DE VERIFICARE 1.3 1 Pi k 0. XY. Fie X şi Y variabilă aleatoare simple cu repartiţiile: X: 1 0 0.3 a) dacă P( X = -1 şi Y = -1) = 0.5 0. 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.2 0.6 Să se completeze tabelul repartiţiei comune ș i să se determine valorile posibile ale lui k 88 . 2X şi Y2 4.5 şi Y : 1 1 0. 3.

XY c) să se calculeze ( X .1 p q 0. Fie X: 0 3 p 2q 2 p 2 a 1. 5X+3Y.2 0. M(3X+2).8q 0.3. Fie X şi Y variabile aleatoare simple cu repartiţiile: X: 0 1 0.8 şi Y: 1 2 0. 3 1.D2(2X+5Y) 2. Se consideră două variabile independente X: 1 0 1 0. 3.1 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= 1) = 0.4 2q 2 p a) să se determine p şi q b) să se calculeze 2X.8 pentru care se cunosc: M(2X) = 1. TESTUL DE AUTOEVALUARE NR.8q 0.5 0.3 şi Y: 1 2p 2 b 1.6. să se calculeze coeficientul de corelaţie al variabilelor aleatoare X şi Y.8 şi P(X=0 şi Y = -1) = 0.5.5 Dacă P(X = 0. Y4.6 şi Y: 1 0.Y ) d) să se calculeze M(5X). M(3Y) = 1.

6 Y4: 1 16 0.3 0.3 şi –p+2q= 0. adică p+q = 0.3x0.6 b) 2X: 2 0 2 0.3 0.06 0.3 şi p=0 Variabilele X şi Y vor fi: X: 1 0 1 0.4 0.36 90 .18 0.18 0.6 0.04 0.4 0.6 0.6 5X+3Y: 5 0 5 + 3 6 = 5 3 5 6 0 3 0 6 5 3 5 6 0.6x0.1 0.6 XY: 1 2 0 0 1 2 0.6 = 1 şi 0.6 0.6 0.1x0.06 0.4 0.4 0.1x0. a) Din definiţia variabilei aleatoare ș tim că 0.4 0.12 0.4 0.6 0.06 0.6x0.4 0.3 0.6 obţinem q=0.24 0.1 0.4 0.1x0.1 0.6 0.04 0.3 0.36 XY: 2 1 0 1 2 0.3 0.3x0.36 XY: 1x1 1x2 0x1 0 x2 1x1 1x2 0.6x0.3x0.1x0.4 +2q-p =1.1+p+q+0.24 0.RĂSPUNSURI 1.4 0.04 0.6 5X+3Y: 2 1 3 6 8 11 0.6 Rezolvând sistemul p q p 2q 0.6 şi Y: 1 2 0.12 0.6x0.3x0.24 0.

1 + 0x0.Y ) 0.7 – (0.Y ) M ( XY ) M ( X ) M (Y ) D( X ) D(Y ) M(X) = -1x0.5 x1.8 0.5 M(Y) = 1x0.04 + 0 x 0.36 = 0.45+25x0.4 + 2x0.3 + 1 x 0.24=7.45 x0.6 = 0.24 (X .8q +0.6 M(XY) = (-2) x 0.5 +2 = 3.24 0 d) M(5X) = 5M(X) = 5 x 0.c) ( X .8 M(X2) = 0 x 0.8q + 0.8 D2(X) = 0.45 D2(Y) = 2.3 + 1x0.7 M(Y2) = 1 x 0.8 – (1. Ştim că 3p + 2q + 2p2 + 1.6)2 = 0.5 = 2.7 = 0.6 = 1.3 + 1 x 0.3 = 1 şi 2p2 + 1.4 + 4 x 0.06 + (-1) x 0.8 = 1 91 .6 = 2.5 M(3X+2) = 3M(X) +2 = 3x0.8 2.24 +2 x 0.5 D2(2X+5Y) = 4 D2(X) + 25D2(Y) = 4x0.6 0.5)2 = 0.

