Documente Academic
Documente Profesional
Documente Cultură
MODELE LINIARE
1.1. Programare liniară. Modele economice
dar orice restricţie, care nu este de tip egalitate, poate fi adusă la forma unei
egalitaţi, fie prin adăugarea unei variabile pozitive (când avem semnul ≤), fie prin
scăderea unei variabile pozitive (când avem semnul ≥).
Vom enumera ı̂n continuare câteva exemple de probleme economice ce prezintă
o modelare matematică liniară.
Exemplul 1.1. Probleme de planificare optimă a producţiei
Se consideră o unitate economică unde există m tipuri de resurse (materie
primă, forţă de muncă, resurse financiare, etc.) notate cu Ri , ı̂n cantităţile bi
(i = 1, m). Cu ajutorul acestor resurse pot fi realizate produsele Pj , j = 1, n.
Beneficiul obţinut pe unitatea de produs Pj este notat cj . Unitatea doreşte să-şi
planifice resursele şi producţia astfel ı̂ncât beneficiul final să fie maxim.
Dacă notăm cu xj cantitatea din produsul Pj ce trebuie fabricat astfel ı̂ncât
beneficiul total să fie maxim şi prin aij cantitatea din resursa Ri folosită la fabri-
carea unei unităţi din produsul Pj , modelul matematic al problemei este
n
P
aij xj ≤ bi , xj ≥ 0, j = 1, n, i = 1, m
j=1
n
P
(max) f (X) = c j xj
j=1
Variabilele xn+i ≥ 0, din programul de producţie, reprezintă ı̂n acest caz cantitatea
din fiecare tip de resursă care rămâne disponibilă (neutilizată) ı̂n procesul de
producţie, pe ciclul de fabricaţie. Introducerea acestor variabile (produse fictive)
nu schimbă funcţia de eficientă, atribuindu-le beneficii nule.
Exemplul 1.2. Repartizarea optimă a sarcinilor de producţie
Mai multe tipuri de utilaje, notate Uj (j = 1, m) pot produce cu costuri diferite
aceleaşi produse, notate Pi (i = 1, n) ı̂n funcţie de tehnologiile de care dispun.
Activitatea productivă este caracterizată de următoarele date:
aij - timpul necesar pentru fabricarea unei unităţi de produs de tipul Pi pe
utilajul Uj .
cij - costul de fabricare a unei unităţi de produs de tipul Pi pe utilajul Uj .
bi - cantitatea planificată pentru a fi fabricată din produsul Pi
ti - timpul disponibil de lucru pe utilajul Ui .
2
Dacă notăm cu xij cantitatea din produsul Pi ce urmează să se fabrice pe
utilajul Uj , astfel ı̂ncât cheltuielile de producţie să fie minime, atunci modelul
matematic al problemei va fi
m
P
xij = bi , xij ≥ 0, i = 1, n, j = 1, m
j=1
Pn
aij xij ≤ tj , j = 1, m
i=1
m P
P n
(min)f = cij xij ,
j=1i=1
3
m ecuaţii liniare cu n variabile xj , (j = 1, n) de coeficienţi reali aij , (i = 1, m) şi
cu termeni liberi reali bi , de forma
a11 x1 + a12 x2 + .... + a1n xn = b1
a21 x1 + a22 x2 + .... + a2n xn = b2
(1.1)
·································
am1 x1 + am2 x2 + .... + amn xn = bm
(0) (0) (0)
Vom nota aij cu aij şi bi cu bi (datele iniţiale). Alegem un coeficient, aij 6= 0
(0)
numit pivot, şi ı̂mpărţim ecuaţia ce-l conţine cu aij , rezultă
(0) (0) (0) (0)
ai1 aik ain bi
(0)
x1 + ... + 1xj + ... + (0)
xk + ... + (0)
xn = (0)
(1.2)
aij aij aij aij
(1) n
P (1)
Din (2) rezultă xj = bi − aik xk , k 6= j care ı̂nlocuit ı̂n restul ecuaţiilor din
k=1
(1) (eliminarea totală a lui xj ) şi reducând termenii asemenea, conduce la
(1) (1)
ar1 x1 + ... + 0xj + ... + ark + ... + a(1) (1)
rn xn = br , r = 1, m, r 6= i (1.4)
4
de exemplu ¯
a11 a12 ... a1j ... a1n ¯ b1
¯
a21 a22 ... a2j ... a2n ¯
¯ b2
¯ ∼
... ... ... ... ... ... ¯
¯ ...
am1 am2 ... amj ... amn ¯ bm
¯
a11 a2j -a21 a1j a12 a2j -a22 a1j a1n a2j -a1j a2n ¯ b1 a2j -b2 a1j
.. 0 .. ¯
¯
a2j a2j a2j ¯ a2j
a21 a22 a2n ¯
¯ b2
.. 1 .. ¯
a2j a2j a2j ¯ a2j
¯
... ... .. 0 .. ... ¯ ...
¯
am1 a2j -a21 amj am2 a2j -a22 amj amn a2j -a2n amj ¯
¯ bm a2j -b2 amj
.. 0 .. ¯
a2j a2j a2j ¯ a2j
Se continuă procedeul, alegând un alt pivot dintr-o ecuaţie neconsiderată până
la acest pas. Procedeul se continuă până la un pas p, până când ı̂n restul ecuaţiilor
nu mai există coeficienţi nenuli, sau până la p = m. In primul caz sistemul poate
fi scris matriceal, sub forma
( (p) (p)
EXB + AS XS = B1
(p)
0XS = B2
unde E este matricea unitate asociată variabilelor ai căror coeficienţi au fost aleşi
(p) (p)
ca pivoţi. Evident, dacă B2 6= 0 sistemul este incompatibil. Dacă B2 = 0
atunci sistemul este compatibil nedeterminat şi soluţia generală rezultă din
(p) (p)
sistemul EXB + AS XS = Ã B1 format! din p ecuaţii principale (p < m), adică
(p) (p) X B
XB = B1 − AS XS ; X = ; XS fiind variabile secundare iar XB fiind
XS
formată din p variabile principale (bazice).
In al doilea caz (p = m) toate ecuaţiile sunt principale şi sistemul capătă
(p)
forma EXB + AS XS = B (p) dacă m < n (sistem compatibil nedeterminat) sau
EXB = B (p) dacă m = p (sistem compatibil determinat).
Exemplul
1.4. Să se rezolve sistemele
următoare prin metoda pivotării:
2x 1 + x 2 + 3x 3 = 8 x1 + 2x2 + 3x3 = 8
a) 3x1 + 2x2 + x3 = 9 b) 2x1 + x2 + x3 = 4 , a ∈ R
2x1 + 2x2 + 3x3 = 9 x1 − x2 − 2x3 = a
Rezolvate: a)
¯
Prin pivotare pe matricea
¯
sistemului se obţine ¯
2 1 3 ¯ 8 1 1/2 3/2 ¯ 4 1 0 5 ¯ 7
¯ ¯ ¯
¯ ¯ ¯
3 2 1 ¯ 9 ∼ 0 1/2 −7/2 ¯ −3 ∼ 0 1 −7 ¯ −6 ∼
¯ ¯ ¯
2 2 3 ¯ 9 0 1 0 ¯ 1 0 0 7 ¯ 7
5
¯
1 0 0 ¯¯ 2 1 0 0 x1 2 x1 = 2
¯
0 1 0 ¯ 1 ∼ 0 1 0 x2 = 1 ⇒ x2 = 1
¯
0 0 1 1 ¯ 0 0 1 x3 1 x3 = 1
adică
un sistem¯ compatibil
determinat.¯ Analogpentru
b) ¯
1 2 3 ¯¯ 8 1 2 3 ¯¯ 8 1 0 −1/3 ¯¯ 0
2 1 1 ¯¯ 4 ¯
∼ 0 -3 −5 ¯ −12 ∼ 0 1 5/3 ¯
¯
4
¯ ¯ ¯
1 −1 −2 ¯ a 0 −3 −5 ¯ a − 8 0 0 0 ¯ a+4
1
à !à ! à ! à !
1 0 x1 −1/3 0 x1 −
x =0
3 3
5
+ (x3 ) = sau x2 + 3 x3 = 4
0 1 x2 5/3 4
0=a+4
Dacă a 6= −4 sistemul este incompatibil. Dacă a = −4 sistemul este compatibil
nedeterminat cu soluţia generală
x1 = β/3
x2 = 4 − 35 β , β ∈ R.
x3 = β
Calculul inversei unei matrice
6
Remarca 1.2. In cazul ı̂n care pivoţii de pe diagonala principală nu au fost aleşi
la rând, putându-se ı̂ntâmpla ca pivotul ce ar trebui ales să fie zero, după n
pivotări se face o permutare a liniilor matricei obţinute, astfel ı̂ncât să obtinem
ı̂n partea stângă matricea unitate, iar ı̂n partea dreaptă va fi A−1 .
2 1 −1
Exemplul 1.5. Să se calculeze inversa matricei A = 1 0 1
1 2 0
Rezolvare.
¯ ¯
2 1 −1 ¯ 1 0 0 1 1/2 −1/2 ¯¯ 1/2 0 0
¯
¯ ¯
1 0 1 ¯ 0 1 0 ∼ 0 -1/2 3/2 ¯¯ −1/2 1 0
¯
1 2 0 ¯ 0 0 1 0 3/2 1/2 ¯ −1/2 0 1
¯ ¯
1 0 1 ¯ 0 1 0 1 0 0 ¯¯ 2/5 2/5 −1/5
¯
¯
0 1 −3 ¯ 1 −2 0 ∼
0 1 0 ¯¯ −1/5 −1/5 3/5
¯ ¯
0 0 5 ¯ −2 3 1 0 0 1 ¯ −2/5 3/5 1/5
2/5 2/5 −1/5
A−1 = −1/5 −1/5 3/5
−2/5 3/5 1/5
7
Definiţia 1.4. Se numeşte program de bază orice soluţie de bază realizabilă,
adică XB = B (p) ≥ 0, XS = 0.
Teorema 1.1. Dacă un sistem de ecuaţii liniare are un program, atunci el are şi
un program de bază.
In consecinţă rezultă:
Remarca 1.3. Dacă un sistem de ecuaţii liniare nu are programe de bază, atunci
el nu are programe.
(p)
Presupunem că prin pivotare obţinem forma canonică EXB + AS XS = B (p)
cu programul de bază XB = B (p) ≥ 0. Alegând un nou pivot aij rezultă
(p) ¯ ¯
(p) (p) (p) (p)
1 .. 0 .. aij .. ¯¯ bi
1/aij .. 0 .. 1 ¯¯ bi /aij
¯ . .. .. .. ¯¯ ..
.. .. .. ¯ . ∼ . . . ¯ .
. . . ¯ .
¯ (p) (p) (p) ¯ (p) (p) (p) (p)
0 .. 1 .. akj .. ¯ bk ¯
(p) -akj /aij .. 1 .. 0 bk -bi akj /aij
ceea ce ı̂nseamnă că pivotul aij se determină calculând cel mai mic raport
b(p)
i
min
(0)
aij >0
a(p)
ij
8
(0) Iniţial: Avem
Observaţia 1.2. Dacă avem două rapoarte minime egale atunci se va obţine un
program de bază degenerat pentru oricare dintre cei doi pivoţi care pot fi aleşi.
Exemplul
( 1.6. Să se afle programele de bază pentru sistemul:
3x1 + x2 + x3 + 2x4 = 7
, xi ≥ 0
2x1 + 2x2 + x3 + 2x4 = 8
Rezolvare: Se pivotează
à ¯ ! Ãpentru a se obţine un
¯ program
! de bază, dacă există:
3 1 1 2 ¯ 7 ¯ 1 1/3 1/3 2/3 ¯ 7/3 ¯
¯ ∼ ¯
Ã
2 2 1 2 ¯ 8
¯
0 4/3 1/3 2/3 ¯ 10/3
!
1 0 1/4 2/4 ¯¯ 3/2
¯ , care conduce la sistemul echivalent
0 1 1/4 2/4 ¯ 5/2
à !à ! à !à ! à !
1 0 x1 1/4 2/4 x3 3/2
+ =
0 1 x2 1/4 2/4 x4 5/2
Egalăm
cu zero variabilele secundare x3 = x4 = 0 şi rezultă
x 1 = 3/2 program
x2 = 5/2 de , X (0) = (3/2, 5/2, 0, 0)t .
x3 = x4 = 0 bază
Deci I (0) = {1, 2}, K (0) = {3, 4}. Putem alege j = 3 ∈ K (0) . Calculăm
( )
b(0) 3/2 5/2 3/2
min i(0) = min , = =6
(0)
ai3 >0 ai3 (0)
ai3 >0 1/4 1/4 1/4
9
à ¯ ! à ¯ !
1 0 1/4 2/4 ¯¯ 3/2 4 0 1 2 ¯¯ 6
¯ ∼ ¯
0 1 1/4 2/4 ¯ 5/2 −1 1 0 0 ¯ 1
şi prin
à rearanjarea
!Ã termenilor
! Ã obţinem
!Ã ! Ã !
1 0 x3 4 2 x1 6
+ =
0 1 x2 −1 0 x4 1
Egalăm
cu zero variabilele secundare x1 = x4 = 0 şi rezultă
3=6
x program
x2 = 1 de , X (1) = (0, 1, 6, 0)t .
x1 = x4 = 0 bază
Deci I (1) = {3, 2}, K (1) = {1, 4}. Alegem j = 4 ∈ K (1) . Calculăm
b(1) ½ ¾
i 6 6
min = min = =3
(0)
ai4 >0
ai4
(1) (0)
ai4 >0 2 2
deciÃpivot va fi 2=a¯14 . Avem:
! Ã ¯ !
4 0 1 2 ¯¯ 6 2 0 1/2 1 ¯¯ 3
¯ ∼ ¯ ⇒
−1 1 0 0 ¯ 1 −1 1 0 0 ¯ 1
à !à ! à !à ! à !
1 0 x4 2 1/2 x1 3
+ =
0 1 x2 −1 0 x3 1
Egalăm
cu zero variabilele secundare x1 = x3 = 0 şi rezultă
x 4 =3 program
x2 = 1 de , X (2) = (0, 1, 0, 3)t
x1 = x3 = 0 bază
deci I = {4, 2}, K (2) = {1, 3}. Se poate alege j = 1 sau j = 3 , dar se obţin
(2)
10
iar ı̂n cazul ı̂n care există inecuaţii cu semnul ” ≥ ” acestea se transformă ı̂n
inecuaţii cu semnul ” ≤ ” prin ı̂nmulţirea cu −1. Sistemului (7) i se ataşază un
sistem de ecuaţii liniare de forma
a11 x1 + a12 x2 + .... + a1n xn + q1 = b1
........................................................... (1.8)
am1 x1 + am2 x2 + .... + amn xn + qm = bm
care se obţine adunând ı̂n membrul stâng al fiecărei inecuaţii din (7) o variabilă
pozitivă qi , i = 1, m, numită variabilă de compensare. In scrierea matriceală avem
AX + EQ = B unde Q = (q1 , ..., qm )t .
Definiţia 1.6. Dacă (X0 , Q0 ) este program de bază al sistemului compensat (8),
atunci X0 se numeşte program de bază al sistemului de inecuaţii (7).
11
ı̂n care (−Z) este privită ca o nouă variabilă xn+1 = −Z. Pentru că Z nu apare
ı̂n primele m ecuaţii, coeficienţii lui xn+1 sunt zero, iar ı̂n ultima ecuaţie coefi-
cientul lui xn+1 este 1. Din acest motiv, pentru a obţine programe de bază pentru
problema extinsă este suficient ca pivoţii să fie aleşi din primele m ecuaţii. Prin
pivotare pe matricea A, aducem sistemul la forma canonică
(0)
EXB + AS XS = B (0)
(0)
C XS + (−Z) = (−Z0 ) Ã !
B (0) (0)
şi obţinem un program de bază X = cu XB = B (0) şi XS = 0
0
căruia ı̂i corespunde o valoare Z = Z0 . Sistemul (9) se poate scrie
(
M0 XB + AS XS = B
(1.10)
CB XB + CS XS + (−Z) = 0
cu M0 matrice bazică, iar matricea bazică extinsă are forma
0 0
M : M0−1 :
0 −1
M0 = cu M0 =
0 0
CB 1 −CB M0−1 1
−1
Putem aduce sistemul (10) la forma canonică prin ı̂nmulţire cu M0 şi obţinem:
0 Ã ! 0 Ã !
M0−1 : AS M0−1 : B
EXB + XS =
0 CS 0 0
−CB M0−1 1 −CB M0−1 1
care prin identificarea coloanelor conduce la
0 Ã ! Ã !
(0)
P
k = M0−1 : Pk M0−1 Pk
(0) =
Ck 0 Ck Ck − CB M0−1 Pk
−CB M0−1 1
à ! 0 à ! à !
B (0) M0−1 : B M0−1 B
=
=
−Z0 0 0 −CB M0−1 B
−CB M0−1 1
de unde rezultă următoarele relaţii
(0)
Pk = M0−1 Pk , B (0) = M0−1 B,
(0) (0)
C k = Ck − CB Pk , Z0 = CB B (0) ,
12
(0)
şi din sistem avem Z = Z0 + C j xj , j ∈ K (0)
In general, la pasul p avem
à !
