cultatea

UNIVERSITATEA HYPERION DIN BUCUREŞTI
FACULTATEA DE ŞTIINŢE ECONOMICE

Matematică aplicată în economie
- SUPORT DE CURS ÎN FORMAT ID

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

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

2

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

97 102 105 106 111 122 132 143 146 147 148

3

specifice conţinutului disciplinei matematică economică Dezvoltarea aptitudinilor de interpretare şi de analiză critică a rezultatelor obţinute prin rezolvarea problemelor Dezvoltarea spiritului inovator în domeniul economic prin aplicarea metodelor specifice disciplinei matematică economică 3. de rezolvare a unor probleme de bază şi de evaluare a concluziilor posibile Formarea abilităţilor de analiză independentă a unor probleme şi capacitatea de a comunica şi a demonstra soluţiile alese pentru 4 . Obiective aferente dezvoltării de competenţe funcţional acţionale Dezvoltarea aptitudinilor de aplicare a metodelor de rezolvare a problemelor. Obiective aferente dezvoltării de 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.Introducere Cursul se adresează studenţilor Facultăţii de Stiinţe Economice. Obiective aferente dezvoltării de competente de specialitate Definirea si descrierea principalelor noţiuni specifice disciplinei matematică economică şi a metodelor specifice acesteia Realizarea de analize ale fenomenelor economice din perspectivă matematică şi interpretarea rezultatelor Intelegerea şi aplicarea metodelor matematice în analiza fenomenelor economice Aplicarea conceptelor. teoriilor şi metodelor specifice matematicii economice formularea de demersuri profesionale Dezvoltarea capacitătii de sintetizare şi interpretare a unui set de informaţii. 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.

fiecare unitate se încheie cu un test de autoevaluare a cunoştinţelor studiate în respectiva unitate. obiectivele operaţionale pe care studenţii trebuie să le urmărească de-a lungul studiului. în conformitate cu calendarul disciplinei. precum şi o schemă de parcurgere a materialului în care trebuie bifate elementele parcurse pe masură ce acţiunile sunt efectuate.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. în vederea pregătirii examenului. Cursul este structurat pe unităţi de învăţare organizate în unităţi de învăţare. De asemenea. Fiecare unitate de învăţare conţine timpul mediu necesar pentru studiu. 5 .

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. Determinarea drumurilor hamiltoniene în grafuri fără circuite 1. Generalităţi 1.4. Generalităţi.2.1.1.1. Matricea asociată drumurilor unui graf 1.UNITATEA NR.2. Determinarea drumurilor optime într-un graf 6 . Determinarea drumurilor hamiltoniene în grafuri cu circuite 1.1.3. Matricea asociată drumurilor unui graf 1. 1 ELEMENTE DE TEORIA GRAFURILOR Timp mediu necesar pentru studiu: 7 ore Bifează sarcinile de lucru rezolvate.

cu proprietatea că xj ● Submulţimea A = { (xi. xi) se numeşte buclă.. Cuplul G = (X.. xj) ● Pentru arcul (xi..6. Tema de control a unităţii nr. 7 .7.1.j =1. x2. o submulţime F(xi) P(X).1.5. 1 1. ● Două vârfuri xi şi xj sunt adiacente dacă xj ● Dacă xi.1. xi este extremitatea iniţială şi xj extremitatea finală. Testul de autoevaluare nr. F(xi) atunci (xi. A. F(xi) sau xi F(xj) . xn} şi o funcţie F:X P(X) care asociază fiecărui element xi X. ● O pereche de vârfuri (xi. GENERALITĂŢI. ● Mulţimea arcelor incidente exerior lui xi se notează A+(xi). 1 1. MATRICEA ASOCIATĂ DRUMURILOR UNUI GRAF Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare.1 1. i = 1. xj) F(xi) formează un arc al grafului.. ● Elementele xi X se numesc vârfuri sau noduri ale grafului. n . ● Două arce sunt adiacente dacă au o extremitate comună.1. Bibliografia specifică unităţii de învăţare nr. i. GENERALITĂŢI Definiţii ● Fie o mulţime finită X = {x1. n . ● Arcul cu extremitatea iniţială xi se numeşte incident exterior lui xi.F). X x X / xj F(xi) } reprezintă mulţimea arcelor grafului G = (X. xj).F) se numeşte graf. 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.

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

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

daca in G ( X .n. j 1. în care pe o poziţie aij va fi xixj dacă există arcul (xi. 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. x2 x3 x4 x5 x6 Cu ajutorul matricei booleene a grafului. n in caz contrar 10 . Definiţie Se numeşte matricea drumurilor grafului G sau a “conexiunilor totale” matricea booleana D = (dij)i.j=1. x j 0. i.xj) şi 0 în caz contrar. Procedeele de determinare a drumurilor hamiltoniene sunt diferenţiate în funcţie de tipul grafului . MG (vezi exemplul anterior) Folosind matricea latină. xi . logistică. 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. organizarea sistemelor informaţionale).2.1. F ) exista cel putin un drum de la xi la x j .cu circuite sau fără circuite. 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. iar informaţiile despre tipul de graf sunt date de matricea D a drumurilor. 6.x1 5. unde dij= 1.

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

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

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

2. conţine un drum hamiltonian dacă şi numai dacă: n p( xi ) i 1 n(n 1) 2 Observaţie: Într-un graf fără circuite există cel mult un drum hamiltonian. 2 n(n 1) STOP. 2 Pasul 2 Dacă numărul de elemente egale cu 1 este mai mic decât valoarea 14 . 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) .1. DETERMINAREA DRUMURILOR HAMILTONIENE ÎN GRAFURI FĂRĂ CIRCUITE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. 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. Algoritm de determinarea a drumurilor hamiltoniene în grafuri fără circuite Pasul 1 Se calculează matricea drumurilor D. n .

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

xi2. permiţând şi determinarea acestora.Ordonăm descrescător valorile puterilor de atingere: p(x3) > p(x2)> p(x4)> p(x1)> p(x5) şi va rezulta că drumul hamiltonian este dH = (x3.. REZUMAT Determinarea drumurilor hamiltoniene in grafurile fără circuite se face cu ajutorul Teoremei lui Chen. Teorema lui Chen ne oferă informaţii despre existenţa sau inexistenţa drumurilor hamiltoniene în grafurile fără circuite. x2. x5). x1.. xin.. 16 . 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. . DETERMINAREA DRUMURILOR HAMILTONIENE ÎN GRAFURI CU CIRCUITE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. Pentru a putea aplica această teoremă. Definiţie Un circuit CH = (xi1.3. drumul Hamiltonian este unic. 1. dacă există. trebuie însă să ne asigurăm cu ajutorul matricei drumurilor că graful nu are circuite. x4. xi1) se numeşte hamiltonian dacă trece o dată şi numai o dată prin fiecare vârf al grafului cu excepţia vârfului xi1.

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

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

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

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

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

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

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

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

v4(0) c24 . v7(2) ) dupa formula: v i( 2) max(v (j1) cij ). v 5 13. ) . 7. v (61) 6 iar v (71) 0 prin conventie. 4 . 4 7. Deoarece v i( 0 ) vi(1) vom continua algoritmul prin calcularea lui v i( 2 ) . mai puţin v 1 cu c11. 2 ) . . (0) element cu element. v6(0) c16 . (Pasul 3) (1) v1 max (v (j0) j 1 j 1 c1 j ). v (22 ) (2) 11. v (41) (1) 4. . cu j 1. 0 ) v (21) max( j 1 v (21) 11 şi se trece rezultatul în tabel.(1 ) Calcularea lui v 1 : se adună linia v i( 0 ) cu linia corespunzatoare lui x1 (prima linie). v 5 5. respectiv linia lui v i( 2 ) . v7(0) c27 ) v (21) max( j 1 . . v 3 5.7 25 . i 1. v6(0) c26 . Pasul 5 Se calculează v i(3) max(vi( 2) j i cij ). 3. cu j 1. . v3(2) . v (42 ) (2) 4. v5(0) c15 . v3(0) c23 .7 v (21) max (v1(0) c21 . v5(2) . şi se alege valoarea maximă dintre sumele rezultate. j 1. element cu element. 3 . mai puţin v (20 ) cu c22. v7(0) c17 ) (1) v1 max( j 1 (1) v1 max( j 1 (1) v1 2. v4(0) c14 . 2 5. 11. v4(2) . .7 v 1(1) max (v2(0) c12 . v (72 ) 0 prin conventie. v (62 ) 6. 3 . Cu aceste valori obţinute se completează tabelul cu inca o linie. Pasul 4 Se calculează v i( 2) respectiv valorile v1(2) . (2) Calcularea lui v 1 : se adună linia v i( 0 ) cu linia corespunzatoare lui x2 (a două linie). Deoarece v i( 2 ) vi(1) algoritmul se continuă prin calcularea valorilor lui v i( 3) . . v3(0) c13 . Analog se calculează şi celelalte valori ale lui v i(1) şi se obţine: (1) v3 5. v5(0) c25 .7 11.6. 2.6 j i ( 2) Vom obţine v 1 si j 1. i 1. 0 ) şi aceasta valoare se trece în tabel . şi se alege valoarea maximă dintre sumele rezultate v (21) max(v (j0) j 2 j 2 c2 j ). v2(2) . . v6(2) .

