Documente Academic
Documente Profesional
Documente Cultură
SI
I
programare liniară
pentru anul III liceu, clase speciale de matematici
(experimental)
Q
"'i:- .
Spatii hniare
Introducere
3
§ 1. Nofiuni recapitulative
;4·
deci 8=81.
Dacă x" E G satisface, odată cu x', relaţia
5
Co respondenta
<p
(A, B)--+A+B
defineşte pe Rmxn o operaţie algebrică internă, numită operaţie de adunare
a matricelor. Matricea de tip mxn care are toate elementele egale ca
numărul real zero se notează cu Oşi se numeşte matricea zero. Dacă A E Rmxn
A =(0-i1), atunci notăm cu -A matricea (-at.1) ; -A se numeşte opusa
matricei A.
Avem:
(1) (A+B)+C=A+(B+C)
{2) A+B=B+A
(3) A+O=O+A=A
(4) A+(-A)=(-A)+A=O
oricare ar fi A,B,C din Rmxn, deci:
P r o p o zi ţ i a 2. Mulţimea Rmxn a matricelor de tip m X n
cu elemente numere reale, echipată cu operaţia de adunare a matri-
celor, este un grup abelian.
Vom considera în particular mulţimea matricelor de tip I xn, res-
pectiv mx I. Adoptăm notaţiile: R11 =Rtxn şi mR=RmXI.
Deci : dacă xE Rn, atunci
x=(cx1,cx2, ... ,«n) (x/= R, j= 1,2, ... ,n)
iar dacă gEmR, atunci
7
(2) Dacă rx este un număr real iar x este vectorul de poziţie al punc-
tului P, atunci produsul lui rx cu x, notat cu cxx, este prin definiţie vecto-
rul de poziţie al punctului T, unic determinat prin condiţiile:··
(i) lungimea -lui OT este egală cu I« I· llxll;
(ii) T se găseşte pe dreapta determinată de punctele O şi P, de aceeaşi
parte cu P faţă de O dacă rx >0, în partea opusă cînd rx <0. Corespondenţa
g: Rx v ➔ v,
g(r1.,x)=r1.x (V)rxE R, xE V
8
Notînd cu X1, Xi, xa şi x' vectorii de poziţie ai vîrfurilor T1, T2, Ta şi
T' (v. fig .. 1,2) avem : ·
x=x' +xa=x1+x2+xa
deci
(*) I x=x:1+x2+xa I
Evident, pot fi determinate în mod unic numerele reale ix1, oc2, cx3 astfel
încît X1=«1e1, X2=«~2, X3=oc3e3, deci
(**) I X=rl1e1+oc~2+«ae3 I
Def i niţi a 2. Un sistem {e1 , e2, e3} format cu trei vectori de t>O-
ziţie nesituaţi În acelaşi plan se numeşte reper sau bază a lui V.
Egalitatea (*) este numită descompunerea geometrică a vectorului
de poziţie x în reperul {et, e2, e;~i- Numerele reale unic determinate
cx1, C¼, «,1 care satsfac egalitatea (**) se numesc coordonatele vectorului
de poziţie x (ale punctului T) În reperul {e1 , e2 , e:,J.
Observ a ţ i a 2. Este clar că aplicaţia 'Y: V ➔ R3
'Y(x)=(cx1, «2, «3) (V)xE V
unde oc1, oc2, «3 sînt coordonatele lui x în reperul {e1, e2, ea} stabileşte o
corespondenţă biunivocă între elementele lui V şi cele ale lui R3• In-
versa acestei aplicaţii este corespondenţa
(ix1, oc2, «a) ➔ ~1e1 +«2e2+ocae3.
D e f i n i ţ i a 3. Un reper
{e1 , e2, e~l) se numeşte orto-
gonal, dacă vectorii de po-
e
ziţie 1 , e2, e3 sint perpen-
diculari doi cite doi. Un
reper ortogonal {e1, e2, ea}
se numeşte direct, dacă un
observator situat în extre- r,
rnitatea lui e3 poate trece Fig. 1,2
9
pe e1 peste e2 printr-o rotaţie de 90° de la dreapta la stinga in
jurul lui e3• Un reper ortogonal {e1, e2, e3} astfel incit l!eill =11e211 =
= lleall = I se numeşte reper ortonormat.
Definiţiile 2 şi 3, precum şi Observaţia I pot fi adapta te cu uşurinţă
la spaţiul bidimensional (unidimensional) al vectorilor de poziţie.
Pro p o zi ţ i a. Dacă coordonatele vectorului de poziţie x, într-un
reper ortonormat {e1 , e2, e.3} sint oti, ~' or.~, atunci
11.x li= Vcxi+cx~+cx~.
Demonstraţie. Cum reperul {e1, e2, e3} este în particular ortogonal,
'fepetînd construcţia din figura 1,2 se obţine un paralelipiped dreptun-
ghic. Păstrînd notaţiile din figura menţionată avem :
0T2=0T'2+0~=01i+01i+011,
Cum
avem:
unde s-a notat cu V mul ţi mea vectorilor de poziţie (relativ la o origine O).
Analog, la orice pereche ordonată («, A), unde cxE R şi A E amxn,
A=(llfJ) ascc.iem matricea notată cu or.A,
10
<Xau oca12••• oca1n )
«a21 <Xa22••• oca2n
(X A= : = (<XaiJ)
(
acam1 cxam2 rlllmn
000
(i) (cx+f3)x=otX+~x;
(ii) ix(x+y)=cxx+«y;
11
(iii) "-(~x) =(«~)x;
(iv) Ix=x
oricare ar fi oe~ ~ e. R şi x, y e V, se numeşte spaţiu liniar peste
corpul R.
Pentru un spaţiu liniar V peste corpul R este consacrat următorul ·limbaj :
(a) elementele lui V se numesc vectori;
(b) operaţia grupului abelian V (notată aditiv) se numeşte adunarea
vectorilor ;
(c) elementul zero al grupului abelian V, notat cu O, se numeşte
vectorul zero ;
(d) elementele corpului R se numesc scalari;·
(e) operaţia externă pe V cu operatori în R se numeşte produsul
vectorilor· cu scalari.
Spaţiile liniare sînt numite încă şi spaţii vectoriale.
E:rcmplc. I. Fie V= H mxn_ Din propoziţia 2, § 1 rezultă că r, ech:pat cu
operaţia de adunare n mnlricelor, este un grup abclinn. Cum înmulţirea matricelor
cu scalari sat isfoce axiomele (i) pinii ln (fo), rczult~i că V= umXn este un spnţ iu liniar
peste corpul H, opera\ iile din spaţiu liniar fiind adunn1·ea mn_tricclor şi Î!l 1m1lt irca
matricelor cu scalari. in particular V=mll (respectiv V=ll") este spaţiu liniar peste
corpul R; .
1iu mit spaţiul liniar al 1Jcc:lorilor coloa11ii (n~specliv spa/iul li11iar al
ucclorilor li1dc).
2. Fie V spaţiul triclimcnsionnl ni .vectorilor de poziţie ..Mulţimea r aslfet
al_easă, cchipat:i cu operaţia de adunare a vectorilor de poziţie este un grup nbc-
lian: vectorul de pmdţie al punctului O este clementul zero al ncestui grup; <lad .r
este vectorul ele poziţie al punctului P, atunci -:r este vectorul de poziţie al sime-
tricului lui P fnţ.i de originea n. Cum 1nmulţircn vectorilor de poziţie cu scalarii
sntisfacc (i) plnă la (i11), rezultă et'\ V este un spaţiu liniar peste corpul li, operaţiile
din spaţiul liniar fiind de data nccnsta adunana vectorilor de poziţie şi lnmulPrea
vel'lorilor de poziPe cu scalari.
12
deci y .Y+Y, ~e unde
. y=y+6 =y+(y+(-y))=(y+y)+(-y) =y+(-y)=O.
La. fel, din x=0 rezultă ax=O.
.
Exercilii
'i1i IXt
(
i~l X; = i,~.. 1 rl.iXj,
14
. Evident, vectorul zero este combinaţie liniară cu coeficienţii egali
cu zero de orice sistem de vectori u1, u2, ... ,Um.
De asemenea, u, este combinaţie liniară de vectori u1, u2, ... ,u,,.
pentru că
u,=O+ ... +Out-1 + I •u,+Ou,+1+ ... +0Um i= 1,2, ... ,m.
Exempl~. 1) în spaţiul liniar R3 vectorul U=(3, -5, O) este combinaţie li-
niară de vectorii u 1 =(1, O, O), u 2 =(1, 1, O) u 3 =(2, -1, O) pentru că
ll = 2u 1-3U2 + 2U3,
Vectorul v=(1, -2, 3) nu este combinaţie liniarii a vectorilor u 1 , u 2 , u 3 pentru cil.
oricare ar fi «1 , oc 2 , «3 eR avem
2) Dacă {e1 , ~ ' t:i} este un rep~r ln spaţiul V al vectorilor de poziţie, atunci orice
vector xeV este combinaţie liniart"i de e1, <'2 , c3 (v. § 2).
deci S-T.
15
4) Fie S= {e1 , r 2, e3 } şi 7'= {f1, ( 2, f3 } două repere ln spaţiul l' al vectorilor de po-
ziţie. Evident S ,__, 1" (v. § 2).
m
U=1X1tt1+<X2tt2+ •.. +1mllm = b <XiUi .•
i=l
Avem
m m ( n ( m ) n
u~ ~ ZiUi= ~ (Xi b11
<XiJVJ
') •
= ~ ~ r1.w.,1 v 1 = ~ ~JVJ,
i=l i-l /=I /=I ; ... 1 i=l ·
i=l
şi deci a este combinaţie liniară de yectorii
.
ffui T.
Din lema precedentă rezultă :
16
3. Dependenfi şi lndependenfl liniari a vectorilor
(0t, ER)
rezultă
Avem încă
18
Reciproc, dacă {u1, U2,.,., Um, U} este sistem liniar dependent, atuncr
există «1, «2, ... ,cx,n, «E R, nu toţi nuli, astfel încît '
«1u1+«2u2+ ... +exm~+«u=8 (l).
Dacă «=O, atunci u1«1+ ..• +exmttm=0 şi cum u1, u2, ... , Um sînt vectori
liniar independenţi rezultă «1 = ... =acm=O, ceea ce nu se poate căci în
relaţia (1) cel puţin un coeficient este diferit de O.
· Rămîne adevărat că « #=O şi înmulţind relaţia (1) cu « -1 obţinem •
u=-«- 1e<1U1-... -«-1«mUm=~1u1+ ... +~Um, unde ~,=-«-1«1,
i= 1, 2, .. ,m, deci u este combinaţie ·liniară de u1, u2, ... , Um•
19
consecinţă a unei teoreme ce ocupă un loc central în algebra liniară.
Anume:
Te ore ma t. (a schimbului, inlocuirii).
Fie {u1 , ~, ••• , ~} un sistem liniar independent de vectori. Dacă
vectorii u,,i=l, 2, .•. , r sint combinaţii liniarede vectorii unui sistem
{v1, v2, ••• , Vn}, atunci r~n şi, după o eventuală renumerotare a
vectori lor v1, v.J, ••• , Vn, avem :
{u1, ua ,..• ,u,., Vr+l,···, Vn}""' {v1, V2, ••• , Vn}.
20
Există j ~r astfel incit ~i :;=O căci altfel u„ este combinaţie liniară de
u1,u2, .•• , u,_1, ceea ce, după cum s-a văzut, nu se poate.Presupunem
~ =,60 (altfel reindexăm ve~d_Lv4J~r)_şL~vem
----------- ------""--
/ ____ v,=---=1~,-1ftu1-...-~,-l ~,-1u,_1- ~;1f3r-sU,_ 1-~; 1~r+1V,+1-·•·
... -~;1 '3nVn
deci u,. este combinaţia liniară de u1,u2, ... ,u,.,v,+1, ... ,vn. Acum este
clar că
Cor al arul 3. Dacă {u1 , u2 , ••• , u,} şi {v1 , v2, ••• , Vs} sînt sisteme
liniar echivalente de vectori liniar independenţi, atunci r=s.
Demonstraţie. Cu ipotezele din enunţ putem 'aplica Teorema I de
~
5. Bază. Dimensiune
21
--sti1 tem tnd1.ep Ulţfţtsă--dănc:.~-------
f) e finiţi a 5. Se numeşte bază a ~~nu(spaţiif liniar V peste
corpul R un sistem {e1 , e2, ••• , en} de vectori din V astfel incit :
(i ) sistemul de vectori {!1 , ~, ••• , en} este liniar independent ;
(ii) oricare ar fi xE V,. există «1 , «a, ... , «n E R astfel incit
x=a1e1 +«2e2+ • • • + anen•
Deci orice reper în spaţiul
V al vectorilor de poziţie este o bază în sensul
definiţiei de mai sus (şi reciproc!). în particular, rezultă că orice spaţiu
liniar V peste R are mai m uite baze (de regulă o infinita te!). Totuşi :
Pro p o z iţ ia 2. Dacă {e1, e2 , ••• , em}, {/1, { 2, ••• , fn} sînt două baze
oarecare ale unui spaţiu. liniar V, atunci m=n.
Demonstraţie. Avînd în vedere punctul (ii) din definiţia bazei rezultă
22
Exemple: 9. fn spaţiul liniar R3 să considerăm sistemul de vectori {c1 , c2 , e3 }
unc\e e1 =(1, O, O), e2 =(0, 1, O). e3 ={0, o, 1). nacă
12) in spaţiul liniar nn consider:im vectorii e1 , e2 , ••• , Cn, unde e1 =(1, O, O ••• , O),
e2=(0, 1, O, •.. , O), ••. , Cn=(O, O, O, ... , 1). Ca şi tn Exemplul 4 se arată că
{e1 , e2 , ••• , e7a} formează o bază a lui un (numită baza canonică a lui R11 ), deci nn are
dimcn'iiuncn egal:l cu n.
Fie {e1,e2, ... ,e1a} o bază a unui spaţiu liniar V de dimensiune n. Dacă
xE V, atunci există (X1,tX2, ... ,ocn E R astfel încît
X=tX1e1+tX~2+ ... +«nen,
după cum rezultă din Definiţia 5. Dacă (31, (32, ••• ,(3n sînt, de asemenea,
astfel încît x=(31e1+(3~2+ ... +(3nen, atunci
{oc1-~1)e1+{oc2-(32)e2+ ... +(otn-{3n)en=8
şi cum vectorii e1,ea, ... ,en sînt liniar independenţi, rezultă
23
-- ----- --D-~!_! n i_t _i a. ?·
Coeficienţii «1 , °'2, ••• , «n (unic determinafi) ai
comb1iiaţie1-limare · --------
x=rx1e1+oc:ze2+ ... +anen
se numesc coordonatele lui x în baza {e1, e2, ••• , en}•
Exercilii
·24
Să se arate că sistemul {/i,/2, ••• ,/n} este liniar independent. Ce se poate
spune despre dimensiunea spaţiului liniar R [a,bJ_ ?
6. într-un spaţiu linia·r V de dimensiune 3 se dau sistemele de vector~
{e1,~,e3} şi {/i,/2,/3} astfel încît
/i=t1+e2+e3, f2=e1+e2, fs=es.
Să se arate că {/1,/2,/3} este o bază a lui V dacă {e1,e2,ea} este bază a luÎI
V şi
reciproc.
Ce relaţie există între coordonatele oc1,cx2,ocs ale unui vector x î111
baza {e1,e2~ea} şi coordonatele ~1,~2,~a ale aceluiaşi vector în baza
{/1,/2,/a}?
7. Într-un spaţiu liniar V se dau vectorii u1,u2, ... ,un şi fie )q,A2, .. ,,Ân nu-
mere reale :;f 0. Să se arate că sistemul {u1, u2, .. ,Un} este liniar independent
dacă şi numai dacă {A1u1,i-.2u2, .. ,,AnUn} este sistem liniar independenL
25
numită submatrice. de tip sx t a lui A. Deci o submatrice de tip s X t a
~ui A se formează cu elementele care se găsesc la intersecţia as linii cu t
-coloane ale matricei A (liniile i1,iz, ... ,i8 cu coloanele h,Î2,··•,Ît). Evident
,o matrice A de tip m xn are c:nxc~ submatrice de tip sxt.
În particular, putem considera submatrice de tip kx k ale matricei A,
unde k este un întreg -astfel încît I~ k ~ m şi 1~ k~ n. Determinantul
·unei submatrice de tip kxli a lui A se numeşte minor de ordin k al lui A.
iEvident, matricea A are C! XC! minori de ordin k.
Definiţi a 1. Spunem că matricea. A are rangul r dacă admite
cel puţin un minor diferit de zero de ordin r şi toţi minorii lui A
de ordin mai mare ca r sînt egali cu zero.
Cu alte cuvinte, rangul matricei A, notat în cele ce urmează cu
~ang A, este ordinul maxim al minorilor lui A diferiţi de zero. Definiţia
<fată nu este aplicabilă matricei zero pentru că aceasta are toţi minorii
-egali cu zero. Prin definiţie, matricea zero are rangul zero.
:26
rang A <k. Aşadar, este de recomandat să ~ se urmărească succesiv
minorii de ordin 1,2, ... pînă se găseşte un întreg r astfel încît cel
puţin un minor de ordin r este diferit de zero şi toţi minorii de ordin
r+ 1 sînt zero. Avem rang A =r.
Acest algoritm va fi substanţial ameliorat în acest paragraf (v.
Observaţia 2). Noţiunea de rang dată aici pentru matrice este strîns
legată de noţiunea de rang dată în paragrafuf 4 pentru sisteme de
vectori. Iată cum se face apropierea dintre aceste noţiuni.
La orice matrice A=(ai1) de tip mxn asociem în spaţiul liniar mR
vectorii
a1 · )
Ai= : , j=I,2, ... ,n
(
27
Cu aceste ipoteze, vom arăta:
(i) vectorii coloană A1,A 2,... ,A 2 sînt liniar independenţi în spaţiul
:liniar mR;
(ii) {A 1,A 2,... ,N} r-J {A1,A2, ... ,An}
Pentru a demonstra (i), presupunem prin absurd că vectorii A 1,A 2, ••• ,Ar
.sînt liniar dependenţi. În acest caz există «1,«2, ••• ,cxrE R, nu toţi nulir
<1stfel încît «1A1+«2A 2+ ... +(XrA' =0. Pentru a face o alegere, presupunem
«r :;f O. Atunci
+
 r = ~1A 1 ~2A 2+ ... + ~r-1A r-l
unde ~;=-«,-1(XJ, j=l,2, ... ,r-1. În particular, avem:
atr=~1an+~2lli2+ ... +~r-1liir-1 i= 1,2, ... , r, deci coloana r a minorului Â
este combinaţie liniară de primele r-1 coloane (cu coeficienţii ~1,~ 2, .. ,,~r-1)r
de unde Â.=0, ceea ce este absurd. Rămîne adevărat că vectorii A 1,A 2, ... ,Ar
sînt liniar independenţi.
Pentru a demonstra (ii) este suficient să arătăm că pentru orice
j>r vectorul coloană Ai este combinaţie liniară de A 1,A2, ... ,Ar. În acest
scop, pentru orice j, r <j ~ n, definim :
an a12 ... a1,a1J l ali
a21 a22.. . a2,.a21 a21
Â
Âij= = i= 1,2, ... ,m.
a,1 a,2 ... a,,.a,J llrJ
an a12 ... ai,.aii lli1lii2 00 0 llir tliJ
Avem ÂiJ=O pentru i=l,2, ... ,m. În adevăr, dacă i=l,2, ... ,r, atund
ÂiJ=O pentru că este un determinant cu două linii egale (i şi r+ 1) iar
dacă i=r+ 1, ... ,m, din nou ÂiJ=O pentru că este minor de ordin r+ 1 al
matricei A de rang r.
