Modelare Si Simulare Economica

Modelare economica
TRUE/FALSE
1. Exista probleme de programare liniara care sa nu poata fi exprimate in forma standard.
ANS: F
2. Orice problema de minimizare poate fi transformata intr-o problema de maxim.
ANS: T
3. Orice problema de minimizare poate fi transformata intr-o problema de maxim, pe baza relatiei,
n
 n 
min  ci xi   max    ci xi  .
i 1  i 1 
ANS: T
4. In exprimarea matriceala, o problema de programare liniara in forma canonica este descrisa astfel.
Determina vectorul x  Rn care maximizeaza
z  cT x
cu restrictiile
Ax  b
x  0.
ANS: T
z  cT x
cu restrictiile
Ax  b
x  0.
ANS: F
6. Functia obiectiv a unei probleme de programare liniara este z  c T x . Fie k o constanta. Graficul
ecuatiei
cT x  k
este un hiperplan.
ANS: T
7. Intersectia unui numar finit de multimi convexe (daca nu este multimea vida) este multime concava.
ANS: F
8. Multimea tuturor combinatiilor convexe definite pe un set finit de puncte din Rn este convexa.
ANS: T
9. Fie o problema de programare liniara in forma canonica in care matricea A are m linii si n+m coloane.
Daca rangul matricei A este m, rezulta ca vectorii care formeaza liniile lui A sunt liniar independenti.
Rezulta ca sistemul constrangerilor nu contine ecuatii redundante.
ANS: T
10. Fie P problema de programare liniara in forma canonica si S multimea solutiilor admisibile ale lui P.
Orice solutie de baza si admisibila a lui P este punct extrem al lui S si, reciproc, orice punct exterm al
lui S este solutie de baza si admisibila a lui P.
ANS: T
11. Pasul al doilea al metodei simplex presupune verificarea criteriului de optimalitate.
ANS: T
12. Regula Bland. Alege drept coloana pivotala prima coloana (cea cu indicele minim) cu element nul in
linia obiectiv.
ANS: F
13. Fie P problema de programare liniara in forma standard. Problema duala asociata problemei duale a lui
P este P.
ANS: T
14. Fie problema de programare liniara,

maximizeaza z  c T x
cu restrictiile,
Ax  b
x nerestrictionat
Forma duala este problema de programare liniara,
maximizeaza z '  b T w
cu restrictiile,
AT w  c
w0
ANS: F
15. Fie problema primala de programare liniara,

cu restrictiile,
Ax  b
x0
Pentru fiecare i, bi este interpretat ca stocul maxim disponibil din cea de-a i-a resursa.
ANS: T
16. Membrul stang al celei de-a j-a constrangeri a problemei duale semnifica valoarea totala a intrarilor
utilizate pentru producerea unei unitati din cea de-a j-a iesire.
ANS: T
17. Daca problema primala/duala are o solutie admisibila si functia obiectiv are o valoare optima finita,
atunci problema duala/primala are o solutie admisibila cu aceeasi valoare obiectiv.
ANS: T
18. Consideram disponibil istoricul randamentelor procentuale pe m perioade de timp pentru fiecare
actiune dintr-un grup de n actiuni si notam cu rij , randamentul actiunii i in perioada j; y i , fractiunea
n
investita in actiunea i, astfel incat S   y i  1 ;  i2 , varianta actiunii i;  ik , covarianta dintre
i 1
actiunile i si k. Portofoliul este definit de fractiunile de investitii y1 , y 2 ,..., y n .

n
Randamentul asteptat al portofoliului este dat prin R   ri y i
i 1
ANS: T
19. In general, tehnicile de rezolvare a problemelor de optim (nu neaparat liniare) nu sunt iterative.
ANS: F
20. Tehnicile de cautare directa utilizeaza comparatii ale valorilor functiei de optimizat in puncte de test.
ANS: T
21. Problema RISCMIN1M (pentru a determina portofoliul optim cu valoarea tinta pentru randament data
de Rp) poate fi exprimata in termenii unei probleme de optimizare fara restrictii, astfel

Minimizeaza F   α  Bx Q α  Bx 
T
 r T α  Rp  r T Bx 2
 Rp  2
ANS: T
22. Fie setul de restrictii ale unei probleme de programare liniara,

5 x  3 y  5 z  15
10 x  4 y  5 z  20
x0
y0
z0
Punctul  0,0,0  apartine multimii solutiilor admisibile ale problemei.
ANS: T
23. Fie problema de programare liniara in forma canonica,
s
Maximizeaza z  cj xj
j 1
cu restrictiile
s
 aij x j  bi , 1  i  m
j 1
x j  0, 1  j  s
si astfel incat bi  0, 1  i  m .
Determinarea unei solutii de baza admisibile poate fi realizata prin metoda in doua faze. In
prima faza a metodei, pentru obtinerea unei solutii de baza fezabile, sunt introduse m variabile
artificiale, notate cu y i , obtinandu-se problema,
s
Maximizeaza z  cj xj
j 1
cu restrictiile
s
 aij x j  yi  bi , 1  i  m
j 1
x j  0, 1  j  s
y i  0, 1  i  m
si astfel incat bi  0, 1  i  m .
ANS: F
24. O varianta pentru a determina portofoliul optim este de a fixa o valoare tinta pentru randament, de
exemplu de Rp procente, si de a minimiza functia risc. O varianta a acestei probleme, RISCMIN1M
poate fi exprimata prin

Minimizeaza F   α  Bx Q α  Bx 
T
 r T α  Rp  r T Bx 2
 Rp  2
ANS: T
25. Fie setul de restrictii ale unei probleme de programare liniara, exprimata in forma standard,
5 x  3 y  5 z  15
10 x  4 y  5 z  20
x0
y0
z0
Multimea solutiilor admisibile ale problemei este vida.
ANS: F
26. Fie problema de optimizare liniara,
Maximizeaza z  5 x1  2 x 2  3 x 3
cu restrictiile
x1  x 2  x3  1
2 x1  5 x2  3x3  4
4 x1  x 2  3x3  2
x1 , x 2 , x3  0
Multimea solutiilor fezabile este vida.
ANS: F
MULTIPLE CHOICE
1. Fie problema de programare liniara

maximizeaza z  c1 x1  c 2 x 2  ...  c n x n
cu restrictiile
a11 x1  a12 x 2  ...  a1n x n  b1
a x  a x  ...  a x  b
 21 1 22 2 2n n 2

