Curs Programare

Matematici aplicate in economie
Cercetari operationale
lect. dr. Rodica Ioana LUNG

www.econ.ubbcluj.ro/˜rodica.lung/co
October 6, 2009
Rodica Ioana LUNG () Cercetari operationale October 6, 2009 1 / 52

Matematici aplicate in economie. Cercetari operationale Elemente de algebra liniara
Elemente de algebră liniară.

Sisteme de ecuaţii liniare
Multe din problemele economice, respectiv din aplicaţiile matematicii

ı̂n alte domenii se reprezintă prin intermediul unor sisteme de ecuaţii
liniare.



liniare.
O ecuaţie liniară este aceea care conţine una sau mai multe
necunoscute toate fiind la puterea I.



liniare.
Forma generală a unui sistem de ecuaţii liniare este:


 a11 x1 + a12 x2 + ... + a1n xn = b1
a21 x1 + a22 x2 + ... + a2n xn = b2

,

 .................................................
am1 x1 + am2 x2 + ... + amn xn = bm




liniare.


 a11 x1 + a12 x2 + ... + a1n xn = b1
a21 x1 + a22 x2 + ... + a2n xn = b2

,

 .................................................
am1 x1 + am2 x2 + ... + amn xn = bm

unde ai j sunt coeficienţi reali, aij ∈ R, i = 1, m, j = 1, n; bi ∈ R,

i = 1, m sunt termeni liberi iar xj sunt necunoscutele, j = 1, n.



liniare.


 a11 x1 + a12 x2 + ... + a1n xn = b1
a21 x1 + a22 x2 + ... + a2n xn = b2

,

 .................................................
am1 x1 + am2 x2 + ... + amn xn = bm

unde ai j sunt coeficienţi reali, aij ∈ R, i = 1, m, j = 1, n; bi ∈ R,

i = 1, m sunt termeni liberi iar xj sunt necunoscutele, j = 1, n.
Problema este de a determina xj astfel ı̂ncât să fie verificate toate
ecuaţiile sistemului.
Transformări elementare ı̂n matrici

Dacă A este matricea coeficienţilor, b coloana termenilor liberi şi x
coloana necunoscutelor atunci sistemul se poate scrie sub forma unei
ecuaţii matriceale
Ax =b
Pentru a introduce transformarea vom considera matricea A
reprezentată ı̂ntr-o formă ı̂n care se evidenţiază liniile sale
 
L1
 L2 
A= .  Li = (ai1 , ai2 , ..., ain )
 
 .. 
Lm
Principalele două tipuri de transformări elementare sunt:
t1 ) ı̂nmulţirea unei linii cu o constantă diferită de 0 : λ, Li , λ Li → Li
t2 ) adunarea la elementele unei linii a elementelor corespunzătoare
unei alte linii: Li , Lk : Li + Lk → Li
Regula dreptunghiului
Regula dreptunghiului reprezintă un algoritm de reducere a coloanelor unei
matrici pentru a obţine o formă simplificată, echivalentă a acesteia. O
coloană este redusă dacă are toate elementele egale cu 0, mai puţin unul
egal cu 1. Elementul pe a cărui poziţie va ramâne valoarea 1 se numeşte
element pivot. Regula dreptunghiului implementează o succesiune de
transformări liniare pe linii.

Regula dreptunghiului:
1 Se alege un element pivot diferit de zero. Acesta se marchează prin
ı̂ncercuire. Fie (i, j ) poziţia acestuia.

2 Elementele de pe coloana pivotului vor deveni 0.

3 Elementele de pe linia pivotului se ı̂mpart la elementul pivot.

4 Restul elementelor matricii se calculează după regula dreptunghiului,
adică:
aij alk − alj aik
alk ←
aij
unde alj si aik reprezintă ’colţurile’ dreptunghiului format din
elementul pivot aij şi elementul de calculat alk după cum se vede ı̂n
figura de mai jos.

