Documente Academic
Documente Profesional
Documente Cultură
APLICATE IN ECONOMIE
NOTE DE CURS
PARTEA I
1. Problema programării liniare. Forma standard şi forme nestandard. Exemple.
2. Sisteme de ecuaţii liniare. Metoda eliminării totale Gauss-Jordan. Tipuri particulare de
soluţii ale sistemelor de ecuaţii liniare: soluţii de bază, programe, programe de bază.
Generarea programelor de bază.
3. Algoritmul simplex-varianta tabelară cu bază proprie.
4. Soluţii optime multiple ale problemelor de programare liniară. Reoptimizări. Dualitate.
5. Probleme de transport echilibrate.
6. Probleme de transport neechilibrate. Alte probleme de tip transport.
PARTEA a II-a
7. Elemente de topologie in Rn. Forme pătratice. Determinarea formei canonice a unei
forme pătratice. Metoda lui Gauss. Metoda lui Jacobi. Clasificarea formelor pătratice.
8. Funcţii reale de mai multe variabile reale. Limite. Continuitate.
Derivate parţiale de ordinul I. Gradient. Diferenţiabilitate. Derivate parţiale de ordin
superior. Hessiana. Diferenţiabilitate de ordin superior.
9. Formula lui Taylor. Extremele funcţiilor reale de mai multe variabile.
10. Aplicaţii ale extremelor. Modele deterministe de gestiune a stocurilor.
11. Extreme cu legături egalităţi. Metoda multiplicatorilor lui Lagrange.
PARTEA a III-a
12. Câmp de evenimente. Câmp de probabilitate.
13. Scheme clasice de probabilitate.
2
Tema 1
PROBLEMA PROGRAMĂRII LINIARE
x1 0, x2 0,..., xn 0,
Not`nd:
a11 ... a1n b1 x1
A
C (c1 , c2 ,..., cn ), , B , X
a
m1 ... amn bm xn
problema standard de programare liniară se poate scrie ȋn formă matriceală ca:
(max) f ( X ) CX
AX B
X 0
3
b) Dacă problema este de minim, ea are forma:
(min) f ( X ) CX
AX B
X 0
In acest caz se foloseşte relaţia minf=-max(-f).
4
Soluţie. Variabilele x1, x2, x3 reprezintă cantităţile din cele 3 tipuri de produse care
trebuie fabricate. Evident xi0.
Funcţia obiectiv f reprezintă beneficiul total:
f ( X ) 6 x1 3x2 8 x3 .
Acest beneficiu trebuie să fie maxim.
Condiţiile arată că resursele se consumă integral.
Consumul total din prima resursă (fier) este x1 2 x2 x3 şi trebuie să fie 100 kg.
Consumul total din a doua resursă (oţel)este 2 x1 x2 4 x3 şi trebuie să fie 80 kg.
Astfel, modelul matematic al problemei este următorul:
(max) f ( X ) 6 x1 3x2 8 x3
x1 2 x2 x3 100
2 x1 x2 4 x3 80
xi 0, i 1,2,3.
S-a obţinut o problemă de programare lineară standard, cu următoarele elemente:
x1
1 2 1 100
C (6 3 8) , A , B , X x2 .
2 1 4 80 x
3
Pentru datele din problema precedenta, se cere un plan optim (cu beneficiu total
maxim) de fabricaţie, cu eventuală economie la resurse.
(max) f ( X ) 6 x1 3x2 8 x3
x1 2 x2 x3 100
2 x1 x2 4 x3 80
xi 0, i 1,2,3.
S-a obţinut o problemă de programare liniară nestandard, ce se aduce la forma standard
cu ajutorul a două variabile de compensare, pozitive. Forma standard este:
(max) f ( X ) 6 x1 3x2 8 x3
x1 2 x2 x3 y1 100
2 x1 x2 4 x3 y 2 80
xi 0, i 1,2,3, y1 , y 2 0.
Matricele ce intervin ȋn scrierea matriceală a problemei sunt:
5
x1
x2
1 2 1 1 0 100
C (6 3 8 0 0) , A , B , X x3 .
2 1 4 0 1 80
y1
y
2
Un furnizor de hȃrtie are două depozite, in Bucureşti şi Iaşi. In primul dispune de 700
t de hȃrtie, iar in al doilea de 800 t. Cererea de la o tipografie din Craiova este de 900 t,
iar de la o tipografie din Cluj este de 400 t. Costurile unitare de transport (in unităţi
monetare/t) sunt date in tabelul următor:
Bucureşti Iaşi
Craiova 5 15
Cluj 10 4
Să se scrie modelul matematic pentru a determina cum trebuie făcut transportul cu cost
minim.
Variabilele:
x1=numărul tonelor de hȃrtie ce se vor transporta din Bucureşti ȋn Craiova
x2=numărul tonelor de hȃrtie ce se vor transporta din Iaşi ȋn Craiova
x3=numărul tonelor de hȃrtie ce se vor transporta din Bucureşti ȋn Cluj
x4=numărul tonelor de hȃrtie ce se vor transporta din Iaşi ȋn Cluj
x1, x2, x3, x4 0.
Funcţia obiectiv f reprezintă costul total al transportului:
f ( X ) 5 x1 15x2 10x3 4 x4 .
Scopul este de a determina variabilele ce conduc la minimul funcţiei f.
6
4. Problemă de cultivare optimă a unei ferme
Un fermier are 10 ha, din care cel putin 7 trebuie plantate cu grȃu şi secară.
Fondul de cheltuieli este de 1400 lei. Cultivarea unui ha de grau costa 200 lei, iar a unui
ha de secară costa 100 lei. Cultivarea trebuie terminată ȋn cel mult 12 ore, iar durata
plantării unui ha de grau este de o ora şi a unui ha de secară este de 2 ore. Dacă profitul
pentru un ha de grau este de 500 lei si pentru un ha de secară este de 300 lei, să se scrie
modelul matematic pentru a determina cate hectare trebuie plantate cu fiecare cultură
pentru a obţine profit maxim.
Variabilele:
g=numărul hectarelor ce se vor cultiva cu grȃu
s=numărul hectarelor ce se vor cultiva cu secară
g, s 0
Funcţia obiectiv f reprezintă profitul fermierului:
f ( g , s ) 500g 300s .
Scopul este ca acest profit să fie maxim.
Restricţiile privind suprafaţa cultivată:
g s 10
gs7
Restricţia privind ȋncadrarea ȋn fondul de cheltuieli:
200g 100s 1400
Restricţia privind ȋncadrarea ȋn timpul de lucru:
g 2 s 12
Să se scrie modelul matematic pentru a determina cum trebuie investiţi banii astfel ca
profitul dupa un an să fie maxim, cu următoarele condiţii:
Din totalul de bani investiţi, cel putin 30% trebuie plasaţi ȋn acţiuni
Suma pasată ȋn depozite bancare trebuie să depăşească suma plasată ȋn acţiuni şi
aur
Factorul de risc mediu nu poate depăşi 4.5
Suma investită ȋn acţiuni nu trebuie să depăşească dublul sumei plasate ȋn aur.
7
Variabilele:
x1 = suma investită în acţiuni
x2 = suma investită în depozite la termen
x3 = suma investită în aur
x1 , x2 , x3 0.
Restricţiile:
x1 + x2 + x3 =10 000
x1 3000
x2 x1 + x3
6 x1 x2 9 x3
4.5
10000
x1 2 x3 .
8
Tema 2
SISTEME DE ECUA|II LINIARE
Se noteaz[:
a11 ... a1 j ... a1n b1 x1
. ... . ... .
A= ai1 ... aij ... ain , B= bi , X= xi
. ... . ... .
a amn m
b xn
m1 ... amj ...
a11 ... a1 j ... a1n b1
(A,B) = ai 1 aij ain bi ,
a a a mn bm
m1 mj
Teorema (Gauss-Jordan)
Dac[ rang A=r, exist[ un num[r finit de transform[ri elementare astfel @nc`t matricea
extins[ (A,B) s[ fie adus[ la forma trapezoidal[:
9
1 ... 0 a1(0r ) 1 ... a1(0n ) b1(0 )
. ... . . ... . .
br(0 )
( A(0) ,B(0)) = 0 ... 1 a rr(0) 1 ... a rn(0 ) .
0 ... 0 0 ... 0 br(0 1)
. ... . . ... . .
0 (0 )
bm
... 0 0 ... 0
1.b) Dac[ a11=0, se alege ai1 0 ]i se permut[ liniile 1 ]i i, astfel c[ se va putea aplica
pasul 1a) matricei ob\inute.
10
x1 a1(r0) 1 xr 1 ... a1(n0) xn b1( 0)
.......... .......... .......... .......... .
xr ar( 0, r)1 xr 1 ... arn( 0) xn br( 0)
0 br( 0)1
....
0 bm( 0)
Evident, sistemul este compatibil dac[ ]i numai dac[ br(01) ... bm(0) 0 . #n cazul
@n care sistemul este compatibil, primele r ecua\ii sunt principale. Consider`nd
necunoscutele x1, ..., xr ca fiind principale ]i necunoscutele xr+1,..., xn ca fiind secundare,
solu\ia general[ se ob\ine de forma:
x1 b1( 0) a1(r0) 11 ... a1(n0) n r
.......... .......... .......... .......... .
xr br( 0) arr( 0) 11 ... arn( 0) n r
xr 1 1
...
xn n r
Observa\ii
(1)
Numerele a11 , a22 , ...., arr( r 1) care intervin @n demostra\ia Teoremei Gauss-Jordan
se numesc pivo\i.
