Curs Mat Econ

Ovidiu Poloţca
MATEMATICĂ ECONOMICĂ
(Note de curs)
1
2
Capitolul 1
Matrice. Determinanţi
1.1 Matrice
Definiţii. Operaţii cu matrici
Notăm Nn = {1, 2, 3, · · · , n}. Se numeşte matrice, funcţia
A : Nm × Nn → R, A(i, j) = aij , i = 1, m, j = 1, n
 
a11 a12 a13 · · · a1n
 
 a a a23 · · · a2n 
A = (aij ) i=1, m =  21 22 
j=1, n  · · · ··· · 
am1 am2 am3 · · · amn
aij se numesc elementele matricei. Matricea A se numeşte pătratică, dacă m = n.

Notăm cu Mm,n mulţimea matricelor cu m linii şi n coloane iar cu Mn mulţimea
matricelor pătratice. Spunem că o matrice A este de tip (m, n) dacă A ∈ Mm,n
Egalitatea matricelor:
A = (aij ) ∈ Mm,n , B = (bij ) ∈ Mm,n ,
A = B ⇐⇒ aij = bij , i = 1, m, j = 1, n
Matricea nulă E şi matricea unitate In

Definim matricile
   
0 0 0· · · 0 1 0 0· · · 0
 0 0 0· · · 0   0 1 0· · · 0 
   
E=  ∈ Mm,n , In =   ∈ Mn
 ········· · ·   ········· · · 
0 0 0· · · 0 0 0 0· · · 1
3
4 CAPITOLUL 1. MATRICE. DETERMINANŢI
Adunarea matricelor
A = (aij ), B = (bij ) ∈ Mm,n , A + B = (aij + bij ) ∈ Mm,n .
Adunarea matricelor are următoarele proprietăţi:

(a) A + (B + C) = (A + B) + C (asociativitate)
(c) A+B =B+A (Comutativitate)
(e) A+E =A (element neutru)
(s) A + (−A) = E, unde − A = (−aij ) (simetrizabilitate)
Înmulţirea matricelor
A = (aij ) ∈ Mm,n , B = (bij ) ∈ Mn,p , A·B = (cij ) ∈ Mm,p
n
X
cij = aik bkj , i = 1, m, j = 1, p
k=1
Înmulţirea matricelor are următoarele proprietăţi:

(a) A·(B ·C) = (A·B)·C (asociativitate)
(e) A·In = A, A ∈ Mn (dispune de element neutru unic)
(d) A(B + C) = AB + AC (distributivitate la stânga)
(B + C)A = BA + CA (distributivitate la dreapta)
Înmulţirea matricelor cu scalari

A = (aij ) ∈ Mm,n , α·A = (α·aij ). Proprietăţi:
1) 1·A = A
2) (α + β)A = αA + βA
3) α(A + B) = αA + αB
4) (α·β)A = α(β ·A) = β ··(α·A)
5) α·(A·B) = (α·A)·B
Transpusa unei matrici. Proprietăţi

Se numeşte transpusa matricei A ∈ Mm,n , matricea AT ∈ Mmn obţinută din
A prin intervertirea liniilor cu coloane.
   
a11 a12 a13 · · · a1n a11 a21 a31 · · · am1
 a21 a22 a23 · · · a2n   a12 a22 a32 · · · am2 
A=  ·
, AT =  
· · ··· ·   · · · ··· · 
am1 am2 am3 · · · amn a1n a2n a3n · · · amn
1.2. DETERMINANŢI 5
În raport cu operaţiile introduse, transpusa are următoarele proprietăţi:

1) (A + B)T = AT + B T
2) (A·B)T = B T ·AT
3) (α·A)T = α·AT
4) (AT )T = A
1.2 Determinanţi
Definiţie. Calcul
Se numeşte determinant de ordinul n al matricei pătratice A = (aij ) ∈ Mn
not.
un număr real pe care-l notăm astfel: det(A) = |A|
 
a11 a12 a13 · · · a1n a11 a12 a13 · · · a1n

 
 a21 a22 a23 · · · a2n  a21 a22 a23 · · · a2n
A= , det A =
 · · · ··· ·  · · · · · · ·

an1 an2 an3 · · · ann an1 an2 an3 · · · ann
Matricea A se numeşte singulară dacă det A = 0 şi nesingulară dacă det A 6= 0
Calculul Determinanţilor de ordinul 2

a a
D = 11 12 = a11 a22 − a12 a21

a21 a22
Calculul Determinanţilor de ordinul 3

(Regula lui Sarrus)

a11 a12 a13

& .

a21 a22 a23
D = = a11 a22 a33 +a21 a32 a13 +a31 a12 a23 −(a13 a22 a31 +a23 a32 a11 +a33 a12 a21 )

. &
& .
a31 a32 a33

. .
& &
a11 a12 a13
. &
a21 a22 a23
Referitor la corespondenţa matrice ←→ determinant avem proprietăţile

1) det(A · B) = det(A) · det(B)
2) det(α·A) = αn det(A)
3) det(AT ) = det(A)
Complement algebric
• Se numeşte minor al elementului aij , determinantului Dij de ordinul n − 1
obţinut prin suprimarea liniei i şi coloanei j
• Se numeşte Complement algebric: al elementului aij determinantul
Aij = (−1)i+j Dij
Un determinant de ordinul n se poate exprima prin suma a n determinanţi

de ordinul n − 1 astfel
D = ai1 Ai1 + ai2 Ai2 + ai3 Ai3 + · · · + ain Ain (dezvoltarea după linia i)
D = a1j A1j + a2j A2j + a3j A3j + · · · + anj An (dezvoltarea după coloana j)
Determinanţii unor matrice particulare

Definim următoarele tipuri de matrice:
D = (aij )i=1, m ; aij = 0, i > j, matrice triunghiulară dreapta
j=1, n
S = (aij )i=1, m ; aij = 0, i < j, matrice triunghiulară stânga
j=1, n
∆ = (aij )i=1, m ; aij = 0, i = j, matrice diagonală
j=1, n
     
a11 a12 a13 a11 0 0 a11 0 0
 a22 a23     a22 0 
D= 0  S =  a21 a22 0  ∆= 0 
0 0 a33 a31 a32 a33 0 0 a33
det D = det S = det ∆ = a11 ·a22 ·a33
Proprietăţi ale determinanţilor

D.1 Un determinant este nul dacă:
a) Elementele unei linii sau coloane sunt nule
b) Are două linii sau coloane identice
c) Elementele a două linii sau coloane sunt proporţionale
d) O linie sau coloană este combinaţie liniară de celelalte linii sau coloane
D.2 Dacă intervertim două linii sau coloane, ale unui determinant obţinem un
determinant egal cu opusul determinantului iniţial
D.3 Dacă la elementele unei linii sau coloane adună elementele altei linii sau colane
ı̂nmulţite cu un număr (acelaşi), valoarea dederminantului nu se schimbă.
1.2. DETERMINANŢI 7
D.4 Dacă elementele unei linii sau coloane se ı̂nmulţesc cu un număr, atunci
determinantul se ı̂nmulţeşte cu acel număr.
Matrice inversabilă
Matricea A ∈ Mn se numeşte inversabilă, dacă
∃ A−1 ∈ R astfel ı̂ncât A·A−1 = In
Matricea A este inversabilă dacă şi numai dacă det(A) 6= 0 şi atunci
1
A−1 = ·A∗
det(A)
unde  T
A11 A12 A13 ··· A1n
 
 A21 A22 A23 ··· A2n 
A∗ =  
 · · · ··· · 
An1 An2 An3 ··· Ann
se numeşte matricea adjunctă iar Aij , i, j = 1, n sunt complemenţii algebrici ai
elementelor aij .
Caz particular

a b −1 1 d −b
A= , A =
c d ad − bc −c a
Operaţia de inversare a matricelor are următoarele proprietăţi:
1) (A · B)−1 = B −1 · A−1
2) (AT )−1 = (A−1 )T
3) (A−1 )−1 = A
4) det(A)·det(A−1 ) = 1
1.3 Exerciţii
1. Să se calculeze suma matricelor

−1 0 3 4 1 1 −2 −2
a) A, B ∈ M24 , A = , B=
−2 1 −3 −4 2 −1 3 4
   
−1 2 1 −2
 1   
b) A =  0 , B= 1 1 
1 −3 1 1
2. Să se calculeze produsul matricelor
 
1 4
1 −1 2  
a) A = ∈ M23 , B =  0 0  ∈ M32
0 4 −3
−1 1
   
a11 a12 a13 x1
   
b) A =  a21 a22 a23  ∈ M33 , X =  x2  ∈ M31
a31 a32 a33 x3
 
b1
 
c) A = a1 a2 a3 ∈ M13 , X =  b2  ∈ M31
b3
!
1 −1 1 −1 0
d) A = ∈ M22 , B= ∈ M23
2 3 2 −2 1
 
−1 4 !
 5  8 2 2
e) A =  7  ∈ M32 , B= ∈ M23
0 6 −4
6 −2
3. Să se calculeze matricea

   
1 −4 2 6 −3 18
2
A = 2·  −5 −3 4  − ·  3 9 −9 
3
0 4 5 12 0 3
4. Să se rezolve ecuaţia matricială

     
2 −3 1 3 −3 6
3X +  −1 2  = 2·  7 4  +  −9 3 
2 −3 −2 6 3 0
5. Cu regula lui Sarrus să se calculeze determinanaţii matricelor

1.3. EXERCIŢII 9
   
−1 2 3 −1 1 1
a) A =  4 1 −1  , B= 2 1 0 
4 2 3 4 3 3
   
1 −4 2 6 −3 18
1
b) A = 2·  −5 −3 4  , B = · 3 9 −9 
3
0 4 5 12 0 3
6. Să se calculeze determinanaţii de ordinul doi:

−1 2 1 −2 4 −6 5
a) 2 , ,
4 11 2 2 6 4 −11
√
1 −2 1 −1 1

x+y
5 − 2

b) , , √
2 4 −6 7 8 5+2 x−y
√ √ √ √
a −b −4 10 2+ 3 2 −
c) 2 , , √ √ √ √5
b a 8 −6 2+ 5 2− 3
7. Cu regula lui Sarrus să se calculeze următorii determinanaţi:

−1 2 3 −2 4 2
1
a) 2· 4 1 −1 , · 2 6 0
4 2
2 3 4 −2 −6

1 −4 2 6 −3 18
1
b) 2· −5 −3 4 , · 3 9 −9
0 3
4 5 12 0 3
8. Să se calculeze următorii determinanaţi prin dezvoltare după o linie sau coloană

1 0 −2 6 −3 18 2 −3 1

a) −5 −3 4 , 3 9 −9 , 0 3 0

0 4 5 12 0 3 1 2 3

1 0 −2 3 1 0 0 0

−5 −3 4 −2 3 9 −9 −1
b) ,
0 4 5 −1 2 0 3 −2

0 4 5 −1 102 0 0 −2

1 2 −1 4 −2 5 0 −1

3 1 4 −5 1 0 3 7
c) ,
2 0 1 −1 3 −1 0 5

6 −5 4 −4 2 6 −4 1
9. Să se calculeze următorii determinanaţi efectuând elemente nule pe linie sau

coloană

2 1 1 1 1 2 3 4 −1 2 4 5

1 2 1 1 2 3 4 1 −1 4 1 2
a) , ,
1 1 2 1 3 4 1 2 0 2 1 −2

1 1 1 1 4 1 2 3 4 3 2 1

−1 0 1 2 1 1 1 1 2 1 0 0

2 −1 3 4 1 2 3 4 1 2 1 0
b) , ,
5 −1 1 1 2 3 4 5 0 1 2 1

2 −2 4 1 3 4 5 6 0 0 1 2

1 2 −1 4 −2 5 0 −1

3 1 4 −5 1 0 3 7
c) ,
2 0 1 −1 3 −1 0 5

6 −5 4 −4 2 6 −4 1

0 1 2 3 0 a b c

−1 0 3 4 −a 0 d e
d) ,
−2 −3 0 5 −b −d 0 f

−3 −4 −5 0 −c −e −f 0

−4 1 2 −2 1 a 1 2 −2 1

0 3 0 1 −5 0 b 0 1 −5

e) 2 −3 1 −3 1 , 0 0 c −3 1

−1 −1 3 −1 0 0 0 0 d 9

0 4 0 2 5 0 0 0 0 e
f ) Să se arate că următorii determinanţi sunt nuli

6 10 2 4 a b 0 d

−1 0 3 4 −1 5 0 e
d) ,
3 5 1 2 123 d 0 f

−3 −4 −5 0 9 e 0 7

a b c d

b c d a
unde a + b + c + d = 0
c d a b

d a b c
Să se se stabilească dacă matricele următoare sunt inversabile şi ı̂n caz afirmativ,
det A 6= 0, să se calculeze inversele lor:
 
2 2 3
 
10. A =  1 −1 1 
−1 2 1
1.3. EXERCIŢII 11
Rezolvare: det A = −7 6= 0

−1 1 1 1 1 −1
A11 = = −3, A12 = − = −2, A13 = =1
2 1 −1 1 −1 2

2 3 2 3 2 2
A21 = − = 4, A22 = = 5, A23 = −
−1 2 = −6
2 1 −1 1

2 3 2 3 2 2
A31 = = 5, A32 = − = 1, A33 =
1 −1 = −4
−1 1 1 1
   
−3 4 5 −3 4 5
  1 
A∗ =  −2 5 1 , A−1 = −  −2 5 1 
7
1 −6 −4 1 −6 −4

1 2 3 4 a b 1 0
11. a) A = , B= , C= , D=
3 4 5 6 c d 0 1
     
1 1 1 1 −1 2 2 2 3
     
b) A =  1 2 3  , B= 3 2 1 , C =  3 −1 0 
1 3 6 −1 0 1 −1 2 0
   
1 1 1 1 1 2 −1 3
 1 1 −1 −1   0 1 2 −5 
   
12. A =  , B= 
 1 −1 1 −1   0 0 1 −3 
1 −1 −1 1 0 0 0 1
   
1 1 1 1 0 1 1 1
 1 0 1 1   1 0 1 1 
   
13. A =  , B= 
 1 1 0 1   1 1 0 1 
1 1 1 0 1 1 1 0
   
3 −2 0 −1 1 0 0 0
 0 2 2 1   1 1 0 0 
   
14. A =  , B =  
 0 0 −3 −2   1 −1 1 0 
0 0 0 1 1 −1 −1 1
 
2 0 0 0
 0 3 0 0 
 
15. C =  
 0 0 −1 0 
0 0 0 1
16. Să se rezolve următoarele ecuaţii matriceale

−1 −2 7 2 2 1 5 6
a) X · = b) ·X =
5 8 −3 5 2 3 7 8

−1 2 4 6 8 13
c) ·X · =
−3 8 5 8 −4 −7
   
1 2 3 −1 5 3
   
d) X ·  0 1 2  =  2 1 −1 
−1 2 1 −3 4 −5
     
2 2 3 1 2 −3 1 −1 −1
     
e)  1 −1 0  ·X ·  0 1 2 = 0 1 1 
−1 2 1 0 0 1 0 0 1
Capitolul 2
Sisteme de ecuaţii liniare
2.1 Rangul unei matrice