v (23) ( 3) 13. x6. i 1. v 3 11. Deoarece v i( 3) vi( 2 ) algoritmul se continuă prin calcularea lui v i( 4 ) . v (45 ) Algoritmul se încheie deoarece v i( 5) vi( 4 ) . v 5 5. Forma finală a tabelului este: X1 X1 X2 X3 X4 X5 X6 X7 V i( 0 ) V i(1) Vi Vi ( 2) X2 2 0 11 11 13 13 13 x3 3 2 0 5 11 11 11 11 x4 7 1 0 1 2 4 4 4 4 4 4 x5 5 0 2 5 5 5 5 5 x6 5 0 3 6 6 6 6 6 x7 4 2 3 0 0 0 0 0 0 0 0 13 14 15 15 ( 3) Vi Vi ( 4) (5) Interpretarea rezultatelor: Din tabelul intocmit obţinem 2 informaţii: 1. Pasul 6 Calculam v i( 4) max(vi(3) j i cij ). j 1. Pasul 7 Calculam v i(5) max(vi( 4) j i (5) (5) v1 15. 5.7 (4) (4) ( 4) Obţinem: v 1 15.6. v (43) ( 3) 4. v 3 11.( 3) Si se obţine: v 1 14. x2. v (73 ) 0. v (25 ) =13.7 6. v (75 ) 0 11. v 5 i 1. Care este valoarea drumului maxim de la x1 la x7 2. v (44 ) 4. v 5 5.6. x3. x4. v 3 cij ). v (64 ) 6. Deoarece v i( 4 ) vi( 3) algoritmul se continuă prin calcularea lui v i( 5 ) . v (74 ) 0 . x7) 26 . Valoarea drumului maxim este 15 ( valoarea lui v 1 de la ultimul pas) 2. v (63 ) 6. (5) 4. (5) 1. Care sunt vârfurile care compun drumul maxim. Drumul de valoare maximă este:dmax = (x1. v (65 ) j 1. v (24 ) 13.

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

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) . v 4 c 24 . mai puţin v 1 cu c11. Formula de calcul a valorilor v (1 ) i este vi(1) min (v (j0) cij ). j i j 1.5 v5(1) 0 (1 ) Calcularea lui v 1 : se adună linia v i( 0 ) cu linia corespunzătoare lui x1 (prima linie). 0 4) v (21) 3 şi se trece rezultatul în tabel. cu j 1. mai puţin v (20 ) cu c22. v1 (2) Calcularea lui v 1 : se adună linia v i( 0 ) cu linia corespunzătoare lui x2 (a două linie). Analog se calculează şi celelalte valori ale lui v i(1) şi se obţine: (1) v3 6.4 ( 0) c13 . i 1. v (41) (1) 0 prin convenţie. 2 1. şi se alege valoarea minimă dintre sumele rezultate v (21) min (v (j0) j 2 j 2 c2 j ). v5 c 25 ) v (21) min (9 j 1 . şi se alege valoarea minimă dintre sumele rezultate. 6 1. 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 ) . v3 c 23 .4. 6 . v3 j 1.7. v5 c15 ) (1) v1 min (4 3. v 4 ( 0) c14 . cu ( 0) c12 . (1) v1 min (v (j0) j 1 (1) ( 0) v1 min (v 2 j 1 c1 j ). v3 .4 ( 0) ( 0) (0) v (21) min (v1(0) c 21 . v4 . v5 Se calculează valorile v i(1) respectiv v 1 care se trec pe urmatoarea linie a tabelului. element cu element. 28 . v2 . element cu (0) element. 0 9) (1) 7 şi aceasta valoare se trece în tabel . 2 j 1 (1) min (7. .9) v1 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

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

x5}. F(x3) = {x2. x4}. F(x1) = {x3. i= 1. a) folosind matricea drumurilor să se arate că G nu are circuite şi are drum hamiltonian b) ș tiind că v(x1. x5) = 2 să se arate că dH este drumul de valoare maximă de la x1 la x5. x4) = 2. x3) = 3.A). Fie graful G= (X. Care este metoda de determinare a tipului de graf – cu circuite sau fără circuite? 2.4. F(x4) = {x5}. x4) = 3. Care este numărul maxim de drumuri hamiltoniene pe care le poate avea un graf cu 5 noduri? 4. Ce semnifică existenţa unui element egal cu 1 pe diagonala matricei drumurilor? 3.5 }. x4. v(x1. ÎNTREBĂRI DE CONTROL 1. x5) = 4. x4) = 1. v(x3. Ce informaţii se pot obţine în urma aplicării algoritmului înmulţirii latine? 6. X = {xi. x2) = 4. v(x3. v(x3. De ce nu se poate aplica teorema lui Chen pentru determinarea drumurilor hamiltoniene în grafurile cu circuite? 33 . Care este procedeul de determinare a tipului de graf? 5. v(x4. F(x5) = . v(x2. F(x2) = {x4}.

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

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

1.6. Probabilităţi condiţionate 2.1.UNITATEA NR. 2 36 . 2 ELEMENTE DE TEORIA PROBABILITĂŢILOR Timp mediu necesar pentru studiu: 7 ore.2.2.3.2.5. Câmpuri de probabilitate 2.1. 2 2. Bibliografia specifică unităţii de învăţare nr. Tema de control a unităţii de învăţare nr. Bifează sarcinile de lucru rezolvate.Câmpuri de evenimente şi câmpuri de probabilitate 2. pe măsura parcurgerii lor: Parcurge obiectivele Citeşte conţinutul lecţiei Raspunde la întrebările de control Parcurge problemele rezolvate Rezolva problemele propuse Recapitulează cunoştinţele Pregăteste Tema de control Cuprinsul unităţii de învăţare: 2.2. Evenimente independente 2.Scheme probabilistice 2. Câmpuri de evenimente 2.2.Test de autoevaluare 2.Probabilităţi condiţionate.1. Evenimente independente 2.1.4.

CÂMPURI DE EVENIMENTE ŞI CÂMPURI DE PROBABILITATE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare.2.aruncarea unui zar. Dacă = mulţimea tuturor rezultătelor posibile ale unei experienţe şi P( .prezentarea la examen a unor studenţi .apariţia feţei “2” la aruncarea unui zar . realizarea unui complex de condiţii.jucarea unei partide de sah Definiţii ● Proba = orice rezultat al unei experienţe ● Eveniment aleator = oricare din rezultătele potenţiale ale unei experienţe. Exemple .apariţia feţei “Cap” la aruncarea unei monezi ) este un eveniment Exemplu 37 .1. sau a unei modede . a cărui realizare poate fi confirmată de o singura proba. CÂMPURI DE EVENIMENTE Definiţii Experienţa = alegerea. printr-un procedeu susceptibil de a fi repetat.1.1.extragerea unei bile albe dintr-o urnă cu bile albe şi negre . 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.extragerea unei bile dintr-o urnă . orice element al mulţimii P( ) = mulţimea tuturor părţilor lui aleator sau un eveniment . a unui element dintr-o mulţime dată.

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

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

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

B atunci P(B-A) = P(B) – P(A) B rezultă ca A B = A. 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. Aplicand definiţia probabilităţii avem: P(B) = P(B .3 atunci probabilitatea ca ziua de mâine să fie noroasa este de 1-0. P( )=0 şi implicit A = .3 = 0.7 Proprietăţi 5. 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) = . Rezultă ca P(A) + P( A ) = 1 . Dacă A Dacă A P(B) .P(A B). deci P(B) 0 P(A). B) sunt incompatibile . Dacă A B) adică P(B .4 sau 40% Proprietăţi 1. Aplicand proprietatea 1) vom avea: P(B . P(A ) ) = 1 din definiţia probabilităţii. P(B-A) Rezultă ca P(B) – P(A) 0. si conform Definiţiei probabilităţii.A) = P(B) . A ) = P(A) + P( A ) .P(B) = 10 25 0. deci P( B) = P(A) + P(B) – P(A B) ) = 0. 4.A) = B) = P(B) – P(A) B atunci P(A) P(B) Din proprietatea 2) avem relatia P(B-A) = P(B) – P(A). adică P(A) = 1 – P( A ) Exemplu Dacă probabilitatea ca ziua de mâine să fie insorită este de 0. Rezultă ca: P( )=1 Folosim proprietatea 4) considerănd A = – P( Dar P( 6. 41 .A)+P(A 2.P(A 3.

1)} B = {(5. (2. (6. (3.5).5)} şi C = A B Numărul total de evenimente ale câmpului = 36 Evenimentele A şi B sunt independente. (4.6).4).6).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. 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 . (5. (6.3).2).