(p) Pk (p)
Ck = (−CB Mp−1 , 1) = Ck − CB Pk
Ck
(p) (p+1)
Z j ∈ K (p) , (p ≥ 0)
p+1 = Zp + C j xj ,
Teorema 1.2. Considerăm X (p) un program de bază al sistemului (9) şi I (p) ,
−1 (p)
K (p) , M (p) , Zp , C k (k ∈ K (p) ) cunoscute.
a) Dacă calculăm
(p) (p)
C j =max {C k > 0}
k
(p+1)
atunci alegând pivot de pe coloana j ∈ K (p) (xj devine bazică xj ≥ 0) conform
algoritmului de generare a unui nou program de bază X (p+1) , valoarea funcţiei Z
creşte, adică Zp+1 ≥ Zp .
b) Dacă calculăm
(p) (p)
C j =min {C k < 0}
k
(p+1)
atunci alegând pivot de pe coloana j ∈ K (p) (xj devine bazică xj ≥ 0) conform
(p+1)
algoritmului de generare a unui nou program de bază X , valoarea funcţiei Z
scade, adică Zp+1 ≤ Zp .
(p) (p+1) (p)
Demonstraţie. a) Din relaţia Zp+1 = Zp + C j xj dacă C j > 0 avem
(p+1) (p+1)
Zp+1 > Zp pentru xj > 0 şi Zp+1 = Zp dacă xj = 0. Analog b). u
t
Remarca 1.4. Din teorema de mai sus rezultă că dacă s-a obţinut un program
(0)
de bază X (0) şi avem toţi C j ≤ 0, j ∈ K (0) atunci Z0 are valoarea maximă dintre
(0)
valorile corespunzătoare tuturor programelor de bază, iar dacă toţi C j ≥ 0, Z0
are valoarea cea mai mică.
13
care să conducă la un program de bază iniţial X (0) = B (0) ≥ 0.
Dispunem de forma canonică:
(0)
EXB + AS XS = B (0)
(0)
C XS + (−Z) = (−Z0 )
Criteriul de optimalitate:
(0)
(1) a) dacă C k ≤ 0, k ∈ K (0) atunci X (0) este program de bază optim.
(0)
b) dacă există C k > 0 atunci:
(2) Se calculează
½ ¾³ ´
(0) (0)
Cj =max Ck >0 k ∈ K (0)
k
şi
b(0) (0)
bk
i
min =
(0)
aij >0
aij
(0) (0)
akj
(0)
Se pivotează, pe sistem, cu pivot akj şi se obţine o nouă formă canonică, cu
un nou program de bază, X (1) = B (1)
Se repetă procedeul până se ajunge la punctul 1) a), sau se ajunge la z → ∞,
dacă există j ∈ K (0) , asj ≤ 0, ∀s.
Observaţia 1.3. In cazul funcţiei de minim programul de bază este optim dacă
(0)
Ck ≥ 0, k ∈ K (0) , iar ı̂n caz contrar la pasul 2) se calculează
(0) (p)
Cj =min {C k < 0}.
k
(0)
Observaţia 1.4. Dacă s-a obţinut un program optim şi există C k = 0 (k ∈ K (0) )
atunci problema admite programe optime multiple.
Exemplul 1.7. Să se rezolve prin simplex netabelar
3x1 + x2 + x3 + 2x4 = 7
2x1 + 2x2 + x3 + 2x4 = 8
max f (X) = 6x1 − x2 + 2x3 + 3x4
Rezolvare: Obţineminiţial
un program de bază
3 1 1 2 7 1 1/3 1/3 2/3 7/3
2 2 1 2 8 ∼
0 4/3 1/3 2/3 10/3
6 -1 2 3 0 0 -3 0 -1 -14
1 0 1/4 2/4 3/2
0 1 1/4 2/4 5/2
0 0 3/4 2/4 -13/2
14
careÃconduce !Ãla sistemul
! Ã echivalent ! Ã ! Ã !
1 0 x1 1/4 2/4 x3 3/2
+ = .
0 1 x2 1/4 2/4 x 5/2
à 4 !
³ ´ x
3
3/4 2/4 + (−Z) = −13/2.
x4
Egalăm
cu zero variabilele secundare x3 = x4 = 0 şi rezultă
1 = 3/2
x program
x2 = 5/2 de X (0) = (3/2, 5/2, 0, 0)t , Z = 13/2
x3 = x4 = 0 bază
I (0) = {1, 2}, K (0) = {3, 4}.
(0) (0) (0)
Există C k > 0, (C 3 = ½3/4, C 4 ¾ = 2/4) deci programul nu este optim.
(0) (0) (0)
Se calculează C j =max C k > 0 = max{3/4, 2/4} = 3/4 = C 3 şi
k
( )
b(0) 3/2 5/2 3/2
i
min = min , = .
(0)
ai3 >0
ai3
(0) (0)
ai3 >0 1/4 1/4 1/4
Pivot
este 1/4= a13 şi rezultă
1 0 1/4 2/4 3/2 4 0 1 2 6 x2 = 1
0 1 1/4 2/4 5/2 ∼ -1 1 0 0 1 ⇒ x3 = 6
0 0 3/4 2/4 -13/2 -3 0 0 -1 -11 x1 = x4 = 0
I = {3, 2}, K = {1, 4}, X = (0, 1, 6, 0)t
(1) (1) (1)
,Z = 11, program optim unic,
(1)
deoarece C k < 0, ∀k ∈ K (1) .
15
unde am notat
(0) (0)
Zk = CB Pk , Z0 = CB B (0) .
Cu această scriere algoritmul se aplică ca mai ı̂nainte, numai că apare ı̂n plus linia
(0) (0)
valorilor lui Zk şi apoi linia lui C k =Ck − Zk .
Exemplul 1.8. Să se rezolve prin simplex tabelar
3x1 + x2 + x3 + 2x4 = 7
2x1 + 2x2 + x3 + 2x4 = 8
max f (X) = 6x1 − x2 + 2x3 + 3x4
Rezolvare: Iniţial
à ¯ se
! obţine
à un program de bază:
¯ !
3 1 1 2 ¯ 7 ¯ 1 1/3 1/3 2/3 ¯¯ 7/3
¯ ∼ ¯
2 2 1 2 ¯ 8 0 4/3 1/3 2/3 ¯ 10/3
à ¯ !
1 0 1/4 2/4 ¯ 3/2 ¯ x1 = 3/2
program
¯ ⇒ x2 = 5/2 de
0 1 1/4 2/4 ¯ 5/2
x3 = x4 = 0 bază
t
X = (3/2, 5/2, 0, 0) , I = {1, 2}, K (0) = {3, 4}
(0) (0)
6 -1 2 3
V ariabile
CB Program x1 x2 x3 x4
bazice
2 x3 6 4 0 1 2
-1 x2 1 -1 1 0 0
(1)
Zk 11 9 -1 2 4
(1) (1)
C k =Ck -Zk -3 0 0 -1
16
deci X (1) = (0, 1, 6, 0)t este program optim, unic şi Z = 11.
Problemele (I) şi (II) se numesc duale simetrice. Intre programele optime
ale acestor probleme există o strânsă legătură. Pentru ı̂nceput avem următoarea
proprietate:
17
program optim şi C − Z ≤ 0. Din At Y ≥ C t şi Y ≥ 0 rezultă că Y este program
pentru problema duală. Trebuie să mai arătăm că este şi optim. Din proprietatea
anterioară avem f (X) ≤ g(Y 0 ) oricare ar fi Y 0 un program al problemei duale.
Dar s-a arătat că f (X) = g(Y ) şi rezultă g(Y ) ≤ g(Y 0 ), adică Y este program
optim. u
t
Remarca 1.5. Teorema anterioră demonstrează faptul că este suficient să se re-
zolve problema (I) pentru a afla şi programul optim al dualei. Acesta se citeşte
din tabelul de optim al problemei (I), pe linia corespunzătoare lui Z şi ı̂n dreptul
coloanelor variabilelor de compensare introduse.
Proprietatea 1.2. Fie X, Y două programe ale problemelor duale simetrice (I)
şi (II). Programele X, Y sunt optime dacă şi numai dacă f (X) = g(Y ).
Demonstraţie. Dacă X, Y sunt optime atunci din teorema anterioară avem
că f (X) = g(Y ). Reciproc, dacă f (X) = g(Y ) mai considerăm două programe
arbitrare X 0 , Y 0 pentru (I) ş (II). Din proprietatea anterioară avem că f (X) ≤
g(Y 0 ), dar f (X) = g(Y ), adică g(Y ) ≤ g(Y 0 ) ceea ce implică că Y este optim
pentru (II). Analog pentru X. u
t
Din cele prezentate mai sus se poate enunţa teorema centrală a teoriei du-
alităţii:
Teorema 1.4. (Teorema dualităţii). Pentru orice două probleme duale simetrice
este posibilă una şi numai una din următoarele situaţii:
• ambele probleme nu au programe.
• una din cele două probleme are optim infinit, iar cealaltă nu are programe.
• ambele probleme au optime finite şi avem max f = min g.
Teorema următoare prezintă o condiţie necesară şi suficientă ca două programe
ale problemelor duale simetrice să fie optime.
Teorema 1.5. (Ecarturilor complementare). Programele X, Y pentru problemele
duale simetrice (I) şi (II) sunt optime dacă şi numai dacă sunt ı̂ndeplinite condiţiile:
Y t (B − AX) = 0, X t (At Y − C t ) = 0
Demonstraţie. , , ⇒ ” Notăm α = Y t (B − AX) şi β = X t (At Y − C t ) şi rezultă
α, β ∈ R şi α ≥ 0, β ≥ 0. Calculăm α + β = Y t B − Y t AX + X t At Y − X t C t =
(Y t B)t − (Y t AX)t + X t At Y − (X t C t )t = B t Y − X t At Y + X t At Y − CX = g(Y ) −
f (X). Dacă X, Y sunt programe optime atunci max f = min g şi f (X) = g(Y ),
adică α + β = 0. Cum α ≥ 0, β ≥ 0 rezultă că α = β = 0.
,,⇐00 Dacă α = β = 0 rezultă că g(Y ) = f (X) şi din proprietatea de mai sus
rezultă că X, Y sunt optime. u
t
Vom prezenta ı̂n continuare câteva noţiuni legate de dualitatea nesimetrică.
18
Definiţia 1.7. Intr-o p.p.l. de maxim (minim), restricţiile care au semnul ≤ se
numesc concordante (neconcondante), iar cele cu sensul ≥ se numesc neconcor-
dante (concordante).
In dualitatea nesimetrică cel puţin una dintre restricţii este o egalitate şi se
numeşte restricţie liberă.
Avem acum posibilitatea de a spune legătura formală ı̂ntre p.p.l. duale.
• dacă o problemă este de maxim, cealaltă problemă este de minim şi reciproc.
• matricile celor două sisteme de restricţii sunt transpuse una celeilalte.
• termenii liberi din fiecare model sunt coeficienţi ı̂n funcţia de eficientă a
celuilalt, păstrându-se ordinea lor şi invers.
• fiecărei restricţii concordante din problemă ı̂i corespunde o variabilă ≥ 0 ı̂n
cealaltă problemă.
• fiecărei restricţii neconcordante din problemă ı̂i corespunde o variabilă ≤ 0
ı̂n cealaltă problemă.
• fiecărei restricţii de tip egalitate dintr-un model ı̂i corespunde o variabilă
reală ı̂n celălalt model.
In general se lucrează cu probleme duale simetrice şi mai puţin cu dualitate
nesimetrică.
Exemplul
1.9. Să se scrie duala următoarei probleme
2x1 + x2 + x3 ≥ 4
x1 − x2 + 3x3 ≤ 6 xi ≥ 0
3x1 + 2x2 + x3 = 5
max f (X) = x1 + 3x2 + 2x3
19
Exemplul
( 1.10. Să se rezolve problema următoare folosind dualitatea:
2x1 + x2 + 3x3 ≥ 8
, xi ≥ 0
3x1 + 2x2 + 2x3 ≥ 10
minf (X) = 2x1 + 3x2 + 5x3
şi să se verifice cu teorema ecaturilor complementare că soluţia găsită este cea
optimă.
Rezolvare. Scriind problema duală şi introducând variabilele de compensare
se obţine
2y1 + 3y2 ≤ 2
2y1 + 3y2 + q1 = 2
y1 + 2y2 ≤ 3 ⇒ y1 + 2y2 + q2 = 3 , yi ≥ 0
3y1 + 2y2 ≤ 5 3y1 + 2y2 + q3 = 5
max g(y) = 8y1 + 10y2 max g(y) = 8y1 + 10y2
şi un program de bază iniţial X (0) = (0, 0, 0, 2, 3, 5). Avem tabelul de simplex
8 10 0 0 0
V ariabile
CB Program y1 y2 q1 q2 q3
bazice
0 q1 2 2 3 1 0 0
0 q2 3 1 2 0 1 0
0 q3 5 3 2 0 0 1
(0)
Zk 0 0 0 0 0 0
(0) (0)
C k =Ck -Zk 8 10 0 0 0
10 y2 2/3 2/3 1 1/3 0 0
0 q2 5/3 -1/3 0 -2/3 1 0
0 q3 11/3 5/3 0 -2/3 0 1
(1)
Zk 20/3 20/3 10 10/3 0 0
(1) (1)
C k =Ck -Zk 4/3 0 -10/3 0 0
(1)
Cum max{C k > 0} = 4/3 programul nu este optim. Calculăm
2/3 11/3 2/3
min{ , }= .
2/3 5/3 2/3
20
(2)
Deoarece C k ≤ 0 rezultă că Y (0) = (1, 0) program optim (max g(Y ) = 8). Pentru
(2)
duală, adică problema iniţială, programul optim se citeste de pe linia lui Zk , pe
coloanele determinate de q1 , q2 , q3 , adică
x1 = 4, x2 = 0, x3 = 0, minh(x) = 8.
y1 (2x1 + x2 + 3x3 − 8) = 0
⇔ Y t (AX − B) = 0 şi
y2 (3x1 + 2x2 + 2x3 − 10) = 0
x1 (2y1 + 3y2 − 2) = 0
x2 (y1 + 2y2 − 3) = 0 ⇔ X t (At Y − C t ) = 0. Deci (X (0) , Y (0) ) sunt optime.
x3 (3y1 + 2y2 − 5) = 0
A1 A2 Necesar nutritiv
S1 20% 10% ≥ 0, 3
S2 10% 10% ≥ 0, 2
S3 10% 20% ≥ 0, 1
Cheltuieli 3 2
care admite program de bază X (0) = (0, 0, 0, 3, 2). Se rezolvă aceasta problemă
21
prin simplex tabelar, obţinând astfel rezolvarea şi pentru problema iniţială
3 2 1 0 0
V ariabile
CB Program x1 x2 x3 q4 q5
bazice
0 q4 3 2 1 1 1 0
0 q5 2 1 1 2 0 1
(0)
Zk 0 0 0 0 0 0
(0) (0)
C k =Ck -Zk 3 2 1 0 0
3 x1 3/2 1 1/2 1/2 1/2 0
0 q5 1/2 0 1/2 3/2 -1/2 1
(1)
Zk 9/2 3 3/2 3/2 3/2 0
(1) (1)
C k =Ck -Zk 0 1/2 -1/2 -3/2 0
3 x1 1 1 0 -1 1 -1
2 x2 1 0 1 3 -1 2
(2)
Zk 5 3 2 3 1 1
(2) (2)
Ck =Ck -Zk 0 0 -2 -1 -1
(2)
Cum C k ≤ 0 ⇒ x1 = 1, x2 = 1, x3 = 0 program optim. Programul optim al
(2)
dualei, adică problema iniţială, se citeste ı̂n tabelul de optim, pe linia Zk şi
coloanele q4 , q5 , adică y1 = 1, y2 = 1, min g(Y ) = 5. In concluzie, se foloseşte câte
o unitate din A1 şi A2 cu cheltuieli minime de 5 unitaţi monetare.
Algoritmul simplex dual este chiar algoritmul simplex aplicat dualei, dar ı̂n
tabelul de simplex al primalei.
22
(0)
Iniţial dispunem de X (0) dual admisibilă, I(−) 6= ∅
(1) Se alege n o
(0) (0)
xi = min x(0) r < 0 = bi ,
(0)
r∈I(−)
(0)
a) Dacă nu există aik < 0, ∀k ∈ K (0) ( i fixat prin (1)) atunci nu există
program.
(0)
b) Dacă există aik < 0 atunci
(2) Se calculează
C (0) (0) (0)
k Cj Ck < 0
min = , dacă
(0) (0) a(0) < 0
aik aij ik
(0)
şi se alege pivot aij .
(0)
3) Prin pivotare se obţine o nouă soluţie de bază X (1) dacă I(−) 6= ∅ şi se reia
(0)
algoritmul simplex dual, sau I(−) = ∅ şi atunci se obţine un program de bază,
căruia i se aplică algoritmul simplex pentru determinarea programului optim.
Exemplul 1.12. Să se aplice algoritmul simplex dual pentru problema următoare
dacă se obţine iniţial o soluţie de bază dual admisibilă:
2x1 + x2 + x3 + x4 = 4
x1 + 3x2 + x3 + 2x4 = 7 xi ≥ 0
max f (X) = 2x1 + 3x2 + 4x3 + 3x4
1 = x4 = 0
x
-13/2 0 0 -1/2 -29/2
max f = 29/2
(0) t
X = (0, 3/2, 5/2, 0) este program de bază optim, unic.
