Documente Academic
Documente Profesional
Documente Cultură
⎧n
⎪∑ aij x j ≥ bi , i = 1, m1 , m1 ∈ N
⎪ j =1
⎪⎪ n
I.1.1 ⎨∑ aij x j = bi , i = m1 + 1, m2 , m1 ≤ m2 ∈ N .
⎪ j =1
⎪n
⎪∑ aij x j ≤ bi , i = m2 + 1, m, m2 ≤ m ∈ N
⎪⎩ j =1
n
Observaţie: ∑a ij x j ≤ (≥ )bi , pentru un i fixat, reprezintă un hiperplan cu
j =1
n
frontiera d i : ∑ aij x j = bi . Dacă i ia toate valorile posibile, se obţine un
j =1
I.1.2 x j ≥ 0 , ∀j ∈ 1, n .
Analiza economico-matematică a unor modele liniare
n n
I.1.3 [max] f = ∑ c j x j sau [min] f = ∑ c j x j .
j =1 j =1
⎛ a1 j ⎞
⎜ ⎟
⎜ ... ⎟
α i = (ai1 ... aij ... ain ) ∀i ∈ 1, m , şi coloanele a j = ⎜ aij ⎟ ∀j ∈ 1, n ;
⎜ ⎟
⎜ ... ⎟
⎜a ⎟
⎝ mj ⎠
⎛ x1 ⎞ ⎛ b1 ⎞
⎜ ⎟ ⎜ ⎟
⎜ ... ⎟ ⎜ ... ⎟
X = ⎜ x j ⎟ ; b = ⎜ b j ⎟ ; c = (c1 ... c j ... c n ) ; J = {1,..., n} , I = {1,..., m}.
⎜ ⎟ ⎜ ⎟
⎜ ... ⎟ ⎜ ... ⎟
⎜x ⎟ ⎜b ⎟
⎝ n⎠ ⎝ m⎠
Forma generală a problemei de programare liniară. Definiţii şi proprietăţi fundamentale
⎧α i X ≥ bi , i = 1, m1
⎪⎪
I.1.1' ⎨α i X = bi , i = m1 + 1, m2 ,
⎪
⎪⎩α i X ≤ bi , i = m2 + 1, m
I.1.2' X ≥ 0,
I.1.3' [opt ] f = cX .
Forma mixtă
⎧α i X ≥ bi , i ∈ I 1 ⊂ I
⎨
⎩α i X = bi , i ∈ I \ I 1
X ≥0
[opt ] f = cX
Optim
maxim minim
Restricţie
≤ Concordantă. Nonconcordantă.
≥ Nonconcordantă. Concordantă.
⎧α X ≤ bi
(O2) α i X = bi , i ∈ I ⇔ ⎨ i ;
⎩α i X ≥ bi
(O3) α i X ≤ bi , i ∈ I → α i X + x n +i = bi ;
α i X ≥ bi , i ∈ I → α i X − x n +i = bi ,
( )
Considerăm B = a j1 ,..., a jk ,..., a jm , unde a j1 ,..., a jk ,..., a jm sunt m
vectori liniar independenţi, j k ∈ J , k ∈ 1, m . Atunci x j1 ,..., x jk ,...x jm sunt
variabilele bazice şi rangA=m. Variabilele x j , j ∈ J \ { j1 ,..., j m } se vor
numi variabile nebazice, relativ la baza B; numărul lor este (n − m ) .
D 4 Vom numi SAB (soluţie admisibilă de bază) corespunzătoare bazei
( )
B = a j1 ,..., a jk ,..., a jm un ansamblu de valori ale variabilelor x1 ,...., x n care
îndeplinesc condiţiile:
- AX = b şi X ≥ 0 .
Analiza economico-matematică a unor modele liniare
(
- Valorile variabilelor bazice sunt pozitive x jk ≥ 0, ∀k ∈ 1, m şi ale celor)
nebazice sunt nule (x j = 0, ∀j ∈ J \ { j1 ,..., j m }) .
Dacă SAB conţine exact m = rangA componente strict pozitive,
atunci ea se numeşte nedegenerată, iar în caz contrar, se numeşte soluţie
degenerată.