Considerăm o matricea
 
a11 a12 a13 · · · a1n
 a21 a22 a23 · · · a2n 
 
 
A= a31 a32 a33 · · · a3n 
 
 · · · ··· · 
am1 am2 am3 · · · amn
• Se numeşte minor de ordinul k ≤ min{m, n} al matricei A un determinant de

ordinul k alcătuit din elementele aflate la intersecţia a k linii şi k coloane.
Exemplu:
 
a11 a12 a13 a14 a15 a16
 a21 a22 a23 a24 a25 a26 
 
A= 
 a31 a32 a33 a34 a35 a36 
a41 a42 a43 a44 a45 a46
Pentru k = 2, alegând elementele aflate la intersecţia liniilor 2 şi 4 şi coloanelor
1 şi 3 obţinem minorul
a21 a23
∆2 =
a41 43
Găsim un un minor de ordinul 3 ştergând, de exemplu, linia 3 şi coloanele 2, 5, 6,

a11 a13 a14

∆3 = a21 a23 a24

a41 a43 a44
k
În general există Cm ·Cnk minori de ordinul k
13
14 CAPITOLUL 2. SISTEME DE ECUAŢII LINIARE
• Spunem că o matrice are rangul r şi scriem rang A = r, dacă matricea A are
un minor de ordin r diferit de zero, ∆r 6= 0 şi toţi minorii de ordin mai mare
decât r sunt nuli, adică ∆k = 0, pentru k > r
Aparent, pentru găsirea rangului unei matrice ar trebui să calculăm toţi minorii
de ordin mai mare decât k, ceea ce ar constitui o treabă deosebit de laborioasă.
Următoarea propoziţie elimină cea ma mare parte din minorii care ar trebui calculaţi.
Dacă găsim un minor de ordin r diferit de zero ∆r 6= 0 şi toţi minorii de ordin
r + 1 obţinuţi prin bordarea lui Dr cu liniile şi coloanele rămase, sunt nuli, atunci
rang A = r
Regulă: Alegem un minor de ordin cel puţin 2 diferit de zero, ∆k 6= 0, k ≥ 2 şi-l
bordăm cu liniile şi coloanele rămase. Dacă toţi minorii de ordin k + 1 obţinuţi
prin bordare sunt nuli, atunci rang A = k. Dacă există un minor de ordinul k + 1
diferit de zero, continuăm operaţia de bordare, s.a.m.d.
Exemplu: Să aflăm rangul matricei:
 
2 −1 1 3 4
 2 −1 2 1 −2 
 
A= 
 2 −3 1 2 −2 
0 2 2 −3 −6
Găsim minorul de ordinul 2 diferit de zero,

−1 1
∆2 = = −1 6= 0
−1 2
Bordăm cu linia 3 şi coloana 1,

2 −1 1

∆3 = 2 −1 2 = 4 6= 0

2 −3 1

2 −1 1 3

2 −1 2 1

∆4 = =0
2 −3 1 2

0 2 2 −3

2 −1 1 4

2 −1 2 −2

∆04 = =0
2 −3 1 −2

0 2 2 −6
Deci rang A = 3
2.2. SISTEM DE M −ECUAŢII CU N −NECUNOSCUTE: 15
2.2 Sistem de m−ecuaţii cu n−necunoscute:

Un sistem de m ecuaţii cu n necunoscute se scrie sub forma:


 a11 x1 + a12 x2 + · · · + a1n xn = b1

a21 x1 + a22 x2 + · · · + a2n xn = b2
(1)

 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · ··

am1 x1 + am2 x2 + · · · + amn xn = bm
 
a11 a12 · · · a1n
 
 a a · · · a2n 
A = (aij ) i=1, m =  21 22  = matricea coeficienţilor sistemului
j=1, n  · · ··· · 
am1 am2 · · · amn
   
x1 b1
 x   b 
 2   2 
X=  = matricea necunoscutelor, B =   = matricea termenilor liberi
 ···   ··· 
xn bm
În forma matricială, sistemul se scrie astfel:

(2.1) A·X = B
• Fiind date matricea A a sistemului şi matricea B a termenilor liberi, o mulţime
{x1 , x2 , · · · xn } care verifică ecuaţiile sistemului, se numeşte soluţia sitemului.
• Sistemul se numeşte compatibil dacă are cel puţin o soluţie, compatibil deter-
minat dacă are o singură soluţie şi incompatibil dacă nu are nici o soluţie.
Rezolvarea unui sistem de ecuaţii prin formulele lui Cramer

Corespunde cazului ı̂n care numărul ecuaţiilor este egal cu numărul nrcunos-
cutelor şi matricea sistemului este nesingulară:
m = n şi D = det A 6= 0.
Sistemul este compatibil determinat (soluţie unică), şi soluţia se calculează cu
formulele lui Cramer:
Di
xi = , i = 1, n
D
unde Di , i = 1, n, sunt determinanţii obţinuţi prin ı̂nlocuirea coloanei i cu
coloana termenilor liberi.
Exemplu: Să se rezolve sistemul:
  
 2x1 − x2 − x3 = 2
 2 −1 −1
 
x1 + 4x2 − 2x3 = 10 , A =  1 4 −2  , D = det A = 18

 x − 2x + 2x = 10
1 2 3 1 −2 2

2 −1 −1 2 2 −1 2 −1 2

D1 = 10 4 −2 = 108, D2 = 1 10 −2 = 72, D3 = 1 4 10 = 108

10 −2 2 1 10 2 1 −2 10
D1 108 D2 72 D3 108
x1 = = = 6, x2 = = = 4, x3 = = =6
D 18 D 18 D 18
Deci soluţia este (6, 4, 6)
Rezolvarea unui sistem de ecuaţii ı̂n cazul general

Considerăm sistemul (1) ı̂n cazul cel mai general, m− ecuaţii şi n− necunos-
cute. Pentru rezolvarea sistemului parcurgem etapele:
1) Aflăm rangul matricei A, r = rangA, şi fie D 6= 0 determinantul principal
de ordinul r ≤ min{m, n} care defineşte rangul matricei.
• Ecuaţiile şi necunoscutele a căror coeficienţi alcătuiesc determinantul D se
numesc ecuaţii principale respectiv necunoscute principale. Celelalte ecuaţii şi ne-
cunoscute se numesc secundare.
2) Cazul r = m < n : Sistemul este compatibil nedeterminat. Se rezolvă sis-
temul ı̂n funcţie de necunoscutele secundare care se trec ı̂n membrul drept şi devin
parametri.
3) Cazul r < m : Se calculează determinanţi caracteristici, ∆i , i = 1, m − r
obţinuţi prin bordarea determinantului principal cu:
− linia coeficienţilor necunoscutelor principale din ecuaţiile secundare
− coloana termenilor liberi.
a) Sistemul este compatibil dacă şi numai dacă toţi determinanţii caracteristici
sunt nuli: ∆i = 0, i = 1, m − r
b) Sistemul este compatibil determinatat dacă şi numai dacă toţi determinanţii
caracteristici sunt nuli: ∆i = 0, i = 1, m − r şi rangul matricei este egal cu
numărul necunoscutelor r = n.
Sisteme de ecuaţii liniare omogene

Sunt sistemele ı̂n care termenii liberi sunt nuli:


 a11 x1 + a12 x2 + · · · + a1n xn = 0

a21 x1 + a22 x2 + · · · + a2n xn = 0

 · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · · ··

am1 x1 + am2 x2 + · · · + amn xn = 0
Observând că un astfeld de sistem admite soluţia banală
x1 = x2 = · · · = xn = 0
2.2. SISTEM DE M −ECUAŢII CU N −NECUNOSCUTE: 17
razultă că este totdeauna compatibil. Prin urmare, singura problemă care se pune
este problema nedeterminării sau problema admiterii de soluţii nenule.
Bazându-ne pe rezultatele precedente, deducem următoarele propoziţii
Un sistem de ecuaţii liniar omogen admite soluţii nenule dacă şi numai dacă
rangul matricei sistemului este mai mic decât numărul necunoscutelor, rangA < n.
Un sistem de ecuaţii liniar omogen ı̂n care numărul ecuaţiilor este egal cu
numărul necunoscutelor, m = n, admite soluţii nenule dacă şi numai dacă
det A = 0.
Metoda lui Gauss

Considerăm sistemul de ecuaţii scris sub forma (2.1)
AX = B.
Aplicăm un următoarele transformări, liniilor matricei extinse

 
a11 a12 · · · a1n b1
 
 a21 a22 · · · a2n b2 
A=  = matricea extinsă
 · · ··· · 
am1 am2 · · · amn bn
pentru aducerea la forma triunghiulară:

 
a011 a012 a013 · · · a01n b01
 0 a022 a023 · · · a01n b02 
 
 
A∼ 0 0 a033 · · · a01n b03  = forma triunghiulară
 
 · · ··· · 
0 0 0··· a0mn b03
• Intervertirea a două linii ı̂ntre ele.

• Înmulţirea cu un scalar.
• Înmulţirea cu un scalar şi adunarea la altă linie.
2.3 Exerciţii
Rezolvaţi următoarele sisteme cu regula lui Cramer


 2x1 − x2 − x3 = 2

1. x1 + 4x2 − 2x3 = 10

 x − 2x + 2x = 10
1 2 3
 
 x1 + x2 − x3 = 0,
  D1 = −5

2. 3x1 − 2x2 + 2x3 = 5 D = −5, D2 = 10

 2x + 3x − 2x = 2 
 D = −15
1 2 3 3
 
 2x1 − x2 + 3x3 = 9
  D1 = 110

3. x1 + 2x2 − 4x3 = −2 D = 55, D2 = 220

 −3x + 4x + x = 13 
 D = 165
1 2 3 3
 
 x1 + 2x2 − 2x3 = 1
  D1 = 15

4. −4x1 + x2 + 2x3 = 2 D = 33, D2 = 48

 2x − x + 3x = 3 
 D = 39
1 2 3 3
 

 6x1 + 4x2 + x3 + 2x4 = 3 
 D1 = 12

 6x + 5x + 3x + 5x = 6 
 D = −24
1 2 3 4 2
5. D = −12,

 12x1 + 8x2 + x3 + 5x4 = 8 
 D3 = 12

 

6x1 + 5x2 + 3x3 + 7x4 = 8 D4 = −12
 

 x1 − 2x2 + 3x3 + 4x4 = 22 
 D1 = 740

 −4x + x + 2x + 3x = 6 
 D = −1480
1 2 3 4 2
6. D = 740,

 3x1 + 4x2 − x3 + 2x4 = −4 
 D3 = 2220

 

2x1 + 3x2 + 4x3 − x4 = 6 D2 = 1480
Rezolvaţi următoarele sisteme prin metoda lui Gauss

Enunţuri

  x1 + 2x2 + 3x3 − x4 = 1
 x1 + 2x2 + 3x3 − 2x4 = 6 

 

 2x − x − 2x − 3x = 8  3x1 + 2x2 + x3 − x4 = 1

1 2 3 4
7. 8. 2x1 + 3x2 + x3 + x4 = 1

 3x1 + 2x2 − x3 + 2x4 = 4 


 
 2x1 + 2x2 + 2x3 − x4 = 1
2x1 − 3x2 + 2x3 + x4 = −8 

5x1 + 5x2 + 2x3 =2
2.3. EXERCIŢII 19
 
 x1 + x2 + x3 + x4 = 1
  x1 + x2 + x3 = 2

9. 2x1 − x2 + x3 − x4 = 2 10. 2x1 − 3x2 + x3 = 11

 x − 2x 
 4x − x + 3x = 10
1 2 − 2x4 = −1 1 2 3
 
 x1 + 2x2 + 3x3 + 4x4 =5  2x1 − 2x2 + x3 − x4 + x5 = 1

 

 2x + x + 2x + 3x =1  x1 + 2x2 − x3 + x4 − 2x5 = 1
1 2 3 4
11. 12.)

 3x1 + 2x2 + x3 + 2x4 =1 
 4x1 − 10x2 + 5x3 − 5x4 + 7x5 = 1

 
 2x − 14x + 7x − 7x + 11x = −1
4x1 + 3x2 + 2x3 + x4 = −5 1 2 3 4 5

 2x1 − x2 − x3 + 3x4 + 2x5 = 6 

  2x1 + 3x2 − x3 = 20

 6x1 − 2x2 + x3 − x5 = −3 

  −6x − 5x + 2x4 = −45
1 2
13.) −4x1 + 2x2 + 3x3 − 4x4 − 2x5 = −5 14.

 
 2x1 + 7x2 + 4x3 − 4x4 = 5

 2x1 + 4x3 − 7x4 − 3x5 = −8 


 4x1 + 6x2 + 2x3 − 3x4 = 58
x2 + 8x3 − 5x4 − x5 = −3
Rezolvări
     
1 2 3 −2 6 1 2 3 −2 6 1 2 3 −2 6
 2 −1 −2 −3 8   0 −5 −8 1 −4   0 −5 −8 1 −4 
     
7.  ∼ ∼ ∼
 3 2 −1 2 4   0 −4 −10 8 −14   0 2 5 −4 7 
2 −3 2 1 −8 0 −7 −4 5 −20 0 −7 −4 5 −20
     
1 2 3 −2 6 1 2 3 −2 6 1 2 3 −2 6
 0 −1 2 −7 10   0 −1 2 −7 10   0 −1 2 −7 10 
     
∼ 
 0 2 5 −4 7
∼
  0 0 9 −18 27
∼
  0 0 1 −2 3
∼

0 −7 −4 5 −20 0 0 −18 54 −90 0 0 −1 3 −5
 
1 2 3 −2 6 x4 = −2
 0 −1 2 −7 10  x3 + 4 = 3, x3 = −1
∼

 0 0 1 −2 3


 −x2 − 2 + 14 = 10, x2 = 2
0 0 0 1 −2 x1 + 4 − 3 + 4 = 6, x1 = 1
     
1 2 3 −1 1 1 2 3 −1 1 1 2 3 −1 1
 3 2 1 −1 1   0 −1 −5 3 −1   0 −1 −5 3 −1 
     
     
8.  2 3 1 1 1 ∼ 0 −4 −8 2 −2  ∼  0 0 12 −10 2 ∼
     
 2 2 2 −1 1   0 −2 −4 1 −1   0 0 6 −5 1 
5 5 2 0 2 0 −5 −13 5 −3 0 0 6 −5 1
   
1 2 3 −1 1 1 2 3 −1 1
 3 −1 
 0 −1 −5   0 −1 −5 3 −1 
  



e
 0 0 6 −5 ∼
1 

0 0 6 −5 1 

 1 
 0 0 6 −5   0 0 0 0 0 
0 0 6 −5 1 0 0 0 0 0
1 + 5α 1 − 7α 1 + 5α
x4 = α, x3 = , x2 = , x1 =
6 6 6
     
1 1 1 1 1 1 1 1 1 1 1 1 1 1 1
     
9.  2 −1 1 −1 2  ∼  0 −3 −1 −3 0  ∼  0 −3 −1 −3 0 
1 −2 0 −2 −1 0 −3 −1 −3 −2 0 0 0 0 −2
Sistemul este incompatibil