23
1.5. Schimbări de date. Reoptimizări
Exemplul 1.13. Pentru problema din exemplul (1.12) se fac următoarele modi-
ficări la ”costuri” C1 = 2 → Ce1 = 6 şi C4 = 3 → Ce4 = 4. Determinaţi programul
optim ı̂n acest caz.
24
Rezolvare. Folosim datele din programul optim iniţial, la care se recalculează
linia Ze şi apoi C = Ce − Z.
e
6 3 4 4
V ariabile
CB Program x1 x2 x3 x4 Rapoarte
bazice
4 x3 5/2 5/2 0 1 1/2 5/2:1/2=5
3 x2 3/2 -1/2 1 0 1/2 3/2:1/2 =3
(0)
Zek 29/2 17/2 3 4 7/2
(0) (0)
C k =Ck -Zek -5/2 0 0 1/2
(0)
Cum C 4 = 1/2 > 0 programul nu mai rămâne optim. Calculăm
6 3 4 4
V ariabile
CB Program x1 x2 x3 x4
bazice
4 x3 1 3 -1 1 0
4 x4 3 -1 2 0 1
e (1)
Zk 16 8 4 4 4
(1) (1)
C k =Ck -Zek -2 -1 0 0
(1)
Cum C k ≤ 0, atunci programul X (1) = (0, 0, 1, 3)t este noul program optim,
unic şi max f = 16.
25
a) dacă Be (1) ≥ 0 noul program de bază este şi optim deoarece
Cer(1) ≤ 0, ∀r ∈ K (0)
Exemplul 1.14. Pentru problema din exemplul (1.12) se face următoarea mod-
ificare à ! à !
4 e 4+a
B= →B= , a > 0̇.
7 7
Precizaţi programul optim ı̂n funcţie de valoarea lui a. Care este cea mai conven-
abilă valoare a lui a astfel ı̂ncât valoarea funcţiei scop să fie maximă.
Rezolvare.
à Matricea
! bazică care generează programul optim iniţial este
1 1
M0 = (corespunzătoare variabilelor (x2 , x3 ). Calculăm M0−1 :
¯
3 1 ¯ ¯
à ! à ! à !
1 1 ¯¯ 1 0 1 1 ¯¯ 1 0 1 0 ¯¯ −1/2 1/2
¯ ∼ ¯ ∼ ¯
3 1 ¯ 0 1 0 -2 ¯ −3 1 0 1 ¯ 3/2 −1/2
à !
−1 −1/2 1/2
M0 = Atunci
3/2 −1/2
à !à ! à !
−1/2 1/2 4 + a 3/2 − a/2
Be (1) = M0 Be =
−1
=
3/2 −1/2 7 5/2 + 3a/2
şi avem următorul tabel
2 3 4 3
V ariabile
CB Program x1 x2 x3 x4
bazice
4 x3 5/2+3a/2 5/2 0 1 1/2
3 x2 3/2-a/2 -1/2 1 0 1/2
(0)
Zk 29/2+9a/2 17/2 3 4 7/2
(0) (0)
C k =Ck -Zk -13/2 0 0 -1/2
Cazul I.
Dacă 3/2 − a/2 ≥ 0 ⇒ a ∈ (0, 3], cum 5/2 + 3a/2 > 0, ∀a > 0 rezultă
că programul de bază X (1) = (0, 3/2 − a/2, 5/2 + 3a/2, 0) este optim, deoarece
(0)
C k ≤ 0, şi max f = 29/2+9a/2. Valoarea maximă se obţine ı̂n acest cazul pentru
a = 3 şi max f = 29/2 + 27/2 = 28.
Cazul II.
26
Pentru a > 3 avem 3/2−a/2 < 0 şi se obţine o soluţie dual admisibilă. Pivotul
va fi -1/2 .
2 3 4 3
V ariabile
CB Program x1 x2 x3 x4
bazice
4 x3 10-a 0 5 1 3
2 x1 a-3 1 -2 0 -1
(1)
Zk 34-2a 2 16 4 10
(1) (1)
C k =Ck -Zk 0 -13 0 -7
Dacă 10 − a ≥ 0 ⇒ a ∈ (3, 10] atunci programul de bază X (2) = (a − 3, 0, 10 − a, 0)
este optim şi max f = 34 − 2a. Valoarea maximă se obţine ı̂n acest cazul pentru
a → 3 şi max f → 29/2 + 27/2 = 28.
Cazul III.
Pentru a > 10 avem x3 = 10 − a < 0 şi se obţine o soluţie dual admisibilă.
Cum pe prima linie, corespunzătoare variabilei bazice negative, nu avem nici o
valoare negativă ce poate să fie aleasă ca pivot, rezultă că nu există program de
bază. Problema nu admite programe ı̂n acest caz.
Din cazurile I şi II rezultă că max f = 28 şi se obţine pentru a = 3. In acest
caz programul optim este X (3) = (0, 0, 7, 0) adică un program de bază degenerat.
27
1.5.4. Fabricarea de noi produse
Exemplul 1.15. Pentru a fabrica patru tipuri de produse sunt necesare două
feluri de resurse pe ciclul de fabricaţie, care trebuie folosite integral. Consumul din
fiecare resursă, necesar pentru a produce o unitate din fiecare produs, este dat ı̂n
tabelul de mai jos. Se cunosc beneficiile unitare, precum si cheltuielile cu resursele,
personalul, impozite, etc. in valoare de 95 unităţi monetare. La produsul P1 este
ı̂ncheit un contract de cel puţin 10 produse pe ciclul de fabricaţie.
P1 P2 P3 P4 Resurse
Materie primă 4 2 1 2 90
Resurse umane 4 1 1 2 80
Beneficiul unitar 10 3 3 6
a) Să se afle programul optim astfel ca ı̂n condiţiile date beneficiul să fie maxim.
b) Există un program de producţie optim ı̂n care să se fabrice toate cele 4
produse, cu condiţia ca produsul al treilea să fie fabricat ı̂n cantitatea de 20
produse?
Rezolvare.
( Modelul matematic al problemei este:
4x1 + 2x2 + x3 + 2x4 = 90 x ≥ 10
, 1
4x1 + x2 + x3 + 2x4 = 80 xi ≥ 0, i = 2, 3, 4
max f (x) = 10x1 + 3x2 + 3x3 + 6x4 − 95
Pentru a putea aplica algoritmul simplex clasic trebuie să aducem modelul la
forma xi ≥ 0, i = 1, 4. Pentru aceasta putem să notăm y1 = x1 − 10, yj = xj ,
j =(2, 3, 4 şi sistemul devine:
4y1 + 2y2 + y3 + 2y4 = 50
, yi ≥ 0, i = 1, 4
4y1 + y2 + y3 + 2y4 = 40
28
max f (x) = 10y1 + 3y2 + 3y3 + 6y4 + 5
Aplicăm
simplex netabelar:
4 2 1 2 50 1 1/2 1/4 1/2 25/2
4 1 1 2 40
∼ 0 -1 0 0 -10
10 3 3 6 0 0 -2 1/2 1 -125
1 0 1/4 1/2 15/2
0 1 0 0 10 . Cum max{C k > 0} = 1 = C 4 programul obţinut
0 0 1/2 1 -105
nu este optim, pivot fiind 1/2. Se obţine:
y1 = 0
1/2
2 0 1 15 y2 = 10
0 1 0 0 10 ⇒ y3 = 0
-2 0 0 0 -120 y4 = 15
max f = 120 + 5 = 125
Y1 = (0, 10, 0, 15)t program de bază optim şi nu este unic, deoarece C 3 = 0,
K (1) = {1, 3}. Pivot va fi 1/2 şi obţinem
y1 = 0
4 0 1 2 30 y2 = 10
0 1 0 0 10 ⇒ y3 = 30
-2 0 0 0 -120
y4 = 0
max f = 120 + 5 = 125
Exemplul 1.16. Intr-o secţie a unei ı̂ntreprinderi lucrează două utilaje U1 şi U2
cu ajutorul cărora se pot fabrica trei tipuri de produse P1 , P2 , P3 . In tabelul de
mai jos se dau: numărul total de ore necesare fiecărui utilaj pentru producerea
29
unei unităţi din fiecare produs, numărul total de ore disponibile pentru fiecare
utilaj zilnic, precum şi beneficiul net adus de producerea unei unităţi de produs.
P1 P2 P3 Ore disponibile
U1 1 0 2 8
U2 1 2 3 16
Beneficiul unitar 3 2 3
Datorită unui contract, secţia trebuie să producă zilnic cel puţin două unităţi
din produsul P3 .
a) Să se afle planul optim de producţie pentru secţia respectivă, astfel ı̂ncât
beneficiul total realizat să fie maxim.
b) S-a hotărât ca utilajul U1 să funcţioneze ı̂n două schimburi astfel ca disponi-
bilul ei de timp să fie de 16 ore zilnic. Să se reoptimizeze problema ı̂n acest caz.
c) Presupunând că se poate prelungi timpul zilnic de lucru la utilajul U1 cu
0 ≤ λ ≤ 16 ore, să se arate cum variază beneficiul maxim realizat ı̂n funcţie de
λ şi să se deducă de aici cel mai convenabil timp de prelungire. Este convenabilă
prelungirea de la punctul b)?
3 2 3 0 0
V ariabile
CB Program x1 x2 x3 q4 q5 Rapoarte
bazice
0 q4 4 1 0 2 1 0 4:1=4
0 q5 10 1 2 3 0 1 10:1 =10
(0)
Zk 0 0 0 0 0 0
(0) (0)
C k =Ck -Zk 3 2 3 0 0
(0) (0) (0)
max{C k > 0} = 3 = C 1 = C 3 deci putem alege pivot de pe coloana ı̂ntâi sau
a 3-a. Dacă alegem prima coloană şi calculăm min{ 41 , 10
1
} = 14 = 4 pivotul va fi
30
1 = a11 şi rezultă
3 2 3 0 0
V ariabile
CB Program x1 x2 x3 q4 q5 Rapoarte
bazice
3 x1 4 1 0 2 1 0
0 q5 6 0 2 1 -1 1 6:2 =3
(1)
Zk 12 3 0 6 3 0
(1) (1)
C k =Ck -Zk 0 2 -3 -3 0
3 2 3 0 0
V ariabile
CB Program x1 x2 x3 q4 q5
bazice
3 x1 4 1 0 2 1 0
2 x2 3 0 1 1/2 -1/2 1/2
(2)
Zk 18 3 2 7 2 1
(2) (2)
Ck =Ck -Zk 0 0 -4 -2 -1
(
(2) x1 = 4, x2 = 3
Deoarece Ck ≤ 0 s-a obţinut programul optim,
x3 = q 4 = q 5 = 0
max f = 18 + 6 = 24. Dar xe3 = x3 + 2 = 2 deci programul optim pentru problema
iniţială este X (0) = (4, 3, 2), max
à f =!24 à !
1 0 −1 1 0
b) Matricea bazică M0 = , M0 = .
1 2 −1/2 1/2
à ! à !
8 16
Reoptimizarea Be = → Be = determină, după transformarea
16 16
xe3 = x3 + Ã 2, următoarea
! Ãreoptimizarea
!
4 12
B= →B= .
10 10
Verificăm dacă după reoptimizare matricea M(1,2) generează program de bază.
Pentru aceastaÃcalculăm !Ã ! Ã !
−1 1 0 12 12
M(1,2) B = = .
−1/2 1/2 10 −1
Cum x2 = −1 nu se mai obţine program de bază, dar se obţine o soluţie de
bază dual admisibilă, deci putem aplica algoritmul simplex dual. Considerăm
31
ultimul tabel de simplex ı̂n care ı̂nlocuim x1 = 12, x2 = −1.
3 2 3 0 0
V ariabile Solutie
CB x1 x2 x3 q4 q5
bazice de bază
3 x1 12 1 0 2 1 0
2 x2 -1 0 1 1/2 -1/2 1/2
(0)
Zk 18 3 2 7 2 1
(0) (0)
C k =Ck -Zk 0 0 -4 -2 -1
3 2 3 0 0
V ariabile
CB Program x1 x2 x3 q4 q5
bazice
3 x1 10 1 2 3 0 1
0 q4 2 0 -2 -1 1 -1
(1)
Zk 30 3 6 9 0 3
(1) (1)
C k =Ck -Zk 0 -4 -6 0 -3
(
x1 = 10, q4 = 2
Programul optim este ı̂n acest caz max Z = 30 + 6 = 36. Deci
x2 = 0, x3 = 0
pentru problema iniţială avem X2 = (10, 0, 2), max Z = 36. Cum q4 = 2 aceasta
ı̂nseamnă că maşina U1 este folosită efectiv 14 ore, cele 2 ore date de q4 nefiind
folosite. Ã ! Ã !
8 8+λ
c) Avem reoptimizarea B = → B = sau după transfor-
16 16
marea xe3Ã= x3!+ 2 avemà !
4 4+λ
B= →B= . Calculăm
10 10
à !à ! à !
−1 1 0 4+λ 4+λ
M0 B = = 6−λ . Pentru a obţine program
−1/2 1/2 10 2
de bază (care este şi optim) trebuie ca λ ∈ [0, 6], maxZ = 2λ + 24. Deci pentru
λ ∈ [0, 6] beneficiul maxim creşte odată cu creşterea lui λ şi max f = 12 + 24 = 36
se obtine pentru λ = 6.
32
Pentru λ > 6 se obţine o soluţie dual admisibilă. Aplicăm simplex dual
3 2 3 0 0
V ariabile Solutie
CB x1 x2 x3 q4 q5
bazice de bază
3 x1 4+λ 1 0 2 1 0
2 x2 3-λ/2 0 1 1/2 -1/2 1/2
(0)
Zk 18+2λ 3 2 7 2 1
(0) (0)
Ck =Ck -Zk 0 0 -4 -2 -1
Pivotul este -1/2, fiind singura valoare negativă de pe linia lui x2 = 3 − λ/2 < 0
3 2 3 0 0
V ariabile
CB Program x1 x2 x3 q4 q5
bazice
3 x1 10 1 2 3 0 1
0 q4 λ−6 0 -2 -1 1 -1
(1)
Zk 30 3 2 7 2 1
(1) (1)
Ck =Ck -Zk 0 -4 -6 0 -3
33
Probleme propuse
S1 S2 S3 S4 Necesar exact
E1 1 2 1 1 10
E2 2 1 3 1 12
Cheltuieli 5 4 6 3
P1 P2 P3 P4 Resurse disponibile
Materie primă 2 1 1 1 10
Ore de muncă 1 3 1 2 12
Beneficiul unitar 8 10 12 9
34
3) Pentru producerea a trei tipuri de produse P1 , P2 , P3 sunt folosite două tipuri
de materie primă M1 , M2 ale căror rezerve sunt limitate. Consumurile specifice,
cantităţile disponibile de materie primă şi beneficiile aduse de unitatea de produs
sunt date ı̂n tabel
P1 P2 P3 Resurse disponibile
M1 2 3 1 ≤11
M2 1 2 2 ≤6
Beneficiul unitar 3 5 2 -
P1 P2 P3 P4 Resurse disponibile
Angajaţi 4 3 1 2 6
Resurse monetare 1 2 3 4 ≤16
Beneficiul unitar 7 7 6 9
35
1.6. Modele de distribuţie optimă. Probleme de tip transport
1.6.1. Probleme tip transport echilibrate
Forma clasică standard a problemei tip transport constă ı̂n alegerea modu-
lui ı̂n care se poate asigura aprovizionarea a n consumatori cu o anumită marfă
aflată ı̂n m centre. Să admitem că există (F1 , F2 , ..., Fm ) furnizori care dispun de
acelaşi tip de marfă ı̂n cantitaţile D1, D2 , ..., Dm şi care trebuie livrată la benefi-
ciarii (B1 , B2 , ..., Bn ) conform necesarelor lor N1 , N2 , ..., Nn . In funcţie de distantă,
tonaj, consum carburant, capacitaţi de transport, etc. se cunosc costurile unitare
de transport (cia ), de la Fi la Ba (i = 1, m; a = 1, n). Se dispune de capacitaţi
necesare de transport şi cantitatea totală disponibilă este egală cu cantitatea to-
Pm n
P
tală necesară Di = Na = V (condiţie de echilibru). In aceste condiţii
i=1 a=1
trebuie determinate cantităţile {xia } ce trebuie alocate de la Fi la Ba astfel ı̂ncât
furnizorul să-si vândă marfa, beneficiarii să-şi asigure necesarele şi costul total de
m P
P n
transport să fi minim (minf (X) = cia xia ). Toate datele se pot organiza sub
i=1a=1
formă de tabel:
Benef iciari
B1 ... Ba ... Bn Disponibil
F urnizori
F1 c11 ... c1a ... c1n D1
: : : : :
Fi ci1 ... cia ... cin Di
: : : : :
Fm cm1 ... cma ... cmn Dm
N ecesar N1 ... Na ... Nn =
cu următoarele condiţii
n
X m
X m
X n
X
xia = Di , xia = Na , Di = Na , a = 1, n, i = 1, m
a=1 i=1 i=1 a=1
astfel ı̂ncât m X
n
X
(min)f (X) = cia xia , xia ≥ 0
i=1 a=1
36
Matricea cantităţilor alocate este
x11 ... x1a ... x1n
: : :
xi1 ... xia ... xin
: : :
xm1 ... xma xmn
Definiţia 1.9. Orice problemă practică ce se va modela ca mai sus se va numi
problemă tip transport echilibrată, modelul matematic fiind
n
P
xia = Di
a=1
m
P
xia = Na
i=1
m P
P n
(min)f (X) = cia xia
i=1a=1
m
P n
P
cu condiţia de echilibru dată prin v = Di = Na .
i=1 a=1
37
adică se verifică sistemul de restricţii. Cum xia ≥ 0 rezultă că avem un program.
u
t
Demonstraţie. Deoarece sistemul de restricţii are m+n ecuaţii şi m·n variabile,
rezultă că rangA ≤ min{m + n, m · n}. Cum pentru m, n ≥ 2 avem m + n ≤ m · n
rezultă rangA ≤ m + n. Datorită condiţiei de echilibru, suma primelor m linii
este egală cu suma ultimelor n linii ale sistemului, adică toate cele m + n linii nu
sunt independente, deci rangA ≤ m + n − 1. Dacă eliminăm prima linie, există
un minor corespunzător coeficienţilor variabilelor x21 , x31 , ..., xn1 , x11 , ...x1m care
are pe diagonala principală toate elementele egale cu 1, iar deasupra acesteia 0,
deci rangA = m + n − 1. u
t
Din această proprietate rezultă că un program de bază are cel mult m + n − 1
componente nenule.
