Documente Academic
Documente Profesional
Documente Cultură
MATEMATICI APLICATE
2002
Referenţi ştiinţifici: Prof. dr. Alexandru Neagu
Univ. Tehnică „Gh. Asachi”- Iaşi
Conf. dr. Veronica Teodora Borcea
Univ. Tehnică „Gh. Asachi”- Iaşi
CUPRINS
II
Capitolul I
proprietăţile:
a) Ai ∩ Aj = ∅ , ∀i ≠ j , i,j ∈ I , b) A = U Ai .
i ∈I
Familia de părţi nevide {A i }i∈I care acoperă A (adică satisface b)) este o partiţie
a mulţimii A dacă fiecare element al mulţimii A aparţine cel mult unei părţi din
această familie.
Exerciţiul 1. Daţi exemple concrete de mulţimi şi partiţii ale unor mulţimi care
apar în activitatea dumneavoastră. Exemplificaţi fiecare dintre noţiunile amintite
mai sus.
Răspuns ………………………………………………………………………………………………..................…..
…………………………………………………………………………………
…………………………………………………………………………………
…………………………………………………………………………………
…………………………………………………………………………………
2
în orice activitate de ierarhizare). Ambele tipuri de relaţii sunt implicit utilizate
în taxonomia filogenetică.
4°....a)......,..b)......,..c)......,.d)......
6
.......................................................
.......................................................
5 .......................................................
.......................................................
4
.......................................................
3 .......................................................
.......................................................
2 .......................................................
1 .......................................................
.......................................................
0 ......................................................
0 1 2 3 4 5 6
4
§3. FUNCŢII
Definiţia 5. Se numeşte funcţie orice triplet ordonat (A, B, f) format din
mulţimile A, B şi legea de corespondenţă (sau corespondenţa) f care asociază
fiecărui element x ∈A un singur element (şi numai unul) y ∈ B numit imaginea
lui x prin corespondenţa f şi notat cu f(x); A se numeşte domeniul funcţiei, iar
B se numeşte codomeniul funcţiei.
Pentru funcţia din definiţia de mai sus se folosesc de obicei notaţiile
mai comode
f
f :A→B A
→ B
sau - atunci când domeniul şi codomeniul sunt cunoscute - se foloseşte doar
simbolul f.
x a1 a2 ... an
f(x) b1 b1 ... bn
5
Exerciţiul 6. Daţi definiţiile pentru: funcţia identitate, funcţia constantă şi funcţia
caracteristică a unei mulţimi. Pentru control consultaţi [1] pag. 31.
Deci funcţia liniară f : ¡ → ¡, f(t) = aot + bo este funcţia căutată. Această func-
ţie se numeşte funcţie liniară de ajustare a datelor sau ajustare liniară a date-
lor.
7
30,7 66,1 2029,27 942,49
34,5 74,0 2553,00 1190,25
Σxi=137,8 Σyi=333,5 Σxiyi=7799,51 3433,26
M(x)=19,68571 M(y)=47,64286 M(xy)=1114,216 M(x2)=490,4657
m m m
∑
ma 0 + a 1 t i + a 2 t i2 =
∑ ∑ ni
i =1 i =1 i =1
m m m m
∑ ∑ 2
a 0 t i + a 1 t i + a 2 t i = ∑ 3
∑ tini .
i =1 i =1 i =1 i =1
m m m m
a
0 ∑ t 2
i
+ a 1 ∑ t 3
i
+ a 2 ∑ t 4
i
= ∑ t i2 n i
i =1 i =1 i =1 i =1
yi yi yi − yi ( y i − y i )2
20,4 21,0359 -0,6359 0,4044
33,1 32,1767 0,9233 0,8525
38,4 37,8525 0,5475 0,2998
47,3 47,6971 -0,3971 0,1577
54,2 54,7797 -0,5797 0,3361
66,1 66,5738 -0,4738 0,2245
74,0 73,3843 0,6157 0,3791
2,6540
Evident, putem acum calcula L(0, 1, 2, 4; 3)= -2. Se putea calcula valoarea în
t=3 şi direct (adică fără să determinăm polinomul de interpolare) şi anume:
( 3 − 1)(3 − 2)(3 − 4) ( 3 − 0)(3 − 2)(3 − 4) ( 3 − 0)(3 − 1)(3 − 4)
L(0, 1, 2 , 4; 3) = ⋅1 + ⋅1+ ⋅ ( −1) +
− 1( −2)(−4) (1 − 0)(1 − 2)(1 − 4) ( 2 − 0)(2 − 1)(2 − 4)
( 3 − 0)(3 − 1)(3 − 2)
+ ⋅ 1 = −2
(4 − 0)(4 − 1)(4 − 2)
t - to
unde: h = ti - ti-1, θ = şi ∆x i = x i +1 − x i , ∆k +1 x i = ∆k x i +1 − ∆k x i .
h
10
Cantităţile ∆k x i , k = 1,2,... se numesc diferenţe finite progresive; se pot defini
şi diferenţe finite regresive şi diferenţe centrale şi câte un polinom de
interpolare Newton corespunzător.
§4. Frecvenţe
Fie f : Ω → Ω ' o funcţie surjectivă pentru care Ω = {ω1 , ω 2 ,..., ω n } şi
Ω’={x1, x2,…, xm} (cu m ≤ n ).
x1 x2 ... xm
n1 n2 . . . ........ nm
~ ~
care defineşte (sintetic) o nouă funcţie f : Ω’→ ¡. Funcţia f se va numi şi
repartiţia frecvenţelor absolute ale valorilor funcţiei f. De asemenea îi putem
asocia funcţia f : Ω ' → ¡ care asociază fiecărei valori xi ∈ Ω ' numărul fi
(adică frecvenţa relativă a valorii xi). Funcţia f se va numi şi repartiţia
frecvenţelor relative ale valorilor funcţiei f.
Frecvenţele absolute şi cele relative ale valorilor acestei funcţii sunt date
în Tabelul 2.
Tabelul 2
Masă Frecvenţa absolută Frecvenţe relative
xi ni fi
31 2 0,050
32 3 0,075
33 4 0,100
34 3 0,075
35 5 0,125
36 4 0,100
37 5 0,125
38 4 0,100
39 5 0,125
40 3 0,075
41 2 0,050
Total 40 1,00
Exerciţiul 11. Dintr-o plantaţie de flori de mac s-au ales 40 de flori la care s-a
determinat numărul stigmatelor. Datele obţinute sunt înregistrate în tabelul
următor:
Numărul stigmatelor xi 7 8 9 10 11
Frecvenţele absolute ni 6 18 8 6 2
~
Identificaţi funcţiile f, f , f , g s , g s , g d , g d şi determinaţi frecvenţele absolute şi
xi ni fi gs gs gd gd
7 6
8 18
9 8
14
10 6
11 2
Exemplul 9. Pe baza datelor din Exemplul 8 media M(f) este egală, conform
formulei (2) şi utilizând datele din Tabelul 1, cu:
M(f ) = 31 ⋅ 0,050 + 32 ⋅ 0,075 + 33 ⋅ 0,100 + 34 ⋅ 0,075 + 35 ⋅ 0,125 + +36 ⋅ 0,100 +
+ 37 ⋅ 0,125 + 38 ⋅ 0,100 + 39 ⋅ 0,125 + 40 ⋅ 0.075 + 41 ⋅ 0,050 = 36,125
15
Proprietăţile mediei
.1. M(a)=a, pentru orice funcţie constantă a
2. min f (ω) ≤ M(f ) ≤ max f (ω)
ω∈Ω ω∈Ω
3. M(af)=aM(f), ∀a∈¡, ∀f: Ω → ¡
4. M(f+g)=M(f)+M)g), ∀f, g: Ω → ¡
5. | M(f ⋅ g ) |≤ M(f 2 ) ⋅ M(g 2 ) , ∀f, g: Ω → ¡.
Calculul mediei
În multe situaţii calculul mediei şi mai ales al momentelor de ordin
superior implică utilizarea unor numere mari, fapt care îngreunează calculele.
O soluţie importantă pentru evitarea acestei situaţii este metoda „zeroului fals”
pe care o prezentăm în cele ce urmează.
Exemplul 10. Vom determina folosind metoda zeroului fals media funcţiei din
Exemplul 8. Deşi numerele care se folosesc nu sunt atât de mari încât să
justifice utilizarea metodei zeroului fals vom calcula media şi folosind abaterile
funcţiei f de la valoarea xo = 35, adică folosind funcţia θ 35(f) = f – 35.
Calculele se prezintă în Tabelul 4.
Tabelul 4
Masă Abateri Frecvenţe relative
xi xi - 35 fi (xi - xo)·fi
31 -4 0,050 -0,200
32 -3 0,075 -0,225
33 -2 0,100 -0,200
34 -1 0,075 -0,075
16
35 0 0,125 0,000
36 1 0,100 0,100
37 2 0,125 0,250
38 3 0,100 0,300
39 4 0,125 0,500
40 5 0,075 0,375
41 6 0,050 0,300
M( θ 35) = 1,125
2°. Mediana
17
2, 3, 3, 4, 5, 5 atunci µ f = 3 iar dacă Ω = 8 şi f are valorile 1, 2, 2, 3, 4, 4, 4, 6
0,500 − 0,425
µ = 35 + = 35,75 .
0,525 − 0,425
Mediana este un estimator robust al valorii centrale pentru că, spre deosebire
de medie, este puţin sensibil la valorile extreme mari.
4°. Momente
i =o
18
k k
i =o i =o
M 3 (f ) = M 3 (θ x (f )) + 3M 2 (θ x (f )) ⋅ x 0 + 3M(θ x (f )) ⋅ x 02 + x 03
0 0 0
M 4 (f ) = M 4 (θ x (f )) + 4M 3 (θ x (f )) ⋅ x 0 + 6M 2 (θ x (f )) ⋅ x 02 + 4M(θ x (f )) ⋅ x 03 + x 40
0 0 0 0
m 3 = M 3 (f ) − 3M 2 (f ) ⋅ M (f ) + 2[M(f )]3
m 4 = M 4 (f ) − 4M 3 (f ) ⋅ M(f ) + 6M 2 (f )[M(f )]2 − 3[M(f )]4
19
M4(f) = 174,425 + 4 × 25,875 × 35 + 6 × 9,125 × 352 + 4 × 1,125 × 353 + 354 = 1764428,175 .
Aplicaţie
1800-2000 128
2000-2200 170
2200-2400 280
2400-2600 800
2600-2800 320
2800-3000 180
3000-3200 120
1900 128
2100 170
2300 280
2500 800
2700 320
2900 180
3100 120
S-a obţinut o funcţie pentru care se pot determina în mod obişnuit toate
caracteristicile numerice. Evident aceste valori sunt diferite de cele ale funcţiei
care ar asocia fiecărui pui greutatea sa în grame. Pentru a obţine valori mai
20
apropiate de valorile reale se folosesc corecţiile lui Sheepard. Corecţiile pentru
primele patru momente sunt
1°. Amplitudinea
Amplitudinea Af a funcţiei f este diferenţa dintre valoarea maximă şi cea
minimă ale funcţiei. Pentru funcţia din Exemplul 8 amplitudinea este
Af=41-31=10.
21
Proprietăţile dispersiei
1°. D2(f) ≥ 0, ∀ f ; D2(f) = 0 dacă şi numai dacă f este funcţie constantă
Abaterea pătratică (de la) medie sau abaterea standard a funcţiei f este σf=2,8035.
