Documente Academic
Documente Profesional
Documente Cultură
ModelematematiceineconomieD Baz, S Baz2003 PDF
ModelematematiceineconomieD Baz, S Baz2003 PDF
Autorii
1 TEORIA GRAFURILOR
1. Noţiuni generale
Există numeroase probleme economice pentru care o reprezentare
sub forma unor scheme alcătuite din puncte şi săgeţi aduce clarificări şi
uşurează înţelegerea proceselor în sensul elucidării legăturilor de succesiune
şi cauzalitate. Pentru a da un exemplu, ne referim la procesul de luare a unei
decizii. Pornind de la o situaţie A0 se constată că sunt p variante ce conduc
la situaţiile A1, ..., Ap. Analizând în continuare desfăşurarea fenomenului,
pentru fiecare situaţie Ai, i = 1, p , există posibilitatea de a trece la una din
A0 Ai Ai1
∶ ∶
A in
i
Ap Ap1
∶
A pn
p
va fi n-1. În restul cazurilor drumul elementar are lungimea mai mică decât
n – 1 şi propoziţia este demonstrată.
Notăm acum prin T(1)(xi) mulţimea vârfurilor unui graf G la care se
ajunge din xi prin drumuri de lungime 1 (dintr-un singur arc); T(2)(xi)
mulţimea vârfurilor din G la care se ajunge din xi prin drumuri de lungime 2
(din două arce) ş.a.m.d.; conform propoziţiei 1, ultima mulţime va fi
T(n-1)(xi), dacă graful G are n vârfuri.
Propoziţia 2: Fie G un graf cu n vârfuri, D = (dij), 1 ≤ i, j ≤ n,
matricea drumurilor lui G. Atunci dij = 1, i ≠ j, dacă şi numai dacă
n −1
xj ∈ UT (s)
( xi ).
s =1
n −1
Reciproc, dacă xj ∈ UT (s)
( xi ) , atunci xj aparţine cel puţin unei
s =1
Rezolvare
Matricea arcelor A va fi:
A x1 x2 x3 x4 x5
x1 0 0 0 1 0
x2 1 0 1 0 1
x3 0 0 0 0 0
x4 0 0 1 0 0
x5 1 0 0 1 0
vor fi atinse şi de x’i, adică p(x’i) > p(x’j) fapt ce atrage aşezarea liniei i
înaintea liniei j, deci d’ij = 1 se va găsi deasupra diagonalei principale în D’.
Matricea D’ se numeşte matricea triangularizată superior a matricei D.
Pentru exemplul nostru, D’ se prezintă astfel:
D’ x2 x5 x1 x4 x3
x2 0 1 1 1 1
x5 0 0 1 1 1
x1 0 0 0 1 1
x4 0 0 0 0 1
x3 0 0 0 0 0
zero. Atunci:
n n
n(n − 1)
∑ p( xi ) = ∑ p( xik ) = (n − 1) + (n − 2) + ... + 1 + 0 =
i =1 k =1 2
.
n
n(n − 1)
Reciproc, dacă ∑ p( x ) =
i =1
i
2
şi matricea triangularizată D’ are
liniile şi coloanele ordonate astfel: x’1, ..., x’n, din observaţia 2 deducem că
n(n − 1)
toate cele elemente egale cu 1 ale lui D’ se găsesc deasupra
2
n(n − 1)
diagonalei principale unde sunt exact poziţii. Observaţia 3 ne
2
permite determinarea drumului hamiltonian scriind succesiunea de arce
corespunzătoare primelor elemente egale cu 1 de pe fiecare linie, adică:
(x’1, x’2), (x’2, x’3), ..., (x’n-1, x’n) sau dH: (x’1, ..., x’n).
Teorema 2. Dacă într-un graf G orientat şi fără circuite există drum
hamiltonian, el este unic.
Demonstraţie: Presupunem prin absurd că G are două drumuri
hamiltoniene d (H1) şi d (H2 ) distincte şi
Din d (H1) rezultă că există un drum de la x’i la x’j, iar din d (H2) rezultă
că există un drum de la x’j la x’i, adică un circuit, ceea ce contrazice ipoteza.
Presupunerea făcută este falsă, deci drumul hamiltonian în G este unic.
Teoremele 1 şi 2 ne permit să dăm un
Algoritm pentru determinarea drumului hamiltonian într-un graf
orientat, finit (cu n vârfuri) şi fără circuite
1. Determinăm matricea A (a arcelor);
2. Determinăm matricea D (a drumurilor);
3. a) Dacă există dii = 1, graful are circuite, teoremele 1 şi 2 nu se
aplică, nu ştim dacă există drum hamiltonian;
b) Dacă toate elementele diagonalei principale din D sunt nule,
graful nu are circuite, se aplică teoremele 1 şi 2.
n
4. Calculăm p(xi), i = 1, n şi apoi ∑ p( x ) . Apare unul din cazurile:
i =1
i
n
n(n − 1)
a) ∑ p( x ) ≠
i =1
i
2
; din teorema 1 rezultă că în G nu există
drum hamiltonian;
n
n(n − 1)
b) ∑ p( x ) =
i =1
i
2
, atunci din teorema 1 rezultă că există drum
n(n − 1) 5× 4
= = 10, deci teorema 1 spune că există drum hamiltonian şi
2 2
acesta este dH = (x2, x5, x1, x4, x3) şi este unic.
şi elementul d ij( k ) din D(k) este: xi x i1 ... x ik −1 xj dacă toate aceste vârfuri sunt
distincte (se vor lua liniile din D(k-1) cu coloanele din D (1), ca la produsul
matricelor) sau este 0, dacă nu apar k + 1 vârfuri distincte sau se obţine zero
pentru toate elementele care participă la înmulţire.
Exemplu
Să se determine drumurile hamiltoniene în graful:
x2
x3
x1
x5 x4
Rezolvare
Observăm că graful are circuite (altfel am fi determinat matricea D),
de exemplu d = (x3, x5, x1, x2).
Determinăm pe rând matricele D(1), D (1), D(2), D(3) şi D(4).
D(1) x1 x2 x3 x4 x5
x1 0 x1 x2 0 0 0
x2 0 0 x2 x3 x2 x4 0
x3 0 0 0 x3 x4 x3 x5
x4 0 0 0 0 0
x5 x5 x1 0 0 x5 x4 0
D (1) x1 x2 x3 x4 x5
x1 0 x2 0 0 0
x2 0 0 x3 x4 0
x3 0 0 0 x4 x5
x4 0 0 0 0 0
x5 x1 0 0 x4 0
Teoria grafurilor
pe linia 3 coloana 4 din matricea D(2). S-a considerat linia 3 din D(1) şi
coloana 4 din D (1) şi aplicând definiţia lui d ij( k ) , s-a obţinut singura
succesiune, diferită de zero, (x3, x5, x4). Dacă s-ar mai fi găsit şi o altă
succesiune în căsuţa (3, 4) din D(2), se scriau una sub alta ambele succesiuni
şi în calculele următoare se ţinea seama de fiecare în parte.
Modele matematice în economie
arcelor sale. Graful G se va numi graf valuat dacă există o funcţie v: U →ℝ,
xn format din cel mult k + 1 arce trebuie să fie format dintr-un arc (xi, xj), i≠j
( k +1)
şi un drum de la xj la xn format din cel mult k arce, urmează că min -
valoarea minimă a drumurilor de la xi la xn formate din cel mult k + 1 arce
(k )
va fi dată de min (vij + m jn ).
1≤ j ≤ n
Propoziţia 4:
(k + s) (k)
avem că m jn = m jn , rezultă
( k + s +1) (k) ( k +1) (k )
min = min (vij + m jn ) = min = min
j
următorul arc al rutei este (xk, xp), ş.a.m.d. până ajungem în xn.
Drumul căutat va fi:
d = (xi, xk, xp, ..., xn)
( k +1)
şi valoarea sa va fi min .
Observaţia 1: Când în etapa a 3-a suma minimă se obţine în dreptul
mai multor coloane, atunci există mai multe drumuri de valoare minimă şi
se urmăreşte până la capăt fiecare drum în parte.
Observaţia 2: Algoritmul Bellman – Kalaba poate fi aplicat şi pentru
determinarea drumului de valoare maximă de la orice vârf al grafului la unul
fixat cu următoarele condiţii:
a) graful să nu aibă circuite;
b) vij = - ∞, dacă i ≠ j şi nu există arcul (xi, xj);
c) în etapele 2, 3 şi observaţia 1, sumele minime se înlocuiesc cu
sumele maxime, întrucât propoziţiile 3 şi 4 sunt adevărate şi
(k )
pentru cazul când prin min înţelegem valoarea maximă a
drumurilor de la xi la xn formate din cel mult k arce.
Observaţia 3: La determinarea drumului de valoare minimă într-un
graf neorientat, fiecare muchie [xi, xj] va fi considerată cu arce (xi, xj) şi
(xj, xi), iar matricea V va fi simetrică.
Exemplu: Să se determine drumul de valoare minimă de la x1 la x6
în graful următor:
x2
6
2 3 x5
4 2
x1 x3 1
1
3 5 x6
x4
Modele matematice în economie
Rezolvare
Scriem pentru graful dat matricea V = (vij), 1 ≤ i, j ≤ 6, care va fi o
matrice simetrică.
V x1 x2 x3 x4 x5 x6
x1 0 2 4 3 ∞ ∞
x2 2 0 3 ∞ 6 ∞
x3 4 3 0 1 2 ∞
x4 3 ∞ 1 0 ∞ 5
x5 ∞ 6 2 ∞ 0 1
x6 ∞ ∞ ∞ 5 1 0
mi 6
(1)
∞ ∞ ∞ 5 1 0
mi 6
( 2) 8 7 3 5 1 0
mi 6
( 3) 7 6 3 4 1 0
mi 6
( 4) 7 6 3 4 1 0
(1)
Linia mi 6 se obţine prin transpunerea coloanei lui x6.
( 2) ( 2)
Primul element al liniei mi 6 este m16 şi se determină adunând
(1)
respectiv elementele liniei x1 din V cu cele ale liniei mi 6 . Cea mai mică
( 2)
sumă este elementul căutat, adică m16 = min⎨0 + ∞, 2 + ∞, 4 + ∞, 3 + 5,
∞ + 1, ∞ + 0⎬ = 8.
( 2)
Elementele următoare ale liniei mi 6 se determină în acelaşi mod,
(1)
păstrând fixă linia mi 6 dar modificând pe rând linia din V cu x2, x3, ..., x6.
( 3) ( 2)
Pentru linia mi 6 se ia linia mi 6 şi se adună pe rând cu liniile x1, ...,
x6 din V, reţinând cea mai mică sumă. În mod asemănător procedăm pentru
( 4) ( 3)
linia mi 6 , luând linia mi 6 şi adunând-o pe rând cu liniile x1, ... , x6.
Observăm că ultimele două linii sunt identice şi algoritmul ia sfârşit.
Teoria grafurilor
(k )
Notăm M(k) = ( mij ) şi M = ( mij ), i, j = 1, n , k = 1, n − 1 .
Etapele algoritmului sunt:
1) Se construieşte matricea V = (vij), i, j = 1, n
2) Se determină, prin operaţia de mai sus, matricele:
M(2) = V * V, M(3) = M(2) * V, ş.a.m.d. până când M(k+1) = M(k),
când în baza propoziţiei 4 algoritmul ia sfârşit. Atunci
mij . Dacă această sumă se află pe linia lui xk, primul arc al
drumului căutat este (xi, xk). Transpunem apoi linia lui xk din V
peste coloana lui xj din M şi în mod asemănător determinăm
următorul vârf al rutei, ş.a.m.d., până ajungem în xj.
Observaţia 4.a: Pentru a mări viteza de calcul putem determina
matricele M(K) în următoarea ordine:
M(2), M(4) = M(2) * M(2), M(8) = M(4) * M(4) ş.a.m.d. până când
ultimele două vor coincide.
Teoria grafurilor
5 x4
3
x5
Rezolvare
Matricea V, determinată cu definiţia elementelor vij este:
V x1 x2 x3 x4 x5
x1 0 7 2 4 5
x2 ∞ 0 ∞ ∞ ∞
x3 ∞ ∞ 0 4 1
x4 ∞ ∞ ∞ 0 3
x5 ∞ ∞ ∞ ∞ 0
Modele matematice în economie
( 2)
unde, de exemplu, m15 este cea mai mică sumă obţinută adunând
elementele liniei lui x1 cu cele ale coloanei lui x5 din V, adică
( 2)
m15 = min(0 + 5; 7 + ∞; 2 + 1; 4 + 3; 5 + 0) = 3
Analog vom calcula M(4) = M(2) * M(2) şi obţinem:
M(4) x1 x2 x3 x4 x5
x1 0 7 2 6 3
x2 ∞ 0 ∞ ∞ ∞
x3 0 5 0 4 1
x4 ∞ ∞ ∞ 0 3
x5 ∞ ∞ ∞ ∞ 0
5. Drumul critic
10
x1 x3
lui xi să poată fi realizate. Durata limită căutată (timpul cel mai întârziat de
realizare a lui xi, notat prin t ti va fi dat de:
egal cu t id + vij.
Aplicaţie
Integrarea României în structurile europene necesită înfăptuirea, într-
un sector economic, a unui obiectiv, a cărei finalizare este posibilă prin
Modele matematice în economie
9 x5
x3
Obţinem:
M(2) x0 x1 x3 x2 x4 x5 x6
x0 0 3 4 9 10 13 15
x1 -∞ 0 -∞ 6 8 13 16
x3 -∞ -∞ 0 3 5 10 13
x2 -∞ -∞ -∞ 0 2 7 11
x4 -∞ -∞ -∞ -∞ 0 5 9
x5 -∞ -∞ -∞ -∞ -∞ 0 4
x6 -∞ -∞ -∞ -∞ -∞ -∞ 0
( 2)
în care, de exemplu, elementul m35 se obţine transpunând linia lui x3 din V
pe coloana lui x5; apoi efectuăm suma coloanelor obţinute şi reţinem cea
mai mare valoare. Astfel:
( 2)
m35 = max⎨-∞ + (-∞), -∞ + (-∞), 9 + 0, 7 + 3, 5 + 5, 0 + 10, -∞ + 13⎬ = 10.
Apoi calculăm M(3) = M(2) * V, M(4) = M(3) * V şi observăm că M(3) =
M(4), deci M(3) = M, unde M este matricea valorilor maxime ale drumurilor
dintre oricare două vârfuri ale grafului, drumuri formate din oricâte arce.
Obţinem:
M x0 x1 x3 x2 x4 x5 x6
x0 0 3 4 9 11 16 20
x1 -∞ 0 -∞ 6 8 13 17
x3 -∞ -∞ 0 3 5 10 14
x2 -∞ -∞ -∞ 0 7 7 11
x4 -∞ -∞ -∞ -∞ 0 5 9
x5 -∞ -∞ -∞ -∞ -∞ 0 4
x6 -∞ -∞ -∞ -∞ -∞ -∞ 0
vij = v35 = 9 din graf sau din V; t tj = t t5 = v[dmax(x0, x6)] – v[dmax(x5, x6)] =
= 20 – 4 = 16, primul termen citit pe linia lui x0 şi coloana lui x6, iar al
doilea termen pe linia lui x5 şi coloana 6 din M; t ti = t tj - vij, în cazul nostru
t t3 - t 3d = t t5 - t 5d = 7 – 4 = 16 – 13 = 3.
Teoria grafurilor
6. Arbori
Apariţia lui G1 fără cicluri contrazice ipoteza că G este un graf fără cicluri
maximal. Deci G este conex şi cum nu are cicluri este arbore.
4) Presupunem prin absurd că există un arbore G cu n ≥ 2 vârfuri
care are cel mult un vârf terminal şi fie [x, z1, ..., zp, y] un lanţ
elementar care conţine un număr maxim de muchii (de lungime
maximă). Cel puţin una dintre extremităţile lanţului are gradul
mai mare sau egal cu 2, deoarece am presupus că arborele are cel
mult un vârf terminal. Fie această extremitate x, deci x mai este
adiacent cu un vârf al arborelui G şi anume cu unul din vârfurile
lanţului de lungime maximă considerat. Dar atunci se produce un
ciclu şi se contrazice definiţia arborelui. Presupunerea făcută este
falsă şi proprietatea este demonstrată.
5) Demonstraţia se face prin inducţie după n. Pentru n = 2, există
arbore format din muchia ce uneşte cele 2 vârfuri. Presupunem
că orice arbore cu n vârfuri are n – 1 muchii. Fie G un arbore cu
n + 1 vârfuri care conform proprietăţii 4 are cel puţin un vârf
terminal x. Suprimând din G vârful x şi muchia incidentă cu x, se
obţine subgraful G1, cu n vârfuri. Deoarece G nu conţine cicluri,
rezultă că nici G1 nu conţine cicluri. Să arătăm că G1 este conex.
Fie y şi z două vârfuri oarecare, diferite între ele şi diferite şi de
x, ale lui G. Din 1) rezultă că între y şi z există un singur lanţ,
care nu trece prin x (vârf terminal), deci este un lanţ de
extremităţi y şi z şi în G1. Rezultă că G1 este conex, deci este
arbore. Dar G1 are n vârfuri şi deci aplicând ipoteza de inducţie
G1 are n – 1 muchii. Dar G conţine în plus faţă de G1 muchia
incidentă cu x, deci G are n muchii şi proprietatea 5 este
demonstrată.
Modele matematice în economie
Algoritmul Kruskal
În condiţiile i) şi ii) de mai sus, va exista muchia u1 cu valoarea cea
mai mică, u2 cu valoarea imediat următoare, u3 cu valoarea care urmează,
dar care nu formează un ciclu cu precedentele ş.a.m.d., eliminând muchiile
care ar forma cicluri cu cele reţinute. Şi cum G are un număr finit de vârfuri
şi de muchii, va exista un rang k peste care nu se poate trece fără a se forma
un ciclu. Deci:
f(u1) < f(u2) < f(u3) < ... < f(uk) unde f(ui) este valoarea
muchiei ui, i = 1, k .
Obţinem astfel un graf fără cicluri, maximal, care conform
observaţiei 2 este un arbore, pentru care, din proprietatea 5, k = n – 1.
Teorema 3.
Arborele G = (X, U), unde U = ⎨u1, ..., uk⎬ determinat prin
algoritmul Kruskal are valoarea minimă.
Demonstraţie:
Presupunem prin absurd, că există un arbore G’ = (X, U’), cu
U’ = ⎨u’1, ..., u’k⎬, G’ ≠ G, de valoare minimă. Fie ui prima muchie
din G (în ordinea crescătoare a valorilor) care nu există în G’. Graful parţial
format cu muchiile lui G’, la care se adaugă ui nu este arbore pentru că, în
baza proprietăţii 3, apare un ciclu. Există deci o muchie u’j ∉ G şi deoarece
primele i – 1 muchii ale lui G sunt şi ale lui G’, vom avea f(u’j) > f(ui). Dacă
în G’ se înlocuieşte u’j cu ui se obţine tot un arbore, numărul de muchii
rămâne tot k = n – 1, cu valoarea totală mai mică decât G’, ceea ce
contrazice ipoteza că G’ e minim. De aici rezultă că G este arborele de
valoare minimă şi că el este unic, când toate muchiile sunt de valori
distincte.
Modele matematice în economie
∶ ∶
f(ui+p) ← f(ui+p) + εp
Exemplu:
Să se determine arborele minimal (de valoare minimă) pentru
următorul graf.
Teoria grafurilor
x2
30 x5
35 36
x3 65
35
x1 40 x7
60 55
42
50
50 60
x4 x6
Rezolvare
Pentru a păstra o ordine scriem partea de deasupra diagonalei
principale din matricea valorilor muchiilor. Se obţine:
x1 x2 x3 x4 x5 x6 x7
x1 - 35 35 50 - - -
x2 - - 30 42 - - -
x3 - - - 40 36 50 -
x4 - - - - 60 - -
x5 - - - - - 55 65
x6 - - - - - - 60
x7 - - - - - - -
x2
30 x5
35 36
x3
x1 40 x7
50
60
x4 x6
7. Probleme
1. Fie graful G = (X, T), X = ⎨x1, x2, x3, x4, x5⎬ şi T(x1) = ⎨x4⎬;
T(x2) = ⎨x1, x5⎬; T(x3) = ⎨x1, x2, x4, x5⎬; T(x4) = ∅; T(x5) = ⎨x1, x4⎬. Se
cere:
a) să se reprezinte geometric graful G;
b) să se scrie un drum de lungime 3 din G;
c) să se determine matricea drumurilor D;
d) să se cerceteze existenţa circuitelor în G;
e) să se cerceteze existenţa drumurilor hamiltoniene.