     
1 1 1 2 1 1 1 2 1 1 1 2
     
10.  2 −3 1 11  ∼  0 −5 −1 7  ∼  0 −5 −1 7 
4 −1 3 10 0 −5 −1 2 0 0 0 −5
Sistemul este incompatibil
     
1 2 3 4 5 1 2 3 4 5 1 2 3 4 5
 2 1 2 3 1   0 −3 −4 −5 −9   0 3 4 5 9 
     
11. 
 3 2 1 2 1


∼ 
 0 −4 −8 −10 −14
∼
  0 2 4 5 7
∼

4 3 2 1 −5 0 −5 −10 −15 −25 0 1 2 3 5
   
1 2 3 4 5 1 2 3 4 5
 0 1 2 3 5   0 1 2 3 5 
   
 ∼ 
 0 3 4 5 9   0 0 −2 −4 −6 
0 2 4 5 7 0 0 0 −1 −3
x4 = 3, x3 = −3, x2 = 2, x1 = 5
   
2 −2 1 −1 1 1 1 2 −1 1 −2 1
 1 2 −1 1 −2 1   2 −2 1 −1 1 1 
   
12.  ∼ ∼
 4 −10 5 −5 7 1   4 −10 5 −5 7 1 
2 −14 7 −7 11 −1 2 −14 7 −7 11 −1
2.3. EXERCIŢII 21
   
1 2 −1 1 −2 1 1 2 −1 1 −2 1
 0 −6 3 −3 5 −1   0 −6 3 −3 5 −1 
   
 ∼  ∼
 0 −18 9 −9 15 −3   0 0 0 0 0 0 
0 −18 9 −9 15 −3 0 0 0 0 0 0
3α − 3β + 5γ + 1 γ+2
x5 = α, x4 = β, x3 = γ, x2 = , x1 =
6 3
   
2 −1 −1 3 2 6 2 −1 −1 3 2 6
 6 −2 1 0 −1 −3   0 1 4 −9 −7 −21 
   
   
13.  −4 2 3 −4 −2 −5 ∼ 0 0 1 2 2 7 ∼
   
 2 0 4 −7 −3 −8   0 1 5 −10 −5 −14 
0 1 8 −5 −1 −3 0 1 8 −5 −1 −3
   
2 −1 −1 3 2 6 2 −1 −1 3 2 6
 0 1 4 −9 −7 −21   0 1 4 −9 −7 −21 
   
   
e 0 0 1 2 2 7 ∼ 0 0 1 2 2 7 ∼
   
 0 0 1 −1 2 7   0 0 1 −1 2 7 
0 0 4 4 6 18 0 0 2 2 3 9
   
2 −1 −1 3 2 6 2 −1 −1 3 2 6
 0 1 4 −9 −7 −21   0 1 4 −9 −7 −21 
   
e


0 0 1 2 2
 
7 ∼
 
0 0 1 2 2

7 ∼

 0 0 0 −3 0 0   0 0 0 1 0 0 
0 0 0 −2 −1 −5 0 0 0 −2 −1 −5
 
2 −1 −1 3 2 6
 0 1 4 −9 −7 −21 
 
e


0 0 1 2 2

7 

 0 0 0 1 0 0 
0 0 0 0 −1 −5
19
x5 = 5, x4 = 0, x3 = −3, x2 = 26, x1 =
2
     
2 3 −1 0 20 2 3 −1 0 20 2 3 −1 0 20
 −6 −5 0 2 −45   0 4 −3 2 15   0 4 −3 2 15 
     
14.  ∼ ∼ ∼
 2 7 4 −4 5   0 4 5 −4 −15   0 0 8 −6 −30 
4 6 2 −3 58 0 0 4 −3 18 0 0 4 −3 18
   
2 3 −1 0 20 2 3 −1 0 20
 0 4 −3 2 15   0 4 −3 2 15 
e

 0 0 4 −3 −15
 
∼
  0 0 4 −3 −15

.

Sistem incompatibil
0 0 4 −3 18 0 0 0 0 33
Procente
p
1) Procente: a = p % din b ⇐⇒ a = ·b. Calculaţi:
100
a) a = 10 % din 45 b) a = 25 % din 80 c) a = 20 % din 125 d) a = 3, 5 % din 425
Calculaţi pe b ştiind că:
e) 10 % din b = 5 f ) 35 % din b = 75 g) 80 % din b = 6 h) 25 % din 125 = 50
Calculaţi procentul p ştiind că:
i) p % din 125 = 5 j) p % din 30 = 45 k) p % din 326 = 10 l) p % din 150 = 25
2) La preţul de livrare din fabrică al unui obiect, un comerciant pune un adaos
comercial de 20%, peste care se adaugă 24% T.V.A., din acest preţ nou. Ştiind
că obiectul costă acum 446, 4 lei lei, aflaţi care a fost preţul de livrare fin fabrică.
Rezolvare. Notăm cu a preţul iniţial
20·a a 6a
− Adăugăm la a, 20% din a şi noul preţ este b = a + =a+ =
100 5 5

24·b 6a 24 6a 6a 24
− Adăugăm la b, 24% din b şi găsim b = b+ = + · = 1+
100 5 100 5 5 100
− Ultimul preţ trebuie să fie egal 446, 4 lei. Deci

6a 24
1+ = 446, 4 =⇒ a = 300 lei
5 100
1
3) După ce a parcurs din lungimea unui traseu, un călător constată că, dacă
6
mai parcurge 30% din ce i-a mai rămas de parcurs, atunci ı̂i mai rămân 210 km
din lungimea traseului. Ce lungime are ı̂ntregul traseu?
4) O persoană constată că după ce a cheltuit 192 lei, a rămas cu 40% suma pe
carea avut-o iniţial. Care a fost suma pe care a avut-o iniţial?
5) După ce a cheltuit 96 lei şi ı̂ncă 20% din banii pe care i-a avut, o persoană
3
constată că a cheltuit din suma avută iniţial. Ce sumă a avut şi cât i-a rămas de
5
cheltuit acelei persoane?
6) Care era preţul unui obiect ştiind că după ce s-a scumpit cu 20% apoi s-a
ieftinit cu 20% preţul obiectului este 288 lei
Capitolul 3
Ecuaţia dreptei. Separarea

planului
3.1 Forme ale ecuaţiei dreptei

Considerăm un plan P ı̂n care s-a definit sistemul de coordonate Oxy astfel că
orice punct M ∈ P este reprezentat ı̂n mod unic printr-o pereche de coordonate
M (x, y) numite: x = abscisă şi y = ordonată.
Punctele care au ordonata 0 aparţina axei Ox iar cele cu abscisa 0, axei OY
A(x, 0) ∈ Ox, B(0, y) ∈ Oy
Punctele M (x, y) ∈ P care verifică o ecuaţie de forma ax + by + c = 0 sunt
situate pe aceeaşi dreaptă d. Scriem
d : ax + by + c = 0
şi spunem că ax + by + c = 0 este ecuaţia generală a dreptei d.
Ecuaţia dreptei d care trece prin două puncte A(x1 , y1 ) şi B(x2 , y2 ) este
y − y1 x − x1
d: =
y2 − y1 x2 − x1
Exemplu: Ecuaţia dreptei determinată de punctele A(−2, 4) şi B(1, −5) este
y−4 x+2
=
−5 − 4 1+2
care mai poate fi scrisă sub forma generală
3x + y + 2 = 0
Cunoscând punctele A(a, 0) ∈ Ox şi B(0, b) ∈ Oy ecuaţia dreptei AB este
x y
AB : + =1
a b
23
24 CAPITOLUL 3. ECUAŢIA DREPTEI. SEPARAREA PLANULUI
şi poartă numele de ecuaţia dreptei prin tăieturi.

Invers dându-se ecuaţia unei drepte d : ax+by +c = 0, punctele ı̂n care dreapta
d intersectează axele de coordonate se obţin luı̂nd pe rând y = 0 şi x = 0 :
c c
y = 0 =⇒ x = − , d ∩ Ox = A − , 0
a a
c c
x = 0 =⇒ y = − , d ∩ Oy = B 0 , −
b b
Ecuaţia dreptei care trece pri origine are expresia
ax + by = 0
care se obţine din ecuaţia generală, prin anularea termenului liber c = 0.
Exemplu: Ecuaţia dreptei care trece prin origine şi prin punctul M (x0 , y0 ) este
y x
= sau y0 x − x0 y = 0
y0 x0
Aşadar să recapitulăm:
• Ecuaţia generală a dreptei

ax + by + c = 0
• Ecuaţia dreptei ce trece prin două puncte
y − y1 x − x1
= , A(x1 , y1 ) şi B(x2 , y2 )
y2 − y1 x2 − x1
• Ecuaţia dreptei prin tăieturi
x y
+ = 1, A(a, 0) ∈ Ox, B(0, b) ∈ Oy
a b
• Ecuaţia dreptei ce trece prin origine
y0
y= x : O(0, 0) şi M (x0 , y0 )
x0
• Ecuaţia axelor de coordonate
Ox : y = 0, Oy : x = 0
• Ecuaţia unei drepte paralele cu axele de coordonate
da k Oy : x = a, A(a, 0) ∈ Ox
db k Ox : y = b, B(0, b) ∈ Oy
Intersecţia a două drepte
Dându-se două drepte d1 : a1 x + b1 y + c1 = 0, şi d2 : a2 x + b2 y + c2 = 0,
punctul lor de intersecţie, M (x0 , y0 ) = d1 ∩ d2 , este soluţia sistemului de ecuaţii

a1 x + b1 y + c1 = 0
a2 x + b2 y + c2 = 0
3.1. FORME ALE ECUAŢIEI DREPTEI 25
Exerciţii
1. Să se scrie ecuaţiile generale ale dreptelor care trec prin punctele:
a) AB : A(1, 3), B(2, 7). b) AB : A(−2, 3), B(3, −5). c) M P : M (−2, 0), P (1, −1)
şi să se reprezinte grafic.

2. Să se scrie ecuaţiile dreptelor prin tăieturi:
a) AB : A(1, 0), B(0, 7). b) AB : A(−2, 0), B(0, −5). c) M P : M (0, −2), P (1, 0)

3. Să se scrie ecuaţiile dreptelor ce trec prin origine şi punctele:
a) OA : A(1, 4). b) OB : B(0, −5). c) OP : P (−3, −3). d) OM : M (3, −4).

4. Să se scrie ecuaţiile dreptelor paralele cu axele de coordonate, ce trec punctele:
a) d1 : A(0, 4). b) d2 : B(−5, 0). c) d3 : C(3, 0). d) d4 : M (0, −5).

26 CAPITOLUL 3. ECUAŢIA DREPTEI. SEPARAREA PLANULUI
Capitolul 4
Programarea liniară
bidimensională
4.1 Separarea planului

Să considerăm dreapta d : ax + by + c = 0 şi trinomul
δ(x, y) = ax + by + c.
Acceptăm fără demonstraţie următoarele propoziţii:
O dreaptă d ⊂ P ı̂mparte planul P ı̂n două semiplane deschise (nu includ
dreapta d) numite componentele planului
S − şi S + , P = S− ∪ d ∪ S+
Dacă ı̂ntr-un punct aparţinând unui semiplan trinomul δ(x, y) are un anumit
semn, atunci trinomul va avea acelsşi semn ı̂n toate punctele acelui semiplan.
Componentele S − , d, S + se definesc astfel
S − = {M (x, y) ∈ P / δ(x, y) < 0}
d= {M (x, y) ∈ P / δ = 0}
S + = {M (x, y) ∈ P / δ > 0}
Semiplanele ı̂nchise sunt reprezentate prin mulţimile de puncte:
S + = {(x, y) ∈ P / ax + by + c ≥ 0} , S − = {(x, y) ∈ P / ax + by + c ≤ 0}
Cele două inecuaţii care definesc semiplanele S + , S − precum şi ı̂nchiderile lor;
S + şi S − poartă numele de inecuaţiile semiplanelor
Pentru reprezentarea grafică a unui semiplan S + : ax+by+c ≥ 0 se trasează
dreapta d : ax + by + c = 0 şi se testează semnul trinomului δ(x, y) ı̂n unul din
punctele M (x, y) aparţinând unuia din cele două semiplane. Dacă δ(x, y) > 0
atunci S + este semiplanul care conţine punctul M. În caz contrar, semiplanul S +
va fi cel opus.
27
28 CAPITOLUL 4. PROGRAMAREA LINIARĂ BIDIMENSIONALĂ
Exerciţii
Să se poziţioneze semiplanele separate de dreptele:
1. d : −3x + 5y = 0
Dreapta d trece prin origine şi punctul M (5, 3) y
δ(x, y) = −3x + 5y, δ(5, 0) = −15.
3
+ M(5,3)
−
5 x
O
2. d : 3x + 4y − 12 = 0
d ∩ Ox = A(0, 4)
y
d ∩ Oy = B(0, 3)
B(0,3)
F (x, y) = 3x + 4y − 12
− +
Testăm semnul trinomului δ(x, y) ı̂n origine:
δ(0, 0) = −12 < 0, S − este semiplanul care A(4,0)
conţine originea, iar S + este semiplanul opus.
O x
3. d : −2x − y = 0. 4. d : x = 3. 5. d : y = 4. 6. d : y = −5.
Să se reprezinte grafic domeniile obţinute prin intersecţia semiplanelor:
7. S : −2x + 4y ≥ 0, 8. S : 6x + 4y − 12 ≤ 0, 9. S1 : y ≥ 0, S2 : x ≤ 0
 

 S1 : x + y ≤ 1 
 S1 : −2x + 3y − 6 ≤ 0
 
S1 : x ≥ 0 S2 : −x + y ≤ 1 S2 : 4x + 5y − 20 ≤ 0
10. 11. 12.
S2 : y ≤ 0  3: x≥0
 S 
 S3 : x≥0
 
S4 : y ≥ 0 S4 : y≥0
13. Problemă de programare liniară:

O firmă asamblează două modele de calculatoare personale P C1 şi P C2 . În urma
vânzării modelului P C1 firma obţine un profit de 50 u.m iar ı̂n urma vânzării mod-
elului P C2 firma obţine un profit de 40 u.m. Asamblarea modelului P C1 durează
3 ore iar al modelului P C2 , 5 ore. În săptămâna care urmează sunt disponibile 150
ore pentru asamblare. Un P C1 ocupă 0, 8 m2 iar un P C2 ocupă 0, 5 m2 . Spaţiul total
de depozitare este de 30 m2 . Firma nu poate să asambleze mai mult de 20 unităţi
săptămânal din modelul P C2 . Să se determine numărul de calculatoare P C1 şi P C2
4.1. SEPARAREA PLANULUI 29
care urmează a fi asamblate următoarea săptămână astfel ca profitul firmei să fie
maxim.
Rezolvare. Fie x1 şi x2 (variabilele de decizie) numărul de calculatoare core-
spunzător celor două modele care urmează să fie produse. Profitul firmei va fi
f (x) = 50x1 + 40x2 u.m (funcţia obiectiv)
Asamblarea a x1 calculatoare P C1 durează 3 ore iar asamblarea a x2 calculatoare

P C2 durează 5 ore, ı̂n total 3x1 + 5x2 ore. Cum nu sunt disponibile decât 150 ore,
rezultă că trebuie să impunem ca
3x1 + 5x2 ≤ 150
Referitor la depozitare, x1 calculatoare P C1 ocupă 0, 8 x1 m2 iar x2 calculatoare

P C2 ocupă 0, 5 x2 m2 , ı̂n total 0, 8 x1 + 0, 5 x2 m2 . Cum spaţiul de depozitare nu
trebuie să fie mai mare decât 30 m2 rezultă că trebuie să avem
0, 8 x1 + 0, 5 x2 ≤ 30
În plus, numărul de calculatoare x2 nu depăşeşte 20 adică x2 ≤ 20.

