1. Operații cu matrice.

Sisteme de ecuații liniare

1.1 Noţiuni generale despre matrice - Recapitulare

Ce este matricea?

Definiție: Fie K un corp (comutativ) și m, n N*. O funcție A : {1...m}x{1...n}  K se numește

matrice cu m linii, n coloane (sau de tip (m, n)) și coeficienți în K.
Notăm cu M m ,n ( K ) mulțimea matricilor cu m linii, n coloane și coeficienți în K. Dacă m = n,

atunci matricea este o matrice pătratică.

Definiţie: Numim o matrice cu elemente din Γ cu m linii și n coloane (m; n N):
 a11 a12 ... a1n 
 
a a22 ... a2 n 
A   21  aij unde i  1, m, j  1, n
... ... ... ... 
 
a ... amn 
 m1 am 2

Astfel spus: A  {aij } , unde i  1, m  linia și j  1, n  coloană

Matricea M m ,n ( ) poate avea următoarele cazuri particulare:

 matrice cu o linie şi n coloane se numeşte matrice linie: A  (a11,a12.......a1n ) . Matricea

linie se notează A  M 1,n ()

 a11 
 
a 
 matrice cu m linii şi o coloană se numeşte matrice coloană: A   21  . Matricea linie se
...
 
a 
 m1 
notează A  M m ,1 ()

 matricea ale căror valori aferente liniilor și coloanelor sunt zero se numeşte matricea nulă
0 0 ... 0
 
0 0 ... 0
(zero) 0  
... ... ... ...
 
0 0 
 0 ...
 matricea cu acelaşi număr de linii şi coloane, m=n, se numeşte matrice pătratică.

1
  matricea ale căror valori pe diagonala principală sunt 1 și celelalte valori sunt zero se
1 0 ... 0
 
0 1 ... 0
numește matricea unitate I n  
... ... ... ...
 
0 1 
 0 ...

Considerând o matrice A  M m ,n ( R ) , mulţimea ordonată (a11 , a22 ,....., ann ) care se numeşte diagonala

principală a matricei, iar mulţimea ordonată (a1n , a2n1 ,....., an1 ) se numeşte diagonala secundară a
matricei. Astfel spus, fie matricea:
 a11 a12 a13 ... a1n 
 
 a21 a22 a23 ... a2 n 
A   a31 a32 a33 ... a3n 
 
 ... ... ... ... ... 
a ann 
 n1 an 2 an 3 ...

unde (a11 , a22 ,....., ann ) este diagonala principală și (a1n , a2n1 ,....., an1 ) este diagonala secundară a
matricei.

Operații cu matrici

a. Adunarea a două matrici

Fie A, B  M mn ( R ), A  (aij ), B  (bij ) se numeşte suma matricelor A şi B matricea

A  B  (cij )  M mn ( R) , cij  aij  bij , i  1,...m, j  1,..., n

În contextul celor afirmare anterior, definim două matrici, matricea A și matricea B

 a11 a12 ... a1n   b11 b12 ... b1n 

   
a a22 ... a2 n  b b22 ... b2 n 
A   21  și B   21
... ... ... ... ... ... ... ... 
   
a ... amn  b ... bmn 
 m1 am 2  m1 bm 2

2
  a11  b11 a12  b12 ... a1n  b1n 
 
 a b a22  b22 ... a2 n  b2 n 
Spunem că A+B este  21 21
... ... ... ... 
 
a  b am 2  bm 2 ... amn  bmn ij
 m1 m1

b. Înmulțirea cu scalari a matricilor

Fie   R și A  {aij }  M m,n ( R) dacă există   R și matricea A  A  M m ,n ( R)  A  {aij } ,

putem afirma că:

 a11 a12 ... a1n   a11 a12 ... a1n 

   
a a22 ... a2 n   a21 a22 ... a2 n 
A   21   A 
... ... ... ...   ... ... ... ... 
   
a   ... amn 
 m1 am 2 ... amn   am1 am 2

c. Produsul a două matrici

Produsul AB a două matrici nu se efectuează decât dacă numărul de coloane a lui A este egal cu
numărul de linii a lui B.
Fie A  M mn (R ) și B  M np (R ) , A  (aij ), B  (bij ) se numeşte produsul matricelor A şi B matricea

AB  cij  M mp (R ) .

Dacă matricile sunt pătratice atunci are sens atât AxB cât și BxA. În general AB BA, adică
înmulțirea nu este comutativă.
Astfel spus, fie două matrici, matricea A și matricea B

a a12   b11 b12 

A   11  și B   
 a21 a22   b21 b22 

 a11b11  a12b21 a11b12  a12b22 

Spunem că AxB   
 a 21b11  a 22 b21 a 21b12  a 22 b22 

3
Rangul unei matrici

Definiţie: Se numeşte rang al unei matrice, maximul ordinelor minorilor nenuli ai matricei date.
Definiţie: Fie o matrice A  M n (R) , A  ( aij ) . Fixăm liniile i1....ik şi coloanele j1... jk în matricea

dată. Determinantul format cu elementele aflate la intersecţia liniilor şi coloanelor fixate se numeşte
minor al matricei A şi se notează:
 ai .... ai1 j 
i1 ik
 1 j1 k 

D j1  jk   .... .... ....  , determinantul obţinut prin eliminarea liniilor şi coloanelor fixate mai
a .... aik j 
 ik j1 k 

sus se numeşte minor complementar lui D ij11ikjk .