Se observă că complementii algebrici ai elementelor de pe ultima
linie a lui ÂiJ sînt aceiaşi pentru orice i=l,2, ... ,m (nu depind de i) şi să-i
notăm cu Â1,Â2, ... ,Â,,Âr+1 respectiv. Vom avea Âr+i=Â. Dezvoltînd
determinantul ÂiJ după linia r+ I, avem :
Â1at1+Â2lli2+ ... +Ârair+Âai;=O i= 1,2, ... ,m
deci
28
unde
yA:=-!l.-16.k, k= 1,2, ... ,-r şi în definith·
Ai =y1A 1+r2A 2 + ... +rrA r.
Cu aceasta şi (ii) este demonstrat. Din (ii) şi Corolarul 4, § 4 rezultă
Aşadar:
Rangul unei matrice 11 este r dacă şi numai dacă admite un mino,-
. ;l:0 de ordin r şi toţi minorii de ordin r+ l care bordează pe !l. sini zero.
De aici rezultă următoarea metodă de calcul a rangului unei matrice-
date A:
(a) Se alege „cu ochiul liber" un minor !l.o;cO al matricei A, de prefe-
rinţă de ordin cît mai mare (în cel mai rău caz un minor de ordin I format
.cu un element diferit de O al matricei A). Fie so ordinul lui !l.0 ;
{b) Se calculează apoi minorii de ordin so+ 1 care bordează pe !l.o. Dacă
foţi aceşti minori sînt egali cu zero, atunci rang A =s0• în caz contrar·
se alege un minor !l.1 ;l:0 de ordin so+ I printre cei care bordează pe Âo
{primul descoperit în calculul efectuat) şi se aplică lui â1 acelaşi trata--
ment ca lui !l.0 , ş.a.m.d.
(c) După un număr finit de paşi se ajunge la un minor !l. ;,!:O de ordin
r astfel încît toţi minorii de ordin r+ 1 care bordează pe  sînt zero.
Vom avea: rang A=r.
Exemplr. Să calculăm rangu] ma tricei
I !-I 21 I 2)
A= ( l
2
i=-2L-~.t3
I 3
O 5
A=(; ll-1:)
să aibă rangul 2.
Se observă că minorul de ordin 2, A=I ~ ~ 1=2,;fO. Pentru ca rangul
lui A să fie 2 este suficient ca minorii de ordin 3 ce bordează pe  să fie
zero, deci
2 1l I 2 1 j (3
~ ..... -1 (=0 şi o 1 i 1 =0
I O (X I o 1
de unde -2+ 2cx=O şi l-B+2=0. Aşadar, «=l, ~=3.
ExercUil
a) ( -1
1 -1
1
2 O )
3 -1
1 O-1 -2)
-2
2 -2 -2 1
b)
( 1 1 O 2 1
-1 -2 2 -3 -4
O -1 2 -1 -3
30
2) Să se găsească rangul matricelor
"().111)
1 "- 1 I · b) (
(311)
ex
1 cx(3 1 (3
a) I I "- I 1 1 (3 «
· 1 1 1 A
unde A, ex, ~ sînt parametri reali.
3. în spaţiul liniar R se consideră vectorii: u1 =(1,0,2,0,l), u2 =(-l,1„
0,0,-1), Ua=(0,1,2,0,0), U4=(1,~,4,0,1). Să se aratecărangulsistemului
de vectori {u1,u2,ua,U4} este 2. Să se găsească toate subsistemele luh
{u1,u2,us,"4} formate cu 2 vectori liniar independenţi.
lndicntie. Se consideră matricea A de tip 4 X 5 astfel Jnclt A,=u,, i=1, 2, 3, 4.
I;,,,.!XI+a..2X2+•·· +a,.,.x.=bm
unde au şi b,ER, i=l,2, ... ,m, {=l,2, ... ,n.
Sistemul (S) se scrie sub formă condensată astfel :
n
(2) ~a,;x1=bt i=I,2, ... ,m.
i=l
i=l,2 ... , m.
31
D e f i n i ţ i a 2. Un sistem de ecuaţii liniare ( S) se numeşte com-
patibil dacă admite cel pufin o soluţie. Un sistem care nu admite
soluţii se numeşte incompatibil.
(
1ml am2, .. amm • lml a,n2 ... amnbm
A
i=( ::, )
...,. j = 1,2, ... , n şi
B=( :: )·
Le m a l. Un sistem de numere reale «1, I¼, ••• , cxn este soluţie
.a lui (S) dacă şi numai dacă B=«1A 1 +«~ 2 +otnAn. ln parti-+ ...
,cular, rezultă că sistemul (S) este compatibil dacă şi numai dacă B
-este combinaţie liniară de A 1, A 2, ••• , An.
Demonstraţie. Fie «1,«2 •• ,,otn o soluţie a sistemului (S), deci
n
,.....
~ a,1«1=b, i=l,2, ... ,m.
Atunci
au,)
+ ... +an
(ar =a1A +a2A'?+ ... +
1
anA11-
amn
n
~ aoa.1=b, i = 1,2, ... ,n,
/=I
deci a 1 ,a2,···,an este soluţia a sistemului (S).
Te ore m a t. (Kronecker-Capelli) Sistemul de ecuaţii liniare (S)
este compatibil dacă şi numai dacă rang A =rang A.
Demonstraţie. Săpresupunem că rang A =r şi pentru a nu complica
notaţiile, presupunem că minorul de ord;n r
au a12...a1r
a21 a22...a2r
l:l.=
,_ ( 2 1 ·1 1 1)
.-1. = -11 1 3 -4 O .
2 •l -3 Â
Avem A= 1-Î ~ 1=3;.!:0 iar minorii de ordin 3 ai lui.-\ care bordează pe il sint
zero, anume:
2(11
-:-:::~ ···-~-=- 3 =0,
12 1
:-:-:-:-_1_ 1
11I
-•I =0,
1 2 •1 1 2 -3
1
deci rang .:1 =2. Hangul lui .:\vn fi 2 dacă toţi minorii de ordin 3 ai lui .:\ cnrc hor-
dează pe A slnt O şi numai ln acest caz. Dintre aceştia doi sint deja O (căci
stnt minori de ordin 3 şi ai lui A) şi atunci mai trebuie ca
-12 11 O
1 I
I 1 2 ).
=0
de unde -3+3).=0, deci 'i.=1. Aşadar, dacă Â=l sistemul considerat este compati-
bil, dacă Â =p 1 sistemul este incompatibil.
Păstrînd notaţiile
de mai sus, să presupunem că sistemul (S) este
compatibil, deci rang A =rang A r şi că
au a1,2... a1r
a21 a22••• a2r
~= #=O.
a,1 a,2...a,,
Să considerăm încă sistemul (S') format din ecuaţiile
aux1+a12X2+ •.. +a1nXn=b1
(S')
Ja21x1+a22X2+
:
... +a2nXn=b2
.
la,1;1+a,.x2+ ... +a,.,.xn = b,
_numite ecuaţiile principale ale sistemului (S). Avem:
Pro p o zi t i.a 1. Un sistem de numere «1, (¼, ••• rr.n este soluţie
a sistemului (S) dacă şi numai dacă este soluţie a si~temului (~').
34
Demonstra/ie. Evident, orice so1utie~:a sistemului (S) este şi soluţie
a sistemului (S'),
Reciproc, fie «1,cx2, ••• ,otn o soluţie a sistemului (S') deci
•n
(I) ~ °'IJ rx1=b1 i=l,2, .. . ,r..
1-1 ·
Fie
deci
r
(2) 'E ak1«J=b1& k=r+ 1, .. •,m.
/=I
Din (I) şi -(2) rezultă că <X1,rx 2 , ••• ,«n este soluţie a sistemului (S)~- ·
O b serva t ia I. Din cele de mai sus rezultă că este •Suficient să
ne mărginim a considera sisteme liniare (S) pentru care m ~ n şi al. căror
rang este m. Aceasta este o simplificare veritabilă atunci.cînd ne propunem
să calculăm soluţiile unui' ':sistem (v. § Y).
35
Exerc:1I11
36
Pro p o zi t ia I. Dacă A şi B sînt matrice inversabile, atunci
AB este matrice inversabilă şi (A Br1 = _B-IA-1.
Demonstra/ie. Avem (AB) (B-1A-1)=A (B B-1)A-1=AI A-1=AA-1=J
şi analog (B-1A-1) A B=l. Deci AB este inversabilă şi (ABr1=B-1A-1.
Teorema următoare dă un criteriu comod de recunoaştere a matrice-
lor inversabile. Demonstraţia teoremei oferă totodată o metodă de con-
strucţie a inv~rsei unei matrice.
37
Aşadar
. (dO dO...O)O ·
AA*=C= : =dl
O O•• •d ·
şi analog A* A =dl.
(2-1 O)
A= O
1
1 2
O2
•
.. .
Avem d=det A=2:;60, deci A este inversabilă. Complemenţii algebrici ai .matricei.
A slnt
IDcci
Se verifică :
1 OO)
( o o· 1 .. . •· .
AA-1=A-1A=. O ,1- Q ~
:38
Exercilil
1. Să se arate că următoarele matrice sînt inversabile şi să se calcu-
leze inversele lor
a)
(
2 Ol
l 2I)
3 -1 2 b) (-! Î -! · !)
-3 4
-4-3
l -2
2 l
c) ( c~s ex sin ex)
-sm ix cos ex
2. Fie A, B e Rnxn astfel încît AB=l. Să se arate că det A ;=O, det B =FO
şi că B=A-1 (d~ci şi A. B- 1). .
lndicatie. Dacă e1, c2, .... cn sint coloanele mntricei I avem ci=b 1 JA 1 +b:d'1 2 +
.. . +bnJA", j=l.2; ... ,n, de unde {el, c2, ... ,c 0.}~{1\1,;t2, ... An}. De aici rezultă
rang A=rang 1-=n şi deci dct A*O. Analog det B=f=O. O demonstraţie directă se
poale da clnd se cunoaşte proprietatea; det (AB)=det A ,detB.
3. Săse arate că o matrice p·ătratică A de ordin n cu elemente numere
întregi admite matrice inversă ·cu· elemente numere întregi dacă şi nu-
mai dacă det A=± l.
4. Să se arate că o matrice pătratică A de ordin n este inversabilă dacă
şi numai d~că o,ricare ar fi m ~ 1 şi <?ricare ar fi matric;ea_ B e R"xm (res-
pectiv C ~ Rmxn) există. 9 matrice X e RnXm_ (respectiv y ~ RmXn) astfel
încît AX=B {respect.iv YA=C). ·· ·
Jndicnfie. iDacă A. este. inversabilă, atunci ccuapa AX= n admite soluţia (unică)
X=A- 1 B. Reciproc, se ia B=I şi se foloseşte exerciţiul 2. " ,.
B= (B11 B12)
B21 B22
atunci se verifică uşor că
(*) AB=(A11B11+A12B21
A21B11+ A22B21
Cu alte cuvinte, regulă uzuală de înmulţire a matricelor se păstrează
pentru matrice la fel partiţionate.
Să presupunem acum că matricea A este inversabilă. Vom arăta
că printr-o partiţionare adecvată, calculul inversei lui A poate fi redus
la calculul inverselor unor matrice de ordin mai mic, ceea ce este avantajos
atunci cînd ordinul matricei A este mare.
din (l') rezultă că A11-A12Â 22 1A21 este matrice inversabilă. Din (l') şi
(2') scoatem
Avem det A= 3 =;l: O, deci A este matrice inversabilii. Considel'lnd ln A partiţia de-
ftilită de numărul 2, avem
Avem
A-l=B= (
1 O . O_:-2)
t.~. .
!;: ;: ) = (......:!.~. . :~~. . .---0_1_/3
1/3 -2/3 1/3 -1/3
Se verif-ici: AA -l=A-1 A-l.
41
t 9. Rezolvarea sistemelor de ecuaf ii liniare
în acest paragraf vom arăta cum pot fi găsite soluţiile unui sistem
«compatibil de ecuaţii liniare. Din propoziţia I, § 6, rezultă că este sufi-
,cient să ne mărginim la sisteme (S) de m ecuaţii liniare în n necunoscute
.cu m ~ n şi al căror rang este m.
llm1tlm2 • • •tlmm
•este diferit de zero şi că a fost ales ca minor principal. Cu această ale-
,gere, necunoscutele de bază sînt x1, x2, ••• , Xm iar Xm+1, ••• ,Xn sînt ne-
tCUnoscutele secundare. ·
Intorducem notaţiile:
(1) Ax=B
în concluzie :
La orice sistem de valori exm+ 1, ... , otn din R date necunoscutelor secundare
Xm+1, ••• , Xn corespunde univoc prin formula (*) un sistem de valori
ot1, ot2, ••• , am pentru necunoscutele principale x1, x2, ••• , Xm• Sistemul de
numere «1, · «2~ •.. , ~,. ~... 1, • : • , «n. astfel construit este· o soluţie a
lui (S). şi orice soiufie a lui. (S) se ohţine ·pe această cale. .
Definiţi a 1. Soluţia obţinută dind în (*) valoarea zero„
necunoscutelor secundare se numeşte soluţie de bază a sistemului
(S). O soluţie de bază se numeşte nedegenerată dacă componentele
corespunzătoare necunoscutelor principale sînt diferite de zero
în caz contrar se numeşte degenerată.
Evident, componentele soluţiei de bază corespunzătoare necunos-
cutelor principale se calculează prin formula :
după cum rezultă din definiţia dată mai sus. Cum matricea A a sistemului
(S) are cel mult C~' minori de ordin m diferiţi de zero, rezultă că sis-
temul (S) are cel mult c~n soluţii de bază.
Dacă m=n, atunci toate necunoscutele sistemului (S) sînt principale„
In acest caz (S) are o singură soluţie, anume
Ix=A-1B I
Mai precis:
Pro p o z i ţ a 1. Un sistem (S) de n ecuaţii liniare in n ne-
cunoscute şi de rang n admite o singură soluţie, anume
x=A- 1 B.
A'\"em
2 2: 1 3)
A= ( !./ -1 1 •
Cum
~=1 ~ ! l,6°
avem evident rang A=rang Ac:;:2, deci sistemul (S) este compatibil. Alegtnd pe
I:,. ca minor principal al sistemului (S), avem: P={~ ;), S-=(_; ~} rP-{!:)
44
3x3 x
de unde x1 =2-2.r3 -x,, x1 =-3I2+
2
+ 2
-. 4
--+
3 3cx ~ tX,
- +-, ~
)
( 2-2a-~, 2 2 2
(~, ~ER)
P= ( 21 -11) ' S=
(23)
2 1 '
Exercifli
1. Să se rezolve sistemele de ecuaţii liniare :
2x1+x2-xa+2x4=0 X1-x2+2x3= I
a)
{
3x1+x~2X3=-l
3x1+2x~x3-3X4= l
b)
l 3x1+x2+x3=4
x1+2x:z--x3=-2.
X1-x2+x3+2x4=-l
-x1 +2x2-xa-3x4+ Xs=2
{
3x1+x~x3+2x4+4xs= -3
45
3. Să se arate că un sistem de ecuaţii liniare de forma
Tl
admite numai soluţia X1=X2= •.• =.~n=O ·dacă şi numai dacă det A ,;eO,
unde A=(a,;) i, j=l,2, . .. n.
Demonstra/ie. Aplicînd
teorema lui Pitagora gene·
ralizată în triunghiul OP R fi-
gura I, 3 avem
PR 2=0P2+
. t oru I ut. x
deci coor donateIe . vec '+ x" sin t oc'+ rx'' oc '+ " oc '+ "
1 1, 2 (/. 2 , 3 r:t.3 • Fo-
losind Propoziţia 1, avem :
3 3 3
(x' +x", y)= ~ (cr.' +rx.;'}~= ~ oc; ~i + ~ oc;' ~i=(x',y)+(x",y).
i=I i=I i=l
47
2. Produs scalar într-un spaflu llnlar peste corpul R
I~xemple: 1) La orice pereche de vectori .-r, uenn, x=(ot 1 , ot2 , ••• , cxn), u=(~ 1,
~ 2, ••• ,13n) asociem num;irul real
n
(x, Y)=ot1~1 +ot2132+ • • • +otn~n= 'E ot1~1.
i-t
Evident, axiomele (1) - (·1) din Definiţia 2 slnt satisfăcute. Cu acest produs scalar
.(numit canonic) un are o structură de spaţiu euclidian. Analog se organizează mn
ca un spaţiu euclidian.
2) In spaţiul V al vectorilor de poziţie produsul scalar introdus prin Definiţia 1
este datorită rezultatului din Propoziţia 2, produs scalar ln sensul Definiţiei 2.
Cu acest produs scalar V are o structură de spaţiu euclidian.
48
(6) (x,~y)=(~y,x}=~(y,x)=~(x,y).
(7) (x,8)=(x,08)=0(x,8)=0 şi analog (8,y)=0.
(8) Dacă x #0, atunci (x,x) >0 datorită axiomei (4). Rămîne ade-
vărat că X=8 atunci cînd (x,x)=O.
Prin inducţie completă se pot demonstra proprietăţile=
n ) n
(x,y)= ( x, ~ î3JYi =~ f31(x,Y1)=0.
i=l i=l
1lx+ull2=llxll2+ l1Yll2
Demonstraţie. În adevăr, prin ipoteză (x, y)=(y, x)=O şi atunci
\lx+yll2= (x+y, x + y) = (x + y, + (x + y,y) = (x,x) + (y,x) +(x,y)+
x)
+(u,y>=<x, x>+<u, u>=llxl12+lluH2.
50
Un rezultat important este : ·. ·
deci
51
Aşadar, unghiul dintre doi vectori diferiţi de zero x, y este cuprins
,,,,,,,,.......
iîn intervalul [O;tt] ; {x, y) este ascuţit cînd (x, y) >0, este obtuz cînd
{x,y) < O şi este 1t/2 cînd (x,y)=O (deci atunci cînd x este ortogonal
cu y).
Exercifii
-oricare ar fi i =I: j.
Să se arate că sistemul de vectori {x1, x2, ... x,} este liniar independent .
.3. Oricare ar fi numerele reale ex1. ex2, ••• , ex,,, ~1, ~2, ••• , ~,.
.avem
If I~ V t
l= I
cxt~,
I
l/
i.,. 1
exr l /
Vl= 1
lndicatie. în spaţiul euclidian R11 se aplică Teorema 1 vectorilor
t~;.
X= (cx1, «1, .• •, «n), Y= ((3i, '32, • • •, (3n).
-----
4. Dacă x şi y sînt vectori dintr-un spaţiu euclidian V, atunci
llx+u!I ~ llxll+IIYII•
Folosind această inegalitate, să se arate că oricare ar fi numerele reale
«1, ots, ••• , otn, ~1, ~2, ... , ~n avem :
t 11. Hiperplan. Semispaliu. Tronson
(u, x-u)==O.
Folosind propoziţia I, § IO avem
O= (u, x-u) =a1(a1-a1)+a2(a~a2)+aa(«a-aa) =a1a1+a2«2+aaaa-b
unde b=ai+~+a~.
