MATEMATICI APLICATE IN ECONOMIE

Prof. univ. dr. Carmen Rocşoreanu

Conf. univ. dr. Liviu Popescu

5
Unitatea de învăţare nr. 1

SISTEME DE ECUA|II LINIARE

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

Timpul alocat temei: 4 ore

Obiective
După studiul aceste unităţi, vei putea să:

 Găsiţi soluţiile unui sistem de ecuaţii liniare.

 Determinaţi inversa unei matrice prin metoda Gauss-
Jordan.
 Determinati soluţiile de bază ale sistemelor de ecuaţii
liniare.
 Determinaţi programele de bază ale sistemelor de ecuaţii
sau inecuaţtii liniare.
 Scrieţi mulţimea tuturor programelor unui sistem.
1.1. Metoda elimin[rii totale Gauss-Jordan

Consider[m un sistem de m ecua\ii liniare cu n necunoscute reale. Acesta se

scrie de forma:

a11x1 + ... + a1j xj+ ... + a1n xn =b1

..........................................................................
ai1x1 + ... + aij xj + ... + ain xn =bi (1.1)
..........................................................................
am1x1 + ... + amj xj + ... + amn xn =bm

Fie A matricea sistemului, B coloana termenilor liberi, X coloana

necunoscutelor ]i (A,B) matricea extins[ a sistemului, ob\inut[ prin bordarea
matricei A cu coloana B. Avem deci:

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

iar sistemul (1.1) se poate scrie sub form[ matriceal[ ca AX=B.

Defini\ia 1.1 Se nume]te transformare elementar[ a sistemului (1.1) (sau a

matricei sale extinse (A,B)) oricare din urm[toarele transform[ri:
a) @nmul\irea unei ecua\ii a sistemului (sau a unei linii din matricea sa extins[) cu
un num[r nenul;
b) adunarea unei ecua\ii a sistemului la o alt[ ecua\ie (sau a unei linii din matricea
extins[ la o alt[ linie);
c) permutarea a dou[ ecua\ii (sau permutarea a dou[ linii din matricea extins[).

Evident, aplic`nd una sau mai multe transform[ri elementare sistemului

(1.1), se ob\ine un sistem ale c[rui solu\ii sunt acelea]i cu ale sistemului ini\ial. Se
spune c[ se ob\ine un sistem echivalent cu sistemul ini\ial.
Metoda elimin[rii totale (Gauss-Jordan) const[ @n aplicarea unui num[r finit
de transform[ri elementare sistemului de ecua\ii liniare (1.1) cu scopul de a-l
transforma @ntr-un sistem echivalent mult mai simplu de rezolvat. Transform[rile
elementare se vor aplica, pentru simplificarea scrierii, nu asupra sistemului (1.1), ci
asupra matricei sale extinse (A,B). Demonstra\ia teoremei urm[toare, care este
constructiv[, arat[ tipul transform[rilor ce trebuie aplicate matricei (A,B).

Teorema 1.1 Dac[ rang A=r, exist[ un num[r finit de transform[ri

elementare astfel @nc`t matricea extins[ (A,B) s[ fie adus[ la forma trapezoidal[:
 1 ... 0 a1(0r ) 1 ... a1(0n ) b1(0 ) 
 
 . ... . . ... . . 
br(0 ) 
( A(0) ,B(0))=  0 ... 1 a rr 1 ... a rn
(0 ) (0 )
(1.2)
 0 ... 0 0 ... 0 br(0 1) 
 . ... . . ... . . 
 0 ... 0 (0 ) 
bm 
 0 ... 0

Demonstra\ie. Evident r  min(m,n). Se parcurg pa]ii urm[tori:

Pasul 1. 1a) Dac[ a11  0, atunci se @mparte linia 1 a matricei (A,B) la a11,
iar noua linie ob\inut[ se @nmul\e]te cu (-ai1) ]i se adun[ la linia i, pentru oricare
i  1. Se ob\ine astfel matricea echivalent[ (A1,B1), ]i anume:

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

Formulele (1.3) arat[ ca elementele matricei (Ak,Bk) aflate pe linia pivotului se

ob\in @mp[r\ind aceast[ linie la pivot.
Formulele (1.4) arat[ ca elementele matricei (Ak,Bk) de pe coloana pivotului,
except`nd pe cele de pe pozi\ia pivotului, sunt nule, @n timp ce restul elementelor

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 ) .

2. #n aplica\ii, pentru simplificarea calculelor, este uneori util ca pivo\ii s[ nu

fie ale]i elemente av`nd acela]i indice de linie ]i de coloan[. Astfel, la pasul k-1 se
poate alege ca pivot orice num[r nenul ast( k 1) , regulile de ob\inere a matricii (Ak,Bk)
fiind tot cele de mai sus. Deci avem:
 .......... .......... ........ . ..   .......... .......... .. 
 ( k  1) ( k  1)   
 
 . . a st .. a sj .. | bs 
( k 1)
 ... 1... a sj ... |bs 
(k ) (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)

Ca o consecin\[ a Teoremei 1.1 sistemul de ecua\ii liniare (1.1) este

echivalent cu sistemul de ecua\ii liniare av`nd ca matrice extins[ pe ( A( 0 ) , B ( 0 ) ),
adic[:
x1  a1(r0) 1 xr 1  ...  a1(n0) xn  b1( 0 )
.......... .......... .......... .......... .
xr  ar( 0, r)1 xr 1  ...  arn( 0) xn  br( 0 )
(1.7)
0  br( 0)1
....
0  bm( 0)

Evident, sistemul este compatibil dac[ ]i numai dac[ br(01)  ...  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) 11  ...  a1(n0) n  r
.......... .......... .......... .......... .
xr  br( 0)  arr( 0) 11  ...  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 

deci sistemul (1.7) se scrie de forma

x1  b1( 0)
.......... (1.9)
xn  bn (0)

adic[ s-a ob\inut solu\ia unic[ a sistemului.

Spre deosebire de metoda rezolv[rii sistemelor de ecua\ii liniare cu ajutorul
determinan\ilor, metoda Gauss - Jordan prezint[ avantajul unei program[ri u]oare
pe calculator.

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 +52
x2= 23 -21 - 62
x3= 1
x4= 2 ,unde 1,2  R.
Vom mai nota:
  16  1  5 2 
 
Xgen =  23  21  6 2  .
1
 2 
 

Test de autoevaluare 1.1.

S[ se rezolve sistemul:
2x1 - 3x2 - x3 - 5x4 = -7
x1 - 4x2 +2x3 = -1
3x1 - 7x2 + x3 -5 x4 = a
x2 - x3 - x4 =-1

1.2. Aplica\ie a metodei Gauss-Jordan la calculul

inversei unei matrice

Fie A=(aij)i,j=1,...,n o matrice p[tratic[ de ordinul n ]i X=(xij)i,j=1,...,n inversa

matricei A, care trebuie determinat[. Fie E matricea unitate de ordinul n.
Cum X=A-1, avem AX=XA=E, adic[:
 a11 a12 ... a1n   x11 x12 ... x1n   1 0 ... 0 
 a a ... a   x x ... x   0 1 ... 0 
 ..........  21 22 
........   .......... ........   ... ... ... ... 
21 22 2n 2n .
 a a ... a   x x ... x   0 0 ... 1 
 n1 n 2 nn   n 1 n 2 nn   
Determinarea matricei X din aceast[ ecua\ie matriceal[ revine la rezolvarea
urm[toarelor n sisteme de ecua\ii liniare, fiecare av`nd ca necunoscute elementele
unei coloane a matricei X:

a11x11  a12 x21  ...  a1n xn1  1

a21 x11  a22 x21  ...  a2 n xn1  0
.......... .......... .......... .......... .......
a x  a x  ...  a x  0
 n1 11 n 2 21 nn n1

a11x12  a12 x22  ...  a1n xn 2  0

a21 x12  a22 x22  ...  a2 n xn 2  1
.......... .......... .......... .......... .......
a x  a x  ...  a x  0
 n1 12 n 2 22 nn n 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 ).

Observa\ie. Dac[ pivo\ii nu sunt ale]i la r`nd pe diagonala principal[ a

matricei A, dup[ n pivot[ri se face o permutare a liniilor matricei ob\inute p`n[
c`nd apare @n st`nga matricea unitate, pentru ca @n partea dreapt[ s[ fie A-1.

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 
 

Test de autoevaluare 1.2.

1 7 
Fie A=   . S[ se determine A-1.
 2 5

1.3. Forma canonic[ a unui sistem de ecua\ii liniare

Fie sistemul de ecua\ii liniare (1.1), av`nd rangul r egal cu num[rul m al

ecua\iilor ]i m<n. Aceasta @nseamn[ ca sistemul (1.1) nu are ecua\ii secundare.
Matriceal, un astfel de sistem se scrie de forma:

AX=B,
unde AM(m, n, R), XM(n, 1, R), (1.10)
BM(m, 1, R), rang A=m<n .

Aplic`nd metoda Gauss-Jordan sistemului (1.10), rezult[ c[ matricea (1.2) va fi de

forma:
 1 ... 0 a1(m0)1 ... a1( 0j ) ... a1(n0) b1( 0) 
 
( A( 0 ) , B ( 0 ) )=  .. ... ... ... ... ... ... ... ...  , (1.11)
 0 ... 1 amm(0)
... a (0)
... a ( 0)
b (0)

 1 mj mn m

deci sistemul echivalent cu (1.10) este:
A( 0) X  B ( 0) (1.12)
Desigur, am presupus c[ necunoscutele principale sunt x1 ,x2 , ... ,xm, deci pivo\ii au
fost ale]i astfel @nc`t indicii de linie ]i de coloan[ s[ fie egali.

Defini\ia 1.2. Se nume]te matrice bazic[ (principal[) a sistemului (1.10)

matricea format[ din coloanele matricei A corespunz[toare variabilelor principale.
Restul coloanelor matricei A formeaz[ partea secundar[ a lui A.

#n continuare vom nota matricea bazic[ cu M, iar pe cea secundar[ cu AS .

Alegerea matricelor M ]i AS nu este unic[ pentru c[, @n general, exist[ mai multe
moduri de a alege grupa variabilelor principale. Uneori, pentru a preciza care
coloane compun matricea bazic[, aceasta se va nota cu M urmat de indicii
variabilelor principale. Totodat[ vom nota cu Xb coloana necunoscutelor principale
]i cu XS coloana necunoscutelor secundare. #n cazul rezolv[rii sistemului (1.10) sub
forma (1.11) avem:
 a11 ... a1m 
M  M (1, 2,...,m )   ... ... ... 
 am1 ... amm 
 

13
  a1 m1 ... a1 j ... a1n   x1   xm1 
AS   .......... .......... ........  , X b   , X S    .
a  x  x 
 m m1 ... 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)

#nmul\ind la st`nga (1.14) cu inversa matricei bazice se ob\ine:

EXb + M-1 AS XS =M-1 B,

adic[
X b  As X s  B ( 0)
( 0)
(1.15)
unde
(0)
As =M-1 AS ]i B(0) = M-1 B (1.16)
Desigur, sistemul (1.15) se poate scrie de forma:
(E, As )   b   B ( 0)
(0) X
 XS 
acesta fiind chiar sistemul (1.12), ob\inut rezolv`nd cu metoda Gauss-Jordan.
Forma (1.15) se nume]te forma canonic[ a sistemului de ecua\ii liniare
(1.10). Formulele (1.16) arat[ c[, @n scrierea canonic[ (1.15) a sistemului, termenii
liberi B(0) s-au ob\inut @nmul\ind inversa matricei bazice cu termenii liberi B ai
sistemului @n forma ini\ial[ (1.10), @n timp ce fiecare coloan[ a unei necunoscute
secundare s-a ob\inut @nmul\ind inversa matricei bazice cu coloana secundar[
corespunz[toare a matricei A, adic[ avem:
 b1( 0)  b   a (0)  a 
   M 1   1 ;  1 j   M 1  i j  (1.17)
 (0)  b   ( 0)  a 
 m 
b  m a
 mj   m j 

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
 

1.4. Solu\ii de baz[ ale sistemelor de ecua\ii liniare

Fie un sistem de m ecua\ii liniare cu n necunoscute, cu rangul m (m<n), de

forma (1.10).

Defini\ia 1.3. Se nume]te solu\ie de baz[ a sistemului (1.10) orice solu\ie

ob\inut[ din solu\ia general[ f[c`nd variabilele secundare egale cu zero.

Echivalent, solu\ia de baz[ se poate defini ]i ca o solu\ie a sistemului cu

proprietatea c[ coloanele matricei A a sistemului, corespunz[toare variabilelor
nenule, sunt vectori liniar independen\i.
Evident, num[rul solu\iilor de baz[ este maxim Cnm , iar pentru fiecare
solu\ie de baz[, num[rul componentelor nenule este maxim m.

Pe baza celor dou[ metode de rezolvare a unui sistem de ecua\ii liniare

prezentate @n Sec\iunea 1.1 (metoda Gauss - Jordan bazat[ pe pivot[ri) ]i @n
Sec\iunea 1.3 (rezolvarea prin aducere la forma canonic[) prezent[m @n continuare
dou[ metode de determinare a solu\iilor de baz[.

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 m1 ... ai j ... ai n | bi 
 
(A(0),B(0)) =  .......... .......... .......... .......... ..... | ... . (1.18)
 0 ... 0 ...1... 0 at m1 ... at j ... at n | bt
( 0 ) ( 0 ) ( 0 ) ( 0 ) 
 
 .......... .......... .......... .......... ..... | ... 
 (0) (0) (0) (0) 

 0 ... 0 ... 0 ...1 am m1 ... am j ... am n | bm 

De aici solu\ia general[ a sistemului este:

 x1  b1( 0)  a1(m0)11  ...  a1( 0j )  j m  ...  a1(n0)  nm 

 
 ..........(.......... .......... .......... .......... .......... .......... ... 
 xi  bi  ai m11  ...  ai j  j m  ...  ai n  nm 
0) (0) (0) ( 0)

 .......... .......... .......... .......... .......... .......... .......... ... 

 xt  bt( 0)  at( 0m)11  ...  at( 0j )  j m  ...  at(n0)  nm 
 .......... .......... .......... .......... .......... ... 
X gen   .......... ..........  (1.19)
 xm  bm  am m11  ...  am j  j m  ...  am n  nm 
(0) (0) (0) (0)

 xm1  1 
 .......... ..... 
 x j   j m 
 .......... ...... 
x   
 n nm 

unde  1, ... ,  n-m R.

Egal`nd cu 0 variabilele secundare, se ob\ine solu\ia particular[
 x1( 0 )  b1( 0 ) 
 .......... ...... 
 (0) (0) 
 xi  bi 
 .......... ...... 
 xt  bt 
(0) (0)

 .......... ...... 
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 m1
 aij( 0) in i

(1) (1) 
(A ,B ) = .......... .......... .......... .......... .... ...  (1.21)
 0 ... a (1) ... 1... 0 a (1) ... 0 ..... a (1) | b (1) 
 ti t m1 tn t 
 ..........(1).......... .......... .......... ....... 
 0 ... ami ... 0 ...1 am m1 ... 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.

2. Determinarea solu\iilor de baz[ cu ajutorul matricei bazice

#n forma canonic[ (1.15) a sistemului de ecua\ii liniare (1.10), fac`nd necunoscutele
secundare s[ fie zero avem:

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  21  5 2 
 
Xgen =  x2  4  31  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 

Solu\ia 2 (cu ajutorul matricelor bazice).

Aleg`nd x1 ]i x2 ca variabile principale, matricea bazic[ este M(1,2)= 1 2  a c[rei
1 1 
 1 2
invers[ a fost calculat[ @n Exemplul 1.6. ]i anume M (11, 2)    . Deci
 1  1
Xb   x1   M (11, 2)  B    1 2    8   16  ,
 x2   1  1 12    4 
iar solu\ia de baz[ corespunz[toare este:
16 
 
X 0    4 .
0
0 
 
Aleg`nd alte variabile principale, se ob\in alte solu\ii bazice.

Test de autoevaluare 1.4.

S[ se determine toate solu\iile de baz[ ale sistemului:
x1 + 3x2 +2x3 + x4 = 10
2x1 + x2 + 3 x3 + x4 =6.

1.5. Programe de baz[ ale sistemelor de ecua\ii liniare

Fie sistemul (1.10) de m ecua\ii liniare cu n necunoscute de rang m, m<n.

Defini\ia 1.4. Se nume]te program al sistemului (1.10) orice solu\ie av`nd

toate componentele mai mari sau egale cu zero. Un program al sistemului (1.10)
care este @n acela]i timp ]i solu\ie de baz[ se nume]te program de baz[.

Programele de baz[ fiind ]i solu\ii de baz[, sunt @n num[r finit, sistemul

put`nd avea cel mult Cnm programe de baz[. De asemenea, num[rul componentelor

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.

Exemplu. Pentru sistemul de ecua\ii liniare

x1 + 2x2 + 4x3 + x4 = 8
x1 + x2 + x3 + 3x4 = 12.
s-a determinat solu\ia general[ de forma:
16  21  5 2 
 
X gen    4  31  2 2 , 1 ,  2  R , c[reia @i corespunde solu\ia de baz[
1
 2 
 
16 
 
X 0    4  . Acesta nu este program pentru c[ x2( 0)  4  0 .
0
0 
 
Dintre toate solu\iile de baz[ ob\inute @n sec\iunea precedent[, X1, X4 ]i X5 sunt ]i
programe de baz[ nedegenerate. Alte programe pot fi ob\inute din solu\ia general[
d`nd parametrilor valori convenabile, astfel @nc`t s[ se ob\in[ toate componentele
2 
1  
pozitive. De exemplu, dac[  1  ]i 2 =3 se ob\ine programul X 6  1 / 2  iar
2 1/ 2
3 
 
1 / 2 
21  
dac[ 1 =1 ]i 2 = se ob\ine programul X 7   0 .
6 1
 21/ 6 
 
Desigur, X6 ]i X7 nu sunt programe de baz[, deoarece num[rul componentelor strict
pozitive este, de fiecare dat[, mai mare strict dec`t rangul 2 al sistemului. Sistemul
nu admite programe de baz[ degenerate. Un astfel de program ar trebui s[ aib[, @n
acest caz, mai pu\in de dou[ componente strict pozitive.

Deoarece @n studiul problemelor de programare liniar[ programele de baz[

au un rol primordial, @n continuare vom pune @n eviden\[ o metod[ de determinare a
acestora, precum ]i propriet[\i ale lor. Cum programele de baz[ sunt ]i solu\ii de
baz[, determinarea solu\iilor de baz[ cu una din metodele din Sec\iunea 1.4
determin[ ]i programele de baz[. Totu]i, pentru sistemele cu un num[r mare de
necunoscute, num[rul solu\iilor de baz[ este @n general mare, de aceea se impune o
metod[ care s[ genereze doar programele de baz[, f[r[ a mai fi calculate toate
solu\iile de baz[. O astfel de metod[ este prezentat[ @n continuare.

20
 Generarea programelor de baz[

Presupunem c[ sistemul de ecua\ii liniare (1.10.) a fost rezolvat ob\in`ndu-

se matricea dat[ de (1.18) ]i programul de baz[ corespunz[tor X0 dat de (1.20).
Aceasta @nseamn[ c[ avem
b1(0)  0, ... , bm(0)  0 . Aceast[ presupunere nu reduce generalitatea. De]i @n practic[
este posibil ca aleg`nd x1, ..., xm ca variabile principale s[ se ob\in[ o solu\ie de
baz[ X0 care nu este ]i program (deci s[ existe i cu bi(0)  0 ), totu]i o renumerotare
a variabilelor face s[ ne situ[m @n ipoteza de mai sus.
#n Sec\iunea 1.4. am ar[tat c[, dac[ se continu[ pivotarea @n matricea (A(0),B(0)) cu
un pivot aij( 0 ) ales dintr-o coloan[ secundar[, se ob\ine matricea (A(1),B(1)) dat[ de
(1.21) ]i solu\ia de baz[ corespunz[toare X1 dat[ de (1.22). Pentru ca ]i X1 s[ fie
program de baz[, trebuie s[ avem xt(1)  0,  t  1, ..., n , adic[ bt(1)  0, t  1,..., m .
Conform formulelor (1.23), (1.24) aceasta revine la:
xt( 0)  atj0  x(j1)  0,  t  1, ..., i  1, i  1,..., m , (1.26)
xi( 0 )
0 . (1.27)
aij( 0 )
Cum xi(0)  0 , din (1.27) trebuie s[ avem
aij( 0)  0 . (1.28)
Din (1.26) avem xt( 0)  atj( 0) x (j1) . Cum xt(0)  0, rezult[ c[ inegalitatea este adev[rat[
pentru orice atj( 0 )  0 , @n timp ce pentru atj( 0 )  0 trebuie s[ avem:
xt( 0) bt( 0)
x (j1)   ,  t  1,..., i  1, i  1,..., m (1.29)
atj( 0) atj( 0)
Aleg`nd
 b ( 0)  b ( 0)
x (j1)  min  t( 0) , atj( 0)  0  i( 0) (1.30)
 atj  aij
condi\iile (1.29) sunt @ndeplinite, deci X1 este tot un program de baz[, @n care
variabila xj este principal[ @n locul lui xi.
#n concluzie, pentru a ob\ine un nou program de baz[ X1 de forma (1.22)
plec`nd de la programul de baz[ X0 de forma (1.20), se alege @n matricea (A(0),B(0))
dat[ de (1.18) pivotul aij( 0 )  0 @ndeplin`nd condi\ia raportului minim (1.30).

