P. 1
Matematica Aplicata in Economie

Matematica Aplicata in Economie

|Views: 59|Likes:
Published by Tudor Minascurta
hlkafh , sd fjsdha , fsd tret, twertewr, gfsdg,ergerg ertrewrt sdgvdfsg5,5 t5w egdf
hlkafh , sd fjsdha , fsd tret, twertewr, gfsdg,ergerg ertrewrt sdgvdfsg5,5 t5w egdf

More info:

Categories:Types, School Work
Published by: Tudor Minascurta on Aug 13, 2013
Copyright:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

12/21/2013

pdf

text

original

Sections

  • 1.1.2. MATRICEA ASOCIATĂ DRUMURILOR UNUI GRAF
  • 2.1.1. CÂMPURI DE EVENIMENTE
  • 2.1.2. CÂMPURI DE PROBABILITATE
  • 2.2.2. EVENIMENTE INDEPENDENTE
  • 2.3. SCHEME PROBABILISTICE
  • 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
  • 3.3.1. CARACTERISTICI NUMERICE ALE VARIABILELOR ALEATOARE DISCRETE
  • 3.3.2. CARACTERISTICI NUMERICE ALE VARIABILELOR ALEATOARE CONTINUE
  • 4.1. FORMULAREA PROBLEMEI DE PROGRAMARE LINEARĂ BIDIMENSIONALĂ
  • 4.3. ALGORITMUL SIMPLEX BIDIMENSIONAL
  • 4.4. REZOLVAREA PROBLEMELOR DE PROGRAMARE LINEARĂ MULTIDIMENSIONALĂ

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

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. 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.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. specifice conţinutului disciplinei matematică economică Dezvoltarea aptitudinilor de interpretare şi de analiză critică a rezultatelor obţinute prin rezolvarea problemelor Dezvoltarea spiritului inovator în domeniul economic prin aplicarea metodelor specifice disciplinei matematică economică 3. teoriilor şi metodelor specifice matematicii economice formularea de demersuri profesionale Dezvoltarea capacitătii de sintetizare şi interpretare a unui set de informaţii. 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 .

De asemenea. Fiecare unitate de învăţare conţine timpul mediu necesar pentru studiu. 5 . 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. 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. obţinerea acestora fiind condiţionată de promovarea examenului şi predarea temelor de control la datele stabilite de calendarul disciplinei. în conformitate cu calendarul disciplinei. Cursul este structurat pe unităţi de învăţare organizate în unităţi de învăţare. în vederea pregătirii examenului.

2.UNITATEA NR.1. Determinarea drumurilor hamiltoniene în grafuri cu circuite 1. Matricea asociată drumurilor unui graf 1. Generalităţi.2.3. Determinarea drumurilor hamiltoniene în grafuri fără circuite 1.1. 1 ELEMENTE DE TEORIA GRAFURILOR Timp mediu necesar pentru studiu: 7 ore Bifează sarcinile de lucru rezolvate. Matricea asociată drumurilor unui graf 1. Generalităţi 1. pe măsura parcurgerii lor: Parcurge obiectivele Citeşte conţinutul lecţiei Parcurge problemele rezolvate Rezolvă problemele propuse Recapitulează cunoştinţele Pregăteș te Tema de control Cuprinsul unităţii de învăţare: 1. Determinarea drumurilor optime într-un graf 6 .1.1.4.

i.. GENERALITĂŢI Definiţii ● Fie o mulţime finită X = {x1.1.1. 7 .5. ● Două vârfuri xi şi xj sunt adiacente dacă xj ● Dacă xi.6. cu proprietatea că xj ● Submulţimea A = { (xi. 1 1. x2. ● Mulţimea arcelor incidente exerior lui xi se notează A+(xi). xj) ● Pentru arcul (xi.F) se numeşte graf. GENERALITĂŢI. Cuplul G = (X. ● Arcul cu extremitatea iniţială xi se numeşte incident exterior lui xi..1.F).1 1. ● Două arce sunt adiacente dacă au o extremitate comună.. Tema de control a unităţii nr. xj). 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.. A. o submulţime F(xi) P(X). n . xi) se numeşte buclă. i = 1. n . MATRICEA ASOCIATĂ DRUMURILOR UNUI GRAF Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. X x X / xj F(xi) } reprezintă mulţimea arcelor grafului G = (X.7. xn} şi o funcţie F:X P(X) care asociază fiecărui element xi X.1.j =1. ● O pereche de vârfuri (xi. F(xi) sau xi F(xj) . 1 1. xi este extremitatea iniţială şi xj extremitatea finală. ● Elementele xi X se numesc vârfuri sau noduri ale grafului. Bibliografia specifică unităţii de învăţare nr. xj) F(xi) formează un arc al grafului. Testul de autoevaluare nr. F(xi) atunci (xi.

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

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

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

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

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

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. p(x2) = 4. respectiv d23 = 1 şi d24 = se reface adunarea booleana a liniei 2 cu linia corespunzatoare indicelui de pozitie al elementului. 1 1 1 1 1 1 1 1 1 1 1 1 0 0 0 0 Forma finală a matricei D este D = Concluzii: Deoarece există pe diagonala elemente egale cu 1 şi anume d11 = d22 = d33 = 1 rezultă că graful are 3 circuite. 13 . 1 1 1 1 _ 1 1 _ _ 1 1 _ _ 1 1 _ D= Linia 2 este şi ea complet determinată Repetam algoritmul incepand cu “Pasul 2” pentru linia 3. 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. Pentru elementele egale cu 1 respectiv d32 adunam linia 3 cu linia 2 în matricea MG şi obţinem d31 = 1. Deoarece d21 = 1 vom aduna în MG linia 2 cu linia 1 obtinand d23 = 1 şi d24 = 1. şi vom obţine şi d22 = 1. 1 1 1 1 _ 1 1 1 _ 1 1 1 _ 1 1 _ Vom avea D = şi linia 3 este şi ea complet determinată. p(x3) = 4 şi p(x4) = 0. respectiv cu linia 3 şi cu linia 4 din matricea MG.Continuăm cu linia 2. Deoarece pe linia 4 nu există elemente egale cu 1 toate valorile elementelor în matricea D vor fi egale cu 0.

DETERMINAREA DRUMURILOR HAMILTONIENE ÎN GRAFURI FĂRĂ CIRCUITE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. Algoritm de determinarea a drumurilor hamiltoniene în grafuri fără circuite Pasul 1 Se calculează matricea drumurilor D. studenţii trebuie: O1: să cunoască noţiunea de drum hamiltonian O2: să aplice algoritmii necesari pentru stabilirea tipului de graf – cu circuite sau fără circuite O3: să determine drumul hamiltonian in grafuri fără circuit Teoremă Teorema lui Chen Un graf fără circuite care are n vârfuri xi. 2 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. n . 2 n(n 1) STOP.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.

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

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

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

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

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

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

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

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

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

v6 . vom transpune (adica scrie că linie. v3 . v7 Se calculează valorile v i(1) respectiv v 1 care se trec pe urmatoarea linie a tabelului. Dacă nu există arc (xi.ii. v4 . j i j 1. xi) se completează cu 0. v2 .7 0 24 . 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. i 1. numărul pasului trecandu-se în partea dreapta sus. Variabilele vi se calculează în mai multi pasi. ( numai la problemele de Pentru i = j adica arce de forma (xi. Formula de calcul a valorilor v (1 ) i este vi(1) (1) v7 max(v (j0) cij ). v5 .6. coloana lui x7) x1 x1 x2 x3 x4 x5 x6 x7 V i( 0 ) Pasul 3 0 X2 2 0 x3 3 2 0 x4 7 1 0 1 2 4 x5 5 0 2 x6 5 0 3 x7 4 2 3 0 0 (1) (1) (1) (1) (1) (1) (1) . în paranteza. xj) se completează cu maxim) iii. Prima variabila este v i( 0 ) şi se obţine din transpunerea ultimei coloane corespunzatoare ultimului vârf. şi pentru fiecare v i( k ) se completează o linie în completarea tabelului iniţial. în cazul nostru.

7. v4(0) c24 . mai puţin v 1 cu c11. v3(2) . . 2 5. v (62 ) 6. 2 ) . 3 . i 1. v6(2) . 4 7. Deoarece v i( 0 ) vi(1) vom continua algoritmul prin calcularea lui v i( 2 ) . v (42 ) (2) 4. . v3(0) c23 . v7(0) c17 ) (1) v1 max( j 1 (1) v1 max( j 1 (1) v1 2.6 j i ( 2) Vom obţine v 1 si j 1. . 11.7 v 1(1) max (v2(0) c12 . v6(0) c16 . j 1. v 3 5. (2) Calcularea lui v 1 : se adună linia v i( 0 ) cu linia corespunzatoare lui x2 (a două linie). v7(0) c27 ) v (21) max( j 1 . (Pasul 3) (1) v1 max (v (j0) j 1 j 1 c1 j ). ) . Pasul 4 Se calculează v i( 2) respectiv valorile v1(2) . v6(0) c26 . v7(2) ) dupa formula: v i( 2) max(v (j1) cij ). . v5(2) . Analog se calculează şi celelalte valori ale lui v i(1) şi se obţine: (1) v3 5. 0 ) şi aceasta valoare se trece în tabel .7 25 . i 1. respectiv linia lui v i( 2 ) . 3. v (41) (1) 4. şi se alege valoarea maximă dintre sumele rezultate. cu j 1. Deoarece v i( 2 ) vi(1) algoritmul se continuă prin calcularea valorilor lui v i( 3) . 0 ) v (21) max( j 1 v (21) 11 şi se trece rezultatul în tabel. v (22 ) (2) 11. v (61) 6 iar v (71) 0 prin conventie.7 v (21) max (v1(0) c21 . cu j 1.6. v4(0) c14 . element cu element. Cu aceste valori obţinute se completează tabelul cu inca o linie. şi se alege valoarea maximă dintre sumele rezultate v (21) max(v (j0) j 2 j 2 c2 j ). v5(0) c25 .7 11. Pasul 5 Se calculează v i(3) max(vi( 2) j i cij ).(1 ) Calcularea lui v 1 : se adună linia v i( 0 ) cu linia corespunzatoare lui x1 (prima linie). (0) element cu element. . v2(2) . v4(2) . mai puţin v (20 ) cu c22. v 5 5. 2. . v3(0) c13 . v 5 13. 4 . v (72 ) 0 prin conventie. v5(0) c15 . . 3 .