⎛XB⎞
Sistemul de restricţii AX = b admite scrierea: (B R )⎜⎜ R ⎟⎟ = b ,
⎝X ⎠
echivalentă cu forma canonică a sistemului de
−1 −1
restricţii: X = B ⋅ b − B ⋅ R ⋅ X , din care rezultă o soluţie admisibilă de
B R
bază:
⎧⎪ X B = B −1 ⋅ b not
⎨ R , dacă B −1 ⋅ b = X B ≥ 0 .
⎪⎩ X = 0
( )
Teorema 3: Dacă sistemul de vectori a j1 ...a jm este liniar independent în
spaţiul bunurilor Rm şi a j1 x j1 + ... + a jm x jm = b , atunci
(
X = 0...x j1 ...x jm ...0 )
T
este punct de extrem (vârf) al poliedrului convex χ.
Reciproca este de asemenea adevărată.
n
Teorema 4: O funcţie liniară f ( X ) = ∑ c j x j , unde X ∈ χ , convexă, îşi
j =1
atinge valoarea optimă, dacă aceasta există, într-un punct de extrem (vârf) al
mulţimii χ.
2 a) Problema duală
n • max( f ) ui ≥ 0
∑a
j =1
ij x j ≤ bi ⇒
• min( f ) ui ≤ 0
n
∑a
j =1
lj x j = bl ul ∈ R
n • max( f ) up ≤ 0
∑a
j =1
pj x j ≥ bp ⇒
• min( f ) up ≥ 0
Analiza economico-matematică a unor modele liniare
[max] f = 15 x1 + 20 x 2 + 18 x3
conc
3 x1 + 2 x 2 + 1x3 ≤ 820 → u1 ≥ 0
[max] f
nonc
7 x1 + 1x 2 + 11x3 ≥ 400 → u 2 ≤ 0
[max] f
eg.
20 x1 + 17 x2 + 3 x3 = 680 → u3 ∈ R
[max] f
Determinate de condiţiile
impuse asupra variabilelor
primalei şi de tipul de optim
al dualei.
[max] f = cX [min]g = Ub
(P.P.) {AX≤b şi (P.D.) {UA ≥ c
X ≥0 U ≥0
Forma generală a problemei de programare liniară. Definiţii şi proprietăţi fundamentale
Problema primală
Variabile x1 ≥ 0 x2 ≥ 0 … xn ≥ 0 Relaţii Disponibi
l
u1 ≥ 0 a11 a12 … a1n ≤ b1
u2 ≥ 0 a 21 a 22 … a2n ≤ b2
Problema … … … … … … …
duală um ≥ 0 a m1 am2 … a mn ≤ bm
Relaţii ≥ ≥ … ≥ ↓
[min]g
Venituri c1 c2 … cn → [max
unitare
Teorema 3: Fiind dat un cuplu de probleme duale, una şi numai una din
următoarele afirmaţii este adevărată:
i) Cele două probleme au soluţii admisibile. În acest caz, ele admit şi
soluţii optime finite şi valorile optime ale funcţiilor obiectiv coincid.
ii) Una din probleme are soluţii admisibile, cealaltă nu. În acest caz,
prima are optim nemărginit, iar duala sa nu are soluţii.
iii) Nici una din probleme nu are soluţii.
Analiza economico-matematică a unor modele liniare
I.3.1 [min ] f = 40 x1 + 45 x 2
[min ] f = 40 x1 + 45 x2
⎧ x1 x 2
⎪ 3 + 2 ≤ 40
⎪⎪
I.3.2 ⎨ x1 + x 2 ≤ 100 , cu forma standard
⎪ x1 ≥ 30
⎪
⎪⎩ x 2 ≥ 20
⎧2 x1 + 3 x 2 + x3 = 240
⎪ x + x + x = 100
⎪ 1 2 4
⎨
⎪ x1 − x5 = 30
⎪⎩ x 2 − x6 = 20
x2
B
F
( D0 ) G E C
(d 4 )
20 A
D
x1
O 30 100 120
(d1 )
(d 3 ) (d 2 )
S I {(x1 , x2 ) x1 ≥ 0, x2 ≥ 0} ,
Forma generală a problemei de programare liniară. Definiţii şi proprietăţi fundamentale
[min] f = 40 x1 + 45 x 2
⎧ x1 x2
⎪ 3 + 2 ≤ 40
⎪⎪
⎨ x1 + x2 ≤ 100
⎪40 ≤ x1 ≤ 55
⎪
⎪⎩50 ≤ x2 ≤ 60
x j ≥ 0, j = 1,2
Conform restricţiilor problemei mulţimea χ este nevidă şi mărginită.
