Cap 1

I.
FORMA GENERALĂ A PROBLEMEI

DE PROGRAMARE LINIARĂ. DEFINIŢII
ŞI PROPRIETĂŢI FUNDAMENTALE
Acest paragraf are rolul de a fixa notaţiile necesare formulării

problemelor de optimizare liniară şi de a reaminti cititorilor concepte şi
rezultate remarcabile din programarea liniară.
1. a) Forma generală. Forme echivalente.
⎧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
poliedru convex din spaţiul n-dimensional cu n + 1 vârfuri, care reprezintă

un simplex. Orice punct al simplexului verifică simultan restricţiile I.1.1.
Întreaga teorie pe care o vom dezvolta este stabilită sub condiţia
fundamentală a non-negativităţii, condiţie care este impusă a priori în quasi-
totalitatea problemelor economice
I.1.2 x j ≥ 0 , ∀j ∈ 1, n .
Analiza economico-matematică a unor modele liniare
Problema generală de optimizare liniară se formulează astfel: în

mulţimea soluţiilor sistemului de restricţii I.1.1 şi a condiţiei de
nenegativitate I.1.2, să se găsească cel puţin o soluţie care optimizează
funcţia scop (funcţia obiectiv, economică) I.1.3:
n n
I.1.3 [max] f = ∑ c j x j sau [min] f = ∑ c j x j .
j =1 j =1
Din punct de vedere matematic, ea poate fi încadrată în clasa

problemelor de extrem legat în care restricţiile pot fi ecuaţii şi/sau inecuaţii
liniare.
⎛ a11 ... a1 j ... a1n ⎞

⎜ ⎟
⎜ .... ..... ⎟
Notaţii: Am×n = ⎜ ai1 ... aij ... ain ⎟ , cu liniile
⎜ ⎟
⎜ .... .... ⎟
⎜a ... a mn ⎟⎠
⎝ m1 ... a mi
⎛ 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
Scrierea vectorială a formei generale a problemei de programare liniară:
⎧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 .
Formele matriceale echivalente pentru problema de programare liniară sunt:

Forma standard Forma canonică
AX = b AX ≤ b AX ≥ b
X ≥0 X ≥0 X ≥0
[opt ] f = cX [max] f = cX sau [min ] 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
În forma canonică apar numai restricţii concordante cu tipul de

optim al funcţiei economice. Următorul tabel sistematizează relaţiile dintre
aceste elemente ale modelului:
Optim
maxim minim
Restricţie
≤ Concordantă. Nonconcordantă.
≥ Nonconcordantă. Concordantă.
Trecerea de la o formă la alta este posibilă prin folosirea

următoarelor operaţii:
(O1) [min] f ( x ) = −[max](− f (x )) ;

⎧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 ,
unde - în ambele cazuri - x n +i ≥ 0 se numeşte variabilă de ecart sau variabilă

de compensare. Aceste variabile au întotdeauna coeficientul 0 în funcţia
obiectiv.
(O4) Dacă x j ∈ R * , atunci x j = x +j − x −j , unde x +j , x −j ∈ R + se numesc

variabile slack (variabile de abatere). În general, x + = max(0, x) şi
x − = max(0,− x) .
1. b) Baze. Tipuri de soluţii.
Se consideră o problemă de programare liniară (P.L.) scrisă sub

forma standard:
I.1.1.b) AX = b , rangA=m<n, b ≥ 0 şi ∃i ∈ I astfel încât bi > 0 ,

I.1.2.b) X ≥ 0 ,
I.1.3.b) [max] f = cX .
• Vectorul b este numit vectorul resurselor.

• Matricea A este numită matricea coeficienţilor tehnologici. Aceştia sunt
stabiliţi de către specialişti din domeniul procesului economic studiat. Din
punctul nostru de vedere, interesează datele de intrare şi de ieşire şi
exprimarea matematică a legăturilor dintre ele.
Problemei de mai sus i se pot asocia două spaţii:

• Spaţiul R m , care conţine în particular vectorii coloană a1 ,..., a n ai matricei
A, este numit spaţiul bunurilor. Din sistemul acestor vectori coloană se pot
extrage sisteme de cel mult C nm vectori liniar independenţi.
• Spaţiul R n , care conţine, în particular, vectorul X, îl vom numi spaţiul
activităţilor. Un punct X = (x1 ,..., x n )
T
reprezintă, din punct de vedere
matematic, o soluţie a sistemului I.1.1. În acest spaţiu vom defini
următoarele tipuri de soluţii:
X = ( x1 ,.., x s ,.., x m ) este soluţie a problemei dacă x1 ,...., x n verifică

T
D1
sistemul de restricţii AX = b .
D2 Se numeşte soluţie admisibilă (posibilă, program) a problemei

considerate un ansamblu de valori x1 ,...., x n ale variabilelor x1 ,...., x n care
satisfac restricţiile şi condiţiile de nenegativitate. Altfel spus, componentele
sale satisfac condiţiile de funcţionalitate şi de nenegativitate. Mulţimea
acestor soluţii admisibile se va nota cu χ.
D 3 Se numeşte bază a sistemului AX = b orice bază a spaţiului bunurilor

R m . Se deduce uşor că se pot forma cel mult C nm baze (de exemplu, dacă
n = 20 şi m = 10 ar rezulta limita superioară egală cu 25 ⋅ 10 4 ).
( )
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 .
(
- 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.
Presupunem că primii m vectori ai matricii A formează o bază şi

introducem notaţiile:
Terminologie Scriere vectorială Scriere pe coordonate

Bază B (a1 ....a m )
Matrice nebazică R (a m+1 ....a n )
Variabile bazice
XB (x1 ,..., xm )T
Variabile nebazice
XR (x m+1 ,..., x n )T
⎛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
D 5 O SAB care optimizează funcţia de eficienţă f se numeşte soluţie

optimă (SO). Notată X * , ea reprezintă coordonatele extremului absolut.
Observaţii: • Vectorii corespunzători variabilelor bazice sunt liniari
independenţi.
• Un vector oarecare din R m se exprimă în mod unic ca o combinaţie liniară
de vectori bazici.
1. c) Teoremele fundamentale ale programării liniare
Se consideră o problemă de programare liniară scrisă sub forma

standard (în paragraful anterior au fost date operaţiile cu ajutorul cărora
orice problemă de programare liniară poate fi adusă la această formă):
I.1.1.c) AX = b ,
I.1.2.c) X ≥ 0 ,
I.1.3.c) [max] f = cX , cu
I.1.4.c) rangA=m<n, b ≥ 0 şi ∃i ∈ I astfel încât bi > 0 .
Din punct de vedere matematic, determinarea soluţiei optime, dacă
există, pentru
I.1.1.c) – I.1.3.c), în condiţiile I.1.4.c), înseamnă determinarea extremului
absolut atunci când legăturile care există între variabilele problemei sunt
exprimate prin ecuaţii şi/sau prin inecuaţii.
Teoremele ce urmează vor preciza dacă există sau nu soluţii
admisibile pentru problema considerată, şi legătura lor cu anumite puncte
ale mulţimii χ= {X AX = b, X ≥ 0}. Rezultatele sunt utile în rezolvarea
problemelor de programare liniară.
Teorema 1: Mulţimea soluţiilor admisibile ale problemei I.1.1.c) – I.1.3.c)

formează o mulţime convexă.
În general, mulţimea χ este un tronson convex, numit şi simplex.

