Sunteți pe pagina 1din 80

D.

CANTEMIR
UNIVERSITATEA CRESTINA
Facultatea de Management Turistic si Comercial

APLICATA
IN ECONOMIE
MATEMATICA
Ghid de studiu individual pentru studentii de la
forma de nvata mant Frecventa Redusa
Tatiana Corina Dosescu
Bogdan Toader

Cuprins
INTRODUCERE
0.1
Obiectivele cursului . . . . . . . . . . . .
0.2
Competente dobandite . . . . . . . . . .
0.3
Continutul materialului de studiu . . . . .
0.4
Resurse necesare si recomandari de studiu
0.5
Evaluarea . . . . . . . . . . . . . . . . .
0.6
Cunostinte preliminare . . . . . . . . . .

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

.
.
.
.
.
.

LINIARA

Modulul I ELEMENTE DE ALGEBRA


Unitatea de nvatare 1 SPATII VECTORIALE
1.1
Introducere . . . . . . . . . . . . . . .
1.2
Obiectivele unitatii de nvatare . . . . .
1.3
Competente dobandite . . . . . . . . .
1.4
Continutul unitatii de nvatare . . . . .
1.4.1
Definitia spatiului vectorial . .
1.4.2
Exemple de spatii vectoriale .
1.4.3
Combinatie liniara de vectori .
1.4.4
Sistem de generatori . . . . .
1.5
Test de autoevaluare . . . . . . . . . .
Bibliografie . . . . . . . . . . . . . . . . . . .

4
4
4
5
5
6
6

7
.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

8
8
8
9
9
9
10
11
12
12
12

SI DEPENDENTA
LINIARA

Unitatea de nvatare 2 INDEPENDENTA


2.1
Introducere . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
2.2
Obiectivele unitatii de nvatare . . . . . . . . . . . . . . . . . . .
2.3
Competente dobandite . . . . . . . . . . . . . . . . . . . . . . .
2.4
Continutul unitatii de nvatare . . . . . . . . . . . . . . . . . . .
2.4.1
Sistem liniar independent . . . . . . . . . . . . . . . . .
2.4.2
Sistem liniar dependent . . . . . . . . . . . . . . . . . .
2.4.3
Stabilirea (in)dependentei liniare n Rn . . . . . . . . .
2.5
Test de autoevaluare . . . . . . . . . . . . . . . . . . . . . . . .
Bibliografie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

13
13
13
14
14
14
14
15
17
17

SI DIMENSIUNE
Unitatea de nvatare 3 BAZA
3.1
Introducere . . . . . . . . . . . . . . . .
3.2
Obiectivele unitatii de nvatare . . . . . .
3.3
Competente dobandite . . . . . . . . . .
3.4
Continutul unitatii de nvatare . . . . . .
3.4.1
Baza a unui spatiu vectorial . .

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

18
18
18
19
19
19

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.

.
.
.
.
.

3.4.2
Dimensiunea unui spatiu vectorial . . . . . . . . . . . . . . . . . . . . . 19
3.5
Test de autoevaluare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
Bibliografie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 22
TEST DE CONTROL MODULUL I

23

Modulul II ELEMENTE DE PROGRAMARE LINIARA

24

SI MODELAREA
Unitatea de nvatare 4 PROBLEME DE PROGRAMARE LINIARA

LOR MATEMATICA
4.1
Introducere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.2
Obiectivele unitatii de nvatare . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.3
Competente dobandite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4
Continutul unitatii de nvatare . . . . . . . . . . . . . . . . . . . . . . . . . . . .
4.4.1
Exemplu de problema de programare liniara . . . . . . . . . . . . . . . .
4.4.2
Forme ale modelului matematic . . . . . . . . . . . . . . . . . . . . . .
4.4.3
Solutiile unei probleme de programare liniara . . . . . . . . . . . . . . .
Bibliografie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

25
25
26
26
26
26
27
28
30

Unitatea de nvatare 5 ALGORITMUL SIMPLEX


5.1
Introducere . . . . . . . . . . . . . . . . .
5.2
Obiectivele unitatii de nvatare . . . . . . .
5.3
Competente dobandite . . . . . . . . . . .
5.4
Continutul unitatii de nvatare . . . . . . .
5.4.1
Etapele algoritmului simplex . . .
5.4.2
Complicatii ale metodei simplex .
5.5
Test de autoevaluare . . . . . . . . . . . .
Bibliografie . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

31
31
31
32
32
32
35
35
35

Unitatea de nvatare 6 METODA PENALIZARII


6.1
Introducere . . . . . . . . . . . . . . . . .
6.2
Obiectivele unitatii de nvatare . . . . . . .
6.3
Competente dobandite . . . . . . . . . . .
6.4
Continutul unitatii de nvatare . . . . . . .
6.4.1
Metoda penalizarii . . . . . . . .
6.5
Test de autoevaluare . . . . . . . . . . . .
Bibliografie . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

.
.
.
.
.
.
.

36
36
36
37
37
37
40
40

Unitatea de nvatare 7 PROBLEMA TRANSPORTURILOR


7.1
Introducere . . . . . . . . . . . . . . . . . . . . . . .
7.2
Obiectivele unitatii de studiu . . . . . . . . . . . . . .
7.3
Competente dobandite . . . . . . . . . . . . . . . . .
7.4
Continutul unitatii de nvatare . . . . . . . . . . . . .
7.4.1
Problema transporturilor echilibrata . . . . .
7.4.2
Problema transporturilor neechilibrata . . . .
7.5
Test de autoevaluare . . . . . . . . . . . . . . . . . .
Bibliografie . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.

41
41
41
42
42
42
44
48
48

TEST DE CONTROL MODULUL II

49

MATEMATICA
50
Modulul III COMPLEMENTE DE ANALIZA
Unitatea de nvatare 8 SIRURI NUMERICE
8.1
Introducere . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
8.2
Obiectivele unitatii de nvatare . . . . . . . . . . . . . . . . . . .
8.3
Competente dobandite . . . . . . . . . . . . . . . . . . . . . . .
8.4
Continutul unitatii de nvatare . . . . . . . . . . . . . . . . . . .
8.4.1
Siruri de numere reale. Siruri monotone, siruri marginite
8.4.2
Limita unui sir de numere reale . . . . . . . . . . . . .
8.4.3
Proprietati privind monotonia, marginirea si convergenta
8.4.4
Siruri remarcabile . . . . . . . . . . . . . . . . . . . .
8.5
Test de autoevaluare . . . . . . . . . . . . . . . . . . . . . . . .
Bibliografie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.
.

51
51
51
52
52
52
53
54
55
56
57

Unitatea de nvatare 9 SERII NUMERICE


9.1
Introducere . . . . . . . . . . . . .
9.2
Obiectivele unitatii de nvatare . . .
9.3
Competente dobandite . . . . . . .
9.4
Continutul unitatii de nvatare . . .
9.4.1
Serii cu termeni oarecare .
9.4.2
Serii alternate . . . . . . .
9.4.3
Serii cu termeni pozitivi .
9.5
Test de autoevaluare . . . . . . . .
Bibliografie . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

58
58
58
59
59
59
60
61
64
64

Unitatea de nvatare 10 EXTREMELE FUNCTIILOR DE MAI MULTE VARIABILE


10.1 Introducere . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10.2 Obiectivele unitatii de nvatare . . . . . . . . . . . . . . . . . . . . . . . . . . .
10.3 Competente dobandite . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
10.4 Continutul unitatii de nvatare . . . . . . . . . . . . . . . . . . . . . . . . . . .
10.4.1 Functii de mai multe variabile . . . . . . . . . . . . . . . . . . . . . .
10.4.2 Extremele functiilor de doua variabile . . . . . . . . . . . . . . . . . .
10.4.3 Extremele functiilor de n variabile . . . . . . . . . . . . . . . . . . . .
10.5 Test de autoevaluare . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .
Bibliografie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.

65
65
65
66
66
66
69
70
71
71

Unitatea de nvatare 11 AJUSTAREA DATELOR DE OBSERVATIE


11.1 Introducere . . . . . . . . . . . . . . . . . . . . . . . . . . .
11.2 Obiectivele unitatii de nvatare . . . . . . . . . . . . . . . . .
11.3 Competente dobandite . . . . . . . . . . . . . . . . . . . . .
11.4 Continutul unitatii de nvatare . . . . . . . . . . . . . . . . .
11.4.1 Metoda celor mai mici patrate . . . . . . . . . . . .
11.4.2 Ajustarea liniara . . . . . . . . . . . . . . . . . . .
11.4.3 Ajustarea parabolica . . . . . . . . . . . . . . . . .
11.5 Test de autoevaluare . . . . . . . . . . . . . . . . . . . . . .
Bibliografie . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . .

.
.
.
.
.
.
.
.
.

72
72
72
73
73
73
73
73
75
75

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

.
.
.
.
.
.
.
.
.

TEST DE CONTROL MODULUL III

76

MODELE DE SUBIECTE PENTRU EXAMEN

77

INTRODUCERE
Acest material de studiu este destinat studentilor din anul I care urmeaza cursul
Matematica aplicata n economie din cadrul programului de studiu cu frecventa
redusa de la Facultatea de Management Turistic si Comercial a Universitatii Crestine Dimitrie Cantemir.

0.1 Obiectivele cursului


Obiectivele centrale ale cursului sunt urmatoarele:
deprinderea studentilor de a analiza logic si riguros.
familiarizarea studentilor cu conceptele si cu tehnica modelarii matematice
a unor fenomene economice.
pregatirea studentilor pentru alte cursuri care utilizeaza notiuni si metode
matematice.

0.2 Competente dobandite


Dupa studierea materialului Matematica aplicata n economie, studentii vor fi
capabili:
sa utilizeze conceptele, terminologia, metodele si conventiile din acest curs
pentru a rezolva probleme matematice legate de subiectul disciplinei Matematica aplicata n economie.
sa rezolve probleme matematice noi care presupun ntelegerea notiunilor si
a metodelor prezentate n acest curs.
sa nteleaga cum metode matematice de algebra si de analiza matematica pot
fi utilizate pentru a rezolva diverse probleme economice.
sa colaboreze cu specialisti din alte domenii.

0.3 Continutul materialului de studiu


Cursul este structurat pe 3 module de studiu, mpartite n unitati de nvatare:
Modulul I: Elemente de algebra liniara, care cuprinde unitatile de nvatare
13.
Modulul II: Elemente de programare liniara, care cuprinde unitatile de
nvatare 47.
Modulul III: Complemente de analiza matematica, care cuprinde unitatile
de nvatare 811.
Fiecare modul se ncheie cu un test de control.
Unitatea de nvatare

Timp alocat

1. Spatii vectoriale

2 ore

2. Independenta si dependenta liniara

2 ore

3. Baza si dimensiune

2 ore
2 ore

Test de control Modulul I


4. Probleme de programare liniara si modelarea lor
matematica

4 ore

5. Algoritmul simplex

4 ore

6. Metoda penalizarii

2 ore

7. Problema transporturilor

4 ore
2 ore

Test de control Modulul II


8. Siruri numerice

2 ore

9. Serii numerice

2 ore

10. Extremele functiilor de mai multe variabile

2 ore

11. Ajustarea datelor de observatie

2 ore
2 ore

Test de control Modulul III

0.4 Resurse necesare si recomandari de studiu


Cursul se bazeaza pe cartile urmatoare:

Bibliografie minimala
1. Dosescu, Tatiana-Corina, Matematica pentru modelare economica, Editura
Universitara, Bucuresti, 2011.

2. Dosescu, Tatiana-Corina, Toader, Nicolae Bogdan, Matematici pentru economisti. Aplicatii, Editura Universitara, Bucuresti, 2011.
3. Dosescu, Tatiana-Corina, Toader, Nicolae Bogdan, Fatu, Cristina, Matematica aplicata n economie. Manual de studiu individual, Editura Universitara, Bucuresti, 2012.
Prima carte din lista reprezinta suportul de curs, n care sunt tratate pe larg chestiunile teoretice nsotite de exemple. A doua carte vine n completarea primeia si
constituie o culegere de sinteze si de aplicatii. A treia carte reprezinta o versiune
extinsa a acestui ghid pentru studiu individual.
Fiecare unitate de nvatare se ncheie cu un scurt test de autoevaluare constand
ntr-unul sau mai multe exercitii cu scopul de a va ajuta sa va verificati nivelul de
ntelegere al unitatii de studiu respective.

0.5 Evaluarea
Examenul final la disciplina Matematica aplicata n economie consta ntr-o lucrare
scrisa care cuprinde numai exercitii pe care studentii trebuie sa le rezolve si, apoi,
sa redacteze cat mai detaliat solutiile acestora.
In stabilirea notei finale se tine cont si de participarea la activitatile tutoriale, precum si de rezultatele obtinute de catre student la cele 3 teste de evaluare de pe
parcurs.

0.6 Cunostinte preliminare


In acest curs veti ntalni diverse notiuni fundamentale de matematica, precum
si unele notatii consacrate, pe care se presupune ca le-ati studiat la cursurile de
matematica din liceu. Este vorba despre chestiuni privind multimile uzuale de numere, matrice, determinanti, inversa unei matrice patratice, rangul unei matrice si
rezolvarea sistemelor de ecuatii liniare. O foarte succinta recapitulare a acestora
poate fi gasita n lucrarile [2] si [3] indicate n bibliografia minimala de mai sus.

Modulul I

ELEMENTE DE ALGEBRA

LINIARA

Unitatea de nvatare 1

SPATII VECTORIALE
Cuprins
1.1

Introducere

1.2

Obiectivele unitatii de nvatare

1.3

Competente dobandite

1.4

Continutul unitatii de nvatare

1.5

1.4.1

Definitia spatiului vectorial

1.4.2

Exemple de spatii vectoriale

1.4.3

Combinatie liniara de vectori

1.4.4

Sistem de generatori

Test de autoevaluare

Bibliografie

1.1 Introducere
Vom considera numai spatii vectoriale peste corpul numerelor reale R. Avand
n vedere importanta pentru modelarea matematica a unor probleme economice,
vom acorda o atentie deosebita spatiului vectorial Rn al vectorilor coloana cu n
componente numere reale.