...
a m1 x1  a m 2 x 2  ...  a mn x n  bm
x j  0, j  1,2,..., n
Problema definita mai sus este
a. in forma standard c. in forma oarecare
b. in forma canonica d. nici una din celelalte variante prezentate
ANS: A

maximizeaza (*) z  c1 x1  c 2 x 2  ...  c n x n
cu restrictiile
a11 x1  a12 x 2  ...  a1n x n  b1
a x  a x  ...  a x  b
 21 1 22 2 2n n 2

...
a m1 x1  a m 2 x 2  ...  a mn x n  bm
x j  0, j  1,2,..., n
Functia definita in (*) este numita
a. functie de selectie d. functie de dilatare

b. functie obiectiv e. nici una din celelalte variante prezentate
c. functie de contractie
ANS: B
3. Fie problema de optimizare

Minimizeaza z  c1 x12  c 2 x22  ...  c n x n2
cu restrictiile
a11 x1  a12 x 2  ...  a1n x n  b1
a x  a x  ...  a x  b
 21 1 22 2 2n n 2

...
a m1 x1  a m 2 x 2  ...  a mn x n  bm
x j  0, j  1,2,..., n
a. de programare liniara in forma standard c. nici una din celelalte variante prezentate
b. de programare liniara in forma canonica
ANS: C

maximizeaza z  c1 x1  c 2 x 2  ...  c n x n
cu restrictiile
a11 x1  a12 x 2  ...  a1n x n  b1
a x  a x  ...  a x  b
 21 1 22 2 2n n 2

...
a m1 x1  a m 2 x 2  ...  a mn x n  bm
x j  0, j  1,2,..., n
a. in forma standard c. in forma oarecare
b. in forma canonica
ANS: B
5. Fie problema de optimizare

minimizeaza z  c1 x12  c 2 x22  ...  c n x n2
cu restrictiile
a11 x1  a12 x 2  ...  a1n x n  b1
a x  a x  ...  a x  b
 21 1 22 2 2n n 2

...
a m1 x1  a m 2 x 2  ...  a mn x n  bm
x j  0, j  1,2,..., n
a. de programare liniara in forma standard c. nici una din celelalte variante prezentate
b. de programare liniara in forma canonica
ANS: C

maximizeaza z  2 x  3 y
cu restrictiile
x  2y  6
2x  5 y  8
x0
Forma standard a problemei de mai sus este
a. maximizeaza z  2x  3 y   y    c. maximizeaza z  2x  3 y   y  
cu restrictiile cu restrictiile

x2 y  y 
6 

x  2 y  y  6 
 x  2  y  y   6
 

 x  2 y   y   6 
 2 x  5 y  y   8 

 2 x  8 y   y   8 
x  0, y  0 , y  0 x  0, y  0 , y  0
b. minimizeaza z  2 x  3 y  y  d. maximizeaza
 
cu restrictiile 
z  2 x  3 y   y  

x  2 y   y   12  cu restrictiile

 x  2 y   y   6  
x  2 y  y  6 
 2x  5 y  y   
  28 
 x  2 y   y   6 
x  0, y  0 , y  0
 2x  5 y  y   
  8
x  0, y  0 , y  0
ANS: A

maximizeaza z  2 x  3 y
cu restrictiile
x  2y  6
2x  5 y  8
x, y  0
a. maximizeaza c. maximizeaza z  2x  3 y

z  2 x  3 y  y  
 cu restrictiile
cu restrictiile  x  2 y  6

x2 y  y 
6 
2x  5 y  8
 x  2  y  y   6
 
x, y  0
 2 x  5 y  y   8
 
x  0, y  0 , y  0
b. maximizeaza z  2 x  3 y d. problema nu permite reprezentare in
forma standard
cu restrictiile
x  2y  6
 2 x  5 y  8
x, y  0
ANS: B

maximizeaza z  2 x  3 y  4u
cu restrictiile
3x  2 y  3u  4
2 x  3 y  2u  6
3x  y  2u  8
x, y, u  0
a. maximizeaza z  2 x  3 y  4u c. maximizeaza z  2 x  3 y  4u
3x  2 y  3u  4 3x  2 y  3u  4
2 x  3 y  2u  6 2 x  3 y  2u  6
 3x  y  2u  8 3x  y  2u  8
x, y, u  0 x, y, u  0
b. maximizeaza z  2 x  3 y  4u d. problema nu permite reprezentare in
forma standard
cu restrictiile
 3x  2 y  3u  4
 2 x  3 y  2u  6
3x  y  2u  8
x, y, u  0
ANS: A

maximimeaza z  2 x  3 y
cu restrictiile
x  2y  6
 2 x  5 y  8
x, y  0
Forma matriceala este
Maximizeaza z  c T x
cu restrictiile
Ax  b
x0
b , c, x  R2
Atunci matricea A este,
a.  2 3  d. 1 2
   
 1 2   0 0 
b.  2 3 e. nici una din celelalte variante prezentate
 
 0 0 
c.  1 2 
 
  2  5 
ANS: C
10.Relatia
n
 aij x j  bi
j 1
este echivalenta cu perechea de inegalitati
a. n n c. n n
 aij x j  bi ,   aij x j  bi  aij x j  bi ,   aij x j  bi
j 1 j 1 j 1 j 1
b. n n d. nici una din celelalte variante prezentate
 aij x j  bi ,   aij x j  bi
j 1 j 1
ANS: C
11. Daca o variabila xj nu este supusa constrangerii de a fi nenegativa, xj poate fi inlocuita cu perechea de
variabile x j , x j , unde
a. x j  x j  x j , x j  0 , x j  0 c. x j  x j  x j , x j  0 , x j  0
b. x j  x j  x j , x j  0 , x j  0 d. nici una din celelalte variante prezentate
ANS: A

maximizeaza z  5 x  3 y
cu restrictiile
x  2y  6
2x  5 y  8
x0
Forma standard a problemei de mai sus este,
a. maximizeaza c. maximizeaza 
z  5x  3 y   y  
z  5 x  3 y  y  
 cu restrictiile
cu restrictiile 
x  2 y  y  6 