Observaţie: Un tronson convex are, prin definiţie, un număr finit de puncte
de extrem şi orice punct al mulţimii poate fi exprimat ca o combinaţie
liniară convexă a acestora.
Teorema 2: Se consideră problema I.1.1.c) – I.1.3.c) în condiţiile I.1.4.c) şi

fie χ mulţimea soluţiilor sale admisibile. Atunci:
i) Dacă χ este nevidă şi mărginită, o soluţie optimă a problemei
corespunde unui punct de extrem.
ii) Dacă χ este nevidă şi nemărginită, atunci funcţia obiectiv are valoare
optimă infinită.
iii) Dacă χ este vidă, atunci problema nu are soluţii.
( )
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.
Teorema 5: Dacă f ( X ) ia valoarea optimă în mai mult de un punct de

extrem al mulţimii χ, atunci ea are aceeaşi valoarea pe toată mulţimea
convexă generată de aceste puncte.
2 a) Problema duală
În algebra formală, oricărui model liniar cu funcţia scop

[max] f ([min ] f ) îi corespunde un model liniar cu funcţia obiectiv
[min ]g ([max]g ) .
Fiind dată problema de programare liniară
[opt ] f = cX
AX ≤ b sau AX = b sau AX ≥ b
X ≥0
se poate formula un alt model liniar utilizând elementele {A, b, c}, cu alte
semnificaţii matematice. Problema dată iniţial o vom numi problema
primală (P.P), iar cea obţinută în urma unui procedeu ce va fi dat, se va
numi problema duală (P.D). Ele se pot deduce reciproc pe baza unor
corespondenţe, oricare ar fi forma sub care se prezintă primala.
DUALITATE – Legături formale
Elementele problemei primale Elementele problemei duale

[max]f /[ min]f [min]g / [max]g
m este numărul restricţiilor independente m este numărul variabilelor duale
u1 ,..., u i ,..., u m
n este numărul variabilelor primale n este numărul restricţiilor
x1 ,..., x j ,..., x n
A ∈ M m×n este matricea coeficienţilor AT matricea coeficienţilor tehnologici
tehnologici; rangA=m
b1 ,..., bm componentelor termenului liber bi , i ∈ 1, m , coeficientul lui u i în
b funcţia obiectiv g:
g = u1b1 + ... + u m bm
c = (c1 ,.., c j ,.., c n ) sunt coeficienţii c1 ,.., c j ,.., c n sunt termenii liberi ai
n restricţiilor
variabilelor în f: f = ∑cj xj
j =1
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
Cazul general al construirii dualului unui program liniar
[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
[min]g = 820u1 + 400u2 + 680u3

Ineg. conc. cu [min]g
x1 ≥ 0 3u1 + 7u 2 + 20u 3 ≥ 15
Ecuaţie
x2 ∈ R 2u1 + u 2 + 17u 3 = 20
Ineg. nonc.
x3 ≤ 0 cu [min]g u1 + 11u 2 + 3u 3 ≤ 18
Determinate de condiţiile
impuse asupra variabilelor
primalei şi de tipul de optim
al dualei.
Caz particular: Probleme duale simetrice

Diagrama lui Tucker pentru problemele duale simetrice:
[max] f = cX [min]g = Ub
(P.P.) {AX≤b şi (P.D.) {UA ≥ c
X ≥0 U ≥0
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
2. b)Teoremele fundamentale ale dualităţii
Teorema 1: Valoarea funcţiei de eficienţă din problema de maxim nu poate

depăşi valoarea funcţiei de eficienţă din problema de minim, pentru orice
cuplu de soluţii admisibile ale celor două probleme duale:
f ( X SAB ) ≤ g (U SAB ) .
Teorema 2: Dacă X * şi U * este un cuplu de soluţii admisibile de bază a

problemelor duale (P.P.) şi (P.D.) care verifică relaţia cX * = U *b , atunci
X * este soluţie optimă pentru (P.P.) şi U * este soluţie optimă pentru (P.D).
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.
Teorema 4: Fiind dat un cuplu de probleme duale, o condiţie necesară şi

suficientă pentru ca o soluţie admisibilă X * (sau U * ) să fie optimă este să
existe o soluţie admisibilă U * (sau X * ) a dualei sale, astfel încât
cX * = U *b .
Următorul tabel sumarizează aceste teoreme:
P.D. \ P.P. → S.O.F Fără soluţie Optim nemărginit

↓
S.O.F *
Fără soluţie * *
Optim nemărginit *
3. Rezolvarea modelelor liniare în spaţiul bunurilor R 2+
Metodele de rezolvare a problemelor de programare liniarǎ sunt

diferite de cele din analiza matematicǎ pentru problemele de extreme cu
legǎturi. Ele ţin seama de particularitǎţile modelului liniar şi au la bazǎ
teoremele enunţate în primul paragraf. În continuare vor fi studiate modele
liniare în care n=2, ale cǎror extreme se ating în vârfurile unui poligon
convex (tronson) din plan. Metoda graficǎ, la care ne vom referi, este o
metodǎ cu aplicabilitate limitatǎ de posibilitatea reprezentǎrii mulţimii χ în
spaţiul activitǎţilor, mai precis de numărul variabilelor. Sperăm ca prin
aceste exemple să se înţeleagă ideile de bază ale metodelor ce vor fi expuse
în capitolul următor. Subliniem faptul că metoda grafică se poate aplica şi în
cazul n=3, dar, pe lângă faptul cǎ se poate pierde claritatea şi capacitatea de
analiză a reprezentării geometrice, metoda poate să implice un volum mare
de operaţii elementare. În acest caz, sau atunci când n ≥ 3, se utilizează
metode de tip simplex, însă independent de numărul variabilelor, procesul
de căutare a soluţiei optime are loc în spaţiul R n printre vârfurile
poliedrului definit de restricţiile modelului. Pentru început se vor puncta
câteva aspecte deosebit de utile, desprinse din proprietăţile soluţiilor unui

model liniar:
• Fiecare soluţie de bază corespunde unui punct extrem al mulţimii
convexe χ ≠ Φ .
• Fiecărui punct de extrem îi corespunde un sistem de m vectori liniar
independenţi în R m .
• Există un punct extrem al mulţimii χ , nevidă şi mărginită, în care
funcţia economică îşi atinge optimul său.
Etapele principale de aplicare a metodei grafice în cazul n=2 sunt:
Etapa 1: Separarea planului în regiuni determinate de restricţiile modelului.
Se verifică dacă sistemul format din restricţiile modelului şi condiţia
de nenegativitate sunt compatibile sau nu, deci se obţin informaţii despre χ:
DA ⇒ Problema nu admite soluţii.
χ = Φ?
NU ⇒ Etapa 2.
Etapa 2: Mulţimea soluţiiilor admisibile χ este o mulţime convexă, nevidă,
care poate fi:
[max ] f → [max ] f = +∞ .
• Nemărginitǎ
[min ] f → Etapa 3.
• Mărginită ⇒ Etapa 3.
Etapa 3: Fiecărui punct ( x1 , x 2 ) ∈ χ îi corespunde o anumită valoare a
funcţiei obiectiv f = c1 x1 + c 2 x 2 . Pentru stabilirea celui în care îşi atinge
valoarea optimă se procedează astfel:
• Se calculează coordonatele vârfurilor poligonului convex χ.
• Se construieşte familia- fascicolul - de drepte