Rezolvare
a) Reprezentarea geometrică este:
x2
x1 x3
x5
x4
Rezolvare
a)
x2
x5
x1
x4
x3
x2 1
x3
3 4 3 2 5
1
x1
2
6 1
x5 x4
4
Rezolvare
a) Trebuie să determinăm rutele de valoare minimă de la orice vârf
la vârful x5. Se aplică algoritmul Bellman – Kalaba.
Teoria grafurilor
V x1 x2 x3 x4 x5
x1 0 4 2 ∞ 6
x2 3 0 ∞ ∞ 1
x3 ∞ 1 0 ∞ ∞
x4 ∞ ∞ 5 0 4
x5 ∞ 3 2 1 0
mi 5
(1) 6 1 ∞ 4 0
mi 5
( 2) 5 1 2 4 0
mi 5
( 3) 4 1 2 4 0
mi 5
( 4) 4 1 2 4 0
Matricea M(4) conţine valorile minime ale rutelor dintre oricare vârf
cap de linie la orice vârf cap de coloană.
Modele matematice în economie
8
2
6 x6
x4
Rezolvare
a) Se determină pe rând matricele A (a arcelor) şi D (a drumurilor).
Teoria grafurilor
A x1 x2 x3 x4 x5 x6 D x1 x2 x3 x4 x5 x6 p(xi)
x1 0 1 1 1 0 0 x1 0 1 1 1 1 1 5
x2 0 0 1 0 1 0 x2 0 0 1 1 1 1 4
x3 0 0 0 1 0 0 x3 0 0 0 1 0 1 2
x4 0 0 0 0 0 1 x4 0 0 0 0 0 1 1
x5 0 0 1 0 0 1 x5 0 0 1 1 0 1 3
x6 0 0 0 0 0 0 x6 0 0 0 0 0 0 0
8
x3 x5
Rezolvare
a) Alegem cele 4 muchii ale grafului (conform proprietăţii 5) în
ordinea crescătoare a valorii lor cu grijă să nu se formeze cicluri şi obţinem:
x2
6 x4
x1 6
7
8
x3 x5
Teoria grafurilor
8
x3 x5
arborele maximal, care este şi lanţ hamiltonian maximal şi are valoarea 35.
COMPLEMENTE
2 DE ALGEBRĂ LINIARĂ
1. Spaţii liniare
Fie X o mulţime nevidă, K un corp de numere (reale sau complexe)
şi două legi de compoziţie: o lege internă, „adunarea”, definită „+”:
X × X → X, cu x + y ∈ X (∀) x,y ∈ X şi o lege externă „înmulţirea cu
scalar”, definită „⋅”: K × X → X, α⋅x ∈ X, (∀) x ∈ X şi α ∈ K.
Definiţia 1: Mulţimea X formează un spaţiu liniar (vectorial) peste
corpul K, notat (X, K), dacă:
1. (X, +) este grup abelian.
2. a) α⋅(x + y) = α⋅x + α⋅y, (∀) α ∈ K, (∀) x, y ∈ X
b) (α + β)⋅x = α⋅x + β⋅x, (∀) α,β ∈ K, (∀) x ∈ X
c) α⋅(β⋅x) = (αβ)⋅x, (∀) α, β ∈ K, (∀) x ∈ X
d) 1 ⋅ x = x (∀) x ∈ X, 1 ∈ K.
Elementele lui X se numesc vectori, elementele lui K se numesc
scalari, elementul neutru din grupul (X, +) se notează cu 0 şi se numeşte
vector nul.
Exemple
operaţiile: x + y = (x1+ y1, ..., xn + yn)T, α ⋅ x = (αx1, ..., αxn)T, (∀) x = (x1,
..., xn)T, y = (y1, ..., yn)T ∈ X, (∀) α ∈ K, 0 = (0,...,0)T.
Modele matematice în economie
c) α ⋅ 0 = 0 , (∀) α ∈ K.
Demonstraţie:
a) 0 ⋅ x + x = 0 ⋅ x + 1 ⋅ x = (0 + 1)⋅x = 1 ⋅ x = x
Din 0 ⋅ x + x = x rezultă 0 ⋅ x = 0 ;
c) α ⋅ 0 = α⋅( 0 + 0 ) = α ⋅ 0 + α ⋅ 0 ⇒ α ⋅ 0 = 0 .
⎛ 6⎞ ⎛ 3 ⎞ ⎛ 4 ⎞
v1 = ⎜⎜ ⎟⎟ , v2 = ⎜⎜ ⎟⎟ , v3 = ⎜⎜ ⎟⎟ .
⎝ 0⎠ ⎝ − 3⎠ ⎝ − 2⎠
a) Să se determine vectorul v = 2v1 – 3v2 – v3;
b) Este v3 o combinaţie liniară de v1 şi v2?
Răspuns
⎛ 6⎞ ⎛ 3 ⎞ ⎛ 4 ⎞ ⎛ − 1⎞
a) v = 2 ⎜⎜ ⎟⎟ - 3 ⎜⎜ ⎟⎟ - ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ ;
⎝ 0⎠ ⎝ − 3 ⎠ ⎝ − 2 ⎠ ⎝ 11 ⎠
b) Presupunem că există α1 şi α2 astfel încât v3 = α1v1 + α2v2.
Înlocuind v1, v2, v3, avem:
⎛ 4 ⎞ ⎛ 6⎞ ⎛ 3 ⎞
⎜⎜ ⎟⎟ = α1 ⎜⎜ ⎟⎟ + α2 ⎜⎜ ⎟⎟ de unde rezultă sistemul:
⎝ − 2⎠ ⎝ 0⎠ ⎝ − 3⎠
6α1 + 3α2 = 4
2 1 1 2
- 3α2 = -2, cu soluţia α2 = şi α1 = , deci v3 = v1 + v2 şi
3 3 3 3
răspunsul e afirmativ.
Definiţia 3:
a) Sistemul finit de vectori ⎨v1, ..., vm⎬ ⊂ X se numeşte liniar
m
independent dacă relaţia ∑α v
i =1
i i = 0 implică αi = 0, i = 1,m ;
Definiţia 4:
O familie S = ⎨vi ⏐ i ∈ I⎬ de vectori din X este liniar independentă
dacă orice sistem finit de vectori din S este liniar independent. În caz
contrar, adică dacă S conţine cel puţin un sistem finit de vectori liniar
dependent, spunem că S este liniar dependent (I este mulţimea indicilor
familiei S).
Exemple:
⎛1⎞ ⎛ 2⎞ ⎛ 3⎞
v1 = ⎜⎜ ⎟⎟ ; v2 = ⎜⎜ ⎟⎟ ; v3 = ⎜⎜ ⎟⎟ este liniar dependent, deoarece
⎝ − 1⎠ ⎝ 3⎠ ⎝ 7⎠
v1 – 2v2 + v3 = 0 , deci există cel puţin un scalar αi ≠ 0.
Propoziţia 2: Fie (X, K) un spaţiu liniar.
a) Sistemul ⎨v1, ..., vm⎬ ⊂ X este liniar dependent dacă şi numai dacă
cel puţin un vector este combinaţie liniară a celorlalţi.
b) Dacă ⎨v1, ..., vm⎬ ⊂ X este liniar independent şi ⎨v1, ..., vm, vm+1⎬
este liniar dependent, atunci vm+1 este combinaţie liniară de v1, ..., vm.
Complemente de algebră liniară
Demonstraţie:
a) Dacă ⎨v1, ..., vm⎬ e liniar dependent, din definiţie rezultă că există
cel puţin un scalar αj ≠ 0, j ∈ ⎨1, ..., m⎬ şi alţi scalari αl, l ≠ j, 1 ≤ l ≤ m, cu
m
proprietatea ∑α v
i =1
i i = 0.
∑α v
i =1
i i = 0.
Dacă αm+1 = 0, relaţia de mai sus devine α1v1 + ... + αmvm = 0 şi din
independenţa vectorilor v1, ..., vm ar rezulta α1 = ... = αm = 0, ceea ce este o
m
αi
contradicţie. Deci αm+1 ≠ 0, de unde vm+1 = - ∑α
i =1
vi , adică vm+1 este o
m +1
⎛ 1⎞ ⎛0⎞ ⎛ 1⎞ ⎛ 2⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟ ⎜ ⎟
v1 = ⎜ 2 ⎟ ; v2 = ⎜ − 1⎟ ; v3 = ⎜ 0 ⎟ ; v4 = ⎜ 0⎟ .
⎜ 3⎟ ⎜1⎟ ⎜ 5⎟ ⎜ 5⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠ ⎝ ⎠
Modele matematice în economie
1 0
Alegem determinantul principal ∆p = ≠ 0 şi deci sistemul
2 −1
În (ℝn, ℝ), E = ⎨e1, ..., en⎬ ⊂ ℝn, unde e1 = (1, 0, ..., 0)T, ...,
en = (0 ,..., 0, 1)T, este sistem de generatori pentru ℝn, deoarece (∀) x ∈ ℝn,
cu x = (x1, ..., xn)T avem x = x1e1 + ... + xnen.
Definiţia 6: Un sistem de vectori B ⊂ X formează o bază a spaţiului
liniar (X, K) dacă:
1. B este un sistem liniar independent;
2. B este un sistem de generatori pentru X.
Exemplu
În (ℝn, ℝ), mulţimea E = ⎨e1, ..., en⎬ formează o bază, numită baza
canonică, deoarece am văzut mai înainte că E satisface condiţiile din
definiţia bazei.
Definiţia 7: Spaţiul liniar (X, K) se numeşte finit dimensional dacă
are o bază finită. Numărul de vectori ai bazei se numeşte dimensiunea
spaţiului şi se notează dimX.
Modele matematice în economie
Exemplu
şi v ∈ X.
Existenţa
B e bază, deci este şi sistem de generatori; atunci (∀) v ∈ X,
(∃) α1, ..., αm ∈ K astfel încât:
v = α1v1 + ... + αmvm (1)
Unicitatea
Presupunem că scrierea nu este unică:
v = β1v1 + ...+ βmvm şi (∃) αj ≠ βj, 1 ≤ j ≤ m.
Scăzând ultimele două relaţii, avem:
0 = (α1 - β1)v1 + ...+ (αm - βm)vm.
Cum sistemul ⎨v1, ..., vm⎬ e liniar independent (B – bază) rezultă că
Demonstraţie:
Fie relaţia:
α1v1 + ...+ αmvm = 0 (2)
în care înlocuim vectorii cu matricele – coloană respective. Avem:
⎛ a 11 ⎞ ⎛ a 1m ⎞ ⎛ 0 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
α1 ⎜ M ⎟ + K + α m ⎜ M ⎟ = ⎜ M ⎟ , relaţie echivalentă cu sistemul
⎜a ⎟ ⎜ a ⎟ ⎜ 0⎟
⎝ n1 ⎠ ⎝ nm ⎠ ⎝ ⎠
omogen de ecuaţii liniare:
a11α1 + .... + a1mαm = 0
∶ ∶ (3)
an1α1 + ... + anmαm = 0
⎛ 1⎞ ⎛0⎞ ⎛ a2 ⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
v1 = ⎜ 0 ⎟ ; v2 = ⎜ − 1⎟ ; v3 = ⎜ a ⎟ , a ∈ℝ.
⎜ 2⎟ ⎜4⎟ ⎜0⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
Să se determine, în funcţie de a, natura vectorilor daţi.
Complemente de algebră liniară
Rezolvare
⎛1 0 a2 ⎞
⎜ ⎟
A = ⎜ 0 − 1 a ⎟ ⇒ ⎪A⎪ = 2a(a - 2) rezultă:
⎜2 4 0 ⎟
⎝ ⎠
arătăm că este şi un sistem de generatori. Fie v ∈ ℝn; atunci ⎨v1, ..., vn, v⎬
este liniar dependent conform consecinţei de mai sus, iar din propoziţia 2b)
rezultă că v se scrie ca o combinaţie liniară de vectorii daţi, deci aceştia din
urmă formează un sistem de generatori, deci bază.
Consecinţă: Verificarea condiţiei ca n vectori să formeze o bază în
Propoziţia 7:
Fie B = ⎨v1, ..., vn⎬ bază în ℝn, cu vj = (a1j, ..., anj)T, j = 1, n , A = (aij),
vB = A-1 ⋅ v
Demonstraţie:
Fie v = (b1, ..., bn)T, bi ∈ℝ, i = 1, n . Din teorema bazei există scalarii
∶ ∶ (5)
an1α1 + ... + annαn = bn
care se mai scrie matriceal astfel:
AvB = v (6)
Cum ⎨ v1, ... ,vn⎬ e bază, deci liniar independent, rangA = n →
→ ⎪A⎪ ≠ 0 → (∃) A-1.
În relaţia (6) înmulţim la stânga cu A-1 şi avem:
vB = A-1 ⋅ v (7)
Observaţie: Sistemul (5) este deci sistem de tip Cramer, are soluţie
unică, pe care o putem găsi cu regulile lui Cramer sau cu alte metode
elementare (a reducerii, substituţiei).
Propoziţia 8:
Fie vB = (α1, ..., αn)T, vectorul v în baza B = ⎨v1, ..., vn⎬,
Complemente de algebră liniară
B1 = ⎨v 1' , ..., v 'n ⎬ cu v 'j = (a 1' j , ... , a 'nj )T, j = 1, n , iar A1 = (a ij' ), i,j = 1, n .
Demonstraţie:
Din propoziţia 7 putem scrie:
v = AvB
v = A1v B1
Aplicaţie
⎛ 1⎞ ⎛ 3⎞ ⎛ 4⎞ ⎛1⎞
În (ℝ2, ℝ) se dau vectorii: v1 = ⎜⎜ ⎟⎟ ; v2 = ⎜⎜ ⎟⎟ ; v = ⎜⎜ ⎟⎟ şi v 1' = ⎜⎜ ⎟⎟ ;
⎝ 2⎠ ⎝ 1⎠ ⎝ 2⎠ ⎝ 4⎠
⎛1⎞
v '2 = ⎜⎜ ⎟⎟ . Se cere:
⎝1⎠
a) să se arate că vectorii ⎨v1, v2⎬ şi ⎨v 1' , v '2 ⎬ formează respectiv
bazele B şi B1;
b) să se determine vB;
c) folosind rezultatul din 8b) să se determine v B1 .
Rezolvare
a) Formăm matricele A şi A1:
⎛ 1 3⎞
A = ⎜⎜ ⎟⎟ ⇒ ⎪A⎪ = -5 ⇒ rangA = 2, adică sistemul ⎨v1, v2⎬ este
⎝ 2 1⎠
liniar independent şi conform propoziţiei 6, formează o bază B. Raţionăm
⎛ 1 1⎞
analog pentru A1 = ⎜⎜ ⎟⎟ cu rang A = 2, ⎨v 1' , v '2 ⎬ = B1.
⎝ 4 1 ⎠
Modele matematice în economie
λi α i λ j − α jλ i
x B1 = (λ 1' , ..., λ 'n )T unde λ i' = , λ 'j = , pentru j ≠ i,
αi αi
1 ≤ j ≤ n.
Demonstraţie:
a) Dacă B1 cu n vectori este bază, atunci este un sistem de vectori
liniar independent, deci din relaţia:
β1a1 + ... + βi-1ai-1 + βiv + βi+1ai+1 + ... + βnan = 0 (9)
rezultă β1 = ... = βn = 0.
Complemente de algebră liniară
∑ (β
j=1
j + βi α j ) a j + α iβi a i = 0 (10)
j≠ i
n
Cum x = ∑λ a
j=1
j j + λ i a i , înlocuind ai din (11), avem:
j≠ i
⎛ n α
⎞
n
⎜ 1 ⎟ ⎛ αλ ⎞ ⎛ α λ ⎞
x = ∑ λ j a j + λ i ⎜ v − ∑ a j ⎟ = ⎜⎜ λ 1 − 1 i ⎟⎟a 1 + ... + ⎜⎜ λ i −1 − i −1 i ⎟⎟a i −1 +
j
j=1 ⎜ αi j=1 α i ⎟ ⎝ αi ⎠ ⎝ αi ⎠
j≠ i ⎝ j≠ i ⎠
λ ⎛ α λ ⎞ ⎛ α λ ⎞
+ i v + ⎜⎜ λ i +1 − i +1 i ⎟⎟a i +1 + ... + ⎜⎜ λ n − n i ⎟⎟a n ,
αi ⎝ αi ⎠ ⎝ αi ⎠
λi α jλ i α i λ j − α jλ i
rezultă: λ'i = , λ' j = λ j − = , 1 ≤ j ≤ n, j ≠ i şi
αi αi αi
demonstraţia se termină.
Observaţii:
1) αi ≠ 0 din enunţul lemei se numeşte pivot, iar regula de calcul
pentru λ 'j , j ∈ 1, n , j ≠ i se numeşte regula dreptunghiului sau
regula pivotului.
2) Lemei substituţiei i se asociază schema:
B a1 a2... ai... an v x
a1 1 0 0 0 α1 λ1
a2 0 1 0 0 α2 λ2
∶ ∶ ∶ ∶ ∶ ∶ ∶
ai 0 0 1 0 αi λi αi ≠ 0
→
∶ ∶ ∶ ∶ ∶ ∶ ∶
an 0 0 0 1 αn λn
B1 a1 a2... ...ai... an v x
a1 1 0 α1
−
0 0 λ11 =
α i λ1 − α1λ i
αi αi
a2 0 1 α2 0 0 α i λ 2 − α 2λ i
− λ12 =
αi ≠ 0 αi αi
→ ∶ ∶ ∶ ∶ ∶ ∶ ∶
v 0 0 1 0 1 λ =
1 λi
i
αi αi
∶ ∶ ∶ ∶ ∶ ∶ ∶
an 0 0 −
αn 1 0 αiλ n − α n λi
λ1n =
αi αi
Complemente de algebră liniară
∶ (12)
an1x1 + ... + annxn = bn
Notând cu A = (aij), i, j = 1, n , matricea coeficienţilor, b =(b1, ..., bn)T,
x = (x1,..., xn)T, sistemul (12) devine:
Ax = b (13)
Presupunem ⎪A⎪ ≠ 0. Fiecare coloană „j” din A, j = 1, n , este un
vector aj ∈ ℝn cu aj = (a1j, ..., anj)T. Atunci A = (a1, ..., an) şi din (13) avem:
⎛ x1 ⎞
⎜ ⎟
(a1, ..., an) ⎜ M ⎟ = b ⇔ x1a1 +...+ xnan = b (14)
⎜x ⎟
⎝ n⎠
Modele matematice în economie
independenţi deci formează o bază în (ℝn, ℝ), iar din relaţia (14) observăm
că vectorul soluţie x are drept componente coordonatele vectorului b în baza
⎨ a1, ..., an⎬.
Ne propunem, folosind lema substituţiei, să determinăm
coordonatele lui b în baza ⎨ a1, ..., an⎬, pornind de la faptul ştiut că vectorii
b, a1, ..., an sunt daţi în baza canonică.
Pasul 1: Asociem sistemului schema caracteristică lemei substituţiei
(în care nu mai figurăm coloanele vectorilor unitari ei, i = 1, n ).
Baza a1 a2 ... an b
e1 a11 a12 ... a1n b1
e2 a21 a22 ... a2n b2
∶ ∶ ∶ ∶ ∶ ∶
en an1 an2 ... ann bn
∶ ∶ ∶ ∶ ∶ ∶
en 0 a’n2 ... a’nn a 11b n − a n1b1
b 'n =
a 11
Complemente de algebră liniară
Baza a1 a2 ... an b
a1 1 0 ... 0 x1
a2 0 1 ... 0 x2
∶ ∶ ∶ ∶ ∶ ∶
an 0 0 ... 1 xn
Aplicaţie
Folosind metoda eliminării Gauss – Jordan, să se rezolve sistemul:
x1 + x2 + x3 = 1
4x1 + 3x2 + 2x3 = -2
2x1 + x2 + x3 = -2
Rezolvare
Matricea sistemului este:
⎛1 1 1⎞
⎜ ⎟
A = ⎜ 4 3 2 ⎟ , ⎪A⎪ = -1 ≠ 0.
