Ion D.

Ion Corneliu Zldărolu Nicolae Popoviclu

Uemente de. algebră_

.

SI
I

programare liniară
pentru anul III liceu, clase speciale de matematici

(experimental)

Q
"'i:- .

Editura didactică 1i pedagogici - Bucureşti

 .Manua)uJ a fost elaborat astfel :
Capitolul I - Ion D. Jon
Capitolul 1I - Cornelio Zidăroiu şi Nieoloe Jl<tpo,·ieiu
Capitolul III - Corneliu Ziduroiu
Capitolul IV - Nicolae Popoviel11

Coordonator : acad. N. Teodoreseu

Red<lclor: prof. Stătescu Emillun
Tehnoredactor: Ro{lui Viorica
Coperta :Dragoş Ochn-ian
 Capiltolul I

Spatii hniare

Introducere

În acest capitol se introduce noţiunea de spaţiu liniar şi în legătură

cu acest concept sînt prezentate rezultate ce permit abordarea studiului
sistemelor de ecuaţii şi inegalităţi liniare cu mijloace specifice de algebră
liniară.
Se presupune că cititorul este familiarizat cu noţiunea de lege interniJ
de compunere (operaţie algebrică internă), cu noţiunea de grup abelian
şi cu cea de corp. Pornind de Ia această ipotează, în paragraful I ne-am
mărginit doar la o succintă recapitulare a lor; pentru detalii cititorul este
îndemnat să consulte manualul de logică şi teoria mulţimilor pentru
anul 1I liceu, clase speciale de matematică.
Din programa de algebră superioară pentru anul III liceu, secţia
reală, se presupune cunoscută prima parte: operaţii cu matrice şi teoria
determinanţilor. Ultima parte a acestei programe (studiul sistemelor de
ecuaţii liniare) este acoperită în acest capitol. Recomandăm ca la clasele
speciale de matematică, studiul sistemelor de ecuaţii liniare să fie abordat
cu elevii în momentul cînd cunosc elementele de algebră liniară date la
începutul acestui capitol.

3
 § 1. Nofiuni recapitulative

1. Nofiunea de grup abelian

a
Fie o mulţime nevidă. Să notăm cu axa
mulţimea tuturor pere-
chilor ordonate (x,y) de elemente din a.
D e f i n i t i a t. Se numeşte lege internă de compunere ( operaţie
algebrică internă) pe mulţimea a,
o aplicaţie cp: axa
➔G

(x,y) ➔ cp(x, y).

Elementul cp(x,y) din G care corespunde perechii ordonate (x,y)
de elemente din a se numeşte compusul lui x cu y prin operaţia cp. Pentru
operaţiile algebrice (interne) -se· folosesc numeroase notaţii. Aici menţi­
onăm:
(a) notaţia aditivă:
cp(x, y) =x+ y
şi în acest caz x+y se numeşte suma lui x cu y;
(b) notaţia multiplicativă:
cp(x,y)=xy
şi în acest caz xy_ se num~şte produsul lui X cu y.
D e f i n i t i a 2. O mulţime nevidă a,
~hipată cu o operaţie alge-
brică internă (notată de regulă adltiv) se numeşte grup abelian dacă
sînt s.atisfăcuţe următoarele axiome :
(1) (x+y)+z=x+(y+z) (V)x. y, zE G
~)x+y=y+x (~~yEG
(3) (3)8Ea astfel încît x+8=6+x=x (V)xEa.
(4) (V)xEG,(3)x'EG astfel încît x+x'=x'+x=0.
Propoziţia t. într-un grup abelian G elementul 8 a cărui
·existenţă
este asigurată de axioma (3) este unic determinat. De ase-
menea, pentru orice xE G, elementul x' a cărui existenţă este asigurată
în axioma (4) este unic determinat. · . ·
Demonstraţie. Dacă 61 E G este a_stfel încît x+61 =61+ x=:ţ oricare
a,
ar fi xE atunci în particular vom avea ·
0=8+01==81

;4·
deci 8=81.
Dacă x" E G satisface, odată cu x', relaţia

x+ x" =x" +x=O,

atunci ·
.. .
x" =x~' +a~x"_+(x+x')=(x" +x)+x' =O+x' =.e, de unde x" =x'.
Prin definiţie, 8 se numeşte elementul zero al grupului G. Pentru orice
xE G, elementul x' se notează cu -x şi se numeşte opusul lui x. Evident,
x=-(-x) oricare ar fi xEG. Vom conveni să notăm cu x-y elementul
x+(-y), oricare ar fi x,yE=G.

2. Convenfii asupra notafiilor

Peste tot în acest capitol notăm cu R mulţimea numerelor reale.

După cum este ştiut, R, considerat împreună cu operaţiile de adunare
şi înmulţire ·a numerelor reale, este un corp comutativ: adunarea numere-
lor reale defineşte pe Ro structură de grup abelian iar înmulţirea este asoci-
ativă, comutativă, distributivă faţă de adunare, numărul real 1 este
element de efect nul faţă de înmulţire {lcx=cxl =ex, oricare ar fi cxE R)
şi orice element cxE R, (X =i=O are invers faţă de înmulţire (există (X- 1 E R
astfel încît (X(X-1=(X-1 ot= I).
Fie acum m şi n doi întregi pozitivi. Vom nota cu Rmxn mulţimea
tuturor matricelor A de tip m X n cu elemente din corpul R,

a11 a12- •• a1n )

A= f21 a22- . .a2n (a,,E R)
(
am 1 am2 •.. amn

După cum este ştiut,

cînd tipul matricei A este subînteles se foloseşte
notaţia condensa.tă A=(au) ale cărei avantaje sînt evidente.
Dacă A,BERm><n, A=(a~,( B · (b11), · at~nci suma matricei A cu
matricea B, notată cu A+ B, este . prin definiţie matricea CE Rmxn,
C=(cu).astfel incit ·
a,,+b,,=c,, i=l ,2, ... ,m, j= 1,2, ... ,n.

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

u=( t) (~E R. i=l,2, ... ,m),

§ 2. Spafiul vectorilor de pozilie

'Scopul acestui paragraf este de a pune la dispoziţia cititorului un

model geometric în care vor fi ilustrate principalele noţiuni şi rezultate
din acest capitol.
 1. Spafiul vedorllor de pozifle

În spaţiul punctual (fizic) tridimensional S să fixăm un punct O ce

va purta numele de origine. La fiecare punct P din S asociem segmentul
-➔
orientat cu originea în O şi cu extremitatea în P, notat cu OP şi numit
vectorul de poziţie al punctului P (relativ la originea O).
--Să notăm cu V mulţimea tuturor vectorilor de poziţie ai punctelor
din S. Funcţia tp : S ➔ V,
-➔
cp(P)=OP (V)PE S
stabileşte evident, o corespondenţă biunivocă între punctele lui S şi
elementele lui V. Avînd în vedere această corespondenţă, orice rezultat
ce va fi stabilit în legătură cu elementele lui V poate fi interpretat (tradus)
pentru punctele corespunzătoare din S.
Pentru studiul mulţimii V a vectorilor de poziţie un prim pas se face
evaluînd elementele sale cu numere reale negative. Mai precis, se fixează
ca unitate de măsură un segment (neorientat) şi asociem la orice vector
-➔

de poziţie x=OP un număr real negativ, notat cu llxll şi numit lungimea

sau norma lui x, număr care exprimă de cîte ori se cuprinde unitatea de
măsură aleasă în segmentul (neorientat) OP.
De asemenea, vom defini pe V două operaţii:
adunarea vectorilor de poziţie şi înmulţirea vec- Q
torilor_ de poziţie cu scalari (numere reale).
Anume:
(1) Dacă x,y sînt vectorii de poziţie ai punc-
telor P, R respectiv, atunci vectorul de poziţie
al celui de al patrulea vîrf al paralelogramului
determinat de segmentele OP şi OR se numeşte
suma geometrică a lui x cu y şi se notează cu
x+y (fig. I, 1)
Corespondenţa f: Vx V-+-V O
f(x, y)=x+y {V)x, yE V
Fig. J, l
se numeşte adunarea vectorilor de poziţie.

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

se numeşte înmulţirea vectorilor de poziţie cu scalari (numere reale).

Def i n i ţi a 1. Mulţimea V, echipată cu operaţiile de adu-
nare a vectori for de poziţie şi Înmulţire a vectori lor de poziţie cu
scalari se numeşte spaţiul tridimensional al vectorilor de poziţie.
O b ser v aţi a 1. Dacă V este mulţimea vectorilor de poziţie ai
punctelor dintr-un plan PC S (respectiv de pe o dreaptă DC S) relativ
la o origine O fixată în P (respectiv pe D) atunci V. echipat cu operaţiile
de adunare a vectorilor de poziţie şi înmulţire cu scalari, poartă numele
de spaţiul bidimensional (respectiv unidimensional) al vectorilor de poziţie.

2. Descompunerea geometrică a vectorilor

de po.zifie. Reper

în spaţiul tridimensional al vectorilor de poziţie V să fixăm trei vec-

tori de poziţie e1,e2,e3 care nu se găsesc în acelaşi plan. Să presupunem
că P 1, P2, Pa sînt punctele ale căror vectori de poziţie sînt respectiv
e1,e2,ea. Fie x arbitrar din V şi fie T punctul al cărui- vector de poziţie este x.
Să considerăm paralelipfpedul unic determinat prin condiţiile: ·
(a) are un vîrf în O ;
(b) muchiile care „pleacă" din O sînt situate pe aceleaşi drepte cu
OP1, OP2, 0Pa respectiv ;
(c) diagonala care „pleacă" din- O este OT.

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:

§ 3. Notiunea de spafiu liniar

1. Lege externi de compunere

In paragraful precedent am dat o regulă după care la orice pereche

-ordonată (or.,x) formată cu un număr real or. şi un vector de poziţie x se
.asociază un vector de poziţie unic determinat cxx, numit produsul lui
« cu x. Se defineşte astfel o aplicaţie g: Rx V ➔ V
(x, or.)...!➔or.x,

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

numită produsul matricei A cu numărul real ix. De data aceasta obţinem

o aplicaţie g: Rx RmXt• ➔ Rmx11
g
(a, A)-➔ aA

numi tă înmulţirea matricelor cu scalari.

În general:
Definiţi a 1. Se numeşte lege externă de compunere pe o mul-
ţime nevidă V, cu operatori în corpu I R, o regulă conform căreia
la orice pereche ordonată (ex, x) cu ex E R şi x t=: V se asociază un
element unic determinat din V şi notat cu cxx,
{ot, x)-+otX

numit produsul lui ex cu x.

O lege externă de compunere pe o mulţime dată V mai poartă încă
numele de operaţie algebrică externă pe V. Evident, a defini o operaţie alge-
brică externă pe V cu operatori înR revine Ia a da o aplicaţie g: Rx V-+ V.
înmulţirea vectorilor de poziţie cu scalari, respectiv înmulţirea matricelor
,cu scalari sînt exemple de operaţii algebrice externe pe spaţiul V al vecto-
rilor de poziţie, respectiv pe Rmxn.

2. Deflnifla spaflulul llnlar

Sîntem acum pregătiţi să dăm definiţia de bază din acest capitol

D e f i n i t i a 2. Un grup abelian V pe care este dat o operaţie
externă cu operatori în R astfel incit :

(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.

Pro p o z i ţi a t. Fie V un spaţiu liniar peste corpul R.

(1) Dacă (tE R iar ·xE V, atunci ocx=6 (=) ix=0 sau x..:....o;
(2) Oricare ar fi r.c~ R şi xE V, (-oc}x=oc(-x)=-ocx.

Demonstra/ie. Presupunem oc=0 şi fie y=0x. Avem :

y=0x=(0+0)x=0x+0x=y+y.

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.
.

Reciproc, presupunem că cxx=0. Dacăoc,60. fie ~ER astfel încît

(3:x=l. Avem
x= lx=(~x)x=~(ocx) =~O =0
şi cu aceasta: (1) este complet demonstrat.
Cum 6 =a0=cx(x+(-x))=ocx+a(--:-x), avem et.(-x)=-ax.
Analog, (-:--:x)x=-ocx şi propoziţia este demonstrată.

Exercilii

1. Fie V un spaţiu liniar peste corpul R. Să se demonstreze prin

inductie că :
(a) oricare ar fi aE R şi X1tX~, .. ,,xnc:: V_ avem:
cx(x1+x2+ ... +xn)=~t1-!-ax2+ ... +~t"n:
(b) oricare ar fi a1,oc2, .. ,,cxmE R şi xE V avem:
(cx1+e1.2+ ... +e<m)x=a1x+cx2x+ ... +exmx;
(c) oricare ar fi et.1,cx2, ... ,C1.mE R şi x1,X2, .. ,,xnE V avem:
, ,n ·) ( 11 ) rn, 11

'i1i IXt
(
i~l X; = i,~.. 1 rl.iXj,

2. Fie M o mulţime nevidă şi fie V=RM, unde s-a notat cu RM mul-

ţimea tuturor funcţiilor/: M ➔ R.
(a) . Să se arate că V este spaţiu liniar faţă de operaţiile de adunare a
funcţiilor şi înmulţire a .funcţiilor cu scalari :

(f+g)(x)=f(x) +-g(x) (\/)/, gE RM, xE M

(rJ.f)(x)=r1.f(x) (Y)cxE R, f E R.M, xE M.
13
(b) Să se specializeze acest exemplu luînd: M=[a,b](a,bER, a <b),
M=N (mulţimea numerelor naturale), M~ {1,2, ... ,n}, M= {1,2, ... ,m}x
X {I ,2, ... ,n }.
(c) Să se arate că submulţimea W a lui Rlb.aJ, formată cu funcţiile f conti-
nue (resp. derivabile) pe intervalul [a,b] este spaţiu liniar faţă de operaţia
de adunare a funcţiilor şi înmulţire a funcţiilor cu scalari.
(d) SăsearatecăsuQmulţimeaW~Jui RN formată cu şiruriile mărginite
(respectiv convergente) este spaţiu liniar faţă de operaţia de aduna.re a
şirurilor şi înmulţire a şirurilor cu scalari.
3. Fie V= {xE Rix >0 }. Rezervînd notaţiile uzuale pentru operaţiile de
adunare şi înmulţire a numerelor reale, să se arate că V formează spaţiu
liniar peste corpul R faţă de operaţiile:
x$Jy=xy ('v')x,yE V
« x=xa.
0 (V)otE R, xE V

4. Fie V=R şi xoE R. Rezervînd notaţiile uzuale pentru operaţiile de

adunare şi înmulţire a numerelor reale, să se arate că V formează spaţiu
liniar peste corpul R faţă de operaţiile:
xG> y=x+y-xo ('v')x, yE V

or. 0 x=o:x+(I-«)Xo (\f)otE R, xE V.

t 4. Dependentă şi independentă liniară a vectorilor

1 • Comblnatll liniare de vedori

Să considerăm un spaţiu liniar V peste corpul R şi un si-stem

u1, u2, .. ,,um de vectori din V.
Definiţi a t. Spunem că un vector u din V este combinatie
liniară de vectorii u1 ,u2, •• ,,um dacă există «1 ,(¼, ••• ,or.m E R astfel incit

U=ot1U1 +«2u2+ ... +ixmUm,

Scalarii «1,Clt:!, .. ,, or.m se numesc coeficienţii combinaţiei liniare.

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).

2. Sisteme de vectori linlar echivalente

Să considerăm într-un spaţiu liniar V peste corpul R două sisteme de

vectori S şi T, S= {u1, u2, ... ,um}, T= {v1, V2, .. ,,vn}•
D e f i n i ţ i a 2. Spunem că sistemul S de vectori este liniar echi-
valent cu sistemul T dacă orice vector din S este combinaţie liniară
de vectorii lui T şi reciproc, orice vector din T este combinaţie li-
niară de vectorii lui S.

în acest caz scriem S-..,;T şi citim S liniar echivalent cu T.

Exemple. 3). în spnţiul lininr U3 considerăm sistemele de vectori S= {u 1 , u 2 }
şiT= {v1 , ,,2 , v3 }, unde u 1 =(1, -2, 1), u 2 =(2, 1, O),
11 1 =(-1, -3, 1), r,2 =(3, O, 1),
113=(3, -1, 1).
Avem
1
u1 = - r, 1 + 0 r,2 + -1 113
2 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).

Lema t. Fie S={ll1",U2,·••1llm} şi T={V1, V2,••·, Un} două sisteme de

vectori astfel incit orice vector din S este combinaţie I iniară de
vectorii I ui T. Cu această ipoteză, orice vector u care este combinaţie
liniară de vectorii lui S este combinaţie liniară şi de vectorii lui T.

Demonstraţie. Conform ipotezei din enunţ, pentru orice i, I~ i ~ m, există

li

«il, (1.i2,···, ain E R astfel încît u,=(1.uv1+ai2t-'2+, .•• +(1.inVn · b (1.iJVJ-

i=I .

Fie acum u un vector care este combinaţie liniară de vectorii lui

S şi fie (X1, <X2, .. -,ocmE R astfel încît

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 ·

unde ~,= b oc,x,1, j= 1,2, ... ,n

m

i=l
şi deci a este combinaţie liniară de yectorii
.

ffui T.
Din lema precedentă rezultă :

C o ro I a r u I 1. Dacă S şi T sînt două sisteme de vectori liniar

-echivalente, atunci un vector u este combinaţie liniară de yectorii
lui S dacă şi numai dacă este combinaţie liniară de vectorii lui T.

Cor o I aru I 2. Dacă S, T, W sînt trei sisteme de vectori astfel

încît S~T şi T~\17, atunci S......, W. Altfel spus, proprietatea siste-
melor de vectori de a fi liniar echivalente este tranzitivă..

16
 3. Dependenfi şi lndependenfl liniari a vectorilor

D e f i n i f i a 3. Un sistem de vectori u1, 14, ... , Um se numeşte

liniar independent dacă relaţia
cx1u1+ot2u2+ ... +rlinUm=8 (ot,E R i= 1, 2, ... ,m)
este posibilă numai în cazul cind cx1 =°'2= ... =cxm=O.
În caz contrar, sistemul de vectori u1, u2,,,., Um se numeşte liniar dependent.
Altfel spus, sistemul de vectori u1, u2, ... , um este liniar dependent dacă
există ot1, «2, ... , %iE R, nu toţi 1?,uli, astfel încît

cx1u1+cx2u2+ ... +exmUm=0.

Un sistem oarecare de vectori u1, u2, ... , Um este sau liniar indepen•
dent sau liniar dependent, definiţia de mai sus exclude o a treia posi-
bilitate.
Exempll'. 5) În spaţiul liniar R3 vectorii u 1 =(1, O, O), u 2 =(1, 1, O), u3 =(1, 1, 1)
slnt liniar independenţi căci din relaţia

(0t, ER)

rezultă

(r.t1 +r.t2+r.t3, oc 2 +oc3 ,oc3)=(0, O, O)

deci oc1 +ix2 +oc3 =0, oc 2 +cc3 =0, oc3 =0, de unde oc1 =a: 2 =a:3 =0.
6) în spaţiul liniar R3 vectorii u1 =(1, 2, -1) u 2 =(1, 1, 1), u 3 =(1, 3, -3)
slnt liniar dependenţi pentru că are Joc relaţia netrivială
2u 1-u 2-u3 =8

'1) ln spaţiul V al vectorilor de poziţie orice reper {e1 , c2 , e3 } este format cu

vectori liniar independenţi. În adevăr, dacă vectorii e1 , e2 , e3 slnt liniar dependenţi,
atunci există r.ti, oc 2 , oc3 ER, nu toţi nuli, astfel tnctt « 1e1 +«2e2 +cx3 c3 =6. Pentru a
face o alegere, presupunem « 1 #:, O. Atunci
C1 =-ot1-loc2C2-cc1-1cx3C3 = f32e2 + (33C3
unde (3 2 =-«c1cc 2, (3 3 =-;Ja:3 • Din relaţia e1 = f3 2 e2 + (33 c3 rezultă că e1 se găseşte ln
planul determinat de e2 şi e3 , ceea ce reprezintă o contradicţie pentru că vectorii
unui reper prin definiţie nu se găsesc în acelaşi plan.
8) Un sistem {u} format cu un vector_ u #:-8 este liniar independcnt_"(v. Pro-
poziţia 1, § 3).

2. Elemente de al~ebră şi programare liniară 't

17
 P r o p o-z i ţ i a 1. Fie S = {u1, "2, ... , Um} un sistem de vectori.
(1) Dacă 8 e S, atunci S este sistem liniar dependent.
(2) DacăS este sistem liniar independent, atunci Ui=#= 8, i= I, 2, ... , m.
(3) Dacă S conţine un subsistem S' liniar dependent, atunci S este
sistem liniar dependent.
(4) Dacă S este sistem liniar independent, atunci orice subsistem
S' al lui S este liniar independent.
Demonstra/ie. (I) Pentru a face o alegere presupunem u1=0 şi fie
« 1 E R, 0t1 :rO. Avem relaţia netrivială de dependenţă liniară

ot1u1+Ou2+ ... +Oum=6,

deci sistemul S de vectori este liniar dependent.
(2) Rezultă din (1).
(3) Pentru a face o alegere, presupunem că S'{ =U1, u2, ... , u,.} cu r <: m
şi fie 0t1, 0t2, ... ,«,E R, nu toti nuli, astfel încît " ··

Avem încă

«1u1+cx2u2+ ... +otrur+Ou,.+1+ ... +0um=6,

relaţie în care nu toţi coeficienţii sînt nuli, deci S este sistem liniar
dependent.
(4) rezultă din (3).
Un rezultat util este :
L e m a 2. Fie {u1 , u2 , ••• , Um} un sistem de vectori liniar indepen-
dent. Cu această ipoteză, un vector u este combinaţie liniară de
vectorii u1, f½, ••• , Um dacă şi numai dacă sistemul de vectori
{u1, "2, ... , Um, u} este liniar dependent.
Demonstraţie. în adevăr, dacă u este combinaţie liniară de
vectorii u1, u2, ... , Um, atunci u=ot1u1+ .... +otmUm cu «,E R, deci
«1u1+0t2u2+ ... +otmun, +(-1 )u =6,
relaţie în care coeficientul lui u este diferit de zero. Aşadar, sistemul
de vectori {u1, u2, ... , Um, u} este liniar dependent.