(Dα )α∈R : c1 x1 + c2 x2 = α .
Această familie are următoarele proprietăţi:
- Toate dreptele sunt paralele.
- Toate soluţiile admisibile ( x1 , x2 ) ∈ χ care se află pe aceeaşi dreaptă

dau aceeaşi valoare funcţiei f .
- Cu cât dreapta este mai depărtată de originea axelor de coordonate,
cu atât valorile lui f vor fi mai mari, dar interesează numai cele
care au cel puţin un punct comun cu χ.
• Se cercetează distanţele de la dreptele c1 x1 + c2 x2 = α care trec prin
vârfurile lui χ şi dreapta (D0 ) ; pentru [max ] f se alege cea mai depărtată de
(D0 ) , iar pentru [min ] f cea mai apropiată de (D0 ) . Practic, se deplasează
(D0 ) paralel cu ea însăşi până când atinge cea mai mare distanţă ([max ] f )
faţă de poziţia sa iniţială şi trece prin cel puţin un vârf al trosonului χ.
Deoarece modelele de programare liniară diferă nu numai de la un
proces la altul, ci şi în cadrul unuia şi aceluiaşi proces, datorită unor
modificări de ordin tehnologic şi/sau a cerinţelor modelului social-economic
în care îşi desfăşoară activitatea, este dificil să se elaboreze modele
generale. Totuşi, în ciuda varietăţii problemelor obţinute prin modelarea
unor procese economice, se pot formula unele tipuri de modele, cum ar fi
cele de elaborare a unui program optim de producţie, probleme de transport,
probleme de amestec, etc. În continuare sunt date exemple din câteva
domenii ale activităţii economice.
Exemplul 1: În cadrul unei uzine se găsesc disponibile capacităţi de

producţie relativ mici care ar trebui folosite, cunoscut fiind faptul că aceste
resurse sunt nestocabile. S-a luat decizia de a fabrica două produse P1 , P2 a
căror tehnologie foloseşte capacităţile disponibile. La punctul de turnare,
capacitatea disponibilă este de 40h, iar randamentele orare sunt 3, respectiv
2 pentru P1 , P2 . Capacitatea de aşchiere poate asigura prelucrarea a 100 piese
tip P1 sau P2 în aceeaşi unitate de timp sau combinaţii ale acestor produse
în limita acestui număr. La linia de montaj se pot realiza cel puţin 30 de
piese P1 şi 20 piese P2 , dar nu mai mult de 55 piese P1 şi 60 piese P2 .
Cheltuielile de producţie au fost evaluate la 40 şi 45 unităţi monetare pentru

un produs P1 , repectiv P2 . Să se găsească numărul de produse de tip P1 ,
respectiv P2 ce se pot realiza cu cheltuieli minime în aceste condiţii.
Soluţie: Notăm cu x1 şi x 2 numărul de produse de tipul P1 , respectiv P2 ce
se pot fabrica şi cu f funcţia economică a cheltuielilor totale. Ţinând seama
de condiţiile impuse de procesul tehnologic şi de nivelurile resurselor
disponibile, putem scrie:
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
I.3.3 x j ≥ 0, j = 1,2 x j ≥ 0, j = 1,6

Observaţie: Nu s-a folosit, deocamdată, informaţia despre limitele
superioare ale numerelor de piese de tip P1 (55), respectiv P2 (60).
Etapa 1: Stabilirea compatibilităţii relaţiilor I.3.2 şi I.3.3:

Restricţii Semiplane Frontiere
2 x1 + 3 x 2 ≤ 240
x1 + x 2 ≤ 100
x1 ≥ 30
x 2 ≥ 20
S1 = {(x1 , x2 ) 2 x1 + 3 x2 ≤ 240} (d1 ) : 2 x1 + 3x2 = 240

S 2 = {( x1 , x2 ) x1 + x2 ≤ 100} (d 2 ) : x1 + x2 = 100
S3 = {( x1 , x2 ) x1 ≥ 30} (d3 ) : x1 = 30
S 4 = {( x1 , x2 ) x2 ≥ 20} (d 4 ) : x 2 = 20
Reprezentând grafic semiplanele date de restricţiile anterioare

(figura I.3.1), intersecţia lor, notată S, este chiar mulţimea soluţiilor
4
modelului cercetat: S = I S i .
i =1
x2
100 Figura I.3.1

80
B
F
( D0 ) G E C
(d 4 )
20 A
D
x1
O 30 100 120
(d1 )
(d 3 ) (d 2 )
Mulţimea soluţiilor admisibile se obţine din operaţia:
S I {(x1 , x2 ) x1 ≥ 0, x2 ≥ 0} ,
care, conform notaţiilor introduse în primul paragraf, reprezintă χ. Ea apare

ca o mulţime nevidă şi mărginită, cu patru puncte de extrem A, B, C, D, ce
vor corespunde unor soluţii admisibile de bază. Despre orice punct
(x0 , y 0 ) ∈ χ putem afirma următoarele:
• ( x0 , y 0 ) poate fi exprimat ca o combinaţie liniară convexă a unor puncte
de extrem. De exemplu, coordonatele oricărui punct ( x0 , y 0 ) ∈ [AB ] admit
scrierea:
x0 = λx A + (1 − λ )x B
λ ∈ [0,1] .
y 0 = λy A + (1 − λ ) y B
1
Astfel, pentru λ = se obţin coordonatele punctului G ∈ (d 3 ) :
2
1 ⎛ 1⎞ 1 1
xG = ⋅ 30 + ⎜1 − ⎟ ⋅ 30 = 30 şi y G = ⋅ 20 + ⋅ 60 = 40 .
2 ⎝ 2⎠ 2 2
• Valoarea funcţiei economice f variază în raport cu poziţia lui ( x0 , y 0 ) în χ.
x F = 50
x E = 40 xG = 30
⇒ f E= 3400 ; ⇒ f G = 3000 ; 140 ⇒ f F = 4100 .
y E = 40 y G = 40 yF =
3
Etapa 2: χ ≠ Φ şi mărginită. Conform teoremei 2i), paragraful 1.c), modelul
liniar admite cel puţin o soluţie optimă finită.
Etapa 3: Din familia de drepte (Dα ) : 40 x1 + 45 x 2 = α , α ∈ R se trasează

dreapta D0 şi distanţele de la aceasta la vârfurile poliedrului.
Valoarea minimă a lui f va fi stabilită după completarea tabelului sinteză:

T.I.3.1
Valorile
Vârf Coordonate SAB funcţiei
economice
x1 = 30 x1 = 30 x3 = 120 x5 = 0
A 2850 [min] f
x 2 = 20 x2 = 20 x 4 = 50 x6 = 0
x1 = 30 x1 = 30 x3 = 0 x5 = 0
B 5250
x 2 = 60 x2 = 60 x4 = 10 x6 = 40
x1 = 60 x1 = 60 x3 = 0 x5 = 30
C 5700
x2 = 40 x2 = 40 x4 = 0 x6 = 20
x1 = 80 x1 = 80 x3 = 20 x5 = 50
D 5600
x2 = 20 x2 = 20 x4 = 0 x6 = 0
Valoarea minimă a funcţiei cheltuielilor de producţie este atinsă în

vârful A, de unde rezultă structura optimă, în condiţiile date, a programului
de fabricaţie:
x1* = 30 produse P1 ,
x 2* = 20 produse P2 .
Valorile variabilelor de abatere din soluţia optimă oferă informaţii
importante în ceea ce priveşte folosirea resurselor. În cazul studiat avem:
x1* x 2* x3*
2 x1* + 3 x 2* + x3* = 240 ⇔ + + = 40 ⇒
3 2 6
30 20 120
⇒ + + = 40 ⇒ rămân nefolosite 20h.
3 2 6
Ore
Ore consumate disponibile.
prin programul
optim.
x1* + x 2* + x 4* = 100 ⇒ 50 + x 4* = 100 ⇒

Cât se Cât se putea
prelucrează. prelucra.
⇒ x 4* = 50 reprezintă numărul de produse P1 , P2 sau combinaţii ale

acestora care se mai pot prelucra.
Vom încerca să modificăm programul de fabricaţie astfel încât
capacitatea utilajului să fie consumată, pe cât posibil, integral. În acest scop
se va alege varianta de mărire a numărului de piese ce pot fi realizate la linia
de montaj, fără a atinge limitele superioare impuse 55, respectiv 60, de
exemplu varianta
[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 )
Se constată că valoarea minimă a funcţiei f se obţine atribuind

variabilelor x1 şi x 2 coordonatele punctului A', cel mai apropiat de (D0 ) :
x1* = 40
şi [min ] f = 3850 .
x 2* = 50
Prin modificările aduse modelului iniţial s-a înregistrat o creştere a
cheltuielilor de fabricaţie, dar numărul produselor fabricate a crescut de la
30 la 40 pentru P1 şi de la 20 la 50 pentru P2 şi, ceea ce este mai important,
capacităţile de producţie sunt folosite mai eficient.
Într-adevăr:
⎛ 40 50 ⎞ 5
x3* = 40 − ⎜ + ⎟ = h
⎝ 3 2⎠ 3 .
x4 = 100 − (40 + 50 ) = 10h
*
Exemplul 2: Un mic întreprinzor vrea să lanseze pe piaţă un extensor.

Pentru realizarea acestui produs este nevoie de trei materii prime, şi anume,
lemn, fier şi fibră elastică. Producătorul selectează două proiecte de modele,
conform sumei pe care poate s-o investească. În tabelul următor sunt date
consumurile specifice din fiecare resursă pentru fiecare tip de extensor,
precum şi cantităţile maxime de resurse pe care le poate achiziţiona
producătorul.
T.I.3.2
Cantităţi
Consumuri specifice
maximale
Resursă PI PII (kg)
Lemn 0,1 0,2 45
Fier 0,3 0,25 75
Fibră elastică 0,3 0,1 66
Din vânzarea unui extensor de tip PI poate obţine un profit de 60

u.m, iar din comercializarea unui extensor de tip PII, un profit de 54 u.m. Să
se afle cantităţile din fiecare resursă pe care trebuie să le achiziţioneze
producătorul pentru a-şi realiza un profit maxim.
Soluţie: Pentru a obţine produsele finite trebuie achiziţonate materiile

prime:
• Lemn într-o cantitate notată x1 kg.
• Fier într-o cantitate notată x 2 kg.
• Fibră elastică într-o cantitate notată x3 kg.
Utilizând elementele şi dependenţele date în T.I.3.2 se poate scrie
modelul liniar:
[max] f = 60 x1 + 54 x 2 [max] f = 60 x1 + 54 x 2
⎧0,1x1 + 0,2 x 2 ≤ 45 ⎧0,1x1 + 0,2 x 2 + x3 = 45
⎪ ⎪
⎨0,3 x1 + 0,25 x 2 ≤ 75 , cu forma standard ⎨0,3 x1 + 0,25 x 2 + x 4 = 75 .
⎪0,3 x + 0,1x ≤ 66 ⎪0,3 x + 0,1x + x = 66
⎩ 1 2 ⎩ 1 2 5
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
O 220 250 450

(d1 ) x1
(d 3 ) (d 2 )
Soluţia optimă a problemei se află foarte simplu analizând următorul tabel

sinteză:
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
Coordonatele vârfului B dau cea mai mare valoare funcţiei f :

750 1200
[max] f = 60 x1* + 54 x 2* = 60 ⋅
+ 54 ⋅ ≈ 15685,67 unităţi monetare.
7 7
Cum produsele sunt bunuri indivizibile, rezultatul trebuie dat în numere
naturale, deci:
⎡ 750 ⎤
x1 = ⎢ = 107
⎣ 7 ⎥⎦
şi f = 15654 .
⎡1200 ⎤
x2 = ⎢ = 171
⎣ 7 ⎥⎦
Părţile fracţionare ale valorilor optimale ale variabilelor bazice x1 şi

x 2 , şi anume {x1 } ≈ 0,14 , {x 2 } ≈ 0,42 , sunt suficient de mici pentru a nu
justifica încercarea de a mări partea întreagă cu o unitate. O astfel de mărire
poate provoca nerespectarea unor restricţii. Să justificăm afirmaţia:
0,1 ⋅ 107 + 0,2 ⋅ 172 = 45,1 < 45 (Fals)
Variabila de compensare x5 = 117 / 7 ≈ 16,7 indică partea din

disponibilul resursei trei (fibră elastică) ce nu va fi consumată în procesul de
fabricaţie optimal. Dacă se merge pe soluţia suboptimală x1 = 107 ,
x 2 = 171 , atunci:
x5 = 66 − (0,3 ⋅ 107 + 0,1 ⋅ 171) = 16,8 .
Din interpretarea variabilelor de ecart rezultă că primele două
resurse sunt consumate integral prin planul optim.
Presupunem ca investitorul dispune de o sumă de bani pe care s-o

investească în achiziţionarea a încă 20 kg lemn şi 25 kg fier. Vrem să
verificăm dacă noul program de fabricaţie se supune unor restricţii de
vânzări: x1 ∈ [100,120] , x 2 ∈ [170,200] . În modelul matematic iniţial se
modifică, pentru început, numai b1 şi b2 , primii doi termeni liberi:
[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
Intersecţia semiplanelor I.3.4 din primul cadran este mulţimea

convexă, nevidă şi mărginită reprezentată în figura care urmează de
suprafaţa şi frontiera poligonului OABCD.
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 )
Se calculează elementele tabelului sinteză:

T.I.3.4
Vârf Coordonate SAB Valorile funcţiei
economice
A x1 = 0 x1 = 0 x3 = 0 17550
x5 = 33,5
x 2 = 325 x 2 = 325 x 4 = 18,75
B x1 = 750 / 7 x1 = 750 / 7 x3 = 0
x5 = 47 / 7 147600/7=21085,7
x 2 = 1900 / 7 x 2 = 1900 / 7 x4 = 0 [max] f
C x1 = 1300 / 9 x1 = 1300 / 9 x3 = 47 / 9 62720/3=20906,67
x5 = 0
x 2 = 680 / 3 x 2 = 680 / 3 x4 = 0
D x1 = 220 x1 = 220 x3 = 43 13200

x5 = 0
x2 = 0 x2 = 0 x 4 = 34
Soluţia optimă în numere întregi,

⎡ 750 ⎤ ⎡1900 ⎤
x1 = ⎢ ⎥ = 107, x 2 = ⎢ = 271 , nu respectă ambele restricţii impuse
⎣ 7 ⎦ ⎣ 7 ⎥⎦
vânzării, ca urmare, trebuie regândită modelarea procesului. Se va extinde
modelul cu restricţiile de vânzări:
100 ≤ x1 ≤ 120
,
170 ≤ x 2 ≤ 200
care vor fi scrise conform canoanelor programării liniare şi anume:
x1 ≤ 120
x1 ≥ 100
I.3.5
x 2 ≤ 200
x 2 ≥ 170
În figura I.3.5 este reprezentată mulţimea soluţiilor admisibile,
patrulaterul ABCD, care apare ca intersecţia semiplanelor date de restricţiile
I.3.4 şi I.3.5, din primul cadran.
x2
660
Figura I.3.5
400
325
200 A D
170 B C
O 100 200 220 333 650 x1

În acest caz, tabelul sinteză este următorul:

T.I.3.5
Vârf Coordonate Valorile funcţiei
economice
A x1 = 100
16800
x 2 = 200
B x1 = 100
15180
x 2 = 170
C x1 = 120
16380
x 2 = 170
D x1 = 120
18000
x 2 = 200 [max] f
Programul optim x1* = 120 ∈ N , x 2* = 200 ∈ N va aduce un profit de

18000u.m, dacă toate produsele vor fi vândute.
Exemplul 3: La o secţie din cadrul unei uzine metalurgice trebuie să se

elaboreze un program optim pentru executarea a două tipuri de produs P1 şi
P2. Într-o anumită perioadă T, secţia are disponibile trei utilaje: cuptorul de
recoacere, agregatul de decapare şi un laminor finisor. Fiecare din aceste
utilaje are un anumit fond de timp disponibil pentru cele două piese.
Consumurile de timp pentru fiecare produs şi fondul de timp disponibil sunt
date în tabelul T.I.3.6.
T.I.3.6
Consumuri specifice
(ore/tonă) Fond de timp
Utilaj
disponibil (ore)
P1 P2
Cuptor de recoacere 5 3 2100
Agregat de decapare 1/2 2 550
Laminor finisor 3 5 1500
Veniturile unitare au fost evaluate la 15 şi 20 unităţi monetare pentru

o tonă de produs P1, repectiv P2. Programul se consideră optim dacă asigură
un venit total maxim în condiţiile date.
Soluţie: Pentru a stabili programul optim de fabricaţie este necesar ca în

primul rând să se elaboreze modelul matematic. Să notăm cu x1 , x 2
cantităţile de produse P1 respectiv P2 care urmează să fie executate conform
indicatorilor cantitativi prezentaţi în T.I.3.6. Valorile variabilelor x1 , x 2
depind de fondul de timp disponibil şi de consumurile specifice. Aceste
dependenţe sunt exprimate matematic astfel:
Consum de timp pentru Disponibil care nu
programul ( x1 , x 2 )
Utilaj
trebuie depăşit
Cuptor de recoacere 5 x1 + 3 x 2 ≤ 2100
1
Agregat de decapare x1 + 2 x 2 ≤ 550
2
Laminor finisor 3 x1 + 5 x 2 ≤ 1500
La condiţiile de corelare a variabilelor x1 , x 2 cu posibilităţile de
producţie limitate vor fi adăugate restricţiile naturale x1 ≥ 0, x 2 ≥ 0. Din
mulţimea valorilor posibile ale variabilelor x1 , x 2 care satisfac restricţiile şi
condiţia de nenegativitate va fi aleasă accea care maximizează funcţia venit
total: [max ] f = 15 x1 + 20 x 2 .
Poblema căutării soluţiei optime revine la rezolvarea programului liniar:
[max] f = 15 x1 + 20 x 2
⎧5 x1 + 3 x 2 ≤ 2100
⎪1
⎪
I.3.6 ⎨ x1 + 2 x 2 ≤ 550 cu forma standard I.3.7
⎪2
⎪⎩3 x1 + 5 x 2 ≤ 1500
x j ≥ 0, j = 1,2
[max] f = 15 x1 + 20 x 2
⎧5 x1 + 3 x 2 + x3 = 2100
⎪1
⎪
⎨ x1 + 2 x 2 + x 4 = 550
⎪2
⎪⎩3 x1 + 5 x 2 + x5 = 1500
x j ≥ 0, j = 1,5
Din exemplele prezentate rezultă că, în descrierea formală a oricărui

proces economic care urmăreşte găsirea unui program optimal, se parcurg
etapele :
• Exprimarea programului cu ajutorul variabilelor.
• Exprimarea matematică a restricţiilor impuse de procesul
tehnologic, condiţionări logice,etc.
• Fixarea scopului şi scrierea funcţiei scop care va servi drept
criteriu de alegere a soluţiei optime dintre soluţiile admisibile.
• Formularea problemei de programare liniară ca o problemă de
căutare a extremului cu legături.
Reprezentând grafic în planul x1 O x 2 mulţimea convexă χ =
poligonul OABCD a soluţiilor admisibile corespunzătoare modelului I.3.6
se obţine:
x2
700
Figura I.3.6
300
B E
275 A
C
1100
D 500
O 420
(d1 ) (d3 ) (d 2 ) x1
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
permite aflarea soluţiei optime, şi anume, cea corespunzătoare vârfului C.
Ţinând seama de semnificaţia constantelor şi variabilelor modelului,

planul optim de fabricaţie presupune realizarea a x1* = 375 t din produsul P1
şi a x 2* = 75 t din produsul P2. Venitul obţinut este 7125 unităţi monetare.
Să analizăm restricţiile prin prisma acestei soluţii:
Cât timp se consumă Fond de timp Cât nu se consumă din

Utilaj prin programul optim disponibil fondul de timp
disponibil
Cuptor de recoacere
* *
5 x1 + 3x 2 = 2100 h 2100h x3* = 0
1 * * 675 425
Agregat de decapare x1 + 2 x 2 = h 550h x 4* = = 212,5 h
2 2 2
Laminor finisor
* *
3 x1 + 5 x 2 = 1500 h 1500h x5* = 0
Dacă perioada T considerată nu este prea mare şi dacă presupunem

că în această perioadă nu se modifică tehnologia produselor sau nu se
înlocuiesc utilajele, ipoteza că toţi indicatorii sunt constanţi pe perioada
menţionată este acceptabilă.
Exemplul 4: O secţie poate prelucra, în timpul unei perioade de cinci zile,

produsele P1 şi P2 , folosind două categorii de materii prime M 1 , M 2 .
Consumurile specifice, veniturile unitare şi disponibilităţile de materii prime
sunt date în T.I.3.7.
T.1.3.7
Consumuri specifice Venituri
Produse
M1 M2 unitare
P1 2u.c1 4 u.c 3 u.m.
P2 5u.c 1 u.c 5 u.m.