În următoarea figură este reprezentată această mulţime şi (D0 ) : 40 x1 + 45 x 2 = 0
x2
100
Figura I.3.2
80
60
50
B' (d 4 )
A' C'
C
( D0 ) (d 3 )
O 40 55 100 120
x1
(d1 )
(d 2 )
Analiza economico-matematică a unor modele liniare
x j ≥ 0, j = 1,2 x j ≥ 0, j = 1,5
Pentru a rezolva geometric problema, reprezentăm în spaţiul x1Ox 2
mulţimea soluţiilor admisibile χ:
x2
660
Figura I.3.3
300
225
A B
( D0 )
C
T.I.3.3
Vâr Coordonate SAB Valorile funcţiei
f economice
O x1 = 0 x1 = 0 x3 = 45
x5 = 66 0
x2 = 0 x2 = 0 x4 = 75
A x1 = 0 x1 = 0 x3 = 0
x5 = 43,5 12150
x 2 = 225 x 2 = 225 x 4 = 18,75
B x1 = 750 / 7 x1 = 750 / 7 x3 = 0 109800
x5 = 117 / 7 = 15685,7
x 2 = 1200 / 7 x 2 = 1200 / 7 x 4 = 0 7
[max] f
C x1 = 200 x1 = 200 x3 = 13
x5 = 0 15240
x 2 = 60 x 2 = 60 x4 = 0
⎡ 750 ⎤
x1 = ⎢ = 107
⎣ 7 ⎥⎦
şi f = 15654 .
⎡1200 ⎤
x2 = ⎢ = 171
⎣ 7 ⎥⎦
[max] f = 60 x1 + 54 x 2
⎧0,1x1 + 0,2 x 2 ≤ 65
⎪
I.3.4 ⎨0,3 x1 + 0,25 x 2 ≤ 100
⎪0,3 x + 0,1x ≤ 66
⎩ 1 2
x j ≥ 0, j = 1,2
x2
660
Figura I. 1.3.4
400
325
A
B
( D0 ) C
(d )
'
1
D
220
(d ) x1
O 333,3 '
650
2
(d 3 )
660
Figura I.3.5
400
325
200 A D
170 B C
x2
700
Figura I.3.6
300
B E
275 A
C
1100
D 500
O 420
(d1 ) (d3 ) (d 2 ) x1
Forma generală a problemei de programare liniară. Definiţii şi proprietăţi fundamentale
Tabelul sinteză
Valorile funcţiei
Vârf Coordonate SAB
economice
x1 = 0 x1 = 0 x3 = 2100
O ; ; x5 = 1500 0
x2 = 0 x 2 = 0 x 4 = 550
x1 = 0 x1 = 0 x3 = 1275
A ; ; x5 = 125 5500
x 2 = 275 x 2 = 275 x 4 = 0
x1 = 500 / 7 x1 = 500 / 7 x3 = 6800 / 7 43500
; ; x5 = 600 ≈ 6214,28
B
x 2 = 1800 / 7 x 2 = 1800 / 7 x 4 = 0 7
x1 = 375 x1 = 375 x3 = 0
C ; ; x5 = 0 7125
x 2 = 75 x 2 = 75 x 4 = 425 / 2 [max] f
x1 = 420 x1 = 420 x3 = 0
D ; ; x5 = 240 6300
x2 = 0 x2 = 0 x 4 = 340
T.1.3.7
Consumuri specifice Venituri
Produse
M1 M2 unitare
P1 2u.c1 4 u.c 3 u.m.
Soluţie:
• Modelul matematic
Venituri Venit
aşteptate total
SECŢIE
2 u.c M 1 , 4 u.c M 2 3x1
x1 produse P1
⇒ [max] f = 3 x1 + 5 x 2
5 u.c M 1 , 1 u.c M 2 5x 2
x 2 produse P2
⎧2 x1 + 5 x 2 ≤ 16
⎨
⎩4 x1 + x 2 ≤ 11
x j ≥ 0, j = 1,2
1
Unităţi convenţionale = u.c.
Forma generală a problemei de programare liniară. Definiţii şi proprietăţi fundamentale
[max] f = 3 x1 + 5 x 2
⎧2 x1 + 5 x 2 + x3 = 16
• Forma standard: ⎨ .