6} B = {3.Problema 1 Se consideră experienţa aruncării unui zar.6} B = {4} şi A B = {2.4.5} şi A B = {1. P(A b) cu 4? Fie A: evenimentul ca la aruncarea zarului să obţinem o faţă pară Si B : evenimentul ca la aruncarea zarului să obţinem un număr divizibil cu 4.6} şi A B = {4} B) = n( A B ) n( ) 1 6 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 = {1.3. faţa obţinută să fie impară şi număr 43 . faţa obţinută să fie pară sau divizibilă Metoda 1 Folosind definiţia clasică a probabilităţii.4.5} 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 0.5 sau 50% 2 Care este probabilitea ca la aruncarea unui zar. a) Care este probabilitea ca la aruncarea unui zar.5} Folosind definiţia clasică a probabilităţii.3.5.4.6} 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 3.2. faţa obţinută să fie pară şi divizibilă cu 2? Evenimentul sigur.6} şi A B = {3} Folosind definiţia clasică a probabilităţii. A = {2.3.3.4. sau spaţiul de selectie este = {1. A = {2.2.

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 . 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.5} B = {1.2).3.3).(4.6). A = {(1.5). suma feţelor aparute să fie 6 B = evenimentul ca la aruncarea celor 2 zaruri.(3.4). suma feţelor aparute să fie 10 C = evenimentul ca la aruncarea celor 2 zaruri.2.3. (5.1)} B= {(4.(6. 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.(5.3. faţa obţinută să fie impară sau număr Fie A: evenimentul ca la aruncarea zarului să obţinem o faţa impară Si B : evenimentul ca la aruncarea zarului să obţinem un număr prim A = {1. suma feţelor aparute să fie 6 sau 10.d) prim? Care este probabilitea ca la aruncarea unui zar.2. (2.5} şi A B = {1.5} Metoda 1 Folosind definiţia clasică a probabilităţii.5).

(2.(3. K.1).1)..2). P ) se numeşte câmp de probabilitate.2)} B) 5 18 Intr-un dulap sunt 6 perechi de pantofi. A = {(1. P(A)= 3 15 0 . Notand cu A evenimentul ca cei 2 pantofi extrasi să formeze o pereche.2). An. )=1 A K P3) Orice şir de evenimente A1..(2. iar numărul de cazuri favorabile este dat de numărul perechilor de pantofi.(4. A2.1)..3).(5. pentru i j) are A n 1 n )= n 1 P ( An ) se numeşte probabilitate pe ( .3).(2. Dacă se extrag la întâmplare 2 pantofi. 45 . suma feţelor aparute să fie mai mica decat 5 C = evenimentul ca la aruncarea celor 2 zaruri să apară feţe identice sau suma feţelor aparute să fie mai mica decat 5.2 REZUMAT O functie P : K  R care satisface condiţiile: P1) 0 P2) P( P( A) 1.(6...A = evenimentul ca la aruncarea celor 2 zaruri să apară feţe identice B = evenimentul ca la aruncarea celor 2 zaruri. două cate două incompatibile ( Ai loc egalitatea P ( Aj = .6)} B= {(1..5).(1..K) iar tripletul ( .1).2).(3.(2. care este probabilitatea ca pantofii extrasi să formeze o pereche? Numărul total de cazuri posibile este C 62 =15. adică 3.1)} 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 = {(1.4).(1.

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

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

45 sau 45% 2. Fie evenimentele: A = se extrage o bila din urnă nr.60 = 0. 2 contine 3 bile albe şi 5 bile negre.2 C = se extrage o bila alba P(A) = P(B) = 1 3 . Atunci evenimentul B= C/A şi P(B) = P(C/A) = 75% P(D) = P(A  C) = P(A).P(C/A) = 0. Să se calculeze probabilitatea ca o bila aleasa la întâmplare dintr-una din cele 2 urne să fie alba.1 B = se extrage o bila din urnă nr. 1 contine 3 bile albe şi 4 bile negre. Urna nr. şi 75% dintre femei au 1 copil. 48 .1 să fie alba este P(C/A) = . 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. Dacă 60% din angajaţii unei companii sunt femei.75 x 0.2 să fie alba este P(C/B) = Aplincând formula probabilităţii totale vom avea: P(C) = P(A)P(C│A) +P(B)P(C│B) = (1/2) x (3/7) + (1/2) x (3/8) = 45/112 = 0. Urnă nr. să se calculeze probabilitatea ca un angajat ales la întâmplare să fie femeie şi să aiba un copil.40178.PROBLEME REZOLVATE 1. 2 7 3 8 Probabilitatea ca o bila extrasa din urnă nr. Probabilitatea ca o bila extrasa din urnă nr.

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 ). atunci : P(A/B) = P(A) şi P(B/A) = P(B) 2.3.B K sunt independente dacă : P( A B) P( A) P( B) Dacă A şi B sunt două evenimente independente din spaţiul K. n şi un sistem de evenimente asociat experienţelor Ei. cu i = 1.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. studenţii trebuie: O1: să cunoască schemele probabilistice clasice O2: să aplice schemele probabilistice clasice în rezolvarea problemelor Schema Poisson Se consideră un sistem de experienţe independente Ei cu i = 1. cu probabilităţi diferite de zero. n 49 . SCHEME PROBABILISTICE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. notat Ai.

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

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

3 şi probabilităţile asociate de extragere a unui baiat din fiecare grupa P(Ei) = pi. i=1. 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. q2 = 0.1.15 şi p3 = 0. este probabilitatea realizării a 3 evenimente (k=3) la efectuarea celor 3 experienţe şi conform Schemei Poisson.9. respectiv p1 = 0.85 respectiv q3 = 0.8. 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 . p2 = 0.a) un singur student din cei 3 alesi să fie baiat Ipoteza : Considerăm sistemul format din 3 experienţe Ei.a) probabilitatea ca un singur student să fie fată este echivalentă cu probabilitatea ca 2 studenţi din cei aleşi să fie baieţi. probabilitatea alegerii a 2 studenţi este coeficientul lui x2 din polinomul Q(x) = (p1x+q1)(p2x+q2)(p2x+q2). adică probabilitatea realizării a 2 evenimente (k=2) la efectuarea celor 3 experienţe. P(A) = p1q2q3 + p2q1q3 + p3q1q2 un singur student din cei 3 alesi să fie fata b) In ipotezele enunţate la pct.2. Probabilitatea realizării evenimentului A : « un singur student să fie băiat » (k=1) atunci când se efectuează cele 3 experienţe este coeficientul lui x din polinomul Q(x) = (p1x+q1)(p2x+q2)(p2x+q2) Q(x) = p1p2p3x3 + (p1p2q3 + p2p3q1 + p1p3q2)x2 + (p1q2q3 + p2q1q3 + p3q1q2)x + q1q2q3. Atunci. Conform Schemei Poisson. probabilităţile de a extrage o fată din fiecare grupă vor fi q 1= 0.

. p n m1!m2 !. cu i = 1. n Schema Bernoulli Probabilitatea realizării unui eveniment A de k ori atunci când se efectuează o experienţa de n ori. i=1.. 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 . 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 ).mn ! 53 .Notând cu E = evenimentul ca cel mult un student din cei 3 aleşi să fie băiat. f) Am calculat anterior probabilităţile realizării evenimentelor : B = un student din cei 3 alesi este fată C = toti studenţii aleşi sunt baieţi Probabilitatea realizării evenimentului F = B  C este P(F) = P(B) + P(C) (B şi C sunt evenimente independente). n probabilitatea realizării evenimentului A care constă în realizarea evenimentelor Ai de mi ori ( i 1 mi k) este P(A) = k! mn m2 p1m1 p 2 .p.n. P(E) = P(A  D) = P(A) + P(B) probabilitatea ca cel puţin 2 studenţi să fie băieti. 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). 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

2.6} spaţiul de selectie asociat unei experienţe. 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? 2.3. 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. Se aruncă 2 zaruri de 100 de ori. Fie = { 1. să se arate ca evenimentele : A : apariţia feţei « Cap » la prima aruncare si B : apariţia feţei « Cap » la a două aruncare sunt evenimente independente.5. se alege aleator o carte. 2. TESTUL DE AUTOEVALUARE NR. Dintr-un pachet cu 52 carti de joc.2. Experimentului aruncarii unei monede de 3 ori i se poate ataşa varaibila aleatoare X = numărul de ori de care poate aparea “pajura”. Se consideră experienţa aruncării de două ori a unei monezi . Care sunt valorile pe care le poate lua X? 57 . 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. 2 1. În tabelul de mai jos se inregistrează frecvenţa apariţiei tuturor sumelor posibile pentru cele 2 feţe aparute la o aruncare.4.5.

b. Considerand variabilă aleatoare X = numărul de aruncari.2.…12 b) 2.5.PP} Atunci A = {CC. şi variabilă aleatoare asociata numărului de aruncari necesare pentru obtinerea la ambele zaruri a fetelor 6.4 b) 1.12 c) 1. P( A B) 1 4 1 1 2 2 B {CC} cu P(A) = 1 1 . Spaţiul evenimentelor echiprobabile al experienţei este K = {CC.3.2. valorile pe care le poate lua X sunt: a) 1. PCC.5. c 58 .4.4… d) 0. b) variabilă aleatoare asociata numărului de intrebari la care un student a raspuns corect. 2.3.2.10.2. Rezolvări : 1.1. Fie experimentul aruncarii a 2 zaruri şi variabilă aleatoare X = suma numerelor care apar pe feţele zarurilor.3.D. 5. B = {CC.PC.4.4… d) 0. 3.…12 4.5. Să se precizeze tipul urmatoarelor variabile aleatoare: a) se consideră experienţa aruncarii a 2 zaruri.PC} şi A Verificând definiţia.8. Care sunt valorile pe care le poate lua X? a) 1. 6.6.2.6. PPC.3 d) CPP. PCP. Experiment: Se arunca un zar pana apare fata 6.C.3.12 c) 1.000 eur dupa un an de la momentul investitiei d) variabilă aleatoare asociata rezultatelor experientei de masurare a inaltimii unui grup de 50 de persoane.CP.B.4.1. a.3 c) 0. CCC e) nedefinit f) 0.a) 1.… e) nedefinit f) A.3. daca studentul rezolva pentru un examen un test cu 50 de intrebari c) variabilă aleatoare asociata valorii unei investitii de 10. CPC.3.2.…12 e) nedefinit f) 2.CP} .2.1.2.4.10.4.5 3.2. 1.8. P(B) = şi P( A 2 2 B) 1 4 P( A) P( B) adică A şi B sunt independente 4.…12 b) 2.… 5.