Aranjăm problema stfel:
max {f (x) = 50x1 + 40x2 }


 3x1 + 5x2 ≤ 150
 .
(R) 0, 8 x1 + 0, 5 x2 ≤ 30

 x ≥ 0, 0 ≤ x ≤ 20
1 2
Să se determine variabilele de decizie x1 şi x2 care maximizează funcţia obiectiv

f (x, ) cu restricţiile (R)
Punctele care satisfac restricţiile ocupă interiorul şi frontiera poligonului
OABDE obţinut prin intersecţia semiplanelor:
S1 : 3x1 + 5x2 ≤ 150 S2 : 0, 8x1 + 0, 5x2 ≤ 30
S3 : x1 ≥ 0, S4 : 0 ≤ x2 ≤ 20
A = S1 ∩ S2 ∩ S3 ∩ S4
Vârfurile poligonului se află ı̂n punctele
A = d2 ∩ Ox1 , B = d1 ∩ d2 , C = d2 ∩ d3 , D = d1 ∩ d3 , E = d3 ∩ Ox2
Deci mulţimea soluţiilor admisibile este
A = (OABDE)
În baza unei teoreme din analiza matematică (teorema lui Fermat), funcţia liniară
f (x1 , x2 ) ı̂şi atinge extremul ı̂n unul din vârfurile patrulaterului (OABDE)
30 CAPITOLUL 4. PROGRAMAREA LINIARĂ BIDIMENSIONALĂ
d2
x2
O(0, 0), A(37,5 , 0), B(30, 12), C(25, 20) 60
D(16,7 ; 20), E(0, 20).
Valoarea funcţiei ı̂n aceste vârfuri, este:

d1
f (0, 0) = 0, f (A) = 1875 30
f (B) = 1980, f (D) = 1630, f (E) = 800

D(16,7;20 C(25,20) d3
E(0,20) B(30,12)
Maximul funcţiei obiectiv fiind atins ı̂n punc-
A
tul B, soluţia optimă este dată de valorile
O A(37,5;0) 50 x1
x∗1 = 30, x∗2 = 12, pentru care profitul este
maxim.
max f (x1 , x2 ) = f (30, 12) = 1980 lei.

Aşadar, pentru a obţine un profit maxim, firma trebuie să asambleze 30 calculatoare
din modelul P C1 şi 12 calculatoare din modelul P C2 .
Capitolul 5
Rezolvarea grafică a unui program
Problema de programare liniară bidimensională

O problemă de programare liniară se reprezintă sub forma
min / max{f (x1 , x2 ) = c1 x1 + c2 x2 }



 a11 x1 + a12 x2 ∗ b1

 a x +a x ∗b
21 1 22 2 2
(R) ∗ ∈ { ≤, =, ≥ }

 ··················

 a x +a x ∗b
m1 1 m2 2 m
cu următoarele denumiri:
f (x1 , x2 ) = funcţia obiectiv
c1 , c2 = coeficienţii funcţiei obiectiv
x1 , x2 = variabile de decizie
(R) = restricţii
b1 , b2 · · · bm = resurse
A = {x1 , x2 = soluţiile sistemului (R)} = mulţimea soluţiilor admisibile
(x∗1 , x∗2 ) = min / max f (x1 , x2 ) = soluţia optimă
(x1 ,x2 )∈ A
Metoda grafică de rezolvare a unui program se utilizează numai ı̂n cazul prob-
lemelor cu două variabile notate cu x1 , x2 sau x, y. În acest caz problema de
programare se rezolvă grafic prin interpretarea restricţiilor ca reprezentări analitice
de semiplane ı̂ntr-un planul ı̂nzestrat cu un sistem de coordonate Ox1 x2 sau Oxy.
Problema 5.1
O firmă asamblează două modele de calculatoare personale P C1 şi P C2 . În urma
vânzării modelului P C1 firma obţine un profit de 50 u.m iar ı̂n urma vânzării mod-
elului P C2 firma obţine un profit de 40 u.m. Asamblarea modelului P C1 durează
31
32 CAPITOLUL 5. REZOLVAREA GRAFICĂ A UNUI PROGRAM
3 ore iar al modelului P C2 , 5 ore. În săptămâna care urmează sunt disponibile 150
ore pentru asamblare. Un P C1 ocupă 0, 8 m2 iar un P C2 ocupă 0, 5 m2 . Spaţiul total
de depozitare este de 30 m2 . Firma nu poate să asambleze mai mult de 20 unităţi
săptămânal din modelul P C2 . Să se determine numărul de calculatoare P C1 şi P C2
care urmează a fi asamblate următoarea săptămână astfel ca profitul firmei să fie
maxim.
Rezolvare. Fie x1 şi x2 (variabilele de decizie) numărul de calculatoare core-
spunzător celor două modele care urmează să fie produse. Profitul firmei va fi
f (x) = 50x1 + 40x2 u.m (funcţia obiectiv)
Asamblarea a x1 calculatoare P C1 durează 3 ore iar asamblarea a x2 calculatoare
P C2 durează 5 ore, ı̂n total 3x1 + 5x2 ore. Cum nu sunt disponibile decât 150 ore,
rezultă că trebuie să impunem ca
3x1 + 5x2 ≤ 150
Referitor la depozitare, x1 calculatoare P C1 ocupă 0, 8 x1 m2 iar x2 calculatoare
P C2 ocupă 0, 5 x2 m2 , ı̂n total 0, 8 x1 + 0, 5 x2 m2 . Cum spaţiul de depozitare nu
trebuie să fie mai mare decât 30 m2 rezultă că trebuie să avem
0, 8 x1 + 0, 5 x2 ≤ 30
În plus, numărul de calculatoare x2 nu depăşeşte 20 adică x2 ≤ 20.
Aranjăm problema stfel:
max {f (x1 , x2 ) = 50x1 + 40x2 }

 3x1 + 5x2 ≤ 150
 .
(R) 0, 8 x1 + 0, 5 x2 ≤ 30

 x ≥ 0, 0 ≤ x ≤ 20
1 2
Să se determine variabilele de decizie x1 şi x2 care maximizează funcţia obiectiv

f (x, ) cu restricţiile (R)
Punctele care satisfac restricţiile ocupă interiorul şi frontiera poligonului
OABDE obţinut prin intersecţia semiplanelor:
S1 : 3x1 + 5x2 ≤ 150 S2 : 0, 8x1 + 0, 5x2 ≤ 30
S3 : x1 ≥ 0, S4 : 0 ≤ x2 ≤ 20
A = S1 ∩ S2 ∩ S3 ∩ S4
Vârfurile poligonului se află ı̂n punctele
A = d2 ∩ Ox1 , B = d1 ∩ d2 , C = d2 ∩ d3 , D = d1 ∩ d3 , E = d3 ∩ Ox2
Deci mulţimea soluţiilor admisibile este
A = (OABDE)
În baza unei teoreme din analiza matematică (teorema lui Fermat), funcţia liniară
f (x1 , x2 ) ı̂şi atinge extremul ı̂n unul din vârfurile patrulaterului (OABDE)
33
d2
x2
O(0, 0), A(37,5 , 0), B(30, 12), C(25, 20) 60
D(16,7 ; 20), E(0, 20).
Valoarea funcţiei ı̂n aceste vârfuri, este:

d1
f (0, 0) = 0, f (A) = 1875 30
f (B) = 1980, f (D) = 1630, f (E) = 800 D(16,7;20 C(25,20) d3
E(0,20) B(30,12)
Maximul funcţiei obiectiv fiind atins ı̂n
punctul B, soluţia optimă este dată de A
valorile x∗1 = 30, x∗2 = 12, pentru care O A(37,5;0) 50 x1
profitul este maxim.
max f (x1 , x2 ) = f (30, 12) = 1980 lei.

Aşadar, pentru a obţine un profit maxim, firma trebuie să asambleze 30 calculatoare
din modelul P C1 şi 12 calculatoare din modelul P C2 .
Problema 5.2


 max{f (x1 , x2 ) = 5x1 + 6x2 }

 3x + 2x ≤ 120
1 2

 4x1 + 6x2 ≤ 260


x1 ≥ 0, x2 ≥ 0
Rezolvare: Mulţimea soluţiilor admisibile A coincide cu ı̂nchiderea interiorului
poligonului OABC, A = (OABC) obţinut prin intersecţia semiplanelor:
d1 x2
S1 : 3x1 + 2x2 ≤ 120
S2 : 2x1 + 3x2 ≤ 130 60
S 3 : x2 ≥ 0 d2
C
S 4 : x1 ≥ 0 43,3
B
În baza teoremei lui Fermat, funcţia
f (x1 , x2 ) ı̂şi atinge extremele, ı̂n
vârfurile patrulaterului OABC, de co-
ordonate A
O 40 65 x1
A(40, 0), B(20, 30), C(0, 43; 3).
Calculând valoarea funcţiei ı̂n aceste vârfuri, obţinem:

f (O) = 0, f (A) = 200, f (B) = 280, f (C) = f (0, 43; 3) = 259, 8.
Maximul funcţiei fiind atins ı̂n punctul B, celor două produse le revin cantităţile
x∗1 = 20, x∗2 = 30, pentru care profitul este maxim.
max f (x1 , x2 ) = f (20, 30) = 280 lei,
Soluţia optimă este: x∗1 = 20, x∗2 = 30.
Problema 5.3
 x2

 max{ f (x1 , x2 ) = 5x1 + 4x2 }


−x1 + x2 ≤ 2 4 , 18
 B

 3x1 + 4x2 ≤ 12 7 7
 x ≥ 0, x ≥ 0 C(0,2)
1 2
max f (4, 0) = 20
O A(4,0) x1
Problema 5.4


 max{f (x1 , x2 ) = 3x1 + 4x2 }

 x2

 −3x1 + 4x2 ≤ 12

x1 + x2 ≤ 6



 −2x1 + x2 ≤ 2 B

 C
 x1 ≥ 0, x2 ≥ 0
Rezolvare: D
x1
Aflăm mulţimea soluţiilor admisibile:
 A
d1 d3 O d2
 S1 : −3x1 + 4x2 ≤ 12

S2 : x1 + x2 ≤ 6

 S : −2x + x ≤ 2
3 1 2
A = (OABCD)

12 30 4 18
O(0, 0), A(6, 0), B , , C , , D(0, 2)
7 7 5 5
156 84
f (O) = 0, f (A) = 18, f (B) = , f (C) = , f (D) = 8
7 5
Se observă uşor că maximul funcţiei f (x) se atinge ı̂n vârful B. Deci
12 30 156
x∗1 = , x∗2 = , max f (x1 , x2 ) =
7 7 7
35
Problema 5.5
Să se rezolve problema de programare liniară:


 max{ f (x1 , x2 ) = 2x1 + x2 }



 x − x2 ≤ 4

 1
(P ) 3x1 − x2 ≤ 18



 −x1 + 2x2 ≤ 6




x1 ≥ 0, x2 ≥ 0
Rezolvare:
Mulţimea soluţiilor admisibile A este in- x2
teriorul poligonului OABCD C ( 42 , 36 )
5 5
A = (OABCD)
obţinut prin intersecţia semiplanelor def-

D ( 0, 3) B(7,3)
inite de restricţiile problemei. Valoarea
maximă a funcţiei
obiectiv se obţine ı̂n pun-
42 36
cul C , O A (4,0) x1
5 5

∗ 42 ∗ 36 42 36
x1 = , x 2 = , f , = 24.
5 5 5 5
Problema 5.6
x2 d1

 min{ f (x1 , x2 ) = 2x1 + 3x2 } d3





 2x + x2 ≥ 40 C(10,20)
 1
x1 + 3x2 ≥ 30



 x1 + x2 ≤ 30

 (0,10) d2


x1 ≥ 0, x2 ≥ 0
A(18,4) B(30,0)
Rezolvare:
(0,0) x1


 S1 : 2x1 + x2 ≥ 40



 S2 : x1 + 3x2 ≥ 30

 S3 : x1 + x2 ≤ 30



 x1 ≥ 0, x2 ≥ 0
A = (ABC)
A(18, 4) = d1 ∩ d2 , B(30, 0) = d2 ∩ d3 , C(10, 20) = d1 ∩ d3

f (18, 4) = 48, f (30, 0) = 50, f (10, 20) = 80
Minimul funcţiei este atins ı̂n vârful A.
min f (x1 , x2 ) = f (18, 4) = 48, x∗1 = 18, x∗2 = 4.
Problema 5.7
d2 x2

 max{ f (x1 , x2 ) = 6x1 + 4x2 }


 10
x1 + 3x2 ≤ 15

 4x1 + 2x2 ≤ 20

 d1
x1 > 0, x2 > 0
C(0,5) B(3,4)
Rezolvare:

 S1 : x1 + 3x2 ≤ 15
 x1
S2 : 4x1 + 2x2 ≤ 20 A(5,0) 15

 S : x ≥ 0, S : x ≥ 0
O
3 1 4 2
A = (OABC)
A(5, 0) = d2 ∩ Ox1 , B(3, 4) = d1 ∩ d2 , C(0, 5) = d1 ∩ Ox2

f (A) = 30, f (B) = 34, f (C) = 20
Maximul funcţiei este atins ı̂n vârful B.
max f (x1 , x2 ) = 34, x∗1 = 3, x∗2 = 4.