x3. v 5 i 1. v 3 11. x4.7 6. v (73 ) 0. j 1. 5. v (44 ) 4. v (65 ) j 1. v 5 5. v 3 cij ). (5) 4. v (74 ) 0 . v (64 ) 6. Pasul 6 Calculam v i( 4) max(vi(3) j i cij ). Deoarece v i( 4 ) vi( 3) algoritmul se continuă prin calcularea lui v i( 5 ) . x7) 26 . v (63 ) 6. Pasul 7 Calculam v i(5) max(vi( 4) j i (5) (5) v1 15. Forma finală a tabelului este: X1 X1 X2 X3 X4 X5 X6 X7 V i( 0 ) V i(1) Vi Vi ( 2) X2 2 0 11 11 13 13 13 x3 3 2 0 5 11 11 11 11 x4 7 1 0 1 2 4 4 4 4 4 4 x5 5 0 2 5 5 5 5 5 x6 5 0 3 6 6 6 6 6 x7 4 2 3 0 0 0 0 0 0 0 0 13 14 15 15 ( 3) Vi Vi ( 4) (5) Interpretarea rezultatelor: Din tabelul intocmit obţinem 2 informaţii: 1. v (24 ) 13.( 3) Si se obţine: v 1 14. Care este valoarea drumului maxim de la x1 la x7 2. Drumul de valoare maximă este:dmax = (x1. i 1.7 (4) (4) ( 4) Obţinem: v 1 15. v 3 11. v (23) ( 3) 13.6. Deoarece v i( 3) vi( 2 ) algoritmul se continuă prin calcularea lui v i( 4 ) . Valoarea drumului maxim este 15 ( valoarea lui v 1 de la ultimul pas) 2. x6. v 5 5. v (43) ( 3) 4. v (25 ) =13.6. (5) 1. v (45 ) Algoritmul se încheie deoarece v i( 5) vi( 4 ) . Care sunt vârfurile care compun drumul maxim. x2. v (75 ) 0 11.

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

28 . cu j 1. v3 c 23 . cu ( 0) c12 .4. 2 1. v 4 c 24 . v5 Se calculează valorile v i(1) respectiv v 1 care se trec pe urmatoarea linie a tabelului. mai puţin v 1 cu c11. j i j 1. v5 c15 ) (1) v1 min (4 3.4 ( 0) c13 . i 1.7. element cu (0) element. 2 j 1 (1) min (7.9) v1 j 1 . v2 . mai puţin v (20 ) cu c22. v5 c 25 ) v (21) min (9 j 1 . 6 1. 0 9) (1) 7 şi aceasta valoare se trece în tabel . element cu element. 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. şi se alege valoarea minimă dintre sumele rezultate v (21) min (v (j0) j 2 j 2 c2 j ). . şi se alege valoarea minimă dintre sumele rezultate. 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 ) . 6 . v3 j 1.4 ( 0) ( 0) (0) v (21) min (v1(0) c 21 .5 v5(1) 0 (1 ) Calcularea lui v 1 : se adună linia v i( 0 ) cu linia corespunzătoare lui x1 (prima linie).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 (41) (1) 0 prin convenţie. v3 . v 4 ( 0) c14 . (1) v1 min (v (j0) j 1 (1) ( 0) v1 min (v 2 j 1 c1 j ). Formula de calcul a valorilor v (1 ) i este vi(1) min (v (j0) cij ). v4 . 0 4) v (21) 3 şi se trece rezultatul în tabel.

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

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

a) folosind matricea drumurilor să se arate că G nu are circuite şi are drum hamiltonian b) ș tiind că v(x1. x2) = 4. v(x1. Ce semnifică existenţa unui element egal cu 1 pe diagonala matricei drumurilor? 3. F(x5) = . x5) = 2 să se arate că dH este drumul de valoare maximă de la x1 la x5. Care este procedeul de determinare a tipului de graf? 5.5 }. x4. x4) = 1. F(x2) = {x4}. x5) = 4. x4) = 3. v(x3. x4) = 2. De ce nu se poate aplica teorema lui Chen pentru determinarea drumurilor hamiltoniene în grafurile cu circuite? 33 . v(x4. X = {xi.4. v(x3. x4}. v(x3. Ce informaţii se pot obţine în urma aplicării algoritmului înmulţirii latine? 6. Fie graful G= (X. F(x4) = {x5}. x3) = 3. Care este metoda de determinare a tipului de graf – cu circuite sau fără circuite? 2. v(x2. i= 1. x5}.A). F(x3) = {x2. Care este numărul maxim de drumuri hamiltoniene pe care le poate avea un graf cu 5 noduri? 4. F(x1) = {x3. ÎNTREBĂRI DE CONTROL 1.

F(x2) = {x1. Fie graful G = (X. i= 1. F(x5) = {x4} a) Să se determine matricea drumurilor în G b) Să se listeze drumurile de lungime 4 şi să se identifice. F(x4) = {x1}. F(x3) = {x1. Se considera graful G a cărui matrice este : 0 1 0 1 0 1 0 0 0 1 0 1 MG = 0 1 0 0 1 1 0 0 1 0 0 1 0 1 0 1 0 0 0 0 0 0 0 0 Sa se determine matricea drumurilor şi apoi. 3. F(x1) = {x2}.A). TESTUL DE AUTOEVALUARE NR. dacă există. x5}. x4}. folosind inmulţirea latină. Să se determine drumurile hamiltoniene pentru graful definit de: 2. să se identifice în G circuitele de lungime 3. X = {xi. 34 . dH. x2.5 }.1. 1 1. 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 2.6.

Cison. 1 1.1.culegere de probleme. Cenuşă Gheorghe (coord). Ed. Mitroi Andreea . Ed. BILIOGRAFIA SPECIFICĂ UNITĂŢII DE ÎNVĂŢARE NR. Cenuşă Gheorghe (coord).7. 2010 2. Matematici pentru economişti . Matematici pentru economişti. Cison. Editura Cison. 2000 3. Matematică economică I. Bucureşti. 2000 35 .

Probabilităţi condiţionate 2.Test de autoevaluare 2. Câmpuri de evenimente 2. Evenimente independente 2. Evenimente independente 2. 2 ELEMENTE DE TEORIA PROBABILITĂŢILOR Timp mediu necesar pentru studiu: 7 ore.1.1.2.2.UNITATEA NR. Bifează sarcinile de lucru rezolvate.4. Câmpuri de probabilitate 2.1. Bibliografia specifică unităţii de învăţare nr.Probabilităţi condiţionate.Câmpuri de evenimente şi câmpuri de probabilitate 2.1.5. pe măsura parcurgerii lor: Parcurge obiectivele Citeşte conţinutul lecţiei Raspunde la întrebările de control Parcurge problemele rezolvate Rezolva problemele propuse Recapitulează cunoştinţele Pregăteste Tema de control Cuprinsul unităţii de învăţare: 2.6.2.Scheme probabilistice 2.3. Tema de control a unităţii de învăţare nr.2. 2 2. 2 36 .2.1.

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

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

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

.P1) 0 P( A) 1.6 sau 60% Fie B = evenimentul ca un student ales la întâmplare să nu prompveze examenul 40 .... A2. P ) se numeşte câmp de .. 15 studenţi s-au pregătit pentu examenul de matematica Care este probabilitatea ca un student să promoveze examenul? Dar să nu il promoveze? Fie A = evenimentul ca un student ales la întâmplare să promoveze examenul Exemplu Nr.. An.. total de evenimente elementare ale câmpului = 25 P(A) = 15 25 0. = 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 adică P(Ak) A k 1 n k 1 n k atunci 0.. k 1. A K P2) P( ) = 1 P3) Orice şir de evenimente A1.. K) este un câmp finit de evenimente compus din evenimentele elmentare = A1. două cate două incompatibile ( Ai = ... K. de evenimente elementare favorabile producerii evenimentului A = 15 Nr. A2. n şi P( Ak ) P( ) 1 .. ● Dacă ( . ● Dacă P(A1) = P(A2) = . pentru i j) are loc egalitatea P ( An ) n 1 Aj P (  An ) = n 1 se numeşte probabilitate pe ( probabilitate.K) iar tripletul ( ..

deci P(B) 0 P(A). Aplicand proprietatea 1) vom avea: P(B . A ) = P(A) + P( A ) .A) = B) = P(B) – P(A) B atunci P(A) P(B) Din proprietatea 2) avem relatia P(B-A) = P(B) – P(A). Rezultă ca: P( )=1 Folosim proprietatea 4) considerănd A = – P( Dar P( 6. B atunci P(B-A) = P(B) – P(A) B rezultă ca A B = A. si conform Definiţiei probabilităţii. P( A ) = 1 – P(A) A A= şi A A= Din definiţia probabilităţii avem: P(A şi P(A A ) = P( ) adică P(A A ) = 1. P(B-A) Rezultă ca P(B) – P(A) 0.4 sau 40% Proprietăţi 1. Rezultă ca P(A) + P( A ) = 1 .3 = 0.A) = P(B) . Dacă A B) adică P(B .P(A B).3 atunci probabilitatea ca ziua de mâine să fie noroasa este de 1-0. adică P(A) = 1 – P( A ) Exemplu Dacă probabilitatea ca ziua de mâine să fie insorită este de 0. P( )=0 şi implicit A = .A)+P(A 2. B) sunt incompatibile . 41 .7 Proprietăţi 5. Aplicand definiţia probabilităţii avem: P(B) = P(B . Dacă A Dacă A P(B) . deci P( B) = P(A) + P(B) – P(A B) ) = 0.P(A 3.P(B) = 10 25 0. 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) = . 4. P(A ) ) = 1 din definiţia probabilităţii.