Aşadar, punctul M se află
în planul (n) dacă şi nutnţ1,i dacă
toordonatele sale «1, cx2, cx 3 formea-
ză o soluţie a ecuaţiei liniare
a1x1+a2-r2+aaxa=b (b ;60),
~ numţtă ecuaţia planului (n) relalill
---~-J<!_ reperul {e1, e2, ea}.
"~eciproc, dată o ecuaţie li-
niară a1x1+a2X2+asX3 =b, b ;60,
punctul M ale cărui coordonate
sînt soluţiile a1, «2, cx3 ale ecuaţiei
date, descrie un pla·n (1t) care Fig. I,4
nu trece prin origine.
La fel se arată că un plan (1t) care trece prin originea O este definit
de o ecuaţie liniară de forma a1x1+azX2+asX3=0 şi reciproc, orice ecuaţie
liniară de această formă defineşte un plan (7!) care trece prin origine.
53
Revenim la· cazul examinat în figura I, 4. Planul (1r) împarte spaţiul
în două regiuni, numite sepuspaţii, a căror intersecţie este planul (1r).
Consideraţii geqmetrice simple ne conduc la. constatarea că ·punctul M
se găseşte în unul sau altul din semispaţiile delimitate de planul (1t) _după-
. n.
~um u~ghiul diptre· vectorii _u şi .x---u este~.;,- respectiv ~-
2 ':
adică
a1x1+a2X2+aaXa=b (b =!=O)
constau din punctele M ale căror coordonate ex1, cx2, cx3 satisfac inegalitatea
liniară
respectiv
a1x1 +a2X2+aaxs ~ b.
La fel se arată că semispaţiile delimitate de un plan (1r) ce trece
prin origine şi a cărui ecuaţie a1x1+a2X2+aaXs=0 constau din punctele
M ale căror coordonate satisfac inegalitatea liniară a1x1,+a2X2+aaX3 ~ O
respectiv a1x1+a2X2+aaXa ~O.
54
se numeşte hiperplan al lui V; (*) se numeşte ecuaţia hiperplanului
H relativ la baza {e1 , e2, ••• , en}. Mulţimea S a vectorilor x din V
ale căror coordonate satisfac inegalitatea liniară
a1x1+ar2+ ... +anxn ~b (respectiv ~b)
~e numeşte semispaţiual lui V, delimitat de -hiperplanul H. Inter-
secţia unui număr finit de semispaţii se numeşte tronson.
deci coordonatele lui x=(cxi, cx 2 ) tn baza {e1 , e2 J slnt cx 1 , a: 2 • Cum dimensiunea spa-
ţiului liniar Jl2 este egală cu 2, lliperplanele sale se vor numi drepte iar semispaţiile
sale scmiplane. Să considerăm ln R2 dreptele (D 1 ), (D 2 ), (D3 ) ale căror ecuaţii re:
laliv la bt•za {e 1 , e:d slnt respectiv -x1 +3x2 =3, 2x1 +3x2 =12, 3x1-x2 =3 şi tron
sonul T obţinut inlcrsectind serniplanele
.r1-3.t 2 ~-3 (S 1 )
2x1 +3x2 ~12 (S 2 )
-3x1 +x2 ~-3 (S3 )
55
Exercifii
56
Situaţia de mai sus se generalizează la un spaţiu
Jiniar oarecare V peste corpul R după cum
urmează: I
Mulţimea de vectori
q
ta; (
f=I .
(l- i,.)r1.1+1!=}1) = (I - i,.) ( t a1~1) .t
/=I
+A (
J=l
a;(3J ) ~ (l-i.)b+1.b=LP
rezultă că zES, deci [x, y]~S.
Analog se· arată că H este mulţime convexă.
57
iP ro p o z i ţ i a 2. Dacă K1 , K2 , ••• , Km sint mulţimi convexe ale
- m
lui V, atunci K - n K, este o mulţime convexă a
l=l
lui V.
de unde [x, y] C K.
C o r o I a r u I l. Orice tronson T este mulţime convexă.
m
--- x::;:J1.1x+Az-\.'+ ... +AmXm cu Ai~O şi~ Ai=I.
i=l
-- ------
propoziţia 3. Mulţimea J5;;lx1~-~-•--z, Xm] a tuturor combina-
ţiilor convexe de vectorii
x1 , x2 , ••• , Xm este conv~xă, numită polie-
dru I convex generat de vectorii x1 , x2 , ••• , Xm, --' -......._
-~
Demonstraţie. Fie x, y E= P, x = i
j=l
AiXi, y= ~ [.LiXi cu
/=l
Ai~ O, µ , - ~
m
~i ~ "A1= 1;
i=l
unde
{l-t.)At+A[.Li ~O, i= l,2, ... ,m
58
şi
m
~ ((1-i.)i.i+A!J.i)=
i=l
=l-1,.+1,.=l
Fig. I, 7
Deci zE P, de unde [x, y]~P.
Ewmple. I) Poliedrul convex generat de doi vectori x 1 , x 2 este sc~mentul
care uneşte pe x 1 cu x 2 • În pnrticular, rezultă că un segment este o mulţime con•
\'eXă.
X=(Â1+Î,2) ( ~ x 1 + ~ X2)-I-Â3X3.
'-1 +t..2 Â1 +),:?
Atunci y= - - Â1
- x1 + -- Â2
- x2 este vectorul de poziţie ni unui punct P de pe
).1 +A2 ). 1 + A2
59
F..xemple. 1) Conul poliedral generat de doi vectori de poziţie x1 , :r2 constă
1
din mulţimea vectorilor de- poziţie x ai punctelor P din interiorul unghiului delinit
de vectorii z 1 , x 11 (fig. I, 8).
✓ "
✓ "
"
n. ✓
r"---------- '°
/
"1/u ,✓' /
,-.1. ," ,,,"
;.'\. ' / ,, /
/ Fig. 1,8
,-.~ //
✓
/
/
,, /
r /
li&.----'-~-~"'- - - - - - -- - - . - -
Â,/X/ I Âl~ 0
5) Conul poliedral generat de vectorii de poziţie .t 1 , x 2 , ••• , :cm pentru m puncte Pi,
P 2 , ••• , P,,1 este mulţimea vectorilor de poziţie ai punctelor P ale figurii oh ţinută
prin intersecţia semispa\iilor delimitate de planele determinate dl' acele triplete
de puncte O, P;, P 1, care lasă in acelaşi semispatiu punctele J>,.., J.::pi, j.
- E~ercitii
l. Fie K' şi K" două submulţimi ale unui spaţiu liniaJ V. Să notăm cu
K=K'+K" mulţimea tuturor vectorilor x=x'+x", -tfnde_~y'EK' şi
x" E K" ; K se n urneşte suma lui K' cu K". - ~-
·,
(a) Dacă K' şi K" sînt mulţimi convexe, atunci K=K'+K" este mul-~-
ţime convexă.
2. Arătaţi că o mulţime convexă K, odată cu vectorii x1, x2, ... ,Xm conţine
şi poliedrul convex [x1, x2, ... ,x,n],
3. Acceptînd datele din exemplul 1, § 11 şi notaţiile din figura I ,5 să se
arate:
(a) Tronsonul T coincide cu poliedrul convex generat de vectorii de pozi-
ţie ai punctelor P, Q, R.
(b} Tronsonul T 1 obţinut intersectînd st'.miplanele
X1-3X2~-3
60
este egal cu Tu T' .
.c) Notînd cu u1=(3,l), u2=(1,3) iar cu C conul poliedral generat de
u1, u2, să se arate că :
T1=C+T.
Deci tronsonul T 1 este suma conului poliedral C cu poliedrul convex T.
(d) Concepeţi şi alte exemple pentru a verifica că orice tronson este suma
unui con poliedral cu un poliedru convex.
1. ,Determinant Gram
61
Demonstraţie. Fie A =(at1), unde at1=(u,, u1), i, j= 1,2, ... ,m. şi fie
A 1, A 2,... ,Am coloanele matricei A. Evident, Al, A2, ... ,Am, interpretate ca
vectori în spaţiul liniar mR, sînt liniar independente dacă şf nuni.af dacă
G(u1, uz, ... ,um)=det A #O (v. Teoremele I § 5). Din acest motiv, pentru
demonstrarea propoziţiei este suficient să arătăm că avem
(*)°'1A 1+cx2A 2 + ... +<"ttnAm=O cu cx1,o:2,, .. ,ctmE R
dacă şi numai dacă
(**) cx1u1+°'2u2+ ... +0CmUm=0.
Dacă avem relaţia (* ), atunci pentru orice i= 1,2, ... ,m obţinem ·
m m
O=cx1ai1fcx2ai2+- .. +°'mllim = ~a.;(ui, UJ) =(u,, ~cx;u;)
. ; ... 1 i=l
deci
(u,, x)=O i= 1,2, ... ,m
unde x=°'1u1+cx2u2+ .... +«niUni,
Avem .
Reciproc, dacă (**) este adevărat, atunci pentru ori~e i= 1,2, ... ,m
m m m
avem O=(u,, O)=(u,, ~a.;u1)= ~°';(u,, u;)= ~cx;aii
i=l i=l i=l
deci
o:1ai1+CXzlli2+ ... +oematm=O i=l,2, ... , m
„ de unde
cx1A 1+0:z.4 2 +... +oemA ~:--O.
Demonstraţia se încheie observînd că dacă det A #0, atunci relaţia (:te)
şi deci şi (**), are Ioc numai cînd cx1=, .• =ctm=O. .
Reciproc, dacă u1, u.e, .•. , Um sînt liniar indep·endenţ-i, atunci relaţia (**),
deci şi (*), are loc numai cînd cx1= .... =exm=O, de unde det A :;l:Q •.
62
2. Lema Farkas-Minkowski
deci
n
~at1ix1=b, i= 1,2,... ,m
i=I
unde b,=-(u,, u) şi at;=(u,, u1) i= 1,2, ... ,m, j= 1,2, ... ,n.
Cum vectorii u1, u2,... ,Um sînt liniar independenţi, din poziţia l rezultă că :
=FO
u= nf
/=1 1-1
-i.) Un
oc1u1+ (nf AJ0:1
deci u este o combinatie liniară cu coeficienţi ~O de u1, u2, ... ,un ceea ce
a fost exclus. Rămîne adevărat că vectorii u;, u~, ... ,u'n-1 şi u' nu satis-
fac (x) şi conform ipotezei există YE V astfel încît
(y, u;) ~O j=l,2, ... ,n-1 şi (y, u') <0.
Să arătăm acum că vectorul
(y, Un)
v=y+yx, unde y= - - -
(x, un,
66
Demonstraţie. 1n spaţiul liniar R" să considerăm baza canonică
{e1, e2, ... ,e,,}
e1=(0, .. . , J, ... ,O) j= 1,2, ... ,n.
Dacă u=(«1,«2, ... ,otn) este un vector arbitrar din R", atunci
n
U= ~ rl.Jej,
; ... 1
deci coordonatele lui u în baza {e1, e2, ... ,en} sînt «1, «2, ... ,exn.
Pentru orice i, l ~i <m să notăm cu H;, hiperplanul lui R• a cărui
ecuaţie în baza {e1, e2, ... ,e,,} este
67
Lema Farkas-Minkowski dată în § 13 se transcrie în termeni de
inegalităţi
liniare astfel :
Te ore m a 1 (Farkas-Minkowski,). Dintre sistemele liniare
(I) {
1xţ1 O
1~
U1JX1=b1 ~= 1,2, ... ,m
J= 1,2, ... ,n
a11)
A1= ~21
(llnii
j=l,2, ... ,n,
B=(l}
Vom aplica Lema 4, § 13, luînd V=mR, u1=Ai, j= l, ... ,n, u=B. Avînd
în vedere Lema 3,§6 sistemul (I) admite soluţie dacă şi numai dacă vec-
torul B este combinaţie liniară cu coeficienţi negativi de A 1• A 2 , ... ,An,
B=oc1A 1+cx2Â 2+... +<XnAn cu CXJ ~o, j= 1,2, .. ,n
deci exact proprietatea (ex) din enunţul Lemei 1, § 13.
Fie vEmR,
V=(::)
Ţinînd seamă de definiţia produsului scalar canonic din mR avem
68
şi
i-=I,2, ... ,m
j=l,2, ... ,n
n
Demonstraţie. Notăm cu z,=b,-}:pi;x;, i=l,2, ... ,m. Se transcrie
i=l
acum enunţul Teoremei 1 folosind în loc de matricea A=(aii) i=I, ... ,m
j= 1, ... ,n, matricea (A, /) obţinută adăugind la coloanele matricei A
coloanele matricei unitate / de ordin m şi în loc de nedeterminatele
X1X2, ••. ,Xn, nedeterminatele x1, X2, ... ,Xn, 21, z2, .. ,,zm .
D e f i n i ţ i a 3. O matrice pătratică
A= (aii) de ordin n se nu-
meşte simetrică (antisimetrică) dacă a,;=a;i(respectiv ai;=-a,,) ori-
care ar fi i=l,2, ... , n, j=l,2, ... , n.
Dacă A este o matrice antisirnetricij, avem în particular
au=-au i=l,2, ... ,n
de unde
au=O i=l,2, ... ,n.
69
Dacă
O2 5) 15-1)
A=
( -2 O -3
-5 3 O
B=
( S 3 O
-1 O --4
atunci A este antisimetrică iar B este simetrică.
Pro p o z i f i a 2. Dacă A =(CZ11)E Rnxn este matrice antisimetrică,
atunci sistemul de inegalităţi liniare
t
{x,>O
/=1
Cli/XJ>O i= 1,2, ... ,n
j= 1,2, .•. ,n
admite o soluţie u=(«i., ~•... , <Xii) astfel incit
n
t
/=1
Q(JotJ+<Xt >0 i= 1,2, ... ,n.
70
Capitolul N
Teoremele de bază ale programării liniare
71
şi să fie respectate condiţiile
fi(x1, ... ,Xn) ~O. 1 ~i ~m, (2)
care sînt restricţiile problemei.
Problema este cunoscută sub numele de problema programării ne-
liniare. Dacă în locul inecuaţiilor (2) avem ecuaţii, obţinem problema
clasică a extremului condiţionat (cu legături). În cazul în care funcţiile
f şi fi, I ~i ~m, sînt liniare, atunci problema (I), (2) este o problemă de
programare liniară sau un program liniar.
O clasă separată o constituie problemele de optimizare discretă. Dacă
SC{l, ... ,n} şi M este o mulţime finită de numere întregi, problema
se enunţă astfel :
max f(x1, ... ,x11), (3)
/i(x1, .. ,,X11) ~o, } ~i ~m, (4)
X 8 EM pentru seS. (5)
Dacă S= {1, ... ,n }, problema (3), (4), (5) este o problemă de pro-
gramare în numere întregi. Dacă, în plus, M = {O, I} avem o problemă
în variabile bivalente. Dacă S este submulţime proprie a mulţimii {l , ... ,n}
(adică S =i={l, ... ,n }) avem o problemă mixtă (cu variabile continue şi întregi,
respectiv bivalente).
Unele fenomene şi activităţi care apar în domeniul conducerii
economice a întreprinderilor pot fi numite procese de decizie în mai multe
etape şi pot fi formulate în genere ca probleme de programare neliniară
sau liniară ; datorită însă dimensiunilor mari, rezolvarea lor este dificilă
cu metodele cunoscute. Metoda care vine să suplinească această lipsă
este metoda programării dinamice, bazată pe folosirea unor ecuaţii func-
ţionale şi pe principiul de optimalitate dat de R. Bellman. Alături de
aceasta, metoda principiului de maxim al lui L.S. Pontreaghin oferă altă
posibilitate în rezolvarea unor probleme de natură secvenţială.
În multe probleme de organizare şi conducere economică apar si-
tuaţii conflictuale analoage cu problema determinării strategiei, cit aju-
torul căreia se poate obţine cîştigul inaxim într-un joc. Teoria jocurilor
care a cunoscut o dezvoltare matematică deosebită, are numeroase apli-
caţii practice în acest domeniu.
72
În sfîrşit, teoria grafurilor şi a reţelelor de_ transport au aplicaţii deo"."
s~bit de importante în organizarea raţională a transporturilor, în condu-
cerea economică a lucrărilor complexe, precum şi în alte probleme cu
caracter combinatoriu.
Deoarece nu putem consuma din resursa i mai mult decît cantitatea pe-
care o avem la dispoziţie, trebuie să fie respectată condiţia
'14
sau
n
Xj~O, (11)
care este o problemă de programare liniară sau un program liniar.
2. O problemi de transport
76
3. Un program de producfie şi stocaj
4. Probleme de amestec
Una dintre primele probleme practice, formulată şi rezolvată ca
problemă de programare liniară, este aşa-numita problemă a dietei.
Ea constă în determinarea unei diete dintr-un număr dat de alimente,
care să satisfacă anumite cerinţe biologice şi să fie în acelaşi timp cea
mai ieftină.
Mai precis, fie Clii cantitatea din principiul nutritiv i, I ~i ~m,
conţinută într-o unitate din alimentul j, 1 ~j ~n. Este necesar ca dieta
să conţină cel puţin bi unităţi din principiul nutritiv i, 1 ~i ~m. Dacă
CJ, 1 ~ j ~ n, sînt costurile unei unităţi din alimentul j, problema constă
în aflarea cantităţilor x;, 1 ~j ~n, de alimente pe care trebuie să le con-
fină dieta, astfel încît să obţinem costul total
n
min ~ c;x; (24)
i=l
i7
şi să fie respectate condiţiile
n
~ 0-i;XJ ~ b,, 1 ~i ~m, (25)
i=l
x;~O, I ~j ~n, (26)
\
Dacă se notează cu Xk, I ~k<:.N, ·lungimea ruloului standard în
cazul în care se aplică tăierea de tipul k, avem condiţiile
N
~ dikXk ~ b1, I ~i ~m,
k=l
(34)
(35)
N
min ( ~ CkXk+ .bm atx?) · (36)
k=l I=(
80
mizată. Forma cea mai generală sub care poate apare o problemă de pro-
gramare liniară este prin urmare următoarea :
A nx1+A 1z-t2+Ata.,\-a ;>.; b1
A21x1+A22-t2+A23X8=b2
A 31 x1+As2X2+ A33X3 ~ ba (37)
x1 ;;;i:O, x2 oarecare, x3 ~O
min [c;x1+c;x2+c;x3 )
sau max [ c1' x t + c2' x 2 +c3' x--~[ .
unde x 1 este vectorul variabilelor pentru care se impun condiţiile de nenega-
tivitate, x2 este vectorul variabilelor pentru care nu avem restricţii asupra
semnului, iar x3 este vectorul ale cărui componente sînt supuse condi-
ţiei de nepozitivitate.
Spunem că o problemă de programare liniară are forma standard
dacă toate restricţiile sînt ecuaţii şi toate variabilele sînt supuse condiţiei
de nenegativitate :
Ax=b
(38)
. ,
mm ex
,
sau max c x.
O problemă de programare liniară are forma canonică dacă se scrie
Ax;>.;b, Ax~b,
x;>.;O sau x~O (39)
min c'x max c'x
Spunem cărestricţie a unei probleme de programare liniară este
o
concordantă dacă este o inegalitate ,, ~" cînd funcţia obiectiv trebuii
minimizată sau o inegalitate ., ~" dacă se cere maximizarea funcţiei
obiectiv. Cu această definiţie, o problemă de programare liniară are
forma canonică dacă toate restricţiile sale sînt concordante, iar varia-
bilele sînt nenegative. ·
Probleme sub forma canonică sau standard au fost- întîlnite în 2.2.
