Curs Mate Matic A Economic A

UNIVERSITATEA “ANDREI ŞAGUNA”
CONSTANŢA
MATEMATICĂ ECONOMICĂ
- NOTE DE CURS -
Asist. Univ. Drd. Mihaela Mihai

Matematică Economică
Cuprins
1 Capitolul 1.............................................................................................................................................3
1.1 Generalităţi....................................................................................................................................3
1.1.1 Cantitate ................................................................................................................................3
1.1.2 Spaţiu ....................................................................................................................................3
1.1.3 Schimbare..............................................................................................................................3
1.1.4 Structură ................................................................................................................................4
1.1.5 Fundamente și metode...........................................................................................................4
1.1.6 Matematici discrete ...............................................................................................................4
1.2 Aplicaţii.........................................................................................................................................4
Matematici aplicate ...................................................................................................................................4
Relații spațiale...........................................................................................................................................5
1.3 Aplicaţie practică ..........................................................................................................................5
2 Capitolul 2.............................................................................................................................................7
2.1 Sisteme liniare neomogene ...........................................................................................................7
2.2 Metode de rezolvare a sistemelor liniare ......................................................................................8
2.2.1 Metoda matricială..................................................................................................................8
2.2.2 Metoda lui Cramer ................................................................................................................9
2.2.3 Metoda lui Gauss sau metoda eliminării parţiale ..................................................................9
2.3 Tipuri de probleme........................................................................................................................9
2.3.1 Problema folosirii optime a resurselor ..................................................................................9
2.3.2 Problema clasică de transport..............................................................................................10
2.4 Aplicaţie practică ........................................................................................................................10
2.4.1 Metoda matricială................................................................................................................12
2.4.2 Metoda lui Cramer ..............................................................................................................12
2.4.3 Metoda lui Gauss sau metoda eliminării parţiale ................................................................13
2.4.4 Metoda lui Gauss-Jordan sau metoda eliminării complete .................................................13
2.5 Modele de probleme programare liniară întâlnite în practica economică ...................................16
2.5.1 Problemă de transport .........................................................................................................16
2.5.2 Problemă de planificare a producţiei...................................................................................17
2.5.3 Problemă de amestec...........................................................................................................17
3 Capitolul 3...........................................................................................................................................19
Forme fundamentale ale PPL, soluţii, clasificare; înterpretarea economică a PPL ....................................19
3.1 Forma generală a problemei de P.L. ...........................................................................................19
3.2 Forma canonică a problemei de P.L............................................................................................19
3.3 Forma standard a problemei de P.L. ...........................................................................................20
3.3.1 soluţia admisibilă a unei probleme de P.L. .........................................................................20
3.3.2 soluţia de bază a unei probleme de P.L...............................................................................21
3.3.3 soluţia admisibilă de bază a unei probleme de P.L. ............................................................21
3.3.4 soluţii degenerate şi nedegenerate.......................................................................................21
4 Capitulul 4...........................................................................................................................................22
Spaţii vectoriale...........................................................................................................................................22
4.1 Dependenţa şi liniar independenţa sistemelor de vectori. Baza şi dimensiunea spaţiului ..........23
4.2 Modificarea coordonatelor unui vector la schimbarea bazei ......................................................24
4.3 Izomorfism de spaţii liniare ........................................................................................................25
4.4 Subspaţii liniare...........................................................................................................................25
4.5 Operatori liniari pe spaţii vectoriale............................................................................................26
4.6 Matricea ataşată unui operator ....................................................................................................27
4.7 Modificarea matricii unui operator la schimbarea bazelor..........................................................28
4.8 Vectori şi valori proprii, diagonalizarea unui operator ...............................................................29
4.9 Funcţionale liniare, funcţionale biliniare, forme pătratice ..........................................................30
4.10 Matricea funcţionalei biliniare în bazele e şi g ...........................................................................30
4.11 Modificarea matricii unei funcţionale biliniare la schimbarea bazelor .......................................31
1
5 Capitolul 5...........................................................................................................................................32
Rezolvarea grafică a PPL............................................................................................................................32
5.1 Etapele rezolvării ........................................................................................................................32
5.2 Aplicaţie:.....................................................................................................................................32
5.3 Elemente principale ale modelului matematic al PPL ................................................................33
5.4 Modelul matematic al unei PPL – forma dezvoltată ...................................................................34
5.5 Modelul matematic al unei PPL – forma matricială ...................................................................34
5.6 Modelul matematic al unei PPL – forma vectorială....................................................................35
5.7 Metode de rezolvare a PPL .........................................................................................................35
5.8 Rezolvarea grafică.......................................................................................................................36
5.9 Aplicaţia 1:..................................................................................................................................36
5.10 Aplicaţia 2:..................................................................................................................................40
6 Capitolul 6...........................................................................................................................................42
Algoritmul SIMPLEX.................................................................................................................................42
6.1 Generalităţi..................................................................................................................................42
6.2 Definiţii şi notaţii ........................................................................................................................43
6.3 Algoritmul Simplex - Dantzing 1951..........................................................................................44
6.3.1 Teorema 1: Criteriul de îmbunătăţire a unei soluţii admisibile de bază..............................45
6.3.2 Teorema 2: Testul de optimalitate.......................................................................................45
6.3.3 Teorema 3: Testul de optim infinit......................................................................................45
6.4 Schema de rezolvare ...................................................................................................................46
6.5 Etapele algoritmului simplex pentru probleme de maxim ..........................................................48
6.6 Aplicaţia 1:..................................................................................................................................50
6.7 Algoritmul simplex pentru probleme de minim..........................................................................53
6.7.1 Exemplu ..............................................................................................................................53
6.8 Aplicaţia 2:..................................................................................................................................54
7 Capitolul 7...........................................................................................................................................57
Problema de tranport...................................................................................................................................57
8 Capitolul 8...........................................................................................................................................61
Grafuri.........................................................................................................................................................61
8.1 Definiţii .......................................................................................................................................61
8.2 Adiacenţă, Incidenţă, Grad..........................................................................................................61
8.2.1 Exemplu ..............................................................................................................................62
8.3 Lanţ .............................................................................................................................................62
8.4 Tipuri...........................................................................................................................................62
8.5 Hamiltonian.................................................................................................................................64
8.6 Eulerian .......................................................................................................................................64
8.7 Reprezentarea grafurilor neorientate...........................................................................................64
8.8 Matricea de adiacenţă - matricea booleană ................................................................................65
8.8.1 Exemplu ..............................................................................................................................65
8.9 Listele de adiacenta a nodurilor ..................................................................................................65
9 Capitolul 9...........................................................................................................................................67
Matematică financiară.................................................................................................................................67
9.1 Conceptul de dobândă................................................................................................................67
9.2 Dobânda simplă...........................................................................................................................68
9.2.1 Exemplu ..............................................................................................................................69
9.2.2 Aplicaţie ..............................................................................................................................69
9.3 Dobânda compusă .......................................................................................................................69
9.3.1 Cazuri particulare................................................................................................................70
9.3.2 Aplicaţie ..............................................................................................................................71
10 Listă figuri.......................................................................................................................................72
2
1 Capitolul 1
1.1 Generalităţi
ECONOMIA – ştiinţă socială ce studiază ansamblul activităților umane desfășurate în sfera
producției, distribuției și consumului bunurilor materiale și serviciilor.
MATEMATICA – ştiința care se ocupă cu studiul mărimilor, al relațiilor cantitative și al

formelor spațiale (cu ajutorul raționamentului deductiv).
1.1.1 Cantitate
Studiul cantității începe cu numerele și cu operațiile aritmetice. Alte proprietăți ale întregilor
sunt studiate de teoria numerelor.
Figura 1 - cantitate, sursa wikipedia
1.1.2 Spaţiu
Studiul spațiului a început cu studiul geometriei. Trigonometria combină spațiul și numerele și
cuprinde cunoscuta teoremă a lui Pitagora. Tot aici putem vorbii de teoria relativității
generalizate și topologie. Topologia are foarte multe ramificații și a fost domeniul din
matematică cu cea mai mare dezvoltare în secolul XX.
Figura 2 - spaţiul, sursa wikipedia
1.1.3 Schimbare
Subiecte legate de variația funcțiilor matematice sau de variația numerelor.
Figura 3 - schimbare, sursa wikipedia
3
1.1.4 Structură
Multe obiecte matematice, precum mulțimile de numere și funcțiile, au o structură internă.
Proprietățile structurale ale acestor obiecte sunt investigate în studiul grupurilor, inelelor,
câmpurilor și altor sisteme abstracte.
Figura 4 - structura, sursa wikipedia
1.1.5 Fundamente și metode
Figura 5 - fundamente şi metode, sursa wikipedia
1.1.6 Matematici discrete
Figura 6 - matematici discrete, sursa wikipedia
1.2 Aplicaţii
Matematici aplicate
– Mecanică
– Analiză numerică
4
– Lingvistica matematică
– Optimizare
– Probabilitate
– Statistică
– Teoria jocurilor
– Biologie matematică
– Criptografie
– Teoria informației
– Dinamica fluidelor
Relații spațiale
– Topologie
– Geometrie
– Trigonometrie
– Geometrie algebrică
– Geometrie diferențială
– Topologie diferențială
– Topologie algebrică
– Algebră liniară
– Geometria fractalilor
Mulţimea sistemelor economice concrete şi multitudinea problemelor conducerii acestora au

creat o diversitate de reprezentări economico-matematice, denumite modele.
Varietatea acestora este determinată de structura "obiectului" analizat, de scopul cercetării
precum şi de informaţia disponibilă.
Modelele de programare matematică şi mai ales subclasa acestora – modelele de programare
liniară – ocupă un loc deosebit de important, atât în teoria cât şi în practica economică.
Teoria economică a beneficiat de aportul abordării interdisciplinare care a permis aprofundarea
analizei eficienţei maximale a sistemelor complexe, a permis descoperirea unor concepte noi ale
optimului economic, a perfecţionat metodele de cercetare şi cunoaştere iar practica economică
s-a îmbogăţit cu un instrument deosebit de util analizei economice şi fundamentării deciziilor.
1.3 Aplicaţie practică

Un constructor de maşini produce trei tipuri de
autovehicule A, B şi C.
Pentru construcţia unui autovehicul sunt necesare
trei etape:
1. realizarea pieselor;
2. asamblarea pieselor;
3. finisarea autovehiculului.
Capacitatea maximă a fabricii: Figura 7

a) pentru realizarea pieselor – 400 ore;
b) pentru asamblarea pieselor – 390 ore;
5
c) pentru finisare – 330 ore.
Etapa 1 Etapa 2 Etapa 3

realizarea pieselor asamblarea pieselor finisarea autovehiculului
Figura 8 - etape de lucru
Pentru fiecare autovehicul A sunt necesare:

– 12 ore la realizarea pieselor,
– 10 ore la asamblarea pieselor;
– 8 ore la finisare.
Pentru fiecare autovehicul B sunt necesare:
–16 ore la asamblarea pieselor;
Pentru fiecare autovehicul C sunt necesare:
– 2 ore la asamblarea pieselor;
Determinaţi numarul de autovehicule, de fiecare tip, care pot fi produse utilizand la maxim
capacitatea fabricii.
6
2 Capitolul 2
2.1 Sisteme liniare neomogene

O ecuaţie liniară cu, “n” necunoscute, are forma:
a 1 x 1 + a 2 x 2 + … + a n x n = b , a 1 ,… ,a n , b ∈ .
Se numeşte sistem de “m” ecuaţii liniare cu “n” necunoscute, un sistem de forma:
∈ , ∀ = 1, , ∀ = 1, , ∈ , ∀ = 1, ,
Un sistem de ecuaţii liniare este o mulţime finită de ecuaţii liniare.

Sistem compatibil – sistem de ecuaţii liniare care are cel putin o soluţie;
Sistem compatibil determinat – are o singură soluţie;
Sistem compatibil nedeterminat – are mai multe soluţii.
A rezolva un sistem liniar înseamnă a decide dacă acesta este compatibil sau incompatibil.
Sistem liniar omogen – toţi termenii liberi din ecuaţiile sistemului sunt nuli.
Sistem liniar neomogen – toţi termenii liberi din ecuaţiile sistemului sunt nenuli.
Un sistem liniar omogen are întotdeauna, cel puţin, soluţia banală.
Structura modelului general de programare liniară:
– mulţimea de activităţi {A1, A2, ... An} care compun sistemul economic analizat;
– mulţimea de resurse utilizate {R1, R2, ... Rm};
– relaţiile tehnico-economice dintre acestea.
Legătura dintre activităţi şi resurse este determinată de tehnologia de fabricaţie corespunzătoare
fiecărei activităţi Aj (j=1,...,n).
Poate fi caracterizată numeric prin vectorul coloană a(j) de componente (a1j, a2j, ... amj).
Elementele {aij, i = 1,...,m; j = 1,...,n} se numesc coeficienţi tehnici sau coeficienţi de consum
specific şi arată ce cantitate din resursa Ri se consumă pentru producerea unei unităţi din
produsul (serviciul) Pj (ca rezultat al activităţii Aj).
Toate "tehnologiile" de fabricaţie definite de vectorii coloană a(j) se pot organiza într-o matrice A
cu m linii şi n coloane; fiecare linie se referă la o resursă Ri (i = 1,...,m) şi fiecare coloană se
referă la o activitate Aj (j = 1,...,n).
Notând cu xj (j = 1,...,n) rezultatul activităţii Aj într-o perioadă dată şi cu bi (i = 1,...,m)
cantităţile disponibile din resursele Ri (i = 1,...,m), se pot scrie, matematic, următoarele restricţii
tehnico-economice:
7
sau Ax  b
 a 11 a 12  a 1n   x1   b1 
  a 2n  x  b 
unde A =  a 21 a 22
 ;x=  2  şi b =  2 
           
 a m1 a m2  a mn  xn  bn 
Fiecare restricţie (inecuaţie) încorporează două afirmaţii:

1. cantitatea consumată dintr-o resursă nu poate depăşi volumul disponibil (propoziţie de logică
economică);
2. consumul total Rij din resursa Ri pentru efectuarea activităţii Aj este proporţional cu
intensitatea acesteia, adică cu xj, deci Rij = aij* xj (ipoteză simplificatoare).
Din cea de-a doua afirmaţie observăm că putem calcula coeficienţii aij pe baza informaţiilor
disponibile privind cantităţile consumate Rij şi nivelul xj: aij = Rij/xj ; i = 1,...,m; j = 1,...,n.
2.2 Metode de rezolvare a sistemelor liniare
2.2.1 Metoda matricială

Fie un sistem liniar format din “n” ecuaţii cu “n” necunoscute scris sub forma matriceală:
A*X=B, cu det(A)≠0.
În acest caz matricea A este inversabilă.
Soluţia sistemului: X=A-1*B
Sistemul este compatibil determinat.
Dacă sistemul este liniar omogen, adica B=0, atunci sistemul admite numai soluţia banală, X=0,
adică x1 = x2 =…= xn = 0.
1) Dacă sistemul liniar are “n” ecuaţii cu “n” necunoscute, atunci sistemul se scrie sub forma
A*X=B şi se calculează det(A);
2) Dacă det(A)≠0, se calculează A-1.
3) Soluţia sistemului: X = A-1*B .
Metoda matricială precizează în ce condiţii sistemul este compatibil determinat şi cum i se

determină soluţia.
8
2.2.2 Metoda lui Cramer

Este aplicabilă unui sistem de “n” ecuaţii cu “n” necunoscute, de forma:
a11 x1  a12 x2  ....  a1n xn  b1 sau în scriere matriceală: A*X=B,
a x  a x  ....  a x  b când det(A)≠0.
 21 1 22 2 2n n 2