2000 3. Matematici pentru economişti.2. Ed. 2010 2.6. Cenuşă Gheorghe (coord). Cison. Cison. Matematică economică I. 2000 59 . BILIOGRAFIA SPECIFICĂ UNITĂŢII DE ÎNVĂŢARE NR. Ed.culegere de probleme. Mitroi Andreea . Bucureşti. Matematici pentru economişti . Editura Cison. 2 1. Cenuşă Gheorghe (coord).

Funcţia de repartiţie şi densitatea de repartiţie a unei variabile aleatoare 3. Funcţia de repartiţie 3. Operaţii care se pot efectua cu două variabile aleatoare X şi Y 60 .2. Generalităţi. 3 VARIABILE ALEATOARE Timpul de studiu individual estimat: 7 h Bifează sarcinile de lucru rezolvate. Operaţii cu variabile aleatoare discrete 3.1.1.UNITATEA NR. 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: 3.1.3.2. Operaţii efectuate asupra unei variabile aleatoare X 3.3.2. Generalităţi 3.1.2.2.1.2. Variabile aleatoare discrete 3. Distribuţia de probabilitate (repartiţia) a unei variabile aleatoare simple 3.1.

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 3.3. Coeficientul de corelaţie 3. Caracteristici numerice ale variabilelor aleatoare continue 3.3. FUNCŢIA DE REPARTIŢIE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. 3 3. ● Rezultatul experimentului “sustinerea examenului la matematica” efectuat de un student din anul I este un număr . în cele mai multe dintre cazuri. fiecărui rezultat posibil al acestuia îi putem asocia valori numerice. Bibliografia specifică unităţii de învăţare nr. care asociază fiecărei realizări a unui experiment un număr . Coeficientul de corelaţie a două variabile aleatoare 3. de la 0 la 10.2.1. Variabila aleatoare este deci o regulă. Caracteristici numerice ale variabilelor aleatoare discrete 3. şi fiecărei din aceste experienţe îi putem ataşa valorile numerice 1 pana la 6. 3 3. 61 . Caracteristici numerice ale variabilelor aleatoare.1. Exemplu ● La aruncarea unui zar se obţine una din feţele zarului cu valori de la 1 la 6.1.3. GENERALITĂŢI. 3 3. Tema de control a unităţii de învăţare nr.5. aceste numere numindu-se valorile variabilei aleatoare.4. Testul de autoevaluare nr.6.1.7.3. GENERALITĂŢI Considerând un experiment.

Observaţii ● Valorile pe care le poate lua o variabilă aleatoare se cunosc numai dupa efectuarea experimentului. 0. 1. Z. ( de ex.Definiţii: Se numeşte variabilă aleatoare..r Valorile pe care le poate lua X sunt 2. 1.. ● Variabilele aleatoare discrete care pot lua un număr exact de valori finite se numesc variabile aleatoare finite sau simple. 2. o mărime care în urma unei experienţe poate lua o valoare dintr-o mulţime bine definită. .1. . Valorile pe care le poate lua Y sunt 0.. 0.etc. 3. ● 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. variabila aleatoare se numeşte discretă. (de ex... numărul de stele estimate a exista în univers) ● Daca mulţimea valorilor posibile este continuă (un interval finit sau infinit din mulţimea numerelor reale). variabila aleatoare se numeşte continuă.. (de ex. numită mulţimea valorilor posibile. Inalţimea unui atlet în cm) 62 . Y. Definiţii ● Daca mulţimea valorilor posibile pe care le poate lua o variabilă aleatoare este discretă (valori numerice specifice sau izolate). Rezultatul aruncării unui zar) ● Variabilele aleatoare discrete care pot lua un număr nelimitat de valori finite se numesc variabile aleatoare discrete infinite. 3. X. 4.3. Exemple ● Experimentului “Selectarea unei banci” i se asociază variabila aleatoare X = numărul clienţilor băncii. 1.. .. iar valorile pe care le pot lua variabilele aleatoare cu litere mici. ● Experimentului selectarea unui jucator de fotbal i se poate asocia variabila aleatoare Y = numărul golurilor inscrise în acest sezon..2.. 0.1. Valorile pe care Z le poate lua sunt 0.0. ● Variabilele aleatoare se notează cu litere mari de la sfârşitul alfabetului. .

4. 3. 1)} Evenimentul X = 3 este format din apariţiile feţelor {(2. 2)} Evenimentul X = 4 este {(3.4.2.1.12} Dorim să obtinem informaţii despre condiţiile în care X ia diverse valori posibile. (2. Evenimentul X = 2 este format din apariţiile feţelor {(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). 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 . Numărul total de evenimente posibile egal probabile este 62 = 36 şi fiecărui eveniment i se poate calcula probabilitatea de aparitie. mulţimea valorilor pe care le poate lua acest rezultat este {0.6. şi variabilă aleatoare X asociata rezultatului obtinut la insumarea valorii fetelor care apar la aruncarea zarurilor.9. (1. variabila aleatoare asociată rezultatelor experienţei poate lua orice valoare din mulţimea numerelor pozitive. 3)} şi asa mai departe. variabila aleatoare ataşată poate lua valorile {1.8. Considerând ca rezultat aparitia fetei “Cap”. deci variabila aleatoare va fi continuă.7.Exemple ● Se consideră experienţa aruncarii unei monezi de trei ori.11. DISTRIBUŢIA DE PROBABILITATE (REPARTIŢIA) A UNEI VARIABILE ALEATOARE SIMPLE Se consideră experienţa aruncării a 2 zaruri. Multimea valorilor variabilei aleatoare X este {2.3.5. ● Alegând o bancă din mulţimea băncilor existente şi considerând ca rezultat numărul de companii care au cont deschis la respectiva bancă.2. 2).3} şi variabila aleatoare asociată este finită. 1).3.2. (1.10.1.

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

Observaţie Daca X are densitatea de repartiţie f. 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. o funcţie f : R x [0. oricare a. Proprietati Funcţia densitate de repartiţie a unei variabile aleatoare are urmatoarele proprietăţi : 1. ] cu proprietatea că: F(x) = f (u )du pentru orice x R. F(X b) = F(b) – F(a) – P(X=a) + P(X=b) b) = F(b) – F(a) +P(X=b) )=1 ) = 0.b R au loc egalitatile: P( a X <b) = F(b) – F(a) P(a< X <b) = F(b) – F(a) – P(X=a) P(a< X P(a 4. F( 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).Functia de repartiţie F a unei variabile aleatoare discrete X se numeşte functie de repartiţie de tip discret. 0. orice x R f (u )du 1 65 .b R 2. F este nedescrescătoare: daca a < b atunci F(a) 3. atunci : 1. oricare x R F(b). 0 F(x) R este funcţia de repartiţie a unei variabile aleatoare. 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.

orice x R f(x) este densitate de repartiţie a unei variabile aleatoare X daca indeplineste f (u )du 1 [k. ). 1 x 3 0 in rest a) să fie densitatea de repartiţie a unei variabile aleatoare X b) să se determine funcţia de repartiţie a variabilei aleatoare X b) funcţia condiţiile: 1.7 daca 2 x 3 1 daca x 3 2.5k] Deoarece x [1. Fie variabilă aleatoare simpla X avand repartiţia: X: 0 1 2 3 0.1 0.3 daca 1 x 2 0. pentru x [1. astfel încât funcţia f(x) = k (2 x 1). prima conditie fiind verificata. 66 . şi deci f(x) 0.3].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 1.2 04 0.1)  (3.3 Funcţia de repartiţie a variabilei aleatoare X este 0 daca x 0 0. 0. k>0. şi anume f (u )du 1 . Determinarea constantei k se face utilizand a doua conditie.1 daca 0 x 1 F(X) = 0. f(x) 2. a) Să se determine k R . rezulta ca f(x) cu k>0. Oricare a. De asemenea f(x) = 0 pentru x (.3. orice x R.