(4. deci A Si P(A P(A B) = P(A) + P(B) – P(A B) = P(A 6 36 2 36 2 9 0 B= B) B) = PROBLEME REZOLVATE 42 . (6.5). (2. (5. (6.6). (3.Putem scrie : A B=A (B – (A B)) Aplicand definiţia probabilităţii şi proprietatea 1) avem: P (A B) = P(A) + P(B – (A B)) = P(A) + P(B) – P(A B) Exemplu Care este probabilitatea ca la aruncarea a 2 zaruri suma feţelor să fie 7 sau 11? Rezultătele experienţei aruncării a două zaruri sunt prezentate în tabelul urmator: 11 12 13 14 15 16 21 22 23 24 2-5 26 31 32 33 34 35 36 41 42 43 44 45 46 51 52 53 54 55 56 61 62 63 64 65 66 Fie A = evenimentul ca la aruncarea zarurilor suma feţelor să fie 7 B = evenimentul ca la aruncarea zarurilor suma feţelor să fie 11 C = evenimentul ca la aruncarea zarurilor suma feţelor să fie 7 sau 11 A = {(1.6).2).5)} şi C = A B Numărul total de evenimente ale câmpului = 36 Evenimentele A şi B sunt independente.1)} B = {(5.4).3).

sau spaţiul de selectie este = {1.3.6} B = {3.3.6} şi A B = {3} Folosind definiţia clasică a probabilităţii.6} şi A B = {4} B) = n( A B ) n( ) 1 6 Care este probabilitea ca la aruncarea unui zar.5} Folosind definiţia clasică a probabilităţii. P(A B) = n( A B ) n( ) 3 6 1 2 Metoda 2 Folosind proprietatea P(A P(A c) prim? Fie A: evenimentul ca la aruncarea zarului să obţinem o faţă impară Si B : evenimentul ca la aruncarea zarului să obţinem un număr prim A = {1.5} B = {1. 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 4.2.4.5.6} 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.Problema 1 Se consideră experienţa aruncării unui zar.3. A = {2. faţa obţinută să fie pară şi divizibilă cu 2? Evenimentul sigur.4.6} B = {4} şi A B = {2.3.4.5 sau 50% 2 Care este probabilitea ca la aruncarea unui zar.5} şi A B = {1.4. faţa obţinută să fie pară sau divizibilă Metoda 1 Folosind definiţia clasică a probabilităţii. a) Care este probabilitea ca la aruncarea unui zar. faţa obţinută să fie impară şi număr 43 .2. A = {2. P(A B) = n( A B ) n( ) 3 6 1 2 B) = P(A) + P(B) – P(A B) B) = 3 6 1 6 1 6 1 sau 0.

4)} 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 .3.(5.(3.3. 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.2).d) prim? Care este probabilitea ca la aruncarea unui zar.3. suma feţelor aparute să fie 6 sau 10.(4.1)} B= {(4.2.3). 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} Metoda 1 Folosind definiţia clasică a probabilităţii. 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 B = evenimentul ca la aruncarea celor 2 zaruri.5} B = {1. suma feţelor aparute să fie 10 C = evenimentul ca la aruncarea celor 2 zaruri.6). (2.5).5). (5.5} şi A B = {1. A = {(1.(6.2.4).

(1. iar numărul de cazuri favorabile este dat de numărul perechilor de pantofi. An. adică 3. A = {(1.(3.(4..(6. 45 .2). P(A)= 3 15 0 . (2.. Dacă se extrag la întâmplare 2 pantofi. P ) se numeşte câmp de probabilitate. care este probabilitatea ca pantofii extrasi să formeze o pereche? Numărul total de cazuri posibile este C 62 =15..1).3). A2.(2.(2.1)} 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.(3.K) iar tripletul ( . pentru i j) are A n 1 n )= n 1 P ( An ) se numeşte probabilitate pe ( ..4).(1.2 REZUMAT O functie P : K  R care satisface condiţiile: P1) 0 P2) P( P( A) 1.1). suma feţelor aparute să fie mai mica decat 5 C = evenimentul ca la aruncarea celor 2 zaruri să apară feţe identice sau suma feţelor aparute să fie mai mica decat 5.(5.1). K..5).6)} B= {(1..(2.2)} B) 5 18 Intr-un dulap sunt 6 perechi de pantofi. Notand cu A evenimentul ca cei 2 pantofi extrasi să formeze o pereche.2). )=1 A K P3) Orice şir de evenimente A1..3). două cate două incompatibile ( Ai loc egalitatea P ( Aj = .A = evenimentul ca la aruncarea celor 2 zaruri să apară feţe identice B = evenimentul ca la aruncarea celor 2 zaruri.2).1).

P( A ) = 1 – P(A) 2.P(A) = numarul de evenimente elementare favorabile lui A numarul total de evenimente elementare ale campului Proprietăţi 1. EVENIMENTE INDEPENDENTE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. PROBABILITĂŢI CONDIŢIONATE Definiţii Fie ( . K. PROBABILITĂŢI CONDIŢIONATE. atunci: P( A B) P( A) P( B / A) P ( B ) P ( A / B) 46 . P) un câmp de probabilitate şi B K cu P(B)>0.1. Dacă A 3. Dacă A B) B atunci P(B-A) = P(B) – P(A) B atunci P(A) P(B) 4.2. 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. Pentru orice A K definim probabilitatea realizării evenimentului A conditionata de B ca fiind: PB(A) = P(A/B) P( A B) P( B) Consecinţă Regula produsului Dacă A şi B sunt evenimente cu probabilităţi diferite de zero din K. P(B-A) = P(B) – P(A 2.2.

cu probabilităţi diferite de zero. i= 1. n este o partitie a evenimentului sigur.Ek} a lui A avem : P( E1 E2 .. Ek ) P( E1 ) P( E 2 ) .. Două evenimente A. E2. P( E k ) Teorema Dacă A şi B sunt două evenimente independente din spaţiul K. i= 1.2. K. EVENIMENTE INDEPENDENTE Definiţii ● Fie ( ..B K sunt independente dacă : P( A B) P( A) P( B) ● Evenimentele Ai K sunt independente dacă pentru orice submulţime finită de evenimente {E1. n este o partiţie a evenimentului sigur.2. atunci : P(A/B) = P(A) şi P(B/A) = P(B) 47 .….. atunci n B K are loc egalitatea: P( B) i 1 P( Ai ) P( B / Ai ) Teoremă Teorema lui Bayes Dacă Ai. 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. P) un câmp de probabilitate .

Fie evenimentele: A = se extrage o bila din urnă nr. 2 contine 3 bile albe şi 5 bile negre.1 B = se extrage o bila din urnă nr.1 să fie alba este P(C/A) = .75 x 0. 2 7 3 8 Probabilitatea ca o bila extrasa din urnă nr. Urna nr. Urnă nr. Probabilitatea ca o bila extrasa din urnă nr.60 = 0. şi 75% dintre femei au 1 copil. Să se calculeze probabilitatea ca o bila aleasa la întâmplare dintr-una din cele 2 urne să fie alba. 1 contine 3 bile albe şi 4 bile negre.2 C = se extrage o bila alba P(A) = P(B) = 1 3 .P(C/A) = 0. să se calculeze probabilitatea ca un angajat ales la întâmplare să fie femeie şi să aiba un copil. 48 .45 sau 45% 2.2 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. Dacă 60% din angajaţii unei companii sunt femei. Atunci evenimentul B= C/A şi P(B) = P(C/A) = 75% P(D) = P(A  C) = P(A).40178. Definim mulţimile: A: evenimentul ca un angajat ales la întâmplare să fie femeie şi P(A) = 60% B: evenimentul ca un angajat femeie să aiba un copil C: evenimentul ca un angajat să aiba un copil D: evenimentul ca un angajat ales la întâmplare să fie femeie şi să aiba un copil Evenimentul D se poate scrie ca fiind D = A  C.PROBLEME REZOLVATE 1.

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

Schema Bernoulli Probabilitatea realizării unui eveniment A de k ori atunci când se efectuează o experienţa de n ori. 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 .n. şi atunci când cunoaştem probabilitatea realizării evenimentului A(P(A) = p) este k k n Cn p q k P(C) = şi q = 1 . făra revenire..p.6 B = evenimentul « compania nu inregistreaza profit într-o lună » şi P(B) = P( A ) = 0... Se fac n extrageri succesive din urnă. 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.mn ! Schema hipergeometrică (schema bilei nerevenite cu doua stari) Se consideră o urnă care conţine N bile din care a -bile albe si b .4) 6 P(C) = C12 Exemplu Schema Bernoulli cu mai multe stări Fie o experienţă care poate avea probabilităţile de realizare pi = P(Ai). n ca rezultat doar unul din evenimentele Ai care au Ai formează un sistem complet de evenimente deci i 1 pi 1 .6) 6 (0.. p n m1!m2 !.bile negre. Dacă se repetă de k ori experienţa în aceleaşi condiţii. Schema Bernoulli se mai numeşte şi schema urnei cu bilă revenită. i=1.4 C = evenimentul « compania inregistreaza profit in 6 din cele 12 luni ale anului » 6 (0. Probabilitatea ca o companie sa înregistreze profit într-o lună este de 0.6. 50 .

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

2.3 şi probabilităţile asociate de extragere a unui baiat din fiecare grupa P(Ei) = pi.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 . i=1.a) probabilitatea ca un singur student să fie fată este echivalentă cu probabilitatea ca 2 studenţi din cei aleşi să fie baieţi. q2 = 0. Atunci.9. probabilităţile de a extrage o fată din fiecare grupă vor fi q 1= 0.a) un singur student din cei 3 alesi să fie baiat Ipoteza : Considerăm sistemul format din 3 experienţe Ei.15 şi p3 = 0. probabilitatea alegerii a 2 studenţi este coeficientul lui x2 din polinomul Q(x) = (p1x+q1)(p2x+q2)(p2x+q2).85 respectiv q3 = 0. P(A) = p1q2q3 + p2q1q3 + p3q1q2 un singur student din cei 3 alesi să fie fata b) In ipotezele enunţate la pct. p2 = 0.1. Conform Schemei Poisson. respectiv p1 = 0. adică probabilitatea realizării a 2 evenimente (k=2) la efectuarea celor 3 experienţe. 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. 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. este probabilitatea realizării a 3 evenimente (k=3) la efectuarea celor 3 experienţe şi conform Schemei Poisson.

n.mn ! 53 . P(E) = P(A  D) = P(A) + P(B) probabilitatea ca cel puţin 2 studenţi să fie băieti... 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 ). i=1. 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 Schema Bernoulli Probabilitatea realizării unui eveniment A de k ori atunci când se efectuează o experienţa de n ori.Notând cu E = evenimentul ca cel mult un student din cei 3 aleşi să fie băiat. 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 . Dacă se repetă de k ori experienţa în aceleaşi condiţii. cu i = 1. Schema Bernoulli cu mai multe stări Fie o experienţă care poate avea ca rezultat doar unul din evenimentele Ai care au probabilităţile de realizare pi = P(Ai). p n m1!m2 !.p. 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 .. avem E = A  D cu A şi B evenimente independente.