3°. Cuartile
Prima cuartilă µ1(f)= µ1 se defineşte prin relaţiile:
1 1 1 3
⋅ {ω ∈ Ω | f( ω) ≤ µ 1 } ≥ şi ⋅ {ω ∈ Ω | f( ω) ≥ µ 1 } ≥
n 4 n 4
1 3 1 1
⋅ {ω ∈ Ω | f( ω) ≤ µ 3 } ≥ şi ⋅ {ω ∈ Ω | f( ω) ≥ µ 3 } ≥ .
n 4 n 4
Evident, a doua cuartilă µ 2 definită prin analogie cu µ 1 şi µ 3 este chiar
mediana. Intervalul determinat de µ 1 şi µ 3 se numeşte interval intercuartilic, dar
prin abuz de limbaj şi diferenţa µ 3 - µ 1 se numeşte tot interval intercuartilic.
µ3= 5. În general, dacă |Ω|=4p+3 şi f are valorile x1, x2,..., x4p+3 atunci µ1=xp+1,
µ2=x2p+2, µ3= x3p+3. În cazul Ω = 8 şi f are valorile 1, 2, 2, 3, 3, 4, 5, 5 atunci
22
Intervalul intercuartilic are lungimea µ3-µ1=4,750 şi reprezintă lungimea unui
interval care conţine jumătate din numărul valorilor funcţiei. El dă evident
informaţii asupra împrăştierii valorilor funcţiei.
38 kg. Evident, această estimaţie este grosieră (vezi demonstraţia din [1], pag.
54) dar are avantajul că este uşor de făcut. Într-adevăr, în realitate sunt 21 oi cu
masa între 34 şi 38 kg, adică peste 50%. Ineficienţa acestei inegalităţi în acest
exemplu este motivată de faptul că ε2 şi dispersia funcţiei au valori
comparabile.
23
xi 5 6 7 8 9 10
ni 7 10 15 25 25 18
(ni este numărul de scroafe care au avut xi purcei la o fătare). Se consideră
funcţia reală f definită pe mulţimea tuturor scroafelor şi care asociază fiecărei
scroafe numărul de purcei pe care i-a fătat. Atunci M(f)=8,05 şi D2(f) = 2,1475.
Dacă dorim să estimăm frecvenţa relativă υ ε a numărului de scroafe care fată
între 6 şi 10 purcei (la o fătare) aplicăm formula lui Cebîşev cu M(f)=8, ε=2,
2,1475
D2(f) = 2,1475 şi obţinem υ 2 ≥ 1 − ≅ 0,46 , deci cel puţin 46% dintre
4
scroafe vor făta între 6 şi 10 purcei. Evident, şi această estimaţie este grosieră
(vezi demonstraţia din [1], pag. 54) dar este mai utilă decât cea din exemplul
precedent..
σf
C.V . = .
M (f )
2,8035
C.V.= ≅ 0,0798 sau C.V.%=7,8%<10%.
35,125
24
2°. Coeficientul de asimetrie
µ + µ 3 − 2µ 2
c = c(f ) = 1 .
µ 3 − µ1
M(f ) − Mo(f )
A s (f ) = A s = .
σf
Dacă As<0 distribuţia punctelor graficului are asimetrie dreaptă (ramura stângă
de pantă mai lină), dacă As>0 distribuţia punctelor graficului are asimetrie
25
stângă (ramura dreaptă de pantă mai lină) iar dacă As=0 distribuţia este aproape
simetrică. Evident, acest indicator se foloseşte numai pentru funcţii unimodale.
m 4 (f )
Numărul γ2(f)= γ2 definit prin γ 2 (f ) = se numeşte coeficientul de
σ f4
Proprietăţile covarianţei
1°. S(f, g) = S(g, f) , ∀f, g: Ω → ¡
2°. S(f, g) = M(fg) - M(f) ⋅ M(g) , ∀f, g: Ω → ¡
3°. S(αf, β g) = αβ S(f, g) , ∀α , β ∈ ¡, ∀f, g: Ω → ¡
4°. S(f − a, g − b) = S(g, f) , ∀f, g: Ω → ¡, ∀funcţiile constante a şi b
26
care are avantajul că este adimensional şi are o interpretare geometrică simplă
ca fiind cosinusul unghiului a doi vectori din ¡n.
Se numeşte coeficientul de corelaţie al funcţiilor f, g numărul notat cu
ρ (f, g) definit prin:
S(f, g)
ρ(f, g) = .
D (f) ⋅ D (g)
2 2
forma af + bg + c = 0 cu a,b,c ∈ ¡.
Exerciţiul 14. Scrieţi formulele pe baza cărora se fac calculele pentru determi-
narea directă a covarianţei şi a coeficientului de corelaţie:
S(f,g)=....................................................................................................................
ρ(f,g)=....................................................................................................................
Verificaţi-vă pe baza formulelor (9) şi(11) din [1], pag.56 şi 57.
Exemplul 17. În urma unei experienţe în care s-au urmărit două caractere X şi
Y s-au obţinut următoarele date
X 1,24 1,43 1,60 1,66 1,73 1,82 1,85 1,90 1,98
Y 0,57 0,14 0,75 0,60 0,50 0,35 0,25 0,19 0,97
Ne propunem să determinăm covarianţa şi coeficientul de corelaţie ale celor
două caractere. Putem aplica direct definiţiile dar putem apela la “centrări”
convenabile. Avem M(X)=1,69 şi M(Y)=0,48 – valori exacte (nerotunjite).
X Y X-1,69 Y-0,48 (X-1,69)(Y-0,48) (X-1,69)2 (Y-0,48)2
1,24 0,57 -0,45 0,09 -0,0405 0,2025 0,0081
1,43 0,14 -0,26 -0,34 0,0884 0,0676 0,1156
1,60 0,75 -0,09 0,27 -0,0243 0,0081 0,0729
1,66 0,60 -0,03 0,12 -0,0036 0,0009 0,0144
1,73 0,50 0,04 0,02 0,0008 0,0016 0,0004
1,82 0,35 0,13 -0,13 0,0169 0,0169 0,0169
27
1,85 0,25 0,16 -0,23 0,0368 0,0256 0,0529
1,90 0,19 0,21 -0,29 0,0609 0,0441 0,0841
1,98 0,97 0,29 0,49 0,1421 0,0841 0,2401
Suma= Suma= Suma= Suma= Suma= Suma= Suma=
=15,21 =4,32 =0 =0 =0,0483 =0,4514 =0,6054
0,0483
Atunci S( X, Y ) = = 0,054 adică X şi Y sunt foarte slab corelate. În plus,
9
S(fi, fj).
Se poate defini şi matricea coeficienţilor de corelaţie R(f1, f2,..., fp)
= [ρ ij ] , unde ρ ij = ρ(f i , f j ) pentru i ≠ j şi ρ ii =1 pentru i = 1,2,...,n.
28
3°. Regresia liniară
S(f, g)
ao = M(g) - bo M(f) şi bo = 2
.
D (f)
i 11 12 13 14 15 16 17
f 0,82 0,84 0,87 0,88 0,90 0,95 1,00
g 1,33 1,31 1,25 1,20 1,19 1,15 1,00
Verificaţi că:
29
M(f) = 0,7029, M(g) = 1,5782, D2(f)=0,0418, σf=0,2042, D2(g)=0,1806,
σg=0,4250, S(f, g)=-0,0863, ρ(f, g) = 0,09943.
Determinaţi apoi dreapta de regresie a caracterului f asupra lui g şi a carac-
terului g asupra lui f.
Aplicaţie
Pentru un hibbrid de porumb H dorim să analizăm două caracteristici,
lungimea ştiuletelui şi numărul de boabe pe rând , în vederea comparării cu alţi
hibrizi. În acest scop se aleg 15 ştiuleţi pentru care se determină valorile celor
două caracteristici. Datele obţinute sunt înregistrate în Tabelul 6.
Acestui tabel îi asociem funcţiile cu valori reale f şi g definite pe
mulţimea D = {1, 2, …, 15} prin legile de corespondenţă f(i) = xi şi g(i) = yi
(tabelul este de fapt definiţia sintetică a celor două funcţii). Ne propunem să
determinăm covarianţa, coeficientul de corelaţie, regresia funcţiei f asupra
funciei g şi regresia funcţiei g asupra funcţiei f.
Datele necesare determinării acestor caracteristici numerice sunt conţinute
în Tabelul 7.
Tabelul 6 Nr. Lung.ştiul. mm Nr. boabe/rând
crt. xi yi
1 188 36
2 185 38
3 166 41
4 158 32
5 162 41
6 173 39
7 177 42
8 156 37
9 168 35
10 182 46
11 171 45
12 157 38
13 156 37
14 179 36
15 187 42
M(f)=171 M(g)=39
Tabelul 7
Nr. Lung.şt Nr.
Crt. iul. mm boabe/ xi - M(f) yi – (xi - M(f))× (xi - M(f))2 (yi –
xi rând M(g) (yi – M(g)) M(g))2
yi
1 188 36 17 -3 -51 329 9
2 185 38 14 -1 -14 196 1
3 166 41 -5 2 -10 25 4
4 158 32 -13 -7 91 169 49
5 162 41 -9 2 -18 81 4
30
6 173 39 2 0 0 4 0
7 177 42 6 3 18 36 9
8 156 37 -15 -2 30 225 4
9 168 35 -3 -4 12 9 16
10 182 46 11 7 77 121 49
11 171 45 0 6 0 0 36
12 157 38 -14 -1 14 196 1
13 156 37 -15 -2 30 225 4
14 179 36 8 -3 -24 64 9
15 187 42 16 3 48 256 9
M(f)= M(g)=39 S(f,g)= D2(f)= D2(g)=
=171 =13,(3) =129,0(6) =13,6
Covarianţa S(f,g) = 13,(3) este pozitivă şi indică faptul că cele două
caractere variază în dominantă în acelaşi fel . Coeficientul de corelaţie este
13, ( 3)
ρ(f , g ) = ≈ 0,317
129,0(6) ⋅ 13,6
31
5 162 172,96 41 38,055
6 173 171,00 39 39,210
7 177 173,94 42 39,630
8 156 169,04 37 37,425
9 168 167,08 35 38,685
10 182 177,86 46 40,155
11 171 177,08 45 39,000
12 157 170,02 38 37,530
13 156 169,04 37 37,425
14 179 168,06 36 39,840
15 187 173,94 42 40,680
32
Capitolul II
Exemplul 1.1°. Adunarea (+) şi înmulţirea (·) sunt operaţii binare pe fiecare
dintre mulţimile de numere cunoscute ¥, ¢, ¤, ¡, £. Scăderea (-) nu este operaţie pe
¥ (de ce?), dar este operaţie pe ¢, ¤, ¡, £. 2°. Reuniunea ( ∪ ), intersecţia ( ∩ ),
diferenţa ( \ ) şi diferenţa simetrică (∆) sunt operaţii binare pe mulţimea P(X) a
tuturor părţilor mulţimii nevide X. 3°. Pe mulţimea Rn = { 0, 1, 2, ... , n-1 } se
definesc operaţiile: adunarea modulo n ( ⊕ ) şi înmulţirea modulo n (e).
Exerciţiul 1. Definiţi operaţiile: adunarea modulo 4 ( ⊕ ) şi înmulţirea modulo
4 (e).Verificaţi-vă pe baza manualului [1], pag. 66.
Răspuns..........................................................................................................................
.....................................................................................................................................
O mulţime nevidă dotată cu una sau mai multe operaţii (binare sau nu) se
numeşte structură algebrică sau sistem algebric.
33
Definiţia 2. Operaţia binară ϕ : M × M → M se numeşte:
1°. asociativă dacă ϕ(ϕ(x, y), z) = ϕ(x, ϕ(y, z)) ∀x,y,z∈M.
2°. comutativă dacă ϕ(x, y) = ϕ(y, x) ∀ x, y ∈ M .