1.2 Noțiuni generale despre determinant –Recapitulare

Ce este determinantul?
a11 ... a1n
Definiție: Fie A  M n () . Numim determinant al matricei A numărul ... ... ...
an1 ... ann

  (1)
Pn
inv ( )
a1 (1) a2 ( 2) .....an ( n ) , unde Pn este grupul permutărilor unei mulțimi cu n elemente, iar

Inv(σ) este numărul inversiunilor permutării σ.

4
Metode de calcul al unui determinant

a. Regula lui Sarrus

Regula lui Sarrus este simplă, utilizată pentru calculul determinantului matricii pătratice de ordinul
3 (3×3). Regula a fost denumită după matematicianul francez Pierre Frédéric Sarrus.

Regula lui Sarrus pentru o matrice de 3x3 se aplică astfel:

 a11 a12 a13 
 
A   a21 a22 a 23  , atunci determinatul acestei matrici poate fi calculat folosind următoarea
a a33 
 31 a32
regulă: se rescriu primele două linii de sus ale matricii sub ultima linie, formându-se o matrice cu 5
linii. Determinantul se calculează prin suma produselor numerelor de pe diagonalele descendente
minus suma produselor numerelor de pe diagonalele ascendente.

b. Regula triunghiului
Regula triunghiului pentru o matrice de 3x3 se aplică astfel:
 a11 a12 a13 
 
A   a21 a22 a 23  , atunci determinatul acestei matrici poate fi calculat folosind următoarea
a a33 
 31 a32
regulă: se formează un triunghi din liniile matricei. Astfel diagonala principală se pastrează și
primul triunghi este format din următoarele două valori de sub diagonala principală și vârful aferent
părții superioare diagonalei principale. Determinantul se calculează prin suma produselor numerelor
de pe diagonalele descendente minus suma produselor numerelor de pe diagonalele ascendente.
Ambele se aplică numai determinanților de ordin 3

1.3. Inversa unei matrice- Recapitulare

Definiție: Matricea A  M n () se numește inversabilă dacă există A1  M n () astfel că

A1 xA  AxA 1  I n

Matricea A  M n () este inversabilă dacă și numai dacă det(A) 0. Matricea inversă se scrie sub

1
forma: A1  A* .
det A

5
Definiție: Fie A  (a ij ) , i  1, m și j  1, n o matrice. Transpusa matricei definite anterior este de

forma A t  (a ji ) , i  1, m , j  1, n .

Matricea adjunctă se notează cu A* și se calculează aplicând formula complementului algebric.

 11 12 ... 1n 

 
 22 ... 2 n 
A   21
*

... ... ... ... 

 
 ... mn 
 m1 m 2
unde ij este numit complement algebraic al elementului numărul ij  (1) i  j det( Aij ) .

Complementul algebric se raportează la matricea transpusă.

1.4 Sisteme de ecuații liniare- Recapitulare

Definiţie: Se numeşte sistem de m ecuaţii liniare cu n necunoscute problema determinării

numerelor reale xi  R astfel încât:

 a11 x1  a12 x2 ....  a1n xn  b1

 a x  a x  ....a x  b
 21 1 22 2 2n n 2

 ...........................................
am1 x1  am 2 x2  ...amn xn  bm

Unde:
 a11 a12 ... a1n 
 
a a22 ... a2 n 
A   21 = matricea asociată sistemului
... ... ... ... 
 
a ... amn 
 m1 am 2

 b1 
 
b 
B   2  = matricea termenilor liberi
...
 
b 
 n

 x1 
 
x 
X   2  = matricea necunoscutelor
...
 
x 
 n
6
În raport cu cele menționate anterior, sistemul de mai sus se scrie şi sub forma AX=B. În situația în
care matricea termenilor liberi este zero (B=0) sistemul se numește omogen.
Definiţie: Un sistem care admite soluţie se numeşte sistem compatibil. Dacă soluţia este unică,
atunci el se numeşte sistem compatibil determinat, în caz contrar, numindu-se sistem compatibil
nedeterminat. Un sistem care nu are soluţie se numeşte sistem incompatibil.
Teoremă (Kronecker-Capelli): Un sistem este compatibil dacă şi numai dacă rangul matricei
sistemului este egal cu rangul matricei sale extinse.
Definiţie: Fiind dat sistemul AX=B numim sistem omogen asociat, sistemul AX=0.

7
 2. Metode de rezolvare a sistemelor de ecuații liniare

a. Metoda matriceală
AxX=B
Dacă determinantul asociat matricei este diferit de zero rezultă că matricea A are inversă (sau este
inversabilă) ceea ce însemană că  A1 . Pentru a calcula valoarea necunoscutelor unui sistem
folosind metoda matriceală se folosește ecuația: X  A1 xB .