Capitolul 6
Problema programării liniare
6.1 Două probleme clasice

1. Problema firmei
O firmă de panificaţie produce şi vinde ı̂ntr-o zi următoarele produse:
Produse Preţ unitar (u.m)

P1 = pâine, c1 = 3 lei
P2 = cornuri, c2 = 0, 5 lei u.m = unităţi monetare
P3 = covrigi, c3 = 1 lei
P4 = cozonaci, c4 = 5 lei
Brutăria dispune (ı̂n magazie) de următoarele resurse
Resurse Cantitate (u.s)

R1 = făină 200 kg
R2 = apă 300 l (litri)
R3 = sare 30 kg
u.s = unităţi specifice
R4 = drojdie 10 kg
R5 = zahăr 50 kg
R6 = lapte 40 l
R7 = stafide 15 kg
Următorul tabel conţine preţurile unitare şi cantităţile de resurse exprimate prin
unităţi specifice (u.s) necesare fabricării fiecărui produs:
37
38 CAPITOLUL 6. PROBLEMA PROGRAMĂRII LINIARE
Produse Paine Corn Covrig Cozonac

Resurse
Preturi
unitare 0,5 1 5 (Rezerve)
3
Resurse
Faina (kg) 2 0,3 0,2 0,8 200
Apa (litri) 2 0,2 0,1 0,5 300
Sare (kg) 0,3 0,2 0,1 0,1 30
Drojdie (kg) 0,2 0,1 0,08 0,2 10
Zahar (kg) 0 0,1 0 0,4 50
Lapte (l) 0 0,2 0 0,4 40
Stafide (kg) 0 0 0 0,3 15
Figura 6.1:
Notăm cu x1 , x2 , x3 , x4 cantităţile produselor (variabile de decizie) puse la

vânzare:
x1 = numărul de pâini
x2 = numărul de cornuri
x3 = numărul de covrigi
x4 = numărul de cozonaci
Câştigul (ı̂n lei) care se obţine prin vânzarea acestora se exprimă prin funcţia
obiectiv
(1) f (x1 , x2 , x3 , x4 ) = 3x1 + 0, 5x2 + x3 + 5x4
Cantităţile resurselor consumate trebuie să fie mai mici decât cantităţile existente
ı̂n magazie. Exprimăm aceste restricţii prin inegalităţile:

 2 x1 + 0, 3 x2 + 0, 2 x3 + 0, 8 x4 ≤ 200


(făină)

 2x1 + 0, 2 x2 + 0, 1 x3 + 0, 5 x4 ≤ 300 (apă)




 0, 3 x1 + 0, 2 x2 + 0, 1 x3 + 0, 1 x4 ≤ 30
 (sare)
(R) 0, 2 x1 + 0, 1 x2 + 0, 08 x3 + 0, 2 x4 ≤ 10 (drojdie)



 0 x1 + 0 x2 + 0 x3 + 0, 3 x4 ≤ 15 (stafide)



 0x1 + 0, 1x2 + 0x3 + 0, 4x4 ≤ 50 (zahăr)



0x1 + 0, 2x2 + 0x3 + 0, 4x4 ≤ 40 (lapte)
6.1. DOUĂ PROBLEME CLASICE 39
Problemă de programare (P):

• Să se găsească cantităţile x∗j ≥ 0, j = 1, 4 supuse restricţiilor (R) care maximi-
zează funcţia f
Exprimăm această problemă sub forma:



 max {f (x1 , x2 , x3 , x4 ) = 2x1 + 0, 5x2 + x3 + 4x4 }





 2 x1 + 0.3 x2 + 0.2 x3 + 0.8 x4 ≤ 200



 2x1 + 0.4 x2 + 0.1 x3 + 0.5 x4 ≤ 300





 0.3 x1 + 0.2 x2 + 0.1 x3 + 0.1 x4 ≤ 30

(P ) 0.2 x1 + 0.1 x2 + 0.08 x3 + 0.2 x4 ≤ 10





 0 x1 + 0 x2 + 0 x3 + 0.3 x4 ≤ 15





 0x1 + 0, 1x2 + 0x3 + 0, 4x4 ≤ 50



 0x1 + 0, 2x2 + 0x3 + 0, 4x4 ≤ 30




0 ≤ xj ≤ rj , j = 1, 4.
Am notat rj , r = {r1 , r2 , r3 , r4 } marginile superioare ale cantităţilor de produse
puse ı̂n vânzare. Soluţia problemei depinde de aceste margini.
De exemplu, rezolvând problema pentru r = (50, 1000, 1000, 20) se obţin cantităţile
x∗1 = 30 pâini, x∗2 = 0 cornuri, x∗3 = 0 covrigi, x∗4 = 20 cozonaci
pentru care câştigul maxim este
f (30, 0, 0, 20) = 3·30 + 5·20 = 190 lei/zi
iar pentru r = (15, 100, 10, 5) găsim
x∗1 = 15 pâini, x∗2 = 52 cornuri, x∗3 = 10 covrigi, x∗4 = 5 cozonaci
f (15, 52, 10, 5) = 106 lei/zi
Concluzia este că vânzarea de cornuri şi covrigi la preţul propus nu este rentabilă,
prin urmare trebuie mărite costurile unitare ale cornurilor şi covrigilor.
2. Problema dietei
Pentru stabilirea unei diete, o cantină foloseşte următoarele alimente (produse)
Alimente Preţ unitar
A1 = Pâine c1 = 3 lei
A2 = Carne c2 = 25 lei
A3 = Ouă c3 = 0, 30 lei
A4 = Fructe c4 = 3 lei
A5 = Zarzavaturi c5 = 5 lei
O dietă sănătoasă trebuie să conţină cantităţile minime, de elemente nutritive

(Resurse), măsurate ı̂n unităţi specifice (u.s)
Nutrienţi Necesari (u.s)

N1 = Proteine 10
N2 = Lipide 5, 5
N3 = Glucide 3
N4 = Calciu 7
N5 = Fibre 15
Următorul tabel conţine datele de mai sus şi cantităţile de nutrienţi conţinute ı̂n
fiecare aliment ı̂n parte
Produse Paine Carne Oua Fructe Zarzavaturi

Resurse
Preturi
unitare 3 25 0,30 3 5 ( Minime )
Resurse
Proteine 0 3 2 0,3 0,2 10
Lipide 0,2 1 1 0,3 0,4 5,5
Glucide 0,4 0,5 0,7 2 0,5 3
Calciu 2 1 3 0 0 7
Fibre 2 0,6 0,2 3 4 15
Figura 6.2:
Fie x1 , x2 , x3 , x4 cantităţile de alimente folosite la prepararea dietei (variabile

de decizie):
x1 = numărul de pâini
x2 = kg de carne
x3 = numărul de ouă
x4 = kg de fructe
x5 = kg de zarzavaturi
Costul dietei (ı̂n lei) se exprimă prin funcţia obiectiv
f (x1 , x2 , x3 , x4 ) = 3x1 + 25x2 + 0, 30x3 + 3x4 + 5x5
Dieta trebuie să conţină elementele nutritive N1 , N2 , N3 , N4 , N5 ı̂n cantităţi cel

6.2. PROBLEMA GENERALĂ A PROGRAMĂRII LINIARE 41
puţin egale cu cele necesare pentru o dietă sănătoasă, adică:



 0x1 + 3 x2 + 2 x3 + 0, 3 x4 + 0, 2 x5 ≥ 10 (proteine)



 0, 2x1 + 1 x2 + 1 x3 + 0, 3 x4 + 0, 4 x5 ≥ 5, 5 (lipide)


 0, 4 x + 0, 5 x + 0, 7 x + 2 x + 0, 5 x ≥ 3 (glucide)
1 2 3 4 5

 2 x1 + 1 x2 + 3 x3 + 0 x4 + 0 x5 ≥ 7 (calciu)



 2 x1 + 0, 6 x2 + 0, 2 x3 + 3 x4 + 4 x5 ≥ 15 (fibre)



xi ≥ 0, i = 1, 5.
• Să se afle cantităţile de alimente x∗j ≥ 0, j = 1, 5, astfel ca preţul dietei f să

fie minim.
Exprimăm această problemă de programare sub forma:


 min {f (x1 , x2 , x3 , x4 , x5 ) = 2x1 + 25x2 + 0, 30x3 + 3x4 + 5x5 }





 0x1 + 3 x2 + 2 x3 + 0, 3 x4 + 0, 2 x5 ≥ 10 (proteine)



 0, 2x1 + 1 x2 + 1 x3 + 0, 3 x4 + 0, 4 x5 ≥ 5, 5 (lipide)
 0, 4 x1 + 0, 5 x2 + 0, 7 x3 + 2 x4 + 0, 5 x5 ≥ 3 (glucide)



 2 x1 + 1 x2 + 3 x3 + 0 x4 + 0 x5 ≥ 7 (calciu)



 2 x1 + 0, 6 x2 + 0, 2 x3 + 3 x4 + 4 x5 ≥ 15 (fibre)



xi ≥ 0, i = 1, 5.
6.2 Problema generală a programării liniare

Pentru realizarea unei linii de producţie avem nevoie de următoarele date:
1) Produse: P1 , P2 , · · · Pn ı̂n cantităţile x = {x1 , x2 , · · · , xn }, xj , j = 1, n
se numesc variabile de decizie, asupra cărora impunem condiţiile de pozitivi-
tate xj ≥ 0
2) Costuri unitare: c = {c1 , c2 , · · · , cn }, cj reprezintă costul unei unităţi
din produsul Pj exprimat ı̂n unităţi monetare (u.m)
3) Costul total: f (x) = c1 x1 + c2 x2 + · · · + cn xn (u.m) reprezintă costul ı̂ntre-
gii producţii. Funcţia f (x) poartă numele de funcţia obiectiv iar coeficinţii
{c1 , c2 , · · · , cn } se numesc coeficienţii funcţiei obiectiv
4) Resurse: Pentru realizarea produsului Pj se prelucrează materiile prime
(resursele) Ri ı̂n cantităţile {aij }i=1, m exprimate ı̂n unităţi specifice: u.s
j=1, n
5) Rezerve: Materiile prime Ri , i = 1, m sunt disponibile ı̂n cantităţile
bi , i = 1, m
6) Restricţiile: Ultimele două condiţii se exprimă printr-un sistem de m
ecuaţii şi/sau inecuaţii liniare numit sistemul restricţiilor
n
X
(R) aij ·xj ∗ bi , i = 1, m, ∗ ∈ { ≤, =, ≥ }
j=1
Matricea  
a11 a12 · · · a1n
 
 a21 a22 · · · a2n 
A= 
 · · · · · · · · · · · · · · · · · · · · ·
am1 am2 · · · amn
se mumeşte matricea restricţiilor
7) Soluţiile admisibile: Notăm cu A mulţimea {x1 , x2 , · · · xn } care verifică sis-
temul de restricţii (R)
( n
)
X
A = x1 , x 2 , · · · xn ∈ R / aij ·xj ∗ bi , i = 1, m
j=1
8) Soluţia Optimă: este soluţia admisibilă x∗1 , x∗2 , · · · , x∗n ∈ A care optimizează
funcţia obiectiv
x∗ ∈ A, min / max |f (x)| = f (x∗ )
x∈A
Problema programării liniare

Problema de programare liniară se prezintă sub următoarea formulare:
• Să se afle variabilele x∗1 , x∗2 , · · · , x∗n care optimizează funcţia obiectiv f (x) cu
condiţia ca variabilele xj să verifice sistemu de restricţii (R)
( n
)
X
optim f (x) = cj xj , cj ∈ R, j = 1, n
 n j=1

 X
 aij ·xj ∗ bi , i = 1, m, aij , bi ∈ R, ∗ ∈ { ≤, =, ≥ }
(R) j=1


 x ≥ 0, j = 1, n
j
Cu notaţiile matriciale
     
a11 a12 · · · a1n x1 b1
     
 a21 a22 · · · a2n   x2   b2 
A=  , [x] = 
 .  , [b] = 
  . 

 · · · · · · · · · · · · · · · · · · · · ·  .   . 
. .
am1 am2 · · · amn xn bm
c = ( c1 , c2 , · · · , cn ), c·[x] = c1 x1 +c2 x2 +· · ·+cn xn , x ≥ 0 ⇐⇒ xi ≥ 0, i = 1, n

6.2. PROBLEMA GENERALĂ A PROGRAMĂRII LINIARE 43
problema de programare liniară ı̂mbracă următoarea formă:


 optim{ f (x) = c·x }

(P ) A·x ∗ b, unde ∗ ∈ { ≤, =, ≥ }


x≥0
• Dacă A 6= ∅ spunem că programul (P ) este compatibil. În caz contrar,

A = ∅, problema (P ) este incompatibilă.
• Dacă problema (P ) are (cel puţin) o soluţie optimă, adică
∃ x∗ ∈ A, sup |f (x)| = f (x∗ )

x∈A
zicem că are optim finit.

• Dacă A 6= ∅, şi funcţia obiectiv este nemărginită pe A, adică
sup |f (x)| = ∞,
x∈A
Produse P1 P2 P3 P4 Pn
Resurse
Preturi
unitare c1 c2 c 3 c4 cn (Rezerve)
Resurse
R1 a11 a12 a13 a14 a1n b1
R2 a 21 a22 a 23 a 24 a2n b2
R3 a31 a 32 a 33 a 34 a3n b3
R4 a41 a42 a43 a 44 a4n b4
Rm am1 a m2 am3 a m4 amn bm
Figura 6.3:
Capitolul 7
Soluţii bazice ale unui progam
7.1 Forma standard al unui program

Rezolvarea grafică a unei probleme de programare liniară nu mai este posibilă ı̂n
cazul ı̂n care numărul n al variabilelor de decizie este mai mare decât 2
Metoda generală de rezolvare a unei probleme de programare liniară (aflarea a
soluţiei optime) este algoritmului simplex. Pentru aplicarea acestui algoritm prob-
lema trebuie adusă la forma standard care constă ı̂n satisfacerea următoarelor trei
condiţii:
1. Restricţiile să fie exprimate numai prin egalităţi (ecuaţii)
2. Termenii liberi să fie nenegativi, bi ≥ 0
3. Variabilele de decizie să fie pozitive xj ≥ 0 (condiţia de pozitivitate)
4. Numărul restricţiilor să fie mai mic decât numărul variabilelor; m < n.
Orice program poate fi scris ı̂n forma standard operând următoarele modificări
asupra restricţiilor:
• Dacă termenul liber din membrul drept este negativ, se ı̂nmulţeşte restricţia
cu (−1).
• O restricţie de ≤ (mai mic sau egal) se transformă ı̂n egalitate prin adunarea
unei variabile pozitive ı̂n membrul stâng.
• O restricţie ≥ (mai mare sau egal) devine egalitate prin scăderea unei vari-
abile pozitive ı̂n membrul stâng.
• Prin adăugarea noilor variabile de abatere, numărul variabilelor creşte, ast-
fel putem presupune ı̂ntotdeauna că numărul resticţiilor este strict mai mic decât
numărul variabilelor, m < n, condiţie absolut necesară pentru aplicarea algoritmu-
lui simplex.
Numim variabilele nou introduse, variabile de abatere sau ecarturi. Variabilele
de abatere nu modifică forma funcţiei obiectiv. Coeficienţii variabilelor de abatere
din funcţia obiectiv sunt consideraţi nuli.
45
46 CAPITOLUL 7. SOLUŢII BAZICE ALE UNUI PROGAM
În problemele concrete, variabilele de abatere au interpretări economice precise,

prin urmare ı̂n analiza soluţiei optime valorile lor vor fi luate ı̂n considerare ı̂mpreună
cu valorile variabilelor originale.
− În problema firmei, variabilele de abatere reprezintă cantităţi de resurse necon-
sumate.
− În problema dietei, variabilele de abatere reprezintă cantităţile de elemente
nutritive cu care sunt depăşite nivelele minimale specificate ı̂n reţetă.
Exemplul 7.1
 

 max{f (x) = 7x1 + 9x2 + 8x3 } 
 max{f (x) = 7x1 + 9x2 + 8x3 }

 

 
 5x1 + 2x2 − x3 ≥ 4
  5x1 + 2x2 − x3 − x4 = 4

(P ) 3x1 + x2 + x3 = 5 (S) 3x1 + x2 + x3 = 5

 


 x1 + 2x2 + 3x3 ≤ 9 
 x1 + 2x2 + 3x3 + x5 = 9

 

 xj ≥ 0, j = 1, 3  xj ≥ 0, j = 1, 5
Exemplul 7.2
 
 max{ f (x) = 2x1 + 3x2 − 4x3 + 5x4 }  max{ f (x) = 2x1 + 3x2 − 4x3 + 5x4 }

 