⊕ 0 1 2 3 4 e 0 1 2 3 4
0 0 0
1 1 3
2 2 3 4 0 1 2 1
3 3 4
4 4 2
Dacă există element neutru pentru o operaţie binară "*", acesta este unic.
34
x * (y · z) = (x * y) · (x * y), ∀ x, y, z ∈ M;
2°. distributivă la dreapta în raport cu operaţia "·" dacă
(y · z) * x = (y * x) · (z * x), ∀ x, y, z ∈ M,
3°. distributivă dacă este şi distributivă la stânga şi distributivă la dreapta.
Exemplul 3. 1°. N*(+‘) este semigrup comutativ. 2°. ¥k(+) şi ¥k(·) sunt semigru-
puri comutative (aici ¥k = { k, k+1, ...} ).3°. ¥ (+), ¢(+) sunt monoizi comutativi.
4°. F (X)(○) este monoid (necomutativ).5°. Mulţimea ¡* a tuturor numerelor
reale nenule, dotată cu operaţia "•" definită prin x • y = x3 · y ∀ x, y ∈ ¡* este
cvasigrup (necomutativ). 6°. ¢(+), ¤(+), ¡(+), £(+) sunt grupuri comutative
(abeliene).7°. Mulţimea Sn a tuturor permutărilor de n > 2 elemente este grup
(necomutativ!) în raport cu operaţia de compunere a permutărilor.
35
Exerciţiul 6. Cum interpretaţi bijectivitatea translaţiilor stângi şi/sau drepte
pentru structurile algebrice de ordin finit? Concretizaţi pentru cvasigrupuri şi
loopuri. Verificaţi-vă pe baza manualului [1], pag. 73.
Exerciţiul 7. Enumeraţi proprietăţile şi regulile de calcul ale structurilor algebrice
enumerate mai sus.
Exemplul 4. 1°. ¢(+,·) este inel comutativ. 2°. Mulţimea Mn(¡)(+,·) este inel
(necomutativ).
Elementele lui I simetrizabile în raport cu înmulţirea se numesc elemente
inversabile sau unităţi. Unităţile inelului ¢(+,·) sunt -1 şi +1.
Exemplul 5. 1°. ¢(+,·) este inel comutativ fără divizori ai lui zero, adică este
domeniu de integritate. 4°. Mulţimea Mn(¡)(+, ·) este inel (necomutativ) cu
divizori ai lui zero .
Exerciţiul 8. Arătaţi că R n (⊕, e ) este inel comutativ fără divizori ai lui zero
când n este număr prim şi inel cu divizori ai lui zero dacă n nu este prim.
Definiţia 8. Un inel K(+, ⋅ ) pentru care 0 ≠ 1 şi având proprietatea că orice
element ≠ 0 este inversabil se numeşte corp. Orice corp comutativ se numeşte câmp.
+ 0 1 a b ⋅ 0 1 a b
0 0 1 a b 0 0 0 0 0
1 1 0 b a 1 0 1 a b
a a b 0 1 a 0 a b 1
b b a 1 0 b 0 b 1 a
36
elementele lui M să se numească elementele pătratului latin L. 2. Două pătrate
latine de ordinul n se numesc ortogonale dacă prin suprapunere fiecare element al
primului pătrat se cuplează o dată şi numai o singură dată cu fiecare element al
celuilalt pătrat latin
Exemplul 6. Tabla Cayley a oricărui cvasigrup , loop sau grup , de ordin n , G (*)
este un pătrat latin de ordinul n peste G.
x a00 = a ⋅ x 0 + x 0 = 0 x 10
a
= a ⋅ x 1 + x 0 = a x a20 = a ⋅ x 2 + x 0 = b x a30 = a ⋅ x 3 + x 0 = 1
x a01 = a ⋅ x 0 + x 1 = 1 x 11
a
= a ⋅ x 1 + x 1 = b x a21 = a ⋅ x 2 + x 1 = a x a31 = a ⋅ x 3 + x 1 = 0
x a02 = a ⋅ x 0 + x 2 = a x 12
a = a ⋅ x + x = 0 xa = a ⋅ x + x = 1 xa = a ⋅ x + x = b
1 2 22 2 2 32 3 2
x a03 = a ⋅ x 0 + x 3 = b x 13
a = a ⋅ x + x = 1 xa = a ⋅ x + x = 0 xa = a ⋅ x + x = a
1 3 23 2 3 33 3 3
x b00 = b ⋅ x 0 + x 0 = 0 x 10
b
= b ⋅ x1 + x 0 = b x b20 = b ⋅ x 2 + x 0 = 1 x b30 = b ⋅ x 3 + x 0 = a
b b
x 01 = b ⋅ x 0 + x 1 = 1 x 11 = b ⋅ x 1 + x 1 = a x b21 = b ⋅ x 2 + x 1 = 0 x b31 = b ⋅ x 3 + x 1 = b
x b02 = b ⋅ x 0 + x 2 = a x 12
b = b ⋅ x + x = 1 xb = b ⋅ x + x = b xb = b ⋅ x + x = 0
1 2 22 2 2 32 3 2
x b03 = b ⋅ x 0 + x 3 = b x 13
b = b ⋅ x + x = 0 xb = b ⋅ x + x = a xb = b ⋅ x + x = 1
1 3 23 2 3 33 3 3
0 1 a b
b a 1 0
1 0 b a
a b 0 1
Pentru a verifica ortogonalitatea celor două pătrate latine vom identifica elemen-
tele 0, 1, a, b respectiv cu A, B, C, D în La şi cu α, β, γ, δ în Lb. Tabelele astfel
transformate le suprapunem pentru a constata ortogonalitatea.
37
A B C D α β γ δ Aα Bβ Cγ Dδ
C D A B δ γ β α Cδ Dγ Aβ Bα
D C B A β α δ γ Dβ Cα Bδ Aγ
B A D C γ δ α β Bγ Aδ Dα Cβ
Exerciţiul 12. Folosind tablele Cayley din Exerciţiul 9, construiţi pătratele latine
L1, L2, L3, L4 corespunzătoare elementelor din R5 şi verificaţi că sunt ortogonale
două câte două.
Aplicaţie
Să considerăm experienţa care constă în administrarea a trei raţii diferite
la vaci în lactaţie. Deoarece curba de lactaţie variază mult de la o vacă la alta este
greu să se alcătuiască loturi omogene şi de aceea se obişnuieşte ca cele trei raţii
A, B, C să se experimenteze pe acelaşi animal în trei perioade succesive. Se aleg
deci, prin tragere la sorţi, trei vaci V1, V2, V3. Având în vedere că ordinea de
administrare a raţiilor are influenţă asupra efectelor acestor raţii, raţiile se vor
administra astfel încât să se elimine aceste influenţe. Acest lucru se realizează
administrând fiecare raţie la câte o singură vacă într-o anumită perioadă,
perioadele fiind separate de intervale de timp suficient de mari astfel încât să se
elimine influenţa ordinii administrării celor trei raţii. Cum fiecare vacă trebuie să
folosească fiecare dintre raţii se ajunge la o planificare de tipul următor , care a
condus la un pătrat latin L peste mulţimea M = {A, B, C}.
L
V1 V2 V3
perioada I A B C
perioada II B C A
perioada III C A B
38
Capitolul III
SPAŢII VECTORIALE
1. Definiţii. Exemple
numită operaţie externă (sau lege de compoziţie externă) care satisfac axiomele:
1°. V(+) este grup abelian,
r r r
2°. 1· v = v , ∀ v ∈ V (1 este elementul neutru la înmulţirea din K),
r r r r r r
3°. α ·( u + v) = α · u + α · v , ∀ α ∈ K, ∀ u , v ∈ V,
r r r r
4°. ( α + β )· u = α · u + β · u , ∀ α, β ∈ K, ∀ u ∈ V,
r r r
5°. α ·( β · u ) = ( α · β )· u , ∀ α, β ∈ K, ∀ u ∈ V.
39
distingem uşor de elementele din câmpul K. 2°. Elementele lui K se numesc
scalari iar operaţia externă se numeşte înmulţire cu scalari. 3°. Când K = , V se
numeşte spaţiu vectorial real, iar când K = , V se numeşte spaţiu vectorial
complex. 4°. Elementul neutru pentru adunare se numeşte vectorul zero şi se
r
notează cu 0 ; mai târziu vom nota şi vectorul zero cu 0 (la fel ca scalarul zero)
pentru că, din context, va fi totdeauna clar când este vorba de vectorul zero sau de
r r r r
scalarul zero. 5°. Opusul v' al vectorului v şi se va nota cu v ′ = - v .
Exemplul 1. 1°. Spaţiul vectorial peste câmpul K definit pe grupul abelian {0}
dotat cu înmulţirea cu scalari definită prin α ⋅ 0 = 0 , ∀ α ∈ K se numeşte
spaţiul vectorial nul.
2
2°. Mulţimea dotată cu operaţiile:
(x1 , x 2 )+ (y 1 , y 2 ) = (x1 + y 1 , x 2 + y 2 ), ( ) (
α ⋅ x1 , x 2 = α ⋅ x1 , α ⋅ x 2 )
r r r
este spaţiu vectorial real. Într-adevăr, dacă x = (x 1 , x 2 ) , y = ( y1 , y 2) , z = (z 1 , z 2 )
2
sunt trei vectori oarecare din , egalităţile
(( ) ( )) ( )
(xr + yr ) + zr = x 1 , x 2 + y 1 , y 2 + z 1 , z 2 = ( x 1 + y 1 + z 1 , x 2 + y 2 + z 2 ) ,
r r r
(( ) ( )) (
x + (y + z ) = (x 1 , x 2 ) + y 1 , y 2 + z 1 , z 2 = x 1 + y 1 + z 1 , x 2 + y 2 + z 2 )
asigură că adunarea este operaţie asociativă. Vectorul (0, 0) este element neutru la
adunare, iar vectorul (-x1, -x2) este opusul vectorului (x1, x2) . Comutativitatea
adunării este uşor de verificat.
40
r r
vectorii v 1 , v 2 ,..., vr m formează un sistem liniar independent), dacă orice relaţie de
r r
forma µ1 v 1 + µ 2 v 2 + ... + µm vr m = 0 implică µ 1 = µ 2 = ... = µ m = 0 . În caz con-
trar se va spune că vectorii (sau sistemul de vectori) sunt liniar dependenţi. Dacă
orice vector din V este combinaţie liniară a vectorilor sistemului S spunem că S
este un sistem de generatori pentru spaţiul vectorial V.
r r 2
Exemplul 2. Vectorii v 1 = (1,−2), v 2 = ( −1,1) ∈ sunt liniar independenţi deoarece
µ − µ = 0
orice relaţie µ 1 v 1 + µ 2 v 2 = (0,0) , este echivalentă cu sistemul 1 2 care
− 2µ 1 + µ 2 = 0
r r r r
are numai soluţia µ1=µ2=0. Dar sistemul de vectori { v 1 , v 2 , v 3 } ⊂ ú2, cu v 1 = (1,−2),
r r r r r
v 2 = ( −1,1), v 3 = (1,0) este liniar dependent pentru că v 1 + 2 v 2 + v 3 = 0 . Sistemul de
r r
vectori S= { v 1 , v 2 } ⊂ ú2 este un sistem de generatori pentru 2
pentru că orice vector
r 2 r
v = (α 1 , α 2 ) ∈ se poate scrie: v = µ 1 v 1 + µ 2 v 2 unde µ1=-α1-α2, µ2=-2α1-α2.
n n
Rezultă că, în baza canonică din , orice vector din are i-componenta
(i = 1, 2,..., n) egală cu i-coordonata în baza Bc . Această bază este singura bază cu
această proprietate şi de aceea această bază se numeşte baza canonică sau baza
n
naturală din .