⎜ 2 1 1⎟
⎝ ⎠
Pasul B a1 a2 a3 b
e1 1 1 1 1
1 e2 4 3 2 -2
e3 2 1 1 -2
a1 1 1 1 1
2 e2 0 -1 -2 -6
e3 0 -1 -1 -4
a1 1 0 -1 -5
3 a2 0 1 2 6
e3 0 0 1 2
a1 1 0 0 -3
4 a2 0 1 0 2
a3 0 0 1 2
6. Funcţionale liniare
n
x = ∑x g
i =1
i i , unde xi, i = 1, n , sunt coordonatele lui x în baza G.
a) Fie x = (x1, x2, x3)T, y = (y1, y2, y3)T vectori arbitrari din ℝ3.
Atunci: x + y = (x1 + y1, x2 + y2, x3 + y3)T şi
f(x + y) = 2(x1 + y1) – (x2 + y2) – 3(x3 + y3) =
= (2x1 – x2 – 3x3) + (2y1 – y2 – 3y3) = f(x) + f(y), deci f e aditivă.
Pentru αx = (αx1 , αx2, αx3)T rezultă:
f(αx) = 2αx1 - αx2 -3αx3 = α(2x1 – x2 – 3x3) = αf(x), (∀) α∈ℝ, deci
f e omogenă, adică f e funcţională liniară.
b) A = (a1, a2, a3), cu a1 = f(e1) = 2, a2 = f(e2) = -1, a3 = f(e3) = -3,
deci A = (2, -1, -3).
Modele matematice în economie
7. Mulţimi convexe
n
S2 = ⎨X ⎪ X = (x1, ..., xn)T, ∑a x
i =1
j j ≥ b ⎬.
Complemente de algebră liniară
se numeşte tronson.
Propoziţia 9: Tronsonul T este o mulţime convexă.
Demonstraţie:
Fie X1, X2 ∈T, deci AX1 ≤ b, AX2 ≤ b. Să arătăm că (∀) λ ∈[0, 1],
X = λX1 + (1 - λ)X2 ∈ T. Într-adevăr:
AX = A[λX1 + (1 - λ)X2] = λAX1 + (1 - λ)AX2 ≤ λb + (1 - λ)b = b.
Deci T e convex, adică mulţimea soluţiilor unui sistem de inegalităţi
liniare este o mulţime convexă.
Definiţia 16: Poliedrul convex este un tronson convex mărginit.
Evident, numărul vârfurilor unui poliedru convex este finit.
Propoziţia 10: Dacă H este un poliedru convex, atunci orice punct
X ∈ H poate fi scris ca o combinaţie liniară convexă de vârfurile lui H.
Demonstraţie:
A3
A4 M
X A2
A5
A1
Modele matematice în economie
Distingem cazurile:
a) Dacă X ≡ A1, sau oricare alt vârf, rezultă
X = 1 ⋅ A1 + 0(A2 + ... + A5), deci X e combinaţie liniară convexă de
vârfurile lui H.
b) Dacă X aparţine segmentului determinat de două vârfuri oarecare
ale lui H, de exemplu A1 şi A2, din definiţia 10 a segmentului, rezultă că:
X = λA1 + (1 - λ)A2, 0 ≤ λ ≤ 1.
c) Dacă X nu se află în cazurile a) sau b), atunci este un punct în
interiorul poligonului; unim X cu un vârf, de exemplu A1, prelungim
segmentul [A1, X] şi notăm cu M intersecţia cu latura A2A3. Atunci putem
scrie:
X = λA1 + (1 - λ)M = λA1 + (1 - λ)[µA2 + (1 - µ)A3] =
= λA1 + (1 - λ)µA2 + (1 - λ)(1 - µ)A3
care este combinaţie liniară convexă de vârfurile lui H (cele ce nu apar au
coeficienţii nuli), pentru 0 ≤ λ ≤ 1 şi 0 ≤ µ ≤ 1, deoarece
λ + (1 - λ)µ + (1 - λ)(1 - µ) = 1.
Complemente de algebră liniară
8. Probleme
Rezolvare
Dacă x, y ∈ ℝn, x = (x1, ..., xn)T, y = (y1, ..., yn)T şi α ∈ℝ, definim
operaţiile:
x + 0 = 0 + x = x; (∀) x ∈ℝn.
d) 1 ⋅ x = x; (∀) x ∈ℝn.
Rezolvare
a) v = 1v1 – 1v2 – 2v3 = 1(4, -1, 2, 1)T – 1(-2, 1, -1, -1)T -
- 2(2, 1, 1, -1)T = (2, -4, 1, 2)T.
b) Relaţia m(4, -1, 2, 1)T + n(-2, 1, -1, -1)T = (2, 1,1, -1)T este
echivalentă cu sistemul:
4m – 2n = 2
-m + n = 1
2m – n = 1
m – n = -1
ce are soluţia m = 2 şi n = 3.
3. Fie vectorii v1 = (3, -2, 0)T, v2 = (1, -1, 1)T, v3 = (m, 2, 4)T.
a) Să se determine m astfel încât v1, v2, v3 să fie liniar dependenţi şi
să se găsească legătura dintre ei;
Rezolvare
Formăm matricea ale cărei coloane sunt vectorii daţi.
⎛ 3 1 m⎞
⎜ ⎟
A = ⎜ − 2 −1 2 ⎟ .
⎜ 0 1 4 ⎟⎠
⎝
Modele matematice în economie
Avem:
⎪A⎪ = -2m – 10.
Dacă m = -5, ⎪A⎪ = 0 şi rangA < 3; 3 fiind numărul vectorilor,
rezultă că vectorii sunt liniar dependenţi şi atunci v3 = (-5, 2, 4)T.
Din definiţia dependenţei liniare rezultă că există αi ≠ 0, i ∈ 1,3 ,
astfel încât:
α1v1 + α2v2 + α3v3 = 0 (1)
-2α1 - α2 = -2α3
α2 = -4α3 , de unde α1 = 3α3 şi înlocuind în relaţia (1) pe
α1 şi α2 avem 3α3v1 - 4α3v2 + α3v3 = 0
Cum α3 ≠ 0 (altfel vectorii ar fi liniar independenţi), simplificăm
prin α3 şi relaţia căutată este:
3v1 – 4v2 + v3 = 0 .
b) Pentru m = 2, ⎪A⎪ = - 14 ≠ 0, atunci rangA = 3 şi vectorii sunt
liniar independenţi, deci v1, v2, v3 formează o bază B în ℝ3. Din teorema
bazei rezultă că vectorul v = λ1v1 + λ2v2 + λ3v3. (2)
Complemente de algebră liniară
Rezolvare
Fie α1, α2, α3 scalari astfel încât:
B’ = ⎨v’1, v’2⎬ cu v’1 = (4, 2)T, v’2 = (3, 2)T. Fie vectorul v ∈ ℝ2. Să se
găsească legătura dintre coordonatele lui v în cele două baze.
Rezolvare
Fie A şi A’ matricele corespunzătoare celor două baze:
⎛ 3 2⎞ ⎛ 4 3⎞
A = ⎜⎜ ⎟⎟ , A’ = ⎜⎜ ⎟⎟
⎝ −1 1⎠ ⎝ 2 2⎠
Din relaţiile:
v = AvB şi v = A’vB’ rezultă AvB = A’vB’, de unde
vB = A-1A’vB’ şi vB’ = (A’)-1AvB (4)
1 ⎛1 − 2 ⎞ 1 ⎛ 2 − 3⎞
Dar: A-1 = ⎜⎜ ⎟⎟ şi (A’)-1 = ⎜⎜ ⎟,
5 ⎝1 3 ⎠ 2 ⎝ − 2 4 ⎟⎠
Complemente de algebră liniară
iar:
1 ⎛1 − 2 ⎞⎛ 4 3 ⎞ 1 ⎛ 0 − 1⎞
A-1A’ = ⎜ ⎟⎜ ⎟= ⎜ ⎟
5 ⎜⎝1 3 ⎟⎠⎜⎝ 2 2 ⎟⎠ 5 ⎜⎝10 9 ⎟⎠
1 ⎛ 2 − 3 ⎞⎛ 3 2 ⎞ 1 ⎛ 9 1 ⎞
(A’)-1A = ⎜ ⎟⎜ ⎟= ⎜ ⎟
2 ⎜⎝ − 2 4 ⎟⎠⎜⎝ − 1 1 ⎟⎠ 2 ⎜⎝ − 10 0 ⎟⎠
Atunci, din (4), avem:
1 ⎛ 0 − 1⎞ 1 ⎛ 9 1⎞
vB = ⎜⎜ ⎟⎟ vB’ şi vB’ = ⎜⎜ ⎟ vB.
5 ⎝10 9 ⎠ 2 ⎝ − 10 0 ⎟⎠
b) f: ℝ3→ℝ, f(x)= 5x1 - 4x2 + x3, (∀) x = (x1, x2, x3)T ∈ ℝ3.
Rezolvare
b) Fie x, y ∈ℝ3, x = (x1, x2, x3)T, y = (y1, y2, y3)T şi α,β ∈ℝ.
f(αx + βy) = f(αx1 + βy1, αx2 + βy2, αx3 + βy3) =
= 5(αx1 + βy1) – 4(αx2 + βy2) + (αx3 + βy3) =
= α(5x1 – 4x2 + x3) + β(5y1 – 4y2 +y3) = αf(x) + βf(y), rezultă că f
este funcţională liniară.
Modele matematice în economie
Rezolvare
Rezolvare
Fie sistemul liniar şi omogen:
a11x1 + ...+ a1nxn = 0
…
am1x1 + ...+ amnxn = 0
Complemente de algebră liniară
⎛ a 11 ...a 1n ⎞ ⎛ x1 ⎞ ⎛ 0⎞
⎜ ⎟ ⎜ ⎟ ⎜ ⎟
Notăm A = ⎜ M ⎟ şi X = ⎜ M ⎟ 0 = ⎜M⎟ .
⎜ a ...a ⎟ ⎜x ⎟ ⎜ 0⎟
⎝ m1 mn ⎠ ⎝ n⎠ ⎝ ⎠
Atunci sistemul se mai scrie:
AX = 0 (5)
Fie X1 şi X2 două soluţii ale sistemului din relaţia (5), deci AX1 = 0
şi AX2 = 0 . Fie λ ∈ [0,1] şi X = λX1 + (1 - λ)X2. Atunci:
Rezolvare
Aplicăm principiul inducţiei complete. Pentru n = 2 proprietatea este
adevărată din definiţia lui C ca mulţime convexă.
Presupunem adevărată proprietatea pentru k, adică:
k k
Y= ∑ λiXi ∈ C, (∀) λi ≥ 0, i = 1, k ,
i =1
∑ λ = 1.
i =1
i
k +1 k +1
Să considerăm Z = ∑ µiXi , cu µk+1 ∈ (0,1) şi
i =1
∑ µ = 1, µi ≥ 0.
i =1
i
k
µi
Avem Z = (1 - µk+1) ∑ X i + µ k +1X k +1 .
i =1 1 − µ k +1
k
Deoarece ∑µ
i =1
i = 1 - µk+1, din ipoteza de inducţie rezultă că
Modele matematice în economie
k
µi k
∑
i =1 1 − µ
X i = ∑
i =1
λ'i X i = Y’ ∈ C şi mai departe
k +1
orice n ∈ ℕ*.
3 PROGRAMARE LINIARĂ
1. Introducere
În cele mai diverse ramuri ale ştiinţelor economice apar probleme a
căror rezolvare poate fi dată prin mai multe alternative. Pentru a diferenţia
aceste moduri de rezolvare trebuie urmărit un scop şi rezolvarea cea mai
bună este cea în care scopul este satisfăcut în cel mai înalt grad.
Rezultatul analizei economice conduce la alegerea unor valori pentru
variabilele ce descriu procesul şi care pot fi mărimi economice sau fizice
(bunuri materiale, valori băneşti, distanţe etc.). Condiţiile concrete ale
studiului introduc limitări în formularea problemei. Soluţia optimă este
aceea care conduce la cea mai bună alegere a valorilor variabilelor în
condiţiile îndeplinirii restricţiilor impuse.
Pentru rezolvarea acestui gen de probleme, matematica oferă
economistului un grup de metode şi tehnici de calcul care constituie obiectul
capitolului numit programare matematică. Rolul economistului este de a-şi
valorifica funcţia economică în analiza justă a situaţiei concrete, în a
diferenţia aspectele secundare de cele principale, de a aplica politica
economică optimă în cazurile concrete studiate.
În formularea unei probleme de programare matematică se parcurg
etapele:
a) stabilirea variabilelor x1, ..., xn, adică a vectorului
f, gi: ℝn →ℝ.
Funcţia f ce se optimizează se numeşte funcţie obiectiv sau funcţie de
eficienţă.
Dacă funcţiile f şi gi, i = 1, m , sunt funcţii liniare spunem că
problema este de programare liniară şi de acest caz ne vom ocupa în cele ce
urmează.
Pentru a prezenta intuitiv o serie de noţiuni şi proprietăţi ce vor fi
expuse riguros în acest capitol dăm următorul:
Exemplu:
Resursele R1, ..., R4 (materii prime, forţă de muncă, investiţii în bani
etc.) disponibile respectiv în cantităţile 12, 8, 16, 12 unităţi convenţionale se
vor utiliza pentru producerea activităţilor A1 şi A2 (produse, piese, proiecte
etc.). Pentru realizarea unei unităţi din A1 se folosesc respectiv 2, 1, 4, 0, iar
pentru o unitate din A2, 2, 2, 0, 4 unităţi din resursele date. Venitul pentru o
Programare liniară
unitate din A1 este 2 unităţi băneşti, iar pentru o unitate din A2, de 3 unităţi
băneşti.
Să se determine nivelul activităţilor A1 şi A2 astfel încât, folosind
raţional resursele disponibile, să se obţină venitul total maxim.
Rezolvare
Pentru a găsi modelul matematic al problemei strângem datele
iniţiale în următorul tabel:
Ri/Aj A1 A2 Disponibil
R1 2 2 12
R2 1 2 8
R3 4 0 16
R4 0 4 12
Venitul 2 3
unitar
(d1): 2x1 + 2x2 = 12 care împarte planul ℝ2 în două regiuni, una dintre
acestea fiind soluţia inecuaţiei. Dreapta (d1) intersectează axele în punctele
Modele matematice în economie
x2
B1(0, 6) (d1)
14/3
B2(0, 4)
(d3)
C
B4(0,3) •D • (d4)
•B
(d2)
•A
O(0,0) A3(4,0) A1(6, 0) 7 A2(8, 0) x1
Programare liniară
Observaţii
1) Ceva mai departe se va demonstra teorema ce justifică căutarea
soluţiei optime în vârfurile mulţimii de puncte ce satisfac
restricţiile problemei de programare liniară.
2) Resursele R1, R2, R3 sunt consumate în întregime în vreme ce din
R4 mai rămân 4 unităţi date de diferenţa dintre disponibil şi ceea
ce se consumă.
3) Metoda grafică nu poate fi aplicată decât în cazul problemelor cu
cel mult trei variabile.
4) O generalizare a problemei precedente ar avea forma:
Resursele Ri, i = 1, m , disponibile respectiv în cantităţile bi, i = 1, m ,
∑a
j =1
ij x j ≤ bi, i = 1, m (2)
xj ≥ 0, j = 1, n (3)
∑a
j=1
ij x j ≤ b i , i ∈ ⎨1, ..., k⎬
∑a
j=1
ij x j = b i , i ∈ ⎨k+1, ..., p⎬ (5)
∑a
j=1
ij x j ≥ b i , i ∈ ⎨p+1, ..., m⎬
xj ≥ 0, j ∈ ⎨1, ..., s⎬
xj oarecare, j ∈ ⎨s+1,..., v⎬ (6)
Modele matematice în economie
xj ≤ 0, j ∈ ⎨v+1,..., n⎬
Pentru metoda de rezolvare pe care o vom prezenta este important ca
o problemă de tipul (4), (5), (6) să fie adusă la forma standard, adică toate
restricţiile din (5) să fie egalităţi şi toate variabilele xj ≥ 0, j = 1, n .
Acest lucru presupune efectuarea următoarelor transformări:
1) la fiecare restricţie de tipul „≤” se adaugă în membrul stâng o
variabilă de compensare nenegativă;
2) din membrul stâng al restricţiilor de tipul „≥” se scade o variabilă
de compensare nenegativă;
Observaţie: În exemplul de mai sus, dacă am aduce problema la
forma standard, variabilele de compensare au semnificaţia unor cantităţi de
produse (activităţi) ce nu se efectuează, deci contribuţia lor la venitul total
este nulă, adică în funcţia de eficienţă variabilele de compensare vor avea
coeficienţii cj nuli.
3) în toate restricţiile şi în funcţia obiectiv se fac substituţiile:
xj = -x’j, dacă xj < 0 şi xj = uj – vj, uj, vj ≥ 0, dacă xj este oarecare.
Astfel toate restricţiile devin egalităţi şi toate variabilele sunt
nenegative, deci problema are forma standard:
[optim]f(X) = CX (7)
AX = b (8)
X≥0 (9) sau:
(opt)f(X) = c1x1 + ...+ cnxn (7’)
a1x1 + ... + anxn = b (8’)
x1, ..., xn ≥ 0 (9’)
4) orice problemă de maxim poate fi transpusă pentru minim şi
reciproc, datorită relaţiei evidente;
[max]f(X) = -[min][-f(X)] şi [min]f(X) = -[max][-f(X)]
Programare liniară
În sfârşit, există multe cazuri practice când problemele apar sub una
din formele particulare:
n
[max]f(X) = ∑c x
j=1
j j
∑a x
j =1
ij j ≤ bi , i = 1, m (10)
xj ≥ 0, j = 1, n
sau:
n
[min]f(X) = ∑c x
j=1
j j
∑a x
j =1
ij j ≥ bi , i = 1, m (11)
xj ≥ 0, j = 1, n
Definiţia 2.
Dacă X ∈P satisface şi condiţia (7), X se numeşte soluţie optimă.
Mulţimea soluţiilor optime o notăm O.
Observaţie: Se impune o condiţie pentru compatibilitatea sistemului
(8), anume rangA = m, iar pentru nedeterminarea acestui sistem se cere ca
să avem m < n. Celelalte cazuri nu au importanţă practică din punctul de
vedere al programării liniare.
Definiţia 3.
Se numeşte bază a sistemului (8) cu rangA = m < n, orice bază B a
Exemplu
Fie sistemul:
3x1 – 6x3 + x4 = 6
-x1 + x2 + 2x3 = 4
Matricea sistemului este:
⎛ 3 0 − 6 1⎞ ⎛3⎞ ⎛ 0⎞ ⎛ − 6⎞
A = ⎜⎜ ⎟⎟ , cu vectorii: a1 = ⎜⎜ ⎟⎟ ; a2 = ⎜⎜ ⎟⎟ ; a3 = ⎜⎜ ⎟⎟ ;
⎝ −1 1 2 0⎠ ⎝ −1⎠ ⎝ 1⎠ ⎝ 2 ⎠
⎛1⎞
a4 = ⎜⎜ ⎟⎟ .
⎝ 0⎠
Deoarece rangA = 2, sistemul este compatibil dublu nedeterminat. O
soluţie poate fi găsită astfel:
3x1 = 6 + 6x3 - x4
-x1 + x2 = 4 - 2x3
unde pentru x3 = 1; x4 = 3 găsim x1 = 3 şi x2 = 5. Deci, conform definiţiei 1,
vectorul X = (3, 5, 1, 3)T este o soluţie posibilă.
Vectorii ⎨a4, a2⎬ formează baza canonică, deci variabilele x4 şi x2 vor
fi variabile de bază, iar celelalte, x1 şi x3 vor fi variabile secundare. Dacă
x1 = x3 = 0, obţinem x2 = 4 şi x4 = 6, adică vectorul X = (0,4,0,6)T este o
soluţie posibilă de bază, nedegenerată, conform definiţiei 5.
Teorema 1: Mulţimea soluţiilor posibile P este convexă.
Demonstraţie
Excludem cazul când P este redusă la un singur element, deoarece
concluzia este banală. Admitem că există cel puţin două soluţii X1, X2 ∈P,
adică AX1 = b, X1 ≥ 0 şi AX2 = b, X2 ≥ 0.