⎩4 x1 + x 2 + x 4 = 11
x j ≥ 0, j = 1,4
• Mulţimea soluţiilor admisibile corespunzătoare modelului elaborat:
x2
11
Figura I.3.7
(d 2 )
16/5 A
B
(d1 ) x1
C
O 11/4 9
• Tabelul sinteză:
2 x1 + 5 x 2 ≤ 16 u1 ≥ 0
4 x1 + 1x 2 ≤ 11 u2 ≥ 0
x1 ≥ 0 2u1 + 4u 2 ≥ 3
x2 ≥ 0 5u1 + u 2 ≥ 5
Soluţia grafică a dualei rezultă din figura următoare, în care χ este
nevidă, convexă şi nemărginită.
x2
Figura I.3.8
D
5
(d 2 )
(d1 )
3/4
E
O 1 F x1
3/2
Forma generală a problemei de programare liniară. Definiţii şi proprietăţi fundamentale
[max] f = 3 x1 + 5 x 2
⎧2 x1 + 5 x 2 ≤ 16 + 1
⎨ ,
⎩4 x1 + x 2 ≤ 11
x j ≥ 0, j = 1,2
[max] f = 3 x1 + 5 x 2
⎧2 x1 + 5 x 2 + x3 = 16 + 1
⎨
⎩4 x1 + x 2 + x 4 = 11
x j ≥ 0, j = 1,4
• Mulţimea soluţiilor admisibile este OA 1 B 1 C şi este reprezentată
mai jos:
x2
11
Figura I.3.9.
(d 2 )
A1
3,4
B1
(d1 )
8,5
O C 11/4 x1
Forma generală a problemei de programare liniară. Definiţii şi proprietăţi fundamentale
• Tabelul sinteză:
x 2 = 23 / 9 x 2 = 23 / 9 x 4 = 0 [max] f = 19,1(1)
x1 = 11 / 4 x1 = 11 / 4 x3 = 23 / 2 55/4=13,75
C
x2 = 0 x2 = 0 x4 = 0
⎛ 172 109 17 ⎞
Un calcul simplu şi anume o diferenţă ⎜ − = ⎟ ne permite
⎝ 9 6 8⎠
să tragem o concluzie care este adevărată în general, nu numai în acest caz
particular: "dacă decidentul măreşte disponibilul din resursa 1 cu o unitate,
valoarea implicită a acelei unităţi este egală cu creşterea corespunzătoare a
valorii optimale a venitului total". Această creştere corespunde valorii
optime a variabilei dualei modelului iniţial, care a fost corespondenta
17
restricţiei cu disponibilul modificat, şianume u1* = .
19
Am stabilit că o unitate de materie primă M 1 participă cu
17/8=2,125 unităţi monetare la venitul total. Se poate mări acest disponibil
oricât de mult şi venitul să crească continuu? Pentru a afla răspunsul, se va
exprima disponibilul din b1 ca o funcţie liniară de parametru α ∈ R + :
[max] f = 3 x1 + 5 x 2
⎧2 x1 + 5 x 2 ≤ 16 + α
⎨ , α ∈ R *+
⎩4 x1 + x 2 ≤ 11
x j ≥ 0, j = 1,2
Analiza economico-matematică a unor modele liniare
x2
Figura I.3.10
11
(d )
1
4
(d ) 3
1
A1
B1
16/5 (d )1
2
A B
(d )
1
1
C x1
O 11/4 8
9
(d 2 ) Figura I.3.11
7
17/3
A
( D0 )
B
(d1 )
C 17/2
O 6 7 x1
(d 3 )
Analiza economico-matematică a unor modele liniare
⎧1 1
⎪ 50 x1 + 25 x 2 ≤ 20 ⇔ x1 + 2 x 2 ≤ 1000
⎪
⎪ x1 ≤ 400
⎪
⎨ x 2 ≤ 500
⎪3 x + 2 x ≤ 1500
⎪ 1 2
⎪ 25
⎪⎩ x 2 ≥ 100 ( x1 + x 2 ) ⇔ − x1 + 3 x 2 ≥ 0
x j ≥ 0, j = 1,2
Deoarece un termen liber are valoare zero, pot exista soluţii
admisibile degenerate.
