Documente Academic
Documente Profesional
Documente Cultură
Prefa ................................................................................................................... 5
I. ELEMENTE DE ALGEBR LINIAR .......................................................... 7
Matrici ........................................................................................................ 8
Matrici particulare ...................................................................................... 9
Inversa unei matrici .................................................................................. 13
Sisteme de ecuaii liniare ......................................................................... 15
Problema compatibilitii sistemelor ....................................................... 17
Problema determinrii sistemelor ............................................................ 18
ntrebri de control i exerciii ................................................................. 19
Metode de rezolvare a sistemelor liniare ................................................. 20
Algoritmul lui Gauss pentru sisteme liniare ............................................ 21
Metoda eliminrii complete (Gauss-Jordan) ............................................ 23
Spaii vectoriale (liniare) .......................................................................... 25
II. PROGRAMAREA LINIAR ........................................................................ 30
Rezolvarea problemei de programare liniar ........................................... 32
Clasificarea soluiilor ............................................................................... 33
Algoritmul Simplex .................................................................................. 34
Determinarea soluiei optime a problemei de programare liniar ........... 43
Cazul soluiei infinite ............................................................................... 48
Degenerarea n problemele de programare liniar ................................... 49
Soluii multiple. Soluia general ............................................................. 50
Exerciii i probleme. ntrebri de control ............................................... 50
III. ELEMENTE DE ANALIZ MATEMATIC ............................................ 54
Formula lui Taylor ................................................................................... 55
Funcii reale de mai multe variabile reale ................................................ 57
Derivate pariale ....................................................................................... 60
Interpretri economice ale derivatelor pariale ........................................ 63
Derivatele funciilor compuse .................................................................. 64
Formula lui Taylor pentru funcii de dou variabile ................................ 65
Extremele funciilor de dou variabile ..................................................... 67
Extreme pentru funcii de mai multe variabile ........................................ 71
Ajustarea datelor numerice ...................................................................... 73
Extensii ale noiunii de integral .............................................................. 78
Funciile lui Euler de spea ntia (Funcia Beta) i de spea a doua
(Funcia Gamma) .......................................................................... 80
Exerciii i probleme ................................................................................ 83
IV. ELEMENTE DE TEORIA GRAFELOR ..................................................... 90
Matrici asociate unui graf......................................................................... 94
3
Algoritmul lui Y.C.Chen, pentru construirea matricii drumurilor
(terminal) .................................................................................... 98
Matricea terminal triangularizat superior TTS ................................... 100
Drumuri hamiltoniene n grafe ............................................................... 101
Determinarea drumurilor hamiltoniene ntr-o reea oarecare.
Algoritmul lui Foulkes ............................................................... 109
Drumuri optimale ................................................................................... 118
Drum critic (rut maxim) n grafe fr circuite .................................... 118
Fluxul n reea......................................................................................... 126
V. ELEMENTE DE TEORIA PROBABILITILOR ................................... 132
Evenimente. Operaii cu evenimente ..................................................... 133
Definiii ale noiunii de probabilitate ..................................................... 136
Cmp de evenimente .............................................................................. 139
Probabiliti condiionate ....................................................................... 140
Evenimente independente ...................................................................... 144
Scheme clasice de probabilitate ............................................................. 151
Variabile aleatoare ................................................................................. 162
Vectori aleatori ....................................................................................... 168
Operaii cu variabile aleatoare ............................................................... 170
Caracteristici numerice pentru variabile aleatoare discrete ................... 177
Inegalitatea lui Cebev .......................................................................... 184
Variabile aleatoare continue................................................................... 191
Caracteristici numerice pentru variabile aleatoare continue .................. 197
Legi de probabilitate continue uzuale .................................................... 205
Bibliografie ....................................................................................................... 219
4
PREFA
5
ateptrii pot fi nelese cu ajutorul noiunilor de baz culese din acest
volum.
n multe cazuri hazardul, ntmplarea i pun amprenta pe
desfurarea n timp a proceselor i fenomenelor economice. Noiunile
de eveniment, probabilitate, variabile aleatoare i caracteristici
numerice ale acestora, fac obiectul de studiu al capitolului V
"Elemente de teoria probabilitilor". Acest capitol pregtete cititorul
i pentru studiul statisticii care la rndul ei e prezent n toate ramurile
economice.
Materialul coninut n acest volum reprezint un minim necesar
pentru abordarea tiinific a problemelor economice. Recomandm
studenilor, viitori economiti, s aprofundeze aceste noiuni studiind
i bibliografia indicat.
Noiunile prezentate n fiecare capitol sunt ilustrate prin
exemple, majoritatea fiind rezolvate i amnunit explicate.
Au fost eliminate demonstraiile prea lungi i greoaie, astfel c,
materialul este uor de abordat chiar de cei care studiaz individual
aceast disciplin.
Prezentul volum este util studenilor de la tiinele economice, n
special pentru cei de la nvmntul la distan, dar poate fi cercetat
cu folos i de ali specialiti care utilizeaz matematica.
6
I. ELEMENTE DE ALGEBR LINIAR
7
Matrici
O matrice este un tablou dreptunghiular de numere. Ele au
aprut prin eliminarea dintr-un sistem liniar a variabilelor i a
semnelor de operare rmnnd doar coeficienii aij. Dac n acest
tablou lum termenii liberi atunci vom obine aa numita matrice
extins a sistemului liniar. Reamintim pe scurt cteva operaii i
proprieti de baz ale matricilor.
Fie
a11 a12 ... a1n
a a22 ... a2 n
A = aij = 21 = aij
... ... ... ... i =1,m
j =1,n
a m1 am 2 ... amn
8
A = aik i =1,m B = bik k =1, p
j = 1, p j =1,n
p
avem c AB = C = cij unde cij = aik bkj .
i =1,m
k =1
j =1,n
Matrici particulare
Matricea zero este matricea care are toate elementele egale cu
zero. Se noteaz de obicei cu 0m,n.
Matrice unitate. Este o matrice ptrat avnd toate elementele
zero n afar de cele de pe diagonala principal care sunt egale cu 1,
adic
1 dac i = j
I = ij unde ij =
0 dac i j
Are proprietatea c AI = I A, matrice A cu care se poate face
nmulirea.
Matrice diagonal este matricea care are elemente diferite de
zero numai pe diagonala principal, n rest toate fiind egale cu zero. i
pe diagonala principal unele elementele pot fi zero.
Matrice triunghiular. O matrice care are toate elementele de
sub diagonala principal egale cu zero, se numete "triunghiular
superior" A = || aij ||, unde aij = 0 pentru i > j. Dac e invers aij = 0
pentru i < j se numete "triunghiular inferior".
Matrice linie este o matrice care are o singur linie respectiv
matricea coloan este aceea care are o singur coloan.
9
Rangul unei matrici A, este numrul dat de ordinul celui mai
extins determinant diferit de zero care se poate extrage din acea
matrice. Se noteaz cu rang A.
Proprieti ale rangului
1. Dac A = aij rang A min{m,n}
i =1,m
j =1,n
10
Se va dovedi n continuare c transformrile elementare sunt
foarte utile pentru aflarea rangului, pentru obinerea matricii inverse,
ct i pentru rezolvarea sistemelor liniare.
Aceste operaii efectuate doar cu ajutorul determinanilor i care
au fost studiate la liceu sunt extrem de dificile mai ales dac ordinul
matricei respectiv al sistemului este mai mare.
Procedeul practic de aflare a rangului unei matrici:
1. Se alege un element pivot (de lucru) din matrice.
2. Se efectueaz transformri elementare cu linia (coloana) pe care st
pivotul asupra celorlalte linii (coloane) pn ce pe coloana (linia)
pe care st se obin numai zerouri (exceptnd pivotul).
3. Dac pe toat coloana pivotului s-au obinut zerouri atunci automat
pe linia lui putem nlocui toate elementele cu zerouri (exceptnd
pivotul) sau reciproc.
4. Se continu acest procedeu producnd ct mai multe zerouri pn
cnd pe fiecare linie sau coloan exist cel mult un element diferit
de zero.
Aceast form a matricei o numim forma quasidiagonal. Dac
s-ar mai face permutri de linii i de coloane aceste elemente diferite
de zero ar ajunge pe diagonala principal i matricea ar fi diagonal.
Acest lucru nu este ns util dup cum se va vedea.
5. Rangul matricii este egal cu numrul de elemente diferite de zero
din matricea quasidiagonal obinut.
11
Observaie. Poziia elementelor diferite de zero este util n
alegerea determinantului principal, necesar pentru stabilirea naturii
unui sistem liniar (compatibil, incompatibil).
Exemplu. S se determine rangul matricii
1 1 2 2
A = 1 1 2 2
1 1 3 2
1 1 2 2 1 1 2 2 1 0 0 0
1 1 2 2 0 0 0 0 0 0 0 0
1 1 3 2 0 2 5 4 0 2 5 4
1 0 0 0
0 0 0 0
0 2 0 0
L1 (-1) + L2
L1 (-1) + L3
n forma qvasidiagonal sunt dou elemente diferite de zero deci
rang =2. Un determinant diferit de zero de ordin maxim ce s-ar putea
extrage din aceast matrice ar fi
1 1
p = = 2
1 1
El a fost gsit dac din matricea iniial alegem liniile i
coloanele corespunztoare elementelor diferite de zero din forma
qvasidiagonal.
12
Inversa unei matrici
Problema inversei se poate pune doar la matrici ptrate
(numrul liniilor egal cu cel al coloanelor) i nesingulare
(determinantul ataat diferit de zero). Matricea invers are printre alte
aplicaii un rol esenial n rezolvarea matricial a sistemelor liniare.
Fiind dat matricea A, o alt matrice A-1 este inversa lui A dac i
numai dac
A A-1 = A-1 A = I.
Metoda clasic cu complemeni algebrici studiat n liceu este
deosebit de greoaie pentru matrici mai mari.
Vom da n continuare o metod simpl de a afla inversa unei
matrici utiliznd transformrile elementare.
Observaia 1. Pentru a efectua o transformare elementar
asupra unei linii (sau coloane) din matricea dat A, putem face
aceast transformare asupra matricii unitate de acelai ordin cu A
dup care nmulim matricea dat A la stnga (respectiv dreapta) cu
cea obinut din matricea unitate.
Observaia 2. Fie C1, C2, , Cn i L1, L2, Lm toate
transformrile elementare pe coloane, respectiv pe linii ce sunt
necesare pentru a aduce matricea A la forma diagonal unitate.
Dac aplicm transformrile C1, C2, , Cn asupra matricii
unitate de acelai ordin cu A obinem aa numita matrice a
transformrilor pe coloane pe care o notm cu C.
Analog pe linii i obinem matricea transformrilor pe linii L.
Teorem. Pentru orice matrice ptrat nesingural A avem
13
I=LAC
Demonstraie. Acest lucru rezult prin aplicarea repetat a
operaiunilor din observaia 1.
S presupunem acum c am putut aduce matricea A la forma
unitate cu transformri elementare numai pe linii. Atunci relaia din
teorem devine
I=LA pe de alt parte I= A-1 A
Comparnd cele dou relaii rezult c L = A-1. Analog dac
lucrm numai pe coloane ca s aducem pe A la forma unitate vom
avea c A-1 = C.
Procedeu practic de obinere a inversei unei matrici.
1. Aplicm transformri elementare numai pe linii asupra matricii A
pn ce o aducem la forma unitate.
Observaie. Dac acest lucru nu este posibil nseamn c
matricea A nu admite invers lucru ce se poate verifica i calculnd
determinantul ataat matricii care ar fi fost egal cu zero (matrice
singular).
2. Aplicm aceleai transformri elementare matricii unitate care se
transform n matricea L adic A-1.
Observaie. Pentru rapiditate efectum aceste transformri
concomitent asupra matricii A i I aezate alturi.
Dac dorim s lucrm numai cu coloanele aezm matricea A i I
una sub alta. Transformrile efectuate le vom scrie pe margine.
Exemplu. S se afle inversa matricii
14
1 1 1
A = 1 1 2
1 2 0
Transformri
A I
elementare pe linii
1 1 1 1 0 0
L1(-1) + L2
1 -1 2 0 1 0
L1(-1) + L3
1 -2 0 0 0 1
1
1 1 1 1 0 0 L2 + L1
2
0 -2 1 -1 1 0
3
0 -3 -1 -1 0 1 L2 + L3
2
3
1 0 3/2 1/2 1/2 0 L3 + L1
5
0 1 -1/2 1/2 -1/2 0
1
0 0 -5/2 1/2 -3/2 1 L3 + L2
5
1 0 0 4/5 -2/5 3/5
0 1 0 2/5 -1/5 -1/5
0 0 1 -1/5 3/5 -2/5
I A-1
Se poate verifica reuita calculelor prin produsul A-1 A = I.
un n-uplu de numere (x10 , x20 ,..., xn0 ) care verific toate ecuaiile
sistemului. Vom aminti pe scurt condiiile ca sistemul liniar s fie n
una din cele trei situaii.
Fie un sistem liniar de m ecuaii cu n necunoscute i rang r,
r<min(m,n).
r necunoscute principale n-r necunoscute secundare
a11x1+a12x2+ +a1rxr + + a1nxn =b1
r
a21x1+a22x2+ +a2rxr + +a2nxn =b2
ecuaii
.p
principale
ar1x1+ar2x2+ +arrxr + +arnxn =br
m-r
ecuaii
am1x1+am2x2+ +amrxr + +amnxn =bm
secundare
Fr a micora generalitatea problemei putem presupune c
determinantul de ordin r diferit de zero care a stabilit rangul matricii
sistemului este aezat n colul din stnga sus. Acest determinant se
numete determinant principal p i mparte ecuaiile i necunoscutele
sistemului n principale respectiv secundare. Ecuaiile sistemului care
au linii n p se numesc principale i sunt n numr de r, celelalte
secundare sunt n-r. Analog cu necunoscutele x1. Cele care au coloane
n p sunt principale (r), iar celelalte n-r secundare.
16
Determinant caracteristic car,h se formeaz din p la care se
adun o linie secundar., precum i coloana termenilor liberi (doar ct
ncape din fiecare).
b1
p M
car ,h =
br
ah1 ...ahr bh
17
Se observ rolul important jucat de rang n studiul sistemelor.
Dup verificarea compatibilitii sistemului, ecuaiile secundare pot fi
nlturate, reinndu-le doar pe cele principale care formeaz sistemul
principal.
21
Pe parcursul algoritmului pot aprea urmtoarele situaii:
a) coeficienii necunoscutelor unei ecuaii devin toi nuli iar termenul
liber este diferit de zero. n acest caz sistemul este incompatibil i
rezolvarea se sisteaz.
b) coeficienii necunoscutelor unei ecuaii, inclusiv termenul liber
corespunztor sunt toi nuli. n acest caz aceast ecuaie dispare.
Mai simplu aceste operaii se pot face direct pe matricea complet a
sistemului ne mai trebuind s scriem variabilele xi i semnele de
operare.
Exemplu: S se rezolve sistemul
x1 + x2 + 5 x3 = 7
2 x + x + x = 2
1 2 3
x1 + 3 x2 + x3 = 5
2 x1 + 3 x2 3 x3 = 14
Avem matricea
1 1 5 7 1 1 5 7 1 1 5 7
2 1 1 2 0 1 9 16 0 1 9 16
1 ~ ~ ~
3 1 5 0 2 4 12 0 0 22 44
2
3 3 14 0 1 13 28 0 0 22 44
1 1 5 7 1 1 5 7
0 1 9 16 0 1 9 16
0 ~
0 22 44 0 0 1 2
0 0 0 0 0 0 0 0
Sistemul devine
22
x1 + x2 + 5 x3 = 7
x2 + 9 x3 = 16
x3 = 2
care admite soluia x1 = 1, x2 = 2, x3 = -2.
23
1 -2 1 1 1 L2(2)+L1
0 1 1 -3 -2 L2(-4)+L3
0 4 0 4 4
1 0 3 5 3 L3(-1/4) apoi
0 1 1 3 2 L3(-1)+L2
0 0 -4 16 12 L3(-3)+L1
1 0 0 7 6
0 1 0 1 1
0 0 1 -4 -3
Rezult soluia sistemului
x1 = 6 7x4
x2 = 1 x4
x3 = 3 + 4x4
x4 = necunoscut secundar (parametru)
Exemplul 2: S se rezolve sistemul
x1 + x 2 + x3 = 6
x1 x2 + 2x3 = 5
x1 2x2 =0
x1 x2 x3 b Transformri elementare
1 -1 1 6
L1(-1)+L2
1 -1 2 5
L1(-1)+L3
1 -2 0 -3
1 1 1 6 L2(-1/2) apoi
0 -2 1 -1 L2(-1)+L1
0 -3 -1 -9 L2(3)+L3
24
1 0 3/2 11/2 L3(-2/5) apoi
0 1 -1/2 1/2 L3(-3/2)+L1
0 0 -5/2 -15/2 L3(1/2)+L2
1 0 0 0
0 1 0 2
0 0 1 3
Soluia este
x1 = 1
x2 = 2
x = 3
3
Exist i alte metode exacte de rezolvare pentru sistemele
liniare: Metoda matricial, metoda radicalului etc. Exist i metode
aproximative care permit rezolvarea chiar a unor sisteme foarte mari,
de ordinul sutelor de ecuaii.
Probleme propuse: S se rezolve urmtoarele sisteme prin
metoda eliminrii complete:
a) 2x1 x2 + 3x3 = 9 b) 2x1 + 2x2 x3 + x4 = 4
3x1 5x2 + x3 = -4 4x1 + 3x2 x3 + 2x4 = 6
4x1 7x2 + x3 = 5 8x1 + 5x2 3x3 + 4x4 = 12
3x1 + 3x2 2x3 + 2x4 = 6
27
dintr-un spaiu liniar S se numete baz a spaiului liniar, dac:
1. B este o mulime liniar independent i
2. B este un sistem de generatori n sensul c orice element x S se
poate reprezenta ca i o combinaie liniar a elementelor din B,
deci x S exist un sistem de scalari
c1, c2, , cn K
astfel nct
n
x= ck bk
k =1
29
II. PROGRAMAREA LINIAR
30
produsul Pj. Vom constata c modelul matematic al problemei propuse
este
a11 x1 + a12 x2 + ... + a1n xn b1
a x + a x + ... + a x b
21 1 22 2 2n n 2
(1)
...................................................
am1 xn + am 2 x2 + ... + amn xn bm
(2) xj 0, j = 1, n
(3) f' = c1x1 + c2x2 + + cnxn maxim
( )
Dac notm cu A= aij i =1,m matricea coeficienilor tehnologici
j =1,n
31
costurile unitare cj ale alimentelor Aj, j = 1, n , s se ntocmeasc o
raie optim adic costul raiei s fie minim.
Dac notm cu xj cantitatea ce se va consuma din alimentul Aj
modelul matematic devine:
a11 x1 + a12 x2 + ... + a1n xn b1
a x + a x + ... + a x b
21 1 22 2 2n n 2
...................................................
am1 xn + am 2 x2 + ... + amn xn bm
xj 0, j = 1, n
f' = c1x1 + c2x2 + + cnxn minim
Sau matriceal
Ax b
x0
f = cx minim.
Observaie. Se va vedea n continuare c la problemele de
programare liniar este util ca restriciile s fie sub forma unor
egaliti, adic s avem aa numita problem canonic sau standard.
Modelul matematic al acesteia este
Ax = B
x0
f = cx optim (maxim sau minim)
32
c dac problema practic va conduce la restricii ce nu sunt egaliti
acestea se pot adapta pentru ca problema s devin sub forma
canonic.
Forma standard este compus din trei elemente:
1. Sistemul liniar (ce provine din restricii)
2. Condiiile de nenegativitate
3. Funcia de scop, de optimizat, care este tot liniar.
adic
a11 x1 + a12 x2 + ... + a1n xn = b1
a x + a x + ... + a x = b
21 1 22 2 2n n 2
(1)
...................................................
am1 xn + am 2 x2 + ... + amn xn = bm
xj 0, j = 1, n (2)
f' = c1x1 + c2x2 + + cnxn (3)
n continuare vom presupune c sistemul (1) este compatibil
nedeterminat, adic are o de soluii, n caz contrar problema gsirii
optimului nu mai are sens.
Clasificarea soluiilor
1. Soluie posibil a problemei de programare liniar orice vector (n-
uplu) care verific sistemul (1) i condiiile de nenegativitate (2).
2. Soluie de baz este o soluie posibil care are cel mult m
componente strict pozitive, restul fiind zero.
Reamintim c m este numrul ecuaiilor principale (egal cu
rangul). Soluia de baz se obine cnd necunoscutele secundare se iau
egale cu zero.
33
3. O soluie de baz se zice degenerat dac numrul componentelor
strict pozitive este mai mic dect m.
Soluiile de baz sunt importante deoarece se arat c soluia
optim cutat este una dintre soluiile de baz.
Pentru soluia optim funcia de scop i atinge valoarea maxim
n cadrul problemelor de maxim i respectiv minimul n cadrul
problemelor de minim.