...............................................
an1 x1  an 2 x2  ....  ann xn  bn
Teoremă: Orice sistem liniar pentru care determinantul sistemului, =det(A) este nenul, este
compatibil determinat cu soluţia data de formulele lui Cramer:
x1= , x2=
, …, xn=
Δx se obţine din Δ înlocuind coloana coeficienţilor lui xk cu coloana termenilor liberi, k=1, n
Un sistem liniar cu det(A)≠0 se numeşte sistem Cramer.
1) Se calculează ∆ =det(A) şi se observă că ∆≠0;
2) Se calculează determinanţii ∆xk , k=1, , obtinuţi din ∆ prin înlocuirea coloanei k cu coloana
termenilor liberi.
3) Soluţia sistemului este dată de formulele lui Cramer:

x1= , x2= , …, xn= .
2.2.3 Metoda lui Gauss sau metoda eliminării parţiale

Metoda lui Gauss constă în modificarea succesivă a sistemului prin transformări elementare.
Necunoscuta x1 va apare numai în prima ecuaţie şi va fi eliminată în celelalte ecuaţii;
Prima ecuaţie se păstrează neschimbată, iar în celelalte m-1 ecuaţii se aplică procedeul pentru
necunoscuta x2, păstrând-o în a doua ecuaţie şi eliminand-o din celelalte m-2 ecuaţii.
Se repetă procedeul până când în fiecare ecuaţie a sitemului rămîne o singură necunoscută.
Cu valoarea ei se trece în celelalte ecuaţii şi se determină şi celelalte necunoscute.
Prin metoda lui Gauss necunoscutele sunt eliminate succesiv.
Aceasta metodă se utilizează la rezolvarea sistemelor liniare de “m” ecuatii cu “n” necunoscute,
fară a utiliza matrici şi determinanţi.
2.3 Tipuri de probleme

Multe din problemele economice, respectiv din aplicaţiile matematicii în alte domenii se
reprezintă prin intermediul unor sisteme de ecuaţii liniare.
2.3.1 Problema folosirii optime a resurselor

Din m feluri de materii prime Mi ( = , ) disponibile în cantităţile bi, = , se
preconizează a se realiza n tipuri de produse Pj care necesită consumurile specifice (cantităţi de
materii prime consumate la fabricarea unei unităţi de produs) de aij, = , . Beneficiul obţinut
pentru fiecare unitate de produseste aj, = , . Să se detrermine ce cantitate trebuie să se
fabrice din fiecare produs astfel încât beneficiul să fie maxim.
9
2.3.2 Problema clasică de transport

O reţea de transport modelează o situaţie economică în care, dintr-un anumit număr de puncte,
numite surse, trebuie transportată o cantitate dintr-o anumită substanţă, într-un alt număr de
puncte, numite destinaţii.
Exiată o multitudine de probleme care implică reţele de transport, dintre acestea putând aminti:
- Problema clasică de transport
- Problema transferului
- Problema drumului de cost minim
- Problema fluxului maxim
- Problema fluxului maxim de cost minim
- Probleme de flux dinamic
- Problema cuplajului maxim
- Problema de afectare
- Problema de ordonanţare
- Problema comis voiajorului
- Problema arborelui de cost minim
Caracteristicile unei probleme de transport clasice sunt:

1. fiecare sursă aprovizionează cel puţin o destinaţie şi fiecare destinaţie este aprovizionată
de la cel puţin o sursă;
2. pot exista perechi sursă-destinaţie între care nu se poate face transfer (rute blocate);
3. nu există limitări în ceea ce priveşte cantitatea transportată pe fiecare rută;
4. se cunosc cantităţile disponibile în fiecare sursă şi cantităţile necesare în fiecare
destinaţie;
5. fiecărei rute i s-a asociat un cost care nu depinde de sensul de parcurgere.
Scopul problemei este găsirea acelor cantităţi care trebuie transportate pe fiecare rută astfel încât
să se asigure necesarul fiecărei destinaţii, în limitele cantităţilor aflate la surse, cu costul minim
posibil.
2.4 Aplicaţie practică

Un atelier de croitorie realizează trei tipuri de produse:
cămăşi, fuste şi costume. Pentru construcţia unui articol
vestimentar sunt necesare trei etape:
1. realizarea tiparelor şi croiala;
2. cusut;
3. finisarea produselor.
Capacitatea maximă a fabricii: Figura 9

a) pentru realizarea tiparelor şi croit – 40 ore;
b) pentru cusut – 30 ore;
c) pentru finisare – 70 ore.
10
Figura 10 - etapele de producţie
Pentru fiecare cămaşă sunt necesare:

– 2 ore pentru realizarea tiparelor şi croiala;
– 1 oră pentru cusut;
– 4 ore pentru finisare.
Pentru fiecare fustă sunt necesare:
– 1 oră pentru realizarea tiparelor şi croiala;
– 1 oră pentru finisare.
Pentru fiecare costum sunt necesare:
– 1 oră pentru realizarea tiparelor şi croiala;
– 3 ore pentru finisare.
Determinaţi numarul de articole vestimentare, de fiecare tip, care pot fi produse utilizand la
maxim capacitatea atelierului.
Sistemul de ecuaţii liniare:
2 + + = 40
+ + = 30
4 + + 3 = 70
Matricea coeficienţilor:
2 1 1
= 1 1 1
4 1 3
Matricea termenilor liberi:
40
= 30
70
Matricea necunoscutelor:
11
2.4.1 Metoda matricială
1) Dacă sistemul liniar are “n” ecuaţii cu “n” necunoscute, atunci sistemul se scrie sub forma
A*X=B şi se calculează det(A);
Metoda matricială precizează în ce condiţii sistemul este compatibil determinat şi cum i se

determină soluţia.
1) A*X=B;
2 1 1
Calculăm: ( )= 1 1 1;
4 1 3

∗
Calculăm: AT → A* → A-1= ( )
∗
2.4.2 Metoda lui Cramer

1) Se calculează ∆ =det(A) şi se observă că ∆≠0;
termenilor liberi.

x1= , x2= , …, xn= .
2 1 1
1) Calculăm: ∆ = ( )= 1 1 1;
4 1 3
Dacă ∆≠0 se trece la pasul următor.
termenilor liberi.
40 1 1
∆ = 30 1 1;
70 1 3
12
2 40 1
∆ = 1 30 1;
4 70 3
2 1 40
∆ = 1 1 30
4 1 70
= , = , =
2.4.3 Metoda lui Gauss sau metoda eliminării parţiale

Metoda lui Gauss constă în modificarea succesivă a sistemului prin transformări elementare.
Necunoscuta x1 va apare numai în prima ecuaţie şi va fi eliminată în celelalte ecuaţii;
Prima ecuaţie se păstrează neschimbată, iar în celelalte m-1 ecuaţii se aplică procedeul pentru
necunoscuta x2, păstrând-o în a doua ecuaţie şi eliminând-o din celelalte m-2 ecuaţii.
Se repetă procedeul până când în fiecare ecuaţie a sitemului rămîne o singură necunoscută.
Cu valoarea ei se trece în celelalte ecuaţii şi se determină şi celelalte necunoscute.
Prin metoda lui Gauss necunoscutele sunt eliminate succesiv.
Aceasta metodă se utilizează la rezolvarea sistemelor liniare de “m” ecuaţii cu “n” necunoscute,
fără a utiliza matrici şi determinanţi.
2.4.4 Metoda lui Gauss-Jordan sau metoda eliminării complete

Metoda eliminării complete se poate folosi, printre altele, pentru:
- rezolvarea unui sistem de ecuaţii liniare;
- calculul inversei unei matrice nesingulare (determinantul matricei este nenul).
2 + + = 40
+ + = 30
4 + + 3 = 70
Etapele aplicării acestei metode sunt următoarele:
1. Alcătuim un tabel care conţine matricea sistemului ce trebuie rezolvat sau matricea ce trebuie
inversată (notată A);
2. Alegem un pivot – un element nenul al matricei A;
3. Elementele din tabel se vor modifica astfel:

a) elementele de pe linia pivotului se împart la pivot;
b) coloana pivotului se completează cu zero;
c) restul elementelor se calculează după regula dreptunghiului:
- se formează un dreptunghi, având elementul ce trebuie înlocuit şi pivotul ca vârfuri:
⋮ ⋮
13
unde:
b = pivotul;
= elementul ce trebuie înlocuit;
= noua valoare a elementului .
- din produsul elementelor de pe diagonala pivotului se scade produsul elementelor
celeilalte diagonale, iar rezultatul se împarte la pivot:
=
d) dacă pe linia pivotului există un element egal cu zero, atunci coloana acelui element se
copiază; analog, dacă pe coloana pivotului există un element egal cu zero, atunci linia acelui
element se copiază.
4. Se reiau paşii 2 şi 3 până când de pe fiecare linie s-a ales câte un pivot.
Se va folosi următoarea schemă:
2.4.4.1 Rezolvarea aplicaţiei:
2 + + = 40
+ + = 30
4 + + 3 = 70
Folosim schema prezentată anterior:
2 1 1 40
1 1 1 30
4 1 3 70
1 0 0 10
1 1 1 30
3 0 2 40
14
1 0 0 10
0 1 1 20
0 0 2 10
1 0 0 10
0 1 0 15
0 0 1 5
2.4.4.2 Calculul matricei inverse

2 1 1
= 1 1 1
4 1 3
det(A)≠0
Folosim schema următoare:
2 1 1 1 0 0
1 1 1 0 1 0
4 1 3 0 0 1
1 0 0 1 -1 0
1 1 1 0 1 0
3 0 2 0 -1 1
15
1 0 0 1 -1 0
0 1 1 -1 2 0
0 0 2 -3 2 1
1 0 0 1 -1 0
0 1 0 1/2 1 -1/2
0 0 1 -3/2 1 1/2
2.5 Modele de probleme programare liniară întâlnite în practica economică
2.5.1 Problemă de transport
Acelaşi produs trebuie redistribuit:

de la m – centre de producţie (furnizor)
către n – centre de desfacere (beneficiar).
- diponibilul furnizorului Fi este ai;

- necesarul beneficiarului Bj este bj;
- costul unitar de la furnizorul catre beneficiarul Bj este cij.
A organiza transportul revine la a determina cantităţile de produs ce trebuiesc transportate de la

fiecare furnizor către fiecare beneficiar astfel încat costul total al transportului să fie mimim.
xij – cantitatea ce se transporta de la furnizorul Fi la beneficiarul Bj.
Considerând că totalul disponibil la furnizori este egal cu totalul necesar la beneficiari, problema
m n
devine echilibrată:  a  b
i 1
j
j 1
j iar modelul de programare liniară este :
m n
min  c x
i 1 j 1
ij ij
x
j 1
ij  ai , i  1, m
x
i 1
ij  b j , j  1, n
16
xij  0 j  1, n, i  1, m
2.5.2 Problemă de planificare a producţiei.

O întreprindere produce n sortimente Sj, j=1,..,n şi dispune de m resurse Ri, i=1,..,m.
Se cere să se organizeze producţia dacă se cunosc cantitatea de resurse disponibile, consumurile
specifice şi beneficiile unitare.
Identificăm organizarea producţiei în crearea modelului PPL cu planul de producţie.
di – cantitatea de resurse Ri disponibilă;

aij – cantitatea de resurse Ri necesare consumării pentru sortimentul Sj
cj – beneficiul adus de sortimentul Sj.
xj – numărul de sortimente de tip Sj.
Atunci planul de producţie este reprezentat de vectorul coloană:   x1 , x2 ,, xn 

T
PPL se poate enunţa astfel:

Să se determine coordonatele xj≥0 ale lui X astfel încât, fără să depăşim resursele, să obţinem un
beneficiu maxim :
maxc1 x1  c2 x2    cn xn 
n
a x
j 1
ij j  d i , i  1, m
x j  0  j  1, n
2.5.3 Problemă de amestec

Un medicament se obţine din amestecul materiilor prime Mj, unitatea de materii prime Mj
conţine aij unităţi de substanţă Si, i=1,..,m.
Medicamentul trebuie să conţină cel putin dh, h=1,..,p unităţi de substanţă Sh si cel mult dk,
k=p+1,..,m unităţi de substanţă Sk.
Costul unitar al materiilor prime Mj este cj .
Să se determine xj cantităţile de materii prime Mj ce trebuie să intre în componenţa produsului

farmaceutic astfel încât costul lui să fie minim.
Modelul matematic al problemei formulat ca o PPL este:

n
min  c j x j
j 1
17
a
j 1
hj x j  d h , h  1, p
a
j 1
kj x j  d k , k  p  1, m
x j  0 j  1, n
4. Problemă de nutriţie
O dietă trebuie să conţină substanţe nutritive Si în cantităţile di, i=1,..,m, ce se găsesc în
alimentele Aj.
aij – cantităţile de substanţă conţinută în alimentul Aj,
cij – costul unitar al alimentului Aj.
Să se determine cantitatile xj de alimente necesare asigurarii nivelului cerut de substanţe astfel
încât costul total al dietei să fie minim.
Modelul matematic al problemei formulat ca o PPL este:
n
min  c j x j
j 1
n
a x
j 1
ij j  d i , i  1, m
x j  0 j  1, n
18
3 Capitolul 3
Forme fundamentale ale PPL, soluţii, clasificare; înterpretarea economică a PPL
O problemă de programare matematică reprezintă determinarea optimului (maximului sau
minimului) unei funcţii de variabilă vectorială care îndeplineşte anumite condiţii (restricţii,
legături) de tip inecuaţii sau ecuaţii, precum şi condiţii de nenegativitate ale variabilelor funcţiei.
Dacă toate funcţiile care intervin în formularea problemei de programare matematică sunt
liniare, atunci problema se numeşte problemă de programare liniară (PPL).
În caz contrar se numeşte problemă de programare neliniară.
3.1 Forma generală a problemei de P.L.

Problema de P.L. constă în determinarea optimului unei funcţii liniare de mai multe variabile,
variabile care satisfac un set de inegalităţi denumite restricţii.
. ( )=
+ + +
+ + +
…………………………………………
+ + +
≥ 0, ∀ = 1,
3.2 Forma canonică a problemei de P.L.
Se numeşte forma canonică a problemei de P.L.:
. ( )=∑ . ( )=∑
I. ≤ sau II. ≥
≥ 0, ∀ = 1, ≥ 0, ∀ = 1,
Forma canonică II se poate aduce la forma canonică I prin următorul procedeu: minimul unei
funcţii = (-)maximul funcţiei opuse.
( ) = − max(− ( ))
. ( )=∑
II. ≥ ⇔
≥ 0, ∀ = 1,
− − ( ) =∑
⇔ ≥ |(−1) ⇒
≥ 0, ∀ = 1,
19
− . − ( ) =∑
⇒ − ≤−
≥ 0, ∀ = 1,
3.3 Forma standard a problemei de P.L.
Trecerea de la forma canonică la forma standard se realizează prin introducerea unor variabile
auxiliare.
Se poate ca restricţiile de tip inegalitate să fie aduse la forma unor restricţii de tip egalitate prin
adunarea (sau scăderea) în unul din termenii inegalităţii a unui termen numit variabilă ecart sau
variabilă de compensare.
. ( )=
=
≥ 0, ∀ = 1,
– . ( )=∑ - s.n. funcţia obiectiv (funcţia economică);
– spaţiul Rn al vectorului = , , …, ,respectiv = , , …, – s.n. spaţiul

activităţilor;
– vectorul = , , …, ∈ Rm s.n. vectorul resurselor;
– spaţiul Rm se numeşte spaţiul resurselor.
3.3.1 soluţia admisibilă a unei probleme de P.L.

Un ansamblu , ,..., de valori numerice s.n. soluţie a problemei de P.L. dacă satiface orice
restricţie:
+ + +
(1) + + +
…………………………………………
+ + +
Dacă satisface şi inegalităţile:
(2) ≥ 0, ∀ = 1,
soluţia s.n. soluţie admisibilă.
O soluţie admisibilă care realizează optimul funcţiei
. ( )=∑ s.n. soluţie optimă.
20
Notăm cu A mulţimea soluţiilor admisibile. Sunt posibile următoarele cazuri:
1. A= ⇒ problema de optimizare nu este posibilă;
2. A≠ ⇒ A⊂Rn, mărginită. Problema de P.L. are soluţie; nu neapărat unică.
3. A≠ ⇒ A nemărginită. Problema de P.L. Poate avea sau nu soluţii.
În ultimul caz problema are optim infinit.
3.3.2 soluţia de bază a unei probleme de P.L.

Un vector ̅ = , , ................ s.n. soluţie de bază dacă este soluţie a problemei şi
coloanele matricei A, corespunzatoare componentelor lui ̅ nenule, sunt liniar independente in
.
= …………
∑ = , unde ………… : = :
≥0 …………
3.3.3 soluţia admisibilă de bază a unei probleme de P.L.