Ecuația prezentată anterior se obține astfel:

Pornind de la ecuația inițială A  X  B se va înmulții și în partea stângă și în partea dreaptă cu
A1 , astfel obținem: A1 xAxX  A1 xB . Așa cum se cunoaște A1 xA  I n , astfel rezultă ecuația

noastră X  A1 xB .

b. Regula lui Cramar

Un sistem liniar de n ecuații cu n necunoscute se numeste sistem Cramer dacă determinantul
matricei asociate sistemului este diferit de zero. Deoarece matricea asociată sistemului este
nesingulară însemnă că sistemul este compatibil determinat. Pentru determinarea soluției se
procedează astfel:
1. Se calculează detA ( determinantul aferent matricei associate sistemului)
2. Calculam determinanții d x j , unde j=1,2,...,n. Acești determinanți se obțin astfel: în matricea A

(matricea asociată sistemului) se înlocuiește coloana j cu coloana termenilor liberi și se calculează

determinantul matricei obținute.
dx j
3. Necunoscutele aferente sistemului se exprimă cu formula x j 
det A
În vederea exemplificării celor menționate anterior se analizează sistemul linear omogen:
 a1x  b1y  c1

a 2 x  b 2 y  c 2

 a1 b1 
A =   - matricea asociată sistemului (formată din coeficienții necunoscutelor)
a2 b 2 

det A  a1b2  a 2b1 - determinantul sistemului, det A  0

8
 c b1 
d x  1  (se obține din matricea asociată sistemului înlocuind coeficientii lui x cu coloana
 c2 b2 
termenilor liberi). Determinatul aferent acestei matrice este: det d x  c1b2  c2b1

a c 
d y   1 1  (se obține din matricea asociată sistemului înlocuind coeficientii lui y cu coloana
 a 2 c2 
termenilor liberi). Determinatul aferent acestei matrice este: det d y  a1c2  a2 c1 .

dx c b bc
x  1 2 1 2
det A a1b2  a2b1
dy a1c2  a2 c1
y 
det A a1b2  a2b1

c. Metoda eliminării complete sau metoda lui Gauss

Metoda eliminării complete se poate folosi, printre altele, pentru:

 rezolvarea unui sistem de ecuaţii liniare
 calculul inversei unei matrice nesingulare

Etapele aplicării metodei eliminării complete sunt:

1. Se alcătuieşte un tabel care conţine matricea sistemului ce trebuie rezolvat (notată A) sau
matricea ce trebuie inversată (A).
2. Se alege un element nenul al matricei A, numit pivot.
3. Elementele din tabel se modifică astfel:
a. elementele de pe linia pivotului se împart la pivot;
b. coloana pivotului se completează cu zero;
c. restul elementelor se calculează după regula dreptunghiului:
 se formează un dreptunghi, având elementul ce trebuie înlocuit şi pivotul ca vârfuri;
 din produsul elementelor de pe diagonala pivotului se scade produsul elementelor celeilalte
diagonale, iar rezultatul se împarte la pivot.

9
Schematic regula dreptunghiului se prezintă astfel:
a ... x bx  ac
x, 
. . . b
b c

Unde:
b = pivotul;
x = elementul ce trebuie înlocuit;
x'= noua valoare a elementului x

d. (facultativ) dacă pe linia pivotului există un element egal cu zero, atunci coloana acelui
element se copiază; analog, dacă pe coloana pivotului există un element egal cu zero, atunci
linia acelui element se copiază.
4. Se reiau paşii 2 şi 3 până când de pe fiecare linie s-a ales câte un pivot.

Pentru a putea fi mai ușor de înțeles și de aplicat se va prezenta în continuare forma generală pentru
ambele situații:
 rezolvarea unui sistem de ecuaţii liniare:
A b
….. ……
In X

 calculul inversei unei matrice nesingulare:

A In
….. …..
In A-1

10
 Exerciții rezolvate

1. Să se rezolve sistemul de ecuații folosint toate cele trei metode prezentate anterior:
 x  y  2z  1

2x  y  2z  4
4x  y  4z  2


unde:
 1 1 2
 
A   2  1 2  este matricea asociată sistemului
 4 1 4
 

 1
 
B    4  este matricea termenilor liberi
  2
 

x
 
X   y  este matricea necunoscutelor
z
 

Rezolvare:

a. Rezolvarea sistemului de ecuații folosind metoda matriceală

X  A1 xB
1
A1  A*
det A

 x  y  2z  1

2x  y  2z  4
4x  y  4z  2

 1 1 2
 
A   2 1 2 
 4 1 4
 

11
 1 1 2
det(A)  2  1 2  4  4  8  8  2  8  6
4 1 4

1 1 2

2 -1 2

4 1 4

1 1 2

2 -1 2

1*(-1)*4+2*1*2+4*1*2-[2*(-1)*4+2*1*1+4*1*2]=(-4)+4+8+8-2-8=6

det(A) este diferit de zero ceea ce însemană că matricea este inversabilă.

Pentru a calcula inversa trebuie sa calculam matricea adjunctă, dar mai înainte se scrie matricea
transpusă:
 1 1 2
 
A   2 1 2 
 4 1 4
 

 1 2 4
t   este matricea transpusă
A   1 1 1 
 2 2 4
 

 11 12 ...... 1n 

 
*  21 22 ....... 2n  , unde ij este numit complement algebric.
A 
..... ..... ..... ..... 
 
 
 m1 m 2 ...... mn 

ij  (1) i  j det( Aij )

 11 12 13 

   1 2 4
A   21 22
*
23  t  
A   1 1 1 
 33 
 31 32  2 2 4
 

 1 1
11  (1)11   4  2  6
 2 4
1 1
12  (1)1 2    (1)(4  2)  2
 2 4

12
  1  1
13  (1)1 3    2  2  4
2 2 
 2 4
21  (1) 2 1   (1)(8  8)  0
 2 4
1 4
22  (1) 2  2    4  8  4
 2 4
 1 2
23  (1) 2  3    (1)(2  4)  2
 2 2
 2 4
31  (1)31   (2  4)  6
 1 1
1 4 
32  (1)3 2    (1)(1  4)  3
1 1 
1 2 
33  (1)3 3    1  2  3
1  1

