MATEMATICI

APLICATE IN ECONOMIE

NOTE DE CURS

Prof. univ. dr. Carmen Rocşoreanu

Universitarea din Craiova

Facultatea de Economie şi Administrarea Afacerilor
 TEMATICA

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.

14. Model de subiect pentru examen.

2
 Tema 1
PROBLEMA PROGRAMĂRII LINIARE

Definiţie. Se numeşte problemă de programare liniară ȋn formă standard o

problemă de forma următoare:

(max) f  x1 , x2 ,..., xn   c1 x1  c2 x2  ...  cn xn

 a11 x1  a12 x2  ...  a1n xn  b1

 .......... .......... .......... .......... .
a x  a x  ...  a x  b
 m1 1 m2 2 mn n m

x1  0, x2  0,..., xn  0,

unde rangul sistemului de restricţii este egal cu m şi m<n.

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

Forme nestandard de probleme de programare liniară

a) Dacă sistemul de restricţii este de inecuaţii:

a11 x1    a1n xn  b1
.......... .......... .........
am1 x1    amn xn  bm
problema are forma:
(max) f ( X )  CX
AX  B
X 0
In acest caz se scrie sistemul de ecuaţii compensat corespunzător sistemului de inecuaţii
AXB, ob\inut prin adunarea @n membrul st`ng al fiec[rei inecua\ii a unei variabile
pozitive yi, i=1,...,m:
a11x1    a1n xn  y1  b1
.......... .......... .........
am1 x1    amn xn  ym  bm
Rezultă o problemă de programare liniară standard cu m+n necunoscute.

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).

c) Dacă nu toate variabilele sunt pozitive, avem:

(max) f ( X )  CX
AX  B
xi  0, i  J1
x j  0, j  J 2
xk  R, k  J 3
unde J1UJ 2UJ 3  {1,2,..., n}.
In acest caz se notează
x j   y j , j  J 2 , cu y j  0
xk  yk1  yk 2 , cu yk1 , yk 2  0, pentru k  J 3 .
Rezultă o problemă de programare liniară cu variabile pozitive, deci ȋn formă standard.

Definiţie. Vectorul P0  R n se numeşte program optim al problemei de

programare liniară dacă P0 este program (deci AP0  B, P0  0 ) şi oricare ar fi un alt
program P al problemei, avem f ( P)  f ( P0 ) .
Aşadar, dacă P0 este program optim, atunci max f  f ( P0 ) .

Exemple de probleme practice modelate prin probleme de programare liniară

1. Problemă de programare optimă a producţiei cu consum integral al

resurselor

Pentru fabricarea a 3 tipuri de produse metalice (dibluri, şuruburi şi rulmenţi) se

folosesc două tipuri de resurse (fier şi oţel). Consumurile unitare (pentru mia de produse),
disponibilul de resurse şi beneficiile unitare sunt date de tabelul următor:

Produs 1 Produs 2 Produs3 Disponibil

Produse resurse
Resurse (kg)
Resursa 1 (fier) 1 2 1 100
Resursa 2 (oţel) 2 1 4 80
Beneficii unitare 6 3 8
(unităţi monetare)

Se cere să se scrie modelul matematic pentru a determina un plan optim (cu

beneficiu total maxim) de fabricaţie cu consumul integral al resurselor.

4
 Soluţie. Variabilele x1, x2, x3 reprezintă cantităţile din cele 3 tipuri de produse care
trebuie fabricate. Evident xi0.
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

2. Problemă de programare optimă a producţiei cu eventuală economie a

resurselor

Pentru datele din problema precedenta, se cere un plan optim (cu beneficiu total
maxim) de fabricaţie, cu eventuală economie la resurse.

Modelul matematic în acest caz 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 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

3. Problemă de transport optim

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.

Restricţiile privind disponibilul de marfă:

x1  x3  700
x2  x4  800
Restricţiile privind necesarul de marfă:
x1  x2  900
x2  x4  400

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
gs7
Restricţia privind ȋncadrarea ȋn fondul de cheltuieli:
200g  100s  1400
Restricţia privind ȋncadrarea ȋn timpul de lucru:
g  2 s  12

5. Problemă de investiţie optimă pe un an

Un investitor are 10000 Euro pe care ȋi poate investi ȋn orice combinaţie ȋn

acţiuni, depozite bancare şi aur. Ratele de profit, factorii de risc (pe o scară de la 1 la 10)
şi creşterea prognozată a investiţiei sunt date ȋn tabelul următor:

Tip investiţie Profit Factor Creşterea prognozată a investiţiei

(% anual) de risc
Acţiuni 3% 6 7%
Depozite la termen 2% 1 0
Aur 0 9 11%

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.

Funcţia obiectiv este suma existentă după un an:

f(X)=1.1 x1 +1.02 x2 +1.11 x3
Scopul este de a găsi maxf.

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

METODA ELIMIN{RII TOTALE GAUSS-JORDAN

Forma general[ a unui sistem de m ecua\ii liniare cu n necunoscute reale este:

a11x1 + ... + a1j xj+ ... + a1n xn =b1

..........................................................................
ai1x1 + ... + aij xj + ... + ain xn =bi
..........................................................................
am1x1 + ... + amj xj + ... + amn xn =bm

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

Form[ matriceal[ a sistemului este:

AX=B.

Defini\ia 1.1 Se nume]te transformare elementar[ a sistemului (sau a matricei

sale extinse (A,B)) oricare din urm[toarele transform[ri:
a) @nmul\irea unei ecua\ii a sistemului (sau a unei linii din matricea sa extins[) cu un
num[r nenul;
b) adunarea unei ecua\ii a sistemului la o alt[ ecua\ie (sau a unei linii din matricea
extins[ la o alt[ linie);
c) permutarea a dou[ ecua\ii (sau permutarea a dou[ linii din matricea extins[).

Aplic`nd una sau mai multe transform[ri elementare sistemului se ob\ine un

sistem echivalent cu sistemul ini\ial.

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

Demonstra\ie. Evident r  min(m,n). Se parcurg pa]ii urm[tori:

Pasul 1. 1a) Dac[ a11  0, atunci se @mparte linia 1 a matricei (A,B) la a11, iar
noua linie ob\inut[ se @nmul\e]te cu (-ai1) ]i se adun[ la linia i, pentru oricare i  1. Se
ob\ine astfel matricea echivalent[ (A1,B1), ]i anume:

 a11 ... a1 j ... a1n b1   1 ... a1(1j) ... a1(1n) b1(1) 

   
          
(A,B)=  ai 1  aij  ain bi  ~(A1,B1)=  0 ... aij(1) ... ain(1) bi(1) 
          
a bm   
 m1  a mj  a mn
( 1)
 0 ... a mj
( 1)
... a mn bm(1) 
unde:
a1 j b1
a1(1j)  ; b1(1) 
a11 a11
a a11aij  ai1a1 j
aij(1)  aij  ai1 1 j  , i=2,...,m, j=1,...,n.
a11 a11
b
b1(1)  1 ;
a11
a b a b  ai1b1
bi(1)  bi  i1 1  11 i , i=2,...,m.
a11 a11
Cu matricea (A1,B1) ob\inut[ se trece la pasul 2.

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.

Pasul 2. Se fac transform[ri asem[n[toare cu cele de la Pasul 1, dar pornind cu

(1)
matricea (A1,B1) ]i elementul a 22 .
Continu`nd, matricea (Ar,Br) ob\inut[ la pasul r este chiar matricea din enun\ul teoremei.

Ca o consecin\[ a Teoremei Gauss sistemul de ecua\ii liniare este echivalent cu

sistemul de ecua\ii liniare av`nd ca matrice extins[ pe ( A( 0 ) , B ( 0 ) ), adic[:

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(01)  ...  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) 11  ...  a1(n0) n  r
.......... .......... .......... .......... .
xr  br( 0)  arr( 0) 11  ...  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.

Dac[ pivo\ii nu s-au ales la r`nd, atunci necunoscute principale se consider[

necunoscutele din coloanele c[rora s-au ales pivo\ii, @n timp ce ecua\iile principale sunt
ecua\iile corespunz[toare liniilor din care s-au ales pivo\ii. Se observ[ c[ rangul
sistemului este egal cu num[rul pivot[rilor efectuate.
#n particular, dac[ sistemul liniar este de tip Cramer, avem m=n=r. #n acest caz
avem
 1 ... 0 b1( 0 ) 
 
( A( 0 ) , B ( 0 ) )=     ,
 0 ... 1 b ( 0 ) 
 n 

deci sistemul se scrie de forma

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.

Exemplul 1. Fie sistemul de ecua\ii liniare:

x1 +x2 +3x3 +2x4 =7
2x1 +x2 +x3 +x4 =4
x1 -2x3 -x4 = 

Sistemul se rezolv[ cu metoda Gauss-Jordan astfel:

[1] 1 3 2 7 1 1 3 2 7 
   
( A, B)   2 1 1 1 4  ~ ( A1 , B1 )   0 [1]  5  3  10 
 1 0  2 1   0 1  5  3   7
   

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  21   2 
 
 x2  10  51  3 2 
Sgen = 
x3  1 , 1 , 2  R .
 
x  
 4 2 

SOLU|II PARTICULARE ALE SISTEMELOR

DE ECUA|II LINIARE

Defini\ie. Se nume]te solu\ie de baz[ a sistemului liniar AX=B orice solu\ie

ob\inut[ din solu\ia general[ f[c`nd variabilele secundare egale cu zero.

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.