1.2 Obiectivele unitatii de nvatare


Obiectivul acestei unitati de nvatare este:

familiarizarea studentilor cu notiunea de spatiu vectorial (peste corpul numerelor reale R) si cu calculul vectorial elementar.

1.3 Competente dobandite


La finalul parcurgerii acestei unitati de nvatare veti fi capabil:
sa definiti notiunea de spatiu vectorial.
sa dati exemple de spatii vectoriale.
sa efectuati operatii cu vectori din spatiul Rn .
sa stabiliti daca un anumit vector este o combinatie liniara a altor vectori
dati.
sa stabiliti daca o multime de vectori este sistem de generatori pentru un
spatiu vectorial.

1.4 Continutul unitatii de nvatare


1.4.1 Definitia spatiului vectorial
Reamintim ca multimea numerelor reale R are o structura de corp comutativ data
de operatiile uzuale de adunare si de nmultire a numerelor. Definim acum notiunea
de spatiu vectorial. Vom considera numai spatii vectoriale peste corpul numerelor
reale R.
D EFINIT IE
Un spatiu vectorial peste corpul de scalari R este o multime nevida V , ale carei
elemente se numesc vectori, nzestrata cu doua operatii algebrice, una interna:
+ : V V V,

(v, w) 7 v + w,

numita adunarea vectorilor, si cealalta externa cu operatori din R:


(, w) 7 w,

: R V V,

numita nmultirea vectorilor cu scalari, care au urmatoarele proprietati:


(1) (u + v) + w = u + (v + w), pentru orice u, v, w V .
(2) Exista 0 V , numit vectorul nul, astfel ncat v + 0 = 0 + v = v, pentru orice
v V.

(3) Pentru orice v V , exista v V , numit vectorul opus lui v, astfel ncat
v + (v) = (v) + v = 0.
(4) v + w = w + v, pentru orice v, w V .
(5) (v + w) = v + w, pentru orice R, v, w V .
(6) ( + ) v = v + v, pentru orice , R, v V .
(7) () v = ( v), pentru orice , R, v V .
(8) 1 v = v, pentru orice v V .
Un spatiu vectorial peste corpul de scalari R se mai numeste si spatiu vectorial
real.
De asemenea, notam cu acelasi simbol 0 atat scalarul nul (numarul real zero) din
corpul R, cat si vectorul nul din spatiul vectorial V .

1.4.2 Exemple de spatii vectoriale


Exemplu Fie n un numar natural nenul. Multimea

( x1
)
x 2

Rn = . x1 , x2 , . . . , xn R
..
xn

are o structura de R-spatiu vectorial data de urmatoarele operatii algebrice:


adunarea vectorilor:

x1
y1
x1 + y1
x2 y2 x2 + y2

.. + .. = ..
. . .
xn

xn + yn

yn

nmultirea vectorilor cu scalari reali:



x1
x1
x2 x2

. = . ,
.. ..
xn

xn

pentru orice , x1 , . . . , xn , y1 , . . . , yn R. Elementele lui Rn se numesc vectori


coloana.

10

Daca este necesar un vector linie, l vom scrie ca transpusul unui vector coloana.
De asemenea, de multe ori vom scrie un vector coloana ca transpusul unui vector
linie:

x1
x2

x = . = (x1 , x2 , . . . , xn )T Rn .
..
xn

Numerele reale x1 , x2 , . . . , xn se numesc componentele vectorului x.

Doi vectori cu acelasi numar de componente sunt egali n cazul n care componentele corespunzatoare sunt egale:


x1 = y1
x1
y1

x2 y2
x2 = y2

.
.. = ..
..

. .
.

xn
yn
xn = yn


N .

Exemplu Fie m, n
Multimea Mm,n (R) a matricelor cu m linii si n coloane
de numere reale este un R-spatiu vectorial fata de adunarea matricelor si nmultirea
matricelor cu scalari reali.
Daca m = n, rezulta ca multimea Mn (R) a matricelor patratice de ordin n peste R
este un R-spatiu vectorial.


1.4.3 Combinatie liniara de vectori


D EFINIT IE
Fie V un spatiu vectorial real. Daca v1 , v2 , . . . , vn V si 1 , 2 , . . . , n R, vectorul
1 v1 + v x2 + + n vn V
se numeste combinatia liniara a vectorilor v1 , v2 , . . . , vn V cu scalarii 1 , 2 ,
. . ., n R.
Exemplu Fie vectorii din R3 :
v1 = (1, 2, 3)T ,

v2 = (1, 2, 1)T ,

a) Aflati vectorul v = 2v1 v2 3v3 .


b) Determinati , R astfel ncat v1 + v2 = 2v3 .

11

v3 = (3, 1, 2)T .

a) Avem:

b) Avem:

2
1
9
12
v = 2v1 v2 3v3 = 4 + 2 + 3 = 3 .
6
1
6
1

+ = 6
= 1 .
v1 + v2 = 2v3 =

3 = 4

Adunand membru cu membru primele doua ecuatii, obtinem 0 = 7, ceea ce reprezinta o contradictie. Prin urmare, sistemul este incompatibil, deci nu exista , R
cu proprietatea data.


1.4.4 Sistem de generatori


D EFINIT IE
Fie V un spatiu vectorial real. O multime S = {v1 , v2 , . . . , vn } V se numeste

sistem de generatori daca pentru orice v V , exista 1 , 2 , . . . , n R astfel ncat


v = 1 v1 + 2 v2 + + n vn .
Exemplu In spatiul vectorial real Rn , multimea E = {e1 , e2 , . . . , en }, unde
e1 = (1, 0, . . . , 0)T , e2 = (0, 1, 0, . . . , 0)T , . . . , en = (0, . . . , 0, 1)T ,
este sistem de generatori.

1.5 Test de autoevaluare


Fie vectorii din R3 :

v1 = (1, 1, 1)T ,

v2 = (1, 0, 1)T ,

v3 = (1, 2, 1)T .

a) Aflati vectorul v = 4v1 2v2 v3 .


b) Determinati , R astfel ncat v1 + v2 = 2v3 .

Bibliografie
1. Dosescu, Tatiana-Corina, Matematica pentru modelare economica, Editura
Universitara, Bucuresti, 2011.
2. Dosescu, Tatiana-Corina, Toader, Nicolae Bogdan, Matematici pentru economisti. Aplicatii, Editura Universitara, Bucuresti, 2011.

12

Unitatea de nvatare 2

SI
INDEPENDENTA
LINIARA

DEPENDENTA
Cuprins
2.1

Introducere

2.2

Obiectivele unitatii de nvatare

2.3

Competente dobandite

2.4

Continutul unitatii de nvatare

2.5

2.4.1

Sistem liniar independent

2.4.2

Sistem liniar dependent

2.4.3

Stabilirea (in)dependentei liniare n Rn

Test de autoevaluare

Bibliografie

2.1 Introducere
In aceasta unitate de nvatare vom introduce doua notiuni fundamentale ale algebrei liniare: sistem liniar independent si sistem liniar dependent de vectori.

2.2 Obiectivele unitatii de nvatare


Obiectivul acestei unitati de nvatare este:
deprinderea studentilor de a lucra cu doua concepte fundamentale ale algebrei liniare: sistem liniar independent si sistem liniar dependent de vectori.

13

2.3 Competente dobandite


La finalul parcurgerii acestei unitati de nvatare veti fi capabil:
sa stabiliti daca o multime de vectori este sistem liniar independent sau sistem liniar dependent.
sa gasiti relatia de dependenta liniara verificata de vectorii unui sistem liniar
dependent.

2.4 Continutul unitatii de nvatare


2.4.1 Sistem liniar independent
D EFINIT IE
Fie V un spatiu vectorial real. O multime S = {v1 , v2 , . . . , vn } V se numeste
sistem liniar independent daca:
1 v1 + 2 v2 + + n vn = 0

1 = 2 = = n = 0

(unde 1 , 2 , . . . , n R).

Exemplu In spatiul vectorial real Rn , multimea E = {e1 , e2 , . . . , en }, unde


e1 = (1, 0, . . . , 0)T , e2 = (0, 1, 0, . . . , 0)T , . . . , en = (0, . . . , 0, 1)T ,
este sistem liniar independent.

2.4.2 Sistem liniar dependent


D EFINIT IE
Fie V un spatiu vectorial real. O multime S = {v1 , v2 , . . . , vn } V se numeste
sistem liniar dependent daca exista scalarii 1 , 2 , . . . , n R, nu toti nuli, astfel
ncat
1 v1 + 2 v2 + + n vn = 0.
Expresia de mai sus se numeste relatie de dependenta liniara a vectorilor v1 , v2 ,
. . ., vn V .

14

Exemplu In R2 , vectorii
v1 =




5
20
, v2 =
,
2
8

formeaza un sistem liniar dependent, deoarece 4v1 + v2 = 0.

O BSERVAT IE . In orice spatiu vectorial:


orice submultime a unui sistem liniar independent este sistem liniar independent.
orice supramultime a unui sistem liniar dependent este sistem liniar dependent.

2.4.3 Stabilirea (in)dependentei liniare n Rn


Pentru a stabili daca o multime de vectori din spatiul Rn este sistem liniar independent sau sistem liniar dependent, putem folosi urmatorul rezultat:
Teorema Fie {v1 , v2 , . . . , vm } Rn si
!
A = v1 v2


vm Mn,m (R)

matricea formata cu cei m vectori coloana. Atunci:

(i) {v1 , v2 , . . . , vm } este sistem liniar independent rangA = m.


(ii) {v1 , v2 , . . . , vm } este sistem liniar dependent rangA < m.
Exemplu Fie vectorii din R3 :

3
v1 = 1 ,
4

2
v2 = 3 ,
1


1
v3 = 2 .
3

a) Sa se arate ca S = {v1 , v2 , v3 } este sistem liniar dependent.

b) Sa se gaseasca legatura dintre vectori (relatia de dependenta liniara).


a) Consideram matricea ale carei coloane sunt cei trei vectori din S:

3
2 1

!
A = v1 v2 v3 = 1 3 2 M3 (R).
4
1 3

15

Deoarece


3
2 1

det(A) = 1 3 2 = 27 + 16 1 + 12 + 6 6 = 0,
4
1 3

rezulta ca S = {v1 , v2 , v3 } este sistem liniar dependent.

b) Cum S = {v1 , v2 , v3 } este sistem liniar dependent, exista scalarii 1 , 2 , 3 R,


nu toti nuli, astfel ncat 1 v1 + 2 v2 + 3 v3 = 0. Avem:

31 + 22 + 3 = 0
1 32 + 23 = 0
1 v1 + 2 v2 + 3 v3 = 0 =

41 + 2 + 33 = 0.

Matricea acestui sistem liniar omogen este chiar matricea A de mai sus. Intrucat
det(A) = 0, vom folosi metoda generala de rezolvare a unui sistem liniar (a se
vedea [2]).
Se vede usor ca rangA = 2. Sistemul liniar fiind omogen, el este compatibil. Minorul principal este


3
2

p =
= 7 6= 0,
1 3
deci:

p
p
s

p 31 + 22 + 3 = 0
1 32 + 23 = 0 .
p

41 + 2 + 33 = 0
s

Sistemul este echivalent cu subsistemul format numai cu ecuatiile principale:



31 + 22 + 3 = 0
.
1 32 + 23 = 0
Notam 3 = R. Rezulta imediat ca 1 = , 2 = . Asadar, am obtinut
solutia generala:

1 =
2 =
(unde R).

3 =
Intrucat vectorii v1 , v2 , v3 sunt liniar dependenti, putem considera ca 6= 0. Relatia
de dependenta liniara 1 v1 + 2 v2 + 3 v3 = 03 se scrie succesiv:
v1 + v2 + v3 = 0

6=0

v1 + v2 + v3 = 0

relatie ce reprezinta legatura dintre vectori.

16

v1 = v2 + v3 ,


2.5 Test de autoevaluare


Fie vectorii din R3 :

1
v1 = 0 ,
1


2
v2 = 1 ,
1

v3 = 1 ,
0

cu R.

a) Determinati astfel ncat S = {v1 , v2 , v3 } sa fie sistem liniar dependent.


b) Pentru determinat, gasiti legatura dintre vectori (relatia de dependenta liniara).

Bibliografie
1. Dosescu, Tatiana-Corina, Matematica pentru modelare economica, Editura
Universitara, Bucuresti, 2011.
2. Dosescu, Tatiana-Corina, Toader, Nicolae Bogdan, Matematici pentru economisti. Aplicatii, Editura Universitara, Bucuresti, 2011.

17

Unitatea de nvatare 3

SI DIMENSIUNE
BAZA
Cuprins
3.1

Introducere

3.2

Obiectivele unitatii de nvatare

3.3

Competente dobandite

3.4

Continutul unitatii de nvatare

3.5

3.4.1

Baza a unui spatiu vectorial

3.4.2

Dimensiunea unui spatiu vectorial

Test de autoevaluare

Bibliografie

3.1 Introducere
In aceasta unitate de nvatare vom vedea ca orice spatiu vectorial finit dimensional
are o baza finita si ca orice baza are atatia vectori cat este dimensiunea spatiului
respectiv.

3.2 Obiectivele unitatii de nvatare


Obiectivul acestei unitati de nvatare este:
deprinderea studentilor de a lucra cu notiunile de baza a unui spatiu vectorial
si de coordonate ale unui vector ntr-o baza data.