Disponibil 16u.c 11 u.c
Să se determine programul optim de fabricaţie în ipoteza că există

suficiente capacităţi de producţie la care trebuie prelucrate piesele.
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.
[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:
Vârf Coordonate SAB f (SAB )

x1 = 0 x1 = 0 x3 = 16
O 0
x2 = 0 x 2 = 0 x 4 = 11
x1 = 0 x1 = 0 x3 = 0
A 16
x 2 = 16 / 5 x 2 = 16 / 5 x 4 = 39 / 5
x1 = 13 / 6 x1 = 13 / 6 x3 = 0 109
B
= 18,1(6)
x2 = 7 / 3 x2 = 7 / 3 x4 = 0 6
[max] f = 18,17u.m.
x1 = 11 / 4 x1 = 11 / 4 x3 = 21 / 2 33
C = 8,25
x2 = 0 x2 = 0 x4 = 0 4
• Interpretarea economică a soluţiei optime:

Presupunând că cele două produse nu sunt indivizibile, prin
programul optim se prevede prelucrarea a x1* = 13 / 6 unităţi convenţionale
din P1 şi x 2* = 7 / 3 unităţi convenţionale din P2 , şi se consumă integral cele

două materii prime. Se obţine un venit total maxim de 18,17 unităţi
monetare.
Pentru înţelegerea analizei economice a programelor liniare vom da
în continuare un exemplu de astfel de analiză.
Pentru început se construieşte duala modelului elaborat:
[max] f = 3 x1 + 5 x 2
2 x1 + 5 x 2 ≤ 16 u1 ≥ 0
4 x1 + 1x 2 ≤ 11 u2 ≥ 0
[min]g = 16u1 + 11u 2
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
Completarea tabelului sinteză necesită scrierea formei standard a

problemei duale:
[min ]g = 16u1 + 11u 2

⎧2u1 + 4u 2 − u 3 = 3
⎨
⎩5u1 + u 2 − u 4 = 5
u i ≥ 0, i = 1,4
Tabelul sinteză al dualei este:

u1 = 0 u1 = 0 u 3 = 17
D 55
u2 = 5 u2 = 5 u4 = 0
17 109
u1 = = 18,1(6)
u1 = 17 / 8 8 u3 = 0 6
E
u2 = 5 / 8 5 u4 = 0
u2 =
8
3 u3 = 0
u1 = 3 / 2 u1 =
F 2 5 24
u2 = 0 u4 = [min]g = 18,1(6) =
u2 = 0 2
Prin rezolvarea acestor două probleme duale s-a verificat prima

afirmaţie a teoremei fundamentale a dualităţii.
Să presupunem că managerul speră să-şi îmbunătăţească deciziile
prin modificarea unor disponibile. Vom verifica cum se modifică funcţia
venit total, f , dacă disponibilul din M 1 creşte cu o unitate.
Ca urmare trebuie rezolvat modelul modificat:
[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
căruia îi corespunde forma standard:
[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

x1 = 0 x1 = 0 x3 = 17 0
O
x2 = 0 x 2 = 0 x 4 = 11
x1 = 0 x1 = 0 x3 = 0 17
A1
x 2 = 17 / 5 x 2 = 17 / 5 x 4 = 38 / 5
B1 x1 = 19 / 9 x1 = 19 / 9 x3 = 0 172/9=19,1(1)
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
În figura de mai jos sunt reprezentate mulţimi de soluţii admisibile

pentru diferite valori ale lui α după cum urmează:
• α = 0 ⇒ χ este reprezentată de OABC.
• α = 14 ⇒ χ este reprezentată de OA1 B1C ⊃ OABC .
• α = 39 ⇒ χ este reprezentată de OA2 C ⊃ OA1 B1C ⊃ OABC .
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
Se observă că, dacă α ≥ 39 , atunci mulţimea soluţiilor posibile este

OA2 C şi soluţia optimă: x1* = 0, x 2* = 11, x3* = α − 39, x 4 = 0 . Valoarea
optimă a funcţiei venit total este 55 oricare ar fi α ≥ 39 . De aici rezultă că,
dacă este posibilă mărirea disponibilului resursei M 1 , atunci ea nu trebuie să

depăşească valoarea 39, deoarece s-ar imobiliza inutil fonduri băneşti.
Exemplul 5: Folosindu-se metoda grafică să se stabilească natura modelului

[max] f = 6 x1 + 4 x 2
⎧2 x1 + 3 x 2 ≤ 17
⎪
⎨ x1 + x 2 ≤ 7
⎪
⎩3 x1 + 2 x 2 ≤ 18
x j ≥ 0, j = 1,2
Soluţie:
• Mulţimea soluţiilor admisibile
(d1 ) 2 x1 + 3x 2 = 17 ; (d 2 ) x1 + x 2 = 7 ; (d 3 ) 3 x1 + 2 x 2 = 18 ;
(D0 ) 6 x1 + 4 x 2 = 0
x2
9
(d 2 ) Figura I.3.11
7
17/3
A
( D0 )
B
(d1 )
C 17/2
O 6 7 x1
(d 3 )
Tabelul sinteză este:

T.I.3.8
O x1 = 0 x1 = 0 x3 = 17 0
x5 = 18
x2 = 0 x2 = 0 x4 = 7
x1 = 0 x1 = 0 x3 = 0 68/3=22,(6)
A x5 = 2 / 3
x 2 = 17 / 3 x 2 = 17 / 3 x4 = 4 / 3
x1 = 4 x1 = 4 x3 = 0 36
B x5 = 0
x2 = 3 x2 = 3 x4 = 0
x1 = 6 x1 = 6 x3 = 5 36
C x5 = 0
x2 = 0 x2 = 0 x4 = 1
Modelele prezentate până acum au admis toate soluţie finită unică,

deoarece în toate cazurile, familia de drepte (Dα ) nu era paralelă cu nici o
latură a poligonului convex nevid OABC. În cazul de faţă, una din laturile
acestui poligon, şi anume, BC, este paralelă cu dreapta (D0 ) ; în realitate,
frontiera celei de-a treia restricţii face parte din familia
(Dα ) : 6 x1 + 4 x2 = α , α ∈ R . Ori de câte ori apare această particularitate,
modelul liniar poate admite o infinitate de soluţii optime care vor fi
coordonatele tuturor punctelor situate pe segmentul de frontieră care apare
ca latură în χ. Din punct de vedere algebric orice combinaţie liniară convexă
a vârfurilor B şi C este un punct situat pe latura BC , deci ne poate conduce
la o soluţie optimă:
x1* = λx1B + (1 − λ ) x1C
, λ ∈ [0,1] .
x 2* = λx 2B + (1 − λ ) x 2C
1 1 1 3
În particular pentru λ = se obţine: x1* = ⋅ 4 + ⋅ 6 = 5 , x 2* = şi
2 2 2 2
[max] f = 36 .
În practică acest caz este foarte interesant deoarece din mulţimea