 

 x1 + 2x2 + x3 − 3x4 ≤ 10  x1 + 2x2 + x3 − 3x4 + x5 = 10

(P ) 2x1 + x2 − x3 − x4 = 6 (S) 2x1 + x2 − x3 − x4 = 6

 


 x − x2 + 2x3 + 3x4 ≥ 8 
 x1 − x2 + 2x3 + 3x4 − x6 = 8

 1 

xi ≥ 0, i = 1, 4. xi ≥ 0, i = 1, 6.
Exemplul 7.3
 
 max{ f (x) = 7x1 + 9x2 + 8x3 }  max{ f (x) = 7x1 + 9x2 + 8x3 }

 

 
 5x1 + 2x2 − x3 ≥ 4
  5x1 + 2x2 − x3 − x4 = 4

(P ) 3x1 + x2 + x3 = 5 (S) 3x1 + x2 + x3 = 5

 


 x1 + 2x2 + 3x3 ≤ 9 
 x1 + 2x2 + 3x3 + x5 = 9

 

xi ≥ 0, i = 1, 3. xi ≥ 0, i = 1, 5
Exemplul 7.4
 
 max{f (x) = 2x1 − 3x2 + 4x3 }  max{f (x) = 2x1 − 3x2 + 4x3 }

 

 
 x1 − 3x2 + 5x3 = 3
  x1 − 3x2 + 5x3 = 3

(P ) 3x1 + x2 ≥ 5 (S) 3x1 + x2 − x4 = 5

 


 2x1 + x3 ≤ 10 
 2x1 + x3 + x5 = 10

 

xi ≥ 0, i = 1, 3. xi ≥ 0, i = 1, 5
7.2. SOLUŢII BAZICE 47
7.2 Soluţii bazice

Vom consisera programul exprimat ı̂n forma standard:
( n
)
X
optim f (x) = cj xj , cj ∈ R, j = 1, n
 n j=1

 X
 aij ·xj = bi , i = 1, m, bi ≥ 0
(R) j=1


 x ≥ 0, j = 1, n
j
P
n
A = {x ∈ Rn / aij ·xj = bi , i = 1, m } − mulţimea soluţiilor admisibile
j=1
     
a11 a12 · · · a1n x1 b1
     
 a a22 · · · a2n   x2   b2 
A =  21  , [x] = 
 .  , [b] = 
  . 

 ···················   .   . 
. .
am1 am2 · · · amn xn bm
O notaţie de forma x = (x1 , x2 , · · · , xm ) se numeşte notaţie vectorială iar elementele

x1 , x2 , · · · , xm se numesc componentele vectorului x
Notăm cu A1 , A2 , · · · , Am , · · · , An coloanele matricei A, m < n
 
A1 A2 · · · Am · · · An a1i
 a2i 
a11 a12 · · · a1m · · · a1n  
 
a21 a22 · · · a2m · · · a2n , Ai =  a3i 
 · 
······························  
·
am1 am2 · · · amm · · · amn ami
• m − coloane Ai1 , Ai2 , · · · , Aim se numesc liniar independente dacă determi-

nantul alcătuit din elementele coloanelor este diferit de zero.
• O secvenţă formată din m coloane liniar independente
(7.1) B = {Ai1 , Ai2 , · · · , Aim }
se numeşte bază a programului (P ). Notând cu B −mulţimea bazelor programului,

se deduce imediat că
n!
card B ≤ Cnm = .
m! · (n − m)!
Analizând sistemul restricţiilor observăm că fiecărei coloane Ai ı̂i corespunde o
variabilă decizie xi .
• Variabilele de decizie xi1 , xi2 , · · · , xim , corespunzătoare unei baze se numesc
variabile bazice Restul variabilelor, xim+1 , xim+2 , · · · , xin ı̂n număr de n − m, care
vor figura ca parametri, se numesc, variabile nebazice.
• Se numeşte soluţie bazică, soluţia admisibilă xB ∈ A, obţinută din sistemul de
restricţii ı̂n care variabilele nebazice se iau egale cu zero
xB = ( xi1 , xi2 , · · · , xim , 0, 0, · · · 0 )

| {z }
n−m
• Se numeşte restricţia bazică soluţia
xB = ( x1 , x2 , · · · , xm ), x k = xi k , k = 1, m
având drept componente soluţiile sitemului generat de baza B cu anularea vari-

abilelor nebazice
• Cum determinantul format din coloanele unei baze este nenul, rezultă că fiecărei
baze ı̂i corespunde o singură soluţie bazică, notăm cu
AB = {xB ∈ A / B ∈ B}
mulţimea soluţiilor bazice admisibile. Soluţia
x∗ = {xB ∈ AB / optim{f (xB )} = f (x∗ )}
se numeşte soluţia optimală, iar baza B ∗ căreia ı̂i corespunde soluţia optimală,
poartă numele de bază optimală. Avem, evident că x∗ = xB∗ Mai notăm cu x∗
restricţia soluţiei optime
Probleme
Să calculeze soluţiile bazice optime ale următoarelor programe:
Problema 7.1


 max{f (x) = 2x1 − 3x2 + 5x3 − x4 }

 2x − x + x − 4x + 3x = 2
1 2 3 4 5

 x1 + 3x2 − x3 − 6x4 − 2x5 = 1


x1 , x2 , x3 , x4 , x5 ≥ 0.
Soluţie:
A1 A2 A3 A4 A5

2 −1 1 −4 3
A=
1 3 −1 −6 −2
Calculăm cele cel mult C52 = 10 baze
1) A1 A2
2 −1 2x1 − x2 = 2,
A12 = , x1 = 1, x2 = 0
1 3 x1 + 3x2 = 1,
xB1 = ( 1, 0, 0, 0, 0 ).
2) A1 A3
2 1 2x1 + x3 = 2,
A13 = ,
x1 = 1, x3 = 0
1 −1 x1 − x3 = 1,
xB2 = ( 1, 0, 0, 0, 0 ).
3) A1 A4
2 −4 2x1 − 4x4 = 2,
A14 = , x1 = 1, x4 = 0
1 −6 x1 − 6x4 = 1,
xB3 = ( 1, 0, 0, 0, 0 ).
4) A1 A5
2 3 2x1 + 3x5 = 2,
A15 = ,
x1 = 1, x5 = 0
1 −2 x1 − 2x5 = 1,
xB4 = ( 1, 0, 0, 0, 0 ).
5) A2 A3
−1 1 −x2 + x3 = 2, 3 7
A23 = ,
x2 = , x3 =
3 −1 3x2 − x3 = 1, 2 2

3 7
xB5 = 0, , , 0, 0 .
2 2
6) A2 A4
−1 −4 −x2 − 4x4 = 2, 4 7
A24 = ,
x2 = − , x4 = −
3 −6 3x2 − 6x4 = 1, 9 18

4 7
xB6 = 0, − , 0, − , 0 .
9 18
7) A2 A5
−1 3 −x2 + 3x5 = 2,
A25 = ,
x2 = 1, x5 = 1
3 −2 3x2 − 2x5 = 1,
xB7 = ( 0, 1, 0, 0, 1 ).
8) A3 A4
1 −4 x3 − 4x4 = 2, 8 3
A34 = , x3 = , x4 = −
−1 −6 −x3 − 6x4 = 1, 10 10

8 3
xB8 = 0, 0, ,− ,0 .
10 10
9) A3 A5
1 3 x3 + 3x5 = 2,
A35 = ,
x3 = −7, x5 = 3
−1 −2 −x3 − 2x5 = 1,
xB9 = ( 0, 0, −7, 0, 3 ).
10) A4 A5
−4 3 −4x4 + 3x5 = 2, 7 4
A45 = ,
x4 = − , x5 =
−6 −2 −6x4 − 2x5 = 1, 26 13

7 4
xB10 = 0, 0, 0, − , .
26 13
Eliminând soluţiile cu componente negative, găsim soluţiile bazice admisibile,
AB = {xB1 , xB5 , xB7 }
pentru care calculăm valorile funcţiei f (x)
xB1 = (1, 0, 0, 0, 0) = 2, f (xB1 ) = 2

3 7
xB5 = 0, , , 0, 0 , f (xB5 ) = 13
2 2
xB7 = (0, 1, 0, 0, 1 ), f (xB7 ) = −3
Prin urmare soluţia bazică optimă este

3 7
x = xB5 = 0, , , 0, 0 , max f (x) = f (x∗ ) = 13.
∗
2 2

∗ 3 7
x = , , este restricţia soluţiei optime.
2 2
Problema 7.2 (5.7)

 

 max{f (x) = 6x1 + 4x2 } 
 max{f (x) = 6x1 + 4x2 }

 

 x1 + 3x2 ≤ 15  x1 + 3x2 + x3 = 15
Forma standard:

 4x1 + 2x2 ≤ 20 
 4x1 + 2x2 + x4 = 20

 

 
x1 , x2 ≥ 0. x1 , x2 ≥ 0.
Soluţie:
A1 A2 A3 A4

1 3 1 0
A=
4 2 0 1
1) A1 A2

1 3 x1 + 3x2 = 15,
A12
= , x1 = 3, x2 = 4
4 2 4x1 + 2x2 = 20,
xB1 = ( 3, 4, 0, 0 ).
2) A1 A3

1 1 x1 + x3 = 15,
A13 = , x1 = 5, x3 = 10
4 0 4x1 = 20,
xB2 = ( 5, 0, 10, 0 ).
3) A1 A4

1 0 x1 = 15,
A14 = , x1 = 15, x4 = −40
4 1 4x1 + x4 = 20,
xB3 = ( 15, 0, 0, −40 ).
4) A2 A3

3 1 3x2 + x3 = 15,
A23
= , x2 = 10, x3 = −15
2 0 2x2 = 20,
xB4 = ( 0, 10, −15, 0 ).
5) A2 A4

3 0 3x2 = 15,
A24 = , x2 = 5, x4 = 10
2 1 2x2 + x4 = 20,
xB5 = ( 0, 5, 0, 10 ).
6) A3 A4

1 0 x3 = 15,
A34
= ,
0 1 x4 = 20,
xB6 = ( 0, 0, 15, 20 ) .
Eliminând soluţiile cu componente negative, găsim AB = {xB1 , xB2 , xB5 , xB6 }
xB1 = (3, 4, 0, 0), f (xB1 ) = 34
xB2 = (5, 0, 10, 0), f (xB2 ) = 30
xB5 = (0, 5, 0, 10), f (xB5 ) = 20
xB6 = (0, 0, 15, 20), f (xB6 ) = 0
Soluţia bazică optimă este: x∗ = xB1 = (3, 4, 0, 0), max f (x) = f (x∗ ) = 34.
Problema 7.3 (5.3)

 

 max{ f (x) = 5x1 + 4x2 }  max{ f (x) = 5x1 + 4x2 }

 −x + x ≤ 2 

1 2
Forma standard: −x1 + x2 + x3 = 2

 3x1 + 4x2 ≤ 12 
 3x + 4x2 + x4 = 12

  1
x1 ≥ 0, x2 ≥ 0 x1 ≥ 0, x2 ≥ 0
A1 A2 A3 A4

−1 1 1 0
A=
3 4 0 1
1) A1 A2

−1 1 −x1 + x2 = 2, 4 18
A12 = ,
x1 = , x2 =
3 4 3x1 + 4x2 = 12, 7 7

4 18
xB1 = , , 0, 0 .
7 7
2) A1 A3

−1 1 −x1 + x3 = 2,
A13
= , x1 = 4, x3 = 6
3 0 3x1 = 12,
xB2 = ( 4, 0, 6, 0 ).
3) A1 A4

−1 0 −x1 = 2,
A14 = , x1 = −2, x4 = 18
3 1 3x1 + x4 = 12,
xB3 = ( −2, 0, 0, 18 ).
4) A2 A3

1 1 x2 + x3 = 2,
A23 = , x2 = 3, x3 = −1
4 0 4x2 = 12,
xB4 = ( 0, 3, −1, 0 ).
5) A2 A4

1 0 x2 = 2,
A24 = , x2 = 2, x4 = 4
4 1 4x2 + x4 = 12,
xB5 = ( 0, 2, 0, 4 ).
6) A3 A4

1 0 x3 = 2,
A34
= ,
0 1 x4 = 12,
xB6 = ( 0, 0, 2, 12 ).
Eliminăm soluţiile cu componente negative;



 4 18 92

 xB1 = , , 0, 0 , f (xB1 ) =

 7 7 7



xB2 = (4, 0, 6, 0), f (xB2 ) = 20



 xB5 = (0, 2, 0, 4), f (xB5 ) = 8




 x = (0, 0, 2, 12), f (xB6 ) = 0
B6
x∗ = xB2 = (4, 0, 6, 0), max f (x) = f (x∗ ) = 20, x∗ = xB2 = (4, 6) = restricţia
soluţiei optime.
Problema 7.4 (5.1)

 
 max{ f (x1 , x2 ) = 50x1 + 40x2 } 
 max{, f (x1 , x2 ) = 50x1 + 40x2 }

 

 3x + 5x ≤ 150  3x1 + 5x2 + x3 = 150
1 2
Forma standard:

 8x 1 + 5x 2 ≤ 300 
 8x1 + 5x2 + x4 = 300

 

x1 , x 2 ≥ 0 
x1 , x 2 , x 3 , x 4 ≥ 0
Soluţie:
A1 A2 A3 A4

3 5 1 0
A=
8 5 0 1
1) A1 A2

3 5 3x1 + 5x2 = 150
A12 = , x1 = 30, x2 = 12
8 5 8x1 + 5x2 = 300
xB1 = ( 30, 12, 0, 0 ) .
2) A1 A3

3 1 3x1 + x3 = 150, 75 75
A13 = ,
x1 = , x3 =
8 0 8x1 = 300, 2 2

75 75
xB2 = , 0, ,0 .
2 2
3) A1 A4

3 0 3x1 = 150
A14
= , x1 = 50, x4 = −100
8 1 8x1 + x4 = 300,
xB3 = ( 50, 0, 0, −100 ).
4) A2 A3

5 1 5x2 + x3 = 150,
A23
= , x2 = 60, x3 = −150
5 0 5x2 = 300,
xB4 = ( 0, 60, −150, 0 ).
5) A2 A4

5 0 5x2 = 150,
A24
= , x2 = 30, x4 = 150
5 1 5x2 + x4 = 300,
xB5 = ( 0, 30, 0, 150 ).
6) A3 A4

1 0 x3 = 150
A34 = ,
0 1 x4 = 300
xB6 = ( 0, 0, 150, 300 ).
Eliminăm soluţiile cu componente negative;
xB1 = ( 30, 12, 0, 0) f (xB1 ) = 1980

75 75
xB2 = , 0, , 0 , f (xB2 ) = 1875
2 2
xB5 = (0, 30, 0, 150), f (xB5 ) = 1200
xB6 = (0, 0, 150, 300) f (xB6 ) = 0
x∗ = xB2 = (4, 0, 6, 0) = xB1 = (30, 12, 0, 0), max f (x) = f (x∗ ) = 1980.
Problema 7.5 (5.2)


 max{f (x1 , x2 ) = 5x1 + 6x2 } 


 3x + 2x ≤ 120  max{f (x1 , x2 ) = 5x1 + 6x2 }

1 2
Forma standard: 3x1 + 2x2 + x3 = 120

 4x1 + 6x2 ≤ 260 
 2x + 3x + x = 130

 1 2 4
x1 ≥ 0, x2 ≥ 0
R. x∗ = (20, 30), max f (x) = f (x∗ ) = 280

Problema 7.6 (5.4)


 max{f (x) = 3x1 + 4x2 }



 −3x1 + 4x2 ≤ 12

x1 + x2 ≤ 6



 −2x1 + x2 ≤ 2


x1 ≥ 0, x2 ≥ 0

∗ 12 30 156
R. x = , , max f (x) = f (x∗ ) =
7 7 7
Problema 7.7 (5.5)



 max{ f (x) = 2x1 + x2 }



 x − x2 ≤ 4

 1
3x1 − x2 ≤ 18



 −x1 + 2x2 ≤ 6




x1 ≥ 0, x2 ≥ 0

∗ 42 36
R. x = , , max f (x) = f (x∗ ) = 24.
5 5
Problema 7.8 (5.6)



 max{ f (x) = 2x1 + 3x2 }



 2x1 + x2 ≥ 40


x1 + 3x2 ≥ 30



 x1 + x2 ≤ 30




x1 ≥ 0, x2 ≥ 0
R. x∗ = (10, 20), max f (x) = f (x∗ ) = 80
Problema 7.9 (5.7)


 max{ f (x) = 6x1 + 4x2 }



x1 + 3x2 ≤ 15

 4x1 + 2x2 ≤ 20


x1 ≥ 0, x2 ≥ 0
R. x∗ = (3, 4), max f (x) = f (x∗ ) = 34.