18

3.3 Competente dobandite


La finalul parcurgerii acestei unitati de nvatare veti fi capabil:
sa stabiliti daca o multime de vectori ai unui spatiu vectorial este baza pentru
acel spatiu.
sa explicati ce nseamna dimensiunea unui spatiu vectorial finit dimensional.
sa calculati coordonatele unui vector ntr-o baza data a unui spatiu vectorial.

3.4 Continutul unitatii de nvatare


3.4.1 Baza a unui spatiu vectorial
D EFINIT IE
Fie V un spatiu vectorial real. O multime B V se numeste baza daca este sistem
liniar independent si sistem de generatori.
Exemplu In spatiul vectorial real Rn , multimea E = {e1 , e2 , . . . , en }, unde
e1 = (1, 0, . . . , 0)T , e2 = (0, 1, 0, . . . , 0)T , . . . , en = (0, . . . , 0, 1)T ,
este o baza, numita baza canonica.

3.4.2 Dimensiunea unui spatiu vectorial


D EFINIT IE
Fie V un spatiu vectorial real si n N . Spunem ca V este un spatiu vectorial
finit dimensional avand dimensiunea n si scriem
dimV = n ,
daca V contine o multime liniar independenta cu n vectori si orice multime cu n+1
vectori este liniar dependenta.

O BSERVAT IE . Dimensiunea unui spatiu vectorial finit dimensional reprezinta numarul


maxim de vectori liniar independenti.

19

Teorema Fie V un spatiu vectorial real de dimensiune n. Atunci:


1) Spatiul V contine cel putin o baza.
2) Orice baza a lui V are n vectori.
O BSERVAT IE . Dimensiunea unui spatiu vectorial finit dimensional V reprezinta:
numarul maxim de vectori liniar independenti din V .
numarul minim de vectori ai oricarui sistem de generatori din V .
numarul de vectori ai oricarei baze a lui V .
Exemplu Deoarece baza canonica E = {e1 , e2 , . . . , en } a spatiului vectorial Rn
are n vectori, rezulta ca dimensiunea spatiului vectorial Rn este egala cu n:
dim Rn = n .

O BSERVAT IE . Un sistem liniar independent din Rn care contine atatia vectori cat
este dimensiunea spatiului vectorial real Rn este o baza.
Teorema Fie V un spatiu vectorial real si B = {v1 , v2 , . . . , vn } o multime finita
de vectori din V . Urmatoarele afirmatii sunt echivalente:
1) B este o baza a spatiului vectorial V .
2) Pentru orice vector v V , exista scalarii unici 1 , 2 , . . . , n R astfel ncat:
v = 1 v1 + 2 v2 + + n vn
D EFINIT IE
Scalarii unici 1 , 2 , . . . , n se numesc coordonatele vectorului v n baza B, iar
vectorul vB = (1 , 2 , . . . , n )T Rn se numeste vectorul coordonatelor lui v n
baza B.
O BSERVAT IE . Daca B este baza canonica a lui Rn , atunci
vB = v
Altfel spus, coordonatele unui vector n baza canonica a lui Rn sunt chiar componentele sale.

20

Daca nu se specifica altfel, orice vector din Rn se considera exprimat n baza


canonica.
Exemplu Fie vectorii din R3 :

1
v1 = 3 ,
2

4
v2 = 1 ,
1


5
v3 = 1 .
0

a) Aratati ca B = {v1 , v2 , v3 } este o baza pentru spatiul vectorial real R3 .


b) Determinati coordonatele vectorului v = (1, 4, 3)T n baza B.
a) Intrucat dim R3 = 3 si B = {v1 , v2 , v3 } contine 3 vectori, ramane sa aratam ca
B este sistem liniar independent. Vom utiliza teorema din unitatea de nvatare 2.
Avem:

1
4 5
!

A = v1 v2 v3 = 3 1 1 M3 (R).
2 1 0

Cum det(A) = 4 6= 0, rezulta ca rangA = 3 = nr. vectorilor din B si, conform


teoremei amintite, obtinem ca B este sistem liniar independent. Asadar, B este
baza pentru spatiul vectorial R3 .
b) Fie 1 , 2 , 3 R coordonatele vectorului v = (1, 4, 3)T n baza B = {v1 , v2 , v3 }.
Avem:

= 1
1 + 42 + 53
31 2 + 3
= 4 .
1 v1 + 2 v2 + 3 v3 = v =

21 + 2
= 3
Determinantul acestui sistem liniar de 3 ecuatii cu 3 necunoscute este:


1
4 5

= 3 1 1 = 4 6= 0,
2 1 0

deci sistemul are solutie unica. Pentru a o gasi, aplicam regula lui Cramer:


1

4
5

8

=2
1 = 4 1 1 = 8
=
1 = 1 =

4
3 1 0


1
1 5

4
4 1 = 4
=
2 = 2 =
=1
2 = 3

4
2 3 0



1
4
1

4

=
3 = 3 =
= 1.
3 = 3 1 4 = 4

4
2 1 3
Vectorul coordonatelor lui v n baza B = {v1 , v2 , v3 } este vB = (2, 1, 1)T .

21

3.5 Test de autoevaluare


Fie vectorii din R3 :

v1 = (3, 2, 1)T ,

v2 = (1, 2, 2)T ,

v3 = (2, 1, 2)T .

a) Aratati ca B = {v1 , v2 , v3 } este o baza pentru spatiul vectorial real R3 .


b) Determinati coordonatele vectorului v = (1, 2, 3)T n baza B.

Bibliografie
1. Dosescu, Tatiana-Corina, Matematica pentru modelare economica, Editura
Universitara, Bucuresti, 2011.
2. Dosescu, Tatiana-Corina, Toader, Nicolae Bogdan, Matematici pentru economisti. Aplicatii, Editura Universitara, Bucuresti, 2011.

22

TEST DE CONTROL
MODULUL I
1. Fie vectorii din R3 :

1
v1 = 2 ,
1


2
v2 = 1 ,
3

2
v3 = 1 .
1

a) Aflati vectorul v = 3v1 v2 + 2v3 .


b) Determinati , R astfel ncat v1 + v2 = 5v3 .
2. Fie vectorii din R3 :

2
v1 = 1 ,
1

1
v2 = 2 ,
1

1
v3 = 1 .
2

a) Aratati ca {v1 , v2 , v3 } este sistem liniar dependent.


b) Gasiti legatura dintre vectori (relatia de dependenta liniara).
3. Fie vectorii din R3 :

1
v1 = 0 ,
1


2
v2 = 1 ,
1


1
v3 = 1 .
0

a) Aratati ca multimea B = {v1 , v2 , v3 } este o baza pentru spatiul vectorial real


R3 .

5
b) Determinati coordonatele vectorului v = 2 n baza B.
1

Barem de notare:

1.
3 puncte

2.
3 puncte

Timp de lucru: 2 ore.

23

3.
3 puncte

Oficiu
1 punct

Modulul II

ELEMENTE DE

PROGRAMARE LINIARA

24

Unitatea de nvatare 4

PROBLEME DE
SI
PROGRAMARE LINIARA
MODELAREA LOR

MATEMATICA
Cuprins
4.1

Introducere

4.2

Obiectivele unitatii de nvatare

4.3

Competente dobandite

4.4

Continutul unitatii de nvatare


4.4.1

Exemplu de problema de programare liniara

4.4.2

Forme ale modelului matematic

4.4.3

Solutiile unei probleme de programare liniara

4.5 Test de autoevaluare


Bibliografie

4.1 Introducere
In aceasta unitate de nvatare, vom vedea cum matematica poate fi utilizata pentru
a modela anumite probleme economice, dupa care vom studia cateva chestiuni
teoretice legate de modelele obtinute.

25

4.2 Obiectivele unitatii de nvatare


Obiectivul acestei unitati de nvatare este:
familiarizarea studentilor cu modelarea matematica a unor probleme economice.

4.3 Competente dobandite


La finalul parcurgerii acestei unitati de nvatare veti fi capabil:
sa identificati o problema de programare liniara.
sa formulati modelul matematic al unei probleme de programare liniara.

4.4 Continutul unitatii de nvatare


4.4.1 Exemplu de problema de programare liniara
Problema organizarii optime a productiei
Consideram m resurse materiale (materii prime, forta de munca, materiale, investitii
de capital, etc.) R1 , R2 , . . . , Rm care sunt utilizate pentru a obtine n produse P1 , P2 ,
. . . , Pn . Cunoastem cantitatile disponibile din resurse b1 , b2 , . . . , bm ; beneficiile
unitare obtinute prin realizarea produselor c1 , c2 , . . . , cn ; coeficientii tehnologici
ai j (1 i m, 1 j n), reprezentand cantitatea din resursa Ri (1 i m)
care se consuma pentru realizarea unei unitati din produsul Pj (1 j n). Vrem
sa determinam cantitatea care trebuie realizata din fiecare produs pentru a obtine
beneficiul total maxim.
Notam cu x j (1 j n) cantitatea care trebuie realizata din produsul Pj (1 j
n). Modelul matematic al problemei are urmatoarea forma:

[max] f (x) = c j x j
(1)

j=1
n

unde:

ai j x j bi , 1 i m (2)

j=1

(3)
x j 0, 1 j n

f : Rn R, x = (x1 , . . . , xn )T 7 f (x) = c1 x1 + + cn xn este functia obiectiv sau functia de eficienta care trebuie maximizata;
x = (x1 , . . . , xn )T Rn este argumentul functiei obiectiv, numit vectorul
variabilelor sau vectorul necunoscutelor modelului matematic;

26

relatiile (2) reprezinta sistemul de restrictii;


relatiile (3) constituie conditiile de nenegativitate impuse variabilelor modelului matematic.

4.4.2 Forme ale modelului matematic


Forma generala

Forma canonica

(1)

[optim] f (x) = c j x j
j=1
n

ai j x j bi , 1 i l

j=1

n
ai j x j = bi , l + 1 i p

j=1

ai j x j bi , p + 1 i m
j=1
1 j k
x j 0,
x j arbitrar,
k +1 j s

s+1 j n
x j 0,

(2)

(3)

Pentru problema de maxim, forma canonica este:

[max] f (x) = c j x j

j=1

(1)

Pentru problema de minim, forma canonica este:

[min] f (x) = c j x j

j=1

(1)

ai j x j bi , 1 i m (2)

j=1

x j 0, 1 j n
(3)

Forma standard

ai j x j bi , 1 i m (2)

j=1

(3)
x j 0, 1 j n

[optim] f (x) = c j x j

j=1
n

(1)

ai j x j = bi , 1 i m (2)

j=1

x j 0, 1 j n
(3)

27

Notam:
! 
A = ai j i=1,m, j=1,n Mm,n (R),
b = (b1 , b2 , . . . , bm )T Rm ,
c = (c1 , c2 , . . . , cn )T Rn ,

x = (x1 , x2 , . . . , xn )T Rn ,

cT x = c1 x1 + c2 x2 + + cn xn ,
x0

xi 0, i = 1, . . . , n.

Cu aceste notatii, obtinem varianta matriceala a formei standard:

[optim] f (x) = cT x (1)


Ax = b
(2)

x0
(3)

Fara a micsora generalitatea, vom presupune ca rangA = m < n .


Reguli de trecere de la o forma la alta:
Sensul unei inecuatii se schimba prin nmultirea cu (1).

O restrictie de tipul se transforma ntr-o ecuatie prin scaderea unei variabile nenegative, numita variabila de compensare.
O restrictie de tipul se transforma ntr-o ecuatie prin adunarea unei variabile nenegative, numita, de asemenea, variabila de compensare.

4.4.3 Solutiile unei probleme de programare liniara


Consideram problema de programare liniara al carei model matematic la forma
standard este:

[optim] f (x) = cT x
Ax = b

x0
D EFINIT IE

Un vector x = (x1 , x2 , . . . , xn )T Rn se numeste solutie posibila daca satisface


sistemul de restrictii (2) si conditiile de nenegativitate (3).
O solutie posibila care satisface si conditia de optim (1) se numeste solutie optima.
D EFINIT IE
Se numeste baza a sistemului de restrictii Ax = b, cu rangA = m, orice submatrice

28

patratica a lui A formata cu m coloane liniar independente.

O BSERVAT IE . Coloanele unei baze a sistemului de restrictii formeaza o baza a


spatiului vectorial (Rm , R).
Nota!m cu a j = (a1 j , a2 j, . . . , am j )T Rm , j = 1, . . . , n, coloanele matricei A. Daca
B = ai1 ai2 . . . aim Mm (R) este o baza, notam cu S Mm,nm (R) matricea
formata cu coloanele lui A care nu sunt n B.
D EFINIT IE
Cele m variabile asociate coloanelor matricei B se numesc variabile de baza. Ele
formeaza un subvector xB al lui x.
Cele n m variabile ramase (asociate coloanelor matricei S) se numesc variabile
secundare. Ele formeaza un subvector xS al lui x.
Coeficientii variabilelor de baza din functia obiectiv formeaza un subvector cB
al lui c, iar coeficientii variabilelor secundare din functia obiectiv formeaza un
subvector cS al lui c. Atunci putem scrie:
f (x) = cT x

f (x) = cTB xB + cTS xS

si
Ax = b

xB = B1 b B1 SxS

Relatia ncadrata se numeste forma explicita a sistemului de restrictii.


Daca xS = 0, obtinem solutia unica xB = B1 b.
D EFINIT IE
Se numeste solutie posibila de baza asociata bazei B o solutie posibila
T
!
x = xB xS Rn cu xB = B1 b si xS = 0.

O solutie optima de baza asociata bazei B nseamna o solutie optima


T
!
x = xB xS Rn cu xB = B1 b si xS = 0.
O BSERVAT IE . Pentru gasirea solutiei optime a unei P.P.L., este suficient sa investigam solutiile posibile de baza (a se vedea [1]).