Algoritmul Simplex
Este una din cele mai importante i uoare metode de rezolvare a
problemelor de programare liniar. Are la baz metoda eliminrii
complete de rezolvare a unui sistem de ecuaii liniare, care este
adaptat pentru gsirea numai a soluiilor cu componente nenegative
i n final a soluiei pentru care funcia liniar f are valoare optim.
Metoda de rezolvare este descris pentru forma canonic a
problemei. n practic ns nu totdeauna transcrierea problemei
economice conduce la sistemul standard. n forma general un sistem
poate s conin inegaliti de ambele sensuri i egaliti.
Pentru transformarea problemei de la forma general cu
inegaliti la forma standard numai cu egaliti vom introduce
necunoscute noi numite necunoscute de compensare sau artificiale
sau alii le spun ecart.
De exemplu la inegalitatea
ai1n1 + + ainxn bi
Se adaug n membrul nti xn+1 0 i inecuaia devine ai1x1+
+ ainxn + xnn = bi.
34
Pentru o restricie de forma
ak1n1 + + aknxn bk
Se va considera necunoscuta de compensare xn+2 0. Toate
variabilele trebuie s respecte condiiile de nenegativitate. n acest caz
ecuaia devine
ak1n1 + ak2x2+ + aknxn xn + c = bk
Prin introducerea ei cu semnul minus se obine micorarea
corespunztoare a membrului nti. Numrul de variabile de
compensare ce trebuiesc introduse este evident egal cu numrul de
inegaliti. Uneori se introduc variabile de compensare, sau artificiale
chiar i n egaliti cte una distinct pentru fiecare ecuaie pentru a
obine de la bun nceput o soluie de baz, care n acest caz este
format numai din variabile de compensare.
n funcia de eficien necunoscutele de compensare se introduc
cu coeficieni egali cu zero. Variabilele artificiale se vor rula n cadrul
algoritmului de rezolvare i n general vor fi eliminate treptat.
Exemplu: S se gseasc maximul formei liniare f = 3x1 + 7x2
4x3 x4 dac variabilele xi verific urmtoarele restricii:
2x1 + 5x2 x3 + x4 = 11
4x1 6x2 5x3 + 2x4 6
xj 0, j = 1,4
x1 + x2 3x3 + 2x4 8
5x1 + 2x2 + x3 x4 9
35
Dm mai jos forma standard n care se transform problema de
mai sus dup introducerea variabilelor de compensare toate nenegative
max f = 3x1 + 7x2 4x3 x4 + 0x5 + 0x6 + 0x7 + 0x8
2 x1 + 5 x2 x3 x4 + x5 = 11
4 x1 6 x2 5 x3 + 2 x4 x6 =6
x1 + x2 3 x3 + 2 x4 + x7 =8
5 x1 + 12 y2 + x3 x4 + x8 =9
xj 0, j = 1,8
Algoritmul simplex este o metod general i foarte practic
pentru rezolvarea problemelor de programare liniar. Ea a fost
descris pentru prima dat de G.B.Dantzig n 1947. Ea are la baz
metoda eliminrii complete de rezolvare a unui sistem de ecuaii
liniare dar orientat n permanen dup scopul urmrit adic
optimizarea funciei de scop (eficient).
Una din teoremele importante ale programrii liniare afirm c
soluia optim dac exist trebuie s fie una de baz.
Etapele algoritmului Simplex sunt:
1. Aducerea sistemului la forma canonic (standard, cu egaliti);
2. Gsirea unei soluii de baz (cu numere componente pozitive i
restul zero);
3. Trecerea de la o soluie de baz la alta mai bun dect ea n sensul
optimului enunat. Mai precis:
a) Dac pentru funcia de scop se cere minim atunci trebuie s
genereze o valoarea mai mic dect cea veche.
b) Pentru funcia de scop la care se cere maxim invers.
36
Soluia optim nu se caut la ntmplare printre cele de baz ci
dirijat verificnd permanent un criteriu de mbuntire a funciei
de eficien.
4. Gsirea soluiei optime i aflarea valorii optime a funciei de
eficien. Evident se folosete un criteriu care stabilete dac s-a
ajuns la valoarea optim i funcia de scop nu mai poate fi
mbuntit.
Vom lua pe rnd aceste etape indicnd i operaiile de
desfurare a acestora.
A. Pentru determinarea unei soluii de baz vom utiliza metoda
eliminrii complete (Gaus-Jordan). Presupunem c am produs
zerouri pe primele m coloane (m n) adic n baz se afl primele
variabile x1, x2, , xn (sau n alt exprimare vectorii P1, P2, , Pm).
Reamintim c o coloan i corespunztoare unei variabile xi i se
mai spune vectorul coloan Pi.
Matricea sistemului devine
1 0 ... 0 a1 ,m + 1
... a1 n b1
0 1 ... 0 a2 ,m + 1
... a2 n b2
... ... ... ... ......... ... ... ...
0
0 ... 1 am ,m +1 ... amn bm
Dac toi b'i 0, i = 1, m soluia de baz este B1 = (b'1, b'2, ,
b'm , 0 0).
Pentru aceast soluie B1 funcia de scop devine
m
f(B1) = c j bj
j =1
37
B. Schimbarea bazei = gsirea altei soluii de baz mai bune.
Obinerea unei noi soluii de baz n va face prin schimbarea doar
a unei singure variabile. n limbaj vectorial spunem c din baza
veche scoatem un vector P i n locul lui punem altul P. Pentru
uurina calculelor acest lucru se face ntr-un tabel i se lucreaz
cu transformri elementare. O astfel de operaie se numete pas
simplex i comport mai multe operaiuni.
Fie urmtorul tabel simplex construit pe baza iniial
Baza P0 P1 P2 P Pm Pk P Pn
P1 b1 1 0 0 0 a1k a1 a1n
P2 b2 0 1 0 0 a2k a2 a2n
M M M M M M M M M
P b 0 0 1 0 ak a an
M M M M M M M M M
Pm bm 0 0 0 1 amk am amn
38
Elementul a de la intersecia liniei i coloanei se numete
element privat sau de lucru.
1. Prima operaie este mprirea liniei cu elementul privot obinnd
a
valorile k = k , k = 1, 2, , n.
a
39
Un vector P (variabil x) din afara bazei poate fi introdus n baza
nou dac are componente pozitive. Alte combinaii de semne ar
ngreuna metoda inutil.
Pentru fixarea vectorului P (variabilei x) care se scoate din baz
se determin numrul pozitiv
bj b
= min =
+ j a j a
considernd c j ia doar valorile care corespund coeficienilor pozitivi
aj.
Rezolvarea practic a trecerii de la o soluie de baz la alta, adic
de la un tabel simplex la urmtorul se realizeaz prin aa numita
metod simplex. Calculele se efectueaz n urmtoarele etape:
1. Fixarea vectorului P (variabilei x) care se introduce n baz.
2. Calcularea rapoartelor pozitive bj / aj pentru determinarea
numrului cu ajutorul cruia aflm vectorul P (variabila x) care
se scoate din baz.
3. Determinarea n noul tabel simplex a elementelor de pe linia
corespunztoare vectorului P introdus n baz adic a numerelor k
cu relaiile
b a
= , k = k
a a
40
bj = b j A j si ajk = a jk k a j , j = 1, m { }
bj aj ajk aj
b'j a'jk
Exemplu: S se ntocmeasc tabelele simplex corespunztoare
soluiilor de baz pentru urmtorul sistem:
3 x1 x2 + 2 x3 + x4 =7
2 x1 4 x2 + x5 = 12
4 x 3 x2 + 8 x3 + x6 = 10
1
x j 0, j = 1,6
41
= 4 2 =
7 22 1 10
Exemplu: b5 = 12 2 = ; a52
3 3 3 3
bj
Baza P0 P1 P2 P3 P4 P5 P6 Tabele S
a j
7
P4 7 3 -1 2 1 0 0 =
3
SI
12
P5 12 2 -4 0 0 1 0 =6 P = P1
2
P6 10 -4 -3 8 0 0 1 -
7 1 2 1 7 2 7
P1 1 - 0 0 : =
3 3 3 3 3 3 2
22 10 4 2
P5 0 - - - 1 0 -
3 3 3 3 S II
58 32 P = P3
: =
58 13 32 4 3 3
P6 0 - 0 1
3 3 3 3 29
= =
16
9 1 1 1 9 1 9
P1 1 - 0 0 - : = =
8 16 4 16 8 4 2
39 31 1 1 S III
P5 0 - 0 - 1 -
4 8 2 8 P = P4
29 13 1 3 29 1 29
P3 0 - 1 0 : =
16 32 8 32 16 8 2
9 1 1
P4 4 - 0 1 0 -
2 4 4
27
P5 12 2 -4 - - 1 - S IV
32
5 1 3 1
P3 - - 1 0 0 -
4 2 8 128
42
Determinarea soluiei optime a problemei de
programare liniar
Problema programrii liniare const, n determinarea valorii
optime (minime sau maxime) a funciei de eficien (sau de scop) care
este i ea liniar
n
f = cj xj (1)
j =1
43
b j a j j , j
(4)
j =
avem
( )
z0 = b j a j c j + c = b j c j + c a j c j
j j j
1 424 3 1 4243
z 0 z
Dac notm cu z = a j c j (5)
j
vom avea
( )
z0 = z0 + c z = z0 + (6)
44
b) n cazul cutrii minimului funciei de eficien singurul lucru care
se modific este c lui P trebuie s-i corespund o diferen negativ
= c - z < 0 care conduce la z'0 < z0.
Pentru o mai bun organizare a calculelor tabelul precedent
necesar pentru trecerea de la o baz la alta se va completa cu trei linii
i o coloan avnd forma de mai jos.
Tabelul SI
Coefi- c1 c2 cm ck c cn
cienii
ci
cores- Baza P0
P1 P2 Pm Pk P Pn
punz-
tori
bazei
c1 P1 B1 1 0 0 a1k a1 a1n
c2 P2 B2 0 1 0 a2k a2v a2n
M M M M M M M M M
c P B 0 0 0 ak a an
M M M M M M M M M
cm Pm Bm 0 0 1 amk am amn
zk z0 z1 z2 zm zk z zn
k = ck zk - c1-z1 c2-z2 cm-zm ck-zk c-z cn-zn
45
Completat n acest mod tabelul SI, numerele zk se obin
nmulind coeficienii cj din prima coloan cu componentele vectorului
pk i adunndu-le. innd seama c n capul coloanelor determinate de
vectorul pk se afl situat coeficientul ck, diferenele ck zk se scriu
imediat sub zk din coloana respectiv.
Evident, pentru vectorii bazei avem zk = ck, deci
k = ck zk = 0.
Exemplu. S se determine minimul funciei
f = x2 3x3 + 2x5
n cazul c xi verific condiiile
x1 + 3 x2 x3 + 2 x5 =7
2 x2 + 4 x3 + x4 = 12
4 x2 + 3 x3 + 8 x5 + x6 = 10
x j 0 , j = 1,6
46
0 1 -3 0 2 0 bj Explicarea
cj Baza P0
P1 P2 P3 P4 P5 P6 a j calculelor
0 P1 7 1 3 -1 0 2 0 - SI
12 Diferene
0 P4 12 0 -2 4 1 0 0 =3 k=ck-zk<0;
4
este 3=-3
10
0 P6 10 0 -4 3 0 8 1 = 3 ,3 corespunztoare
3 vectorului P3
zk 0 0 0 0 0 0 0 =3
=3
k=ck-zk - 0 1 -3 0 2 0 Element de
soluie (pivot) 4
5 1 5 S II
0 P1 10 1 0 2 0 10: =4 Diferene
2 4 2
k=ck-zk<0;
1 1
-3 P3 3 0 - 1 0 0 - 1
2 4 este
2
5 3
0 P4 1 0 - 0 - 8 1 - corespunztoare
2 4 2
3 3 vectorului P2
zk -9 0 -3 - 0 0 5
2 4 =2
=4
1 3 Element de soluie
k=ck-zk - 0 - 0 2 0
2 4 5
(pivot)
2
2 1 1
1 P2 4 1 0 0
5 10 5
S III
1 3 2 Nu mai exist diferene
-3 P3 5 0 1 0
5 10 5 k=ck-zk<0.
1 Valoarea minim a funciei a
0 P6 11 1 0 0 - 10 1
2 fost atins pentru soluia:
1 4 2 x1=0, x2=4, x3=5
zk -11 - 1 -3 - - 0 x4=0, x5=0, x6=11
5 5 5 f min = -11
1 4 12
k=ck-zk - 0 0 0
5 5 5
47
Obinerea soluiei care realizeaz optimul (n acest caz minimul)
este marcat de urmtoarele condiii:
- Nu mai exist diferene k=ck-zk<0 sau dac ar mai exista vectorul
corespunztor s nu aib componente pozitive care s serveasc la
calcularea lui pentru a putea face un nou pas.
48
0 1 -3 0 bj Explicarea calculelor
cj Baza P0
P1 P2 P3 P4 a j Tabela S
1 SI
1 P1 1 1 0 -1 2
2 Maxim k > 0
2 P2 1 0 1 1 -1 - 5
4= ; P=P4; =2;
3 2
zk 3 1 2 1 -
2 P=P1; Element de
5 1
k - 0 0 1 soluie
2 2
1 P4 2 2 0 -2 1 S II
2 P2 3 2 1 -1 0 Maxim k > 0; 3 = 6
zk 8 6 2 -4 1 Nu exist P; cci P3 are
k - -5 0 6 0 componentele negative
49
Soluii multiple. Soluia general
Exist situaii n care problema de programare liniar are cel
puin dou soluii distincte care conduc la aceiai valoare optim. n
acest caz soluia optim general se poate scrie ca o combinaie liniar
convex a soluiilor independente obinute.
Fie de exemplu X1 i X2 dou soluii optime distincte atunci
XG = 1 X1 + 2 X2 unde 1, 2 0, 1 + 2 = 1.
Rezult c avnd dou soluii optime prin variaia lui 1 i 2
obinem, de fapt, n final o infinitate de soluii optime. Evident prin
soluie se nelege un n-uplu. n aceast situaie, n practic,
economistul trebuie s se hotrasc asupra unui singur rezultat, n
consecin, va mai impune o condiie convenabil aleas care va fixa
soluia fr ca optimul s se modifice.
50
2 x1 + x2 x3 + 2 x4 = 6
x + x2 + 2 x3 =5
1
x1 + 2 x2 + x3 + x4 = 8
x j 0, j = 1,4
f = x1 + 2 x2 + 3 x3 + 5 x4 max im
1 2 3 5 c
cB Baza P1 P2 P3 P4 b
e1 2 1 -1 2 6
e2 1 1 2 0 5
e3 -1 2 1 1 8
1 P1 1 1/2 -1/2 1 3
e2 0 1/2 5/2 -1 2
e3 0 5/2 1/2 2 11
1 P1 1 0 -3 2 1
2 P2 0 1 5 -2 4
e3 0 0 -12 7 1
1 P1 1 0 3/7 0 5/7
2 P2 0 1 11/7 0 30/7
5 P4 0 0 -12/7 1 1/7
51
zj 1 2 -5 5 10
c j - zj 0 0 8 0 -
3 P3 7/3 0 1 0 5/3
2 P2 -11/3 1 0 0 5/3
5 P4 4 0 0 1 3
zj 59/3 2 3 5 70/3
c j - zj -56/3 0 0 0 -
52
3 1
Rspuns: f max = 4 ; xopt (2 ,0 ,1,4 ,0 ); xopt
2
= , ,0 ,3,0
2 2
2 x1 + 3 x2 + x3 + 2 x4 15
3. x1 + 2 x2 + x3 + x4 = 10
x + x2 + 2 x3 + 2 x4 = 11
1
xj 0, j = 1,4
f = 3x1 + 2x2+ 4x3 + 2x4 minim
Rspuns: f min = 18; xopt (0 ,3,2 ,2 ,0 )
53
III. ELEMENTE DE ANALIZ MATEMATIC
Majoritatea proceselor economice au ca model matematic o
funcie care poate fi de o variabil independent sau mai multe
variabile. De exemplu beneficiul unei ntreprinderi depinde de mai
muli factori care pot fi considerai variabile independente:
productivitatea muncii, preurile de achiziie, costurile de producie,
pierderi, consum de energie, etc.
Funciile de o variabil au fost n general bine studiate n liceu
studiul culminnd, n mare, cu obinerea reprezentrii grafice pe care
se pot citii, de altfel, toate proprietile funciei i de unde se pot
obine diferite interpretri economice.
Reamintim principalele etape pentru obinerea unui grafic la
funciile de o variabil:
1. fixarea domeniului maxim de definiie al funciei care apoi putea fi
restrns doar la o zon de interes;
2. limitele la capetele domeniului de lucru;
3. asimptote (verticale, oblice sau orizontale);
4. puncte principale pe axe;
5. calcularea derivatei ntia i a semnului acesteia pentru obinerea
monotoniei i a punctelor de extrem;
6. calcularea derivatei a doua (numai dac este necesar pentru
precizarea studiului) care ne d intervalele de concavitate,
conexitate i punctele de inflexiune;
54
7. centralizarea tuturor informaiilor ntr-un tablou de variabile i n
sfrit trasarea graficului.
Pentru economiti sunt importante intervalele de monotonie care
indic trendul fenomenului precum i punctele de extrem care sunt n
general puncte de optim.
n prezent utiliznd calculatorul graficul unei funcii se obine
rapid i cu mare precizie. Mai rmne doar s se fac interpretrile.
f ( x ) = f (a ) +
xa
f (a ) +
( x a )2
f (a ) + ... +
( x a )n (n )
f (a ) + Rn
1! 2! n!
unde
Rn =
( x a )n +1 (n +1)
f (c )
(n + 1)!
Rn se numete restul sub forma lui Cauchy.
n esen formula aproximeaz ori ct de bine dorim o funcie
f(x) n orice punct x cu un polinom. Cu ct n este mai mare restul
devine mai mic i aproximaia este mai bun. De asemenea, cu ct
punctul x este mai aproape de a aproximaia este mai bun. Din
55
estimaia restului se poate calcula ci termeni sunt necesari pentru a
obine o eroare de calcul mai mic dect cea propus. Calculatoarele
electronice PC i cele de buzunar prin arhitectura lor utilizeaz
formula lui Taylor pentru a calcula funcii uzuale ca sin x, cos x ex, ln
x, etc.
Observaie. Dac a = 0 formula se numete a lui MacLaurin.
Exemple. Pentru funcii mai simple formula se poate aplica
direct prin derivarea de mai multe ori a funciei.
x x x2 xn
e = 1+ + + ... + + Rn
1! 2! n!
( n)
2) Fie f(x) = ln (1+x), a = 0, vom avea f (n ) =
( 1)n 1 (n 1)!
(1 + x )n
f (n ) (0 ) = ( 1)n +1 (n 1)! deci
x x 2 x3 n 1 x
n
ln(1 + x ) = + + ...( 1) + Rn
1 2 3 n
3) Fie f(x) = sin x, a = 0. Funcia sin x este indefinit derivabil, atunci
calculnd succesiv derivatele obinem
0 , dac n = 2 k
f (n ) (0 ) =
( 1)k , dac n = 2 k + 1
Rezult
2 n 1
x x3 x5 n x
sin x = + ...( 1) +R
1! 3! 5! (2n 1)! n
56
Analog pentru cosinus avem
x 2 x 4 x6 n x
2n
cos x = 1 + + ...( 1) +R
2! 4! 6! (2n )! n
4) S se dezvolte n serie MacLaurin funcia
f : (-1, ) R, f(x) = (1 + x), R, 0, 1, 2,
Funcia admite derivate de orice ordin n punctul x = 0. Avem:
f(n) (x) = ( -1) ( - n + 1)(1 +x)-n
f(n)(0) = ( -1 ) ( - n + 1)
Formula lui MacLaurin devine:
x x2 ( 1)...( n + 1)
(1 x ) = 1 + + ( 1) + ... + + Rn
1! 2! n!
Formula de mai sus poart i numele de binomul lui Newton
generalizat. Pentru diferite valori ale lui se obin dezvoltri pentru
tot felul de radicali.
n=2 d(x, y) = ( x1 y1 )2 + ( x2 y2 )2 .
Definiie. Fie x0 Rn i r > 0 atunci mulimea
Sr(x0) = {x Rn / d(x, x0) < r}
se numete sfer deschis cu centrul n x0 i de raz r(sau hipersfer).
Orice mulime V Rn este o vecintate a punctului x0 dac
exist o sfer deschis cu centrul n x0 inclus n V, adic
x0 Sr (x0) V
Rezult c nsi aceste sfere formeaz un sistem de vecinti
n Rn. Cu ajutorul acestor vecinti se pot defini noiuni importante
n analiz ca punct aderent, punct frontier, punct de acumulare,
punct interior, punct izolat.
n continuare vom lucra frecvent cu funcii de dou variabile
pentru simplitate i numai uneori vom trata cazul cu n variabile.
Rezultatele de la dou variabile se pot extinde uor la cazul
general.
58
Fie A R2 i f A R. Valoarea funciei n punctul (x1, x2) este
un numr real.