x2 y  y 
6 

 x  2 y   y   6 
 x  2  y  y   6
 

 2 x  5 y   y   8 
 2 x  5 y  y   8  
x0
x0 y  0
y  0
y  0
y  0
b. maximizeaza

z  5 x  3 y   y  
cu restrictiile

x  2 y  y  6 

 x  2 y  y   6


 2 x  5 y   y   8 
x0
y  0
y  0
ANS: C
n
13. Fie restrictia  aij x j  bi . Pentru exprimarea acesteia in forma canonica, este considerata o
j 1
variabila suplimentara nenegativa, u i , astfel incat

a. n c. n
 aij x j  ui  bi  aij x j  u i  bi
j 1 j 1
b. n d. nici una din celelalte variante prezentate
 aij x j  u i  bi
j 1
ANS: B
z  cT x
cu restrictiile
Ax  b
x  0.
Data A este
a. vector c. scalar
b. matrice
ANS: B
15. In cazul unei probleme de programare liniara in forma canonica, cea de-a i-a restrictie este definita de,
a i1 x1  a i 2 x 2  ...  a in x n  bi , pentru a   ai1 , ai 2 ,..., ain  T
sau, echivalent,
a. a T x  bi d. a T x  bi
b. a T x  bi e. nici una din celelalte variante prezentate
c. a T x  bi
ANS: C
16. Cea de-a i-a restrictie a problemei,

a i1 x1  a i 2 x 2  ...  a in x n  bi
a   ai1 , ai 2 ,..., ain 
T
este exprimata in forma vectoriala prin, pentru
a. a T x  bi c. a T x  bi
b. a T x  bi d. nici una din celelalte variante prezentate
ANS: A
17. Fie x1 , x 2 solutii admisibile ale unei probleme de programare liniara P. Elementele multimii,
x  R n
x   x 1  1    x 2 , 0    1 
sunt
a. solutii optimale ale lui P c. solutii oarecare ale lui P
b. solutii admisibile ale lui P d. nici una din celelalte variante prezentate
ANS: B
18. Hiperplanul definit de a i1 x1  a i 2 x 2  ...  a in x n  bi , Ĥ , imparte Rn in doua semispatii

inchise,

H 1  x  R n a T x  bi 
H2  x  R n
a xb
T
i
cu proprietatile
a. H1  H 2  Rn, H 1  H 2  Hˆ c. H 1  H 2  Ø, H 1  H 2  Hˆ
b. H1  H 2  Rn, H1  H 2   d. nici una din variantele de mai sus
ANS: A
19. Multimea solutiilor admisibile ale unei probleme de programare liniara este multime
a. convexa c. concava
b. nici una din celelalte variante prezentate d. finita
ANS: A
20. Fie P o problema de programare liniara. Deoarece multimea solutiilor admisibile ale lui P, F, este
intersectia tuturor hiperplanelor inchise definite de setul de restrictii ale lui P, rezulta ca F este
a. poliedru convex, daca nu este multimea c. poliedru concav, daca nu este multimea
vida vida
b. poliedru convex, daca este multimea vida d. poliedru concav, daca este multimea vida
ANS: A
21. Multimea solutiilor unui sistem liniar de m ecuatii cu n necunoscute este

a. convexa c. concava
b. finita d. nici una din celelalte variante prezentate
ANS: A
x  R n se numeste combinatie convexa a punctelor x1 , x 2 ,..., x p  R
n
22. Un punct daca exista
c1 , c 2 ,..., c p  R cu
p
 ci  1,
i 1
ci  0, 1  i  p
astfel incat
a. p c. ci  x i , 1  i  min n, p
c   ci x i
i 1
b. p d. nici una din celelalte variante prezentate
x   ci x i
i 1
ANS: B
23. Multimea tuturor combinatiilor convexe definite pe un set finit de puncte din Rn este
a. concava c. nici una din celelalte variante prezentate
b. vida
ANS: C
24. Fie S o multime convexa in Rn. Un element u  S este punct extrem daca si numai daca
a. nu este combinatie convexa a nici unui d. este combinatie concava a unui subset
subset al lui S care contine u unic al lui S care contine u
b. este combinatie convexa a unui subset e. nici una din celelalte variante prezentate
unic al lui S care nu contine u
c. nu este combinatie convexa a nici unui
subset al lui S care nu contine u
ANS: C
25. Fie n  3 ; restrictia 5 x  3 y  5 z  15 defineste semispatiul inchis

a.

H   x, y , z 
T
 3,3,5 x, y, z  T 
c.
 15 
H   x, y , z 
T
 3,5,3 x, y, z  T  15 
H   x, y, z   5,3,5 x, y, z  T  15
b. T d. nici una din celelalte variante prezentate
ANS: B
26. Primul pas al metodei simplex presupune

a. constructia functiei obiectiv c. determinarea unei solutii de baza
admisibile initiale
b. determinarea unei solutii de baza oarecare d. nici una din celelalte variante prezentate
la momentul initial
ANS: C
27. Cel de-al treilea pas al metodei simplex presupune

a. verificarea criteriului de optimalitate c. selectarea tabelului curent
b. selectarea coloanei pivotale (variabila de d. nici una din celelalte variante prezentate
intrare)
ANS: B
28. Cel de-al patrulea pas al metodei simplex presupune

a. verificarea criteriului de optimalitate d. selectarea tabelului curent
b. selectarea coloanei pivotale (variabila de e. nici una din celelalte variante prezentate
intrare)
c. selectarea liniei pivotale (variabila de
iesire)
ANS: C
29. La cel de-al patrulea pas al metodei simplex, daca nu exista nici un   raport nenegativ si nenul,
variabila de intrare poate creste oricat si problema de programare liniara nu are solutie optima
finita, caz in care algoritmul
a. se opreste c. continua
b. cicleaza d. nici una din celelalte variante prezentate
ANS: A
30. Cel de-al cincilea pas al metodei simplex presupune

a. verificarea criteriului de optimalitate d. constructia noului tabel
b. selectarea coloanei pivotale (variabila de e. nici una din celelalte variante prezentate
intrare)
c. selectarea liniei pivotale (variabila de
iesire)
ANS: D

cu restrictiile,
Ax  b
x0
Problema duala este,
a. minimizeaza z '  b T w c. minimizeaza z '  c T w
cu restrictiile, cu restrictiile,
AT w  c AT w  b
wb w0
b. maximizeaza z '  b T w d. nici una din celelalte variante prezentate
cu restrictiile,
Aw  c
w0
ANS: D