Capitolul 8
Metoda simplex
8.1 Descrierea algoritmului

Algoritmul simplex este un proces iterativ prin care fiecare iteraţie, reprezen-
tată printr-un tabel simplex, se obţine din datele iteraţiei precedente. În cadrul unei
iteraţii, algoritmul simplex aplicat unei soluţii admisibile de bază pune ı̂n evidenţă
următoarele situaţii:
1) Calculează soluţia optimă x∗ , < ST OP >
2) Stabileşte cazul de optim infinit, < ST OP >
3) Înlocuieşte o coloană din bază cu altă coloană şi trece la următoarea iteraţie.
Pentru rezolvarea problemelor de dimensiuni mici se utilizează tabele simplex cu
rubrici prestabilite, de tipul celor prezentate la exemplul următor, fiecare tabel fiind
asociat unei baze. Tabelele se deduc unul din altul prin pivotare gaussiană, (8.2)
Pasul 1. Completarea tabelului ”simplex”:
a) Completăm primul tabel (tabelul de start), cu elementele matricei B, apoi
folsind formulele (8.2) şi regula dreptunghiului deducem tabele recurente.
b) Completăm ultima linie cu formulele:
(
cB ·Ai − ci pentru o problemă de maxim
(8.1) f (xB ) = cB ·xB şi ∆i =
ci − cB ·Ai pentru o problemă de minim
Pasul 2. Dacă toţi

X
∆j = ci ·aij − cj ≥ 0, j ∈ J şi ∆i = 0, i ∈ I
i∈I
atunci soluţia admisibilă xB optimizează funcţia obiectiv, valoarea optimă fiind
f (xB ) = cB ·xB < ST OP > .
57
58 CAPITOLUL 8. METODA SIMPLEX
Pasul 3. Dacă există ∆j < 0, j ∈ J, calculăm coloana Ar care intră ı̂n bază.
Se alege r ∈ J astfel ca:
∆r = min ∆j ; coloana Ar intră ı̂n bază
j∈J
Pasul 4. Dacă
air ≤ 0, i ∈ I
atunci programul are optim infinit: < ST OP > .
Pasul 5. Dacă există air > 0, calculăm coloana Al care iese din bază.
Se determină l ∈ I astfel ca

xl xB xi
alr
= min
Ar
/ air > 0 = min a / air > 0, i ∈ I
ir
Coloana Al iese din bază.

Precizare: Elementul alr se numeşte pivot şi joacă un rol inportant ı̂n operaţia de
pivotare gaussiană de aflare a elementelor tabelului următor al procesului iterativ.
Operaţia de pivotarea Gausiană

Se ı̂nlocuieşte coloana Al − iese din bază cu coloana Ar − intră ı̂n bază. Ele-
mentul alr se numeşte pivot.
Procedura prin care se calculează elementele matriciale a0ij ı̂n noua bază din
elementele basei precedente, conform formulelor (8.2), poartă numele de pivotare
gausiană şi constă ı̂n următoarele operaţii:
a) Exceptând elementele de pe linia r şi coloana r a pivotului, restul ele-
ementelor se calculează cu formula
alj alr ·aij − alj ·air
(8.2) a0ij = aij − air = , i ∈ I \ {l}, j ∈ J \ {r}
alr alr
utilizând regula dreptunghiului. Elementele se calculează sub forma unor
determinanţi de ordinul doi culeşi din tabelul simplex. Poziţia pivotului alr ı̂n
determinant stabileşte semnul din faţa determinantului, conform următoarei scheme:

alr alj aij air
0
aij = : alr = : alr
air aij alj alr
(8.3)
alj alr air aij
0
aij = − : alr = − : alr
aij air alr alj
b) Se anulează coloana care conţine pivotul, (coloana r), excepând pivotul.

c) Se ı̂mparte linia pivotului (linia l) cu pivotul.
Elementele a0ij care nu fac obiectul formulelor (8.2) rămân neschimbate.
8.2. APLICAŢII 59
8.2 Aplicaţii
Să se rezolve următoarea problemă de programare prin algoritmul simplex.
 
 max{ f (x) = 5x1 + 4x2 + 3x3 }  max{ f (x) = 5x1 + 4x2 + 3x3 }

 

 
 x1 + 2x2 + 2x3 ≤ 10
  x1 + 2x2 + 2x3 + x4 = 10

2x1 + x2 ≤ 8 Forma standard: 2x1 + x2 + x5 = 8

 

 2x2 − x3 ≤ 8
 
 2x2 − x3 + x6 = 8

 

xi ≥ 0, i = 1, 3 xi ≥ 0, i = 1, 6
A1 A2 A3 A4 A5 A6
 
1 2 2 1 0 0
A= 2 1 0 0 1 0 
0 2 −1 0 0 1
Tabelul I
1) Parametri bazici
Alegem baza de start astfel ı̂ncât coloanele care constituie baza să formeze ma-
tricea unitate.
B = { A4 , A5 , A6 } − baza de start
Anulăm variabilele nebazice, x1 = x2 = x3 = 0, ı̂n sistemul de restricţii şi calculăm
soluţia bazică:
xB = (0, 0, 0, 10, 8, 8 ) − soluţia bazică

xB = ( x4 , x5 , x6 ) = ( 10, 8, 8 ) − restricţia bazică
c = (5, 4, 3, 0, 0, 0) − coficienţii funcţiei obiectiv.
cB = ( c4 , c5 , c6 ) = (0, 0, 0) − coeficienţii bazici
2) Completarea tabelului de start
a) Elementele matricei
c1 = 5 c2 = 4 c3 = 3 c4 = 0 c5 = 0 c6 = 0
cB xB B A1 A2 A3 A4 A5 A6
c4 = 0 x4 = 10 A4 1 2 2 1 0 0
c5 = 0 x5 = 8 A5 {2} 1 0 0 1 0
c6 = 0 x6 = 8 A6 0 2 −1 0 0 1
f (xB ) = cB xB = 0 ∆i = cB Ai − ci ∆1 = −5 ∆2 = −4 ∆3 = −3 ∆4 = 0 ∆5 = 0 ∆6 = 0
Tabelul 8.1
b) Ultima linie


 f (xB ) = cB ·xB = 0



 ∆ = cB ·A1 − c1 = (0, 0, 0)·(1, 2, 0) − 5 = −5

 1
∆2 = cB ·A2 − c2 = (0, 0, 0)·(2, 1, 2) − 4 = −4



 ∆3 = cB ·A3 − c3 = (0, 0, 0)·(2, 0, −1) − 3 = −3




∆4 = ∆5 = ∆6 = 0.
3) Testarea:
a) Dacă toţi ∆i ≥ 0, i = 1, 6, atunci x∗ = xB , f (x∗ ) = cB ·xB , < ST OP > .
În caz contrar aflăm coloana care intră ı̂n bază:
min{∆i / i = 1, 6} = −5 = ∆1 , r = 1, A1 = (1, 2, 0) − intră ı̂n bază.
b) Dacă toate componentele lui A1 sunt negative sau nule, A1 ≤ 0 (notaţie)

atunci programul are optim infinit < ST OP > .
În caz contrar aflăm coloana care iese din bază:

xB 10 8 x5
min
A1
/ A1 > 0 = min ,
1 2
=4=
a51
, l = 5, A5 − iese din bază.
Elementul alr = a51 = 2 se numeşte pivotul lui Gauss
Tabelul II
1) Parametri bazici
B = { A4 , A1 , A6 }, x 2 = x3 = x5 = 0
xB = (x1 , x2 , x3 , x4 , x5 , x6 ) = (4, 0, 0, 6, 0, 8)
xB = (x4 , x1 , x6 ) = (6, 4, 8)
c = (5, 4, 3, 0, 0, 0)
cB = (c4 , c1 , c6 ) = (0, 5, 0)
2) Completarea tabelului
a) Cu formulele (8.3) calculăm elementele tabelului, cu excepţia liniei şi
coloanei pivotului a51 = 2

1 2 3 1 2 1 1

a042 = − : 2 = , a043 = − : 2 = 2, a044 = − :2=1
2 1 2 2 0 2 0

1 0 1 1 0

a045 = − : 2 = − , a046 = − :2=0
2 1 2 2 0
8.2. APLICAŢII 61

2 1 2 0 2 0

a062 = : 2 = 2, a063 = : 2 = −1, a064 = :2=0
0 2 0 −1 0 0

2 1 2 0

a065 = : 2 = 0, a066 = :2=1
0 0 0 1
−Exceptând pivotul, completăm restul coloanei pivotului cu 0.

−Împărţim linia pivotului cu valoarea pivotului, a51 = 2.
c1 = 5 c2 = 4 c3 = 3 c4 = 0 c5 = 0 c6 = 0
c4 = 0 x4 = 6 A4 0 3/2 {2} 1 −1/2 0
c1 = 5 x1 = 4 A1 1 1/2 0 0 1/2 0
c6 = 0 x6 = 8 A6 0 2 −1 0 0 1
f (xB ) = cB xB = 20 ∆i = cB Ai − ci ∆1 = 0 ∆2 = −3/2 ∆3 = −3 ∆4 = 0 ∆5 = 5/2 ∆6 = 0
Tabelul 8.2
b) Ultima linie:


 f (xB ) = cB xB = 20





 ∆1 = cB ·A1 − c1 = (0, 5, 0)·(0, 1, 0) − 5 = 0



 3 1 3



 ∆2 = cB ·A2 − c2 = (0, 5, 0)· , , 2 −4=−

 2 2 2

∆3 = cB ·A3 − c3 = (0, 5, 0)·(2, 0, −1) − 3 = −3





 ∆4 = cB ·A4 − c4 = (0, 5, 0)·(1, 0, 0) − 0 = 0



 1 1 5



 ∆5 = cB ·A5 − c5 = (0, 5, 0)· − , , 0 − 0 =

 2 2 2



∆6 = cB ·A6 − c6 = (0, 5, 0)·(0, 0, 1) − 0 = 0
3) Testarea
min{ ∆i / ∆i < 0, i = 1, 6} = −3 = ∆3 , r = 3, A3 = (2, 0, −1) − intră ı̂n bază

xB 6 x4
min
A3
/ A3 > 0 = = 3 =
2 a43
, l = 4, A4 − iese din bază.
a43 = 2 − pivotul
Tabelul III
1) Baza şi elementele bazei
B = { A3 , A1 , A6 }, x 2 = x4 = x5 = 0
xB = (x1 , x2 , x3 , x4 , x5 , x6 ) = (4, 0, 3, 0, 0, 11)
xB = (x3 , x1 , x6 ) = ( 3, 4, 11 )
c = (5, 4, 3, 0, 0, 0)
cB = (c3 , c1 , c6 ) = (3, 5, 0)
a) Elementele matricei, formulele (8.3). Pivotul a43 = 2.

0 2 3 2 1 2 1
2
a011 = − : 2 = 1, a012 = − 1 : 2 = , a014 = :2=0
1 0 0 2 0 0
2

2 −1 1 2 0
2
a015 = : 2 = , a016 = :2=0
0 1 2 0 0
2

0 2 3 2 11 2 1 1
0 0 2 0
a61 = − : 2 = 0, a62 = − : 2 = , a64 = :2=
0 −1 2 −1 4 −1 0 2

2 −1 1 2 0
2
a065 = : 2 = − , a066 = :2=1
−1 0 4 −1 1
− Exceptând pivotul, completăm restul coloanei pivotului cu 0.
− Împărţim linia pivotului cu valoarea pivotului; a43 = 2
c1 = 5 c2 = 4 c3 = 3 c4 = 0 c5 = 0 c6 = 0
c3 = 3 x3 = 3 A3 0 3/4 1 1/2 −1/4 0
c1 = 5 x1 = 4 A1 1 1/2 0 0 1/2 0
c6 = 0 x6 = 11 A6 0 11/4 0 1/2 −1/4 1
f (xB ) = cB ·xB = 29 ∆i = cB ·Ai − ci ∆1 = 0 ∆2 = 3/4 ∆3 = 0 ∆4 = 3/2 ∆5 = 7/4 ∆6 = 0
Tabelul 8.3
b) Ultima linie
f (xB ) = cB ·xB = 29
3 3 7
∆1 = 0, ∆2 = , ∆3 = 0, ∆4 = , ∆5 = , ∆6 = 0.
4 2 4
3) Testarea
Cum toţi ∆i ≥ 0 < ST OP > . Soluţia problemei:
x∗ = ( 4, 0, 3, 0, 0, 11 ), f (x∗ ) = 29.
Capitolul 9
Aplicaţii
Problema 9.1 (5.5)
Rezolvăm problema 5.5 (cursul 5, problema 5) prin metoda simplex.

