Documente Academic
Documente Profesional
Documente Cultură
Facultatea de Ştiinţe
Specializarea ADMINISTRAREA AFACERILOR
Anul I de studiu
Semestrul I
Anul universitar 2012-2013
Învăţământ la distanţă
Alba Iulia,
2012
2
CUPRINS
Introducere ...................................................................................................................... 5
Scopul şi obiectivele disciplinei ................................................................................ 5
Cerinţe preliminare ................................................................................................... 5
Conţinutul materialului de studiu .............................................................................. 5
Recomandări de studiu .............................................................................................. 6
Recomandări privind evaluarea ................................................................................ 7
Test de evaluare iniţială .................................................................................................. 8
Unitate de studiu 1. Rezolvarea unei probleme de programare liniară ........................... 9
1.1. Noţiuni generale ...............................................................................................10
1.2. Soluţiile unei probleme de programare liniară .................................................13
1.3. Rezolvarea unei probleme de programare liniară ............................................14
Unitate de studiu 2. Dualitatea Algoritmul simplex dual..............................................29
2.1. Dualitate ...........................................................................................................29
2.2. Algoritmul simplex dual ..................................................................................32
Unitate de studiu 3. Reoptimizarea problemelor de programare liniară .......................35
3.1. Modificarea vectorului c ..................................................................................36
3.2. Modificarea vectorului b ..................................................................................36
3.3 Modificarea unui vector coloană Pj din matricea A ........................................39
3.4 Adăugarea unei noi coloane la matricea A .......................................................40
3.5 Modificarea unei linii a matricei restricţiilor ....................................................41
Unitate de studiu 4. Programare liniară parametrică.....................................................44
4.1. Probleme parametrice ......................................................................................44
4.2. Parametrizarea vectorului c ..............................................................................45
4.3. Parametrizarea vectorului b .............................................................................46
Unitate de studiu 5. Probleme de transport ...................................................................49
5.1. Modele de tip transport sau de transfer de fonduri ..........................................50
5.2. Metode de găsire a unei soluţii iniţiale ............................................................52
3
5.3. Îmbunătăţirea soluţiei .......................................................................................53
5.4. Algoritmul distributiv ......................................................................................54
5.5. Rezolvarea problemelor de maximizare ..........................................................55
5.6. Degenerare. Soluţii multiple ............................................................................58
Unitate de studiu 6. Reoptimizarea problemelor de transport ......................................62
6.1. Reoptimizarea in cazul modificarii matricei costurilor....................................62
6.2. Reoptimizarea in cazul modificarii disponibilului si/sau necesarului .............64
Unitate de studiu 7. Probleme de transport parametrice ...............................................68
7.1. Parametrizarea matricei C ................................................................................69
7.2. Parametrizarea disponibilului si/sau necesarului .............................................71
Unitate de studiu 8. Probleme de transport speciale .....................................................75
8.1. Modele cu centre legate ...................................................................................76
8.2. Modele cu legături interzise .............................................................................80
8.3. Modele cu soluţii impuse .................................................................................81
Unitate de studiu 9. Dobânda simplă ............................................................................85
9.1. Dobânda simplă................................................................................................85
Unitate de studiu 10. Dobânda compusă .......................................................................93
10.1. Dobânda compusă ..........................................................................................93
Unitate de studiu 11. Plăţi eşalonate anual (anuităţi) ....................................................98
11.1. Plăţi eşalonate ................................................................................................98
11.2. Anuităţi posticipate temporare .....................................................................100
11.3. Anuităţi anticipate temporare .......................................................................103
Unitate de studiu 12. Rambursarea creditelor şi împrumuturilor................................106
12.1. Preliminarii...................................................................................................106
12.2. Amortizări directe ........................................................................................107
12.3. Amortizări indirecte .....................................................................................109
Test de verificare .........................................................................................................113
Bibliografie .................................................................................................................115
Anexa 1 .......................................................................................................................116
Anexa 2 ......................................................................................................................118
4
Introducere
Cerinţe preliminare
În parcurgerea acestui material de studiu, vor fi de mare ajutor conţinutul disciplinei Algebră
studiate în liceu. Capitolele de calcul matriceal şi rezolvare a sistemelor de ecuaţii vor constitui baza
cunoştinţelor necesare abordării problematicii din primele opt unităţi de studiu. De asemenea noţiunile
de calcul procentual şi rezolvare a ecuaţiilor vor fi întâlnite în ultimele patru unităţi de studiu.
Materialul de studiu este structurat în trei mari părţi totalizând douăsprezece unităţi de studiu în
care sunt prezentate în mod rezumativ temele cele mai importante care constituie fondul de idei ce
trebuiesc studiate, însuşite, aprofundate şi explicate pe baza studiului individual.
5
Primele patru unităţi prezintă elemente de programare liniară, cum ar fi rezolvarea unei probleme
de programare liniară, dualitatea, algoritmul simplex dual, reoptimizarea problemelor de programare
liniară, programarea liniară parametrică.
Acestea sunt urmate de noţiuni privind problemele de transport, începând cu prezentarea acestora,
continuând cu reoptimizarea problemelor de transport şi probleme de transport parametrice. Partea a
doua se încheie cu probleme speciale de tip transport.
Ultimele trei unităţi abordează problematica elementelor de matematici financiare, cum ar fi
dobânda simplă, dobânda compusă, plăţi eşalonate anual (anuităţi) şi rambursarea creditelor şi
împrumuturilor.
Recomandări de studiu
Obiective Rezumat
Exerciţii De notat
6
Test de
Studiu individual
autoevaluare
Exemple Introducere
Cunoştinţe
preliminare
Pentru examen, studenţii vor trebui să studieze cel puţin unul dintre titlurile menţionate la
Bibliografie pe baza Materialului de studiu individual.
Acceptarea la examen nu este condiţionată de predarea Testului de autoevaluare rezolvat de la
finalul Materialului.
Printre problemele şi întrebările de la examen pot figura şi cele formulate în Material.
Examinarea cunoştinţelor dobândite la disciplina Matematici aplicate în economie se va desfăşura sub
forma rezolvării unui test, similar celui de la finalul acestui Material. Nota finală va fi stabilită astfel:
70% din nota finală reprezintă rezolvările la problemele din testul primit în ziua examenului, şi 30%
reprezintă nota la Testul de autoevaluare de la finalul prezentului Material de studiu individual, pe care
studenţii îl vor preda în ziua prezentării la examen, nu ulterior acestuia!
7
Test de evaluare iniţială
x1 x 2 x3 6
2 x1 3x 2 x3 5
x 2 x 4 x 17.
1 2 3
3. Un obiect costă 160 lei. Să se determine preţul acestuia după două scumpiri
succesive de 5%, respectiv 10%.
4. Cu ce procent s-a mărit preţul de 1200 lei al unui obiect, dacă acesta costă acum
1392 lei.
8
Unitatea de studiu 1.
Rezolvarea unei probleme de programare liniară
Cuprins
Introducere ....................................................................................................... 9
Obiectivele unităţii de studiu ............................................................................. 9
1.1. Noţiuni generale....................................................................................... 10
1.2. Soluţiile unei probleme de programare liniară.......................................... 13
1.3. Rezolvarea unei probleme de programare liniară .................................... 14
Test de autoevaluare ...................................................................................... 26
Probleme propuse .......................................................................................... 27
Concluzii ......................................................................................................... 27
Introducere
În această primă unitate de studiu este prezentat modelul matematic
numit programare matematică, asociat unui fenomen economic. Sunt
date exemple pentru care se utilizează acest model, precum şi trei
metode de rezolvare a sa: metoda grafică, metoda algebrică,
algoritmul simplex.
9
1.1. Noţiuni generale
10
societăţii astfel încât beneficiul total să fie maxim.
Rezolvare:
Notăm cu x j, j= 1, n cantitatea ce se va produce din produsul P j, j= 1, n ;
funcţia de optimizat este funcţia ce reprezintă beneficiul total, iar restricţiile se
datorează limitării resurselor. Deci modelul matematic este:
max f c1· x1 c 2 · x 2 ... c n · x n
a x a x ... a x b
11 1 12 2 1n n 1
a 21 x1 a 22 x 2 ... a 2 n x n b2
...............................
a m1 x1 a m 2 x 2 ... a mn x n bm
x j 0, j 1, n
sau sub formă matricială:
11
[min] f c x
A x b
x 0
Observaţie 1.1.6. Este util ca în problemele de programare liniară restricţiile să fie
sub forma unor egalităţi deci să avem problema canonică (standard), adică:
[opt ] f c x
A x b
x 0
Transformarea inecuaţiilor restricţiilor în ecuaţii se realizează prin
introducerea unor variabile de compensare (ecart) considerate, şi ele, nenegative.
Exemplul 1.1.7. Alocarea optimă de fonduri băneşti
Să considerăm un anumit fond bănesc de valoare S unităţi monetare (u.m.)
care trebuie repartizat sau alocat:
1. la un moment dat pentru n activităţi sau
2. unei anumite activităţi la n momente (adică eşalonat).
Să notăm cu x j, j = 1, n , partea din fond care se alocă pentru
activitatea de ordin j (sau la momentul j) şi cu c j, profitul realizat pentru
fiecare unitate monetară investită sau alocată. Atunci profitul total va fi: f =
c1 x1 + c2 x2 + … + cn xn urmând a fi maximizat, ceea ce conduce la problema:
n
[max] f cjxj
j 1
n
x j S
j 1
x 0, j 1, n
j
Este posibilă adăugarea unor restricţii de forma j x j j, 1 j p n, în
care x j j 0 ar însemna „un prag sau nivel minimal necesar util” sub care
investiţia nu prezintă interes, iar x j j S ar însemna „un nivel maximal posibil de
credit garantat” care poate fi acoperit de către debitor prin diverse garanţii sau cu
averea sa. În acest caz problema devine:
n
[max] f cjxj
j 1
n
x j S
j 1
0 j x j j , 1 j p n
x j 0, p 1 j n
Observaţie 1.1.8.
1. De obicei se urmăreşte satisfacerea totală atât a cererii cât şi a
disponibilului şi prin urmare restricţiile problemei apar ca egalităţi. Acestora li se pot
adăuga şi alte restricţii cu semnificaţii diverse.
2. Dacă în locul unui anumit produs care să poată fi efectiv transportat
considerăm că a 1 – a m sunt suprafeţe cultivabile de o aceeaşi calitate, iar B 1 … Bn
12
sunt n culturi care au nevoie de un astfel de teren, atunci problema amplasării optime
a culturilor are modelul matematic anterior, dar nu este vorba de o operaţiune de
transport. Este unul din motivele pentru care spunem modele de tip transport.
Definiţie 1.2.1. Spaţiul vectorial n-dimensional căruia îi aparţin vectorii x din care se
determină soluţiile sistemului de restricţii se numeşte spaţiul soluţiilor. (Acesta este o
parte a spaţiului vectorial R n ) .
Observaţie 1.2.2. Presupunem că sistemul de restricţii este compatibil şi de
asemenea că rang A = m n.
Observaţie 1.2.7.
1. X B X p egalitatea are loc dacă X p = sau se reduce la un punct.
2. Dacă presupunem că primele m coloane ale matricei A formează o bază în
Rm şi să o notăm cu B adică B = a1, a2, …, am , m n şi notăm cu S celelalte
coloane ale matricei A, partiţionând corespunzător dimensional vectorii c = (c B, cS)
şi x = (xB, xS) t, atunci problema poate fi scrisă sub forma:
[opt ] f c B x B cS x S
B x B S x S b
x , x 0
B S
punând în evidenţă necunoscutele principale x B care se vor numi componente bazice
13
şi necunoscutele secundare x S care se vor numi componente nebazice.
Fixând, conform definiţiei 1, x S = 0 rezultă componentele bazice ale soluţiei
x B = B –1 · b şi prin urmare soluţia de bază a problemei este:
x = (B –1 · b, 0) t X B X p
pentru care funcţia obiectiv are valoarea:
f = c B · B –1 · b.
Teorema 1.2.8. Au loc afirmaţiile:
1. Orice soluţie de bază a problemei de programare liniară este vârf al
mulţimii soluţiilor posibile ale problemei şi reciproc.
2. Dacă X p atunci X B .
Definiţie 1.2.9.
1. O soluţie posibilă x1 este mai bună decât soluţia posibilă x2 dacă f(x1)
f(x ) când opt = min respectiv f(x1) f(x2) când opt = max.
2
2. O soluţie de bază x 0 este soluţia optimă dacă f(x0) are cea mai mare
valoare posibilă (opt = max) respectiv cea mai mică valoare posibilă (opt = min).
Teorema 1.2.10. Au loc afirmaţiile:
1. Mulţimea soluţiilor optime ale unei probleme de programare liniară este
mulţime convexă.
2. Soluţia optimă a problemei de programare liniară se află printre vârfurile
mulţimii soluţiilor posibile X p ale problemei.
14
Exemplul 1.3.3. Să se rezolve problema:
[max] f 2x1 5 x 2 x2 d4
2x 3 x 6 (d1 )
1 2 d3
x1 x 2 1 (d 2 )
A
x1 x 2 1 (d 3 )
- x1 x 2 1 (d 4 ) B
D Xp
x1 , x 2 0
0 x1
Vârfurile lui X P sunt A, B, C, D şi avem: C
d2 d1
3 8 46 9 4
A , , f (A) = , B , ,
5 5 5 5 5
38
f (B) = , C(1, 0) , f (C) = 2, D (0,1 ) , f (D) = 5,
5
t
46 3 8
adică f max = iar x opt = , (problema are optim finit unic)
5 5 5
Observaţie 1.3.4. Dacă în exemplul anterior s-ar fi cerut minimizarea funcţiei
obiectiv atunci f min = 2, iar x opt = (1, 0) t - optim finit unic.
15
1 1 1 1 1 1 10 4
B23 = , B23-1 = , x B = · = ; f (xB) = 18;
2 1 2 1 2 1 14 6
1 1 3 1 3 1 10 16
B24 = , B24-1 = , x B = · = ;
2 3 2 1 2 1 14 6
1 1 1 3 1 10 8
B34 = , B34-1 = 1 3 1 , x B = · = ; f (xB) = 18.
1 3
2 1 1 2 1 1 14 2
Deducem astfel că problema are 4 soluţii de bază şi anume:
16 18 t 3
x 1 = (2, 6, 0, 0) t ; x 2 = (
, 0, 0, ) , x = (0, 4, 6, 0) t şi x 4 = (0, 0, 8, 2) t
5 5
122 16 18 t
Obţinem f max = şi x opt = ( , 0, 0, ) , optimul fiind unic, şi f min = 18 şi
5 5 5
atunci x opt = · x3 + (1- ) · x4 = (0, 4 , 8 - 2 , 2 - 2 ) t , 0 1 optim finit
multiplu.
Observaţie 1.3.5. Se remarcă faptul că atât metoda grafică precum şi metoda
algebrică au două etape şi anume:
1. etapa de enumerare a soluţiilor posibile de bază;
2. etapa de evaluare a soluţiilor posibile de bază.
Ca urmare, cele două metode pot fi socotite drept cazuri particulare ale aşa numitei
metode de enumerare şi evaluare a soluţiilor întâlnită şi în alte clase de probleme de
optimizare.
Observaţie 1.3.7.
1. Presupunem mai departe că opt = max, deoarece dacă se cere minim din
relaţia max (-f) = - min (f) rezultă că este suficient să se determine
max (-f), iar apoi cu semn schimbat vom avea min f.
2. Întrebările la care trebuie să răspundă algoritmul simplex sunt
următoarele: cum pornim, cum trecem de la o soluţie la alta mai bună şi cum ne
oprim.