Definiie 1. Spunem c l R este limita funciei f n punctul
(a, b) dac > 0, () > 0, astfel ca oricare ar fi (x, y) (a, b) cu
proprietatea |x - a| < () i |y - b| < () s avem |f(x, y) - l| < .
Definiie 2. l = lim f ( x , y ) dac pentru orice ir de puncte
xa
y b
59
1 2
lim f ( xn , yn ) =
xn 0 1 + 2
y n 0
Derivate pariale
Fie A R2, f : A R i (a, b) A (interior).
Definiia 4. Funcia f este derivabil parial n raport cu x n
f ( x ,b ) f (a ,b )
punctul (a, b) dac lim exist i este finit.
xa xa
f (a ,b )
Vom nota aceast limit cu f'x(a, b) sau i o vom numi
x
derivata parial de ordinul nti a funciei f n raport cu variabila x n
punctul (a, b).
Definiia 5. Funcia f este derivabil parial n raport cu y n
punctul (a, b) interior lui A dac
f (a , y ) f (a ,b )
lim
y b y b
exist i este finit.
f (a ,b )
Vom nota analog aceast limit cu f y (a ,b ) = .
y
Observaie. Din definiie rezult c atunci cnd calculm
derivata parial n raport cu x, variabila y este considerat
constant i derivm ca i cum am avea o singur variabil x. Analog
cnd calculm derivata n raport cu y. Dac funcia are mai multe
60
variabile toate celelalte variabile n afara celei cu care se lucreaz se
consider constante.
Observaie. Dac derivatele pariale f'x i f'y sunt la rndul lor
derivatele pariale n raport cu x i y atunci se pot defini derivatele
pariale de ordinul doi. Vom avea n total 4 derivate de ordinul doi i
anume
f 2 f f 2 f ( x , y )
= 2 = f x2 ( x , y ); = = f y2 ( x , y )
x x x y y yx
f 2 f f 2 f
= ( x , y );
= f xy = = f y2 ( x , y )
x y x 2 y y y y 2
2 f
=
(
2 1 x2 + z 2 ) ;
2 f
=
(
2 1 + x2 y2 )
x 2 (
1 + x2 + y 2
2
) y 2 (
1 + x2 + y 2
2
)
2 f 4 xy 2 f 4 xy
= ; =
(
xy 1 + x 2 + y 2 2 ) (
yx 1 + x 2 + y 2 2 )
61
Se observ c n ambele exemple derivatele pariale mixte de
ordinul al doilea sunt egale. Aceast egalitate nu are loc n general.
Criteriul urmtor stabilete n ce condiii are loc egalitatea acestora.
Criteriul lui Schwarz. Dac f : A R2 R are derivate
pariale mixte de ordinul doi continue ntr-o vecintate a punctului
(a ,b ) = f xy
(a,b) atunci f yx (a ,b ) .
62
2 2 f
2 f 2 2 f 2
d f = 2 dx + 2 dxdy + 2 dy
x xy y
n general putem scrie simbolic c
(n )
n
d f = dx + dy f (x , y )
x y
Toate rezultatele obinute pentru funcii reale de dou variabile
sunt adevrate i se extind i pentru funcii de n variabile.
64
Exemplul 2. S se calculeze derivatele funciei
F(x, y) = f(x2 + y2, x y)
Notm u = x2 + y2, v = x y.
Avem
F f u f v f f
= + = 2x +
x u x v x u v
F f u f v f f
= + = 2y
y u y v y u v
65
x(t) = a + t(x a) i y(t) = b + t(b a)
Avem
(m )
d m F (t ) = dx + dy f ( x(t ), y (t )) =
x y
(m )
= ( x a ) + ( y b ) f ( x(t ), y (t ))dt m =
x y
(m )
F (m ) (0 ) = ( x a ) + ( y b ) f (a ,b )
x y
innd seama de acest rezultat obinem formula lui Taylor
pentru funcia f(x, y) n punctul (a, b):
1
f ( x , y ) = f (a ,b ) + ( x a ) + ( x b ) f (a ,b ) +
1! x y
(2 )
1
+ ( x a ) + ( x b ) f (a ,b ) +
2! x y
(n )
1
+ ... + ( x a ) + ( x b ) f (a ,b ) + Rn
n! x y
unde
( n + 1)
1
Rn = ( x a ) + ( x b ) f [a + ( x a ),b + ( y b )]
(n + 1)! x y
(0, 1).
Observaii. Dac n formula lui Taylor punem n = 0 obinem
formula lui Lagrange (a creterilor finite), adic
f(x, y) f(a, b) = (x a)f'x(, ) + (y b)f'y(, )
66
Extremele funciilor de dou variabile
Fie f : A R2 R i (a, b) A.
Definiie. Puntul (a, b) este un punct de maxim local (respectiv
minim local) dac exist o vecintate V a lui (a, b), astfel nct
oricare ar fi (x, y) V are loc inegalitatea f(x, y) f (a, b) (respectiv
f (x, y) f(a, b)). Aceste puncte se numesc de extrem local.
Teorem. Dac funcia f: A R2 R are un extrem local n
(a,b) i admite derivate pariale pe o vecintate a punctului (a, b),
atunci derivatele pariale n acest punct sunt nule, adic f'x(a, b) = 0 i
f'y(a, b) = 0.
Demonstraie. Considerm funcia (x) = f(x, b). Deoarece
(a,b) este un punct de extrem pentru f(x, y) atunci x = a este punct de
extrem pentru (x) deci conform teoremei lui Fermat f'x(a, b) = 0. n
mod asemntor considernd funcia (f) = f( a, y) se va obine
f'x(a,b)=0.
Observaie. Reciproca teoremei precedente nu este n general
adevrat adic dac ntr-un punct (a, b) avem f'x(a,b)=0 i f'y(a,b)=0
nu rezult neaprat c (a, b) este un punct de extrem pentru f.
Definiie. Un punct (a, b) pentru care f'x(a, b) = 0 i f'y(a, b) = 0
se numete punct staionar.
Nu toate punctele staionare sunt puncte de extrem. Cele care nu
sunt puncte de extrem se numesc "puncte a".
Va trebui n continuare s gsim criterii prin care s putem
seleciona punctele de extrem dintre cele staionare.
67
Puntele de extrem sunt foarte importante n problemele
economice deoarece ele reprezint n general un optim al problemei,
obiectiv urmrit permanent de economiti.
S observm c din definiia puntelor de extrem rezult c
diferena f = f(x, y) f(a, b) trebuia s admit un semn constant ntr-
o vecintate orict de mic a punctului (a, b). Vom considera n
continuare formula lui Taylor sub forma
f = f ( x , y ) f (a ,b ) =
1
1!
( )
( x a ) f x + ( y b ) f y (a ,b ) +
+
1
2!
[ ]
( x a )2 f x2 + 2( x a )( y b ) f xy + ( y b )2 f y2
(a ,b )
+ R3
68
Am dat factor comun pe (y b)2 i am utilizat notaiile lui
Monge pentru derivatele de ordinul II
f x2 (a ,b ) = r , (a ,b ) = s ,
f xy f y2 (a ,b ) = t
xa
Mai notm = z avem
y b
T2 =
1
2!
(
( y b )2 rz 2 + 2 sz + t )
un termen de gradul doi n z. Apelm la cunotinele de la liceu n
legtur cu acest subiect.
Se tie c T2 are semn constant dac = s2 rt < 0 i anume
dac r > 0 T2 > 0 i deci i f = f(x, y) f(a, b) > 0 dac r < 0
T2 < 0 i f = f(x, y) f(a, b) < 0.
innd cont de definiia extremelor locale pentru maxim i
minim putem enuna urmtoarea regul referitoare la separarea
punctelor staionare.
Teorem. Fie f(x, y) o funcie definit pe A R2 R
derivabil parial cel puin de 3 ori i (a, b) un punct staionar al su.
1. Dac punctul (a, b), = s2 rt < 0 atunci (a, b) este un punct de
extrem i anume:
a) dac r = f x2 (a ,b ) > 0 atunci (a, b) este un punct de minim;
69
3. Dac n (a, b), = 0 nu putem trage nici o concluzie asupra
punctului (a,b). Situaia acestuia se va lmuri cu un studiu
suplimentar.
Exemple 1. Un bazin are forma unui paralelipiped drept fr
capac. Presupunnd c avem la dispoziie o cantitate de tabl dat
(aria total fixat) s se proiecteze dimensiunile bazinului astfel nct
capacitatea v a recipientului s fie maxim.
Rezolvare: Notm cu x i y dimensiunile bazei, z nlimea i a2
aria total. Avem a2 = xy + 2xz + 2yz, i volumul v = xyz. Funcia al
crei maxim n cutm este
v( x , y ) =
(
xy a 2 xy )
2( x + y )
Avem
(
v y 2 a 2 2 xy x 2
=
) ,
(
v x 2 a 2 2 xy y 2
=
)
x 2( x y )2 y 2( x + y )2
v v a
Rezolvnd sistemul = 0, = 0 obinem soluia x = y = .
x y 3
a a a
Calculm r = ,s = i z = .
2 3 4 3 2 3
2a2 a2 a2 a
Avem = s rt = = < 0 i t = , rezult c
48 12 16 2 3
a a
pentru x = y = i respectiv z = bazinul are volumul maxim.
3 2 3
2. S se determine punctele de extrem ale funciei
f(x, y) = x3 + y3 + 3xy + 2
70
Punctele staionare sunt soluiile sistemului
f x = 0 x 2 + y = 0
M 1 (0 ,0 ) i M 2 ( 1,1)
f y = 0 2
y + x = 0
=
1 n
( )
( x xi ) x x j f xi x j (a1 ,..., an )
2 i , j =1
71
Semnul acestei expresii este hotrt de un ir de determinani
extrai din matricea ce conine toate derivatele pariale de ordinul doi
calculate ntr-un punct staionar, numit matricea lui Hesse sau
"matrice hessian".
f x2 f x1 x2 f x1 x3 ... f x1 xn
1
f x x
2 1
f x2 f x x
2 3
... f x x
2 n
2
H (a1 , a2 ,..., an ) = f x3 x1 f x3 x2 f x2
3
... f x3 xn
... ... ... ... ...
f x x
n 1
f x x
n 2
f x x
n 3
... f x2
n
2 0 0
H = 0 2 0 1 = 2 , 2 = 4 , 3 = 8
0 0 2
73
x x1 x2 xn
f(x) y1 y2 yn
Se pune problema gsirii unei funcii (trend) care s verifice
perechile de puncte (xi, yi) i s se apropie ct mai mult de fenomenul
studiat. Exist desigur mai multe metode matematice care rezolv
aceast problem unele mai simple dar nu aa de precise altele foarte
elaborate.
n rezolvarea acestei probleme prin metode mai simple
distingem dou etape. n prima etap determinm clasa din care face
parte funcia (tipul trendului). Acest lucru se realizeaz n general prin
experiena pe care o are economistul respectiv din cercetri anterioare.
Ca exemple uzuale de clase de funcii, amintim pe cele liniare,
parabolice, logaritmice, exponeniale, etc. O astfel de funcie depinde
ns de mai muli parametrii.
Exemple: funcia liniat y = ax + b depinde de a i b, funcia
parabolic y = ax2 + bx + c de trei parametrii, funcia exponenial
y = b ax de a i b etc.
Etapa a doua presupune determinarea cu precizie ct mai mare a
acestor parametrii.
Pentru nceput vom aminti o metod extrem de simpl dar care
se aplic doar la funcia liniar (adic doar pentru ajustarea liniar).
Este vorba de "metoda centrelor de greutate". Dac punctele ce sunt
imagini ale perechilor de numere din tabelul de mai sus se aeaz
aproximativ n linie dreapt putem lansa ipoteza c funcia cutat este
liniar adic de forma y = ax + b.
74
y
B
A
x
Se mpart punctele n dou clase A i B care conin r
respectiv n r puncte, apoi se calculeaz coordonatele punctelor ce
sunt "centre de greutate" pentru clasa A respectiv B cu media
aritmetic
1 r 1 r 1 n 1 n
xA = i A
x , y = i B
y , x = i B
x , y = yi
r i =1 r i =1 n r i = r +1 n r i = r +1
Dup obinerea coordonatelor punctelor A(xA, yA) i B(xB, yB)
vom scrie ecuaia dreptei ce trece prin dou puncte
y yA
y yA = B (x x A )
xB x A
Observaie. Ecuaia dreptei difer destul de puin n funcie de
mprirea punctelor n cele dou clase.
O metod mai des utilizat este ns "metoda celor mai mici
ptrate" conceput de Gauss n 1794 la vrsta de 17 ani.
Aceast metod const n determinarea parametrilor ai ai funciei
y = f(x, a1, a2, , ap) astfel nct urmtoarea sum s fie minim.
75
importan mai mare sau mai mic diferitelor paranteze n funcie de
criterii stabilite: precizia msurtorilor, ncrederea ntr-o anumit
valoare etc.
Pentru c xk i yk sunt valori numerici date rezult c S(a1, a2, ,
ap) este de fapt o funcie de p variabile a1, a2, , ap. Pentru
determinarea punctelor de minim local ale funciei S se determin mai
nti punctele staionare prin rezolvarea sistemului de ecuaii
algebrice:
S S S
= 0, = 0 , ..., =0
a1 a2 a p
sau
76
n 2 n n
xk a + xk b = xk yk
k =1 k =1 k =1
n
x a
n
+ nb = yk
k =1 k k =1
1 n 1 n
Dac notm x = xk i y = y k se obine soluia
n k =1 n k =1
n n
(xk x )yk xk ( y xk x y k )
a = k =n1 , b = k =1 n
(xk x ) (xk x )
2 2
k =1 k =1
Observaii.
a) Dac limita de mai sus este infinit vom spune c integrala
improprie este divergent i nu prezint interes.
b) O definiie analoag cu cea de mai sus se poate da i dac
intervalul de integrare este nemrginit la stnga.
De asemeni pot exista integrale improprii convergente (au
valoare finit) cu ambele limite infinite adic integrarea se face pe
+
toat axa real f (x )dx .
78
Definiie 2. Fie acum funcia f : [a, b] R nemrginit ntr-o
vecintate a lui b dar mrginit i integrabil Riemann pe orice
subinterval nchis [a, ] [a, b]. Dac exist i este finit limita
lim
b a
f ( x )dx atunci aceast limit se numete integral improprie de
79
Funciile lui Euler de spea ntia (Funcia Beta) i de
spea a doua (Funcia Gamma)
Definiie. Se numete funcie Gamma, funcia definit pentru
orice a > 0 de relaia
(a ) = x a 1e x dx
0
80
rezult printr-o simpl schimbare de variabil i anume x = t2,
dx=2tdt.
1
Aplicaie 1. = . Se poate utiliza, de exemplu,
2
1 1 1
proprietatea patru lund a = , = .
2 2 2
1
2. Dac n proprietatea 5 punem a = vom avea
2
1 2 2
= = 2 e t dt sau t
e dt =
2 0 0
2
2
y2
de aici se deduce uor c e dy = 2 .
81
3. Dac a > 0, b > 0 atunci
(a ) (b )
B(a ,b ) =
(a + b )
Aplicaii.
1 1
1. S se calculeze B , = ?
2 2
1
1 1 dx 2 sin t cos tdt
2 2
B , = = = 2 dt =
2 2 0 x (1 x ) 0
sin t cos t 0
5 1 3
+
5 1 2 2 = 4 3
B , = =
2 2 (3 ) 2 8
82
Exerciii i probleme
1. S se determine domeniul maxim de definiie i limita n punctul de
1 1
coordonate , pentru funcia f ( x , y ) = 1 x 2 y 2 .
2 2
R. Domeniul de definiie D R2 este dat de inegalitatea 1x2y20
sau x2 + y2 1 adic discul cu centrul n originea axelor de
coordonate i raz 1.
Pentru limit avem
2
lim f ( x , y ) = lim 1 x2 y2 =
x 21 x 21 2
y 21 y 21
x2 y2
3. S se determine domeniul funciei f ( x , y ) = 2 2
i limita n
x +y
(0,0).
R. Domeniul este R2 - {0, 0}
Limita n (0, 0) nu exist dup cum s-a vzut n exemplul dat la
partea teoretic.
83
4. S se determine domeniul maxim de definiie al funciilor
(
a) g(x, y) = 1 x 2 ln 4 y 2 )
1 x 2 0 x [ 1,1]
R. ( x , y ) [ 1,1] ( 2 ,2 )
2
4 y > 0 y ( 2 ,2 )
b) g(x, y) = ln (x2 y + 2)
R. x2 y + 2 > 0 D ={(x. y)R2 /y<x2+2} interiorul parabolei
c) g(x, y) = 9 x2 y2 z 2
84
Interpretri economice ale derivatelor pariale
6. S se determine valoarea marginal VM n raport cu variabila x apoi
ritmul de variaie R i elasticitatea E pentru funciile
a) f(x, y, z) = xyz
b) g(x, y) = ln (1 + x2 + y3)
c) ln(x, y, z) = exyz
Rspuns:
a) VM(f, x) = f'x = yz
1 yz 1
R(f,x) = f x = =
f xyz x
x x
E(f, x) = f x = yz = 1
f xyz
2x
b) VM(g, x)= g'x =
1 + x2 + y3
1 2x
g x =
R(g, x) =
g ( )(
1 + x 2 + y 3 ln 1 + x 2 + y 3 )
x 2 x2
E(g, x) = g x =
g ( )(
1 + x 2 + y 3 ln 1 + x 2 + y 3 )
c) VM(h, x) = h'x = yxexyz
1 yze xyz
R(h, x) = hx = xyz = y z
h e
x
E(g, x) = hx = xyz
h
7. Fie funcia f : A R, f(x, y) = xy, 0, 0, + = 1
(Cobb-Douglas) unde A este format din mulimea perechilor (x, y)
85
tehnologic admisibile. S se determine valoarea marginal, ritmul
de variaie i elasticitatea lui f n raport cu x i respectiv y.
Rezolvare:
VM ( f , x ) = x 1 y , VM ( f , y ) = x y 1
1 1
R( f , x ) = VM ( f , x ) = , R( f , y ) = VM ( f , y ) =
f x f y
E ( f , x ) = xR( f , x ) = , E ( f , y ) = yR( f , y ) =
Observaie. Conform definiiei elasticitii se obine
semnificaia economic a celor doi parametrii i care apar n
definiia funciei de producie Cobb-Douglas.
Ei reprezint numrul de procente n care crete volumul
produciei cnd factorul de producie respectiv crete cu 1%, cellalt
factor de producie rmnnd neschimbat.
86
n punctul M2(2, 1) avem (2, 1) = -108 < 0 rezult c acest
punct este un extrem local i anume minim deoarece r(2, 1) = 12 > 0
valoarea minimului f(2, 1) = -28.
Analog pentru M3(-2, -1), (-2, -1)= -108< 0 i r(-2, -1)= -12< 0
rezult c M3(-2, -1) este un punct de maxim local valoarea maximului
fiind f(-2, -1) = 28.
2. f(x, y) = xy2ex-y, (x, y) R2, x < 0.
f x = ( x + 1) y 2 e x y ( x + 1) y 2 = 0
R.
f y = xy(2 y )e
x y
= 0 xy (2 y ) = 0
n baza condiiei x < 0 rezult soluiile: (-1, 2), (x, 0), x < 0
r = f"x2 = (x + 2)y2ex-y
87
r = f"x2 = 6x, s = f"xy = -9, t =f"y2 = 6y
x2 x3
x1 x4
x5
Dac toate perechile din L sunt ordonate graful se numete
orientat. Dac graful este orientat atunci perechile se numesc arce
altfel se numesc linii sau muchii.
90
Sub form de graf pot fi modelate procese tehnologice ca
succesiune de operaii, relaiile ntre partenerii de afaceri sau agenii
economici, operaiile bancare etc.
Numrul de arce ce pleac dintr-un nod se numete grad
exterior, iar numrul de arce ce intr ntr-un nod se numete grad
interior al acelui nod.
Un nod xi se numete surs dac grint = 0 i grext > 0. Nodul xj
se numete ieire dac grint > 0 i grext = 0. Nodul xk pentru care avem
grint = grext = 0 este un punct izolat.
O succesiune de arce (u1, u2)(u2, u3)(u3, u4) n aa fel ca vrful
terminal al fiecrui arc coincide cu vrful iniial al arcului urmtor se
numete drum.
Un drum este elementar dac nu ntlnete acela vrf de dou
ori. Un drum se noteaz cel mai des ca succesiune a vrfurilor sale x1,
x2, , xp. Dac capetele unui drum elementar coincid, atunci drumul
se numete circuit.
Dac graful nu este orientat, n loc de arce avem muchii; n acest
caz o succesiune de muchii se numete lan.
Observaie. Un drum este un lan, dar reciproca nu este
adevrat, adic un lan nu este totdeauna un drum.
Un drum care trece o singur dat prin fiecare vrf al grafului
se numete drum hamiltonian. Drumurile hamiltoniene au aplicaii
numeroase n succesiunea operaiilor bancare sau n tehnologie la
stabilirea succesiunii etapelor de fabricaie a unui produs.