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•

4. Rangul unul sistem de vectori

Să considerăm într-un spaţiu liniar V peste corpul R un sistem de

vectori S= {u1, u2, ... , um }.
Defini fi a 4. Spunem că sistemul de vectori S are rangul r
dacă conţine un subsistem S' liniar independent format cu r vectori,
şi nu conţine subsisteme liniar independente cu mai mult de r vectori.

Cu alte cuvinte, rangul lui S, notat cu rang S, este numărul maxim de

vectori liniari independenţi din S.
Lema 3. Fie S un sistem de vectori astfel incit rang S=r. Dacă
S' este un subsistem liniar independent al lui S, format cu r vectori.
din S, atunci S'--S.
Demonstraţie. Fie S= {u1, µ2, ... , ~}- Pentru a nu complica notaţiile
presupunem că S' = {u1, u2, ... , Ur }. Cum ra11g S=r, oricare ar fi uE S,.
sistemul {ui, u2 , ••• ,u,,u} este liniar dependent./ Din Lema 2 rezultă că u
este combinaţie de vectorii u1, u2, ... , u,.
·Acum este clar că S' .--S.
Două sisteme de vectori echivalente nu au obligatoriu acelaşi număr
de vectori (v. exemplul 3). Un rezultat remarcabil este faptul că două
sisteme echiv~lente au acelaşi rang. Vom stabili acest rezultat ca o

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}.

Demonstraţie. Procedăm prin inducţie asupra lui r. Dacă r= I,

evident r~ n. Cum u1 este combinaţie liniară de vi, v2, ... , Vn, există
u;i, «2, ... , OCn E R astfel încît
U1 =«1V1 +a2t12+ ••• +ctnVn.
Cum u1 :;!:O (v. Propoziţia 1, pct. (2)), există cel puţin un scalar r✓-1 ;60.
Presupunem că «1 ;60, altfel reindexăm adecvat vectorii v1• Avem :
V1=ix1- 1u1-«Cl«2v2-... -«1i;_Ianvn
şi acum este evident că
{U1, V2, ... , tln} "'-' {v1, V2, ... , Vn},
deci teorema este adevărată cînd r= I.
Presupunem acum r>l şi că teorema este adevărată pentru r-l. Sis-
temul de vectori {u1, u2, ... ,u,-1} verifică, odată cu {u1, u2, ... , u, }, ipotezele
din enunţul teoremei (v. Propoziţia I pct. (4)). Conform ipotezei
.avem r-l ~ n şi
(*) {u1, ... , u,_1, v,, ... , Vn}""' {v1, V2, ... , Vn}.
Dacă r-l=n, atunci
{u1, u2 ,•.. , Ur-1}-- {v1, V2, ... , Vn}
şi folosind corolarul 1 rezultă că u,. este combinaţie liniară, de vectorii
&1, u2, ... , Ur-1 (pentru că este combinaţie liniară de v1, t12, ••• , Un). Acum
din Lema 2 rezultă că sistemul {u1, u2, ... , ur} este liniar dependent, ceea
ce contrazice ipoteza din enunţul teoremei. Rămîne adevărat că r-1 <n
deci ,~ n. Din (*) şi corolarul 2 rezultă că u,. este combinaţie liniară de
~ectorii u1, .•. , u,-1, Vr,••·• v,.,
deci

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
~

două ori. Obţinem r ~ s şi s ~ r, de unde r=s.

Corolar tt l 4. Dacă S={tt1, u2 , ••• , Um}, T={v1 , v2 ~ •• ·., Vn}
sînt sisteme liniar echivalente, atunci rang S= rang t.
Demonstraţie. Fie r=rang S, s=rang T. Fie S', T' subsisteme liniar
independente ale lui S, respectiv T, formate cu r, respectiv s vectori.
Avem S' -..s şi T' ,_T (v. Lema 3). Cum prin ipoteză S"-'T, obţinem
S' "'-,JT' (v. corolarul 2), deci r=s (v. corolarul 3), de unde rang S=rang T

5. Bază. Dimensiune

în paragraful 1, anticipînd definiţia pe care o vom da acum, am

considerat în spaţiul V al vectorilor de poziţie, un sistem {ei, e2, ea} de
vectori n·esituaţi în a~elaşi plan. Un asemenea sistem a fost numit
reper (bază). în paragraf ul I şi în exemplul 7, § 4 am semnalat urmă­
toarele proprietăţi pentru un reper:
(a) sistemul de vectori {e1,e2,e3} este liniar independent;
(b) oricare ar fi x E V, există 0t1,cx2,cxa E: R astfel incit x=0t1e1+«~2+
+«ae3.

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

{e1,ea • • • ,em}""' ff1, f 2, • • • f n l-

Acum din corolar ul 3 rezultă m=n.
Definiţi a 6. Spunem că un spaţiu liniar V peste corpul R
are dimensiunea n dacă admite o bază formată cu n vectori.
Din Propoziţia 2 rezultă că orice bază a unui spaţiu liniar V de c.i-
mensi une n cuprinde n vectori.
P r o p o z i ţ i a 3. Pie V un spaf iu liniar peste corpul R de dimen-
siune n. Atunci :
(I) Orice sistem liniar independent de vectori din V conţine cel
mult n vectori.
(2) Orice sistem liniar independent format cu n vectori ai lui V
este o bază a lui V.
Demonstraţie (1) Fie {e1,e2, ... ,en} o bază a lui V şi fie S={u1,u2, •.. ,um}
un sistem liniar independent de vectori din V. Din punctul (ii) al Defi-
niţiei 5 rezultă că orice vector utE S este combinaţie liniară de vectorii
e1,e2,,.,,en. Putem deci aplica Teorema I şi avem m ~ n.
(2) Fie acum S= {u1,u2, ... Un} un sistem liniar independent format cu
n vectori din V. Dacă xE V, atunci sistemul {u 1,.,.,Un,X} este liniar depen-
dent datorită punctului (1) al propoziţiei de faţă. Aplicînd Lema 2
rezultă că x este combinaţie liniară de vectorii u1, u2, ••• , Un, deci S este
o bază a lui V.

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

{oe1, et 2 , a.3 ) = (O, O, O),

deci de unde rczult.i că {e 1 , e2 , e3 } este sistem liniar independent.
ix 1 =oc 2 =cx3 =0,
Dacii x E U3 , x= (,x 1, oe 2 , 11.3 ), atunci evident
x=oc{e1 +cx2 c2 +oc3 c3 ,
de unde rezultă că {ei, e2 , e3 } este o bază ln na, numită ba:a canonicei a acestui spaţiu.
Spaţiul liniar It3 are deci dimensiunea egală cu 3.

10) Sistemul de vectori {u 1, u 2 , u3 }, unde u 1 =(1, O, 0), u2 =(1, 1, O), u3 =(1, 1, 1)

formează, ele asemenea, o hază a lui ll3 • în adeviir, sistemul {u 1 , u 2 , u3 } este liniar
independent (v. Exemplul 5 §·1) şi cum na arc dimensiunea cgah1 cu 3, se aplică Pro-
pozitia 2.
li) Sistemul ele vectori {1,1, 112 , 113 , ".i} din U 3 , 11 1 =(1, 2, -5), 112 =(-7, 1, 2), v3 =
=(0, 2. 5), 114 =(1, -1, 2), este liniar dependent. în udev.ir U 3 are dbnem,iunea 3
şi se aplic,i propoziţia 2.

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

ot1-(31=tX2-(32= ... =cxn-f3n=O,

de unde
i=l,2, ... ,n.
Am demonstrat:
Pro p o z i ţ i a 4. Dacă {e1 , e2, ••• , en} este o bază a unui spaţiu
liniar V, atunci orice vector x din V se scrie în mod unic ca o con:-
binafie liniară de vectorii bazei.

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

1. în spaţiul liniar R3 se dă sistemul de vectori S= {u1,u2,ua}, unde

u 1=(1,-l,0), u2=(0,l,-l), ua=(-1,0,l), să se arate că:
(a) Sistemul S de veck ri este liniar dependent ;
(b) Orice sistem T format cu doi vectori din S este liniar independent;
(c) Oricare două sisteme T şi W, formate cu cîte doi vectori din S, sînt
liniar echivalente.
2. În spaţiul liniar. R4 sînt date sistemele de V€ctori S= {u1,u2} şi T=
= {v1,V2,V3,V4} unde u1=(2,-1,3,l), u2=(1,2-2,3), v1=(1,0,0,0),
v2=(1,1,0,0), va=(l,1,l,0),v4=(l,l,l,l), să se arate:
(a) Sistemul S de vectori este liniar independent.
(b) u 1 şi u2 sînt combinaţii liniare de vectorii lui T.
(c) Urmînd ideea demonstraţiei Teoremei I să se găsească doi vectori
v, şi VJ în T astfel 1hcît

3. În spaţiul liniar din Exerciţiul 3, § 3 se dă sistemul de vectori S =

v2 s
= {u1,u2}, unde U1 = şi U2= Vă, Să se arate că este sistem liniar de-
pendent.
4. într-un spaţiu liniar V peste corpul R de dimensiune 2 se dă baza
{e1,e2} şi vectorii /i=(coscp)e1-(sincp)e2, /2=(sincp)e1+(coscp)e2, unde
cpE [0,1t].
Să se arate că {/i,/2 } este o bază a lui V oricare ar fi cpE[0,r:].
Care sînt coordonatele vectorului x=-2e1+3e2 în baza {'1"2} ?
5. În spaţiul liniar Rla,bJ al funcţiilor reale definite pe intervalul [a,b]
se dau funcţii]~ '1,/2, ... ,/n, unde
fk(x)=xk (x E [a,b ], k= 1,2, ... ,n).

·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

t 5. Rangul unei matrice

Fie A o matrice de tip m X n cu elemente din corpul R,

au a12 .•. a1n )

A= a~1 a22, ••a2n
(a,1E R)
(
llmt ll1n2 .. ,llmn
Fie s şi t două numere astfel încît 1 ~ s ~ m şi 1 ~ t ~ n. La orice sistem de
numere i1,i2, .. ,,is,h,iz, ... je, astfel încît

. 1 ~ ii <h < ... <Ît ~ n

asociem matricea
a,1i1 ai1i2• .. ai1it )
a#ii1 lli2i2"' lli2it
(
a~sJ1 llisi 2• .. aisit

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.

Matricea A= (-I \~.t-~i ~)

3 -3 4 1
are rangul 2

pentru că minorul 1-: _; I ;6 O

-şi toţi minorii de ordin 3 sînt zero..

Observ aţi a I. Calculul rangului unei matrice A pe baza defini-
Tţiei date mai sus este complicat, mai ales atunci cînd m şi n sînt numere
mari. Dacă p=min {m,n} se formează minorii lui A de ordin 1,2, ... ,p,
,deci în total
c~c~+c~c;,+ ... +c~ c~
:minori, printre care trebuie să descoperim un minor diferit de zei o, de
,.ordin maxim.
O simplificare importantă rezultă din observaţia că într-un minor de
-0rdin k+ 1 complemenţii algebrici ai elementelor sale sînt egali, eventual mai
1puţin semnul, cu minorii de ordin k ai lui A. Deci dacă toţi minorii de ordin
.k sînt zero, atunci şi minorii ·de ordin k+ I sînt zero (se dezvoltă un asemenea
·minor după complemenţii algebrici ai unei linii sau coloane). Acum re-
..zultă succesiv că şi minorii de ordin k+2, k+3, ... ,p sînt zero, deci

: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
(

şi în spaţiul liniar Rn vectorii

A,=(ao,ai2, •.• ,a,n) i= l ,2, ... ,m,

numiţi vectorii coloană, respectiv vectorii linie ai matricei A.

Deci putem considera rangul sistemului de vectori {AI,A2, ••• ,An}
în spaţiul liniar 1nR şi rangul sistemului de vectori {A 1,A 2, •• ,,Am} în
spaţiul liniar Rn.

T e o rem a 1 (Kronecker). Dacă A este o matrice de tip m x n

cu elemente din corpul R, atunci rang A=rang {A 1 , A 2, •• • ,An,}=
= rang {A 1 , A2' ... , Am}. Cu alte cuvinte, rangul unei matrice A este
egal cu numărul maxim de coloane (linii) liniar independente.
Demonstraţie. Demonstrăm că rang A =rang {AI,A2, ... ,An }.
Egalitatea rang A=rang {A1,A2, .. ,,Am} se probează la fel.
Fie r=rang A. Deci A are cel puţin un minor diferit de zero de ordin r „
Pentru a nu complica inutil notaţiile, presupunem că
an a12 ... a1r
a21 a22... a2r
Â= =,:O
a,1 ar2... a,r

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

rang {A 1,A:?, ... ,Ar}=rang {AI,A2, ... ,An}.

Cum A 1,A2, ... ,Ar sînt vectori liniari independenţi, rang {AI, ... ,Ar}=r,.
de unde
rang A =rang {AI,A2, ••• ,An }.

O b s e r v a t i a 2. Din teorema I rezultă că a găsi rangul unei

matrice A revine la a determina numărul maxim de coloane (linii) indepen-
dente ale matricei A. O cercetare atentă a demonstraţiei teoremei I ne
.conduce 'ia constatarea că s-a stabilit că numărul maxim de coloane liniar
independente este , folosind doar faptul că minorul /J,. de ordin r este
diferit de zero şi că următorii (m-r)(n-r) minori de ordin r+ I sînt zero:
Âti i=r+I, ... ,m, j=r+l, ... ,n numiţi minorii de ordin r+I carebordează
pe /J,..

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

Se observă că minor.ul de ordin 2, il= I=} îl = 1=/=0 şi că minorii

de ordin 3 care bordează pe  sînt toţi zero, a numei:
11-1 2 -1 2 I -I 2 2
2j-l 1 -0, -1 I - I =O, -1 Ii3 =O,
2-2 3 -2 3 O -2··3'5
şi deci rang A=2.
2) Să determinăm ex şi ~ astfel încît matricea

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

1) Să se găsească rangul următoarelor matrice:

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.

f 6. Compatibilitatea sistemelor de ecuatii liniare

Să considerăm un sistem S cu m ecuaţii liniare în n necunoscute x1,x2, ... ,xn.

şi cu coeficienţi în corpul R, anume :

a11x1+a12X2+ ... +a1nXn=b 1

f
(S) ~21x1+a2'l-t2+ ... +a2n.xn=b2

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

D e f i n i ţ ia l. Un sistem de numere reale cx1, C¼, ••• , «n se nu-

meşte -soluţie a sistemului (S) dacă substituite în (S) necunoscutele
Xi, ~, ••• , Xn, respediv se obţin identităţi, adică

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.

în acest paragraf vom da un criteriu prin care putem recunoaşte

<Iacă un sistem de ecuaţii liniare (S) este compatibil sau nu. Calculul
.soluţiilor, în caz că sistemul este· compatibil, va fi precizat în § 9.
Sistemului (S) îi ataşăm matricele

an a12 .. .a1n ) ( au a12... a1n b1 )

A= a21 a22 .. .a:in A= a21 a22 .. .a2n b2

(
1ml am2, .. amm • lml a,n2 ... amnbm

~numite matricea sistemului, respectiv matricea extinsă a sistemului.

Rangul sisfe11J,ului (S) este prin definiţie rangul matricei A.
De asemenea, ataşăm sistemului (S) vectorii coloană (din spaţiul
liniar mR)

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.=

este diferit de zero.

Din demonstraţia teoremei l, § 5 rezultă că A 1, A 8, ... ,Ar este un

sistem dP. coloane liniar independente şi
{A1,A 2, ••• ,Ar}'""' {A1,A 2 , ... ,A~}.
Din Teorema rezultă că sistemul (S) este compatibil dacă şi numai
dacă {A 1,A 2 , ••• ,An}..._ {A1,A 2, ... ,An,B},
Deci sistemul (S) este compatibil dacă şi numai dacă
(*) {A1,A2, ... ,Ar}..._ {At,A2, ... ,A",B}
(vezi corolarul 2, § 4).
Cum rang A=r=rang {A 1,A 2, ... ,Ar} iar rang A=rang {At,A 2, ... An,B}
din (*) rezultă rang A=rang A (v. corolarul 4. f4). Reciproc, dacă
-
rang A=rang A, atunci avem (*) (v. Teorema 1, § 5).
.
3 Elemente de algebră şi programare Unl&rA 33
Exemplu. Să se determine valorile lui  pentru care siislemul
2x1 +xq+x3 +a·4.= 1

este compatibil. Cu notaţiile

l -x1 +x2 + 3x3~4x4 = O
X1 + 2X2 + 4:t•3-3x4 = Â

de mai sus avem

,_ ( 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

A,=(an,~,2, .. . ,atn,b~) i= 1,2, .. . ,m liniile matricei "X.

Cum rang A =r
iar  =#O este minor de ordin r şi al lui A, din Teorema 1~ § 5, în va'rianta
pentru liniile matricei A, rezu1tă

{~, ... ,Ar}-. {A1, . .. ,~m }.

în particular pentru k >r,Ak este combinaţie liniară de A 1, ••• ,Ar, deci
există ~1,~2, ••• , ~rER astfel încît

A /c = ~1A 1+ '33/4:+: .. + '3,Ar

de unde
r
ak=~1a·1,+ ... +~rari= ~ ~,ati, j= 1,2, .. . ,n ·
; ... I
şi
,
bk = ~1b1+ f32b2+ ... + ~,b, = ~ ţ,,b,.
i=l
Aşadar,

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

1. Să se arate că sistemele următoare sînt compatibile:

x1-2x2+ xs+ X4= 1 X1-x2+2x3= I
a) 2x1-3xr-xa+2x4=-J b) -x1+x:r-xa= I
{ {
-x1+x2+2x3-X4=2 2x1-~2+3xa=l
2. Pentru ce valori ale lui 0t şi ~ sistemul
«x1+~x2+2xa= I
cxx1+(2~-l)x2+3xs= 1
{
«x1+x2+(~+3)xa= 1
este compatibil?

t 7. Inversa unei matrice

Vom nota cu I matricea unitate de ordin n. După cum este ştiut I

este element de efect nul pentru ogeraţia de înnwlţire a matricelor pătra­
tice de ordin n. Mai precis, avem :
Al=IA=A oricare ar fi Ae Rnxn.
Definiţi a l. O matrice A E Rnxn se numeşte inversabilă dacă
există A' eRnxn astfel incit AA'=A 1 A=I.
Matricea A' cu proprietatea AA' =A' A=I este unic determinată.
In adevăr, dacă A" eR nxn satisface de asemenea relaţia AA" =A" A=I,
atunci
A' =A' I =A'(AA")=(A' A)A" =I A" =A".
Matricea A', în caz că există, se notează de regulă cu A-1 şi se numeşte
inversa matricei A. Avem AA-1=A-1A=l.
Evident, matricea / este inversabilă şi 1-1=/. De asemenea, A- 1
este, odată cu A, inversabilă şi (A-1)-1 =A. Matricea zero nu este inversa-
bilă căci OA' =0 =I: I oricare ar fi matricea A' e Rnxn.

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.

T e o r e m a 1. O matrice pătratică A eRnx 11, A= (a,1) este

inversabilă dacă şi numai dacă are determinantul diferit de zero.
Demonstra/ie. Să presupunem că d=det A :;l=O şi se arătăm că A
este inversabilă. Să notăm cu ru complementul algebric al elementului
lllJ din matricea A şi fie matricea pătratică de ordin n

r11 r21 ... rni)

r12 r22. • • rn2
A*= :
( r2n. ••rnn
r1n

numită reciproca matricei A. Construcţia lui A* este simplă: în matricea

A fiecare element au se înlocuieşte cu complementul algebric al elemen-
tului OJi•
Avem
A A*=A* A=dl.
în adevăr, fie C=AA*, C=(C11)eRnxn. Conform cu definiţia produsu•
lui a două matrice, c,, este suma produselor dintre elementele
041 a, 2 •• • am ale liniei i din matricea A cu elementele r11, r,2.... ,r,n ale
coloanei j din matricea A*, deci
n
CiJ=°'1r J1+~~ J2+ • • • +a,nr jn= ~llikr ik•
11-1

Deci ~J este suma produselor dintre elementele liniei i cu complemenţii

algebrici ai liniei / a matricei A, de unde
dacă
c,,=IdO i~j
dacă i= j

(v.,,E1emente de algebră superioară" anul I I I liceu, secţia reală).