29

Test de autoevaluare
O firma de constructii trebuie sa realizeze un complex de locuinte care sa cuprinda
cel putin 900 de garsoniere, cel putin 2100 de apartamente cu doua camere si cel
putin 1400 de apartamente cu trei camere. Firma doreste sa construiasca doua
tipuri de blocuri, M1 si M2 . Blocurile de tipul M1 contin 10 de garsoniere, 30
de apartamente cu doua camere si 40 de apartamente cu trei camere. Blocurile
de tipul M2 contin 30 de garsoniere, 50 de apartamente cu doua camere si 20 de
apartamente cu trei camere. Constructia unui bloc de tipul M1 costa 40 de milioane
de unitati monetare, iar a unui bloc de tipul M2 costa 50 de milioane de unitati
monetare. Cate blocuri trebuie construite din fiecare tip, astfel ncat cheltuielile
totale de constructie sa fie minime?
a) Elaborati modelul matematic al acestei probleme de programare liniara.
b) Aduceti modelul la forma standard.

Bibliografie
1. Dosescu, Tatiana-Corina, Matematica pentru modelare economica, Editura
Universitara, Bucuresti, 2011.
2. Dosescu, Tatiana-Corina, Toader, Nicolae Bogdan, Matematici pentru economisti. Aplicatii, Editura Universitara, Bucuresti, 2011.

30

Unitatea de nvatare 5

ALGORITMUL SIMPLEX
Cuprins
5.1

Introducere

5.2

Obiectivele unitatii de nvatare

5.3

Competente dobandite

5.4

Continutul unitatii de nvatare


5.4.1

Etapele algoritmului simplex

5.4.2

Complicatii ale metodei simplex

5.5 Test de autoevaluare


Bibliografie

5.1 Introducere
In aceasta unitate de nvatare, studiem o metoda metoda computationala pentru
rezolvarea modelelor matematice ale problemelor de programare liniara, numita
algoritmul simplex.

5.2 Obiectivele unitatii de nvatare


Obiectivul acestei unitati de nvatare este:
familiarizarea studentilor cu o metoda computationala eficienta pentru rezolvarea modelelor matematice ale problemelor de programare liniara.

31

5.3 Competente dobandite


La finalul parcurgerii acestei unitati de nvatare veti fi capabil:
sa aplicati algoritmul simplex pentru a gasi solutia optima a unei probleme
de programare liniara.

5.4 Continutul unitatii de nvatare


5.4.1 Etapele algoritmului simplex
Pasul 0. Aducem P.P.L. la forma standard:

[optim] f (x) = cT x
Ax = b

x0

unde rangA = m < n si b 0. Punem n evidenta vectorii coloana ai matricei A:


!

A = a1 a2 an , a j Rn , j = 1, . . . , n.
Presupunem ca printre coloanele matricei A exista cei m vectori unitari
care formeaza matricea unitate de ordin m, fie acestia ai1 , ai2 , . . ., aim ,
unde i1 , i2 , . . ., im {1, . . . , m}.

!
Baza initiala este B = ai1 ai2 . . . aim = Im .

Solutia posibila de baza, initiala, este x = (xB xS )T = (b 0)T .

Structura tabelului simplex corespunzator unei baze B este urmatoarea:


B

cB

xB

c1
a1

Coeficientii
din expresia
Coordonatele
Lista
functiei
Valorile
vectorului
vectorilor
obiectiv f
variabilelor
a1

n baza B
bazei B ai variabilelor
de baza
de baza
fj

///
j

fB
///

f1
1

cn
an

cj

Coordonatele
vectorului
an

n baza B
fn
n

///
///

n care:
aBj = B1 a j este vectorul coordonatelor vectorului a j n baza B, j =
1, . . . , n.
fB = cTB xB este valoarea functiei obiectiv corespunzatoare solutiei posibile de baza.

32

f j = cTB aBj , j = 1, . . . , n.
(
c j f j , daca problema este de maxim
j =
f j c j , daca problema este de minim

j = 1, . . . , n.

Pasul 1 (Testul de optim). Daca j 0, j = 1, . . . , n , solutia curenta este optima. STOP. Altfel, trecem la pasul 2.
Pasul 2 (Intrarea n baza). Intra n baza vectorul a j caruia i corespunde cea mai
mare diferenta j pozitiva.
Pasul 3 (Testul de optim infinit). Daca toate componentele n vechea baza ale
vectorului care intra n baza sunt negative, atunci P.P.L. are optim infinit: fmax =
+ (daca problema este de maxim), respectiv fmin = (daca problema este de
minim). STOP. Altfel, trecem la pasul 4.
Pasul 4 (Iesirea din baza). Impartim componentele lui xB corespunzatoare componentelor strict pozitive de pe coloana vectorului care intra n baza la aceste componente strict pozitive. Cel mai mic dintre aceste rapoarte, notat cu , ne indica
vectorul care iese din baza.
Elementul ce se gaseste la intersectia coloanei vectorului care intra n baza cu linia
vectorului eliminat din baza se numeste pivot.
Pasul 5. Completam tabelul simplex corespunzator noii baze B astfel:
Scriem vectorii noii baze B n coloana B.
Scriem coeficientii din expresia functiei f ai variabilelor de baza n coloana
cB .
Coloanele vectorilor bazei sunt vectori unitari (1 la intersectia liniei vectorului cu coloana aceluiasi vector si 0 n rest).
Valorile nedeterminate nca de pe linia pivotului se obtin mpartind valorile
vechi la pivot (Linia pivotului se mparte la pivot).
Restul valorilor de pe liniile corespunzatoare vectorilor din baza le calculam
cu regula dreptunghiului:
Vechea valoare se nmulteste cu pivotul (ele determina o diagonala ntrun dreptunghi). Din acest produs se scade produsul elementelor de pe
cealalta diagonala si diferenta se mparte la pivot.
Calculam valorile fB , f1 , . . . , fn si 1 , . . . , n cu formulele de la pasul 1.

33

Dupa ce noul tabel simplex este completat, trecem la pasul 1.


Exemplu Sa rezolvam problema de programare liniara:

[min] f (x) = x1 + 2x2 + x3


x1 + x3 4
x

2 + 2x3 6

x1 , x2 , x3 0.

Aducem problema la forma standard:

[min] f (x) = x1 + 2x2 + x3 + 0x4 + 0x5


x1 + x3 x4 = 4
x

2 + 2x3 + x5 = 6

x j 0 j = 1, . . . , 5

Matricea sistemului de restrictii este:


a1 a2 a3 a4 a5


1 0 1 1 0
A=
M2,5 (R),
0 1 2 0 1




!
1 0
= I2 . Tabelul simplex corespunzator
Baza initiala este B = a1 a2 =
0 1
bazei initiale este:
B

cB

xB

a1

a2
2
6
////
fj
16
j = f j c j ////

1 2
1
0
0
a1 a2 a3 a 4 a5
1 0
1 1 0

cj

4
=
4
1

0
1
0

6
2

1
2
0

2
5
4

0
1
1

=3
////
////

1
2
2

Iteratia 1.
Testul de optim. Solutia posibila de baza initiala nu este optima.
Intrarea n baza. Vectorul a3 intra n baza.
Testul de optim infinit. Nu se semnaleaza optim infinit.
Iesirea din baza. Vectorul a2 iese din baza.
!

Tabelul simplex corespunzator noii baze B = a1 a3

34


1 1
este
=
0 2


cB

xB

a1

a3
1
3
////
fj
4
j = f j c j ////

1
2
a1 a2
1 12
0
1
0

1
2

0
2

1
0
0
a3 a4 a5
0 1 12
1
1
0

0
1
1

1
2

0
0

Iteratia 2.
Testul de optim. Deoarece j 0, j = 1, . . . , 5, rezulta ca solutia posibila
de baza curenta este optima. STOP.
Solutia optima este x1 = 1, x2 = 0, x3 = 3, x4 = 0 si x5 = 0. Asadar, solutia optima

a problemei initiale este x1 = 1, x2 = 0 si x3 = 3, cu fmin = 4.

5.4.2 Complicatii ale metodei simplex


Matricea sistemului de restrictii nu contine matricea unitate
Daca matricea A nu contine matricea unitate de ordin m, atunci aplicam metoda
penalizarii (a se vedea unitatea de nvatare urmatoare si lucrarile [1] si [2]).
Metoda perturbatiilor
Se aplica pentru a determina vectorul care iese din baza atunci cand exista mai
multe rapoarte minime egale (a se vedea manualul [1]).

5.5 Test de autoevaluare


Rezolvati problema de programare liniara:

[max] f (x) = 2x1 + x2


x1 x2 4
3x

1 x2 18

x1 , x2 0.

Bibliografie

1. Dosescu, Tatiana-Corina, Matematica pentru modelare economica, Editura


Universitara, Bucuresti, 2011.
2. Dosescu, Tatiana-Corina, Toader, Nicolae Bogdan, Matematici pentru economisti. Aplicatii, Editura Universitara, Bucuresti, 2011.

35

Unitatea de nvatare 6

METODA PENALIZARII
Cuprins
6.1

Introducere

6.2

Obiectivele unitatii de nvatare

6.3

Competente dobandite

6.4

Continutul unitatii de nvatare


6.4.1

Metoda penalizarii

6.5 Test de autoevaluare


Bibliografie

6.1 Introducere
In aceasta unitate de nvatare, vom prezenta o metoda pentru producerea unei baze
initiale matricea unitate atunci cand aceasta nu se gaseste n matricea sistemului
de restrictii.

6.2 Obiectivele unitatii de nvatare


Obiectivul acestei unitati de nvatare este:
studiul unui caz special care poate aparea n rezolvarea modelelor matematice ale problemelor de programare liniara.

36

6.3 Competente dobandite


La finalul parcurgerii acestei unitati de nvatare veti fi capabil:
sa aplicati metoda penalizarii pentru a determina o baza initiala, atunci cand
matricea unitate nu se gaseste n matricea sistemului de restrictii.
sa rezolvati cu algoritmul simplex problema de programare liniara n care
baza initiala a fost obtinuta n urma aplicarii metodei penalizarii.

6.4 Continutul unitatii de nvatare


6.4.1 Metoda penalizarii
Consideram o problema de programare liniara adusa la forma standard:

[optim] f (x) = cT x
Ax = b
.

x 0n
unde A Mm,n (R), rangA = m < n, b Rm , b 0m , c, x Rn .

Metoda penalizarii
Presupunem ca printre coloanele matricei A exista r vectori unitari, unde 0 r < m
(daca r = 0 nseamna ca A nu contine nici un vector unitar).
Introducem n m r restrictii cate o variabila nenegativa, numita variabila
artificiala. Fie y1 , y2 , . . . , ymr cele m r variabile artificiale si y Rmr
vectorul coloana ale carui componente sunt aceste variabile.
Deoarece variabilele artificiale afecteaza egalitatile n care intervin, ele se
introduc si n functia obiectiv cu un coeficient de penalizare M pozitiv si
foarte mare n raport cu toti coeficientii care apar n problema si care are
semnul daca problema este de maxim si semnul + daca problema
este de minim.
Obtinem astfel problema extinsa, care
a) n cazul problemei de maxim are forma:

[max] f (x) = cT x My1 My2 . . . Mymr


Ax + Ey = b

x 0n , y 0mr

37

b) n cazul problemei de minim are forma:

[min] f (x) = cT x + My1 + My2 + . . . + Mymr


Ax + Ey = b

x 0n , y 0mr

!
T
unde x = x y Rn+mr si M (M > 0 oricat de mare), iar E
Mm,mr (R) este o matrice ale carei coloane sunt numai vectori unitari.
Matricea A Mm,n+mr (R) a sistemului de restrictii ale problemei extinse
contine matricea unitate de ordin m, deci avem acum o baza initiala B = Im
cu care putem ncepe aplicarea algoritmului simplex.
Exemplu Sa rezolvam problema de programare liniara:

[max] f (x) = 3x1 + 5x2


2x1 + 3x2 6
x1 + 2x2 1

x1 , x2 0.

Aducem problema la forma standard:

[max] f (x) = 3x1 + 5x2 + 0x3 + 0x4


2x1 + 3x2 + x3 = 6
x1 + 2x2 x4 = 1

x1 , x2 , x3 , x4 0.
Matricea sistemului de restrictii este:
a1 a2 a3 a4


2 3 1 0
A=
M2,4 (R).
1 2 0 1

Pentru a obtine baza initiala matricea unitate, aplicam metoda penalizarii. Obtinem,
problema extinsa:

[max] f (x) = 3x1 + 5x2 + 0x3 + 0x4 My


(M )


2x1 + 3x2 + x3
= 6
x1 + 2x2 x4 + y = 1

x1 , x2 , x3 , x4 , y 0.
unde x = (x1 , x2 , x3 , x4 , y)T . Matricea noului sistem de restrictii este
a1 a2 a3 a4


2 3 1 0 0
A =
M2,5 (R).
1 2 0 1 1

38

unde este coloana corespunzatoare


artificiale y.
 variabilei

!

1 0
Baza initiala este B = a3 =
= I2 .
0 1
Tabelul simplex corespunzator bazei initiale este
B

cB

xB

a3

3
a1
2

5
a2
3

0
a3
1

M
1
1
2
////
fj
M
M
2M
j = c j f j //// 3 + M 5 + 2M

0
a4
0

cj

6
=
2
3
1
2

1
1
M M
M
0

0
0
0

////
////

Iteratia 1.
Testul de optim. Solutia posibila de baza curenta nu este optima.
Intrarea n baza. a2 intra n baza.
Testul de optim infinit. Nu se semnaleaza optim infinit.
Iesirea din baza. iese din baza.
!