Exemplu. Pentru sistemul liniar precedent, fac`nd 1 = 2 = 0, se ob\ine solu\ia

de baz[:
  3
 
10 
S1    .
0
 
0 
 

Se observ[ c[ componentele nenule ale solu\iei de baz[ sunt chiar elementele

ultimei coloane din matricea (A(0) B(0)) corespunz[toare ecua\iilor principale.

Generarea solu\iilor de baz[

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
 

Defini\ie. Se nume]te program al sistemului orice solu\ie av`nd toate

componentele mai mari sau egale cu zero.
Un program al sistemului care este @n acela]i timp ]i solu\ie de baz[ se nume]te
program de baz[.

Programele de baz[ fiind ]i solu\ii de baz[, sunt @n num[r finit. De asemenea,

num[rul componentelor strict pozitive ale unui program de baz[ este mai mic sau egal cu

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.

Exemplu. Pentru sistemul precedent S1 nu este program, iar S2 este program de

baz[ nedegenerat.
0
 
 2
Daca in solu\ia general[ facem 1 = 2 =1, avem S3    , care este program, dar
1
 
1 
 
nu de baz[.
Generarea programelor de baz[

Presupunem c[ sistemul de ecua\ii liniare a fost rezolvat ]i au fost eliminate

ecua\iile secundare, ob\in`ndu-se matricea
 1 ... 0 a1(m0)1 ... a1( 0j ) ... a1(n0) b1( 0) 
 
( A( 0 ) , B ( 0 ) )=  .. ... ... ... ... ... ... ... ...  ,
 0 ... 1 amm(0) (0)
... amj ( 0)
... amn bm( 0) 
 1

care conduce la un program de baz[, adica cu b1  0, ... , bm  0 .
( 0) ( 0)

Pentru a ob\ine un nou program de baz[ se alege @n matricea (A(0),B(0)) un pivot

pozitiv aij( 0 ) dintr-o coloana secundar[, corespunzand celui mai mic raport intre
elementele ultimei coloane ]i elementele coloanei secundare alese:

 b(0) 
 b(0)
min  t( 0) , atj( 0)  0  i( 0)

 atj 
 aij
Aceasta se mai nume]te regula raportului minim.

Exemplu. Fie sistemul de ecua\ii liniare din exemplul precedent.

S-a obtinut programul de baz[ S2, corespunz[tor matricei:
 2 1 
1 0 1
 5 5 .
 0 1 1 3 2 
 5 5 
Pentru a ob\ine alt program de baz[ se continu[ cu alegerea unui pivot strict pozitiv dintr-
o coloan[ secundar[ cu regula raportului minim.
De exemplu, dac[ dorim s[ alegem un pivot din coloana lui x4 avem:
1 2 
min  1 ; 3   min5, 103   10 / 3 , deci pivotul trebuie ales 3/5.
5 5 

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 
 

Teorema. Dac[ sistemul de ecua\ii liniare are un program, atunci el are ]i un

program de baz[.

Consecin\[. Dac[ un sistem de ecua\ii liniare nu are programe de baz[, atunci el

nu are programe.

Defini\ie. Fie P1 , P2 ,, Pk  R n programe ale sistemului liniar AX=B.

Se nume]te combina\ie liniar[ convex[ a programelor P1, P2, ... Pk cu numerele a1, a2, ... ,
ak suma urm[toare:
P=a1P1 + a2P1 + ... + akPk , cu a1, a2, ... , ak  0 ]i a1+ a2 +... + ak=1.

#n particular, dac[ k=2, combina\ia liniar[ convex[ se scrie de forma:

P=a1P1 + a2P1, cu a1, a2  0 ]i a1+ a2 =1.
Not`nd cu a1=a, avem a2=1-a ]i combina\ia liniar[ convex[ devine:
P=aX1+(1-a)X2, cu a  0,1 .

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.

Deci ȋn cazul ȋn care mul\imea P a programelor sistemului este m[rginit[, ea se scrie cu

ajutorul programelor de baz[ de forma:

 k k
P  P  R n / P   ai Pi , a1 ,..., ak  0,  ai  1,
 i 1 i 1

unde P1 ,..., Pk sunt programe de baza  .

15
 Tema 3
REZOLVAREA PROBLEMELOR DE PROGRAMARE LINIARA

Fie problema de programare liniar[ standard:

(max) f  x1 , x2 ,..., xn   c1 x1  c2 x2  ...  cn xn

a11 x1  a12 x2  ...  a1n xn  b1
.......... .......... .......... .......... ..
am1 x1  am 2 x2  ...  amn xn  bm

x1  0, x2  0,..., xn  0,

unde rangul sistemului de restric\ii este egal cu m ]i m<n.

Matriceal, problema standard se scrie:

(max) f ( X )  CX
AX  B
X 0

Defini\ie. Programul P0  Rn al sistemului de restric\ii AX=B se nume]te program

optim al problemei dac[ oricare ar fi P un alt program al sistemului (deci cu AP=B, P 
0), avem f ( P)  f ( P0 ) .
Proprietate. Dac[ o problem[ de programare liniar[ are dou[ sau mai multe
programe optime, atunci orice combina\ie liniar[ convex[ a acestora este tot program
optim.
Propietate. Dac[ o problem[ de programare liniar[ are maximul finit, atunci exist[
un program de baz[ al sistemului de restric\ii AX=B care s[ fie program optim.
Consecin\[
Pentru a rezolva problema de programare liniar[, se poate proceda astfel:
a) - se determin[ toate programele de baz[ ale sistemului de restric\ii AX=B;
b) - se calculeaz[ valoarea func\iei f pentru fiecare program de baz[ calculat;
c) - se alege programul de baz[ corespunz[tor celei mai mari valori a lui f ca fiind
programul optim al problemei.
Totu]i, @n practic[, num[rul programelor de baz[ este mare. De exemplu, un sistem
10
de 10 ecua\ii cu 30 de necunoscute ar putea avea cel mult C30  30045015 programe de
baz[.

16
 ALGORITMUL SIMPLEX (G.B. Dantzig, 1947)
VARIANTA TABELAR{ CU BAZ{ PROPRIE

Etapa I: Se determin[ un program de baz[ P0 al sistemului de restric\ii AX=B.

 1 ... 0 a1(m0)1 ... a1( 0j ) ... a1(n0) b1( 0) 
 
(A,B)  ( A , B ) =  .. ... ...
(0) (0)
... ... ... ... ... ...  , B(0)  0.
 0 ... 1 amm (0) (0)
... amj ( 0)
... amn bm( 0) 
 1

Etapa a II-a: Se face tabelul simplex corespunz[tor programului de baz[ X0:

C c1 ... ci ... ct ... cm cm+1 ... cj ... cs ... cn

Pro x1 ... xi ... xt ... xm xm+1 ... xj ... xS ... xn
Cb Variab g.
.
bazice
c1 x1 b1(0) 1 ... 0 ... 0 ... 0 a1m+1(0) ... a1j(0) ... a1s(0) ... a1n(0)
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
ci xi bi(0) 0 ... 1 ... 0 ... 0 aim+1(0) ... aij(0) ... ais(0) ... ain(0)
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
...
ct xt bt(0) 0 ... 0 ... 1 ... 0 atm+1(0) ... atj(0) ... ats(0) ... atn(0)
... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ... ...
cm xm bm(0) 0 ... 0 ... 0 ... 1 amm+1(0) ... amj(0) ... ams(0) ... amn(0)
Z z0 z1 ... zi ... zt ... zm zm+1 ... zj ... zs ... zn
C-Z c1-z1 ... ci-zi ... ct-zt ... cm-zm cm+1- ... cj-zj ... cs-zs ... cn-zn
zm+1

1. Se calculeaz[ linia Z cu formulele

m
z0   cibi( 0) = c1b1(0)  ....  cmbm(0)
i 1
m
z j   ci aij( 0)  c1a1( 0j )  ...  cm amj
(0)
, j  1, n
i 1

]i linia C-Z, apoi se trece la pasul 2.

Evident zi=ci, oricare ar fi i=1,2,…,m, deci ci-zi=0, i  1,..., m .

2. Dac[ cj-zj0, 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.

3. Dac[ exist[ s  1,2,..., n cu cs  zs  0 ]i ais(0)0, oricare ar fi i{1,2,...,m}, atunci

maxf=. STOP.
Dac[ nu atunci se trece la pasul 4.

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  .

Programe optime multiple

Formula precedent[ arat[ c[, dac[ @n tabelul simplex se alege cu regula raportului
minim pivotul aij(0)>0 din coloana j av`nd cj-zj=0, pentru programul P1 ob\inut avem:
f(P1)=f(P0).
#n particular, dac[ programul P0 este de optim (deci maxf=f(P0)) ]i @n tabelul
simplex se continu[ pivotarea cu pivotul convenabil ales din coloana secundar[ a lui xj
av`nd cj-zj=0, atunci pentru noul program P1 avem:
f(P1)=f(P0)=maxf,
adic[ P1 este tot un program optim al problemei de programare liniar[.
Rezult[ c[ orice combina\ie liniar[ convex[ a programelor optime P0 ]i P1 este tot
program optim.

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:

prod 1 prod 2 prod 3 prod 4 Disponibil

Produse resurse
Resurse
Res 1 1 3 1 2 70
Res 2 2 1 1 1 40
Beneficii unitare 2 3 4 3
(unit[\i
monetare)

Se cere un plan optim (cu beneficiu total maxim) de fabrica\ie cu consumul

integral al resurselor.
Solu\ie. Fie x1, x2, x3, x4 cantit[\ile din cele 4 tipuri de produse care trebuie
fabricate. Evident xi0. Modelul matematic al problemei este urm[torul:

(max) f ( X )  2 x1  3x2  4 x3  3x4

x1  3x2  x3  2 x4  70
2 x1  x2  x3  x4  40
xi  0, i  1,2,3,4.