#n continuare prezent[m o proprietate a unui sistem de ecua\ii liniare, legat[ de

programe.

Teorema 1.2. Dac[ sistemul de ecua\ii liniare (1.10) are un program, atunci
el are ]i un program de baz[.

Consecin\a Teoremei 1.2 Dac[ un sistem de ecua\ii liniare nu are programe

de baz[, atunci el nu are programe.

Aceast[ consecin\[ este important[ pentru c[ ne permite s[ ar[t[m c[ un sistem

liniar nu are programe. Din solu\ia general[ a sistemului este @n general dificil de

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 

deci @n noul program X2 variabilele principale sunt x3 ]i x4.

Pentru a ob\ine un nou program de baz[, ar trebui aleas[ o coloan[ secundar[ a
matricei A(2). Dac[ s-ar alege prima coloan[, cum aici sunt dou[ numere strict
pozitive (deci posibili pivo\i), aplic`nd condi\ia (1.30) avem:
 12 40 
min  112 ; 113   min6, 403   6 , deci pivotul ar trebui ales a11( 2)  112 ceea ce ar conduce
 11 11 
la un program de baz[ cu x1 ]i x4 variabile principale, adic[ la programul de baz[
deja ob\inut X1.
De aceea, pentru a ob\ine un nou program de baz[ se alege un pivot strict pozitiv
din a doua coloan[ a matricei A(2), dat de condi\ia:
 12 40 
min  115 ; 112   min125 , 402   125 , adic[ pivotul este a12( 2)  115 .
 11 11 
Se ob\ine:

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   min6,16  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).

Test de autoevaluare 1.5.

2. De rezolvat. S[ se determine programele de baz[ ale sistemului:

2x1 + x2 + 3x3 + x4 +x5= 10
x1 + x2 + x3 + 5x4 +2x5= 4.

1.6 Sisteme de inecua\ii liniare

Vom considera @n continuare sisteme de inecua\ii liniare. Cum orice

inecua\ie care con\ine semnul  poate fi transformat[ @ntr-una care con\ine  prin
@nmul\irea cu -1, vom considera un sistem de inecua\ii de forma:
a11 x1    a1n xn  b1
.......... .......... ......... (1.31)
am1 x1    amn xn  bm
Matriceal, cu nota\iile din Sec\iunea 1.1, (1.31) se scrie:
AX  B. (1.32)
Sistemului (1.31) i se ata]eaz[ sistemul de ecua\ii liniare:
a11x1    a1n xn  y1  b1
.......... .......... ......... (1.33)
am1 x1    amn xn  ym  bm
ob\inut prin adunarea @n membrul st`ng al fiec[rei inecua\ii din (1.31) a unei
variabile pozitive yi, i=1,...,m. Sistemul (1.33) se nume]te sistemul compensat
corespunz[tor lui (1.31). Matriceal, el se scrie sub forma:
 y1 
AX+EY=B, unde Y     0 (1.34)
y 
 m
unde E este matricea unitate de ordinul m.

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.

Urm[toarea proprietate pune @n eviden\[ o coresponden\[ biunivoc[ @ntre

programele unui sistem de inecua\ii ]i programele sistemului compensat
corespunz[tor.

Proprietatea 1.1 X0 este program al sistemului de inecua\ii (1.32) dac[ ]i

numai dac[ exist[ Y0  0 astfel @nc`t (X0, Y0) s[ fie program al sistemului compensat
(1.34).

Pentru demonstra\ie se alege Y0=B-AX0.

Defini\ia 1.6 Dac[ (X0, Y0) este program de baz[ al sistemului compensat
(1.34) atunci X0 se nume]te program de baz[ al sistemului de inecua\ii (1.32).

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.

Test de autoevaluare 1.6.

Fie sistemul de inecua\ii
x1+2x2+x3  6
2x1+x2+x3  10
S[ se scrie sistemul compensat ]i s[ se determine programele de baz[ ale sistemului
de inecua\ii.

1.7 Mul\imi convexe

 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.

#n particular, dac[ k=2, combina\ia liniar[ convex[ a vectorilor X1 ]i X2 se scrie de

forma:
a1X1 + a2X1, cu a1, a2  0 ]i a1+ a2 =1. (1.36)
Not`nd cu a1=a, avem a2=1-a ]i (1.36) devine:
aX1+(1-a)X2, cu a  0,1 . (1.37)

Defini\ia1.8 Fie X, Y  R n . Se nume]te segmentul @nchis de capete X, Y

mul\imea
X , Y   Z  R n /  a  [0,1] a.i. Z  aX  (1  a)Y  . (1.38)
Se nume]te segmentul deschis de capete X, Y mul\imea:
X , Y   Z  R n /  a  (0,1) a.i. Z  aX  (1  a)Y  . (1.39)

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 } .

Defini\ia 1.9 Fie M o submul\ime a lui Rn. Mul\imea M se nume]te convex[

dac[ oricare ar fi X, Y dou[ elemente din M, segmentul @nchis [ X , Y ] este inclus @n
M.

Echivalent avem:
M- convex[   X , Y  M ,  a  [0,1], Z  aX  (1  a)Y  M . (1.40)

Proprietatea urm[toare d[ o condi\ie echivalent[ cu Defini\a 1.9 pentru ca mul\imea

M s[ fie convex[.

Proprietatea 1.2 Fie M  R n . Mul\imea M este convex[ dac[ ]i numai dac[

orice combina\ie liniar[ convex[ de elemente din M este tot @n M.

Consider[m @n continuare urm[toarele mul\imi:

a). mul\imea solu\iilor unui sistem de ecua\ii liniare:
S  { X  R n / AX  B, A  M (m, n, R), B  M (m,1, R), (1.41)
rang A  m  n};
b). mul\imea programelor unui sistem de ecua\ii liniare:
P  { X  R n / X  0, AX  B, A  M (m, n, R), B  M (m,1, R), (1.42)
rang A  m  n};
c). mul\imea solu\iilor unui sistem de inecua\ii liniare:
S1  { X  R n / AX  B, A  M (m, n, R), B  M (m,1, R)} ; (1.43)
d). mul\imea programelor unui sistem de inecua\ii liniare:
P1  { X  R n / AX  B, X  0, A  M (m, n, R), (1.44)
B  M (m,1, R)}.

Proprietatea 1.3 Mul\imile S, P, S1, P1 sunt mul\imi convexe din Rn.

Demonstra\ie. Fie X, YS, a  [0,1] ]i Z=aX+(1-a)Y. Avem
A  Z  A(aX  (1 - a)Y)  a  AX  (1 - a)  AY  aB  (1 - a)B  B ,
deci ZS ]i S este mul\imea convex[, conform Defini\iei 1.9.
Dac[ X, YP, atunci, @n plus, avem X, Y  0, deci Z  0, adic[ Z  P
]i P este convex[. Analog se arat[ c[ S1 ]i P1 sunt mul\imi convexe.

Mul\imile S, P, S1, P1 se mai numesc tronsoane.

Din Propriet[\ile 1.2 ]i 1.3 avem urm[toarea consecin\[:
Orice combina\ie liniar[ convex[ de dou[ sau mai multe solu\ii ale unui
sistem de ecua\ii (sau inecua\ii) liniare este tot solu\ie a sistemului. Orice
combina\ie liniar[ convex[ de dou[ sau mai multe programe ale ale unui sistem de
ecua\ii (sau inecua\ii) liniare este tot program al sistemului.

Defini\ia1.10 Fie M  Rn. Mul\imea M se nume]te m[rginit[ dac[ exist[

  0 astfel @nc`t pentru orice XM, X=(x1,...,xn)t s[ avem X  x12  ...  xn2   .

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 m1   j m1     nm  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  jm poate fi un num[r pozitiv oric`t de mare.
Deci mul\imea programelor sistemului este nem[rginit[.

Defini\ia 1.11 Vectorul V0 care apare @n (1.46) se nume]te raza extremal[

corespunz[toare programului de baz[ (v`rfului) X0.

#n Sec\iunea 1.1 am v[zut cum se ob\ine totalitatea solu\iilor unui sistem de

ecua\ii liniare, sub forma solu\iei generale. #n capitolul urm[tor vom fi interesa\i nu
de totalitatea solu\iilor sistemului, ci doar de programele acestuia. #n scrierea
solu\iei generale programele nu apar @ns[ diferen\iate de restul solu\iilor sistemului
care nu sunt programe. Totu]i, @n Sec\iunea 1.5, am ar[tat cum pot fi g[site ni]te
programe particulare ale sistemului ]i anume programele de baz[. #n continuare
vom enun\a teorema lui Krein-Milman, care ne va permite s[ d[m o expresie
analitic[ a tuturor programelor sistemului cu ajutorul programelor de baz[. Aceast[

27
teorem[ se formuleaz[ pentru dou[ situa\ii distincte, dup[ cum tronsonul
programelor este m[rginit sau nem[rginit.

Teorema 1.3 (Krein-Milman pentru un tronson m[rginit)

Fie T   tronsonul m[rginit al programelor unui sistem de ecua\ii sau
inecua\ii liniare. Atunci orice program din T se poate scrie ca o combina\ie liniar[
convex[ de programele de baz[ ale sistemului.

Cum ]i orice combina\ie liniar[ convex[ de programe este tot un program,

dac[ T=P sau P1 avem urm[toarea form[ a mul\imii T:
T 
k k
 X  R / X   ai X i , a1 ,..., ak  0,  ai  1,
n

 i 1 i 1

unde X 1 ,..., X k sunt programe de baza  . (1.47)

Teorema 1.4 (Krein-Milman pentru un tronson nem[rginit)

Fie T tronsonul nem[rginit al programelor unui sistem de ecua\ii sau
inecua\ii liniare. Atunci orice program din T se poate scrie ca o combina\ie liniar[
convex[ de progeamele de baz[ ale sistemului plus o combina\ie liniar[ cu
coeficien\i nenegativi de razele extremale ale lui T.

Deci, @n acest caz, X  T ,  X 1 ,, X k puncte extremale ale lui T ]i

V1,...,VS raze extremale astfel @nc`t
X=a1X1+...+akXk+b1V1+...+bSVS , (1.48)
unde a1 ,, ak  0 cu a1    ak  1 ]i b1,...,bS  0 .
#n acest caz avem:
 k s
T   X  R n / X   ai X i   b jV j , a1 ,..., ak , b1 ,..., bs  0,
 i 1 j 1 (1.49)
k
 ai  1, X 1 ,..., X k programe de baza ,V1 ,..., Vs raze extremale}
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

Test de autoevaluare 1.7.

Fie sistemul de inecua\ii liniare
-x1 + x2  1
x1 + 2x2  4.

S[ se g[seasc[ expresia analitic[ a unui program oarecare al sistemului.

Solu\ie. Sistemul de ecua\ii compensat este:
-x1 + x2 + y1 = 1
x1 + 2x2 -y2 = 4, cu y1,20

Aplic`nd metoda Gauss-Jordan, avem:

  1 1 1 0 | 1  0 [3] 1  1 | 5 
  ~    ( A(0 ) ,B(0))
 [ 1] 2 0  1 | 4   1 2 0  1 | 4 

Deci solu\ia general[ este:

x1=4-21+2
x2=1
y1=5-31+2
y2=2, unde 1, 2 R
 4
 X0   0
Dac[ 1 = 2 =0, se ob\ine programul de baz[      , deci X 0   4  este
 Y0   5  0
 
0
program de baz[ al sistemului de inecua\ii.
Dar coloana a patra din matricea A(0) este negativ[, deci mul\imea programelor este
nem[rginit[. Pentru a determina raza extremal[ corespunz[toare lui X0, facem doar
1 = 0 ]i se ob\in solu\iile particulare:
 4  2   4  1  1 
 X0  0  0  0  X  0
    5      5    2 1    Y 0    2V0 , unde V0  1 
 Y0   2
 0  0  0  0
 2       
este raza extremal[ pentru sistemul de ecua\ii, iar 1  este raza extremal[ prin X0 a
 0
sistemului de inecua\ii. Pentru a ob\ine un alt program de baz[, se continu[
pivotarea @n matricea (A(0),B(0)) cu pivot din coloana a doua, ales cu regula
min53 , 42   53 . Se ob\ine:
 0 1 13  13 | 53 
(A(1),B(1)) =  2
 ]i corespunz[tor solu\ia general[ se scrie sub forma:
 1 0  2
3  1
3 | 3 
2 2 1
x1=   1   2
3 3 3

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

Aplic`nd Teorema Krein-Milman pentru tronson nem[rginit, un program oarecare

al sistemului de inecua\ii se scrie:
X=a0X0 + a1X1 + b0V0 + b1V1, cu a0, a1, b0, b10 ]i a0 + a1 =1.
 4  23  1   13 
 
Deci X  a0    a1  5   b0    b1  1  , adic[ mul\imea programelor
0 3  0  3
sistemului de inecua\ii este:
 4a  2 a  b  1 b 
P1  { X  R 2 / X   5 0 13 1 0 3 1 , a0 , a1, b0 , b1  0, a0  a1  1} .
 3 a1  3 b1 
De rezolvat. Fie sistemul de ecua\ii
x1 + x2 + 2x3 + 3x4 = 12
2x1 + x2 + x3 + x4 = 14.
S[ se scrie mul\imea programelor sistemului.

30
Rezumatul unităţii de studiu

Metoda elimin[rii totale Gauss-Jordan este o metod[ de rezolvare a sistemelor de

ecua\ii liniare cu ajutorul pivot[rilor. Aceasta presupune alegerea, la fiecare pas, a unui pivot
nenul (unul din elementele matricei sistemului) ]i transformarea restului elementelor din
matricea extins[ astfel: elementele de pe linia pivotului se @mpart la pivot, elementele de pe
coloana pivotului se fac zero, iar restul elementelor se calculeaz[ cu regula dreptunghiului. #n
final se ob\ine un sistem echivalent cu cel dat, dar mult mai simplu (sistemul canonic).
Cum calculul inversei unei matrice presupune rezolvarea a mai multe sisteme liniare,
metoda Gauss-Jordan se poate aplica ]i pentru inversarea matricelor.
Forma canonic[ a unui sistem de ecua\ii liniare se poate ob\ine nu doar cu metoda
Gauss Jordan, ci ]i cu ajutorul matricei bazice a sistemului. Aceasta este matricea care con\ine
coloanele variabilelor principale. #nmul\ind inversa matricei bazice cu coloanele secundare ale
sistemului dat, respectiv cu coloana termenilor liberi, se ob\in coloanele secundare ale
sistemului canonic, respectiv coloana termenilor liberi din sistemul canonic.
O solu\ie de baz[ a unui sistem de ecua\ii liniare este o solu\ie ob\inut[ din solu\ia
general[, f[c`nd necunoscutele secundare s[ fie zero. Rezolv`nd sistemul @n diverse moduri (cu
diverse grupe de variabile principale) se ob\in diverse solu\ii de baz[. Acestea sunt @n num[r
finit.
O solu\ie a unui sistem de ecua\ii liniare se nume]te program dac[ toate componentele
sale sunt mai mari sau egale cu zero. O solu\ie de baz[ care este ]i program se nume]te program
de baz[. Odat[ g[sit un program de baz[ rezolv`nd sistemul cu metoda Gauss Jordan, restul
programelor de baz[ ale sistemului se pot genera aleg`nd pivo\i pozitivi, cu regula raportului
minim.
Sistemele de inecua\ii liniare se transform[ @n sisteme de ecua\ii liniare cu ajutorul unor
variabile de compensare, care sunt pozitive. Astfel, fiecare program de baz[ al sistemului
compensat furnizeaz[ un program de baz[ al sistemului de inecua\ii.
Mul\imile convexe sunt mul\imi care con\in, odat[ cu dou[ elemente ale lor, ]i orice
combina\ie liniar[ convex[ a acestora. Mul\imea solu\iilor unui sitem de ecua\ii (inecua\ii)
liniare sau mul\imea programelor sale sunt mul\imi convexe. Dac[ mul\imea programelor unui
sistem de ecua\ii sau inecua\ii liniare este m[rginit[, atunci orice program se poate scrie ca o
combina\ie liniar[ convex[ de programele de baz[ ale sistemului. Dac[ mul\imea programelor
unui sistem de ecua\ii sau inecua\ii liniare este nem[rginit[, atunci orice program se poate scrie
ca o combina\ie liniar[ convex[ de programele de baz[ ale sistemului plus o combina\ie liniar[
cu coeficien\i nenegativi de razele extremale.

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

1. S[ se determine solu\ia general[ pentru urm[toarele sisteme de ecua\ii liniare,

aplic`nd metoda Gauss-Jordan:
a).
2 x1  x2  3x3  9
x1  2 x2  4 x3  2
 3x1  4 x2  x3  13
R. x1  2, x2  4, x3  3 .
b).
x1  3x2  2 x3  x4  6
2 x1  2 x2  x3  x4  8
R. x1  3   / 4   / 4, x2  1  3 / 4   / 4, x3   , x4   .

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.

S[ se scrie mul\imea programelor sistemului.

R. P  a1 X 1  a2 X 2  a3 X 3  a4 X 4 , ai  0, i  1,4, a1  a2  a3  a4  1},

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 
       

5. Fie sistemul de inecua\ii liniare:

x1+2x23
2x1+x23
S[ se scrie mul\imea programelor sistemului.
R. P1  a1 X 1  a 2 X 2  a3 X 3  b1V1  b2V2 ; ai  0, i  1,2,3; b1 , b2  0,
a1  a2  a3  1, X 1   3 , X 2  1, X 3   0 , V1   1 , V2   0  .
 0 1  3  0 1

6. S[ se determine mul\imea programelor sistemului

3x1  x2  4 x3  2 x4  40
2 x1  x2  5x3  3x4  22
R. P=  .

33
Unitatea de învăţare nr. 2

PROBLEMA PROGRAM{RII LINIARE

Cuprins
Obiective
2.1 Problema de programare liniar[ standard. Rezolvarea ei cu algoritmul
simplex
2.2 Programe optime multiple
2.3 Forme nestandard de probleme de programare liniar[
Bibliografie

Timpul alocat temei: 4 ore

Obiective
După studiul aceste unităţi, vei putea să

 Rezolvaţi optimal o problemă de programare liniară cu

ajutorul algoritmului simplex.
 Determinaţi programul optim al problemei duale simetrice
folosind tabelul simplex de optim al problemei iniţiale.
 Determinaţi programe optime ale unor probleme noi
obţinute schimband elemente ale problemei iniţiale, folosind
reoptimizările.

2.1 Problema de programare liniar[ standard.

Rezolvarea ei cu algoritmul simplex

Problema program[rii liniare este problema determin[rii maximului sau

minimului unei func\ii liniare de mai multe variabile @n condi\iile @n care variabilele
satisfac un sistem de ecua\ii ]i/sau inecua\ii liniare. Dac[ problema este de maxim,
iar variabilele sunt pozitive ]i satisfac un sistem de ecua\ii liniare, atunci se spune
c[ ea este @n form[ standard. Mai precis, avem urm[toarea defini\ie.

Defini\ia 2.1. Se nume]te problem[ de programare liniar[ @n form[

standard o problem[ de forma urm[toare:

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.

Observa\ie. Condi\ia ca rangul sistemului de restric\ii s[ fie egal cu

num[rul ecua\iilor nu este esen\ial[, dar putem presupune c[ este @ntotdeauna
@ndeplinit[ dup[ ce s-au @nl[turat din sistem ecua\iile secundare. Condi\ia m<n este
necesar[ pentru ca sistemul s[ aib[ o infinitate de solu\ii. Condi\iile
x1  0, x2  0,..., xn  0 arat[ c[ din mul\imea tuturor solu\iilor sistemului de
restric\ii ne intereseaz[ doar programele. Deci trebuie determinat acel program al
sistemului pentru care func\ia liniar[ f ia valoarea cea mai mare.

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

Defini\ia 2.2. Vectorul X 0  R n se nume]te program optim al problemei

de programare liniare (2.3) dac[:
AX 0  B
X0  0
max f  f  X 0 

Avem urm[toarea proprietate:

Proprietatea 2.1. Mul\imea programelor optime ale problemei de

programare liniar[ este convex[.

Din Propriet[\ile 2.1 ]i 1.2 avem urm[toarea:

Consecin\[. Dac[ o problem[ de programare liniar[ are dou[ sau mai multe
programe optime, atunci orice combina\ie liniar[ convex[ a acestora este tot
program optim.