Tabelul simplex corespunzator noii baze B = a3 a2


B

cB

xB

a3

9
2

1
a2
5
2
5
////
fj
2
j = c j f j ////

3 5 0
0
a1 a2 a3 a4

1
2

3
2

32

1
2
5
2
1
2

1
5
0

0
0
0

12
52

1
2
5
2

5
2


1 3
=
este
0 2
cj

9
2

M 52

3
2

=3

////
////

Iteratia 2.
Testul de optim. Solutia posibila de baza curenta nu este optima.
Intrarea n baza. a4 intra n baza.
Testul de optim infinit. Nu se semnaleaza optim infinit.
Iesirea din baza. a3 iese din baza.

!
Tabelul simplex corespunzator noii baze B = a4 a2 =

39


0 3
este
1 2

cB

xB

3
a1

a4

1
3

2
a2
5
2
3
10
////
fj
10
3
j = c j f j //// 13

5
a2
0

0
a3

1
5
0

1
3
5
3

2
3

53

0 M
a4
1 1
0
0
0

0
0
M

Iteratia 3.
Testul de optim. Avem j 0, j = 1, . . . , 5. Prin urmare, solutia posibila
de baza curenta este optima. STOP.
In baza nu se gaseste nici un vector artificial, deci solutia optima a problemei
extinse
x1 = 0,

x2 = 2,

x3 = 0,

x4 = 3,

y = 0 si

fmax = 10.

este si solutie optima pentru problema initiala:


x1 = 0,

x2 = 2 si

fmax = 10.


6.5 Test de autoevaluare


Rezolvati problema de programare liniara:

[min] f (x) = 5x1 + 2x2


x1 + 2x2 2
2x1 + x2 3

x1 , x2 0.

Bibliografie

1. Dosescu, Tatiana-Corina, Matematica pentru modelare economica, Editura


Universitara, Bucuresti, 2011.
2. Dosescu, Tatiana-Corina, Toader, Nicolae Bogdan, Matematici pentru economisti. Aplicatii, Editura Universitara, Bucuresti, 2011.

40

Unitatea de nvatare 7

PROBLEMA
TRANSPORTURILOR
Cuprins
7.1

Introducere

7.2

Obiectivele unitatii de nvatare

7.3

Competente dobandite

7.4

Continutul unitatii de nvatare

7.5

7.4.1

Problema transporturilor echilibrata

7.4.2

Problema transporturilor neechilibrata

Test de autoevaluare

Bibliografie

7.1 Introducere
Un caz particular de problema de programare liniara, a carui rezolvare este deosebit de utila datorita multiplelor sale aplicatii practice, este obtinut prin modelarea problemelor de transport.

7.2 Obiectivele unitatii de studiu


Obiectivele acestei unitati de nvatare sunt:
familiarizarea studentilor cu modelarea matematica a unor probleme economice.

41

prezentarea unei metode pentru rezolvarea unui probleme speciale de programare liniara, numita problema de transport.

7.3 Competente dobandite


La finalul parcurgerii acestei unitati de nvatare veti fi capabil:
sa modelati matematic o problema de transport.
sa echilibrati o problema de transport neechilibrata.
sa determinati o solutie posibila de baza initiala, nedegenerata, folosind
metoda coltului de Nord-Vest.
sa gasiti solutia optima a unei probleme de transport folosind metoda potentialelor.

7.4 Continutul unitatii de nvatare


7.4.1 Problema transporturilor echilibrata
Enuntul general al problemei transporturilor:
Se considera m centre furnizoare (depozite) A1 , A2 , . . . , Am , n care este disponibil
un produs omogen n cantitatile cunoscute a1 , a2 , . . . , am , si n centre de consum
(beneficiari) B1 , B2 , . . . , Bn , unde acel produs este necesar n cantitatile cunoscute
b1 , b2 , . . . , bn . Cunoscand costurile unitare de transport ci j , i = 1, m, j = 1, n, de la
fiecare centru furnizor la fiecare centru de consum, sa se afle cantitatile de produs
care trebuie transportate de la fiecare depozit la fiecare beneficiar astfel ncat cantitatile necesare n centrele consumatoare sa fie asigurate n cea mai mare masura,
iar costul total de transport sa fie minim.
Datele unei probleme de transport pot fi cuprinse ntr-un tabel de tipul urmator:
H
HH B j
B1
Ai HH
H

Bj

Bn

Disponibil

A1
..
.

c11
..
.

c1 j
..
.

c1n
..
.

a1
..
.

Ai
..
.

ci1
..
.

ci j
..
.

cin
..
.

ai
..
.

Am

cm1

cm j

cmn

Necesar

b1

bj

am
HH

bn

bj
j=1

42

HH
H

ai
i=1

H
HH
H

H
H

Fie xi j cantitatea, necunoscuta, de produs care trebuie transportata de la depozitul


Ai la beneficiarul B j , i = 1, m, j = 1, n. Obtinem astfel matricea necunoscutelor:
X = (xi j )i=1,m, j=1,n Mm,n (R).
Presupunem ca sunt ndeplinite urmatoarele conditii:
Cantitatea totala de produs expediata din depozitul Ai catre cei n beneficiari
B1 , . . . , Bn este egala cu disponibilul din Ai .
Cantitatea totala de produs primita de beneficiarul B j de la cele m depozite
A1 , . . . , Am este egala cu necesarul lui B j .
Cantitatile transportate trebuie sa fie nenegative.
Modelul matematic al problemei transporturilor:

m n

[min] f (X) = ci j xi j

i=1 j=1

i = 1, m
xi j = ai ,
(P.T.)
j=1

j = 1, n
xi j = b j ,

i=1

x 0, i = 1, m, j = 1, n
ij

unde xi j este cantitatea (necunoscuta) de produs care trebuie transportata de la


depozitul Ai la beneficiarul B j , i = 1, m, j = 1, n.

Notam:

D = ai

disponibilul total.

i=1
n

N = b j

necesarul total.

j=1

Tipuri de probleme de transport

Daca D = N, spunem ca problema transporturilor este echilibrata.


In caz contrar (D < N sau D > N), spunem ca problema transporturilor este
neechilibrata.
Proprietati ale problemei de transport echilibrate
Problema de transport echilibrata admite cel putin o solutie posibila.
Problema de transport echilibrata are ntotdeauna o solutie optima.
Rangul matricei sistemului de restrictii este m + n 1.

43

O solutie posibila de baza nedegenerata pentru problema transporturilor


are m+n1 componente strict pozitive (si restul nule), iar o solutie posibila
de baza degenerata are un numar de componente strict pozitive strict mai
mic decat m + n 1.

7.4.2 Problema transporturilor neechilibrata


Transformarea unei probleme de transport neechilibrate ntr-o problema echilibrata
Daca D > N, consideram un beneficiar fictiv, al carui necesar este D N si
pentru care costurile unitare de transport sunt nule.
Daca D < N, consideram un furnizor fictiv, al carui necesar este N D si
pentru care costurile unitare de transport sunt nule.
Rezolvarea unei probleme de transport
Pasul 0. Daca P.T. nu este echilibrata (D 6= N), atunci echilibram problema.
Pasul 1. Determinam o solutie posibila de baza nedegenerata, initiala, X0 , cu
metoda coltului de Nord-Vest:
Fie X = (xi j )i=1,m, j=1,n Mm,n (R) matricea necunoscutelor problemei. Efectuam
calculele necesare ntr-un tabel cu m + 1 linii si n + 1 coloane de tipul:
x11
x21
..
.

x12
x22
..
.

..
.

xm1 xm2
b1 b 2

x1n
x2n
..
.

a1
a2
..
.

xmn am
bn

pe care l consideram orientat precum o harta n functie de punctele cardinale:


Nord, Sud, Est, Vest.
Determinam valoarea necunoscutei aflate n coltul de NV al tabelului, fie aceasta
xkp . Atunci:
xkp = min{ak , b p }
Se scade xkp din disponibilul ak si din necesarul b p .
Daca se anuleaza disponibilul, atunci necunoscutele nedeterminate de pe
linia k se egaleaza cu 0.
Daca se anuleaza necesarul, atunci necunoscutele nedeterminate de pe coloana
p se egaleaza cu 0.

44

Procedam n acest fel pana cand determinam toate elementele matricei X.


Pasul 2. Verificam daca solutia posibila de baza curenta este optima. Pentru
aceasta, asociem fiecarei componente xi j > 0 a lui X o ecuatie de tipul
ui + v j = ci j ,
obtinand astfel un sistem de m + n 1 ecuatii linare cu m + n necunoscute (ui si
v j ). Rezolvam sistemul luand u1 = 0.
Cu valorile ui si v j determinate calculam costurile fictive ci j = ui + v j . Apoi
determinam matricea de elemente
i j = ci j ci j ,

i = 1, m, j = 1, n.

(Testul de optim). Daca i j 0, i = 1, m, j = 1, n, atunci solutia posibila


de baza curenta este optima. STOP.
Daca exista i j > 0, solutia nu este optima si trecem la pasul 3.
Pasul 3. Determinam o noua solutie posibila de baza, nedegenerata, folosind
metoda potentialelor:
Aflam valoarea kp = max{i j | i j > 0}, careia i corespunde xkp = 0 n matricea
X. Pornind din celula (k, p) a lui X, construim un contur poligonal nchis (ciclu
de celule) avand toate celelalte varfuri n celule cu componente nenule ale lui X si
unghiuri de masuri multipli impari de 90 n fiecare varf.
Pornind din varful n care se gaseste valoarea xkp = 0, adunam si scadem alternativ
cantitatea > 0, obtinand astfel n varfuri niste valori depinzand de . Luam ca
valoare pentru cel mai mic descazut si obtinem o noua solutie posibila de baza
X. Verificam daca noua solutie posibila de baza este optima (revenim la pasul 2).
Continuam astfel pana la gasirea solutiei optime.
Exemplu Sa rezolvam problema de transport:
H

HH B j
B1
H
H
H

B2

Disponibil

A1
A2
A3

8
4
15

2
4
12

6
9
10

Necesar

14

Ai

25
H
HH
H
H

22

Deoarece D > N, pentru a echilibra problema, consideram un beneficiar fictiv B3 ,


al carui necesar este b3 = D N = 25 22 = 3 si pentru care costurile unitare de

45

transport sunt nule. Obtinem problema extinsa echilibrata:


H

HH B j
B1
Ai HH
H

B2

B3

Disponibil

A1
A2
A3

8
4
15

2
4
12

0
0
0

6
9
10

Necesar

14

HH
25
H
25 HH
H

Avem m = 3 furnizori si n = 3 beneficiari.


Matricea costurilor unitare de transport este

c11 c12 c13


8 2 0
C = c21 c22 c23 = 4 4 0 M3 (R).
c31 c32 c33
15 12 0

Matricea necunoscutelor este

x11 x12 x13


X = x21 x22 x23 M3 (R).
x31 x32 x33

Functia obiectiv, care trebuie minimizata, este


3

f (X) = ci j xi j = 8x11 +2x12 +0x13 +4x21 +4x22 +0x23 +15x31 +12x32 +0x33 .
i=1 j=1

Determinam o solutie posibila de baza nedegenerata, initiala, X0 , cu metoda


coltului de Nord-Vest:
6 0 0 66 0
2 7 0 69 67 0
0 7 3 6 10 6 3 0
6 8 6 14 6 3
62 67 0
0 0
Solutia obtinuta este

6 0 0
X0 = 2 7 0 ,
0 7 3

care are 5 componente nenule, deci este nedegenerata. Costul lui X0 este:
f (X0 ) = 8 6 + 4 2 + 4 7 + 12 7 + 0 3 = 168.

46

Verificam daca X0 este solutie optima.

x11 u1 + v1 = c11

x21 u2 + v1 = c21

x22 u2 + v2 = c22
=

x32 u3 + v2 = c32

x33 u3 + v3 = c33

u1 + v1 = 8
u2 + v1 = 4
u2 + v2 = 4
u3 + v2 = 12
u3 + v3 = 0

u1 =0

=
=
=
=
=

v1 = 8
u2 = 4
v2 = 8
u3 = 4
v3 = 4

HH

vj
H
v1 = 8 v2 = 8 v3 = 4 i j = ci j ci j
ui HH
H
6 0 0
u1 = 0
8
8
4
0 6 4
2 7 0 u2 = 4
4
4
8
0 0 8
0 7 3
u3 = 4
12
12
0
3 0
0
ci j = ui + v j
X0

Testul de optim (i j 0, i, j) nu este ndeplinit, deci solutia X0 nu este optima.


Determinam o noua solutie posibila de baza, nedegenerata, X1 . Avem:
max{i j | i j > 0} = 12 = 6,
caruia i corespunde x12 = 0 n solutia X0 . Ciclul corespunzator lui x12 este:
6

2+

=
2

0
= 2 + 7 0 .
0
7
3

= min{6, 7} = 6.
Obtinem astfel o noua solutie de baza nedegenerata

0 6 0
X1 = 8 1 0 .
0 7 3
Verificam optimalitatea lui X1 :
x12 u1 + v2 = c12
x21 u2 + v1 = c21
x22 u2 + v2 = c22
x32 u3 + v2 = c32
x33 u3 + v3 = c33

u1 + v2 = 2

u2 + v1 = 4
u2 + v2 = 4

u3 + v2 = 12

u +v = 0
3
3

47

u1 =0

=
=
=
=
=

v2 = 2
v1 = 2
u2 = 2
u3 = 10
v3 = 10

X1
0 6 0
8 1 0
0 7 3

HH
vj
H
v1 = 2 v2 = 2 v3 = 10 i j = ci j ci j
ui HH
H

u1 = 0
u2 = 2
u3 = 10

2
4
12

2
10
4
8
12
0
ci j = ui + v j

6 0 10
0 0 8
3 0
0

Testul de optim (i j 0, i, j) este ndeplinit. STOP. Solutia optima este X1 , iar


costul total minim de transport este:
f (X1 ) = 2 6 + 4 8 + 4 1 + 12 7 + 0 3 = 132.