 6  2 4 
* 
A  0 4 2 
 6 3  3 


  6  2 4   1 1/ 3 2 / 3 
1
1
  
A   0  4 2  =  0  2 / 3 1/ 3 
6
 6 3  3   1 1 / 2  1 / 2 

X  A1 xB
 x   1 1/ 3 2 / 3   1  x  1 
         
 y    0  2 / 3 1/ 3 x   4    y    2   x=1, y=2, z=-2
z  1 1 / 2  1 / 2    2  z    2
        

b. Rezolvarea sistemului de ecuații folosind Regula lui Cramer

 x  y  2z  1

2x  y  2z  4
4x  y  4z  2

 1 1 2
 
A   2 1 2 
 4 1 4
 

1 1 2
det A  2  1 2  4  4  8  8  2  8  6
4 1 4
13
 1 1 2
d 6
d x   4  1 2  4  8  4  4  2  16  6  x  x   1  x  1
det A 6
2 1 4

1 1 2
d 12
d y  2  4 2  16  8  8  32  4  8  12  y  y   2  y  2
det A 6
4 2 4

1 1 1
d 12
d z  2  1  4  2  2  16  4  4  4  12  z  z    2  z  2
det A 6
4 1 2

c. Rezolvarea sistemului de ecuații folosind metoda eliminării complete sau metoda lui Gauss

Pentru rezolvarea unui sistem de ecuaţii liniare folosind metoda eliminării complete am afirmat că
putem folosii următoarea structură;

A b
….. …..
In X

Schema prezentată anterior se va completa cu informațiile extrase din sistemul analizat. Astfel A
este matricea asociată sistemului, b este matricea termenilor liberi, In este matricea unitate.

14
 1 1 2 -1

2 -1 2 -4

4 1 4 -2
1 1 2 -1

0 Y=-3 Z=-2 M= -2

0 N=-3 T=-4 G=2

1 0 4/3 -5/3

0 1 2/3 2/3

0 0 -2 4
1 0 0 1

0 1 0 2

0 0 1 -2
 x= 1
y= 2
z= -2

Y=[1*(-1)-1*2]/1=-3

Z=[2*1-2*2]/1=-2

M=[(-4)*1-(-1)*2]1=(-4)+2=-2

N=[1*1-4*1]/1=-3

T=[4*1-4*2]/1=-4

G=[1*(-2)-4*(-1)]/1=(-2)+4=2

15
 3. Spații vectoriale

3.1 Noţiunea de spaţiu vectorial

Ce este spațiul vectorial?

Definiţie: Se numeşte spaţiu vectorial peste un corp K, o mulţime nevidă V dotată cu două operaţii,
+ :V ×V →V şi ⋅ : K ×V →V , cu proprietăţile:
I. (V,+) grup abelian;
II. a) (α + β ) x =α x +β x, ∀ α,β K, ∀ x V;
b) α (x + y) =α x +α y, ∀ α K, ∀ x, y V;
c) (αβ ) x =α (β x), ∀ α ,β K, ∀ x V;
d) 1K⋅x = x, ∀x V, unde 1K este elementul neutru al operaţiei de înmulţire din K.

Exemple de spaţii vectoriale:

- ( R n , R ) este spaţiul vectorial numeric real n-dimensional, unde

R n  {( x1, x 2 ,.....x n ) t x i  R , i  1, n}

- ( M m ,n ( R ), R ) este spaţiul vectorial real al matricelor de tipul(m,n) cu elemente numere reale

- (R[X ], R) este spaţiul vectorial real al polinoamelor în nedeterminata X, cu coeficienţi reali

- ( Rn [ X ], R) este spaţiul vectorial real al polinoamelor de grad cel mult n, în nedeterminata
X, cu coeficienţi reali
- (F[a,b ], R) , este spaţiul vectorial real al funcţiilor reale definite pe intervalul [a,b]

Definiţie: Fie (V,K) un spaţiu vectorial şi W ⊂V,W ≠ ∅. Spunem că W este subspaţiu vectorial al
spaţiului vectorial (V,K) dacă:
1) x, y W  x  y W
2)   K , x W  x W

Observaţie. Un subspaţiu vectorial are o structură de spaţiu vectorial în raport cu operaţiile induse.

16
 3.2 Dependența și independența liniară a sistemelor de vectori

Definiţie: Fie (V,K) un spaţiu vectorial. Un sistem finit de vectori v1, v2 ,.....vn  din V se numeşte
liniar independent dacă ∀ 1 ,  2 ,...., n  K cu proprietatea 1v1   2v2  ...   nvn  0

rezultă 1   2  .....   n  0 .

Definiţie: Fie (V,K) un spaţiu vectorial. Un sistem finit de vectori v1, v2 ,.....vn  din V se numeşte
liniar dependent dacă există scalarii 1 ,  2 ,...., n  K , nu toţi nuli, astfel încât

1v1   2v2  ...   nvn  0 .