Etapa I: Se determin[ un program de baz[ al sistemului de restric\ii.

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-Z0, 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.

Solu\ie: Modelul matematic @n acest caz este urm[torul:

(max) f ( X )  2 x1  3x2  4 x3  3x4

x1  3x2  x3  2 x4  70
2 x1  x2  x3  x4  40
xi  0, i  1,2,3,4.

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.

Observa\ie. Faptul c[ @n programul optim al problemei de programare liniar[

standard a r[mas variabila auxiliar[ y1=30>0 arat[ c[ se poate face o economie de 30
unit[\i la resursa num[rul 1.

22
 Tema 4
PROGRAME OPTIME MULTIPLE
ALE UNEI PROBLEME DE PROGRAMARE LINIARA

Exemplu. O ferm[ are 40 de hectare ]i trebuie cultivat[ integral. Se pot planta 4

tipuri de culturi: C1, C2, C3 ]i C4. Cultivarea unui hectar cu C1 cost[ 1000 lei, cu C2 cost[
3000 lei, cu C3 cost[ 2000 lei, iar cu C4 cost[ 5000 lei. Fondul de cheltuieli este de 60000
lei si trecuie consumat in intregime. Beneficiile obtinute la hectar pentru fiecare tip de
cultur[ sunt: 1000 lei, 5000 lei, 3000 lei, respectiv 6000 lei.
S[ se determine cum poate fi cultivat[ ferma, astfel ȋncat beneficiul total ob\inut
s[ fie maxim.
Modelul matematic. Fie x1, x2, x3, x4 num[rul hectarelor ce se vor cultiva cu
culturile C1, C2, C3 ]i C4.
Fie f beneficiul total, anume:
f(x1, x2, x3, x4)= 1000x1+5000x2+3000x3+6000x4=1000(x1+5x2+3x3+6 x4).
Condi\ia ca ferma s[ fie cultivat[ integral se scrie:
x1+x2+x3+x4=40.
Condi\ia ca fondul de cheltuieli s[ fie consumat integral se scrie:
1000x1+3000x2+2000x3+5000x4=60 000.
Cum func\ia f va fi maxim[ cand paranteza f1= x1+5x2+3x3+6 x4 va fi maxim[, vom c[ta
maximul func\iei f1. De asemenea, ecua\ia privind fondul de cheltuieli, se poate ȋmp[r\i la
1000, astfel c[ se ob\ine modelul matematic de forma unei probleme de programare
liniar[ standard:
(max) f1 ( X )  x1  5 x2  3x3  6 x4
x1  x2  x3  x4  40
x1  3x2  2 x3  5 x4  60
xi  0, i  1,2,3,4.

Etapa 1. Se determin[ un program de baz[ al sistemului de condi\ii.

 1 1 1 1 40  1 1 1 1 40  1 - 1 0 - 3 20

(A, B)    ~   ~   .
 1 3 2 5 60   0 2 [1] 4 20  0 2 1 4 20

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 

DUALITATE ÎN PROGRAMAREA LINIAR{

Defini\ie. Fie problemele de programare liniar[

(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.

Exemplu. Din substan\ele S1 ]i S2 se fabric[ un medicament ce con\ine 3 tipuri de

elemente active E1, E2 ]i E3. Con\inutul @n elemente active pentru o unitate din fiecare
substan\[, costul unitar al fiec[rei substan\e ]i necesarul minim de elemente active pentru
ca medicamentul s[ fie eficient sunt date @n tabelul urm[tor:

26
 S1 S2 Necesar
minim
E1 2 1 3
E2 1 1 2
E3 1 2 1
Cost unitar 4 3

S[ se determine cantit[\ile din substan\ele S1 ]i S2 ce trebuie folosite astfel @nc`t costul

medicamentului s[ fie minim.

Solu\ie. Fie y1, y2  0 cantit[\ile din substan\ele S1 ]i S2 ce trebuie folosite.

Modelul matematic al problemei este :
(min) g (Y )  4 y1  3 y2
2 y1  y2  3
y1  y2  2
y1  2 y2  1
y1 , y2  0 .

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.

Forma standard a acestei probleme este:

(max) f ( X )  3x1  2 x2  x3
2 x1  x2  x3  t1  4
x1  x2  2 x3  t2  3
x1 , x2 , x3  0, t1,t1  0.
0
 
0
2 1 1 1 0 4
Etapa I. Matricea extinsa   da programul de baza  0  .
1 1 2 0 1 3   
 4
 3
 

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
max3,2,1  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[

Defini\ie. Într-o problem[ de programare liniar[ de maxim, restric\iile care au

sensul  se numesc concordante, iar cele cu sensul  se numesc neconcordante. Într-o
problem[ de programare liniar[ de minim, restric\iile cu sensul  se numesc
concordante, iar cele cu sensul  se numesc neconcordante.

Ne propunem s[ scriem duala unei probleme de programare liniara de form[

general[. În tabelul urm[tor sunt date coresponden\ele care exist[ @ntre problema ini\ial[
]i cea dual[, rezult`nd regulile de scriere a dualei nesimetrice.

Problema ini\ial[ Problema dual[

Num[r variabile Num[r restric\ii
Num[r restric\ii Num[r variabile
Min Max
Max Min
Termenii liberi ai restric\iilor Coeficien\ii func\iei
Coeficien\ii func\iei Termenii liberi ai restric\iilor
Coloanele matricei sistemului Liniile matricei sistemului
Liniile matricei sistemului Coloanele matricei sistemului
Restric\ie concordant[ Variabil[  0
Restric\ie neconcordant[ Variabil[  0
Restric\ie egalitate Variabil[ real[
Variabil[  0 Restric\ie concordant[
Variabil[  0 Restric\ie neconcordant[
Variabil[ real[ Restric\ie egalitate

În dualitatea nesimetric[ sunt valabile rezultate similare celor din dualitatea

simetric[ privind solu\iile celor dou[ probleme.

Exemplu. Se consider[ urm[toarea problem[:

(max) f ( X )  2 x1  5 x2  x3  7 x4
x1  2 x2  x3  10x4  12
3x1  8 x2  4 x3  9 x4  15
x1  2 x2  6 x3  21
x1, 2  0, x3  0, x4  R.
Duala sa (nesimetric[) este problema:
(min) g (Y )  12 y1  15 y2  21y3
y1  3 y2  y3  2
2 y1  8 y2  2 y3  5
 y1  4 y2  6 y3  1
10 y1  9 y2  7
y1  0, y3  0, y2  R.

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

Ne propunem s[ determin[m cum trebuie realizat transportul m[rfii astfel @nc`t

costul total de transport s[ fie minim.

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[.

Modelul matematic al problemei de transport echilibrate

Not[m cu xij  0, i  {1,...,m}, j  {1,...,n}, cantitatea de marf[ care se transport[ de
la furnizorul Fi la beneficiarul Bj. Astfel trebuie determinat[ o matrice X de forma:

x11 ... x1j ... x1n

... ... ...

xi1 ... xij ... xin

... ... ...

xm1 ... xmj ... xmn

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

Modelul este de programare liniar[, iar sistemul de restric\ii este un sistem de

n+m ecua\ii liniare cu mn necunoscute. Datorit[ condi\iei de echilibru, cel pu\in una din
ecua\ii este secundar[, deci rangul sistemului este mai mic sau egal cu n+m-1.
Problema este un caz particular de problem[ de programare liniar[, pentru c[
coeficien\ii necunoscutelor xij @n sistemul de restric\ii sunt to\i egali cu 0 sau cu 1.
Datorit[ acestei forme particulare a sistemului de restric\ii, s-au elaborat metode specifice
pentru rezolvare.

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

Un program de baz[ trebuie s[ fie de forma:

x11 x12 x13 25

P0= x21 x22 x23 50
x31 x32 x33 25
20 65 15

unde sumele pe linii ]i pe coloane au fost trecute pe margine.

Modelul matematic care furnizeaz[ programul optim de transport este:

31
 (min) f ( X )  2 x11  5 x12  8 x13  3 x21  12x22  3x23  10x 317 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.

Etapa I. Se determin[ un program de baz[ al sistemului de restric\ii, prin metoda

costului minim.
Se @ncepe prin a determina componenta xij a programului corespunz[toare celui
mai mic cost cij din tabelul datelor. Se alege:
xij  minDi , N j 
Se completeaza linia i din matricea X sau/si coloana j cu zerouri.
Se continu[ procedeul cu matricea r[mas[.

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

Programul P0 este de baz[ nedegenerat.

Costul transportului, dac[ acesta se realizez[ dup[ programul P0 este:
f(P0)=605 u.m.

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.

