cultatea

UNIVERSITATEA HYPERION DIN BUCUREŞTI
FACULTATEA DE ŞTIINŢE ECONOMICE

Matematică aplicată în economie
- SUPORT DE CURS ÎN FORMAT ID

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

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

2

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

97 102 105 106 111 122 132 143 146 147 148

3

Introducere Cursul se adresează studenţilor Facultăţii de Stiinţe Economice. 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. Obiective aferente dezvoltării de competenţe funcţional acţionale Dezvoltarea aptitudinilor de aplicare a metodelor de rezolvare a problemelor. 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. teoriilor şi metodelor specifice matematicii economice formularea de demersuri profesionale Dezvoltarea capacitătii de sintetizare şi interpretare a unui set de informaţii. 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. 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 . 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.

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

1. Generalităţi. Determinarea drumurilor hamiltoniene în grafuri fără circuite 1.UNITATEA NR. Determinarea drumurilor optime într-un graf 6 .2. Determinarea drumurilor hamiltoniene în grafuri cu circuite 1. Matricea asociată drumurilor unui graf 1. Generalităţi 1. 1 ELEMENTE DE TEORIA GRAFURILOR Timp mediu necesar pentru studiu: 7 ore Bifează sarcinile de lucru rezolvate.3.1. 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: 1.2. Matricea asociată drumurilor unui graf 1.1.1.4.

xj) ● Pentru arcul (xi. xn} şi o funcţie F:X P(X) care asociază fiecărui element xi X.F) se numeşte graf. Testul de autoevaluare nr.. n . i = 1. xj) F(xi) formează un arc al grafului. X x X / xj F(xi) } reprezintă mulţimea arcelor grafului G = (X. Bibliografia specifică unităţii de învăţare nr. xi este extremitatea iniţială şi xj extremitatea finală. x2. o submulţime F(xi) P(X).7.j =1. ● Arcul cu extremitatea iniţială xi se numeşte incident exterior lui xi. 7 .. xj). xi) se numeşte buclă.1.1.1. ● Mulţimea arcelor incidente exerior lui xi se notează A+(xi). ● Elementele xi X se numesc vârfuri sau noduri ale grafului. ● Două arce sunt adiacente dacă au o extremitate comună.6. 1 1. i..1. MATRICEA ASOCIATĂ DRUMURILOR UNUI GRAF Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. Tema de control a unităţii nr. GENERALITĂŢI.1 1. F(xi) atunci (xi. n . cu proprietatea că xj ● Submulţimea A = { (xi. ● Două vârfuri xi şi xj sunt adiacente dacă xj ● Dacă xi.. A. 1 1. Cuplul G = (X.5. 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. ● O pereche de vârfuri (xi. GENERALITĂŢI Definiţii ● Fie o mulţime finită X = {x1.F). F(xi) sau xi F(xj) .

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

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

n. x j 0. organizarea sistemelor informaţionale).1. x2 x3 x4 x5 x6 Cu ajutorul matricei booleene a grafului. j 1. xi .cu circuite sau fără circuite. Definiţie Se numeşte matricea drumurilor grafului G sau a “conexiunilor totale” matricea booleana D = (dij)i. daca in G ( X . MG (vezi exemplul anterior) Folosind matricea latină. iar informaţiile despre tipul de graf sunt date de matricea D a drumurilor.j=1.2. unde dij= 1. X . Informaţiile pe care le oferă această matrice sunt legate atât de existenţa sau inexistenţta circuitelor cât şi de numărul de circuite si drumuri existente. 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. 6.x1 5. i. F ) exista cel putin un drum de la xi la x j . logistică. 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. 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.xj) şi 0 în caz contrar. n in caz contrar 10 .

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

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

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

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

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

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

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

rezultatul operaţiei se consemnează scriind consecutiv vârfurile care intervin în calcul (obligatoriu cu mentinerea ordinei în care apar vârfurile). 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 2.1. r N*. 2. c2) atunci când se inmulţeşte un arc din matricea T(1) cu un vârf din matricea T(0). T(2) = T(1) L T(0) 18 . Matricea T(m). Pasul 4 Fie T(2) = T(1) L T(0) Introducem relaţia de recurenţa T(r + 1) = T(r) L T(0). 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.

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

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

a2.xn} un graf orientat finit. Fie G = {x1. Fie drumul d = (a1. fixat. (Valoarea drumului este egala cu suma valorilor arcelor care-l compun..). 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. ….. pentru fiecare nod al grafului. 21 . . xj). x2. . p Definiţie ● Mărimea v(d) definită prin egalitatea v(d) = k 1 v ( a k ) se numeşte valoarea drumului d. Dacă se doreste listarea drumurilor de valoare optimă intre oricare două noduri se aplica algoritmul pe rand. lungimea drumului fizic intre două puncte etc. Presupunem că am numerotat nodurile astfel încât nodul spre care căutăm drumurile de valoare optimă de la celelalte noduri să fie xn. ap). Ipoteză: Drumul optim este format din arce ai final xn.productivitatea muncii într-un loc de munca. 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. costul sau durata transportului pe ruta (xi. unde ak reprezintă un arc component al drumului.

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

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

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

j 1. .(1 ) Calcularea lui v 1 : se adună linia v i( 0 ) cu linia corespunzatoare lui x1 (prima linie). v (61) 6 iar v (71) 0 prin conventie. v7(0) c27 ) v (21) max( j 1 .7 25 . Analog se calculează şi celelalte valori ale lui v i(1) şi se obţine: (1) v3 5. v7(0) c17 ) (1) v1 max( j 1 (1) v1 max( j 1 (1) v1 2. v 3 5. v (42 ) (2) 4.6. 4 7. 3 . v (72 ) 0 prin conventie. 2. v3(0) c23 . v5(0) c25 . şi se alege valoarea maximă dintre sumele rezultate v (21) max(v (j0) j 2 j 2 c2 j ). v 5 13. v6(2) . v3(2) . . v4(0) c14 . i 1. cu j 1. 4 . v5(2) . 2 5. Pasul 4 Se calculează v i( 2) respectiv valorile v1(2) .7 11. mai puţin v 1 cu c11. 3. mai puţin v (20 ) cu c22. (0) element cu element. . 0 ) şi aceasta valoare se trece în tabel . respectiv linia lui v i( 2 ) . 7. 0 ) v (21) max( j 1 v (21) 11 şi se trece rezultatul în tabel. . 11. v 5 5. ) .7 v (21) max (v1(0) c21 . (Pasul 3) (1) v1 max (v (j0) j 1 j 1 c1 j ). Pasul 5 Se calculează v i(3) max(vi( 2) j i cij ). v2(2) . v (62 ) 6. v4(0) c24 .7 v 1(1) max (v2(0) c12 . Deoarece v i( 0 ) vi(1) vom continua algoritmul prin calcularea lui v i( 2 ) . cu j 1. v7(2) ) dupa formula: v i( 2) max(v (j1) cij ). 2 ) . . v3(0) c13 . . element cu element. i 1. v6(0) c16 . 3 . (2) Calcularea lui v 1 : se adună linia v i( 0 ) cu linia corespunzatoare lui x2 (a două linie). şi se alege valoarea maximă dintre sumele rezultate. v (22 ) (2) 11. v5(0) c15 . v (41) (1) 4. 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. v4(2) . Cu aceste valori obţinute se completează tabelul cu inca o linie. . v6(0) c26 .

v (75 ) 0 11. x4. i 1.( 3) Si se obţine: v 1 14. v 5 5. v (73 ) 0. v 3 11. x7) 26 . v (64 ) 6. v (24 ) 13. Pasul 7 Calculam v i(5) max(vi( 4) j i (5) (5) v1 15. v 3 11. (5) 1. j 1. Pasul 6 Calculam v i( 4) max(vi(3) j i cij ). v (74 ) 0 . x6. v (43) ( 3) 4. Forma finală a tabelului este: X1 X1 X2 X3 X4 X5 X6 X7 V i( 0 ) V i(1) Vi Vi ( 2) X2 2 0 11 11 13 13 13 x3 3 2 0 5 11 11 11 11 x4 7 1 0 1 2 4 4 4 4 4 4 x5 5 0 2 5 5 5 5 5 x6 5 0 3 6 6 6 6 6 x7 4 2 3 0 0 0 0 0 0 0 0 13 14 15 15 ( 3) Vi Vi ( 4) (5) Interpretarea rezultatelor: Din tabelul intocmit obţinem 2 informaţii: 1. v 5 i 1. v (23) ( 3) 13. Deoarece v i( 3) vi( 2 ) algoritmul se continuă prin calcularea lui v i( 4 ) . Care sunt vârfurile care compun drumul maxim. Drumul de valoare maximă este:dmax = (x1. v 5 5. x2. 5.7 (4) (4) ( 4) Obţinem: v 1 15. v (45 ) Algoritmul se încheie deoarece v i( 5) vi( 4 ) . v (25 ) =13. (5) 4. Valoarea drumului maxim este 15 ( valoarea lui v 1 de la ultimul pas) 2. x3. v (44 ) 4. v (65 ) j 1.6. Deoarece v i( 4 ) vi( 3) algoritmul se continuă prin calcularea lui v i( 5 ) . v 3 cij ). Care este valoarea drumului maxim de la x1 la x7 2.7 6.6. v (63 ) 6.