7.5 Test de autoevaluare


Rezolvati problema de transport:
HH
Bj
H
B1
Ai HH
H

B2

B3

Disponibil

A1
A2

2
1

1
4

3
2

30
70

Necesar

20

40

60

PP
P

120

PP 100
PP
P
P

Bibliografie
1. Dosescu, Tatiana-Corina, Matematica pentru modelare economica, Editura
Universitara, Bucuresti, 2011.
2. Dosescu, Tatiana-Corina, Toader, Nicolae Bogdan, Matematici pentru economisti. Aplicatii, Editura Universitara, Bucuresti, 2011.

48

TEST DE CONTROL
MODULUL II
1. Rezolvati problema de programare liniara:

f (x) = 2x1 + 7x2

[max]


x1 + 2x2 2
2x1 + x2 3

x1 , x2 0.

2. Rezolvati problema de transport:


H

B
H
HH j B 1
Ai
H
H

B2

Disponibil

20
5
25

10
15
18

500
300
200

A1
A2
A3
Necesar

400 250

PP
P

650

PP 1000
PP
P
P

Barem de notare:
1.
5 puncte

2.
4 puncte

Timp de lucru: 2 ore.

49

Oficiu
1 punct

Modulul III

COMPLEMENTE DE
MATEMATICA

ANALIZA

50

Unitatea de nvatare 8

SIRURI NUMERICE
Cuprins
8.1

Introducere

8.2

Obiectivele unitatii de nvatare

8.3

Competente dobandite

8.4

Continutul unitatii de nvatare

8.5

8.4.1

Siruri de numere reale. Siruri monotone, siruri marginite

8.4.2

Limita unui sir de numere reale

8.4.3

Proprietati privind monotonia, marginirea si convergenta

8.4.4

Siruri remarcabile

Test de autoevaluare

Bibliografie

8.1 Introducere
In aceasta unitate de nvatare vom prezenta, pe scurt, unele chestiuni de baza
privind sirurile de numere reale.

8.2 Obiectivele unitatii de nvatare


Obiectivul acestei unitati de nvatare este:
recapitularea unor chestiuni privind sirurile de numere reale care vor fi utilizate n studiul seriilor numerice ntrepins n unitatea de nvatare 9.

51

8.3 Competente dobandite


La finalul parcurgerii acestei unitati de nvatare veti fi capabil:
sa stabiliti daca un sir de numere reale este crescator sau descrescator.
sa stabiliti daca un sir de numere reale este marginit sau nemarginit.
sa calculati limita unui sir de numere reale.

8.4 Continutul unitatii de nvatare


8.4.1 Siruri de numere reale. Siruri monotone, siruri marginite
D EFINIT IE
Se numeste sir de numere reale o functie a : N R. Notand an = a(n), sirul se
scrie (an )nN sau (an )n1 , iar an se numeste termenul general al sirului.
Uneori functia care defineste sirul este definita pe N si atunci sirul ncepe cu termenul de rang 0, adica se scrie concentrat sub forma (an )nN sau (an )n0 .
D EFINIT IE
Un sir de numere reale (an )n1 se numeste:
1) crescator (respectiv strict crescator) daca
an an+1 (respectiv an < an+1 ), pentru orice n N .
2) descrescator (respectiv strict descrescator) daca
an an+1 (respectiv an > an+1 ), pentru orice n N .
3) monoton (respectiv strict monoton) daca este crescator sau descrescator (respectiv strict crescator sau strict descrescator).

D EFINIT IE
Un sir de numere reale (an )n1 se numeste:
1) marginit superior daca exista M R astfel ncat an M, pentru orice n N .

52

2) marginit inferior daca exista m R astfel ncat an m, pentru orice n N .


3) marginit daca este marginit superior si inferior, adica daca exista m, M R
astfel ncat m an M, pentru orice n N .
D EFINIT IE
Daca a1 , a2 , . . . , an , . . . este un sir, numim subsir al sau orice sir de forma
an1 , an2 , . . . , ank , . . . ,
unde n1 , n2 , . . . , nk , . . . este un sir strict crescator de numere naturale. Un subsir al
sirului (an )n1 se noteaza concentrat sub forma (ank )k1 .

8.4.2 Limita unui sir de numere reale


Reamintim ca multimea R = R {, +} se numeste dreapta reala ncheiata,
iar elementele ei se numesc puncte. In aceasta multime, numerele reale se mai
numesc numere finite, iar + si se numesc numere infinite.
D EFINIT IE
Fie a R si V R. Spunem ca multimea V este o vecinatate a punctului a daca:
1) atunci cand a R, exista > 0 astfel ncat (a , a + ) V .
2) atunci cand a = , exista > 0 astfel ncat (, ] V .
3) atunci cand a = , exista > 0 astfel ncat [, ) V .
D EFINIT IE
Fie (an )n1 un sir de numere reale si R. Spunem ca sirul (an )n1 are limita
si scriem lim an = sau an daca orice vecinatate a lui contine toti termenii
n
sirului de la un rang ncolo.
D EFINIT IE
Spunem ca un sir (an )n1 de numere reale:


1) este convergent daca are limita finita lim an R .
n

53

2) este divergent daca nu este convergent, adica fie are limita infinita (+ sau
), fie nu are limita.

O BSERVAT IE . Daca un sir are limita, atunci aceasta este unica!


Teorema (de caracterizare cu a limitelor de siruri)
Daca (an )n1 un sir de numere reale, atunci exista echivalentele:
1) lim an = > 0, n N astfel ncat n n , |an | < .
n

2) lim an = + > 0, n N astfel ncat n n , an > .


n

3) lim an = > 0, n N astfel ncat n n , an < .


n

8.4.3 Proprietati privind monotonia, marginirea si convergenta


1. Orice sir convergent este marginit.
2. (Lema lui Cesaro) Orice sir de numere reale contine cel putin un subsir convergent.
3. (Teorema lui Weierstrass) Orice sir monoton si marginit este convergent.
4. Orice sir monoton de numere reale are limita n R.
5. Daca un sir are limita , atunci orice subsir al sau are limita .
6. Orice sir care contine doua subsiruri avand limite diferite este divergent (nu are
limita).
7. Daca un sir este reuniunea a doua subsiruri ale sale care au o limita comuna
, atunci limita sirului este .
Exemplu Sirul cu termenul general an = (1)n , n N, nu are limita, deoarece
subsirul termenilor de rang impar este constant egal cu 1, deci are limita 1, iar
subsirul termenilor de rang par este constant egal cu 1, deci are limita 1.

D EFINIT IE
Un sir (an )n1 de numere reale se numeste sir fundamental sau sir Cauchy daca
> 0, n N astfel ncat n, m n , |an am | < .

54

Conditia precedenta este echivalenta cu urmatoarea:


> 0, n N astfel ncat n n si p N , |an+p an | < .

Teorema
1) Orice sir fundamental este marginit.
2) Daca un sir fundamental contine un subsir convergent, atunci el este convergent.
Criteriul lui Cauchy
Un sir de numere reale este convergent daca si numai daca este sir fundamental.
Exemplu Sa studiem convergenta sirului (an )n1 avand termenul general
an =

cos x cos 2x
cos nx
+ 2 + + n , n N .
3
3
3

Stabilim, ntai, daca sirul dat este fundamental. Daca p N este arbitrar, atunci:


1
1
1

|an+p an | = n+1 + n+2 + + n+p
3
3
3


1
1
1
n+1 1 + + + p1 0,
3
3
3
deci pentru orice > 0, exista un rang n N astfel ncat, pentru orice n n si
orice p N , avem |an+p an | < , adica sirul (an )n1 este fundamental. Conform
criteriului lui Cauchy, rezulta ca sirul (an )n1 este convergent.


8.4.4 Siruri remarcabile


1. Sirul exponential cu baza q, adica sirul cu termenul general xn = qn , n N ,
unde q R:

nu exista, daca q 1

0,
daca 1 < q < 1
lim qn =
n

1,
daca q = 1

,
daca q > 1.
2. Sirul putere de exponent a, adica sirul cu termenul general xn = na , n N ,
unde a R:

55

0, daca a < 0
a
lim n = 1, daca a = 0
n

, daca a > 0.

!

3. Sirul P(n) n1 , cu P functie reala polinomiala:
P(x) = ak xk + ak1 xk1 + + a1 x + a0 ,

grad(P) = k,

ak 6= 0.

(
,
daca ak > 0
lim P(n) = ak =
n
, daca ak < 0.
4. Sirul

P(n)
Q(n)

, cu P, Q functii reale polinomiale:


n1

P(x) = a p x p + a p1 x p1 + + a1 x + a0 ,
q

Q(x) = bq x + bq1 x

q1

+ + b1 x + b0 ,

0,

ap

bq ,

grad(P) = p,
grad(Q) = q,

a p 6= 0

bq 6= 0.

daca p < q

daca p = q
P(n)
ap
=
lim
,
daca p > q si
>0
n Q(n)

bq

ap

< 0.
, daca p > q si
bq
Exemple
1) lim n = ;
n

2) lim

lim n3 = ;

1
= lim n1 = 0;
n n

lim

1
n = lim n 2 = .
n

1
3
lim = lim n 2 = 0.
n
n n

1
n5 + 7n3 12n 9
= ;
n 3n5 2n4 + 7n3 + n 2
3

3) lim

lim

3n
= 0.
3n2 + n + 1


8.5 Test de autoevaluare


1. Folosind criteriul lui Cauchy, studiati convergenta sirului avand termenul general:
cos x cos 2x
cos nx
+ 2 + + n , n N .
an =
7
7
7

56

2. Calculati lim an , unde:


n

a) an = n2 + 7n + 5;

b) an =

 1 n
2

3
;
n5

c) an =

4n + 2n + 1
.
9 4n

Bibliografie
1. Dosescu, Tatiana-Corina, Matematica pentru modelare economica, Editura
Universitara, Bucuresti, 2011.
2. Dosescu, Tatiana-Corina, Toader, Nicolae Bogdan, Matematici pentru economisti. Aplicatii, Editura Universitara, Bucuresti, 2011.

57

Unitatea de nvatare 9

SERII NUMERICE
Cuprins
9.1

Introducere

9.2

Obiectivele unitatii de nvatare

9.3

Competente dobandite

9.4

Continutul unitatii de nvatare

9.5

9.4.1

Serii cu termeni oarecare

9.4.2

Serii alternate

9.4.3

Serii cu termeni pozitivi

Test de autoevaluare

Bibliografie

9.1 Introducere
Seriile numerice constituie un instrument matematic deosebit de util care permite
evaluarea, n anumite conditii, a sumelor infinite de numere.

9.2 Obiectivele unitatii de nvatare


Obiectivele acestei unitati de nvatare sunt urmatoarele:
familiarizarea studentilor cu notiunea de serie de numere reale.
ntelegerea importantei acestei notiuni matematice.

58

9.3 Competente dobandite


La finalul parcurgerii acestei unitati de nvatare veti fi capabil:
sa recunoasteti diversele tipuri de serii de numere reale.
sa aplicati diverse criterii pentru a stabili daca o serie de numere reale este
convergenta sau divergenta.
sa evaluati suma unei serii de numere reale (n cazul n care seria are suma).

9.4 Continutul unitatii de nvatare


9.4.1 Serii cu termeni oarecare
D EFINIT IE
Fie (un )n1 un sir de numere reale. Expresia formala u1 + u2 + + un + se
numeste serie de numere reale si se noteaza prescurtat

un

un .

sau

n=1

n1

un se numeste termenul general al seriei un .


n=1

Sirul de numere reale (Sn )n1 definit prin termenul general Sn = uk se numeste
k=1

sirul sumelor partiale ale seriei un .


n=1

D EFINIT IE

Spunem ca seria un este:


n=1

1) convergenta daca sirul sumelor partiale (Sn )n1 este convergent. Daca
S = lim Sn ,
n

spunem ca S este suma seriei un si scriem


n=1

un = S .

n=1

2) divergenta daca sirul sumelor sale partiale (Sn )n1 :

59

i) are limita infinita: lim Sn = + sau lim Sn = . Spunem atunci ca


n

suma seriei un este +, respectiv si scriem


n=1

un = + , respec-

n=1

un = .

tiv

n=1

ii) nu are limita. Spunem atunci ca seria un nu are suma. O astfel de serie
n=1

se numeste oscilanta.

Calitatea unei serii de a fi convergenta sau divergenta constituie natura seriei.


Proprietati ale seriilor
1. Daca ntr-o serie schimbam ordinea unui numar finit de termeni ai sai, natura
seriei nu se schimba.
2. Daca la o serie adaugam sau eliminam un numar finit de termeni, natura seriei
nu se schimba.

3. (Criteriul necesar de convergenta ). Daca seria un este convergenta, atunci


n=1

lim un = 0.

Reciproca este falsa!

4. (Criteriu de divergenta ). Daca lim un 6= 0 sau nu exista, atunci seria un este


n

n=1

divergenta.

9.4.2 Serii alternate


D EFINIT IE
O serie numerica de forma

(1)n+1 un = u1 u2 + u3 u4 + + (1)n+1 un + ,

n=1

unde un > 0, n N , se numeste serie alternata.

60

Criteriul lui Leibniz (Criteriu de convergenta pentru serii alternate)

Daca pentru seria alternata (1)n+1 un (un > 0, n N ) sunt ndeplinite


n=1

conditiile
1) sirul (un )n1 este descrescator si
2) lim un = 0,
n

atunci seria este convergenta.

