Documente Academic
Documente Profesional
Documente Cultură
5
Unitatea de învăţare nr. 1
Cuprins
Obiective
1.1 Metoda elimin[rii totale Gauss-Jordan
1.2 Aplica\ie a metodei Gauss-Jordan la calculul inversei unei matrice
1.3 Forma canonic[ a unui sistem de ecua\ii liniare
1.4 Solu\ii de baz[ ale sistemelor de ecua\ii liniare
1.5 Programe de baz[ ale sistemelor de ecua\ii liniare
1.6 Sisteme de inecua\ii liniare
1.7 Mul\imi convexe
Bibliografie
Obiective
După studiul aceste unităţi, vei putea să:
6
a11 ... a1 j ... a1n b1 x1
. ... . ... .
A= ai1 ... aij ... ain , B= bi , X= xi
. ... . ... .
a ... amj
... amn m
b xn
m1
a11 ... a1 j ... a1n b1
(A,B) = ai 1 aij ain bi ,
a a a b
m1 mj mn m
7
1 ... a1(1j) ... a1(1n) b1(1)
(A,B) ~ (A1,B1) = 0 ... aij(1) ... ain(1) bi(1)
( 1)
0 ... a mj
( 1)
... a mn bm(1)
unde:
a1 j a1 j
a1(1j) ; aij(1) aij ai1a1(1j) aij ai1
, i=2,...,m, j=1,...,n
a11 a11
b ab
b1(1) 1 ; bi(1) bi ai1b1(1) bi i1 1 , i=2,...,m.
a11 a11
Cu matricea (A1,B1) ob\inut[ se trece la pasul 2.
1.b) Dac[ a11=0, se alege ai1 0 ]i se permut[ liniile 1 ]i i, astfel c[ se va putea
aplica pasul 1a) matricei ob\inute.
Pasul 2. Se fac transform[ri asem[n[toare cu cele de la Pasul 1, dar pornind
(1)
cu matricea (A1,B1) ]i elementul a 22 .
Continu`nd, matricea (Ar,Br) ob\inut[ la pasul r este chiar matricea din enun\ul
teoremei.
Observa\ii
1. Numerele a11 , a22 (1)
, ...., arr( r 1) care intervin @n demostra\ia Teoremei 1.1 se
numesc pivo\i. Dac[ la pasul k-1 s-a ob\inut matricea
.......... .......... .......... .. ...
kk kj
....... a ( k 1) ... a ( k 1) ... | b ( k 1)
k
(Ak-1,Bk-1)= .......... .......... .......... ..... ,
( k 1) ( k 1) ( k 1)
......... aik ... aij ... | bi
.......... .......... .......... . . ...
( k 1)
atunci continu`nd cu pivotul akk la pasul k se ob\ine matricea:
.......... .......... ......
.......1.... a ( k ) ... | b( k )
kj k
(Ak,Bk)= .......... .......... ...... ,
(k ) (k )
....... 0.... aij ...| bi
.......... .......... .......
unde
akj( k 1) ( k ) bk( k 1)
a ( k 1) , bk ( k 1) , j=1,..., n
(k )
kj (1.3)
akk akk
iar pentru i k
( k 1) ( k 1) ( k 1)
aik( k 1) akj( k 1)
aij aij aik akj aij
(k ) (k )
akk( k 1)
(1.4)
( k 1) aik( k 1) bk( k 1)
( k 1) ( k 1)
b b a
(k )
b b (k )
akk( k 1)
i i ik k i
8
din matricea (Ak,Bk) nesituate pe linia sau coloana pivotului se ob\in cu regula
numit[ regula dreptunghiului. Astfel, pentru a ob\ine pe aij(k ) se imagineaz[ un
dreptunghi @n matricea (Ak-1,Bk-1) av`nd dou[ v`rfuri opuse pe aij( k 1) ]i pivotul
akk( k 1) . Elementul aij(k ) se calculeaz[ sc[z`nd din produsul numerelor situate pe
diagonala dreptunghiului ce con\ine pivotul, produsul numerelor situate pe cealalt[
diagonal[ ]i @mp[r\ind rezultatul la pivot. Asem[n[tor se calculeaz[ ]i bi(k ) .
(Ak-1,Bk-1)= .......... .......... ....... . .... , (Ak,Bk)= .......... ........ .....
. .. a ( k 1) ... a ( k 1) .. | b ( k 1) ...0... a ( k ) ... |b ( k )
it ij i
ij i
.......... .......... ..... . ... ... .......... ........ .....
( k 1)
a b( k 1)
asj( k ) sj( k 1) , j 1,..., n, bs( k ) s( k 1) (1.5)
ast ast
iar pentru i s :
aij( k 1) ast( k 1) ait( k 1) asj( k 1)
aij
(k )
,
ast( k 1) (1.6)
bi( k 1) ast( k 1) ait( k 1) bs( k 1)
bi
(k )
.
ast( k 1)
Evident, sistemul este compatibil dac[ ]i numai dac[ br(01) ... bm(0) 0 . #n
cazul @n care sistemul este compatibil, primele r ecua\ii din (1.7) sunt principale.
Consider`nd necunoscutele x1, ..., xr ca fiind principale ]i necunoscutele xr+1,..., xn ca
fiind secundare, solu\ia general[ se ob\ine din (1.7) de forma:
9
x1 b1( 0) a1(r0) 11 ... a1(n0) n r
.......... .......... .......... .......... .
xr br( 0) arr( 0) 11 ... arn( 0) n r (1.8)
xr 1 1
...
xn n r
Dac[ pivo\ii nu s-au ales la r`nd, atunci necunoscute principale se consider[
necunoscutele din coloanele c[rora s-au ales pivo\ii, @n timp ce ecua\iile principale
sunt ecua\iile corespunz[toare liniilor din care s-au ales pivo\ii. Se observ[ c[
rangul sistemului este egal cu num[rul pivot[rilor efectuate.
#n particular, dac[ sistemul (1.1) este de tip Cramer, avem m=n=r. #n acest
caz avem
1 ... 0 b1( 0 )
(0) (0)
( A , B )= ,
0 ... 1 b ( 0 )
n
Exemplu rezolvat.
S[ se rezolve sistemul de ecua\ii liniare:
x1 +x2 +x3 +x4 =7
3x1 +2x2 +x3 -3x4 =-2
x2 +2x3 +6x4 =23
5x1 +4x2 +3x3 -x4 =12
1 1 1 1 7
3 2 1 3 2
Solu\ie. Matricea extins[ este (A,B) =
0 1 2 6 23
.
5 4 3 1 12
Aleg`nd pivot pe a11 = 1, se ob\ine matricea:
1 1 1 1 7
0 1 2 6 23
(A1,B1) =
23
.
0 1 2 6
0 1 2 6 23
Aleg`nd pivot pe a22 1 se ob\ine matricea
(1)
1 0 1 5 16
23 .
(A2,B2) = 0 1 2 6
0 0 0 0 0
0 0 0 0
0
Se observ[ c[ @n liniile 3 ]i 4 ale mtricei A2 nu mai exist[ elemente nenule care ar
putea fi alese ca pivo\i, deci (A2,B2) este forma trapezoidal[ c[utat[ ]i rangul
sistemului este 2. Forma echivalent[ a sistemului este:
x1 -x3 - 5x4 =-16
10
x2 +2x3 +6x4 =23
0=0
0=0
Deci sistemul este compatibil, dublu nedeterminat ]i dac[ x1, x2 sunt
necunoscute principale, iar x3 ]i x4 cele secundare, solu\ia general[ se ob\ine de
forma:
x1=-16 + 1 +52
x2= 23 -21 - 62
x3= 1
x4= 2 ,unde 1,2 R.
Vom mai nota:
16 1 5 2
Xgen = 23 21 6 2 .
1
2
11
a11x1n a12 x2 n ... a1n xnn 0
a21 x1n a22 x2 n ... a2 n xnn 0
.......... .......... .......... .......... .......
a x a x ... a x 1
n1 1n n 2 2n nn nn
Cum matricea tuturor celor n sisteme este A, iar acestea difer[ doar prin
termenii lor liberi, la rezolvarea cu metoda Gauss - Jordan a lor o mare parte din
calcule se repet[ (pivot[rile pe elementele matricei A). De aceea, sistemele se pot
rezolva simultan, scriind toate cele n coloane ale termenilor liberi @n dreapta
matricei comune a sistemelor, A. Se porne]te deci cu matricea:
a11 a12 a1n | 1 0 0
a a a | 0 1 0
..........
21 22
.......... .......... ......
2n
a a a | 0 0 1
n1 n 2 nn
care este chiar matricea (A,E). Cum det A 0, rang A=n, dup[ n pivot[ri matricea
(A,E) va fi echivalent[ cu:
1 0 ... 0 x11 x12 ... x1n
0 1 ... 0 x x22 ... x2 n
21
.. .. ... .. .. .. ... ..
0 0 ... 1 x n1 x n2 ... xnn
-1
care este matricea (E,A ).
Exemplu rezolvat.
3 1 2
Fie A = 2 0 1 . S[ se determine A-1.
4 4 2
Solu\ie. Se fac pivot[ri succesive @n matricea (A,E), dar este convenabil s[ nu se
@nceap[ cu pivotul a11=3, pentru a nu se lucra cu frac\ii de la primul pas. De aceea
primul pivot ales va fi a12 =1. Avem succesiv:
3 1 2 1 0 0 3 1 2 1 0 0
(A, E) 2 0 1 0 1 0 ~ 2 0 1 0 1 0 ~
1 4 2 0 0 1
8 0 10 4 0 1
14 7
0 1 0 0
7 1 0 1 2 0 28 28
8 8 2
2 0 1 0 1 0 ~ 0 0 1
28 0 0 4 10 1 28 28 28
4 10 1
1 0 0
28 28 28
Permut`nd convenabil liniile matricei ob\inute, avem:
1 0 0 | 284 10 281
(A,E) ~ 0 1 0 | 0 14 7
28
-1
28 28 =(E, A ).
0 0 1 | 28 28 28
8 8 2
12
4 10 1
0 14 7 .
-1 1
Deci A = 28
8 8 2
1 7
Fie A= . S[ se determine A-1.
2 5
AX=B,
unde AM(m, n, R), XM(n, 1, R), (1.10)
BM(m, 1, R), rang A=m<n .
13
a1 m1 ... a1 j ... a1n x1 xm1
AS .......... .......... ........ , X b , X S .
a x x
m m1 ... amj ... amn m n
Cu nota\iile de mai sus, sistemul (1.10) se scrie de forma:
Xb
(M,AS) B . (1.13)
XS
Acesta este echivalent cu:
MXb+ASXS=B. (1.14)
Exemplu rezolvat.
Fie sistemul de ecua\ii liniare
x1 + 2x2 +4x3 + x4 = 8
x1 + x2 + x3 + 3x4 =12.
S[ se determine forma canonic[ a sistemului.
x1
1 2 4 1 8 x
Solu\ie. Avem A= , B , X 2 .
1 1 1 3 12 x
x3
4
Aleg`nd ca necunoscute principale pe x1 ]i x2 avem :
M M (1,2) 1 2 , AS 4 1 , X b x1 , X S 3 ,
x
1 1 1 3 x2 x4
deci forma (1.14) a sistemului este urm[toarea:
14
1 2 x1 4 1 x3 8 .
1 1 x 1 3 x 12
2 4
Pentru a calcula inversa matricei bazice, avem succesiv:
(M, E)
1 2 1 0 ~ 1 2 1 0 ~ 1 0 | 1 2
1 1 0 1 0 1 1 1 0 1 | 1 1
1 2
( E , M 1 ) , deci M-1 = . Avem
1 1
1 2 4 1 2 5 1 2 8 16
M 1 AS ; M 1 B .
1 1 1 3 3 2 1 1 12 4
Deci forma canonic[ (1.15) a sistemului este:
x1 2 5 x3 16
.
x2 3 2 x4 4
Aceasta este echivalent[ cu sistemul:
x1 - 2x3 + 5x4 = 16
x2 + 3x3 - 2x4 = -4
care este chiar sistemul care s-ar fi ob\inut aplic`nd metoda Gauss-Jordan ]i aleg`nd
pivo\ii din coloanele lui x1 ]i x2. #ntr-adev[r, cu metoda elimin[rii totale avem:
(A, B)
1 2 4 1 8 ~ 1 2 4 1 8 ~
1 1 1 3 12 0 1 3 2 4
1 0 2 5 16 .
0 1 3 2 4
15
1. Determinarea solu\iilor de baz[ cu ajutorul pivot[rilor
Presupunem c[ sistemul (1.10) a fost rezolvat cu metoda Gauss-Jordan,
variabilele principale fiind x1, x2,..., xm ]i rezult`nd matricea:
1... 0 ... 0 ... 0 a1(m0 )1 ... a1( 0j ) ... a1(n0 ) | b1( 0 )
.......... .......... .......... .......... ..... | ...
(0) (0) (0) (0)
0 ...1... 0 ... 0 ai m1 ... ai j ... ai n | bi
(A(0),B(0)) = .......... .......... .......... .......... ..... | ... . (1.18)
0 ... 0 ...1... 0 at m1 ... at j ... at n | bt
( 0 ) ( 0 ) ( 0 ) ( 0 )
.......... .......... .......... .......... ..... | ...
(0) (0) (0) (0)
0 ... 0 ... 0 ...1 am m1 ... am j ... am n | bm
xm1 1
.......... .....
x j j m
.......... ......
x
n nm
.......... ......
X 0 (0) (1.20)
xm bm( 0 )
x (0) 0
..........
m 1
......
(0)
xj 0
.......... ......
x (0) 0
n
care conform Defini\iei 1.3 este o solu\ie de baz[ a sistemului.
Se observ[ c[ componentele nenule ale solu\iei de baz[ sunt chiar elementele
ultimei coloane din matricea (A(0) B(0)). Desigur, pentru a ob\ine o alt[ solu\ie de
baz[ se poate rezolva sistemul aleg`nd o alt[ grup[ de necunoscute principale, dar
pentru economie de calcule, este convenabil s[ se continue pivotarea @n matricea
(A(0),B(0)) a sistemului rezolvat, aleg`nd un pivot nenul dintr-o coloan[ secundar[.
16
De exemplu, aleg`nd pivotul aij( 0 ) 0 din coloana variabilei secundare xj se ob\ine
matricea:
1... a1(i1) ... 0 ... 0 a1(1m)1 ... 0 ..... a1(1n) | b1(1)
.......... .......... .......... .......... .... ...
0 ... 1 ... 0 ... 0 a (1) ...1..... a (1) | b (1)
i m1
aij( 0) in i
(1) (1)
(A ,B ) = .......... .......... .......... .......... .... ... (1.21)
0 ... a (1) ... 1... 0 a (1) ... 0 ..... a (1) | b (1)
ti t m1 tn t
..........(1).......... .......... .......... .......
0 ... ami ... 0 ...1 am m1 ... 0 ..... am n | bm
(1) (1) (1)
(0) (0) 0
b a b
unde bi(1) i( 0) , bt(1) bt( 0) tj ( 0) i bt( 0) atj( 0)bi(1) , t i .
aij aij
Sistemul rezolvat de matrice (A(1) B(1)) are ca variabile principale pe x1, ... , xi-1, xj,
xi+1, ... , xm, deci variabila xj care era ini\ial secundar[, a devenit principal[ @n locul
lui xi. Anul`nd variabilele secundare, se ob\ine o nou[ solu\ie de baz[ ]i anume:
x1(1) b1(1)
.......... ......
(1)
xi 0
.......... ......
xt bt
(1) (1)
.......... ......
X 1 (1) . (1.22)
xm bm(1)
x (1) 0
..........
m 1
......
(1) (1)
x j bi
.......... ......
x (1) 0
n
Pentru oricare t i, t{1, ..., m} avem:
bt(1) xt(1) xt(0) atj(0) x (j1) (1.23)
#n plus:
x(0)
bi(1) x (j1) i( 0) (1.24)
aij
Continu`nd cu alegerea unui alt pivot nenul dintr-o coloan[ secundar[ a lui A(1)
se ob\ine o alt[ matrice (A(2),B(2)) ]i o nou[ solu\ie de baz[ corespunz[toare ei. Prin
acest procedeu se pot genera toate solu\iile de baz[ ale sistemului.
Xb=B(0)
A]adar solu\ia de baz[ corespunz[toare unei alegeri a matricei bazice M este:
X= b B M B
( 0) 1
X
(1.25)
XS 0 0
Aleg`nd diverse matrici bazice, se ob\in diferite solu\ii de baz[.
17
Exemplu rezolvat.
Fie sistemul de ecua\ii liniare:
x1 + 2x2 + 4x3 + x4 = 8
x1 + x2 + x3 + 3x4 = 12.
S[ se determine toate solu\iile de baz[ ale sistemului.
Solu\ia 1 (cu ajutorul pivot[rilor). Rezolv`nd cu metoda Gauss-Jordan, se ob\ine
matricea:
1 0 2 5 | 16
(A(0),B(0)) = .
0 1 3 [ 2] | 4
De aici se ob\ine solu\ia general[
x1 16 21 5 2
Xgen = x2 4 31 2 2 , 1 , 2 R ,
x
x3 1
4 2
de unde fac`nd 1 = 2 = 0, se ob\ine solu\ia de baz[:
x1( 0) 16
(0)
x 4
X 0 2( 0) .
x3( 0) 0
x 0
4
Pentru a genera o alt[ solu\ie de baz[, se continu[ pivotarea @n matricea (A(0),B(0)),
aleg`nd un pivot nenul dintr-o coloan[ secundar[. De exemplu, cu pivotul a24 (0)
2
se ob\ine matricea:
1 52 11
0 |6
(A(1),B(1)) = .
2
0 2 [ 2 ] 1 | 2
1 3
#n acest caz variabila x4 a devenit principal[ @n locul lui x2, deci variabile principale
sunt x1 ]i x4 ]i f[c`nd x2= x3=0 se ob\ine o alt[ slu\ie de baz[ ]i anume:
x1(1) 6
(1)
x 0
X 1 2(1) .
x3(1) 0
x 2
4
Aleg`nd @n continuare pivotul a23 (1)
32 se ob\ine matricea corespunz[toare unei
rezolv[ri a sistemului cu x1 ]i x3 variabile principale ]i o nou[ solu\ie de baz[ X2:
x1( 2) 403
( 2)
3
2 11 40
; X 2 x2( 2) 0 4 .