#n aplica\ii, pentru simplificarea calculelor, este uneori util ca pivo\ii s[ nu fie
ale]i elemente av`nd acela]i indice de linie ]i de coloan[. Astfel, la pasul k-1 se poate
alege ca pivot orice num[r nenul, regulile de ob\inere a matricii (Ak, Bk) fiind tot cele de
mai sus. Deci:
elementele matricei (Ak,Bk) aflate pe linia pivotului se ob\in @mp[r\ind aceast[
linie la pivot;
elementele matricei (Ak,Bk) de pe coloana pivotului, except`nd pe cele de pe
pozi\ia pivotului, sunt nule;
restul elementelor din matricea (Ak,Bk) nesituate pe linia sau coloana pivotului se
ob\in cu regula numit[ regula dreptunghiului.
11
x1 b1( 0)
..........
xn bn( 0)
adic[ s-a ob\inut solu\ia unic[ a sistemului.
Spre deosebire de metoda rezolv[rii sistemelor de ecua\ii liniare cu ajutorul
determinan\ilor, metoda Gauss - Jordan prezint[ avantajul unei program[ri u]oare pe
calculator.
1 0 2 1 3
~ ( A2 , B2 ) 0 1 5 3 10 =(A(0) B(0)).
0 0 0 0 3
Sistemul echivalent cu cel dat se scrie:
x1 2 x3 x4 3
x2 5 x3 3x4 10
0 3
Deci sistemul este compatibil dac[ ]i numai dac[ 3 , iar in acest caz se ob\ine solu\ia
general[
x1 3 21 2
x2 10 51 3 2
Sgen =
x3 1 , 1 , 2 R .
x
4 2
12
Dac[ sistemul are m ecua\ii liniare cu n necunoscute ]i rangul r, atunci num[rul
solu\iilor de baz[ este maxim Cnr , iar pentru fiecare solu\ie de baz[, num[rul
componentelor nenule este maxim r.
Pentru a ob\ine o alt[ solu\ie de baz[ se poate rezolva sistemul aleg`nd o alt[
grup[ de necunoscute principale, dar pentru economie de calcule, este convenabil s[ se
continue pivotarea @n matricea (A(0),B(0)) a sistemului rezolvat, aleg`nd un pivot nenul
dintr-o coloan[ secundar[.
Astfel, pentru exemplul precedent, putem continua alegand un pivot din coloana a
treia. Ultima ecua\ie fiind secundar[, nu se mai scrie, deci avem:
2 1
1 0 2 1 3 1 5 0 5 1
( A , B ) =
(0) (0)
~ .
0 1 [5] 3 10 0 1 1 3 2
5 5
1
0
De aici o alt[ solu\ie de baz[ S2 .
2
0
13
rangul sistemului. #n func\ie de num[rul acestor componente, avem urm[toarea
clasificare a programelor de baz[.
a) Programe de baz[ nedegenerate, sunt programele @n care num[rul componentelor
strict pozitive este egal cu rangul sistemului.
b) Programe de baz[ degenerate, sunt programele @n care num[rul componentelor strict
pozitive este strict mai mic dec`t rangul sistemului.
14
Se ob\ine:
1 1 / 3
1
1
1
0
3 3 3 ]i noul program de baz[ S 0
0 1 5 10 3 0 .
1
3 3 3 10 / 3
Teorem[. Orice combina\ie liniar[ convex[ de dou[ sau mai multe programe ale
ale unui sistem de ecua\ii liniare este tot program al sistemului.
Dac[ mul\imea programelor sistemului este m[rginit[, atunci orice program se
poate scrie ca o combina\ie liniar[ convex[ de programele de baz[ ale sistemului.
k k
P P R n / P ai Pi , a1 ,..., ak 0, ai 1,
i 1 i 1
15
Tema 3
REZOLVAREA PROBLEMELOR DE PROGRAMARE LINIARA
x1 0, x2 0,..., xn 0,
(max) f ( X ) CX
AX B
X 0
16
ALGORITMUL SIMPLEX (G.B. Dantzig, 1947)
VARIANTA TABELAR{ CU BAZ{ PROPRIE
2. Dac[ cj-zj0, oricare ar fi j=1,2,...,n (deci linia C-Z din tabel este ȋn ȋntregime
negativ[), atunci P0 este program optim ]i maxf=z0. STOP.
Dac[ exist[ s 1,2,..., n cu cs z s 0 , atunci se trece la pasul 3.
17
4. Se alege coloana j a pivotului corespunzand celei mai mari diferen\e strict pozitive de
pe linia C-Z, adic[:
c j z j max{cs zs 0} .
s
Se alege linia i a pivotului cu regula raportului minim:
bi( 0)
bt( 0) ( 0)
min ( 0) , atj 0 .
(0)
aij t
atj
(0)
Cu pivotul aij >0 astfel ales se ob\ine noul program de baz[ P1 ]i matricea
corespunz[toare lui, cu care se reia etapa a II-a.
Proprietate. Programul P1 este mai bun dec`t P0, adic[ avem f(P0)f(P1). #n plus,
avem
f P1 f P0
bi( 0)
aij( 0)
c j z j .
18
Exemplul 1. Pentru fabricarea a 4 tipuri de produse se folosesc dou[ tipuri de resurse.
Consumurile unitare, disponibilul de resurse ]i beneficiile unitare sunt date de tabelul
urm[tor:
Avem
1 3 1 2 70 1 3 1 2 70
(A, B) ~ ~
2 1 1 1 40 0 [5] 1 - 3 - 100
2 1
1 0 10
5 5 =( A( 0 ) , B ( 0 ) )
0 1 1 3
20
5 5
10
20
S-a ob\inut programul de baz[ nedegenerat P0 , cu f(P0)=80.
0
0
19
Etapa a II-a. Tabelul simplex corespunz[tor lui P0 este:
C 2 3 4 3
Cb Variabile Program x1 x2 x3 x4
bazice
2 x1 10 1 0 [2/5] 1/5
3 x2 20 0 1 1/5 3/5
Z 80 2 3 7/5 11/5
C-Z 0 0 13/5 4/5
Cum linia C-Z nu este negativ[, programul ini\ial nu este optim. Alegem:
13 4
max , 13 / 5 , deci pivotul trebuie luat din coloana lui x3.
5 5
10 20
min , min{25,100} 25 , deci pivotul este 2/5.
2 / 5 1/ 5
Se ob\ine un nou program de baz[, cu urm[torul table simplex:
C 2 3 4 3
Cb Variabile Prog. x1 x2 x3 x4
bazice
4 x3 25 5/2 0 1 1/2
3 x2 15 -1/2 1 0 1/2
Z 145 17/2 3 4 7/2
C-Z -13/2 0 0 -1/2
0
15
Cum C-Z0, noul program de baz[ P1 este optim unic ]i maxf=145=f(P1). Deci
25
0
singurele produse rentabile sunt al doilea ]i al treilea. Pentru a ob\ine beneficiul maxim
de 145 unit[\i monetare, aceste produse trebuie fabricate in cantit[\ile 15, respectiv 25 de
unit[\i
Exemplul 2. Pentru datele din Exemplul precedent, se cere un plan optim (cu
beneficiu total maxim) de fabrica\ie, cu eventual[ economie la resurse.
20
S-a ob\inut o problem[ de programare liniar[ @n form[ nestandard. Prin
compensare, cu ajutorul variabilelor auxiliare pozitive y1,2 se ob\ine forma standard a
problemei de programare liniar[:
(max) f ( X ) 2 x1 3 x2 4 x3 3 x4
x1 3 x2 x3 2 x4 y1 70
2 x1 x2 x3 x4 y2 40
xi 0, i 1,2,3,4,
y j 0, j 1,2.
Pentru a rezolva cu varianta tabelar[ a algoritmului simplex, se observ[ ca parcurgerea
etapei I nu mai este necesar[, pentru c[ sistemul este deja rezolvat @n raport cu
necunoscutele principale y1,2. #ntr-adev[r, matricea extins[ a sistemului este:
1 3 1 2 1 0 70
2 1 1 1 0 1 40
0
0
0
]i un program de baz[ nedegenerat este P0 .
0
70
40
Etapa a IIa. Tabelul simplex corespunz[tor programului P0 este:
C 2 3 4 3 0 0
cb Variabi Prog x1 x2 x3 x4 y1 y2
le
bazice
0 y1 70 1 3 1 2 1 0
0 y2 40 2 1 1 1 0 1
Z 0 0 0 0 0 0 0
C-Z 2 3 4 3 0 0
Cum pe linia C-Z exist[ numere pozitive, programul ini\ial nu este optim. Pentru a fixa
coloana pivotului, alegem:
max {2,3,4,3}=4,
deci pivotul trebuie ales din coloana lui x3. Cum aici exist[ dou[ numere strict pozitive,
pivotul se alege cu regula:
70 40
min , 40.
1 1
Deci pivotul este a23(0)=1 ]i variabila x3 devine principal[ @n locul lui y2.
Noul tabel simplex ob\inut este:
21
C 2 3 4 3 0 0
Cb Variabile Pr. x1 x2 x3 x4 y1 y2
bazice
0 y1 30 -1 2 0 1 1 -1
4 x3 40 2 1 1 1 0 1
Z 16 8 4 4 4 0 4
0
C-Z -6 -1 0 -1 0 -4
0
0
40
Noul program P1 este optim unic ]i maxf=160. Deci singurul produs rentabil este
0
30
0
al treilea, ce trebuie fabricat in cantitate de 40 de unit[\i.
22
Tema 4
PROGRAME OPTIME MULTIPLE
ALE UNEI PROBLEME DE PROGRAMARE LINIARA
23
20
0
Deci P1= , a]adar se cultiv[ 20 ha cu prima cultur[ ]i 20 ha cu a treia.
20
0
Etapa a II-a.
Se verific[ dac[ P1 este program optim.