7 2.25 4 p2 2. deci X: 0 a 0.8q 2p 2 0.5 0.2 1.25 = 0.25 sau 2p2 -2.7p + 0.7p=-0.25 şi q1 = 1.8q Înmulţind prima ecuaţie cu (-0.1 vom avea 3p+2q = 0.Rezolvăm sistemul 3 p 2q 2p 2 0.7 p 1. Dacă p2 = 0.25 5.5 şi Y: 1 b 0.7) 2 4 x 2 x0.5 + a x 0.1 Pentru a determina repartiţiile marginale ale variabilelor X şi Y ne trebuie valorile 3p+2q şi 2p2+1.9) obţinem: 2. (2.625 3p+2q = 7.45 0.5) = a 92 .8q şi scăzând cele două ecuaţii vom avea: 2p2 -2.5 0.1 şi q2 = 0. Dacă p1 = 1.2 0.625 respectiv q2 = 0.3 1.3 4 0.7 2.1 Ș i q1 = 1.2 1.2 .8q.5 şi 2p2+1. valoare care nu convine deoarece 3p+2q trebuie să fie subunitara reprezentând o probabilitate.3 p1 2.8 M(2X) = 2M(X) = 2(0 x 0.8q = 0.29 şi 2.

8)=0.6 +2.8 Repartiţia comună a variabilelor X şi Y este X\Y 0 1 -1 0.2+bx0.5 0.2 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)= 0.1 0.1 1 0.5 1 P(Y=yj) 0.8 şi b=1 Atunci.8 şi P(X=0 şi Y=1) = P(X=0)P(Y=1) P(X=1 şi Y=-1)= 0.1 P(X=1)P(Y=-1) = 0.4 P(X=0)P(Y=1) = 0.6+2. X: 0 1 0.Ș i M(2X) = 1 deci a = 1 M(3Y)=3M(Y)=3(-1x0.2 şi P(X=1 şi Y=-1) = P(X=0)P(Y=-1) 93 .5 şi Y: 1 1 0.5 0.8 deci -0.2 0.1 P(X=0) = 0.4b Ș i M(3Y) = 1.4b = 1.5 P(Y=-1) = 0.5x0.8 P(X= xi) 0.4 0.2 deci se verifică relaţia P(X=0 şi Y=-1)= P(X=0) P(Y=-1) P(X=0 şi Y=1) = 0.5x0.4 0.

8 şi P(X=1 şi Y=1) = P(X=0)P(Y=1) Si X şi Y sunt independente. Matematici pentru economişti . Editura Cison. 3 1. Bucureşti. Cison. Cison.culegere de probleme. Matematici pentru economişti. BILIOGRAFIA SPECIFICĂ UNITĂŢII DE ÎNVĂŢARE NR. 2000 94 . 2010 2. Matematică economică I.7. Mitroi Andreea . 3. Cenuşă Gheorghe (coord).4 P(X=1)P(Y=1) = 0.P(X=1 şi Y=1)= 0.5x0. Cenuşă Gheorghe (coord). 2000 3. Ed. Ed.

Maximizarea unei funcţii obiectiv pentru care toate restricţiile au semnul “ ” 95 . 4 PROBLEME DE PROGRAMARE LINEARĂ Timp mediu necesar pentru studiu: 7 ore Bifează sarcinile de lucru rezolvate.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: 4.1.2. Algoritmul Simplex bidimensional 4. Metoda grafică de rezolvare a problemelor de programare lineară bidimensională 4. Probleme de programare lineară cu 2 variabile (programare lineară bidimensională) 4.1.3. Formularea problemei de programare lineară bidimensională 4.1. Formularea unei probleme de programare lineară (elementele unei probleme de programare lineară) 4.2.1.UNITATEA NR.1.

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. 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. Bibliografia specifică unităţii de învăţare nr. şi urmareşte optimizarea unor funcţii (de 2 variabile în cazul de faţă) în raport cu anumite restricţii (condiţii) impuse de natura proceselor.3. De exemplu. Minimizarea unei funcţii obiectiv pentru care toate restricţiile au semnul “ ” (problema duală) 4.1. Testul de autoevaluare nr. Rezolvarea problemelor de programare lineară multimdimensională 4.4. Tema de control a unităţii de învăţare nr.2.1.5. 4 4. 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. FORMULAREA PROBLEMEI DE PROGRAMARE LINEARĂ BIDIMENSIONALĂ Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. Optimizarea funcţiilor se referă la găsirea acelor valori ale variabilelor care să maximizeze sau să minimizeze funcţia studiată. 4 4. în funcţie de natura acesteia.7. 4 4.1. iar în cazul unei funcţii a costului obiectivul va fi minimizarea lui.6. dacă vorbim de o funcţie a profitului.