Dacă componentele unei soluţii de bază sunt nenule atunci soluţia este adminisbilă de bază.
3.3.4 soluţii degenerate şi nedegenerate

Fie ̅ = , , ................ soluţie admisibilă de bază.
Deoarece în Rm orice baza are m vectori numărul de componente nenule ale lui ̅ este cel
mult m.
Dacă numărul de componente nenule este m ̅ este soluţie nedegenerată.
Dacă numărul de componente nenule este mai mic decât m ̅ este soluţie degenerată.
Pentru ̅ soluţie nedegenerată ∃ o unică bază B care corespunde lui ̅ .
̅→ = [ ,…, ] ̅( , … , , 0, … ,0)
Pentru ̅ soluţie degenerată ∃ mai multe baze B care îi corespund lui ̅ .
21
4 Capitulul 4
Spaţii vectoriale
Definiţie, exemple
Definiţie:
Fie  o mulţime nevidă şi K un corp şi fie:
- o lege de compoziţie internă (notată aditiv) "":     X x,y   x  y
- o lege de compoziţie externă (notată multiplicativ) "": K     k,x   k  x
Spunem că tripletul ( , + ,  ) este spaţiu liniar (sau spaţiu vectorial peste corpul K) notat  K dacă:
1.  X ,  formează structură de grup abelian:

2.  X , satisface axiomele:
 x,y  Χ, α  K  αx  y   αx  αy
 x  Χ, α,β  K  α  β x  αx  βx
 x  Χ, α,β  K  α βx  αβ x
1 K (elementul unitate din corpul ) astfel încât 1 x  x ,  x  Χ
Observaţii:
a) dacă K este identic cu R (mulţimea numerelor reale) sau C (mulţimea numerelor complexe),
atunci spaţiul vectorial peste K este real, respectiv complex;
b) elementele lui  se numesc vectori iar elementele lui K se numesc scalari.
Exemplu:
 
Mulţimea M (m, n; K )   A  (aij )1im / aij  K () i  1, m, j  1, n 
 1 j  n 
cu operaţiile:
A  B  aij  bij 1im , unde A  (aij )1im , B  (bij )1im

def
1 j n 1 j n 1 j n
def
k  A  ( ka ij )1i  m
1 j  n
defineşte spaţiul vectorial al matricilor de dimensiune m x n peste corpul K, notat (M(m,n;K), +, .)

Caz particular m=1 sau n=1 este al matricilor cu o linie sau o coloană.
Pentru m=1 
M (1, n; K )  K n  x1 , x 2 ,  , x n  / x  K, i  1, n 
def
cu operaţiile x  y  ( x1  y1 , , x n  y n )
def
k  x  (kx1 , , kxn )
() x  (x1,, xn )  K n şi y  (y1,, yn )  K n 0  (0,,0) - x  (x1,,x n )
Vectorii se numesc vectori linie, iar spaţiul vectorial peste corpul K, notat (Kn,+,.) se numeşte spaţiu aritmetic
(pentru K=R spaţiul aritmetic real şi pentru K=C spaţiul aritmetic complex).
Pentru n=1 se obţine analog, spaţiul vectorilor coloană.
22
4.1 Dependenţa şi liniar independenţa sistemelor de vectori. Baza şi dimensiunea

spaţiului
Definiţe Fiind daţi vectorii {x1,,xn} şi scalarii k1,,kn, vectorul x=k1 x1+ k2 x2+ +kn xn
se numeşte o combinaţie liniară a vectorilor xi, i=1,n
Se pune problema obţinerii tuturor vectorilor spaţiului ca şi combinaţii liniare, dar folosind un număr cât mai mic de vectori generatori.
Această problemă conduce la necesitatea introducerii noţiunii de bază.
Definiţie Vectorii x1, x2, ,xn se numesc liniar independenţi dacă pentru orice kiK,avem:
n
ki xi  0 ki  0  i 1,n
i1
Exemplu În R R vectorii eii1,n sunt liniar independenţi, unde ei  (0,0,, 1,,0) .

n
(i)
Definiţie. Vectorii x1, x2, ,xn se numesc liniar dependenţi dacă nu sunt liniar independenţi,
n
adică există kiK, nu toţi nuli, astfel încât k x
i1
i i 0
Definiţie Sistemul de vectori G  g i i1,n se numeste sistem de generatori pentru  dacă orice vector din 
este o combinaţie liniară finită de vectori din G, i.e.
n
 x,  g1,,gn G, k1,,kn K, a.i.x  kigi
i1
Definiţie Un sistem de vectori B  b i iI formează o bază pentru  dacă:

-B este sistem de vectori liniar independenţi
-B este sistem de generatori pentru 
Exemplu . În R R , mulţimea E  e1,,en, unde ei  0,, 1,,0 formează bază, numită baza canonică.
n
 i  
D efin iţie S p a ţiu l vecto ria l  se n u m eşte fin it d im en sio n a l d a că a re o b a ză fin ită .
P ro p o ziţie În tr-u n sp a ţiu vecto ria l, o rice v ecto r se scrie în m o d u n ic ca o c o m b in a ţie lin ia ră d e vecto ri a i b a zei.
D em o n stra ţie : fie  sp aţiu v ecto rial cu b az a E  e 1 ,  , e n  , x   .
C u m E este b az ă, rez u ltă că E este sistem d e g en erato ri si p u tem scrie:
n n n
x   a ie i, x   b ie i   a i  b i  e i  0  a i  b i  0 , i.e.
lin ind
ai  bi   i  1, n
i 1 i 1 i 1
 a1 
 
D efin iţie a 1 ,  ,a n se n u m esc co o rd o n a tele vecto ru lu i x în b a za E şi vo m n o ta  x E   a 1 ,  , a n t    
a 
 n 
n
E x em p lu În R , v ecto ru l x   a 1 ,  , a n   x   x E  E
n
e ste scris cu co o rd o n atele în b az a can o n ică E x 
t
a ie i;
R i 1
P ro p o ziţie X K sp a ţiu vecto ria l cu b a za E  e i  i  1 ,n şi vecto rii  x j  j  1 ,m

d e co o rd o n a te  x  
j E j  1 ,m
.
C o n sid eră m m a tricea  x 1  E ,  x 2  E , , x m E  a ta şa tă sistem u lu i d e vecto ri d a t.
În a ceste co n d iţii, sistem u l d e vecto ri  x j  j  1 ,m

este lin ia r in d ep en d en t d a că şi n u m a i d a că ra n g A = m .
P ro p o ziţie  sp a ţiu lin iar fin it d im en sio n a l  (  ) 2 b a ze a u a cela şi n u m ă r d e vecto ri.
D efin iţie S e n u m eşte d im en siu n e a u n u i sp aţiu vecto ria l fin it d im en sio n a l  , n u m ă ru l d e ve cto ri a l u n ei b a ze.
P ro p o ziţie În tr-u n sp a ţiu vecto ria l d e d im en siu n e n , o rice sistem d e n v ecto ri lin ia r in d ep en d en t fo rm ea ză o b a ză .
P ro p o ziţie În tr-u n sp a ţiu vecto ria l o rice sistem d e vecto ri lin ia r in d ep en d e n t p o a te fi co m p leta t p â n ă la o b a ză a sp a ţiu lu i.
23
Exemplu
Fie vectorul x  1, 2, 3 t , x  R 3 scris în baza canonică a lui R3.
Să se scrie acest vector în baza F  f1  1,1,0, f2  1,0,1, f3  0,0,1
 
 1   1   1   0   1   1 1 0  a 
3             1 
Soluţie: x   ai f i  x  x F F   2   a1  1   a 2  0   a3  0    2    1 0 0  a 2 
t
i 1  3  0 1 1  3   0 1 1  a 
               3 
 M ( E ,F ) 
a1  a 2  1 a1  2
 
 x E  M E , F x F i.e. sistemul liniar a1  2  a 2  1  x F  2,1,4  ,
t
a  a  3 a  4
 2 3  3
unde cu M(E,F) s-a notat matricea de trecere de la baza canonică E la o altă bază F ,
formată prin completarea ei pe coloane cu vectorii bazei F.
4.2 Modificarea coordonatelor unui vector la schimbarea bazei

Modificarea coordonatelor unui vector la schimbarea bazei
În spaţiul  considerăm bazele E  e i i 1 , n , F   f j  j 1 , n  
şi coordonatele x E , f j E
cunoscute.
Se caută a se determina x F .
 c1 j   x1 
   
f j E  c2 j 

 
j  1, n x  E x 
 2

   
 c nj  x 
   n
Definiţie Se numeşte matricea de trecere de la baza E la baza F, matricea
 c 11 c 12  c1 n 
 
 c ij i , j 1, n
c c 22  c2n 
C   21 are drept coloane coordonatele vectorilor f exprimate in baza E.
    
 
c 
 c nn 
 n1 cn2
Notăm x F   y1 ,  , y n  coordonatele vectorului x în baza F.

T
n n n
n  n n  n
x  xi ei   y j f j  y j  cij ei     y j cij  ei . Cum scrierea într-o bază este unică, rezultă c ij y j  xi , i  1,n . În consecinţă
i1 j 1 j 1  i1  i1  j1  j 1
c11y1  c12 y2   c1n yn  x1

c y  c y   c y  x
 21 1 22 2 2n n 2

 

cn1 y1  cn2 y2   cnn yn  xn
sau scris matricial: C  xF  xE xF  C 1  xE
În R R presupunem x  x1,, xn   xE , E baza canonică şi F  f i i 1,n ; G  gi i 1,n alte două baze din Rn.
n t
xF  C1  xE şi xG  D1  xE unde C  ME,F, D  ME, G
obţinem: xE  CxF  DxG xG  D CxF D-1C  MG, F

1
24
4.3 Izomorfism de spaţii liniare

Izomorfism de spatii liniare
Definiţie Fie X  K  , Y K spaţii liniare (vectoriale) peste un corp K.
Se numeşte izomorfism de spaţii liniare, o funcţie f: X Y cu proprietăţile :
K K
a) f este bijectivă;
b) f este liniară:
x1, x2  X , f x1  x2   f x1   f x2  i.e. f aditivă
  K, x  X , f x  f x i.e. f omogenă
Definiţie Două spaţii liniare X ,Y , peste corpul K , se numesc izomorfe dacă există un izomorfism de spaţii liniare
K K
f : X  Y (Notaţie X  Y)
Teorema de izomorfism a spaţiilor liniare finit dimensionale

Orice două spaţii liniare peste acelaşi corp K, care au aceeaşi dimensiune, sunt izomorfe.
Observaţie Relaţia de izomorfism () pe mulţimea spaţiilor liniare este o relaţie de echivalenţă.
Consecinţe  X
n
sp.vectorial, dim X n X K .
K K K K
În particular , dacă dim X  n  X  R n şi orice enunţ adevărat pentru Rn este adevărat şi pentru X
R
4.4 Subspaţii liniare

Subspaţii liniare
Definiţie Fie X spaţiu liniar. O submulţime YX se numeşte subspatiu liniar al lui X dacă Y este spaţiu liniar faţă de operaţiile din X.
K K
Observaţie YX subspaţiu liniar  Y este parte stabilă faţă de cele două operaţii din X.
Propoziţie YX ,subspatiu al lui X , finit dimensional. Au loc proprietăţile :
i) dim Y dim X
ii) dim Y=dimX X=Y
Operaţii cu subspaţii
Propoziţie Dacă Yi ,iI sunt subspaţii ale lui X atunci Yi este un subspaţiu al lui X.
iI
O reuniune de subspaţii liniare nu este, în general, subspaţiu liniar.

Definiţie Fie X sp.liniar, A  X, A  . Se numeşte subspaţiu generat de mulţimea de vectori A (acoperirea liniară a lui A),
K
mulţimea tuturor combinaţiilor liniare cu vectori din A. Notăm L(A) sau Sp(A)
 n 
L(A)=Sp(A)= x  i xi / xi  A,i K, i 1, n
 i1 

Definiţie Fie X1,…,Xn subspaţii linire ale lui X. Se numeşte suma acestor subspaţii mulţimea X1 ... Xn  x1 ... xn / xi  Xi , i 1, n 
Propoziţie Mulţimea X1+…+Xn este subspaţiu liniar al lui X.
Teorema dimensiunii Dacă X1,X2 subspaţii liniare ale lui X (sp.fin.dim.), atunci dim(X1+X2) = dimX1+dimX2-dim(X1X2)
.ale.luiX, Xi  X j  , i  j atunci suma acestor subspaţii se numeşte suma directă.
Definiţie Dacă Xi, i 1, n subsp
: X1 X2 ...Xn
Notam
25
Exemplu:
R4[x] sp.polinoamelor de grad cel mult 4 cu coeficienţi în R
X 1  P  R4 x  / P x   Px   R4 x 
X 2  P  R4 x  / P x    Px   R4 x 
R4 x   X 1  X 2 ; P  P1  P2
P1  a 0  a 2 x 2  a 4 x 4 ; P2  a1 x  a 3 x 3
4.5 Operatori liniari pe spaţii vectoriale
Fie  K ,  K spaţii vectoriale peste acelaşi corp K.
Definiţie O funcţie  :    se numeşte operator liniar dacă satisface următoarele două axiome:
1    x , y   : T  x  y   T  x   T  y  (funcţie aditivă)


 2       , x   : T  x    T  x  (funcţie omogenă)

Observaţie Proprietăţile 1 şi 2 din definiţie se pot înlocui cu:

  x, y   ,  ,    : T  x   y    T  x    T  y 
Propoziţie Operatorul liniar  :    are proprietăţile:
a)  0   0
b)  - x      x 
 n  n
c)     i x i     i  x i 
 i 1  i 1
26
Notăm L   ,    T :    /T operator liniar  mulţimea operatorilor liniari din spaţiul X în spaţiul Y.
Pe această mulţime introducem operaţiile:
- adunarea operatorilor (operaţie bine definită, i.e. 1  2 este operator liniar)

  1 ,  2  L   ,    T 1  T 2  L  ,  
def
1   2  x   T1  x   T 2  x 
- înmulţirea operatorilor cu scalari (op bine def, i.e.  1 este operator liniar)
     , T  L   ,     T  L  ,  
def
   x    T x 
Observaţie: (L   ,  ,  ,) ) este spaţiu vectorial peste corpul K.
- compunerea operatorilor (op bine def: U ○ T operator liniar)

  U  L  ,   
   U ○ T  L  ,   U  T  x   U T  x 
T  L ,   
- inversarea operatorilor (op. bine definită: T -1 operator liniar)

  T  L  ,   , T funcţie bijectivă    T 1  L Y , X  a.î. T  1  x '   x  x '  T  x 
4.6 Matricea ataşată unui operator

Fie  / K, Y/K, . E  ei i 1,n o bază în X, G  g k k 1,m o bază în Y.
 a1i 
 
a 
Fie T L X,Y ; Tei   Y, i  1,n cu coordonate în G : Tei G   2i 

 
a 
 mi 
Definiţie Matricea A  aij  11ijmn  T e1 G ,T en G  M m, n; K
se numeşte matricea operatorului T în bazele E şi G. Notăm A sau AT.
Se obţine astfel o corespondenţă între LX, Y şi Mm, n, K  mai precis un izomorfism
F: L X,Y M m,n,K, T  FT   AT şi dimM m,n,K  m  n  dimL X, Y  m  n
27
Scrierea operatorului T cu ajutorul matricii ataşate A T

n n
 m
 m
 n
 m
T x     i T e i     i   a ki g k       i a ki  g k   a k 1  1  a k 2  2    a kn  n g k 
i1 i1  k 1  k 1  i1  k 1
 g k  T  x G  AT  x  E  T  x   A T  x   x  X
m
  a k 1 , a k 2 ,  , a kn    1 ,  2 ,   n 
t
k 1
Adunarea operatorilor:
T1 , T 2  L  X , Y  ; E, G baze în X şi Y ; A 1  a ij ; A   2   matricile ataşate.
 b ij
, A T1  T2  c ij 
m m
T 1  x G  A 1  x  E , T 2  x  G  A 2  x  E ; T 1  e i    a ki g k , T 2 e i    b ki g k
k 1 k 1
m m m m
T 1  T 2  e i    c ki g k  T1 e i   T 2 e i    a ki g k   b ki g k    a ki  b ki  g k
k 1 k 1 k 1 k 1
 c ki  a ki  b ki   i, k. i.e. A T1  T 2  A T1  A T 2
Înmulţirea operatorilor cu scalari:

T1 , T 2  L  X , Y  , K  
A T  a ij ; A  T  b ij  
m m m
 T  e i    T  e i     a ki e i    a ki e i   b ij e i  b ij   a ki   i, k  A T   AT
i 1 i 1 i 1
4.7 Modificarea matricii unui operator la schimbarea bazelor

T  L X, Y  cu A matricea ataşată în bazele E şi G. În spaţiul X trecem de la baza E la baza F
 x  X : xF  C1xE (1) unde C  M (E,F)
În spaţiul Y trecem de la baza G la baza H:  x' Y : x'H  D1x'G (2) unde D  M (G,H)

T x G  AxE T x H  BxF 
 1
  B  D AC

Tx H  D 1 T x G  D 1  AxE  D 1 A  CxF 
( 2) (1)
TxH  D1ACxF
T  L X, X , A = matricea ataşată lui T în baza E şi facem o schimbare de bază de la E la F.
Rezultă că noua matrice ataşată lui T în baza F este: B  C1AC, C  M(E,F)
28
4.8 Vectori şi valori proprii, diagonalizarea unui operator

F ie T : X  X operator . linar . def . pe . sp . vectorial X . i . e .T  L  X , X 
K
D e fin iţie S e n u m e ş te v e c to r p r o p r iu a l lu i T , u n v e c to r x ≠ 0 p e n tru c a re

( )   K a .i. T (x )=  x ;  s e n u m e s te v a lo a r e p r o p r ie c o re s p u n z a to a re v e c to ru lu i p ro p riu x .
D e fin iţie M u ltim e a X    x  X / T  x    x  s e n u m e ş te s u b s p a tiu p r o p r iu c o re s p u n z ă to r lu i   K
P r o p o z iţie X  e s te s u b s p a tiu lin ia r a l lu i X , X   X .
A lg o r itm u l d e d e te r m in a r e a v a lo r ilo r ş i v e c to r ilo r p r o p r ii u n u i o p e r a to r lin ia r s a u m a tr ic ii a s o c ia te lu i.