1 [ ] 0 |
(A(2),B(2)) =
3 3
0 3
1
1 23 | 43 x3 3
x ( 2) 0
4
2
Cu pivotul a12( 2 ) , noile variabile principale vor fi x2 ]i x3 ]i se ob\ine solu\ia de
3
baz[ X3:
x1( 3) 0
2 1 0 [ 2 ] | 20
3 11 ( 3)
(A(3),B(3)) = 1 ; X 3 x2( 3) 20 .
x3( 3) 8
2 0 1 2 | 8
5
x 0
4
18
Continu`nd cu pivotul a14(3) 112 , variabilele principale vor fi x4 ]i x3 ]i se ob\ine
solu\ia de baz[ X4:
x1( 4) 0
0 1| ( 4)
0
3 2 40
(A(4),B(4)) =
11 11
; X 4 x2( 4)
11
.
2
[ 115 ] 1 0 | 12 x3 12
11
11 11
x( 4) 40
4 11
( 4)
#n final, cu pivotul a22 115 , variabilele principale vor fi x4 ]i x2 ]i se ob\ine solu\ia
de baz[ corespunz[toare X5:
x1(5) 0
0 1| ( 5)
125
1 2 16
(A(5),B(5)) =
5 5 5
; X 5 x2(5) .
2
1 11
0 | 125 x3 0
5 5
x ( 5) 165
4
19
strict pozitive ale unui program de baz[ este mai mic sau egal cu rangul m al
sistemului. #n func\ie de num[rul acestor componente, avem urm[toarea clasificare
a programelor de baz[.
a) Programe de baz[ nedegenerate, sunt programele @n care num[rul
componentelor strict pozitive este egal cu rangul sistemului.
b) Programe de baz[ degenerate, sunt programele @n care num[rul componentelor
strict pozitive strict mai mic dec`t rangul sistemului.
20
Generarea programelor de baz[
Teorema 1.2. Dac[ sistemul de ecua\ii liniare (1.10) are un program, atunci
el are ]i un program de baz[.
21
observat c[ nu exist[ valori ale parametrilor care s[ conduc[ la programe. #n
schimb, num[rul solu\iilor din baz[ fiind finit, scriind toate solu\iile de baz[ ale
sistemului ]i observ`nd c[ nici una nu este ]i program de baz[, putem concluziona
c[ sistemul nu are nici un fel de programe.
Exemplu rezolvat.
Fie sistemul de ecua\ii liniare
x1 + 2x2 + 4x3 + x4 = 8
x1 + x2 + x3 + 3x4 = 12.
Vom determina programele sale de baz[, f[r[ a determina toate solu\iile de baz[.
Solu\ie. Rezolv`nd sistemul cu metoda Gauss-Jordan ]i aleg`nd pivoti din prima ]i
a patra coloan[ se ob\ine programul de baz[ X1, corespunz[tor matricei:
6
A (1)
,B (1)
1 52 [ 112 ] 0 | 6
; X1 0 .
0 2 2 1| 2
1 3
0
2
Pentru a ob\ine @n continuare doar programele de baz[ (nu ]i toate solu\iile de baz[),
se continu[ cu alegerea unui pivot strict pozitiv dintr-o coloan[ secundar[ ]i care s[
@ndeplineasc[ @n plus condi\ia (1.30). De exemplu, dac[ dorim s[ alegem un pivot
11
din coloana lui x3 singurul num[r pozitiv fiind a13(1) , acesta se va fixa ca pivot
2
f[r[ a mai fi nevoie s[ folosim condi\ia (1.30). Se ob\ine:
0
0
A 11
[ 115 ] 1 0 | 12
2
( 2)
, B ( 2) 11
3 2 40 ; X 2 12 ,
11 11
0 1 | 11 11
40
11
22
0
12
A ,B 1
( 3) ( 3)
52 1 [ 115 ] 0 | 125
16 ; X 3
0
5
5 0 5 1| 5
2
16
5
]i @n noul program de baz[ X3 variabilele principale sunt x2 ]i x4.
Dac[ dorim s[ continu[m cu un pivot din coloana 1, cum aici sunt dou[ numere
12 16
strict pozitive ]i min 52 ; 15 min6,16 6, pivotul ar trebui s[ fie a11(3) 52 , deci
5 5
noile variabile principale ar trebui s[ fie x1 ]i x4 ]i s-ar ob\ine din nou programul de
baz[ X1.
Dac[ se alege coloana secundar[ a treia, aici exist[ un singur num[r strict pozitiv ]i
acesta trebuie ales ca pivot, nemaifiind necesar[ folosirea condi\iei (1.30). Dar cu
a13(3) 115 pivot s-ar ob\ine programul de baz[ @n care x3 ]i x4 sunt variabile
principale, adic[ X2. Deoarece @n nici unul dintre cazuri nu se ob\in noi programe de
baz[, rezult[ c[ generarea acestora s-a @ncheiat ]i sistemul are doar trei programe de
baz[ (X1, X2 ]i X3 ob\inute mai sus).
23
Defini\ia 1.5 Se nume]te program al sistemului de inecua\ii (1.31) orice
solu\ie a sistemului av`nd toate componentele pozitive.
Exemplu rezolvat.
Fie sistemul de inecua\ii
x1+2x2 8
2x1+x2 3.
S[ se scrie sistemul compensat ]i s[ se determine programele de baz[ ale sistemului
de inecua\ii.
Solu\ie. #nmul\ind a doua inecua\ie cu -1 se ob\ine:
-2x1-x2 -3, deci sistemul compensat este:
x1+2x2+y1=8
-2x1-x2+y2=-3, y1,2 0,
sau echivalent:
x1+2x2+y1=8
2x1+x2-y2=3, y1,2 0.
Se observ[ c[ a doua ecua\ie a sistemului compensat se putea scrie direct sc[z`nd
variabila de compensare y2 din membrul st`ng al celei de a doua inecua\ii a
sistemului dat, care avea semnul . Rezolv`nd sistemul compensat, avem:
1 2 1 0 | 8 ~ ( A( 0) , B ( 0) ) 3 0 1 2 | 2 .
2 [1] 0 1 | 3 [2] 1 0 1 | 3
De aici se ob\ine un prim program de baz[ al sistemului compensat ]i,
corespunz[tor, programul de baz[ al sistemului de inecua\ii ]i anume:
0
X 1 3 ; X 0 .
Y 2 1 3
1
0
Continu`nd cu algoritmul de generare a programelor de baz[ ale sistemului de
ecua\ii, pornind cu programul de baz[ X 1 se ob\in succesiv restul programelor de
Y1
baz[ ale sistemului compensat ]i cele corespunz[toare ale sistemului de inecua\ii:
24
32
( A(0) , B (0) ) ~ ( A(1) , B (1) )
1 [ ]|
, deci X 2 013 , X 2 2
3 1 13 3
0 2 2
0 | 2
Y2 2 0
3
1 1
1 2 2 2
0
8
0 3 2 1 | 13 X3 0 8
(A , B ) ~ (A , B )
(1) (1) ( 2) ( 2)
, deci Y 0 , X 3 0 .
1 [ 2] 1 0 | 8 3
13
0
32 0 12 1 | 1
(A , B ) ~ (A , B ) 1
( 2) ( 2) ( 3) ( 3)
, deci 4 , X 4 0 .
X 4
2 1 2 0| 4 Y4 0 4
1
1
Cum nu se mai poate continua cu ob\inerea de noi programe de baz[, rezult[ ca
sistemul de inecua\ii are 4 programe de baz[ ]i anume X1, X2, X3 ]i X4.
1
Fie Rn ={ X , 1 , ..., n R } ]i X1 , X 2 ,, X k Rn .
n
Defini\ia 1.7 Se nume]te combina\ie liniar[ convex[ a vectorilor X1, X2, ...
Xk suma
a1X1 + a2X1 + ... + akXk (1.35)
cu a1, a2, ... , ak 0 ]i a1+ a2 +... + ak=1.
25
Se observ[ c[ X ,Y este format din totalitatea combina\iilor liniare convexe ale
vectorilor X ]i Y, iar (X,Y)= X ,Y { X ,Y } .
Echivalent avem:
M- convex[ X , Y M , a [0,1], Z aX (1 a)Y M . (1.40)
26
Fie T unul dintre tronsoanele S, P, S1 sau P1. Mul\imea T R n poate fi
m[rginit[ sau nu. De exemplu, rezolv`nd sistemul AX=B cu metoda Gauss-Jordan,
dac[ se ob\ine un program de baz[, dar una dintre coloanele secundare ale matricei
ob\inute este negativ[, atunci mul\imea programelor sistemului este nem[rginit[.
#ntr-adev[r, s[ presupunem c[ dup[ rezolvarea sistemului s-a ob\inut matricea
(1.18) ]i solu\ia general[ (1.19).
b1( 0)
(0)
Presupun`nd c[ solu\ia de baz[ corespunz[toare X 0 bm este program de baz[
0
0
a1( 0j )
]i 0 ]i lu`nd 1 j m1 j m1 nm 0 ]i j m 0 , din (1.19)
amj
0
se ob\ine solu\ia particular[
b1( 0 ) a1( 0j ) j m b ( 0 ) a1( 0j )
1
( 0 ) ( 0 ) ( 0 )
bm amj j m bm amj
(0)
X0 0 0 j m 0 . (1.45)
j m 0 1
0 0 0
Echivalent, putem scrie:
a1( 0j )
( 0 )
amj
X 0 X 0 j m V0 , cu V0 0 (1.46)
1
0
Dac[ X0 este program, X 0 este tot program (dar nu de baz[) ]i el poate avea
componente oric`t de mari, deoarece jm poate fi un num[r pozitiv oric`t de mare.
Deci mul\imea programelor sistemului este nem[rginit[.
27
teorem[ se formuleaz[ pentru dou[ situa\ii distincte, dup[ cum tronsonul
programelor este m[rginit sau nem[rginit.
i 1 i 1
Exemplu rezolvat.
Fie sistemul de ecua\ii
x1 + 2x2 + 4x3 + x4 = 8
x1 + x2 + x3 + 3x4 = 12.
S[ se scrie mul\imea programelor sistemului.
Solu\ie. Pentru acest sistem s-a dedus @n sec\iunea precedent[ at`t solu\ia general[,
c`t ]i solu\iile de baz[. Dintre acestea, X1, X4 ]i X5 sunt programe de baz[, deci
puncte extremale ale mul\imii convexe a programelor. Cum @n nici una din
matricele A(1), A(4) ]i A(5) nu exist[ coloane secundare @n @ntregime negative,
tronsonul programelor este m[rginit. Aplic`nd Teorema 1.3, un program oarecare al
sistemului se poate scrie de forma:
X=a1X1 + a2X4 + a3X5, cu a1, a2, a3 0 ]i a1+ a2+ a3=1, adic[
28
6 0 0 6a1
12 12
0 0 5 5 a3
X a1 a2 12 a3 12 .
0 0 a
11 11 2
2 40 16 2a 40 a 16 a
11 1 11 2 5 3
5
29
5 1 1
x2= 1 2
3 3 3
y1=1
y2=2 .
2 / 3
Dac[ 1 =2 =0, avem noul program de baz[ 1 5 / 3 al sistemului compensat
X
Y1 0
0
23
]i programul de baz[ X 1 5 al sistemului de inecua\ii. Cum ]i @n A(1) coloana a
3
patra este negativ[, exist[ ]i o raz[ extremal[ corespunz[toare programului X1.
F[c`nd 1 0 , avem:
32 31 2 32 31
5 1 5 1 13
X 1
X 1 3 3 2 3 2 3 1 2V1 , unde V1 3
0 0
1
0 Y 0
0 1 1
2
13
este raza extremal[ pentru sistemul de ecua\ii, iar 1 este raza extremal[ prin X1
3
pentru sistemul de inecua\ii.
Cum @n matricea A(1) nu se mai poate continua pivotarea cu ob\inerea de noi
programe de baz[, rezult[ c[ sistemul de inecua\ii are dou[ programe de baz[:
4 23
X 0 X 1 5
0 3
]i corespunz[tor acestora, dou[ raze extremale:
1 13
V0 V1 1 .
0 3
30
Rezumatul unităţii de studiu
Bibliografie
1. Roc]oreanu C. - Program[ri liniare ]i elemente de teoria grafurilor, Ed.
Universitaria, Craiova, 2002.
2. Roc]oreanu C. - Matematici aplicate, Ed. Sitech, Craiova, 2005.
3. Popescu, O. & co. - Matematici aplicate @n economie. Culegere de
probleme, E.D.P., Bucure]ti, 1996.
4. Popescu L. - Matematici aplicate @n economie, Ed. Sitech, Craiova, 2007.
5. Cenu][ Gh. & co. - Matematici pentru economi]ti, CISON, Bucure]ti,
2000.
31
EXERCI|II RECAPITULATIVE
c).
2 x1 x2 2 x3 x4 1
2 x1 3x2 x3 2 x4 3
x1 x2 x3 2 x4 5
R. x1 2, x2 1 , x3 2 , x4 .
d).
x1 x2 x3 2 x4 6
4 x1 3x2 5 x3 5 x4 23
2 x1 x2 3x3 x4 11
R. x1 5 2 , x2 1 3 , x3 , x4 .
2. S[ se determine programele de baz[ pentru sistemul de ecua\ii liniare:
3x1 2 x2 x3 x4 12
x1 x2 2 x3 x4 5
19 / 5 7 / 2 2
0 0
R. X 1 , X2 , X3 3 .
3/ 5 0 0
0 3/ 2 0
3. Fie sistemul de inecua\ii liniare:
6 x1 x2 6
8 x1 3 x2 12
a). S[ se determine programele de baz[.
b). S[ se reprezinte @n plan mul\imea programelor.
R. X 1 0 , X 2 0 , X 3 3 / 5 .
4 6 12 / 5
32
4. Fie sistemul de ecua\ii liniare:
x1+x2+3x3+2x4=7
2x1+x2+x3+x4=4.
0 1 1/ 3 0
1 0 0
unde X 1 , X 2 X 3 X 5/2 .
0 2 0 4 3/ 2
3 0 10 / 3 0
33
Unitatea de învăţare nr. 2
Obiective
După studiul aceste unităţi, vei putea să
34
(max) f x1 , x2 ,..., xn c1 x1 c2 x2 ... cn xn
a11 x1 a12 x2 ... a1n xn b1
.......... .......... .......... .......... ..
am1 x1 am 2 x2 ... amn xn bm
(2.1)
x1 0, x2 0,..., xn 0,
unde rangul sistemului de restric\ii este egal cu m ]i m<n.
Not`nd:
C (c1 , c2 ,..., cn ),
a11 ... a1n b1 x1
A , B , X (2.2)
a b x
m1 ... amn m n
problema standard de programare liniar[ se poate scrie @n form[ matriceal[ ca:
(max) f ( X ) CX
AX B (2.3)
X 0
Propietatea 2.2. Dac[ problema program[rii liniare (2.3) are maximul finit
atunci exist[ un program de baz[ al sistemului de restric\ii AX=B care s[ fie
program optim.
35
Observa\ie. Ca o consecin\[ a Propriet[\ii 2.2, pentru a rezolva problema
program[rii liniare (2.3) se poate proceda astfel:
a) - se determin[ toate programele de baz[ ale sistemului de restric\ii AX=B;
b) - se calculeaz[ valoarea func\iei f pentru fiecare program de baz[ calculat la a);
c) - se alege programul de baz[ corespunz[tor celei mai mari valori a lui f ca fiind
programul optim al problemei.
Totu]i, @n practic[, aceast[ metod[ este dificil de aplicat pentru c[, @n general,
num[rul programelor de baz[ este mare. De exemplu, un sistem de 10 ecua\ii cu 30
de necunoscute ar putea avea cel mult C3010
30045015 programe de baz[. De aceea
se impune aplicarea unui algoritm care s[ conduc[ mai repede la programul de baz[
optim, f[r[ s[ fie nevoie s[ se determine toate programele de baz[ ale sistemului.
Un astfel de algoritm a fost elaborat de matematicianul olandez G.B. Dantzig @n
1947 ]i poart[ numele de algoritmul simplex. Exist[ mai multe variante ale acestui
algoritm. Dintre acestea varianta tabelar[ cu baz[ proprie este prezentat[ @n
continuare.
36
Proprietatea 2.5. Dac[ @n tabelul simplex (2.4) exist[ j{1,2,...,n} cu cj-
zj>0 ]i exista t{1,2,...,m} cu atj(0)>0, atunci aleg`nd din coloana lui xj un pivot cu
regula (1.30) care conduce la un nou program de baz[ X1, avem f(X0)f(X1), adic[
programul X1 este mai bun dec`t X0. #n plus, avem
f X 1 f X 0 ( 0) c j z j .
bi( 0)
(2.7)
aij
37
Exemplu rezolvat.
C 6 3 4 4
Cb Variabile Program x1 x2 x3 x4
bazice
6 x1 2 1 0 7/3 1/3
3 x2 4 0 1 -2/3 1/3
Z 24 6 3 12 3
C-Z 0 0 -8 1
38
Cum c4-z4(0)=1>0, programul X0 nu este optim, deci 24 nu este maxf ]i trebuie
continuat cu un pivot din coloana a patra. Deoarece @n aceast[ coloan[ exist[ dou[
numere strict pozitive (posibili pivo\i), pivotul se alege cu regula raportului minim:
2 4
min , min{6,12} 6 .
1/ 3 1/ 3
Dac[ a14(0)=1/3 este pivotul ]i variabila x4 devine principal[ @n locul lui x1. Se ob\ine
noul tabel simplex.
C 6 3 4 4
Cb Variabile Prog. x1 x2 x3 x4
bazice
4 x4 6 3 0 7 1
3 x2 2 -1 1 -3 0
Z 30 9 3 19 4
C-Z -3 0 -15 0
0
Cum C-Z0, noul program de baz[ X 1 2 este optim ]i maxf=30=f(X1).
0
6
Deoarece @n tabelul simplex de optim, pe linia C-Z ]i coloanele secundare
nu avem nici un zero, programul optim este unic. Deci, pentru a se ob\ine beneficiul
total maxim de 30 u.m., trebuie fabricate dou[ unit[\i din al doilea tip de produs ]i 6
unit[\i din produsul de tip 4.