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

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. Să se găsească cantitatea optimă care trebuie produsă din fiecare tip de jucarie pentru a maximiza profitul companiei.P. Construirea modelului P.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. 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.profitul estimat a fi obtinut din vanzarea jucăriilor este de 5 lei pentru jucăriile albe şi 8 lei pentru jucăriile negre. . 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: .L. 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. adică: 1x1 + 2x2 32 98 .

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

● O problema de programare lineară poate să aibă o infinitate de soluţii (optim infinit). 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.● O soluţie de bază se poate obţine dintr-o soluţie posibilă în care variabilelor nonbazice le dam valoarea 0. x4 x3 32 x4 84 0 100 . cel putin o soluţie optimă (optim finit) sau nici o soluţie. x3. Să se aducă la forma standard următoarea problemă de programare lineară [Max] P(x1. x2 . PROBLEME REZOLVATE 1.x2)= 5x1+8x2 x 1 + 2x 2 3x1 + 4x 2 x1.x2)= 5x1+8x2 x 1 + 2x 2 3x1 + 4x 2 x1. 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. ● O soluţie posibilă care realizează optimul funcţiei obiectiv se numeşte soluţie optimă.

x 2 ) care satisface restricţiile problemei şi condiţiile de nenegativitate. Forma standard a unei probleme de programare lineară este [Opt]f(x1. 0 sunt condiţiile de nenegativitate care se impun variabilelor de decizie. ● ai1x1 + ai2x2 ● xi ci reprezintă sistemul de restricţii sau constrângerile problemei sau condiţiile impuse variabilelor de decizie. n ● Se numeşte soluţie posibilă sau soluţie realizabilă sau soluţie admisibilă a unei PPL orice 0 pereche ( x10 . ● O soluţie de bază se poate obţine dintr-o soluţie posibilă în care variabilelor non-bazice le dam valoarea 0.x2) = a1x1 + a2x2 cu şi xi 0 ai1x1 + ai2x2 ci sau ai1x1 + ai2x2 ci ( deoarece studiem variabile economice.P. ● O soluţie posibilă a unei PPL este soluţie de bază dacă este formată din soluţiile corespunzatoare variabilelor de bază.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.L) bidimensionala este: [Opt]f(x1. ● f(x1. acestea vor avea întotdeauna valori pozitive) unde: ● x1 şi x2 se numesc variabile de decizie. i 1.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 . 101 . m xj 0 cu j = 1.

Algoritm Se determină grafic mulţimea soluţiilor posibile. x2 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 + x2 = 8 şi x1 + 2x2 = 10. se determină vârfurile poligonului rezultat. METODA GRAFICĂ DE REZOLVARE A PROBLEMELOR DE PROGRAMARE LINEARĂ BIDIMENSIONALĂ Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare.4. 102 .2. 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. Dacă mulţimea soluţiilor posibile este nevidă.

8/3) şi C(0.Sau x1 = 8 -1/2x2 pentru prima ecuaţie şi x1 = 10 -2x2 pentru a două ecuaţie.0) = 0. F(8/3.0)= 24 care este soluţia problemei. şi anume punctele O(0. 8/3) = 64/3 şi F(0. adică valoarea maximă a funcţiei obiectiv este 24 şi se atinge pentru x1 = 4 şi x2 = 0. Soluţia problemei este aria haşurată din imaginea de mai jos Pasul 2 Deoarece mulţimea soluţiilor este nevida.0) = 24. x2 5x2 3x 2 50 27 0 103 . B(8/3. [Min]F = 16x1 + 45x2 2 x1 x1 x1.0). Pasul 3 PROBLEME REZOLVATE 1. A(4.0).4) = 8 Si alegem valoarea cea mai mare. 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. respectiv valoarea F(4. F(4.

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

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

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

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). In acest scop vom efectua urmatoarele operatii: l2 -4l1 şi l3 +80l2 şi vom avea: Sol. respectiv linia 1. s2 şi P. 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. 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. determinăndu-se astfel coloana pivotului.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. Linia corespunzatoare acestei valori va fi linia pivotului. 109 . şi este elementul cu valoarea 2.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. Sol. x2. Observam că cea mai mică valoare de pe ultima linie este -80 ceea ce determină coloana pivotului că fiind coloana lui x2.Pasul 3 Alegerea pivotului Se alege de pe ultima linie valoarea cea mai mică .