37
Aşadar

. (dO dO...O)O ·
AA*=C= : =dl
O O•• •d ·

şi analog A* A =dl.

Cum d ~O, putem defini matricea A-1 =: A·* şi avem

A-1A=_!_A* A =_!_d l=I ..
. . d d
şi analog A A- =1. Rezultă că A este inversabilă şi A-1=: A*.
1

Nu prezentăm demonstraţia reciprocei (v. Exerciţiul 2).

J~xemplu. Fie

(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

r11=2, r12=2, r13=-1, ru=2,. I'22=4, r23=-t, I'ai=-2, I'a2=-4, r33=2 şi

atunci

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. " ,.

i 8. Inversare prin. partlfiona_r-.·.·

Fie A e R11 xn, A =(aii) o matrice pătratică de ordin n. Dacă p este

un număr întreg cuprins între· 1· şi n putem partiţiona matricea A trasînd
cîte o linie după coloana şi linia: p, an.urne
.a11>+1, • -a1n

•<i••l . •.•. •·I

unde am notat cu A11 , A 12, A21, A22 submatricele lui A rezultate din
partiţionarea definită de p. Submatricele menţionate sînt de tip p Xp şi
pX(n-p), (n-p)Xp şi (n-p)X(n-p) respectiv.
Dacă B e Rnxn, B=(btJ) este partiţionată în acelaşi fel ca A

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.

Propoziţia I. Dacă matricea A este inversabilă iar partiţi­

onarea definită pe A denutnărul p este astfel incit A 22 este inversa-
bilă, atunci şi matricea A 11-AuAxl A 21 , este inversabilă. Calculul
lui A-1 poate fi redus la caicului inverselor matricelor A 22 şi
A11-A 221 A~ 21•
Demonstraţie. Să notăm cu B inversa matricei A. Să considerăm
în B partiţionarea definită de numărul p. Cum AB=I, folosind (*) obţi­
nem
(I) An B11+A12B21=lp
(2) An B12+A12B22=0
(3) A21 B11+A22B21=0
(4) A21 B12+A22B22=ln-p
unde s-a notat cu /~ şi /,._~ matricele unitate de ordin p, respectiv n-p.
Pentru a afla pe B trebuie să calculăm submatricele Bii• înmulţind la
stînga relaţiile (3) şi (4) cu A;;1 găsim

(**) B21=-Au1A21B11 şi Bma=Ai1-A221A21 B12

şi înlocuind în ( 1) şi (2) obţinem

(I') (A11-AiaA 221A21)B11=/ P

(2') (A11-A12Â 22 1A21)B12+Aw4 221 =0 ·

din (l') rezultă că A11-A12Â 22 1A21 este matrice inversabilă. Din (l') şi
(2') scoatem

Revenind în (**) găsim şi pe B21 şi B22 în funcţiede Au,

Observa/ie. O altă variantă a propoziţiei precedente se obţine atunci
cînd An este inversabilă.

Exemplu. Să considerăm matricea

Avem det A= 3 =;l: O, deci A este matrice inversabilii. Considel'lnd ln A partiţia de-
ftilită de numărul 2, avem

A 22 ==I~ 11 şi det A 22 =2=;i:O, deci A 22 este inversabilă. Ca ln § _7 găsim A 221=

= 11~ ~2 ,.

Avem

Calculăm : B,1 şi găsim

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.

Fie A=(tlii) e R.mxn matricea sistemului (S). Conform cu ipoteza

tfăcută, sistemul (S), deci şi matricea A, are rangul m. Aşadar matricea
A are cel puţin un minor  diferit de zero de ordin m (şi cel mu_lt aseme-c:
mea minori).
Pentru efectuarea calculului soluţiilor sistemului (S) se fixează
rnai întîi un minor  diferit de zero de ordin m al lui A. Odată fixat,
.ll. poartă numele de minor principal al sistemului (S). Necunoscutele
.x; ce corespund coloanelor lui A ce intră în  se numesc principale (de
,bază) celelalte necunoscute se numesc secundare.
Pentru a nu complica notaţiile, presupunem că minorul
a11a12 •• •a1m
a21a22 •• •a2m
Â=

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:

a1m ) (a1m+1 .••• a1n )

a2m _ a2m+1 . . . . a2n,
'S- : ,
tlmm amm+l •. • llmm
 Ma_i sus s-a comis un abuz considerînd şi matrice ale căror elemente
au altă natură decît cea a numerelor. Anume, matricele x, xP, x 5 ale
căror elemente sînt simbolurile x1, •• • ,Xn - necunoscutele sistemu-
lui (S). Un alt abuz va fi comis mai jos extinzînd operaţiile cu matrice
1i la acest caz. Toate acestea se fac cu scopul de a cuprinde într-o formă
condensată principalele momente ale rezolvării sistemului (S). Oricum,
totul revine ~a normal atunci cînd în x, xP, x 5 substituim necunoscute•
tor x1, x2, ••• , Xn un sistem ot1, ot2. • •• , otn de numere reale.
Matricele A şi x se partiţionează prin submatricele, P,S, respec-
tiv xP, x 8 după cum urmează:

A=(P, S), x=(::)

Cu aceste notaţii, sistemul (S) mai poate fi scris încă:

(1) Ax=B

(2) (P, S)(::)=B

(3) PxP +sx~=B.
Cum det P=l1 :;60, matricea Peste inversabilă şi înmulţind (3) Ia stînga
cu P-1 obţinem :

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.

Exem11lu. s~1 considerăm sistemul :

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

Forma generală a soluţiilor sistemului ( S) este deci

--+
3 3cx ~ tX,
- +-, ~
)
( 2-2a-~, 2 2 2
(~, ~ER)

Soluţia de bază corespunzătoare alegerii f.icutc pentru minorul principal va fi

{ 2, - !,.O, O} care este nedegeneratu.

Dac,1 alegem ca minor principal pe A= I~ _; l=-3 ,{:O, alunei avem

P= ( 21 -11) ' S=
(23)
2 1 '

Soluţia de bază corespunzătoare va fi (O, O, 1, O) care este degenerată.

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.

2. Să se găsească soluţiile de bază ale sistemului de ecuaţii liniare

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

~ G,tjXj=-0 i=],2, ... , n

j=I

admite numai soluţia X1=X2= •.• =.~n=O ·dacă şi numai dacă det A ,;eO,
unde A=(a,;) i, j=l,2, . .. n.

t 10. Spatii euclidiene

1• Produs scalar în spaflul vectorilor de pozlfle

Fie V spaţiul liniar tridimensional al vectorilor de poziţie.
Definiţi a l. Dacă x, yE V iar\ cp este unghiul dintre x şi y,
atunci numărul real
(x, y)=llxll•\\ull· cos (f>

se numeşte produsul scalar al lui x cu y.

Pro p o zi t i a l. Dacă coordonatele vectorilor de poziţie x, y într-un
reper ortonormat {e1 , e2 , e3 } sînt «1 , «2, oc 3, respecţiv ~1 , ~ 2, (3 3, atunci
p

Demonstra/ie. Aplicînd
teorema lui Pitagora gene·
ralizată în triunghiul OP R fi-
gura I, 3 avem

PR 2=0P2+

Fig. 1,:J +OR2-20P·OR cos ?

Folosind Propoziţia I din § 2 avem

OP=llxll=V q.i+0t~+0t~, OR=llull=I' f3f+f3~+f35 şi

PR=nT= llx-ull=V {0t1-f31)2+(«2~ ~2)2+(rx3-(¼)2
46
de unde
I
(x,y)=II x 11 · IJ y li cos cp=OP_ · OR cos cp=-(OP2+0R2-PR2)=
' 2

Intenţia noastră este de a extinde noţiunea de produs scalar Ia un spaţiu

liniar oarecare peste corpul R. în acest cadru general nu mai avem la
dispoziţie elementele geometrice (unghi, lungime) cu ajutorul căror8!
am introdus produsul scalar în spaţiul V al vectorilor de poziţie. Din
impas vom putea ieşi adoptînd calea axiomatică. În acest scop trebuie·
mai întîi s_ă c~noaştem proprietăţile definitorii ale produsului scalar în:
V. Aşa cum se va vedea mai tîrziu, acestea sînt cele cuprinse în propozi-
ţ(~ .. următoare. · · · ·

P r o p o z i f i a 2. Produsul scalar al vectorilor de poziţie are

proprietăţile :
(a) (x, y)=(y, x)
(b) (x'+x", y)=(x', y)+(x", y)

(c) (ax, y)=a(x, y)oricare ar fiaER

(d) (x, x) >O oricare ar fi x ;i=O.
Demonstraţie. Vom dovedi doar proprietatea (b), celelalte le
propunem ca exerciţii. Să notăm cu a;, a;' şi ~i, i= 1,2;3 coordonatele
lui• x', x" şi y respectiv, într-un reper ortonormat {e1,e2,ea}.
Avem
3
x , ..LI x ,, = ~
~ rxi,,e, + ~3 rxi,,et= ~1..J3 (rx;'+ rx;")e1,
~
i= I i ... l i= I

. 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

Să considerăm un spaţiu liniar V peste corpul R al numerelor reale.

D e f i n i ţ i a 2. Se numeşte produs scalar pe spaţiul liniar V o
regulă conform căreia la orice pereche.jle vectori x, y din V se aso-
ciază un număr real, notat cu (x, y), astfel încit

(1) (x,y) =(y,x)

(2) (x' +x", y)=(x',y)+(x",y).
(3) (ax, y)=r.1.(x, y) oricare ar fi r.1.E R
(4) (.x, x) >0 oricare ar fi x-f=O.

Numărul real (x, y) asociat vectorilor x, y eV se numeşte produsul

scalar al lui x cu y. Un spaţiu liniar V echipat cu un produs scalar
se numeşte spaţiu euclidian; (l)-(4) se numesc axiomele produsului
scalar.

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.

Pro p o zi ţi a 3. Produsul scalar al vectorilor are proprietăţile:

(5) (x,y' +y")=(x,y')+(x,y");

(6) (x, ~y)=~(x, y) oricare ar fi (3 e R;
(7) (x, O)= (8, y) =0 oricare ar fi x, y E V ;
(8) dacă (x, x)=O, atunci x=8 ;

Demonstrăm mai întîi proprietatea (5).

Avem (x,y'+y'')=(y'+y",x)=(y',x)+(y",x)=(x,y')+(x,y").

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=

(9) ( ~ rqx,,u) = i ri,(x,,y).

i=I i=-1

(10) (x, t ~JYJ) = t ~J (x,y,).

/=I . /=-I

3. Vectori ortogonali. Norma (lungimea) unul vector

într-un spaţiu euclidian oarecare V se pot introduce, prin analogie

cu spaţiul euclidian al vectorilor de poziţie, o serie de noţiuni pentru care
se păstrează terminologia uzuală. Astfel :

D e f i n i f i a 3. Dacă x şi y sînt vectori dintr. Jn spaţiu euclidian

V, spunem că x este ortogonal cu y dacă (x, y)=O.
Exe1Dple. 3) în spaţiul euclidian al vectorilor de poziţie considerăm doi vec-
ori :r, y diferiţi de zero. Dacă (x, y)=O, atunci cos cp=O, unde q> este unghiul dintre
vectorii x, y. Deci <p = rr/2 şi prin urmare in acest spaţiu noţiunea de ortogonalitate
ln sensul definiţiei 3 coincide cu noţiunea uzuală de ortogonalitate.
4. în spaţiul liniar nn vectorii x=(3, 3, 2, -1) şi g=(2, -:-3, 1, -1) slnt ortogo-
nali relativ Ia produsul scalar introdus tn Exemplul 1• .în adevăr,

(x, y)=3 ·2+3 •(-3)+2 •1 +(-1) (-1)=0.

Propoz ifia 4. Dacă vectoru I x este ortogonal pe vectorii

y 1• y 2 , •• ~, Yn, atunci oricare ar fi ~1, ~2 , ••• , ~n vectorul x este orto-
gonal pe vector.ul g=~1Y1+~2Y2+ • • • +~nYn•

- 4 Elemente de algebră şi progL"amare liniară 49

 Demonstraţie. Avem (X,YJ)=O, j= 1. ~ .... ,n şi acum .folosind (10)
obţinem

n ) n
(x,y)= ( x, ~ î3JYi =~ f31(x,Y1)=0.
i=l i=l

Acum vom introduce noţiunea de normă _(lungimea) a _unui vector

x dintr-un spaţiu euclidian V. Din axioma (4) şi din (8) rezultă că (x,x) ~O.
Putem deci considera radicalul aritmetic al_ numărului real nenegativ
(x,x).

Def i n i ţ ia. 4 Dacă x este un vector dintr-un spaţiu euclidian

V, atunci

se numeşte norma (lungimea) vectorului x.

Se observă că lungimea unui vector x este un număr real nenegativ şi

avem llxll =0 dacă şi numai dacă x=6.

Exemple. 5) în spaţiul euclidian R3 vectorul x=(l, O, 1) are lungimea

şi ln general, ln nu vectorul x=(«1 , cx 2 , ••• , «n) are lungimea

llxll=V otî + ot~+ ... +ex~

6) în spaţiul euclidian al vectorilor de poziţie, lungimea unui \'ector x tn sensul
Definiţiei 8 coincide cu cea uzuală. ---------
P r o p o z i 1 i a 5. (teorema lui Pitagora). Dacă i
ortogonali dintr-un spaţiu euclidian V, atunci
------------
şiy sint vectori

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 : ·. ·

T e·:o rem a 1. (inegalitatea Schwarz.:.Cauchy-Buniakowski). Oricare

ar fi vectorii X, y dintr.;an' spaf iu euclidian· V avem.

l(x, Y)I ~ llxll ·llull-

Demonstraţie. Dacă y=8, · atunci (x, y)=O şi JIYII =O, deci inega-
litatea din enunţ este chiar o eg~li.tate. ,. . . : . . 1
Presupunem deci y#,6. Pent~u orice t E R avem I' i •

O~ (x-ty,' x-ty)=llxll2-2(x, y)t+jlu2II t2,: : • ' 'i )

deci

(*) at2-2bt+c~0 oricare ar fi t E R

unde s-a notat: a=llul!2 >0, b=(x, y), c=llxll2-
După cum este ştiut din studiul trinomului de gradul 2, inegalitatea (*)
are Ioc pentru orice tE R dacă şi numai dacă /J'l-ac ~ O.
Deci. (x, Y)2 ~ llxli2llull2
de unde l(x, Y)I ~ llxll llull·
Folosind inegalitatea stabiHtă mai sus, putem defini acum unghiul (neo•
rientat) dintre doi vectori diferiţi de zero x,' y dintr-un spaţiu euclidian
V oarecare.
• I
Acest lucru are• Ia bază· obse,rvaţia
• ·•
că inega1itatea menţionată
•

poate fi pusă şi sub forma

. -·I ~ (x, y) .~ l.
llxll llull
D e f i n i f i a 5. Dacă ~, y sint · vectori diferiţi de zero dintr-un
: : ~
spaţiu euclidian V, atunci unghiul dintr~ x ~i y, not~t cu (X:, y), este
prin definiţie
/'.. ; :
. ( (:z:, y) . ) • •'
(x, µ)=arccos. llxll IIYII ·•• _....

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

1. în spaţiul euclidian R3(v. Exemplul 1) sînt daţi vectorii x=(ex, 1,-1)

şi y=(l,0,-1), unde ex este un parametru real
(a) Să se determine ex astfel încît vectorii x şi y să fie ortogonali.
(b) Să se determine ex astfel încît unghiul dintre x şi y să fie 1t/4.
(c) Să se determine ex astfel încît =2• li xii
2. În spaţiul euclidian V sînt daţi vectorii diferiţi de zero X1, x2, ... , Xr
astfel încît
I

-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

1. Ecuafla unui plan in spafiul vectorilor de poziţie

In spaţiul V al vectorilor de poziţie să alegem un reper ortonormat

{e1, e2, e3 }. Fie (1t) un plan care nu trece prin originea O şi fie P inter~
secţia planului (1t) cu perpendiculara dusă din O pe acest plan. Fie u.
vectorul de poziţie al punctului P iar x vectorul de poziţie al unui
punct mobil M (fig. I. 4).
Dacă a1~ a2, a 3, şi a1, «2, a3 sînt coordonatele lui u, respectiv x în
reperul ortonormat {e1, e2, ea}, deci u=a1e1+a~2+aaea şi x=oc1e1+aiae2:
+«aea atunci x-u=(«1-a1)e1+(oc~a2)e2+(aa-aa)ea, de unde rezultă
că 1Y.1-a1, a2-a2, a:a-a3 sînt coordonatele lui x-u în acelaşi reper.
Evident, punctul mobil M se află în planul (1t) dacă şi numai
dacă vectorii u şi x-u sînt ortogonali, deci

(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

(u,x-u) <O, respectiv {a, x-u) ~ O.

Aşadar, semispaţiile delimitate de planul (1t) _de ecuaţie

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.

2. Hlperplan. Semispaflu. Tronson

Consideraţiile făcute la pct. 1 în spaţiul vectorilor de poziţie se genera-

Uzează Ia un spaţiu liniar oarecare, de dimensiune n peste corp~~,.,R:
Fie deci V un spaţiu liniar de dimensiune n peste corpul ·'R şi fie
{e1,e2, ... ,en} o bază a lui V. Dacă x este un vector din V s!.notăm cu cx1,ac2,
••• ,«,a coordonatele sale în baza {e1,e2, ... ,en}, deci x )it1ei+ac~2+ ... +exnen,
Def i ni ţ ia t. O submulţime H a l~i-· v; formată cu vectorii x
ale căror coordonate cx1, ex:, ••• , <Xn. jntr-o bază dată {e1, ei,. . .. , en}
satisf~c o ecuaţie liniară ··
(*) a1x1+ll2X2+.-.·.+anxn=b · ·(a1,~ .. , an,bE·R)·

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.

Def i n i ţ i a 2. Hiperplanele (semispaţiile) unui spaţiu liniar V

de dimensiune 2 se numesc drepte (respectiv semiplane). Hiperpla-
nele unui spaţiu liniar V de dimensiune 3 se numesc plane. Semispa-
ţiile unui spaţiu liniar V de dimensiune I se numesc semidrepte.

l~xcmplu. în spaţiul liniar R2 să considcrtim baza canonică {c 11 e2 }, e1 =z

=(1, O), e2 =(0, 1). Pentru orice xeU2 , x=(cx 1 , «2 ) avem
X=cx 1e 1 +ot2C2,

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 )

Alegind ln spaţiul bidimensional

al vectorilor de poziţie un reper
_ortonormat {(1 , f2 } şi asociind
la-...{~care vector xell2 , x= (oc 1 ,
cx 2 ) ·p\u1clul Male ciirui coor-
donate iii 'f,eperul {fa, f2 } sin t
cx 1 , cx 2 cele de,Jnai sus pol fi
ilustrate ca tn figura I, 5.
Remarcăm că tronsonul T
este mărginit, pe clnd tronso•
nul T' obţinut intcrsectind se-
miplanelc ( S 1 ) (S3 ) şi semiplanul
(S'2 ) definit. de inegalitatea li
niară 2.-.:1 + ·~x2 ~ 12 este nemăr­
ttinit. Fig. 1,5

55
 Exercifii

l. Se dă ecuaţia liniară c1x1+c2-X2-tcsXa=d, unde d :/=O şi cel puţin

un coeficient c1 ::f0, j=l,2,3.
(a) Să se determine  astfel încît numerele a1="J..c;, j= 1,2,3 şi h=M
să satisfacă condiţia ai+a~+a~=b. (b) Să se arate că într-un reper
ortonormat {ei, e2, e3 } al spaţiului vectorilor de poziţie, ecuaţiile liniare
c1x1+c2X2+csX3=d şi a1x1+a2X2+aa-ta=b definesc acelaşi plan, anume:
planul (1t) care trece prin extremitatea vectorului de poziţie u=a1e1+a2e2+
+a3e3 şi este perpendicular pe u. (c) Aplicaţi procedeul de mai sus ecuaţiei
V3x 1+2x2+ Vira=-2 şi figuraţi într-un reper otonormat {e1, e2, ea}
planul (1t) definit de această ecuaţie.
Identificaţi pe figura obţinută semispaţiile definite de inegali-

tăţile V3x1+2x2+Vi~a~-2, respectiv Vax1+2x2+ v2xa~-2 .

•
2. într-un reper ortonormat {ei, e2, ea} al spaţiului vectori1or de poziţie
se consideră vectorul u=a1e1+a~2+aaea, u .,&0.
(a) Să se arate că x=a1e1+a2e2+aaea este vectorul de poziţie al
unui punct M din planul care trece prin origine şi este perpendicular
pe u dacă şi numai dacă a1, ct2, cta, satisfac ecuaţia liniară a1x1+a2x2+
+aa-ta=O.
(b) Figuraţi planul definit de ecuaţia -2x1+3x2+x3 =0 în reperul orto-
normat {e1, e2, ea}. Identificaţi pe figura obţinută semispaţiile definite
de inegalităţile -2x1+3x2+xa~O, respectiv -2x1+3x2+xa~O.
3. Reluaţi în spaţiul bidimensional al vectorilor de poziţie ptoolematica
de Ia exerciţiile 1 şi 2.

t 12. Mulflmi convexe. Poliedre convexe. C~IY' poliedral

Fie x şi y vectorii de poziţie ai punctelor P, R respectiv (fig. I, 6). Este un

simplu exerciţiu de geometrie demonstrarea faptului că un punct Q se
găseşte pe segmentul P R dacă şi nu11Jai dacă vectorul de poziţie z al lui
Q se scrie sub forma
z=(l-i.)x+Ây cu "AER. O~Â~ I.