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.

Fie problema program[rii liniare standard (2.1). Presupunem c[ sistemul de

restric\ii a fost rezolvat, ob\in`ndu-se matricea ( A(0) ,B(0)), dat[ de (1.18) ]i
programul de baz[ corespunz[tor X 0 dat de (1.20). Avem deci bi(0)  0 , oricare ar fi
i=1,2,...,m.

Defini\ia 2.3. Se nume]te tabelul simplex corespunz[tor programului de

baz[ X 0 ( ]i matricei A(0) ) urm[torul tablel:
C c1 ... ci .... ct ... cm cm+1 ... cj ... cs ... cn
Variab Prog. x1 ... xi ... xt ... xm xm+1 ... xj ... xS ... xn
Cb . bazice
c1 x1 b1(0) 1 ... 0 ... 0 ... 0 a1m+1(0) ... a1j(0) ... a1s(0) ... a1n(0)
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... (2.4)
ci xi bi(0) 0 ... 1 ... 0 ... 0 aim+1(0) ... aij(0) ... ais(0) ... ain(0)
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
ct xt bt(0) 0 ... 0 ... 1 ... 0 atm+1(0) ... atj(0) ... ats(0) ... atn(0)
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
cm x m bm(0) 0 ... 0 ... 0 ... 1 amm+1(0) ... amj(0) ... ams(0) ... amn(0)
Z z0 z1 ... zi ... zt ... zm zm+1 ... zj ... zs ... zn
C-Z c1-z1 ... ci-zi ... ct-zt ... cm-zm cm+1-zm+1 ... cj-zj ... cs-zs ... cn-zn
m
unde z0   cibi( 0) (2.5)
i 1
m
z j   ci aij( 0) , j  1, n (2.6)
i 1

Evident zi=ci, pentru i=1,2,…,m, deci ci-zi=0, i  1,..., m . Urm[toarele propriet[\i

argumenteaz[ algoritmul simplex.

Proprietatea 2.3. Dac[ @n tabelul simplex (2.4) avem

cj-zj0, j=1,2,...,n, atunci X0 este program optim al problemei (2.1) ]i max f=z0.
Propietatea 2.4. Dac[ @n tabelul simplex (2.4) exist[ j astfel @nc`t cj-zj>0 ]i
atj 0, oricare ar fi t=1,2,...,m, atunci maxf=.
(0)

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

Pe baza Propriet[\ilor 2.3-2.5 se poate formula algoritmul simplex pentru

rezolvarea problemei de programare liniar[ standard. Varianta tabelar[ cu baz[
proprie a acestui algoritm presupune parcurgerea a dou[ etape:

Etapa I: Se determin[ un program de baz[ X0 al sistemului de restric\ii AX=B.

Etapa a II-a: Se face tabelul simplex (2.4) corespunz[tor programului de baz[

X0.
1. Se calculeaz[ linia Z cu formulele (2.5) si (2.6):
m
z0   cibi( 0) = c1b1(0)  ....  cmbm(0)
i 1
m
z j   ci aij( 0)  c1a1( 0j )  ...  cm amj
(0)
, j  1, n
i 1

]i linia C-Z, apoi se trece la 2.

Evident zi=ci, oricare ar fi i=1,...,m, deci ci-zi=0, oricare ar fi i=1,...,m.

2. Dac[ cj-zj0, oricare ar fi j=1,2,...,n atunci X0 este program optim. STOP.

Dac[ exist[ s  1,2,..., n cu cs  z s  0 , atunci se trece la 3.

3. Dac[ exist[ s  1,2,..., n cu cs  zs  0 ]i ais(0)0, oricare ar fi i{1,2,...,m},

atunci maxf=. STOP.
Dac[ nu atunci se trece la 4.
4. Se alege coloana j a pivotului corespunzand celei mai mari diferente strict
pozitive de pe linia C-Z, adica:
c j  z j  max{cs  zs  0} .
s
Se alege linia i a pivotului cu regula raportului minim:
bi( 0)  bt( 0) ( 0) 
 min  , atj  0 .
(0)
aij t a ( 0 )

 tj
(0)
Cu pivotul aij se ob\ine noul program de baz[ X1 ]i matricea corespunz[toare
lui, cu care se reia etapa a II-a.

Observa\ie. Orice program de baz[ X1 ob\inut @n condi\iile Propriet[\ii 2.5

este mai bun dec`t X0, deci f(X0)f(X1). Totu]i formula (2.7) arat[ c[ pentru a
ob\ine programul X1 care realizeaz[ cea mai mare cre]tere a func\iei, trebuie ca
pivotul s[ fie ales din coloana lui xj corespunz[toare celei mai mari diferen\e
pozitive cj-zj.

37
 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 consumul integral
al resurselor.
Solu\ie. Fie x1, x2, x3, x4 cantit[\ile din cele 4 tipuri de produse care trebuie
fabricate. Evident xi0. Modelul matematic al problemei 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.
Se observ[ c[ s-a ob\inut o problem[ de programare liniar[ @n form[ standard, @n
care sistemul de restric\ii arat[ c[ consumul fiec[rei resurse este egal cu
disponibilul la acea resurs[.
Pentru rezolvarea problemei cu varianta tabelar[ a algoritmului simplex, se parcurg
cele dou[ etape.
Etapa I:
 7 1 
1 0 2
 1 2 1 1 10   1 2 1 1 10  ~  3 3 .
2 1 4 1 8   0  3 2  1  12  
~
 2 1
4 
0 1 
 3 3 
 2
 
S-a ob\inut programul de baz[ nedegenerat X 0   4  .
0
 0
 

Etapa a II-a. Tabelul simplex corespunz[tor lui X0 este:

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-Z0, 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.

Test de autoevaluare 2.1

S[ se rezolve problema de programare liniar[:

(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.

2.2 Programe optime multiple

#n sec\iunea precedent[ am v[zut c[ leg[tura dintre valoarea func\iei pentru

un program al problemei de programare liniar[ ]i valoarea func\iei pentru noul
program ob\inut @n urma pivot[rii din tabelul simplex este dat[ de formula

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.

Test de autoevaluare 2.2

Se se determine toate programele optime ale problemei:
7
(max) f ( X )  x1  4 x2  3x3  2 x4
2
x1  x2  x3  2 x4  6
2 x1  x2  3x3  x4  11
x1, 2,3, 4  0.

2.3 Forme nestandard de probleme de programare liniar[

Exist[ mai multe forme nestandard de probleme de programare liniar[.

Dintre acestea amintim:

a) Dac[ sistemul de restric\ii este de inecua\ii, problema are forma:

(max) f ( X )  CX
AX  B (2.8)
X 0
#n acest caz se scrie sistemul de ecua\ii compensat corespunz[tor sistemului
de inecua\ii AXB, rezult`nd o p.p.l. standard cu m+n necunoscute:
(max) f ( X )  CX
AX  EY  B
X  0, Y  0
b) Dac[ problema este de minim, ea are forma:
(min) f ( X )  CX
AX  B (2.9)
X 0
#n acest caz se folose]te rela\ia minf=-max(-f), deci se rezolv[ problema
standard:
(max) g ( X )  CX
AX  B
X 0
apoi min f=-max g
c) Dac[ nu toate variabilele sunt pozitive, avem:

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.

S-a ob\inut o problem[ de programare liniar[ @n form[ nestandard, de tipul

(2.4). Prin compensare, cu ajutorul variabilelor auxiliare pozitive y 1,2 se ob\ine
forma standard a problemei de programare liniar[:

(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-Z0, 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.).

Test de autoevaluare 2.3

Pentru a fabrica 3 tipuri de produse se folosesc dou[ tipuri de resurse.

Consumurile unitare, disponibilul de resurse ]i beneficiile unitare se dau @n tabelul

urm[tor:

Produse P1 P2 P3 Disponibil resurse

Resurse (t)
R1 1 3 4 15
R2 2 1 2 32
Beneficii unitare (u.m.) 8 10 21

Se cere un program de productie cu beneficiul maxim posibil si eventuala

economie la resurse.

45
 Rezumatul unităţii de studiu

Problema de programare liniar[ standard presupune determinarea maximului unei

func\ii liniare de mai multe variabile reale. Aceste variabile sunt pozitive ]i sunt solu\ii ale unui
sistem de ecua\ii liniare. Rezolvarea problemei de programare liniar[ standard se face cu
algoritmul simplex. Varianta tabelar[ a acestui algoritm presupune, @ntr-o prim[ etap[,
determinarea unui program de baz[ al sistemului de restric\ii, iar @n a doua etap[, verificarea
optimalit[\ii programului g[sit ]i (@n caz c[ acesta nu este optim) determinarea programului
optim.
#n situa\ia c`nd @n tabelul simplex de optim, pe ultima linie, exist[ zerouri pe una sau
mai multe coloane secundare, problema program[rii liniare are programe optime multiple. #n
acest caz, cu algoritmul simplex se determin[ programele optime de baz[, @n timp ce mul\imea
tuturor programelor optime se determin[ ca o combina\ie liniar[ convex[ a programelor optime
de baz[.
Exist[ mai multe forme nestandard de probleme de programare liniar[. Printre acestea
amintim problemele de determinare a minimului unei func\ii liniare cu restric\ii sub forma unui
sistem de ecua\ii liniare sau probleme de determinare a maximului unei func\ii liniare cu
restric\ii sub forma unui sistem de inecua\ii liniare. Aceste probleme se aduc mai @nt`i la forma
standard, apoi se rezolv[ cu algoritmul simplex.

46
Unitatea de învăţare nr. 3

DUALITATE. REOPTIMIZARI
Cuprins
Obiective
3.1. Dualitate în programarea liniar[. Algoritmul simplex dual
3.2 Reoptimizări
Bibliografie

Timpul alocat temei: 4 ore

Obiective
După studiul aceste unităţi, vei putea să

 Determinaţi programul optim al problemei duale simetrice

folosind tabelul simplex de optim al problemei iniţiale.
 Determinaţi programe optime ale unor probleme noi
obţinute schimband elemente ale problemei iniţiale, folosind
reoptimizările.

3.1. Dualitate în programarea liniar[.

Algoritmul simplex dual

Defini\ia 3.4 Fie problemele de programare liniar[

max f ( X )  CX
AX  B , (3.1)
X 0
min g (Y )  B tY
AtY  C t , (3.2)
Y 0
unde A   (m, n, R), B  M (m,1, R), C  M (1, n, R), X  M (n,1, R), Y  M (m,1, R) ]i
A t este transpusa matricei A.

47
 Problemele (3.1) ]i (3. 2) se numesc duale simetrice.

Propriet[\ile urm[toare arat[ leg[turile care exist[ @ntre programele celor

dou[ probleme duale simetrice (3.1) ]i (3.2) ]i, @n particular, @ntre programele lor
optime.

Proprietatea 3.6 Oricare ar fi X un program al problemei (3.1) ]i Y un

program al problemei (3. 2), avem f ( X )  g (Y ) .

Proprietatea 3.7 Fie X programul optim al problemei (3.1) ]i M matricea

bazic[ corespunz[toare pasului optim. Fie Y t  Cb M 1 , unde Cb este vectorul linie
con\in`nd coeficien\ii func\iei f corespunz[tori variabilelor bazice. Atunci
a) f ( X )  g (Y ).
b) Y este un program optim al problemei duale (3. 2).
Observa\ie. Proprietatea 3.7 arat[ c[ este suficient s[ se rezolve problema (3.1)
pentru a cunoa]te ]i solu\ia optim[ a dualei sale (3.2). Solu\ia dualei se cite]te din
tabelul de optim al problemei ini\iale pe linia Z ]i coloanele variabilelor de
compensare. În plus, f ( X )  max f  min g  g (Y ).

Proprietatea 3.8 Fie X ]i Y dou[ programe ale problemelor duale simetrice

(3.1), respectiv (3. 2). Programele X ]i Y sunt optime dac[ ]i numai dac[

f ( X )  g (Y ). (3.3)

Propriet[\ile precedente ne permit s[ enun\am o teorem[ a dualita\ii.

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 .

Algoritmul simplex dual

S[ consider[m o problem[ de programare liniar[ standard de forma (2.1). S[

presupunem c[ sistemul de restric\ii a fost rezolvat, ob\in`ndu-se matricea
( A ( 0 ) ,B(0)) dat[ de (1.18) ]i solu\ia de baz[ corespunz[toare X 0 dat[ de (1.20) care
nu este îns[ ]i program de baz[. Aceasta înseamn[ c[ exist[ componente strict
negative @n solu\ia X 0 .

Defini\ia 3.5 Solu\ia de baz[ X 0 se nume]te solu\ie dual admisibil[ a

problemei (2.1) dac[ @n tabelul simplex (2.7) corespunz[tor ei avem C  Z  0 .

Av`nd o solu\ie dual admisibil[ a problemei, se poate aplica algoritmul

simplex dual, care este algoritmul simplex aplicat dualei problemei date.

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 .

În sec\iunea urm[toare vom aplica algoritmul simplex dual la reoptimiz[ri,

în cazul în care se modific[ termenii liberi ai sistemului de restric\ii al problemei de
programare liniar[.

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

Solu\ie. Fie y1, y2  0 cantit[\ile din alimentele A1 ]i A2 care trebuie s[ intre

@n alc[tuirea meniului. Modelul matematic al problemei este :
(min) g (Y )  4 y1  3 y2
2 y1  y2  5
y1  y2  4
y1  2 y2  2
y1 , y2  0 .
Restric\iile problemei arat[ c[ con\inutul în vitaminele A, B, C al meniului este mai
mare sau egal cu necesarul din cele trei tipuri de vitamine. Desigur, problema se
poate rezolva aduc`nd-o la forma standard ]i aplic`nd una din variantele
algoritmului simplex. În cele ce urmeaz[ o vom rezolva îns[ cu ajutorul teoriei
dualita\ii.
Problema ob\inut[ este de tipul (3.2), deci duala ei simetric[, de tipul (3.1), va fi:

49
 (max) f ( X )  5 x1  4 x2  2 x3
2 x1  x2  x3  4
x1  x2  2 x3  3
x1 , x2 , x3  0.

Forma standard a acestei probleme este:

(max) f ( X )  5 x1  4 x2  2 x3
2 x1  x2  x3  t1  4
x1  x2  2 x3  t2  3
x1 , x2 , x3  0, t1,t1  0.

Rezolv`nd problema standard cu varianta tabelar[ a algoritmului simplex, prima

etap[ nu mai trebuie parcurs[ pentru c[ avem deja un program de baz[ cu
t1  3, t 2  4, x1  x 2  x3  0. Acesta este ]i motivul pentru care este mai simplu
de rezolvat problema de tip (3.1), fa\[ de duala de tip (3. 2).

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
max5,4,2  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.

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)

51
Se cere un plan optim (cu beneficiu total maxim) de fabrica\ie cu consumul integral
al resurselor.
Modelul matematic este

(max) f (X) = 6x1+3x2+4x3+4x4

x1+2x2+ x3+ x4=10 (3. 6)
2x1+ x2+4x3+ x4=8
xi  0, i = 1,…, 4

Problema a fost rezolvat[ @n Unitatea 2.1, iar tabelul de optim a fost:

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
 

a) Schimbarea coeficienţilor funcţiei f

Dacă în problema de programare liniar[ (2.1) se modifică coficienţii C ai
funcţiei f, în tabelul simplex de optim al acestei probleme se modifică linia C,
coloana Cb şi liniile Z şi C-Z. Astfel, dacă C devine C , atunci Cb, Z şi C–Z
devin C b , Z ]i C - Z . Dacă C - Z  0, atunci programul optim al problemei (2.1)
este optim şi pentru noua problemă, iar dacă pe linia C - Z există elemente strict
pozitive, se continuă cu rezolvarea noii probleme de la acest tabel simplex
modificat.

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:

(max) f(X) = 9x1+3x2+4x3+4x4

x1+2x2+x3+x4=10
2x1+x2+4x3+x4=8
x i  0 , i = 1,…,4,

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

beneficiu maxim de 30 u.m., ar trebui ca beneficiul adus de el să crească de la c3=4

la c 3 =19, ceea ce este mult mai greu de realizat.

b). Schimbarea termenilor liberi ai sistemului de restric\ii

Presupunem că în problema de programare liniar[ (2.1) se modifică termenii
liberi B ai sistemului de resticţii în B . Fie M matricea bazică corespunzătoare
pasului de optim în problema iniţială. Ţinând seama de formulele (1.17), în tabelul
simplex de optim de tip (2.7) al problemei iniţiale se schimbă coloana programelor
în M-1 B şi odată cu ea, z0, care devine z 0. Cum restul elementelor rămân
nemodificate, avem C – Z  0.

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
 

c). Schimbarea unei coloane din matricea sistemului de restricţii

 a1 j   a1 j 
   
Presupunem că coloana Pj =    se transformă în P j =    .
 amj   amj 
   
c1) Dacă Pj corespunde unei variabile secundare ]i M este matricea bazică la
pasul de optim al problemei iniţiale, atunci în tabelul simplex de optim (2.7),

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
 

d). Adăugarea unor noi variabile

Dacă în problema de programare liniar[ (2.1) se adaugă noi variabile

xn+1,…,xn+k, atunci rezultă o problemă de forma:
(max ) f (X) = C X
A X =B, X  0
sau echivalent
~ ~
(max) f (X) = CX + C X
~~ ~
AX + A X = B, X , X  0
~ ~
unde C = (C , C ), cu C = (cn+1,…, cn+k ) coficienţii din funcţia f ai noilor
X x 
~  n 1 
variabile, X =  ~  , cu X =    , iar
X  xn  k 
 
~  1n 1
a ... a1n  k 
.  .
~
A = (A, A ), cu A =
 . ...

 am , n 1 ... am , n  k 
Corespunzător, la tabelul simplex de optim al problemei iniţiale se adaugă k noi
coloane, obţinute cu formula M-1A1, unde M este matricea bazică la pasul de optim
~
a problemei iniţiale. Astfel, pe linia Z apar noile elemente Z = (zn+1,..., zn+k), iar pe
~ ~
linia C-Z apar k noi elemente C - Z = (c n+1 – z n+1,…,c n+k –z n+k).
~ ~
Dacă C - Z  0, atunci programul optim iniţial este optim şi pentru noua
problemă .
~ ~
Dacă C - Z are şi elemente strict pozitive, atunci se continuă cu algoritmul
simplex.

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:

(max) f (X) = 6x1+3x2+4x3+4x4+5x5+10x6

x1+2x2+ x3+ x4+3x5+2x6 = 10
2x1+ x2+ 4x3+ x4+ x5+ 3x6 = 8
x i  0 , i = 1,…,6.

S[ se rezolve noua problemă folosind reoptimiz[rile.

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
 

Tema de control nr. 1

Pentru a fabrica 4 tipuri de produse se consum[ dou[ tipuri de resurse.
Consumurile unitare, disponibilul de resurse ]i beneficiile unitare se dau @n tabelul urm[tor:

Produs1 Produs2 Produs3 Produs4 Disponibil resurse

Resursa1 1 1 3 1 15
Resursa2 3 5 1 4 50
Benef. unitare 6 6 10 5

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.

Rezumatul unităţii de studiu

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

PROBLEME DE TIP TRANSPORT

Cuprins
Obiective
4.1 Probleme de tip transport echilibrate
4.2Probleme de tip transport neechilibrate
4.3Probleme de alocare. Algoritmul ungar
Bibliografie

Timpul alocat temei: 2 ore

Obiective
După studiul aceste unităţi, vei putea să:

Determinaţi planul optim de transport al unei probleme echilibrate

folosind metoda potentialelor.
Rezolvaţi optimal o problemă de transport neechilibrată prin
transformarea sa intr-una echilibrată.
Rezolvaţi optimal o problemă de alocare folosind algoritmul ungar.

4.1 Probleme de tip transport echilibrate

Pentru a formula modelul matematic al unei probleme de tip transport, vom

porni de la urm[toarea situa\ie @ntalnit[ @n practic[. Furnizorii F1, F2,..., Fm trebuie s[
@]i transporte marfa c[tre beneficiarii B1, B2, ..., Bn. Se cunosc costul unitar (de
exemplu pentru o ton[) de transport cij de la furnizorul Fi c[tre beneficiarul Bj,
pentru orice i  {1,...,m}, j  {1,...,n}, disponibilul Di de marf[ al fiec[rui furnizor Fi,
i  {1,...,m}, precum ]i necesarul Nj de marf[ al fiec[rui beneficiar Bj, j  {1,...,n}.
Aceste date se pot aranja @ntr-un tabel de forma urm[toare:

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

atunci problema se nume]te echilibrat[, iar rela\ia (4.2) se nume]te condi\ie de

echilibru. #n caz contrar, problema se nume]te neechilibrat[.

In aceasta sec\iune vom considera o problem[ de transport echilibrat[.