16
Fie problema de programare liniară:
max f c1· x1 c 2 · x 2 ... c n · x n
a x a x ... a x b
11 1 12 2 1n n 1
17
1
Avem 0 şi i 1 im 1 0 , i = 2, m rezultă 1m+1 0 şi
1m 1 1m 1
i
1 (raport minim) adică trecerea de la o soluţie de bază la altă
im 1 1m 1
soluţie de bază se face reducând o coloană cu respectarea condiţiilor în alegerea
pivotului:
- elementul pivot trebuie să fie pozitiv;
- dacă în coloana care se reduce sunt mai multe elemente pozitive
atunci pivotul va fi acela care furnizează cel mai mic raport când
termenii liberi se împart la elementele pozitive corespunzătoare, din
această coloană.
Soluţia obţinută x B1 va fi mai bună decât x B0 dacă f (x B1 ) – f (x B0 ) 0.
1 1 2, m 1
Avem f (x B1 ) – f (x B0 ) = c m+1 - c1 1 – c2 -…-
1m 1 1m 1
1 m, m 1 1
- cm = c m+1 – (c 1 1m+1 + c 2 2m+1 + …+ c m mm+1 ) =
1m 1 1m 1
= (c m+1 –f m+1) dacă f m+1 = c 1 1m+1 + c 2 2m+1 +…+ c m mm+1 = c B·P m+1
Cum 0 se obţine condiţia c m+1 – f m+1 0, care ne asigură că prin trecerea de la x
B la soluţia x B s-a obţinut o soluţie mai bună.
0 1
18
ik ij
sk sj
din care citim formal că „în locul lui sk noua valoare va fi egală cu
(diagonala pivotului – cealaltă diagonală) / pivot ” înţelegând că diagonala pivotului
este produsul sk ij iar cealaltă diagonală este produsul i k sj .
Exemplul 1.3.9. Să se rezolve cu algoritmul simplex, următoarea problemă de
programare liniară:
max f = x 1 + 2 x 2 + 3 x 3 + 5 x 4
2 x1 + x 2 - x 3 + 2 x 4 = 6
x1 + x 2 + 2 x 3 =5
x1 + 2 x 2 + x 3 + x 4 = 8
x j ≥0 j = 1,4
Rezolvare:
Etapele algoritmului simplex vor fi parcurse prin întocmirea
următorului tabel:
1 2 3 5 c
cB B
P1 P2 P3 P4 b
- - [2] 1 -1 2 6
- - 1 1 2 0 5
- - -1 2 1 1 8
1 P1 1 1 /2 -1 /2 1 3
- - 0 [1 /2] 5 /2 -1 2
- - 0 5 /2 1 /2 2 11
1 P1 1 0 -3 2 1
2 P2 0 1 5 -2 4
- - 0 0 -12 [7] 1
1 P1 1 0 [3/7] 0 5/7
2 P2 0 1 11/7 0 30/7
5 P4 0 0 -12/7 1 1/7
fj 1 2 -5 5 10
cj - f j 0 0 8 0 -
3 P3 7/3 0 1 0 5/3
2 P2 -11/3 1 0 0 5/3
5 P4 4 0 0 1 3
fj 59/3 2 3 5 70/3
cj - f j -56/3 0 0 0 -
În consecinţă, am obţinut soluţia optimă, deoarece toate diferenţele cj - fj
sunt nepozitive, şi astfel x opt = (0, 5/3, 5/3, 3) t cu f max = 70/3.
Cazul soluţiei infinite 1.3.10. Există situaţii în care funcţia de optimizat are un
maxim infinit, adică valoarea ei poate fi făcută oricât de mare. Aceasta se întâmplă
dacă există o diferenţă cj - fj pozitivă, dar pe coloana acesteia nu există nici un
element pozitiv, care să fie luat pivot.
19
Exemplul 1.3.11. Să se rezolve problema de programare liniară:
max f = 4 x 1 - x 2 + 2 x 3 + 4 x 4
6 x1 x 2 - 3 x 4 11
4x x 2x 8
1 2 3
4 x x 3 x4 8
1 2
x j 0 j 1,4
Rezolvare:
Vom lucra în mod obişnuit în tabelul simplex:
4 -1 2 4 c
cB B
P1 P2 P3 P4 b
- - 6 1 0 -3 11
- - 4 -1 [2] 0 8
- - 4 -1 0 3 8
- - 6 1 0 -3 11
2 P3 4 -1 /2 1 0 4
- - 4 -1 0 [3] 8
- - [10] 0 0 0 19
2 P3 2 -1 /2 1 0 4
4 P4 4/3 -1/3 0 1 8/3
4 P1 1 0 0 0 19/10
2 P3 0 -1 /2 1 0 1/5
4 P4 0 -1/3 0 1 2/15
fj 4 -7/3 2 4 128/15
cj - f j 0 4/3 0 0 -
1 1
Întrucât c2 – f2 = 4 0 iar 12 = 0, 22 = 0 , 32 = 0 , avem
3 2 3
19 1 M 2 M , avem: f
deci că fmax = + şi luând x 2 = M 0, x 1 = , x3 = , x4 =
10 5 2 15 3
= 128
4 M , şi astfel când M f .
15 3
Degenerarea în problemele de programare liniară 1.3.12. Soluţia de bază este
degenerată dacă numărul componentelor sale mai mari decât 0 este mai mic decât m
(în coloana b există 0). Această situaţie apare, fie la început, fie pe parcurs, când la
introducerea în bază a unui vector, există mai multe componente pozitive care
furnizează acelaşi raport minim. Pentru a evita fenomenul de ciclare, elementul pivot
va fi ales acela care furnizează cea mai mică linie în ordonarea lexicografică.
Definiţie 1.3.13. Linia (x1, x2, …, xn ; x) este mai mică în ordonarea lexicografică
decât linia (y1, y2, …, yn ; y) dacă x y sau x = y şi x1 y1, sau x = y, x1 = y1, şi x2
y2, sau … x = y, x1 = y1, … , xn-1 = yn-1 şi xn yn.
Exemplul 1.3.14. Să se rezolve problema de programare liniară:
max f = 4 x 1 + x 2 + 5 x 3 + 2 x 4
x1 3 x 2 x 3 x 4 7
2 x x x x 7
1 2 3 4
x 2x 3x 8
1 2 3
x j 0 j 1,4
20
Rezolvare:
4 1 5 2 c
cB B
P1 P2 P3 P4 b
- - 1 3 1 1 7
- - [2] 1 1 1 7
- - 1 2 3 0 8
- - 0 [5/2] 1 /2 1 /2 7/2
4 P1 1 1 /2 1 /2 1 /2 7/2
- - 0 3/2 5 /2 -1 /2 9/2
1 P2 0 1 1/5 1/5 7/5
4 P1 1 0 2/5 2/5 14/5
- - 0 0 [11/5] -4/5 12/5
1 P2 0 1 0 [3/11] 13/11
4 (*) P1 1 0 0 6/11 26/11
5 P3 0 0 1 -4/11 12/11
fj 4 1 5 7/11 177/11
cj - f j 0 0 0 15/11 -
2 P4 0 11/3 0 1 13/3
4 P1 1 -2 0 0 0
5 P3 0 4/3 1 0 8/3
fj 4 6 5 2 22
cj - f j 0 -5 0 0 -
În tabelul marcat cu (*) a fost ales elementul pivot 3/11, deoarece linia
întâi, împărţită la 3/11 , este mai mică în ordonarea lexicografică decât linia a doua,
împărţită la 6/11.
Soluţia optimă obţinută este degenerată:
x opt = (0, 0, 8/3, 13/3) t pentru care f max = 22, unde x 1 = 0 deşi este
necunoscută principală.
Soluţii multiple. Soluţia generală 1.3.15. Analizând tabelul simplex care conţine
soluţia optimă se constată că numărul zerourilor din linia diferenţelor c j – f j este mai
mare decât m (diferenţele c j – f j corespunzătoare vectorilor bazei optime sunt nule )
atunci problema poate avea mai multe soluţii optime. Celelalte soluţii optime se
obţin reducând pe rând, dacă este posibil, coloanele care au diferenţa c j – f j = 0.
După obţinerea tuturor soluţiilor optime se scrie soluţia generală ca şi combinaţie
liniară convexă a acestora.
Exemplul 1.3.16. Să se rezolve problema de programare liniară:
max f = 4 x 1 + 5 x 2 + 8 x 3 + 2 x 4 + 3 x 5
2 x1 3 x 2 3 x 3 x 4 2 x 5 10
x x 2x 6x 3x 5
1 2 3 4 5
x x x -2x 2x 4
1 2 3 4 5
x j 0 j 1,5
Rezolvare:
Aplicăm algoritmul simplex în următorul tabel:
4 5 5 2 3 c
cB B
P1 P2 P3 P4 P5 b
- - 2 3 3 1 2 10
- - 1 -1 2 -6 3 5
- - [1] 1 1 -2 2 4
21
- - 0 [1] 1 5 -2 2
- - 0 -2 1 -4 1 1
4 P1 1 1 1 -2 2 4
5 P2 0 1 1 5 -2 2
- - 0 0 [3] 6 -3 5
4 P1 1 0 0 -7 4 2
5 P2 0 1 0 3 -1 1/3
8 P3 0 0 1 2 -1 5/3
4 P1 1 0 0 -7 [4] 2
fj 4 5 8 3 3 23
cj - fj (*) 0 0 0 -1 0 -
5 P2 1 /4 1 0 5/4 0 5/6
8 P3 1 /4 0 1 1 /4 0 13/6
3 P5 1 /4 0 0 -7/4 1 1 /2
fj 4 5 8 3 3 23
cj - f j 0 0 0 -1 0 -
Prima soluţie optimă este x opt1 = (2, 1/3, 5/3, 0, 0) t , f max = 23, dar cum pe
linia diferenţelor c j – f j marcată (*) sunt patru zerouri soluţia nu este unică, cea de a
doua soluţie optimă se obţine prin reducerea coloanei P5 deoarece c 5 – f 5 = 0.
Astfel, x opt2 = (0, 5/6, 13/6, 0, 1 /2) t , f max = 23, iar soluţia generală va fi: x opt = 1 ·
x opt1 + 2 · x opt2 cu 1 , 2 0 şi
1 + 2 = 1, adică:
5 5 13 2
t
x opt = 2 1 , 1 2 , 1 , 0, 2 , f max =23.
3 6 3 6 2
22
Exemplul 1.3.19. Să se rezolve problema de programare liniară:
max f = 4 x 1 +2 x 2 + 5 x 3 + x 4
x1 3 x 2 - x 3 2 x 4 5
- x1 2 x 2 x 3 5 x 4 3
2 x 1 x 2 2 x 3 x 4 8
x 2x x x 7
1 2 3 4
x j 0 j 1,4
Rezolvare:
Introducând necunoscutele de compensare x 5, x 6, x 7 avem:
max f = 4 x 1 +2 x 2 + 5 x 3 + x 4
x1 3 x 2 - x 3 2 x 4 5
- x1 2 x 2 x 3 5 x 4 - x 5 3
2 x 1 x 2 2 x 3 x 4 x 6 8
x 2x x x x 7
1 2 3 4 7
x j 0 j 1,7
Pentru rezolvare construim tabelul simplex următor:
4 2 5 1 0 0 0 c
cB B
P1 P2 P3 P4 P5 P6 P7 b
- - 1 3 -1 2 0 0 0 5
- - -1 [2] 1 5 -1 0 0 3
0 P6 2 1 2 1 0 1 0 8
0 P7 1 2 1 2 0 0 1 7
- - [5/2] 0 -5/2 -11/2 3/2 0 0 1/ 2
2 P2 -1 /2 1 1 /2 5/2 -1 /2 0 0 3/2
0 P6 5/2 0 3/2 -3/2 1/ 2 1 0 13/2
0 P7 2 0 0 -3 1 0 1 4
4 P1 1 0 -1 -11/5 3/5 0 0 1/5
2 P2 0 1 0 7/5 -1/5 0 0 8/5
0 P6 0 0 [4] 4 -1 1 0 6
0 P7 0 0 2 7/5 -1/5 0 1 18/5
fj 4 2 -4 -6 2 0 0 4
cj – fj 0 0 9 7 -2 0 0 -
4 P1 1 0 0 -6/5 7/20 1/ 4 0 17/10
2 P2 0 1 0 7/5 -1/5 0 0 8/5
5 P3 0 0 1 1 -1/4 1/ 4 0 3/ 2
0 P7 0 0 0 -3/5 [3/10] -1/ 2 1 3/5
fj 4 2 5 3 -1/ 4 9/4 0 35/2
cj – fj 0 0 0 -2 1/ 4 -9/4 0 -
4 P1 1 0 0 -1/ 2 0 5/6 -7/6 1
2 P2 0 1 0 1 0 -1/ 3 2/ 3 2
5 P3 0 0 1 1/ 2 0 -1/6 5/6 2
0 P5 0 0 0 -2 1 -5/3 10/3 2
fj 4 2 5 5/2 0 11/6 5/6 18
cj – fj 0 0 0 -3/ 2 0 -11/6 -5/6 -
Astfel, soluţia optimă a problemei generale este:
x opt = (1, 2, 2, 0) t, f max = 18.
Se vede că nu au fost scrise valorile necunoscutelor de compensare
x 5 = 2, x 6 = 0, x7 = 0.
23
Probleme cu soluţii impuse 1.3.20. Există situaţii practice în care, din motive
diverse, anumite componente ale soluţiei sunt restricţionate să ia:
1. anumite valori, adică xj = pj pentru un j dat;
2. valori în anumite intervale, adică pj xj qj, pentru un j dat.
Astfel de situaţii sunt socotite modele sau probleme cu soluţii impuse
atunci când restricţii precum cele menţionate sunt altele decât cele de semn.
opt f cx
Fie problema (*) Ax b
x0
Dacă se impune condiţia xj = pj, atunci se reduce problema la (n-1)
variabile, renunţând la variabila xj în funcţia obiectiv care devine g = f – cjpj şi având
în vedere că termenul liber va deveni b = b - pjPj, unde Pj este coloana coeficienţilor
lui xj din matricea A. Problema devine:
n
opt g cs xs
s 1
s j
n
Ps xs b p j Pj
s 1
s j
x 0
Rezolvare:
Problema cu soluţie impusă devine: [max]g= x1 + 2x2 + 3x3 +4x4
2 x1 x 2 x3 3x 4 16
x1 2 x 2 3x3 x 4 16
x 0
1 2 3 4 c
cB B
P1 P2 P3 P4 b
- - 2 1 1 [3] 16
- - 1 2 3 1 16
4 P4 2/3 1/3 1/3 1 16/3
- - 1/3 5/3 [8/3] 0 32/3
4 P4 5/8 1/8 0 1 4
3 P3 1/8 5/8 1 0 4
fj 23/8 19/8 3 4 28
cj - f j -15/8 -3/8 0 0 -
din care deducem că soluţia problemei date este:
xopt = (0, 0, 4, 4, 4)t cu fmax= 44.
Observaţie 1.3.22. Soluţiile problemelor “cu soluţii impuse” nu mai sunt soluţii de
bază (ele pot avea mai multe componente strict pozitive decât dimensiunea bazei).
Revenind la problema (*), dacă se adaugă o restricţie de tipul pj xj qj
atunci avem de soluţionat problema:
[opt]f = cx
24
Ax b
p j x j q j , j fixat
x 0
5
x x 6 6
x x 2
5 7
j
x 0 , j 1,7
iar rezolvarea este dată în tabelul:
1 2 3 4 5 0 0 c
cB B
P1 P2 P3 P4 P5 P6 P7 b
- - 2 1 1 [3] 1 0 0 30
- - 1 2 3 1 4 0 0 32
0 P6 0 0 0 0 1 1 0 6
- - 0 0 0 0 1 0 -1 2
4 P4 2/3 1/3 1/3 1 1/3 0 0 10
- - 1/3 5/3 [8/3] 0 11/3 0 0 22
0 P6 0 0 0 0 1 1 0 6
- - 0 0 0 0 1 0 -1 2
4 P4 5/8 1/8 0 1 -1/8 0 0 29/4
3 P3 1/8 5/8 1 0 11/8 0 0 33/4
0 P6 0 0 0 0 1 1 0 6
- - 0 0 0 0 [1] 0 -1 2
4 P4 5/8 1/8 0 1 0 0 -1/8 15/2
3 P3 1/8 5/8 1 0 0 0 11/8 11
0 P6 0 0 0 0 0 1 [1] 4
5 P5 0 0 0 0 1 0 -1 2
fj 23/8 19/8 3 4 5 0 -11/8
cj-fj -15/8 -3/8 0 0 0 0 11/8 -
4 P4 5/8 1/8 0 1 0 1/8 0 8
3 P3 1/8 5/8 1 0 0 11/8 0 11/2
0 P7 0 0 0 0 0 1 1 4
5 P5 0 0 0 0 1 1 0 6
fj 23/8 19/8 3 4 5 11/8 0 157/2
cj-fj -15/8 -3/8 0 0 0 -11/8 0 -
25
Observaţie 1.3.24.