56
 Situaţia de mai sus se generalizează la un spaţiu
Jiniar oarecare V peste corpul R după cum
urmează: I

D e f i n i ţ i a 1. Fie V un spaţiu liniar ~,'

I
peste corpul R şi x, y doi vectori din V. I

Mulţimea de vectori
q

[x, y]= {zE: VI z=(l-1)x+Ây, 0~1~ 1}

se numeşte segment al lui V (care uneşte
pe X CU y).
Vectorii x şi y se găsesc în segmentul [x, y]
(luăm Â=O, respectiv ti.= 1) şi se numesc extremi-
tăţile sale, ceilalţi vectori din [x, y] se numesc Fig. 1,6
puncte inferioare ale segmentului [x, y].
D e f i n i f i a 2. O mulţime K de vectori din V se numeşte convexă:
· ~ --dacLodcare ar fLx. uE K avem ~Ly] ~K.---
p ro p o z i ţi a J. Orice hiperplan (semispaţiu) H (respectiv S) ap
unui spaţiu liniar V de dimensiune n este o mulţime convexă a lui V..
Demonstraţie. Să presupunem că ec;uaţia hiperplanului H într-o,
bază {e 1, .. ,,en t a lui V este
a1x1+a2X2+ ... +anxn=b.
şi că semispaţiul S este definit de inegalitatea liniară
a1x1+a2X2+ ... +anxn ~ b.
__,.,,./fie x, y doi vectori din S şi fie zE [x, y], z=(1-J.)x+i.Y, O~ Â ~ L
n fl 11 n
Dacă x = b r1.1e1, y = b f31e1, atunci b a;r1.1 ~ b şi ~ a;(3;-<.b.
/=I /=l /=I /=I
Cum
n
z= ~ ((1-A)(l.;+Af31)e;
i=l
şi

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.

Demonstra/ie. Dacă x, yE K, atunci x, yE K,, i = l,2, ... m. deci

[x, y] C Ki, i= 1,2, ... ,m

de unde [x, y] C K.
C o r o I a r u I l. Orice tronson T este mulţime convexă.

Demonstraţie. Prin definiţie un tronson T este intersecţia unui număr

lfinit de semispaţii. Se aplică deci Propozitia l şi Propoziţia 2.
D e f i n i ţ i a 3. Fie Xi, x2 , ••• , Xm vectori dintr-un spaţiu liniar
peste corpul R. Un vector xE V este combinaţie convexă de vectorii
X1 , X2 , ••• , Xm dacă

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

if'ie zE [x, y], z=(l-"A)x+AY cu O~A~ I. Avem:

z=(l-i-.) (t Ai x,)+i(f [.LiXi)= f (l-A)Af+A[.Li)Xi,

i=l i=I 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.

2) Dacă .t· 1 , x 2 , x3 stnt vectorii de poziţie ni punctelor Pi, P 2, P 3 , atunci

l'= [xi, .r:.?. ;r3 ] este mulţimea tuturor vectorilor de poziţie ni punctelor triunghiului
J> 1 P 2 P 3 (fig. 1, 7).
_____ -În- adevăr~- fie xeP, X=),1X1 +A2X2+ /,3X3 cu ),[~o. ''1 +A2+A3 =1. Dacă
-- -- 1 =). 2 =0, atunci ).3 = 1 şi deci x=x3 • Altfel ,.1 + i.. 2 > O şi nvem

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

segmentul J\P2 şi x= (Â 1 + i-2 )y + A3 x3 este deci vectorul de poziţie ni unui punct Q de

pe segmentul -PP3 • Heciproc, dncă x este vectorul de poziţie ni unui punct Q al tri-
unghiului I\ P 2 P 3 , atunci parcurg Inel construcţia precedentă tn "sens invers" găsim
că x este o combinaţie convex:'\ de x 1 , x 2 , x 3 , deci xel-'.

~) I.fac:'i .t 1 • x 2 • x 3 , x 4 sint vectorii de 1>oziţic a patru puncte P 1 , P 2 , 1'3 , P 4 nesituate

/ l n acelaşi plnn, atunci ca şi in exemplul precedent se araltl că P= lx 1 , x 2 , x3 , x 4 ]
/ este mulPmca tuturor vectorilor ,te poziţie ai punctelor tetraedrului cu virfurile ln
punctl'le /' 1 • J> 2 , P 3 , P 4 •

Def i n i ţi a 3. Fie x1 , x 2 , ••• , Xm vectori dintr-un spaţiu liniar V

peste corpul R. Mulţimea C a vectorilor x din V care sint combi-
naţii liniare cu coeficienţi nenegativi de x1 , xt, ... , J0n

X=Â1x1+A2-î2+ ... +An,Xm cu Ai ~o, i= 1,2, ... ,m

se numeşte con poliedral generat de x1 , x 2 , ••• , Xm-

Urm înd ideea de demonstraţie de la Propoziţia 3 se arată că un con

poliedral este mulţime convexă.

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.

t 13. Lema Farkas-Minkowski

1. ,Determinant Gram

Într-un spaţiu euclidian V oarecare avem un criteriu comod prin

-care putem recunoaşte cînd un sistem de vectori este liniar independent.
Cu intenţia de a prezenta acest criteriu definim :
D e f i n i ţ i e. Fie u1 , u2, ••• , Um un sistem de vectori dintr-un
spaţiu euclidian V. Dacă

Cll;=(Ut, UJ), i= 1,2, ... ,m, i= 1,2, ... ,m,

atunci
an a12 .. ,a1m

G(u1, u2, ... ,Um) =I :

a21 a22... a2m
I am1 am2.. ,Clmn
se numeşte determinantul Gram al sistemului de vectori

P r o p o z i ţ i a 1. Un sistem de vectori Ui, ~. • •• , Um dintr-un

spaţiu euclidian V este liniar independent . dacă şi numai dacă
G(u1, u2, ... ,Um) :;l:0.

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 .

deci (x, x)=O, de unde x=6 şi (**) este adevărat.

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

Rezultatul. care va fi .dat aici prezintă un interes major în studiul

sistemelor de inegalităţi liniare. Mai întîi demonstrăm :
P r o p o z i ţ i a 2. Fie u1 , '½, ••. , Un şi u, vectori dintr-un spaţiu.
euclidian V astfel incit unu este combinaţie liniară de u1 , u2 , ••• , Un-
Atunci există un vector v EV astfel incit (v, u;)=O, j= 1, 2, ••• ro
şi (v, u)<O.
Demonstraţie. Astfel spus, cu ipotezele din enunţ, există un vector
v ortogonal cu u1, uz, ... ,Un şi care face unghi obtuz cu u. Pentru a demonstra,
acest lucru să presupunem că rang {u1, uz, ... ,Un}=m. Deci numărul maxim
de vectori liniar independenţi în sistemul {u1, u2,... ,Un} este m şi pentru a,
nu complica notaţiile, presupunem că ui, u2, .. ,,um sînt liniar independenţi.
Arătăm pentru început că există ix1, ix2,.,.,1Xn în R astfel încît vectoruB
n
x=u + ~a1u; să satisfacă condiţiile de ortogonalitate:
i-l

(***) (x, u,)=0, i=l,2, ... ,m.

Pentru orice i=l,2, ... , m avem

O=(x, ut)=(ut, x)=(u,, u+ Î;ix1u1)= (ut, u)+

i=l
f ix;(u,, u
i=l
1)

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

şi deci sistemul de ecuaţii liniare

n
;~aux,=b, i=l,2, ... ,m
== I
:are cel puţin o soluţie cx1, cx2, ••• ,cxn (v. Teorema 1, § 6). Aşadar, putem deter-
mina vectoru] x=u +cx1u1+ ... +exnUn care să satisfacă (***). Dacă j>m
.atunci sistemul {ui, u2, ... ,um, u;} este liniar dependent pentru că rangul
sistemului {u1, u2, ... ,Un} este m. Din Lema 2, § 4 rezultă că UJ este combi-
inaţie liniară de u1, u2, ... ,Um şi acum din Propoziţia 4, § 10 rezultă

(x, u,) =0 j =m+ 1, ... ,n

:şi combinînd cu (***) avem
(x, u;)=0 j=l,2, ... ,m
n
'Vectorul x determinat mai sus este diferit de zero căci altfel u= ~ (-a.;)u1,
i=l
.adică o combinaţie liniară de vectorii ui, ceea ce contravine ipotezei
tClin anunţul propoziţiei. Avem (x, u) ;60 căci astfel se obţine con-
-.tradicţia:

O;l=(x, x)=(x, u +f a.;u;)=(x, u)+ ta.J(x, u1)=0

/=1 /=l
Deci (x, u) <0 sau (x, u) >0. în primul caz luăm v=x, în celălalt caz se
.alege v=-x.
Lemă I (Farkas - Minkowski). Pentru un sistem de vectori
ui, '¼, ..• , Un, u dintr-un spaţiu euclidian V este adevărată una din
afirmaţiile următoare şi numai una :
n
(a.) există rt.JER, a.1~0, j=l,2, ... , n astfel incit u=~tXJUJ;
1-1
•((3) există vEV astfel incit (v, u1) ~O, j=I,2, ... , n şi (v, u)~0.
Demonstraţie. Cu alte cuvinte, trebuie arătat : există un vector u
.care să facă unghiuri ~~cu vectorii u1, u2, ... ,Un şi unghi obtuz cu u
2
dacă şi numai dacă u nu se găseşte în conul poliedral generat de vectorii
iU1, U2, ... ,Un.
Pentru început arătăm că nu putem avea simultan (ex) şi (~). în
.acievăr., .dacău este ca în (a.) iar v ca în (~), atunci

O>{v, u) = (v,J=lf a.,u,) = /=If oc,(v, u1) ~O,

.cfeci numărul (v, ") este simultan negativ şi nenegativ, ceea ce este absurd.
Mai rămîme să dovedim <,>
cînd (oe) nu este adevărat.
 Dacă u nu este combinaţie liniară de ui, .. ,,un, atunci un vector v
ales ca în Propoziţia 2 satisface (~).
Presupunem că (o:) nu este adevărat şi să dovedim (~) printr-un
raţionament prin inducţie asupra lui n.
Presupunem deci n= l. Dacă unu este combinaţie liniară de u1 atunci
avem (~) datorită observaţiei precedente. Altfel, u=oc1u1 cu a:1 < O şi
din nou avem (~) luînd v=u1.
Presupunem acum n >l şi că teorema este adevărată pentru n-1.
Evident, vectorii u1, u2, .. ,,un_1 şi u nu au proprietatea (oc) căci altfel
vectorii u1, u2, ... ,un şi u ar avea proprietatea (oc). Conform ipotezei induc-
ţiei, exist~ XE V astfel încît

(x,.UJ)~O, j=l,2, ... ,~-1 şj (x, u)<0.

Dacă şi (x, u,,) ~O, atunci vectorul v=x satisface (~). Altfel, (x, un) <0
şi în acest caz definim vectorii
u1=ui+ÂiUn, j=l,2, ... ,n-1
u'=u+'.Aun,
unde
(.r, llJ) O . 1
A J = - - - ~ , J=l,2, .. ,n-, ) , = - - - < .
(x, u) O
(x, lln) (x, lin)
Dacă
, , '+, '+ ' ,
U =o:1U1 0:2U2 .. ,-,-O:n-1 U ,n-1 cu oc/~o, j=l,2, ... ,n---1,
atunci

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,

5 Elemente de algebră. şi programare liniară 55

este ceea ce căutam.

în adevăr, pentru j=l,2, ... ,n-1 avem

(v, u1)=(y, u1)+y(x, u1)=(y, u,)+Â;(y, Un)=(y, u;) ;a:O.

De asemenea,
(v, Un)=(y, Un)+y(x, Un)=(y, Un)-(y, u,,.)=0 ~Q
şi
(x, u)=(y, u)+y(x, u)=(y, u)+1.(y, u,,)=(y, u') <0.

Demonstraţia teoremei este terminată.

t 14. Sisteme de inegalititi liniare

Să considerăm un sistem de m inegalităţi liniare cu n necunoscute

x1, x2,, .. ,Xn, anume

an x1+a1zX2+ ... +a1nXn <b1

(T) la21X1 +a22X2+ ... +a2nXn ~ b2 (CliJ, bi E R)

ld.i1x1+am2x,+ ... +a,..x,, ,,_bm

sau mai condensat :
n
(T) b atJXJ~bi i=l,2, ... ,m.
i=l
Def i n i fia 1. Un sistem de numere reale o:1, cr-2, ••• , "-n se nu-
meşte soluţie a sistemului (T) de inegalităţi liniare dacă
n
b aH,:,.1<:b, i=l,2, ... ,m.
j-.1

În acest caz vectorul u=(o:1, din spaţiul liniar Rn se numeşte

0:2, ••• ,cx,i)
vector soluţie al sistemului (T) de inegalităţi
liniare.
Propoziţia l. Vectorii soluţii u=(«1, ~' ••• , otn), ai siste-
mului (T) de inegalităţi liniare formează un tronson al spaţiului
liniar Rn. 1n particular, rezultă că mulţimea vectorilor solufiii este
convexă.

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

a,1x1+lll2-î2+ ... +llfnXn=b-1

şi cu S1 să notăm semispaţiul delimitat de H,, definit prin inegalitatea
liniară : anx1+a.,2X2+ ... +atnXn ~b,.
Evident, u= («1, 0t2, ... ,otn) este vector soluţie al sistemului (T) de ine-
galităţi liniare dacă şi numai dacă se găseşte în tronsonul

şi propoziţia ~ste demonstrată.

Păstrînd noiaţiile de mai sus, introducem noţiunile:
D e f i n i ţ i a 2. Un vector u e T, u = («1 , '¼, •.• , otn) se numeşte
vîrf al tronsonului soluţiilor sistemului (T) de inegalităţi liniare
dacă componentele sale ~' °'2, ••• , otn formează o soluţie a unui
sistem de rang n constituit cu n dintre ecuaţiile hiperplanelor
H,,i=l,2, ... , m. Mulţimea vectorilor soluţiii.cuprinşi în Tai unui
sistem de rang n-1 format cu n-1 dintre ecuaţiile hiperp Janei or
H~, i= 1,2, ... , m se numeşte muchie a tronsonului T.
Observ aţi e. Terminologia adoptată în definiţia precedentă
este împrumutată de la cazul n=3: trei plane au în general în comun un
punct (virf), două plane au în general în comun o dreaptă din care un
tronson reţine de regulă o porţiune (muchie).
Exem1,Ju. fo exemplul 1 din § 11 vlrfurile tronsonului T sJnt punctele P, Q, R
( mai precis, vectorii de poziţie ai acestor puncte) iar muchiile lui T slnt laturile
triunghiului PQ R. VlrfuriJe tronsonului T' slnt punctele Q şi R iar muchiile lui T'
slnt : segmentul RQ, o semidreaptă a lui (D 1) delimitată de punctul Q şi o semi-
dreaptă a lui (D 3 ) delimitată de punctul R.

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

(2) {it Yl°'IJ~O j=l,2, ... ,n

y1b1+Y2b2+ ... +ymbm <0
unul şi numai unul admite soluţie.

Demonstraţie. Să considerăm spaţiul liniar mR cu produsul scalar

canonic (v. § 10, exemplul I). în acest spaţiu euclidian să considerăm
vectorii

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

(v, Ai)= ~~iillJ J=l,2, ... n

l-1

68
şi

(v, B) = ~1b1+ ~2b2+ ••• + f3mbm

Rezultă că ~1, ~z, .•• ,~m este o soluţie a sistemului (2) dacă şi numai dacă
(v, Ai) ~O j=1,2, ... ,n şi {v,B) <0,
deci exact proprietatea {~) din enunţul Lemei I, § 13.
Teorema este astfel demonstrată pe baza I, § 13.
Cor o I aru I 1. Dintre sistemele liniare

i-=I,2, ... ,m
j=l,2, ... ,n

unul şi numai unul are soluţie.

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.

Demonstraţie. Pentru orice k= 1,2~ ... ,n transcriem enunţul coro-

larului l luînd -A în loc de A şi
b-=1-1 pentru i=k
' O pentru i ::fik
Unul şi numai unul din cele două sisteme de inegalităţi, astfel obţinute
admite soluţie, să zicem u1\:::::(ot,, or.~, ... ,ot!). Avem :
j=I,2, ... ,n
şi
n
t
/=k
a,,or.,>0 i=l,2, ... ,n.

Mai mult dacă uk este soluţie a primului sistem de inegalităţi, obţinut

pe calea de mai sus, avem
n
t ak,or.k> I,
, ... I

iar în a doua alternativă, avem or.t>O.

Definind
n
a.1= ta?
k ... l
j= 1,2, ... ,n
este uşor de verificat că u=(a.1, or.2, ... ,oen) este soluţia cerută în enunţ.

70
 Capitolul N
Teoremele de bază ale programării liniare

t 1. Principalele modele matematice

ale problemelor de optimizare

Nu mai constituie o noutate faptul că activitatea modernă în do-

meniul producţiei industriale şi conducerii activităţilor economice a de-
venit atît de complexă, încît rezolvările tradiţionale nu mai sînt sufi-
ciente. O mare parte dintre problemele care se pun în conducerea economică
a întreprinderilor sînt probleme de optimizare.
Modelarea matematică a acestor probleme oferă posibilitatea deter-
minării soluţiilor optime, contribuind pe această .cale la ridicarea eficien•
tei economice a întreprinderilor. în multe cazuri concrete problemele
economice pot fi transformate în probleme matematice în modul următor :
Dacă notăm prin x,, 1 <i <n, nivelele (necunoscute iniţial) la
care trebuie să se desfăşoare cele n activităţi luate în considerare şi prin
/(x1, ... ,XrJ) funcJia obiecti,, (sau func/ia criteriu sau încă f unc/ia de efi-
cientă), problema poate fi pusă astfel: Să se afle valorile variabilelor
XJ, 1 <i <n, astfel încît /(x1, ... ,Xn) să ia valoarea maximă (sau minimă)

max f(x1, ••• ,xn) (1)

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.

t 2. Exemple de probleme de programa re liniară

1. Folosirea eficientl a resurselor limitate

Avem la dispoziţie mai multe resurse (materie primă, forţă de

muncă, maşini-unelte, resurse financiare etc.) care ne sînt date în cantităţi
limitate. Vom nota cu i numărul de ordine al resursei şi cu bi cantităţile
disponibile din aceste resurse.
Cu ajutorul acestor resurse se pot desfăşura mai multe activităţi
(de exemplu procese de producţie). Vom nota cu j numărul de ordine a}
activităţii desfăşurate şi cu XJ nivelul (necunoscut) la care urmează să se
desfăşoare această activitate. De exemplu, dacă considerăm procesut
de producţie j care constă în fabricarea unui anumit produs, vom nota cu
x, cantitatea ce va fi produsă. Vom nota prin ati cantitatea din resursa i
necesară pentru producerea unui unităţi din produsul j (din activitatea.
j în general). Presupunem aici că llii nu depinde decît de tipul resursei
(i) şi de tipul procesului (j) şi nu de cantităţile produse.
Folosind notaţiile introduse se pot exprima următoarele mărimi ~-
- cantitatea de resursă i folosită pentru producerea cantităţii
x;, care este aiJXJ ;
- cantitatea totală din resursa i folosită pentru producţia totală
formată din n produse:

lli1X1+llizX2+ ... +llinXn

Deoarece nu putem consuma din resursa i mai mult decît cantitatea pe-
care o avem la dispoziţie, trebuie să fie respectată condiţia

anx1+a1zX2+ ... +ainXn ~bi

pentru fiecare resursă i dintre cele m resurse pe care le avem la dispoziţie
.adică
n
~ lliJXJ ~b,, I ~i ~m. (6)
/=l
Deoarece XJ reprezintă cantitatea ce trebuie produsă din sortimentul
j, ea nu poate fi un număr negativ
Xj ~o. I ~j ~m. (7)
.adică poate fi numai un număr pozitiv sau nul (nentgativ). Inecuaţiile
(6) se numesc restricţiile problemei, iar (7) sînt condiţiile de nenegativitate.
Sistemul de inecuaţii liniare (6), (7) poate avea o infinitate de soluţii
-0 soluţie unică sau nici o soluţie (sistem contradictoriu sau imcompatibil);
cazul cel mai frecvent pentru problemele practice corect puse este cazul
in care sistemul (6), (7) are o infinitate de soluţii. Cu alte cuvinte, este
posibil să organizăm procesele de producţie pentru fabricarea sortimente-
dor j(l ~j ~n) într-o infinitate de feluri, respectînd condiţiile de folosire
.a resurselor limitate (6). Acest fapt face evidentă imposibilitatea practică
.a conducătorului de întreprindere de a compara toate variantele de plan
posibilile pentru adoptarea unei decizii adecvate. -
Adoptarea unei variante de plan (luarea deciziei) se face pe baza
unui criteriu economic, ca, de exemplu, venitul sau beneficiul maxim.
Dacă notăm prin CJ preţul de vînzare al unei unităţi din produsul j şi
JPrin d1 preţul de cost unitar pentru acelaşi produs, atunci venitul total
irealizat va fi
n
'E CjXj,
/=1

far cheltuielile de producţie vor fi

:şi deci beneficiul va fi

n n
~ CJXJ- ~ d1x1
/-1 /=l

'14
sau
n

,°E.... (c1-d1)XJ, (8)

Problema care se pune este aceea de a afla acea (acele) variante de

plan adică acea (acele) soluţie a sistemului de inecuaţii (6), (7) care dau
pentru benificiul (8) valoarea maximă. Această problemă economică
devine în acest moment o problemă matematică:
n
max 'E (c1-d1)x,. (9)
/=l
n
~ atJXJ ~b,, I <i ~m (10)
/=l

Xj~O, (11)
care este o problemă de programare liniară sau un program liniar.