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

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

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

x5) = 4. v(x4. x4}. x5) = 2 să se arate că dH este drumul de valoare maximă de la x1 la x5. X = {xi. v(x1. Care este metoda de determinare a tipului de graf – cu circuite sau fără circuite? 2. F(x5) = .A). F(x1) = {x3. Fie graful G= (X. v(x3.5 }. Ce semnifică existenţa unui element egal cu 1 pe diagonala matricei drumurilor? 3. v(x2. Care este procedeul de determinare a tipului de graf? 5. F(x2) = {x4}. x3) = 3. F(x4) = {x5}. x4. x2) = 4. a) folosind matricea drumurilor să se arate că G nu are circuite şi are drum hamiltonian b) ș tiind că v(x1. x4) = 1. F(x3) = {x2.4. v(x3. x4) = 3. i= 1. x4) = 2. x5}. 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. ÎNTREBĂRI DE CONTROL 1. Ce informaţii se pot obţine în urma aplicării algoritmului înmulţirii latine? 6. v(x3.

F(x4) = {x1}. folosind inmulţirea latină. x2. Fie graful G = (X. F(x2) = {x1. Să se determine drumurile hamiltoniene pentru graful definit de: 2.6. F(x5) = {x4} a) Să se determine matricea drumurilor în G b) Să se listeze drumurile de lungime 4 şi să se identifice. 34 .5 }. x4}.1. x5}. F(x1) = {x2}. dacă există. 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.A). i= 1. 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. 3. TESTUL DE AUTOEVALUARE NR. F(x3) = {x1. X = {xi. să se identifice în G circuitele de lungime 3. 1 1. dH.

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

Scheme probabilistice 2.6. Evenimente independente 2.Test de autoevaluare 2.1.3.2.5. pe măsura parcurgerii lor: Parcurge obiectivele Citeşte conţinutul lecţiei Raspunde la întrebările de control Parcurge problemele rezolvate Rezolva problemele propuse Recapitulează cunoştinţele Pregăteste Tema de control Cuprinsul unităţii de învăţare: 2.UNITATEA NR. Probabilităţi condiţionate 2.2.1. Bifează sarcinile de lucru rezolvate. 2 ELEMENTE DE TEORIA PROBABILITĂŢILOR Timp mediu necesar pentru studiu: 7 ore. Câmpuri de evenimente 2.Câmpuri de evenimente şi câmpuri de probabilitate 2. Tema de control a unităţii de învăţare nr.2. Bibliografia specifică unităţii de învăţare nr. Câmpuri de probabilitate 2.2.1. 2 2.1. 2 36 .4.Probabilităţi condiţionate.1.2. Evenimente independente 2.

extragerea unei bile dintr-o urnă .extragerea unei bile albe dintr-o urnă cu bile albe şi negre . CÂMPURI DE EVENIMENTE ŞI CÂMPURI DE PROBABILITATE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. sau a unei modede . realizarea unui complex de condiţii. printr-un procedeu susceptibil de a fi repetat. Exemple .apariţia feţei “2” la aruncarea unui zar . CÂMPURI DE EVENIMENTE Definiţii Experienţa = alegerea. orice element al mulţimii P( ) = mulţimea tuturor părţilor lui aleator sau un eveniment . 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. a cărui realizare poate fi confirmată de o singura proba.jucarea unei partide de sah Definiţii ● Proba = orice rezultat al unei experienţe ● Eveniment aleator = oricare din rezultătele potenţiale ale unei experienţe.1.2.prezentarea la examen a unor studenţi . Dacă = mulţimea tuturor rezultătelor posibile ale unei experienţe şi P( .aruncarea unui zar.apariţia feţei “Cap” la aruncarea unei monezi ) este un eveniment Exemplu 37 . a unui element dintr-o mulţime dată.1.1.

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

este o mulţime finită atunci ( ) A n 1 n K . A = obţinerea unei feţe pare Si B = obţinerea unei feţe divizivile cu 4... Dacă A K atunci şi A K b. ● Două evenimente A şi B sunt incompatibile dacă nu se pot realiza simultan ( A B= ) )cu proprietăţile: ● Fie K o subfamilie din P( a. K) ● O functie P : K  R care satisface condiţiile: 39 .Exemplu Se consideră experienţa aruncării unui zar şi evenimentele:. Dacă A1. 2..1.. CÂMPURI DE PROBABILITATE Fie câmpul de evenimente ( Definiţii: .. 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 4.2.. Atunci. Definiţii ● Evenimentul A implică evenimentul B dacă realizarea evenimentului A atrage în mod necesar realizarea evenimentului B. 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.este un şir arbitrar de evenimente din K atunci şi Perechea ( ● Dacă şi K = P( Observaţie: . An. K) se numeşte câmp de evenimente. unde n = numărul de evenimente aleatoare.K) se numeşte câmp finit de evenimente Numărul tuturor evenimentelor câmpului este 2n. A2..

..K) iar tripletul ( . două cate două incompatibile ( Ai = . = 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. total de evenimente elementare ale câmpului = 25 P(A) = 15 25 0. K.. A K P2) P( ) = 1 P3) Orice şir de evenimente A1... n şi P( Ak ) P( ) 1 .6 sau 60% Fie B = evenimentul ca un student ales la întâmplare să nu prompveze examenul 40 .. A2. P ) se numeşte câmp de . ● Dacă P(A1) = P(A2) = ..P1) 0 P( A) 1.... de evenimente elementare favorabile producerii evenimentului A = 15 Nr. K) este un câmp finit de evenimente compus din evenimentele elmentare = A1. ● Dacă ( . An adică P(Ak) A k 1 n k 1 n k atunci 0. k 1.. An.. A2. pentru i j) are loc egalitatea P ( An ) n 1 Aj P (  An ) = n 1 se numeşte probabilitate pe ( probabilitate. 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..

A ) = P(A) + P( A ) . Aplicand definiţia probabilităţii avem: P(B) = P(B . P( )=0 şi implicit A = . si conform Definiţiei probabilităţii.A) = B) = P(B) – P(A) B atunci P(A) P(B) Din proprietatea 2) avem relatia P(B-A) = P(B) – P(A).4 sau 40% Proprietăţi 1. 4. Dacă A B) adică P(B . P(B-A) Rezultă ca P(B) – P(A) 0.7 Proprietăţi 5. Rezultă ca P(A) + P( A ) = 1 . 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. B atunci P(B-A) = P(B) – P(A) B rezultă ca A B = A. P(B-A) = P(B) – P(A B = (B – A) adică (B – A) B) Oricare două evenimente A şi B au loc egalitatile: (A (A B) şi evenimentele (B – A) şi (A B) = .P(A B). P(A ) ) = 1 din definiţia probabilităţii.A)+P(A 2.P(A 3.3 = 0.A) = P(B) . adică P(A) = 1 – P( A ) Exemplu Dacă probabilitatea ca ziua de mâine să fie insorită este de 0.3 atunci probabilitatea ca ziua de mâine să fie noroasa este de 1-0. Aplicand proprietatea 1) vom avea: P(B . Dacă A Dacă A P(B) . 41 . deci P( B) = P(A) + P(B) – P(A B) ) = 0. deci P(B) 0 P(A). Rezultă ca: P( )=1 Folosim proprietatea 4) considerănd A = – P( Dar P( 6. B) sunt incompatibile .P(B) = 10 25 0.

(4.2). (6.4).6). (3. (6.5).5)} şi C = A B Numărul total de evenimente ale câmpului = 36 Evenimentele A şi B sunt independente.1)} B = {(5. (5. 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). (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.

3.5 sau 50% 2 Care este probabilitea ca la aruncarea unui zar.6} B = {3.6} B = {4} şi A B = {2.4. 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 4.6} şi A B = {4} B) = n( A B ) n( ) 1 6 Care este probabilitea ca la aruncarea unui zar.5.Problema 1 Se consideră experienţa aruncării unui zar.5} şi A B = {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. faţa obţinută să fie pară şi divizibilă cu 2? Evenimentul sigur.4.3.4. A = {2. faţa obţinută să fie pară sau divizibilă Metoda 1 Folosind definiţia clasică a probabilităţii.5} Folosind definiţia clasică a probabilităţii. sau spaţiul de selectie este = {1.4. A = {2.5} B = {1.3. faţa obţinută să fie impară şi număr 43 .2.3.6} şi A B = {3} Folosind definiţia clasică a probabilităţii. a) 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 = {1.2.6} 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.

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.(6. suma feţelor aparute să fie 6 sau 10. suma feţelor aparute să fie 10 C = evenimentul ca la aruncarea celor 2 zaruri.3).d) prim? Care este probabilitea ca la aruncarea unui zar.(5.3.6). A = {(1.5).2.3.5} B = {1.1)} B= {(4.5} şi A B = {1.4). 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. a) Care este pobabilitatea ca la aruncarea zarurilor suma feţelor să fie 6 sau 10? n( ) = 36 A = evenimentul ca la aruncarea celor 2 zaruri.(4.2. suma feţelor aparute să fie 6 B = evenimentul ca la aruncarea celor 2 zaruri. (2.3.4)} 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 .2).5} Metoda 1 Folosind definiţia clasică a probabilităţii. (5.