Not[m cu xij  0, i  {1,...,m}, j  {1,...,n}, cantitatea de marf[ care se transport[ de la
furnizorul Fi la beneficiarul Bj.

Definitia 4.2 Matricea:

 x11 ... x1 j ... x1n 
 
    
X   xi1 ... xij ... xin  (4.3)
    
x ... x ... xmn 
 m1 mj

cu: xij  0, i {1,..., m}, j {1,..., n} ,

xi1+....+xin=Di,  i  {1,...,m}, (4.4)
x1j+....+xmj=Nj,  j  {1,...,n}, (4.5)
se nume]te program de transport.

Observa\ie. Rela\iile (4.4) arat[ c[ disponibilul de marf[ al fiec[rui furnizor

Fi este egal cu cantitatea de marf[ distribuit[ de acesta c[tre to\i beneficiarii B1,....,
Bn. Rela\iile (4.5) arat[ c[ necesarul de marf[ al fiecarui beneficiar Bj este egal cu
cantitatea de marf[ primit[ de Bj de la to\i furnizorii F1,...., Fm.
Dac[ transportul se realizeaz[ conform programului X, atunci costul de
transport este:
m n
f ( x )  c11 x11  ...  cmn xmn    cij xij (4.6)
i 1 j 1

Se ob\ine urm[torul model matematic al problemei de transport echilibrate:

(min) f ( X )  c11 x11  .....  cmn x mn
xi 1  .....  xin  Di , i  1,...., m
x1 j  .....  x mj  N j , j  1,...., n (4.7)
xij  0, i  1,..., m, j  1,...., n
m n
 Di   N j
i 1 j 1

#n practic[ se @nt`lnesc mai multe probleme al c[ror model matematic este

de tipul (4.7). Toate acestea se vor numi probleme de tip transport.

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 

 ...... ..... ..... ..... ... 

 0...0 0...0 ..... 1...1 Dm  (4.8)
 1...0 1...0 ..... 1...0 N1 
 ..... ..... ..... ..... ... 
 0...1 0...1 ..... 0...1 N 
 n

Datorit[ acestei forme particulare a sistemului de restric\ii, s-au elaborat

metode specifice pentru rezolvarea problemelor de tip transport (4.7), care conduc
la programul optim mai repede dec`t algoritmul simplex. Prezent[m @n continuare o
astfel de metod[ specific[, ce presupune parcurgerea a dou[ etape:

Etapa I. Se determin[ un program de baz[ al sistemului de restric\ii, prin

metoda costului minim. Astfel, \in`nd seama c[ @n orice program de transport (4.3)
sumele pe linii sunt egale cu disponibilele, iar sumele pe coloane sunt egale cu
necesarele, se @ncepe prin a determina componenta xij a programului X
corespunz[toare celui mai mic cost cij din tabelul (4.1). Se alege:
xij  minDi , N j  (4.9)
Dac[ xij=Di, cum suma elementelor liniei i din matricea X este Di, rezult[ c[
restul elementelor liniei i sunt 0, @n timp ce pe colona j mai trebuie a]ezate elemente
pozitive a c[ror sum[ s[ fie Nj - Di. Se continu[ procedeul cu matricea r[mas[.
Dac[ xij = Nj, cum suma elemetelor pe coloana j din matricea X trebuie s[
fie Nj, rezult[ c[ restul elementelor matricei X de pe coloana j sunt 0, @n timp ce pe
linia i mai trebuie a]ezate elemente pozitive a caror sum[ s[ fie Di - Nj. Se continu[
procedeul cu matricea r[mas[.
Prin acest procedeu se determin[ un program de transport care este @n
acela]i timp program de baz[ al sistemului de restric\ii.

Etapa a II-a. Se testeaz[ dac[ programul de baz[ determinat @n etapa 1 este

optim ]i, dac[ acesta nu este optim, se determin[ un program de baz[ mai bun
(adic[ cu un cost de transport mai mic).
Metoda folosit[ @n acest scop se nume]te metoda poten\ialelor ]i se bazeaz[
pe teoria dualit[\ii din programarea liniar[.
Pa]ii metodei poten\ialelor sunt urm[torii:
Pasul 1
Dac[ xij>0, se pun condi\iile ui+vj - cij=0, adic[ se rezolv[ sistemul:
ui+vj=cij, (4.10)

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).

Observa\ie: Diferen\ele Δij calculate cu (4.11) sunt chiar elementele ultimei

linii din tabelul simplex, dac[ problema ar fi fost rezolvat[ cu algoritmul simplex
(varianta tabelar[). Dac[ la etapa de optim exist[ Δij=0, problema are programe
optime multiple. Un al doilea program optim de baz[ se poate afla f[c`nd xij=θ>0 ]i
continu`nd ca la pasul 2b. Deoarece mul\imea programelor optime ale unei
probleme de programare liniar[ este convex[, rezult[ c[ orice combina\ie liniar[
convex[ a programelor optime de baz[ g[site cu metoda poten\ialelor este tot un
program optim.

62
 Exemplu rezolvat.
Trei furnizori @]i transport[ marfa c[tre 4 bneficiari, cu datele din tabelul
urm[tor:

Beneficiari B1 B2 B3 B4 Disponibil (t)

Furnizori
F1 5 7 10 2 30
F2 2 5 6 4 20
F3 3 4 7 6 50
Necesar(t) 25 15 20 40
Se cer programele optime de transport ]i costul minim.
Solu\ie. Modelul matematic (4.7) care furnizeaz[ programul optim de
transport este:
(min) f ( X )  5 x11  7 x12  10x13  2 x14  2 x21  5 x22  6 x 23 4 x24
 3 x31  4 x32  7 x33  6 x34
x11  x12  x13  x14  30
x21  x 22  x23  x24  20
x31  x 32  x33  x34  50
x11  x 21 x31  25
x12  x 22  x32  15
x13  x 23  x33  20
x14  x 24  x34  40
xij  0, i  1,2,3, j  1,2,3,4
Cum necesarul total este de 100 t ]i este egal cu disponibilul total, problema
de transport este echilibrat[. Sistemul de restric\ii are 7 ecua\ii, 12 necunoscute ]i
rangul 6.
Etapa I Un program de baz[ trebuie s[ fie de forma:

x11 x12 x13 x14 30

X0= x21 x22 x23 x24 20
x31 x32 x33 x34 50
25 15 20 40

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=minD2, N1=min20, 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= minD3,
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

Continu`nd procedeul, se ob\ine programul de baz[:

0 0 0 30
X0= 20 0 0 0
5 15 20 10

Cum num[rul componentelor strict pozitive ale acestui program este de 6,

adic[ egal cu rangul sistemului de restric\ii al problemei, rezult[ c[ X0 este program
de baz[ nedegenerat. Costul transportului, dac[ acesta se realizez[ dup[ programul
X0 este:
f(X0)=30 2+20 2+5 3+15 4+20 7+10 6=375 u.m.
Etapa a II-a. Vom verifica dac[ programul de baz[ X0 g[sit @n etapa I este optim pentru problema de

transport. Astfel avem:

X0 V1=-1 v2=0 v3=3 v4=2

Z11=-1 Z12=0 Z13=3
0 0 0 30 U1=0 2
Δ11=-6 Δ12=-7 Δ13=-7
Z22=3 Z23=6 Z24=5
20 0 0 0 U2=3 2
Δ22=-2 Δ23=0 Δ24=1

5 15 20 10 U3=4 3 4 7 6

Sistemul (4.10) folosit la pasul 1a) a fost:

u1+v4=2
u2+v1=2
u3+v1=3
u3+v2=4
u3+v3=7
u3+v4=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:

X1 V1=0 v2=1 v3=4 v4=2

Z11=0 Z12=1 Z13=4
0 0 0 30 U1=0 2
Δ11=-5 Δ12=-6 Δ13=-6
Z22=3 Z23=6
10 0 0 10 U2=2 2 4
Δ22=-2 Δ23=0
Z34=5
15 15 20 0 U3=3 3 4 7
34=-1

Cum ij  0 , pentru  i, j cu xij=0 , rezult[ c[ X1 este program optim, deci

costul minim de transport este:
f(X1)=minf=30 2+10 2+10 4+15 3+15 4+20 7=365 u.m.
Deci transportul optim se realizeaz[ pe 6 rute: furnizorul F1 d[ 30t
beneficiarului B4, F2 d[ 10t lui B1 ]i 10t lui B4 iar F3 d[ 15t lui B1, 15t lui B2 ]i 20t
lui B3.
Deoarece la pasul de optim exist[ 23 =0, rezult[ c[ X1 nu este singurul
program optim de transport. Un alt program optim de baz[ X2 se ob\ine f[c`nd
x23= >0. Acesta trebuie s[ fie de forma:
0 0 0 30
X 2  10   0  10
15   15 20   0
Pentru ca a X2 s[ fie program de baz[ trebuie s[ alegem =10.
Noul program X2 ob\inut este tot optim a]a cum se poate verifica imediat:

X2 V1=0 v2=1 v3=4 v4=2

Z11=0 Z12=1 Z13=4
0 0 0 30 U1=0 2
Δ11=-5 Δ12=-6 Δ13=-6
Z21=2 Z22=3
0 0 10 10 U2=2 6 4
Δ21=0 Δ22=-2
Z34=5
25 15 10 0 U3=3 3 4 7
34=-1

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 

Deci transportul optim se poate realiza pe maxim 7 rute.

Exemplu rezolvat.
Fie problema de transport cu 3 furnizori ]i 3 beneficiari, av`nd datele din
tabelul urm[tor:

Beneficiari B1 B2 B3 Disponibil (t)

Furnizori
F1 7 9 10 15
F2 1 4 4 40
F3 5 7 2 50
Necesar(t) 20 35 50

Se observ[ c[ problema este echilibrat[, disponibilul total ]i necesarul total fiind

105. Modelul matematic al problemei este:
(min) f ( X )  7 x11  9 x12  10x13  x21  4 x22  4 x 23 5 x31  7 x32  2 x33
x11  x12  x13  15
x21  x 22  x23  40
x31  x 32  x33  50
x11  x 21 x31  20
x12  x 22  x32  35
x13  x 23  x33  50
xij  0, i, j  1,2,3.
Prin metoda costului minim se g[se]te urm[torul program:

0 15 0

X0= 20 20 0
0 0 50

Av`nd doar 4 componente strict pozitive ]i rangul sistemului de restric\ii al

problemei fiind 5, X0 este un program de baz[ degenerat, deci aplic`nd metoda
poten\ialelor, la pasul 1 vom fi @n cazul b. De aceea se alege ca zerou esen\ial @n
programul X0 zeroul corespunz[tor celui mai mic cost, adic[ x23 =0* ]i @n sistemul
(4.10) se consider[ ]i ecua\ia u2+v3=4. Deci aplic`nd metoda poten\ialelor avem:

X0 V1=6 v2=9 v3=9

Z11=6 Z13=9
0 15 0 U1=0 9
Δ11=-1 Δ13=-1
20 20 0* U2=-5 1 4 4

66
 z31=-1 z32=2
0 0 50 U3=-7 2
Δ31=-6 Δ32=-5

Cum Δij <0, rezult[ c[ X0 este un program optim unic, deci:

minf=f(X0)=15 9+20+20 4+50 2=335 u.m.

Test de autoevaluare 4.1.

Fie problema de transport cu 3 furnizori ]i 3 beneficiari, av`nd datele din

tabelul urm[tor:

B1 B2 B3 Disponibil
F1 7 1 6 34
F2 1 8 1 28
F3 6 2 2 38
Necesar 47 21 32

Se cere un plan optim de transport.

4.2. Probleme de tip transport neechilibrate

S[ consider[m c[ problema de transport cu datele din tabelul (4.1) este

neechilibrat[, deci nu este verificat[ condi\ia de echilibru (4.2). Sunt posibile dou[
situa\ii.
m n
Cazul 1. Dac[  Di   N j , atunci se adaug[ un beneficiar fictiv Bn+1, al
i 1 j 1

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

Costurile corespunz[toare beneficiarului fictiv se consider[ egale cu zero.

Dup[ ce se rezolv[ problema echilibrat[ ob\inut[, se elimin[ din programul optim
coloana corespunz[toare beneficiarului fictiv.
m n
Cazul 2. Dac[  Di   N j , atunci se adaug[ un furnizor fictiv Fm+1 al c[rui
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

Costurile corespunz[toare furnizorului Fm+1 se consider[ nule. Ca ]i @n cazul 1, se

rezolv[ problema echilibrat[ ob\inut[, apoi se elimin[ din programul optim coloana
corespunz[toare furnizorului fictiv.

Exemplu rezolvat.

67
 Pentru o problem[ de transport cu 3 furnizori ]i doi beneficiari, avem datele

din tabelul urm[tor:

Beneficiari B1 B2 Disponibil (t)

Furnizori
F1 6 3 70
F2 5 7 80
F3 6 4 50
Necesar(t) 75 90
Se cere programul optim de transport.

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:

Beneficiari B1 B2 B3 Disponibil (t)

Furnizori
F1 6 3 0 70
F2 5 7 0 80
F3 6 4 0 50
Necesar(t) 75 90 35

Prin metoda costului minim se ob\ine un program de baz[ nedegenerat X0, apoi se
aplic[ metoda poten\ialelor:

X0 V1=1 v2=3 v3=0

1
0 35 35 U1=0 3 0
-5
4
75 5 0 U2=4 5 7
4
2 1
0 50 0 U3=1 4
-4 1

Cum exist[ diferen\e Δij>0, programul X0 nu este optim. Aleg`nd

max 23  4,  33  1  4 , rezult[ c[ trebuie s[ avem x23=>0, deci noul program X1

este de forma:
0 35   35  
X 1  75 5    , iar  min5,35  5 .
0 50 0

#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

Cum Δ33=1>0, X1 nu este optim ]i @n noul program de baz[ X2 trebuie s[ avem

x33=>0, deci X2 este de forma:

0 40   30  
X 2  75 0 5 ,
0 50   
iar   min30,50  30 .

X2 V1=4 v2=3 v3=-1

4 -1
0 70 0 U1=0 3
-2 -1
4
75 0 5 U2=1 5 0
-3
5
0 20 30 U3=1 4 0
-1

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.

Test de autoevaluare 4.2.

Pentru o problem[ de transport cu doi furnizori ]i 3 beneficiari, avem datele din tabelul

urm[tor:

Beneficiari B1 B2 B3 Disponibil (t)

Furnizori
F1 7 5 8 22
F2 8 6 9 50
Necesar(t) 20 15 55

69
Se cere programul optim de transport.

4. 3 Probleme de alocare. Algoritmul ungar

Datele unei probleme de alocare sunt sub forma urm[toare:

B1 ... B j ... Bn
F1 a11 ... a1 j ... a1n
. ... ... ... ... ...
(4.15)
Fi ai 1 ... aij ... ain
. ... ... ... ... ...
Fn an1 ... a nj ... a nn

Ne propunem s[ realiz[m n perechi (Fi, Bj), în care Fi, Bj s[ apar[ o singur[

dat[, astfel înc`t suma elementelor aij corespunz[toare perechilor s[ fie minim[,
adic[ s[ avem:

min  aij (4.16)

( Fi , B j )  pereche

De exemplu, dac[ F1,..., Fn sunt ni]te fonduri bancare ce trebuie alocate

beneficiarilor B1,..., Bn (c`te un singur fond fiec[rui beneficiar) iar aij reprezint[
riscul cu care fondul Fi este repartizat beneficiarului Bj, atunci problema este de a
determina alocarea optim[, adic[ cea cu risc total minim.
Se observ[ c[ o problem[ de alocare este un caz particular de problem[ de
transport, în care num[rul furnizorilor este egal cu al beneficiarilor, toate
"disponibilele" ]i "necesarele" sunt egale cu 1.
Într-adev[r, un program de alocare este o matrice:
X  xij i , j{1,...,n}
1, pentru (Fi , B j ) pereche (4.17)
xij  
0, in rest
Astfel, modelul matematic al problemei de alocare este de forma:
(min) f  X     aij xij
n n

i 1 j 1

xi 1  .......  xin  1, i  1,..., n (4.18)

x1 j  .......  xnj  1, j  1,..., n
xij  0,1
Modelul (4.18) este un caz particular al lui (4.7), deci orice problem[ de
alocare ar putea fi rezolvat[ cu algoritmul prezentat pentru problemele de tip
transport. #n continuare vom prezenta un algoritm specific problemelor de alocare,
mai rapid dec`t cel de la problemele de transport.
Algoritmul ungar pentru rezolvarea problemelor de alocare:

Fie A= (aij) i,j  {1,…,n} matricea din tabelul (4.15).

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
 

Deci alocarea optim[ corespunz[toare este urm[toarea: (F1,B1), (F2,B3),

(F3,B2), ( F4, B4 ), iar riscul total este minim ]i anume:
3+2+3+6 = 14.
Dac[ se începe cu încadrarea zeroului de pe pozi\ia (1, 3) din A3, se ob\ine:
  1 0 1 
 
 6 0  3 
 3  6 0
 0 1 1  
 
Deci o alt[ posibilitate optim[ de alocare este: (F1, B3),
(F2, B2), (F3, B4), (F4, B1).

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.

Test de autoevaluare 4.3.

În urma unui concurs, cinci studen\i au ob\inut burse la 5 universit[\i.

Studen\ilor li se cere s[ acorde note de la 1 la 10 celor 5 universit[\i, în func\ie de

preferin\e, ob\in`ndu-se tabelul urm[tor:

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

Cunosc`nd disponibilul de marf[ al unor furnizori ]i necesarul de marf[ al unor

beneficiari, precum ]i costurile unitare de transport de la fiecare furnizor c[tre fiecare
beneficiar, ne propunem s[ determin[m un plan de transport cu cost total minim. Dac[
disponibilul total de marf[ al furnizorilor este egal cu necesarul total de marf[ al beneficiarilor,
problema de transport este echilibrat[. Modelul matematic este al unei probleme de programare
liniare, deci se poate rezolva optimal cu algoritmul simplex. #n cadrul temei de fa\[ este
prezentat un algoritm specific, mult mai rapid. #ntr-o prim[ etap[ se determin[ un program de
baz[ al sistemului de restric\ii cu metoda costului minim, iar @n etapa a doua se testeaz[ dac[
programul de baz[ determinat @n prima etap[ este optim ]i, dac[ acesta nu este optim, se
determin[ un program de baz[ mai bun prin metoda poten\ialelor.
Probleme de tip transport neechilibrate sunt cele @n care disponibilul total de marf[ al
furnizorilor este diferit de necesarul total de marf[ al beneficiarilor. Acestea se transform[ @n
probleme echilibrate prin ad[ugarea unui furnizor fictiv sau a unui beneficiar fictiv.
Problemele de alocare optim[ pot fi @ncadrate @n problemele de tip transport, dar o
rezolvare a acestora cu algoritmul ungar este mai rapid[.

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

 a determina dac[ anumi\i vectori formeaz[ o baz[ ]i a

afla coordonatele unui vector intr-o baz[.
 a aduce o form[ p[tratic[ la forma canonic[ folosind
metoda lui Gauss sau Jacobi.
 a stabili natura formei p[tratice

5. 1. Spatii liniare

Defini\ia 5.1. Fie K un corp comutativ ]i L o mul\ime nevid[. Definim

urm[toarele opera\ii:
a) + : L x L  L, astfel @nc`t (L,+) este grup abelian;
b)  : K x L  L astfel @nc`t
1)  (x+y) = x + y,  x,y  L,   K;
2) ( + )x = x + x,  x  L, ,   K;
3)  (x) = ()x,  x  L, ,   K;
4) 1 . x = x,  x  L.
Atunci (L, +,  ) se nume]te spa\iu liniar (vectorial) peste corpul K.
Elementele lui L se numesc vectori, iar elementele lui K se numesc scalari.
Opera\ia multiplicativ[ () se nume]te @nmul\ire cu scalari.
Dac[ K este corpul numerelor reale, atunci L se nume]te spa\iu vectorial
real, iar dac[ K este corpul numerelor complexe, atunci L se nume]te spa\iu
vectorial complex.

75
   x1  
  .  

   
Exemplul 5.1. Fie L  R n   x   .  , xi  R , i  1, n .
  .  
   
  xn  

Dac[ x, y  R n ,   R , x=(x1, ..., xn)t ]i y=(y1, ..., yn)t definim

 x1  y1   x 
   1
 .   . 
x y  .  ,  x . .
   
 .   . 
x  y   
 n n  xn 

Atunci R n ,,  este spa\iu vectorial peste corpul R.

Proprietatea 5.1 (reguli de calcul @ntr-un spa\iu vectorial). Fie vectorii x, y

din spa\iul vectorial L (peste corpul K) ]i a,b  K. Atunci avem
1) ax = 0  a = 0 sau x = 0
2) (-a) x = a(-x) = - ax, (regula semnelor)
(-a)(-x) = ax
3) a(x - y) = ax - ay
(a - b)x = ax - bx.