Pe fiecare rută (i, a) din colţul nord-vest al tabelului se alocă o cantitate xia =
min(Di , Na ). Dacă min(Di , Na ) = Di atunci se alege xia = Di şi se iau xib = 0
(b 6= a, b = 1, n). Se ı̂nlocuieşte Na cu Na − Di şi Di cu 0 şi se va relua metoda
pe restul tabelului (se ı̂ncepe cu i = 1, a = 1 adică cu ruta (1, 1), colţul din
stânga sus). Dacă min(Di , Na ) = Na atunci se alege xia = Na şi se scriu xja = 0
(j = 1, m, j 6= i). Se ı̂nlocuieşte Di cu Di − Na şi Na cu 0 şi se va relua procedeul.
Dacă se ı̂ntâmplă ca min{Di , Na } = Di = Na atunci se obţine un program de
bază degenerat.
38
Exemplul 1.17. Să se aplice metoda nord-vest pentru a găsi un program de bază
pentru problema
F\B B1 B2 B3 Disp.
F1 2 4 5 15
F2 3 5 6 8
F3 1 4 6 6
Nec. 10 12 7 =
Rezolvare.
Problema este echilibrată, modelul matematic fiind
x 11 + x 12 + x13 = 15
x21 + x22 + x23 = 8
x +x +x =6
31 32 33
, xia ≥ 0
x 11 + x 21 + x 31 = 10
x12 + x22 + x32 = 12
x13 + x23 + x33 = 7
min f (X) = (2x11 + 4x12 + 5x13 ) + (3x21 + 5x22 + 6x23 ) + (x31 + 4x32 + 6x33 )
Se calculează:
x11 = min{N1 , D1 } = min{10, 15} = 10
D10 = 15 − 10 = 5, N1 = 10 − 10 = 0, x21 = 0, x31 = 0
x12 = min{D10 , N2 } = min{5, 12) = 5
D100 = 5 − 5 = 0, N20 = N2 − D10 = 12 − 5 = 7, x13 = 0
x22 = min{N20 , D2 } = min{7, 8} = 7
D20 = 8 − 7 = 1, N200 = 7 − 7 = 0, x32 = 0
x23 = min{N3 , D20 } = min{7, 1} = 1
D200 = 1 − 1 = 0, N30 = 7 − 1 = 6
x33 = min{N30 , D3 } = min{6, 6} = 6
N300 = 6 − 6 = 0, D30 = 6 − 6 − 0
F\B B1 B2 B3 Disp.
F1 10 5 0 15, 5, 0
F2 0 7 1 8, 1, 0
F3 0 0 6 6, 0
Nec. 10, 0 12, 7, 0 7, 6,0 =
39
Metoda nord-vest conduce ı̂n marea majoritate a cazurilor la un program
ı̂ndepărtat de programul optim, deoarece nu ia ı̂n considerare costurile de trans-
port. Din acest motiv au fost create alte metode care iau ı̂n calcul cele mai mici
costuri.
Se determină cel mai mic cost de pe linie şi pe poziţia respectivă se face
alocarea. Incepem cu prima linie şi calculăm
Exemplul 1.18. Să se afle un program de bază prin metoda costului minim pe
linie pentru problema
F\B B1 B2 B3 Disp.
F1 5 3 4 20
F2 4 5 6 15
F3 5 7 5 25
Nec. 33 10 17 =
Rezolvare. Se calculează
min{c11 , c12 , c13 } = min{5, 3, 4} = 3 = c12 .
x12 = min{D1 , N2 } = min{20, 10} = 10
D10 = 20 − 10 = 10, N20 = 10 − 10 = 0, x22 = 0, x32 = 0
min{c11 , c13 }=min{5, 4}=4=c13 , x13 =min{D10 , N3 }=min{10, 17}=10
00
D1 = 10 − 10 = 0, N30 = 17 − 10 = 7, x11 = 0
min{c21 , c23 }=min{4, 6}=4=c21 , x21 =min{D2 , N1 }=min{15, 33}=15
0
D2 = 15 − 15 = 0, N10 = 33 − 15 = 18, x23 = 0
min{c31 , c32 } = min{5, 5} = 5. Se poate alege oricare dintre c31 , c32 .
Pentru x31 = min{D3 , N10 } = min{25, 18} = 18,
40
0 00
D3 = 25 − 18 = 7, N1 = 18 − 18 = 0. In final x33 = 7
F\B B1 B2 B3 Disp.
F1 0 10 10 20, 10, 0
F2 15 0 0 15, 0
F3 18 0 7 25, 7, 0
Nec. 33, 18, 0 10, 0 17, 7, 0 =
min{c11 , c21 , c31 } = 4 = c21 ⇒ x21 = min{15, 33} = 15, x22 = x23 = 0
min{c11 , c31 } = 5, alegem de exemplu x11 = min{18, 20} = 18, x31 = 0
min{c12 , c32 } = 3 = c12 ⇒ x12 = min{10, 2} = 2, x13 = 0
In final se obţine x32 = 8, x33 = 17
F\B B1 B2 B3 Disp.
F1 18 2 0 20, 2, 0
F2 15 0 0 15, 0
F3 0 8 17 25, 17, 0
Nec. 33, 18, 0 10, 8, 0 17, 0 =
41
IV. Metoda costului minim din matrice
Metoda alocă valori pe poziţia corespunzătoare celui mai mic cost din matrice.
Astfel dacă cjb = min{cia , i = 1, m, a = 1, n}, atunci xjb = min{Dj , Nb }. Se
continuă procedeul, alegând cel mai mic cost pe pe rutele nealocate, până se
determină un program de bază. Pentru exemplificare, să determinăm un program
de bază prin metoda costului minim din matrice, pentru problema
F\B B1 B2 B3 Disp.
F1 2 4 5 15
F2 3 6 6 8
F3 5 5 6 7
Nec. 10 12 8 =
Remarca 1.7. De obicei, metoda costului minim din matrice este cea mai efi-
cientă dintre metode.
42
După determinarea unui program de bază, se pune problema de a stabilii dacă
acesta este optim, sau cum putem determina programul optim.
cia − (ui + va ) ≥ 0
xia (cia − ui − va ) = 0, i = 1, m, a = 1, n
Din cea de-a doua relaţie rezultă că dacă xia 6= 0 atunci ui + va = cia . Dar xia 6= 0
se ı̂ntâmplă numai pentru componentele bazice. Fie (xia ) = X0 un program de
bază, presupus nedegenerat (cu m+n−1 componente pozitive, restul nule) xia > 0
bazice şi xjb = 0 secundare. Avem următoarea teoremă.
Teorema 1.6. (Dantzig) Fiecărei componente bazice xia > 0 din programul de
bază ı̂i corespunde o pereche de numere (ui , va ) astfel ı̂ncât ui + va = cia , iar
programul este optim dacă cjb − (uj + vb ) ≥ 0 pentru xjb = 0 variabile secundare.
Sistemul {ui + va = cia are o infinitate de soluţii, deoarece avem m+n variabile
şi m + n − 1 ecuaţii. Fixăm arbitrar una din variabilele sistemului, de exemplu
u1 = 0, şi se obţin imediat celelalte variabile.
Din această teoremă, rezultă următorul algoritm:
Etapa 1. Se obţine un program de bază X0 .
43
Etapa 2. Se rezolvă sistemul ui + va = cia corespunzător variabilelor bazice
xia . Sistemul are numărul de ecuaţii egal cu numărul de componente pozitive din
programul de bază.
a) Dacă X0 este program de bază nedegerat (are m + n − 1 componente
pozitive şi restul nule) atunci se consideră u1 = 0 şi se află celelalte variabile duale.
b) Dacă X0 este program de bază degenerat atunci numărul de compo-
nente pozitive este mai mic de m + n − 1, deci considerând doar u1 = 0 se obţine
un sistem ı̂n care numărul de variabile ramâne mai mare ca numărul de ecuaţii.
Astfel, se vor mai scrie ecuaţii de forma uj + vb = cjb şi pentru variabile xjb = 0, şi
anume pentru acei indici cu cele mai mici valori ale costurilor cjb . Se completează
sistemul cu atâtea ecuaţii câte sunt necesare pentru a obţine m + n − 1 ecuaţii
(una, dacă X0 este simplu degenerat, două dacă este dublu degenerat, ş.a.m.d).
Valorile zero ale variabilelor xjb alese se numesc zerouri esenţiale, şi se notează ı̂n
tabel cu 0∗ .
Etapa 3. Pentru perechile (j, b) corespunzătoare tuturor variabilelor secun-
dare xjb = 0 se calculează
ı̂n care, se stabileşte un sens de parcurs pe fiecare linie, respectiv coloană, ı̂ncepând
cu xj0 b0 = θ. Pe rând, din fiecare valoare bazică a ciclului se scade, respectiv
se adună θ. Se alege θ egală cu cea mai mică valoare din ciclu ce rezultă din
xij − θ = 0 deci xj0 b0 = θ0 . Această valoare se ı̂nlocuieşte pe toate poziţiile unde
apare θ. Dacă ı̂n ciclu există zerouri esenţiale 0∗ atunci la acestea se poate doar
adăuga θ şi evident, nu se poate scădea. Se obţine un nou program de bază
(1)
X1 = xia cu care se va relua algoritmul ı̂ncepând cu etapa 2.
44
Remarca 1.8. Dacă ı̂n programul de optim avem cjb = 0 atunci există programe
optime multiple. Se pune θ pe poziţia corespunzătoare valorii 0 şi se continuă
algoritmul pentru a determina şi celelalte programe optime.
Remarca 1.9. In cazul b) când cj0 b0 = min{cjb < 0} şi se obţine un nou program
X1 , mai bun decât X0 , valoarea costului total este
adică
f (X1 )=f (X0 ) + cj0 b0 θ − (uj0 + vb0 )θ=f (X0 ) + (cj0 b0 − zj0 b0 )θ=f (X0 ) + cj0 b0 θ.
F\B B1 B2 B3 Disp.
F1 5 3 4 20
F2 4 5 6 15
F3 5 7 5 25
Nec. 33 10 17 =
45
şi rezultă un program de bază nedegenerat
0 10 10
X0 = 15 0 0
18 0 7
X0 U\V v1 =4 v2 =3 v3 =4 cia
10 10 u1 =0 z11 =4 //3// //4// 1 //// ////
15 u2 =0 //4// z22 =3 z23 =4 //// 2 2
18 7 u3 =1 //5// z23 =4 //5// //// 3 ////
Considerăm
u1 = 0 şi rezolvăm
sistemul
1
u + v 2 = 3
v 2 = 3
u 1 + v 3 = 4 3=4
v
u2 + v 1 = 4 ⇒ v 1 = 4
u3 + v 1 = 5
u2 = 0
u +v =5 u =1
3 3 3
Calculăm zia = ui + va şi cia = cia − zia corespunzătoare variabilelor secundare
z11 = u1 + v1 = 0 + 4 = 4 ⇒ c11 = c11 − z11 = 5 − 4 = 1
z22 = u2 + v2 = 0 + 3 = 3 ⇒ c22 = c22 − z22 = 5 − 3 = 2,
z23 = u2 + v3 = 0 + 4 = 4 ⇒ c23 = c23 − z23 = 6 − 4 = 2,
z32 = u3 + v2 = 1 + 3 = 4 ⇒ c32 = c32 − z32 = 7 − 4 = 3,
Cum cia > 0 rezultă că X0 este program optim, unic.
F\B B1 B2 B3 Disp.
F1 4 3 2 14
F2 2 3 6 16
F3 5 8 5 15
Nec. 15 10 20 =
46
şi obţinem un program de bază nedegenerat
0 0 14
X0 =
15 1 0
0 9 6
X0 U\V v1 =4 v2 =5 v3 =2 cia
14 u1 =0 z11 =4 z12 =5 //2// 0 -2 /// θ 14-θ
15 1 u2 =-2 //2// //3// z23 =0 /// /// 6 15 1
9 6 u3 =3 z31 =7 //8// //5// -2 /// /// 9-θ 6+θ
u1 + v 3 = 2
v3 = 2
u2 + v 1 = 2
u3 = 3
u +v =3 ⇒
2 2 2v =5
u 3 + v 2 = 8
u 2 = −2
u +v =5 v =4
3 3 1
θ ← 14 − θ
↓ ↑
9−θ → 6+θ
(
14 − θ = 0
Calculăm min ⇒ θ = 9 şi rezultă
9−θ =0
0 9 5
X1 = 15 1 0
0 0 15
X1 U\V v1 =2 v2 =3 v3 =2 cia
9 5 u1 =0 z11 =2 //3// //2// 2 /// /// 9-θ 5+θ
15 1 u2 =0 //2// //3// z23 =2 /// /// 4 15-θ 1+θ
15 u3 =3 z31 =5 z32 =6 //5// 0 2 /// θ 15-θ
47
u1 + v 2 = 3
v2 = 3
1 + v3 = 2
u v3 = 2
u +v =2 ⇒
2 1 v =2
1
u2 + v 2 = 3
u2 = 0
u3 + v 3 = 5 u3 = 3
Cum cia ≥ 0 rezultă că X1 este program de bază optim şi pentru că există
c31 = 0 mai avem ı̂ncă un program optim. Se pune θ pe poziţia (3,1). Se
formează ciclul
9−θ → 5+θ
..
↑ .
15 − θ → 1 + θ ↓
..
↑ .
θ ··· ← · · · 15 − θ
( 0 0 14
15 − θ = 0
şi calculăm min ⇒ θ = 9 ⇒ X2 = 6 10 0 program optim
9−θ =0
9 0 6
cu f (X2 ) = 145.
Pentru a obţine mulţimea tuturor programelor optime (atunci când
există cel puţin două programe optime), se face combinaţia liniară convexă
48
Exemplul 1.21. Să se afle un program optim pentru problema
F\B C1 C2 C3 C4 Disp.
F1 1 4 4 6 40
F2 8 9 13 5 60
F3 10 11 2 3 80
Nec. 20 20 60 80 =
X0 U\V v1 =1 v2 =4 v3 =4 v4 =5 cia
20 20 0∗ u1 =0 //1// //4// //4// z14 =5 /// /// /// 1
60 u2 =0 z21 =1 z22 =4 z23 =4 //5// 7 5 9 ///
60 20 u3 =-2 z31 =-1 z32 =2 //2// //3// 11 9 /// ///
49
Se pune 0∗ pe pozitia (1,3) (corespunzătoare costului cel mai mic dintre costurile
ce nu apar ı̂n programul de bază degenerat). Avem sistemul
u1 + v 1 = 1
v1 = 1
u1 + v 2 = 4
v2 = 4
u1 + v 3 = 4 v3 = 4
⇒
u2 + v 4 = 5
u3 = −2
u3 + v 3 = 2
v4 = 5
u3 + v 4 = 3 u2 = 0
F\B B1 B2 B3 Disp.
F1 5 6 4 20
F2 4 5 6 15
Nec. 30 10 10 <
Rezolvare. Problema nu este echilibrată, necesarul fiind mai mare decât disponi-
bilul. Se introduce un furnizor fictiv F3 cu disponibilul de 15 (diferenţa dintre
50
necesarul total şi disponibilul total)
F\B B1 B2 B3 Disp.
F1 5 6 4 20
F2 4 5 6 15
F3 0 0 0 15
Nec. 30 10 10 =
U\V v1 =5 v2 =5 v3 =4 cia
10 10 u1 =0 //5// z12 =5 //4// //// 1 ////
15 u2 =-1 //4// z22 =4 z23 =3 //// 1 3
5 10 u3 =-5 //0// //0// z33 =-1 //// //// 1
u1 + v 1 = 5
v1 = 5
u1 + v 3 = 4
v3 = 4
2u +v =4 ⇒
1 2 v =5
u 3 + v 1 = 0
u 2 = −1
u3 + v 2 = 0 u3 = −5
Cum cia > 0 rezultă că X0 este program de bază optim, unic pentru problema
echilibrată. Pentru a afla programul optim pentru problema iniţială, renunţăm la
ultima linie şi avem à !
0 10 0 10
X0 =
15 0 0
cu costul de tranport f (X00 ) = 150.
51
1.6.6. Probleme tip transport cu rute interzise
In practică se pot ı̂ntâlni situaţii când anumite rute trebuie evitate. Astfel,
un anumit consumator trebuie să primească numai de la anumiţi furnizori sau o
anumită rută este impracticabilă din anumite motive.