Aceste forme sînt în aparenţă mai puţin generale decît forma (37). Vom
arăta în cele ce urmează că în •realitate toate formele indicate mai sus
sînt echivalente în sensul că orice problemă de programare liniară se
82
2x1_:_X4+ xs+3x6+ Xs=-2,
X1,X4,X5,X6,X 7,X8 ~ 0, .
min (2x1-x4+xs-4xa) .
.-.._.---,:;,,.,uce prob ema a canonica vom transforma primi\
-----ecuaţie în două inecuaţii de sens contrar , ru ca toate inecuaţiile
problemei să fie concordante vom înmulţi cu -1 toate inecuaţiile de
forma < deoarece problema este de minimi_zare. Făcînd aceleaşi înlocuiri
ale variabilelor x2 şi x3, obţinem forma canQnic?
2x1-x4+x~;:/10
-2x1+x4-X5~-IO
i1+2x4-2X5 ~ 1
-2x1+ X4-xs-3xa ~ 2
X1,X4,X5,Xa ~ 0
min (2x1-x4+xs-4x6).
t 4. Interpretarea geometrică
a unei probleme de programare liniară
X1<2
x1+x2~3
-x1+x2<l (40)
max (0,Sx1+x2). (41)
P3
Ecuaţiilex1=2, x1+x2=3, -x1+x2= l stnt drepte în planul cu axele
de coordonate Ox1, Ox2 (fig. II, I) şi împart planul în semiplane. Semipla-
nul x 1 ~2 determinat de dreapta (CD) : x 1=2 este cel în care se află ori-
ginea 0(0,0). Toate punctele situate pe figură la dreapta dreptei CD
(adică în sP.miplanul x1>2) au drept coordonate numerele (x1,x2) · care
Fig. II-1.
X1= 1, X2=2.
Se observă din acest exemplu că soluţia optimă a unei probleme de
programare liniară este unul din vîrfurile tronsonului soluţiilor, proprie-
tate, care, aşa cum vom vedea ulterior, este generală. Pentru exemplul
considerat aici tronsonul soluţiilor este poligonul OABCD din figura
II, I. Dacă schimbăm funcţia obiectiv (41) cu alta este posibil ca soluţia
optimă a problemei să fie un alt vîrf al poligonului. În cazul cînd curbele
de nivel ale funcţiei obiectiv sînt drepte paralele cu una dintre laturile
poligonului, soluţiHe optime sînt în număr infinit, corespunzînd punctelor
de pe latura poligonului, paralelă cu curba de nivel a funcţiei obiectiv.
De exemplu, pentru problema maximizării funcţiei obiectiv
max (x1+x2). (43)
în condiţii1e (40), curbele de nivel
x1+x2=d (44)
sînt drepte paralele cu latura (BC) şi deci soluţiile optime sînt vîrfurile
B(l,2), C(2,l) sau orice punct (x1,x2) interior segmentului BC.
Exemplul 2. Pentru problema de programare Jiniară
X1-X2;?;0,
-0,5x1+x2~0 (45)
X1,X2;?;0,
max Cx1+xa), (46)
'85
mulţimea soluţiilor este reprezentată în figura II,2; .curbele de nivel ale
funcţiei obiectiv (46) sînt drepte care au în comun cu tronsonul definit
de (45) un segment, oricît de mare ar fi distanţa de la aceste drepte la
:rz origine. · Prin urmare, func-
ţia obiectiv poate lua :valori
oricît de mari, adică are va-
l~are optimă infinită.
Exemplul 3. Este UŞ<?r de
văzut că, dacă Ia restricţiile
problemei d~ programare lini-
ară (40), (41) adăugăm res-
O(o,v) x, tricţia
Fig. II,2
· x1+x2;;i-;4,
problema obţinută nu are nici o soluţie admisibilă.
Din cele trei exemple date mai sus rezultă că o pr~ble~ă de progn:uuare
liniară are sau program optim (şi deci valoarea optimă a funcţiei obiectiv
este finită), sau valoarea funcţiei obiectiv este infinită, sau nu are programe.
86
Tabelul l
I Alimente
-
~rincipii nutritive
I Ai I A, I As I A, I A:,
II Raţia biologici't
o
P1 2
-I- -o- I I OOO
.
( 2 ' 1·=5 _,· _!_
3
• 1=O '.33333 =)333,33 vitamine2.
I ·"• I Âz A11 A, A.
Pi
P2 ~I o 500
o 1 OOO
o
o
666,66
333,33
80/7
iOO -
50()
500
1.00
JJJ.JJ. Ms •
·;;E:: i·
100 :
! I Ni,
O 100 100 JOOt ~00 tSIJO 600 700 8!JO 9/JO 1000 I;
JJJJJ I.JO M5.6b.
Fig. 11,3
88
Dacă distribuim o unitate monetară pentru a1imentele A1 şi As
-în combinaţie convexă idei pentru A1 şi 1-Â lei pentru A3 , atunci vita-
minele şi caloriile cumpărate se află pe dreapta .1U 1M 3• într-adevăr,
pentru Â= ~ se cumpără ! (400+L000)=700 calorii şi !(200+0)= 100
vitamine iar punctul A (100, 700) se află pe dreapta ..:VI1M 3• Analog
pentru alimente A1 cu Â5, Â5 cu Â4 şi As cu A 4•
Din desen se vede că dintre toate combinaţiile de alimente, combinaţia
As cu A.c este cea mai avantajoasă. Deplasînd figura paralelă cu ea însăşi,
pe axe şi pe razele vectoare 01111 1 şi OM5 , dreapta M 3 M 4 ajunge cel
mai repede în punctul H care reprezintă minimum raţiei biologice :
H (450, l OOO).
Domeniul soluţiilor posibile este domeniul haşurat, împreună cu
frontierele sale. Vom întocmi dieta numai cu Aa şi A 4 aşa încît
I •xa+0 •X4= I OOO,
O•xa+2 •:<4=450.
Se obţine x3 = I OOO şi x 4 =225 iar
/= 1 •xa+3 •x4= I 675.
Dacă unitatea monetară este banul, iar unitatea de masă este gramul,
atunci dieta optimă conţine I kg din Aa şi 0,225 kg din Â4, iar costul total
este 16,75 lei.
2. Probleme cu un număr oarecare de restricţii şi numai
două variabile. O astfel de problemă cere să se determine X1 şi x2
aşa încît a11x1 +a12X21-b1, (50)
a21x1+a22X21-b2,
a„i1x1+llm2X?..lbm,
max (c1x1+c2X2) sau (51)
min (cţ,X1 +c 2x 2)
unde ..l reprezintă una din posibilităţi_le ~, ~,=. De cele mai multe ori
apar şi condiţiile de nene,zativitate.
x1 ~o, x~ ~o. (52)
Ecuaţia de forma a,1x1+a,2X2=b, reprezintă ecuaţia unei drepte în
planul x 10x2• Problema de programare liniară cere deci determinarea opti-
89
mului funcţiei f=c 1x 1+c2X2 pe mulţimea punctelor domeniului D deter-
minat de (50) şi (52). Aflarea domeniului D se bazează'_pe separarea pla-
nului x 10x 2 în regiunile determinate de dreptele care rezultă din (50),
(52) sau altfel spus, domeniul D rezultă din intersectarea semispaţiilor
~i a dreptelor conţinute în (50), (52). Domeniul D este determinat numai
dacă sistemul (50), (52) este comp_atibil. Punctele interioare şi de
frontieră ale lui D formează mulţimea soluţiilor posibile ale problemei.
În această mulţime se caută soluţia optimă (dacă există).
Notăm cu f=c1x1+c2X2 funcţia de optimizat. Dacă interpretăm pe
/ ca un parametru, atunci
(53)
(54)
.r,
Fig. 11,:;
:c,
.x,
91
Pentru problema (50, 51, 52) de minim, sensurile în figura II,5 se
inversează în fiecare caz în parte.
Presupunem că pentru domeniul D din figura 11,4 avem cazul a.
Atunci A4 realizează maximul lui /, iar A 1 realizează minimul lui
(figura I I,6) ;
fmaa- =c1x; +czX;
fmtn=c1x;+czX;
unde Â4(xj, x;) iar A1(x;, x;). Deci, soluţia optimă a problemei de maxim
este X1=x;, x2 =x;, iar valoarea maximă a lui/ este fmax; soluţia optimă a
Fig. II,6
problemei de minim este x 1=x;, x2=x;, iar valoarea minimă a lui/ este fm,n•
Din figura I 1,6 se observă că dacă se determină ordonata la origine
0B sau OA, atunci valoarea /max, respectiv f1nin se obţine prin înmul-
tirea cu c2 a ordonatei la origine corespunzătoare.
Pentru ilustrarea metodei geometrice dăm următoarea:
Aplicaţie. Să se determine (xi,x2) aşa incit
X1-X2~3 (55)
2X1-X2~8
-x1+2x2~6
X1~0
X2~0 (56)
max(2x1 + x2).
92
Domeniul soluţiilor posibile se vede în figura II,7, unde prin D1, D2,
~ 3 am notat dreptele generate de restricţiile problemei (în ordinea în
Zz
Fig, ll,7.
93
în exemplele propuse spre a fi rezolvate ca exerciţii ·se vor 'întîlni
cazuri cînd problema de maxim nu are soluţie optimă, iar problema de
minim cu aceleaşi restricţii şi aceeaşi funcţie de optimizat are solutie
optimă, şi invers.
A
Xz ----
Fig. II,8
t 6. Programe de bază
94
unde matricea A cu m linii şi n coloane este de rang m, adică vectorii-
linie a,, 1 ~i ~m, sînf liniar independenţi. Presupunem în plus că m<n
deoarece în caz contrar (mi-n) problema are o singură soluţie admisibilă
şi optimizarea este banală.
Def i n iţi a l. Vectorul x este numit soluţie de bază a problemen
(57) dacă sint îndeplinite următoarele două condiţii :
a) Vectorul x este soluţie a sistemului de ecuaţii
Ax=b.
b) Coloanele matricei A corespunzătoare componentelor nenule ale
vectorului x sint vectori liniar independenţi.
D e f i n i ţ i a 2. Soluţia de bază x se numeşte program de bază.
dacă toate componentele vectorului x sînt nenegative (x ~ O).
Din Definiţia 1 şi din faptul că rangul matricei A este m urmează
că o soluţie de bază are cel mult m componente nenule; o observaţie
asemănătoare se poate face, conform definiţiei 2, pentru programele de·
bază.
Definiţi a 3. Soluţiade bază (programul de bază) x se numeşte
nedegenerată dacă are exact m componente nenule şi degenerată în
caz contrar;
Definiţi a 4. Matricea patratică nesingulară B formată cu m:
coloane ale matricei A care are m linii şi n coloane (m ~n) şi de·
rang m, se numeşte bază.
Este clar că oricărei baze B îi corespunde soluţia de bază xB=B- 11>
şi x =0. Dacă soluţia de bază x este nedegenerată atunci coloanele matricei.
8
95-
Ealitatea putem presupune că cele p componente diferite de zero ale vecto-
.rului x sînt chiar primele p componente, adică x=(x1,x2, ... ,xp, 0, .. ,0)'.
Dacă p=O avem chiar cazul x=0, cînd afirmaţia teoremei este evidentă.
Dacă p >0 sînt două posibilităţi:
a) Vectorii at,a2, ... ,aP, corespunzători celor p comp,onente nenule
.ale lui x, sînt liniar independenţi. în acest caz, conform Definiţiei 1, rezultă
,că x este program de bază.
b) Vectorii a 1,a2, ... ,aP sînt liniar dependenţi. Aceasta înseamnă,
-conform definiţiei, că există numerele y1,Y2, ... ,yp, nu toate nule, astfel
iîncît să avem satisfăcută relaţia
(58)
!Dacă notăm prin y vectorul cu primele p componente Y1,Y2, ... ,y11 , iar
următoarele n-p componente nule, adică y=(y1,Y2, ... ;yp, 0, ... ,0)', relaţia
1(58) se mai poate scrie sub forma Ay=0 cu y ;t:0. Este clar că avem atunci
A(x+1,.y)=Ax+1,.Ay=b (59)
i)entru orice număr real :;>. ; cu alte cuvinte x+ :;>..y este soluţie a sistemului
<ie ecuaţii Ax=b pentru orice număr :;>..eR. Putem acum determina
valori ale lui:;>.. pentru care x+:;>..y este chiar program, adică avem îndepli-
nită şi condiţia x+:;>..y~0. Să notăm pentru aceasta prin / 1 mulţimea
.dndicilor i, I ~i ~m, pentru care y1, >0 şi prin / 2 mulţimea indicilor i,
li ~i ~m, pentru care y1, <0. Fie
Ât=
max
iE/J
(-x,) dacă /
Yi 1
;t: 0
{
- 00 dacă /1=0,
!.96
avem îndeplinită şi condiţia x+~Y~O. Putem alege acum o valoare
Ao pentru care vectorul x+ Âoy să aibă cel mult p-1 componente pozi-
tive.într-adevăr, putem lua l.o=-l1 dacă Xt= +oo şi A.o=~ 2 dacă ~1 =-oo.
Coloanele corespunzătoare componentelor pozitive (în număr de
cel mult p-1) ale programului x+i.oY pot fi sau liniar independente
(cazul (a) studiat mai sus) sau liniar dependente. în ultimul caz se reia
raţionamentul de mai sus; într-un număr finit de etape vom ajunge
la cazul (a) şi vom obţine un program de bază.
Te ore ma 2. Dacă problema de programare liniara (57) are un
::,rogram optim, atunci are un program optim de bază.
Demonstra/ie. Fie x un program optim care are primele p compo-
nente pozitive. Ca şi în teorema precedentă, pentru p=O rezultatul se
obţine imediat. Dacă p >0 atunci avem de considerat două cazuri :
a) Vectorii a1, a 2, ... ,aP sînt liniar independenţi. în acest caz
demonstraţia este terminată deoarece x este chiar program de bază.
Variabilele de bază
I Soluţia de bnză I Valoarea runcţiei obiectiv
98
Numărul maxim al bazelor corespunzătoare matricei acestei prQbleme
de programare liniară este q= 10; soluţiile de bază corespunzătoare le
înscriem în tabelul l. În acest tabel sînt trecute valorile corespunzătoare
ale funcţiei obiectiv pentru soluţiile de bază admisibile.
Se vede că cea mai mică valoare a funcţiei obiectiv este 67/12 şi se
" "
obţine pentru programul optim de bază x2= 11/12 şi x3=5/4.
Trebuie să observăm aici că numărul maxim al soluţiilor de bază
creşte foarte repede o dată cu creşterea lui m şi n, ceeea ce face dificilă
aplicarea acestei metode.
99
baza B, adică fac parte din matricea S. Este clar atunci că fonnula (60)
poate fi scrisă şi sub forma
unde (63)
yf=B-1a1 (64)
folosind şi relaţiile (60). Relaţiile de mai sus pot fi puse şi sub forma
(66)
unde
(67)°
(68)
100
Cînd nu va fi pericol de confuzie, vom neglija scrierea indicelui superior
B în formulele de mai sus, scriind în loc de x11, yf, z f, :z 8 , mai simplu
~. Yi, Zj, z.
Algoritmul simplex se bazează pe următoarele teoreme :
~(zf-c1)Xj ~0
/eS
datorită faptului că zf-c; ~O, jES, din ipoteza teoremei. Rezultă atunci
din formula (66) că avem
z8 =#-fi(zf-c;)x;~ aA
iES
101
conform cu relaţiile (65). Dacă notăm cu z0 valoarea funcţiei obiectiv
corespunzătoare acestui nou program (care nu mai este în general un
program de bază) vom obţine conform cu relaţia (66)
(70)
lim z=-oo.
xk0 ➔ co
min
i/Ytk>O Ufk
x, = x,
UU
(73)
102
Demonstraţie. Să notăm cu I mulţimea indicilor iE B pentru care
avem Yak>O. Condiţiile (71) sînt satisfăcute dacă
-x, "E/ ,
Xk~-, t
YO:
sau, ceea ce este acelaşi lucru,
. $' $(
Xk~mm-=-,
iH Ylk Yit
(74)
Dacă există mai mulţi indici k pentru care z1c-c1c >0 este indicat · să
alegem ,pe acela pentru care (74) este cea mai mică valoare a funcţiei
obiectiv, adică acel indice k pentru care se realizează ···
~l :Cz
max (zf-c1)-=·- (zf-c1c). (75)
j YII Ylk
iOa
t 9. Algoritmul simplex. Tabloul slmplex
şi transformarea sa
Ylk
-Xl
Ylk
(78)
dacă mulţimea / a indicilor iE B pentru care Yik >0 este nevidă. Dacă
mulţimea / este vidă (adică Yik~O pentru toţi iEB}, atunci problema.
are optim infinit.
d) Se înlocuieşte în baza B vectorul al cu vectorul ak. După cum·
vom vedea imediat (82)-(8!_, de mai jos) cantităţile ii,
zB, 2f-ci şi yf ·
corespunzătoare noii baze B se pot determina uşor cu ajutorul mări
milor x8, z8 zf-ci şi yf corespunzătoare bazei B. Se reia apoi aplica-
rea algoritmului începînd cu pasul b), înlocuind peste tot baza B cu
noua bază B.
Paşii b), c) şi d) de mai sus alcătuiesc o iteraţie a algoritmului sim-.
plex pentru problema de minimizare (57). Pentru problema de maximi-
zare sub forma standard
Ax=b
x;;;:,;O
max c'x
•) Modul ln care poate fi determinată o bază prima) admisibilă va ri precizat:.::
tn § 12.
104
singura modificare necesară în enunţul de mai sus al algoritmului constă
în înlocuirea pasului b) cu pasul b' :
b') Se determină coloana care intră în bază cu ajutorul criteriului
de intrare în bază :
mm
· -c;) =Zk8 -C1c
( Z1B (79)1
j
dacă există indici j pentru care zf-c;<O. Dacă pentru toţi jES avem
zf-c; ~ O atunci programul de bază corespunzătorbazei B este optim ..
Pentru ordonarea şi facilitatea calculelor se utilizează în aplicarea
practică a algoritmului tabele simplex. Acestea sînt nişte tabele obişnuite
care au m+ l linii şi n+ l coloane. Fiecărei baze utilizate în cursul
algoritmului i se ataşează un tabel simplex. în prima linie a tabeluluii
simplex se înscriu mărimile zB şi zf-c;, I ~j ~n. Următoarele m lini~
conţin componentele vectorilor coloană x11 şiyf, I ~j~n; cu alte cuvinte„
o linie oarecare i, i E B, are ca elemente pe xf şi yft, I ~ j ~ n. Prezentăm
alăturat tabelul simplex corespunzător unei baze B, indicînd numai
prima linie şi linia i, iE B.
-B ..„B
, - Ci
X
105
În legătură cu completarea tabelului simplex este bine să facem
rurmătoarele observaţii :
a) Valoarea funcţiei se obţine simplu din
zB=~c,xf. (80)
iEB
,_ XI ,_, Yli
xB=-,yB = - (82)
k Ylk k/ Ylk
-
X{Ult-X,Ut1:
- _, YliUlk - U11:UIJ
yB ' (i =I= l) (83)
YU: . ' l/ Ylk
xi=xz- ~ YzJXJ-YZ~k
/ES -(k)
106
- Pe ·de· altă parte, deoarece variabila xk va face part?. din -noua bază
B, vom avea conform formulelor (65) :
Xk=X!-~YZ, Xj (86)
J'is
unde S g_:_ {k} u {l }. Comparînd (85) şi (86) rezultă imediat, prin
indentificare· formulele (82).