1) Fără cele două „impuneri” suplimentare problema considerată are soluţia
48 76
optimă xopt (0, 0, 0, , )t şi fmax = 52.
11 11
2) Din punct de vedere economic, modelele cu soluţii impuse au diverse
semnificaţii sau interpretări (în cazul alocării de fonduri putând vorbi de alocarea
într-un domeniu a unei anumite sume fixe sau cel mult egală cu un anumit plafon sau
cel puţin egală cu un anumit plafon, etc.). Din punct de vedere matematic, soluţiile
impuse unui anumit model înseamnă adăugarea unor noi restricţii care, de regulă,
restrâng mulţimea soluţiilor posibile corespunzătoare problemei date şi implicit
mulţimea soluţiilor optime (ajungându-se uneori chiar la probleme fără soluţii).
Test de autoevaluare
[min] f 5 x1 3x 2
2 x1 3x 2 12
x x 2
1 2
x1 x 2 2
x0
2. Să se rezolve prin metoda algebrică problema:
[max] f x1 2 x 2 3x3 4 x 4
2 x1 x 2 x3 3x 4 18
x1 2 x 2 x3 x 4 12
x0
a)[max] f 2 x1 x 2 4 x3 3x 4 5 x5
x1 x3 2 x 4 x5 12
x 2 2 x3 x 4 3x5 14
x0
b)[min] f 3x1 2 x 2 x 3 5 x 4 x 5
2 x1 x 2 x 4 3x 5 12
x1 3x 2 x 3 2 x 5 20
x0
26
Probleme propuse
[max] f x1 3x 2 4 x3 5 x 4 x5
2 x1 x 2 x3 x 4 x5 12
x 2 x x x x 16
1 2 3 4 5
x1 x 2 2 x3 x 4 2 x5 18
x0
a)[max] f 2 x1 5 x 2 4 x3 3x 4 x5
2 x1 x 2 x3 2 x 4 18
x 3x 2 x x 24
1 2 4 5
3
1 x x 2 x 3 x 4 2 x5 20
x0
b)[min] f 4 x1 2 x 2 3x 3 4 x 4 5 x 5
2 x1 x 2 x 3 3x 4 x 5 20
x 2 x x x 3x 24
1 2 3 4 5
1x x 2 2 x 3 x 4 x 5 16
x0
Concluzii
Metoda simplex are câteva calităţi care o fac preferabilă metodei „căutării printre
soluţiile de bază” (sau „a enumerării şi evaluării soluţiilor de bază”). În primul rând
se remarcă simplitatea calculelor, iar în al doilea rând se constată că fiecare soluţie
de bază analizată este mai bună (sau cel puţin la fel de bună) ca precedenta. Această
calitate selectivă este un argument important privind aprecierea eficienţei metodei
simplex. Având în vedere că, prin modul în care a fost construit, algoritmul simplex
a fost uşor programabil pe calculator, putem trage concluzia că metoda simplex este,
în general, un procedeu eficient de soluţionare a unui model de optimizare liniar.
Deoarece variabilele problemei sunt supuse doar restricţiei de pozitivitate,
vom constata că procedeul de mai sus nu este aplicabil (sau că este inoperabil), în
general, dacă restricţia devine:
x D Rn sau x D Nn sau x D Nm x Rn m , m < n.
De asemenea, soluţionarea prin algoritmul simplex a pornit de la minimum
două ecuaţii liniare, ceea ce face ca procedeul să fie inoperabil în cazul particular
27
(dar destul de frecvent) întâlnit în probleme de alocare de fonduri financiare (şi nu
numai) în care variabilele sunt legate doar printr-o condiţie.
Aceste observaţii arată că, deşi este eficientă în practică, metoda simplex nu este
universal valabilă în programarea liniară, deci se poate spune că aplicabilitatea sa are
anumite limite.
28
Unitatea de studiu 2.
Dualitatea. Algoritmul simplex dual
Cuprins
Introducere ..................................................................................................... 29
Obiectivele unităţii de studiu ........................................................................... 29
2.1. Dualitatea................................................................................................. 29
2.2. Algoritmul simplex dual ............................................................................ 32
Test de autoevaluare ...................................................................................... 34
Probleme propuse .......................................................................................... 34
Introducere
În a doua unitate de studiu se construieşte problema duală a unei
probleme de programare liniară şi se evidenţiază asemănările şi
deosebirile dintre ele, rezolvându-se în paralel atât problema primală,
cât şi duala acesteia. În partea a doua este prezentat şi exemplificat
algoritmul simplex dual.
Durata medie de parcurgere a unităţii de studiu este de 2 ore
Termeni cheie
Problema duală, problema primală, cuplu de probleme duale forma
simetrică, algoritmul simplex dual.
2.1. Dualitatea
29
Definiţie 2.1.1. Se numeşte duala acestei probleme următoarea problemă de
programare liniară: (2)
max g = y·b
y A c
(2)
y oarecare
Teorema 2.1.2. Dacă x 0 şi y 0 sunt soluţii posibile oarecare ale problemelor (1) şi (2)
atunci g(y 0 ) = y 0 b c x 0 = f (x 0).
yn+2 0
DUALĂ
30
Observaţie 2.1.5. Având în vedere rezultatele de mai sus deducem că între
problemele unui cuplu primal-dual există anumite legături precise a căror cunoaştere
înseamnă posibilitatea scrierii dualei oricărei probleme de programare liniară. Astfel:
1) dacă problema primală cere maximizarea funcţiei obiectiv, atunci în
problema duală se va cere minimizarea funcţiei obiectiv şi reciproc;
2) numărul de restricţii ale primalei indică numărul de variabile ale
problemei duale şi reciproc;
3) numărul de variabile ale primalei indică numărul de restricţii ale dualei
şi reciproc;
4) termenii liberi din primală devin coeficienţi ai funcţiei obiectiv din
duală şi reciproc;
5) coeficienţii funcţiei obiectiv din primală devin termeni liberi în duală
şi reciproc;
6) dacă primala are matricea coeficienţilor tehnologici A atunci duala va
avea ca matrice a coeficienţilor tehnologici transpusa matricei A;
7) dacă primala are restricţii:
a) inegalităţi concordante („max”+””; „min”+””);
b) inegalităţi neconcordante („max”+””; „min”+””);
c) egalităţi,
atunci acestora le corespund în duală respectiv:
a) variabile nenegative;
b) variabile nepozitive;
c) variabile de semne oarecare
şi reciproc,
8) dacă primala are:
a) variabile nenegative;
b) variabile nepozitive;
c) variabile oarecare,
atunci acestora le corespund în duală respectiv:
a) restricţii inegalităţi concordante;
b) restricţii inegalităţi neconcordante;
c) restricţii egalităţi.
Exemplul 2.1.6. Să se rezolve problemele duale simetrice:
max f = 3 x1 + 5 x2 + 2 x3 min g = 6 y4 + 5 y5 + 7 y6
3 x1 2 x2 x3 6 3 y4 y5 2 y6 3
x 2x 2x 5 2 y 2 y y 5
1 2 3 4 5 6
2 x
1 2 x x3 7 4y 2 y 5 y 6 2
x1 , x2 , x3 0 y4 , y5 , y6 0
Rezolvare:
Vom rezolva, pe rând, cele două probleme cu algoritmul simplex şi apoi
vom evidenţia, în fiecare tabel şi soluţia optimă a celeilalte probleme:
3 5 2 0 0 0 c
cB B
P1 P2 P3 P4 P5 P6 b
0 P4 3 2 1 1 0 0 6
0 P5 1 [2] 2 0 1 0 5
0 P6 2 -1 1 0 0 1 7
fj 0 0 0 0 0 0 0
cj – f j 3 5 2 0 0 0 -
0 P4 [2] 0 -1 1 -1 0 1
5 P2 1/ 2 1 1 0 1/ 2 0 5/2
31
0 P6 5/2 0 2 0 1/ 2 1 19/2
fj 5/2 5 5 0 5/2 0 25/2
cj – f j 1/ 2 0 -3 0 -5/2 0 -
3 P1 1 0 -1/ 2 1/ 2 -1/ 2 0 1/ 2
5 P2 0 1 5/4 -1/ 4 3/ 4 0 9/4
0 P6 0 0 13/4 -5/4 7/4 1 33/4
fj 3 5 19/4 1/ 4 9/4 0 51/4
cj – f j 0 0 -1/ 4 -1/ 4 -9/4 0 -
Astfel soluţia optimă este: x opt = (1/ 2, 9/4, 0, 0, 0, 33/4 ) , fmax = 51/4.
t
Soluţia problemei duale este y opt = (0, 0, 11/4, 1/ 4, 9/4, 0 ), valori luate din
linia cj – fj dar cu semn schimbat iar g min = 51/4.
Ne putem convinge de acest fapt prin rezolvarea directă a problemei duale:
0 0 0 6 5 7 b
bB B
Q1 Q2 Q3 Q4 Q5 Q6 c
- - -1 0 0 [3] 1 2 3
- - 0 -1 0 2 2 -1 5
- - 0 0 -1 1 2 1 2
6 Q4 -1/ 3 0 0 1 1/3 2/3 1
- - 2/3 -1 0 0 4/3 -7/3 3
- - 1/3 0 -1 0 [5/3] 1/3 1
6 Q4 -2/5 0 1/5 1 0 3/5 4/5
- Q5 2/5 -1 [4/5] 0 0 -13/5 11/5
5 - 1/5 0 -3/5 0 1 1/5 3/5
6 Q4 -1/ 2 1/ 4 0 1 0 5/4 1/ 4
0 Q3 1/ 2 -5/4 1 0 0 -13/4 11/4
5 Q5 1/ 2 -3/4 0 0 1 -7/4 9/4
gi -1/ 2 -9/4 0 6 5 -5/4 51/4
bi – gi 1/ 2 9/4 0 0 0 33/4 -
Cum toate diferenţele bi – gi 0, avem soluţia optimă g min = 51/4 cu yopt =
(0, 0, 11/4, 1/ 4, 9/4, 0) respectiv pentru problema primală avem x opt = (1/ 2, 9/4, 0,
0, 0, 33/4 ) t, valori luate din linia bi – gi iar fmax = 51/4 = g min . Se vede, într-adevăr,
că s-au obţinut aceleaşi soluţii.
Există situaţii când prin înmulţirea unor restricţii cu (-1) apar în tabel
vectori ce pot fi consideraţi în bază, caz în care se adoptă o metodă puţin modificată
faţă de algoritmul simplex. De fapt este vorba de aplicarea algoritmului simplex, dar
asupra problemei duale. Etapele sunt aceleaşi, dar, dacă în coloana b există elemente
negative, atunci alegerea elementului pivot se va face respectând următoarele două
condiţii:
- pe linia elementului negativ din coloana b se alege element pivot negativ;
- dacă sunt mai multe elemente negative pe această linie atunci pivotul va
fi acela care furnizează cel mai mic raport, în valoare absolută, dar
considerat faţă de elementele corespunzătoare din linia c j – f j.
Test de autoevaluare
1. Rezolvaţi fiecare din problemele de mai jos atât direct cât şi prin duala sa
şi apoi apreciaţi care dintre soluţionări a fost mai rapidă (sau mai comodă).
33
a)[min] f 2 x1 3 x 2 x3
b)[max] f 2 x1 3x 2 5 x3
x1 2 x 2 3 x3 5
x 2x x 9 2 x1 x 2 4 x3 10
1
x1 3x 2 3x3 12
2 3
12 x 3 x 2 x 3 16
2
x0
x0
Probleme propuse
1. Rezolvaţi fiecare din problemele de mai jos atât direct cât şi prin duala sa
şi apoi apreciaţi care dintre soluţionări a fost mai rapidă (sau mai comodă).
a)[min] f 3 x1 2 x 2 4 x3
b)[max] f x1 2 x 2 3x3
x1 2 x 2 3 x3 5
3x x 2 x 8 x1 2 x 2 x3 6
1
2 x1 x 2 3x3 9
2 3
2 x1 3x 2 x3 15 x0
x0
34
Unitatea de studiu 3.
Reoptimizarea problemelor de programare liniară
Cuprins
Introducere ..................................................................................................... 35
Obiectivele unităţii de studiu ........................................................................... 35
3.1. Modificarea vectorului c ........................................................................... 36
3.2. Modificarea vectorului b ........................................................................... 36
3.3 Modificarea unui vector coloană Pj din matricea A .................................. 39
3.4 Adăugarea unei noi coloane la matricea A ............................................... 40
3.5 Modificarea unei linii a matricei restricţiilor................................................ 41
Test de autoevaluare ...................................................................................... 43
Probleme propuse .......................................................................................... 43
Introducere
În a treia unitate de studiu se va determina soluţia unei probleme de
programare liniară, folosind soluţia optimă a unei alte probleme de
programare liniară, care diferă prima prin unul sau mai multe elemente.
Durata medie de parcurgere a unităţii de studiu este de 2,5 ore
Termeni cheie
Reoptimizare, vectorul coeficienţilor din funcţia obiectiv, vectorul
termenilor liberi.
35
3.1. Modificarea vectorului c
36
Exemplul 3.2.1. Să se rezolve problema de programare liniară următoare:
max f = 2 x1 +3 x2 + 4 x3 + x4 +x5
2 x1 x2 x3 2 x4 2 x5 14
x 2 x x 2 x 2 x 16
1 2 3 4 5
2 x 2 x 2 x x 2 x 18
1 2 3 4 5
x j 0 j 1,5
şi apoi să se reoptimizeze dacă:
a) b b (1) = (24, 30, 16) t
b) b b (1) = (20, 16, 10) t
c) c c (1) = (1, 2, 3, 4, 5)
d) c c (1) = (1, 2, 3, 7, 8)
Rezolvare:
Aplicând algoritmul simplex primal avem:
2 3 4 1 1 0 0 c
cB B
P1 P2 P3 P4 P5 P6 P7 b
0 P6 2 1 1 2 2 1 0 14
- - 1 2 1 2 2 0 0 16
- - 2 2 [2] 1 2 0 -1 18
0 P6 1 0 0 3/2 1 1 1/ 2 5
- - 0 [1] 0 3/2 1 0 1/ 2 7
4 P3 1 1 1 1/ 2 1 0 -1/2 9
0 P6 1 0 0 3/2 1 1 [1/ 2] 5
3 P2 0 1 0 3/2 1 0 1/ 2 7
4 P3 1 0 1 -1 0 0 -1 2
fj 4 3 4 1/ 2 3 0 -5/2 29
cj- fj -2 0 0 1/ 2 -2 0 5/2 -
0 P7 2 0 0 3 2 2 1 10
3 P2 -1 1 0 0 0 -1 0 2
4 P3 3 0 1 2 2 2 0 12
fj 9 3 4 8 8 5 0 54
cj- fj -7 0 0 -7 -7 -5 0 -
Rezultă x opt = (0, 2, 12, 0, 0) t şi f max = 54
2 1 0 16 18
deci avem soluţie optimă în aceeaşi configuraţie a componentelor, dar cu alte valori şi
anume: xB(1) = (0, 6, 18, 0, 0) t şi f max(1) = 90 f max = 54.