In acestă situaţie, rezolvarea problemei de transport se face considerând pen-
trul costul cia , corespunzator rutei interzise, urmatoarele valori: cia = c, c > 0
fiind un număr pozitiv, mai mare decât toate celelalte costuri (sau c = ∞) dacă
se cere minimizarea funcţiei de eficientă, sau cia = 0 ı̂n cazul ı̂n care se cere max-
imizarea funcţiei eficientă. Se aplică metoda costului minim pentru determinarea
unui program de bază. Un program de bază este util dacă pe ruta interzisă avem
valoarea zero.
Exemplul 1.23. Să se rezolve problema de transport dată de tabelul de mai jos,
ştiind că ruta (1,1) nu poate fi folosită datorită drumului impracticabil de la F1 la
B1
B1 B2 Disponibil
F1 ∞ 4 10
F2 5 1 19
Necesar 14 10 <
2
P 2
P
Rezolvare. Deoarece Di > Na introducem un consumator fictiv pentru
i=1 a=1
a obţine o problemă de transport echilibrată. De asemenea pentru a evita ruta
(1,1) consideram c11 = ∞.
B1 B2 B3 Disponibil
F1 ∞ 4 0 10
F2 5 1 0 19
Necesar 14 10 5 =
Prin metoda costului minim din matrice obţinem
B1 B2 B3 Disponibil
F1 5 0 5 10, 5, 0
F2 9 10 0 19, 9, 0
Necesar 14, 5, 0 10, 0 5, 0 =
sau
B1 B2 B3 Disponibil
F1 10 0 0 10, 0
F2 4 10 5 19, 14, 4, 0
Necesar 14, 10, 0 10, 0 5,0 =
52
dar ambele programe alocă o valoare pozitivă pe ruta interzisă (1,1).
Vom afla un program prin metoda costului minim pe coloană
B1 B2 B3 Disponibil
F1 0 5 5 10, 5, 0
F2 14 5 0 19, 5, 0
Necesar 14, 0 10, 5, 0 5, 0 =
care conduce la un program de bază nedegenerat
à !
0 5 5
X0 =
14 5 0
cu costul de transport f (X0 ) = 5 · 4 + 14 · 5 + 5 · 1 = 95 şi care are valoarea zero
pe ruta interzisă.
Verificam optimalitatea prin metoda potentialelor
X0 U \V v1 = 8 v2 = 4 v3 = 0 cia
0 5 5 u1 = 0 z11 =8 //4// //0// ∞ //// ////
14 5 0 u2 = −3 //5// //1// z23 =-3 //// //// 3
Avem sistemul
u1 + v 2 = 4
v2 = 4
u +v =0
v =0
1 3 3
⇒
u 2 + v 1 = 5
u 2 = −3
u2 + v 2 = 1 v1 = 8
Calculăm
z11 = u1 + v1 = 8 ⇒ c11 = c11 − z11 = ∞ − 8 = ∞
z23 = u2 + v3 = −3 ⇒ c23 = c23 − z23 = 0 − (−3) = 3
Cum cia > 0 rezultă ca programul X0 este optim, unic. Revenind la problema
iniţială rezultă Ã !
0 5
X0 =
14 5
program optim cu costul de transport f (X00 ) = f (X0 ) = 95.
53
a) Să se optimizeze
b) Să se găseasca un program optim in care pe rutele F1 B1 si F1 B2 să se trans-
porte o cantitate mai mică de 10 unităţi.
Rezolvare. Se aplica metoda costului minim din matrice
F\B B1 B2 B3 Disp.
F1 0 0 40 40, 0
F2 20 0 0 20, 0
F3 0 25 5 30, 5,0
F4 30 20 0 50, 20, 0
Nec. 50, 30, 0 45, 25, 0 45, 5, 0 =
şi obţinem un program de bază nedegenerat
0 0 40
20 0 0
X0 = , f (X0 ) = 630
0 25 5
30 20 0
Verificăm optimalitatea
U\V v1 =5 v2 =5 v3 =5 cia
0 0 40 u1 =0 z11 =5 z12 =5 //5// 0 0 /// θ 40-θ
20 0 0 u2 =-1 //4// z22 =4 z23 =4 /// 2 ∞ 20
0 25 5 u3 =0 z31 =5 //5// //5// ∞ /// /// 25-θ 5+θ
30 20 0 u4 =-1 //4// //4// z43 =4 /// /// 2 30 20
şi obţinem cia ≥ 0 rezultă X0 este program de bază nedegenerat, optim şi mai
există alte două programe de optim, deoarece c11 = c12 = 0. Putem pune θ pe
poziţia (1,2). Avem ciclul
θ → 40-θ
↑ ↓
25-θ ← 5+θ
( 0 25 15
40 − θ = 0 20 0 0
Calculăm min ⇒ θ = 25 ⇒ X1 =
optim.
25 − θ = 0 0 0 30
30 20 0
Obţinem celălalt program optim, punând θ pe poziţia (1,1) şi avem ciclul
θ 25-θ 15
θ → 25-θ
20
↑ ↓ ⇒
30
30-θ ← 20+θ
30-θ 20+θ
54
( 25 0 15
30 − θ = 0 20 0 0
Calculăm min ⇒ θ = 25 ⇒ X2 = optim.
25 − θ = 0 0 0 30
5 45 0
Facem combinatia liniară convexă a celor trei programe de optim şi se obţine:
X = aX1 + bX2 + cX3 , cu a + b + c = 1; a ≥ 0, b ≥ 0, c ≥ 0
0 0 40a 0 25b 15b 25c 0 15c
20a 0 0 20b 0 0 20c 0 0
X=
+
+
0 25a 5a 0 0 30b 0 0 30c
30a 20a 0 30b 20b 0 5c 45c 0
25c 25b 40a + 15b + 15c
20 0 0
X=
0 25a 5a + 30b + 30c
30a + 30b + 5c 20a + 20b + 45c 0
( (
25c ≤ 10 c ≤ 52
b) Condiţia din problemă impune ca ⇒
25b ≤ 10 b ≤ 52
Deci există mai multe programe optime care satisfac aceasta condiţie. De
exemplu, pentru b = 25 , c = 25 rezultă a = 15 deci avem programul optim
10 10 20
20 0 0
X3 =
0 5 25
20 30 0
55
x0ik = xin+1 dacă k = ki , k = n + 1, n + p
X0 U\V v1 =2 v2 =3 cia
10 u1 =0 //2// z12 =3 //// 0 10-θ θ
5 15 u2 =1 //3// //4// //// //// 5+θ 15-θ
10 u3 =0 z31 =2 //3// 2 //// 10
56
deci X0 este program de bază optim si mai există un program de bază optim
deoarece
( c12 = 0. Se pune θ pe poziţia (1, 2) şi se formează ciclul. Calculăm min
15 − θ = 0
⇒ θ = 10 şi
10 − θ = 0
0 10
X2 = 15 5 , f (X2 ) = 125
0 10
Există situaţii când se cere să se determine maximul funcţiei obiectiv f (X).
Pentru determinarea unui program de bază se pot aplica metodele ”cost” (ben-
eficiu) maxim din matrice, pe linie sau coloană, sau metoda nord-vest (nu ţine
seama de costuri sau beneficii). Pentru verificarea optimalităţii se aplică metoda
potenţialelor, cu deosebirea că programul este optim dacă cia = cia − zia ≤ 0. In
57
cazul când avem elemente pozitive ale matricei diferenţelor cia − zia programul de
bază obţinut nu este optim, punându-se θ pe pozitia celui mai mare element din
matricea cia şi continuând algoritmul.
P1 P2 P3 P4 Capacitate de producţie
F1 7 9 3 5 30
F2 4 1 6 7 20
F3 2 7 4 3 50
Contract (cerere) 25 35 15 25 =
X0 U\V v1 =4 v2 =9 v3 =6 v4 =5 cia
30 u1 =0 z11 =4 //9// z13 =6 z14 =5 3 /// -3 0
20 u2 =2 z21 =6 z22 =11 z23 =8 //7// -2 -10 -2 ///
25 5 15 5 u3 =-2 //2// //7// //4// //3// /// /// /// ///
58
Considerăm u1 = 0 şi avem
u1 + v 2 = 9
v2 = 9
u 2 + v4 = 7
u3 = −2
u3 + v 1 = 2 v1 = 4
⇒
u3 + v 2 = 7
v3 = 6
u 3 + v3 = 4
v4 = 5
u3 + v 4 = 3 u2 = 2
z11 = u1 + v 1 =4
c11 = c11 − z11 =3
z13 = u1 + v 3 =6
c13 = c13 − z13 = −3
z = u1 + v 4 =5 c = c14 − z14 =0
14
z21 =
⇒ 14
u2 + v 1 =6
c21 = c21 − z21 = −2
z22 = u2 + v 2 = 11
c22 = c22 − z22 = −10
z23 = u2 + v 3 =8 c23 = c23 − z23 = −2
Cum c11 = 3 > 0 (problemă de maxim) programul nu este optim. Punem θ pe
pozitia (1,1) si avem ciclul
θ → 30-θ θ 30-θ
↑ ↓ ⇒ 20
25-θ ← 5+θ 25-θ 5+θ 15 5
(
30 − θ = 0
Calculăm min ⇒ θ = 25 şi
25 − θ = 0
25 5 0 0
X1 = 0 0 0 20
0 30 15 5
program de bază nedegenerat f (X1 ) = f (X0 ) + c11 · θ = 570 + 3 · 25 = 645.
Verificăm optimalitatea lui X1
X1 U\V v1 =7 v2 =9 v3 =6 v4 =5 cia
25 5 u1 =0 //7// //9// z13 =6 z14 =5 /// /// -3 0
20 u2 =2 z21 =9 z22 =11 z23 =8 //7// -5 -10 -2 ///
30 15 5 u3 =-2 z31 =5 //7// //4// //3// -3 /// /// ///
Cum cia ≤ 0 programul X1 este optim şi pentru că c14 = 0 mai există ı̂ncă un
program optim. Punem θ pe pozitia (1,4) şi avem ciclul
5-θ → θ 25 5-θ 0 θ
↑ ↓ ⇒ 0 0 0 20
30+θ ← 5-θ 0 30+θ 15 5-θ
59
Calculam min{5 − θ = 0 ⇒ θ = 5 şi obţinem
25 0 0 5
X3 = 0 0 0 20
0 35 15 0
program de bază degenerat, optim, f (X2 ) = 645
Facem combinatia liniară convexă a programelor optime
X = aX2 + (1 − a)X3 , a ∈ [0, 1]
25 5 0 0 25 0 0 5
X = a 0 0 0 20 + (1 − a) 0 0 0 20
0 30 15 5 0 35 15 0
25 5a 0 5 − 5a
X= 0 0 0 20
0 30 − 5a 15 5a
şi determinăm mulţimea tuturor programelor optime.
Probleme propuse
60
a) Să se determine un program de transport optim.
b) Să se gasească un program optim ı̂n care pe ruta F1 B1 să se transporte o
cantitate de 30 unităţi.
61
2. MODELE NELINIARE
2.1. Spaţii vectoriale. Noţiuni introductive.
Definiţia 2.1. Mulţimea V se numeşte spaţiu vectorial peste K dacă avem defi-
nite următoarele operaţii:
1) + : V × V → V (adunare) ı̂n raport cu care V are structură de grup.
2) · : K × V → V (ı̂nmulţire cu scalari) care satisface relaţiile:
a) 1 · x = x, oricare ar fi x ∈ V.
b) (α + β)x = αx + βx, oricare ar fi x ∈ V şi α, β ∈ K
c) α(x + y) = αx + αy, oricare ar fi x, y ∈ V şi α ∈ K
d) α(βx) = (αβ)x, oricare ar fi x ∈ V şi α, β ∈ K.
62
3) Mulţimea < S > a tuturor combinaţiilor liniare de vectori din S ⊂ V se
numeşte acoperirea liniară a lui S.
Teorema 2.1. Fie V spaţiu vectorial peste K şi B = {x1 , ...xm } ⊂ V . Atunci B
este o bază pentru V dacă şi numai dacă orice vector din V se scrie ı̂n mod unic
ca o combinaţie liniară de vectorii x1 , ..., xm .
63
Dacă B = {x1 , ...xm } este o bază a spaţiului vectorial V , atunci scalarii
α , α2 , ..., αm ∈ K pentru care
1
m
X
x= α i xi
i=1
Teorema 2.2. 1) Orice spaţiu vectorial V peste K, nenul, posedă cel puţin o
bază.
2) Toate bazele unui spaţiu vectorial finit generat au acelaşi număr de vectori.
3) Coordonatele unui vector ı̂ntr-o bază dată sunt unice.
4) Dimensiunea unui spaţiu vectorial finit generat este dat de numărul de
vectori din bază.
64
Definiţia 2.6. O aplicaţie b : V × V → K se numeşte formă biliniară dacă sunt
satisfacute urmatoarele condiţii:
1) b(αx + βy, z) = αb(x, z) + βb(y, z)
2) b(x, αy + βz) = αb(x, z) + βb(y, z), pentru α, β ∈ K şi x, y, z ∈ V.
oricare ar fi n n
X X
i
x= x vi , y= y i vi
i=1 i=1
65
Definiţia 2.9. Fie V un spaţiu vectorial peste K de dimensiune n ≥ 1 şi b :
V × V → K o formă biliniară. Rangul matricei sale ı̂n raport cu o bază oarecare
a lui V se numeşte rang al formei biliniare.
Remarca 2.2. Rangul matricei unei forme biliniare este invariant la o schimbare
de bază. Forma biliniară b este simetrică (antisimetrică), dacă şi numai dacă
matricea sa ı̂n raport cu o bază a lui V este simetrică (respectiv antisimetrică)
Din (13) rezultă că expresia analitică a formei pătratice f ı̂n raport cu baza
B = {v1 , v2 , ..., vn } a lui V este
n X
X n
f (x) = aij xi xj
i=1 j=1
n
P
unde x = xi vi , iar din (14) se obţine expresia matriceală a lui f ı̂n raport cu
i=1
baza B
f (x) = XBt AXB
unde A = (aij )i,j=1,n este matricea (simetrică) a lui f ı̂n raport cu baza B.
Dacă ı̂n raport cu baza B = {e1 , e2 , ..., en } a lui V, matricea formei pătratice
f : V → K are formă diagonală, adică
α1 0 ··· 0
0 α2 0
A=
.. ...
.
0 0 αn
atunci se spune că baza B este baza canonică pentru f, iar expresia analitică a lui
f ı̂n raport cu baza B
n
X
f (x) = αi (xi )2
i=1
66
Definiţia 2.10. Fie V un spaţiu vectorial real, de dimensiune finită şi f : V → R
o formă pătratică. Numărul coeficienţilor strict pozitivi (strict negativi) dintr-o
expresie canonică a lui f se numeşte indexul pozitiv (index negativ) al formei
pătratice. Perechea (p, q) unde p este indexul pozitiv, iar q indexul negativ, se
numeşte signatura formei pătratice.
67
+2a2n x2 xn + ... + ann (xn )2 =
1
= (a11 x1 + a12 x2 + ... + a1n xn )2 + f1 (x)
a11
unde f1 (x) este o formă pătratică ce depinde numai de x2 , x3 , ..., xn .
Prin schimbarea de coordonate (deci o schimbare de bază)
a11 x1 + a12 x2 + ... + a1n xn = z 1
x2 = z 2
..
.
n
x = zn
şi obţinem pentru f o expresie analitică ı̂n care coeficienţii lui (tr )2 şi (tp )2 sunt
nenuli, putându-se aplica cazul I). u
t
Exemplul 2.4. Să se aducă la forma canonică şi să se precizeze natura formei
pătratice
a)f (x) = 2(x1 )2 + 2x1 x2 − 2x1 x3 + 3(x2 )2 + 2(x3 )2
b)f (x) = x1 x2 + x1 x3 + 2x2 x3
68
Facem schimbarea de coordonate
1 2 3 1
2x + x − x = z
x2 = z 2
x3 = z 3
= 21 (z 1 )2 + 52 [( 52 z 2 )2 + 2 · 52 z 2 12 z 3 + ( 12 z 3 )2 − ( 12 z 3 )2 ] + 23 (z 3 )2 =
= 21 (z 1 )2 + 25 ( 25 z 2 + 12 z 3 )2 − 10
1
(z 3 )2 + 32 (z 3 )2 = 21 (z 1 )2 + 25 ( 52 z 2 + 21 z 3 )2 + 75 (z 3 )2 .
Prin schimbarea de coordonate
1 1
z =t
5 2
2
z + 12 z 3 = t2
3
z = t3 ,
69
se obţine forma canonică
f (z) = (z 1 )2 − (z 2 )2 − 2(z 3 )2
70
2 1 −1
Rezolvare. a) Matricea asociată este A = 1 −1 2 şi avem
¯ ¯
−1 2 1
¯ 2 1 ¯
¯ ¯
41 = 2, 42 = ¯¯ ¯ = −3, 43 = det A = −14 adică
1 −1 ¯
1 2 3
f (x) = (y 1 )2 − (y 2 )2 + (y 3 )2
2 3 14
şi este nedefinită.
1 1/2 −1
b) Matricea asociată este A = 1/2 2 2 şi avem
¯ ¯
−1 2 5
¯ 1 1/2 ¯¯
41 = 1, 42 = ¯¯ ¯ = 7/4, 43 = det A = 3/4, adică
¯ 1/2 2 ¯
4 7
f (x) = (y 1 )2 + (y 2 )2 + (y 3 )2
7 3
şi este pozitiv definită.