Defini\ia 5.2. Fie L un spa\iu vectorial peste corpul K, v1, ... , vn  L ]i

1,...,n  K. Se nume]te combina\ie liniar[ a vectorilor v1, ... , vn cu scalarii
1,..., n suma 1 v1 + ... + nvn.

Defini\ia 5.3. Fie L un spa\iul vectorial peste corpul K ]i M  L.

Mul\imea M se nume]te sistem de generatori pentru spa\iul L dac[ oricare
vector x  L se poate scrie ca o combina\ie liniar[ de vectori din M, cu scalari din
K.
#n particular, mul\imea finit[ M =  v1, ... , vn este sistem de generatori
n
pentru L dac[ oricare ar fi x  L exist[ 1, ..., n  K, astfel @nc`t x    i vi .
i 1

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.

Teorema 5.1. #n orice spa\iu vectorial nenul exist[ baze.

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.

Faptul c[ oricare dou[ baze au acela]i num[r de vectori ne permite s[ d[m

urm[toarea defini\ie.

Defini\ia 5.6. Num[rul vectorilor dintr-o baz[ a spa\iului vectorial L se

nume]te dimensiunea lui L.

Exemplul 5.3. |in`nd seama de num[rul de vectori ai bazei din Exemplul

5.2, avem Dim Rn = n.

Urm[toarea proprietate ne permite s[ ar[t[m c[ un sistem de vectori este

sistem de generatori, f[r[ a mai aplica Defini\ia 5.3.

Proprietatea 5.3. #ntr-un spa\iu liniar de dimensiune n, orice sistem de n

vectori liniar independen\i este ]i sistem de generatori, deci formeaz[ o baz[.

#n continuare vom considera numai spa\ii liniare de dimensiune finit[.

Proprietatea 5.4. Fie L un spa\iu vectorial peste corpul K ]i B = ( v1,..., vn)

o baz[ @n L. Atunci oricare ar fi vectorul xL exist[ ]i sunt unici scalarii 1,..., n
n
K astfel @nc`t x    i vi .
i 1
Acest[ proprietate ne permite s[ d[m urm[toarea defini\ie.

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)

Proprietatea 5.5. Fie L un spa\iu liniar de dimensiune n peste corpul K ]i mul\imea

B = ( v1, v2,... ,vn ) o baz[ @n L.
Fie vectorii w1,..., wm L, cu
w1 = a11v1+ ... +an1 vn
..............................
wk = a1kv1+ ... +ank vn
.....................
wm = a1mv1+ ... +anm vn
Avem deci (w1, ..., wm) = (v1, ..., vn) A, unde
 a11 . . a1m 
 
A =  . . . . .
a 
 n1 . . a nm 
Matricea A are pe coloane coordonatele vectorilor w1, ..., wm @n baza dat[. #n aceste
condi\ii:
i). Dac[ m = n+1, atunci vectorii w1, ..., wm sunt liniar dependen\i.
ii). Dac[ m  n, atunci vectorii w1,..., wm sunt liniar independen\i  rang
A = m.

Proprietatea 5.6 . Fie B1 = (v1, v2,..., vn) o baz[ @n spa\iul vectorial L ]i B2 =

(w1,..., wn) o mul\ime de vectori din L, da\i prin rela\ia
B2 = B1A (5.2)
unde A este o matrice p[tratic[ de ordinul n.
Mul\imea B2 formeaz[ o baz[ @n spa\iul L 
rang A = n  matricea A este inversabil[.

#n acest caz, matricea A, av`nd drept coloane coordonatele vectorilor

w1,...,wn @n baza B1, se nume]te matricea de trecere de la baza B1 la baza B2 sau
matricea schimb[rii de baz[.
Schimbarea coordonatelor unui vector la schimbarea bazei are loc conform
teoremei urm[toare:

Teorema 5.2. Fie B1 ]i B2 dou[ baze @n spa\iul vectorial L ]i A

matricea de trecere de la baza B1 la baza B2. Fie x  L. Atunci leg[tura dintre
coordonatele vectorului x @n cele dou[ baze este dat[ de rela\ia
xB 2  = A-1 xB 1 . (5.3)

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[
21  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, 3R 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      

 21   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.

Test de autoevaluare 5.1.

#n spa\iul vectorial R3 se consider[ vectorii

 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

Defini\ia 5.8 Fie L un spa\iu vectorial real. Aplica\ia Q : L  R

Qx   11a12  212 a1a2  ...  21n a1an 
(5.4)
 22 a22  2 23a2 a3  ...  2 2 n a2 an  ...   nn an2
se nume]te forma p[tratic[.

Dac[ B  (v1 ,..., vn ) este o baz[ a spa\iului liniar L ]i

x  L, x  a1v1  ...  anvn , atunci avem
n
Q( x)   a a
i , j 1
ij i j , (5.5)

unde  ij   ji .

Matricea simetric[ A[B ] =(  ij ) se nume]te matricea formei p[tratice Q în baza

B.
Se observ[ c[ pe diagonala principal[ a acestei matrici apar coeficien\ii
p[tratelor din expresia (5.4), în timp ce un element  ij cu i  j este jum[tate din
coeficientul produsului ai a j din aceast[ expresie. Matricea A[B] fiind simetric[,
elementele de deasupra diagonalei sunt acelea]i cu elementele de sub aceast[
diagonal[.

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 
ABc   
    
 
 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
 

5.3 Metoda lui Gauss pentru determinarea formei canonice a

unei forme p[tratice

Fie spa\iul liniar real L , B1  (v1 , v2 ,..., vn ) o baz[ a sa ]i

x  a1v1  a 2 v 2  ...  a n vn un vector din L . Fie forma p[tratic[ Q : L  R ,
Q ( x )   11a12  2 12 a1a 2  ...  2 1n a1a n 
 22 a 22  2 23 a 2 a3  ...  2 2 n a 2 a n  ...   nn a n2 .

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 212 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)  212  (b1  b2 )(b1  b2 )  ...  212 (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[

Q : L  R , Q( x)  2a12  2a1a2  2a1a3  3a22  a32 .

S[ se g[seasc[ expresia canonic[ a formei p[tratice Q .
Solu\ie. Aplic`nd metoda lui Gauss avem
1
Q ( x )  (4 a12  4 a1a 2  4 a1a3 )  3a 22  a32 
2
1
2
 
( 2a1 ) 2  4 a1 (a 2  a3 )  (a 2  a3 ) 2  (a 2  a3 ) 2  3a 22  a32 

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

Se face astfel trecerea de la baza B1 la baza B2  ( w1 , w2 , w3 )

în care x  b1w1  b2 w2  b3 w3 .
În baza B2 expresia lui Q este
1 5 1 1
Q( x)  b12  b22  b2b3  b32  b12  Q1 .
2 2 2 2
Continu`nd s[ aplic[m metoda lui Gauss lui Q1 , avem
1 2 25 5 1
Q( x)  b12  ( b22  b2 b3 )  b32 
2 5 4 2 2
1 2 2 5 5 1 1 1 1 2
b1  [( b2 ) 2  2  b2  b3  ( b3 ) 2  ( b3 ) 2 ]  b3 
2 5 2 2 2 2 2 2
1 2 2 5 1 2 2 1 2 1 2
b1  ( b2  b3 )  ( b3 )  b3 
2 5 2 2 5 2 2
1 2 2 5 1 4 2
b1  ( b2  b3 ) 2  b3 .
2 5 2 2 10
Fie schimbarea de coordonate
b1  c1 ,
5
 1
 b2  b3  c 2 ,
2 2
b3  c3 .
Se trece astfel de la baza B2 la o nou[ baz[ B3  (u1 , u 2 , u 3 ) în care avem
x  c1u1  c2u2  c3u3 .
În baza B3 , expresia formei p[tratice Q este
1 2 4
Q ( x)  c12  c22  c32 .
2 5 10
Aceasta este chiar expresia canonic[, deci B3 este o baz[ canonic[ ]i
1 
 0 0
2 
0 0 .
2
A[ B3 ]
 5 
 4
0 0 
 10 

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

care realizeaz[ trecerea de la baza B1 la baza B2  ( w1 , w2 , w3 ) @n care avem

x  b1w1  b2 w2  b3 w3 . În baza B2 avem:
Q( x)  2(b1  b2 )(b1  b2 )  4(b1  b2 )b3  2(b1  b2 )b3 
2b12  2b22  2b1b3  6b2 b3 .
Aplic`nd metoda lui Gauss, cazul 1, avem:
Q x   (4b 21 4b1b3 )  2b22  6b2 b3 
1
2
1
(4b 21 4b1b3  b32  b32 )  2b22  6b2 b3 
2
1 1
(2b1  b3 ) 2  b32  2b22  6b2 b3 .
2 2
Cu schimbarea de coordonate
2b1  b3  c1

b2  c2
b  c
 3 3
vom avea în continuare:
1 1
Q( x)  c12  2c 22  6c 2 c3  c32 
2 2
1 2 1 1
c1  (4c 22  12c 2 c3  9c32  9c32 )  c32 
2 2 2
1 2 1
c1  (2c 2  3c3 ) 2  4c32 .
2 2
Cu schimbarea de coordonate
c1  d1

2c2  3c3  d 2
c  d
 3 3

se ob\ine expresia canonic[ a formei p[tratice Q ]i anume

1 1
Q ( x)  d12  d 22  4d 32 .
2 2

Test de autoevaluare 5.2.

Fie x  ( x1 , x2 , x3 )t  R3 ]i forma p[tratic[ Q : R 3  R
Q( x )  2 x12  2 x1 x2  2 x1 x3  3x22  2 x32
S[ se aduc[ la forma canonic[, prin metoda lui Gauss.

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 AB   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 
AB2    0
D2
... 0 
, cu D0=1.
 
 ... ... ... ... 
 0 0 ...
D n 1 
 
 D n 

În plus, dac[ x  L, x  x1 w1  ...  xn wn , atunci expresia canonic[ a lui Q se scrie

de forma:
n
D 1 2 D1 2 D
Qx    i 1 xi2  x1  x2    n 1 x n .
2
(5.7)
i 1 Di D1 D2 Dn

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[

Q : L  R , Q( x)  2a12  2a1a2  2a1a3  3a22  a32 .

S[ se determine forma canonic[ cu metoda Jacobi.
Solu\ie. Matricea formei p[tratice Q în baza B1 este
 2 1  1
 
AB1    1 3 0  ]i avem
 1 0 1 
 

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 AB2    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.

Test de autoevaluare 5.3.

Fie x  ( x1 , x2 , x3 )t  R3 ]i forma p[tratic[ Q : R 3  R
Q( x)  3x12  2x1x2  4 x2 x3  x22  2x2 x3  4x32
S[ se aduc[ la forma canonic[, prin metoda lui Jacobi.

5.5 Clasificarea formelor p[tratice

Defini\ia 5.9. Fie Q : L  R o form[ p[tratic[ ]i x  L . Forma p[tratic[ Q se

nume]te:
1. pozitiv definit[, dac[ Qx   0, x  L, x  0 .
2. negativ definit[, dac[ Qx   0, x  L, x  0 .
3. semipozitiv definit[, dac[ Qx   0, x  L .
4. seminegativ definit[, dac[ Qx   0, x  L .
5. nedefinit[, dac[ x, y  L astfel înc`t Qx   0 ]i Q y   0 .

În continuare vom da o caracterizare a tipului unei forme p[tratice cu

ajutorul expresiei sale canonice.
Fie Bc o baz[ canonic[ ]i x1 ,  , x n coordonatele vectorului x în aceast[
baz[. Expresia canonic[ a formei p[tratice Q, corespunz[toare bazei Bc va fi de
forma:
Qx   1 x12  2 x22  ...  n xn2 .
Are loc urm[toarea proprietate:

Proprietatea 5.7. Forma p[tratic[ Q este:

1. pozitiv definit[, dac[ i  0 , pentru orice i  1,2,..., n .
2. negativ definit[, dac[ i  0 , pentru orice i  1,2,..., n .
3. semipozitiv definit[, dar nu ]i pozitiv definit[, dac[ i  0 , pentru orice
i  1,2,..., n ]i exist[ coeficien\i  j  0 .
4. seminegativ definit[, dar nu ]i negativ definit[, dac[ i  0 , pentru orice
i  1,2,..., n ]i exist[ coeficien\i  j  0 .

86
 5. nedefinit[, dac[ exist[ i, j 1,..., n, i  j,
cu i  0 ]i  j  0 .

Cum expresia canonic[ a unei forme p[tratice nu este unic[, justificarea

propriet[\ii de mai sus este dat[ de teorema lui Sylvester, cunoscut[ ]i sub numele
de legea iner\iei, pe care o vom enun\a f[r[ demonstra\ie.

Teorema 5.4 (Sylvester). În orice expresie canonic[ a unei forme p[tratice,

num[rul coeficien\ilor strict pozitivi, strict negativi ]i nuli este acela]i.

Consecin\a Propriet[\ii 5.7. |in`nd seama de expresia canonic[ (5.7) a unei

forme p[tratice Q ob\inute în condi\iile teoremei lui Jacobi se observ[ c[
a). Dac[ D1  0, D2  0,, Dn  0 , atunci Q este pozitiv definit[.
b). Dac[ D1  0, D2  0, D3  0,, (1) n Dn  0 , atunci Q este negativ definit[.

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

Q x   x12  x 22  x32 . Deci Q este pozitiv definit[.

1 2 5
2 5 2

Rezumatul unităţii de studiu

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.

Termeni cheie: forme patratice; metoda Gauss, metoda Jacobi;

Bibliografie

18. Roc]oreanu C. - Matematici aplicate @n economie, Ed. Universitaria, Craiova, 2001.

19. Roc]oreanu C. - Matematici aplicate, Ed. Sitech, Craiova, 2005.
20. Purcaru I. - Matematici generale ]i elemente de optimizare: teorie ]i aplica\ii, Ed.
Economic[, Bucure]ti, 2004.
21. Popescu, O. & co. - Matematici aplicate @n economie. Culegere de probleme, E.D.P.,
Bucure]ti, 1996.
22. Popescu L. - Matematici aplicate @n economie, Ed. Sitech, Craiova, 2007.

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

Timpul alocat temei: 2 ore

Obiective După studiul aceste unităţi, vei putea să:

 calculati limite de ]iruri, limite de func\ii si sa verificati
continuitatea functiilor de mai multe variabile
 calcultia derivate par\iale de ordinul I ]i II.
 calculati gradientul si hessiana functiilor de mai multe
variabile

6.1. Spatii euclidiene

Defini\ia 6.1. Fie L un spa\iu liniar real. Definim opera\ia

 ,  : L x L  R, (x,y)   x , y 
astfel @nc`t
1)  x , y  =  y , x  , pentru orice x , y  L;
2)  x + x , y  =  x , y  +  x , y  pentru orice x , x , y  L;
3)   x , y  =   x , y  pentru orice x , y  L ]i  R;
4)  x , x   0 pentru orice x L ,  x , x  = 0  x = 0.
Atunci  ,  se nume]te produs scalar pe spa\iul vectorial L , iar spa\iul
(L ,  , ) se nume]te spa\iu euclidian.

Proprietatea 6.1. Fie L un spa\iu euclidian. Atunci

a)  0 , x  = 0 pentru  x  L;
b)  x , y + y  =  x , y  +  x , y  pentru orice x , y , y  L;
c)  x ,  y  =   x , y  , pentru orice x , y  L ]i   R.

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)

#ntr-un spa\iu euclidian se pot introduce no\iuni ca lungime, distan\[, unghi,

no\iuni ce nu exist[ @n general @ntr-un spa\iu vectorial.
Defini\ia 6.2. Fie L un spa\iu vectorial real. Func\ia
  : L  R se nume]te norm[ pe L dac[:
1)  x   0 pentru orice x  L ]i  x  = 0  x = 0;
2)   x  =     x  pentru orice x  L ]i   R;
3)  x + y    x  +  y  pentru orice x ,y  L.
#n acest caz, (L,   ) se nume]te spa\iu liniar normat.
Norma vectorului x se mai nume]te lungimea lui x.

Proprietatea 6.3. Dac[ L este spa\iu euclidian, atunci L este ]i

spa\iu normat, @n raport cu norma definit[ prin
 x  =  x, x . (6.2)

Defini\ia 6.3. Fie @n spa\iul vectorial L vectorii x ]i y. Definim

unghiul dintre x ]i y prin rela\ia
 x, y  .
cos( x, y ) = (6.3)
x y

Defini\ia de mai sus este corect[ pentru c[ avem

  x, y    1 , conform inegalit[\ii Cauchy- Buniakowski .
x y

Defini\ia 6.4. Fie L un spa\iu liniar. Definim

d : L x L  R+ astfel @nc`t
1) d(x , y) = d(y , x) pentru orice x , y  L ;
2) d(x , y)  d(x , z) + d(z , y) pentru orice x , y, z  L;
3) d(x , y) = 0  x = y.
Atunci d se nume]te metric[ (distan\[) pe L, iar (L , d) se nume]te spa\iu
metric.

Proprietatea 6.4. Dac[ L este spa\iu normat, atunci L este ]i spa\iu

metric @n raport cu metrica
d(x , y) =  x - y (6.4)
pentru orice x , y  L.

Consider`nd spa\iul euclidian ( R n ,  ,  ) cu produsul scalar definit de

90
 n
x,y =  x y , ob\inem
i 1
i i

 x  = x12  x22 ... xn2 .

x y  x y ... xn yn .
cos( x, y ) = 1 1 2 2
x12  ... xn2 y12  ... yn2

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.

Proprietatea 6.5. #n orice spa\iu euclidian finit dimensional L, exist[ o

baz[ format[ din vectori ortogonali doi c`te doi ]i norma\i.

Exemplu. Fie spa\iul vectorial L = Rn

 x1   y1 
x  y 
Fie x,y  Rn  2
x .
 2 .
y .
   
 .   . 
 xn   yn 
n
Definim  x , y  =  x y . Opera\ia definit[ astfel are propriet[\ile 1-4 din
i 1
i i

n
Defini\ia 6.1, deci este un produs scalar pe R ]i (Rn,  ,  ) este spa\iu euclidian.

6.2 Elemente de topologie in Rn

Fie spa\iul liniar Rn ]i d o distan\[ @n Rn. Fie x0Rn ]i r >0.

Defini\ia 6.6. Mul\imea S  x0 , r   x  R n / d  x, x0   r se nume]te sfer[

deschis[ de centru x0 ]i raz[ r.
Mul\imea S  x0 , r   x  R n / d  x, x0   r se nume]te sfer[ @nchis[ de centru
x0 ]i raz[ r.
Defini\ia 6.7. Mul\imea V  R n se nume]te vecin[tate a punctului x0 dac[
exist[ o sfer[ deschis[ S(x0,r)  V.

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 x0Rn 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 x0Rn 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 xA, x este punct
interior pentru A.
Mul\imea A se nume]te @nchis[ dac[ CA este deschis[.

Proprietatea 6.7. Mul\imile deschise au urm[toarele propriet[\i:

1. Reuniunea unei familii oarecare de mul\imi deschise este o mul\ime deschis[.
2. Intersec\ia unei familii finite de mul\imi deschise este o mul\ime deschis[.
3.  ]i Rn sunt mul\imi deschise.

Proprietatea 6.8. Mul\imile @nchise au urm[toarele propriet[\i:

1. Reuniunea unei familii finite de mul\imi @nchise este o mul\ime @nchis[.
2. Intersec\ia unei familii oarecare de mul\imi @nchise este o mul\ime @nchis[.
6.  ]i Rn sunt mul\imi @nchise.
Defini\ia 6.9. Punctul x0Rn se nume]te punct de frontier[ pentru mul\imea
A dac[ oricare ar fi V o vecin[tate a punctului x0 rezult[ VA  ]i VCA  .
Mul\imea tuturor punctelor de frontier[ ale mul\imii A se nume]te frontiera
mul\imii A ]i se noteaz[ Fr A.
Defini\ia 6.10. Punctul x0Rn se nume]te punct de acumulare pentru
mul\imea A dac[ oricare ar fi V o vecin[tate a punctului x0  V \ x 0  A   .
Punctul x 0  A se nume]te punct izolat pentru A dac[ exist[ V o vecin[tate
a lui x0 astfel @nc`t V  A  x 0 .

Fie spa\iul euclidian R2 @n raport cu distan\a dx, y  

x1  y1 2  x 2  y2 2 ,
x  x1 , x2  , y   y1 , y2  .
t t
unde
Fie A  x1 , x2   R 2 / x1  x2  9, x2  0 (3,4)
2 2

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
 P1P3

-3 P2 3 x1

Fig. 6.1. Mul\imea A

6.3. }iruri de puncte din R n

Defini\ia 6.10. Se nume]te ]ir de puncte din R n o func\ie f :   R n .