variabilele bazice sunt x2 şi x1 (aflate pe prima coloana). 0. 20) petru care F = 1280. s1 = 0. Se alege coloana pivotului că fiind coloana care conţine cea mai mică valoare de pe ultima linie. s2 = 0 Ș i [Max]F =1. se reia algoritmul de la Pasul 3.480 110 . 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.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. rezultand tabelul: Sol. 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. x1 = 20. Sol. Soluţia optimă va fi x2 = 6. 16. care este 20. iar valoarea pivotului este 1. respectiv coloana lui x1. (valorile soluţiilor de bază se ciesc pe ultima coloana că şi valoarea funcţiei obiectiv.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. Se împart elementele de pe ultima coloana la coloana lui x 1 şi se identifica cea mai mică valoare pozitiva. algoritmul este finalizat. Pasul 5 Citirea soluţiei Observam că în ultimul tabel.

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

Pasul 4 Pasul 5 Se rezolva problema duală folosind algoritmul simplex In situatia în care problema are soluţie. Exemplu [Min]F = 16x1 + 45x2 2 x1 x1 5x2 3x 2 50 27 x1. aceasta se gaseste pe ultimul rand al algoritmului simplex. 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 .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.

(soluţia de bază se identifica alegand din coloanele tabelului acele variabile care contin un element egal cu 1 şi restul elementelor 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). Sol. şi vom alege aceste variabile că fiind variabile bazice. observam că pe coloana varaibilelor x1.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 . Atunci când se selecteaza varaibilele de bază. În cazul nostru. x2 şi F există un singur element egal cu 1 restul elementelor fiind 0. Observaţie Este importantă notarea variabilelor reziduale la fel că necunoscutele problemei iniţiale. ● în prima coloana trecem variabilele de compensare care formeaza o soluţie de bază a problemei. în vederea citirii soluţiei finale.[Max] F = 50x1 + 27x2 2 y1 5 y1 y2 3 y2 16 45 cu y1. 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. valoarea acestora pentru a obţine o soluţie de bază se citeste pe ultima coloana iar celorlalte variabile li se atribuie valoarea 0.

Observam că cea mai mică valoare de pe ultima linie este -50 ceea ce determină coloana pivotului că fiind coloana lui y1. 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. determinăndu-se astfel coloana pivotului. respectiv pe coloana lui x1. Sol.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 . respectiv linia 1. Linia corespunzatoare acestei valori va fi linia pivotului. şi este elementul cu valoarea 2.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. Pivotul se va afla deci la intersectia liniei 1 cu coloana corespunzatoare lui x2.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). Sol.Pasul 3 Alegerea pivotului Se alege de pe ultima linie valoarea cea mai mică . În acest scop vom efectua urmatoarele operatii: l2 -5l1 şi l3 +50l1 şi vom avea: Sol. se imparte linia pivotului (linia 1) la valoarea pivotului obtinand pentru acesta valoarea 1.

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

Deoarece toate elementele de pe ultima linie sunt pozitive.x2 0. 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.să adunăm o variabilă reziduală primei inecuaţii 116 . Citirea soluţiei Observăm că în ultimul tabel. variabilele bazice sunt y1 şi y2 (aflate pe prima coloana). y2 = 10. algoritmul este finalizat. Soluţia optimă a problemei de maxim va fi y1 = 3. 10 4 În vederea formării ecuaţiilor asociate problemei trebuie: . 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. x1 = 0.

t.x1 + x2 + s = 10 . pentru a ne asigura de fezabiliatea soluţiilor de bază.a 0.2 x 2 + F = 0 x 1 . Sistemul de ecuaţii asociat devine: 117 .s. Variabilei artificiale i se impune aceeasi conditie de ne-negativitate. x 2 .x 2 . în ecuatia asociata acesteia se scade valoarea Ma. deci o soluţie de bază este (0. considerand M că o valoare foarte mare. În vederea aplicarii algoritmul simplex este necesar că soluţiile de bază să fie fezabile. 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.0. s.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 . se introduce în toate ecuaţiile în care apar variabile “surplus” (adica în toate ecuaţiile asociate inegalitatilor cu semnul ) o variabila artificiala a. De exemplu pentru x1 = x2 = 0 obţinem s = 10 şi t = -4. Astfel. Pentru a inlatura problema generata de nerespectarea condiţiilor de ne -negativitate.10.t = 4 .-4) dar aceasta soluţie nu este fezabila deoarece t trebuie să fie pozitiv. Deoarece variabila artificiala ar putea influenta valoarea optimă a funcţiei obiectiv.x2. problema devine: [Max]F = x1 + 2x2 – Ma x1 + x2 + s = 10 x1 – x2 – t + a = 4 x1.x1 .