71
Definiţia 2.12. Fie V un spaţiu vectorial real. Funcţia k, k : V → R+ se numeşte
normă dacă:
a) kxk ≥ 0, ∀x ∈ V şi kxk = 0 ⇔ x = 0
b) kαxk = |α| kxk , ∀x ∈ V şi α ∈ R.
c) kx + yk ≤ kxk + kyk , ∀x, y ∈ V
iar (V, k, k ) se numeşte spaţiu liniar normat.(kxk se mai numeşte lungimea lui
x)
Remarca 2.5. Dacă V este un spaţiu euclidian, atunci V este un spaţiu normat,
√
ı̂n raport cu norma definită prin kxk = < x, x >
Definiţia 2.13. Aplicaţia d : V × V → R+ se numeşte metrică dacă
a) d(x, y) ≥ 0, ∀ x, y ∈ V şi d(x, y) = 0 ⇔ x = y
b) d(x, y) = d(y, x), ∀ x, y ∈ V
c) d(x, y) ≤ d(x, z) + d(z, y), ∀ x, y, z ∈ V
iar (V, d) se numeşte spaţiu metric.
Remarca 2.6. Dacă V este spaţiu normat, atunci V este şi spaţiu metric ı̂n
raport cu metrica d(x, y) = kx − yk pentru ∀ x, y ∈ V.
Remarca 2.7. Pentru V = Rn , şi n = 1, n = 2 şi n = 3 şi produsul scalar
canonic, se obţin formulele de calcul pentru distanţă pe dreaptă, ı̂n plan şi spaţiu
q
d(x, y) = |x − y| , d(x, y) = (x1 − y 1 )2 + (x2 − y 2 )2 ,
q
d(x, y) = (x1 − y 1 )2 + (x2 − y 2 )2 + (x3 − y 3 )2
Definiţia 2.14. Fie x0 un punct din Rn şi r > 0. Mulţimea de puncte din Rn
dată de
Sr (x0 ) = {x ∈ Rn | d(x, x0 ) < r}
se numeşte sferă deschisă cu centrul ı̂n x0 şi de rază r.
Definiţia 2.15. Mulţimea M ⊂ Rn se numeşte vecinătate a punctului x0 dacă
există o sferă deschisă Sr (x0 ) ⊂ M .
Definiţia 2.16. Punctul x0 se numeşte punct interior mulţimii M ⊂ Rn dacă
există o vecinătate V a lui x0 inclusă ı̂n mulţimea M .
Definiţia 2.17. Mulţimea M ⊂ Rn care conţine numai puncte interioare se
numeşte mulţime deschisă.
Definiţia 2.18. Fie x0 ∈ Rn şi M ⊂ Rn . Punctul x0 se numeşte punct de
acumulare al mulţimii M dacă orice vecinătate V a lui x0 conţine cel puţin un
punct al mulţimii A diferit de x0 , adică (V \{x0 }) ∩ M 6= ∅.
72
2.3.1. Limite de funcţii şi continuitate
Vom face consideraţii ı̂n cele ce urmează asupra funcţiilor de două variabile,
toate conceptele extinzându-se uşor la funcţii de mai multe variabile.
Proprietatea 2.2. c) Dacă f (x, y) < g(x, y) ı̂n vecinătatea lui (x0, y0 ) şi deaseme-
nea avem lim g(x, y) = −∞ atunci lim f (x, y) = −∞.
(x,y)→(x0 ,y0 ) (x,y)→(x0 ,y0 )
x2 y
Exemplul 2.7. Fie f : R2 \{(0, 0)} → R dată de f (x, y) = . Să se cal-
x2 + y 2
culeze lim f (x, y).
(x,y)→(0,0)
x2
Rezolvare. |f (x, y)| = |y| ≤ |y| → 0 .
x2 + y 2 (x,y)→(0,0)
xy
Exemplul 2.8. Arătaţi că lim f (x, y) unde f (x, y) = nu există.
(x,y)→(0,0) x2 + y2
m
Rezolvare. Considerăm direcţia y = mx şi obţinem f (x, mx) = care
1 + m2
depinde doar de m, adică limita nu există. Pentru a proba acest fapt considerăm
două şiruri
(1/n, 1/n) → (0, 0) ⇒ f (1/n, 1/n) = 1/2,
n→∞
73
(1/n, 2/n) → (0, 0) ⇒ f (1/n, 2/n) = 2/5.
n→∞
Definiţia 2.22. (Heine) Funcţia f este continuă ı̂n punctul (x0 , y0 ) dacă oricare
ar fi şirul (xn , yn ) ∈ R2 , cu limita (xn , yn ) → (x0 , y0 ) avem f (xn , yn ) →
n→∞ n→∞
f (x0 , y0 ).
Rezolvare.
Considerăm şirul (1/n2 , 1/n) → (0, 0) şi f ((1/n2 , 1/n) = 1/2. Cum lim
n→∞ n→∞
f (1/n2 , 1/n) = 1/2 6= 0 = f (0, 0) rezultă că funcţia f nu este continuă ı̂n (0, 0).
Mai mult f (x, y) nu are limită ı̂n (0, 0) (exerciţiu).
Definiţia 2.23. Funcţia f (x, y) este derivabilă parţial ı̂n raport cu x ı̂n punctul
(x0 , y0 ) dacă
f (x, y0 ) − f (x0 , y0 )
lim
x→x0 x − x0
∂f (x0 , y0 )
există şi este finită. Vom nota această limită cu fx0 (x0 , y0 ) sau şi se va
∂x
numi derivata parţială de ordinul ı̂ntâi ı̂n raport cu x ı̂n punctul (x0 , y0 ).
74
Definiţia 2.24. Funcţia f (x, y) este derivabilă parţial ı̂n raport cu y ı̂n punctul
(x0 , y0 ) dacă
f (x0 , y) − f (x0 , y0 )
lim
y→y0 y − y0
∂f (x0 , y0 )
există şi este finită. Vom nota această limită cu fy0 (x0 , y0 ) sau şi se va
∂y
numi derivata parţială de ordinul ı̂ntâi ı̂n raport cu y ı̂n punctul (x0 , y0 ).
In concluzie, pentru a calcula derivata parţială fx0 ı̂n punctul (x, y) se derivează
f (x, y) ca funcţie de o singură variabilă x, considerând y constant. Analog, pentru
a calcula fy0 se derivează f (x, y) ı̂n raport cu y, considerând x constant.
Definiţia 2.25. Dacă funcţia f are derivate parţiale ı̂n punctul (x0 , y0 ) ı̂n raport
cu ambele variabile, atunci vectorul
∂f (x0 , y0 )
∂x
∇f (x0 , y0 ) =
∂f (x0 , y0 )
∂y
se numeşte gradientul lui f ı̂n punctul (x0 , y0 ).
Remarca 2.8. Dacă funcţia f are derivate parţiale ı̂n punctul x0 , atunci nu
rezultă ı̂n general că f este funcţie continuă ı̂n x0 .
nu este continuă ı̂n (0, 0), dar are derivate parţiale ı̂n (0, 0). Intr-adevăr
75
∂f (x, y) Ã !
2x − 1
∂x
Rezolvare. a) ∇f (x, y) = ∂f (x, y) = deci
3y 2
∂y
à !
3
∇f (2, 1) =
3
∂f (x, y, z)
∂x
y + 2x2 z
∂f (x, y, z)
b) ∇f (x, y, z) = = x + 2x2 yz deci
∂y
∂f (x, y, z)
x2 y 2
∂z
−1
∇f (1, 1, −1) = −1 .
1
76
Definiţia 2.27. Dacă f este o funcţie diferenţiabilă ı̂n punctul x0 atunci funcţia
liniară
∂f (x0 , y0 ) ∂f (x0 , y0 )
df (x0, y0 )(x, y) = (x − x0 ) + (y − y0 )
∂x ∂y
se numeşte diferenţiala lui f ı̂n punctul (x0 , y0 ).
Prin convenţie vom nota dx = x−x0 şi dy = y −y0 , atunci diferenţiala funcţiei
f se scrie
∂f ∂f
df (x, y) = dx + dy
∂x ∂y
∂ ∂
Operatorul d = ∂x
dx +
dy se numeşte operator de diferenţiere. Avem şi
̶y
!
dx
relaţia df (x, y) = ∇f (x, y)t .
dy
Pentru o funcţie f (x, y, z) avem
∂f ∂f ∂f
df (x, y, z) = dx + dy + dz
∂x ∂y ∂z
Teorema 2.7. Dacă f este diferenţiabilă ı̂n (x0 , y0 ) atunci f este şi continuă ı̂n
(x0 , y0 ).
77
2.3.4. Derivate parţiale de ordin superior. Hessiana
f (x, y, z) = x3 + y 3 + z 2 − 2xyz
78
Rezolvare. Gradientul
funcţiei este
∂f
∂x 2
∂f
3x − 2yz −1
∇f (x, y, z) = =
3y 2 − 2xz şi ∇f (1, 1, 2) = −1
∂y
∂f 2z − 2xy 2
∂z
∂2f ∂2f ∂ 2f
= 6x, = −2z, = −2z
∂x2 ∂x∂y ∂x∂z
∂ 2f ∂ 2f ∂2f
= −2z, 2 = 6y, = −2x
∂y∂x ∂y ∂y∂z
∂ 2f ∂ 2f ∂ 2f
= −2y, = −2x, 2 = 2
∂z∂x ∂z∂y ∂z
deci matricea hessiana are următoarea formă
6x −2z −2y
Hf (x, y, z) = −2z 6y −2x
−2y −2x 2
6 −4 −2
ceea ce implică Hf (1, 1, 2) = −4 6 −2
−2 −2 2
∂ 2f ∂ 2f
(x0 , y0 ) = (x0 , y0 )
∂x∂y ∂y∂x
Diferenţialele de ordin superior ale funcţiei f se definesc ı̂n mod recurent prin
relaţia
dk f = d(dk−1 f )
79
pentru k = 2 obţinându-se formula de calcul a diferenţialei de ordinul doi a funcţiei
f (x, y)
∂2f ∂2f ∂ 2f
d2 f (x, y) = (x, y)dx 2
+ 2 (x, y)dxdy + (x, y)dy 2
∂x2 ∂x∂y ∂y 2
sau matriceal à !
dx
d2 f (x, y) = (dx, dy)Hf (x, y)
dy
∂ 2f 2 ∂ 2f 2 ∂ 2f 2 ∂ 2f ∂ 2f ∂ 2f
d2 f (x, y, z)= dx + dy + dz +2 dxdy+2 dxdz+2 dydz.
∂x2 ∂y 2 ∂z 2 ∂x∂y ∂x∂z ∂y∂z
f (x, y, z) = x3 + y 3 + z 2 − 2xyz.
Funcţia scop ı̂ntr-o problemă de programe liniară ı̂n care vectorul costurilor
unitare sau al beneficiilor este C = (c1 , c2 , ..., cn ) este f (x) = c1 x1 +c2 x2 +...+cn xn ,
adică o funcţie de n variabile. Funcţia cost ı̂ntr-o problemă de transport dată de
Pn P
m
f (x) = cij xij este o funcţie reală de m · n variabile şi exemplele pot continua.
i=1j=1
In continuare vom prezenta succint extinderea la funcţii de n variabile a unor
noţiuni introduse ı̂n cazul funcţiilor de două variabile.
Definiţia 2.31. Fie M ⊂ Rn şi x0 = (x01 , x02 , ..., x0n ) un punct de acumulare
al mulţimii M . Numărul l se numeşte limita funcţiei f când x → x0 (notăm
lim f (x) = l) dacă oricare ar fi o vecinătate V a lui l, există o vecinătate U a lui
x→x0
x0 astfel ı̂ncât ∀x ∈ V ∩ U, x 6= x0 ⇒ f (x) ∈ V .
80
Definiţia 2.32. Funcţia f : M → R este continuă ı̂n punctul x0 ∈ M dacă există
lim f (x) = f (x0 ).
x→x0
81
In cazul ı̂n care M este mulţime deschisă, x0 este punct interior şi deci va exista
o vecinătate Vx0 aşa ı̂ncât Vx0 ∩ M = Vx0 , fapt pentru care relaţiile precedente
apar sub forma f (x0 ) ≤ f (x), ∀x ∈ Vx , respectiv f (x0 ) ≥ f (x), ∀x ∈ Vx0 .
Noţiunea de local atrage atenţia asupra faptului că valoarea f (x0 ) este mai
mică ca orice altă valoare f (x) (dacă x0 este punct de minim local) numai pentru
x din intersecţia Vx0 ∩ M . Este posibil deci să existe şi un alt punct de minim
local x1 aşa ca f (x1 ) ≤ f (x), ∀x ∈ Vx1 ∩ M şi valoarea minimă f (x0 ) să nu fie
egală cu valoarea minimă f (x1 ).
Remarca 2.11. Este evident că dacă x0 este un punct de minim global, atunci
este cu atât mai mult şi local, dar invers nu este ı̂n general adevărat, decât ı̂n
cazuri speciale de funcţii.
Teorema 2.10. Extremele locale de minim ale unei funcţii convexe sau de maxim
ale unui funcţii concave f : M ⊂ Rn → R sunt extreme globale.
Remarca 2.12. Reciproca propoziţiei de mai sus nu este ı̂n general adevărată.
Dacă se anulează derivatele parţiale ale unei funcţii ı̂ntr-un punct, nu rezultă
neapărat că acel punct este punct de extrem.
82
Definiţia 2.37. Fie f : M ⊂ Rn → R şi x0 un punct interior lui M . Punctul x0
se numeşte punct staţionar pentru funcţia f dacă:
1) f este diferenţiabilă ı̂n x0
∂f (x0 )
2) df (x0 ) = 0 ⇔ = 0, i = 1, n
∂xi
Definiţia 2.38. Punctele staţionare care nu sunt puncte de extrem se numesc
puncte şa.
Exemplul2.16. f : R2 → R, f (x, y) = x2 − y 2 .
∂f (x, y) (
= 0, 2x = 0,
Avem ∂x ⇒ ⇒ X0 = (0, 0)
∂f (x, y) −2y = 0.
= 0.
∂xy
Funcţia f este diferenţiabilă ı̂n (0, 0) deoarece derivatele parţiale sunt continue,
deci (0, 0) este punct staţionar, dar −y 2 = f (0, y) < f (0, 0) = 0 < f (x, 0) = x2
pentru orice x 6= 0 şi y 6= 0 adică (0, 0) nu este punct de extrem.
Teorema următoare ne dă condiţii suficiente ca un punct staţionar să fie punct
de extrem local.
83
-dacă ϕ(x) < 0, ∀x 6= 0 ( ϕ este negativ definită) atunci x0 este punct
de maxim local.
-dacă ϕ(x) ≤ 0, ∀x 6= 0 ( ϕ este seminegativ definită) atunci nu putem trage
o concluzie certă. Se studiază funcţia f ı̂n vecinătatea lui x0 .
5◦ . Dacă ϕ(x) schimbă semnul ı̂ntr-o vecinătate Vx0 (sau ϕ(x) nu este definită,
ca semn, atunci x0 nu este un punct de extrem pentru f .
Se observă că ı̂n această metodologie se presupun condiţii mai tari pentru f ,
să admită derivate parţiale de ordinul 2, continue, ı̂ntr-o vecinătate a punctului
staţionar x0 al lui f .
Remarca 2.13. Dacă f este strict convexă (sau strict concavă) şi are un punct
de minim (respectiv de maxim) atunci acesta este unic.
Vom ı̂ncepe seria aplicaţiilor cu unele exemple ce au caracter didactic şi apoi
vom da exemple mai aproape de unele necesităţi practice.
√
Exemplul 2.17. Fie funcţia f : R2 → R dată prin f (x, y) = x2 + y 2 .
a) Să se arate că x0 = (0, 0) este punct de extrem liber.
Rezolvare. Este evident că fx0 (0, 0) = 0, fy0 (0, 0) = 0, adică f admite derivate
parţiale ı̂n (0, 0). Cum avem fx0 (x, y) = 2x, fy0 (x, y) = −2y şi derivatele parţiale
ı̂n V0 sunt continue, f este diferenţiabilă ı̂n (0, 0). Cum derivatele partiale se
anulează ı̂n (0, 0) şi f este diferenţiabilă rezultă că (0, 0) este punct staţionar
pentru f .
84
à !
2 0
Hessiana lui f ı̂n X0 = (0, 0) este Hf (X0 ) = şi deci ϕ(X) =
0 −2
2dx2 − 2dy 2 . Avem 41 = 2 > 0, 42 = |H| = −4 < 0 adică ϕ(X) este nedefinită.
Rezultă că (0, 0) nu este punct de extrem. Fucţia f nu are puncte de extrem local.
Rezolvare.
Funcţia f este diferenţiabilă pe R2 . Avem
∂f (
= 6x2 + 6y x2 + y = 0
∂x ⇒ ⇒ x4 + x = 0 ⇒ x(x + 1) = 0 ⇒
∂f 2 y 2
+ x = 0
= 6y + 6x
( ∂y (
x1 = 0 y1 = 0
⇒ adică X1 = (0, 0) , X2 = (−1, −1) două puncte
x2 = −1 y2 = −1
staţionare şi à ! à ! à !
12x 6 0 6 −12 6
Hf (X) = ⇒ Hf (X1 ) = şi Hf (X2 ) = .