Se observ[ c[ beneficiul unitar cel mai mare (de 6 u.m.) era corespunz[tor
primului produs, totu]i acest produs nu intr[ @n fabrica\ie pentru a ob\ine beneficiul
total maxim, deci este nerentabil. Orice plan de produc\ie cu fabricarea primului
produs duce la ob\inerea unui beneficiu total mai mic de 30 u.m. Este deci
important ca stabilirea planului de produc\ie s[ se fac[ pe baze ]tiin\ifice, nu
intuitiv.
(max) f ( X ) 6 x1 8 x2 6 x3 4 x4
x1 x2 3x3 x4 12
x1 2 x2 x3 4 x4 7
xi 0, i 1,..., 4.
39
bi( 0)
f X1 f X 0
aij( 0)
c j z j . Aceasta arat[ c[, dac[ @n tabelul simplex (2.4) se
alege cu regula raportului minim (1.30) pivotul aij(0)>0 din coloana j av`nd cj-zj=0,
atunci pentru programul X1 ob\inut avem:
f(X1)=f(X0).
#n particular, dac[ programul X0 este de optim (deci maxf=f(X0)) ]i @n
tabelul (2.4) se continu[ pivotarea cu pivotul convenabil ales din coloana secundar[
a lui xj av`nd cj-zj=0, atunci pentru noul program X1 avem:
f(X1)=f(X0)=maxf,
adic[ X1 este tot un program optim al problemei de programare liniar[. Cum
mul\imea programelor optime ale problemei de programare liniar[ este convex[
(Proprietatea 2.1) aplic`nd Proprietatea 1.2 rezult[ c[ orice combina\ie liniar[
convex[ a programelor optime X0 ]i X1 este tot program optim.
Exemplu rezolvat.
Pentru a fabrica 5 tipuri de produse se utilizeaz[ 3 tipuri de resurse.
Consumurile unitare, disponibilul de resurse ]i beneficiile unitare se dau @n tabelul
urm[tor:
Produse prod 1 prod 2 prod 3 prod 4 prod 5 Disponibil
Resurse resurse
Res1 2 4 2 2 2 10
Res2 0 1 1 0 3 2
Res3 0 1 2 1 3 6
Beneficii unitare 2 5 8 7 4
Se cer programele de fabrica\ie cu beneficiu total maxim ]i consum integral al
resurselor.
Solu\ie. Modelul matematic este o problem[ de programare liniar[ standard:
(max) f ( X ) 2 x1 5 x2 8 x3 7 x4 4 x5
2 x1 4 x2 2 x3 2 x4 2 x5 10
x2 x3 3x5 2
x2 2 x3 x4 3x5 6
xi 0, i 1,..., 5.
Rezolv`nd cu varianta tabelar[ a algoritmului simplex avem:
Etapa I
2 4 2 2 2 10 1 2 1 1 1 5
0 1 1 0 3 2 ~ 0 1 1 0 3 2 ~
0 1 2 1 3 6 0 1 2 1 3 6
1 1 1 0 2 1 1 2 0 0 1 1
~ 0 1 1 0 3 2 ~ 0 1 1 0 3 2
0 1 2 1 3 6 0 1 0 1 3 2
S-a ob\inut programul de baz[ cu x1, x3, x4 variabile bazice:
1
0
X 0 2 .
2
0
40
Etapa a IIa
C 2 5 8 7 4
Cb Var. Pr. x1 x2 x3 x4 x5
bazice
2 x1 1 1 2 0 0 1
8 x3 2 0 1 1 0 3
7 x4 2 0 -1 0 1 -3
Z 32 2 5 8 7 5
C-Z 0 0 0 0 -1
Cum C-Z 0, programul X0 este optim ]i beneficiul maxim este z0=f(X0)=32
u.m. Pentru a ob\ine beneficiul maxim trebuie deci fabricate produsele 1,3,4 @n
cantit[\ile 1,2 respectiv 2 unit[\i. Produsele 2 ]i 5, corespunz[toare variabilelor
secundare x2 ]i x5 de la pasul de optim apar ca nerentabile, pentru c[ nu se fabric[ @n
planul optim de produc\ie. Totu]i, nerentabilitatea este de dou[ tipuri: real[ ]i
aparent[. #n cazul nostru, produsul 5 este real nerentabil, @n timp ce produsul al
doilea este aparent nerentabil. Aceasta pentru c[ @n tabelul simplex de optim, pe
linia C-Z ]i coloana secundar[ corespunz[toare lui x2 avem c2-z2=0, ceea ce arat[ c[
programul optim nu este unic ]i continu`nd cu alegerea unui pivot din coloana lui x2
se ob\ine un nou program optim @n care x2 va fi variabil[ principal[, deci produsul al
doilea va fi fabricat cu acelea]i beneficiu maxim de 32 u.m. #ntr-adev[r, pentru a
alege convenabil pivotul din coloana lui x2 calcul[m:
1 2 1
min , , deci pivotul este a12(0)=2. Se ob\ine un nou tabel simplex, tot de
2 1 2
optim:
C 2 5 8 7 4
Cb Var. Pr. x1 x2 x3 x4 x5
bazice
5 x2 1/2
8 x3 3/2
7 x4 5/2
INUTIL
Z 32
0
1/ 2
Programul de baz[ corespunz[tor noului tabel simplex este X 1 3 / 2 ]i acesta
5 / 2
0
este tot optim pentru c[ f(X1)=32=maxf.
#n acest caz se fabric[ produsele de tip 2,3 ]i 4, iar produsul 1 este aparent
nerentabil.
Cum mul\imea programelor optime ale problemei de programare liniar[ este
convex[ (Proprietatea 2.1), rezult[ c[ orice combina\ie liniar[ convex[ a
programelor optime X0 ]i X1 este tot program optim. Deci exist[ o infinitate de
programe optime ce se pot scrie sub forma:
X opt aX 0 (1 a) X1 , cu a [0,1] ,
adic[
1 0 a
0 1/ 2 (1 a ) / 2
X opt a 2 (1 a) 3 / 2 (3 a) / 2 .
2 5 / 2 (5 a) / 2
0 0
0
41
1/ 2
1/ 4
se ob\ine programul optim X 3 7 / 4 @n care se fabric[
1
De exemplu, dac[ a
2 9/ 4
0
toate cele 4 produse rentabile. Nefiind un program de baz[, programul optim X3 nu
va fi furnizat direct de algoritmul simplex.
42
(max) f ( X ) CX
AX B (2.10)
xi 0, i J1
x j 0, j J 2
xk R, k J 3
unde J1UJ 2UJ 3 {1,2,..., n}.
#n acest caz se noteaz[ x j y j , j J 2 , cu y j 0 ]i xk yk1 yk 2 , cu
yk1 , yk 2 0, pentru k J 3 . Rezult[ o p.p.l. cu variabile pozitive, deci @n form[
standard.
Forme nestandard ale problemelor de programare liniar[ pot fi ]i combina\ii
ale cazurilor a, b, c. Pentru a rezolva o p.p.l. @n forma nestandard, aceasta se aduce
de fiecare dat[ la forma standard. De aceea @n continuare ne vom ocupa doar de
rezolvarea problemelor de programare liniar[ @n form[ standard.
Exemplu rezolvat.
Pentru fabricarea a 4 tipuri de produse se folosesc dou[ tipuri de resurse.
Consumurile unitare, disponibilul de resurse ]i beneficiile unitare sunt date de
tabelul urm[tor:
Produse prod 1 prod 2 prod 3 prod 4 Disponibil
Resurse resurse
Res 1 1 2 1 1 10
Res 2 2 1 4 1 8
Beneficii unitare 6 3 4 4
(unit[\i monetare)
Se cere un plan optim (cu beneficiu total maxim) de fabrica\ie, cu eventual[
economie la resurse.
Solu\ie: Deoarece nu se mai cere consumul integral al resurselor, @n sistemul
de restric\ii apar acum inecua\ii care arat[ c[ consumul fiec[rei resurse este mai mic
sau egal dec`t disponibilul la aceea resurs[. Deci modelul matematic @n acest caz
este urm[torul:
(max) f ( X ) 6 x1 3x2 4 x3 4 x4
x1 2 x2 x3 x4 10
2 x1 x2 4 x3 x4 8
xi 0, i 1,2,3,4.
(max) f ( X ) 6 x1 3x2 4 x3 4 x4
x1 2 x2 x3 x4 y1 10
2 x1 x2 4 x3 x4 y2 8
xi 0, i 1,2,3,4,
y j 0, j 1,2.
Pentru a rezolva cu varianta tabelar[ a algoritmului simplex, se observ[ ca
parcurgerea etapei I nu mai este necesar[, pentru c[ sistemul este deja rezolvat @n
43
raport cu necunoscutele principale y1,2. #ntr-adev[r, matricea extins[ a sistemului
este:
1 2 1 1 1 0 10
2 1 4 1 0 1 8
0
0
X
]i un program de baz[ nedegenerat este 0 0 .
Y0 0
10
8
Etapa a IIa. Tabelul simplex corespunz[tor programului 0 este:
X
Y0
C 6 3 4 4 0 0
cb Variabile Prog x1 x2 x3 x4 y1 y2
bazice
0 y1 10 1 2 1 1 1 0
0 y2 8 2 1 4 1 0 1
Z 0 0 0 0 0 0 0
C-Z 6 3 4 4 0 0
Cum pe linia C-Z exist[ numere pozitive, programul ini\ial nu este optim. Pentru a
fixa coloana pivotului, alegem:
max {6,3,4,4}=6,
deci pivotul trebuie ales din coloana lui x1. Cum aici exist[ dou[ numere strict
pozitive, pivotul se alege cu regula:
10 8
min , 4.
1 2
Deci pivotul este a21(0)=2 ]i variabila x1 devine principal[ @n locul lui y2. Noul tabel
simplex ob\inut este:
C 6 3 4 4 0 0
Cb Variabile Pr. x1 x2 x3 x4 y1 y2
bazice
0 y1 6 0 3 -1 1 1 1
-
2 2 2
6 x1 4 1 1 2 1 0 1
2 2 2
Z 24 6 3 12 3 0 3
C-Z 0 0 -8 1 0 -3
4
0
X1 0
Deoarece pe linia C-Z exist[ num[rul 1>0, noul program 0 nu este optim
Y1
6
0
]i se continu[ cu un pivot din coloana lui y1.
6 4 (1) 1
Cum min , 8 se alege a24 = pivot ]i se ob\ine:
1/ 2 1/ 2 2
44
C 6 3 4 4 0 0
Cb Var. Pr. x1 x2 x3 x4 y1 y2
bazice
0 y1 2 -1 1 -3 0 1 -1
4 x4 8 2 1 4 1 0 1
Z 32 8 4 16 4 0 4
C-Z -2 -1 -12 0 0 -4
0
0
X 2 0
Acum C-Z0, deci este program optim al problemei standard ]i
Y2 8
2
0
maxf=32=f(X2). Acest program este singurul program optim pentru c[ pe linia C-Z
@n tabelul de optim nu exist[ zerouri pe coloanele necunoscutelor secundare.
0
Pentru problema nestandard, X 2 0 este program optim unic, deci pentru a
0
8
ob\ine beneficiul maxim de 32 u.m., trebuie fabricate 8 unit[\i din produsul de tip 4.
Observa\ie. Faptul c[ @n programul optim al problemei de programare liniar[
standard a r[mas variabila auxiliar[ y1=2>0 arat[ c[ se poate face o economie de 2
unit[\i la resursa num[rul 1. #ntr-adev[r, fabric`nd 8 unit[\i din produsul 4, se
consum[ c`te 8 unit[\i din fiecare resurs[, iar disponibilul la prima resurs[ este de
10 unit[\i. Se mai observ[ c[ beneficiul maxim @n acest caz (de 32 u.m.) este mai
mare dec`t beneficiul maxim @n cazul @n care resursele se consum[ integral (de 30
u.m.).
urm[tor:
45
Rezumatul unităţii de studiu
46
Unitatea de învăţare nr. 3
DUALITATE. REOPTIMIZARI
Cuprins
Obiective
3.1. Dualitate în programarea liniar[. Algoritmul simplex dual
3.2 Reoptimizări
Bibliografie
Obiective
După studiul aceste unităţi, vei putea să
47
Problemele (3.1) ]i (3. 2) se numesc duale simetrice.
f ( X ) g (Y ). (3.3)
Teorema 3.1 Pentru dou[ probleme duale simetrice (3. 1), (3. 2) exist[ una din
urm[toarele situa\ii:
a) ambele probleme nu au programe;
b) una din probleme are optimul infinit, caz în care duala sa nu are programe;
c) ambele probleme au optime finite, caz în care avem max f min g .
48
Pa]ii algoritmului simplex dual sunt urm[torii:
1. Dac[ în tabelul simplex (2.7) corespunz[tor solu\iei dual admisibile X 0 exist[
bt( 0) 0 ]i atj( 0) 0, j 1,..., n , atunci problema nu are programe. Dac[ în tabelul
simplex (2.7) pentru orice bt( 0) 0 exist[ atj( 0) 0, atunci se trece la pasul 2.
2. Se calculeaz[
bi(0) min bt(0) 0 ; (3.4)
cj zj c z
(0)
min s ( 0) s , ais( 0) 0. (3.5)
aij ais
Se alege pivotul aij( 0) 0 ]i se actualizeaz[ tabelul simplex. Vom avea bi(1) 0 .
Exemplu rezolvat.
Alimentele A1 ]i A2 au un con\inut (la suta de grame) în miligrame din
vitaminele A, B, C date @n tabelul de mai jos. În plus, în tabel se dau costul a 100 de
grame din fiecare aliment ]i necesarul minim din cele trei tipuri de vitamine pe care
trebuie s[ îl con\in[ un meniu. S[ se g[seasc[ ce cantit[\i din cele dou[ alimente
trebuie s[ con\in[ un meniu care s[ acopere necesarul minim de vitamine ]i s[ coste
cel mai pu\in posibil.
A1 A2 Necesar
minim[mg]
Vitamina A 2 1 5
Vitamina B 1 1 4
Vitamina C 1 2 2
Cost unitar [u.m.] 4 3
49
(max) f ( X ) 5 x1 4 x2 2 x3
2 x1 x2 x3 4
x1 x2 2 x3 3
x1 , x2 , x3 0.
Etapa a II-a.
C 5 4 2 0 0
Cb Var. Prog. x1 x2 x3 t1 t2
bazice
5 t1 4 2 1 1 1 0
0 t2 3 1 1 2 0 1
Z 0 0 0 0 0 0
C-Z 5 4 2 0 0
4 3
max5,4,2 5, min , 2 , deci se continu[ cu pivotul a11( 0) 2.
2 1
C 5 4 2 0 0
Cb Var. Prog. x1 x2 x3 t1 t2
bazice
5 x1 2 1 1/2 1/2 1/2 0
0 t2 1 0 1/2 3/2 -1/2 1
Z 5/2 5 5/2 5/2 5/2 0
C-Z 0 3/2 -1/2 -5/2 0
2 1
2 , deci se continu[ cu pivotul a22 1 / 2.
(1)
min ;
1/ 2 1/ 2
C 5 4 2 0 0
Cb Var. Prog. x1 x2 x3 t1 t2
bazice
5 x1 1 1 0 -1 1 -1
4 x2 2 0 1 3 -1 2
Z 13 5 4 7 1 3
C-Z 0 0 -5 -1 -3
50
1
C Z 0 , deci X 2 este programul optim al problemei de tip (3.1) ]i
0
max f 13 .
Conform teoriei dualita\ii, programul optim al dualei de tip (3.2) este
Y 1 ]i min g max f 13. Deci pentru a ob\ine necesarul minim de vitamine
3
dorit, meniul trebuie s[ cuprind[ 100g din alimentul A1 si 300g din A2, iar costul
s[u este minim ]i anume 13 u.m.
Se observ[ c[ variabilele bazice la pasul de optim sunt x1 ]i x2 , deci
2 1
matricea bazic[ este M . Aceasta apare @n primul tabel simplex, pe
1 1
coloanele lui x1 ]i x2. Cum pe coloanele variabilelor de compensare t1 ]i t2 apare
matricea unitate E2 , iar @n ultimul tabel simplex @n locul matricei M apare E2 ,
1 1
rezult[ c[ M 1 ]i aceasta apare în ultimul tabel pe coloanele lui t1 ]i t2.
1 2
Avem Cb M 1 (5 4) 1 1 1 3 , adic[ s-a ob\inut programul optim al
1 2
dualei pe linia Z ]i coloanele lui t1 ]i t2 @n tabelul de optim.
3.2. Reoptimizări
Fie problema de programare liniar[ standard (2.1). Vom face asupra acestei
probleme modificări, de unul din tipurile următoare:
a) schimbarea coeficien\ilor funcţiei f;
b) schimbarea termenilor liberi ai sistemului de restricţii;
c) schimbarea unei coloane din matricea sistemului de restricţii;
d) adăugarea unor noi variabile.
Desigur, în fiecare caz rezultă o problemă nouă, care poate fi rezolvată cu
una din variantele algoritmului simplex, de exemplu cu varianta tabelară.Totuşi,
tabelul de optim al problemei noi are multe părţi comune cu tabelul de optim al
problemei initiale. De aceea, pentru economie de timp, noua problemă nu va fi
rezolvată parcurgând toate etapele algoritmului, ci pornind de la tabelul simplex de
optim al problemei date, în care vom face doar modificările necesare fiecărui caz.
Aceste modificări sunt discutate în continuare şi sunt exemplificate luând
urm[toarea problemă iniţială.
51
Se cere un plan optim (cu beneficiu total maxim) de fabrica\ie cu consumul integral
al resurselor.
Modelul matematic este
C 6 3 4 4
cb Variabile Prog. x1 x2 x3 x4
bazice
4 x4 6 3 0 7 1
3 x2 2 -1 1 -3 0
Z 30 9 3 19 4
C-Z -3 0 -15 0
0
Deci programul optim este X0 = 2 şi max f = 30.
0
6
Exemplu rezolvat.
Pentru problema de programare liniar[ (3.6), produsele 1 şi 3 sunt real
nerentabile. Să se determine cât ar trebui să fie beneficiul unitar adus de produsul
1, astfel încât acest produs să devină şi el rentabil cu aceleaşi beneficiu maxim de
30 u.m. Care este mulţimea programelor optime în acest caz ?