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

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

Dacă evenimentele (X = xi) şi (Y = yj) nu sunt independente. g(yj)). x\y y1 x1 … xi … xn pkj P11 … Pi1 … Pn1 n … yj … P1j … … pij … … … Pnj … n . f(xi)). m . cu i = 1. m sau repartiţia comună a variabilelor aleatoare X şi Y. se pot determina repartiiile marginale ale variabilelor aleatoare X şi Y. m sunt independente. rezultă ca există o valoare pij care caracterizează P(X = xi  Y = yj) = pij . Cunoscând probabilitaţile pij cu i = 1. m p nk k 1 n m p k1 k 1 p kj k 1 p km k 1 i 1 j 1 p ij 1 Atunci repartiţia marginală a varaibilelor X şi Y este 69 . n şi j = 1.k m p1k k 1 .. i = 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. n şi j = 1. Atunci: P[(X = xi).1.2. care au probabilităţile de apariţie pi respectiv qj. n respectiv (yj.3.. j = 1.. … pim … m p ik k 1 … … … pnm … n …. ym P1m pi. OPERAŢII CU VARIABILE ALEATOARE DISCRETE Definiţii: ● Două variabile aleatoare X şi Y sunt independente dacă evenimentele (X = xi) şi (Y = yj).

c R... cxn ..4 0. n xn p nk k 1 p1k k 1 . n Atunci cX are repartiţia (cxi. m ym p km k 1 p k1 .3 Repartiţia variabilei aleatoare 3X este 0 3 6 9 0... 3.. p n atunci cX : cx1 p1 cx2 p2 .. m yi p ki k 1 .... f(xi)).2 0... i = 1.. pn Exemple: Fie X : 0 1 2 3 0.2. şi X o variabilă aleatoare discretă finita (simpla) cu repartiţia (xi. .4 0. sau daca X : x1 p1 x2 p2 .3 70 . f(xi)). .... i = 1.2.1 0.. xn . y1 Y: m k 1 ... n deoarece P(cX = cxi) = P(X = xi) = f(xi)...x1 X: n . n xi pik k 1 ..1 0..2 0... OPERAŢII EFECTUATE ASUPRA UNEI VARIABILE ALEATOARE X Definiţii ● înmulţirea cu o constantă Fie c = ct.

4 0.4 0.2 0. cu i = 1.3. i = 1. cu i = 1. n şi j = 1.2. f(xi).1 0. unde X: Exemplu 0 1 2 3 0. m 71 . f(xi)). n .3 0.2 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.1 0. m Definiţii Înmulţirea Daca X şi Y sunt variabile aleatoare independente atunci XY are repartiţia (xi yj. după cum variabilele sunt independente sau nu.4 0. i = 1.f(yj)). şi X o variabilă aleatoare discretă finită (simpla) cu repartiţia (x i. f(xi). 1.Definiţii ● Ridicarea la putere a unei variabile aleatoare Fie r R.f(yj)). n .3 X2 = 1 4 9 32 = 0 0. n şi j = j = 1.3 02 12 22 3. 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.2 0. f(xi)). Atunci Xr are repartiţia (x ir .1 0. Să se calculeze repartiţia variabilei aleatoare X2.

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

2 0.1 0.3 0.12 0.5 2. respectiv P(X=xi) X\Y 1 2 P(Y=yj) 0 0.1 0.8x0.6 0.2 0.1 0.PROBLEME REZOLVATE 1.6 Notam cu Z = X + Y Z: 0 0 0 1 0 2 1 0 1 1 1 2 0.2 0.5 P(X=xi) 0.2 Completăm tabelul cu încă o linie şi o coloană aferente probabilităţilor P(Y=yj).16 0.8x0.1 1 0. Să se determine repartiţiile marginale ale variabilelor X şi Y a caror repartiţie comună este X\Y 1 2 0 0.2 0.2 x0.2 0.8x0.2 x0.8 şi Y : 0 1 2 0.6 0.2 0.3 2 0.3 0.2 0.4 şi Y : 0 1 2 0.3 0. Să se calculeze suma ca independente X şi Y unde: X: 0 1 0.48 .4 1 Repartiţia marginală a variabilelor aleatoare X şi Y va fi: X: 1 2 0.16 0.6 Z: 0 1 2 1 2 3 0.2 0.2 1 0.2 x0.04 0.2 0.2 0.6 0.1 2 0.2 0.04 0. 73 .1 0.

16= 0.2 x0.16 0.16.8x0.2 x0.6 Notăm Z = X x Y Z: 0 x0 0 x1 0 x2 1x0 1x1 1x2 0.04+0.12+0.2 0.2 0. Forma finală a variabilei Z va fi Z: 0 1 2 0.28.6 Z: 0 0 0 0 1 2 0.2 0.48 şi se verifica ca pi 1 74 . Forma finala a variabilei Z va fi Z: 0 1 2 3 0.04+0.8x0.48 şi se verifica ca pi 1 3. Analog.36.2 0.12+0. 0.2 x0.48 .36 0.Deoarece pentru valoarea z = 1 a varaibilei aleatoare Z sunt listate doua probabilitati de realizare.16 0.04+0. 0.04 0.16= 0.2 0. pentru valoarea z = 2 a varaibilei aleatoare Z sunt listate doua probabilitati de realizare.16= 0.04 0.04 respectiv 0.8x0.16 0.12 respectiv 0.04 0.8 şi Y : 0 1 2 0.2 0.2 0.28 0.6 0. rezultă că P(z = 1) = 0.2 0.12 0. Să se calculeze produsul variabilelor aleatoare independente X şi Y unde: X: 0 1 0. Deoarece pentru valoarea z = 0 a varaibilei aleatoare Z sunt listate patru probabilitaţi de realizare.16 rezultă că P(z = 1) = 0. rezultă că P(z = 0) = 0.2.

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

Observatie Definiţii Se poate demonstra imediat ca M(Z) = 0. Momente Fie X o variabilă aleatoare discretă şi r N* . Variabila aleatoare Z = X – M(X) se numeşte abaterea ( de la valoarea medie) a variabilei aleatoare X. 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). Se numeşte moment initial sau moment.Definiţii Se numeşte valoare medie a lui X sau speranţa matematică (eng. 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 .b constante reale şi M(X) exista M2) atunci exista şi M(aX+b) = a M(X) + b Daca X şi Y sunt variabilă aleatoare discrete avand valorile medii M(X) şi Daca X şi Y sunt variabilă aleatoare discrete independente care au valorile M3) M(Y) atunci M(X+Y) exista şi: M(X+Y) = M(X) + M(Y) M4) medii M(X) respectiv M(Y). atunci M(X) = c Daca X este variabilă aleatoare discretă şi a.

momentul centrat de ordinul 2 al varaibilei aleatoare X.b D (Y) = D (aX + b) = a D (X) D3. (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 D1.2. Atunci 3.3. adica: Mr( X ) = M( X ) = k 1 r r xk r f ( xk ) Definiţii Se numeşte moment centrat de ordinul r al variabilei aleatoare X şi se notează mr(X). valoarea medie a variabilei aleatoare X . P) un câmp de probabilitate şi o variabilă aleatoare continuă X cu densitatea de 77 . Daca X şi Y sunt variabile aleatoare independente având dispersiile D2(X) respectiv D2(Y). şi se notează cu Mr( X ). D2(X) = M(X2) – [M(X)]2 D2. momentul de ordinul r al abaterii X – M(X). şi se notează cu D2(X). 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. CARACTERISTICI NUMERICE ALE VARIABILELOR ALEATOARE CONTINUE Fie ( repartiţie f(x) . Fie v. mr(X) = Mr(X –M(X)) = M[ ( X M ( X )) r ] Dispersia ( momentul centrat de ordin 2) Se numeşte disperise a varaibilei aleatoare X. K.Definiţii Se numeşte moment absolut de ordin r. atunci oricare ar fi constantele a.a X cu dispersia D2(X) şi a.

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

2 să se calculeze coeficientul de corelaţie al variabilelor aleatoare X şi Y. Consecinţa proprietăţii C2 este că ( X .5 Caclulăm ( X .5 + 2 x 0.8 1 calculării coeficientului de corelaţie P(Y=yj) 0.2 0. X ) 1 şi (X .3 2 0 0.5 0.5 0.Observaţii Reciproca proprietăţii C1 nu este adevarata. atunci: D2(X+Y) = D2(X) + D2(Y) 2cov (X.5 Daca P(X = 0. Y= 1) = 0.2 0.Y) PROBLEME REZOLVATE 1.Y ) 0.2 + 1 x 0.Y ) mărimile M ( XY ) M ( X ) M (Y ) D( X ) D(Y ) M(X) = 0 x 0.2 0. Repartiţia comună a variabilelor va fi: X\Y 0 1 1 0.5 80 . Fie X şi Y variabile aleatoare simple cu repartiţiile: X: 0 1 0.5 = 1. nu rezultă ca variabilele aleatoare X şi Y sunt independente ci că sunt necorelate. X ) 1 Dacă X şi Y sunt variabile aleatoare ale caror medii şi dispersii există.5 necesare P(X= xi) 0.8 = 0.8 şi Y: 1 2 0.8 M(Y) = 1 x 0. Daca ( X .