37
2 0 1 20 30
xB(1) = B –1 b (1) = 1 1
0 · 16 4 deci avem o soluţie dual posibilă având
2 1 0 10 24
în vedere şi faptul că c j – f j 0 de la care vom porni pentru căutarea noii soluţii.
Înlocuind coloana b prin b (1) şi aplicând algoritmul simplex dual avem:
2 3 4 1 1 0 0 c
cB B
P1 P2 P3 P4 P5 P6 P7 b(1)
0 P7 2 0 0 3 2 2 1 30
3 P2 -1 1 0 0 0 [-1] 0 -4
4 P3 3 0 1 2 2 2 0 24
fj 9 3 4 8 8 5 0 -
cj-fj -7 0 0 -7 -7 -5 0 -
0 P7 0 2 0 3 2 0 1 22
0 P6 1 -1 0 0 0 1 0 4
4 P3 1 2 1 2 2 0 0 16
fj 4 8 4 8 8 0 0 64
cj-fj -2 -5 0 -7 -7 0 0 -
Soluţia optimă este xopt = (0, 0, 16, 0, 0) şi f max = 64 f max = 54
(1) t (1)
38
3.3. Modificarea unui vector coloană P j din matricea A
x j 0 j 1,5
care are soluţia optimă unică x opt = (0, 0, 12, 2, 0) t, f max = 50.
39
3.4. Adăugarea de noi coloane la matricea A
Rezolvare:
6 5 4 7 c
cB B
P1 P2 P3 P4 b
- - 1 3 -1 2 14
- - [1] 2 3 1 9
- - 1 1 -4 [1] 5 8 15
6 P1 0 2 3 1 9 P5 P6
7 P4 0 1 -4 1 5 -1 0
6 P1 1 1 7 0 4 4 [2]
fj 6 13 14 7 59 17 12
cj - fj 0 -8 -10 0 - -9 3
7 P4 0 1 -4 1 5 -1 0
15 P6 1/ 2 1/ 2 7/2 0 2 2 1
fj 15/2 29/2 49/2 7 65 23 15
cj - fj -3/2 -19/2 -41/2 0 - -15 0
Soluţia optimă pentru problema iniţială este x opt = (4, 0, 0, 5) , f max = 59.
t
1 0
Deoarece B = 2 1 , B–1 =
1
avem B–1 · P5 = 1 şi B–1 · P6 = ,
1 1 1 2
4
2
coloane care au fost trecute la sfârşitul tabelului. S-au calculat şi elementele din liniile
fj şi cj -fj corespunzătoare acestor coloane iar întrucât c6 - f6 = 3 0, soluţia nu rămâne
optimă. După introducerea vectorului P 6 în bază, se obţine soluţia optimă a problemei
reoptimizate x opt =(0,0,0,5, 0, 2) t , f max = 65.
40
3.5. Modificarea unei linii a matricei restricţiilor
41
3 1
4 4 4
1
Întrucât B = (P1, P2, P3) şi B 1 1 3 1
4 4 4
1 1 3
4 4 4
iteraţia (*) optimă a problemei iniţiale devine:
1 2 3 4 5 0 0 c
cB B
P1 P2 P3 P4* P5* P6 P7 b
1 P1 1 0 0 -1/2 -1/4 3/4 1/4 7/2
2 P2 0 1 0 -1/2 -5/4 -1/4 1/4 3/2
3 P3 0 0 1 5/2 [15/4] -1/4 -3/4 11/2
fj 1 2 3 6 17/2 -1/2 -3/2 23
cj-fj 0 0 0 -2 -7/2 1/2 3/2 -
1 P1 1 0 1/15 -1/3 0 11/15 1/5 58/15
2 P2 0 1 1/3 1/3 0 -1/3 0 10/3
5 P5* 0 0 4/15 2/3 1 -1/15 -1/5 22/15
fj 1 2 31/15 11/3 5 -4/15 -4/5 268/15
cj-fj 0 0 14/15 1/3 0 4/15 4/5 -
Din tabel deducem că problema modificată are soluţia optimă
58 10 22 268
xopt ( , , 0, 0, )t şi fmin =
(1) (1)
15 3 15 15
b) Dacă L2(1) = (2, 2, 2, 2, 2) remarcăm că sunt afectate şi coloanele bazice
astfel că:
2 1 1 1 -1 0
2
B 2 2 2 şi B (1) - 1 3
(1) 1
- 1 ,
1 1 2 2
0 -1 - 1
2
iar iteraţia optimă (*) a problemei iniţiale devine:
1 2 3 4 5 0 0 c
cB B * * * *
P1 P2 P3 P4 P5 P6 P7 b
1 P1* 1 0 0 0 1 1 0 8
2 P2 0 1 0 1 [-2] -1 1 -12
3 P3* 0 0 1 0 2 0 -1 20
fj 1 2 3 2 3 -1 -1
cj-fj 0 0 0 2 2 1 1 -
*
1 P1 1 1/2 0 1/2 0 [1/2] 1/2 2
5 P5* 0 -1/2 0 -1/2 1 1/2 -1/2 6
3 P3* 0 1 1 1 0 -1 0 8
fj 1 1 3 1 5 0 -2 56
cj-fj 0 1 0 3 0 0 2 -
0 P6 2 1 0 1 0 1 1 4
5 P5* -1 -1 0 -1 1 0 -1 4
3 P3* 2 2 1 2 0 0 1 12
fj 1 1 3 1 5 0 -2 56
cj-fj 0 1 0 3 0 0 2 -
Rezultă că problema modificată are optim multiplu cu xopt(11) = (2, 0, 8, 0, 6)t,
xopt(12) = (0, 0, 12, 0, 4)t, xopt(1) = (2, 0, 12-4, 4+2)t, 0 1, fmin(1) = 56.
42
Observaţie 3.5.2. Utilitatea practică a reoptimizării se poate reflecta prin:
1) eficienţa procedeului în raport cu soluţionarea problemei modificate ca o
problemă nouă, atunci când se poate, deoarece calculele se reiau de la soluţia optimă a
problemei date şi se studiază efectul modificărilor asupra optimalităţii soluţiei;
2) posibilitatea simulării unor modificări pentru a cunoaşte existenţa sau
inexistenţa unor soluţii optime sub influenţa variaţiilor elementelor definitorii ale
modelului.
Să se rezolve problema:
[min] f x1 2 x2 3x3 4 x4 5 x5 6 x6
3x1 2 x2 2 x3 x4 x5 2 x6 24
x 2 x 2 x x 2 x 2 x 20
1 2 3 4 5 6
x1 x2 2 x3 2 x4 2 x5 3 x6 16
x0
şi apoi să se reoptimizeze soluţiile acesteia dacă:
a) b → b(1) = (40, 32, 20)t sau b → b(1) = (24, 30, 32)t;
b) c → c(1) = (6, 5, 4, 3, 2, 1) sau c → c(1) = (1, 3, 5, 3, 1, 6);
c) P1 → P1(1)=(1,2,3)t sau P2 → P2(1)=(3,2,1)t sau P3 → P3(1)=(1,3,1)t;
d) se adaugă P7 = (1, 2, 3)t şi c7 = 2 respectiv P7 = (3, 2, 1)t şi c7 = 5;
e) L1→ L1(1) = (3, 2, 1, 1, 2, 3) sau L2 → L2(1) = (1, 2, 3, 3, 2, 1) sau
L3 → L3(1) = (1, 2, 1, 2, 3, 1) .
Probleme propuse
Să se rezolve problema:
[max] f x1 2 x2 3x3 4 x4 5 x5 6 x6
3x1 2 x2 2 x3 x4 x5 2 x6 24
x 2 x 2 x x 2 x 2 x 20
1 2 3 4 5 6
x
1 2 x 2 x3 2 x4 2 x5 3 x6 16
x0
şi apoi să se reoptimizeze soluţiile acesteia dacă:
a) b → b(1) = (40, 32, 20)t sau b → b(1) = (24, 30, 32)t;
b) c → c(1) = (6, 5, 4, 3, 2, 1) sau c → c(1) = (1, 3, 5, 3, 1, 6);
c) P1 → P1(1)=(1,2,3)t sau P2 → P2(1)=(3,2,1)t sau P3 → P3(1)=(1,3,1)t;
d) se adaugă P7 = (1, 2, 3)t şi c7 = 2 respectiv P7 = (3, 2, 1)t şi c7 = 5;
e) L1→ L1(1) = (3, 2, 1, 1, 2, 3) sau L2 → L2(1) = (1, 2, 3, 3, 2, 1) sau
L3 → L3(1) = (1, 2, 1, 2, 3, 1) .
43
Unitatea de studiu 4.
Programare liniară parametrică
Cuprins
Introducere ..................................................................................................... 44
4.1. Probleme parametrice ............................................................................. 44
4.2. Parametrizarea vectorului c ..................................................................... 45
4.3. Parametrizarea vectorului b ..................................................................... 46
Test de autoevaluare ...................................................................................... 48
Probleme propuse .......................................................................................... 48
Introducere
A patra unitate de studiu este o generalizare a rezultatelor celei de-a
treia unităţi, aici prezentându-se cazurile în care se cel puţin unul dintre
elementele modelului liniar depinde de unul sau mai mulţi parametri.
Termeni cheie
Parametrizarea vectorului coeficienţilor din funcţia obiectiv,
Parametrizarea vectorului termenilor liberi.
Observaţie 4.2.1. Condiţiile de optim cj(t) – fj(t) ≤ 0 sunt cele care conduc la
determinarea subintervalelor în care soluţia este optimă.
Rezolvare
2-t 3 4+2t 3-t 0 0 0 c(t)
2 3 4 3 0 0 0 c(0)
cB B P1 P2 P3 P4 P5 P6 P7 B
0 P5 1 1 [2] 1 1 0 0 3
0 P6 3 2 1 4 0 1 0 5
0 P7 0 1 0 2 0 0 1 1
fj 0 0 0 0 0 0 0 0
45
cj – f j 2 3 4 3 0 0 0 -
4 P3 1/2 1/2 1 1/2 1/2 0 0 3/2
0 P6 5/2 3/2 0 7/2 -1/2 1 0 7/2
0 P7 0 [1] 0 2 0 0 1 1
fj 2 2 4 2 2 0 0 6
cj – f j 0 1 0 1 -2 0 0 -
4+2t 4 P3 1/2 0 1 -1/2 1/2 0 -1/2 1
0 P6 [5/2] 0 0 1/2 -1/2 1 -3/2 2
(*)0 0 P2 0 1 0 2 0 0 1 1
3 f j 2 3 4 4 2 0 1 7
cj – f j 0 0 0 -1 -2 0 -1 -
fj(t) 2+t 3 4+2t 4-t 2+t 0 1-t 7+2t
cj(t) – fj(t) -2t 0 0 -1 -2-t 0 -1+t -
(**) 4+2t P3 0 0 1 -3/5 [3/5] -1/5 -1/5 3/5
2-t P1 1 0 0 1/5 -1/5 2/5 -3/5 4/5
3 P2 0 1 0 2 0 0 1 1
fj(t) 2-t 3 4+2t 4-7/5t 2+7/5t -4/5t 1+t/5 7+2t/5
(1) cj(t) – fj(t) 0 0 0 -1+2/5t -2-7/5t 4/5t -1-t/5 -
0 P5 0 0 5/3 -1 1 -1/3 -1/3 1
2-t P1 1 0 1/3 0 0 1/3 -2/3 1
3 P2 0 1 0 2 0 0 1 1
fj(t) 2-t 3 (2-t)/3 6 0 (2-t)/3 (5+2t)/3
cj(t) – fj(t) 0 0 (10+7t)/3 -3-t 0 (t-2)/3 -(5+2t)/3
Am rezolvat problema pentru t = 0
În tabelul de mai sus se găsesc pe parcurs:
– soluţia optimă pentru t = 0, în tabelul (*)
xopt = (0, 1, 1, 0, 0, 20)t, fmax = 7;
– soluţia optimă a problemei reoptimizate (vezi liniile (**)) xopt =
(0, 1, 1, 0, 0, 2, 0)t fmax =7 +2t când din condiţiile de optimalitate
-2t ≤ 0, -2 -t ≤ 0, deducem că t [0, 1];
– soluţia optimă, când t < 0
xopt = (4/5, 1, 3/5, 0, 0, 0, 0)t fmax = 7 + 2t/5 iar din condiţiile de
optimalitate -1 +2t/5 ≤ 0, 4t/5 ≤ 0, -1-t/5 ≤ 0 se deduce că t [-
10/7,0];
– soluţia optimă, când t < -10/7
xopt = (1, 1, 0, 0, 1, 0, 0)t fmax = 5 -t iar din condiţiile de
optimalitate 10 +7t ≤ 0, -3 -t ≤ 0, -(5+2t) ≤ 0 se deduce că t [-2,
-10/7].
46
3) – din condiţiile de admisibilitate B-1b(t) ≥ 0 se deduce un interval real [α,
β] în care soluţia găsită este admisibilă deci şi optimă. Dacă [α, β] = [a,
b] rezolvarea s-a încheiat, astfel ([α, β] [a, b]) se trece la etapa
următoare.
4) – se ia t [a, b]\[α, β] şi se continuă cu reoptimizarea aplicând
algoritmul simplex dual, până când reuniunea subintervalelor găsite
coincide cu [a, b].
Observaţie 4.3.1. Condiţiile de admisibilitate B-1b(t) ≥ 0 sunt acelea care conduc la
determinarea subintervalelor în care soluţia este optimă.
47
Test de autoevaluare
b)[max] f (3 2 ) x1 (3 ) x 2 (2 ) x 3 (3 ) x 4 (4 ) x 5 (7 ) x 6
2 x1 x 2 x 3 x 4 x 5 3x 6 36
2 x 2 x x x 3x 3x 30
1 2 3 4 5 6
2
1 x 2 x 2 2 x 3 3 x 4 3 x 5 3 x 6 24
x 0, [1,3]
Probleme propuse
b)[min] f (3 2 ) x1 (3 ) x 2 (2 ) x 3 (3 ) x 4 (4 ) x 5 (7 ) x 6
2 x1 x 2 x 3 x 4 x 5 3x 6 36
2 x 2 x x x 3x 3x 30
1 2 3 4 5 6
2 x1 2 x 2 2 x 3 3x 4 3x 5 3x 6 24
x 0, [1,3]
48
Unitatea de studiu 5.
Probleme de transport
Cuprins
Introducere ..................................................................................................... 49
Obiectivele unităţii de studiu ........................................................................... 49
5.1. Modele de tip transport sau de transfer de fonduri .................................. 50
5.2. Metode de găsire a unei soluţii iniţiale ..................................................... 52
5.3. Îmbunătăţirea soluţiei ............................................................................... 53
5.4. Algoritmul distributiv ................................................................................. 54
5.5. Rezolvarea problemelor de maximizare .................................................. 55
5.6. Degenerare. Soluţii multiple ..................................................................... 58
Test de autoevaluare ...................................................................................... 60
Probleme propuse .......................................................................................... 61
Introducere
În a cincia unitate de studiu se introduce o nouă clasă de probleme,
cele de tip transport. Aici, după prezentarea lor, se găsesc metode de
găsire a unei soluţii iniţiale, care apoi v-a fi îmbunătăţită până va atinge
optimul dorit. Cazul special al degenerării şi cel existenţei soluţiilor
multiple fac subiectul părţii de final a secţiunii.
Termeni cheie
Probleme de transport, algoritmul distributiv, metoda nord-vest sau
metoda coeficienţilor minimi pentru determinarea unei soluţii iniţiale,
soluţie degenerată sau nedegenerată a unei probleme de transport,
soluţie multiplă a unei probleme de transport.