Soluţie. Deoarece coficienţii Cb=(c4 ,c2) rămân neschimbaţi, linia Z nu se
modifică. Trebuie modificat doar coeficientul c1=6 @n c1 astfel încât c1 -z1=0. Deci
c1 = 9. Noua problema este:
52
iar rezolvarea ei @ncepe cu tabelul simplex de optim al problemei ini\iale, modificat
de forma urm[toare:
C 9 3 4 4
Cb Variabile Prog. x1 x2 x3 x4
bazice
4 x4 6 3 0 7 1
3 x2 2 -1 1 -3 0
Z 30 9 3 19 4
C-Z 0 0 -15 0
0
Deci X0 = 2 nu este singurul program optim şi un al doilea program optim
0
6
de baz[ se obţine alegând pivotul a11( 0) 3 din coloana lui x1. Se obţine:
C 9 3 4 4
Cb Variabile Prog. x1 x2 x3 x4
bazice
9 x1 2 1 0 7/3 1/3
3 x2 4 0 1 -2/3 1/3
Z 30 9 3 19 4
C-Z 0 0 -15 0
2
Deci X1 = 4 este tot program optim şi arată că primul produs a devenit
0
0
rentabil. Mulţimea tuturor programelor optime este:
0 2 2 2a
2
X opt = a X0 + (1-a) X1 = a + (1-a) 4 = 4 2a , cu a [0 ,1].
0 0 0
6 0 6a
Observaţie. Pentru ca şi produsul al treilea să devină rentabil cu acelaşi
53
Dacă elementele noii coloane a programelor sunt pozitive, atunci noul
program optim este X = M B şi maxf = z 0.
1
0
Dacă M-1 B conţine şi elemente strict negative, atunci avem o soluţie dual
admisibilă şi se continuă în tabelul simplex modificat cu aplicarea algoritmului
simplex dual.
Exemplu rezolvat.
Pentru problema de programare liniar[ (3.6) presupunem că disponibilul la
10 10
resursa a doua a crescut cu 4 unităţi, deci B = a devenit B = .
8 12
1 2 10 14
Avem M-1 B = . = , deci tabelul simplex modificat este:
1 1 12 2
C 6 3 4 4
Cb Variabile Prog. x1 x2 x3 x4
bazice
4 x4 14 3 0 7 1
3 x2 -2 -1 1 -3 0
Z 50 9 3 19 4
C-Z -3 0 -15 0
0
Cum X0 = 2 este soluţie duală admisibilă, se continuă cu algoritmul simplex
0
14
dual. Deci se alege un pivot strict negativ de pe linia lui x2 =-2 <0, cu regula: min
3 15
, = 3. Cu pivotul (-1) se obţine tabelul:
1 3
C 6 3 4 4
Cb Variabile Prog. x1 x2 x3 x4
bazice
4 x4 8 0 3 -2 1
6 x1 2 1 -1 3 0
Z 44 6 6 10 4
C-Z 0 -3 -6 0
2
Deci programul optim al noii probleme este X = 0 şi max f =44.
0
8
54
a1 j ( 0 ) a1 j ( 0 )
coloana =M-1Pj se transformă în =M-1 P j. În plus, se schimbă zj şi
amj amj
(0) (0)
cj – zj în z j şi cj - z j , restul elementelor rămânând neschimbate.
Dacă cj - z j 0, atunci programul optim iniţial este optim şi pentru noua
problemă.
Dacă cj - z j > 0, atunci programul optim iniţial nu este optim pentru noua
problemă şi se continuă cu alegerea unui pivot din coloana Pj.
c2) Dacă Pj corespunde unei variabile principale, atunci se modifică şi matricea
bazică M, deci se schimbă întreg tabelul simplex al problemei iniţiale.
Exemplu rezolvat.
Pentru problema de programare liniar[ (3.6), presupunem că datorită unei
retehnologizări, scade consumul la resursa a doua pentru primul produs de la două
unităţi la o unitate. Noua problemă este:
(max) f(X) = 6x1+3x2+4x3+4x4
x1+2x2+ x3+ x4=10
x1+ x2+4x3+ x4=8
x i 0, i = 1,…,4.
S[ se rezolve folosind reoptimiz[rile.
1 1
Solu\ie. Coloana P1= s-a schimbat în P1 = . Cum această coloană nu
2 1
1 2
intervine în matricea bazică M=M(4,2)= , în tabelul simplex de optim al
1 1
1 2 1 1
problemei iniţiale coloana lui x1 se înlocuieşte cu M-1 P1 = =
1 1 1 0
Se obţine noul tabel simplex :
C 6 3 4 4
Cb Variabile Prog. x1 x2 x3 x4
bazice
4 x4 6 1 0 7 1
3 x2 2 0 1 -3 0
Z 30 4 3 19 4
C-Z 2 0 -15 0
Deci vechiul program nu mai este optim pentru noua problemă şi continuând cu
pivotul 1 din coloana lui x1 avem:
C 6 3 4 4
Cb Variabile Prog. x1 x2 x3 x4
bazice
6 x1 6 1 0 7 1
3 x2 2 0 1 -3 0
Z 42 6 3 33 6
C-Z 0 0 -29 -2
55
6
Deci noul program optim este X = 2 şi maxf=42.
0
0
Exemplu rezolvat.
Pentru problema de programare liniar[ (3.6), presupunem că se încearcă
introducerea în fabricaţie a două noi produse, astfel că noua problemă obţinută este:
56
~ 3 2
şi X = 5 . Matricea bazică de la pasul
~ ~ x
Solu\ie. Avem C = (5,10) , A =
1 3 x6
1 2
de optim în problema iniţială este M = M(4,2) = şi avem
1 1
~ 1 2 3 2 1 4
M-1 A = = . Deci tabelul simplex cu care se porneşte
1 1 1 3 2 1
rezolvarea noii probleme este:
C 6 3 4 4 5 10
Cb Variabile Prog. x1 x2 x3 x4 x5 x6
bazice
4 x4 6 3 0 7 1 -1 4
3 x2 2 -1 1 -3 0 2 -1
Z 30 9 3 19 4 2 13
C-Z -3 0 -15 0 3 -3
Cum programul iniţial nu mai este optim pentru noua problemă, se continuă cu
pviotul 2 din coloana lui x5.
C 6 3 4 4 5 10
Cb Variabile Prog. x1 x2 x3 x4 x5 x6
bazice
4 x4 7 5/2 1/2 -11/2 0 1 7/2
5 x5 1 -1/2 1/2 -3/2 1 0 -1/2
Z 33 15/2 9/2 29/2 5 4 23/2
C-Z -3/2 -3/2 -21/2 0 0 -3/2
0
0
Deci programul optim pentru noua problemă este X 0 = 70 şi max f =33 u.m.
1
0
1). Dac[ resursele trebuie consumate integral, sa se determine planul optim de productie (cu
beneficiu total maxim)
2). Cat ar trebui sa fie beneficiul unitar adus de produsul 3 pentru ca el s[ fie rentabil, cu
acela]i beneficiu maxim g[sit anterior? Sa se scrie totalitatea programelor optime in acest
caz.
57
3). Datorit[ unei retehnologiz[ri, scade consumul la resursa 1 pentru produsul 3, de la 3 la
1. Se cere un plan de produc\ie optim cu eventual[ economie la resurse.
Dou[ probleme de programarea liniar[ sunt duale simetrice dac[ una este de maxim, cu
restric\iile sistem de inecua\ii liniare, toate cu , cealalt[ este de minim, cu restric\iile inecua\ii
liniare, toate cu , termenii liberi din sistemul de restric\ii ai uneia sunt coeficien\i ai func\iei
de optimizat @n cealalt[, iar dac[ A este matricea sistemului de restric\ii al uneia din probleme,
atunci transpusa lui A este matricea sistemului celeilalte. #n cazul a dou[ probleme duale
simetrice, este suficient s[ fie rezolvat[ una din ele. Solu\ia dualei se cite]te din tabelul de optim
al problemei ini\iale, pe linia z ]i coloanele variabilelor de compensare.
Dac[ avem o problem[ de programare liniar[ rezolvat[, asupra ei se pot face diverse
schimb[ri, cum ar fi: schimbarea coeficienţilor funcţiei de optimizat, schimbarea termenilor
liberi ai sistemului de restric\ii, schimbarea unei coloane din matricea sistemului de restricţii,
adăugarea unor noi variabile. Solu\iile optime ale noilor probleme se determin[ cel mai rapid
folosind reoptimizările.
Bibliografie
6. Roc]oreanu C. - Program[ri liniare ]i elemente de teoria grafurilor, Ed.
Universitaria, Craiova, 2002.
7. Roc]oreanu C. - Matematici aplicate, Ed. Sitech, Craiova, 2005.
8. Purcaru I. - Matematici generale ]i elemente de optimizare: teorie ]i
aplica\ii, Ed. Economic[, Bucure]ti, 2004.
9. Cenu][ Gh. & co. - Matematici pentru economi]ti, CISON, Bucure]ti,
2000.
10. Popescu, O. & co. - Matematici aplicate @n economie. Culegere de
probleme, E.D.P., Bucure]ti, 1996.
11. Popescu L. - Matematici aplicate @n economie, Ed. Sitech, Craiova, 2007.
58
Unitatea de învăţare nr. 4
Cuprins
Obiective
4.1 Probleme de tip transport echilibrate
4.2Probleme de tip transport neechilibrate
4.3Probleme de alocare. Algoritmul ungar
Bibliografie
Obiective
După studiul aceste unităţi, vei putea să:
Beneficiari
B1 ... Bj ... Bn Disponibil
Furnizori
F1 c11 ... c1 j ... c1n D1
Fi ci1 ... cij ... cin Di (4.1)
Fm cm1 ... cmj ... cmn Dm
Necesar N1 ... N j ... N n
59
Ne propunem s[ determin[m cum trebuie realizat transportul m[rfii astfel
@nc`t costul total de transport s[ fie minim.
Defini\ia 4.1 Dac[ disponibilul total de marf[ al celor m furnizori este egal cu
necesarul total de marf[ al celor n beneficiari adic[ avem:
m n
Di N j (4.2)
i 1 j 1
60
Se observ[ c[ modelul (4.7) al problemelor de tip transport este un model de
programare liniar[, deci ar putea fi rezolvat cu una din variantele algoritmului
simplex. #ntr-adev[r, func\ia f este liniar[, variantele xij sunt pozitive, iar sistemul
de restric\ii este un sistem de n+m ecua\ii liniare cu mn necunoscute. Datorit[
condi\iei de echilibru, cel pu\in una din ecua\ii este secundar[, deci rangul
sistemului este mai mic sau egal cu n+m-1.
Totu]i, problema (4.7) este un caz particular de problem[ de programare
liniar[, pentru c[ coeficien\ii necunoscutelor xij @n sistemul de restric\ii sunt to\i
egali cu 0 sau cu 1. Matricea sistemului de restric\ii este urm[toarea:
1...1 0...0 ..... 0...0 D1
0...0 1...1 ..... 0...0 D
2
61
av`nd ca necunoscute variabilele duale (reale) u1,...,um, v1,...,vn. Sistemul (4.10) are
at`tea ecua\ii c`te componente xij>0 exist[ @n programul de baz[ X0.
a) Atunci c`nd X0 este program de baz[ nedegenerat ]i rangul este m+n-1,
sistemul (4.10) are m+n-1 ecua\ii ]i m+n necunoscute. Pentru a ob\ine solu\ie
unic[, se consider[ u1=0.
b) Atunci c`nd X0 este program degenerat, chiar lu`nd u1=0, num[rul ecua\iilor din
(4.10) este mai mic dec`t num[rul necunoscutelor (care au r[mas m+n-1), ceea
ce nu permite determinarea @n mod unic a variabilelor problemei duale.
De aceea, @n acest caz, se scriu ecua\ii de forma ui+vj=cij ]i pentru perechi
de indici (i,j) av`nd xij=0, ]i anume pentru acei indici cu cele mai mici valori ale
costurilor cij. Se scriu at`tea ecua\ii suplimentare c`te sunt necesare pentru
determinarea unic[ a variabilelor duale (una, dac[ X0 este program simplu
degenerat, dou[ dac[ este dublu degenerat, etc.). Valorile zero ale variabilelor xij
alese se numesc zerouri esen\iale, iar procedeul expus @n cazul b) se nume]te
metoda zerourilor esen\iale pentru dep[]irea degener[rii.
Pasul 2.
Pentru (i,j) cu xij=0 (neesen\ial) se calculeaz[ cantit[\ile
zij ui v j
(4.11)
ij zij cij
a) Dac[ ij 0, rezult[ c[ X0 este program optim.
b) Dac[ exist[ diferen\e Δij>0, atunci programul X0 nu este optim. Putem
presupune c[ Δij este cea mai mare diferen\[ pozitiv[, adic[
ij max st 0, cu xst 0 (4.12)
Atunci xij trebuie s[ devin[ variabil[ principal[, deci xij=θ>0. Modific`nd ]i alte
componente ale programului X0 astfel @nc`t sumele de pe linii ]i pe coloane s[
r[m`n[ constante (egale de disponibilele ]i necesarele) se ob\ine forma noului
program X1. Valoarea θ se determin[ astfel @nc`t X1 s[ fie tot un program de baz[.
Cu noul program de baz[ X1 se reia etapa a-II-a.
#n practic[, metoda poten\ialelor se aplic[ sub form[ tabelar[. Astfel, al[turi
de programul X0 se traseaz[ un tabel pentru calculul variabilelor duale ui ]i vj, @n
care se ha]ureaz[ c[su\ele av`nd xij>0, pe ha]ur[ scriindu-se costul corespunz[tor
cij. Astfel, fiecare c[su\[ ha]urat[ corespunde unei ecua\ii (4.10). Dup[
determinarea variabilelor ui ]i vj, @n c[su\ele neha]urate (av`nd xij=0) se calculeaz[
at`t zij (@n partea de sus) c`t ]i Δij (@n partea de jos) cu formulele (4.11).
62
Exemplu rezolvat.
Trei furnizori @]i transport[ marfa c[tre 4 bneficiari, cu datele din tabelul
urm[tor:
unde sumele pe linii ]i pe coloane au fost trecute pe margine. Prin metoda costului
minim, acesta se ob\ine astfel: se alege cel mai mic cost unitar (2). Deoarece acesta
apare at`t pe pozi\ia (2,1), c`t ]i pe pozi\ia (1,4), se poate @ncepe fie cu x21, fie cu
x14. De exemplu, consider[m x21=minD2, N1=min20, 25=20. Deci restul
elementelor liniei 2 sunt 0, iar suma elementelor ce mai trebuie puse pe coloana 1
este 25-20=5. Se continu[ cu matricea:
30
X0= 20 0 0 0
50
5 15 20 40
Cel mai mic cost corespunz[tor c[su\elor r[mase libere fiind c14=2, se
continu[ cu alegerea lui x14:
x14=min D1, N4= min 30, 40=30.
63
Se completeaz[ linia 1 cu zerouri, iar pe coloana 4 mai trebuie a]ezat
elementul 10. Se continu[ deci cu matricea:
0 0 0 30
X0= 20 0 0 0
50
5 15 20 10
Cel mai mic cost pentru c[su\ele r[mase libere este c31=3, deci x31= minD3,
N1=min 50, 5=5 ]i suma celorlalte elemente ce se a]eaz[ @n linia 3 este 50-5=45.
S-a ob\inut:
0 0 0 30
X0= 20 0 0 0
5 45
15 20 10
0 0 0 30
X0= 20 0 0 0
5 15 20 10
5 15 20 10 U3=4 3 4 7 6
64
Cum u1 =0, solu\ia este imediat[: v4=2, u3 =4, v3 =3, v2 =0,
v1=-1, u2 =3.
Deoarece Δ24=1>0, la pasul 2 suntem @n cazul b) deci programul X0 nu este
optim ]i trebuie modificat astfel @nc`t x24 s[ devin[ variabil[ principal[, la valoarea
θ>0. Cum @n noul program X1 sumele pe linii ]i pe coloane trebuie s[ fie egale cu
disponibilele ]i necesarele, acesta trebuie s[ fie de forma:
0 0 0 30
X 1 20 0 0
5 15 20 10
Cum X1 trebuie s[ fie program de baz[, num[rul componentelor strict
pozitive ale sale este maxim 6, deci 20-=0 sau 10-=0 (pentru c[ >0, deci ]i
5+=0 ). Deci am putea avea =20 sau =10. Dac[ =20 10-=-10, deci X1 nu este
program. Deci =10 ]i se ob\ine noul program de baz[ nedegenerat X1, cu care se
reia metoda poten\ialelor pentru a-i verific[ optimalitatea:
65
Deoarece exist[ dou[ programe optime de baz[, orice combina\ie liniar[
convex[ a lor este tot program optim, adic[ avem:
X opt aX1 (1 a) X 2 , a 0,1
0 0 0 30 .
X opt 10a 0 10(1 a ) 10
25 10a 15 10 10a 0
Exemplu rezolvat.
Fie problema de transport cu 3 furnizori ]i 3 beneficiari, av`nd datele din
tabelul urm[tor:
0 15 0
X0= 20 20 0
0 0 50
66
z31=-1 z32=2
0 0 50 U3=-7 2
Δ31=-6 Δ32=-5
B1 B2 B3 Disponibil
F1 7 1 6 34
F2 1 8 1 28
F3 6 2 2 38
Necesar 47 21 32
c[rui necesar Nn+1 este diferen\a dintre disponibilul total ]i necesarul total, adic[:
m n
N n 1 Di N j (4.13)
i 1 j 1
disponibil Dm+1 este diferen\a dintre necesarul total ]i disponibilul total, adic[ avem:
n m
Dm 1 N j Di (4.14)
j 1 i 1
Exemplu rezolvat.
67
Pentru o problem[ de transport cu 3 furnizori ]i doi beneficiari, avem datele
Solu\ie. Se observ[ c[ disponibilul total este 200 ]i este mai mare dec`t
necesarul total, de 165, deci problema este neechilibrat[ (cazul1). Se transfer[
problema @n una echilibrat[, prin ad[ugarea beneficiarului fictiv B3:
Prin metoda costului minim se ob\ine un program de baz[ nedegenerat X0, apoi se
aplic[ metoda poten\ialelor:
#n continuare avem:
68
X1 V1=5 v2=3 v3=0
5
0 40 30 U1=0 3 0
-1
3
75 0 5 U2=0 5 0
-4
6 1
0 50 0 U3=1 4
0 1
0 40 30
X 2 75 0 5 ,
0 50
iar min30,50 30 .