Au loc afirmaţiile :
1°. B* este bază dacă şi numai dacă α i ≠ 0 ,
2°. dacă B* este bază a lui V, atunci coordonatele λ1* , λ 2* ,..., λn* în baza
r
B* ale unui vector x ∈ V se exprimă în funcţie de coordonatele λ1 , λ 2 ,..., λn în
r αj
baza B ale lui x prin egalităţile λ i* = λ i , λ j* = λ j − ⋅ λi pentru j ≠ i.
αi αi
42
r r r r
B ... u ... x ... B* ... u .... x ...
r r
e1 α1 λ1 e1 0 λ 1 − (λ i / α i )α 1
. . . . . .
. . . . . .
r r
ei αi λi ⇒ ei 1 λi / αi
⇒
. . . . . .
. . . . . .
r r
ej αj λj ej 0 λ j − (λ i / α i )α j
. . . . . .
. . . . . .
r r
en αn λn en 0 λ n − (λ i / α i )α n
αi
Trecerea de la λ j la λ*j se poate face formal pe baza următoarei reguli
43
Exemplul 5. Vom verifica faptul că sistemul de vectori S = (v 1 , v 2 , v 3 ) ⊂
r r r 3
unde
r r r 3
v 1 = (2,3,-1), v 2 = (1,0,1), v 3 = (1,−1,2) este o bază în şi vom determina
r
coordonatele vectorului v =(4, 3, 0) în baza S. Construim tabelele următoare
r r r r r r r r
Bc v1 v2 v3 v B1 v1 v2 v3 v
r r
2 1 1 4
e1 2 1 1 4 v2
r r
e2 2 0 -1 3 e2 2 0 -1 3
r r
e3 -1 1 2 0 e3 -3 0 1 -4
r r r r r r r r
B2 v1 v2 v3 v B3 v1 v2 v3 v
r r
v2 5 1 0 8 v2 0 1 0 3
r r
e2 -1 0 0 -1 v1 1 0 0 1
r r
v3 -3 0 1 -4 v3 0 0 1 -1
3 3
Deoarece B3 este bază în , rezultă că sistemul S este bază în şi că
r r r r r
v = v 1 + 3 v 2 − v 3 , adică 1, 3, -1 sunt coordonatele lui v în baza S.
r r r r r r r r
B2 v1 v2 v3 v4 B3 v1 v2 v3 v4
r r
e1 2 0 0 6 e1 0 0 0 0
r r
e2 2 0 0 6 v1 1 0 0 3
r r
v3 -1 0 1 -1 v3 0 0 1 -1
r r
v2 1 1 0 1 v2 0 1 0 1
r
Sistemul nu este independent deoarece v 4 nu poate fi introdus în bază. Din ultima
r r r r r r
coloană rezultă v 4 = 3 v 1 + v 2 − v 3 , adică 3 v 1 + v 2 − v 3 − v 4 = 0 este o relaţie de
3 r r r 3
⊂ unde v 1 = (1,2,-1), v 2 = (0,3,1), v 3 = ( 2,0,−3) este o bază în .
1. Definiţii. Exemple
Fie V un spaţiu vectorial peste câmpul K.
Definiţia 6. O submulţime nevidă L ⊂ V se numeşte subspaţiu vectorial al lui V
dacă operaţiile din V induc pe L o structură de spaţiu vectorial.
Propoziţia 1. Submulţimea nevidă L a spaţiului vectorial V este subspaţiu
vectorial dacă şi numai dacă :
r r r r
1°. ∀x, y∈L ⇒ x + y∈ L
r r
2°. ∀α∈ K ,∀x∈L ⇒ α ⋅ x ∈ L .
r r r
L( v1 , v 2 ,..., vm ) este subspaţiu vectorial al lui V şi se numeşte subspaţiul
liniar generat de sistemul de vectori S.
Definiţia 7. Se numeşte rangul sistemului de vectori S = {v1 , v 2 ,..., vm} numărul
r r r
r r r
notat rang S egal prin definiţie cu dimK L( v1 , v 2 ,..., vm ).
r r r r
B2 v1 v2 v3 v4
Rezultă că rang S=2. În plus, din ultimul tabel
r r r r r r r
v2 0 1 1 2 rezultă că v 3 = 2 v 1 + v 2 , v 4 = v 1 + 2 v 2 .
r
e2 0 0 0 0
r
v1 1 0 2 1
r
e4 0 0 0 0
46
Teorema 5 (Kronecker). Pentru orice matrice A ∈M m×n ( ) au loc egalităţile
Bc C1A C 2A C 3A C 4A C 5A B1 C 1A C 2A C 3A C 4A C 5A
r r
e1 1 2 0 1 -1 e1 1 2 0 1 -1
r
e2 2 0 2 2 2 C 3A 1 0 1 1 1
r r
e3 3 2 2 3 1 e3 1 2 0 1 -1
r r
e4 6 4 4 5 2 e4 2 4 0 1 -2
B2 C 1A C 2A C 3A C 4A C 5A B3 C 1A C 2A C 3A C 4A C 5A
r r
e1 0 0 0 0 0 e1 0 0 0 0 0
C 3A 0 -2 1 0 2 C 3A 0 -2 1 0 2
C 4A 1 2 0 1 -1 C 4A 0 0 0 1 0
r
e4 1 2 0 0 -1 C1A 1 2 0 0 -1
tabelele:
Bc C1A C2A C3A C4A I
C14 C 24
I I
C 34
I
C 44
e1 1 1 2 1 1 0 0 0
e2 -1 1 3 2 0 1 0 0
e3 3 4 1 1 0 0 1 0
e4 2 3 2 -1 0 0 0 1
48
7 −4 0 − 1
9 9 9
− 13 11 1 5
A −1 = 18 36 4 36 .
7 1 −1 7
18 36 4 36
1 1 1 − 5
6 12 4 12
2 1 1 1
3 1 2 1
Exerciţiul 9. Determinaţi inversa matricei A = .
1 3 1 4
2 2 − 1 3
5. Calculul determinanţilor
a 11 x 1 + a 12 x 2 + ... + a 1n x n = b 1
a x + a x + ... + a x = b
21 1 22 2 2n n 2
(S)
.................................................
a m1 x 1 + a m 2 x 2 + ... + a mn x n = b m
49
unde aij, bi ∈ , 1 ≤ i ≤ m, 1 ≤ j ≤ n, iar xj∈ , 1 ≤ j ≤ n sunt numere reale
necunoscute . Folosind notaţiile
b 1 x1
b 2 x 2
A=[aij] ∈Mm×n( ), b = . , X = .
. .
b m x
n
(S“) C 1A x 1 + C 2A x 2 + ... + C nA x n = b .
Construim tablourile
Bc C1A C2A C3A C4A b
e1 1 1 1 -1 -6
e2 1 1 -1 -1 0
e3 1 2 3 4 5
e4 2 1 2 3 1
e5 3 2 1 2 1
e1 0 0 2 0 -6
C1A 1 1 -1 -1 0
e3 0 1 4 5 5
e4 0 -1 4 5 1
e5 0 -1 4 5 1
e1 0 0 2 0 -6
50
C1A 1 0 -5 -6 -5
A
C2 0 1 4 5 5
e4 0 0 8 10 6
e5 0 0 8 10 6
A
C3 0 0 1 0 -3
A
C1 1 0 0 -6 -20
A
C2 0 1 0 5 17
e4 0 0 0 10 30
e5 0 0 0 10 30
A
C3 0 1 1 0 -3
A
C1 1 0 0 0 -2
A
C2 0 0 0 0 2
C4A 0 0 0 1 3
e5 0 0 0 0 0
A A A A
Deoarece b = −2C1 + 2C1 − 3C 3 + 3C 4 , rezultă că x1=-2, x2=2, x3=3, x4=3 este
Exerciţiul 11. Scrieţi sistemul din Exemplul precedent sub formele (S’) şi (S”).
Verificaţi apoi că (-2, 2, -3, 3) este soluţie pentru sistemul prezentat sub cele
trei forme.
Construim tabelele
Bc C1A C2A C3A C4A C5A C6A b
e1 2 1 0 0 -4 -1 -9
e2 4 3 2 2 -2 1 5
e3 0 1 2 2 6 2 23
51
e4 5 4 3 3 -1 2 12
e5 10 7 4 4 -8 -1 1
C2A 2 1 0 0 -4 -1 -9
e2 -2 0 2 2 10 4 32
e3 -2 0 2 2 10 4 32
e4 -3 0 3 3 15 6 48
e5 -4 0 4 4 20 6 64
C2A 2 1 0 0 -4 -1 -9
C3A -1 0 1 1 5 2 16
e3 0 0 0 0 0 0 0
e4 0 0 0 0 0 0 0
e5 0 0 0 0 0 0 0
Rezultă egalităţile
C1A = 2C 2A − C 3A X 1 = (1,−2,1,0,0,0)
C 4A = C 3A X 2 = (0,0,1,−1,0,0)
C 5A = −4C 2A + 5C 3A ⇒ X 3 = (0,4,−5,0,1,0) .
X 4 = (0,1,−2,0,0,1)
C 6A = −C 2A + 2C 3A
X p = (0,−9,16,0,0,0)
b = −9C 2A + 16C 3A
soluţia generală a lui este X=k1X1+k2X2+k3X3+k4X4 ∀ k1, k2, k3, k4∈ , adică
x1 = k 1 x 3 = k 1 + k 2 − 5k 3 − 2k 4 x5 = k 3
.
x 2 = −2k 1 + 4k 3 + k 4 x 4 = −k 2 x6 = k 4
este incompatibil.
52
Capitolul IV
53
beneficiu maxim fără a se depăşi totalul de cheltuieli alocate, cu realizarea
producţiei planificate şi cultivarea întregii suprafeţe.
Se obţine modelul matematic următor.
max (b 1 q 1 x 1 + b 2 q 2 x 2 + ... + b n q n x n )
x + x + ... + x = S
1 2 n
c x + c x + ... + c x ≤ C
1 1 2 2 n n
q 1 x 1 ≥ Q 1 .
q x ≥ Q
2 2 2
...................
q x ≥ Q
n n n
b) Problema dietei
Este bine stabilit că menţinerea stării normale a unui individ este condi-
ţionată de prezenţa în hrană a unor anumite principii nutritive N 1 , N 2 ,..., N m
(glucide, lipide, calorii, etc.) în cantităţile b 1 , b 2 ,... şi respectiv bm ; cantităţile
b 1 , b 2 ,..., b m se numesc necesaruri biologice şi sunt stabilite de către biologi. Se
ştie că aceste principii nutritive se găsesc în alimentele A 1 , A 2 ,..., A n ; mai exact, se
ştie că într-o unitate din alimentul Aj se găsesc aij unităţi din principiul nutritiv
Ni . De asemenea se ştie că o unitate din alimentul Ai costă ci unităţi monetare.
Să se determine un meniu (raţie alimentară) care să asigure necesarul biologic la
un preţ minim. Dacă vom nota cu xi ( i =1,2,..,n) cantitatea (încă necunoscută)
din alimentul Ai care trebuie inclusă în meniu (raţie), determinarea meniului
înseamnă determinarea vectorului ( x 1 , x 2 ,..., x n ).
Datele acestei probleme se pun sub forma următorului tabel
A1 A2 … Aj … An Necesar biologic
N1 a11 a12 … a1j … a1n b1
N2 a21 a22 … a2j … a2n b2
: : : … : … : :
Ni ai1 ai2 … aij … ain bi
: : : … : … : :
Nm am1 am2 … amj … amn bm
Cost unitar c1 c2 … cj … cn
Rezultă că costul total al raţiei alimentare este
n
(1) f ( x 1 , x 2 ,..., x n )= t C ⋅ X = ∑c
j=1
j ⋅xj.