4 Restul elementelor matricii se calculează după regula dreptunghiului,
adică:
aij alk − alj aik
alk ←
aij
unde alj si aik reprezintă ’colţurile’ dreptunghiului format din
elementul pivot aij şi elementul de calculat alk după cum se vede ı̂n
figura de mai jos.
Dacă pe linia pivotului avem elemente egale cu 0 atunci coloana

respectivă se poate copia; Dacă pe coloana pivotului avem elemente
de 0 atunci putem copia linia respectivă.
Metoda eliminarii complete pentru rezolvarea sistemelor de

ecuatii
se scrie matricea extinsa a sistemului sub forma de tabel


ecuatii

se reduc coloanele matricii asociate sistemului alegand element pivot
de pe o linie de pe care nu a mai fost ales pana cand nu se mai poate
alege pivot;


ecuatii

alege pivot;
se scrie sistemul de ecuatii echivalent (corespunzator matricii reduse)
si se citeste solutia dupa caz:


ecuatii

alege pivot;
sistem compatibil determinat;


ecuatii

alege pivot;
sistem compatibil nedeterminat;


ecuatii

alege pivot;
sistem incompatibil.


ecuatii

alege pivot;
sistem incompatibil.
Exemplu

Solutii admisibile de baza
Din mulţimea tuturor soluţiilor unui sistem de ecuaţii liniare se poate

extrage o submulţime de soluţii care are o calitate specială, şi anume
fiecare soluţie are necunoscutele secundare toate cu valoarea egală cu
0, iar necunoscutele principale cu valorile mai mari sau egale cu 0.
Aceste soluţii se numesc soluţii admisibile de bază.


La o astfel de soluţie admisibilă de bază se poate ajunge utilizând
metoda eliminării complete la care alegerea pivotului se face cu
respectarea unor condiţii.


La o astfel de soluţie admisibilă de bază se poate ajunge utilizând
metoda eliminării complete la care alegerea pivotului se face cu
respectarea unor condiţii.
Să presupunem că sistemul considerat are m necunoscute principale,
iar restul n − m sunt necunoscutele secundare. Presupunem şi că
primele m necunoscute sunt cele principale. Asta revine la a spune că
trebuie asociat sistemului un tabel care, după utilizarea
transformărilor elementare, are următoarea formă, unde coloanele au
o structură specială:
Soluţii admisibile de bază
Rodica Ioana LUNG ()

Figure:
Cercetari operationale October 6, 2009 8 / 52

Din tabel se observă că prima soluţie admisibilă de bază este:
 
β1
 β2 
 
 ... 
 
X1 =   , β ≥ 0, i = 1, m
 βm  i
 0 
 
 ... 
0


 
β1
 β2 
 
 ... 
 
X1 =   , β ≥ 0, i = 1, m
 βm  i
 0 
 
 ... 
0
În continuare cu ajutorul regulii dreptunghiului vrem să trecem de la

această soluţie admisibilă de bază la o altă soluţie admisibilă de bază.


 
β1
 β2 
 
 ... 
 
X1 =   , β ≥ 0, i = 1, m
 βm  i
 0 
 
 ... 
0
În continuare cu ajutorul regulii dreptunghiului vrem să trecem de la

această soluţie admisibilă de bază la o altă soluţie admisibilă de bază.
Considerăm că elementul pivot este α1 ,m+1 şi efectuăm transformarea
elementelor care ne conduc la partea a doua a tabelului de mai sus.
Prima condiţie asupra pivotului este:
α1 ,m+1 6= 0 .

Necunoscutele principale sunt cele care au coloanele cu 0 şi anume
x2 , x3 ..., xm+1 , celelalte fiind necunoscute secundare.
Noua soluţie admisibilă de bază este:
 
0
 β − β1 α 
 2 α1,m+1 2, m+1 
 .. 
.
 
 
X2 =  β − β1 · αm,m+1
 

 m α1,m+1 
 β1 
 α 1,m +1

 
 0 
...
Soluţia X2 este soluţie admisibilă de bază dacă au loc relaţiile:
β1 β1 β1
≥ 0, β2 − α m+1 ≥ 0, . . . , βm − · αm,m+1 ≥ 0
α1 ,m+1 α1,m+1 2, α1,m+1

Din prima inegalitate rezultă că obligatoriu α1 ,m+1 > 0, deci pivotul
trebuie să fie pozitiv.