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

3. Fie = { 1.2.4. 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. Se consideră experienţa aruncării de două ori a unei monezi .6} spaţiul de selectie asociat unei experienţe. 2 1. 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) 3.5.5. TESTUL DE AUTOEVALUARE NR. 2. Se aruncă 2 zaruri de 100 de ori. În tabelul de mai jos se inregistrează frecvenţa apariţiei tuturor sumelor posibile pentru cele 2 feţe aparute la o aruncare. se alege aleator o carte. să se arate ca evenimentele : A : apariţia feţei « Cap » la prima aruncare si B : apariţia feţei « Cap » la a două aruncare sunt evenimente independente. Care sunt valorile pe care le poate lua X? 57 .2. Experimentului aruncarii unei monede de 3 ori i se poate ataşa varaibila aleatoare X = numărul de ori de care poate aparea “pajura”. 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. Dintr-un pachet cu 52 carti de joc.

8. 1. b) variabilă aleatoare asociata numărului de intrebari la care un student a raspuns corect.3.PC} şi A Verificând definiţia. c 58 .4.8. CPC.2.B.3.10.2. B = {CC.4.2.3.2.PP} Atunci A = {CC.1.PC. Spaţiul evenimentelor echiprobabile al experienţei este K = {CC.… e) nedefinit f) A.CP} . PCC. Care sunt valorile pe care le poate lua X? a) 1.5.3.3. b. Considerand variabilă aleatoare X = numărul de aruncari.12 c) 1.…12 e) nedefinit f) 2.3 c) 0. Rezolvări : 1.2.2.CP. 6.000 eur dupa un an de la momentul investitiei d) variabilă aleatoare asociata rezultatelor experientei de masurare a inaltimii unui grup de 50 de persoane.a) 1.12 c) 1. 2. 3.1.4.4… d) 0. şi variabilă aleatoare asociata numărului de aruncari necesare pentru obtinerea la ambele zaruri a fetelor 6.D.2.4… d) 0.6.C. PCP.2.5. CCC e) nedefinit f) 0. valorile pe care le poate lua X sunt: a) 1. Fie experimentul aruncarii a 2 zaruri şi variabilă aleatoare X = suma numerelor care apar pe feţele zarurilor.4.4.1. P( A B) 1 4 1 1 2 2 B {CC} cu P(A) = 1 1 . 5.3.3 d) CPP.5 3.… 5.10. a.…12 b) 2.4 b) 1.2. Să se precizeze tipul urmatoarelor variabile aleatoare: a) se consideră experienţa aruncarii a 2 zaruri.5. PPC.6.…12 4. P(B) = şi P( A 2 2 B) 1 4 P( A) P( B) adică A şi B sunt independente 4. Experiment: Se arunca un zar pana apare fata 6.…12 b) 2. daca studentul rezolva pentru un examen un test cu 50 de intrebari c) variabilă aleatoare asociata valorii unei investitii de 10.

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

Generalităţi.1. Generalităţi 3. Variabile aleatoare discrete 3. Operaţii cu variabile aleatoare discrete 3.UNITATEA NR. Operaţii efectuate asupra unei variabile aleatoare X 3.2.1.3. 3 VARIABILE ALEATOARE Timpul de studiu individual estimat: 7 h Bifează sarcinile de lucru rezolvate. pe măsura parcurgerii lor: Parcurge obiectivele Citeşte conţinutul lecţiei Raspunde la întrebările de control Parcurge problemele rezolvate Rezolva problemele propuse Recapitulează cunoştinţele Pregăteste Tema de control Cuprinsul unităţii de învăţare: 3.2.2.1.2.1.2.1. Distribuţia de probabilitate (repartiţia) a unei variabile aleatoare simple 3. Funcţia de repartiţie şi densitatea de repartiţie a unei variabile aleatoare 3. Funcţia de repartiţie 3.1. Operaţii care se pot efectua cu două variabile aleatoare X şi Y 60 .2.3.

fiecărui rezultat posibil al acestuia îi putem asocia valori numerice. în cele mai multe dintre cazuri.1. GENERALITĂŢI.6. Testul de autoevaluare nr. Caracteristici numerice ale variabilelor aleatoare continue 3.4. Exemplu ● La aruncarea unui zar se obţine una din feţele zarului cu valori de la 1 la 6. FUNCŢIA DE REPARTIŢIE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. 61 . care asociază fiecărei realizări a unui experiment un număr .3. Tema de control a unităţii de învăţare nr. studenţii trebuie: O1: să cunoască definiţia unei variabile aleatoare O2: să caracterizeze fenomene economice cu ajutorul variabilelor aleatoare O3: să calculeze funcţia de repartiţie a unei variabile aleatoare 3. Bibliografia specifică unităţii de învăţare nr.5.3. Caracteristici numerice ale variabilelor aleatoare discrete 3. Caracteristici numerice ale variabilelor aleatoare. 3 3. de la 0 la 10. Coeficientul de corelaţie 3.7. 3 3. şi fiecărei din aceste experienţe îi putem ataşa valorile numerice 1 pana la 6. Variabila aleatoare este deci o regulă. aceste numere numindu-se valorile variabilei aleatoare. Coeficientul de corelaţie a două variabile aleatoare 3. GENERALITĂŢI Considerând un experiment.1. 3 3. ● Rezultatul experimentului “sustinerea examenului la matematica” efectuat de un student din anul I este un număr .3.1.3.2.1.

.1.etc. 2.0. Inalţimea unui atlet în cm) 62 . .. 0. . Rezultatul aruncării unui zar) ● Variabilele aleatoare discrete care pot lua un număr nelimitat de valori finite se numesc variabile aleatoare discrete infinite. variabila aleatoare se numeşte continuă.. ( de ex.3. (de ex.. variabila aleatoare se numeşte discretă. 0.. 3. Exemple ● Experimentului “Selectarea unei banci” i se asociază variabila aleatoare X = numărul clienţilor băncii.Definiţii: Se numeşte variabilă aleatoare. Observaţii ● Valorile pe care le poate lua o variabilă aleatoare se cunosc numai dupa efectuarea experimentului. 1. ● Variabilele aleatoare discrete care pot lua un număr exact de valori finite se numesc variabile aleatoare finite sau simple. . numărul de stele estimate a exista în univers) ● Daca mulţimea valorilor posibile este continuă (un interval finit sau infinit din mulţimea numerelor reale). iar valorile pe care le pot lua variabilele aleatoare cu litere mici.. 0. 1.. numită mulţimea valorilor posibile. Y. X.. (de ex. 3. Valorile pe care Z le poate lua sunt 0.. ● Experimentului selectarea unui jucator de fotbal i se poate asocia variabila aleatoare Y = numărul golurilor inscrise în acest sezon. 1.1..r Valorile pe care le poate lua X sunt 2. o mărime care în urma unei experienţe poate lua o valoare dintr-o mulţime bine definită.2. ● Variabilele aleatoare se notează cu litere mari de la sfârşitul alfabetului.. Definiţii ● Daca mulţimea valorilor posibile pe care le poate lua o variabilă aleatoare este discretă (valori numerice specifice sau izolate). Z. 4. ● 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. Valorile pe care le poate lua Y sunt 0.

6. Multimea valorilor variabilei aleatoare X este {2. Evenimentul X = 2 este format din apariţiile feţelor {(1. Numărul total de evenimente posibile egal probabile este 62 = 36 şi fiecărui eveniment i se poate calcula probabilitatea de aparitie.1. 2).3.…} 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.2. 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 .7.11.3. deci variabila aleatoare va fi continuă. mulţimea valorilor pe care le poate lua acest rezultat este {0. variabila aleatoare asociată rezultatelor experienţei poate lua orice valoare din mulţimea numerelor pozitive.4. 1). Considerând ca rezultat aparitia fetei “Cap”.8. (1.2. (2. 1)} Evenimentul X = 3 este format din apariţiile feţelor {(2. 3)} şi asa mai departe. 2)} Evenimentul X = 4 este {(3.4. 1).1. şi variabilă aleatoare X asociata rezultatului obtinut la insumarea valorii fetelor care apar la aruncarea zarurilor. 3.2.Exemple ● Se consideră experienţa aruncarii unei monezi de trei ori.3} şi variabila aleatoare asociată este finită.9. ● Alegând o bancă din mulţimea băncilor existente şi considerând ca rezultat numărul de companii care au cont deschis la respectiva bancă. (1.10.12} Dorim să obtinem informaţii despre condiţiile în care X ia diverse valori posibile. DISTRIBUŢIA DE PROBABILITATE (REPARTIŢIA) A UNEI VARIABILE ALEATOARE SIMPLE Se consideră experienţa aruncării a 2 zaruri. variabila aleatoare ataşată poate lua valorile {1.5.

sau mai general. Se numeşte funcţie de repartiţie a variabilei aleatoare X o funcţie F : R Orice variabilă aleatoare se poate defini cu ajutorul funţiei sale de repartiţie... (X = xi). Funcţia de repartiţie a unei variabile aleatoare simple X. i = 1.2. xn f ( x2 ) .…n şi Vom nota cu P(Ei) = P(X=xi) = f(xi) = pi probabilitatea ca variabila aleatoare X să ia valoarea xi. p n 3. i = 1. xn . discrete..3. K.2. o variabilă aleatoare discretă se prezintă sub forma matriceala. Mulţimea perechilor ordonate ( xi. 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). f(xi)) se numeşte repartiţia variabilei aleatoare discrete X.. P) şi variabila aleatoare X : R R.... 64 .…n Fie Ei evenimentul ca variabila aleatoare X să ia valoarea xi. este dată de relaţia F(x) = xi x f ( xi ) . x R . i = 1.1. Observaţie În practică. ● Fie variabilă aleatoare X şi xi valorile posibile pe care aceasta le pote lua. X x1 f ( x1 ) sau X: x2 . (f(xi) este funcţia de probabilitate).Definiţii ● Se numeşte repartiţie a unei variabile aleatoare discrete enumerarea tuturor valorilor posibile ale variabilei aleatoare precum şi a probabilităţilor corespunzatoare. cu repartiţia (xi.f(xi)). f ( xn ) x1 p1 x2 p2 .. n .