1
Exemplu Sa consideram seria (1)n1 , numita seria armonica alternata.
n
n=1
1
Avem un = n . Verificam ipotezele din criteriul lui Leibniz:

1
< 0, n N , deci un > un+1 , n N , adica sirul
n(n + 1)
(un )n1 este descrescator.

un+1 un =

1
lim un = lim = 0.
n
n n
Conform criteriului lui Leibniz, rezulta ca seria data este convergenta.

9.4.3 Serii cu termeni pozitivi


D EFINIT IE

O serie numerica un se numeste serie cu termeni pozitivi daca un > 0, pentru


n=1

orice n

N .

Exemple remarcabile de serii cu termeni pozitivi


1. Seria geometrica de ratie r > 0:

rn = 1 + r + r2 + + rn +

n=0

Daca 0 < r < 1 , seria rn este convergenta si are suma


n=0

Daca r 1 , seria rn este divergenta si are suma +.


n=0

61

1
1r .

2. Seria armonica simpla:

n = 1+ 2 + 3 ++ n +

n=1

Seria armonica simpla este divergenta.


3. Seria armonica generalizata:

n = 1 + 2 + 3 + + n +

n=1

Daca 1 , seria

n=1

Daca > 1 , seria

n=1

1
n

este divergenta.

1
n

este convergenta.

( R)

Criterii de convergenta pentru serii cu termeni pozitivi


Criteriul comparatiei

n=1

n=1

Fie un , vn doua serii cu termeni pozitivi pentru care exista un n0 N astfel


ncat
un vn , n n0 .
Atunci:

1) vn convergenta = un convergenta.
n=1

n=1

n=1

n=1

2) un divergenta = vn divergenta.

Exemplu Fie seria cu termeni pozitivi


n=1

un =

n=1

n=1

Seria vn =

1
2n

=
n=1

1
5+2n .

1
1
<
= vn ,
5 + 2n 2n

! 1 n
2

Avem inegalitatea evidenta:


n 1.

este seria geometrica de ratie r =

1
2

(0, 1), deci

este convergenta. Conform criteriului comparatiei, punctul 1), rezulta ca seria

n=1

n=1

un =

1
5+2n

este convergenta.

62

Criteriul radicalului

Fie un o serie cu termeni pozitivi si = lim

n=1

un . Atunci:

1) < 1 = seria un este convergenta;


n=1

2) > 1 = seria un este divergenta;


n=1

3) = 1 = nu putem stabili natura seriei cu acest criteriu.

Exemplu Fie seria cu termeni pozitivi


n=1

lim

un = lim

s
n

7n + 2
5n + 3

! 7n+2 n
5n+3

n

. Avem: un =

= lim

! 7n+2 n
5n+3

. Atunci:

7n + 2 7
= > 1.
5n + 3 5

Conform criteriului radicalului, punctul 2), rezulta ca seria data este divergenta. 
Criteriul raportului

un+1
. Atunci:
n un

Fie un o serie cu termeni pozitivi si = lim


n=1

1) < 1 = seria un este convergenta;


n=1

2) > 1 = seria un este divergenta;


n=1

3) = 1 = nu putem stabili natura seriei cu acest criteriu.

Exemplu Fie seria cu termeni pozitivi


n=1

Atunci:
un+1
= lim
n un
n
lim

(n3 +2)2n
.
n!

2(n3 + 3n2 + 3n + 3)
(n + 1)(n3 + 2)

Avem: un =

(n3 + 2)2n
.
n!

= 0 < 1.

Conform criteriului raportului, punctul 1), rezulta ca seria data este convergenta.


63

Criteriul Raabe-Duhamel


un
Fie un o serie cu termeni pozitivi si = lim n
1
n
u
n=1
n+1

. Atunci:

1) < 1 = seria un este divergenta;


n=1

2) > 1 = seria un este convergenta;


n=1

3) = 1 = nu putem stabili natura seriei cu acest criteriu.


O BSERVAT IE . Criteriul Raabe-Duhamel se aplica, de obicei, atunci cand n cazul
criteriului raportului avem = 1.

9.5 Test de autoevaluare


Studiati natura urmatoarelor serii numerice:

n
;
(n
+
1)!
n=1

a)

n(n + 1)
;
n=1 7n 9

b)

n+1
c)
n
n=1

30n
;
n=1 n!

d)

(1)n+1
.
n=1 5 n

e)

Bibliografie
1. Dosescu, Tatiana-Corina, Matematica pentru modelare economica, Editura
Universitara, Bucuresti, 2011.
2. Dosescu, Tatiana-Corina, Toader, Nicolae Bogdan, Matematici pentru economisti. Aplicatii, Editura Universitara, Bucuresti, 2011.

64

Unitatea de nvatare 10

EXTREMELE FUNCTIILOR
DE MAI MULTE VARIABILE
Cuprins
10.1

Introducere

10.2

Obiectivele unitatii de nvatare

10.3

Competente dobandite

10.4

Continutul unitatii de nvatare

10.5

10.4.1

Functii de mai multe variabile

10.4.2

Extremele functiilor de doua variabile

10.4.3

Extremele functiilor de n variabile

Test de autoevaluare

Bibliografie

10.1 Introducere
Studiul functiilor reale de mai multe variabile reale este foarte util pentru cercetarea fenomenelor economice, deoarece multe marimi din economie pot fi reprezentate prin functii de acest fel, care depind de diversi factori cantitativi.

10.2 Obiectivele unitatii de nvatare


Obiectivul acestei unitati de nvatare este:

65

familiarizarea studentilor cu studiul variatiei functiilor reale de n variabile


reale.

10.3 Competente dobandite


La finalul parcurgerii acestei unitati de nvatare veti fi capabil:
sa calculati derivatele partiale ale unei functii reale de n variabile reale.
sa aflati punctele stationare ale unei functii reale de n variabile reale.
sa decideti care puncte stationare sunt de extrem si care nu.

10.4 Continutul unitatii de nvatare


10.4.1 Functii de mai multe variabile
Spatiul Rn si functii reale de n variabile reale
Vom scrie elementele spatiului Rn ca vectori linie si le vom numi puncte.
D EFINIT IE
O functie f : D Rn R, x = (x1 , x2 , . . . , xn ) 7 f (x) = f (x1 , x2 , . . . , xn ) se numeste

functie reala de n variabile reale.


D EFINIT IE

Se numeste bila deschisa de raza > 0 cu centrul n punctul a = (a1 , a2 , . . . , an )

Rn multimea B (a) formata din toate punctele x = (x1 , x2 , . . . , xn ) Rn ale caror


componente verifica inegalitatile:
|x1 a1 | < ,

|x2 a2 | < , . . . ,

|xn an | < .

D EFINIT IE
Se numeste vecinatate a punctului a = (a1 , a2 , . . . , an ) Rn orice submultime V

a spatiului Rn care contine o bila de raza > 0 cu centrul n a.


D EFINIT IE

Spunem ca a Rn este punct interior multimii D Rn daca exista o vecinatate

V a lui a inclusa n D. Notam cu D multimea punctelor interioare ale lui D.

66

Derivate partiale
D EFINIT IE
Fie f : D R2 R si (a, b) D un punct interior. Spunem ca functia f este:
derivabila partial n raport cu variabila x n punctul (a, b) daca exista si
este finita limita
f (x, b) f (a, b)
fx (a, b) = lim
,
xa
xa
numita derivata partiala de ordinul ntai n raport cu x a functiei f n
punctul (a, b).
derivabila partial n raport cu variabila y n punctul (a, b) daca exista si
este finita limita
f (a, y) f (a, b)
fy (a, b) = lim
,
yb
yb
numita derivata partiala de ordinul ntai n raport cu y a functiei f n
punctul (a, b).

D EFINIT IE

Fie f : D = D R2 R o functie. Consideram multimile:


Dx = {(a, b) D | f este derivabila partial n raport cu x n punctul (a, b)}

Dy = {(a, b) D | f este derivabila partial n raport cu y n punctul (a, b)}.

1) Functia fx : Dx R care asociaza fiecarui punct (a, b) Dx numarul real


fx (a, b) se numeste derivata partiala (de ordinul I) n raport cu x a functiei
f.
2) Functia fy : Dy R care asociaza fiecarui punct (a, b) Dy numarul real
fy (a, b) se numeste derivata partiala (de ordinul I) n raport cu y a functiei
f.

O BSERVAT IE . Pentru a calcula derivata partiala n raport cu o variabila a


unei functii de mai multe variabile, aplicam regulile de derivare ale functiilor
de o variabila, considerand variabilele diferite de cea n raport cu care derivam drept constante.

67

Exemplu Sa calculam derivatele partiale de ordinul I ale functiei


f : (0, ) R R,
Avem:

f (x, y) = x2 y5 + ln x ey .

!

1
fx (x, y) = x2 y5 + ln x ey x = 2xy5 +
x

si

!

fy (x, y) = x2 y5 + ln x ey y = 5x2 y4 ey .

D EFINIT IE

Fie f : D = D R2 R o functie derivabila pe D n raport cu x si cu y. Derivatele

partiale fx : D R si fy : D R, fiind functii de (x, y), pot admite, la randul lor,


derivate partiale, pe care le vom numi derivate partiale de ordinul al II-lea ale
lui f . Acestea sunt:
fx2 = ( fx )x ,

fy2 = ( fy )y ,

fxy
= ( fx )y ,

fyx
= ( fy )x .

si f se numesc derivate partiale mixte de ordinul al doilea.


Functiile fxy
yx

Exemplu Sa calculam derivatele partiale de ordinul al II-lea ale functiei


f : (0, ) R R,

f (x, y) = x2 y5 + ln x ey .

Am vazut mai sus ca derivatele partiale de ordinul I ale lui f sunt:


1
fx (x, y) = 2xy5 +
x

2 4
fy (x, y) = 5x y ey .
Avem:


!

1
1
= 2y5 2 ,
fx2 (x, y) = fx (x, y) x = 2xy5 +
x x
x

 !
!
fy2 (x, y) = fy (x, y) y = 5x2 y4 ey y = 20x2 y3 ey ,


!

1

5
fxy (x, y) = fx (x, y) y = 2xy +
= 10xy4 ,
x y

!
 !

(x, y) = fy (x, y) x = 5x2 y4 ey x = 10xy4 .


fyx

O BSERVAT IE . Remarcam aici ca, n general, derivatele partiale mixte de ordinul al


II-lea sunt egale numai n anumite conditii, un rezultat n acest sens fiind criteriul
lui Schwarz (a se vedea manualul [1]).
Toate consideratiile anterioare se pot generaliza usor la cazul functiilor de n variabile, n 3 (a se vedea manualul [1]).

68

10.4.2 Extremele functiilor de doua variabile


D EFINIT IE
Fie f : D R2 R, (x, y) 7 f (x, y) si (a, b) D.
1) (a, b) se numeste punct de minim local pentru f daca exista o vecinatate V a
lui (a, b) astfel ncat (x, y) V D = f (x, y) f (a, b).
2) (a, b) se numeste punct de maxim local pentru f daca exista o vecinatate V a
lui (a, b) astfel ncat (x, y) V D = f (x, y) f (a, b).
3) (a, b) se numeste punct de extrem local pentru f daca este punct de minim
local sau punct de maxim local pentru f .
4) (a, b) se numeste punct stationar pentru f daca exista fx (a, b), fy (a, b) si sunt
egale cu 0.

O BSERVAT IE . Punctele de extrem local se gasesc printre punctele stationare ale


functiei. Punctele stationare care nu sunt puncte de extrem se numesc puncte sa.
Determinarea punctelor de extrem local ale unei functii reale f : D R2 R
Calculam derivatele partiale de ordinul I ale lui f .
Determinam punctele stationare ale lui f , adica solutiile sistemului de ecuatii
obtinut prin anularea derivatelor partiale de ordinul I ale lui f .
Calculam derivatele partiale de ordinul al II-lea ale lui f .
Determinam functia : D R2 R cu formula

(x, y)]2 .
(x, y) = fx2 (x, y) fy2 (x, y) [ fxy

Pentru fiecare punct stationar (a, b) al lui f , parcurgem urmatorii pasi:


1) Calculam (a, b).
2) Daca (a, b) > 0 , atunci (a, b) este punct de extrem local pentru f , si
anume:
i) Daca fx2 (a, b) > 0 , atunci (a, b) este punct de minim local pentru f .
ii) Daca fx2 (a, b) < 0 , atunci (a, b) este punct de maxim local pentru f .

69

2 ) Daca (a, b) < 0 , atunci (a, b) este punct sa pentru f .


Exemplu Sa determinam punctele de extrem ale functiei:
f : R2 R,

f (x, y) = x3 + y3 12x 3y + 5.

Derivatele partiale de ordinul I ale lui f sunt:


fx (x, y) = 3x2 12

si

fy (x, y) = 3y2 3.

Rezulta imediat ca (2, 1), (2, 1), (2, 1) si (2, 1) sunt punctele stationare ale
lui f .
Derivatele partiale de ordinul al II-lea ale lui f sunt:
fx2 (x, y) = 6x,

fy2 (x, y) = 6y,

fxy
(x, y) = fyx
(x, y) = 0

Avem: (x, y) = 36xy, (x, y) R2 . Cercetam care puncte stationare sunt si puncte
de extrem:
(2, 1) = 72 > 0 si fx2 (2, 1) = 12 > 0 = (2, 1) este punct de minim local.
(2, 1) = 72 < 0 = (2, 1) este punct sa.
(2, 1) = 72 < 0 = (2, 1) este punct sa.
(2, 1) = 72 > 0 si fx2 (2, 1) = 12 < 0 = (2, 1) este punct de
maxim local.