Not`nd f (k )  xk  R n , ]irul f se scrie de forma x1 , x2 ,, xk , sau xk k ,
unde
 x11   x21   xk 1 
     
x1   , x2   , , xk   , 
x  x  x 
 1n   2n   kn 
 x01 
 
Defini\ia 6.11. Punctul x0     R n se nume]te limita ]irului xk k ,
x 
 0n 
c`nd k   , dac[ oricare ar fi V o vecin[tate a lui x0 , în afara lui V se afl[ cel
mult un num[r finit de termeni.
Not[m lim xk  x0 .
k 
Urm[toarea proprietate reduce convergen\a ]irurilor de puncte din Rn la
convergen\a ]irurilor reale ale coordonatelor acestora.

Proprietatea 6.9. Fie xk k un ]ir de puncte din R n , cu

x k  ( xk 1 ,, xkn ) t şi fie x 0  ( x01 ,, x0 n ) t  R n . Atunci:
lim xk  x0  lim xki  x0i , i  1,, n.
k  k 

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 

6.4 Limite. Continuitate

Defini\ia 6.11 Fie D  R n ]i f : DR o func\ie care ata]az[ fiec[rui punct

x  x1 , x2 ,, xn   D valoarea f(x) R.
t

Func\ia f se nume]te func\ie real[ de n variabile reale sau func\ie real[ de variabil[
vectorial[.

Urm[toarele func\ii sunt reale de variabil[ vectorial[

a). f: R3R, f x1, x 2 , x 3   x12  2x1x 2  e x 3

b). f: R2- {(0,0)}R, f  x, y   2

xy
.
x  y2

Fie x0 Rn un punct de acumulare pentru mul\imea D, f:D R ]i l  R.

Urm[toarele trei defini\ii sunt echivalente:

Defini\ia 6.12. Num[rul l se nume]te limita func\iei f c`nd x  x0 (]i not[m

l= lim f x  ) dac[ oricare ar fi V o vecin[tate a lui l, exist[ U o vecin[tate a lui x0
x  x0

astfel @nc`t x U  D , x  x0  f(x)V.

Defini\ia 6.13. Num[rul l se nume]te limita func\iei f c`nd

x  x0 dac[   0,   0 a.i x  x0 cu x  x0     f  x   l   .

Defini\ia 6.14. (Heine) Num[rul l se nume]te limita func\iei f c`nd

x  x0 dac[ oricare ar fi ]irul xn n , xn  R n @ndeplinind
condi\iile xn  x0 , xn  x0 , xn  D , rezult[ c[ f  xn   l .

Urm[toarea proprietate formuleaz[ unele criterii cu ajutorul c[rora se poate

calcula limita unei func\ii @ntr-un punct. Acestea sunt o generalizare a criteriilor
cunoscute pentru func\iile de o singur[ variabil[ real[.

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

b) Dac[ f(x) > g(x) @n vecin[tatea lui x0 ]i lim g x  =  , atunci lim f x  =  .

x  x0 x  x0

c) Dac[ f(x) < g(x) @n vecin[tatea lui x0 ]i lim g x  =   , atunci lim f x  =   .

x  x0 x  x0

Defini\ia 6.15. Fie f : D  R, ]i x0  D un punct de acumulare pentru D.

Func\ia f se nume]te continu[ @n punctul x0 dac[ exist[ lim f  x   f  x0  .
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

lim g ( x, y )   , conform Propriet[\ii 6.10 b rezult[ c[ lim f ( x, y )   .

 x , y 0, 0   x , y 0, 0 

6.5 Derivate partiale de ordinul I. Gradient

Defini\ia 6.16. Fie D  R n ]i func\ia f : D  R . Fie x0=  x10 ,, xn 0 

un punct interior lui D. Func\ia f este derivabil[ par\ial @n raport cu variabila xi @n
punctul x0 dac[
f x10 ,, xi ,, xn0   f  x10 , xi 0 ,..., xn0 
lim (6.5)
xi  xi 0 xi  xi 0
exist[ ]i este finit[.
f
#n acest caz limita de mai sus se noteaz[ x0  sau f xi x0  ]i se nume]te
xi
derivata par\ial[ a lui f @n raport cu xi @n punctul x0.

Defini\ia 6.17. Dac[ f are derivate par\iale @n punctul x0 @n raport cu toate

variabilele, atunci vectorul
 f
 x 0  
 x1 
f  x 0      (6.6)
 f 
 x x 0 
 n 
se nume]te gradientul lui f @n punctul x0.

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

Din Defini\ia 6.16 rezult[ c[ 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[.

Observa\ie. Dac[ func\ia f are derivate par\iale @n punctul x0, atunci nu

rezult[ @n general c[ f este func\ie continu[ @n x0. Aceast[ afirma\ie este justificat[
de exemplul urm[tor.

 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 11
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 

Test de autoevaluare 6.1.

Fie f : R 3  R , f x, y, z   3xy  x 2 z  yz 3

Sa se determine gradientul func\iei f @n punctul (1,1,1).

6.6. Diferentiabilitate

Defini\ia 6.17. Fie D  R n , f : D  R ]i x0=  x10 , , xn 0  un punct interior

lui D. Func\ia f se nume]te diferen\iabil[ @n punctul x0 dac[  1 ,, n  R ]i 
 : D  R o func\ie @ndeplinind condi\iile   x0   0 ]i lim   x   0 astfel @nc`t
x  x0

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  .

Teorema 6.1. Dac[ func\ia f este diferen\iabil[ @n punctul x0, rezult[ c[ f

f
are derivate par\iale @n x0. #n acest caz x 0    i , i  1, n .
x i

Fie f : R 2  R , f x1 , x2   x1  1  x22 .

2

Vom arăta că funcţia f este diferenţiabilă în punctul x10 , x 20   2,1

pornind de la Definiţia 6.17.
Cum
f
x1, x2   2x1  1 , f x1 , x2   2 x2 , rezultă că 1  f 2,1  2 ,
x1 x2 x1
f
2  2,1  2 .
x2
Pentru ca f să fie diferenţiabilă în 2,1 , trebuie să existe funcţia  : R 2  R ,
cu lim  x1 , x2    2,1  0 astfel încât
 x1 , x 2 2, 1
f x1 , x2   f 2,1  1 x1  2   2 x2  1 

97
   x1 , x 2   x1  2 2   x 2  12 ,
pentru orice x1 , x2  R2. Aceasta revine la
f x1 , x 2   2  2x1  2  2x 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  12

0 , x1 , x2   2,1

Notând x1  2  u , x2 1  v avem:
u  22  4u  2  v  12  2v  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 

Deci f este diferenţiabilă în punctul 2,1 .

Observa\ie. Reciproca Teoremei 6.1 nu este @ntotdeauna adev[rat[. Acest

lucru este ilustrat de exemplul urm[tor.


 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

Dac[ f ar fi diferen\iabil[ @n (0,0), rezult[ c[ exist[  : R 2  R , cu

 (0,0)  0 , lim  ( x, y )  0 astfel @nc`t
( x , y ) ( 0 , 0 )

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

Rezult[ c[ func\ia  trebuie s[ fie de forma

 xy
 , x, y   0,0 
  x, y    x 2  y 2 .
0,
 x, y   0,0 
Dar lim  x, y  nu exist[, deci f nu este diferen\iabil[ @n (0,0).
 x,y 0 ,0 

98
 Teorema 6.2. Dac[ func\ia f este diferen\iabil[ @n x0, rezult[ c[ f este
continu[ @n x0.

Observa\ie. Reciproca Teoremei 6.2 nu este @ntotdeauna adev[rat[, a]a cum

rezult[ din exemplul urm[tor.


 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

 0  f 0,0  , deci f este continu[ @n (0,0). Faptul c[ f

xy
Rezult[ c[ lim
 x , y 0 ,0 
x  y2 2

nu este diferen\iabil[ @n (0,0) s-a ar[tat mai sus.

#n continuare vom enun\a o teorem[ care arat[ c[, cu o ipotez[

suplimentar[, reciproca Teoremei 6.2 devine adev[rat[.

Teorema 6.3. Dac[ func\ia f are derivate par\iale @ntr-o vecin[tate a

punctului x0, continue @n x0, rezult[ c[ f este diferen\iabil[ @n x0.

Observa\ie. Reciproca Teoremei 6.3 nu este @ntotdeauna adev[rat[.

Defini\ia 6.18. Dac[ f este o func\ie diferen\iabil[ @n punctul x0, atunci

func\ia liniar[
n f
df  x0  x    x0 xi  xi0  (6.8)
i 1 x
i
se nume]te diferen\iala lui f @n punctul x0.

Observa\ie. Pentru orice i  1,2,..., n, s[ consider[m func\iile f i : D  R ,

f
cu D  R n , definite prin f i x1 ,, x n   xi . Avem i ( x)  0,
x1
f f
, i ( x)  1,, i ( x)  0 .
xi x n
Atunci diferen\iala func\iei f i @n punctul x 0 este
n f
df i x0 x    i  x0 ( xk  xk 0 )  xi  xi 0 .
k 1x
k

Convenim s[ not[m aceast[ diferen\ial[ cu dxi , deci avem dxi  xi  xi 0 .

Atunci diferen\iala func\iei f @n punctul x 0 se scrie
n f
df  x0  x    x0 dxi . (6.9)
i 1 x
i

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

Avem de asemenea df x0   f x0  dx .

t

Fie f : R 2  R , f x1 , x2   x1  1  x22 .

2

S-a arătat că funcţia f este diferenţiabilă în punctul 2,1 . Diferenţiala sa

în acest punct este funcţia:
f
df 2,1x1 , x2   2,1dx1  f 2,1dx2 ,
x1 x2
unde dx1  x1  2 , dx2  x2  1 . Deci avem
df 2,1x1 , x2   2dx1  2dx2  2x1  2  2x2  1 .
Matriceal, această diferenţială se poate scrie:
 dx 
df 2,1x1 , x 2   2  2 1   f 2,1 dx .
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
 2x1  1dx1  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  2x  1  2 y  z  1 .

6.7 Derivate parţiale de ordin superior. Hessiana

Definiţia 6.19. Fie D  R n şi f : D  R o funcţie care are derivate

parţiale de ordinul I pe D . Dacă există derivatele parţiale ale funcţiilor
f f
, ... , atunci ele se numesc derivate parţiale de ordinul al II-lea pentru
x1 x n
funcţia f .
  f
 se notează  f şi se numeşte
2
Dacă i  j , atunci derivata 

xi  x xi x j
  j
  f  2 f
derivată mixtă de ordinul al doilea. Derivata   se notează . Cum
xi  xi  xi2
fiecare derivată parţială de ordinul I a lui f este o funcţie de n variabile, rezultă
că f poate avea cel mult n 2 derivate parţiale de ordinul al II-lea.
Dacă există derivate parţiale ale derivatelor parţiale de ordinul al II-lea,
atunci acestea sunt derivate parţiale de ordinul al III-lea pentru funcţia f , ş.a.m.d.

Definiţa 6.20. Fie D  R n şi f : D  R o funcţie care are n 2 derivate

parţiale de ordinul al II-lea. Matricea
 2 f 2 f 2 f 
  x   x  ..... x  
 x1
2
x 2 x1 x n x1 
 2 
  f x   f  f
2 2
 x  .....  x  
H  x    x1x 2 x 2 2
 x n  x 2
 (6.12)
 
 .......... .......... .......... .......... .......... .......... ......... 
 2 f 
x   f x  ..... 2 f
2
  x  
 x1x n x 2 x n x n2 
se numeşte matricea hessiană a funcţiei f .

Dacă x  x0  D , atunci H x0  este o matrice pătratică de ordinul n cu

elemente reale.

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  yx
  f   2 f
x, y  ;   f    2f x, y .
2
  
x  y  xy y  y  y
Hessiana funcţiei f este matricea
 2 f 2 f 
 2  x, y   x, y  
 x yx 
H  x, y    2 .
  f  x, y   f
2

 xy x, y  
 y 2 

#n exemplele precedente, derivatele parţiale mixte de ordinul al doilea ale

funcţiilor considerate au fost egale, de aceea matricele hessiane au fost simetrice. În
general îns[, acest lucru nu este adevărat.

În continuare vom enunţa două criterii care dau condiţii suficiente pentru
egalitatea derivatelor parţiale mixte.

Teorema 6.4 (Criteriul lui Schwarz).

Fie D  R 2 şi f : D  R o funcţie care are derivate parţiale mixte de

ordinul doi într-o vecinătate a punctului ( x0 , y 0 )  D. Dacă aceste derivate sunt
2 f
 x0 , y 0    f  x0 , y 0  .
2
continue în  x 0 , y 0  , atunci
xy yx
2 f 2 f
Consecinţă. Dacă f : D  R are derivatele şi continue
xy yx
2 f 2 f
pe D , atunci  .
xy yx

Teorema 6.5 (Criteriul lui Young).

Fie D  R 2 , f : D  R şi x0 , y 0   D . Dacă f are derivate parţiale de

f f
ordinul întîi, şi , într-o vecinătate a lui  x 0 , y 0  ]i acestea sunt
x y
diferenţiabile în  x 0 , y 0  , atunci :
2 f
x0 , y 0  şi  f x0 , y 0 
2
i). există
xy yx
2 f
 x0 , y 0    f  x0 , y 0  .
2
ii).
xy yx

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  .
xy yx

Observaţia 1. În condiţiile criteriilor Schwarz sau Young, hessiana funcţiei este

matrice simetrică.

Observaţia 2. Criteriile lui Schwarz şi Young dau condiţii suficiente pentru

egalitatea derivatelor parţiale mixte, nu şi necesare.

Exemplu rezolvat.
Fie f : R 2  R , f x, y   ln1  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

Derivatele parţiale de ordinul al II-lea ale funcţiei f sunt:

2 f  
x, y     f     2x
2 

x 2
x  x  x  1  x  2 y 
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
yx y  x  y  1  x  2 y  1  x 2  2 y 2
2
 
2

 
2 f
x, y     f     4y

2 
 8 xy
xy 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

41  x 2  2 y 2   16 y 2 41  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).

6.8 Diferenţiabilitate de ordin superior

Definiţia 6.20. Fie D  R n , f : D  R şi x 0 un punct interior lui D.

Funcţia f se numeşte diferenţiabilă de k ori ( k  2 ) în punctul x 0 dacă :
i) există toate derivatele parţiale de ordin (k-1) într-o vecinătate a punctului
x0 .
ii) aceste derivate parţiale sunt diferenţiabile în x 0 .

Observaţie. Din criteriul lui Young rezultă că dacă funcţia f este

diferenţiabilă de k ori în punctul x 0 , atunci
i). există toate derivatele parţiale de ordinul k în punctul x 0
ii). ordinea de derivare în x 0 , pînă la ordinul k inclusiv, nu are importanţă.

Proprietatea 6.11 Fie D  R n , f : D  R şi x 0 un punct interior lui D.

Dacă funcţia f are toate derivatele parţiale de ordinul k într-o vecinătate a lui x 0 şi
ele sunt continue în x 0 , atunci f este diferenţiabilă de k ori în punctul x 0 .

Diferenţialele de ordin superior ale funcţiei f se definesc în mod recurent

prin relaţia:
d k f  d d k 1 f  (6.13)

Pentru k=2 şi f=f( x1 , x 2 ,, x n ), se obţine formula de calcul a diferenţialei

de ordinul doi pentru funcţia f :
2 f 2 f
d f  x   d df  x   2  x dx1    x dxn 2 
2 2

x1 xn
2

(6.14)
2 f 2 f
2 x dx1dx2    2 x dxn 1dxn .
x1x 2 xn 1xn
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 xy 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

Observaţie. Dacă n=1, atunci D  R şi f : D  R , f = f(x). În acest

caz formulele de calcul pentru diferenţialele funcţiei f într-un punct x 0 , interior lui
D, devin :
df x0   f ' x0 dx
d 2 f x0   f ' ' x0 dx2 (6.22)

d k f x0   f ( k ) x0 dx k
unde dx = x- x 0 .

Exemplu rezolvat. Fie f : R 2  R , f x1 , x2   x1 x2  2 x1 x2 .

4 2

Vom calcula diferenţialele de ordinul 1, 2 şi 3 ale funcţiei f. În particular

vom calcula aceste diferenţiale în punctul (1,-1). Avem
f
df x1 , x2   x1, x2 dx1  f x1, x2 dx2 ,
x1 x2
f
df 1,1  1,1dx1  f 1,1dx2 .
x1 x2

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  2x1  1 .
2 f 2 f
d 2 f  x1 , x2      x1 , x2 dx1dx2 
2
x , x dx 2
x1 x1x2
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 ,
x1x2 x1x2
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

d 2 f 1,1  12dx1  12dx1dx2  2dx2 

2 2

12x1  1  12x1  1  x2  1  2x2  1 .

2 2

Matriceal, aceste diferenţiale de ordinul doi se scriu :

 12 x1 2 x 2 2 8 x13 x 2  2  dx1 
d f  x1 , x 2   dx1 dx2    3
2

 dx  
 8 x1 x 2  2
4
2 x1  2 
 dx  H x1 , x2 dx
t

 12  6  dx1 
d 2 f 1,1  dx1 dx2       dxt  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
x1x 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
x1x 2 x1x 2
2 2

3 f 3 f
x1 , x2   0  3 1,1 .
x 2 x 2
3

Deci d 3 f x1 , x2   24 x1 x2 dx1  72x1 x2 dx1 dx2  24 x1 dx1dx2

2 3 2 2 3 2

106
d 3 f 1,1  24dx1  72dx1 dx2  24dx1dx2 
3 2 2

24x1  1  72x1  1 x2  1  24x1  1x2  1 .

3 2 2

6.9 Formula lui Taylor

Fie D  R n , f :D  R ]i x0  ( x10 ,..., x n 0 ) un punct interior lui D.

Presupunem c[ f este diferen\iabil[ de k ori @n punctul x 0 .

Defini\ia 6.21. Se nume]te polinom Taylor de gradul k ata]at func\iei f @n

punctul x 0 polinomul :
1 1 1
Tk , x0 ( x )  f ( x0 )  df ( x0 )  d 2 f ( x0 )  ...  d k f ( x0 ) , (7.19)
1! 2! k!
unde x  ( x1 ,..., xn )  D .
Fie Rk ( x)  f ( x)  Tk , f , x0 ( x) . Atunci Rk (x) se nume]te restul de ordinul k,
iar rela\ia
f ( x)  Tk , f , x0 ( x)  Rk ( x) (7.20)

se nume]te formula lui Taylor de ordinul k corespunz[toare func\iei f @n punctul

x0 .

#n continuare enun\[m o teorem[ de evaluare a restului de ordinul k din

formula lui Taylor.

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 .

Observa\ie. Consider`nd k=2 ]i restul evaluat conform Teoremei 7.9,

formula lui Taylor devine
f ( x)  T2, x0 ( x)  R2 ( x) 
1 1 (7.22)
 f ( x0 )  df ( x0 )  d 2 f ( x0 )  ( x)2
2 2
cu lim  ( x)   ( x0 )  0 .
x x0

Aceast[ formul[ va fi utilizat[ @n continuare pentru determinarea extremelor

func\iei f.

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

T3, x0  x   f (1,1)  df (1,1)  d 2 f (1,1)  d 3 f (1,1) 

1 1 1
1! 2! 3!
 1  2( x1  1)  6( x1  1)  6( x1  1)( x2  1) 
2

 ( x2  1)2  4( x1  1)3  12( x1  1)2 ( x2  1)  4( x1  1)( x2  1)2. .

Rezumatul unităţii de studiu

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 x2x1 xn x1 
2

 2 
  f x   f  f
2 2
 x  .....  x  
H x    x1x2 x22 xn x2 
 
 .......... .......... .......... .......... .......... .......... ......... 
 2 f 2 f 2 f 
 x  x  .....  x  
 x1xn x2xn 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
x1x2 xn 1xn

Termeni cheie: derivate de ordinul I; gradient; derivate de ordinul II; Hessiana.

Bibliografie

1. Roc]oreanu C. - Matematici aplicate @n economie, Ed. Universitaria, Craiova,

2001.
2. Roc]oreanu C. - Matematici aplicate, Ed. Sitech, Craiova, 2001.
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.

109
Unitatea de învăţare nr. 7

EXTREMELE FUNC|IILOR REALE

DE MAI MULTE VARIABILE REALE

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

Timpul alocat temei: 4 ore

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

7.1 Extreme libere

Fie D  R n , f : D  R ]i x0  ( x10 ,..., xn0 ) t  D .

Defini\ia 7.1. Punctul x 0 se nume]te punct de maxim local pentru func\ia f
dac[ exist[ o vecin[tate V a lui x 0 , astfel @nc`t f ( x)  f ( xo ) , oricare ar fi
x  ( x1 ..., xn ) t V .
Punctul x 0 se nume]te punct de minim local pentru func\ia f dac[ exist[ o
vecin[tate V a lui x 0 , astfel @nc`t f ( x)  f ( x0 ), oricare ar fi x V .
Punctele de minim local sau maxim local ale func\iei f se numesc puncte de
extrem local.