Tabelul simplex corespunz[tor lui P1 este:
C 1 5 3 6
Cb Variabile Program x1 x2 x3 x4
bazice
1 x1 20 1 -1 0 -3
3 x3 20 0 2 1 4
Z 80 1 5 3 9
C-Z 0 0 0 -3
Cum pe linia C-Z nu exist[ numere strict pozitive, programul P1 este optim, iar beneficiul
maxim este de 80 pentru f1 ]i de 80000 pentru f.
Cum c2-z2=0, de]i x2 nu este variabil[ principal[, rezult[ c[ programul P1 nu este singurul
optim, ci un alt program optim de ob\ine continuand cu pivot din coloana lui x2. Singurul
num[r pozitiv fiind 2, el se alege pivot ]i se ob\ine noul tabel simplex:
C 1 5 3 6
Cb Variabile Program x1 x2 x3 x4
bazice
1 x1 30 1 0 1/2 -1
5 x2 10 0 1 1/2 2
Z 80 1 5 3 9
C-Z 0 0 0 -3
30
10
Deci noul program optim este P2= , care arat[ c[ se cultiv[ 30 ha cu prima cultur[ ]i
0
0
10 ha cu a doua.
A]adar primele 3 culturi sunt rentabile, dar ele nu se cultiv[ simultan cu niciunul din
programele optime P1 sau P2. Pentru a g[si programe optime cu cultivarea tuturor
24
culturilor rentabile, se scrie mul\imea programelor optime, ca combina\ie liniar[ convex[
ȋntre P1 ]i P2, anume:
P=a P1 +(1-a) P2, cu a 0,1 .
Astfel, avem:
20 30 30 10a
0 10 10(1 a)
Poptim=a +(1-a) 0 = 20a .
20
0 0
0
Remarc[. Cultura a patra nu este rentabil[, dar dac[ s-ar g[si o nou[ pia\[ de
desfacere, astfel ca beneficiul la hectar s[ devin[ 9000 lei in loc de 6000 lei, atunci in
tabelul simplex de optim am avea ]i c4-z4=0, adic[ ar mai exista un alt program optim de
baz[ cu x4 variabil[ principal[, deci cu cultivarea culturii 4.
Astfel, noua problem[
(max) f1 ( X ) x1 5 x2 3 x3 9 x4
x1 x2 x3 x4 40
x1 3x2 2 x3 5 x4 60
xi 0, i 1,2,3,4
are ca programe optime de baz[ pe P1 ]i P2, dar ]i noul program optim de baz[ P3 g[sit
continuand pivotarea in ultimul tabel simplex cu pivotul 2 din coloana lui x4. Se ob\ine:
C 1 5 3 9
Cb Variabile Program x1 x2 x3 x4
bazice
1 x1 35 1 1/2 3/4 0
9 x4 5 0 1/2 1/4 1
Z 80 1 5 3 9
C-Z 0 0 0 0
35
0
Deci P3= este tot program optim de baz[ ]i programe optime cu cultivarea tuturor
0
5
culturilor se ob\in ca combina\ii liniare convexe intre P1, P2 ]i P3:
Poptim=a1P1 + a2P1 + a3P3 , cu a1, a2, a3 0 ]i a1+ a2 + a3=1. Astfel, avem:
25
20 30 35 20a1 30a2 35a3
0 10 0 10a2
Poptim=a1 +a2 0 +a3 0 = .
20 20a1
0 0 5
5a 3
(max) f ( X ) CX (min) g (Y ) B tY
AX B (1) AtY C t (2)
X 0 Y 0
unde A (m, n, R), B M (m,1, R), C M (1, n, R), X M (n,1, R), Y M (m,1, R) ]i A t
este transpusa matricei A.
Problemele (1) ]i (2) se numesc duale simetrice.
Teorema urm[toare arat[ leg[turile care exist[ @ntre programele celor dou[
probleme duale simetrice ]i, @n particular, @ntre programele lor optime, astfel c[ este
suficient s[ rezolv[m o singur[ problem[ ]i ]tim solu\ia optim[ ]i pentru cealalt[.
Teorema dualita\ii. Pentru dou[ probleme duale simetrice (1), (2) exist[ una din
urm[toarele situa\ii:
a) ambele probleme nu au programe;
b) una din probleme are optimul infinit, caz în care duala sa nu are programe;
c) ambele probleme au optime finite. In acest caz avem max f min g , iar programul
optim al problemei (2) se g[se]te ȋn tabelul simplex de optim al problemei (1), pe
linia Z ]i coloanele corespunz[toare variabilelor de compensare.
26
S1 S2 Necesar
minim
E1 2 1 3
E2 1 1 2
E3 1 2 1
Cost unitar 4 3
Problema ob\inut[ este de tipul (2), deci duala ei simetric[, de tipul (1), va fi:
(max) f ( X ) 3x1 2 x2 x3
2 x1 x2 x3 4
x1 x2 2 x3 3
x1 , x2 , x3 0.
27
Etapa a II-a.
C 3 2 1 0 0
Cb Var. Prog x1 x2 x3 t1 t2
bazice .
0 t1 4 2 1 1 1 0
0 t2 3 1 1 2 0 1
Z 0 0 0 0 0 0
C-Z 5 4 2 0 0
4 3
max3,2,1 3, min , 2 , deci se continu[ cu pivotul a11( 0) 2.
2 1
C 3 2 1 0 0
Cb Var. Prog x1 x2 x3 t1 t2
bazice .
3 x1 2 1 1/2 1/2 1/2 0
0 t2 1 0 1/2 3/2 -1/2 1
Z 6 3 3/2 3/2 3/2 0
C-Z 0 1/2 -1/2 -3/2 0
2 1
2 , deci se continu[ cu pivotul a22 1 / 2.
(1)
min ;
1/ 2 1/ 2
C 3 2 1 0 0
Cb Var. Prog. x1 x2 x3 t1 t2
bazice
3 x1 1 1 0 -1 1 -1
2 x2 2 0 1 3 -1 2
Z 7 3 2 3 1 1
C-Z 0 0 -2 -1 -1
1
C Z 0 , deci X 2 este programul optim al problemei de tip (1) ]i max f 7 .
0
1
Conform teoriei dualita\ii, programul optim al dualei de tip (2) este Y ]i
1
min g max f 7 .
28
Dualitate nesimetric[
29
Tema 5
PROBLEME DE TRANSPORT ECHILIBRATE
Furnizorii F1, F2,..., Fm trebuie s[ @]i transporte marfa c[tre beneficiarii B1, B2, ..., Bn.
Se cunosc:
cij = costul unitar de transport de la furnizorul Fi c[tre beneficiarul Bj
Di = disponibilul de marf[ al fiec[rui furnizor Fi
Nj =necesarul de marf[ al fiec[rui beneficiar Bj.
Beneficiari
B1 ... Bj ... Bn Disponibil
Furnizori
F1 c11 ... c1 j ... c1n D1
Fi ci1 ... cij ... cin Di
Fm cm1 ... cmj ... cmn Dm
Necesar N1 ... N j ... N n
Defini\ie. Dac[ disponibilul total de marf[ al celor m furnizori este egal cu necesarul
total de marf[ al celor n beneficiari atunci problema se nume]te echilibrat[.
cu: xij 0, i {1,..., m}, j {1,..., n} , sumele pe linii egale cu disponibilele ]i sumele pe
coloane egale cu necesarele. O astfel de matrice se nume]te program de transport.
Se ob\ine urm[torul model matematic al problemei de transport echilibrate:
30
(min) f ( X ) c11 x11 ... cij xij ... cmn xmn
x11 ..... x1n D1
.......... .......... ......
xm1 ..... xmn Dm
x11 ..... xm1 N1
.......... .......... ........
x1n ..... xmn N n
xij 0, i 1,..., m, j 1,...., n
m n
Di N j
i 1 j 1
Exemplu. Trei furnizori @]i transport[ marfa c[tre trei bneficiari, cu datele din
tabelul urm[tor:
Beneficiari B1 B2 B3 Disponibil (t)
Furnizori
F1 2 5 8 25
F2 3 12 3 50
F3 10 7 5 25
Necesar(t) 20 65 15 100
31
(min) f ( X ) 2 x11 5 x12 8 x13 3 x21 12x22 3x23 10x 317 x32 5 x33
x11 x12 x13 25
x x x 50
21 22 23
x31 x 32 x33 25
x11 x 21 x31 20
x12 x 22 x32 65
x13 x 23 x33 15
xij 0, i 1,2,3, j 1,2,3
Cum necesarul total este de 100 t ]i este egal cu disponibilul total, problema de transport
este echilibrat[.
Sistemul de restric\ii are 6 ecua\ii, 9 necunoscute ]i rangul 5.
Exemplu.
Prin metoda costului minim, programul de baz[ pentru problema precedent[ se ob\ine de
forma:
20 5 0
P0= 0 35 15
0 25 0
Etapa a II-a. Se testeaz[ dac[ programul de baz[ determinat @n etapa 1 este optim
]i dac[ acesta nu este optim, se determin[ un program de baz[ mai bun (adic[ cu un cost
de transport mai mic), pan[ se g[se]te programul optim.
32
(max) g (u, v) D1u1 ..... Dmum N1v1 ..... N n vn
u1 v1 c11
.......... ........
u1 vn c1n
.......... ........
um v1 cm1
.......... ........
um vn cmn
ui , v j R, i 1,......, m, j 1,...., n
D u
i i N v
j j c x
ij ij , adic[ ij i ij j cij xij .
i 1 j 1
x u
j 1 i 1
x
v
i 1 j 1 i 1 j 1 i 1 j 1
i 1 j 1
Atunci xij trebuie s[ devin[ variabil[ principal[, deci xij=θ>0. Modific`nd ]i alte
componente ale programului P0 astfel @nc`t sumele de pe linii ]i pe coloane s[ r[m`n[
33
constante (egale de disponibilele ]i necesarele) se ob\ine forma noului program P1.