cu restrictiile,
Ax  b
x0
Pentru fiecare j, variabila x j este
a. cantitatea (necunoscuta) din cea de-a j-a d. necesarul (cunoscut) din cea de-a j-a
iesire care trebuie produsa resursa care trebuie utilizata
b. cantitatea (cunoscuta) din cea de-a j-a e. nici una din celelalte variante prezentate
iesire care trebuie produsa
c. necesarul (necunoscut) din cea de-a j-a
resursa care trebuie utilizata
ANS: A
33. Cea de-a i-a componenta a unei solutii optimale a problemei duale reprezinta
a. contributia adusa profitului de o unitate d. contributia adusa costului de o unitate din
din cea de-a i-a iesire cea de-a i-a iesire
b. contributia adusa profitului de o unitate e. nici una din celelalte variante prezentate
din cea de-a i-a intrare
c. contributia adusa costului de o unitate din
cea de-a i-a intrare
ANS: B
34. Criteriul de optim al metodei simplex poate fi reformulat astfel: tabelul simplex curent
reprezinta o solutie optimala daca si numai daca
a. pentru orice d. exista j , 1  j  s, z j  c j  0
j , 1  j  s, z j  c j  0
b. exista j , 1  j  s, z j  c j  0 e. nici una din celelalte variante prezentate
c. pentru orice
j , 1  j  s, z j  c j  0
ANS: C
35.Tentativa de rezolvare a unei probleme de programare liniara are urmatoarele rezultate alternative
1. Nu exista solutii admisibile
2. Exista o solutie optimala finita
3. Exista solutii admisibile, dar functia obiectiv este nemarginita.
a. 1+2 d. 1+2+3
b. 1+3 e. 2
c. 2+3
ANS: D
36. Daca problema primala are solutii admisibile, dar functia obiectiv este nemarginita, atunci
problema duala
a. nu are solutii fezabile c. are un numar impar de solutii fezabile
b. are o solutie fezabila
ANS: A
37. Fie problema de optimizare neliniara,

3
Minimizeaza C  c1 y1  c 2 y 2  c3 y 3  K   y i 
i 1
cu restrictiile
r1 y1  r2 y 2  r3 y 3  MRp
y1  y 2  y 3  M
unde K  0 constanta (de obicei cu valoare foarte mare) si functia  este definita prin,
0, x  0
  x   2
x , x  0
Ea este echivalenta cu
a. Minimizeaza c. Minimizeaza
C  c1 y1  c 2 y 2  c3  M  y1  y 2   C  c1 y1  c 2 y 2  c3  M  y1  y 2  
2 2
 K   y i   K  M  y1  y 2   K   y i   K  M  y1  y 2 
i 1 i 1
r1 y1  r2 y 2  r3  M - y1  y 2   MRp r1 y1  r2 y 2  r3  M - y1  y 2   MRp
b. Maximizeaza d. nici una din celelalte variante prezentate

C  c1 y1  c 2 y 2  c3  M  y1  y 2  
2
 K   y i   K  M  y1  y 2 
i 1
cu restrictiile
r1 y1  r2 y 2  r3  M - y1  y 2   MRp
ANS: A
n
i 1
actiunile i si k. Portofoliul este definit de fractiunile de investitii y1 , y 2 ,..., y n . Randamentul mediu

al fiecarei actiuni i, 1  i  n , ri , este calculat prin,
a. m c. n
 rij  rij
j 1 i 1
m n
b. m d. nici una din celelalte variante prezentate
 rij
i 1
m
ANS: A
39. Problema standard a minimizarii riscului portofoliului y1 , y 2 ,..., y n , RISCMIN0, poate fi

modificata prin eliminarea restrictiei si a variabilei y n , deoarece
a. n 1 d. n 1
y n   yi y n  1   yi
i 1 i 1
b. n 1 e. nici una din celelalte variante prezentate
y n   yi  1
i 1
c. yn  1
ANS: D
40. Metoda secantei are la baza interpolarea liniara; daca F’ este evaluat in punctele x1 , x 2 , atunci
F '  x1 
x  x1   x2  x1 
F '  x 2   F '  x1 
este o estimatie a punctului in care F’
a. se anuleaza c. este strict negativ
b. este strict pozitiv d. nici una din celelalte variante
ANS: A
41. In tabelul urmator este prezentat istoricul randamentelor corespunzatoare actiunilor A1 si A2 pe
primele 6 luni ale anului.
Ianuarie Februarie Martie Aprilie Mai Iunie

A1 1.2 1.3 1.4 1.5 1.1 1.2
A2 1.3 1.0 0.8 0.9 1.4 1.3
Randamentul mediu al portofoliului este dat de vectorul
a. r T    1.2833 1.1167 d. r T  1.2833 0.1167

b. r T  1.2833 1.1167 e. nici una din celelalte variante prezentate
c. r T  1.2833  1.1167
ANS: B
42. Pentru rezolvarea problemelor de optim, unele metode necesita si calculul derivatelor partiale
de ordinul II, adica a matricei
a. Hessian c. nici una din celelalte variante
b. Gradient
ANS: A
43. Fie setul de restrictii ale unei probleme de programare liniara,

x  3 y  5 z  15
x  4 y  5 z  25
x0
y0
z0
Un punct din cele listate mai jos nu apartine multimii solutiilor admisibile ale problemei.
a.  0,0,0 c. 1,1,1
b.   10,0,0 d. 10,0,0
ANS: B
44. Matricea simetrica A este pozitiv definita daca si numai daca, pentru orice x  0 , are loc relatia
a. x T Ax  0 c. x T Ax  0
b. d.
x T A 2 x  10 0  x T Ax  10
ANS: A
45. Fie problema primara de minimizare a riscului in cazul unui portofoliu definit de fractiunile de
investitii y1 , y 2 ,..., y n , RISCMIN0,
V   α  Bx Q α  Bx
T
Minimizeaza
Problema RISCMIN0 poate fi rezolvata prin abordare analitica, astfel. Deoarece functia
gradient este,
V  2B T Qα  2B T QBx ,
valoarea optimala a lui x este obtinuta prin rezolvarea sistemului liniar,
a. B T QBx  B T Qα c. BQB T x  B T Qα
b. B T QBx  B T Qα d. nici una din variantele celelalte
ANS: A