.(2. )=1 A K P3) Orice şir de evenimente A1. P ) se numeşte câmp de probabilitate. care este probabilitatea ca pantofii extrasi să formeze o pereche? Numărul total de cazuri posibile este C 62 =15.2)..(1..1).. 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. adică 3. (2.2 REZUMAT O functie P : K  R care satisface condiţiile: P1) 0 P2) P( P( A) 1.K) iar tripletul ( .(5. pentru i j) are A n 1 n )= n 1 P ( An ) se numeşte probabilitate pe ( . Dacă se extrag la întâmplare 2 pantofi.6)} B= {(1.(4.1)} 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 = {(1.2).(6. A = {(1.3). Notand cu A evenimentul ca cei 2 pantofi extrasi să formeze o pereche. P(A)= 3 15 0 . iar numărul de cazuri favorabile este dat de numărul perechilor de pantofi.A = evenimentul ca la aruncarea celor 2 zaruri să apară feţe identice B = evenimentul ca la aruncarea celor 2 zaruri.(2.1).(1.4)..(3.5).(2. An.1). 45 .2)} B) 5 18 Intr-un dulap sunt 6 perechi de pantofi...3).(3.1). A2. K. două cate două incompatibile ( Ai loc egalitatea P ( Aj = .2).

1.2. atunci: P( A B) P( A) P( B / A) P ( B ) P ( A / B) 46 . 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. PROBABILITĂŢI CONDIŢIONATE Definiţii Fie ( .2. EVENIMENTE INDEPENDENTE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare.P(A) = numarul de evenimente elementare favorabile lui A numarul total de evenimente elementare ale campului Proprietăţi 1. Dacă A B) B atunci P(B-A) = P(B) – P(A) B atunci P(A) P(B) 4. PROBABILITĂŢI CONDIŢIONATE. P) un câmp de probabilitate şi B K cu P(B)>0. K. 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. P( A ) = 1 – P(A) 2. P(B-A) = P(B) – P(A 2. Dacă A 3.

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

PROBLEME REZOLVATE 1.2 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 = 0.2 C = se extrage o bila alba P(A) = P(B) = 1 3 .P(C/A) = 0. şi 75% dintre femei au 1 copil. 2 7 3 8 Probabilitatea ca o bila extrasa din urnă nr.40178. 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. să se calculeze probabilitatea ca un angajat ales la întâmplare să fie femeie şi să aiba un copil. Dacă 60% din angajaţii unei companii sunt femei.1 să fie alba este P(C/A) = . Atunci evenimentul B= C/A şi P(B) = P(C/A) = 75% P(D) = P(A  C) = P(A).60 = 0.45 sau 45% 2.1 B = se extrage o bila din urnă nr. Să se calculeze probabilitatea ca o bila aleasa la întâmplare dintr-una din cele 2 urne să fie alba.75 x 0. Urna nr. 48 . 1 contine 3 bile albe şi 4 bile negre. 2 contine 3 bile albe şi 5 bile negre. Fie evenimentele: A = se extrage o bila din urnă nr. Urnă nr. Probabilitatea ca o bila extrasa din urnă nr.

n 49 . cu probabilităţi diferite de zero. atunci : P(A/B) = P(A) şi P(B/A) = P(B) 2. notat Ai.B K sunt independente dacă : P( A B) P( A) P( B) Dacă A şi B sunt două evenimente independente din spaţiul K. 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 ). SCHEME PROBABILISTICE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. cu i = 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 = 1.3. n şi un sistem de evenimente asociat experienţelor Ei.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.

n ca rezultat doar unul din evenimentele Ai care au Ai formează un sistem complet de evenimente deci i 1 pi 1 . 50 . făra revenire. i=1.6) 6 (0.4 C = evenimentul « compania inregistreaza profit in 6 din cele 12 luni ale anului » 6 (0.n. Dacă se repetă de k ori experienţa în aceleaşi condiţii.bile negre.mn ! Schema hipergeometrică (schema bilei nerevenite cu doua stari) Se consideră o urnă care conţine N bile din care a -bile albe si b .6 B = evenimentul « compania nu inregistreaza profit într-o lună » şi P(B) = P( A ) = 0.6..p. Probabilitatea ca o companie sa înregistreze profit într-o lună este de 0. p n m1!m2 !. 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. 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 . Se fac n extrageri succesive din urnă.. Schema Bernoulli se mai numeşte şi schema urnei cu bilă revenită..Schema Bernoulli Probabilitatea realizării unui eveniment A de k ori atunci când se efectuează o experienţa de n ori.4) 6 P(C) = C12 Exemplu Schema Bernoulli cu mai multe stări Fie o experienţă care poate avea probabilităţile de realizare pi = P(Ai).

am bile de culoarea m. Fie A = evenimentul ca din cele n bile extrase n1 să aibe culoarea 1.C a 1 2 m n CN Schema geometrică (Schema lui Pascal) Se consideră o urnă care conţine bile albe si negre. a2 bile de culoarea 2. cu revenire. Se fac n extrageri succesive din urnă. să se calculeze probabilităţile evenimentelor : 51 . Se fac n extrageri succesive din urnă. 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. Se alege la întâmplare cate un student din fiecare grupa. pentru care se cunoaţte probabilitatea extragerii unei bile albe ca fiind p.21. făra revenire.Fie A = evenimentul ca din cele n bile extrase k să fie albe si n-k negre.….23.9.15. Fie A = evenimentul ca prima bilă alba să apară exact la extragerea k si primele k-1 bile extrase sa fie negre.qk-1 PROBLEME REZOLVATE Exemplu Trei grupe de studenţi contin 20%. nm să aibe culoarea m este : Atunci P(A) = nm n1 n2 Ca Ca . n2 să aibă culoarea 2. 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. 15% respectiv 10% baieti.. P(A) = p..….8.

15 şi p3 = 0.a) probabilitatea ca un singur student să fie fată este echivalentă cu probabilitatea ca 2 studenţi din cei aleşi să fie baieţi. adică probabilitatea realizării a 2 evenimente (k=2) la efectuarea celor 3 experienţe. Conform Schemei Poisson. respectiv p1 = 0. P(A) = p1q2q3 + p2q1q3 + p3q1q2 un singur student din cei 3 alesi să fie fata b) In ipotezele enunţate la pct. va fi egala cu coeficientul lui x 3 din polinomul Q(x) = (p1x+q1)(p2x+q2)(p2x+q2) P(C) = p1p2p3 probabilitatea ca toţi cei 3 studenţi aleşi să fie fete d) Probabilitatea realizării evenimentului D : « toti studenţii aleşi sunt fete » este egală cu probabilitatea realizării evenimentului « nici un student nu este băiat » sau « 0 studenţi sunt băieţi » (k=0) probabilitate care potrivit schemei Poisson este egală cu valoarea coeficientului x0 (termenul liber) din polinomul Q(x) = (p1x+q1)(p2x+q2)(p2x+q2) P(D) = q1q2q3 probabilitatea ca cel mult un student să fie băiat e) Dacă A = evenimentul ca un student din cei 3 aleşi este băiat Si D = evenimentul ca toti studenţii sunt fete 52 .9. probabilităţile de a extrage o fată din fiecare grupă vor fi q 1= 0. probabilitatea alegerii a 2 studenţi este coeficientul lui x2 din polinomul Q(x) = (p1x+q1)(p2x+q2)(p2x+q2). este probabilitatea realizării a 3 evenimente (k=3) la efectuarea celor 3 experienţe şi conform Schemei Poisson.2.3 şi probabilităţile asociate de extragere a unui baiat din fiecare grupa P(Ei) = pi. 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. 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.1.8. i=1. q2 = 0.a) un singur student din cei 3 alesi să fie baiat Ipoteza : Considerăm sistemul format din 3 experienţe Ei. Atunci. p2 = 0.85 respectiv q3 = 0.

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

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”.2. Dintr-un pachet cu 52 carti de joc.3. Se aruncă 2 zaruri de 100 de ori. 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. Fie = { 1. TESTUL DE AUTOEVALUARE NR. 2. Care sunt valorile pe care le poate lua X? 57 . În tabelul de mai jos se inregistrează frecvenţa apariţiei tuturor sumelor posibile pentru cele 2 feţe aparute la o aruncare. 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? 2.6} spaţiul de selectie asociat unei experienţe.4.5. 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. să se arate ca evenimentele : A : apariţia feţei « Cap » la prima aruncare si B : apariţia feţei « Cap » la a două aruncare sunt evenimente independente. 2 1.5.2. se alege aleator o carte. Se consideră experienţa aruncării de două ori a unei monezi .