Propoziţia 1: Orice sistem de vectori care conţine vectorul nul este liniar dependent.
Propoziţia 2: Sistemul v1 , v2 ,.....vn   V este liniar dependent dacă şi numai dacă cel puţin un
vector din sistem este o combinaţie liniară a celorlalţi.
Propoziţia 3: Orice subsistem al unui sistem de vectori liniar independent este liniar independent.
Propoziţia 4: Orice suprasistem al unui sistem de vectori liniar dependent este liniar dependent.
Propoziţia 5: Un sistem de vectori din spaţiul vectorial ( R n , R ) este liniar independent dacă şi
numai dacă rangul matricei având pe coloane vectorii sistemului este egal cu numărul de vectori.

3.3 Schimbarea coordonatelor unui vector la schimbarea bazelor

Fie (V,K) un spaţiu vectorial de dimensiune n. Fie E  e1, e 2 ,..........e n o bază în spaţiul vectorial
V.
Fie x un vector din V , x E  1e1  a 2e 2  ....  a n e n , xE  1 ,  2 ,....,  n 
T

Fie G  g1, g 2 ,...., g n  o altă bază în spaţiul vectorial V.

x G  1g1   2 g 2  ......   n g n
x G  ( 1 ,  2 ,..... n ) T

Deoarece E şi G formează baze în spaţiul V, înseamnă că vectorii e i şi g i aparţin spaţiului V

oricare ar fi indicele “i” cu valori în mulţimea { 1, … , n }. Astfel:
g 1 aparține lui V , atunci g1  c11e1  c12e 2  ....  c1n e n

g 2 aparține lui V , atunci g 2  c 21e1  c 22e 2  ....  c 2n e n

g 3 aparține lui V , atunci g3  c31e1  c32e2  ....  c3n en
………………………………………………………………….

17
g n aparține lui V , atunci g n  c n1e1  c n 2 e 2  ....  c nn e n

Definiție: Matricea C EG  (c ij ) se numeşte matricea de trecere de la baza E la baza G. Matricea de

trecere de la baza E la baza G are drept coloane coordonatele vectorilor bazei G în baza E. Astfel putem
să scriem că: CEG  ( g1 (e), g 2 (e).....g n (e))

Observaţie: Determinantul matricei CEG este diferit de zero, ceea ce înseamnă că matricea este
nesingulară. (așa cum se știe o matrice este nesingulară dacă și numai dacă determinantul său este
diferit de zero.)

Propoziție: Fie (V,K ) un spaţiu vectorial de dimensiune n . Fie E şi G două baze în spaţiul V, unde

E  e1, e 2 ,..........e n , G  g1 , g 2 ,..........g n  . Fie vectorul x din V, atunci: x E  (1,  2 ,..., n )T şi

x G  ( 1 ,  2 ,...,  n ) T

x E  1e1   2 e 2  ....   n e n

x G  1g1   2 g 2  ....   n g n

Spunem că este adevărată relaţia: X G  (C T EG ) 1 X E

Astfel, formula de transformare a coordonatelor unui vector x V la trecerea din baza E în baza G
este: X G  (C EG ) 1 X E .
1
Observație: CGE  (C EG )

Exerciții rezolvate

1. Se consideră vectorii:

  1   2 1
     
v1   2  v2    1  v3   4 
  1  1    1
     

din spatiu liniar ( R3 , R)

a) Să se arate că vectorii v1 , v2 , v3 sunt liniar dependenți

b) Să se determine o relație de dependență între vectorii v1 , v2 , v3

18
c) Să se precizeze care dintre vectori se poate scrie ca o combinație liniară a celorlalți R.

a. Conform definiției trebuie să arătăm că există 1 ,  2 ,  3  R nu toti nuli, astfel încât

a1v1  a 2 v2  a 3v3  0

  1 2  1  0
       
a1 2   a 2   1  a 3  4    0 
  1 1   1  0 
       
  1a1   2a2   1a3   0 
       
 2a1     1a2    4a3    0 
  1a   1a    1a   0 
 1  2   3  
Se obține sistemul omogen:
 1  2 2   3  0

 21   2  4 3  0
     0
 1 2 3

1 2 1
det A  2  1 4  1  2  8  1  4  4  0  D  0
1 1 1

prin urmare sistemul admite și soluții nebanale 1 ,  2 , 3  R nu toți nuli astfel încât
1v1   2v2  3v3  0 v1 , v2 , v3 – liniar dependenți.

b) o relație de dependență între vectorii v1 , v2 , v3 este o relație de forma 1v1   2v2   3v3  0 cu

1 ,  2 , 3  R nu toți nuli se rezolvă sistemul liniar omogen obținut anterior. Considerăm 1 ,  2 -

necunoscute principale și  3  a, a  R necunoscută secundară

 1  2 2   3  0

 21   2  4 3  0
     0
 1 2 3

 1  2 2  a
 soluția sistemelor
 21   2  4a
1 2
det A   1  4  3
2 1

19
 a 2
D1   a  8a  9a
 4a  1

1  a
D 2   4a  2a  6a
2  4a

D1 9a
1    3a
det A  3
D 2 6a
2    2a
det A  3

1v1   2v2  3v3  0

a , iar o relație de dependență liniară între cei trei vectori este  3v1  2av2  av3  0 , a *

a(3v1  2v2  v3 )  0 sau după simplificare:  3v1  2v2  v3  0

c) Pentru ca vectorii sunt liniar dependenți ca cel puțin un vector se poate scrie ca o combinație
lineară a celorlalți.
Din relația de dependență liniară gasită la punctul b) că oricare dintre vectori se poate scrie ca o
combinație liniară a celorlalți, astfel:
 3v1  2av2  av3  0