F ie d im X = n ş i E = { e 1 ,… ,e n } b a z a în X .
A T = m a tric e a o p e ra to ru lu i T în b a z a E .
 a x
n
T x    x  T  x   E  A  x  E   x  E    x  E  A  I n  x  E  0  ij   ij j  0 , i  1, n
j1
  a 11    x 1  a 12 x 2  ...  a 1 n x n  0

 x 1  ...   a 22    x 2  ...  a 2 n x 2  0

 .......... .......... .......... .......... .......... ........
 a x  a x  ...   a    x  0
 n1 1 n2 2 nn n
e s te u n s is te m lin ia r o m o g e n d e ,,n ” e c u a tii c u ,,n ” n e c u n o s c u te x i , i  1 , n s i a d m ite s o lu ţii n e n u le  d e t(A - I )= 0

c a re s e n u m e ş te e c u a ţia c a r a c te r is tic ă a o p e ra to ru lu i T .
S o lu ţiile a c e s te i e c u a ţii s u n t v a lo rile p ro p rii a le o p e ra to ru lu i T .
P ( )= d e t(A - I) s e n u m e ş te p o lin o m u l c a r a c te r is tic lu i T . A c e s ta e u n p o lin o m d e g ra d ,,n ” c u c o e fic ie n ţi în K .
Propoziţie Vectorii proprii corespunzatori la valori proprii distincte două câte două sunt liniar indepedenti.
Consecinţă Dacă operatorul T are n valori proprii distincte, atunci există o bază în care matricea sa are
formă diagonală şi pe diagonală se găsesc valorile proprii.
Definiţie O matrice patratică are forma diagonală dacă aij=0 () ij
 a11 0....... 0 
 
A   0 a 22 ....0 
 0 0......a 
 nn 
Definiţie
Un operator liniar este diagonalizabil dacă există o bază în care matricea sa are forma diagonală.
Atunci o matrice patratică A este diagonalizabilă dacă există o matrice C nesingulară,
astfel încât C-1AC sa fie o matrice diagonală.
29
4.9 Funcţionale liniare, funcţionale biliniare, forme pătratice
4.10 Matricea funcţionalei biliniare în bazele e şi g

Fie dim X  n , dimY  m . E  e i i 1, n o bază în X, G  g i i 1, m o bază în Y.
n m
Pentru x   şi y   , x   x i ei y   yi gi x E   x1 ,  , x n t ; yG   y1 ,  , y m t
i 1 i 1
 n  n   n m
Fie  x, y      f x, y   f   xi ei ,  y j g j    xi f  ei ,  y j g j    xi y j f ei , g j  
m m
 i 1 j 1  i 1  j 1  i 1 j 1  
not a ij
 y1 
n m  
  aij xi y j  x1 , , x n A      xtE A y G
i 1 j 1 y 
 m
Definiţie Matricea A  a ij  11ijnm   f ei , e j 11ijnm se numeşte matricea funcţionalei biliniare în bazele E şi G.
Deci f x, y   xE  A  yG

t
30
4.11 Modificarea matricii unei funcţionale biliniare la schimbarea bazelor

În X presupun em trecerea de la E la b aza H  h 1 ,  , h n  cu m atricea C  M  E , H  c ij 
n
hp   c ip e i p  1, n
i 1
În Y analo g d e la G la baza L  l 1 ,  , l m  cu m atricea D  M  G , L   d  ij 

m
lq   d jq g j q  1, m
i 1
 n 
     c ip  a ij d jq
m n m n m
b pq  f h p , l q  f   c ip e i ,  d g j  c ip d f ei , g j  =
 i 1 jq  jq
 
 j 1  i 1 j 1
a ij
i 1 j 1
  
 A D
 C   AD 
n n
=  c ip  AD  iq . D eci B  C AD iar f  x , y    x  tH  B   y  L
t
 t
pi q
i 1 i 1
D acă X =Y şi E = G , H = L rezultă B  C AC
t
D efin iţie O funcţională biliniară f : X x X  K se num eşte sim etrică d acă f  x , y   f  y , x    x, y 
Prop oziţie f este o funcţională b iliniară sim etrică dacă şi num ai dacă m atricea ei într -o bază a lui X este sim etrică i.e. A  A t .
O b servaţie: C u orice fu ncţională biliniară f :  x   R se poate defini o fun cţională b iliniară sim etrică
g:x   R g  x, x   1
2
 f  x , y   f  y , x 
Fie f :  x   R o funcţională biliniară sim etrică.
D efin iţie S e num eşte fun cţion ală p ătratică (form ă p ătratică) restricţia unei
funcţionale biliniare sim etrice la diagonala produsului cartezian,  .
  diag X x X   x, x  / x  X  V x   f  x , x 
Dacă E  e i i  1,n bază a lui X şi x  X ,  x  E   x 1 ,  , x n t 

a ij  f e i , e j   a ji ,
n
funcţionala pătratică devine: V  x   f  x , x    x  tE A  x  t   a ij x i x j 
i , j 1
 a 11 x 12  2 a 12 x 1 x 2  2 a 13 x 1 x 3    2 a 1 n x 1 x n 
 a 22 x 22  2 a 2 n x 2 x n    2 a 2 n x 2 x n 
.......... ...... .......... .......... .......... .......... .........
 a nn x n2
A  a ij  1 i  j  n este matricea ataşată funcţionalei pătratice V în baza E.
Funcţionala biliniară din care provine V, se num eşte funcţionala polară a form ei pătratice V. Ea se obţine astfel:
f  x  y , x  y   f  x , x   f  x , y   f  y , x   f  y , y  deci f  x , y   V  x  y   V  x   V  y 
1
  2
V x  V y 
M odificarea matricii unei funcţionale pătratice la schimbarea bazei se face analog cu cea a unei funcţionale biliniare.
Fie baza E G  g 1 ,  , g n  . C  M E , G   c ij 1 i  j  n , detC  0 . x E  C  x G
V  x    x tE A  x  E  C  x G  t AC  x G   x tG C t AC  x G   x tG B  x G  B  C t AC m atricea ataşată lui V în baza G
Definiţie Despre o form ă pătratică spunem că are expresia canonică dacă V  x    1 x 12     n x n2

sau m atricea ataşată ei are form a diagonală:
 1 0  0 
 
 0 2  0 
A  
    
 
 0   n 
 0
Baza în care are loc această scriere se num eşte o bază canonică pentru funcţionala V.
31
5 Capitolul 5
Rezolvarea grafică a PPL
5.1 Etapele rezolvării

Se poate aplica problemelor de programare în care intervin 2, cel mult 3 necunoscute;
1. se reprezintă grafic dreptele (sau planele – dacă numărul de necunoscute este 3) definite
de condiţiile problemei;
2. Se alege semiplanul (semispaţiul) punctelor ale căror coordonate verifică inegalitatea
dată drept condiţie în problemă;
3. Se intersectează semiplanele (semispaţiile) obţinute la punctul 2; se obţine poligonul
(poliedrul) soluţiilor admisibile;
4. Se construieşte dreapta ce reprezintă funcţia obiectiv (sau funcţia scop) şi se construiesc
paralele la aceasta prin punctul poligonului de soluţii;
5. Vârful poligonului în care funcţia obiectiv are cea mai mică valoare reprezintă soluţia
problemei de maxim, iar vârful poligonului în care funcţia obiectiv are cea mai mică
valoare reprezintă soluţia problemei de minim.
5.2 Aplicaţie:
O filială locală, a unei firme producătoare de autovehicule importă piese pentru asamblarea a
două modele de motociclete: M1 şi M2.
În urma vânzării unui produs M1 se va obţine un profit de 10 u.m. iar pentru vânzarea unui
produs M2 va obţine un profit de 15 u.m.
În săptămâna următoare de producţie sunt necesare 40 de ore pentru asamblare: pentru un produs
M1 sunt necesare 2 ore iar
pentru un produs M2 sunt
necesare 4 ore.
Spaţiul total de depozitare este
de 60 m2: M1 ocupă 6 m2, iar
M2 ocupă 2 m2.
Să se stabilească planul de
producţie pentru săptămâna
următoare – câte motociclete de
tip M1 şi M2 pot fi construite –
a.i. profitul total să fie maxim.
Se consideră că toate
motocicletele asamblate vor fi vândute, iar restul resurselor vor fi disponibile la firmă.
Modelul matematic
Etapa 1. Identificarea variabilelor şi a unitaţilor de măsură

Variabilele de decizie sunt necunoscutele problemei. În problemă se cere planul de productie
adica numarul motocicletelor, de fiecare fel, care se vor asambla.
Variabile de decizie (VD), reprezentând tipul motocicletelelor care se vor asambla în saptamâna
următoare, sunt:
x1= numarul de motocilete M1
32
x2= numarul de motociclete M2

Cu ajutorul V.D se construieşte modelul matematic.
Etapa 2. Criteriul de performanţă

Exprimarea profitului total, ce trebuie maximizat, printr-o funcţie numită funcţia obiectiv (FO).
Deoarece profitul pentru un produs M1 este 10 um iar firma produce un numar x1 motociclete
M1, profitul pentru toate cele x1 motociclete este 10x1.
Similar, profitul pentru un produs M2 este 15 um iar firma produce un numar x2 motociclete M2,
profitul pentru toate cele x2 motociclete este 15x2.
I. Funcţia obiectiv (FO) – exprimă profitul total: ( )= +
Etapa 3. Exprimarea restricţiilor

Restricţiile sau constrângerile sunt condiţii ce trebuie satisfacute privind resursele, condiţiile de
fabricatie, de vânzare, etc., adică exprimă condiţiile în care se desfasoară procesul studiat.
II. Restricţii
• Restricţia privitoare la asamblare (R1)
1. 2 + 4 ≤ 40
• Restricţia privind spaţiul de depozitare (R2)
2. 6 + 2 ≤ 60
Etapa 4. Condiţii de nenegativitate

Acestea se impun pentru variabilele de decizie, atât datorită interpretării lor (număr de
motociclete) cât şi datorită metodei de aflare a soluţiei optime.
III. , ≥ 0
Rezultă că modelul matematic al problemei, exprimat cu ajutorul variabilelor de decizie x1 si x2
este:
I. Funcţia obiectiv (FO) – exprimă profitul total;
max f(x) = 10x + 15x
2 + 4 ≤ 40
II. Restricţii: 6 + 2 ≤ 60
, ≥0
≥0
III. Condiţii de nenegativitate:
≥0
Se va arăta că soluţia optimă a acestei probleme este:
Se vor fabrica un număr de:
= 8 motociclete M1
profitul maxim este de 170.
= 6 motociclete M2
Această soluţie optimă arată că pentru nici un alt plan de producţie nu se poate obţine un profit
mai mare decât 170 um.
5.3 Elemente principale ale modelului matematic al PPL

1. Un set de variabile de decizie xi, i=1, ,care determină ceea ce se cere în problemă, adică va
determină complet decizia ce va fi luată.
33
2. O funcţie obiectiv, care exprimă criteriul de performanţă (min. sau max.), adică ceea ce dorim
să optimizăm.
Aceasta este o funcţie liniară în variabilele de decizie, care trebuie maximizată (profitul) sau
minimizată (costurile de producţie).
FO se mai numeşte funcţie economică.
3. Restricţiile sau constângerile care sunt condiţii ce trebuie satisfăcute în procesul studiat.
Restricţiile sunt relaţii liniare, ecuaţii sau inecuaţii, pe care le satisfac variabilele de decizie şi se
referă la utilizarea resurselor: materiale, ore de producţie, condiţii de fabricaţie, contracte etc.
4. Condiţii de nenegativitate pentru toate variabilele, necesare în aflarea soluţiei optime.
5.4 Modelul matematic al unei PPL – forma dezvoltată
Dacă , ,…, sunt variabile de decizie avem:
I. Funcţia obiectiv (FO)

f(x) = x + x + + x (max sau min)
II. Restricţii:
+ + + (<, =, >)
+ + + (<, =, >)
…………………………………………
+ + + (<, =, >)
III. Condiţii de nenegativitate:

≥ 0, ≥ 0,…, ≥0
Notaţii:
• variabile de decizie xi, i=1, , se mai notează = , ,…, ;
• coeficienţii cj, j = 1, , din FO, sunt numiţi coeficienţii funcţiei obiectiv. Ei sunt
constanţi, cunoscuţi şi pot avea orice semn;
• avem „m” restricţii. Coeficienţii restriţiilor sunt aij. Sunt constanţi, cunoscuţi şi pot avea
orice semn;
• termenii liberi din restricţii bi, i = 1, , sunt constanţi şi cunoscuţi. Iniţial pot avea orice
semn; dar pentru aplicarea algoritmului simplex de aflare a soluţiei optime ei sunt
nenegativi;
• condiţiile de nenegativitate sunt impuse.
5.5 Modelul matematic al unei PPL – forma matricială
Pentru a obţine forma matriceala a modelului matematic se introduc urmatoarele matrici:
34
• Matricea variabilelor cu n linii şi o coloană: ∈ : = ⋮ = , ,…, ∈
• Matricea coeficienţilor din FO ∈ :C= , ,…, ∈
Matricea coeficienţilor din restricţii: = ⋮ ⋮ ⋮ ∈
• Matricea termenilor liberi din restricţii cu m linii şi o coloană:
=( , ,…, ) = ∈
⋮
Forma matriceală a modelului matematic este:

I. (FO) ( ) = × = ;
II. Restricţii × (<, =, >) ;
III. Condiţii de nenegativitate ≥ 0.
5.6 Modelul matematic al unei PPL – forma vectorială

Matricele cu o linie şi n coloane sau cele cu n linii şi o coloană pot fi considerate elemente ale
unui spaţiu vectorial sau liniar Rn, deci vor fi numite vectori.
Astfel X, C, B sunt vectori: , ∈ ; ∈
Dacă se introduc, în plus, încă n vectori din Rm, având drept componente coloanele matricei A,
adică:
= ⋮ ; = ⋮ ;…; = ⋮ ;B= ,
⋮
atunci forma vectorială a PPL este:
( )= × = ( )(FO)
+ + + (<, =, >) ( )
≥0
5.7 Metode de rezolvare a PPL

Dupa crearea modelului matematic al PPL urmează rezolvarea ei adică determinarea soluţiei
optime.
Există mai multe metode de aflare a soluţiei optime, printre care:
35
1. Metoda grafică – se poate aplica pentru cazul în care modelul are două variabile de decizie x1
şi x2 (pot exista cel mult trei variabile).
2. Algoritmul simplex – în cele două variante primal şi dual, aplicabil la orice numar finit de
variabile de decizie.
Acestă metodă de rezolvare a fost elaborată şi aplicată de George B. Dantzig în 1947.
Principiul metodei lui Dantzig constă în alegerea unei soluţii bazice oarecare, în formularea
unui criteriu de optim cu care se veriﬁcă optimalitatea soluţiei bazice propuse şi stabilirea unei
metode cu care se poate pune în evidenţă o nouă soluţie bazică pentru care valoarea funcţiei de
scop creşte, dacă se caută un maxim (sau descreşte dacă se caută un minim).
Se repetă operaţia până când mărirea/micşorarea funcţiei de scop numai este posibilă, ceea ce
înseamnă că s-a atins optimul acesteia.
5.8 Rezolvarea grafică