Rezolvări : 1.…12 b) 2.1. P( A B) 1 4 1 1 2 2 B {CC} cu P(A) = 1 1 .4… d) 0.5.000 eur dupa un an de la momentul investitiei d) variabilă aleatoare asociata rezultatelor experientei de masurare a inaltimii unui grup de 50 de persoane.B. Experiment: Se arunca un zar pana apare fata 6.…12 b) 2. şi variabilă aleatoare asociata numărului de aruncari necesare pentru obtinerea la ambele zaruri a fetelor 6.3. P(B) = şi P( A 2 2 B) 1 4 P( A) P( B) adică A şi B sunt independente 4.4.10.2.2.5.6.3.PC.…12 e) nedefinit f) 2.C. daca studentul rezolva pentru un examen un test cu 50 de intrebari c) variabilă aleatoare asociata valorii unei investitii de 10.… 5.5 3.6.3.4. b) variabilă aleatoare asociata numărului de intrebari la care un student a raspuns corect.3 d) CPP. a.8.2.CP} . Spaţiul evenimentelor echiprobabile al experienţei este K = {CC.4.a) 1.4. PCC.PP} Atunci A = {CC.CP.1. valorile pe care le poate lua X sunt: a) 1.4.D.12 c) 1. 1. 3.3. PPC.PC} şi A Verificând definiţia.2.3 c) 0.1.12 c) 1.5. b.4… d) 0.3. B = {CC.…12 4.2.2. Să se precizeze tipul urmatoarelor variabile aleatoare: a) se consideră experienţa aruncarii a 2 zaruri.2. 5. Care sunt valorile pe care le poate lua X? a) 1.8. PCP. Fie experimentul aruncarii a 2 zaruri şi variabilă aleatoare X = suma numerelor care apar pe feţele zarurilor.2. CCC e) nedefinit f) 0.2.3. Considerand variabilă aleatoare X = numărul de aruncari. 2. CPC. c 58 .10.4 b) 1.… e) nedefinit f) A. 6.

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

UNITATEA NR. 3 VARIABILE ALEATOARE Timpul de studiu individual estimat: 7 h Bifează sarcinile de lucru rezolvate.1. Funcţia de repartiţie 3.1. Operaţii care se pot efectua cu două variabile aleatoare X şi Y 60 .3.2.2.1. Variabile aleatoare discrete 3.2.1. Generalităţi 3. Operaţii efectuate asupra unei variabile aleatoare X 3. pe măsura parcurgerii lor: Parcurge obiectivele Citeşte conţinutul lecţiei Raspunde la întrebările de control Parcurge problemele rezolvate Rezolva problemele propuse Recapitulează cunoştinţele Pregăteste Tema de control Cuprinsul unităţii de învăţare: 3.2. Operaţii cu variabile aleatoare discrete 3. Funcţia de repartiţie şi densitatea de repartiţie a unei variabile aleatoare 3.1.2.1.3.2. Distribuţia de probabilitate (repartiţia) a unei variabile aleatoare simple 3. Generalităţi.

şi fiecărei din aceste experienţe îi putem ataşa valorile numerice 1 pana la 6. Caracteristici numerice ale variabilelor aleatoare. de la 0 la 10. fiecărui rezultat posibil al acestuia îi putem asocia valori numerice.3.3.5.4. care asociază fiecărei realizări a unui experiment un număr . 3 3.1. în cele mai multe dintre cazuri.3. Variabila aleatoare este deci o regulă. Caracteristici numerice ale variabilelor aleatoare discrete 3. 3 3. 61 .3. Coeficientul de corelaţie 3. GENERALITĂŢI Considerând un experiment.1.1. GENERALITĂŢI. Tema de control a unităţii de învăţare nr. Exemplu ● La aruncarea unui zar se obţine una din feţele zarului cu valori de la 1 la 6. ● Rezultatul experimentului “sustinerea examenului la matematica” efectuat de un student din anul I este un număr . Testul de autoevaluare nr. 3 3.7.6. Bibliografia specifică unităţii de învăţare nr.1.2. aceste numere numindu-se valorile variabilei aleatoare. Coeficientul de corelaţie a două variabile aleatoare 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. Caracteristici numerice ale variabilelor aleatoare continue 3. FUNCŢIA DE REPARTIŢIE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare.

. 0... Y. Rezultatul aruncării unui zar) ● Variabilele aleatoare discrete care pot lua un număr nelimitat de valori finite se numesc variabile aleatoare discrete infinite. . numită mulţimea valorilor posibile. 1. Inalţimea unui atlet în cm) 62 .Definiţii: Se numeşte variabilă aleatoare. . Observaţii ● Valorile pe care le poate lua o variabilă aleatoare se cunosc numai dupa efectuarea experimentului. ● Variabilele aleatoare se notează cu litere mari de la sfârşitul alfabetului. o mărime care în urma unei experienţe poate lua o valoare dintr-o mulţime bine definită. X.0. ● Experimentului selectarea unui jucator de fotbal i se poate asocia variabila aleatoare Y = numărul golurilor inscrise în acest sezon. 2.. 4.. (de ex..etc. variabila aleatoare se numeşte discretă. Z. 3. 1. Valorile pe care le poate lua Y sunt 0. variabila aleatoare se numeşte continuă. ● Experimentului de selectare a unui grup de 10 jucatori de fotbal i se poate ataşa variabila aleatoare Z = numărul mediu de goluri inscrise de jucatori în acest sezon. .. 3.3. 1. ( de ex. 0. Definiţii ● Daca mulţimea valorilor posibile pe care le poate lua o variabilă aleatoare este discretă (valori numerice specifice sau izolate). ● Variabilele aleatoare discrete care pot lua un număr exact de valori finite se numesc variabile aleatoare finite sau simple. iar valorile pe care le pot lua variabilele aleatoare cu litere mici..1.r Valorile pe care le poate lua X sunt 2. Valorile pe care Z le poate lua sunt 0.1. 0. . (de ex.. Exemple ● Experimentului “Selectarea unei banci” i se asociază variabila aleatoare X = numărul clienţilor băncii.2. numărul de stele estimate a exista în univers) ● Daca mulţimea valorilor posibile este continuă (un interval finit sau infinit din mulţimea numerelor reale)..

Multimea valorilor variabilei aleatoare X este {2. 2)} Evenimentul X = 4 este {(3.3} şi variabila aleatoare asociată este finită.9.7. şi variabilă aleatoare X asociata rezultatului obtinut la insumarea valorii fetelor care apar la aruncarea zarurilor.3. 1)} Evenimentul X = 3 este format din apariţiile feţelor {(2.12} Dorim să obtinem informaţii despre condiţiile în care X ia diverse valori posibile. ● Alegând o bancă din mulţimea băncilor existente şi considerând ca rezultat numărul de companii care au cont deschis la respectiva bancă.2. Considerând ca rezultat aparitia fetei “Cap”. Evenimentul X = 2 este format din apariţiile feţelor {(1.2. 2). DISTRIBUŢIA DE PROBABILITATE (REPARTIŢIA) A UNEI VARIABILE ALEATOARE SIMPLE Se consideră experienţa aruncării a 2 zaruri. 3.4. mulţimea valorilor pe care le poate lua acest rezultat este {0. 1).4.10.3.2. 3)} şi asa mai departe. 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 ataşată poate lua valorile {1. variabila aleatoare asociată rezultatelor experienţei poate lua orice valoare din mulţimea numerelor pozitive.Exemple ● Se consideră experienţa aruncarii unei monezi de trei ori.8.11.5. deci variabila aleatoare va fi continuă.1.…} 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. (1. Numărul total de evenimente posibile egal probabile este 62 = 36 şi fiecărui eveniment i se poate calcula probabilitatea de aparitie.6.1. 1). (1. (2.

.1. (X = xi). Observaţie În practică. p n 3.2. n . discrete. K. o variabilă aleatoare discretă se prezintă sub forma matriceala.…n Fie Ei evenimentul ca variabila aleatoare X să ia valoarea xi. sau mai general. f ( xn ) x1 p1 x2 p2 . i = 1.. i = 1.f(xi))..3.2.. 64 .. cu repartiţia (xi. 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.. ● Fie variabilă aleatoare X şi xi valorile posibile pe care aceasta le pote lua.. Mulţimea perechilor ordonate ( xi.…n şi Vom nota cu P(Ei) = P(X=xi) = f(xi) = pi probabilitatea ca variabila aleatoare X să ia valoarea xi. xn f ( x2 ) . f(xi)) se numeşte repartiţia variabilei aleatoare discrete X. (f(xi) este funcţia de probabilitate). xn .. 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). Funcţia de repartiţie a unei variabile aleatoare simple X. este dată de relaţia F(x) = xi x f ( xi ) . X x1 f ( x1 ) sau X: x2 . i = 1. x R .Definiţii ● Se numeşte repartiţie a unei variabile aleatoare discrete enumerarea tuturor valorilor posibile ale variabilei aleatoare precum şi a probabilităţilor corespunzatoare. P) şi variabila aleatoare X : R R.