49
5.1. Modele de tip transport sau de transfer de fonduri
m
este xij bj, 1 j n . Se caută acea variantă de transport (sau de alocare) care
i 1
să satisfacă toţi partenerii F i şi B j şi să conducă la un cost total minim, ceea ce
înseamnă problema:
m n
n
xij a i , 1 i m
j 1
m
xij b j , 1 j n
i 1
x 0, 1 i m, 1 j n
ij
n
xij ai ,1 i m
j 1
m
xij b j ,1 j n
i 1
xij 0, i 1, m, j 1, n
m n
unde: - c
i 1 j 1
ij xij reprezintă fie costul total al operaţiunii de tip transport (când opt
= min), fie profitul total al operaţiunii de tip transport (când opt = max).
– ai reprezintă disponibilul furnizorului Fi, i 1, m ;
– bj reprezintă necesarul beneficiarului Bj, j 1, n ;
– cij reprezintă costul unitar (sau profitul unitar) pe relaţia Fi B j ;
– xij reprezintă cantitatea transportată (alocată, repartizată, transferată)
de la furnizorul Fi la beneficiarul Bj, i 1, m j 1, n ;
50
n
– restricţia x
j 1
ij ai arată că nu se poate aloca tuturor beneficiarilor
Observaţie 5.1.3.
1. Ansamblul cij poartă denumirea de căsuţă.
xij
2. Conceptul de echilibrare este fundamental pentru construirea procedurii
de soluţionare a unei probleme de tip transport.
3. Dacă egalitatea între disponibilul total şi necesarul total nu are loc se
poate trece la o problemă echilibrată prin considerarea fie a unui furnizor fictiv, Fm+1,
fie a unui beneficiar fictiv, Bn+1, care oferă sau solicită, diferenţa dintre cele două
51
sume.
4. Întrucât algoritmul presupune un volum mare de calcule, pentru acest tip
de problemă de programare liniară se va prezenta un algoritm distributiv.
2 1 3 2 1 3
25 25 20
x21 x22 x23 · 5 20
10 35 20 10 35 20
5
[min]f = 4x11 + 2x12 + x13 + 2x21 + x22 + 3x23
f = 4 · 10 + 2 · 30 + 1 · 5 + 3 · 20 = 165.
b) Metoda elementului (costului ) minim constă în a atribui, pe rând, valori
variabilelor începând cu aceea pentru care costul unitar este minim. Apoi se continuă
cu variabila pentru care costul unitar este minim dintre cele rămase etc. Dacă sunt mai
multe costuri minime egale atunci se va considera mai întâi acea variabilă care poate
lua valoare mai mare. Valoarea variabilei se determină ca şi la metoda nord-vest,
considerând minimul dintre disponibilul şi necesarul corespunzător.
c) Metoda costului minim pe linie constă din a aloca pentru fiecare căsuţă (i,
j) o cantitate xij egală cu minimul dintre cererea şi oferta existentă în momentul acelei
alocări, procedeul aplicându-se pe fiecare linie în ordinea crescătoare a costurilor
unitare cij. Algoritmul poate începe cu oricare linie dar pentru organizarea calculelor
acesta începe cu prima linie şi decurge ca şi în cazul metodei colţului din nord-vest.
d) Metoda costului minim pe coloană este un procedeu analog cu
precedentul cu singura deosebire că se aplică pe fiecare coloană, preferabil începând
cu prima coloană.
52
Exemplul 5.2.3. Folosind metoda elementului minim să se stabilească o soluţie
iniţială pentru problema formulată în exemplul precedent.
4 2 1
40 30 10
10 10 20
2 1 3
25
· 25 ·
10 35 20
10
x22 = min (25, 35) deci x21 = x23 = 0 apoi x13 = min (40, 20) = 20 iar x12 = min (20, 10)
= 10 şi x11 = 10. Avem f = 4·10 + 2·10 + 1·20 +1·25 = 105.
x a , i 1, m
(1) j 1 ij i
m
xij b j , j 1, n
i 1
xij 0, i 1, m, j 1, n
Scriem duala acesteia notând cu u1, u2, ..., um, v1, v2, ..., vn variabilele
actuale.
m n
[max] g ai ui b j v j
i 1 j 1
(2) ui v j cij i 1, m, j 1, n
ui , i 1, m, v j , j 1, n oarecare
Observaţie 5.3.1.
1)Din teorema dualităţii avem că x0 xij0 i 1, m, j 1, n
este soluţie optimă dacă
variabilele duale verifică restricţiile din problema (2) adică:
(3) ui + vj = cij dacă xij0 0
(4) ui + vj ≤ cij dacă xij0 0
2) (3) şi (4) sunt de fapt condiţiile de optimizare pentru o soluţie de bază x =
(xij) a problemei de transport.
3) (3) este un sistem de m + n – 1 ecuaţii cu m + n necunoscute. Pentru
rezolvare se alege u1 = 0 şi atunci rezolvarea se face direct pe tabelul de soluţii, când
ui şi vj se vor trece la marginea tabelului, de aceea se mai numesc şi valori marginale.
53
Definiţie 5.3.2.
1) O soluţie x = (xij) a problemei (1) se numeşte nedegenerată dacă are exact
m + n – 1 valori nenule, în caz contrar ea va fi soluţie degenerată.
2) Se numeşte ciclu al unei căsuţe o succesiune de căsuţe două câte două
alăturate în aceeaşi linie, sau respectiv în aceeaşi coloană.
3) Într-un ciclu căsuţele impare sunt: prima (liberă), a treia (ocupată), a
cincea (ocupată) etc., iar căsuţele pare sunt a doua (ocupată), a patra (ocupată) etc.
4) Procedeul de îmbunătăţire a unei soluţii constă în a trece de la o soluţie la
altă soluţie mai bună. Aceasta se realizează prin modificarea valorilor variabilelor din
căsuţele ce formează un ciclu după cum urmează:
- se determină valoarea minimă a valorilor variabilelor din căsuţele pare;
- se adună această valoare minimă la valorile variabilelor din căsuţele
impare;
- se scade această valoare minimă din valorile variabilelor din căsuţele
pare.
4 4 2 2 1 4
u1 = 0 40
10 - 30 + ·
2 3 1 1 3 3
u2 = 1 25
· + 5 - 20
10 35 20 20
Întrucât u1 + v3 = 4 > 1 = c13 şi u2 + v1 = 3 > 2 = c21 soluţia este optimă.
Structura căsuţelor este cij uj+vj
xij
54
Formând ciclul căsuţei (1,3) se trece la o soluţie mai bună şi marcăm cu „+”
căsuţele impare şi cu „-” căsuţele pare. Se obţine soluţia:
v1 = 4 v2 = 2 v3 = 1
4 4 2 2 1 4
u1 = 0
- 10 + 30 20
2 3 1 1 3 3
u2 = 1
+ · - 25 ·
10
Deoarece u2 + v1 = 3 > 2 = c21, soluţia nu este optimă şi formăm ciclul
căsuţei (2, 1) pentru a obţine o soluţie mai bună.
v1 = 3 v2 = 2 v3 = 1
4 3 2 2 1 4
u1 = 0
· 20 20
2 2 1 1 3 0
u2 = -1
10 15 ·
Aceasta este soluţia optimă a problemei de transport:
0 20 20
xopt şi fmin = 2 ∙ 20 + 1 ∙ 20 + 2 ∙ 10 +1 ∙ 15 = 95.
10 15 0
55
vedere că nu există relaţii de incompatibilitate între parteneri şi obiective (proiecte) se
cere planul optim de finanţare.
Proiecte
Capital
P1 P2 P3 P4 P5
Bănci disponibil
2 3 1 4 3
B1 175
1 2 4 3 1
B2 225
4 4 1 2 4
B3 200
Capital
130 90 120 180 80 600
necesar
Rezolvare:
Pentru determinarea unei soluţii iniţiale aplicăm metoda profitului maxim:
v1 = 2 v2 = 3 v3 = 5 v4= 4 v5= 2
2 2 3 3 1 5 4 4 3 2
u1 = 0 175
· · · - 175 + ·
1 1 2 2 4 4 3 3 1 1
u2 = -1 225 105 100 10
· 90 120 + 5 - 10
4 4 2 5 1 7 2 6 4 4
u3 = 2 200 70
130 · · · 70
130 90 180 120 80 10
5 10
În căsuţa (1, 5) condiţia de optim nu este verificată şi formând ciclul acestei
căsuţe soluţia se îmbunătăţeşte şi devine:
v1 = 3 v2 = 3 v3 = 5 v4= 4 v5= 3
2 3 3 3 1 5 4 4 3 3
u1 = 0
· + · · - 165 10
1 2 2 2 4 4 3 3 1 2
u2 = -1
· - 90 120 + 15 ·
56
4 4 2 4 1 6 2 5 4 4
u3 = 1
130 · · · 70
90
Avem soluţie optimă şi anume:
0 0 0 165 10
xopt 0 90 120 15 0 iar fmax = 2195.
1
130 0 0 70
0
Soluţia găsită este optimă dar nu este unică deoarece în căsuţa (1, 2) avem
u1 + v2 = c12 şi formând ciclul acestei căsuţe găsim:
v1 = 3 v2 = 3 v3 = 5 v4= 4 v5= 3
2 3 3 3 1 5 4 4 3 3
u1 = 0
· 90 · 75 10
1 2 2 2 4 4 3 3 1 2
u2 = -1
· 120 105 ·
4 4 2 4 1 6 2 5 4 4
u3 = 1
130 · · · 70
Avem:
0 90 0 75 10
xopt 0
2
0 120 105 0 iar fmax = 2195.
130 0 0 70
0
Soluţia generală a problemei este:
0 90 90 0 75 90 10
xopt 0 90 120 105 90 0 .
130 70
0 0 0
Deducem că problema are o infinitate de soluţii optime care conduc la
acelaşi profit maxim fmax = 2195 milioane u.m.
Observaţie 5.5.2.
1.Infinitatea de variante optime poate fi interpretată pentru bănci astfel:
- banca B1 alocă (90 - 90λ) milioane u.m. proiectului P1, (75 + 90λ)
milioane u.m. proiectului P4 şi 10 milioane u.m. proiectului P5 (sumă
fixă);
- banca B2 alocă (90λ) milioane u.m. proiectului P2, 120 milioane u.m.
proiectului P3 şi (105 - 90λ) milioane u.m. proiectului P4;
- banca B3 alocă 130 milioane u.m. proiectului P1 şi 70 milioane u.m.
proiectului P5.
Întregul capital al băncilor este alocat în cote fixe sau variabile (0 ≤ λ ≤ 1) şi
analog pentru fiecare proiect în parte, constatând că indiferent de sursa de finanţare şi
de faptul că aceasta se face prin cote fixe sau variabile întregul capital necesar se află
la dispoziţia realizărilor proiectelor.
2. Există în practică situaţii de finanţare colectivă?
57
Răspunsul este afirmativ şi cel mai adesea profitul se distribuie proporţional
cu participarea la finanţare (în explicaţia anterioară banca B1 va încasa 7/24 din profit,
banca B2 va încasa 9/24 din profit iar banca B3 va încasa 8/24 din profit).
4 4 3 3 1 1
u1 = 0 10 5
0 20 5
2 2 4 1 3 -1
u2 = -2 20
20 · ·
1 1 2 0 6 -2
u3 = -3 30
30 · ·
50 5 5
20
Se observă că a apărut degenerarea. Valoarea 0 esenţial a fost pusă în căsuţa
(1, 1). Soluţia obţinută este optimă:
0 5 5
xopt 20 0 0 fmin = 90.
30 0 0
58
Exemplul 5.6.3. Să se rezolve problema de transport:
v1 = 0 v2 = 2 v3 = -5 v4= 1
4 0 2 2 5 -5 1 1
u1 = 0 11
· · · 11
6 3 5 5 4 -2 4 4
u2 = 3 17 13
· + 13 · - 4
6 6 8 8 1 1 5 7
u3 = 6 14 7 2
5 - 2 7 + ·
5 15 2 5 14 2
Soluţia iniţială de bază trebuie îmbunătăţită formând ciclul căsuţei (3, 4).
v1 = 2 v2 = 2 v3 = -3 v4= 1
4 2 2 2 5 -3 1 1
u1 = 0
· + · · - 11
6 5 5 5 4 0 4 4
u2 = 3
· - 15 · + 2
6 5 8 8 1 1 5 5
u3 = 4
5 · 7 2
Avem soluţia optimă:
0 0 0 11
x1opt 0 15 0 2 şi fmin = 141.
5 0 7 2
Soluţia nu este unică şi determinăm şi cealaltă soluţie optimă formând ciclul
căsuţei (1, 2).
v1 = 2 v2 = 2 v3 = -3 v4= 1
4 2 2 2 5 -3 1 1
u1 = 0
· 11 · ·
6 5 5 5 4 0 4 4
u2 = 3
· 4 · 13
6 6 8 6 1 1 5 5
u3 = 4
5 · 7 2
59
0 11 0 0
x2opt 0 4 0 13 , fmin = 141.
5 0 7 2
Soluţia generală a problemei este:
0 11 0 11
xopt x1opt x2opt 0 15 4 0 2 13 cu 1, , 0
5
0 7 2
Test de autoevaluare
a)
4 1 3 2
120
1 3 4 5
150
2 5 1 3
250
b)
2 5 4 1
100
4 1 3 5
200
1 3 2 4
300
60
Probleme propuse
a)
4 1 3 2
120
1 3 4 5
150
2 5 1 3
250
b)
2 5 4 1
100
4 1 3 5
200
1 3 2 4
300
61
Unitatea de studiu 6.
Reoptimizarea problemelor de transport
Cuprins
Introducere ..................................................................................................... 62
Obiectivele unităţii de studiu ........................................................................... 62
6.1. Reoptimizarea în cazul modificării matricei costurilor .............................. 62
6.2. Reoptimizarea în cazul modificării disponibilului și/sau necesarului ........ 64
Test de autoevaluare ...................................................................................... 66
Probleme propuse .......................................................................................... 67
Introducere
Plecând de la soluția unei probleme, se va găsi soluția alteia care
difera de problema inițaiala prin elementele matricei costurilor sau prin
cantitățile disponibile sau necesare.
Termeni cheie
Reoptimizarea problemelor de transport.
x a , i 1, m
(1) j 1 ij i
m
xij b j , j 1, n
i 1
xij 0, i 1, m, j 1, n
62
pe care o presupunem rezolvată cu algoritmul distributiv.
Plecând de la tabelul care conţine soluţia optimă a problemei (1) se verifică
optimalitatea acestei soluţii folosind elementele cij(1) :
- dacă ui(1) v(j1) cij(1) atunci soluţia este optimă şi pentru problema
modificată;
- dacă cel puţin o condiţie de optim nu este îndeplinită atunci se va trece
la îmbunătăţirea soluţiei.
Exemplul 6.1.1. Să se reoptimizeze problema de transport dată prin tabelul:
6 4 8
2 5 3
1 6 4
4 5 2
Dacă matricea costurilor devine C (1)
4 7 3 .
2 1 5
Rezolvare:
Prin metoda elementului minim stabilim soluţia iniţială de bază şi-i
verificăm optimalitatea.
v1 = 5 v2 = 4 v3 = 6
6 5 4 4 6 6
u1 = 0 18 15
· 15 3
2 2 5 1 3 3
u2 = -3 21 17
4 · 17
1 1 6 0 4 2
u3 = -4 11
11 · 7
15 15 20
4 3
Avem soluţia optimă :
0 15 3
xopt 4 0 17 , iar fmin = 148.
11 0 0
Pentru reoptimizare avem o soluţie a problemei modificate şi trecem la
îmbunătăţirea ei:
63
v1 = 3 v2 = 5 v3 = 2
4 3 5 5 2 2
u1 = 0
· - 15 + 3
4 4 7 6 3 3
u2 = 1
+ 4 · - 17
2 2 1 4 5 1
u3 = -1
- 11 + · ·
11
Soluţia obţinută nu verifică condiţia de optim în căsuţa (3, 2) şi formăm
ciclul acestei căsuţe:
v1 = 3 v2 = 5 v3 = 2
4 3 5 5 5 2
u1 = 0
· 4 14
4 4 7 6 3 3
u2 = 1
15 · 6
2 -1 1 1 5 -2
u3 = 1
· 11 ·
5 7
0 4 14
Soluţia optimă este: x (1) 15
0 6 , iar f min 137 148 f min .