Fie X = λX1 + (1 - λ)X2, 0 ≤ λ ≤ 1, o combinaţie liniară convexă de
X1 şi X2. Vom arăta că X ∈ P adică AX = b şi X ≥ 0.
Modele matematice în economie
Într-adevăr:
AX = A[λX1 + (1 - λ)X2] = λAX1 + (1 - λ)AX2 = λb + (1 - λ)b = b
X ≥ 0 deoarece X1 ≥ 0, λX1 ≥ 0, X2 ≥ 0, (1 - λ)X2 ≥ 0.
Se poate demonstra că dacă mulţimea soluţiilor posibile P este
nevidă, atunci există cel puţin o soluţie posibilă de bază (PB ≠ ∅).
Dăm în continuare un rezultat deosebit de important.
Teorema 2: Orice soluţie posibilă de bază X este un vârf al lui P şi
reciproc, orice vârf al lui P este o soluţie posibilă de bază.
Demonstraţie
Fie X soluţie posibilă de bază. Să demonstrăm că e vârf al lui P. Fără
a restrânge generalitatea, presupunem că X = (x1, ..., xm, 0, ..., 0)T pentru
baza B = ⎨a1, ..., am⎬.
Prin absurd, presupunem că X nu este vârf al lui P. Cum X ∈ P,
mulţime convexă, există Y, Z ∈ P, Y = (y1, ..., yn)T, Z = (z1, ..., zn)T, Y ≠ Z,
astfel încât:
X = λY + (1 - λ)Z, 0 < λ < 1.
Rezultă că:
xj = λyj + (1 - λ)zj, j = 1, n .
Dar xj = 0, pentru j = m+1,..., n, implică
λyj + (1 - λ)zj = 0, j = m+1, ..., n.
Cum λ > 0, 1 - λ > 0, yj ≥ 0, zj ≥ 0, j = m+1, ..., n, rezultă:
yj = zj = 0, j = m+1,..., n
Din Y, Z ∈ P rezultă că ele satisfac relaţia (8’), adică:
m m
b= ∑ y ja j = ∑ z ja j
j=1 j=1
Demonstraţie:
Fie X1, ..., Xs vârfurile lui P şi X0 soluţie optimă pentru problema de
programare liniară în care presupunem că vrem să minimizăm funcţia de
eficienţă f. Deci:
f(X0) ≤ f(X); (∀) X ∈ P. (15)
Dacă X0 este un vârf, teorema e demonstrată. Presupunem că X0 nu
este un vârf. Cum X0 ∈ P, din propoziţia 10 cap. 2, rezultă că:
s s
X0 = ∑ λ i X i , λi ≥ 0, i = 1, s şi
i =1
∑λ
i =1
i = 1.
∑x a
i =1
i i =b (21)
Programare liniară
Atunci:
n m n m ⎛ n ⎞
f(X) – f( X ) = ∑ c x − ∑ c x = ∑ c x − ∑ c ⎜⎜ ∑ x a
j j i i j j i j ij
⎟=
⎟
j=1 i =1 j=1 i =1 ⎝ j=1 ⎠
n n
⎛ m ⎞ n
⎛ m
⎞ n
= ∑ c jx j − ∑ ⎜ ∑ cia ij ⎟ x j = ∑ ⎜ c j − ∑ c ja ij ⎟ x j = ∑ (c j − f j ) x j (24)
j =1 j=1 ⎝ i =1 ⎠ j=1 ⎝ i =1 ⎠ j=1
Fie X = ( x 1, ..., x m, 0, ..., 0)T; I = ⎨1, ..., m⎬; B = ⎨a1, ..., am⎬ o
I’ = (I \ ⎨i⎬) ∪ ⎨j⎬.
Din X , Y ∈ PB, rezultă:
b = ∑ x k a k =∑ y k a k (24)
k∈I k∈I '
Dar b = ∑ y k a k = ∑y a k k + y ja j .
k∈I ' k∈I \ {i}
b= ∑y a
k∈I \ {i}
k k + y j ∑ a kja k =
k∈I
∑y a
k∈I \ {i}
k k + yj ∑a
k∈I \ {i }
a + y ja ija i =
kj k
= ∑ (y
k∈I \ {i }
k + y ja kj )a k + y ja ija i (25)
xi
yj =
a ij
xi
yk = xk - akj (27)
a ij
Programare liniară
xi xi xk
xk - akj ≥ 0, de unde θ = ≤ , k ∈ I’, (29)
a ij a ij a kj
Dar: f( Y ) - f( X ) = ∑c
k∈I '
k yk − ∑ ck x k =
k∈I
∑c
k∈I \{i}
k yk + c j y j − ∑c
k∈I \ {i }
k x k − ci x i
xi ⎛ xi ⎞
f( Y ) - f( X ) = c j + ∑ c k ⎜ x k − a kj ⎟ − ∑ c k x k − c i x i =
a ij k∈I \{i} ⎜⎝ a ij ⎟ k∈I \{i}
⎠
xi xi ⎛ ⎞ x
= cj - ⎜ ∑ ck a kj + ci a ij ⎟ = i (cj – fj) > 0, dacă ∆j = cj – fj > 0
a ij a ij ⎜ ⎟ a
⎝ k∈I \{i} ⎠ ij
Observaţii:
1) Elementul aij > 0 este pivotul, iar a doua relaţie din (27) este
regula dreptunghiului din lema substituţiei;
2) Construcţia soluţiei Y pentru cazul determinării lui [min]f(X)
este analoagă, cu deosebirea că ∆j = fj – cj, (∀) j = 1, n , cele două
criterii de intrare şi de ieşire din bază rămânând aceleaşi;
3) Formulele (27) se aplică nu doar pentru Y ci şi pentru toţi
vectorii aj, j = 1, n , ca în cazul metodei lui Gauss – Jordan.
4. Algoritmul simplex
xi ⎧⎪ x k ⎫⎪
θ= = min ⎨ ⎬ , cu k = 1, m , iese din bază vectorul ai.
a ij a kj > 0 ⎪⎩ a kj ⎪⎭
xj ≥ 0, j = 1,4 .
Rezolvare
Aducem problema la forma standard adunând în restricţia a doua în
membrul stâng variabila de compensare x5 ≥ 0. Obţinem:
x1 + 2x2 + 3x3 + x4 = 20
4x1 + x2 + x3 + x5 = 16
xj ≥ 0, j = 1,5 .
f( Y ) = f( X ) + θ ⋅ ∆j, (31)
xi
cu θ = , ∆j = cj – fj, aleşi prin criteriile de eliminare din bază, respectiv
a ij
introducere în bază.
Am obţinut prin (31) o relaţie de recurenţă între valorile funcţiei de
eficienţă în două iteraţii succesive.
2. Diferenţele ∆j sunt nule sub vectorii bazei deoarece pentru aceştia
fj = cj.
Programare liniară
x q + a q1ε + a q 2 ε 2 + ... + a qn ε n
sau: , unde ε > 0, arbitrar de mic.
a qj
x q a q1 a
şi: , ,..., qn (34)
a qj a qj a qj
Dintre rapoartele (32) va fi cel mai mic acela pentru care în şirul (33)
respectiv (34) vom obţine mai curând o valoare algebrică minimă.
Rapoartele din (33) şi (34) nu pot fi respectiv egale deoarece, în caz contrar,
proporţionalitatea a două linii din matricea A implică rangA < m, ceea ce
contrazice ipoteza în care lucrăm.
Exemplu
O problemă în care se cere minimizarea funcţiei de eficienţă a
condus la următoarea iteraţie din tabelul simplex:
B XB a1 a2 a3 a4 a5 a6 θ
a6 7 3↓ 4 1 0 0 1 7:3
a4 2 1 3 -1 1 0 0 2:1
a5 4 2 -1 1 0 1 0 4:2
∆j = fj - cj 6 3 -5 0 0 0
Programare liniară
i = 1, m .
Dacă matricea A are r vectori unitari atunci va fi nevoie doar de m –
r vectori artificiali pentru a obţine baza iniţială în aplicarea algoritmului
simplex.
Un vector artificial ce iese din bază într-o iteraţie nu se va mai
întoarce niciodată în bază; componentele lui în următoarele iteraţii nu se mai
calculează.
Aplicarea algoritmului simplex poate conduce la una din situaţiile:
a) Testul de optimalitate este îndeplinit şi în bază nu se află vectori
artificiali. Atunci s-a obţinut soluţia optimă şi pentru problema
iniţială;
b) Testul de optimalitate este îndeplinit, în bază se află vectori
artificiali, iar variabilele artificiale corespunzătoare acestora au
valoarea zero. În acest caz soluţia optimă a problemei iniţiale este
degenerată;
c) Testul de optimalitate este îndeplinit, în bază se află vectori
artificiali şi cel puţin o variabilă artificială este nenulă. În acest
caz problema iniţială nu are soluţie.
Programare liniară
Demonstraţie:
Dacă U este soluţie posibilă pentru duală, din (36) rezultă că:
C ≤ UA
Înmulţim în dreapta cu X, care fiind nenegativ, nu schimbă sensul
inegalităţii:
CX ≤ (UA)X = U(AX) ≤ Ub
(am ţinut seama că AX ≤ b, din (35)).
2) Dacă problema (35) nu are optim finit atunci problema (36) nu are
soluţii. Într-adevăr, dacă optimul lui (35) este + ∞ ar urma ca
optimul lui (36) să ia aceeaşi valoare, ceea ce nu este posibil
pentru o problemă de minim. Analog dacă (36) are minimul (- ∞)
problema (35) nu poate avea soluţii.
Demonstraţie:
Pentru început să arătăm necesitatea condiţiilor adică, presupunând
că X şi U sunt soluţii optime să deducem că relaţiile (39) sunt verificate.
Într-adevăr, dacă X şi U sunt soluţii optime pentru (35) şi (36) ele
sunt şi soluţii posibile. Deci:
U ≥ 0 şi b - A X ≥ 0
X ≥ 0 şi U A – C ≥ 0
de unde rezultă că:
U (b - A X ) ≥ 0
( U A – C) X ≥ 0
Adunăm ultimele două relaţii şi obţinem:
U (b - A X ) + ( U A – C) X = U b - U A X + U A X - C X =
= U b - C X = 0.
Dar suma a două numere nenegative este nulă numai dacă ambele
numere sunt nule. Rezultă deci relaţiile (39).
Pentru a demonstra suficienţa condiţiilor, să însumăm relaţiile (39)
presupuse adevărate; rezultă:
U b = CX
ceea ce implică optimalitatea soluţiilor conform proprietăţii 2.
În virtutea celor demonstrate mai sus egalităţile din (39) ne dau
următoarele informaţii asupra soluţiilor:
a) Dacă componenta i din soluţia X a primalei este strict pozitivă,
atunci restricţia i din duală este satisfăcută ca egalitate în U ;
b) Dacă componenta j din soluţia U a dualei este strict pozitivă,
atunci restricţia j din primală este satisfăcută ca egalitate în X ;
Modele matematice în economie
Din cele expuse s-au obţinut unele informaţii asupra soluţiei dualei
după rezolvarea primalei, cea mai importantă fiind aceea că valorile optime
ale funcţiilor de eficienţă sunt egale. Vom arăta în continuare că prin
rezolvarea uneia din cuplu de probleme duale se obţine implicit şi soluţia
celeilalte care se citeşte pe tabelul de optim al celei rezolvate.
Examinăm în continuare cazul problemelor din (35) şi (36). Pentru
rezolvare problema primală (35) se aduce la forma standard folosind
variabilele de compensare xn+1, ..., xn+m ≥ 0.
Fie X o soluţie optimă pentru (35), deci pentru care ∆j = cj – fj ≤ 0,
j = 1, 2, ..., n + m, unde:
fj = cBB-1aj, j = 1, 2, ..., n
fj = cBB-1ej, j = n+1, ..., n+m
cu ej – vectorul j din matricea unitate de ordinul m, introdus de variabila de
compensare xn+j, j = 1, ..., m.
Deci pentru X avem relaţiile:
∆j = cj – fj = cj – cBB-1aj ≤ 0, j = 1, ..., n (40)
∆j = cj – fj = 0 – cBB-1ej ≤ 0, j = n+1, ..., n+m.
Programare liniară
Dacă matricea A = (a1, ..., an), relaţia UA ≥ C din (36) se mai scrie:
UA = U(a1, ..., an) ≥ C
din care componenta j este:
Uaj ≥ cj, j = 1, ..., n, adică cj – Uaj ≤ 0.
Din acest rezultat şi din relaţia (40) rezultă că
U = cBB-1 (41)
este soluţie posibilă a dualei, deci soluţie optimă conform teoremei
fundamentale a dualităţii.
Funcţia de eficienţă corespunzătoare din (36) este:
g(U) = g(cBB-1) = (cBB-1) ⋅ b = cB(B-1b) = cB ⋅ X = f( X ).
Atunci soluţia U este optimă pentru duală.
Practic soluţia optimă a dualei cBB-1 se citeşte pe linia fj din etapa de
optim în dreptul coloanelor ce corespund vectorilor unitari ce au format
baza iniţială.
Rezolvarea dualei este mai indicată decât a primalei când duala este
mai uşor de rezolvat cu algoritmul simplex (are mai puţine restricţii sau mai
puţine variabile decât primala). O aplicaţie a acestui calcul o vom găsi la
jocurile matriceale.
Aplicaţie:
1) Fie problema de programare liniară:
[min]f(X) = 10x1 + 8x2 + 5x3
x1 + 2x2 ≥ 3
2x1 + 3x3 ≥ 6
3x1 + 2x2 + x3 ≥ 8
x2 + x3 ≥ 7
xj ≥ 0; j = 1, 2, 3.
Modele matematice în economie
Rezolvare
Problema duală este:
[max]g(U) = 3u1 + 6u2 + 8u3 + u4
u1 + 2u2 + 3u3 ≤ 10
2u1 + 2u3 + u4 ≤ 8
3u2 + u3 + u4 ≤ 5
ui ≥ 0; i = 1,4 .
a1 a2 a3 a4 a5 a6 a7
⎛1 2 3 0 1 0 0⎞
⎜ ⎟
A = ⎜2 0 2 1 0 1 0⎟
⎜0 3 1 1 0 0 1 ⎟⎠
⎝
şi B = ⎨a5, a6, a7⎬ - baza iniţială.
3 6 8 1 0 0 0
B CB UB θ
a1 a2 a3 a4 a5 a6 a7
←a5 0 10 1 2 3↓ 0 1 0 0 10:3
a6 0 8 2 0 2 1 0 1 0 8:2
a7 0 5 0 3 1 1 0 0 1 5:1
gj 0 0 0 0 0 0 0 0
∆j = c j - g j 3 6 8 1 0 0 0
a3 8 10/3 1/3 2/3 1 0↓ 1/3 0 0 -
←a6 0 4/3 4/3 -4/3 0 1 -2/3 1 0 4/3
a7 0 5/3 -1/3 7/3 0 1 -1/3 0 1 5/3
gj 80/3 8/3 16/3 8 0 8/3 0 0
∆j 1/3 2/3 0 1 -8/3 0 0
a3 8 10/3 1/3 2/3↓ 1 0 1/3 0 0 10:2
a4 1 4/3 4/3 -4/3 0 1 -2/3 1 0 -
←a7 0 1/3 -5/3 11/3 0 0 1/3 -1 1 1:11
gj 84/3 4 4 8 1 2 1 0
∆j -1 2 0 0 -2 -1 0
a3 8 36/11 7/11 0 1 0 3/11 2/11 -2/11
a4 1 16/11 8/11 0 0 1 -6/11 7/11 4/11
a2 6 1/11 -5/11 1 0 0 1/11 -3/11 3/11
gj 310/11 34/11 6 8 1 24/11 5/11 6/11
∆j -1/11 0 0 0 -24/11 -5/11 -6/11
6 1 0 0
B CB UB
a1 a2 a3 a4
←a3 0 4 2↓ -1 1 0
a4 0 5 -3 1 0 1 -
gj 0 0 0 0 0
∆j = cj-gj 6 1 0 0
a1 6 2 1 -1/2↓ 1/2 0 -
a4 0 11 0 -1/2 3/2 0 -
gj 12 6 -3 3 0
∆j 0 4 -3 0
8. Problema transporturilor
8.1 Forma generală
∶ ∶ ∶ ∶ ∶ ∶ ∶
Ai ci1/xi1 ... cij/xij ... cin/xin ai
∶ ∶ ∶ ∶ ∶ ∶ ∶
Am cm1/xm1 ... cmi/xmi ... cmn/xmn am
N b1 ... bj ... bn
∑x
j=1
ij ≤ ai, i = 1, m ,
(2)
m
∑x
i =1
ij ≥ bj, j = 1, n ,
xij ≥ 0, i = 1, m , j = 1, n , (3)
deci modelul unei probleme de programare liniară, la care mai putem
adăuga condiţii de nenegativitate pentru ai, bj, cij, i = 1, m , j = 1, n .
Definiţia 1: Problema T se numeşte echilibrată dacă:
m n
∑ ai = ∑ b j .
i =1 j =1
m n
care necesarul va fi bn+1 = ∑a − ∑b
i =1
i
j =1
j , iar costurile de transport
n m
care disponibilul va fi am+1 = ∑ b j − ∑ a i , iar costurile de
j =1 i =1
∑a = ∑b
i =1
i
j=1
j (4)
Demonstraţie: Suficienţa.
Dacă relaţia (4) este adevărată, să presupunem că una din restricţiile
(2) este satisfăcută cu inegalitatea strictă. Fie aceasta:
n
∑x j=1
kj < ak, k – fixat, 1 ≤ k ≤ m. Atunci:
m n m n n m
∑∑ x ij < ∑ a i = ∑ b j ≤ ∑∑ x ij
i =1 j=1 i =1 j=1 j=1 i =1
∑x
i =1
il > b k , l – fixat, 1 ≤ l ≤ n.
Deci relaţiile (2) pot fi numai egalităţi, adică problema T are forma
standard.
Necesitatea.
Dacă relaţiile (2) sunt egalităţi, atunci:
m m n n m n
∑x
j =1
ij = a i , i = 1, m (2’)
∑x
i =1
ij = b j , j = 1, n
xij ≥ 0, i = 1, m , j = 1, n (3’)
Demonstraţie:
Fie matricea X = (xij), i = 1, m , j = 1, n , unde
aib j m n
xij =
S
, i = 1, m , j = 1, n şi S = ∑ a i = ∑ b j . Atunci:
i =1 j=1
n n a ib j ai n
ai
∑ x ij = ∑
j =1 j =1 S
=
S
∑b
j =1
j =
S
S = a i , i = 1, m
m m a ib j bj m bj
∑x = ∑
i =1
ij
i =1 S
=
S
∑a i =1
i =
S
S = b j , j = 1, n
∶ ∶
xm1 + xm2 + ...+ xmn = am
x11 + x21 + ...+ xm1 = b1
x12 + x22 + ...+ xm2 = b2
∶ ∶
x1n + x2n + ...+ xmn = bn
Modele matematice în economie
∑ a ik = ∑ b jh .
k =1 h =1
1. Metoda Nord-Vest
Se consideră problema T echilibrată şi se scrie tabelul în care se află
datele problemei: disponibilităţile ai, necesităţile bj şi costurile unitare de
transport cij, i = 1, m , j = 1, n . Fie X = (xij), i = 1, m , j = 1, n , matricea
necunoscutelor problemei, pe care, într-un alt tabel, ne pregătim să o
completăm. Procedeul porneşte cu asignarea unei valori necunoscutei aflate
în colţul de Nord-Vest al tabelului dat, punându-se x11 = min(a1, b1).
Dacă min(a1, b1) = a1, se completează elementele primei linii cu
zero. Apoi, mergem pe coloana întâi şi alegem x21 = min(b1 – x11, a2). Când
avem x21 = b1 – x11, elementele rămase pe coloană devin nule. Altfel, dacă
x21 = a2, toate celelalte elemente de pe linia a doua sunt zero.
În cazul când min(a1, b1) = b1, poziţiile rămase libere în prima
coloană primesc valoarea zero. Apoi, comparăm a1 – x11 cu b2 şi minimul lor
va fi x12. Dacă x12 = a1 – x11, restul de elemente de pe linia întâi se anulează.
Altfel, dacă x12 = b2, elementele de la x22 la xm2 devin zero.