Mai' departe, pentru ie8-{k} obţinem din (65) şi (85) că :
pentru noua bază R Comparînd acum (87J şi (88), obţinem prin iden-
tificare formulele (83),
în sfîrşit, pentru demonstrarea ultimelor :armule, avem din (6~
:şi (85) următoarea exprimare a funcţiei obectiv z în variabilele XJ, 'jeS
~ ~
1
z=z- (ZJ-CJ)X;-(zk-ck) [ - (xl - Y11X1-xi>]
JES-(k) llU: /€S-(k)
107
pentru baza B, care se obţine din baza B prin înlocuirea vectorului a'
cu vectorul ak, se obţine în modul următor:
a) toate ţlementele din linia pivot se împart la pivot ;
b) toate elementele din coloana-pivot devin zero, cu excepţia pivo-
tului, care devine 1 ;
y ~
c) toate celelalte ele-
J ~- - -· - - - - - - - - - - -, .h mente ale tabelului sim-
! i plex se transformă după
I I regula dreptunghiului, care
I
t este următoarea : dacă ne
I imaginăm un dreptunghi î111
I care una dintre diagonale
t
I este determinată de ele-
.._ - - -- -- - - -
~~ mentul Yii ce trebuie tran-
;; sformat şi pivotul Y~k' atund
noua valoare Yiidin tabeluî
simplex corespunzător bazei
Fig. 11,9
B se obţine scăzînd din y,,
cîtul dintre produsul elementelor ce se află în celelalte două vîrfuri ale
dreptunghiului şi pivot (vezi şi figura I I, 9) :
_, YlkYIJ
YH=YH---.
UA:I
§ 10 Probleme rezolvate
108
iatoarele electronice, care pot face calculele necesare mult mai rapid şi mai
corect, putînd rezolva uşor probleme de programare liniară în care apar
sute de restricţii sau de variabile.
Exemplul 1. Să rezolvăm următoarea problemă de programare
Hiniară :
X1-X2~4
3X1-X2~ 18
-x1+2x2~6
Xt, X2 ~Q
max (2x1+ x2).
x1-x2+xa
3x1-x2+xa
-x1+2x2
XI, X2, X3, X4, X5 ~Q
max (2x1+x2) •
x 8 --:-B-_1b
.. ·
=(~ ~ ~) (1!) ={4 18 6)',
OO 1 6 . .
109
yl!=B-'al=al
. .I .
.z1/-cJ=c~B-. 1a1-cJ=(O O O)a1-:-c1=-CJ
zB=c~B- 1b=O
Cunoscînd aceste date putem forma tabelul simplex corespunzăto.
bazei B:
I o I -2
Xi X2
-1 I
X3
o I
X4
o r+-:
:t3 4
18
I 1 3I -1
-1
1
o
o
1
()
o
;
I
:te
o o
:ta
I 6 -1 2
I 1
In prima coloană este scris vectorul x8 =(4 18 6)', iar în celelalte sînt
trecuţi vectorii ,//=ai: a1=(1 3 -1)' în prima coloană, a2=(-l -1 2)"
în coloana a doua etc. Cantităţile z8 =0 şi zf-c,=-c1 sînt trecute în
prima linie a tabelului.
Deoarece avem o problemă de maximizare, vom aplica algoritmul
simplex corespunzător, adică în care fiecare iteraţie este compusă din
paşii b'), c), d) ; pasul iniţial a) a fost deja efectuat o dată cu completarea,
primului tabel simplex.
Iteraţia 1. Deoarece există indici j e S pentru care avem zf-c;<O
(de exemplu zf-c1 =-2), rezultă că baza B nu este optimă. Aplicînd
criterul de intrare în bază dat în pasul b') al algoritmului dettrminăm
vectorul care va intra în bază:
min (zf-c1)=min (-2, -l)=-2=zf3-c1;
.
minimul realizîndu-se pentru'k=l urmează că va intra în bază vectorul a 1 •
Trecem acum la pasul c). Deoarece există indici i e B pentru care
gu>O, vom determina vectorul care părăseşte baza cu ajutorul criteriu-
lui de ieşire din bază :
min (
i/u,1>0 ; ;
x, )=mm. {14 ' 31s ) = i_t -_ i:,
y i'
3
110
ceea ce arată că vectorul a 3 va părăsi baza. Pivotul va fi în acest caz
Ya1; dator.ită rolului pe care îl joacă acest element la transformarea tabe--
lului simplex îl încadrăm. -
Putem acum trece la ultimul pas al primei iteraţii. Pentru construirea,
noului tabel simplex, tabel ce corespunde bazei B (al, a4, a 5) obţinută
din baza precedentă B prin înlocuirea vectorului a1 cu vectorul a1, vom
aplica regulile de transformare stabilite în paragraful precedent pe baza
formulelor (82)-(84). Linia pivotului se împarte la pivotul y31=l ;.
deoarece acesta are valoarea I, linia pivotului va rămîne neschimbată.
Toate elementele coloanei-pivot se înlocuiesc cu O, în afara pivotului,
care se înlocuieşte cu I. Celelalte elemente se transformă după regul8i
dreptunghiului. De exemplu, noua valoare a lui z devine
Q 4(-2l =B.
1
%1
I 8
4
I
X1
o
1
-~r+-1 -1 1
X4
o
o
I
Xş
o
o
j
I
l
I
:,
~
x, 6 o f2l -3 I o
xa 10 o -1- 1 o 1
)
llll
Iteraţia 2, pasul b'. Programul corespunzător bazei B nu este optim
deoarece există indici j pentru care z;-c;<O; aplicînd criteriul de in-
trare în bază rezultă că vectorul a2 va intra în noua bază.
Iteraţia 2, pasul c). Aplicînd criteriul de ieşire din bază
. ( -6
mm -10) = -
6
2' 1 2
l
'
X1
I 17
7
I X1
o
1
I
I
X2
o
o
I -5/2
-1/2
X3
I I X4
-3/2
1/2
Xi;
o
o
X2 3 o 1 -3/2 1/2 o
X3 7 o o 1s12I -1/2 1
:
Iteraţia
3, pasul b'). Programul actual nu este optim deoarece există
indicii j pentru care z;-c; <0. După aplicarea criterului de intrare în
tbază rezultă vectorul a 3•
Iteraţia 3, pasul c). Aplicînd criteriul de ieşire din bază rezultă că
vectorul a5 va ieşi din baza actuală.
Iteraţia 3, pasul d). Efectuînd un pivotaj în jurul elementului y53 =5/2
se obţine noul tabel simplex :
X1
I 24
42/5
I I -I~
X1
o
1 o
X2
o
o
X4
2/5
I X5
1/5
i
Xa 36/5 o 1 o 1/5 3/5
X3 14/5 o o 1 -2/5 2/5
112
· Iteraţia 4, pasul b'). Deoarece toţi z1-c,~0 rezultă că baza actuală
este optimă. Programul optim al problemei de programare linîară consi•
derată este : X1=42/5, x2=36/5, X3= 14/5, X4.;._0, xs=0, (x4 şi x5 au valoarea
zero deoarece sînt variabile
secundare).
Pentru problema consi- \
\
derată mai sus se poate da o
interpretare geometrică în mo-
c(-~2, ;5)
\
dul următor. Poligonul OABCD ,~~
114
Este clar că matricea
-<
A - a1' a2 ' u-, a4>_(2
_q
- 1 31-1O -1 o)
are rangul 2. Vectorii coloană corespunzători variabilelor ecart (adică
vectorii a3 şi a4) formează o bază, care nu mai este însă admisibilă, deoa-
rece soluţia de bază corespunzătoare este x~=-3, x4 =-4, x 1=x2 =0
şi nu verifică condiţiile de nenegativitate.
Se poate vedea însă că baza B=(a1, a2) este admisibilă, adică poate
fi luată drept bază de plecare. Pentru a alcătui tabelul simplex cores-
punzător acestei baze trebuie să calculăm xB= B-1b şi y~ = B-1ai ; aceste
cantităţi apar la înmulţirea relaţiei Ax=b la stînga cu inversa bazei B,
care este:
B-I= ( 3/5 -1/5) .
-1/5 -2/5
Scriind dezvoltat acest lucru obţinem:
(l-115
3/5 -1/5) (2 1-1 o) (;:) = (-115
2/5 1 3 O -1
3/5 -1/5) (3)
X3 4 2/5✓
X4
3 I
X1--xa+-x4=1
5 5
X1 + 51 xa+ 52 X4=l.
Tabelul simplex se alcătuieşte acum imediat :
I :,;1
I Xz I X3
I x,
f:I'.
7 3/5 -11/5
X1 1 -3/5 l/5
X2 l I l/6 I -2/5
115
Iteraţia
t. Deoarece există indici j pentru care avem z;-c;"><J
(problema noastră
este de minimizare) rezultă că programul de bază
corespunzător nu este optim. Criteriul de intrare arată că vectorul care
va intra în bază este a 3• Aplicînd criteriul de ieşire din bază rezultă că
vectorul a2 părăseşte baza. ·Efectuînd transformarea tabelului simplex
precedent (pivotul este y2a= 1/5) obţinem tabelul simplex pentru noua
.bază:
i:-1
I I
X2 X3 x,
o
::I
4 -3 -1
4 3 I -I
" 5 o 5 I -2
I
X}
Deoarece toţi z1-c; sînt
nepozitivi rezultă că am ob-
ţinut programul optim x1 =4.
X2=0, Xa=5 şi X4==0. În figu-
ra II, 11 este reprezentată
mulţimea soluţiilor primei
probleme de programare lini-
-..t_"'I~
-- ară considerată aici; tronso-
nul programelor este în acest
caz mulţimea convexă ne-
mărginită determinată de
Fig. II,11
segmentele A B şi BC şi semi-
dreptele Ax2 şi Cx1. Este clar
că iteraţia făcută se poate interpreta geometric ca o deplasare din
vîrful B pînă în vîrful C pe muchia BC.
Exemplul 3. Să considerăm acum problema determinării
max (.x.1+6.x2) cu restricţiile problemei de programare liniară de la
exemplul 2. Luînd drept bază iniţială tot pe !3=(a1, u2) şi utilizînd aceeaşi
observaţie ca mai sus obţinem primul tabel simplex :
1];6
Tabelul simplex corespunzător bazei B-(o1, a 3)
I I :r,
r:-
X1 X2 X3
o o 3/5 -11/5
I X1 I :t·2
I :l'3
I x,
o
i:- ~j:
18
X4 5 o 1
x, 3 1 o
117
la alta, valoarea funcţiei obiectiv poate scădea (pentru o problemă de
minimizare) sau poate rămîne aceeaşi. Dacă valoarea funcţiei obiectiv
scade la fiecare iteraţie atunci nici o bază nu se poate repeta, deoarece
fiecărei baze îi corespunde un program de bază cu o anumită valoare
a funcţiei obiectiv. în acest caz rezultă că într-un număr finit de iteraţii
(numărul bazelor fiind finit) se ajunge la programul optim sau se pune în
evidenţă faptul că optimul este infinit. Spunem în acest caz că algoritmul
simplex este convergent într-un număr finit de paşi (iteraţii).
Dacă valoarea funcţiei obiectiv nu se modifică în cursul cîtorva
iteraţii succesive, este posibil să revenim la una din bazele deja utilizate
şi atunci procesul poate continua la infinit fără a conduce la soluţie;
în acest caz spunem că avem ciclare sau că problema ciclează.
Aşa cum am văzut, variaţia funcţiei obiectiv la efectuarea unei
iteraţii este
şi această expresie este nulă dacă şi numai dacă X 1=0, adică dacă pro-
gramul de bază corespunzător este degenerat; afirmaţia precedentă
se bazează pe faptul că Zk-Ck#:0, cum rezultă din algoritmul simplex.
Pentru o problemă nedegenerată, convergenţa algoritmului simplex
într-un număr finit de paşi este asigurată. În cazul unei probleme dege-
nerate, adică avînd cel puţin un program degenerat, este posibilă în
principiu ciclarea.
Atragem atenţia asupra faptului că degenerarea nu implică în mod
necesar ciclare : deşi foarte mul te probleme practice sînt degenerate
nici una nu a ciclat pînă acum. Mai mult, exemplele de ciclare sînt destul
de puţine şi au fost construite nu fără dificultate. Deoarece teoretic există
posibilitatea ciclării, este totuşi necesar să găsim o cale pentru a o evita.
Un procedeu de acest fel constă în evitarea degenerării programelor de
bază. În acest scop se „perturbă" vectorul b, înlocuindu-l cu
n
b+ t aM,
/=I
118
Fără să intrăm în detalii şi fără a face demonstraţiile de rigoare vom
da numai regula practică ce trebuie aplicată atunci cînd sîntem în situaţia
de a obţine un program de bază degenerat în cursul aplicării algoritmului
simplex. Această situaţie apare atunci cînd în criteriul de ieşire din bază
minimul nu este unic :
Io=
. . {YJ1:
x1 ) = Yn
;, ,}
{i: . mm
1/v,1:>0 .
119
Exemplul 1. Să considerăm următoarea problemă de programare
liniară sub forma standard:
2x1-x2+xa
X1-2X2
x1+x2
X1, X2, X3, X4, X5 ~ 0
min(-x1+x2).
Este clar că o bază iniţială este (a3, a4, a 5 ). Conform regulei practice
dată mai sus, pentru evitarea ciclării este necesar să renumerotăm va-
riabilele astfel încît baza iniţială să fie formată din primele trei co-
loane:
X1 +2x4-X5=4
X2 +x4-2Xs=2
xa +x4+xs=5
X1, X:, X3, ,.ţ"4, Xş ~Q
min(--x4+x5),
Cu această renumerotare a variabilelor, baza iniţială este formată din
primele trei coloane B=(a1, a 2, a3). Tabelul simplex corespunzător se
obţine imediat :
I o I
X1
o I
X2
o l~-1 a·,
1
I- - -· ---
.t·r,
-1
4 1 o o 2
.I -1
X1
X2 2 o 1 o rn -:!
xs·. 5
I o o 1 -1-
I i
Deoarece există indici j pentru· catje z;-c; >0 vom introduce în bază
vectorul a4 cum rezultă din criteriul de intrare în bază. Criteriul de
ieşire din . bază_; .este
-
min ~ =min(4/2, · 2/1, 5/1)=4/2=2/1.
i/u,."?!, U«.
120
minimul nefiind deci unic. Cu notaţiile date mai înainte avem Io= {I, 2} ...
Va trebui deci să calculăm
min
IE/o
(Yfi)
Yfc
=min(l/2, 0/1)=0/I =0,
X1 x .. :1:3 X4 X5
.'
I -2 I o I -1 I o I o I 1
!
X1 o 1 -2 o o j3j
x, 2 o t o 1 ~
:t'3 3 o -t o o 3
lt
I
X1
~I X3
I
X4
I
X5
X5
x,
X3
I -2
o
2
3
-1/:J
-1
1/3
2/3
-2fJ
3
7/3
_Lo o
O
1
II
o
o
1
o
o
1
o
o
12\.
~
!
....
I
r,
I 3 I I I I I~
X1
3
X2
o
X3
o
o
X4
-2
X6
o
1 3 o 5 1 2
X:1 3 9 1 o -2 o 6 o
X3 o -4 o 1 1 o -5 o
X7 2 6 o o -7 o 4 1
:şi deci / 4= {7} ; cu alte cuvinte vectorul care va părăsi baza este a1 •
122
t 12. Determinarea unui program de bază init ial
Vom expune în cele ce urmează o metodă de determinare a unui
program de bază iniţial numită metoda celor două faze. Această me•
fodă constă în următoarele: ·
a) Se transformă toate restricţiile în ecuaţii
Ax=b (89)
.cu b ~ O ; dacă există componente bi <0 înmulţim restricţiile corespun•
.zătoare cu -1 ;
b) Se adaugă la fiecare ecuaţie cîte o variabilă artificială
m
~ <llJXJ+xf =bt, (90)
i=l
sau, în formă matriceală,
Ax+I.xa=b. (91)
Este clar că restricţiile (89) şi (91) vor fi echivalente dacă xf=O
pentru toţi i. Pentru a obţine ca toate variabilele artificiale să devină
nule vom rezolva problema de programare liniară :
Ax+I.xa=b
x, .xa ~o (92)
min(X:+~+ ... +~).
Este clar că pentru rezolvarea acestei probleme de programare liniară
dispunem de o bază iniţială care este chiar matricea unitate I ataşată
variabilelor artificiale.
c) Se analizează ultimul tabel simplex obţinut la rezolvarea pro-
blemei (92). Există următoarele cawri posibile :
c, I) Dacă min (X:+~+ ... +x:Z)=O rezultă că toate variabilele
artificiale sîn.t nule, deoar~e xf ;a,; O. în acest caz baza optimă a pro•
blemei (92) constituie o bază iniţială a problemei iniţiale.
c, 2) .Dacă min (X:+~+ ... +X:,) >O rezultă că problema iniţială
nu are programe. într-adevăr, dacă presupunem că problema iniţială
........,.,,.
are un program x, atunci rezultă că· f;, xa=O) este program· optim al
problemei (92) şi deci am obţine min (xj+~+ ... + X:,) =0, ceea ce-·
ar contrazice ipoteza.
Pentru rezolvarea problemei iniţiale vom proceda deci în două
faze: în prima fază rezolvăm problema (92); în cazul c, 1) continuăm
rezolvarea problemei iniţiale adoptînd drept bază iniţială baza optimă
a problemei (92), operaţie care constituie faza a doua a rezolvării pro-
blemei propuse. Dacă la sfîrşitul primei faze obţinem cazul c, 2) se
pune în evidenţă faptul că problema iniţială nu are soluţii (tronsonu?
programelor este mulţimea vidă). . .
Vom face în cele ce urmează cîteva observaţii titile în aplicarea
practică a metodei celor două faze.
O b se r v a ţ i a 1. Introducerea variabilelor artificiale face ca
rangul matrieci (A, /) să fie totdeauna m, astre.I că nu mai este nece~r
să presupunem ca de obicei, că rangul matricei A este m. Dacă ranguf
lui A este mai mic decît m sau dacă problema este degenerată, atuncii
este posib_il ca min(xj+~+ ... +X:,)=0 şi în acelaşi timp să . mai ră
mînă în bază variabile artificiale, care au desigur valoarea ·zero. Trebuie-
să subliniem faptul că faza I se consideră încheiaţ~ î:o mqmentul în care-
toate variabilele artificiale sînt eliminate din bază. Mai precis, dacă
rangul lui A este m, dar problema este degenerată, variabilele artifi-
ciale care sînt în bază şi au valoarea zero pot fi înlocuite totdeauna
cu variabile ale problemei iniţiale, care vor lua de asemenea valoarea.
zero. Dacă rangul lui A este mai mic decît m, nu este posibilă elimi-
narea tuturor variabilelor artificiale din bază. în acest caz liniile ma-
tricei A corespunzătoar~. acestor variabile ai-tif1ciale sîn( c~·Înbinaţii ·al~
celorlalte, adică restricţiile corespunzătoare sînt consecinţe ~le ceior-
lalte şi pot fi neglijate; cu alte cuvinte liniile respective· ale tabelulu~
simplex sîrit pur şi s1mpfo eliminate. · ....