54
n
∑a
j=1
ij x j ≥ b i (i = 1, m ) .
(3) xj ≥ 0 j = 1, n .
(4) AX = b
(5) X≥0
x i ≥ 0, i = 1,2,...n
55
2. Descrierea algoritmului simplex
Se presupune că m = r , că există o bază admisibilă B şi că X 0 este
soluţia admisibilă de bază corespunzătoare. Fără a restrânge generalitatea vom
presupune că B = { a 1 , a 2 ,......, a m } şi că X0=[x10, x20, ... ,xm0, 0,...,0]. Fie
( )
λ jk j = 1, m; k = 1, n coordonatele vectorilor a k în baza B = {a 1 , a 2 ,......, a m };
m
se calculează cantităţile TCXo şi d k = ∑ λ ik ⋅ c i − c k , k = 1,2,..., n şi se comple-
i =1
tează tabelul 1.
Tabelul 1
CB Cj → c1 c2 ... cm c m +1 ... cj ... cn
↓ B X0 a1 a2 ... am am + 1 ... aj ... an
c1 a1 x10 1 0 ... 0 λ 1, m + 1 ... λ 1, j ... λ 1, n
c2 a2 x 20 0 1 ... 0 λ 2 ,m + 1 ... λ 2, j ... λ 2 ,n
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
ci ai xi 0 0 0 ... 0 λ i ,m + 1 ... λ i, j ... λ i ,n
. . . . . . . . .
. . . . . . . . .
. . . . . . . . .
cm am xm 0 0 0 1 λ m ,m + 1 ... λ m, j ... λ m ,n
T
CX 0 0 0 ... 0 dm +1 ... dj ... dn
nu este optimă.
Există două posibilităţi :
1.Dacă există un indice j pentru care cantitatea d j este strict negativă şi toţi
(
λ . ij ≤ 0 i = 1, m ) atunci programul liniar nu are optim finit şi determinarea lui nu
mai interesează din punct de vedere matematic.
2. În caz contrar cazului 1 soluţia se poate îmbunătăţi. Se iniţiază prima iterată
a algoritmului simplex. Aceasta revine la determinarea vectorilor a j şi a i care
57
max ( x1 − 3x 2 − 2x 3 + 3x 5 )
− 2x 1 + 2x 2 − x 3 + 3x 4 − y = 5
3x1 + 4x 2 − 2x 3 − 3x 4 = 12 .
2x − x + 3x + x + x = 4
1 2 3 4 5
x1 ≥ 0, x 2 ≥ 0, x 3 ≥ 0, x 4 ≥ 0, x 5 ≥ 0, y ≥ 0
Se constată că baza B=(a7, a8, a5) este bază admisibilă pentru care X0=(0, 0, 0,
0, 4, 0, 5, 12) este soluţia admisibilă de bază corespunzătoare. Coordonatele
coloanelor matricei A în baza B sunt chiar componentele lor deoarece B este
chiar baza canonică din 3. Deoarece rangul matricei A este egal cu numărul de
restricţii construim tabelele
cB cj → 0 0 0 0 0 0 -1 -1
↓ B X0 a1 ⇓ a2 a3 a4 a5 a6 a7 a8
-1 ↵ a7 5 -2 2 -1 3 0 -1 1 0
-1 a8 12 3 4 -2 -3 0 0 0 1
0 a5 4 2 -1 3 1 1 0 0 0
-17 -1 -6 3 0 0 1 0 0
0 a2 5/2 -1 1 -1/2 3/2 0 -1/2 1/2 0
-1 ↵ a8 2 ⇓7 0 0 3 0 2 -1/2 1
0 a5 13/2 1 0 5/2 5/2 1 -1/2 1/2 0
-2 -7 0 0 -3 0 -1 1/2 0
0 a2 39/14 0 1 -1/2 27/7 0 -3/14 6/7
0 a2 2/7 1 0 0 3/7 0 2/7 -1/14 1/7
0 a5 87/14 0 0 5/2 29/14 1 -1/14 13/28
58
0 0 0 0 0 0 0 1 1
Faza II
cB cj → 2 3 1 -2 0 0
↓ B X0 a1 a2 ⇓ a3 a4 a5 ⇓ a6
3 a2 39/14 0 1 -1/2 3/14 0 -3/14
2 a1 2/7 1 0 0 -9/7 0 2/7
0 ↵ a5 87/14 0 0 5/2 53/14 1 -11/14
125/7 0 0 -5/2 1/14 0 -1/14
3 a2 141/35 0 1 0 34/35 1/5 -26/70
2 ↵ a1 2/7 1 0 0 -9/7 0 2/7
1 a3 87/35 0 0 1 53/35 2/5 -11/35
104/35 0 0 0 12/35 1 -6/7
3 a2 22/5 13/10 1 0 -3/7 1/5 0
0 a6 1 7/2 0 0 -9/2 0 1
1 a3 98/35 11/10 0 1 1/10 2/5 0
16 3 0 0 57/70 1 0
Din ultimul tabel rezultă că valoarea optimă este –16 iar soluţia optimă este
Xopt=(0, 3, 98/35, 0, 0).
59
max(−7 x1 − 9x 2 )
x 1 + 2x 2 − u 1 = 4
3x + x − u = 6
1 2 2 .
x + x − u = 8
1 2 3
2x + x − u = 12
1 2 4
x1 ≥ 0, x 2 ≥ 0, u 1 ≥ 0, u 2 ≥ 0, u 3 ≥ 0, u 4 ≥ 0
Matricea sistemului de restricţii nu conţine coloanele matricei unitate de ordinul 4,
deci vom folosi metoda celor două faze. Programul liniar standard asociat este:
min( v 1 + v 2 + v 3 + v 4 ) = − max(− v 1 − v 2 − v 3 − v 4 )
x 1 + 2x 2 − u 1 + v 1 = 4
3x + x − u + v = 6
1 2 2 2 .
x + x − u + v = 8
1 2 3 3
2x + x − u + v = 12
1 2 4 4
x 1 ≥ 0, x 2 ≥ 0, u 1 ≥ 0, u 2 ≥ 0, u 3 ≥ 0, u 4 ≥ 0, v 1 ≥ 0, v 2 ≥ 0, v 3 ≥ 0, v 4 ≥ 0
Matricea sistemului de restricţii are 10 coloane pentru care B=(a7, a8, a9, a10)
este bază admisibilă a cărei soluţii admisibile de bază corespunzătoare este
X0=(0, 0, 0, 0, 0, 0, 4, 6, 8, 12). Deoarece baza B este baza canonică din 4
coloanele matricei sistemului de restricţii se exprimă în mod evident sub formă
de combinaţii liniare ale bazei B.
Faza I
cB cj → 0 0 0 0 0 0 -1 -1 -1 -1
↓ B X0 ⇓a1 ⇓a2 ⇓a3 ⇓a4 a5 a6 a7 a8 a9 a10
-1 ↵a7 4 1 2 -1 0 0 0 1 0 0 0
-1 a8 6 3 1 0 -1 0 0 0 1 0 0
-1 a9 9 1 4 0 0 -1 0 0 0 1 0
-1 a10 12 2 1 0 0 0 -1 0 0 0 1
-31 -7 -8 1 1 1 1 0 0 0 0
0 a2 2 ½ 1 -½ 0 0 0 ½ 0 0 0
-1 a8 4 5/2 0 ½ -1 0 0 -½ 1 0 0
-1 ↵a9 1 -1 0 2 0 -1 0 -2 0 1 0
-1 a10 10 3/2 0 ½ 0 0 -1 -½ 0 0 1
-15 -3 0 -3 1 1 1 4 0 0 0
0 a2 9/4 1/4 1 0 0 -1/4 0 0 0 1/4 0
-1 ↵a8 15/4 11/4 0 0 -1 1/4 0 0 1 -1/4 0
0 a3 1/2 -½ 0 1 0 -½ 0 -1 0 ½ 0
-1 a10 39/4 7/4 0 0 0 1/4 -1 0 0 -1/4 1
-27/2 -9/2 0 0 1 -½ 1 1 0 3/2 0
0 a2 21/11 0 1 0 1/11 -3/11 0 0 -1/11 0
0 a1 15/11 1 0 0 -4/11 1/11 0 0 4/11 -1/11 0
0 a3 13/11 0 0 1 -2/11 -5/11 0 -1 2/11 0
-1 ↵a10 81/11 0 0 0
7/11 1/11 -1 0 -7/11 -1/11 1
60
Trecem la Faza II. Renunţăm la coloanele corespunzătoare necunoscutelor arti-
ficiale dar revenim la costurile iniţiale.
Faza 2
cB cj → -7 -9 0 0 0 0
↓ B X0 a1 a2 a3 a4 a5 a6
-9 a2 6/7 1 0 0 0 -2/7 1/7
-7 a1 39/7 0 1 0 0 1/7 -4/7
0 a3 23/7 0 0 1 0 -3/7 -2/7
0 a4 81/7 0 0 0 1 1/7 -11/7
327/7 0 0 0 0 11/7 19/7
Prin urmare valoarea optimă este 2/10·327/7 iar soluţia optimă este Xopt=(39/7; 6/7).
Construim acum problema dual-simetrică asociată programului analizat mai sus.
max (4y 1 + 6y 2 + 9y 3 + 12y 4 )
y 1 + 3y 2 + y 3 + 2y 4 ≤ 7
2y + y + 4y + y ≤ 9 .
1 2 3 4
y ≥ 0, y ≥ 0
1 2
min ( −2x 1 − y 1 + y 2 − y 3 )
x 1 + 2y 1 + 5y 2 − 5y 3 ≥ 5
2x − y − 3y − y ≤ 2 .
1 1 2 3
x > 0, y > 0, y ≥ 0, y ≥ 0
1 1 2 3
max ( 2x 1 + y 1 − y 2 + y 3 )
x 1 + 2y 1 + 5y 2 − 5y 3 − z 1 = 5
2x − y − 3y − y + z = 2 .
1 1 2 3 2
x > 0, y > 0, y ≥ 0, y ≥ 0, z ≥ 0, z ≥ 0
1 1 2 3 1 2
62
Capitolul V
Exemplul 1. Considerăm graful G = (X,U) unde X = {x1, x2, x3, x4, x5, x6, x7} şi
U = {(x1, x1), (x1 ,x2), (x1 ,x3), (x2 ,x1), (x2 ,x3), (x2 ,x4), (x3 ,x1), (x3 ,x2), (x3 ,x4),
(x5 ,x6)}. Imaginea geometrică a acestui graf este dată în Fig.1.
X2
X4 X7
X6
X1
X5
X3
Fig. 1
Exerciţiul 2. Identificaţi în graful de mai sus vârfurile izolate şi câteva perechi de
vârfuri neadiacente.
Răspuns..........................................................................................................................
74
dacă X’⊂X, U’ ⊂ U şi U’ este format numai din arce adiacente la vârfuri din X’.
În cazul particular X’=X se spune că G’ este graf parţial.
b) Graful GA=(A, V) unde A⊂X este o submulţime nevidă de vârfuri iar V este
mulţimea tuturor arcelor din U cu extremităţile în A se numeşte subgraful lui G
generat de A.
c) Graful GV=(A, V) unde V⊂U este o submulţime nevidă de arce iar A este
mulţimea tuturor vârfurilor din X adiacente arcelor din V se numeşte subgraful
lui G generat de V.
arcului ui k +1 .
75
b) Extremitatea x a arcului u i1 care nu este extremitate a lui u i 2 şi
extremităţile libere ale lanţului. Vom nota cu Lx,y un lanţ pentru care x, y sunt
extremităţile libere; îl vom numi şi x,y-lanţ. c) Un lanţ pentru care extremităţile
libere coincid se numeşte ciclu.