Proprietatea 7.1. Fie x 0 un punct de extrem local al func\iei f, interior

domeniului de defini\ie D. Dac[ f are derivate par\iale @n punctul x 0 , atunci acestea
sunt nule, adic[ :

110
 f
( x0 )  0, i  1,2,..., n.
xi

Observa\ie. Reciproca propriet[\ii de mai sus nu este, @n general, adev[rat[,

deci dac[ derivatele par\iale ale func\iei f @n punctul x 0 sunt nule, nu rezult[
neap[rat c[ x 0 este punct de extrem pentru f . Aceasta reiese din exemplul urm[tor.

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.

Defini\ia 7.2. Fie D  R n , f : D  R ]i x 0 un punct interior lui D. Punctul

x 0 se nume]te punct sta\ionar pentru func\ia f dac[ :

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:

Proprietatea 7.2. Fie x 0 un punct de extrem local al func\iei f, interior

domeniului de defini\ie D. Dac[ f este diferen\iabil[ @n x 0 , atunci x 0 este punct
sta\ionar.

Am v[zut c[ nu orice punct sta\ionar al unei func\ii este ]i punct de extrem

local. Punctele sta\ionare care nu sunt de extrem local se numesc puncte ]a.
Teorema urm[toare ne d[ condi\ii suficiente pentru ca un punct sta\ionar s[
fie punct de extrem local.

Teorema 7.1. Fie D  R n , f : D  R ]i x0  ( x10 ,..., xn 0 ) un punct

sta\ionar al func\iei f . Presupunem c[ exist[ o vecin[tate V a punctului x 0 astfel
@nc`t func\ia f are derivate par\iale de ordinul 2, continue @n V.
Fie forma patratic[ av`nd ca matrice hessiana lui f @n x 0 :
n
2 f
 ( )   x x
i , j 1
( x0 ) i j .
i j

i) Dac[  este negativ definit[, atunci x 0 este punct de maxim local al

func\iei f.

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.

Observa\ie. Dac[ forma p[tratic[  este semipozitiv definit[ dar nu ]i

pozitiv definit[ sau seminegativ definit[ dar nu ]i negativ definit[, atunci se
apeleaz[ la formula lui Taylor de grad mai mare sau egal cu trei.
#n concluzie, pentru a determina punctele de extrem ale unei func\ii
f : D  R, D  R n , de dou[ ori diferen\iabile, se procedeaz[ astfel:
 f
 x ( x)  0
 1
 .
(1) Se rezolv[ sistemul 
 .
 f
( x)  0
 x n
sau 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

 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.

Observa\ie. |in`nd seama de Consecin\a Propriet[\ii 6.16 putem considera

determinan\ii minori ai lui H(x0) :

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.

Observa\ie. 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 :
(1) Se rezolv[ ecua\ia f / ( x)  0 . Solu\iile acestei ecua\ii sunt punctele critice
ale func\iei f, iar extremele lui f se g[sesc printre punctele critice.
(2) Dac[ x 0 este un punct critic determinat la (1), se calculeaz[ f // ( x0 ) . Dac[
f // ( x0 ) >0, atunci x 0 este punct de minim local pentru f. Dac[ f // ( x0 ) <0, atunci x 0
este punct de maxim local pentru f. Dar dac[ f // ( x0 ) =0, atunci x 0 nu este punct de
extrem local (este punct de inflexiune pentru f).

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.

Test de autoevaluare 7.1.

S[ se determine punctele de extrem ale func\iei
f : R3  R, f(x, y, z)=2x2-2xz+y2+z2+yz+2x-y-z+1.

113
7.2 Functii convexe (concave) ]i extremele lor

Defini\ia 7.3. Fie M  R n . Mul\imea M se nume]te convex[ dac[ oricare ar

fi x, y  M , rezult[ c[ ax  (1  a ) y  M , pentru orice a  [0,1] .

Defini\ia 7.4. Fie M  R n o mul\ime convex[ ]i f : M  R . Func\ia f se

nume]te convex[ pe M dac[
f (ax  (1  a ) y )  af ( x )  (1  a ) f ( y ),
x, y  M , a  [0,1]. (7.1)
Func\ia f se nume]te strict convex[ pe M dac[
f(ax + (1-a)y) < af(x) + (1-a) f(y),
 x,y M, x  y,  a  (0,1). (7.2)
Func\ia f se nume]te concav[ pe M dac[ -f este convex[, deci avem
f (ax  (1  a ) y )  af ( x )  (1  a ) f ( y ),
(7.3)
x, y  M , a  [0,1].
Func\ia f se nume]te strict concav[ pe M dac[ -f este strict convex[, deci
avem:
f (ax  (1  a ) y )  af ( x )  (1  a ) f ( y ), x, y  M ,
x  y, a  (0,1). (7.4)

Din defini\ia precedent[ se observ[ c[ orice func\ie strict convex[ este ]i

convex[ ]i c[ orice func\ie strict concav[ este ]i concav[, dar nu ]i reciproc.
Deoarece majoritatea func\iilor care intervin în economie sunt convexe sau
concave vom prezenta în continuare unele propriet[\i ale acestora.

Proprietatea 7.3. Fie M  R n o mul\ime convex[ ]i func\iile

f 1 ,...., f k : M  R . Fie ai  0, i  1,2, k ]i. .fie . . . .
f : M  R, f ( x )  a1 f 1 ( x )  ........ ak f k ( x ) .
a). Dac[ f 1 ,...., f k sunt func\ii convexe pe M, atunci f este convex[ pe M.
b). Dac[ f 1 ,...., f k sunt func\ii convexe pe M, dar exist[ cel pu\in una, de
exemplu fi , strict convex[, iar ai>0, atunci f este strict convex[ pe M.
c). Dac[ f 1 ,...., f k sunt func\ii concave pe M, atunci f este concav[ pe M.
d). Dac[ f 1 ,...., f k sunt func\ii concave pe M, dar exist[ cel pu\in una, de
exemplu fi , strict concav[, iar ai>0, atunci f este strict concav[ pe M.

Proprietatea 7.4. (caracterizarea convexit[\ii ]i concavit[\ii pentru func\ii

diferen\iabile)
Fie M  R n o mul\ime convex[ ]i f : M  R o func\ie diferen\iabil[.
a) Func\ia f este convex[ pe M dac[ ]i numai dac[
f ( x )  f ( y )   t f ( y )( x  y ), x, y  M . (7.5)
b) Func\ia f este concav[ pe M dac[ ]i numai dac[
f ( x )  f ( y )   t f ( y )( x  y ), x, y  M . (7.6)

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.

Proprietatea 7.5 se poate formula ]i pentru a caracteriza concavitatea

func\iilor de dou[ ori diferen\iabile.

Proprietatea 7.6. Fie M  R n o mul\ime convex[ ]i f : M  R o func\ie

de dou[ ori diferen\iabil[ pe M.
Func\ia f este concav[ pe M dac[ ]i numai dac[ d 2 f (x ) este seminegativ
definit[ pentru orice x apar\in`nd lui M.
Dac[ d 2 f (x ) este negativ definit[ pe M, atunci f este strict concav[ 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 ) .
xy 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

deci f este strict convex[.

Observa\ie. Dac[ se consider[ f definit[ pe mul\imea
M  {( x, y )  R, x  0, y  0} , atunci D1  0 , D2  0 , deci d 2 f ( x, y ) este negativ
definit[, adic[ f este strict concav[ pe M.

Fie A o matrice p[tratic[ ]i simetric[ de ordinul n ]i

f : R  R , f ( x )  x t Ax forma p[tratic[ de matrice A. Atunci :
n
i) Func\ia f este convex[ (strict convex[) dac[ ]i numai dac[ f este
semipozitiv definit[ (pozitiv definit[).
ii) Func\ia f este concav[ (strict concav[) dac[ ]i numai dac[ f este
seminegativ definit[ (negativ definit[).
Fie func\ia liniar[
f : R  R , f ( x)  cx, unde c  (c1 , c2 ,....cn ) , x  ( x1 , x2 ,.... xn )t . Func\ia f este
n

simultan convexă şi concavă pe Rn.

#ntr-adev[r avem
f (ax  (1  a ) y )  c(ax  (1  a ) y )  acx  (1  a )cy 
af ( x )  (1  a ) f ( y ) , x, y  R n , a  [0,1].
Deci f este simultan convexă şi concavă pe R n .

Fie funcţia constantă

f : R  R , f ( x )  d  R , x  R n .
n

Funcţia f este simultan convexă şi concavă pe R n .

Într-adevăr
f ( ax  (1  a ) y )  d ,
af ( x )  (1  a ) f ( y )  ad  (1  a )d  d , x, y  R n , a  [0,1]
Deci f(ax+(1-a)y)=af(x)+(1-a)f(y), x, y  R n , a  0,1 .

Fie funcţia
f : R  R , f ( x )  x t Ax  cx  d
n

unde A este o matrice pătratică, simetrică, de ordinul n, c  (c1 , c2 ,.... cn ) , d  R .

i). Dacă forma pătratică x t Ax este semipozitiv definită (pozitiv definită),
atunci f este funcţie convexă (strict convex[).
ii). Dacă x t Ax este formă pătratică seminegativ definită (negativ definit[),
atunci f este concav[ (strict concav[) pe R n .

Într-adevăr, putem scrie f ( x )  f 1 ( x )  f 2 ( x )  f 3 ( x ), unde

f 1 ( x)  x t Ax, f 2 ( x)  cx, f 3 ( x)  d .
i). funcţia f 1 este convexă (strict convex[) dacă este semipozitiv definită
(pozitiv definită).
Funcţiile f 2 şi f 3 sunt simultan convexe şi concave,

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).

Fig. 7.1. Func\ia strict convex[ f

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.

Func\ia f nu este nici convex[, nici concav[ pe R2.

Acest lucru se observ[ ]i dup[ forma graficului lui f (Figura 7.3).

Fig. 7.3. Func\ia f, care nu este nici concav[, nici convex[

Fie f : R2 R
f(x1,x2) = x12 + 2x2 - 1.

Se observ[ c[ func\ia f este de forma func\iei dintr-un exemplu anterior

1 0
unde A=   , C = (0 , 2) ]i d = -1.
0 0 
Deoarece forma p[tratic[ f1(x1,x2) = x12 este semipozitiv definit[, dar nu ]i
pozitiv definit[, rezult[ c[ f este func\ie convex[, dar nu strict convex[ (Figura 7.4).

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[.

Graficul func\iei f pentru x1 [-25,25] ]i x2 [-25,25] este prezentat @n

Figura 7.5 ]i este un plan @n spa\iul tridimensional.

Fig. 7.5. Func\ia liniar[ afin[ f, care este ]i concav[, ]i convex[

Proprietăţile prezentate în continuare se referă la punctele de extrem ale

funcţiilor convexe sau concave.

Proprietatea 7.7. Fie M  R n o mulţime convexă şi f : M  R o funcţie

diferenţiabilă care are un punct staţionar x0  M .
a) Dacă f este convexă, atunci x 0 este punct de minim al funcţiei f .
b) Dacă f este concavă, atunci x 0 este punct de maxim al funcţiei f

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.

Proprietatea 7.9. Fie M  R n o mulţime convexă şi f : M  R .

a) Dacă f este funcţie strict convexă şi are un punct de minim, atunci acesta
este unic.
b) Dacă f este funcţie strict concavă şi are un punct de maxim, atunci acesta
este unic.

Proprietatea 7.10. Mulţimea punctelor de extrem ale unei funcţii convexe

(sau concave) este o mulţime convexă.

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

1. Model de stocare pentru un produs, c`nd se admite lips[ @n stoc

S[ consider[m o gestiune a unui stoc cu perioad[ fix[ çi cerere constant[,

relativ la un singur produs, @n condi\iile urm[toare:
10. Pe o durat[ t0 se va dispune de o cantitate N din produsul considerat.
20. Se va lansa o comand[ x, aceeaçi de fiecare dat[ çi la perioade egale de
timp T (ritmicitate constant[).
30. Costul lans[rii unei comenzi este  unit[\i monetare (u.m.)
40. Cheltuielile unitare de stocare sunt c u.m. (pentru fiecare produs pe zi).
50. Se admite lips[ din stoc, penalizat[ unitar cu  u.m. pe unitatea de timp
@n care avem penurie çi pe unitatea de produs.
60. Timpul de reaprovizionare, tr este neglijabil (se ia tr = 0).
#n condi\iile date, ne propunem s[ determin[m nivelul optim al stocului y, al
comenzii x çi al perioadei T dintre dou[ comenzi succesive aça @nc`t cheltuielile
totale s[ fie minime.
Solu\ie. Fie y nivelul stocului care este presupus suficient pentru o perioad[
1
t1 din T, cu cheltuieli medii de stocare @n aceast[ perioad[ c y t 1 çi cu penaliz[ri
2
1
medii pentru lips[ de stoc   x  y T  t 1  . Cheltuielile totale @ntr-o perioad[ T
2
sunt
1 1
 + c y t 1 +   x  y T  t 1  .
2 2
N t0
Dar num[rul perioadelor este  . Deci @n perioada total[ t0 cheltuielile
x T
sunt
N 1 t 1 T  t1
f(x, y) =  c y t 0 1    x  y t 0 , x >0, y > 0.
x 2 T 2 T
unde primul termen reprezint[ cheltuieli cu lansarea comenzilor, al doilea cheltuieli
cu stocarea, iar al treilea penaliz[ri pentru lipsa din stoc.

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 , x0
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.

Solu\ie. Avem t0=360 zile, N=4500 biciclete, c= 2 u.m.,  =2/3 u.m.,

 =200 u.m. Coeficientul de ruptur[ @n stoc este de     1 . Num[rul de
c 4
biciclete ce trebuie aduse la fiecare comand[ este x0= 2 N = 100
ct 
0
2 N
M[rimea stocului este y0= ct =25
0
t x
Perioada dintre dou[ comenzi succesive este de T= 0 0 =8 zile. Cheltuielile
N
minime @n perioada total[ sunt:
minf = 2 Nct  =18000 u.m.
0

Test de autoevaluare 7.2.

#ntr-o perioad[ de 180 de zile trebuie aduse la un magazin un num[r de 5780 de
produse de un anumit tip. Dac[ aprovizionarea se face cu cantit[\i egale, la intervale
egale de timp, costul lans[rii unei comenzi este de 900 u.m., costul de stocare
pentru un produs este de 0,5 u.m./zi, iar penaliz[rile unitare pentru lipsa unui
produs din stoc sunt de 0,4 u.m., atunci cheltuielile totale minime sunt:

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 Nct 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 Nct 0 . (7.15)

Obseva\ie. Cum   1 , rezult[ c[ 2 Nct 0  < 2 Nct 0 ,

deci cheltuielile sunt mai mici dac[ se admite lipsa din stoc a produsului. Totu]i, @n
acest caz exist[ riscul de a pierde clien\ii.

Exemplu rezolvat. O societate comercial[ specializat[ @n distribuirea de produse

cosmetice estimeaz[ pentru urm[toarele 160 zile un necesar de 9000 de cutii de
parfum de un anumit tip. Se ]tie c[ costul lans[rii unei comenzi este de 3600 u.m,
iar costul de stocare pentru fiecare cutie de parfum este de 0.5 u.m zilnic.
a). Care este gestiunea optim[ a stocului?
b). Dac[ s-ar admite lipsa din stoc a parfumurilor, penaliz[rile unitare ar fi de
0.4 u.m. Ce sum[ ar economisi societatea @n acest caz?
Solu\ie. a). Avem t0 = 160 zile, N = 9000,  = 3600 u.m,
c = 0.5 u.m. Aplic`nd formulele (7.13)-(7.15) avem
2 N
x0  = 900 cutii parfum la o comand[
ct0
t0 x0
T0  = 16 zile @ntre dou[ comenzi succesive
N
Cheltuielile minime @n acest caz vor fi
min f= f ( x0 )  2 Nct 0 =72 000 u.m.
b). Coeficientul de ruptur[ @n stoc este
 0.4 4
 = = .
c   0.5  0.4 9
#n acest caz, la fiecare comand[ ar trebui aduse
2 N
x0  =1350 cutii parfum.
ct0
Perioada @ntre dou[ comenzi succesive este
tx
T0 = 0 0 = 24 zile .
N
Cheltuielile minime admi\`nd lipsa @n stoc, sunt
minf = 2 N c t0 = 48000 u.m.
Suma economisit[ este 72000 - 48000 = 24000 u.m.

Test de autoevaluare 7.3.

La un depozit trebuie s[ se aduc[ @ntr-o perioad[ de 300 de zile 400 t dintr-un
anumit tip de produs. Aprovizionarea se face cu cantit[\i egale, la intervale egale de

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

Contractul @ntre o unitate de desfacere a n tipuri de produse çi unitatea

productiv[ prevede:
10. Pe o durat[ t0 se va primi o cantitate Ni (i = 1...n) din fiecare tip de
produse, @n mod ritmic, la perioade Ti (i = 1 .... n) @n cantit[\ile xi (i = 1...n) ce vor
fi fixate.
20. Costul de lansare al unei comenzi din produsul i este i unit[\i monetare
(u.m.).
30. Nu se admite penurie (ruptur[ de stoc) la nici un tip de produse.
40. Se cunosc cheltuielile unitare ci u.m. pe fiecare unitate de produs i @n
unitatea de timp fixat[.
50. Timpul de reaprovizionare tr = 0 (adic[ este neglijabil).
#n aceste condi\ii se cere a se stabili xi (i = 1,...,n) ]i Ti (i = 1,...,n) @n mod
optim, @n sensul c[ cheltuielile totale s[ fie minime.
N t
Solu\ie. Pentru fiecare tip de produs vom avea i  0 . Pentru o perioad[
x i Ti
1
Ti vom avea cheltuielile i + c i x i Ti , deci pentru @ntreaga perioad[ considerat[
2
cheltuielile totale vor fi:
n  1 N
f(X) =    i  ci xi Ti  i , adic[
i 1 2  xi
n  N  1 
f(X)=   i i  ci t0 xi  , xi>0 (7.16)
i 1 xi 2 
De]i din punct de vedere matematic, func\ia f este definit[ pe Rn-{(0, ....0)t},
\in`nd seama de semnifica\ia economic[ a variabilelor, vom considera domeniul de
defini\ie al func\iei f de forma D={x  Rn, x=(x1, ..., xn)t, cu xi>0,  i=1, ... ,n}.
Avem:
  1 N1 1 
  2  c1 t0 
 x1 2   2 1 N 1 
    3
0  0 
  i Ni 1   x1 
f ( X )   2  ci t0 ; H ( X )      
 xi 2   2 n N n 
    0 0  
xn3 
  n Nn 1  
  x 2  2 c n t0 
 n 

2 i Ni
f  X   0xi   ;
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

Exemplu rezolvat. La un depozit de articole electrocasnice se aduc @ntr-o

perioad[ de 300 zile, 400 televizoare, 2500 de casetofoane ]i 2700 de frigidere.
Costul lans[rii unei comenzi este de 450 u.m. la televizoare, 675 u.m. la
casetofoane ]i 300 u.m. la frigidere. Stocarea cost[ zilnic 3 u.m. pentru un televizor,
2 u.m. pentru un casetofon ]i 6 u.m. pentru un frigider.
}tiind c[ nu se admite lipsa din stoc a produselor, s[ se determine gestiunea
optim[ a stocului.
Solu\ie . Aplic`nd formulele (7.17)-(7.19) , pentru t0=300,
N1  400, N 2  2500, N3  2700,
 1  450,  2  675,  3  300,
c1  3, c2  2, c3  6.
rezult[:
2 N 1 1
x10   20 televizoare la fiecare comand[
c1t0
2 N 2 2
x20   75 casetofoane la fiecare comand[
c2t0
2 N 3 3
x30   30 frigidere la fiecare comand[
c3t0
t0 x10
T10   15 zile
N1
tx
T20  0 20  9 zile;
N2
tx
T30  0 30  3,3 zile.
N3

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 .

Tema de control nr. 2

1). Fie f : R3  R, f(x, y, z)=x2+y2+z3+6xz-4y+11.

a). Sa se scrie derivatele partiale de ordinul I si gradientul func\iei f .
b). Sa se scrie derivatele partiale de ordinul al II-lea si hessiana func\iei f.
c). Sa se determine punctele de extrem ale functiei f.
2). La un depozit trebuie s[ se aduc[ @ntr-o perioad[ de 300 de zile 400 t dintr-un anumit tip
de produs. Aprovizionarea se face cu cantit[\i egale, la intervale egale de 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.
Se cere gestiunea optima a stocului (cantitatea de produse la fiecare comanda, timpul dintre
doua comenzi succesive, cheltuielile minime).

Rezumatul unităţii de studiu

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,
/

iar extremele lui f se g[sesc printre punctele critice.