convexă a soluţiilor optime se poate alege cea care corespunde unui criteriu
de eficienţă diferit de cel considerat în model. Dacă soluţia optimă
reprezintă un program de fabricaţie, decidentul poate alege un program
diversificat în care valorile variabilelor corespund unui plan de desfacere
profitabil.
4. Probleme propuse pentru fixarea cunoştinţelor
Problema 1 După calcularea timpului necesar întreţinerii curente a

utilajului U212, s-a constat că rămâne un fond de timp disponibil de 20h.
S-a propus realizarea a două produse indivizibile. Informaţiile necesare
elaborării modelului matematic sunt sistematizate în următorul tabel:
Produse Numărul Preţ Randament Capacitate Unitate

produselor de orar de desfacere convenţională
vânzare
P1 x1 125 u.m. 50 400 3 × 1 produs P1
P2 x2 117 u.m. 25 500 2 × 1 produs P2
Să se determine varianta optimă a planului de fabricaţie a celor două

produse astfel încât preţul total de vânzare să fie maxim, să nu fie depăşită
capacitatea de depozitare de 1500 unităţi convenţonale şi numărul de
produse de tipul P1 să reprezinte cel puţin 25% din întreaga fabricaţie.
Soluţie:
• Modelul matematic este
[max] f = 125 x1 + 117 x 2
⎧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
x2
Figura I.3.12
750
(d 2 )
(d 3 )
500 A
( D0 )
C
(d1 )
(d 5 ) D
O 400 500 1000 x1

(d 4 )

x1 = 0 x1 = 0 x3 = 1000 x5 = 500
O x7 = 0 0
x2 = 0 x 2 = 0 x 4 = 400 x6 = 1500
x1 = 0 x1 = 0 x3 = 0 x5 = 0
A x7 = 1500 58.500 u.m.
x 2 = 500 x 2 = 500 x 4 = 400 x6 = 500
x1 = 250 x1 = 250 x3 = 0 x5 = 125 75.125 u.m.
B x7 = 875
x 2 = 375 x 2 = 375 x 4 = 150 x6 = 0 [max] f
x1 = 400 x1 = 400 x3 = 300 x5 = 350
C x7 = 50 67.550 u.m.
x 2 = 150 x 2 = 150 x 4 = 0 x6 = 0
x1 = 400 1100
x1 = 400 1000 x5 =
400 x3 = 3
D x2 = 400 3 x7 = 0 65.600 u.m.
3 x2 = 812
3 x4 = 0 x6 =
3
Se observă că apar două soluţii admisibile de bază degenerate şi anume

cele corespunzătoare vârfurilor A şi O.
• Interpretarea economică a soluţiei optime:
Valori optimale Semnificaţii economice

x1* = 250 Structura planului optim de fabricaţie.
x = 375
*
2
Fondul de timp disponibil al utilajului este
x3* = 0 consumat integral.
x 4* = 150 Se mai pot desface cel mult 150 produse P1
x = 125
*
5 şi cel mult 125 produse P2 .
x6* = 0 Capacitatea de depozitare este complet folosită.
Numărul produselor de tip P2 depăşeşte cu 875/4,
25% din întraga fabricaţie:
x7* = 875
25
375 ≥ (250 + 375) .
100
Problema 2 Se consideră programul:

[max] f = c1 x1 + 2 x 2
⎧ x1 + 2 x 2 ≤ 6
⎨ .
⎩ x1 + x 2 ≤ 5
x j ≥ 0, j = 1,2
a) Notaţi variabilele de ecart cu x3 , respectiv x4 . Gasiţi domeniul de
definiţie pentru c1 astfel ca baza (a 2 a 4 ) să fie optimală. Fixaţi
marginea inferioară, justificând economic limitarea, în ipoteza că
prin programul liniar se cere structura optimă a programului de
fabricaţie.
b) În dualul programului atribuiţi valoarea 1 lui c1 şi adăugaţi restricţia
(
6u1 + u2 ≥ 3 . Ce relaţii pot exista între f ( X S . A. B. ) şi g U S' . A. B. ? )
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:
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
Se explicitează sistemul de restricţii în raport cu baza (a2 a4 ) :

⎛ 2 0 ⎞⎛ x 2 ⎞ ⎛ 6 ⎞ ⎛1 1 ⎞⎛ x1 ⎞
⎜⎜ ⎟⎟⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ − ⎜⎜ ⎟⎟⎜⎜ ⎟⎟ ⇒
⎝ 1 1 ⎠⎝ x 4 ⎠ ⎝ 5 ⎠ ⎝1 0 ⎠⎝ x3 ⎠
⎛ 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
După înlocuirea lui c1 cu valoarea impusă şi extinderea modelului cu

restricţia 6u1 + u2 ≥ 3 , se obţine modelul
[min ]g = 6u1 + 5u 2 [min ]g = 6u1 + 5u 2

⎧u1 + u 2 ≥ 1 ⎧u1 + u 2 − u 3 = 1
⎪ ⎪
⎨2u1 + u 2 ≥ 2 cu forma standard ⎨2u1 + u 2 − u 4 = 2 .
⎪6u + u ≥ 3 ⎪6u + u − u = 3
⎩ 1 2 ⎩ 1 2 5
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
Se observă că mulţimea convexă a soluţiilor admisibile este nevidă

şi nemărginită.
Tabelul sinteză al problemei duale este:

D u1 = 0 u1 = 0 u3 = 2
u5 = 0 15
u2 = 3 u2 = 3 u4 = 1
E u1 = 1 / 4 u1 = 1 / 4 u 3 = 3 / 4
u5 = 0 9
u2 = 3 / 2 u2 = 3 / 2 u4 = 0
F u1 = 1 u1 = 1 u3 = 0
u5 = 0 6 [min]g
u2 = 0 u2 = 0 u4 = 0
Observaţie: Pentru c1 = 1 se obţin [min]g = [max] f = 6 , dar şi alte

rezultate interesante privind relaţiile dintre soluţiile admisibile de bază ale
celor două probleme duale.
⎛ 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
Valoarea funcţiei de eficienţă care se cere minimizată, calculată în

orice soluţie admisibilă de bază a respectivului model, depăşeşte sau este cel
puţin egală cu valoarea funcţiei de eficienţă a dualei sale în orice soluţie

admisibilă de bază a acesteia.
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
⎨5 x1 + 3 x 2 ≤ 15 , apoi se scrie sub forma standard ⎨5 x1 + 3 x 2 + x5 = 15 .