Cum ij<0, X2 este optim unic al problemei echilibrate. Beneficiarul B3 fiind fictiv,
rezult[ c[ programul optim al problemei neechilibrate este:
0 70
X 2| 75 0
0 20
]i avem min f f ( X 2/ ) f ( X 2 ) 665u.m.
Desigur, beneficiarii ]i-au asigurat necesarul, dar furnizorul F2 a r[mas cu surplus
de 5 t, iar furnizorul F3 a r[mas cu 30 t.
Pentru o problem[ de transport cu doi furnizori ]i 3 beneficiari, avem datele din tabelul
urm[tor:
69
Se cere programul optim de transport.
B1 ... B j ... Bn
F1 a11 ... a1 j ... a1n
. ... ... ... ... ...
(4.15)
Fi ai 1 ... aij ... ain
. ... ... ... ... ...
Fn an1 ... a nj ... a nn
i 1 j 1
70
Pasul 1. Dac[ exist[ cel pu\in un zerou pe fiecare coloan[ din matricea A,
atunci se trece la Pasul 2. Dac[ exist[ coloane f[r[ nici un element nul, atunci din
fiecare astfel de coloan[ se scade cel mai mic element al s[u, form`ndu-se astfel cel
pu\in un zerou. Se trece apoi la Pasul 2.
Pasul 2. Dac[ pe fiecare linie exist[ cel pu\in un element nul, atunci se trece
la Pasul 3. Dac[ nu, atunci din fiecare linie care nu con\ine zerouri se scade cel mai
mic element al s[u, apoi se trece la Pasul 3.
Pasul 3. Se alege un element nul de pe linia cu cel mai mic num[r de zerouri
]i se încadreaz[ (de forma 0), apoi se taie restul zerourilor de pe linia ]i coloana
celui încadrat (de forma Ø). Se continu[ procedeul p`n[ nu se mai poate încadra nici
un zerou.
Dac[ exist[ 0 pe fiecare linie, atunci s-a ob\inut o solu\ie optim[, zerourile
încadrate ar[t`nd cum se realizeaz[ alocarea optim[. STOP.
Dac[ exist[ linii f[r[ zerouri încadrate, se trece la Pasul 4.
Pasul 4. Se marcheaz[ liniile matricei A care nu con\in 0. Pe fiecare linie
marcat[ se caut[ Ø ]i se marcheaz[ coloanele acestora. Pe fiecare coloan[ marcat[
se caut[ 0 ]i se marcheaz[ liniile corespunz[toare. Se continu[ procedeul p`n[ nu se
mai pot marca linii ]i coloane noi, apoi se trece la Pasul 5.
Pasul 5. Din matricea ob\inut[ elimin`nd liniile nemarcate ]i coloanele
marcate se scade cel mai mic element al s[u, iar acest element se adun[ la
elementele de pe liniile nemarcate, aflate pe coloanele marcate. Restul elementelor
matricei A r[m`n neschimbate. Cu noua matrice se reia algoritmul de la Pasul 3.
Observa\ii:
1). Este posibil ca problema de alocare s[ admit[ mai multe solu\ii optime.
Acestea se ob\in aleg`nd pentru încadrare diferite zerouri la Pasul 3.
2). Dac[ nu se dore]te realizarea perechii (Fi, Bj), de exemplu fondul Fi nu
trebuie alocat beneficiarului Bj, atunci se alege aij foarte mare, (mai mare dec`t
toate elementele din tabelul (4. 19)). Uneori se lucreaz[ cu simbolul .
Exemplu rezolvat.
Fondurile b[ne]ti F1, F2, F3, ]i F4 trebuie repartizate beneficiarilor B1, B2, B3 ]i B4, c`te un
fond fiec[rui beneficiar. În tabelul urm[tor se dau riscurile corespunz[toare, m[surate pe o scar[ de la
1 la 10.
B1 B2 B3 B4
F1 3 6 4 5
F2 7 3 2 5
F3 4 3 8 2
F4 5 8 7 6
71
Ne propunem s[ determin[m posibilit[\ile optime de alocare (cu risc total
minim).
Solu\ie. Aplic`nd algoritmul ungar avem:
Pasul 1. Din coloanele 1, 2, 3 ]i 4 se scad elementele 3, 3, 2, respectiv 2. Se
ob\ine matricea:
0 3 2 3
4 0 0 3
A1
1 0 6 0
2 5 5 4
Pasul 2. Sc[z`nd din ultima linie elementul 2, se ob\ine matricea:
0 3 2 3
4 0 0 3
A2
1 0 6 0
0 3 3 2
Pasul 3. Cel mai mic num[r de zerouri ( 1 ) este at`t pe linia 1 c`t ]i pe linia 4.
Se alege, de exemplu, zeroul din linia 1 ]i se încadreaz[, apoi se taie zeroul din
coloana 1. În continuare r[m`n c`te dou[ zerouri at`t pe linia 2 c`t ]i pe linia 3. Se
alege pentru încadrare, de exemplu, zeroul de pe pozi\ia (2,2) ]i se taie cele de pe
pozi\iile (2,3) ]i (3,2). În final se încadreaz[ zeroul r[mas pe pozi\ia (3,4). Se ob\ine
matricea A2 de forma:
*
0 3 2 3
A2 4 0 3
1 6 0
3 3 2
Cum nu exist[ 0 pe fiecare linie, nu s-a ob\inut alocarea optim[ ]i se continu[.
Pasul 4. Se marcheaz[ linia 4 din A2, apoi coloana 1 ]i linia 1.
Pasul 5. Elimin`nd din A2 liniile 2 ]i 3 ]i coloana 1, r[m`ne matricea
3 2 3
A2
3 3 2
al c[rei cel mai mic element este 2. Acesta se scade din elementele matricei A2 ]i se
adun[ la elementele de pe pozi\iile (2,1) ]i (3,1) din matricea A2.
Se ob\ine matricea:
0 1 0 1
A3 6 0 0 3
3 0 6 0
0 1 1 0
cu care se reia Pasul 3.
Deoarece pe fiecare linie exist[ dou[ zerouri, se poate începe cu încadrarea
oric[rui zerou.
Dac[ se începe cu încadrarea elementului de pe pozi\ia (1,1) din A3, se ob\ine:
72
0 1 1
6 0 3
3 0 6
1 1 0
Exist[ probleme de tip alocare al c[ror model matematic este de forma (4.22),
dar cu cerin\a (max)f în loc de (min)f. O astfel de problem[ se poate rezolva cu
algoritmul ungar, dup[ ce în prealabil se transform[ în problem[ de minim sc[z`nd
toate elementele matricei A din cel mai mare element al s[u.
Universitati U1 U 2 U 3 U 4 U5
studenti
S1 9 10 7 7 8
S2 10 8 9 8 9
S3 9 10 9 9 10
S4 8 9 10 7 10
S5 9 9 10 10 10
Cum trebuie repartiza\i studen\ii în mod optim (cu suma notelor
corespunz[toare maxim[ ) la cele 5 universit[\i?
73
Rezumatul unităţii de studiu
Bibliografie
12. Roc]oreanu C. - Program[ri liniare ]i elemente de teoria grafurilor, Ed.
Universitaria, Craiova, 2002.
13. Roc]oreanu C. - Matematici aplicate, Ed. Sitech, Craiova, 2005.
14. Cenu][ Gh. & co. - Matematici pentru economi]ti, CISON, Bucure]ti,
2000.
15. Popescu, O. & co. - Matematici aplicate @n economie. Culegere de
probleme, E.D.P., Bucure]ti, 1996.
16. Purcaru I. - Matematici generale ]i elemente de optimizare: teorie ]i
aplica\ii, Ed. Economic[, Bucure]ti, 2004.
17. Popescu L. - Matematici aplicate @n economie, Ed. Sitech, Craiova, 2007.
74
Unitatea de învăţare 5
SPA|II LINIARE. FORME P{TRATICE
Cuprins
Obiective
5.1 Spa\ii liniare
5.2 Forme p[tratice. Forma canonic[ a unei forme p[tratice
5.3 Metoda lui Gauss pentru determinarea formei canonice a
unei forme p[tratice
5.4 Metoda lui Jacobi pentru determinarea formei canonice a unei forme
p[tratice
5.5 Clasificarea formelor p[tratice
Bibliografie
Timpul alocat temei: 4 ore
Obiectivele capitolului 5
Dup[ studiul capitolului 5 studentii vor avea cunostin\e pentru
5. 1. Spatii liniare
75
x1
.
Exemplul 5.1. Fie L R n x . , xi R , i 1, n .
.
xn
Defini\ia 5.4. Vectorii v1, ... ,vn se numesc liniar independen\i dac[
n
oricare ar fi scalarii 1, ... ,n K astfel @nc`t i vi 0 i = 0, i 1, n .
i 1
Vectorii v1, ... , vn se numesc liniar dependen\i dac[ nu sunt liniar
independen\i. #n acest caz exist[ scalarii 1, ... , n K, nu to\i nuli, astfel @nc`t
n
i vi 0 .
i 1
76
Defini\ia 5.5. Fie L un spa\iu vectorial ]i B L o submul\ime a lui L.
Mul\imea B se nume]te baz[ @n L dac[
1) B este format[ din vectori liniar independen\i
2) B este sistem de generatori pentru spa\iul L.
Exemplul 5.2
Fie spa\iul vectorial L = Rn ]i vectorii
1 0 0
0 1 0
e1 . , e . ,...., e n .
2
. . 0
0 0 1
apar\in`nd spa\iului L.
Atunci mul\imea B = e1, e2, ..., en este baz[ @n Rn. Aceast[ baz[ se nume]te
baza canonic[ a spa\iului Rn .
Proprietatea 5.2. Dac[ spa\iul vectorial L admite o baz[ finit[ atunci toate
bazele sunt finite ]i au acela]i num[r de vectori.
77
Defini\ia 5.7. Scalarii , ... , cu ajutorul c[rora vectorul x se scrie ca o
1 n
combina\ie liniar[ de vectorii bazei B se numesc coordonatele lui x @n baza B.
1
.
Not[m x
B . .
.
n
Observa\ie. Avem x = (v1,..., vn) x[B]. Deci
x = B x[B] (5.1)
78
Exemplu rezolvat.
Fie L = R3. Consider[m vectorii
2 1 0
v 1 , v 1 , v 0 .
1 2 3
1 -1 2
S[ se arate c[ vectorii v1, v2, v3 sunt liniar independen\i si sistem de generatori.
Solu\ie. Pentru a ar[ta liniar independen\a, consider[m combina\ia liniar[
1v1 + 2v2 + 3v3 = 0. Rezult[
21 2 0
1 2 0 .
1 2 2 3 0
Sistemul are 3 ecua\ii cu 3 necunoscute 1, 2, 3 ]i are determinantul diferit de
zero, deci admite solu\ie unic[, solu\ia banal[ 1 = 2 =3 =0. Rezult[ c[ vectorii
v1, v2, v3 sunt liniar independen\i.
Pentru a ar[ta c[ v1, v2, v3 formeaz[ sistem de generatori pentru spa\iul R3 ,
demonstr[m c[
x1
oricare ar fi x= x2 R3 , exist[ 1, 2, 3R astfel @nc`t
x
3
x= 1v1 + 2v2 + 3v6.
#ntr- adev[r, trebuie s[ avem
x1 2 1 0
x2 = 1 1 + 2 1 +3 0
x 1 1 2
3
21 2 x1
Se ob\ine sistemul 1 2 x2
2 x
1 2 3 3
Cum determinantul sistemului este egal cu 2, sistemul este cramerian ]i are solu\ie
unic[ 1, 2, 3 . Deci v1, v2, v3 formeaz[ un sistem de generatori pentru R3.
2 1 3 4
v1= 1 , v2= 0 , v3= 2 , x= 1 .
2 1 1 2
Sa se determine coordonatele lui x @n baza {v1, v2, v3} .
79
5.2 Forme patratice. Forma canonic[ a unei forme p[tratice
unde ij ji .
At`t expresia unei forme p[tratice c`t ]i matricea sa depind de baza aleas[.
Ele se schimb[ odat[ cu schimbarea bazei ]i de aceea se pune problema g[sirii unei
baze Bc în care expresia formei p[tratice s[ fie
Q( x) 1 x12 ... n xn2 (5.6)
cu x1 , x2 ,..., xn coordonatele lui x în baza Bc .
Astfel matricea lui Q în baza Bc este
1 0 ... 0
0 2 ... 0
ABc
0 0 ...
n
Baza Bc în care are loc aceasta scriere se nume]te baz[ canonic[, iar expresia
(5.6) se nume]te forma (expresia) canonic[ a formei p[tratice Q . Baza canonic[ nu
este unic[ ]i de aceea o form[ p[tratic[ are mai multe expresii canonice.
Exist[ mai multe metode de a g[si forma canonic[ a unei forme p[tratice
precum ]i baza canonic[ corespunz[toare. În continuare vom expune dou[ astfel de
metode.
Exemplu rezolvat.
Fie forma p[tratic[
80
Q : R 3 R , Q( x) x12 2 x1 x2 4 x1 x3 3x22 4 x32 , unde
x1
x x2 x1e1 x2 e2 x3 e3 , cu B (e1 ,e 2 , e3 ) baza canonic[ din spa\iul R 3 .
x
3
Care este matricea formei p[tratice Q în raport cu baza canonic[?
1 1 2
Solu\ie. Matricea este A[B ] 1 3 0 .
2 0 4
1
Cazul 1. Dac[ 11 0 se d[ for\at factor comun pentru to\i termenii ce
11
con\in pe a1 , apoi se formeaz[ un p[trat perfect adun`nd ]i sc[z`nd termenii
necesari. Avem :
1
Q( x) [ 11 a12 2 11 a1 ( 12 a 2 ... 1n a n )] 22 a 22
2
11
2 23 a 2 a 3 ... 2 2 n a 2 a n ... nn a n2
1
[ 11 a12 2 11 a1 ( 12 a 2 ... 1n a n ) ( 12 a 2 ... 1n a n ) 2
2
11
( 12 a 2 ... 1n a n ) 2 ] 22 a 22 2 23 a 2 a 3 ... 2 2 n a 2 a n ... nn a n2
1 1
( 11 a1 12 a 2 ... 1n a n ) 2 ( 12 a 2 ... 1n a n ) 2
11 11
22 a 22 2 23 a 2 a 3 ... 2 2 n a 2 a n ... nn a n2 .
11a1 12 a2 ... 1n an b1
a b2
Not`nd 2
an bn
se realizeaz[ o schimbare a coordonatelor lui x , deci o schimbare de baz[. Se trece
astfel de la baza B1 la baza B2 ( w1 ,..., wn ) @n care x b1w1 ... bn wn .
81
În aceast[ nou[ baz[ B2 , expresia lui Q este
1 2 1
Q( x) b1 ( 12 b2 ... 1n bn ) 2 22 b22 2 23b2 b3
11 11 Deci
... 2 2 n b2 bn ... nn bn2 .
1 2
Q( x ) b1 Q1 (b2 ,..., bn ).
11
Se reia procedeul cu forma p[tratic[ Q1 , ce depinde de (n-1) variabile. Dup[
cel mult (n-1) pa]i se ob\ine expresia canonic[ pentru Q .
Cazul 2. Dac[ 11 0 , dar exist[ ii 0 @n expresia lui Q, atunci se @ncepe
1
prin a da factor comun pe @ntre to\i termenii din expresia lui Q care con\in pe a i ,
ii
apoi se procedeaz[ ca @n cazul 1.
Cazul 3. Dac[ 11 22 ... nn 0 , deci în expresia lui Q nu apar p[trate,
atunci se alege un termen nenul, de exemplu 212 a1a2 ]i se face mai înt`i
schimbarea de coordonate
a1 b1 b2
a b b
2 1 2
a3 b3
an bn
Se realizeaz[ astfel o trecere de la baza ini\ial[ B1 la o baz[ nou[ B2 ( w1 ,..., wn ) @n
care x se exprim[ de forma x b1w1 ... bn wn ]i @n noua baz[ B2 avem
Q( x) 212 (b1 b2 )(b1 b2 ) ... 212 (b12 b22 ) ...
deci noua expresie a lui Q con\ine p[trate ]i se poate continua cu metoda lui Gauss
expus[ în cazul 1.
Exemplu rezolvat.
Fie spa\iul liniar L de dimensiune 3, baza B1 (v1 , v2 , v3 ) ]i x L ,
x a1v1 a2 v2 a3v3 . Fie forma p[tratic[
1 1
( 2a1 a 2 a3 ) 2 ( a 2 a3 ) 2 3a 22 a32
2 2
1 5 1
( 2a1 a 2 a3 ) 2 a 22 a 2 a3 a32 .
2 2 2
82
Fie schimbarea de coordonate
2a1 a 2 a3 b1 ,
a 2 b2 ,
a b .
3 3
Exemplu rezolvat.
Fie spa\iul liniar R 3 , baza B1 (v1 , v2 , v3 ) ]i x R 3 , x a1v1 a2 v2 a3v3 .
Fie forma p[tratic[
Q : R 3 R , Q( x) 2a1a2 4a1a3 2a2 a3 .
S[ se aduc[ forma p[tratic[ Q la forma canonic[.
83
Solu\ie. Cum termenii ce con\in a12 , a22 , a32 nu apar în expresia lui Q , suntem în
cazul al treilea, deci vom începe printr-o schimbare de coordonate de forma
a1 b1 b2
a 2 b1 b2
a b
3 3
84
5.4 Metoda lui Jacobi pentru determinarea formei canonice a unei
forme p[tratice
Teorema 5.3 (Jacobi). Fie L un spa\iu vectorial real ]i B1 v1 ,..., v n o baz[ a
lui L. Fie Q : L R o form[ p[tratic[ nesingular[.
11 ... 1n
Fie A ...
... , cu ij ji , matricea formei p[tratice Q în baza B1.
B
1 ...
nn
n1 ...
Dac[ D1 11 0 ,
11 12
D2 0,
21 22
..........................