Procedeul continuă în modul descris mai sus, până la epuizarea
elementelor de comparat. Liniile sau coloanele care se completează cu
zerouri le considerăm detaşate de matricea iniţială, pentru a ne concentra
atenţia asupra elementului din colţul de nord-vest (stânga-sus) al unei
matrice de dimensiuni din ce în ce mai mici.
Exemplu
Considerăm problema T din următorul tabel:
Bj
B1 B2 B3 B4 D
Ai
A1 3 1 2 4 20
A2 2 5 1 6 10
A3 7 3 3 1 30
N 12 9 18 21
Programare liniară
3 4
Problema este echilibrată: ∑ a i = ∑ b j = 60 .
i =1 j =1
în care elementele nenule sunt x11, x12, x22, x23, x33 şi x34, în număr de
m + n -1 = 3 + 4 – 1 = 6. Deci avem o soluţie de bază nedegenerată. Costul
total corespunzător acestei soluţii este:
3 ⋅ 12 + 1 ⋅ 8 + 5 ⋅ 1 + 1 ⋅ 9 + 3 ⋅ 9 + 1 ⋅ 21 = 106.
Observaţie: Metoda expusă operează numai cu valorile ai şi bj, fără a
lua în considerare elementele cij ale matricei costurilor unitare. Este evident
că un cost total mai mic se va obţine utilizând rutele cu costuri unitare mai
mici. Această observaţie este folosită în metodele care urmează.
2. Metoda costului minim pe linie
Se determină mai întâi c1k = minc1j şi apoi x1k = min(a1, bk). Se
1≤j≤n
înlocuiesc a1 şi bk cu a1 – x1k şi respectiv bk – x1k, după care se suprimă linia
1 sau coloana k căreia îi corespunde diferenţa nulă şi se repetă procedeul în
tabelul rămas până când sunt satisfăcute toate cererile.
Modele matematice în economie
apoi al şi b1 prin al – xl1 respectiv b1 – xl1, după care se suprimă linia l sau
coloana 1 şi se obţine un tabel redus pe care se repetă procedeul până când
toate cererile sunt satisfăcute. În exemplul nostru c1l = c21 şi
x21 = min(10, 12) = 10.
Se înlocuieşte b1 cu 12 – 10 = 2, a2 cu 0, se suprimă linia a doua,
ş.a.m.d., obţinându-se în final soluţia:
2 9 9
10
9 21
înlocuiesc prin ak – xkp respectiv bk – xkp, după care se suprimă linia k sau
coloana p şi se obţine un tabel redus în care se repetă procedeul de mai sus
până când toate cererile sunt satisfăcute.
Programare liniară
În exemplul nostru ckp = c12 sau c23 sau c34. Presupunem că este c12 şi
se ia x12 = min(a1, b2) = (20, 9) = 9, anulându-se coloana a doua, iar în loc
de a1 vom lua 20 – 9 = 11 ş.a.m.d.. Obţinem:
3 9 8
10
9 21
Fie problema T:
m n
[min]f(X) = ∑∑ c x
i =1 j=1
ij ij (1’)
∑x
j =1
ij = a i , i = 1, m (2’a)
∑x
i =1
ij = b j , j = 1, n (2’b)
xij ≥ 0, i = 1, m , j = 1, n (3’)
Vom scrie duala acestei probleme de programare liniară astfel:
fiecărei restricţii de tipul (2’a) i se asociază o variabilă ui, i = 1, m şi fiecărei
ui + vj ≤ cij, i = 1, m , j = 1, n (6)
ui şi vj fără restricţii de semn deoarece relaţiile (2’a) şi (2’b) sunt
egalităţi.
Notând x ij respectiv ( u i, v j) componentele soluţiilor optime ale
celor două probleme duale, din teorema ecarturilor complementare avem:
x ij(cij - u i - v j) = 0, i = 1, m , j = 1, n .
Pornind de la o soluţie de bază nedegenerată, unde există m + n – 1
componente xij > 0, soluţia va fi optimă dacă:
cij = ui + vj (7)
pentru toate rutele (i, j) pentru care xij > 0, dacă sunt satisfăcute relaţiile (6)
pentru restul rutelor.
Relaţiile (7) reprezintă un sistem de m + n – 1 ecuaţii cu m + n
necunoscute ui şi vj. Pentru rezolvarea sistemului dăm unei necunoscute o
valoare arbitrară, de exemplu u1 = 0.
Cu acestea, expunem algoritmul pentru determinarea soluţiei optime
pornind de la o soluţie posibilă de bază nedegenerată.
Pasul 1. Ne asigurăm ca problema T să fie echilibrată.
Pasul 2. Cu una din metodele expuse anterior determinăm o soluţie
posibilă de bază X1 şi presupunem că este nedegenerată.
Pasul 3. Se rezolvă sistemul (7) pentru u1 = 0. Un procedeu simplu
de rezolvare a sistemului (7), fără să se scrie ecuaţiile constă în transcrierea
coloanei lui ui la stânga coloanelor unei matrici m × n şi a unei linii cu
elementele vj deasupra liniilor matricei m × n, matrice ale cărei elemente
mulţimea perechilor (i, j) pentru care xij > 0), introducem în matricea în care
vom construi soluţia X2, mai bună ca X1, în ruta (i0, j0), cantitatea
x i 0 j0 = θ > 0. Se realizează un ciclu de rute, pornind şi ajungând în (i0, j0) de
forma (i0, jk), (ir, jk), (ir, js), (ip, js), ..., (it, j0), toate rutele aparţinând lui D.
Astfel se formează un lanţ, pornind din (i0, j0), schimbând direcţia
numai în rutele din D şi numai în unghi drept şi ajungând în (i0, j0). Se
examinează valorile xij din rutele de ordin impar (prima este (i0, jk)) şi se
găseşte valoarea minimă notată prin θ a acestor valori. Introducând θ în
(i0, j0), scăzând θ din xij în rutele de ordin impar şi adunând θ la valorile xij
în rutele de ordin par se obţine o nouă soluţie posibilă de bază, deoarece o
componentă a lui X1 se anulează şi în (i0, j0) apare componenta θ > 0. Dacă
Modele matematice în economie
j = 1, n sunt:
⎛ 3 1 − 3 − 5⎞ ⎛ 0 0 − 5 − 9⎞
⎜ ⎟ ⎜ ⎟
C’ = ⎜ 7 5 1 − 1 ⎟ şi ∆ = ⎜ 5 0 0 − 7⎟
⎜9 7 3 1 ⎟⎠ ⎜2 4 0 0 ⎟⎠
⎝ ⎝
În ∆ există valori pozitive, deci soluţia X1 (obţinută prin metoda N-
V) nu este optimă. Cea mai mare valoare pozitivă este 5 pe ruta (2, 1).
Formăm lanţul cu rutele intermediare:
(1, 1), (1, 2), (2, 2) care porneşte din poziţia (2, 1).
12 8
(2, 1) 1
Programare liniară
θ 1-θ
şi observăm că min(x11, x22) = min(12, 1) = 1, deci θ = 1.
Obţinem astfel noua soluţie de bază X2:
11 9
1 9
9 21
⎛3 1 2 0 ⎞ ⎛ 0 0 0 −1⎞
⎜ ⎟ ⎜ ⎟
C = ⎜ 2 0 1 − 1⎟ şi ∆ = ⎜ 0 − 5 0 − 7⎟
⎜4 2 3 1 ⎟ ⎜ − 3 −1 0 0 ⎟
⎝ ⎠ ⎝ ⎠
vj
3 1 2 0 ∆
ui
2 9 9 0 3 1 2 0 0 0 0 -4
X3 10 -1 2 0 1 -1 0 -5 0 -7
9 21 1 4 2 3 1 -3 0 0 0
Cum toate elementele matricei ∆ sunt mai mici sau egale cu zero
noua soluţie este optimă, deci problema T are o infinitate de soluţii optime
date de:
X = λX2 + (1 - λ)X3, λ ∈ [0, 1].
Soluţia optimă X3 este tocmai soluţia iniţială de bază obţinută prin
metoda costului minim pe coloană.
2. Dacă max ∆ij = ∆pq =∆rs, ∆ij > 0, p, r ∈ ⎨1, ..., m⎬, q, s ∈⎨1, ..., n⎬,
i, j
bj(ε) = bj, j = 1, n − 1
Exemplu
Fie problema T, echilibrată:
Bj
B1 B2 B3 D
Ai
A1 7 8 3 40
A2 4 1 2 15
A3 5 7 6 25
N 30 10 40
pentru problema de minimizare a lui f, unde ∆ *ij este cea mai mare valoare
Aplicaţie
Pornind de la o soluţie de bază iniţială obţinută prin metoda
minimului pe coloană, să se rezolve următoarea problemă T în care se cere
minimizarea funcţiei obiectiv:
Bj
B1 B2 B3 D
Ai
A1 2 3 1 15
A2 4 1 0 9
N 7 11 8
Rezolvare
3 2
Deoarece N = ∑ b j = 26 şi D =
j=1
∑a
i =1
i = 24, problema este
această din urmă componentă (x32) este fictivă deoarece A3 este fictiv şi deci
B2 nu primeşte tot necesarul de 11 unităţi ci doar 9.
Pe parcursul rezolvării a intervenit degenerarea prin anularea de
către θ = 2 a două componente pozitive din X1, şi anume x12 şi x31. Cum
c31 < c12, renunţăm la x12 şi luăm x13 = 0, zero esenţial, tratat ca fiind un
număr pozitiv.
În etapa de optim, în matricea ∆, în afara rutelor corespunzătoare
componentelor bazice, mai apare un zero în ruta (2, 3), deci soluţia optimă a
problemei date este multiplă.
În sfârşit din tabel observăm că f1 = 33, ∆ *ij = ∆32 = 1 iar θ = 2.
9. Probleme
cazul nostru:
[max]f(x) = 2x1 + 3x2 + 4x3 + 2x4
x1 + 3x2 + 2x3 + 2x4 ≤ 200
4x1 + x2 + 3x3 + x4 ≤ 300
x1 + x2 + x3 + x4 ≤ 500
xi ≥ 0; i = 1,4 .
x1 + x2 + x3 = 24 xi ≥ 0; i = 1,3 .
Rezolvare
Folosim metoda grafică şi reprezentăm dreptele (d1) –x1 + x2 = 2,
(d2) x1 + 2x2 = 4; (d3) 5x1 – 3x2 = 15 şi apoi regiunile corespunzătoare
inegalităţilor.
x2 C
(d1)
A (d3)
2
B
3 4 x1
(d2)
este tot soluţie optimă, deci problema are o infinitate de soluţii optime date
⎛ 42 − 42λ 5 + 21λ ⎞
de: X = ⎜ , ⎟ , (∀)λ∈[0,1], obţinute prin înlocuirea lui
⎝ 13 13 ⎠
X1 şi X2 în expresia lui X.
Observaţie: Dacă se cerea [max]f(x) = x1 + 2x2, atunci această
valoare se găseşte în C unde f(C) = 35, 5 şi deci:
21 25
[max]f = 35,5 în x1 = şi x2 = , deci soluţia unică este
2 2
⎛ 21 25 ⎞
X = ⎜ , ⎟.
⎝ 2 2⎠
xj ≥ 0, j = 1,3 .
a) Aduceţi sistemul la forma standard şi asiguraţi-vă ca matricea
sistemului să conţină o bază canonică în R2;
b) Determinaţi 4 soluţii de bază pentru sistemul de ecuaţii de la a) şi
faceţi observaţii asupra soluţiilor găsite;
c) Dacă f(x) = 2x1 – 5x2 + 3x3, calculaţi valoarea lui f în soluţiile
găsite la b) şi specificaţi în care dintre ele f ia cea mai mare
valoare.
Rezolvare
a) Sistemul de ecuaţii va fi:
x1 + 2x2 – 3x3 + x4 = 3
2x1 – x2 – 6x3 – x5 = 4
xj ≥ 0, j = 1,5 .
Modele matematice în economie
11
X4 nu este soluţie posibilă pentru că x3 = - < 0.
15
X2 şi X3 sunt soluţii posibile de bază, cu X2 soluţie degenerată
(numărul componentelor pozitive – dintre x1, x2, x3, este mai mic ca
numărul restricţiilor, 2), iar X3 este nedegenerată.
c) Deoarece f(X2) = 4 şi f(X3) = 2,4 rezultă că în X2 f ia cea mai
mare valoare.
B1 = ⎨a1, a2, a3⎬; B2 = ⎨a1, a2, a4⎬; B3 = ⎨a1, a2, a5⎬; B4 = ⎨a1, a3, a4⎬;
B5 = ⎨a1, a3, a5⎬; B6 = ⎨a1, a4, a5⎬; B7 = ⎨a2, a3, a5⎬; B8 = ⎨a2, a4, a5⎬;
B9 = ⎨a3, a4, a5⎬. Vectorii ⎨a2, a3, a4⎬ nu pot forma o bază (rangul
matricei formate cu ei este mai mic ca numărul lor 3). Deci există 9 baze ce
vor da 9 soluţii de bază. Nu toate acestea sunt soluţii posibile de bază (cu
toate componentele nenegative).
c) În planul Ox1x2 reprezentăm dreptele:
(d1) 3x1 + 8x2 = 24; (d2) 7x1 + 3x2 = 21; (d3) x1 = 1.
x2
7
3 C
D
A B
0 1 3 8 x1
(d3) (d2) (d1)
Programare liniară
15 20 0 0 0 -M
B CB XB θ
a1 a2 a3 a4 a5 α
a3 0 24 3↓ 8 1 0 0 0 8
a4 0 21 7 3 0 1 0 0 3 I0
←α -M 1 1 0 0 0 -1 1 1
fj -M -M 0 0 0 M -M
∆j = cj - fj 15+M 20 0 0 -M 0
←a3 0 21 0 8↓ 1 0 3 -3 21/8
0 14 0 0 1 7 -7 14/3 I1
a4 3
a1 15 1 1 0 0 0 -1 1 -
fj 15 15 0 0 0 -15 15
∆j = cj - fj 0 20 0 0 15 -M-15
Modele matematice în economie
T
3540 ⎛ 96 105 ⎞
Deci [max]f(x) = ,X= ⎜ , ,0 ⎟ .
47 ⎝ 47 47 ⎠
Observaţie: În iteraţia I1 apare soluţia din vârful A, în I2 apare soluţia
din vârful D, iar în I3 soluţia din vârful C.
Rezolvare
Modelul dual sub formă canonică de maxim (dualitate simetrică)
este: [max]g(u) = 6u1 + 10u2 + 8u3
2u1 + 2u2 + 2u3 ≤ 20
3u1 + 2u2 + u3 ≤ 18
3u1 - u2 – u3 ≤ 1
u1, u2, u3 ≥ 0
Programare liniară
6 10 8 0 0 0
B CB UB θ
a1 a2 a3 a4 a5 a6
a4 0 20 2 2↓ 2 1 0 0 10
←a5 0 18 3 2 1 0 1 0 9
a6 0 1 3 -1 -1 0 0 1 -
gj 0 0 0 0 0 0 0
∆j = c j - g j 6 10 8 0 0 0
←a4 0 2 -1 0 1↓ 1 -1 0 2
a2 10 9 3/2 1 1/2 0 1/2 0 18
a6 0 10 9/2 0 -1/2 0 1/2 1 -
gj 90 15 10 5 0 5 0
∆j = c j - g j -9 0 3 0 -5 0
a3 8 2 -1 0 1 1 -1 0
a2 10 8 2 1 0 -1/2 1 0
a6 0 11 4 0 0 1/2 0 1
gj 96 12 10 8 3 2 0
∆j = c j - g j -6 0 0 -3 -2 0
Rezolvare
4 3
Deoarece N = ∑ b j = 80, iar D =
j=1
∑a
i =1
i = 90, problema este
vj
-1 -2 1 2 0 ∆
ui
15 5 10 0 -1 -2 1 2 0 -4 -4 0 0 0 15 5+θ 10-θ
X1 20 0 -1 -2 1 2 0 -5 -5 -2 0 0 20
10 15 15 3 2 1 4 5 3 0 0 0 0 3 10 15 15-θ θ
f1 = 175 vj
-1 -2 1 2 0 θ = 10
ui
15 15 0 -1 -2 1 2 0 -4 -4 0 0 0
X2 20 0 -1 -2 1 2 0 -5 -5 -2 0 0
10 15 5 10 3 2 1 4 5 0 0 0 0 0 0
f2 = 145
Rezolvare
Problema este echilibrată, N = D = 24. Soluţia iniţială obţinută prin
metoda Nord-Vest este:
4 2
4 4
4 6
Modele matematice în economie
vj
1 2 1 0 ∆
ui
4 2 0 1 2 1 0 0 0 -2 -4 4-θ 2+θ
X1 4 4 1 2 3 2 1 -2 0 0 1 4-θ 4+θ
4 6 1 2 3 2 1 2 1 0 0 θ 4-θ 6
vj
f1 = 42 1 2 3 2 θ=4
ui
0 6 0 1 2 3 2 0 0 0 -2 0 6
X2 8 -1 0 1 2 1 -4 -2 0 1 8-θ θ
4 0 6 -1 0 1 2 1 0 -1 0 0 4 0+θ 6-θ
vj
f2 = 34 1 2 3 1 θ=6
ui
0 6 0 1 2 3 1 0 0 0 -3
X3 2 6 -1 0 1 2 0 -4 -2 0 0
4 6 -1 0 1 2 0 0 -1 0 -1
f3 = 28
9. O firmă dispune de două centre furnizoare A1, A2, ale unui anumit
tip de produs, în respectiv cantităţile 15 şi 10. Produsul poate fi achiziţionat
de beneficiarii B1, B2, B3 în respectiv cantităţile 12, 8, 10.
Programare liniară
Bj
B1 B2 B3 D
Ai
A1 1 3 4 15
A2 5 2 3 10
N 12 8 10
Rezolvare
Deoarece D = 25 şi N = 30, problema este neechilibrată. O
echilibrăm introducând A3 fictiv căruia îi asociem un disponibil egal cu 30 –
25 = 5, costurile de pe linia lui A3 fiind nule.
Obţinem astfel problema T modificată, pe care o rezolvăm.
Bj
B1 B2 B3 D
Ai
A1 1 3 4 15
A2 5 2 3 10
A3 0 0 0 5
12 8 10
vj
3 3 4 ∆
ui
5 10 0 3 3 4 -2 0 0
X1 10 2 5 5 6 0 -3 -3
2 3 -3 0 0 1 0 0 -1
f1 = 105
Elementele matricei ∆, s-au calculat cu formula:
∆ij = cij – c’ij
şi sunt toate mai mici sau egale cu zero, deci X1 este soluţie optimă, este
unică şi nedegenerată, iar:
[max]f(x) = 105.
Rezolvare
Problema este neechilibrată, D = 300, N = 150 şi are rute interzise.
Introducem B4 fictiv cu un necesar egal cu 300 – 150 = 150, iar costurile pe
coloana lui B5 le luăm egale cu zero. În rutele (2, 2) şi (2, 3) vom pune
costurile egale cu M, M → ∞. Problema T modificată va fi:
Bj
B1 B2 B3 B4 D
Ai
A1 5 4 2 0 90
A2 2 M M 0 70
A3 3 1 6 0 140
N 50 60 40 150
40 50
50 20
60 80
vj
2 1 2 0 ∆
ui
40 50 0 2 1 2 0 -3 -3 0 0
X1 50 20 0 2 1 2 0 0 1-M 2-M 0
60 80 0 2 1 2 0 0 0 -4 0
Modele matematice în economie
1. Noţiuni generale
Teoria jocurilor este teoria matematică care se ocupă cu
determinarea metodelor de alegere a deciziilor în cazuri de competiţie sau
situaţii conflictuale. O situaţie conflictuală este cea în care acţionează doi
sau mai mulţi factori (persoane fizice, firme, partide politice) având scopuri
contrarii. Astfel de situaţii sunt: concurenţa economică, vânzările la licitaţie,
alegerile parlamentare etc.. Teoria jocurilor se ocupă şi de cazurile în care o
activitate intră în conflict cu caracterul întâmplător al unor evenimente
naturale (epidemii, secetă). Pentru construirea unui model formal,
simplificat al situaţiei cercetate se vor selecta caracteristicile principale, cele
secundare neglijându-se. Terminologia folosită este cea de la jocurile de
societate sau de noroc.