 
Maximizeaza f x, y  2 x  4 y
cu restrictiile
2 x  3 y  12
3 x  4 y  12
x0
y0
Multimea solutiilor admisibile este patrulaterul cu varfurile
a. A   0,0  , B   6,0  , d. A   0,0  , B   6,0  ,
C   3,2  , D   0,3 C   3,20 , D   0,3
b. A=(0,0), B=(0,3), e. nici una din celelalte variante prezentate
3 5
C=  , , D=(4,0)
2 2
c. A   0,0  , B   0,6  ,
C   3,2  , D   0,3
ANS: E

 
cu restrictiile
x  3y  9
2 x  3 y  12
x0
y0
a. A   0,0  , B   6,0  , d. A   0,0  , B   6,0  ,

C   3,2  , D   0,3 C   3,20 , D   0,3
b. e. nici una din celelalte variante prezentate
3 5
A=(0,0), B=(0,3), C=  ,  , D=(4,0)
2 2
c. A   0,0  , B   0,6  ,
C   3,2  , D   0,3
ANS: A

Maximizeaza z  4 x  3 y
cu restrictiile
x y 4
5 x  3 y  15
x0
y0
a.
3 5 d. (0,0), (3,0),  4,3 , (0,4)
(0,0), (3,0),  ,  , (0,4)
2 2
b. e. nici una din celelalte variante prezentate
3 5
(0,0), (0,3),  ,  , (4,0)
2 2
c.
3 5
(0,0), (3,0),  ,  , (0,4)
4 4
ANS: A

Maximizeaza z  3x  y
cu restrictiile
 3x  y  6
3x  5 y  15
x0
y0
Utilizand teorema punct extrem, rezulta ca valoarea maxima a lui z este
a. 6 c. 12
b. 9 d. nu exista
ANS: D

Maximizeaza t  2 x  3 y  z
cu restrictiile
x yz 2
 2 x  y  z  10
x, y , z  0
Rezulta
a. solutia optimala (-2,4,3) c. solutia optimala (2,4,3)
b. problema nu are solutie optimala finita d. solutia optimala (0,2,0)
ANS: B
51. Fie urmatorul tabel, rezultat in urma aplicarii metodei simplex pentru rezolvarea unei probleme de
programare liniara, dar in care coloana variabilelor baza nu este specificata,
x1 x2 x3 u v w
1 5 2 0 0 3 20
0 2 4 1 0 -4 6
0 2 -1 0 1 3 12
0 -5 -3 0 0 3 12
Variabilele de baza ale tabelului sunt

a. x1, u, v c. x1 , x 2 , x3
b. u,v,w d. nici una din celelalte variante prezentate
ANS: A

Maximizeaza z  2 x1  3 x 2  x3
cu restrictiile
x1  2 x 2  x3  6
x1  3 x 2  3x3  10
xi  0,1  i  3
Rezulta
a. solutia optimala (-2,40,3) d. solutia optimala (2,40,3)
b. solutia optimala (3,2,4) e. solutia optimala (10,2,10)
c. problema nu are solutie optimala finita
ANS: C
53. Fie urmatorul tabel simplex, in care linia obiectiv este neprecizata.
x1 x2 x3 x4 x5 x6 x7
x4 0 0 2 1 5 0 0 6
2 7
x1 1 0 5 0 -3 0 -2 2
7
x6 0 0 3 0 4 1 -4 5
7
x2 0 1 0 0 3 0 0 1
2 7
Daca variabila de intrare este x 7 , atunci

a. nu exista solutie finita optimala d. variabila de iesire este x1
b. variabila de iesire este x4 e. variabila de iesire este x2
c. variabila de iesire este x6
ANS: A
54. Fie urmatorul tabel simplex,

x1 x2 x3 x4 x5 x6
x4 0 0 5 1 0 1 2

3 6 3
x2 0 1 10 0 1 1 1

3 3 3
x1 1 0 -3 0 -1 1 1
2
0 0 1 0 1 1 11
Atunci
a. variabila de intrare este x2 si variabila de d. este atins criteriul de oprire a metodei

simplex si problema are solutie optimala
iesire este x1 finita
b. variabila de intrare este x3 si variabila de e. este atins criteriul de oprire a metodei
simplex si problema nu are solutie
iesire este x1 optimala finita
c. variabila de intrare este x4 si variabila de
iesire este x1
ANS: D
55. Fie urmatorul tabel simplex,
x1 x2 x3 x4 x5 x6
x4 1 0 2 1 1 0 1

3 3 3
x2 2 1 4 0 1 0 1
3 3 3
x6 2 0 -6 0 -2 1 2
-2 0 7 0 3 0 9
Atunci
a. variabila de intrare este x2 si variabila de d. este atins criteriul de oprire a metodei
simplex si problema are solutie optimala
iesire este x4 finita
b. variabila de intrare este x3 si variabila de e. variabila de intrare este x si variabila de
1
iesire este x1 iesire este x6

c. variabila de intrare este x5 si variabila de
iesire este x6
ANS: E
NUMERIC RESPONSE
1. Daca A1' , A '2 ,..., A 'm sunt ultimile m coloane ale lui A (matrice cu n coloane) si sunt liniar
independente si daca
x1' A1'  x 2' A '2  ...  x m' A 'm  b ,
unde xi'  0, 1  i  m , atunci x   x1 , x 2 ,..., x n m , x1, ,..., xm,  este punct extrem al lui S,
unde x1  x 2  ...  x n m  ?
ANS:
0
2. Metodele gradient au avantajul ca permit definirea unui test de convergenta evident, si anume
algoritmul este incheiat cand gradientul este apropiat de valoarea ...
ANS:
0

 
cu restrictiile
x  3y  9
2 x  3 y  12
x0
y0
Utilizand teorema punct extrem, rezulta ca valoarea maxima a lui f este ....
ANS:
12

 
Maximizeaza f x, y  x  2 y
cu restrictiile
3x  y  6
3 x  4 y  12
x0
y0
Utilizand teorema punct extrem, rezulta ca valoarea maxima a lui f este ....
ANS:
6
5.Fie problema de programare liniara

Maximizeaza f x, y   x  2y
cu restrictiile
3x  y  6
3 x  4 y  12
x0
y0
Utilizand teorema punct extrem, rezulta ca variabila x a unei solutii optimale are valoarea.....
ANS:
0