Dn det AB 0 ,
1
atunci exist[ o baz[ B2 w1 ,..., wn a spa\iului liniar L astfel înc`t matricea formei
p[tratice Q în baza B2 este de forma:
D0
0 ... 0
D1
D1
AB2 0
D2
... 0
, cu D0=1.
... ... ... ...
0 0 ...
D n 1
D n
Exemplu rezolvat.
Fie spa\iul liniar L de dimensiune 3, baza B1 (v1 , v2 , v3 ) ]i x L ,
x a1v1 a2 v2 a3v3 . Fie forma p[tratic[
2 1 1
2 1
D1 2 0 , D2 5 0 , D3 1 3 0 2 0 .
1 3
1 0 1
85
Conform metodei Jacobi, exist[ o baz[ B2 w1 , w2 , w3 astfel înc`t, dac[
x x1 w1 x2 w2 x3 w3 , expresia canonic[ a lui Q este
1
0 0
2
Q x x1 x 2 x3 ]i AB2 0 0.
1 2 2 2 5 2 2
2 5 2 5
5
0 0
2
Observa\ie. Aplic`nd metoda lui Jacobi, s-a ob\inut o alt[ expresie canonic[ ]i o
alt[ baz[ canonic[ dec`t în cazul c`nd s-a aplicat metoda lui Gauss.
86
5. nedefinit[, dac[ exist[ i, j 1,..., n, i j,
cu i 0 ]i j 0 .
Exemplu rezolvat.
Ce tip are forma p[tratic[ Q : L R , Q( x) 2a12 2a1a2 2a1a3 3a22 a32 ?
Solu\ie. Forma canonic[ cu metoda Jacobi s-a ob\inut
Spa\iile liniare sunt mul\imi pe care s-a introdus o opera\ie de adunare ]i una de @nmul\ire
cu scalari, acestea av`nd anumite propriet[\i. Elementele spa\iilor liniare se numesc vectori. O
mul\ime de vectori liniar independen\i, care sunt ]i sistem de generatori ai spa\iului formeaz[ o
baz[. Orice vector al spa\iului se scrie @n mod unic ca o combina\ie liniar[ de vectorii unei baze,
cu ajutorul unor scalari numi\i coordonatele vectorului @n baza dat[. Coordonatele unui vector
se schimb[ la schimbarea bazei, leg[tura dintre coordonatele noi ]i cele vechi fiind sub forma
unui sistem de ecua\ii liniare.
Formele p[tratice sunt func\ii Q definite pe un spa\iu liniar (de exemplu Rn) cu valori @n
corpul de scalari (R), a c[ror expresie Q(x) este o sum[ de termeni ce con\in p[tratele
coordonatelor vectorului x sau produse a dou[ coordonate. Cum coordonatele unui vector se
schimb[ la schimbarea bazei, expresia unei forme p[tratice se schimb[ ]i ea. Forma canonic[ a
unei forme p[tratice este acea expresie @n care apar doar termeni ce con\in p[tratele
coordonatelor vectorului x. Forma canonic[ nu este unic[ ]i se poate g[si prin mai multe
metode.
Metoda lui Gauss pentru determinarea formei canonice a unei forme p[tratice
presupune formarea unor p[trate perfecte @n expresia formei p[tratice. Metoda lui Jacobi pentru
determinarea formei canonice folose]te calculul unor determinan\i minori ai matricei formei
p[tratice ]i se poate aplica doar c`nd ace]ti determinan\i sunt nenuli.
87
Odat[ g[sit[ o expresie canonic[ a formei p[tratice, se poate preciza tipul ei. Astfel, dac[
forma p[tratic[ este definit[ pe un spa\iu liniar de dimensiune n, ea este:
pozitiv definit[ dac[ @n expresia canonic[ apar n termeni, toti cu semnul plus;
negativ definit[ dac[ @n expresia canonic[ apar n termeni, toti cu semnul minus;
nedefinit[ dac[ @n expresia canonic[ apar at`t termeni cu semnul plus, c`t ]i termeni cu
semnul minus;
semipozitiv definit[, dar nu pozitiv definit[ dac[ @n expresia canonic[ apar mai pu\in de
n termeni, toti cu semnul plus;
seminegativ definit[, dar nu negativ definit[, dac[ @n expresia canonic[ apar mai pu\in
de n termeni, toti cu semnul minus.
Bibliografie
88
Unitatea de învăţare nr. 6
FUNC|II REALE DE MAI MULTE VARIABILE REALE
Cuprins
Obiective
6.1 Spa\ii Euclidiene
6.2 Elemente de topologie @n Rn
6.3 }iruri de puncte din Rn
6.4 Limite. Continuitate
6.5 Derivate par\iale de ordinul I. Gradient
6.6 Diferen\iabilitate
6.7 Derivate par\iale de ordinul II. Hessiana
6.8 Diferen\iabilitate de ordin superior
6.9 Formula lui Taylor.
Bibliografie
89
Proprietatea 6.2 (Inegalitatea Cauchy - Buniakowski).
Fie L un spa\iu euclidian ]i x, y L. Atunci
x,y x, x y, y . (6.1)
90
n
x,y = x y , ob\inem
i 1
i i
d ( x , y) = ( x y ) 2 ... ( x y ) 2 .
1 1 n n
Defini\ia 6.5. Fie L un spa\iu euclidian ]i fie x, y L.
Vectorii x ]i y se numesc ortogonali (]i se noteaz[ x y) dac[ x , y = 0.
Vectorul x se nume]te normat dac[ x =1.
n
Defini\ia 6.1, deci este un produs scalar pe R ]i (Rn, , ) este spa\iu euclidian.
Prin alegerea vecin[t[\ilor pentru fiecare punct din Rn se spune c[ s-a definit
o topologie pe Rn , iar Rn se nume]te spa\iu topologic.
91
Proprietatea 6.6. Vecin[t[\ile unui punct x0Rn au urm[toarele propriet[\i:
1. Orice mul\ime U R n care con\ine o vecin[tate V a lui x0 este tot o vecin[tate a
lui x0 .
2. Intersec\ia a dou[ vecin[t[\i ale lui x0 este tot o vecin[tate a lui x0 .
3. Orice vecin[tate a lui x0 @l con\ine pe x0 .
4. Oricare ar fi V o vecin[tate a lui x0 , exist[ W o vecin[tate a lui
x0 astfel @nc`t V s[ fie vecin[tate pentru orice punct y W .
Fie A Rn.
Defini\ia 6.8. Punctul x 0 A se nume]te punct interior mul\imii A dac[
exist[ V o vecin[tate a lui x0 astfel @nc`t V A.
Punctul x0Rn se nume]te punct exterior mul\imii A dac[ exist[ V o
vecin[tate a lui x0, astfel @nc`t V CA, unde CA este complementara lui A.
Mul\imea A se nume]te deschis[ dac[ oricare ar fi xA, x este punct
interior pentru A.
Mul\imea A se nume]te @nchis[ dac[ CA este deschis[.
Aceasta const[ din punctele din interiorul semicercului din Figura 6.1, inclusiv
punctele de pe semicerc ]i punctul de coordonate (3,4), dar f[r[ punctele de pe axa
Ox1.
P1=(1,2) este punct interior lui A ]i punct de acumulare.
92
P2=(2,0) A, dar P2 este punct de acumulare ]i punct de frontier[ pentru mul\imea
A.
P3=( 3, 6 ) A este punct de acumulare ]i punct de frontier[ pentru mul\imea A.
P4=(3,4) este punct izolat al lui A.
P5=(3,5) este punct exterior al lui A.
x2 P5
3 P4
P1P3
-3 P2 3 x1
93
1
k
2k 1
Fie ]irul xk k * de puncte din R , unde xk
3
.
k
e k
0
Atunci xk k * este ]ir convergent ]i avem lim xk 2 ,
k
0
1 2k 1
pentru c[ lim x k 1 lim 0, lim xk 2 lim 2 ]i lim x k 3 lim e k 0 .
k k k k k k k k
Func\ia f se nume]te func\ie real[ de n variabile reale sau func\ie real[ de variabil[
vectorial[.
94
Proprietatea 6.10.
a) Dac[ exist[ g : D R astfel @nc`t f x l g x ]i lim g x =0, atunci
x x0
lim f x =l.
x x0
Exemplu rezolvat
x 2 y2
Calcula\i lim .
x , y 0,0 x 4 y 4
Suntem @n cazul de excep\ie 0/0. Avem
x 2 y2 x 2 y2 x 2 y2 1
g ( x, y).
x
f(x,y)= Cum
x y4 4 2 2
y 2x 2 y2 x 2 y
2 2 2 x y2
2
95
Dac[ f este derivabil[ par\ial @n raport cu xi @n orice punct din D, spunem c[
f
f este derivabil[ par\ial @n raport cu xi pe D. #n acest caz func\ia : D R, cu
xi
f
x x este derivata par\ial[ a lui f @n raport cu variabila xi.
xi
xy
, x, y 0,0
Fie f : R R , f x, y x 2 y 2
2
.
0, x, y 0,0
Func\ia f nu este continu[ @n (0,0), dar are derivate par\iale @n (0,0).
#ntr-adev[r, dac[ y=mx, avem
f x , mx lim f x, y . Deci f nu este continu[ @n (0,0). Totu]i
m
1 m2 x , y 0 , 0
func\ia f are derivate par\iale @n (0,0) ]i anume:
f
0,0 = lim f x,0 f 0,0 = lim 0 0 0
x x 0 x x 0 x
f
0,0 = lim f 0, y f 0,0 = lim 0 0 0 .
y y 0 y y 0 y
Proprietatea 6.11 Dac[ func\ia f are derivate par\iale @ntr-o vecin[tate a lui
x0, continue sau m[rginite @n aceast[ vecin[tate, atunci f este continu[ @n x0.
Exemplu rezolvat.
Fie f : R 2 R , f x1 , x 2 2 x1 x 22 e x2 ]i fie x0 1,0 R 2 .
Calcula\i gradientul func\iei.
Derivatele par\iale ale func\iei f @n punctul x 0 sunt:
f f x ,0 f 1,0 11
1,0 = lim 1 = lim 0
x1 x1 1 x1 1 x1 1 x1 1
f f 1, x 2 f 1,0 2 x 2 e x2 1 e x2 1
1,0 = lim = lim 2 = lim 2 x2 1 .
x 2 x 2 0 x2 0 x2 0 x2 x2 0 x2
0
Gradientul func\iei f @n x 0 este f 1,0 .
1
Aceste rezultate se puteau ob\ine ]i aplic@nd regulile de derivare. Astfel, avem
96
f
x1 , x 2 2x 22 f 1,0 0
x1 x1
f
x1 , x 2 4x1x 2 e x 2 f 1,0 1
x 2 x 2
2x 22
f x1 , x 2 .
x2
1 2
4 x x e
6.6. Diferentiabilitate
f x f x0 1 x1 x10 n xn xn 0
x x1 x10 xn xn0 ,
2 2
(6.7)
oricare ar fi x= x1 , , x n D.
Observa\ie. Consider`nd distan\a d dintre doi vectori din Rn, formula (6.7)
se scrie de forma
f x f x0 1 x1 x10 n xn xn0 x d x, x0 .
97
x1 , x 2 x1 2 2 x 2 12 ,
pentru orice x1 , x2 R2. Aceasta revine la
f x1 , x 2 2 2x1 2 2x 2 1 x1 , x 2 x1 2 x 2 1 sau
2 2
x 1
1 x 22 2 2 x1 4 2 x 2 2 x1 , x 2 x1 2 x 2 1 .
2 2 2
Rezult[ c[ avem
x12 4 x1 x 22 2 x 2 5
, x1 , x2 2,1
x1 , x 2 x1 2 2 x 2 12
0 , x1 , x2 2,1
Notând x1 2 u , x2 1 v avem:
u 22 4u 2 v 12 2v 1 5
lim x1 , x2 u ,lim
x1 , x2 2, 1 v 0, 0 u 2 v2
u2 v2
lim lim u2 v2 0 .
u , v 0 , 0
u2 v2 u , v 0 , 0
2
xy
, x, y 0,0
Fie f : R R , f x, y x y 2
2
.
0, x, y 0,0
Func\ia f are derivate par\iale @n (0,0), dar nu este diferen\iabil[ @n (0,0).
#ntr-adev[r, f are derivate par\iale @n (0,0) ]i anume
f
0,0 = lim f x,0 f 0,0 = lim 0 0 0 ,
x x 0 x x 0 x
f
0,0 = lim f 0, y f 0,0 = lim 0 0 0 .
y y 0 y y 0 y
f
f x, y f 0,0 0,0 x f 0,0 y x, y x 2 y 2 .
x y
xy
Aceasta revine la ( x, y) x 2 y 2 .
x y
2 2
98
Teorema 6.2. Dac[ func\ia f este diferen\iabil[ @n x0, rezult[ c[ f este
continu[ @n x0.
2
xy
, x, y 0,0
Fie f : R R , f x, y x y 2
2
.
0, x, y 0,0
Func\ia f este continu[ @n (0,0), dar nu este diferen\iabil[ @n (0,0).
#ntr-adev[r, avem
xy xy x y
f ( x, y ) y
x , y 0 ,0
0 .
x2 y2 x2 x
99
#ntr-un punct oarecare x avem:
n f
df x x dxi . (6.10)
i 1 x
i
Operatorul d dx 1 dx n se nume]te operator de diferen\iere.
x1 x n
Matriceal, se poate scrie
dx1
f f
df x x , ..., x :
x1 xn dx
n
Adic[ avem
df ( x) f x dx ,
t
(6.11)
unde am notat dx dx1 , ..., dxn .
t
dx2
Cum derivatele parţiale ale funcţiei f sunt continue pe R2, din Teorema 6.3
rezultă că f este diferenţiabilă în orice punct x1 , x 2 R 2 şi avem
f
df x1 , x2 x1 , x2 dx1 f x1 , x2 dx2
x1 x2
2x1 1dx1 2 x2 dx2 .
Exemplu rezolvat
Fie f : R 3 R , f x, y, z 3xy x 2 z yz 3 . Calcula\i diferenţiala lui f în
punctul 1,0,1 .
Derivatele parţiale ale funcţiei f sunt:
f
x, y, z 3 y 2 xz
x
f
x, y , z 3 x z 3
y
f
x, y, z x 2 3 yz 2 .
z
100
Cum aceste derivate parţiale sunt funcţii continue pe R 3 , rezultă că f este
diferenţiabilă pe R 3 şi diferenţiala sa este
df x, y, z 3 y 2 xz dx 3x z 3 dy x 2 3 yz 2 dz
Matriceal, aceasta se scrie:
dx
3 2 2
df x, y, z 3 y 2 xz, 3x z , x 3 yz dy .
dz
În particular, diferenţiala lui f în punctul 1,0,1 este
df 1,0,1 2dx 2dy dz 2x 1 2 y z 1 .
101
În particular, dacă n 2 , atunci funcţia f depinde de două variabile.
Presupunând că f f x, y are derivatele parţiale
f f
şi , atunci derivatele sale parţiale de ordinul al II-lea sunt următoarele:
x y
f 2 f f 2 f
x, y ; x, y ;
x x x 2 y x yx
f 2 f
x, y ; f 2f x, y .
2
x y xy y y y
Hessiana funcţiei f este matricea
2 f 2 f
2 x, y x, y
x yx
H x, y 2 .
f x, y f
2
xy x, y
y 2
În continuare vom enunţa două criterii care dau condiţii suficiente pentru
egalitatea derivatelor parţiale mixte.
102
Consecinţă. Fie D R 2 şi f : D R . Dacă f are derivate parţiale de
f f
ordinul întîi, şi , diferenţiabile pe D, atunci există toate derivatele parţiale
x y
2 f 2 f
de ordinul doi ale lui f pe D şi .
xy yx
Exemplu rezolvat.
Fie f : R 2 R , f x, y ln1 x 2 2 y 2 . Calculati Hessiana func\iei.
Funcţia f are derivate parţiale de ordinul I, şi anume:
f
x, y 2x
,
x 1 x 2y2
2
f
x, y 4y
.
y 1 x 2y2
2
2 1 x 2 2 y 2 4x 2 2 1 x 2 2 y 2
.
1 x2 2y2
2
1 x2 2y2 2
2 f
x, y f 2x
2
8 xy
yx y x y 1 x 2 y 1 x 2 2 y 2
2
2
2 f
x, y f 4y
2
8 xy
xy x y x 1 x 2 y 1 x 2 2 y 2
2
2
2 f
x, y f 4y
2
y 2
y y y 1 x 2 y
2
41 x 2 2 y 2 16 y 2 41 x 2 2 y 2
.
1 x 2 2 y 2 2 (1 x 2 2 y 2 ) 2
Hessiana funcţiei f este:
2 1 x2 2 y2 8 xy
1 x2 2 y 2
H x, y
2
1 x 2y
2
2 2
.
8 xy
4 1 x2 2 y 2
1 x2 2 y2 2
1 x 2 2 y 2
2
Test de autoevaluare 6.2.
Calcula\i Hessiana func\iei
103
f : R3 R, f(x,y,z)=x3+ y3 + z3+3xyz în punctul (1,1,2).
x1 xn
2
(6.14)
2 f 2 f
2 x dx1dx2 2 x dxn 1dxn .
x1x 2 xn 1xn
Se observă că d 2 f x este o formă pătratică în variabilele
dx1 , dx2 ,, dxn , avînd ca matrice hessiana H(x) a funcţiei f. Formula de calcul
pentru d 2 f se poate scrie matriceal de forma :
dx1
d f x dx1 dxn H x dx H ( x) dx .
2 t
(6.15)
dx
n
Aceeaşi formulă poate fi scrisă în mod formal sub forma :
( 2)
d f x
2
dx1 dxn f x . (6.16)
x1 x n
În general avem formula pentru calculul diferenţialei de ordinul k a funcţiei
f:
104
(k )
d f x
k
dx1 dxn f x . (6.17)
x1 x n
Dacă n=2 şi f f x, y , atunci formulele (6.14)-(6.17) se particularizează
astfel :
2 f 2 f 2 f
d f x, y 2 x, y dx 2
2 2
x, y dxdy 2 x, y dy 2 (6.18)
x xy y
dx
d 2 f ( x, y ) dx dy H x, y (6.19)
dy
( 2)
d f ( x, y ) dx dy
2
f x, y (6.20)
x y
(k )
d f x, y dx dy
k
f x, y
x y
k f
x, y dxk i dyi
k
= Cki k i
(6.21)
i 0 x y i
f f
x1 , x2 4 x13 x2 2 2 x2 1,1 2
x1 x1
f f
x1 , x2 2 x14 x2 2 x1 1,1 0
x2 x2
Deci df x1, x2 4 x1 x2 2 x2 dx1 2 x1 x2 2 x1 dx2
3 2 4
105
df 1,1 2dx1 2x1 1 .