6 12y 6 0 6 −12
85
Pentru Hf (X1 ) avemà !à !
0 6 dx
ϕ1 (X) = ( dx dy ) , 41 = 0, 42 = |Hf (X1 )| = −36. Cum
6 0 dy
ϕ1 (X) = 12xy, rezultă că este nedefinită ca semn ı̂ntr-o vecinătate a lui X1 =
(0, 0), adică X1 nu este punct de extrem.
Pentru Hf (X2 ) avemà !à !
−12 6 dx
ϕ2 (X) = ( dx dy ) , 41 = −12 < 0, 42 = |Hf (X2 )| =
6 −12 dy
108 > 0 adică ϕ2 (X) este negativ definită şi deci X2 este punct de maxim.
Evident maxf = f (X2 ) = 3.
Rezolvare.
∂f
∂x1 −2x1 + x2 + 1
∂f
∇f (X) =
= x1 − x2 + 1
,
∂x2
−2x + 2
∂f 3
∂x3
−2x1 + x2 + 1 = 0
2
∇f (X) = 0 ⇒ x1 − x2 + 1 = 0 ⇒ X0 = 3 punct staţionar.
−2x3 + 2 = 0 1
−2 1 0 ¯ ¯
¯ −2 1 ¯
¯ ¯
Hf (X) = 1 −1 0 , 41 = −2 < 0, 42 = ¯¯ ¯ = 1 > 0,
1 −1 ¯
0 0 −2
43 = |H| = −2 < 0. Deci ϕ este o formă pătratică negativ definită şi rezultă
că X0 este maxim, global (f este convexă).
Prin stoc se ı̂nţelege o rezervă de bunuri destinate vânzării sau folosirii ı̂n pro-
cesul de producţie. Formarea stocurilor implică cheltuieli de aprovizionare sau
producţie, cheltuieli de stocaj (depozitare, ı̂ntreţinere), pierderi prin deprecierea
bunurilor (depaşirea termenului de garanţie), etc. Gestiunea stocului presupune
86
intrări ı̂n stoc sau aprovizionări şi ieşiri din stoc, acestea putând avea un caracter
determinist sau aleator. Deciziile care se iau ı̂n gestiunea stocurilor urmăresc ı̂n
principal minimizarea costurilor. Gestiunea optimă a stocului presupune deter-
minarea nivelului optim al stocului, volumul optim de reaprovizionare, perioada
optimă de reaprovizionare şi numărul optim de reaprovizionări. In concluzie,
gestiunea optimă a stocului presupune determinarea deciziilor privind conducerea
procesului de consum-aprovizionare.
In ceea ce urmează vom prezenta două modele deterministe ı̂n care se admite
sau nu lipsa din stoc.
Contractul ı̂ntre o unitate de desfacere a n tipuri de produse şi o unitate
productivă prevede:
10 . Pe o durată t0 se va primi o cantitate Ni (i = 1, n) din fiecare tip de
produs, ı̂n mod ritmic, la perioade Ti (i = 1, n) ı̂n cantităţile ce vor fi fixate.
20 . Costul de lansare al unei comenzi din produsul i, este γi .
30 . Nu se admite penurie (lipsă din stoc) la nici un tip de produs.
40 . Se cunosc cheltuielile unitare ci lei de stocare pe fiecare unitate de produs
ı̂n unitatea de timp fixată.
50 . Timpul de reaprovizionare tr = 0 este neglijabil.
In aceste condiţii se cere a se determina:
- cantitatea xi care se aduce din fiecare produs la fiecare reaprovizionare.
- perioada optimă de reaprovizionare Ti (i = 1, n)
- numărul optim de reaprovizionări
astfel ı̂ncâ cheltuielile totale să fie minime.
Pentru fiecare tip de produse vom avea
Ni t0
= = număr de comenzi
xi Ti
Pentru o perioadă Ti vom avea cheltuielile
1
γi + c i x i T i
2
şi pe ı̂ntreaga durată a contractului cheltuielile totale vor fi
n
X n
1 Ni X Ni γ i 1
f (X) = (γi + ci xi Ti ) = + c i t 0 xi , xi > 0
i=1 2 xi i=1 xi 2
Avem
∂f γ1 N 1 1
− 2 + c1 t0
∂x1 x1 2
.. ..
∇f (X) =
. =
.
∂f γ n Nn 1
− 2 + cn t0
∂xn xn 2
87
s
2γi Ni
şi din ∇f (X) = 0 ⇒ xi = adică
ci t0
s
2γ1 N1
c1 t0
X1 = ..
s .
2γn Nn
cn t0
88
Observaţia 2.1. Se observă că nu s-au impus alte restricţii. Este posibil să avem
n
P Pn
la unele produse restricţii de tipul xi ≤ Qi , sau xi ≤ V, sau Vi xi ≤ V . In
i=1 i=1
acest caz domeniul de existenţă al problemei nu mai este o mulţime deschisă şi deci
este posibil să nu mai avem un extrem liber. Obţinem o problemă de programare
cu restricţii.
Observaţia 2.2. Se observă că ı̂n f (X) variabilele sunt separate şi prin urmare
Ni γ i 1
cum fiecare funcţie f (xi ) = + ci t0 xi este de acelaşi fel, ı̂n f (X) se putea
xi 2 s
2Ni γi
afla extremul său ca o funcţie de o variabilă şi obţineam xi = .
ci t0
89
făină de calitatea II se aduce la fiecare comandă.
t 0 x2 30 · 50.000
T1 = = = 10 zile
N2 150000
2 q
X q q
f (X) = 2Ni γi ci t0 = 2N1 γ1 c1 t0 + 2N2 γ2 c2 t0 = 6000 + 3000 = 9000 u.m.
i=1
Deci se aduc câte 100.000 kg făină de calitatea I la fiecare 20 zile şi 50.000 kg
făină de calitatea II la fiecare 10 zile, cheltuielile fiind de 9.000 u.m.
2.5.2. Model de stoc pentru un produs la care se admite lipsă din stoc
Să considerăm acum o gestiune a stocului cu perioadă fixă şi cerere constantă,
relativ la un produs principal, ı̂n următoarele condiţii:
10 . Pe o durată t0 se va dispune de o cantitate N din acel produs.
20 . Se va lansa o comandă x, aceeaşi de fiecare dată şi la perioade egale de
timp T .
30 . Costul unei comenzi este γ u.m. (unităţi monetare)
40 . Cheltuielile unitare de stocare sunt c u.m.
50 . Se admite lipsă din stoc, penalizată unitar cu δ u.m.
60 . timpul de reaprovizionare este neglizabil (tr = 0).
In condiţiile date să se determine nivelul optim al stocului y > 0, al comenzi
x > 0, şi al perioadei fixe T aşa ı̂ncât cheltuielile totale să fie minime.
Notăm cu y nivelul stocului care este suficient pentru o perioadă t1 din T , cu
cheltuieli medii de stocare ı̂n această perioadă de
1
cyt1
2
şi cu penalizări medii pentru lipsă de stoc de
1
δ(x − y)(T − t1 )
2
Cheltuielile totale ı̂ntr-o perioadă T vor fi
1 1
cyt1 + δ(x − y)(T − t1 ) + γ.
2 2
90
N t0
Pentru toate perioadele ( = ) acestea vor fi
x T
Nγ 1 t1 1 T − t1
f (X) = + cyt0 + δ(x − y)t0 , x > 0, y > 0
x 2 T 2 T
t1 y T − t1 x−y
Cum = şi = rezultă
T x t1 x
N γ 1 y 2 1 (x − y)2
f (X) = + ct0 + δt0 , x > 0, y > 0
x 2 x 2 x
Avem
∂f (X) −N γ + δt0 x2 − t0 y 2 (c + δ)
,
∇f (X) =
∂x
∂f (X)
=
2x2
t0 y(c + δ)
−δt0 +
∂y x
s s
2N γ 2N γρ δ
∇f (X) = 0 ⇒ x = ,y= cu ρ = .
ct0 ρ ct0 c+δ
Avem puntul staţionar
s
2N γ
x=
X1 = s ct0 ρ
2N γρ
y=
ct0
Se verifică uşor că Hf (X1 ) este pozitiv definită şi deci X1 este punct de minim.
Intr-adevăr avem
2N γ t0 ρ2 (c + δ) t0 ρ(c + δ)
Ãs !3 + s − s
2N γ 2N γ 2N γ
ct0 ρ ct0 ρ
Hf (X1 ) = ct0 ρ
t0 ρ(c + δ) t0 (c + δ)
− s s
2N γ 2N γ
ct0 ρ ct0 ρ
Evident
2N γ t0 ρ2 (c + δ)
41 = Ãs !3 + s > 0,
2N γ 2N γ
ct0 ρ ct0 ρ
2N γt0 (c + δ)
42 = |Hf (X1 )| = Ãs !4 > 0.
2N γ
ct0 ρ
91
√
Inlocuind X1 ı̂n f obţinem valoarea minimă f (X1 ) = 2N γct0 ρ.
In final obţinem:
R1 . Stocul optim este
s
2N γρ
y= = ρx.
ct0
R2 . Se comandă cantitatea
s
2N γ
x=
ct0 ρ
R3 . Comanda se face la perioada
t0 x
T = .
N
Cheltuielile minime vor fi
q
f (X0 ) = 2N γct0 ρ
δ
Coeficientul ρ = c+δ se mai numeşte şi coeficient de penurie. Introducerea sa şi
deci ı̂n fond a penalizărilor, se face cu scopul de control (reglare) a gestiunii.
92
Costul total minim este
q
f (x1 ) = 2N1 γ1 c1 t0 = 720.000u.m.
x1 t 0 1500 × 360
T1 = = = 6 zile
N1 90.000
Deci se comandă câte 1500 anvelope, periodic la 6 zile.
Dacă urmărim valorile optime x1 , T1 observăm că introducând δ1 = 21 mărimea
optimă x1 creşte de la x1 = 500 la x1 = 1500, perioada de aprovizionare creşte de
la T1 = 2 zile la T1 = 6 zile, iar cheltuielile scad de la f (x1 ) = 720.000 u.m. la
f (x1 ) = 240.000 u.m.
2. O societate comercială şi-a stabilit necesarul anual (360 zile) de 300 televi-
zoare. O comandă făcută costă 1080 u.m. iar costul de stocare este de 0,5 u.m.
93
pentru fiecare televizor pe zi. Aprovizionarea trebuie făcută ı̂n cantităţi egale şi
la intervale de timp egale, iar pentru lipsă din stoc s-au calculat penalizări de 0,4
u.m. pe zi.
a) Să se determine gestiunea optimă, dacă nu se admite lipsă din stoc.
b) In cazul ı̂n care se doreşte ca aprovizionarea să se facă la 60 zile calculaţi
cheltuielile ı̂n acest caz şi comparaţi-le cu cele de la punctul a)
c) Să se determine gestiunea optimă dacă se admite lipsă din stoc.
94
3. ELEMENTE DE TEORIA PROBABILITATILOR
95
Definiţia 3.2. Evenimentul care se realizează numai de către o probă se numeşte
eveniment elementar. Orice alt eveniment se numeşte compus.
Evenimentul a) pus ı̂n evidenţă mai sus este elementar pe când evenimentul b)
este compus; de asemenea compus este evenimentul d). Cu această ocazie se con-
stată că evenimentul d) se realizează pentru toate probele experienţei considerate.
In concluzie, evenimentul d) are o proprietate care-l detaşează de celelalte eveni-
mente relative la aceeaşi experienţă, el se realizează ori de câte ori se efectuează
experienţa.
Pentru orice altă experienţă aleatoare ı̂n care, de exemplu, numărul probelor
este n, se va face o convenţie de notare a acestora prin numere de la 1 la n. In
continuare se constată că evenimentul c) relativ la experienţa citată mai sus nu
se realizează la nici o efectuare a experientei aleatoare.
Din cele expuse mai sus rezultă că fiecare eveniment este unic determinat de
către mulţimea probelor care-l realizează. Din acest motiv, printr-un abuz de
scriere, se ı̂ntelege printr-un eveniment mulţimea probelor care-l realizează. In
consecintă, se va nota cu E evenimentul sigur şi cu ∅ (notaţia mulţimii vide)
evenimentul imposibil.
96
Exemplul 3.1. Se notează cu A şi B doua evenimente relative la experienţa
aleatoare a aruncării zarului ı̂n paragraful anterior, realizate respectiv de probele
{1}, {2} si {1}, {2}, {5}. Atunci se observă că A implică B, ceea ce se notează cu
A ⊂ B. Apoi, dacă prin abuz de scriere se notează A = {1, 2} si B = {1, 2, 5}, se
observă ca ı̂ntre mulţimile A si B are loc relaţia A ⊂ B.
97
Dacă evenimentele A1, A2 , ..., Ap sunt compatibile ı̂n totalitate, atunci sunt şi
compatibile două câte doua. Reciproca nu este ı̂ntotdeauna adevarată.
98
Se poate demonstra prin inducţie completă că dacă mulţimea probelor are
n elemente, atunci câmpul evenimentelor are 2n elemente. Se obţine ca un caz
particular faptul că numarul evenimentelor legate de aruncarea pe o suprafaţa
plană a unui tetraedru regulat şi omogen este 24 .
A ∪ B = A ∩ B, A∩B =A∪B
1) Ai ∩ Aj = ∅ , i, j = 1, k, , i 6= j
k
2) ∪ Ai = E.
i=1
99
3.2. Probabilitate. Câmp de probabilitate
Este evident faptul că ı̂n altă serie de efectuări ale experienţei, frecvenţa eveni-
mentului A este cu totul alta. In orice caz frecvenţa evenimentului A are pro-
prietăţile:
1) 0 ≤ fN (A) ≤ 1
2) fN (E) = 1, dacă E este evenimentul sigur.
3) fN (A ∪ B) = fN (A) + fN (B) dacă A ∩ B = ∅
Definiţia 3.16. Fie un experiment dat şi un eveniment A relativ la acest experi-
ment. Se numeşte probabilitatea evenimentului A şi se notează cu P (A), raportul
dintre numărul m al cazurilor favorabile realizării evenimentului A şi numărul n
al cazurilor egal posibile ale experienţei, adică P (A) = m
n
.
Aceasta este definiţia clasică a probabilităţii şi se poate folosi numai ı̂n exper-
imente cu evenimente egal posibile.
Experienţa aleatoare considerată având patru cazuri egal posibile, iar eveni-
mentele date având 1, 2, 0 şi respectiv 4 cazuri posibile favorabile, probabilităţile
evenimentelor sunt
1 2 0 4
P (A) = , P (B) = , P (C) = = 0, P (D) = = 1
4 4 4 4
Egalităţile de mai sus sugerează proprietăţi general valabile pentru experienţe
aleatoare, care au loc ı̂n baza următoarei teoreme:
100
Teorema 3.1. Dată fiind o experienţă aleatoare arbitrară relativ la care toate
cele n cazuri sunt egal posibile, şi notând prin E evenimentul sigur, prin ∅ eveni-
mentul imposibil şi prin A, B două evenimente arbitrare, sunt verificate relaţiile:
1) 0 ≤ P (A) ≤ 1
2) P (E) = 1
3) P (A ∪ B) = P (A) + P (B) dacă A ∩ B = ∅
4) P (∅) = 0 ³ ´
5) P (A) = 1 − P A .
Exemplul 3.7. Intr-o urnă se găsesc 200 lozuri dintre care 5 sunt câstigătoare.
Să se determine probabilitatea ca scoţând 3 lozuri la ı̂ntâmplare, printre acestea
să fie cel putin un loz câştigător.
Rezolvare. Notăm cu A evenimentul care constă ı̂n apariţia a cel puţin unui loz
câştigător. Problema se rezolvă calculând probabilitatea evenimentului contrar:
scoţând 3 lozuri nici unul să nu fie câştigator. Deoarece numărul cazurilor egal
3 3
posibile este C200 , iar numărul cazurilor favorabile este C195 , rezultă că P (A) =
3
C195
3
, iar probabilitatea evenimentului de a scoate printre cele trei lozuri cel puţin
C200
unul câştigator este
3
C195
P (A) = 1 − 3 ∼ = 1 − 0, 926 = 0, 074
C200
Exemplul 3.8. Un lot de 100 produse este supus controlului prin sondaj. Dacă
se găseşte cel puţin un rebut la 5 produse controlate, atunci lotul este respins ca
necorespunzător. Dacă lotul conţine 4% produse defecte, să se determine proba-
bilitatea ca lotul să fie respins.
Rezolvare. Lotul conţine 4 produse defecte şi 96 bune. Vom nota cu A eveni-
mentul ca din 5 produse verificate toate să fie bune (nici unul să nu fie rebut).
101
5 5
Numărul cazurilor favorabile este C96 iar cel al cazurilor egal posibile C100 , care
5
C
conduc la P (A) = 596 . Rezultă că probabilitatea căutată este
C100
5
C96
P (A) = 1 − 5
= 1 − 0, 811 = 0, 189
C100
Noţiunea de probabilitate a fost introdusă ı̂n acest paragraf pe cale intuitivă.
Dacă se procedează riguros matematic, această noţiune se introduce axiomatic
astfel:
Definiţia 3.18. Mulţimea perechilor de forma (A, P (A)) unde A este egal pe
rând cu fiecare eveniment al unui câmp finit de evenimente, se numeste câmp finit
de probabilitate.