91
Ordine de conexiune. Dac fiecare pereche de vrfuri din G
este legat, spunem c graful G este conex i c vrfurile xi i xj se
numesc semi-tare conexe dac exist un drum care leag pe xj de xi.
Dac fiecare pereche din G este semi-tare conex spunem c
graful G este semi-tare conex i c el are ordinul doi de conexiune.
Vrfurile xi i xj se tare-conexe dac exist cel puin un drum
care leag pe xi de xj i cel puin un drum care leag pe xj de xi.
Analog putem spune c dac fiecare pereche de vrfuri din G este tare
conex atunci graful G este tare conex i c el are ordinul trei de
conexiune.
Observaie. Graful tare conex este i semitare conex, care la
rndul lui este conex. Reciproc nu este adevrat.
Exemple:
2 2 2
3 3 3
1 1 1
4 4 4
5 5 5
Graf tare conex Graf semitare conex Graf conex
x2 x3 graf este:
(x1, x3, x6, x12, x6, x11, x6, x3, x1,
x4 x5 x6 x2, x5, x10, x5, x9, x5, x2, x4, x8,
x4, x7, x4, x2, x1)
x7 x8 x9 x10 x11 x12
93
O pereche de vrfuri se numete muchie i se noteaz x1 , x2 .
Lanul este o reuniune de muchii succesive. El corespunde drumului.
Orice drum este un lan reciproc nu este adevrat.
Ciclu este un lan avnd capetele unite. Un circuit este un ciclu
invers nu.
Un graf neorientat este conex dac oricare ar fi vrfurile xi i xj
exist cel puin un lan care le leag.
Fie xi G i C(xi) mulimea format din xi i toate celelalte
vrfuri legate prin lanuri de xi. Subgraful astfel obinut se numete
component a lui G. Ea este evident conex.
Un graf este convex dac i numai dac are o singur
component.
Submulime de articulare este acea parte a unui graf tare conex
care suprimat mpreun cu muchiile incidente rupe conexiunea
grafului n cel puin dou componente. Prezint intertes numrul
minim de vrfuri cu rol de articulare.
Distana dintre dou vrfuri ale unui graf conex este lungimea
celui mai scurt lan care le unete. Se noteaz cu (xi xj).
Observaie. n grafele neorientate avem (xixj) = (xjxi). La cele
orientate, tare conexe, relaia de sus nu mai este adevrat. n general
distana se utilizeaz la grafuri neorientate.
94
descrise ca text, chiar i atunci cnd graful este simplu. Ca urmare au
fost definite cteva matrici cu ajutorul crora operaiile i algoritmii
relativi la grafe devin uoare.
Matricea legturilor (matricea conexiunilor, matricea
boolean) este o matrice ptrat de ordin n unde n este numrul
vrfurilor grafului.
Pentru fiecare vrf se desemneaz o linie respectiv o coloan.
Elementele acestei matrici se definesc astfel:
1, dac exist arc orientat de la xi la x j
cij =
0 , dac nu exist
Citirea n matrice se face de la stnga la dreapta i apoi n sus.
Un graf orientat G avnd n vrfuri i n arce poate fi, de
asemenea, reprezentat prin matricea de inciden care are n linii i m
coloane A (aij) unde:
+ 1, dac arcul u j porneste din vrful xi
aij = 1, dac arcul u j se ter min n vrful xi
0 , dac xi nu este vrf adiacent al arcului u j
u1 x2 u4
x1 x5
u2 u8 u7
u3 u5 x4
u9
u10
x3 u6
x6
95
Matricea conexiunilor
C x1 x2 x3 x4 x5 x6
x1 0 1 0 1 0 0
x2 0 0 1 0 1 1
x3 1 0 0 0 0 0
x4 0 0 0 0 1 1
x5 0 0 0 0 0 1
x6 0 0 1 0 0 0
Matricea de inciden
C u1 u2 u3 u4 u5 u6 u7 u8 u9 u10
x1 +1 +1 -1
x2 +1 +1 +1
x3 +1 -1 -1 -1
x4 -1 -1 +1 +1
x5 -1 -1 +1
x6 +1 -1 -1
96
O alt matrice important care intervine n diferite probleme este
aa numita matrice a drumurilor sau matrice conex terminal
D=(dij). Elementele ei se definesc astfel:
1, dac exist cel putin un drum de la xi la x j
dij =
0 , dac nu exist .
Observaii. 1. Deoarece arcele unui graf pot fi considerate ca
drumuri particulare, rezult c matricea D conine toate elementele
"1" ale matricii conexiunilor.
2. Pot exista mai multe grafe care s aib aceiai matrice
terminal. Pentru a evita acest neajuns i pentru alte motive care se
vor vedea mai jos, s-a convenit s se marcheze elementele "1" ale
matricii drumurilor care se regsesc n matricea conexiunilor, cu
asterisc, matricea conexiunilor fiind specific fiecrui graf.
3. Numrul de vrfuri ce pot fi atinse plecnd din vrful xi pe
diverse drumuri se numete puterea de atingere a lui xi.
n continuare vom reaminti operaiile de adunare i nmulire
boolean care se fac n mulimea {0, 1}. Acestea se efectueaz dup
regulile prezentate n tabelele urmtoare:
+ 0 1 0 1
0 0 1 0 0 0
1 1 1 1 0 1
97
Algoritmul lui Y.C.Chen, pentru construirea matricii
drumurilor (terminal)
1. Fie matricea conexiunilor (legturilor, boolean) C. Fie c1i, c1j, ,
c1m elementele diferite de zero din linia ntia a acestei matrici C.
Adunm boolean liniile i, j, , m la prima linie.
2. Presupunem c au mai aprut i alte elemente diferite de zero
generate de operaia de adunare boolean de la pasul precedent. Fie
acestea c1p, c1q, , c1r. Adunm boolean n continuare i liniile p, q,
, r la prima linie.
3. Se repet pasul 2 pn cnd se obine una din urmtoarele situaii:
a) Prima linie conine numai elemente unu eventual n afar de
poziia de pe diagonala principal (dac graful este fr circuite).
b) Nu mai putem genera elemente "unu" noi prin operaiile descrise
4. Se repet procedeul de mai sus pentru fiecare linie din C.
Exemplu. Fie graful dat sub form de text ca succesiuni ale
vrfurilor care sunt de fapt arcele ce leag vrfurile:
- dup x1 urmeaz x2 i x3
- dup x2 urmeaz x3
- dup x3 urmeaz x4
- dup x4 nu urmeaz nici un vrf
- dup x5 urmeaz x1, x3, x4 i x6
- dup x6 urmeaz x4
Matricea legturilor se va completa uor linie cu linie urmrind
textul.
98
C x1 x2 x3 x4 x5 x6
x1 0 1 1 0 0 0
x2 0 0 1 0 0 0
x3 0 0 0 1 0 0
x4 0 0 0 0 0 0
x5 1 0 1 1 0 1
x6 0 0 0 1 0 0
1. Pe linia nti avem elemente "1" pe coloanele x2 i x3. Adunm
boolean liniile 2 i 3 la linia nti. Va aprea un element unu n plus
pe coloana 4. Adunm deci i linia 4-a la linia ntia dar nu mai
apare nici un element "unu" nou.
2. Continum cu linia 2-a unde procednd analog apare doar un
element unu pe coloana 4-a. Procednd n continuare la fel se
ajunge la matricea drumurilor pe care o dm mai jos.
C x1 x2 x3 x4 x5 x6 P.A
x1 0 1* 1* 1 0 0 3
x2 0 0 1* 1 0 0 2
x3 0 0 0 1* 0 0 1
x4 0 0 0 0 0 0 0
x5 1* 1 1* 1* 0 1* 5
x6 0 0 0 1* 0 0 1
Observaii:
1. n aceast matrice am marcat cu asterisc * elementele "1" ce se
gsesc i n matricea conexiunilor i care reprezint deci drumuri
formate dintr-un singur arc.
99
2. Pe marginea din dreapta este trecut puterea de atingere a fiecrui
vrf care se obine numrnd elementele "1" de pe fiecare linie.
Procedeu de triangularizare:
1. Se scrie puterea de atingere pentru fiecare vrf urmrind cte
elemente "1" sunt pe linia corespunztoare vrfului.
2. Se ordoneaz liniile n ordinea descresctoare a puterilor de
atingere.
3. Se ordoneaz apoi coloanele n aceiai ordine i se obine matricea
terminal (a drumurilor) triangularizat superior.
Observaii:
1. Dac graful este fr circuite, adic n matricea terminal nu avem
pe diagonal elemente "1", aceasta se poate ntotdeauna
triangulariza.
2. n matricea terminal triangularizat superior (TTS) a unui graf
orientat i fr circuite primul element de pe fiecare linie i ultimul
de pe fiecare coloan diferit de zero este un "1*" marcat care
reprezint un arc.
100
Aplicaie pentru matricea terminal precedent. Se vor urmri
cele dou faze: ordonarea liniilor n ordine descresctoare i apoi a
coloanelor.
C x1 x2 x3 x4 x5 x6 P.A C x5 x1 x2 x3 x6 x4 P.A
x5 1* 1 1* 1* 0 1* 5 x5 0 1* 1 1* 1* 1 5
x1 0 1* 1* 1 0 0 3 x1 0 0 1* 1* 0 1 3
x2 0 0 1* 1 0 0 2 x2 0 0 0 1* 0 1 2
x3 0 0 0 1* 0 0 1 x3 0 0 0 0 0 1* 1
x6 0 0 0 1* 0 0 1 x6 0 0 0 0 0 1* 1
x4 0 0 0 0 0 0 0 x4 0 0 0 0 0 0 0
101
A. Drumuri hamiltoniene n grafe orientate i fr
circuite
Fie un graf orientat i fr circuite, fie matricea sa conex i
matricea terminal eventual triangularizat superior.
Teorem (de existen i unicitate a drumului hamiltonian).
La orice graf orientat i fr circuite cu n vrfuri exist drum
hamiltonian dac i numai dac numrul elementelor diferite de zero
n(n 1)
ale matricii terminale (a drumurilor) este .
2
Demonstraie (necesitatea). Graful admite drumul hamiltonian.
xi1, xi2, , xin
innd cont c graful nu are circuite xi1 atinge n-1 vrfuri, deci pe
linia lui xi1 sunt (n-1) elemente "1". Analog rezult c pe linia xi2 se
gsesc (n-2) elemente "1" i aa mai departe pn la linia xin unde
sunt doar zerouri. Rezult c numrul total de elemente diferite de
zero este:
(n 1) + (n 2 ) + ... + 3 + 2 + 1 = n(n 1)
2
Reciproc (suficiena). Dac numrul elementelor diferite de
n(n 1)
zero din matricea T este egal cu vom arta c graful are un
2
drum hamiltonian. Considernd matricea conex terminal triangular
n(n 1)
superior TTS, cele elemente "unu" umplu triunghiul aflat
2
deasupra diagonalei. Putem scrie deci o succesiune de arce
102
corespunztoare fiecrui element diferit de zero de pe fiecare linie a
matricei TTS n forma:
(xi xi )(xi xi )...(xi
1 2 2 3 n 1
xin )
succesiune care formeaz un drum hamiltonian. Acest drum dac
exist este unic. Se arat uor c presupunnd c ar fi dou va rezulta
c graful are circuite ceea ce contrazice ipoteza fcut.
P1
P6
P3 P4
Graful poate fi reprezentat i ca desen dar nu este neaprat
necesar i nici prea util. Lucrul cu grafe se face doar pe matrici.
Textul se mai poate scrie simbolic i n felul urmtor:
P1
P2 P1, P3, P6
P3 P1
P4 P3, P5, P6
P5 P1, P2, P6
P6 P3
Matricea conex a grafului este:
C P1 P2 P3 P4 P5 P6 T P1 P2 P3 P4 P5 P6 PA
P1 0 0 0 0 0 0 P1 0 0 0 0 0 0 0
P2 1 0 1 0 0 1 P2 1* 0 1* 0 0 1* 3
P3 1 0 0 0 0 0 P3 1* 0 0 0 0 0 1
P4 0 0 1 0 1 1 P4 1 1 1* 0 1* 1* 5
P5 1 1 0 0 0 1 P5 1* 1* 1 0 0 1* 4
P6 0 0 1 0 0 0 P6 1 0 1* 0 0 0 2
Suma P.A. 15
104
din care prin algoritmul lui Chen se deduce matricea conex terminal
T.
Verificarea criteriilor
1. Pe diagonal nu avem elemente "unu" deci graful nu are circuite.
2. Numrul elementelor egale cu "unu" din matricea T (adic suma
6 5
puterilor de atingere) este 15 = .
2
Rezult c graful conine un drum hamiltonian. Acesta se poate
obine scriind vrfurile n ordinea descresctoare a puterilor de
atingere, adic dH: P4, P5, P2, P6, P3, P1 drum ce poate fi urmrit i pe
desen.
Corijarea grafului
Dac n graf suma puterilor de atingere ale celor n vrfuri este
n(n 1)
mai mic dect atunci nu exist drum hamiltonian. n aplicaii
2
uneori este foarte important ca drumul hamiltonian s existe i se pune
astfel problema corijrii minimale a grafului. Prin corijare minimal se
nelege introducerea unui numr ct mai mic de arce bine plasate
astfel ca n graf s apar drum hamiltonian. Aceste corijri au
ntotdeauna interpretri practice i economice interesante i utile.
Pentru corijare va trebui s urmrim n matricea terminal
triangularizat superior pe prima paralel la diagonala principal unde
sunt elemente "zero". Dac n locul acestora se va plasa elementul
"unu", ceea ce n graf corespunde cu introducerea unor arce, se va
forma drum hamiltonian. Dac exist i alte elemente "zero" n
105
interiorul triunghiului superior din matricea TTS acestea pot fi
neglijate.
Locul lor va fi ocupat automat cu elemente "unu" n procesul de
adunri booleene care se va reface dup corijare. Pentru verificare
vom relua dup corijare algoritmul de construire a matricei drumurilor
i vom constata c acum condiia de existen a drumului hamiltonian
este ndeplinit adic suma puterilor de atingere a tuturor vrfurilor
n(n 1)
este . Corijarea propus prin metoda de mai sus este
2
"minimal" n sensul c se introduc un numr minim de elemente
"unu" puse ns n locuri potrivite.
Exemple: O unitate economic trebuie s execute 6 operaiuni
(xi) care sunt condiionate de urmtoarele restricii:
- dup x1 poate urma x2 i x3
- dup x2 poate urma x3
- dup x3 poate urma x4
- x4 trebuie s fie ultima operaie
- dup x5 poate urma oricare dintre x1, x3, x4, x6
- dup x6 poate urma doar x4
S se determine ordinea n care trebuie executate aceste operaii
economice astfel ca fiecare s fie efectuat o singur dat.
Rezolvare. Modelul ataat acestei probleme este evident acela de
gsire a drumului hamiltonian care trece prin cele 6 vrfuri ale
grafului corespunztor problemei practice enunate.
1. Vom scrie matricea conexiunilor C.
106
2. Prin adunri booleene vom construi matricea drumurilor D
(terminal) n care vom trece i puterile de atingere, PA.
C x 1 x2 x3 x4 x5 x6 D x1 x2 x3 x4 x5 x6 PA
x1 0 1 1 0 0 0 x1 0 1* 1* 1 0 0 3
x2 0 0 1 0 0 0 x2 0 0 1* 1 0 0 2
x3 0 0 0 1 0 0 x3 0 0 0 1* 0 0 1
x4 0 0 0 0 0 0 x4 0 0 0 0 0 0 0
x5 1 0 1 1 0 1 x5 1* 1 1* 1* 0 1* 5
x6 0 0 0 1 0 0 x6 0 0 0 1* 0 0 1
Total P.A. 12
6 5
Se observ c suma puterilor de atingere este 12 = 15 .
2
Pentru existena drumului hamiltonian ar fi trebuit s fie 15.
Concluzia: nu avem drum hamiltonian.
Deoarece dorim neaprat ca s existe un astfel de drum vom
proceda la corijarea grafului care va consta n adugarea cel puin a
unui arc (intenionm ct mai puine). Pentru a gsi locul potrivit n
care s adugm arcul vom construi matricea TTS, prin aranjarea
liniilor i a coloanelor n ordinea descresctoare a PA. Astfel avem
(vezi exemplul de la nceput).
TTS x5 x1 x2 x3 x6 x4 PA
x5 0 1* 1 1* 1* 1 5
x1 0 0 1* 1* 0 1 3
x2 0 0 0 1* 0 1 2
107
x3 0 0 0 0 0 1* 1
x6 0 0 0 0 0 1* 1
x4 0 0 0 0 0 0 0
Se observ c pe prima paralel la diagonala principal este un
singur zero. Dac n acest loc vom pune un "unu" ceea ce revine n
graf la adugarea unui singur arc ntre x3 i x6 va aprea un drum
hamiltonian. Acesta va fi dat de succesiunea din tabelul de mai sus
adic:
dH: x5, x1, x2, x3, x6, x4
Pentru verificare putem reface calculele plecnd de la matricea
conex nou (corijat) i vom obine c suma puterilor de atingere va
6 5
fi egal cu = 15 . Putem meniona faptul c dup adugarea
2
arcului x3x6 n procesul de formare a matricei drumurilor se vor
completa cu "unu" n mod automat i poziiile (x1x6) i (x2x6).
Exerciii. S se determine drumuri hamiltoniene n grafele
corespunztoare urmtoarelor dou probleme.
1. Un produs trebuie s treac n prelucrarea lui prin opt operaii
care sunt condiionate de urmtoarele restricii:
- dup operaia x1 poate urma doar x8
- dup operaia x2 poate urma doar x1, x5, x7
- dup operaia x3 poate urma doar x2, x6
- dup operaia x4 poate urma doar x2, x3, x5, x6
- dup operaia x5 poate urma doar x1
- dup operaia x6 poate urma doar x5, x7
108
- operaia x7 trebuie s fie ultima
- dup operaia x8 poate urma doar x7
Rspuns. n acest graf nu exist drum hamiltonian.
Dac ns se face o corijare adugnd un arc ntre x2 i x6 sau
invers va aprea un drum hamiltonian i anume:
dH1: x4, x3, x2, x6,x5, x1, x8, x7
sau respectiv
dH2: x4, x3, x6, x2,x5, x1, x8, x7
2. S se determine drumul hamiltonian n graful care este dat de
urmtoarele succesiuni (restricii)
- x1 (ultima operaie = ieire din graf)
- x2 x1, x3, x5, x6, x7
- x3 x1
- x4 x3, x5
- x5 x3
- x6 x5, x3, x1
- x7 x1
Indicaie. Nu are drum hamiltonian. Se va cuta o corijare
minimal n aa fel ca s putem gsi un astfel de drum.
109
se poate realiza prin gruparea vrfurilor ntr-o mulime ordonat de
clase de echivalen.
De exemplu, oricare vrf din prima clas poate fi ales ca nceput
de drum, dup cum oricare vrf din ultima clas de echivalen poate
fi sfritul drumului hamiltonian.
Vom scrie toate drumurile hamiltoniene pariale din fiecare clas
pe care apoi le asamblm n ordinea obinerii claselor cu ajutorul
arcelor dintre clase obinnd drumuri hamiltoniene complete. Evident
vom gsi mai multe drumuri.
Algoritmul practic de gsire a drumurilor hamiltoniene are
urmtoarele etape:
1. Scriem matricea conexiunilor C pe care o adunm boolean cu
matricea unitate U de acelai ordin cu ea.
2. nmulim boolean matricea (C+U) cu ea nsi i obinem (C+U)2.
Calculm puterile urmtoare ale lui (C+U) pn cnd dou puteri
succesive sunt egale. Spunem c matricea este saturat.
3. Vrfurile care au n aceast matrice pe linii numai elemente "1", iar
coloanele corespunztoare lor numai zerouri cu excepia
elementelor de la intersecii le grupm n prima clas de
echivalen (vrfuri de la nceput).
Se elimin din matricea (C+U)k liniile i coloanele
corespunztoare acestor vrfuri iar la matricea rmas procedm la fel
pentru a afla a doua clas de echivalen etc.
110
Procednd n acest fel toate vrfurile grafului vor fi repartizate n
clase de echivalen. Este important s se rein ordinea n care au
aprut clasele.
4. Reconstruim un graf parial al grafului dat (care are toate vrfurile
dar numai o parte din arce) n felul urmtor:
a) Reprezentm vrfurile primei clase i trasm toate arcele ce
leag aceste vrfuri ntre ele. Procedm la fel cu celelalte clase
reprezentndu-le izolat n ordinea obinerii claselor. Fiecare din
aceste clase d natere unui subgraf tare conex.
b) Trasm toate arcele grafului dat ce leag clasele consecutive,
numai n sensul obinerii claselor. Adic arcele ce pornesc de la
prima clas spre a doua, de la a doua spre a treia etc. Vom
obine n final un graf parial relativ la cel iniial. Din acest
subgraf vor lipsi arcele care sar peste una sau mai multe clase i
cele care au sensul opus sensului de obinere a claselor de
echivalen. Aceste arce eliminate nu ar putea face parte din nici
un drum hamiltonian.