Maximizeaza z  120x  100 y
cu restrictiile
x y 4
5 x  3 y  15
x0
y0
Utilizand teorema punct extrem, rezulta ca valoarea maxima a lui z este ....
ANS:
430

cu restrictiile
x y 4
5 x  3 y  15
x0
y0
ANS:
1.5
1,5

 
cu restrictiile
x  3y  9
2 x  3 y  12
x0
y0
Numarul punctelor de extrem este .....
ANS:
4

cu restrictiile
2x  y  2
x y 8
x y 3
x  y  12
x0
y0
ANS:
40

cu restrictiile
2x  y  2
x y 8
x y 3
x  y  12
x0
y0
ANS:
0
cu restrictiile
x1  x 2  x3  12
x1  3x 2  3 x3  24
3x1  6 x 2  4 x3  90
x1 , x 2 , x3  0
ANS:
36

cu restrictiile
x1  x 2  x3  12
x1  3x 2  3 x3  24
3x1  6 x 2  4 x3  90
x1 , x 2 , x3  0
Utilizand teorema punct extrem, rezulta ca variabila x1 a unei solutii optimale are valoarea.....
ANS:
6

cu restrictiile
x1  x 2  x3  12
x1  3x 2  3 x3  24
3x1  6 x 2  4 x3  90
x1 , x 2 , x3  0
ANS:
6

cu restrictiile
x1  x 2  x3  1
2 x1  5 x2  3x3  4
4 x1  x 2  3x3  2
x1 , x 2 , x3  0
ANS:
3

cu restrictiile
x1  x 2  x3  1
2 x1  5 x2  3x3  4
4 x1  x 2  3x3  2
x1 , x 2 , x3  0
ANS:
2
x1 x2 x3 x4 x5 x6 x7
x4 0 0 2 1 5 0 0 6
2 7
x1 1 0 5 0 -3 0 -2 2
7
x6 0 0 3 0 4 1 -4 5
7
x2 0 1 0 0 3 0 0 1
2 7
Daca variabila de intrare este x5 , atunci indicele variabilei de iesire este .......
ANS:
2
x1 x2 x3 x4 x5 x6 x7
x4 0 0 2 1 5 0 0 6
2 7
x1 1 0 5 0 -3 0 -2 2
7
x6 0 0 3 0 4 1 -4 5
7
x2 0 1 0 0 3 0 0 1
2 7
Daca variabila de intrare este x3 , atunci indicele variabilei de iesire este .......
ANS:
1

 
Maximizeaza f x, y  x  2 y
cu restrictiile
3x  y  6
3 x  4 y  12
x0
y0
Utilizand teorema punct extrem, rezulta ca variabila y a unei solutii optimale are valoarea.....
ANS:
3

cu restrictiile
x y 4
5 x  3 y  15
x0
y0
ANS:
2.5
2,5

cu restrictiile
2x  y  2
x y 8
x y 3
x  y  12
x0
y0
ANS: 8

cu restrictiile
x1  x 2  x3  12
x1  3x 2  3 x3  24
3x1  6 x 2  4 x3  90
x1 , x 2 , x3  0
Utilizand teorema punct extrem, rezulta ca variabila x2 a unei solutii optimale are valoarea....
ANS: 6

cu restrictiile
x1  x 2  x3  12
x1  3x 2  3 x3  24
3x1  6 x 2  4 x3  90
x1 , x 2 , x3  0
ANS: 0

cu restrictiile
x1  x 2  x3  1
2 x1  5 x2  3x3  4
4 x1  x 2  3x3  2
x1 , x 2 , x3  0
ANS: 0
cu restrictiile
x y 4
5 x  3 y  15
x0
y0
Utilizand teorema punct extrem, rezulta ca valoarea maxima a lui z este....
ANS: 24

cu restrictiile
x y 4
5 x  3 y  15
x0
y0
ANS: 0

cu restrictiile
x y 4
5 x  3 y  15
x0
y0
ANS: 4

Minimizeaza z  3x  5 y
cu restrictiile
3x  y  6
x y 4
x  2y  6
x0
y0
Utilizand teorema punct extrem, rezulta ca valoarea maxima a lui z este....
ANS: 0
Minimizeaza z  3x  5 y
cu restrictiile
3x  y  6
x y 4
x  2y  6
x0
y0
ANS: 0

Maximizeaza z  3 x1  9 x 2  x3
cu restrictiile
x1  x 2  x3  1
2 x1  5 x2  3x3  4
4 x1  x 2  3x3  2
x1 , x 2 , x3  0
ANS: 7

Maximizeaza z  3 x1  6 x 2  4 x3
cu restrictiile
x1  x 2  x3  1
2 x1  5 x2  3x3  4
4 x1  x 2  3x3  2
x1 , x 2 , x3  0
ANS: 5

Maximizeaza z  5 x1  2 x 2  x 3  x 4
cu restrictiile
2 x1  x 2  x3  2 x 4  6
3 x1  x3  15
5 x1  4 x 2  x 4  24
xi  0, 1  i  4
Prin utilizarea metodei simplex, rezulta ca valoarea maxima a lui z este....
ANS: 15

cu restrictiile
2 x1  x 2  x3  2 x 4  6
3 x1  x3  15
5 x1  4 x 2  x 4  24
xi  0, 1  i  4
Prin utilizarea metodei simplex, rezulta ca valoarea lui x1 intr-o solutie optimala este....
ANS: 3

cu restrictiile
2 x1  x 2  x3  2 x 4  6
3 x1  x3  15
5 x1  4 x 2  x 4  24
xi  0, 1  i  4
ANS: 0

cu restrictiile
2 x1  x 2  x3  2 x 4  6
3 x1  x3  15
5 x1  4 x 2  x 4  24
xi  0, 1  i  4
ANS: 0