Valoarea θ se determin[ astfel @nc`t P1 s[ fie tot un program de baz[. Cu noul program
de baz[ P1 se reia etapa a-II-a.
Observa\ie: Dac[ la etapa de optim exist[ Δij=0, problema are programe optime
multiple. Un al doilea program optim de baz[ se poate afla f[c`nd xij=θ>0 ]i continu`nd
ca la pasul 2b.
Deoarece mul\imea programelor optime ale unei probleme de programare liniar[
este convex[, rezult[ c[ orice combina\ie liniar[ convex[ a programelor optime de baz[
g[site cu metoda poten\ialelor este tot un program optim.
#n practic[, metoda poten\ialelor se aplic[ sub form[ tabelar[.
2 5 Z13=-4
20 5 0 U1=0
Δ13=-12
Z21=9 12 3
0 35 15 U2=7 Δ21=6
Z31=4 7 Z33=-2
0 25 0 U3=2 Δ31=-6 Δ33=-7
Deoarece Δ21=6>0, programul P0 nu este optim ]i trebuie modificat astfel @nc`t x21
s[ devin[ variabil[ principal[, la valoarea θ>0. Cum @n noul program P1 sumele pe linii ]i
pe coloane trebuie s[ fie egale cu disponibilele ]i necesarele, acesta trebuie s[ fie de
forma:
20- 5+ 0
35- 15
0 25 0
34
Cum P1 trebuie s[ fie program de baz[, num[rul componentelor strict pozitive ale
sale este maxim 5, deci =20 ]i se ob\ine noul program de baz[ nedegenerat P1, cu care se
reia metoda poten\ialelor pentru a-i verific[ optimalitatea:
Z31=-2 7 Z33=-2
0 25 0 U3=2 Δ31=-12 Δ33=-7
Cum ij<0 pentru i, j cu xij=0 , rezult[ c[ P1 este program optim unic, deci
costul minim de transport este:
f(P1)=minf =585 u.m.
Deci transportul optim se realizeaz[ pe 5 rute.
Remarc[.
Matricea extins[ a sistemului de restric\ii este:
1 1 1 0 0 0 0 0 0 25
0 0 0 1 1 1 0 0 0 50
0 0 0 0 0 0 1 1 1 25
.
1 0 0 1 0 0 1 0 0 20
0 1 0 0 1 0 0 1 0 65
0 15
0 1 0 0 1 0 0 1
35
Tema 6
Se observ[ c[ disponibilul total este 200 ]i este mai mare dec`t necesarul total, de
165, deci problema este neechilibrat[ (cazul1). Pentru a g[si programul optim de
transport, se transform[ problema @n una echilibrat[, prin ad[ugarea beneficiarului fictiv
B3:
36
Prin metoda costului minim se ob\ine un program de baz[ nedegenerat P1, apoi se aplic[
metoda poten\ialelor:
P1 V1=1 v2=3 v3=0
1
0 35 35 U1=0 3 0
-5
4
75 5 0 U2=4 5 7
4
2 1
0 50 0 U3=1 4
-4 1
0 35 35
P2 75 5 , iar min5,35 5 .
0 50 0
#n continuare avem:
Cum Δ33=1>0, P2 nu este optim ]i @n noul program de baz[ P3 trebuie s[ avem x33=>0,
deci P3 este de forma:
0 40 30
P3 75 0 5 ,
0 50
iar min30,50 30 .
37
P3 V1=4 v2=3 v3=-1
4 -1
0 70 0 U1=0 3
-2 -1
4
75 0 5 U2=1 5 0
-3
5
0 20 30 U3=1 4 0
-1
Cum ij<0, P3 este optim unic al problemei echilibrate. Beneficiarul B3 fiind fictiv,
rezult[ c[ programul optim al problemei neechilibrate este:
0 70
P3| 75 0
0 20
]i avem min f f ( P3/ ) f ( P3 ) 665 u.m.
Desigur, beneficiarii ]i-au asigurat necesarul, dar furnizorul F2 a r[mas cu surplus de 5 t,
iar furnizorul F3 a r[mas cu 30 t.
Exemplu
Patru tipuri de lucrări agricole L1, L2, L3 ]i L4 se realizează folosind trei tipuri de
masini M1, M2 ]i M3. Costurile la hectar, normele ma]inilor ]i volumul lucrărilor sunt
date ȋn tabelul următor:
38
(min) f ( X ) 4 x11 3x12 10x13 3x14 4 x21 5 x22 4 x 23 3x24 5 x31 10x32 4 x33 5 x34
x11 x12 x13 x14 5000
x21 x 22 x23 x24 4500
x31 x 32 x33 x34 4500
x11 x 21 x31 4000
x12 x 22 x32 2000
x13 x 23 x33 3000
x14 x 24 x34 5000
xij 0, i 1,2,3, j 1,2,3,4
Acesta este la fel ca al unei probleme de transport, deci pentru a g[si solu\ia optim[ se
folose]te algoritmul de la problemele de transport.
Un program de baz[ determinat cu metoda costului minim este:
0 2000 0 3000
P1= 2500 0 0 2000
1500 0 3000 0
Pentru a verifica dac[ el este optim, folosim metoda poten\ialelor:
V1=4 v2=3 v3=3 v4=3
4 3
U1=0
3 3
0 -7
3 3
U2=0 4 3
-2 -1
4 4
U3=1 5 4
-6 -1-1
Deci programul P1 este optim, dar Δ11=0 arat[ c[ nu este unic. Un alt program optim se
determin[ alegand x11=θ, deci va avea forma:
θ 2000 0 3000-θ
P2= 2500-θ 0 0 2000+θ
1500 0 3000 0
Cu θ=2500, se ob\ine noul program optim P2:
Deci problema are o infinitate de programe optime, anume toate combina\iile liniare
convexe ȋntre P1 ]i P2:
Popt aP1 (1 a) P2 , a 0,1.
39
25001 a 2000 0 500 2500a
Popt 2500a 0 0 4500 2500a .
1500
0 3000 0
40
Tema 7
FORME P{TRATICE
SPATIUL Rn
Fie mul\imea Rn:
x1
n
R x , xi R , i 1, n .
xn
Dac[ x, y R n , R , x=(x1, ..., xn)t ]i y=(y1, ..., yn)t, definim operaţiile uzuale de
adunare și inmulţire cu numere reale:
x1 y1 x1
x y , x .
x y x
n n n
Observaţie. Se poate ar[ta c[ num[rul vectorilor unei baze din Rn este egal cu n.
Exemplu Fie spaţiul R3. Consider[m vectorii
2 1 0
v 1 , v 1 , v 0.
1 2 3
1 -1 2
Mul\imea B= v1 , v2 , v3 este baz[ in spaţiul R3.
41
x1
Intr-adev[r, oricare ar fi x= x2 R3 , exist[ ]i sunt unice numerele 1, 2, 3R astfel
x
3
@nc`t x= 1v1 + 2v2 + 3v3.
#ntr- adev[r, trebuie s[ avem
x1 2 1 0
x2 = 1 1 + 2 1 +3 0
x 1 1 2
3
21 2 x1
Se ob\ine sistemul 1 2 x2
2 x
1 2 3 3
Cum determinantul sistemului este egal cu 2, sistemul este cramerian ]i are solu\ie unic[
1, 2, 3 , deci B este baz[ in spaţiul R3.
Proprietate. Fie spa\iul liniar Rn ]i mul\imea B1 = ( v1, v2,... ,vn ) o baz[ a sa. Fie al\i n
vectori w1,..., wn Rn. Ei se exprim[ in baza B1 de forma:
w1 = a11v1+ ... +an1 vn
..............................
wk = a1kv1+ ... +ank vn
..............................
wn = a1nv1+ ... +ann vn
a11 . . a1n
Fie B2 = ( w1, w2,... ,wn ) ]i A = . . . . matricea ce are pe coloane coordonatele
a . . a
n1 nn
42
#n acest caz, matricea A, av`nd drept coloane coordonatele vectorilor w1,...,wn @n
baza B1, se nume]te matricea de trecere de la baza B1 la baza B2 sau matricea
schimb[rii de baz[.
In plus, schimbarea coordonatelor unui vector la schimbarea bazei are loc dup[ un sistem
liniar, a]a cum rezult[ din teorema urm[toare.
Teorema. Fie B1 ]i B2 dou[ baze @n spa\iul vectorial Rn ]i A matricea de
trecere de la baza B1 la baza B2. Fie x un vector din Rn, ce se exprim[ in cele dou[
baze de forma:
x= 1v1 + 2v2 +...+ nvn
x= 1w1 + 2w2 + ...+3w3
Atunci leg[tura dintre coordonatele vectorului x @n cele dou[ baze este dat[ de rela\ia
1 1
1
A .
n n
Defini\ie. Fie spa\iul Rn ]i B o baz[ a sa. Fie x Rn ]i a1, a2, ..., an coordonatele lui x ȋn
baza B. Se nume]te forma p[tratic[ func\ia Q : R n R
Q( x) 11a12 212 a1a2 ... 21n a1an
22 a22 2 23a2 a3 ... 2 2 n a2 an ... nn an2 .
43
Q( x) 1 x12 ... n xn2
cu x1 , x2 ,..., xn func\ii liniare de a1,... an.
1. Metoda lui Gauss pentru determinarea formei canonice a unei forme p[tratice
Fie B1 (v1 , v2 ,..., vn ) o baz[ in Rn ]i x a1v1 a 2 v 2 ... a n vn un vector din Rn. Fie
forma p[tratic[ Q : R n R ,
Q( x) 11a12 212 a1a2 ... 21n a1an
22 a22 2 23a2 a3 ... 2 2 n a2 an ... nn an2 .