5. Aflm drumurile hamiltoniene pariale din fiecare clas, dup care
le asamblm ntre ele, n toate modurile posibile, utiliznd arcele
dintre clase consecutive, n ordinea n care au fost obinute clasele.
Vom obine astfel mai multe drumuri hamiltoniene complete.
Numrul acestora va depinde de cte drumuri sunt n fiecare clas
de echivalen, precum i de numrul de arce ce leag clasele ntre
ele.
111
Observaie. Avnd mai multe drumuri hamiltoniene, putem
introduce un criteriu de optimizare pentru a selecta doar unul dintre
ele care va fi utilizat n practic.
Justificarea algoritmului
Definiie. Dou vrfuri xi i xj se numesc echivalente dac ntre
ele exist cel puin un drum ntr-un sens i cel puin un drum n sens
contrar. mprirea vrfurilor n clase de echivalen se face pe baza
acestei definiii.
Observaie. Vrfurile a dou clase de echivalen distincte nu
pot fi legate dect prin drumuri sau arce orientate ntr-un singur sens
altfel cele dou clase s-ar contopi.
Un element arbitrar din matricea (C+U)2 este de forma
n
ij = ik kj
k =1
112
Cnd se obine egalitatea (C+U)k = (C+U)k+1, adic cnd prin
noua nmulire nu mai apar elemente egale cu unu n plus, matricea
obinut indic toate posibilitile de drumuri ntre diferitele vrfuri
ale grafului.
113
determine ordinea fabricrii celor 8 produse, astfel nct cheltuielile de
lansare totale s fie minime.
Dm mai jos matricea costurilor de trecere unde cifrele sunt n
milioane de lei.
MC P1 P2 P3 P4 P5 P6 P7 P8
P1 0 3 5 2 7 6 4 4
P2 7 0 6 6 8 6 6 5
P3 8 8 0 4 4 6 8 5
P4 4 8 5 0 6 7 7 6
P5 8 7 3 4 0 6 7 5
P6 5 5 4 5 8 0 6 4
P7 6 7 4 4 9 7 0 7
P8 5 7 6 8 7 6 5 0
Observaie. Exist 8! = 40320 moduri de a trece prin
fabricarea celor 8 produse, fiecare ordine de trecere avnd un cost
total de lansare. Este dificil de a gsi ordinea cea mai ieftin.
Rezolvare. Dac acestei probleme i asociem un graf prima
operaie este de a elimina din el o mare parte din arce n felul urmtor.
Comparm costurile cij cu cji i eliminm arcul corespunztor costului
mai mare. n locul costului mai mare vom pune zero, iar n locul celui
mai mic "1". Vom obine n acest fel matricea conexiunilor unui graf
simplificat.
MC P1 P2 P3 P4 P5 P6 P7 P8
P1 0 1 1 1 1 0 1 1
P2 0 0 1 1 0 0 1 1
114
P3 0 0 0 1 0 0 0 1
P4 0 0 0 0 0 0 0 1
P5 0 1 1 1 0 1 1 1
P6 1 1 1 1 0 0 1 1
P7 0 0 1 1 0 0 0 0
P8 0 0 0 0 0 0 1 0
Adunm la matricea C matricea unitate de ordinul 8. Se obine
C+U. Este analoag cu cea de mai sus doar c diagonala principal se
va umple cu elemente "unu". Apoi o ridicm la ptrat prin nmulirea
boolean (C+U)(C+U) care este analoag cu nmulirea clasic a
matricilor (linii prin coloane) cu deosebirea c la adunare nu poate fi
depit valoarea 1. Dac se formeaz cel puin o pereche de elemente
11 rezultatul va fi 1.
Vom obine:
(C+U)2 P1 P2 P3 P4 P5 P6 P7 P8 (C+U)4 P1 P2 P3 P4 P5 P6 P7 P8
P1 1 1 1 1 1 1 1 1 P1 1 1 1 1 1 1 1 1
P2 0 1 1 1 0 0 1 1 P2 0 1 1 1 0 0 1 1
P3 0 0 1 1 0 0 1 1 P3 0 0 1 1 0 0 1 1
P4 0 0 0 1 0 0 1 1 P4 0 0 1 1 0 0 1 1
P5 1 1 1 1 1 1 1 1 P5 1 1 1 1 1 1 1 1
P6 1 1 1 1 1 1 1 1 P6 1 1 1 1 1 1 1 1
P7 0 0 1 1 0 0 1 1 P7 0 0 1 1 0 0 1 1
P8 0 0 1 1 0 0 1 1 P8 0 0 1 1 0 0 1 1
Ridicnd pe (C+U)2 vom obine pe (C+U)4 ca mai sus. Apoi
fcnd nc o ridicare la ptrat vom constata c (C+U)4=(C+U)8 adic
115
matricea (C+U)4 de mai sus este deja saturat i se ntrerupe procesul
de nmulire.
Se observ c liniile P1, P5 i P6 conin numai elemente "1" deci
vor face parte din prima clas de echivalen C1 = {P1, P5, P6}.
Eliminm aceste linii i coloanele corespunztoare i obinem
matricea redus:
C1 P2 P3 P4 P7 P8
P2 1 1 1 1 1
P3 0 1 1 1 1
P4 0 1 1 1 1
P7 0 1 1 1 1
P8 0 1 1 1 1
Calculnd ptratul ei constatm c nu se modific. Rezult c n
a doua clas de echivalen intr doar vrful P2 care are linia plin cu
"1". C2 = {P2}.
Tind linia i coloana lui P2 se obine o matrice plin cu "1".
Rezult c a treia clas de echivalen va conine vrfurile rmase,
adic C3 = {P3, P4, P7, P8}..
Reprezentm subgrafele tare conexe ce se formeaz pe clase,
apoi le legm doar cu acele arce existente n graful iniial care leag
dou clase consecutive avnd sensul acelai cu ordinea n care au fost
obinute clasele. Se obine n final graful parial
P3
P1 P8
P6
116
P2
P5 P4 P7
Vom construi drumurile hamiltoniene pariale n fiecare clas
P3 P4 P8 P7
P1 P5 P6 P3 P8 P7 P4
P5 P6 P1 P2 P4 P8 P7 P3
P6 P1 P5 P7 P3 P4 P8
P8 P7 P3 P4
117
verificri de la 8! = 32040 la 15. n cazul unor probleme practice de
volum mai mare efectul aplicrii algoritmului este i mai spectaculos.
Drumuri optimale
118
vrful xk al grafului, deci i pentru xn, adic rezult problema pus
iniial.
Observaie. Este util s se cunoasc graficul activitilor ce nu sunt
coninute n drumul critic i care sunt efectuate n paralel cu cele din
drumul critic i care au momente de ncepere ce pot varia ntre
anumite limite. Organizarea acestora n cadrul fiecrei etape poate
duce la beneficii nsemnate rezultate din creterea productivitii
muncii, micorarea numrului de utilaje, mai puin for de munc.
Pentru gsirea drumului critic i a valorii sale este necesar
calcularea unei matrici DM ce conine distanele cele mai mari dintre
dou vrfuri ale grafului.
119
4. Se consider urmtoarele elemente diferite de zero de pe
aceeai linie crora li se aplic, pe rnd aceleai operaii ca la etapa
precedent, dar pentru linia respectiv modificat.
5. Operaiile de la etapele 3 i 4 se vor efectua pentru fiecare
linia a matricii C1, obinndu-se n final o matrice C2.
6. n matricea C2 se nlocuiesc toate elementele egale cu zero
prin cu excepia celor de pe diagonala principal obinnd matricea
cutat D = {dij} a distanelor maximale. Matricea obinut DM =
{dij} indic distanele maxime dintre orice dou noduri i i j ale reelei
precum i succesiunea de noduri ale drumului cu aceast lungime.
Pentru gsirea vrfurilor drumului critic se aleg indicii k pentru care
este ndeplinit relaia
dik + dkj = dij
Aceast relaie are loc numai dac xk se afl pe drumul critic
xi xk xj
Aplicaie: Pentru executarea unei lucrri sunt necesare mai
multe operaii. Ordinea i durata operaiilor sunt date n graful
alturat.
120
1. S se gseasc intervalul maxim de timp dintre nceputul
activitilor ce pornesc dintr-un vrf xi i se termin n alt vrf arbitrar
xj adic matricea drumurilor maximale DM = {dij}.
2. S se indice intervalul maxim de timp ntre x6 i x5 i drumul
critic corespunztor.
Rezolvare. Scriem matricea legturilor C a reelei date
C0 x1 x2 x3 x4 x5 x6 x7
x1 0 1 1 0 0 0 0
x2 0 0 0 0 1 0 0
x3 0 1 0 0 0 0 1
x4 0 0 1 0 1 0 0
x5 0 0 0 0 0 0 0
x6 1 1 1 1 1 0 1
x7 0 1 0 0 0 0 0
121
Se aranjeaz liniile n ordinea descresctoare a puterilor de
atingere, apoi coloanele n aceeai ordine obinnd matricea terminal
triungularizat superior, TTS.
TTS x6 x1 x4 x3 x7 x2 x5
x6 0 1* 1* 1* 1* 1* 1*
x1 0 0 0 1* 1 1* 1
x4 0 0 0 1* 1 1 1*
x3 0 0 0 0 1* 1* 1
x7 0 0 0 0 0 1* 1
x2 0 0 0 0 0 0 1*
x5 0 0 0 0 0 0 0
122
x7 0 0 0 0 0 4 0
x2 0 0 0 0 0 0 20
x5 0 0 0 0 0 0 0
x6 4 x1
3
4
x3
apoi 4 + 4 = 8 < 10 deci la c62 rmne 10.
x6 10 x2
4
4
x1
Se repet calculele cu toate elementele de pe linia ntia
corespunztoare lui x6 i obinem modificri succesive ale primei linii
123
0 4 5 4 9 10 8
0 4 5 7 9 10 8
0 4 5 10 9 10 8
0 4 5 10 15 22 8
0 4 5 10 15 22 42
care reprezint forma final maximal.
Atenie! De fiecare dat se lucreaz cu linia nou obinut, pn se
ajunge la variata final maximal.
Facem acelai lucru i cu celelalte linii. Fie de exemplu linia a
doua corespunztoare lui x1. Avem succesiv
x1 0 0 0 3 0 4 0
0 0 0 3 8 15 0
0 0 0 3 8 15 0
0 0 0 3 8 15 35 - ultima form
x4 0 0 0 5 0 0 2
0 0 0 5 10 17 2
0 0 0 5 10 17 2
0 0 0 5 10 17 37 - ultima form
124
D x6 x1 x4 x3 x7 x2 x5
x6 0 4 5 10 15 22 42
x1 0 3 8 15 35
x4 0 5 10 17 37
x3 0 5 12 32
x7 0 4 24
x2 0 20
x5 0
Metoda 2-a. Pentru a evita scrierea tabelelor ajuttoare pentru
linii, descris mai sus, putem ncepe procesul de transformare de jos n
sus.
Liniile lui x5 i x2 rmnnd neschimbate, vom ncepe
modificarea liniei corespunztoare lui x7. Transpunem linia lui x7 din
matricea C a capacitilor triungularizat i o suprapunem succesiv
peste fiecare coloan a noii matrici D parial scris. Unde coincid dou
valori diferite de zero facem suma lor i pe noua linie x7 punem n
dreptul fiecrei coloane valoarea maxim dintre vechiul numr din
acest loc i suma obinut.
Exemplu. Linia x7 transpus nu d nici o coinciden dect cnd e
suprapus peste coloana x5 unde numrul 4 se suprapune cu 20. Suma
lor 24 fiind mai mare la vechea valoare de pe coloana x5 (c75) care era
zero o nlocuiete. Repetnd acest procedeu cu toate liniile se gsete
aceeai matrice a distanelor maximale.
Concluzii. Din matricea DM citim c drumul maxim dintre x6 i
x5 are valoarea de 42 uniti.
125
Adic de la nceperea activitilor ce pornesc din x6 nu se pot
termina toate activitile ce ajung n x5 n mai puin de 42 uniti de
timp. Pentru a obine vrfurile de pe drumul critic, adunm succesiv
elementele d6k ale liniei lui x6cu elementele dk5 ale coloanei x5.
Reinem doar vrfurile xk pentru care suma d6k + dk5 = 42. n exemplul
de mai sus acestea sunt: x4, x4, x2. Cu alte cuvinte drumul critic este:
x6, x4, x3, x2, x5 a crei valoare este 42.
Fluxul n reea
Multe probleme frecvent ntlnite n practica economic cer
repartizarea unui anumit flux n scopul maximizrii sau minimizrii
lui pe o reea dat. Astfel de probleme se ntlnesc des n informatic,
cibernetic, studiul sistemelor de transport, planificare i control, etc.
n practic, printr-o reea nelegem un graf pe arcele cruia
poate circula un flux de un anumit produs. Fiecrui arc i este asociat
o capacitate care determin capacitatea maxim de flux ce poate fi
transportat pe arcul respectiv.
n tabelul de mai jos dm cteva exemple de sectoare ale
activitii practice unde apare conceptul de reea i cel de flux
Noduri Muchii Flux
Intersecii osele Vehicule
Aeroporturi Linii aeriene Avioane
Staii de pompare evi Fluid
Puncte de control Linii telefonice Mesaje
Schimbarea anotimpului Areal ecologic Indivizi ai unei specii
126
O reea conine o mulime finit de noduri. Orice pereche
ordonat de noduri din X, (aiaj) este numit arc. Funcia C ataeaz
fiecrui arc (aiaj) un numr nenegativ cij numit capacitatea arcului
(aiaj). Numrul cij indic capacitatea maxim de materie ce poate fi
transportat de-a lungul arcului (aiaj). Acolo unde nu exist arc (akam)
vom spune c ckm = 0. Fie o reea cu n+2 noduri a0, a1, , an, an+1.
Definiie. Cantitile xij de materie ce trec prin arcele reelei la un
moment dat i care satisfac condiiile:
(1) 0 xij cij i, j= (0, n+1)
n n +1
(2) xki = xij i = (1, n )
k =0 j =1
128
1. Se construiete un flux iniial arbitrar {xij} unde xij verific
condiiile fluxului (1) i (2).
2. Se caut un flux complet
3. Dup aceste dou etape, urmeaz o operaie de marcare a vrfurilor
reelei adic o operaie care ne arat dac fluxul complet gsit este
maxim sau nu.
Operaia de marcare se face n felul urmtor:
a) Se marcheaz cu (+) vrful a0 (intrarea);
b) Se marcheaz cu (+0) vrful ai x dac arcul (a0ai) nu este saturat;
c) Dac un vrf aj a fost marcat, vrful ak legat printr-un arc de aj se
marcheaz cu (+j) dac arcul (ajak) este nesaturat i orientat n
sensul de la aj la ak i se marcheaz cu (-i) dac arcul (akaj) cu
fluxul xkj > 0 este orientat n sensul de la ak la aj.
Dup aplicarea acestei operaii de marcare putem obine una din
situaiile:
(1) vrful an (ieirea) nu a fost marcat, deci fluxul complet gsit e
maxim;
(2) vrful an a fost marcat, deci fluxul complet gsit nu este maxim.
n situaia (2) se trece la modificarea fluxului pe drumul marcat
i anume:
a) Se adaug o unitate la fluxurile arcelor drumului marcat orientate
ctre an (adic marcate cu +). Pentru fiecare arc a crui extremitate
final a fost marcat cu + obinem un nou flux care este
xij(1) = xij0 + 1
129
b) Se scade o unitate din fluxurile arcelor aparinnd drumului marcat
dac xij > 0 i dac arcele (aiaj) sunt orientate n sens contrar
sensului de parcurs de la a0 la an. Pentru arcele marcate cu minus
noul flux va fi
xij(1) = xij0 1
130
8 =5+3 3=3 15 = 3 +
x0
x1
x6
x7
Se satureaz arcul (x1x6) i (x0x1)
Transportm 3 uniti pe drumul:
5 = 1+ 3 + 3=3 15 = 3 + 3 +
x0 x2
x6
x7
Se satureaz arcul (x2x6)
Transportm 2 uniti pe drumul:
7 =2+ 2=2 4 =2+
x0 x3 x5 x7
Se satureaz arcul (x3x5)
Transportm 4 uniti pe drumul:
7 =2+4 + 4 =4 15 = 3 + 3 + 4 +
x0 x3 x6
x7
Se satureaz arcul (x3x6)
2) Toate drumurile de la x0 la x7 sunt saturate (conin cel puin un arc -
saturat). Fluxul este complet.
3) Operaia de marcare a vrfurilor se face pe reeaua:
131
V. ELEMENTE DE TEORIA PROBABILITILOR
132
Gauss". Este cea mai important i des ntlnit lege n teoria
probabilitilor. Poisson (1781-1840) se ocup de legi ale numerelor
mari, legea evenimentelor rare. Un rol important l au matematicienii
rui P.Cebev (1821-1894), A.Leapunov (1857-1918) i Markov
(1856-1922) n studiul teoremelor limit centrale, adic a legturii
dintre diferitele legi de probabilitate i legea normal a lui Gauss-
Laplace i lanurile cu legturi complete. Un merit deosebit l are
coala romneasc de teoria probabilitilor care a fost condus de
reputaii matematicieni Octav Onicescu (1892-1983) i Gh.Mihoc
(1906-1981) care au studiat n special lanurile Markov, teoreme
limit centrale etc.
134
Observaie. Proprietile operaiilor cu evenimente sunt
analoage celor cu mulimi. Amintim dintre acestea: comutativitatea,
asociativitatea, absorbia, distributivitatea etc.
Dm cteva exemple:
A A=, A=A, A=A, A=, A=, A=,
A\B=A B , =, =
Relaiile lui Morgan:
n n n n
U Ai = I Ai , I Ai = U Ai
i =1 i =1 i =1 i =1
Evenimente incompatibile sunt acelea care nu se pot realiza
simultan, adic AD=.
Evenimente elementare sunt acelea care sunt implicate doar de
evenimentul imposibil sau de nsele. Exemplu la aruncarea zarului
avem ase evenimente elementare E1={1}, E2={2}, , E6={6}. Prin
combinarea (reuniunea lor) obinem evenimentele compuse A, B, D,
etc. Reuniunea tuturor evenimentelor elementare formeaz
evenimentul sigur. Evenimentele elementare se mai numesc i probe
sau cazuri.
Desfacere a evenimentului sigur (sistem complet de
evenimente) este format dintr-o mulime de evenimente {Ai }i =1,n
135
Cea mai fin desfacere a evenimentului sigur este cea format
din toate evenimentele elementare asociate experimentului.
136
Exemplu.
1. Buffon realizeaz experimentul cu aruncarea monedei de 4040 ori
numrnd k=2048 de apariii ale stemei. Obine frecvena relativ
k/n=0,5069. Pearson repet acelai experiment de 24.000 de ori i
obine k/n=0,5005. Probabilitatea obinerii stemei la o aruncare este
evident =0,5.
2. O urn conine 10 bile alte i 30 negre. Care este probabilitatea de a
obine o bil alb la prima extragere?
Rspuns:
10 1
P ( A) = = = 0 ,25
40 4
Din definiia de mai sus rezult urmtoarele proprieti ale
noiunii de probabilitate:
1. 0 P(A) 1
2. P() =1, P() = 0
3. P() = 1 P(A)
4. dac AB P(A) P(B) monotonie
5. dac AB = (A i B sunt incompatibile)
P(AB) = P(A) + P(B)
6. dac AB P(B\A) = P(B) P(A)
Paradoxul lui Mr. Se arunc trei zaruri deodat. Care este
probabilitatea de a obine suma 11, dar suma 12? Cavalerul de Mr
afirma c P(11) = P(12). Prin efectuarea unui numr mare de
experiene s-a constatat c frecvenele relative ale celor dou
evenimente nu tind ctre acelai numr, dei la prima vedere ar prea
137
c au aceeai probabilitate. Mr susinea c pentru realizarea lui A
respectiv B ar fi un numr egal de cazuri favorabile dup cum
urmeaz:
A: (6,4,1)(6,3,2)(5,5,1)(5,4,2)(5,3,3)(4,4,3) suma realizat fiind 11
B: (6,5,1)(6,4,2)(6,3,3)(5,5,2)(5,4,3)(4,4,4) suma realizat fiind 12
Numrul de cazuri posibile este 63=216.
6
Dup Mr P( A) = P(B ) = .
216
B.Pascal arat c n realitate combinaia (6,5,1) poate aprea n
ase situaii datorit faptului c zarurile sunt distincte (spre exemplu
unul rou, altul alb, altul negru), deci avem permutri de trei 3!=6.
Combinaia (6,3,3) n trei variante, iar (4,4,4) n una singur.
n consecin a calculat
27 25
P( A11 ) = i P(B12 ) = adic P(A) > P(B)
216 217
La un joc de noroc juctorul care a ales varianta A are ans mai
mare de ctig dect cel care a ales varianta B. Din exemplul de mai
sus se vede c trebuie s construim un aparat matematic foarte precis
i fin pentru calculul probabilitilor, pentru a nu face erori, ce pot fi
dezastruoase n procesele economice.
n acest sens vom urmri n continuare utilizarea noiunilor din
analiza combinatoric, alte definiii ale noiunii de probabilitate,
schemele clasice, noiunile de variabil aleatoare etc.