Dacă α2 ,m+1 ≤ 0 a doua condiţie este automat ı̂ndeplinită iar dacă
β β
α2 ,m+1 > 0 trebuie ca α2 ,m2+1 ≥ α1 ,m1+1 .


β β
În mod analog tragem concluzia că dacă αm ,m+1 > 0 trebuie ca
βm β1
≥ .
αm ,m+1 α 1 ,m + 1


β β
În mod analog tragem concluzia că dacă αm ,m+1 > 0 trebuie ca
βm β1
≥ .
αm ,m+1 α 1 ,m + 1
Din inegalităţile de mai sus deducem cea de a doua condiţie esenţială
pentru pivot: raportul dintre termenul liber β1 şi pivotul α1,m+1
este cel mai mic dintre toate rapoartele care se obţin ı̂mpărţind
termenii liberi la elementele pozitive corespunzătoare din
β
coloana pivotului, adică α1 ,m1+1 este cel mai mic dintre rapoartele
βi
αi ,m+1 ,cu
αi ,m+1 > 0.
Matematici aplicate in economie. Cercetari operationale Programare liniara
Programare liniară
Formularea problemei canonice.
O firmă intenţionează să producă n tipuri de produse ştiind că poate

să utilizeze m tipuri de resurse. Se cunosc elementele: cantităţile
disponibile din fiecare resursă pe o perioadă precizată (bi cantitatea
din resursa Ri , i = 1, m), beneficiile unitare nete pentru fiecare
produs (cj pentru valorificarea unei bucăţi din Pj , j = 1, n),
coeficienţii tehnologici aij - care reprezintă cantitatea din resursa Ri
ce se foloseşte pentru o unitate din produsul Pj , i = 1, m, j = 1, n.

O firmă intenţionează să producă n tipuri de produse ştiind că poate

să utilizeze m tipuri de resurse. Se cunosc elementele: cantităţile
disponibile din fiecare resursă pe o perioadă precizată (bi cantitatea
din resursa Ri , i = 1, m), beneficiile unitare nete pentru fiecare
produs (cj pentru valorificarea unei bucăţi din Pj , j = 1, n),
coeficienţii tehnologici aij - care reprezintă cantitatea din resursa Ri
ce se foloseşte pentru o unitate din produsul Pj , i = 1, m, j = 1, n.
Se cere să se determine cantităţile ce urmează a fi realizate din fiecare
produs xj =?, j = 1, n, astfel ı̂ncât să se obţină beneficiul total
maxim.

Modelul matematic al acestei probleme este

xj =?, j = 1, n astfel ı̂ncât
   

  a 11 x1 + ...a 1n x n = b 1  

.............................. sistem de restricţii soluţie admisibilă

 

am1 x1 + ... + amn xn = bm de bază.
 


xj ≥ 0, j = 1, n condiţii de nenegativitate

 


f = c1 x1 + ... + cn xn → maximă (funcţia scop, de eficienţă).


Se caută coloana necunoscutelor X astfel ı̂ncât


 AX = b,
X ≥ 0,
f = C X → max

unde
 
a11 a12 ... a1n
 a21 a22 ... a2n 
A = 
 ...
 , X = (x1 , x2 , ..., xn )
... ... ... 
am1 am2 ... amn
şi C = (c1 , c2 , ..., cn ).

Problema generală
În sistemul de restricţii apar ecuaţii şi inecuaţii

Problema generală

Algoritmul simplex NU se poate aplica direct

Problema generală

Se transformă inecuaţiile ı̂n ecuaţii folosind variabile de compensare

Problema generală

Numărul variabilelor de compensare este egal cu numărul inecuaţiilor

Problema generală


Problema generală

Cand adunam si cand scadem?