1
Cazul 1. Dac[ 11 0 se d[ for\at factor comun pentru to\i termenii ce con\in pe a1 ,
11
apoi se formeaz[ un p[trat perfect adun`nd ]i sc[z`nd termenii necesari. Se continu[
procedeul cu forma p[tratic[ ramas[. Dup[ cel mult (n-1) pa]i se ob\ine expresia
canonic[ pentru Q .
Cazul 2. Dac[ 11 0 , dar exist[ ii 0 @n expresia lui Q, atunci se @ncepe prin a da
1
factor comun pe @ntre to\i termenii din expresia lui Q care con\in pe a i , apoi se
ii
procedeaz[ ca @n cazul 1.
Cazul 3. Dac[ 11 22 ... nn 0 , deci în expresia lui Q nu apar p[trate, atunci se
alege un termen nenul, de exemplu 212 a1a2 ]i se face mai înt`i schimbarea de
coordonate
a1 b1 b2
a b b
2 1 2
a3 b3
an bn
Noua expresie a lui Q con\ine p[trate ]i se poate continua ca în cazul 1.
2
2
44
1 1 2
(2a1 a2 ) 2 a2 6a2 a3 30a32 .
2 2
Not[m
2a1 a2 b1 ,
a2 b2 ,
a b .
3 3
Expresia lui Q ȋn noua baz[ este
1 2 1 2 1
b1 b2 6b2 b3 30b32 b12 Q1 .
2 2 2
Continu`nd s[ aplic[m metoda lui Gauss lui Q1 , avem
Q x b1 2( b22 3b2b3 ) 30b32
1 2 1
2 4
1 2 1 1
b1 2( b2 ) 2 2( b2 )3b3 9b32 9b32 30b32
2 2 2
1 2 1
b1 2( b2 3b3 ) 2 12b32 .
2 2
Not[m
b1 c1 ,
1
b2 3b3 c2 ,
2
b3 c3 .
Expresia formei p[tratice Q in noua baz[ este canonic[:
1
Q ( x) c12 2c22 12c32 .
2
2. Metoda lui Jacobi pentru determinarea formei canonice a unei forme p[tratice
Teorema (Jacobi). Fie L un spa\iu vectorial real ]i B1 v1 ,..., v n o baz[ a lui Rn.
Fie Q : Rn R o form[ p[tratic[ nesingular[.
45
Dac[ D1 11 0 ,
11 12
D2 0,
21 22
..........................
Dn det AB 0 ,
1
atunci exist[ o baz[ B2 w1 ,..., wn a spa\iului Rn astfel înc`t matricea formei p[tratice
Q în baza B2 este de forma:
D0
0 ... 0
D1
D1
AB2
0 ... 0
D2 , cu D0=1.
... ... ... ...
0 0 ...
D n 1
Dn
În plus, dac[ x R n , x x1w1 ... xn wn , atunci expresia canonic[ a lui Q se scrie de
forma:
n
D 1 2 D1 2 D
Qx i 1 xi2 x1 x2 n 1 x n .
2
i 1 Di D1 D2 Dn
Exemplu. Fie forma p[tratic[ Q : R 3 R ,
Q( x) 2a12 2a1a2 a22 6a2a3 30a32
Matricea formei p[tratice Q este
2 1 0
AB1 1 1 3 ]i avem
0 3 30
2 1 0
2 1
D1 2 0 , D2 1 0 , D3 1 1 3 12 0 .
1 1
0 3 30
Conform metodei Jacobi, expresia canonic[ a lui Q este
Q x x12 2 x22 x32 .
1 1
2 12
Observa\ie. Aplic`nd metoda lui Jacobi, s-a ob\inut o alt[ expresie canonic[ ]i o alt[
baz[ canonic[ dec`t în cazul c`nd s-a aplicat metoda lui Gauss.
46
CLASIFICAREA FORMELOR P{TRATICE
Fie o expresie canonic[ a formei p[tratice: Qx 1 x12 2 x22 ... n xn2 .
Are loc urm[toarea proprietate:
Observa\ie
Forma p[tratic[ Q este semipozitiv definit[, dar nu ]i pozitiv definit[, dac[ i 0 ,
pentru orice i 1,2,..., n ]i exist[ coeficien\i j 0 .
Forma p[tratic[ Q este seminegativ definit[, dar nu ]i negativ definit[, dac[ i 0 ,
pentru orice i 1,2,..., n ]i exist[ coeficien\i j 0 .
47
Tema 8
FUNC|II REALE DE MAI MULTE VARIABILE REALE.
ELEMENTE DE TOPOLOGIE #N Rn
x1 y1 x10
Fie x, y, x0 R , n
x , y , x0 .
x y x
n n n0
Definim:
Norma vectorului x ( lungimea lui x):
x = 2 2 2
x1 x 2 ... x n .
Distan\a de la x la y:
d ( x , y) = ( x1 y1 ) 2 ... ( xn yn ) 2 .
Sfera deschis[ de centru x0 ]i raz[ r:
S x0 , r x R n / d x , x0 r
Vecin[tate a punctului x0 :
Mul\imea V R n ce con\ine o sfer[ deschis[ S(x0,r).
Fie A Rn.
Punctul x 0 A se nume]te punct interior mul\imii A dac[ exist[ V o vecin[tate a lui x0
astfel @nc`t V A.
Mul\imea A se nume]te deschis[ dac[ oricare ar fi xA, x este punct interior pentru A.
Punctul x0Rn se nume]te punct de acumulare pentru mul\imea A dac[ oricare ar fi V o
vecin[tate a punctului x0 ea contine puncte din A, ȋn afara lui x0.
FUNC|II REALE DE MAI MULTE VARIABILE REALE.
LIMITE. CONTINUITATE
Defini\ie. Fie D Rn
]i f : DR o func\ie care ata]az[ fiec[rui punct
x x1 , x2 ,, xn D valoarea f(x) R.
t
Func\ia f se nume]te func\ie real[ de n variabile reale sau func\ie real[ de variabil[
vectorial[.
Exemplu. Urm[toarele func\ii sunt reale de variabil[ vectorial[
a). f: R3R, f x1, x 2 , x 3 x12 2x1x 2 e x 3
48
Fie x0 Rn un punct de acumulare pentru mul\imea D,
f:D R ]i l R. Urm[toarele defini\ii sunt echivalente:
Defini\ie. Num[rul l se nume]te limita func\iei f c`nd x x0 (]i not[m l= lim f x ) dac[
x x0
Defini\ie. Dac[ f are derivate par\iale @n punctul x0 @n raport cu toate variabilele, atunci
vectorul
f
x 0
x1
f x 0
f
x x 0
n
se nume]te gradientul lui f @n punctul x0.
Dac[ f este derivabil[ par\ial @n raport cu xi @n orice punct din D, spunem c[ f este
f f
derivabil[ par\ial @n raport cu xi pe D. #n acest caz func\ia : D R, cu x x
xi xi
este derivata par\ial[ a lui f @n raport cu variabila xi.
49
derivare (pentru sum[, diferen\[, produs, c`t, etc.) sunt acelea]i ca pentru func\iile de o
variabil[.
Observa\ie. Dac[ func\ia f are derivate par\iale @n punctul x0, atunci nu rezult[ @n
general c[ f este func\ie continu[ @n x0.
Proprietate. Dac[ func\ia f are derivate par\iale @ntr-o vecin[tate a lui x0,
continue sau m[rginite @n aceast[ vecin[tate, atunci f este continu[ @n x0.
Exemple
a). Fie f : R 2 R , f x1 , x2 x1 4 x22 3x1 x1 x2 10 .
3 2
f f
0,1 3 ; 0,1 8 .
x1 x2
3
Deci gradientul func\iei f @n x 0 este f 0,1 .
8
50
DIFEREN|IABILITATE
f x f x0 1 x1 x10 n xn xn 0 x d x, x0
oricare ar fi x= x1 , , x n D.
Propriet[\i:
1). Dac[ func\ia f este diferen\iabil[ @n punctul x0, rezult[ c[ f are derivate par\iale @n x0.
f
#n acest caz x 0 i , i 1, n .
x i
2). Dac[ func\ia f este diferen\iabil[ @n x0, rezult[ c[ f este continu[ @n x0.
3). Dac[ func\ia f are derivate par\iale @ntr-o vecin[tate a punctului x0, continue @n
x0, rezult[ c[ f este diferen\iabil[ @n x0.
Defini\ie. Dac[ f este o func\ie diferen\iabil[ @n punctul x0, atunci func\ia liniar[
n f
df x0 x x0 xi xi0
i 1 x
i
se nume]te diferen\iala lui f @n punctul x0.
Observa\ie.
Convenim s[ not[m dxi xi xi 0 .
Atunci diferen\iala func\iei f @n punctul x 0 se scrie
n f
df x0 x x0 dxi .
i 1 x
i
#ntr-un punct oarecare x avem:
n f
df x x dxi .
i 1 x
i
Exemplu.
Func\iile f ]i g din exemplul precedent au derivate parţiale continue deci sunt
diferenţiabile şi diferenţialele lor sunt:
df x1 , x2 3x12 3 2x1 x2 dx1 8x2 x1 dx2
2
dg x, y, z 2 x 2 xy 4 z 3 2 z 2 dx 12 y 2 4 x 2 y 3 z 3 dy 3 3x 2 y 4 z 2 4 xz dz
51
DERIVATE PARŢIALE DE ORDIN SUPERIOR.
HESSIANA
În continuare vom enunţa două criterii care dau condiţii suficiente pentru egalitatea
derivatelor parţiale mixte.
Fie D R 2 , f : D R
Criteriul lui Schwarz.
Dacă f are derivate parţiale mixte de ordinul doi continue, atunci nu conteaza ordinea de
derivare .
În condiţiile criteriilor Schwarz sau Young, hessiana funcţiei este matrice simetrică.