 3v1  2v2  v3  0
 3v1  2v2  v3 /(1)  3v1  v3  2v2 

2 1
v1   v2  v3
3 3
3 1
v2   v1  v3
2 2
v3  3v1  2v2

1v1   2v2  3v3  0

a2 v2  a3v3  2av2  av3
v1  
a1  3a

 2  2a
a3  a
a1  3a
2 1
v1  v2  ( )v3
3 3

20
2. Sa se studieze natura urmatoarelor sisteme de vectori din spatiile liniare indicate:

  2  2 1
v1    v2    v3   
din spatiu liniar ( R 2 , R )
 1  3   1

Fie 1 ,  2 ,  3  R nu astfel încât a1v1  a 2 v2  a 3v3  0 rezulta:

  2  2  1   0
a1    a2    a3     
 1  3   1  0  se obtine sistemul linear omogen:

 21.  2 2   3  0

  1  3 2   3  0

 2 2 1 
Matricea asociata sistemului este: A    care are rangul 2.
  1 3  1
Rangul matricei asociatie sistemului este mai mic decat numarul de necunoscute prin urmare
sistemul este compatibil nedeterminat deci admite si solutia nebanala, adica exiata 1 ,  2 ,  3  R

Nu toti nuli, astfel incat a1v1  a 2 v2  a 3v3  0 . Conform definitiei 2 rezulta ca 1 2 3 este un
{v , v , v }

system de vectori linear dependent.

3. Se considera vectorii linear independenti f1 , f 2 , f 3 din spatial vectorial (V,R) si urmatoarele

combinatii liniare ale acestora:
g1  3 f1  2 f 2  f 3
g 2  2 f1  f 2  3 f 3
g 3   f1  3 f 2  2 f 3
g 4  f1  f 2  2 f 3
Stabiliti natura urmatoarelor sisteme de vectori:
a.( g1 , g 2 , g 4 )

Fie 1 ,  2 ,  3  R astfel incat

1 g1   2 g 2   3 g 4  0  1 (3 f1  2 f 2  f 3 )   2 (2 f1  f 2  3 f 3 )   3 ( f1  f 2  2 f 3 )  0
 f1 (31  2 2   3 )  f 2 (21   2   3 )  f 3 (1  3 2  2 3 )  0

Deoarece vectorii f1 , f 2 , f 3 sunt linear independent rezulta ca toti coeficientii acestora sunt nuli.

21
 31  2 2   3  0

 21   2   3  0
   3  2  0
 1 2 3

3 2 1
2 1 1  6  6  2 1 9  8  0
1  3  2

Determinatul matricei associate sistemului este zero rezulta ca sistemul admite si soluctia nebanala,

rezulta ca exista 1 ,  2 ,  3  R toti nuli astfel incat 1 g1   2 g 2  3 g 4 =0 rezulta ca ( g1 , g 2 , g 4 ) sunt

linear dependenti.

22
 4. Optimizări liniare

4.1 Noțiuni generale

Se consideră problema de programare liniară scrisă sub forma standard:

[opt ] f  cx

(*) Ax  b , unde A  M m, n ( R), b  M m ,1 ( R), c  M 1, n ( R), x  M n ,1 ( R)
 x0


Definiţie: Se numeşte soluţie posibilă (admisibilă) a problemei (*), orice vector x  R n care
satisface restricţiile problemei şi condiţiile de semn. Notăm mulţimea soluţiilor posibile cu


X p  x  R n / Ax  b, x  0} .

Definiţie: Se numeşte soluţie posibilă de bază a problemei (*), orice soluţie posibilă x  R n a
problemei (*) care îndeplineşte următoarele condiţii:

a) are cel mult m componente strict pozitive, iar celelalte sunt egale cu zero;
b) coloanele matricei A corespunzătoare componentelor strict pozitive sunt vectori liniar
independenţi.

Definiţie: Fie C  R n o mulţime convexă. Un punct   C se numeşte vârf al mulţimii C dacă nu

există nicio pereche de vectori x1 , x 2  C și   (0,1) astfel încât   x1  (1   ) x 2 .

Teoremă: Orice soluţie posibilă de bază a problemei (*) este vârf al mulţimii soluţiilor posibile şi
reciproc.

Definiţie: Se numeşte soluţie optimă a problemei (*), orice soluţie posibilă x 0  R n a problemei (*)
care satisface şi condiţia de optim, adică f ( x 0 )  opt f ( x) . Soluțiile optime se notează cu X0.
x X p

Teoremă: Soluţia optimă a problemei de programare liniară (*) se află printre vârfurile mulţimii
soluţiilor posibile Xp ale problemei.

Observaţie: Dacă problema (*) are p soluţii optime de bază: x 0 k , k  1, p , atunci soluţia optimă
p p
generală are forma: x 0   k x 0 k , k  0,  k  1
k 1 k 1

Observaţie: Spunem că o problemă de programare liniară admite:

a) optim unic, dacă X0 conţine un singur element;

b) optim multiplu, dacă X0 conţine cel puţin două elemente.