Este acum clar că, în aplicarea metodei ·celor două faze„ nu· va fi
nevoie să verificăm faptul că· A este de rang· m·; dacă rangul mafricei
A este niai" mic· decît m, aceasta rezultă diff ultimul taber simplex al
fazei I, aşa cum am observat mai sus. . • •
O.b:se r.v aţi a 2. Dacă în problema· iniţială există •v·atfabile care
apar numai· într-.o -si,igură·,restricţie . şi au- coeficientul egal:cm--1, atunei
124·
'\'cctorii corespunzători· acestor variabile pot fi incluşi în baza iniţială
în acest .eaz la ecuaţiile r-espective nu se mai adaugă variabile artificiale.
Observ a t ia 3. În unele cazuri este necesar ·să cunoaştem in·
versa bazei utilizată la un moment dat în aplicarea algoritmului sim-
plex. În acest caz nu mai înlăturăm din tabel coloanele corespunzătoare
-variabilelor artificiale, cum facem în mod obişnuit; aceste coloane sînt
menţinute în tabel şi transformate la fel ca celelalte coloane, fără a
mai fi însă admise în bază. În fiecare tabel al fazei II, în aceste coloane
se găseşte matricea B-1/ =B-1, adică inversa bazei curente B. Aceeaşi
,observaţie este valabilă dacă A conţine o matrice unitate I.
min(2x1+~2)-
Aducem problema la forma standard introducînd variabilele ecart xa,
JC4, X5:
3x1+x~x4 =3
4x1+3x2 -X4 =6
x1+2x2 · -xs =2
ras
Deoarece o bază iniţială nu se pune în evidenţă uşor în acest caz„
sîntem conduşi la utilizarea metodei celor două faze. În prima fază
vom rezolva problema de programare liniară
3x1+x2-xs +~ =3
4x1+3x2-X4 +.x; =6
X1+2x2 -X5 +~ =2
X1, X2, X3, X4, X5, .XÎ, ½ X3 ~Q
min(.xî+x'2+ x 3)
unde xi, _x;,
x'j sînt variabile artificiale.
Această problemă are o bază iniţială admisibilă formată din coloanele
corespunzătoare variabilelor artificiale. Primul tabel simplex se obţine
imediat:
. Xi X2 X3 x, x, xa
I
xa
2 •l.'a3
I 11 8
-6- --1- -1 -1 I o o o
xa
1 3 13 I 1 -1 o o 1 o o
:,;a
2
6 4 3 o -1 o o 1 o
xa
3 2 1 2 o o -1 o o 1
~
xa
Xi Xz X3 x, x, r': 3
I 3 o 10/3 5/3 -1 I -1 I o
X1 1 1 l/3 -1/3 o o o o
:ra 2 o 5/3 4/3 --1 o 1 o
2 ţ
:ra
3 1 o I 5/:i I 1/3 o -1 o 1
t
i
12~
în acest tabel simplex nu am mai transformat coloana variabilei artificiale-
x't care a părăsit
baza, deoarece nu vom mai folosi în continuare-
această variabilăde bază.
Este clar că nu am obţinut încă soluţia optimă a problemei pe care:
o rezolvăm în faza I. Ultimele două tabele simplex sînt următoarele._
~
Xi X9 X3 xa :rP2 :ta
I 3
-O- -1- _:_~
-:
I
I 1 o -1 1 o
X1 4/5 1 o -2/5 o 1/5 o 'i
xa
2 1 o o 1 -1 l1 I 1
x, 3/5 o 1· 1/5 o -3/5 o
'
I o o I o I o I o I o I I I I
;
Prima fază
se termină astfel cu min(x1+½+xâ)=0 şi nici o va-
riabilă artificialănu mai face parte din bază.
Trecem acum la faza a doua, adică la rezolvarea problemei datăt
iniţial, folosind drept bază iniţială baza B=(a1, a5 , a2) obţinută în ul-
timul tabel simplex al fazei I. Este clar că elementele x8 =B-1b şi yf=
=B-1ai necesare pentru completarea primului tabel simplex din cadrul
fazei a doua sînt deja aflate în ultimul tabel simplex de la faza I..
Cantităţile z8 =2x1+x2= 12/5 şi zf-c, (în fapt : z3-c3 =-2/5, z4- -
-c4 =-1/5) se calculează imediat şi deci putem alcătui primul tabel,
simplex de Ia faza a doua :
Xi
I 12/5
3/5
l~I
I 1
x,
o
o
I -2/5
-3/5
%3 :t,
-1/5
1/5
I Xa
o
o
1
i
I
I
l
1 o o 1 -1 1
I
%15
o o
Zz 6/5 1 4/5 -3/5
'I
127
Deoarece toţi z;~J ~ O, am determinat chiar programul optim :
x-1=3/5, x2=6/5, xa=X4=0, xs= I ; valoarea minimă a funcţiei obiectiv
este 12/5.
Exemplul 2. Să considerăm problema de programare liniară sub
forma standard :
x1-x2+xa =l
x1+x2 -x4 =l
+xs =1
+xa-X4 =2
Xt, X2, X3, X4, X5 >0
min(2x1+3x2).
Pentru rezolvarea problemei prin metoda celor două faze vom in-
troduce variabilele artificiale .xf, ~' .xg ; nu este necesar să introducem
o variabilă artificială în restricţia a treia deoarece variabila x5 poate
fi considerată variabilă de bază (această variabilă apare într-o singură
restricţie şi are coeficient egal cu unitatea).
În faza I vom rezolva deci problema de programare liniară :
x1-x2+xa +X: =1
x1+x2 -x4 +.~ =1
X1-2X~ +X5 =1
2X1 X3-X4+ ~ + =2
XbX~~'~'~'~'~'~>O
mi~(x'î+~+~).
Baza iniţială este formată din coloanele matricei A corespunzătoare
variabilelor X:, ~' x5 , X.· Deoarece această bază este unitară, primul tabel
-simplex se completează imediat :
HL-1
:.rf'2 :ca
I l+l+I
X1 X4 X5 3
4 4 -2 o o I o
:,;a
I 1 I1 I -1 1 o o 1 o o
:,;a
2 1 1 1 o -1 o o 1 o
%5 1 1 -2 o o 1 o o o
z: 2 2 o 1 -1 o o o 1
128
Vectorul care intră în bază este evident a1, conform criteriului de
intrare în bază. Oricare dintre vectorii corespunzători variabilelor xf,
.t2, x5 X.: poate părăsi baza, după cum ne indică criteriul de ieşire din
bază ; pentru a face o alegere*, vom elimina din bază vectorul cores-
punzător lui x'i, obţinînd următorul tabel simplex :
I~ I
~
x, x, X11 xi
a
x2
a
x3
a
I o o 1-4-·~ 2 o -4 o o
Xt 1 1 -1 1 o o 1 o o
xa o o 121 -1 -1 o -1 1 o
2
X5 o o -1 -1 o 1 -1 o o
.r~ o o 2 -1 -1 o -2 o 1
~
xa
X1 x, X11 x, xa
I 2 4
I o o o Io Io -2 -2 o
X1 1 1 o 1/2 -1/2 o 1/2 1/2 o
X2 0 o 1 -1/2 -1/2 o -1/2 1/2 o
:t'5 o o o -3/2 -1/2 1 -3/2 1/2 o
xaC o o o o o o -2 -2 o
*) Din punct de vedere teoretic ncest mod de a. proceda nu este. corect, deoarece
ne-nr putea duce la ciclare ; totuşi, tn practică procedăm ln 'acest' mod clnd rezol-
văm manual o problemă.
:Z:1
2
1
r-1 1
X:a
o
o
I
X:i
-1/2
1/2
I
x,·
-5/2
-1/2
I
Xs
o
:z:, o o 1 -1/2 -1/2 o
X5 o o o -3/4 -1/2 1
Exercijli ti probleme
1. X:i-X2~4 2. x1+x2~ I
3.x1-X2~l8 X1~0, X2~0
X1~0, X2~0 max(x1+x2)
max(2Xi + x 8)
130
3. x1+x2::s;; 1 4. X1-X2::s;; 1
x1-x2::s;; I X1-2x2::s;;I
X1~0, X2~0 X1~0, X2~0
max(x1+ 2x2) max(x1+2x2)
R: (0,1); 2 R: Nu cxish'\ solutie optimă.
5. x1+2x2~ I 6. x1+x2~ I
2x1+x2::s;;I x~2x2~l
X1-x2::s;; 1 2x1+3x2~2
X1-2X2~ I 3x1+2x2~3
1
2x1-x2::s;;l x1+x2~ 2
X1~0, X2~0 X1~0, X2~0
max(x1+ x2). min(x1-X2).
R: (13' 3'
1) 32 ( :32)
n: o,- ; - 2
-
3
7. O~x1::s;;I 8. 1 ~x1+x2~2
O::::;; x2::s;;2 2~X1-2X2~3
0~x1+x2~3 I ~2x1-X2~2
- I ~X1-X2~0 X1~0, X2~0
min(x1+x2). max(x1-x2).
R: (O, O); O. n: Nu există soluţie posibihi
131
li. -1 <-x1+x2< 1 12. x1-2x2< I
x1+x2~-l 2x1-x2< 1
-x1+2x2<2 3x1+x2~0
2X1-X2<2 2X1-X2~0
X] ~0, X2~0 2X1-3X2~3
max(3x1+4x2). X1~0, X2~0
n: (2, 2) ; 10. +
min(2x1 x2).
Jl: Nu există soluţie posibilii.
13. -2x1+x2< I
-x1+x2<2
3x1+x2~8
-2x1+3x2~ -9
4x1+3x2~0
X1~0
X2 oarecare
min(5x1-l 0x2).
ll: (1, 5; 3, 5); -27, 5.
3x1-2xr-xs =I
X1 +2xs+x4=l2
2x2+xa+3x4= 16
X1, X2, X3, X4 ;;i, 0
max( 1Oxi-7x2+2xs-x4)
lndieuţie. Se foloseşte metoda celor două faze. Se obtinc programul optim
x,=at7/3, %9~77/12, %3=19/6, x.=o.
16. Să se rezolve problema de programare liniară :
x1+2x2+3xa = 15
2x1+x2+5xa =20
x1+2x2+xa+x4=IO
X1, X2, X3, X4 ~ 0
max(x1+2x2+3xa...:...x4)
ludi<•afle. Se foloseşte metoda celor două faze. Se va observa că ln ccuatia
a treia nu este necesarii introducerea unei variabile artificiale, puUndu.sc folosi
x4 ca variabilii. de bază. Se obţine programul optim: :r1 =x2 =:ta=5/2, :r4 =0.
133
20. Să se rezolve problema de programare 'liniară :
x1+x2+xa =I
X1-X2 +x4 =1
x1+2x2 +x5= 1
3x1+x2+2xa+x4=3
Xi, X2, X3, X4, X5 ;a: 0
min(x1-3xz-2xa+x4-x5).
Indicatie. Se introduc variabile artificiale ln prhnele două şi ln ultima dintre
ecuaţiile de mai sus. La sflrşitul fazei I vor rămtne ln bază două variabile artifi-
ciale (cu valoarea zero), dintre care una poate fi eliminată uşor. Faptul cd cealaltă
nu poate fi eliminată din bază pune în evidenţă dependenţa uneia din ecuaţiile de
mai sus de celelalte. Este uşor de văzut că ultima ecuaţie este combinaţie a primelor
două; mai precis, ultima ecuaţie ·este obţinută adunlnd prima ecuaţie tnmulţită
cu 2, cu a doua. Prin urmare, din ultimul tabel al fazei I se elimină ultima linie şi
apoi se trece la faza II. Se obţine programul optim: :r1 =x2 =0, x3 =z,=x5 =1.
Indicaţie. O bazi1 iniţiahi este evident (al, a 2, a3) şi nu este necesar să introdu-
cem variabile artificiale. După efectuarea a două iteraţii ale algoritmului simplex
se obţine din nou baza de la care am plecat, adică baza (al, a 2, a3) ; avem prin urmare
un exemplu de problemă de programare liniară• ln care lntllnim fenomenul de ci-
clare. Este necesar din acest motiv să folosim regula pentru evitarea ciclării. Con-
diţia ca baza iniţială să fie formată din primele m coloane este evident satisfăcută
tn acest caz. Aplicînd regula pentru evitarea ciclării vom obţine programul optim
X1=3/4, X2~X3=0, X4=1, X3=0, Xa=1, X7=0.
*) Acest exemplu este datorat lui E.M.L. Beale şi a fost prezentat· ln: Cycling
in tlre dual simplex algorithm, Nav. Res. Log. Qu., 2, 4(1955). · ·
IM
22. Să se rezolve problema de prngramare liniară:
23x1+27X2-5xa ~ I
x1-4x2+2xa ~ 3
-4x1-Sx2+xa ~ O
-22x1-3lx2+7xa ~2
X1, X2, X3 ~Q
max(-4x1-3x2+2xa).
Indicaţie. Variabilele ecart furnizează o bază iniţială. Este necesar să se aplice
regula pentru evitarea ciclării. Se obţine programul optim: x1 =0,:r2 = 1/2, x3 =5/2.
sau
:r1 +:r,~i, -x1 +x4 ~8.
Este clar pentru ca problema să aibă soluţii va trebui ca x4 < 8. Dacă înlo-
cuim variabila :r1 cu variabila x6 =:r1 +5, restricţia t:rit<5 se transformă tn O<
<:re< 10. Făctnd transformările necesare atlt tn restul restricţiilor problemei cit
şi ln funcţia obiectiv, vom obţine o problemă de programare liniară care are urmă
torul program optim: :r1 =0, :r2 =0, :r3 =6, :r,=8, x5 =18.
135
u. Să se calculeze·
• {
mm .1 )
6:r1+11~+8zt
cu restricţiile :
6x1 +
1Jxa+Sx4 :;:o
-3x1-Sx2+3xa+x4 <25
2x1+3xa+xa+4x4=48
>0.
X1, X2, X3, X4
obiectiv :"=2848/9. Prin urmare nu există programe pentru care funcţia obiectiv
z &ă ia valori negative. \'om avea ln acest caz
9
mm --.
13 + 8X4,} J
. ' 6:r1 + l lx max (6x1 +11:r8 t8x,) 2848
25. Să se calculeze
lndiealfe. Funcţia obic.>ctiv nu este liniară, dar problema de mai sus poale
li scrisll sub forma:
z1 -~~o
Z1:-4Z2 ~ 0
fZ1 +:i-2-2 f ~Zc
f:r,~2z2+za I'- :rs
I-Zi +Za+2 I~ zt
l3G
l-x2+:r3-2 I~x7
.ra, :r_., X:ţ, .re, :t7~ O
min (x.+zi+z11 +x1).
Restrictiilc acestei probleme se pot scrie imediat ca restricţii JlnJare. De exemplu„
fn loc de fz1 +z2-21~z, putem scrie două inecuaţii: z 1 +za-2:E:z4 şi z 1 +z2-2~
~-.r,. P1·ogramul optim al pl'obJemei este: .r1 =8/5, :r2 =2/5, :i:a=-2j5.
Ax=b
x~O
max(c' x),
unde matricea A se poate scrie sub forma
O... O)
A= ~
(
A1
f s, .. O •
o o.. .Ak
Să se arate că în acest caz problema de programare liniară se poate
descompune în k probleme.
lndien1ie. Se partiţionează corespunzător vectorii b şi c.
Capitolul III
x2 oarecare
x3~0
min(c;x1+c;x2+c;x3).
13&
Numim problemă, duaiă a problemei (1) următoarea problemă de
programare liniară :
A; ,u1+ A; 1u2+A; 1u3~ c1
A ; 2 u1+A;2 u2+A;2 u3 =c2
A ;3 u1+A;3 u2+Ai 3u3 ~ ca (2)
ul~Q
u2 oarecare
ua~o
max (b;u1+b;u2+b;ua).
139
h) Variabilelor primate oarecare le corespund restricţii duale care
stnt ecuaţii. .
Este util să prezentăm cîteva cazuri particulare de probleme dual~
care se pot deduce imediat clin definiţia problemei duale dată mai
înainte. Astfel, pentru o problemă de programare liniară sub forma
canonică
(3}
min c'x·
problema duală are forma
A'u~c
u~O (4)
max b'u.
Este clar, conform unei observaţii făcute mai sus, că. duala. problemei
(4) este problema (3). Din cauza simetriei evidente a acestui cuplu de
probleme duale, problemele (3), (4) mai stnt numite şi probleme duale
!.t.metrice.
Pentru o problemă de programare liniară sub forma standard
Ax=b
x~O ·(5)
min c'..,
prcblema duală e3t~
A'u~c
u oarecare (6)
max b'u.
In paragraful
3 din capitolul precedent am arătat că există o serie
de transformăriprin care putem ajunge de la problema de programare
liniară sub forma generală. (l) la.:·forma canonică (3) sau la forma stan-
dard (5). Se ridică atunci următoarea problemă : ce relaţie există între
dualele a doua probleme de programare ~c~e se pot obţine una din cea--
laltă prin transformări echivalente? Se poate demo~stra. că dualele
acestor probleme se pot de asemenea obţine una din cealaltă. prin trans--
140
formări ·echivalente. Din acest motiv, pentru studiul proprietăţilor de
dualitate, putem considera numai cupluri de probleme duale de tipul (3),
(4); toate teoremele de dualitate ce vor fi date în paragraful următor
se vor referi la acest cuplu de probleme duale.
Exemplu. Să considerăm următoarea problemă de programare
liniară
2x1+5x~xa+2x4;;;;:3
-x1+2x2+xa =5
141
termenul liber fiind coeficientul lui x1 '-'m funcţia obiectiv a problemei
primale. în mod asemănător, variabilei primale nenegative x 2 îi corespunde
restricţia concordantă
5u1+2u2,--u3 ;;?;0,
termenul liber O explicîndu-se prin faptul că în funcţia obiectiv a pro-
blemei primale variabilă x 2 nu apare, sau, altfel spus, apare cu coefi-
cientul zero.
Variabilei x3 care este oarecare îi corespunde o ecuaţie în problema
duală:
-u1+u2=-6.
în sfîrşit, variabilei nepozitive x 4 îi corespunde o inecuaţie de
tipul <, adică o restricţie neconcordantă pentru problema duală:
2u1+Ua< 1.
Rezumînd cele spuse mai sus, rezultă că problema duală corespun-
zătoare problemei de programare liniară dată iniţial este :
2u1-u2+2us;;?; 3
5u1+2ua--us ~ O
-u1+u2=-6
2u1+us<i
u1 ~ O, u2 oarecare, u3 ;;?;0
min (3u1+5u2,--2ua).
§. 2. Teoreme de dualitate
Aşa cum am mai remarcat, este suficient să facem consideraţiile de
dualitate pentru cuplul de probleme (3), (4), ambele probleme fiind.
în acest caz sub forma canonică. Ele sînt adevărate pentru orice cuplu
de probleme duale deoarece -oricare cuplu de probleme duale poate fi
adus, prin transformări echivalente, la un cuplu de probleme duale care:
să fie puse sub forma canonică.
142
Vom da mai întîi cîteva rezultate simple sub forma a trei leme :-
L e m a t. Dacă x este un program al problemei primale (3) şi w.
este un program al problemei duale (4) avem
b'u ~c'x.
Demonstraţie. înmulţind inegalităţile A~~ b cu ii'~ O' la stînga,
obţinem
143
Afirmaţiile din lema noastră se deduc imediat din proprietatea (9).
De exemplu,: dacă .prima prQQlemă are optim infini_t, rezultă că
min c'x=-oo şi din (9) urmează ca ma:x b'u=-oo,1ucru posibil numai
XEP UED
<Iacă D={lJ. Celelalte afirmaţii se arată analog.