138
Cmp de evenimente
Fie evenimentul sigur ataat unui experiment i P()
mulimea prilor acestuia.
Definiie. O submulime KP() nevid se numete corp sau
cmp de evenimente dac verific urmtoarele axiome:
1. Dac AK K
2. Dac A i BK AB K
Din aceast definiie rezult uor urmtoarele proprieti
1. i K
K AK K A=K
dar = K
2. Dac A i BK ABK
, B K B K A B K A B =ABK.
Vom da n continuare definiia axiomatic a probabilitii
(Kolmogorov 1933). Ea este util n studiul teoretic al probabilitilor
fiind perfect din punct de vedere matematic.
Definiie. Fie (,K) un cmp finit de evenimente. Se numete
probabilitate relativ la acest cmp o aplicaie P:KR care verific
axiomele:
1. P(A) 0, AK
2. P() =1
3. Dac A, BK, AB= P(AB)= P(A) + P(B)
Proprieti ce rezult din aceast definiie, utiliznd doar
axiomele:
139
1. P()=0
2. P()= 1 P(A)
Avem: =A, A=
1=P()=P(A)=P(A)+P() P()=1 P(A)
3. P(B\A)=P(B) P(AB)
4. Dac AB P(A) P(B)
5. AK, P(A)1
6. A i B, P(AB) = P(A) + P(B) P(AB)
Pentru trei sau mai multe evenimente are loc o formul analoag
numit i formula lui Poincare
P(ABC) = P(A) + P(B) + P(C) P(AB) P(AC) P(BC) +
P(ABC)
Formula se poate generaliza uor prin inducie.
Probabiliti condiionate
Se cere uneori calcularea probabilitii unui eveniment A, n
condiiile n care s-a realizat i un alt eveniment B, legat de acesta.
Exemplu. Se arunc dou zaruri. Notm cu B evenimentul ca
cel puin o fa s conin numr par. Notm cu A evenimentul ca
suma punctelor s fie 6.
Se cere probabilitatea ca atunci cnd cel puin la un zar apare
numr par, suma s fie 6.
Rezolvare: Calculm P(B) = 1 P( B ) unde B este evenimentul
ca pe nici un zar s nu avem numr par. n total 9 cazuri favorabile din
140
9 27
36 posibile, deci P(B ) = 1 = . Pe de alt parte probabilitatea ca
36 36
2
s avem ndeplinite simultan evenimentele A i B este P( A B ) = .
36
Atunci probabilitatea cerut pe care o notm P(A/B) va fi:
2 27 2 P( A B )
P( A B ) = : = =
36 36 27 P(B )
Exemplul de mai sus sugereaz c este util introducerea
urmtoarei definiii pentru probabiliti condiionate
Definiie. Fie (,K) un cmp de evenimente i BK cu P(B)>0.
Se numete probabilitate a evenimentului AK condiionat de
P( A B )
evenimentul B numrul real notat P( A B ) = .
P(B )
Vom arta n continuare c noua noiune de probabilitate
introdus verific axiomele din definiia lui Kolmogorov care sunt
standard i foarte bine alese. De aici se vede rolul acelei definiii
axiomatice.
Probabilitatea condiionat P(A/B) se mai noteaz i PB(A)
adic probabilitatea lui A condiionat de B.
Avem:
P( A B )
1. P( A B ) = >0
P(B )
P( B ) P(B )
2. P( B ) = = =1
P(B ) P(B )
3. fie AC = atunci
141
P[( A C ) B ] P[( A B ) (C B )]
P( A C B ) = = =
P(B ) P(B )
P( A B ) + P(C B )
= = P( A B ) + P(C B ) .
P(B )
Alte proprieti:
1. Dac A, B K cu proprietatea c P(A)P(B)0, atunci din definiie
rezult c P(AB) = P(A)P(A/B) = P(A)P(B/A).
2. n general avem: AiK
n n 1
P I Ai = P( A1 ) P( A2 A1 ) P( A3 A1 A2 )K P An I Ai
i =1 i =1
Demonstraie. Avem
142
n n
A = A = A U Ai = U ( A Ai ) .
1 424 3
i =1 i =1
c.c.t.d.
Exemplu. La un magazin se vnd piese provenind de la trei
furnizori. Cantitile de piese existente n magazin sunt n proporie de
1/6 de la primul, 1/3 de la al doilea i 1/2 de la al treilea furnizor. S-a
constatat c din primul lot 10%, din al doilea 5% i din al treilea 8%
sunt defecte. Un client cumpr o pies la ntmplare i se ntreab
care este probabilitatea ca aceasta s fie bun?
Rezolvare. Vom nota cu A1, A2, A3 evenimentele ca piesa aleas
s fie din primul lot, al doilea, respectiv al treilea. Aceste evenimente
formeaz un sistem complet de evenimente i au probabilitile
1 1 1
P( A1 ) = , P( A2 ) = , P( A3 ) = . Dac B este evenimentul ca piesa
6 3 2
cumprat s fie bun atunci P(B/A1) = 0,9, P(B/A2)= 0,95 i
P(B/A3)=0,92. Utiliznd formula probabilitii totale se obine:
P(B) = P(A1) P(B/A1) + P(A2) P(B/A2) + P(A3) P(B/A3) =
1 1 1
= 0 ,9 + 0 ,95 + 0 ,92 = 0,918
3 6 2
Formula lui Bayes. Fie sistemul complet de evenimente AiK,
i = 1, n i AK pentru care avem P(A) > 0, atunci are loc relaia:
143
P( A ) P( A Ai )
P( Ai A) = n i , i {1,2,,n}
P( Ak )P( A Ak )
k =1
Evenimente independente
Definiie. Spunem c evenimentele A i B sunt independente
dac P(A/B) = P(A) sau P(B/A)=P(B).
Proprieti. 1. Condiia necesar i suficient ca dou
evenimente A,BK s fie independente estre ca P(AB)=P(A)P(B).
Acest lucru rezult imediat din definiia probabilitii condiionate.
144
2. Dac A i BK sunt independente atunci i perechile de
evenimente (A,B ), (A,B ), i (A,B ) sunt independente.
145
b. Dar a dou bile negre?
c. Care este probabilitatea obinerii cel puin a unei bile albe?
d. Care este probabilitatea obinute a dou bile de aceeai culoare.
Rezolvare. Notm cu A1 evenimentul obinerii unei bile albe din
prima urn i A2 a unei bine albe din urna a doua. Evident scoaterea
uneia negre va fi A1 , respectiv A2 .
2 3
a. P( A1 ) = i P( A2 ) = . Pentru a avea simultan evenimentele A1 i
5 7
A2 care sunt independente trebuie s calculm. P( A1 A2 ) =
2 3 6
P( A1 ) P( A2 ) = = .
5 7 35
c. P (A1 A2 ) = P( A1 ) P (A2 ) =
10 6 15
=
16 16 64
[ ]
d. P( AC ) = P ( A1 A2 ) (A1 A2 ) = P( A1 A2 ) + P (A1 A2 ) =
= P( A1 ) P( A2 ) + P(A1 ) P(A2 ) =
25 9 34 17
+ = = .
64 64 64 32
3) Presupunem c avem 10 cri de joc, identice, numerotate 1, 2, 3,
, 10. Care este probabilitatea ca primele dou cri extrase s fie
(1) i (2) n aceast ordine.
Rezolvare. Fie A1 evenimentul ca prima carte extras s fie (1) i
A2 ca a doua carte extras s fie (2).
147
Probabilitatea cutat este
1 1 1
P( A1 A2 ) = P( A) P(B A) = =
10 9 90
Altfel: numrul total al cazurilor egal posibile este numrul de
permutri ale celor 10 cri adic P10=10!=1210. Dac 2 cri (1)
i (2) ocup n pachet primele dou locuri mai rmn 8 locuri arbitrare
adic, numrul cazurilor favorabile ar fi 8!=128. n baza definiiei
clasice avem:
8! 1 1
P(1;2 ) = = =
10! 9 10 90
4) ntr-un fiier sunt 10.000 de fie numerotate cu 4 cifre de la 0000
pn la 9999. Se extrage o fie la ntmplare. Care este
probabilitatea ca seria ei de identificare s conin cifra 5?
Rezolvare.
Metoda 1. Vom numra fiele care conin cifra 5.
a. Cu patru cifre 5 este una.
148
3439
Atunci P( A) = = 0 ,3439
10.000
Metoda 2. Mai simplu este s calculm evenimentul contrar, adic s
calculm cte fie exist care nu conin deloc cifra cinci. Astfel putem
pe fiecare din cele patru poziii ale numrului s utilizm nou cifre n
orice combinaie adic 9999=94=6561.
6! 56
Rezolvare. a) 6 = 0 ,015 b) 1 6 = 0 ,665
6 6
7) O urn conine 3 bile albe i 7 negre, iar alta conine 7 bile albe i 3
negre. Din fiecare se extrage cte o bil. Care e probabilitatea s
obinem cel puin una alb?
Rezolvare. Fie A evenimentul de a extrage o bil alb din prima
urn i B evenimentul de a extrage o bil alb din a doua urn. Va
trebui s calculm probabilitatea evenimentului AB. Avem
P(AB)=P(A)+P(B)P(AB)=P(A)+P(B)P(A)P(B)
149
Evenimentele A i B sunt compatibile i independente.
3 7
Dar cum P( A) = i P(B ) = vom avea
10 10
3 7 3 7 79
P( A B ) = + = .
10 10 10 10 100
8) Trei trgtori trag cte un foc asupra unei inte, independent unul de
altul. Primul lovete inta cu probabilitatea 3/4, al doilea cu
probabilitatea 4/5, al treilea cu probabilitatea 5/6. Care este
probabilitatea ca inta s fie atins?
Rezolvare. a) Notm cu T1 probabilitatea ca primul trgtor s
loveasc inta, cu T2 ca al doilea s o loveasc, respectiv T3 ca al
treilea s o loveasc. Atunci:
P(L ) = P(T1 T2 T3 ) = P(T1 ) + P(T2 ) + P(T3 )
P(T1 T2 ) P(T2 T3 ) P(T1 T3 ) + P(T1 T2 T3 )
Este evident c evenimentele T1, T2, T3 sunt independente n totalitate.
Rezult c:
P(L ) = P(T1 ) + P(T2 ) + P(T3 ) P(T1 ) P(T2 ) P(T1 ) P(T3 )
P(T2 ) P(T3 ) + P(T1 ) P(T2 ) P(T3 ) =
3 4 5 3 4 4 5 3 5 3 4 5 119
= + + + =
4 5 6 4 5 5 6 4 6 4 5 6 120
b) Mai simplu se putea rezolva utiliznd evenimentul contrar
P(L ) = 1 P(L ) = 1 P(T1 T2 T3 ) = 1 P(T1 ) P(T2 ) P (T3 ) =
1 1 1 1 119
= 1 = 1 = .
4 5 6 120 120
150
9) Se arunc o moned pn cnd obinem deasupra faa cu stema.
Care este probabilitatea s fie cel mult 3 aruncri?
Rezolvare. Fie A evenimentul ca la prima aruncare s obinem
stema, B evenimentul ca la prima s obinem banul i apoi stema i C
evenimentul ca la primele dou s obinem banul i la a treia stema. Se
va calcula P(ABC) dup formula lui Poincar i obinem 7/8.
10) O urn conine 12 bile numerotate 1, 2, , 12. Se face o
extragere din aceast urn. Care este probabilitatea obinerii a unui
numr par sau a unui numr mai mic dect 5 sau a unui ptrat
perfect?
Rezolvare. Cuvintele "sau" sugereaz reuniunea. Se va utiliza
formula reuniunii pentru P(ABC), unde
6 1 4 1 3 1
P ( A) = = ; P(B ) = = ; P(C ) = =
12 2 12 3 12 4
3
Se va obine P( A B C ) = .
4
151
Exist tipuri de probleme des ntlnite n practica economic
care permit o abordare identic. Pentru fiecare clas de probleme se
construiete un model matematic probabilistic care poart numele de
schem de probabilitate.
q=1p = P (Ai ) .
Notm cu Bnk evenimentul ca din n bile extrase s obinem k
albe. Acest eveniment are forma:
Bnk = U (Ai1 ... Aik Aik +1 ... Ain )
1 i1 < ...< ik n
152
Evenimentele din reuniune sunt incompatibile dou cte dou iar
cele din intersecie sun independente n totalitate. n aceste condiii
vom avea
P(Bn ,k ) = ( )
P Ai1 ... Aik Aik +1 ... Ain =
1 i1 < ...< ik n
n
= pk qnk = Cnk p k q n k
k =1
datorit faptului c toi termenii sumei sunt egali numrul lor fiind
egal cu Cnk .
Observaie. Utiliznd formula binomului lui Newton se observ
c
n n
( px + q ) k
= Cnk p k q n k x k = P(n , k )x k
k =0 k =0
153
Rezolvare. Din enun se cunoate c este schema lui Bernoulli.
Urmeaz identificarea parametrilor din schem.
n=10 numrul de efecturi ale experienei
k=4 de cte ori dorim s se realizeze evenimentul simplu A.
2 1
p= = pentru c numrul de fee mai mic dect 3 sunt dou 1
6 3
i 2 din totalul de 6.
1 2
q = 1 p = 1 =
3 3
n final se utilizeaz formula din schem
4 6
1 2 10 9 8 7 26 26
P(10 ,4 ) = C10
4
= 10 = 70 9
3 3
1 2 3 4 3 3
154
Folosind un raionament analog ca la schema binomial vom
obine c
n!
P(n; k1 , k 2 ,..., k r ) =
k k
p1 1 p2 2 ... prk r
k1! k 2 !...k r !
n!
coeficientul ne d de fapt numrul permutrilor cu
k1! k 2 !...k r !
repetiie de n obiecte, cnd un element se repet de k1 ori altul de k2
ori, .a.m.d., ultimul de kr ori unde k1+k2++kr=n.
Dac se dezvolt urmtorul polinom
(p1x1+p2x2++prxr)n
atunci probabilitatea P(n; k1,2, , kn) este coeficientul termenului ce
k k
conine x1 1 x2 2 ...xnk n din aceast dezvoltare.
Exemplu. Se arunc un zar de 12 ori. Care este probabilitatea ca
de 2 ori s avem cel mult 2 puncte de 6 ori 6 puncte i de 4 ori restul
punctelor.
Rezolvare.
a. Recunoaterea schemei. Problema se ncadreaz n schema
polinomial.
b. Identificarea parametrilor
n=12, k1= 2, k2 = 6, k3=4
2 1 3
p1 = , p2 = , p3 = .
6 6 6
c. Utilizarea formulei din schem
2 6 4
12! 2 1 3
P(12;2 ,6 ,4 ) =
2!6 !4! 6 6 6
155
Schema bilei nentoarse (schema hipergeometric)
Se consider o urn cu a bile albe i b bile negre n total N=a+b
bile. Se extrag din urn n N bile fr a mai pune bila extras napoi.
S calculm probabilitatea ca din cele n bile extrase k s fie albe.
Rezolvare:
Metoda I-a. Evenimentul urmrit Bnk are forma de mai sus, de la
schema binomial, cu deosebirea c evenimentele Aik din intersecie
nu mai sunt independente. n acest fel
( )
P A1 ... Ak Ak + 1 ... Ak n = P( A1 ) P( A2 A1 ) ...
( )
P Ak A1 ... Ak1 ... P (An A1 ... An 1 ) =
a a 1 a k +1 b b 1 b (n k 1)
= ... ...
a +b a +b 1 a +b k +1 a +b k a +b k 1 a + b (n 1)
n suma ce se obine prin aplicarea probabilitii reuniunii de
evenimente incompatibile, toi termenii sunt egali cu cel de mai sus
avnd doar ordinea factorilor schimbat, numrul lor fiind tot Cnk . n
consecin avem
( )
P Bnk = Cnk P (A1 ... An )
Cak Cbn + k
( )
P(n , k ) = P Bnk =
Can+ b
n! a(a 1)...(a k + 1)
innd cont c Cnk = i Cak = i
k ! (n k )! k!
b(b 1)...b (n k 1)
Cbn + k = etc.
(n k )!
156
Metoda a II-a. La formula de mai sus a lui P(n,k) se putea ajunge i
printr-un raionament direct dac considerm c bilele albe i negre
sunt numerotate de la 1 la a, respectiv de la 1 la b. Astfel putem
afirma c din cele a bile albe k bile pot fi alese n Cak moduri iar din
cele b bile negre n-k bile pot fi alese n Cbn k moduri, orice grupare a
bilelor albe putnd fi mperecheate cu orice grupare a bilelor negre
pentru a obine o grupare favorabil problemei noastre. Numrul
Cak Cbn k
P(n , k ) =
Can+ b
Exemplu. Din 100 de mere 10 sunt stricate. Se iau 5 mere la
ntmplare. Care este probabilitatea ca 3 s fie bune i 2 stricate.
Rezolvare. Pentru c nu mai punem merele napoi, evident
problema se ncadreaz n schema bilei nentoarse.
Parametrii sunt: a = 90, b = 10, N = a+b = 100, n = 5, k = 3. n
consecin aplicnd formula din schem avem
3 2
C90 C10
P(5;3 ) = 5
.
C100
157
ar. Se extrag n bile fr a mai returna bila extras i se cere
probabilitatea ca s obinem k bile din culoarea c1, k2 bile din culoarea
c2, .a.m.d. kr bile din culoarea cr, adic P(n;k1k2kr). Cu un
raionament analog celui din metoda a doua obinem
k k k
Ca 1 Ca 2 ... Ca r
P(n , k1k 2 ...k r ) = 1 2
k + k + ...+ k
r
.
Ca 1 + a 2 + ...+ a r
1 2 r
158
adic: care este probabilitatea ca din cele n bile extrase n total, pe
rnd, k s fie albe?
Observaie. Pentru c = 0 obinem schema binomial, pentru
c = 1 cea hipergeometric cu bila ntoars, dar putem imagina i
alte variante.
Probleme rezolvate.
1. Se arunc 2 zaruri de 10 ori. Care este probabilitatea s
obinem suma 7 exact de 3 ori?
Rezolvare. Probabilitatea ca la o aruncare s obinem suma 7
6 1
este de P(S = 7 ) = = avnd 6 cazuri favorabile din 36 posibile
36 6
(1+6, 6+1, 2+5, 5+2, 3+4, 4+3).
Problema se ncadreaz n schema lui Bernoulli. Avem n=10,
1 5
k=3, p = , q = . Deci
6 6
3 7
3 1 5
P(10 ;3 ) = C10
6 6
2. Se arunc o moned de 8 ori. Care este probabilitatea s
obinem de 4 ori stema i de 4 ori banul? Dar de cel mult 3 ori stema?
1 1
Rezolvare. Schema lui Bernoulli n=8, k=4, p = ,q =
2 2
4 4
1
1
P(8;4 ) = C84
2 2
Pentru partea a doua trebuie s adunm
P(8, 0) + P(8, 1) + P(8;2) + P(8; 3)
care se calculeaz dup modelul de mai sus.
159
3. La un magazin se gsesc articole de mbrcminte dintre care
90% nu au defeciuni, 7% au defeciuni retuabile, iar 3% prezint
defeciuni neretuabile. S se calculeze posibilitatea ca din ase
articole verificate la ntmplare, trei s fie fr defecte, dou cu
defecte retuabile i unul neretuabil? (Dup verificare articolul se
repune n raft).
Rezolvare: Utilizm schema lui Bernoulli cu mai multe stri (trei
stri) unde n=6, k1=3, k2=2, k3=1, p1=0,9, p2=0,07 i p3=0,03.
Conform schemei obinem probabilitatea:
6!
P( 6 ;3 ,2 ,1 ) = ( 0 ,9 )3 ( 0 ,07 )2 ( 0 ,03 )1 = 0 ,006
3!2!1!
4. Se arunc dou zaruri de 15 ori. Se cere probabilitatea ca de 4
ori s obinem mai puin de 4 puncte, de 5 ori cel puin 9 puncte i n
rest restul punctelor.
Rezolvare: Schema lui Bernoulli cu trei stri date de numrul de
puncte:
1 2 3
p1 = P( X < 4 ) = + =
36 36 36
1 2 3 4
p2 = P( X 9 ) = + + + ,
36 36 36 36
adic probabilitile de a obine 12 puncte, 11 puncte, 10 puncte,
respectiv 9 puncte obinute prin calcularea combinaiilor de fee ce
dau suma respectiv.
3 10 13 23
p3 = 1 ( p1 + p2 ) = 1 ( + ) = 1 =
36 36 36 36
n=15, k1=4, k2=5, k3=6
160
n baza formulei cunoscute vom avea:
4 5 6
15! 3 10 23
P( 15;3,4 ,5 ) =
4!5!6! 36 36 36
5. Din 100 de mere 10 sunt stricate. Se iau 5 mere la ntmplare
i se cere posibilitatea ca ntre ele s avem i mere stricate.