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

2 04 0. orice x R. Fie variabilă aleatoare simpla X avand repartiţia: X: 0 1 2 3 0. k>0.b R cu a < b are loc egalitatea: b P(a X b) a f (u )du PROBLEME REZOLVATE 1.3 daca 1 x 2 0. 66 . rezulta ca f(x) cu k>0.3]. şi anume f (u )du 1 . astfel încât funcţia f(x) = k (2 x 1). f(x) 2.3 Funcţia de repartiţie a variabilei aleatoare X este 0 daca x 0 0. a) Să se determine k R . ). prima conditie fiind verificata.3] şi f(x)=k(2x-1) este o functie lineara crescatoare. Oricare a. Determinarea constantei k se face utilizand a doua conditie.1 daca 0 x 1 F(X) = 0. şi deci f(x) 0.1)  (3. pentru x [1. De asemenea f(x) = 0 pentru x (.3. 0.5k] Deoarece x [1. orice x R f(x) este densitate de repartiţie a unei variabile aleatoare X daca indeplineste f (u )du 1 [k.7 daca 2 x 3 1 daca x 3 2. 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: 1.1 0.

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

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

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

xn .x1 X: n ... .. c R..1 0..4 0. pn Exemple: Fie X : 0 1 2 3 0... n xi pik k 1 . 3.. .3 70 .2 0. i = 1... f(xi))..2.2 0.4 0. n Atunci cX are repartiţia (cxi.... n xn p nk k 1 p1k k 1 .. şi X o variabilă aleatoare discretă finita (simpla) cu repartiţia (xi.. m yi p ki k 1 .. sau daca X : x1 p1 x2 p2 .. n deoarece P(cX = cxi) = P(X = xi) = f(xi)..2. f(xi)).. OPERAŢII EFECTUATE ASUPRA UNEI VARIABILE ALEATOARE X Definiţii ● înmulţirea cu o constantă Fie c = ct.1 0. m ym p km k 1 p k1 .3 Repartiţia variabilei aleatoare 3X este 0 3 6 9 0. p n atunci cX : cx1 p1 cx2 p2 ... i = 1. y1 Y: m k 1 . cxn ....

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.3 0.2 0. Să se calculeze repartiţia variabilei aleatoare X2.f(yj)).1 0.3 02 12 22 3.4 0.2 0. Atunci Xr are repartiţia (x ir . cu i = 1.2.Definiţii ● Ridicarea la putere a unei variabile aleatoare Fie r R.f(yj)).3 X2 = 1 4 9 32 = 0 0. 1.1 0. m Definiţii Înmulţirea Daca X şi Y sunt variabile aleatoare independente atunci XY are repartiţia (xi yj.4 0. şi X o variabilă aleatoare discretă finită (simpla) cu repartiţia (x i. cu i = 1.1 0. n şi j = 1.3. i = 1. n . f(xi)). unde X: Exemplu 0 1 2 3 0. f(xi)).4 0. n şi j = j = 1. 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. n . f(xi). i = 1. m 71 .2 0. după cum variabilele sunt independente sau nu. f(xi).

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

Să se calculeze suma ca independente X şi Y unde: X: 0 1 0.PROBLEME REZOLVATE 1.2 0.1 0.2 0.2 0.8x0. respectiv P(X=xi) X\Y 1 2 P(Y=yj) 0 0.8 şi Y : 0 1 2 0.2 0.4 şi Y : 0 1 2 0.48 .6 Z: 0 1 2 1 2 3 0.04 0.2 x0.2 0. Să se determine repartiţiile marginale ale variabilelor X şi Y a caror repartiţie comună este X\Y 1 2 0 0.2 0.6 Notam cu Z = X + Y Z: 0 0 0 1 0 2 1 0 1 1 1 2 0.1 0.3 2 0.12 0.1 2 0.2 1 0.3 0.5 2.4 1 Repartiţia marginală a variabilelor aleatoare X şi Y va fi: X: 1 2 0.3 0.1 0.2 x0.2 0.2 x0.2 Completăm tabelul cu încă o linie şi o coloană aferente probabilităţilor P(Y=yj).1 1 0.16 0.5 P(X=xi) 0.3 0.6 0.16 0.1 0.8x0.6 0.2 0.8x0.6 0.04 0.2 0.2 0.2 0. 73 .

2 0.36.12+0.2 0.04 0.16.16 0. 0. rezultă că P(z = 1) = 0.2 x0.16 rezultă că P(z = 1) = 0.8x0. Forma finală a variabilei Z va fi Z: 0 1 2 0.04+0.6 0.16= 0.16 0.04 0. pentru valoarea z = 2 a varaibilei aleatoare Z sunt listate doua probabilitati de realizare.8 şi Y : 0 1 2 0.Deoarece pentru valoarea z = 1 a varaibilei aleatoare Z sunt listate doua probabilitati de realizare.2 0. Analog.2 0.2 x0.28.48 şi se verifica ca pi 1 74 . 0.16= 0. Forma finala a variabilei Z va fi Z: 0 1 2 3 0.8x0.16 0.48 şi se verifica ca pi 1 3. rezultă că P(z = 0) = 0. Să se calculeze produsul variabilelor aleatoare independente X şi Y unde: X: 0 1 0.2 0.36 0.8x0.2 0.12 respectiv 0.28 0.2 0.04 respectiv 0.2 x0.6 Notăm Z = X x Y Z: 0 x0 0 x1 0 x2 1x0 1x1 1x2 0.16= 0.04+0.48 .6 Z: 0 0 0 0 1 2 0.12 0.04+0. Deoarece pentru valoarea z = 0 a varaibilei aleatoare Z sunt listate patru probabilitaţi de realizare.2.2 0.04 0.12+0.

CARACTERISTICI NUMERICE ALE VARIABILELOR ALEATOARE. Cu două sau mai multe variabile aleatoare se pot efectua operaţii de adunare şi de înmulţire. m sunt independente. 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. n .REZUMAT Două variabile aleatoare X şi Y sunt independente dacă evenimentele (X = xi) şi (Y = yj).i= 1. cu i = 1. K.3. COEFICIENTUL DE CORELAŢIE Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. Atunci: P[(X = xi).3.( Y = yj)]=P[(X = xi)  (Y = yj)]= pij = pi x qj Operaţiile care se pot efectua asupra unei variabile aleatoare X sunt înmulţirea cu o constantă şi ridicarea la putere. 75 . 3.1. n şi j = 1. CARACTERISTICI NUMERICE ALE VARIABILELOR ALEATOARE DISCRETE Fie ( f(xi)). care au probabilităţile de apariţie pi respectiv qj. P) un camp de probabilitate şi o variabilă aleatoara discretă X cu repartiţia (x i.

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

mr(X) = Mr(X –M(X)) = M[ ( X M ( X )) r ] Dispersia ( momentul centrat de ordin 2) Se numeşte disperise a varaibilei aleatoare X. momentul de ordinul r al abaterii X – M(X). 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 . Fie v. CARACTERISTICI NUMERICE ALE VARIABILELOR ALEATOARE CONTINUE Fie ( repartiţie f(x) . D2(X) = M(X2) – [M(X)]2 D2. Daca X şi Y sunt variabile aleatoare independente având dispersiile D2(X) respectiv D2(Y). şi se notează cu D2(X).b D (Y) = D (aX + b) = a D (X) D3. Atunci 3. (r=2) D2(X) = 2 m2 ( X ) = M[ ( X M ( X )) 2 ] Se numeşte abatere medie patratica a lui X numărul D(X) = m2 ( X ) Proprietăţi Dispersia unei variabile aleatoare are urmatoarele proprietăţi D1. şi se notează cu Mr( X ). P) un câmp de probabilitate şi o variabilă aleatoare continuă X cu densitatea de 77 .3.2. K.a X cu dispersia D2(X) şi a. atunci oricare ar fi constantele a.Definiţii Se numeşte moment absolut de ordin r. momentul centrat de ordinul 2 al varaibilei aleatoare 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.

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

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

2 0. Consecinţa proprietăţii C2 este că ( X .5 0. nu rezultă ca variabilele aleatoare X şi Y sunt independente ci că sunt necorelate.5 = 1.5 + 2 x 0.2 0.Y) PROBLEME REZOLVATE 1.5 80 .8 = 0.8 şi Y: 1 2 0.8 M(Y) = 1 x 0.5 Daca P(X = 0.5 0.5 necesare P(X= xi) 0. Repartiţia comună a variabilelor va fi: X\Y 0 1 1 0.8 1 calculării coeficientului de corelaţie P(Y=yj) 0.3 2 0 0. atunci: D2(X+Y) = D2(X) + D2(Y) 2cov (X.2 0.Y ) 0.Y ) mărimile M ( XY ) M ( X ) M (Y ) D( X ) D(Y ) M(X) = 0 x 0.5 Caclulăm ( X . X ) 1 Dacă X şi Y sunt variabile aleatoare ale caror medii şi dispersii există. X ) 1 şi (X .2 să se calculeze coeficientul de corelaţie al variabilelor aleatoare X şi Y. Fie X şi Y variabile aleatoare simple cu repartiţiile: X: 0 1 0. Daca ( X . Y= 1) = 0.Observaţii Reciproca proprietăţii C1 nu este adevarata.2 + 1 x 0.

5.5)2 = 0.Y ) 1.4 0.5 81 .5 0.3 0.3 Pentru calculul mărimilor D(X) şi D(Y) avem nevoie de valorile variabilelor aleatoare X2 şi Y2 şi de mediile acestora: X2 : 0 1 0.3 0.5 M(XY) = 0 x 0.5 Atunci XY: 0 1 2 0. Folosind formula D2(X) = M(X2) – [M(X)]2 vom avea: D2(X) = 0.5 –(1.8)2 = 0.8-(0.2 0.2 P(XY=1) = P(X=1 şi Y=1) = 0.8 şi Y2: 1 4 0.2 0.4 D2(Y) = 2.5 cu M(X2) = 0.8 şi Y: 1 2 0.2 0.5 0.5 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 şi M(Y2)=2.3 + 2 x 0.2 0.5 2.16 D(X) = 0.2 + 1 x 0.5 = 1.3 P(XY=2) = P(X=1 şi Y=2) = 0.5 Atunci ( X .25 şi D(Y) = 0.8 1. Fie X şi Y variabilă aleatoare simple cu repartitiile: X: 0 1 0.1 0.5 0.