Teoremele următoare arată legăturile principale între problemele
<iuale.
Te ore ma I. (Teorema fundam~ntală a dualităţii). Pentru orice
cuplu de probleme duale este posibilă una şi numai una dintre
următoarele trej situaţii :
a) ambele probleme au programe; in acest caz ambele probleme
au programe optime, pentru care valorile funcţiilor obiectiv coincid;
b) una dintre probleme are programe iar cealaltă nu; in acest
caz problema care are programe are optim infinit ;
c) nici una dintre cele două probleme nu are programe.
Demonstraţie. In demonstraţia acestei teoreme vom folosi în mod
-esenţiallema lui Farkas-Minkovski dată în capitolul I. Mai exact, vom
.folosi următoarea consecinţă
a acestei leme* : Dacă L este o matrice
.antisimetrică (adică L' ·-L), atunci sistemul
L.x~O, x~O
.are cel puţin o soluţie x astfel încît să avem Lă:+x >0.
L= (
O _;,A'
A 0-b ,
c) . I
-c' b' O
144
sau, înlocuind matricea L cu expresia sa de mai sus :
-A'u+cg~O (10)
A:t-b!J~O (11)
-c':t+b'u ~·o (12)
x~O (13)
a~o (14)
fl~O (15)
x-A'u+cU>O (16)
AM+u-by>O (17)
-c'x+b'u+tJ>O. (18)
Deoarece a ~O sînt posibile două cazuri:
a) '!i>O. Din (13) şi (14) rezultă atunci că
A I
x=-=-:t~ O" I_ o•
, u=::-u;> (19)
y y
Împărţind prin g>O relaţiile (IO) şi (11) şi ţinînd· seama de (19) ob-
ţinem -·
(20)
Ax~b.
Din (19) şi (20) rezultă imediat că x
şi u sînt respectiv programe ale pro-
blemei primate şi ale problemei duale. Mai mult, din relaţia (12) rezultă
c' x ~b'u (21)
şi ţinînd seama că inegalitatea contrară este totdeauna adevărată, con-
form lemei I, rezultă imediat că trebuie să avem b'u=c'x. Acest ultim
fapt ne arată că ; şi a sînt chiar programe optime, conform lemei 2.
b) '0=0. Vom arăta că în acest caz nu este posibil ca ambele pro-
bleme duale să aibă programe. Să presupunem, prin absurd, că cele două
probleme duale au fiecare cite un program. Dacă x este programul primai
şi u este programul dual, atunci putem obţine uşor o contradicţie în modul.
următor. Observăm mai întîi că pentru ll=O relaţiile (10), (11), ·(l-8) devin:
A'u~o, Ax~o, b'il>c'x. (22)
Ţinînd seama de faptul că x este program al problemei primate şi luînd
în considerare prima din relaţiile (22), obţinem:
b'u <(Ax)'ii=x'(A'ii) <0. . (23)
Mai departe, ţinînd seama de faptul că u este program al problemei duale
şi ~uînd în considerare ultimele două relaţii (22) obţinem:
Ax=Ax0 +AAx-~b
deoarece x0 este program pri mal (Ax 0 ~ b) i~r Ax~ O, cum rezultă din (22).
Mai mult, ţinînd seama că c'x<b'ii <(x0 )'A'ii ~O (care rezultă din
ultima relaţie (22) şi din faptul .că x 0 este program primai) rezultă că funcţia
obiectiv „
z=c'x=:-c'x 0
+Nl x
tinde la _:_oo cîrid  . tinde la +
00 ; cu alte cuvinte problema pri mală
I A'u ..;c
u oar.ecare
l max b'u.
148
T e o r e m a 3. Dacă baza B extrasă din matricea A verifică urmă
toarele două -condiţii :
B-Ib~O (36)
c~n-1A-c' ~O, (37)
atunci programul optim al problemei primate (34) este x:8=B-1b,
x-Y=O, iar programul optim al problemei duale (35) este u~=c~B-1•
Demonstraţie. Mai întîi este clar că soluţia de bază xB=B-1b, xS=O
este chiar prograrr deoarece avem xB~O, conform cu condiţia (36).
Pe de altă parte, din condiţia (37) rezultă că u~=c~B-1 verifică
relaţiile
u~A-c' ~O,
sau, dacă transpunem
A'uB~c,
ceea ce arată cu UB este program al problemei duale.
Mai mult, funcţiile obiectiv ale celor două probleme duale au va-
lori egale pentru cele două programe considerate mai sus:
(38)
Din această egalitate rezultă, <;onform lemei 2, că cele două programe
sînt optime.
Observ a t i a I. Teorema de mai sus afirmă că relaţiile (36)
şi (37) sînt suficiente pentru ca baza B să fie optimă. Se poate arăta că
aceste condiţii sînt şi necesare dacă problema este nedegenerată. în cazul
cînd problema este degenerată este însă posibil ca baza să fie optimă
fără ca relaţiile (37) să fie satisfăcute.
,149
Observ aţi a 3. Am definit în capitolul .-11 baza prima! admisi-
bilă (uneori am spus, mai simplu, numai admisibilă) ca fiind o bază B
ieare verifică condiţia (36); cuvîntul pri ma 1 din această denumire
,capătă un înţeles în acest moment, referindu-se la problema primată
(34).
O bază B care verifică condiţia (37) va fi numită dual ·admisibilă,
deoarece îi corespunde un program al problemei duale şi anurr,e u;=c~B-1•
Ţeorema de mai sus afirmă deci o bază B este optimă dacă este simultan
primai şi dual admisibilă. .
0 b s e r v a ţ i a 4. Dacă matricea A. a problemei prirriale (34)
-conţine o matrice unitate I, atunci la fiecare iteraţie a algoritmului sim-
plex se găseşte, în coloanele corespunzătoare lui I, inversa bazei· cores-
punzătoare tabelului simplex, adică B.:...1. Prin urmare, în ultimul tabel
simplex vom avea inversa bazei optime şi deci vom avea zf =c~B-1e1;
-care reprezintă evident componenta j a vectorului u'B=c'BB-t, cu alte
-cuvinte, cu cantităţile zf-c, care se află în ultimul· tabel simplex în
,coloanele corespunzătoare matricei unitate I putem• determina .uşor
-componentele soluţiei optime (programului optim)·· a:. problemei duale
(35).
Dacă A nu conţine matricea unitate, atunci folosim metoda celor
două faze. Pentru obţinerea soluţiei problemei duale este necesar în acest
-caz ca, la sfîrşitul fazei I, să nu eliminăm din tabel coloanele variabilelor
.artificiale; în aceste coloane vom găsi, la sfîrşitul fazei II, componetnele
solutiei optime a problemei duale.
Exem piu. Să reluăm primul exemplu prezentat în cap. I I. § 10.
Problema duală corespµ~zătoare ·problemei ·considerată în cap.II. § IO
este:
u1+3u~ua;;?::2
-u1-u2+ 2u3 ~ l
U1, U2, U3;;?::0
min (4u~+ l8u2+6ua).
Baza iniţialăpentru rezolvarea problemei primate, a fost formată din
vectorii a3, a5 corespunzători variabilelor ecart x3,-x4, x5• înJabelul
a4 ,
simplex final, în dreptul acestor variabile, găsim:it:antităţile z3-c3 =0,
150
Z4-c4= 1 şi zs-cs= 1. Cum ca=c4=cs=0 (deoarece variabilele ecart nu
apar în funcţia obiectiv), rezultă că problema duală are următorul program
optim: u1=za=0, u2=z4 =1 şi u3 =z5 =1. Valoarea funcţiei obiectiv a
problemei duale va fi deci4·0+I8·1+6·1=24şi coincide, cum era de
aşteptat (conform teoremei fundamentale a dualităţii) cu valoarea optimă
a funcţiei obiectiv din problema primată.
Exercilii 1i probleme
l. Să se scrie duala problemei de programare liniară :
2x1-4x2+3xa-X4=5
2u1 +u 2 +2rz3 ~ 3
-4~ 1-u 2 ~2
3U1 + U 3 =-1
-u 1 +2u 2 +3u3 ~4
a)
151
x1-x~2xa+3x4-X5 ~ 4
x1+2x2+xa-X4-2Xs ~-1
Xl , X2, .•. ,X5 ~ 0
min (x1-4x~x3+6x4+2xs).
b)
x1+4x~5xa+ 7X4-4X5 ~ 8
-4x2+4x3-4x4+4xs ~ 2
x~&ta+4x4-2Xs ~ 2
Xi, X2, ... , X5 ~Q
c)
3x1+ 7x2+Bxa+5x4+ Xs=2
2x1+ x2+3xa+2x4+9xs=6
X1, X2, ..• , X5 ~ 0
d)
152
Se cere:
a) Să se rezolve cu ajutorul algoritmului simplex;
b) Să se scrie problema duală;
c) Să se determine programul optim al problemei duale.
Indicaţie. Programul optim al problemei pri male este: x 1 =13/5, x 2 ==x3 ==0 -
Programul optim al problemei dunle :,;t• vn una clin tabelul simplcx final pentrUi
problema primală.
Se cere:
a) Să se rezolve problema cu algoritmul simplex;
b) Să se scrie problema duală ;
c) Să se rezolve problema duală.
lndicntle. Problema primală nrc optim infinit_. iar problema duală nu are
programe.
153'
Se cere:
.a) Să se rezolve problema ;
b) Să se scrie problema duală;
-c) Să se rezolve problema duală.
lndicntie. Nici problema primalii, nici problema duală 110 au programe.
5x1-x2+xa ~ 6
2x1+x2+3xa ~ ·1
-3x1+ x2+2xa ~ 2
Se cere:
.a) Să se rezolve problema;
b) Să se scrie problema duală :
ie) Să se rezolve problema duală.
154
· Capitolul IV
Problema transporturilor
tl
Cm1• • • • •. CmJ, • • .• • Cmn
a datelor de mai sus, întocmim ta-
belul 1. 'l
b1, .•.••• bJ •••••• • bo
155
Fie XIJ, ieM, jeN necunoscutele problemei, unde M= {1, 2, ... , m}_
N={l, 2, ... , n} adică cantităţile care trebuie transportate de la P'
la QJ. Cu aceste notaţii sîntem conduşi la următorul model matematic
al problemei transporturilor :
Suma cantităţilor care tre·bui~: transportate din fiecare depozit Pi
să nu depăşească disponibilul O,i
n
~ Xii ~lli, i= I, ... , m. (1)
j=l
156
fotr-adevăr, dacă facem suma, în (I) dupăi iar în (2) după j, obţinem
n m n m
~ b;~ :E ~ Xij~ ~ a;.
i=l i=1i=1 i=t
Tabelul 2
'
P.1
I I Ql
7
Q?.
8
Q3
5
I I Q4
3 11
i
Ps 2· 4 5 9 11
Pa 6 3 1 2 8
I
I
I 5 9.
I 9 I 7
151
Modelul··· matematic este următorul :
x11+x12+x13+X14 . ~ ll
x21+ x22+ xm+ X24 :::;; li
(6) Xa1+ Xa2+X33+ X34 ~8
~5
-~9
~9
-~ a,~~ b1
i=1
m
. .
n
1... 1
(5')
m n-1-1
~ar=~ bJ.
i-=l I ==-1
Variabilele x,,n+1 iE M sînt variabile de compensare sau variabile-
ecart. Relaţia (2) este scrisă ca egalitate, pentru motivul ·firesc· că planu}.
de. transport se realii;ează. ~u un _co~t ~inim, _dacă se transportă exact
cantităţile cerute b;. Tţorema este demonstrată._ . · . ·
În viitor problema gr va fi folosită numai sub forrriâ canonică· (even-
tual ituminq N mulţimea NU {n+ I}). .
min (f t x,,) •
i=I /=l
CtJ (12)
1 1 1 1 o o o o o o o o\
o o o 1 1 1 1 1 o o o o
o o o o o o o o 1 I 1 1
A I o o o 1 o o o I o o o (13)
o 1 o o o 1 o o o 1 o
o o I
o o o
o
1
o o I o o
o o o 1 o
o 1
o o ;)
160
Dacă notăm cu X şi b vectorii coloană:
X11 I Q}
X12
X= b= tlm '
Xfj b1
Xmn bn
atunci scrierea matriceală a problemei transporturilor este
..
Ax=b
x~O
min CX, unde C=(ci;) ie M, jE N
este matricea costurilor de transport.3
e
L m ă. Orice minor extras din matricea A are valoarea O sau +l
sau -I.
Demonstraţia lemei se face prin inducţie, după ordinul minorului.
Notăm cu M şi k minorul, respectiv ordinul său.
· Pentru k= 1 ; atunci orice minor se reduce la un element a lui A
şi deci el are valoarea O sau. 1.
Pentru k=s; presupunem lema adevărată pentru orice minor de
ordin.ul · cel mult s. · · · · ·
Pentru k=s+ l ; dacă minorul M are o coloană cu toate elementele
O, atunci valoarea sa este O. Dacă M are o coloană care conţine.un singur
element I, atunci caicului valorii lui M se face dezvoltînd după acea
coloană, ceea ce revine la a înmulţi pe+ I sau -1 cu un minor de ordinul s
şi deci lema este adevărată; dacă orice coloană a lui Mare două elemente
egale cu 1, atunci liniile minorului se împart în două grupe : în prima
grupă intră liniile care corespund sistemului (9), iar în a doua grupă intră
liniile care corespund sistemului (10). Vezi linia punctată din (13). Dacă
se adună între ele toate liniile din aceeaşi grupă, se obţin două linii identice
(cu toate elementele I) şi ·deci val~area lui M este O•. Lema este· demon-
strată.
unde
I ~i1,i2, ..• , i,~m şi I ~ii, h, .. . ,j,~n. Atunci coloanele
Ai1/l, AiJ,, .. . , Airlr (14)
sînt liniar independente. Componentele nenule se obţin deci prin regula
lui Cramer aplicată unui si~tem de ecuaţii liniare care are ca rna.trice,
o matrice de ordinul r extrasă din matricea formată cu vectorii coloană
(14), iar termeni liberi pe tll şi b.1. La aplicarea regulii lui Cramer,
(x= ~, y= ~, z= ~ , ... } , dacă fiecare determinant de la numă
rător se dezvoltă după' coloana care conţine pe tll şi hJ, atunci teorema
2 rezultă din lemă. Teorema este demonstrată.·
C o r o I a r. Dacă o problemă 6 are soluţie optimă_ şi dacă . toţ~ Gi
şi bs. sînţ întregi, atunci există o 59luţie optimă a acestei probleme,
ale cărei componente sint numere întregi.
Demonstraţie. Conform ipotezei, pentru S există o soluţie optimă.
Atunci există o soluţie optimă de bază (în particular ea este o soluţie
admisi~ilă de bază)~ După teor.ema 2, aceasta este o co~binaţie liniară
de· numerele întregi Cli şi b1 cu coeficienţii O, 1 şi -1 .şi deci are 'corripo•
nentele numere întregi.
· Obs e r ~-a ţ, ~- Dacă 6 are soluţie opţimă cu componentele numere
întregi, nu înseamnă că ·orice soluţie optimă a lui 6 are ·aceeaşi proprie-
tate. 1ntr-adevăr, dacă X1 şi X2 sînt ~ouă soluţii ·optirrittîntr'egi, atunci
se şlie că şi combfnafia convexă AX1+(l....:._A)X2 este soluţie optimă,
dar componentele sale nu trebuie să fie cu necesitate numere întregi•.
reoremB: car~ u~rpeaţă. (.fă. o ev~uare rangµlui maţricei A .. Vom
împărţi teorema în·. doui .părţi a şi .b, demonstrate separat.
162
Te ore ma 3. a) Rangul matricei ·A ·este cel mult m+n-I.
Demonstraţie. Sistemul de ecuaţii (9) şi (IO)
n
~ Xtj=G,t, iEM, (9)
/=I
m
~ x,1=b1, jeN,________
Dt:ei rangul lui A nu este m+n, pentru că o linie este o consecinţă a celor-
lalte.
b) Rangul matricei A este m+n-1.
Pentru a demonstra aceasta, trebuie să extragem din A cel puţin
<>' matrice pătratică, de ordinul m+n-1, al cărui determinant asociat
să fie nenul. Alegem matricea S formată cu primele m+n~I componente
ale vectorilor coloană.
163
D e i i n i t i a 4. O problemă de transport ar se numeşte nedege-
nerată dacă orice soluţie admisibilă de bază a sa este nedegenerată.
Conform acestei definiţii, pentru a afla dacă N' este degenerată sau
nu, ar trebui să determinăm toate soluţiile admisibile de bază ale pro-
blemei şi să cercetăm pentru fiecare soluţie numărul componentelor ne-
nult::. Acest lucru practic este. imposibil. De aceea s-au căutat alte metode
de determinare a degenerării sau a nedegenerării lui a-. O astfel de metodă
este criteriul de degenerare, care rezultă din:
Te ore ma 4. O problemă de transport sr este degenerată dacă ·şi
numai dacă există un sistem de indici ;
i1, i2 , ••• , Îs, j 1 , j2 , ••• , it, s~m, t ~n, astfel incit
s t
~ llik = ~ bik· (17)
k=l k ... J
I Q, •• . Q, IOt+,, . . Q. I m
~ lli =
n
~ bJ, ecuaţiile celor două
.
i=s+l J-t+l
P1 Cu ... ~1
probleme de transport sînt :
p• .. .c,. a• t
P•71 a,+1
s1: ~ XiJ=lJi, i=l, ... , s.
c,+u 1+1 • • • /=l
• , ,Cmn s
Pm am
~ Xt1=b1, i= l, ... , t.,
1-1
164
n
6 1 : ~ X11=a,, i=s+I, ... , m.
1-t+l
m
t
1-s+l
X11=b1, j=t+ 1, ... , n.
min ( "E Î;
i-s+l J=t+l
c,;x,,) ·
Fie X1 şi X2 soluţii admisibile de bază nedegenerate ale lui 8T1, res-
pectiv S 2 (X1 este o matrice cu s linii şi t coloane, iar X2 are m-s linii
şi n-t coloane). Cu ajutorul lui X1 şi X2 se construieşte matricea X cu
m linii şi n coloane
X=(il ;2)
unde O şi 8 sînt două matrice, în general diferite, cu toate elementele
nule. Se demonstrează· că X este soluţia admisibilă de bază pentru\6.
Pentru că X 1 şi X 2 sînt nedegenerate, rezultă că ele au s+t-1, respectiv
(m-s)+(n-t)-1 componente nenule. Atunci X are (s+t-l)+(m-s+
+n:--t-1)=m+n-2 componente nenule, şi deci X este degenerată.
Deci problema fi este degenerată.
165
Deci, mulţimea elementelor nen~le _din X,. generează pe E 1• Notăm cu
E 2 mulţimea tuturor perechilor de indici, care pot fi legate cu perechea
(1, I) prin Xt1#:0. Mulţimea E2 este nevidă şi deci generează punctele
P,1, Pi2 , ••• , Pis; QJt, Q;2 ••• Qit, unde am .1.10tat pentru uniformitate
(1, l)=(i1, ji). Pentru că X are cel mult m+n---:-2 componente nenule,
E2 nu generează toate punctele P, şi Q, ale problemei 6'. Dacă prin absurd
le-ar genera, atunci X ar avea n+m-I componente nen:1le. ceea ce con-
trazice ipoteza. Punctele generate de E 2 spun că toate cantităţile din
P,1, ••• , P,s se transportă în Oit, ... , . Q;,, adică·
s t
:E- llek = k=I
k=I
~ bJk
I Ql I Q, I Oa I Q3 I
P1
Pa
I 3
4
I 4.