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

1 0.3. 0.7 daca 2 x 3 1 daca x 3 2.3 daca 1 x 2 0. k>0. orice x R f(x) este densitate de repartiţie a unei variabile aleatoare X daca indeplineste f (u )du 1 [k.3].1 daca 0 x 1 F(X) = 0.1)  (3. orice x R. a) Să se determine k R . De asemenea f(x) = 0 pentru x (. prima conditie fiind verificata. pentru x [1. 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: 1.3 Funcţia de repartiţie a variabilei aleatoare X este 0 daca x 0 0. şi anume f (u )du 1 . rezulta ca f(x) cu k>0.3] şi f(x)=k(2x-1) este o functie lineara crescatoare.b R cu a < b are loc egalitatea: b P(a X b) a f (u )du PROBLEME REZOLVATE 1. şi deci f(x) 0. Fie variabilă aleatoare simpla X avand repartiţia: X: 0 1 2 3 0. 66 . Determinarea constantei k se face utilizand a doua conditie. ).2 04 0. Oricare a. f(x) 2.5k] Deoarece x [1. astfel încât funcţia f(x) = k (2 x 1).

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

F este nedescrescătoare: daca a < b atunci F(a) 3.. 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 . 0 F(x) : X( ) < x}) = P(X < x). p n R.b R au loc egalitatile: P( a X <b) = F(b) – F(a) P(a< X <b) = F(b) – F(a) – P(X=a) P(a< X P(a 4. x R R este funcţia de repartiţie a unei variabile aleatoare. ] cu proprietatea că: F(x) = f (u )du pentru orice x R. oricare a. Daca a < b oricare a.. atunci : 1.b R 2.X: x1 p1 x2 p2 .. VARIABILE ALEATOARE DISCRETE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. o x funcţie f : R [0. 3. definită prin: Se numeşte funcţie de repartiţie a variabilei aleatoare X o funcţie F : R F(x) = P({ Dacă F : R 1. 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). xn . F(X b) = F(b) – F(a) – P(X=a) + P(X=b) b) = F(b) – F(a) +P(X=b) )=1 R ) = 0.. F( 5. oricare x R F(b).2.

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

y1 Y: m k 1 .3 Repartiţia variabilei aleatoare 3X este 0 3 6 9 0.. .. . p n atunci cX : cx1 p1 cx2 p2 .3 70 .2 0.. n deoarece P(cX = cxi) = P(X = xi) = f(xi).... f(xi)).2... cxn .. pn Exemple: Fie X : 0 1 2 3 0.... n xi pik k 1 .. c R.. i = 1..2 0.4 0.x1 X: n .....1 0..2.4 0. n Atunci cX are repartiţia (cxi. m yi p ki k 1 .. 3.. xn . sau daca X : x1 p1 x2 p2 . şi X o variabilă aleatoare discretă finita (simpla) cu repartiţia (xi.. m ym p km k 1 p k1 . n xn p nk k 1 p1k k 1 .1 0.. OPERAŢII EFECTUATE ASUPRA UNEI VARIABILE ALEATOARE X Definiţii ● înmulţirea cu o constantă Fie c = ct.. f(xi)). i = 1.

unde X: Exemplu 0 1 2 3 0. şi X o variabilă aleatoare discretă finită (simpla) cu repartiţia (x i. după cum variabilele sunt independente sau nu.2 0.3 X2 = 1 4 9 32 = 0 0.2.f(yj)). f(xi). 1. n .1 0. OPERAŢII CARE SE POT EFECTUA CU DOUĂ VARIABILE ALEATOARE X ŞI Y În definirea operaţiilor care se pot efectua cu 2 variabile aleatoare X şi Y distingem două modalităţi de calcul.3 0. m 71 .Definiţii ● Ridicarea la putere a unei variabile aleatoare Fie r R. f(xi)).f(yj)). n şi j = j = 1.4 0.2 0. f(xi)). n şi j = 1. m Definiţii Înmulţirea Daca X şi Y sunt variabile aleatoare independente atunci XY are repartiţia (xi yj. i = 1.4 0. 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. Atunci Xr are repartiţia (x ir . i = 1.3. cu i = 1.3 02 12 22 3.4 0. f(xi). n .1 0. cu i = 1.1 0. Să se calculeze repartiţia variabilei aleatoare X2.2 0.

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

5 P(X=xi) 0.3 0. respectiv P(X=xi) X\Y 1 2 P(Y=yj) 0 0.5 2.1 0. Să se determine repartiţiile marginale ale variabilelor X şi Y a caror repartiţie comună este X\Y 1 2 0 0.6 0.6 0.1 0.2 0.2 0.3 0.4 1 Repartiţia marginală a variabilelor aleatoare X şi Y va fi: X: 1 2 0.2 0.6 Notam cu Z = X + Y Z: 0 0 0 1 0 2 1 0 1 1 1 2 0.2 1 0. Să se calculeze suma ca independente X şi Y unde: X: 0 1 0.4 şi Y : 0 1 2 0.2 0.1 0.2 0.2 0.3 2 0.8x0.1 0.3 0.16 0.2 0.12 0.04 0.2 x0. 73 .2 Completăm tabelul cu încă o linie şi o coloană aferente probabilităţilor P(Y=yj).8x0.8x0.PROBLEME REZOLVATE 1.2 x0.04 0.2 0.16 0.2 x0.8 şi Y : 0 1 2 0.1 1 0.2 0.48 .6 0.6 Z: 0 1 2 1 2 3 0.2 0.2 0.1 2 0.

2 0.12 0.16 0. Forma finala a variabilei Z va fi Z: 0 1 2 3 0.2 x0.16 0.04 respectiv 0.2 0.48 şi se verifica ca pi 1 3.04 0.2 0. rezultă că P(z = 0) = 0. Forma finală a variabilei Z va fi Z: 0 1 2 0.12+0.16= 0.12+0. Analog.Deoarece pentru valoarea z = 1 a varaibilei aleatoare Z sunt listate doua probabilitati de realizare.6 0.2 x0.04 0. pentru valoarea z = 2 a varaibilei aleatoare Z sunt listate doua probabilitati de realizare.8x0.16.2. Deoarece pentru valoarea z = 0 a varaibilei aleatoare Z sunt listate patru probabilitaţi de realizare.04 0.2 0.2 x0.16= 0.8 şi Y : 0 1 2 0.36.16= 0.6 Notăm Z = X x Y Z: 0 x0 0 x1 0 x2 1x0 1x1 1x2 0.16 rezultă că P(z = 1) = 0.16 0.8x0.04+0.8x0. 0.04+0. Să se calculeze produsul variabilelor aleatoare independente X şi Y unde: X: 0 1 0. 0. rezultă că P(z = 1) = 0.2 0.2 0.28 0.48 .36 0.28.6 Z: 0 0 0 0 1 2 0.2 0.48 şi se verifica ca pi 1 74 .2 0.04+0.12 respectiv 0.

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

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 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). Momente Fie X o variabilă aleatoare discretă şi r N* . Se numeşte moment initial sau moment. atunci M(X) = c Daca X este variabilă aleatoare discretă şi a.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). Variabila aleatoare Z = X – M(X) se numeşte abaterea ( de la valoarea medie) a variabilei aleatoare X.Definiţii Se numeşte valoare medie a lui X sau speranţa matematică (eng. Observatie Definiţii Se poate demonstra imediat ca M(Z) = 0.

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. Daca X şi Y sunt variabile aleatoare independente având dispersiile D2(X) respectiv D2(Y).b D (Y) = D (aX + b) = a D (X) D3. Fie v. (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. mr(X) = Mr(X –M(X)) = M[ ( X M ( X )) r ] Dispersia ( momentul centrat de ordin 2) Se numeşte disperise a varaibilei aleatoare X. valoarea medie a variabilei aleatoare X . şi se notează cu D2(X). CARACTERISTICI NUMERICE ALE VARIABILELOR ALEATOARE CONTINUE Fie ( repartiţie f(x) .2. K. şi se notează cu Mr( X ).3. momentul centrat de ordinul 2 al varaibilei aleatoare X. D2(X) = M(X2) – [M(X)]2 D2.Definiţii Se numeşte moment absolut de ordin r. 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). 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. Atunci 3.

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

Y ) D( X ) D(Y ) Formula pentru calculul coeficientului de corelaţie este: (X . Y ) 1. C3. 2 Daca X şi Y sunt doua variabile aleatoare cu dispersii finite şi nenule.Y ) 0. 2 Intre variabilele aleatoare X şi Y exista o relaţie liniară dacă şi numai dacă ( X . Daca X şi Y sunt variabile aleatoare independente. K.Y ) cov( X . atunci ( X . P). 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. C2.4.Y ) cov( X . 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. ( X . Definiţie . 79 .3. Se numeşte corelaţie sau covarianţă a variabilelor aleatoare X şi Y marimea cov(X. Y) = M[(X-m1)(Y-m2)] Se numeşte coeficient de corelaţie al variabilelor aleatoare X şi Y mărimea: ( X .