52
2 f
x1x2
x1 , x2 f 8 x2 x12 2 x1 ;
x1 x2 x1
2 f
x2
2
x1 , x2 f 8 x2 x12 8 .
x2 x2 x2
6 x1 2 x2 2 x1
Hessiana funcţiei f este H x1 , x2 .
2 x1 8
Derivatele parţiale de ordinul al II-lea ale funcţiei g sunt:
2g
x, y, z g 2 x 2 xy 4 z 3 2 z 2 2 2 y 4 z 3 ;
x 2
x x x
g
x, y, z g 2 x 2 xy 4 z 3 2 z 2 8xy3 z 3 ;
2
yx y x y
2g
x, y, z g 2 x 2 xy 4 z 3 2 z 2 6 xy 4 z 2 4 z ;
zx z x z
g
x, y, z g 12 y 2 4 x 2 y 3 z 3 8xy3 z 3 ;
2
xy x y x
2 g
x, y, z g 12 y 2 4 x 2 y 3 z 3 24 y 12x 2 y 2 z 3 ;
y 2
y y y
2 g
x, y, z g 12 y 2 4 x 2 y 3 z 3 12x 2 y 3 z 2 ;
zy z y z
2g
x, y, z g 3 3x 2 y 4 z 2 4 xz 6 xy 4 z 2 4 z ;
xz x z x
2g
x, y, z g 3 3x 2 y 4 z 2 4 xz 12x 2 y 3 z 2 ;
yz y z y
2g
x, y, z g 3 3x 2 y 4 z 2 4 xz 6 x 2 y 4 z 4 x .
z 2
z z z
2 2y4 z3 8 xy 3 z 3 6 xy 4 z 2 4 z
Hessiana funcţiei g este: H x, y, z 8 xy 3 z 3 24 y 12x 2 y 2 z 3 12x 2 y 3 z 2 .
6 xy 4 z 2 4 z 12x 2 y 3 z 2 6 x 2 y 4 z 4 x
In particular, ȋn punctul (-1,0,1) avem :
2 0 4
H 1,0,1 0 0 0 .
4 0 4
53
DIFERENŢIABILITATE DE ORDIN SUPERIOR
Observaţie. Din criteriul lui Young rezultă că dacă funcţia f este diferenţiabilă de k ori
în punctul x 0 , atunci
i). există toate derivatele parţiale de ordinul k în punctul x 0
ii). ordinea de derivare în x 0 , pînă la ordinul k inclusiv, nu are importanţă.
Diferenţialele de ordin superior ale funcţiei f se definesc în mod recurent prin relaţia:
d k f d d k 1 f
Se observă că d 2 f x este o formă pătratică în variabilele dx1 , dx2 ,, dxn , avînd ca
matrice hessiana H(x) a funcţiei f:
2 f 2 f
d 2 f x d df x 2 x dx1 x dxn 2
2
x1 xn
2
2 f
x dx1dx2 2 f x dxn 1dxn .
2
2
x1x 2 xn 1xn
Aceeaşi formulă poate fi scrisă în mod formal sub forma :
( 2)
d f x
2
dx1 dxn f x .
x1 x n
În general avem formula pentru calculul diferenţialei de ordinul k a funcţiei f :
(k )
d f x
k
dx1 dxn f x .
x1 x n
54
Tema 9
Defini\ie. Punctul x 0 se nume]te punct de maxim local pentru func\ia f dac[ exist[ o
vecin[tate V a lui x 0 , astfel @nc`t f ( x) f ( xo ) , oricare ar fi x ( x1 ..., xn ) t V .
Punctul x 0 se nume]te punct de minim local pentru func\ia f dac[ exist[ o vecin[tate V a
lui x 0 , astfel @nc`t f ( x) f ( x0 ), oricare ar fi x V .
Punctele de minim local sau maxim local ale func\iei f se numesc puncte de extrem local.
55
Proprietate. Fie x 0 un punct de extrem local al func\iei f, interior domeniului de defini\ie
D. Dac[ f are derivate par\iale @n punctul x 0 , atunci acestea sunt nule, adic[ :
f
( x0 ) 0, i 1,2,..., n.
xi
Observa\ie. Reciproca propriet[\ii de mai sus nu este, @n general, adev[rat[, deci dac[
derivatele par\iale ale func\iei f @n punctul x 0 sunt nule, nu rezult[ neap[rat c[ x 0 este
punct de extrem pentru f .
Am v[zut c[ nu orice punct sta\ionar al unei func\ii este ]i punct de extrem local.
Punctele sta\ionare care nu sunt de extrem local se numesc puncte ]a.
Pentru a determina natura unui punct sta\ionar x 0 , se foloseste formla lui Taylor de
ordinul 2 in x 0 :
1 1
f ( x) f ( x0 ) d 2 f ( x0 ) ( x)d ( x, x0 ) 2
2 2
56
Etapa 1.
f
x ( x) 0
1
.
Se rezolv[ sistemul
.
f ( x) 0
x n
sau f ( x) 0 .
Solu\iile acestui sistem sunt punctele sta\ionare ale func\iei f, iar extremele lui f se g[sesc
printre punctele sta\ionare.
Etapa 2. Dac[ x 0 este un punct sta\ionar determinat la (1) se scrie diferen\iala de ordinul
doi a func\iei f @n punctul x 0
Dac[ d 2 f ( x0 ) este pozitiv definit[, atunci x 0 este punct de minim local.
Dac[ d 2 f ( x0 ) este negativ definit[, atunci x 0 este punct de maxim local.
Dac[ d 2 f ( x0 ) este nedefinit[, atunci x 0 nu este punct de extrem al func\iei f.
Dac[ d 2 f ( x0 ) este semipozitiv definit[ dar nu ]i pozitiv definit[ sau seminegativ definit[
dar nu ]i negativ definit[, atunci se apeleaz[ la formula lui Taylor de grad mai mare sau
egal cu trei.
57
Deci d 2 f ( p1 ) 144dx 2 2dy 2 2dz 2 24dxdy este form[ p[tratic[ pozitiv definit[.
Rezult[ c[ p1 este punct de minim local al func\iei f.
0 12 0
Avem H ( p2 ) 12 2 0 ]i d 2 f ( p2 ) 2dy 2 2dz 2 24dxdy . Cum D1 = 0,
0 2
0
pentru a determina natura formei p[tratice d 2 f ( p2 ) vom g[si forma ei canonic[ cu
metoda lui Gauss. Avem
d 2 f ( p2 ) 2[dy2 12dxdy 36dx2 36dx2 ] 2dz 2 = 2(dy 6dx) 2 72dx2 2dz 2 . Cu
schimbarea de coordonate :
dx t1
6dx dy t2 ,
dz t
3
func\iei f.
58
Tema 10
APLICA|II ALE EXTREMELOR LA MODELE DETERMINISTE DE GESTIUNE A
STOCURILOR
59
Evolu\ia stocului in perioada de timp T
T t1 x y
Din asem[narea triunghiurilor ECD ]i EAB din Figur[ rezult[ , din care
T x
t1 y
deducem . Deci expresia func\iei f se poate scrie de forma
T x
f(x, y) =
N 1 y2 1
+ c t0 t0
x y 2 , x > 0, y > 0.
x 2 x 2 x
De]i din punct de vedere matematic func\ia f este definit[ pentru orice x 0, \in`nd cont
de semnifica\ia economic[ pentru x ]i y, vom considera domeniul ei de defini\ie de
forma:
D={(x,y) R2 | x > 0, y>0}.
Pentru a determina minimul func\iei cheltuieli f, se calculeaz[ derivatele par\iale:
f 2 N t0 x 2 t0 y 2 c
( x, y) ,x 0
x 2x 2
f t0 x t0 yc t yc
( x, y) t0 0 ,x 0
y x x
2 N 2 N
f = 0 x ; y , unde se nume]te coeficientul de
c t0 c t0 c
ruptur[ ȋn stoc.
Avem punctele sta\ionare, din care doar primul este ȋn domeniul de defini\ie:
2 N 2 N
x x
c t0 c t0
P1 = D, P2 = D.
2 N 2 N
y y
ct0 ct0
Pentru a determina tipul punctului P1 se calculeaz[ derivatele par\iale de ordinul al doilea
ale func\iei f:
2 f 2 Nq y 2
( x, y ) 3 3 (c )t0
x 2 x x
60
2 f 1
( x, y ) (c )t0
y 2
x
2 f y
( x, y ) 2 (c )t0 .
xy x
Deci matricea hessian[ a func\iei f este
2 Nq y 2 (c )t0 y
2 (c )t
H ( x, y ) .
3
x x
y 1
2 (c )t (c )t0
x x
2 Nq y (c )t0
2
2 N
Avem D1 3
0 ; D2 4 (c )t0 0 .
x x
Cum D1 0, D2 0 , rezult[ c[ d f ( x, y ) este pozitiv definit[, deci punctul sta\ionar
2
61
2 N
M[rimea stocului este y0= ct =25.
0
t x
Perioada dintre dou[ comenzi succesive este de T= 0 0 =8 zile.
N
Cheltuielile minime @n perioada total[ sunt minf = 2 Nct =18000 u.m.
0
2. Model de stocare pentru un singur produs, far[ a admite lipsa din stoc a
produsului
Consider[m modelul precedent, dar f[r[ a admite lips[ din stoc. Atunci 0 , t1 T ]i
x=y, deci func\ia cheltuieli este:
N ct 0
f: (0, ) R , f(x)= x.
x 2
N ct 2 N
Avem f ' ( x) 2 0 ; f ' 0 x0
x 2 ct0
2 N
f '' ( x) 3 0 pentru x>0 .
x
Deci f este functie conex[ ]i x0 este punct de minim global. Avem
min f f ( x0 ) 2 Nct 0 .