Metoda folosit[ @n acest scop se nume]te metoda poten\ialelor ]i se bazeaz[ pe

teoria dualit[\ii din programarea liniar[.Astfel, duala nesimetric[ a problemei este:

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

Deoarece la optim g = f, trebuie s[ avem:

m  n 
m n m n n
 m  m 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

Rezult[   xij ui  v j  cij   0 .

m n

i 1 j 1

De aici pa]ii metodei poten\ialelor sunt urm[torii:

Pasul 1
Dac[ xij>0, se rezolv[ sistemul:
ui+vj=cij, (*)
av`nd ca necunoscute variabilele duale (reale) u1,...,um, v1,...,vn.
Sistemul (*) are at`tea ecua\ii c`te componente xij>0 exist[ @n programul de baz[ P0.
a) Atunci c`nd P0 este program de baz[ nedegenerat ]i rangul este m+n-1, sistemul (*)
are m+n-1 ecua\ii ]i m+n necunoscute. Pentru a ob\ine solu\ie unic[, se consider[
u1=0.
b) Atunci c`nd P0 este program degenerat, chiar lu`nd u1=0, num[rul ecua\iilor din (*)
este mai mic dec`t num[rul necunoscutelor (care au r[mas m+n-1), ceea ce nu
permite determinarea @n mod unic a variabilelor problemei duale.
De aceea, @n acest caz, se scriu ecua\ii de forma ui+vj=cij ]i pentru perechi de
indici (i,j) av`nd xij=0, ]i anume pentru acei indici cu cele mai mici valori ale costurilor
cij. Se scriu at`tea ecua\ii suplimentare c`te sunt necesare pentru determinarea unic[ a
variabilelor duale (una, dac[ P0 este program simplu degenerat, dou[ dac[ este dublu
degenerat, etc.). Valorile zero ale variabilelor xij alese se numesc zerouri esen\iale, iar
procedeul expus @n cazul b) se nume]te metoda zerourilor esen\iale pentru dep[]irea
degener[rii.
Pasul 2.
Pentru (i,j) cu xij=0 (neesen\ial) se calculeaz[ cantit[\ile
zij  ui  v j
ij  zij  cij
a) Dac[ ij  0, rezult[ c[ P0 este program optim.
b) Dac[ exist[ diferen\e Δij>0, atunci programul P0 nu este optim. Putem presupune c[ Δij
este cea mai mare diferen\[ pozitiv[.

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[.

Exemplu. Vom verifica dac[ programul de baz[ P0 g[sit este optim.

Sistemul (*) corespunz[tor este:
u1+v1=2
u1+v2=5
u2+v2=12
u2+v3=3
u3+v2=7
Cum u1 =0, solu\ia este imediat[: v1=2, v2 =5, u2 =7, v3 =-4, u3 =2.

P0 V1=2 V2=5 V3=-4

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:

P1 V1=-4 V2=5 V3=-4

Z11=-4
5 Z13=-4
0 25 0 U1=0
Δ11=-6 Δ13=-12
3 12 3
20 15 15 U2=7

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

Pornind cu aceasta, problema se poate rezolva si cu algoritmul simplex.

35
 Tema 6

PROBLEME DE TIP TRANSPORT NEECHILIBRATE

Problema de transport este neechilibrat[, dac[ nu este verificat[ condi\ia de

echilibru.
Astfel, disponibilul total de marf[ al furnizorilor nu este egal cu necesarul total de
marf[ al beneficiarilor.

Sunt posibile dou[ situa\ii.

Cazul 1. Dac[ disponibilul total e mai mare ca necesarul total, atunci se adaug[
un beneficiar fictiv Bn+1, al c[rui necesar Nn+1 este diferen\a dintre disponibilul total ]i
necesarul total.
Costurile corespunz[toare beneficiarului fictiv se consider[ egale cu zero. Dup[
ce se rezolv[ problema echilibrat[ ob\inut[, se elimin[ din programul optim coloana
corespunz[toare beneficiarului fictiv.
Cazul 2. Dac[ disponibilul total e mai mic ca necesarul total, atunci se adaug[ un
furnizor fictiv Fm+1 al c[rui disponibil Dm+1 este diferen\a dintre necesarul total ]i
disponibilul total, adic[ avem:
Costurile corespunz[toare furnizorului Fm+1 se consider[ nule. Se rezolv[ problema
echilibrat[ ob\inut[, apoi se elimin[ din programul optim coloana corespunz[toare
furnizorului fictiv.
Exemplu. Pentru o problem[ de transport cu 3 furnizori ]i doi beneficiari, avem
datele din tabelul urm[tor:
Beneficiari B1 B2 Disponibil (t)
Furnizori
F1 6 3 70
F2 5 7 80
F3 6 4 50
Necesar(t) 75 90

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:

Beneficiari B1 B2 B3 Disponibil (t)

Furnizori
F1 6 3 0 70
F2 5 7 0 80
F3 6 4 0 50
Necesar(t) 75 90 35

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

Cum exist[ diferen\e Δij>0, programul P1 nu este optim. Aleg`nd

max 23  4,  33  1  4 , rezult[ c[ trebuie s[ avem x23=>0, deci noul program P2 este

de forma:

0 35   35  
P2  75 5    , iar  min5,35  5 .
0 50 0

#n continuare avem:

P2 V1=5 v2=3 v3=0

5
0 40 30 U1=0
3 0
-1
3
75 0 5 U2=0 5 0
-4
6 1
0 50 0 U3=1 4
0 1

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   min30,50  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.

ALTE PROBLEME DE TIP TRANSPORT

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:

Lucrări L1 L2 L3 L4 Norma (ha)

Ma]ini
M1 4 3 - 3 5000
M2 4 5 4 3 4500
M3 5 - 4 5 4500
Volum 4000 2000 3000 5000
lucrări (ha)

Să se determine cum trebuie repartizate lucrările ma]inilor agricole ȋn mod optim.

Fie xij num[rul hectarelor pe care le va lucra ma]ina Mi la lucrarea Lj ]i f costul

total al lucrarilor. Cum prima ma]in[ nu poate efectua lucrarea a treia, iar ma]ina a treia
nu poate efectua a doua lucrare, pentru a rezolva problema se aleg pentru acestea ni]te
costuri fictive foarte mari.
Volumul total al lucr[rilor este 14000 ha, iar norma celor 3 ma]ini este tot 14 000
ha. Modelul matematic se scrie de forma:

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:

2500 2000 0 500

P2= 0 0 0 4500
1500 0 3000 0

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
  25001  a  2000 0 500  2500a 
 
Popt   2500a 0 0 4500  2500a  .
 1500 
 0 3000 0 

Problem[ de alocare optim[

Fondurile b[ne]ti F1, F2, F3, ]i F4 trebuie repartizate beneficiarilor B1, B2, B3 ]i B4,
c`te un fond fiec[rui beneficiar. În tabelul urm[tor se dau riscurile corespunz[toare,
m[surate pe o scar[ de la 1 la 10.
B1 B2 B3 B4
F1 3 6 4 5
F2 7 3 2 5
F3 4 3 8 2
F4 5 8 7 6
Ne propunem s[ determin[m posibilit[\ile optime de alocare (cu risc total minim).

Modelul matematic se scrie de forma:

(min) f ( X )  3x11  6 x12  4 x13  5x14  7 x21  3x22  2 x 23 5x24 

4 x31  3x32  8x33  2 x34  5x41  8x42  7 x43  6 x44
x11  x12  x13  x14  1
x 21  x 22  x 23  x 24  1
x31  x 32  x33  x34  1
x 41  x 42  x 43  x 44  1
x11  x 21  x31  x 41  1
x12  x 22  x32  x 42  1
x13  x 23  x33  x 43  1
x14  x 24  x34  x 44  1
xij  0,1, i  1,2,3,4, j  1,2,3,4

Problemele de alocare se rezolv[ mai rapid cu un algoritm specific lor -

algoritmul ungar.

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

Atunci se verifică imediat că

n
a) (R ,+) este grup abelian;
b) ȋnmul\irea cu numere are urm[toarele propriet[\i:
1)  (x+y) = x + y,  x,y  L,   R;
2) ( + )x = x + x,  x  L, ,   R;
3)  (x) = ()x,  x  L, ,   R;
4) 1 . x = x,  x  L.
Avand aceste propriet[\i, R n ,,  se nume]te spa\iu liniar (vectorial) real. Elementele
lui se numesc vectori.

Defini\ie. Fie spa\iul vectorial Rn ]i B o submulţime a sa. Mul\imea B se nume]te baz[

pentru spa\iul vectorial dac[ oricare vector x  Rn se poate scrie in mod unic ca o
combina\ie liniar[ de vectori din B, cu scalari reali Scalarii din aceast[ combina\ie liniar[
se numesc coordonatele lui x @n baza B.

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, 3R 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      

 21   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.

Exemplu. Fie spa\iul vectorial Rn ]i vectorii

1 0 0
     
0 1 0
e1   . , e   .  ,........ ...., e n   .  .
  2    
. . 0
0 0 1
     
Atunci mul\imea B = e1, e2, ..., en este baz[ @n Rn. Aceast[ baz[ se nume]te baza
canonic[ a spa\iului Rn .

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 

vectorilor w1, ..., wn @n baza dat[.

#n aceste condi\ii avem urm[toarea proprietate:
Mul\imea B2 formeaz[ o nou[ baz[ @n spa\iul Rn dac[ ]i numai dac[ matricea A este
inversabil[.

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

FORME PATRATICE PE SPATIULRn

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  212 a1a2  ...  21n a1an 
 22 a22  2 23a2 a3  ...  2 2 n a2 an  ...   nn an2 .

Matricea formei p[tratice Q în baza B este

 11 ... 1n 
 
AB    ... ... ...  .
 ...  nn 
 1n

Se observ[ c[ pe diagonala principal[ a acestei matrici apar coeficien\ii p[tratelor din

expresia lui Q, în timp ce un element  ij cu i  j este jum[tate din coeficientul
produsului ai a j din aceast[ expresie. Matricea A[B] fiind simetric[, elementele de
deasupra diagonalei sunt acelea]i cu elementele de sub aceast[ diagonal[. Cum
coordonatele lui x se schimb[ la schimbarea bazei, expresia formei p[tratice ]i matricea
sa se schimb[ ]i ele.