Fig. 2
ori; în consecinţă, acest lanţ nu
este nici simplu nici elementar.
76
Lanţul L x x = (u14, u9, u10, u11, u7) este simplu dar nu este elementar pentru că
4 6
Lanţul L x x = (u2, u14, u11, u10) este drum simplu şi elementar pentru că,
1 8
începând cu arcul al doilea, originea unui arc este extremitate pentru arcul
precedent. Ca exemplu de ciclu evidenţiem lanţul (u14, u11, u12, u13), iar ca
exemplu de circuit evidenţiem drumul (u6, u8, u9, u5).
……………………………………………………………………………………
…………...……………………………………………………………………….
Definiţia 7. a) Un graf orientat G = (X, U) se numeşte conex dacă pentru orice
două vârfuri distincte x,y ∈ X , există un x,y-lanţ. Orice subgraf conex
maximal al unui graf orientat G = (X, U) se numeşte componentă conexă a
grafului G; se acceptă că vârfurile izolate (neadiacente altor vârfuri) formează
componente conexe.
b) Un graf orientat G = (X, U) se numeşte tare-conex dacă pentru orice două
vârfuri distincte x,y ∈ X , există un x,y-drum .
Definiţia 8. a) Un graf conex, fără cicluri, care are cel puţin două vârfuri se
numeşte arbore. b) Un graf ale cărui componente conexe sunt arbori se numeşte
pădure. c) Un arbore care este graf parţial se numeşte arbore parţial.
Teorema 1. Fie G = (X, U) un graf finit care are cel puţin două vârfuri şi n =
card X = X ≥ 2 . Următoarele proprietăţi sunt echivalente:
77
Această teoremă dă posibilitatea să verificăm uşor dacă un graf este sau
nu un arbore.
Teorema 2. Un graf conţine un arbore parţial dacă şi numai dacă este conex.
Definiţia 11. Orice arbore care are o singură rădăcină se numeşte arborescenţă.
Teorema 3. Fie G = (X, U) un graf orientat finit care are cel puţin două vârfuri şi
n = card X = | X | . Următoarele proprietăţi sunt echivalente:
1°. G este arborescenţă,
2°. G este cvasi-tare-conex şi fără cicluri,
3°. G este cvasi-tare-conex şi are n-1 arce,
4°. există un vârf a ∈ X, care poate fi unit cu oricare alt vârf al grafului
printr-un singur drum ce pleacă din a.
Suntem conduşi să asociem unui graf orientat sau nu, G = (X, U), o funcţie
l:U→ pe care o numim (în mod tradiţional) funcţie lungime sau lungime chiar
şi în cazul în care ia şi valori pozitive şi valori negative. Pentru grafuri dotate cu
funcţie de lungime se pun probleme de optimizare. Astfel de probleme se pot
rezolva şi prin metodele programării liniare, dar abordarea lor cu ajutorul
metodelor teoriei grafurilor este mai eficientă.
Fig. 3
x2 2(3) x3
o o
4(6)
x1 o 8 o
1(2) o x8
3(5) 1
3(4) 1(1)
o o x6
x4 o
5(7)
x5
Fig. 4
x2 2 x3
o o
4(5) 5(4)
8(1) 4(6)
x1 o o o x8
3(5) 1
1 1
3(7) 5(3)
o o x6
x4 6(2) o
5
x5
Fig. 5
Şi în rezolvarea problemei arborelui parţial maximal se recomandă să se îngroaşe
fiecare muchie aleasă şi să se scrie în paranteze lângă ea numărul care indică
numărul alegerii.(vezi Fig. 5).
80
7 d
c o 1 e
o o
3 7
7 2 5
a o 2 4 1 o b
o
h
8 3
6 3
o o
f 8 g
Fig. 6.
Pasul 1. t(a) = 0, X1 = { a }.
Pasul 2. k = 1 : ω+(X1) = {(a,c),(a,f)}, min {t(a) + ℓ (a,c), t(a) + ℓ(a,f)} =
min {0+3, 0+6} = 3 = t(a) + ℓ(a,c), adică u* = (a,c). Deci y* = c, t(c) = 3, X2 = {a,c}.
k = 2 : ω+(X2) = {(a,f),(c,f),(c,d)}, min {t(a) + ℓ(a,f), t(c) + ℓ(c,f), t(c) +
ℓ(c,d)} = min {0+6, 3 +2, 3 + 7 } = 5 = t(c) + ℓ (c,f), adică u* = (c,f). Deci y* = f,
t(f) = 5, X3 = {a, c, f}.
k = 3 : ω+(X3) = {(f,d), (f,h), (f,g),(c,d)}, min {t(f) + ℓ (f,d), t(f) + ℓ (f,g),
t(c) + ℓ (c,d)} = min {5 +4, 5 + 8, 3 + 7} = 9 = t(f) + ℓ(f,d), adică u* = (f,d). Deci
y* = d, t(d) = 9, X4 = {a, c, f, d}.
k = 4 : ω+(X4) = {(d, e), (d, g), (d, h), (f, g), (f, h)}, min {t(d) + ℓ (d, e), t(d)
+ ℓ(d, g), t(d) + ℓ(d, h), t(f) + ℓ(f, g), t(f) + ℓ(f, h)} = min {9 + 1, 9 + 2, 9 + 7, 5 + 8,
5+8} = 10 = t(d) + ℓ(d, e), adică u* = (d, e). Deci y* = e, t(e) = 10, X5 = {a, c, f, d, e}.
k = 5 : ω+(X5) = {(d, g), (e, b), (e, g), (f, g),(f, h)}, min {t(d)+ ℓ(d, g), t(e)
+ ℓ( e, b), t(e) + ℓ(e, g), t(f) + ℓ(f, g), t(f) + ℓ(f, h)} = min {9+2, 10+ 7, 10 + 1, 5 +
8, 5 + 8} = 11 = t(e) + ℓ( e, g), adică u* = (e, g). Deci y* = g, t(g) = 11, X6 = {a, c,
f, d, e, g}. Evident, eticheta lui g se putea determina şi pe baza lui (d, g).
k = 6 : ω+(X6) = {(e,b),(g,b)}, min {t(e) + ℓ(e,b), t(g) + ℓ(g,b)} = min {10
+ 7, 11 + 3} = 14 = t(g) + ℓ(g,b), adică u* = (g,b). Deci y* = b, t(b) = 14, X7 =
={a, c, f, d, e, g, b}.
k = 7 : ω + (X7) = ∅ .
Se trece la Pasul 3 pentru că procedura de etichetare s-a încheiat.
Pasul 3. Deoarece b ∈ X7, rezultă că există drum de lumgime minimă
D *a ,b între a şi b având lungimea l( D *a ,b ) = t(b ) = 14. Drumul căutat este D *a ,b =
{(a,c), (c, f), (f, d), (d, e), (e, g), (g,b)}. Având în vedere că la pasul k=5 eticheta
lui g se putea determina şi pe baza lui (d, g), rezultă că şi drumul D *a ,b = {(a,c), (c,
f), (f, d), (d, g), (g,b)} este tot soluţie a problemei.
81
În aplicaţiile practice se obişnuieşte să se pună într-un cerc, lângă fiecare
vârf etichetat, eticheta care se calculează pe baza algoritmului şi să se îngroaşe
muchia u* determinată la etapa de lucru respectivă.
Fig. 7
Construim tabelul
x1 x2 x3 x4 x5 x6 x7 x8
x1 0 3 +∞ +∞ 6 +∞ +∞ +∞
x2 +∞ 0 7 +∞ 2 +∞ +∞ +∞
x3 +∞ +∞ 0 1 +∞ 2 7 +∞
x4 +∞ +∞ +∞ 0 +∞ 1 +∞ 7
x5 +∞ +∞ 4 +∞ 0 8 8 +∞
x6 +∞ +∞ +∞ 5 +∞ 0 3 3
x7 +∞ +∞ +∞ +∞ +∞ +∞ 0 +∞
x8 +∞ +∞ +∞ +∞ +∞ +∞ +∞ 0
mi(0) +∞ +∞ +∞ 7 +∞ 3 +∞ 0
mi(1) +∞ +∞ 5 4 11 3 +∞ 0
mi(2) 17 12 5 4 9 3 +∞ 0
mi(3) 15 11 5 4 9 3 +∞ 0
mi(4) 14 11 5 4 9 3 +∞ 0
mi(5) 14 11 5 4 9 3 +∞ 0
Un drum minim de la x1=a la x8=b este Da,b*={(x1, x2), (x2, x5), (x5, x3), (x3, x6),
(x6, x8)}.
Exemplul 6. Vom rezolva problema drumului maxim dintre vârfurile x1 şi x8 ale
grafului din Fig. 8.
82
x3
x2 8 o 1 x4
o o
5 12
4 5 10 8
x1 o 7 o x8
o
9 x7 5
3 11
o o
x5 4 x6
Fig. 8
Construim tabelul următor:
x1 x2 x3 x4 x5 x6 x7 x8
x1 0 5 -∞ -∞ 3 -∞ 7 -∞
x2 -∞ 0 8 -∞ -∞ -∞ 4 -∞
x3 -∞ -∞ 0 1 -∞ -∞ -∞ -∞
x4 -∞ -∞ -∞ 0 -∞ -∞ -∞ 12
x5 -∞ -∞ -∞ -∞ 0 4 -∞ -∞
x6 -∞ -∞ -∞ 8 -∞ 0 -∞ 11
x7 -∞ -∞ 5 10 9 5 0 -∞
x8 -∞ -∞ -∞ -∞ -∞ -∞ -∞ 0
mi(0) -∞ -∞ -∞ 12 -∞ 11 -∞ 0
mi(1) -∞ -∞ 13 12 15 20 22 0
mi(2) 29 26 13 12 24 20 25 0
mi(3) 32 29 13 12 24 20 33 0
mi(4) 40 37 13 12 24 20 33 0
mi(5) 40 37 13 12 24 20 33 0
Un drum maxim de la x1=a la x8=b este D*x x = {(x1, x7), (x7, x5), (x5, x6), (x6,
1 8
Fig. 9.a)
83
-9
H0 x3 -2
-4 x 5 o 7 x4
2
o o
-4 -3
1 -6 6 -5
x8
0 x1 o 2 -3 o
o -3 5
5 x7 8
-5 -2
o o
-5 x5 5 x6 -5
Fig. 9.b)
Arcele neutilizate de H0 sunt {(x1, x7), (x2, x3), (x5, x6), (x6, x4), (x6, x8), (x7,
x4), (x7, x5), (x7, x6)}. Au loc relaţiile:
− 3 = t 2 ( x 7 ) < t 2 ( x 1 ) + l( x 1 , x 7 ) = 0 + 2 = 2
− 9 = t ( x ) < t ( x ) + l( x , x ) = − 4 + 5 = 1
2 3 2 2 2 3
− 5 = t ( x ) < t ( x ) + l( x , x ) = − 5 + 5 = 0
2 6 2 5 5 6
− 2 = t ( x ) < t ( x ) + l( x , x ) = − 5 + 5 = 0
2 4 2 6 6 4
− 5 = t 2 ( x 8 ) > t 2 ( x 6 ) + l( x 6 , x 8 ) = − 5 − 2 = − 7
− 2 = t ( x ) < t ( x ) + l( x , x ) = − 3 + 6 = 3
2 4 2 7 7 4
− 5 = t ( x ) < t ( x ) + l( x , x ) = − 3 + 5 = 2 .