cu restrictiile
2 x1  x 2  x3  2 x 4  6
3 x1  x3  15
5 x1  4 x 2  x 4  24
xi  0, 1  i  4
Prin utilizarea metodei simplex, rezulta ca valoarea lui x4 intr-o solutie optimala este...
ANS: 0
COMPLETION
1. O problema in care fie functia obiectiv, fie membrul drept al unei constrangeri sunt functii neliniare
este problema de programare .........
ANS: neliniara
2. Orice restrictie de tip egalitate poate fi transformata intr-o pereche de ...................
ANS: inegalitati
3. Un vector x  Rn care satisface restrictiiile problemei de programare liniara este numit solutie
fezabila sau .................................. a problemei.
ANS: admisibila
4. O solutie admisibila care optimizeaza functia obiectiv a unei probleme de programare liniara se
numeste solutie ......................
ANS: optimala
5. Variabila suplimentara utilizata pentru exprimarea unei restrictii de tip inegalitate intr-o restrictie de
tip egalitate se numeste variabila ................
ANS: slack
6. In cazul unei probleme de programare liniara in forma canonica, cea de-a i-a restrictie este definita de
relatia
a i1 x1  a i 2 x 2  ...  a in x n  bi
Multimea punctelor x   x1 , x 2 ,..., x n   Rn care satisfac relatia de mai sus este
un .........................al lui Rn
ANS: hiperplan
7. Pe baza definitiei solutiei admisibile a problemei de programare liniara, P, rezulta ca multimea

solutiilor admisibile ale lui P este ........................tuturor hiperplanelor inchise definite de setul de
restrictii ale lui P.
ANS: intersectia
8. Un semispatiu inchis este multime ......

ANS: convexa
9. O multime convexa se numeste ...... daca este inclusa intr-un dreptunghi, adica o multime de tipul

R  x  R n ai  xi  bi ,
unde x   x1 , x 2 ,..., x n  , a i , bi  R, 1  i  n .
ANS: marginita
10. Fie S o multime convexa. Un punct u  S se numeste punct........ al lui S daca, pentru orice pereche
x1 , x 2  S ,
de puncte distincte
u  x1  1    x 2 , 0    1
ANS: extrem
11. Daca x   x1 , x 2 ,..., x s  este punct extrem al lui S, atunci coloanele matricei A care corespund
componentelor strict pozitive ale lui x formeaza un set de vectori liniar .....................in Rm.
ANS: independenti
12. Fie S multimea solutiilor admisibile ale unei probleme de programare liniara P. Daca S este nevida si
marginita, atunci exista o solutie optimala a problemei P si aceasta este punct ....... al lui S.
ANS: extrem
13. Fie x1 , x 2 solutii admisibile ale unei probleme de programare liniara P. Elementele multimii,
x  R n
x   x 1  1    x 2 , 0    1 
sunt .................. ................ale lui P.
ANS: solutii admisibile
14. Fie S multimea solutiilor admisibile ale unei probleme de programare liniara P. Daca P nu are solutie
optimala, atunci S este fie vida, fie ................................
ANS: nemarginita
15. Fie P problema de programare liniara in forma canonica. P are un numar finit de solutii de baza si
s!
admisibile, inferior lui C sm  , care reprezinta numarul solutiilor ..... .......... ale lui P.
m! s  m !
ANS: de baza
16. Fie P problema de programare liniara in forma standard, S multimea solutiilor admisibile ale lui P si S’
multimea solutiilor admisibile ale variantei canonice ale lui P. Orice punct extrem al lui S determina
obtinerea unui punct extrem al lui S’ prin adaugarea variabilelor ...... Reciproc, orice punct extrem al
lui S’ determina, prin trunchiere, obtinerea unui punct extrem al lui S.
ANS: slack
17. Multimea convexa a solutiilor admisibile ale unei probleme de programare liniara in forma standard
are un numar ............ de puncte extreme.
ANS: finit
18. Fie S multimea solutiilor admisibile ale problemei de programare liniara definita in forma standard.
Doua puncte extrem ale lui S sunt ..................daca au in comun, ca solutii de baza si admisibile, una si
numai una din variabilele de baza considerate.
ANS: adiacente
19. Criteriul de oprire pentru metoda simplex este urmatorul. Daca linia obiectiv a tabelului contine in
pozitiile variabilelor non-baza elemente............, atunci este obtinut maximul functiei obiectiv si
calculul se incheie.
ANS:
nenegative
pozitive
20. Se numeste solutie ...............o solutie in care cel putin o variabila de baza este nula.
ANS: degenerata
21. La cel de-al patrulea pas al metodei simplex, cresterea variabilei de intrare este data de rapoartele dinte
elementele de pe coloana cea mai din dreapta (solutia admisibila de baza de la momentul curent) si
valorile corespunzatoare de pe coloana......., numite   rapoarte.
ANS: pivotala
22. La cel de-al cincilea pas al metodei simplex este construit tabelul rezultat in urma modificarii setului
solutiilor de baza admisibile prin stabilirea variabilelor de intrare si de iesire. Procedura este numita
de...............
ANS: pivotare
23. Fie perechea de probleme de programare liniara,

(1) maximizeaza z  c T x
cu restrictiile,
Ax  b
x0
si
(2) minimizeaza z'  bT w
cu restrictiile,
AT w  c
w0
unde A este o matrice m  n , c, x sunt vectori cu n componente si b, w sunt vectori cu m
componente. Problemele (1) si (2) se numesc ..............
ANS: duale
24. Fie perechea de probleme de programare liniara,

cu restrictiile,
Ax  b
x0
si
cu restrictiile,
AT w  c
w0
unde A este o matrice m  n , c, x sunt vectori cu n componente si b, w sunt vectori cu m
componente. Problema (1) se numeste problema..........., iar problema data prin (2) se numeste
problema ...............
ANS: primala duala
25. Fie problema de programare liniara in forma canonica,

cu restrictiile,
Ax  b
x0
Forma duala este problema de programare liniara,
minimizeaza z '  b T w
cu restrictiile,
AT w  c
w .......................
ANS:
nerestrictionat
neconstrans
26.Fie problema primala de programare liniara,

cu restrictiile,
Ax  b
x0
Pentru fiecare i si j, coeficientul aij reprezinta cantitatea din cea de-a ...-a intrare necesara
unei unitati din cel de-al ....-lea produs
ANS: i j

maximizeaza z  cT x
cu restrictiile,
Ax  b
x0
Coeficientul c j din functia obiectiv reprezinta ......... sau valoarea derivata in urma producerii unei
unitati din cea de-a j-a iesire.
ANS:
profitul
profit
28. Fie perechea de probleme de programare liniara primala, respectiv duala,