La fiecare inegalitate ≤ se aduna o variabila de compensare pozitiva
La fiecare inegalitate ≥ se scade o variabila de compensare pozitiva

Problema generală
Exemplu. Să se rezolve următoarea problemă de programare liniară

generală:


 2x1 + x2 + x3 ≤ 50



 − x1 + 4x2 + x4 ≥ 30
x1 + x4 = 15

.

 x3 + x4 = 20
x ≥ 0, j = 1, 4


 j


f = 2x3 − 5x4 → maximă

Algoritmul simplex
Pentru rezolvarea problemei de programare liniară vom folosi

algoritmul simplex (G.B.Dantzig 1947)

Algoritmul simplex

Solutiile problemei de programare liniară se află ı̂ntre solutiile
admisibile de bază ale sistemului de restricţii.

Algoritmul simplex

Solutiile problemei de programare liniară se află ı̂ntre solutiile
admisibile de bază ale sistemului de restricţii.
Se trece de la o solutie admisibila de baza la alta asigurandu-se
imbunatatirea solutiei.

Algoritmul simplex
Considerăm cele două soluţii admisibile de bază:

 
0
β
 β2 − α1,m1+1 α2, m+1
   
β1 
β2
 .. 
.
   
   

 . 
  β − β1 · αm,m+1
 

X1 =  βm  şi X2 =  m α1,m+1 
   β1 

 0 


 α1,m+1


 .   0 
..
 
0 
 .


0

Algoritmul simplex
unde
α1 ,m+1 > 0,

β1 βi
= min ,
α1 ,m+1 αi ,m+1
cu
αi ,m+1 > 0.

Algoritmul simplex
Care sunt valorile funcţiei obiectiv pentru cele două soluţii admisibile de
bază?
f (X1 )
f (X2 )
adică:

Algoritmul simplex
f (X1 ) = C1 β1 + C2 β2 + ... + Cm βm .

β1
f (X2 ) = C2 β2 − α2 ,m+1 + ...
α1 ,m+1

β1
... + Cm βm − αm ,m+1 + ...
α1 ,m+1
β1
... + Cm+1 .
α1 ,m+1

Algoritmul simplex
Rearanjăm expresia lui f (X2 ) asfel:
β1
f (X2 ) = C2 β2 + ... + Cm βm + Cm+1 −
α1 ,m+1
β1
− (C2 α2 ,m+1 +... + Cm αm ,m+1 ).
α 1 ,m + 1

Algoritmul simplex
Ţinem cont de expresia lui f (X1 ) şi avem:
f (X2 ) = f (X1 ) − C1 β1 +
β1
+ [Cm+1 − (C2 α2 ,m+1 +...
α1 ,m+1
... + Cm αm ,m+1 )]

Algoritmul simplex
Mai departe:
β1
f (X2 ) = f (X1 ) + ·
α 1 ,m + 1
not. fm+1
  
z }| {
· Cm+1 − C1 α1 ,m+1 +C2 α2 ,m+1 +... + Cm αm ,m+1 

Algoritmul simplex
Aşadar
β1
f (X2 ) = f (X1 ) + (Cm+1 − fm+1 ) .
α1 ,m+1
Când e X2 soluţie mai bună decât X1 ? Atunci când
β1
(Cm+1 − fm+1 ) > 0
α1 ,m+1

Algoritmul simplex
Dar
β1
≥0
α 1 ,m + 1
aşa că trebuie să avem:
( Cm + 1 − fm + 1 ) > 0
adică
Cm+1 > fm+1 .

Algoritmul simplex
În concluzie putem ı̂mbunătăţii soluţia dacă avem diferenţe
(Cm+1 − fm+1 ) > 0.
NU mai putem ı̂mbunătăţii soluţia dacă
Cj − fj ≤ 0, ∀j = 1, n
(condiţiile de optimalitate)

Algoritmul simplex
Pas1 Se determină o soluţie admisibilă de bază;

Pas2 Se verifică dacă sunt ı̂ndeplinite condiţiile de optimalitate
1 Dacă DA atunci se trece la pasul 3;
2 Dacă NU atunci se trece la o altă soluţie admisibilă de bază alegând
element pivot de pe coloana pe care diferenţa Cj − fj este maxima. Se
reia la pasul 2.
Pas3 Se citeşte soluţia optimă şi valoarea optimă a funcţiei.