Rezolvare: La prima vedere suntem tentai s desfacem
problema n cinci probleme analoge celei date ca exemplu mai nainte
adic probabilitatea ca unul s fie stricat P(5,1), dou stricate P(5,2) i
aa mai departe P(5,3), P(5,4), P(5,5). Mai devreme am calculat de
exemplu P(5,2) cu schema bilei nentoarse ca:
3 2
C90 C10
P1( 5 ,2 ) = 5
C100
Analog se calculeaz i celelalte probabiliti.
Atunci probabilitatea ca s avem i mere stricate ntre cele 5
este:
P(S)= P(5,1)+P(5,2)+P(5,3)+P(5,4)+P(5,5)
Se observ ns c e mult mai uor s apelm la evenimentul
contrar S , adic ntre cele cinci mere s nu avem nici unul stricat:
5
C90 C 100 5
C90 90 89 88 87 86
P( S ) = 1 P( S ) = 1 5
= 1 5 = 1
C100 C100 100 99 98 97 96
Variabile aleatoare
Pentru studiul matematic al fenomenelor aleatoare este necesar
ca descrierea acestora s aib expresii cantitative, care s poat fi
162
tratate din punct de vedere matematic. Aceast exprimare cantitativ
este facilitat de noiunea de variabil aleatoare i de cea asociat ei de
repartiie de probabilitate sau densitate de probabilitate.
Variabilele aleatoare, spre deosebire de cele clasice deterministe,
iau valori numerice cu o anumit probabilitate.
Definiie (variabile aleatoare discrete). Fie un experiment i
evenimentul sigur ataat. O funcie real definit pe o desfacere a
evenimentului sigur se numete variabil aleatoare.
Pe scurt: X : R
Observaii.
1. Dac desfacerea evenimentului s-a fcut ntr-un numr cel mult
numrabil de pri obinem o variabil aleatoare de tip discret.
2. Dac numrul de pri ale evenimentului sigur este finit spunem c
avem o variabil aleatoare simpl.
3. Exist i variabile aleatoare continue, studiul acestora l vom face
ulterior.
Exemple: Se arunc un zar i fie A1= {1,2}, A2={3,4,5},
A3={6}, o desfacere a evenimentului sigur. S presupunem c
descriem un joc n care lui A1i corespunde +1000 lui A2-1000 i lui
A32000 ca sume puse n joc. Variabila aleatoare ce descrie acest joc
are forma
A A2 A3
X 1
1000 1000 2000
Acest tablou este de fapt o funcie unde prima linie este domeniu
de definiie, iar a doua mulimea valorilor.
163
n general putem scrie o variabil aleatoare discret sub forma
A A2 ... An
X 1
x1 x2 ... xn
164
n cele ce urmeaz vom opera de regul doar cu repartiia de
probabilitate ataat variabilelor aleatoare i rareori va mai aprea
variabila aleatoare propriu zis. Ea este utilizat doar cnd se definete
o regul, un joc cnd se acord valori evenimentelor dup o convenie
dat.
Observaie. Pentru c evenimentele elementare ale unui cmp
formeaz un sistem complet de evenimente totdeauna acesta poate fi
luat ca domeniu de definiie pentru variabila aleatoare.
Definiie. Variabila aleatoare este o funcie real definit pe
mulimea evenimentelor elementare ale unui cmp de probabilitate.
n teoria probabilitilor i n aplicaiile acesteia se ntlnesc
clase de variabile aleatoare de tip discret i de tip continuu. Spunem n
mod curent c variabila aleatoare urmeaz o anumit lege de
probabilitate care poate fi respectiv de tip discret sau de tip continuu
i care este dat de regula dup care asociaz valorilor variabilei
aleatoare probabilitatea cu care sunt luate acestea, adic este de fapt
repartiia de probabilitate pentru variabile aleatoare discrete i
densitatea de probabilitate pentru variabile aleatoare continue.
Exemple de legi discrete:
1. Spune c X urmeaz legea binomial dac are repartiia
k
X
P (n , k ) k =0 ,n
Cak Cbn k
unde P(n , k ) = , n min (a,b).
Can+ b
a b
Observaie. Dac se noteaz p = ,q = iar a+b=N
a+b a+b
atunci lim P(n , k ) = Cnk p k q n k adic se obine repartiia binomial.
N
166
k
X
p ( )
k k =0 ,1,2 ,...
k
unde pk ( ) = e , > 0.
k!
Este o repartiie cu o infinitate de valori discrete.
Teorema lui Poisson (De legtur ntre repartiia binomial i
legea lui Poisson). Dac variabila aleatoare X urmeaz legea
binomial, i dac p=pn aa ca npn = > 0 (constant), atunci pentru
n, X urmeaz legea lui Poisson, adic
k
lim P(n , k ) = e
n k!
Demonstraie. Avnd n vedere c p=pn= i q=1 p = 1-
n n
vom avea succesiv urmtoarele relaii:
k nk
lim P(n , k ) = lim Cnk 1 =
n n n n
k
k n n 1 n k + 1
= lim ... 1 =
n k ! n n n n
k n
k n 1 n k + 1
= lim ... lim 1 lim 1 =
k ! n n n n n n n
k k
= 11 e = e
k! k!
Observaie. Deoarece npn= constant, rezult c pentru n mare
probabilitatea pn este foarte mic, de unde i se trage denumirea de
"lege a evenimentelor rare".
167
Aceast lege are foarte multe aplicaii n electronic,
automatizri, telecomunicaii, tiina calculatoarelor i bineneles n
economie. De exemplu legile economice cele mai performante, mai
des ntlnite, sau mai tari, prezint uneori excepii. Acestea sunt ns
foarte rare. Se spune c urmeaz legea lui Poisson.
Vectori aleatori
Definiie. Un vector aleator este o aplicaie definit pe o
desfacere a evenimentului sigur n Rn.
X (X1X2Xn): Rn
X1, X2,, Xn se numesc componentele vectorului X i sunt variabile
aleatoare simple.
Fiecrui vector aleator de tip discret i se poate asocia o repartiie
de probabilitate care este un masiv cu n dimensiuni. Pentru un vector
aleator bidimensional Z(X, Y) repartiia are aspectul unei matrici
(tablou numeric bidimensional)
Y
y1 yj ym
X
x1 r11 r1j r1m r1 .
M .. M
xi ri1 rij rim ri .
M .. M
xn rn1 rnj rnm rn .
r. 1 r. j r. m 1
168
unde (xi,yj) sunt valorile pe care le ia vectorul (X,Y) iar rij sunt
probabilitile cu care sunt luate aceste valori, adic pentru orice
rij = P(X=xi i Y=yj).
m n
ri .= rij i respectiv r. j= rij
i =1 j =1
xi xi yj yj
X = i Y =
pi ri . i =1,n q j r. j
j =1,m
Evident
n n m m
pi = ri . = 1, q j = r. j = 1 .
i =1 i =1 j =1 j =1
m n
Acest lucru implic rij = 1 ceea ce reflect faptul c
j =1 i =1
xi yj
X i Y
pi i =1,n q j
j =1,m
k xi
xi n k
X , pi = 1 atunci X are repartiia X
k
.
p
i i =1,n i =0
pi i =1,n
Ridicarea la putere a unei variabile aleatoare are un rol important
n continuare pentru definirea unor caracteristici numerice numite
momente.
3. Adunare, nmulire, mprire.
Fie variabilele aleatoare X i Y care au respectiv distribuiile
xi yj pi = 1
X i Y ,
p
i i =1,n q qj = 1
j j =1,m
170
xi + y j xi y j
X +Y i XY
rij i =1,n rij i =1,n
j =1,m j =1,m
172
1 1 1 0 0 1 0 0 1 0
X 1 X 2 2 2 = 2
p pq qp q p 2 pq + q 2
2. Se arunc dou zaruri i se noteaz cu S numrul total de
puncte care apar. S se formeze tabloul distribuiei lui S.
Rezolvare. Fie X i Y variabilele aleatoare ataate celor dou
zaruri cu tablourile de distribuie care ne dau numrul de puncte
aprute pentru fiecare zar:
1 2 3 4 5 6 1 2 3 4 5 6
X 1 1 1 1 1
i Y
1 1 1 1 1 1
1
6 6 6 6 6 6 6 6 6 6 6 6
Menionm c X i Y sunt independente. Atunci
1 + 1 1 + 2 2 + 3 1 + 3 2 + 3 ... 6 + 6
S = X + Y 1 1 1 1 1 ... 1
6 6 6 6 6 6
repartiie care are 36 de poziii. Dup restrngere avem:
2 3 4 5 6 7 8 9 10 11 12
S 1
2 3 4 5 6 5 4 3 2 1
36 36 36 36 36 36 36 36 36 36 36
Observaie. Noiunea de variabil aleatoare, repartiie de
probabilitate ataat i operaiile cu variabile aleatoare au un rol
important n rezolvarea problemelor de calcul al probabilitilor. Ele
constituie un instrument de operare foarte eficient. Spre exemplu orice
problem legat de aruncarea a dou zerouri poate fi citit direct din
repartiia lui S.
1 2 3 1
Exemplu. P(S < 4 ) = + = =
36 36 36 12
3 4 5 12 1
P(4 S < 7 ) = + + = = etc.
36 36 36 36 3
173
3. Repartiia variabilei X este:
1 2 3 4
X 2 7p 1 1 , p (0 ,1)
p
4 3 6
Care este probabilitatea ca X s ia o valoare 3, adic scriem
P(X3) = ?.
Rezolvare. Pe rndul doi n aceast repartiie apare parametrul p
pe care l putem calcula din relaia
7p 1 1
p2 + + + = 1 adic 4p2 + 7p 2 =0
4 3 6
1
de unde rezult p = (rdcina p= 2 nu convine problemei). Avem
4
1 2 3 4
X 1 7 1 1
6 16 3 6
din aceast repartiie citim direct
1 7 1 5
P( X 3 ) = + + =
16 16 3 6
Aceast problem se putea rezolva i direct mai rapid apelnd la
evenimentul contrar
1 5
P( X 3 ) = 1 P( X > 3 ) = 1 P( X = 4 ) = 1 =
6 6
4. S se gseasc distribuia sumei variabilei aleatoare
independente X i Y care au repartiiile
1 0 1 1 0 1 2
X 2 5p
1 i Y 2 8 q 1 1 p , q (0 ,1)
p q
3 3 5 6 30
174
Rezolvare. Prima operaie este s determinm parametrii p i q
utiliznd condiiile
2 5p 1 1
p + 3 + 3 = 1 p =
3
valori acceptabile
q 2 + 8 q + 1 + 1 = 1 q = 2
5 6 30 5
atunci X i Y devin
1 0 1 1 0 1 2
X 1 5 1 i Y 4 16 1 1
9 9 3 25 25 6 30
Urmeaz scrierea lui X+Y adunnd fiecare valoare de la X cu
fiecare de la Y, punnd de fiecare dat probabilitatea rij= pi qj. n
sfrit urmeaz condensarea.
5. Se dau variabilele aleatoare independente cu repartiiile
1 0 1 a 0 1
X 1 1
1 i Y 1 2
p+ q+ 2 p q 12 p
6 3 3 3
unde p, q (0,1).
a) S se scrie repartiia variabilei X+Y.
2
b) S se determine parametrul a astfel ca s avem P(X+Y=0) > .
3
Rezolvare. Mai nti determinm parametrii p i q aa ca s fie
verificate condiiile
1 1 1
p + + q + + =1
6 3 3
p , q (0 ,1)
1 + 2 p q + 12 q 2 = 1
3
175
1
Soluia convenabil este p = ,q = 0 .
6
nlocuim i obinem repartiiile lui X i Y cu p i q determinai
1 0 1 a 0 1
X 1 1 1 i Y 1 1 1
3 3 3 3 3 3
succesiv avem
a 1 a a +1 1 0 1 0 1 2
X +Y 1 1 1 1 1 1 1 1 1
9 9 9 9 9 9 9 9 9
sau prin comprimare:
a 1 a a +1 1 0 1 2
X +Y 1 1 1 1 2 2 1
9 9 9 9 9 9 9
Din repartiia de mai sus se vede clar c P(X=0) este cel puin
2/9. Pentru a fi strict mai mare ca 2/9 trebuie s mai obinem o
probabilitate ct de mic pentru valoarea 0. Acest lucru se poate
realiza dac parametrul a ia una din valorile 1, 0 sau 1. Deci
a { 1,0 ,1}.
6. Variabila X are distribuia
1 0 1
X 1 1 1
3 3 3
S se scrie repartiiile variabilelor X+X2 i X+X3.
176
Caracteristici numerice pentru variabile aleatoare
discrete
Caracteristicile numerice ne dau informaii cantitative asupra
unor indicatori importani ai variabilelor aleatoare cum ar fi centrarea,
mprtierea, asimetria, corelarea valorilor acestora.
1. Valoarea medie (sperana matematic) notat M(X).
Fiind dat o variabil aleatoare X cu repartiia
x x2 ... xn n
X 1 pi = 1
p1 p2 ... pn i =1
de unde
n n n
a pi xi pi A pi
=2
i113 i =1 =2
i113
1 1
iar
a M(X) A
5. M(x+y) = M(X) + M(Y)
Demonstraie. Fie X i Y cu repartiiile
178
x x2 ... xn y y2 ... ym
X 1 i Y 1
p1 p2 ... pn q1 q2 ... qm
n m n m
= xi ri . + y j r. j = xi pi + y j q j = M ( x ) + M ( y )
i =1 j =1 i =1 i =1
= M(X) M(Y)
Utiliznd aceast important noiune de valoare medie a unei
variabile aleatoare vom putea introduce o serie de alte caracteristici
numerice des utilizate n teoria probabilitilor i statistica
matematic.
Momente
I. Momente iniiale
Definiie. Fiind dat o variabil aleatoare X vom numi moment
iniial e ordinul k al acesteia k = M (xk).
xi
Dac variabila aleatoare X are repartiia X atunci
p
i iI
n
vk = xik pi .
i =1
Proprieti.
1. Orice moment iniial al unei constante este egal cu acea constant
vk(a)=a, kN.
2. Cazuri speciale:
180
n n
- pentru k = 0, v0 = xi0 pi = pi = 1 rezult c 0 nu are nici o
i =1 i =1
semnificaie.
- Pentru k = 1, v1= M(X) valoarea medie a lui X.
Abateri. Momente centrate
Dac X este o variabil aleatoare i a o constant atunci
variabila:
a) Xa se numete abaterea lui X de la a,
b) |Xa| abaterea absolut de la a,
c) X-M(X) abaterea de la medie,
d) |x M(X)| abaterea absolut de la medie.
Definiie. Se numete moment centrat de ordinul k expresia
k = M [(xM(X))k]
xi
Dac X are repartiia X , atunci
p
i i =1,n
k ( xi M ( X ))k n
( X M ( X ))
rezult c k = ( xi M ( X ))k pi .
pi i =1,n i =1
Cazuri particulare
k = 0, 0 = 1 nu este folosit
k=1, 1 = 0 pentru c M(X-M(X)) = M(X) M(X) = 0
k=2, 2 = D2(x) este un indicator important pentru msurarea
gradului de mprtiere a valorilor variabilelor aleatoare X n jurul
valorii medii M(X). Se numete dispersie.
181
k = 3, 3 intervine n constituirea unui indicator numit
coeficient de asimetrie a lui Fischer.
k = 4, 4 intervine n construcia coeficientului de boltire a lui
Pearson.
Dispersia unei variabile aleatoare este momentul centrat de
ordinul doi al acestei variabile aleatoare, adic
D2 (x) = M[(XM(X))2]
Proprieti:
xi
1. Dac X are repetiia X atunci
p
i i =1,n
n n n n
D ( X ) = ( xi M ( X ))
2 2
pi = xi2 pi 2M ( X ) xi pi + M ( X ) pi =
2
i =1 i =1 i =1 i =1
D 2 ( X + a ) = M ( X + a M ( X + a ))2 = M ( X + a M ( X ) a )2 =
= M ( X M ( X )) = D 2 ( X )
4. Dac a este o constant are loc proprietatea:
D2(aX) = a2D2(X)
5. O proprietate foarte important este urmtoarea. Dac Xi, i=1,n
sunt independente n totalitate atunci
182
D 2 ( X 1 + X 2 + ... + X n ) = D 2 ( x1 ) + D 2 ( X 2 ) + ... + D 2 ( X n )
n
Demonstraie. Notm Y = X 1 + X 2 + ... + X n = Xi
i =1
2
2
n 2
n
D (Y ) = D X i = M ( X i ) M X i =
2
i =1 i =1
2
n 2 n
= M X i 2 X iY j M ( X i ) =
i =1 i =1
1 i < j n
n 2 n
= M X i 2 M (X i ) M X j
144 2443
( ) [M ( X i )]2 +
i =1 1 i < j n i =1
pentru ca X i sunt independente
M ( X i ) M (X j ) = M ( ) [M ( X i )]2 =
n n
+2 X i2
1 i < j n i =1 i =1
(M ( ) [M ( X i )] ) = D 2 ( X i ) c.c.t.d.
n n
2
= X i2
i =1 i =1
Fie a1 = 1 i a2 = 1 atunci D 2 ( X 1 X 2 ) = D 2 ( X 1 ) + D 2 ( X 2 ) .
183
indicator numeric cu acelai scop, de a msura gradul de mprtiere a
valorilor variabilelor aleatoare n jurul valorii medii.
Aadar:
( )
= D( X ) = D 2 ( X ) = M X 2 [M ( X )]2 = v2 v12
Proprieti:
1. D(a) = 0 a constant
2. D(X+a) = D(X)
3. D(aX)= aD(X)
4. D( X 1 + X 2 + ... + X n ) = D 2 ( X 1 ) + ... + D 2 ( X n )
D2 (X )
P( x + M ( X ) < ) 1
2
Acest prag are avantajul c este universal, nu depinde de legea
pe care o urmeaz variabila aleatoare X. n schimb se va vedea c este
destul de grosier. Dac vom preciza legea de probabilitate a lui X
atunci probabilitatea de mai sus se poate aproxima mult mai exact.
Aceast probabilitate, ca variabil aleatoare s ia valori pe un
interval simetric fa de valoarea central (valoarea medie) de lungime
dat 2 are foarte multe aplicaii n practic
M(X) < X < M(X) +
184
Pentru demonstraie vom nota M(X) = m i D2(X) = 2.
Dac X are repartiia
x x2 ... xn
X 1
p1 p2 ... pn
atunci
x m ... xl m xl + 1 m ... xn m
X m 1
p1 ... pl pl + 1 ... pn
pe de alt parte
2
2
pl + 1 + ... + pn
2
1 2 1 ( pl +1 + ... + pn ) = P( x m < ) c.c.t.d.
185
Aplicaii:
1. Dac n inegalitatea lui Cebev alegem = k, k Z, aceasta
devine
1
P( x m < k ) 1 2
k
1 3
pentru k=2 P( x m < 2 ) 1 = = 0 ,75
4 4
1 8
k=3 P( x m < 3 ) 1 = = 0 ,889
9 9
2. O variabil aleatoare X are media 30 i dispersia egal cu 2. S se
gseasc o limit inferioar pentru probabilitatea P(24 < X < 36).
Rezolvare. m 24 = 30 24 = 6 =6
Atunci
4 1 8
P(24 < X < 36 ) = P( X 30 < 6 ) 1 = 1 = = 0 ,889 .
36 9 9
3. O variabil aleatoare X are M(X) = 40, iar momentul de ordinul doi
M(X2) = 1609. S se gseasc limita inferioar a probabilitii
P(31 < X < 49 ) .
Rezolvare. Avem 49 40 = 40 31 = 9 =
( )
D 2 ( X ) = 2 = M X 2 [M ( X )]2 = 1609 1600 = 9
Atunci
9 1 8
P(31 < X < 49 ) = P ( X 40 < 9 ) 1 = 1 =
81 9 9
4. Inegalitatea lui Cebev aplicat variabilei X cu media m d
15
P( x m < 8 )
16
186
S se determine dispersia lui X.
Rezolvare.
15 D2 (X ) D2 (X ) 15 1
= 8; = 1 2
= 1 =
16 64 16 16
64
D2 (X ) = = 4.
16
5. S se determine p1, p2, p3 astfel ca variabila X cu repartiia
1 0 1
X
p1 p2 p3
2
s aib media egal cu 0 i momentul de ordinul doi egal cu .
3
Rezolvare. Vom avea
M(X)= p1 + 0 p2 + p3 = 0
1 0 1 1 0
X 2 =
p1 p2 p3 p1 + p2 p3
v2 = M(X2) = p1 + p3
...................................................................... N FINAL SE OBINE SISTEMUL
p1 + p2 + p3 = 1
p1 + p3 = 0
2
p1 + p3 =
3
de unde rezult
1
p1 = p2 = p3 =
3
187
6. Fie o variabil aleatoare care are M(X) = m, D2(X) = 2, atunci
X m
variabila aleatoare Y = se numete variabila aleatoare
normat asociat lui X. S se arate c M(Y) = 0, D2(Y) = 1.
Rezolvare.