cu restrictiile,
Ax  b
x0
si
cu restrictiile,
AT w  c
w0
In cazul unei solutii optimale a problemei primale, profitul, egal cu cT x , este dat si prin
b T w , pe baza teoremei ........
ANS: dualitatii
29. In problema duala sunt cautate preturile ascunse ale fiecarei resurse (intrari) care sa ................pretul
lor total, cu constrangerea ca aceste preturi sa determine obtinerea unor valori corespunzatoare pentru
fiecare unitate de iesire produsa mai mari sau egale cu profiturile fiecarei unitati de produs.
ANS: minimizeze
30. Daca problema duala are solutii fezabile, dar functia obiectiv este.........., atunci problema primala nu
are solutii admisibile.
ANS: nemarginita
31. In unele situatii, restrictiile de tip ............ pot fi utilizate pentru eliminarea variabilelor unei probleme
de optimizare.
ANS: egalitate
n
i 1
actiunile i si k. Portofoliul este definit de fractiunile de investitii y1 , y 2 ,..., y n .Varianta portofoliului

n n 1 n
este definita prin V    y  2
i
2 2
i   ij yi y j si este utilizata ca masura a ........
i 1 i 1 j i 1
portofoliului.
ANS: riscului
33. In general, un portofoliu este considerat optim daca el furnizeaza cel mai mare randament cu cel mai
mic ...
ANS: risc
34. Optimizarea prin metode ....... utilizeaza derivatele functiei obiectiv si rezolva iterativ ecuatia neliniara
 
F' x  0 .
ANS: gradient
35. Metoda ........ determina minimul unei functii F(x) prin utilizarea primelor doua derivate ale functiei F.
ANS: Newton
36. Procedura MINRISC0 defineste problema primara de .................. a riscului in cazul unui portofoliu
definit de fractiunile de investitii y1 , y 2 ,..., y n .
MINRISC0:
V   α  Bx Q α  Bx
T
Minimizeaza
ANS: minimizare
37. Functia obiectiv a unei probleme de programare liniara este z  c T x . Fie k o constanta. Graficul
ecuatieic T x  k este un hiperplan. In ipoteza in care problema de optim este una de maxim, trebuie
determinate acele puncte x   x1 , x 2 ,..., x n   Rn din multimea solutiilor admisibile pentru care
valoarea lui k este cea mai mare posibila. Din punct de vedere geometric, acest lucru revine la
determinarea unui hiperplan care intersecteaza multimea solutiilor admisibile si pentru care k este ......
ANS: maxim
38. In general, in problemele de optimizare a portofoliilor, vectorul gradient si matricea Hessian pot fi
calculate direct, functiile obiectiv fiind in general ....... diferentiabile.
ANS: dublu
39.
Fie F  x1 , x 2 ,..., x n  functie de n variabile, continua si diferentiabila. Caracterizarea punctului de
minim atins de F este realizata in termenii vectorului ........... si a matricei Hessian
ANS: gradient

Modelare Si Simulare Economica

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

Modelare Si Simulare Economica

Încărcat de

Drepturi de autor:

Formate disponibile

Modelare economica

1. Exista probleme de programare liniara care sa nu poata fi exprimate in forma standard.

2. Orice problema de minimizare poate fi transformata intr-o problema de maxim.

11. Pasul al doilea al metodei simplex presupune verificarea criteriului de optimalitate.

14. Fie problema de programare liniara,

15. Fie problema primala de programare liniara,

actiunile i si k. Portofoliul este definit de fractiunile de investitii y1 , y 2 ,..., y n .

22. Fie setul de restrictii ale unei probleme de programare liniara,

1. Fie problema de programare liniara

a. in forma standard c. in forma oarecare

b. in forma canonica d. nici una din celelalte variante prezentate

2. Fie problema de programare liniara

a. functie de selectie d. functie de dilatare

3. Fie problema de optimizare

4. Fie problema de programare liniara

5. Fie problema de optimizare

6. Fie problema de programare liniara,

7. Fie problema de programare liniara,

8. Fie problema de programare liniara,

9. Fie problema de programare liniara

12. Fie problema de programare liniara,

variabila suplimentara nenegativa, u i , astfel incat

16. Cea de-a i-a restrictie a problemei,

18. Hiperplanul definit de a i1 x1  a i 2 x 2  ...  a in x n  bi , Ĥ , imparte Rn in doua semispatii

21. Multimea solutiilor unui sistem liniar de m ecuatii cu n necunoscute este

25. Fie n  3 ; restrictia 5 x  3 y  5 z  15 defineste semispatiul inchis

26. Primul pas al metodei simplex presupune

27. Cel de-al treilea pas al metodei simplex presupune

28. Cel de-al patrulea pas al metodei simplex presupune

30. Cel de-al cincilea pas al metodei simplex presupune

31. Fie problema de programare liniara

32. Fie problema primala de programare liniara,

37. Fie problema de optimizare neliniara,

b. Maximizeaza d. nici una din celelalte variante prezentate

actiunile i si k. Portofoliul este definit de fractiunile de investitii y1 , y 2 ,..., y n . Randamentul mediu

39. Problema standard a minimizarii riscului portofoliului y1 , y 2 ,..., y n , RISCMIN0, poate fi

Ianuarie Februarie Martie Aprilie Mai Iunie

Randamentul mediu al portofoliului este dat de vectorul

a. r T    1.2833 1.1167 d. r T  1.2833 0.1167

43. Fie setul de restrictii ale unei probleme de programare liniara,

46. Fie problema de optimizare liniara,

47. Fie problema de optimizare liniara,

a. A   0,0  , B   6,0  , d. A   0,0  , B   6,0  ,

48. Fie problema de programare liniara

49. Fie problema de programare liniara

50. Fie problema de programare liniara,

Variabilele de baza ale tabelului sunt

52. Fie problema de programare liniara,

Daca variabila de intrare este x 7 , atunci

54. Fie urmatorul tabel simplex,

a. variabila de intrare este x2 si variabila de d. este atins criteriul de oprire a metodei

55. Fie urmatorul tabel simplex,

iesire este x1 iesire este x6

3. Fie problema de optimizare liniara,

4. Fie problema de programare liniara

5.Fie problema de programare liniara

6. Fie problema de programare liniara

7. Fie problema de programare liniara

8. Fie problema de optimizare liniara,

9. Fie problema de programare liniara

10. Fie problema de programare liniara

12. Fie problema de programare liniara

13. Fie problema de optimizare liniara,