Este importantă deoarece, în această metodă, se definesc şi vizualizează următoarele tipurile de
soluţii: soluţii admisibile (SA), soluţii admisibile de baza (SAB), soluţia optimă (SO), dacă
există.
Se precizează şi cazurile în care: soluţia optimă este unică, există mai multe soluţii optime, nu
există soluţie optimă ori nu există un optim finit.
Se îndeplinesc mai întî condiţiile de nenegativitate:
≥0
≥0
Fie planul (x10x2)
Condiţia ≥ 0 se compune din:
=0 ă( 2)
>0
Condiţia ≥ 0 se compune din: Figura 11 - semiplanul soluţiilor
=0 ă( 1)
>0
5.9 Aplicaţia 1:
I. FO: max ( ) = 10 + 15
II. Restricţii:
36
2 +4 ≤ 40
6 +2 ≤ 60
II. Condiţii de nenegativitate:
, ≥0
a) Condiţiile de nenegativitate sunt îndeplinite în cadranul 1;
b) Pentru satisfacerea restricţiilor procedăm astfel: fiecărei restricţii i se ataşează:
- o ecuaţie, ce reprezintă o dreaptă;
- o inecuaţie strictă, ce reprezintă un semiplan;
- alegem semiplanul corespunzător problemei;
- se intersectează toate ariile pentru a satisface toate restricţiile.
Obţinem astfel aria admisibilă (coordonatele tuturor punctelor cuprinse în această arie verifică
toate restricţiile şi condiţiile de nenegativitate).
Mulţimea coordonatelor (x1, x2) ale tuturor punctelor care satisfac toate restricţiile şi condiţiile
de nenegativitate s.n. mulţimea soluţiilor admisibile (punctele se află în aria admisibilă şi pe
conturul ei).
max ( ) = 10 + 15
2 + 4 ≤ 40
6 + 2 ≤ 60
, ≥0
Restricţia 1 Restricţia 2
i1 : 2 +4 − 40 ≤ 0 i2: 6 +2 − 60 ≤ 0
d1: +2 − 20 = 0 d2: 3 + − 30 = 0
=0 = 10 1(0,10) =0 = 30 2(0,30)
=0 = 20 1(20,0) =0 = 10 2(10,0)
Inecuaţia i1 este satisfăcută în Inecuaţia i2 este satisfăcută în
∆ 1 1, deoarece originea ∆ 2 2, deoarece originea
(0,0) satisface: (0,0) satisface:
2 ∗ 0 + 4 ∗ 0 ≤ 40 6 ∗ 0 + 2 ∗ 0 ≤ 60
37
Figura 12 - semiplanele soluţiilor
Figura 13 - mulţimea soluţiilor admisibile de bază
38
Aria admisibilă este reprezentată haşurat. Aria admisibilă are o infinitate de puncte, deci
mulţimea soluţiilor admisibile este în acest caz infinită.
În această mulţime trebuie să alegem acel punct ale cărui coordonate conferă funcţiei obiectiv
valoarea cea mai mare.
Acel punct va reprezenta soluţia optimă.
Trebuie sa restrângem mulţimea de puncte în care să căutăm soluţia optimă, astfel ca această
mulţime sa fie finită.
Aria admisibilă este o mulţime convexă. Verificăm doar vârfurile acestei mulţimi.
Coordonatele vârfurilor poligonului convex, care înconjoară aria admisibilă constituie mulţimea
(x1,x2) a soluţilor admisibile de bază.
Soluţia optimă se află în unul din vârfurile poligonului. Determinarea soluţiei optime se face în
două moduri:
Metoda1
Se calculează coordonatele vârfurilor O, A1, B2, X şi apoi se află valoarea funcţiei obiectiv în
fiecare vârf.
Soluţia optimă este punctul (x1,x2) care conferă funcţiei obiectiv valoarea cea mai mare.
(0,0) ( ) = 10 ∙ 0 + 15 ∙ 0 = 0
1(0,10) ( 1) = 10 ∙ 0 + 15 ∙ 10 = 150
2 + 4 ≤ 40
∈ 1∩ 2 (8,6)
6 + 2 ≤ 60
(8,6) ( ) = 10 ∙ 8 + 15 ∙ 6 = 170
2(10,0) ( 2) = 10 ∙ 10 + 15 ∙ 0 = 100
Rezultă că soluţia optimă este în punctul (8,6).
Se vor fabrica x1=8 motociclete de tip M1 şi x2=6 motociclete de tip M2.
Profitul maxim obţinut este:
max ( ) = 10 ∙ 8 + 15 ∙ 6 = 170
Metoda2
Se caută valoarea maximă a FO, care este tot liniară, deci acesteia i se poate ataşa o dreaptă:
d: 10 + 15 =
unde este un parametru – la fiecare pereche (x1,x2) funcţia obiectiv poate lua o altă valoare,
notată .
Dorim să găsim = max. Deoarece dreapta d nu se poate reprezenta aflându-i intersecţiile cu
axele vom folosi forma
= + unde m este panta dreptei iar n este tăietura (când
x=0, y=n).
Avem:
2
2 =− ,
15 = −10 + ⇒ =− + ⇒ 3
3 15
= , variabil
15
Relaţia reprezintă o familie de drepte paralele (toate au aceeaşi pantă).
Se va alege punctul din aria admisibilă, pentru care valoarea = este cea mai mare, deoarece
aveam = max.
39
În figura precedentă se figurează punctat dreapta d.

Apoi se deplaseză d, paralel cu ea însăşi, până la aria admisibilă şi se alege punctul în care
tăietura la origine, n, este cea mai mare.
Acest punct este (8,6).
Deci s-a determinat soluţia optimă, adică planul optim de producţie x1=8, x2=6 şi valoarea
maximă a profitului, 170.
5.10 Aplicaţia 2:
min( + )
10 + 6 ≥ 5 10 + 6 − 5 ≥ 0
7 + ≥1 7 + −1≥0
→
5 + 6 ≤ 20 5 + 6 − 20 ≤ 0
, ≥0 , ≥0
Restricţia 1 Restricţia 2
i1:10 +6 −5≥0 i2:7 + −1≥0
d1:10 +6 −5=0 d2:7 + −1=0
=0 =5 6 1(0, 5 6) =0 =1 2(0,1)
=0 =1 2 1(1 2 , 0) =0 =1 7 2(1 7 , 0)
Inecuaţia i1 nu este satisfăcută Inecuaţia i2 nu este satisfăcută în
în ∆ 1 1, deoarece originea ∆ 2 2, deoarece originea
(0,0) nu satisface i1: (0,0) nu satisface i2:
10 ∗ 0 + 6 ∗ 0 ≥ 5 (F) 7 ∗ 0 + 0 ≥1 (F)
Restricţia 3
i3:5 +6 − 20 ≤ 0
d3:5 +6 − 20 = 0
=0 = 10 3 3(0, 10 3)
=0 =4 3(4,0)
Inecuaţia i3 este satisfăcută în ∆ 3 3, deoarece originea (0,0) satisface i3:
5 ∗ 0 + 6 ∗ 0 ≤ 20 (A)
40
Figura 14 - rezolvarea PPL prin metoda grafică
min( + )
1 0, 5 6 → 0 + 5 6 = 5 6 = 0,8(3);
3 0, 10 3 → 0 + 10 3 = 10 3 = 3, (3);
3(4,0) → 4 + 0 = 4;
1(1 2 , 0) → 1 2 + 0 = 1 2 = 0,5;
(1 32 , 25 32) → 1 32 + 25 32 = 13 16 = 0,8125
1∩ 2={ }
d1:10 +6 −5=0
d2:7 + −1=0
= 1 32; = 25 32 (1 32 , 25 32)
min( + ) = 0,5
41
6 Capitolul 6
Algoritmul SIMPLEX
6.1 Generalităţi
Economia reprezintă un sistem complex şi dinamic, de aceea agenţii economici se află într-o
continuă adaptare la cerinţele economiei de piaţă.
Managerii dintr-o societate comercială, în funcţie resursele existente, au în vedere atingerea unui
cost minim a resurselor folosite şi totodată obţinerea unui beneficiu maxim. Aceştia trebuie să-şi
atingă obiectivele propuse, adică performanţele manageriale, în funcţie de resursele existente. Ei
au un scop unic cum ar fi de exemplu: un program de producţie realizat cu beneficii mari, cu
cheltuieli mici sau într-un timp scurt.
Acest lucru se poate realiza cu ajutorul unei discipline numită “Cercetări opraţionale”, care
reprezintă o ramură a matematici şi are la bază disciplinele organizării şi conducerii. Cercetarea
operaţională este caracterizată de procesul de elaborare a modelelor matematice care descriu
diferite procese economice pentru care trebuie să se ia decizia cea mai avantajoasă.
Un individ sau o colectivitate, în majoritatea domeniilor activităţii umane, trebuie să aleagă din
mai multe posibilităţi de acţiune acea alternativă care să asigure atingerea unui scop bine
precizat.
Un capitol important al “Cercetării operaţionale” este programarea matematică, cu ajutorul
căreia pot fi create o serie de modele abstracte ale fenomenelor economice în care sunt descrise
relaţiile funcţionale între parametrii esenţiali şi oferă tehnici specifice de obţinere a variantei
optime a acestor parametri.
Repartizarea optimă a resurselor existente pentru obţinerea profitului maxim sau a costurilor
minime este una dintre problemele economice cele mai importante, la baza căreia stă
programarea liniară. Programarea liniară este un procedeu de optimizare matematică.
Prin optimizare înţelegem o metodă prin care se maximizează sau se minimizează un anumit
obiectiv, cum ar fi, maximizarea profitului sau minimizarea costurilor.
Dacă plecăm de la exemple economice, problema de programare liniară constă în aflarea
optimului unei funcţii în anumite condiţii. Această problemă poate să apară sub diferite forme:
sistemul de restricţii poate fi reprezentat de o mulţime finită sau nu. Această mulţime poate fi
mărginită sau nu de soluţii admisibile. De aici deducem că un rol important “îl joacă” soluţiile de
bază admisibile şi soluţiile optime.
În 1947, G. Dantzig, a determinat forma matematică generală a PPL şi a propus un metoda
algoritmului Simplex (primal sau dual) pentru determinarea soluţiei optime. Algoritmul Simplex,
pe lângă un volum redus de calcule, dă răspunsuri precise asupra rezolvabilităţii modelelor de
PPL şi, în plus, poate fi programată pe calculatoare electronice.
Programarea liniară reprezintă unul dintre principalele instrumente ale analizei economice,
deoarece înglobează ideile de maximizare, minimizare sau determinare a unui punct şa.
Pentru a rezolva un model de PPL este suficient să cercetăm toate soluţiile de bază admisibile
(nu mai mult de ), în scopul depistării acelor soluţii care conduc la minimizarea funcţiei de
eficienţă.
Dar, acest de procedeu prezintă mai multe dezavantaje, dintre care două sunt importante:
- nu se ştie, de la început, dacă modelul de PPL are optim finit sau infinit şi poată
să apară fenomenul de ciclare;
42
- volumul calculelor creşte direct proporţional cu parametrii m şi n (de exemplu,

pentru n = 10 şi m = 7, vor trebui revolvate un număr de = 120 sisteme de
restricţii).
Metoda Simplex primal, numită şi metoda îmbunătăţirilor succesive, evită cercetarea completă a
mulţimii SAB. Se pleacă de la o soluţie de bază admisibilă şi se construiec succesiv soluţii de
bază admisibile “mai bune” decât precedentele:
- pentru modele de minim valoarea funcţiei de eficienţă scade;
- iar pentru modele de maxim valoarea funcţiei de eficienţă creşte.
Pentru aplicarea metodei Simplex (care este o metodă iterativă) PPL trebuie să aibă forma
standard.
6.2 Definiţii şi notaţii

Acest algoritm explorează sistematic mulţimea soluţiilor de bază, trecând de la o soluţie de bază,
la altă soluţie de bază vecină – care este cel puţin la fel de bună ca precedenta.
Metoda furnizează şi criterii pentru punerea în evidenţă a faptului că problema are optim infinit
precum şi a cazului în care mulţimea soluţiilor admisibile este vidă.
PPL – forma standard:
max. f(x) = CX
Ax = b; A ∈ Mm × n (R) , rangA = m < n ; b ≥ 0 și ∃i ∈ I = {1, … , m} a. î. ≥ 0
x ≥ 0, ∀ i = 1, n
- vectorul b s.n. vectorul resurselor;
- matricea A s.n. matricea coeficienţilor tehnologici. Aceştia sunt stabiliţi de către specialişti din
domeniul procesului economic studiat.
- spaţiul Rm , care conţine în particular vectorii coloană a1,...,an ai matricei A, s.n. spaţiul
bunurilor.
- spaţiul Rn , care conţine, în particular, vectorul X, s.n. spaţiul activităţilor.
Vectorul = , …, reprezintă, din punct de vedere matematic, o soluţie a sistemului
Ax = b. În acest spaţiu definim următoarele tipuri de soluţii:
1. = , …, ,…, s.n. soluţie a problemei dacă , … , verifică sistemul de restricţii
AX = b.
2. Se numeşte soluţie admisibilă a problemei considerate un ansamblu de valori , … , ale
variabilelor 1, … , care satisfac restricţiile şi condiţiile de nenegativitate. Mulţimea acestor
soluţii admisibile se va nota cu χ.
3. Se numeşte bază a sistemului AX = b orice bază a spaţiului bunurilor Rm . Se deduce uşor că
se pot forma cel mult baze.
4. = ,…, , …, unde ,…, , …, sunt m vectori liniar independenţi, ∈J,
k=1, . Atunci , … , , … , sunt variabilele bazice şi rang(A)=m. Variabilele , ∈
{ , … , } s.n. variabile nebazice, relativ la baza B; numărul lor este (n-m). S.n. soluţie
admisibilă de bază – notată cu SAB – corespunzătoare bazei = ,…, , …, un
ansamblu de valori ale variabilelor 1, … , care îndeplinesc condiţiile:
- AX = b şi X ≥ 0 .
43
- valorile variabilelor bazice sunt pozitive , ≥ 0, ∀ k=1, , iar ale celor nebazice sunt
nule, = 0, ∀ ∈ { ,…, }
Dacă SAB conţine exact = ( ) componente strict pozitive, atunci ea s.n. soluţie
nedegenerată. În caz contrar, s.n. soluţie degenerată.
Presupunem că primii m vectori ai matricii A formează o bază şi introducem notaţiile:
Terminologie Scriere Scriere pe

vectorială coordonate
Bază B ( 1, … , )
Matrice nebazică R ( )
+ 1, … ,
Variabile bazice X
B
( 1, … , )
T
Variabile X
R
( , …, )
T
nebazice +1
Sistemul de restricţii AX = b admite scrierea: ( , ) = = b.
Această scriere este echivalentă cu forma canonică a următorului sistem de restricţii: = ⋅
− ⋅ ⋅ , din care rezultă o SAB:
= ⋅ , ⋅ ≥0
=0
5. O SAB care optimizează funcţia de eficienţă s.n. soluţie optimă (SO). Se notează cu X* şi
reprezintă coordonatele extremului absolut.
6.3 Algoritmul Simplex - Dantzing 1951

Algoritmul propus de Dantzig permite determinarea unei soluţii admisibile de bază optime, dacă
există, prin examinarea parţială dirijată a mulţimii soluţiilor admisibile de bază.
Vor fi testate o parte din soluţiile admisibile de bază. În mod empiric, pe baza unor experienţe de
calcul efectuate timp de 10 ani, s-a stabilit că soluţia optimă, dacă există, se obţine după cel mult
3m iteraţii (m = rangA).
Fiecare dintre aceste noi iteraţii constă în găsirea unei noi soluţii admisibile de bază căreia îi
corespunde o valoare mai bună a funcţiei obiectiv decât în situaţia precedentă.
Considerăm PPL în formă standard:
max. f(x) = CX
(PPL1) Ax = b; A ∈ Mm × n (R) , rangA = m < n ; b ≥ 0 și ∃i ∈ N a. î. ≥ 0
x ≥ 0, ∀ i = 1, n
Fie X o SAB corespunzătoare bazei 1(
1
) ∈
= , în raport cu care se va explicita sistemul
de restricţii =( ) ⋅ −( ) ⋅ ⋅ , unde ( ) ⋅ ( ) ≥ 0.
44
Elementele vectorului ( ) = , …, sunt valorile variabilelor bazice, adică reprezintă

componentele nenegative ale vectorului X 1.
6.3.1 Teorema 1: Criteriul de îmbunătăţire a unei soluţii admisibile de bază