23
 4.2 Concepte generale privind metoda simplex

Metodele grafice de rezolvare a problemelor de programare liniară sunt aplicabile numai pentru
modelele de programare liniară cu două variabile. Pentru trei sau mai multe variabile se aplică
metoda simplex care în esență este o metodă matriceală.
Denumirea metodei este legată de faptul că un poliedru convex se mai numeşte şi simplex. Ţinând
cont că soluţiile optime ale unei probleme de programare liniară se găsesc printre vârfurile
poliedrului convex sau simplexului care reprezintă regiunea admisibilă, metoda simplex porneşte de
la un vârf sau o soluţie de bază şi trece apoi la un alt vârf care să reprezinte o soluţie mai bună.
Algoritmul metodei simplex se finanlizează în două situaţii:
1) se obţine cea mai bună soluţie, şi se decide că problema de programare liniară are optim finit
unic sau multiplu;
2) nu se obţine cea mai bună soluţie, pentru că această soluţie nu există, şi se decide că
problema de programare liniară nu are optim finit.
Pentru rezolvarea problemelor de programare liniară cu metoda simplex, vom considera, mai întâi
problema standard de maximizare:
 n

 [max] f   c j x j
n j 1

 aij x j  b,1  i  m
 j 1
 x j  0,1  j  n



în care avem valorile b j  0 .

Pentru problemele de minimizare sub formă matriceală:

[min] g  yb

 yA  c
 y0


vom considera problema duală:

[max] f  cx

 Ax  b
 x0


care conduce de fapt la o problemă de maximizare standard cu cerinţele definite mai sus.
24
De asemenea, vom considera şi cazul în care sunt restricţiile mixte, respectiv unele inecuaţii din
sistemul de restricţii sunt definite prin condiţia ≥ 0, iar altele sunt definite prin condiţia ≤ 0.

Algoritmul simplex pentru rezolvarea problemelor de programare liniară de

maximizare

Algoritmul următor se aplică pentru rezolvarea problemelor de programare liniară de maximizare:

Pasul 1: Determinarea funcţiei obiectiv şi a restricţiilor:

 n

 [max] f   cjxj
 j 1

 n
 aij x j b j ,1  i  m
 j 1
b j  0,1  j  n

 x j  0,1  j  n

Pasul 2: Determinarea matricei sau a tabloului simplex:

Rescriem problema de programare liniară, rescriind funcţia obiectiv şi introducând variabilele
artificiale sau suplimentare sj, care transformă inecuaţiile în ecuaţii:

 n

 [max] f   cjxj  f  0
 j 1

 n
 aij x j  s j b j ,1  i  m
 j 1
b j  0,1  j  n

 x j  0,1  j  n

Considerăm tabloul simplex de forma:

Tabloul simplex
Linia x1 ... xk ... xn s1 ... st ... sn f b Raport
L11 a11 ... a1k ... a1n 1 ... 0 ... 0 0 b1
... ... ... ... ... ... ... ... ... ... ... ... ...
L1r a1r ... ark ... arn 0 ... 1 ... ... 0 br
... ... ... ... ... ... ... ... ... ... ... ... ...
L1m a1m ... amk ... amn 0 ... 0 ... 1 0 bm
L1,m+1 −c1 ... −ck ... −cn 0 ... 0 ... 0 1 0

25
Componentele tabloului simplex sunt următoarele:
În prima coloană vom numerota liniile tabelului în funcţie de numărul tabloului, care reprezintă de
fapt numărul iteraţiilor algoritmului.
Pentru variabilele suplimentare, vom considera sj = 1, iar în rest 0.
În ultima linie vom înscrie valorile cu semn schimbat ale coeficienţilor funcţiei obiectiv, apoi 0
pentru celulele corespunzătoare variabilelor suplimentare, iar în coloana corespunzătare lui f
valoarea 1.

Pasul 3: Determinarea celulei pivot:

Determinarea coloanei pivot:
Coloana pivot este dată de valoarea cj negativă minimă:
cp = min{cj },1 ≤ p ≤ n .
1≤ j≤n
Determinarea liniei pivot:
Se determină mai întâi, în ultima coloană a tabelului simplex, rapoartele:
b1 b
rj  ,........, rm  m
a1 p a mp

Linia pivot este dată de valoarea ri minimă (marcată cu *):

 b 
r j  min  1 
1 j  n  a 
 ip 
Elementul pivot va fi: alp.

Linia x1 ... xp ... xn s1 ... st ... sn f b Raport

L21 a11 ... a1p ... a1n 1 ... 0 ... 0 0 b1 b1/a1p
... ... ... ... ... ... ... ... ... ... ... ... ... ...
L2l a1l ... alp ... aln 0 ... 1 ... ... 0 bl b1/a1p*
... ... ... ... ... ... ... ... ... ... ... ... ... ...
L2m a1m ... amp ... amn 0 ... 0 ... 1 0 bm bm/amp
L2,m+1 −c1 ... −cp ... −cn 0 ... 0 ... 0 1 0

Pasul 4: Determinarea valorii 1 în celula pivot şi a valorilor 0 în celelalte celule ale coloanei pivot:
Se împarte linia pivot la elementul pivot (dacă elementul pivot este diferit de 1):
L3l := L2l / alp;

26
Pentru celelalte valorii se aplică regula lui Gauss.

Pasul 5: Se continuă iteraţiile de la Pasul 3 până când se obţin toate celulele pivot corespunzătoare
variabilelor problemei.