2. O problemi de transport

Un produs omogen este stocat în m depozite ; notam prin a, canti-

tatea din acest produs care se află în depozitul i, 1 ~i ~m. Acest produs
este cerut d_e n consumatori ; notăm prin bi cantitatea cerută de con-
sumatorul j,l <i ~n.Să notăm prin x,,
cantitatea ce urmează a fi trans-
portată de la depozitul i la consumatorul j şi prin C1J costul unitar
al transportului din i în j. Cu aceste notatii se pot exprima următoarele
mărimi:
- cantitatea transportată de Ia depozitul i la toate cele n centre
de consum, care este
xu+x,2+ ... +Xfn;
- cantitatea transportată de la toate cele m depozite Ia consuma-
torul j, care este
X1J+ X21+ ••• +XmJ ;
- costul transportului de la depozitul i la consumatorul j, care
este coxu.
 Prima cantitate calculată mai sus reprezintă chiar cantitatea a,
aflată la depozitul i şi deci trebuie să avem
n
~ Xij=Gi, 1 ~i ~m. (12)
. j=l ..

A :doua cantitate este necesarul la centrul de consum j;

n·

,'E... ,Xij=b;, 1 ~j ~ ll. (13)

O condiţie evidentă este

Xi;~O, l~i~m, l~j~n. (14 ►

Costul total al transportului de la toate depozitele la toate centrele

de consum este
m n
~ 'E CijXij•
i=l j=l

Pentru ca să se poată efectua transportul este necesar ca

m n
~ai=·~ b1.
i,_ l i=l

Sistemul de ecuaţii liniare (12), (13) are în aceste condiţii o ·infini-

tate de soluţii. Dintre acestea trebuie să determinăm pe acelea tare dau
costului total de transport valoarea minimă. Obţinem în acest mod un
nou program liniar .
m n
min ~ ~ CtJXtJ, (15}
J=l i=l
n
'E Xij=Gi, 1 ~i ~m, (16)
j=l
m
~ X1J=b1, 1 ~j ~n (17)
i=l

XiJ~O, I ~i~m, 1 ~j~n, (18

care se numeşte program de transport.

76
 3. Un program de producfie şi stocaj

În cursul a n luni trebuie produse r;, 1 ~i ~n, unităţi dintr-o anu-

mită categorie. Un orar normal permite un volum de producţie de X;,
I ~i ~m, unităţi pe lună. Se poate prevedea o producţie suplimentară
de x; unităţi pe lună. Costurile unitare de producţie sînt Ct,,c'; lunar,
respectiv în primul şi al doilea caz. Costul unitar de stocaj pe lună este d.
Se cere să· se afle cantităţile Xi, x;, Si, 1 ~i ~m, ce trebuie produse în
orar normal, în ore suplimentare, respectiv stocate, astfel încît să fie
respectate condiţiile
i j

~ (x1c+x;.)-St+1= ~ ,,., I ~i ~n-1, (19)

k=I k=I

O~ xi~ xi; l ~ i ~ n (20)

O ~x\ ~x';; 1 ~i ~n, (21)
st~O; 1 ~i ~n (22)
şi să se obţină minimul cheltuielilor de producţie şi stocaj :

min [.f (c1x1+c;x;+ds1)+c1x1+c;x;] •

1=2
(23)

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)

Probleme de acelaşi tip apar atunci cînd se urmăreşte formarea

unor amestecuri de ingrediente, care să aibă anumite proprietăţi (speci-
ficate în fiecare caz concret) şi astfel încît o caracteristică a amestecului
să fie optimă dintr•un anumit punct de vedere.
Probleme de dietă apar, de exemplu, în alcătuirea raţiilor pentru
animale în zootehnie, pentru calcularea amestecului optim de îngrăşă­
minte în agricultură, în industria chimică pentru diverse amestecuri~
în industria petrolieră pentru amestecuri de benzine etc.

5. Utilizarea optimă a capacltifii maşinilor

O întreprindere produce mai multe produse care pot fi fabricate

de aceeaşi maşină a cărei capacitate de producţie esi.e limitată; se cere un
program de productie care să asigure utilizarea optimă a maşinilor.
Mai precis, uzina produce n produse distincte, care pot fi fa brica te
cu ajutorul a m maşini (sau secţii de producţie) care au capacităţi limi-
tate. Notăm prin 0-iJ, I ~i ~m, I ~j ~n, procentul din capacitatea
maşinii i pe perioada considerată necesar pentru producerea unei unităţi
din produsul j, iar prin XJ, I ~j ~n, numărul unităţilor din produsul j
fabricate în cursul perioadei. Avem restricţii de capacitate de forma
,,
'E aox; ~ I, I ~i ~m (27)
j=I

şi problema se completează adăugind la (2.27)

(28)
li

max~ CJXJ (29)

i=I
/..l
unde CJ sînt beneficiile unitare. f
78
 6. O pralemi de lnvestlfll

Avem la dispoziţieo sumă totală S care poate fi investită în diverse

activităţi j, I ~j ~n, fiecare producînd un anumit benificiu unitar a,.
I <i <n. Dacă XJ, I ~j ~n, este suma investită pentru activitatea j,
problema este
11

max b a,x; (30)

/=I
n
tx1=S (31)
jr=)

x,~O, I ~j::;;.n. (32)

Problema poate fi complicată dind în plus anumite reguli supli-
mentare în legătură cu posibilitatea de investiţie, cu existenţa unui risc
al investitiilor sau cu alte aspecte suplimentare care pot fi întîlnite
în condiţiile concrete.

7. Reducerea pierderilor la tăierea materialelor

Vom considera o problemă simplă, care apare în activitatea de

tăiere a hîrtiei la o fabrică de celuloză, care produce rulouri de hîrtie de
ii'fim;·aată,- depinzînd de caracteristicile maşinii. Aceste rulouri trebuie
tăiate pentru a satisface comenzile beneficiarilor ceea ce generează pier-
deri ; problema constă în minimizarea acestor pierderi.
Să notăm ai, I ::;;.i ~m, b,, 1 ~i ~m, re5p~ctiv lătim=a şi lungime
celor m rulouri comandate de beneficiari, iar prin I lăţimea ruloului stan-
dard produs de maşină.
Se determină toate combinaţiile posibile k, 1 ~k ~N, în care poate
fi tăiat ruloul standard pentru a obţine du, 1 ~i ~m, 1 ~k <N, rulouri
de lăţime a, (evident O::;;.d,k ~ [.!...],unde [x] este partea întreagă a numă-
rului x). "'

\
 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

!,au în forma standard* :

N
~ dt1,.·Xk-x? =bi, I ~i ~m, (33)
k=I

(34)

(35)

Dacă notăm cu Ck, I ~/i ~ N, perderea prin tăiere în cazul proce-

deului de tip k, pierderea totală care trebuie minimizată va fi

N
min ( ~ CkXk+ .bm atx?) · (36)
k=l I=(

Formularea (33) - (36) presupune existenta unei singure maşini

cazul mai multor maşini este mai dificil.

§ 3. Forme ale problemelor de programare liniară

Din exemplele considerate mai sus rezultă că restricţiile unei pro-

bleme de programare liniară pot fi inecuaţii de tipul ~, sau inecuaţii
.cfe tipul ~, sau ecuaţii. Variabilele care apar într-o problemă de progra-
mare liniară sînt de obicei supuse condiţiei de nenegativitate; există totuşi
-cazuri în care unele dintre variabile nu sînt supuse la nici o condiţie
asupra semnului, iar în alte situaţii trebuie impuse condiţii de nepoziti-
vitate ( ~O). În sfîrşit, funcţia obiectiv poate fi maximizată sau mini-

* Vezi definiţia dată la relaţia (38).

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

6 Elemente de algebră şi programare llntară 81

poate duce· la forma standard sau la forma canonică, folosind urmă­
toarele transformări echivalente:
a) sensul unei inegalităţi se schimbă prin înmulţirea cu -1 ;
b) transformarea inecuaţiilor în ecuaţii : o inecuaţie de forma a' x ~ b
poate fi scrisă ca o ecuaţie a'x+y=b, introducînd o variabilă (numită
variabilă ecart, variabilă abatere sau variabilă de compensare) y ~ O,
o inecuaţie de forma a'x~b se transformă în ecuaţia a'x-y=b prin scă­
derea variabilei ecart y ~O; variabilele ecart nu apar în funcţia obiectiv
(adică apar cu coeficienţi nuli) ;
c) o ecuaţie a'x=b este echivalentă cu două inecuaţii de sens
contrar: a'x-<,b şi a'x~b;
d) o variabilă x supusă condiţiei de nepozitivitate (x ~O) se trans-
formă într-o variabilă nenegativă prin substituţia x' =-x;
e) o variabilă x oarecare (adică o variabilă căreia nu i se impune
restricţie de semn) se poate înlocui cu două variabile nenegative x~ şi x"
lega te prin relaţia x=x' -x" ;
f) deoarece avem relaţia
min f (x) =-max (-/(x) ),
xEX xEX
o }i:."vblemă de minimizare se poate transforma într-o problemă de maxi-
mizare şi invers, schimbînd semnul coeficienţilor din funcţia obiectiv,
Pentru problema de programare liniară aceasta înseamnă înlocuirea
vectorului c prin -c.
Exemplu. Să se aducă la forma standard şi la forma canonică
următoarea problemă de programare liniară :
2X1-X2=10,
x1+2x2~ I,
2X1-X2-3X3 ~ -2,
X1 ~ O, x2 oarecare, xs ~ O,
min (2x1-x2+4x 3).
înlocuind variabila oarecare x2 cu diferenţa a două variabile nenega-
tive x2=X4-X5, făcînd substituţia Xs=-xa şi introducînd variabilele ecart
x 7 şi x8 în cele două inecuaţii ale problemei obţinem. forma standard :
2x1-x4+ X5= IO,
x1+2x4-2x5-X 7= I

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

O interpretare geometrică a unei probleme de programare se poate

ubţine simplu în cazul cînd problema are numai două variabile şi se
prezintă sub form~ canonică. Orice problemă de programare liniară care
conţine numai două variabile se poate rezolva „grafic"; deşi lipsită de
importanţă practică, o astfel de rezolvare este foarte instructivă şi permite
utilizarea unui limbaj intuitiv comod, care se poate extinde destul de
uşor la cazul general a n variabile.

Exemplul 1. Să considerăm problema sub forma can~nică:

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.

nu pot fi soluţii ale sistemului (40); semiplanul x1>2 se haşurează. Semi-

1Planul -x1+x2 ~ l determinat de dreapta (AB): -x1+x2=l este cel
~n care se află originea; semiplanul -x1+x2>l va fi deci haşurat. în
~fîrşit, semiplanul x1+xa<3 determinat de dreapta (CD): x~+x2=3
ceonţine originea, semiplanul x1+x2>3 fiind din nou haşurat.
Condiţiile de nenegativitate x1~0, x 2 ~0 se reprezintă ptÎn semipia-
~ele care conţin sensul pozitiv al axelor de coordonate x 1=0 şi x2 =0.
Din cele de mai sus rezultă că punctele situate în interiorui sau pe
laturile poligonului OABCD au drept coordonate soluţiile sistemului de
inecuaţii (40). Mai general, pentru restricţiile Ax~ b, x ~ O, mulţimea
soluţiilor este tronsonul definit de intersecţia celor m+n semispaţii a;x <b,,
I <i <m, şi x,1 :>O, I ~j ~n, determinate de hiperplanele a;x=b, şi x,=O
corespunzătoare. Este evident că o reprezentare grafică este în cazul
general imposibilă, dar limbajul geometric se extinde în mod natural.
' · Dreapta
(42)
 va fi numită curba de niverâ a fum:tiei··ob1ecliv-- -
/(x1,x2)=0,5x1+ x2.
~-------S-eşfle că. distanta 3 de la origine pînă la dreapta (42) este proporţională
cu d (tn ,fapt 3=~ d)- Se vede imediat că cea mai mare valoare a lui
d(adică a funcţiei obiectiv) se obţine cînd distanţa la origine, 8 este cea
A A
mai mare.· Cum soluţia optimă (x1, x2) verifică atît sistemul (40) ctt şi
ecuaţia (42), este evident că dreapta (42) trebuie să aibă în comun cu
poligonul OA BCD cel puţin un punct în aşa fel încît 8 să fie maxim.
Aceste condiţii sînt îndeplinite evident de coordonatele punctului B :
,.. I\

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.

t 5. Rezolvarea geometrici a problemelor

de progra111-11re liniară

În cadrul acestui paragraf vom arăta ce înseamnă propriu-zis rezol-

varea. unei. probleme de programare liniară. Metoda de rezolvare. folosită
este metoda geometrică .. După cum se va vedea, metoda· geometrică este
limitată din punct de vedere al aplicării ei practice. Vom ilµstra metoda
în două cazuri. · · · · · · · · · ··' ·
1. Probleme cu un număr oarecare de variabile şi numai
două restricţii. Vom rezolva cazul concret al problemei dietei pentru
n=5 şi m=2, adică 5 alimente şi 2 principii nutritive. Datele problemei
st~ţ trecute în tabelul 1 :

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

-I- -o- -2-

p
, :? 1 I 450
Preţ uri Minim
unitare 5
-2- - 1- · -3 - 3
Necunoscute X1 I X2 X3 I x, x„

Problema de programare liniară cere să se determine cantităţile Xi,. .. ,x5

din fiecare aliment A1, ... ,A 5 aşa încît
2x1+xa+xs ;;i: 1 OOO (47)
x1+x2+2x4+x5 ;;i:450,
x1;:;i:O, j=1, ... ,5, (48)
min (5x1+2x2+xa+3x4+3x5). (49)
Admitem că principiile nutritive sînt calorii (P 1) şi vitamine (P2),
Presupunem că se cheltuieşte o unitate monetară (convenabil aleasă)
pentru a se cumpăra o cantitate din A1. Dacă p; este preţul unităţii
de aliment A1, atunci 2. , reprezintă numărul de unităţi de A; cumpă·
Pi
rate cu unitatea monetară aleasă iar,
1
PJ aif=
l ,mmărul de calorii, pentru i= 1
numărul de unităţi de vitamine, pentru i=2
j i= 1, ... ,5

cumpărate cu unitatea monetară respectivă.

În cazul problemei noastre obţinem :

i= 1, j= I ; ~ •2=0,2 •2=0,4=)400 calorii
:J

i=2, j=l ; _!_. I =0,2 •l =0,2=>200 vitamine

5

i= 1, 1·=2 ·' _I_•

2 0=0 =>O calorii 1

.
( 2 ' 1·=5 _,· _!_
3
• 1=O '.33333 =)333,33 vitamine2.

l) Exemplul este· teoretic şi serveşte donr Ja ilustrarea metodei.·

2) Se va• interpreta : unităţi de vitamine.
 Cu ajutorul acestor date întocmim tabelul 2. Tabelul 2

I ·"• I Âz A11 A, A.

Pi

P2 ~I o 500
o 1 OOO

o
o
666,66

Din tabelul 2 se vede că folosirea alimentului A 4 exclude folosirea

333,33

333,33

alimentului A2. Interpretăm datele de mai sus drept cocrdonate în planul

P10P2 şi întocmim figura II. 3.

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

Dacă prin folosirea unei unităţi monetare am găsit punctul J1 1,

atunci prin folosirea a două unităţi monetare, numărul de calorii şi de
vitamine se dublează. Deci punctul M:
se deplasează pe raza vectoare
OM1• Analog, punctul 111 5 se deplasează pe raza vectoare 0..1115 (fig. II,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)

reprezintă un fascicul de drepte paralele, cu ordonata la origineL. Pentru

(.'
2
a construi fasciculul (53), se construieşte dreapta ce trece prin origine

(54)

care apoi se deplasează paralelă cu ea însăşi. Presupunem că pentru m=4

se obţine domeniul D din figura II, 4. Toate punctele lui D (interioare şi
de pe frontieră) sînt soluţii
Xz posibile ale problemei date.
Funcţie de valorile c1 şi c2
dreapta (54) este de forma
(Do) sau (D~). _Pentru a de-
termina soluţia optimă,
dreapta (Do) sau (D~) se
deplasează paralelă cu ea
însăşi aşa încît D n (Do) :f:. 0
sau D n (D~) :f:. Cj. Sensul de
deplasare depinde de vaio·
x, rile lui c1 şi c2, iar distanţa
cu care se depla~ază depinde
Fig. IJ,,I
de D. Ne vom ocupa în con-
tinuare numai de proble-
ma de maxim. Presupunem că c1 :/:,O şi c2 ;l:0.. Apar următoarele patru
-cazuri :
 a.c2>0. Dreptele (53) .şi (54) apar ca în figura II,5 a şi deci
c1 >0,
J_ maxim implică f maxim (c2 fiind o valoare constantă). înseamnă
c„
că valorile lui f cresc, cîrid ordonata Ia origine creşte. Sensul de deplasare
a lui (Do) pentru atingerea valorii maxime se vede în figură.
b. c1 <0, c2>0. Dreptele (53) şi (54) apar ca în figura II,5 b şi deci
J_ maxim
-c„
implică f maxim. Înseamnă că valorile lui f cresc, cînd ordo-
nata la 9rigine cr~şte. Sensul de deplasare a lui (D~) pentru atingerea
valorii maxime se vede în figură.
c. c1 <0, c2 <0. Dreptele (53) şi (54) apar ca în figura I I,5 c şi deci
J_ minim
c„
implică f maxim. Înseamnă că valorile lui f cresc, cînd ordo-
n·ata la origine scade. Sensul de deplasare a lui (Do) pentru atingerea
valorii maxime se vede în figură.
d. c1 >0, c2 <0. Dreptele (53) şi (54) apar ca în figura 11,b d şi deci
J_ minim implică f maxim. Înseamnă că valorile lui f cresc, cînd ordonata
C2

.r,
Fig. 11,:;

:c,
.x,

la origine scade. Sensul de deplasare a lui (D;) pentru atingerea valorii

1

maxime se vede în figură.

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

care sînt date în enunţul problemei). Deplasarea dreptei 2x1+x2=/

Zz

Fig, ll,7.

în sensu1 de creştere a ordonatei la origine arată că C

22 , 20) reali-
.
(3 3
zează maximul lui f în condiţiile (55), (56) şi anume

fmax =2- 223 + 20

3
= 64.
3'
• 22 • 20
X=- X=-•
I 3 , 2 3

în cazul cînd domeniul D definit de restricţiile problemei şi dreapta

(Do) apar ca în figura I 1,8, îrt care (Do) este paralelă cu dreapta AaA,,
problema de maxim are o infinitate de soluţii optime - anume toate
punctele de pe segmentul A 3 A4 - iar problema de minim are soluţie
optimă unică, realizată în A1.

. Funcţia de Ia optimizat f cu c1 :;i=O, c2=0 sau c1=0, c2=/=0 se studiază

ca un aspect particular al cazurilor a-d.

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

Generalizarea teoretică a rezolvării geometrice a unei probleme

de programare liniară cu mai mult de două variabile este simplă, dar
aplicarea ei practică este incomodă chiar pentru trei sau patru variabile
şi este imposibilă pentru mai mult de patru variabile.

t 6. Programe de bază

în acest paragraf vom considera problema de programare liniară

sub forma standard
Ax=b
x>O (57)
min c'x

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

A corespunzătoare celor m componente nenule ale lui x formează evident

o bază. Dacă soluţia de bază x este degenerată atunci există în general1
mai multe baze cărora
le corespunde această soluţie de bază.
Importanţa programelor de bază în programarea liniară va fi pusă,
în evidenţă de cele două teoreme care urmează.
Te o rem a l. Dacă problema de programare liniară (57) are uo
program, atunci are cel puţin un program de bază.
Demonstraţie. Fie x un program al problemei (57). Să notăm prin p,
numărul componentelor pozitive ale vectorului x. Fără a restrînge gene-•

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,

!Este atunci clar că pentru orice  pentru care avem

!.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.

b) Vectorii a1,a2, ... ,aP sînt liniar dependenţi. Ca şi în demonstraţia

teoremei precedente rezultă că există un vecto1 y=(y1, y2, •.. ,yp,
0, ... ,0)', astfel încît să avem îndeplinită condiţia Ay=O cu y #;O şi deci
x+AY este soluţie a sistemului de ecuaţii Ax=b pentru orice număr
reai A. Dacă în plus alegem A suficient de mic, adică, mai precis
IA I ~ min (-A1,A2), rezultă că x+AY este chiar program; 1'.1 şi 1'.2 sînt
numerele definite mai sus, în demonstraţia teoremei precedente.
Deoarece x este program optim şi x+1'.y este program rezultă că
trebuie să avem
c'x ~c'x+;.,e'y
de unde obţinem ;.,e'y~O. Nu putem avea c'y#;O, deoarece, alegînd A de
semn contrar lui c'y, am obţine ;.,e'y<O. Rezultă atunci că c'y=O, ceea ce
arată că x+AY este de asemenea program optim. Ca şi în teorema prece-
dentă, putem reduce cel puţin cu o unitate numărul componentelor
pozitive ale programului optim x+:>..y, alegînd în mod convenabil va-
loarea lui A(A=i..0). După un număr finit de etape ajungem la cazul (a),
adică obţinem un program de bază optim.