2 f 2 f
d 2 f x1 , x2 x1 , x2 dx1dx2
2
x , x dx 2
x1 x1x2
2 1 2 1
2 f
x1, x2 dx22 .
x2
2
2 f 2 f
x1 , x2 12x12 x2 2 , 1,1 12 ,
x1 x1
2 2
2 f 2 f
x1 , x2 8x13 x2 2 , 1,1 6 ,
x1x2 x1x2
2 f 2 f
x1 , x2 2 x14 , 1,1 2 .
x 2 x2
2 2
2 2
Deci d 2 f x1 , x2 12x1 x2 dx1 4 4 x1 x2 1 dx1dx2 2 x1 dx2
2 3
4 2
12 6 dx1
d 2 f 1,1 dx1 dx2 dxt H 1,1 dx .
6 2 dx2
3
Avem d f x1 , x2
3
dx1 dx2 f x1 , x2
x1 x2
f
x1 , x 2 dx13 3 2 f x1 , x 2 dx1 2 dx2
3 3
x1 x1 x 2
3
3 f 3 f
3 x , x dx dx
2
x1 , x2 dx2 3
x1x 2
1 2 1 2
x 2
2 3
3 f 3 f
x1 , x2 24 x1 x2 2 , 1,1 24
x1 x1
3 3
3 f 3 f
x1 , x2 24 x12 x2 , 1,1 24
x1 x 2 x1 x 2
2 2
3 f 3 f
x1 , x 2 8 x1 3 , 1,1 8
x1x 2 x1x 2
2 2
3 f 3 f
x1 , x2 0 3 1,1 .
x 2 x 2
3
106
d 3 f 1,1 24dx1 72dx1 dx2 24dx1dx2
3 2 2
Teorema 6.6. Dac[ func\ia f are derivate par\iale de ordinul k, continue @ntr-
o vecin[tate V a punctului x0 , atunci exist[ func\ia : D R , cu
lim ( x ) ( x0 ) 0 astfel @nc`t s[ avem
x x0
1
Rk ( x ) ( x) k , (7.21)
k!
unde ( x1 x10 ) 2 ... ( xn xn 0 ) 2 reprezint[ distan\a dintre punctele x ]i x 0 .
Exemplu rezolvat.
Fie f : R 2 R, f ( x1 , x 2 ) x14 x 22 2 x1 x 2 ]i x0 (1,1) t R 2 .
107
#n Exemplul din sectiunea anterioară am calculat diferen\ialele de ordinul 1,
2 ]i 3 ale func\iei f @n punctul x 0 ]i avem :
df ( x0 ) 2( x1 1).
d 2 f ( x0 ) 12( x1 1) 2 12( x1 1)( x2 1) 2( x2 1) 2 .
d 3 f ( x0 ) 24( x1 1) 3 72( x1 1) 2 ( x2 1) 24( x1 1)(x2 1) 2 .
Deci polinomul Taylor de gradul 3 ata]at func\iei f @n punctul x 0 este
Pentru func\iile reale de mai multe variabile reale suntem interesa\i de felul cum pot fi
extinse no\iunile introduse in cazul func\iilor de o singură variabilă, dar ]i alte no\iuni
specifice.
Atunci c@nd se calculeaz[ derivata par\ial[ @n raport cu xi, celelalte variabile se
consider[ constante ]i se deriveaz[ ca ]i cum ar fi o singur[ variabil[, xi. Rezult[ c[ regulile de
derivare (pentru sum[, diferen\[, produs, c`t, etc.) sunt acelea]i ca pentru func\iile de o
variabil[.
Dac[ f are derivate par\iale @n punctul x0 @n raport cu toate variabilele, atunci vectorul
f
x 0
x1
f x 0 se nume]te gradientul lui f @n punctul x0.
f
x x 0
n
Dac[ f este o func\ie diferen\iabil[ @n punctul x0, atunci func\ia liniar[
f
df x0 x x0 xi xi0
n
i 1 x
i
Se numeste diferen\iala de ordinul întâi a func\iei în punctul x0.
Fie D R şi f : D R o funcţie care are n derivate parţiale de ordinul al II-
n 2
lea. Matricea
108
2 f 2 f 2 f
x x ..... x
x1 x2x1 xn x1
2
2
f x f f
2 2
x ..... x
H x x1x2 x22 xn x2
.......... .......... .......... .......... .......... .......... .........
2 f 2 f 2 f
x x ..... x
x1xn x2xn xn2
se numeşte matricea hessiană a funcţiei f .
Diferenţiala de ordinul doi pentru funcţia f este o formă pătratică a cărei matrice este
chiar Hessiana func\iei
2 f 2 f
d 2 f x d df x x dxn 2
2
x dx
x1 xn
2 1 2
2 f
x dx1dx2 2 f x dxn 1dxn .
2
2
x1x2 xn 1xn
Bibliografie
109
Unitatea de învăţare nr. 7
Cuprins
Obiective
7.1 Extreme libere
7.2 Func\ii convexe (concave) ]i extremele lor
7.3 Aplica\ii ale extremelor la modele deterministe de gestiune a
stocurilor.
- Model de stocare pentru un produs, c`nd se admite lips[ @n stoc.
- Model de stocare pentru un singur produs, far[ a admite lipsa din stoc
a produsului
- Model de stocare pentru mai multe produse, f[r[ a admite lipsa din
stoc
Bibliografie
Obiective
După studiul aceste unităţi, vei putea să:
determinati punctele sta\ionare ale func\iilor de mai multe
variabile
determinati punctele de extrem ale func\iilor ]i natura
acestora
determinati gestiunea optima a stocului in cazul in care se
admite sau nu lipsa din stoc
110
f
( x0 ) 0, i 1,2,..., n.
xi
Fie f : R 2 R, f ( x, y ) x 2 y 2 .
f f
Avem ( x, y ) 2 x, ( x, y ) 2 y .
x y
f f
Deci (0,0) (0,0) 0.
x y
Dar f ( x,0) x 2 0 f (0,0) ]i f (0, y ) y 2 0 f (0,0) .
Deci @n orice vecin[tate a lui (0,0), exist[ at`t puncte @n care valorile lui f sunt mai
mari dec`t 0, c`t ]i puncte @n care valorile sunt mai mici dec`t 0, ceea ce arat[ c[
(0,0) nu este punct de extrem local.
i) f este diferen\iabil[ @n x 0 ;
f
ii) df ( x0 ) 0 (deci ( x0 ) 0, i 1,2,..., n) .
xi
Cu ajutorul no\iunii de punct sta\ionar, Proprietatea 7.5 se poate reformula
astfel:
111
ii) Dac[ este pozitiv definit[, atunci x 0 este punct de minim local al
func\iei f.
iii) Dac[ este nedefinit[, atunci x 0 nu este punct de extrem local al
func\iei f.
h11 . . h1n
. .
unde H ( x0 ) este hessiana func\iei f @n punctul x 0 .
. .
h hnn
n1 . .
2
Dac[ d f ( x0 ) este form[ p[tratic[ pozitiv definit[, atunci x 0 este punct de
minim local.
Dac[ d 2 f ( x0 ) este negativ definit[, atunci x 0 este punct de maxim local.
Dac[ d 2 f ( x0 ) este nedefinit[, atunci x 0 nu este punct de extrem al func\iei
f.
D1 h11 0
h h
D2 11 12 0
h21 h22
.....................
Dn det H(x0) 0
112
Dac[ D1 0, D2 0,..., Dn 0, atunci d 2 f ( x0 ) este pozitiv definit[, deci
x 0 este punct de minim local.
Dac[ D1 0, D2 0, D3 0,... atunci d 2 f ( x0 ) este negativ definit[, deci
x 0 este punct de maxim local.
Exemplu rezolvat.
S[ se g[seasc[ extremele func\iei
f : R 2 R , f ( x, y ) x 3 y 3 6 xy 1 .
Sistemul care d[ punctele sta\ionare este:
f
x ( x, y ) 0 3 x 2 6 y 0
f 2
( x, y ) 0 3 y 6 x 0
y
Rezolv`nd sistemul se ob\in dou[ puncte sta\ionare, ]i anume (-2, -2) ]i (0, 0).
6 x 6
Hessiana func\iei f este H ( x, y ) .
6 6 y
12 6
Cum H (2,2) , avem D1= -12 < 0, D2 =108 > 0, deci
6 12
d 2 f ( 2,2) 12dx 2 12dxdy 12dy 2 este form[ p[tratic[ negativ definit[.
Rezult[ c[ (-2,-2) este punct de maxim pentru f.
0 6
Avem H (0,0) , deci D1= 0, D2 = - 36 ]i
6 0
d 2 f (0,0 ) 12dxdy .
Not`nd dx t1 t 2 , dy t1 t 2 , se ob\ine forma canonic[ d 2 f (0,0) 12t12 12t 22 ,
deci d 2 f (0,0 ) este form[ p[tratic[ nedefinit[. Rezult[ c[ (0,0) nu este punct de
extrem.
113
7.2 Functii convexe (concave) ]i extremele lor
114
Proprietatea 7.5. (caracterizarea convexit[\ii pentru func\ii de dou[ ori
diferen\iabile)
Fie M R n o mul\ime convex[ ]i f : M R o func\ie de dou[ ori
diferen\iabil[, av`nd hessiana H(x).
Func\ia f este convex[ pe M dac[ ]i numai dac[ d 2 f (x ) este semipozitiv
definit[ pentru orice x din M, adic[
zt H(x)z 0, z Rn , x M.
Dac[ d 2 f (x ) este pozitiv definit[ pentru orice x din M, atunci f este strict
convex[ pe M.
p y 2 s( x y)2
Fie f ( x, y ) q , unde p, q, s 0, x, y 0 .
x x x
Func\ia f este strict convex[.
#ntr-adev[r derivatele par\iale ale func\iei f sunt
f p y2 2( x y ) x ( x y ) 2
( x, y ) 2 q 2 s
x x x x2
p y2 x2 y2 p y2
2 q 2 s s ( q s )
x x x2 x2 x2
f 2qy 2 s( x y ) 2y 2 f 2p y2
( x, y ) 2 s (q s) ( x , y ) 2 (q s)
y x x x x 2 x3 x3
2 f 2
( x, y ) ( q s )
y 2
x
2 f 2y
( x, y ) 2 ( q s ) .
xy x
Matricea hessian[ a func\iei f este
2 p 2( q s ) y 2 2y
3
2 (q s)
H ( x, y ) x x
2y 2
2 (q s) (q s)
x x
2 p 2( q s ) y 2
Avem D1 0 pentru p, q, s, x, y 0
x3
115
4 4 y2 4
D2 4
( q s )[ p ( q s ) y 2
] 4
( q s ) 2 4 ( q s ) p 0 . Cum
x x x
D1 0, D2 0 , rezult[ c[ d f ( x, y ) este pozitiv definit[,
2
Fie funcţia
f : R R , f ( x ) x t Ax cx d
n
116
Aplicând Proprietatea 7.3 rezultă că f este convexă dacă f 1 este convexă şi f este
strict convex[ dacă f 1 este strict convex[.
ii). Se demonstreaz[ analog.
Fie f : R2 R
1 2
f(x1,x2) = x12 + x2 - 4 x1- 2x2.
2
1 0
Se observ[ c[ func\ia f este de forma celei de mai sus, unde A= ,
0 1/ 2
C = (-4 -2) ]i d = 0.
1
Deoarece forma p[tratic[ f1(x1,x2) = x12 + x22 este pozitiv definit[, rezult[
2
c[ f este func\ie strict convex[ (Figura 7.1).
Fie func\ia
2 y 2 ( x y)2
f ( x, y ) , x<0, y<0.
x x x
Func\ia f are forma unei func\ii dintr-un exemplu anterior, pentru p=2, q=1,
s=1. Fiind definit[ pentru x<0, y<0, ea este strict concav[ (Figura 7.2).
117
Fig. 7.2. Func\ia strict concav[ f
Fie f : R2 R
f(x,y) = (2+ sinx ) cos2y.
Fie f : R2 R
f(x1,x2) = x12 + 2x2 - 1.
118
Fig. 7.4. Func\ia f, convex[ dar nu strict convex[
Fie f : R2 R
f(x1,x2) = x1 + 2x2 - 3.
Avem f(x)=f1(x)+f2(x), unde f1(x)= x1 + 2x2 este o func\ie liniar[ ]i f2(x)=-3
este o func\ie constant[. f1 ]i f2 sunt simultan convexe ]i concave, deci conform
Propriet[\ii 7.3, f este simultan convex[ ]i concav[.
119
Proprietatea 7.8. Fie M R n o mulţime convexă şi f : M R .
a) Dacă f este funcţie convexă, atunci orice punct de minim local al său
este şi global.
b) Dacă f este funcţie concavă, atunci orice punct de maxim local al său
este şi global.
Exemplu rezolvat.
Fie func\ia f dat[ prin
1
f(X) = x12 x1 x 2 x 22 x 23 x1 x 2 2 x 3
2
S[ se determine extremul liber al s[u.
Solu\ie:
f X
x1 2 x1 x2 1 2 x1 x2 1
f X
Avem: f ( X ) x1 x2 1 ; f ( X ) 0 x1 x2 1
x2 2 x 2 2 x 2
f X 3 3
x
3
2 1 1/ 2 0
Avem X0= 3 punct sta\ionar. Hesiana func\iei este A = 1 / 2 1 / 2 0 ,
1
0 1
0
Deci forma p[tratic[ este negativ definit[ ]i f este strict concav[.
Cum f este strict concav[, rezult[ c[ X0 este extrem liber çi anume punct de maxim
global.
120
7.3 Aplicatii ale extremelor la modele deterministe
de gestiune a stocurilor
Fig. 7.6
121
Din asem[narea triunghiurilor ECD ]i EAB, (Figura 7.6) rezult[
T t1 x y t y
, din care deducem 1 . Deci expresia func\iei f se poate
T x T x
scrie de forma
f(X)=f(x, y) =
N 1 y2 1
+ c t0 t0
x y 2 , x > 0, y > 0. (7.7)
x 2 x 2 x
De]i din punct de vedere matematic func\ia f este definit[ pentru orice x
0, \in`nd cont de semnifica\ia economic[ pentru x ]i y, vom considera domeniul
ei de defini\ie de forma:
D={(x,y) R2 | x > 0, y>0}.
Cum p, q, s, x, y >0, f este func\ie strict convex[.
f ( X ) 2 N t0 x 2 t0 y 2 c
,x 0
x 2x 2
f ( X) t 0 x t 0 y c t y c
t 0 0 , x0
y x x
2 N 2 N
f(X) = 0 x ; y , unde .
c t0 c t0 c
Avem punctele sta\ionare
2 N 2 N
x x
c t0 c t0
X1 = D, X2 = D.
2 N 2 N
y y
c t c t
0 0
Cum f este func\ie strict convex[, punctul sta\ionar X1 este de minim global.
#nlocuind X1 @n f ob\inem valoarea minim[ f(X1) = 2 N C t 0 .
Prin urmare, gestiunea stocului const[ @n:
1. Stocul optim este
2N
y0 = . (7.8)
c t0
2. Cantitatea din produs care se comand[ de fiecare dat[ este
2N
x0 = . (7.9)
c t0
3. Comanda se face la perioada
t x
T0= 0 0 . (7.10)
N
4. Cheltuielile totale minime vor fi
f(X0) = 2 N c t 0 . (7.11)
Coeficientul se numeçte çi factor de penurie. Introducerea sa (deci
c
@n fond a penaliz[rilor) se face cu scopul de control (reglare) a gestiunii.
122
Exemplu rezolvat. Un magazin de biciclete estimeaz[ c[ cererea anual[
(360 de zile) este de 4500 biciclete pentru copii. Costul stoc[rii unei biciclete este
de 2 u.m/zi, penaliz[rile unitare pentru lipsa din stoc sunt de 2/3 u.m, iar costul
lans[rii unei comenzi este de 200 de u.m. }tiind c[ aprovizionarea se face la
intervale egale de timp, iar num[rul de biciclete la fiecare comand[ este mereu
acela]i, s[ se afle c`te biciclete ar trebui aduse la fiecare comand[ ]i care ar trebui
s[ fie intervalul dintre dou[ comenzi succesive astfel @nc`t cheltuielile totale s[ fie
minime.
2. Model de stocare pentru un singur produs, far[ a admite lipsa din stoc a
produsului
Consider[m modelul precedent, dar f[r[ a admite lips[ din stoc. Atunci 0 ,
t1 T ]i x=y, deci func\ia cheltuieli este:
N ct 0
f: (0, ) R , f(x)= x. (7.12)
x 2
N ct
Avem f ' ( x) 2 0
x 2
2 N
f ' 0 x0
ct0
2 N
f '' ( x) 3 0 pentru x>0 .
x
Deci f este functie conex[ ]i x0 este punct de minim global. Avem
min f f ( x0 ) 2 Nct 0 .
Deci gestiunea stocului este urm[toarea:
1. Se comand[ de fiecare dat[ un num[r de produse
123
2 N
x0 . (7.13)
ct 0
2. Perioada dintre dou[ comenzi succesive este :
t x
T0 0 0 . (7.14)
N
3. Cheltuielile totale minime sunt :
f ( x0 ) 2 Nct 0 . (7.15)
124
timp ]i nu se admite lipsa din stoc. Costul lans[rii unei comenzi este de 450 u.m.,
costul unitar de stocare este de 3 u.m. Să se determine gestiunea optimă.
3. Model de stocare pentru mai multe produse, f[r[ a admite lipsa din stoc
2 i Ni
f X 0xi ;
ci t0
Deci se ob\in punctele sta\ionare X1, X2 ale lui f:
125
2 1 N 1 2 1 N 1
c1t0 c1t0
X1 D; X D .