2 + 1 x 0.3 2 0 0. Daca ( X . Y= 1) = 0.8 1 calculării coeficientului de corelaţie P(Y=yj) 0. X ) 1 şi (X .5 = 1.2 0.5 necesare P(X= xi) 0.5 + 2 x 0.8 şi Y: 1 2 0. Consecinţa proprietăţii C2 este că ( X .Y ) mărimile M ( XY ) M ( X ) M (Y ) D( X ) D(Y ) M(X) = 0 x 0.8 = 0.Y ) 0.Observaţii Reciproca proprietăţii C1 nu este adevarata.5 Caclulăm ( X . atunci: D2(X+Y) = D2(X) + D2(Y) 2cov (X. nu rezultă ca variabilele aleatoare X şi Y sunt independente ci că sunt necorelate.5 80 .Y) PROBLEME REZOLVATE 1.5 0.2 0. Fie X şi Y variabile aleatoare simple cu repartiţiile: X: 0 1 0.8 M(Y) = 1 x 0.5 0. Repartiţia comună a variabilelor va fi: X\Y 0 1 1 0.2 0. X ) 1 Dacă X şi Y sunt variabile aleatoare ale caror medii şi dispersii există.5 Daca P(X = 0.2 să se calculeze coeficientul de corelaţie al variabilelor aleatoare X şi Y.

8 şi Y2: 1 4 0.8)2 = 0.5 Atunci ( X .2 0.8 şi M(Y2)=2.4 D2(Y) = 2.5 Atunci XY: 0 1 2 0.3 0.8 şi Y: 1 2 0.2 0.1 0.5.16 D(X) = 0.5 0.2 0. Folosind formula D2(X) = M(X2) – [M(X)]2 vom avea: D2(X) = 0.5 0.5 0.4 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)=0.8 1.5 0.5 –(1.5 M(XY) = 0 x 0.2 P(XY=1) = P(X=1 şi Y=1) = 0.2 0.5 2.3 + 2 x 0.3 Pentru calculul mărimilor D(X) şi D(Y) avem nevoie de valorile variabilelor aleatoare X2 şi Y2 şi de mediile acestora: X2 : 0 1 0. Fie X şi Y variabilă aleatoare simple cu repartitiile: X: 0 1 0.5 = 1.Y ) 1.25 şi D(Y) = 0.5)2 = 0.5 cu M(X2) = 0.2 + 1 x 0.5 81 .3 P(XY=2) = P(X=1 şi Y=2) = 0.8-(0.3 0.

2 + 1 x 0.2 1 2 p p 0.8 0.8-p Atunci XY: 0 0.5 X şi Y sunt necorelate daca ( X . şi să se scrie repartitia comuna a acestora Repartiţia comună a variabileleor aleatoare X şi Y este X\Y 0 1 1 0.6 – p 82 .8-p) = 1.5 + 2 x 0.2 + 1 x p + 2 x (0.3 0.2 P(XY=1) = P(X=1 şi Y=1) = p P(XY=2) = P(X=1 şi Y=2) = 0. Unde ( X .5 = 1.8 M(XY) = 0 x 0.Daca P(X = 1.5 1 P(Y=yj) 0.8 = 0. Y= 1) = p să se afle valoarea probabilitatii p pentru care v ariabilele aleatoare X şi Y sunt necorelate.8 M(Y) = 1 x 0.Y ) M ( XY ) M ( X ) M (Y ) D( X ) D(Y ) M(X) = 0 x 0.Y ) 0.8-p 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)=0.5-p p 2 P(X= xi) p-0.2 0.

Folosind formula D2(X) = M(X2) – [M(X)]2 vom avea: D2(X) = 0.5.2 Ș i din condiţia ( X .5)2 = 0.8 şi Y2: 1 4 0.25 şi D(Y) = 0.8 1.Y ) 1.5 –(1.8 şi M(Y2)=2.4 p 0.5 cu M(X2) = 0.4 D2(Y) = 2.Y ) 0 vom avea p=0.5 0.2 0.4 0.8-(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 0.4 2 0.1 0.8)2 = 0.6 p 0. X\Y 0 1 1 0.5 Atunci ( X .5 0.16 D(X) = 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 .5 0.4.

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

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. să se calculeze P((X<0) si (Y>0)).6 2k 1 pi k 0. 4.5 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. 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. 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 suma varaibilelor aleatoare simple X şi Y a căror repartiţie comună este dată de tabelul: 85 .

4.1 0.2 0 3 0.3 2 0 0.2+0.yj): P(X + Y =1) = P(X=0 şi Y=1) = 0.1+0=0.1 0 0 să se calculeze repartiţia variabilei aleatoare XY RĂSPUNSURI 1.1 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.Y\X 1 2 3 0 0.3+0. 6 (xi + yj). adică h(xi. 3. Fie X şi Y variabile aleatoare discrete finite (simple) cu următoarea repartiţie comună Y\X 1 2 3 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 .2 0. 2.2 0.1 0 0 5. 5.1 0 1 0 0.3 2 0 0. Trebuie să calculăm probabilităţile cu care variabilă aleatoare X + Y poate lua aceste valori.1=0.1+0 = 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) = 0.1 P(X + Y = 3) = P(X=0 şi Y=3) sau P(X=1 şi Y=2) sau P(X=2 şi Y=1) = 0+0.1 0.1 0 1 0 0.

3+0. adică h(xi. Variabila aleatoare XY poate lua valorile 0. 6. 87 . 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. 4. 2.1 0.3 0.X+Y: 1 2 3 4 0.1.1=0.1 0.2 şi se verifică că pi 1 ÎNTREBĂRI DE CONTROL 1.1 P(XY =3) = P(X=1 şi Y=3) sau P(X=3 şi Y=1) = 0.2+0.4 P(XY =4) = P(X=2 şi Y=2) = 0.1 0. 9 ( adică xiyj).1= 0. Să se definească o variabilă aleatoare şi să se exemplifice variabile aleatoare care se pot ataşa proceselor economice.2 0.1+0=0.yj): P(XY=0)=P(X=0şiY=1) sau P(X=0 şi Y=2) sau P(X=0 şi Y+3)=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 0.4 0. Să se definească funcţia de repartiţie a unei variabile aleatoare şi densitatea de repartiţie. 3.6 şi se verifica ca pi 1 2. Trebuie să calculăm probabilităţile cu care variabilă aleatoare XY poate lua aceste valori.

2 0.3 a) dacă P( X = -1 şi Y = -1) = 0. Se cunosc următoarele date ale repartiţiei comune a variabilelor X ș i Y x/y 0 -1 -2 qj 0. 3. 1 p 0 1 2 p 1 3p 2 reprezintă o variabilă aleatoare 1 2.6 Să se completeze tabelul repartiţiei comune ș i să se determine valorile posibile ale lui k 88 . XY. 2X şi Y2 4.5 0. Să se determine p 0 pentru care X : discretă.5 şi Y : 1 1 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.LUCRARE DE VERIFICARE 1.5 să se afle repartiţia comună a variabilelor aleatoare X şi Y b) să se calculeze X + Y.3 1 Pi k 0. Fie X şi Y variabilă aleatoare simple cu repartiţiile: X: 1 0 0.

XY c) să se calculeze ( X .6 şi Y: 1 0. M(3Y) = 1.3 şi Y: 1 2p 2 b 1.2 0.1 p q 0.4 2q 2 p a) să se determine p şi q b) să se calculeze 2X.5 Dacă P(X = 0. TESTUL DE AUTOEVALUARE NR. M(3X+2).1 Să se determine repartiţiile marginale ale variabilelor X şi Y şi să se calculeze coeficientul de corelaţie (să se stabileasca dacă variabilele sunt independente sau nu) 89 .Y ) d) să se calculeze M(5X).8 şi P(X=0 şi Y = -1) = 0. Fie X: 0 3 p 2q 2 p 2 a 1. 3.8q 0.8 şi Y: 1 2 0. 5X+3Y. Se consideră două variabile independente X: 1 0 1 0.5. să se calculeze coeficientul de corelaţie al variabilelor aleatoare X şi Y.6. Y= 1) = 0. 3 1.8 pentru care se cunosc: M(2X) = 1.3. Y4. Fie X şi Y variabile aleatoare simple cu repartiţiile: X: 0 1 0.5 0.8q 0.D2(2X+5Y) 2.

1x0.6x0.4 +2q-p =1.4 0. adică p+q = 0.24 0.4 0.6 5X+3Y: 2 1 3 6 8 11 0.3 0.18 0.1x0.1 0.3 0.06 0.6 XY: 1 2 0 0 1 2 0.4 0.4 0.1 0.36 XY: 2 1 0 1 2 0.6 b) 2X: 2 0 2 0.1x0.6 Rezolvând sistemul p q p 2q 0.3x0.04 0.3 0.3 0.RĂSPUNSURI 1.3 0.06 0.4 0.6x0.6 0.18 0.4 0.6 0.36 XY: 1x1 1x2 0x1 0 x2 1x1 1x2 0.4 0.24 0.6x0.3x0.4 0.1x0.24 0.1 0.12 0.6 Y4: 1 16 0. a) Din definiţia variabilei aleatoare ș tim că 0.6 0.1+p+q+0.3x0.6 obţinem q=0.3 şi p=0 Variabilele X şi Y vor fi: X: 1 0 1 0.6 0.36 90 .4 0.6 0.6 = 1 şi 0.12 0.6 5X+3Y: 5 0 5 + 3 6 = 5 3 5 6 0 3 0 6 5 3 5 6 0.6 şi Y: 1 2 0.04 0.3 şi –p+2q= 0.06 0.6x0.6 0.3x0.04 0.