FORMA CANONIC{ A UNEI FORME P{TRATICE

Se nume]te forma (expresia) canonic[ a formei p[tratice Q expresia

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  212 a1a2  ...  21n 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 212 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.

Exemplu. Fie forma p[tratic[ Q : R 3  R , Q( x)  2a12  2a1a2  a22  6a2a3  30a32 .

Aplic`nd metoda lui Gauss avem

1
Q( x)  (4a12  4a1a2 )  a22  6a2 a3  30a32 
2
1
2
 1

(2a1 ) 2  2(2a1 )a2  a2  a22  a2  6a2 a3  30a32 
2

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[.

Fie matricea formei p[tratice Q în baza B1.

 11 ... 1n 

 
AB1    ... ... ...  , cu  ij   ji .
 ...  nn 
 n1

45
Dac[ D1  11  0 ,
 11  12
D2   0,
 21  22
..........................
Dn  det AB   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 
AB2   
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
Qx    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 
 
AB1     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.

Teorema Sylvester. În orice expresie canonic[ a unei forme p[tratice, num[rul

coeficien\ilor strict pozitivi, strict negativi ]i nuli este acela]i.

46
CLASIFICAREA FORMELOR P{TRATICE

Defini\ia. Fie Q : Rn  R o form[ p[tratic[ ]i x  Rn . Forma p[tratic[ Q se nume]te:

1. pozitiv definit[, dac[ Qx   0, x  R n , x  0 .
2. negativ definit[, dac[ Qx   0, x  R n , x  0 .
3. semipozitiv definit[, dac[ Qx   0, x  R n .
4. seminegativ definit[, dac[ Qx   0, x  R n .
5. nedefinit[, dac[ exist[ x, y  R n astfel înc`t Qx   0 ]i Q y   0 .

Caracterizarea tipului unei forme p[tratice cu ajutorul expresiei sale canonice.

Fie o expresie canonic[ a formei p[tratice: Qx   1 x12  2 x22  ...  n xn2 .
Are loc urm[toarea proprietate:

Proprietate. Forma p[tratic[ Q este:

1. pozitiv definit[, dac[ i  0 , pentru orice i  1,2,..., n .
2. negativ definit[, dac[ i  0 , pentru orice i  1,2,..., n .
3. semipozitiv definit[, dac[ i  0 , pentru orice i  1,2,..., n .
4. seminegativ definit[, dac[ i  0 , pentru orice i  1,2,..., n .
5. nedefinit[, dac[ exist[ i, j 1,..., n, i  j, cu i  0 ]i  j  0 .

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 .

Consecin\a. |in`nd seama de expresia canonic[ a unei forme p[tratice Q ob\inute

în condi\iile teoremei lui Jacobi se observ[ c[
a). Dac[ D1  0, D2  0,, Dn  0 , atunci Q este pozitiv definit[.
b). Dac[ D1  0, D2  0, D3  0,, (1) n Dn  0 , atunci Q este negativ definit[.

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 xA, x este punct interior pentru A.
Punctul x0Rn 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 : DR 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: R3R, f x1, x 2 , x 3   x12  2x1x 2  e x 3

b). f: R2- {(0,0)}R, f  x, y   2

xy
.
x  y2

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

oricare ar fi V o vecin[tate a lui l, exist[ U o vecin[tate a lui x0 astfel @nc`t x U  D , x

 x0  f(x)V.

Defini\ie. Fie f : D  R, ]i x0  D un punct de acumulare pentru D. Func\ia f se

nume]te continu[ @n punctul x0 dac[ exist[ lim f  x   f  x0  .
x  x0

DERIVATE PAR|IALE DE ORDINUL I.

GRADIENT

Defini\ie. Fie D  R n ]i func\ia f : D  R . Fie x0=  x10 ,, xn 0  un punct

interior lui D. Func\ia f este derivabil[ par\ial @n raport cu variabila xi @n punctul x0 dac[
f x10 ,, xi ,, xn0   f  x10 , xi 0 ,..., xn0 
lim
xi  xi 0 xi  xi 0
exist[ ]i este finit[.
f
#n acest caz limita de mai sus se noteaz[ x0  sau f xi x0  ]i se nume]te derivata
xi
par\ial[ a lui f @n raport cu xi @n punctul 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.

C@nd se calculeaz[ derivata par\ial[ @n raport cu xi, celelalte variabile se consider[

constante ]i se deriveaz[ ca ]i cum ar fi o singur[ variabil[, xi. Rezult[ c[ regulile de

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

Derivatele par\iale ale func\iei f sunt:

f f
x1 , x2   3x12  3  2 x1 x2 , x1 , x2   8x2  x12 .
x1 x2
Astfel, se ob\ine gradientul func\iei f:
 3 x 2  3  2 x1 x2 
f  x1 , x2    1 .

 8 x2  x1
2

Fie x0  0,1  R . Derivatele par\iale ale func\iei f @n punctul x 0 sunt:
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 

b). Fie g : R 3  R , g x, y, z   x 2  4 y 3  3z  x 2 y 4 z 3  2 xz 2  1 .

Derivatele par\iale ale func\iei g sunt:
g
x, y, z   2 x  2 xy 4 z 3  2 z 2 ,
x
g
x, y, z   12 y 2  4 x 2 y 3 z 3 ,
y
g
x, y, z   3  3x 2 y 4 z 2  4 xz .
z
Astfel, se ob\ine gradientul func\iei g:
 2 x  2 xy 4 z 3  2 z 2 
 
g  x, y, z    12 y 2  4 x 2 y 3 z 3  .
  3  3 x 2 y 4 z 2  4 xz 
 

50
 DIFEREN|IABILITATE

Defini\ie. Fie D  R n , f : D  R ]i x0=  x10 , , xn 0  un punct interior lui D.

Func\ia f se nume]te diferen\iabil[ @n punctul x0 dac[ exist[ 1 ,, n  R ]i exist[
 : D  R o func\ie @ndeplinind condi\iile   x0   0 ]i lim   x   0 astfel @nc`t
x  x0

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.

Observa\ie. Reciprocele nu sunt @ntotdeauna adev[rate.

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

Definiţie. Fie D  R n şi f : D  R o funcţie care are derivate parţiale de ordinul I pe

f f
D . Dacă există derivatele parţiale ale funcţiilor , ... , atunci ele se numesc
x1 x n
derivate parţiale de ordinul al II-lea pentru funcţia f , ş.a.m.d.

Definiţie. Fie D  R n şi f : D  R o funcţie care are n 2 derivate parţiale de ordinul al

II-lea. Matricea
 2 f 2 f 2 f 
  x   x  ..... x  
 x1
2
x 2 x1 x n x1 
 2 
  f x  2 f
x  ..... 2 f
 x 
H  x    x1x 2 x 22 x n x 2 
 
 .......... .......... .......... .......... .......... .......... ......... 
 2 f 2 f 2 f 
 x  x  .....  x  
 x1x n x 2 x n x n2 
se numeşte matricea hessiană a funcţiei f .

În general conteaza ordinea de derivare.

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 .

Criteriul lui Young.

Dacă f are derivate parţiale de ordinul întîi, diferenţiabile pe D, atunci există toate
derivatele parţiale de ordinul doi ale lui f pe D şi nu conteaza ordinea de derivare.

În condiţiile criteriilor Schwarz sau Young, hessiana funcţiei este matrice simetrică.

Exemplu. Fie f ]i g func\iile din exemplul precedent.

Derivatele parţiale de ordinul al II-lea ale funcţiei f sunt:
2 f  
x1 , x2     f    3x12  3  2 x1 x2   6 x1  2 x2 ;
x1
2
x1  x1  x1
2 f  
x1 , x2     f    3x12  3  2 x1 x2  2 x1 ;
 
x2 x1 x2  x1  x2

52
 2 f
x1x2
 

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

yx 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 ;
 
zx z  x  z
 g
x, y, z     g    12 y 2  4 x 2 y 3 z 3  8xy3 z 3 ;
 
2

xy 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 ;
 
zy z  y  z
2g
x, y, z     g     3  3x 2 y 4 z 2  4 xz  6 xy 4 z 2  4 z ;
 
xz x  z  x
2g
x, y, z     g     3  3x 2 y 4 z 2  4 xz  12x 2 y 3 z 2 ;
 
yz 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

Definiţie. Fie D  R n , f : D  R şi x 0 un punct interior lui D. Funcţia f se numeşte

diferenţiabilă de k ori ( k  2 ) în punctul x 0 dacă :
i) există toate derivatele parţiale de ordin (k-1) într-o vecinătate a punctului x 0 .
ii) aceste derivate parţiale sunt diferenţiabile în x 0 .

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
x1x 2 xn 1xn
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 

Exemplu. Diferen\iala de ordinul al doilea a func\iei f din exemplele precedente

este:
2 f 2 f 2 f
d f x1 , x2   2 x dx1  2 x dx1dx2  2 x dx2 2
2 2

x1 x1x2 x2

 6 x1  2 x2 dx1  4 x1dx1dx2  8dx2 .
2 2

Diferen\iala de ordinul al doilea a func\iei g ȋn punctul (-1,0,1) este

d 2 g  1,0,1  2dx 2  8dxdz  4dz 2 .