 

 max{ f (x) = 2x1 + x2 } 
 max{ f (x) = 2x1 + x2 }

 


 x − x2 ≤ 4 
 x − x2 + x3 = 4

 1 
 1
(P ) 3x1 − x2 ≤ 18 Forma standard: 3x1 − x2 + x4 = 18

 


 −x1 + 2x2 ≤ 6 
 −x1 + 2x2 + x5 = 6

 


 

x1 ≥ 0, x2 ≥ 0 xi ≥ 0, j = 1, 5
A1 A2 A3 A4 A5
 
1 −1 1 0 0
 
A= 3 −1 0 1 0 .
−1 2 0 0 1
Tabelul I
1) Parametri bazici:
B = { A3 , A4 , A5 } x1 = x2 = 0
xB = (0, 0, 4, 18, 6) soluţia bazică
xB = ( x3 , x4 , x5 ) = (4, 18, 6) restricţia bazică
c = ( 2, 1, 0, 0, 0 ) = (0, 0, 0) coeficienţii funcţiei obiectiv
cB = ( c3 , c4 , c5 ) = (0, 0, 0) coeficienţii bazici

63
64 CAPITOLUL 9. APLICAŢII
c1 = 2 c2 = 1 c3 = 0 c4 = 0 c5 = 0
cB xB B A1 A2 A3 A4 A5
0 4 A3 {1} −1 1 0 0
0 18 A4 3 −1 0 1 0
0 6 A5 −1 2 0 0 1
f (xB ) = 0 ∆i = cB ·Ai − ci −2 −1 0 0 0
Tabelul 9.1.1
b) Ultima linie
f (xB ) = cB ·xB = 0; ∆1 = cB ·A1 − c1 = −2, ∆2 = −1, ∆3 = ∆4 = ∆5 = 0
3) Testarea:
a) ∃ ∆i < 0. Coloana Ar care intră ı̂n bază:
(
min{∆i / i = 1, 5} = −2 = ∆1
r = 1, coloana A1 = (1, 3, −1) intră ı̂n bază.
b) ∃ A1 > 0. Coloana Al care iese din bază:


 xB x3



min / A1 > 0 = min{4, 6} = 4 =
A1 a31

 l = 3, coloana A3 iese din bază


 pivotul: a = 1
31
Tabelul II
B = { A1 , A4 , A5 }, x 2 = x3 = 0
xB = (4, 0, 0, 6, 10)
xB = (4, 6, 10)
c = ( 2, 1, 0, 0, 0 )
cB = (2, 0, 0).
2) Completarea tabelului.
a) Calculăm elementele bazei cu cu excepţia liniei şi coloanei pivotului a31 = 1

1 −1 1 1 1 0 1 0

a042 = = 2, a043 = = −3, a044 = = 1, a045 = =0
3 −1 3 0 3 1 3 0

1 −1 1 1 1 0 1 0

a052 = = 1, a053 = = 1, a054 = = 0, a055 = =1
−1 2 −1 0 −1 0 −1 1
65

c1 = 2 c2 = 1 c3 = 0 c4 = 0 c5 = 0
2 4 A1 1 −1 1 0 0
0 6 A4 0 {2} −3 1 0
0 10 A5 0 1 1 0 1
f (xB ) = 8 ∆i = cB ·Ai − ci 0 −3 2 0 0
Tabelul 9.1.2
b) Ultima linie:
f (xB ) = cB ·xB = 8; ∆1 = cB ·A1 − c1 = 0, ∆2 = −3, ∆3 = 2, ∆4 = ∆5 = 0
3) Testarea
a) ∃ ∆i < 0. Coloana care intră ı̂n bază:
(
min{∆i / ∆i < 0, i = 1, 5} = −3 = ∆2
r = 2, coloana A2 intră ı̂n bază.
b) ∃ A1 > 0. Coloana Al care iese din bază:



 xB x4



min / A2 > 0 = min{3, 10} = 3 =
A2 a42



 pivotul a = 2
42
Tabelul III
B = { A1 , A2 , A5 }, x 3 = x4 = 0
x = (7, 3, 0, 0, 7)
xB = (7, 3, 7)
c = ( 2, 1, 0, 0, 0 )
cB = (2, 1, 0).
a) Elementele matricei, cu excepţia liniei şi coloanei pivotului a42 = 2

1 −1 −1 1 1 −1 0 1

a011 = : 2 = 1, a013 = − : 2 = − , a014 = − :2=
0 2 2 −3 2 2 1 2

−1 0

a015 = − :2=0
2 0

0 2 2 −3 5 2 1 1

a051 = − : 2 = 0, a053 = :2= , a054 = :2=−
0 1 1 1 2 1 0 2

2 0

a055 = :2=1
1 1

c1 = 2 c2 = 1 c3 = 0 c4 = 0 c5 = 0
2 7 A1 1 0 −1/2 1/2 0
1 3 A2 0 1 −3/2 1/2 0
0 7 A5 0 0 {5/2} −1/2 1
f (xB ) = 17 ∆i = cB ·Ai − ci 0 0 −5/2 3/2 0
Tabelul 9.1.3
b) Ultima linie
5 3
f (xB ) = cB ·xB = 17; ∆1 = cB Ai − ci , ∆2 = 0, ∆3 = − , ∆4 = , ∆5 = 0
2 2
3) Testarea
a) ∃ ∆i < 0 Coloana care intră ı̂n bază

 5
min{∆k / ∆k < 0, k = 1, 5} = − = ∆3
2
 r = 3, coloana A intră ı̂n bază.
3
b) ∃ A3 > 0 Coloana care iese din bază:


 x 14 x


 min
B
/ A3 > 0 = = 5

 A3 5 a53




 pivotul a53 = 5

2
67
Tabelul IV
B = { A1 , A2 , A3 } x4 = x5 = 0,

42 36 14 42 36 14
xB = , , , 0, 0 xB = , ,
5 5 5 5 5 5
c = ( 2, 1, 0, 0, 0 ) cB = (2, 1, 0)
5
a) Elementele matricei, cu excepţia liniei şi coloanei pivotului, a53 =
2

1 1 1 1
1 − 2 0 − 2 − 2 2
2 · = 1, 2 · = 0, 2 2
a011 = a012 = a014 = − · =
5 5 5 5 5 1 5 5
0 0 −
2 2 2 2

1
− 0 2 1

a015 = − 2 · =
5 5 5
1
2

3 3 3 1
0 − 2 1 − 2 − 2 1
2 · = 0, 2 · = 1,
a021 = a022 = a024 = − 2 2 · =
5 5 5 5 5 1 5 5
0 0 −
2 2 2 2

3
− 0 2 3

a025 = − 2 · =
5 5 5
1
2
5
−Împărţim linia pivotului cu valoarea pivotului, a53 = .
2
c1 = 2 c2 = 1 c3 = 0 c4 = 0 c5 = 0
2 42/5 A1 1 0 0 2/5 1/5
1 36/5 A2 0 1 0 1/5 3/5
0 14/5 A3 0 0 1 −1/5 2/5
f (xB ) = 24 ∆i = cB ·Ai − ci 0 0 0 1 1
Tabelul 9.1.4
b) Ultima linie:
f (xB ) = cB ·xB = 24; ∆1 = 0, ∆2 = 0, ∆3 = 0, ∆4 = 1, ∆5 = 1.
3) Testarea:
Toţi ∆i ≥ 0, < ST OP >. Soluţia optimă este

∗ 42 36 14
x = , , , 0, 0 , max f (x) = f (x∗ ) = 24
5 5 5
Variabilele de abatere au valorile
14
x3 = , x 4 = x5 = 0
5
Problema 9.2 (5.2)
Rezolvăm cu metoda simplex problema 5.2.

 

 max{ f (x) = 5x1 + 6x2 } 
 max{ f (x) = 5x1 + 6x2 }

 

 3x1 + 2x2 ≤ 120  3x1 + 2x2 + x3 = 120
(P ) Forma standard:

 4x + 6x ≤ 260 
 4x1 + 6x2 + x4 = 260


1 2 

 
x1 ≥ 0, x2 ≥ 0 xi ≥ 0, j = 1, 5
A1 A2 A3 A4

3 2 1 0
A= .
4 6 0 1
Tabelul I
B = { A3 , A4 }, x1 = x2 = 0,
xB = (0, 0, 120, 260)
xB = (120, 260)
c = (5, 6, 0, 0)
cB = (0, 0)
c1 = 5 c2 = 6 c3 = 0 c4 = 0
cB xB B A1 A2 A3 A4
0 120 A3 3 2 1 0
0 260 A4 4 {6} 0 1
f (xB ) = 0 ∆i = cB ·Ai − ci −5 −6 0 0
69
Tabelul 9.2.1
b) Ultima linia
f (xB ) = 0; ∆1 = −5, ∆2 = −6, ∆3 = ∆4 = 0
3) Testarea
a) ∃ ∆i < 0. Coloana Ar care intră ı̂n bază
(
min{∆i / ∆i < 0, i = 1, 4} = −6 = ∆2
r = 2, Coloana A2 intră ı̂n bază.
b) ∃ A2 > 0 Coloana Al care iese din bază şi pivotul


 xB 260 260 x4

 min A2 , A2 > 0 = min 60, 6
 =
6
=
a42

 l = 4 coloana A4 iese din bază.


pivotul a42 = 6
Tabelul II
B = { A3 , A2 }, x1 = x4 = 0

130 100
xB = 0, , ,0
3 3

100 130
xB = ,
3 3
c = (5, 6, 0, 0)
cB = (c3 , c2 ) = (0, 6).
a) Elementele matricei, cu excepţia liniei şi coloanei pivotului a42 = 6

3 2 5 2 1 2 0 1

a031 = :6= , a033 = − : 6 = 1, a034 = − :6=−
4 6 3 6 0 6 1 3

c1 = 5 c2 = 6 c3 = 0 c4 = 0
cB xB B A1 A2 A3 A4
0 100/3 A3 {5/3} 0 1 −1/3
6 130/3 A2 2/3 1 0 1/6
f (xB ) = 260 ∆i = cB ·Ai − ci −1 0 0 1
Tabelul 9.2.2
b) Ultima linie
f (xB ) = cB ·xB = 260; ∆1 = −1, ∆2 = 0, ∆3 = 0, ∆4 = 1
3) Testarea
a) ∃ ∆1 < 0. Coloana Ar care intră ı̂n bază
(
min{∆i / ∆i < 0, i = 1, 4} = −1 = ∆1
r = 1, coloana A1 intră ı̂n bază
b) ∃ Al > 0. Coloana Al care iese din bază



 x B x3

 min , / A1 > 0 = min { 60, 65 } = 60 =

 A1 a31
l = 3 coloana A3 iese din bază.



 5

 pivotul a31 =
3
Tabelul III
1) Parametri bazici
B = { A1 , A2 }, x 3 = x4 = 0
xB = ( 20, 30, 0, 0 )
xB = ( 20, 30 )
c = (5, 6, 0, 0)
cB = ( 5, 6 ).
5
a) Elementele matricei cu excepţia liniei şi coloanei pivotului a31 = .
3

5 5 5 1
0 1 − 5
3 5 3 5 2 3 3 7
0
a22 = 0
: = 1, a23 = : = − , a24 = 0
: =
2 3 2 1 3
2 1 3 0
5

30
3 3 6
3
71

5
−Împărţim linia pivotului cu valoarea pivotului, a31 = .
3
c1 = 5 c2 = 6 c3 = 0 c4 = 0
cB xB B A1 A2 A3 A4
5 20 A1 1 0 3/5 −1/5
6 30 A2 0 1 −2/5 7/30
f (xB ) = 280 ∆i = cB ·Ai − ci 0 0 3/5 2/5
Tabelul 9.2.3
3 2
f (xB ) = cB ·xB = 280; ∆1 = 0, ∆2 = 0, ∆3 = , ∆4 =
5 5
3) Testarea: Toţi ∆i ≥ 0, < ST OP > . Soluţia optimă este
x∗ = (20, 30, 0, 0) max f (x) = f (x∗ ) = 280
Soluţia coincide cu cea dedusă anterior

Limbă

Curs Mat Econ

Încărcat de

Informații document

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Curs Mat Econ

Încărcat de

Drepturi de autor:

Formate disponibile

Ovidiu Poloţca

aij se numesc elementele matricei. Matricea A se numeşte pătratică, dacă m = n.

Matricea nulă E şi matricea unitate In

Adunarea matricelor are următoarele proprietăţi:

Înmulţirea matricelor are următoarele proprietăţi:

Înmulţirea matricelor cu scalari

Transpusa unei matrici. Proprietăţi

În raport cu operaţiile introduse, transpusa are următoarele proprietăţi:

Calculul Determinanţilor de ordinul 2

Calculul Determinanţilor de ordinul 3

Referitor la corespondenţa matrice ←→ determinant avem proprietăţile

Aij = (−1)i+j Dij

Un determinant de ordinul n se poate exprima prin suma a n determinanţi

Determinanţii unor matrice particulare

det D = det S = det ∆ = a11 ·a22 ·a33

Proprietăţi ale determinanţilor

∃ A−1 ∈ R astfel ı̂ncât A·A−1 = In

3. Să se calculeze matricea

4. Să se rezolve ecuaţia matricială

5. Cu regula lui Sarrus să se calculeze determinanaţii matricelor

7. Cu regula lui Sarrus să se calculeze următorii determinanaţi:

9. Să se calculeze următorii determinanaţi efectuând elemente nule pe linie sau

f ) Să se arate că următorii determinanţi sunt nuli

16. Să se rezolve următoarele ecuaţii matriceale

Sisteme de ecuaţii liniare

2.1 Rangul unei matrice

• Se numeşte minor de ordinul k ≤ min{m, n} al matricei A un determinant de

2.2 Sistem de m−ecuaţii cu n−necunoscute:

În forma matricială, sistemul se scrie astfel:

Rezolvarea unui sistem de ecuaţii prin formulele lui Cramer

Deci soluţia este (6, 4, 6)

Rezolvarea unui sistem de ecuaţii ı̂n cazul general

Sisteme de ecuaţii liniare omogene

Metoda lui Gauss

Aplicăm un următoarele transformări, liniilor matricei extinse

pentru aducerea la forma triunghiulară:

• Intervertirea a două linii ı̂ntre ele.

Rezolvaţi următoarele sisteme cu regula lui Cramer

Rezolvaţi următoarele sisteme prin metoda lui Gauss

Sistemul este incompatibil

Sistemul este incompatibil

Ecuaţia dreptei. Separarea

3.1 Forme ale ecuaţiei dreptei

şi poartă numele de ecuaţia dreptei prin tăieturi.

• Ecuaţia generală a dreptei

şi să se reprezinte grafic.

şi să se reprezinte grafic.

a) OA : A(1, 4). b) OB : B(0, −5). c) OP : P (−3, −3). d) OM : M (3, −4).

şi să se reprezinte grafic.

a) d1 : A(0, 4). b) d2 : B(−5, 0). c) d3 : C(3, 0). d) d4 : M (0, −5).

4.1 Separarea planului

13. Problemă de programare liniară:

f (x) = 50x1 + 40x2 u.m (funcţia obiectiv)

Asamblarea a x1 calculatoare P C1 durează 3 ore iar asamblarea a x2 calculatoare

3x1 + 5x2 ≤ 150

Referitor la depozitare, x1 calculatoare P C1 ocupă 0, 8 x1 m2 iar x2 calculatoare

În plus, numărul de calculatoare x2 nu depăşeşte 20 adică x2 ≤ 20.

max {f (x) = 50x1 + 40x2 }

Să se determine variabilele de decizie x1 şi x2 care maximizează funcţia obiectiv

Deci mulţimea soluţiilor admisibile este

Valoarea funcţiei ı̂n aceste vârfuri, este:

f (B) = 1980, f (D) = 1630, f (E) = 800

max f (x1 , x2 ) = f (30, 12) = 1980 lei.