Algoritmul simplex
Exemplu Să se rezolve următoarea problemă de programare liniară:



 x1 + 2x2 + 2x3 − x4 = 6
 x1 + x2 + 2x4 = 5


2x1 − x2 + x3 + x4 = 8
x ≥ 0, j = 1, 4

 j



f = 2x1 + x2 + 5x3 + 3x4 −→ max

Situatii speciale 1
Maxim ∞:
Dacă există o singură coloană pentru care diferenţa cj − fj e pozitivă iar
elementele coloanei sunt negative ı̂nseamnă că maximul funcţiei e infinit.

Situaţii speciale 2
Solutii degenerate
Dacă avem de ales ı̂ntre două rapoarte minime egale se aplică ordonarea
lexicografică:
se compară elmentele celor 2 linii pentru care rapoartele sunt egale,
fiecare ı̂mparţit la potenţialul pivot

Solutii degenerate
lexicografică:
comparaţia se face luând ı̂n considerare ordonarea lexicografică, adică
se compară componentele celor 2 linii două câte 2 ı̂ncepând de la
stânga spre dreapta

Solutii degenerate
lexicografică:
se alege pivotul de pe linia pe care apare primul element mai mic
decât corespondentul său de pe cealaltă linie.

Solutii degenerate
lexicografică:
se alege pivotul de pe linia pe care apare primul element mai mic
decât corespondentul său de pe cealaltă linie.
soluţia obţinută este degenerată

Soluţii multiple
Atunci când numărul zerourilor de pe linia cj − fj ı̂n cazul unei soluţii
optime este mai mare decât numărul necunoscutelor principale
ı̂nseamnă că problema poate avea mai multe soluţii optime care se
determină alegând element pivot pe rând de pe coloanele respective.

Soluţii multiple
Atunci când numărul zerourilor de pe linia cj − fj ı̂n cazul unei soluţii
optime este mai mare decât numărul necunoscutelor principale
ı̂nseamnă că problema poate avea mai multe soluţii optime care se
determină alegând element pivot pe rând de pe coloanele respective.
Soluţia generala a problemei se scrie ca şi combinaţie liniară convexă
a soluţiilor determinate.

Problemă de minim
Dacă se cere minimizarea funcţiei scop singura modificare apare la
condiţia de optimalitate: cj − fj ≥ 0, ∀j = 1, 2, ..., n
Se alege pivot de pe coloana pe care diferenţa cj − fj este cea mai
mare in modul.

Problema de transport
Problema de repartiţie (de transport)
O problemă de programare liniară de o structură specială este problema de

repartiţie. La o astfel de problemă se evidenţiază:
grupul de restricţii care se ı̂mparte ı̂n două
condiţiile de negativitate
funcţia scop de obicei trebuie minimizată

Formularea economică
La m furnizori (producători) se află un tip de produs care va fi solicitat de

către n beneficiari (consumatori).
Se cunosc:
cantităţile ai , i = 1, m disponibile existente la fiecare furnizor
Fi , i = 1, m,
cantitatea bj solicitată de fiecare beneficiar Bj
costurile unitare de transport de la fiecare furnizor la fiecare beneficiar
cij de la Fi la Bj .

Formularea economică
Se cer: cantităţile (xij ) ce urmează a fi transportate de la fiecare furnizor

la fiecare beneficiar astfel ı̂ncât:
toată cantitatea disponibilă să fie transportată;
toată cantitatea solicitată de fiecare beneficiar să fie primită;
costul total al transportului să fie minim.

Formularea matematică
Căutăm necunoscutele xij =? i = 1, m, j = 1, n astfel ı̂ncât:

n
∑ xij = ai i = 1, m - toată cantitatea de la Fi să fie transportată;
j =1
m
∑ xij = bj j = 1, n - toată cantitatea solicitată de Bj să fie primită;
i =1
xij ≥ 0 i = 1, m, j = 1, n - condiţii de nenegativitate;

m n
f = ∑ ∑ cij xij să fie minimă.
i =1 j =1

Conditia de echilibru
m n
∑ ai = ∑ bj
i =1 j =1
care arată că totalul cantităţilor disponibile coincide cu totalul cantităţilor

necesare solicitate.