(1)
opt
0 11 0
64
Exemplul 6.2.1. Să se reoptimizeze problema de transport dată prin tabelul:
5 2 3
12
1 4 3
18
5 15 10
v1 = -1 v2 = 2 v3 = 1
5 -1 2 2 3 1
u1 = 0 12
· 12 ·
1 1 4 4 3 3
u2 = 2 18 13 3
5 3 10
5 15 10
3
0 12 0
xopt fmin = 71.
5 3 10
Pentru reoptimizare, cu noile cantităţi disponibile şi necesare se ocupă
aceleaşi căsuţe şi obţinem:
5 2 3
16
· - 16 + ·
1 4 3
14 6 -2
8 + -2 - 8
8 14 8 2
-2
Întrucât în căsuţa (2,2) a apărut valoarea negativă -2 (soluţia nu este
admisibilă) vom forma un ciclu al acestei căsuţe, cu vârful „+”. Din cele două cicluri
existente am preferat pe cel care va avea celălalt vârf pozitiv într-o căsuţă liberă cu
costul mai mic. Astfel avem:
65
v1 = 1 v2 = 2 v3 = 3
5 1 2 2 3 3
u1 = 0
· 14 2
1 1 4 2 3 3
u2 = 0
8 · 6
3
Soluţia obţinută este optimă:
0 14 2
şi f min 60 71 f min .
(1) (1)
xopt
8 0 6
Test de autoevaluare
3 5 8 8 5
170
8 2 6 2 7
110
4 5 8 6 10
220
4 3 7 7 8
b) disponibilul devine 230, 100, 170 şi necesarul devine 150, 150, 80, 85, 35.
66
Probleme propuse
3 5 8 8 5
170
8 2 6 2 7
110
4 5 8 6 10
220
4 3 7 7 8
b) disponibilul devine 230, 100, 170 şi necesarul devine 150, 150, 80, 85, 35.
67
Unitatea de studiu 7.
Probleme de transport parametrice
Cuprins
Introducere ..................................................................................................... 68
Obiectivele unităţii de studiu ........................................................................... 68
7.1. Parametrizarea matricei C ....................................................................... 69
7.2. Parametrizarea disponibilului și/sau necesarului ..................................... 71
Test de autoevaluare ...................................................................................... 73
Probleme propuse .......................................................................................... 74
Introducere
A șaptea unitate de studiu este o generalizare a rezultatelor celei de-a
șasea unităţi, aici prezentându-se cazurile în care se cel puţin unul
dintre elementele problemei depinde de unul sau mai mulţi parametri.
Termeni cheie
Rezolvarea problemelor parametrice, parametrizarea matricei
costurilor, parametizarea cantităților disponibile, parametrizarea
cantităților necesare.
68
7.1. Parametrizarea matricei C
6-2t 4 3+t
50
25 20 35
Rezolvare:
Se impun condiţiile de nenegativitate ale costurilor unitare 6 –2t ≥ 0, 3 + t ≥
0, 2 + t ≥ 0, 5 – t ≥ 0, din care se obţine t [-2, 3].
Rezolvăm mai întâi, problema pentru t = 0. Avem:
v1 = -1 v2 = 4 v3 = 3
6 1 4 4 3 3
u1 = 0 50 15
· + 15 - 35
2 2 5 5 3 4
u2 = 2 30 5
25 - 5 + ·
2025 35 5
5
Soluţia nu este optimă şi formăm ciclul căsuţei (2,3).
69
v1 = 2 v2 = 4 v3 = 3
6 2 4 4 3 3
u1 = 0
· 20 30
2 2 5 4 3 3
u2 = 0
25 · 5
0 20 30
Deci soluţia optimă pentru t = 0 este xopt , fmin= 235.
25 0 5
Reoptimizăm problema:
v1 = 2 +t v2 = 4 v3 = 3 +t
5
Şi din condiţiile de optim:
6 2t 2 t 0 20 30
t [2,1] cu xopt fmin= 235+60t.
5t 4 25 0 5
Dacă t > 1 vom avea 5 – t < 4 deci formăm ciclul căsuţei (2, 2):
v1 = 1 +2t v2 = 4 v3 = 3 +t
15
Din condiţiile de optim avem:
6 2t 1 2t 5 0 15 35 , f = 240+55t.
t [1, ] şi xopt min
3t 4 4 25 5 0
70
Dacă t > 5/4, atunci 6 – 2t < 1 + 2t şi formăm ciclul căsuţei (1,1):
v1 = 6 -2t v2 = 9 -4t v3 = 3 +t
10
Din condiţiile de optim :
4 9 4t 5 4 15 0 35 f = 315 –5t.
t , şi xopt min
3 t 1 4t 4 3 10 20 0
Dacă t > 4/3, atunci 3 + t < -1 + 4t şi formăm ciclul căsuţei (2, 3):
v1 = 6 -2t v2 = 5 -t v3 = 3 +t
71
Exemplul 7.2.1. Să se rezolve problema de transport parametrică dată prin tabelul:
8 3 2
100 -2t
5 1 4
150 +t
25 +t 175 50 -2t
Rezolvare:
Din condiţiile de nenegativitate ale disponibilului şi necesarului
100 – 2t ≥ 0, 150 +t ≥ 0, 50 – 2t ≥ 0 se obţine t [-25, 25].
Rezolvăm mai întâi problema pentru t = 0:
v1 = 8 v2 = 3 v3 = 2
8 8 3 3 2 2
u1 = 0 150 50 25
- 25 + 25 50
5 6 1 1 4 0
u2 = -2 150
+ · - 150 ·
25 175 50 25
25
v1 =7 v2 = 3 v3 = 2
8 7 3 3 2 2
u1 = 0
· 50 50
5 5 1 1 4 0
u2 = -2
25 125 ·
5 1 4
150 +t 125
25+t 125 ·
25+t 175 50 -2t
50
Această soluţie va fi optimă dacă este şi admisibilă. Condiţiile de
72
50 2t 0
admisibilitate , conduc la t [-25, 25] şi acest subinterval coincide cu
25 t 0
intervalul de variaţie al parametrului t, deci rezolvarea problemei s-a încheiat. Soluţia
optimă este:
0 50 50 2t
xopt şi fmin = 500 + t.
25 t 125 0
Test de autoevaluare
a)
3 2 2+t 4
400
6-3t 3 3-t 1
200
4 5+t 2 4-t
500
b)
3 5 2 4
300+t
6 2 3 1
200-2t
5 1 4 3
500
73
Probleme propuse
a)
3 2 2+t 4
400
6-3t 3 3-t 1
200
4 5+t 2 4-t
500
b)
3 5 2 4
300+t
6 2 3 1
200-2t
5 1 4 3
500
74
Unitatea de studiu 8.
Probleme de tip transport speciale
Cuprins
Introducere ..................................................................................................... 75
Obiectivele unităţii de studiu ........................................................................... 75
8.1. Modele cu centre legate .......................................................................... 76
8.2. Modele cu legături interzise ..................................................................... 80
8.3. Modele cu soluții impuse.......................................................................... 81
Test de autoevaluare ...................................................................................... 83
Probleme propuse .......................................................................................... 84
Introducere
Există anumite probleme practice care se aseamănă cu modele liniare
de tip transport dar care au anumite particularităţi sau condiţii speciale
care se adaugă celor care definesc modelul iniţial. Prin anumite
transformări ele sunt aduse la forma unui model de tip transport şi se
rezolvă cu algoritmul distributiv, după care se revine la problema
iniţială. Unitatea a opta tratează, dupa cum o spune și titlul, astfel de
tipuri speciale ale problemelor de transport.
Termeni cheie
Probleme de transport cu centre legate, probleme de transport cu
legături interzise, probleme de transport cu soluţii impuse.
75
8.1. Modele cu centre legate
Se poate întâmpla ca, din motive diverse, doi sau mai mulţi furnizori să aibă
oferta grupată (sau ofertă de grup), doi sau mai mulţi consumatori să aibă cererea
grupată (sau cerere de grup) dar şi una şi alta, dar costurile unitare să fie
individualizate.
Presupunem că furnizorii F1 → Fp, p < m au oferta comună. Vom nota cu FG
furnizorul grupat. Aducerea problemei la forma obişnuită înseamnă „personalizarea
furnizorului comun” şi acest lucru poate fi realizat prin:
1) identificarea furnizorului grupat cu unul dintre furnizori ceea ce poate
conduce de fapt la p probleme obişnuite;
2) definirea costurilor (sau beneficiarilor) furnizorului grupat prin
c1*j min cij , 1 j n în cazul problemelor de minimizare sau prin
1 i p
200
1 4 2 3
F2
5 1 3 2
F3 150
Necesar 90 80 95 85 350
76
Rezolvare:
a) Dacă FG = F1 se obţine tabelul
B
B1 B2 B3 B4 Disponibil
F
2 3 4 1
FG 200
5 1 3 2
F2 150
Necesar 90 80 95 85 350
2 2 3 2 4 4 1 1
u1 = 0 200 115 25
90 · 25 85
5 1 1 1 3 3 2 0
u2 = -1 150 70
· 80 70 ·
90 80 95 85
25
90 0 25 85
este xopt şi fmin = 655.
0 80 70 0
b) Dacă FG = F2 se obţine tabelul:
B
B1 B2 B3 B4 Disponibil
F
1 4 2 3
FG 200
5 1 3 2
F3 150
Necesar 90 80 95 85 350
77
Soluţia este:
v1 = 1 v2 = 2 v3 = 2 v4 = 3
1 1 4 2 2 2 3 3
u1 = 0 200 110 15
90 · 95 15
5 0 1 1 3 1 2 2
u2 = -1 150 70
· 80 · 70
90 80 95 85
15
90 0 95 15 şi
xopt fmin = 545.
0 80 0 70
c) Dacă vom defini costurile lui FG cu relaţia
c1*j min cij , 1 j n obţinem tabelul:
1 i p
B
B1 B2 B3 B4 Disponibil
F
1 3 2 1
FG 200
5 1 3 2
F3 150
Necesar 90 80 95 85 350
Soluţia este:
v1 = 1 v2 = 0 v3 = 2 v4 = 1
1 1 3 0 2 2 3 3
u1 = 0 200 110 15
90 · + 25 15
5 2 1 1 3 3 2 2
u2 = 1 150 70
· 80 - 70 + ·
90 80 95 85 70
70 15
90 0 25 85
1
xopt şi fmin = 515.
0 80 70 0
78
v1 = 1 v2 = 0 v3 = 2 v4 = 1
1 1 3 0 2 2 1 1
u1 = 0
90 · 95 15
5 2 1 1 3 3 2 2
u2 = 1
· 80 · 70
90 0 95 15
2
xopt şi fmin = 515.
0 80 0 70
Soluţia generală este: xopt xopt
1
(1 ) xopt
2
, 0 1 , adică
90 0 95 70 15 70
xopt cu fmin = 515.
0 80 70 70 70
Revenind la problema iniţială, soluţia în cele trei cazuri este:
90 0 25 85
cu fmin = 655;
a) xopt 0 0 0 0
0 70 0
80
0 0 0 0
cu fmin = 545;
b) xopt 90 0 95 15
0 0 70
80
0 0 0 15 70
cu fmin = 515, 0 ≤ λ ≤ 1.
c) xopt 90 0 95 70 0
0 70 70 70
80
Observaţie 8.1.3.
1)Remarcăm faptul că soluţionarea problemei depinde de alegerea
„centrului comun” atât în ceea ce priveşte componentele soluţiei cât şi în ceea ce
priveşte valoarea funcţiei obiectiv. Deoarece pentru modelele de tip transport
interesează optimul pentru ansamblul partenerilor (furnizori şi beneficiari) şi nu
pentru fiecare în parte, o astfel de situaţie conduce la analiza tuturor cazurilor şi la
alegerea celei mai bune variante prin intermediul funcţiei obiectiv. În exemplul
anterior considerăm că varianta de la punctul c) este mai bună.
2)În cazul a două centre legate, ca în exemplul anterior, se poate recurge la
o parametrizare a problemei. Punând a1 = α şi a2 = 200-α, în exemplul anterior avem
o problemă de tip transport obişnuită a cărei soluţionare necesită discuţii asupra
parametrului atât în faza de determinare a soluţiilor de bază cât şi în faza de căutare a
soluţiei optime. Procedeul devine greoi dacă avem mai mult de două centre legate. El
rămâne însă interesant pentru că oferă soluţii elastice (depinzând de parametri),
adeseori mai adecvate practicii economice.
79
8.2. Modele cu legături interzise
Deşi este vorba de un acelaşi produs atât la ofertă cât şi la cerere, există
situaţii practice de incompatibilitate (sau de necooperare, sau legături interzise, sau
rute interzise) pe anumite relaţii sau cupluri (Fi, Bj).
Presupunem că relaţia sau legătura Fi0 → Bj0 este incompatibilă, atunci în
tabelul problemei de transport se haşurează căsuţa (i0, j0) pentru a fi evitată în calcule,
după care se rezolvă problema în mod obişnuit.
Observaţie 8.2.1. Este posibil ca în cazul mai multor (sau al prea multor) restricţii de
necooperare problema să nu aibă soluţii admisibile şi implicit soluţii optime.
2 2 3 3 1 1 4 3 3
u1 = 0 175 85 5
- 5 90 + · 80
1 5 2 6 4 4 3 3 1 6
u2 = 3 225 105
· · - 120 + 105 ·
4 4 2 5 1 3 2 2 4 5
u3= 2 200 75
+ 125 · · - 75 ·
130 90 120 180 80 5
125 75
Soluţia optimă, dacă s-a aplicat metoda costului maxim pe linii
5 90 0 0 80
xopt 0
1
0 120 105 0 cu fmax = 1965.
125 0 75 0
0
Dar această soluţie nu este unică şi formând ciclul căsuţei (1,3) avem:
v1 = 2 v2 = 3 v3 = 1 v4 = 0 v5= 3
2 2 3 3 1 1 4 3 3
u1 = 0
- · 90 5 80
1 5 2 6 4 4 3 3 1 6
u2 = 3
· · 115 110 ·
4 4 2 5 1 3 2 2 4 5
u3= 2
130 · · 70 ·
80
0 90 5 0 80
x2
opt 0 0 115 110 0
130 0 70 0
0
Soluţia generală este: xopt xopt
1
(1 ) xopt
2
, 0 1
5 90 5 5 0 80
x opt 0 0 115 5 110 5 0 , 0 1 , fmax = 1965.
130 0 70 5 0
0
2 3 1 4
B1 100
4 2 5 1
B2 200
1 5 4 3
B3 300
Necesar
175 175 120 130 600
anual
Rezolvare:
Deoarece x14 = 20 u.m. şi x32 = 40 u.m. problema modificată (ca şi cum ar
avea legături interzise) este dată de tabelul:
81
Ani
Disponibil
A1 A2 A3 A4
Bănci bancar
2 3 1 4
B1 100
20
4 2 5 1
B2 200
1 5 4 3
B3 300
40
Necesar
175 175 120 130 600
anual
Observaţie 8.3.2. Din cauza celor două „căsuţe blocate” o soluţie iniţială de bază nu
poate fi găsită aplicând metodele cunoscute. Este necesar să se aibă în vedere poziţiile
ocupate, de la început sau pe parcurs.
v1 = -2 v2 =1 v3 = 1 v4 = 0
4
u1 = 0 80
20
u2 = 1 200 65
5
u3= 3 260 85 40
40
175 135 120 110
40 45
0 0 80 20
xopt 0 135 0 65 , fmin = 885.