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

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

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 . 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.PROBLEME REZOLVATE 1. 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. x2 Pasul 1 0. Să se rezolve: [Max] F = 3x1 + 5x2 2 x1 x1 x2 2 x2 x1 .

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. problema iniţială nu are soluţie. s2 = 0. Dar. deoarece a1 0 . şi soluţia optimă a problemei modificate este: X1 = 0. 121 . 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. x2 = 4.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. s1 = 0. Var.baz.baz. a1 = 2 şi [Max]F = -2M+20.

4. Determinarea soluţiei optime Citirea soluţiilor problemei.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. 122 . în funcţie de tipul problemei. 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.

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

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

baz. x 2 . identificând pivotul la intersecţia coloanei lui x3 cu linia a doua şi împărţinm linia a doua la valoarea pivotului. respectiv 5 pentru a obţine valoarea pivotului 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. Să se rezolve: [Max] F = 5x1+2x2-x3 x1 2 x1 x2 4 x2 x3 3 x3 0 10 30 x1 . 125 . 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.baz. 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.PROBLEME REZOLVATE 1. Var. Operaţiile efectuate în vederea transformării lui x1 în variabila bazica sunt l2-2l1 şi l3+5l1.

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 .Var.800 y2 + 400 y3 + 900 y4 126 . 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. 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 . 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.baz. x3 . x2 =0 şi x3 =2. 2.baz. x 2 .

y3 .baz.y1 y3 y1 y 4 Cu y 2 y3 y2 y4 y1 . 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 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. 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. Efectuăm operaţiile l4-l2 Var.baz. 127 . y1 X1 Y4 X3 X4 F -1 -1 0 1 şi l5+900l2 pentru a-l transforma pe y4 în variabilă bazică. y 2 . Pentru transformarea lui y3 în variabilă bazică efectuăm operaţiile l1-l3 şi l5+400l3.

y3 = 3.700 Soluţia problemei iniţiale (de minim) se citeşte pe coloanele tabelului simplex şi este: x1 = 0. 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. având pivotul la intersecţia dintre coloana lui y1 şi linia a patra.baz. l2+l4 şi l5+300l4. y2 = 0. Operaţiile care se efectuează sunt: l1+l4. y4 = 7.Var.baz. x2 = 0. Var. 128 . x3 =0 şi x4 = 0 cu [Max]F =5. 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. continuăm algoritmul. x1 = 5.

prin operaţia l4 –Ml2 şi prin eliminarea valorii M de pe coloana lui a2 prin operaţia l4-Ml3. pe care le vom obţine prin eliminarea valorii M de pe coloana lui a1. 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 .x2 = 600. x3 = 400 şi x4 = 300 cu [Min] F = 5. x 2 . s1 . s 2 . Să se rezolve: [Max] F = x1 – x2 +3x3 x1 x2 20 x1 x3 5 x 2 x3 10 x1 .700. 129 . x3 . 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. 3. x 2 . a1 .

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. iar linia pivotului este linia a doua. a2 = 10 F = -15M. Aplicăm algoritmul simplex.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 . a1 = 5. s1 =20. Coloana pivotului este coloana lui x3.Var.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. pivotul fiind marcat în tabel: Var. x3 = 0. deci soluţia de bază este fezabilă. x2 = 0.

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

bi 0 xj 0. multidimensionale n [Max] F = j 1 cjxj n aij x j j 1 bi . 4 PROBLEME PROPUSE 1. TEMA DE CONTROL A UNITĂŢII DE ÎNVĂŢARE NR. 1 i n m. 1 i 4.P.bi 0 xj 0. 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 .5.REZUMAT Forma generala standard a P. 1 i j n m.L. 1 Sau pentru probleme de minim: n [Min] F = j 1 cjxj n Cu aij x j j 1 bi .