Deci gestiunea stocului este urm[toarea:
1. Se comand[ de fiecare dat[ un num[r de produse
2 N
x0 .
ct 0
2. Perioada dintre dou[ comenzi succesive este :
t x
T0 0 0 .
N
3. Cheltuielile totale minime sunt :
f ( x0 ) 2 Nct 0 .
Obseva\ie. Cum 1 , rezult[ c[ 2 Nct 0 < 2 Nct 0 ,
deci cheltuielile sunt mai mici dac[ se admite lipsa din stoc a produsului. Totu]i, @n acest
caz exist[ riscul de a pierde clien\ii.
62
Solu\ie. Avem t0 = 160 zile, N = 9000, = 3600 u.m,
c = 0.5 u.m. Aplic`nd formulele precedente avem
2 N
x0 = 900 cutii parfum la o comand[
ct0
t0 x0
T0 = 16 zile @ntre dou[ comenzi succesive
N
Cheltuielile minime @n acest caz vor fi
min f= f ( x0 ) 2 Nct 0 =72 000 u.m.
Nota\ii:
t0 –perioada de timp pe care se face analiza stocului
N1, N2,..., Nn –cantit[\le din cele n produse ȋn perioada total[ de timp
1 , 2 ,..., n -costurile lans[rii comenzilor pentru cele n produse
c1,c2,...,cn -cheltuielile unitare de stocare pentru cele n produse
x1,x2,...,xn=num[rul de produse din cele n tipuri la o comand[
T1,T2,..., Tn=perioadele dintre dou[ comenzi succesive la cele n produse
1 N1 1
2 c1t0
x1 2 2 1 N1
3 0 0
i Ni 1 x1
f ( X ) ci 0 ; H ( X )
t
xi2 2 2 n N n
0 0
n n N 1 xn3
2
c n t 0
xn 2
2 i Ni
f X 0xi ;
ci t0
Deci se ob\in punctele sta\ionare P1, P2 ale lui f:
63
2 1 N1 2 1 N1
c1t0 c1t0
P1 D; P2 D.
2 n N n 2 n N n
cn t0 cn t0
Cum d2f(P1) este form[ p[tratic[ pozitiv definit[, rezult[ c[ P1 este punct de minim.
64
2 N 3 3
x30 30 frigidere la fiecare comand[;
c3t0
t0 x10
T10 15 zile;
N1
tx
T20 0 20 9 zile;
N2
tx
T30 0 30 3,3 zile.
N3
Dac[ se procedeaz[ astfel, cheltuielile vor fi minime ]i anume:
min f 2 N 1 1c1t0 2 N 2 2 c2 t0 2 N 3 3 c3 t0 .
65
Tema 11
EXTREME CU LEG{TURI EGALIT{|I.
METODA MULTIPLICATORILOR LUI LAGRANGE
Pasul 1.
Se formeaz[ func\ia ajut[toare de n+m variabile
Lx, f x 1h1 x m hm x ,
unde x x1 , , xn ]i 1 ,, m R m .
t t
Aceasta se nume]te func\ia lui Lagrange, iar numerele reale 1 ,, m se numesc
multiplicatorii lui Lagrange.
Pasul 2.
Se rezolv[ sistemul de n+m ecua\ii cu n+m necunoscute x1 ,, xn , 1 , 2 , , m :
66
L
x x, 0
1
L
x, 0
L 0
x n
h1 x 0
hm x 0
Fie x0 , 0 o solu\ie a acestui sistem, unde x0 x10 ,, xn 0 ]i 0 10 ,, m 0 .
Atunci x0 este punct sta\ionar condi\ionat pentru func\ia f .
Se arat[ c[ orice punct de extrem condi\ionat al func\iei f este punct sta\ionar
condi\ionat pentru f , deci punctele de extrem condi\ionat se afl[ printre punctele
sta\ionare condi\ionate.
Pentru a decide dac[ x0 este punct de extrem ]i în caz afirmativ, pentru a stabili natura
lui, se trece la pasul urm[tor.
Pasul 3.
Se consider[ func\ia de n variabile x Lx, 0 ]i se calculeaz[ diferen\iala sa de
ordinul al doilea ȋn x0, anume d 2 x0 .
Conform formulei lui Taylor avem, pentru oricare x din mul\imea M:
f x f x0 x x0 d 2 x0 x 2 , unde lim x 2 0 .
1 1
2 2 x x0
Pasul 4.
Se diferen\iaz[ func\iile din sistemul (*) ]i avem:
dh1 x0 0
dh x 0
m 0
sau, echivalent
h1 h1
x x0 dx1 x x0 dxn 0
1 n
h h
m x0 dx1 m x0 dxn 0
x1 xn
Presupunand c[ rangul acestui sistem este m, rezult[ c[ m dintre variabilele dx1 ,, dxn se
pot exprima în func\ie de celelalte. S[ presupunem c[ exprim[m dx1 ,, dxm în func\ie de
dxm1 , , dxn . Atunci diferen\iala de ordinul al doilea d 2 x0 devine o form[ p[tratic[
Q de n-m variabile. Formula lui Taylor se scrie:
67
f x f x0 Qdxm 1 ,, dxn x 2 ,
1
2
Dac[ Q este pozitiv definit[, atunci f x f x0 0 , deci x0 este punct de minim
condi\ionat pentru func\ia f .
Dac[ Q este negativ definit[, atunci f x f x0 0 , deci x0 este punct de maxim
condi\ionat pentru func\ia f .
Dac[ Q este nedefinit[, atunci x0 nu este punct de extrem condi\ionat pentru func\ia f .
Solu\ie. Fie x1, x2, x3 cele trei dimensiuni ale recipientului. Volumul s[u este 1 =
x1 x2 x3
Aria total[ este f X 2 x1 x 2 x1 x3 x 2 x3 .
Problema care trebuie rezolvat[ este:
min f X 2x1 x2 x1 x3 x2 x3
x1 x2 x3 1
x 0, x 0, x 0
1 2 3
68
0 2 2
H(X0) = 2 0 2 ,
2 2 0
iar diferen\iala a doua a func\iei ȋn punctul X0 este:
d 2 X 0 4z1z2 z1z3 z2 z3 , unde z1 dx1 , z2 dx2 , z3 dx3
69
Tema 12
ELEMENTE DE TEORIA PROBABILITĂŢIOR
C~MP DE EVENIMENTE
Opera\ii cu evenimente
70
Defini\ie. Fie A, B K0 .Evenimentul D = A - B, care se realizeaz[ dac[ s-a
realizat A ]i nu s-a realizat B se nume]te diferen\a evenimentelor A, B.
Rezult[ u]or
A - B = AB .
A A = , A A =,
A B = A B ; A B = A B (legile lui De Morgan)
A B = A B
71
Exemplu. S[ analiz[m experien\a arunc[rii unui zar. S[ not[m cu i, i
1,2,...,6 evenimentul care const[ din apari\ia fe\ei cu "i" puncte. Evenimentele
1 ,....., 6 sunt evenimentele elementare. Fie E= 1 ,....., 6 mul\imea evenimentelor
elementare. Mul\imea E are 6 elemente.
La efectuarea oric[rei probe, evenimentul "apari\ia altei fe\e dec`ât una din cele
]ase fe\e" este evenimentul imposibil, ce se identific[ cu mul\imea vid[ , pe c`nd
evenimentul "apari\ia uneia din fe\ele cu 1,2,3,4,5,6 puncte” este evenimentul sigur, ce se
identific[ cu mul\imea E. Mul\imea evenimentelor posibile @n experien\a arunc[rii zarului
este mul\imea K0 = P(E). Mul\imea K0 are un num[r de 26 elemente, deci este o mul\ime
finit[.
Fie A evenimentul c[ la aruncarea unui zar apare o fa\[ cu num[r par de puncte.
Evenimentul dorit const[ din apari\ia oric[reia din fe\ele cu 2, 4 sau 6 puncte, deci el este
un eveniment compus A= 2 4 6 ]i @i asociem mul\imea 2 , 4 , 6 . Fie B
evenimentul apari\iei unui num[r de puncte mai mare sau egal cu 5. Rezult[ c[ B=
5 6 ]i el se identific[ cu mul\imea 5 , 6 .
Atunci avem:
A B= 2 4 5 6
A B= 6
A = 1 3 5
C~MP DE PROBABILITATE
Fie K0 mul\imea evenimentelor ata]ate unei experien\e cu un num[r finit de
rezultate posibile. Presupunem c[ evenimentele elementare au acela]i grad de realizare
(sunt evenimente egal posibile).
72
Defini\ia clasic[ a probabilit[tii
Fie A un eveniment din K0. Se nume]te probabilitatea evenimentului A num[rul
real
m
P(A) =
n
unde m este numãrul de cazuri favorabile evenimentului A, iar n este numãrul cazurilor
egal posibile.
73
n n
P ( Ai)
i 1
i 1
P (Ai), oricare ar fi Ai K.
h). Generalizarea lui (ii) pentru mai multe evenimente compatibile (Formula lui
Poincaré):
n
P (A1 ... An) = P (Ai ) -
i j
P (Ai Aj ) +
i 1
i jk
P (Ai Aj Ak) - ... + (-1)n + 1 P (A1 A2 ... An)
P( A1 A2 )
PA ( A2 ) (A1 K, cu P(A1) 0)
1
P( A1 )
este o probabilitate pe K.
Defini\ie.
a). Evenimentele A1, A2 K se numesc independente dac[:
P(A1 A2) = P(A1) . P(A2)
b). Evenimentele A1, A2, ..., An K se numesc independente în totalitatea lor, dac[
74
P(Ai1 Ai2 ..... Air ) = P(Ai1).P(Ai2)....P(Air)
oricare ar fi (i1, i2......ir) {1, 2,..., n}.
c). Evenimentele A1..., An, .... se numesc independente dac[ orice num[r finit de
evenimente din ]irul Ai sunt independente în totalitatea lor.