P (A ∩ B) = P (A) · P (B)
102
Dacă P (A ∩ B) 6= P (A) · P (B) atunci evenimentele A şi B se numesc depen-
dente.
Pe o suprafata orizontală se aruncă doua tetraedre regulate şi omogene cu
feţele numerotate cu 1,2,3,4 şi respectiv 1’,2’,3’,4’. Fie A evenimentul care se
realizează dacă pe primul tetraedru apare una din feţele 1 şi 2, cu B evenimentul
care se realizează dacă pe cel de-al doilea tetraedru apare una din feţele 2’ sau
3’ şi cu C evenimentul care se realizează dacă suma numerelor aparute pe feţele
celor doua tetraedre este 4. Să se arate că evenimentele A şi B sunt independente,
pe când evenimentele A şi C sunt dependente.
Numărul cazurilor egal posibile este 16
((i, 10 ), (i, 20 ), (i, 30 ) , (i, 40 ) , i = 1, 4)
Evenimentele favorabile lui A sunt:
(1, 10 ),(1, 20 ),(1, 30 ),(1, 40 ),(2, 10 ),(2, 20 ),(2, 30 ),(2, 40 ), deci 8, adică
8
P (A) = 16 = 21 .
Evenimentele favorabile lui B sunt:
(1, 20 ),(2, 20 ),(3, 20 ),(4, 20 ),(1, 30 ),(2, 30 ),(3, 30 ),(4, 30 ), deci 8, adică
8
P (B) = 16 = 12
Evenimentele favorabile lui C sunt:
3
(1, 30 ), (2, 20 ), (3, 10 ), deci P (C) = 16
Probele care realizeaza evenimentul A ∩ B sunt
(1, 20 ),(1, 30 ),(2, 20 ),(2, 30 ), ˙ deci P (A ∩ B) = 4
16
Probele care realizeaza evenimentul A ∩ C sunt
2
(1, 30 ), (2, 20 ), deci P (A ∩ C) = 16 . Deoarece
1 1 1
P (A) · P (B) = · = = P (A ∩ B)
2 2 4
1 3 3 1
P (A) · P (C) = · = 6= = P (A ∩ C)
2 16 36 8
rezultă că evenimentele A şi B sunt independente, iar evenimentele A şi C sunt
dependente. Se poate demonstra că:
103
Definiţia 3.21. Dacă A şi B sunt doua evenimente relative la aceeaşi experienţă
aleatoare astfel ca P (B) > 0, numărul
P (A ∩ B)
P (A | B) =
P (B)
se numeşte probabilitatea lui A condiţionată de B.
Reluând datele din exemplul de mai sus, se găsesc relaţiile
1
1 4 P (A ∩ B)
P (A) = = 1 = = P (A | B),
2 2
P (B)
1
1 4 P (A ∩ B)
P (B) = = 1 = = P (B | A),
2 2
P (A)
1
P (A ∩ C) 8 1 3
P (A | C) = = 1 = 6= = P (C) .
P (C) 2
4 16
Primele două rezultate sunt evidente ı̂n baza teoremei de mai jos:
Teorema 3.3. Dacă A si B sunt evenimente independente astfel că P (A) > 0 şi
P (B) > 0 atunci
şi reciproc, dacă cel puţin una dintre cele doua egalitaţi este adevarată, atunci
A şi B sunt independente.
P (A ∩ B) = P (B ∩ A) = P (A) · P (B) ,
iar cea de-a doua din faptul că, de exemplu, relaţia P (A | B) = P (A) conduce,
conform definiţiei lui P (A | B), la relaţia
P (A ∩ B)
= P (A)
P (B)
adică la relaţia P (A ∩ B) = P (A) · P (B) . u
t
Definiţia 3.22. Se spune că evenimentele A1 , A2 , ..., Ap sunt independente ı̂n to-
talitate, dacă pentru orice număr k, 2 ≤ k ≤ p, de evenimente dintre ele are loc
relaţia
k
Y
P (Ai1 ∩ Ai2 ∩ ... ∩ Aik ) = P (Aij ) unde 1 ≤ ij ≤ p.
j=1
104
Observaţia 3.1. Dacă evenimentele A1 , A2 , ..., Ap sunt independente ı̂n totali-
tate, atunci sunt independente două câte doua, dar nu şi reciproc.
P (A ∩ B) = P (B) · P (A | B) = P (A) · P (B | A)
9 10 3
P (A ∩ B) = P (B | A) · P (A) = · =
24 25 20
15 14
b) P (A) = 25
şi P (B | A) = 24
. Probabilitatea căutată este
14 15 7
P (A ∩ B) = P (B | A) · P (A) = · =
24 25 20
10 15
c) P (A) = 25
şi P (B | A) = 24
. Evenimentul cerut este A ∩ B, adică
15 10 1
P (A ∩ B) = P (B | A) · P (A) = · =
24 25 4
d) Evenimentul căutat este C = (A ∩ B) ∪ (A ∩ B) şi
10 15 1
P (A ∩ B) = P (B | A) · P (A) = · =
24 25 4
105
1 1 1
P (C) = P (A ∩ B) + P (A ∩ B) = + =
4 4 2
deoarece A ∩ B ∩ A ∩ B = ∅.
e) Evenimentul este
C = (A ∩ B) ∪ (A ∩ B) = A ∩ (B ∪ B) = A ∩ E = A
3 1 2
P (C) = P (A ∩ B) + (A ∩ B) = + = = P (A)
20 4 5
f) Evenimentul este C = (A ∩ B) ∪ (A ∩ B) = B ∩ (A ∪ A) = B ∩ E = B şi
1 7 3
P (C) = P (A ∩ B) + P ((A ∩ B) = + = = P (B)
4 20 5
g) Notăm evenimentul cu C. Evenimentul contrar este să nu se extragă nici un
7
subiect teoretic, adică ambele să fie aplicaţii. De la punctul b) avem P (C) = 20
7 13
P (C) = 1 − P (C) = 1 − =
20 20
Altfel,
3 1 1 13
C = (A ∩ B) ∪ (A ∩ B) ∪ (A ∩ B) ⇒ P (C) = + + = .
20 4 4 20
h) C = (A ∩ B) ∪ (A ∩ B) ∪ (A ∩ B) şi
7 1 1 17
P (C) = + + =
20 4 4 20
Altfel, C ı̂nseamnă cel puţin un subiect practic, sau echivalent, ambele teoretice.
3
Deci de la a) avem P (C) = 20 adică
17
P (C) = 1 − P (C) = .
20
106
3.3. Formule clasice de probabilitate
p p
B = B ∩ E = B ∩ ( ∪ Ai ) = ∪ (B ∩ Ai )
i=1 i=1
p
P
Dar P (B∩Ai ) = P (Ai )·P (B | Ai ), pentru i = 1, p, atunci P (B) = P (Ai )·P (B |
i=1
Ai ), adică rezultatul căutat. u
t
Exemplul 3.10. Trei loturi de piese L1 , L2 , L3 conţin câte 100 piese fiecare.
Primul lot are 2% rebuturi, al doilea 3% rebuturi, iar ultimul 4% rebuturi. Se
alege la ı̂ntâmplare un lot şi se extrage o piesă. Determinaţi probabilitatea ca
aceasta să fie defectă.
P (Ai ) · P (B | Ai )
P (Ai | B) =
P (B)
108
Teorema 3.6. Pentru orice sistem de p evenimente A1 , ..., Ap din acelaşi câmp
de evenimente are loc relaţia
p
X p
X µ ¶
p p
P ( ∪ Ai ) = P (Ai )− P (Ai ∩ Aj ) + ... + (−1)p−1 P ∩ Ai
i=1 i=1
i=1 i,j=1
Exemplul 3.12. O urnă conţine 3 bile albe şi 5 bile negre, iar alta conţine 4
bile albe si 6 negre. Din fiecare urnă se extrage cı̂te o bilă. Să se calculeze
probabilitatea ca cel puţin una dintre bilele extrase să fie neagră.
Rezolvare. Fie A, respectiv B evenimentul apariţiei unei bile negre la ex-
tragerea unei bile din prima urnă, respectiv a doua urnă. Deoarece evenimentul
propus, adică extragerea cel puţin a unei bile negre, se realizează de ı̂ndată ce se
realizează A sau B, rezultă că probabilitatea cerută este P (A ∪ B) . Avem for-
mula P (A ∪ B) = P (A) + P (B) − P (A ∩ B) unde P (A ∩ B) = P (A) · P (B) căci
evenimentul A este independent de evenimentul B. Apelând la definiţia clasică a
probabilităţii, se obţin valorile P (A) = 85 şi P (B) = 10
6
. Atunci
5 3 5 3 17
P (A ∪ B) = + − · = .
8 5 8 5 20
Exemplul 3.13. Pe o suprafaţă orizontală se aruncă 4 tetraedre regulate şi omo-
gene, toate feţele fiind numerotate cu 1,2,3,4. Să se determine probabilitea ca să
apară cel puţin o faţă cu număr par de puncte.
Rezolvare. Pentru rezolvare se notează respectiv cu A1 , A2 , A3 , A4 evenimentele
care se realizează respectiv dacă apare o faţă cu număr par de puncte pe primul,
pe al doilea, pe al treilea şi pe al patrulea. Atunci ı̂n mod evident P (Ai ) = 24 = 12
iar
µ ¶ 4
X 4
X 4
X µ ¶
4 4
P ∪ Ai = P (Ai )− P (Ai ∩ Aj )+ P (Ai ∩ Aj ∩ Ak ) − P ∩ Ai
i=1 i=1
i=1 i,j=1 i,j,k=1
i<j<k
Dacăµţinem ¶seama că cele patru evenimente sunt independente ı̂n totalitate,
4 4
1
avem P ∩ Ai = Π P (Ai ) . Deoarece P (Ai ) = 2
pentru i = 1, 2, 3, 4 rezultă:
i=1 i=1
µ ¶ µ ¶2 µ ¶3 µ ¶4
4 1 1 1 1 15
P ∪ Ai = 4 · −6 +4 − =
i=1 2 2 2 2 16
109
Teorema 3.7. Dacă A1 , A2 , ..., Ap sunt evenimentele din acelaşi câmp de eveni-
mente, atunci are loc inegalitatea
µ ¶ p
X
p
P ∪ Ai ≤ P (Ai )
i=1
i=1
Demonstraţie. Pentru fiecare i = 1, 2, ..., p se construieşte evenimentul
Bi = Ai ∩ Ai−1 ∩ Ai−2 ∩ ... ∩ A2 ∩ A1
Se constată fără dificultate că sunt adevărate relaţiile:
p p
Bi ⊆ Ai , Bi ∩ Bj = ∅ , i, j = 1, 2, ..., n şi i 6= j, ∪ Ai = ∪ Bi
i=1 i=1
p p
P
Rezultă că P (Bi ) ≤ P (Ai ). Deci P ( ∪ Ai ) ≤ P (Ai ) adică tocmai ce trebuia
i=1 i=1
demonstrat. u
t
Teorema 3.8. Dacă A1 , A2 , ..., Ap sunt evenimente din acelaşi câmp, atunci este
adevărată inegalitatea (Boole)
p
X p
X
p p
P ( ∩ Ai ) ≥ 1− P (Ai ) ⇔ P ( ∩ Ai ) ≥ P (Ai ) − (p − 1)
i=1 i=1
i=1 i=1
Demonstraţie. Tinı̂nd seama de teorema anterioară, faptul că are loc egalitatea
µ ¶
p p p
C ∩ Ai = ∪ CAi = ∪ Ai
i=1 i=1 i=1
se obţine succesiv
µ ¶ · µ ¶¸ µ ¶ p
X
p p p
P ∩ Ai = 1 − P C ∩ A =1−P ∪ Ai ≥ 1− P (Ai ).
i=1 i=1 i=1
i=1
110
3.3.1. Scheme clasice de probabilitate
Exemplul 3.16. Trei loturi de piese L1 , L2 , L3 conţin câte 100 piese fiecare.
Primul lot are 2% rebuturi, al doilea 3% rebuturi, iar ultimul 4% rebuturi. Se
extrage la ı̂ntâmplare câte o piesă din fiecare lot. Care este probabilitatea de a
extrage:
a) două piese defecte
b) nici o piesă defectă
c) cel puţin o piesă defectă
Cnk pk q n−k ,
³ ´
unde p = P (A) şi q = P A = 1 − p. (schema lui Bernoulli)
Exemplul 3.17. Intr-o urnă se găsesc 4 bile albe şi 6 negre. Se fac 5 extrageri de
câte o bilă, punându-se de fiecare dată bila extrasă ı̂napoi ı̂n urnă. Să se determine
probabilitatea ca dintre cele 5 bile extrase numai trei să fie negre.
Schema polinomială
112
Teorema 3.11. Probabilitatea ca ı̂n n efectuări ale unei experienţe aleatoare,
evenimentul Ai să se realizeze de ni ori i = 1, m evenimentele A1 , A2 , ..., Am
realizând o partiţie a evenimentului sigur, este
n!
P = P (n; n1 , n2 , ..., nm ) = pn1 pn2 ...pnmm
n1 !n2 !...nm ! 1 2
unde n = n1 + n2 + .. + nm iar pi = P (Ai ) , i = 1, 2....m. Aceasta este schema
polinomială.
Exemplul 3.18. Intr-o urnă se găsesc 2 bile albe, 3 bile negre şi 5 bile roşii. Se
extrag din urnă 6 bile, una cı̂te una, bila punı̂ndu-se ı̂napoi ı̂n urnă. Care este
probabilitatea ca o bilă să fie albă, 2 negre şi 3 roşii?
113
n
bilelor extrase, adică Ca+b . Pentru a determina numărul cazurilor favorabile se ţine
seama de faptul că cele a bile albe pot fi luate in grupe de k bile ı̂n Cak moduri, iar
cele b bile negre pot fi luate ı̂n grupe de n − k bile ı̂n Cbn−k moduri. Cum la fiecare
combinaţie din prima mulţime se poate ataşa pe rând fiecare combinaţie din a
doua mulţime, rezultă că numărul cazurilor favorabile realizării evenimentului in
discuţie este egal cu Cak Cbn−k . Probabilitatea cautată va fi egală cu numărul
Cak Cbn−k
n
Ca+b
Observaţia 3.3. Schema bilei nerevenite se poate generaliza, pentrul cazul când
urna conţine ai bile de culoare ci (i = 1, m). Probabilitatea ca din cele n bile
extrase ni să fie de culoarea ci (i = 1, m) cu n1 + n2 + ... + nm = n este egal cu
numărul
Can11 · Can22 · ... · Canmm
.
Can11+....+a
+n2 +...+nm
m
Exemplul 3.19. Dintr-o cutie ı̂n care se află 20 lozuri câştigătoare şi 1000 necâş-
tigătoare, se scot la ı̂ntămplare 6 lozuri. Care este probabilitatea ca 2 dintre
acestea fie căştigătoare.
114
References
[1] Ciucu, G., Craiu, V., Stefănescu, A., Statistică Matematică şi Cercetari
Operaţionale, E.D. P. Bucureşti, 1986.
[2] Dantzing, G. B., Orden, A., Recent Advances in Linear Programming, Rand.
Report R. M., 1955.
[3] Dragomirescu, M., Maliţa, M., Programare Neliniară, Ed. Stiinţifică, Bu-
cureşti, 1972
[4] Ionescu, H., Dinescu, C., Savulescu, B., Probleme ale Cercetării Operaţionale,
E. D. P. Bucureşti 1972
[5] Iosifescu, M., Mihoc, Gh., Teoria Probabilităţilor şi Statistică Matematică,
Editura Tehnică, Bucureşti, 1966.
[6] Nicolescu , M. Analiză Matematică, vol. I., E. D. P, Bucureşti, 1963.
[7] Kuhn, H.W, Tucker, A.W. Nonlinear Programming, Univ. of California Press,
Berkeley, 1951.
[8] Onicescu, O., Probabilităţi şi Procese Aleatoare, Editura Stiintifică şi Enci-
clopedică Bucureşti, 1977.
[9] Owen, G., Teoria jocurilor, Ed, Tehnica, Bucuresti, 1974
[10] Popescu, O., & co., Matematici Aplicate ı̂n Economie, E.D.P. Bucureşti, 1997
[11] Popescu, L. Modele Matematice ale Fenomenelor Economice, Ed. Sitech,
Craiova, 2005
[12] Rocşoreanu C., Matematici Aplicate ı̂n Economie, Ed. Universitaria, Craiova,
2001.
[13] Stavre, P., Matematici Speciale cu Aplicaţii ı̂n Economi e, Ed. Scrisul
Românesc, Craiova 1982.
[14] Stavre, P. Popescu L., Programări Liniare cu Variabile Mărginite Superior.
Programări generale. Ed. Sitech, Craiova, 2003
[15] Stavre, P., Rocşoreanu, C., Optimizări şi Aplicaţii ı̂n Economie, Editura
Infomed, Craiova, 1995.
115
[16] Stavre P., Rocşoreanu C., Matematici Aplicate. Probabilitati si Statistica, Ed.
Universitaria, Craiova, 1998
[17] Trandafir R., Duda, I., Baciu, A., Ioan, R. Matematici pentru economişti II.
Ed. Fundaţiei România de Mâine, Bucureşti, 2001.
[18] Tigănilă Gh., Popescu, L., Matematică şi Statistică, Ed. Sitech, Craiova,
2000.
[20] Zanfir St., Matematici aplicate ı̂n economie, Ed. Universitaria, Craiova, 1998.
116