Folosind formula D2(X) = M(X2) – [M(X)]2 vom avea: D2(X) = 0.5 M(XY) = 0 x 0.2 0.5)2 = 0.3 0.8 şi Y: 1 2 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)2 = 0.8 1.3 Pentru calculul mărimilor D(X) şi D(Y) avem nevoie de valorile variabilelor aleatoare X2 şi Y2 şi de mediile acestora: X2 : 0 1 0.5 2.16 D(X) = 0.5.3 0.4 D2(Y) = 2.5 81 .5 0.5 = 1.2 P(XY=1) = P(X=1 şi Y=1) = 0.5 –(1.5 Atunci XY: 0 1 2 0. Fie X şi Y variabilă aleatoare simple cu repartitiile: X: 0 1 0.25 şi D(Y) = 0.2 0.8 şi M(Y2)=2.1 0.2 0.5 0.5 0.5 cu M(X2) = 0.Y ) 1.8-(0.2 0.5 0.3 + 2 x 0.3 P(XY=2) = P(X=1 şi Y=2) = 0.8 şi Y2: 1 4 0.5 Atunci ( X .4 0.2 + 1 x 0.

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

Folosind formula D2(X) = M(X2) – [M(X)]2 vom avea: D2(X) = 0.Y ) 1.4 p 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 0.2 0.4.Y ) 0 vom avea p=0.16 D(X) = 0.5 0.25 şi D(Y) = 0.5 –(1.5 0.8 1.1 0.5)2 = 0.5 0.4 2 0.8)2 = 0.2 Ș i din condiţia ( X .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 .8 şi M(Y2)=2.8-(0.1 0.8 şi Y2: 1 4 0.4 D2(Y) = 2.6 p 0. X\Y 0 1 1 0.5.5 cu M(X2) = 0.5 Atunci ( X .4 0.

Se cunosc următoarele date ale repartiţiei comune a variabilelor X ș i Y x/y -1 A 2 qj 0.Y ) 3.5. TEMA DE CONTROL A UNITĂŢII DE ÎNVĂŢARE NR.5 0. 3 PROBLEME PROPUSE 1.2 0 Pi 0.Dispersia ( momentul centrat de ordin 2) D2(X) = Abatere medie patratică a lui X D(X) = 2 m2 ( X ) = M[ ( X M ( X )) 2 ] m2 ( X ) Caracteristici numerice ale variabilelor aleatoare continue Valoare medie M(X) = x f ( x)dx Momentul (momentul iniţial) de ordin r Mr(X) = M(Xr) = x r f ( x)dx Momentul centrat de ordinul r mr(X) = Mr(X –M(X)) = ( x M ( X )) r f ( x)dx Dispersia ( momentul centrat de ordin 2) D2(X) = 2 m2 ( X ) = ( x M ( X ))2 f ( x)dx Abaterea medie patratică a lui X este numărul D(X) = m2 ( X ) cov( X .6 84 . Y ) D( X ) D(Y ) Se numeşte coeficient de corelaţie al variabilelor aleatoare X şi Y mărimea: ( X .

6 2k 1 pi k 0. 4. Se cunosc următoarele date ale repartiţiei comune a variabilelor X ș i Y x/y -1 0 2 qj 0. Să se calculeze suma varaibilelor aleatoare simple X şi Y a căror repartiţie comună este dată de tabelul: 85 .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) 3.5 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. să se calculeze P((X<0) si (Y>0)). Se cunosc următoarele date ale repartiţiei comune a variabilelor X si Y x/y -2 -1 0 qj Q 1/5 1 Pi P 3p 2q a) să se completeze tabelul repartiţiei comune ș i să se determine valorile lui p ș i q b) să se determine coeficientul de corelaţie al variabilelor aleatoare X ș i Y c) dacă X ș i Y sunt independente.Dacă M(X) = 0.

1 0 0 să se calculeze repartiţia variabilei aleatoare XY RĂSPUNSURI 1. Variabila aleatoare X + Y poate lua valorile 1.3 2 0 0. 4.yj): P(X + Y =1) = P(X=0 şi Y=1) = 0. 5.Y\X 1 2 3 0 0. 3.1+0 = 0. 6 (xi + yj).2+0. adică h(xi.2 0 3 0.1 0.1 0 1 0 0.1+0=0.1 P(X + Y = 4) = P(X=1 şi Y=3) sau P(X=2 şi Y=2) sau P(X=3 şi Y=1) = 0.2 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+0.2 P(X + Y =2) = P(X=0 şi Y=2) sau P(X=1 şi Y=1) = 0. Trebuie să calculăm probabilităţile cu care variabilă aleatoare X + Y poate lua aceste valori. Fie X şi Y variabile aleatoare discrete finite (simple) cu următoarea repartiţie comună Y\X 1 2 3 0 0.3+0.1 0 1 0 0.2 0.3 2 0 0.1 0 0 5.1=0. 2.1 0.2 0 3 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 .

4 P(XY =4) = P(X=2 şi Y=2) = 0.6 şi se verifica ca pi 1 2.3+0. 3.X+Y: 1 2 3 4 0.2 şi se verifică că pi 1 ÎNTREBĂRI DE CONTROL 1. Să se definească o variabilă aleatoare şi să se exemplifice variabile aleatoare care se pot ataşa proceselor economice. 2.3 0.2+0.4 0. 6. 9 ( adică xiyj).1=0.1= 0. Să se definească funcţia de repartiţie a unei variabile aleatoare şi densitatea de repartiţie.1 0.1. 87 .yj): P(XY=0)=P(X=0şiY=1) sau P(X=0 şi Y=2) sau P(X=0 şi Y+3)=0.1+0=0.1 0.1 0.3 P(XY =1) = P(X=1 şi Y=1) = 0 P(XY =2) = P(X=1 şi Y=2) sau P(X=2 şi Y=1) = 0. 2. adică h(xi.1 P(XY =3) = P(X=1 şi Y=3) sau P(X=3 şi Y=1) = 0. Trebuie să calculăm probabilităţile cu care variabilă aleatoare XY poate lua aceste valori. Variabila aleatoare XY poate lua valorile 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. 4.2 0.

5 0.6 Să se completeze tabelul repartiţiei comune ș i să se determine valorile posibile ale lui k 88 . 2X şi Y2 4. 1 p 0 1 2 p 1 3p 2 reprezintă o variabilă aleatoare 1 2.5 să se afle repartiţia comună a variabilelor aleatoare X şi Y b) să se calculeze X + Y.2 0.LUCRARE DE VERIFICARE 1. XY.3 1 Pi k 0.3 a) dacă P( X = -1 şi Y = -1) = 0. Să se determine p 0 pentru care X : discretă.5 şi Y : 1 1 0. 3. 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. Fie X şi Y variabilă aleatoare simple cu repartiţiile: X: 1 0 0. Se cunosc următoarele date ale repartiţiei comune a variabilelor X ș i Y x/y 0 -1 -2 qj 0.

3. M(3X+2).5 0.8 şi Y: 1 2 0. 3.6 şi Y: 1 0.5 Dacă P(X = 0.8 şi P(X=0 şi Y = -1) = 0.8 pentru care se cunosc: M(2X) = 1.1 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 .4 2q 2 p a) să se determine p şi q b) să se calculeze 2X. să se calculeze coeficientul de corelaţie al variabilelor aleatoare X şi Y.3 şi Y: 1 2p 2 b 1.2 0.8q 0. Fie X şi Y variabile aleatoare simple cu repartiţiile: X: 0 1 0.6.D2(2X+5Y) 2. XY c) să se calculeze ( X . Y4. Y= 1) = 0.1 p q 0. M(3Y) = 1.8q 0. 5X+3Y. Fie X: 0 3 p 2q 2 p 2 a 1.Y ) d) să se calculeze M(5X). Se consideră două variabile independente X: 1 0 1 0. 3 1.5. TESTUL DE AUTOEVALUARE NR.

1+p+q+0.6 = 1 şi 0.6 XY: 1 2 0 0 1 2 0.24 0.6 0.3 0.3 0.6x0.04 0.06 0.3x0.1 0.36 XY: 2 1 0 1 2 0.24 0.6 5X+3Y: 2 1 3 6 8 11 0.3 0.3x0.4 0.04 0.4 0.3 şi –p+2q= 0.3 0.6 0.12 0.6 5X+3Y: 5 0 5 + 3 6 = 5 3 5 6 0 3 0 6 5 3 5 6 0.04 0.6 şi Y: 1 2 0.4 0.6x0.1 0.6 Y4: 1 16 0.18 0.4 0.RĂSPUNSURI 1.6 b) 2X: 2 0 2 0.3 şi p=0 Variabilele X şi Y vor fi: X: 1 0 1 0.4 0.4 0.4 0.1x0.6 0.12 0.06 0.6 0.4 0.4 +2q-p =1.18 0.1x0.1x0.6 0.3x0. adică p+q = 0.3 0.6 0.1 0.24 0.6x0.1x0.36 90 .36 XY: 1x1 1x2 0x1 0 x2 1x1 1x2 0.4 0.06 0.3x0.6 obţinem q=0. a) Din definiţia variabilei aleatoare ș tim că 0.6 Rezolvând sistemul p q p 2q 0.6x0.