Pasul 6: Dacă toate valorile din ultima linie a tabloului simplex sunt 0 sau pozitive, s-a obţinut
soluţia optimă. Valorile optime ale variabilelor se obţin în coloana termenilor liberi b, iar valoarea
optimă a funcţiei obiectiv se obţine în ultima celulă a tabloului simplex.
Dacă obţinem celule pivot corespunzătoare variabilelor suplimentare, atunci problema de
programare liniară nu are soluţie unică.
Dacă după determinare tuturor celulelor pivot corespunzătoare variabilelor problemei în ultima linie
a tabelului simplex există valori negative, atunci problema de programare liniară nu are soluţie
optimă.

Exerciții rezolvate

1. Să se aplice algoritmul simplex pentru rezolvarea problemei de programare liniară:

[max] f ( x, y )  4 x  3 y
x  2 y  8

2 x  y  10
x  0

 y  0

Rezolvare: Vom aplica algoritmul simplex descris anterior.

Pasul 1: Determinarea funcţiei obiectiv şi a restricţiilor:

[max] f ( x, y )  4 x  3 y
x  2 y  8

2 x  y  10
x  0

 y  0

Pasul 2: Determinarea matricei sau a tabloului simplex:

Rescriem problema de programare liniară, rescriind funcţia obiectiv şi introducând variabilele
artificiale sau suplimentare s1 şi s2, care transformă inecuaţiile în ecuaţii:

27
[max] f ( x, y )  4 x  3 y
x  2 y  8

2 x  y  10
x  0

 y  0

[max] f ( x, y )  4 x  3 y  f  0
x  2 y  s  8
 1

2 x  y  s2  10
x  0

 y  0

Tabloul simplex
Linia x1 x2 s1 s2 f b Raport
L11 1 2 1 0 0 8 8/1
L12 2 1 0 1 0 10 10/2
L13 −4 −3 0 0 1 0

Pasul 3: Determinarea celulei pivot:

Determinarea coloanei pivot: Coloana pivot este dată de valoarea cj negativă minimă:
cp = min{− 4;−3}= −4.
Rezultă coloana pivot corespunzătoare variabilei x1.
Determinarea liniei pivot: Se determină mai întâi, în ultima coloană a tabelului simplex, rapoartele:
8 10
ri   8, r2  5
1 2
Linia pivot este dată de valoarea ri minimă:

Tabloul simplex
Linia x1 x2 s1 s2 f b Raport
L21 1 2 1 0 0 8 8/1 = 8
L22 2 1 0 1 0 10 10/2 = 5*
L23 −4 −3 0 0 1 0

Elementul pivot va fi: a12 = 2.

În continuare se aplica Regula lui Gauss.

28
 Tabloul simplex
Linia x1 x2 s1 s2 f b Raport
L21 0 3/2 1 -1/2 0 3 2
L22 1 1/2 0 1/2 0 5 10
L23 0 -1 0 2 1 20

Pasul 5: Se continuă iteraţiile de la Pasul 3 până când se obţin toate celulele pivot corespunzătoare
variabilelor problemei.

Determinarea coloanei pivot:

Coloana pivot este dată de valoarea cj negativă minimă:
cp = min{0;−1}= −1.

Rezultă coloana pivot corespunzătoare variabilei x2.

Determinarea liniei pivot: Se determină mai întâi, în ultima coloană a tabelului
simplex, rapoartele:
3 5
ri   2, r2   10
1,5 0,5

Linia pivot este dată de valoarea ri minimă:

Rezultă linia pivot L31. Elementul pivot va fi: a22 = 3/2

Tabloul simplex
Linia x1 x2 s1 s2 f b Raport
L21 0 1 2/3 -1/3 0 2
L22 1 0 -1/3 2/3 0 4
L23 0 0 2/3 5/3 1 22

Pasul 6: Având în vedere că toate valorile din ultima linie a tabloului simplex sunt 0 sau pozitive, s-
a obţinut soluţia optimă. Valorile optime ale variabilelor se obţin în coloana termenilor liberi b, iar
valoarea optimă a funcţiei obiectiv se obţine în ultima celulă a tabloului simplex.

Rezultă valorile optime (maxime) x1 = 4, x2 = 2 şi f = 22 .

29
 2. Să se aplice algoritmul simplex pentru rezolvarea problemei de programare liniară:
[max] f ( x, y )  5 x  3 y
2 x  y  8

x  2 y  7
x  0

 y  0

[max] f ( x, y )  5 x  3 y  f  0
2 x  y  s  8
 1

 x  2 y  s2  7
x  0

 y  0

Tabloul simplex
Linia x y s1 s2 f b Raport
L11 2 1 1 0 0 8 8/2=4
L12 1 2 0 1 0 7 7/1=7
L13 −5 −3 0 0 1 0

Min {-5,-3}=-5

Min {4,7}=4

Tabloul simplex
Linia x y s1 s2 f b Raport
L21 1 1/2 1/2 0 0 4
L22 0 3/2 -1/2 1 0 3
L23 0 -1/2 5/2 0 1 20

Tabloul simplex
Linia x y s1 s2 f b Raport
L31 1 0 2/3 -1/3 0 3
L32 0 1 -1/3 2/3 0 2
L33 0 0 7/3 1/3 1 21

Soluția optimă a problemei este

y=3
x=2
f=21

30