2 5 2 7 7 5
− 5 = t ( x ) < t ( x ) + l( x , x ) = − 3 + 8 = 5
2 6 2 7 7 6
-9
H1 x3 -2
-4 x 5 o 7 x4
2
o o
-4 -3
1 -6 6 -7
x8
0 x1 o 2 -3 o
o -3 5
5 x7 8
-5 -2
o o
-5 x5 5 x6 -5
Fig. 9.c)
Arcele neutilizate de H1 sunt {(x1, x7), (x2, x3), (x4, x8), (x5, x6), (x6, x4), (x7,
x4), (x7, x5), (x7, x6)}. Au loc relaţiile:
− 3 = t 3 ( x 7 ) < t 3 ( x 1 ) + l( x 1 , x 7 ) = 0 + 2 = 2
− 9 = t ( x ) < t ( x ) + l( x , x ) = − 4 + 5 = 1
3 3 3 2 2 3
− 7 = t ( x ) < t ( x ) + l( x , x ) = − 2 − 3 = − 5
3 8 3 4 4 8
− 5 = t ( x ) < t ( x ) + l( x , x ) = − 5 + 5 = 0
3 6 3 5 5 6
84
− 2 = t 3 ( x 4 ) < t 3 ( x 6 ) + l( x 6 , x 4 ) = − 5 + 5 = 0
− 2 = t ( x ) < t ( x ) + l( x , x ) = − 3 + 6 = 3
3 4 3 7 7 4
− 5 = t ( x ) < t ( x ) + l( x , x ) = − 3 + 5 = 2 .
3 5 3 7 7 5
− 5 = t ( x ) < t ( x ) + l( x , x ) = − 3 + 8 = 5
3 6 3 7 7 6
Algoritmul se opreşte şi D*x x = {(x1, x2), (x2, x7), (x7, x3), (x3, x4), (x4, x6), (x6,
1 8
Exemplul 8. Vom rezolva problema drumului maxim pentru graful din figura 10.
x3
x2 -1 o 6 x4
o o
3 -4
-5 8 2
x1 o -6 7 o x8
x -3
o 7
-2 -5
-3 -2
o o
x5 7 x6
Fig. 10
Conform algoritmului III, se trece la graful din Fig. 11.a) căruia i se aplică
algoritmul II. În acest scop se alege de exemplu arborescenţa H0 reprezentată
în Fig. 11.b) care este arbore parţial minimal.
x3
x2 1 o -6 x4
o o
-3 4
5 -8 -2
x1 o 6 -7 o x8
x
o 7
3
2 5
3 2
o o
x5 -7 x6
Fig. 11.a)
-4 x3
-3 x2 1 o -6 x-10
4
o o
-3 4
5 -8 -2
0 x1 o 6 -7 o x8 -2
x
o 7
3
2 5
3 5 2
o o
3 x5 -7 -4 x6
Fig. 11.b)
Continuarea o propunem ca exerciţiu. După ce algoritmul de minimizare pentru
graful din Fig. 11.b) se opreşte, conform indicaţiilor algoritmului III, conside-
răm graful obţinut schimbând semnul lungimilor arcelor în ultimul graf.
Eticheta lui x8 va fi lungimea drumului maxim de la x1 la x8.
85
3. Problema fluxului maxim şi a secţiunii minime
Exemplul 9. Să determinăm fluxul maxim pentru reţeaua de transport redusă
reprezentată în Fig.12 ; lângă arce, în paranteze, sunt trecute capacităţile arcelor
corespunzătoare.
2°. L x1 ,x8 = {(x1, x2), (x2, x3), (x3, x8)} = L+x1x8 , ε = ε1 = min {9 - 0, 6 - 0, 17 - 0} = 6,
4°. L x1 ,x8 = {(x1, x4), (x4, x2), (x2, x7), (x7, x8)} = L+x1x8 , ε = ε1 = min {7 - 0, 3 - 0,
5 -3, 11 - 3} = 2,
5°. L x1 ,x 8 = {(x1, x4), (x4, x7), (x7, x8)} = L+x1x8 , ε = ε1 = min {7 - 2, 8 - 0, 11 - 5} = 5,
6°. L x1 ,x 8 = {(x1, x6), (x6, x7), (x7, x8)} = L+x1x 8 , ε = ε1 = min {10 - 4, 5 - 0, 11 - 10} = 1,
X2 (6) X3
) (1
(3 7)
)
(3)
(9
(7) (6)
(5
X1
)
X5 X8
X4
(8
)
(10) ) )
(4 (11
X6 (5) X7
fig.12
7°. L x1 ,x 8 = {(x1, x6), (x6, x7), (x4, x7), (x4, x3), (x3, x8)} = L+x1x 8 ∪ L−x x , unde
1 8
L+x1x 8 = {(x1, x6), (x6, x7), (x4, x3), (x3, x8)}, L+x1x 8 = {(x4, x7)},
86
Capitolul VI
ELEMENTE DE TEORIA
PROBABILITĂŢILOR
87
- Fiecare dintre rezultatele care pot apare în urma efectuării unei experienţe se
numeşte caz posibil. Mulţimea tuturor rezultatelor posibile ale unei experienţe
E formează spaţiul de selecţie asociat experienţei şi se va nota cu Ω.
Evenimente egale sau echivalente. Două evenimente sunt egale dacă şi numai
dacă toate cazurile favorabile unuia sunt cazuri favorabile şi celuilalt; în acest caz
se foloseşte notaţia A = B.
88
- Este util să acceptăm (prin definiţie) că pentru orice eveniment A are loc implica-
ţia ∅ ⊂ A .
- Implicaţia este o relaţie de ordine pe mulţimea evenimentelor asociate unei
experienţe.
89
Pe baza teoremei de reprezentare (teorema lui Stone), fiecare eveniment
se identifică cu mulţimea cazurilor favorabile care îl realizează (de exemplu,
evenimentul A citat în Exemplul 1 se identifică cu {(1),(3),(5))}. Prin acest
izomorfism evenimentului cert i se asociază mulţimea Ω∈P(Ω) iar evenimen-
tului imposibil i se asociază partea vidă ∅ ∈ P(Ω) a spaţiului de selecţie (apare
deci şi motivaţia pentru notaţiile folosite pentru aceste evenimente). Este de remar-
cat că dacă evenimentele A şi B se identifică prin acest izomorfism cu submulţimile
corespunzătoare ale spaţiului de selecţie, evenimentele A ∪ B, A ∩ B şi A \ B se
vor identifica corespunzător cu reuniunea, intersecţia şi respectiv diferenţa acestor
submulţimi.
Experimental s-a constatat că, pentru multe experienţe, atunci când numărul n
de repetări ale experienţei E se măreşte frecvenţele relative se grupează în jurul
unei valori P(A) care dă o măsură a şansei de realizare a evenimentului A numită
şi probabilitatea lui A. S-a constatat că, în cazul când spaţiul de selecţie este
finit iar rezultatele care-l compun au şanse de realizare egale, P(A) este direct
proporţional cu numărul cazurilor favorabile şi invers proporţional cu numărul
cazurilor posibile; de aceea este plauzibil să se considere că P(A) este raportul
dintre numărul elementelor (cardinalul) mulţimii cazurilor favorabile evenimen-
tului A (cu care se identifică evenimentul A) şi numărul elementelor (cardinalul)
spaţiului de selecţie (adică numărul cazurilor posibile); deci
numarul cazurilor favorabile
P(A) =
numarul cazurilor posibile
90
adică, în acest caz, P(A) este chiar frecvenţa relativă de realizare a evenimen-
tului A.
Aceasta este de fapt definiţia clasică a probabilităţii unui eveniment. Din
păcate această definiţie se aplică numai în cazul ideal când rezultatele posibile ale
experienţei au şanse egale de realizare (se spune în acest caz că aceste rezultate
sunt echiprobabile). În situaţiile concrete această definiţie este rareori legal aplica-
bilă; în mod normal, frecvenţa relativă este doar o estimare a şansei de realizare a
evenimentului analizat.
Exemplul 2. Un fermier are 10 vaci din care 3 sunt bolnave. Se aleg aleator
două vaci. Se cere:
a) probabilitatea ca cele două vaci să fie sănătoase,
b) probabilitatea ca cele două vaci să fie bolnave,
c) probabilitatea ca prima vacă să fie sănătoasă şi a doua bolnavă,
d) probabilitatea ca prima vacă să fie bolnavă şi a doua sănătoasă,
e) probabilitatea ca ambele vaci să fie sau sănătoase sau bolnave,
f) probabilitatea ca o vacă să fie sănătoasă iar cealaltă bolnavă.
b) Fie A2 evenimentul „cele două vaci sunt bolnave”. În acest caz există
C 23 = 3 cazuri 2 = 45 cazuri posibile; deci P(A )=
favorabile şi C10 1
3 = 1 .
45 15
91
d) Fie A4 evenimentul „prima vacă să fie bolnavă şi a doua sănătoasă”. În
2 = 90 cazuri posibile; deci
acest caz există 7·3=21 cazuri favorabile şi A 10
21 =
P(A3)= 90 7 .
30
24 = 8 .
posibile; deci P(A4)= 45 15
P(A4)= 42 = 14 .
45 15
92
3°. ∪
i ∈I
Ai = Ω .
mente An∈ Κ, n ∈ *
, incompatibile două câte două (adică Ai ∩ Aj = ∅, ∀
i ≠ j).
c) Tripletul (Ω,Κ,P) format din (σ-) câmpul de evenimente (Ω, Κ) şi
funcţia de probabilitate P se numeşte (σ-) câmp de probabilitate.
1
P ( A ) = P ( e i 1) + ... + P ( e ik ) = k ⋅ p = k ⋅ .
n
94
Suntem conduşi să dăm următoarea definiţie care abstractizează situaţia
din problema de mai sus.
P ( A ∩ B ) = P ( A )⋅ PA ( B ) .
Dacă şi P(B) ≠ 0, au loc egalităţile
PB ( A ) P (B)
P ( A ) ⋅ P A ( B ) = P ( B ) ⋅ PB ( A ) ⇒ = A .
P(A) P(B)
95
Definiţia 3. Se spune că evenimentele A şi B sunt independente (sau P-inde-
pendente) dacă
P ( A ∩ B ) = P ( A )⋅P ( B ) .
B+ B-
prezenţa absenţa
Examen pozitiv E+ a b a+b
Examen negativ E- c d c+d
a+c b+d n=a+b+c+d
96
Examen negativ E- P(E-/ B+) P(E-/ B-)
Total 1 1
Condiţia B+ B- Total
prezenţa absenţa
Examen E+ P(B+) P(B+/ E+) P(B-/ E+) 1
pozitiv
Examen E- P(B-) P(B+/ E-) P(B-/ E-) 1
negativ
Exemplul 6. Se ştie că efectele secundare ale unui medicament survin la
10 % bolnavi. Un veterinar tratează două animale cu acest medicament. Se pune
problema să se determine probabilitatea ca cele două animale să aibă efecte
secundare. Vom nota cu A = evenimentul ca primul animal tratat să aibă efecte
secundare şi cu B = evenimentul ca al doilea animal tratat să aibă efecte
secundare. In acest caz se poate presupune că cele două evenimente sunt inde-
pendente deoarece nu există nici-un motiv ca apariţia efectelor secundare la unul
dintre animale să justifice apariţia efectelor secundare la celălalt animal. Dacă C
= evenimentul ca ambele animale tratate să aibă efecte secundare, atunci
C=A ∩ B P ( C ) = P ( A ∩ B ) = P ( A ) ⋅ P ( B ) = 0,1 ⋅ 0,1 = 0,01 .