5 X şi Y sunt necorelate daca ( X .8 M(Y) = 1 x 0.Y ) 0.3 0.2 + 1 x 0.5 1 P(Y=yj) 0.6 – p 82 .8-p 0.2 P(XY=1) = P(X=1 şi Y=1) = p P(XY=2) = P(X=1 şi Y=2) = 0.8 = 0. Unde ( X .5-p p 2 P(X= xi) p-0.5 + 2 x 0.8 0.8 M(XY) = 0 x 0.Y ) M ( XY ) M ( X ) M (Y ) D( X ) D(Y ) M(X) = 0 x 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)=0.8-p) = 1.Daca P(X = 1.8-p Atunci XY: 0 0. Y= 1) = p să se afle valoarea probabilitatii p pentru care v ariabilele aleatoare X şi Y sunt necorelate.5 = 1.2 1 2 p p 0.2 + 1 x p + 2 x (0.2 0. şi să se scrie repartitia comuna a acestora Repartiţia comună a variabileleor aleatoare X şi Y este X\Y 0 1 1 0.

5.Y ) 1.Y ) 0 vom avea p=0.5 0.1 0.Pentru calculul marimilor D(X) şi D(Y) avem nevoie de valorile variabilelor aleat oare X2 şi Y2 şi de mediile acestora: X2 : 0 1 0.4 p 0.5 0. X\Y 0 1 1 0.8 şi M(Y2)=2.8-(0.5)2 = 0.4 D2(Y) = 2.5 –(1.8 1.5 cu M(X2) = 0.4.4 2 0.16 D(X) = 0.5 Atunci ( X .6 p 0.5 0. Folosind formula D2(X) = M(X2) – [M(X)]2 vom avea: D2(X) = 0.25 şi D(Y) = 0.8 şi Y2: 1 4 0.2 0.4 REZUMAT Caracteristicile numerice ale variabilelor aleatoare discrete sunt: Valoare medie M(X) = k 1 xk f ( xk ) Abaterea de la valoarea medie Z = X – M(X) Moment iniţial sau moment M(Xr) = k 1 r xk f ( xk ) Moment centrat de ordinul r mr(X) = Mr(X –M(X)) = M[ ( X M ( X )) r ] 83 .4 0.8)2 = 0.2 Ș i din condiţia ( X .1 0.

TEMA DE CONTROL A UNITĂŢII DE ÎNVĂŢARE NR.5. Se cunosc următoarele date ale repartiţiei comune a variabilelor X ș i Y x/y -1 A 2 qj 0.2 0 Pi 0. Y ) D( X ) D(Y ) Se numeşte coeficient de corelaţie al variabilelor aleatoare X şi Y mărimea: ( X .Dispersia ( momentul centrat de ordin 2) D2(X) = Abatere medie patratică a lui X D(X) = 2 m2 ( X ) = M[ ( X M ( X )) 2 ] m2 ( X ) Caracteristici numerice ale variabilelor aleatoare continue Valoare medie M(X) = x f ( x)dx Momentul (momentul iniţial) de ordin r Mr(X) = M(Xr) = x r f ( x)dx Momentul centrat de ordinul r mr(X) = Mr(X –M(X)) = ( x M ( X )) r f ( x)dx Dispersia ( momentul centrat de ordin 2) D2(X) = 2 m2 ( X ) = ( x M ( X ))2 f ( x)dx Abaterea medie patratică a lui X este numărul D(X) = m2 ( X ) cov( X .Y ) 3. 3 PROBLEME PROPUSE 1.5 0.6 84 .

Dacă M(X) = 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. 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 . 4.6 2k 1 pi k 0.5 a) să se completeze tabelul repartiţiei comune ș i să se determine valorile posibile ale lui k b) să se determine coeficientul de corelaţie al variabilelor aleatoare X si Y c) să se determine distribuţia variabilei aleatoare condiţionate X/(Y=1) si Y/(X=0) 3.5 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)).

2. 5. Variabila aleatoare X + Y poate lua valorile 1. adică h(xi.2 P(X + Y =2) = P(X=0 şi Y=2) sau P(X=1 şi Y=1) = 0.2 0 3 0.1 P(X + Y = 4) = P(X=1 şi Y=3) sau P(X=2 şi Y=2) sau P(X=3 şi Y=1) = 0.3 2 0 0.1 0.2 0.3 2 0 0.1=0. 4.1 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 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 .2 0.1 0 0 5.1+0=0.1 0 0 să se calculeze repartiţia variabilei aleatoare XY RĂSPUNSURI 1.1 0 1 0 0.1+0 = 0. Trebuie să calculăm probabilităţile cu care variabilă aleatoare X + Y poate lua aceste valori. 6 (xi + yj).Y\X 1 2 3 0 0. 3.1 0.yj): P(X + Y =1) = P(X=0 şi Y=1) = 0. Fie X şi Y variabile aleatoare discrete finite (simple) cu următoarea repartiţie comună Y\X 1 2 3 0 0.2+0.1 0 1 0 0.3+0.

1 0. 2. Variabila aleatoare XY poate lua valorile 0.1 0. Să se definească o variabilă aleatoare şi să se exemplifice variabile aleatoare care se pot ataşa proceselor economice.2 şi se verifică că pi 1 ÎNTREBĂRI DE CONTROL 1. 3.3+0.2+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 P(XY =4) = P(X=2 şi Y=2) = 0.X+Y: 1 2 3 4 0. adică h(xi.6 şi se verifica ca pi 1 2. 87 . Să se definească funcţia de repartiţie a unei variabile aleatoare şi densitatea de repartiţie.1 P(XY =3) = P(X=1 şi Y=3) sau P(X=3 şi Y=1) = 0. 9 ( adică xiyj). Trebuie să calculăm probabilităţile cu care variabilă aleatoare XY poate lua aceste valori.yj): P(XY=0)=P(X=0şiY=1) sau P(X=0 şi Y=2) sau P(X=0 şi Y+3)=0.3 0. 2.4 0.1= 0. 4.2 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) = 0.1. 6.1=0.1+0=0.

Să se determine p 0 pentru care X : discretă.5 şi Y : 1 1 0. Fie X: 0 1 x 6 6x 2 1 1 6 0 si Y: 1 1 y 3 12 y 2 2 1 3 Să se determine x şi y astfel incat X şi Y să reprezinte două variabile aleatoare. 3.5 0. 2X şi Y2 4.LUCRARE DE VERIFICARE 1.3 a) dacă P( X = -1 şi Y = -1) = 0.6 Să se completeze tabelul repartiţiei comune ș i să se determine valorile posibile ale lui k 88 . Fie X şi Y variabilă aleatoare simple cu repartiţiile: X: 1 0 0. 1 p 0 1 2 p 1 3p 2 reprezintă o variabilă aleatoare 1 2. Se cunosc următoarele date ale repartiţiei comune a variabilelor X ș i Y x/y 0 -1 -2 qj 0.2 0.3 1 Pi k 0.5 să se afle repartiţia comună a variabilelor aleatoare X şi Y b) să se calculeze X + Y. XY.

Y= 1) = 0.1 Să se determine repartiţiile marginale ale variabilelor X şi Y şi să se calculeze coeficientul de corelaţie (să se stabileasca dacă variabilele sunt independente sau nu) 89 .8q 0.8 şi P(X=0 şi Y = -1) = 0.8q 0.3 şi Y: 1 2p 2 b 1. M(3Y) = 1. XY c) să se calculeze ( X . TESTUL DE AUTOEVALUARE NR.Y ) d) să se calculeze M(5X).4 2q 2 p a) să se determine p şi q b) să se calculeze 2X.D2(2X+5Y) 2.3.5 Dacă P(X = 0.5.8 pentru care se cunosc: M(2X) = 1.8 şi Y: 1 2 0. să se calculeze coeficientul de corelaţie al variabilelor aleatoare X şi Y. 3 1.6. Fie X: 0 3 p 2q 2 p 2 a 1.2 0. Se consideră două variabile independente X: 1 0 1 0. 3. M(3X+2).6 şi Y: 1 0. 5X+3Y. Y4. Fie X şi Y variabile aleatoare simple cu repartiţiile: X: 0 1 0.1 p q 0.5 0.

4 0.6 5X+3Y: 2 1 3 6 8 11 0.3 0.4 0.3 0.36 XY: 1x1 1x2 0x1 0 x2 1x1 1x2 0.6 5X+3Y: 5 0 5 + 3 6 = 5 3 5 6 0 3 0 6 5 3 5 6 0.3x0.1x0.3 şi –p+2q= 0.24 0.18 0.6 0.4 0.6x0.1+p+q+0.4 0.3 0.6x0.6 obţinem q=0.6 0.3x0.24 0.3x0.3 0.6 b) 2X: 2 0 2 0.1 0.RĂSPUNSURI 1.06 0. a) Din definiţia variabilei aleatoare ș tim că 0.36 XY: 2 1 0 1 2 0.3 0.1x0.6 XY: 1 2 0 0 1 2 0.06 0.06 0.6 Y4: 1 16 0.1 0.6 şi Y: 1 2 0.4 0.3x0.12 0.6 0.3 şi p=0 Variabilele X şi Y vor fi: X: 1 0 1 0.12 0.24 0.6x0.4 0.36 90 .6 Rezolvând sistemul p q p 2q 0.1x0.4 +2q-p =1.4 0.04 0.4 0.4 0.04 0.6 0.04 0.6 0.6 0.18 0.1 0.1x0.6x0.6 = 1 şi 0. adică p+q = 0.