54
 Tema 9

FORMULA LUI TAYLOR

Fie D  R n , f :D  R ]i x0  ( x10 ,..., x n 0 ) un punct interior lui D. Presupunem c[ f este

diferen\iabil[ de k ori @n punctul x 0 .

Defini\ie. Se nume]te polinom Taylor de gradul k ata]at func\iei f @n punctul x 0

polinomul :
1 1 1
Tk , x0 ( x )  f ( x0 )  df ( x0 )  d 2 f ( x0 )  ...  d k f ( x0 ) ,
1! 2! k!
unde x  ( x1 ,..., xn )  D .
Fie Rk ( x)  f ( x)  Tk , f , x0 ( x) . Atunci Rk (x) se nume]te restul de ordinul k, iar rela\ia
f ( x)  Tk , f , x0 ( x)  Rk ( x)
se nume]te formula lui Taylor de ordinul k corespunz[toare func\iei f @n punctul x 0 .
Teorema. Dac[ func\ia f are derivate par\iale de ordinul k, continue @ntr-o
vecin[tate V a punctului x0 , atunci exist[ func\ia  : D  R , cu lim  ( x)   ( x0 )  0
x x0

astfel @nc`t s[ avem

1
Rk ( x)   ( x)d ( x, x0 ) k ,
k!

Observa\ie. Consider`nd k=2 , formula lui Taylor devine:

1 1
f ( x)  f ( x0 )  df ( x0 )  d 2 f ( x0 )   ( x)d ( x, x0 ) 2
2 2
cu lim  ( x)   ( x0 )  0 .
x x0

Aceast[ formul[ va fi utilizat[ @n continuare pentru determinarea extremelor func\iei f.

EXTREMELE FUNC|IILOR REALE

DE MAI MULTE VARIABILE REALE

Fie D  R n , f : D  R ]i x0  ( x10 ,..., xn0 ) t  D .

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 .

Defini\ie. Fie D  R n , f : D  R ]i x 0 un punct interior lui D. Punctul x 0 se nume]te

punct sta\ionar pentru func\ia f dac[ :
i) f este diferen\iabil[ @n x 0 ;
ii) df ( x0 )  0 (deci toate derivatele partiale de ordinul I in x0 sunt nule).
Cu ajutorul no\iunii de punct sta\ionar, Proprietatea precedenta se poate reformula astfel:

Proprietate. Fie x 0 un punct de extrem local al func\iei f, interior domeniului de

defini\ie D. Dac[ f este diferen\iabil[ @n x 0 , atunci x 0 este punct sta\ionar.

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

Cum lim  ( x)d ( x, x0 )2  0 , rezult[ c[:

x  x0

i) Dac[ d 2 f ( x0 ) este negativ definit[, atunci x 0 este punct de maxim local al

func\iei f.
ii) Dac[ d 2 f ( x0 ) este pozitiv definit[, atunci x 0 este punct de minim local al
func\iei f.
iii) Dac[ d 2 f ( x0 ) este nedefinit[, atunci x 0 nu este punct de extrem local al
func\iei f.

Etape pentru a determina punctele de extrem ale unei func\ii

f : D  R, D  R n , de dou[ ori diferen\iabile :

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.

Exemplu. S[ se determine punctele de extrem ale func\iei

f : R  R, f ( x, y, z )  x 3  y 2  z 2  12xy  2 z.
3

Punctele sta\ionare se g[sesc rezolv`nd ecua\ia f ( x, y , z )  0 , adic[

 f
 x ( x, y , z )  0
 3 x 2  12 y  0 x 2  4 y  0
 f  
 ( x, y , z )  0  2 y  12 x  0   y  6 x
 y 2 z  2  0  z  1
 f  
 ( x , y , z )  0
 z
Avem x 2  24 x  0 , deci x1  24, x2  0 . Rezult[ c[ exist[ dou[ puncte sta\ionare, ]i
anume p1  (24,144,1) p2  (0,0,1) . Hessiana func\iei f este:
 6 x 12 0 
 
H ( x, y, z )   12 2 0 .
0 0 2 
 
 144 12 0
 
Deci H ( p1 )   12 2 0 .
0 2 
 0
Avem D1=144>0, D2=144>0, D3=288>0.

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

avem d 2 f ( p2 )  72t1  2t2  2t3 . care e nedefinit[ ]i p2 nu este punct de extrem al

2 2 2

func\iei f.

58
 Tema 10
APLICA|II ALE EXTREMELOR LA MODELE DETERMINISTE DE GESTIUNE A
STOCURILOR

1. Model de stocare pentru un produs,

c`nd se admite lips[ @n stoc

S[ consider[m o gestiune a unui stoc cu perioad[ fix[ çi cerere constant[, relativ

la un singur produs.
Nota\ii:
 t0 –perioada de timp pe care se face analiza stocului
 N –cantitatea total[ din produsul considerat ȋn perioada total[ de timp
  -costul lans[rii unei comenzi este unit[\i monetare (u.m.)
 c-cheltuielile unitare de stocare (pentru fiecare produs pe zi)
  - penaliz[rile unitare (pe unitatea de timp @n care avem penurie çi pe unitatea de
produs)
 x=num[rul de produse la o comand[
 y=m[rimea stocului
 T=perioada dintre dou[ comenzi succesive, mereu aceea]i
 t1<T – timpul din T ȋn care produsul exist[ ȋn stoc

#n condi\iile date, ne propunem s[ determin[m nivelul optim al stocului y, al

comenzii x çi al perioadei T dintre dou[ comenzi succesive aça @nc`t cheltuielile totale s[
fie minime.
N t0
Num[rul comenzilor este  .
x T
N
Costul lans[rii comenzilor este .
x
1
Cheltuielile medii de stocare @ntr-o perioad[ de T zile sunt c y t1 .
2
1
Penaliz[rile medii pentru lips[ de stoc @ntr-o perioad[ de T zile sunt   x  y T  t 1  .
2

Deci @n perioada total[ t0 cheltuielile sunt

N 1 t 1 T  t1
f(x, y,T,t1) =  c y t 0 1    x  y t 0 , x >0, y > 0.
x 2 T 2 T
unde primul termen reprezint[ cheltuieli cu lansarea comenzilor, al doilea cheltuieli cu
stocarea, iar al treilea penaliz[ri pentru lipsa din stoc.

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 yc    t yc   
( 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 .
xy 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

este de minim pentru cheltuielile f.

#nlocuind P1 @n f ob\inem valoarea minim[ f(P1) = 2 N  C t 0  .
Prin urmare, gestiunea stocului const[ @n:
1. Cantitatea din produs care se comand[ de fiecare dat[ este
2N
x0 = .
c t0 
2. Stocul optim este
2N 
y0 = .
c t0
3. Comanda se face la perioada
t x
T0= 0 0 .
N
4. Cheltuielile totale minime sunt
f(P1) = 2 N  c t 0  .

Exemplu. Un magazin de biciclete estimeaz[ c[ cererea anual[ (360 de zile) este de

4500 biciclete pentru copii. Costul stoc[rii unei biciclete este de 2 u.m/zi, penaliz[rile
unitare pentru lipsa din stoc sunt de 2/3 u.m, iar costul lans[rii unei comenzi este de 200
de u.m. }tiind c[ aprovizionarea se face la intervale egale de timp, iar num[rul de
biciclete la fiecare comand[ este mereu acela]i, s[ se afle c`te biciclete ar trebui aduse la
fiecare comand[ ]i care ar trebui s[ fie intervalul dintre dou[ comenzi succesive astfel
@nc`t cheltuielile totale s[ fie minime.
Solutie. Avem t0=360 zile, N=4500 biciclete, c= 2 u.m.,  =2/3 u.m.,  =200 u.m.
Coeficientul de ruptur[ @n stoc este de     1 . Num[rul de biciclete ce trebuie
c 4
aduse la fiecare comand[ este x0= 2 N = 100
ct 
0

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 Nct  =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 Nct 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 Nct 0 .
Obseva\ie. Cum   1 , rezult[ c[ 2 Nct 0  < 2 Nct 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.

Exemplu. O societate comercial[ specializat[ @n distribuirea de produse cosmetice

estimeaz[ pentru urm[toarele 160 zile un necesar de 9000 de cutii de parfum de un
anumit tip. Se ]tie c[ costul lans[rii unei comenzi este de 3600 u.m, iar costul de stocare
pentru fiecare cutie de parfum este de 0.5 u.m zilnic.
Care este gestiunea optim[ a stocului dac[ nu se admite lipsa din stoc?

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 Nct 0 =72 000 u.m.

3. Model de stocare pentru mai multe produse,

f[r[ a admite lipsa din stoc

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

Se cere a se stabili cantit[\ile xi (i = 1,...,n) ]i perioadele de timp Ti (i = 1,...,n) @n mod

optim, @n sensul c[ cheltuielile totale s[ fie minime.
Solu\ie. Pentru fiecare tip de produs vom avea cheltuielile de forma celor din
paragraful precedent, deci pentru @ntreaga perioad[ considerat[ cheltuielile totale vor fi:
n  N  1 
f(X)=   i i  ci t0 xi  , xi>0
i 1 xi 2 
Avem:

  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   0xi   ;
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.