Aici s-a ţinut cont că proporţia de bolnavi care au efecte secundare este p = 0,1 şi
p este chiar probabilitatea ca un animal tratat să aibă efecte secundare.
n n
P( ∩ Ai ) ≥ ∑
i =1
P ( Ai ) - ( n - 1 ) .
i = 1
B+ B- Total
T+ 55 175 230
T- 45 725 770
Rezultă
100 230
P(B+) = = 0,10 P(T+) = = 0,23
1000 1000
;
55 175
P ( T +|B + ) = = 0,55 P ( T + | B - ) = = 0,1946
100 900
deoarece P(T+/ B+) şi P(T+/ B-) sunt mult diferite rezultă că rezultatul testului T
depinde de realizarea sau nerealizarea lui B, adică cele două teste nu sunt indepen-
dente. Prin urmare, experienţe realizate independent şi pe care le percepem ca inde-
pendente, nu sunt independente probabilistic (adică între ele există legături care
depăşesc posibilităţile obişnuite de analiză şi apreciere).
98
§6. Formula probabilităţii totale. Formula lui Bayes
cunoscută sub numele de formula lui Bayes. Această formulă este baza unei
ramuri a statisticii numită statistica bayesiană, care are importante aplicaţii în
medicină, meteorologie, risc financiar, etc..
99
P ( A ) = P ( A1 ) ⋅ P ( A | A1 ) + P ( A 2 ) ⋅ P ( A | A 2 ) +
+ P ( A3 ) ⋅ P ( A | A3 ) + P ( A4 ) ⋅ P ( A | A4 )
deci
P ( A ) = 0,17 ⋅ 0,02 + 0,29 ⋅ 0,03 + 0,15 ⋅ 0,01 + 0,39 ⋅ 0,02 = 0,0214
100
= P(A2) ... şi respectiv pn = P(An). Se cere să se determine probabilitatea ca la o
efectuare a experienţei E să se realizeze evenimentul A care constă în realizarea a
exact K (0 ≤ K ≤ n) dintre evenimentele A1, A2, ... , An.
Soluţia acestei problemei este
adică
Schema lui Bernoulli se aplică des în rezolvarea unor probleme modelate în felul
următor.
Se consideră o urnă care conţine a bile albe şi b bile negre. Din această
urnă se fac n extrageri, punându-se de fiecare dată bila extrasă înapoi în urnă. Să
se determine probabilitatea evenimentului A care constă în obţinerea exact de K
(0 ≤ K ≤ n) ori a unei bile albe în cele n extrageri.
Evident, fiecare din cele n extrageri se poate considera a fi una din cele n
experienţe independente din cazul "schemei Poisson".
a b
Deci P(A) = CnKpKqn-K, unde p = şi q = .
a + b a + b
101
Evident schema binomială se aplică ori de câte ori experienţa de interes
constă în repetarea unei anumite experienţe.
Exemplul 12. Se ştie că o parte dintre vacile unei ferme sunt infectate cu
virusul leucozei bovine enzootice. Se extrag fără revenire trei vaci. Dorim să
determinăm probabilitatea ca numai un singur animal ales să fie infectat, ştiind că
proporţia de animale infectate este de trei ori mai mică decât cea a animalelor
neinfectate.
Dacă p notează proporţia de animale infectate, rezultă că p = 0,25. Notăm
cu A evenimentul ca o singură vacă din cele 4 alese este infectată. Conform
schemei Bernoulli
Schema multinomială
ai
unde p i = , i = 1,2,..., m şi p1+p2+…+pm=1.
N
102
10! 5 3 2
P( B ) = p p p = 2,65.10 − 5 .
5!3!2! 1 2 3
Schema hipergeometrică
Caα ⋅ Cβb
P(A) = .
Caα ++bβ
103
V.a. ξ care ia ca valori numărul de puncte care apar la aruncarea unui zar are
tabloul de repartiţie
1 2 3 4 5 6
ξ : 1 1 1 1 1 1 .
6 6 6 6 6 6
Dacă ξ şi η sunt v.a. simple (resp. discrete) având tablourile de repartiţie
xi yj
ξ :
şi respectiv η :
pi qj
n m
cu i = 1, 2, ... , n şi j = 1, 2, ... , m şi cu ∑ pi = 1 şi ∑ qj = 1 , atunci definim
i =1 j=1
xi + k k ⋅ xi n | x |α
ξ + k : , k ξ : , ξn : xi , | ξ |α : i
pi p p p
i i i
104
x
F(x) = ∫ ρ (t ) d t ∀ x ∈ R,
-∞
1 (x - m )2
ρ(x;m, σ 2) = e - 2 σ2 .
σ 2π
Se spune că o v.a. are repartiţie normală standard dacă are repartiţie N(0, 1).
Pentru astfel de v.a. au loc egalităţile
1
F(x) = + Φ (x) P(a ≤ X < b) = F(b) - F(a) = Φ (b) - Φ (a)
2
unde Φ este funcţia lui Laplace (care este tabelată). Dacă X are repartiţie N(0, 1)
atunci Y = X−m are repartiţie N(0, 1); se spune că Y este normalizata lui X.
σ
Exemplul 15. Se ştie că greutatea la naştere a unui purcel din rasa Bazna
urmează o distribuţie normală de medie m = 1,5 Kg şi o dispersie σ 2 = 0,0256 . Să
se determine :1) probabilitatea să se nască un purcel cu greutatea mai mică
decât 1,6 Kg , 2) probabilitatea să se nască un purcel cu greutatea între 1,2 Kg
şi 1,6 Kg.
Dacă notăm cu X v.a. care ia ca valori greutatea la naştere a purceilor din rasa
Bazna atunci rămâne să determinăm P( X < 1,6) şi P(1,2 < X < 1,6) . Cum X are
105
X − 1,5
repartiţie N(1,5 ; 0,0256), variabila normalizată Y = are repartiţie N( 0,1).
0,0256
Prin urmare
X − 1,5 1,6 − 1,5 1
P( X < 1,6) = P < = P( Y < 0,625) = + Φ (0,625) = 0,73401 .
0,0256 0,0256 2
Similar se obţine că :
1,2 − 1,5 X − 1,5 1,6 − 1,5
P(1,2 < X < 1,6) = P < < =
0,0625 0,0625 0,0625 .
P( −1,875 < Y < 0,625) = Φ(0,625) − Φ ( −1,875) = 0,23401 + 0,46961 = 0,70362
Media unei v.a. simple. Fie ξ o v.a. simplă având tabloul de repartiţie
x1 x 2 ... x n
ξ : .
p1 p 2 ... p n
Media unei v.a. simple are aceleaşi proprietăţi cu media valorilor unei funcţii.
Pentru v.a. continuă ξ cu densitatea de probabilitate ρ, pentru care inte-
+∞ +∞
grala ∫ xρ( x)dx este absolut convergentă expresia M(ξ ) = ∫ xρ(x)dx se numeşte
−∞ −∞
media (sau speranţa matematică). Media v.a. continue are exact aceleaşi proprie-
tăţi cu media unei v.a. simple cu condiţia ca mediile care apar în formularea
acestor proprietăţi să existe.
În momentul în care media este definită se pot defini în aceiaşi termeni
toate caracteristicile numerice întâlnite la funcţii.
106
Capitolul VII
momentul t. Deşi, de obicei, familia stărilor posibile ale unui sistem Σ variază
continuu în timp vom presupune că schimbările de stare se produc numai la
momente discrete to, t1, …, tn,…pe care le vom nota pentru simplitate cu 0, 1,
…, n,… . Acceptăm deci că sistemul poate fi în fiecare moment n în una dintre
stările S(n) = {s i (n)}i∈I(n) , n = 0,1,2,... , iar I(n) este o mulţime de indici cel mult
107
în ipoteza că P(x 0 ∩ x1 ∩ ... ∩ xn −1 ) ≠ 0, n ≥ 1 . Rezultă că
∑ Px ∩ x ∩ ... ∩ x (x n = s i (n)) = 1 .
o 1 n −1
i∈I(n )
Aceasta înseamnă că
Px ∩ x ∩ ... ∩ x (x n = s i (n)) = Px (x n = s i (n)), ∀i ∈ I(n) .
o 1 n −1 n −1
108
S(n)=S={s1,s2,…sr} ∀ n ∈{ 0, 1, 2, …}.
Ca exemplu serveşte lanţul Markov asociat situaţiei din Exemplul 2, în care
fiecare S(n)={AA, Aa, aa}, n ∈{ 0, 1, 2, …}.
Dacă pi(n)=P(xn=si) şi pj(n+1)=P(xn+1=sj) atunci probabilitatea pij(n)
de trecere de la starea si la momentul n la starea sj la momentul n+1 este
p ij (n) = Px = s (x n + 1 = s j ) .
n i
În acest caz
[p(n)] = [p(0)]⋅ [τ]n , n = 0,1,2,... [τ(n1 , n 2 )] = [τ]n 2
− n1
n1 < n 2 .
109
dd-dr dr-dr dr-rr
½ ½ ¼ ¼ ½ ½
½
dd dr dd dr rr rd rr
D H R
1 1 0
D 2 2
1
[ τ] = H 1 1
4 2 4
R 0 1 1
2 2
Deoarece [τ]2 > 0 rezultă că lanţul Markov este regulat. Vectorul Perron-
Frobenius [p]=[p1 p2 p3] se determină rezolvând sistemul
p = 1 p + 1 p
1 2 1 4 2
1 (
p 2 = 2 p1 + p 2 + p 3 ).
1 = p + p + p
1 2 3
Există o clasă absorbantă (clasa {D}) şi două clase de tranziţie (clasele {H} şi
{R}). Rezultă că în timp, urmaşii vor fi pur dominanţi. Pentru a calcula
numărul de generaţii după care urmaşii sunt toţi pur dominanţi calculăm
matricea fundamentală
H R H R
−1
H 1 0 H 2 0
M = (1 − Q ) −1 = 2 =
R − 1 1 R 2 1
110
Dacă individul iniţial este hibrid, numărul mediu de generaţii este suma ele-
mentelor primei linii, adică este 2; dacă individul iniţial este recesiv, numărul
mediu este suma elementelor liniei a doua, adică este 3. În ultimul caz va fi în
medie un recesiv şi doi dominanţi înainte ca dominanţa să se instaleze.
111
BIBLIOGRAFIE
1. I. Burdujan - Matematici cu aplicaţii în Biologie, Ed. „Ion Ionescu de la
Brad”, 1999
2. I. Burdujan - Elemente de Matematici cu aplicaţii în Biologie, Ed.
„Vasiliana’98”, 2001
3. I. Burdujan - Capitole de Matematici aplicate(pentru biologi), Ed.
„Vasiliana’98”, 2002
4. I. Burdujan - Matematici cu aplicaţii în Biologie, Ediţia a 2-a, Ed. Pim,
2002
5. M. Micula – Matematici aplicate în agronomie, Casa de editură
TRANSILVANIA PRESS, CLUJ-NAPOCA 1997
6. L. Răileanu – Matematici cu aplicaţii în Biologie, Rotaprint Univ. „Al. I.
Cuza” Iaşi, 1978
7. L. Răileanu –Tabele statistice, Rotaprint Univ. „Al. I. Cuza” Iaşi, 1978
8. V. Tamaş, ş.a. – Matematici generale pentru economişti, Ed. Graphix, Iaşi,
1993
9. V. Tamaş, ş.a. – Modele matematic în Economie, Ed. Graphix, Iaşi, 1995
An univ. 2002-2003
Temă ID-Zootehnie
1. Folosind lema substituţiei, determinaţi soluţia sistemului
2 x1 + x 2 − x3 + 3 x 4 + 4 x5 = 9
x + 5x = 6
1 5
3 x1 + x 2 − x3 + 4 x 4 + x5 = 8 .
x + 7 x = 6
1 5
5 x1 − 2 x 2 + 3 x3 + 6 x 4 + x5 = 13
Care este valoarea determinantului matricei coeficienţilor necunoscutelor?