3
6
7 Pa· I 6
I 5 I 8
I 3
I 10 I· 13 I 5. l. 3 I 8
166
Exemplul 3. Problema dată d~,. Tabelul 6
tabelul 6:
se. vede că 6+ 7 =3+ 1O pentru i= 1,3 ·. · IQ1 ·1 a I Q a IQ, I<is I
li
•·.·X=; Os a o
O O O O 7-
ol· 13 I· s 3 14 110 25
. · o o· o f o
este o soluţie admisţbilă d~ bază. Numărul ~omponentelor nenule este
6<m+n-I =8 şi deci X este degenerată. X generează mulţimile:
· E1={(1,I), (1,5), (2,2), (2,3), (3,5), (4,4)},
E2={(l,l), (1,5), (3,5)}.
Mulţimea B2 generează punctele P1, Pa şi Q1, Qs, -pentru care a1+aa=
=b1+bs. Deci, suma cantităţilor din Pf şi P 3 se transportă în Q1 şi Qs.
Problema poate fi descompusă în două probleme, ca în exemplul 2.
·o b s e r v a ţ i e. în teorema 4 am presupus că există un singur
sistem de indici pentru care relaţia (17) are loc. Dacă există mai multe
sisteme disjuncte de indici pentru care (17) este verificată, problema
iniţială se descompune în tot atîtea probleme.
t 4. Metode. de determinare
a unei solulii admisibile de ·bazi
J~7
{'-·.·.
I) Metoda (algoritmul) virfului de nord-vest.
Pasul I. Se determină min (a1, b1).
a) Dacă min (a1, bJ)=a1, atunci se pune xu=a1 şi x1.1=0, pentru
j=2, ... , n ; se trece la pasul 2a ;
b) Dacă min (a1, b1)=b1, atunci se pune x11=b1 şi x,1 =0, pentru
j =2, ... , m ; se trece la pasul 2b ;
c) Dacă min (a1, bJ)=a1=b1, atunci se pune x11=a1, x11=0, pentru
j=2, .. . , n şi x,1=0, pentru i=2, .. . , m; se trece la pasul 2c.
Pasul 2. Se calculează noile elemente a~ şi b; astfel :
b;
a) a; =0, a;=llf, pentru i=2, .• •, m, iar =b1-x11, b;=b1 pentru
j=2, .. . , n; se trece la pasul 3;
b) a~=a1-x11; a;=a, pentru i=2, ... , m, iar b~=0, b;=b1 pentru
j=2, .. . , n; se trece la pasul 3;
c) ai =0;a;=at pentru i=2, .. . , m, iar b~ =0, b;=b1 pentru j=2,
••• , m ; se trece la pasul 3.
Pasul 3. Se reiau calcu-
Tabelul 1 lele de la pasul I, unde a1
şi b1 sînt primele elemente ne-
Q, a; b;.
nule şi
I I I
Ql Qa Q3
I I Se demonstrează prin in-
P1 7 8 5 3 11 ducţie după m+n=p, înce-
P2 2 4 5 9 11 pînd cu p=2 că soluţia gă
Pa 6 3 1 2 8
sită prin acest algoritm este
I s I 9 I 9 1 I 30 I o soluţie admisibilă de bază.
Exemplul 4. Utilizarea
metodei vîrfului de N-V. Fie problema dată de tabelul 7.
Paşii algoritmului sînt ilustraţi în tabelele 8 :
Soluţia admisibilă de bază X este dată de f). Se vede că pe linii şi
pe ·coloane sînt îndeplinite ecuaţiile de tip (9) şi (10) asociate acestei
probleme.
D~că notăm cu V(X) valoarea funcţiei de optimizat a problemei
date, pentru sohiţia admisibilă X,-· atunci V(X)=7 •6+8 ·6+3 ~4+8 •5+
+1 ·1+7 •2=150.
168
Tabelul li
a:n X12 X13 Xu 11 5 X12 X13 Xu 6 5 6 o o i o
%21 %21 :tas %24 11 o %23 X23 xu 11 o X22 %13 %2'! u
%31 X32 :raa X34 8 o X32 %33 XH 8 o X32 %33 zui 8-
5 9 9 7 o 9 9 7 o 3 9 7
a) b) c)
5 6 o o o 5 6 o o o 5 6 oo O!
o 3 :t23 %24 Î 8 o 3 8 o o o 3 8 o= o
o o %33 %31 Î 8 o o %33 xa, 8 o o 7 !I o1
o 9 7 o o 1 7 o o o o
d) e) f)
ţ
169
'
-b) ·Se anulează coloana k din C şi se obţine C'; se pune b;=o;
: bi= · 1, ... , n, J=/:
, b , J=· ' k. .; s~ ptţ~~ at=az-x
' '
k, ai=at, · 1, ... ,
t=
1
m, i =/: l se trece Ia pasul_. 4. ·
-c) Se anulează linia l şi coloană k din C şi se obţine C' ; se pune
a;=o, b;=o, a;=tll, i =/: 1, b1=b1, j =l:k; se trece la pasul 4 .
Pasul 4. Se înlocuieşte matricea G. cu C' şi se reia algoritmul de
h pasul I.
Se poate demonstra prin inducţie că soluţia găsită prin acest al-
1gori.tm ·este o soluţie admisibilă de bază:
. Exemplul 5. Utilizarea metodei elementului minimal. .
Reluăm problema dată prin tabelul .7. Se vede că min CiJ=l =caa,
·Conform pasului 2, se calculează min (a3 , b3)=min (8, 9)=8 şi deci
.x33 =8, Xa1=Xa2=X34=0. Se anulează linia 3 din C şi se calculează noile
,elemente şi b1 a;
. Rezultatele formate din C' şi X sînt trecute în ta-
sbelul 9 care urmează:
·1·abetul 9
7
~2
8 !> :l .Tu Xn X13 .1"14 11 ., s s 3 I
4 5 9
.ru 11
·6 :J Q] 2 ~u .r:13 Xu
I!) 4 5 9 !:i
o o 8 o o s a 1 2
·O
.!',
o
·O
.ru
:ru
()
9
.1"13
.ru
8
.r„ l
ru
o
7
i
11
6
o
5
-
g: 9 7
i
o
5
o o
o
XII
.%22
9
%13
%:as
8
l
7
o
o
o
4
6
O'
O %12 X13 1 ) 4 o .3 l 7 i I)
5 6 O o 1o 5 6 o o i o
O
03
O 8
l
o io
O
o o
0000
8 o
l o
]70
t 5. Algoritmul de determinare a solutiei optime.
Introducem următoarele noţiuni şi notaţii: •, •
1. Celulă : O pereche de indici (i, j), J ~ i ~ m ; 1 ~ j ~ n.
2. Ciclu sau circuit: un şir de celule: de forma (i1, ji), (i1, h),
(i2, h), (i2, ia), .•. , (it, j t), (it, ji).
Exemplu: (I, I), (1, 2), (3, 2).,,.(3, )) ~ormează un ciclu.
Def i n i ţi a 4. Numim bază, mulţimea vectorilor coloană A;;
asociaţi elementelor Xii nenule,x,, EX, cu X determinat prin metoda
vârfului de nod-vest sau prin metoda elementului minimal (sau prin
altă metodă). Notăm b~a. cu B. Baza. se numeşte nedegenerată,
dacă X este nedegenerată.
D e f i n i f i a 5. Numim variabile de ·bază, variabilele care cores-
pund unei baze B.
Notăril cu J mulţimea celulelor (i, J1 corespunzătoare variabilelor
cde bază. De asemenea notăm cu M={l, .. . , m} şi cu N={I, 2, .. . , n}
Pentru problema de· transport 6' :
n
~ Xt1=a,, ieM.
/=l
m
~ Xt1=bJ, jeN
i= I
... ; .
·nţax (
• · ·
f ~u,+ i b,tJ,).
I l=l · /cal· , ·
(19)
Conform teoremei ecarturilor sau a teoremei de echilibru din capi-
tolul precedent, soluţiile admisibile (x,,) şi (a,, vJ) a lui a-, respectiv
6'* sînt soluţii optime, dacă şi numa( dacă
n
~ :t1;=°', ieM,
J-1
m
ti=I ?Z,;=b1, jeN,
şi
a,, vJ - oarecare
cu-(u,+v;) ~ o,
xiJ(CiJ-ilt-V J) =0.
X=( t1T2
0 -X22
0 0
X:?a 0
)· · (21)
0 0 X33 X34
X1= (
. 0
.
<X
..
Xu-«· X12+ac. :
X12-1X.
· ·· 0
X:?:3
X33 X:
a
. . . ..
9
0 • (22)
173
Cu ajutorul celor spuse pînă acum, putem prezenta algoritmuF.
problemei de transport, pentru o problemă nedegenerată.
Pasul 1. Se 4etermină. o soluţie admisibilă de bază X,· prin metoda:
vîrfului de nord-vest sau prin metoda elementului minimat
Pasul 2. Şe rezolvă sistemul u,+v,=c,,, pentru toţi indicii (i, j) e I„
(La orice iteraţie, c11 aparţin matricei iniţiale C).
Pasul 3. Se calculează matricea C'=(c;J), unde c;J=c,,-(u,+v,),.
ieM şi jeN cu ct; din matricea C iniţială. ______ _
Pasul 4. Dacă toţi c;,
>O, soluţia admisibilă de bază X este so-
luţie optimă. Stop. · ·
Dacă există cel puţin un c;,
<0, X nu este solutie optimă şi se
trece la pasul 5.
Pasul 5. Se calculează
min c;,=c;0 ; 0 • (23)
I.J
Dacă minimul se atinge pentru mai multe perechi de indici, se alege
arbitrar perechea •(i0, j 0) - din acestea.
Relaţia (23) este.criteriul de intrare în bază: se introduceînbază A 1• 1~.,
Pasul 6. Se caută o exprimare a lui A.' i cu ajutorul vectorilor 0 0
174
Pasul 9. Se calculează ·valoarea problemei
V(X')= V(X)+xikJkc·,010 ,
şi se reia algoritmul de la pasul 2.
Exemplul 6. Utilizar~a algoritmului problemei de transport-
Fie problema dată de tabelul 7 (exemplul 4) :
7 8 5 3 li
2 4 5 9 11
6 3 I 2 8
5 9 9 7 .. / 30
Iteraţia 1. Pasul I. Prin metoda vîrfu!yi de nord-vest se determină,
.. X1=(~ : ~ ~) ·
O O 1 7
Baza B 1= {A 11, A12, A22, A?a, A:a, A34 };
V(X1)=150.
Pasul 2. Din rezolvarea sistemului
u1+v1=7
u1+v2=8
u2+v2=4
u2+ti-J=5
ua+tta=I
us+v4=2
rezultă u1 = O V1= 7
U2=---4 U2= 8
Ua=-8 Va= 9
V4=JO
Pasul 3. Notăm matricea C' cu C1. Se obţine l 11 =cu~(u1+v1)=l>,.
c'12=c1:r-(u1+t12) =0,
· c1a=c13-(u1+Va)=5-(0+9);;=-4:.;. ş.a~m.d;
175>
Pasul 4. Pentru că în C1 există elemente negative, X1 nu este
soluţie optimă.
Pasul 5. Relaţia (23) conduce la c',0 10 =c;4=-1.
Deci A14 intră în bază.
Pasul 6. Căutăm în X 1 un circuit, pentru a găsi exprimarea de
forma (24) a lui Al4:
!
3 ➔
o
8
1~0114-)
+
O I ➔ 7-
Deci AH=A12-A22+A23-A33+A 34 • Proba acestei exprimări se face
imecli.at scriind fiecare vector din membrul drept al egalităţii anterioare:
~ o· o f~ -~ ~
O O O I I O
o- o+ o- b+ o= O =At4.
I I O O 0 O
O O I I O O
O O O O I I
Exprimarea lui A14 se mai poate verifica făcînd o sumă formală a
perechilor de indici
(1, 2)-(2, 2)+(2, 3)-(3, 3)+(3, 4)=(1, 4).
Atragem atenţia că circuitul din X 1 poate fi parcurs şi în sens
invers şi această observaţie este generală.
Pasul 7. După (25), determinăm vectorul care iese din baza B1.
min (x12, X23, X34)=min (6, 8, 7)=6=x12=x1,dk·
Deci, iese din baza A12.
Pasul 8. Conform· formulelor (26), punem x 14 =6 şi pentru păstra
rea echilibrului, scădem şi adunăm 6, urmînd săgeata circuitului din X 1•
Obţirţem X2
o o
X2 (o :+! sJ o+~)=(~
5
0 O 1+6 7-6 O
9
o
.2
7 -~)
116
Pasul 9. Calculăm V(X2)
V(X2) = V(X 1)+6(-7)= 150-42= 108.
Verificare acestui rezultat se face folosind direct X 2 şi C, adică
~.--,
o o t-.: )
X2= 12]
( o.
9 I; 0
O 1~1~
A2t=An_A14+A34 -A33+A23, Ca exerciţiu, să se facă· verificarea corec-
titudinii acestei exprimări.
Pasul 1. Determinăm vectorul care iese din B2:
min (xn, X34, X2a)=min (5, 1, 2)=l=X34.
Deci iese din bază A&1•
Pasul 8. Punem x21 = 1 şi obţinem
5-1 O O 6+1) (4 o o
Xa= 0+ 1 9 2-1 O = 1 9 1
(
0 O 1+1 1-1 O o 8
Xa=(!--:-l---1' ~
A~=An_A21+A23• •
Pasul 7. min (xn, X23)=min (4,l)=l=x23 •AZi iese din bază
Pasul B. Calculăm pe X4 ;
4-1 9OO+ I 7) (3 O1 7)
X4= (O1+1 081-1 O = -2 9 O O
O 0080
Pasul 9. V(X4)= 100+ 1 • (-5)=95.
Itera/ia 4. Pasul 2. B4= {A 11, At3, AM, A21, A22, A~}.
u1+v1=7 u1=0 v1=7
u1+va=5 u2=-5; v2=9
u1+v,1=3 U3=-4; v:i=5
~+~=2 ~=a
u2+v2=4
u3+va= 1
178
Pasul 3.
X5=( O~ 3~
4
o
5
Pasul 9. V(X5)=95+3(-2)=89.
La pasul 3 de la iteraţia 5 se constată că X5 este soluţia optimă :
Notăm Xs=X* şi V(X*)=89.
O b ser va ţie. Pentru a calcula mai repede matricele C', este
indicat să se bordeze matricea iniţială C cu valorile Ui şi VJ rezultate
din rezolvarea sistemului u,+v,=c,,. De exemplu, pentru calcularea
elementelor lui C1 întocmim tabelul IO.
t 6. Probleme
Tabelul 1 O
1. Să se scrie modelul mate-
lv1 =7J v1 =8I v3 =9111,=10
matic al problemei de transport,
o 7 8 3
definită de tabelul a) (pag. 180). U1=
- - -5- - -
2. Să se aducă la forma cano- U 2 =-4 2 4
- - - 5- - 9-
nică problema I. ll 3 =-8 .6 3 1 2
17:9
3. Folosind metoda vîrf ului N-V
5 3 4 5 9 6 8
să se determine o soluţie admisi-
6 8 3 8 4 1 10
2 1 7 :1 5 10 11 bilă de bază X pentru problema
9 6 4 2 3 5 9
definită de tabelul h).
5 I , I 12 I 6 I 4 I 2 I 36/38
a)
5 4 I 7 7
b) 2 6 2 5 13
8 1 7 3 5
6 8 3 8 25
şi să se determine V(X).
3 fi 7 8 10
2 4 s g n
c) 6 3 I 2 8
-
5
- -8- -9- - -7 - • 29
180
Bibliografie
1. O an t zi g, G. B. Linear Programming and Extension. Pinccton - Uni-
versity Press, New- York. l 963
2. G ai- s, S., Linear Programing. Melhods and Applications. Mc Graw-HiJI
Booc Co., New-York, 1958.
3. Ionescu, H., Mirescu, P., Nădejde, I., Programarea liniarii
Editura ştiinţifică, Bucureşti, 1964.
Ma Ii ţ a, M., Zid ă roiu, C., Matematica organizării, Editura teh-
mcă, Bucure,u 1971.
5. N ă d e j d e, I., B e r g t h a. 11 e r, C., Z i d ă r o i u, C., S b u r I a n, S.
Probleme de cercetare operaţională, Editura Acadnmiei, Bucurel)ti, 1971.
G. C r e a n g ă, I. şi I-I a i m o v i c i, C •• Algebră liniară, Editura didnctică
şi pe<h1gogicii, Bucuroşti 1962.
Capitolul I
Spatii liniare
t. Noţiuni recapitulative . • • . . . 4
2. Spaţiul vectorilor de poziţie 6
3. Noţiunea de spaţiu liniar . . . . . . . . . . . . • tO
4. Dependenţă şi independenţă liniară n vectorilor . . . . . . • 14
5. Rangul unei matrice . . . . . . . . . . . 25
6. Compatibilitatea sistemelor de ecuaţii liniare 31
7. Inversa unei matrice . . . . . 36
8. Inversarea prin partiţionare . . . . . . 39
9. Rezolvarea sistemelor de ecuaţii liniare 42
to. Spaţii euclidiene . . . . . . . . . . . 46
11. Hiperplan, semispaţiu, tronson 53
12. Mulţimi convexe. Poliedre convexe, Con poliedrt,J 56
13. Lema Furkas-Minkowski 61
14. Sisteme de inegalit:lţi liniare . . . . . 66
Capitolul li
Teoremele de Jmzii ale programării liniare
t. Principalele modele matematice ale problemelor de optimizare . 71
2. Exemple de probleme de programare liniară . . . . . . • . . 73
3. Forme ale problemelor de programare liniară . . . . . . • • . 80
4. Interpretarea geometrică a unei probleme de programare liniară 83
5. Rezolvarea geometrică a problemelor de programare liniară 86
6. Programa de bază • . . . . . . . . . . . . . . • . . • 94
7. O metodă de rezolvare a problemelor de programare liniară . • 98
8. Fundamentele algoritmului simplex . . . . . . . . • 99
9. Algoritmul simplex. Tabloul simplex şi transformarea sa 104
10. Probleme rezolvate . . . . . . . . . . . . . . • 108
182
11. Convergenta algoritmului simplex. Dcgeneriiri şi ciclare 117
12. Determinarea unui program de bază iniţial 123
13. Probleme rezolvate . . . . . . . . . . . . . . . . 125
Capitolul III
Dualitatea în 1m,gramarcn Iiulnră
1. Definirea problemei duale . . . . . 138
2. Teoreme de dualitate . . . . . 142
3. Rezolvarea simultană a problemelor duale cu algoritmul simplcx 142
Capitolul IV
l'roblema transporturilor
l. Forma generală a problemei trunsporturiJor . . . . . . . I 155
2. Forma canonic,'\ a problemei transporturillor . . . . . . . . I 158
3. Proprietăţi relative Ja matl'icea A a prohemei transporturiJor
4. Metode de determinare a unei soluţii admisibile de bază
. I 159
167
I
5. Algoritmul de determinare a soluţiei op~imc . . . . . 171
6. Probleme . . . . . . . . . . . . . . . . . . . . • 179
Coli de t.iJpar : H,50
B.T.: 07.03.1974.
Tiraj : 5 100 + 100 broşat
Apărut ~974
I. P. ,,Oltenia" Craiova
Str. 'M. Viteazul, nr. 4
Republica Socialistă România
P[an 205.16/427