Conditia de echilibru
m n
∑ ai = ∑ bj
i =1 j =1
care arată că totalul cantităţilor disponibile coincide cu totalul cantităţilor

necesare solicitate.
Dacă problema nu este echilibrată atunci ea se poate echilibra prin
considerarea unui furnizor fictiv ı̂n primul caz sau a unui beneficiar fictiv ı̂n
al doilea caz astfel ı̂ncât problema să devină echilibrată.
În continuare ne vom ocupa doar de cazul problemei echilibrate.

Rezolvarea problemei
Algoritmul distributiv
Pentru rezolvarea problemei enunţate se va formula un algoritm numit
algoritmul distributiv, etapele căruia se parcurg comod prin considerarea
unui tabel asociat problemei de transport. În tabelul cu două intrări se
evidenţiază pe linii datele referitoare la furnizori şi pe coloane se
evidenţiază datele referitoare la beneficiari.

Algoritmul distributiv
Pentru rezolvarea problemei enunţate se va formula un algoritm numit
algoritmul distributiv, etapele căruia se parcurg comod prin considerarea
unui tabel asociat problemei de transport. În tabelul cu două intrări se
evidenţiază pe linii datele referitoare la furnizori şi pe coloane se
evidenţiază datele referitoare la beneficiari.
La intersecţia unei linii Fi cu coloana Bj apare ı̂n tabel ceea ce se numeşte

,,căsuţa cu 4 camere” ı̂n fiecare cameră urmând a fi ı̂nregistrat un anumit
element.
Bj
cij ui + vj
Fi
± xij

Modelul matematic al problemei de transport xij =? i = 1, m, j = 1, n

(m - furnizori, n - beneficiari) astfel ı̂ncât:
n

∑ xij = ai i = 1, m



j =1


m


∑ xij = bj j = 1, n


i =1


 xij ≥ 0 i = 1, m, j = 1, n
m n


 f = ∑ ∑ cij xij → min.



i =1 j =1

Modelul matematic al problemei de transport xij =? i = 1, m, j = 1, n

(m - furnizori, n - beneficiari) astfel ı̂ncât:
n

∑ xij = ai i = 1, m



j =1


m


∑ xij = bj j = 1, n


i =1


 xij ≥ 0 i = 1, m, j = 1, n
m n


 f = ∑ ∑ cij xij → min.



i =1 j =1
cu condiţia de echilibru:
m n
∑ ai = ∑ bj
i =1 j =1

Examinând modelul matematic rezultă că avem mn necunoscute şi m + n

ecuaţii. Vom avea m + n − 1 ecuaţii principale (din cauza condiţiei de
echilibru rezultă că o ecuaţie e secundară)
Din cele m n necunoscute numai m + n − 1 vor fi necunoscute principale,
toate celelalte fiind necunoscute secundare.

Rezolvarea problemei.
Determinarea unei solutii admisibile de baza:

Metoda coltului NV

Exemplu
La doi furnizori se află acelaşi tip de produs ı̂n cantităţile: 80 buc. la primul (F1 )
şi 140 buc. la al doilea (F2 ). Trei beneficiari solicită acest produs ı̂n cantităţile
60, 90, 70. Costurile unitare de transport sunt prezentate ı̂n matricea:

2 3 5
C =
4 1 2
Să se determine cantităţile ce vor fi transportate de la fiecare furnizor către

fiecare beneficiar astfel ı̂ncât cerinţele să fie ı̂ndeplinite.

xij =? i = 1, 2, j = 1, 3 astfel ı̂ncât

x11 +x12 +x13 = 80
x21 +x22 +x23 = 140

 x11 +x21 = 60
x12 +x22 = 90
x13 +x23 = 70

xij ≥ 0 i = 1, 2, j = 1, 3
f = 2 x11 + 3 x12 + 5x13 + 4x21 + x22 + 2x23 → min

Tabelul asociat acestei probleme va fi:
B F B1 B2 B3 Cant
2 3 5
Fi 80
x11 x12 x13
4 1 2
F2 140
x21 x22 x23
Cant 60 90 70 230230
Avem 2 3 = 6 - necunoscute; 2 + 3 = 5 - restricţii; 2 + 3 − 1 = 4 -

necunoscute principale

Determinarea unei solutii adimisibile de baza:

Metoda coltului NV
Intr-o casuta:
necunoscutele secundare se ı̂nscriu cu punct


Metoda coltului NV
Intr-o casuta:
Căsuţele ocupate sunt căsuţele ce corespund necunoscutelor principale
(acelea la care am ı̂nscris valorile).