7 Elemente de algebră şi programare liniară 97.

 t 7 O metodă da rezolvare a problemelor
de programare liniară

Din rezultatele obţinute mai sus rezultă că pentru aflarea progra-

melor optime putem proceda în modul următor:
a) Determinăm toate soluţiile de bază ale sistemului de m ecuaţii
cu n necunoscute (m ~ n), dintre care unele sînt admisibile, adică sînt
programe de bază ;
b) Comparăm valorile funcţiei obiectiv pentru aceste programe
de bază şi determinăm soluţia (sau soluţiile) optimă.
Exemplu. Să rezolvăm prin metoda expusă mai sus problema de
programare liniară:
2x1+4xa~5
2x1+3x2+xa~4
X1,X2,X3 ~ 0
min (4x1+2x2+3xa).
Introducînd variabilele ecart Y1,Y2 ~ O obţinem forma standard a acestei
probleme de programare liniară:
2x1+4xa-Y1 =5
2x1+3x2+xa-y2=4
x1, x2, xa, Y1, Y2 ~ O
min (4x1+2xa+3xa).
Tabrlul 1

Variabilele de bază
I Soluţia de bnză I Valoarea runcţiei obiectiv

(x 1, Xa) (5/2, -1/3) -

(xi, Xa) (11/6, -1/3) 25/3
(%1, :ts) (11/12, 5/4) 67/12
(X1, Y1) (2, -1) -
(Zi, l/1) (5/2, 1) 10
(za, Y1) (4/3,-5) -
(zs, Y1)
(:ca, U1)
nu exist:"i
(4, 11)
soluţie -12
(:ta,Yv (5/4, -11/4)
(-5, -4)
--
(Y1, Ys) ·

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.

J. 8. Fundamentele algoritmului simplex

Spre deosebire de metoda expusă în paragraful precedent, metodă

în care este necesară examinarea tuturor soluţiilor de bază ale problemei de
programare liniară, algoritmul simplex constituie o metodă de explorare
sistematică a programelor de bază mai precis de trecere de Ia un program
de bază la altul, care dă funcţiei obiectiv o valoare mai mică (mare) pentru
o problemă de minimizare (maximizare). Algoritmul furnizează de asemenea
criterii pentru cazurile în care problema de programare liniară (57) nu
are programe de bază sau are optim infinit.
Dacă B este o bază extrasă din matricea A atunci se ştie că sistemul
de ecuaţii Ax=b se mai poate scrie sub forma :
x 8 =B-1b-B-1Sxs. (60)

Vom presupune ca soluţia de bază xB=B-1b,x8 =0 corespunzătoare

bazei B este chiar un program de bază, adică
B-lb~O; (61)

o bazăB cu proprietatea (61) va fi numită şi bază primal admisibilă.

Vom nota prin B mulţimea indicilor j pentru care vectorii ai ai
matricei A fac parte din baza B. În mod analog, vom nota prin S mul-
ţimea indicilor j pentru care vectorii ai ai matricei A nu fac parte din

99
baza B, adică fac parte din matricea S. Este clar atunci că fonnula (60)
poate fi scrisă şi sub forma

xB= xB- ~ yf Xj (62)

jES

unde (63)
yf=B-1a1 (64)

Este util să remarcăm aici că pentru indicii jEB avem y'

=B-1a}= ei,
unde prin ei notăm vectorul unitate avînd componenta j egală cu I.
Dacă notăm prin Y8 componentele vectorului y'
atunci relaţia
(62) se poate scrie pe componente sub forma:

x1=X~--r,ygx,, iEB. (65)

jES

Dacă notăm prin CB vectorul coloană cu componentele CJ, jE B

ale vectorului c, iar prin cs vectorul coloană format cu componentele
CJ, jES, ale vectorului c, atunci putem exprima funcţia obiectiv z=c'x

numai în funcţie de variabilele secundare xs:

z8 =c' x= (c;c;) (;') =c,;.ts+c;xs=

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 :

T e o r e m a 3. Dacă B este o bază primai admisibilă şi zf-c; ~ O

pentru orice j e S, atunci programul de bază corespunzător bazei B
(adică x 8 =B-1 b, r=O) esteprogramoptim pentru problema depro-
gramare liniară (57).
Demonstraţie. Fie x un program oarecare. Deoarece x ~O rezultă că

~(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

ceea ce arată că xB=zB, x 8=0 este chiar programul optim.

Te ore m a 4. Fie B o bază primai admisibilă care îndeplineşte ur-
mătoarele condiţii
:
a) există un indice k eS pentru care avem zf-ck>O;
b) programul de bază corespunzător (x8 =B-1 b, xS=O) este nede-
generat
ln aceste condiţii programul de bază corespunzător bazei B nu este
optim.

Demonstraţie. Să considerăm un program pentru care valorile vara-

bilelor XJ, 1 ~j ~n, sînt aceleaşi cu cele corespunzătoare programului de
bază corespunzător bazei B, cu excepţia variabilei Xk care ia o valoare
pozitivă X: aleasă suficient de mică pentru ca să rămînem în tronsonul
programelor problemei .(57). Pentru aceasta este suficient să avem satis-
făcute inegalităţile

~f-yf1X:~O, iEB (69)

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)

relaţie care arată că programul de bază corespunzător bazei B nu este

optim.
Situaţia prezentată în teorema 2.4. poate fi precizată, după cum
va rezulta din următoarele două teoreme.
T e o r e m a 5. 1n condiţiile teoremei precedente, dacă avem în
plus g,1c <a O pentru toţi indicii i e B, atunci problema de programare
liniară (57) are optim infinit.

Derrwnstraţie. Aşa cum am remarcat şi mai sus, dacă variabila x1c

ia o valoare pozitivă x~, pentru a nu ieşi din tronsonul programelor,
trebuie să fie satisfăcute condiţiile
(71)
care sînt în acest caz verificate, oricît de mare ar fi valoarea atribui tă
variabilei Xk, Rezultă atunci că valoarea funcţiei obiectiv
z=~B-(zf-ck)xî (72)
poate deveni oricît de mică adică

lim z=-oo.
xk0 ➔ co

T e o r e m a 6. ln condiţiile teoremei 4, dacă există cel puţin un

indice ie B pentru care g,1c > O,P'atunci valoarea maximă pe care o
poate lua variabila x1c pentru i rămîne în tronsonul programelor
este

min
i/Ytk>O Ufk
x, = x,
UU
(73)

Dacă i se dă variabilei Xk chiar valoarea (73) atunci se obţine un

nou program de bază, corespunzător bazei B
care are aceleaşi co-
se
loane ca şi B cu excepţia coloanei al ce ,.înlocuieşte cu ak.

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

presupunînd că minimul se atinge pentru indicele l E 8 ; prima parte a

teoremei este astfel demonstrată.
Dacă dăm variabilei x1c chiar valoarea (73) rezultă din (65) că vom
avea valoarea zero pentru variabila x,; se obţine prin urmare un nou
program de bază, în care variabilele de bază sînt x,, iEB-{l}, şi x1c,
adică un program corespunzător bazei Îi obţinută din B prin înlocuirea
coloanei d prin coloana ak. Este uşor de văzut că din faptul că Yz1c #:O
rezultă că coloanele matricei B sînt liniar independente şi deci că B este
chiar o bază.
O b serva ţi a 1. Trecerea de la baza B la baza B descrisă în
demonstraţia teoremei precedente se mai numeşte şi iteraţie sau etapă a
algoritmului simplex.
O b s e-_r v a Ii a 2. Conform formulei (72), rezultă că valoarea
funcţiei obiectiv pentru programul de bază asociat bazei B este

(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

Pentru evitarea calculelor complicate, în practică se foloseşte în

locul criteriului (75) criteriul mai simplu
max (r/-c,) =zf-crc: · (76)
J

iOa
 t 9. Algoritmul simplex. Tabloul slmplex
şi transformarea sa

Teoremele precedente ne permit să enunţăm algoritmul simple"

sub forma următoare:
a) Se determină o bază primai admisibilă* B şi se calculează mă„
rimile !&11, zB, yf, zf-c;.
b) Se determină coloana care intră în bază cu ajutorul criteriului
de intrare în bază :
max (zf-c;)=zf-ck (77)
i
dacă există indici j pentru care zf-c;>O. Dacă pentru toţi jES avem
zf-c; ~O atunci programul de bază corespunzător bazei B este optim.
c) Se determină coloana care iese din bază cu ajutorul criteriului
de ieşire din bază :
•
mm-=-
ier (- )
Xi

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.

Tabelul simplex corespunzător lui B

-B ..„B
, - Ci
X

De obicei, în afara tabelului, la stînga se trec variabilele care fac parte

din baza B, iar deasupra se scriu variabilele care apar în problemă. Este
util de asemenea să se înscrie, alături de aceste variabile, şi coeficienţii
corespunzători din funcţia obiectiv; aceste precizări vor deveni mai clare
cu ocazia rezolvării exemplului din acest paragraf.

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

b) Mărimile zf-cJ de pe prima linie se calculează după formula :

(81)

c) Pentru coloanele j, jeB, corespunzătoare variabilelor de bază

:avem yf =B-1a1=e1 (vector unitar) şi deci avem şi zf--c1=c1-c1=0
,pentru jeB.
Problema care se pune acum este determinarea tabelului simplex
-corespunzătoar noii baze B, adică determinarea modului în care se cal-
.culează elementele #, z B, 'if-ci şi yf; cu alte cuvinte trebuie determinat
.modul în care se transformă tabelul simplex la trecerea de la baza B la baza
.B. Această problemă este rezolvată de următoarea teoremă.

T e o r e m a 7. Elementele xB, zB, z{-c1 şi yf corespunzătoare bazei

B obţinută din baza B prin înfocuirea coloanei ci cu coloana a1• se
.calculează după formulele :

,_ XI ,_, Yli
xB=-,yB = - (82)
k Ylk k/ Ylk
-
X{Ult-X,Ut1:
- _, YliUlk - U11:UIJ
yB ' (i =I= l) (83)
YU: . ' l/ Ylk

Demon&raţie. Din relaţiea (65) scrisă pentru i=l obţinem:

xi=xz- ~ YzJXJ-YZ~k
/ES -(k)

:şi deoarece presupunem Yik =I= O avem şi

1
xk = -(Xz- ~ Y11x,-x,). (85)
YU: JE.S-(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 :

x1=X1- ~ YiJXJ- Yu~ (Xz-~ YlJXJ-Xl)· (87)

/ES-(k) Ylk /ES-(k)

Conform formulelor (65) avem şi

x,=xl - ~ u1fx1 . (88)

/tS

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)

âar din formulele (66) avem

z=zB - ~ <? -c1)x,.

/€S

Din compararea acestor două relaţii obţinem imediat, prin indentificarea

formulele (84).
Observ aţi i. Pentru ·efectuarea unei iter.aţii, adică pentru tre-
<:erea de la tţn tabel simplex la altul, trebuie aplicate formulele (82)-(84).
Dacă cf ·.este vectorul ~ar~ intră în bazi, iar· a1 ~edorul care iese
<lin bază, atunci Yuc va fi num_it pivot, linia, a tabelului simplex va fi numită
/,inie-pivot, iar coloana k a aceluiaşi tabel va fi numit coloană-pivot. Cu
aceste definiţii şi ţinînd seama de formulele· (82)-(84), tabelul simplex

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

Prima linie şi prima coloană a tabelului simplex se transformă dupăi

aceeaşi regulă.

§ 10 Probleme rezolvate

Vom da în cele ce urmează mai multe exemple de rezolvare cu aju-

torul algoritmului simplex a unor· probleme de programare liniară de
dimensiuni mici. Atragem aici atenţia că în practică numărul de restricţii
şi numărul variabilelor sînt mult mai mari, ceea ce face dificilă rezolvarea
,:manuală" a problemelor de acest tip; în acest caz ·se face apel la calcu-

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).

Pentru aplicarea algoritmului simplex la rezolvarea problemei de

mai sus este mai întîi necesar să aducem această problemă Ia forma
standard. Pentru aceasta vom introduce variabilele ecart xa, X4, xs nene-
gative în cele trei restricţii ale problemei iniţiale :

x1-x2+xa
3x1-x2+xa
-x1+2x2
XI, X2, X3, X4, X5 ~Q
max (2x1+x2) •

Este uşor de văzut că putem determina imediat o bază primai admisibilă

cu ultimele trei coloane ale matricei A :

B=(a3, a4, a»)= O I O

I OO)
(O O I
lntr-adevăr,_ deo~ece B este chiar rriati-icea unitate, avem n- =B şi:deci:
1

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:

Tabelul simplex · corespunzător 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

în mod asemănător celelalte elemente din linia întîi devin:

-1 <-t><-2 >=-3 · O- l{- )
2
=2 · O- - 0<- 2 > =0 etc.
1 ' 1 ' 1

Elementele din celelalte linii se transformă în acelaşi mod; pentru y52!

de exemplu se obţine:
,_. (-1)(-1)
Ys2=2---- I.
1

După transformarea tuturor elementelor tabelului simplex corespunzăton

bazei B se obţine tabelul simplex corespunzător noii baze B:

Tabelul simplex corespunzător hQzei B

%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
)

Vom expune acum mai concis restul iteraţiilor necesare pentru

rezolvarea problemei noastre.

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

rezultă că vectorul a4 va intra în bază.

Iteraţia 2, pasul d). Efectuînd transformarea tabelului simplex după
:regulile cunoscute (pivotul este în acest caz elementul y42=2) obţinem
tabelul simplex corespunzător noii baze (a1, a 2, a5 ) :

Tabelul simplex corespunzător b:azei (c 1, a 2, a 5)

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 :

Tabelul simplex corespunzător bazei (a1. a2, a 3)

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 ,~~

din figura II, 10 reprezintă Ofo,J)

,~ \
tronsonul programelor pentru \

problema dată iniţial. Este \ ~

\.
\ ,~
clar că cea mai mare valoare \
pe care o poate ·1ua funcţia o- O/o.o) ,~
biectiv z=2x1+x2 se obţine a- ,o
tunci cînd dreapta corespun-
zătoare trece prin punctul C Fig 11-10
(42/5, 36/5) şi este 2·42/5+
36/5=24.
Cînd am aplicat algoritmul simplex problemei sub forma standard
am luat drept bază iniţială matricea B=(a8• a4, a 5 ). Variabilele x 1 şi x 2
erau în acest caz variabile secundare, avînd valoarea zero: x1=0, x 2=0.
Rezultă că bazei B îi corespunde vîrful 0(0,0) al tronsonului programelor.
La a doua iteraţie, în care baza era ~=(a1, a4, a 5), valorile variabilelor
x 1 şi x2 erau x 1=4, x2 =0 şi deci acestei baze îi corespunde vîrful A(4,0).
Trecerea de la baza B la baza B înseamnă deci, din punct de vedere geome-
tric, trecerea de Ia vîrful O (0,0) Ia vîrful A(4,0) de-a lungul muchiei OA
a acestui tronson. In mod analog, urmărind celelalte iteraţii efectuate,
rezultă că din vîrful A am trecut în vîrful B mergînd pe muchia AB,
după care am ajuns în vîrful optim C, urmînd muchia BC. Valoarea
funcţiei obiectiv a crescut-succesiv de la O la 8, .apoi. 1~ 17 (în vîrful B)
şi în sfîrşit, la valoarea maximă 24.
Această interpretare geometrică poate fi extinsă, ca limbaj, la cazul
general : fiecărei baze admisibile a problemei adusă la forma standard
îi corespunde un vîrf al trons·omilui soluţiilor. Fiecare iteraţie a algorit-
mului simplex reprezintă o deplasate de la un vîrf al tronsonului progra-

8 Elemente de algebră şi programare llnlari H3

 melor, de-a lungul unei muchii, pînă la un alt vîrf, operaţie care are drept
rezultat obţinerea unei valori mai mari (mici) a funcţiei obiectiv într-o•
problemă de maximizare (minimizare). Pentru o problemă oarecare nu ,
se poate cunoaşte dinainte drumul cel mai scurt pînă la vîrful optim (adică
drumul cu cel mai mic număr de iteraţii); din acest motiv se adoptă
criteriul de intrare în noua bază sub forma dată în enunţul algoritmului
simplex. Din experienţa acumulată pînă în prezent a rezultat că numă­
rul iteraţilor nu depăşeşte în general 2m în cazul cînd avem o bază prima]
admisibilă iniţială şi 3m în caz contrar.
Să observăm în încheiere că dacă restricţiile unei probleme de pro-
gramarea liniară pot fi aduse la forma Ax~ b cu b ~ O, atunci determinarea
unei baze iniţiale primai admisibile se poate face imediat. într-adevăr,
introducînd variabile ecart y, restricţiile problemei se pot scrie sub forma
Ax+y=b, pentru care se obţine imediat un program de bază x=O, y=b.
Acesta a fost cazul în problema de programare liniară rezolvată mai
tuainte. Mai general, dacă restricţiile problemei sînt de forma Ax=b cu
b >O şi matricea A conţine o submatrice unitate I formată cum coloane
ale matricii A, atunci submatricea I poate fi luată drept bază iniţială.
în exemplul următor vom întîmpina greutăţi în determinarea unui
program de bază iniţial, deoarece nu ne mai încadrăm în cazul simplu
prezentat mai sus. Subliniem aici că exemplul ilustrează o posibilitate
teoretică şi că, în rezolvarea practică a problemelor de programare liniară,
nu vom proceda în acest mod pentru determinarea unei baze primai
admisibile iniţiale; metoda care se utilizează în practică va fi prezen-
tată în 2.12.
Exemplul 2. Să considerăm problema de programare liniară:
2x1+x2>3
x1+3x2>4
Xt, X2'?;0
min (x1+6x2)
Introducînd variabilele ecart xs şi x4 obţinem forma standard :
2x1+X2-X3 =3
x1+3x2-x4=4
Xi, Xa, Xa, X4, >0
min (~1+6xs).

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

După efectuarea calculelor rezultă

3 I
X1--xa+-x4=1
5 5

X1 + 51 xa+ 52 X4=l.
Tabelul simplex se alcătuieşte acum imediat :

Tabelul simplex corespunzător bazei B- (a 1, 02)

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:

Tabelul simplex corespunzător bazei (a 1, c 3)

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

:t1 l o -3/5 I 1/5 !

X2 o l 1/5 -2/5

Deoarece există ZJ-CJ negativi programul de bază nu este optim (pro-

blema noastră este de maximizare). Criteriul de intrare în bază ne con-
duce la vectorul a4• Criteriul de ieşire din bază indică vectorul a1• Efec-
tuînd transformarea tabelului simplex (pivotul este y14= 115) obţinem
noul tabel simplex :

Tabelul simplex corespunzător bazei (o 4, a 2)

I X1 I :t·2
I :l'3
I x,
o

i:- ~j:
18

X4 5 o 1

x, 3 1 o

Deoarece există ZJ-CJ negativi, programul corespunzător bazei.

(a4, a2) nu este optim. Criteriul de intrare în bază indică vectorul •a3•
Deoarece toţi y,3 sînt negativi_(în fapt avem y43=-3 şi y 23 =-l) rezultă că
problema noastră are optim infinit ; acest rezultat se putea obtine în
acest caz, mai. simplu, observînd direct pe figură că dreptele .x1+6x2=z
întîlnesc tronsonul programelor pentru :valori oricît de mari ale lui z, •.

t 11. Convergenta algoritmului simplex.

Degenerare şi ciclare

Algoritmul simplex ne-a permis în exemplele considerate mai sus

să obţinem. soluţia ·=optimă sau să punem în evidenţă faptul- că avem
optim•infinit:într-41n număr·=finit de iteraţii;.Prin trecerea de·la o··bază

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

unde E \!ste un număr pozitiv suficient de mic. Prin aceasta programul

optim se modifică „foarte puţin" şi nu se mai obţin programe degenerate.

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 :

Într-i'.luevăr, în acest caz, dacă eliminăm din bază vectorulal, va rezulta

că în noua bază variabilele Xr, x 8 , • • • vor avea valoarea zero, cum
urmează din formulele (83).
Regula practică pentru evitarea ciclării este următoarea:
a) Se renumerotează variabilele astfel încît baza iniţială să fie for-
mată din primele m coloane, adică baza (a1, a2, ... ,am) ;
b) Dacă la o anumită iteraţie minimul dat de criteriul de ieşire
din bază nu este unic, se notează cu / o mulţimea indicilor iE B pentru
care se obţine acest minim, adică :

Io=
. . {YJ1:
x1 ) = Yn
;, ,}
{i: . mm
1/v,1:>0 .