175 40 40 45
82
Test de autoevaluare
a)
4 3 1 2
150
1 2 5 4
250
5 4 3 1
300
b)
2 3 5 1
120
3 2 1 4
180
1 5 4 3
300
83
Probleme propuse
a)
4 1 2 3
200
1 3 5 4
150
2 5 3 1
250
b)
2 5 4 1
200
4 1 3 5
200
1 3 2 4
300
84
Unitatea de studiu 9.
Dobânda simplă
Cuprins
Introducere ..................................................................................................... 85
Obiectivele unităţii de studiu ........................................................................... 85
9.1. Dobânda simplă ....................................................................................... 85
Test de autoevaluare ...................................................................................... 91
Probleme propuse .......................................................................................... 92
Introducere
În a noua unitate de studiu se vor calcula dobânda simplă aferentă
unei sume iniţiale, precum şi necunoscutele din formula de calcul a
dobânzii îin cazul îin care se cunosc celelalte elemente.
Termeni cheie
Dobânda simplă, dobânda unitară anuală, dobânda fracţionară,
indicele de fructificare, indicele de actualizare, suma finală, suma
iniţială, volumul mediu al sumelor, procentul mediu, scadenţa comună,
scadenţa mijlocie, principiul echilibrului financiar, sumă nominală,
sistem de împrumuturi.
86
Exemplul 9.1.2. Să se calculeze dobânda pentru suma de 50.000 u.m. cu procentul de
36% pe timp de 200 de zile.
Rezolvare:
Avem s = 50.000 u.m., p = 36 % sau i = 0,36 şi t = 200 zile, deci:
0,36 50.000 200
D 10.000 u.m.
360
Dacă presupunem că din motive diverse plasamentul nu are loc cu acelaşi
procent anual p pe toată durata de plasare t, adică p k = 100 i k procentul anual de
m
plasare pe durata t k cu t = tk obţinem că dobânda simplă totală este:
k 1
m
D s ik tk .
k 1
Această relaţie constituie rezultatul aplicării succesive a definiţiei dobânzii
simple pe intervale consecutive ale duratei de plasare ilustrând situaţii practice
frecvente.
Exemplul 9.1.3. Să presupunem că o sumă s = 3.600 u.m. a fost
împrumutată pentru un an de zile în regim de dobândă simplă, cu procentele anuale
de 5, 6, 7, 8 şi 10 % pentru duratele consecutive de 30, 45,60, 75 şi respectiv 150 de
zile. Dobânda corespunzătoare acestui împrumut va fi o sumă a dobânzilor aferente
fiecărei durate, în ipoteza că un an = 360 zile şi anume:
0,05 30 0,06 45 0,07 60 0,08 75 0,1 150
D 3600 294 u.m.
360 360 360 360 360
Dacă la suma iniţială s se adună dobânda D se obţine suma finală notată cu
S adică S = s + D sau S = s (1 + i · t) în cazul procentului anual constant pe toată
m
durata de plasare sau S = s 1 ik tk , în cazul procentului constant pe fracţiuni
k 1
ale duratei t.
Exemplul 9.1.4. Suma s = 40.000 u.m. plasată pentru 75 zile cu procentul anual de 9
% conduce la o sumă finală
0,09 75
S = 40.000 1 40.750 u.m.
360
şi la o dobândă D = 750 u.m..
Observaţie 9.1.5.
1.Dacă s = 1 u.m., t = 1 an, notând S = u, obţinem din formula valorii finale
u = 1+i, iar u se numeşte factor de fructificare.
2.Dacă în schimb S = 1 u.m., t = 1 an, notând s = v obţinem din formula
S 1 1
valorii iniţiale s , v , iar v se numeşte factor de actualizare.
1 i t 1 i u
Prin urmare: S = s · u şi s = S · v.
Exemplul 9.1.6. Suma s = 10.000 u.m. plasată pentru 270 zile cu procentul anual p =
6 % conduce la o valoare finală
i s t 0,06 10.000 270
S = 10.450u.m. Procentul de plasare p şi
360 360
Ss Ss
dobânda unitară i sunt date de relaţiile i şi p 100 .
s t s t
87
Exemplul 9.1.7. Plasând suma s = 25.000 u.m. pe o durată de 300 zile, pentru a
realiza o dobândă de 2.500 u.m. ar trebui potrivit relaţiilor anterioare ca operaţiunea
să se efectueze cu procentul anual p = 12 %. Durata de plasament t sau scadenţa
S s S s
operaţiunii este dată de relaţia: t 100 .
si s p
Exemplul 9.1.8. Dacă se plasează unui client un credit de s = 100.000 u.m. cu
procentul anual p = 6 %, atunci pentru a realiza o dobândă simplă de 500 u.m. ar
trebui ca operaţiunea de creditare să dureze 300 zile.
Definiţie 9.1.9. Se numeşte împrumut un triplet format din: o sumă nominală (iniţială
sau finală), un procent şi o dată, adică un moment al nominalizării (precizării) sumei.
k 1 k 1 k 1 k 1
Se pot introduce, pe baza echivalenţei, aşa-zisele valori medii.
Fie {(Sk , pk, tk )}k = 1,n, un sistem de împrumuturi. Se numeşte volumul
mediu al sumelor Sk, suma S determinată pe baza echivalenţei {(Sk , pk, tk
)}k = 1,n ~ {(S, pk, tk )}k = 1,n .
Se numeşte procentul mediu al procentelor pk procentul p determinat pe
baza echivalenţei {(Sk , pk, tk )}k = 1,n ~ {(Sk , p, tk )}k = 1,n.
Se numeşte scadenţă comună a datelor tk, data (momentul) t determinat pe
baza echivalenţei {(Sk , pk, tk )}k = 1,n ~ {(Sk , pk, t )}k = 1,n.
Dacă avem deja procentul mediu şi împrumuturile se înlocuiesc cu un
n
singur împrumut, la care suma (finală) este S = Sk , atunci data (timpul ) se
k 1
n
numeşte scadenţa mijlocie şi se determină din echivalenţa {( S k , p, t )} ~
k 1
{(Sk , pk, tk )}k = 1,n. unde p este procentul mediu al procentelor pk, k = 1,n.
Valori medii analoage se pot defini şi când sistemul de împrumuturi este dat
prin valorile (nominale) iniţiale adică {(sk , pk, tk )}k = 1,n.
88
Exemplul 9.1.10. Considerăm următoarele trei operaţiuni pe care partenerul P1 le
face împreună cu partenerul P2
s1 s2 s3 10.000um 15.000um 20.000um
p p p 12% 6% 9%
1 3
120zile
2
t1 t2 t3 60zile 72zile
Presupunând că partenerul P1 ar dori, pe rând, ca:
a. să plaseze de fiecare dată aceeaşi sumă S, cu procentele anuale date şi
scadenţele menţionate.
b. toate cele trei plasamente să se facă la scadenţele menţionate dar cu un
acelaşi procent anual p.
c. sumele menţionate să fie plasate cu procentele anuale date dar până la o
aceeaşi dată sau scadenţă t.
Atunci să se determine, în condiţii de echivalenţă în raport cu dobânda, respectiv
suma medie s, procentul anual mediu p şi scadenţa medie t.
Rezolvare:
Corespunzător condiţiilor plasamentului, deducem că:
3
60 72 120
ik sk tk 0,12 10.000 360 0,06 15.000 360 0,09 20.000 360 980
k 1
3
ik sk 0,12 10.000 0,06 15.000 0,09 20.000 3.900
k 1
3
60 72 120 34.000
sk tk 10.000 360 15.000 360 20.000 360 3
k 1
3
60 72 120
ik tk 0,12 360 0,06 360 0,09 360 0,062 şi ca urmare a acestor calcule:
k 1
a) rezultă că suma medie înlocuitoare a celor trei sume ce pot fi plasate este:
3
ik sk tk 980
k 1
s 3
15.806,45u.m.
0,062
ik tk
k 1
b) rezultă că procentul mediu înlocuitor a celor trei procente de plasament
3
ik sk tk 980 3
este p = 100·i unde: i k 1 0,086 , adică p = 8,6 %.
3
34.000
sk t k
k 1
c) rezultă că scadenţa medie înlocuitoare a celor trei scadenţe sau durate
3
ik sk tk 980 360
k 1
este: t 3
90,46zile
3.900
ik sk
k 1
Exemplul 9.1.11.
a) Dacă în exemplul precedent se doreşte înlocuirea celor trei operaţiuni de
plasament printr-una singură de durată t = 200 zile şi cu un procent anual p = 10 %
atunci suma unică sau comună înlocuitoare de plată va fi:
3
1 1
s
i t k 1
ik sk tk
200
980 17.640u.m.
0,1
360
89
b) Dacă înlocuirea se face printr-o operaţiune de sumă s = 10.000 u.m. şi un
procent anual p = 10 % atunci scadenţa comună sau unică înlocuitoare va fi:
1 3 1
t
s i k 1
ik sk tk
10.000 0,1
980 360 352,8 zile
1 5 360 335
b) i
s t k 1
ik sk tk
4.000 50 6
0,1005 deci p = 10,05 %.
90
1 3 1 335
c) t
s i k 1
ik sk tk
5.000 0,1 6
360 40,2 zile
Test de autoevaluare
91
Probleme propuse
92
Unitatea de studiu 10.
Dobânda compusă
Cuprins
Introducere ..................................................................................................... 93
Obiectivele unităţii de studiu ........................................................................... 93
10.1. Dobânda compusă ................................................................................. 93
Test de autoevaluare ...................................................................................... 97
Probleme propuse .......................................................................................... 97
Introducere
În a noua unitate de studiu se vor calcula dobanda compusă aferentă
unei sume inițiale, precum și necunoscutele din formula de calcul a
dobânzii în cazul în care se cunosc celelalte elemente.
Termeni cheie
Dobânda compusă, factor de fructificare globală, factor de actualizare
globală.
Definiţie 10.1.1. Dacă valoarea luată în calcul a sumei plasate s se modifică periodic
pe durata de timp t după o anumită regulă, iar între două modificări consecutive
sumei modificate i se aplică (sau evaluează) o dobândă simplă, vom spune că avem
un proces de dobândă compusă sau că plasarea sumei s s-a făcut în regim de dobândă
compusă.
93
Vom presupune că suma iniţială s este depusă spre fructificare pe o perioadă
de n ani, n N*. Pentru a determina suma finală S obţinută după n ani vom utiliza
următoarea schemă de calcul: suma finală s k-1 de la sfârşitul anului k-1 este suma
iniţială pentru anul următor k şi în cazul fiecărui an se aplică operaţia de dobândă
simplă, când t = 1, aşa încât avem succesiv:
s1 = s + i · s · 1 = s (1 + i) = s · u
s2 = s1 + i · s1 · 1 = s1 (1 + i) = s · u2
………………………….
sn = sn-1 + i · sn-1 · 1 = sn-1 (1 + i) = s · u n , relaţie care se demonstrează prin
inducţie matematică.
Dacă notăm suma de la sfârşitul ultimului an cu S, adică S = sn , avem
formula de bază a operaţiei de dobândă compusă şi anume S = s · u n , unde s = suma
iniţială, S = suma finală, n este numărul de ani iar u este factorul de fructificare
anuală, u = 1+i.
În formula de bază a dobânzii compuse nu este evidenţiată în mod explicit
dobânda, dar întrucât S = s + D, găsim pentru dobânda compusă expresia: D = s (un –
1 ).
Exemplul 10.1.2. Se depune spre fructificare suma de 40.000 u.m. pe timp de 10 ani,
cu procentul 5 %. Să se determine suma finală şi dobânda.
Rezolvare:
Avem s = 40.000 u.m., n = 10 ani şi p = 5 % deci i = 0.05 şi u = 1,05. Obţinem S =
40.000 · 1,0510 = 65.155,78 u.m., iar dobânda (compusă) este D = S – s =
25.155,78 u.m.
Observaţie 10.1..3. Dacă suma s este plasată pe durata t şi
presupunem că t = T1 + T2 + … + Tn , iar pe perioada de timp T k procentul
anual este pk = 100 ik , 1 k n atunci valoarea finală a operaţiunii în regim de
n
dobândă compusă este: S = s x 1 ik Tk
k 1
n
Factorul 1 ik Tk se numeşte factor de fructificare globală în regim de
k 1
dobândă compusă.
Expresia v = u –1 se numeşte factor de actualizare anuală, iar inversul
factorului de fructificare globală se numeşte factor de actualizare globală în regim de
n 1
dobândă compusă adică explicit 1 ik Tk
k 1
Definiţie 10.1.4. Dobânzile i şi i k se numesc echivalente dacă pentru aceeaşi sumă
iniţială, pe acelaşi interval de timp, conduc la aceeaşi sumă finală, deci la aceeaşi
dobândă compusă. Se obţine relaţia: i k = k 1 i 1 .
tm
Observaţie 10.1.5. Dacă t = n + , unde t m reprezintă numărul de fracţiuni de tip m
m
ale anului (n + 1) fracţionat în m părţi egale, atunci suma
n
t
finală este: S = s · 1 ik 1 in 1 m .
k 1 m
Exemplul 10.1.6. Dacă se plasează suma s = 100.000 u.m. pe o durată de 5 ani, în
regim de dobândă compusă, cu procentele anuale 7, 8, 9, 10 şi 11 % care este
valoarea de care vom dispune după cinci ani, precum şi dobânda aferentă ? dar dacă
plasamentul se prelungeşte cu încă trei luni cu procentul anual de 12 % din al şaselea
an, care va fi dobânda aferentă ?
94
Rezolvare:
S = 100.000 · (1,07) · 1,08 · 1,09 · 1,1 · 1,11 = 153.797,644 u.m. şi dobânda
aferentă D = S – s = 53.797,644 u.m.
În cazul prelungirii vom avea:
3
S = 100.000 · (1,07) · 1,08 · 1,09 · 1,1 · 1,11 · (1+0,12 · ) = 158.411,56 u.m. şi D
12
= 58.411,56 u.m.
95
Exemplul 10.1.12. O datorie efectuată în urmă cu 10 ani cu procentul anual de 8%, se
ridică azi, în regim de dobândă compusă, la valoarea finală sau acumulată S =
2.158.900 u.m. Ce sumă a fost împrumutată ?
Rezolvare:
S
Avem relaţia S = s · (1+i) n adică s = şi deci suma împrumutată a
(1 i ) n
2.158.900
fost s = 1.000.000u.m.
(1,08)10
sk' 1 ik'
m n m n
sk 1 ik k
t k'
Sk' Sk
t
adică
k 1 k 1 k 1 k 1
Analog se defineşte echivalenţa atunci când sunt nominalizate sumele finale.
De asemenea, pot fi considerate şi aici cazurile particulare când se
determină valorile medii înlocuitoare şi anume: volumul (suma) mediu (medie) al
sumelor, procentul mediu, scadenţa comună şi scadenţa mijlocie.
Exemplul 10.1.14. Să presupunem că faţă de momentul actual, ca urmare a unui
anumit împrumut, trebuie rambursată suma finală
S1 = 1.210.000 u.m. peste 2 ani cu un procent p1 = 10 % şi suma finală S2 =
1.259.712 u.m. peste 3 ani cu un procent p2 = 8 %, ambele în regim de dobândă
compusă. Dacă dorim ca de fiecare dată să rambursăm aceeaşi sumă (având sens
practic acest lucru) atunci vom rambursa de fiecare dată suma medie finală:
S (1 i1 ) t1 S 2 (1 i2 ) t 2
S= 1 adică:
(1 i1 ) t1 (1 i2 ) t 2
1.210.000 (1 0,1) 2 1.259.712 (1 0,08) 3
S= 1.234.356 u.m.
(1 0,1) 2 (1 0,08) 3
Dacă dorim o rambursare unică a întregii valori şi acest lucru este acceptat,
să zicem peste 4 ani cu un procent anual p = 12 % atunci vom plăti suma finală unică
S1 S 2
S = (1+i) t · adică:
1 i1
t1
1 i2 t 2
1.210.000 1.259.712
S = (1+0,12) 4 · 3.147.039 u.m. înlocuind cele
1 0,1
2
1 0,083
două plăţi.