Prin joc sau joc strategic se înţelege situaţia în care acţionează o
mulţime de elemente raţionale (numite jucători sau parteneri) care în mod
succesiv şi independent, într-o ordine şi condiţii fixate într-un ansamblu de
reguli, iau câte o decizie (efectuează o mutare) dintr-o mulţime dată de
alternative. Regulile jocului fixează şi situaţiile în care se termină jocul,
precum şi câştigul sau recompensa pentru fiecare jucător. Un joc realizat se
mai numeşte partidă.
Acţiunile întreprinse de jucători în cadrul unei partide se numesc
mutări. Acestea pot fi: libere – când alegerea alternativei este univocă sau
Modele matematice în economie
Exemplu [2]
Fie jocul cu doi parteneri P1 şi P2 ce constă în 3 mutări libere. O
mutare înseamnă alegerea unuia dintre numerele a sau b, a ≠ b. La prima
mutare P1 alege liber pe a sau pe b; la a doua mutare P2, informat asupra
alegerii făcute de P1, alege la rândul său unul din numerele a sau b. În
sfârşit, la a treia mutare P1, informat asupra alegerii făcute de P2, alege unul
dintre numerele a sau b.
Observăm că este un joc în doi, cu mutări libere şi informaţie
completă ce poate fi reprezentat printr-un arbore de forma:
(1, -1) (2, 1) (-1, 2) (3, 1) (-2, 1) (1, -3) (2, 3) (1, 2)
a b a b a b a b
a b a b
1 1 1 1
a b
2 2
0
1
Vârful 0 arată momentul iniţial, iar cifra 1 scrisă sub 0 arată că prima
mutare este a lui P1. Din 0 pornesc două muchii spre vârfurile a şi b, ce
reprezintă alegerile lui P1. Sub a şi b scriem 2, pentru că următoarea mutare
este a lui P2. Din fiecare vârf pornesc două muchii spre alte vârfuri a şi b,
reprezentând alegerile lui P2 şi sub aceste vârfuri scriem 1 deoarece P1 face
următoarea mutare spre alte vârfuri notate a şi b (care vor fi vârfuri
terminale). Sub ele nu mai scriem nimic, dar fiecăruia îi asociem un vector
Modele matematice în economie
B B1 = (a) B2 = (b)
A
A1 = (a, a) 2 4
A2 = (a, b) -1 5
A3 = (b, a) 1 -2
A4 = (b, b) 3 -3
2. Jocuri matriceale
Fie un joc finit între doi jucători, în care un jucător are m strategii
pure, iar celălalt n strategii pure. Un astfel de joc se numeşte joc m × n sau
joc matriceal. Dacă jocul este cu sumă nulă, el se va numi antagonist. În
Modele matematice în economie
acest din urmă caz, funcţia de câştig se poate prezenta sub forma unui tabel
de plăţi, adică o matrice m × n, notată cu A, astfel:
⎛ a11 L a1n ⎞
⎜ ⎟
A= ⎜ M M M ⎟ sau A = (aij), i = 1, m , j = 1, n .
⎜a ⎟
⎝ m1 L a mn ⎠
Matricea A se numeşte matricea jocului (matricea câştigurilor).
Elementul aij este câştigul jucătorului P1 când alege strategia Ai şi jucătorul
P2 alege strategia Bj. Această formă matriceală de prezentare a jocului se va
numi forma normală.
Caracteristicile esenţiale ale unui joc sunt:
a) mulţimea strategiilor pure ale jucătorului P 1, notată
A = ⎨A1,..., Am⎬;
b) mulţimea strategiilor pure ale jucătorului P 2, notată
B = ⎨B1,...,Bn⎬;
i = 1, m , j = 1, n .
Imaginea prin f a produsului cartezian A × B este matricea A.
Matricea A se scrie deci în raport cu un singur jucător şi anume P1,
primul jucător (numit şi jucătorul maximizant, din punct de vedere formal –
ambii jucători urmărind acelaşi scop). Când P1 câştigă valoarea aij, P2
plăteşte lui P1 valoarea aij, i = 1, m , j = 1, n .
Pentru P2 toate elementele matricei au semn contrar (fiind un joc cu
sumă nulă). P2 se mai numeşte jucător minimizant. Vom nota jocul definit în
condiţiile de mai sus prin tripletul: G = (A, B, f).
Teoria jocurilor
Exemplu
În jocul numit „aruncarea monedei”, fiecare jucător alege liber stema
(S) sau valoarea (V). Dacă alegerile coincid, jucătorul P1 primeşte de la P2
un euro. Dacă alegerile diferă, P2 primeşte de la P1 un euro.
Atunci forma normală a jocului pentru P1 este:
P2
(S) (V)
P1
(S) 1 -1
(V) -1 1
αi = min aij, i = 1, m .
1≤ j≤ n
strategie maximin.
Dacă P2 alege strategia Bj ∈ B, se aşteaptă ca P1 să aleagă strategia
Ai ∈ A care îi asigură acestuia un câştig cât mai mare.
Fie
βj = max aij, j = 1, n .
1≤ i ≤ m
α1 = min⎨0,1,-2,2⎬ = -2
Teoria jocurilor
α2 = min⎨1,0,3,2⎬ = 0
α3 = min⎨2,4,-3,3⎬ = -3
Valoarea inferioară a jocului este:
v G = max αi = max⎨-2,0,-3⎬ = 0 = α2.
1≤ i ≤ 3
β1 = max⎨0,1,2⎬ = 2
β2 = max⎨1,0,4⎬ = 4
β3 = max⎨-2,3,-3⎬ = 3
β4 = max⎨2,3⎬ = 3.
Valoarea superioară a jocului este:
v G = min βj = min⎨2,4,3⎬ = 2 = β1.
1≤ j≤ 4
Observăm că α = v G = 3 = v G = β
Exemplu
Fie jocul cu matricea:
B
A B1 B2 B3 B4 B5
A1 4 -1 2 1 3
A2 3 -2 0 -1 2
A3 1 2 0 -1 -2
A4 2 -6 3 1 0
În jocurile fără punct şa, un jucător îşi poate majora câştigul folosind
altă strategie decât cea minimax dacă este informat asupra comportării
adversarului. Informaţii asupra comportamentului adversarului se pot obţine
prin repetarea partidelor, dacă acesta îşi menţine în toate partidele strategia
minimax. Un jucător nu trebuie să folosească mereu aceeaşi strategie şi nici
să folosească strategiile după o regulă ce poate fi descoperită de adversar.
Va fi necesară alternarea strategiilor pure, cu anumite probabilităţi.
În cele ce urmează vom vedea că, în cazul unui joc matriceal fără
punct şa, valoarea jocului o vom determina folosind un alt joc matriceal
asociat primului, numit joc mediat, notat Γ = (X, Y, ϕ), unde:
m
a) X = ⎨x ⎪ x = (x1, ..., xm), xi ≥ 0, i = 1, m , ∑x
i =1
i = 1⎬, cu
c) ϕ: X × Y → ℝ, cu:
m n
ϕ(x, y) = ∑∑ a x y
i =1 j =1
ij i j dacă P1 foloseşte strategia mixtă
x = (x1, ..., xm), iar P2 foloseşte strategia mixtă y = (y1, ..., yn).
Dacă introducem variabila aleatoare:
⎛a a 2 j L a mj ⎞
(x, j): ⎜⎜ 1 j ⎟ , valoarea medie a acesteia o notăm:
⎝ x1 x 2 L x m ⎟⎠
m
ϕ(x, j) = ∑a i =1
ij xi şi reprezintă câştigul mediu realizat de P1 când
foloseşte strategia mixtă x = (x1, ..., xm), iar P2 foloseşte strategia pură Bj.
Analog, variabila aleatoare:
⎛a a i 2 L a in ⎞
(i, y): ⎜⎜ i1 ⎟ va avea valoarea medie:
⎝ y1 y 2 L y n ⎟⎠
n
ϕ(i, y) = ∑a y
j =1
ij j şi reprezintă câştigul mediu realizat de P1 când
Demonstraţie:
Notăm g(x) = min f(x, y), (∀) x ∈ X şi h(y) = max f(x, y), (∀) y ∈Y.
y∈Y x∈X
v G şi v G ≤ v G .
Demonstraţie:
Existenţa celor două valori, v G şi v G rezultă din faptul că f are o
Teorema 2
În ipotezele teoremei 1, o condiţie necesară şi suficientă ca
max min f(x, y) = min max f(x, y). (2)
x∈X y∈Y y∈Y x∈X
punct şa.
Demonstraţie:
Se aplică teorema 2, în care X = A, Y = B, fG(Ai, Bj) = aij, i = 1, m ,
adică elementul aiojo este cel mai mic din linia i0 şi în acelaşi timp cel mai
mare din coloana j0.
Strategiile A i 0 şi B j0 corespunzătoare punctului şa sunt strategii
optime.
Teoria jocurilor
Demonstraţie:
Să demonstrăm existenţa valorilor v Γ şi v Γ .
marginile pe X.
Deci există max ϕ(x, y) pentru orice y ∈Y, iar această funcţie este
x∈X
liniară în y ∈ Y, deci este şi continuă. Cum Y este o parte închisă a lui ℝn,
rezultă că există max min ϕ(x, y).
x∈X y∈Y
adică v Γ ≤ v Γ .
Modele matematice în economie
asemenea vectori x, y pentru care numai una din următoarele situaţii este
adevărată:
m
i) ∑a x
i =1
ij i ≥ 0, j = 1, n ;
n
ii) ∑a
j=1
ij y j ≤ 0, i = 1, m .
Aplicând această lemă pentru matricea jocului A, dacă are loc prima
situaţie (i), înseamnă că există x = (x1, ..., xm) astfel încât a1jx1 +...+amjxm ≥0,
(∀) j = 1, n , de unde:
n
ϕ(x, y) = ∑ (a
j=1
1j x 1 + ... + a mj x m ) y j ≥ 0, (∀) y ∈ Y, deci
Dacă situaţia (ii) din lemă este adevărată, există y = (y1, ..., yn) ∈ Y
astfel încât
ai1y1 + ... + ainyn ≤ 0, i = 1, m , de unde:
m
ϕ(x, y) = ∑ (a
i =1
y + ... + a in y n ) x i ≤ 0, (∀) x ∈ X, deci şi
i1 1
Cum numai una dintre cele două situaţii din lemă are loc, niciodată
nu se va verifica relaţia
max min ϕ(x, y) < 0 < min max ϕ(x, y) (5)
x∈X y∈Y y∈Y x∈X
Cum ∑∑ x y
i j
i j = 1, obţinem:
Teorema 4 [6]
Dacă G = (A, B, f) şi Γ(X, Y, ϕ) jocul mediat asociat, atunci:
v G ≤ vΓ ≤ vΓ ≤ v G
Teorema 5 [6]
Asupra matricei A = (aij) a unui joc se pot efectua următoarele
operaţii:
a) dacă se permută liniile (coloanele) între ele, valoarea jocului nu se
schimbă şi nici probabilităţile de folosire a strategiilor de către
jucătorul P1 (respectiv P2);
b) dacă la fiecare element aij din matricea A a unui joc matriceal de
valoare v se adaugă acelaşi număr real k, atunci strategiile mixte
optime rămân neschimbate, iar valoarea jocului devine v’ = v + k;
c) dacă toate elementele matricei A dintr-un joc matriceal de valoare
v se înmulţesc cu acelaşi număr k > 0, atunci strategiile mixte
optime rămân neschimbate, iar valoarea jocului devine v’ = kv.
2.3.a Jocuri 2 × 2
Sau matriceal:
⎛ v⎞
AyT = ⎜⎜ ⎟⎟ şi xA = (v, v). (8)
⎝ v⎠
Notând J = (1, 1) şi ţinând seama că x1 + x2 = 1 şi y1 + y2 = 1, găsim
formulele de calcul pentru x, y şi v.
Dacă A este nesingulară, din (8) avem:
xA = vJ şi x = vJA-1. (8’)
Dar x1 + x = 1 este echivalentă cu xJT = 1.
În (8’), înmulţind cu JT, avem:
vJA-1JT = xJT = 1 de unde:
1
v= .
JA −1J T
Atunci, din (8’) vom avea:
JA −1
x= .
JA −1J T
Prima relaţie din (8) se mai scrie: AyT = vJT, de unde:
A −1J T
yT = A-1(vJT) = .
JA −1J T
Dacă A este singulară (A-1 nu există), echivalentele formulelor de
mai sus vor fi ([16]):
JA * A * JT |A|
x= T
; y T
= T
; v= , (9)
JA * J JA * J JA * J T
unde A* este matricea adjunctă a lui A, ⎪A⎪ determinantul lui A şi J = (1,1).
Aceste formule se verifică şi când A este inversabilă.
Teoria jocurilor
Exemplu
Să se determine soluţia jocului matriceal:
⎛ 2 1⎞
A = ⎜⎜ ⎟⎟ .
⎝ 0 3⎠
Rezolvare
⎛ 3 − 1⎞
Jocul nu are punct şa. Matricea A* = ⎜⎜ ⎟⎟ , ⎪A⎪ = 6,
⎝0 2 ⎠
⎛ 3 − 1⎞ ⎛ 3 − 1⎞ ⎛1⎞ ⎛ 2 ⎞
JA* = (1,1) ⎜⎜ ⎟⎟ = (3, 1); A*JT = ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ ;
⎝ 0 2 ⎠ ⎝ 0 2 ⎠ ⎝1⎠ ⎝ 2 ⎠
⎛ 2⎞
JA*JT = (1, 1) ⎜⎜ ⎟⎟ = 4.
⎝ 2⎠
Introducând rezultatele obţinute în (9) avem:
⎛3 1⎞ ⎛1 1⎞ 3
x = ⎜ , ⎟, y = ⎜ , ⎟ , v = .
⎝ 4 4⎠ ⎝ 2 2⎠ 2
Observaţie: Metoda de mai sus poate fi aplicată în rezolvarea
matriceală a jocurilor, în care dacă notăm matricea câştigurilor cu C = (cij), i
= 1, m , j = 1, n , pentru jocul Γ = (X, Y, f), soluţia şi valoarea jocului se
determină ([9], [21]) cu ajutorul formulelor:
JrA * J r (A*)T |A|
x= T
, y = * T
, v= (9’)
JrA * Jr JrA Jr J r A * J Tr
În relaţiile (9’) avem:
- A o matrice nesingulară a lui C, de ordinul r, 2 ≤ r ≤ min(m, n);
- ⎪A⎪ este determinantul matricei A;
- Jr = (1, ..., 1), matrice de ordinul 1 × r;
Modele matematice în economie
2.3.b Jocuri 2 × n şi m × 2
∶
a1nx1 + a2nx2 ≥ v
x1 + x2 = 1
x1, x2 ≥ 0
şi poate fi adus la forma matematică a unui model de programare liniară
având necunoscutele x1, x2 şi v, astfel:
[max]f = v
a11x1 + a21x2 – v ≥ 0
∶
a1nx1 + a2nx2 – v ≥ 0
x1 + x2 = 1
x1, x2 ≥ 0, v – oarecare.
Exemplu
Să se determine strategia optimă a jucătorului P1 în jocul definit de
matricea:
⎛ − 2 4 − 4⎞
A = ⎜⎜ ⎟⎟ .
⎝ 8 − 6 16 ⎠
Rezolvare
Strategiile lui P1 verifică sistemul:
-2x1 + 8x2 ≥ v
4x1 – 6x2 ≥ v
-4x1 + 16x2 ≥ v
x1 +x2 = 1
x1, x2 ≥ 0, v – oarecare.
Modele matematice în economie
v
4
v = -4+20x2
1 M(0,3; 1)
0 1 x2
-1
v = 4-10x2
-2
-4
Teoria jocurilor
| A 0 | − 20
v= = = 1.
JA *0 J T − 20
A*0 J T 1 ⎛ − 10 ⎞ ⎛ 0,5 ⎞
yT = = − ⎜⎜ ⎟ = ⎜ ⎟ de unde y = (0,5; 0,5; 0).
* T
JA 0 J 20 ⎝ − 10 ⎟⎠ ⎜⎝ 0,5 ⎟⎠
Am obţinut astfel şi strategia optimă a lui P2.
(I) ∶
a1nx1 + ... + amnxm ≥ v
x1 + ... + xm = 1
xi ≥ 0; i = 1, m .
(II) ∶
am1y1 + ... + amnyn ≤ v
y1 + ... + yn = 1
yj ≥ 0; j = 1, n .
xi yj
Notăm Xi = , i = 1, m , Yj = , j = 1, n .
v v
Condiţiile ca xi şi respectiv yj să fie probabilităţi, devin:
1
X1 + ...+ Xm =
v
1
Y1 + ...+ Yn =
v
Deoarece jucătorul P1 urmăreşte obţinerea celei mai mari valori a
1
câştigului v, deci a celei mai mici valori a lui , el îşi propune să obţină
v
minf = X1 + ... + Xm.
Jucătorul P2 urmăreşte obţinerea celei mai mici pierderi v, adică cea
1
mai mare valoare a lui , deci îşi propune să obţină maxg = Y1 + ...+ Yn.
v
Astfel sistemele (I) şi (II) corespunzătoare celor doi jucători se pot
scrie ca un cuplu de probleme duale de programare liniară şi anume:
1
[min]f = = X1 + ...+ Xm
v
a11X1 + ... + am1Xm ≥ 1
(I) ∶
a1nX1 + ... + amnXm ≥ 1
Xi ≥ 0, i = 1, m
Modele matematice în economie
1
[max]g = = Y1 + ...+ Yn
v
a11Y1 + ... + a1nYn ≤ 1
(II) ∶
am1Y1 + ... + amnYn ≤ 1
Yj ≥ 0, j = 1, n
Prin rezolvarea uneia dintre cele două duale se obţin strategiile mixte
optime ale ambilor jucători precum şi valoarea jocului v:
1 1
v= = .
[min]f [max]g
Este de preferat rezolvarea lui II deoarece implică un volum mai mic
de calcule.
Exemplu
O firmă A doreşte să lanseze pe piaţă un anumit tip de produs în trei
sortimente A1, A2, A3. Concurenta ei, firma B, prezintă produsul în
sortimentele B1, B2, B3. Se cunoaşte, din sondajele făcute că dacă
cumpărătorii trebuie să aleagă între sortimentul Ai, i = 1,3 şi Bj, j = 1,3 , ei
preferă fie produsele firmei A (situaţie notată cu 1), fie pe cele ale firmei B
(situaţie notată cu -1), fie sunt indiferenţi (situaţie notată cu 0), conform
tabelului următor:
Bj
B1 B2 B3
Ai
A1 1 -1 0
A2 -1 1 -1
A3 0 1 1
Rezolvare
Fie x1, x2, x3 probabilităţile corespunzătoare celor 3 strategii pure ale
firmei A şi y1, y2, y3 probabilităţile corespunzătoare strategiilor firmei B.
Determinăm valoarea inferioară α şi valoarea superioară β a jocului.
y
y1 y2 y3 αi
x
x1 1 -1 0 -1
x2 -1 1 -1 -1
x3 0 1 1 0
0
βj 1 1 1
1
xi ≥ 0, i = 1,3
xi 1
sau cu notaţiile Xi = , i = 1,3 şi [min]f =
v v
Modele matematice în economie
1
[min]f = = X1 + X2 + X3
v
X1 – X2 ≥ 1
(I) -X1 + X2 + X3 ≥ 1
-X2 + X3 ≥ 1
Xi ≥ 0, i = 1,3
yj ≥ 0, j = 1,3
yj 1
Cu notaţiile Yj = , j = 1,3 şi [max]g = , avem:
v v
1
[max]g = = Y1 + Y2 + Y3
v
Y1 – Y2 ≤ 1
(II) -Y1 + Y2 - Y3 ≤ 1
Y2 + Y3 ≤ 1
Yj ≥ 0, j = 1,3
Y1 – Y2 + Y4 = 1
-Y1 + Y2 – Y3 + Y5 = 1
Y2 + Y3 + Y6 = 1
Yj ≥ 0, j = 1,6
1
[max]g = = Y1 + Y2 + Y3 + 0(Y4 + Y5 + Y6)
v
1 1 1 0 0 0
B CB YB θ
a1 a2 a3 a4 a5 a6
←a4 0 1 1↓ -1 0 1 0 0 1
a5 0 1 -1 1 -1 0 1 0 -
a6 0 1 0 1 1 0 0 1 -
gj 0 0 0 0 0 0 0
∆j = cj - gj 1 1 1 0 0 0
a1 1 1 1 -1 ↓ 0 1 0 0 -
a5 0 2 0 0 -1 1 1 0 -
←a6 0 1 0 1 1 0 0 1 1
gj 1 1 -1 0 1 0 0
∆j = cj - gj 0 2 1 -1 0 0
a1 1 2 1 0 1 1 0 1
a5 0 2 0 0 -1 1 1 0
a2 1 1 0 1 1 0 0 1
gj 3 1 1 2 1 0 2
∆j = cj - gj 0 0 -1 -1 0 -2
[max]g = 3 = [min]f
Y1 = 2, Y2 = 1, Y3 = 0
X1 = 1, X2 = 0, X3 = 2
1 1
Atunci v = = .