45 D2(Y) = 2.5 D2(2X+5Y) = 4 D2(X) + 25D2(Y) = 4x0.7 M(Y2) = 1 x 0.7 = 0.1 + 0x0.6 0.3 + 1x0.3 = 1 şi 2p2 + 1.Y ) 0.c) ( X .3 + 1 x 0.5 M(3X+2) = 3M(X) +2 = 3x0.8 0.5 x1.8 = 1 91 .45+25x0.36 = 0.06 + (-1) x 0.6 = 1.6 = 2. Ştim că 3p + 2q + 2p2 + 1.24 +2 x 0.7 – (0.6 M(XY) = (-2) x 0.8 – (1.6 = 0.8q + 0.5)2 = 0.8 M(X2) = 0 x 0.45 x0.6)2 = 0.Y ) M ( XY ) M ( X ) M (Y ) D( X ) D(Y ) M(X) = -1x0.8 D2(X) = 0.24=7.5 M(Y) = 1x0.3 + 1 x 0.5 = 2.04 + 0 x 0.4 + 4 x 0.24 (X .4 + 2x0.8 2.24 0 d) M(5X) = 5M(X) = 5 x 0.8q +0.5 +2 = 3.

7) 2 4 x 2 x0.8q Înmulţind prima ecuaţie cu (-0.9) obţinem: 2.5 0.1 Pentru a determina repartiţiile marginale ale variabilelor X şi Y ne trebuie valorile 3p+2q şi 2p2+1.25 = 0.2 .8 M(2X) = 2M(X) = 2(0 x 0.29 şi 2. deci X: 0 a 0.5 0.7 2.3 1.625 respectiv q2 = 0.7 p 1.8q = 0.7p + 0. valoare care nu convine deoarece 3p+2q trebuie să fie subunitara reprezentând o probabilitate.8q 2p 2 0.2 1.1 şi q2 = 0. Dacă p2 = 0.1 Ș i q1 = 1.25 4 p2 2.5) = a 92 .7p=-0.45 0.3 p1 2.625 3p+2q = 7.25 5.5 şi Y: 1 b 0.7 2. Dacă p1 = 1.8q.25 şi q1 = 1. (2.5 + a x 0.25 sau 2p2 -2.1 vom avea 3p+2q = 0.5 şi 2p2+1.2 1.Rezolvăm sistemul 3 p 2q 2p 2 0.8q şi scăzând cele două ecuaţii vom avea: 2p2 -2.2 0.3 4 0.

8 deci -0. X: 0 1 0.4b = 1.2 şi P(X=1 şi Y=-1) = P(X=0)P(Y=-1) 93 .6+2.8 şi b=1 Atunci.6 +2.2+bx0.1 1 0.5x0.1 0.4 0.4b Ș i M(3Y) = 1.2 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 P(X= xi) 0.5 1 P(Y=yj) 0.2 deci se verifică relaţia P(X=0 şi Y=-1)= P(X=0) P(Y=-1) P(X=0 şi Y=1) = 0.5x0.2 0.1 P(X=1)P(Y=-1) = 0.1 P(X=0) = 0.Ș i M(2X) = 1 deci a = 1 M(3Y)=3M(Y)=3(-1x0.8 şi P(X=0 şi Y=1) = P(X=0)P(Y=1) P(X=1 şi Y=-1)= 0.5 0.8 Repartiţia comună a variabilelor X şi Y este X\Y 0 1 -1 0.5 şi Y: 1 1 0.5 0.5 P(Y=-1) = 0.4 0.8)=0.4 P(X=0)P(Y=1) = 0.

7. BILIOGRAFIA SPECIFICĂ UNITĂŢII DE ÎNVĂŢARE NR.8 şi P(X=1 şi Y=1) = P(X=0)P(Y=1) Si X şi Y sunt independente. 3.4 P(X=1)P(Y=1) = 0.culegere de probleme. Cison. Bucureşti. Matematici pentru economişti . Cison. 3 1. Cenuşă Gheorghe (coord).P(X=1 şi Y=1)= 0. Matematică economică I. Cenuşă Gheorghe (coord).5x0. Mitroi Andreea . Matematici pentru economişti. 2000 3. Ed. 2000 94 . 2010 2. Ed. Editura Cison.

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. Metoda grafică de rezolvare a problemelor de programare lineară bidimensională 4. Formularea unei probleme de programare lineară (elementele unei probleme de programare lineară) 4. Formularea problemei de programare lineară bidimensională 4.1.1. 4 PROBLEME DE PROGRAMARE LINEARĂ Timp mediu necesar pentru studiu: 7 ore Bifează sarcinile de lucru rezolvate. Maximizarea unei funcţii obiectiv pentru care toate restricţiile au semnul “ ” 95 .2. Probleme de programare lineară cu 2 variabile (programare lineară bidimensională) 4.UNITATEA NR.3.1. Algoritmul Simplex bidimensional 4.2.1.1.3.

1. Rezolvarea problemelor de programare lineară multimdimensională 4.2. 4 4.6. 4 4. Testul de autoevaluare nr.1. Optimizarea funcţiilor se referă la găsirea acelor valori ale variabilelor care să maximizeze sau să minimizeze funcţia studiată. 4 4. Minimizarea unei funcţii obiectiv pentru care toate restricţiile au semnul “ ” (problema duală) 4. şi urmareşte optimizarea unor funcţii (de 2 variabile în cazul de faţă) în raport cu anumite restricţii (condiţii) impuse de natura proceselor. Există câteva domenii standard în care se aplica programarea lineară şi anume: planificarea producţiei sau problema planului optim de producţie (găsirea unei combinaţii optime de produse 96 . FORMULAREA PROBLEMEI DE PROGRAMARE LINEARĂ BIDIMENSIONALĂ Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. De exemplu. Bibliografia specifică unităţii de învăţare nr. iar în cazul unei funcţii a costului obiectivul va fi minimizarea lui.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.4. în funcţie de natura acesteia. obiectivul va fi maximizarea acestuia.1. dacă vorbim de o funcţie a profitului. Tema de control a unităţii de învăţare nr.5.3.7. studenţii trebuie: O1: să înţeleagă importanţa programării lineare în procesul de elaborare a deciziilor economice O2: să formuleze probleme de programare lineară bidimensională O3: să aducă la forma standard o problemă de programare lineară 4.

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

adică: 1x1 + 2x2 32 98 . .profitul estimat a fi obtinut din vanzarea jucăriilor este de 5 lei pentru jucăriile albe şi 8 lei pentru jucăriile negre. Construirea modelului P.x2)= 5x1+8x2 iar obiectivul este găsirea unei soluţii care să maximizeze valorile funcţiei Transpunerea restricţiilor în ecuaţii sau inecuaţii Pasul 4 Pentru departamentul de producţie. 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: .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.L. 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.Numărul maxim zilnic de ore de muncă este de 32 ore pentru departamentul de producţie şi de 84 pentru departamentul de asamblare. timpul alocat fabricării jucăriilor albe (care necesită 1 ora) şi negre (care necesită 2 ore) nu trebuie să depaşeasca 32 de ore.P. Să se găsească cantitatea optimă care trebuie produsă din fiecare tip de jucarie pentru a maximiza profitul companiei.

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

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

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

2. METODA GRAFICĂ DE REZOLVARE A PROBLEMELOR DE PROGRAMARE LINEARĂ BIDIMENSIONALĂ Obiective operaţionale: La sfarşitul parcurgerii unităţii de învăţare. Se calculează valorile funcţiei obiectiv în fiecare din vârfurile determinate anterior şi se alege valoarea optimă în funcţie de tipul problemei (valoarea maximă pentru probleme de maxim sau valoarea minimă pentru probleme de minim) Pasul 1 Pasul 2 Pasul 3 Exemplul [Max] F = 6x1 + 2x2 x1 2 x1 2 x2 x2 0 8 10 si x1. 102 . Dacă mulţimea soluţiilor posibile este nevidă. Algoritm Se determină grafic mulţimea soluţiilor posibile. reprezentând într-un sistem de axe ortogonale dreptele date de ecuaţiile asociate restricţiilor problemei şi anume: 2x1 + x2 = 8 şi x1 + 2x2 = 10.4. x2 Pasul 1 Se determină grafic mulţimea soluţiilor posibile. studenţii trebuie: O1: Să determine grafic mulţimea soluţiilor posibile ale unei probleme de programare lineară O2: Să calculeaze valorile funcţiei obiectiv în fiecare din vârfurile determinate anterior O3: Să aleagă valoarea optimă în funcţie de tipul problemei (valoarea maximă pentru probleme de maxim sau valoarea minimă pentru probleme de minim) Constă în reprezentarea în acelaşi sistem de coordonate a dreptelor asociate restricţiilor problemei adusă la forma standard. se determină vârfurile poligonului rezultat.

8/3) = 64/3 şi F(0.0) = 24. x2 5x2 3x 2 50 27 0 103 . se determină vârfurile poligonului.0). Soluţia problemei este aria haşurată din imaginea de mai jos Pasul 2 Deoarece mulţimea soluţiilor este nevida.0) = 0. respectiv valoarea F(4. adică valoarea maximă a funcţiei obiectiv este 24 şi se atinge pentru x1 = 4 şi x2 = 0. A(4.Sau x1 = 8 -1/2x2 pentru prima ecuaţie şi x1 = 10 -2x2 pentru a două ecuaţie. F(8/3. B(8/3.0). Pasul 3 PROBLEME REZOLVATE 1.4) = 8 Si alegem valoarea cea mai mare.4))(intersecţia celor două drepte si intersecţia dreptelor cu axele de coordonate) Calculăm valorile funcţiei obiectiv în fiecare din vârfurile poligonului rezultat: F(0. [Min]F = 16x1 + 45x2 2 x1 x1 x1. şi anume punctele O(0. F(4.8/3) şi C(0.0)= 24 care este soluţia problemei.

Pasul 1

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

Pasul 2

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

Pasul 3

104

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

4.3. ALGORITMUL SIMPLEX BIDIMENSIONAL

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

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

Cazul 1

105

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

Algoritm

Pasul 1

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

Pasul 2

Pasul 3

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

Pasul 4

106

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

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

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

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

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

Exemplu [Min]F = 16x1 + 45x2 2 x1 x1 5x2 3x 2 50 27 x1.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. aceasta se gaseste pe ultimul rand al algoritmului simplex. Pasul 4 Pasul 5 Se rezolva problema duală folosind algoritmul simplex In situatia în care problema are soluţie. x2 0 Formarea problemei duale 2 A= 5 3 50 27 1 ș i transpusă ei 1 16 45 2 A = T 1 3 16 45 1 5 50 27 din care rezultă sistemul de ecuaţii asociat problemei duale: 2 x1 5 x1 50 x1 x2 3x2 27 x 2 16 45 F iar Problema duală asociata va fi: 112 .