5 M(Y) = 1x0.Y ) M ( XY ) M ( X ) M (Y ) D( X ) D(Y ) M(X) = -1x0.8 M(X2) = 0 x 0.06 + (-1) x 0.3 + 1 x 0.24 (X .5 +2 = 3.Y ) 0.5 x1.3 = 1 şi 2p2 + 1.5 D2(2X+5Y) = 4 D2(X) + 25D2(Y) = 4x0.5)2 = 0.5 = 2.36 = 0.8 – (1.3 + 1x0.8 = 1 91 .8 2.6 M(XY) = (-2) x 0.24 +2 x 0.7 – (0.6 = 2.5 M(3X+2) = 3M(X) +2 = 3x0.7 = 0.6 = 1.8 D2(X) = 0. Ştim că 3p + 2q + 2p2 + 1.c) ( X .6)2 = 0.45 D2(Y) = 2.04 + 0 x 0.3 + 1 x 0.8q + 0.4 + 4 x 0.1 + 0x0.45 x0.24=7.7 M(Y2) = 1 x 0.45+25x0.8 0.6 = 0.24 0 d) M(5X) = 5M(X) = 5 x 0.4 + 2x0.6 0.8q +0.

7) 2 4 x 2 x0.1 Ș i q1 = 1.7 2.7p + 0.5 şi 2p2+1.625 3p+2q = 7.2 0.8q.1 Pentru a determina repartiţiile marginale ale variabilelor X şi Y ne trebuie valorile 3p+2q şi 2p2+1.7 p 1.25 = 0.25 sau 2p2 -2.25 5.8q = 0.2 1.25 4 p2 2. Dacă p2 = 0.29 şi 2.1 şi q2 = 0.7p=-0.3 4 0.1 vom avea 3p+2q = 0.625 respectiv q2 = 0.2 .5 şi Y: 1 b 0.8q 2p 2 0.Rezolvăm sistemul 3 p 2q 2p 2 0.2 1.9) obţinem: 2.25 şi q1 = 1. valoare care nu convine deoarece 3p+2q trebuie să fie subunitara reprezentând o probabilitate. (2.5 0.5) = a 92 .3 p1 2. Dacă p1 = 1.5 + a x 0.5 0.8q Înmulţind prima ecuaţie cu (-0.8 M(2X) = 2M(X) = 2(0 x 0.7 2.3 1.45 0.8q şi scăzând cele două ecuaţii vom avea: 2p2 -2. deci X: 0 a 0.

2 deci se verifică relaţia P(X=0 şi Y=-1)= P(X=0) P(Y=-1) P(X=0 şi Y=1) = 0.4 0.5 0.5 P(Y=-1) = 0.5 1 P(Y=yj) 0.1 P(X=1)P(Y=-1) = 0.5 şi Y: 1 1 0.8 P(X= xi) 0.2 0.8 Repartiţia comună a variabilelor X şi Y este X\Y 0 1 -1 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)= 0.2+bx0.4b = 1.4b Ș i M(3Y) = 1.6+2.8 deci -0.5x0.6 +2.5 0.8 şi b=1 Atunci.8)=0.1 0.8 şi P(X=0 şi Y=1) = P(X=0)P(Y=1) P(X=1 şi Y=-1)= 0.5x0.1 1 0.4 P(X=0)P(Y=1) = 0.1 P(X=0) = 0. 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 .4 0.

3. Editura Cison. Ed.culegere de probleme. Cison.4 P(X=1)P(Y=1) = 0. 2010 2. Matematici pentru economişti . Matematică economică I.P(X=1 şi Y=1)= 0. 2000 3. Cenuşă Gheorghe (coord).8 şi P(X=1 şi Y=1) = P(X=0)P(Y=1) Si X şi Y sunt independente. Ed. BILIOGRAFIA SPECIFICĂ UNITĂŢII DE ÎNVĂŢARE NR. Bucureşti. Cison. Matematici pentru economişti.7. 2000 94 . Mitroi Andreea . Cenuşă Gheorghe (coord).5x0. 3 1.

1.3.1.1. Algoritmul Simplex bidimensional 4.1. Metoda grafică de rezolvare a problemelor de programare lineară bidimensională 4.3.2.2. 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. 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.UNITATEA NR. Formularea unei probleme de programare lineară (elementele unei probleme de programare lineară) 4.1. Formularea problemei de programare lineară bidimensională 4. Probleme de programare lineară cu 2 variabile (programare lineară bidimensională) 4.

1. Bibliografia specifică unităţii de învăţare nr. iar în cazul unei funcţii a costului obiectivul va fi minimizarea lui. Optimizarea funcţiilor se referă la găsirea acelor valori ale variabilelor care să maximizeze sau să minimizeze funcţia studiată. 4 4. PROBLEME DE PROGRAMARE LINEARĂ CU 2 VARIABILE (PROGRAMARE LINEARĂ BIDIMENSIONALĂ) Programarea lineară este un proces matematic folosit în elaborarea deciziilor fiind unul din instrumentele de bază ale managementului operaţional. Testul de autoevaluare nr. De exemplu.7. 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. în funcţie de natura acesteia. şi urmareşte optimizarea unor funcţii (de 2 variabile în cazul de faţă) în raport cu anumite restricţii (condiţii) impuse de natura proceselor.3. 4 4. 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 4. dacă vorbim de o funcţie a profitului.4.6.1. obiectivul va fi maximizarea acestuia.1. FORMULAREA PROBLEMEI DE PROGRAMARE LINEARĂ BIDIMENSIONALĂ Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. Minimizarea unei funcţii obiectiv pentru care toate restricţiile au semnul “ ” (problema duală) 4.5.2. Tema de control a unităţii de învăţare nr.4. Rezolvarea problemelor de programare lineară multimdimensională 4.

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

.profitul estimat a fi obtinut din vanzarea jucăriilor este de 5 lei pentru jucăriile albe şi 8 lei pentru jucăriile negre.Numărul maxim zilnic de ore de muncă este de 32 ore pentru departamentul de producţie şi de 84 pentru departamentul de asamblare.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. Construirea modelului P.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. adică: 1x1 + 2x2 32 98 .P. 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. timpul alocat fabricării jucăriilor albe (care necesită 1 ora) şi negre (care necesită 2 ore) nu trebuie să depaşeasca 32 de ore. 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: . Să se găsească cantitatea optimă care trebuie produsă din fiecare tip de jucarie pentru a maximiza profitul companiei.L.

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

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

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

studenţii trebuie: O1: Să determine grafic mulţimea soluţiilor posibile ale unei probleme de programare lineară O2: Să calculeaze valorile funcţiei obiectiv în fiecare din vârfurile determinate anterior O3: Să aleagă valoarea optimă în funcţie de tipul problemei (valoarea maximă pentru probleme de maxim sau valoarea minimă pentru probleme de minim) Constă în reprezentarea în acelaşi sistem de coordonate a dreptelor asociate restricţiilor problemei adusă la forma standard. Se 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 x1.2. se determină vârfurile poligonului rezultat. Dacă mulţimea soluţiilor posibile este nevidă. METODA GRAFICĂ DE REZOLVARE A PROBLEMELOR DE PROGRAMARE LINEARĂ BIDIMENSIONALĂ Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. x2 Pasul 1 Se determină grafic mulţimea soluţiilor posibile. Algoritm 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. 102 .4.

şi anume punctele O(0. A(4.4))(intersecţia celor două drepte si intersecţia dreptelor cu axele de coordonate) Calculăm valorile funcţiei obiectiv în fiecare din vârfurile poligonului rezultat: F(0. 8/3) = 64/3 şi F(0. F(4.0) = 24. respectiv valoarea F(4. x2 5x2 3x 2 50 27 0 103 . F(8/3.Sau x1 = 8 -1/2x2 pentru prima ecuaţie şi x1 = 10 -2x2 pentru a două ecuaţie.0). [Min]F = 16x1 + 45x2 2 x1 x1 x1. B(8/3.0) = 0.8/3) şi C(0. adică valoarea maximă a funcţiei obiectiv este 24 şi se atinge pentru x1 = 4 şi x2 = 0. se determină vârfurile poligonului. Pasul 3 PROBLEME REZOLVATE 1.0). Soluţia problemei este aria haşurată din imaginea de mai jos Pasul 2 Deoarece mulţimea soluţiilor este nevida.4) = 8 Si alegem valoarea cea mai mare.0)= 24 care este soluţia problemei.