[max]g 3
1 2 1 1 1
y1 = vY1 = ⋅ 2 = , y2 = vY2 = ⋅ 1 = , y3 = vY3 = ⋅ 0 = 0
3 3 3 3 3
1 1 1 1 2
x1 = vX1 = ⋅ 1 = , x2 = vX2 = ⋅ 0 = 0, x3 = vX3 = ⋅ 2 = .
3 3 3 3 3
Firma A va avea strategia mixtă
Modele matematice în economie
1 2
x = ( , 0, ), adică va trebui să producă 33, 33% produse din
3 3
primul sortiment iar restul 66,66% din al treilea sortiment. Acest plan de
1
producţie îi asigură firmei A un câştig, fără nici un risc, de în vreme ce
3
1
concurenta ei, firma B, va avea o pierdere de .
3
În concluzie, în rezolvarea unui joc matricial se parcurg următorii
paşi:
Pasul 1. Se determină valoarea inferioară α şi valoarea superioară β
a jocului:
- dacă α = β, jocul are punct şa, se determină strategiile
pure şi valoarea jocului;
- dacă α < β, jocul nu are punct şa; vor trebui determinate
strategiile mixte optime şi valoarea jocului.
Pasul 2. Se elimină strategiile dominate.
Pasul 3. Ne asigurăm ca valoarea v a jocului să fie un număr pozitiv,
ştiind că v ∈ [α, β].
Pasul 4. Scriem modelul de programare liniară pentru jucătorul P2 şi
rezolvăm prin algoritmul simplex problema din care citim
[max]g, Y1,...,Yn şi X1, ..., Xm.
1
Pasul 5. Determinăm: v = , xi = vXi, i = 1, m şi yj = vYj,
[max]g
B1 B2 B3 B4
A1 2 4 3 3
A2 3 2 3 2
A3 1 5 2 1
A4 3 3 2 3
Rezolvare
Ataşăm matricei date coloanele elementelor: mi, Mi şi
αMi + (1 - α)mi, unde mi este respectiv cel mai mic, iar Mi este cel mai mare
număr de pe linia respectivă. Obţinem astfel:
B1 B2 B3 B4 mi Mi αMi+(1-α)mi
A1 2 4 3 3 2 4 2α+2
A2 3 2 3 2 2 3 α+2
A3 1 5 2 1 1 5 4α+1
A4 3 3 2 3 2 3 α+2
Teoria jocurilor
discrete cu repartiţia:
⎛ a i1 a i 2 L a in ⎞
⎜1 1 1 ⎟⎟ .
⎜ L
⎝n n n⎠
P1 va alege strategia pentru care câştigul său mediu este maxim:
⎧1 n ⎫
max ⎨ ∑ a ij ⎬ .
1≤ i ≤ m n
⎩ j=1 ⎭
Observaţia 1:
Dacă se cunosc totuşi probabilităţile diferitelor stări ale naturii
respectiv y1, ..., yn, deci strategia y = (y1, ..., yn) cu yj ≥ 0, j = 1, n şi
n
∑y
j=1
j =1, câştigul mediu al statisticianului P1 când foloseşte strategia Ai va
corespunzătoare valorii:
max ϕ(i, y).
1≤ i ≤ m
Observaţia 2:
Criteriul lui Laplace introduce toate neajunsurile valorii medii. Dacă
estimările au fost făcute grosolan apar erori în apreciere, ce vor duce la
decizii greşite. Criteriul devine uneori inacceptabil când elementele jocului
sunt foarte dispersate.
Teoria jocurilor
Exemplu
Pentru jocul din exemplul precedent să se determine strategia optimă
a lui P1 în cazurile:
a) când stările naturii sunt egal probabile;
b) când probabilităţile ca natura să se afle în stările ei sunt
respectiv:
1 2 4 2
, , , .
9 9 9 9
Rezolvare
1 4
a) Ataşăm matricei jocului coloana ∑ a ij :
n j=1
1 4
B1 B2 B3 B4 ∑ a ij
n j=1
A1 2 4 3 3 1
⋅12
4
1
A2 3 2 3 2 ⋅10
4
1
A3 1 5 2 1 ⋅9
4
A4 3 3 2 3 1
⋅11
4
1 4 1
Deci max ⎨
1≤i ≤ 4
∑
4 j=1
a ij ⎬ este
4
⋅12 ce corespunde strategiei A1 deci
1 2 4 2 1
ϕ(2, y) = ⋅3 + ⋅2 + ⋅ 3 + ⋅2 = ⋅23;
9 9 9 9 9
1 2 4 2 1
ϕ(3, y) = ⋅1 + ⋅5 + ⋅ 2 + ⋅1 = ⋅21;
9 9 9 9 9
1 2 4 2 1
ϕ(4, y) = ⋅3 + ⋅3 + ⋅ 2 + ⋅3 = ⋅23.
9 9 9 9 9
1
Cea mai mare valoare este ⋅ 28 şi corespunde lui ϕ(1, y), deci A1
9
este strategia optimă.
Exemplu
Pentru acelaşi joc din ultimele două exemple, aplicând criteriul
regretelor, să se determine strategia ce va fi aleasă de P1.
Teoria jocurilor
Rezolvare
Se determină mai întâi matricea regretelor ale cărei elemente de pe o
coloană se obţin scăzând din cel mai mare element al coloanei fiecare
element al acesteia. Se obţine:
B1 B2 B3 B4 max rij
j
A1 1 1 0 0 1
A2 0 3 0 1 3
A3 2 0 1 2 2
A4 0 2 1 0 2
de unde rezultă că P1 poate alege oricare dintre strategiile sale A1, A2 sau
A 4.
Observaţie: Criteriile aplicate nu au dus mereu la aceeaşi decizie dar
în majoritatea cazurilor s-a obţinut că cea mai bună strategie este A1;
statisticianul pe aceasta o va alege.
Aplicaţie
Patronul unui magazin achiziţionează un număr de frigidere de un
anumit tip pe o perioadă de 6 luni (primăvară – vară), pentru a le vinde. Din
observaţiile statistice, bazate pe cererea din ultimii doi ani, el estimează că
va vinde un număr de frigidere cuprins între: 15 şi 25 cu probabilitatea de
0,1; între 25 şi 35 cu probabilitatea de 0,4; între 35 şi 45 cu 0,3 şi între 45 şi
55 cu 0,2.
Costul unitar de achiziţie este de 300 euro iar preţul unitar de
vânzare este 400 euro (incluzând cheltuielile de transport şi garanţia de
funcţionare pe un an). Toate frigiderele nevândute până în toamnă se
restituie furnizorului pentru 250 euro/bucata.
Să se stabilească numărul optim de frigidere pe care să le
achiziţioneze patronul pentru a obţine un câştig cât mai mare.
Rezolvare
Determinăm matricea A = (aij), i, j = 1,4 , unde aij este câştigul
obţinut de patron când aplică strategia Ai, i = 1,4 şi cererea este în starea Sj,
Acest element este 2000 şi arată că cea mai prudentă decizie este A1.
c) Criteriul lui Savage este de fapt criteriul minimax aplicat pe
matricea regretelor, ce va avea forma:
⎛ 0 500 2000 3000 ⎞
⎜ ⎟
⎜ 500 0 1000 2000 ⎟
R= ⎜
1000 500 0 1000 ⎟
⎜ ⎟
⎜1500 1000 500 0 ⎟⎠
⎝
Modele matematice în economie
pentru care vom căuta maximul pe fiecare linie şi apoi cel mai mic dintre
acestea. Găsim:
A1 A2 A3 A4
3000 2000 1000 1500
celor doi jucători iar fi(⋅,⋅), i = 1,2 sunt funcţii definite pe A × B cu valori
moment dat (eventual precedată de alte strategii din A\⎨S 1* ⎬, sau B\⎨S *2 ⎬,
Teoria jocurilor
eliminate şi ele), fiind strict dominată. Să notăm cu S’1 o strategie din A care
a „supravieţuit” eliminării succesive până la momentul dispariţiei lui S 1* şi
care o domină strict pe aceasta. Are loc deci relaţia:
f1(S 1* , B) < f1(S’1, B) pentru orice strategie B dintre cele rămase la
Dar astfel este contrazis faptul că S 1* este cel mai bun răspuns al lui
m n
ϕ2(x, y) = ∑∑ b x y
i =1 j=1
ij i j ; ϕi: X × Y → ℝ, i = 1,2 ,
Modele matematice în economie
însele un cel mai bun răspuns la strategia y (sau numai unei părţi a acestora,
restul primind probabilităţi nule).
Demonstraţie:
Să notăm, pentru o strategie y dată, cu Imax mulţimea indicilor acelor
strategii pure ale lui P1 care sunt un cel mai bun răspuns la y:
n n
Imax = ⎨K ⏐ ∑ a kj y j ≥ ∑ a ij y j , (∀) i = 1, m ⎬.
j=1 j=1
⎛ n ⎞ n n
ϕ1(x, y) = ∑ i⎜∑ x ⎜ a y ⎟
ij j ⎟ + x K0 ∑ K0 j j
a y + x l ∑ a lj y j <
i ≠ K 0 ,l ⎝ j=1 ⎠ j =1 j=1
⎛ n ⎞ n n
< ∑ ⎜ ∑ ij j ⎟ K 0 l ∑
⎜
i ≠ K 0 , l ⎝ j =1
a y ⎟ + ( x + x ) a y
K0 j j + 0 ⋅ ∑ a lj y j = ϕ1 ( x ' , y) , de
⎠ j =1 j=1
( )
x0 = x i0
m
i =1
care asignează probabilităţi nenule numai acelor strategii Ah, cu
mai departe:
m ⎛ n ⎞ m n
ϕ1(x, y) = ∑ x i ⎜ ∑ ij j ⎟
⎜ a y ⎟ ≤ ∑ x i max
i =1, m
∑ a ij y j = ϕ1(x0, y), oricare ar
i =1 ⎝ j=1 ⎠ i =1 j =1
2
- pentru p = , P2 poate răspunde atât cu B1, cât şi cu B2;
3
2
- pentru p ∈ ( , 1], răspunsul optim al lui P2 este B2.
3
Căutăm acum o pereche de strategii mixte (x*, y*), x* = (p*, 1-p*),
y* = (q*, 1 – q*) cu proprietăţile din definiţia extinsă a echilibrului Nash.
Vom analiza pe rând diversele situaţii posibile.
3
I. Dacă q* ar aparţine intervalului [0, ), atunci răspunsul optim
4
al lui P1 ar fi strategia pură A2, căreia îi corespunde p = 0 ca
strategie mixtă. Însă răspunsul optim al jucătorului P2 la această
3
strategie este B1, corespunzând lui q = 1. Cum 1 ∉ (0, ], acest
4
caz nu e compatibil cu existenţa unui punct de echilibru.
3
II. Dacă q* ∈ ( , 1], cel mai bun răspuns al lui P1 este A1, pe care
4
îl identificăm cu strategia mixtă (1, 0). Cel mai bun răspuns al
lui P2 la această strategie este strategia pură B2, pentru care
3
avem q = 0. Dar 0 ∉ ( , 1] şi concluzia e identică celei de la
4
punctul precedent.
3
III. În cazul q* = , ca răspuns optim al jucătorului P1 putem lua
4
orice strategie mixtă (r, 1 – r) pe ⎨A1, A2⎬, r ∈ [0, 1], conform
2 2
cu propoziţia 4.4. Dar situaţiile r ∈ [0, ) şi r ∈ ( , 1] conduc
3 3
la valori ale răspunsurilor corespunzătoare lui q = 1 şi q = 0,
3 2
respectiv, ambele diferite de . Pentru r = , răspunsul optim
4 3
Modele matematice în economie
Pentru două strategii mixte, x = (x1, ..., xm) a lui P1 şi y = (y1,..., yn) a
lui P2, se pot transcrie câştigurile medii ale fiecărui jucător în parte, astfel:
ϕ1(x, y) = xC1yT, ϕ2(x, y) = yC T2 xT, unde indicii T înseamnă operaţia
de transpunere.
Notând Jm şi Jn vectorii-linie cu m, respectiv n componente, toate
egale cu 1, vom putea scrie relaţiile:
xJ Tm = 1, y J Tn = 1 (1)
sinonime cu faptul că suma probabilităţilor (xi)i∈1, m (respectiv (yj)j∈1, n ) face
1.
Să presupunem acum că (x, y) reprezintă o pereche de strategii de
echilibru şi să notăm, pentru simplitate, cu ϕ1 şi ϕ2 câştigurile aferente ei ale
celor doi jucători.
Introducem vectorii Φ1 = (ϕ1, ..., ϕ1) ∈ℝn şi Φ2 = (ϕ2, ..., ϕ2) ∈ℝn,
care ne permit o scriere matriceală a proprietăţii de echilibru. Astfel,
folosind propoziţia 4.4, deducem relaţiile:
C1yT ≤ Φ 1T , C T2 xT ≤ Φ T2 (2)
în care inegalităţile trebuie interpretate ca funcţionând între oricare două
componente corespondente ale vectorilor – coloană. Ele exprimă faptul că
răspunsurile printr-o strategie pură la strategiile y, respectiv x pot să ducă, în
cel mai bun caz, la egalarea câştigurilor ϕ1, respectiv ϕ2. Acestea sunt atinse
efectiv în (x, y), ceea ce reiese din relaţiile:
xC1yT = xΦ 1T ⇔ x(Φ 1T - C1yT) = 0
B1 B2 B3
A1 (4,0) (2,1) (8,6)
A2 (6,12) (2,10) (4,9)
Obţinem:
x1 + x2 = 1 y1 + y 2 + y 3 = 1
(I) 12x2 – x3 + µ1 = 0 (II) 4y1 + 2y2 + 8y3 – y4 + θ1 = 0
x1 + 10x2 - x3 + µ2 = 0 6y1 + 2y2 + 4y3 - y4 + θ2 = 0
6x1 + 9x2 - x3 + µ3 = 0
x1, ..., x3 ≥ 0; µ1,...,µ3 ≥ 0 y1, ..., y4 ≥ 0; θ1, θ2 ≥ 0
1 1 0 0
0 12 − 1 0
det[a1, a2, a3, a5] = = 9 ≠ 0, rezultă că
1 10 − 1 1
6 9 −1 0
⎛⎛ 1 2 ⎞ ⎛ 2 1 ⎞⎞
⎜⎜ ⎜ , ⎟, ⎜ ,0, ⎟ ⎟⎟ ; ((1, 0), (0,0,1)); ((0,1), (1, 0,0)).
⎝⎝ 3 3 ⎠ ⎝ 3 3 ⎠⎠
Se observă că avem o pereche de strategii mixte (prima) şi două
perechi de strategii pure, mai exact (A1, B3) şi (A2, B1).
În încheierea discuţiei despre punctele de echilibru ale unui joc
bimatriceal, facem următoarele observaţii:
1. În situaţia în care elementele matricelor de câştiguri nu sunt toate
pozitive sau nule, trebuie să considerăm că ϕ1 şi ϕ2 sunt numere
reale. Pentru a putea să ne folosim în continuare de procedeul
descris mai înainte, putem proceda în două moduri:
a) să exprimăm fiecare variabilă ϕi, i = 1,2 ca diferenţa a două
variabile cărora li se impune să ia valori nenegative:
ϕi = ϕ’i - ϕ”i, ϕ’i ≥ 0, ϕ”i ≥ 0, i = 1,2 ;
B1 B2
A1 (3,2) (9,1)
A2 (2,8) (7,5)
vom constata că, deşi (A1, B1) este punct de echilibru al jocului, câştigurile
care le revin jucătorilor nu îi pot mulţumi. Chiar suma lor, 5, ia valoarea cea
mai mică posibilă. Eliminând perechile (A2, B1) şi (A1, B2), care favorizează
un jucător şi îl defavorizează pe celălalt, rămâne perechea (A2, B2), ale cărui
câştiguri aduc un plus amândurora faţă de ce le oferă strategiile de echilibru.
Ea este însă instabilă.
Ieşirea din această dilemă se face prin modificarea regulilor jocului,
prin acceptarea cooperării. Odată acceptată, ea aduce cu sine însă o altă
problemă, aceea a împărţirii între cei doi jucători a câştigului comun, egal cu
12. Teoretic, se poate impune interzicerea plăţilor laterale între jucători,
situaţie în care distribuţia câştigurilor poate să rămână cea de la început. Nu
vom adopta o asemenea ipoteză în cele ce urmează.
Jocurile de tip cooperativ au o problematică specifică şi rezolvarea
lor presupune atât introducerea unor noţiuni noi cât şi revalorizarea altora
mai vechi.
Se pune astfel o primă întrebare: sub ce limită a câştigului nu poate
să accepte să coboare fiecare jucător?
Răspunsul îl furnizează acel câştig pe care îl poate obţine un jucător,
acţionând în mod independent, indiferent de strategia (pură sau mixtă)
aleasă de celălalt jucător. Referindu-ne la primul jucător, obţinem valoarea
maximin a jocului corespunzătoare lui, dată de expresia:
Teoria jocurilor
unde x şi y sunt strategii mixte pe mulţimea strategiilor lui P1, respectiv ale
lui P2. Analog, pentru P2 valoarea maximin va fi:
v* = max min ϕ2(x,y).
y∈Y x∈X
W31
W22
S
W32
W11
0 W21 u
cum ar fi W21W32 sau W31W12 este suficient să luăm (u, v + δ) sau (u + ε, v),
cu ε, δ > 0 alese corespunzător, pentru a constata că punctele obţinute fac
parte din S). Această frontieră Pareto [W12, W22, W32] va constitui, de fapt,
zona de interes în identificarea soluţiei jocului, deoarece ea corespunde
cursului de creştere, atât în u cât şi în v, a punctelor (u, v) din S, favorabil
ambilor jucători.
În continuare vom găsi valorile maximin ale jocului (în strategii
mixte). Pentru a uşura calculele, să facem observaţia că atunci când dorim să
minimizăm ϕ1(x, y) în raport cu y ∈ Y, pentru un x ∈ X fixat, este suficient
să considerăm strategiile pure y = (1, 0) şi y = (0, 1) deoarece putem scrie:
ϕ1(x, y) = xC1yT = (x1, x2, x3)C 11 y1 + (x1, x2, x3) C 12 y2
15
Unind punctul (2, ) cu (5, 3) se obţine o dreaptă cu panta egală
4
15
3−
cu: 4 = - 1 . Asemănător, dreapta care trece prin punctele (2, 15 ) şi
5−2 4 4
5
(4, 5) are panta egală cu . Aşadar, făcându-l pe (u, v) să varieze în
8
interiorul lui [W32W22] obţinem o dreaptă cu panta β care parcurge
1 5
intervalul (- , ). Cum opusul lui α1 nu se găseşte în această plajă de
4 8
1 5
valori (2 ∉ (- , )), rezultă că ( u , v ) nu aparţine interiorului segmentului
4 8
menţionat.
Continuând analiza cu punctele din interiorul segmentului [W22W12],
8−5
constatăm că panta dreptei – suport a acestuia este α2 = = -3. Dacă
3−4
15 17
unim pe (2, ) cu (3, 8) obţinem o dreaptă având panta egală cu . Deci,
4 4
atunci când (u, v) variază între capetele W22 şi W12, dreapta care îl uneşte cu
5 17
(u*,v*) are panta β ∈ ( , ).
8 4
5 17
În acest caz, - α2 = 3 ∈ ( , ) şi rămâne să îl determinăm pe
8 4
( u , v ) ca un punct situat între W22 şi W12.