Fie problema de programare liniară (PPL1), B1 o bază în Rm şi X1 soluţia admisibilă de bază
corespunzătoare ei.
Dacă pentru un indice j∈J−JB→ − < 0 şi dacă există cel puţin un indice s∈ a.i. ysj>0,
1 2
atunci X poate fi înlocuită printr-o soluţie admisibilă de bază X cel puţin la fel de bună, în
sensul ( 1 ) ≤ ( 2) .
Soluţia admisibilă X2 corespunde bazei B2 dedusă din B1 prin înlocuirea lui ak, k∈ , cu al,
∈ − .
Indicii l şi k sunt daţi de relaţiile:
(1) − = min ∈ − − <0
şi
̅ ̅
(2) = min ∈ >0
6.3.2 Teorema 2: Testul de optimalitate

O SAB, X , a problemei (PPL1) este optimă dacă şi numai dacă:
(3) − ≥ 0, ∀j∈ J .
Relaţia (3) s.n. criteriu de optimalitate.
Obs.1: Dacă există o SAB, X, a.i. să fie identificate relaţiile (3)→ ( ) ≪ +∞.
Obs.2: Relaţia: (4) − ≤ 0, ∀j∈ J este criteriu de optimalitate dacă se cere minimizarea
funcţiei liniare .
Obs.3: − = 0, ∀ s∈ , unde reprezintă mulţimea indicilor variabilelor bazice.
Important: Soluţia optimă X* este unic determinată dacă
(5) − > 0, ∀ ∈ − , adică oricare j pentru care aj este nebazic.
6.3.3 Teorema 3: Testul de optim infinit

Dacă pentru o SAB a problemei (PPL1)există un indice ∈ − a.i. − ≤ 0 şi ≤ 0, ∀
B
s∈J , atunci problema are optim infinit.
Obs.4: Pentru problemele cu funcţia obiectiv . , criteriul de recunoaştere a optimului
nemărginit (vezi teorema 3) este:
∃ ∈ − . . − > 0 şi ≤ 0, ∀ s∈JB.
Observăm că, din enunţul teoremei rezultă că o PPL are optim infinit dacă există un vector
nebazic cu toate componentele nenegative:
=( ) , ≤ 0, ∀ s ,
pentru care − nu satisface criteriul de optimalitate al tipului său de optim (maxim sau
minim).
45
6.4 Schema de rezolvare
46
47
Obs5:
- numărul soluţiilor admisibile de bază este cel mult C ;

- trecerea de la o iteraţie la alta presupune trecerea de la o SAB la o altă SAB, cel puţin la
fel de bună în sensul dat de optimul funcţiei; rezultă că după un număr finit de paşi, dacă
nu apare fenomenul de ciclare, acest procedeu iterativ se opreşte.
Obs.6:
Prin algoritmul simplex sunt examinate numai SAB. Procedura de iterare a algoritmului simplex
se opreşte atunci când nu va mai exista nici un vector care, introdus în bază, să ducă la creşterea
valorii funcţiei scop (FO) dacă problema admite optim finit. Din punct de vedere geometric se
ajunge la punctul de extrem al mulţimii χ care optimizează funcţia scop (FO).
Obs.7:
Prin trecerea de la o SAB la o alta cel puţin la fel de bună, în sensul dat de tipul de optim al
funcţiei ( ) , se realizează o creştere a acesteia cu:
̅
( − ).
Obs.8:
Când scopul este de a minimiza funcţia obiectiv, algoritmul Simplex se modifică, în sensul
maximizării funcţiei (− f ).
6.5 Etapele algoritmului simplex pentru probleme de maxim
După aducerea la forma standard a PPL, se aplică algoritmul simplex cu următoarele etape:
Etapa I
Se determină o SAB de pornire. Apar două situaţii:
1.1. Matricea A a coeficienţilor variabilelor din restricţii conţine toate coloanele matricei unitate
de ordinul m, Im. În acest caz, SAB se află din restricţii prin anularea variabilelor nebazice
(secundare).
1.2. Matricea A nu conţine toate coloanele matricei Im. În acest caz se foloşeste metoda bazei
artificiale.
48
Etapa II
Se alcătuieşte primul tabel simplex. Antetul tabelului este:
c1 c2 … cn
Baza CB P0
P1 P2 … Pn
zk - ck
Pe coloana 1 (baza) se scriu vectorii bazei canonice, în ordinea apariţiei lor în bază deci:
- primul este vectorul care are componentele (1 0 0 … 0)T,
- al doilea este cel de componente (0 1 0… 0)T,
- iar ultimul, de pe coloana 1, are componentele (0 0 0 … 1)T.
Pe coloana a doua, CB, se scriu coeficienţii din FO, ci, care corespund variabilelor
bazice xi de pe prima coloană.
Pe coloana a 3-a, P0 se scriu componentele soluţiei de pornire X0.

Pe prima linie din tabel se scriu coeficienţii c1, c2, ... cn din FO a tuturor variabilelor.
Pe coloanele P1, P2, ..., Pn se scriu coloanele matricei A a coeficienţilor variabilelor din restricţii.
Pe ultima linie din primul tabel simplex se calculează diferenţele zk − ck din relaţia:
zk − ck = CB × Pk − ck
Practic se procedează astfel:

- se înmulţesc elementele coloanei CB, pe rând cu elementele coloanelor P1, ..., Pn însumând
rezultatele şi apoi se scade coeficientul ck din FO, ce se află deasupra coloanei Pk, k =1…n.
De exemplu: z1 – c1 = CB × P1 – c1, z2 – c2 = CB × P2 – c2,etc.
Etapa III
Se aplică criteriul de optimalitate:
3.1. Toate diferenţele zk − ck ≥0, soluţia este optimă şi stop.
3.2. Există şi diferenţe zk − ck < 0, soluţia de pe coloana P0 nu este optimă şi trecem la
următoarea etapă
Etapa IV
Se va efectua o schimbare de bază.
Criteriul de intrare în baza pentru probleme de maxim este:

min ( − ) = z − c (z − c )
Adică intră în bază vectorul Ph căruia îi corespunde cea mai mică valoare negativă pentru
z − c .
49
Acest vector Ph intră în baza în locul unuia dintre vectorii Pi aflaţi pe coloana 1 (baza), deci unul
dintre aceşti vectori va ieşi din bază şi trecem la etapa urmatoare:
Etapa V
Aplicarea criteriului de ieşire din bază
Apar două situaţii:
5.1. Vectorul Ph, care a intrat în baza are toate componentele (de pe coloana sa)
nepozitive, adică ≤ 0. În acest caz PPL nu are soluţie STOP.
5.2. Vectorul Ph care a intrat în bază are şi componente strict pozitive. În acest caz,
aplicăm criteriul de iesire din bază:
Iese din bază vectorul Pj pentru care avem:
min = , >0
adică se alege valoarea minimă a raportului dintre componentele soluţiei (aflate pe coloana P0) şi
componentele strict pozitive ale vectorului Ph care a intrat în bază.
Elementul aflat la intersecţia coloanei Ph cu linia vectorului Pj care a iesit din bază, se numeşte
pivot.
Etapa VI
După aplicarea etapelor IV şi V se va obţine un nou tabel simplex.
După introducerea pe coloana „baza” a vectorului Ph în locul lui Pj, ceea ce înseamna că vectorul
Ph va deveni un vector din baza canonică, se înlocuieşte pe coloana CB coeficientul Ch din FO.
Apoi se procedeaza astfel:
Regula 1 Se obţine mai întî linia vectorului Ph, care a intrat în baza, prin împarţirea la pivot a
liniei care a corespuns lui Pj. Astfel în noul tabel simplex va apare cifra 1 în locul pivotului.
Celelalte componente ale vectorului Ph trebuie să fie zero, deoarece acesta are drept componente
una din coloanele matricei unitate.
Pentru a obţine celelalte linii din al doilea tabel, se aplică regula 2.
Regula 2 Linia obţinută prin regula 1 se înmulţeşte convenabil iar rezultatul se adună pe rând, la
toate liniile din tabelul precedend astfel ca pe toată coloana pivotului se obţine cifra zero.
Pe coloana lui P0 se va obţine, în al doilea tabel, o nouă soluţie admisibilă de bază, având
componentele nenegative. Dupa calcularea liniei − în al doilea tabel se repeta etapele,
începând cu Etapa III.
După un număr finit de iteraţii se va determina soluţia optimă, dacă există; se specifică şi faptul
că nu există soluţie optimă ori pot exista mai multe soluţii optime.
Valoarea FO se calculează din CB × P0 şi odată cu fiecare noua soluţie gasită ea creste.
6.6 Aplicaţia 1:
O firma produce trei produse X, Y, Z folosind trei resurse:
50
R1 un material,
R2 ore de prelucrare şi
R3 alt material.
Consumurile specifice, cantitatile disponibile din resurse si profiturile unitare sunt date în
Tabelul urmator:
Consumuri specifice
Resurse Disponibil
X Y Z
R1 6 4 40
R2 2 1 1 50
R3 8 0 10 60
Profit unitar 80 40 120
Se cere planul de producţie zilnic, pentru cele trei produse, astfel încât profitul total să fie
maxim.
Care este utilizarea resurselor?
Rezolvare:
Formam modelul matematic.
Introducem variabilele de decizie:

x1=numărul de produse X ce se vor fabrica;
x2=numărul de produse Y ce se vor fabrica;
x3=numărul de produse Z ce se vor fabrica;
Modelul matematic este:

( ) = 80 + 40 + 120 =
6 + 4 ≤ 40
2 + + ≤ 50
8 + 10 ≤ 60
Se aduce PPL la forma standard:

( ) = 80 + 40 + 120 =
6 + 4 + = 40
2 + + + = 50
8 + 10 + = 60
Se scrie matricea coeficienţilor restricţiilor şi determinăm vectorii Pi:
6 4 0 1 0 0
= 2 1 1 0 1 0
8 0 10 0 0 1
P1 P2 P3 P4 P5 P6
51
Etapa I:
Se observă că vectorii bazei sunt P4 P5 P6 deci necunoscutele bazice (principale) sunt x4, x5 si x6.
SAB de pornire este: = (0 0 0 40 50 60) aflată prin anularea necunoscutelor
secundare.
Etapa II: Se construieşte primul tabel simplex.

80 40 120 0 0 0 Diferenţele z − c se
Baza CB P0
P1 P2 P3 P4 P5 P6 calculează astfel:
P4 0 40 6 4 0 1 0 0 z1 – c1 = CB × P1 –
P5 0 50 2 1 1 0 1 0 c1=0∙6+0∙2+0∙8–80=–80
P6← 0 60 8 0 10 0 0 1 z2 – c2 = CB × P2 –
z − c -80 -40 -120 0 0 0
c2=0∙4+0∙1+0∙0–40=–40
P4 0 40 6 4 0 1 0 0
z3 – c3 = CB × P3 –
P5 0 44 / 1 1 0 1 /
c3=0∙8+0∙0+0∙10–120=–120
P3 120 6 / 0 10 0 0 /
z − c 720 16 -40 0 0 0 12
P2 40 10 / 1 0 / 0 0
P5 0 34 / 0 0 − / 1 /
P3 120 6 / 0 1 0 0 /
z − c 1120 76 0 0 10 0 12
Etapa III: Soluţia nu este optimă deoarece există valori negative pe linia: z − c
Etapa IV: intră P3

min (−80,−40,−120) = −120;
Etapa V: iese: ; =6
adică vectorul P6.
Etapa VI:
Se aplică regula 1pentru linia pivotului, iar pentru celelalte linii se aplică regula 2. Este satisfăcut
criteriul de optimalitate, toate diferenţele z − c ≥ 0.
Soluţia optimă se citeste pe coloana P0: X*=(x1=0 , x2 =10 , x3= 6 , x4=0, x5= 34 , x6 =0)
Deci se vor fabrica: 0 produse X, 10 produse Y, 6 produse Z, iar profitul maxim este 1120 um.
Variabilele de compensare arată cum s-au folosit resursele:
x4=0 arată că resursa R1, primul material, a fost utilizat în întregime

6× 0 + 4×10 = 40
x5 = 34 arată că au ramas nefolosite 34 ore pe zi:
2 × 0 +10 + 6 =16 < 50 cu 34 ore
x6 = 0 arată că cea de-a treia resursă R3, al doilea material, a fost utilizat integral:
8× 0 + 0 +10× 6 = 60
52
6.7 Algoritmul simplex pentru probleme de minim
Deşi avem min f = −max(− f ) este mai comod să se specifice etapele algoritmului pentru probleme de
minim.
Acestea sunt identice cu etapele pentru probleme de maxim cu urmatoarele două exceptii:
Etapa III: Criteriul de optimalitate este:

3.1. Toate diferenţele zk − ck ≤0, soluţia este optimă şi STOP.
3.2. Există şi diferenţe zk − ck > 0, soluţia de pe coloana P0 nu este optimă şi trecem la
urmatoarea etapa IV.
Etapa IV: Criteriul de intrare în bază:

Intră în baza vectorul Ph caruia îi corespunde cea mai mare valoare pozitivă pe linia zk − ck:
max( − ) = z − c (z − c > 0)
6.7.1 Exemplu
Să se rezolve problema de programare liniară:
( ) = 4 −2 −8 + 12 +2 =
3 +2 + =4
2 + − =2
− + =1
xi ≥ 0, i=1,…,5
Rezolvare:
Se scrie matricea coeficienţilor restricţiilor şi determinăm vectorii Pi:
3 0 2 1 0
= 2 1 −1 0 0
−1 0 0 0 1
P1 P2 P3 P4 P5
Etapa I:
Se observă că vectorii bazei sunt P4 P2 P5 iar SAB de pornire se obţine anulând necunoscutele
secundare x1=0, şi x3=0. SAB de pornire este: = (0 2 0 4 1)
4 -2 -8 12 2
Baza CB P0
P1 P2 P3 P4 P5
P4← 12 4 3 0 2 1 0
P2 -2 2 2 1 -1 0 0
P5 2 1 -1 0 0 0 1
z − c 46 26 0 34 0 0
P3 -8 2 3/2 0 1 1/2 0
53
P2 -2 4 7/2 1 0 1/2 0
P5 2 1 -1 0 0 0 1
z − c -22 -25 0 0 -17 0
Soluţia: X*=(x1=0, x2=4, x3= 2, x4=0, x5= 1);

min f = −22 rezultă că funcţia este optimă deoarece este satisfacut criteriul de optimalitate, toate
diferenţele zk − ck ≤0.
6.8 Aplicaţia 2:
Se doreşte realizarea unui amestec din trei tipuri de benzină. Acest amestec este condiţionat de
cantităţile de care dispunem din fiecare produs.
Se înţelege că avem analizele de laborator ale tuturor produselor şi cunoaştem caracteristicile

chimice ale produselor pe care le amestecăm, de aceea, dacă amestecăm benzina de 92 cu
benzina de 88 şi cu nafta o facem pentru a obţine benzină de 92.
Cantitatea de benzină de 92 trebuie să reprezinte cel puţin 50% din întregul amestec, iar nafta
trebuie să fie cuprinsă între 25% şi 30% din întregul amestec.
Preţurile unitare ale sortimentelor sunt:
- 30€ barilul de nafta ( );
- 50 € barilul de benzină de 92 ( );
- 40 € barilul de benzină de 88 ( ).
Să se determine ce cantităţi se amestecă astfel încât valoarea amestecului rezultat să fie maximă.
Restricţiile privind disponibilul sunt:
≤ 100
≤ 90
−3 + + ≤ 0
7 −3 −3 ≤0
− + ≤0
Forma standard este:

( )= + +
+ = 100
+ = 90
−3 + + + =0
7 −3 −3 + =0
− + + =0
> 0, ∀ = 1,8
Calculele implicate de aplicarea algoritmului simplex primal sunt prezentate în tabelul următor:
54
cj 4 5 3 0 0 0 0 0
B
c B a1 a2 a3 a4 a5 a6 a7 a8 ρ
0 a4 100 1 0 0 1 0 0 0 0 -
Date
0 a5 90 0 1 0 0 1 0 0 0 90
iniţiale
0 a6 0 -3 1 1 0 0 1 0 0 0
0 a7 0 7 -3 -3 0 0 0 1 0 -
0 a8 0 1 -1 1 0 0 0 0 1 -
fj 0 0 0 0 0 0 0 0 0
fj-cj -4 -5 -3     
0 a4 100 1 0 0 1 0 0 0 0 100
0 a5 90 3 0 -1 0 1 -1 0 0 30
Iteraţia 1 5 a2 0 -3 1 1 0 0 1 0 0 -
0 a7 0 -2 0 0 0 0 3 1 0 -
0 a8 0 -2 0 2 0 0 1 0 1 -
fj 0 -15 5 5 0 0 5 0 0
fj-cj -19  2   5  
0 a4 70 0 0 0.33 1 -0.33 0.33 0 0 210
Iteraţia 2 4 a1 30 1 0 -0.33 0 0.33 -0.33 0 0 -
5 a2 90 0 1 0 0 1 0 0 0 -
0 a7 60 0 0 -0.67 0 0.67 2.33 1 0 -
0 a8 60 0 0 1.33 0 0.67 0.33 0 1 45
fj 570 4 5 -1.33 0 6.33 -1.33 0 0
fj-cj   -4.33  6.33 -1.33  
55
cB B a1 a2 a3 a4 a5 a6 a7 a8 ρ
Iteraţia 0 a4 70 0
0 0.33 1 -0.33 0.33 0 0 210
2 4 a1 30 1
0 -0.33 0 0 -0.33 0 0 -
5 a2 90 10 0 0 1.00 0.00 0 0 -
0 a7 60 0
0 -0.67 0 0.67 2.33 1 0 -
0 a8 60 0 1.33
0 0 0.67 0.33 0 1 45
fj 570 4
5 -1.33 0 6.33 -1.33 0 0
fj-cj   -4.33  6.33 -1.33  
0 a4 55 0 0 0 1 -0.50 0.25 0 -0.25 220
4 a1 45 1 0 0 0 0.50 -0.25 0 0.25 -
Iteraţia 5 a2 90 0 1 0 0 1 0 0 0 -
3 0 a7 90 0 0 0 0 1 2.50 1 0.50 36
3 a3 45 0 0 1 0 0.50 0.25 0 1 180
fj 765 4 5 3 0 8.50 -0.25 0 3.25
fj-cj     8.50 − 0.25 3.25
0 a4 46 0 0 0 1 -0.60 0 -0.10 -0.30
Iteraţia 4 a1 54 1 0 0 0 0.60 0 0.10 0.30
4 5 a2 90 0 1 0 0 1 0 0 0
0 a6 36 0 0 0 0 0.40 1 0.40 0.20
3 a3 36 0 0 1 0 0.40 0 -0.10 0.70
fj 774 4 5 3 0 8.60 0 0.10 3.30
fj-cj     8.60  0.10 
După câteva iteraţii, obţinem soluţia – care recomandă amestecarea a:

- = 54 barili nafta;
- = 90 barili de benzină de 92;
- = 36 barili de benzină de 88.
Se obţin 180 de barili cu valoarea totală de 774 ⋅10 €.

Preţul unui baril de amestec va fi de 42€.
Cantităţile de benzină care se amestecă astfel încât valoarea amestecului rezultat să fie maximă
sunt:
- ∙ 100 = 30% nafta;
- ∙ 100 = 50% benzină de 92;
- ∙ 100 = 20% benzină de 88.
Obs. la iteraţia 2 soluţia admisibilă de bază este degenerată, la următoarea iteraţie soluţia
admisibilă devine nedegenerată.
56
7 Capitolul 7
Problema de tranport
Problema clasică de transport face parte din clasa problemelor modelate prin reţele de transport.
Reţeaua de transport modelează o situaţie economică în care, dintr-un anumit număr de puncte,
numite surse, trebuie transportată o cantitate dintr-o anumită substanţă, într-un alt număr de
puncte, numite destinaţii.
Concret, putem explicita totul într-un număr deosebit de mare de moduri, specificând dacă există
sau nu puncte intermediare între surse şi destinaţii, modul în care se face transportul. Adică
rutele posibile, costul transportului, limite minime şi/sau maxime pentru cantitatea transportată
pe fiecare rută, timpul necesar transportului, scopurile urmărite etc.
1. Problema clasică de transport

2. Problema transferului
3. Problema drumului de cost minim
4. Problema fluxului maxim
5. Problema fluxului maxim de cost minim
6. Probleme de flux dinamic
7. Problema cuplajului maxim
8. Problema de afectare
9. Problema de ordonanţare
10. Problema comis voiajorului
11. Problema arborelui de cost minim
Caracteristicile unei probleme de transport clasice sunt:
1. fiecare sursă aprovizionează cel puţin o destinaţie şi fiecare destinaţie este aprovizionată de la
cel puţin o sursă;
2. pot exista perechi sursă-destinaţie între care nu se poate face transfer (rute blocate);
3. nu există limitări în ceea ce priveşte cantitatea transportată pe fiecare rută;
4. se cunosc cantităţile disponibile în fiecare sursă şi cantităţile necesare în fiecare destinaţie;
5. fiecărei rute i s-a asociat un cost care nu depinde de sensul de parcurgere.
Scopul problemei este găsirea acelor cantităţi care trebuie transportate pe fiecare rută astfel încât
să se asigure necesarul fiecărei destinaţii, în limitele cantităţilor aflate la surse, cu costul minim
posibil.
Datele problemei sunt:

1. m = numărul de surse – furnizori;
2. n = numărul de destinatari – consumatori;
3. Ai, i = 1,...,m = cantităţile disponibile în fiecare sursă;
4. Bj, j = 1,...,n = cantităţile necesare la fiecare sursă;
5. cij, i = 1,...,m; j = 1,...,n = costurile unitare pe fiecare rută (costul transportării unei unităţi de
măsură de la sursa i la destinaţia j).
57
Acestea au fost organizate într-un tabel ca cel de mai jos:

Destinaţii
C1 C2  Cn
Surse
F1 c11 c12  c1n A1
F2 c21 c22  c2n A2
     
Fm cm1 cm2  cmn Am
disponibil
B1 B2  Bm
necesar
Dacă notăm cu xij cantitatea care va fi transportată de la sursa i la destinaţia j atunci avem de
rezolvat problema:
m n
min  f   cij  x ij
i 1 j 1
 n
 x ij  A i i  1,..., m
 j1
m
 x ij  B j j  1,..., n
 i 1

 x ij  0 i  1,..., m; j  1,..., n

care este un caz particular de problemă de programare liniară.
Se observă că problema nu are SA dacă disponibilul total este mai mic decât cererea totală.
Matematic, afirmaţia de mai sus este justificată prin relaţiile obţinute prin adunarea primelor m
restricţii şi apoi a ultimelor n:
m m n n
disponibil total =  Ai    x ij   B j = cerere totală.
i 1 i 1 j1 j1
m n
De asemenea, condiţia ca: A  B
i 1
i
j1
j este şi suficientă, deoarece, în acest caz, se verifică uşor
că soluţia:
Ai  B j
x ij  m
A
i 1
i
este soluţie admisibilă.
Chiar dacă disponibilul total este mai mare decât cererea totală, este clar că se va transporta doar
necesarul, deoarece transportarea unei cantităţi mai mari decât necesarul va duce la un cost
suplimentar, în contrast cu scopul urmărit.
Matematic, unei soluţii în care una din ultimele n restricţii ar fi verificată strict, îi corespunde o
soluţie în care am scăzut cantitatea suplimentară din valorile variabilelor implicate în restricţie,
care este de asemenea admisibilă (aceste variabile nu apar în alte restricţii dintre ultimele n, iar
58
primele m vor fi cu atât mai mult verificate dacă xij scad) şi care este evident mai bună, dând un
cost mai mic.
În concluzie, dacă există soluţie optimă, se va transportă exact cantitatea cerută.

Totuşi, în practică se poate întâlni oricare din cele trei cazuri:
m n
1.  Ai   B j
i 1 j1
m n
2.  Ai   B j
i 1 j1
m n
3. A  B
i 1
i
j1
j
În primul caz, problema are soluţie optimă, iar cantitatea în exces faţă de cerere va rămâne la
furnizori, fiind reprezentată de variabilele de abatere din primele m restricţii. Aceste cantităţi pot
fi privite ca nişte cereri ale unui consumator fictiv şi ţinând cont că, de fapt, aceste cantităţi nu
sunt transportate nicăieri, costurile unitare pe rutele care ar lega furnizorii de acest consumator
m n
sunt 0. Adăugâdăugând acest consumator la tabel, cu cererea egală cu:  Ai   B j , vom
i 1 j1
obţine o problemă de tipul (3).
Analog, în al treilea caz, chiar dacă disponibilul este mai mic decât necesarul, nu înseamnă că nu
se va mai transporta nimic, ci doar că unora dintre consumatori nu li se va satisface toată cererea.
Această cerere nesatisfăcută poate fi privită ca disponibilul unui furnizor fictiv şi ţinând cont că,
de fapt, această cantitate nu există, costurile unitare pe rutele care ar lega consumatorii de acest
n m
furnizor sunt 0. Adăugând acest furnizor la tabel, cu disponibilul egal cu:  B j   Ai , vom
j1 i 1
obţine o problemă de tipul (3).
Concluzie: orice problemă poate fi transformată într-o problemă de tipul (3).
Deşi acest caz este foarte rar în practică, el este cel mai simplu din punct de vedere matematic şi
va fi ales pentru formalizarea problemei. O astfel de problemă se numeşte problemă de
transport echilibrată.
Pentru o problemă de transport echilibrată, toate soluţiile admisibile verifică toate restricţiile cu
egal.
Dacă măcar una din primele m restricţii ar fi verificată cu "<" atunci am avea prin însumare:
m m n n m n
A  x  B
i 1
i
i 1 j1
ij
j1
j , în contradicţie cu A  B
i 1
i
j1
j .
Dacă măcar una din ultimele n restricţii ar fi verificată cu ">" atunci am avea prin însumare:
59
m m n n m n
A  x  B
i 1
i
i 1 j1
ij
j1
j , în contradicţie cu A  B
i 1
i
j1
j .
Forma standard a problemei de transport:

m n
min  f   cij  x ij
i 1 j1
n
 x ij  A i i  1,..., m m n
 j1
m
, unde:  Ai   B j .
 x ij  B j j  1,..., n i 1 j1
 i 1

 x ij  0 i  1,..., m; j  1,..., n

60
8 Capitolul 8
Grafuri
8.1 Definiţii
- Graf = orice mulţime finită X prevăzută cu o relaţie binară internă Y. Notăm graful cu
G=(X, Y).
- Graf neorientat = un graf G=(X, Y) în care relaţia binară este simetrică: (x,y)Y atunci
(y,x) Y.
- Nod = element al mulţimii X, unde G=(X, Y) este un graf
neorientat.
- Muchie = element al mulţimii Y ce descrie o relaţie
existentă între două vârfuri din X, unde G=(X, Y)
este un graf neorientat;
Pentru graful din figura alaturată avem:
X={1,2,3,4,5,6} şi
Y={(1,2),(1,3),(1,4),(2,5),(2,6), (3,4),(3,5)}
Figura 15 - graf neorientat
- Nod = element al mulţimii X, unde G=(X, Y)

este un graf neorientat.
- Nod izolat = Un nod cu gradul 0.
- Nod terminal = un nod cu gradul 1
Pentru graful din figura alaturată avem:

X={1,2,3,4,5,6}
Nodul 6 – vârf izolat;
Nodul 4 – varf terminal
Figura 16 - graf neorientat cu nod izolat
8.2 Adiacenţă, Incidenţă, Grad

- Adiacenţă: Într-un graf neorientat existenţa muchiei (x,y) presupune că y este adiacent
cu x şi x adiacent cu y;
- Incidenţă = o muchie este incidentă cu un nod dacă îl are pe acesta ca extremitate.
Muchia (x,y) este incidentă în nodul x respectiv y;
- Grad = Gradul unui nod x, dintr-un graf neorientat, este un număr natural ce reprezintă
numărul de noduri adiacente cu acesta (sau numarul de muchii incidente cu nodul
respectiv).
61
8.2.1 Exemplu
Pentru graful din figura alaturată avem, de exemplu:
Nodul 1 adiacent cu Nodul 3
Nodul 2 adiacent cu Nodul 5
Muchia (3,4) este incidentă la nodul 3 şi la nodul 4
Gradul nodului 1 este 3
8.3 Lanţ
- Lanţ = o secvenţă de noduri ale unui graf neorientat G=(X, Y), cu proprietatea că oricare
două noduri consecutive din lant sunt adiacente:
L=[y1, y2, y3,. . ,yn] cu proprietatea că (yi, yi+1)X pentru 1i<n.
- Lungimea unui lanţ = numărul de muchii din care este format.
- Lanţ elementar = lanţul care conţine numai noduri distincte
8.4 Tipuri
- Graf partial = Dacă dintr-un graf G=(X, Y) se suprimă cel puţin o muchie atunci noul
graf G’=(X,Y’), Y’ Y se numeşte graf parţial al lui G.
- Subgraf = Dacă dintr-un graf G=(X, Y) se suprimă cel puţin un nod împreună cu
muchiile incidente lui, atunci noul graf G’=(X’,Y’), Y’ Y si X’X se numeşte subgraf
al lui G.
- Graf regulat = graf neorientat în care toate nodurile au acelaşi grad;
Figura 18 - tipuri de grafuri
62
- Graf complet = graf neorientat G=(X, Y) în care există muchie între oricare două
noduri.
Numărul de muchii ale unui graf complet este: n*(n-1)/2, unde n este numărul de noduri;
- Graf conex = graf neorientat G=(X, Y) în care pentru orice pereche de noduri (x,y) există un
lanţ care le uneşte.
Figura 19 - grafuri conexe şi neconexe
- Componentă conexă = subgraf al grafului de referinţă, maximal în raport cu proprietatea

de conexitate (între oricare două vârfuri există lanţ);
Figura 20 - grafuri, componente conexe
63
8.5 Hamiltonian
- Lanţ hamiltonian = un lanţ elementar care
conţine toate nodurile unui graf
L=[2 ,1, 6, 5, 4, 3] este lant hamiltonian
- Ciclu hamiltonian = un ciclu elementar care

conţine toate nodurile grafului
C=[1,2,3,4,5,6,1] este ciclu hamiltonian
- Graf hamiltonian = un graf G care conţine un
ciclu hamiltonian
Un ciclu Hamiltonian este: 4 3 5 2 6 1 4
Figura 21 - graf ce conţine un ciclu Hamiltonian
8.6 Eulerian
- Lanţ eulerian = un lanţ simplu care conţine toate muchiile unui graf
Lantul: L=[1.2.3.4.5.3.6.2.5.6] este lanţ eulerian
- Ciclu eulerian = un ciclu simplu care conţine toate muchiile grafului

Ciclul: C=[1.2.3.4.5.3.6.2.5.6.1] este ciclu eulerian
Graf eulerian = un graf care conţine un ciclu eulerian.
Figura 22 - graf ce conţine un ciclu Eulerian
Un ciclu Eulerian este: 4 3 2 6 1 3 5 2 1 4
Condiţie necesară şi suficientă: Un graf este eulerian dacă şi numai dacă oricare vârf al său
are gradul par si este conex.
8.7 Reprezentarea grafurilor neorientate

- Fie G=(X, Y) un graf neorientat.
Există mai multe modalitaţi de reprezentare pentru un graf neorientat, folosind diverse tipuri de
structuri de date. Reprezentările vor fi utilizate în diverşi algoritmi şi în programele care
implementează în calculator aceşti algoritmi.
64
8.8 Matricea de adiacenţă - matricea booleană

Matricea de adiacentă asociată unui graf neorientat cu n noduri se defineşte astfel:
1, dacă[ , ] ∈
A = (ai j) n x n cu : [, ]
0, altfel
Observaţii:
- matricea de adiacenţă asociată unui graf neorientat este o matrice simetrică
- suma elementelor de pe linia k reprezintă gradul nodului k
- suma elementelor de pe coloana k reprezintăgradul nodului k
- pe diagonala principală toate elementele sunt 0.
8.8.1 Exemplu
Matricea de adiacenţă asociată este:
8.9 Listele de adiacenta a nodurilor

- Reprezentarea în calculator a unui graf se poate face utilizând listele de adiacenţă a
vârfurilor, adică pentru fiecare vârf se alcătuieşte lista varfurilor adiacente cu el;
- Ordinea nodurilor în cadrul unei liste nu este importantă;
- Lista fiecărui nod constă în nodurile adiacente nodului respectiv
65
Exemplu
Listele de adiacente sunt:

1: 2, 3, 4, 6
2: 1, 3, 5
3: 2, 1, 4
4: 1, 3
5: 2
6: 1
66
9 Capitolul 9
Matematică financiară
9.1 Conceptul de dobândă

Definiţia 1. Dobânda este remuneraţia pentru un împrumut bănesc.
De fiecare dată când cineva (persoană sau instituţie) împrumută bani altcuiva, cel care dă
banii se privează de posibilitatea ca pe o anumită durată de timp să folosească el însuşi această
sumă. Făcând un serviciu celui care foloseşte suma de bani, este natural să primească o
anumită remuneraţie pentru acest serviciu. În plus, dobânda se poate justifica şi prin existenţa
unui risc privind rambursarea sumei.
Definiţia matematică generală.