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

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

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

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

0.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. Se alege coloana pivotului că fiind coloana care conţine cea mai mică valoare de pe ultima linie. Se împart elementele de pe ultima coloana la coloana lui x 1 şi se identifica cea mai mică valoare pozitiva. algoritmul este finalizat. se reia algoritmul de la Pasul 3. iar valoarea pivotului este 1. care este 20. celelalte variabile non-bazice avand valoarea 0) Deoarece pe ultima linie există elemente negative. 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. 20) petru care F = 1280. Soluţia optimă va fi x2 = 6. Sol. Pasul 5 Citirea soluţiei Observam că în ultimul tabel. rezultand tabelul: Sol.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. s2 = 0 Ș i [Max]F =1. variabilele bazice sunt x2 şi x1 (aflate pe prima coloana).480 110 . respectiv coloana lui x1. x1 = 20. (valorile soluţiilor de bază se ciesc pe ultima coloana că şi valoarea funcţiei obiectiv. s1 = 0.dacă dorim să interpretam rezultatele de la acest pas vom avea: Soluţia de bază (0. 16.

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

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

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

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

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

x2 0. Citirea soluţiei Observăm că în ultimul tabel.să adunăm o variabilă reziduală primei inecuaţii 116 . Soluţia optimă a problemei de maxim va fi y1 = 3.Deoarece toate elementele de pe ultima linie sunt pozitive. 10 4 În vederea formării ecuaţiilor asociate problemei trebuie: . x1 = 0. Rezolvarea problemelor de maxim sau de minim în care restricţiile au semne diferite Exemplu Să se rezolve problema de programare lineară: [Max] F = x1 + 2x2 x1 + x2 x1 – x2 x1. 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. variabilele bazice sunt y1 şi y2 (aflate pe prima coloana). algoritmul este finalizat. y2 = 10.

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

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

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

PROBLEME REZOLVATE 1. Să se rezolve: [Max] F = 3x1 + 5x2 2 x1 x1 x2 2 x2 x1 . respectiv problema de maxim: [Max] F = 3y1+4y2 Cu y1+2y2 y1+y2 2 3 2. x2 Pasul 1 0. 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. Să se determine duala problemei de minim: [Min]F = 2x1 + 3x2 Cu x1+ x2 2x1 +x2 x1.

x2 = 4. şi soluţia optimă a problemei modificate este: X1 = 0.baz. Var.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. problema iniţială nu are soluţie. 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.baz. Dar. s2 = 0. deoarece a1 0 . x1 s1 a1 F 2 1 x2 1 2 s1 s2 1 0 0 a1 F Val 0 0 4 0 10 1 -10M -1 1 M 0 -M-3 -2M-5 0 Coloana pivotului va fi coloana lui x2 şi linia pivotului va fi linia 1 şi prin operatiile l2 -2l1 şi l3+(2M+5)l1 vom obţine: Var. a1 = 2 şi [Max]F = -2M+20. s1 = 0. 121 .

Pentru problemele de programare lineară multidimensionale rezolvarea se face cu ajutorul algoritmului simplex care este identic cu cel aplicat la problemele bidimensionale anterioare. REZOLVAREA PROBLEMELOR DE PROGRAMARE LINEARĂ MULTIDIMENSIONALĂ Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. în funcţie de tipul problemei. 122 . 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.4.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.

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

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

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

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

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

y2 = 0. y3 = 3. x1 = 5. l2+l4 şi l5+300l4.Var. x2 = 0. x3 =0 şi x4 = 0 cu [Max]F =5. 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. continuăm algoritmul. Operaţiile care se efectuează sunt: l1+l4.700 Soluţia problemei iniţiale (de minim) se citeşte pe coloanele tabelului simplex şi este: x1 = 0. y4 = 7. 128 . y1 y2 x1 y4 y3 Y1 F 0 0 0 1 0 0 -1 -1 -1 y3 y4 X1 x2 0 0 1 0 0 1 0 0 0 1 0 0 0 0 -1 0 0 -1 x3 1 0 1 0 x4 1 1 0 1 F Val 0 5 0 7 0 3 0 3 100 0 600 400 300 1 5700 Algoritmul se incheie deoarece ultima linie conţine numai valori pozitive şi soluţia problemei duale (de maxim) este: y1 =3. Var. având pivotul la intersecţia dintre coloana lui y1 şi linia a patra.baz.baz.

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

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

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

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

2.000 euro şi necesită 2 angajaţi. şi 6 unităţi de colesterol şi în 100g de aliment B există 5 unităţi de calciu. 25 unităţi de vitamina A şi 8 unităţi de colesterol. O agenţie de turism planifică organizarea unei excursii în Grecia pentru care poate inchiria autocare şi microbuze. Regimul unui diabetic trebuie să conţină în mod obligatoriu două alimente A şi B. 120 unităţi de fier şi 200 unităţi de vitamina A. fier şi vitamina A în condiţiile unui aport minim de colesterol? 133 . 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 combinaţia optimă a portofoliului în vederea maximizării profitului obtţnut din investiţie? 4. În 100 g de aliment A există 25 unităţi de calciu. Fiecare autocar poate transporta 40 de persoane şi costul închirierii pe o săptămână este de 4. Veniturile anuale estimate a fi obţinute sunt de 400. Un investitor doreşte să investească suma de 50. Banca nu poate angaja mai mult de 100 persoane şi nu poate deschide mai mult de 20 de unităţi noi. 10 unităţi de fier. Cantitatea zilnică minimă necesară este de 300 unităţi de calciu. Care este numărul optim de vehicule din fiecare tip care trebuie închiriate în vederea minimizării costurilor de transport? 3. Care este cantitatea optimă de alimente A şi B care trebuie să alcatuiască dieta pentru a respecta condiţiile impuse pentru calciu. Dobânda medie a acţiunilor este 15 % şi cea a obligaţiunilor este de 12% şi investitorul doreşte că cel putţin o treime din sumă să fie investită în acţiuni.000 euro şi necesită 5 angajati. Costul înfiinţării unei sucursale este de 100.000 lei în acţiuni şi obligatiuni. iar costul înfiinţării unei agenţii este de 50. O bancă dispune de un buget de dezvoltare de 1.000 euro pentru agentii. 10 unităţi de fier. 5 unităţi de vitamina A.000 euro pentru sucursale şi de 125.000.000 lei şi fiecare microbuz poate transporta 10 persoane şi costul închirierii pe o săptămână este de 900 lei.000 euro şi iș i propune înfiinţarea de sucursale şi agenţii în România. Care este numărul maxim de sucursale şi agentii care poate fi deschis în vederea optimizarii profiturilor băncii? 5.

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

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

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

Var. 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 x2 F Soluţia: x1 1 0 0 x2 0 1 0 s 4/10 -1/5 t 0 2/5 F 0 0 1 Val 4 2 16 14/10 1/5 [Max]F = 16 pentru x1=4 . x1 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 . 3.baz.baz. x2=2 si s = 0.baz. t = 0. 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. s t p F x1 2 1 1 -30 x2 1 1 2 -40 s 1 0 0 0 t 0 1 0 0 p 0 0 1 0 F 0 0 0 1 Val 10 7 12 0 Var.baz.

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

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

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

Definiţi forma standard a unei probleme de programare lineară. O firmă produce două tipuri de becuri: de 100W şi de 200W. 8. (y1 = y2 =0) 6. [Max]F = 180 pentru y1 = 15 si y2 = 0 si [Min] F = 180 pentru x1=0 si x2 =12. 7.Soluţia optimă a problemei duale de maxim este: Max F = 24 pentru y1 = 2. şi fiecare bec de 200 W necesită 2. Fiecare bec de 100 W necesită 2 ore pentru producţie şi 1 ora pentru ambalaj. [Max]F = 12 pentru y1 = 3/2 si y2 = 0 si [Min] F = 12 pentru x1 = 4 si x2 =0. [Max]F = 6 pentru y1 = 0 si y2 = 1 si [Min] F = 6 pentru x1 = 6 si x2 =0. ÎNTREBĂRI DE CONTROL 1. Care este combinatia optimă de produse din fiecare tip care poate fi fabricăta zilnic pentru maximizarea profitului? 141 . Care este importanţa programării lineare în modelarea matematică a fenomenelor economice? 2.5 ore pentru producţie şi 1 oră pentru ambalare. Profitul companiei este de 3 lei pentru becurile de 100 W şi 4 lei pentru becurile de 200W. Numărul maxim de ore de muncă este de 80 pentru producţie şi 20 pentru ambalare. 3. 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. Ce reprezintă funcţia obiectiv a unei probleme de programare lineară? LUCRĂRI DE VERIFICARE 1.

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

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

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.REZOLVARE 1.baz. 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 . 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. s t p F x1 -1 -1 1 -2 x2 1 3 -4 -3 s 1 0 0 0 t 0 1 0 0 p 0 0 1 0 F 0 0 0 1 Val 2 12 4 0 Var.baz.baz.baz.Algoritmul simplex este: Var.

baz. 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. 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. 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. dar problema nu are soluţie (nu se poate determina valoarea maxima a functiei F).baz.baz. x2 = 5 valoarea funcţiei este F = 21. 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 . 2.baz.Pentru x1 = 3 . Algoritmul simplex este: Var. deoarece algoritmul simplex nu se poate finaliza.

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