96
Test de autoevaluare
Probleme propuse
97
Unitatea de studiu 11.
Plăti eşalonate anual (anuităţi)
Cuprins
Introducere ..................................................................................................... 98
Obiectivele unităţii de studiu ........................................................................... 98
11.1. Plăţi eşalonate ....................................................................................... 98
11.2. Anuităţi posticipate temporare ............................................................. 100
11.3. Anuităţi anticipate temporare ............................................................... 103
Test de autoevaluare .................................................................................... 104
Probleme propuse ........................................................................................ 105
Introducere
A unsprezecea tratează cele două tipuri de operaţiuni plată sau
plasament, anuităţile posticipate şi cele anticipate. Aici sunt tratate
cazurile în care intervalul dintre două plăţi consecutive este constant
sau nu; sumele plătite sunt constante sau nu; procentul cu care se
operează este constant sau nu; numărul de plăţi este cunoscut.
Termeni cheie
Plăţi eşalonate, anuităţi, anuităţi anticipate temporare, anuităţi
posticipate temporare.
98
Pentru ca operaţiunea de plăţi eşalonate să fie bine definită, este necesar să
fie cunoscute anumite elemente ale acesteia, denumite şi elemente definitorii şi
anume:
1) suma care se plăteşte sau se plasează de fiecare dată, numită rată sau uneori
rentă (pentru cel ce beneficiază de ea);
2) momentul efectuării unei plăţi sau unui plasament;
3) numărul de plăţi sau de plasamente;
4) perioada sau intervalul între două plăţi sau două plasamente consecutive;
5) dobânda unitară anuală sau procentul anual cu care se operează;
6) scopul plăţii sau plasamentului de capital;
7) valoarea finală sau nominală, evaluată la un moment dat (de regulă, sfârşitul
ultimei perioade de plată) a tuturor plăţilor sau plasamentelor;
8) valoarea actuală sau actualizată sau reală evaluată la un moment dat (de
regulă acela al începerii operaţiunii) a tuturor plăţilor sau plasamentelor.
99
11.2. Anuităţi posticipate temporare
ak 1 i j an
n 1 n
Vp(n) =
k 1 j k 1
ak 1 i j
n k
Vp(0) =
k 1 j 1
Exemplul 11.2.2. Dacă trei ani consecutiv, la fiecare sfârşit de an se plasează sumele
1.000, 4.000 şi 6.000 u.m. cu procentele anuale 7, 8 şi 10 %, care este valoarea
fondului acumulat la finele celui de al treilea an şi care este valoarea actuală sau
actualizată la începutul primului an de plată a acestor plasamente ?
Rezolvare:
Potrivit relaţiilor anterioare avem:
V p (3) = 1.000 · 1,08 · 1,1 + 4.000 · 1,1 + 6.000 = 11.588 u.m.
1.000 4.000 6.000
V p (0) = 9.116,08 u.m.
1,07 1,07 1,08 1,07 1,08 1,1
Corolar 11.2.3. În condiţiile propoziţiei dacă procentul anual este constant, adică p1 =
p2 = … = p n = p = 100 · i, atunci valoarea finală V p (n) şi valoarea actuală V p (0)
sunt date respectiv de relaţiile:
n n
V p (n) = ak (1 i)n k şi V p (0) = a k (1 i ) k .
k 1
k 1
Exemplul 11.2.4. Plasând trei ani consecutiv, la finele fiecărui an, sumele din
exemplul 20 dar cu un procent anual unic p = 10 %, care este valoarea finală şi care
este valoarea actuală pentru aceste plasamente ?
Rezolvare:
100
Din relaţiile anterioare avem:
V p (3) = 1.000 · (1,1)2 + 4.000 · 1,1 + 6.000 = 11.610 u.m.
1.000 4.000 6.000
V p (0) = 8.722,76 u.m.
1,1 (1,1) 2 (1,1)3
Observaţie 11.2.5. Între valoarea finală şi valoarea actuală corespunzător plăţilor din
contextul corolarului 3.3.4. avem relaţiile:
V p (n) = (1+i)n · V p (0) = u n · V p (0)
1
V p (0) = · V p (n) = v n · V p (n).
1 i n
Corolar 11.2.6. Dacă în contextul propoziţiei anuităţile a k sunt egale, adică a1 = a2 =
… = a n = a, atunci valoarea finală V p (n) şi valoarea actuală V p (0) sunt respective
egale cu:
n 1 n
V p (n) = a · (1 i j ) 1
k 1 j k 1
1
n k
V p (0) = a · 1 i j .
k 1 j1
Exemplul 11.2.7. Dacă plasăm trei ani consecutiv la sfârşitul fiecărui an o aceeaşi
sumă S = 5.000 u.m. cu procentele anuale de 7, 8 şi 10 %, care sunt valoarea finală şi
valoarea actuală corespunzătoare operaţiunii ?
Rezolvare:
În baza relaţiilor din corolarul 3.3.7. avem:
V p (n) = 5.000 · [(1,08) · (1,1) + (1,1) + 1] = 16.440 u.m.
1 1 1
V p (0) = 5.000 · 12.933 u.m.
1,07 1,07 1,08 1,07 1,08 1,1
k 1 i
n
1 vn
V p (0) = a 1 i
k
a .
k 1 i
Exemplul 11.2.9.
a) Să presupunem că la finele anului, timp de 12 ani, se plasează
câte o sumă a = 100.000 u.m. în regim de dobândă compusă cu procentul
anual p = 5 %. Atunci valoarea finală a acestei operaţiuni va fi:
(1,05)12 1
V p (12) = 100.000 1.591.711,8 u.m
0,05
b) Dacă anual, la finele anului s-ar depune suma de a = 200.000 u.m., timp
de 12 ani, cu un procent anual de 3,5 % atunci valoarea actuală a tuturor sumelor
depuse în aceste condiţii va fi:
1 (1,035) 12
V p (0) = 200.000 1.932.673,1 u.m.
0,035
101
Observaţie 11.2.10 În condiţiile corolarului 3.3.9. putem scrie că:
V p (n) = u n V p (0) şi V p (0) = v n V p (n).
Corolar 11.2.11.
a) Dacă sumele plasate anual posticipat sunt în progresie aritmetică, adică
avem a k = a + (k-1) · r, 1 k n, iar procentul anual este constant, atunci valoarea
finală şi valoarea actuală corespunzătoare sunt respectiv:
un 1 un 1 n i
V p (n) = a r
i i2
1 vn 1 vn n vn i
V p (0) = a r
i i2
b) Dacă sumele plasate anual posticipat sunt a k = k · a, 1 k n, iar
procentul anual este constant, atunci valoarea finală şi valoarea actuală
corespunzătoare sunt respectiv:
u (u n 1) n i
V p (n) = a
i2
u (1 v n ) n v n i
V p (0) = a
i2
c) Dacă sumele plasate anual posticipat sunt în progresie geometrică, adică
avem a k = a · q k-1, 1 k n, iar procentul anual este constant, atunci valoarea finală
şi valoarea actuală corespunzătoare sunt respectiv:
un qn
a , qu
V p ( n) uq
n a u n -1 , q u
1 qn vn
a v , qu
V p (0) 1 q v
n a v, q u
102
215 (1,1)15
V p (15) = 100.000 3.640.424.700 u.m.
2 1,1
15
15 1 2 (1,1)
15
V p (0) = 100.000 (1,1) 871.487.820 u.m.
1 2 (1,1) 1
ak 1 i j .
n
V a (0) = a1
k 2 j 1
Exemplul 11.3.2. Să presupunem că achitarea unor datorii a fost stabilită pentru cinci
ani, cu plata anuală anticipat, în una din variantele următoare:
a) anual câte 10.000 u.m. cu procentul anual de 5 %;
b) anual câte 10.000 u.m. cu procentul anual de 4, 5, 6, 4, 8 %;
c) anual câte 8.000, 10.000, 12.000, 11.000 şi 9.000 u.m. cu procentul anual
de 5 %;
d) sumele de la punctul c) cu procentele de la punctul b).
În aceste condiţii care este suma unică (sau valoarea actuală a datoriei) care
ar corespunde fiecăreia dintre variantele de plată menţionate mai sus ?
Rezolvare:
Conform relaţiei din propoziţie, valoarea actuală a operaţiunii, sau suma
unică ce ar putea înlocui şirul de plăţi este respectiv egală cu:
1 (1,05) 5
a)V a (0) = 10.000 · 1,05 · 45.459,5 u.m.
0,05
b)V a (0) = 10.000 · [1+ (1,04)-1 + (1,04)-1 · (1,05)-1 + (1,04)-1 · (1,05)-1· ·
(1,06) + (1,04)-1 · (1,05)-1 · (1,06)-1 (1,04)-1 ] = 45.718,86 u.m.
-1
103
Corolar 11.3.3. În condiţiile propoziţiei dacă:
a) procentele anuale sunt egale p1 = p2 = …. = p n = p = 100 · i atunci
valoarea finală şi respectiv valoarea actuală a tuturor plăţilor sunt date de relaţiile:
n n
ak 1 i a 1 i
n k 1 1 k
V a (n) = şi V a (0) = k
k 1 k 1
b) anuităţile sunt egale a1 = a2 = …. = a n = a, atunci valoarea finală şi
respectiv valoarea actuală a tuturor plăţilor sunt date de relaţiile:
k 1 1
1 i şi V 1 i
n n n
V a (n) = a · j a (0) = a · [ 1 + j ]
k 1 j k k 2 j 1
Test de autoevaluare
Probleme propuse
105
Unitatea de studiu 12.
Rambursarea creditelor şi împrumuturilor
Cuprins
Introducere ................................................................................................... 106
Obiectivele unităţii de studiu ......................................................................... 106
12.1. Preliminarii ........................................................................................... 106
12.2. Amortizări directe ................................................................................. 107
12.3. Amortizări indirecte .............................................................................. 109
Test de autoevaluare .................................................................................... 110
Probleme propuse ........................................................................................ 111
Introducere
Această ultimă secţiune tratează modurile în care debitorul plăteşte
creditorului suma de care a beneficiat, adică rambursarea sau
amortizarea creditului. Ele se vor face folosind metodele directe sau
indirecte în diferite condiţii.
Termeni cheie
Plan de rambursare, amortizări directe, amortizări indirecte.
12.1. Preliminarii
107
R k = s, k = 1, n Q k = 0, k = 1, n 1 , Q n = s, D k = s · i, k = 1, n ,
r k = s · i, k = 1, n 1 , r n = s · u.
Modelul 3D. -amortizarea prin cote constante. Debitorul plăteşte, la
sfârşitul fiecărei perioade, o cotă constantă din împrumut, împreună cu dobânzile
corespunzătoare pentru sumele nerambursate. Relaţiile cu care se determină
s
elementele planului (tabelului) de amortizare sunt: Q k = Q = , k = 1, n , R 1 = s,
n
Rk+1 = s – k · Q, k = 1, n ,
D k = R k · i = s · i – (k-1) · Q · i, k = 1, n ,
r k = Q + D k = Q + s · i - (k-1) · Q · i, k = 1, n .
Modelul 4D.- amortizarea prin rate constante. Debitorul plăteşte, la
sfârşitul fiecărei perioade, o rată constantă, care acoperă o parte din împrumut cât şi
dobânda pentru suma nerambursată. Valoarea ratei constante se determină, pe baza
principiului echilibrului financiar, din relaţia:
1 vn s i
s=r· deci r = .
i 1 vn
108
12.3. Amortizări indirecte
Test de autoevaluare
110
Probleme propuse
111
Învăţământ la distanţă – anul I – 2009-2010
Specializarea _________________________
TEST DE VERIFICARE
5 1 4 3
180
3 4 2 1
220
112
b)
3 2 4 1
120
5 4 1 3
180
1 3 4 6
300
5. Să se rezolve problemele de mai jos atât în caz de minimizare cât şi în caz de maximizare a funcţiei
obiectiv:
a)
2 3 1 4
100
5 1 4 3
180
3 4 2 1
220
b)
3 2 4 1
120
5 4 1 3
180
1 3 4 6
300
113
6. Să se rezolve problemele de la exerciţiul 5. dacă intervin condiţiile:
1) x11 = 50;
2) x31 = 60 şi x13 = 20;
3) primii doi furnizori au oferta comună a = a1 + a2, pentru fiecare model în parte, presupunând acum
numai pe a cunoscut;
4) primii doi consumatori au cererea comună b = b1 + b2, pentru fiecare model în parte, presupunând
acum doar b cunoscut;
5) ruta sau legătura (F2, B4) este interzisă.
7. Cu ce procent anual trebuie plasată suma de 1.500 u.m. timp de 4 luni de zile cu dobânda simplă
pentru a putea dispune de suma de 2.000 u.m.?
8. I. Se efectuează cinci operaţiuni de plasare, în regim de dobândă simplă, a unor sume pe anumite
durate de timp şi cu anumite procente anuale şi anume:
- se plasează suma de 1.500 u.m. timp de 40 de zile cu procentul de 5 %;
- se plasează suma de 2.000 u.m. timp de 3 luni cu procentul de 6 %;
- se plasează suma de 4.000 u.m. timp de 4 săptămâni cu procentul de 4 %;
- se plasează suma de 3.000 u.m. timp de un semestru cu procentul de 10%;
- se plasează suma de 1.000 u.m. timp de 3 luni şi 10 zile cu procentul de 3%;
Să se înlocuiască cele cinci sume prin sume egale de fiecare dată, în condiţii de echivalenţă în regim de
dobândă simplă, dacă: duratele sunt toate egale cu 45 de zile, iar procentele sunt toate egale cu 7 %.
II. Considerând operaţiunile din I, să se determine scadenţa comună a acestora (toate scadenţele sunt
egale între ele) dacă: sumele sunt toate egale cu 3.500 u.m., iar procentele sunt toate egale cu 6 %.
III. Considerând operaţiunile din I, să se determine procentul comun înlocuitor (toate procentele sunt
egale între ele) al acestora dacă: sumele sunt toate egale cu 3.200 u.m, iar duratele sunt toate de câte o lună.
9. Ce sumă a fost plasată în urmă cu 10 ani, în regim de dobândă compusă, cu procentul anual de 6 %,
pentru ca acum să se dispună de suma de 100.000 u.m.?
10. Să se amortizeze în 3 ani un împrumut de 50.000 u.m. printr-o unică plată către creditor achitată cu
12 % şi constituirea sumei necesare restituirii datoriei prin plăţi constante depuse spre fructificare cu 15 % la o
terţă parte.
114
BIBLIOGRAFIE
1. Blaga P., Mureşan A., Matematici aplicate în economie, vol. I, vol. II, Transilvania Press,
Cluj-Napoca, 1996.
2. Butescu V., Baz D, Stremţan N., Matematici superioare, lito. Universitatea „Dimitrie
Cantemir”, Bucureşti, 1994.
4. Cenuşă Gh., Neculăescu C., Elemente de algebră liniară pentru economişti, A.S.E.,
Bucureşti, 1998.
5. Cenuşă Gh. şi colectiv, Matematici pentru economişti, Editura Cison, Bucureşti, 2000.
7. Mihoc Gh., Nădejde I., Programarea matematică, Editura Ştiinţifică, Bucureşti, 1966.
9. Ionesu H., Dinescu C., Săvulescu B., Probleme ale cercetării operaţionale, Editura Didactică
şi Pedagogică, Bucureşti, 1972.
10. Popescu O. şi colectiv, Matematici aplicate în economie, vol. I şi II, Editura Didactică şi
Pedagogică, Bucureşti, 1993.
11. Purcaru I., Matematici generale şi elemente de optimizare, Editura Economică, Bucureşti,
1998.
12. Săcuiu I., Toma N., Matematici speciale aplicate în economie, Lito ASE, Bucureşti, 1984.
13. Ştefănescu A., Zidăroiu C., Cercetări operaţionale, Editura Didactică şi Pedagogică, Bucureşti
(1981).
115