Fie S0 suma de bani împrumutată de partenerul P1 partenerului P2 pe durata t, în anumite
condiţii. La încheierea duratei t, partenerului P1 îi revine suma finală S(S0 ; t); care, în mod
natural, trebuie să fie mai mare decât S0.
Definiţia 2. În sens general, diferenţa D(S0; t) = S(S0 ; t) ¡ S0 se numeşte dobânda
corespunzătoare plasării sumei S0 pe durata de timp t.
Definiţia 3. Se numeşte valoare finală (valoare acumulată sau valoare revenită
partenerului care a plasat suma S0 pe durata de timp t) o funcţie S(S0 ; t),
S : [0; 1) x [0; 1)[0; 1); derivabilă în raport cu S0 şi cu t; care îndeplineşte condiţiile:
( ; ) ( ; )
(1) > 0; > 0 ⇔ S este funcţie crescătoare în raport cu S0 şi t.
(2) S(S0 ; 0) = S0 ; S(0; t) = 0⇔, dobânda este nulă dacă nu există plasament de capital.
Observaţie. De mai sus rezultă condiţiile ce trebuiesc îndeplinite de dobânda

D: R+ x R+  R+.Acestea sunt: să fie derivabilă în raport cu S0 şi cu t, şi
( ; ) ( ; )
(1) > 0; >0
(2) S(S0 ; 0) = S0 ; S(0; t) = 0
Definiţia 4. Dacă t = 1 an şi S0 = 100 u.m., atunci dobanda corespunzătoare se numeşte

procent anual, notat p.
Dacă t = 1 an şi S0 = 1 u.m., atunci dobanda corespunzătoare se numeşte dobândă unitară

anuală sau rata anuală a dobânzii, notată i (se mai numeşte factor de interes anual).
Observaţie. p=100x i:
Există două tipuri de dobândă:

- simplă: care se aplică doar capitalului iniţial S0;
- compusă: care se aplică atât lui S0; cât şi dobânzilor sale deja calculate (altfel spus,
dobânda aduce dobândă, sau “cu capitalizare”).
67
9.2 Dobânda simplă
Definiţie. Dacă pe întreaga durată de plasare t, nu se modifică valoarea capitalului plasat,

spunem că plasarea sumei S0 s-a efectuat în regim de dobândă simplă.
Se demonstrează că o soluţie reciproc avantajoasă pentru ambii parteneri P1; P2; cu privire la
plasarea sumei S0 pe durata t în regim de dobândă simplă este
× ×
( , )=S × × = = ( , , )⇔
100
ă × × î
Dobanda simplă =
100
în care timpul t este exprimat în ani.
Să presupunem acum că anul este împarţit în m diviziuni egale (m = 1 an, 2 semestre, 12 luni,
etc.) şi fie tm numărul acestor diviziuni în durata t, deci = sau = . Dacă timpul se
exprimă în fracţiuni de an, relaţia anterioară devine:
× × ă × × î
D(S , ) = =
100 100 × ă î î
Observaţie. Un caz particular de fracţionare a anului este în zile. Pe plan internaţional, în

operaţiuni bancare sau bursiere, se cunosc 3 modalităţi de fracţionare a anului bancar:
1) Procedura engleză, pentru care anul bancar are 365 de zile, iar lunile bancare sunt cele
calendaristice cu 28, 29, 30 sau 31 de zile.
2) Procedura franceză, pentru care anul bancar are 360 de zile, iar lunile bancare sunt tot cele
calendaristice.
3) Procedura germană, pentru care anul bancar are 360 de zile, iar lunile anului sunt toate egale
între ele cu câte 30 de zile.
Observaţie. În general, anul bursier are 365 sau 366 de zile.
Sa considerăm cazul particular al unui an bancar de m = 360 zile. Rezultă expresia cunoscută şi
consacrat în practica bancară pentru calculul dobânzii simple:
× × ×
D(S , ) = =
unde S0 x t360 se numeşte “număr”, iar se numeşte “divizor fix” relativ la dobânda simplă.
68
O situaţie frecventă este aceea când se “modifică dobânda”, mai precis se modifică procentul
anual p în timpul duratei de plasament.
Proprietate. Dacă suma S0 se plasează pe durata t în regim de dobandă simplă şi dacă

=∑ astfel încât pe fiecare perioadă tk plasarea se face cu procentul anual pk = 100ik ,
atunci dobânda simplă totală este egală cu
( , )= ( , )= × × = ×
care presupune aplicarea succesivă a dobânzii simple pe intervalele constitutive ale duratei
t.
9.2.1 Exemplu
Fie S0 = 3600 u.m plasată pentru t = 1 an, cu dobândă simplă, cu procentele anuale de 5, 6, 7, 8
şi 10%; pentru duratele consecutive de 30, 45, 60, 75 şi respectiv 150 de zile. În ipoteza 1 an =
360 zile, dobânda simpla este:
5 × 30 + 6 × 45 + 7 × 60 + 8 × 75 + 10 × 150
= 3600 = 294 . .
100 × 360
9.2.2 Aplicaţie
O societate efectuează următoarele 5operaţiuni de plasament:
… 10.000 24.000 30.000 48.000 120.000

=
… 90 60 30 75 150
cu procentul anual unic p = 10%, în regim de dobandă simplă. Ce dobândă totală a câştigat?
Soluţie:
= = × × = × =
100 360 36.000
= (900.000 + 1.440.000 + 900.000 + ) = 6.900 . .
.
9.3 Dobânda compusă
Definiţie. Dacă valoarea luată în calcul a sumei plasate S0 se modifică periodic pe durata de
timp t după o anumită regulă, iar între două modificări consecutive sumei modificate i se aplică
o dobândă simplă, atunci spunem că plasarea sumei S0 s-a efectuat în regim de dobânda
compusă.
Se demonstrează că o soluţie reciproc avantajoasă pentru ambii parteneri P1 ; P2 cu privire la

plasarea sumei S0 pe durata t în regim de dobândă compusă este:
69
- suma sau valoarea finală a operaţiunii: ( ; ) = × (1 + ) ;

- dobânda aferentă: ( ; ) = × [(1 + ) − 1],
unde p = 100i este procentul anual unic şi i este rata anuală a dobânzii (factorul de interes).
Formule de calcul practic
Figura 25 - grafic calcul dobândă compusă
Presupunem că durata de plasament a sumei S0 este t = T1 + ... + Tn , în perioada Tk procentul

anual fiind pk =100ik , k = 1,..,n. Notăm S(S0; Tk) valoarea sumei plasate S0 luată în calcul la
sfarşitul perioadei Tk; şi D(S0; Tk ) dobânda simplă corespunzătoare plasării în regim de
dobandă simplă a sumei S(S0 ; Tk-1) pe durata Tk:
Observaţie. Se ia T0 = 0 şi deci S(S0;T0) = S(S0;0) = S0 :
Proprietate. Dacă pe fiecare perioadă Tk , k = 1,.., n, avem

S(S0 ; Tk ) = S(S0;Tk-1)+ D(S0; Tk );
unde D(S0; Tk ) = S(S0; Tk-1)x ik xTk , k = 1,.., n; atunci suntem în condiţiile unui plasament al
sumei S0 în regim de dobandă compusă şi valoarea finală a operaţiunii este:
( ; ) = ×∏ (1 + )
Observaţie. Dobânda compusă corespunzătoare plasării sumei S0 pe durata şi cu procentele

considerate este:
( ; ) = [∏ (1 + ) − 1]
9.3.1 Cazuri particulare
Suma finală
I. = = = = ⇒ ( , )= ×∏ 1+
II. = = = =1 ⇒ ( , ) = × ∏ (1 + )
III. = = =1 ș = = = ⇒ ( , ) = × (1 + )
IV. = + ⇒ ( , )= ×∏ (1 + )× 1+ ×
unde tm =numărul de fracţiuni egale de tip m ale anului (n + 1).
V. = + ⇒ș = = = ⇒ ( , )= (1 + ) 1+ ×
70
9.3.2 Aplicaţie
a) S0= 100.000 u.m. se plasează pe t=5ani, în regim de dobandă compusă, cu procentele

anuale 7, 8, 9, 10 şi 11%. Care este valoarea finală aferentă?
Soluţie: Din (II) rezultă
( , 5) = 100.000 × (1,07) × (1,08) × (1,09) × (1,1) × (1,11)

= 153.797,64 . . ⇒ = 53.797,64 . .
b) Plasamentul precedent se prelungeşte cu încă 3 luni cu procentul anual 12% pentru al

şaselea an. Care este dobanda aferentă?
Soluţie: Din (IV) rezultă
3 12 3
,5 + = 100.000 × (1,07) × (1,08) × (1,09) × (1,1) × (1,11) × 1 + ×
12 100 12
= 58.411,56 u. m ⇒ D = 58.411, 56 u. m
c) În urmă cu 3 ani o persoană a împrumutat suma de S0 = 10 milioane u.m. cu un procent

p=10%, pe care urma să o ramburseze azi împreună cu dobânda compusă corespunzătoare.
Neputând achita datoria astazi, solicită o amânare de încă 1 an şi şase luni. Creditorul acceptă,
dar solicită creşterea procentului anual cu o unitate pentru fiecare an amânat. Se cer:
c1) Suma pe care ar fi trebuit s-o achite astăzi.
c2) Suma pe care o va plăti dupa amânarea cerută.
Soluţie:
c1) Din (III) = 1+ = 10 × (1,1) = 13.310.000 . .
c2) Din (IV) â = × 1+ 1+ × = 15.660.546 . .
d) Neputând achita datoria de 1 miliard u.m. în urmă cu exact 3 ani, un debitor a cerut amânarea
scadenţei pentru astazi. Aceasta i s-a aprobat cu procentele anuale p1 =10,2%, p2 = 11,5%,
p3=12,75%. Ce sumă trebuie să ramburseze astăzi?
Soluţie:
, , ,
Din (II)  ( , 3) = 1+ 1+ 1+ = 1.385.393.000 . .
71
10 Listă figuri
Figura 1 - cantitate, sursa wikipedia .............................................................................................................3

Figura 2 - spaţiul, sursa wikipedia ................................................................................................................3
Figura 3 - schimbare, sursa wikipedia...........................................................................................................3
Figura 4 - structura, sursa wikipedia.............................................................................................................4
Figura 5 - fundamente şi metode, sursa wikipedia........................................................................................4
Figura 6 - matematici discrete, sursa wikipedia............................................................................................4
Figura 7..........................................................................................................................................................4
Figura 8 - etape de lucru ...............................................................................................................................6
Figura 9........................................................................................................... Error! Bookmark not defined.
Figura 10 - etapele de producţie..................................................................................................................11
Figura 11 - semiplanul soluţiilor..................................................................... Error! Bookmark not defined.
Figura 12 - semiplanele soluţiilor................................................................................................................38
Figura 13 - mulţimea soluţiilor admisibile de bază .....................................................................................38
Figura 14 - rezolvarea PPL prin metoda grafică ..........................................................................................41
Figura 15 - graf neorientat ............................................................................. Error! Bookmark not defined.
Figura 16 - graf neorientat cu nod izolat........................................................ Error! Bookmark not defined.
Figura 17 - graf neorientat ............................................................................. Error! Bookmark not defined.
Figura 18 - tipuri de grafuri ............................................................................ Error! Bookmark not defined.
Figura 19 - grafuri conexe şi neconexe .......................................................................................................63
Figura 20 - grafuri, componente conexe.....................................................................................................63
Figura 21 - graf ce conţine un ciclu Hamiltonian ........................................... Error! Bookmark not defined.
Figura 22 - graf ce conţine un ciclu Eulerian ...............................................................................................64
Figura 23 - graf neorientat ..........................................................................................................................65
Figura 24 - graf neorientat ..........................................................................................................................66
Figura 25 - grafic calcul dobândă compusă.................................................................................................70
72

Curs Mate Matic A Economic A

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Curs Mate Matic A Economic A

Încărcat de

Drepturi de autor:

Formate disponibile

UNIVERSITATEA “ANDREI ŞAGUNA”

Asist. Univ. Drd. Mihaela Mihai

MATEMATICA – ştiința care se ocupă cu studiul mărimilor, al relațiilor cantitative și al

Figura 1 - cantitate, sursa wikipedia

Figura 2 - spaţiul, sursa wikipedia

Figura 3 - schimbare, sursa wikipedia

Figura 4 - structura, sursa wikipedia

1.1.5 Fundamente și metode

Figura 5 - fundamente şi metode, sursa wikipedia

1.1.6 Matematici discrete

Figura 6 - matematici discrete, sursa wikipedia

Mulţimea sistemelor economice concrete şi multitudinea problemelor conducerii acestora au

1.3 Aplicaţie practică

Capacitatea maximă a fabricii: Figura 7

c) pentru finisare – 330 ore.

Etapa 1 Etapa 2 Etapa 3

Figura 8 - etape de lucru

Pentru fiecare autovehicul A sunt necesare:

2.1 Sisteme liniare neomogene

Se numeşte sistem de “m” ecuaţii liniare cu “n” necunoscute, un sistem de forma:

Un sistem de ecuaţii liniare este o mulţime finită de ecuaţii liniare.

Fiecare restricţie (inecuaţie) încorporează două afirmaţii:

2.2 Metode de rezolvare a sistemelor liniare

2.2.1 Metoda matricială

În acest caz matricea A este inversabilă.

Soluţia sistemului: X=A-1*B

Sistemul este compatibil determinat.

2) Dacă det(A)≠0, se calculează A-1.

3) Soluţia sistemului: X = A-1*B .

Metoda matricială precizează în ce condiţii sistemul este compatibil determinat şi cum i se

2.2.2 Metoda lui Cramer

1) Se calculează ∆ =det(A) şi se observă că ∆≠0;

3) Soluţia sistemului este dată de formulele lui Cramer:

2.2.3 Metoda lui Gauss sau metoda eliminării parţiale

2.3 Tipuri de probleme

2.3.1 Problema folosirii optime a resurselor

2.3.2 Problema clasică de transport

Caracteristicile unei probleme de transport clasice sunt:

2.4 Aplicaţie practică

Capacitatea maximă a fabricii: Figura 9

Figura 10 - etapele de producţie

Pentru fiecare cămaşă sunt necesare:

Matricea termenilor liberi:

2.4.1 Metoda matricială

2) Dacă det(A)≠0, se calculează A-1.

3) Soluţia sistemului: X = A-1*B .

Metoda matricială precizează în ce condiţii sistemul este compatibil determinat şi cum i se

2) Dacă det(A)≠0, se calculează A-1.

3) Soluţia sistemului: X = A-1*B .

2.4.2 Metoda lui Cramer

3) Soluţia sistemului este dată de formulele lui Cramer:

3) Soluţia sistemului este dată de formulele lui Cramer:

2.4.3 Metoda lui Gauss sau metoda eliminării parţiale

2.4.4 Metoda lui Gauss-Jordan sau metoda eliminării complete

Etapele aplicării acestei metode sunt următoarele:

2. Alegem un pivot – un element nenul al matricei A;

3. Elementele din tabel se vor modifica astfel:

Se va folosi următoarea schemă:

2.4.4.1 Rezolvarea aplicaţiei:

Folosim schema prezentată anterior:

2.4.4.2 Calculul matricei inverse

2.5 Modele de probleme programare liniară întâlnite în practica economică

2.5.1 Problemă de transport