Solu\ia optim[ este deci dat[ de urm[toarele reguli:

1. Din fiecare produs i se cer
2 Ni  i
xi0  unit[\i.
ci t0
2. Perioada optim[, @ntre dou[ comenzi succesive la produsul i, este
t 0  xi0
Ti = .
Ni
3. Cheltuielile minime @n perioada total[ sunt
n
f(X0) =  2N i  i ci t0 .
i 1

Exemplu. La un depozit de articole electrocasnice se aduc @ntr-o perioad[ de 300 zile,

400 televizoare, 2500 de casetofoane ]i 2700 de frigidere. Costul lans[rii unei comenzi
este de 450 u.m. la televizoare, 675 u.m. la casetofoane ]i 300 u.m. la frigidere. Stocarea
cost[ zilnic 3 u.m. pentru un televizor, 2 u.m. pentru un casetofon ]i 6 u.m. pentru un
frigider.
}tiind c[ nu se admite lipsa din stoc a produselor, s[ se determine gestiunea optim[ a
stocului.

Solu\ie . Aplic`nd formulele precedente , pentru t0=300,

N1  400, N 2  2500, N3  2700,
 1  450,  2  675,  3  300,
c1  3, c2  2, c3  6,
rezult[:
2 N 1 1
x10   20 televizoare la fiecare comand[;
c1t0
2 N 2 2
x20   75 casetofoane la fiecare comand[;
c2t0

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

Fie D  R n o mul\ime deschis[ ]i f : D  R .

Fie func\iile h1 ,  , hm : D  R cu m  n ]i sistemul:
h1  x1 , ..., xn   0
 
h2 x1 , ..., xn   0
 (*)

hm  x1 , ..., xn   0

Consider[m mul\imea M a solu\iilor sistemului (*):


M  x   x1 ,, xn   D / x este o solu\ie a sistemului (*)
t
.
Ne propunem ca dintre toate solu\iile sistemului (*), sa le determin[m pe acelea
pentru care func\ia f ia valoarea maxim[ sau minim[. Acestea se numesc puncte de
extrem condi\ionat ale lui f, iar extremele func\iei f relative la mul\imea M se mai
numesc ]i extreme ale lui f condi\ionate de sistemul (*) sau extreme cu leg[turi
egalit[\i.

Presupunem c[ func\iile f , h1 ,, hm au derivate par\iale de ordinul 2 continue, deci sunt

diferen\iabile de dou[ ori.
Vom expune în continuare o metod[ de a g[si extremele func\iei f relative la mul\imea
M, numit[ metoda multiplicatorilor lui Lagrange.

Pasul 1.
Se formeaz[ func\ia ajut[toare de n+m variabile
Lx,    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   Lx, 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
dxm1 ,  , 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   Qdxm 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 .

Exemplu. Un recipient trebuie f[cut sub form[ de paralelipiped dreptunghic de volum

dat 1. Cum trebuie realizat acesta aça @nc`t suprafa\a total[ a lui s[ fie minim[, pentru ca
s[ se consume material c`t mai pu\in ?

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   2x1 x2  x1 x3  x2 x3 

 x1 x2 x3  1
 x  0, x  0, x  0
 1 2 3

Restric\iile asupra variabilelor fiind x1  0, x2  0, x3  0 , problema este de forma:

min f  X 

h  X   0 , unde h(X)= x1 x2 x3  1
 X  D, D deschisa

10 Func\ia lui Lagrange este:
L X ,    2x1 x2  x1 x3  x2 x3    x1 x2 x3  1 .
20 Se rezolv[ sistemul
2x2  x3   x2 x3  0
 2x  x   x x  0
 x L  0  1 3

1 3
 
 h X   2x1  x2   x1 x2  0
 x1 x2 x3  1  0
Solu\ia care satisface condi\ia x1  0, x2  0, x3  0 este
1 1
   
X0 = 1; 0  4 çi avem h(X0) = 1 .
1 1
   
30 (X) = L(X, 0) = 2(x1x2 + x1x2 + x2x3) - 4 (x1x2x3 - 1).
Matricea hessian[ a func\iei  ȋn punctul X0 este

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   4z1z2  z1z3  z2 z3  , unde z1  dx1 , z2  dx2 , z3  dx3

40 Egaland diferen\iala lui h ȋn X0 cu 0:

dh( X 0 )  0 ,
rezult[ z1  z2  z3  0 , deci z1 = - z2 - z3
Se ob\ine Q= -4(-z2-z3)z2-4(-z2-z3)z3-4z2z3= 4 z22  4 z32  4 z2 z3 .
 4 2
Matricea acesteia este   ]i conform criteriului lui Jacobi rezult[ c[ Q este form[
 2 4
p[tratic[ pozitiv definit[.
Deci x1 = x2 = x3 = 1 sunt dimensiunile optime ale recipientului, a]adar acesta se
construie]te @n form[ de cub.

69
 Tema 12
ELEMENTE DE TEORIA PROBABILITĂŢIOR

C~MP DE EVENIMENTE

Experien\[ aleatoare = experien\[ al c[rei rezultat depinde de factori

@nt`mpl[tori, deci nu poate fi anticipat cu certitudine.
Eveniment elementar = orice rezultat posibil al unei experien\e
Prob[ = fiecare repetare a experien\ei

#ntre evenimentele elementare se define]te opera\ia sau, notat[  , astfel:

Dac[ A ]i B sunt evenimente elementare, atunci A  B se realizeaz[ @ntr-o prob[
dac[ @n acea prob[ se realizeaz[ fie A, fie B.
A  B este un eveniment compus.
Notatii:
E = mul\imea de rezultate posibile (evenimente elementare).
K0 = mul\imea tuturor evenimentelor (elementare sau compuse) asociate
experien\ei aleatoare

Eveniment imposibil = evenimentul care nu se realizeaz[ @n nici o prob[ a

experien\ei. Acesta se noteaz[ cu 
Evenimentul sigur = evenimentul care se realizeaz[ @n orice prob[ a experien\ei.
Acesta se noteaz[ cu  .

Opera\ii cu evenimente

Defini\ie. Fie A un eveniment din K0. Se nume]te contrarul lui A evenimentul

care se realizeaz[ dac[ ]i numai dac[ nu se realizeaz[ A. El se noteaz[ cu A sau non A
sau CA.

Defini\ie. Fie A, B  K0 . Se nume]te suma (reuniunea) celor dou[ evenimente un

nou eveniment, notat A  B care se realizeaz[ dac[ ]i numai dac[ se realizeaz[ cel pu\in
unul dintre evenimentele A, B.
Evenimentul A  B se mai nume]te evenimentul "sau A sau B".

Defini\ie. Fie dou[ evenimente A, B. Se nume]te produs (sau intersec\ie) a

evenimentelor A, B un eveniment, notat A  B, a c[rui realizare are loc dac[ ]i numai
dac[ se realizeaz[ ambele evenimente A,B.
Evenimentul A  B se cite]te "A ]i B" .

Defini\ie. Dac[ A  B =  , atunci se spune c[ A, B sunt evenimente

incompatibile.

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 = AB .

Defini\ie. Se spune c[ evenimentul A implic[ evenimentul B dac[ realizarea lui A

atrage în mod necesar ]i realizarea lui B.
Se noteaz[ A  B.

Dac[ A  B ]i B  A atunci A, B se numesc echivalente ]i se scrie A = B.

Observatie. Mul\imea K0 a evenimentelor asociate unei experien\e se identifica

cu mul\imea P(E) a p[r\ilor mul\imii evenimentelor elementare E.
Dac[ num[rul de rezultate posibile ale experien\ei este finit, atunci E=
1 ,...,  n . Dac[ mul\imea rezultatelor posibile este infinit[ ]i num[rabil[, atunci E=
1 ,..., n ,.... Dac[ mul\imea rezultatelor posibile este infinit[ ]i nenum[rabil[, atunci E
este, de exemplu, un interval n-dimensional.
Un eveniment elementar se identific[ cu o submul\ime a lui E av`nd un singur
element.
Un eveniment compus se identific[ cu o submul\ime a lui E format[ din
reuniunea evenimentelor elementare care @l implic[.
Evenimentul sigur  se identific[ cu E, deci este reuniunea tuturor
evenimentelor elementare.
Evenimentul imposibil se identific[ cu mul\imea vid[  .

Astfel, opera\iile cu evenimente au propriet[\ile opera\iilor cu mul\imi ]i anume:

Proprietate. Oricare ar fi A, B, C evenimente din K0 avem:
A  A=A, A   =  , A   =A,
A  A=A, A   =A, A   = 
A  B=B  A, A  B=B  A
A  (B  C)= (A  B)  C, (A  B)  C=A  (B  C)
A  (B  C)= (A  B)  (A  C),
A  (B  C)=(A  B)  (A  C)

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

Defini\ie. Fie K0=P(E) mul\imea tuturor evenimentelor asociate unei experien\e ]i

K  P(E) o submul\ime nevid[ cu propriet[\ile:
i). oricare ar fi A  K, rezult[ A  K
ii) oricare ar fi A1, A2  K rezult[ A1  A2  K
Atunci (K, -,  ) se nume]te câmp de evenimente ]i se noteaz[ , K  .
Dac[ K este un câ`mp de evenimente, atunci:
1). Oricare ar fi A1, A2  K  A1  A2  K,
2). Oricare ar fi A, B  K  A - B  K.

Defini\ie. Fie K0=P(E) ]i K  P(E) o submul\ime nevid[ cu propriet[\ile:

i). oricare ar fi A  K, rezult[ A  K
ii). oricare ar fi Ai  K , rezult[ iN Ai  K .
Atunci K se nume]te câmp borelian de evenimente.

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.

Defini\ia axiomatic[ a probabilit[\ii pe un camp de evenimente (A. N.