⎪− 2 x + x ≤ 2 ⎪− 2 x + x + x = 2
⎪ 1 2
⎪ 1 2 6
⎪⎩ x1 − 2 x 2 ≤ 2 ⎪⎩ x1 − 2 x 2 + x7 = 2
x1 , x 2 ≥ 0 x j ≥ 0, ∀j = 1,7
• Rezolvarea în spaţiul activităţilor:
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 )
Se observă că mulţimea χ este nevidă, mărginită şi convexă. În acest

caz, funcţia liniară f îşi atinge valoarea minimă, dar şi cea maximă, într-unul
din vârfurile poligonului ABCDE, care reprezintă exact mulţimea soluţiilor
admisibile χ.
Vârf Coordonate Valoarea funcţiei Valori optime

obiectiv
x1 = 10 / 19 98 ⇒ [min] f = 5,16
A = 5,16
x 2 = 8 / 19 19 x1* = 10 / 19
x1 = 0 12 x 2* = 8 / 19
B
x2 = 2
x1 = 9 / 11 285 ⇒ [max] f = 25,90
C = 25,90
x 2 = 40 / 11 11 x1* = 9 / 11
x1 = 36 / 13 210 x 2* = 40 / 11
D = 16,15
x 2 = 5 / 13 13
x1 = 2 10
E
x2 = 0
Dacă se înlocuieşte condiţia de nenegativitate cu cea de integritate

nenegativă,
x1 , x 2 ∈ Z + ,
atunci mulţimea soluţiilor admisibile, χ I este mulţimea nevidă
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:
Vârf Coordonate Valoarea funcţiei Valori optime

obiectiv
X1 = 0
B
X2 = 2 12
X1 = 1 ⇒ [max] f = 23
B1
X2 = 3 23
X1 = 1 x1* = 1
B2
X2 = 2 17
X1 = 1 x 2* = 3
B3 11
X2 = 1 ⇒ [min] f = 11
X1 = 2
B4 16
X2 = 1 x1* = 1
X1 = 2
E
X2 = 0 10 x 2* = 1
b) Să se rezolve aceeaşi problemă prin extinderea modelului cu restricţia:

Cazul I: x 2 ≤ 3 şi se cere [max ] f .
• Mulţimea soluţiilor admisibile χ1 este reprezentată în figura ce 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 )
Cazul II: x1 + 2 x 2 ≥ 2 şi se cere [min ] f .

Multimea soluţiilor admisibile χ2:
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 )
• Tabelul sinteză pentru ambele cazuri:
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
În general, este adevărat că dacă mulţimea χ intersectată cu un

semiplan ai1 x1 + ai 2 x 2 ≤ bi îşi pierde o porţiune convexă, atunci:
- valoarea lui [max] f se menţine sau scade;
- valoarea lui [min] f se menţine sau creşte.

Cap 1

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

Cap 1

Încărcat de

Drepturi de autor:

Formate disponibile

I.

FORMA GENERALĂ A PROBLEMEI

Acest paragraf are rolul de a fixa notaţiile necesare formulării

1. a) Forma generală. Forme echivalente.

poliedru convex din spaţiul n-dimensional cu n + 1 vârfuri, care reprezintă

Problema generală de optimizare liniară se formulează astfel: în

Din punct de vedere matematic, ea poate fi încadrată în clasa

⎛ a11 ... a1 j ... a1n ⎞

Scrierea vectorială a formei generale a problemei de programare liniară:

Formele matriceale echivalente pentru problema de programare liniară sunt:

În forma canonică apar numai restricţii concordante cu tipul de

Trecerea de la o formă la alta este posibilă prin folosirea

(O1) [min] f ( x ) = −[max](− f (x )) ;

unde - în ambele cazuri - x n +i ≥ 0 se numeşte variabilă de ecart sau variabilă

(O4) Dacă x j ∈ R * , atunci x j = x +j − x −j , unde x +j , x −j ∈ R + se numesc

1. b) Baze. Tipuri de soluţii.

Se consideră o problemă de programare liniară (P.L.) scrisă sub

I.1.1.b) AX = b , rangA=m<n, b ≥ 0 şi ∃i ∈ I astfel încât bi > 0 ,

• Vectorul b este numit vectorul resurselor.

Problemei de mai sus i se pot asocia două spaţii:

X = ( x1 ,.., x s ,.., x m ) este soluţie a problemei dacă x1 ,...., x n verifică

D2 Se numeşte soluţie admisibilă (posibilă, program) a problemei

D 3 Se numeşte bază a sistemului AX = b orice bază a spaţiului bunurilor

Presupunem că primii m vectori ai matricii A formează o bază şi

Terminologie Scriere vectorială Scriere pe coordonate

D 5 O SAB care optimizează funcţia de eficienţă f se numeşte soluţie

1. c) Teoremele fundamentale ale programării liniare

Se consideră o problemă de programare liniară scrisă sub forma

Teorema 1: Mulţimea soluţiilor admisibile ale problemei I.1.1.c) – I.1.3.c)

În general, mulţimea χ este un tronson convex, numit şi simplex.

Teorema 2: Se consideră problema I.1.1.c) – I.1.3.c) în condiţiile I.1.4.c) şi

Teorema 5: Dacă f ( X ) ia valoarea optimă în mai mult de un punct de

În algebra formală, oricărui model liniar cu funcţia scop

DUALITATE – Legături formale

Elementele problemei primale Elementele problemei duale

Cazul general al construirii dualului unui program liniar

[min]g = 820u1 + 400u2 + 680u3

Caz particular: Probleme duale simetrice

2. b)Teoremele fundamentale ale dualităţii

Teorema 1: Valoarea funcţiei de eficienţă din problema de maxim nu poate

Teorema 2: Dacă X * şi U * este un cuplu de soluţii admisibile de bază a

Teorema 4: Fiind dat un cuplu de probleme duale, o condiţie necesară şi

Următorul tabel sumarizează aceste teoreme:

P.D. \ P.P. → S.O.F Fără soluţie Optim nemărginit

3. Rezolvarea modelelor liniare în spaţiul bunurilor R 2+

Metodele de rezolvare a problemelor de programare liniarǎ sunt

câteva aspecte deosebit de utile, desprinse din proprietăţile soluţiilor unui

• Se construieşte familia- fascicolul - de drepte

- Toate soluţiile admisibile ( x1 , x2 ) ∈ χ care se află pe aceeaşi dreaptă

Exemplul 1: În cadrul unei uzine se găsesc disponibile capacităţi de

Cheltuielile de producţie au fost evaluate la 40 şi 45 unităţi monetare pentru

I.3.3 x j ≥ 0, j = 1,2 x j ≥ 0, j = 1,6

Etapa 1: Stabilirea compatibilităţii relaţiilor I.3.2 şi I.3.3:

S1 = {(x1 , x2 ) 2 x1 + 3 x2 ≤ 240} (d1 ) : 2 x1 + 3x2 = 240

Reprezentând grafic semiplanele date de restricţiile anterioare

100 Figura I.3.1

Mulţimea soluţiilor admisibile se obţine din operaţia:

care, conform notaţiilor introduse în primul paragraf, reprezintă χ. Ea apare

Etapa 3: Din familia de drepte (Dα ) : 40 x1 + 45 x 2 = α , α ∈ R se trasează

Valoarea minimă a lui f va fi stabilită după completarea tabelului sinteză:

Valoarea minimă a funcţiei cheltuielilor de producţie este atinsă în

x1* + x 2* + x 4* = 100 ⇒ 50 + x 4* = 100 ⇒

⇒ x 4* = 50 reprezintă numărul de produse P1 , P2 sau combinaţii ale