Dac[ x 0 este un punct critic determinat la (1), se calculeaz[ f // ( x0 ) . Dac[ f // ( x0 ) >0,
atunci x 0 este punct de minim local pentru f. Dac[ f // ( x0 ) <0, atunci x 0 este punct de maxim
local pentru f. Dar dac[ f // ( x0 ) =0, atunci x 0 nu este punct de extrem local (este punct de
inflexiune pentru 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.

Termeni cheie : extreme libere ; extreme locale ; extreme globale.

Bibliografie

1. Roc]oreanu C. - Matematici aplicate @n economie, Ed. Universitaria, Craiova,

2001.
2. Roc]oreanu C. - Matematici aplicate, Ed. Sitech, Craiova, 2001.
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.

128
Unitatea de învăţare nr. 8

ELEMENTE DE TEORIA PROBABILIT{|ILOR

Cuprins
Obiective
8.1 C`mp de evenimente. C`mp de probabilitate
8.2 Scheme clasice de probalibitate
Bibliografie

Timpul alocat temei: 2 ore

Obiective
După studiul aceste unităţi, vei putea:

 sa calculati probabilitatea unor evenimente aleatoare

 sa aplictia schemele clasice de probabilitate

8.1. Camp de evenimente. Camp de probabilitate

Consider[m o experien\[ aleatoare, adic[ o experien\[ al c[rei rezultat

depinde de factori @nt`mpl[tori, deci nu poate fi anticipat cu certitudine. Orice
rezultat posibil al unei experien\e se nume]te eveniment elementar. Experien\a se
poate repeta de mai multe ori, fiecare repetare purt`nd numele de prob[.
Fie E mul\imea de rezultate posibile (evenimente elementare). #ntre evenimentele
elementare se define]te opera\ia sau, notat[  , astfel: dac[ A ]i B sunt evenimente
elementare, atunci A  B se realizeaz[ @ntr-o prob[ dac[ @n acea prob[ se realizeaz[
fie A, fie B. A  B este un eveniment compus. Mul\imea tuturor evenimentelor
(elementare sau compuse) asociate experien\ei aleatoare se noteaz[ cu K0.
Evenimentul care nu se realizeaz[ @n nici o prob[ a experien\ei se nume]te
eveniment imposibil ]i se noteaz[ cu  , iar evenimentul care se realizeaz[ @n orice
prob[ a experien\ei este numit evenimentul sigur ]i se noteaz[ cu  .
Cu ajutorul evenimentelor se pot defini mai multe opera\ii.

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 8.5. Fie A,B  K0 .Evenimentul D = A - B, care se realizeaz[ dac[ s-a

realizat A ]i nu s-a realizat B se nume]te diferen\a evenimentelor A, B.
Rezult[ u]or
A - B = AB .
Defini\ia 8.6. Se spune c[ evenimentul A implic[ evenimentul B dac[ realizarea lui
A atrage în mod necesar ]i realizarea lui B. Se noteaz[ A  B.

#n general rela\ia  nu este simetric[, dar este reflexiv[ (A  A) ]i tranzitiv[ (A 

B , B  C  A  C). Deci  nu este o rela\ie de ordine total[ pe K0. Dac[ A  B ]i
B  A atunci A, B se numesc echivalente ]i se scrie A = B.

#n continuare vom identifica mul\imea K0 a evenimentelor asociate unei experien\e

cu mul\imea P(E) a p[r\ilor mul\imii evenimentelor elementare E.
Dac[ num[rul de rezultate posibile ale experien\ei este finit, atunci E= 1 ,...,  n .
Dac[ mul\imea rezultatelor posibile este infinit[ ]i num[rabil[, atunci
E= 1 ,...,  n ,.... Dac[ mul\imea rezultatelor posibile este infinit[ ]i nenum[rabil[,
atunci E este, de exemplu, un interval n-dimensional.
Un eveniment elementar se identific[ cu o submul\ime a lui E av`nd un singur
element. Un eveniment compus se identific[ cu o submul\ime a lui E format[ din
reuniunea evenimentelor elementare care @l implic[. Evenimentul sigur  se
identific[ cu E, deci este reuniunea tuturor evenimentelor elementare. Evenimentul
imposibil se identific[ cu mul\imea vid[  .
Astfel, opera\iile cu evenimente au propriet[\ile opera\iilor cu mul\imi ]i anume:

Proprietatea 8.1. Oricare ar fi A, B, C evenimente din K0 avem:

A  A=A, A   =  , A   =A,
A  A=A, A   =A, A   = 
A  B=B  A, A  B=B  A
A  (B  C)= (A  B)  C, (A  B)  C=A  (B  C)
A  (B  C)= (A  B)  (A  C),
A  (B  C)=(A  B)  (A  C)
A A = , A A =,
A  B = A  B ; A  B = A  B (legile lui De Morgan)
A B = A B

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[ iN Ai  K .
Atunci K se nume]te câmp borelian de evenimente.

Defini\ia 8.9. Dac[ evenimentele Ai  K (i=1,..., n) au propriet[\ile:

n

 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,  ).

S[ analiz[m experien\a arunc[rii unui zar. S[ not[m cu  i, i  1,2,..., 6

evenimentul care const[ din apari\ia fe\ei cu "i" puncte. Evenimentele 1 ,.....,  6
sunt evenimentele elementare. Fie E = 1 ,....., 6  mul\imea evenimentelor
elementare. Mul\imea E are 6 elemente.
La efectuarea oric[rei probe, evenimentul "apari\ia altei fe\e dec`ât una din cele ]ase
fe\e" este evenimentul imposibil, pe c`nd evenimentul "apari\ia uneia din fe\ele cu
1,2,3,4,5,6 puncte” este evenimentul sigur. Mul\imea evenimentelor posibile @n
experien\a arunc[rii zarului este mul\imea K0 = P(E). Mul\imea K0 are un num[r de
26 elemente, deci este o mul\ime finit[.
S[ consider[m c[ la aruncarea unui zar ne intereseaz[ apari\ia unei fe\e cu num[r
par de puncte. Cum evenimentul dorit const[ din apari\ia oric[rei fe\e cu 2,4 sau 6
puncte, atunci el este un eveniment compus al mul\imii K0 ]i @i asociem mul\imea
2 , 4 , 6 .
Vom pleca de la modul clasic de introducere a no\iunii de probabilitate. Fie
K0 mul\imea evenimentelor ata]ate unei experien\e cu un num[r finit de rezultate
posibile. Presupunem c[ evenimentele elementare au acela]i grad de realizare (sunt
evenimente egal posibile).

Defini\ia 8.10. Fie A un eveniment din K0. Se nume]te probabilitatea

evenimentului A num[rul real
m
P(A) =
n
unde m este numãrul de cazuri favorabile evenimentului A, iar n este numãrul
cazurilor egal posibile.

131
Cu ajutorul no\iunii de c`mp de evenimente se introduce defini\ia axiomatic[ a
probabilit[\ii (A.N.Kolmogorov).

Defini\ia 8.11. Fie , K  un c`mp de evenimente.

O func\ie P: K  [0,  ) care satisface axiomele:
i) P(  )=1
ii).  A1, A2  K; A1  A2 =   P(A1  A2)=P(A!) + P(A2)
se nume]te probabilitate pe c`mpul K, iar tripletul , K, P se nume]te câmp de
probabilitate.
Se arat[ c[ pentru K finit, defini\ia axiomatic[ coincide cu cea clasic[.

Proprietatea 8.2 Func\ia probabilitate are urm[toarele propriet[\i:

_
a). P ( A ) = 1 - P (A)
b). P (  ) = 0;
c). P (A)  0,1 , oricare ar fi A  K;
d). P (A1  ...  Ar) = P(A1 ) + ... + P(Ar ), dac[ Ai  Aj =  ,
i  j , A1 , ... , Ar  K.
e). Dac[ A  B atunci P (B - A) = P (B) - P (A) ]i P (A)  P (B),
f). P (A1  A2 ) = P (A1 ) + P (A2 ) - P (A1  A2 )
g). Proprietatea de subaditivitate:
P (A1  A2 )  P (A1 ) + P (A2 )
n n
P (  Ai ) 
i 1

i 1
P (Ai ) ; oricare ar fi Ai  K.

h). Formula lui Poincare:

n
P (A1  ...  An ) =  P (Ai ) -  i j
P (Ai  Aj ) +
i 1


i jk
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
iI iI
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.

Defini\ia 8.13. Fie A1, A2 K, arbitrare, cu P(A1)  0. Num[rul real

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).

Func\ia PA : K  R definit[ prin

1

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.

Observa\ie. Dac[ P(A1)  0 ]i P(A2)  0, rezult[

P(A1  A2 )=P(A1)PA1(A2) = P(A2) . PA2(A1)
A1, A2 independente  PA2(A1) = P(A1); PA1(A2) = P(A2).

Teorema 8.1. Probabilitatea produsului de evenimente se calculeaz[ astfel:

i). Dac[ {A1, .....An} sunt independente, atunci
P(A1  .....  An) = P(A1) .... P(An)
ii). Dac[ Ai  K, i = 1,n ]i P(A1  A2  .........  An-1)  0, atunci
P(A1  A2  .........  An) = P(A1) PA1(A2) ..... PA1  A2  ...........  An-1(An).

Teorema 8.2. Dac[ Ai iI , 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

Formula de mai sus se nume]te formula probabilita\ii totale.

Consecin\a. #n condi\iile Teoremei 8.2 ]i dac[ P(X)  0, rezult[
P( Ai ) PA ( X ) P( Ai ) PA ( X )
PX ( Ai )  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).

8.2. Scheme clasice de probabilitate

Schema lui Poisson.

Se consider[ n urne care con\in bile albe ]i negre. Fie Ai evenimentul ce const[ din
extragerea unei bile albe din urna Ui (i=1,...,n). Se cunoa]te pi = P(Ai). Dac[ Bi este
evenimentul ob\inerii unei bile negre din Ui avem qi = P (Bi) =1 - pi deoarece Bi
este evenimentul contrar lui Ai. Extr[g`nd c`te o bil[ din fiecare urn[, se cere
probabilitatea ca din cele n bile extrase, k s[ fie albe ]i (n-k) s[ fie negre (notat[
Pn,k).
Probabilitatea evenimentului dorit este coeficientul lui tk din polinomul
P(t) = (p1t + q1) (p2t + q2).... (pnt + qn)

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

Schema urnei cu bile revenite ( Bernoulli, binomial[).

O urn[ con\ine bile albe ]i negre. Fie A evenimentul ca la o extragere aleatoare s[
apar[ o bil[ alb[ ]i p = P(A). Fie B evenimentul apari\iei unei bile negre. Atunci
P(B) = q = 1-p (deoarece B = A ). Se extrag n bile, astfel inc`t bila extras[ se pune
de fiecare dat[ din nou în urn[, Se cere probabilitatea evenimentului ca din cele n
bile extrase, k s[ fie albe (notat[ Pn, k).
Extragerea cu revenire a n bile este echivalent[ cu extragerea a c`âte o bil[ din n
urne identice, U1,....,Un fiecare av`nd numai bile albe ]i negre. Deci @n schema lui
Poisson avem p1= p2=....= pn= p, q1= q2=....= qn= q= 1-p ]i Pn;k este coeficientul lui tk
din (pt+q)n adic[ avem:

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

observ[ c[ P8;6 este coeficientul lui t 6 din ( pt  q ) .

8

Schema lui Bernoulli cu mai multe st[ri (multinominal[) Dac[ în experien\a

precedent[ urna con\ine bile de r culori, se pune problema de a g[si pentru n bile
extrase cu revenire care este probabilitatea s[ se ob\in[ k1 bile de prima culoare, k2
de culoarea a doua, kr de culoarea r (k1 + k2 + .... + kr = n ).
Not`nd pi = P(Ai), unde Ai este evenimentul ca la o extragere din urn[, bila extras[
s[ fie de culoare i (i=1,...,r), avem:

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!

Un zar se arunc[ de 8 ori. Care este probabilitatea ob\inerii de 2 ori a fe\ei

cu 6 puncte ]i de trei ori a fe\ei cu 5 puncte?
Solu\ie. Fie A evenimentul ca la o aruncare s[ apar[ fa\a 6, B evenimentul ca la o
aruncare s[ apar[ fa\a 5, iar C evenimentul ca la o aruncare s[ apar[ una din fe\ele
1, 2, 3, 4. Avem P(A)=1/6, P(B)=1/6, P(C)=4/6.
Din schema multinomial[ rezult[:

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!

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 x grupe favorabile apari\iei a x1 bile
1

a 1

albe ]i C x pentru apari\ia a x2 bile negre. Deci se ob\ine probabilitatea cerut[

2

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

Deci dac[ q  p( A ) , p=p(A) avem

P( X )  q k 1  p .

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

Test de autoevaluare 8.1.

Trei loturi de piese L1 , L2 , L3 con\in câte 100 de piese fiecare. Primul lot are 2%
rebuturi, al doilea 3% rebuturi, iar ultimul 4% rebuturi. Se extrage la întâmplare cât o
piesă din fiecare lot. Care este probabilitatea de a extrage
a) Două pise defecte
b) Nici o piesă defectă
c) Cel pu\in o piesă defectă

Test de autoevaluare 8.2.

La un examen există 20 subiecte teoretice ]i 10 subiecte practice. Se efectuează 6

extrageri, fără revenire. Care este probabilitatea de a extrage 4 subiecte teoretice?

Rezumatul unităţii de studiu

Limbajul evenimentelor Limbajul mul\imilor Nota\ii

Evenimentul sigur Mul\ime totală E
Evenimentul imposibil Mul\imea vidă Ø
Contrarul lui A Complementara lui A A
A implică B A inclus în B A B
A sau B A reunit cu B A B
A ]i B A intersectat cu B A B
A, B incompatibile A, B disjuncte A B  Ø
A, B compatibile A, B nedisjuncte A B  Ø

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:

a) P ( A ) = 1 - P (A); b) P (  ) = 0; c) P (A)  0,1 ;

_

d). P (A1  ...  Ar) = P(A1 ) + ... + P(Ar ), dac[ Ai  Aj =  , i  j

e). Dac[ A  B atunci P (B - A) = P (B) - P (A) ]i P (A)  P (B),
f). P (A1  A2 ) = P (A1 ) + P (A2 ) - P (A1  A2 )
g). P (A1  A2 )  P (A1 ) + P (A2 )
n n
P( 
i 1
Ai )  
i 1
P (Ai ) ; oricare ar fi Ai  K.

n
h). P (A1  ...  An ) =  P (Ai ) - 
i j
P (Ai  Aj ) +
i 1


i jk
P (Ai  Aj  Ak ) - ... + (-1)n + 1 P (A1  A2  ...  An)

Evenimentele A1, A2  K se numesc independente dac[ P(A1  A2) = P(A1) . P(A2)

Fie A1, A2 K, arbitrare, cu P(A1)  0. Num[rul real
P( A1  A2 )
P(A2/A1) =
P( A1 )
se nume]te probabilitatea evenimentului A2 condi\ionat[ de A1.

Schema lui Poisson.

Se consider[ n urne care con\in bile albe ]i negre. Fie Ai evenimentul ce const[ din extragerea
unei bile albe din urna Ui (i=1,...,n). Se cunoa]te pi = P(Ai). Dac[ Bi este evenimentul ob\inerii
unei bile negre din Ui avem qi = P (Bi) =1 - pi Extr[g`nd c`te o bil[ din fiecare urn[, se cere
probabilitatea ca din cele n bile extrase, k s[ fie albe ]i (n-k) s[ fie negre (notat[ Pn, k).
Probabilitatea evenimentului dorit este coeficientul lui tk din polinomul
P(t) = (p1t + q1) (p2t + q2).... (pnt + qn)

Schema urnei cu bile revenite ( Bernoulli, binomial[).

O urn[ con\ine bile albe ]i negre. Fie A evenimentul ca la o extragere aleatoare s[ apar[ o bil[
alb[ ]i p = P(A). Fie B evenimentul apari\iei unei bile negre. Atunci P(B) = q = 1-p (deoarece B
= A ). Se extrag n bile, astfel inc`t bila extras[ se pune de fiecare dat[ din nou în urn[, Se cere
probabilitatea evenimentului ca din cele n bile extrase, k s[ fie albe (notat[ Pn, k).
Extragerea cu revenire a n bile este echivalent[ cu extragerea a c`âte o bil[ din n urne identice,
U1,....,Un fiecare av`nd numai bile albe ]i negre. Deci @n schema lui Poisson avem p1= p2=....=
pn= p, q1= q2=....= qn= q= 1-p ]i Pn;k este coeficientul lui tk din (pt+q)n adic[ avem:
Pn;k = Cnkpkqn-k ; p+q=1

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

pentru apari\ia a x2 bile negre. Deci se ob\ine probabilitatea cerut[

Cax Cax
1 2

Pn ( x1 , x2 )  1

n
2
; x1  x2  n ; a1  a2  N .
C N

138
Termeni cheie: probabilitate; scheme clasice de probabilitate.

Bibliografie

1. Roc]oreanu C. - Matematici aplicate @n economie, Ed. Universitaria, Craiova,

2001.
2. Roc]oreanu C. - Matematici aplicate, Ed. Sitech, Craiova, 2001.
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.

139
Răspunsuri si comentarii pentru testele de autoevaluare

Test de autoevaluare 1.1

 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  21  4 2 
 
unde  1 ]i  2 sunt parametri reali. Se mai noteaz[ Xgen=   1  1   2  .
1
 2 
 

Desigur, forma matricei (A2,B2) nu este cea trapezoidal[ pentru c[ pivo\ii nu

s-au ales la r`nd, dar permut`nd liniile 1 ]i 2 @n matricea (A2,B2), apoi liniile 2 ]i 4
(permutarea liniilor este permis[ fiind o transformare elementar[ de tipul c) se
ob\ine forma trapezoidal[ echivalent[:

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

 1 7 1 0   1 7 1 0   1 0  5/9 7/9 

(A, E)    ~  ~   (E, A1 )
 2 5 0 1 0  9  2 1   0 1 2/9  1/9
Deci A-1    5 / 9 7 / 9 
 2 / 9  1/ 9 

Test de autoevaluare 1.3

19 / 5   7 / 2  2
 0   0   
X1   , X2   , X3   3 .
3/ 5 0 0
 0   3/ 2 0
     
Test de autoevaluare 2.1

maxf=42, Xoptim=(9/2, 0, 5/2, 0)t.

Test de autoevaluare 2.2

maxf=43/2, Xoptim=(5, 1, 0, 0)t.

Test de autoevaluare 2.3

Modelul matematic este:

(max) f ( X )  8 x1  10x2  21x3
x1  3x2  4 x3  15
2 x1  x2  2 x3  32
xi  0, i  1,...,3.
Nu se poate economisi prima resurs[, dar a doua se poate economisi @n
cantitatea de 2t.

Test de autoevaluare 4.1.

Costul minim al transportului este 240 u.m.

Test de autoevaluare 4.2.

 10 0 10 
Minf=150, Program optim =  
 15 0 0 

Test de autoevaluare 4.3.

Deoarece problema de alocare este de maxim, ea se transform[ în una de
minim, av`nd matricea:
 1 0 3 3 2
 0 2 1 2` 1 
A  1 0 1 1 0
 2 1 0 3 0
1 1 0 0 0
 
Aplic`nd algoritmul ungar, se ob\ine repartizarea optim[: (S1,U2), (S2,U1),
(S3,U5), (S4,U3), (S5,U4) cu maximul sumei notelor 50.

141
 Test de autoevaluare 5.1.
3/5, 17/5, -1/5.

Test de autoevaluare 5.2.

1 2 2 2 7 2
Q( x )  t1  t 2  t 3
2 5 5

Test de autoevaluare 5.3.

1 3 1
Q ( x)  a12  a22  a32
3 4 7

Test de autoevaluare 6.1.

1 
 
f   4 
 2
 
Test de autoevaluare 6.2.
6 6 3 
 
Hf   6 6 3 
 3 3 12 
 
Test de autoevaluare 7.1.
(-1,1,-1)-punct de minim global

Test de autoevaluare 7.2.

20400 u.m
Test de autoevaluare 7.3.
20 t din 15 in 15 zile;
Test de autoevaluare 8.1.
a) Aplicam schema lui Poisson. Notam cu Ai evenimentul apari\iei unei piese
defecte din lotul Li . Avem p1  P( A1 )  2 /100 , p2  P( A2 )  3 / 100,
p3  P( A3 )  4 / 100
Probabilitatea ceruta este coeficientul x 2 din polinomul
Q( x)  (2 x / 100  98 / 100)(3 x / 100  97 / 100)(4 x / 100  96 / 100)
b) Probabilitatea ceruta este data de termenul liber din polinomul de mai sus, adica
0,912576.
d) Notam cu A evenimentul cerut. Atunci evenimentul contrar A
înseamna apari\ia a trei piese bune, sau echivalent, nici o piesa defecta. Rezulta
P( A)  1  P( A)  1  0,912576 0,087424.
Test de autoevaluare 8.2.

4
C20C102
C306

142