• Forma standard:
[max] f = 125 x1 + 117 x 2
⎧ x1 + 2 x 2 + x3 = 1000
⎪ x + x = 400
⎪⎪ 1 4
⎨ x 2 + x5 = 500
⎪3 x + 2 x + x = 1500
⎪ 1 2 6
⎪⎩− x1 + 3 x 2 − x7 = 0
x j ≥ 0, j = 1,7
• Reprezentarea grafică a mulţimii χ:
(d1 ) : x1 + 2 x2 = 1000
(d 2 ) : x1 = 400
(d 3 ) : x2 = 500
(d 4 ) : 3x1 + 2 x 2 = 1500
(d 5 ) : − x1 + 3x 2 = 0
(D0 ) : 125 x1 + 117 x2 = 0
Forma generală a problemei de programare liniară. Definiţii şi proprietăţi fundamentale
x2
Figura I.3.12
750
(d 2 )
(d 3 )
500 A
( D0 )
C
(d1 )
(d 5 ) D
• Tabelul sinteză:
Soluţie:
• Forma standard:
[max] f = c1 x1 + 2 x2
⎧ x1 + 2 x2 + x3 = 6
⎨ .
⎩ x1 + x2 + x4 = 5
x j ≥ 0, j = 1,4
• Reprezentarea grafică a mulţimii soluţiilor admisibile :
(d1 ) : x1 + 2 x2 = 6
(d 2 ) : x1 + x 2 = 5
x2
Figura I.3.13
A
3
O C 6 x1
d1
d2
● Tabelul sinteză:
Vârf Coordonate SAB f (SAB )
A x1 = 0 x1 = 0 x3 = 0 6
x2 = 3 x2 = 3 x4 = 2
B x1 = 4 x1 = 4 x3 = 0 4c1 + 2
x2 = 1 x2 = 1 x4 = 0
C x1 = 5 x1 = 5 x3 = 1 5c1
x2 = 0 x2 = 0 x4 = 0
Analiza economico-matematică a unor modele liniare
⎛ 1 ⎞ ⎛ 1 ⎞
⎛ x2 ⎞ ⎜ 2 0 ⎟⎛ 6 ⎞ ⎜
2
0 ⎟⎛1 1 ⎞⎛ x ⎞
⎜⎜ ⎟⎟ = ⎜ ⎟⎜⎜ ⎟⎟ − ⎜ ⎟⎜⎜ ⎟⎟⎜⎜ 1 ⎟⎟
⎝ x 4 ⎠ ⎜⎜ − 1 5
1 ⎟⎟⎝ ⎠ ⎜⎜ −
1
1 ⎟⎟⎝ 1 0 ⎠⎝ x3 ⎠
⎝ 2 ⎠ ⎝ 2 ⎠
adică,
⎛ 1 1 ⎞
⎛ x2 ⎞ ⎛ 3 ⎞ ⎜ 2 ⎟
2 ⎟⎛⎜ x1 ⎞⎟ .
⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ − ⎜
⎝ x4 ⎠ ⎝ 2 ⎠ ⎜⎜ − 1 1 ⎜ ⎟
− ⎟⎟⎝ x3 ⎠
⎝ 2 2⎠
Dacă x1 = 0 , x2 = 3 , x3 = 0 şi x 4 = 2 se obţine soluţia admisibilă de
bază corespunzătoare vârfului A. Baza (a 2 a 4 ) este optimală dacă
⎧6 ≥ 4c1 + 2
[max] f = f ( A) = 6 şi ⎨ ⇔ c1 ≤ 1 .
⎩6 ≥ 5c1
Din considerente economice, c1 poate reprezenta un profit unitar, aşadar,
c1 ∈ (0,1]
Problema duală se scrie conform regulilor cunoscute şi rezultă:
[min ]g = 6u1 + 5u2
⎧u1 + u2 ≥ c1
⎨
⎩2u1 + u2 ≥ 2
ui ≥ 0 , i = 1,2
Forma generală a problemei de programare liniară. Definiţii şi proprietăţi fundamentale
u i ≥ 0 , i = 1,2 u i ≥ 0 , i = 1,5
Figura I.3.14
x2
3 D
2
E
O 1 F x1
d1
d3
d2
⎛ 0⎞
⎜ ⎟
⎜3⎟
X S . A.B = ⎜ ⎟ soluţie optimă pentru c1 = 1
A
0
⎜ ⎟
A ⇔ ⎜ 2⎟
⎝ ⎠
[max] f = f ( A) = 6
U SD. A.B = (0 2 2 1 0 ) f ( A) ≤ g (D )
D ⇔
g (D ) = 15
f ( A ) ≤ g (E )
U SE. A.B = (1 / 4 3 / 2 3 / 4 0 0 )
E ⇔
g (E ) = 9
f ( A) ≤ g ( F )
F ⇔ U SF. A.B = (1 0 0 0 3)
g (F ) = 6
Problema 3 a) Să se rezolve:
[opt ] f = 5 x1 + 6 x 2
⎧ 2 x1 + 7 x 2 ≥ 4
⎪ 3x + x ≥ 2
⎪⎪ 1 2
⎨ 5 x1 + 3 x 2 ≤ 15 .