Metoda coltului NV
Intr-o casuta:
Căsuţele care corespund necunoscutelor secundare (cu ·) se numesc
căsuţe libere.


Metoda coltului NV
Intr-o casuta:
căsuţe libere.


Metoda coltului NV
Intr-o casuta:
căsuţe libere.

Algoritmul distributiv pentru rezolvarea problemelor de transport:

similar cu algoritmul simplex
Algoritmul distributiv:
Etapa 1. Se determină o soluţie iniţială de bază.


Etapa 2. Se verifică optimalitatea soluţiei.


Etapa 3. Se ı̂mbunătăţeşte soluţia.


Etapa 4. Se repetă etapele 2,3 până când toate condiţiile de optimalitate
vor fi ı̂ndeplinite.


Etapa 4. Se repetă etapele 2,3 până când toate condiţiile de optimalitate
vor fi ı̂ndeplinite.
Etapa 5. Se scrie soluţia optimă şi se calculează valoarea minimă a lui f .

Verificarea optimalitatii
verificarea optimalităţii se face cu ajutorul unor necunoscute ,,duale”:

ui → care corespund furnizorilor
vj → care corespund beneficiarilor
soluţii ale sistemului de ecuaţii
ui + vj = cij , xij nec. principale (căsuţe ocupate).


Condiţia de optimalitate:
după rezolvarea sistemului trebuie să aibă loc inegalităţile:
cij ≥ ui + vj , xij nec. secundare (căsuţele libere).


Condiţia de optimalitate:
după rezolvarea sistemului trebuie să aibă loc inegalităţile:
cij ≥ ui + vj , xij nec. secundare (căsuţele libere).
Exemplu

Etapa 3.
Dacă cel puţin o condiţie de optimalitate nu este ı̂ndeplinită
ci0 j0 < ui0 + vj0 ı̂nseamnă că soluţia nu este optimă şi ea trebuie
ı̂mbunătăţită ı̂n sensul că necunocuta secundară xi0 j0 care e zero, trebuie
să devină necunoscută principală. Aceasta se realizează prin adunarea la
zero a unei cantităţi α unde α se determină astfel ı̂ncât toate ecuaţiile care
au necunoscuta xi0 j0 să rămână satisfăcute, xi0 j0 = 0 + α.

Dacă se adună α ı̂ntr-un loc atunci α trebuie să se scadă din alt loc.

Scăderile se vor putea face doar de la necunoscutele care au valori
pozitive (sunt necunoscute principale).

operaţiile de adunare / scădere se vor face ı̂ntr-un aşa zis ,,ciclu de
căsuţe” format dintr-o succesiune de căsuţe, prima de la care se
pleacă fiind căsuţă liberă, toate celelalte fiind căsuţe ocupate.

operaţiile de adunare / scădere se vor face ı̂ntr-un aşa zis ,,ciclu de
căsuţe” format dintr-o succesiune de căsuţe, prima de la care se
pleacă fiind căsuţă liberă, toate celelalte fiind căsuţe ocupate.
În acest mod se obţine o nouă soluţie care este mai bună decât
vechea soluţie, adică valoarea funcţiei pentru noua soluţie este mai
mică decât valoarea funcţiei pentru soluţia anterioară.