5)2 = 0.8 = 1 91 .3 + 1 x 0.24 0 d) M(5X) = 5M(X) = 5 x 0.c) ( X .8 2.3 + 1x0.3 + 1 x 0.Y ) 0.45 D2(Y) = 2.8 D2(X) = 0.6 = 1.6)2 = 0.36 = 0.45 x0. Ştim că 3p + 2q + 2p2 + 1.24 (X .3 = 1 şi 2p2 + 1.4 + 2x0.6 = 2.6 = 0.8 0.7 – (0.4 + 4 x 0.5 M(Y) = 1x0.8q + 0.8 – (1.8 M(X2) = 0 x 0.5 M(3X+2) = 3M(X) +2 = 3x0.45+25x0.6 0.5 D2(2X+5Y) = 4 D2(X) + 25D2(Y) = 4x0.Y ) M ( XY ) M ( X ) M (Y ) D( X ) D(Y ) M(X) = -1x0.24=7.06 + (-1) x 0.1 + 0x0.6 M(XY) = (-2) x 0.8q +0.5 +2 = 3.24 +2 x 0.7 = 0.04 + 0 x 0.5 x1.5 = 2.7 M(Y2) = 1 x 0.

3 p1 2.45 0.2 0.7 p 1.3 4 0.1 Pentru a determina repartiţiile marginale ale variabilelor X şi Y ne trebuie valorile 3p+2q şi 2p2+1.8q şi scăzând cele două ecuaţii vom avea: 2p2 -2.25 = 0.5 şi 2p2+1.5 şi Y: 1 b 0.7 2.5 0.1 şi q2 = 0.7p + 0.3 1. Dacă p1 = 1.2 .1 Ș i q1 = 1.8 M(2X) = 2M(X) = 2(0 x 0.625 respectiv q2 = 0.25 4 p2 2.5 0.8q = 0. deci X: 0 a 0.25 5.7 2.7) 2 4 x 2 x0.2 1.5 + a x 0.8q.25 sau 2p2 -2.1 vom avea 3p+2q = 0.625 3p+2q = 7. valoare care nu convine deoarece 3p+2q trebuie să fie subunitara reprezentând o probabilitate.8q Înmulţind prima ecuaţie cu (-0. (2.5) = a 92 .Rezolvăm sistemul 3 p 2q 2p 2 0.7p=-0.2 1.29 şi 2.8q 2p 2 0. Dacă p2 = 0.9) obţinem: 2.25 şi q1 = 1.

1 1 0.2 şi P(X=1 şi Y=-1) = P(X=0)P(Y=-1) 93 .5 şi Y: 1 1 0.5x0.6+2.4b Ș i M(3Y) = 1.2 deci se verifică relaţia P(X=0 şi Y=-1)= P(X=0) P(Y=-1) P(X=0 şi Y=1) = 0.5 0.4 0.8 Repartiţia comună a variabilelor X şi Y este X\Y 0 1 -1 0.5 P(Y=-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)= 0.8 şi b=1 Atunci.8 P(X= xi) 0.1 P(X=0) = 0.2+bx0.8 deci -0.4 0.8 şi P(X=0 şi Y=1) = P(X=0)P(Y=1) P(X=1 şi Y=-1)= 0.1 0.4b = 1.1 P(X=1)P(Y=-1) = 0.5 1 P(Y=yj) 0.2 0.8)=0.5 0. X: 0 1 0.Ș i M(2X) = 1 deci a = 1 M(3Y)=3M(Y)=3(-1x0.4 P(X=0)P(Y=1) = 0.5x0.6 +2.

3.5x0. 2010 2. Bucureşti. 3 1. BILIOGRAFIA SPECIFICĂ UNITĂŢII DE ÎNVĂŢARE NR.4 P(X=1)P(Y=1) = 0.P(X=1 şi Y=1)= 0. Cenuşă Gheorghe (coord). Cison. Cison.culegere de probleme. Matematici pentru economişti. Matematici pentru economişti . Ed. Matematică economică I. Ed. Cenuşă Gheorghe (coord).8 şi P(X=1 şi Y=1) = P(X=0)P(Y=1) Si X şi Y sunt independente.7. 2000 94 . 2000 3. Mitroi Andreea . Editura Cison.

Maximizarea unei funcţii obiectiv pentru care toate restricţiile au semnul “ ” 95 . Metoda grafică de rezolvare a problemelor de programare lineară bidimensională 4.3. pe măsura parcurgerii lor: Parcurge obiectivele Citeşte conţinutul lecţiei Raspunde la întrebările de control Parcurge problemele rezolvate Rezolva problemele propuse Recapitulează cunoştinţele Pregăteste Tema de control Cuprinsul unităţii de învăţare: 4. Formularea unei probleme de programare lineară (elementele unei probleme de programare lineară) 4. Probleme de programare lineară cu 2 variabile (programare lineară bidimensională) 4.UNITATEA NR. Formularea problemei de programare lineară bidimensională 4. Algoritmul Simplex bidimensional 4.1.1.2.1.1. 4 PROBLEME DE PROGRAMARE LINEARĂ Timp mediu necesar pentru studiu: 7 ore Bifează sarcinile de lucru rezolvate.3.1.2.

Tema de control a unităţii de învăţare nr. Testul de autoevaluare nr.6. obiectivul va fi maximizarea acestuia.7. iar în cazul unei funcţii a costului obiectivul va fi minimizarea lui.1.5. De exemplu. FORMULAREA PROBLEMEI DE PROGRAMARE LINEARĂ BIDIMENSIONALĂ Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. 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. Bibliografia specifică unităţii de învăţare nr. 4 4. 4 4.4.3. Minimizarea unei funcţii obiectiv pentru care toate restricţiile au semnul “ ” (problema duală) 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 . şi urmareşte optimizarea unor funcţii (de 2 variabile în cazul de faţă) în raport cu anumite restricţii (condiţii) impuse de natura proceselor. dacă vorbim de o funcţie a profitului.4. în funcţie de natura acesteia.1.2.1. 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. Rezolvarea problemelor de programare lineară multimdimensională 4. Optimizarea funcţiilor se referă la găsirea acelor valori ale variabilelor care să maximizeze sau să minimizeze funcţia studiată.

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

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

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

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. PROBLEME REZOLVATE 1. x3. x4 x3 32 x4 84 0 100 . cel putin o soluţie optimă (optim finit) sau nici o soluţie.x2)= 5x1+8x2 x 1 + 2x 2 3x1 + 4x 2 x1.● O soluţie de bază se poate obţine dintr-o soluţie posibilă în care variabilelor nonbazice le dam valoarea 0. ● O problema de programare lineară poate să aibă o infinitate de soluţii (optim infinit).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 . x2 0 32 84 Forma standard se obţine adunând fiecarei inecuaţii câte o variabila de compensare x3 respectiv x4 pentru transformarea celor două inecuaţii în ecuaţii Problema devine: [Max] P(x1. ● O soluţie posibilă care realizează optimul funcţiei obiectiv se numeşte soluţie optimă.

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

se determină vârfurile poligonului rezultat. METODA GRAFICĂ DE REZOLVARE A PROBLEMELOR DE PROGRAMARE LINEARĂ BIDIMENSIONALĂ Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. Dacă mulţimea soluţiilor posibile este nevidă. 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. reprezentând într-un sistem de axe ortogonale dreptele date de ecuaţiile asociate restricţiilor problemei şi anume: 2x1 + x2 = 8 şi x1 + 2x2 = 10. 102 . Algoritm Se determină grafic mulţimea soluţiilor posibile.2.4. x2 Pasul 1 Se determină grafic mulţimea soluţiilor posibile.

adică valoarea maximă a funcţiei obiectiv este 24 şi se atinge pentru x1 = 4 şi x2 = 0.4) = 8 Si alegem valoarea cea mai mare. [Min]F = 16x1 + 45x2 2 x1 x1 x1.0).4))(intersecţia celor două drepte si intersecţia dreptelor cu axele de coordonate) Calculăm valorile funcţiei obiectiv în fiecare din vârfurile poligonului rezultat: F(0.Sau x1 = 8 -1/2x2 pentru prima ecuaţie şi x1 = 10 -2x2 pentru a două ecuaţie. Pasul 3 PROBLEME REZOLVATE 1. se determină vârfurile poligonului. respectiv valoarea F(4.0). F(4.0) = 0.0) = 24.8/3) şi C(0. x2 5x2 3x 2 50 27 0 103 . Soluţia problemei este aria haşurată din imaginea de mai jos Pasul 2 Deoarece mulţimea soluţiilor este nevida. şi anume punctele O(0. F(8/3.0)= 24 care este soluţia problemei. 8/3) = 64/3 şi F(0. B(8/3. A(4.