Exemplu. #ntr-un lot de piese produs în prima or[ sunt dou[ piese defecte ]i 80
bune. #n lotul din a doua or[ sunt 81 de piese bune ]i una defect[. La un control se ia c`âte
o pies[, la întâmplare, din fiecare lot.
Care este probabilitatea ca ambele piese s[ fie bune?
Dar probabilitatea ca cel pu\in una s[ fie bun[?
Solu\ie. Fie A1 evenimentul ca piesa extras[ din primul lot s[ fie bun[ ]i A2
evenimentul ca piesa din lotul doi s[ fie bun[. Evident, avem:
A1, A2 sunt compatibile (deci A1 A2 ) si
A1, A2 sunt independente
80 81
Avem P(A1)= , P(A2)= .
82 82
Evenimentul ca ambele piese s[ fie bune este A1 A2.
Deoarece A1, A2 sunt independente avem:
80 81
P(A1 A2) = P(A1)P(A2) = . =0,963712
82 82
Evenimentul ca cel pu\in o pies[ s[ fie bun[ este A1 A2. Deoarece A1, A2 sunt
compatibile, avem:
P(A1 A2) = P(A1) + P(A2) - P(A1 A2)=0,999703.
Exemplu. Din 100 000 bilete de loterie, un bilet aduce un castig de 100 000 lei,
100 bilete aduc un castig de 10 000 lei fiecare si 2000 bilete aduc un castig de 500 lei
fiecare, restul fiind necastig[toare.
Care este probabilitatea ca un juc[tor, posesor al unui singur bilet, s[ ca]tige?
Solutie. Se consider[:
A=evenimentul c[ se ca]tig[ 100 000 lei
B=evenimentul c[ se ca]tig[ 10 000 lei
C=evenimentul c[ se ca]tig[ 500 lei
X=evenimentul c[ juc[torul ca]tig[
Avem c[ X=A B C.
Cum A, B, C sunt evenimente incompatibile, avem:
P(X)=P(A B C)=P(A)+P(B)+P(C)=
1 100 2000
+ + =0,00001+0,001+0,02=0,02101.
100000 100000 100000
76
Tema 13
SCHEME CLASICE DE PROBABILITATE
20 30 6 20 4 50 3 30 50
P3, 2, 1 = + + .
23 34 56 23 34 56 23 34 56
77
2. Schema urnei cu bile revenite ( Bernoulli, binomial[).
Presupunem c[ urnele din schema lui Poisson sunt identice:
U1=…..= Ui = …= Un
Atunci avem
p1= p2=....= pn= p,
q1= q2=....= qn= q= 1-p.
Se extrage c`te o bil[ din fiecare urn[.
Se cere probabilitatea (notat[ Pn, k, n-k) ca din cele n bile extrase, k s[ fie albe ]i (n-
k) s[ fie negre.
Avem:
Pn, k, n-k = coeficientul lui tk din polinomul P(t), unde
n
P(t) =(pt+q)n = Cnk (pt)kqn-k.
k 1
Deci avem:
n!
Pn, k, n-k = Cnkpkqn-k = pkqn-k.
k !(n k )!
Observatie. Extragerea a c`âte o bil[ din n urne identice, U1,....,Un fiecare av`nd
numai bile albe ]i negre este echivalent[ cu extragerea a n bile dintr-o singur[ urn[,
punand de fiecare data inapoi bila extras[ (extrageri cu revenire). Atunci, schema
binomial[ se reformuleaz[ astfel:
O urn[ con\ine bile albe ]i negre.
Fie A evenimentul ca la o extragere aleatoare s[ apar[ o bil[ alb[ ]i p = P(A).
Fie B evenimentul ca la o extragere aleatoare s[ apar[ o bil[ neagr[. Atunci P(B)
= q = 1-p (deoarece B = A ).
Se extrag n bile, astfel inc`t bila extras[ se pune de fiecare dat[ din nou în urn[,
Se cere probabilitatea evenimentului ca din cele n bile extrase, k s[ fie albe.
n!
Pn, k, n-k = Cnkpkqn-k = pkqn-k.
k !(n k )!
Exemplu. Timp de 8 ore, or[ de or[, se ob\in loturi de produse identice (se
lucreaz[ dup[ aceea]i norm[/or[ ]i cu aceea]i precizie). #n fiecare lot, exist[ un procent
de rebut de 0,9%. La un control se alege c`te o pies[, aleator, din fiecare lot. Care este
probabilitatea ca din cele 8 piese luate la control, 6 s[ fie bune?
Solu\ie. Avem
q = 0,009, p=1-q=0,991
Din schema binomial[ rezult[
P8,6, 2 C8 p 6 q 2
6
78
n!
Pn, k1, k2 = p1k1p2k2 unde k1 + k2 = n ; p1 + p2 =1.
k 1! k 2 !
n!
P n; k1 ...k r
k k k
p11 p 22 ... p r r ; cu k1 ... kr n; p1 ... pr 1 .
k1!k2!...kr !
Exemplu. Becurile dintr-un lot produs intr-o or[ con\in defecte de fabrica\ie (1%)
sau defecte de montaj (2%). Or[ de or[, loturile sunt identice. Se ]tie c[ un bec care are
defecte de fabrica\ie nu are ]i defecte de montaj. Se ia c`te un bec din fiecare lot, timp de
8 ore.
Care este probabilitatea ca din cele 8 becuri controlate, 5 s[ fie bune, 2 cu defecte
de fabrica\ie ]i unul cu defecte de montaj ?
Solu\ie. Fie p1 probabilitatea ca un bec s[ fie bun, p2 probabilitatea ca un bec
selectat s[ fie cu defecte de fabrica\ie, iar p3 probabilitatea ca un bec selectat s[ fie cu
defecte de montaj.
Avem p2 = 0,01, p3 = 0,02 , p1 + p2 + p3 = 1 ]i deci p1 = 0,97.
Cu schema multinomial[ rezult[
8!
P8;5;2;1 0,975 0,012 0,021 .
5! 2 !1!
79
8!
P8, 2, 3, 3 = (1/6)2(1/6)3(4/6)3.
2! 3! 3!
O urn[ con\ine N bile omogene din care a1 sunt albe ]i a2 sunt negre (a1 + a2 = N).
Se extrag n bile, f[r[ revenire (sau n bile deodat[)
Se cere probabilitatea Pn, k , n k ca din cele n bile extrase, k s[ fie albe ]i n-k s[ fie negre.
Avem CNn cazuri posibile. #n total avem Cak1 grupe favorabile apari\iei a k bile
albe ]i Can2 k pentru apari\ia a n-k bile negre. Deci se ob\ine probabilitatea cerut[
k nk
Pn , k , n k
C C
a a 1 2
.
n
C N
Exemplu. #ntr-un lot sunt 20 de piese din care 5 nu prezint[ siguran\[ în perioada
de garan\ie. La un laborator de încercare se aduc 8 probe, luate aleator. Care este
probabilitatea ca s[ se constate c[ o prob[ nu s-a încadrat în regimul de garan\ie (la 8
probe se admite una necorespunz[toare, în regim de garan\ie).
P8,7 ,1 C C 15
8
5
.
C 20
80
Exemplu. La un atelier de confec\ii se fac 20 de costume pe or[. Se ]tie c[ 15
costume nu au defecte, 3 costume au defecte minore ]i 2 costume au defecte majore. La
un control se iau aleator 5 costume.
Care este probabilitatea ca 3 costume s[ fie bune ]i unul s[ aib[ defecte minore ]i
unul defecte majore?
Schema lui Pascal. Fie o urn[ cu bile albe ]i negre. Se extrag k bile, succesiv
c`te una, cu revenire. Se pune problema de a determina probabilitatea ca apari\ia bilei
albe s[ se realizeze numai la extragerea de ordinul k.
Fie A este evenimentul ca la o extragere s[ apar[ bil[ alb[,
X evenimentul ca apari\ia bilei albe s[ se realizeze numai la extragerea de ordinul k.
Avem:
X A A ... A A .
k-1 ori
Exemplu. Probabilitatea na]terii unei fete, în \ara noastr[ este de 51%. Care este
probabilitatea ca la 5 na]teri consecutive, numai la a cincea na]tere s[ apar[ un b[iat? Se
presupune c[ de fiecare dat[ se na]te un singur copil.
81
MODEL DE SUBIECT PENTRU EXAMEN
1). Dac[ resursele trebuie consumate integral, sa se determine planul optim de productie (cu
beneficiu total maxim)
2). Cât ar trebui sa fie beneficiul unitar adus de produsul 3 pentru ca el s[ fie rentabil, cu acela]i
beneficiu maxim g[sit anterior? Sa se scrie totalitatea programelor optime in acest caz.
3). Datorit[ unei retehnologiz[ri, scade consumul la resursa 1 pentru produsul 3, de la 3 la 1. Se
cere un plan de produc\ie optim cu eventual[ economie la resurse.
8). La un depozit trebuie s[ se aduc[ @ntr-o perioad[ de 300 de zile 400 t dintr-un anumit tip de
produs. Aprovizionarea se face cu cantit[\i egale, la intervale egale de timp ]i nu se admite lipsa
din stoc. Costul lans[rii unei comenzi este de 450 u.m., costul unitar de stocare este de 3 u.m.
Se cere gestiunea optima a stocului (cantitatea de produse la fiecare comanda, timpul dintre doua
comenzi succesive, cheltuielile minime).
9). Un muncitor execut[ @ntr-o or[ 60 de piese, din care 5% sunt rebuturi. La un control se aleg 5
piese din lot.
Care este probabilitatea de a ob\ine 4 piese bune ]i un rebut? Dar probabilitatea ca toate piesele sa
fie bune?
82