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

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

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

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

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

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

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

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

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

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.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. Determinarea soluţiei optime Citirea soluţiilor problemei. studenţii trebuie: O1: să formuleze probleme de programare lineară multidimensională O2: să utilizeze algoritmul simplex pentru rezolvarea problemelor de programare lineară multidimensională Metoda grafică de rezolvare a problemelor de programare lineară este usor de aplicat numai în cazul PPL bidimensionale sau tridimensionale.4. 4. în funcţie de tipul problemei. 122 .

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

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

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

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

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

128 . y2 = 0. y1 x1 y4 y3 x4 F -1 -1 0 1 y2 1 0 -1 -1 y3 Y4 x1 x2 0 0 1 0 0 1 0 0 0 1 0 0 0 0 0 1 0 -1 x3 1 0 1 0 x4 F Val 0 0 0 1 0 2 0 4 0 3 0 3 1 4800 -300 400 0 900 400 0 Deoarece ultima linie mai conţine o valoare negativă. x3 =0 şi x4 = 0 cu [Max]F =5.baz.Var. continuăm algoritmul. Operaţiile care se efectuează sunt: l1+l4. y3 = 3. având pivotul la intersecţia dintre coloana lui y1 şi linia a patra. 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. y4 = 7. x2 = 0. x1 = 5. Var.baz.700 Soluţia problemei iniţiale (de minim) se citeşte pe coloanele tabelului simplex şi este: x1 = 0. l2+l4 şi l5+300l4.

x 2 . a 2 0 Tabelul simplex iniţial este: x1 1 1 0 -1 x2 x3 s1 A1 s2 1 0 1 1 0 1 1 1 0 0 0 1 0 M 0 0 a2 0 0 F Val 0 20 0 5 0 10 -1 1 0 -3 0 M 1 0 Observăm că varaibilele bazice sunt s1 şi F şi mai avem nevoie de 2 variabile bazice. pe care le vom obţine prin eliminarea valorii M de pe coloana lui a1. x3 . Să se rezolve: [Max] F = x1 – x2 +3x3 x1 x2 20 x1 x3 5 x 2 x3 10 x1 . s1 . a1 . s 2 . 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 . 129 . 3.x2 = 600.700. x 2 . prin operaţia l4 –Ml2 şi prin eliminarea valorii M de pe coloana lui a2 prin operaţia l4-Ml3. x3 = 400 şi x4 = 300 cu [Min] F = 5.

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

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

L.P. 1 Sau pentru probleme de minim: n [Min] F = j 1 cjxj n Cu aij x j j 1 bi . TEMA DE CONTROL A UNITĂŢII DE ÎNVĂŢARE NR. 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 . multidimensionale n [Max] F = j 1 cjxj n aij x j j 1 bi . 1 i 4. 1 i j n m.bi 0 xj 0. 1 i n m. 4 PROBLEME PROPUSE 1.REZUMAT Forma generala standard a P.bi 0 xj 0.5.

120 unităţi de fier şi 200 unităţi de vitamina A. şi 6 unităţi de colesterol şi în 100g de aliment B există 5 unităţi de calciu. Un investitor doreşte să investească suma de 50. Veniturile anuale estimate a fi obţinute sunt de 400. 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.2.000 euro pentru sucursale şi de 125.000 euro şi necesită 2 angajaţi. 25 unităţi de vitamina A şi 8 unităţi de colesterol. iar costul înfiinţării unei agenţii este de 50. Regimul unui diabetic trebuie să conţină în mod obligatoriu două alimente A şi B.000 euro pentru agentii. 10 unităţi de fier. Care este combinaţia optimă a portofoliului în vederea maximizării profitului obtţnut din investiţie? 4. Fiecare autocar poate transporta 40 de persoane şi costul închirierii pe o săptămână este de 4.000 lei şi fiecare microbuz poate transporta 10 persoane şi costul închirierii pe o săptămână este de 900 lei.000 lei în acţiuni şi obligatiuni. O agenţie de turism planifică organizarea unei excursii în Grecia pentru care poate inchiria autocare şi microbuze. Care este cantitatea optimă de alimente A şi B care trebuie să alcatuiască dieta pentru a respecta condiţiile impuse pentru calciu. 10 unităţi de fier. 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). Cantitatea zilnică minimă necesară este de 300 unităţi de calciu. Costul înfiinţării unei sucursale este de 100. O bancă dispune de un buget de dezvoltare de 1.000. fier şi vitamina A în condiţiile unui aport minim de colesterol? 133 . În 100 g de aliment A există 25 unităţi de calciu. Care este numărul optim de vehicule din fiecare tip care trebuie închiriate în vederea minimizării costurilor de transport? 3. Banca nu poate angaja mai mult de 100 persoane şi nu poate deschide mai mult de 20 de unităţi noi. Care este numărul maxim de sucursale şi agentii care poate fi deschis în vederea optimizarii profiturilor băncii? 5.000 euro şi iș i propune înfiinţarea de sucursale şi agenţii în România. 5 unităţi de vitamina A.000 euro şi necesită 5 angajati.

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

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

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

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. 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 . 3.baz. x1 2 1 ½ -30 x2 1 1 1 -40 s 1 0 0 0 t 0 1 0 0 p 0 0 ½ 0 F 0 0 0 1 Val 10 7 6 0 137 . 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. 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. x2=2 si s = 0. t = 0.baz.Var.baz.

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

s. t 0 Var. x 2. x1 0 1 0 0 Soluţia: [Max]F = 110 pentru x1 = 2 . x1 2 1 1/2 -15 x1 3/2 ½ ½ -5 x2 1 1 1 -20 x2 0 0 1 0 x2 0 0 1 0 x2 0 0 1 0 s 1 0 0 0 s 1 0 0 0 s 1 0 0 0 s 1 0 0 0 t 0 1 0 0 t 0 1 0 0 t 0 2 0 0 t -3 2 -1 10 p 0 0 1/2 0 p -1/2 -1/2 ½ 10 p -1/2 -1 ½ 10 p -2 -1 0 5 F 0 0 0 1 F 0 0 0 1 F 0 0 0 1 F 0 0 0 1 Val 9 6 5 0 Val 4 1 5 100 Val 4 2 5 100 Val 1 2 4 110 Var.baz. x2 = 4 . p.baz. 139 . x1 3/2 1 ½ -5 Var.baz.2 x1 x 2 s 9 x1 x 2 t 6 x1 2 x 2 p 10 F 15x1 20 x 2 0 x1 . 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. s t p F Var.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.5. 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.baz. y1 .baz. x 2 0 Var. x1 y1 F y1 0 1 0 y2 -1 1 2 x1 1 0 0 x2 -4 1 12 F 0 0 1 Val 1 2 24 140 . x1 . y 2 Se introduc variabilele reziduale x1 si x2 si se formeaza sistemul asociat: 4 y1 y1 3 y 2 x1 9 y 2 x2 2 F 12 y1 10 y 2 0 y1 . y 2 .

Soluţia optimă a problemei duale de maxim este: Max F = 24 pentru y1 = 2. Definiţi forma standard a unei probleme de programare lineară. ÎNTREBĂRI DE CONTROL 1. 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. 7. 3. [Max]F = 6 pentru y1 = 0 si y2 = 1 si [Min] F = 6 pentru x1 = 6 si x2 =0. şi fiecare bec de 200 W necesită 2. Ce reprezintă funcţia obiectiv a unei probleme de programare lineară? LUCRĂRI DE VERIFICARE 1. Profitul companiei este de 3 lei pentru becurile de 100 W şi 4 lei pentru becurile de 200W. 8. O firmă produce două tipuri de becuri: de 100W şi de 200W. [Max]F = 180 pentru y1 = 15 si y2 = 0 si [Min] F = 180 pentru x1=0 si x2 =12. [Max]F = 12 pentru y1 = 3/2 si y2 = 0 si [Min] F = 12 pentru x1 = 4 si x2 =0. (y1 = y2 =0) 6. Numărul maxim de ore de muncă este de 80 pentru producţie şi 20 pentru ambalare. Care este importanţa programării lineare în modelarea matematică a fenomenelor economice? 2. 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 =12.5 ore pentru producţie şi 1 oră pentru ambalare.

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

x 2 0 x1 4 x2 4 x1 . TESTUL DE AUTOEVALUARE NR. x3 4.6. [Min] F = 3x1 +9x2 2 x1 x1 x2 2 x2 0 9 8 x1 . x2 0 6. [Max] F = 2x1 + 3x2 2. 4 1. x 2 . [Max] F = -x1 + 2x2 x1 x2 x1 3x2 2 12 2 x1 x 2 2 x1 x 2 5 x2 6 x1 .x1 x2 x1 6 4 2 x2 10 x1 . x2 0 143 . x 2 7. 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 .

baz.Algoritmul simplex este: Var.baz.REZOLVARE 1. x1 -1 1 -3 -5 x2 1 0 0 0 s 1 -3/2 4 3 t 0 1/2 0 0 p 0 0 1 0 F 0 0 0 1 Val 2 3 12 6 Var. 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. s t p F x1 -1 -1 1 -2 x2 1 3 -4 -3 s 1 0 0 0 t 0 1 0 0 p 0 0 1 0 F 0 0 0 1 Val 2 12 4 0 Var.baz.baz. 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. 2.Pentru x1 = 3 . x2 t p F x1 -2 1 2 -3 x2 1 0 0 0 s 1 -1 -1 2 t 0 1 0 0 p 0 0 1 0 F 0 0 0 1 Val 2 3 4 4 Var. x1 -2 1 1 -3 x2 1 0 0 0 s 1 -1 -1/2 2 t 0 1 0 0 p 0 0 1/2 0 F 0 0 0 1 Val 2 3 2 4 Var.baz. x2 = 5 valoarea funcţiei este F = 21. deoarece algoritmul simplex nu se poate finaliza. Algoritmul simplex este: Var. dar problema nu are soluţie (nu se poate determina valoarea maxima a functiei F). 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. 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 .

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 .

You're Reading a Free Preview

Download
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->