X m 1
M (Y ) = M = [M ( X ) m] = 0
D (Y ) =
2 1
2
[ 2
] 2
1
D ( X m) = 2 D ( X ) = 2 = 1 2
( ) 1 1 1 1 13
M X 2 = 1 + 4 + 9 + 16 =
2 4 6 12 3
1 1 1 1 11
M (X ) = 1 + 2 + 3 + 4 =
2 4 6 12 6
( ) [M ( X )]
2
13 11 13 121 35
D (X ) = M X
2 2 2
= = =
3 6 3 36 36
Aplicnd proprietile valorii medii i dispersiei pentru Y avem:
188
11
M (Y ) = M (aX + b ) = aM ( X ) + b = a +b =0
6
35
D 2 (Y ) = D 2 (aX + b ) = a 2 D 2 ( X ) = a 2 =1
36
Din acest sistem se determin a i b.
8. Se dau variabilele aleatoare independente cu repartiiile
a 1 2 a + 1 1 2
X 1 i Y 1 2
p q q p
3 3 3
S se calculeze a astfel ca variabila aleatoare XY s aib
4
dispersia egal cu .
9
Rezolvare. n prima faz determinm parametrii p i q din
relaiile
1
3 + p + q = 1 1
p=q=
1 + 2 q + p = 1 3
3 3
D 2 ( X Y ) = D 2 ( X ) + D 2 (Y )
( ) [M ( X )] ( )
2
1 1
D (X ) = M X
2 2 2
= a 2 + 5 (a + 3)
3 3
189
( ) [M (Y )] [ ]
2
1 1
D (Y ) = M Y
2 2 2
= (a + 1)2 + 5 (a + 4 )
3 3
4
Din ecuaia D 2 ( X ) + D 2 (Y ) = a = 1.
9
9. S se calculeze valoarea medie i dispersia pentru repetiia
binomial.
Rezolvare. Avem
k
X k k n k
Cn p q k =0 ,n
a) Direct
n n n!
M ( X ) = kCnk p k q n k = k pk qnk =
k =0 k =0 k ! (n k )!
=
n n! k nk
p q = n p
n (n 1)! p k 1q n k = ...
k =1 (k 1)! (n k )! k =1 (k 1)! (n k )!
D 2 ( X ) = D 2 ( X 1 ) + ... + D 2 ( X n ) = nD 2 ( X k )
M (X k ) = p M ( X ) = np
( )
D2 ( X k ) = M X k2 [M ( X k )]2 = p p2 = p(1 p) = p q D2 ( X ) = npq
Abaterea standard pentru variabila aleatoare repartizat binomial
este deci = D( X ) = npq .
10. S se calculeze valoarea medie i dispersia pentru o variabil
aleatoare repartizat dup legea evenimentelor rare a lui Poisson.
Rezolvare. Avem
k
k 1
M (X ) = k k! e = e (k 1)! = e e =
k =0 k =1
M X ( )= k
2
2 k
k!
e
=e
k
k
k (k 1) + k
! k !
k
=
k =0 k =0
=e
2 k 2
(
+ e = e 2 e + e = 2 + )
k = 2 (k 2 )!
( )
D 2 ( X ) = M X 2 [M ( X )]2 = 2 + 2 =
xi
X
pi iI
atunci ea are forma:
F (x ) = pi n R
xi < x
192
P(a < X < b) = F(b) F(a) P(X=a)
avem succesiv
P(a X < b ) = P (X < b , X < a ) = P[( X < b )\ ( X < a )]
Deoarece (X < a) (X < b) avem n continuare c
P(a X < b ) = P( X < b ) P( X < a ) = F (b ) F (a )
n mod analog se arat i a doua relaie.
3. Oricare ar fi x1, x2 R, x1 < x2 avem F(x1) F(x2) (funcia F este
nedescresctoare)
Folosind prima formul de la punctul 2, avem relaiile
0 P( x1 X < x2 ) = F ( x2 ) F ( x1 ) de unde F(x1) F(x2)
4. lim F ( x ) = F ( ) = P( ) = 0
x
lim F ( x ) = F (+ ) = F ( ) = 1
x
193
Dac X este discret F(x) este tot nedescresctoare, dar este o
funcie n scar.
Exemplu. Fie variabila aleatoare X cu repartiia
1 0 1
X 1 1 1
3 3 3
0 pentru x 1
1
pentru 1 < x 0
3
F ( x ) = P( X < x ) =
2 pentru 0 < x 1
3
1 pentru x > 1
adic graficul este
lim F ( x , y ) = F (+ ,+ ) = 1
x +
y
Densitatea de probabilitate
Definiie. Fie variabila aleatoare X avnd funcia de repartiie
F(x). Vom spune c X este variabil aleatoare de tip continuu, dac
funcia de repartiie F se poate reprezenta sub forma
x
F (x ) = (t )dt pentru orice x R
195
b
3. pentru a < b avem c P(a X < b ) = ( x )dx
a
+
4. ( x )dx = 1
discrete.
Interpretare geometric
2 F (x , y )
2. = ( x , y ) a.p.t. pe R2
xy
3. D R2 avem P[( X ,Y ) D ] = ( x , y )dx dy
D
4. ( x , y )dx dy = 1
R2
+ +
5. X ( x ) = ( x , y )dy i Y ( y ) = (x , y )dx
197
+
M (X ) = x ( x )dx
( )=
+
x ( x )dx
k k
vk = M X
[ ]
+
k = M ( X M ( X )) = ( x M ( X ))k ( x )dx
k
[ ]
+
D ( X ) = M ( X M ( X )) =
2 2
( x M ( x )) ( x )dx
2
Evident
( )
D 2 ( X ) = M X 2 [M ( X )]2 = v2 v12
[ ] [
k = M ( X M ( X )) = M ( X v1 )
k k
] k i k i
= M Ck x ( v1 )i =
i = 0
Exemple:
1 = 0
2 = v2 v12 = D2(X)
3 = v3 3v1v2 + 2 v13
[
rs = M ( X M ( X ))r (Y M (Y ))s ]
Cazuri particulare
v10 = M(X), v01 = M(Y), v00 = 1
RESPECTIV
00 = 1, r0 = X r , 0s = Y s
199
Definiie. Corelaia sau covariana dintre variabilele aleatoare
X i Y este caracteristica numeric
C ( X ,Y ) = M [( X M ( X ))(Y M (Y ))] sau C ( X ,Y ) = 11
Proprieti. 1. Dac aplicm pentru C(X,Y) proprietile valori
medii obinem uor c
C ( X ,Y ) = M ( XY ) M ( X ) M (Y ) = 11 1001
2. Dac variabilele aleatoare X i Y sunt independente atunci
M(XY) = M(X)M(Y) i deci C(X,Y)=0.
Definiie. Se numete coeficient de corelaie dintre variabilele
aleatoare X i Y caracteristica numeric
C ( X ,Y ) M ( X ,Y ) M ( X ) M (Y )
r ( X ,Y ) = =
D 2 ( X ) D 2 (Y ) ( X ) (Y )
b) r ( x , y ) = 1 Y = aX + b
Se obinuiete s se spun despre dou variabile aleatoare c
1. X i Y necorelate dac r ( X ,Y ) = 0
2. X i Y slab corelate dac r ( X ,Y ) (0 0 ,3)
200
adic conform proprietii b) ntre X i Y exist chiar o dependen
liniar.
Corelaia i respectiv coeficientul de corelaie msoar legturile
calitative dintre variabilele aleatoare X i Y.
Dac cei doi coeficieni C(X,Y) i r(X,Y) au valori diferite de
zero acest lucru se poate interpreta n general prin faptul c cele dou
variabilele aleatoare X i Y modeleaz trsturi ce sunt efecte ale
aceleiai cauze.
Dac dou trsturi, fenomene aleatoare sunt legate prin binomul
cauz-efect atunci variabilele aleatoare corespunztoare X i Y vor fi
legate printr-o relaie de dependen funcional de tipul Y = f(X) unde
variabila independent X modeleaz cauza, iar Y cea dependent,
efectul.
Definiie. O densitate de probabilitate se numete simetric
dac pentru orice x R avem relaia
(M ( X ) x ) = (M ( X ) + x )
adic ordonatele aezate simetric fa de dreapta x =M(X) sunt egale.
201
s = 33
Observaie. Dac s = 0 curba este simetric, dac s < 0 ea se
numete asimetric la stnga, iar dac s > 0 densitatea se numete
asimetric la dreapta
[ ]
= (4
1 1) +1t
4244
3
2 k +1 2 k +1
(m + t )dt = 0
0 =0
202
n prima integral s-a utilizat egalitatea (mt)=(m+t) ce
definete o densitate simetric.
Definiie. Excesul sau boltirea unei variabile aleatoare X este
caracteristica numeric dat prin
4
e=
4 3
Observaie. Dac variabila aleatoare X urmeaz legea normal
normat atunci e = 0. Dac e < 0 graficul are un aspect turtit i se
numete platicurtic, iar dac e > 0 atunci graficul are un aspect mai
ascuit (ngustat) n raport cu legea normal normat i se numete
leptocurtic.
Se numete mod (valoare modal) a variabilei aleatoare X orice
punct de maxim local al densitii de probabilitate a lui X.
Exist densiti unimodale (cu un singur mod) bimodale sau
chiar plurimodale.
Definiie. Mediana unei variabile aleatoare X este
caracteristica numeric Me (abscis) care verific condiiile
1
P( X Me ) P( X Me )
2
sau
1
F (Me ) =
2
unde F este funcia de repartiie care este continu.
Mediana poate fi obinut prin intersecia graficului funciei de
1
repartiie cu dreapta orizontal y = .
2
203
Definiie. Se numete -cvantil a unei variabile aleatoare X
continue abscisa x pentru care avem F(x) = , unde F este funcia de
repartiie.
Aceste cvantile au rolul de a fixa punctele unde ordonatele
mpart aria de sub graficul densitii de probabilitate (x) la fraciuni
date de ordinul corespunztor al cvantilei.
k
3. pentru = , k = 1,99 x k = se numesc centile.
100 100
204
Legi de probabilitate continue uzuale
Legea uniform are densitatea
1
pentru x [a ,b]
(x ) = b a
0 pentru x R \ [a ,b]
1. S verificm c este o densitate de probabilitate
+ b
1 b x ba
( x )dx = dx = = =1
b a a
b a a b a
Mai precis dac inem cont de toate poziiile posibile ale lui x
avem:
0
x a x<a
F (x ) = x [a ,b )
b a xb
1
205
3. Valoarea medie
+ b
1 b 1 x2 b2 a2 b + a
M ( x ) = x ( x )dx = xdx = b a 2 = 2(b a ) = 2
b a a a
4. Dispersia
( )
D 2 ( X ) = M X 2 [M ( X )]2
b
( )
+
1 b 2 x3 b3 a 3
M X = x ( x )dx =
2 2
x dx = 3(b a ) = 3(b a )
b a a a
b 2 + ab + a 2 (a + b )2 (a b )2
D (X ) =
2
=
3 4 12
Aplicaii n industrie i economie. Erorile determinate de
rotunjirile pn la ntregul cel mai apropiat urmeaz distribuia
uniform.
x - m- m m+ +
' + + + + 0 - - - -
0 i 1 2 i 0
" + + 0 - - - 0 + +
206
Graficul are form de clopot, numit i clopotul lui Gauss.
2. Variaia graficului n funcie de parametri
a) = constant b) m = constant
3. Caz particular: Legea normal normat (standard) este aceea pentru
care m = 0, = 1, adic are forma
1 x22
( x ,0 ,1) = e
2
207
Legat de acest caz important de lege normal menionm funcia
lui Laplace
t
1 t x22
(t ) = ( x ,0 ,1)dx = e dx
0 2 0
Proprieti:
1 1
1) (0 ) = 0 , ( ) = , (+ ) =
2 2
2) este o funcie impar ( t ) = (t ), t R
Funcia lui Laplace avnd un rol extrem de important n practc
a fost tabelat.
4. Verificarea c (x, m, ) este o densitate de probabilitate
2
+ + + y
1 21 ( xm ) 1 2
( x , m , ) =
2
e dx =
2
e 2 dy =
2
=1
xm
Facem schimbarea de variabil = y, x=y +m, dx=dy.
Am, utilizat o integral improprie important
+ 2
y2
e dy = 2
208
+ 2 + 2
1 y2 y2
=m e dy + ye dy = m 1 + 0 = m
2
44 2 4243
1 2443 1
=1 fiind impara, deci =0
F ( x ) = P( X < x ) = ( y , m , )dy = e dy
2
ym
facem schimbarea de variabil: = t , y = t + m , dy = dt i
obinem
xm
1 t22
F (x ) = e dt
2
Dac utilizm funcia lui Laplace amintit mai sus, putem scrie
1 x m
F (x ) = +
2
209
n acces caz probabilitatea ca X s ia valori pe un interval (a,b)
este
bm a m
P(a X < b ) = F (b ) F (a ) =
Dac intervalul este simetric fa de valoarea medie, adic
b = m + , a = m rezult
P( X m < ) = P(m < X < m + ) = = 2
pentru c funcia lui Laplace este impar.
S alegem acum = k, kZ un multiplu de abateri standard
a) Pentru k=1 avem
P(|X m|<) = 2(1) =2 0,3413 = 0,6828
Interpretare geometric. ntre punctele de inflexiune (m,
m+) sub graficul densitii de probabilitate se acumuleaz
ntotdeauna 0,6828=68,28% din arie. Dac este mic aceast arie se
raporteaz pe un interval mic de lungime 2.
b) Fie k=3
P(|X m|<3) = P(m3 < X < m+) = 2(3) =0,997
n practic acest rezultat se cunoate sub denumire de regula
celor trei sigma i are urmtoarea interpretare:
Pentru orice lege de tip normal, pe un interval de lungime 6,
trei la stnga lui m i trei la dreapta lui m, adic (m3, m+3)
variabila aleatoare X i atinge practic toate valorile (99,7%) care este
echivalent cu evenimentul sigur. Regula se folosete n tehnic la
210
sisteme automate, aviaie, telefonie, vaccinuri, n economie la operaii
bancare extrem de importante etc.
Se poate face o comparaie cu un rezultat similar dat de
inegalitatea lui Cebev unde pentru aceiai probabilitate P(m3 < X
< m+) am obinut un prag inferior de 0,888 adic 88,8% care este o
aproximaie grosier, de unde se vede un dezavantaj al acestei
inegaliti.
Aplicaie. Abaterile X ale diametrului pieselor fabricate de o
main de la diametrul proiectat urmeaz o lege normal pentru care
m=30 mm i =10 mm. S se calculeze probabilitate ca diametrul
piesei s aib abateri ntre 10 i 50 mm.
Rezolvare. Din enun se cere s calculm
P(10 < X <50) = P(|x30| < 20) = 2(2) =0,9545 = 95,45%
Legea Gamma este caracterizat de densitatea de probabilitate:
x a e bx
daca x > 0 , a 0 ,b > 0
( x , a ,b ) = (a + 1)b a +1
0 daca x 0
Este o funcie foarte general
211
S verificm c este o densitate de probabilitate:
1) Se observ uor c (x,a,b)0, xR
+
1 +
(a + 1)b a +1
a bx
2) ( x , a ,b )dx = x e dx = =1
(a + 1)b a +1 0 (a + 1)b a +1
x
Se face schimbarea de variabil = t , dx = b dt i se utilizeaz
b
expresia funciei Gamma amintit la capitolul analiz matematic.
Valoarea medie
+
1 a + 1 bx
M (X ) = x (x , a ,b )dx = x e dx =
(a + 1)b a +1
0
b a + 2 (a + 2 ) b(a + 1) (a + 1)
= a +1 = = b(a + 1)
b (a + 1) (a + 1)
Dispersia se calculeaz cu relaia
( )
D 2 ( X ) = M X 2 [M ( X )]2 = v2 v12
Dar v2 = b2 (a+1)(a+2) de unde
D2(X) = B2 (A+1)(A+2) B2 (A+1)2 = B2(A+1)
Utiliznd funcia Gamma se pot calcula foarte uor momentele
iniiale vk de orice ordin i innd cont de relaia de legtur cu cele
centrate se pot imediat gsi i momentele centrate k.
Din aceeai familie cu legea Gamma mai fac parte i alte legi de
probabilitate extrem de mult folosite n practica economic, motiv
pentru care le vom prezenta, pe scurt, n continuare, ele rezultnd ca i
cazuri particulare.
212
Legea 2
Are densitatea
n2 1 2x 2
x e x > 0 , n N , > 0
( x , n , ) = n 2 n2 2
2
0 x0
Aceast densitate se poate obine din legea Gamma prin
n
nlocuirea lui a = 1 i b = 22.
2
Parametrul n se numete numrul gradelor de libertate
denumire acordat de R.Fisher (1890-1962) biolog i statistician.
Valoarea medie este M(X) = n2, iar dispersia D2(X) = 2n4. Aceast
lege este mult aplicat n statistic la construirea unor teste de
verificare a ipotezelor statistice. A fost utilizat de antropologul i
biologul Karl Pearson (1857-1936) care a construit i tabele pentru
funcia de repartiie ataat.
Legea Weibull are densitatea
m x u m 1 ( xu )m pentru 0 u x ,
( x , m , x0 ,u ) = x x e x0
x0 > 0 , m > 0
0 0
0 pentru x < u
i este din clasa Gamma.
Se observ cum c funcia de repartiie este
(xxu )
m
F ( x ) = 1 e daca x u 0
0
0 daca x < u
Se verific uor prin derivare.
213
Valoarea medie
1
M ( X ) = x0 + 1
m
Dispersia
2
2 1
D (X ) =
2
x02
+ 1 + 1
m m
Aceast repartiie se utilizeaz n fiabilitate la studiul defectelor
accidentale cnd acestea se datoreaz fenomenelor de uzur i
mbtrnire. Este mult utilizat n asigurri.
Repartiia Erlang este din aceeai clas cu Gamma. Are
densitatea:
(k )k k 1 kx
pentru x 0 , k 1, > 0
( x , , k ) = (k ) x e
0 pentru x < 0
Valoarea medie
1
M (X ) =
Dispersia
1
D2 (X ) =
k2
Pentru k=1 se obine un caz particular des folosit n practic
numit repartiia exponenial negativ
e x pentru x 0 , > 0
(x , ) =
0 pentru x < 0
Repartiia exponenial negativ se utilizeaz mult n fiabilitate
214
are funcia de repartiie
1 e x pentru x 0
F (x ) =
0 x<0
Legea Student
Student este pseudonimul matematicianului francez W.Gosset
(1876-1937). Densitatea are expresia
n + 1
n +1
2 2
2 t
(t , n ) = 1+ tR
n n
n
2
Parametrul n se numete numrul gradelor de libertate. Legea
este folosit mult n statistic la construirea unor teste de verificare a
potezelor statistice. Pentru funcia de repartiie s-au construit tabele de
unde se extrag -cvantile utile n teste. Graficul repartiiilor din
aceast familie este asemntor cu cel al repartiiei normale normate
doar c este puin mai turtit.
Una din cele mai importante teoreme limit centrale afirm c
dac n repartiia Student tinde ctre repartiia normal normat.
Se verific uor utiliznd limite de tipul "e" c
215
1 t22
lim (t , n ) = e - repartiie normal normat.
n student 2
Grafic
216
Observaii.
1. Pentru a 1 > 0, b 1 > 0 funcia se anuleaz pentru x =0 i x =1
a 1
i are un maxim n punctul de abscis din intervalul (0,1).
a+b2
2. Pentru a 1 < 0, b 1 < 0 funcia devine infinit pentru x = 0
1 a
descrete pn la un minim egal cu apoi crete devenind
2 (a + b )
infinit pentru x = 1. Are asimptote verticale n x = 0 i x =1.
a
M (X ) =
a+b
Dispersia
ab
D2 (X ) =
(a + b )2 (a + b + 1)
3. Prin operaii elementare i treceri la limit n raport cu parametrii a
i b se poate face legtura dintre aceast repartiie i altele cum ar fi
repartiia Gamma i repartiia normal. Aceste legturi ntre
217
modelele probabilistice reflect de fapt legturile naturale reale
dintre fenomenele economice.
Recomandm utilizatorului s studieze din bibliografia citat i
alte legi de probabilitate, utile n practic, specializate pe clase de
fenomene economice, cum ar fi: legea Snedecor, Fisher, legea dup
triunghi isoscel a lui Simpson, legea logaritmic normal etc.
218
BIBLIOGRAFIE
219
10. Mihoc G., Micu N., Elemente de teoria probabilitilor i
statistic, Proiect de manual, Editura Didactic i
Pedagogic, Bucureti, 1966.
11. Oancea E., Rdulescu M., Calculul probabilitilor i statistic
matematic, Universitatea "Babe-Bolyai", Cluj-
Napoca, 1974.
12. Onicescu O., Teoria probabilitilor i aplicaii, Editura Didactic
i Pedagogic, Bucureti, 1963.
13. Popescu O, i colectiv, Matematici aplicate n economie, Editura
Didactic i Pedagogic, Bucureti, 1999.
14. Popescu O., Matematici aplicate n economie. Culegere de
probleme, Editura Didactic i Pedagogic, Bucureti,
1999.
220