Dacă mulţimea I o este formată dintr-un singur indice, l, atunci

se elimină din bază vectorul a1• Dacă mulţimea / 0 are mai multe ele-
mente, atunci se calculează
. ( -Ylt )
mm
iEI, Ylk

şi fie Ii mulţimea indicilor iE I o pentru care se realizează acest minim

Dacă mulţimea / 1 are un singur indice /, atunci se introduce în bază
vectorul a'. In caz contrar, să notăm cu / 2 mulţimea indicilor i pentru
care se realizează minimul :
. ( -Yls ) .
mm
iEl 1 Ufk

C.Ontinuînd în acelaşi mod, în cele din urmă vom obţine o mulţime

care conţine un singur indice şi vom elimina din bază vectorul corespun-
zător.

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 :

Tabelul simplex corespunzător bazei (o 1, c 2, a 3)

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,

ceea ce arată că mulţimea / 1 are un singur element şi anume / 1= {2}..

Prin urmare vom elimina din bază vectorul a 2• Efectuînd transformarea.
tabelului simplex cu pivotul y 24 = I obţinem noul tabel simplex:

Tabelul simplex corespunzător bazei (o1, o4, a 3)

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

Este clar că nici acum n-am obţinut programul optim şi este.

necesară o nouă iteraţie, care conduce la tabelul simplex:

Tabelul simplex corespunzător bazei (aS, a 4, o3)

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

În acest tabel simplex am obţinut programul optim (degenerat)

x1=0, x2=0, x3 =3, x4 =2, x5 =0; valoarea minimă a funcţiei obiectiv
este min (-x1+x2)=-2.
Exemplul 2. Să presupunem că în rezolvarea unei probleme de pro-
gramare liniară, pentru care baza iniţială a fost formată din primei~
,ri coloane, am. ajuns la următorul tabel simplex:

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

Presupunînd că problema este de minimizare, urmează din criteriul

de intrare în bază că vectorul care urmează să intre în bază este a6 •
Criteriul de ieşire din bază este:

min ( ;, } =min(l/2, 3/6, 2/4).

i/u,8 >o Yls
Mulţimea Io este în acest caz / o= {5, 2, 7}. Pentru calculul mulţimii
'1 avem:
min { Y' 1 )=min(3/2, 9/6, 6/4)
ie/ 0 Yts

şi, cum rapoartele sînt egale, obţinem Ii= {5, 2, 7}.

Mai departe calculăm

min ( Y'2 ) =min(0/2, 1/6, 0/4)=0

ie/1 l/ls

şi deci /2= {5, 7}. în mod analog calculăm

min ( u,a}=min(0/2, 0/4)=0

iei~ u,,
şi deci / 3 = {5, 7 }. în sfîrşit, calculăm

min ( u,,) =min(S/2,-7/4)=-7/4

IEls Yle

: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.

t 13. Probleme rezolvate

Vom da în continuare cîteva exemple de rezolvare numerică a unor
probleme de programare liniară în care vom folosi metoda celor două
.faze.
Exemplul 1. Să considerăm problema de programare liniară
3x1+x2~3
4x1+3x2~6
x1+2x2~2

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

Deoarece avem z1-c1>0 rezultă că programul nu este optim„

Transformînd acest tabel simplex obţinem pe următorul:

~
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
;

X1 3/5 1 o -3/5 1/5 o \

X11 1 o o 1 -1 1

X3 6/5 o 1 4/5 -3/5 o 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

Să observăm ca m ultimul tabel simplex obţinut avem valoarea

zero pentru funcţia obiectiv (-t1+~+~). Toate variabilele artificiale
sînt nule, dar x'i şi X: mai sînt încă variabile de bază. Vom încerca în
continuare eliminarea lor. Se vede mai întîi că aplicînd mai departe
algoritmul simplex va trebui să intre în bază vectorul a 2 şi să pără­
sească baza vectorul corespunzător variabiJei artificţale .x; sau ~;
vom alege aici pe cel corespunzăror variabilei x2 obţinînd tabelul
simplex următor :
..

~
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.

g Elemente de algebră şi programare ltnlari .J28

 Este clar acum că variabila artificială x 4 nu mai poate fi eliminată
dintre variabilele de bază deoarece toţi coeficienţii Y4i, 1 ~j ~5, sînt
nuli. Acest fapt ne arată pe de altă parte că ecuaţia a patra din pro-
blema iniţială este o consecinţă a celorlalte ecuaţii ; în fapt ecuaţia
a patra este suma primelor două ecuaţii, situaţie ce putea fi observată
de la început. în acest caz, ecuaţia a patra poate fi neglijată şi deci
şi linia a patra a tabelului simplex poate fi eliminată; partea rămasă
a tabelului simplex nu mai conţine variabile artificiale şi deci faza I
este terminată.
Vom trece acum la faza a doua a metodei, adică la rezolvarea
problemei iniţiale, folosind drept bază iniţială ultima bază obţinută
în cursul fazei I, adică B=(at, a2, a6 ).
. Tabelul simplex corespunzător acestei baze va fi :

: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

Deoarece toţi z;-c,~O rezultă că baza B este optimă şi deci am

obţinut programul optim (degenerat): x1= 1, x2=xa=x4 =xs=O.

Exercijli ti probleme

Să se rezolve geometric următoarele probleme de programare liniară.

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

9. 2x1+x2~3 10. -2x1+x2~ 1

x1+3x2~4 2x1-5X2~-5
X1~0, X2~0 -2x1+3x2.:....19
min(max) (x1+6x2). -x1+x2~3
R: (4, O); 4; Nu există soluţie optimă. X1~0, X2~0
max(x1+4x2).
n: (2, 5); 22.

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.

14. Săse aducă la forma standard şi la formele canonice următoarea

problemă de programare liniară :
X1-X2 =5
X2-2Xa :;;a=1
2x1-4x2+Xa~-2
X1-3x2+2xs:;;a=-4
x1 ;;i, O, X2 oarecare, Xs ~ O
max(3x1-x2+4xa).

15. Să se rezolve următoarea problemă de programare liniară:

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.

17. Să se rezolve problema de programare iiniară:

2x1-2x2+ xa-X4 ~-6

5x1+4xr-3xa-3X4=20
2x1-x2+2xa+x4+x5....:0
X1, X2, Xa, X4, X5;?; 0
· min(-2x1+6xa-2x4-3X5).

lndleafle. Prima rt>stricţie se inmulţeşte cu -1 pentru a obţine membru)

drept uenegativ. Se introduce variabila ecart z 6 pentru a transforma prima restricţie
ln ecuaţie. Variabilele nrtificinl.e se introduc numai ln primele două ecuaţii, deoarece-
variabiln x:i din ultima ecuaţie poate fi luată drept variabilă de baz:1. Se obţine
programul optim: .r1 =0, :i·2 =20, x3 =0, x4 =20, x5 =0.

18. Să se rezolve problema precedentă în care înlocuim ultima

restricţie cu

-h1dienJie,· Se procedează ln acelaşi mod ca la problema precedentu. Problema

are .optim)nfinit.

19 .. Să. se rezolve problema 17 fa care înlocuim ultima restricţei cu

2x1+Sx2+2xa+ X4+ X5=4.

lndieatle. Se procedează ca ln rezolvarea problemei 17. Ln sflrşitul fazei I
obţinem min (z1 +x;)> O, ceea ce arată că problema iniţiaJii nu are programe (tron-
sonul. programelor c·stc mulţimea vld4).

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.

21. Să se rezolve problema de programare liniară :

I
X1 + 4 x4-8x5-x6+9x7 =0
I I
x2 + 2 x4-12xs-
2 x6+3x7 =0
X3 =I

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.

2.'J. Să se rezolve problema

12x1+3x2-Xa I ~ 12
lx1I +x4~ 8
-x1+3x~2xa+x4~ 15
lx1I ~5, xa~6,
X2, X3, X4~Q
max(3x1-x2+4xa+ 7X4).
Indicaţie. Prima restricţie a problemei se scrie

Dacă notăm cu x 3 variabila ecart corespunzătoare inecuaţiei din dreapta

vom obţine

2x1 +3:r2-X3+X5 = 12,

iar inecuaţia din sttnga se transformă ln condiţia x 5 ~ 24.

Cea de a doua restricţie este echivalentă cu

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

lndleatfe. Pentru problema de programare liniară care constă ln minimizarea

funcţiei obiectiv :=6x1 + 11:r3 +8:r4 cu ultimele două restricţii ale problemei date
se obţ ine programuI im x '
opt o' 6'' l ··~
1 =:: , x 2 =1 , :r3 =:r4 =0 şi va oarea mm1mn a funcţ1e1
..
obiectiv z'==O. Pentru problema de programare liniar~ care constă ln maximizarea
f uncţici obiectiv : cu ultimele două restricţii ale problemei propuse se obţine pro•
gramu) optim :c"1 ==119I9, x "2 ==0, x ,,3 =194I9, :i:''4 =0 ş1· valoarea optima a funcţJeJ
w • •

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

min( lx1+ xa---21+ I-xi+ xa+2 I+ Jx1-2xa+ xa I+ l-x2+ xa-21)

în condiţiile :
x1-xa;;i:0
x1--4x2>0
X2 ~0.

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.

28. Se dă problema de programare liniară

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

Dualitatea În programarea liniară

§. 1. Definirea problemei duale

Dualitatea ocupă în programarea liniară un loc important atît

<lin punct de vedere teoretic, cît şi din punct de vedere practic, pe
.rezultatele obţinute în teoremele de dualitate ce vor fi date mai jos,
,bazîndu-se mulţi algoritmi de rezolvare a problemelor de programare
liniară.
Să considerăm o problemă de programare liniară sub forma gene-
rală:

Anx1+A 12X2+A13X8 ;;;i: b1

A21x1+A22X2+A23X3=b2
Aa1x1+Aa2:c2+Aasx3 ~ ba (l)

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).

Problema (1) se va numi şi problema primală. Este uşor de văzut că

,duala problemei duale este chiar problema primală. Datorită legăturilor
-strînse care există între aceste două probleme care sînt duale una
-celeilalte, vom spune că problemele (1) şi (2) formează un cuplu de pro-
.bleme duale.
Examinînd atent cele două probleme rezultă că problema duală
se obţine din problema primată în modul următor:
a) Termenii liberi din problema primală devin coeficienţi ai funcţiei
-obiectiv în problema duală.
b) Coeficienţii funcţiei obiectiv din problema primaiă devin ter-
·meni liberi în problema duală.
c) O problemă de minimizare se transformă prin dualitate într-o
·problemă de maximizare (şi reciproc).
d) Matricea coeficienţilor din problema duală este transpusa ma-
·tricei coeficienţilor din problema primală.
e) Variabilele duale corespunzătoare unor restricţii concordante
,din problema primaţă sînt nenegative, iar cele corespunzătoare unor
;restricţii primale neconcordante sînt nepozitive. ·
f) Variabilele duale corespunzătoare restricţiilor prirriale care sînt
•ecuaţii pot fi de semn oarecare.
g) Variabilelor primate rie·negative le corespund în problema duală
:restrkţii concordante, iar variabilelor primale nepozitive le corespund
1n d·uală restricţii neconcordante.

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

x1, xa oarecare, x..i ~ O

X2;;;;: O,
max (3x1-6xa+ X4).
Pentru a scrie duala acestei probleme vom proceda în modul ur-
mător. O~servăm mai întîi că problema dată are trei restricţii şi patru
variabile. 'Fiecărei restricţii i se ataşază cite o va_riabilă .duală : variabila
u 1 corespunde primei restricţii, variabila u2 corespunde celei' de a doua,
iar ua corespunde celei de ·a treia restricţii. · Fiecărei variabile pri male
îi va corespunde cîte o restricţie în problema duală. Vom avea deci
trei variabile şi patru restricţii în problema duală.
Funcţia obiectiv a problemei duale se formează cu termenii liberi
ai problemei primate şi este
3u1+5u~2ua ; ·
această funcţie trebuie minimizată, deoarece problema primată este
de maximizare.
Variabila u1 trebuie să fie nepozitivă deoarece corespunde unei
restricţii neconcordante (adică inegalităţii;;;;: într-o problemă de maxim).
Variabila u2 este o~recare (poate avea orice semn) deoarece cores-
punde unei egalităţi. în sfîrşit, variabila u3· trebui'e să fie nenegativă
deoarece corespunde unei restricţii concordante.
Deoarece variabila primală x 1 este nenegativă, restri_cţia duală care
îi corespunde tre~uie să !i~
concordantă, adică
2tţ1-u2+2ua;;;;: 3

deoarece · pr6ble'nta duală este I de minimizare. Coeficienţii care :apar în

această restricţie sînt chiar coeficienţii lui x1 din restricţiile ·:primatei,

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

Analog, înmulţind inegalităţile u' A~ c' cu x ~ O la dreapta obţinem,

u'Ax ~c'x. (8}

Din relaţiile (7) şi (8) rezultă imediat inegalitatea cerută.
Pentru uşurinţa exprimării vom nota prin P tronsonul programe-
lor pentru problema primată (3), iar prin D tronsonul programelor
problemei duale (4). Cu alte cuvinte:
P= {x: Ax~b, x>O},
D= {u: A'u~c, u>O}.
Cu aceste notaţii, problema primată se mai poate scrie min c'x, iar pro-
zeP
blema duală max b' u.
uED

Lema 2. Dacă x" eP, a eD " atunci x"

şi dacă
b'u=c'x, şi a sînt
programe optime ale problemelor (3), (4).
A

Demonstraţie. Din lema precedentă şi din condiţia b'Ct=c' x a lemei,

noastre rezultă imediat că a şi x" sînt programe optime.
L e m a 3. Dacă într-un cuplu de probleme duale una are optim·
infinit, atunci cealaltă nu are programe, iar dacă una are program.
optim, cealaltă nu poate avea optim infinit.
Demonstraţie. Din prima lemă rezultă că

max b'u ~min c'x. (9),

uED xEP

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.

în cazul n,qstru vom considera matricea:

L= (
O _;,A'
A 0-b ,
c) . I

-c' b' O

-care este evident antisimetrică. Folosind consecinţa lemei lui Farkas-

.Minkovski, rezultă că există un vector :t cu n componente, un vector
a· cu ·m componente şi un număr real g astfel încît să avem :

* Demonstraţia este dată la pag. 7 ·

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:

b'il>c'x ~(A'u)'x--:-u'(Ax) ~O. (24)

Este clar acum că relaţiile (23) şi (24) sînt contradictorii şi deci afir-
maţia că „este imposibil ca ambele probleme duale să aibă programe"
este adevărată.
Dacă această afirmaţie este adevărată rezultă că sînt două situaţii
posibile: ·
b, I) Nici una dintre probleme nu are programe. Acest caz coincide
cu situaţia c) din teorehlă. ·
b, .2) Una din probleme are programe şi cealaltă nu ; aceasta este
situaţfa b) din teoremă. în acest caz mai rămtne să arătăm că problema
care are programe are optim infinit. Pentru aceasta să presupunem de
exemplu, că problema primată are un program x0• Vom arăta că orice
vector de forma x=x6 +).x cu Â~O este program al problemei primate.
într-adevăr, x este evident nenegativ (deoarece x ~O. x 0 ~O, Â~O) şi avem

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

are optim infinit. La .fel se demonstrează că dacă problema duală are

programe· (iar· cea primală ·nu are), funcţia obiectiv a problemei :duale
tinc:le la.+ 69, 'adică probl~ma duală are optim infinit. ·
 Te ore ma 2 (Teorema ·ecarfurilor complementare) ·programele
... .t E P şi uED sint programe optime dacă şi numai dacă avem
satisfăcute relaţiile: ·
u:(Ax~b)=O şi (c-A'a)'x=O (25)
De1rwnstraţie.
Vom demonstra mai întîi. necesitatea condiţiilor
(~5). Fie pentru aceasta x şi a două programe optime pentru problemele
clu'aie considerate. Conform teoremei fundamentale a dualităţii (cazul
x
~)= vom avea c' =b' a şi" deci vom scrie
· 4.'(Ax-f!)+(t:-A'a)' x=O,.
ţinînd seama şi de,·taptul c~ ·avem totdeauna (A'uf =u' A. Ţinînd acum
seama că x şi-"u sînt ·programe (adică x ;;?;0, a ;;?;0, Ax ;;?;b, A'u·E;o);'rezul_.
tă din relaţia precedentă: că fiecare din cei doi. termeni diri stîhga
egalităţii sînt nuli; deoa'rece sînt ~egativi : ·
1•·.
ii'(A x_:._b) . ·o, (c-A'u)' x =0
şi deci necesitate a condiţiilor este demonstrată.
Pentru· dem~nstrare!:). .. suficienţei, · să observăm că prin aqunarea
celor dou·ă relaţii (25) ·obfinep1 :_ . ·
O=u"'(A x-
A b)+(c-A'"')'
u x=cx-
A 'A b'.,.u.
. .-,
C~ ·alte c~vinte ·ave·m c'·x .:_b'a şi aplkînd lema 2 .reztil'tă ci·pr0:
gramele x
şi 1i sînt optime.
Observ a ţ i e. Să observăm ·că' relaţiile (25) pot fi scrise sub
fP-Tma
.,,
b U;(a;x-bd-;--0 (26)
i=l
n
I; xJ(c1-u'ai)=O. (27)
i=I
Deoarece toţi termenii care apar __în partea stingă a acestor relaţii
(m termeni în (26) şi n termeni în· (27)) sînt nenegativi, rezultă că relaţiile­
de mai sus. pot fi scrise sub formele echivalente :
i'. ·.:.: ... · = • · u1(Cflx.-b,)~O, .1 <i <m, · :·; · (2E)
,i;!ht: :.-, .. : 'i.xy(c,~a'aJ)=::O,. ·l ~i<n. ,. · (29►,·
 Din relaţia (28) rezultă următoarele implicaţii :
a, >0 implică a; x=b,, (30)
a; x>b, implică u,=O. (31)
În mod analog, din relaţia (29) rezultă următoarele implicaţii:
xi>O implică u' ai=c1, (32)
u'ai>O implică xi=O. (33)
Relaţiile (30) şi (31) arată că, dacă în programul optim al problemei
duale componenta a, apare cu valoare nenulă, atunci restricţia primată
corespunzătoare se verifică cu semnul egal (variabila ecart corespunză­
toare este nulă) şi invers, dacă restricţia primată i este inegalitate strictă
(variabila ecart este nenulă) atunci variabila duală corespunzătoare u,
este nulă. Relaţiile (32) şi (33) pot fi interpretate în mod asemănător.

t 3. Rezolvarea simultani a problemelor duale

cu algoritmul simplex

Să considerăm o problemă de programare liniară sub forma stan•

dard:
Ax=b
I x;i?;O
l
(34)
min c'x
şi duala sa:

I A'u ..;c
u oar.ecare

l max b'u.

Teorema care urmează precizează condiţiile în care o bază B ex-

trasă din matricea A este bază optimă pentru problema primată.

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.

O b se r v a ţ i a 2. Este clar că (37) se mai poate scrie sub forma :

(39)

sau încă z1/-c1 ~ O,

ţinînd seama de definiţia cantităţii zf. Cu alte cuvinte,
condiţiile (37) sînt chiar condiţiile. ca mărimile zf-c1 să fie nepozitive,
.care indică în algoritmul simplex faptul tă baza corespunzătoare, tabe-
lului simplex este optimă.

,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

x1, x2, X4 ~ O, xs oarecare

lndieafle. Se notează cu u 1 , u2 , u3 variabilele problemei duale. Se obţine pro-

blema dualu sub forma :

2u1 +u 2 +2rz3 ~ 3
-4~ 1-u 2 ~2
3U1 + U 3 =-1

-u 1 +2u 2 +3u3 ~4

2. Să se scrie dualele următoarelor probleme de programare liniară:

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)

x1, x2, x 4 ~ O; xa, X5 oarecari

min (x1-2x2+7x3-5X4-3x5).
3. Să se rezolve problema de programare liniară dată în problema.
e, a) şi să se determine soluţia problemei duale acesteia.
4. Să se rezolve problema de programare liniară dată în problema
e, b) şi să se determine programul optim al problemei duale.
lndleaţie. Problema primală are programul optim x1 =3,5, x2 =0, a:3 =4, x4 =3
Şi :t:5 =0.

5. Se dă următoarea problemă de programare liniară :

5x1-x2+2xa~ 13
3x1+2x~XJ ~ -4

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.

6. Se dă problema de programare liniară :

2X1-4X2-X31 X4 ~8

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.

7. Se dă problema de programare liniară

X1, X2, xa;;i::O

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.

-8. Se dă problema de programare liniară

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.

lndicnfie. Problema primnhi nu are programe.

'9. Se dă problema de ·programare liniară

x1+2x2+xa =2
3x1+x2 +x4=3
4x1+3x2+xa+x4=5
Xt, X2, X3, X4 ~· 0

Se cere: max (2x1 -3x2 )

a) Să se rezolve problema;
b) Să se scrie problema duală;
c) Să se rezolve problema duală.
lndientie. Programul optim al problemei prirnale l'Ste x,=4/5, x~=3/a
.::r3=:r,=0. . .