⎪ 2 x − x ≥ −2
⎪ 1 2
⎪⎩− x1 + 2 x 2 ≥ −2
x1 , x 2 ≥ 0
Soluţie:
• Se aduce problema la forma în care termenii liberi sunt toţi pozitivi:
[opt ] f = 5 x1 + 6 x 2 [opt ] f = 5 x1 + 6 x 2
⎧ 2 x1 + 7 x 2 ≥ 4 ⎧ 2 x1 + 7 x 2 − x3 = 4
⎪ 3x + x ≥ 2 ⎪ 3x + x − x = 2
⎪⎪ 1 2 ⎪⎪ 1 2 4
⎪⎩ x1 − 2 x 2 ≤ 2 ⎪⎩ x1 − 2 x 2 + x7 = 2
x1 , x 2 ≥ 0 x j ≥ 0, ∀j = 1,7
Analiza economico-matematică a unor modele liniare
x2
Figura I.3.15
5
(d 4 )
C
B1
(d 2 )
B2
2 B
B3 B4 (d 5 )
A
7
4 D
E x1
-1 O 2 2 3
3
(d1 )
-1
(d 3 )
χ I = {B, B1 , B 2 , B 3 , B 4 , E},
care nu este convexă. În acest caz simplu, soluţia optimă se stabileşte prin
investigarea tuturor punctelor mulţimii soluţiilor admisibile, după cum
urmează:
x2
5
Submulţimea convexă (CC 1 C 2 )
(d 4 )
eliminată de x 2 ≤ 3
C
(d 6 ) Figura I.3.16
3
C1 C2
B 2
(d 5 )
A
D
7/4
2 x1
-1 3 3
O 2 E (d1 )
-1 (d 2 ) (d 3 )
Forma generală a problemei de programare liniară. Definiţii şi proprietăţi fundamentale
x2
(d 4 )
C
Submulţimea convexă (AA 1 E )
(d 2 ) eliminată de x1 + 2 x 2 ≥ 2
(d 6 ) (d 5 )
1 D
A1
A x1
O E
(d1 )
(d 3 )
Analiza economico-matematică a unor modele liniare
Valoarea
Vârf Coordonate funcţiei Valori optime Observaţii
obiectiv
x1 = 10 / 19
A 98 / 19 ⇒ [min] f = 98 / 19 Se menţine faţă
x 2 = 8 / 19 de modelul
x1* = 10 / 19 iniţial.
x1 = 0
B 12 x 2* = 8 / 19
x2 = 2
x1 = 1 / 2
C1 41 / 2
x2 = 3
⇒ [max] f = 24 Valoarea
x1 = 6 / 5 maximă pe noul
C2 24 x1* = 6 / 5 domeniu este
x2 = 3 mai mică.
x 2* = 3
x1 = 36 / 13
D 210 / 13
x 2 = 5 / 13
x1 = 2
E 10
x2 = 0
x1 = 2 / 5 ⇒ [min] f = 34 / 5 Valoarea
A1 34 / 5 minimă creşte
x2 = 4 / 5 x1* = 2 / 5 faţă de modelul
iniţial.
x1 = 0 x 2* = 4 / 5
B 12
x2 = 2
x1 = 9 / 11 ⇒ [max] f = 285 / 11 Valoarea
C 285 / 11 maximă se
x 2 = 40 / 11 x1* = 9 / 11 menţine faţă de
x1 = 36 / 13 x 2* = 40 / 11
modelul iniţial.
D 210 / 13
x 2 = 5 / 13
x1 = 2
E 10
x2 = 0