Exemplu
Să se rezolve problema de transport dată prin tabelul:
v1 = 1 v2 = 5 v3 = 10
4 4 2 8 3 13
u1 = 3 100
100 · ·
1 1 5 5 2 10
u2 = 0 300 250
50 − 250 + ·
3 −2 2 2 7 7
u3 = −3 200
· + 0 − 200
150 250 200
50

Cazuri speciale
Solutii degenerate
Daca la calculearea solutiei initiale, la un furnizor si la un beneficiar se
epuizeaza, respectiv se completeaza cantitatile in acelasi timp pentru
a se evita ’pierderea’ unei necunoscute principale, una din casutele de
pe coloana sau linia respectiva se va completa cu 0 si va fi
considerata casuta ocupata;

Cazuri speciale
Solutii degenerate
Daca in cadrul unui ciclu de casute avem mai multe valori minime
egale in casutele cu semn negativ, doar una din ele va deveni casuta
libera, restul fiind completate cu zerouri si considerate casute
principale.

Cazuri speciale
Solutii degenerate
principale.
Daca unul din cazurile de mai sus apare, solutia obtinuta va fi
degenerata (vom avea necunoscute principale cu valoarea 0).

Cazuri speciale
Solutii degenerate
principale.

Cazuri speciale
Solutii degenerate
principale.
Observatie
Numarul necunoscutelor principale trebuie sa fie constant (m + n − 1).

Curs Programare

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 Programare

Încărcat de

Drepturi de autor:

Formate disponibile

Matematici aplicate in economie

lect. dr. Rodica Ioana LUNG

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 1 / 52

Elemente de algebră liniară.

Multe din problemele economice, respectiv din aplicaţiile matematicii

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 2 / 52

Elemente de algebră liniară.

Multe din problemele economice, respectiv din aplicaţiile matematicii

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 2 / 52

Elemente de algebră liniară.

Multe din problemele economice, respectiv din aplicaţiile matematicii

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 2 / 52

Elemente de algebră liniară.

Multe din problemele economice, respectiv din aplicaţiile matematicii

unde ai j sunt coeficienţi reali, aij ∈ R, i = 1, m, j = 1, n; bi ∈ R,

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 2 / 52

Elemente de algebră liniară.

Multe din problemele economice, respectiv din aplicaţiile matematicii

unde ai j sunt coeficienţi reali, aij ∈ R, i = 1, m, j = 1, n; bi ∈ R,

Transformări elementare ı̂n matrici

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 4 / 52

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 5 / 52

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 5 / 52

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 5 / 52

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 5 / 52

Dacă pe linia pivotului avem elemente egale cu 0 atunci coloana

Metoda eliminarii complete pentru rezolvarea sistemelor de

se scrie matricea extinsa a sistemului sub forma de tabel

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 6 / 52

Metoda eliminarii complete pentru rezolvarea sistemelor de

se scrie matricea extinsa a sistemului sub forma de tabel

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 6 / 52

Metoda eliminarii complete pentru rezolvarea sistemelor de

se scrie matricea extinsa a sistemului sub forma de tabel

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 6 / 52

Metoda eliminarii complete pentru rezolvarea sistemelor de

se scrie matricea extinsa a sistemului sub forma de tabel

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 6 / 52

Metoda eliminarii complete pentru rezolvarea sistemelor de

se scrie matricea extinsa a sistemului sub forma de tabel

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 6 / 52

Metoda eliminarii complete pentru rezolvarea sistemelor de

se scrie matricea extinsa a sistemului sub forma de tabel

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 6 / 52

Metoda eliminarii complete pentru rezolvarea sistemelor de

se scrie matricea extinsa a sistemului sub forma de tabel

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 6 / 52

Solutii admisibile de baza

Din mulţimea tuturor soluţiilor unui sistem de ecuaţii liniare se poate

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 7 / 52

Solutii admisibile de baza

Din mulţimea tuturor soluţiilor unui sistem de ecuaţii liniare se poate

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 7 / 52

Solutii admisibile de baza

Din mulţimea tuturor soluţiilor unui sistem de ecuaţii liniare se poate

Soluţii admisibile de bază

Rodica Ioana LUNG ()

Soluţii admisibile de bază

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 9 / 52

Soluţii admisibile de bază

În continuare cu ajutorul regulii dreptunghiului vrem să trecem de la

Rodica Ioana LUNG () Cercetari operationale October 6, 2009 9 / 52

Soluţii admisibile de bază