Kolmogorov).
Fie , K  un c`mp de evenimente.
O func\ie P: K  [0,  ) care satisface axiomele:
i). P(  )=1
ii). P(A1  A2)=P(A!) + P(A2), oricare ar fi A1, A2  K; evenimente incompatibile
(A1  A2 =  )
se nume]te probabilitate pe c`mpul K.
Tripletul , K, P se nume]te câmp de probabilitate.
Se arat[ c[ pentru K finit, defini\ia axiomatic[ coincide cu cea clasic[.

Propriet[\i ale func\iei probabilitate:

_
a). P ( A ) = 1 - P (A)
b). P (  ) = 0;
c). P (A)  0,1 , oricare ar fi A  K;
d). Generalizarea lui (ii) pentru mai multe evenimente incompatibile dou[ cate dou[
Dac[ Ai  Aj =  , i  j , A1 , ... , Ar  K atunci:
P (A1  ...  Ar) = P(A1 ) + ... + P(Ar ),
e). Dac[ A  B atunci
P (A)  P (B),
P (B - A) = P (B) - P (A)
f). Generalizarea lui (ii) pentru dou[ evenimente compatibile:
P (A1  A2) = P (A1) + P (A2) - P (A1  A2)
g). Proprietatea de subaditivitate:
P (A1  A2)  P (A1) + P (A2)

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 jk
P (Ai  Aj  Ak) - ... + (-1)n + 1 P (A1  A2  ...  An)

i). Inegalitatea lui G. Boole:

n n n
Dac[ A i   , atunci P( Ai )   P( Ai )  (1  n) .
i 1 i 1 i 1

Defini\ia axiomatic[ a probabilit[\ii pe un camp borelian de evenimente

Fie , K  un c`mp borelian de evenimente.
Func\ia P: K  [0, ) care satisface axiomele:
i). P(  )=1
ii). P( Ai )   P(Ai )
iI iI

Ai  K ; i  I , cu Ar  Aj  ,r  j(r, j  I ) , unde I este o familie cel mult num[rabil[

de indici, se nume]te probabilitate pe c`mpul borelian , K  .
Tripletul , K, P se nume]te câmp borelian de probabilitate (sau c`mp de
probabilitate complet aditiv).

}i în acest caz, toate propriet[\ile de mai sus r[m`n adev[rate.

Defini\ie. Fie A1, A2 K, arbitrare, cu P(A1)  0.

Num[rul real
P( A1  A2 )
P( A1 )
se nume]te probabilitatea evenimentului A2 condi\ionat[ de A1 ]i se noteaz[ P(A2/A1)
sau PA1(A2).

Func\ia PA : K  R definit[ prin

1

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.

Observa\ie. Dac[ P(A1)  0 ]i P(A2)  0, rezult[:

P(A1  A2 )=P(A1)PA1(A2) = P(A2) . PA2(A1)
In plus:
A1, A2 independente  PA2(A1) = P(A1); PA1(A2) = P(A2).
Teorema. Probabilitatea produsului de evenimente se calculeaz[ astfel:
i). Dac[ {A1, .....An} sunt independente, atunci
P(A1  .....  An) = P(A1) .... P(An)
ii). Dac[ Ai  K, i = 1,n nu sunt independente ]i
P(A1 )  0, …, P(A1  A2  ....  An-1)  0, atunci
P(A1  A2  ....  An) = P(A1) PA1(A2) .... PA1  A2  ....  An-1(An).

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. Pentru loturile de piese din problema precedenta, la un control se ia o

pies[, la întâmplare, din primul lot, se introduce in al doilea, apoi se extrage o piesa din al
doilea lot.
Care este probabilitatea ca ambele piese s[ fie bune?
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:
75
 A1, A2 sunt compatibile (deci A1  A2   ) si
A1, A2 nu sunt independente
Evenimentul ca ambele piese s[ fie bune este A1  A2.
Deoarece A1, A2 nu sunt independente avem:
80 82
P(A1  A2) = P(A1) PA1(A2)= . =80/83=0,963855.
82 83

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

1. Schema lui Poisson.

Se consider[ n urne care con\in bile albe ]i negre: U1, …..Ui, …., Un .
Fie Ai evenimentul ce const[ din extragerea unei bile albe din urna Ui (i=1,...,n)
]i fie pi = P(Ai) probabilitatea sa.
Fie Bi evenimentul ob\inerii unei bile negre din urna Ui ]i probabilitatea sa qi = P
(Bi).
Avem qi =1 - pi deoarece Bi este evenimentul contrar lui Ai.
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
P(t) = (p1t + q1) (p2t + q2).... (pnt + qn)

Exemplu. Se consider[ 3 loturi de piese. Primul lot con\ine 20 de piese bune ]i 3

rebuturi. Al doilea lot con\ine 30 de piese bune ]i 4 rebuturi, iar al treilea 50 se piese
bune ]i 6 rebuturi. Se extrage c`te o pies[ din fiecare lot. Care este probabilitatea de a
ob\ine dou[ piese bune ]i un rebut?
Solu\ie. Avem

U1:  20 bune  , U2:  30 bune  , U3:  50 bune 

 3 rebuturi   4 rebuturi   6 rebuturi 
     
20 30 50
p1= , p2= , p3= ,
23 34 56
3 4 6
q1= , q2= , q3= .
23 34 56
Probabilitatea ca din cele 3 piese extrase s[ avem dou[ piese bune ]i un rebut
este:
P3, 2, 1 = coeficientul lui t 2 din polinomul
20 3 30 4 50 6
P(t)=( t+ )( t+ )( t+ )
23 23 34 34 56 56
]i anume:

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

Generalizare. Schema lui Bernoulli cu mai multe culori (multinominal[)

Dac[ ȋn schema binomial[ not[m k=k1 ; n-k=k2 ; p=p1 ; q=p2
atunci

78
 n!
Pn, k1, k2 = p1k1p2k2 unde k1 + k2 = n ; p1 + p2 =1.
k 1! k 2 !

In continuare presupunem c[ avem o urn[ ce con\ine bile de r culori.

Se extrag n bile, cu revenire.
Se cere probabilitatea P n; k1 ...k r de a ob\ine:
k1 bile de prima culoare,
k2 de culoarea a doua,
………………
kr de culoarea r,
unde evident k1 + k2 + .... + kr = n.
Fie Ai este evenimentul ca la o extragere din urn[, bila extras[ s[ fie de culoare i
(i=1,...,r). Fie pi = P(Ai). Atunci avem:

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!

Exemplu. Un zar se arunc[ de 8 ori. Care este probabilitatea ob\inerii de 2 ori a

fe\ei cu 6 puncte ]i de trei ori a fe\ei cu 5 puncte?
Solu\ie. Fie
A evenimentul ca la o aruncare s[ apar[ fa\a 6
B evenimentul ca la o aruncare s[ apar[ fa\a 5
C evenimentul ca la o aruncare s[ apar[ una din fe\ele 1, 2, 3, 4

Avem P(A)=1/6, P(B)=1/6, P(C)=4/6.

Din schema multinomial[ rezult[:

k1  2; k 2  3; k 3  8  (2  3)  3 .

79
 8!
P8, 2, 3, 3 = (1/6)2(1/6)3(4/6)3.
2! 3! 3!

3. Schema urnei cu bil[ f[r[ revenire (hipergeometric[).

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 nk

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).

Solu\ie. Aplic`nd schema hipergeometric[, avem:

N =20; a1 =15; a2 =5; k1=7; k2=1, deci
7 1

P8,7 ,1 C C 15
8
5
.
C 20

Generalizare pentru urna cu bile de mai multe culori. Presupunem c[ o urn[

con\ine N bile omogene din care
a1 sunt de culoarea 1;
a2 sunt de culoarea 2;
………. ...
ar sunt de culoarea r,
unde a1+ a2+...+ar = N.
Din urn[ se extrag n bile, f[r[ revenire. Se cere probabilitatea ca din cele n bile extrase,
s[ avem:
k1 bile de culoarea 1,
k2 bile de culoarea 2,
.................
kr bile de culoarea r,
unde k1+k2+...+kr=n.
Aceasta este:
Cak11 Cak22 ...Cakrr
Pn, k1, k 2,...,kr  .
CNn

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?

Solutie. Aplic`nd schema hipergeometric[ generalizat[ avem:

3 1 1

P5,3,1,1  C15 C53 C 2 .

C 20

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

Notand p=P(A), avem q  P(A ) =1-p, deci

P( X )  q k 1  p .

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.

Solu\ie. P(X) = 0,514 . 0,49.

81
 MODEL DE SUBIECT PENTRU EXAMEN

Pentru a fabrica 4 tipuri de produse se consum[ dou[ tipuri de resurse. Consumurile

unitare, disponibilul de resurse ]i beneficiile unitare se dau @n tabelul urm[tor:

Produs1 Produs2 Produs3 Produs4 Disponibil resurse

Resursa1 1 1 3 1 15
Resursa2 3 5 1 4 50
Benef. unitare 6 6 10 5

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.

4). Sa se rezolve optimal problema de transport cu datele din tabelul urm[tor:

Beneficiar 1 Beneficiar 2 Beneficiar 3 Disponibil
Furnizor 1 8 6 5 30
Furnizor 2 6 8 10 10
Furnizor 3 5 3 6 20
Necesar 15 28 17

Fie f : R3  R, f(x, y, z)=x2+y2+z3+6xz-4y+11.

5). S[ se scrie derivatele partiale de ordinul I si gradientul func\iei f .
6). S[ se scrie derivatele partiale de ordinul al II-lea si hessiana func\iei f.
7). S[ se determine punctele de extrem ale func\iei f.

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