154
 · Capitolul IV

Problema transporturilor

·t 1. Fotma generală a problemat· fransporfurilor

Problema transporturilor se formulează în felul următor: de la

m centre de producţie P1, •• . , Pm, un anumit produs omogen P (şi numai
unul) trebuie distribuit în n centre de consum Q1, •• • ,Qn. Vom nota cu:
a, - cantitatea de produs P disponibilă în P,, l=l;. ~ .·,' m;
bJ - cantitatea de produs P necesară în Q,, j=l, .. . ,n;
c,, - costul transportului' unei unităţi de produs P de la P, la Q,.
Cantităţile . Di, b1 şi costurile CiJ
sînt numere reale cunoscute. Pro- Tabelul 1
blema care se pune este de _a orga-
niza transportql f!Stfel încît :_ disp9- I
Ql. •'• .... QJ. •·• • • • • .Qm : I
ziti vul de· produs să fie respectat,: P1 C11 • • • • • · · C1J• • • • • • C1n a_1 I
iar cererile să fie satisfăcute cu un
P, Cf1 •. •., •. c,, ....... c,n a,
.
cost de transport : cît ·.mai• mic.: .
Pentru o mai uşoară utilizare Pm

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

Suma cantităţilor transportate în fiecare Q,, să satisfacă -cererea bt

m
~ X1.J~b1, j=l, .. . ,n. (2}
i=l

Cantităţile XlJ sînt evident nenegative

x1,;~0, i=l, ... , m; j=l, ... , n. (3}

Dacă presupunem că există proporţionalitate între costurile de-

transport CiJ şi cantităţile transportate x1,1, atunci se cere să se determine
XtJ care să realizeze

min (tt c,JXIJ ) (4}

Problema transporturilor contine m+n restricţii (I şi 2) şi mn va-

riabile xo.
Notăm cu X matricea X=(XiJ) ieM,jeN.

Definit ia I. X se numeşte plan admisibil de transport sau

soluţie admisibilă a problemei de transport, dacă ~i satisfac (1}
(2), (3). Soluţia admisibilă X care realizează minimul din (4) se
numeşte plan optim de transport sau soluţie optimă a problemei
de transport.
Propoziţia t. Dacă există un plan admisibil de transport X~
atunci
(5)

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

Se vede că (5) este o condiţie necesară de existenţă a unei soluţii

admisibile. Ea exprimă faptul că este necesar ca cererea să fie mai mică
.decît oferta.

P r o p o z i ţ i a 2. Dacă produsul P este divizibil, atunci condiţia

'(5) este şi suficientă.

Denwnstraţie. Fie P divizibil în orice cantitate. Atunci este suficient

:să luăm x-s;= a,bi
D
unde prin D am notat cantitatea totală disponibilă
.
m
D= ~ .a;, şi condiţiile (1), (2) şi (3) sînt satisfăcute:
i=l

pentru ,că ·din (5) rezultă că ~b,~a,~ I.

I i

E-xempl ul 1. Problemă de transport: m=3, n=4 ,· datele problemei

:sîat ,in :tabektl 2.

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

(7) Xu ~0, X12 ~Q,. • .,X34 ;;?;0

: :~ ...

Probiema t·ransporturilor sub forma folosită astăzi, a fost formulată

în 1941 de F.L. Hitchcock (în lucrarea The distribution of a product irom
several sources to mitnerous Iocalities). · în' 1947, T.C. ·Koopmarts aduce
importante îmbunătăţiri metodei de rezolvare a problemei transportn-
rilor. De fapt, încă din FBI, G. Monge a dat o formulare acestei probleme.

i 2. Forma ce:1no~,că a .Prob~~• transporturilor

Prin teorema care urmează,: vom· arăta· că la .Qrice probl~mă de tr~n:

sport putem considera că în (I), (2) şi (5) apare numai semnul =. ·
T° e o r· ein. a · I. Orice problemă· de transport s poate să fie ·scrisă sul>
forma canonică: ' · · ·.,· •: ·
n
~ x,,=a,, ieM. l'J)
J,=1
n
~ Xi; .. bs, j::N. (2'}
, ... 1

-~ a,~~ b1
i=1
m

. .
n

1... 1
(5')

cu indepli~irea c~ndifiilor (3) şi (4).

 Demonstraţie. Fie problema gr dată sub forma (I) - (4). Presupunem,
că (5') este îndeplinită. Atunci cu necesitate trebuie ca în (I) şi (2) să,
apară semnul = şi deci Br se scrie sub forma canonică.
Presupunem acum că pentru sr are loc (5) şi anume ~b;<~tz.t. ln••
troducem un consumator fictiv Qn+i . care cere cantitatea bn+1=
m 11

·= ~ <li - ~ b;. în tabelul I, va âpare coloana lui Qn+ 1, pentru care•

, i:d .J=1
se consideră costurile de transport c.t,n+1=0, iE M. în a~est mod, c_ondi-
fiile problemei se scriu: _
n
~ XiJTXi,n+1=a1, i E M.
j=l
m
~ x,,=b1, jeNU{n+I},
i=l

Xi;~O, ieM, jeNU {n+I},

min (f "f 1 Cfj Xij)

,, ... 1 j =1
t

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}). .

·t 3. Proprietăfi relative · la matricea A

a problemei transporturilor
Conform teoremei 1, pr~blema transport~rilor se .,.scrie sub forma:
n .'
~ X1;=a,,·: iE ~' (9)·
J=l . .
 m
~ x,;=b1, jE N, (10)
'""' t
XfJ;;?;0, ieM, jeN, (11)

min (f t x,,) •
i=I /=l
CtJ (12)

Din (9) şi (10) se vede că matricea A a coeficienţilor variabilelor

.xu, conţine numai elementele Oşi 1. Notăm cu A'1 E Rm+n vectorul co-
loană care are numai două componente nenule, egale cu 1 şi anume corn•
ponentele de pe liniile i şi m+i;
o
o
1 i
o
A''=
o
1 m+j
o
o
Atunci matricea A (cu m+n linii şi
mn coloane) este
....
- , A12 , Aln' A21' A22, ... , AZn, ... , Aml, Am2,
A-(All ... , Amn).
Pentru exemplul 1, matricea A este următoarea

An At2 Al:3 At4 A21 A22 A~ A24 Ast A:m A33 AM

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.

3) X şi °x reprezintă acelaşi lucru - necunoscutele problemei - scr~c sub.

f01·me dl.ferite. · ; ...

t l Elemente de algebrl şt proşamare lln.tarQ. 161

 Def i niţi a 2. O soluţie admisibilă X, se numeşte soluţie admi.-
sibilă de bază, dacă vectorii coloană A1.1 corespunzători valorilor
x,1~0, formează un sistem liniar independent.
T e o r e m a 2. Orice soluţie admisibilă de bază a unui sistem de
ecuaţii de forma (9), (IO) este o combinaţie liniară de a,
şi bi cu coefi-
cienţii O,+ I sau - I.
Demonstraţie. Fie X o soluţie admisibilă de bază cu r componente
nenule

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,________

arată că o ecuaţie, de exemplu prima, se exprimă cu ajutorul celorlalte

linii astfel :
m m m n m n
xu+x12+ ... +x1n=a1=~ a,-'f. a , = ~ ~ XiJ-~ ~ Xi;=
,~1 i=2 i=t/-1 i=2i-1
m n n m
~~ ~ XH-~ ~ Xtj.
i=I /=,I /=l l=2

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.

A11,_.A~, .•. , Aln-l, A11•, A 2n ••• , Amn. {ţ5)

Se verifică uşor că determinantul asociat lui S este nenul. Deci

rang A=m+n-1:
Pentru matricea A dată de (13), matricea S de ordinul 3+4-1 =6
este
1 I I I o o
o o o o I o
o o o o=·
S= , 1 o o o
o I (16)
o o
o I o o o o
·o o l o o o
D e f i n i t i a 3. O soluţie admisibilă d~. bază se numeşte nedege-
nerati, dacă ea are m+n~l componente nenule.

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

Demonstraţie. Presupunem că relaţia (17) este îndeplinită. Să de-

monstrăm că în acest caz Br este degenerată, adică există cel puţin o so-
luţie admisibilă de bază degenerată X (deci cu cel mult m+n-2 compo-
nente nenule).
Presupunem că ik=k şi jk=k, adică (17) are loc pentru primele
valori a1, ••• , a8 , şi primele valori b1, ••• ~ .bt. Acest lucru poate face se
întotdeauna printr-o renumerotare a liniilor şi a coloanelor. Presupunem
că există un singur sistem de indici pentru care (17) este îndeplinită.
Atunci problema sr se descompune în două probleme 8T 1 şi ff 2 conform
tabelului 3:
Tabelul 3
. Pentru că (17) implică

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

I i,, ... b, be+ 1 •.• bn

xli~o, i=l, ... , s; j=?.t, ••• , t,

164
 n
6 1 : ~ X11=a,, i=s+I, ... , m.
1-t+l
m
t
1-s+l
X11=b1, j=t+ 1, ... , n.

x,, >0, i=s+ 1, ••• , m; 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.

Te ore mă re ci p r o c ă. Presupunem că problema 6 este de-

generată. Arătăm că în acest caz există indicii i1 , ••• , is şi j1 , ••• , J,
incit are loc (17).
Fie X o soluţie de bază degenerată a luitl, care are cel mult m+n-2
componente nenule. Presupunem că x11=1=0. Această valoare se află Ia.
intersecţia lui P 1 cu Q1• Notăm cu (1, I) perechea de indici cu xn =1=0~
De asemenea-·notăm cu

E1={(i, /) pentru care.~,eX cu ~.1:#=0J.

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

ceea ce trebuia demonstrat.

Exemplul 2. Problema dată de tabelul 4

este degenerată4 , pentru că există
indicii i=l, 3 şi j=l, 4 încît a1+
Tabelul 4 +aa=b1+b4. într-adevăr 6+7=3+
+ 10. Se observă că se putea alege
I Q1 I Qs I Q3 Q, I şi i=2, 3 iar j=2,4 pentru · că
P1 3 9 1
5
4
10
6 s+1=s+10.
Pa 2 6 8
Pa 4 8 7 3 7 Conform primei posibilităţi, pro-
blema dată se des<;ompune în două
I r 3 5 a I 10 121 probleme, date de tabelele 5a şi 5b.

Tabelul Sa Tabelul Sl>

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

4) Valoarea 21 ·reprezintă suma ·cerer.Uor şi suma ofertelor

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

şi. l=:1,5. Se verifică ·uşor. ca x· dat

de matricea : Pi ;
9 ;2. 4 6 5 6
P2 3 1 7 4 2 8
. Pa· : 6 ·8 3 \J 4 ·7
. ' (·:i_3 O O O I )
3+-
P,. 5 6 5 4 7 4

•·.·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

... Ca şi_ la rezolvarea unei problţm_e de progr_am,are liniară, _determi-

narea soluţiei optime a unei probleme de transport, se plecîndface.
.de la o soluţiţ ~dmisibilă. de bază ini_tială~ care.se t~bunătăţeşt~ succesiv.
Există
. mai multe metode.
. .
de determinare
.' . ..'
.a. .unei 59lutii.
.· •, '. . . admislbile
:. :

de bază. Vom menţiona doar două.

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)

O b s e r v a ţ i e. Metoda vîrfului de nord-vest nu ţine cont de

costurile CiJ, pentru determinarea lui X. La algoritmul care urmează„
costurile de transport c,,
intervin în mod esenţial.
2) Metoda lui Houthakker sau metoda elementului minimal.
Pasul 1. Se determină cel mai mic element c1.J din matricea C a
costurilor de transport. Dacă elementul minim din C nu este unic, se
alege arbitrar unul din ele. Fie min cn cik; se trece la pasul 2.
l,j
Pasul 2. Se calculează min (az, bk)
a) Dacă min (az,bk)=a, atunci se pune X1k=a 1, x,,=O, j=l, ... , n,
j =I= k ; se trece 1a pasul 3a.
b) Dacă min (az, bk)=bk, atunci se pune xu,=bk, Xtk=O, i= 1, ... , m,
i :/= l ; se trece 1a pasul 3b.
c) Dacă min (az, bk)=ai=bk, atunci se pune Xik=az, xu=O, j=l,
... , n, j =l=k, i1.k=O, i= 1, .•• , m, i =l=l; se trece la pasul 3c.
Pasul 3. Se reduce matricea C la matricea C' cu elemente şi c;,
se calculează noile elt:qiente şi a; b;.
a) Se anulează linia l din C şi se obţine C' ; se pune a, =0, a;=a,,
i=l, •. . , m, i:ţl_; se pune b;=bk-X,lk; b;=b,, J=l, ... , n,
j +k; -.se trece la pasul 4.

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

Ultimul tabel, dă soluţie admisibilă din baza X~

'V(X) =B ·3+5 •l +3 ·7+2 •5+4 •6+8 •I =92.
Se vede că soluţia posibilă găsită este mult mai ~vantajoasă decît
-cea găsită
prin metoda vîrfului de nord-vest.
. ln cele mai multe cazuri metoda elementului minimal conduce la
·soluţii mai avantajoase, dar aceasta· nu este o regulă· ·generală. Acest
}lucru se va vedea într-unul din exerciţiile propuse (problema 4).

]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

xo~O, ieM, jeN

min (f fi=l /-t

Cfi xu) ,
urmînd modul de scriere al dualei de la programarea liniară, scriem
duala &'* .. Să -se determine variabilele duale u, şi v1 aşa încît

-Ui+v,~cu, ieM, jeN (18)

Ui, OJ - oarecare

... ; .
·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.

Ultima condiţie a.,rată că !tii>O implică c,;-(u,+v;)=O. Dar x,;>0>

înseamnă de fapt că xu este o variabilă de bază. Folosirea acestoli
variabile se va vedea în propoziţia care urmează. .
Observ aţi e. Problema de transport,· aşa cum a · fost definită
ea cu funcţia de optimizat liniară, ar putea fi rezolvată prin algoritmul
simplex obişnuit. Aceasta ar implica un volum mare de calcule dato-
rită dimensiunii mari a matricei A. De aceea, se foloseşte un algoritm.
simplex adaptat problemei de transport, ţinînd cont că matricea A are
elemente numai numerele O şi J.
Pro p o zi fi a 3. Pentru toate celulele (i, j)E /, formăm sistemul
(20)
a) Putem determina toate necunoscutele u,
şi VJ, plecînd de la un
u, sau VJ arbitrar.
Demonstraţie. Fie Uio arbitrar, pentr~ care există io .cu (io, io) e /.
Determinăm toţi v; pentru care (io, j)e /. Notăm cu F1= {jeN/(io, j)e /}.
Luăm un indice jie F 1 şi-l fixăm. Determinăm toţi u1 pentru care
(i, ji)e/. Notăm G1= {ieM/(i, ji) e/ }.Luăm un indice i 2e G1 şi-l fixăm.
Determinăm toţi v; pentru care (i2, j)e/. Notăm F2= {jeN/(i2, J1el}. Se
continuă procedeul pînă cînd se epuizează t<;>_ţi indicii i şi j, (i, j}e I.
Procedeul este finit, pentru că I este o mulţime finită.
 b) Suma u,+v, este independentă de alegerea arbitrară a unei ne-
cunoscute.
Demonstraţie. Fie Ui=O, prin care se determină· toţi u, şi v1, pentru
(i, j)e /. Fie de asemenea u',0 =c(c este, o constanfă arbitrară), prin care
se determină u; şi v;, pentru (i, j)e/. Să verificăm că
lli+v1=u;+v;.
Pentru je F1, găsim v1=C;o1 iar v;=%1-c.
Peniru ieG1, g~sim ut=ct1-v1=ctJ-C;0J, iar
u; =ct1-v;=ct1-c10 1+c. Calculăm sumele :
lli+v,=c,1-C;o1+c;0 ;=c,,, (i, j) e/,
u;+v;=cH-C;oJ+c+C;a;-c=cu, ([, j)e/.
Propoziţia este complet demonstrată.
Înainte de a trece la prezentarea ·algoritmului de determinare a
soluţiei optime, mai facem următoarea :
Observ aţi e. Fie X o soluţie admisibilă, de bază sau nu, a
problemei ·ar. Pentru sim~lific~re, presup~nem că X are forma

X=( t1T2
0 -X22
0 0
X:?a 0
)· · (21)

0 0 X33 X34

Formăm circuitul indicat. în (2D. Fie « o can_ţitatţ pozitiv~,. ac._~ 'min

(xm X12. x22). Modi.f.i~ elementele cuprinse în cin~ui.t, cu .cantţt_atea or.
cum se vede în X 1

X1= (
. 0
.

<X
..
Xu-«· X12+ac. :
X12-1X.
· ·· 0
X:?:3
X33 X:
a
. . . ..
9
0 • (22)

Observăm că „echilibrul"' pe ;linii şi pe coloane s:.a păstrat, prin adău­

garea şi scăderea lui «. Atunci X 1 este soluţie admisibilă a problemei ··S.
· Dacă circuitul este format încît să treacă ·prin două elemente nule •
.atunci la adunarea şi scăderea lui oe, pe' locul unui zero va apare -ac
şi" decf·se obţine o soluţie ·care are un Xii=~«>, ceea ce -contrazice
restricţiax,, ~O, pentru toţi i şi j.

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

bazei1). Aceasta revine fa a găsi în X un circuit care porneşte din

x,010 ==0 şi trece numai prin elemente XfJnenule: Exprimarea lui A 1•1•
este de forma ·
A ioJ.=Aio/i~~l1/1 +Ai1i1_ 0
•• +Ais/e (24)
(Ultimul vector din sumă este totdeauna cu +).
Pasul 7. Se determină min X1J după toate perechile (i, j') pentru
~;:1te A;; are semnul + în membrul drept a lui (24), ·adică ·

min x,1=x,ki1&· (25)

. (iJ)/T
Rt:laţia (25) constituie criteriul de ieşire din· •bază a lui A1"1•.
Pasul 8. Se determină o_ 11ouă soluţie _posibilă de. ba~ X'= (x' ;j)•
unde ·
_. ; x;1. XIJ-f- ~k~ k·.. ~?ntiu ~oii i ~!~, j_~ io, ~ ....·. (26➔
,
. . ._.. ... , .. ,X;..J. -:Xt1cJ,, . : .: -~.
Sem,iele-. +- 5'U- - se folosesc în- sen~ul-:obse(V;a.ţiei ,Uu_strate p.rin. ..(~)
5) Cu toţi vectorii bazei, sau numal-cu~:.o patte· ··:·•· ·.•

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;

. C1=(-! . i . .-i I i') '

In C1 se '.v~de că apare zero penţrit toate variabilele d~· bază. Această
proprietate· este generală. · · :.

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

V(X2)=7 •5+3 ·6+4 •9+5 •2+ 1 •7+2-I =108.

Iteraţia 2, Pasul 2. Baza B2 = {A 11, A14, A22„ A23, A33, AM}.
Formăm sistemul Uf,+v1=ct1 şi îl rezolvăm
u1+v1=7 u1= O; V1=7
u1+v4=3 u2= 3; V2=l
u2+v2=4 ua=-1; Va=2
u2+va=5 V4=3
ua+va=I
ua+v4=2
Pasul 3. Se obţine matricea C2 :
7 3
C2=(l ~I o
3
o
o
Pasul 4. Pentru că c; 1 =-8, X2 nu este soluţie optimă.
Pasul 5. c;0 , 0 =c; 1=-8. A21 intră în bază.
Pasul 6. Căutăm un circuit în X2,

~.--,
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

12 Elemente de algebră şi programare linia.ra 177

 Pasul 9. V(Xa)= V(X2)+ 1(-8)= 108-8= 100.
Iteraţia 3. Pasul 2. Baza B3 = {All, AI4, A21 , A22, A23, A33}.
u1+v1=7 U1= O; V1= 7
u1+v4=3 U2=-5; v2= 9
u2+v1=2 U3=-9; Va=IO
u2+v2=4 V4=3
u2+va=5
ua+va=l
Pasul 3.
o-1O l-51 o)
Ca= (8O
3
O
O 8
11

Pasul 4. X 3 nu este soluţie )ptimă.

Pasul 5. min (-1, -5)=-5=c;0 , 0 =c;3 • A13 intră în bază.
Pasul 6.
+ _I_

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.

Pasul 4. X 4 nu este optimă.

Pasul 5. min (-I, -2)=-2=c;2 •A32 intră în bază.
Pasul 6.
I
3 o 1~
X- +
4- 2 ➔ 9 o
( o. I o I ➔s-
I+

A32=A33-Ats+ At1__A21+ A22.

Pasul 7. min (xss, xn, X22)=min (8, 3, 9)=3=xn, A11 iese din bază.
Pasul 8.

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).

4. Folosind metoda elementului wini mal şi metoda vî1·fului N-V

să se determine două soluţii admisibile de bază şi să se afle valorile
corespunzătoare ale problemei definită de tabelul c).

3 fi 7 8 10
2 4 s g n
c) 6 3 I 2 8
-
5
- -8- -9- - -7 - • 29

fl. X12=2, x 13 =1, Xu=7, X21=5, X22=6, X:13 =8, l'(X)=115,

x 11 =5, x12 =5, x 22 =3, x 23 =8, :ra3 =1, x34 =7, V(X)=107.

5. Să se determine soluţia optimă pentru problema 3.

Jt. 4 itera(ii; X12 =4, X13=3, X21 =6.

8 3 4 2 10 X24=7, X32=4, X34=l, V(X•)=76.
4 1 6 7 15
1 9 4 3 '25 6. Să se determine soluţia op-
-5- 10 20 15 50
timă pentru problema definită de
d)
tabelul d).

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.

7. I o n D. I o n şi H o el u, N., Algebră, Edit.ura didacticu şi pedagogică

Bucureşti, 1970.
 Cuprins

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