Pasul 1

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

Pasul 2

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

Pasul 3

104

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

4.3. ALGORITMUL SIMPLEX BIDIMENSIONAL

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

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

Cazul 1

105

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

Algoritm

Pasul 1

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

Pasul 2

Pasul 3

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

Pasul 4

106

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

● O soluţie de bază fezabila a sistemului S3 poate conţine o valoare negativa dar numai dacă este valoarea funcţiei obiectiv P. (este similar cu matricea extinSă a sist emului de ecuaţii asociat). şi vom alege aceste variabile că fiind variabile bazice.0. respectiv 32. Deci o soluţie de bază este (0.32. pe linia lui s2 vom avea valoarea 84 şi valoarea funcţiei obiectiv va fi 0 (se citesc elementele de pe ultima pozitie). 108 . observam că pe coloana varaibilelor s1. şi în interior coeficienţii tuturor variabilelor şi termenii liberi. (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. Analog. ● în prima coloana se vor trece variabilele de compensare care formeaza o soluţie de bază a problemei. Pasul 2 ● Se intocmeste tabelul simplex initial care conţine pe prima linie varaibilele problemei (inclusiv variabila F) şi valoarea termenilor liberi.bază s1 s2 P 1 3 -50 x1 2 4 -80 x2 1 0 0 s1 0 1 0 s2 0 0 1 P 32 84 0 Valoare Formand tabloul simplex în care se trec pe prima coloana variabilele bazice va fi posibil să gasim soluţii de bază realizabile în tablou. De exemplu dacă variabilelor x 1 şi x2 li se atribuie valoarea 0.84) şi valoarea funcţiei obiectiv pentru aceasta soluţie este 0. atunci soluţia de bază a sistemului S3 se numeşte soluţie de bază fezabila a sistemului S3. Sol. ● dacă o soluţie de bază a sistemului S3 este o soluţie fezabila a sistemului S2 (cu exceptia variabilei F). Atunci când se selecteaza varaibilele de bază.● O soluţie de bază a sistemului S3 este soluţie de bază şi a sistemului S2 (fara a se tine cont de variabila F). ● Întotdeauna. 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. pe ultimul rand se vor afla coeficienţii funcţiei obiectiv F. In cazul nostru.

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

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

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

Pasul 4 Pasul 5 Se rezolva problema duală folosind algoritmul simplex In situatia în care problema are soluţie.Algoritm Pasul 1 Pasul 2 Pasul 3 Se scriu toate restricţiile problemei că inecuaţii cu semnul “ ” Se formeaza problema duală Se scrie sistemul de ecuaţii atasat poblemei duale. folosind că şi variabile reziduale variabilele din problema de minim. 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 . Exemplu [Min]F = 16x1 + 45x2 2 x1 x1 5x2 3x 2 50 27 x1. aceasta se gaseste pe ultimul rand al algoritmului simplex.

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

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

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

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

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

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

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

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

problema iniţială nu are soluţie. Dar. a1 = 2 şi [Max]F = -2M+20. x1 x2 a1 F 2 -3 x2 s1 1 0 1 -2 s2 0 a1 F Val 0 0 4 0 2 1 -2M+20 -1 1 3M+7 0 2M+5 M 0 Algoritmul se incheie deoarece pe ultima linie există numai valori pozitive. x2 = 4. Var.baz.baz. deoarece a1 0 . s2 = 0. s1 = 0. şi soluţia optimă a problemei modificate este: X1 = 0.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. 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. 121 .

REZOLVAREA PROBLEMELOR DE PROGRAMARE LINEARĂ MULTIDIMENSIONALĂ Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. Pentru problemele de programare lineară multidimensionale rezolvarea se face cu ajutorul algoritmului simplex care este identic cu cel aplicat la problemele bidimensionale anterioare. în funcţie de tipul problemei. Determinarea soluţiei optime Citirea soluţiilor problemei.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. 4. studenţii trebuie: O1: să formuleze probleme de programare lineară multidimensională O2: să utilizeze algoritmul simplex pentru rezolvarea problemelor de programare lineară multidimensională Metoda grafică de rezolvare a problemelor de programare lineară este usor de aplicat numai în cazul PPL bidimensionale sau tridimensionale. 122 .4.

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

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

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

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. x 2 . 2. x2 =0 şi x3 =2. Var.baz. x3 . Să se rezolve: [Min] F = 5x1 +4x2 +3x3+8x4 x1 x 2 600 x3 x 4 800 x1 x3 400 x 2 x 4 900 x1 . 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 = 8.800 y2 + 400 y3 + 900 y4 126 .Var.

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

baz.700 Soluţia problemei iniţiale (de minim) se citeşte pe coloanele tabelului simplex şi este: x1 = 0. x2 = 0. y2 = 0. Operaţiile care se efectuează sunt: l1+l4.baz. y4 = 7. 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. x3 =0 şi x4 = 0 cu [Max]F =5. având pivotul la intersecţia dintre coloana lui y1 şi linia a patra. Var. x1 = 5. l2+l4 şi l5+300l4. y3 = 3. 128 . continuăm algoritmul. 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.Var.

Să se rezolve: [Max] F = x1 – x2 +3x3 x1 x2 20 x1 x3 5 x 2 x3 10 x1 . 3. x 2 . x 2 .x2 = 600. a1 . x3 0 Forma standard a problemei va fi: [Max] F = x1 –x2 +3x3 –Ma1-Ma2 x1 x2 s1 20 x1 x3 a1 5 x 2 x3 s 2 a 2 10 x1 . s1 . x3 = 400 şi x4 = 300 cu [Min] F = 5. pe care le vom obţine prin eliminarea valorii M de pe coloana lui a1. x3 . 129 . 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. s 2 . prin operaţia l4 –Ml2 şi prin eliminarea valorii M de pe coloana lui a2 prin operaţia l4-Ml3.700.

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

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

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

O bancă dispune de un buget de dezvoltare de 1.000 lei în acţiuni şi obligatiuni.000.000 lei şi fiecare microbuz poate transporta 10 persoane şi costul închirierii pe o săptămână este de 900 lei. În 100 g de aliment A există 25 unităţi de calciu.000 euro şi necesită 2 angajaţi. Un investitor doreşte să investească suma de 50. Care este cantitatea optimă de alimente A şi B care trebuie să alcatuiască dieta pentru a respecta condiţiile impuse pentru calciu.000 euro şi iș i propune înfiinţarea de sucursale şi agenţii în România. Dobânda medie a acţiunilor este 15 % şi cea a obligaţiunilor este de 12% şi investitorul doreşte că cel putţin o treime din sumă să fie investită în acţiuni. fier şi vitamina A în condiţiile unui aport minim de colesterol? 133 .000 euro pentru agentii. O agenţie de turism planifică organizarea unei excursii în Grecia pentru care poate inchiria autocare şi microbuze. Numărul de turiș ti estimaţi este de 400 persoane şi numărul maxim de ghizi este de 20 (fiecare autocar sau microbuz trebuie să aibe un ghid). Care este numărul optim de vehicule din fiecare tip care trebuie închiriate în vederea minimizării costurilor de transport? 3. Fiecare autocar poate transporta 40 de persoane şi costul închirierii pe o săptămână este de 4. 5 unităţi de vitamina A.000 euro pentru sucursale şi de 125.000 euro şi necesită 5 angajati. şi 6 unităţi de colesterol şi în 100g de aliment B există 5 unităţi de calciu. 10 unităţi de fier. Care este numărul maxim de sucursale şi agentii care poate fi deschis în vederea optimizarii profiturilor băncii? 5. Care este combinaţia optimă a portofoliului în vederea maximizării profitului obtţnut din investiţie? 4. Costul înfiinţării unei sucursale este de 100. 25 unităţi de vitamina A şi 8 unităţi de colesterol.2. Cantitatea zilnică minimă necesară este de 300 unităţi de calciu. iar costul înfiinţării unei agenţii este de 50. 10 unităţi de fier. 120 unităţi de fier şi 200 unităţi de vitamina A. Banca nu poate angaja mai mult de 100 persoane şi nu poate deschide mai mult de 20 de unităţi noi. Veniturile anuale estimate a fi obţinute sunt de 400. Regimul unui diabetic trebuie să conţină în mod obligatoriu două alimente A şi B.

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

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

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

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

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

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

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

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

[Max] F = x1 + x2 142 . [Max] F = 8x1 + 7x2 4 x1 3 x1 3x2 4 x2 0 24 8 x1 . x 2 4. 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? 3.2. x 2 5. O firmă produce două modele de căni: de cafea şi de apă. [Max] F = 8x1 + 7x2 4 x1 3 x1 3x2 4 x2 0 24 8 x1 .

[Max] F = -x1 + 2x2 x1 x2 x1 3x2 2 12 2 x1 x 2 2 x1 x 2 5 x2 6 x1 . 4 1. [Max] F = 2x1 + 3x2 2.6. [Min] F = 3x1 +9x2 2 x1 x1 x2 2 x2 0 9 8 x1 .x1 x2 x1 6 4 2 x2 10 x1 . TESTUL DE AUTOEVALUARE NR. x2 0 143 . x 2 . x 2 0 x1 4 x2 4 x1 . x2 0 6. x3 4. 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 . x 2 7.

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

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

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