10.4.3 Extremele functiilor de n variabile


Consideratiile anterioare privind punctele de extrem ale functiilor de doua variabile
se pot generaliza usor la cazul functiilor de n variabile, n 3 (a se vedea manualul
[1] de la bibliografie).
Determinarea punctelor de extrem local ale unei functii reale f : D Rn R
Calculam derivatele partiale de ordinul I ale lui f .
Determinam punctele stationare ale lui f , adica solutiile sistemului de ecuatii
obtinut prin anularea derivatelor partiale de ordinul I ale lui f .
Calculam derivatele partiale de ordinul al II-lea ale lui f .

70

Scriem matricea hessiana a lui f , adica matricea de functii urmatoare:




H(x) = fxi x j (x)
.
i, j=1,n

Pentru fiecare punct stationar a = (a1 , . . . , an ) al lui f :


1) Determinam matricea hessiana a lui f n punctul a, adica
not ! 
H(a) = ai j i, j=1,n Mn (R).

2) Calculam determinantii


a
1 = a11 , 2 = 11
a21


a11 a12


a21 a22
a12

=
,
.
.
.
,

..
..
n
..
a22
.
.
.

an1 an2


a1n
a2n
.. .
.
ann

3) Daca toti determinantii au semnul +, atunci a = (a1 , . . . , an ) este


punct de minim local pentru f .
3 ) Daca semnele determinantilor alterneaza ncepand cu , atunci a =
(a1 , . . . , an ) este punct de maxim local pentru f .
3 ) Daca toti determinantii sunt nenuli, dar nu se ndeplinesc nici conditiile
de la 3), nici de la 3 ), atunci a = (a1 , . . . , an ) este punct sa pentru f .

10.5 Test de autoevaluare


Determinati punctele de extrem ale urmatoarelor functii:
a) f : R2 R,

f (x, y) = x3 + y3 + 3xy + 2.

b) f : R3 R,

f (x, y, z) = x2 + y2 + z2 xy + x 2z.

Bibliografie
1. Dosescu, Tatiana-Corina, Matematica pentru modelare economica, Editura
Universitara, Bucuresti, 2011.
2. Dosescu, Tatiana-Corina, Toader, Nicolae Bogdan, Matematici pentru economisti. Aplicatii, Editura Universitara, Bucuresti, 2011.

71

Unitatea de nvatare 11

AJUSTAREA DATELOR DE
OBSERVATIE
Cuprins
11.1

Introducere

11.2

Obiectivele unitatii de nvatare

11.3

Competente dobandite

11.4

Continutul unitatii de nvatare

11.5

11.4.1

Metoda celor mai mici patrate

11.4.2

Trendul liniar

11.4.3

Trendul parabolic

Test de autoevaluare

Bibliografie

11.1 Introducere
O aplicatie importanta a teoriei extremelor functiilor de mai multe variabile n
economie este ajustarea datelor de observatie prin metoda celor mai mici patrate.

11.2 Obiectivele unitatii de nvatare


Obiectivul acestei unitati de nvatare este:
familiarizarea studentilor cu o metoda importanta pentru analiza seriilor de
date.

72

11.3 Competente dobandite


La finalul parcurgerii acestei unitati de nvatare veti fi capabil:
sa aplicati metoda celor mai mici patrate pentru a ajusta o serie de date.
sa ajustati o serie de date dupa o dreapta.
sa ajustati o serie de date dupa o parabola.
sa decideti care dintre ajustari este cea mai potrivita pentru o problema data.

11.4 Continutul unitatii de nvatare


11.4.1 Metoda celor mai mici patrate
Metoda celor mai mici patrate este utilizata pentru aproximarea unei functii empirice f , care caracterizeaza evolutia n timp a unui indicator economic, printr-o
functie de ajustare g atunci cand se cunosc valorile functiei f la un numar finit de
momente de timp t1 ,t2 , . . . ,tn .

11.4.2 Ajustarea liniara


Parametrii a0 si a1 ai dreptei de ajustare y = a0t + a1 se determina din sistemul
de ecuatii normale care are forma:

a0 ti + na1 = yi
a0 ti2 + a1 ti = yiti
unde toate sumele se fac dupa i = 1, . . . , n.

11.4.3 Ajustarea parabolica


Parametrii a0 , a1 si a2 ai parabolei de ajustare y = a0t 2 + a1t + a2 se determina
din sistemul de ecuatii normale care are forma:

a0 ti2 + a1 ti + na2 = yi
a0 ti3 + a1 ti2 + a2 ti = yiti

a0 ti4 + a1 ti3 + a2 ti2 = yiti2


unde toate sumele se fac dupa i = 1, . . . , n.

73

Exemplu La un magazin, volumul vanzarilor unui produs n 5 luni consecutive


(exprimat n sute de mii de unitati monetare) a fost:
oct. nov. dec. ian feb
Lunile (ti )
Vol.vanzarilor (yi ) 2
3
5
8 12
a) Ajustati datele dupa o dreapta.
b) Ajustati datele dupa o parabola.
c) Care din cele doua functii de ajustare este mai buna?
d) Faceti prognoza pentru luna urmatoare folosind functia determinata la punctul
c).
a) Dreapta de ajustare are ecuatia y = g(t) , cu g(t) = a0t + a1 , unde parametrii
a0 si a1 se determina rezolvand sistemul de ecuatii normale:

a0 ti + 5a1 = yi
a0 ti2 + a1 ti = yiti
toate sumele fiind dupa i = 1, . . . , n. Intrucat n = 5 este impar, iar momentele ti
5

sunt echidistante, putem alege ti astfel ncat ti = 0:


i=1

oct. nov. dec. ian feb


2 1
0
1
2
Organizam calculele n urmatorul tabel:
ti
yi ti2 yiti
2 2 4 4
1 3 1 3
0
5 0
0
1
8 1
8
2 12 4 24
0 30 10 25

y(ti ) yi g(ti ) [yi g(ti )]2


1
1
1
3, 5
0, 5
0, 25
6
1
1
8, 5
0, 5
0, 25
11
1
1
//// ////////
3, 5

Rezulta ca a0 = 2, 5 si a1 = 6, deci dreapta de ajustare este y = 2, 5t + 6 . Suma


5

patratelor erorilor pentru dreapta este [yi g(ti )]2 = 3, 5.


i=1

b) Parabola de ajustare are ecuatia y = g(t) , cu g(t) = a0t 2 + a1t + a2 , unde


parametrii a0 , a1 , a2 se determina rezolvand sistemul de ecuatii normale:

a0 ti2 + a1 ti + na2 = yi
a0 ti3 + a1 ti2 + a2 ti = yiti

a0 ti4 + a1 ti3 + a2 ti2 = yiti2

74

toate sumele fiind dupa i = 1, . . . , 5. Organizam calculele n urmatorul tabel:


ti
yi ti2 ti3 ti4 yiti yiti2
2 2 4 8 16 4 8
1 3 1 1 1 3 3
0
5 0
0
0
0
0
1
8 1
1
1
8
8
2 12 4
8 16 24 48
0 30 10 0 34 25 67

y(ti ) yi g(ti ) [yi g(ti )]2


2
0
0
3
0
0
5
0
0
8
0
0
12
0
0
//// ////////
0

Rezulta ca a0 = 0, 5, a1 = 2, 5 si a2 = 5. Prin urmare, parabola de ajustare este


y = 0, 5t 2 + 2, 5t + 5 si obtinem ca suma patratelor erorilor pentru parabola este
5

[yi g(ti )]2 = 0.

i=1

c) Comparand suma patratelor erorilor pentru dreapta (= 3, 5) cu cea pentru parabola


(= 0), constatam ca cea mai buna ajustare este cea dupa parabola.
d) Prognoza pentru luna urmatoare se face dupa parabola. Obtinem:
g(3) = 0, 5 9 + 2, 5 3 + 5 = 4, 5 + 7, 5 + 5 = 17

u.m.


11.5 Test de autoevaluare


La un supermarket, volumul vanzarilor unui produs n 5 luni consecutive (exprimat
n sute de mii de unitati monetare) a fost:
Lunile (ti )
ian. feb. mar. apr. mai
Vol. vanzarilor (yi ) 3
5
6
9
12
a) Ajustati datele presupunand ca trendul volumului vanzarilor este liniar.
b) Estimati volumul vanzarilor n lunile iunie si iulie.

Bibliografie
1. Dosescu, Tatiana-Corina, Matematica pentru modelare economica, Editura
Universitara, Bucuresti, 2011.
2. Dosescu, Tatiana-Corina, Toader, Nicolae Bogdan, Matematici pentru economisti. Aplicatii, Editura Universitara, Bucuresti, 2011.

75

TEST DE CONTROL
MODULUL III
1. Calculati:
n5 + 10n3 + 30
;
3
n 7n + 24n2 19n + 12

a) lim

b) lim


1
6
.
+
7n n10

2. Stabiliti natura seriilor de numere:

1
;
7
+
2n
n=1

a)

n 11n
;
n
n=1 9

b)

10n
;
n=1 n!

(1)n
.
n
n=1 3 7

d)

c)

3. Determinati punctele de extrem ale functiilor:


a) f : R2 R,

b) f : R3 R,

f (x, y) = x3 + y3 3xy.

f (x, y, z) = x2 + y2 z2 + 6xy + 16x + 2z.

4. Volumul vanzarilor de telefoane mobile pentru o firma specializata n perioada


20072011 este prezentat n urmatorul tabel:
Anii (ti )
2007 2008 2009 2010 2011
Vol. vanzarilor (yi )
1
2
4
5
9
Ajustati datele dupa o dreapta.
Barem de notare:
1.
2 puncte

2.
2 puncte

3.
3 puncte

Timp de lucru: 2 ore.

76

4.
2 puncte

Oficiu
1 punct

MODELE DE SUBIECTE
PENTRU EXAMEN
Varianta 1
1. Aflati R astfel ncat multimea S = {v1 , v2 , v3 } de vectori din R3 sa fie sistem
liniar dependent, unde:
v1 = (3, 3, 2)T ,

v2 = (4, 2, 1)T ,

v3 = (, 1, 0)T .

2. Efectuati doua iteratii din rezolvarea urmatoarei P.P.L. si scrieti solutia obtinuta
si valoarea corespunzatoare a functiei obiectiv:

[min] f (x) = 3x1 + 2x2


x1 + 4x2 3
2x

1 + x2 1

x1 , x2 0.

1
.
n
n=1 13 + 6

3. Stabiliti natura seriei numerice:

4. Determinati punctele de extrem ale functiei:


f : R2 R,

f (x, y) = x2 3xy 15x + 9y + 70.

5. La un magazin, volumul vanzarilor unui produs n 5 luni consecutive a fost:


Luna (ti )
1 2 3 4 5
Vol. vanzarilor (yi ) 1 3 4 9 10
Ajustati datele dupa o dreapta.
Barem de notare:
1.
2 puncte

2.
3 puncte

3.
1 punct

Timp de lucru: 2 ore.

77

4.
2 puncte

5.
1 punct

Oficiu
1 punct

Varianta 2
1. Fie vectorii din R2 :

 
5
,
v1 =
1


4
v2 =
.
1

a) Aratati ca multimea B = {v1 , v2 } este o baza pentru spatiul vectorial real R2 .


 
1
n aceasta baza.
b) Determinati coordonatele vectorului v =
2
2. Efectuati doua iteratii din rezolvarea urmatoarei probleme de transport si scrieti
solutia obtinuta si costul total de transport asociat ei:
H
H

HH j B1
H
H

B2

B3

Disponibil

A1
A2

2
1

6
5

1
3

40
100

Necesar

50

60

80

Ai

PP
PP

190

140

PP
PP
P

8n
.
n=1 n!

3. Stabiliti natura seriei numerice:

4. Determinati punctele de extrem ale functiei:


f : R3 R,

f (x, y, z) = x2 y2 z2 + 2x 4y + 6z.

5. La un magazin, volumul vanzarilor unui produs n 5 zile consecutive a fost:


Ziua (ti )
1 2 3 4 5
Vol. vanzarilor (yi ) 2 5 7 9 12
Ajustati datele dupa o dreapta.
Barem de notare:
1.
2 puncte

2.
3 puncte

3.
1 punct

Timp de lucru: 2 ore.

78

4.
2 puncte

5.
1 punct

Oficiu
1 punct

Bibliografie
[1] D. Baz, T. C. Dosescu, V. Butescu, S. Baz, Matematici pentru economisti.
Teorie si aplicatii, Editura Cison, Bucuresti, 2003.
[2] D. Baz, V. Butescu, N. Stremtan, Matematici aplicate n economie, Vol. I si
II, Universitatea Crestina Dimitrie Cantemir, Bucuresti, 1999.
[3] D. Baz, V. Butescu, N. Stremtan, Matematici aplicate n economie. Culegere
de probleme, Universitatea Crestina Dimitrie Cantemir, Bucuresti, 1999.
[4] Gh. Cenusa (coord.), C. Raischi, D. Baz, M. Toma, V. Burlacu, I. Sacuiu,
I. Mircea, Matematici pentru economisti, Editura Cison, Bucuresti, 2000.
[5] Gh. Cenusa (coord.), A. Filip, S. Baz, B. Iftimie, C. Raischi, A. Toma,
L. Badin, A. Agapie, Matematici pentru economisti. Culegere de probleme,
Editura Cison, Bucuresti, 2000.
[6] T. C. Dosescu, Matematica pentru modelare economica, Editura Universitara, Bucuresti, 2011.
[7] T. C. Dosescu, B. N. Toader, Matematici aplicate n economie. Caiet de seminar, Editura Cison, Bucuresti, 2007.
[8] T. C. Dosescu, B. N. Toader, Matematici pentru economisti. Aplicatii, Editura
Universitara, Bucuresti, 2011.
[9] T. C. Dosescu, B. N. Toader, C. Fatu, Matematica aplicata n economie. Manual de studiu individual, Editura Universitara, Bucuresti, 2012.
[10] G. Ghic, Matematici aplicate n economie. Culegere de probleme, Editura
Universitara, Bucuresti, 2005.

79