Regimul unui diabetic trebuie să conţină în mod obligatoriu două alimente A şi B.000 euro şi necesită 5 angajati.000 euro şi necesită 2 angajaţi. 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). Care este numărul optim de vehicule din fiecare tip care trebuie închiriate în vederea minimizării costurilor de transport? 3. Care este combinaţia optimă a portofoliului în vederea maximizării profitului obtţnut din investiţie? 4.000 lei în acţiuni şi obligatiuni. 10 unităţi de fier.000 lei şi fiecare microbuz poate transporta 10 persoane şi costul închirierii pe o săptămână este de 900 lei. Fiecare autocar poate transporta 40 de persoane şi costul închirierii pe o săptămână este de 4. Costul înfiinţării unei sucursale este de 100. Un investitor doreşte să investească suma de 50.000 euro şi iș i propune înfiinţarea de sucursale şi agenţii în România. 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. Cantitatea zilnică minimă necesară este de 300 unităţi de calciu. şi 6 unităţi de colesterol şi în 100g de aliment B există 5 unităţi de calciu.000 euro pentru agentii. O bancă dispune de un buget de dezvoltare de 1.000 euro pentru sucursale şi de 125.000. În 100 g de aliment A există 25 unităţi de calciu. O agenţie de turism planifică organizarea unei excursii în Grecia pentru care poate inchiria autocare şi microbuze. Care este numărul maxim de sucursale şi agentii care poate fi deschis în vederea optimizarii profiturilor băncii? 5. 25 unităţi de vitamina A şi 8 unităţi de colesterol. iar costul înfiinţării unei agenţii este de 50. 10 unităţi de fier. 120 unităţi de fier şi 200 unităţi de vitamina A.2. Veniturile anuale estimate a fi obţinute sunt de 400. fier şi vitamina A în condiţiile unui aport minim de colesterol? 133 . Banca nu poate angaja mai mult de 100 persoane şi nu poate deschide mai mult de 20 de unităţi noi. 5 unităţi de vitamina A. Care este cantitatea optimă de alimente A şi B care trebuie să alcatuiască dieta pentru a respecta condiţiile impuse pentru calciu.

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

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

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 . 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. 2. x 2 . 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 . 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.baz. x2 = 5 si s = 0. s. 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 .baz.baz.Var. t 0 Var.

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 . 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.Var.baz. t = 0. 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. 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 . 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. 3.baz.baz. x2=2 si s = 0.baz.

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. 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.Var.baz. t = 0.baz. 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 . 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. x2 = 5 si s = 0.baz. b) Forma standard a problemei este: 138 .p=0.

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

5. x 2 0 Var. x1 . 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 . y1 . 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 . 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.baz. y 2 .baz. 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.

Profitul companiei este de 3 lei pentru becurile de 100 W şi 4 lei pentru becurile de 200W.Soluţia optimă a problemei duale de maxim este: Max F = 24 pentru y1 = 2. Definiţi forma standard a unei probleme de programare lineară. 8. (y1 = y2 =0) 6. şi fiecare bec de 200 W necesită 2. [Max]F = 12 pentru y1 = 3/2 si y2 = 0 si [Min] F = 12 pentru x1 = 4 si x2 =0. Numărul maxim de ore de muncă este de 80 pentru producţie şi 20 pentru ambalare. [Max]F = 6 pentru y1 = 0 si y2 = 1 si [Min] F = 6 pentru x1 = 6 si x2 =0. Ce reprezintă funcţia obiectiv a unei probleme de programare lineară? LUCRĂRI DE VERIFICARE 1. 3.5 ore pentru producţie şi 1 oră pentru ambalare. 7. Care este importanţa programării lineare în modelarea matematică a fenomenelor economice? 2. Fiecare bec de 100 W necesită 2 ore pentru producţie şi 1 ora pentru ambalaj. ÎNTREBĂRI DE CONTROL 1. Care este combinatia optimă de produse din fiecare tip care poate fi fabricăta zilnic pentru maximizarea profitului? 141 . 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. O firmă produce două tipuri de becuri: de 100W şi de 200W. [Max]F = 180 pentru y1 = 15 si y2 = 0 si [Min] F = 180 pentru x1=0 si x2 =12.

[Max] F = 8x1 + 7x2 4 x1 3 x1 3x2 4 x2 0 24 8 x1 . 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. x 2 4. O firmă produce două modele de căni: de cafea şi de apă. x 2 5. [Max] F = x1 + x2 142 .2. [Max] F = 8x1 + 7x2 4 x1 3 x1 3x2 4 x2 0 24 8 x1 .

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

baz. 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. 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.REZOLVARE 1. 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.baz.Algoritmul simplex este: Var.

x2 = 5 valoarea funcţiei este F = 21. 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.baz.baz. 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 .Pentru x1 = 3 . 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.baz. 2. Algoritmul simplex este: 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.baz. deoarece algoritmul simplex nu se poate finaliza. 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