Dreapta care trece prin punctele (4, 5) şi (3, 8) are ecuaţia:
v−5 u −4
= ⇔ v = -3u + 17. Ea se va intersecta cu o dreaptă care
3 −1
15
trece prin (2, ), de pantă egală cu β2 = 3, în ( u , v ).
4
Modele matematice în economie
a) ∑x
i∈N
i = v(N) şi
v(N) ≥ ∑ v({}i ) .
i∈N
Axiomele Shapley
Numim valoare a unui joc v de n persoane, vectorul
ϕ[v] = (ϕ1[v],..., ϕn[v]), unde ϕi[v] reprezintă partea care trebuie atribuită
Rezolvare
a) Coaliţiile câştigătoare sunt:
⎨2, 4⎬, ⎨3, 4⎬, ⎨1, 2, 3⎬, ⎨1, 2, 4⎬, ⎨1, 3, 4⎬, ⎨2, 3, 4⎬, ⎨1, 2, 3, 4⎬.
b) Dintre coaliţiile câştigătoare ce îl conţin pe primul acţionar
singura care devine necâştigătoare când este scos din coaliţie acesta este
coaliţia: ⎨1, 2, 3⎬, în care t (numărul acţionarilor) este egal cu 3.
c) Aplicând formula (4), unde t = 3, n = 4, i = 1, avem:
2!1! 1
ϕ1 = = .
4! 12
Analog, coaliţiile câştigătoare, care îşi pierd această proprietate dacă
acţionarul 2 este înlăturat sunt:
⎨2, 4⎬, ⎨1, 2, 3⎬,⎨1, 2, 4⎬.
Modele matematice în economie
6. Probleme
Rezolvare
Luând αi = min aij, i = 1,3 , βj = max aij, j = 1,4 , completăm
1≤ j≤ 4 1≤ i ≤ 3
= 5 = β3 rezultă că jocul are punct şa, iar strategiile pure optime ale celor doi
jucători sunt respectiv A2 şi B3, iar valoarea jocului v = a23 = 5.
Modele matematice în economie
Rezolvare
Jocul nu are punct şa deoarece 6 şi 1 nu sunt minime pe liniile lor.
Vom folosi relaţiile (9) de la 2.3.a. Cum ⎪A⎪ = -6 ≠ 0 şi:
⎛ 0 − 1⎞ ⎛ 0 − 1⎞
A* = ⎜⎜ ⎟⎟ , JA* = (1, 1) ⎜⎜ ⎟⎟ = (-6, -2);
⎝ − 6 − 1⎠ ⎝ − 6 − 1⎠
⎛ 0 − 1⎞ ⎛1⎞ ⎛ − 1 ⎞ ⎛1⎞
A*JT = ⎜⎜ ⎟⎟ ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ , JA*JT = (-6, -2) ⎜⎜ ⎟⎟ = -8
⎝ − 6 − 1 ⎠ ⎝1⎠ ⎝ − 7 ⎠ ⎝1⎠
rezultă că:
JA * 1 ⎛3 1⎞
x= T
= − (−6,−2) = ⎜ , ⎟
JA * J 8 ⎝ 4 4⎠
A * JT 1 ⎛ −1⎞ ⎛ 1/ 8 ⎞ 1 7
yT = = − ⎜⎜ ⎟⎟ = ⎜⎜ ⎟⎟ , de unde y = ( , )
JA * J T
8 ⎝ − 7 ⎠ ⎝ 7 / 8⎠ 8 8
|A| −6 3
v= = = .
JA * J T
−8 4
Rezolvare
Observăm că linia a cincea este dominată de linia a treia, deci vom
renunţa la linia a cincea şi jocul va fi de forma 4 × 2,
⎛ 6 − 2⎞
⎜ ⎟
⎜5 1 ⎟
A= ⎜ .
3 4 ⎟
⎜ ⎟
⎜ −1 5 ⎟
⎝ ⎠
Strategiile jucătorului P2 verifică relaţiile:
6y1 – 2y2 ≤ v
5y1 + y2 ≤ v
3y1 + 4y2 ≤ v
-y1 + 5y2 ≤ v
y1 + y2 = 1
Punând y1 = 1 – y2 în primele 4 inegalităţi, acestea devin:
6 – 8y2 ≤ v
5 – 4y2 ≤ v
y2 + 3 ≤ v
6y2 – 1 ≤ v
şi sunt reprezentate grafic mai jos:
v
6
5 (d4) 5
M 4
(d3)
3
(d2)
1 y2
-1
-2
(d1)
Modele matematice în economie
⎛1⎞
JA 1* JT = (1, 4) ⎜⎜ ⎟⎟ = 5 deci:
⎝1⎠
JA1* 1 1 4 1 4
x= * T
= (1, 4) = ( , ), deci x2 = , x3 = şi strategia lui
JA1 J 5 5 5 5 5
1 4
P1 este x = (0, , , 0).
5 5
⎛4 0 − 2 − 1⎞
⎜ ⎟
⎜1 3 4 5⎟
⎜2 .
3 1 1⎟
⎜ ⎟
⎜ −1 1 2 3 ⎟⎠
⎝
Rezolvare
Aplicând principiul strategiilor dominate observăm că linia a doua
are elementele respectiv mai mari ca linia a patra, deci o vom şterge pe
aceasta din urmă. Coloana a treia domină coloana a patra, care va fi ştearsă
şi matricea jocului se va restrânge la:
⎛ 4 0 − 2⎞
⎜ ⎟
A = ⎜1 3 4 ⎟ .
⎜2 3 1 ⎟
⎝ ⎠
Obţinem:
B1 B2 B3 αi
A1 4 0 -2 -2
A2 1 3 4 1
A3 2 3 1 1
βj 4 3 4
JA ∗ 1 ⎛1 2 ⎞
x= ∗ T
= − (− 5; − 10, 0 ) = ⎜ , , 0 ⎟
JA J 15 ⎝3 3 ⎠
A∗J∗ 1 ⎛3 1 1⎞
J= ∗ T
= − (− 9, − 3, − 3) = ⎜ , , ⎟
JA J 15 ⎝5 5 5⎠
A − 30
v= ∗ T
= =2
JA J − 15
Aplicăm procedeul din observaţia mai sus citată şi verificăm criteriul
lui Neumann, astfel:
⎛ 4 0 − 2⎞
⎛1 2 ⎞ ⎜ ⎟
x A = ⎜ , , 0 ⎟ ⋅ ⎜1 3 4 ⎟ = (2, 2, 2 ) = 2J
⎝3 3 ⎠ ⎜ ⎟
⎝2 3 1 ⎠
Teoria jocurilor
⎛ 4 0 − 2 ⎞ ⎛ 3 / 5⎞ ⎛ 2 ⎞
⎜T ⎟ ⎜ ⎟ ⎜ ⎟
A y = ⎜1 3 4 ⎟ ⋅ ⎜1 / 5 ⎟ = ⎜ 2 ⎟ = 2 J T
⎜ 2 3 1 ⎟ ⎜1 / 5 ⎟ ⎜ 2 ⎟
⎝ ⎠ ⎝ ⎠ ⎝ ⎠
4 y1 − 2y 3 ≤ v
y 1 + 3y 2 + 4 y 3 ≤ v
2 y 1 + 3y 2 + y 3 ≤ v
y1 + y 2 + y 3 = 1; y j ∈ [0,1], j = 1,3 .
Cum v ∈ (1,3) deci este pozitiv, împărţim relaţiile de mai sus prin v
şi notăm:
yj
Yj = , j = 1,3
v
Deoarece P2 urmăreşte să facă minim v, atunci va dori să facă maxim
1
şi obţinem:
v
1
[max]g = = Y1 + Y2 + Y3
v
4Y1 − 2Y3 ≤ 1
Y1 + 3Y2 + 4Y3 ≤ 1
2Y1 + 3Y2 + Y3 ≤ 1
Yj ≥ 0 , j = 1,3
4Y1 − 2Y3 + Y4 = 1
Y1 + 3Y2 + 4Y3 + Y5 = 1
2Y1 + 3Y2 + Y3 + Y6 = 1
Yj ≥ 0 , j = 1,6
1
[max]g = = Y1 + Y2 + Y3 + 0 (Y4 + Y5 + Y6 ) .
v
1 1 1 0 0 0
B CB YB θ
a1 a2 a3 a4 a5 a6
a4 0 1 4 ↓ 0 -2 1 0 0
a5 0 1 1 3 4 0 1 0
a6 0 1 2 3 1 0 0 1
gj 0 0 0 0 0 0 0 0
∆j=cj-gj 1 1 1 0 0 0
a1 1 1/4 1 0 -1/2↓ 1/4 0 0 -
a5 0 3/4 0 3 9/2 -1/4 1 0 1/6
a6 0 2/4 0 3 2 -1/2 0 1 1/4
gj 1/4 1 0 -1/2 1/4 0 0
∆j=cj-gj 0 1 3/2 -1/4 0 0
a1 1 1/3 1 1/3 0 2/9 1/9 0
a3 1 1/6 0 2/3 1 -1/18 2/9 0
a6 0 1/6 0 5/3 0 -7/18 0 1
gj 1/2 1 1 1 1/6 1/3 0
∆j=cj-gj 0 0 0 -1/6 -1/3 0
1 1
X1 = , X 2 = , X 3 = 0 de unde :
6 3
1 1 2 ⎛1 2 ⎞
x 1 = vX1 = 2 = ; x 2 = ; x 3 = 0 şi x = ⎜ , , 0 ⎟ .
6 3 3 ⎝3 3 ⎠
Observaţie: Prin metoda b) strategia lui P1 este aceeaşi cu cea din a),
dar strategia lui P2 diferă. Acest lucru a apărut deoarece în rezolvarea prin
simplex a problemei, în etapa de optim ∆2 = 0 deşi a2 ∉ B. În acest caz
problema are o infinitate de soluţii. Să mai găsim una continuând simplexul
cu încă o iteraţie prin introducerea în bază a lui a2 şi eliminarea lui a6.
a1 1 3/10 1 0 0 3/10 1/9 -1/5
a3 1 1/10 0 0 1 1/10 2/9 -2/5
a2 1 1/10 0 1 0 -7/10 0 3/5
gj 1/2 1 1 1 1/6 1/3 0
∆j=cj-gj 0 0 0 -1/6 -1/3 0
⎛1 2 ⎞
Obţinem aceeaşi valoare v = 2 şi x = ⎜ , , 0 ⎟ .
⎝3 3 ⎠
3 1 1
Dar Y1 = , Y2 = , Y3 = , ce conduce la:
10 10 10
3 1 1 ⎛3 1 1⎞
y1 = , y 2 = , y 3 = , adică y = ⎜ , , ⎟ soluţie găsită şi prin
5 5 5 ⎝ 5 5 5⎠
metoda a).
Dar dacă o problemă de programare liniară are două soluţii optime:
⎛ 2 1⎞ ⎛ 3 1 1⎞
y′ = ⎜ , 0, ⎟ şi y′′ = ⎜ , , ⎟ ea va avea o infinitate de soluţii optime, date
⎝ 3 3 ⎠ ⎝5 5 5⎠
de combinaţia liniară convexă de y' şi y''. Deci P2 are o infinitate de strategii
date de:
⎛2 1⎞ ⎛3 1 1⎞
y = λy ′ + (1 − λ ) y ′′ = λ⎜ , 0, ⎟ + (1 − λ ) ⎜ , , ⎟ =
⎝3 3⎠ ⎝ 5 5 5⎠
⎛ 9 + λ 1 − λ 3 + 2λ ⎞
=⎜ , , ⎟, 0 ≤ λ ≤ 1.
⎝ 15 5 15 ⎠
Modele matematice în economie
Rezolvare
Determinăm valoarea inferioară şi valoarea superioară ale jocului:
αi = min aij şi v G = max αi = α
1≤ j≤ 4 1≤ i ≤ 3
Avem:
B
B1 B2 B3 B4 αi
A
A1 3 -1 0 7 -1
A2 6 8 3 5 3
A3 2 5 1 3 1
βj 6 8 3 7
β1 = max⎨3, 6, 2⎬ = 6; β2 = max⎨-1, 8, 5⎬ = 8;
Teoria jocurilor
β3 = max⎨0, 3, 1⎬ = 3; β4 = max⎨7, 5, 3⎬ = 7;
β = min⎨6, 8, 3, 7⎬ = 3 = v G .
Rezolvare
Determinăm vG şi v G pentru a vedea dacă jocul are punct şa. Avem:
B
A B1 B2 B3 αi
A1 0 -5 2 -5
A2 -2 2 -1 -2
A3 1 -1 1 -1
βj 1 2 2
4y2 + y3 ≤ v
3y1 + y2 + 3y3 ≤ v
y1 + y2 + y3 = 1
yj ≥ 0, j = 1,3
yj 1
Cu v > 0, Yj = şi = [max]g, avem:
v v
1
[max]g = = Y1 + Y2 + Y3
v
2Y1 – 3Y2 + 4Y3 + Y4 = 1
4Y2 + Y3 + Y5 = 1
3Y1 + Y2 + 3Y3 + Y6 = 1
Yj ≥ 0, j = 1,6 .
1 1 1 0 0 0
B CB YB θ
a1 a2 a3 a4 a5 a6
a4 0 1 2 -3 ↓ 4 1 0 0 -
a5 0 1 0 4 1 0 1 0 1/4
a6 0 1 3 1 3 0 0 1 1/3
gj 0 0 0 0 0 0 0
∆j=cj-gj 1 1 1 0 0 0
a4 0 7/4 4↓ 0 19/4 1 3/4 0 7/16
a2 1 1/4 0 1 1/4 0 1/4 0 -
a6 0 3/4 3 0 11/4 0 -1/4 1 3/12
gj 1/4 0 1 1/4 0 1/4 0
∆j=cj-gj 1 0 3/4 0 -1/4 0
a4 0 3/4 0 0 13/12 1 13/12 -4/3
a2 1 1/4 0 1 1/4 0 1/4 0
a1 1 1/4 1 0 11/12 0 -1/2 1/3
gj 1/2 1 1 7/6 0 1/6 1/3
∆j=cj-gj 0 0 -1/6 0 -1/6 -1/3
Cantitatea Preţ
Iarna necesară unitar
în tone u.m./t
Uşoară 4 70
Obişnuită 5 75
Grea 6 80
Rezolvare
a) Matricea asociată jocului generat de problema dată va fi:
Strategia
iernii uşoară obişnuită grea
Cantitatea S1:4t S2:5t S3:6t
contractată
A1:4t -240 -315 -400
A2:5t -300 -300 -380
A3:6t -360 -360 -360
Si
S1 S2 S3 mi Mi αMi+(1-α)mi
Ai
A1 -240 -315 -400 -400 -240 160α-400
A2 -300 -300 -380 -380 -300 80α-380
A3 -360 -360 -360 -360 -360 -360
Rezolvare
Se observă mai întâi că strategia A4 a jucătorului P1 domină strict
strategia A2 (oricare ar fi strategia de răspuns Bj a lui P2, avem a4j > a2j).
După eliminarea lui A2, care nu afectează punctele de echilibru, observăm
că strategia B4 a lui P2 domină strict pe B3 (deoarece 2 > 0, 5 > 2 şi 6 > 4).
După ce B3 este suprimată şi ea, obţinem un tabel restrâns.
B1 B2 B4
A1 (5,4) (3,1) (4,2)
A3 (6,8) (1,3) (3,5)
A4 (3,2) (4,7) (2,6)
(A3, B1) este preferabil lui (A4, B2) pentru ambii jucători şi deci poate
constitui soluţia jocului.
Rezolvare
Fie jocul cu sumă arbitrară dat prin matricea:
B1 B2
A1 (4,5) (3,4)
A2 (2,6) (5,7)
Rezolvare
Fie (p, q, 1 – p – q) o strategie mixtă pe B = ⎨B1, B2, B3⎬.
Avem deci p, q ≥ 0 şi p + q ≤ 1. Căutăm răspunsul optim al lui P1 la
această strategie a lui P2. Dacă P1 foloseşte strategia A1 atunci îi revine un
câştig mediu egal cu p + q, iar dacă foloseşte strategia A2, câştigul mediu
este 2(1 – p – q). Comparându-le, se deduce imediat că dacă p + q ∈ [0, 2/3)
cel mai bun răspuns este A2 în timp ce pentru p + q ∈ (2/3, 1], cel mai bun
răspuns este A1.
2
Cazul p + q = nu face deosebire între A1 şi A2 ca replici optime
3
ale lui P1. Dacă vom considera o strategie mixtă (r, 1 – r) pe A = ⎨A1, A2⎬,
0 ≤ r ≤ 1, câştigurile medii ale lui P2 vor fi egale cu 3 – 3r, r + 1 sau r, după
cum foloseşte strategiile pure B1, B2 sau B3, respectiv. Din inegalităţile
3 – 3r > r + 1 > r reiese că răspunsul optim al lui P2 este B1, pentru
1 1 1
r< şi B2, pentru r > . În cazul r = , se reţin ca cel mai bun răspuns
2 2 2
oricare dintre strategiile B1 sau B2.
Să presupunem că punctele de echilibru ale jocului sunt de forma
((r*, 1 – r*), (p*, q*, 1 – p* - q*)). Vom analiza situaţiile posibile pentru r*:
1
I. Dacă r* ∈ [0, ), răspunsul optim al lui P2 este B1, căruia i-ar
2
corespunde ca strategie mixtă valorile p* = 1, q* = 0, ceea ce
2
înseamnă că p* + q* = 1 > şi, în replică, am avea strategia
3
optimă A1 a lui P1. Cum A1 poate fi identificată cu strategia
mixtă (1, 0), rezultă r* = 1, contrazicând ipoteza iniţială;
Modele matematice în economie
1
II. În cazul r* = , orice strategie mixtă a lui P2 de forma
2
(λ, 1-λ, 0), 0 ≤ λ ≤ 1 este un răspuns optim. Discuţia continuă ca
1
mai înainte şi se ajunge la concluzia r* = 1 ≠ ;
2
1
III. Dacă r* ∈ ( , 1), replica cea mai bună a lui P2 este B2; ei îi
2
2
corespund valorile p* = 0, q* = 1 şi cum p* + q* > , răspunsul
3
1
optim al lui P1 e din nou A1. Obţinem, ca mai sus, r*= 1∉( ,1);
2
IV. Ultima posibilitate, r* = 1 ne conduce la o strategie de răspuns
cu p* = 0, q* = 1 şi, de această dată, cu răspunsul în oglindă al
lui P1, lanţul deducţiilor se închide. Am obţinut astfel un punct
de echilibru în strategii pure, ((1,0), (0,1,0)), fapt ce clarifică
cerinţa problemei vis-à-vis de teorema lui Nash. Să mai
observăm că, deoarece strategia B3 este strict dominată,
componenta corespunzătoare ei într-o strategie optimă a lui P2
nu putea fi decât nulă.
Rezolvare
Vom construi pentru început forma normală a jocului descris.
Jucătorii sunt cei doi lucrători, strategiile lor constând din opţiunile pe care
le fac pentru firma 1 sau firma 2 şi pe care le notăm cu A1, A2, respectiv B1,
B2. Vom nota, ca de obicei, cu f1(⋅,⋅) şi f2(⋅,⋅) respectiv, funcţiile de câştig ale
jucătorilor. Considerând utilităţile imediate ale celor doi lucrători, rezultate
în urma alegerilor făcute, putem construi următoarea matrice de plăţi (în
ipoteza şanselor egale):
B1 B2
A1 1 1 (s1,s2)
( s1, s1)
2 2 1 1
A2 ( s2, s2)
(s2,s1) 2 2
1 1
Ţinând seama de ipotezele s1 < s2 şi s2 < s1, vom putea scrie:
2 2
1
f1(A1, B2) = s1 > s2 = f1(A2, B2)
2
1
f2(A1, B2) = s2 > s1 = f2(A1, B1)
2
de unde rezultă că (A1, B2) este punct de echilibru Nash.
Asemănător, obţinem relaţiile:
1
f1(A2, B1) = s2 > s1 = f1(A1, B1)
2
1
f2(A2, B1) = s1 > s2 = f2(A2, B2)
2
ceea ce arată că şi (A2, B1) este un punct de echilibru Nash.
Faptul că fiecare lucrător este angajat dacă se optează pentru una sau
cealaltă dintre perechile de strategii discutate vine în acord cu ideea de
echilibru, chiar dacă unul dintre jucători poate să nu fie mulţumit pe deplin
cu salariul pe care îl obţine.
Modele matematice în economie