2
2 n N n 2 n N n
c n t0 c n t0
Cum d2f(X1) este form[ p[tratic[ pozitiv definit[, rezult[ c[ X1 este punct de
minim.
Solu\ia optim[ este deci dat[ de urm[toarele reguli:
1. Din fiecare produs i se cer
2 Ni i
xi0 unit[\i. (7.17)
ci t0
2. Perioada optim[, @ntre dou[ comenzi succesive la produsul i, este
t 0 xi0
Ti = . (7.18)
Ni
3. Cheltuielile minime @n perioada total[ sunt
n
f(X0) = 2N i i ci t0 . (7.19)
i 1
126
Dac[ se procedeaz[ astfel, cheltuielile vor fi minime ]i anume:
min f 2 N 1 1c1t0 2 N 2 2 c2 t0 2 N 3 3 c3 t0 .
Problema punctelor de extrem (de minim sau de maxim) ale unei func\ii reale este o
problemă fundamentală în luarea deciziilor optimale. Aflarea acestor puncte de extrem necesită
o aten\ie deosebită ]i cunoa]terea corectă a aparatului matematic din metodologia determinării
lor.
Etapele de determinare a punctelor de extrem @n cazul func\iilor reale de mai multe
variabile reale, diferen\iabile de dou[ ori, reprezint[ o generalizare a metodei de determinare a
extremelor pentru func\iile reale de o variabil[ real[, derivabile de dou[ ori pe domeniul de
defini\ie considerat interval deschis. #n cazul acestora din urm[, determinarea extremelor se face
astfel :
Se rezolv[ ecua\ia f ( x) 0 . Solu\iile acestei ecua\ii sunt punctele critice ale func\iei f,
/
Pentru o func\ie de mai multe variabile pentru a determina punctele de extrem ale unei
func\ii f : D R, D R , de dou[ ori diferen\iabile, se procedeaz[ astfel:
n
1. Se rezolv[ sistemul f ( x) 0 .
Solu\iile acestui sistem sunt punctele sta\ionare ale func\iei f, iar extremele lui f se g[sesc
printre punctele sta\ionare.
2. Dac[ x 0 este un punct sta\ionar determinat la (1) se scrie diferen\iala de ordinul doi a
func\iei f @n punctul x 0
n
2 f
d 2 f ( x0 )
i , j 1 x x
( x0 )dxi dx j (dx) t H ( x0 )dx
i j
127
h11 . . h1n
. .
unde H ( x0 ) este hessiana func\iei f @n punctul x 0 .
. .
h hnn
n1 . .
Dac[ d 2 f ( x0 ) este form[ p[tratic[ pozitiv definit[, atunci x 0 este punct de minim
local.
Dac[ d 2 f ( x0 ) este negativ definit[, atunci x 0 este punct de maxim local.
Dac[ d 2 f ( x0 ) este nedefinit[, atunci x 0 nu este punct de extrem al func\iei f.
Bibliografie
128
Unitatea de învăţare nr. 8
Cuprins
Obiective
8.1 C`mp de evenimente. C`mp de probabilitate
8.2 Scheme clasice de probalibitate
Bibliografie
Obiective
După studiul aceste unităţi, vei putea:
Defini\ia 8.1. Fie A un eveniment din K0. Se nume]te contrarul lui A, evenimentul
care se realizeaz[ dac[ ]i numai dac[ nu se realizeaz[ A. El se noteaz[ cu A sau
non A sau CA.
Avem, în acest mod, definit[ o aplica\ie:
C: K0 K0, A CA.
Defini\ia 8.2. Fie A,B K0 . Se nume]te suma (reuniunea) celor dou[ evenimente un
nou eveniment, notat A B care se realizeaz[ dac[ ]i numai dac[ se realizeaz[ cel
pu\in unul dintre evenimentele A, B.
Evenimentul A B se mai nume]te evenimentul "sau A sau B".
Se define]te astfel o aplica\ie
129
: K0 XK0 K0, (A,B) A B.
Defini\ia 8.3. Fie dou[ evenimente A, B. Se nume]te produs (sau intersec\ie) a
evenimentelor A, B un eveniment, notat A B, a c[rui realizare are loc dac[ ]i
numai dac[ se realizeaz[ ambele evenimente A,B. Evenimentul A B se cite]te "A
]i B" . Se define]te astfel o aplica\ie
: K0 XK0 K0, (A,B) A B.
Defini\ia 8.4. Dac[ A B = , atunci se spune c[ A, B sunt evenimente
incompatibile.
Defini\ia 8.7. Fie K0=P(E) mul\imea tuturor evenimentelor asociate unei experien\e
]i K P(E) o submul\ime nevid[ cu propriet[\ile:
130
i). oricare ar fi A K, rezult[ A K
ii) oricare ar fi A1, A2 K rezult[ A1 A2 K
Atunci (K, -, ) se nume]te câmp de evenimente ]i se noteaz[ prin E, K sau
, K .
Dac[ K este un câ`mp de evenimente, atunci:
1). Oricare ar fi A1, A2 K A1 A2 K,
2). Oricare ar fi A,B K A - B K.
Defini\ia 8.8. Fie K0=P(E) ]i K P(E) o submul\ime nevid[ cu propriet[\ile:
i). oricare ar fi A K, rezult[ A K
ii). oricare ar fi Ai K , rezult[ iN Ai K .
Atunci K se nume]te câmp borelian de evenimente.
Ai = ;
i 1
Ai Aj = ; oricare ar fi i, j =1,.....,n
atunci se spune c[ A1,..., An formeaz[ un sistem complet de evenimente ale câ`mpului
K (sau o parti\ie a evenimentului sigur, ).
131
Cu ajutorul no\iunii de c`mp de evenimente se introduce defini\ia axiomatic[ a
probabilit[\ii (A.N.Kolmogorov).
i jk
P (Ai Aj Ak ) - ... + (-1)n + 1 P (A1 A2 ... An)
n
i). Inegalitatea lui G.Boole: dac[ A i , atunci
i 1
n n
P( Ai ) P( Ai ) (1 n)
i 1 i 1
Defini\ia 8.12. Dac[ , K este un c`mp borelian de evenimente, atunci func\ia P:
K [0, ) care satisface axiomele:
P( )=1
Ai K ; i I , cu Ar A j ,r j(r , j I ) P( Ai ) P(Ai ) unde I este o
iI iI
familie cel mult num[rabil[ de indici, se nume]te probabilitate pe c`mpul borelian
, K . Tripletul , K, P se nume]te câmp borelian de probabilitate (sau c`mp de
probabilitate complet aditiv).
}i în acest caz, toate propriet[\ile de mai sus r[m`n adev[rate.
132
P( A1 A2 )
P( A1 )
se nume]te probabilitatea evenimentului A2 condi\ionat[ de A1 ]i se noteaz[
P(A2/A1) sau PA1(A2).
P( A1 A2 )
PA ( A2 ) (A1 K, cu P(A1) 0)
1
P( A1 )
este o probabilitate pe K.
Defini\ia 8.14.
a). Evenimentele A1, A2 K se numesc independente dac[:
P(A1 A2) = P(A1) . P(A2)
b). Evenimentele A1, A2,...,An K se numesc independente în totalitatea lor, dac[
P(Ai1 Ai2 ......... Air ) = P(Ai1).P(Ai2)........P(Air)
oricare ar fi (i1, i2......ir) {1, 2,......, n}.
c). Evenimentele A1,.....An, .... se numesc independente dac[ orice num[r finit de
evenimente din ]irul Ai sunt independente în totalitatea lor.
Teorema 8.2. Dac[ Ai iI , este un sistem cel mult num[rabil complet de
evenimente, cu P(Ai) 0, i I, atunci pentru un eveniment X K, rezult[:
P(X) = P( Ai ) PA ( X )
i I
i
P( X ) P( Ai ) PA ( X )
i I
i
Aceast[ formul[ se nume]te formula lui Bayes sau formula probabilit[\ii cauzelor
care provoac[ evenimentul X.
Exemplu rezolvat.
#ntr-un lot de piese produs în prima or[ sunt dou[ piese defecte ]i 80 bune.
#n lotul din a doua or[ sunt 81 de piese bune ]i una defect[. La un control se ia c`âte
o pies[, la întâmplare, din fiecare lot. Care este probabilitatea ca ambele piese s[ fie
bune? Dar probabilitatea ca cel pu\in una s[ fie bun[?
133
Solu\ie. Fie A1 evenimentul ca piesa extras[ din primul lot s[ fie bun[ ]i A2
evenimentul ca piesa din lotul doi s[ fie bun[. Evident, A1 A2 (adic[ A1, A2
80 81
sunt compatibile). Avem P(A1)= , P(A2)= . Evenimentul ca ambele piese s[
82 82
80 81
fie bune este A1 A2. Dar P(A1 A2) = P(A1)P(A2) = . deoarece A1, A2 sunt
82 82
independente. Evenimentul ca cel pu\in o pies[ s[ fie bun[ este A1 A2. Avem
P(A1 A2) = P(A1) + P(A2) - P(A1 A2).
Exemplu rezolvat.
Un lot de piese con\ine 20 de piese bune ]i 3 rebuturi. Al doilea lot con\ine
30 de piese bune ]i 4 rebuturi, iar al treilea 50 se piese bune ]i 6 rebuturi. Se extrage
c`te o pies[ din fiecare lot. Care este probabilitatea de a ob\ine dou[ piese bune ]i
un rebut?
20 30 50 3 4 6
Solu\ie. Avem p1= , p2= , p3= , q1= , q2= , q3= .
23 34 56 23 34 56
2
Probabilitatea evenimentului dorit este coeficientul lui t din polinomul
20 3 30 4 50 6
P(t)=( t+ )( t+ )( t+ ) ]i anume:
23 23 34 34 56 56
20 30 6 20 4 50 3 30 50
+ + .
23 34 56 23 34 56 23 34 56
134
Pn;k = Cnkpkqn-k ; p+q=1
Aceasta se mai scrie:
n!
Pn:k = pkqn-k
k !(n k )!
Dac[ not[m k=k1 ; n-k=k2 ; p=p1 ; q=p2 ; avem
n!
Pn:k1= p1k1p2k2 unde k1 + k2 = n ; p1 + p2 =1.
k 1! k 2 !
Exemplu rezolvat.
Timp de 8 ore, or[ de or[, se ob\in loturi de produse identice (se lucreaz[
dup[ aceea]i norm[/or[ ]i cu aceea]i precizie). #n fiecare lot, exist[ un procent de
rebut de 0,9%. La un control se alege c`te o pies[, aleator, din fiecare lot. Care este
probabilitatea ca din cele 8 piese luate la control, 6 s[ fie bune?
Solu\ie. Din schema binomial[ rezult[ P8;6 C8 p 6 q 2 , unde p=1-q iar q = 0,009. Se
6
n!
Pn;k ...k p1k p2k ... prk ; k1 ... kr n; p1 ... pr 1 .
1 2 r
1 r
k1 ! k2 !... kr !
Exemplu rezolvat.
Becurile dintr-un lot/or[ con\in defecte de fabrica\ie (rebut 1%) sau defecte
de montaj (rebut 2%). Or[ de or[, loturile sunt identice. Se ia c`te un bec din fiecare
lot, timp de 8 ore. Care este probabilitatea ca din cele 8 becuri controlate, 5 s[ fie
bune, 2 cu defecte de fabrica\ie ]i unul cu defecte de montaj ? Se ]tie c[ un bec care
are defecte de fabrica\ie nu are ]i defecte de montaj.
Solu\ie. Fie Fie p1 probabilitatea ca un bec s[ fie bun, p2 probabiltatea ca un bec
selectat s[ fie cu defecte de fabrica\ie, iar p3 probabiltatea ca un bec selectat s[ fie
cu defecte de montaj. Avem p2 = 0,01, p3 = 0,02 , p1 + p2 + p3 = 1 ]i deci p1 = 0,97.
Cu schema multinomial[ rezult[
8!
P8;5;2;1 0,975 0,012 0,021 .
5! 2 !1!
135
k1 2; k 2 3; k 3 8 (2 3) 3 .
8!
P8, 2, 3, 3 = (1/6)2(1/6)3(4/6)3.
2! 3! 3!
a 1
a 2
Cax Cax
1 2
Pn ( x1 , x2 ) 1
n
2
; x1 x2 n ; a1 a2 N .
C N
Generalizare. Presupunem c[ urna con\ine N bile omogene din care a1 sunt de
culoarea 1 ]i a2 sunt de culoarea 2, ..., ak sunt de culoarea k (a1+ a2+...+ak = N). Din
urn[ se extrag n bile, f[r[ revenire. Probabilitatea ca din cele n bile extrase, x1 s[ fie
de culoarea 1, x2 s[ fie de culoarea 2, ..., xk s[ fie de culoarea k (x1+x2+...+xk=n)
este:
C ax1 C ax2 ...C axkk
Pn ( x1 , x2 ,..., xk ) 1 2 n .
CN
Exemplu rezolvat.
#ntr-un lot sunt 20 de piese din care 5 nu prezint[ siguran\[ în perioada de
garan\ie. La un laborator de încercare se aduc 8 probe, luate aleator. Care este
probabilitatea ca s[ se constate c[ o prob[ nu s-a încadrat în regimul de garan\ie (la
8 probe se admite una necorespunz[toare, în regim de garan\ie).
Solu\ie. Aplic`nd schema hipergeometric[, avem N =20; a1 =15; a2 =5; x1=7; x2=1
deci
7
C15 C15
P8 ( x1 , x2 ) .
C820
La un atelier de confec\ii se fac 20 de costume pe or[. Se ]tie c[ 15 costume
nu au defecte, 3 costume au defecte minore ]i 2 costume au defecte majore. La un
control se iau aleator 5 costume. Care este probabilitatea ca 3 costume s[ fie bune ]i
câ`te unul s[ aib[ defecte minore, respectiv majore?
Solutie. Aplic`nd schema hipergeometric[ generalizat[, avem:
3
C15 C13 C12
Pn ( x1 x2 x3 ) .
C520
Schema lui Pascal. Fie U o urn[ cu bile albe ]i negre. Se extrag k bile, succesiv
c`te una, cu revenire. Se pune problema de a determina probabilitatea ca apari\ia
bilei albe s[ se realizeze numai la extragerea de ordinul k. Dac[ A este evenimentul
ca la o extragere s[ apar[ bil[ alb[, evenimentul dorit, X se scrie
136
X A A ... A A .
k-1 ori
Exemplu rezolvat.
Probabilitatea na]terii unei fete, în \ara noastr[ este de 51%. Care este
probabilitatea ca la 5 na]teri consecutive, numai la a cincea na]tere s[ apar[ un
b[iat? Se presupune c[ de fiecare dat[ se na]te un singur copil.
Solu\ie. P(X) = 0,514 . 0,49.
3
C15 C13 C12
avem: Pn ( x1 x2 x3 ) .
C520
m
Se nume]te probabilitatea evenimentului A num[rul real P(A) =
n
137
unde m este numãrul de cazuri favorabile evenimentului A, iar n este numãrul cazurilor egal
posibile.
Proprietă\i:
n
h). P (A1 ... An ) = P (Ai ) -
i j
P (Ai Aj ) +
i 1
i jk
P (Ai Aj Ak ) - ... + (-1)n + 1 P (A1 A2 ... An)
Schema urnei cu bil[ f[r[ revenire (hipergeometric[). O urn[ con\ine N bile omogene din
care a1 sunt albe ]i a2 sunt negre (a1 + a2 = N). Din urn[ se extrag n bile, f[r[ revenire. Se cere
probabilitatea ca din cele n bile extrase, x1 s[ fie albe ]i x2 s[ fie negre (x1+x2=n)
Pentru a simplifica ra\ionamentul presupunem c[ s-au extras aleator n bile deodat[ (nu
intereseaz[ ordinea).
Avem CNn cazuri posibile. #n total avem C ax 1
1
grupe favorabile apari\iei a x1 bile albe ]i Cax 2
Pn ( x1 , x2 ) 1
n
2
; x1 x2 n ; a1 a2 N .
C N
138
Termeni cheie: probabilitate; scheme clasice de probabilitate.
Bibliografie
139
Răspunsuri si comentarii pentru testele de autoevaluare
2 3 1 5 7
1 4 2 0 1
Matricea extins[ a sistemului este (A,B)=
3 7 1 5 a
.
0 1 1 1 1
Desigur se poate porni cu pivotul a11=2, dar pentru a u]ura calculele s[ alegem ca
pivot pe a21=1 (conform observa\iei 2). Se ob\ine matricea:
0 5 5 5 5
1
(A1,B1)= 1 4 2 0
0 5 5 5 a 3
0 1 1 1 1
(1)
Continu`nd cu pivotul a 42 =1 se ob\ine:
0 0 0 0 0
1 0 2 4 5
(A2,B2)=
0 0 0 0 a 8
0 1 1 1 1
#n liniile matricei A2 din care nu s-au ales @nc[ pivo\i (liniile 1 ]i 3) nu mai exist[
elemente nenule, deci rangul sistemului este 2, iar sistemul echivalent se scrie de
forma:
0=0
x1 - 2x3 - 4x4 = -5
0=a+8
x2 - x3 - x4 = -1
Deci sistemul este compatibil dac[ ]i numai dac[ a=-8. #n acest caz, ecua\iile 2 ]i 4
sunt principale, iar x1 ]i x2 sunt necunoscute principale, @n timp ce x3 ]i x4 sunt
necunoscute secundare. Solu\ia general[ se scrie de forma:
x1 =-5+2 1 +4 2
x2 =-1+ 1 + 2
x3 = 1
x4 = 2
5 21 4 2
unde 1 ]i 2 sunt parametri reali. Se mai noteaz[ Xgen= 1 1 2 .
1
2
1 0 2 4 5
1 1 1 1 .
A(0)
,B ( 0)
0
0 0 0 0 a 8
0 0
0 0 0
140
Test de autoevaluare 1.2
19 / 5 7 / 2 2
0 0
X1 , X2 , X3 3 .
3/ 5 0 0
0 3/ 2 0
Test de autoevaluare 2.1
141
Test de autoevaluare 5.1.
3/5, 17/5, -1/5.
1 2 2 2 7 2
Q( x ) t1 t 2 t 3
2 5 5
1 3 1
Q ( x) a12 a22 a32
3 4 7
4
C20C102
C306
142